JP2010166185A - Apparatus and method of estimating electric field strength - Google Patents

Apparatus and method of estimating electric field strength Download PDF

Info

Publication number
JP2010166185A
JP2010166185A JP2009005242A JP2009005242A JP2010166185A JP 2010166185 A JP2010166185 A JP 2010166185A JP 2009005242 A JP2009005242 A JP 2009005242A JP 2009005242 A JP2009005242 A JP 2009005242A JP 2010166185 A JP2010166185 A JP 2010166185A
Authority
JP
Japan
Prior art keywords
value
field strength
electric field
layer
estimation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2009005242A
Other languages
Japanese (ja)
Other versions
JP4774106B2 (en
Inventor
Junpei Mizuno
淳平 水野
Tetsuro Imai
哲朗 今井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to JP2009005242A priority Critical patent/JP4774106B2/en
Publication of JP2010166185A publication Critical patent/JP2010166185A/en
Application granted granted Critical
Publication of JP4774106B2 publication Critical patent/JP4774106B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Mobile Radio Communication Systems (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To enhance an estimation accuracy when estimating an electric field strength of a field. <P>SOLUTION: The apparatus for estimating the electric field strength includes: a preliminary estimation unit for finding an electric field strength estimation value before correction from a geographic numeric value indicating geographic calculation conditions at a given point; and a neural network processing unit which calculates an output value, and updates a weighing coefficient of a neural network having an input layer, one or more intermediate layers and an output layer. In an estimation mode, the geographic numeric value is used as an input value to the input layer, a correction value is calculated based on the output value from the output layer, and the correction value and the electric field strength estimation value before correction are added so that the electric field strength estimation value after correction can be calculated and output. In a learning mode, an error between the correction value calculated in the estimation mode, and a target correction value derived from the electric field strength estimation value before correction and an actual measurement value is set as the output value of the output layer. The neutral network processing unit updates the weighing coefficient in an error reverse propagation method. <P>COPYRIGHT: (C)2010,JPO&INPIT

Description

本発明は、電界強度を推定する装置及び方法に関連する。   The present invention relates to an apparatus and method for estimating electric field strength.

ある送信点から放出された電波は、空間を伝搬して受信点に達する。受信点で観測される電界強度は、多くの場合、何らかの数式やテーブルに基づいて推定される。推定法の具体例は、奥村カーブに基づく計算法や、レイトレーシング法等を含む。レイトレーシング法は、基地局から放射された電波が、周辺の建物によって反射、回折及び透過して受信点に到達するまでの伝搬経路を幾何学的に追跡(トレース)しようとする。従来の推定法については、例えば非特許文献1に記載されている。   A radio wave emitted from a certain transmission point propagates through space and reaches a reception point. In many cases, the electric field intensity observed at the reception point is estimated based on some mathematical formula or table. Specific examples of the estimation method include a calculation method based on the Okumura curve, a ray tracing method, and the like. The ray tracing method attempts to geometrically trace (trace) a propagation path from a radio wave radiated from a base station to a reception point after being reflected, diffracted and transmitted by surrounding buildings. The conventional estimation method is described in Non-Patent Document 1, for example.

奥村カーブを利用した推定法は、過去の実験結果に基づいて推定計算式を決めている。この場合、推定しようとする個々の場所に対する伝搬特性が、過去の統計的な実験結果から常に良好に表現できるとは限らない。また、レイトレーシング法のように建物の具体的配置を考慮したとしても、実際の建物の影響を過不足無く考慮することは容易ではない。このため、フィールドの電界強度を高精度に推定する方法が望まれている。   The estimation method using the Okumura curve determines an estimation calculation formula based on past experimental results. In this case, the propagation characteristics for each location to be estimated cannot always be expressed well from past statistical experimental results. Even if the specific arrangement of buildings is considered as in the ray tracing method, it is not easy to consider the influence of the actual building without excess or deficiency. Therefore, a method for estimating the field electric field strength with high accuracy is desired.

電波伝搬ハンドブック(Radiowave Propagation Handbook),第15章,p.203−234,企画・監修:細矢良雄 北見工業大学,平成11年1月28日 第1刷発行,平成16年4月30日 第2刷発行Radiowave Propagation Handbook, Chapter 15, p.203-234, Planning and Supervision: Yoshio Hosoya Kitami Institute of Technology, January 28, 1999, 1st edition, April 30, 2004 2nd Publishing

本発明の課題は、フィールドの電界強度を推定する場合における推定精度を高めることである。   An object of the present invention is to improve the estimation accuracy in estimating the field electric field strength.

本発明の一形態では、所与の地点における受信電界強度を推定する電界強度推定装置が使用される。本電界強度推定装置は、
所与の地点の地理的計算条件を示す地理的数値から、補正前の電界強度推定値を求める予備推定部と、
入力層、1つ以上の中間層及び出力層を有するニューラルネットワークの出力値の計算及び重み付け係数の更新を行うニューラルネットワーク処理部と、
を有し、当該電界強度推定装置が推定モードで動作する場合、前記地理的数値が前記入力層への入力値として使用され、前記ニューラルネットワーク処理部は、前記出力層からの出力値に基づいて補正値を算出し、該補正値と補正前の前記電界強度推定値とを加えることで、補正後の電界強度推定値を算出及び出力し、
当該電界強度推定装置が学習モードで動作する場合、前記推定モードで算出された補正値と、補正前の電界強度推定値及び実測値から導出された目標補正値との間の誤差が、前記出力層の出力値として設定され、前記ニューラルネットワーク処理部は、誤差逆伝搬法により、前記重み付け係数を更新する
ようにした電界強度推定装置である。
In one form of the present invention, a field strength estimation device that estimates the received field strength at a given point is used. This electric field strength estimation device
A preliminary estimation unit that calculates an electric field strength estimation value before correction from a geographical numerical value indicating a geographical calculation condition of a given point;
A neural network processing unit for calculating an output value of a neural network having an input layer, one or more intermediate layers and an output layer, and updating a weighting coefficient;
When the electric field strength estimation apparatus operates in the estimation mode, the geographical numerical value is used as an input value to the input layer, and the neural network processing unit is based on the output value from the output layer. By calculating a correction value and adding the correction value and the electric field strength estimation value before correction, the corrected electric field strength estimation value is calculated and output,
When the electric field strength estimation apparatus operates in the learning mode, an error between the correction value calculated in the estimation mode and the target correction value derived from the electric field strength estimation value before correction and the actual measurement value is the output. The field value estimation device is set as an output value of the layer, and the neural network processing unit updates the weighting coefficient by an error back propagation method.

本発明の一形態によれば、フィールドの電界強度を推定する場合における推定精度を高めることができる。   According to one embodiment of the present invention, it is possible to improve estimation accuracy when estimating the field strength of a field.

電界強度推定の対象となるフィールドを模式的に示す図。The figure which shows typically the field used as the object of electric field strength estimation. 電界強度推定装置の機能ブロック図。The functional block diagram of an electric field strength estimation apparatus. 測定データ記憶部204に格納されるデータ例を示す図。The figure which shows the example of data stored in the measurement data storage part 204. FIG. 記憶部に保存される計算条件を示す図。The figure which shows the calculation conditions preserve | saved at a memory | storage part. 記憶部に保存される教師データ等を示す図。The figure which shows the teacher data etc. which are preserve | saved at a memory | storage part. 記憶部に保存される評価データ等を示す図。The figure which shows the evaluation data etc. which are preserve | saved at a memory | storage part. 記憶部に保存される係数配列を示す図。The figure which shows the coefficient arrangement | sequence preserve | saved at a memory | storage part. 記憶部に保存される評価結果を示す図。The figure which shows the evaluation result preserve | saved at a memory | storage part. 推定モードの動作を示すフローチャート。The flowchart which shows operation | movement of estimation mode. 補正値計算方法の説明図。Explanatory drawing of the correction value calculation method. 学習モードの動作を示すフローチャート。The flowchart which shows operation | movement of learning mode. 重み係数更新方法の説明図。Explanatory drawing of the weighting coefficient update method. 教師データと評価データが同じ場合の様子を示す図。The figure which shows a mode when teacher data and evaluation data are the same. 教師データと評価データが異なる場合の様子を示す図。The figure which shows a mode when teacher data and evaluation data differ.

本発明の実施例では、受信電界強度の実測値と、地理的な特徴とを考慮し、推定値が実測値に近づくように推定計算式が更新される。   In the embodiment of the present invention, the estimated calculation formula is updated so that the estimated value approaches the measured value in consideration of the actually measured value of the received electric field strength and the geographical feature.

図1は、電界強度推定の対象となるフィールドを模式的に示す。図1のフィールドには、基地局eNBと建物が存在している。図1は模式的な説明図を示すに過ぎず、実際には、より多くの建物や障害物が存在するかもしれないし、地形の起伏等が存在するかもしれない。本実施例では、地理的な如何なる特徴も「地理的数値」として電界強度推定に反映させることができる。A1〜A7,B1〜B7は、フィールド内の地点を示し、これらは受信点になる可能性がある。A1〜A7は、電界強度の実測値が得られている地点を示す。B1〜B7の地点では、電界強度の実測値は得られていない(これらの地点で実測は行われていない。)。図1は移動通信システムの基地局が送信点となっているが、このことは本発明に必須ではない。送信点は、電波を発する適切な如何なる送信機でよい。また、図示の便宜上、A1〜A7及びB1〜B7のような地点しか描かれていないが、より多くの又はより少ない地点が想定されてもよい。   FIG. 1 schematically shows a field that is an object of electric field strength estimation. A base station eNB and a building exist in the field of FIG. FIG. 1 merely shows a schematic explanatory diagram. In actuality, there may be more buildings and obstacles, and there may be undulations of topography. In this embodiment, any geographical feature can be reflected in the electric field strength estimation as a “geographic value”. A1 to A7 and B1 to B7 indicate points in the field, and these may be reception points. A1 to A7 indicate points where measured values of the electric field strength are obtained. The measured values of the electric field strength are not obtained at the points B1 to B7 (no actual measurement is performed at these points). In FIG. 1, the base station of the mobile communication system is the transmission point, but this is not essential to the present invention. The transmission point may be any suitable transmitter that emits radio waves. Further, for convenience of illustration, only points such as A1 to A7 and B1 to B7 are illustrated, but more or fewer points may be assumed.

本実施例で使用される電界強度推定装置は、推定モード及び学習モードの動作モードを少なくとも有する。推定モードの場合、補正値計算式を使って受信点での補正値mが求められ、この補正値mと補正前推定値Pnを加算することで、受信点における電界強度Enが推定される。この受信点は、図1のA1〜A7でもB1〜B7でもよいし、更には、地理的数値を用意できる他の地点でもよい。   The electric field strength estimation apparatus used in the present embodiment has at least an operation mode of an estimation mode and a learning mode. In the estimation mode, the correction value m at the reception point is obtained using the correction value calculation formula, and the electric field intensity En at the reception point is estimated by adding the correction value m and the pre-correction estimation value Pn. The reception points may be A1 to A7 or B1 to B7 in FIG. 1, or may be other points where geographical numerical values can be prepared.

学習モードの場合、補正値を導出する補正値計算式が更新される。学習モードの場合、所与の地点(A1〜A7)における電界強度の実際の測定値と、その場所の地理的条件を指定する地理的数値との対(ペア)が、教師データとして用意される。様々な場所の教師データを用いて、補正値を導出する補正値計算式が更新される。地理的数値を入力データとし、入力データに最も近い教師データを参照することで、補正値計算式は補正値を出力する。地理的数値は、アンテナの標高、周辺の建物の高さ、送信点からの見通しの良さ等を表現してもよいが、これらは単なる例示に過ぎず、電界強度の推定に影響を及ぼす適切な如何なる項目が地理的数値に含まれてもよい。   In the learning mode, the correction value calculation formula for deriving the correction value is updated. In the case of the learning mode, a pair of an actual measurement value of the electric field strength at a given point (A1 to A7) and a geographical value specifying the geographical condition of the place is prepared as teacher data. . A correction value calculation formula for deriving a correction value is updated using teacher data at various locations. By using a geographical numerical value as input data and referring to teacher data closest to the input data, the correction value calculation formula outputs a correction value. Geographical numbers may represent antenna altitude, height of surrounding buildings, visibility from the transmission point, etc., but these are just examples and should be appropriate to affect the estimation of field strength. Any item may be included in the geographic value.

推定モードの場合、地理的数値及び補正値関係式に基づいて補正値mが算出される。受信点の補正前の電界強度推定値Pnに補正値mを加えることで、その受信点における補正後の電界強度Enが得られる。推定モードで推定の対象になる受信点は、実測値が得られているか否かによらない。その地点の地理的数値が得られてさえいれば、その受信点での電界強度は推定可能である。   In the estimation mode, the correction value m is calculated based on the geographical numerical value and the correction value relational expression. By adding the correction value m to the estimated electric field strength value Pn before correction of the reception point, the corrected electric field strength En at the reception point is obtained. The reception point to be estimated in the estimation mode does not depend on whether or not an actual measurement value is obtained. As long as the geographical value of the point is obtained, the electric field strength at the receiving point can be estimated.

本発明の実施例は、以下の観点から説明される。   Examples of the present invention will be described from the following viewpoints.

1.用語説明
2.測定システム
3.推定モード
4.学習モード
5.変形例
1. Explanation of terms 2. Measurement system Estimation mode 4. 4. Learning mode Modified example

1.用語説明
以下、本発明の実施例の説明で使用されるいくつかの用語を、事前に説明しておく。
< 1. Glossary >
Hereinafter, some terms used in the description of the embodiments of the present invention will be described in advance.

推定式:所与の地点で電界強度を推定する際、本実施例による補正前の電界強度推定値Pnが、「推定式」に基づいて算出される。推定式は、典型的には、レイトレース法や時間領域有限差分法(FDTD: Finite Difference Time Division Method)等による数式である。補正前の電界強度推定値Pnは、混乱のおそれがなければ、単に「推定値」と言及されてもよい。推定式は、アンテナ利得や放射パターン等を考慮して決定されてもよい。   Estimation Formula: When the electric field strength is estimated at a given point, the electric field strength estimation value Pn before correction according to the present embodiment is calculated based on the “estimation formula”. The estimation formula is typically a mathematical formula based on a ray tracing method, a time domain finite difference method (FDTD), or the like. The electric field strength estimated value Pn before correction may be simply referred to as “estimated value” if there is no risk of confusion. The estimation formula may be determined in consideration of an antenna gain, a radiation pattern, and the like.

地理的数値:所与の地点で電界強度を推定する際、その地点に関する地理的な特徴が数値化されたものである。地理的数値は、例えば、地点の位置座標、送信点及び受信点間の距離、アンテナの標高、アンテナの標高差、建物の密度等を含んでよいが、これらより多くを含んでもよいし、少なくてもよい。   Geographical value: When estimating the electric field strength at a given point, the geographical feature of that point is digitized. The geographical numerical value may include, for example, a position coordinate of a point, a distance between a transmission point and a reception point, an antenna altitude, an antenna altitude difference, a building density, and the like, but may include more or less than these. May be.

補正値計算式:地理的数値が与えられると、所与の地点における補正値mが、補正値計算式から算出される。補正値は、実施例ではニューラルネットワークを用いて算出される。補正値計算式は、ニューラルネットワークのレイヤ間の一群の重み係数wijで表現される。重み係数は、「係数配列」とも言及される。 Correction value calculation formula: Given a geographical value, the correction value m at a given point is calculated from the correction value calculation formula. In the embodiment, the correction value is calculated using a neural network. The correction value calculation formula is expressed by a group of weight coefficients w ij between layers of the neural network. The weighting coefficient is also referred to as “coefficient array”.

補正あり推定値:本実施例では、補正前の電界強度推定値Pnと、補正値mとを加算することで、補正後の電界強度推定値Enが算出され、この補正後の電界強度推定値は、「補正あり推定値」とも言及される。   Estimated value with correction: In this embodiment, the corrected electric field strength estimated value En is calculated by adding the corrected electric field strength estimated value Pn and the corrected value m, and this corrected electric field strength estimated value. Is also referred to as “corrected estimate”.

2.測定システム
図2は、一実施例による電界強度推定装置の機能ブロック図を示す。図2には、測定データ入力部202、測定データ記憶部204、計算条件入力部206、計算条件記憶部208、地図パラメータ参照部210、教師データ記憶部212、評価データ記憶部214、計算式生成部216、計算式記憶部218、計算式評価部220、評価結果記憶部222、推定値計算部230、補正値計算部232、表示部234及び出力部236が示されている。
< 2. Measuring system >
FIG. 2 is a functional block diagram of an electric field strength estimation apparatus according to an embodiment. 2 includes a measurement data input unit 202, a measurement data storage unit 204, a calculation condition input unit 206, a calculation condition storage unit 208, a map parameter reference unit 210, a teacher data storage unit 212, an evaluation data storage unit 214, and a calculation formula generation. A unit 216, a calculation formula storage unit 218, a calculation formula evaluation unit 220, an evaluation result storage unit 222, an estimated value calculation unit 230, a correction value calculation unit 232, a display unit 234, and an output unit 236 are shown.

測定データ入力部202は、電界強度の実測の行われた様々な地点における実測値を受け入れる。受け入れられた実測値は、測定場所の位置と共に測定データ記憶部204に記憶される。   The measurement data input unit 202 accepts actually measured values at various points where the field intensity is actually measured. The accepted actual measurement value is stored in the measurement data storage unit 204 together with the position of the measurement place.

図3は、測定データ記憶部204に格納されるデータ例を示す。図示の例の場合、測定場所の位置は、緯度と経度で表現されている。これらの位置の各々における電界強度の測定値(dBm)が、記憶されている。位置座標の指定法は、緯度及び経度だけでなく、当該技術分野で既知の適切な如何なる指定法が使用されてもよい。   FIG. 3 shows an example of data stored in the measurement data storage unit 204. In the case of the illustrated example, the position of the measurement place is expressed by latitude and longitude. A measured value (dBm) of the electric field strength at each of these positions is stored. The position coordinate designation method is not limited to latitude and longitude, and any appropriate designation method known in the art may be used.

図2の計算条件入力部206は、電界強度の推定を行う際に前提となる条件を受け入れる。受け入れられた条件は、計算条件記憶部208に記憶される。   The calculation condition input unit 206 in FIG. 2 accepts a precondition when estimating the electric field strength. The accepted condition is stored in the calculation condition storage unit 208.

図4は、計算条件記憶部208に記憶されるデータ例を示す。上述したように、本実施例の電界強度推定装置の動作モードは、推定モード及び学習モードを少なくとも含む。図4に示される例では、推定モード及び学習モードに共通に使用される共通条件項目と、推定モードだけに使用される推定条件項目と、学習モードだけに使用される学習条件項目とがある。   FIG. 4 shows an example of data stored in the calculation condition storage unit 208. As described above, the operation mode of the electric field strength estimation apparatus according to the present embodiment includes at least the estimation mode and the learning mode. In the example shown in FIG. 4, there are common condition items that are commonly used in the estimation mode and the learning mode, estimation condition items that are used only in the estimation mode, and learning condition items that are used only in the learning mode.

共通条件項目は、送信点である基地局の位置座標、基地局の送信電力、アンテナ高さ及び使用周波数の情報を含む。   The common condition items include information on the position coordinates of the base station that is the transmission point, the transmission power of the base station, the antenna height, and the operating frequency.

推定条件項目は、推定を行う場所の位置座標の情報を含む。   The estimation condition item includes information on position coordinates of a place where estimation is performed.

学習条件項目は、評価率及び終了条件の情報を含む。「終了条件」は、反復的な学習がどのような条件で終わるかを指定する。例えば、学習が反復的に1万回なされた場合に終了条件が満たされてもよいし、評価データに関する誤差が十分に小さくなった場合に終了条件が満たされてもよい。後者の場合、計算条件記憶部208中の実測値(図3)の全部又は一部が、教師データとして使用される。換言すれば、反復的な学習の終了条件が満たされたか否かは、実測値の全部又は一部を用いて行われる。実測値(図3)全体の内、どの程度の割合の実測値が終了判定に使用されるかは、「評価率」で指定される。図示の例の場合、評価率は0.5なので、実測値の半分のデータが、反復的学習計算の終了判定に使用される。1.0ならば、全てのデータが終了判定に使用される。   The learning condition item includes information on an evaluation rate and an end condition. “End condition” specifies under which conditions the iterative learning ends. For example, the end condition may be satisfied when learning is repeated 10,000 times, or the end condition may be satisfied when an error related to the evaluation data becomes sufficiently small. In the latter case, all or part of the actually measured values (FIG. 3) in the calculation condition storage unit 208 are used as teacher data. In other words, whether or not the repetitive learning end condition is satisfied is performed using all or a part of the actually measured values. The percentage of the actual measurement values (FIG. 3) used for the end determination is designated by “evaluation rate”. In the case of the illustrated example, since the evaluation rate is 0.5, data that is half of the actual measurement value is used to determine the end of the iterative learning calculation. If 1.0, all data is used for termination determination.

図2の地図パラメータ参照部210は、地理的数値参照部と地理データベースとを有し、位置座標に応じて地理的数値を返す。地図パラメータ参照部210は、位置座標と地理的数値の対応関係を地理データベースに記憶する。   The map parameter reference unit 210 in FIG. 2 has a geographical numerical value reference unit and a geographical database, and returns a geographical numerical value according to the position coordinates. The map parameter reference unit 210 stores the correspondence between the position coordinates and the geographical numerical values in the geographic database.

教師データ記憶部212は、電界強度の実測の行われた様々な地点における実測値の全部又は一部を教師データとして含む。図5に示されるように、教師データ記憶部210は、教師データの実測値に関連する地理的数値も保存する。図示の例の場合、緯度、経度及び測定値という実測値に関する情報と、これらに関連する地理的数値(アンテナの標高、基地局からの距離、その他の情報)とが互いに対応関係にあるように、データが保存される。更に、教師データ記憶部210は、実測値及び地理的数値に対応する「補正あり推定値」も保存している。   The teacher data storage unit 212 includes, as teacher data, all or part of the actual measurement values at various points where the electric field strength was actually measured. As shown in FIG. 5, the teacher data storage unit 210 also stores geographical numerical values related to the actually measured values of the teacher data. In the case of the example shown in the figure, the information related to the actual measurement values such as latitude, longitude, and measurement values and the related geographical numerical values (the altitude of the antenna, the distance from the base station, and other information) should be in correspondence with each other. The data is saved. Furthermore, the teacher data storage unit 210 also stores “estimated values with correction” corresponding to the actually measured values and the geographical values.

評価データ記憶部214は、図6に示されるように、教師データ記憶部212と同様な情報項目を記憶する。教師データと評価データが一致する場合(評価率が1.0の場合)、教師データ記憶部212及び評価データ記憶部214は区別されなくてよい。その場合、両者は等しいからである。しかしながら、教師データと評価データの少なくとも一部が異なる場合、本実施例に示されるように、それらは分けて保存される。本実施例では、評価率が0.5なので、実測値の半分が教師データに使用され、別の半分が評価データに使用される。必須ではないが、本実施例では、図3に示される奇数番目のデータ(A1,A3,A5,A7,...)が教師データに使用され(図5)、偶数番目のデータ(A2,A4,A6,...)が評価データに使用されている(図6)。但し、評価率は適切な如何なる値をとってもよいし、教師データ及び評価データも適切な如何なる方法で分けられてよい。 The evaluation data storage unit 214 stores information items similar to those of the teacher data storage unit 212, as shown in FIG. When the teacher data matches the evaluation data (when the evaluation rate is 1.0), the teacher data storage unit 212 and the evaluation data storage unit 214 need not be distinguished. In that case, both are equal. However, when at least a part of the teacher data and the evaluation data are different, as shown in the present embodiment, they are stored separately. In this embodiment, since the evaluation rate is 0.5, half of the actually measured value is used for the teacher data, and the other half is used for the evaluation data. Although not essential, in this embodiment, the odd-numbered data (A 1 , A 3 , A 5 , A 7 ,...) Shown in FIG. 3 is used as the teacher data (FIG. 5), and the even-numbered data Data (A 2 , A 4 , A 6 ,...) Are used for evaluation data (FIG. 6). However, the evaluation rate may take any appropriate value, and the teacher data and the evaluation data may be divided by any appropriate method.

計算式生成部216は、教師データ(図5)の「補正あり推定値」(En=Pn+mn)及び「測定値」間の誤差errorに基づいて、一群の重み係数wijを更新する。上述したように、一群の重み係数wijは係数配列とも言及される。このような係数配列は、計算式記憶部218に保存される。 The calculation formula generation unit 216 updates the group of weighting factors w ij based on the error error between the “corrected estimated value” (En = P n + m n ) and the “measured value” of the teacher data (FIG. 5). . As described above, the group of weighting coefficients w ij is also referred to as a coefficient array. Such a coefficient array is stored in the calculation formula storage unit 218.

図7は係数配列が保存されている様子を模式的に示す。補正値は、1つの行で指定される係数配列の値を使用して算出される。一群の重み係数又は係数配列は、何らかの基準で常に1つに限定されてもよいし、或いは、複数組用意され、状況に応じて相応しいものが適宜選択されてもよい。図7の例の場合、2組の係数配列が用意されている。「計算式番号1」は、反復的な学習計算による最新の係数配列を示す。「計算式番号2」は、誤差を最小にする係数配列を示す。誤差の最小値をもたらす係数配列は、最新の係数配列かもしれないし、そうでないかもしれない。係数配列の組の使い分けは、このような具体例に限定されず、別の観点から使い分けられてもよい。   FIG. 7 schematically shows how the coefficient array is stored. The correction value is calculated using the value of the coefficient array specified in one row. A group of weighting coefficients or coefficient arrangements may be always limited to one on some basis, or a plurality of sets of weighting coefficients or coefficient arrangements may be prepared and appropriately selected according to the situation. In the example of FIG. 7, two sets of coefficient arrays are prepared. “Calculation formula number 1” indicates the latest coefficient array by repetitive learning calculation. “Calculation formula number 2” indicates a coefficient array that minimizes the error. The coefficient array that yields the smallest value of error may or may not be the latest coefficient array. The use of the coefficient array set is not limited to such a specific example, but may be used from another viewpoint.

計算式評価部220は、評価データ記憶部214に記憶されている評価データ(図6)の「補正あり推定値」(En=Pn+mn)及び「測定値」間の誤差errorに基づいて、推定の確からしさを評価する。この誤差は、終了条件に使用されてもよいが、必須ではない。例えば、学習が所定回数反復されることで終了条件が満たされてもよい。 The calculation formula evaluation unit 220 is based on an error error between “estimated value with correction” (En = P n + m n ) and “measurement value” of the evaluation data (FIG. 6) stored in the evaluation data storage unit 214. Evaluate the likelihood of the estimation. This error may be used for the termination condition, but is not essential. For example, the end condition may be satisfied by repeating the learning a predetermined number of times.

評価結果記憶部222は、図8に示されるように、計算式評価部220の評価結果を、学習回数と共に記憶する。図中、評価データ誤差は、学習回数毎に導出された誤差を示す。評価データ誤差最小値は、学習回数が増えるにつれて、誤差がどのように最小化されて行くかを示す。図示の例の場合、1回目の誤差は7であり、2回目の誤差は8なので、より小さな誤差である「7」が「誤差最小値」に記録されている。将来、誤差が7より小さくなった場合、その値が、誤差最小値になる。   As shown in FIG. 8, the evaluation result storage unit 222 stores the evaluation result of the calculation formula evaluation unit 220 together with the number of learnings. In the figure, the evaluation data error indicates an error derived for each learning count. The evaluation data error minimum value indicates how the error is minimized as the number of learning increases. In the case of the illustrated example, the first error is 7, and the second error is 8. Therefore, a smaller error “7” is recorded in the “minimum error value”. If the error becomes smaller than 7 in the future, the value becomes the minimum error value.

図2の推定値計算部230は、所与の位置における「補正前の電界強度推定値」を計算する。この推定値は、例えばレイトレース法やFDTD法により求められてもよい。   The estimated value calculation unit 230 in FIG. 2 calculates an “electric field intensity estimated value before correction” at a given position. This estimated value may be obtained by, for example, the ray tracing method or the FDTD method.

補正値計算部232は、位置座標及び地理的数値に基づいて、計算式記憶部218の重み係数群を用いて補正値を計算する。   The correction value calculation unit 232 calculates a correction value using the weighting coefficient group in the calculation formula storage unit 218 based on the position coordinates and the geographical numerical value.

表示部234は、計算の経過や計算結果を表示する。   The display unit 234 displays calculation progress and calculation results.

出力部236は、計算結果を記憶媒体に保存する。   The output unit 236 stores the calculation result in a storage medium.

3.推定モード
図9及び図2を参照しながら、推定モードの動作が説明される。推定モード及び後述の学習モードに関する動作説明の一部のステップについては、順序が異なってもよい。本実施例では、階層型ニューラルネットワークモデルを用いて、所与の地点における補正値(補正前の電界強度推定値に対する補正値)が算出される。説明の便宜上、計算に使用されるニューラルネットワークは、3層で構成され、入力層のユニット数は3つ、中間層のユニット数は3つ、そして出力層のユニット数は1つであるとする。基地局から推定箇所までの距離はdであるとする。基地局のアンテナの高さと推定箇所のアンテナ高さの差分はhであるとする。地理的数値は、距離d及び標高差hを推定箇所毎に特定するものとする。n番目の推定箇所における距離、標高差及び補正値は、それぞれdn、hn及びmnで表現される。これらの地理的数値は、所定の規格化係数により規格化され、−1乃至+1の数値範囲内の値をとるものとする。規格化係数又は正規化係数は、システムでとり得る最大距離や最大標高差等から導出されてもよい。ニューラルネットワークの階層数や、地理的数値の具体例は、説明の簡明化を図る観点から採用されているに過ぎず、本発明を限定するものではない。適切な如何なる数値が使用されてもよい。
< 3. Estimation mode>
The operation in the estimation mode will be described with reference to FIGS. 9 and 2. The order of some steps in the operation description related to the estimation mode and the learning mode described later may be different. In this embodiment, a correction value at a given point (a correction value for the estimated electric field strength before correction) is calculated using a hierarchical neural network model. For convenience of explanation, it is assumed that the neural network used for calculation is composed of three layers, the number of units in the input layer is three, the number of units in the intermediate layer is three, and the number of units in the output layer is one. . It is assumed that the distance from the base station to the estimated location is d. It is assumed that the difference between the antenna height of the base station and the antenna height at the estimated location is h. Geographical values shall specify distance d and elevation difference h for each estimated location. The distance, altitude difference, and correction value at the n-th estimated location are expressed by d n , h n, and m n , respectively. These geographical numerical values are normalized by a predetermined normalization coefficient, and assume values within a numerical range of −1 to +1. The normalization coefficient or the normalization coefficient may be derived from the maximum distance or maximum altitude difference that can be taken by the system. The number of levels of the neural network and specific examples of the geographical numerical values are merely adopted from the viewpoint of simplifying the explanation, and do not limit the present invention. Any suitable numerical value may be used.

図9のフローは、ユーザが電力強度推定装置を推定モードにすることから始まる。   The flow in FIG. 9 starts when the user puts the power intensity estimation apparatus into the estimation mode.

ステップ1では、ユーザの入力した計算条件(図4)が、計算条件記憶部208に保存される。   In step 1, the calculation condition (FIG. 4) input by the user is stored in the calculation condition storage unit 208.

ステップ2では、計算式配列(一群の重み係数)(図7)が補正値計算部232に与えられる。   In step 2, a calculation formula array (a group of weighting coefficients) (FIG. 7) is given to the correction value calculation unit 232.

ステップ3では、推定箇所の位置が、推定値計算部230及び補正値計算部232に読み込まれる。   In step 3, the position of the estimated location is read into the estimated value calculation unit 230 and the correction value calculation unit 232.

ステップ4では、推定値計算部230が、読み込んだ推定箇所における補正前の電力強度推定値Pnを算出する。 In step 4, the estimated value calculation unit 230 calculates a power intensity estimated value Pn before correction at the read estimated location.

ステップ5では、補正値計算部232が、推定箇所の地理的数値を読み込む。推定箇所の位置は、ステップ3ではなく、このステップで読み込まれてもよい。   In Step 5, the correction value calculation unit 232 reads the geographical numerical value of the estimated location. The position of the estimated location may be read in this step instead of step 3.

ステップ6では、入力された各種のデータ(推定箇所、地理的数値及び係数配列)に基づいて、その推定箇所における補正値が算出される。   In step 6, a correction value at the estimated location is calculated based on various input data (estimated location, geographical numerical value, and coefficient array).

図10は、地理的数値及び重み付け係数に基づいて、その推定箇所における補正値mnがどのように算出されるかを示す。図中、左側から入力層、中間層(又は隠れ層)及び出力層を示す。図中、黒く色の付いた丸印は、外部入力を示す。白い丸印はその各層の素子又はユニットを示す。 FIG. 10 shows how the correction value m n at the estimated location is calculated based on the geographical numerical value and the weighting coefficient. In the figure, the input layer, intermediate layer (or hidden layer), and output layer are shown from the left side. In the figure, black circles indicate external inputs. A white circle indicates an element or unit of each layer.

先ず、入力層で距離及びアンテナ標高差がそれぞれdn及びhnとして与えられる。入力層の3段目の素子は、バイアス入力に対応し、本実施例の場合、「1」が固定的に与えられる。入力層を第0層とし、中間層を第1層とし、出力層を第2層とする。第k層のj番目の素子の出力が、yj (k) で表現されるとすると、それは次式のように表現される。 First, the distance and the antenna elevation difference are given as d n and h n in the input layer, respectively. The third-stage element of the input layer corresponds to the bias input, and “1” is fixedly given in this embodiment. The input layer is the 0th layer, the intermediate layer is the first layer, and the output layer is the second layer. If the output of the j-th element in the k-th layer is expressed by y j (k) , it is expressed as follows:

yj (k)=f(sj (k)) ・・・(1)
sj (k+1)=Σwij (k+1)yi (k);i=1,...,U;・・・(2)
ここで、Uは層内のユニット数を表す。
y j (k) = f (s j (k) ) (1)
s j (k + 1) = Σw ij (k + 1) y i (k) ; i = 1,..., U;
Here, U represents the number of units in the layer.

f(s)は何らかの関数(伝達関数とも言及される)であり、一例として、シグモイド関数(sigmoid function)でもよい:
f(s)=(1+exp(-as))-1
aはシグモイド関数のゲインを表す正の数である。
f (s) is some function (also referred to as a transfer function), for example, a sigmoid function:
f (s) = (1 + exp (-as)) -1
a is a positive number representing the gain of the sigmoid function.

或いは、関数f(s)は、
−1(s<0),
0(s=0),及び
+1(0<s)
により定義されるステップ関数でもよい。これらは一例に過ぎず、適切な如何なる伝達関数が使用されてもよい。
Alternatively, the function f (s) is
-1 (s <0),
0 (s = 0) and +1 (0 <s)
It may be a step function defined by These are only examples, and any suitable transfer function may be used.

wij (k+1)は、第k層のi番目の素子から、第(k+1)層のj番目の素子への重み付け係数又は係数配列を示す。 w ij (k + 1) represents a weighting coefficient or coefficient array from the i-th element in the k-th layer to the j-th element in the (k + 1) -th layer.

上記の定義に従うと、入力層における各素子の出力は次のように書ける:
y1 (0)=dn
y2 (0)=hn
y0 (0)=1
次に、これらの入力値と重み係数により、中間層の出力yj (1)が導出される。
Following the above definition, the output of each element in the input layer can be written as:
y 1 (0) = d n
y 2 (0) = h n
y 0 (0) = 1
Next, the output y j (1) of the intermediate layer is derived from these input values and weighting factors.

y1 (1)=f(s1 (1));s1 (1)=w01 (1)y0 (0)+w11 (1)y1 (0)+w21 (1)y2 (0)
y2 (1)=f(s2 (1));s2 (1)=w02 (1)y0 (0)+w12 (1)y1 (0)+w22 (1)y2 (0)
そして、これらの中間値と重み係数により、出力層の出力値y1 (2)(すなわち、補正値mn)が導出される。
y 1 (1) = f (s 1 (1) ); s 1 (1) = w 01 (1) y 0 (0) + w 11 (1) y 1 (0) + w 21 (1) y 2 (0 )
y 2 (1) = f (s 2 (1) ); s 2 (1) = w 02 (1) y 0 (0) + w 12 (1) y 1 (0) + w 22 (1) y 2 (0 )
Then, these intermediate value and the weighting factor, the output value y 1 (2) of the output layer (i.e., the correction value m n) is derived.

y1 (2)=f(s1 (2));s1 (2)=w01 (2)y0 (1)+w11 (2)y1 (1)+w21 (2)y2 (1)
図9のステップ6では、このようにして補正値mnが算出される。
y 1 (2) = f (s 1 (2) ); s 1 (2) = w 01 (2) y 0 (1) + w 11 (2) y 1 (1) + w 21 (2) y 2 (1 )
In step 6 of FIG. 9, the correction value m n is calculated in this way.

ステップ7では、ステップ4で算出した「補正前の電力強度推定値」Pnと、ステップ6で算出した補正値mnを加算することで、「補正あり推定値」Enが算出される。 In step 7, a "pre-correction power strength estimate" P n calculated in Step 4, by adding the correction value m n calculated in step 6, "correction There estimate" E n is calculated.

En=Pn+mn
ステップ8では、推定すべき全ての場所について、補正あり推定値Enが算出されたか否かが判定される。補正あり推定値Enの算出が未だ終わっていない場所が残っていた場合、フローはステップ4に戻り、説明済みの動作が行われる。推定すべき全ての場所について、補正あり推定値Enが算出されていた場合、フローはステップ9に続く。
E n = P n + m n
In step 8, for all the places to be estimated, the correction has estimated value E n whether the calculated is determined. If the calculation of the correction There estimate E n was left places not yet finished, the flow returns to step 4, already described operations are performed. For all locations to be estimated, when the correction has estimated value E n has been calculated, the flow continues to step 9.

ステップ9では、補正あり推定値Enのデータが、所定のファイル(図2の出力部236)に出力される。 In step 9, the data of the correction has estimated value E n is output to the predetermined file (output unit 236 of FIG. 2).

ステップ10では、様々な推定箇所の補正あり推定値Enが、必要に応じてディスプレイに表示される。 In step 10, the correction has estimated value E n of the various estimation points is displayed on the display as needed.

このようにして推定モードの動作が行われ、フローは終了する(ステップ11)。   In this way, the operation in the estimation mode is performed, and the flow ends (step 11).

4.学習モード
図11及び図2を参照しながら、学習モードの動作が説明される。
< 4. Learning mode >
The learning mode operation will be described with reference to FIGS. 11 and 2.

図11のフローは、ユーザが電力強度推定装置を学習モードにすることから始まる。   The flow in FIG. 11 starts when the user puts the power intensity estimation apparatus into the learning mode.

ステップ12では、ユーザの入力した計算条件(図4)が、計算条件記憶部208に保存される。   In step 12, the calculation condition (FIG. 4) input by the user is stored in the calculation condition storage unit 208.

ステップ13では、ユーザの用意した測定データ(図3)が、測定データ記憶部204に保存される。   In step 13, measurement data (FIG. 3) prepared by the user is stored in the measurement data storage unit 204.

ステップ14では、教師データ記憶部212に教師データが保存される。上述したように、測定データの全部又は一部が教師データに使用されてよい。説明の便宜上、教師データと評価データが同じものとして設定される場合が、先ず説明され、それらが異なる場合については後述の<5.変形例>で説明される。言い換えれば、図4の「評価率」が1.0の場合が先ず説明され、評価率が1.0でない場合(0.5等)については<5.変形例>で説明される。 In step 14, teacher data is stored in the teacher data storage unit 212. As described above, all or part of the measurement data may be used for the teacher data. For convenience of explanation, the case where the teacher data and the evaluation data are set as the same is described first, and the case where they are different is described later in < 5. Modification >. In other words, the case where the “evaluation rate” of FIG. 4 is 1.0 will be described first, and the case where the evaluation rate is not 1.0 (0.5 etc.) is < 5. Modification >.

ステップ15では、図5に示されるように、教師データの地理的数値が教師データ記憶部212に保存される。   In step 15, as shown in FIG. 5, the geographical value of the teacher data is stored in the teacher data storage unit 212.

ステップ16〜19では、教師データの「測定値」に対応する「位置座標」(A1,A2,A3,A4,A5,A6,A7,...,AN)や「地理的数値」について、「補正あり推定値」が算出される。ステップ16では、教師データの「測定値」に対応する「位置座標」及び「地理的数値」から、補正前の電界強度推定値Pnが算出される。ステップ17では、補正値計算部232が、補正値計算式を特定する。補正値計算式は、計算式記憶部118から読み出されてもよいし、乱数等に基づいて新たに算出されてもよい。ステップ18では、教師データの「測定値」に対応する「位置座標」及び「地理的数値」について、補正値計算部232が補正値mnを算出する。ステップ19では、「補正あり推定値」En=Pn+mnが算出される。 In steps 16 to 19, the “position coordinates” (A 1 , A 2 , A 3 , A 4 , A 5 , A 6 , A 7 ,..., A N ) corresponding to the “measured value” of the teacher data, For the “geographic value”, an “estimated value with correction” is calculated. In step 16, an uncorrected electric field strength estimated value Pn is calculated from “position coordinates” and “geographical values” corresponding to “measured values” of the teacher data. In step 17, the correction value calculation unit 232 specifies a correction value calculation formula. The correction value calculation formula may be read from the calculation formula storage unit 118 or may be newly calculated based on a random number or the like. In step 18, the correction value calculation unit 232 calculates a correction value m n for “positional coordinates” and “geographical numerical values” corresponding to the “measurement values” of the teacher data. In step 19, “corrected estimated value” E n = P n + m n is calculated.

ステップ20では、補正値計算式(重み付け係数)が更新される。本動作例でも、推定モードと同様な階層型ニューラルネットワークモデルが使用される。特に本動作例では、教師データを利用した誤差逆伝搬法(バックプロパゲーション法)が、重み係数の更新(学習)に使用される。   In step 20, the correction value calculation formula (weighting coefficient) is updated. Also in this operation example, a hierarchical neural network model similar to the estimation mode is used. In particular, in this operation example, an error back-propagation method (back propagation method) using teacher data is used for updating (learning) the weighting factor.

図12は、推定箇所Anにおける補正値mn及びその推定箇所における実測値rnに基づいて、重み付け係数の更新がどのように行われるかを示す。図中、左側から入力層、中間層(又は隠れ層)及び出力層を示す。図中、黒く色の付いた丸印は、外部入力を示す。白い丸印はその各層の素子又はユニットを示す。 Figure 12 is based on the measured values r n in the correction value m n and the estimated location of the estimated location A n, indicating updating of the weighting coefficients can be done. In the figure, the input layer, intermediate layer (or hidden layer), and output layer are shown from the left side. In the figure, black circles indicate external inputs. A white circle indicates an element or unit of each layer.

先ず、n番目の地点における電界強度の実測値がrnであり、この地点における「補正前の電界強度推定値」がPnであったとすると、補正値の目標値(真の補正値)tnは、
tn=rn−Pn
で表現される。この地点について補正値計算部232で算出された補正値が、mnであったとすると、補正値の誤差Δnは、次式で表現できる。
First, the measured value of the electric field strength in the n-th point is r n, the "field strength estimate value before correction" in this point is assumed to be P n, the target value of the correction value (true correction value) t n is
t n = r n −P n
It is expressed by If the correction value calculated by the correction value calculator 232 for this point is m n , the correction value error Δ n can be expressed by the following equation.

Δn=mn−tn
誤差逆伝搬法を利用する本動作例の場合、この補正値の誤差Δnが第2層の出力値として設定される。
Δ n = m n −t n
For this operation example utilizing back propagation method, the error delta n of the correction value is set as the output value of the second layer.

第(k+1)層及び第k層の素子間の重み付け係数は、次式に従って更新される。   The weighting coefficient between the elements of the (k + 1) th layer and the kth layer is updated according to the following equation.

wij (k+1)=wij (k+1)−ηyi (k)zj (k+1)
yi (k)=f(si (k))
zj (k)=f'(sj (k))uj (k)
uj (k)=Σwip (k+1)zp (k+1);p=1,...,U;
f(s)は何らかの関数(伝達関数)であり、一例として、シグモイド関数(sigmoid function)でもよい:
f(s)=(1+exp(-as))-1
aはシグモイド関数のゲインを表す正の数である。或いは、f(s)は上記のステップ関数でもよい。
w ij (k + 1) = w ij (k + 1) −ηy i (k) z j (k + 1)
y i (k) = f (s i (k) )
z j (k) = f '(s j (k) ) u j (k)
u j (k) = Σw ip (k + 1) z p (k + 1) ; p = 1,..., U;
f (s) is some function (transfer function), for example, a sigmoid function:
f (s) = (1 + exp (-as)) -1
a is a positive number representing the gain of the sigmoid function. Alternatively, f (s) may be the above step function.

f'(s)はf(s)の導関数である。特に、f(s)が上記のシグモイド関数の場合、
zj (k)=f'(sj (k))uj (k)=a(1−yj (k))yj (k)uj (k)
と書ける。
f ′ (s) is a derivative of f (s). In particular, if f (s) is the above sigmoid function,
z j (k) = f '(s j (k) ) u j (k) = a (1-y j (k) ) y j (k) u j (k)
Can be written.

上記の定義に従うと、第2層及び第1層の素子間の重み付け係数は、次式に従って更新される。   According to the above definition, the weighting coefficient between the elements of the second layer and the first layer is updated according to the following equation.

w01 (2)=w01 (2)−ηy0 (1)z1 (2)
z1 (2)=a(1−y1 (2))y1 (2)u1 (2)
y0 (1)=外部入力値
y1 (2)=f(s1 (2))=mn
u1 (2)=Δn
w11 (2)=w11 (2)−ηy1 (1)z1 (2)
y1 (1)=f(s1 (1))
w21 (2)=w21 (2)−ηy2 (1)z1 (2)
y2 (2)=f(s2 (2))
更に、第1層及び第0層の素子間の重み付け係数は、次式に従って更新される。
w 01 (2) = w 01 (2) −ηy 0 (1) z 1 (2)
z 1 (2) = a (1−y 1 (2) ) y 1 (2) u 1 (2)
y 0 (1) = external input value
y 1 (2) = f (s 1 (2) ) = m n
u 1 (2) = Δ n
w 11 (2) = w 11 (2) −ηy 1 (1) z 1 (2)
y 1 (1) = f (s 1 (1) )
w 21 (2) = w 21 (2) −ηy 2 (1) z 1 (2)
y 2 (2) = f (s 2 (2) )
Furthermore, the weighting coefficient between the elements of the first layer and the zeroth layer is updated according to the following equation.

w11 (1)=w11 (1)−ηy1 (0)z1 (1)
z1 (1)=a(1−y1 (1))y1 (1)u1 (1)
y1 (1)=f(s1 (1))
u1 (1)=w11 (2)z1 (2)
w12 (1)=w12 (1)−ηy1 (0)z2 (1)
y1 (0)=外部入力値dn
z2 (1)=a(1−y2 (1))y2 (1)u2 (1)
y2 (1)=f(s2 (1))
u2 (1)=w21 (2)z1 (2)
w21 (1)=w21 (1)−ηy2 (0)z1 (1)
y2 (0)=外部入力値hn
w22 (1)=w22 (1)−ηy2 (0)z2 (1)
図11のステップ20では、このようにして重み係数(係数配列)wijが更新される。
w 11 (1) = w 11 (1) −ηy 1 (0) z 1 (1)
z 1 (1) = a (1−y 1 (1) ) y 1 (1) u 1 (1)
y 1 (1) = f (s 1 (1) )
u 1 (1) = w 11 (2) z 1 (2)
w 12 (1) = w 12 (1) −ηy 1 (0) z 2 (1)
y 1 (0) = external input value d n
z 2 (1) = a (1−y 2 (1) ) y 2 (1) u 2 (1)
y 2 (1) = f (s 2 (1) )
u 2 (1) = w 21 (2) z 1 (2)
w 21 (1) = w 21 (1) −ηy 2 (0) z 1 (1)
y 2 (0) = external input value h n
w 22 (1) = w 22 (1) −ηy 2 (0) z 2 (1)
In step 20 of FIG. 11, the weighting coefficient (coefficient array) w ij is updated in this way.

ステップ21では、更新された重み係数(係数配列)が、計算式記憶部218に記憶される。本実施例の場合、計算式記憶部218は、更新された最新の重み係数を「計算式番号1」として保存する。「計算式番号2」は、誤差の最小値をもたらす係数配列を示す。   In step 21, the updated weighting coefficient (coefficient array) is stored in the calculation formula storage unit 218. In the case of the present embodiment, the calculation formula storage unit 218 stores the updated latest weight coefficient as “calculation formula number 1”. “Calculation formula number 2” indicates a coefficient array that provides the minimum value of error.

ステップ22では、教師データの実測値に対応する個々の位置(図5の緯度及び経度の欄に示される場所)−(A1,A2,A3,A4,A5,A6,A7,...,AN)について、地理的数値及び更新後の重み係数を使って、新たな補正値mn'が算出される。 In step 22, individual positions (locations shown in the latitude and longitude columns in FIG. 5) − (A 1 , A 2 , A 3 , A 4 , A 5 , A 6 , A 7 ,..., A N ), a new correction value m n ′ is calculated using the geographical value and the updated weighting factor.

ステップ23では、新たな「補正あり推定値」En=Pn+mn'が算出される。この計算に使用される「補正前の電界強度推定値」Pnは、ステップ16で使用されたのと同じ値でもよいし、新たに計算し直された値でもよい。「補正前の電界強度推定値」Pnは、重み係数wijには依存しないからである。 In step 23, a new “estimated value with correction” E n = P n + m n ′ is calculated. The “field intensity estimated value before correction” Pn used for this calculation may be the same value used in step 16 or a newly recalculated value. This is because the “field strength estimated value before correction” Pn does not depend on the weighting coefficient w ij .

ステップ25では、計算式評価部220が、教師データの個々の位置について、実測値と「補正あり推定値」との誤差を算出し、教師データの全ての位置について総和errorを算出する。   In step 25, the calculation formula evaluation unit 220 calculates an error between the actually measured value and the “estimated value with correction” for each position of the teacher data, and calculates a total error for all positions of the teacher data.

Figure 2010166185
Erealは電界強度の実際の測定値(図3)を示す。
Figure 2010166185
E real indicates the actual measured value of the electric field strength (FIG. 3).

ステップ26では、誤差error及び学習回数が、評価結果記憶部222に保存される。更に、過去に算出された誤差の最小値と、今回算出された誤差とが比較され、図8最右列に示されるように、より小さい誤差が「誤差最小値」として保存される。   In step 26, the error error and the number of learnings are stored in the evaluation result storage unit 222. Further, the minimum value of errors calculated in the past is compared with the error calculated this time, and a smaller error is stored as the “minimum error value” as shown in the rightmost column of FIG.

ステップ28では、誤差最小値が更新されたか否かが確認される。誤差最小値が更新された場合、ステップ29において、誤差を最小にするその重み係数(係数配列)が、計算式番号2の行に上書きされる(計算式番号2の係数配列が更新される。)。誤差最小値が更新されなかった場合、フローはステップ30に進む。   In step 28, it is confirmed whether the minimum error value has been updated. When the minimum error value is updated, in step 29, the weighting coefficient (coefficient array) that minimizes the error is overwritten in the line of calculation formula number 2 (the coefficient array of calculation formula number 2 is updated). ). If the minimum error value has not been updated, the flow proceeds to step 30.

ステップ30では、反復的な学習の終了条件が満たされているか否かが判定される。終了条件は、教師データ記憶部212に保存されている(図4)。本動作例のように、終了条件が誤差の大きさで指定されていた場合(例えば、「error≦0.1 を満たすこと」)、誤差が十分に小さいか否かが判定される。終了条件が、学習の反復の上限回数を指定していた場合、現在の学習回数がその上限回数に達しているか否かが判定される。終了条件が、時間で指定されていた場合、反復計算の行われた時間(期間)が測定され、その時間が閾値を越えているか否かが判定される。これらの終了条件は一例に過ぎず、反復回数、教師データに関する誤差、評価データに関する誤差又は学習時間その他の適切な如何なる条件が指定されてよい。   In step 30, it is determined whether or not a repetitive learning termination condition is satisfied. The end condition is stored in the teacher data storage unit 212 (FIG. 4). As in this operation example, when the end condition is specified by the magnitude of the error (for example, “satisfies“ error ≦ 0.1 ”), it is determined whether or not the error is sufficiently small. If the end condition specifies the upper limit number of learning iterations, it is determined whether or not the current learning number has reached the upper limit number. When the end condition is specified by time, the time (period) in which the iterative calculation is performed is measured, and it is determined whether or not the time exceeds a threshold value. These termination conditions are merely examples, and any appropriate conditions such as the number of iterations, an error relating to teacher data, an error relating to evaluation data, or a learning time may be designated.

ステップ31では、推定モードで使用する重み係数(係数配列)が特定される。より具体的には、計算式番号1又は2の何れかの重み係数が選択される。   In step 31, a weighting coefficient (coefficient array) used in the estimation mode is specified. More specifically, one of the weighting factors of calculation formula number 1 or 2 is selected.

そして、フローはステップ32に進み、学習モードは終了する。   Then, the flow proceeds to step 32, and the learning mode ends.

なお、推定モードと学習モードはそれぞれ別個独立に行われるのが原則である。しかしながら、推定モードで行われた演算結果や処理結果が、学習モードで流用されてもよい。逆に、学習モードで行われた演算結果や処理結果が、推定モードで流用されてもよい。例えば、図11のステップ12と図9のステップ1や、図11の16〜19と図9のステップ4〜7の演算及び処理の結果は、共有されてもよい。   In principle, the estimation mode and the learning mode are performed independently of each other. However, the calculation results and processing results performed in the estimation mode may be used in the learning mode. Conversely, the calculation results and processing results performed in the learning mode may be used in the estimation mode. For example, the calculation and processing results of Step 12 in FIG. 11 and Step 1 in FIG. 9 and 16 to 19 in FIG. 11 and Steps 4 to 7 in FIG. 9 may be shared.

5.変形例
学習モードの動作例では、教師データ(位置、測定値)に基づいて学習が行われ、学習が進むにつれて、教師データの位置について算出される推定値は、教師データの実測値に近づいて行く。従って、教師データの位置と同じ位置又はその近辺の地点P、更には教師データの様々な位置でカバーされる地域R1において、正確な受信電界強度(正確な補正値)を求めることができる。
< 5. Modification >
In the operation example of the learning mode, learning is performed based on the teacher data (position, measurement value), and as the learning progresses, the estimated value calculated for the position of the teacher data approaches the actually measured value of the teacher data. Accordingly, it is possible to obtain an accurate received electric field strength (accurate correction value) at the same position as the position of the teacher data or at a point P in the vicinity thereof, and also in the area R 1 covered by various positions of the teacher data.

図13は教師データの位置でカバーされる領域R1とそれ以外の領域R2とを模式的に示す。ニューラルネットワークの性質から、入力層に与えられる入力値(地理的数値)が適切ならば、R1以外の地域R2内の地点Qにおいても、比較的妥当な受信電界強度(正確な補正値)の得られることが期待できる。しかしながら、R1以外の地域R2内における計算精度が、どの程度確からしいかは不明である。 FIG. 13 schematically shows the region R 1 covered by the position of the teacher data and the other region R 2 . If the input value (geographical value) given to the input layer is appropriate due to the nature of the neural network, it is a relatively reasonable received electric field strength (accurate correction value) even at point Q in the region R 2 other than R 1 Can be expected. However, it is not clear how accurate the calculation accuracy in the region R 2 other than R 1 is.

本変形例はこのような問題に対処する。   This modification addresses such a problem.

本変形例では、測定データ記憶部204に保存されている実測値(図3)の内、一部分が重み付け係数の更新に使用され、別の一部分が推定の確からしさの評価に使用される。一例として、実測値の半分のデータが重み付け係数の更新に使用され、残りの半分が推定の確からしさの評価に使用される。これは、図4の説明で登場した「評価率」が0.5であることに対応する。本変形例でも、学習モードは概して図11に示される手順で実行される。   In this modification, a part of the actual measurement value (FIG. 3) stored in the measurement data storage unit 204 is used for updating the weighting coefficient, and another part is used for evaluating the likelihood of estimation. As an example, half of the measured values are used to update the weighting factor and the other half are used to evaluate the likelihood of estimation. This corresponds to the “evaluation rate” that appeared in the description of FIG. 4 being 0.5. Also in this modification, the learning mode is generally executed by the procedure shown in FIG.

先ず、測定データ(図3)及び計算条件(図4)が保存される(ステップ12,13)。   First, measurement data (FIG. 3) and calculation conditions (FIG. 4) are stored (steps 12 and 13).

ステップ14,15では、教師データ記憶部212に教師データが地理的数値と共に保存される(図5)。また、評価データ記憶部214に評価データが地理的数値と共に保存される(図6)。例えば図3に示されるように格納されている地点A1,A3,A5,A7,...,AN−1での測定値が教師データとして保存され、地点A2,A4,A6,...,ANでの測定値が評価データとして保存されてもよい。測定値のこの分け方は一例に過ぎず、評価率の値に応じて適切な如何なる方法で教師及び評価データに分けられてもよい。 In steps 14 and 15, the teacher data is stored in the teacher data storage unit 212 together with the geographical value (FIG. 5). In addition, the evaluation data is stored in the evaluation data storage unit 214 together with geographical numerical values (FIG. 6). For example the point A 1 stored as shown in FIG. 3, A 3, A 5, A 7, ..., measurements at A N-1 is stored as the teacher data, the point A 2, A 4 , A 6 ,..., A N may be stored as evaluation data. This method of dividing the measured values is merely an example, and the teacher and the evaluation data may be divided by any appropriate method according to the value of the evaluation rate.

ステップ16〜19では、教師データの「位置座標」(A1,A3,A5,A7,...,AN−1)について、「補正あり推定値」En=Pn+mnが算出される。 In steps 16 to 19, the “positional coordinates” (A 1 , A 3 , A 5 , A 7 ,..., A N−1 ) of the teacher data is “estimated value with correction” E n = P n + m. n is calculated.

ステップ20では、補正値計算式(重み付け係数)が更新される。具体的な更新方法は図12で説明された方法と同様である。   In step 20, the correction value calculation formula (weighting coefficient) is updated. A specific updating method is the same as the method described in FIG.

先ず、n番目の地点における電界強度の実測値がrnであり、この地点における「補正前の電界強度推定値」がPnであったとすると、補正値の目標値(真の補正値)tnは、
tn=rn−Pn
で表現される。この地点について補正値計算部232で算出された補正値が、mnであったとすると、補正値の誤差Δnは、次式で表現できる。
First, the measured value of the electric field strength in the n-th point is r n, the "field strength estimate value before correction" in this point is assumed to be P n, the target value of the correction value (true correction value) t n is
t n = r n −P n
It is expressed by If the correction value calculated by the correction value calculator 232 for this point is m n , the correction value error Δ n can be expressed by the following equation.

Δn=mn−tn
補正値の誤差Δn=mn−tnが第2層の出力値として設定される。mnは補正値計算部232で算出された補正値であり、tnは補正値の目標値(真の補正値)tnである。
Δ n = m n −t n
The correction value error Δ n = m n −t n is set as the output value of the second layer. m n is a correction value calculated by the correction value calculation unit 232, and t n is a target value (true correction value) t n of the correction value.

第(k+1)層及び第k層の素子間の重み付け係数は、次式に従って更新される。   The weighting coefficient between the elements of the (k + 1) th layer and the kth layer is updated according to the following equation.

wij (k+1)=wij (k+1)−ηyi (k)zj (k+1)
yi (k)=f(si (k))
zj (k)=f'(sj (k))uj (k)
uj (k)=Σwip (k+1)zp (k+1);p=1,...,U;
f(s)は何らかの関数(伝達関数)であり、一例として、シグモイド関数(sigmoid function)でもよい:
f(s)=(1+exp(-as))-1
aはシグモイド関数のゲインを表す正の数である。
w ij (k + 1) = w ij (k + 1) −ηy i (k) z j (k + 1)
y i (k) = f (s i (k) )
z j (k) = f '(s j (k) ) u j (k)
u j (k) = Σw ip (k + 1) z p (k + 1) ; p = 1,..., U;
f (s) is some function (transfer function), for example, a sigmoid function:
f (s) = (1 + exp (-as)) -1
a is a positive number representing the gain of the sigmoid function.

このようにして、教師データを使って、重み係数(係数配列)wijが更新される。 In this way, the weighting coefficient (coefficient array) w ij is updated using the teacher data.

ステップ21では、更新された重み係数(係数配列)が、計算式記憶部218に記憶される。計算式記憶部218は、更新された最新の重み係数を「計算式番号1」として保存する。「計算式番号2」は、誤差の最小値をもたらす係数配列を示す。   In step 21, the updated weighting coefficient (coefficient array) is stored in the calculation formula storage unit 218. The calculation formula storage unit 218 stores the updated latest weight coefficient as “calculation formula number 1”. “Calculation formula number 2” indicates a coefficient array that provides the minimum value of error.

ステップ22では、教師データの位置(A1,A3,A5,A7,...,AN−1)について、更新後の重み係数を使って、新たな補正値mn'が算出される。本変形例の場合、教師データだけでなく、評価データの位置(A2,A4,A6,...,AN)についても、更新後の重み係数を使って、新たな補正値mn'が算出される。 In step 22, a new correction value m n ′ is calculated using the updated weighting coefficient for the position (A 1 , A 3 , A 5 , A 7 ,..., A N−1 ) of the teacher data. Is done. In the case of this modification, not only the teacher data, but also the position of the evaluation data (A 2 , A 4 , A 6 ,..., A N ) is updated with a new correction value m using the updated weighting factor. n 'is calculated.

ステップ23では、教師データについて新たな「補正あり推定値」En=Pn+mn'が算出される。本変形例の場合、ステップ24に示されるように、評価データについても新たな「補正あり推定値」En=Pn+mn'が算出される。 In step 23, a new “corrected estimated value” E n = P n + m n ′ is calculated for the teacher data. In the case of this modification, as shown in step 24, a new “estimated value with correction” E n = P n + m n ′ is also calculated for the evaluation data.

ステップ25では、計算式評価部220が、評価データの個々の位置(A2,A4,A6,...,AN)について、実測値と「補正あり推定値」との誤差を算出し、評価データの全ての位置について総和errorを算出する。 In step 25, the calculation formula evaluation unit 220 calculates an error between the actually measured value and the “corrected estimated value” for each position (A 2 , A 4 , A 6 ,..., A N ) of the evaluation data. Then, the total error is calculated for all the positions of the evaluation data.

Figure 2010166185
Erealは電界強度の実際の測定値(図3)を示す。本変形例は、誤差の総和が評価データについて算出されている点で、教師データについて誤差の総和が計算されていた上記の動作例と異なる。
Figure 2010166185
E real indicates the actual measured value of the electric field strength (FIG. 3). This modification is different from the above-described operation example in which the sum of errors is calculated for the teacher data in that the sum of errors is calculated for the evaluation data.

ステップ26では、誤差error及び学習回数が、評価結果記憶部222に保存される。更に、過去に算出された誤差の最小値と、今回算出された誤差とが比較され、図8最右列に示されるように、より小さい誤差が「誤差最小値」として保存される。   In step 26, the error error and the number of learnings are stored in the evaluation result storage unit 222. Further, the minimum value of errors calculated in the past is compared with the error calculated this time, and a smaller error is stored as the “minimum error value” as shown in the rightmost column of FIG.

ステップ28では、誤差最小値が更新されたか否かが確認される。誤差最小値が更新された場合、ステップ29において、誤差を最小にするその重み係数(係数配列)が、計算式番号2の行に上書きされる(計算式番号2の係数配列が更新される。)。誤差最小値が更新されなかった場合、フローはステップ30に進む。   In step 28, it is confirmed whether the minimum error value has been updated. When the minimum error value is updated, in step 29, the weighting coefficient (coefficient array) that minimizes the error is overwritten in the line of calculation formula number 2 (the coefficient array of calculation formula number 2 is updated). ). If the minimum error value has not been updated, the flow proceeds to step 30.

ステップ30では、反復的な学習の終了条件が満たされているか否かが判定される。終了条件は、計算条件記憶部208に保存されている(図4)。本動作例では、終了条件は、評価データに関する誤差の大きさで指定されている。例えば、error≦0.1 が満たされる場合、終了条件は満たされる。終了条件については、反復回数、教師データに関する誤差、評価データに関する誤差又は学習時間その他の適切な如何なる条件が指定されてよい。   In step 30, it is determined whether or not a repetitive learning termination condition is satisfied. The end condition is stored in the calculation condition storage unit 208 (FIG. 4). In this operation example, the end condition is specified by the magnitude of the error related to the evaluation data. For example, when error ≦ 0.1 is satisfied, the termination condition is satisfied. As the termination condition, any appropriate condition such as the number of iterations, an error related to teacher data, an error related to evaluation data, a learning time, or the like may be specified.

ステップ31では、推定モードで使用する重み係数(係数配列)が特定される。より具体的には、計算式番号1又は2の何れかの重み係数が選択される。   In step 31, a weighting coefficient (coefficient array) used in the estimation mode is specified. More specifically, one of the weighting factors of calculation formula number 1 or 2 is selected.

そして、フローはステップ32に進み、学習モードは終了する。   Then, the flow proceeds to step 32, and the learning mode ends.

図14は本変形例の説明図を示す。本変形例の場合、評価率が0.5なので、測定データは、教師データと評価データに半分ずつ分けられる。その結果、教師データ点でカバーされる地域R1と、評価データ点でカバーされる別の地域R2とが存在することになる。学習による重み係数の更新は、教師データに基づいて行われる。従って、教師データ点でカバーされる地域R1に関し、推定値と実測値との誤差は、学習の反復回数が増えるにつれて小さくなって行くはずである。一方、このように更新される重み付け係数を使って、評価データ点に関する推定値も算出される。この評価データ点でカバーされる地域R2についても、推定値と実測値との誤差が算出され、この誤差も、学習が進むにつれて比較的小さくなることが予想される。図13で説明した例では、領域R2での計算精度がどの程度確からしいかは不明であった。 FIG. 14 is an explanatory diagram of this modification. In the case of this modification, since the evaluation rate is 0.5, the measurement data is divided into teacher data and evaluation data in half. As a result, there is a region R 1 covered by the teacher data points and another region R 2 covered by the evaluation data points. The weighting coefficient is updated by learning based on the teacher data. Therefore, for the region R 1 covered by the teacher data points, the error between the estimated value and the actually measured value should decrease as the number of learning iterations increases. On the other hand, an estimated value for the evaluation data point is also calculated using the weighting coefficient updated in this way. An error between the estimated value and the actual measurement value is also calculated for the region R 2 covered by this evaluation data point, and this error is also expected to become relatively small as learning progresses. In the example described with reference to FIG. 13, it is unknown how accurate the calculation accuracy in the region R 2 is.

本変形例の場合、評価データ点についての誤差が、教師データ点についての誤差とは別に計算されるので、領域R2での計算精度がどの程度確からしいかを適切に知ることができる。図14に示される例の場合、領域R2での計算の誤差は、反復回数が増えるにつれて、当初は徐々に小さくなっているが、ある反復回数Nxを越えると逆に増えている。従って、学習の反復回数がNx以下ならば、最新の重み付け係数を使うことが望ましい一方、反復回数がNxを越える場合、最新の重み付け係数は領域R2にとっては必ずしも望ましくない。領域R1,R2全体の計算精度を確保する観点からは、反復回数がNx程度の場合の重み付け係数を使用することが望ましい。 In the case of this modification, since the error for the evaluation data point is calculated separately from the error for the teacher data point, it is possible to appropriately know how certain the calculation accuracy in the region R2 is. In the case of the example shown in FIG. 14, the calculation error in the region R 2 gradually decreases as the number of iterations increases, but increases when the number of iterations Nx is exceeded. Therefore, if the number of iterations of the learning Nx less, while it is desirable to use the latest weighting factor, if the number of iterations exceeds Nx, latest weighting factor is not necessarily desirable for areas R 2. From the viewpoint of ensuring the region R 1, R 2 overall calculation accuracy, the number of iterations may be desirable to use weighting coefficients in the case of approximately Nx.

本変形例の場合、学習の反復回数毎に評価データの誤差と最小値が、評価結果記憶部222に格納される(図8)。そして、最新の重み付け係数は、計算式番号1として計算式記憶部218に保存され、最小値をもたらす重み付け係数は、計算式番号2として計算式記憶部218に保存される(図7)。従って反復回数がNx以下の場合、計算式番号1も2も最新の重み付け係数に等しいが、反復回数がNxを越えると、計算式番号1と2の重み付け係数は異なるようになる。本変形例によれば、領域R1,R2の計算の確からしさを把握しながら、学習を進めて行くことができる。本変形例によれば、重み係数の更新の計算に使用する教師データと、計算精度を評価する評価データとを別々に用意することで、教師データ点のカバーする地域以外の地域をも考慮して、計算精度の向上を図ることができる。 In the case of this modification, the error and minimum value of the evaluation data are stored in the evaluation result storage unit 222 for each number of learning iterations (FIG. 8). The latest weighting coefficient is stored in the calculation formula storage unit 218 as the calculation formula number 1, and the weighting coefficient that yields the minimum value is stored in the calculation formula storage unit 218 as the calculation formula number 2 (FIG. 7). Therefore, when the number of iterations is less than or equal to Nx, calculation formula numbers 1 and 2 are equal to the latest weighting coefficient, but when the number of iterations exceeds Nx, the weighting coefficients of calculation formula numbers 1 and 2 are different. According to this modification, learning can be performed while grasping the certainty of calculation of the regions R 1 and R 2 . According to this modification, the teacher data used for calculating the update of the weighting coefficient and the evaluation data for evaluating the calculation accuracy are prepared separately, so that the region other than the region covered by the teacher data point is also considered. Thus, the calculation accuracy can be improved.

以上本発明は特定の実施例を参照しながら説明されてきたが、それらは単なる例示に過ぎず、当業者は様々な変形例、修正例、代替例、置換例等を理解するであろう。発明の理解を促すため具体的な数値例を用いて説明がなされたが、特に断りのない限り、それらの数値は単なる一例に過ぎず適切な如何なる値が使用されてもよい。発明の理解を促すため具体的な数式を用いて説明がなされたが、特に断りのない限り、それらの数式は単なる一例に過ぎず適切な如何なる数式が使用されてもよい。実施例又は項目の区分けは本発明に本質的ではなく、2以上の実施例又は項目に記載された事項が必要に応じて組み合わせて使用されてよいし、或る実施例又は項目に記載された事項が、別の実施例又は項目に記載された事項に(矛盾しない限り)適用されてよい。説明の便宜上、本発明の実施例に係る装置は機能的なブロック図を用いて説明されたが、そのような装置はハードウエアで、ソフトウエアで又はそれらの組み合わせで実現されてもよい。本発明は上記実施例に限定されず、本発明の精神から逸脱することなく、様々な変形例、修正例、代替例、置換例等が本発明に包含される。   Although the present invention has been described with reference to particular embodiments, they are merely exemplary and those skilled in the art will appreciate various variations, modifications, alternatives, substitutions, and the like. Although specific numerical examples have been described in order to facilitate understanding of the invention, these numerical values are merely examples and any appropriate values may be used unless otherwise specified. Although specific mathematical formulas have been used to facilitate understanding of the invention, these mathematical formulas are merely examples, unless otherwise specified, and any appropriate mathematical formula may be used. The division of the embodiment or item is not essential to the present invention, and the matters described in two or more embodiments or items may be used in combination as necessary, or may be described in a certain embodiment or item. Matters may apply to matters described in other examples or items (unless they conflict). For convenience of explanation, an apparatus according to an embodiment of the present invention has been described using a functional block diagram, but such an apparatus may be realized by hardware, software, or a combination thereof. The present invention is not limited to the above embodiments, and various modifications, modifications, alternatives, substitutions, and the like are included in the present invention without departing from the spirit of the present invention.

以下、本発明の一形態による手段を例示的に列挙する。   Hereinafter, means according to an embodiment of the present invention will be listed as an example.

(1)
所与の地点における受信電界強度を推定する電界強度推定装置であって、
所与の地点の地理的計算条件を示す地理的数値から、補正前の電界強度推定値を求める予備推定部と、
入力層、1つ以上の中間層及び出力層を有するニューラルネットワークの出力値の計算及び重み付け係数の更新を行うニューラルネットワーク処理部と、
を有し、当該電界強度推定装置が推定モードで動作する場合、前記地理的数値が前記入力層への入力値として使用され、前記ニューラルネットワーク処理部は、前記出力層からの出力値に基づいて補正値を算出し、該補正値と補正前の前記電界強度推定値とを加えることで、補正後の電界強度推定値を算出及び出力し、
当該電界強度推定装置が学習モードで動作する場合、前記推定モードで算出された補正値と、補正前の電界強度推定値及び実測値から導出された目標補正値との間の誤差が、前記出力層の出力値として設定され、前記ニューラルネットワーク処理部は、誤差逆伝搬法により、前記重み付け係数を更新する
ようにした電界強度推定装置。
(1)
A field strength estimation device for estimating a received field strength at a given point,
A preliminary estimation unit that calculates an electric field strength estimation value before correction from a geographical numerical value indicating a geographical calculation condition of a given point;
A neural network processing unit for calculating an output value of a neural network having an input layer, one or more intermediate layers and an output layer, and updating a weighting coefficient;
When the electric field strength estimation apparatus operates in the estimation mode, the geographical numerical value is used as an input value to the input layer, and the neural network processing unit is based on the output value from the output layer. By calculating a correction value and adding the correction value and the electric field strength estimation value before correction, the corrected electric field strength estimation value is calculated and output,
When the electric field strength estimation apparatus operates in the learning mode, an error between the correction value calculated in the estimation mode and the target correction value derived from the electric field strength estimation value before correction and the actual measurement value is the output. An electric field strength estimating apparatus which is set as an output value of a layer, and wherein the neural network processing unit updates the weighting coefficient by an error back propagation method.

個々の推定箇所の地理的な条件が地理的数値として、入力層の入力値に与えられ、ニューラルネットワークを利用した電界強度推定値が得られる。ニューラルネットワークの計算式は実測値(教師データ)に基づいて反復的に学習を重ねるので、推定値は実測値に近づく。従って、フィールド内の任意の地点における電界強度の推定精度を高めることができる。   The geographical condition of each estimated location is given as a geographical numerical value to the input value of the input layer, and an electric field strength estimated value using a neural network is obtained. Since the calculation formula of the neural network repeatedly learns based on the actual measurement value (teacher data), the estimated value approaches the actual measurement value. Therefore, it is possible to improve the estimation accuracy of the electric field strength at an arbitrary point in the field.

(2)
前記ニューラルネットワーク処理部は、複数の地点における前記誤差の総和が小さくなるように、前記重み付け係数を更新するようにした(1)記載の電界強度推定装置。
(2)
The electric field strength estimation apparatus according to (1), wherein the neural network processing unit updates the weighting coefficient so that the sum of the errors at a plurality of points becomes small.

誤差の総和を算出することで、推定精度を客観的に評価できる。   By calculating the sum of errors, the estimation accuracy can be objectively evaluated.

(3)
所定の1箇所以上の地点における受信電界強度の実測値が、前記重み係数の更新における教師データとして使用され、
所定の1箇所以上の別の地点における受信電界強度の実測値が、計算の確からしさを評価する評価データとして使用される
ようにした(1)記載の電界強度推定装置。
(3)
The measured value of the received electric field strength at one or more predetermined points is used as teacher data in updating the weighting factor,
The field strength estimation apparatus according to (1), wherein an actual measurement value of the received field strength at one or more other predetermined points is used as evaluation data for evaluating the probability of calculation.

学習に使用する教師データとは別の評価データを使って、計算精度を評価するので、教師データ点でカバーされる地域以外での計算精度を、適切に評価できる。   Since the calculation accuracy is evaluated using evaluation data different from the teacher data used for learning, it is possible to appropriately evaluate the calculation accuracy outside the region covered by the teacher data points.

(4)
m=y1 (M)
yj (k+1)=f(sj (k+1))
sj (k+1)=Σwij (k+1)yi (k+1);i=1,...,U
に従って、前記補正値mが算出され、
kは層を示すパラメータであり、
Mは出力層を示し、
f(・)は伝達関数を示し、
sj (k)はk番目の層の中のj番目の素子の出力を示し、
wij (k+1)はk番目の層のi番目の素子とk+1番目の層のj番目の層との間の重み係数を示す
ようにした(1)記載の電界強度推定装置。
(4)
m = y 1 (M)
y j (k + 1) = f (s j (k + 1) )
s j (k + 1) = Σw ij (k + 1) y i (k + 1) ; i = 1, ..., U
The correction value m is calculated according to
k is a parameter indicating the layer,
M indicates the output layer,
f (・) represents the transfer function,
s j (k) represents the output of the j th element in the k th layer,
w ij (k + 1) is the electric field intensity estimating device of the (1) according to indicate the weighting coefficient between the j-th layer of an i-th element and (k + 1) th layer of the k-th layer.

(5)
Δwij (k+1)=−ηyi (k) )zj (k+1)
zj (k)=f'(sj (k))uj (k)
uj (k)=Σwip (k+1)zjp (k+1);p=1,...,U
に従って、更新前後の重み係数の差分Δwij (k+1)が算出され、
zj (k)はk番目の素子からの入力を示し、
f'(・)は、伝達関数f(・)の導関数を示す
ようにした(4)記載の電界強度推定装置。
(5)
Δw ij (k + 1) = −ηy i (k)) z j (k + 1)
z j (k) = f '(s j (k) ) u j (k)
u j (k) = Σw ip (k + 1) z jp (k + 1) ; p = 1, ..., U
, The difference Δw ij (k + 1) between the weighting factors before and after the update is calculated,
z j (k) represents the input from the kth element,
The electric field strength estimation apparatus according to (4), wherein f ′ (•) indicates a derivative of the transfer function f (•).

(6)
所与の地点における受信電界強度を推定する電界強度推定方法であって、
所与の地点の地理的計算条件を示す地理的数値から、補正前の電界強度推定値を求めるステップと、
入力層、1つ以上の中間層及び出力層を有するニューラルネットワークの出力値の計算及び重み付け係数の更新を行うニューラルネットワーク処理部により、推定モードの処理を行うステップと、
前記ニューラルネットワーク処理部により、学習モードの処理を行うステップと、
を有し、前記推定モードの場合、前記地理的数値が前記入力層への入力値として使用され、前記ニューラルネットワーク処理部は、前記出力層からの出力値に基づいて補正値を算出し、該補正値と補正前の前記電界強度推定値とを加えることで、補正後の電界強度推定値を算出及び出力し、
前記学習モードの場合、前記推定モードで算出された補正値と、補正前の電界強度推定値及び実測値から導出された目標補正値との間の誤差が、前記出力層の出力値として設定され、前記ニューラルネットワーク処理部は、誤差逆伝搬法により、前記重み付け係数を更新する
ようにした電界強度推定方法。
(6)
A field strength estimation method for estimating a received field strength at a given point, comprising:
Obtaining an uncorrected electric field strength estimate from a geographical value indicating a geographical calculation condition at a given point;
Performing an estimation mode by a neural network processing unit that calculates an output value of a neural network having an input layer, one or more intermediate layers and an output layer, and updates a weighting coefficient;
A step of performing learning mode processing by the neural network processing unit;
In the estimation mode, the geographic numerical value is used as an input value to the input layer, and the neural network processing unit calculates a correction value based on the output value from the output layer, and By adding the correction value and the electric field strength estimation value before correction, the electric field strength estimation value after correction is calculated and output,
In the case of the learning mode, an error between the correction value calculated in the estimation mode and the target correction value derived from the electric field strength estimation value before correction and the actual measurement value is set as the output value of the output layer. The neural network processing unit updates the weighting coefficient by an error back propagation method.

202 測定データ入力部
204 測定データ記憶部
206 計算条件入力部
208 計算条件記憶部
210 地図パラメータ参照部
212 教師データ記憶部
214 評価データ記憶部
216 計算式生成部
218 計算式記憶部
220 計算式評価部
222 評価結果記憶部
230 推定値計算部
232 補正値計算部
234 表示部
236 出力部
202 measurement data input unit 204 measurement data storage unit 206 calculation condition input unit 208 calculation condition storage unit 210 map parameter reference unit 212 teacher data storage unit 214 evaluation data storage unit 216 calculation formula generation unit 218 calculation formula storage unit 220 calculation formula evaluation unit 222 Evaluation result storage unit 230 Estimated value calculation unit 232 Correction value calculation unit 234 Display unit 236 Output unit

Claims (10)

所与の地点における受信電界強度を推定する電界強度推定装置であって、
所与の地点の地理的計算条件を示す地理的数値から、補正前の電界強度推定値を求める予備推定部と、
入力層、1つ以上の中間層及び出力層を有するニューラルネットワークの出力値の計算及び重み付け係数の更新を行うニューラルネットワーク処理部と、
を有し、当該電界強度推定装置が推定モードで動作する場合、前記地理的数値が前記入力層への入力値として使用され、前記ニューラルネットワーク処理部は、前記出力層からの出力値に基づいて補正値を算出し、該補正値と補正前の前記電界強度推定値とを加えることで、補正後の電界強度推定値を算出及び出力し、
当該電界強度推定装置が学習モードで動作する場合、前記推定モードで算出された補正値と、補正前の電界強度推定値及び実測値から導出された目標補正値との間の誤差が、前記出力層の出力値として設定され、前記ニューラルネットワーク処理部は、誤差逆伝搬法により、前記重み付け係数を更新する
ようにした電界強度推定装置。
A field strength estimation device for estimating a received field strength at a given point,
A preliminary estimation unit that calculates an electric field strength estimation value before correction from a geographical numerical value indicating a geographical calculation condition of a given point;
A neural network processing unit for calculating an output value of a neural network having an input layer, one or more intermediate layers and an output layer, and updating a weighting coefficient;
When the electric field strength estimation apparatus operates in the estimation mode, the geographical numerical value is used as an input value to the input layer, and the neural network processing unit is based on the output value from the output layer. By calculating a correction value and adding the correction value and the electric field strength estimation value before correction, the corrected electric field strength estimation value is calculated and output,
When the electric field strength estimation apparatus operates in the learning mode, an error between the correction value calculated in the estimation mode and the target correction value derived from the electric field strength estimation value before correction and the actual measurement value is the output. An electric field strength estimating apparatus which is set as an output value of a layer, and wherein the neural network processing unit updates the weighting coefficient by an error back propagation method.
前記ニューラルネットワーク処理部は、複数の地点における前記誤差の総和が小さくなるように、前記重み付け係数を更新するようにした請求項1記載の電界強度推定装置。   2. The electric field strength estimation apparatus according to claim 1, wherein the neural network processing unit updates the weighting coefficient so that the sum of the errors at a plurality of points becomes small. 所定の1箇所以上の地点における受信電界強度の実測値が、前記重み係数の更新における教師データとして使用され、
所定の1箇所以上の別の地点における受信電界強度の実測値が、計算の確からしさを評価する評価データとして使用される
ようにした請求項1記載の電界強度推定装置。
The measured value of the received electric field strength at one or more predetermined points is used as teacher data in updating the weighting factor,
The field strength estimation device according to claim 1, wherein an actual measurement value of the received field strength at one or more predetermined other points is used as evaluation data for evaluating the probability of calculation.
m=y1 (M)
yj (k+1)=f(sj (k+1))
sj (k+1)=Σwij (k+1)yi (k+1);i=1,...,U
に従って、前記補正値mが算出され、
kは層を示すパラメータであり、
Mは出力層を示し、
f(・)は伝達関数を示し、
sj (k)はk番目の層の中のj番目の素子の出力を示し、
wij (k+1)はk番目の層のi番目の素子とk+1番目の層のj番目の層との間の重み係数を示す
ようにした請求項1記載の電界強度推定装置。
m = y 1 (M)
y j (k + 1) = f (s j (k + 1) )
s j (k + 1) = Σw ij (k + 1) y i (k + 1) ; i = 1, ..., U
The correction value m is calculated according to
k is a parameter indicating the layer,
M indicates the output layer,
f (・) represents the transfer function,
s j (k) represents the output of the j th element in the k th layer,
The field strength estimation apparatus according to claim 1, wherein w ij (k + 1) represents a weighting factor between the i-th element of the k-th layer and the j-th layer of the k + 1-th layer.
Δwij (k+1)=−ηyi (k) )zj (k+1)
zj (k)=f'(sj (k))uj (k)
uj (k)=Σwip (k+1)zjp (k+1);p=1,...,U
に従って、更新前後の重み係数の差分Δwij (k+1)が算出され、
zj (k)はk番目の素子からの入力を示し、
f'(・)は、伝達関数f(・)の導関数を示す
ようにした請求項4記載の電界強度推定装置。
Δw ij (k + 1) = −ηy i (k)) z j (k + 1)
z j (k) = f '(s j (k) ) u j (k)
u j (k) = Σw ip (k + 1) z jp (k + 1) ; p = 1, ..., U
, The difference Δw ij (k + 1) between the weighting factors before and after the update is calculated,
z j (k) represents the input from the kth element,
5. The electric field strength estimation apparatus according to claim 4, wherein f ′ (·) represents a derivative of the transfer function f (·).
所与の地点における受信電界強度を推定する電界強度推定方法であって、
所与の地点の地理的計算条件を示す地理的数値から、補正前の電界強度推定値を求めるステップと、
入力層、1つ以上の中間層及び出力層を有するニューラルネットワークの出力値の計算及び重み付け係数の更新を行うニューラルネットワーク処理部により、推定モードの処理を行うステップと、
前記ニューラルネットワーク処理部により、学習モードの処理を行うステップと、
を有し、前記推定モードの場合、前記地理的数値が前記入力層への入力値として使用され、前記ニューラルネットワーク処理部は、前記出力層からの出力値に基づいて補正値を算出し、該補正値と補正前の前記電界強度推定値とを加えることで、補正後の電界強度推定値を算出及び出力し、
前記学習モードの場合、前記推定モードで算出された補正値と、補正前の電界強度推定値及び実測値から導出された目標補正値との間の誤差が、前記出力層の出力値として設定され、前記ニューラルネットワーク処理部は、誤差逆伝搬法により、前記重み付け係数を更新する
ようにした電界強度推定方法。
A field strength estimation method for estimating a received field strength at a given point, comprising:
Obtaining an uncorrected electric field strength estimate from a geographical value indicating a geographical calculation condition at a given point;
Performing an estimation mode by a neural network processing unit that calculates an output value of a neural network having an input layer, one or more intermediate layers and an output layer, and updates a weighting coefficient;
A step of performing learning mode processing by the neural network processing unit;
In the estimation mode, the geographic numerical value is used as an input value to the input layer, and the neural network processing unit calculates a correction value based on the output value from the output layer, and By adding the correction value and the electric field strength estimation value before correction, the electric field strength estimation value after correction is calculated and output,
In the case of the learning mode, an error between the correction value calculated in the estimation mode and the target correction value derived from the electric field strength estimation value before correction and the actual measurement value is set as the output value of the output layer. The neural network processing unit updates the weighting coefficient by an error back propagation method.
前記ニューラルネットワーク処理部は、複数の地点における前記誤差の総和が小さくなるように、前記重み付け係数を更新するようにした請求項6記載の電界強度推定方法。   The electric field strength estimation method according to claim 6, wherein the neural network processing unit updates the weighting coefficient so that the sum of the errors at a plurality of points becomes small. 所定の1箇所以上の地点における受信電界強度の実測値が、前記重み係数の更新における教師データとして使用され、
所定の1箇所以上の別の地点における受信電界強度の実測値が、計算の確からしさを評価する評価データとして使用される
ようにした請求項6記載の電界強度推定方法。
The measured value of the received electric field strength at one or more predetermined points is used as teacher data in updating the weighting factor,
The field strength estimation method according to claim 6, wherein an actual measurement value of the received field strength at one or more other predetermined points is used as evaluation data for evaluating the probability of calculation.
m=y1 (M)
yj (k+1)=f(sj (k+1))
sj (k+1)=Σwij (k+1)yi (k+1);i=1,...,U
に従って、前記補正値mが算出され、
kは層を示すパラメータであり、
Mは出力層を示し、
f(・)は伝達関数を示し、
sj (k)はk番目の層の中のj番目の素子の出力を示し、
wij (k+1)はk番目の層のi番目の素子とk+1番目の層のj番目の層との間の重み係数を示す
ようにした請求項6記載の電界強度推定方法。
m = y 1 (M)
y j (k + 1) = f (s j (k + 1) )
s j (k + 1) = Σw ij (k + 1) y i (k + 1) ; i = 1, ..., U
The correction value m is calculated according to
k is a parameter indicating the layer,
M indicates the output layer,
f (・) represents the transfer function,
s j (k) represents the output of the j th element in the k th layer,
7. The electric field strength estimation method according to claim 6, wherein w ij (k + 1) represents a weighting factor between the i-th element of the k-th layer and the j-th layer of the k + 1-th layer.
Δwij (k+1)=−ηyi (k) )zj (k+1)
zj (k)=f'(sj (k))uj (k)
uj (k)=Σwip (k+1)zjp (k+1);p=1,...,U
に従って、更新前後の重み係数の差分Δwij (k+1)が算出され、
zj (k)はk番目の素子からの入力を示し、
f'(・)は、伝達関数f(・)の導関数を示す
ようにした請求項9記載の電界強度推定方法。
Δw ij (k + 1) = −ηy i (k)) z j (k + 1)
z j (k) = f '(s j (k) ) u j (k)
u j (k) = Σw ip (k + 1) z jp (k + 1) ; p = 1, ..., U
, The difference Δw ij (k + 1) between the weighting factors before and after the update is calculated,
z j (k) represents the input from the kth element,
10. The electric field strength estimation method according to claim 9, wherein f ′ (•) represents a derivative of the transfer function f (•).
JP2009005242A 2009-01-13 2009-01-13 Apparatus and method for estimating electric field strength Expired - Fee Related JP4774106B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009005242A JP4774106B2 (en) 2009-01-13 2009-01-13 Apparatus and method for estimating electric field strength

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009005242A JP4774106B2 (en) 2009-01-13 2009-01-13 Apparatus and method for estimating electric field strength

Publications (2)

Publication Number Publication Date
JP2010166185A true JP2010166185A (en) 2010-07-29
JP4774106B2 JP4774106B2 (en) 2011-09-14

Family

ID=42582032

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009005242A Expired - Fee Related JP4774106B2 (en) 2009-01-13 2009-01-13 Apparatus and method for estimating electric field strength

Country Status (1)

Country Link
JP (1) JP4774106B2 (en)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012100152A (en) * 2010-11-04 2012-05-24 Nec Corp Radio wave propagation characteristic estimation system, radio wave propagation characteristic estimation method, and computer program
WO2012081718A1 (en) * 2010-12-15 2012-06-21 日本電気株式会社 Performance prediction device, performance prediction method and performance prediction program
US8897767B2 (en) 2011-11-14 2014-11-25 Fujitsu Limited Parameter setting apparatus and parameter setting method
JP2016052061A (en) * 2014-09-01 2016-04-11 日本電信電話株式会社 Communication area estimation system, server device, communication area estimation method, and communication area estimation program
JP2017524914A (en) * 2014-06-20 2017-08-31 オープンティーヴィー, インク.Opentv, Inc. Device localization based on learning model
JP2018032939A (en) * 2016-08-23 2018-03-01 日本電信電話株式会社 Quality estimation device and quality estimation method
JP2018056790A (en) * 2016-09-29 2018-04-05 ソフトバンク株式会社 Design support system, design support program and design support method of wireless transmission channel
JP2019009803A (en) * 2018-08-30 2019-01-17 株式会社Jvcケンウッド Reception strength calculation device, reception strength calculation method, program
JP2019033355A (en) * 2017-08-07 2019-02-28 三菱電機株式会社 Radio quality management system, terminal, radio quality management method and program
JP2019122008A (en) * 2018-01-11 2019-07-22 株式会社Nttドコモ Device, method and program for estimating radio wave propagation
JP2019140585A (en) * 2018-02-13 2019-08-22 日本電信電話株式会社 Radio wave environment estimation method and radio wave environment estimation device
JP2019161341A (en) * 2018-03-09 2019-09-19 株式会社国際電気通信基礎技術研究所 Wireless situation prediction apparatus, wireless situation prediction method, and program
CN111325840A (en) * 2020-02-13 2020-06-23 中铁二院工程集团有限责任公司 Design method and calculation system of waste slag yard
JP2020144717A (en) * 2019-03-08 2020-09-10 三菱電機株式会社 Neural network device
JP2021015649A (en) * 2020-11-16 2021-02-12 三菱電機株式会社 Neural network device

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104614597B (en) * 2015-01-28 2017-05-31 南京信息工程大学 A kind of thunderstorm method for early warning

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07253446A (en) * 1994-03-16 1995-10-03 Mitsubishi Electric Corp Method and device for finding electric field strength distribution
JPH1094040A (en) * 1996-03-22 1998-04-10 Matsushita Electric Ind Co Ltd Mobile radio communication system and position detection method for mobile station

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07253446A (en) * 1994-03-16 1995-10-03 Mitsubishi Electric Corp Method and device for finding electric field strength distribution
JPH1094040A (en) * 1996-03-22 1998-04-10 Matsushita Electric Ind Co Ltd Mobile radio communication system and position detection method for mobile station

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012100152A (en) * 2010-11-04 2012-05-24 Nec Corp Radio wave propagation characteristic estimation system, radio wave propagation characteristic estimation method, and computer program
WO2012081718A1 (en) * 2010-12-15 2012-06-21 日本電気株式会社 Performance prediction device, performance prediction method and performance prediction program
US8897767B2 (en) 2011-11-14 2014-11-25 Fujitsu Limited Parameter setting apparatus and parameter setting method
JP2017524914A (en) * 2014-06-20 2017-08-31 オープンティーヴィー, インク.Opentv, Inc. Device localization based on learning model
JP2016052061A (en) * 2014-09-01 2016-04-11 日本電信電話株式会社 Communication area estimation system, server device, communication area estimation method, and communication area estimation program
JP2018032939A (en) * 2016-08-23 2018-03-01 日本電信電話株式会社 Quality estimation device and quality estimation method
JP2018056790A (en) * 2016-09-29 2018-04-05 ソフトバンク株式会社 Design support system, design support program and design support method of wireless transmission channel
JP2019033355A (en) * 2017-08-07 2019-02-28 三菱電機株式会社 Radio quality management system, terminal, radio quality management method and program
JP7008447B2 (en) 2017-08-07 2022-01-25 三菱電機株式会社 Wireless quality control system, terminal device, wireless quality control method and program
JP2019122008A (en) * 2018-01-11 2019-07-22 株式会社Nttドコモ Device, method and program for estimating radio wave propagation
JP7073112B2 (en) 2018-01-11 2022-05-23 株式会社Nttドコモ Radio wave propagation estimation device, radio wave propagation estimation method, and radio wave propagation estimation program
JP2019140585A (en) * 2018-02-13 2019-08-22 日本電信電話株式会社 Radio wave environment estimation method and radio wave environment estimation device
WO2019159965A1 (en) * 2018-02-13 2019-08-22 日本電信電話株式会社 Radio wave environment estimation method and radio wave environment estimation device
JP2019161341A (en) * 2018-03-09 2019-09-19 株式会社国際電気通信基礎技術研究所 Wireless situation prediction apparatus, wireless situation prediction method, and program
JP2019009803A (en) * 2018-08-30 2019-01-17 株式会社Jvcケンウッド Reception strength calculation device, reception strength calculation method, program
JP2020144717A (en) * 2019-03-08 2020-09-10 三菱電機株式会社 Neural network device
CN111325840A (en) * 2020-02-13 2020-06-23 中铁二院工程集团有限责任公司 Design method and calculation system of waste slag yard
JP2021015649A (en) * 2020-11-16 2021-02-12 三菱電機株式会社 Neural network device
JP7086500B2 (en) 2020-11-16 2022-06-20 三菱電機株式会社 Neural network device

Also Published As

Publication number Publication date
JP4774106B2 (en) 2011-09-14

Similar Documents

Publication Publication Date Title
JP4774106B2 (en) Apparatus and method for estimating electric field strength
US6889053B1 (en) Likelihood-based geolocation prediction algorithms for CDMA systems using pilot strength measurements
CN103402258B (en) Wi-Fi (Wireless Fidelity)-based indoor positioning system and method
EP1514130B1 (en) Probabilistic model for a positioning technique
Sirola Closed-form algorithms in mobile positioning: Myths and misconceptions
US9602960B2 (en) Positioning method
JP7108626B2 (en) Method and system for locating a terminal in a wireless communication system
CN103874118B (en) Radio Map bearing calibrations in WiFi indoor positionings based on Bayesian regression
Nurminen et al. Statistical path loss parameter estimation and positioning using RSS measurements
Ampeliotis et al. Low complexity multiple acoustic source localization in sensor networks based on energy measurements
JP5065040B2 (en) An ambiguity solution in positioning
JP4491162B2 (en) Position calculation apparatus and position calculation method
US20130234894A1 (en) Location estimation using radio scene signatures
Xie et al. BPNN based indoor fingerprinting localization algorithm against environmental fluctuations
CN109547929A (en) Distributed sensor node positioning method based on conjugate gradient method
CN110286353B (en) Wireless sensor network target positioning method based on RSS-ToA in non-line-of-sight environment
Ferrigno et al. A UWB-based localization system: analysis of the effect of anchor positions and robustness enhancement in indoor environments
CN105187139B (en) A kind of outdoor radio signal reception strength map constructing method based on intelligent perception
KR102252003B1 (en) Method and Device for Creating ASF map
CN108566256A (en) Construction method of frequency spectrum map
CN110996248B (en) RSS-based convex optimization wireless sensor network positioning method
Li et al. Robust kernel-based machine learning localization using NLOS TOAs or TDOAs
CN115099385A (en) Spectrum map construction method based on sensor layout optimization and adaptive Kriging model
KR20240018473A (en) Determination of location of mobile device from wireless signals
Miao et al. Dynamic base stations selection method for passive location based on GDOP

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20090113

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20101222

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110118

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110311

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20110607

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20110624

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20140701

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Ref document number: 4774106

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees