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
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 Download PDFInfo
- Publication number
- JP6999134B2 JP6999134B2 JP2018024187A JP2018024187A JP6999134B2 JP 6999134 B2 JP6999134 B2 JP 6999134B2 JP 2018024187 A JP2018024187 A JP 2018024187A JP 2018024187 A JP2018024187 A JP 2018024187A JP 6999134 B2 JP6999134 B2 JP 6999134B2
- Authority
- JP
- Japan
- Prior art keywords
- interference
- data
- communication
- teacher data
- determination
- 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)
Description
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
置1023へ出力する。
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。
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。
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。
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。
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。
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。
(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。
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。
Claims (25)
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017034177 | 2017-02-24 | ||
JP2017034177 | 2017-02-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018142957A JP2018142957A (ja) | 2018-09-13 |
JP6999134B2 true JP6999134B2 (ja) | 2022-02-04 |
Family
ID=63528362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018024187A Active JP6999134B2 (ja) | 2017-02-24 | 2018-02-14 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6999134B2 (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7272577B2 (ja) * | 2019-01-10 | 2023-05-12 | 国立大学法人京都大学 | 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 |
JP7272578B2 (ja) * | 2019-01-15 | 2023-05-12 | 国立大学法人京都大学 | 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 |
JP7330059B2 (ja) * | 2019-02-28 | 2023-08-21 | 株式会社エステック | 無線電波調査システム |
US11394446B2 (en) * | 2019-10-21 | 2022-07-19 | Samsung Electronics Co., Ltd. | Apparatus and method for estimating interference based on machine learning |
JP7360309B2 (ja) * | 2019-11-27 | 2023-10-12 | 株式会社京三製作所 | 学習モデル生成方法、推定装置および無線列車制御システム |
WO2021111557A1 (ja) * | 2019-12-04 | 2021-06-10 | 三菱電機株式会社 | 送信装置、送信方法および記憶媒体 |
JP2022029618A (ja) * | 2020-08-05 | 2022-02-18 | パナソニック株式会社 | 制御装置、通信システム、及び、制御方法 |
JP7482755B2 (ja) * | 2020-11-13 | 2024-05-14 | 三菱電機株式会社 | 移動通信システム、移動局、および基地局 |
JP2022123341A (ja) * | 2021-02-12 | 2022-08-24 | 株式会社京三製作所 | 周波数決定方法及び周波数決定装置 |
WO2023210773A1 (ja) * | 2022-04-28 | 2023-11-02 | ソニーグループ株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013033907A1 (en) | 2011-09-09 | 2013-03-14 | Renesas Mobile Corporation | Methods and apparatus for inter-cell interference coordination |
JP2014183422A (ja) | 2013-03-19 | 2014-09-29 | Buffalo Inc | 無線通信装置および無線通信用チャネル選択方法 |
JP2014204200A (ja) | 2013-04-02 | 2014-10-27 | 株式会社Nttドコモ | 無線基地局、ユーザ端末及び無線通信方法 |
JP2017118384A (ja) | 2015-12-25 | 2017-06-29 | 国立大学法人京都大学 | 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 |
-
2018
- 2018-02-14 JP JP2018024187A patent/JP6999134B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013033907A1 (en) | 2011-09-09 | 2013-03-14 | Renesas Mobile Corporation | Methods and apparatus for inter-cell interference coordination |
JP2014183422A (ja) | 2013-03-19 | 2014-09-29 | Buffalo Inc | 無線通信装置および無線通信用チャネル選択方法 |
JP2014204200A (ja) | 2013-04-02 | 2014-10-27 | 株式会社Nttドコモ | 無線基地局、ユーザ端末及び無線通信方法 |
JP2017118384A (ja) | 2015-12-25 | 2017-06-29 | 国立大学法人京都大学 | 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 |
Non-Patent Citations (1)
Title |
---|
西尾 理志 Takayuki Nishio,周波数共用無線通信システムにおける干渉回避設定自動化に向けたカーネル法を用いた機械学習による干渉推定手法の検討,電子情報通信学会2016年総合大会講演論文集 通信1 PROCEEDINGS OF THE 2016 IEICE GENERAL CONFERENCE,2016年03月01日,618ページ |
Also Published As
Publication number | Publication date |
---|---|
JP2018142957A (ja) | 2018-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6999134B2 (ja) | 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 | |
US11997501B2 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
Masood et al. | A machine learning based 3D propagation model for intelligent future cellular networks | |
Ruiz et al. | A preference-based evolutionary algorithm for multiobjective optimization: the weighting achievement scalarizing function genetic algorithm | |
US12028719B2 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
CN110234085B (zh) | 基于对抗迁移网络的室内位置指纹地图生成方法及系统 | |
CN105430664B (zh) | 一种基于分类拟合预测传播路损的方法和装置 | |
JP6627496B2 (ja) | 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 | |
CN106717082A (zh) | 减轻信号噪声的基于指纹的室内定位 | |
Esrafilian et al. | 3D city map reconstruction from UAV-based radio measurements | |
Rufaida et al. | Construction of an indoor radio environment map using gradient boosting decision tree | |
Cao et al. | A universal Wi-Fi fingerprint localization method based on machine learning and sample differences | |
CN109412661A (zh) | 一种大规模mimo系统下的用户分簇方法 | |
Ziauddin | Localization Through Optical Wireless Communication in Underwater by Using Machine Learning Algorithms | |
CN112183199B (zh) | 一种基于Fish-SVC的2.4GHz频段信号识别方法及系统 | |
CN113114399A (zh) | 基于生成对抗网络的三维频谱态势补全方法和装置 | |
Javed et al. | Position Vectors Based Efficient Indoor Positioning System. | |
Chen et al. | DeepMetricFi: Improving Wi-Fi fingerprinting localization by deep metric learning | |
WO2020124091A1 (en) | Automatic fine-grained radio map construction and adaptation | |
CN117009539A (zh) | 知识图谱的实体对齐方法、装置、设备及存储介质 | |
JP7272578B2 (ja) | 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 | |
Shen et al. | A sparse manifold learning approach to robust indoor positioning based on Wi-Fi RSS fingerprinting | |
Qiu et al. | An Adaptive Reference Vector Adjustment Strategy and Improved Angle‐Penalized Value Method for RVEA | |
Azoulay et al. | Machine learning techniques for received signal strength indicator prediction | |
Anderson | Channel prediction in wireless communications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211124 |
|
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: 20211213 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6999134 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |