JP2016522998A - 無線ネットワークのチャネルにおける干渉を検出する方法 - Google Patents

Abstract

まず、検出段階中に、無線ネットワークにおけるチャネルから取得されたサンプルに２標本コルモゴロフ−スミルノフ（ＫＳ）検定を適用することで、無線ネットワークにおける干渉を検出し、ＫＳ統計値を所得する。ＫＳ統計値が所定の閾値よりも大きい場合、サンプルは狭帯域干渉を含むと判定され、そうでなければ広帯域干渉を含むと判定される。

Description

本発明は、包括的には無線ネットワークに関し、より詳細には、無線ローカルエリアネットワークにおける干渉を検出、分類、及び低減することに関する。

無線ローカルエリアネットワーク（ＷＬＡＮ）は、スループットの改善及び展開コストの大幅な削減を見せてきた。ＷＬＡＮは、柔軟性及び展開の容易さを提供し、住宅、商業及び産業の用途においてますます普及している。しかしながら、無線通信は固有の信頼性の問題があるため、特に時間的制約のある用途（time-sensitive applications）において、これらの技術が有線ネットワークの実現可能な代替となるのには無線通信の大幅な改良が必要とされる。

無線通信ネットワークの主な問題は干渉である。干渉は、地理的近傍及び同一の若しくは類似する周波数帯域又はチャネルにおいて運用される他の類似するネットワークから発生し得る。多くの既存の無線通信ネットワークは、免許不要の同じ周波数帯域において運用することが許可されており、したがって互いに干渉し合う。幾つかの例は、２．４ＧＨｚ又は５．８ＧＨｚの免許不要の産業・科学・医療用（ＩＳＭ：industrial, scientific and medical）バンドにおいて運用されるＷｉ−Ｆｉ（登録商標）及びＢｌｕｅｔｏｏｔｈ（ＢＴ）（登録商標）デバイス、コードレス電話、スマートフォン等を含む。

干渉は、電子レンジ、蛍光電球、並びに、シャドーイング及びマルチパス（multi-path：多経路）問題を引き起こす可能性のある信号経路における物体等の非通信源から発生する場合もある。一般的に、これらの要因の多くはＷＬＡＮのオペレーターには制御できない。したがって、ＷＬＡＮは、干渉の作用を最小化する技術を利用して、このような環境に適応可能でなければならない。

ＷＬＡＮの性能に作用する干渉は、他のネットワークデバイスから２０ＭＨｚ以上の帯域幅を有する広帯域干渉、及び通常１ＭＨｚ以下である狭帯域干渉信号に分類することができる。

周波数ホッピングは、複数の周波数チャネルにわたって情報信号を拡散することで干渉の作用を最小化することができる。直交周波数分割多重（ＯＦＤＭ）を有するシステム及び多入力多出力（ＭＩＭＯ）システムは、信頼性のある通信及び増加したスループットを提供することができる。これらの技術は、干渉レベルを著しく低減してきたが、干渉は依然としてＷＬＡＮの性能低下の主な要因である。

干渉の作用を最小化する第１のステップは、干渉を検出し、そのタイプ、例えば、狭帯域又は広帯域又はその両方に分類することである。次に、動作チャネルの変更、周期干渉信号の非アクティブ期間中における送信等の適切なアクションを考案することができる。しかしながら、これを行うことはネットワークリソースを消費し、性能に悪影響を与える。干渉の対処にコミットすることができるリソースと、性能において得られる潜在的な改良との間の良好に算出されたトレードオフがなければならない。

しかしながら、最も一般的な方法は干渉の個々のソースにしか着目していない。

本発明の実施形態は、狭帯域信号、広帯域信号、又はその両方の組み合わせとして、無線ネットワークにおける干渉を検出及び分類する方法を提供する。次に、この分類に基づいて、干渉低減手法を用いて実効スループットが確保される。

無線ネットワークにおけるノードは、所定のスキャン期間だけ無線チャネルをスキャンし、高速フーリエ変換（ＦＦＴ）又はチャネル上の無線アクティビティを表す同等の値を生成する。これらの値を用いて、低コストで効率的な方法で干渉を検出及び分類する。本発明は、データレート及び所望の実効スループットを所与として、ネットワークの所望のスループットを少なくとも達成するのに用いることができるスキャン予算（scan budget）の限度を確定する。

特に、本方法は、まず、チャネルの２つの連続するスキャン中に取得された第１のピリオドグラム及び第２のピリオドグラムに２標本コルモゴロフ−スミルノフ（Ｋ−Ｓ：Kolmogorov−Smirnov）検定を適用することで、無線ネットワークのチャネルにおける干渉を検出し、第１の統計値を取得する。次に、第１の統計値を閾値と比較することで、干渉は広帯域又は狭帯域として分類される。干渉は分類に従って低減される。

本発明の実施形態に係る無線チャネルをサンプリングする手順を示す概略図である。 本発明の実施形態に係るサンプリングによって構築されたピリオドグラムを示す例示的な概略図である。 本発明の実施形態に係る干渉を検出、分類、及び低減する方法を示す流れ図である。 図３の方法における分類段階を示す流れ図である。 本発明の実施形態に係る例示的な広帯域干渉を示すグラフである。 本発明の実施形態に係る例示的な狭帯域干渉を示すグラフである。 本発明の実施形態に係る２つの連続する経験分布の間の距離を示すグラフである。

本発明の実施形態は、無線ネットワークのチャネルにおける干渉を検出、分類、及び低減する方法を提供する。

図１に示すように、干渉低減の第１のステップは、対費用効果の高い方法で干渉を検出する。本実施形態は、個々の干渉信号の検出及び分類を試みる代わりに、時間１０５にわたって、スキャン期間１０１におけるチャネル上の無線アクティビティにおける変化を周期的に検出する。検出はスキャン持続時間１０２中に行われる。スキャン持続時間１０２は、この期間の全て又は一部とすることができる。著しい変化が検出された場合、次に干渉アクティビティに対する、より緻密な解析が行われる。

干渉を検出するために、本実施形態は高速フーリエ変換（ＦＦＴ）１１０によって生成されたマグニチュードを用いる。このマグニチュードはピリオドグラム１２０の形をとる。ピリオドグラム１２０は、ＦＦＴに類似するが、不規則に時間サンプリングされたデータのために最適化されている信号のスペクトル密度の推定値である。ピリオドグラムは、干渉のタイプの知識を必要とすることなく周波数を分類することができる。スキャン持続時間及びスキャン期間は、ピリオドグラムに含まれる情報の質に作用する。通常、より長いスキャン持続時間は、スキャン中に生じるアクティビティについてのより優れた情報をもたらす。より頻繁なスキャン、すなわち、より短いスキャン期間は、信号特性における変化の早期検出をもたらす。

図２に示すように、様々な周波数ｆ_ｎに関して、幾つかのスキャン期間の間に３Ｄピリオドグラム２０１〜２０５を生成することができる。垂直軸（vertical axis）はマグニチュードを示し、水平軸（horizontal axis）は周波数を示し、対角軸（diagonal axis）は時間を示す。図２はピリオドグラムにおける経時的な著しい変化を示す。ピリオドグラムの２Ｄプロットはスペクトログラム（spectrogram）と呼ばれる。スペクトログラムは累積分布関数（ＣＤＦ：cumulative distribution function）に変換することができる。

図３は、干渉検出３５０、分類３５１及び低減３５２の方法を示す。検出の間、２つの連続するスキャン中に取得された第１のピリオドグラム２０１及び第２のピリオドグラム２０２に２標本コルモゴロフ−スミルノフ（Ｋ−Ｓ）検定３１０が適用され、第１の統計値Ｄ_１，２（距離）３１１が求められる。この検定はノンパラメトリックで、かつ、分布によらないので、干渉の統計的分布に関する事前知識は必要とされない。

この分類は第１の統計値Ｄ_１，２を閾値λ_０と比較する（３１２）。この統計値が閾値よりも小さい場合、干渉はおそらく広帯域３２１であり、そうでなければ干渉はおそらく狭帯域３２２である。いずれの場合においても、ピリオドグラムのうちの１つが既知の干渉のＣＤＦ３２５と比較され、第２の統計値Ｄ_３が取得される。第２の統計値Ｄ_３は、図４を参照して以下で記載されるように、適切な干渉低減３５２が適用される前に更に処理される。

ピリオドグラム
第１のピリオドグラム及び第２のピリオドグラム

は、第１のスキャン及び第２のスキャンの出力２０１及び２０２を表す。
順序付けられたピリオドグラム（ordered periodogram）は、

及び

となるような、

及び

である。Ｘ_１及びＸ_２に基づいて、２つの経験分布

及び

を構築する。ここで、Ｕ（．）は単位階段関数を示す。図７に示すように、２つの連続する経験分布の統計値（距離）３１１は、

であり、ここで、ｓｕｐは上限関数（supreme function）である。

ＫＳ検定の結果は、

であり、ここで、

であり、Ｐｒ（．）は確率を示し、ｒは整数値を表し、λは所与の閾値を表す。

第１の統計値Ｄ_１，２に関して、２標本αレベルＫＳ検定（two-sample α-level KS test）は、

であり、ここで、Ｑ（λ_０）＝１−αである。

の最初の２項並びにｒ＝０及びｒ＝１を用いて、閾値

を得ることができる。統計値Ｄ_１，２がλ_０よりも大きい場合、干渉はおそらく狭帯域干渉であり、そうでなければ広帯域干渉である。

しかしながら、非常に小さい統計値は、スキャン時に実際に干渉がなかったことを示す場合と、あるいは、２つの連続するスキャン間で状態の変化を起こさなかった継続した干渉が存在していた可能性を示す場合とがある。この状況は長期的に継続する連続した干渉源によって引き起される。図５を参照されたい。いずれの場合においても、この分類を用いることで、例えば、干渉を引き起こしているのが、特に、例えば電子レンジ（ＭＷＯ：microwave oven）であるのか、又は、コードレス電話（ＣＰ：cordless telephone）であるのか、についての、優れた判定に到達することができる。

図５及び図６はそれぞれ一般的な電子レンジ（ＭＷＯ）及びコードレス電話（ＣＰ）からの干渉信号を、マグニチュード、時間、及び、帯域幅（ＢＷ）の関数として示す。見て取ることができるように、ＭＷＯ干渉は全ての次元においてより「継続的」である一方で、ＣＰ干渉は、電話の送信は時間と周波数との両方において一箇所に集中するので、突き出た部分をより多く有し、短期間である。

図４は分類をより詳細に示す。広帯域に関しては、検出の間に使用された２つのピリオドグラムのうちの１つをＣＤＦと比較することで２標本ＫＳ検定４３０を適用して、第２の統計値Ｄ_３３４０を生成する。最小統計値を選択し（４４０）、最小統計値のＣＤＦに関連付けられた帯域幅（ＢＷ：bandwidth）及びデューティサイクル等の追加情報を用いて、特定の干渉源に反復的にマッチさせて（４６０）、既知の技法を用いて広帯域干渉を低減する前に分類を決定する（４７０）ことができる。

狭帯域干渉に関しては、検出の間に使用された２つのピリオドグラムのうちの１つをＣＤＦと比較することでＫＳ検定４８０を適用して、第２の統計値Ｄ_３を生成する。最小統計値を有するＣＤＦを選択し（４４０）、既知の技法を用いて狭帯域干渉を低減する前に、この狭帯域干渉を決定する（４９５）。

本発明は、柔軟、効率的かつ低コストに干渉信号を検出及び分類する方法を提供する。干渉が著しくない環境では、第１段階のＫＳ検定で十分である場合がある。この低コストで効率な検定は、最大限のネットワークリソース、すなわち帯域幅、処理能力、記憶装置等を実際の通信に活用することを可能にする。著しい干渉の検出の後、分類を行うことができる。これは、スキャン期間とスキャン持続時間との間の柔軟なトレードオフを提供する一方で、所定の最小性能要求を満たす。これらの検定は主に、複雑で消耗的な信号処理技法を適用することなく、チャネルにおける状態の変化を分析することに依拠する。

図３及び図４に示すような本方法のステップは、当技術分野において既知の装置、例えばＣＤＦのデータベース等のメモリに接続されたプロセッサ、及び、入力／出力インターフェースにおいて実行することができる。

Claims (7)

1. 無線ネットワークのチャネルにおける干渉を検出する方法であって、
   前記チャネルの２つの連続するスキャン中に取得された第１のピリオドグラム及び第２のピリオドグラムに２標本コルモゴロフ−スミルノフ（ＫＳ）検定を適用して、第１の統計値を取得するステップと、
   前記第１の統計値を閾値と比較することで、前記干渉を広帯域か狭帯域かに分類するステップと、
   を含み、
   各前記ステップはプロセッサが実行する、無線ネットワークのチャネルにおける干渉を検出する方法。
2. 前記ピリオドグラムは、前記スキャンに高速フーリエ変換を適用することで取得される、請求項１に記載の方法。
3. 前記無線ネットワークはローカルエリアネットワークである、請求項１に記載の方法。
4. 前記分類に基づいて前記干渉を低減することを更に含む、請求項１に記載の方法。
5. 前記干渉は広帯域であり、
   前記ピリオドグラムのうちの１つと、既知の干渉信号の累積分布関数（ＣＤＦ）とに前記２標本ＫＳ検定を適用して、第２の統計値を取得することと、
   前記第２の統計値の最小値を選択することと、
   前記ＣＤＦに関連付けられた帯域幅及びデューティサイクルの情報を反復的に適用して、前記分類を決定することと、
   を更に含む、請求項１に記載の方法。
6. 前記干渉は狭帯域であり、
   前記ピリオドグラムのうちの１つと、既知の干渉信号の累積分布関数（ＣＤＦ）とに前記２標本ＫＳ検定を適用して、第２の統計値を取得することと、
   前記第２の統計値の最小値を選択して、前記分類を決定することと、
   を更に含む、請求項１に記載の方法。
7. 前記ピリオドグラムを、対応する累積分布関数に変換することを更に含む、請求項５または６に記載の方法。

Images