JP6439123B1 - 無線環境状況予測システム、無線環境状況予測方法、および、プログラム - Google Patents
無線環境状況予測システム、無線環境状況予測方法、および、プログラム Download PDFInfo
- Publication number
- JP6439123B1 JP6439123B1 JP2017204953A JP2017204953A JP6439123B1 JP 6439123 B1 JP6439123 B1 JP 6439123B1 JP 2017204953 A JP2017204953 A JP 2017204953A JP 2017204953 A JP2017204953 A JP 2017204953A JP 6439123 B1 JP6439123 B1 JP 6439123B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- unit
- wireless
- prediction
- channel
- 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.)
- Active
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
【課題】複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測する無線環境状況予測システムを実現する。【解決手段】無線環境状況予測システム１０００では、複数地点（無線装置Ａ１〜Ａ３が設置されている位置に相当する地点）で取得したデータに基づいて、予測処理（推論処理）を実行することができるので、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。【選択図】図１
Description
本発明は、複数の情報要素を用いた無線環境状況予測技術に関する。
Ｍａｃｈｉｎｅ−ｔｏ−Ｍａｃｈｉｎｅ（Ｍ２Ｍ）やＩｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇ（ＩｏＴ）に関する技術を用いて、例えば、工場の稼動状況の把握や制御、作業の管理等を効率良く行うシステムが開発されている。このようなシステムでは、例えば、工場での生産性を向上させるためにロボット、製造装置、工具などにセンサ等の機器を取り付け、当該機器により取得されたデータに基づいて、工場の稼動状況の把握や各装置・機器の制御、工場内の作業の管理等を行う。
上記のようなシステムにおいて、移動する機器への対応や配線の簡略化を実現するために、上記システムに用いられる機器の無線化が期待されている。その一方で、工場のような狭い空間では電波の干渉や反射、機器等の移動により無線環境が時々刻々と変動するため、無線通信が不安定化するという課題がある。
このような環境で安定した無線通信を実現するには、時々刻々変化する無線環境に応じて無線機器を適切に制御する必要がある。そのためには、伝搬状況や無線リソースの利用状況などの変動を高精度に予測する技術が必要となる。
例えば、非特許文献1には、無線チャネルのビジー／アイドル状態を、自己回帰モデルを用いて予測する技術の開示がある。非特許文献１の技術では、過去の所定期間の無線チャネルのビジー／アイドル状態を学習データとして自己回帰モデルを学習させ、学習済みの自己回帰モデルを用いて、高精度で将来の無線チャネル状態を予測することができる。非特許文献1の技術では、例えば、無線信号の反射波が一切存在しない無響室では、高精度で将来の無線チャネル状態を予測することができる。
Y. Hou, J. Webber, K. Yano, and T. Kumagai, "Channel busy/idle duration prediction using auto-regressive predictor for video and audio service over WLAN system," 2017年電子情報通信学会総合大会通信講演論文集1, p.483, B-5-147, March 2017.
しかしながら、非特許文献１の技術は、無線チャネルの状態の測定ポイントが１箇所であるため、例えば、無線信号の反射波が多い狭い空間では、高精度で将来の無線チャネル状態を予測することは困難である。無線信号の反射波が多い狭い空間では、当該空間内での物の移動等により無線環境が複雑に変化する。このような複雑に無線環境が変化する状況において、非特許文献１の技術のように、無線チャネルの状態の測定ポイントを１箇所とするシステムでは、十分な学習データ（過去の所定期間の無線チャネルのビジー／アイドル状態を示す学習データ）を取得することが難しく、その結果、精度の高い学習済み自己回帰モデルを取得することが困難である。したがって、複雑に無線環境が変化する状況において、高精度で将来の無線チャネル状態を予測することは困難である。
そこで、本発明は上記課題に鑑み、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測する無線環境状況予測システムを実現することを目的とする。
上記課題を解決するために、第１の発明は、所定の空間内の所定の位置にそれぞれ設置されたＮ個（Ｎ：自然数、Ｎ≧２）の無線通信装置である第１〜第Ｎ無線通信装置と、サーバとを含む無線環境状況予測システムである。
第１〜第Ｎ無線通信装置は、それぞれ、送信部と、受信部と、チャネル利用状況観測部と、チャネル状態データ取得部と、の第１インターフェース部と、を備える。
サーバは、第２インターフェース部と、予測部と、を備える。
送信部は、データに対して送信処理を実行することで無線信号を生成する。
受信部は、無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する。
チャネル利用状況観測部は、送信部および受信部の少なくとも一方を制御することで、無線信号の通信に使用されるチャネルの利用状況を観測する。
チャネル状態データ取得部は、送信部、受信部、および、チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において当該無線通信装置が設置されている地点の伝搬状況を示すデータおよび無線リソース利用状況を示すデータの少なくとも一方のデータを、チャネル状態データとして、取得する。
第１インターフェース部は、チャネル状態データ取得部により取得したチャネル状態データをサーバに送信するためのインターフェースである。
第２インターフェース部は、第１〜第Ｎ無線通信装置からのチャネル状態データを受信するためのインターフェースである。
予測部は、第２インターフェース部により受信した２つ以上のチャネル状態データに基づいて、第１〜第Ｎ無線通信装置が設置されている地点の将来のデータを予測する予測処理を実行する。
この無線環境状況予測システムでは、複数地点（第１〜第Ｎ無線通信装置が設置されている位置に相当する地点）で取得したデータに基づいて、予測処理（推論処理）を実行することができるので、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。
なお、「第１〜第Ｎ無線通信装置」という表記は、第１無線通信装置、第２無線通信装置、・・・、第k無線通信装置、・・・、第Ｎ無線通信装置の合計Ｎ個の無線通信装置を表す表記である。
なお、「第１〜第Ｎ無線通信装置」という表記は、第１無線通信装置、第２無線通信装置、・・・、第k無線通信装置、・・・、第Ｎ無線通信装置の合計Ｎ個の無線通信装置を表す表記である。
第２の発明は、第１の発明であって、第１期間は、サンプル時刻ｔ−ｐ＋１（ｐ：自然数）からサンプル時刻ｔまでの期間である。
チャネル状態データ取得部でサンプル時刻ｉに取得されるデータをＸｉとし、第ｋ無線通信装置（ｋ：自然数、１≦ｋ≦Ｎ）で第１期間において取得されるデータをＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）とすると、予測部は、Ｎ個のデータであるデータＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）〜データＤａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）の中から２つ以上のデータを用いて前記予測処理を実行する。
この無線環境状況予測システムでは、複数地点（第１〜第Ｎ無線通信装置が設置されている位置に相当する地点）で取得したデータに基づいて、予測処理（推論処理）を実行することができるので、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。
なお、「サンプル時刻」とは、例えば、離散時間において、データをサンプルするタイミングの時刻をいう。サンプル時刻は、データをサンプルするクロック信号の周波数（クロック周波数）により決定される。
第３の発明は、第１または第２の発明であって、伝搬状況を示すデータは、（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散に関するデータのうち少なくとも１つを含むデータである。
これにより、この無線環境状況予測システムでは、伝搬状況を示すデータとして、（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散に関するデータのうち少なくとも１つを含むデータを用いた処理を実行することができる。
第４の発明は、第１から第３のいずれかの発明であって、無線リソース利用状況を示すデータは、（１）無線リソース利用率、（２）再送回数、（３）フレーム誤り率、（４）使用伝送レートに関するデータのうち少なくとも１つを含むデータである。
これにより、この無線環境状況予測システムでは、無線リソース利用状況を示すデータは、（１）無線リソース利用率、（２）再送回数、（３）フレーム誤り率、（４）使用伝送レートに関するデータのうち少なくとも１つを含むデータを用いた処理を実行することができる。
第５の発明は、所定の空間内の所定の位置にそれぞれ設置されたＮ個（Ｎ：自然数、Ｎ≧２）の無線通信装置である第１〜第Ｎ無線通信装置と、サーバとを含む無線環境状況予測システムに用いられる無線環境状況予測方法である。
第５の発明は、所定の空間内の所定の位置にそれぞれ設置されたＮ個（Ｎ：自然数、Ｎ≧２）の無線通信装置である第１〜第Ｎ無線通信装置と、サーバとを含む無線環境状況予測システムに用いられる無線環境状況予測方法である。
第１〜第Ｎ無線通信装置は、それぞれ、送信部と、受信部と、チャネル利用状況観測部と、を備える。
送信部は、データに対して送信処理を実行することで無線信号を生成する。
受信部は、無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する。
受信部は、無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する。
チャネル利用状況観測部は、送信部および受信部の少なくとも一方を制御することで、無線信号の通信に使用されるチャネルの利用状況を観測する。
無線環境状況予測方法は、チャネル状態データ取得ステップと、データ送信ステップと、データ受信ステップと、予測ステップと、を備える。
チャネル状態データ取得ステップは、第１〜第Ｎ無線通信装置のそれぞれにおいて、送信部、受信部、および、チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において当該無線通信装置が設置されている地点の伝搬状況を示すデータおよび無線リソース利用状況を示すデータの少なくとも一方のデータを、チャネル状態データとして、取得する。
データ送信ステップは、第１〜第Ｎ無線通信装置のそれぞれにおいて、チャネル状態データ取得ステップにより取得したチャネル状態データをサーバに送信する。
データ受信ステップは、サーバにおいて、第１〜第Ｎ無線通信装置からのチャネル状態データを受信する。
予測ステップは、サーバにおいて、データ受信ステップにより受信した２つ以上のチャネル状態データに基づいて、第１〜第Ｎ無線通信装置が設置されている地点の将来のデータを予測する予測処理を実行する。
これにより、第１の発明と同様の効果を奏する無線環境状況予測方法を実現することができる。
第６の発明は、第５の発明である無線環境状況予測方法をコンピュータに実行させるためのプログラムである。
これにより、第１の発明と同様の効果を奏する無線環境状況予測方法をコンピュータに実行させるためのプログラムを実現することができる。
本発明によれば、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測する無線環境状況予測システム、無線環境状況予測方法、および、プログラムを実現することができる。
［第１実施形態］
第１実施形態について、図面を参照しながら、以下、説明する。
第１実施形態について、図面を参照しながら、以下、説明する。
＜１．１：無線環境状況予測システムの構成＞
図１は、第１実施形態に係る無線環境状況予測システム１０００の概略構成図である。図１は、無線環境状況予測システム１０００が壁Ｗａｌｌ１で囲まれた空間ＳＰ１内に設置されている場合を模式的に示した図（上方から見た図）である。
図１は、第１実施形態に係る無線環境状況予測システム１０００の概略構成図である。図１は、無線環境状況予測システム１０００が壁Ｗａｌｌ１で囲まれた空間ＳＰ１内に設置されている場合を模式的に示した図（上方から見た図）である。
図２は、第１実施形態に係る無線装置Ａ１の概略構成図である。
図３は、第１実施形態に係るサーバＳｖｒの概略構成図である。
無線環境状況予測システム１０００は、図１に示すように、無線装置Ａ１〜Ａ３と、サーバＳｖｒとを備える。図１において、無線装置が３つの場合を示しているが、これに限定されることはなく、無線装置の数は２以上であれば、他の数であってもよい。以下では、説明便宜のため、図１に示すように、無線装置の数が３である場合について説明する。無線装置Ａ１〜Ａ３は、それぞれ、有線あるいは無線のネットワークにより、サーバＳｖｒと接続されており、無線装置Ａ１〜Ａ３とサーバＳｖｒとは、互いに通信を行うことができる。
（１．１．１：無線装置の構成）
無線装置Ａ１〜Ａ３は、それぞれ同様の構成を有しているので、以下では、無線装置Ａ１の構成について説明する。
無線装置Ａ１〜Ａ３は、それぞれ同様の構成を有しているので、以下では、無線装置Ａ１の構成について説明する。
無線装置Ａ１は、図２に示すように、送信部１と、受信部２と、チャネル利用状況観測部３と、チャネル状態データ取得部４と、第１インターフェース部５と、予測データ処理部６と、送信用アンテナＡｎｔ＿ｔｘと、受信用アンテナＡｎｔ＿ｒｘと、送信用発振器Ｏｃｒ１と、受信用発振器Ｏｃｒ２と、を備える。
送信部１は、図２に示すように、ＥＣＣ部１１と、インターリーブ部１２と、無線フレーム生成部１３と、送信側ＲＦ部１４と、アクセス制御部１５と、を備える。
ＥＣＣ部１１は、データＤｉｎを入力し、データＤｉｎに対して誤り訂正符号化処理を実行する。そして、ＥＣＣ部１１は、誤り訂正符号化処理後のデータをデータＤｔ１としてインターリーブ部２に出力する。
インターリーブ部１２は、ＥＣＣ部１１から出力されるデータＤｔ１を入力し、データＤｔ１に対してインターリーブ処理を実行する。そして、インターリーブ部１２は、インターリーブ処理後のデータをデータＤｔ２として、無線フレーム生成部１３に出力する。
無線フレーム生成部１３は、インターリーブ部１２から出力されるデータＤｔ２と、アクセス制御部１５から出力される制御信号ＣＴＬ１とを入力する。無線フレーム生成部１３は、制御信号ＣＴＬ１に基づいて、データＤｔ２に対してベースバンド処理（ＯＦＤＭのベースバンド処理）を実行する。つまり、無線フレーム生成部１３は、データＤｔ２に対して、シリアル／パラレル変換、マッピング処理、逆ＦＦＴ変換、ガードインターバル（ＧＩ）付加処理、Ｄ／Ａ変換を行うことで、ベースバンドＯＦＤＭ信号を取得する。そして、無線フレーム生成部１３は、取得したベースバンドＯＦＤＭ信号を信号Ｄｔ３として送信側ＲＦ部に出力する。
送信側ＲＦ部１４は、無線フレーム生成部１３から出力されるベースバンドＯＦＤＭ信号Ｄｔ３と、アクセス制御部１５から出力される制御信号ＣＴＬ２と、送信用発振器Ｏｃｒ１から出力される参照周波数信号ｆｒ＿ｔｘとを入力する。送信側ＲＦ部１４は、制御信号ＣＴＬ２に基づいて、ベースバンドＯＦＤＭ信号Ｄｔ３に対して、送信用発振器Ｏｃｒ１から出力される参照周波数信号ｆｒ＿ｔｘを用いた直交変調処理、アップコンバート処理、電力増幅処理を実行することで、搬送帯域ＯＦＤＭ信号を取得する。そして、送信側ＲＦ部１４は、取得した搬送帯域ＯＦＤＭ信号を送信用アンテナＡｎｔ＿ｔｘに出力する。
また、送信側ＲＦ部１４は、チャネル利用状況観測部３と接続されており、チャネル利用状況観測部３からの指令により、キャリアセンス、あるいは、チャネルセンスを実行し、その実行結果を示す信号をチャネル利用状況観測部３に出力する。
送信用発振器Ｏｃｒ１は、参照周波数信号ｆｒ＿ｔｘを生成し、生成した参照周波数信号ｆｒ＿ｔｘを送信側ＲＦ部１４に出力する。
アクセス制御部１５は、無線フレーム生成部１３を制御するための制御信号ＣＴＬ１を生成し、所定のタイミングで、制御信号ＣＴＬ１を無線フレーム生成部１３に出力する。また、アクセス制御部１５は、送信側ＲＦ部１４を制御するための制御信号ＣＴＬ２を生成し、所定のタイミングで、制御信号ＣＴＬ２を送信側ＲＦ部１４にに出力する。また、アクセス制御部１５は、予測データ処理部６から制御信号ＣＴＬ３を入力し、制御信号ＣＴＬ３に基づいて、制御信号ＣＴＬ１、ＣＴＬ１２を生成する。
送信用アンテナＡｎｔ＿ｔｘは、外部へＲＦ信号（搬送帯域ＯＦＤＭ信号）を送信するためのアンテナである。送信用アンテナＡｎｔ＿ｔｘは、送信側ＲＦ部１４からの搬送帯域ＯＦＤＭ信号を入力し、搬送帯域ＯＦＤＭ信号を外部に送信する。
受信用アンテナＡｎｔ＿ｒｘは、外部からのＲＦ信号（搬送帯域ＯＦＤＭ信号）を受信するためのアンテナである。受信用アンテナＡｎｔ＿ｒｘは、受信したＲＦ信号（搬送帯域ＯＦＤＭ信号）を信号Ｄｒ１として、受信側ＲＦ部２１に出力する。なお、受信用アンテナＡｎｔ＿ｒｘは、送信用アンテナＡｎｔ＿ｔｘと共用してもよい。つまり、無線装置Ａ１において、送信用アンテナＡｎｔ＿ｔｘおよび受信用アンテナＡｎｔ＿ｒｘを設ける代わりに、１つの送受信用アンテナを設けるようにしてもよい。
受信部２は、図２に示すように、受信側ＲＦ部２１と、受信用発振器Ｏｃｒ２と、同期処理部２２と、ベースバンド処理部２３と、デインターリーブ部２４と、ＥＣＣ部２５と、を備える。
受信側ＲＦ部２１は、受信用アンテナＡｎｔ＿ｒｘからの搬送帯域ＯＦＤＭ信号Ｄｒ１と、受信用発振器Ｏｃｒ２から出力される参照周波数信号ｆｒ＿ｒｘとを入力する。受信側ＲＦ部２１は、搬送帯域ＯＦＤＭ信号Ｄｒ１に対して、増幅処理、参照周波数信号ｆｒ＿ｒｘに基づくダウンコンバート処理、自動周波数制御処理（ＡＦＣ処理）、参照周波数信号ｆｒ＿ｒｘに基づく直交復調処理、Ａ／Ｄ変換処理を実行することで、復調搬送帯域ＯＦＤＭ信号を信号Ｄｒ２として取得する。そして、受信側ＲＦ部２１は、復調搬送帯域ＯＦＤＭ信号Ｄｒ２を同期処理部２２およびベースバンド処理部２３に出力する。
また、受信側ＲＦ部２１は、チャネル利用状況観測部３と接続されており、チャネル利用状況観測部３からの指令により、キャリアセンス、あるいは、チャネルセンスを実行し、その実行結果を示す信号をチャネル利用状況観測部３に出力する。
同期処理部２２は、受信側ＲＦ部２１から出力される復調搬送帯域ＯＦＤＭ信号Ｄｒ２を入力し、入力された復調搬送帯域ＯＦＤＭ信号Ｄｒ２に基づいて、同期処理を実行する。同期処理部２２は、同期処理により、ＯＦＤＭシンボルの始まりを検出するためのシンボルタイミング同期などに使用される同期タイミング信号Ｓｉｇ＿Ｓｙｎｃを取得する。そして、同期処理部２２は、取得した同期タイミング信号Ｓｉｇ＿Ｓｙｎｃをベースバンド処理部２３に出力する。また、同期処理部２２は、復調搬送帯域ＯＦＤＭ信号Ｄｒ２のプリアンブル部の信号（プリアンブル信号）から受信用発振器Ｏｃｒ２の周波数オフセットの検出を行い、受信用発振器Ｏｃｒ２の発振周波数を制御するための信号（発振周波数制御信号）ｆｓ＿ｃｔｌを生成し、生成した発振周波数制御信号ｆｓ＿ｃｔｌを受信用発振器Ｏｃｒ２に出力する。
また、同期処理部２２は、同期処理により、伝搬路値、遅延プロファイル等のデータを取得する。そして、同期処理部２２は、取得した伝搬路値、遅延プロファイル等のデータをデータＤａｔａ２としてチャネル状態データ取得部４に出力する。
受信用発振器Ｏｃｒ２は、同期処理部２２から出力される発振周波数制御信号ｆｓ＿ｃｔｌを入力し、発振周波数制御信号ｆｓ＿ｃｔｌに基づいて、受信側ＲＦ部２１の処理動作の基準となるクロック信号である参照周波数信号ｆｒ＿ｒｘを生成する。そして、受信用発振器Ｏｃｒ２は、生成した参照周波数信号ｆｒ＿ｒｘを受信側ＲＦ部２１に出力する。
ベースバンド処理部２３は、受信側ＲＦ部２１から出力される復調搬送帯域ＯＦＤＭ信号Ｄｒ２と、同期処理部２２から出力される同期タイミング信号Ｓｉｇ＿Ｓｙｎｃとを入力する。ベースバンド処理部２３は、同期タイミング信号Ｓｉｇ＿Ｓｙｎｃに基づいて、ガードインターバル（ＧＩ）除去処理、ＦＦＴ変換、デマッピング処理、パラレル／シリアル変換を行うことで、復調ベースバンドＯＦＤＭ信号を信号Ｄｒ３として取得する。そして、ベースバンド処理部２３は、取得した復調ベースバンドＯＦＤＭ信号Ｄｒ３をデインターリーブ部２４に出力する。
デインターリーブ部２４は、ベースバンド処理部２３から出力される復調ベースバンドＯＦＤＭ信号Ｄｒ３を入力する。デインターリーブ部２４は、復調ベースバンドＯＦＤＭ信号Ｄｒ２に対してデインターリーブ処理を実行し、デインターリーブ処理後の信号（データ）を信号（データ）Ｄｒ４として取得する。そして、デインターリーブ部２４は、取得したデータＤｒ４をＥＣＣ部２５に出力する。
ＥＣＣ部２５は、デインターリーブ部２４から出力されるデータＤｒ４を入力し、データＤｒ４に対してエラー訂正処理を実行する。ＥＣＣ部２５は、エラー訂正処理後のデータをデータＤｏｕｔとして出力する。また、ＥＣＣ部２５は、エラー訂正処理の結果を示すデータをデータＲｓｔ＿ＥＣＣとしてチャネル状態データ取得部４に出力する。
チャネル利用状況観測部３は、各周波数帯（各周波数帯の中では１つ以上の無線チャネル）の利用状況（各無線チャネルの空き状況など）を観測するために、キャリアセンス、および／または、チャネルセンスを実行するための指令信号を生成する。そして、チャネル利用状況観測部３は、生成した指令信号を、送信側ＲＦ部１４、および／または、受信側ＲＦ部２１に出力することで、キャリアセンス、および／または、チャネルセンスを実行する。
また、チャネル利用状況観測部３は、受信電力を取得するための指令信号を、送信側ＲＦ部１４、および／または、受信側ＲＦ部２１に出力し、無線装置Ａ１の受信電力を取得する。また、取得した受信電力の値を所定の期間観測することで、無線リソース利用率（ＣＯＲ：ｃｈａｎｎｅｌ ｏｃｃｕｐａｔｉｏｎ ｒａｔｉｏ）を取得する。そして、チャネル利用状況観測部３は、取得した受信電力、無線リソース利用率ＣＯＲを含むデータをデータＤａｔａ１としてチャネル状態データ取得部４に出力する。
チャネル状態データ取得部４は、チャネル利用状況観測部３から出力されるデータＤａｔａ１と、同期処理部２２から出力されるデータＤａｔａ２と、ＥＣＣ部２５から出力されるデータＲｓｔ＿ＥＣＣと、ＥＣＣ部２５から出力されるデータＤｏｕｔとを入力する。チャネル状態データ取得部４は、入力されたデータに基づいて、予測処理用データＸｔを取得する。さらに、チャネル状態データ取得部４は、時刻ｔ−ｐ＋１から時刻ｔまでに期間（ｐ個のサンプル時刻を含む期間）に取得されたｐ個（ｐ：自然数）の予測処理用データを取得し、取得したｐ個の予測処理用データを含むデータを予測処理用データＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）として、第１インターフェース部５に出力する（予測処理を実行するモードである推論モードの場合）。
なお、チャネル状態データ取得部４は、学習を行うモードである学習モードのときは、教師データＲ＿Ａ１（Ｘｔ＋１）を、データＤａｔａ１、および／または、データＤａｔａ２から取得し、第１インターフェース部５に出力する。
第１インターフェース部５は、推論モードの場合、チャネル状態データ取得部４から出力される予測処理用データＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）を入力する。そして、第１インターフェース部５は、予測処理用データＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）を、ネットワークを介してサーバＳｖｒに出力する。
また、第１インターフェース部５は、ネットワークを介してサーバＳｖｒから予測データＥｓｔ＿Ａ１（Ｘｔ＋１）を受信した場合、当該予測データＥｓｔ＿Ａ１（Ｘｔ＋１）を予測データ処理部６に出力する。
また、第１インターフェース部５は、学習モードの場合、チャネル状態データ取得部４から出力される教師データＲ＿Ａ１（Ｘｔ＋１）を入力し、当該教師データＲ＿Ａ１（Ｘｔ＋１）をネットワークを介してサーバＳｖｒに出力する。
予測データ処理部６は、第１インターフェース部５から出力される予測データＥｓｔ＿Ａ１（Ｘｔ＋１）を入力し、予測データＥｓｔ＿Ａ１（Ｘｔ＋１）に基づいて、制御信号ＣＴＬ３を生成する。そして、予測データ処理部６は、生成した制御信号ＣＴＬ３をアクセス制御部１５に出力する。
（１．１．２：サーバの構成）
サーバＳｖｒは、図３に示すように、第２インターフェース部Ｓｖ１と、予測部Ｓｖ２とを備える。
サーバＳｖｒは、図３に示すように、第２インターフェース部Ｓｖ１と、予測部Ｓｖ２とを備える。
第２インターフェース部Ｓｖ１は、ネットワークを介して、各無線装置（無線装置Ａ１〜Ａ３）と通信するための通信インターフェースである。
第２インターフェース部Ｓｖ１は、無線装置Ａｋ（ｋ：自然数、１≦ｋ≦Ｎ）から受信した予測処理用データＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）を予測部Ｓｖ２に出力する。
また、第２インターフェース部Ｓｖ１は、予測部Ｓｖ２から出力された無線装置Ａｋの予測データＥｓｔ＿Ａｋ（Ｘｔ＋１）を入力し、ネットワークを介して、無線装置Ａｋに、予測データＥｓｔ＿Ａｋ（Ｘｔ＋１）を送信する。
なお、第２インターフェース部Ｓｖ１は、学習モードの場合、無線装置Ａｋ（ｋ：自然数、１≦ｋ≦Ｎ）から受信した教師データＲ＿Ａ１（Ｘｔ＋１）を予測部Ｓｖ２に出力する。
予測部Ｓｖｒ２は、第２インターフェース部Ｓｖ１から出力される予測処理用データＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）を入力する。
予測部Ｓｖｒ２は、学習モードの場合、２つ以上の予測処理用データＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）と、教師データＲ＿Ａ１（Ｘｔ＋１）とを用いて、学習を行い、モデルの最適化を行う。
予測部Ｓｖｒ２は、推論モードの場合、２つ以上の予測処理用データＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）を用いて、予測処理を実行し、無線装置Ａｋの時刻ｔ＋１の予測データＥｓｔ＿Ａｋ（Ｘｔ＋１）を取得する。そして、予測部Ｓｖｒ２は、取得した無線装置Ａｋの予測データＥｓｔ＿Ａｋ（Ｘｔ＋１）を第２インターフェース部Ｓｖ１に出力する。
＜１．２：無線環境状況予測システムの動作＞
以上のように構成された無線環境状況予測システム１０００の動作について、以下、説明する。
以上のように構成された無線環境状況予測システム１０００の動作について、以下、説明する。
図１に示すように、無線装置Ａ１〜Ａ３は、それぞれ、壁Ｗａｌｌ１で囲まれた空間ＳＰ１内の固定の位置に設置されている。無線装置Ａ１は、位置Ｐｏｓ（Ａ１）に設置されており、無線装置Ａ２は、位置Ｐｏｓ（Ａ２）に設置されており、無線装置Ａ３は、位置Ｐｏｓ（Ａ３）に設置されている。例えば、移動可能な無線装置Ｂ１（移動可能な装置）が図１に示す位置に存在しており、無線装置Ａ１〜Ａ３と通信している場合において、搬送車ｖ１が、図１の矢印Ｄｉｒ１の方向に移動する場合を例に、無線環境状況予測システム１０００の動作を説明する。なお、図１に示すように、搬送車ｖ１の時刻ｔ１、ｔ２、ｔ３の位置を、それぞれ、位置Ｐｏｓ＿ｖ１（ｔ１）、Ｐｏｓ＿ｖ１（ｔ２）、Ｐｏｓ＿ｖ１（ｔ３）とする。
図４は、図１と同様に空間ＳＰ１内を模式的に示す図（学習モードの図）であり、（１）無線装置Ａ１で観測される受信電力と時刻との関係を示すグラフＧ１、（２）無線装置Ａ２で観測される受信電力と時刻との関係を示すグラフＧ２、および、（３）無線装置Ａ３で観測される受信電力と時刻との関係を示すグラフＧ３を示した図である。
図５は、図１と同様に空間ＳＰ１内を模式的に示す図（推論モードの図）であり、（１）無線装置Ａ１で観測される受信電力と時刻との関係を示すグラフＧ１１、（２）無線装置Ａ２で観測される受信電力と時刻との関係を示すグラフＧ１２、および、（３）無線装置Ａ３で観測される受信電力と時刻との関係を示すグラフＧ１３を示した図である。
説明便宜のため、無線環境状況予測システムにおいて、受信電力についての予測処理を実行する場合について、説明する。
以下では、（１）学習モードと、（２）推論モードとに分けて、無線環境状況予測システムの動作を説明する。
（１．２．１：学習モード）
無線装置Ａ１において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。なお、時刻ｔ０がサンプル時刻ｔ−ｐ＋１に相当し、時刻ｔ２１がサンプル時刻ｔ（現時刻）に相当するものとする。つまり、無線装置Ａ１において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ１で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ１が設置されている位置Ｐｏｓ（Ａ１）の受信電力のデータであるとみなすことができる。
無線装置Ａ１において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。なお、時刻ｔ０がサンプル時刻ｔ−ｐ＋１に相当し、時刻ｔ２１がサンプル時刻ｔ（現時刻）に相当するものとする。つまり、無線装置Ａ１において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ１で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ１が設置されている位置Ｐｏｓ（Ａ１）の受信電力のデータであるとみなすことができる。
無線装置Ａ１のチャネル状態データ取得部４は、取得されたｐ個の受信電力のデータを、データＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）として取得する。そして、取得されたデータＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ１の第１インターフェース部５を介して、サーバＳｖｒに送信される。
さらに、無線装置Ａ１のチャネル状態データ取得部４は、サンプル時刻ｔ＋１（時刻ｔ２１〜ｔ４の期間に含まれる時刻（例えば、時刻ｔ３））において取得した受信電力のデータを教師データＲ＿Ａ１（Ｘｔ＋１）として取得する。そして、無線装置Ａ１は、取得した教師データＲ＿Ａ１（Ｘｔ＋１）を、第１インターフェース部５を介して、サーバＳｖｒに送信する。
無線装置Ａ２において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。無線装置Ａ２において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ２で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ２が設置されている位置Ｐｏｓ（Ａ２）の受信電力のデータであるとみなすことができる。
無線装置Ａ２のチャネル状態データ取得部４は、取得されたｐ個の受信電力のデータを、データＤａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）として取得する。そして、取得されたデータＤａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ２の第１インターフェース部５を介して、サーバＳｖｒに送信される。
さらに、無線装置Ａ２のチャネル状態データ取得部４は、サンプル時刻ｔ＋１（時刻ｔ２１〜ｔ４の期間に含まれる時刻（例えば、時刻ｔ３））において取得した受信電力のデータを教師データＲ＿Ａ２（Ｘｔ＋１）として取得する。そして、無線装置Ａ２は、取得した教師データＲ＿Ａ２（Ｘｔ＋１）を、第１インターフェース部５を介して、サーバＳｖｒに送信する。
無線装置Ａ３において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。無線装置Ａ３において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ３で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ３が設置されている位置Ｐｏｓ（Ａ３）の受信電力のデータであるとみなすことができる。
無線装置Ａ３のチャネル状態データ取得部４は、取得されたｐ個の受信電力のデータを、データＤａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）として取得する。そして、取得されたデータＤａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ３の第１インターフェース部５を介して、サーバＳｖｒに送信される。
さらに、無線装置Ａ３のチャネル状態データ取得部４は、サンプル時刻ｔ＋１（時刻ｔ２１〜ｔ４の期間に含まれる時刻（例えば、時刻ｔ３））において取得した受信電力のデータを教師データＲ＿Ａ３（Ｘｔ＋１）として取得する。そして、無線装置Ａ３は、取得した教師データＲ＿Ａ３（Ｘｔ＋１）を、第１インターフェース部５を介して、サーバＳｖｒに送信する。
サーバＳｖｒは、第２インターフェース部Ｓｖ１により、無線装置Ａ１〜Ａ３から送信されるデータＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）、Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）、Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）、および、教師データＲ＿Ａ１（Ｘｔ＋１）、Ｒ＿Ａ２（Ｘｔ＋１）、Ｒ＿Ａ３（Ｘｔ＋１）を取得する。
そして、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ１についての予測処理（推論処理）を行う学習済みモデルを取得するための学習を行う。具体的には、予測部Ｓｖ２は、以下のデータを入力データ、教師データとする。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
教師データ：
Ｒ＿Ａ１（Ｘｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθとし、条件付き確率Ｐ（Ｘｔ＋１｜Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ），・・・，Ｄａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）；θ）を最大にするパラメータθｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθｏｐｔを取得する。
Ｎ＝３
なお、上記数式において、Ｘｔ＋１は、無線装置Ａ１のサンプル時刻ｔ＋１において取得されるデータ（例えば、受信電力）である。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
教師データ：
Ｒ＿Ａ１（Ｘｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθとし、条件付き確率Ｐ（Ｘｔ＋１｜Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ），・・・，Ｄａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）；θ）を最大にするパラメータθｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθｏｐｔを取得する。
なお、上記数式において、Ｘｔ＋１は、無線装置Ａ１のサンプル時刻ｔ＋１において取得されるデータ（例えば、受信電力）である。
また、Ｄａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ１のサンプル時刻ｔ−Ｐ＋１〜ｔにおいて取得されたデータ（例えば、受信電力）である。つまり、Ｄａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）は、ｐ個のデータを含むデータ（例えば、ベクトルデータ）である。なお、Ｘｉは、ここでは、受信電力のデータ（１次元のデータ）であるが、複数のデータを含むベクトルデータであってもよい。Ｘｉは、例えば、（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散、（５）ＣＯＲ、（６）再送回数、（７）フレーム誤り率、（８）使用伝送レートの２以上のデータを要素するベクトルデータであってもよい。
そして、上記により取得した最適パラメータθｏｐｔを学習モデルに設定することで、無線装置Ａ１についての予測処理（推論処理）を行う学習済みモデルを取得する。
なお、最適化する対象のモデル（無線装置Ａ１についての予測処理（推論処理）を行うためのモデル）は、（１）ニューラルネットワーク（例えば、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ））によるモデルであってもよいし、（２）多入力を前提とする非線形の動的モデルであってもよい。多入力を前提とする非線形の動的モデルを用いた処理を行う場合、例えば、下記文献に開示されている技術を用いるようにしてもよい。
Y. Matsubara and Y. Sakurai, “Regime shifts in streams: real-time forecasting of co-evolving time sequences,” Proc. Of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), Aug. 2016.
つまり、上記文献に開示されているように、複数の入力変数、複数の出力変数、複数の状態変数を設定した非線形の状態空間モデルを設定し、設定した状態空間モデルを最適化するパラメータを取得することで、モデルの最適化処理（モデルの学習）を行うようにしてもよい。
Y. Matsubara and Y. Sakurai, “Regime shifts in streams: real-time forecasting of co-evolving time sequences,” Proc. Of ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD), Aug. 2016.
つまり、上記文献に開示されているように、複数の入力変数、複数の出力変数、複数の状態変数を設定した非線形の状態空間モデルを設定し、設定した状態空間モデルを最適化するパラメータを取得することで、モデルの最適化処理（モデルの学習）を行うようにしてもよい。
なお、パラメータθ、最適パラメータθｏｐｔは、スカラー、ベクトル、またはテンソルであ
る。
る。
また、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ２についての予測処理（推論処理）を行う学習済みモデルを取得するための学習を行う。具体的には、予測部Ｓｖ２は、以下のデータを入力データ、教師データとする。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
教師データ：
Ｒ＿Ａ２（Ｘｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθとし、条件付き確率Ｐ（Ｘｔ＋１｜Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ），・・・，Ｄａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）；θ）を最大にするパラメータθｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθｏｐｔを取得する。
Ｎ＝３
なお、上記数式において、Ｘｔ＋１は、無線装置Ａ２のサンプル時刻ｔ＋１において取得されるデータ（例えば、受信電力）である。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
教師データ：
Ｒ＿Ａ２（Ｘｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθとし、条件付き確率Ｐ（Ｘｔ＋１｜Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ），・・・，Ｄａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）；θ）を最大にするパラメータθｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθｏｐｔを取得する。
なお、上記数式において、Ｘｔ＋１は、無線装置Ａ２のサンプル時刻ｔ＋１において取得されるデータ（例えば、受信電力）である。
そして、上記により取得した最適パラメータθｏｐｔを学習モデルに設定することで、無線装置Ａ２についての予測処理（推論処理）を行う学習済みモデルを取得する。
また、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ３についての予測処理（推論処理）を行う学習済みモデルを取得するための学習を行う。具体的には、予測部Ｓｖ２は、以下のデータを入力データ、教師データとする。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
教師データ：
Ｒ＿Ａ３（Ｘｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθとし、条件付き確率Ｐ（Ｘｔ＋１｜Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ），・・・，Ｄａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）；θ）を最大にするパラメータθｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθｏｐｔを取得する。
Ｎ＝３
なお、上記数式において、Ｘｔ＋１は、無線装置Ａ３のサンプル時刻ｔ＋１において取得されるデータ（例えば、受信電力）である。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
教師データ：
Ｒ＿Ａ３（Ｘｔ＋１）
そして、予測部Ｓｖ２は、パラメータをθとし、条件付き確率Ｐ（Ｘｔ＋１｜Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ），・・・，Ｄａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）；θ）を最大にするパラメータθｏｐｔを求める。つまり、予測部Ｓｖ２は、下記数式に相当する処理を実行することで最適パラメータθｏｐｔを取得する。
なお、上記数式において、Ｘｔ＋１は、無線装置Ａ３のサンプル時刻ｔ＋１において取得されるデータ（例えば、受信電力）である。
そして、上記により取得した最適パラメータθｏｐｔを学習モデルに設定することで、無線装置Ａ３についての予測処理（推論処理）を行う学習済みモデルを取得する。
以上のようにして、無線環境状況予測システム１０００では、学習モードの処理が実行される。
（１．２．２：推論モード）
次に、推論モードにおける無線環境状況予測システム１０００の動作について、図５を参照しながら説明する。なお、推論モードにおいても、搬送車ｖ１は、図４に示した学習モードのときと同様の動作（移動）を行うものとする。
次に、推論モードにおける無線環境状況予測システム１０００の動作について、図５を参照しながら説明する。なお、推論モードにおいても、搬送車ｖ１は、図４に示した学習モードのときと同様の動作（移動）を行うものとする。
無線装置Ａ１において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。なお、時刻ｔ０がサンプル時刻ｔ−ｐ＋１に相当し、時刻ｔ２１がサンプル時刻ｔ（現時刻）に相当するものとする。つまり、無線装置Ａ１において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ１で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ１が設置されている位置Ｐｏｓ（Ａ１）の受信電力のデータであるとみなすことができる。
無線装置Ａ１のチャネル状態データ取得部４は、取得されたｐ個の受信電力のデータを、データＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）として取得する。そして、取得されたデータＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ１の第１インターフェース部５を介して、サーバＳｖｒに送信される。
無線装置Ａ２において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。無線装置Ａ２において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ２で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ２が設置されている位置Ｐｏｓ（Ａ２）の受信電力のデータであるとみなすことができる。
無線装置Ａ２のチャネル状態データ取得部４は、取得されたｐ個の受信電力のデータを、データＤａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）として取得する。そして、取得されたデータＤａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ２の第１インターフェース部５を介して、サーバＳｖｒに送信される。
無線装置Ａ３において、チャネル利用状況観測部３により、キャリアセンス、あるいは、チャネルセンスを実行し、時刻ｔ０〜ｔ２１までの期間の受信電力のデータを取得する。無線装置Ａ３において、時刻ｔ０〜ｔ２１までの期間で、ｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔが取得される。この無線装置Ａ３で取得されたｐ個の受信電力のデータＸｔ−ｐ＋１〜Ｘｔは、無線装置Ａ３が設置されている位置Ｐｏｓ（Ａ３）の受信電力のデータであるとみなすことができる。
無線装置Ａ３のチャネル状態データ取得部４は、取得されたｐ個の受信電力のデータを、データＤａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）として取得する。そして、取得されたデータＤａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）は、無線装置Ａ３の第１インターフェース部５を介して、サーバＳｖｒに送信される。
サーバＳｖｒは、第２インターフェース部Ｓｖ１により、無線装置Ａ１〜Ａ３から送信されるデータＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）、Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）、Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）、および、教師データＲ＿Ａ１（Ｘｔ＋１）、Ｒ＿Ａ２（Ｘｔ＋１）、Ｒ＿Ａ３（Ｘｔ＋１）を取得する。
サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ１についての予測処理（推論処理）を行う学習済みモデルを用いて、予測データＥｓｔ＿Ａ１（Ｘｔ＋１）を取得する処理を行う。
具体的には、予測部Ｓｖ２は、以下のデータを、無線装置Ａ１についての予測処理（推論処理）を行う学習済みモデルへの入力データとし、当該学習済みモデルから出力を予測データＥｓｔ＿Ａ１（Ｘｔ＋１）として取得する。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
上記により取得される予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、例えば、図５の状況の場合、グラフＧ１１の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似するデータが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、教師データＲ＿Ａ１（Ｘｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、高精度なものとなる。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
上記により取得される予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、例えば、図５の状況の場合、グラフＧ１１の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似するデータが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、教師データＲ＿Ａ１（Ｘｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、高精度なものとなる。
そして、上記により取得された予測データＥｓｔ＿Ａ１（Ｘｔ＋１）は、第２インターフェース部Ｓｖ１を介して、無線装置Ａ１に送信される。
そして、無線装置Ａ１では、第１インターフェース部５を介して、予測データＥｓｔ＿Ａ１（Ｘｔ＋１）を受信する。そして、予測データ処理部６が、予測データＥｓｔ＿Ａ１（Ｘｔ＋１）に基づいて、適宜、制御信号ＣＴＬ３を生成し、適切な処理が実行されるように、無線装置Ａ１の送信部１を制御する。
また、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ２についての予測処理（推論処理）を行う学習済みモデルを用いて、予測データＥｓｔ＿Ａ２（Ｘｔ＋１）を取得する処理を行う。
具体的には、予測部Ｓｖ２は、以下のデータを、無線装置Ａ２についての予測処理（推論処理）を行う学習済みモデルへの入力データとし、当該学習済みモデルから出力を予測データＥｓｔ＿Ａ２（Ｘｔ＋１）として取得する。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
上記により取得される予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、例えば、図５の状況の場合、グラフＧ１２の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似するデータが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、教師データＲ＿Ａ１（Ｘｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、高精度なものとなる。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
上記により取得される予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、例えば、図５の状況の場合、グラフＧ１２の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似するデータが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、教師データＲ＿Ａ１（Ｘｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、高精度なものとなる。
そして、上記により取得された予測データＥｓｔ＿Ａ２（Ｘｔ＋１）は、第２インターフェース部Ｓｖ１を介して、無線装置Ａ２に送信される。
そして、無線装置Ａ２では、第１インターフェース部５を介して、予測データＥｓｔ＿Ａ２（Ｘｔ＋１）を受信する。そして、予測データ処理部６が、予測データＥｓｔ＿Ａ２（Ｘｔ＋１）に基づいて、適宜、制御信号ＣＴＬ３を生成し、適切な処理が実行されるように、無線装置Ａ２の送信部１を制御する。
また、サーバＳｖｒの予測部Ｓｖ２は、無線装置Ａ３についての予測処理（推論処理）を行う学習済みモデルを用いて、予測データＥｓｔ＿Ａ３（Ｘｔ＋１）を取得する処理を行う。
具体的には、予測部Ｓｖ２は、以下のデータを、無線装置Ａ３についての予測処理（推論処理）を行う学習済みモデルへの入力データとし、当該学習済みモデルから出力を予測データＥｓｔ＿Ａ３（Ｘｔ＋１）として取得する。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
上記により取得される予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、例えば、図５の状況の場合、グラフＧ１３の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似するデータが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、教師データＲ＿Ａ１（Ｘｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、高精度なものとなる。
入力データ：
Ｄａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ２（Ｘｔ−ｐ＋１：Ｘｔ）
Ｄａｔａ＿Ａ３（Ｘｔ−ｐ＋１：Ｘｔ）
上記により取得される予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、例えば、図５の状況の場合、グラフＧ１３の期間ｔ２１〜ｔ４のデータである。図４に示す学習モードのときと近似するデータが予測部Ｓｖ２に入力されるため、予測部Ｓｖ２（学習済みモデル）から出力される予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、教師データＲ＿Ａ１（Ｘｔ＋１）に近似したデータとなる。つまり、図５に示す状態におけるサンプル時刻ｔ＋１の予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、高精度なものとなる。
そして、上記により取得された予測データＥｓｔ＿Ａ３（Ｘｔ＋１）は、第２インターフェース部Ｓｖ１を介して、無線装置Ａ３に送信される。
そして、無線装置Ａ３では、第１インターフェース部５を介して、予測データＥｓｔ＿Ａ３（Ｘｔ＋１）を受信する。そして、予測データ処理部６が、予測データＥｓｔ＿Ａ３（Ｘｔ＋１）に基づいて、適宜、制御信号ＣＴＬ３を生成し、適切な処理が実行されるように、無線装置Ａ３の送信部１を制御する。
以上のように、無線環境状況予測システム１０００では、複数地点で取得したデータに基づいて、学習させた学習済みモデルを用いて、予測処理（推論処理）を実行することができるので、狭空間で、電波が飛び交う環境において、シャドウイング、マルチパス、干渉、反射波等の影響により、複雑に無線環境が変化する状況においても、高精度で無線環境状況を予測することができる。
なお、上記では、予測処理の対象を受信電力として説明したが、これに限定されることはなく、例えば、以下のようなデータ（伝搬状況を示すデータ、および、無線リソース利用状況を示すデータ）を予測処理の対象としてもよい。
≪伝搬状況を示すデータ≫
（１）受信電力
（２）伝搬路値
（３）遅延プロファイル
（４）遅延分散
≪無線リソース利用状況を示すデータ≫
（５）ＣＯＲ
（６）再送回数
（７）フレーム誤り率
（８）使用伝送レート
なお、（２）伝搬路値、および、（３）遅延プロファイルのデータは、同期処理部２２により取得されるデータＤａｔａ２に基づいて、チャネル状態データ取得部４により取得することができる。
（１）受信電力
（２）伝搬路値
（３）遅延プロファイル
（４）遅延分散
≪無線リソース利用状況を示すデータ≫
（５）ＣＯＲ
（６）再送回数
（７）フレーム誤り率
（８）使用伝送レート
なお、（２）伝搬路値、および、（３）遅延プロファイルのデータは、同期処理部２２により取得されるデータＤａｔａ２に基づいて、チャネル状態データ取得部４により取得することができる。
（４）遅延分散は、チャネル状態データ取得部４により、（２）伝搬路値、または、（３）遅延プロファイルのデータから計算により取得される。
（５）ＣＯＲは、チャネル利用状況観測部３により、受信電力を所定の期間監視（所定の閾値と比較）することで取得される。
（６）再送回数は、受信部２により、ＥＣＣ部２５の処理後のデータＤｏｕｔを用いて、ＡＣＫ検出処理を実行し、ＡＣＫ検出できない場合に実行される再送処理の回数をカウントすることで取得される。
（７）フレーム誤り率は、チャネル状態データ取得部４が、ＥＣＣ部２５により取得されるエラー訂正処理の結果を示すデータＲｓｔ＿ＥＣＣを調べることで、取得される。
（８）使用伝送レートは、チャネル状態データ取得部４が、ＥＣＣ部２５の処理後のデータＤｏｕｔを用いて、ヘッダ情報を調べることで取得される。
チャネル状態データ取得部４は、上記の１または複数のデータを含むデータをデータＸｉ（スカラーまたはベクトル）として生成し、ｐ個のデータＸｉを含むＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）を第１インターフェース部５を介して、サーバＳｖｒに送信するようにしてもよい。
［他の実施形態］
上記実施形態では、ＯＦＤＭを採用した無線環境状況予測システム１０００について説明したが、これに限定されることはなく、他の変調方式を用いてもよい。
上記実施形態では、ＯＦＤＭを採用した無線環境状況予測システム１０００について説明したが、これに限定されることはなく、他の変調方式を用いてもよい。
また、上記実施形態で説明した無線環境状況予測システムにおいて、各ブロックは、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されても良い。
なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。
また、上記各実施形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記各実施形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。
また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。
例えば、上記実施形態の各機能部を、ソフトウェアにより実現する場合、図６に示したハードウェア構成（例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、入力部、出力部等をバスＢｕｓにより接続したハードウェア構成）を用いて、各機能部をソフトウェア処理により実現するようにしてもよい。
また、上記実施形態における処理方法の実行順序は、必ずしも、上記実施形態の記載に制限されるものではなく、発明の要旨を逸脱しない範囲で、実行順序を入れ替えることができるものである。
前述した方法をコンピュータに実行させるコンピュータプログラム及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は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、大容量ＤＶＤ、次世代ＤＶＤ、半導体メモリを挙げることができる。
上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。
なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。
１０００ 無線環境状況予測システム
Ａ１〜Ａ３ 無線装置
Ｓｖｒ サーバ
１ 送信部
２ 受信部
３ チャネル利用状況観測部
４ チャネル状態データ取得部
５ 第１インターフェース部
Ｓｖ１ 第２インターフェース部
Ｓｖ２ 予測部
Ａ１〜Ａ３ 無線装置
Ｓｖｒ サーバ
１ 送信部
２ 受信部
３ チャネル利用状況観測部
４ チャネル状態データ取得部
５ 第１インターフェース部
Ｓｖ１ 第２インターフェース部
Ｓｖ２ 予測部
Claims (6)
- 所定の空間内の所定の位置にそれぞれ設置されたＮ個（Ｎ：自然数、Ｎ≧２）の無線通信装置である第１〜第Ｎ無線通信装置と、サーバとを含む無線環境状況予測システムであって、
前記第１〜第Ｎ無線通信装置は、それぞれ、
データに対して送信処理を実行することで無線信号を生成する送信部と、
無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する受信部と、
前記送信部および前記受信部の少なくとも一方を制御することで、前記無線信号の通信に使用されるチャネルの利用状況を観測するチャネル利用状況観測部と、
前記送信部、前記受信部、および、前記チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において当該無線通信装置が設置されている地点の伝搬状況を示すデータおよび無線リソース利用状況を示すデータの少なくとも一方のデータを、チャネル状態データとして、取得するチャネル状態データ取得部と、
前記チャネル状態データ取得部により取得した前記チャネル状態データを前記サーバに送信するための第１インターフェース部と、
を備え、
前記サーバは、
前記第１〜第Ｎ無線通信装置からの前記チャネル状態データを受信するための第２インターフェース部と、
前記第２インターフェース部により受信した２つ以上の前記チャネル状態データに基づいて、前記第１〜第Ｎ無線通信装置が設置されている地点の将来のデータを予測する予測処理を実行する予測部と、
を備える無線環境状況予測システム。 - 前記第１期間は、サンプル時刻ｔ−ｐ＋１（ｐ：自然数）からサンプル時刻ｔまでの期間であり、
前記チャネル状態データ取得部でサンプル時刻ｉに取得されるデータをＸｉとし、
第ｋ無線通信装置（ｋ：自然数、１≦ｋ≦Ｎ）で前記第１期間において取得される前記データをＤａｔａ＿Ａｋ（Ｘｔ−ｐ＋１：Ｘｔ）とすると、
前記予測部は、
Ｎ個のデータであるデータＤａｔａ＿Ａ１（Ｘｔ−ｐ＋１：Ｘｔ）〜データＤａｔａ＿ＡＮ（Ｘｔ−ｐ＋１：Ｘｔ）の中から２つ以上のデータを用いて前記予測処理を実行する、
請求項１に記載の無線環境状況予測システム。 - 前記伝搬状況を示すデータは、
（１）受信電力、（２）伝搬路値、（３）遅延プロファイル、（４）遅延分散に関するデータのうち少なくとも１つを含むデータである、
請求項１又は２に記載の無線環境状況予測システム。 - 前記無線リソース利用状況を示すデータは、
（１）無線リソース利用率、（２）再送回数、（３）フレーム誤り率、（４）使用伝送レートに関するデータのうち少なくとも１つを含むデータである、
請求項１から３のいずれかに記載の無線環境状況予測システム。 - 所定の空間内の所定の位置にそれぞれ設置されたＮ個（Ｎ：自然数、Ｎ≧２）の無線通信装置である第１〜第Ｎ無線通信装置と、サーバとを含む無線環境状況予測システムに用いられる無線環境状況予測方法であって、
前記第１〜第Ｎ無線通信装置は、それぞれ、
データに対して送信処理を実行することで無線信号を生成する送信部と、
無線信号に対して受信処理を実行することで当該無線信号により搬送されたデータを取得する受信部と、
前記送信部および前記受信部の少なくとも一方を制御することで、前記無線信号の通信に使用されるチャネルの利用状況を観測するチャネル利用状況観測部と、
を備え、
前記第１〜第Ｎ無線通信装置のそれぞれにおいて、前記送信部、前記受信部、および、前記チャネル利用状況観測部の少なくとも一つにより取得された信号に基づいて、第１期間において当該無線通信装置が設置されている地点の伝搬状況を示すデータおよび無線リソース利用状況を示すデータの少なくとも一方のデータを、チャネル状態データとして、取得するチャネル状態データ取得ステップと、
前記第１〜第Ｎ無線通信装置のそれぞれにおいて、前記チャネル状態データ取得ステップにより取得した前記チャネル状態データを前記サーバに送信するデータ送信ステップと、
前記サーバにおいて、前記第１〜第Ｎ無線通信装置からの前記チャネル状態データを受信するデータ受信ステップと、
前記サーバにおいて、前記データ受信ステップにより受信した２つ以上の前記チャネル状態データに基づいて、前記第１〜第Ｎ無線通信装置が設置されている地点の将来のデータを予測する予測処理を実行する予測ステップと、
を備える無線環境状況予測方法。 - 請求項５に記載の無線環境状況予測方法をコンピュータに実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017204953A JP6439123B1 (ja) | 2017-10-24 | 2017-10-24 | 無線環境状況予測システム、無線環境状況予測方法、および、プログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017204953A JP6439123B1 (ja) | 2017-10-24 | 2017-10-24 | 無線環境状況予測システム、無線環境状況予測方法、および、プログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6439123B1 true JP6439123B1 (ja) | 2018-12-19 |
| JP2019080143A JP2019080143A (ja) | 2019-05-23 |
Family
ID=64668552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017204953A Active JP6439123B1 (ja) | 2017-10-24 | 2017-10-24 | 無線環境状況予測システム、無線環境状況予測方法、および、プログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6439123B1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021027412A (ja) * | 2019-07-31 | 2021-02-22 | キヤノン株式会社 | 通信装置とその制御方法及びプログラム、学習済モデルと通信システム及び制御方法 |
| CN115997346A (zh) | 2020-09-16 | 2023-04-21 | 三菱电机株式会社 | 估计使用信道集合的射频系统上的干扰的方法、计算机程序、装置和射频系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001157258A (ja) * | 1999-11-24 | 2001-06-08 | Kenwood Corp | 移動体通信端末及びその通信方法 |
| JP2009213093A (ja) * | 2008-03-06 | 2009-09-17 | Kddi R & D Laboratories Inc | 無線制御装置及び無線通信装置 |
| JP2011009974A (ja) * | 2009-06-25 | 2011-01-13 | Hitachi Ltd | 無線通信システム及び無線通信方法 |
| JP2011217107A (ja) * | 2010-03-31 | 2011-10-27 | Univ Of Electro-Communications | 通信装置及び方法、並びにプログラム |
| WO2017135152A1 (ja) * | 2016-02-01 | 2017-08-10 | 日本電気株式会社 | 無線品質予測装置、無線基地局、無線端末、無線品質予測方法および無線品質予測プログラム |
-
2017
- 2017-10-24 JP JP2017204953A patent/JP6439123B1/ja active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001157258A (ja) * | 1999-11-24 | 2001-06-08 | Kenwood Corp | 移動体通信端末及びその通信方法 |
| JP2009213093A (ja) * | 2008-03-06 | 2009-09-17 | Kddi R & D Laboratories Inc | 無線制御装置及び無線通信装置 |
| JP2011009974A (ja) * | 2009-06-25 | 2011-01-13 | Hitachi Ltd | 無線通信システム及び無線通信方法 |
| JP2011217107A (ja) * | 2010-03-31 | 2011-10-27 | Univ Of Electro-Communications | 通信装置及び方法、並びにプログラム |
| WO2017135152A1 (ja) * | 2016-02-01 | 2017-08-10 | 日本電気株式会社 | 無線品質予測装置、無線基地局、無線端末、無線品質予測方法および無線品質予測プログラム |
Non-Patent Citations (1)
| Title |
|---|
| 濱上卓磨 他: "ワイヤレススマートグリッドにおけるリンク状態の予測を用いたルーティングメトリック構築", 信学技報 ASN2014-170, JPN6018040006, March 2015 (2015-03-01) * |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2019080143A (ja) | 2019-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11399303B2 (en) | Configuration of a neural network for a radio access network (RAN) node of a wireless network | |
| JP7166584B2 (ja) | チャネル状態予測装置、無線通信装置、チャネル状態予測方法、および、プログラム | |
| WO2016150395A1 (en) | Adaptive, anomaly detection based predictor for network time series data | |
| JP2020537744A (ja) | 動きインジケータ値に基づくワイヤレスメッシュネットワーク内の動きローカライゼーション | |
| Zhohov et al. | Real-time performance evaluation of LTE for IIoT | |
| JP6439123B1 (ja) | 無線環境状況予測システム、無線環境状況予測方法、および、プログラム | |
| US10264475B2 (en) | Apparatus and method for automatically performing network optimization process in mobile communication system | |
| JP6476479B1 (ja) | 無線環境状況予測システム、無線環境状況予測方法、および、プログラム | |
| CN111010207B (zh) | 一种基于量化相关性的跳频方法及装置 | |
| JP2014123939A (ja) | 無線通信ネットワークにおいて動作するトランシーバ、無線通信ネットワークにおける送信システムおよび方法 | |
| JP6973645B2 (ja) | 制御対象装置、制御方法、制御プログラム、及び、遠隔制御システム | |
| JP2019161290A (ja) | センサ装置、無線品質分析装置、無線品質監視システム、データ取得方法、および、プログラム | |
| JP6882684B2 (ja) | 通信装置、通信システム、通信制御方法、及び通信制御プログラム | |
| Shisher et al. | Timely communications for remote inference | |
| Fernandes et al. | An adaptive recurrent neural network model dedicated to opportunistic communication in wireless networks | |
| Yan et al. | Communication and path planning strategies of a robotic coverage operation | |
| US11523399B2 (en) | System, method and computer-accessible medium for predicting wireless signal degradation | |
| JP6978777B2 (ja) | 無線状況予測装置、無線状況予測方法、および、プログラム | |
| US12088358B2 (en) | Predictive quality of service via channel aggregation | |
| Ganjalizadeh et al. | Device selection for the coexistence of URLLC and distributed learning services | |
| JP7075486B2 (ja) | 時間ファクタに基づくワイヤレスメッシュネットワーク内の動きローカライゼーション | |
| CN105430685A (zh) | 基于控制图的干扰源数量估计方法 | |
| US9788224B2 (en) | Energy efficient staggered short transmissions (SST) protocol for wireless sensor networks (WSN) | |
| JP7012138B1 (ja) | 通信状況解析装置、通信状況解析方法及びプログラム | |
| JP7278120B2 (ja) | 無線通信装置、無線通信方法、および、プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171025 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181003 |
|
| 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: 20181016 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181018 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6439123 Country of ref document: JP 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 |