JP2024008687A - 通信装置、制御方法、及び、プログラム - Google Patents

Abstract

【課題】 ＭＵ－ＭＩＭＯ通信において機械学習を用いて最適なユーザ選択を実現するためのデータ収集方法、学習データの使用方法を提供する。【解決手段】 チャネル行列情報、スループット情報、ＣＱＩ情報、通信時の遅延情報、通信時のパケットロス率情報、他の通信装置の位置情報、前記他の通信装置の数、前記他の通信装置から受信する電波強度、前記他の通信装置が示す周囲のＡＰの電波状況または周囲の通信状況、前記他の通信装置が対応する周波数帯やチャネル、周囲のＡＰのｃａｐａｂｉｌｉｔｙ情報、通信時の帯域幅、ＭＣＳ、所定の単位時間の間の前記情報のいずれかの情報の変動量、のうち一部あるいはすべての情報を学習データとして取得し、前記学習データを用いてＭＵ－ＭＩＭＯ通信におけるユーザ選択に関する情報を計算し、当該情報に基づいて前記他の通信装置とＭＵ－ＭＩＭＯ通信を実行する。【選択図】 図６

Description

本発明は、ＩＥＥＥ８０２．１１規格に準拠した通信装置に関する。

無線ＬＡＮ（Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、以下、ＷＬＡＮ）に関する通信規格としてＩＥＥＥ８０２．１１シリーズ規格が知られている。最新規格であるＩＥＥＥ８０２．１１ｂｅ規格ではＭｕｌｔｉ－Ｌｉｎｋ技術を用いて、高いピークスループットに加え、低遅延な通信を実現している（特許文献１）。

特開２０１８－５０１３３号公報

ＩＥＥＥ８０２．１１規格の後継規格では、ＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）やＭＬ（Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ）の導入が検討されている。

一方、ＩＥＥＥ８０２．１１シリーズ規格では、複数のアンテナを用いて通信を行うＭＩＭＯ（Ｍｕｌｔｉ Ｉｎｐｕｔ Ｍｕｌｔｉ Ｏｕｔｐｕｔ）という仕組みが用いられる。さらに、ＭＩＭＯを複数の端末に対して実行するための手法として、ＭＵ－ＭＩＭＯ（Ｍｕｌｔｉ Ｕｓｅｒ―ＭＩＭＯ）という仕組みが用いられる。

ＭＵ－ＭＩＭＯでは送信者が複数の受信者に対して、位相をずらした信号を同時に送信することで、複数の受信者に対して同時にＭＩＭＯ通信を実行することができる。またＭＩＭＯ通信において受信者が多数いる場合には、各受信者の伝搬路の状況に応じて、伝搬路の直行性が高い位相の割り当てをリアルタイムに選択して伝送するユーザ選択手法を行うこともできる。

当該ユーザ選択手法において、送信時に適用するユーザや通信パラメータの決定のために機械学習を用いることが考えられる。しかしながら従来、ＭＩＭＯ通信において適切なユーザ選択を推定する機械学習を実現するためのデータ収集方法、学習データの使用方法が存在しなかった。

上記課題を鑑み、本発明は、ＭＵ－ＭＩＭＯ通信において機械学習を用いて最適なユーザ選択を実現するためのデータ収集方法、学習データの使用方法を提供することを目的とする。

上記課題を鑑み、本発明の通信装置は、
チャネル行列情報、スループット情報、ＣＱＩ情報、通信時の遅延情報、通信時のパケットロス率情報、他の通信装置の位置情報、前記通信装置と接続を確立する前記他の通信装置の数、前記通信装置と接続を確立する前記他の通信装置から受信する電波強度、前記通信装置が接続する前記他の通信装置が示す周囲のＡＰの電波状況、前記通信装置が接続する前記他の通信装置が示す周囲の通信状況、前記通信装置が接続する前記他の通信装置が対応する周波数帯やチャネル、周囲のＡＰのｃａｐａｂｉｌｉｔｙ情報、通信時の帯域幅、変調方式を表すＭＣＳの情報、所定の単位時間の間の前記情報のいずれかの情報の変動量、のうち一部あるいはすべての情報を学習データとして取得する取得手段と、前記取得手段で取得した前記学習データを用いて、ＭＵ－ＭＩＭＯ通信におけるユーザ選択に関する情報を計算する計算手段と、前記計算手段で計算された前記ユーザ選択に関する情報に基づいて前記他の通信装置とＭＵ－ＭＩＭＯ通信を実行する実行手段と
を有する。

本発明によれば、ＭＵ－ＭＩＭＯ通信において機械学習を用いて最適なユーザ選択を実現するためのデータ収集方法、学習データの使用方法を提供する。

ネットワーク構成例を示す図である。 ＡＰ・ＳＴＡのハードウェア構成例を示す図である。 ＡＰ・ＳＴＡを含めた機能ブロック図である。 入力データ、学習モデル、出力データから成る学習モデルを利用した構造の概念図である。 本発明におけるシステムのフローを示す図である。 本発明におけるシステムのフローの変形例を示す図である。 本発明のＡＰにおけるフローチャートを示す図である。 本発明のデータ収集サーバにおけるフローチャートを示す図である。 本発明の推定サーバにおける学習フェーズでのフローチャートを示す図である。 本発明の推定サーバにおける推定フェーズでのフローチャートを示す図である。 本発明におけるＳＴＡ ｒｅｐｏｒｔ要求フレームの一例を示す図である。 本発明におけるＳＴＡ ｒｅｐｏｒｔ返答フレームの一例を示す図である。 本発明におけるＳＴＡ ｒｅｐｏｒｔの分類例を示す図である。

（実施形態１）
図１は、第一の実施形態にかかるネットワーク構成例を示す。図１の無線通信システムは、ＡＰ１０１と、ＳＴＡ１０２―１、ＳＴＡ１０２－２、データ収集サーバ１０５、推定サーバ１０６とを具備した無線ネットワークである。ＡＰ１０１は中継機能を有する点を除き、ＳＴＡと同様の機能を有するため、ＳＴＡの一形態である。

ＡＰ１０１は、ＩＥＥＥ８０２．１１規格の無線通信方式に従って、各ＳＴＡ１０２と通信する。ＡＰ１０２が送信する信号が到達する範囲を示した円１００の内部にあるＳＴＡがＡＰ１０１と通信可能である。本実施形態では、ＡＰ１０１と各ＳＴＡ１０２は、ＩＥＥＥ８０２．１１規格に従って通信する。ＡＰ１０１は、各ＳＴＡ１０２と所定のアソシエーションプロセス等を介して無線リンク１０３、１０４を確立する。なお、無線リンクは１本でも３本以上でもよい。

ＡＰ１０１はインターネットを介してデータ収集サーバ１０５および推定サーバ１０６と接続する。ＡＰ１０１とデータ収集サーバ１０５、推定サーバ１０６との接続はどのようなものであってもよい。またＳＴＡやＡＰの数は１以上であってもよい。

また、ＡＰ１０１とＳＴＡ１０２は、最大伝送速度４６．０８Ｇｂｐｓを目標とするＩＥＥＥ８０２．１１ｂｅ規格の後継規格であり、最大伝送速度として９０Ｇｂｐｓ－１００Ｇｂｐｓ超を目標とする後継規格に準拠した無線通信を実行可能に構成される。この当該８０２．１１ｂｅの後継規格では、高信頼通信や低レイテンシ通信のサポートなどを新たに達成すべき目標として掲げている。上記を踏まえ、本実施形態では、ＩＥＥＥ８０２．１１ｂｅの後継規格であり、最大伝送速度として９０Ｇｂｐｓ－１００Ｇｂｐｓ超を目標とする後継規格を、ＩＥＥＥ８０２．１１ＨＲ（Ｈｉｇｈ Ｒｅｌｉａｂｉｌｉｔｙ）と仮称する。

なお、ＩＥＥＥ８０２．１１ＨＲという名称は後継規格で達成すべき目標や当該規格で目玉となる特徴を踏まえて便宜上設けられたものであり、規格が確定した状態において別の名称となりうる。一方、本明細書及び添付の特許請求の範囲は、本質的には、８０２．１１ｂｅ規格の後継規格であって、無線通信をサポートしうるすべての後継規格に適用可能であることに留意されたい。

図２に、本発明におけるＡＰ・ＳＴＡのハードウェア構成を示す。ハードウェア構成の一例として、記憶部２０１、制御部２０２、機能部２０３、計算部２０４、入力部２０５、出力部２０６、通信部２０７、及びアンテナ２０８を有する。

記憶部２０１はＲＯＭやＲＡＭ等のメモリにより構成され、後述する各種動作を行うためのプログラムや、無線通信のための通信パラメータ等の各種情報を記憶する。なお、記憶部２０１として、ＲＯＭ、ＲＡＭ等のメモリの他に、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリカード、ＤＶＤなどの記憶媒体を用いてもよい。また、記憶部２０１が複数のメモリ等を備えていてもよい。

制御部２０２は、例えばＣＰＵやＭＰＵ等のプロセッサ、ＡＳＩＣ（特定用途向け集積回路）、ＤＳＰ（デジタルシグナルプロセッサ）、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）等により構成される。ここで、ＣＰＵはＣｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの、ＭＰＵは、Ｍｉｃｒｏ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの頭字語である。記憶部２０１に記憶されたプログラムを実行することにより、ＡＰを制御する。なお、制御部２０２は、記憶部２０１に記憶されたプログラムとＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）との協働により、ＡＰを制御するようにしてもよい。また、制御部２０２がマルチコア等の複数のプロセッサから成り、ＡＰを制御するようにしてもよい。

また、制御部２０２は、機能部２０３を制御して、ＡＰ機能、撮像や印刷、投影等の所定の処理を実行する。機能部２０３は、ＡＰが所定の処理を実行するためのハードウェアである。

計算部２０４は、例えばＧＰＵやＴＰＵなどのプロセッサ、ＡＳＩＣ（特定用途向け集積回路）、ＤＳＰ（デジタルシグナルプロセッサ）、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）等により構成される。機械学習したものの推定演算や、機械学習自体を演算するためのハードウェアである。ここで、ＧＰＵはＧｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ、ＴＰＵはＴｅｎｓｏｒ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの頭文字である。これらのプロセッサは制御部２０２と共同で演算を行うため、一部演算を共有してもよい。ＧＰＵはデータをより多く並列処理することで効率的な演算を行うことができるので、ディープラーニングのような学習モデルを用いて複数回にわたり学習を行う場合にはＧＰＵで処理を行うことが有効である。そこで本実施例では推定サーバの学習部による処理には制御部２０２に加えて計算部２０４にＧＰＵを用いる。具体的には学習モデルを含む学習プログラムを実行する場合に、制御部２０２または計算部２０４が協働して演算を行うことで学習を行う。なお、学習部の処理は制御部２０２または計算部２０４のみにより演算が行われてもよい。また推定部も学習部と同様に計算部２０４を用いてもよい。

図１の例では、ＡＰ１０１とは別途、機械学習に用いるデータ収集サーバ、推定サーバを用意する例を示したが、ＡＰ１０１やＳＴＡ１０２自身が機械学習を行っても良い。

入力部２０５は、ユーザからの各種操作の受付を行う。出力部２０６は、ユーザに対して各種出力を行う。ここで、出力部２０６による出力とは、画面上への表示や、スピーカによる音声出力、振動出力等の少なくともひとつを含む。なお、タッチパネルのように入力部２０５と出力部２０６の両方を１つのモジュールで実現するようにしてもよい。

通信部２０７は、ＩＥＥＥ ８０２．１１ ＨＲ規格に準拠した無線通信データの符号化・復号化・変復調の処理や、Ｗｉ－Ｆｉに準拠した無線通信の制御や、ＩＰ（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）通信の制御をおこなう。さらに、通信部２０７はアンテナ２０８を制御して、無線通信のための無線信号の送受信を行う。

また、機械学習に用いるデータ収集サーバ、推定サーバを、ＡＰ１０１やＳＴＡ１０２と別に用意する場合、当該サーバは所謂ノイマン型のコンピュータで構成される。より具体的には、サーバは制御部２０４に相当する１以上のメモリ及び１以上のプロセッサと、計算部２０４に相当するＧＰＵやＴＰＵ等の演算リソースを有する。この場合、サーバのＧＰＵやＴＰＵは、機械学習した結果を用いた推定演算や、機械学習自体を演算するためのハードウェアとして動作する。

図３に、本発明における学習システムの機能ブロックを示す。

ＳＴＡ１０２はデータ送受信部３１２を有し、通信部２０７で収集した周囲の情報や自身の情報および記憶部２０１に蓄積した情報について通信部２０７およびアンテナ２０８を通して送受信する。データ記憶部３１１は記憶部２０１を使用する。

ＡＰ１０１はＳＴＡ１０２が送信するデータを受け取るデータ送受信部３０３を持っており、ここでＡＰ１０１からＳＴＡ１０２へのデータ送信も行う。これらは通信部２０７やアンテナ２０８を用いる。このほか、データを記憶するデータ記憶部３０１を記憶部２０１に持っている。また、記憶部２０１および制御部２０２を展開し、通信関連データ管理部３０２を持つ。通信関連データ管理部３０２はデータ収集サーバや推定サーバと連携し、学習に必要な入力データの送信や、推定結果の受信およびその要求などを通信する。

データ収集サーバはＡＰ１０１や他のＡＰから収集したデータをデータ記憶部３２１に蓄積する。また必要に応じて推定サーバに蓄積したデータをデータ収集／提供部３２２を使って送信する。

推定サーバはデータ収集サーバから得た入力情報及び結果データを受信し、学習データ生成部３３２および学習部３３３を使って学習モデルを生成する。生成した学習モデルはデータ記憶部３３１に記憶する。ＡＰ１０１から推定値の要求があれば、推定部３３４にて学習結果を用いて推定値を演算し、結果をＡＰ１０１に返す。

なお、受け取った入力・出力データを元に学習モデルを生成したら、ＡＰ１０１に学習モデルごと送信してもよい。

図４は本実施形態の学習モデルを用いた入出力の構造を示す概念図である。

学習モデルの入力データとしては例えば、過去のチャネル行列情報、スループット情報、ＣＱＩ情報、通信時の遅延情報、通信時のパケットロス率情報、ＳＴＡの位置情報、ＡＰが接続するＳＴＡ数、自身が接続するＳＴＡから受信する電波強度が挙げられる。ここでＣＱＩは、Ｃｈａｎｎｅｌ Ｑｕａｌｉｔｙ Ｉｎｄｉｃａｔｏｒの略である。また学習モデルの入力データとして、ＡＰが接続するＳＴＡが示す周囲のＡＰの電波状況や周囲の通信状況、ＡＰが接続するＳＴＡの対応する周波数帯やチャネル、周囲のＡＰのｃａｐａｂｉｌｉｔｙ情報、通信時の帯域幅、変調方式を表すＭＣＳなどが含まれてよい。ここでＭＣＳはＭｏｄｕｌａｔｉｏｎ ａｎｄ Ｃｏｄｉｎｇ Ｓｃｈｅｍｅの略である。あるいは、入力データとして例えば、アプリケーションの要求する通信スループットや通信遅延を用いてもよい。あるいは、入力データとして、上述の情報に関してある時刻を基準とした所定の単位時間の間における変動量、すなわち上述の情報の時系列データを用いても良い。データセットは例えば表１のようなものが考えられる。

ＳＴＡの位置情報は、ＡＰ１０１との相対的な距離および周囲のＡＰとの距離情報でもよいし、ＧＰＳで取得した位置情報などでもよい。例えば、Ｎ３５°２１．６３６‘、Ｅ１３８°４３．６４０’、標高３７７５．６ｍなどの情報でもよい。また、現時点だけでなく、過去時点の所定の単位時間の間の移動データとしてもよい。あるいは、移動方向や移動速度といった情報であってもよい。周囲のＡＰとＡＰ１０１との位置関係は、ＡＰ１０１と近い位置、例えば５０ｍ以内にあるＡＰを抽出し、各ＡＰとの相対距離や位置関係としてもよい。もしくはＡＰ１０１が配置された場所の近くにある壁との距離などの情報であってもよい。周囲のＡＰの候補としては例えばＳＴＡの位置情報で取得した座標に近い上位５つのＡＰとしてもよい。ＳＴＡの位置情報から予測される５分後のＳＴＡ位置情報としてもよい。もしくは、ＡＰ１０１やＳＴＡ１０２が実際に電波を受信できているＡＰとしてもよい。その場合、ＡＰ１０１やサーバにて候補全てのうち、同じＥＳＳＩＤで動作するＡＰに絞ってもよい。

アプリケーションの要求する通信スループットおよび通信遅延は具体的数値であっても良いし、段階的なものであってもよい。通信遅延についても同様に具体的数値であっても良いし、段階的なものであっても良い。

過去のユーザ選択の結果は、学習時の結果データとして学習させたり、強化学習の報酬として利用したりしても良い。ユーザ選択の実施時に、通信スループットが上がったり通信遅延が下がったりした場合にユーザ選択が成功したと考え、そのユーザ選択を推奨あるいは報酬が高く設定されるように設計しても良い。ユーザ選択を推奨する指標としては、どちらか片方のみを考慮しても良いし、電波強度など異なる指標を使用しても良い。

学習の結果としては、ユーザ選択時に推定できる通信スループットや推定通信遅延の材料として用いる。ユーザ選択後の推定値と、現在の実データを比較し、ユーザ選択結果の良否を決定しても良い。現在より値に向上が見られると判断した場合、ユーザ選択結果を推奨する。また、この結果を学習用のデータとして蓄積しても良い。

なお、機械学習の具体的なアルゴリズムとしては、最近傍法、ナイーブベイズ法、決定木、サポートベクターマシンなどが挙げられる。あるいは、モンテカルロ法などの強化学習手法を用いても良い。また、ニューラルネットワークを利用して、学習するための特徴量、結合重み付け係数を自ら生成する深層学習（ディープラーニング）も挙げられる。あるいは、適宜、上記アルゴリズムのうち利用できるものを用いて本実施形態に適用することができる。

図５は図４で示した学習モデルの構造を利用した本発明を適用できるシステムの動作を説明する図である。

まず、ＡＰ１０１からＳＴＡ１０２にＳＴＡデータのレポートを要求する（Ｓ５０１）。ここで要求するＳＴＡデータとは、ＳＴＡの周囲の環境や位置情報など図４で示した学習や推定に使用する入力データに用いる情報である。例えば、ＳＴＡの位置情報、電波受信できた周囲のＡＰおよびその電波強度、Ｃａｐａｂｉｌｉｔｙ情報、ＡＰ１０１の電波受信強度などがある。

ＳＴＡの１０２は、ＡＰ１０１から要求への返答として、ＳＴＡデータのレポートを送信する（Ｓ５０２）。

図１１、図１２に、ＳＴＡデータの収集について要求・応答する際に使用される新規に定義されたフレームの一例を示す。本実施形態ではＳ５０１でＳＴＡデータのレポートを要求する際に新規に定義したＳＴＡ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔを送信する。またＳＴＡ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔに対する応答としてＳＴＡ Ｒｅｐｏｒｔ Ｒｅｓｐｏｎｓｅを新たに定義する。

Ｓ５０１の要求フレームはＣａｔｅｇｏｒｙ１１０１、Ｒａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎ１１０２、Ｎｕｍｂｅｒ ｏｆ Ｒｅｐｅｔｉｔｉｏｎｓ１１０４、ＳＳＩＤ１１０５、ＳＴＡ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔ Ｅｌｅｍｅｎｔｓ１１０６を含む。

Ｃａｔｅｇｏｒｙ１１００には当該フレームがＡｃｔｉｏｎフレームであることを示す情報が格納される。ＩＥＥＥ８０２．１１規格ではＡｃｔｉｏｎフレームを示す情報として「５」が格納されることが規定されている。

Ｒａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎ１１０２には、図１３に示す値が格納される。当該フィールドでは、図１３に示す何れか種類の情報を求めているかを示す。機械学習について必要な情報を求める場合、当該フィールドに６を格納してＳＴＡ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔであることを示す。

Ｎｕｍｂｅｒ ｏｆ Ｒｅｐｅｔｉｔｉｏｎｓ１１０４は、何回繰り返してレポートしてほしいかを示す値が格納される。

ＳＳＩＤ１１０５は当該フレームを送信する装置がレポートしてほしいＡＰのＳＳＩＤを示す。

ＳＴＡ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔ Ｅｌｅｍｅｎｔｓ１１０６は、これからＳＴＡ１０２に応答してほしい情報の種類を示す。例えばＳＴＡの位置情報と周囲のＡＰのうち電波受信できているものの情報、および周囲のＡＰのＣａｐａｂｉｌｉｔｙ情報を受け取りたい場合はそれに該当するビットを１にして要求する。なお、Ｓ５０１で送信される要求は、例えばＩＥＥＥ ８０２．１１ｋで規定されているＲａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎフレームを用いてもよい。Ｒａｄｉｏ Ｍｅａｒｕｒｅｍｅｎｔ Ａｃｔｉｏｎフレームの一例としてＲａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ｒｅｑｕｅｓｔ、Ｌｉｎｋ Ｍｅａｓｕｒｅｍｅｎｔ Ｒｅｑｕｅｓｔ、Ｎｅｉｇｈｂｏｒ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔなどを用いてもよい。

Ｓ５０２の応答フレームは図１２に示すようにＣａｔｅｇｏｒｙ１２０１、Ｒａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎ１２０２、Ｎｕｍｂｅｒ ｏｆ Ｒｅｐｅｔｉｔｉｏｎｓ１２０４、ＳＴＡ Ｒｅｐｏｒｔ Ｅｌｅｍｅｎｔｓ１２０５を含む。

Ｃａｔｅｇｏｒｙ１２０１に格納される情報は図１１に示すものと同様であるため説明は省略する。

Ｒａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎ１２０２にはＳＴＡ Ｒｅｐｏｒｔ Ｒｅｑｕｅｓｔに対する応答であるＳＴＡ Ｒｅｐｏｒｔ Ｒｅｓｐｏｎｓｅであることを示すために、当該フィールドに７を格納する。

Ｎｕｍｂｅｒ ｏｆ Ｒｅｐｅｔｉｔｉｏｎｓ１２０４、ＳＴＡ Ｒｅｐｏｒｔ Ｅｌｅｍｅｎｔｓ１２０５に関しても図１１と同様であるため説明は省略する。

ＳＴＡ Ｒｅｐｏｒｔ Ｅｌｅｍｅｎｔｓ１２０５では要求された情報に合致する情報を付与して送信する。尚、Ｓ５０２で送信するレポートとして例えばＲａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎフレームを用いてもよい。Ｒａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ａｃｔｉｏｎフレームの一例としてＲａｄｉｏ Ｍｅａｓｕｒｅｍｅｎｔ Ｒｅｐｏｒｔ、Ｌｉｎｋ Ｍｅａｓｕｒｅｍｅｎｔ Ｒｅｐｏｒｔ、Ｎｅｉｇｈｂｏｒ Ｒｅｐｏｒｔ Ｒｅｓｐｏｎｓｅなどを用いてもよい。

図５の説明に戻る。上記のようにしてＡＰ１０１はＳＴＡ１０２から情報を集めると、自身が測定したデータを含めたものをメタデータとして推定サーバ１０６に送信する（Ｓ５０３）。推定サーバ１０６は入力データからユーザ選択をした際の通信スループットや通信遅延の推定値をＡＰ１０１に返信する（Ｓ５０４）。ＡＰ１０１は受信した推定値および現在の実測値を元に、ユーザ選択を決定する。ここで決定されたユーザ選択をもとに、各ＳＴＡ１０２に対してＭＵ－ＭＩＭＯ（Ｍｕｌｔｉ－Ｕｓｅｒ Ｍｕｌｔｉ Ｉｎｐｕｔ Ｍｕｌｔｉ Ｏｕｔｐｕｔ）通信を行う。

また、本実施形態ではＳＴＡデータｒｅｐｏｒｔ要求やＳＴＡデータｒｅｐｏｒｔ送信によって機械学習に用いる情報を取得する方法を示したが、これに限定されない。例えば、ＭＵ－ＭＩＭＯにおけるチャネルサウンディングやキャリブレーションを実施して、そこで送受信する情報を機械学習に用いても良いし、機械学習の結果とともにその情報を用いてユーザ選択を実施しても良い。また、ＩＥＥＥ８０２．１１規格で既に規定されているＨＴ ＡｃｔｉｏｎフレームのＭＩＭＯ Ｃｏｎｔｒｏｌ ｆｉｅｌｄを通信することにより、機械学習に用いる情報を取得しても良く、機械学習の結果とともに当該情報を用いてユーザ選択を実施しても良い。上記例ではＨＴ Ａｃｔｉｏｎフレームを用いたが、ＩＥＥＥ８０２．１１規格で既に規定されているＶＨＴ ＡｃｔｉｏｎフレームのＶＨＴ ＭＩＭＯ Ｃｏｎｔｒｏｌ ｆｉｅｌｄ、ＥＨＴ ＡｃｔｉｏｎフレームのＥＨＴ ＭＩＭＯ Ｃｏｎｔｒｏｌ ｆｉｅｌｄを用いてもよい。

例として、図６にチャネルサウンディングを行う場合のシステムの動作を示す。まず、ＡＰ１０１からＳＴＡ１０２－１にＮＤＰ Ａｎｎｏｕｎｃｅｍｅｎｔを送信する（Ｓ６０１）。ＳＴＡ１０２－１は、ＡＰ１０１からの要求への応答として、Ｃｏｍｐｒｅｓｓｅｄ Ｂｅａｍｆｏｒｍｉｎｇを送信する（Ｓ６０２）。Ｃｏｍｐｒｅｓｓｅｄ Ｂｅａｍｆｏｒｍｉｎｇを受け取ったＡＰ１０１は、ＳＴＡ１０２－２にＢｅａｍｆｏｒｍｉｎｇ Ｒｅｐｏｒｔ Ｐｏｌｌを送信する（Ｓ６０３）。ＳＴＡ１０２－２は、ＡＰ１０１からのこの要求への返答として、Ｃｏｍｐｒｅｓｓｅｄ Ｂｅａｍｆｏｒｍｉｎｇを送信する（Ｓ６０４）。ＭＩＭＯ通信を行う対象のＳＴＡからＣｏｍｐｒｅｓｓｅｄ Ｂｅａｍｆｏｒｍｉｎｇを受け取ったＡＰ１０２は、自身が測定したデータを含めたものをメタデータとして推定サーバ１０６に送信する（Ｓ６０５）。推定サーバ１０６は入力データからユーザ選択をした際の通信スループットや通信遅延の推定値をＡＰ１０１に返信する（Ｓ６０６）。ＡＰ１０１は受信した推定値および現在の実測値を元に、通信する相手装置であるユーザ選択を決定する。ここで決定されたユーザ選択をもとに、各ＳＴＡ１０２に対してＭＵ－ＭＩＭＯ通信を行う（Ｓ６０７）。

図７は学習および推定時に本発明のＡＰの記憶部２０１に記憶されているプログラムを制御部２０２が実行することによって行われる処理の流れを示すフローチャートである。この処理はＡＰ１０１がＳＴＡと接続開始後、一定間隔で開始する。ＡＰ１０１はＳＴＡ１０２に対してＳＴＡデータを要求する（Ｓ７０１）。これは図５のＳ５０１によって実現する。次に要求に対する応答を受信する（Ｓ７０２）。次に、Ｓ７０２で受信したＳＴＡデータにて推定サーバ１０６に対し、ユーザ選択の推定値を要求するかを判定する（Ｓ７０３）。Ｓ７０３において推定を要求しないと判定された場合、収集したメタデータをデータ収集サーバ１０５に送信する（Ｓ７０４）。Ｓ７０２において推定を要求すると判定された場合、メタデータのレポートを推定サーバ１０６に送信し（Ｓ７０５）、推定値に対する応答を受信する（Ｓ７０６）。Ｓ７０６で受信したユーザ選択結果に基づいてＭＵ－ＭＩＭＯ通信を開始する（Ｓ７０７）。

図８は学習および推定時のデータ収集サーバ１０５の処理の流れを示すフローチャートである。この処理はデータ収集サーバ１０５が常に実行している。

データ収集サーバ１０５はＡＰ１０１もしくは推定サーバ１０６からの要求を待ち受ける（Ｓ８０１）。Ｓ８０１において要求を受信すると、ＡＰからの要求であるか否かを判定する（Ｓ８０２）。すなわちＳ８０２では要求の送信元によって処理を変更する。Ｓ８０２において推定サーバ１０６からの要求であると判定された場合、学習のためのデータ一覧要求であると判断し、推定サーバに記録していたメタデータ一覧を送信する（Ｓ８０３）。Ｓ８０２においてＡＰ１０１からの要求であると判定された場合、データ収集サーバ１０５へのメタデータ記録要求であると判断し、メタデータを記憶する（Ｓ８０４）。なお、判断基準は送信元アドレスでなくともよい。例えば要求フレーム内部に、要求内容が記載されていてもよい。

図９は学習時の推定サーバ１０６の処理の流れを示すフローチャートである。

推定サーバの学習は、定期的に実施してもよいし、ＡＰ１０１から推定要求があった後、推定値を出力後に実施してもよい。

推定サーバ１０６は、メタデータ一覧をデータ収集サーバ１０５に対して要求する（Ｓ９０１）。続いてデータ収集サーバ１０６からメタデータ一覧を受信したら（Ｓ９０２）、時系列データからユーザ選択結果を選定する（Ｓ９０３）。なお、本実施例において結果データにはユーザ選択後の通信スループットおよびユーザ選択後の通信遅延が入っているものとするが、これ以外でもよい。例えばユーザ選択結果後の各ＳＴＡに対するＭＵ－ＭＩＭＯ通信のチャネル行列であっても良い。また、入力データとしては継続したある期間中の全データであってもよい。例えば過去１０分のデータについて、１分後ごとのデータをサンプリングし、集めたデータであってもよい。

ユーザ選択の結果やメタデータを学習モデルに入力し（Ｓ９０４）、学習を行う（Ｓ９０５）。当該処理を、学習データを入力し終えるまで繰り返す（Ｓ９０６）。

図１０は推定時の推定サーバ１０６の処理の流れを示すフローチャートである。本処理は常に実行するものを想定している。

推定サーバ１０６はまずＡＰ１０１から入力用のデータとユーザ選択推定値要求を受信したか否かを判定する（Ｓ１００１）。

Ｓ１００１において要求を受信したと判定された場合、入力データをもとに学習済みモデルに入力する（Ｓ１００２）。このとき、受信したメタデータが入力データの形式と異なる場合には、学習用データ生成部３３２を使って入力データの形式に変換する。

推定サーバ１０６は続いて学習モデルから推定値を取得する（Ｓ１００３）。取得した推定値をＡＰ１０１に返信する（Ｓ１００４）。

なお、図８の処理にて学習モデルを生成後、推定サーバからＡＰ１０１など対象となるＡＰすべてに学習モデルごと配布していてもよい。この場合、本図の処理はＡＰ１０１の内部で実施されることとなる。このとき、ＡＰ１０１はユーザ選択推定値を得た後、その推定値をもとにＭＵ－ＭＩＭＯ通信を行う。

以上のようにしてＩＥＥＥ８０２．１１規格で規定されたフレームを用いつつ、ＡＰは接続を確立しているＳＴＡの中からＡＩやＭＬを用いて適切なユーザ選択を行い、それに基づいてＭＵ－ＭＩＭＯ通信を実施することができる。

尚、ＩＥＥＥ８０２．１１ＨＲといった規格名称並びにＨＲ－ＳＩＧ、ＨＲ－ＳＴＦ、ＨＲ－ＬＴＦ等に代表される規格名称と同一文字列を含むフィールド名を構成する規格名称に相当する文字列の記載はこれに限定されるものではない。例えば、ＨＲＬ（Ｈｉｇｈ ＲｅＬｉａｂｉｌｉｔｙ）でもよい。また、ＨＲＷ（Ｈｉｇｈ Ｒｅｌｉａｂｉｌｉｔｙ Ｗｉｒｅｌｅｓｓ）でもよい。また、ＶＨＴ（Ｖｅｒｙ Ｈｉｇｈ Ｒｅｌｉａｂｉｌｉｔｙ）でもよい。また、ＥＨＲ（Ｅｘｔｒｅｍｅｌｙ Ｈｉｇｈ Ｒｅｌｉａｂｉｌｉｔｙ）でもよい。また、ＵＨＲ（Ｕｌｔｒａ Ｈｉｇｈ Ｒｅｌｉａｂｉｌｉｔｙ）でもよい。また、ＬＬ（Ｌｏｗ Ｌａｔｅｎｃｙ）でもよい。また、ＶＬＬ（Ｖｅｒｙ Ｌｏｗ Ｌａｔｅｎｃｙ）でもよい。また、ＥＬＬ（Ｅｘｔｒｅｍｅｌｙ Ｌｏｗ Ｌａｔｅｎｃｙ）でもよい。また、ＵＬＬ（Ｕｌｔｒａ Ｌｏｗ Ｌａｔｅｎｃｙ）でもよい。また、ＨＲＬＬ（Ｈｉｇｈ Ｒｅｌｉａｂｌｅ ａｎｄ Ｌｏｗ Ｌａｔｅｎｃｙ）でもよい。また、ＵＲＬＬ（Ｕｌｔｒａ－Ｒｅｌｉａｂｌｅ ａｎｄ Ｌｏｗ Ｌａｔｅｎｃｙ）でもよい。また、ＵＲＬＬＣ（Ｕｌｔｒａ－Ｒｅｌｉａｂｌｅ ａｎｄ Ｌｏｗ Ｌａｔｅｎｃｙ Ｃｏｍｍｉｎｉｃａｔｉｏｎｓ）でもよい。例えば、ＵＨＲとする場合、フィールド名も当該規格を模したＵＨＲ－ＳＩＧ、ＵＨＲ－ＳＴＦ、ＵＨＲ－ＬＴＦ等、規格名称に対応する文字列で構成されたフィールド名となる。また、その他の別の名称であってもよい。

尚、上述の機能を実現するソフトウェアのプログラムコードを記録した記録媒体をシステムあるいは装置に供給し、システムあるいは装置のコンピュータ（ＣＰＵ、ＭＰＵ）が記録媒体に格納されたプログラムコードを読み出し実行するようにしてもよい。この場合、記憶媒体から読み出されたプログラムコード自体が上述の実施形態の機能を実現することとなり、そのプログラムコードを記憶した記憶媒体は上述の装置を構成することになる。

プログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＤＶＤなどを用いることができる。

また、コンピュータが読み出したプログラムコードを実行することにより、上述の機能が実現されるだけでなく、そのプログラムコードの指示に基づき、コンピュータ上で稼動しているＯＳが実際の処理の一部または全部を行い、上述の機能を実現してもよい。ＯＳとは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略である。

さらに、記憶媒体から読み出されたプログラムコードを、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込む。そして、そのプログラムコードの指示に基づき、機能拡張ボードや機能拡張ユニットに備わるＣＰＵが実際の処理の一部または全部を行い、上述の機能を実現してもよい。

本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

Claims (4)

1. 通信装置であって、
   チャネル行列情報、スループット情報、ＣＱＩ（Ｃｈａｎｎｅｌ Ｑｕａｌｉｔｙ Ｉｎｄｉｃａｔｏｒ）情報、通信時の遅延情報、通信時のパケットロス率情報、前記通信装置と接続を確立する他の通信装置の位置情報、前記他の通信装置の数、前記他の通信装置から受信する電波強度、前記他の通信装置が示す周囲のＡＰの電波状況、前記他の通信装置が示す周囲の通信状況、前記他の通信装置が対応する周波数帯やチャネル、周囲のＡＰのｃａｐａｂｉｌｉｔｙ情報、通信時の帯域幅、変調方式を表すＭＣＳ（Ｍｏｄｕｌａｔｉｏｎ ａｎｄ Ｃｏｄｉｎｇ Ｓｃｈｅｍｅ）の情報、所定の単位時間の間の前記情報のいずれかの情報の変動量、のうち一部あるいはすべての情報を学習データとして取得する取得手段と、
   前記取得手段で取得した前記学習データを用いて、ＭＵ－ＭＩＭＯ（Ｍｕｌｔｉ－Ｕｓｅｒ Ｍｕｌｔｉ Ｉｎｐｕｔ Ｍｕｌｔｉ Ｏｕｔｐｕｔ）通信におけるユーザ選択に関する情報を計算する計算手段と、
   前記計算手段で計算された前記ユーザ選択に関する情報に基づいて前記他の通信装置とＭＵ－ＭＩＭＯ通信を実行する実行手段と
   を有することを特徴とする通信装置。
2. 前記情報はＩＥＥＥ８０２．１１規格に準拠したＡｃｔｉｏｎフレームによって通信されることを特徴とする請求項１に記載の通信装置。
3. 通信装置の通信方法であって、
   チャネル行列情報、スループット情報、ＣＱＩ情報、通信時の遅延情報、通信時のパケットロス率情報、前記通信装置と接続を確立する他の通信装置の位置情報、前記他の通信装置の数、前記他の通信装置から受信する電波強度、前記他の通信装置が示す周囲のＡＰの電波状況、前記他の通信装置が示す周囲の通信状況、前記他の通信装置が対応する周波数帯やチャネル、周囲のＡＰのｃａｐａｂｉｌｉｔｙ情報、通信時の帯域幅、変調方式を表すＭＣＳ、所定の単位時間の間の前記情報のいずれかの情報の変動量、のうち一部あるいはすべての情報を学習データとして取得する取得工程と、
   前記取得工程で取得した前記学習データを用いて、ＭＵ－ＭＩＭＯ通信におけるユーザ選択に関する情報を計算する計算工程と、
   前記計算工程で計算された前記ユーザ選択に関する情報に基づいて前記他の通信装置とＭＵ－ＭＩＭＯ通信を実行する実行工程と
   を有することを特徴とする通信装置の通信方法。
4. コンピュータを請求項１に記載の通信装置の各手段として機能させるためのプログラム。

Images