JP7375035B2 - ビームフォーミングプロファイルを調整するためのデバイス、方法およびコンピュータ読み取り可能なメディア - Google Patents

Description

本開示の実施形態は、一般に電気通信の分野に関するものであり、特に、ビームフォーミングプロファイルを調整するための装置、方法およびコンピュータ可読媒体に関するものである。

大量多入力多出力（ｍＭＩＭＯ）通信ネットワークにおいて、ネットワーク装置は、カバレッジを改善するため、水平および垂直の両方の寸法でブロードキャストビームを生成するように、大量のアンテナ素子を使用する。例えば、ネットワーク装置は、セル全体をカバーするために、制御チャネルのためのセクタ固有のビームまたはセル固有のビーム、およびセル固有の基準信号（ＣＲＳ）を送信することができる。別の例として、ネットワーク装置は、セル全体をカバーするために、同期信号ブロック（ＳＳＢ）または物理ブロードキャストチャネル（ＰＢＣＨ）ブロックのための１つ以上のブロードキャストビームを送信することもできる。

ブロードキャストビームの各々は、ブロードキャストビームフォーミングプロファイルによって決定することができる。ブロードキャストビームフォーミングプロファイルは、ブロードキャストビームフォーミングのためのパラメータ、例えば、ブロードキャストビームフォーミングのためのアンテナ重み付け係数を特定する。次に、ブロードキャストビームフォーミングプロファイルは、ブロードキャストビームのアンテナアレイ図（空間放射パターンとも呼ばれる）を規定する。一般に、ブロードキャストビームフォーミングプロファイルは、ブロードキャスト領域のカバレッジ、干渉およびＭＵ－ＭＩＭＯペアリング比率に大きな影響を与え、したがって、ブロードキャスト領域におけるスループットだけでなく、全体的なＫＰＩ（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｅｘ）も決定する。したがって、ビームフォーミング性能を最適化するために、ｍＭＩＭＯブロードキャスト領域のブロードキャストビームフォーミングプロファイルを動的に調整する必要がある。

一般に、本開示の実施例は、ビームフォーミングプロファイルを調整するための装置、方法、およびコンピュータ可読媒体を提供する。

第１態様では、電子デバイスが提供される。電子デバイスは、少なくとも１つのプロセッサと、コンピュータプログラム・コードとを含む少なくとも１つのメモリと、を備える。該少なくとも１つのメモリおよび該コンピュータプログラム・コードは、前記少なくとも１つのプロセッサを用いて、前記電子デバイスに、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域のための性能測定情報を取得させ、該初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから決定されており、前記性能測定情報、前記初期ビームフォーミングプロファイル、前記セット内の各候補ビームフォーミングプロファイルおよび学習モデル、パフォーマンスに基づいて、前記ブロードキャスト領域内でそれぞれの候補ビームフォーミングプロファイルが使用される場合のそれぞれの候補ビームフォーミング性能推定値を決定させ、ここにおいて、前記学習モデルは、前記ブロードキャスト領域に対する測定履歴情報とビームフォーミングとの関連を規定し、前記選択された候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記ビームフォーミング性能推定値と前記性能測定情報とに基づいて、前記ブロードキャスト領域に対する前記セットから１つの候補ビームフォーミングプロファイルを選択させるように構成される。

いくつかの実施形態では、前記電子デバイスは、前記初期ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルと、前記セット内の前記第１候補ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルとの間の差を決定するステップと、前記差に基づいて前記測定情報の変化を推定するステップと、前記測定情報と前記推定された変化に基づいて、前記第１候補ビームフォーミングプロファイルが前記ブロードキャスト領域内で使用される場合の第１ビームフォーミング性能推定値を決定するステップと、によって前記それぞれのビームフォーミング性能推定値
を決定する。

いくつかの実施形態では、前記電子デバイスが、第２候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合の第２ビームフォーミング性能推定値を、第３候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合の第３ビームフォーミング性能推定値と比較するステップと、前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値よりも大きいとの判断に応じて、前記第２候補ビームフォーミングプロファイルが選択される前記第１確率を増加させるステップと、前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値より小さいとの判断に応じて、第３候補ビームフォーミングプロファイルが選択される第２確率を増加させるステップと、前記第１増加確率を有する前記第２候補ビームフォーミングプロファイル、または、前記第２増加確率を有する第３候補ビームフォーミングプロファイルを選択するステップと、により、前記セットから１つの候補ビームフォーミングプロファイルを選択する。

いくつかの実施形態では、さらに、前記電子デバイスに、前記学習モデルを、前記測定情報を用いて更新させる。

いくつかの実施形態では、前記測定情報、前記測定履歴情報、および前記ビームフォーミング性能のそれぞれは、前記ブロードキャスト領域内の端末デバイスの空間分布情報に関連付けられる。

第２態様では、通信のための方法が提供される。本願方式は、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域のための性能測定情報を取得するステップであって、該初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから決定されている、ステップと、前記性能測定情報に基づいて、前記初期ビームフォーミングプロファイル、前記セット内の各候補ビームフォーミングプロファイルおよび学習モデル、前記ブロードキャスト領域内でそれぞれの候補ビームフォーミングプロファイルが使用される場合のそれぞれの候補ビームフォーミング性能推定値を決定するステップであって、前記学習モデルが、前記ブロードキャスト領域の測定履歴情報とビームフォーミング性能との間の関連を特定する、ステップと、前記選択された候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記ビームフォーミング性能推定値と前記性能測定情報とに基づいて、前記ブロードキャスト領域に対する前記セットから１つの候補ビームフォーミングプロファイルを選択するステップとを含む。

第３態様では、通信のための装置が提供される。この装置は、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域に対する性能測定情報を得る手段であって、該初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから決定されている手段と、前記性能測定情報に基づいて、前記初期ビームフォーミングプロファイルと、前記セット内の各候補ビームフォーミングプロファイルと学習モデルと、前記ブロードキャスト領域内でそれぞれの候補ビームフォーミングプロファイルが使用される場合のそれぞれの候補ビームフォーミング性能推定値を決定する手段であって、前記学習モデルが、前記ブロードキャスト領域の測定履歴情報とビームフォーミング性能との間の関連を特定する、手段と、前記選択された候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記ビームフォーミング性能推定値および前記性能測定情報に基づいて、前記ブロードキャスト領域に対する前記セットから、１つの候補ビームフォーミングプロファイルを選択する手段と、を備える。

第４の態様において、命令が格納されたコンピュータ可読媒体が提供される。該命令は、装置の少なくとも１つのプロセッサ上で実行されるとき、前記デバイスに、第２の態様にしたがう方法を実行させる。

発明の概要セクションは、本開示の実施形態の主要なまたは本質的な特徴を特定することを意図したものではなく、本開示の技術的範囲を限定するために使用することを意図したものではないことが理解されるべきである。本開示の他の特徴は、以下の説明を通して容易に理解できるようになるであろう。

添付の図面における本開示のいくつかの実施形態例のより詳細な説明を通して、本開示の上記および他の物、特徴および利点は、より明確になる。
図１は、ｍＭＩＭＯ通信システムにおけるセクタビームの説明図である。 図２Ａは、垂直寸法における扇形ビームのパワー利得パターンを示す図である。 図２Ｂは、水平寸法における扇形ビームのパワー利得パターンを示す図である。 図３は、本開示の実施例を実施可能な通信ネットワークの説明図を示す。 図４は、本開示の実施例を実施可能な別の通信ネットワークの説明図を示す。 図５は、本開示のいくつかの例示的な実施形態による垂直角度グリッドあたりのチャネル品質指標（ＣＱＩ）の概略図を示す。 図６は、本開示のいくつかの実施形態例による垂直角度上のトラフィック量分布の説明図を示す。 図７は、本開示のいくつかの例示的実施形態による、ビームフォーミングパワー利得ベクトルの変化の説明図を示す。 図８は、本開示のいくつかの実施形態による通信方法のフローチャートである。 図９は、本開示の実施形態を実現するのに適した装置の簡略化されたブロック図を示す。 図１０は、本開示のいくつかの実施形態による、一例のコンピュータ可読媒体のブロック図を示す。

図面全体を通して、同一または類似の参照番号は、同一または類似の要素を表す。

ここで、いくつかの実施例を参照して、本開示の原理を説明する。これらの実施形態は、説明の目的のためにのみ説明され、当業者が、本開示の範囲に関するいかなる制限も示唆することなく、本開示を理解し、実施するのに役立つことが理解されるべきである。ここに記載される開示は、以下に記載されるもの以外の様々な方法で実施することができる。

以下の説明および請求項において、別段の定義がない限り、本明細書で使用されるすべての技術用語および科学用語は、本開示が属する当業者の１人によって一般的に理解されるものと同じ意味を有する。

本明細書で使用する「通信ネットワーク」という用語は、長期進化（ＬＴＥ）、ＬＴＥ－アドバーンスト（ＬＴＥ－Ａ）および５Ｇ ＮＲのような任意の適切な通信規格またはプロトコルにしたがい、例えば、ＭＩＭＯ、ＯＦＤＭ、時分割多重（ＴＤＭ）、周波数分割多重（ＦＤＭ）、符号分割多重（ＣＤＭ）、ブルートゥース（登録商標）（Ｂｌｕｅｔｏｏｔｈ）、ジグビー（ＺｉｇＢｅｅ）、機械型通信（ＭＴＣ）、ｅＭＢＢ、ｍＭＴＣおよびｕＲＬＬＣ技術を含む任意の適切は通信技術を採用するネットワークを指す。説明の目的のために、いくつかの実施形態では、ＬＴＥネットワーク、ＬＴＥ－Ａネットワーク、５Ｇ ＮＲネットワーク、またはそれらの任意の組み合わせが、通信ネットワークの一例として取り上げられる。

ここで使用されるように、「ネットワーク装置」という用語は、通信ネットワークのネットワーク側にある任意の適切な装置を指す。ネットワーク装置は、例えば、基地局（ＢＳ）、ＴＲＰ、リレー、アクセスポイント（ＡＰ）、ノードＢ（ＮｏｄｅＢまたはＮＢ）、進化ノードＢ（ｅＮｏｄｅＢまたはｅＮＢ）、ギガビットノードＢ（ｇＮＢ）、リモート無線モジュール（ＲＲＵ）、無線ヘッダ（ＲＨ）、リモート無線ヘッド（ＲＲＨ）、フェムト、ピコなどの低パワーノードを含む、通信ネットワークのアクセスネットワーク内の任意の適切な装置を含むことができる。

ネットワーク装置は、例えば、ＭＳＲ ＢＳのようなマルチ標準無線（ＭＳＲ）無線装置、無線ネットワーク制御部（ＲＮＣ）または基地局制御部（ＢＳＣ）のようなネットワーク制御部、マルチセル／マルチキャスト配位エンティティ（ＭＣＥ）、移動スイッチングセンタ（ＭＳＣ）およびＭＭＥ、オペレーションおよび管理（Ｏ＆Ｍ）ノード、オペレーションサポートシステム（ＯＳＳ）ノード、自己組織ネットワーク（ＳＯＮ）ノード、Ｅ－ＳＭＬＣ（Ｅｎｈａｎｃｅｄ Ｓｅｒｖｉｎｇ Ｍｏｂｉｌｅ Ｌｏｃａｔｉｏｎ Ｃｅｎｔｅｒ）のような位置決めノード、および／または移動データ端末（ＭＤＴ）を含む、コアネットワーク内の任意の適切な装置を含むこともできる。

本明細書で使用される「端末デバイス」という用語は、ネットワーク装置または通信ネットワーク内のさらなる端末デバイスとの通信のために、構成され、配置され、および／または動作可能な装置を指す。通信には、無線信号、電波、赤外線信号、および／または情報を無線で伝送するのに適した他のタイプの信号を使用して、無線信号を送受信することが含まれる。ある実施形態では、端末デバイスは、直接的な人間の対話なしに情報を送信および／または受信するように構成することができる。例えば、端末デバイスは、所定のスケジュールで、内部または外部のイベントによってトリガされたとき、またはネットワーク側からの要求に応答して、ネットワーク装置に情報を送信することができる。

端末デバイスの例としては、スマートフォン、無線対応タブレット・コンピュータ、ラップトップ・エンベデッド・イクイップメント（ＬＥＥ）、ラップトップ・マウントド・イクイップメント（ＬＭＥ）、および／または無線カスタマー・プレミスイクイップメント（ＣＰＥ）などのユーザ装置（ＵＥ）が挙げられるが、これらに限定されない。説明のために、以下では、端末デバイスの例としてＵＥを参照していくつかの実施例を説明し、本開示の文脈において、「端末デバイス」および「ユーザ装置」（ＵＥ）という用語を同じ意味で使用することができる。

本明細書で用いる「ブロードキャスト領域」という用語は、ネットワーク装置によって送信される無線信号によってカバーされる領域を指す。ブロードキャスト領域内の端末デバイスは、ネットワーク装置によってサービスされ、ネットワーク装置を介して通信ネットワークにアクセスすることができる。

本明細書で使用される「電子デバイス」という用語は、通信ネットワーク内のネットワーク・デバイスとの通信のために構成、配置、および／または動作可能なプログラマブルデータ処理装置を指す場合がある。電子デバイスの例には、コンピュータ、サーバが含まれるが、これらに限定されない。あるいは、電子デバイスをネットワーク装置として実現することができる。

本明細書で使用される場合、「回路」という用語は、
（ａ）ハードウェアのみの回路実装（アナログおよび／またはデジタル回路のみの実装など）、および
（ｂ）ハードウェア回路とソフトウェア／ファームウェアの組み合わせ、（ｉ） アナログおよびデジタルのハードウェア回路とソフトウェア／ファームウェアの組み合わせ、および（ｉｉ）携帯電話やサーバなどの機器にさまざまな機能を実行させるために協働する、ソフトウェア（デジタルシグナルプロセッサを含む）を備えたハードウェアプロセッサ、ソフトウェア、およびメモリの部分、および
（ｃ）ハードウェア回路、またはマイクロプロセッサなどのプロセッサ（マイクロプロセッサ）またはマイクロプロセッサの一部）のうち、動作にソフトウェア（たとえばファームウェア）を必要とするものを指すが、ソフトウェアが動作に必要でない場合には、ソフトウェアが存在しない場合がある。

回路のこの定義は、請求項を含む、このアプリケーションにおけるこの用語のすべての使用に適用される。さらなる例として、このアプリケーションで使用されるように、回路という用語は、単なるハードウェア回路またはプロセッサ（または複数のプロセッサ）、またはハードウェア回路またはプロセッサの一部と、それに付随するソフトウェアおよび／またはファームウェアの実装も含む。回路という用語はまた、例えば、特定の請求項の要素に適用可能であれば、サーバ、セルラネットワーク装置、または他のコンピューティングまたはネットワーク装置におけるモバイル装置または同様の集積回路のためのベースバンド集積回路またはプロセッサ集積回路をカバーする。

ここで使用される単数形「ａ」、「ａｎ」、「ｔｈｅ」は、文脈が明確に示されていない限り、同様に複数形を含むことを意図している。用語「含む（ｉｎｃｌｕｄｅｓ）」およびそのバリエーションは、「含む」を意味するが、これに限定されない「オープンターム（ｏｐｅｎ ｔｅｒｍｓ）」として読まれるべきである。用語「基づく（ｂａｓｅｄ）」は、「少なくとも一部に基づく」として読まれるべきである。用語「１つの実施形態（ｏｎｅ ｅｍｂｏｄｉｍｅｎｔ、ａｎ ｅｍｂｏｄｉｍｅｎｔ）」は、「少なくとも１つの実施形態」として読まれるべきである。用語「別の実施形態（ａｎｏｔｈｅｒ ｅｍｂｏｄｉｍｅｎｔ）」は、「少なくとも１つの別の実施形態」として読まれるべきである。明示的および暗黙的な他の定義は、下記の中に含まれる可能性がある。

上述したように、ｍＭＩＭＯ通信ネットワーク内のネットワーク装置は、カバレッジを改善するように、水平方向と垂直方向の両方の寸法でブロードキャストビームを送信することができる。図１は、ｍＭＩＭＯ通信ネットワークにおけるブロードキャストビームの説明図１００を示す。図示のように、ネットワーク装置１１０は、ブロードキャストビーム１１２を送信する。ブロードキャストビーム１１２の例は、制御チャネル、参照信号、またはＬＴＥ内の物理ダウンリンク共有チャネル（ＰＤＳＣＨ）のためのセクタ固有のビームまたはセル固有のビーム、および同期信号またはＰＢＣＨブロックのためのブロードキャストビームを含むことができるが、これらに限定されない。

ブロードキャストビーム１１２は、ブロードキャスト領域に対するビームフォーミングプロファイルによって決定することができる。ブロードキャスト領域のためのビームフォーミングプロファイルは、ブロードキャストビームフォーミングプロファイルとも呼ばれる。ブロードキャストビームフォーミングプロファイルは、ＬＴＥにおけるセル固有のビームフォーミングプロファイル、またはＬＴＥにおけるセクタ固有のビームフォーミングプロファイルであってもよい。５Ｇ新無線（Ｎｅｗ Ｒａｄｉｏ）では、セルのＳＳＢセットに１つ以上の同期信号ブロック（ＳＳＢ）を含めることができる。したがって、ブロードキャストビームフォーミングプロファイルは、ブロードキャスト領域に応じて、ＳＳＢ特異的またはセル特異的なビームフォーミングプロファイルであってもよい。

ブロードキャストビームフォーミングプロファイルには、ビーム方向（垂直方向の電気的チルトとすることができる）、水平ビーム幅（ＨＢＷ）、垂直ビーム幅（ＶＢＷ）およびビームパワー利得のようないくつかの特性が含まれる。ブロードキャストビームフォーミングプロファイルは、ブロードキャストビームフォーミングのためのパラメータ、例えば、ブロードキャストビームフォーミングのためのアンテナ重み付け係数を規定する。次に、ブロードキャストビームフォーミングプロファイルは、ブロードキャストビームのアンテナアレイ図を規定する。ブロードキャストビームのアンテナアレイ図は、空間放射パターンまたはブロードキャストビームのパワーゲインパターンとも呼ばれる。図２Ａは、垂直寸法におけるブロードキャストビームのパワー利得パターン２００を示し、図２Ｂは、水平寸法におけるブロードキャストビームのパワー利得パターン２０５を示す。

ｍＭＩＭＯ通信ネットワークにおけるネットワーク装置のためのブロードキャストビームフォーミングプロファイルの電気的チルト、ＨＢＷ、およびＶＢＷは、構成可能である。しかしながら、非ｍＭＩＭＯ通信ネットワーク内のネットワーク装置のためのＶＢＷおよび／またはＨＢＷは、構成可能ではないか、またはネットワーク装置内のソフトウェアを介した限定された構成可能性を有する。

ｍＭＩＭＯカバレッジ、能力および性能は、無線カバレッジ、水平および垂直次元における端末デバイスの位置およびトラヒック分布、ＣＲＳパワー割当て、および近隣セル干渉に依存する。ブロードキャストビームフォーミングプロファイルは、ブロードキャスト領域のカバレッジ、干渉およびＭＵ－ＭＩＭＯペアリング比率に大きな影響を及ぼす。次に、ブロードキャストビームフォーミングプロファイルは、ブロードキャスト領域スループットだけでなく、全体的なＫＰＩにも影響を与える。

ｍＭＩＭＯ通信ネットワークが展開されるとき、高度な３ＤビームフォーミングとＭＵ－ＭＩＭＯ技術が採用されるため、カバレッジ、能力および性能最適化のために多くの次元とドメインが存在する。例えば、寸法は、水平および垂直寸法を含むことができ、ドメインは、時間－周波数およびパワードメインを含むことができる。ブロードキャストビームフォーミングプロファイルは、他の無線リソース管理パラメータにも相関される。したがって、ｍＭＩＭＯネットワーク・デバイスは、非ｍＭＩＭＯネットワーク・デバイスよりも調整すべきパラメータが多い。さらに、ｍＭＩＭＯネットワーク・デバイスは、ＭＵ－ＭＩＭＯによる非ｍＭＩＭＯネットワーク・デバイスよりも高い容量をサポートする。ＭＵ－ＭＩＭＯ性能は、端末デバイスの分布、ブロードキャスト領域におけるトラヒックおよび干渉分布に依存する。

現在、カバレッジ、能力および性能最適化のためにｍＭＩＭＯブロードキャストビームフォーミングを調整する典型的な方法は、ネットワーク計画および最適化（ＮＰＯ）経験およびＫＰＩ分析にしたがって、ブロードキャストビームフォーミングプロファイルを手動および静的に調整することである。レガシー・ネットワーク・デバイス（４Ｔ４Ｒ／８Ｔ８Ｒ）をｍＭＩＭＯネットワーク・デバイスにアップグレードするか、新しいｍＭＩＭＯネットワーク・デバイスをインストールした後、オペレータは初期電気チルトを設定し、ＫＰＩ結果を収集する場合がある。ＫＰＩの結果に基づいて、オペレータ堆新しい電気チルトを試行し、後でＫＰＩの結果を確認できる。このようなパラメータ調整には長い時間がかかり、手動操作が必要になる場合がある。サイト変更の場合、このような最適化を数回実行する必要があり、これは時間がかかり、非効率的である。

さらに、ブロードキャストビームフォーミングプロファイルの静的構成は、特に端末デバイス、トラヒックおよび干渉のそれらの要因が変化する場合に、準最適状態で全体的な性能を作ることができる。

ｍＭＩＭＯブロードキャストビームフォーミングを調整する別の方法は、自己組織化ネットワーク（ＳＯＮ）ソリューションである。ＳＯＮソリューションでは、ＳＯＮサーバがＫＰＩを収集し、自己最適化方法で電気チルト傾自動的に調整する。しかしながら、既存の性能カウンタとＫＰＩは、空間次元におけるトラヒック、スループット、チャネル品質、干渉分布を含まない。したがって、それらは、特にＭＵ－ＭＩＭＯが有効である場合、ブロードキャストビームフォーミング性能を正確に予測することができない。

さらに、ＳＯＮソリューションは、ｍＭＩＭＯ性能予測のためのｍＭＩＭＯ知識またはモデルの洞察なしに、ビームフォーミング性能をソリューション析するために既存のＫＰＩに依存する。ＳＯＮソリューションでは、ＳＯＮサーバは新しいパラメータ値を段階的に試行し、後でＫＰＩ結果を確認する。パラメータ試行が失敗した場合、ＳＯＮサーバは、ＳＯＮサーバが最適なパラメータ値を見つけるまで、別の可能なパラメータ値を試行する。

上記および他の潜在的な問題を少なくとも部分的に解決するために、本開示の実施形態は、ビームフォーミングプロファイルを調整するための解決策を提供する。本開示の実施形態によれば、機械学習法を利用して、ブロードキャスト領域に対する測定履歴情報に基づいて学習モデルを事前訓練する。事前トレーニングされた学習モデルは、ブロードキャスト領域の測定履歴情報とビームフォーミング性能との間の関連を特定する。ブロードキャスト領域に対する初期ビームフォーミングプロファイルを調整する前に、ブロードキャスト領域に対する候補ビームフォーミングプロファイルの各々に関連するビームフォーミング性能を学習モデルで予測した。候補のビームフォーミングプロファイルの１つは、予測されたビームフォーミング性能に基づいて選択され、その結果、選択された候補のビームフォーミングプロファイルを使用することによって、最適なビームフォーミング性能を得ることができる。

本開示の実施形態では、パフォーマンス最適化の収束を加速し、プロファイル調整中のＫＰＩへの悪影響を最小限に抑えることができる。

本開示の原則および実施は、図３から図９を参照して以下に詳細に説明される。図３は、本開示の実施例を実施可能な通信ネットワーク３００の一例を示す。ネットワーク３００は、ネットワーク装置１１０と、ネットワーク装置１１０と通信する電子デバイス１２０と、ネットワーク装置１１０によって供給される少なくとも１つの端末デバイスとを含むことができる。

ネットワーク装置１１０は、各ブロードキャスト領域に対するそれぞれの性能測定情報を取得し、処理するように構成することができる。例えば、性能測定情報は、ブロードキャスト領域についての性能測定情報１３０を含むことができ、この情報は、現在、ブロードキャスト領域においてビームフォーミングプロファイルが使用されている場合に得られる。

性能測定情報１３０は、対応する角度情報と共通の性能情報とを有するｍＭＩＭＯ固有の性能情報の両方を含み得る。

ｍＭＩＭＯ固有の性能情報は、以下に限定されるものではないが、メディアアクセス制御（ＭＡＣ）スケジューリング、トラフィック量、スループット、ＣＱＩ、ＣＱＩオフセット、変調および符号化方式（ＭＣＳ）、ブロック誤り率（ＢＬＥＲ）、ＭＵ－ＭＩＭＯ物理リソースブロック（ＰＲＢ）ペアリング比、時間期間にわたる水平および垂直次元におけるランク表示分布のブロードキャスト領域あたりの統計情報を含むことができる。共通性能情報は、限定されるものではないが、Ｅ－ＵＴＲＡＮ無線アクセスベアラ（Ｅ－ＲＡＢ）ドロップ比率、ハンドオーバ成功比率、無線リソース制御（ＲＲＣ）接続セットアップ成功比率のようなｍＭＩＭＯおよび非ｍＭＩＭＯネットワーク・デバイスの両方によってサポートされ得る他の性能統計を含むことができる。

また、ネットワーク装置１１０は、性能測定情報１３０を電子デバイス１２０に送信するように構成することができる。電子デバイス１２０は、性能測定情報１３０に基づいてビームフォーミング性能を解析し、ブロードキャスト領域に対するビームフォーミングプロファイルを決定するように構成される。

ネットワーク装置１１０がｍＭＩＭＯネットワーク装置として構成される実施形態では、ｍＭＩＭＯネットワーク装置のためのブロードキャストビームフォーミングプロファイルは、電気的チルト、水平ビーム幅、垂直ビーム幅、ビームパワー利得、およびＣＲＳパワーブーストまたは脱ブーストを特徴とすることができる。ｍＭＩＭＯネットワーク・デバイス用のブロードキャストビームフォーミングプロファイルは、ネットワーク・デバイスのアンテナ用のブロードキャストビームフォーミング重量を決定し、次いでブロードキャストビームフォーミングパターンを規定する。ネットワーク装置１１０が非ｍＭＩＭＯネットワーク装置である実施形態では、非ｍＭＩＭＯネットワーク装置のためのブロードキャストビームフォーミングプロファイルは、電気的チルト、ビームパワー利得、ＣＲＳパワーブーストまたはデ・ブーストによって特徴付けられ得る。

電子デバイス１２０は、ネットワーク装置１１０のブロードキャスト領域に対する最適化されたビームフォーミングプロファイルを決定し、コマンドメッセージ１４０内のプロファイルをネットワーク装置１１０に送信する。ブロードキャストビームフォーミングプロファイルを受信すると、ネットワーク装置１１０は電子デバイス１２０に応答メッセージを送信し、コマンドメッセージ１４０に示される特定の期間にブロードキャストビームフォーミングプロファイルを適用する。

いくつかの実施形態において、電子デバイス１２０は、図３に示すように、ネットワーク装置１１０の外側に配置することができる。このような実施形態では、電子デバイス１２０は、ネットワーク装置１１０と通信するサーバとして実装することができる。他の実施形態では、電子デバイス１２０は、ネットワーク装置１１０の内部に配置することができる。説明のために、以下では、ネットワーク装置１１０の例に配置された電子デバイス１２０を例にして、いくつかの実施形態を説明する。

初期化フェーズの間、ネットワーク装置１１０は、初期ビームフォーミングプロファイル、性能測定期間の粒度、および測定情報のリストを用いて構成することができる。初期化フェーズの間に、電子デバイス１２０は、一組の候補ビームフォーミングプロファイルで構成することができる。初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルの設定から決定される。

性能測定期間の粒度は、ネットワーク装置１１０の能力および利用可能な搬送リソースに基づいて決定することができる。たとえば、パフォーマンス測定期間の粒度は１、５、１０、１５、６０分などである。

測定情報のリストは、ブロードキャスト領域ごとの水平角度および／または垂直角度のグリッドにおけるｍＭＩＭＯ固有の測定情報のリストと、ｍＭＩＭＯおよび非ｍＭＩＭＯネットワーク装置のための共通の測定情報のリストとを含むことができる。

例えば、ブロードキャスト領域ごとの水平角度または／または垂直角度のグリッドにおけるｍＭＩＭＯ固有の測定情報のリストは、
・ ＣＱＩの平均
・ ＭＣＳの平均
・ ダウンリンクまたはアップリンクスケジューリング許可のカウント
・ 端末デバイスがＨＡＲＱを確認したＤＬトランスポートブロックの合計（トラフィック量）
・ 割り当てられたＰＲＢの平均
・ ＢＬＥＲ制御フィードバックループによるＣＱＩオフセットの平均
・ ＭＵ－ＭＩＭＯ ＰＲＢペアリング率の平均＝（ＴＴＩあたりのＭＵ－ＭＩＭＯペアＵＥを持つＤＬスケジュール済みＰＲＢの合計）／（ＴＴＩあたりのＤＬスケジュール済みＰＲＢの合計）
のうちの少なくとも１つを含むことができる。

例えば、ｍＭＩＭＯおよび非ｍＭＩＭＯネットワーク・デバイスのための共通測定情報のリストは、
・ セルあたりの平均セルスループット
・ セルあたりの平均ユーザスループット
・ セルあたりのＲＲＣ接続ＵＥの平均
・ セルあたりのＥ－ＲＡＢ無線ベアラドロップ率
・ セルあたりのＨＯ成功率のうちの少なくとも１つを含むことができる。

通信ネットワーク３００がｍＭＩＭＯ通信ネットワークである実施形態では、ネットワーク装置１１０は、各ブロードキャスト領域内の端末デバイスの空間分布情報のより高い解像度を得ることができる。この場合、各ブロードキャスト領域内の端末デバイスの空間分布情報は、トラフィック量、スループット、ＣＱＩ、ＭＣＳ、ＢＬＥＲ、干渉レベル、ＭＵ－ＭＩＭＯスケジューリング、ＭＵ－ＭＩＭＯペアリング比などの性能測定情報に関連付けることができる。言い換えると、性能測定情報は、トラフィック量、スループット、ＣＱＩ、ＭＣＳ、ＢＬＥＲ、干渉レベル、ＭＵ－ＭＩＭＯスケジューリングおよび空間的水平および垂直次元にわたるＭＵ－ＭＩＭＯペアリング比率を含み得る。パフォーマンス測定情報は、水平寸法と垂直寸法のグリッド上で異なる角度粒度で圧縮でき、その後、異なるハードウェア能力、リアルタイム性、およびパフォーマンス要件に適している。

ブロードキャスト領域における端末デバイスの空間分布情報に関連した性能測定情報により、より正確なビームフォーミング性能予測または推定が得られる。

いくつかの実施形態において、上記の測定情報は、水平角度または／または垂直角度のグリッド内で分類され、次に、最も近いグリッド上で平均（または合計）することができる。空間グリッドにおける性能測定情報を使用する目的は、ネットワーク装置１１０内の処理負荷および搬送負荷を低減することである。水平グリッドと垂直グリッドの粒度は、初期化フェーズ中に設定できる。

例えば、水平方向のグリッドの粒度が５度である場合、水平方向のグリッド＃５ｎの平均ＣＱＩは、水平方向の角度範囲（－２．５＋５ｎ，２．５＋５ｎ）で予定されている端末デバイスに対して平均化されるべきである。

表１に、ＣＱＩの平均と水平方向のグリッド＃５ｎのＭＣＳの平均の例を示す。ここで、ｎはゼロまたは自然数である。

例えば、垂直グリッドの粒度が１度である場合、垂直グリッド＃ｍのダウンリンクスケジューリング許可のカウントは、水平角度範囲（－０．５＋ｍ，０．５＋ｍ）でそれらのスケジュールされたＵＥを数えるべきである。

表２は、ＣＱＩの平均値と垂直グリッド＃１ｍのＭＣＳの平均値の例を示している。ここで、ｍはゼロまたは自然数である。

図４は、本開示の実施例を実施可能な通信ネットワーク４００の説明図を示す。通信ネットワーク４００は、図３に示すような通信ネットワーク３００の実現例と考えることができる。

図４に示すように、通信ネットワーク４００は、ネットワーク装置１１０と電子デバイス１２０とから構成される。電子デバイス１２０は、プロファイル選択モジュール１２２、性能推定モジュール１２４、および性能変化決定モジュール１２６を含む。

プロファイル選択モジュール１２２は、性能推定モジュール１２４に、ブロードキャスト領域のための候補ビームフォーミングプロファイル１４２のセットを提供するように構成される。

性能推定モジュール１２４は、ネットワーク装置１１０から、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域の性能測定情報１３０を取得するように構成される。また、性能推定モジュール１２４は、性能測定情報１３０に基づいて、初期ビームフォーミングプロファイル、候補ビームフォーミングプロファイルのセット内の各候補ビームフォーミングプロファイル、および学習モデル、それぞれの候補ビームフォーミング性能推定値を、それぞれの候補ビームフォーミングプロファイルがブロードキャスト領域内で使用される場合に決定するように構成される。学習モデルは、ブロードキャスト領域の測定履歴情報とビームフォーミング性能との間の関連を特定する。ビームフォーミング性能は、トラフィック量、ＲＲＣ接続された端末デバイスの平均数、平均セルスループット、平均ユーザスループット、スペクトル効率などのような、ブロードキャスト領域におけるカバレッジと能力を含むことができる。各ビームフォーミング性能推定値１４４の判断については後述する。

性能変化決定モジュール１２６は、ブロードキャストビームフォーミングプロファイルの調整によるビームフォーミング性能の変化を判断するように構成される。

プロファイル選択モジュール１２２はまた、選択された候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、ビームフォーミング性能推定値１４４および性能測定情報に基づいて候補ビームフォーミングプロファイルの設定から１つの候補ビームフォーミングプロファイルを選択するように構成される。選択すると、プロファイル選択モジュール１２２は、コマンドメッセージ１４０内の選択されたプロファイルをネットワーク装置１１０に送信することができる。

いくつかの実施形態では、プロファイル選択モジュール１２２は、補強学習アルゴリズムと人工ニューラルネットワーク（ＡＮＮ）との組み合わせを採用して、ブロードキャスト領域に対する性能測定情報の動的変化にしたがって、ブロードキャスト領域に対するビームフォーミングプロファイルを選択することができる。

Ｑ学習アルゴリズムは、強化学習アルゴリズムの一例である。いくつかの実施形態では、プロファイル選択モジュール１２２は、Ｑ学習アルゴリズムを採用して、スループットおよびＥ－ＲＡＢドロップ比率のような観測された測定情報にしたがってブロードキャストビームフォーミングプロファイルを調整することができる。ＡＮＮはディープラーニングに基づいており、後述する測定情報からビームフォーミング性能を予測するための経験と知識をモデル化するために使用される。

Ｑ学習アルゴリズムでは、状態「ｓ」はブロードキャストビームフォーミングプロファイルとして定義され、状態「ｓ」はいくつかのサブステート（ｓ_ｔｉｌｔ、ｓ＿ＨＢＷ、ｓ＿ＶＢＷ、ｓ＿ｐｏｗｅｒ＿ｌｏｓｓ）の組み合わせで表される場合がある。ｓ_ｔｉｌｔはｍＭＩＭＯアンテナアレイでサポートされる可能性のある電気チルト傾表し、ｓ_ｔｉｌｔは［－１０度、１０度］の範囲になる。ｓ＿ＨＢＷはｍＭＩＭＯアンテナアレイでサポートされる可能性のあるＨＢＷを表し、ｓ＿ＨＢＷは６５、４５、または９０度などである。ｓ＿ＶＢＷは、ｍＭＩＭＯアンテナアレイによってサポートされる可能性のあるＶＢＷを表し、ｓ＿ＶＢＷは、たとえば、１０度または３０度にすることができる。ｓ＿ｐｏｗｅｒ＿ｌｏｓｓは、ブロードキャストビームフォーミングウェイトに対してパワー道失またはパワー損失なしのいずれかを有効にすることを表す。

アクション「ａ」は、あるブロードキャスト・ビームフォーミングプロファイルから別のブロードキャスト・ビームフォーミングプロファイルに変更することであり、例えば、１つのアクションは、「Ｅ－チルトを２度増加させ、ＨＢＷを６５度から４５度に変更し、ＶＢＷを変更せずに、パワー損失ブロードキャストビームフォーミング重量を保持する」とすることができる。状態－作用空間を単純にし、ブロードキャストビームフォーミングプロファイルの急激な変化を避けるために、動作は、Ｅ－チルト、ＨＢＷ、ＶＢＷ、ブロードキャストビームフォーミングパワーの同時変化を回避する１つの動作において、ブロードキャストビームフォーミングプロファイルの１つの特徴のみを変化させることを可能にするように、サブセット内で制限することができる。

たとえば、アクションＡ＝｛変化なし、Ｅチルトを１度増大、Ｅチルトを１度低下、Ｅチルトを２度増大、Ｅチルトを２度低下、ＨＢＷ６５度－＞４５度、ＨＢＷ４５度－＞６５度、ＨＢＷ６５度－＞９０度、ＨＢＷ９０度－＞６５度、パワーパワー損失からパワー損失なしに変わる、パワー損失なしからパワー損失に変わる｝のセットである。

Ｑ関数は、特定され状態のアクションＱ（状態、アクション）に関連付けられる。

アクションが選択されて実行されると、状態はｓ_ｔからｓ_{（ｔ＋１）}に遷移し、次の式（１）のように更新される。

ここで、Ｑ（ｓ，ａ）は評価アクションの機能を表し、Ｒ_{（ｔ＋１）}は、ｔ＋１においてブロードキャストビームフォーミングプロファイルを調整した後、パフォーマンス測定情報から受け取った即時報酬を表す。α（ｓ_ｔ，ａ_ｔ）は、学習率、０≦α（ｓ_ｔ，ａ_ｔ）≦１を表し、γは、即時報酬に対する将来の報酬の重要性を示す割引率（ｄｉｓｃｏｕｎｔ ｆａｃｔｏｒ）を表す。

いくつかの実施形態では、プロファイル選択モジュール１２２は、ブロードキャストビームフォーミングプロファイルの調整によるビームフォーミング性能の累積変化（すなわちＱ（ｓ，ａ））を維持するように構成することができる。例えば、プロファイル選択モジュール１２２は、上記の式（１）に基づいてＱ（ｓ，ａ）を更新することができる。

即時報酬Ｒ＿（ｔ＋１）は、ブロードキャストビームフォーミングプロファイルを別のブロードキャストビームフォーミングプロファイルに変更した後のビームフォーミング性能の変化を表すことができる。言い換えると、即時報酬Ｒ＿（ｔ＋１）は、ブロードキャストビームフォーミングプロファイルを調整するアクションをとった後の観察された目的値の変化を表すことができる。性能変化決定モジュール１２６は、以下の式に基づいて即時報酬Ｒ＿（ｔ＋１）を決定することができる。

目的関数は、単一の最適化目標または複数の目標に対して定義できる。例えば、単一目的最適化の場合、目的値（Ｏｂｊｅｃｔｉｖｅ＿ｖａｌｕｅ）は、平均セルスループット、平均ユーザスループット、スペクトル効率などであり得る。

目的値は、ＫＰＩメトリックの機能でもある。たとえば、Ｅ－ＲＡＢドロップ率の場合、対応する目的関数は、Ｅ－ＲＡＢドロップ率のペナルティを次のように定義できる。

ここで、ｘはＥ－ＲＡＢドロップ率を表し、ｐｅｎａｌｔｙ_ｈｉｇｈ＜ｐｅｎａｌｔｙ_ｌｏｗ＜０である。

目的関数は、複数の目的の最適化のために定義されることもある。例えば、平均セルスループットとＥ－ＲＡＢドロップ率の両方の最適化のために、目的関数は、平均セルスループットの報酬とＥ－ＲＡＢドロップ率のペナルティの合計として定義することができる。

最適化対象や要件によって、目的関数の種類が異なることができる。目的関数の３つの例を以下に論じる。

例１では、平均セルスループットは最適化されても、セルエッジスループットは損なわれない。そして、セルエッジスループットは目的関数の一部となりうる。例えば、セルエッジスループットは、図５に示すように、水平または垂直角度グリッドにおける最低５％のユーザスループットとして定義することができる。

例２：セルカバレッジの平均セルＣＱＩが最適化され、セルエッジ利用者の平均セルエッジＣＱＩが最適化され得る。平均セルＣＱＩは、ＤＬスケジューリング許可の比率によって加重されたすべてのセルユーザの平均ＣＱＩとして定義され得る。この例題では、平均セルＣＱＩは以下のように表される。

平均セルエッジＣＱＩは、ＤＬスケジューリング許可の比率によって加重されたセルエッジ利用者の平均ＣＱＩとして定義できる。セルエッジ利用者は、角度しきい値よりも大きい垂直角度の端末デバイスとして定義できる。この例において、平均セルエッジＣＱＩは、下記のように表現される得る。

例３：水平方向の角度または垂直角度でのトラフィック分布を最適化できる。高いビルのシナリオでは、ＶＢＷはマクロセルのＶＢＷよりも大きな垂直角度範囲をカバーする必要がある。垂直方向のトラフィック分布幅は、セル内の９５％のトラフィック量に対する垂直方向の角度スパンとして定義できる。さらに、垂直角度におけるＶＢＷの最適化とＭＵ－ＭＩＭＯペアリングにも使用できる。同様の水平方向のトラフィック分配幅は、セル内の９５％トラフィック量に対する水平方向の角度スパンとして定義できる。

性能測定フェーズの間に、いくつかの状態－動作ペアに関連するＱ（ｓ，ａ）は、受信された性能測定情報に基づいて初期化することができる。ある実施形態では、プロファイル選択モジュール１２２は、ブロードキャストビームフォーミングプロファイルを調整するアクションの実行後に、ネットワーク装置１１０から更新されたパフォーマンス測定情報を受信すると、Ｑ（ｓ，ａ）を更新することができる。

Ｑ（ｓ，ａ）の更新を加速するために、性能推定モジュール１２４は、Ｑ（ｓ，ａ）のためのビームフォーミング性能（例えば、セルスループット）を予測するために使用されることができ、それらは、探索されていないか、または１つ以上の端末デバイスおよびトラフィック分布の変更のために時代遅れになっている何らかの状態－アクション対の値であることができる。例えば、状態－作用ペアは、初期のブロードキャストビームフォーミングプロファイルと、初期のブロードキャストビームフォーミングプロファイルから候補のブロードキャストビームフォーミングプロファイルへの変化とを含み得る。プロファイル選択モジュール１２２は、状態－動作ペアを性能推定部１２４に提供することができる。性能推定モジュール１２４は、性能測定情報１３０に基づいて、初期ビームフォーミングプロファイル、候補ビームフォーミングプロファイルおよび学習モデル、候補ビームフォーミングプロファイルがブロードキャスト領域で使用される場合のビームフォーミング性能を予測することができる。

従来のＱ学習では、探索と探索ポリシーのバランスを取るために、アクション選択は式（７）で表されるε－グリーディポリシーに基づいている。

ε－グリーディポリシーは、εの確率が１つのアクションをランダムに選択するか、または．１－εの確立で、最良のＱ（ｓ，ａ）値のアクションを選択する。εは、［０，１］の範囲で変更される可能性が確率である。探索段階では、端末デバイスとトラフィック分布の変更のために、一部の状態が経験されていないか、対応するパフォーマンスデータが陳腐になっている。したがって、作用のランダムな選択（すなわち、ブロードキャストビームフォーミングプロファイルのランダムな選択）は、最適作用への収束を遅らせる可能性がある。

ある実施形態では、ε－グリーディポリシーは、性能推定部１２４の性能推定に基づいて、潜在的により高い目的関数値を持つアクションに優先順位を付けることによって改善される。探索フェーズでは、未経験の状態、または対応する性能・データが廃止された状態の場合、新しいアクションを実行した後の目的関数値は、アクションが選択される前に、性能推定部１２４によって予測することができる。行動が選択される確率は、より高い目的関数値をもつ可能性のある行動の優先順位に応じて調整される可能性がある。

例えば、プロファイル選択モジュール１２２は、第１候補ビームフォーミングプロファイルがブロードキャスト領域で使用される場合の第１ビームフォーミング性能推定値と、第２候補ビームフォーミングプロファイルがブロードキャスト領域で使用される場合の第２ビームフォーミング性能推定値とを比較する。第１ビームフォーミング性能推定値が第２ビームフォーミング性能推定値よりも大きいと判断される場合、プロファイル選択モジュール１２２は、第１候補ビームフォーミングプロファイルが選択される第１確率を増大させる。一方、第１ビームフォーミング性能推定値が第２ビームフォーミング性能推定値よりも小さいと判断される場合、プロファイル選択モジュール１２２は、第２候補ビームフォーミングプロファイルが選択される第２確率を増大させる。したがって、プロファイル選択モジュール１２２は、第１増加された確率を有する第１候補ビームフォーミングプロファイル、または第２増加された確率を有する第２候補ビームフォーミングプロファイルを選択することができる。

いくつかの実施形態において、プロファイル選択モジュール１２２は、式（８）によって表されるように、アクション選択の改善されたポリシー（すなわち、新しいポリシー）を採用することができる。

例えば、式（９）によって定義することができる。

εは、［０、１］の範囲で変更可能な確率であり得、εは、固定値でもあり得る。あるいは、εは動的に変更された値であり得る。すなわち、εは、探査フェーズにおいてより高い値に設定され、次いで、現在の状態が、端末デバイスおよびトラフィックの安定した分配のための最適なブロードキャストビームフォーミングプロファイルに収束するときに、小さな値に徐々に減少するようにすることができる。

図４に戻って説明すると、ある実施形態では、性能推定モジュール１２４は、入力層、隠れ層および出力層を有する人工ニューラルネットワーク（ＡＮＮ）を使用することができる。例えば、逆伝搬学習アルゴリズムを使用して、最適ニューラル重量を生成し、次いで、性能予測または推定の精度を最適化することができる。

いくつかの実施形態では、性能推定モジュール１２４は、入力情報として水平角度または垂直角度のグリッドにおけるＣＱＩ、ＭＣＳ、トラフィック量、スケジューリング許可、ＭＵ－ＭＩＭＯペアリング比分布のうちの少なくとも１つを含み得るｍＭＩＭＯ特定空間測定情報

のリストを使用することができる。出力層は、セルスループットまたはユーザスループットのような、予測または推定ビームフォーミング性能である。

上記のｍＭＩＭＯ特定空間測定情報

のリストは、潜在的なｍＭＩＭＯ測定情報をリストアップすることに留意する。ただし、これは、特定のシナリオでこれらの完全な測定情報設定が必要であることを意味するわけではない。例えば、ネットワーク装置１１０が、ハードウェア制約またはトランスポートリソース制限のために処理能力が制限されている場合には、リストの一部を選択することができる。例えば、ネットワーク装置１１０は、ＣＱＩおよびトラフィック量分布のみを選択することができる。

初期化フェーズの間に、性能推定モジュール１２４は、事前に訓練されたパラメータまたは前のラウンド最適化で獲得されたパラメータを用いてＡＮＮ重量

を初期化することができる。

性能測定フェーズの間、いったん性能推定モジュール１２４がある量の性能測定情報を受け取ると、それは、潜在的な新しいブロードキャストビームフォーミングプロファイルのためのセルスループットのような目的値を予測し、そして、ランダム値ではなく予測値でＱ（ｓ，ａ）値を初期化することができる。そして、これはその後のＱ学習アルゴリズムの収束を加速できる。

性能推定モジュール１２４は、ＡＮＮ重みの最適化のためのトレーニングデータとして性能測定情報を使用し、トレーニング結果を改善するためにトレーニングを継続することができる。ＡＮＮトレーニングは、現在の状態で性能測定情報を受信できる限り、Ｑ学習の状態変化がない場合でもオンラインで行うことができることに留意する。このようなオンライントレーニングは、目的関数値の予測精度を向上させることができる。

ＡＮＮ重みの勾配降下最適化に対して、ＡＮＮの損失関数は予測目的値（例えばセルスループット）の平均二乗誤差と性能測定データにおける観測値として定義できる。

いくつかの実施形態では、電子デバイス１２０は、随意的に、パワー差決定モジュール１２８を含むことができる。パワー差決定モジュール１２８は、プロファイル選択モジュール１２２から初期ビームフォーミングプロファイルおよび候補ビームフォーミングプロファイルを得るように構成することができる。パワー差決定モジュール１２８は、初期ビームフォーミングプロファイル用のビームフォーミングパワー利得ベクトル

と候補ビームフォーミングプロファイル用のビームフォーミングパワー利得ベクトル

との間の垂直角度または水平角度のグリッド内のパワー差ベクトル

を判断するようにさらに構成することができる。図７は、本開示のいくつかの例示的実施形態による、ビームフォーミングパワー利得ベクトルの変化の説明図７００を示す。図７において、曲線７１０は、初期ビームフォーミングプロファイルの場合のビームフォーミングパワー利得ベクトル

を表し、曲線７２０は、候補ビームフォーミングプロファイルの場合のビームフォーミングパワー利得ベクトル

を表す。

パワー差ベクトル

は、ＣＱＩ、ＭＣＳに影響を与え、ブロードキャストビームフォーミングプロファイルが変更された後、スループットまたはスペクトル効率にさらに影響を与えることができる。したがって、性能推定部１２４は、部１２８からのパワー差ベクトル

に基づいて、測定情報の変化を見積もることができる。次に、性能推定モジュール１２４は、測定情報および推定された変化に基づいて、候補ビームフォーミングプロファイルがブロードキャスト領域で使用される場合のビームフォーミング性能推定値を決定することができる。

本開示のいくつかの実施形態によれば、機械学習法を利用して、隣接セルとの最適なセルエッジを得、次いで、最適なカバレッジ、能力および性能最適化を達成するように、ブロードキャストビーム最適化を自動的に実行することができる。

本開示のいくつかの実施形態によれば、ブロードキャストビームフォーミングプロファイルの動的調整は、カバレッジ、トラフィック、干渉、ＭＵ－ＭＩＭＯ利得の変化に適応可能であり、次いで、カバレッジだけでなく能力および他のＫＰＩも改善することができる。ｍＭＩＭＯが非ｍＭＩＭＯよりも高い容量をサポートできることを考慮すると、この種の最適化はｍＭＩＭＯの長所を活用できるだけでなく、柔軟な方法でセル負荷と性能のバランスを取ることができる。

ブロードキャストビームフォーミングプロファイルの動的調整は、ブロードキャストビームフォーミングプロファイルの各調整ステップに対するｍＭＩＭＯ性能の予測のための統合ディープニューラルネットワークのおかげで、最適化の迅速な収束のためにｍＭＩＭＯネットワーク・デバイス上で行うこともできる。したがって、本開示の実施形態は、ブロードキャスト領域間情報交換が利用可能であるか否かにかかわらず、ブロードキャストビームフォーミングプロファイルに対する、ブロードキャストごとの分散された領域最適化をサポートすることができる。

図８は、本開示のいくつかの実施形態による、ビームフォーミングプロファイルを調整する例示的な方法８００のフローチャートを示す。方法８００は、図３に示すように、電子デバイス１２０において実施することができる。説明のために、方法８００について、図３に示すように電子デバイス１２０の観点から説明する。本方法８００は、図示されていない追加のブロックを含むことができ、および／または図示されているような一部のブロックを省略してもよく、本開示の技術的範囲はこの点に関して限定されないことを理解されたい。

ブロック８１０で示されるように、電子デバイス１２０は、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域についての性能測定情報を取得する。初期ビームフォーミングプロファイルは、候補となるビームフォーミングプロファイルのセットからあらかじめ決定されている。

ブロック８２０において、電子デバイス１２０は、性能測定情報に基づいて、初期ビームフォーミングプロファイル、セット内の各候補ビームフォーミングプロファイル、および学習モデル、ブロードキャスト領域内でそれぞれの候補ビームフォーミングプロファイルが使用される場合にそれぞれの候補ビームフォーミング性能推定値を決定し、学習モデルは、ブロードキャスト領域に対する測定履歴情報とビームフォーミング性能との間の関連付けを特定する。

ブロック８３０において、電子デバイス１２０は、選択された候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、ビームフォーミング性能推定値および性能測定情報に基づいて、ブロードキャスト領域用の設定から１つの候補ビームフォーミングプロファイルを選択する。

いくつかの実施形態では、それぞれのビームフォーミング性能推定値を決定することは、初期ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルと、セット内の第１候補ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルとの間の差を決定することと、差に基づいて測定情報の変化を推定することと、測定情報と推定された変化に基づいて、第１候補ビームフォーミングプロファイルがブロードキャスト領域内で使用される場合の第１ビームフォーミング性能推定値を決定することとを含む。

いくつかの実施形態では、１つの候補ビームフォーミングプロファイルを選択することは、ブロードキャスト領域において第２候補ビームフォーミングプロファイルが使用される場合の第２ビームフォーミング性能推定値を、ブロードキャスト領域において第３候補ビームフォーミングプロファイルが使用される場合の第３ビームフォーミング性能推定値と比較することと、第２ビームフォーミング性能推定値が第３ビームフォーミング性能推定値よりも大きいとの判断に応答して、第２候補ビームフォーミングプロファイルが選択される第１確率を増加させることと、第２候補ビームフォーミング性能推定値が第３ビームフォーミング性能推定値よりも小さいとの判断に応答して、第３候補ビームフォーミングプロファイルが選択される第２確率を増加させることと、第１増加された確率を有する第２候補ビームフォーミングプロファイルまたは第２増加された確率を有する第３候補ビームフォーミングプロファイルを選択することとを含む。

いくつかの実施形態では、方法８００は、測定情報を用いて学習モデルを更新することをさらに含む。

実施形態では、測定情報、測定履歴情報およびビームフォーミング性能の各々は、ブロードキャスト領域内の端末デバイスの空間分布情報に関連付けられる。

ある実施形態では、方法８００を実行するための装置（例えば、電子デバイス１２０）は、方法８００の対応するステップを実行するためのそれぞれの手段を備えることができる。これらの手段は、任意の適切な方法で実施することができる。例えば、回路またはソフトウェアモジュールによって実現することができる。

いくつかの実施形態では、装置は、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域の性能測定情報を取得する手段であって、初期ビームフォーミングプロファイルが、候補ビームフォーミングプロファイルのセットから決定される手段と、前記性能測定情報に基づいて、前記セット内の各候補ビームフォーミングプロファイルと学習モデルとを決定する手段であって、前記学習モデルは、前記ブロードキャスト領域内にそれぞれの候補ビームフォーミングプロファイルが使用される場合のそれぞれのビームフォーミング性能推定値と、を備え、前記学習モデルは、前記ブロードキャスト領域の測定履歴情報とビームフォーミング性能との間の関連付けを特定する手段と、前記選択された候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記ビームフォーミング性能推定値と前記性能測定情報とに基づいて、前記ブロードキャスト領域用のセットから１つの候補ビームフォーミングプロファイルを選択する手段と、を備える。

いくつかの実施形態では、それぞれのビームフォーミング性能推定値を決定する手段は、初期ビームフォーミングプロファイルについてのビームフォーミングパワー利得ベクトルと、セット内の第１候補ビームフォーミングプロファイルについてのビームフォーミングパワー利得ベクトルとの差を決定する手段と、差に基づいて測定情報の変化を推定する手段と、測定情報および推定変化に基づいて、第１候補ビームフォーミングプロファイルがブロードキャスト領域内で使用される場合の第１ビームフォーミング性能推定値を決定する手段と、を含む。

いくつかの実施形態において、前記１つの候補ビームフォーミングプロファイルを選択する手段は、前記ブロードキャスト領域において第２候補ビームフォーミングプロファイルが使用される場合の第２ビームフォーミング性能推定値を、前記ブロードキャスト領域において第３候補ビームフォーミングプロファイルが使用される場合の第３ビームフォーミング性能推定値と比較する手段と、前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値よりも大きいとの判断に応答して、前記第２候補ビームフォーミングプロファイルが選択される第１確率を増加させる手段と、前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値よりも小さいとの判断に応答して、前記第３候補ビームフォーミングプロファイルが選択される第２確率を増加させる手段と、前記第１増加された確率を有する前記第２候補ビームフォーミングプロファイルまたは前記第２増加された確率を有する前記第３候補ビームフォーミングプロファイルを選択する手段とを備える。

ある実施形態では、装置は、測定情報で学習モデルを更新するための手段をさらに含む。

実施形態では、測定情報、測定履歴情報およびビームフォーミング性能の各々は、ブロードキャスト領域内の端末デバイスの空間分布情報に関連付けられる。

図９は、本開示の実施形態を実現するのに適した装置９００の簡略化されたブロック図である。装置９００は、例えば、図３に示すように、ネットワーク装置１１０または電子デバイス１２０を実現するために提供することができる。図示のように、装置９００は、１つ以上のプロセッサ９１０、プロセッサ９１０に結合された１つ以上のメモリ９４０、およびプロセッサ９１０に結合された１つ以上のトランスミッタおよび／またはレシーバ（ＴＸ／ＲＸ）９４０を含む。

ＴＸ／ＲＸ９４０は双方向通信用である。ＴＸ／ＲＸ９４０には、通信を容易にするために少なくとも１つのアンテナがある。通信インタフェースは、他のネットワーク素子との通信に必要な任意のインタフェースを表すことができる。

プロセッサ９１０は、ローカル技術ネットワークに適した任意のタイプであり得、汎用コンピュータ、特殊目的コンピュータ、マイクロプロセッサ、デジタルシグナルプロセッサ、およびマルチコアプロセッサアーキテクチャに基づくプロセッサのうちの１つ以上を含むことができるが、これらの例に限定されるものではない。装置９００は、メインプロセッサを同期させるクロックに時間的にスレーブ化される特定用途向け集積回路チップのような複数のプロセッサを有することができる。

メモリ９２０は、１つ以上の不揮発性メモリと、１つ以上の揮発性メモリとを含むことができる。不揮発性メモリの例としては、読み取り専用メモリ９２４、電気的にプログラム可能な読み取り専用メモリ、フラッシュメモリ、ハードディスク、コンパクトディスク、デジタルビデオディスク、その他の磁気メモリおよび／または光メモリが挙げられるが、これらに限定されない。揮発性メモリの例には、ランダムアクセスメモリ９２２と、パワー・ダウン・デュレーションで最後にならない他の揮発性メモリが含まれるが、これらに限定されない。

コンピュータプログラム９３０は、関連するプロセッサ９１０によって実行されるコンピュータ実行可能命令を含む。また、ＲＯＭ９２４には、プログラム９３０が格納されていてもよい。プロセッサ９１０は、プログラム９３０をＲＡＭ９２２にロードすることによって、任意の適切なアクションおよび処理を実行することができる。

本開示の実施形態は、装置９００が図３から図８を参照して議論された開示の任意のプロセスを実行できるように、プログラム９３０によって実施することができる。本開示の実施形態はまた、ハードウェアによって、またはソフトウェアとハードウェアの組み合わせによって実現することができる。

いくつかの実施形態において、プログラム９３０は、装置９００内（メモリ９２０内など）に含まれていてもよいコンピュータ可読媒体、または装置９００によってアクセス可能な他のメモリ内に明確に含まれていてもよい。装置９００は、プログラム９３０をコンピュータ可読媒体からＲＡＭ９２２にロードして実行することができる。コンピュータ可読媒体は、ＲＯＭ、ＥＰＲＯＭ、フラッシュメモリ、ハードディスク、ＣＤ、ＤＶＤ等の任意のタイプの有形不揮発性メモリを含み得る。図１０は、ＣＤまたはＤＶＤの形態のコンピュータ可読媒体１０００の一例を示す。コンピュータ可読媒体は、そこに格納されたプログラム９３０を有する。

一般に、本開示の様々な実施形態は、ハードウェアまたは特殊目的回路、ソフトウェア、ロジック、またはそれらの任意の組み合わせで実施可能である。ある態様は、ハードウェアで実施されてもよく、一方、他の態様は、コントローラ、マイクロプロセッサまたは他の計算装置によって実行することができるファームウェアまたはソフトウェアで実施することができる。例えば、いくつかの実施形態において、本開示の様々な例（例えば、方法、装置またはデバイス）は、コンピュータ可読媒体上に部分的または完全に実装することができる。本開示の実施形態の様々な局面が、ブロック図、フローチャート、または何らかの他の絵表示として示され、説明されるが、本明細書に記載されるブロック、装置、システム、技術または方法は、非限定的な例として、ハードウェア、ソフトウェア、ファームウェア、特殊目的回路または論理、汎用ハードウェアまたはコントローラ、または他の計算装置、またはそれらの何らかの組み合わせで実装することができることが理解される。

本開示の装置および／または装置に含まれるユニットは、ソフトウェア、ハードウェア、ファームウェア、またはそれらの任意の組み合わせを含む様々な方法で実施することができる。一実施形態では、１つ以上のユニットは、ソフトウェアおよび／またはファームウェア、例えば、格納媒体上に格納されたマシン実行可能命令を使用して実装することができる。機械実行可能命令に加えて、またはその代わりに、装置および／または装置内のユニットの一部または全部を、少なくとも部分的に、１つ以上のハードウェア論理構成要素によって実装することができる。例えば、制限されるものではないが、使用可能なハードウェア論理コンポーネントの例示的なタイプは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、アプリケーション特定集積回路（ＡＳＩＣ）、アプリケーション特定標準プロダクト（ＡＳＳＰ）、システムオンチップシステム（ＳＯＣ）、複雑プログラマブル論理デバイス（ＣＰＬＤ）等を含む。

例として、本開示の実施形態は、プログラム・モジュールに含まれるもののような、コンピュータ実行可能命令の文脈において、対象実プロセッサまたは仮想プロセッサ上のデバイスで実行されるように記述することができる。一般に、プログラム・モジュールは、特定のタスクを実行したり、特定の抽象データ型を実装したりする、ルーチン、プログラム、ライブラリ、物、クラス、成分、データ構造などを含み。プログラム・モジュールの機能は、様々な態様において所望されるように、プログラム・モジュール間で結合または分割することができる。プログラム・モジュールのためのマシン実行可能命令は、ローカルまたは分散装置内で実行することができる。分散装置では、プログラム・モジュールは、ローカル格納媒体とリモート格納媒体の両方に配置することができる。

本開示の方法を実行するためのプログラム・コードは、１つ以上のプログラミング言語の任意の組み合わせで書くことができる。これらのプログラム・コードは、汎用コンピュータ、特殊目的コンピュータ、または他のプログラマブルデータ処理装置のプロセッサに提供されてもよく、その結果、プログラム・コードは、プロセッサまたはコントローラによって実行されると、フローチャートおよび／またはブロック図に特定された機能／動作を実行させる。プログラム・コードは、マシン上で、部分的にはマシン上で、スタンドアロン・ソフトウェア・パッケージとして、部分的にはマシン上で、部分的にはリモート・マシン上で、または全体的にはリモート・マシンまたはサーバ上で実行することができる。

本開示の文脈では、コンピュータ可読媒体は、命令実行システム、装置、または装置によって、またはそれに関連して使用するためのプログラムを含む、またはそれを格納することができる、任意の有形媒体であってもよい。コンピュータ可読媒体は、機械可読信号媒体または機械可読格納媒体であってもよい。コンピュータ可読媒体は、電子、磁気、光学、磁気、赤外線、または半導体システム、装置、またはデバイス、あるいは上記の任意の適切な組み合わせを含むことができるが、これらに限定されない。機械可読格納媒体のより具体的な例は、１つ以上のワイヤ、携帯用コンピュータディスケット、ハードディスク、ランダムアクセスメモリ、読出し専用メモリ、消去可能プログラマブル読出し専用メモリ、光ファイバ、携帯用コンパクトディスク読出し専用メモリ、光メモリ、磁気メモリ、または前述の任意の適切な組み合わせを有する電気的接続を含む。

さらに、動作は特定の順序で描かれているが、これは、望ましい結果を達成するために、そのような動作が、示された特定の順序で、または連続した順序で実行されること、あるいは、図示されたすべての動作が実行されることを必要とするものとして理解されるべきではない。場合によっては、マルチタスクと並列処理が有利なことがある。同様に、上記の議論にはいくつかの特定の実施形態の詳細が含まれているが、これらは、本開示の範囲の制限としてではなく、特定の実施形態に特有であり得る特徴の説明として解釈されるべきである。別個の実施形態の文脈で説明される特定の特徴も、単一の実施形態で組み合わせて実施することができる。逆に、単一の実施形態の文脈で説明される様々な特徴は、複数の実施形態において別々に、または任意の適切な組み合わせで実施することもできる。

本開示は、構造的特徴および／または方法論的動作に特有の言語で説明されているが、添付の請求項で定義されている本開示は、必ずしも上述の特定の特徴または動作に限定されるものではないことが理解されるであろう。むしろ、上述の特定の特徴および行為は、請求項を実施する例の形成として開示される。

Claims (16)

1. 少なくとも１つのプロセッサと、コンピュータプログラム・コードを含む少なくとも１つのメモリとを備える、電子デバイスであって、
   該少なくとも１つのメモリと、該コンピュータプログラム・コードとは、前記少なくとも１つのプロセッサを用いて、
   前記電子デバイスに、初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域のための性能測定情報を取得させ、ここで、該初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから前もって決定されているものであり、
   前記性能測定情報、前記初期ビームフォーミングプロファイル、前記セット内の各候補ビームフォーミングプロファイルおよび学習モデルに基づいて、前記ブロードキャスト領域においてそれぞれの候補ビームフォーミングプロファイルが使用される場合、それぞれの候補ビームフォーミング性能推定値を決定させ、ここで、前記学習モデルは、前記ブロードキャスト領域に対する測定履歴情報とビームフォーミング性能との関連を規定するものであり、
   選択される候補ビームフォーミングプロファイルを使用することによって、最適なビームフォーミング性能が得られるように、前記候補ビームフォーミング性能推定値および前記性能測定情報に基づいて、前記ブロードキャスト領域に対する前記セットから、１つの候補ビームフォーミングプロファイルを選択させる
   ように構成される電子デバイス。
2. 前記電子デバイスは、
   前記初期ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルと前記セット内の第１候補ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルとの間の差を決定すること、
   前記差に基づいて前記性能測定情報の変化を推定すること、および、
   前記性能測定情報と前記推定された変化に基づいて、前記第１候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用される場合の候補ビームフォーミング性能推定値として第１ビームフォーミング性能推定値を決定すること、
   によって、前記それぞれの候補ビームフォーミング性能推定値を決定する、請求項１に記載の電子デバイス。
3. 前記電子デバイスが、
   第２候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合における候補ビームフォーミング性能推定値として第２ビームフォーミング性能推定値を、前記ブロードキャスト領域で第３候補ビームフォーミングプロファイルが使用されている場合における候補ビームフォーミング性能推定値として第３ビームフォーミング性能推定値と比較することと、
   前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値よりも大きいという判断に応答して、前記第２候補ビームフォーミングプロファイルが選択される第１確率を増加することと、
   前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値より小さいという判断に応じて、前記第３候補ビームフォーミングプロファイルが選択される第２確率を増加することと、
   増加された前記第１確率を有する前記第２候補ビームフォーミングプロファイル、または、増加された前記第２確率を有する第３候補ビームフォーミングプロファイルを選択することと
   により、前記セットから１つの候補ビームフォーミングプロファイルを選択する、
   請求項１に記載の電子デバイス。
4. さらに、前記電子デバイスは、前記学習モデルを、前記性能測定情報を用いて更新する、請求項１に記載の電子デバイス。
5. 前記性能測定情報、前記測定履歴情報、および前記ビームフォーミング性能のそれぞれは、前記ブロードキャスト領域内の端末デバイスの空間分布情報に関連付けられる、請求項１に記載の電子デバイス。
6. 電子デバイスのための通信の方法であって、
   初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域のための性能測定情報を取得するステップであって、前記初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから前もって決定されている、ステップと、
   前記性能測定情報に基づいて、前記初期ビームフォーミングプロファイル、前記セット内の各候補ビームフォーミングプロファイルおよび学習モデル、前記ブロードキャスト領域内でそれぞれの候補ビームフォーミングプロファイルが使用されている場合の、それぞれの候補ビームフォーミング性能推定値を決定するステップであって、前記学習モデルが、前記ブロードキャスト領域に対する測定履歴情報とビームフォーミング性能との間の関連を特定する、ステップと、
   選択される候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記候補ビームフォーミング性能推定値および前記性能測定情報に基づいて、前記ブロードキャスト領域に対する前記セットから１つの候補ビームフォーミングプロファイルを選択するステップと、
   を含む、方法。
7. 前記それぞれの候補ビームフォーミング性能推定値を決定するステップは、
   前記初期ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルと前記セット内の第１候補ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルとの間の差を決定するステップと、
   前記差に基づいて前記性能測定情報の変化を推定するステップと、
   前記性能測定情報と前記推定された変化に基づいて、前記第１候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合の候補ビームフォーミング性能推定値として第１ビームフォーミング性能推定値を決定するステップと、
   を含む、
   請求項６に記載の方法。
8. 前記１つの候補ビームフォーミングプロファイルを選択するステップは、
   第２候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合の候補ビームフォーミング性能推定値として第２ビームフォーミング性能推定値を、前記ブロードキャスト領域で第３候補のビームフォーミングプロファイルが使用されている場合の候補ビームフォーミング性能推定値として第３ビームフォーミング性能推定値と比較するステップと、
   前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値よりも大きいという判断に応答して、前記第２候補ビームフォーミングプロファイルが選択される第１確率を増加させるステップと、
   前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値より小さいという判断に応じて、第３候補ビームフォーミングプロファイルが選択される第２確率を増加させるステップと、
   増加された前記第１確率を有する前記第２候補ビームフォーミングプロファイル、または、増加された前記第２確率を有する前記第３候補ビームフォーミングプロファイルを選択するステップと、
   を含む、
   請求項６に記載の方法。
9. 前記性能測定情報を用いて前記学習モデルを更新するステップをさらに含む、請求項６記載の方法。
10. 前記性能測定情報、前記測定履歴情報、および前記ビームフォーミング性能のそれぞれは、前記ブロードキャスト領域内の端末デバイスの空間分布情報に関連付けられる、請求項６に記載の方法。
11. 通信用の装置であって、
    初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域に対する性能測定情報を得る手段であって、該初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから前もって決定されている手段と、
    前記性能測定情報に基づいて、前記初期ビームフォーミングプロファイルと、前記セット内の各候補ビームフォーミングプロファイルと学習モデルと、それぞれの候補ビームフォーミングプロファイルが前記ブロードキャスト領域において使用される場合のそれぞれの候補ビームフォーミング性能推定値とを決定する手段であって、前記学習モデルは、前記ブロードキャスト領域の測定履歴情報とビームフォーミング性能との関連を特定するものである、手段と、
    選択される候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記候補ビームフォーミング性能推定値と前記性能測定情報とに基づいて、前記ブロードキャスト領域に対する前記セットから１つの候補ビームフォーミングプロファイルを選択する手段と、
    を備える、装置。
12. 前記それぞれの候補ビームフォーミング性能推定値を決定する手段は、
    前記初期ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルと、前記セット内の第１候補ビームフォーミングプロファイルに対するビームフォーミングパワー利得ベクトルとの間の差を決定するための手段と、
    前記差に基づいて測定情報の変化を推定する手段と、前記測定情報および前記推定された変化に基づいて、前記第１候補ビームフォーミングプロファイルが前記ブロードキャスト領域内で使用される場合の候補ビームフォーミング性能推定値として第１ビームフォーミング性能推定値を決定する手段と、
    を備える、
    請求項１１に記載の装置。
13. 前記１つの候補ビームフォーミングプロファイルを選択する手段は、
    第２候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合の候補ビームフォーミング性能推定値として第２ビームフォーミング性能推定値を、第３候補ビームフォーミングプロファイルが前記ブロードキャスト領域で使用されている場合の候補ビームフォーミング性能推定値として第３ビームフォーミング性能推定値と比較する手段と、
    前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値より大きいという判断に応答して前記第２候補ビームフォーミングプロファイルが選択される第１確率を増加させるための手段と、
    前記第２ビームフォーミング性能推定値が前記第３ビームフォーミング性能推定値より小さいとの判断に応じて前記第３候補ビームフォーミングプロファイルが選択される第２確率を増加させる手段と、
    増加された前記第１確率を有する第２候補ビームフォーミングプロファイル、または増加された前記第２確率を有する第３候補ビームフォーミングプロファイルを選択する手段と、
    を備える、
    請求項１１に記載の装置。
14. 前記性能測定情報を用いて前記学習モデルを更新する手段をさらに備える、請求項１１に記載の装置。
15. 前記性能測定情報、前記測定履歴情報、および前記ビームフォーミング性能のそれぞれは、前記ブロードキャスト領域内の端末デバイスの空間分布情報に関連付けられる、請求項１１に記載の装置。
16. 装置の少なくとも１つのプロセッサ上で実行されるとき、該装置に、少なくとも、
    初期ビームフォーミングプロファイルが現在使用されているブロードキャスト領域のための性能測定情報を取得するステップであって、該初期ビームフォーミングプロファイルは、候補ビームフォーミングプロファイルのセットから前もって決定されている、ステップと、
    前記性能測定情報に基づいて、前記初期ビームフォーミングプロファイル、前記セット内の各候補ビームフォーミングプロファイルおよび学習モデル、前記ブロードキャスト領域内でそれぞれの候補ビームフォーミングプロファイルが使用される場合のそれぞれの候補ビームフォーミング性能推定値を決定するステップであって、前記学習モデルが、前記ブロードキャスト領域に対する測定履歴情報とビームフォーミング性能との間の関連を特定する、ステップと、
    選択される候補ビームフォーミングプロファイルを使用することによって最適なビームフォーミング性能が得られるように、前記候補ビームフォーミング性能推定値および前記性能測定情報に基づいて、前記ブロードキャスト領域に対する前記セットから１つの候補ビームフォーミングプロファイルを選択するステップと
    を実行させる、コンピュータプログラム。

Images