JP2017118384A - 管理装置、コンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

Abstract

【課題】２次利用者が干渉を回避して無線通信を行うための通信パラメータをリアルタイムに決定可能な管理装置を提供する。【解決手段】情報管理部１０１は、干渉通知を１次利用者から受信する。機械学習部１０２は、２次利用者の通信履歴と干渉通知の履歴とから生成され、かつ、干渉の有無と被干渉端末位置と通信パラメータとを相互に対応付けた教師データに基づいて、ｎ個のパラメータからなるｎ次元空間において通信パラメータを干渉が無いクラスと干渉が有るクラスとに分類し、かつ、２つのクラスから等距離に存在する決定境界を機械学習によって決定する。パラメータ決定部１０３は、ｎ個のパラメータのうちの変更できないｍ個のパラメータを固定した（ｎ−ｍ）次元超平面上で決定境界との距離を指標として利得関数を最大にする点を探索して１次利用者に干渉を与えない通信パラメータセットを決定する。【選択図】図２

Description

本発明は、管理装置、コンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体に関するものである。

コグニティブ無線システムまたは周波数共用移動体通信システムでは、免許された無線通信システムである１次利用者が存在する周波数帯域において、時間的・空間的な周波数の空きを活用することで通信帯域を確保し、通信容量を向上させる。

しかし、１次利用者の周波数を用いて通信を行う無線局は、２次利用者として１次利用者の周波数を利用するため、１次利用者の通信に干渉を与えないという制約が課される。そのため、２次利用者は、送信電力等を適切に設定する必要がある。

１次利用者への干渉は、２次利用者の周波数チャネル、送信電力および変調方式のみならず、１次利用者と２次利用者の位置関係、周囲の建物、植物および天気等によっても影響を受ける。そのため、干渉量を正確にモデル化して理論的に適切なパラメータを導き出すことは難しい。また、位置関係および天気等は、時間的に変化するため、１次利用者に干渉を与えないためには適切なパラメータをリアルタイムに設定する必要がある。

従来、２次利用者のパラメータを設定する技術として以下の技術が知られている。

多数のセンサーを用いて、１次利用者が送信する信号を検出し、ある地点、時刻における周波数の利用可能性をデータベースし、そのデータベースを用いて２次利用者のパラメータを設定する（非特許文献１）。

２次利用者は、信号送信前に受信動作を行い、１次利用者が周波数チャネルを利用していないかを確信して送信を行う（非特許文献２）。即ち、２次利用者は、キャリアセンスを行い、キャリアセンスの結果、無線通信が行われていない場合、送信を行うものである。

２次利用者は、１次利用者からの信号受信電力から１次利用者への干渉量の期待値を算出し、ＰＩＤ制御によって動的に送信電力を調整して干渉を回避する（非特許文献３）。

２次利用者は、伝搬モデルから１次利用者への干渉量の推定値を求め、その推定値が所定の値以下になるように送信電力を制御する（非特許文献４）。

特開２０１３−２１１６０９号公報

FCC, "Second report and order and memorandum opinion and order," Docket no. 08-260, Nov. 2008. A. Tsertou and D.I. Laurenson, "Revisiting the Hidden Terminal Problem in a CSMA/CA Wireless Network," IEEE Trans. Mob. Comput., vol. 7, no. 7. Pp 817-831, Jul. 2008. 松井元輝，ｅｔａｌ．，"コグニティブ無線ネットワークにおける電波干渉を考慮したＰＩＤ制御型電力調整アルゴリズム（無線），"電子情報通信学会技術研究報告．ＮＳ，ネットワークシステム１１０．４４８（２０１１）：２１７−２２２。 藤井威生，"電力制限による与干渉回避を行うマルチチャネルマルチホップコグニティブ無線ネットワーク，"電子情報通信学会論文誌Ｂ９１．１１（２００８）：１３６９−１３７９． K. Karmarkar, "A New Polynomial-Time Algorithm for Linear Programming," Combinatorica, 4 (1984), 373-395. Glover, Fred (1986). "Future Paths for Integer Programming and Links to Artificial Intelligence". Computers and Operations Research 13 (5): 533-549. doi:10.1016/0305-0548(86)90048-1. Cox, DR (1958). "The regression analysis of binary sequences (with discussion)". J Roy Stat Soc B 20: 215-242. Koby Crammer, Alex Kulesza and Mark Dredze, "Adaptive Regularization of Weight Vectors,"NIPS 2009.

しかし、非特許文献１に記載された技術では、１次利用者が受信のみを行っていた場合、その受信点における干渉まで考慮することができない。また、送信電力を制限すれば使用可能な周波数チャネルが存在しても、その周波数チャネルを発見することは困難である。更に、電波伝搬は、周囲の建物の影響で変動するが、データベースでは、そのようなリアルタイムな変化に追随することは困難である。

また、非特許文献２に記載された技術では、１次利用者と２次利用者の送信端末が離れており、かつ、１次利用者の受信端末が２次利用者に近接していた場合、１次利用者の受信端末において干渉が生じる。これは、隠れ端末問題であり、キャリアセンスによる干渉回避では避けられない問題である。

更に、非特許文献３に記載された技術では、１次利用者が送受信端末であり、２次利用者がその信号を受信できることを前提としているが、非特許文献２における技術でも説明したように、１次利用者の受信端末に対する干渉に関しては、１次利用者の受信端末からの信号を受信できないため、干渉を回避できない。

更に、非特許文献４に記載された技術では、１次利用者に関する様々なパラメータ、具体的には、伝搬減衰定数、送信電力、最大通信距離および所望の信号対雑音比等を事前に取得する必要がある。そして、多数の１次利用者が存在する場合、全ての１次利用者に対して、これらのパラメータを取得することは困難である。

この発明の実施の形態によれば、２次利用者が干渉を回避して無線通信を行うための通信パラメータをリアルタイムに決定可能な管理装置を提供する。

また、この発明の実施の形態によれば、２次利用者が干渉を回避して無線通信を行うための通信パラメータをリアルタイムに決定することをコンピュータに実行させるためのプログラムを提供する。

この発明の実施の形態によれば、管理装置は、受信手段と、生成手段と、機械学習手段と、通信パラメータ決定手段と、送信手段とを備える。受信手段は、免許されている無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する。生成手段は、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する。機械学習手段は、教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する。通信パラメータ決定手段は、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ−ｍ）次元超平面を設定し、その設定した（ｎ−ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ−ｍ）次元超平面上の点を探索し、その探索した（ｎ−ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する。送信手段は、決定された通信パラメータセットを２次利用者の端末群へ送信する。

また、この発明の実施の形態によれば、コンピュータに実行させるためのプログラムは、無線通信を行うための通信パラメータセットの決定をコンピュータに実行させるためのプログラムであって、受信手段が、免許されている無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する第１のステップと、生成手段が、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する第２のステップと、機械学習手段が、教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する第３のステップと、通信パラメータ決定手段が、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ−ｍ）次元超平面を設定し、その設定した（ｎ−ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ−ｍ）次元超平面上の点を探索し、その探索した（ｎ−ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する第４のステップと、送信手段が、決定された通信パラメータセットを２次利用者の端末群へ送信する第５のステップとをコンピュータに実行させるためのプログラムである。

この発明の実施の形態においては、２次利用者における通信パラメータの履歴情報と、１次利用者の干渉通知の履歴情報とを用いて、１次利用者の端末に干渉を与えない通信パラメータセットを決定するので、１次利用者の端末に干渉を与えない通信パラメータセットをリアルタイムに決定できる。

この発明の実施の形態における通信機器を示す概略図である。 図１に示す管理装置の構成を示す概略図である。 管理テーブルの概念図である。 教師データの概念図である。 決定境界の概念図である。 決定境界を求める方法を説明するための図である。 決定境界を求める方法を説明するための図である。 決定境界を用いて通信パラメータセットの決定方法を説明するための図である。 １次利用者の端末および管理装置の動作を説明するためのフローチャートである。 図９のステップＳ８の詳細な動作を説明するためのフローチャートである。 この発明の実施の形態による通信パラメータセットの決定方法によって決定された通信パラメータを用いて無線通信を行ったときの評価に用いたパラメータを示す図である。 実測値と予測値との関係を示す図である。

本発明の実施の形態について図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰返さない。

図１は、この発明の実施の形態における通信機器を示す概略図である。図１を参照して、無線通信システムＷＬＣ１，ＷＬＣ２が存在する。無線通信システムＷＬＣ１は、免許された無線通信システムであり、「１次利用者」と呼ばれる。無線通信システムＷＬＣ１は、無線局１と端末２，３とを備える。無線局１は、１次利用者の無線局であり、端末２，３は、１次利用者の端末である。そして、無線局１および端末２，３は、免許された周波数帯域で相互に無線通信を行う。

無線通信システムＷＬＣ２は、１次利用者の周波数帯域で無線通信を行う無線通信システムであり、「２次利用者」と呼ばれる。無線通信システムＷＬＣ２は、無線局１１と、端末１２，１３とを備える。無線局１１は、２次利用者の無線局であり、端末１２，１３は、２次利用者の端末である。無線局１１および端末１２，１３は、１次利用者の周波数帯域で相互に無線通信を行う。

端末２，３の各々は、端末１２，１３からの信号を受信したときの受信信号強度を検出する。そして、端末２，３の各々は、受信信号強度が８３ｄＢｍ以上であるとき、干渉が有ると判定し、受信信号強度が８３ｄＢｍよりも小さいとき、干渉が無いと判定する。

端末２，３の各々は、干渉が有ると判定すると、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を用いて自己の位置を検出するとともに、内蔵したタイマーを用いて、干渉が有ると判定したときの時刻を検出する。この検出した位置は、端末２，３が干渉を受けたときの位置であるので、「被干渉端末位置」と呼ばれる。

そして、端末２，３の各々は、時刻と、干渉の有無と、被干渉端末位置とを含む干渉通知を生成し、その生成した干渉通知を無線局１へ送信する。

無線局１は、端末２，３から干渉通知を受信し、その受信した干渉通知を無線局１１へ送信する。

管理装置１０は、無線局１１に配置される。そして、管理装置１０は、無線局１から干渉通知を受信する。また、管理装置１０は、端末１２，１３と無線通信を行い、その無線通信を行った時刻と、その無線通信の履歴（２次利用者における通信履歴）とを対応付けて保持する。

そうすると、管理装置１０は、干渉通知から時刻、干渉の有無および被干渉端末位置とを抽出し、その抽出した時刻、干渉の有無および被干渉端末位置を相互に対応付けて後述する管理テーブルに格納するとともに、保持している時刻および２次利用者における通信履歴とを相互に対応付けて後述する管理テーブルに格納する。

管理装置１０は、上記の動作を繰返し行い、各時刻に対応付けて、干渉の有無と、被干渉端末位置と、２次利用者における通信履歴とを順次管理テーブルに格納する。

管理装置１０は、管理テーブルに基づいて、後述する方法によって、教師データを作成し、その作成した教師データに基づいて、１次利用者へ干渉を与えない通信パラメータセットを決定し、その決定した通信パラメータセットを端末１２，１３へ送信する。

端末１２，１３は、管理装置１０から通信パラメータセットを受信すると、その受信した通信パラメータセットを用いて無線局１１と無線通信を行う。

図２は、図１に示す管理装置１０の構成を示す概略図である。図２を参照して、管理装置１０は、情報管理部１０１と、機械学習部１０２と、パラメータ決定部１０３と、パラメータ通知部１０４とを備える。

情報管理部１０１は、タイマー（図示せず）を内蔵しており、無線局１から干渉通知を受信する。

また、情報管理部１０１は、端末１２，１３との無線通信に用いられた通信パラメータ（２次利用者における通信パラメータ）を時刻に対応付けて管理する。通信パラメータは、例えば、送信電力、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等である。

そして、情報管理部１０１は、時刻に対応付けて、干渉通知に含まれる干渉の有無および被干渉端末位置を管理テーブルに格納するとともに、時刻に対応付けて２次利用者における通信パラメータを管理テーブルに格納する。すなわち、情報管理部１０１は、干渉通知の履歴（干渉の有無および被干渉端末位置の履歴）と２次利用者における通信履歴（２次利用者における通信パラメータの履歴）とを時系列に管理する。この干渉通知の履歴と２次利用者における通信履歴とを時系列に含むものを「管理テーブル」と呼ぶ。

情報管理部１０１は、新たに干渉通知を受信すると、干渉通知の履歴と２次利用者における通信履歴とを管理テーブルに追加して管理テーブルを更新する。そして、情報管理部１０１は、更新した管理テーブルを機械学習部１０２へ出力する。

機械学習部１０２は、管理テーブルを情報管理部１０１から受け、その受けた管理テーブルに基づいて、後述する方法によって、教師データを作成し、その作成した教師データに基づいて機械学習を行い、通信パラメータを干渉が無いクラスＣＬ１と干渉が有るクラスＣＬ２とに分類するための境界であり、かつ、クラスＣＬ１，ＣＬ２の両方から等距離にある境界である決定境界を決定する。

そうすると、機械学習部１０２は、その決定した決定境界をパラメータ決定部１０３へ出力する。

パラメータ決定部１０３は、決定境界を機械学習部１０２から受け、その受けた決定境界を用いて、後述する方法によって、１次利用者において干渉が発生しない通信パラメータセットを決定する。そして、パラメータ決定部１０３は、その決定した通信パラメータセットをパラメータ通知部１０４へ出力する。

パラメータ通知部１０４は、通信パラメータセットをパラメータ決定部１０３から受け、その受けた通信パラメータセットを端末１２，１３へ送信する。

図３は、管理テーブルの概念図である。図３を参照して、管理テーブルＴａｂｌｅ−ＣＴＬは、１次利用者の干渉通知の履歴と、２次利用者の通信履歴とを含む。１次利用者の干渉通知の履歴および２次利用者の通信履歴は、相互に対応付けられる。

１次利用者の干渉通知の履歴は、時刻１と、干渉の有無と、被干渉端末位置とを含む。時刻１、干渉の有無および被干渉端末位置は、相互に対応付けられる。

２次利用者の通信履歴は、時刻２と、送信電力と、中心周波数とを含む。時刻２、送信電力および中心周波数は、相互に対応付けられる。

２次利用者の通信パラメータは、上記において、送信電力、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等からなると説明した。しかし、図３においては、説明し易くするために、２次利用者の通信パラメータとして送信電力および中心周波数だけを示した。実際には、２次利用者の通信履歴は、上述した送信電力、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等からなる。

図３においては、時刻ｔ０，ｔ３，ｔ４では、干渉が無く、そのときの２次利用者における送信電力および中心周波数が示されている。干渉が無いので、被干渉端末位置には、”ｕｎｋｎｏｗｎ”が格納されている。そして、”干渉無し”、”ｕｎｋｎｏｗｎ”、２次利用者の送信電力および中心周波数が時刻ｔ０，ｔ３，ｔ４に対応付けられている。

また、図３においては、時刻ｔ１，ｔ２では、干渉が有り、そのときの被干渉端末位置と、２次利用者の送信電力および中心周波数とが示されている。そして、”干渉有り”、被干渉端末位置（（ｘ１，ｙ１），（ｘ２，ｙ２））、２次利用者の送信電力および２次利用者の中心周波数が時刻ｔ１，ｔ２に対応付けられている。

このように、管理テーブルＴａｂｌｅ−ＣＴＬは、１次利用者の干渉の有無および被干渉端末位置と、２次利用者の通信パラメータとが時刻に対応付けられた構成からなる。

情報管理部１０１は、無線局１から干渉通知を受信すると、干渉通知から時刻１、干渉の有（または無）および被干渉端末位置を抽出する。そして、情報管理部１０１は、時刻１、干渉の有（または無）および被干渉端末位置を相互に対応付けて管理テーブルＴａｂｌｅ−ＣＴＬに格納し、自己が保持している時刻２、２次利用者の送信電力および２次利用者の中心周波数を相互に対応付けて管理テーブルＴａｂｌｅ−ＣＴＬに格納する。

情報管理部１０１は、この動作を干渉通知を受信する毎に行い、管理テーブルＴａｂｌｅ−ＣＴＬを作成するとともに記憶する。そして、情報管理部１０１は、新たな干渉通知を受信すると、上記の動作を行って管理テーブルＴａｂｌｅ−ＣＴＬを更新し、その更新した管理テーブルＴａｂｌｅ−ＣＴＬを記憶するとともに機械学習部１０２へ出力する。

図４は、教師データの概念図である。図４を参照して、教師データＴＣＨＲ＿Ｄは、干渉の有無と、被干渉端末位置と、送信電力と、中心周波数とを含む。干渉の有無、被干渉端末位置、送信電力および中心周波数は、相互に対応付けられる。

なお、図４においても、説明をし易くするために、２次利用者の通信パラメータとして送信電力および中心周波数が示されているが、実際には、２次利用者の通信パラメータとして、送信電力、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等が教師データＴＣＨＲ＿Ｄに格納される。

教師データＴＣＨＲ＿Ｄにおいては、干渉有りを”１”で表し、干渉無しを”−１”で表す。

また、教師データＴＣＨＲ＿Ｄにおいては、干渉が無い場合、被干渉端末位置を（０，０）で表す。

そして、干渉の有無（−１または１）、被干渉端末位置（（０，０）または（ｘ１，ｙ１）等）、送信電力（７ｄＢｍ，１０ｄＢｍ等）および中心周波数（２．４２ＧＨｚ等）は、相互に対応付けられている。

機械学習部１０２は、情報管理部１０１から管理テーブルＴａｂｌｅ−ＣＴＬを受けると、その受けた管理テーブルＴａｂｌｅ−ＣＴＬの時刻１，時刻２を参照して、時刻１と時刻２とが一致する干渉の有無、被干渉端末位置、送信電力および中心周波数を抽出し、その抽出した干渉の有無、被干渉端末位置、送信電力および中心周波数を相互に対応付けて教師データＴＣＨＲ＿Ｄを作成する。この場合、干渉有りを”１”で表し、干渉無しを”−１”で表し、干渉が無いときの被干渉端末位置を（０，０）で表して教師データＴＣＨＲ＿Ｄを作成する。

その結果、機械学習部１０２は、図４に示す教師データＴＣＨＲ＿Ｄを作成する。

１次利用者において干渉が発生しない２次利用者の送信電力を決定する場合、教師データＴＣＨＲ＿Ｄを用いて学習を行い、通信パラメータを干渉が無いクラスＣＬ１と干渉が有るクラスＣＬ２とに分類する必要がある。

そして、通信パラメータを２つのクラスＣＬ１，ＣＬ２に分類するのに適した機械学習器として、例えば、サポートベクターマシン（ＳＶＭ：Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）が用いられる。

ＳＶＭは、教師有り学習を用いるパターン認識モデルの一つであり、学習用サンプル（教師データ）を最も大胆に区切る境界を学習する。この境界を学習するためにｎ（ｎは２以上の整数）個のパラメータによって構成されるｎ次元空間が設定される。

そして、ｎ次元空間に配置された学習用サンプル（教師データ）を用いて学習を行った結果、学習用サンプル（教師データ）を最も大胆に区切る境界は、境界に最も近いサンプル（データ）との距離（マージン）が最大となるように決定される。

ＳＶＭの特徴は、ｎ次元空間において、複数の点を分離することができる多くの候補平面の中でマージンが最大となる超平面を探すことである。

このマージンとは、超平面から複数の点に至る距離の最小値を言い、このマージンを最大にしながら複数の点を２つのクラスＣＬ１，ＣＬ２に分類しようとすると、結局、クラスＣＬ１に属するいくつかの点との距離の中の最小値と、クラスＣＬ２に属するいくつかの点との距離の中の最小値とが等しくなるように超平面が位置しなければならない。

このような超平面は、マージンが最大である超平面であり、この発明の実施の形態においては、「決定境界」と呼ぶ。

図５は、決定境界の概念図である。なお、図５においては、説明を分かり易くするために、２個のパラメータによって構成される２次元空間を表している。

１次利用者において干渉が発生しない２次利用者の送信電力を決定する場合、教師データから干渉の有無と送信電力とを選択する。また、変更ができない（変更不可）パラメータとして、例えば、干渉源との距離を選択する。

そして、送信電力と、干渉源との距離をパラメータとして、干渉有りを黒丸で表し、干渉無しを白丸で表すと、図５に示すようになる。

そうすると、２次元空間において、複数の黒丸と複数の白丸とを区切る決定境界ＢＤを以下に示す方法によって決定する。なお、図５においては、ｎ次元空間が２次元空間であるため、上述したマージンが最大である超平面は、直線からなる。

図６および図７は、決定境界を求める方法を説明するための図である。

干渉無しのグループ（白丸のグループ）と干渉有りのグループ（黒丸のグループ）とを最大マージンで識別する識別線は、何処を通るか不明であるが、何処かに、最大マージンを作る正例（干渉無しの白丸のグループ）、負例（干渉有りの黒丸のグループ）のそれぞれのグループの端っこのデータが存在すると仮定する。この端っこのデータをサポートベクターと言う。

サポートベクターを通る２本の線をａｘ＋ｂｙ＋ｃ＝１、ａｘ＋ｂｙ＋ｃ＝−１とする。２本の線は、平行であるので、係数が同じである。

そして、ａｘ＋ｂｙ＋ｃ≦１で示される領域が正例（干渉無しの白丸のグループ）のデータが存在する範囲であり、ａｘ＋ｂｙ＋ｃ≧−１で示される領域が負例（干渉有りの黒丸のグループ）のデータが存在する範囲である（図６参照）。

ここで、識別線を引くために必要な条件となる２つの不等式が得られたが、これらを一つに纏める。即ち、正例の場合は、不等式に”１”を掛けて、ａｘ＋ｂｙ＋ｃ≦１となり、負例の場合は不等式に”−１”を掛けて、−１（ａｘ＋ｂｙ＋ｃ）≧−１になる。

そして、正例か負例かを表す変数ｔ（ｔ＝１またはｔ＝−１）を用いると、ｔ（ａｘ＋ｂｙ＋ｃ）≦１となる。

正例および負例のそれぞれのサポートベクターから識別線に下ろした垂線の距離ｄは、次式によって表される。

その結果、教師データの全てについて、ｔ（ａｘ＋ｂｙ＋ｃ）≦１の条件を満たしながら、ｄの分母が最小になるａ，ｂ，ｃを求めることにより、最大マージンに基づく識別線の位置を決定できる（図７参照）。この最大マージンに基づく識別線の位置を決定することは、正例（干渉無しの白丸のグループ）と負例（干渉有りの黒丸のグループ）との両方から等距離の位置を決定することに相当する。

教師データがｉ（ｉ＝１，２，３，４，・・・）個である場合、ｔ_１（ａｘ_１＋ｂｙ_１＋ｃ）≦１、ｔ_２（ａｘ_２＋ｂｙ_２＋ｃ）≦１、・・・、ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃ）≦１のｉ個の不等式を用いてａ^２＋ｂ^２の最小値を与えるａ，ｂ，ｃを求めることになる。

最大マージンに基づく識別線を決定するパラメータを求める問題は、変数をｘ，ｙの２つとし、教師データをＮ個とすると、ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃ）≦１（ｉ＝１〜Ｎ）の制約条件の下で、ａ^２＋ｂ^２を最小化するａ，ｂ，ｃを求める制約付最小化問題になる。

このような制約付最小化問題を解くのに便利な方法としてラグランジュの未定乗数（係数）法がある。最小化するａ^２＋ｂ^２をｆ（ａ，ｂ）＝ａ^２＋ｂ^２とし、制約条件ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃ）≦１をｇ（ｘ，ｙ）＝ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃ）−１≦０とすると、ラグランジュの未定乗数法を適用して、以下の式（２）を式（３）に変換できる。

式（２），（３）において、ｓ．ｔ．は、「ｓ．ｔ．の右側に記載された条件に従うこと」を意味する（以下、同じ）。

式（２）は、ｇ_１（ａ，ｂ，ｃ）≦０，ｇ_２（ａ，ｂ，ｃ）≦０，・・・，ｇ_ｎ（ａ，ｂ，ｃ）≦０に従ってｆ（ａ，ｂ）を最小にするａ，ｂを求めることを意味するので、主問題である。

そして、式（３）中の式（３ａ），（３ｂ）は、ラグランジュの未定乗数法を適用した結果である。式（３ｂ）は、Ｌ（ａ，ｂ，ｃ，μ_１，・・・，μ_ｎ）を最小化するａ，ｂ，ｃを表す。φは、ｆと同様に、１つの関数を示す記号である。

式（３ｃ），（３ｄ）は、双対問題を示すものであり、φ（μ_１，・・・，μ_ｎ）を最大にするμ_１，・・・，μ_ｎを求めれば、主問題の最小値を与えるａ，ｂ，ｃも求まることが保証されている。

以下においては、説明を簡単にするために教師データの個数を２個として主問題を作成し、ラグランジュの未定乗数法を適用して関数Ｌを作成する。但し、ａ^２＋ｂ^２は、計算の便宜上、１／２を掛けることにする。

ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃ）≦１を変形してｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃ）−１≦０とする。その結果、次式が得られる。

最大化すべき双対問題の関数を作るために、Ｌをａ，ｂ，ｃについて最小化する。従って、Ｌをａ，ｂ，ｃについて偏微分し、その結果を０と置く。そうすると、次式が得られる。

そして、式（５）の上側の２つの式から次式が得られる。

式（５），（６）において、ｔ_ｉは、ｉ番目の教師データの正負であり、ｘ_ｉ，ｙ_ｉは、ｉ番目の教師データのｘ座標およびｙ座標であるので、ｔ_ｉ，ｘ_ｉ，ｙ_ｉは、既知である。

従って、双対問題の関数を最大にするμ_ｉが分かれば、式（６）からａ，ｂを求めることができる。

そこで、双対問題を作成するために、偏微分で得られた条件（式（５））を全てＬに代入すると、次式が得られる。

その結果、双対問題は、次式にようになる。

双対問題の関数φ（μ_１，μ_２）の最大化は、凸２次計画問題の解法である内点法（非特許文献５）等で求めることができる。解を求めるスピードを重視する場合、制約条件を考慮しながら、タブー探索法（非特許文献６）等の進化型計算を用いてもよい。

内点法は、最適化問題の制約領域の内部に最適解に収束する点列を生成する逐次反復解法である。

タブー探索法は、現在得られている解の近傍に、ある解を探索する局所探索法の一種であり、最近に探索した解をタブーとしてしばらく探索しないようにして局所解への収束を防ぎ、解空間の広域探索を行って最適解を求めるものである。

従って、式（８）の制約条件（ｓ．ｔ．の右側に記載された式）の領域内で式（８）の関数φ（μ_１，μ_２）を大きくする点を逐次生成し、関数φ（μ_１，μ_２）を最大化する最適解（μ_１，μ_２）を求める。

また、解を求めるスピードを重視する場合、式（８）の制約条件を考慮して局所解への収束を防ぎながら、広域探索を行って関数φ（μ_１，μ_２）を最大化する最適解（μ_１，μ_２）を求める。

μ_１，μ_２を求めることができれば、既知であるｔ_１，ｔ_２，ｘ_１，ｘ_２，ｙ_１，ｙ_２を用いて式（６）より、ａ，ｂを求めることができる。

そして、ｃは、あるサポートベクターのｘ座標をｘ_Ｓとし、ｙ座標をｙ_Ｓとすると、ａｘ_Ｓ＋ｂｙ_Ｓ＋ｃ＝１（又はａｘ_Ｓ＋ｂｙ_Ｓ＋ｃ＝−１）から求められる。

その結果、クラスＣＬ１，ＣＬ２を最大マージンで識別するための決定境界ＢＤが決定される。

上記においては、教師データがｘ，ｙで表される２次元の場合について説明したが、教師データがｎ次元からなる場合、ｘ軸をｘ_１、ｙ軸をｘ_２、ｚ軸をｘ_３、・・・、ｎ次元目の軸をｘ_ｎで表現する。

また、ａ，ｂ等の係数も、ｎ次元に対応してｗ_１，ｗ_２，・・・，ｗ_ｎで表す。

（ｘ_１，ｘ_２，・・・，ｘ_ｎ），（ｗ_１，ｗ_２，・・・，ｗ_ｎ）は、ベクトルであるので、Ｘ＝（ｘ_１，ｘ_２，・・・，ｘ_ｎ）、Ｗ＝（ｗ_１，ｗ_２，・・・，ｗ_ｎ）と表記する。

また、ａ^２＋ｂ^２は、ｗ_１ ^２＋ｗ_２ ^２＋・・・＋ｗ_ｎ ^２となる。そして、ｗ_１ ^２＋ｗ_２ ^２＋・・・＋ｗ_ｎ ^２の平方根を（ユークリッド）ノルムと言う。

ｘ_ｉ，ｘ_ｊ等の同じ次元同士を掛けて加算しているところは、ベクトルの内積でＸ^ＴＸで表される。Ｘ^Ｔは、Ｘの転置行列を意味する。

更に、教師データの個数がｎ個である場合、“２”と表記したところは、“ｎ”になる。

従って、教師データがｎ次元からなる場合、以下の式（９）〜式（１６）を用いて、最大マージンを有する識別線（＝決定境界ＢＤ）が決定される。

機械学習部１０２は、上述した方法によって、決定境界ＢＤを決定し、その決定した決定境界をパラメータ決定部１０３へ出力する。

図８は、決定境界ＢＤを用いて通信パラメータセットの決定方法を説明するための図である。

ｎ個のパラメータに対し、干渉発生位置など変更不可のｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定とした（ｎ−ｍ）次元超平面を設定する。このとき、（ｎ−ｍ）次元超平面上のある点が、パラメータセットを表す。これをパラメータ設定面と呼ぶ。

パラメータ設定範囲を与える閾値として干渉許容閾値と（ｎ−１）次元の超平面（最低通信条件面）を設定する。具体的な決定方法は、以下のとおりである。

[最低通信条件面]
２次利用者の受信局における所望の信号対雑音比を満たす最小値のパラメータセットをなめらかに接続したものを最低通信条件面とする。この最低通信条件面よりも決定境界側のパラメータセットであれば、２次利用者が１次利用者に干渉を与えないで通信可能であることが保証される。

[干渉許容閾値]
干渉許容閾値は、許容される干渉を示す。観測点（教師データに含まれる点）と決定境界ＢＤとの距離の最小値に対し、決定境界ＢＤからの距離が最小値のｋ（ｋは、０＜ｋ＜１を満たす実数）倍となる値を干渉許容閾値とする。ｋは、例えば、０．５である。

そして、パラメータ設定面上において、ある利得関数を最大化あるいは最小化する点を探索する。このとき、制約条件として、以下の制約条件を設定する。

（１）利得関数を最大化あるいは最小化する点は、決定境界ＢＤに対し干渉無し側に存在し、かつ、最低通信条件面よりも決定境界ＢＤ側に存在する。

（２）さらに、利得関数を最大化あるいは最小化する点と決定境界ＢＤとの距離dが干渉許容閾値以上を満たす範囲にある。

利得関数としては、例えば、次のものが想定される。

（ｉ）２次利用者の端末のチャネル容量
チャネル量Ｃは、Ｃ＝Ｂｌｏｇ（１＋ＳＩＮＲ）によって決定される。Ｂは、帯域幅であり、使用する周波数帯域幅に依存する。ＳＩＮＲは、信号対雑音比であり、送信電力および周波数帯域等によって決定される。

（ｉｉ）２次利用者の端末の通信可能距離
使用する周波数帯および送信電力等に依存して決定される。

（ｉｉｉ）ビットエラー率
送信電力、変調方式および周波数帯域幅等に依存して決まる。

図８を参照して、通信パラメータセットの決定方法を具体的に説明する。図８においては、変更不可であるパラメータとして、干渉源からの距離が用いられている。この干渉源からの距離は、教師データに含まれる被干渉端末位置と、干渉を与えた２次利用者の端末の位置との間の距離として求められる。

そして、その求めた干渉源からの距離を固定してパラメータ設定面を２次元空間に設定する。その後、上述した最低通信条件面および干渉許容閾値を２次元空間に設定する。

なお、図８においては、教師データは、２次元からなるので、パラメータ設定面、最低通信条件面および干渉許容閾値は、直線からなる。

そうすると、パラメータ設定面（直線）上において、利得関数が最大または最小になる点を探索し、その探索した点の中から、上述した制約条件（１），（２）を満たす点を候補点として抽出する。

この候補点が複数存在する場合、その複数の候補点の任意の点を通信パラメータセットとして決定する。

一方、候補点が１個である場合、その１個の候補点を通信パラメータセットとして決定する。

パラメータ決定部１０３は、上述した方法によって、決定境界ＢＤを用いて、２次利用者の端末が１次利用者の端末に干渉を与えないで無線通信を行うための通信パラメータセットを決定する。

そして、パラメータ決定部１０３は、その決定した通信パラメータセットをパラメータ通知部１０４へ出力する。

なお、変更可能なパラメータとしては、例えば、２次利用者における基地局あるいは端末の送信電力、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等である。

また、変更不可能なパラメータとしては、例えば、１次利用者の端末の位置、１次利用者の端末との距離、１次利用者における変調方式および１次利用者の多元接続方式等である。

教師データが３次元以上からなる場合、決定境界ＢＤ、最低通信条件面および干渉許容閾値は、平面からなる。

従って、請求項に記載された最低通信条件は、（ｎ−１）次元の線または面からなる。

図９は、１次利用者の端末２，３および管理装置１０の動作を説明するためのフローチャートである。

図９を参照して、１次利用者の端末（端末２，３の少なくとも１つ）は、干渉を検知し（ステップＳ１）、干渉通知を無線局１へ送信する。そして、無線局１は、端末（端末２，３の少なくとも１つ）から受信した干渉通知を管理装置１０へ送信する（ステップＳ２）。

一方、管理装置１０の情報管理部１０１は、干渉が無い場合、無線局１１と端末１２，１３との無線通信が発生し（ステップＳ３）、２次利用者の端末１２，１３との通信履歴を保存する（ステップＳ４）。

そして、情報管理部１０１は、無線局１から干渉通知を受信し（ステップＳ５）、干渉情報および通信履歴を抽出して管理テーブルＴａｂｌｅ−ＣＴＬを作成する（ステップＳ６）。そうすると、情報管理部１０１は、管理テーブルＴａｂｌｅ−ＣＴＬを機械学習部１０２へ出力する。

機械学習部１０２は、管理テーブルＴａｂｌｅ−ＣＴＬを情報管理部１０１から受け、その受けた管理テーブルＴａｂｌｅ−ＣＴＬに含まれる干渉情報を通信履歴と時刻で照合し、上述した方法によって教師データを作成する（ステップＳ７）。

その後、機械学習部１０２は、教師データを機械学習器に入力し、上述した方法によって、ＳＶＭを用いて決定境界ＢＤを決定または更新する（ステップＳ８）。

そうすると、機械学習部１０２は、その決定した決定境界ＢＤをパラメータ決定部１０３へ出力する。

パラメータ決定部１０３は、決定境界ＢＤを受けると、その受けた決定境界ＢＤを用いて、上述した方法によって、１次利用者の端末に干渉を与えないための通信パラメータセットを決定し（ステップＳ９）、その決定した通信パラメータセットをパラメータ通知部１０４へ出力する。

そして、パラメータ通知部１０４は、通信パラメータセットを２次利用者の端末１２，１３へ送信する（ステップＳ１０）。

端末１２，１３は、通信パラメータセットを受信し、その受信した通信パラメータセットを用いて無線通信に用いるパラメータを更新する（ステップＳ１１）。

これによって、一連の動作が終了する。

なお、ステップＳ８において、決定境界ＢＤを決定または更新する、としているのは、図９に示すフローチャートは、１次利用者の端末２，３が干渉を検知する毎に実行されるので、フローチャートが２回目以降に実行される場合、教師データも更新されており、その更新された教師データを用いて、既に決定された決定境界ＢＤを更新することになるからである。

図１０は、図９のステップＳ８の詳細な動作を説明するためのフローチャートである。

図１０を参照して、機械学習部１０２は、図９のステップＳ７の後、式（１０）に示す目的関数および制約条件を決定する（ステップＳ８１）。

そして、機械学習部１０２は、式（１１）に示すように、ラグランジュの未定乗数法を目的関数および制約条件に適用して主問題を双対問題に変換する（ステップＳ８２）。

その後、機械学習部１０２は、式（１２）〜（１６）を用いて双対問題を解き、双対問題の関数を最大化するμ_ｉを求める（ステップＳ８３）。

引き続いて、機械学習部１０２は、教師データとμ_ｉとを用いて主問題の最小値を与えるｗ_１，ｗ_２，・・・，ｗ_ｎを求める（ステップＳ８４）。より具体的には、機械学習部１０２は、教師データによって示される既知のｔ_ｉ，ｘ_ｉ１〜ｘ_ｉｎと、求めたμ_ｉとを式（１４）に代入してｗ_１，ｗ_２，・・・，ｗ_ｎを求める。

ステップＳ８４の後、機械学習部１０２は、ある１つのサポートベクターのｘ_１座標、ｘ_２座標、・・・、ｘ_ｎ座標をそれぞれｘ_１Ｓ，ｘ_２Ｓ，・・・，ｘ_ｎＳとすると、ｗ_１ｘ_１Ｓ＋ｗ_２ｘ_２Ｓ＋・・・＋ｗ_ｎｘ_ｎＳ＋ｃ＝１（またはｗ_１ｘ_１Ｓ＋ｗ_２ｘ_２Ｓ＋・・・＋ｗ_ｎｘ_ｎＳ＋ｃ＝−１）から切片ｃを求める。そして、機械学習部１０２は、その求めたｗ_１，ｗ_２，・・・，ｗ_ｎとｃとをｗ_１ｘ_１＋ｗ_２ｘ_２＋・・・＋ｗ_ｎｘ_ｎ＋ｃ＝０に代入して正例および負例の両方と最大のマージン（距離ｄ）を有する平面（または線）を求め、その求めた平面（または線）を決定境界として決定する（ステップＳ８５）。

その後、一連の動作は、図９のステップＳ９へ移行する。

上述したように、管理装置１０は、２次利用者のデータ送信における通信パラメータの履歴情報と、データ送信における１次利用者の干渉の有無を判定した履歴情報とを用いて、１次利用者の端末に干渉を与えない通信パラメータセットを決定するので（Ｓ６〜Ｓ９参照）、２次利用者の通信パラメータの履歴情報および干渉の有無の履歴情報のみから１次利用者の端末に干渉を与えない通信パラメータセットをリアルタイムに決定できる。

また、管理装置１０は、干渉の有無と、被干渉端末位置と、干渉を検知したときの時刻とを含む干渉通知のみを１次利用者から受信して１次利用者の端末に干渉を与えない通信パラメータセットを決定するので、１次利用者の無線通信の設定が不明であっても、適切な通信パラメータセットを設定できる。

更に、図９および図１０に示すフローチャートは、１次利用者の端末において干渉が検知される毎に実行されるので、干渉状況のリアルタイムの変化に対応して１次利用者の端末に干渉を与えない通信パラメータセットを設定できる。

更に、教師データを用いた決定境界の十分な学習ができていれば、少ない計算量で通信パラメータセットを決定できる。

更に、干渉を与えた時のリスクは、１次利用者によって異なるが、学習された決定境界は、一意に決定されるため、１次利用者が変更しても、適切な通信パラメータを設定できる。つまり、上述した通信パラメータセットの決定方法は、１次利用者の変更に対してロバスト性を有することができる。

特開２０１３−２１１６０９号公報（特許文献１）は、サポートベクターマシン（ＳＶＭ）を用いて無線通信装置の周辺状況に応じて適切な通信パラメータを選択する技術を開示する。

この技術は、状況と、パラメータと、性能（通信性能）とを対応付けて履歴データベースに格納しておき、その履歴データベースを参照して現在の周辺状況において良好な通信性能が得られる通信パラメータを選択するものである。

そして、周辺状況（コンテキスト）は、サポートベクターマシン（ＳＶＭ）を用いて決定される。

このように、特許文献１では、周辺状況（コンテキスト）を決定するためにサポートベクターマシン（ＳＶＭ）が用いられる。つまり、特許文献１では、周辺状況（コンテキスト）を分類するためにサポートベクターマシン（ＳＶＭ）が用いられる。

一方、この発明の実施の形態においては、干渉が発生する通信パラメータと干渉が発生しない通信パラメータとを分類するためにサポートベクターマシン（ＳＶＭ）が用いられる。

従って、この発明の実施の形態と特許文献１とでは、サポートベクターマシン（ＳＶＭ）を用いて分類する対象が全く異なり、特許文献１には、サポートベクターマシン（ＳＶＭ）を用いて通信パラメータを分類する示唆が無い。

また、特許文献１では、相互に無線通信を行う無線通信装置間の通信パラメータを選択するが、この発明の実施の形態では、２次利用者が、無線通信の相手先ではない１次利用者に干渉を与えない通信パラメータを決定するものである。

従って、この発明の実施の形態における通信パラメータの決定は、特許文献１における通信パラメータの選択と全く異なるものである。

図１１は、この発明の実施の形態による通信パラメータセットの決定方法によって決定された通信パラメータを用いて無線通信を行ったときの評価に用いたパラメータを示す図である。

評価は、次のようにして行われた。

（ｉ）１次利用者の受信端末と２次利用者の送信端末とを距離Ｌｄだけ離して配置
（ｉｉ）２次利用者の送信端末は、送信電力を変えて信号を送信
なお、教師データの作成時は、−１０ｄＢｍ〜３０ｄＢｍの範囲から送信
電力をランダムに選択した。

（ｉｉｉ）自由空間伝搬の理論式から１次利用者の受信端末における干渉波の受信電力を計算
干渉条件は、距離Ｌｄだけ離れた位置における受信電力が−８３ｄＢｍ以
上であるとき、干渉有りとし、−８３ｄＢｍ未満であるとき、干渉無しとし
た。

図１２は、実測値と予測値との関係を示す図である。図１２において、予測値は、サポートベクターマシンを用いて予測された値である。

図１２を参照して、干渉有りについて、実測値と予測値との一致個数は、３９個であり、実測値と予測値との不一致個数は、４個である。また、干渉無しについて、実測値と予測値との一致個数は、３７個であり、実測値と予測値との不一致個数は、８個である。

テスト信号点の個数が９０個であるので（図１１参照）、サポートベクターマシンを用いて予測したときの正解率は、（３９＋３７）／９０＝０．８４４＝８４．４％である。

従って、サポートベクターマシンによる予測精度は、高いことが分かった。

また、上述した方法によって決定された通信パラメータセットを用いて信号を送信したときの２次利用者の平均送信電力利得は、３．９ｄＢであり、２次利用者の送信電力を向上できた。

このように、この発明の実施の形態による通信パラメータセットの決定方法によって２次利用者の通信パラメータセットを決定することによって、１次利用者に干渉を与えることなく、平均送信電力利得を向上できることが分かった。

なお、平均送信電力利得は、決定境界ＢＤとパラメータ設定面上のサンプル点との距離を送信電力利得として求め、その求めた送信電力利得を平均することによって求められた。

この発明の実施の形態においては、情報管理部１０１、機械学習部１０２、パラメータ決定部１０３およびパラメータ通知部１０４の機能をプログラムＰＲＯＧによって実現してもよい。

この場合、プログラムＰＲＯＧは、上述したステップＳ３〜ステップＳ１０（ステップＳ８１〜ステップＳ８５を含む）を備える。

そして、管理装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を備える。ＲＯＭは、プログラムＰＲＯＧを記憶する。

通信パラメータセットを決定する場合、ＣＰＵは、プログラムＰＲＯＧをＲＯＭから読み出して実行する。そして、ＣＰＵは、２次利用者の通信パラメータの履歴情報をＲＡＭに記憶するとともに、通信パラメータセットを決定する際の各種の計算結果をＲＡＭに記憶する。

従って、プログラムＰＲＯＧは、無線通信を行うために通信パラメータセットの決定をコンピュータ（ＣＰＵ）に実行させるためのプログラムである。

また、この発明の実施の形態においては、プログラムＰＲＯＧは、ＣＤ，ＤＶＤ等の記録媒体に記録されて提供されてもよい。ユーザは、プログラムＰＲＯＧを記録した記録媒体をコンピュータに設定し、コンピュータ（ＣＰＵ）は、記録媒体からプログラムＰＲＯＧを読み出して実行する。

従って、プログラムＰＲＯＧを記録した記録媒体は、コンピュータ（ＣＰＵ）が読み取り可能な記録媒体である。

上記においては、機械学習部１０２は、サポートベクターマシン（ＳＶＭ）を用いて決定境界ＢＤを決定すると説明したが、この発明の実施の形態においては、これに限らず、機械学習部１０２は、ロジスティック回帰（非特許文献７）またはＡＲＯＷ（Ａｄａｐｔｉｖｅ Ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｏｆ Ｗｅｉｇｈｔ Ｖｅｃｔｏｒｓ）（非特許文献８）を用いて決定境界ＢＤを決定してもよく、一般的には、教師データＴＣＨＲ＿Ｄを入力として決定境界ＢＤを決定する機械学習器であれば、どのような機械学習器を用いて決定境界ＢＤを決定してもよい。

また、上記においては、１次利用者の端末２，３に干渉を与えない送信電力を決定すると説明したが、この発明の実施の形態においては、これに限らず、１次利用者の端末２，３に干渉を与えない周波数を決定してもよく、一般的には、１次利用者の端末２，３に干渉を与えない通信パラメータセットであれば、どのような通信パラメータセットを決定してもよい。

更に、上記においては、変更不可であるパラメータが”干渉源からの距離”であると説明したが、この発明の実施の形態においては、これに限らず、”干渉源からの距離”以外のパラメータを変更不可であるパラメータとしてもよい。

更に、上記においては、管理装置１０は、無線局１１に設置されると説明したが、この発明の実施の形態においては、これに限らず、管理装置１０は、無線局１１と異なる位置に配置されていてもよい。この場合、管理装置１０は、無線局１１から干渉通知を受信してもよく、無線局１から干渉通知を受信してもよく、端末２，３から干渉通知を直接受信してもよい。

更に、上記においては、管理装置１０は、無線局１から干渉通知を受信すると説明したが、この発明の実施の形態においては、これに限らず、管理装置１０は、端末２，３から干渉通知を直接受信してもよい。

更に、上記においては、１次利用者の端末２，３に干渉を与えない通信パラメータセットを決定する際、最低通信条件面および干渉許容閾値を設定し、パラメータ設定面上において、最低通信条件面よりも決定境界ＢＤ側であり、かつ、決定境界ＢＤからの距離が干渉許容閾値と決定境界ＢＤとの距離よりも大きい点を通信パラメータセットの候補点として選択すると説明したが、この発明の実施の形態においては、これに限らず、最低通信条件面および干渉許容閾値を設定せずに、パラメータ設定面上において、決定境界ＢＤよりも干渉無しのクラスＣＬ１に属する点を通信パラメータセットの候補点として選択してもよい。

２次利用者の端末１２，１３が、このようにして決定された通信パラメータセットを用いて無線通信を行っても、１次利用者の端末２，３に干渉を与えないので、初期の目的を達成できるからである。

従って、この発明の実施の形態による管理装置は、免許されている無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する受信手段と、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する生成手段と、教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する機械学習手段と、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ−ｍ）次元超平面を設定し、その設定した（ｎ−ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ−ｍ）次元超平面上の点を探索し、その探索した（ｎ−ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する通信パラメータ決定手段と、決定された通信パラメータセットを２次利用者の端末群へ送信する送信手段とを備えていればよい。

また、この発明の実施の形態によるコンピュータに実行させるためのプログラムは、無線通信を行うための通信パラメータセットの決定をコンピュータに実行させるためのプログラムであって、受信手段が、免許されている無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する第１のステップと、生成手段が、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する第２のステップと、機械学習手段が、教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する第３のステップと、通信パラメータ決定手段が、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ−ｍ）次元超平面を設定し、その設定した（ｎ−ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ−ｍ）次元超平面上の点を探索し、その探索した（ｎ−ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する第４のステップと、送信手段が、決定された通信パラメータセットを２次利用者の端末群へ送信する第５のステップとをコンピュータに実行させるためのプログラムであればよい。

なお、この発明の実施の形態においては、干渉通知を受信する情報管理部１０１は、「受信手段」を構成する。

また、この発明の実施の形態においては、上述した方法によって教師データを作成する機械学習部１０２は、「生成手段」を構成する。

更に、この発明の実施の形態においては、上述した方法によって決定境界ＢＤを決定する機械学習部１０２は、「機械学習手段」を構成する。

更に、この発明の実施の形態においては、上述した方法によって１次利用者に干渉を与えない通信パラメータセットを決定するパラメータ決定部１０３は、「パラメータ決定手段」を構成する。

更に、この発明の実施の形態においては、パラメータ通知部１０４は、「送信手段」を構成する。

今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

この発明は、管理装置、コンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体に適用される。

１，１１ 無線局、２，３，１２，１３ 端末、１０ 管理装置、１０１ 情報管理部、１０２ 機械学習部、１０３ パラメータ決定部、１０４ パラメータ通知部。

Claims (11)

1. 免許されている無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する受信手段と、
   前記１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と前記干渉通知の履歴とに基づいて干渉の有無を示すラベルと前記被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する生成手段と、
   前記教師データに基づいて、前記通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において前記通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、前記第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する機械学習手段と、
   前記ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ−ｍ）次元超平面を設定し、その設定した前記（ｎ−ｍ）次元超平面上の点と前記決定境界との距離を指標として利得関数を最大または最小にする前記（ｎ−ｍ）次元超平面上の点を探索し、その探索した（ｎ−ｍ）次元超平面上の点から制約条件を用いて前記１次利用者において干渉が発生しない通信パラメータセットを決定する通信パラメータ決定手段と、
   前記決定された通信パラメータセットを前記２次利用者の端末群へ送信する送信手段とを備える管理装置。
2. 前記通信パラメータ決定手段は、前記２次利用者の無線通信が保証される最低通信条件と、許容される干渉を示す干渉許容閾値とを前記制約条件として前記通信パラメータセットを決定する、請求項１に記載の管理装置。
3. 前記通信パラメータ決定手段は、前記探索した（ｎ−ｍ）次元超平面上の点のうち、前記最低通信条件よりも前記決定境界側に存在し、かつ、前記決定境界からの距離が前記干渉許容閾値よりも大きい点を前記通信パラメータセットとして決定する、請求項２に記載の管理装置。
4. 前記通信パラメータ決定手段は、前記２次利用者の受信局において所定の信号対雑音比を満たすパラメータセットを接続して（ｎ−１）次元の線または面からなる前記最低通信条件を設定し、その設定した最低通信条件を用いて前記通信パラメータセットを決定する、請求項２または請求項３に記載の管理装置。
5. 前記通信パラメータ決定手段は、前記教師データに含まれる前記ｎ次元空間上の点と前記決定境界との距離の最小値をｋ（ｋは、０＜ｋ＜１を満たす実数）倍した値を前記干渉許容閾値として設定し、その設定した干渉許容閾値を用いて前記通信パラメータセットを決定する、請求項２から請求項４のいずれか１項に記載の管理装置。
6. 無線通信を行うための通信パラメータセットの決定をコンピュータに実行させるためのプログラムであって、
   受信手段が、免許されている無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する第１のステップと、
   生成手段が、前記１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と前記干渉通知の履歴とに基づいて干渉の有無を示すラベルと前記被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する第２のステップと、
   機械学習手段が、前記教師データに基づいて、前記通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において前記通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、前記第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する第３のステップと、
   通信パラメータ決定手段が、前記ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ−ｍ）次元超平面を設定し、その設定した前記（ｎ−ｍ）次元超平面上の点と前記決定境界との距離を指標として利得関数を最大または最小にする前記（ｎ−ｍ）次元超平面上の点を探索し、その探索した（ｎ−ｍ）次元超平面上の点から制約条件を用いて前記１次利用者において干渉が発生しない通信パラメータセットを決定する第４のステップと、
   送信手段が、前記決定された通信パラメータセットを前記２次利用者の端末群へ送信する第５のステップとをコンピュータに実行させるためのプログラム。
7. 前記通信パラメータ決定手段は、前記第４のステップにおいて、前記２次利用者の無線通信が保証される最低通信条件と、許容される干渉を示す干渉許容閾値とを前記制約条件として前記通信パラメータセットを決定する、請求項６に記載のコンピュータに実行させるためのプログラム。
8. 前記通信パラメータ決定手段は、前記第４のステップにおいて、前記探索した（ｎ−ｍ）次元超平面上の点のうち、前記最低通信条件よりも前記決定境界側に存在し、かつ、前記決定境界からの距離が前記干渉許容閾値よりも大きい点を前記通信パラメータセットとして決定する、請求項７に記載のコンピュータに実行させるためのプログラム。
9. 前記通信パラメータ決定手段は、前記第４のステップにおいて、前記２次利用者の受信局において所定の信号対雑音比を満たすパラメータセットを接続して（ｎ−１）次元の線または面からなる前記最低通信条件を設定し、その設定した最低通信条件を用いて前記通信パラメータセットを決定する、請求項７または請求項８に記載のコンピュータに実行させるためのプログラム。
10. 前記通信パラメータ決定手段は、前記第４のステップにおいて、前記教師データに含まれる前記ｎ次元空間上の点と前記決定境界との距離の最小値をｋ（ｋは、０＜ｋ＜１を満たす実数）倍した値を前記干渉許容閾値として設定し、その設定した干渉許容閾値を用いて前記通信パラメータセットを決定する、請求項７から請求項９のいずれか１項に記載のコンピュータに実行させるためのプログラム。
11. 請求項６から請求項１０のいずれか１項に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。

Images