JP7091220B2

JP7091220B2 - 計算機、センシングシステム、及びデータ通信方法

Info

Publication number: JP7091220B2
Application number: JP2018197505A
Authority: JP
Inventors: 敬亮山本
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2018-10-19
Filing date: 2018-10-19
Publication date: 2022-06-27
Anticipated expiration: 2038-10-19
Also published as: WO2020080143A1; JP2020065225A

Description

本発明は、センサ端末からセンサデータを収集するセンシングシステムに関する。

本技術分野の背景技術として、スパース性を用いた劣決定系の解探索方法が提案されている（非特許文献１）。例えば、圧縮センシングは、ランダムに間引いた観測値からスパース性を用いて元の情報を復元する方法であり、主にＭＲＩの画像処理や、Ａ／Ｄコンバータの非等間隔サンプリングを用いたサンプルレートの低減等、ランダムに一部の観測値を得るシステムで用いられている。

また、同様の方法として、劣決定系の方程式の変換行列とスパース信号との関係を用いて、観測値の特徴量を抽出し、ノイズを低減するスパースコーディング及び辞書学習と称される方法が提案されている（非特許文献２）。

一方、近年はＩｏＴ（Internet of Things）と称される、複数センサを用いて高度な情報サービスを提供するアプリケーションが注目されている。

D. L. Donoho, "Compressed sensing," IEEE Trans. Inf. Theory, vol. 52, no. 4, pp. 1289-1306, Apr. 2006. A. M. Tillmann, "On the Computational Intractability of Exact and Approximate Dictionary Learning", IEEE Signal Processing Letters 22(1), 2015: 45-49.

従来のセンシングシステムでは、センサ端末が測定したセンサデータをエッジノードで収集しており、センサ端末の数や、センサデータの量が増大すると、センサ端末とエッジノードとの間の通信帯域がボトルネックとなり、所望のセンサデータが収集できなくなる問題がある。この場合、従来のセンシングシステムでは、センサ端末が特徴量を抽出したり、センサ端末の間欠動作によって通信データ量を削減する必要がある。通常、エッジノードに比べてセンサ端末の演算能力は低いため、センサデータの解析や特徴量の抽出はシステム全体のパフォーマンスを低下させる。

このため、センサデータのデータ量を適切に削減して、通信のボトルネックを解消できるシステムが求められている。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、センサデータを収集するセンシングシステムであって、センサによる計測結果に基づいてセンサデータを生成するセンサ端末と、前記センサ端末からセンサデータを受信するエッジノードとを備え、前記エッジノードは、基底ベクトルからなる行列で構成される辞書を学習し、前記辞書を時系列的に変化させる辞書学習部と、学習した辞書を用いて、スパース性に基づいて、前記センサ端末から受信した、データ量が削減されたデータからセンサデータを復元するスパース復元処理を行うスパース復元処理部とを備える。

本発明の一態様によれば、効率的なセンシングシステムを実現できる。前述した以外の課題、構成及び効果は、以下の実施例の説明によって明らかにされる。

本発明の実施例のセンシングシステムの構成を示す図である。本実施例のデータ通信方法を示す図である。本実施例の時系列に変化する辞書を用いたデータ通信方法を示す図である。本実施例のセンシングシステムの機能ブロックを示す図である。本実施例のセンサ端末とエッジノードとの通信手順を示すシーケンス図である。本実施例の間引き率を制御パラメータとして用いた場合のセンサ端末とエッジノードとの通信手順を示す図である。本実施例の間引き率を制御パラメータとして用いた場合の通信データと観測値の状態を示す図である。本実施例の明示的に信号品質を測定する際のフレームフォーマットの一例を示す図である。本実施例の固定フレームフォーマットを用いる場合のフレーム構成を示す図である。本実施例のデータ通信量とエッジノードで復元された信号品質の関係を示す図である。本実施例の間引かれた圧縮データを復元しつつ、復元品質を推定する方法を示す図である。

以下、本発明の実施例を図面を用いて説明する。

図１は、本実施例のセンシングシステムの構成を示す図である。

本実施例のセンシングシステムは、クラウド１１、クラウド１１と接続されたエッジノード１３、計算機（ＰＣ）１５及びストレージ１２等のローカルリソースと接続されたエッジノード１４、及びセンサ端末１６によって構成される。センサ端末１６はエッジノード１３、１４を介してネットワーク（図示省略）と接続され、センサ端末１６とエッジノード１３、１４、エッジノード１３、１４同士、クラウド１１とエッジノード１３との間のリンクのそれぞれの通信帯域がボトルネックになり得る。そのため、各リンクの通信データ量の削減が望まれている。本発明の実施例では、主に演算能力が低いセンサ端末１６とエッジノード１３、１４との間のデータ通信量の低減に着目しているが、エッジノード１３、１４間のリンクや、エッジノード１３とクラウド１１の接続にも本発明の手法を適用できる。

エッジノード１３、１４は、プロセッサ（ＣＰＵ）、メモリ、補助記憶装置、通信インターフェースを有する計算機によって構成される。

プロセッサは、メモリに格納されたプログラムを実行する演算装置である。プロセッサが、各種プログラムを実行することによって、エッジノード１３、１４の各種機能が実現される。なお、プロセッサがプログラムを実行して行う処理の一部を、他の演算装置（例えば、ＦＰＧＡ（Field Programable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）などのハードウェア）で実行してもよい。

メモリは、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、プロセッサが実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。

補助記憶装置は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置である。また、補助記憶装置は、プロセッサがプログラムの実行時に使用するデータ、及びプロセッサが実行するプログラム（辞書学習プログラム、スパース復元処理プログラム、特徴量抽出処理プログラム、制御プログラムなど）を格納する。すなわち、プログラムは、補助記憶装置から読み出されて、メモリにロードされて、プロセッサによって実行されることによって、エッジノード１３、１４の各機能を実現する。

通信インターフェースは、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェース装置である。

プロセッサが実行するプログラムは、ネットワーク又はリムーバブルメディア（ＣＤ－ＲＯＭ、フラッシュメモリなど）を介してエッジノード１３、１４に提供され、非一時的記憶媒体である不揮発性の補助記憶装置に格納される。

エッジノード１３、１４は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

図２は、本実施例のデータ通信方法を示す図である。

本実施例では、センサ端末１６が、ランダムにデータ間引き２４を行い、データ通信量を削減してエッジノード１３、１４に送信し、エッジノード１３、１４においてスパース復元処理を２０９行い、観測値２００を復元する。スパース復元処理は、間引きされた観測値をｙ、元の観測値のスパース表現をｘ、変換行列をＡとすると、数式（１）で表される最小値探索問題となる。

一般的なスパース復元処理の変換行列はＤＣＴやウェーブレット変換等の汎用的な辞書（例えば、基底ベクトルからなる行列）が用いられるが、本実施例のスパース復元処理では、現場のセンサデータに特化した辞書を現場で学習することによって、よりスパースな表現を得て、復元可能なデータ間引き率を向上させる。センサデータからの辞書学習は、学習する辞書をＤ、間引きされた観測値をＹ、観測値のスパース表現をｘとすると、数式（２）で表される。

数式（２）は、学習する辞書Ｄを固定してスパース表現ｘを求める処理と、スパース表現ｘを固定して辞書Ｄを求める処理を交互に繰り返すことによって収束した解を得ることが可能である。このような方法でセンサの観測値に特化した辞書を作成した場合、辞書を作成した時と観測値の状態が変化しなければ、汎用的な辞書を用いた場合に比べて、スパース性が強い、すなわち、間引き率が大きくても復元可能なスパース表現を得ることができる。一方、辞書を学習した際と、観測値の状態が変化すると、正しい復元は困難となり、汎用的な辞書と比較して特性が劣化する。図２において、観測値の状態１に対して辞書学習を行い、それをスパース復元に用いる。この場合、間引き率が大きい送信データに対しても、復元された状態１の波形２１０は、元の状態１の波形２０１に近い形で復元されるが、復元された状態２の波形２１１は元の状態２の波形２１１と異なる波形となり易い。

そこで、本実施例では、時系列に変化する辞書をその場で学習し、波形の状態変化に追従することによって、復元波形の品質を保ちつつ高い間引き率を実現する。

図３は、本実施例の時系列に変化する辞書を用いたデータ通信方法を示す図である。

図３において、動的辞書生成部は観測値の状態の変化を検出し、辞書の再学習及び切り替えを行う。動的に辞書を生成することによって、復元された状態２の波形３４は元の状態２の波形２０２に近い波形となることが期待できる。

図４は、本実施例のセンシングシステムの機能ブロック図である。

センサ端末１６は、センサ４１２、アナログフロントエンド４１１、間引き処理部４１０及び制御部４１３を有し、エッジノード１３、１４からの制御信号に基づいて間引き率及びアナログフロントエンド４１１の動作速度及び帯域の少なくとも一つを変化させて、観測値をエッジノード１３、１４に送信する。センサ４１２は、センサ端末１６の周囲の物理量（温度、振動など）の測定値を出力する。アナログフロントエンド４１１は、センサ４１２が出力した測定値をデジタル信号（センサデータ）に変換するＡＤコンバータを含む。間引き処理部４１０は、センサデータをランダムに間引くことによって、データ量を削減する。制御部４１３は、エッジノード１３、１４と制御パラメータを送受信し、センサ端末１６の動作を制御する。なお、４１０における間引き処理は、実用的には非等間隔であればよく、等間隔でない任意の固定パターンや、疑似的なランダムパターンでもよい。

エッジノード１３、１４は、辞書学習部４０７、スパース復元処理部４０８、特徴量抽出処理部４０９及び制御部４１４を有する。辞書学習部４０７は、辞書学習を行う際には、間引きなしのセンサデータを受け取り、辞書を学習する。また、辞書学習部４０７は、必要に応じてクラウド１１に学習データを送り、既知の辞書をクラウド１１から受け取る。スパース復元処理部４０８は、学習後のデータ通信を行う際には、センサ端末から受け取った間引きデータを、学習した辞書を用いて復元する。また、スパース復元処理部４０８は、復元した信号の品質に応じて間引き率を制御し、制御部４１４を介してセンサ端末１６へ通知する。特徴量抽出処理部４０９は、復元した観測値を用いてデータを解析し、特徴量を抽出し、クラウド１１へ通知する。制御部４１４は、センサ端末１６と制御パラメータを送受信し、エッジノード１３、１４の動作を制御する。クラウド１１がデータ解析や特徴量抽出を行う場合、エッジノード１３、１４は、復元波形そのものをクラウド１１へ送る。

クラウド１１は、辞書格納部４０４、データ解析部４０５及び制御部４０６を有する。また、辞書格納部４０４は、辞書学習部４０７が学習した辞書を格納し、必要に応じてエッジノード１３、１４と辞書のやり取りを行う。データ解析部４０５は、アプリケーションに応じて、エッジから送信された特徴量やデータを解析する。制御部４０６は、クラウド１１の動作を制御する。

図５は、本実施例のセンサ端末１６とエッジノード１３、１４との通信手順を示すシーケンス図である。

本実施例では、まずエッジノード１３、１４から、制御部４１４が学習用のトレーニング要求５１をセンサ端末１６に通知する。センサ端末１６は、トレーニング要求５１を受信すると、アナログフロントエンド４１１からトレーニング信号５２をエッジノード１３、１４へ送る。エッジノード１３、１４の辞書学習部４０７は、トレーニング信号５２を用いて辞書学習５６を行う。学習完了後、制御部４１４がデータ要求５３をセンサ端末１６に通知する。データ要求５３によって、間引き率がセンサ端末１６に通知される。センサ端末１６がデータ要求５３を受信すると、データ要求５３によって通知された間引き率に従って、間引き処理部４１０がデータ量を削減し、データ５４を送信する。

エッジノード１３、１４のスパース復元処理部４０８は、データの復元品質を逐次評価し、信号品質の低下が検知された場合、観測値の状態が変化したと判定し（５７）、再度、制御部４１４が、学習用のトレーニング要求５７を送信し、辞書学習部４０７が、トレーニング信号５２を用いて辞書を学習し、更新する。トレーニング要求５７は明示的な制御信号として通知してもよいが、学習用のトレーニング信号５２はセンサ端末１６の観測値そのものであるため、間引き率の通知によって、トレーニング要求５７及びデータ要求５３の両方のフォーマットを共通化できる。

図６は、本実施例の間引き率を制御パラメータとして用いた場合のセンサ端末１６とエッジノード１３、１４の通信手順を示すシーケンス図である。

エッジノード１３、１４の制御部４１４は、間引きなしのデータ送信を要求する制御パラメータである学習用のトレーニング要求６１をセンサ端末１６に送信する。センサ端末１６は、通知を受けると、アナログフロントエンド４１１から間引きなしのデータ６２をエッジノード１３、１４に送信する。エッジノード１３、１４の辞書学習部４０７は、間引きなしのデータを用いて辞書学習６６を行う。学習完了後、エッジノード１３、１４の制御部４１４は、間引き率を指定した制御パラメータ６３をセンサ端末１６に送信する。センサ端末１６は、制御パラメータ６３によって通知された間引き率に従って、間引き処理部４１０がデータ量を削減し、間引き後のデータ６４を送信する。

エッジノード１３、１４のスパース復元処理部４０８は、データの復元品質を逐次評価し、信号品質の低下が検知された場合、観測値の状態が変化したと判定し（６７）、再度、制御部４１４が、学習用トレーニング要求６８を送信し、辞書学習部４０７が、間引きなしのデータ６２を用いて辞書を学習し、更新する。

この手順を用いた場合、センサ端末１６は、エッジノード１３、１４の状態を把握する必要がなく、間引き率を変更する簡易な制御で、データ量を削減できる。

図７は、本実施例の間引き率を制御パラメータとして用いた場合の通信データと観測値の状態を示す図である。

図７において、トレーニング信号７１は、元データと送信データとの比率が１対１の間引きなしのデータである。学習後のデータ送信時には、間引きしたデータ７２、７３、７４をエッジノード１３、１４に送信する。エッジノード１３、１４では、間引きデータの復元品質から、観測値の状態変化をモニタリングしており、状態の変化を検出した場合には間引きなしのデータ要求をエッジノード１３、１４からセンサ端末１６へ通知する。

図７において、間引きなしデータ要求７７のタイミングは、状態７５から状態７６への変化と同期しているが、実際には、エッジノード１３、１４は、復元品質に基づいて状態の変化を推定しており、観測値の状態が変化した場合でも、高い復元品質が得られている場合には、間引きなしデータを要求しない。

エッジノード１３、１４における復元品質のモニタリングには、状況に応じて、明示的な方法と非明示的な方法とのいずれかを用いればよい。明示的な方法では、センサ端末１６は、トレーニング信号に比べて十分短い長さの間引きなしデータを、パイロット信号として、間引きデータ送信時に一定の割合で挿入する。エッジノード１３、１４は、パイロット信号に間引き処理及びスパース復元処理を行い、復元信号の品質を直接モニタリングする。非明示的な手法では、エッジノード１３、１４は、間引きによってデータ量が削減されたデータを用いて復元品質を推定する。具体的には、スパース復元時のスパース性や、目的関数の大きさから、現在の観測値が辞書と整合しているかによって、復元品質を推定し、状態の変化を推定する。

ここで、スパース性は、前述した数式（１）における１次ノルムであり、変数ｘの絶対値であり、目的関数の大きさは、数式（１）そのものである。

図８は、本実施例の明示的に信号品質を測定する際のフレームフォーマットの一例を示す図である。

センサ端末から送信されるフレームは、トレーニング信号８１と、間引きデータ８２、トレーニング信号処理十分短いパイロット信号８３を含む。パイロット信号８３は、トレーニング信号８１と同様に、間引きなしのデータを用いるのが望ましいが、データ通信用の間引きデータと比べて十分大きい間引き率のデータを用いてもよい。

本方法では、図５、図６を用いて示したように、データ通信量削減のための制御信号のやり取りが、センサ端末１６とエッジノード１３、１４との間で必要となるが、システムの効率より、制御の簡便性を重視する構成を採用する場合には、トレーニング信号８１と間引きデータ８２とパイロット信号８３との送信期間を、一定の予め決められた間隔で設定した固定のフレームフォーマットを用いることができる。この場合、トレーニング信号の送信間隔の分、状態変化の検知に遅延が生じるが、センサ端末１６はエッジノード１３、１４からの通知を解釈して、送信信号を制御する必要がなくなり、システム構成を簡略化できる。一方、状態の変化を検知できずに、高品質の復元波形が得られない時間の長さと、実効的なデータ通信量の削減量とは、トレードオフの関係にあり、システムパフォーマンスは動的なフレームフォーマットに劣る。

図９は、本実施例の固定フレームフォーマットを用いる場合のフレーム構成を示す図である。

固定フレームフォーマットにおいては、トレーニング信号９１と、データ及びパイロット信号９２との間隔は定められている。センサ端末１６は、定められた周期でトレーニング信号９１とデータ９２とを繰り返し送信する。エッジノード１３、１４は、信号品質の劣化を検知した場合には、次に送信されるトレーニング信号９１を用いて辞書学習を行う。

図１０は、本実施例のデータ通信量とエッジノードで復元された信号品質の関係を示す図である。

図１０において、実線は本実施例のセンサデータに特化した動的辞書学習を用いてスパース復元処理を行った際の復元品質を示し、破線は汎用的な離散コサイン変換辞書でスパース復元処理を行った復元品質を示す。図の横軸は、元のデータ１０２４点に対して、復元に用いたデータ点数を表しており、縦軸の信号品質は元の信号ｘと復元信号ｙとの相関係数である。相関係数ρは数式（３）で表される。数式（３）において、上線が付された符号は、各符号が示す値の期待値である。

相関係数の値が０．７で比較すると、本実施例の方法は、データ点が６０点程度から復元可能であるのに対し、従来の方法では、データ点が１７０点程度必要である。このように、本実施例の方法を用いるとデータ通信量を低減できる。

図１１は、本実施例の間引かれた圧縮信号から、元の信号を復元しつつ、復元品質を推定する方法を示す図である。

Ｄは信号復元に用いる間引きデータであり、Ｔは復元品質推定用の受信信号である。図１１に示す復元品質推定方法では、間引きデータから元の信号を復元する。復元結果Ｒは復元信号として利用される。このとき、復元品質を推定するため、間引きデータＤの一部を復元品質推定用のデータＴとして、信号の復元から除外した復元信号Ｒを生成し、復元信号Ｒと復元信号推定用のデータＴとを比較して復元信号の品質を推定する。図１１に示す方法によって、圧縮した間引きデータを復元しつつ、復元信号の品質を推定できる。

以上に説明したように、本発明の実施例によると、受信機（エッジノード１３、１４）は、基底ベクトルからなる行列で構成される辞書を学習し、前記辞書を時系列的に変化させる辞書学習部４０７と、学習した辞書を用いて、スパース性に基づいて、前記センサ端末から受信した、データ量が削減されたデータからセンサデータを復元するスパース復元処理を行うスパース復元処理部４０８とを備えるので、センサ端末１６が送信するセンシングデータの復元品質を維持しつつ、通信量を削減でき、効率的なセンシングシステムを実現できる。

また、スパース復元処理部４０８は、スパース復元処理の結果から復元品質を測定し、辞書学習部４０７は、測定された復元品質に応じて辞書を変化させるので、観測値の状態の変化に応じて辞書を変化させて、適切なデータ削減率（間引き率）で効率的な通信ができる。

また、エッジノード１３、１４の制御部４１４は、測定された復元品質に応じて、トレーニング信号の送信をセンサ端末１６に要求し（５１、６１）、センサ端末１６は、トレーニング信号要求に応じてトレーニング信号５２、６２を送信し、エッジノード１３、１４の制御部４１４は、辞書学習後にデータ量が削減された（間引かれた）データの送信をセンサ端末１６に要求し（５３、６３）、センサ端末１６は、エッジノード１３、１４からのデータ要求に応じて、データ量が削減されたデータ５４、６４を送信するので、不要なトレーニング信号が送信されず、実効レートの低下を抑制できる。

また、トレーニング信号５２、６２は、間引きされていないセンサデータであり、辞書学習後にセンサ端末１６から送信されるデータ５４、６４は、間引き処理によってデータ量が削減されたデータとするので、センサ端末１６の処理負荷を軽減できる。また、特にトレーニング用の信号を準備しなくてもよい。

また、スパース復元処理部４０８は、間引きされていないデータ（パイロット信号）に間引き処理及びスパース復元処理を行い、復元品質を測定するので、復元信号の品質を正確に測定でき、信号の復元品質を向上できる。

また、スパース復元処理部４０８は、間引きされたデータを用いて（例えば、間引きデータから復元されたセンサデータと辞書との整合によって）、復元品質を測定するので、間引きされていないデータ（パイロット信号）を送信する必要がなく、送信されるデータ量を削減できる。

また、スパース復元処理部４０８は、スパース復元処理において算出されたスパース性、及び、スパース復元処理の目的関数の大きさから復元品質を測定するので、パイロット信号が不要なので伝送効率の低下を抑制できる。また、少ない計算量で復元信号の品質を推定できる。このため、センサデータの波形が頻繁に変わる場合に有効である。

また、センサ端末１６は、センサデータをランダムに間引くことによって、データ量を削減するので、センサ端末１６が受信機能を有さなくてもよく、システム構成やセンサ端末１６の構成を簡素化できる。

また、センサ端末１６は、所定の周期でトレーニング信号８１、９１及びデータ量が削減されたデータ８２、９２を繰り返し送信するので、センサ端末１６の処理負荷の増加を抑制しつつ、送信されるデータ量を削減できる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１１：クラウド、１２：ストレージ、１３：エッジノード、１５：制御端末、１６：センサ端末、２００：観測値、２０１：状態１の観測値の波形、２０２：状態２の観測値の波形、２０３：センサ端末、２０５：間引き後の送信データ、２０６：エッジノード、２０７：状態１の辞書生成部、２０８、状態１の辞書、２１２：復元された観測値、２１０：復元された状態１の観測値の波形、２１１：復元された状態２の観測値の波形、３１：動的辞書生成部、３２：動的に生成される時系列辞書、３３：時系列辞書を用いて復元された状態１の観測値の復元波形、３４：時系列辞書を用いて復元された状態１の観測値の復元波形、４０４：辞書格納部、４０５：データ解析、４０６：制御部、４０７：辞書学習部、４０８：スパース復元処理部、４０９：特徴抽出部、４１０：間引き処理部、４１１：アナログフロントエンド、４１２：センサ、５１：トレーニング要求、５２：トレーニング信号、５３：データ要求、５４：データ送信、５５：辞書学習、５６：状態変化検知、６１：トレーニング信号用の間引き率通知、６２：間引きなしデータ、６３：データ用の間引き率通知、６４：間引きデータ、７１：データ比率１／１のデータ、７２：データ比率１／１０のデータ、７３：データ比率１／３０のデータ、７４：データ比率１／１００のデータ、８１：トレーニング信号、８２：間引きデータ、８３：パイロット信号、９１：トレーニング信号、９２：データ及びパイロット信号

Claims

センサ端末からデータを受信する計算機であって、
前記計算機は、
基底ベクトルからなる行列で構成される辞書を学習し、前記辞書を時系列的に変化させる辞書学習部と、
前記学習した辞書を用いて、スパース性に基づいて、前記センサ端末から受信した、データ量が削減されたデータからセンサデータを復元するスパース復元処理を行うスパース復元処理部と、
前記センサ端末と制御パラメータを送受信する制御部とを備えることを特徴とする計算機。
請求項１に記載の計算機であって、
前記スパース復元処理部は、スパース復元処理の結果から復元品質を測定し、
前記辞書学習部は、前記測定された復元品質に応じて前記辞書を変化させることを特徴とする計算機。
請求項２に記載の計算機であって、
前記制御部は、
前記測定された復元品質に応じて、トレーニング信号の送信を前記センサ端末に要求し、
前記辞書の学習後に、前記データ量が削減されたデータの送信を前記センサ端末に要求することを特徴とする計算機。
請求項３に記載の計算機であって、
前記トレーニング信号は、間引きされていないセンサデータであり、
前記辞書の学習後に受信するデータは、間引き処理によってデータ量が削減されたデータであることを特徴とする計算機。
請求項２に記載の計算機であって、
前記スパース復元処理部は、間引きされていないデータに間引き処理及びスパース復元処理を行い、前記復元品質を測定することを特徴とする計算機。
請求項２に記載の計算機であって、
前記スパース復元処理部は、前記データ量が削減されたデータを用いて復元品質を測定することを特徴とする計算機。
請求項６に記載の計算機であって、
前記スパース復元処理部は、前記スパース復元処理において算出されたスパース性、及び、前記スパース復元処理の目的関数の大きさから復元品質を測定することを特徴とする計算機。
センサデータを収集するセンシングシステムであって、
センサによる計測結果に基づいてセンサデータを生成するセンサ端末と、
前記センサ端末からセンサデータを受信するエッジノードとを備え、
前記エッジノードは、
基底ベクトルからなる行列で構成される辞書を学習し、前記辞書を時系列的に変化させる辞書学習部と、
学習した辞書を用いて、スパース性に基づいて、前記センサ端末から受信した、データ量が削減されたデータからセンサデータを復元するスパース復元処理を行うスパース復元処理部とを備えることを特徴とするセンシングシステム。
請求項８に記載のセンシングシステムであって、
前記センサ端末は、
前記エッジノードからのトレーニング信号要求に応じて、トレーニング信号を送信し、
前記エッジノードからのデータ要求に応じて、前記データ量が削減されたデータを送信することを特徴とするセンシングシステム。
請求項８に記載のセンシングシステムであって、
前記センサ端末は、センサデータをランダムに間引くことによって、データ量を削減することを特徴とするセンシングシステム。
請求項８に記載のセンシングシステムであって、
前記センサ端末は、所定の周期でトレーニング信号及び前記データ量が削減されたデータを繰り返し送信することを特徴とするセンシングシステム。
センサデータを収集するセンシングシステムにおけるデータ通信方法であって、
前記センシングシステムは、センサによる計測結果に基づいてセンサデータを生成するセンサ端末と、前記センサ端末からセンサデータを受信するエッジノードとを有し、
前記データ通信方法は、
前記エッジノードが、基底ベクトルからなる行列で構成される辞書を学習し、前記辞書を時系列的に変化させる辞書学習手順と、
前記エッジノードが、学習した辞書を用いて、スパース性に基づいて、前記センサ端末から受信した、データ量が削減されたデータからセンサデータを復元するスパース復元手順とを含むことを特徴とするデータ通信方法。
請求項１２に記載のデータ通信方法であって、
前記センサ端末が、前記エッジノードからのトレーニング信号要求に応じて、トレーニング信号を送信する手順と、
前記センサ端末が、前記エッジノードからのデータ要求に応じて、前記データ量が削減されたデータを送信する手順とを含むことを特徴とするデータ通信方法。