JP2018017695A - 発信源推定方法およびそれを利用した発信源推定装置 - Google Patents

Abstract

【課題】中心周波数、チャネルインパルス応答が不明であっても、未知の発信源の位置を簡易に推定する技術を提供する。【解決手段】中心周波数推定部３６は、受信信号の中心周波数を推定する。ターゲット位置指紋導出部４６は、受信信号のアンテナ間の相互相関をセンサ毎に導出する。到来方向推定部３８は、各学習地点に対するアレイ応答のアンテナ間の相互相関と、位置指紋データベースでの相互相関とをもとに、各学習地点に対する到来方向をセンサ毎に推定する。周波数領域補間部４０は、到来方向と中心周波数とをもとに、各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出する。パターンマッチング部５０は、周波数領域補間部４０において導出した相互相関と、ターゲット位置指紋導出部４６とをもとに、未知の発信源が配置された位置を推定する。【選択図】図２

Description

本発明は、発信源推定技術に関し、未知の発信源の位置を推定する発信源推定方法およびそれを利用した発信源推定装置に関する。

未知の発信源の位置を推定するための従来技術には、三点測量や三角測量がある。しかしながら、密集した都市環境において、信号は、建物や物体によって、反射や回折の影響を受ける。結果として、多くのマルチパスが受信装置に到来し、従来技術の信頼性を低減させる。これらとは別に、未知の発信源の位置を推定するための技術が位置指紋をベースとした位置推定である。位置指紋をベースとした位置推定では、例えば、受信信号の強度、チャネルインパルス応答が使用される（例えば、非特許文献１乃至４参照）。

Ｍ． Ｂｓｈａｒａ， Ｕ． Ｏｒｇｕｎｅｒ， Ｆ． Ｇｕｓｔａｆｓｓｏｎ， ａｎｄ Ｌ． Ｖａｎ Ｂｉｅｓｅｎ、「Ｆｉｎｇｅｒｐｒｉｎｔｉｎｇ Ｌｏｃａｌｉｚａｔｉｏｎ ｉｎ Ｗｉｒｅｌｅｓｓ Ｎｅｔｗｏｒｋｓ Ｂａｓｅｄ ｏｎ Ｒｅｃｅｉｖｅｄ−Ｓｉｇｎａｌ−Ｓｔｒｅｎｇｔｈ Ｍｅａｓｕｒｅｍｅｎｔｓ ： Ａ Ｃａｓｅ Ｓｔｕｄｙ ｏｎ ＷｉＭＡＸ Ｎｅｔｗｏｒｋｓ」、ＩＥＥＥ Ｔｒａｎｓ． Ｖｅｈ． Ｔｅｃｈｎｏｌ．、２０１０年、ｖｏｌ．５９、ｎｏ．１、ｐ．２８３２９４ Ｙ． Ｊｉｎ， Ｗ． Ｓｏｈ， ａｎｄ Ｗ． Ｗｏｎｇ、「Ｉｎｄｏｏｒ ｌｏｃａｌｉｚａｔｉｏｎ ｗｉｔｈ ｃｈａｎｎｅｌ ｉｍｐｕｌｓｅ ｒｅｓｐｏｎｓｅ ｂａｓｅｄ ｆｉｎｇｅｒｐｒｉｎｔ ａｎｄ ｎｏｎｐａｒａｍｅｔｒｉｃ ｒｅｇｒｅｓｓｉｏｎ」、ＩＥＥＥ Ｔｒａｎｓ． Ｗｉｒｅｌ． Ｃｏｍｍｕｎ．、２０１０年、ｖｏｌ．９、ｎｏ．３、ｐ．１１２０−１１２７ Ｊ． Ｘｉａｏ， Ｋ． Ｗｕ， Ｙ． Ｙｉ， ａｎｄ Ｌ． Ｍ． Ｎｉ、「ＦＩＦＳ： Ｆｉｎｅ−ｇｒａｉｎｅｄ ｉｎｄｏｏｒ ｆｉｎｇｅｒｐｒｉｎｔｉｎｇ ｓｙｓｔｅｍ」、２１ｓｔ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｓ （ＩＣＣＣＮ）、２０１２年、ｐ．１−７ Ｍ． Ｔｒｉｋｉ， Ｄ． Ｓｌｏｃｋ， Ｖ． Ｒｉｇａｌ， ａｎｄ Ｐ． Ｆｒａｎｃｏｉｓ、「Ｍｏｂｉｌｅ ｔｅｒｍｉｎａｌ ｐｏｓｉｔｉｏｎｉｎｇ ｖｉａ ｐｏｗｅｒ ｄｅｌａｙ ｐｒｏｆｉｌｅ ｆｉｎｇｅｒｐｒｉｎｔｉｎｇ： Ｒｅｐｒｏｄｕｃｉｂｌｅ ｖａｌｉｄａｔｉｏｎ ｓｉｍｕｌａｔｉｏｎｓ」、ＩＥＥＥ ６４ｔｈ Ｖｅｈ． Ｔｅｃｈｎｏｌ． Ｃｏｎｆ．、２００６年、ｐ．１−５

しかしながら、未知の発信源の位置を推定するために、位置指紋をベースとした位置推定を使用することは一般的に困難である。１つ目の理由は、未知の発信源からの送信信号の中心周波数が不明であり、位置指紋データベースで使用されている中心周波数と異なる場合があるからである。２つ目の理由は、未知の発信源からの送信信号についての知識がなく、チャネルインパルス応答を推定することが困難であるからである。

本発明はこうした状況に鑑みてなされたものであり、その目的は、中心周波数、チャネルインパルス応答が不明であっても、未知の発信源の位置を簡易に推定する技術を提供することである。

上記課題を解決するために、本発明のある態様の発信源推定装置は、複数のアンテナを有するセンサを複数接続する発信源推定装置であって、複数の学習地点のそれぞれから送信された送信信号に対する相互相関であって、かつ各センサにおける受信信号のアンテナ間の相互相関が、互いに異なった中心周波数毎にまとめられた位置指紋データベースを記憶する記憶部と、未知の発信源から送信された送信信号が、複数のセンサの複数のアンテナのそれぞれにおいて受信されており、複数のセンサのそれぞれから各アンテナでの受信信号を取得する取得部と、取得部において取得した受信信号の中心周波数を推定する中心周波数推定部と、取得部において取得した受信信号のアンテナ間の相互相関をセンサ毎に導出するターゲット位置指紋導出部と、取得部において受信信号を受信した場合、各学習地点に対するアレイ応答のアンテナ間の相互相関と、記憶部に記憶した位置指紋データベースでの相互相関との差の２乗値をセンサ内の複数のアンテナと複数の中心周波数とにわたって積算することによって、各学習地点に対する到来方向をセンサ毎に推定する到来方向推定部と、到来方向推定部において推定した到来方向と、中心周波数推定部において推定した中心周波数とをもとに、各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出する周波数領域補間部と、周波数領域補間部において導出した相互相関と、ターゲット位置指紋導出部において導出した相互相関との差の２乗値をセンサ内の複数のアンテナと複数のセンサとにわたって積算し、積算結果が最小となる場合の学習地点を、未知の発信源が配置された位置として推定するパターンマッチング部と、を備える。

本発明の別の態様は、発信源推定方法である。この方法は、複数のアンテナを有するセンサを複数接続する発信源推定装置における発信源推定方法であって、複数の学習地点のそれぞれから送信された送信信号に対する相互相関であって、かつ各センサにおける受信信号のアンテナ間の相互相関が、互いに異なった中心周波数毎にまとめられた位置指紋データベースを記憶するステップと、未知の発信源から送信された送信信号が、複数のセンサの複数のアンテナのそれぞれにおいて受信されており、複数のセンサのそれぞれから各アンテナでの受信信号を取得するステップと、取得した受信信号の中心周波数を推定するステップと、取得した受信信号のアンテナ間の相互相関をセンサ毎に導出するステップと、受信信号を受信した場合、各学習地点に対するアレイ応答のアンテナ間の相互相関と、記憶した位置指紋データベースでの相互相関との差の２乗値をセンサ内の複数のアンテナと複数の中心周波数とにわたって積算することによって、各学習地点に対する到来方向をセンサ毎に推定するステップと、推定した到来方向と、推定した中心周波数とをもとに、各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出するステップと、各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出するステップにおいて導出した相互相関と、受信信号のアンテナ間の相互相関をセンサ毎に導出するステップにおいて導出した相互相関との差の２乗値をセンサ内の複数のアンテナと複数のセンサとにわたって積算し、積算結果が最小となる場合の学習地点を、未知の発信源が配置された位置として推定するステップと、を備える。

なお、以上の構成要素の任意の組合せ、本発明の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本発明の態様として有効である。

本発明によれば、中心周波数、チャネルインパルス応答が不明であっても、未知の発信源の位置を簡易に推定できる。

本発明の実施例に係る発信源推定システムの構成を示す図である。 図１の発信源推定装置の構成を示す図である。 図２の記憶部に記憶された位置指紋データベースのデータ構造を示す図である。 図２の空間領域補間部の構成を示す図である。

本発明を具体的に説明する前に、まず概要を述べる。未知の発信源の位置を推定することは、不法無線機や妨害電波発信機の対策に取り組むために重要である。これらは、他の通信システムに有害な干渉を与えたり、サービスを中断させたりすることがあるからである。これまでの位置指紋をベースとした位置推定では、位置指紋として受信信号の強度やチャネルインパルス応答を使用している。それでは、未知の発信源からの送信信号の中心周波数が不明である場合に、未知の発信源の位置を推定できない。本実施例は、アンテナアレイにおけるアンテナ間の位相差を位置指紋として使用する位置推定アルゴリズムに関する。この位置推定アルゴリズムにおいて、複数の中心周波数をまとめて使用しながら、到来方向推定が実行される。また、トレーニングされた位置指紋は、未知の発信源からの送信信号とのパターンマッチングの前に、周波数領域と空間領域において補間される。

図１は、本発明の実施例に係る発信源推定システム１００の構成を示す。発信源推定システム１００は、センサ１０と総称される第１センサ１０ａ、第２センサ１０ｂ、発信源推定装置２０を含む。第１センサ１０ａは、アンテナ１２と総称される第１アンテナ１２ａ、第２アンテナ１２ｂ、第３アンテナ１２ｃ、第４アンテナ１２ｄを含む。図１において、センサ１０の数は「２」とされているが、これに限定されない。また、第１センサ１０ａに備えられたアンテナ１２の数は「４」とされるが、これに限定されない。さらに、第１センサ１０ａ以外のセンサ１０にも複数のアンテナ１２が備えられる。

複数のセンサ１０が、対象となるエリアにランダムに配置される。各センサ１０は、複数のアンテナ１２を有する。複数のセンサ１０は、無線回線あるいは有線回線によって発信源推定装置２０に接続される。発信源推定装置２０は、各センサ１０の複数のアンテナ１２において受信した受信信号をもとに、位置指紋をベースにした位置推定を実行する。

位置指紋をベースにした位置推定は、２つの段階を有する。１つ目の段階は、トレーニング段階と呼ばれる。トレーニング段階において、既知の発信源が、対象となるエリア内の多くの位置（以下、「学習地点」という）から信号（以下、「トレーニング信号」という）を送信し、ランダムに配置された複数のセンサ１０がトレーニング信号を受信する。ここで、複数の学習地点の座標は、（ｘ１，ｙ１）、（ｘ２，ｙ２）、・・・のように示される。また、トレーニング信号は、複数の中心周波数で送信される。発信源推定装置２０は、各センサ１０の複数のアンテナ１２において受信したトレーニング信号をもとに、位置指紋に使用するためのパラメータ（以下、「学習位置指紋」という）を導出する。発信源推定装置２０は、複数の学習地点のそれぞれに対する学習位置指紋をデータベース（以下、「位置指紋データベース」という）として記憶する。

２つ目の段階は、推定段階と呼ばれる。推定対象となる未知の発信源がエリア内に現われたときにこの段階に遷移される。まず、推定対象となる未知の発信源の位置指紋が、トレーニング段階と同様の手順で取得される。次に、この位置指紋と、位置指紋データベースに既に記憶された学習位置指紋との間でパターンマッチングがなされる。位置指紋データベースに記憶された学習位置指紋のうち、推定対象となる未知の発信源の位置指紋に最も近い学習位置指紋の学習地点が、推定される位置になる。以下では、トレーニング段階での処理と推定段階での処理をさらに詳しく説明する。

図２は、発信源推定装置２０の構成を示す。発信源推定装置２０は、取得部３０、学習位置指紋導出部３２、記憶部３４、中心周波数推定部３６、到来方向推定部３８、周波数領域補間部４０、参照用位置指紋重み付け部４２、空間領域補間部４４、ターゲット位置指紋導出部４６、ターゲット位置指紋重み付け部４８、パターンマッチング部５０を含む。以下では、（１）トレーニング段階、（２）推定段階の順に説明する。

（１）トレーニング段階
取得部３０は、複数のセンサ１０において受信したトレーニング信号（以下、「受信信号」という）を取得する。ｑ番目のセンサ１０におけるｐ番目のアンテナ１２での受信信号は次のように示される。

ここで、ｈ_ｐ，ｑ［ｋ］はｑ番目のセンサ１０におけるｐ番目のアンテナ１２でのチャネルインパルス応答を示し、ｘ［ｋ］は、送信信号を示し、ｗ［ｋ］は付加された白色ガウス雑音を示し、＊は畳み込み演算子を示す。取得部３０は、受信信号を学習位置指紋導出部３２に出力する。

学習位置指紋導出部３２は、取得部３０から受信信号を入力し、学習位置指紋を導出する。具体的に説明すると、ｑ番目のセンサ１０におけるｐ番目のアンテナ１２での受信信号と、ｑ番目のセンサ１０におけるｐ’番目のアンテナ１２での受信信号との相互相関は、次のように示される。

ここで、Ｒ_ζ（ｘ［ｋ］，ｙ［ｋ］）は、ζだけ遅延したｘ［ｋ］とｙ［ｋ］との相互相関を示し、Ｒ_ζ（ｘ［ｋ］，ｘ［ｋ］）は、ｘ［ｋ］の自己相関を示す。雑音ｗ［ｋ］を含む演算は、ε_ζとして示される誤差項に含まれる。また、畳み込み演算と相互相関演算との互換性が使用されると、Ｒ_ζ（ｙ_ｐ，ｑ［ｋ］，ｙ_ｐ’，ｑ［ｋ］）は、ｐ番目とｐ’番目のアンテナ１２でのＣＩＲの相互相関と、送信信号ｘ［ｋ］の自己相関との間の畳み込みとして示される。

これらより、学習位置指紋導出部３２は、次のように示される学習位置指紋を導出する。

ここで、ｙ_{ｐ，ｓ，ｍ，ｎ}［ｋ］は、ｐ番目のアンテナ１２、ｓ番目のスナップショット、ｍ番目の学習地点、ｎ番目の中心周波数での受信信号を示す。また、ｐ，ｐ’は、１，２，・・・，Ｎ_ｅｌ（ｐ≠ｐ’）であり、ｓは１，２，・・・，Ｓであり、ｍは１，２，・・・，Ｎ_ｔｘであり、ｎは、１、２，・・・，Ｎ_ｆである。なお、Ｎ_ｅｌはアンテナ１２の数を示し、Ｎ_ｔｘは学習地点の数を示し、Ｎ_ｆは中心周波数の数を示し、Ｓはスナップショットの数を示す。また、学習位置指紋導出部３２は、このような学習位置指紋をセンサ１０毎に導出する。さらに、学習位置指紋導出部３２は、Ｓ個のスナップショットとなり、Ｎ_ｆ個の中心周波数となるまで処理を繰り返し実行するとともに、Ｎ_ｔｘ個の学習地点においても処理を実行する。学習位置指紋導出部３２は、学習地点の座標とともに学習位置指紋を記憶部３４に出力する。

記憶部３４は、学習位置指紋導出部３２から、学習地点の座標と学習位置指紋との組合せを入力し、これらをまとめた位置指紋データベースを記憶する。図３は、記憶部３４に記憶された位置指紋データベースのデータ構造を示す。位置指紋データベースは、互いに異なった中心周波数毎のテーブル２００を含む。ここでは、中心周波数「ｆ_１」に対するテーブル２００と中心周波数「ｆ_Ｎｆ」に対するテーブル２００だけが示されているが、他の中心周波数に対しても同様のテーブル２００が形成される。１つのテーブル２００には、複数の学習地点のそれぞれに対して、各センサ１０におけるアンテナ１２間の学習位置指紋が複数含まれる。学習位置指紋は受信信号のアンテナ１２間の相互相関に相当する。そのため、記憶部３４は、互いに異なった中心周波数毎に、複数の学習地点のそれぞれから送信された送信信号に対する相互相関であって、かつ各センサ１０における受信信号のアンテナ１２間の相互相関がまとめられた位置指紋データベースを記憶するといえる。図２に戻る。

（２）推定段階
未知の発信源から送信された送信信号が複数のセンサ１０の複数のアンテナ１２のそれぞれにおいて受信された場合に、発信源推定装置２０は、推定段階に遷移する。未知の発信源から送信された送信信号を受信するために、センサ１０は、スペクトルセンシング技術を実行する。スペクトルセンシング技術には公知の技術が使用されればよいので、ここでは説明を省略する。取得部３０は、推定段階に遷移した場合、複数のセンサ１０のそれぞれから各アンテナ１２において受信した信号（以下、「受信信号」という）を取得する。取得部３０は、中心周波数推定部３６、到来方向推定部３８、ターゲット位置指紋重み付け部４８に受信信号を出力する。

中心周波数推定部３６は、取得部３０において取得した受信信号の中心周波数ｆ_{ｔａｒｇｅｔ}を推定する。中心周波数ｆ_{ｔａｒｇｅｔ}は、学習位置指紋において使用される複数の中心周波数と同一でなくてもよい。中心周波数ｆ_{ｔａｒｇｅｔ}の推定には公知の技術が使用されればよい。例えば、中心周波数推定部３６は、受信信号に対してフーリエ変換を実行することによって、スペクトルを生成する。中心周波数推定部３６は、スペクトルとしきい値とを比較し、電力がしきい値よりも大きくなる周波数の最小値（以下、「ｆｍｉｎ」という）と、電力がしきい値よりも大きくなる周波数の最大値（以下、「ｆｍａｘ」という）を検出する。なお、ｆｍｉｎとｆｍａｘの間の周波数において、電力はしきい値よりも大きくなっているとする。中心周波数推定部３６は、ｆｍａｘからｆｍｉｎを減算した結果を帯域幅とする。中心周波数推定部３６は、ｆｍｉｎとｆｍａｘと間の中心の周波数を中心周波数ｆ_{ｔａｒｇｅｔ}とする。中心周波数推定部３６は、推定した中心周波数ｆ_{ｔａｒｇｅｔ}を周波数領域補間部４０に出力する。

到来方向推定部３８は、取得部３０からの受信信号を入力したタイミングにおいて処理を開始する。なお、これまでの到来方向推定において、アンテナ１２の間隔は、グレーティングローブを避けるためにλ／２に設定される。発信源推定システム１００は、広い範囲の周波数に対応すべきであるので、異なったアンテナ１２の間隔を有した複数のアレイを備えることが好ましい。しかしながら、そのような構成では、コストが増加し、実現性が低くなる。そのため、ここでは、すべての周波数に対して１つのアレイの配置が使用される。アンテナ１２の間隔よりも波長が十分に小さくなる場合であっても、グレーティングローブの影響を低減するために、到来方向推定部３８は、複数の中心周波数に対する学習位置指紋を同時に使用する。

到来方向推定部３８は、さまざまな到来方向θに対して、記憶部３４に記憶した位置指紋データベースの学習位置指紋のレプリカ（以下、「レプリカ位置指紋」という）を次のように生成する。なお、レプリカは疑似信号に相当する。

ここで、Ａ_ｐ（ｆ，θ）は、アレイ応答であり、理想的な一様円形状アレイ（ＵＣＡ）、利用的な一様直線状アレイ（ＵＬＡ）に対して次のように示される。

ここで、ｒはＵＣＡのアレイ半径であり、ｄはアンテナ１２の間隔である。

到来方向推定部３８は、次のように、レプリカ位置指紋と学習位置指紋との間の二乗誤差が最小になるような到来方向を推定する。その際、複数の中心周波数に対する学習位置指紋が同時に使用される。

このような処理は、センサ１０毎に、すべての学習地点に対して実行される。つまり、到来方向推定部３８は、各学習地点に対するアレイ応答のアンテナ１２間の相互相関と、記憶部３４に記憶した位置指紋データベースでの相互相関との差の２乗値をセンサ１０内の複数のアンテナ１２と複数の中心周波数とにわたって積算することによって、各学習地点に対する到来方向をセンサ１０毎に推定する。到来方向推定部３８は、到来方向を周波数領域補間部４０に出力する。

なお、周波数が高くなると伝搬損失が大きくなるので、学習位置指紋に含まれる雑音が大きくなる。学習位置指紋のＳＮＲ（Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ）がしきい値以下である場合、到来方向推定部３８は、到来方向推定の前に当該学習位置指紋を除外する。

周波数領域補間部４０は、中心周波数推定部３６から中心周波数ｆ_{ｔａｒｇｅｔ}を入力し、到来方向推定部３８から到来方向を入力する。周波数領域補間部４０は、中心周波数ｆ_{ｔａｒｇｅｔ}と到来方向とをもとに、次のように位置指紋（以下、「参照用位置指紋」という）を導出する。

このような処理は、センサ１０毎に、すべての学習地点に対して実行される。つまり、周波数領域補間部４０は、到来方向と中心周波数ｆ_{ｔａｒｇｅｔ}とをもとに、各学習地点に対するアレイ応答のアンテナ１２間の相互相関をセンサ１０毎に導出する。これは、周波数領域において位置指紋を補間することに相当する。式（４）、式（５）によると、位置指紋は周波数の関数である。そのため、位置指紋に対する周波数領域の補間が必要になる。周波数に対してプロットした場合、位置指紋の位相は直線になり、その傾斜は支配的な経路の到来方向に依存する。位置指紋の位相の周期的な性質により、簡易な線形回帰を使用して直線を推定することは困難である。そのため、周波数領域補間部４０では、ＬＯＳ（Ｌｉｎｅ Ｏｆ Ｓｉｇｈｔ）あるいは支配的な経路の到来方向の知識を使用する。周波数領域補間部４０は、導出した参照用位置指紋を参照用位置指紋重み付け部４２に出力する。

参照用位置指紋重み付け部４２は、周波数領域補間部４０から参照用位置指紋を入力する。参照用位置指紋重み付け部４２は、アンテナ１２間の相関係数を重み係数とする。ここでは、直達波あるいは卓越波が存在する場合、相関係数≒１となり、直達波あるいは卓越波が存在しない場合、相関係数<１となる。しかしながら、アンテナ１２の間隔に対して波長が長すぎると、相関係数が常に１になる。そのため、参照用位置指紋重み付け部４２は、波長がアンテナ１２の間隔より十分小さい場合のみ、重み係数を使用し、それ以外の場合に重み係数を１とする。そのため、重み係数は、次のように示される。

ここで、｜Ｎ｜は、集合Ｎの要素数を示し、Ｎ＝｛ｎ｜ｆ_ｎ≧ｃ／４ｄ｝である。参照用位置指紋重み付け部４２は、重み係数によって参照用位置指紋を次のように重み付けする。

つまり、参照用位置指紋重み付け部４２は、中心周波数ｆ_{ｔａｒｇｅｔ}に応じて、周波数領域補間部４０において導出した相互相関を重み付けする。参照用位置指紋重み付け部４２は、重み付けた参照用位置指紋（以下、これもまた「参照用位置指紋」という）を空間領域補間部４４に出力する。

空間領域補間部４４は、参照用位置指紋重み付け部４２から参照用位置指紋を入力する。空間領域補間部４４は、参照用位置指紋に対して空間補間を実行する。空間補間によって、トレーニング段階において使用されていない学習地点における参照用位置指紋が推定される。これにより、学習地点の数が増加するとともに、参照用位置指紋の空間的な密度が増加する。なお、空間補間によって増加した学習地点もまた学習地点という。つまり、空間領域補間部４４は、周波数領域補間部４０において導出した相互相関に対して空間補間を実行し、空間補間によって学習地点の数が増加した相互相関を生成する。

図４は、空間領域補間部４４の構成を示す。空間領域補間部４４は、実部抽出部６０、実部補間部６２、虚部抽出部６４、虚部補間部６６、合成部６８を含む。実部抽出部６０は、参照用位置指紋の実部を抽出し、参照用位置指紋の実部を実部補間部６２に出力する。実部補間部６２は、複数の参照用位置指紋の実部をもとに、空間補間、例えば、線形補間を実行することによって、新たな学習地点に対する参照用位置指紋の実部を導出する。実部補間部６２は、導出した参照用位置指紋の実部を合成部６８に出力する。虚部抽出部６４、虚部補間部６６は、参照位置指紋の虚部に対して、実部抽出部６０、実部補間部６２と同様の処理を実行する。合成部６８は、実部補間部６２において導出した参照用位置指紋の実部と、虚部補間部６６において導出した参照用位置指紋の虚部とを合成することによって、新たな学習地点に対する参照用位置指紋を導出する。図２に戻る。空間領域補間部４４は、空間補間した新たな参照用位置指紋（以下、これもまた「参照用位置指紋」という）をパターンマッチング部５０に出力する。

ターゲット位置指紋導出部４６は、取得部３０からの受信信号を入力する。ターゲット位置指紋導出部４６は、学習位置指紋と同様の処理を実行することによって、受信信号に対する位置指紋（以下、「ターゲット位置指紋」という）を導出する。このような処理は、センサ１０毎に実行される。つまり、ターゲット位置指紋導出部４６は、取得部３０において取得した受信信号のアンテナ１２間の相互相関をセンサ１０毎に導出する。ターゲット位置指紋導出部４６は、ターゲット位置指紋をターゲット位置指紋重み付け部４８に出力する。

ターゲット位置指紋重み付け部４８は、ターゲット位置指紋導出部４６からのターゲット位置指紋を入力する。ターゲット位置指紋重み付け部４８は、参照用位置指紋重み付け部４２と同様の処理を実行することによって、ターゲット位置指紋を重み付けする。重み付けしたターゲット位置指紋（以下、これもまた「ターゲット位置指紋」という）は、次のように示される。

ここで、重み係数は次のように示される。

このような処理は、センサ１０毎に実行される。つまり、ターゲット位置指紋重み付け部４８は、中心周波数ｆ_{ｔａｒｇｅｔ}に応じて、ターゲット位置指紋導出部４６において導出した相互相関を重み付けする。ターゲット位置指紋重み付け部４８は、ターゲット位置指紋をパターンマッチング部５０に出力する。

パターンマッチング部５０は、空間領域補間部４４からの参照用位置指紋を入力するとともに、ターゲット位置指紋重み付け部４８からのターゲット位置指紋を入力する。パターンマッチング部５０は、学習地点毎に、参照用位置指紋とターゲット位置指紋との差の２乗値をセンサ１０内の複数のアンテナ１２と複数のセンサ１０とにわたって積算する。パターンマッチング部５０は、積算結果が最小となる場合の学習地点を、未知の発信源が配置された位置として推定する。この処理は、次のように示される。

ここで、Ｎ_ｒｘは、センサ１０の数を示す。未知の発信源が配置された位置は、次のように示される。パターンマッチング部５０は、推定した位置を出力する。

この構成は、ハードウエア的には、任意のコンピュータのＣＰＵ、メモリ、その他のＬＳＩで実現でき、ソフトウエア的にはメモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、ハードウエアとソフトウエアの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。

本発明の実施例によれば、アンテナ間の相互相関をもとに、学習位置指紋、参照用位置指紋、ターゲット位置指紋を生成するので、チャネルインパルス応答が不明であっても、未知の発信源の位置を簡易に推定できる。また、レプリカ位置指紋と学習位置指紋との差の２乗値をセンサ内の複数のアンテナと複数の中心周波数とにわたって積算することによって到来方向を推定するので、中心周波数が不明であっても、未知の発信源の位置を簡易に推定できる。また、到来方向と中心周波数とをもとに参照用位置指紋を導出するので、位置指紋に対する周波数領域の補間を実行できる。

また、位置指紋に対する周波数領域の補間が実行されるので、参照用位置指紋の導出精度を向上できる。また、参照用位置指紋の導出精度が向上するので、未知の発信源の位置の推定精度を向上できる。また、参照用位置指紋とターゲット位置指紋に対する重み付けを実行するので、激しいマルチパス・フェージングによる周波数補間の誤差の影響を低減でき、ＬＯＳ地点とＮＬＯＳ地点を判別するための付加情報が加わることにより、推定精度を向上できる。また、参照用位置指紋に対する空間補間を実行するので、学習地点を増加できる。また、学習地点が増加するので、未知の発信源の位置の推定精度を向上できる。

以上、本発明を実施例をもとに説明した。この実施例は例示であり、それらの各構成要素の組合せにいろいろな変形例が可能なこと、またそうした変形例も本発明の範囲にあることは当業者に理解されるところである。

本発明の実施例において、発信源推定装置２０は、参照用位置指紋重み付け部４２における重み付け、空間領域補間部４４における空間補間、ターゲット位置指紋重み付け部４８における重み付けを実行している。しかしながらこれに限らず例えば、空間領域補間部４４における空間補間が省略されてもよい。また、参照用位置指紋重み付け部４２における重み付け、ターゲット位置指紋重み付け部４８における重み付けが省略されてもよい。本変形例によれば、処理を簡易にできる。

本発明の実施例において、位置指紋データベースにおける学習位置指紋は、実際に受信したトレーニング信号をもとに生成されている。しかしながらこれに限らず例えば、位置指紋データベースにおける学習位置指紋は、地形データや建物データを用いたレイトレースシミュレーションによって生成されてもよい。本変形例によれば、トレーニング信号を送信不可能な状況においても、位置指紋データベースにおける学習位置指紋を生成できる。

１０ センサ、 １２ アンテナ、 ２０ 発信源推定装置、 ３０ 取得部、 ３２ 学習位置指紋導出部、 ３４ 記憶部、 ３６ 中心周波数推定部、 ３８ 到来方向推定部、 ４０ 周波数領域補間部、 ４２ 参照用位置指紋重み付け部、 ４４ 空間領域補間部、 ４６ ターゲット位置指紋導出部、 ４８ ターゲット位置指紋重み付け部、 ５０ パターンマッチング部、 ６０ 実部抽出部、 ６２ 実部補間部、 ６４ 虚部抽出部、 ６６ 虚部補間部、 ６８ 合成部、 １００ 発信源推定システム。

Claims (4)

1. 複数のアンテナを有するセンサを複数接続する発信源推定装置であって、
   複数の学習地点のそれぞれから送信された送信信号に対する相互相関であって、かつ各センサにおける受信信号のアンテナ間の相互相関が、互いに異なった中心周波数毎にまとめられた位置指紋データベースを記憶する記憶部と、
   未知の発信源から送信された送信信号が、複数のセンサの前記複数のアンテナのそれぞれにおいて受信されており、前記複数のセンサのそれぞれから各アンテナでの受信信号を取得する取得部と、
   前記取得部において取得した受信信号の中心周波数を推定する中心周波数推定部と、
   前記取得部において取得した受信信号のアンテナ間の相互相関をセンサ毎に導出するターゲット位置指紋導出部と、
   前記取得部において受信信号を受信した場合、各学習地点に対するアレイ応答のアンテナ間の相互相関と、前記記憶部に記憶した位置指紋データベースでの相互相関との差の２乗値をセンサ内の複数のアンテナと複数の中心周波数とにわたって積算することによって、各学習地点に対する到来方向をセンサ毎に推定する到来方向推定部と、
   前記到来方向推定部において推定した到来方向と、前記中心周波数推定部において推定した中心周波数とをもとに、各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出する周波数領域補間部と、
   前記周波数領域補間部において導出した相互相関と、前記ターゲット位置指紋導出部において導出した相互相関との差の２乗値をセンサ内の複数のアンテナと複数のセンサとにわたって積算し、積算結果が最小となる場合の学習地点を、前記未知の発信源が配置された位置として推定するパターンマッチング部と、
   を備えることを特徴とする発信源推定装置。
2. 前記中心周波数推定部において推定した中心周波数に応じて、前記ターゲット位置指紋導出部において導出した相互相関を重み付けし、前記ターゲット位置指紋導出部において導出した相互相関として、重み付けた相互相関を出力するターゲット位置指紋重み付け部と、
   前記中心周波数推定部において推定した中心周波数に応じて、前記周波数領域補間部において導出した相互相関を重み付けし、前記周波数領域補間部において導出した相互相関として、重み付けた相互相関を出力する参照用位置指紋重み付け部とをさらに備えることを特徴とする請求項１に記載の発信源推定装置。
3. 前記周波数領域補間部において導出した相互相関に対して空間補間を実行し、前記周波数領域補間部において導出した相互相関として、空間補間によって学習地点の数が増加した相互相関を出力する空間領域補間部をさらに備えることを特徴とする請求項１または２に記載の発信源推定装置。
4. 複数のアンテナを有するセンサを複数接続する発信源推定装置における発信源推定方法であって、
   複数の学習地点のそれぞれから送信された送信信号に対する相互相関であって、かつ各センサにおける受信信号のアンテナ間の相互相関が、互いに異なった中心周波数毎にまとめられた位置指紋データベースを記憶するステップと、
   未知の発信源から送信された送信信号が、複数のセンサの前記複数のアンテナのそれぞれにおいて受信されており、前記複数のセンサのそれぞれから各アンテナでの受信信号を取得するステップと、
   取得した受信信号の中心周波数を推定するステップと、
   取得した受信信号のアンテナ間の相互相関をセンサ毎に導出するステップと、
   受信信号を受信した場合、各学習地点に対するアレイ応答のアンテナ間の相互相関と、記憶した位置指紋データベースでの相互相関との差の２乗値をセンサ内の複数のアンテナと複数の中心周波数とにわたって積算することによって、各学習地点に対する到来方向をセンサ毎に推定するステップと、
   推定した到来方向と、推定した中心周波数とをもとに、各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出するステップと、
   前記各学習地点に対するアレイ応答のアンテナ間の相互相関をセンサ毎に導出するステップにおいて導出した相互相関と、前記受信信号のアンテナ間の相互相関をセンサ毎に導出するステップにおいて導出した相互相関との差の２乗値をセンサ内の複数のアンテナと複数のセンサとにわたって積算し、積算結果が最小となる場合の学習地点を、前記未知の発信源が配置された位置として推定するステップと、
   を備えることを特徴とする発信源推定方法。

Images