JP7400826B2 - 伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラム - Google Patents

伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラム Download PDF

Info

Publication number
JP7400826B2
JP7400826B2 JP2021550926A JP2021550926A JP7400826B2 JP 7400826 B2 JP7400826 B2 JP 7400826B2 JP 2021550926 A JP2021550926 A JP 2021550926A JP 2021550926 A JP2021550926 A JP 2021550926A JP 7400826 B2 JP7400826 B2 JP 7400826B2
Authority
JP
Japan
Prior art keywords
distance
propagation characteristic
transmitting station
receiving station
edge
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
Application number
JP2021550926A
Other languages
English (en)
Other versions
JPWO2021064999A1 (ja
Inventor
伸晃 久野
渉 山田
貴庸 守山
泰司 鷹取
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nippon Telegraph and Telephone Corp
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Publication of JPWO2021064999A1 publication Critical patent/JPWO2021064999A1/ja
Application granted granted Critical
Publication of JP7400826B2 publication Critical patent/JP7400826B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/391—Modelling the propagation channel
    • H04B17/3913—Predictive models, e.g. based on neural network models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/20—Monitoring; Testing of receivers
    • H04B17/27—Monitoring; Testing of receivers for locating or positioning the transmitter
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electromagnetism (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Description

本発明は、伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラムに関する。
無線通信システムにおいて、送信局から受信局へ送信される電波の伝搬損失を推定する方法は、例えばサイトスペシフィックな方法とサイトジェネラルな方法の２種類に大別される。サイトスペシフィックな推定方法は、場所固有の伝搬損失を推定する方法である。一方、サイトジェネラルな推定方法は、場所固有ではない一般的な伝搬特性の傾向を推定する方法である。
例えば、サイトスペシフィックな推定方法では、国土地理院などが発行する土地利用分布と地形情報を主に利用して周辺建物の影響を考慮することによって電波の伝搬損失の推定を行う（特許文献１，２、非特許文献１，２参照）。
特開２０１４－１５８１１０号公報 特開２０１９－１２２００８号公報
N.Kuno, Y.Takatori, "Prediction Method by Deep-Learning for Path Loss Characteristics in an Open-Square Environment," ISAP 2018, pp. 1-2, Oct. 2018. N.Kuno, W.Yamada, M.Sasaki, Y.Takatori, "Convolutional Neural Network for Prediction Method of Path Loss Characteristics considering Diffraction and Reflection in an Open-Square Environment," 2019 AP-RASC, pp. 1-3, March 2019.
しかしながら、送信局及び受信局を含む領域が広範囲である場合、電波の伝搬損失を推定するために読込むべき周辺の建物情報が膨大となり、建物情報の読込に用いるメモリや、読込に必要な時間が増大してしまうという問題があった。
本発明は、電波の伝搬特性を推定するために必要なデータの記憶容量及び読込時間を削減することができる伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラムを提供することを目的とする。
本発明の一態様にかかる伝搬特性推定装置は、無線通信を行う送信局と受信局との間の電波の伝搬特性を推定する伝搬特性推定装置において、外部からの入力情報に基づいて、前記送信局及び前記受信局の位置情報、並びに前記送信局が送信する電波の周波数をそれぞれ抽出する抽出部と、前記位置情報及び前記周波数それぞれに基づいて、前記送信局と前記受信局との間の三次元距離及び電波の自由空間損失を算出する計算部と、前記送信局、前記受信局、及び１つ以上の電波を反射し得る建造物を含む領域の二次元画像から、電波を反射する建造物の前記二次元画像上のエッジをそれぞれ抽出する処理を行う処理部と、前記位置情報、前記三次元距離、前記自由空間損失、及び前記エッジに基づいて、機械学習に用いる入力データを生成する生成部と、前記生成部が生成した前記入力データを用いて前記送信局と前記受信局との間の電波の伝搬特性を推定する機械学習を行う学習部とを有することを特徴とする。
また、本発明の一態様にかかる伝搬特性推定方法は、無線通信を行う送信局と受信局との間の電波の伝搬特性を伝搬特性推定装置が推定する伝搬特性推定方法において、外部からの入力情報に基づいて、前記送信局及び前記受信局の位置情報、並びに前記送信局が送信する電波の周波数をそれぞれ抽出する抽出工程と、前記位置情報及び前記周波数それぞれに基づいて、前記送信局と前記受信局との間の三次元距離及び電波の自由空間損失を算出する計算工程と、前記送信局、前記受信局、及び１つ以上の電波を反射し得る建造物を含む領域の二次元画像から、電波を反射する建造物の前記二次元画像上のエッジをそれぞれ抽出する処理を行う処理工程と、前記位置情報、前記三次元距離、前記自由空間損失、及び前記エッジに基づいて、機械学習に用いる入力データを生成する生成工程と、生成した前記入力データを用いて前記送信局と前記受信局との間の電波の伝搬特性を推定する機械学習を行う学習工程とを含むことを特徴とする。
一実施形態にかかる伝搬特性推定方法の概要を示す図である。 一実施形態にかかる伝搬特性推定装置が有する機能を示す機能ブロック図である。 処理部が建造物の二次元画像上のエッジをそれぞれ抽出する処理を模式的に示す図である。 学習部が用いる多層パーセプトロンを例示する図である。 伝搬特性推定装置が機械学習を行う場合の動作例を示すフローチャートである。 入力データ生成部の具体的な動作例を示すフローチャートである。 一実施形態にかかる伝搬特性推定装置のハードウェア構成例を示す図である。
以下に、図面を用いて伝搬特性推定装置及び伝搬特性推定方法の一実施形態を説明する。図１は、一実施形態にかかる伝搬特性推定方法の概要を示す図である。
一実施形態にかかる伝搬特性推定方法では、例えば衛星写真などの地表の状態や建物などを示す二次元画像から建物のエッジを抽出し、当該エッジからなる建物情報を取得する。そして、二次元画像内に固定局（送信局）の位置を設定し、移動局（受信局）における伝搬特性を推定する。この推定には、任意の非線形関数への回帰が可能なニューラルネットワーク（図４参照）を用いる。
図２は、一実施形態にかかる伝搬特性推定装置１が有する機能を示す機能ブロック図である。伝搬特性推定装置１は、例えば衛星写真などの地表の状態や建物などを示す二次元画像を記憶する画像記憶部２から、衛星写真などの二次元画像を取得し、二次元画像に含まれる領域内の電波の伝搬特性を推定する。画像記憶部２は、伝搬特性推定装置１内に設けられていてもよい。
図２に示すように、伝搬特性推定装置１は、入力部１０、入力データ生成部１２、学習部１４及びモデル記憶部１６を有する。入力部１０は、電波の伝搬特性を推定する対象となる送信局及び受信局の位置を示す位置情報、並びに送信局が送信する電波の周波数ｆなどを含む情報を、ユーザの操作に応じて入力データ生成部１２へ入力する入力装置としての機能を備える。
入力データ生成部１２は、抽出部１２０、計算部１２２、取得部１２４、処理部１２６及び生成部１２８を有する。
抽出部１２０は、入力部１０から入力された情報から、送信局及び受信局の位置情報、並びに電波の周波数ｆなどの情報を抽出し、抽出した情報を計算部１２２に対して出力する。
計算部１２２は、抽出部１２０から入力された情報を用いて、送信局と受信局との間の三次元距離（斜距離ｄ３Ｄ）及び電波の自由空間損失ＬＦＳを算出し、算出結果及び抽出部１２０から入力された情報などを、取得部１２４及び生成部１２８に対して出力する。
例えば、計算部１２２は、下式（１）によって斜距離ｄ３Ｄを算出する。ここでは、送信局の位置をＰＴｘ＝（ｘＴｘ，ｙＴｘ，ｚＴｘ）とし、受信局の位置をＰＲｘ＝（ｘＲｘ，ｙＲｘ，ｚＲｘ）としている。
Figure 0007400826000001
また、計算部１２２は、下式（２）によって自由空間損失ＬＦＳを算出する。自由空間損失ＬＦＳは、後述する学習部１４が学習する伝搬損失Ｌの基準として用いられる。
Figure 0007400826000002
取得部１２４は、画像記憶部２から衛星写真などの二次元画像を取得し、取得した二次元画像と、計算部１２２から入力された算出結果などの情報を処理部１２６に対して出力する。例えば、取得部１２４は、送信局と受信局とを含む所定の領域（推定範囲）の二次元画像を取得する。
処理部１２６は、取得部１２４から入力された二次元画像から、電波を反射する建造物（建物等）の二次元画像上のエッジをそれぞれ抽出する処理を行い、抽出したエッジを含む情報（例えばエッジ画像）を生成部１２８に対して出力する。
図３は、処理部１２６が建造物の二次元画像上のエッジをそれぞれ抽出する処理を模式的に示す図である。図３に示すように、処理部１２６は、例えば、建物、車及び人が写っている衛星写真（衛星画像）から、電波を反射する建物のエッジのみを抽出したエッジ画像を作成する処理を行う。
なお、処理部１２６は、送信局となっている建造物のエッジを除外して、その他の建造物のエッジを抽出する。送信局となっている建造物のエッジを除外する処理は、生成部１２８が行ってもよい。
生成部１２８は、判定部１３０及び決定部１３２を有し、計算部１２２及び処理部１２６それぞれから入力された情報に基づいて、学習部１４が行う機械学習に用いる入力データ（入力パラメータ）を生成し、当該入力データを学習部１４に対して出力する。計算部１２２及び処理部１２６それぞれから生成部１２８に入力される情報には、送信局及び受信局の位置情報、三次元距離（斜距離ｄ３Ｄ）、自由空間損失ＬＦＳ、及びエッジ（エッジ画像）などがある。
例えば、判定部１３０は、計算部１２２から入力された送信局及び受信局の位置情報と、処理部１２６から入力されたエッジ（エッジ画像）とを用いて、送信局と受信局とを結ぶ線分と、エッジとが交差するか否かを判定し、判定結果を決定部１３２に対して出力する。
ここで、判定部１３０は、線分とエッジとが交差するか否かの判定の結果を、見通し判定ＦＬＯＳの結果とする。例えば、判定部１３０が、線分とエッジとが交差すると判定した場合には、見通し判定ＦＬＯＳが存在すると判定したこととする。また、判定部１３０が、線分とエッジとが交差しないと判定した場合には、見通し判定ＦＬＯＳが存在しないと判定したこととする。
決定部１３２は、見通し判定ＦＬＯＳが存在すると判定部１３０が判定した場合には、送信局から最寄りの建造物のエッジまでの距離を第１距離（ｄｎＴｘ）とし、受信局から最寄りの建造物のエッジまでの距離を第２距離（ｄｎＲｘ）とする設定を行う。また、決定部１３２は、見通し判定ＦＬＯＳが存在しないと判定部１３０が判定した場合には、送信局と受信局との二次元距離（斜距離ｄ２Ｄ）を第１距離（ｄｎＴｘ）及び第２距離（ｄｎＲｘ）であるとする設定を行う。
なお、送信局と受信局との二次元距離（斜距離ｄ２Ｄ）は、下式（３）によって表される。
Figure 0007400826000003
そして、決定部１３２は、設定した第１距離（ｄｎＴｘ）及び第２距離（ｄｎＲｘ）を、学習部１４が行う機械学習に用いる入力データに含めるように決定する。学習部１４が行う機械学習に用いる入力データには、例えば、三次元距離（斜距離ｄ３Ｄ）、周波数ｆ、自由空間損失ＬＦＳ、見通し判定ＦＬＯＳについての判定結果、第１距離（ｄｎＴｘ）及び第２距離（ｄｎＲｘ）が含まれる。
学習部１４は、生成部１２８から入力される上述した入力データと、例えばニューラルネットワークを用いて、伝搬損失Ｌを学習パラメータとする機械学習を行い、学習したモデルをモデル記憶部１６に記憶させる。
図４は、学習部１４が用いる多層パーセプトロンを例示する図である。入力層、隠れ層及び出力層において、ωは重み行列を示し、ｂは定数項配列を示す。学習部１４は、例えば三次元距離（斜距離ｄ３Ｄ）、周波数ｆ、自由空間損失ＬＦＳ、見通し判定ＦＬＯＳについての判定結果、第１距離（ｄｎＴｘ）及び第２距離（ｄｎＲｘ）などを入力パラメータとして、各層の重みを調整する学習を行う。
そして、伝搬特性推定装置１は、モデル記憶部１６が記憶しているモデルを用いて、送信局と受信局との間の電波の伝搬特性を推定する。
次に、伝搬特性推定装置１の動作例について説明する。図５は、伝搬特性推定装置１が機械学習を行う場合の動作例を示すフローチャートである。
図５に示すように、伝搬特性推定装置１は、計算部１２２が送信局及び受信局の位置（送受信局位置）から斜距離ｄ３Ｄを算出する（Ｓ１００）。また、計算部１２２は、自由空間損失ＬＦＳを算出する（Ｓ１０２）。
取得部１２４が推定範囲の衛星写真を画像記憶部２から取り込む（Ｓ１０４）と、処理部１２６は、衛星写真に含まれるビルなどの建物のエッジを抽出する（Ｓ１０６）。
次に、判定部１３０は送受信局間の見通し判定ＦＬＯＳを算出し（Ｓ１０８）、決定部１３２は送受信局間の建物までの距離情報（第１距離（ｄｎＴｘ）及び第２距離（ｄｎＲｘ））を決定する算出を行う（Ｓ１１０）。
そして、学習部１４は、自由空間損失ＬＦＳ、見通し判定ＦＬＯＳについての判定結果、及び建物までの距離情報などを用いて学習を行う（Ｓ１１２）。
次に、入力データ生成部１２の具体的な動作例について説明する。図６は、入力データ生成部１２の具体的な動作例を示すフローチャートである。
図６に示すように、入力データ生成部１２は、計算部１２２が送受信局位置から斜距離ｄ３Ｄを算出し（Ｓ２００）、伝搬特性推定装置１における斜距離をｄ３Ｄとする（Ｓ２０２）。
また、計算部１２２は、上式（２）を用いて自由空間損失ＬＦＳを算出する（Ｓ２０４）。
処理部１２６は、取得部１２４が取り込んだ二次元画像からエッジ画像を作成し、作成したエッジ画像から送信局のビルを除外する（Ｓ２０６）。
次に、判定部１３０は、送受信局間線分とその他のエッジの交差を判定し（Ｓ２０８）、交差判定を見通し判定ＦＬＯＳとする（Ｓ２１０）。そして、生成部１２８は、見通し判定ＦＬＯＳが存在すると判定部１３０が判定した場合（Ｓ２１２：Ｙｅｓ）にはＳ２１４の処理に進み、見通し判定ＦＬＯＳが存在しないと判定部１３０が判定した場合（Ｓ２１２：Ｎｏ）にはＳ２２２の処理に進む。
決定部１３２は、送信局から最寄の建物までの距離を算出し（Ｓ２１４）、第１距離（ｄｎＴｘ）とする（Ｓ２１６）。また、決定部１３２は、受信局から最寄の建物までの距離を算出し（Ｓ２１８）、第２距離（ｄｎＲｘ）とする（Ｓ２２０）。
Ｓ２２２の処理においては、決定部１３２は、送受信局間の距離（斜距離ｄ２Ｄ）を算出し、第１距離（ｄｎＴｘ）及び第２距離（ｄｎＲｘ）とする（Ｓ２２４）。
このように、伝搬特性推定装置１は、送信局と受信局とを含む領域の二次元画像から、建造物の二次元画像上のエッジをそれぞれ抽出して機械学習に用いる入力データを生成するので、電波の伝搬特性を推定するために必要なデータの記憶容量及び読込時間を削減することができる。
なお、伝搬特性推定装置１が有する各機能は、それぞれ一部又は全部がハードウェアによって構成されてもよいし、ＣＰＵ等のプロセッサが実行するプログラムとして構成されてもよい。
すなわち、本発明にかかる伝搬特性推定装置１は、コンピュータとプログラムを用いて実現することができ、プログラムを記憶媒体に記録することも、ネットワークを通して提供することも可能である。
図７は、一実施形態にかかる伝搬特性推定装置１のハードウェア構成例を示す図である。図７に示すように、伝搬特性推定装置１は、例えば入力部４０、出力部４１、通信部４２、ＣＰＵ４３、メモリ４４及びＨＤＤ４５がバス４６を介して接続され、コンピュータとしての機能を備える。また、伝搬特性推定装置１は、記憶媒体４７との間でデータを入出力することができるようにされている。
入力部４０は、例えばキーボード及びマウス等であり、上述した入力部１０に対応する。出力部４１は、例えばディスプレイなどの表示装置である。通信部４２は、例えば有線及び無線のネットワークインターフェースである。
ＣＰＵ４３は、伝搬特性推定装置１を構成する各部を制御し、上述した計算等を行う。メモリ４４及びＨＤＤ４５は、データを記憶する記憶部を構成する。特に、メモリ４４は、上述した計算に用いる各データを記憶する。記憶媒体４７は、伝搬特性推定装置１が有する機能を実行させる伝搬特性推定プログラム等を記憶可能にされている。なお、伝搬特性推定装置１を構成するアーキテクチャは図７に示した例に限定されない。
以上述べた実施形態は、本発明の実施形態を例示的に示すものであって、限定的に示すものではなく、本発明は他の種々の変形態様及び変更態様でも実施することができる。
１・・・伝搬特性推定装置、２・・・画像記憶部、１０・・・入力部、１２・・・入力データ生成部、１４・・・学習部、１６・・・モデル記憶部、４０・・・入力部、４１・・・出力部、４２・・・通信部、４３・・・ＣＰＵ、４４・・・メモリ、４５・・・ＨＤＤ、４６・・・バス、４７・・・記憶媒体、１２０・・・抽出部、１２２・・・計算部、１２４・・・取得部、１２６・・・処理部、１２８・・・生成部、１３０・・・判定部、１３２・・・決定部

Claims (5)

  1. 無線通信を行う送信局と受信局との間の電波の伝搬特性を推定する伝搬特性推定装置において、
    外部からの入力情報に基づいて、前記送信局及び前記受信局の位置情報、並びに前記送信局が送信する電波の周波数をそれぞれ抽出する抽出部と、
    前記位置情報及び前記周波数それぞれに基づいて、前記送信局と前記受信局との間の三次元距離及び電波の自由空間損失を算出する計算部と、
    前記送信局、前記受信局、及び１つ以上の電波を反射し得る建造物を含む領域の二次元画像から、電波を反射する建造物の前記二次元画像上のエッジをそれぞれ抽出する処理を行う処理部と、
    前記位置情報、前記三次元距離、前記自由空間損失、及び前記エッジに基づいて、機械学習に用いる入力データを生成する生成部と、
    前記生成部が生成した前記入力データを用いて前記送信局と前記受信局との間の電波の伝搬特性を推定する機械学習を行う学習部と
    を有することを特徴とする伝搬特性推定装置。
  2. 前記生成部は、
    前記送信局と前記受信局とを結ぶ線分と、前記エッジとが交差するか否かを判定する判定部と、
    前記線分と前記エッジとが交差すると前記判定部が判定した場合には、前記送信局から最寄りの建造物の前記エッジまでの距離を第１距離として、前記受信局から最寄りの建造物の前記エッジまでの距離を第２距離とする設定を行い、前記線分と前記エッジとが交差しないと前記判定部が判定した場合には、前記送信局と前記受信局との二次元距離を第１距離及び第２距離であるとする設定を行い、設定した前記第１距離及び前記第２距離を前記入力データに含めるように決定する決定部と
    を有することを特徴とする請求項１に記載の伝搬特性推定装置。
  3. 無線通信を行う送信局と受信局との間の電波の伝搬特性を伝搬特性推定装置が推定する伝搬特性推定方法において、
    外部からの入力情報に基づいて、前記送信局及び前記受信局の位置情報、並びに前記送信局が送信する電波の周波数をそれぞれ抽出する抽出工程と、
    前記位置情報及び前記周波数それぞれに基づいて、前記送信局と前記受信局との間の三次元距離及び電波の自由空間損失を算出する計算工程と、
    前記送信局、前記受信局、及び１つ以上の電波を反射し得る建造物を含む領域の二次元画像から、電波を反射する建造物の前記二次元画像上のエッジをそれぞれ抽出する処理を行う処理工程と、
    前記位置情報、前記三次元距離、前記自由空間損失、及び前記エッジに基づいて、機械学習に用いる入力データを生成する生成工程と、
    生成した前記入力データを用いて前記送信局と前記受信局との間の電波の伝搬特性を推定する機械学習を行う学習工程と
    を含むことを特徴とする伝搬特性推定方法。
  4. 前記生成工程は、
    前記送信局と前記受信局とを結ぶ線分と、前記エッジとが交差するか否かを判定する判定工程と、
    前記線分と前記エッジとが交差すると判定した場合には、前記送信局から最寄りの建造物の前記エッジまでの距離を第１距離として、前記受信局から最寄りの建造物の前記エッジまでの距離を第２距離とする設定を行い、前記線分と前記エッジとが交差しないと判定した場合には、前記送信局と前記受信局との二次元距離を第１距離及び第２距離であるとする設定を行い、設定した前記第１距離及び前記第２距離を前記入力データに含めるように決定する決定工程と
    を含むことを特徴とする請求項３に記載の伝搬特性推定方法。
  5. 請求項１又は２に記載の伝搬特性推定装置の各部としてコンピュータを機能させるための伝搬特性推定プログラム。
JP2021550926A 2019-10-04 2019-10-04 伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラム Active JP7400826B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/039353 WO2021064999A1 (ja) 2019-10-04 2019-10-04 伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラム

Publications (2)

Publication Number Publication Date
JPWO2021064999A1 JPWO2021064999A1 (ja) 2021-04-08
JP7400826B2 true JP7400826B2 (ja) 2023-12-19

Family

ID=75336866

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021550926A Active JP7400826B2 (ja) 2019-10-04 2019-10-04 伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラム

Country Status (3)

Country Link
US (1) US20220345899A1 (ja)
JP (1) JP7400826B2 (ja)
WO (1) WO2021064999A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022038758A1 (ja) * 2020-08-21 2022-02-24 三菱電機株式会社 電波伝搬推定装置、及び地図情報抽出方法
CN113329437B (zh) * 2021-06-07 2022-07-01 北京邮电大学 无线网络信号传播路径损耗预测方法及电子设备
JP2023064837A (ja) * 2021-10-27 2023-05-12 セイコーグループ株式会社 通信装置、通信システム及び通信方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013026884A (ja) 2011-07-22 2013-02-04 Nippon Telegr & Teleph Corp <Ntt> 伝搬損失推定方法、プログラム及び伝搬損失推定装置
JP2019029915A (ja) 2017-08-01 2019-02-21 日本電信電話株式会社 電波伝搬シミュレーションモデルの作成方法、作成システム、作成装置および作成プログラム
JP2019122008A (ja) 2018-01-11 2019-07-22 株式会社Ｎｔｔドコモ 電波伝搬推定装置、電波伝搬推定方法、及び、電波伝搬推定プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013026884A (ja) 2011-07-22 2013-02-04 Nippon Telegr & Teleph Corp <Ntt> 伝搬損失推定方法、プログラム及び伝搬損失推定装置
JP2019029915A (ja) 2017-08-01 2019-02-21 日本電信電話株式会社 電波伝搬シミュレーションモデルの作成方法、作成システム、作成装置および作成プログラム
JP2019122008A (ja) 2018-01-11 2019-07-22 株式会社Ｎｔｔドコモ 電波伝搬推定装置、電波伝搬推定方法、及び、電波伝搬推定プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
久野 伸晃 Nobuaki KUNO，電子情報通信学会２０１９年総合大会講演論文集 通信１ PROCEEDINGS OF THE 2019 IEICE GENERAL CONFERENCE，2019年03月

Also Published As

Publication number Publication date
US20220345899A1 (en) 2022-10-27
WO2021064999A1 (ja) 2021-04-08
JPWO2021064999A1 (ja) 2021-04-08

Similar Documents

Publication Publication Date Title
JP7400826B2 (ja) 伝搬特性推定装置、伝搬特性推定方法、及び伝搬特性推定プログラム
EP2981866B1 (en) Methods and systems for reservoir history matching for improved estimation of reservoir performance
CN110731096A (zh) 使用深度神经网络预测电信网络中的接收信号强度
TWI652589B (zh) 點雲網格簡化系統及方法
US20110257949A1 (en) Method and system of data modelling
US20120089381A1 (en) Automated method and system for predicting high resolution tidal heights and currents in coastal zones
US10571893B2 (en) Orientation optimization in 3D printing
US9824494B2 (en) Hybrid surfaces for mesh repair
KR101665324B1 (ko) 홍수 재난 대응을 위한 통합 방법 및 시스템
KR102319145B1 (ko) 고해상도 해양 데이터를 생성하기 위한 방법 및 이를 이용한 장치
Daniels et al. Semi‐regular quadrilateral‐only remeshing from simplified base domains
CN112381929A (zh) 一种三维电力设备模型建模方法
EP3529781A1 (fr) Procédé d&#39;élaboration d&#39;un nuage de points 3d représentatif d&#39;une oreille 3d d&#39;un individu, et système associé
Vančo et al. Surface reconstruction from unorganized point data with quadrics
CN110807293A (zh) 一种基于度量标准的海流场几何可视化方法
JPH11306238A (ja) 確率積分システム
KR102261055B1 (ko) 클릭율 최대화를 위한 이미지 디자인 파라미터 최적화 방법 및 시스템
WO2021014495A1 (ja) ラベル推定装置、ラベル推定方法、及びラベル推定プログラム
CN113706543A (zh) 一种三维位姿的构建方法、设备及存储介质
US20200151947A1 (en) Sketch-based 3D Fluid Volume Generation Using A Machine Learning System
JP7435779B2 (ja) 測距誤差算出装置、測距誤差算出方法及びプログラム
US10565328B2 (en) Method and apparatus for modeling based on particles for efficient constraints processing
JP2016224791A (ja) 立体物造形用データ出力規制装置
CN116522781B (zh) 样本数据生成方法、模型的训练方法和装置
EP4375868A1 (en) Physics-aware meshing techniques for generating grids for objects

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220317

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230606

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230803

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: 20231107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231120

R150 Certificate of patent or registration of utility model

Ref document number: 7400826

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150