JP6999134B2 - 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

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． H. He and E. Garcia, "Learning from Imbalanced Data, "IEEE Trans. Knowl. Data Eng., vol. 21, no. 9, pp1263-1284, 2009. Zhenyu Wang, E.K. Tameh, and A.R. Nix, "Joint Shadowing Process in Urban Peer-to-Peer Radio Channels," IEEE Trans. Veh., vol. 57, no. 1, pp. 52-64, Jan. 2008. 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,"NIPS2009.

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、非特許文献１に記載された技術同様、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。加えて、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精度良く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精度良く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。

更に、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精度良く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記録したコンピュータ読み取り可能な記録媒体を提供する。

（構成１）
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、更新手段と、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、干渉を示すデータの割合が一定値とな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。更新手段は、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する。機械学習手段は、更新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、決定境界を用いて、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および１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する。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。

この発明の実施の形態による管理装置は、干渉データの個数と非干渉データの個数との偏りを低減した更新教師データを生成し、その生成した更新教師データに基づいて機械学習して決定境界を決定し、その決定した決定境界を用いて、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および１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する。その結果、２次利用者は、決定された通信パラメータに基づいて干渉が発生するか否かを判定できる。

従って、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精度良く決定できる。

（構成２）
構成１において、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。

このように、管理装置は、１次利用者に干渉を与えない２次利用者の通信パラメータセットを決定する。

従って、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精度良く決定できる。

（構成３）
構成１または構成２において、更新手段は、干渉データの個数を増加させ、非干渉データの個数を減少することにより教師データを更新して更新教師データを生成する。

干渉データの個数を増加させるとともに非干渉データの個数を減少することにより、干渉データの個数と非干渉データの個数との偏りを低減するので、非干渉データの個数が干渉データの個数よりも多い無線通信環境において、１次利用者に干渉を与えない２次利用者の通信パラメータセットをリアルタイムに精度良く決定できる。

（構成４）
構成３において、更新手段は、教師データに含まれる干渉データから擬似干渉データを生成するとともに、教師データに含まれる非干渉データを削除して更新教師データを生成する。

教師データに含まれる干渉データから擬似干渉データを生成するので、無線通信におけるシャドウィングの相関により、干渉が起こり得る点に擬似データを生成することができる。その結果、１次利用者に干渉を与えない２次利用者の通信パラメータセットを精度良く決定できる。

（構成５）
構成４において、更新手段は、教師データに含まれる干渉データを基準点とし、基準点の干渉データに基づいて発生させた擬似干渉データと基準点の干渉データとが所定の分布に従うように擬似干渉データを生成するとともに、基準点を中心とした円の外側に存在する非干渉データを削除して更新教師データを生成する。

基準点である干渉データと同じ分布に従うように擬似データを生成するとともに、干渉データから一定の距離だけ離れた位置に存在する非干渉データを削除するので、干渉が起こり得る位置に擬似データを生成するとともに、考慮されない非干渉データを削除する。

従って、１次利用者に干渉を与えない２次利用者の通信パラメータセットを精度良く決定できる。また、計算量を低減できる。

（構成６）
構成５において、更新手段は、基準点の干渉データに基づいて発生させた擬似干渉データと基準点の干渉データとが、分散を変化させたときの正規分布に従うように擬似干渉データを生成する。

統計処理によって擬似干渉データが生成される。

従って、干渉が起こり得る点に擬似データを容易に生成できる。

（構成７）
構成１から構成６のいずれかにおいて、管理装置は、第１および第２の危険度付与手段を更に備える。第１の危険度付与手段は、更新手段から受けた更新教師データの座標点を送信点とし、１次利用者の位置を受信点とした場合に、地形データを考慮した受信電力を推定するとともに、その推定した受信電力に基づいて第１の干渉発生危険度を推定し、その推定した第１の干渉発生危険度を更新教師データに付与する。第２の危険度付与手段は、第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界を受けると、更新教師データの存在領域を複数の領域に分割し、その分割した１つの領域の座標点を送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定するとともに、その推定した受信電力に基づいて第２の干渉発生危険度を推定し、その推定した第２の干渉発生危険度を１つの領域に付与して判定用データを生成する処理を複数の領域の全てについて実行する。そして、機械学習手段は、第１の干渉発生危険度が付与された更新教師データに基づいて、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、第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界と、判定用データと、第２の干渉発生危険度が付与された複数の領域とに基づいて、複数の領域の各々が通信禁止領域であるか否かを判定し、通信禁止領域および通信許可領域の少なくとも１つを通信パラメータセットとして決定する。

地形データを考慮して決定された第１および第２の干渉発生危険度を用いて決定境界を決定するので、第１および第２の干渉発生危険度を用いない場合よりも、干渉データと非干渉データとを容易に分離できる。

（構成８）
構成７において、通信パラメータ決定手段は、判定用データを決定境界と比較し、複数の領域のうち、干渉を発生させる領域に分類された判定用データに対応する領域を通信禁止領域として決定する。

判定用データを介して複数の領域の各領域と決定境界との相対位置を決定するので、各領域が通信禁止領域であるか否かを正確に決定できる。

（構成９）
構成７または構成８において、第１の危険度付与手段は、推定した受信電力を第１の干渉発生危険度として推定し、または推定した受信電力を当該受信電力が得られる地点に最も近い干渉データの位置における受信電力で除算した除算結果を第１の干渉発生危険度として推定する。

推定した受信電力、または推定した受信電力を当該受信電力が得られる地点に最も近い干渉データの位置における受信電力で除算した除算結果を第１の干渉発生危険度とする。

従って、地形データに基づいて第１の干渉発生危険度を推定できる。

（構成１０）
構成７から構成９のいずれかにおいて、第１の危険度付与手段は、１次利用者と２次利用者との間の電波伝搬特性として複数の電波伝搬特性を保持しており、地形データに最も合致する電波伝搬特性を複数の電波伝搬特性から選択し、その選択した電波伝搬特性を用いて受信電力を推定する推定処理を実行する。

従って、地形データに適合して受信電力を推定できる。

（構成１１）
構成１０において、第２の危険度付与手段は、第１の危険度付与手段における推定処理と同じ推定処理を実行し、受信電力を推定する。

従って、第２の干渉発生危険度の元になる受信電力を地形データに適合して推定できる。

（構成１２）
構成７から構成１１のいずれかにおいて、地形データは、標高地図または航空写真からなる。

電波の伝搬環境に即して第１および第２の干渉発生危険度を推定できる。

（構成１３）
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、干渉を示すデータの割合が一定値とな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、更新手段が、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する第３のステップと、機械学習手段が、更新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４のステップと、通信パラメータ決定手段が、前記決定境界を用いて、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および前記１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する第５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６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。

プログラムをコンピュータに実行させることにより、干渉データの個数と非干渉データの個数との偏りを低減した更新教師データが生成され、その生成された更新教師データに基づいて機械学習され、決定境界が決定される。そして、その決定された決定境界を用いて、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および１次利用者において干渉が発生する通信パラメータセットの少なくとも１つが決定される。その結果、２次利用者は、決定された通信パラメータに基づいて干渉が発生するか否かを判定できる。

従って、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精度良く決定できる。

（構成１４）
構成１３において、通信パラメータ決定手段は、第５のステップにおいて、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。

このように、１次利用者に干渉を与えない２次利用者の通信パラメータセットが決定される。

従って、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精度良く決定できる。

（構成１５）
構成１３または構成１４において、更新手段は、第３のステップにおいて、干渉データの個数を増加させ、非干渉データの個数を減少することにより教師データを更新して更新教師データを生成する。

干渉データの個数を増加させるとともに非干渉データの個数を減少することにより、干渉データの個数と非干渉データの個数との偏りを低減するので、非干渉データの個数が干渉データの個数よりも多い無線通信環境において、１次利用者に干渉を与えない２次利用者の通信パラメータセットをリアルタイムに精度良く決定できる。

（構成１６）
構成１５において、更新手段は、第３のステップにおいて、教師データに含まれる干渉データに基づいて、擬似干渉データを生成するとともに、教師データに含まれる非干渉データを削除して更新教師データを生成する。

教師データに含まれる干渉データから擬似干渉データを生成するので、無線通信におけるシャドウィングの相関により、干渉が起こり得る点に擬似データを生成することができる。その結果、１次利用者に干渉を与えない２次利用者の通信パラメータセットを精度良く決定できる。

（構成１７）
構成１６において、更新手段は、第３のステップにおいて、教師データに含まれる干渉データを基準点とし、基準点の干渉データに基づいて発生させた擬似干渉データと基準点の干渉データとが所定の分布に従うように擬似干渉データを生成するとともに、基準点を中心とした円の外側に存在する非干渉データを削除して更新教師データを生成する。

基準点である干渉データと同じ分布に従うように擬似データを生成するとともに、干渉データから一定の距離だけ離れた位置に存在する非干渉データを削除するので、干渉が起こり得る位置に擬似データを生成するとともに、考慮されない非干渉データを削除する。

従って、１次利用者に干渉を与えない２次利用者の通信パラメータセットを精度良く決定できる。また、計算量を低減できる。

（構成１８）
構成１７において、更新手段は、第３のステップにおいて、基準点の干渉データに基づいて発生させた擬似干渉データと基準点の干渉データとが、分散を変化させたときの正規分布に従うように擬似干渉データを生成する。

統計処理によって擬似干渉データが生成される。

従って、干渉が起こり得る点に擬似データを容易に生成できる。

(構成１９)
構成１３から構成１８のいずれかにおいて、プログラムは、第１の危険度付与手段が、更新手段から受けた更新教師データの座標点を送信点とし、１次利用者の位置を受信点とした場合に、地形データを考慮した受信電力を推定するとともに、その推定した受信電力に基づいて第１の干渉発生危険度を推定し、その推定した第１の干渉発生危険度を更新教師データに付与する第７のステップと、第２の危険度付与手段が、第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界を受けると、更新教師データの存在領域を複数の領域に分割し、その分割した１つの領域の座標点を送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定するとともに、その推定した受信電力に基づいて第２の干渉発生危険度を推定し、その推定した第２の干渉発生危険度を１つの領域に付与して判定用データを生成する処理を複数の領域の全てについて実行する第８のステップとを更にコンピュータに実行させ、機械学習手段は、第４のステップにおいて、第１の干渉発生危険度が付与された更新教師データに基づいて、決定境界を機械学習によって決定し、通信パラメータ決定手段は、第５のステップにおいて、第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界と、判定用データと、第２の干渉発生危険度が付与された複数の領域とに基づいて、複数の領域の各々が通信禁止領域であるか否かを判定し、通信禁止領域および通信許可領域の少なくとも１つを通信パラメータセットとして決定する。

地形データを考慮して決定された第１および第２の干渉発生危険度を用いて決定境界を決定するので、第１および第２の干渉発生危険度を用いない場合よりも、干渉データと非干渉データとを容易に分離できる。

（構成２０）
構成１９において、通信パラメータ決定手段は、第５のステップにおいて、判定用データを決定境界と比較し、複数の領域のうち、干渉を発生させる領域に分類された判定用データに対応する領域を通信禁止領域として決定する。

判定用データを介して複数の領域の各領域と決定境界との相対位置を決定するので、各領域が通信禁止領域であるか否かを正確に決定できる。

（構成２１）
構成１９または構成２０において、第１の危険度付与手段は、第７のステップにおいて、推定した受信電力を第１の干渉発生危険度として推定し、または推定した受信電力を当該受信電力が得られる地点に最も近い干渉データの位置における受信電力で除算した除算結果を第１の干渉発生危険度として推定する。

推定した受信電力、または推定した受信電力を当該受信電力が得られる地点に最も近い干渉データの位置における受信電力で除算した除算結果を第１の干渉発生危険度とする。

従って、地形データに基づいて第１の干渉発生危険度を推定できる。

（構成２２）
構成１９から構成２１のいずれかにおいて、第１の危険度付与手段は、第７のステップにおいて、１次利用者と２次利用者との間の電波伝搬特性として複数の電波伝搬特性を保持しており、地形データに最も合致する電波伝搬特性を複数の電波伝搬特性から選択し、その選択した電波伝搬特性を用いて受信電力を推定する推定処理を実行する。

従って、地形データに適合して受信電力を推定できる。

（構成２３）
構成２２において、第２の危険度付与手段は、第８のステップにおいて、第７のステップにおける推定処理と同じ推定処理を実行し、受信電力を推定する。

従って、第２の干渉発生危険度の元になる受信電力を地形データに適合して推定できる。

（項瀬２４）
構成１９から構成２３のいずれかにおいて、地形データは、標高地図または航空写真からなる。

（構成２５）
この発明の実施の形態によれば、記録媒体は、構成１３から構成２４のいずれか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である。

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精度良く決定できる。

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に示す管理装置の実施の形態１における構成を示す概略図である。 図２に示す機械学習部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。 擬似データの生成方法を説明するための図である。 過剰データを削除する方法を説明するための図である。 更新教師データの生成方法を説明するための図である。 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実施の形態１におけるフローチャートである。 図１３のステップＳ１１の詳細な動作を説明するためのフローチャートである。 禁止領域外の干渉点の割合と禁止領域の面積との関係を示す図である。 図１に示す管理装置の実施の形態２における構成を示す概略図である。 図１６に示す機械学習部およびパラメータ決定部の構成を示す概略図である。 奥村－秦モデルにおける電界強度と距離との関係を示す図である。 実施の形態２における決定境界の概念図である。 干渉発生危険度ｐ_１を用いない場合の決定境界の概念図である。 通信禁止領域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実施の形態２におけるフローチャートである。 図２２のステップＳ１１Ａ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２２のステップＳ１２Ａの詳細な動作を説明するためのフローチャートである。

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，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。

［実施の形態１］
図２は、図１に示す管理装置１０の実施の形態１における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、送信端末位置、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、教師データを作成する。そして、機械学習部１２は、後述する方法によって、教師データを更新し、更新教師データを生成する。その後、機械学習部１０２は、更新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、図２に示す機械学習部１０２の構成を示す概略図である。図３を参照して、機械学習部１０２は、生成装置１０２１と、擬似データ生成装置１０２２と、過剰データ削除装置１０２３と、更新装置１０２４と、決定装置１０２５とを含む。

生成装置１０２１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、教師データを生成する。そして、生成装置１２１は、その生成した教師データを擬似データ生成装置１０２２および過剰データ削除装
置１０２３へ出力する。

擬似データ生成装置１０２２は、教師データを生成装置１０２１から受け、その受けた教師データから後述する方法によって擬似データを生成する。そして、擬似データ生成装置１０２２は、その生成した擬似データを更新装置１０２４へ出力する。

過剰データ削除装置１０２３は、教師データを生成装置１０２１から受け、その受けた教師データから過剰データを削除する。そして、過剰データ削除装置１０２３は、過剰データを削除した教師データを更新装置１０２４へ出力する。

更新装置１０２４は、擬似データを擬似データ生成装置１０２２から受け、過剰データを削除した教師データを過剰データ削除装置１０２３から受ける。そして、更新装置１０２４は、過剰データを削除した教師データに擬似データを追加して教師データを更新し、更新教師データを生成する。そして、更新装置１０２４は、更新教師データを決定装置１０２５へ出力する。

決定装置１０２５は、更新教師データを更新装置１０２４から受け、その受けた更新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。そして、決定装置１０２５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。

図４は、管理テーブルの概念図である。図４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、送信端末位置、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４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、送信端末位置、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４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４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５は、教師データの概念図である。図５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５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、送信端末位置、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の生成装置１０２１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５に示す教師データＴＣＨＲ＿Ｄを作成する。

教師データＴＣＨＲ＿Ｄにおいて、干渉が有ることを示すフラグ（“１”）と、フラグ（“１”）に対応付けられた被干渉端末位置、送信電力および中心周波数とは、「干渉データ」を構成する。また、教師データＴＣＨＲ＿Ｄにおいて、干渉が無いことを示すフラグ（“－１”）と、フラグ（“－１”）に対応付けられた被干渉端末位置、送信電力および中心周波数とは、「非干渉データ」を構成する。

図５においては、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が、実際には、２次利用者の通信履歴は、上述した送信電力、送信端末位置、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。従って、干渉が有ることを示すフラグ（“１”）と、フラグ（“１”）に対応付けられた被干渉端末位置および２次利用者の通信パラメータ（送信電力、送信端末位置、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）は、「干渉データ」を構成し、干渉が無いことを示すフラグ（“－１”）と、フラグ（“－１”）に対応付けられた被干渉端末位置および２次利用者の通信パラメータ（送信電力、送信端末位置、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）は、「非干渉データ」を構成する。

図６は、擬似データの生成方法を説明するための図である。なお、図６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。そして、“干渉源からの距離”は、変更できない（変更不可）パラメータである。

図６を参照して、教師データを２次元空間に配置する。白丸は、非干渉データを表し、黒丸は、干渉データを表す。このように、干渉データの個数は、非干渉データの個数に比べて非常に少ない。これは、実際の通信では、非干渉データは、正常な通信を示すため、履歴が豊富に存在するが、干渉データは、干渉通知があった場合だけ発生するため、非常に少ない。従って、干渉データの個数と非干渉データの個数との間には、偏りが存在する。

機械学習では、このように異なるラベル（干渉の有無）に属するクラス間の発生確率に大きな偏りが存在するような学習データを非対称データと言い、非対称データにおける学習は、学習精度が著しく低下してしまうことが知られている（非特許文献５）。

そこで、この発明の実施の形態においては、干渉データ（黒丸）を基準点とし、基準点から、干渉データである擬似データを生成する。

例えば、擬似データ生成装置１０２２は、正規分布の分散をパラメータとして変化させ、干渉データおよび擬似データが、その変化させた分散を有する正規分布に従って分布するように擬似データを生成する。

また、擬似データ生成装置１０２２は、干渉データおよび擬似データが一様分布の範囲に入るように擬似データを生成する。

このように、擬似データ生成装置１０２３は、干渉データ（基準点）にノイズ（変化させた分散を有する正規分布に従うようにと言うノイズ、または一様分布の範囲に入ると言うノイズ）を加えて擬似データを生成する。

一般に、屋外での無線通信は、建造物による遮蔽などによるシャドウィングの影響を受けるが、シャドウィングには、空間相関性があることが知られている（非特許文献６）。従って、干渉データの近傍では干渉が発生しやすいことになる。

そこで、干渉データ（基準点）に加えるノイズを適切に設定して擬似データを生成することにより、従来のオーバーサンプリング手法で起こり得る、本来干渉の起こり得ない点に擬似データが生成される問題を回避した上で、教師データの中の干渉データの割合を増やすことができる。

なお、特徴量として３次元空間上の座標を用いる場合、正規分布の分散または一様分布の範囲は、無線通信におけるシャドウィングの空間相関が０．５となる距離（一般には、２０ｍ程度）を設定する必要がある。

このように、擬似データ生成装置１０２２は、教師データに含まれる干渉データ（基準点）から擬似データを生成する。

図７は、過剰データを削除する方法を説明するための図である。なお、図７においても、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。そして、“干渉源からの距離”は、変更できない（変更不可）パラメータである。

図７を参照して、教師データを２次元空間に配置する。白丸は、非干渉データを表し、黒丸は、干渉データを表す。機械学習部１０２の過剰データ削除装置１０２３は、干渉データである基準点を中心とした基準円ＣＲＣ（ｎ次元平面ではｎ－１次元超球面）を作成し、基準円ＣＲＣ（ｎ次元平面ではｎ－１次元超球面）の外の領域の非干渉データを削除する。この方法によって過剰データを削除することにより、従来のアンダーサンプリング手法で起こり得る、本来なら通信可能な領域を得るために学習すべき非干渉データが削除される問題を回避しつつ、教師データの中の非干渉データの割合を減らすことができる。

基準円ＣＲＣ（ｎ次元平面ではｎ－１次元超球面）は、基準点からの距離がｎ次元平面上で十分離れるように、例えば、最も隣接する他の基準点との距離の半分から同じ距離、あるいは特徴量として３次元空間上の座標を用いる場合、シャドウィングの空間相関が０．５以下となる距離(一般には２０ｍ程度)以上、空間相関が０となる距離（一般には１００ｍ程度）以下を目安にして設定される。

図８は、更新教師データの生成方法を説明するための図である。図８を参照して、機械学習部１０２の更新装置１０２４は、擬似データ（図８の（ａ）参照）を擬似データ生成装置１０２２から受け、過剰データ（非干渉データの一部）が削除された教師データ（図８の（ｂ）参照）を過剰データ削除装置１０２３から受ける。

そして、更新装置１０２４は、過剰データ（非干渉データの一部）が削除された教師データ（図８の（ｂ）参照）に擬似データ（図８の（ａ）参照）を追加して更新教師データ（図８の（ｃ）参照）を生成する。そうすると、更新装置１０２４は、更新教師データを決定装置１０２５へ出力する。

上述したように、この発明の実施の形態においては、干渉データ（基準点）から擬似データを生成して干渉データの個数を増やし、基準点を中心として基準円ＣＲＣの外に存在する非干渉データを削除して非干渉データの個数を減少させることにより、干渉データと非干渉データとの偏りを低減する。

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、更新教師データＴＣＨＲ＿Ｄ＿ＵＰ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（更新教師データ）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（更新教師データ）を用いて学習を行った結果、学習用サンプル（更新教師データ）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９は、決定境界の概念図である。なお、図９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、更新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９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９においては、説明を分かり易くするため、上述したマージンが最大である超平面を２次元平面上の直線とした。理想的な決定境界が直線（または平面）で表現できない場合は、カーネル関数、例えば、Gaussianカーネル（ＲＧＢカーネル）を用いてデータの変換を行い、決定境界が平面で表現できるよう処理を施す。以後の手順は同様である。

図１０および図１１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１０参照）。

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Ｌ_１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１１参照）。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。

更新教師データが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、更新教師データを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番目の更新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７）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８）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の決定装置１０２５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１２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（更新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Ｌ_１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１２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１２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、更新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１２においては、更新教師データは、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、送信端末位置、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１３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実施の形態１におけるフローチャートである。

図１３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の生成装置１０２１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の生成装置１０２１は、作成した教師データを擬似データ生成装置１０２２および過剰データ削除装置１０２３へ出力する。

過剰データ削除装置１０２３は、教師データを生成装置１０２１から受け、その受けた教師データに含まれる干渉データ（基準点）に基づいて、上述した方法によって過剰データ（一部の非干渉データ）を削除する（ステップＳ８）。そして、過剰データ削除装置１０２３は、過剰データを削除した教師データを更新装置１０２４へ出力する。

また、擬似データ生成装置１０２２は、教師データを生成装置１０２１から受け、その受けた教師データに含まれる干渉データ（基準点）から、上述した方法によって擬似データを生成する（ステップＳ９）。そして、擬似データ生成装置１０２２は、生成した擬似データを更新装置１０２４へ出力する。

更新装置１０２４は、擬似データを擬似データ生成装置１０２２から受け、過剰データを削除した教師データを過剰データ削除装置１０２３から受ける。そして、更新装置１０２４は、過剰データを削除した教師データに擬似データを追加して教師データを更新し、更新教師データを生成する（ステップＳ１０）。そうすると、更新装置１０２４は、更新教師データを決定装置１０２５へ出力する。

その後、機械学習部１０２の決定装置１０２５は、更新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Ｓ１１）。

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Ｓ１２）、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Ｓ１３）。

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Ｓ１４）。

これによって、一連の動作が終了する。

なお、ステップＳ１１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１３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、更新教師データも更新されており、その更新された更新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。

また、図１３に示すフローチャートにおいては、擬似データを生成するとともに過剰データを削除し、過剰データを削除した教師データに擬似データを追加して教師データＴＣＨＲ＿Ｄを更新教師データＴＣＨＲ＿Ｄ＿ＵＰに更新すると説明したが（ステップＳ８～ステップＳ１０参照）、この発明の実施の形態においては、これに限らず、教師データから過剰データ（一部の非干渉データ）を削除し、過剰データ（一部の非干渉データ）を削除した教師データの干渉データ（基準点）から擬似データを生成することにより、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成するようにしてもよい。

図１４は、図１３のステップＳ１１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１４を参照して、機械学習部１０２の更新装置１０２４は、図１３のステップＳ１０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Ｓ１１１）。

そして、更新装置１０２４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Ｓ１１２）。

その後、更新装置１０２４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Ｓ１１３）。

引き続いて、更新装置１０２４は、更新教師データと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Ｓ１１４）。より具体的には、更新装置１０２４は、更新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Ｓ１１４の後、更新装置１０２４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、更新装置１０２４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Ｌ_１）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Ｓ１１５）。

その後、一連の動作は、図１３のステップＳ１２へ移行する。

上述したように、管理装置１０は、干渉データと非干渉データとの偏りを低減した更新教師データ（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、および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）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～Ｓ１２参照）、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精度良く決定できる。

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１３および図１４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、更新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、実施の形態１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１５は、禁止領域外の干渉点の割合と禁止領域の面積との関係を示す図である。図１５において、縦軸は、禁止領域の面積を表し、横軸は、禁止領域外の干渉点の割合を表す。また、白丸は、実施の形態１における禁止領域外の干渉点の割合と禁止領域の面積との関係を示し、黒丸は、固定領域割当方式における禁止領域外の干渉点の割合と禁止領域の面積との関係を示す。

図１５を参照して、初期設定の通信禁止領域(例えば、禁止領域外の干渉データの割合が１０％となるレーダーを中心とした円)から、干渉が発生し、機械学習が進むことにより、禁止領域の面積が拡大し、禁止領域外の干渉データの割合は、減少する。学習が進み、禁止領域外の干渉データの割合が目標値に達したとき(例えば、１％など)、実施の形態１による方式は、従来方式（固定領域割当方式）とは異なり、本来、干渉の起き得ない点に擬似データが生成されるということや、通信可能な領域を得るために学習すべき非干渉データが削除されるということが起こりにくいため、通信禁止領域の面積が必要以上に過剰に設定されない。

また、他の優れた効果として、過剰データ削除装置１０２３において機械学習の入力データを減らすことができるので、機械学習の計算量を減らすことができる。

実施の形態１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＿Ａによって実現してもよい。

この場合、プログラムＰＲＯＧ＿Ａは、上述したステップＳ３～ステップＳ１３（ステップＳ１１１～ステップＳ１１５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＿Ａ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＿ＡをＲＯＭからみ出して実行する。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＿Ａ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、実施の形態１においては、プログラムＰＲＯＧ＿Ａ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＿Ａを読み出して実行する。

従って、プログラムＰＲＯＧ＿Ａ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、実施の形態１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９）またはＡＲＯＷ（Ａｄａｐｔｉｖｅ Ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｏｆ Ｗｅｉｇｈｔ Ｖｅｃｔｏｒｓ）（非特許文献１０）を用いて決定境界ＢＤを決定してもよく、一般的には、更新教師データＴＣＨＲ＿Ｄ＿ＵＰ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、実施の形態１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”送信電力”であると説明したが、実施の形態１においては、これに限らず、”送信電力”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、実施の形態１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、実施の形態１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、実施の形態１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。

更に、上記においては、教師データに含まれる干渉データ（基準点）から擬似データを生成することと、干渉データ（基準点）を中心とした基準円ＣＲＣの外の非干渉データを削除することとの両方を適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すると説明したが、実施の形態１においては、これに限らず、教師データに含まれる干渉データ（基準点）から擬似データを生成することのみを適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成してもよく、干渉データ（基準点）を中心とした基準円ＣＲＣの外の非干渉データを削除することのみを適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成してもよく、一般的には、教師データに含まれる干渉データ（基準点）から擬似データを生成することと、干渉データ（基準点）を中心とした基準円ＣＲＣの外の非干渉データを削除することとの少なくとも一方を適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すればよい。

教師データに含まれる干渉データ（基準点）から擬似データを生成することと、干渉データ（基準点）を中心とした基準円ＣＲＣの外の非干渉データを削除することとの少なくとも一方を適用しても、干渉データの個数と非干渉データの個数との偏りを低減できるからである。

更に、上記においては、非干渉データの個数が干渉データの個数よりも多い無線通信環境において、干渉データの個数を増やし、非干渉データの個数を減少させて更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すると説明したが、実施の形態１においては、これに限らず、干渉データの個数が非干渉データの個数よりも多い無線通信環境において、非干渉データからなる擬似データを生成することにより非干渉データの個数を増やすことと、非干渉データ（基準点）を中心とした基準円の外の干渉データを削除することにより干渉データの個数を減少させることとの少なくとも一方を適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成してもよい。

つまり、実施の形態１においては、干渉データの個数と、非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すればよい。

更に、上記においては、１次利用者は、免許された無線通信システムであると説明したが、実施の形態１においては、これに限らず、１次利用者は、干渉を示すデータの割合が一定値となる無線通信システムであればよい。

［実施の形態２］
実施の形態１においては、２次利用者の通信パラメータの決定のために、機械学習の特徴量として２次利用者の通信情報のみを扱い、２次利用者が１次利用者に干渉を与える電波の伝送路中の地形、建造物による反射や遮蔽が考慮されていない。従って、１次利用者と２次利用者との間の見通し通信路の有無など、伝搬路の特性によっては不適切な通信パラメータが設定される可能性がある。

具体的には、山や建物等により２次利用者と１次利用者との間の見通しが悪い場合において、本来は、通信可能であるにも拘わらず、実施の形態１では、通信禁止領域として設定されてしまう場合がある。また、実施の形態１では、擬似データ生成装置および過剰データ削除装置において、伝搬環境の特性が用いられるが、扱われるのは、空間相関シャドウィングの平均、分散および相関距離等の統計値のみであるので、現実の伝搬路特性に完全に適応することは困難である。

そこで、実施の形態２においては、現実の伝搬路特性に適応して、２次利用者の通信が禁止される通信禁止領域を決定する。

図１６は、図１に示す管理装置１０の実施の形態２における構成を示す概略図である。図１６を参照して、実施の形態２による管理装置１０Ａは、図２に示す管理装置１０の機械学習部１０２を機械学習部１０２Ａに代え、パラメータ決定部１０３をパラメータ決定部１０３Ａに代えたものであり、その他は、管理装置１０と同じである。

機械学習部１０２Ａは、上述した機械学習部１０２と同じように更新教師データを生成し、その生成した更新教師データをパラメータ決定部１０３Ａへ出力する。そして、機械学習部１０２Ａは、干渉発生危険度が付与された更新教師データをパラメータ決定部１０３Ａから受け、干渉発生危険度が付与された更新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１０２Ａは、その決定した決定境界をパラメータ決定部１０３Ａへ出力する。なお、決定境界を決定するときの機械学習の方法は、実施の形態１における機械学習の方法と同じである。

パラメータ決定部１０３Ａは、機械学習部１０２Ａから更新教師データを受けると、更新教師データの座標を送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定し、その推定した受信電力に基づいて干渉発生危険度を推定する。そして、パラメータ決定部１０３Ａは、その推定した干渉発生危険度を更新教師データに付与して機械学習部１０２Ａへ出力する。

その後、パラメータ決定部１０３Ａは、機械学習部１０２Ａから決定境界を受けると、更新教師データをカバーする領域（２次元領域）を複数のメッシュに分割し、その分割した複数のメッシュの各々の中心座標における干渉発生危険度を推定し、その推定した干渉発生危険度を各中心座標に付与する。そして、パラメータ決定部１０３Ａは、干渉発生危険度が付与された中心座標と、決定境界とに基づいて、各メッシュが通信禁止領域であるか否かを決定し、その決定結果をパラメータ通知部１０４へ出力する。

図１７は、図１６に示す機械学習部１０２Ａおよびパラメータ決定部１０３Ａの構成を示す概略図である。

図１７を参照して、機械学習部１０２Ａは、図３に示す機械学習部１０２の決定装置１０２５を決定装置１０２７に代えたものであり、その他は、図３に示す機械学習部１０２と同じである。

パラメータ決定部１０３Ａは、地形データ特徴抽出装置１０２６と、通信禁止領域決定装置１０２８とを含む。

なお、機械学習部１０２Ａにおいて、更新装置１０２４は、上述した方法によって、更新教師データを生成し、その生成した更新教師データをパラメータ決定部１０３Ａの地形データ特徴抽出装置１０２６へ出力する。更新教師データを構成する干渉データおよび非干渉データは、更新教師データの座標ｘとラベルｌとを含む（ｘ，ｌ）によって表される。従って、更新装置１０２４は、更新教師データ（ｘ，ｌ）をパラメータ決定部１０３Ａの地形データ特徴抽出装置１０２６へ出力する。

パラメータ決定部１０３Ａの地形データ特徴抽出装置１０２６は、１次利用者および２次利用者の通信範囲における標高地図または航空写真を地形データとして予め保持している。この標高地図は、山や谷の起伏などの地形または建造物などを考慮した地図である。また、地形データ特徴抽出装置１０２６は、更新教師データ（ｘ，ｌ）を機械学習部１０２Ａの更新装置１０２４から受ける。

地形データ特徴抽出装置１０２６は、更新教師データ（ｘ，ｌ）を受けると、更新教師データ（ｘ，ｌ）の座標ｘを送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定し、その推定した受信電力に基づいて干渉発生危険度ｐ_１を推定する。そして、地形データ特徴抽出装置１０２６は、その推定した干渉発生危険度ｐ_１を更新教師データ（ｘ，ｌ）に付与して干渉発生危険度ｐ_１が付与された更新教師データ（ｘ，ｐ_１，ｌ）を生成し、その生成した更新教師データ（ｘ，ｐ_１，ｌ）を通信禁止領域決定装置１０２８および機械学習部１０２Ａの決定装置１０２７へ出力する。

また、地形データ特徴抽出装置１０２６は、更新教師データ（ｘ，ｐ_１，ｌ）をカバーする領域（２次元領域）を構成する複数のメッシュの各々の中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）（ｒは、１≦ｒ≦Ｒを満たす整数、Ｒは、複数のメッシュの個数を表す２以上の整数）を通信禁止領域決定装置１０２８から受けると、中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）を送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定し、その推定した受信電力に基づいて干渉発生危険度ｐ_２を推定する。そして、地形データ特徴抽出装置１０２６は、干渉発生危険度ｐ_２を中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）に付与して判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を生成し、その生成した判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を通信禁止領域決定装置１０２８へ出力する。

機械学習部１０２Ａの決定装置１０２７は、更新教師データ（ｘ，ｐ_１，ｌ）をパラメータ決定部１０３Ａの地形データ特徴抽出装置１０２６から受け、その受けた更新教師データ（ｘ，ｐ_１，ｌ）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、決定装置１０２７は、その決定した決定境界をパラメータ決定部１０３Ａの通信禁止領域決定装置１０２８へ出力する。

パラメータ決定部１０３Ａの通信禁止領域決定装置１０２８は、更新教師データ（ｘ，ｐ_１，ｌ）を地形データ特徴抽出装置１０２６から受ける。そして、通信禁止領域決定装置１０２８は、機械学習部１０２Ａの決定装置１０２７から決定境界を受けると、更新教師データ（ｘ，ｐ_１，ｌ）をカバーする領域（２次元領域）を複数のメッシュに分割し、その分割した複数のメッシュの各々の中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）を地形データ特徴抽出装置１０２６へ出力する。

そして、通信禁止領域決定装置１０２８は、判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を地形データ特徴抽出装置１０２６から受けると、判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を決定境界と比較し、干渉を発生させる領域に分類された判定用データに対応するメッシュを通信禁止領域として決定する。そして、通信禁止領域決定装置１０２８は、通信禁止領域として決定されたメッシュの集合をパラメータ通知部１０４へ出力する。

なお、管理装置１０Ａにおいては、パラメータ通知部１０４は、通信禁止領域であると決定されたメッシュの集合を２次利用者の端末群へ送信する。

地形データ特徴抽出装置１０２６における干渉発生危険度ｐ_１の推定方法について説明する。地形データ特徴抽出装置１０２６は、更新教師データ（ｘ，ｌ）の座標ｘを参照し、座標ｘを送信点とし、１次利用者の位置を受信点とした場合の受信電力を次の２つの方法のいずれかによって推定する。
（Ｉ）電波伝搬シミュレーションを用いて受信電力を推定する。
（ＩＩ）奥村－秦モデルを用いて受信電力を推定する。

地形データ特徴抽出装置１０２６は、（Ｉ）の電波伝搬シミュレーションを用いて受信電力を推定する場合、標高地図情報をＲａｐｌａｂ等のレイトレーシングシミュレータで取り込み、２次利用者と同様の通信パラメータを設定して、１次利用者の座標における受信電力を推定する。

また、地形データ特徴抽出装置１０２６は、（ＩＩ）の奥村－秦モデルを用いて受信電力を推定する場合、奥村－秦モデルにおける複数の電波伝搬モデルを保持しており、標高地図または航空写真に基づいて抽出した地形データに最も近い電波伝搬モデルを複数の電波伝搬モデルから選択し、その選択した電波伝搬モデルを用いて１次利用者の座標における受信電力を推定する。

図１８は、奥村－秦モデルにおける電界強度と距離との関係を示す図である。図１８において、縦軸は、電界強度を表し、横軸は、距離を表す。また、曲線ｋ１は、開放地における電界強度と距離との関係を示し、曲線ｋ２は、郊外における電界強度と距離との関係を示し、曲線ｋ３は、中小都市における電界強度と距離との関係を示し、曲線ｋ４は、大都市における電界強度と距離との関係を示す。

図１８に示す曲線ｋ１～ｋ４は、次式によって表される。

式（１７）において、Ａ，Ｂは、曲線ｋ１～ｋ４に共通であり、ａ（ｈ_ｍ）およびＣは、エリア毎に異なる。また、Ｌ_ＣＨは、電界強度であり、ｄは、距離であり、ｈ_ｍは、２次利用者のアンテナ高さである。

式（１７）のＡ，Ｂは、次式によって表される。

式（１８）において、ｆは、伝搬する電波の周波数であり、ｈ_ｂは、１次利用者のアンテナ高さである。

電波の伝搬環境が開放地である場合（曲線ｋ１）、ａ（ｈ_ｍ）およびＣは、次式によって表される。

電波の伝搬環境が郊外である場合（曲線ｋ２）、ａ（ｈ_ｍ）およびＣは、次式によって表される。

電波の伝搬環境が中小都市である場合（曲線ｋ３）、ａ（ｈ_ｍ）およびＣは、次式によって表される。

電波の伝搬環境が大都市である場合（曲線ｋ４）、ａ（ｈ_ｍ）およびＣは、次式によって表される。

式（２２）に示すように、大都市においては、周波数によってａ（ｈ_ｍ）が異なる。

地形データ特徴抽出装置１０２６は、式（１７）～式（２２）を保持しており、地形データが開放地に最も近いとき、式（１７），（１８），（１９）によって曲線ｋ１に示す電波伝搬特性を演算し、その演算した電波伝搬特性に基づいて、１次利用者の位置における受信電力を推定する。

また、地形データ特徴抽出装置１０２６は、地形データが郊外に最も近いとき、式（１７），（１８），（２０）によって曲線ｋ２に示す電波伝搬特性を演算し、その演算した電波伝搬特性に基づいて、１次利用者の位置における受信電力を推定する。

更に、地形データ特徴抽出装置１０２６は、地形データが中小都市に最も近いとき、式（１７），（１８），（２１）によって曲線ｋ３に示す電波伝搬特性を演算し、その演算した電波伝搬特性に基づいて、１次利用者の位置における受信電力を推定する。

更に、地形データ特徴抽出装置１０２６は、地形データが大都市に最も近いとき、式（１７），（１８），（２２）によって曲線ｋ４に示す電波伝搬特性を演算し、その演算した電波伝搬特性に基づいて、１次利用者の位置における受信電力を推定する。

地形データ特徴抽出装置１０２６は、１次利用者の位置における受信電力を推定すると、その推定した受信電力に基づいて、干渉発生危険度ｐ_１を推定する。

より具体的には、地形データ特徴抽出装置１０２６は、推定した受信電力をそのまま干渉発生危険度ｐ_１とする。また、地形データ特徴抽出装置１０２６は、推定した受信電力を、この受信電力に最も近い座標を有する干渉データにおける受信電力で除算した値を干渉発生危険度ｐ_１とする。

この２つの方法のいずれで干渉発生危険度ｐ_１を推定しても、値が大きいほど、受信電力が絶対的または相対的に高く、干渉を発生させる可能性が高いことを示す。

そして、地形データ特徴抽出装置１０２６は、更新教師データ（ｘ，ｌ）を構成する干渉データおよび非干渉データの各々について干渉発生危険度ｐ_１を推定し、干渉発生危険度ｐ_１が付与された更新教師データ（ｘ，ｐ_１，ｌ）を生成する。

なお、地形データ特徴抽出装置１０２６は、干渉発生危険度ｐ_１の推定方法と同じ方法によって干渉発生危険度ｐ_２を推定し、干渉発生危険度ｐ_２が付与された判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を生成する。

図１９は、実施の形態２における決定境界の概念図である。図１９を参照して、白丸は、干渉無しのクラスＣ１を表し、黒丸は、干渉有りのクラスＣ２を表す。また、点線の丸は、黒丸と同じように干渉有りのクラスＣ２を表す。

干渉源からの距離、送信電力および干渉発生危険度Ｐ_１の３つのパラメータからなる空間上に干渉データおよび非干渉データをプロットしたとき、干渉データおよび非干渉データは、平面からなる決定境界ＢＤによって分離される。ここで、黒丸および点線の丸は、図１９の紙面上、決定境界ＢＤよりも奥側に存在し、白丸は、図１９の紙面上、決定境界ＢＤよりも手前側に存在する。

図２０は、干渉発生危険度ｐ_１を用いない場合の決定境界の概念図である。図２０を参照して、白丸は、干渉無しのクラスＣ１を表し、黒丸は、干渉有りのクラスＣ２を表す。干渉源からの距離および送信電力の２つのパラメータからなる平面上に干渉データおよび非干渉データをプロットしたとき、決定境界ＢＤは、直線からなる。そして、決定境界ＢＤによる干渉データおよび非干渉データの分離を試みるが、干渉データおよび非干渉データを決定境界ＢＤによって分離できない場合がある。

しかし、図１９に示すように、干渉発生危険度ｐ_１を追加することによって、高次元な空間で決定境界ＢＤを設定でき、干渉データおよび非干渉データの分離をより正確に行うことができる。

実施の形態２における決定境界の決定方法について説明する。機械学習部１０２Ａの決定装置１０２７は、実施の形態１における機械学習の方法と同じ機械学習の方法を用いて決定境界ＢＤを決定する。

実施の形態２においては、決定境界ＢＤを決定するための空間は、図１９に示すように３つのパラメータからなる３次元空間であるので、サポートベクターを通る平面を想定する。従って、サポートベクターを通る２つの平面をａｘ＋ｂｙ＋ｃｚ＋ｄ＝１、ａｘ＋ｂｙ＋ｃｚ＋ｄ＝－１とする。２つの平面は、平行であるので、係数が同じである。

そして、ａｘ＋ｂｙ＋ｃｚ＋ｄ≦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＋ｃｚ＋ｄ≧－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。

ここで、識別面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＋ｃｚ＋ｄ≦１となり、負例の場合は不等式に”－１”を掛けて、－１（ａｘ＋ｂｙ＋ｃｚ＋ｄ）≧－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＋ｃｚ＋ｄ）≦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面に下ろした垂線の距離Ｌ_２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＋ｃｚ＋ｄ）≦１の条件を満たしながら、Ｌ_２の分母が最小になるａ，ｂ，ｃ，ｄを求めることにより、最大マージンに基づく識別面の位置を決定できる。この最大マージンに基づく識別面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。

更新教師データがｉ（ｉ＝１，２，３，４，・・・）個である場合、ｔ_１（ａｘ_１＋ｂｙ_１＋ｃｚ_１＋ｄ）≦１、ｔ_２（ａｘ_２＋ｂｙ_２＋ｃｚ_２＋ｄ）≦１、・・・、ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃｚ_ｉ＋ｄ）≦１のｉ個の不等式を用いてａ^２＋ｂ^２＋ｃ^２の最小値を与えるａ，ｂ，ｃ，ｄを求めることになる。

最大マージンに基づく識別面を決定するパラメータを求める問題は、変数をｘ，ｙ，ｚの３つとし、更新教師データをＮ個とすると、ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃｚ_ｉ＋ｄ）≦１（ｉ＝１～Ｎ）の制約条件の下で、ａ^２＋ｂ^２＋ｃ^２を最小化するａ，ｂ，ｃ，ｄ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＋ｃ^２をｆ（ａ，ｂ，ｃ）＝ａ^２＋ｂ^２＋ｃ^２とし、制約条件ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃｚ_ｉ＋ｄ）≦１をｇ（ｘ，ｙ）＝ｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃｚ_ｉ＋ｄ）－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（２４）を式（２５）に変換できる。

式（２４），（２５）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（２４）は、ｇ_１（ａ，ｂ，ｃ，ｄ）≦０，ｇ_２（ａ，ｂ，ｃ，ｄ）≦０，・・・，ｇ_ｎ（ａ，ｂ，ｃ，ｄ）≦０に従ってｆ（ａ，ｂ，ｃ）を最小にするａ，ｂ，ｃを求めることを意味するので、主問題である。

そして、式（２５）中の式（２５ａ），（２５ｂ）は、ラグランジュの未定乗数法を適用した結果である。式（２５ｂ）は、Ｌ（ａ，ｂ，ｃ，ｄ，μ_１，・・・，μ_ｎ）を最小化するａ，ｂ，ｃ，ｄを表す。φは、ｆと同様に、１つの関数を示す記号である。

式（２５ｃ），（２５ｄ）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，ｄ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＋ｃ^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＋ｃｚ_ｉ＋ｄ）≦１を変形してｔ_ｉ（ａｘ_ｉ＋ｂｙ_ｉ＋ｃｚ_ｉ＋ｄ）－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，ｄについて最小化する。従って、Ｌをａ，ｂ，ｃ，ｄ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（２７）の上側の３つの式から次式が得られる。

式（２６），（２７）において、ｔ_ｉは、ｉ番目の更新教師データの正負であり、ｘ_ｉ，ｙ_ｉ，ｚ_ｉは、ｉ番目の教師データのｘ座標、ｙ座標およびｚ座標であるので、ｔ_ｉ，ｘ_ｉ，ｙ_ｉ，ｚ_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（２８）からａ，ｂ，ｃ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（２７））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７）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８）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（３０）の制約条件（ｓ．ｔ．の右側に記載された式）の領域内で式（３０）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（３０）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，ｚ_１，ｚ_２を用いて式（２８）より、ａ，ｂ，ｃを求めることができる。

そして、ｄ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とし、ｚ座標をｚ_Ｓとすると、ａｘ_Ｓ＋ｂｙ_Ｓ＋ｃｚ_Ｓ＋ｄ＝１（又はａｘ_Ｓ＋ｂｙ_Ｓ＋ｃｚ_Ｓ＋ｄ＝－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。

実施の形態２における決定境界を求める方法についてのその他の説明は、実施の形態１における決定境界を求める方法についての説明と同じである。

従って、決定装置１０２７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ＢＤをパラメータ決定部１０３Ａの通信禁止領域決定装置１０２８へ出力する。

図２１は、通信禁止領域の決定方法を説明するための図である。図２１を参照して、通信禁止領域決定装置１０２８は、決定装置１０２７から決定境界ＢＤを受けると、更新教師データ（ｘ，ｐ_１，ｌ）をカバーする領域を複数のメッシュＭｓｈ＿ｒに分割する。各メッシュＭｓｈ＿ｒは、例えば、一辺が１ｍ～１０ｍの正方形の形状を有する。

通信禁止領域決定装置１０２８は、判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を地形データ特徴抽出装置１０２６から受けると、判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）の各々を決定境界ＢＤと比較し、干渉を発生させる領域に分類された判定用データに対応するメッシュＭｓｈ＿ｒを通信禁止領域として決定する。

図２１においては、決定境界ＢＤよりも上側が干渉を発生させる領域であるとし、決定境界ＢＤよりも下側が干渉を発生させない領域であるとすると、決定境界ＢＤよりも上側に配置された判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）に対応するメッシュＭｓｈ＿ｒ（斜線を施したメッシュ）を通信禁止領域として決定し、決定境界ＢＤよりも下側に配置された判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）に対応するメッシュＭｓｈ＿ｒを通信許可領域として決定する。

図２２は、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実施の形態２におけるフローチャートである。図２２に示すフローチャートは、図１３に示すフローチャートのステップＳ１１～ステップＳ１４をそれぞれステップＳ１１Ａ，Ｓ１２Ａ，Ｓ１３Ａ，Ｓ１４Ａに代えたものであり、その他は、図１３に示すフローチャートと同じである。

図２２を参照して、一連の動作が開始されると、上述したステップＳ１～ステップＳ１０が順次実行される。

そして、ステップＳ１０の後、機械学習部１０２Ａは、干渉発生危険度ｐ_１を用いて決定境界を決定し（ステップＳ１１Ａ）、その決定した決定境界をパラメータ決定部１０３Ａへ出力する。

パラメータ決定部１０３Ａは、機械学習部１０２Ａから決定境界を受け、その受けた決定境界を用いて通信禁止領域を決定する（ステップＳ１２Ａ）。そして、パラメータ決定部１０３Ａは、通信禁止領域をパラメータ通知部１０４へ出力し、パラメータ通知部１０４は、パラメータ決定部１０３Ａから受けた通信禁止領域を２次利用者の端末群へ送信する（ステップＳ１３Ａ）。

２次利用者の端末群は、通信禁止領域を受信し、その受信した通信禁止領域に基づいて通信禁止領域を更新する（ステップＳ１４Ａ）。これによって、１次利用者の端末および管理装置の動作が終了する。

図２３は、図２２のステップＳ１１Ａ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２３を参照して、図２２のステップＳ１０の後、パラメータ決定部１０３Ａの地形データ特徴抽出装置１０２６は、１次利用者と２次利用者との座標間の伝送路の地形データを抽出する（ステップＳ１１６）。

そして、地形データ特徴抽出装置１０２６は、上述した方法によって、１次利用者の位置を受信点とし、２次利用者の位置を送信点とした場合の受信電力を地形データを考慮して推定する（ステップＳ１１７）。

その後、地形データ特徴抽出装置１０２６は、上述した方法によって、推定した受信電力に基づいて干渉発生危険度ｐ_１を推定する（ステップＳ１１８）。

そうすると、地形データ特徴抽出装置１０２６は、推定した干渉発生危険度ｐ_１を付与した更新教師データ（ｘ，ｐ_１，ｌ）を生成し（ステップＳ１１９）、その生成した更新教師データ（ｘ，ｐ_１，ｌ）を機械学習部１０２Ａの決定装置１０２７へ出力する。

機械学習部１０２Ａの決定装置１０２７は、更新教師データ（ｘ，ｐ_１，ｌ）を地形データ特徴抽出装置１０２６から受け、その受けた更新教師データ（ｘ，ｐ_１，ｌ）に基づいて、図１４のステップＳ１１１～ステップＳ１１５を実行して決定境界を決定し（ステップＳ１２０）、その決定した決定境界をパラメータ決定部１０３Ａの通信禁止領域決定装置１０２８へ出力する。その後、一連の動作は、図２２のステップＳ１２Ａへ移行する。

図２４は、図２２のステップＳ１２Ａ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２４を参照して、図２２のステップＳ１１Ａの後、パラメータ決定部１０３Ａの通信禁止領域決定装置１０２８は、決定境界を機械学習部１０２Ａの決定装置１０２７から受けると、更新教師データ（ｘ，ｐ_１，ｌ）をカバーする領域を複数のメッシュに分割する（ステップＳ１２１）。

そして、通信禁止領域決定装置１０２８は、その分割した複数のメッシュの各々の中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）を抽出し（ステップＳ１２２）、その抽出した複数の中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）を地形データ特徴抽出装置１０２６へ出力する。

地形データ特徴抽出装置１０２６は、複数の中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）を通信禁止領域決定装置１０２８から受ける。そして、地形データ特徴抽出装置１０２６は、中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）を送信点とし、１次利用者の位置を受信点とした場合の受信電力を上述した方法によって推定する処理を複数の中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）の全てについて実行する（ステップＳ１２３）。

引き続いて、地形データ特徴抽出装置１０２６は、その推定した受信電力に基づいて干渉発生危険度ｐ_２を上述した方法によって推定する（ステップＳ１２４）。

そうすると、地形データ特徴抽出装置１０２６は、その推定した干渉発生危険度ｐ_２を中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）に付与して判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を生成し（ステップＳ１２５）、その生成した判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を通信禁止領域決定装置１０２８へ出力する。

通信禁止領域決定装置１０２８は、判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を地形データ特徴抽出装置１０２６から受け、その受けた判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を決定境界と比較し、干渉を発生する領域に分類された判定用データに対応するメッシュを通信禁止領域として決定する（ステップＳ１２６）。その後、一連の動作は、図２２のステップＳ１３Ａへ移行する。

実施の形態２においては、情報管理部１０１、機械学習部１０２Ａ、パラメータ決定部１０３Ａおよびパラメータ通知部１０４の機能をプログラムＰＲＯＧ＿Ｂによって実現してもよい。

この場合、プログラムＰＲＯＧ＿Ｂは、上述したステップＳ３～ステップＳ１０，Ｓ１１Ａ，Ｓ１２Ａ，Ｓ１３Ａ（ステップＳ１１１～ステップＳ１１５，ステップＳ１１６～ステップＳ１２０およびステップＳ１２１～ステップＳ１２６を含む）を備える。

そして、管理装置１０は、ＣＰＵ、ＲＯＭおよびＲＡＭを備える。ＲＯＭは、プログラムＰＲＯＧ＿Ｂおよび地形データを記憶する。

通信禁止領域を決定する場合、ＣＰＵは、プログラムＰＲＯＧ＿ＢをＲＯＭからみ出して実行する。そして、ＣＰＵは、通信禁止領域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＿Ｂは、無線通信を行うために通信禁止領域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、実施の形態２においては、プログラムＰＲＯＧ＿Ｂ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＿Ｂ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＿Ｂを読み出して実行する。

従って、プログラムＰＲＯＧ＿Ｂ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。

実施の形態２におけるその他の説明は、実施の形態１における説明と同じである。

上述した実施の形態１，２によれば、この発明の実施の形態による管理装置は、通信禁止領域外における干渉を示すデータの割合が一定値とな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、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する更新手段と、更新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、決定境界を用いて、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および１次利用者において干渉が発生する通信パラメータセットの少なくとも１つ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、通信禁止領域外における干渉を示すデータの割合が一定値とな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、更新手段が、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する第３のステップと、機械学習手段が、更新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４のステップと、通信パラメータ決定手段が、決定境界を用いて、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および１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する第５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６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。

そして、実施の形態２における「通信禁止領域」は、１次利用者において干渉が発生する通信パラメータセットに相当し、実施の形態２における「通信許可領域」は、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に相当する。

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生成装置１０２１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、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数
と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する擬似データ生成装置１０２２、過剰データ削除装置１０２３および更新装置１０２４は、「更新手段」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を決定する決定装置１０２５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。

更に、この発明の実施の形態においては、干渉発生危険度ｐ_１を推定し、その推定した干渉発生危険度ｐ_１を更新教師データ（ｘ，ｌ）に付与する地形データ特徴抽出装置１０２６は、「第１の危険度付与手段」を構成する。

更に、この発明の実施の形態においては、干渉発生危険度ｐ_２を推定し、その推定した干渉発生危険度ｐ_２を中心座標（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ）に付与して判定用データ（ｘ_Ｇ＿ｒ，ｙ_Ｇ＿ｒ，ｐ_２）を生成する地形データ特徴抽出装置１０２６は、「第２の危険度付与手段」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、１０，１０Ａ 管理装置、１０１ 情報管理部、１０２，１０２Ａ 機械学習部、１０３，１０３Ａ パラメータ決定部、１０４ パラメータ通知部、１０２１ 生成装置、１０２２ 擬似データ生成装置、１０２３ 過剰データ削除装置、１０２４ 更新装置、１０２５，１０２７ 決定装置、１０２６ 地形データ特徴抽出装置、１０２８ 通信禁止領域決定装置。

Claims (25)

1. 干渉を示すデータの割合が一定値とな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、
   干渉が有ることを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を前記教師データに適用し、前記教師データを更新した更新教師データを生成する更新手段と、
   前記更新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、
   前記決定境界を用いて、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および前記１次利用者において干渉が発生する通信パラメータセットの少なくとも１つ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、請求項１に記載の管理装置。
3. 前記更新手段は、前記干渉データの個数を増加させ、前記非干渉データの個数を減少することにより前記教師データを更新して前記更新教師データを生成する、請求項１または請求項２に記載の管理装置。
4. 前記更新手段は、前記教師データに含まれる干渉データから擬似干渉データを生成するとともに、前記教師データに含まれる非干渉データを削除して前記更新教師データを生成する、請求項３に記載の管理装置。
5. 前記更新手段は、前記教師データに含まれる干渉データを基準点とし、前記基準点の干渉データに基づいて発生させた擬似干渉データと前記基準点の干渉データとが所定の分布に従うように前記擬似干渉データを生成するとともに、前記基準点を中心とした円の外側に存在する非干渉データを削除して前記更新教師データを生成する、請求項４に記載の管理装置。
6. 前記更新手段は、前記基準点の干渉データに基づいて発生させた擬似干渉データと前記基準点の干渉データとが、分散を変化させたときの正規分布に従うように前記擬似干渉データを生成する、請求項５に記載の管理装置。
7. 前記更新手段から受けた前記更新教師データの座標点を送信点とし、１次利用者の位置を受信点とした場合に、地形データを考慮した受信電力を推定するとともに、前記推定した受信電力に基づいて第１の干渉発生危険度を推定し、その推定した第１の干渉発生危険度を前記更新教師データに付与する第１の危険度付与手段と、
   前記第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界を受けると、前記更新教師データの存在領域を複数の領域に分割し、その分割した１つの領域の座標点を送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定するとともに、前記推定した受信電力に基づいて第２の干渉発生危険度を推定し、その推定した第２の干渉発生危険度を前記１つの領域に付与して判定用データを生成する処理を前記複数の領域の全てについて実行する第２の危険度付与手段とを更に備え、
   前記機械学習手段は、前記第１の干渉発生危険度が付与された更新教師データに基づいて、前記決定境界を機械学習によって決定し、
   前記通信パラメータ決定手段は、前記第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界と、前記判定用データと、前記第２の干渉発生危険度が付与された複数の領域とに基づいて、前記複数の領域の各々が通信禁止領域であるか否かを判定し、通信禁止領域および通信許可領域の少なくとも１つを前記通信パラメータセットとして決定する、請求項１から請求項６のいずれか１項に記載の管理装置。
8. 前記通信パラメータ決定手段は、前記判定用データを前記決定境界と比較し、前記複数の領域のうち、干渉を発生させる領域に分類された判定用データに対応する領域を前記通信禁止領域として決定する、請求項７に記載の管理装置。
9. 前記第１の危険度付与手段は、前記推定した受信電力を前記第１の干渉発生危険度として推定し、または前記推定した受信電力を当該受信電力が得られる地点に最も近い干渉データの位置における受信電力で除算した除算結果を前記第１の干渉発生危険度として推定する、請求項７または請求項８に記載の管理装置。
10. 前記第１の危険度付与手段は、前記１次利用者と前記２次利用者との間の電波伝搬特性として複数の電波伝搬特性を保持しており、前記地形データに最も合致する電波伝搬特性を前記複数の電波伝搬特性から選択し、その選択した電波伝搬特性を用いて前記受信電力を推定する推定処理を実行する、請求項７から請求項９のいずれか１項に記載の管理装置。
11. 前記第２の危険度付与手段は、前記第１の危険度付与手段における前記推定処理と同じ推定処理を実行し、前記受信電力を推定する、請求項１０に記載の管理装置。
12. 前記地形データは、標高地図または航空写真からなる、請求項７から請求項１１のいずれか１項に記載の管理装置。
13. 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、干渉を示すデータの割合が一定値とな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、
    更新手段が、干渉が有ることを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を前記教師データに適用し、前記教師データを更新した更新教師データを生成する第３のステップと、
    機械学習手段が、前記更新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４のステップと、
    通信パラメータ決定手段が、前記決定境界を用いて、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および前記１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する第５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６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。
14. 前記通信パラメータ決定手段は、前記第５のステップにおいて、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、請求項１３に記載のコンピュータに実行させるためのプログラム。
15. 前記更新手段は、前記第３のステップにおいて、前記干渉データの個数を増加させ、前記非干渉データの個数を減少することにより前記教師データを更新して前記更新教師データを生成する、請求項１３または請求項１４に記載のコンピュータに実行させるためのプログラム。
16. 前記更新手段は、前記第３のステップにおいて、前記教師データに含まれる干渉データから擬似干渉データを生成するとともに、前記教師データに含まれる非干渉データを削除して前記更新教師データを生成する、請求項１５に記載のコンピュータに実行させるためのプログラム。
17. 前記更新手段は、前記第３のステップにおいて、前記教師データに含まれる干渉データを基準点とし、前記基準点の干渉データに基づいて発生させた擬似干渉データと前記基準点の干渉データとが所定の分布に従うように前記擬似干渉データを生成するとともに、前記基準点を中心とした円の外側に存在する非干渉データを削除して前記更新教師データを生成する、請求項１６に記載のコンピュータに実行させるためのプログラム。
18. 前記更新手段は、前記第３のステップにおいて、前記基準点の干渉データに基づいて発生させた擬似干渉データと前記基準点の干渉データとが、分散を変化させたときの正規分布に従うように前記擬似干渉データを生成する、請求項１７に記載のコンピュータに実行させるためのプログラム。
19. 第１の危険度付与手段が、前記更新手段から受けた前記更新教師データの座標点を送信点とし、１次利用者の位置を受信点とした場合に、地形データを考慮した受信電力を推定するとともに、前記推定した受信電力に基づいて第１の干渉発生危険度を推定し、その推定した第１の干渉発生危険度を前記更新教師データに付与する第７のステップと、
    第２の危険度付与手段が、前記第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界を受けると、前記更新教師データの存在領域を複数の領域に分割し、その分割した１つの領域の座標点を送信点とし、１次利用者の位置を受信点とした場合の受信電力を推定するとともに、前記推定した受信電力に基づいて第２の干渉発生危険度を推定し、その推定した第２の干渉発生危険度を前記１つの領域に付与して判定用データを生成する処理を前記複数の領域の全てについて実行する第８のステップとを更にコンピュータに実行させ、
    前記機械学習手段は、前記第４のステップにおいて、前記第１の干渉発生危険度が付与された更新教師データに基づいて、前記決定境界を機械学習によって決定し、
    前記通信パラメータ決定手段は、前記第５のステップにおいて、前記第１の干渉発生危険度が付与された更新教師データに基づいて決定された決定境界と、前記判定用データと、前記第２の干渉発生危険度が付与された複数の領域とに基づいて、前記複数の領域の各々が通信禁止領域であるか否かを判定し、通信禁止領域および通信許可領域の少なくとも１つを前記通信パラメータセットとして決定する、請求項１３から請求項１８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。
20. 前記通信パラメータ決定手段は、前記第５のステップにおいて、前記判定用データを前記決定境界と比較し、前記複数の領域のうち、干渉を発生させる領域に分類された判定用データに対応する領域を前記通信禁止領域として決定する、請求項１９に記載のコンピュータに実行させるためのプログラム。
21. 前記第１の危険度付与手段は、前記第７のステップにおいて、前記推定した受信電力を前記第１の干渉発生危険度として推定し、または前記推定した受信電力を当該受信電力が得られる地点に最も近い干渉データの位置における受信電力で除算した除算結果を前記第１の干渉発生危険度として推定する、請求項１９または請求項２０に記載のコンピュータに実行させるためのプログラム。
22. 前記第１の危険度付与手段は、前記第７のステップにおいて、前記１次利用者と前記２次利用者との間の電波伝搬特性として複数の電波伝搬特性を保持しており、前記地形データに最も合致する電波伝搬特性を前記複数の電波伝搬特性から選択し、その選択した電波伝搬特性を用いて前記受信電力を推定する推定処理を実行する、請求項１９から請求項２１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。
23. 前記第２の危険度付与手段は、前記第８のステップにおいて、前記第７のステップにおける前記推定処理と同じ推定処理を実行し、前記受信電力を推定する、請求項２２に記載のコンピュータに実行させるためのプログラム。
24. 前記地形データは、標高地図または航空写真からなる、請求項１９から請求項２３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。
25. 請求項１３から請求項２４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