JP6652762B2

JP6652762B2 - チャネル選択方法

Info

Publication number: JP6652762B2
Application number: JP2016008521A
Authority: JP
Inventors: 成主金; 幹雄長谷川; 佳織黒田; 拓樹加藤
Original assignee: National Institute for Materials Science
Current assignee: National Institute for Materials Science
Priority date: 2016-01-20
Filing date: 2016-01-20
Publication date: 2020-02-26
Anticipated expiration: 2036-01-20
Also published as: JP2017130778A

Description

本発明は通信チャネルの選択方法に関し、特にチャネル間の干渉による影響まで考慮したチャネル選択方法に関する。

近年、様々な移動体通信端末が普及しモバイルトラフィックが急増している。しかし、移動体通信に適した周波数帯域は限られており、無線資源の枯渇は深刻な問題となっている。解決法の１つとして、適応的に無線リソースを効率的に選択利用するコグニティブ無線が注目を集めている（非特許文献１、２）。

コグニティブ無線の例として、同じチャネルを共有するスペクトルシェアリング型コグニティブ無線がある。コグニティブユーザはプライマリユーザが未使用で空いている無線資源を使用して通信を行う。最大限周波数の利用効率を高めるためには、有効なチャネル選択の戦略が必要である（非特許文献３、４）。

非特許文献３、４では、マルチチャネルのランダムアクセスシステムにおけるチャネルセンシングが検討されている。コグニティブユーザが各チャネルの空き確率が事前にわかっている場合には選択は簡単であるが、実際にはコグニティブユーザは各チャネルの空き確率を知ることができない。そこで、各チャネルの情報を得る際には、ＭＡＢ(Multi Armed Bandit)アルゴリズムを用いて探索と活用を行う（非特許文献３，４）。探索とはコグニティブユーザが各チャネルの空き確率を学習する動作を行うことを、また活用とは探索において取得した推定確率が高いチャネルを使用し通信を行う段階のことを指す。

ここにおいて、探索を多く行うと活用するまでに時間がかかり、探索を少なくすると最も空いているチャネルを発見することができないというトレードオフが発生する。ＭＡＢアルゴリズムとは報酬を得られる確率がわからないスロットマシンが複数台ある時に、限られた試行回数の中で報酬を最大化する問題を解くために使用されるアルゴリズムである。しかしながら、これまでに提案された、従来のＭＡＢアルゴリズムを使用したチャネル選択では隣接チャネルからの影響を考慮していなかったので、無線ＬＡＮ等に適用した場合、適切なチャネル選択を実現することは困難であった。また、コグニティブ無線に限らず、通信チャネルの選択を行う無線通信方式としては周波数ホッピング等の多様な通信方式が存在し、また有線でも同様である。従って、複数のチャネルをその使用状態に応じて適宜選択して通信を行う通信方法一般にＭＡＢアルゴリズムを適用することが考えられる。このような一般的な場合においても、無線、有線を問わず、各チャネルにおける伝送エラー等に隣接チャネルの使用状況が影響を与える可能性があるが、従来提案されたＭＡＢアルゴリズムベースの通信チャネル選択においてそのような影響は考慮されていなかった。

本発明は複数のチャネルの使用状況に応じて使用するチャネルの選択を行うに当たって、隣接チャネルからの影響を考慮したチャネル選択を行うことを課題とする。

本発明の一側面によれば、通信システムが、ＴＯＷアルゴリズムに基づいて複数のチャネル中から選択されたチャネルを使用して通信を行う通信システムにおけるチャネル選択を行う方法であって、前記ＴＯＷアルゴリズムにおけるスロットマシンに前記チャネルを対応付け、前記ＴＯＷアルゴリズムにおける報酬量として前記チャネルが空いている確率に基づいた値を対応付け、更に、隣接チャネルが使用されている場合には前記ＴＯＷアルゴリズムで使用する報酬量を減少させることにより、前記報酬量に隣接チャネルからの干渉を反映させ、前記ＴＯＷアルゴリズムにより選択された前記チャネルの選択を行う、チャネル選択方法が与えられる。
また、本発明の一側面によれば、端末が、ＴＯＷアルゴリズムに基づいて複数のチャネル中から選択されたチャネルを使用して通信を行う通信システムにおけるチャネル選択を行う方法であって、前記ＴＯＷアルゴリズムにおけるスロットマシンに前記チャネルを対応付け、前記ＴＯＷアルゴリズムにおける報酬量として前記チャネルが空いている確率に基づいた値を対応付け、更に、隣接チャネルが使用されている場合には前記ＴＯＷアルゴリズムで使用する報酬量を減少させることにより、前記報酬量に隣接チャネルからの干渉を反映させ、前記ＴＯＷアルゴリズムにより選択された前記チャネルの選択を行う、チャネル選択方法が与えられる。
ここで、前記隣接チャネルが使用されていたことを反映させた前記報酬量は、チャネルｊに対する前記報酬量をＲ_j（ｔ）とするとき下式で定義されてよい。

ここで、ａ_kは隣接チャネルの重み付けのパラメータ、ｎ_j（ｔ）はチャネルｊをセンシングして空いていた場合には０、空いていなかった場合には１をとるパラメータ、ｃはセンシングする上下夫々の隣接チャネル数を表すパラメータ、Ｂは報酬の分布を決定するパラメータである。
また、前記選択されたチャネル及び前記隣接チャネルに対応する個数の通信インターフェースを使用して、前記選択チャネル及び前記隣接チャネルが空いているか否かのセンシングを行ってよい。
また、前記選択されたチャネルが空いているか否かのセンシングを行うとともに、前記隣接チャネルの使用による前記報酬量の減少は、前記隣接チャネルの各々について過去に行われた前記センシングの結果に基づいて定めてよい。
また、前記隣接チャネルが使用されていたことを反映させた前記報酬量は、チャネルｊに対する前記報酬量をＲ_j（ｔ）とするとき下式で定義されてよい。
ここで、ａ_kは隣接チャネルの重み付けのパラメータ、ｎ_j（ｔ）はチャネルｊをセンシングして空いていた場合には０、空いていなかった場合には１をとるパラメータ、ｃはセンシングする上下夫々の隣接チャネル数を表すパラメータ、Ｂは報酬の分布を決定するパラメータであり、
は、隣接チャネルの推定空き確率であり、以下の式により、前回までセンシングして得られた当該チャネルの空き情報の平均値から求められる。
また、前記隣接チャネルのすくなくとも一部については通信インターフェースによって過去に行われたところの当該チャネルが空いているか否かのセンシング結果に基づいて報酬量の減少を行ってよい。
また、前記通信システムはスペクトルシェアリング型コグニティブ無線通信システムであってよい。
本発明の他の側面によれば、前記何れかに記載のチャネル選択方法を使用する無線ＬＡＮシステムが与えられる。
本発明の更に他の側面によれば、無線ＬＡＮに使用される少なくとも一部の端末が前記何れかに記載のチャネル選択方法を使用してチャネル選択を行う無線ＬＡＮシステムが与えられる。

本発明によれば、隣接チャネルからの干渉によるスループットの低下まで考慮して使用するチャネルの選択を行うことによって、従来提案されていたＭＡＢアルゴリズムを利用したチャネル選択よりも高いスループットを実現できるようになる。

コグニティブ無線のチャネルモデルを示す図。ＴＯＷアルゴリズムを説明するモデルを示す図。隣接チャネルからの干渉を考慮したＭＡＢアルゴリズムの報酬量を定義する式（９）の意義を説明する図。（ａ）本発明の実施例で使用した無線ＬＡＮシステムの概略図。（ｂ）使用した無線ＬＡＮシステムのチャネルと中心周波数との対応を示す図。無線ＬＡＮインターフェースを５つ使用し、上下夫々２つの隣接チャネルを含む５つのチャネルを同時にセンシングする第１の実施例におけるセンシングの態様を示す図。無線ＬＡＮインターフェースを１つ使用し、上下夫々２つの隣接チャネルについては過去のセンシング結果からの推定値を使用する第２の実施例におけるセンシングの態様を示す図。本発明の第１の実施例において、各チャネルの空き確率が状況１の通りであるとし、隣接チャネルの重み付けのパラメータ及び報酬の分布を決定するパラメータを４通りに変化させた場合に、試行回数と正しいチャネルを選択した比率との関係を示すグラフ。本発明の第１の実施例において、各チャネルの空き確率が状況２の通りであるとし、隣接チャネルの重み付けのパラメータ及び報酬の分布を決定するパラメータを４通りに変化させた場合に、試行回数と正しいチャネルを選択した比率との関係を示すグラフ。本発明の第１の実施例により選択されたチャネルを使用したときの無線ＬＡＮ上で実測されたＴＣＰスループットを比較例と対比して示すグラフ。本発明の第２及び第３の実施例によるデータのダウンロード時間（朝の時間帯）の実測値を比較例と対比して示すグラフ。本発明の第２及び第３の実施例によるデータのダウンロード時間（昼の時間帯）の実測値を比較例と対比して示すグラフ。本発明の第２及び第３の実施例によるデータのダウンロード時間（夕方の時間帯）の実測値を比較例と対比して示すグラフ。本発明の第２及び第３の実施例によるデータのダウンロード時間（夜間の時間帯）の実測値を比較例と対比して示すグラフ。

本発明の一実施例によれば、ＭＡＢアルゴリズムの一つであるＴＯＷアルゴリズム（非特許文献７）に基づき、隣接チャネルからの影響を考慮した改良されたＴＯＷアルゴリズムを使用して、スペクトルシェアリング型コグニティブ無線におけるチャネル選択を行う。実施例においてはこのチャネル選択の有効性を、５つの無線ＬＡＮ（Local Area Network）インターフェースを使用した実機実装によって評価した。さらに、実際の利用環境を想定し、隣接チャネルからの影響を考慮しつつ無線ＬＡＮインターフェースを１つに減らした構成の評価も行った。なお、ＭＡＢアルゴリズムやＴＯＷアルゴリズムそれ自体については当業者に周知であるため詳細な説明は省略するが、本発明の理解に直接関連する事項について以下で解説する。

また、以下の説明はコグニティブ無線におけるチャネル選択を例に挙げて説明するが、当然ながら本発明のチャネル選択方法はこれに限定されるものではなく、複数のチャネルを有していてＭＡＢアルゴリズムを用いてチャネル選択を行うことが可能な任意の通信システムに適用でき、また無線通信、有線通信の何れかを問わないことをここに注意しておく。

＜ＭＡＢを基にしたコグニティブ無線モデル（非特許文献３，４）＞
図１にコグニティブ無線のチャネルモデルを示す（非特許文献３、４）。このモデルにはＮ個の独立したチャネルであるチャネル１、チャネル２、・・・、チャネルＮが存在する。各チャネルはタイムスロットｔ＝１、２、・・・、Ｔ−１、Ｔ、・・・の単位で使用することができる。図１では使用されているタイムスロットを濃い灰色で、また空きタイムスロットを白色で示している。コグニティブユーザが通信する際には、これらのチャネルをセンシングし、利用率が低い（空き確率Ｐ_１、Ｐ_２、・・・、Ｐ_Ｎが高い）チャネルを選択して、当該選択したチャネル中の空きタイムスロットを用いて通信する。

＜Multi-Armed Bandit（ＭＡＢ）問題＞
非特許文献３，４では、空き確率の高いチャネルを選択するために、この問題をＭＡＢとして定式化している。ＭＡＢ問題は１９５２年に提案された、複数のスロットマシンからプレイヤーが最大限の報酬を得ようとする単純な機械学習の問題である（非特許文献５）。ＭＡＢ問題の目的は、限られた試行回数で報酬を最大化できる最も適切なスロットマシンを推定することである。この推定を行うためには、プレイヤーは成功のサンプルを収集するためにコインを支払わなければならない。試行に基づいて、各スロットマシンの確率を推定することができ、報酬を最大化することができる。推定のために費やす時間を長くするとプレイヤーは精度の高い推定を行うことができるが、試行のために多くのコインを費やす上に、得られた高精度の推定結果を利用できる時間が減る。そのため、推定のための時間が過度に長くなると、結果として得られる報酬は逆に少なくなる。反対に、推定時間を短くしていった場合には精度の低い推定結果に基づいてスロットマシンを選択することになるために、高い報酬を得ることがあまり期待できなくなる。ＭＡＢ問題はこのトレードオフにおける最適化問題である。

＜ＭＡＢアルゴリズム＞
ＭＡＢ問題を解くためのアルゴリズムとして、ε-greedyアルゴリズムやsoftmaxアルゴリズム、UCB1-tuned（非特許文献６）などが知られている。従来のＭＡＢアルゴリズムではUCB1-tunedの性能が最も良いことが示されている。本願発明者らは物体のダイナミクスを用いたＴＯＷ(Tug-of-War（綱引き）)アルゴリズムという全く新しいアルゴリズムを提案し、UCB1-tunedと同程度の性能を持つと最近注目を集めている（非特許文献７，８）。本願では、ＴＯＷアルゴリズムに着目し、これをチャネル選択問題に適用した。

＜ＴＯＷアルゴリズム（非特許文献７）＞
図２にＴＯＷのモデルを示す。ＴＯＷアルゴリズムは最も大きいＸ_ｉ（ｔ＋１）を持つスロットマシンを選択するため、物体の体積保存を利用したアルゴリズムである（物体として固体を考える場合には剛体の形状不変性を利用してもよい）。

図２に基づいてより具体的に説明すれば、先ず、スロットマシンｉを選択した回数をＮ_ｉ（ｔ）、コインが出なかった回数をＬ_ｉ（ｔ）と定義する。また、Ｑ_ｉ（ｔ）はＴＯＷ学習則である。図２はスロットマシンが２台の場合で、スロットマシンＡをプレイして報酬が出た場合及びスロットマシンＢをプレイして報酬が出なかった場合のモデルである。つまり、各プレイの結果に従って物体（図２中で左右のスロットマシンの間に置かれた灰色の横長長方形領域）を学習則に従って移動させる。この物体移動操作を、図２中では物体の左側に置かれたハンマーにより比喩的に示す。この移動の結果で決まる現在の物体の位置Ｘ_ｉからスロットマシンを選択する。ここで長方形領域で表される物体は剛体であるとされる。すなわち、上述のような移動により物体の位置（図２では左右の位置）は変化するが物体の形状は変化しない。従って、例えばスロットマシンＡのプレイ結果に基づいて物体を移動させると、スロットマシンＡ側から見た物体との距離の増加・減少がそのままスロットマシンＢ側から見た物体との距離の減少・増加として現れることに注意されたい。

なお、スロットマシンの台数ｎが２台よりも多い場合には剛体の左右移動というモデルでは表現できない。この場合は、例えばｎ箇所の夫々ピストンが設けられた出口のある管内に非圧縮性流体が入っているモデルにおいて、物体の移動をピストンの移動で置き換えて考えることができる。

また、上の説明でスロットマシンが２台の場合はこれらにＡ及びＢと命名して識別しているが、以下の説明でスロットマシンの台数をｎ台に一般化している場合にはこれらにそれ俺１、２、・・・、ｎと自然数で附番して識別する。従って、Ａ＝１、Ｂ＝２と読み替えることによってスロットマシンが２台の場合の説明をｎ台の一般的な場合の説明に対応付けることができる。

以下に学習則を示す。

ここで、ωはパラメータであり、以下の値に設定した場合にパフォーマンスが良いことが示されている（非特許文献７）。

ここで、Ｐ_ｍａｘ（ｔ）は時刻ｔでの各スロットマシンの推定報酬確率の最大値、Ｐ_ｓｅｃ（ｔ）は時刻ｔでの各スロットマシンの推定確率の中で２番目に大きい推定報酬確率である。

この学習則を使用して次にプレイするスロットマシンを決定するＸ_ｉ（ｔ＋１）を以下に示す。

ここでｎはスロットマシンの台数である。つまり、このようにして計算されたＸ_ｉ（ｔ＋１）が最大となるスロットマシンを選択する。

＜ＴＯＷアルゴリズムのチャネル選択への応用＞

≪ＴＯＷアルゴリズムの拡張≫
従来のＴＯＷアルゴリズムは２値報酬型のＭＡＢに値するものであるが、より一般的な連続値報酬型のＭＡＢに拡張することが可能である。以下に、非特許文献８に基づき学習則の再定式化を行う。

ここではスロットマシンが２台の場合を想定する。以下にスロットマシンＡをＮ_Ａ回プレイ、スロットマシンＢをＮ_Ｂ回プレイした際の各期待報酬量を示す。この時のγはスロットマシンＡとＢの平均報酬の和である。

この時のスロットマシンＡ及びＢの期待報酬量Ｅ_Ａ（ｔ）及びＥ_Ｂ（ｔ）はそれぞれ次式のようになる。ここで報酬量Ｒ_Ａ(ｉ）、Ｒ_Ｂ（ｉ）は任意の実数値である。

スロットマシンＡとＢの期待報酬量の差を計算すると以下のようになる。

ここから連続値の場合のＴＯＷの学習則は

となることがわかる。

≪チャネル選択への適用≫
ＭＢＡアルゴリズムをチャネル選択問題に適用するには、スロットマシンをチャネルに対応付ける。また、スロットマシンでプレイするとは、考えているタイムスロットで選択されているチャネルが実際に空いているか否かをセンシングすることである（あるいは、選択されているチャネルを実際に使用してみるまでは、そのチャネルが空いていて通信が成功したか否かがわからない通信方式もあるが、それも通信してみることを上記「センシング」という概念に含まれるものとして扱う）。スロットマシンでプレイすることによる報酬は、選択したチャネルのタイムスロットが空いていること（つまり、そのタイムスロットを使ったデータ通信が成功したこと）に対応付けられる。

しかしながら、従来のＭＡＢ問題ではそれぞれがチャネルに対応付けられる複数台のスロットマシンの報酬確率は互いに独立であった。一方、無線ＬＡＮでは隣接チャネルからの影響を受けてスループットが低下する。これにより、従来のＭＡＢアルゴリズムをそのままチャネル選択問題に適用して得られた解を隣接チャネルからの影響のある通信系に適用しても、最適解に比べてかなり小さなスループットの改善しか達成できない場合がある。この問題を解決するため、本発明ではＭＡＢアルゴリズムの報酬量を、隣接チャネルからの干渉を考慮した形で以下のように定式化する。

ここで、ａ_ｋは隣接チャネルの重み付けのパラメータ、ｎ_ｊ（ｔ）はチャネルｊをセンシングして空いていたかどうかを示す０または１の値（空いていた場合：０、空いていなかった場合：１）、ｃはセンシングする隣接チャネル数のパラメータ（つまり、それぞれの側でｃ個、両側で合計２ｃ個の隣接チャネルをセンシングする）、Ｂは報酬の分布を決定するパラメータ（Ｂの値により報酬の最大値と分布が決まる）である。式（９）の分母の右側の項により隣接チャネルからの影響が決まる。式（９）の意味については図３も参照されたい。学習則は式（８）を用いる。選択チャネルを決定するＸ_ｉ（ｔ）を以下に示す。

ここで、式（９）は隣接チャネルからの干渉を考慮した報酬量の唯一の可能な定義ではなく、他の形も考えられる。式（９）は、比較的単純な形でかなりよく隣接チャネルの影響を表すことができる点で有利であるという理由で選ばれた関数である。また、この関数の意味を直感的に説明すれば、チャネルｊの空き確率が大きくても隣接チャネルが混みあっている場合には当該チャネルのスループットが低下することでその利用価値が低くなる（空きチャネルであっても実際の通信が失敗する確率が高い）ことを反映させるように、重み付けパラメータ（つまり干渉の程度を表すパラメータ）ａ_ｋに応じて報酬量を低減させるように定義されている。

なお、以下で説明する実施例ではｃ＝２（つまり、隣接チャネルの個数を上下夫々２つ）としたが、本発明を実装する通信系におけるチャネル間の干渉の実態に合わせてｃの値を増減して良い。また、実施例では通信路として既存の無線ＬＡＮを使用し、「隣接チャネル」を「周波数が隣接しているチャネル」という意味で使用しているが、これに限定されるものではない。本発明は無線ＬＡＮでなくてもチャネル間の干渉が起こり得る通信路であれば適用可能である。また、「隣接」とは必ずしも周波数の隣接関係をいうものではなく、一般的には、チャネル間の干渉が起こり得る系において干渉の程度が大きいほど近い、つまり隣接度が高いチャネルであると定義される。

また、上述した隣接チャネルの影響を厳密に評価するためには、選択されたチャネルのセンシングと同時に隣接チャネルもセンシングすることで、今行う通信に影響を与える隣接チャネルでも同時に通信が行なわれるかを調べる必要がある。これは厳密な評価を行うことができる反面、複数チャネルを同時センシングするために、通信用インターフェースを実際に通信を行うチャネル用に加えて同時センシング対象の近接チャネル用にも用意する必要があり、ハードウエアコストが追加の通信用インターフェース分上昇し、また通信端末上での通信用回路の実装面積が増大することで端末の小型化を阻害するという問題がある。

そこで、上記問題を回避する必要がある場合には、各チャネルの使用状況は通常の場合はある程度の期間は大きく変化しないことを利用して、センシングを選択されたチャネルに対して行い、隣接チャネルのセンシングを実際に行う代わりに、これら隣接チャネルについて過去に行ったセンシング結果を用いてそのセンシング結果を推定することができる。更に、隣接チャネルとして最も近いチャネルだけではなく、二番目、三番目などのやや遠方のチャネルまで含める場合には、影響の大きい隣接チャネルについては追加の通信インターフェースを用意することで実際に同時センシングを行うが、隣接チャネルのうちの比較的影響が小さいと考えられる他のチャネルについては上述した推定を行うという折衷的な近接チャネルセンシングも可能である。また、過去の情報（履歴）から隣接チャネルの混み具合を推定する方法も多数ある。

実施例では、実際の無線ＬＡＮ環境で実装を行った。端末で上述のように隣接チャネルの影響を考慮するように改良されたＴＯＷアルゴリズムを動作させ、最も空いているチャネルを選択できているかを、データのダウンロード時間で評価した。図４（ａ）に実装システムを示す。なお、実装システムにおいては端末、基地局何れにおいてもその処理装置の処理速度を充分大きくして、端末、基地局内での情報処理の遅延が通信路の制御動作に悪影響を与えたり、また改良されたＴＯＷアルゴリズムの計算の遅延により待ちが生じないようにした。図４（ｂ）にはそこで使用される１４のチャネルのそれぞれの中心周波数を示す。図４（ｂ）に示すように、実施例で使用した無線ＬＡＮの基地局では１４あるチャネル全てで同時に送受信可能である。実装システムは、業務で実際に運用されている無線ＬＡＮシステムに本発明の改良されたＴＯＷアルゴリズムを使用したチャネル選択を行うことができる端末を接続することにより構成した。これにより、現実の通信環境でその性能を評価することができた。

第１及び第２の実施例では式（９）における、センシングする隣接チャネル数のパラメータｃを２とした。端末は無線ＬＡＮインターフェースを５つ使用し、上下夫々隣接する２つのチャネルを含む５つのチャネルを同時にセンシングした。このセンシングの態様を図５に示す。式（９）のｎ_ｊ（ｔ）は、時刻ｔにセンシングを行い、チャネルｊが空いていた場合はｎ_ｊ（ｔ）＝０，空いていなかった場合はｎ_ｊ（ｔ）＝１の値を取る。

第１の実施例では、先ず各チャネルの空き確率及び式（９）中のパラメータの値を複数通り設定してシミュレーションを行い、良好な結果を得たパラメータを採用して実際の無線ＬＡＮ環境での本発明のアルゴリズムを評価した。第２の実施例では無線ＬＡＮのトラフィックが互いに異なると考えられる複数の時間帯で本発明のアルゴリズムの評価を行った。

また実際の利用環境を想定し、隣接チャネルの影響を考慮に入れつつ無線ＬＡＮインターフェースを１つに減らした場合の第３の実施例を構成し、これについても第２の実施例と同様に実際の無線ＬＡＮ環境で実装を行った。第３の実施例は、図６に示すように、使用するチャネルのみセンシングを行い、上下夫々２つの隣接チャネルの情報は蓄積しておいた過去のセンシング結果の情報からの推定値を用いて改良されたＴＯＷアルゴリズムを動作させるものである。これを実現するため、報酬量Ｒ_ｊ（ｔ）を式（１１）のように再定義した。

ここで、

は、隣接チャネルの推定空き確率であり、以下の式のように、時刻ｔ−１までセンシングして得られたチャネルの空き情報の平均値から得られる。

第１の実施例では先ず１４あるチャネル毎の空き確率を以下の表１及び表２の２通り設定し、また式（９）のパラメータを以下の表３に示すパターン１〜パターン４の４通り設定してシミュレーションを行った。

このシミュレーションでは、状況１及び状況２において、隣接チャネルの重み付けのパラメータａと報酬の分布を決定するパラメータＢを表３のパターン１〜４のように変化させたとき、本発明のチャネル選択方法を実行して最も報酬を得られるチャネルを選択できたかについて評価を行った。

状況１及び状況２についてのシミュレーション結果を夫々図７及び図８に示す。これらの結果から隣接チャネルを上下それぞれ２チャネルセンシングすることができる場合には、Ｂ＝１，重みづけは隣接２チャネル目を０．３また直接隣接しているチャネルについては０．６とすることで、探索が成功することを確認した。

上記の結果を用いて実際の無線ＬＡＮ環境で、上で説明したアルゴリズムを端末上で動作させることでチャネルの選択を行った。最も空いているチャネルを選択できるかどうかを調べるため、ＴＣＰスループットの測定を行った。その結果を、隣接チャネルからの影響を考慮しない従来のＴＯＷアルゴリズムの手法（非特許文献７）及びランダムな選択によってチャネルを選択するように動作する２つの比較例と比較評価した。図９に、その比較を行っているグラフを示す。図９より，実施例１である、隣接チャネルからの影響まで考慮してチャネル選択を行う改良されたＴＯＷアルゴリズムで選択したチャネルを使用した場合、ランダムに選択したチャネルを使用した場合よりＴＣＰスループットが約５Ｍｂｐｓ速くなることが確認できた。また，従来の隣接チャネルからの影響を考慮しないＴＯＷアルゴリズムによってチャネル選択を行った場合よりも約２Ｍｂｐｓ早くなることも確認することができた．

第２及び第３の実施例では８００ＭＢのファイルデータのダウンロード時間による評価を行った。図７〜図１０に、４つの時間帯（朝：８時〜１０時；昼：１１時〜１３時；夕：１６時〜１８時；夜：２１時〜２３時）における測定の結果を夫々示す。各図において実施例１がインターフェースを５つ使用した場合、実施例２がインターフェースを１つ使用し、隣接チャネルについては過去のセンシング結果からの推定を行った場合である。上述したように実施例は現実に使用されているＬＡＮシステム上で構築されたものであるため、時間帯によって変化する現実の使用状況についての評価を行うことができた。また、比較例として隣接チャネルからの影響を考慮しない従来のＴＯＷアルゴリズムの手法（非特許文献７）を用いて実施例２、３と比較評価した。

この結果から、隣接チャネルを考慮する改良されたＴＯＷアルゴリズムが従来のＴＯＷアルゴリズムよりもダウンロード時間が短縮されていることが確認できた。また、ユーザーが比較的少なく、従ってＬＡＮ上のトラフィックも少ないと考えられる朝や夜の時間帯よりも、ユーザーが多いと考えられる昼や夕方の時間帯の方がより有効であるか少なくとも同等であることも確認できた。また、無線ＬＡＮインターフェースを減らしても従来のＴＯＷアルゴリズムよりもダウンロード時間は短く、インターフェース５つのシステムとどの時間帯でもほぼ同じ性能であることも確認できた。

＜まとめ＞
本願では、ＭＡＢアルゴリズムを用いたチャネル選択手法（非特許文献３，４）の１つである隣接チャネルからの影響を考慮した改良されたＴＯＷアルゴリズムを提供し、実機実装を行った。インターフェースを５つ使用するシステムに加えて、実際の利用環境に応じたインターフェースを１つのみ使用するシステムも実装し、その有効性を無線ＬＡＮ環境において確認した。また、無線ＬＡＮインターフェースを減らしても従来のＴＯＷアルゴリズムよりもダウンロード時間は短く、インターフェースが５つのシステムとほぼ同等の性能を維持できることも確認できた。

本発明により、スペクトルシェアリング型コグニティブ無線、その他の複数のチャネルの使用状況に応じて使用するチャネルの選択を行う通信方式におけるチャネル選択をＭＡＢアルゴリズムに基づいて行う方法をさらに改善して、通信回線のスループットを一層改善することができる。また回線とのインターフェースを追加するなどのハードウエアの追加投資を行わない場合でも、従来の選択方法に比べてかなりの改善を達成することができる。従って、本発明は広い通信分野で大いに利用されることが期待できる。

J. Mitola, "Cognitive radio for flexible mobile multimedia communications," in Proc. IEEE MoMuC'99, pp. 3-10, 1999. S. Haykin, "Cognitive radio: Brain-Empowered Wireless Communications," IEEE Journal on Selected Areas in Communications, vol. 23, no. 22, pp. 201-220, 2005. L. Lai, H. Jiang, and H. V. Poor, "Medium access in cognitive radio networks: A competitive multi-armed bandit frame work," Proc. of IEEE 42th Asilomar Conference on Signals, System and Computer, pp. 98-102, 2008. L. Lai, H. E. Jiang, and H. V. Poor, "Cognitive medium access: Exploration, exploitation, and competition," IEEE Trans. on mobile Computing, vol. 10, no. 2, pp. 239-253, 2011. H. Robbins, "Some aspects of the sequential design of experiments," Bulletin of the American Mathematical Society, vol. 58, pp. 527-535, 1952. P. Auer, N. Cesa-Bianchi, and P. Fischer, "Finite-Time Analysis of the Multiarmed Bandit Problem," Machine Learning, vol. 47, pp. 235-256, 2002. S. -J. Kim, and M. Aono, "Amoba-Inspired Algorism for Cognitive Medium access," Nonlinear Theory and Its Applications, IEICE, vol. 5, no. 2, pp. 198-209, 2014. S. -J. Kim, M. Aono, and E. Nameda, "Efficient Decision-Making by Volume-Conserving Physical Object," New Journal of Physics, vol.17, 083023, 2015.

Claims

通信システムが、ＴＯＷアルゴリズムに基づいて複数のチャネル中から選択されたチャネルを使用して通信を行う通信システムにおけるチャネル選択を行う方法であって、
前記ＴＯＷアルゴリズムにおけるスロットマシンに前記チャネルを対応付け、
前記ＴＯＷアルゴリズムにおける報酬量として前記チャネルが空いている確率に基づいた値を対応付け、
更に、隣接チャネルが使用されている場合には前記ＴＯＷアルゴリズムで使用する報酬量を減少させることにより、前記報酬量に隣接チャネルからの干渉を反映させ、
前記ＴＯＷアルゴリズムにより前記チャネルの選択を行う、
チャネル選択方法。
端末が、ＴＯＷアルゴリズムに基づいて複数のチャネル中から選択されたチャネルを使用して通信を行う通信システムにおけるチャネル選択を行う方法であって、
前記ＴＯＷアルゴリズムにおけるスロットマシンに前記チャネルを対応付け、
前記ＴＯＷアルゴリズムにおける報酬量として前記チャネルが空いている確率に基づいた値を対応付け、
更に、隣接チャネルが使用されている場合には前記ＴＯＷアルゴリズムで使用する報酬量を減少させることにより、前記報酬量に隣接チャネルからの干渉を反映させ、
前記ＴＯＷアルゴリズムにより前記チャネルの選択を行う、
チャネル選択方法。
前記隣接チャネルが使用されていたことを反映させた前記報酬量は、チャネルｊに対する前記報酬量をＲ_j（ｔ）とするとき下式で定義される、請求項１または２に記載のチャネル選択方法。
ここで、ａ_kは隣接チャネルの重み付けのパラメータ、ｎ_j（ｔ）はチャネルｊをセンシングして空いていた場合には０、空いていなかった場合には１をとるパラメータ、ｃはセンシングする上下夫々の隣接チャネル数を表すパラメータ、Ｂは報酬の分布を決定するパラメータである。
前記選択されたチャネル及び前記隣接チャネルに対応する個数の通信インターフェースを使用して、前記選択チャネル及び前記隣接チャネルが空いているか否かのセンシングを行う、請求項１から３の何れかに記載のチャネル選択方法。
前記選択されたチャネルが空いているか否かのセンシングを行うとともに、
前記隣接チャネルの使用による前記報酬量の減少は、前記隣接チャネルの各々について過去に行われた前記センシングの結果に基づいて定める、
請求項４に記載のチャネル選択方法。
前記隣接チャネルが使用されていたことを反映させた前記報酬量は、チャネルｊに対する前記報酬量をＲ_j（ｔ）とするとき下式で定義される、請求項５に記載のチャネル選択方法。

ここで、ａ_kは隣接チャネルの重み付けのパラメータ、ｎ_j（ｔ）はチャネルｊをセンシングして空いていた場合には０、空いていなかった場合には１をとるパラメータ、ｃはセンシングする上下夫々の隣接チャネル数を表すパラメータ、Ｂは報酬の分布を決定するパラメータであり、
は、隣接チャネルの推定空き確率であり、以下の式により、前回までセンシングして得られた当該チャネルの空き情報の平均値から求められる。
前記隣接チャネルのすくなくとも一部については通信インターフェースによって過去に行われたところの当該チャネルが空いているか否かのセンシング結果に基づいて報酬量の減少を行う、請求項１または２に記載のチャネル選択方法。
前記通信システムはスペクトルシェアリング型コグニティブ無線通信システムである、請求項１から７の何れかに記載のチャネル選択方法。
請求項１から８の何れかに記載のチャネル選択方法を使用する無線ＬＡＮシステム。
無線ＬＡＮに使用される少なくとも一部の端末が請求項１から８の何れかに記載のチャネル選択方法を使用してチャネル選択を行う無線ＬＡＮシステム。