WO2022244210A1 - 管理装置、管理方法、及び、管理プログラム - Google Patents

管理装置、管理方法、及び、管理プログラム Download PDF

Info

Publication number
WO2022244210A1
WO2022244210A1 PCT/JP2021/019244 JP2021019244W WO2022244210A1 WO 2022244210 A1 WO2022244210 A1 WO 2022244210A1 JP 2021019244 W JP2021019244 W JP 2021019244W WO 2022244210 A1 WO2022244210 A1 WO 2022244210A1
Authority
WO
WIPO (PCT)
Prior art keywords
wireless communication
position estimation
communication units
matrix
input feature
Prior art date
Application number
PCT/JP2021/019244
Other languages
English (en)
French (fr)
Inventor
理一 工藤
友規 村上
馨子 高橋
智明 小川
Original Assignee
日本電信電話株式会社
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 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to JP2023522139A priority Critical patent/JPWO2022244210A1/ja
Priority to PCT/JP2021/019244 priority patent/WO2022244210A1/ja
Publication of WO2022244210A1 publication Critical patent/WO2022244210A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
    • H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
    • H04B7/0413—MIMO systems
    • H04B7/0452—Multi-user MIMO systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Definitions

  • the present invention relates to a management device, management method, and management program.
  • Wireless communication standards include wireless LAN (Local Area Network) defined by standard IEEE 802.11, Bluetooth (registered trademark), cellular communication by LTE and 5G, LPWA (Low Power Wide Area) communication for IOT, Supporting wireless communication standards such as ETC (Electronic Toll Collection System), VICS (Vehicle Information and Communication System), and ARIB-STD-T109, which are used for communication, are also developing and are expected to spread in the future.
  • ETC Electronic Toll Collection System
  • VICS Vehicle Information and Communication System
  • ARIB-STD-T109 which are used for communication
  • Wireless communication equipment has introduced MIMO (Multiple Input Multiple Output) communication technology that uses multiple antennas to ensure high throughput and reliable performance.
  • MIMO communication technology can improve throughput and reliability performance by using channel information that indicates how radio waves propagate between the transmitting side and the receiving side.
  • the radio communication device on the transmitting side supports a function of transmitting a feedback signal that conveys channel information to the radio communication device on the receiving side (see Non-Patent Document 1).
  • Non-Patent Documents 2 and 3 there is known a technique that uses channel information about radio wave propagation to estimate the position of a wireless communication device (see Non-Patent Documents 2 and 3). For example, the position of the wireless communication device is identified based on the arrival time, level, etc. of wireless signals that have wirelessly communicated with a plurality of base stations.
  • the position of a position estimation target located in the same environment as the fixed terminal can be estimated using the channel information of the radio signal transmitted from the radio communication unit of the fixed terminal. Further, the position of the position estimation target can be estimated by further using the channel information of the radio signal transmitted from the wireless communication unit of the position estimation target.
  • the present invention has been made in view of the above circumstances, and an object of the present invention is to provide a position estimation apparatus for estimating the position of a position estimation target using a plurality of channel information. It is an object of the present invention to provide a technology capable of managing the state of a wireless communication terminal (fixed terminal, position estimation target) or an individual wireless communication unit of its own device that receives wireless signals.
  • a management device performs wireless communication with a fixed terminal fixed in an environment, or wirelessly communicates with the fixed terminal and a position estimation target, and manages the state of a wireless communication unit that performs wireless communication.
  • the device at least one of the number of the wireless communication units of the fixed terminal or the position estimation target and the wireless communication units of the own device is plural, and the wireless communication units that perform wireless communication provided in the fixed terminal.
  • wireless communication units that receive wireless signals from wireless communication units provided in the fixed terminal and the position estimation target, and obtain a plurality of pieces of channel information related to radio wave propagation from the wireless signals; an input feature amount generation unit that converts channel information corresponding to the wireless communication unit into a plurality of input feature amounts that can be input to a machine learning model; A position estimation model using unit for estimating and calculating the position of the position estimation target by inputting the relationship with the quantity into a position estimation model modeled by machine learning, and each of the input feature values of the plurality of wireless communication units A plurality of input feature values selected from the fixed terminal, the position estimation target, the wireless communication unit of the device itself, or the fixed terminal, the position estimation target, and the wireless communication unit of the device itself Determining whether an abnormality has occurred in any of the fixed terminal, the position estimation target, or the wireless communication unit of the own device by inputting each into the generated individual management model for the wireless communication unit of or a model evaluation unit that outputs an index for the determination.
  • a management method performs wireless communication with a fixed terminal fixed in an environment, or performs wireless communication with the fixed terminal and a position estimation target, and manages the state of a wireless communication unit that performs wireless communication.
  • the management device includes one or more wireless communication units that receiving radio signals from a radio communication unit that performs radio communication provided in a fixed terminal, or from radio communication units provided in the fixed terminal and the position estimation target, and extracting a plurality of channel information relating to radio wave propagation from the radio signals; an input feature quantity generation unit converting channel information corresponding to the plurality of wireless communication units into a plurality of input feature quantities that can be input to a machine learning model; estimating and calculating the position of the position estimation target by inputting a plurality of input feature quantities into a position estimation model that models the relationship between the position information of the position estimation target and the input feature quantity by machine learning;
  • a management program causes a computer to function as the management device.
  • an individual wireless communication terminal (fixed terminal, position estimation target) transmitting a radio signal, or a radio signal It is possible to provide a technology capable of managing the state of an individual wireless communication unit of its own device that receives .
  • FIG. 1 is a diagram showing the overall configuration of a radio communication system according to this embodiment.
  • FIG. 2 is a diagram showing the configuration of the position estimation model management unit.
  • FIG. 3 is a diagram showing the operation of the management device.
  • FIG. 4 is a diagram showing an experimental environment area.
  • FIG. 5 is a diagram showing an example of dividing the experimental environment area.
  • FIG. 6 is a diagram showing measurement results of position estimation errors.
  • FIG. 7 is a diagram illustrating a hardware configuration of a management device;
  • the present invention converts a plurality of channel information into a plurality of input feature quantities that can be input to a machine learning model, and converts each input feature quantity of the plurality of converted input feature quantities to a wireless communication terminal ( (fixed terminal, position estimation target), each wireless communication unit of the device that receives the wireless signal, or each of a plurality of wireless communication units that are selected from among a plurality of wireless communication units and are arbitrarily combined.
  • a wireless communication terminal fixed terminal, position estimation target
  • each wireless communication unit of the device that receives the wireless signal
  • the present invention selects an input feature amount generated from channel information for each individual wireless communication terminal, for each individual wireless communication unit that receives a wireless signal, or from among a plurality of wireless communication units. Based on an individual management model generated in advance for each of a plurality of arbitrarily combined wireless communication units, it is determined whether the wireless communication terminal or the wireless communication unit is abnormal, or an index for determination is output. Alternatively, it is possible to provide a technology capable of individually managing the state of the wireless communication unit of its own device.
  • the channel information is information regarding how radio waves are propagated between the wireless communication terminal on the transmitting side and the wireless communication terminal on the receiving side, and the communication quality of the wireless communication.
  • the received power and radio wave propagation coefficient in wireless communication, and in MIMO (Multiple Input Multiple Output) communication technology there is a It is a channel matrix representing the state of radio wave propagation and information on signal-to-noise interference power.
  • the input feature amount is the feature amount of the channel information that has been converted so that it can be input to the machine learning model.
  • the input feature amount is the channel information itself that is not converted, or a numerical value obtained by performing various operations on the channel information.
  • the received power of radio signals, signal power, power ratio information obtained from moving averages of received power and signal power, channel matrix consisting of radio wave propagation coefficients between multiple antennas, correlation matrix of channel matrix, and channel matrix are signal processed.
  • operation matrix obtained by signal processing the correlation matrix operation matrix obtained by signal processing the channel matrix or correlation matrix corresponding to multiple frequencies
  • unitary obtained by linear operation of the channel matrix matrix unitary matrix obtained by linear operation of correlation matrix
  • unitary matrix obtained by linear operation of operation matrix unitary matrix obtained by linear operation of operation matrix
  • diagonal matrix obtained by linear operation of channel matrix diagonal obtained by linear operation of correlation matrix
  • correlation matrix Matrix diagonal matrix obtained by linear operation of operation matrix
  • triangular matrix obtained by linear operation of channel matrix triangular matrix obtained by linear operation of correlation matrix
  • triangular matrix obtained by linear operation of operation matrix triangular matrix obtained by linear operation of operation matrix
  • triangular matrix obtained by linear operation of correlation matrix triangular matrix obtained by linear operation of operation matrix
  • a position estimation target is a movable object located in the same environment as the wireless communication terminal.
  • the position of the position estimation target is, for example, the position on the route along which the position estimation target is moving, the position in the two-dimensional space (such as a map), and the position in the three-dimensional space.
  • more detailed physical states such as orientation and speed may be further estimated.
  • FIG. 1 is a diagram showing the overall configuration of a radio communication system according to this embodiment.
  • the wireless communication system includes a management device 1, fixed terminals 3-1 to 3-M, and position estimation targets 2-1 to 2-Q.
  • the management device 1 is a position estimation device for estimating the positions of the position estimation targets 2-1 to 2-Q. It is a management device that manages the states of targets 2-1 to 2-Q and the wireless communication units 1-1 to 1-R of its own device that receives wireless signals.
  • the management device 1 collects channel information of radio signals transmitted from at least one fixed terminal among the plurality of fixed terminals 3-1 to 3-M, so that the same environment as that of the fixed terminals 3-1 to 3-M is collected. estimating the position of at least one position estimation target among the plurality of position estimation targets 2-1 to 2-Q located in the . In addition, the management device 1 further collects channel information of radio signals transmitted from at least one of the plurality of position estimation targets 2-1 to 2-Q to obtain the plurality of position estimation targets 2-Q. Estimate the position of at least one position estimation target out of 1 to 2-Q. Management device 1 can estimate the position of the position estimation target using only the channel information of the fixed terminal, and can further use the channel information of the position estimation target to estimate the position of the position estimation target.
  • Fixed terminals 3-1 to 3-M are equipped with wireless communication units 3-1-1 to 3-M-1.
  • One fixed terminal has one or more wireless communication units.
  • the position estimation targets 2-1 to 2-Q may have wireless communication units 2-1-1 to 2-Q-1, or may be simple position estimation targets without wireless communication units.
  • the radio communication units used for position estimation provided in the fixed terminals 3-1 to 3-M and the position estimation targets 2-1 to 2-Q are defined as the radio communication units of the terminals or radio communication terminals.
  • One position estimation target may include one or more wireless communication units.
  • the radio communication units 3-1-1 to 3-M-1 and the radio communication units 2-1-1 to 2-Q-1 each transmit and receive a known pilot signal or an arbitrary radio communication unit. transmit radio signals containing channel information between The arbitrary wireless communication units are wireless communication units 1-1 to 1-R (R is an integer equal to or greater than 1) provided in the management device 1, or other wireless communication units.
  • the management device 1 described in the present embodiment connects wireless communication units (3-i-1 or 2-j-1) of multiple terminals or multiple wireless communication units (1-1 to 1-R) of itself to Applies if you have At least one of the number of wireless communication units (3-i-1 or 2-j-1) of the terminal and the number of wireless communication units (1-1 to 1-R) of the management device 1 is plural. If the terminal has only one wireless communication unit, it is possible to check whether any of the multiple wireless communication units (1-1 to 1-R) of the terminal is abnormal.
  • the management device 1 connects wireless communication units (3-i-1 (1 ⁇ i ⁇ M) or 2-j-1 (1 ⁇ receive radio signals from j ⁇ Q)). Alternatively, the management device 1 receives radio signals from the radio communication units of one or more terminals via the radio communication units 1-1 to 1-R.
  • the management device 1 selects one or more terminal wireless communication units (3-i-1 or 2-j-1) and any own wireless communication units 1-1 to 1 from the plurality of received wireless signals. Get multiple channel information between -R.
  • the management device 1 inputs the obtained plural pieces of channel information to the input feature amount generation unit 1-2.
  • the input feature value generation unit 1-2 converts multiple channel information into multiple input feature values suitable for input to the machine learning model, and sends the converted multiple input feature values to the location estimation model utilization unit 1-3. input.
  • the position estimation model utilization unit 1-3 uses the input feature values of multiple channel information collected from the wireless communication units of one or more terminals (fixed terminal 3-i or position estimation target 2-j) as position estimation.
  • the position of the position estimation target 2-j is estimated by inputting the relationship between the position information of the target and the input feature amount of the channel information into a position estimation model modeled by machine learning.
  • the position estimation model management unit 1-0 selects individual input feature values corresponding to the channel information of the wireless communication units of the individual terminals from among the plurality of pieces of channel information generated by the input feature value generation unit 1-2. is used to determine whether the fixed terminal or the position estimation target is normal or abnormal, or to output an index for determining the abnormality.
  • the position estimation model management unit 1-0 converts each of the input feature values of the plurality of input feature values corresponding to the channel information of the wireless communication unit of the terminal generated by the input feature value generation unit 1-2 into Each radio communication unit of the terminal that transmitted the radio signal, or each radio communication unit 1-r (1 ⁇ r ⁇ R) of the device itself that received the radio signal, or multiple radio communication units of the terminal that transmitted the radio signal or the device itself By inputting each into the machine learning individual management model generated in advance corresponding to the combination of It judges whether 1-r is normal or abnormal, and outputs an index for judging abnormality.
  • the fixed terminal 3-i is a wireless communication terminal provided with a wireless communication unit 3-i-1 and installed in a predetermined environment.
  • the fixed terminal 3-i is desirably fixed to, for example, a wall, floor, ceiling, or the like so as not to move.
  • the fixed terminal 3-i may be realized using a special dedicated device, or may be realized using any terminal having a built-in wireless communication unit such as a smart phone or a PC.
  • One fixed terminal 3-i may have a plurality of wireless communication units 3-i-1.
  • a plurality of fixed terminals 3-i may be provided.
  • the position estimation target 2-j includes the wireless communication unit 2-j-1, it is a mobile wireless communication terminal located in the same environment as the fixed terminal 3-i and is the position estimation target.
  • the position estimation target 2-j is an autonomous mobile robot. Since the management device 1 can estimate the position of the position estimation target 2-j using only the channel information of the fixed terminal 3-j, the position estimation target 2-j does not need to be equipped with the wireless communication unit 2-j-1. good.
  • One position estimation target 2-j may include a plurality of wireless communication units 2-j-1. A plurality of position estimation targets 2-j may be provided.
  • the management device 1 is, for example, a base station installed at a major location.
  • the management device 1 is a wireless communication unit that can communicate with the fixed terminal 3-i and the position estimation target 2-j, or a wireless Any configuration that includes a communication unit may be used.
  • Management device 1 does not necessarily need the function of transmitting a radio signal.
  • the management device 1 includes, for example, wireless communication units 1-1 to 1-R, an input feature generator 1-2, a position estimation model utilization unit 1-3, a position estimation model It has a training unit 1-4 and a position estimation model management unit 1-0.
  • the wireless communication units 1-1 to 1-R are communication units that perform wireless communication or receive wireless signals.
  • the wireless communication units 1-1 to 1-R may support multiple frequencies, multiple frequency bands, or multiple wireless communication systems.
  • FIG. 1 shows a configuration in which radio communication units 1-1 to 1-R receive radio signals transmitted from M fixed terminals 3-1 to 3-M.
  • any one of the wireless communication units 1-1 to 1-R may be a base station that communicates with the wireless communication unit (3-i-1 or 2-j-1) of the terminal.
  • the radio communication unit of the terminal may communicate with any base station not shown in FIG. 1 and receive radio signals that it transmits to any base station. A configuration in which these are mixed may be used. Since the radio communication units 1-1 to 1-R on the receiving side can decode the radio signal by a single carrier frequency, the radio communication unit of the terminal can transmit the radio signal with the same frequency, thus the radio communication unit 1 -1 to 1-R circuit complexity may be reduced. The same applies to position estimation targets 2-1 to 2-Q.
  • a plurality of wireless communication units 1-1 to 1-R transmit a plurality of wireless communication units 3-1-1 to 3-M-1 of one or more fixed terminals 3-1 to 3-M. Receives a radio signal, acquires a plurality of channel information related to radio wave propagation between the fixed terminal 3-i and the management device 1 from the received plurality of radio signals, or obtains a radio communication device other than the fixed terminal 3-i and the management device 1 to acquire a plurality of channel information related to radio wave propagation. After obtaining the plurality of channel information corresponding to the fixed terminal 3-i, the wireless communication units 1-1 to 1-R input the obtained plurality of channel information to the input feature value generation unit 1-2.
  • the plurality of radio communication units 1-1 to 1-R are connected to the radio communication units 3-1-1 to 3-M-1 of the fixed terminals 3-1 to 3-M and the position estimation targets 2-1 to 2- Receives and receives multiple wireless signals transmitted from any of multiple wireless communication units 2-1-1 to 2-Q-1 of Q, including at least the wireless communication unit of the fixed terminal It has a function of acquiring channel information related to radio wave propagation between the wireless communication unit (3-i-1 or 2-j-1) of the terminal and the management device 1 from a plurality of wireless signals.
  • the radio communication units 1-1 to 1-R input the acquired plurality of channel information. Input to quantity generator 1-2.
  • the input feature value generation unit 1-2 has a function of converting a plurality of input channel information into a plurality of input feature values that can be input to the machine learning model.
  • the input feature amount generation unit 1-2 inputs the input feature amounts of the converted plural pieces of channel information to the position estimation model utilization unit 1-3 and the position estimation model management unit 1-0.
  • the position estimation model using unit 1-3 converts the input feature values into a position estimation model that models the relationship between the channel information related to radio wave propagation and the position information of the position estimation target 2-j by machine learning. By inputting, it has a function of estimating and calculating the position of the position estimation target 2-j based on a plurality of channel information.
  • the position estimation model using unit 1-3 calculates the position of the position estimation target 2-j based on the channel information.
  • the position of the fixed terminal 3-i when calculating the position information based on the channel information, the position of the fixed terminal 3-i, antenna conditions such as orientation and directivity, the wireless communication unit 3-i-1 of the fixed terminal 3-i and the management device 1
  • the wireless communication unit 1-r of the management device 1 also needs to be static and unchanged. If the position shifts, the direction of the antenna or connection conditions changes, or a problem occurs in the circuit of the wireless communication unit 3-i-1 of the fixed terminal 3-i or the wireless communication unit 1-r of the management device 1, the channel The relationship between information and location information changes, and the location estimation model cannot output correct location information. In particular, when channel information is acquired from the wireless communication units of multiple terminals, received by wireless communication units 1-r (r ⁇ 2) of multiple management devices 1, or both, what is the cause? It is difficult to distinguish whether the accuracy of the position information has deteriorated.
  • the position estimation model management unit 1-0 as shown in FIG. Prepare.
  • the position estimation model management unit 1-0 selects the input feature values of the plurality of channel information generated by the input feature value generation unit 1-2 for the individual radio communication unit 3 of the fixed terminal 3-i that transmitted the radio signal.
  • an individual management model learned in advance uses only the input feature values corresponding to multiple combinations (multiple wireless communication units) selected from i, the position estimation target 2-j, and the wireless communication unit 1-r, outputs information for judging abnormality in the inputted input feature quantity, and in the model evaluation unit 1-0-2, using the output from the individual management model, an abnormality is detected in the wireless communication unit corresponding to the input feature quantity Outputs an index for judging whether or not there is an abnormality.
  • the model evaluation unit 1-0- 2 can determine whether the wireless communication unit is in a normal state or an abnormal state, and can output an index for determining an abnormality.
  • the model evaluation unit 1-0-2 When position information is output from the individual management models 1-0-1-1 to 1-0-1-P as information for judging abnormality, the model evaluation unit 1-0-2 outputs the position information By temporarily storing the output result in the storage unit, reading the position information from the storage unit at a predetermined timing, and comparing the read position information with the separately prepared accurate position information of the position estimation target 2-j. It is also possible to perform off-line evaluation whether the output result of position information is correct or not.
  • the model evaluation unit 1-0-2 compares output results of position information predicted using the models. In addition, by evaluating in real time whether the output of any individual management model is an inaccurate value that deviates greatly, and by having three or more individual management models, Detects individual control models that deviate significantly from the output or behave differently, and uses anomaly detection algorithms, which are being considered as machine learning techniques, to determine whether anomalies or indicators for determining anomalies are determined from individual control models.
  • the model evaluation unit can detect an abnormality in the wireless communication unit or output an index for determining an abnormality. For example, deviation from normal data characteristics can be output as a value, and another system or person can separately judge an abnormality or analyze the type and characteristics of the abnormality from the output value.
  • the abnormality determination of the wireless communication unit outputs an index related to the wireless communication unit corresponding to the individual management model being abnormal or suspected of being abnormal.
  • the individual management model is an input feature quantity corresponding to a plurality of wireless communication units
  • the wireless communication units corresponding to the individual management model that determines an abnormality or outputs an indicator that is strongly suspected of being abnormal It can output indicators related to suspected anomalies. For example, if the output of multiple individual management models indicates an abnormality and there is a wireless communication unit that is commonly included in the input feature values used, it is highly likely that the wireless communication unit is producing an abnormal value. I can judge.
  • the output of the model utilization part 1-3 Similar to the output of the individual management model 1-0-1-1 to 1-0-1-P, the output of the model utilization part 1-3 also applies anomaly detection by machine learning, and the individual output from the individual management model may be used to analyze the cause of the anomaly in more detail. For example, the cause of the abnormality may be analyzed using the time and the relationship with information other than the management device according to the present invention.
  • Each individual management model 1-0-1-p (1 ⁇ p ⁇ P) are each the wireless communication unit (3-i-1 or 2-j-1) of one terminal, or one A position estimation model can be obtained by modeling the relationship between the input feature amount generated from the channel information of the wireless communication unit 1-r and the position information of the position estimation target 2-j by machine learning.
  • Each individual management model 1-0-1-p receives an input feature amount corresponding to one wireless communication unit and outputs position information of the position estimation target 2-j.
  • the individual management model is based on the input features generated from the wireless communication units (3-i-1 or 2-j-1) of multiple terminals or the channel information of multiple wireless communication units 1-r.
  • a position estimation model trained to output information may be used.
  • the accuracy of the information for judging output abnormalities can be improved.
  • position prediction accuracy is low when position prediction is performed from a single wireless communication unit, and it may be difficult to determine anomalies.
  • Even in the case of outputting a digitized degree of anomaly by anomaly detection if the reproducibility of the input information is high, it can be expected that the accuracy of the anomaly judgment will be improved.
  • the model evaluation unit 1-0-2 uses the position information of the position estimation target 2-j estimated from the input channel information corresponding to one wireless communication unit, and the multiple If the difference (error) between the two compared position information exceeds the threshold, or if the error trend has a function of judging that the wireless communication unit corresponding to the input channel information is abnormal or outputting an index for judging the abnormality, when satisfies a specific condition. For example, the model evaluation unit 1-0-2 outputs an index for judging that position information of a value that is an outlier in a set of multiple position information is abnormal, or that a value deviation from the set is abnormal. and outputs the degree of outliers (outlier level).
  • the individual management model 1-0-1 When using a machine learning anomaly detection algorithm as the individual management model 1-0-1, one or more of the fixed terminal 3-i, the position estimation target 2-j, or the wireless communication unit 1-r of the own device It is possible to construct an individual management model for an anomaly detection algorithm using data in a normal state, which is an input feature amount generated from the channel information of the wireless communication device.
  • the anomaly detection algorithm learns the data series in the normal state, and can detect deviation from the pre-recognized normal pattern.
  • it is also possible to detect a specific abnormality by using data indicating that the position of the wireless communication unit or antenna is shifted, abnormality data such as a failure of the device, or pseudo-abnormality data created in advance assuming these abnormalities.
  • the model evaluation unit 1-0-2 receives information about anomalies from the individual management model, and outputs anomaly judgment and an index for use in judging which wireless communication unit has what kind of anomaly. can be done.
  • an abnormality detection algorithm may be generated in advance by giving the channel information of the wireless communication units (fixed terminals, location estimation targets, and wireless communication units of the management device) during normal operation.
  • the model evaluation unit 1-0-2 selects an individual management model that outputs an abnormality judgment or an index indicating an abnormality.
  • the corresponding wireless communication unit can also be detected as being in an abnormal state.
  • the location information output from the location estimation model utilization unit 1-3 may be input to the individual management model 1-0-1 or the model evaluation unit 1-0-2.
  • information effective for abnormality determination other than the management device 1 according to the present invention may be input at the same time.
  • position prediction can be performed. It is possible to improve the accuracy of the anomaly detection based on the input feature amount and the anomaly detection of the input feature amount. For example, when using a location estimation model as the individual management model 1-0-1, by comparing the output location information with the location information predicted by the location estimation model usage unit 1-3, the model evaluation unit 1- Abnormality can be judged by 0-2.
  • the intermediate layer is a layer that uses only the input feature values from individual wireless communication units. By training so that the output of the intermediate layer converges on the position prediction result using the input feature value from the specific wireless communication unit, part of the position estimation model is made to function as an individual management model.
  • the location estimation model used by the location estimation model utilization unit 1-3 and the individual management model (location estimation model, anomaly detection algorithm) provided in the location estimation model management unit 1-0 may use pre-generated models. However, it may be updated with newly generated data by fine-tuning, transfer learning, or the like.
  • a position estimation model is used for the individual management model, a model generated and updated by the position estimation model training unit 1-4 may be used.
  • the position estimation model includes position information of the position estimation target 2-j located in the same environment as the fixed terminal 3-i, and channel information related to radio wave propagation obtained from the fixed terminal 3-i and the position estimation target 2-j. It is a position estimation model generated by training the relationship between ( ⁇ input feature amount) and , by machine learning.
  • the position estimation model generates a space equivalent to the real space in the simulation space using digital twin technology, etc., and uses the relationship between the virtually generated position estimation target and the channel information calculated by the simulation. may be generated.
  • a position estimation model created from the relationship between channel information measured by another position estimation unit and a position estimation target may be used as the position estimation model.
  • the position estimation model training unit 1-4 separately acquires data related to the position information of the position estimation target 2-j, and estimates the position of the position estimation target 2-j based on the relationship between the acquired position information and channel information. It has the ability to generate a localization model by training possible estimated localization models.
  • the position estimation model training unit 1-4 also has a function of updating the generated position estimation model. As an update method, for example, fine tuning or transfer learning known as deep learning can be used.
  • the location information of the location estimation target 2-j may be obtained by periodically collecting location measurement data using the location measurement function installed in the location estimation target 2-j. Also, by using a predetermined machine learning model, it is possible to estimate and learn the relationship between the position information of the position estimation target 2-j and the channel information obtained from the fixed terminal 3-i. Some means include sensors, cameras, wireless positioning, SLAM (Simultaneous Localization And Mapping), GPS (Global Positioning System), etc. mounted on the position estimation target 2-j.
  • the management device 1 stores the position and time information of the position estimation target 2-j obtained by the position estimation target 2-j in the storage unit, and periodically batches the position and time information into a position estimation model training unit. By inputting to 1-4, it can be used as teacher data for training the position estimation model.
  • the position estimation model training unit 1-4 compares the input position and time information of the position estimation target 2-j with the channel information and time information also stored in the storage unit on the same time axis. , a localization model can be trained by learning the relationship between the two. Alternatively, the position estimation model training unit 1-4 acquires the position information of the position estimation target 2-j from information such as cameras, sensors, and radio positioning installed in the management device 1, A localization model can be trained by learning relationships with information.
  • FIG. 3 is a diagram showing the operation of the management device 1. As shown in FIG.
  • wireless communication is performed between the wireless communication units (3-i-1 or 2-j-1) of a plurality of terminals and the wireless communication unit of the management device 1, and wireless signals corresponding to the plurality of wireless communication units are transmitted. is received, and while outputting the position of the position estimation target, it is possible to manage whether any abnormality occurs in any of the wireless communication devices.
  • the radio communication units 1-1 to 1-R of the management device 1 receive a signal from one or more radio communication units provided in the fixed terminal 3-i or the fixed terminal 3-i and the position estimation target 2-j.
  • the radio signal received is received, and channel information corresponding to the radio communication unit of the terminal is acquired from the received radio signal (step S1).
  • the management device 1 according to the present invention functions when the number of acquired wireless communication units is plural or when the number of wireless communication units of the management device 1 is plural.
  • Input features include, for example, received power of radio signals, signal power, power ratio information obtained from moving averages of received power and signal power, channel matrix consisting of radio wave propagation coefficients between multiple antennas, correlation matrix of channel matrices , a computation matrix obtained by signal processing a channel matrix, a computation matrix obtained by signal processing a correlation matrix, a channel matrix corresponding to multiple frequencies or a computation matrix obtained by signal processing a correlation matrix, a channel matrix linearly Unitary matrix obtained by operation, unitary matrix obtained by linear operation of correlation matrix, unitary matrix obtained by linear operation of operation matrix, diagonal matrix obtained by linear operation of channel matrix, linear operation of correlation matrix diagonal matrix obtained by linear operation of the operation matrix, triangular matrix obtained by linear operation of the channel matrix, triangular matrix obtained by linear operation of the correlation matrix,
  • the position estimation model using unit 1-3 inputs the converted input feature quantity to the position estimation model, and estimates and outputs the position information of the position estimation target 2-j based on the channel information (step S3).
  • the position estimation model management unit 1-0 separates the input feature amount for each individual wireless communication unit, and in the individual management models 1-0-1-1 to 1-0-1-P, Using the position estimation model trained to estimate the position of the position estimation target 2-j with the input feature value corresponding to the communication unit, the position information of the position estimation target 2-j is estimated and calculated, and the model evaluation unit 1 Output to -0-2.
  • an anomaly detection algorithm is used for the input feature quantity corresponding to each wireless communication unit to output an index representing the degree of anomaly (step S4).
  • the model evaluation unit 1-0-2 selects one of It is determined whether there is an abnormality in the position estimation model corresponding to the wireless communication unit of , and an index for determining an abnormality is output (step S5).
  • the model evaluation unit 1-0-2 may use the position estimation result in step S3.
  • the wireless communication terminal outputting the information may be detected, the measurement result of the position information of the position estimation target 2-j obtained separately may be used, or the obtainable information that affects the channel information described above may be used.
  • a parameter may be used, or anomaly detection may be performed from an estimation result of position information input using an anomaly detection algorithm based on machine learning. Also, the type of abnormality may be determined based on the input from the individual management model.
  • the fixed terminal 3-i or the position estimation target 2-j transmits a pilot signal known by transmission and reception.
  • the wireless communication unit 1-r of the management device 1 connects the antennas of the wireless communication unit 1-r (the number of receiving antennas: Mr) and the wireless communication unit that transmitted the pilot signal.
  • 3-i-1 or the antenna of the radio communication unit 2-j-1 (the number of transmitting antennas: Ni) can be obtained.
  • OFDM orthogonal wave division multiplexing
  • an input feature quantity to be input to the position estimation model utilization unit 1-3 is generated.
  • the channel matrix of the ⁇ -th subcarrier is defined as H ⁇ .
  • the channel matrix H ⁇ is normalized by a predetermined norm, and the normalized channel matrix G ⁇ , the amplitude information ⁇ ⁇ or the power The information is separated into ⁇ ⁇ 2 and .
  • G ⁇ can be set, for example, such that
  • F 1.
  • ⁇ ⁇ generally has a large amplitude, and can vary by 10 to the 5th power or more. For this reason, convert ⁇ ⁇ and ⁇ ⁇ 2 to dB, specify the maximum and minimum values, and use the converted value to express the range as a normalized value within the range of 0 to 1. may A value ⁇ all obtained by selecting a plurality or averaging these for different frequency conditions or antenna conditions may be used.
  • each column vector g 1, ⁇ ⁇ g Mr, ⁇ in which the norm value is normalized to a certain value, and its amplitude value ⁇ 1, ⁇ ⁇ Mr, ⁇ may be obtained.
  • g a , ⁇ can be set as prescribed vectors such that
  • F 1, for example.
  • ⁇ a, ⁇ and ⁇ a, ⁇ 2 are converted to dB, the maximum and minimum values are specified, and the converted value is expressed as a normalized value within the range of 0 to 1, etc. may be used.
  • a value ⁇ a,all corresponding to the a-th column vector obtained by selecting multiple or averaging these for ⁇ may be used.
  • Equation (3) the amplitude information ⁇ ⁇ is separated for each antenna, and each row vector g' 1, ⁇ to g' Ni, ⁇ in which the norm value is normalized to a certain value, and its amplitude value ⁇ ' 1, ⁇ ⁇ ' Ni, ⁇ may be obtained.
  • g' b, ⁇ can be set as a prescribed vector such that
  • F 1, for example.
  • ⁇ ' b, ⁇ and ⁇ ' b, ⁇ 2 are converted to dB, the maximum and minimum values are defined, and the range is converted to be expressed as a normalized value within the range of 0 to 1, etc. value may be used.
  • a value ⁇ ′ b,all corresponding to the b-th column vector obtained by selecting multiple or averaging these for ⁇ may be used.
  • Channel matrix H ⁇ , normalized channel matrix G ⁇ , normalized vector g a, ⁇ , normalized vector g′ b, ⁇ can be input using the real and imaginary parts of each element as input features, or inputting imaginary numbers as they are. It can be used as information, converted into another format such as angle information, or quantized.
  • the correlation matrices H ⁇ H ⁇ H and H ⁇ H H ⁇ generated using the channel matrix H ⁇ can be used.
  • Correlation matrices G ⁇ G ⁇ H and G ⁇ H G ⁇ generated using the normalized channel matrix G ⁇ can be used.
  • Channel matrix H ⁇ , normalized channel matrix G ⁇ , their correlation matrices H ⁇ H ⁇ H , H ⁇ H H ⁇ , G ⁇ G ⁇ H , G ⁇ H G ⁇ are summed or averaged over multiple frequencies.
  • ⁇ H ⁇ , ⁇ G ⁇ , ⁇ H ⁇ H ⁇ H , ⁇ H ⁇ HH ⁇ , ⁇ G ⁇ G ⁇ H , ⁇ G ⁇ HG ⁇ can be used .
  • Eigenvalues, diagonal matrices, and unitary matrices obtained by performing QR decomposition, SVD (Singular value decomposition), eigenvector decomposition, etc. of these matrices can be used.
  • the arrival A power characteristic with respect to a direction may be used as an input feature amount.
  • the values obtained by multiplying the vector components by (1, exp(jd ⁇ ), exp(j2d ⁇ ), . . . , exp(jNd ⁇ )) can be calculated for ⁇ . It is also possible to generate ⁇ from 0 to 2 ⁇ at arbitrary angular intervals and use the output for multiple ⁇ as the input feature amount.
  • d is a predetermined constant.
  • N is the number of elements in the vector.
  • the input feature value generation unit 1-2 uses, as input feature values, the received power of the radio signal, the channel matrix of the channel information, the correlation matrix of the channel matrix, the operation matrix obtained by signal processing the channel matrix, and the correlation matrix.
  • Operation matrix obtained by signal processing, operation matrix obtained by signal processing channel matrix or correlation matrix corresponding to multiple frequencies unitary matrix obtained by linear operation of channel matrix, linear operation matrix obtained by correlation matrix unitary matrix obtained by linear operation of the operation matrix, diagonal matrix obtained by linear operation of the channel matrix, diagonal matrix obtained by linear operation of the correlation matrix, linear operation of the operation matrix , a triangular matrix obtained by linear operation of the channel matrix, a triangular matrix obtained by linear operation of the correlation matrix, and a triangular matrix obtained by linear operation of the operation matrix.
  • the input feature amount generator 1-2 stores such input feature amounts as time-series data, and outputs input feature amounts corresponding to a plurality of times from the past to the present to the position estimation model.
  • a wireless communication system that uses equalization technology, it is possible to estimate the arrival time, power, and phase conditions of the incoming electrical signal path. Even with channel information obtained in time series in this way, power normalization, conversion to frequency components, and input of a position estimation model using feature values and angle information extracted by existing techniques for the direction of arrival of waves are used. It can be used as a feature amount.
  • the fixed terminal 3-i or the position estimation target 2-j communicates with a specific radio base station and acquires channel information from pilot signals transmitted and received from the specific radio base station. Estimate and somehow quantize to generate feedback information, and transmit a wireless signal containing the generated feedback information.
  • the radio communication unit 1-r of the management device 1 receives the radio signal, and performs communication between the specific radio base station included in the received radio signal and the fixed terminal 3-i or the position estimation target 2-j. Get channel information.
  • a pilot signal that becomes known by transmission and reception is transmitted from a specific known wireless base station.
  • the wireless communication unit 3-i-1 of the fixed terminal 3-i or the wireless communication unit 2-j-1 of the position estimation target 2-j can use its own receiving antenna (reception It is possible to obtain a channel matrix between the number of antennas: Ni) and the antennas of a specific radio base station that transmitted pilot signals (the number of transmitting antennas: Mt).
  • OFDM which is used in various wireless communication systems, channel matrices of subcarriers corresponding to multiple frequencies can be obtained.
  • an input feature value to be input to the position estimation model utilization unit 1-3 is generated.
  • the channel matrix of the ⁇ -th subcarrier is defined as H ⁇ , ⁇ .
  • the specific radio base station is the radio communication unit 1-r of the management device 1
  • the number of transmitting antennas Mt is equal to the number of receiving antennas Mr defined for the radio communication unit 1-r in the first method. equal.
  • the channel matrix H ⁇ , ⁇ corresponds to the transposed matrix of the channel matrix H ⁇ .
  • the normalized channel matrix G It is separated into ⁇ , ⁇ and amplitude information ⁇ ⁇ , ⁇ or power information ⁇ ⁇ 2 .
  • G ⁇ , ⁇ can be set such that
  • F 1, for example.
  • ⁇ ⁇ , ⁇ and ⁇ ⁇ , ⁇ 2 are converted to dB, the maximum and minimum values are specified, and the converted value is expressed by normalizing the range within the range of 0 to 1, etc. may be used.
  • a value ⁇ ,all obtained by selecting a plurality of these values or averaging them may be used. When ⁇ ,all is obtained by averaging, the true values may be averaged, the values may be converted to dB and then averaged, or the true values may be averaged and converted into dB units.
  • each column vector g ⁇ ,1, ⁇ ⁇ g ⁇ ,Ni, ⁇ obtained by separating the amplitude information ⁇ , ⁇ for each antenna and normalizing the norm value to a certain value,
  • the amplitude values ⁇ ⁇ ,1, ⁇ to ⁇ ⁇ ,Ni, ⁇ may be obtained.
  • g ⁇ , a, ⁇ can be set as defined vectors such that
  • F 1, for example.
  • a converted value may be used.
  • a value ⁇ ,a,all corresponding to the a-th column vector obtained by selecting multiple or averaging these for ⁇ may be used.
  • Equation (6) the amplitude information ⁇ ⁇ , ⁇ is separated for each antenna, and each row vector g' ⁇ , 1, ⁇ ⁇ g' ⁇ , Mt, ⁇ is obtained by normalizing the norm value to a certain value. , and its amplitude value ⁇ ′ ⁇ ,1, ⁇ to ⁇ ′ ⁇ ,Mt, ⁇ .
  • g' ⁇ , b, ⁇ can be set as a prescribed vector such that
  • F 1, for example.
  • ⁇ ' ⁇ , b, ⁇ and ⁇ ' ⁇ , b, ⁇ 2 are converted to dB, the maximum and minimum values are specified, and the range is expressed as a normalized value within the range of 0 to 1, etc. You may use the value converted as follows. A value ⁇ ′ ⁇ ,b,all corresponding to the b-th column vector obtained by selecting multiple or averaging these for ⁇ may be used.
  • the channel matrix H ⁇ , ⁇ , normalized channel matrix G ⁇ , ⁇ , normalized vector g ⁇ ,a, ⁇ , and normalized vector g′ ⁇ ,b, ⁇ are input features using the real and imaginary parts of each element. It can be used as a quantity, used as input information as an imaginary number, converted into another format such as angle information, or quantized.
  • correlation matrices H ⁇ , ⁇ H ⁇ , ⁇ H , H ⁇ , ⁇ H H ⁇ , ⁇ generated using the channel matrices H ⁇ , ⁇ can be used.
  • Correlation matrices G ⁇ , ⁇ G ⁇ , ⁇ H , G ⁇ , ⁇ H G ⁇ , ⁇ generated using normalized channel matrices G ⁇ , ⁇ can be used.
  • Channel matrix H ⁇ , ⁇ normalized channel matrix G ⁇ , ⁇ , their correlation matrices H ⁇ , ⁇ H ⁇ , ⁇ H , H ⁇ , ⁇ H H ⁇ , ⁇ , G ⁇ , ⁇ G ⁇ , ⁇ H , Matrix ⁇ H ⁇ , ⁇ , ⁇ G ⁇ , ⁇ , ⁇ H ⁇ , ⁇ H ⁇ , ⁇ H , ⁇ H ⁇ , ⁇ H H ⁇ , ⁇ , ⁇ G ⁇ , ⁇ G ⁇ , ⁇ H ,
  • Ni is the number of receiving antennas.
  • Mt is the number of transmit antennas. This expression focuses on a certain frequency, and the V matrix of Equation (7) exists for the specified number of subcarriers, and angle information is generated for each subcarrier. Furthermore, from the information corresponding to the eigenvalues of the channel matrix, together with the SNR information of the number of antennas, whichever is smaller, Ni or Mt, it is quantized with a specified number of quantization bits, stored in a radio signal, and transmitted. .
  • the radio communication unit 1-r of the management device 1 can obtain this angle information and SNR information, and further obtain the RSSI information of the radio signal.
  • the angle information may be used as the input feature amount as it is.
  • the sine and cosine components calculated from angle information may be used as input feature amounts.
  • a matrix obtained by converting the angle information back to the right singular matrix using Equation (7) may be used. After returning the angle information to the right singular matrix, an averaged matrix obtained by averaging the right singular matrix or its correlation matrix in the frequency direction may be used.
  • a matrix obtained by further applying signal processing such as QR decomposition to the averaging matrix may be used.
  • the imaginary part of the last element of each column vector of the right singular matrix compressed as angle information is always 0. Therefore, if the right singular matrix is obtained as an M ⁇ Ni matrix, the real part of each element is and the value of the imaginary part, the value of 2 ⁇ Mt ⁇ Ni-Ni becomes meaningful information. For example, if the right singular matrix is a 4 ⁇ 1 matrix, a total of 7 elements of 4 real parts and 3 imaginary parts are meaningful information. A total of 14 elements of imaginary part 6 are meaningful information. Since the imaginary part of the last element of each column is 0, the last element of each column may not be used.
  • the position estimation target 2-1 is running in a figure 8 in the center of the experimental environment area.
  • Fixed terminals 3-1 to 3-4 are performing wireless communication with a base station AP, which is an access point.
  • Fixed terminals 3-1 to 3-4 and position estimation target 2-1 are requested by the base station AP to report channel information every 100ms, and the channel information defined by the wireless LAN standard IEEE 802.11ac Angle information of channel information is fed back by the feedback method.
  • the number of antennas of the base station AP is four.
  • the fixed terminals 3-1 to 3-4, the position estimation target 2-1, and the wireless communication units 1-1 and 1-2 have two antennas. Communication was carried out with a carrier frequency of 5.66 GHz using a bandwidth of 20 MHz.
  • the two radio communication units 1-1 and 1-2 transmit the angle information generated from the right singular matrix of the channel matrix between the fixed terminals 3-1 to 3-4 and the base station AP, the SNR, and the fixed terminal 3 It is possible to obtain the RSSI values in the wireless communication units 1-1 and 1-2 of the wireless signals from -1 to 3-4.
  • One RSSI was obtained from each of the wireless communication units 1-1 and 1-2.
  • the input feature quantity generation unit 1-2 calculates a unitary matrix from the angle information according to the above-mentioned formula, and averages the calculated unitary matrix by frequency. As a result, a total of 14 components, 8 real parts and 6 imaginary parts, are obtained.
  • Position estimation targets 2-1 and 4-1 are running in a figure 8 in the center of the experimental environment area.
  • Fixed terminals 3-1 to 3-4 are performing wireless communication with a base station (AP: Access Point), which is an access point.
  • AP Access Point
  • the autonomous mobile robot which is the position estimation target 2-1, was run for 8 hours in the indoor experimental environment area.
  • the line that remains in the shape of a figure 8 in Figure 4 is the actual route of the robot. It was set.
  • the position estimation model training unit 1-4 uses highly accurate position information of the autonomous mobile robot obtained from LIDAR (light detection and ranging) and tire control information provided in the position estimation target, and the above-mentioned propagation Generate training data in which the input feature value related to propagation and the input feature value are arranged in the same time series with a period of 200ms.
  • the generation cycle of the input feature quantity is 100 ms, but the training data was generated by selecting and using the latest information obtained in the time span divided by 200 ms cycles.
  • GRU Gate Reccurent Unit
  • a learning rate of 0.0002 and an optimization algorithm of ADAM were used.
  • GRU has a hidden layer of 1 and a dimension of 35.
  • X and Y The weights and biases were updated by backpropagation to output coordinate information.
  • An updated localization model was used.
  • the position estimation model utilization unit 1-3 estimated the position of the position estimation target 2-1 using the fixed terminals 3-1 to 3-4 and the position estimation target 2-1.
  • the experimental environment area was divided into six areas, Areas A to F, as shown in Fig. 5, and evaluated.
  • Fig. 6 shows the results of arranging the output of position estimation with the unit of error from the actual value being m.
  • the rightmost column is the position information output result by the position estimation model utilization unit, and the other column corresponds to the position information output by the individual management model.
  • the columns labeled 2-1, 3-1 to 3-4 on the far right generate input feature values using channel information from all wireless communication units. It can be seen that high estimation accuracy is obtained.
  • the individual management model corresponding to the wireless communication part was generated.
  • the position estimation error of the individual management model corresponding to a single wireless communication unit has a very wide distribution from 20 cm to 2.7 m.
  • the position estimation accuracy itself may be poor. For example, when using the fixed terminal 3-2, if the position estimation target is in Area E or F, the average position prediction error exceeds 2 m.
  • the location prediction results are extremely high, and it is possible to detect with an accuracy of 30 cm or less.
  • the accuracy of the anomaly detection algorithm can be increased.
  • the results here are the results using the signals received by both the wireless communication units 1-1 and 1-2. It is also possible to detect that there is a problem with the wireless communication unit of the device 1 .
  • the management device 1 that performs wireless communication with a fixed terminal fixed in the environment, or performs wireless communication with the fixed terminal and the position estimation target, and manages the state of the wireless communication unit that performs wireless communication
  • at least one of the fixed terminal or the number of wireless communication units to be subjected to position estimation and the wireless communication unit of the device itself is plural, and the wireless communication unit is provided in the fixed terminal and performs wireless communication
  • One or more radio communication units 1-1 to 1- for receiving radio signals from radio communication units provided in the fixed terminal and the position estimation target, and acquiring a plurality of channel information regarding radio wave propagation from the radio signals R, an input feature quantity generation unit 1-2 that converts channel information corresponding to the plurality of wireless communication units into a plurality of input feature quantities that can be input to a machine learning model
  • a position estimation model utilization unit 1-3 for estimating and calculating the position of the position estimation target by inputting the relationship between the position information of the estimation target and the input feature amount into a position estimation model
  • the channel information input feature amount is calculated for each individual wireless communication terminal (fixed terminal, position estimation device), for each individual wireless communication unit that received the wireless signal, and for wireless communication between the wireless communication terminal, the position estimation target, and the management device.
  • the management device 1 of this embodiment described above includes, for example, a CPU 901, a memory 902, a storage 903, a communication device 904, an input device 905, and an output device 906, as shown in FIG. It can be realized using a general-purpose computer system.
  • Memory 902 and storage 903 are storage devices.
  • each function of the management device 1 is realized by the CPU 901 executing a predetermined program loaded on the memory 902 .
  • the management device 1 may be implemented with one computer.
  • the management device 1 may be implemented by multiple computers.
  • the management device 1 may be a virtual machine implemented on a computer.
  • Programs for the management device 1 can be stored in computer-readable recording media such as HDDs, SSDs, USB memories, CDs, and DVDs.
  • the program for management device 1 can also be distributed via a communication network.
  • Management device 1-0 Location estimation model management unit 1-0-1-1 to 1-0-1-P: Individual management model 1-0-2: Model evaluation unit 1-1 to 1-R: Wireless Communication unit 1-2: Input feature generation unit 1-3: Location estimation model usage unit 1-4: Location estimation model training unit 2-1 to 2-Q: Location estimation target 2-1-1 to 2-Q- 1: Wireless communication unit 3-1 to 3-M: Fixed terminal 3-1-1 to 3-M-1: Wireless communication unit 901: CPU 902: Memory 903: Storage 904: Communication device 905: Input device 906: Output device

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

環境に固定された固定端末と無線通信を行い、又は前記固定端末及び位置推定対象と無線通信を行い、無線通信を行う無線通信部の状態を管理する管理装置1において、前記固定端末又は前記位置推定対象の無線通信部の数と自装置の無線通信部とのうち少なくとも一方は、複数であって、前記固定端末に具備された無線通信を行う無線通信部、又は前記固定端末と前記位置推定対象に具備された無線通信部からの無線信号を受信し、前記無線信号から電波伝搬に関する複数のチャネル情報を取得する1つ以上の無線通信部1-1～1-Rと、前記複数の無線通信部に対応するチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換する入力特徴量生成部1-2と、前記複数の入力特徴量を、前記位置推定対象の位置情報と入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、前記位置推定対象の位置を推定計算する位置推定モデル利用部1-3と、前記複数の無線通信部の入力特徴量の各入力特徴量を、前記固定端末毎若しくは前記位置推定対象毎に、自装置の無線通信部毎に、又は前記固定端末と前記位置推定対象と前記自装置の無線通信部の中から選択された複数の無線通信部に対して、生成された個別管理モデルにそれぞれ入力することで、固定端末若しくは位置推定対象、又は自装置の無線通信部のうちいずれかに異常が生じているか否かの判定、又は前記判定のための指標を出力するモデル評価部1-0-2と、を備える。

Description

管理装置、管理方法、及び、管理プログラム
　本発明は、管理装置、管理方法、及び、管理プログラムに関する。
　様々な機器がインターネットに繋がるIOT（Internet of things）の実現が進んでいる。自動車、ドローン、建設機械車両等、様々な機器が無線で接続されつつある。無線通信規格についても、標準化規格IEEE 802.11で規定される無線LAN（Local Area Network）、Bluetooth（登録商標）、LTEや5Gによるセルラー通信、IOT向けのLPWA（Low Power Wide Area）通信、車両用の通信に用いられるETC（Electronic Toll Collection System）、VICS（Vehicle Information and Communication System）、ARIB-STD-T109等、サポートする無線通信規格も発展しており、今後の普及が期待されている。
　無線通信機器は、高いスループットや信頼性能を確保するため、複数のアンテナを用いたMIMO（Multiple input multiple output）通信技術が導入されている。MIMO通信技術は、送信側と受信側との間でどのように電波が伝搬しているかを示すチャネル情報を利用することで、スループットや信頼性能を向上できる。例えば、送信側の無線通信機器には、受信側の無線通信機器に対してチャネル情報を伝えるフィードバック信号の送信機能がサポートされている（非特許文献1参照）。
　また、電波伝搬に関するチャネル情報を無線通信機器の位置を推定するために用いる技術が知られている（非特許文献2、3参照）。例えば、複数の基地局と無線通信した無線信号の到達時間やレベル等を基に、無線通信機器の位置を特定する。
"Part 11: Wireless LAN Medium Access Control (MAC) and Physical Layer (PHY) Specifications"、IEEE Computer Society、IEEE Std 802.11、2016年、p.2396-p.2400 Y. Tao、外１名、"A Novel System for WiFi Radio Map Automatic Adaptation and Indoor Positioning"、in IEEE Transactions on Vehicular Technology、vol. 67、 no. 11、2018年11月、p.10683-p.10692 H. CAO、外５名、"Indoor Positioning Method Using WiFi RTT Based on LOS Identification and Range Calibration"、in Proc., ISPRS International Journal of Geo-Information、2020年9月
　従来、固定端末の無線通信部から送信される無線信号のチャネル情報を用いて、当該固定端末と同じ環境内に位置する位置推定対象の位置を推定できる。また、位置推定対象の無線通信部から送信される無線信号のチャネル情報を更に用いて、当該位置推定対象の位置を推定できる。
　しかしながら、複数の無線通信端末（複数の固定端末、又は、1つ以上の固定端末及び1つ以上の位置推定対象）に対応する複数のチャネル情報を用いて位置推定対象の位置を推定する場合において、当該複数の無線通信端末のうちいずれかの無線通信端末で異常が生じた場合には、位置推定精度が低下し、異常原因の特定が困難であるという課題があった。
　本発明は、上記事情に鑑みてなされたものであり、本発明の目的は、複数のチャネル情報を用いて位置推定対象の位置を推定する位置推定装置において、無線信号を送信している個別の無線通信端末（固定端末、位置推定対象）、又は無線信号を受信する自装置の個別の無線通信部の状態を管理可能な技術を提供することである。
　本発明の一態様の管理装置は、環境に固定された固定端末と無線通信を行い、又は前記固定端末及び位置推定対象と無線通信を行い、無線通信を行う無線通信部の状態を管理する管理装置において、前記固定端末又は前記位置推定対象の無線通信部の数と自装置の無線通信部とのうち少なくとも一方は、複数であって、前記固定端末に具備された無線通信を行う無線通信部、又は前記固定端末と前記位置推定対象に具備された無線通信部からの無線信号を受信し、前記無線信号から電波伝搬に関する複数のチャネル情報を取得する1つ以上の無線通信部と、前記複数の無線通信部に対応するチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換する入力特徴量生成部と、前記複数の入力特徴量を、前記位置推定対象の位置情報と入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、前記位置推定対象の位置を推定計算する位置推定モデル利用部と、前記複数の無線通信部の入力特徴量の各入力特徴量を、前記固定端末毎若しくは前記位置推定対象毎に、自装置の無線通信部毎に、又は前記固定端末と前記位置推定対象と前記自装置の無線通信部の中から選択された複数の無線通信部に対して、生成された個別管理モデルにそれぞれ入力することで、固定端末若しくは位置推定対象、又は自装置の無線通信部のうちいずれかに異常が生じているか否かの判定、又は前記判定のための指標を出力するモデル評価部と、を備える。
　本発明の一態様の管理方法は、環境に固定された固定端末と無線通信を行い、又は前記固定端末及び位置推定対象と無線通信を行い、無線通信を行う無線通信部の状態を管理する管理方法において、前記固定端末又は前記位置推定対象の無線通信部の数と自装置の無線通信部とのうち少なくとも一方は、複数であって、管理装置において、1つ以上の無線通信部が、前記固定端末に具備された無線通信を行う無線通信部、又は前記固定端末と前記位置推定対象に具備された無線通信部からの無線信号を受信し、前記無線信号から電波伝搬に関する複数のチャネル情報を取得するステップと、入力特徴量生成部が、前記複数の無線通信部に対応するチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換するステップと、位置推定モデル利用部が、前記複数の入力特徴量を、前記位置推定対象の位置情報と入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、前記位置推定対象の位置を推定計算するステップと、モデル評価部が、前記複数の無線通信部の入力特徴量の各入力特徴量を、前記固定端末毎若しくは前記位置推定対象毎に、自装置の無線通信部毎に、又は前記固定端末と前記位置推定対象と前記自装置の無線通信部の中から選択された複数の無線通信部に対して、生成された個別管理モデルにそれぞれ入力することで、固定端末若しくは位置推定対象、又は自装置の無線通信部のうちいずれかに異常が生じているか否かの判定、又は前記判定のための指標を出力するステップと、を行う。
　本発明の一態様の管理プログラムは、上記管理装置としてコンピュータを機能させる。
　本発明によれば、複数のチャネル情報を用いて位置推定対象の位置を推定する位置推定装置において、無線信号を送信している個別の無線通信端末（固定端末、位置推定対象）、又は無線信号を受信する自装置の個別の無線通信部の状態を管理可能な技術を提供できる。
図１は、本実施形態に係る無線通信システムの全体構成を示す図である。 図２は、位置推定モデル管理部の構成を示す図である。 図３は、管理装置の動作を示す図である。 図４は、実験環境エリアを示す図である。 図５は、実験環境エリアの分割例を示す図である。 図６は、位置推定誤差の測定結果を示す図である。 図７は、管理装置のハードウェア構成を示す図である。
　以下、図面を参照して、本発明の実施形態を説明する。図面の記載において同一部分には同一符号を付し説明を省略する。
　［発明の概要］
　本発明は、複数のチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換し、変換した複数の入力特徴量の各入力特徴量を、無線信号を送信している無線通信端末（固定端末、位置推定対象）毎、無線信号を受信する自装置の無線通信部毎、又は複数の無線通信部の中から選択され任意に組み合わせた複数の無線通信部毎に生成された機械学習の各個別管理モデルにそれぞれ入力することで、各無線通信端末（固定端末、位置推定対象）、又は自装置の各無線通信部の正常又は異常をそれぞれ判定し、又は判定のための指標を出力する。つまり、固定に設置した無線基地局等の固定端末を複数用いて（複数のチャネル情報を用いて）位置推定を行う場合に、いずれかの固定端末がずれてしまったり、故障したりしたことを検出するため、個々のチャネル情報の利用も同時に行いながらモニタする。
　このように、本発明は、チャネル情報から生成される入力特徴量を、個別の無線通信端末毎、若しくは無線信号を受信した個別の無線通信部毎、又は、複数の無線通信部の中から選択され任意に組み合わせた複数の無線通信部毎に予め生成した個別管理モデルにより、無線通信端末又は無線通信部が異常であるかを判定し、又は判定のための指標を出力するので、無線通信端末、又は自装置の無線通信部の状態を個別に管理可能な技術を提供できる。
　なお、チャネル情報とは、送信側の無線通信端末と受信側の無線通信端末との間でどのように電波が伝搬しているか、及び無線通信の通信品質に関する情報である。例えば、無線通信における受信電力や電波伝搬係数、MIMO（Multiple Input Multiple Output）通信技術において、送信側の無線通信端末の備える複数のアンテナと受信側の無線通信端末の備える複数のアンテナとの間での電波伝搬の状態を表すチャネル行列、信号対雑音干渉電力に関する情報である。
　入力特徴量とは、チャネル情報を機械学習モデルに入力可能に変換したチャネル情報の特徴量である。例えば、入力特徴量は、変換しないチャネル情報そのもの、チャネル情報に様々な演算を施して得られる数値である。例えば、無線信号の受信電力、信号電力、受信電力や信号電力の移動平均から得られる電力比情報、複数のアンテナ間の電波伝搬係数からなるチャネル行列、チャネル行列の相関行列、チャネル行列を信号処理して得られる演算行列、相関行列を信号処理して得られる演算行列、複数の周波数に対応するチャネル行列若しくは相関行列を信号処理して得られる演算行列、チャネル行列を線形演算して得られるユニタリ行列、相関行列を線形演算して得られるユニタリ行列、演算行列を線形演算して得られるユニタリ行列、チャネル行列を線形演算して得られる対角行列、相関行列を線形演算して得られる対角行列、演算行列を線形演算して得られる対角行列、チャネル行列を線形演算して得られる三角行列、相関行列を線形演算して得られる三角行列、演算行列を線形演算して得られる三角行列に関する特徴量のうち、1つ以上の特徴量の位相、振幅、実数成分、虚数成分の値、及び当該1つ以上の値の係数の範囲を規格化した値である。
　位置推定対象とは、無線通信端末と同じ環境内に位置する移動可能な物体である。位置推定対象の位置とは、例えば、位置推定対象が移動している経路上の位置、2次元空間内（地図等）の位置、3次元空間内の位置である。これらの位置情報に加え、向きや速度等、より詳細な物理的な状態を更に推定してもよい。
　［無線通信システムの全体構成］
　図１は、本実施形態に係る無線通信システムの全体構成を示す図である。
　無線通信システムは、管理装置1と、固定端末3-1～3-Mと、位置推定対象2-1～2-Qと、を備える。
　管理装置1は、位置推定対象2-1～2-Qの位置を推定する位置推定装置であり、かつ、無線信号を送信する固定端末3-1～3-M、無線信号を送信する位置推定対象2-1～2-Q、無線信号を受信する自装置の無線通信部1-1～1-Rの状態を管理する管理装置である。
　管理装置1は、複数の固定端末3-1～3-Mのうち少なくとも1つの固定端末から送信される無線信号のチャネル情報を収集することで、固定端末3-1～3-Mと同じ環境内に位置する複数の位置推定対象2-1～2-Qのうち少なくとも1つの位置推定対象の位置を推定する。また、管理装置1は、複数の位置推定対象2-1～2-Qのうち少なくとも1つの位置推定対象から送信される無線信号のチャネル情報を更に収集することで、複数の位置推定対象2-1～2-Qのうち少なくとも1つの位置推定対象の位置を推定する。管理装置1は、固定端末のチャネル情報のみを用いて位置推定対象の位置を推定可能であり、位置推定対象のチャネル情報を更に用いて位置推定対象の位置を推定可能である。
　固定端末3-1～3-Mは、無線通信部3-1-1～3-M-1を備える。1つの固定端末は、1つ以上の無線通信部を備える。位置推定対象2-1～2-Qは、無線通信部2-1-1～2-Q-1を備えてもよいし、無線通信部のない単なる位置推定対象でもよい。固定端末3-1～3-M、及び位置推定対象2-1～2-Qにおいて具備される位置推定に用いる無線通信部を、端末又は無線通信端末の無線通信部と定義する。1つの位置推定対象は、1つ以上の無線通信部を備えてもよい。無線通信部3-1-1～3-M-1及び無線通信部2-1-1～2-Q-1は、それぞれ、送受で既知となるパイロット信号、又は、任意の無線通信部との間のチャネル情報を含む無線信号を送信する。任意の無線通信部とは、管理装置1に備わる無線通信部1-1～1-R（Rは1以上の整数）、又は、それ以外の無線通信部である。
　本実施形態で説明する管理装置1は、複数の端末の無線通信部（3-i-1又は2-j-1）、又は複数の自身の無線通信部（1-1～1-R）を有する場合に適用される。端末の無線通信部（3-i-1又は2-j-1）の数と、管理装置1の無線通信部（1-1～1-R）と、のうち少なくとも一方は、複数である。端末の無線通信部が1つである場合には、複数の自身の無線通信部（1-1～1-R）のうちいずれかが異常になっているかいないかを確認でき、自身の無線通信部（1-1～1-R）が1つの場合には、端末の無線通信部（3-i-1又は2-j-1）に異常がないかを確認でき、いずれも複数である場合には、管理装置１及び端末の無線通信部の双方の異常を確認できる。
　管理装置1は、無線通信部1-1～1-Rを介して、1つ以上の端末の無線通信部（3-i-1（1≦i≦M）又は2-j-1（1≦j≦Q））からの無線信号を受信する。又は、管理装置1は、無線通信部1-1～1-Rを介して、1つ以上の端末の無線通信部からの無線信号を受信する。
　そして、管理装置1は、受信した複数の無線信号から、1つ以上の端末の無線通信部（3-i-1又は2-j-1）と任意の自身の無線通信部1-1～1-Rとの間の複数のチャネル情報を取得する。
　そして、管理装置1は、取得した複数のチャネル情報を入力特徴量生成部1-2に入力する。入力特徴量生成部1-2は、複数のチャネル情報を機械学習モデルへの入力に適した複数の入力特徴量に変換し、変換した複数の入力特徴量を位置推定モデル利用部1-3に入力する。
　その後、位置推定モデル利用部1-3は、1つ以上の端末の無線通信部（固定端末3-i又は位置推定対象2-j）から収集した複数のチャネル情報の入力特徴量を、位置推定対象の位置情報とチャネル情報の入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、位置推定対象2-jの位置を推定する。
　その後、位置推定モデル管理部1-0は、入力特徴量生成部1-2で生成された複数のチャネル情報のうち、個別の端末の無線通信部のチャネル情報に対応する個別の入力特徴量を用いて、固定端末又は位置推定対象の正常異常を判断したり、異常を判断するための指標を出力する。
　具体的には、位置推定モデル管理部1-0は、入力特徴量生成部1-2で生成された端末の無線通信部のチャネル情報に対応する複数の入力特徴量の各入力特徴量を、無線信号を送信した端末の無線通信部毎、又は無線信号を受信した自装置の無線通信部1-r（1≦r≦R）毎、又は、送信した端末若しくは自装置の無線通信部の複数の組み合わせに対応して予め生成された機械学習の個別管理モデルにそれぞれ入力することで、端末の無線通信部（3-i-1又は2-j-1）、又は自装置の各無線通信部1-rの正常又は異常をそれぞれ判定したり、異常を判断するための指標を出力する。
　　［固定端末の構成］
　固定端末3-iは、無線通信部3-i-1を備え、所定環境内に設置された無線通信端末である。固定端末3-iは、例えば、壁、床、天井等に固定され、動かないように固定されていることが望ましい。固定端末3-iは、特殊な専用装置を用いて実現してもよいし、スマートフォン、PC等の無線通信部を内蔵する任意の端末を用いて実現してもよい。1つの固定端末3-iが複数の無線通信部3-i-1を備えてもよい。固定端末3-iは、複数でもよい。
　　［位置推定対象の構成］
　位置推定対象2-jが無線通信部2-j-1を備える場合、固定端末3-iと同じ環境内に位置する移動可能な無線通信端末であり、かつ位置推定対象となる。例えば、位置推定対象2-jは、自律走行ロボットである。管理装置1は固定端末3-jのチャネル情報のみを用いて位置推定対象2-jの位置を推定できるので、位置推定対象2-jは、無線通信部2-j-1を備えなくてもよい。1つの位置推定対象2-jが複数の無線通信部2-j-1を備えてもよい。位置推定対象2-jは、複数でもよい。
　　［管理装置の構成］
　管理装置1は、例えば、主要場所に設置された基地局である。管理装置1は、固定端末3-iや位置推定対象2-jと通信可能な無線通信部、又は、固定端末3-iや位置推定対象2-jから送信される無線信号を復号可能な無線通信部を備えるいかなる構成でもよい。管理装置1は、無線信号を送信する機能は必ずしも必要ではない。管理装置1は、無線通信部1-1～1-Rのアンテナ部が固定である方が、位置推定精度を向上するために望ましい。
　管理装置1は、図１に示したように、例えば、無線通信部1-1～1-Rと、入力特徴量生成部1-2と、位置推定モデル利用部1-3と、位置推定モデル訓練部1-4と、位置推定モデル管理部1-0と、を備える。
　無線通信部1-1～1-Rは、無線通信を行うか、無線信号の受信を行う通信部である。無線通信部1-1～1-Rは、複数の周波数、複数の周波数帯域、又は、複数の無線通信システムに対応してもよい。図１では、無線通信部1-1～1-Rは、M台の固定端末3-1～3-Mから送信された無線信号を受信する構成を示す。
　無線通信部1-1～1-Rのうちいずれかは、端末の無線通信部（3-i-1又は2-j-1）と通信を行う基地局であってもよい。例えば、端末の無線通信部は、図１に示されていない任意の基地局と通信し、自身が当該任意の基地局へ送信する無線信号を受信してもよい。それらを混合した構成であってもよい。受信側の無線通信部1-1～1-Rは、単一の搬送波周波数による無線信号を復号可能なので、端末の無線通信部は、無線信号を同じ周波数で送信することで、無線通信部1-1～1-Rの回路の複雑性を軽減してもよい。位置推定対象2-1～2-Qについても同様である。
　複数の無線通信部1-1～1-Rは、1つ以上の固定端末3-1～3-Mの複数の無線通信部3-1-1～3-M-1から送信される複数の無線信号を受信し、受信した複数の無線信号から、固定端末3-iと管理装置1との間の電波伝搬に関する複数のチャネル情報を取得し、又は、固定端末3-i以外の無線通信機器と管理装置1との間の電波伝搬に関する複数のチャネル情報を取得する機能を備える。無線通信部1-1～1-Rは、固定端末3-iに対応する複数のチャネル情報を取得すると、取得した複数のチャネル情報を入力特徴量生成部1-2へ入力する。
　また、複数の無線通信部1-1～1-Rは、固定端末3-1～3-Mの無線通信部3-1-1～3-M-1と位置推定対象2-1～2-Qの無線通信部2-1-1～2-Q-1のうち、少なくとも固定端末の無線通信部を含むいずれかの複数の無線通信部から送信される複数の無線信号を受信し、受信した複数の無線信号から、端末の無線通信部（3-i-1又は2-j-1）と管理装置1との間の電波伝搬に関するチャネル情報を取得する機能を備える。無線通信部1-1～1-Rは、固定端末3-i又は固定端末3-iと位置推定対象2-jに対応する複数のチャネル情報を取得すると、取得した複数のチャネル情報を入力特徴量生成部1-2へ入力する。
　入力特徴量生成部1-2は、入力された複数のチャネル情報を、機械学習モデルに入力可能な複数の入力特徴量に変換する機能を備える。入力特徴量生成部1-2は、変換後の複数のチャネル情報の入力特徴量を位置推定モデル利用部1-3と位置推定モデル管理部1-0へ入力する。
　位置推定モデル利用部1-3は、入力された複数の入力特徴量を、電波伝搬に関するチャネル情報と位置推定対象2-jの位置情報との関係性を機械学習によりモデル化した位置推定モデルに入力することで、複数のチャネル情報に基づく位置推定対象2-jの位置を推定計算する機能を備える。
　このように、位置推定モデル利用部1-3は、チャネル情報を基に位置推定対象2-jの位置を計算する。ここで、チャネル情報を基に位置情報を計算する場合、固定端末3-iの位置、向きや指向性等のアンテナ条件、固定端末3-iの無線通信部3-i-1や管理装置1の無線通信部1-rの回路構成や設定内容に変化がないことが高い推定精度を得るために必要となる。これは機械学習により生成されるモデルが入力されるデータと出力の関係に再現性を必要とするためである。
　同様に、管理装置1の無線通信部1-rも、静的で変化がないようにする必要がある。位置がずれたり、アンテナの向きや接続条件が変わったり、固定端末3-iの無線通信部3-i-1や管理装置1の無線通信部1-rの回路内に問題が生じると、チャネル情報と位置情報の関係が変化し、位置推定モデルは正しい位置情報を出力できなくなる。特に、複数の端末の無線通信部からチャネル情報を取得したり、複数の管理装置1の無線通信部1-r（r≧2）で受信したり、その両方である場合には、何が原因で位置情報の精度が悪くなったのか、切り分けることが困難となる。
　位置推定モデル管理部1-0は、図２に示すように、複数の個別管理モデル1-0-1-1～1-0-1-Pと、モデル評価部1-0-2と、を備える。位置推定モデル管理部1-0は、入力特徴量生成部1-2で生成された複数のチャネル情報の入力特徴量のうち、無線信号を送信した固定端末3-iの個別の無線通信部3-i-1、無線信号を送信した位置推定対象2-jの個別の無線通信部2-j-1、無線信号を受信した自装置の個別の無線通信部1-r、又は固定端末3-iと位置推定対象2-jと無線通信部1-rとの中から選択した複数の組み合わせ（複数の無線通信部）に対応する入力特徴量のみを用いて、予め学習された個別管理モデルにより、入力された入力特徴量に異常を判断するための情報を出力し、モデル評価部1-0-2において、個別管理モデルからの出力を用いて、入力特徴量に対応する無線通信部に異常がないかを判定したり、異常を判定するための指標を出力する。例えば、個別管理モデルを位置推定モデルとすることで、位置推定対象2-1～2-Pのうち少なくとも1つの位置推定対象2-jの位置情報をそれぞれ出力し、モデル評価部1-0-2が、無線通信部が正常状態か異常状態かを判定したり、異常を判定するための指標を出力できる。
　異常を判定するための情報として、位置情報を個別管理モデル1-0-1-1～1-0-1-Pから出力する場合には、モデル評価部1-0-2は、位置情報の出力結果を一旦記憶部に記憶しておき、所定のタイミングで記憶部から位置情報を読み出して、読み出した位置情報と別途用意した正確な位置推定対象2-jの位置情報とを比較することで、位置情報の出力結果が正しいか否かをオフライン評価することもできる。
　又は、位置推定モデル利用部1-3による位置情報の出力結果と、個別管理モデルとして生成した、個別の無線通信部に対応する入力特徴量と位置情報の間の関係性から生成された位置推定モデルを用いて予測された位置情報の出力結果を、モデル評価部1-0-2が比較する。そして、いずれかの個別管理モデルの出力が、大きくずれる不正確な値となってないかをリアルタイムで評価したり、3つ以上の個別管理モデルを具備することで、他の個別管理モデルからの出力と大きくずれたり、異なる振る舞いをする個別管理モデルを検出したり、機械学習の技術として検討されている異常検知のアルゴリズムにより、個別管理モデルから、異常の判定または異常を判定するための指標を出力し、モデル評価部において、無線通信部の異常を検知したり、異常を判定するための指標を出力できる。例えば、正常時のデータの特徴とのずれを値として出力し、別のシステムや人間が出力の値から、別途異常を判断したり、異常の種類や特徴を分析したりできる。
　無線通信部の異常の判定は、個別管理モデルが単一の無線通信部に対応する入力特徴量であれば、その個別管理モデルが対応する無線通信部が異常、又は異常の疑いに関する指標を出力できる。個別管理モデルが複数の無線通信部に対応する入力特徴量であれば、異常を判定していたり、異常の疑いが強い指標を出力する個別管理モデルが対応する無線通信部に対し、異常、又は異常の疑いに関する指標を出力できる。例えば、複数の個別管理モデルの出力が異常を示しており、用いられる入力特徴量に共通して含まれる無線通信部があれば、当該無線通信部が異常値を出している可能性が高いと判定できる。
　前述の位置推定モデル利用部1-3からの出力との比較では、位置推定モデルの結果そのものが、いずれかの無線通信部が異常データを出すことで大きくずれることも想定されるため、位置推定モデル利用部1-3の出力も、個別管理モデル1-0-1-1～1-0-1-Pの出力と同様、機械学習による異常検知を適用し、個別管理モデルからの個別の出力を用い、より詳細に異常の原因を分析してもよい。例えば、時間や本発明による管理装置以外の情報との関連性を用い、異常の原因を分析してもよい。
　複数の個別管理モデル1-0-1-p（1≦p≦P）は、それぞれ、1つの端末の無線通信部（3-i-1又は2-j-1）、又は自装置の1つの無線通信部1-r、のチャネル情報から生成される入力特徴量と、位置推定対象2-jの位置情報と、の関係性を機械学習によりモデル化した位置推定モデルとすることができる。各個別管理モデル1-0-1-pは、1つの無線通信部に対応する入力特徴量が入力され、位置推定対象2-jの位置情報を出力する。
　又は、個別管理モデルは、複数の端末の無線通信部（3-i-1又は2-j-1）、又は複数の無線通信部1-rのチャネル情報から生成される入力特徴量から、位置情報を出力するように訓練された位置推定モデルを用いてもよい。
　個別管理モデルに、複数の端末（固定端末、位置推定対象）の無線通信部や複数の無線通信部に対応する入力特徴量を用いることで、出力される異常を判定するための情報の精度を高めることができる。個別管理モデルに位置推定モデルを用いた例では、単一の無線通信部から位置予測を行うと位置予測精度が低く、異常の判定が難しい場合がある。異常検知により、数値化された異常度を出力する場合においても、入力される情報に再現性が高ければ、異常性の判断の精度も高められることが期待できる。デメリットとして、複数の無線通信部に対応する個別管理モデルを有する場合は、異常がどの無線通信端末にあるかの特定には至らない可能性があるが、少なくともいくつかの無線通信端末のうちいずれかが異常であることは分かる他、様々な組み合わせの無線通信端末の入力特徴量から位置情報を出力する個別管理モデルを用意することで、異常のある無線通信端末の特定を行うこともできる。
　モデル評価部1-0-2は、入力された1つの無線通信部に対応するチャネル情報から推定される位置推定対象2-jの位置情報と、位置推定モデル利用部1-3が出力した複数の無線通信部に対応するチャネル情報を用いて推定された位置推定対象2-jの位置情報とを比較し、比較した2つの位置情報の差（誤差）が閾値を上回る場合や、誤差の傾向が特定の条件を満たす場合、入力されたチャネル情報に対応する無線通信部を異常と判定したり、異常を判定するための指標を出力する機能を備える。例えば、モデル評価部1-0-2は、複数の位置情報の集合において外れ値となる値の位置情報を異常と判定したり、集合からの値のずれを異常と判定するための指標を出力したり、外れ値の外れ度（外れているレベル）を出力する。
　個別管理モデル1-0-1として機械学習の異常検出アルゴリズムを用いる場合には、固定端末3-i、若しくは位置推定対象2-j、又は自装置の無線通信部1-rのうち1つ以上の無線通信装置のチャネル情報から生成される入力特徴量であって、正常状態におけるデータを用いて、異常検出アルゴリズムの個別管理モデルを構築することができる。異常検出アルゴリズムは、正常状態におけるデータ系列を学習することで、予め把握している正常なパターンから外れることを検出できる。又は、無線通信部やアンテナの位置がずれたデータ、装置が故障する等の異常データ、それら異常を想定して予め作成した疑似異常データを用いて、特定の異常を検出できるようにしてもよい。モデル評価部1-0-2は、個別管理モデルからの異常に関する情報が入力され、どの無線通信部がどのような異常を有するかについて、異常判定や判定に用いることための指標を出力することができる。
　つまり、正常時における無線通信部（固定端末、位置推定対象、管理装置の各無線通信部）のチャネル情報を与えて予め異常検出アルゴリズムを生成しておいてもよい。例えば、各個別管理モデルがそれぞれ単一の無線通信部に関する入力特徴量を入力とする場合には、モデル評価部1-0-2において、異常判定や異常を示す指標を出力する個別管理モデルに対応する無線通信部を、異常状態として検出することもできる。
　また、個別管理モデル1-0-1又はモデル評価部1-0-2に、位置推定モデル利用部1-3の出力である位置情報を合わせて入力してもよい。又は、本発明による管理装置1以外の異常の判定に有効な情報を同時に入力してもよい。チャネル情報に影響がある取得可能なパラメータ（例えば、温度、湿度、時間、混雑度、物体の位置情報、構造物の状態情報等）を位置推定モデルに入力することで、位置予測、位置予測に基づく異常検知、入力特徴量の異常検知、の精度を高めることができる。例えば、個別管理モデル1-0-1として位置推定モデルを用いる場合には、出力される位置情報と位置推定モデル利用部1-3の予測した位置情報と比較することで、モデル評価部1-0-2で異常を判定することができる。
　また、個別管理モデルを別途生成するのではなく、位置推定モデル利用部1-3における位置推定モデルの一部としてもよい。例えば、位置推定モデルはすべての無線通信部に対応するチャネル情報を用いて構築される深層学習によるニューラルネットワークだったとして、中間層として、個別の無線通信部からの入力特徴量のみを用いた層を有し、中間層の出力が当該特定の無線通信部からの入力特徴量を用いた位置予測結果に収束するように訓練することで、位置推定モデルの一部を、個別管理モデルとして機能させてもよい。
　なお、位置推定モデル利用部1-3が用いる位置推定モデル、位置推定モデル管理部1-0が備える個別管理モデル（位置推定モデル、異常検出アルゴリズム）は、予め生成済みのモデルを用いてもよいし、新たに生成されたデータで、ファインチューニングやトランスファーラーニング等によりアップデートされてもよい。個別管理モデルに位置推定モデルを用いる場合には、位置推定モデル訓練部1-4で生成されアップデートされるモデルを用いてもよい。位置推定モデルとは、固定端末3-iと同じ環境内に位置する位置推定対象2-jの位置情報と、固定端末3-iや位置推定対象2-jから取得される電波伝搬に関するチャネル情報（≒入力特徴量）と、の関係性を、機械学習により訓練することで生成した位置推定モデルである。その他、位置推定モデルは、デジタルツイン技術等により、シミュレーション空間に実空間と同等の空間を生成し、仮想的に生成した位置推定対象とシミュレーションにより計算したチャネル情報との間の関係性を用いて生成してもよい。位置推定モデルは、他の位置推定部で計測したチャネル情報と位置推定対象との関係性から作成した位置推定モデルを用いてもよい。
　位置推定モデル訓練部1-4は、位置推定対象2-jの位置情報に関するデータを別途取得し、取得した位置情報とチャネル情報との関係性を基に位置推定対象2-jの位置を推定可能な推定位置推定モデルを訓練することで、位置推定モデルを生成する機能を備える。また、位置推定モデル訓練部1-4は、生成した位置推定モデルをアップデートする更に機能を備える。アップデートの方法としては、例えば、深層学習で知られるファインチューニングやトランスファーラーニングを用いることができる。
　位置推定対象2-jの位置情報については、位置推定対象2-jに搭載された位置測定機能による位置測定データを何らかの手段で定期的に収集することで取得してもよい。また、所定の機械学習モデルを用いることで、位置推定対象2-jの位置情報と固定端末3-iから得られるチャネル情報との間の関係性を推定学習可能である。何らかの手段とは、位置推定対象2-jに搭載されたセンサ、カメラ、無線測位、SLAM（Simultaneous Localization And Mapping）、GPS（Global Positioning System）等である。管理装置1は、位置推定対象2-jにより得られた位置推定対象2-jの位置及び時間情報を記憶部に記憶し、その位置及び時間情報を定期的に一括して位置推定モデル訓練部1-4へ入力することで、位置推定モデルを訓練するための教師データとすることができる。
　位置推定モデル訓練部1-4は、入力された位置推定対象2-jの位置及び時間情報と、同じく記憶部に記憶しているチャネル情報及び時間情報とを、同じ時間軸で比較することで、両者の関係性を学習することで、位置推定モデルを訓練できる。又は、位置推定モデル訓練部1-4は、管理装置1に搭載されたカメラ、センサ、無線測位等の情報から位置推定対象2-jの位置情報を取得し、同一時刻・同一時間帯のチャネル情報との関係性を学習することで、位置推定モデルを訓練できる。
　［管理装置の動作］
　図３は、管理装置1の動作を示す図である。
　予め、複数の端末の無線通信部（3-i-1又は2-j-1）と、管理装置１の無線通信部との間で無線通信を行い、複数の無線通信部に対応する無線信号を受信し、位置推定対象の位置を出力しつつ、いずれかの無線通信機器に異常が生じないかを管理できる。
　まず、管理装置1の無線通信部1-1～1-Rが、固定端末3-i又は固定端末3-iと位置推定対象2－jに具備される1つ以上の無線通信部から送信された無線信号を受信し、受信した無線信号から端末の無線通信部に対応するチャネル情報を取得する（ステップS1）。ここで、取得した無線通信部の数が複数であるか、あるいは管理装置１の無線通信部が複数であるか、いずれかであるときに、本発明による管理装置1が機能する。
　次に、入力特徴量生成部1-2が、取得した無線通信部に対応するチャネル情報を、位置推定モデルへの入力に適した入力特徴量に変換し、位置推定モデル利用部1-3と位置推定モデル管理部1-0へ入力する（ステップS2）。入力特徴量とは、例えば、無線信号の受信電力、信号電力、受信電力や信号電力の移動平均から得られる電力比情報、複数のアンテナ間の電波伝搬係数からなるチャネル行列、チャネル行列の相関行列、チャネル行列を信号処理して得られる演算行列、相関行列を信号処理して得られる演算行列、複数の周波数に対応するチャネル行列若しくは相関行列を信号処理して得られる演算行列、チャネル行列を線形演算して得られるユニタリ行列、相関行列を線形演算して得られるユニタリ行列、演算行列を線形演算して得られるユニタリ行列、チャネル行列を線形演算して得られる対角行列、相関行列を線形演算して得られる対角行列、演算行列を線形演算して得られる対角行列、チャネル行列を線形演算して得られる三角行列、相関行列を線形演算して得られる三角行列、演算行列を線形演算して得られる三角行列に関する特徴量のうち、1つ以上の特徴量の位相、振幅、実数成分、虚数成分の値、及び当該1つ以上の値の係数の範囲を規格化した値である。入力特徴量の具体的な計算方法については、後述する。
　次に、位置推定モデル利用部1-3が、変換後の入力特徴量を位置推定モデルに入力することで、チャネル情報に基づく位置推定対象2-jの位置情報を推定計算して出力する（ステップS3）。
　また、位置推定モデル管理部1-0が、個別の無線通信部ごとに、入力特徴量を分離し、個別管理モデル1-0-1-1～1-0-1-Pにおいて、それぞれの無線通信部に対応する入力特徴量で位置推定対象2-jの位置推定を実施するように訓練された位置推定モデルにより、位置推定対象2-jの位置情報をそれぞれ推定計算し、モデル評価部1-0-2へ出力する。又は、個別管理モデルにおいて、それぞれの無線通信部に対応する入力特徴量に異常検知アルゴリズムを用いて、異常度を表す指標を出力する（ステップS4）。
　その後、モデル評価部1-0-2は、個別の無線通信部のチャネル情報に基づく入力特徴量を用いた位置推定対象2-jの位置情報の推定結果、又は異常検知の結果から、いずれかの無線通信部に対応する位置推定モデルに異常がないかを判定したり、異常を判定するための指標を出力する（ステップS5）。位置情報の推定結果を用いる場合には、モデル評価部1-0-2において、ステップS3による位置推定結果を用いてもよいし、3つ以上の個別管理モデルの出力の比較から、ずれた位置情報を出力している無線通信端末を検出してもよいし、別途取得した位置推定対象2-jの位置情報の測定結果を用いてもよいし、前述したチャネル情報に影響がある取得可能なパラメータを用いてもよいし、機械学習による異常検知のアルゴリズムを用いて入力される位置情報の推定結果から、異常検知を行ってもよい。また、個別管理モデルからの入力をもとに、異常の種類の判別を行ってもよい。
　［チャネル情報の収集方法、入力特徴量の計算方法］
　チャネル情報の収集方法、入力特徴量の計算方法の例を以下説明する。
　　［チャネル情報の収集方法、入力特徴量の計算方法（第1例）］
　第1の方法では、固定端末3-i、又は、位置推定対象2-jは、送受で既知となるパイロット信号を送信する。予め、既知のパターンを送信することで、管理装置1の無線通信部1-rは、自身の無線通信部1-rのアンテナ（受信アンテナ数：Mr）と、パイロット信号を送信した無線通信部3-i-1又は無線通信部2-j-1のアンテナ（送信アンテナ数：Ni）と、の間のチャネル行列を取得できる。様々な無線通信システムで利用されているOFDM（直交波分割多重方式）であれば、複数の周波数に対応するサブキャリアのチャネル行列を得ることが可能である。
　このようにして得られた「送信アンテナ数Ni×受信アンテナ数Mr」のチャネル行列Hから、位置推定モデル利用部1-3に入力する入力特徴量を生成する。例えば、OFDMにより複数のサブキャリアに対してチャネル行列を得る場合、η番目のサブキャリアのチャネル行列をHηと定義する。そして、入力特徴量に変換する方法としては、まず、式（1）のように、チャネル行列Hηを、予め定めたノルムで規格化した規格化チャネル行列Gηと、振幅情報γη又は電力情報γη 2と、に分離する。
Figure JPOXMLDOC01-appb-M000001
　Gηは、例えば、||Gη||F=1となるように設定できる。||・|| Fは、フロベニウムノルムを表す。γηは、一般に大きな振れ幅を持ち、10の5乗やそれ以上の値の変化がありうる。このため、γηやγη 2をdBに変換し、その最大値と最小値を規定し、その範囲を0～1の範囲内等で規格化した値で表現するように変換した値を用いてもよい。これを異なる周波数条件やアンテナ条件に対して複数選択したり平均したりした値γallを用いてもよい。
　その他、式（2）のように、振幅情報γηをアンテナ毎に分離し、ノルム値をある値に規格化した各列ベクトルg1，η～gMr，ηと、その振幅値γ1，η～γMr，ηと、を得るようにしてもよい。
Figure JPOXMLDOC01-appb-M000002
　ga，ηは、例えば、||ga，η||F=1となるように規定ベクトルとして設定できる。γa，ηやγa，η 2をdBに変換し、その最大値と最小値を規定し、その範囲を0～1の範囲内等で規格化した値で表現するように変換した値を用いてもよい。これをηに対して複数選択したり平均したりしたa番目の列ベクトルに対応する値γa，allを用いてもよい。
　その他、式（3）のように、振幅情報γηをアンテナ毎に分離し、ノルム値をある値に規格化した各行ベクトルg’1，η～g’Ni，ηと、その振幅値γ’1，η～γ’Ni，ηと、を得るようにしてもよい。
Figure JPOXMLDOC01-appb-M000003
　g’b，ηは、例えば、||g’b，η||F=1となるように規定ベクトルとして設定できる。γ’b，ηやγ’b，η 2をdBに変換し、その最大値と最小値を規定し、その範囲を0～1の範囲内等で規格化した値で表現するように変換した値を用いてもよい。これをηに対して複数選択したり平均したりしたb番目の列ベクトルに対応する値γ’b，allを用いてもよい。
　チャネル行列Hη、規格化チャネル行列Gη、規格化ベクトルga，η、規格化ベクトルg’b，ηは、各要素の実部と虚部をそれぞれ入力特徴量としたり、虚数のまま入力情報としたり、角度情報等の別形式に変換したり、量子化したりすることができる。
　また、チャネル行列Hηを用いて生成される相関行列HηHη H、Hη HHηを用いることができる。規格化チャネル行列Gηを用いて生成される相関行列GηGη H、Gη HGηを用いることができる。チャネル行列Hη、規格化チャネル行列Gη、それらの相関行列HηHη H、Hη HHη、GηGη H、Gη HGηを、複数の周波数に対して和や平均をとった行列ΣHη、ΣGη、ΣHηHη H、ΣHη HHη、ΣGηGη H、ΣGη HGηを用いることができる。これら行列のQR分解、SVD（Singular value decomposition）、固有ベクトル分解等をすることで得られる固有値、対角行列、ユニタリ行列を用いることができる。
　また、上記行列ΣHη、ΣGη、ΣHηHη H、ΣHη HHη、ΣGηGη H、ΣGη HGηを用いて、到来波方向推定技術により得られる、通信機に対する到来方向に対する電力特性を入力特徴量としてもよい。例えば、ベクトル成分に、（1,exp（jdθ）,exp（j2dθ）,…,exp（jNdθ））をそれぞれ乗算して得られる値をθに対して計算できる。0～2πまでのθを任意の角度間隔で生成し、複数のθに対しての出力を入力特徴量とすることもできる。dは、予め定めた定数である。Nは、ベクトルの要素数である。
　つまり、入力特徴量生成部1-2は、入力特徴量として、無線信号の受信電力、チャネル情報のチャネル行列、チャネル行列の相関行列、チャネル行列を信号処理して得られる演算行列、相関行列を信号処理して得られる演算行列、複数の周波数に対応するチャネル行列若しくは相関行列を信号処理して得られる演算行列、チャネル行列を線形演算して得られるユニタリ行列、相関行列を線形演算して得られるユニタリ行列、演算行列を線形演算して得られるユニタリ行列、チャネル行列を線形演算して得られる対角行列、相関行列を線形演算して得られる対角行列、演算行列を線形演算して得られる対角行列、チャネル行列を線形演算して得られる三角行列、相関行列を線形演算して得られる三角行列、演算行列を線形演算して得られる三角行列に関する特徴量のうち、1つ以上の特徴量の位相、振幅、実数成分、虚数成分の値、及び当該1つ以上の値の係数の範囲を規格化した値を生成する。入力特徴量生成部1-2は、このような入力特徴量を時系列のデータとして記憶し、過去から現在までの複数の時間に対応する入力特徴量を位置推定モデルに出力する。
　等化技術を用いる無線通信システムであれば、到来する電気信号のパスの到来時間と電力と位相条件を推定することができる。このように時系列で得られたチャネル情報であっても、電力の規格化、周波数成分への変換、既存の到来波方向技術で抽出される特徴量や角度情報を用いて位置推定モデルの入力特徴量とすることができる。
　　［チャネル情報の収集方法、入力特徴量の計算方法（第2例）］
　第2の方法では、固定端末3-i、又は、位置推定対象2-jは、ある特定の無線基地局と通信を行い、当該特定の無線基地局から送信され受信するパイロット信号からチャネル情報を推定し、何らかの形で量子化してフィードバック情報を生成し、生成したフィードバック情報を含む無線信号を送信する。管理装置1の無線通信部1-rは、当該無線信号を受信し、受信した無線信号の中に含まれる特定の無線基地局と固定端末3-i又は位置推定対象2-jとの間のチャネル情報を取得する。
　まず、特定の無線既知基地局から、送受で既知となるパイロット信号を送信する。予め、既知のパターンを送ることで、固定端末3-iの無線通信部3-i-1又は位置推定対象2-jの無線通信部の2-j-1は、自身の受信するアンテナ（受信アンテナ数：Ni）と、パイロット信号を送信した特定の無線基地局のアンテナ（送信アンテナ数：Mt）と、の間のチャネル行列を取得できる。様々な無線通信システムで利用されているOFDMであれば、複数の周波数に対応するサブキャリアのチャネル行列を得ることができる。
　このようにして得られた「送信アンテナ数Mt×受信アンテナ数Ni」のチャネル行列Hαから、位置推定モデル利用部1-3に入力する入力特徴量を生成する。例えば、OFDMにより複数のサブキャリアに対してチャネル行列を得る場合、η番目のサブキャリアのチャネル行列をHα，ηと定義する。ここで、特定の無線基地局が管理装置1の無線通信部1-rである場合、送信アンテナ数Mtは、第1の方法において無線通信部1-rに対して定義した受信アンテナ数Mrと等しい。また、この場合、チャネル行列Hα，ηは、チャネル行列Hηの転置行列に対応する。
　そこで、入力特徴量に変換する方法としては、第１の方法と同じように、式（4）のように、チャネル行列Hα，ηを、予め定めたノルムで規格化した規格化チャネル行列Gα，ηと、振幅情報γα，η又は電力情報γη 2と、に分離する。
Figure JPOXMLDOC01-appb-M000004
　Gα，ηは、例えば、||Gα，η||F=1となるように設定できる。||・||Fは、フロベニウムノルムを表す。γα，ηやγα，η 2をdBに変換し、その最大値と最小値を規定し、その範囲を0～1の範囲内等で規格化した値で表現するように変換した値を用いてもよい。これを複数選択したり平均したりした値γα，allを用いてもよい。γα，allを平均化して得る場合には、真値で平均化してもよいし、dBにしてから平均にしてもよいし、真値で平均化したものをdB単位にしてもよい。
　その他、式（5）のように、振幅情報γα，ηをアンテナ毎に分離し、ノルム値をある値に規格化した各列ベクトルgα，1，η～gα，Ni，ηと、その振幅値γα，1，η～γα，Ni，ηと、を得るようにしてもよい。
Figure JPOXMLDOC01-appb-M000005
　gα，a，ηは、例えば、||gα，a，η||F=1となるように規定ベクトルとして設定できる。γα，a，ηやγα，a，η 2をdBに変換し、その最大値と最小値を規定し、その範囲を0～1の範囲内等で規格化した値で表現するように変換した値を用いてもよい。これをηに対して複数選択したり平均したりしたa番目の列ベクトルに対応する値γα，a，allを用いてもよい。
　その他、式（6）のように、振幅情報γα，ηをアンテナ毎に分離し、ノルム値をある値に規格化した各行ベクトルg’α，1，η～g’α，Mt，ηと、その振幅値γ’α，1，η～γ’α，Mt，ηと、を得るようにしてもよい。
Figure JPOXMLDOC01-appb-M000006
　g’α，b，ηは、例えば、||g’α，b，η||F=1となるように規定ベクトルとして設定できる。γ’α，b，ηやγ’α，b，η 2をdBに変換し、その最大値と最小値を規定し、その範囲を0～1の範囲内等で規格化した値で表現するように変換した値を用いてもよい。これをηに対して複数選択したり平均したりしたb番目の列ベクトルに対応する値γ’α，b，allを用いてもよい。
　チャネル行列Hα，η、規格化チャネル行列Gα，η、規格化ベクトルgα，a，η、規格化ベクトルg’α，b，ηは、各要素の実部と虚部をそれぞれ入力特徴量としたり、虚数のまま入力情報としたり、角度情報等の別形式に変換したり、量子化したりすることができる。
　また、チャネル行列Hα，ηを用いて生成される相関行列Hα，ηHα，η H、Hα，η HHα，ηを用いることができる。規格化チャネル行列Gα，ηを用いて生成される相関行列Gα，ηGα，η H、Gα，η HGα，ηを用いることができる。チャネル行列Hα，η、規格化チャネル行列Gα，η、それらの相関行列Hα，ηHα，η H、Hα，η HHα，η、Gα，ηGα，η H、Gα，η HGα，ηを、複数の周波数に対して和や平均をとった行列ΣHα，η、ΣGα，η、ΣHα，ηHα，η H、ΣHα，η HHα，η、ΣGα，ηGα，η H、ΣGα，η HＧα，ηを用いることができる。これら行列のQR分解、SVD、固有ベクトル分解等をすることで得られる固有値、対角行列、ユニタリ行列を用いることができる。
　一例として、無線LAN規格であるIEEE 802.11n/ac/axで用いられているチャネル情報のフィードバックを用いる場合を示す。これは、上述の例のうちチャネル行列Hα，ηのSVDで得られる右特異行列を角度情報に圧縮し、量子化したものを複数の周波数に対応して生成し、フィードバックするものである。ユニタリ行列は、Compressed beamforming feedback matrixとして角度φとψに変換され、SNR情報と合わせてフィードバックされる。詳細は非特許文献に記載されているが、式（7）のように、角度情報を用いて行列演算を行うことで、チャネル行列の右特異行列に対応するV行列を得ることができる。
Figure JPOXMLDOC01-appb-M000007
　Niは、受信アンテナ数である。Mtは、送信アンテナ数である。この表現は、ある周波数に注目して表記しており、式（7）のV行列は、指定されたサブキャリア数分存在し、サブキャリア毎に角度情報が生成される。更に、チャネル行列の固有値に対応する情報から、NiとMtとのいずれか小さい方のアンテナ数のSNR情報とともに、指定された量子化ビット数で量子化され、無線信号に格納されて送信される。管理装置1の無線通信部1-rは、この角度情報及びSNR情報を得ることができ、更には当該無線信号のRSSI情報を得ることができる。
　角度情報は、そのまま入力特徴量としてもよい。角度情報から算出した正弦と余弦成分を入力特徴量としてもよい。式（7）を用いて、角度情報を右特異行列に戻した行列を用いてもよい。角度情報を右特異行列に戻した後、右特異行列又はその相関行列を周波数方向に平均化した平均化行列を用いてもよい。平均化行列に更にQR分解等の信号処理を加えた行列を用いてもよい。
　上述の形式で、角度情報として圧縮した右特異行列の各列ベクトルの最後の要素の虚部は必ず０になるため、右特異行列をM×Niの行列として得たとすると、各要素の実部と虚部の数値から、2×Mt×Ni-Niの数値が意味のある情報となる。例えば、右特異行列を4×1の行列とした場合、実部4、虚部3の計7つの要素が意味のある情報であり、4×2の行列を得た場合は、実部8、虚部6の計14つの要素が意味のある情報である。各列の最後の要素の虚部は0であるため、各列の最後の要素は用いなくてもよい。
　［実験結果］
　具体的な例と屋内実験結果を交えて、本実施形態の位置推定方法とその効果を説明する。
　図４に示す屋内の実験環境エリア内に、4台の固定端末3-1～3-4と、1台の位置推定対象2-1と、2つの無線通信部1-1、1-2が接続された管理装置1と、を配置した。位置推定対象2-1は、実験環境エリア内の中央部を8の字で走行している。固定端末3-1～3-4は、アクセスポイントである基地局APと無線通信を行っている。
　固定端末3-1～3-4と位置推定対象2-1は、基地局APから100ms毎にチャネル情報の報告を求められており、無線LANの標準化規格IEEE 802.11acで定められたチャネル情報のフィードバック方法によりチャネル情報の角度情報をフィードバック送信している。基地局APのアンテナ数は、4つである。固定端末3-1～3-4と位置推定対象2-1と無線通信部1-1と1-2のアンテナ数は、2つである。20MHzの帯域幅を用い、5.66GHzの搬送波周波数による通信を行った。
　2つの無線通信部1-1、1-2は、固定端末3-1～3-4と基地局APとの間のチャネル行列の右特異行列から生成した角度情報、SNR、及び、固定端末3-1～3-4からの無線信号の無線通信部1-1、1-2におけるRSSIの値を得ることができる。無線通信部1-1、1-2からのRSSIは、各1つ取得した。
　入力特徴量生成部1-2は、前述の数式に従い角度情報からユニタリ行列を算出し、算出したユニタリ行列を周波数で平均化する。これにより、実部8、虚部6の計14つの成分が得られる。また、2つのSNR情報のdB値を0から1の範囲で分布するように規格化したものと、無線通信部1-1、1-2の受信アンテナにおけるRSSIのdB値を0から1の範囲で分布するように規格化したものと、の14+2+2=18の入力特徴量が、固定端末毎に100ms周期で取得される。
　具体的な例と屋内実験結果を交えて、本実施形態の位置推定方法とその効果を説明する。
　図４に示す屋内の実験環境エリア内に、4台の固定端末3-1～3-4と、1台の位置推定対象2-1、4-1と、2つの無線通信部1-1、1-2が接続された管理装置1と、を配置した。位置推定対象2-1、4-1は、実験環境エリア内の中央部を8の字で走行している。固定端末3-1～3-4は、アクセスポイントである基地局（AP：Access Point）と無線通信を行っている。
　本実施形態に係る位置推定モデルを生成するため、屋内の実験環境エリア内において、位置推定対象2-1である自律走行ロボットを8時間走行させた。図４における8の字状に残る線がロボットの実際の経路であり、まったく同じ経路は通らないように、60cmの区間にランダムに設定された途中ゴールを通過しながら走行するように、走行データを設定した。この際、位置推定モデル訓練部1-4は、位置推定対象に具備されたLIDAR（light detection and ranging）とタイヤの制御情報とから得られる高精度な自律走行ロボットの位置情報と、上述の伝搬伝搬に関する入力特徴量と、を200ms周期で同じ時系列で整理した訓練データを生成する。前述のように、入力特徴量の生成周期は100msであるが、200ms周期で区切った時間幅で得られる最新の情報を選択して用いて訓練データを生成した。
　そして、生成した訓練データを用いて、GRU（Gated Reccurent Unit）と直接結合とを用いた深層ニューラルネットワークによる位置推定モデルを訓練した。学習率は0.0002、最適化アルゴリズムはADAMを用いた。GRUは隠れ層1、次元を35とし、入力35、出力35の2つの直接結合層と、入力35、出力2の1つの直接結合層と、を用いて、実験環境エリア内におけるX座標とY座標情報を出力するように、重みとバイアスを逆伝搬により更新した。更新後の位置推定モデルを用いた。
　位置推定モデル利用部1-3は、固定端末3-1～3-4及び位置推定対象2-1を用いて位置推定対象2-1の位置を推定した。また、実験環境エリアを図５に示すようにArea A～Fの6つに分割し、評価した。
　位置推定を行った出力を実際の値からの誤差を単位をmとして整理した結果を図６に示す。ここで、一番右の列が位置推定モデル利用部による位置情報の出力結果であり、それ以外が個別管理モデルによる位置情報の出力に対応している。一番右の2-1、3-1～3-4と記載された列は、すべての無線通信部からのチャネル情報を用いて入力特徴量を生成しており、いずれの場所でも20cm以下の高い推定精度が得られていることがわかる。
　それ以外に、2-1,3-1,3-2,3-3,3-4,{2-1,3-1},{2-1,3-2},{2-1,3-3}, {2-1,3-4}の無線通信部に対応する個別管理モデルを生成した。まず、単一の無線通信部に対応する個別管理モデルの位置推定誤差は、20cmから、2.7 mまで非常に幅広い分布を持っていることがわかる。単一の無線通信部を個別管理モデルとして異常検出する場合、位置推定精度そのものが悪いことがあることを注意する必要がある。例えば、固定端末3-2を用いた場合、位置推定対象がArea E又はFにいる場合、平均の位置予測誤差は2mを超えている。出力を、別の方法で測定された位置情報（教師データ）や、位置予測モデル利用部の出力と比較した場合、大きな誤差が検出されるが、実際には、固定端末3-2の無線通信部は壊れていない。つまり、位置推定対象の予測性能が高い条件となる、Area AやCにおいて異常を判断するのがよい。単なる位置情報による比較を行う場合でも、異常検出判断を特定の位置条件で行うなどが必要となる。
　さらに、複数の無線通信部を組み合わせた個別管理モデルの位置予測性能を見ると、位置予測結果は非常に高く、30cm以下の精度で検出できていることがわかる。このように、出力制度を高めることで異常検知アルゴリズムの精度を高めることができる。{2-1,3-1},{2-1,3-2},{2-1,3-3},{2-1,3-4}を個別管理モデルとし、いずれか一つの出力が異常であれば、対応する固定端末3-iが異常の原因だと特定できる。ここでの結果は無線通信部1-1と1-2での両方の受信信号を用いた結果であるが、用いる無線通信部1-1と1-2を分離することで、いずれかの管理装置１の無線通信部に問題があったことも検出できる。
　［本実施形態の効果］
　本実施形態によれば、環境に固定された固定端末と無線通信を行い、又は前記固定端末及び位置推定対象と無線通信を行い、無線通信を行う無線通信部の状態を管理する管理装置1において、前記固定端末又は前記位置推定対象の無線通信部の数と自装置の無線通信部とのうち少なくとも一方は、複数であって、前記固定端末に具備された無線通信を行う無線通信部、又は前記固定端末と前記位置推定対象に具備された無線通信部からの無線信号を受信し、前記無線信号から電波伝搬に関する複数のチャネル情報を取得する1つ以上の無線通信部1-1～1-Rと、前記複数の無線通信部に対応するチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換する入力特徴量生成部1-2と、前記複数の入力特徴量を、前記位置推定対象の位置情報と入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、前記位置推定対象の位置を推定計算する位置推定モデル利用部1-3と、前記複数の無線通信部の入力特徴量の各入力特徴量を、前記固定端末毎若しくは前記位置推定対象毎に、自装置の無線通信部毎に、又は前記固定端末と前記位置推定対象と前記自装置の無線通信部の中から選択された複数の無線通信部に対して、生成された個別管理モデルにそれぞれ入力することで、固定端末若しくは位置推定対象、又は自装置の無線通信部のうちいずれかに異常が生じているか否かの判定、又は前記判定のための指標を出力するモデル評価部1-0-2と、を備える。つまり、チャネル情報の入力特徴量を、個別の無線通信端末（固定端末、位置推定装置）毎、無線信号を受信した個別の無線通信部毎、無線通信端末と位置推定対象と管理装置の無線通信部の中から選択された複数の無線通信部毎に予め生成した個別管理モデルにより、当該個別の無線通信端末又は当該個別の無線通信部が正常であるかを判定するので、無線通信端末、又は自装置の無線通信部の状態を個別に管理可能な技術を提供できる。
　［その他］
　本発明は、上記実施形態に限定されない。本発明は、本発明の要旨の範囲内で数々の変形が可能である。
　上記説明した本実施形態の管理装置1は、例えば、図７に示すように、CPU901と、メモリ902と、ストレージ903と、通信装置904と、入力装置905と、出力装置906と、を備えた汎用的なコンピュータシステムを用いて実現できる。メモリ902及びストレージ903は、記憶装置である。当該コンピュータシステムにおいて、CPU901がメモリ902上にロードされた所定のプログラムを実行することにより、管理装置1の各機能が実現される。
　管理装置1は、1つのコンピュータで実装されてもよい。管理装置1は、複数のコンピュータで実装されてもよい。管理装置1は、コンピュータに実装される仮想マシンであってもよい。管理装置1用のプログラムは、HDD、SSD、USBメモリ、CD、DVD等のコンピュータ読取り可能な記録媒体に記憶できる。管理装置1用のプログラムは、通信ネットワークを介して配信することもできる。
　1：管理装置
　1-0：位置推定モデル管理部
　1-0-1-1～1-0-1-P：個別管理モデル
　1-0-2：モデル評価部
　1-1～1-R：無線通信部
　1-2：入力特徴量生成部
　1-3：位置推定モデル利用部
　1-4：位置推定モデル訓練部
　2-1～2-Q：位置推定対象
　2-1-1～2-Q-1：無線通信部
　3-1～3-M：固定端末
　3-1-1～3-M-1：無線通信部
　901：CPU
　902：メモリ
　903：ストレージ
　904：通信装置
　905：入力装置
　906：出力装置

Claims (8)

  1. 　環境に固定された固定端末と無線通信を行い、又は前記固定端末及び位置推定対象と無線通信を行い、無線通信を行う無線通信部の状態を管理する管理装置において、
    　前記固定端末又は前記位置推定対象の無線通信部の数と自装置の無線通信部とのうち少なくとも一方は、複数であって、
    　前記固定端末に具備された無線通信を行う無線通信部、又は前記固定端末と前記位置推定対象に具備された無線通信部からの無線信号を受信し、前記無線信号から電波伝搬に関する複数のチャネル情報を取得する1つ以上の無線通信部と、
    　前記複数の無線通信部に対応するチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換する入力特徴量生成部と、
    　前記複数の入力特徴量を、前記位置推定対象の位置情報と入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、前記位置推定対象の位置を推定計算する位置推定モデル利用部と、
    　前記複数の無線通信部の入力特徴量の各入力特徴量を、前記固定端末毎若しくは前記位置推定対象毎に、自装置の無線通信部毎に、又は前記固定端末と前記位置推定対象と前記自装置の無線通信部の中から選択された複数の無線通信部に対して、生成された個別管理モデルにそれぞれ入力することで、固定端末若しくは位置推定対象、又は自装置の無線通信部のうちいずれかに異常が生じているか否かの判定、又は前記判定のための指標を出力するモデル評価部と、
    　を備える管理装置。
  2. 　前記個別管理モデルは、
    　1つの固定端末の無線通信部に対応するチャネル情報、1つの位置推定対象の無線通信部に対応するチャネル情報、自装置の1つの無線通信部に対応するチャネル情報、又は固定端末と位置推定対象と自装置の無線通信部の中から選択された複数の無線通信部に対応するチャネル情報と、前記位置推定対象の位置情報と、の関係性を機械学習によりモデル化した位置推定モデルであって、1つのチャネル情報の入力特徴量が入力されることで、1つのチャネル情報に基づく前記位置推定対象の位置情報を出力し、
    　前記モデル評価部は、
    　複数の前記個別管理モデルから出力された複数の位置情報を用いて、異常が生じている無線通信部の判定、又は前記判定のための指標を出力する請求項１に記載の管理装置。
  3. 　前記モデル評価部は、
    　前記複数の位置情報の集合において外れ値となる値の位置情報を異常と判定し、又は前記外れ値の外れ度を出力する請求項２に記載の管理装置。
  4. 　前記個別管理モデルは、
    　1つの固定端末の無線通信部に対応するチャネル情報、1つの位置推定対象の無線通信部に対応するチャネル情報、自装置の1つの無線通信部に対応するチャネル情報、若しくは固定端末と位置推定対象と自装置の無線通信部の中から選択された複数の無線通信部に対応するチャネル情報に係る正常時のデータ、又は正常時と異常時のデータを機械学習して異常を検出する異常検出アルゴリズムであって、
    　前記モデル評価部は、
    　前記個別管理モデルで検出された異常検出結果を用いて、前記固定端末若しくは前記位置推定対象、又は自装置の無線通信部の異常判定、又は判定のための指標を出力する請求項１に記載の管理装置。
  5. 　前記モデル評価部は、
    　前記個別管理モデルで検出された異常検出結果に加え、前記位置推定モデル利用部で推定計算された位置情報を更に用いて、前記固定端末若しくは前記位置推定対象、又は自装置の無線通信部の異常判定、又は判定のための指標を出力する請求項１乃至４のいずれかに記載の管理装置。
  6. 　前記入力特徴量生成部は、
    　前記入力特徴量として、前記無線信号の受信電力、信号電力、受信電力又は信号電力の移動平均から得られる電力比情報、前記チャネル情報のチャネル行列、前記チャネル行列の相関行列、前記チャネル行列を信号処理して得られる演算行列、前記相関行列を信号処理して得られる演算行列、複数の周波数に対応する前記チャネル行列又は前記相関行列を信号処理して得られる演算行列、前記チャネル行列を線形演算して得られるユニタリ行列、前記相関行列を線形演算して得られるユニタリ行列、前記演算行列を線形演算して得られるユニタリ行列、前記チャネル行列を線形演算して得られる対角行列、前記相関行列を線形演算して得られる対角行列、前記演算行列を線形演算して得られる対角行列、前記チャネル行列を線形演算して得られる三角行列、前記相関行列を線形演算して得られる三角行列、前記演算行列を線形演算して得られる三角行列に関する特徴量のうち、1つ以上の特徴量の位相、振幅、実数成分、虚数成分の値、及び当該1つ以上の値の係数の範囲を規格化した値を生成する請求項１乃至５のいずれかに記載の管理装置。
  7. 　環境に固定された固定端末と無線通信を行い、又は前記固定端末及び位置推定対象と無線通信を行い、無線通信を行う無線通信部の状態を管理する管理方法において、
    　前記固定端末又は前記位置推定対象の無線通信部の数と自装置の無線通信部とのうち少なくとも一方は、複数であって、
    　管理装置において、
    　1つ以上の無線通信部が、前記固定端末に具備された無線通信を行う無線通信部、又は前記固定端末と前記位置推定対象に具備された無線通信部からの無線信号を受信し、前記無線信号から電波伝搬に関する複数のチャネル情報を取得するステップと、
    　入力特徴量生成部が、前記複数の無線通信部に対応するチャネル情報を機械学習モデルに入力可能な複数の入力特徴量に変換するステップと、
    　位置推定モデル利用部が、前記複数の入力特徴量を、前記位置推定対象の位置情報と入力特徴量との関係性を機械学習によりモデル化した位置推定モデルに入力することで、前記位置推定対象の位置を推定計算するステップと、
    　モデル評価部が、前記複数の無線通信部の入力特徴量の各入力特徴量を、前記固定端末毎若しくは前記位置推定対象毎に、自装置の無線通信部毎に、又は前記固定端末と前記位置推定対象と前記自装置の無線通信部の中から選択された複数の無線通信部に対して、生成された個別管理モデルにそれぞれ入力することで、固定端末若しくは位置推定対象、又は自装置の無線通信部のうちいずれかに異常が生じているか否かの判定、前記判定のための指標を出力するステップと、
    　を行う管理方法。
  8. 　請求項１乃至６のいずれかに記載の管理装置としてコンピュータを機能させる管理プログラム。
PCT/JP2021/019244 2021-05-20 2021-05-20 管理装置、管理方法、及び、管理プログラム WO2022244210A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2023522139A JPWO2022244210A1 (ja) 2021-05-20 2021-05-20
PCT/JP2021/019244 WO2022244210A1 (ja) 2021-05-20 2021-05-20 管理装置、管理方法、及び、管理プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/019244 WO2022244210A1 (ja) 2021-05-20 2021-05-20 管理装置、管理方法、及び、管理プログラム

Publications (1)

Publication Number Publication Date
WO2022244210A1 true WO2022244210A1 (ja) 2022-11-24

Family

ID=84141173

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/019244 WO2022244210A1 (ja) 2021-05-20 2021-05-20 管理装置、管理方法、及び、管理プログラム

Country Status (2)

Country Link
JP (1) JPWO2022244210A1 (ja)
WO (1) WO2022244210A1 (ja)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MANZANILLA-SALAZAR, ORESTES ET AL.: "A Machine Learning Framework for Sleeping Cell Detection in a Smart-City IoT Telecommunications Infrastructure", IEEE ACCESS, vol. 8, 25 March 2020 (2020-03-25), pages 61213 - 61225, XP011782480, DOI: 10.1109/ACCESS.2020.2983383 *
ZHANG, YONG ET AL.: "An Indoor Passive Positioning Method Using CSI Fingerprint Based on Adaboost", IEEE SENSORS JOURNAL, vol. 19, no. 14, 25 March 2019 (2019-03-25), pages 5792 - 5800, XP011731495, DOI: 10.1109/JSEN.2019.2907109 *

Also Published As

Publication number Publication date
JPWO2022244210A1 (ja) 2022-11-24

Similar Documents

Publication Publication Date Title
Hsieh et al. Deep learning-based indoor localization using received signal strength and channel state information
Zou et al. Adaptive localization in dynamic indoor environments by transfer kernel learning
KR100938047B1 (ko) 시스템 교정 방법, 위치 탐색 시스템 및 컴퓨터
CN103874118B (zh) WiFi室内定位中基于贝叶斯回归的Radio Map校正方法
Zhang et al. A novel CSI-based fingerprinting for localization with a single AP
CN104469937B (zh) 压缩感知定位技术中的传感器高效部署方法
JP4934441B2 (ja) 無線ノード位置推定方法、システム、及びその処理装置
US20100217763A1 (en) Method for automatic clustering and method and apparatus for multipath clustering in wireless communication using the same
EP2141957A1 (en) System and method for position estimation
CN103424735B (zh) 基于最小描述长度的近场源定位方法、装置及系统
EP3749975A1 (en) Position estimation device and communication device
CN112040397B (zh) 一种基于自适应卡尔曼滤波的csi室内指纹定位方法
CN107343315B (zh) 基于无线局域网络多频点联合测量的定位系统及方法
CN104519571A (zh) 一种基于rss的室内定位方法
Chen et al. SWIM: Speed-aware WiFi-based passive indoor localization for mobile ship environment
CN113518307A (zh) 基于csi与众包迁移自校准更新的位置指纹定位方法
Ni et al. Fingerprint-MDS based algorithm for indoor wireless localization
Nkabiti et al. Application of solely self-attention mechanism in CSI-fingerprinting-based indoor localization
CN114264220B (zh) 一种移动设备的相对位移精确感知与检测方法
CN109839543B (zh) 一种天线的幅相一致性测试系统及测试方法
CN114144690A (zh) 用于自动标记高精度室内定位和确定位置信息的设备和方法
WO2022244210A1 (ja) 管理装置、管理方法、及び、管理プログラム
Gao et al. Extreme learning machine ensemble for CSI based device-free indoor localization
CN116634358A (zh) 终端定位方法、装置及非易失性存储介质
Kianoush et al. Device-free crowd sensing in dense WiFi MIMO networks: Channel features and machine learning tools

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21940824

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023522139

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21940824

Country of ref document: EP

Kind code of ref document: A1