JP7167978B2 - 発信源位置推定システム、発信源位置推定方法及び発信源位置推定プログラム - Google Patents

Description

（関連出願についての記載）
本発明は、日本国特許出願：特願２０１８－０４１０４６号（２０１８年０３月０７日出願）の優先権主張に基づくものであり、同出願の全記載内容は引用をもって本書に組み込み記載されているものとする。
本発明は、発信源位置推定システム、発信源位置推定方法及び発信源位置推定プログラムに関する。

特許文献１に、電波発信源位置推定システムの一例が開示されている。特許文献１に開示された電波発信源位置推定システムは、複数のセンサ（受信機）が受信した電波を用いて波源位置を算出する処理を複数回行い、複数の波源位置を取得している。

また、別の例として、特許文献２に開示された電波源位置推定システムは、発信源から複数のセンサまでの到着時間差に基づき、発信源の位置を推定している。

さらにまた、別の例として、特許文献３に開示にされた電波源位置推定システムは、追跡される携帯ユニットの各々に関連付けられた少なくとも１つの送信タグと、それと通信可能な無線機を備えるルータ／基地局アクセスポイントデバイスを用いて、携帯ユニットの位置をリアルタイムに検出している。

特開２０１６－１７００３２号公報 特表２０１６－５０８２１７号公報 特表２０１６－５１９２８８号公報

なお、上記先行技術文献の各開示を、本書に引用をもって繰り込むものとする。以下の分析は、本発明者らによってなされたものである。

特許文献１乃至３に開示された技術には、センサ及びその周辺機器が大型化し、センサ等の設置に困難が生じるという問題点がある。その理由は、通常、電波の到来方向の計測には１台のセンサにつき複数のアンテナを具備する必要があるためである。

本発明は、小型のセンサを用いて電波発信源を推定することに寄与する、発信源位置推定システム、発信源位置推定方法及び発信源位置推定プログラムを提供することを目的とする。

本発明乃至開示の第１の視点によれば、発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類する、特徴ベクトル分類部と、前記部分集合ごとに属性データを抽出して属性データ列として出力する、属性データ抽出部と、を備えるセンサと、複数の前記属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する、データ結合部と、前記結合された属性データと、発信波を受信した前記センサの位置と、から発信源の位置を推定する、位置推定部と、を備える位置推定装置と、を含む、発信源位置推定システムが提供される。

本発明乃至開示の第２の視点によれば、発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類するステップと、前記部分集合ごとに属性データを抽出して属性データ列として出力するステップと、複数の前記属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合するステップと、前記結合された属性データと、発信波を受信したセンサの位置と、から発信源の位置を推定するステップと、を含む、発信源位置推定方法が提供される。

本発明乃至開示の第３の視点によれば、発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類し、前記部分集合ごとに属性データを抽出して属性データ列として出力する、前記属性データ列を取得する処理と、複数の前記属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する処理と、前記結合された属性データと、発信波を受信したセンサの位置と、から発信源の位置を推定する処理と、を位置推定装置に搭載されたコンピュータに実行させる発信源位置推定プログラムが提供される。
なお、このプログラムは、コンピュータが読み取り可能な記憶媒体に記録することができる。記憶媒体は、半導体メモリ、ハードディスク、磁気記録媒体、光記録媒体等の非トランジェント（non-transient）なものとすることができる。本発明は、コンピュータプログラム製品として具現することも可能である。

本発明乃至開示の各視点によれば、小型のセンサを用いて電波発信源を推定することに寄与する、発信源位置推定システム、発信源位置推定方法及び発信源位置推定プログラムが、提供される。

一実施形態の概要を説明するための図である。 第１の実施形態に係る発信源位置推定システムの一例を示す図である。 第１の実施形態に係る発信源位置推定システムの動作の一例を示すフローチャートである。 特徴ベクトルを特徴量空間にマッピングした一例を示す図である。 分類された特徴ベクトルの一例を示す図である。 センサの特徴ベクトル分類及び属性データ抽出に係る動作の一例を示すフローチャートである。 位置推定装置のデータ結合及び位置推定に係る動作の一例を示すフローチャートである。 位置推定装置の時刻／周波数マッチング動作の一例を示すフローチャートである。 第２の実施形態に係る発信源位置推定システムの一例を示す図である。 第１の実施形態に係る位置推定装置のハードウェアの一例を示す図である。

初めに、一実施形態の概要について説明する。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、この概要の記載はなんらの限定を意図するものではない。また、各図におけるブロック間の接続線は、双方向及び単方向の双方を含む。一方向矢印については、主たる信号（データ）の流れを模式的に示すものであり、双方向性を排除するものではない。さらに、本願開示に示す回路図、ブロック図、内部構成図、接続図などにおいて、明示は省略するが、入力ポート及び出力ポートが各接続線の入力端及び出力端のそれぞれに存在する。入出力インターフェイスも同様である。

一実施形態に係る発信源位置推定システムは、センサ２０１と、位置推定装置２０２と、を含む（図１参照）。センサ２０１は、特徴ベクトル分類部２１１及び属性データ抽出部２１２を備える。特徴ベクトル分類部２１１は、発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類する。属性データ抽出部２１２は、部分集合ごとに属性データを抽出して属性データ列として出力する。位置推定装置２０２は、データ結合部２２１及び位置推定部２２２を備える。データ結合部２２１は、複数の属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する。位置推定部２２２は、結合された属性データと、発信波を受信したセンサ２０１の位置と、から発信源の位置を推定する。

上記センサ２０１は、未知の信号に対しても計測可能な時刻、周波数、受信強度データを特徴ベクトルの要素として取得する。さらに、センサ２０１は、当該特徴ベクトルの集合を特徴量空間の部分集合に分類する。その上で、センサ２０１は、分類された各クラスタの属性データを抽出して出力する。対象が未知の信号であっても時刻、周波数、受信強度データ等は計測可能であり、位置推定装置２０２は、これら時刻等を要素とする特徴ベクトルから抽出された属性データを利用して波源の位置を推定できる。

また、センサ２０１において電波の到来方向を計測する必要は必ずしもないため、センサ２０１が単一のアンテナしか持たない場合でも、波源の位置を推定できる。即ち、図１に示す発信源位置推定システムでは、必ずしも電波の到来方向を計測する必要はなく、電波強度を計測する小型のセンサを用いることができるので、センサ及びその周辺機器が大型化し、センサ等の設置に困難が生じるという問題を解決できる。

以下に具体的な実施形態について、図面を参照してさらに詳しく説明する。なお、各実施形態において同一構成要素には同一の符号を付し、その説明を省略する。

［第１の実施形態］
第１の実施形態について、図面を用いてより詳細に説明する。

［構成の説明］
図２は、第１の実施形態に係る発信源位置推定システムの一例を示す図である。図２を参照すると、発信源位置推定システムは、複数のセンサ１０１－１～１０１－Ｍ（Ｍは正の整数、以下同じ）と、位置推定装置１０２と、を含んで構成される。なお、以降の説明においてＭ個のセンサ１０１－１～１０１－Ｍを区別する特段の理由がない場合には、単に「センサ１０１」と表記する。

センサ１０１は、地理空間上で分散的に配置される。各センサ（センサ装置）１０１は、ネットワークを介して位置推定装置１０２と通信可能に構成されている。

位置推定装置１０２は、センサ１０１を制御すると共に、センサ１０１が出力したデータを用いて波源の位置（発信源の位置）を推定する装置である。

センサ１０１は、通信部１０３と、センサ局所制御部１０４と、電波計測部１０５と、特徴ベクトル分類部１０６と、属性データ抽出部１０７と、を含んで構成される。

通信部１０３は、位置推定装置１０２との通信を担う手段である。つまり、通信部１０３は、位置推定装置１０２との間の通信を制御する処理モジュールである。

センサ局所制御部１０４は、通信部１０３を経由して位置推定装置１０２から与えられる制御信号に応じて計測条件の設定を行う手段である。

電波計測部１０５は、電波を受信して得られる時系列波形データから計算される周波数、時刻、電波強度を要素とする特徴ベクトルの集合を出力する手段である。

特徴ベクトル分類部１０６は、発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類する手段である。換言するならば、特徴ベクトル分類部１０６は、電波計測部１０５が出力する特徴ベクトルのクラスタリングを行う。

属性データ抽出部１０７は、部分集合ごとに属性データを抽出して属性データ列として出力する手段である。より具体的には、属性データ抽出部１０７は、分類された各クラスタの属性（属性データ）を抽出（取得）し、抽出した各クラスタの属性データを属性データ列として位置推定装置１０２に送信する。

なお、本願開示において、特徴ベクトルで表現される空間を特徴量空間とする。クラスタリングは特徴量ベクトルの集合を部分集合に分類する操作に対応する。さらに、クラスタは分類後（クラスタリング後）の部分集合に対応する。

位置推定装置１０２は、センサ遠隔制御部１０８と、通信部１０９と、属性データ補正部１１０と、時間／周波数領域データ結合部１１１と、センサ位置情報記憶部１１２と、位置推定部１１３と、空間領域データ集約部１１４と、出力部１１５と、を含む。

センサ遠隔制御部１０８は、各センサ１０１の計測条件を制御する手段である。

通信部１０９は、各センサ１０１との間の通信を制御する手段である。つまり、通信部１０９は、センサ制御や属性データ取得のための通信を担う。

属性データ補正部１１０は、各センサ１０１から取得した属性データ列のマッチングを行いセンサ１０１間の時刻や周波数のずれを補正する手段である。

時間／周波数領域データ結合部１１１は、複数の属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する手段である。より具体的には、時間／周波数領域データ結合部１１１は、同一の発信信号が複数のセンサ１０１で受信されることによって得られたクラスタの属性データ同士を時間／周波数領域で結合する。

センサ位置情報記憶部１１２は、センサ１０１が設置された位置を保持（記憶）する手段である。換言すれば、各センサ１０１の位置は予め把握されており、センサ位置情報としてセンサ位置情報記憶部１１２に格納される。

位置推定部１１３は、結合された属性データと、発信波を受信したセンサ１０１の位置（センサ位置情報）と、から発信源の位置を推定する手段である。

空間領域データ集約部１１４は、位置推定部１１３が出力する波源位置の重複を空間領域で集約する手段である。より具体的には、空間領域データ集約部１１４は、同一波源が複数回信号を発信することに起因する波源位置推定データの重複を空間領域で集約する。

出力部１１５は、推定された波源位置を画面やファイルに出力する手段である。

なお、時間／周波数領域データ結合部１１１は、データ結合部の一例である。また、空間領域データ集約部１１４は、データ集約部の一例である。

［動作の説明］
次に、図面を参照しつつ、第１の実施形態に係る発信源位置推定システムの全体動作を説明する。

図３は、第１の実施形態に係る発信源位置推定システムの動作の一例を示すフローチャートである。

ステップＳ０１において、位置推定装置１０２（センサ遠隔制御部１０８）は、所定の周波数帯、時間帯、センサ設定を指定し、当該指定した計測条件を各センサ１０１それぞれに設定する。なお、センサ設定（計測条件）としては、センサ１０１に含まれる増幅器の利得、フィルタの帯域幅、アナログデジタル変換器の標本化周波数、周波数分解能、計測値を平均化する回数等が例示される。

センサ１０１は、位置推定装置１０２から指定された計測条件で電波の計測を実施する（ステップＳ０２）。計測の結果として、電波を受信した時刻、受信した電波の周波数、受信した電波の強度が得られる。

ここで、計測により得られる時刻、周波数及び強度は特徴ベクトルの要素の例である。これらを要素とする特徴ベクトルは、例えば、電波受信波形データ（時系列データ）に対して時間的に連続してフーリエ変換することによって得られる。

図４は、特徴ベクトルを特徴量空間にマッピングした一例を示す図である。

図３に説明を戻す。ステップＳ０３において、センサ１０１は、得られた特徴ベクトルの集合を特徴量空間でクラスタ（部分集合）に分類する。

図５は、分類された特徴ベクトルの一例を示す図である。図５において、△、×、□、〇等の同一の記号は、同一のクラスタに分類されたことを示す。なお、後述するように、電波強度が低い特徴ベクトルはノイズ成分として除去されるが、図５には、除去されるノイズ成分に対応する特徴ベクトルもプロットされている。

図３に説明を戻す。ステップＳ０４において、センサ１０１は、分類された各クラスタ（部分集合）の属性データを抽出する。その際、特徴ベクトルが複数のクラスタに分類された場合、センサ１０１は、クラスタの数に対応する列数の属性データ列を抽出し、位置推定装置１０２に出力する。

ステップＳ０５において、位置推定装置１０２は、複数のセンサ１０１から得られた属性データの結合を行う。

その後、位置推定装置１０２は、結合された属性データと各センサ１０１のセンサ位置情報を用いて、発信源の位置推定を行う（ステップＳ０６）。

ステップＳ０７において、位置推定装置１０２は、推定された発信源の位置をファイルや画面に出力する。

次に、図面を参照しつつ、図３のステップＳ０３、Ｓ０４に記載された特徴ベクトルの分類と属性データの抽出に関する詳細を説明する。

図６は、センサ１０１の特徴ベクトル分類及び属性データ抽出に係る動作の一例を示すフローチャートである。

ステップＳ１０１において、特徴ベクトル分類部１０６は、電波強度が所定の閾値（与えられた閾値）以下である特徴ベクトルをノイズ成分として除去する。

ステップＳ１０２において、特徴ベクトル分類部１０６は、特徴ベクトルの集合に対してクラスタリングを行う。

特徴ベクトル分類部１０６によるクラスタリングには種々の方法を用いることができる。特徴ベクトル分類部１０６は、クラスタ数が未知の場合にも適用可能な手法を用いることが好ましい。例えば、特徴ベクトル分類部１０６は、Ｘ－ｍｅａｎｓ法、ＭｅａｎＳｈｉｆｔ法、変分混合ガウス分布によるクラスタリング手法を用いることができる。

あるいは、計測する時間、周波数、場所を含む計測環境によって、受信する信号の数が既知である場合には、特徴ベクトル分類部１０６は、クラスタ数が既知の場合のクラスタリングを行ってもよい。クラスタ数が既知の場合のクラスタリングの手法としては、Ｋ－ｍｅａｎｓ法が代表的である。

特徴ベクトルが複数のクラスタに分類された場合には、ステップＳ１０３のループ処理が行われる。

ステップＳ１０３のループ処理において、ｉ番目（ｉは正の整数、以下同じ）のクラスタに対し、当該ｉ番目のクラスタの識別子とクラスタの属性データが取得される。換言すれば、属性データ抽出部１０７は、各クラスタの識別子を取得（生成）すると共に、各クラスタから属性データを取得（計算）する。

クラスタの属性データとしては、クラスタ代表値（クラスタ代表値を要素とするベクトル）、分散又は共分散、標本数等が例示される。また、クラスタ代表値としては、当該クラスタの平均値、中央値、最頻値などを用いることができる。

クラスタ属性の他の要素としては、特徴量空間又はその部分空間での最大値、最小値、分散や尖度や歪度等、その他の統計モーメント、キュムラントなどの統計量を含んでもよい。また、特徴ベクトル等から変調方式やプリアンブル情報などが得られる場合には、それらをクラスタ属性の要素に含んでもよい。

なお、以降の説明において、ｍ番目（ｍはＭ以下の正の整数、以下同じ）のセンサ１０１で得られた属性データ列を、単にセンサｍの属性データ列と表記する。

上記説明では、クラスタリングの前にノイズ除去を行ったが、ノイズ成分に対応する特徴ベクトルも含めてクラスタリングを行い、属性データを抽出した後にノイズ成分に対応するクラスタを除去するようにしてもよい。例えば、クラスタ代表ベクトルの要素である受信強度値を参照し、当該値が閾値以下である場合にはそのクラスタはノイズ成分に対応するクラスタと判断することができる。

次に、図面を参照しつつ、図３のステップＳ０５、Ｓ０６に記載された属性データの結合と位置推定に関する詳細を説明する。

図７は、位置推定装置１０２のデータ結合及び位置推定に係る動作の一例を示すフローチャートである。

ステップＳ２０１において、通信部１０９は、複数のセンサ１０１から属性データ列を取得する。

その後、属性データ補正部１１０は、属性データ列間の時刻／周波数マッチングを行う（ステップＳ２０２）。当該マッチング処理により、各センサ１０１間の時刻や周波数のずれが補正される。マッチング処理の詳細は後述する。なお、ステップＳ２０２におけるマッチング処理（補正処理）は、各センサ１０１における時刻や周波数の精度が十分に高い場合には、省略できる。

その後、時間／周波数領域データ結合部１１１は、周波数ずれ等が補正された属性データ列に含まれる属性データのうち、複数のセンサ１０１で重複して受信された信号に対応する属性データを結合してまとめる（ステップＳ２０３）。

時間／周波数領域データ結合部１１１は、属性データを結合するか否かに関し、例えば、各々のクラスタ代表ベクトルの時刻又は周波数の誤差と、指定した閾値との比較により判断できる。例えば、時刻又は周波数の誤差が閾値よりも小さい場合は、時間／周波数領域データ結合部１１１は、同一の発信波が複数のセンサ１０１で受信されたと判断し、属性データ同士を結合する。

ステップＳ２０３の処理が実行された結果、Ｍ個のセンサによりＶ個（Ｖ回；Ｖは正の整数、以下同じ）の信号が受信された場合、クラスタの属性データを要素とするＭ×Ｖのサイズの行列に整理される。ここで、ｍ番目のセンサでｖ番目（ｖはＶ以下の正の整数、以下同じ）のクラスタの信号が受信できなかった場合は、ｍ行ｖ列の属性データは無（Ｎｏｎｅ）とする。

次に、位置推定部１１３は、センサ位置情報記憶部１１２からＭ個のセンサ１０１の設置位置情報（センサ位置情報）を取得する（ステップＳ２０４）。

その後、位置推定部１１３は、当該取得したＭ個のセンサ位置情報と結合された属性データを利用し、Ｖ個の受信信号の発信源の位置を推定する（ステップＳ２０５のループ）。位置推定部１１３は、最尤法、最小二乗法など、電波強度に基づく通常の波源位置推定手法（位置推定アルゴリズム）を利用して発信源の位置を推定する。あるいは、位置推定部１１３は、粒子フィルタ、カルマンフィルタに代表される、波源軌跡を推定する手法を用いることもできる。

その後、空間領域データ集約部１１４は、推定されたＶ個の発信源位置のうち、与えられた閾値よりも空間距離が小さいものを集約する（ステップＳ２０６）。

当該集約処理は、同一発信源が電波を計測時間内に複数回送信することが想定されるためである。なお、空間領域データ集約部１１４は、推定位置の距離以外にも、属性データの類似度を利用して集約するか否かを判断してもよい。また、閾値は長さの単位で与えられてもよいし、位置の推定精度に対する比率で与えられてもよい。

次に、図面を参照しつつ、図７のステップＳ２０２に記載された時刻／周波数マッチングに関する詳細を説明する。

図８は、位置推定装置１０２の時刻／周波数マッチング動作の一例を示すフローチャートである。

属性データ補正部１１０は、Ｍ個の属性データ列を、その列数（クラスタ数に対応）が大きい順に並べ替える（ステップＳ３０１）。ここで、センサｍの属性データ列数をＫ_ｍとし、センサｍ’が最大のＫ_ｍを与えるとする（Ｋ_ｍは正の整数、以下同じ）。

ステップＳ３０２において、属性データ補正部１１０は、センサｍ’の属性データ列を基準に設定する。これは、センサｍ’の属性データ列を第１の属性データ列とすることに対応する。

次に、属性データ補正部１１０は、ステップＳ３０３のループ処理においてｍ’番目以外のセンサｍの属性データ列に対して、以下の処理を行う。なお、センサｍの属性データ列は、複数の属性データ列に含まれる第１の属性データ列以外の第２の属性データ列に対応する。

属性データ補正部１１０は、属性データ列に含まれるＫ_ｍ個のクラスタの代表ベクトルを、特徴量空間又はその部分空間（例えば、時間軸及び周波数軸上）で一括して平行移動（シフト）させながら、基準の属性データ列との類似度を計算する。

その後、属性データ補正部１１０は、類似度が最大となるシフト量を算出する。

次に、属性データ補正部１１０は、算出したシフト量の分だけ各属性データの代表ベクトルをシフトする。当該シフト処理等により、センサｍ’を基準として、それ以外のセンサ固有の周波数や時刻のずれを補正できる。

このように、属性データ補正部１１０は、複数の属性データ列に含まれる第１の属性データ列（センサｍ’の属性データ列）に対する第２の属性データ列（センサｍの属性データ列）の類似度が最大となるように、第２の属性データ列を補正する。

上記説明では、最大のＫ_ｍを与える属性データ列を基準として第１の属性データ列に選んだが、第１の属性データ列の選び方は、この限りではない。例えば、特徴量空間又はその部分空間、例えば時間軸及び周波数軸において、センサｍの属性データ列が得られることに対応する情報量又はエントロピーが最大になる属性データ列を基準としてもよい。なお、ある事象Ｅが起こる確率をＰ（Ｅ）とするとき、事象Ｅが起こったことに対応する情報量は、-ｌｏｇ（Ｐ（Ｅ））で表される。また、エントロピーは、ある事象系Ａに含まれる情報量の期待値で表される。

また、類似度としては、属性データ列に含まれるＫ_ｍ個のクラスタ代表ベクトルを線形結合又は非線形結合させたベクトルに対するコサイン類似度やピアソンの相関係数を用いてもよい。あるいは、ユークリッド距離、マハラノビス距離、ミンコフスキー距離のような距離を用いて、距離が小さいものほど類似度が高いとしてもよい。

また、属性データ補正部１１０は、統計モデルの重ね合わせを用いてもよい。具体的には、属性データ補正部１１０は、属性データ列に含まれるＫ_ｍ個のクラスタを、各々の代表ベクトル及び分散又は共分散を用いた統計モデルで近似する。その上で、属性データ補正部１１０は、基準であるセンサｍ’の属性データ列に対応するＫ_ｍ’個の統計モデルの重ね合わせと、センサｍの属性データ列に対応するＫ_ｍ個の統計モデルの重ね合わせの相関が最大になるようにしてもよい。統計モデルの例としては、ガウスモデルが挙げられる。

なお、属性データ補正部１１０による補正処理は、時間軸及び周波数軸のいずれか一方の補正でもよい。また、平行移動だけでなく、特徴量空間内での拡大や縮小、回転を含む補正が行われてもよい。

［効果の説明］
第１の実施形態に係る発信源位置推定システムの効果について説明する。

第１の実施形態では、各センサ１０１は、未知の信号に対しても計測可能な時刻、周波数、受信強度データを取得して分類し、分類された各クラスタの属性データを抽出して出力するように構成されている。従って、対象が未知の信号であっても、あるいは、センサ１０１が大容量データ通信機能を持たない場合でも、波源の位置推定ができる。また、各センサ１０１において電波の到来方向を計測する必要は必ずしもないため、センサ１０１が単一のアンテナしか持たない場合でも、波源の位置を推定できる。

第１の実施形態では、１つのアンテナを用いて受信して得られる特徴ベクトル、例えば電波の受信強度を利用することで、必ずしも到来方向を計測する必要はない。その結果、小型なセンサ１０１を用いて発信源の位置を推定できる。このように、第１の実施形態では、必ずしも電波の到来方向を計測する必要はなく、電波強度を計測する小型のセンサを用いることができるので、センサ及びその周辺機器が大型化し、センサ等の設置に困難が生じるという問題を解決できる。

さらに、第１の実施形態では、位置推定装置１０２は、センサ１０１間の時間や周波数のずれに起因する属性データ列間の誤差を補正し、同一の発信波に由来する属性データ同士を結合してまとめる。その上で、第１の実施形態に係る位置推定装置１０２は、当該結合した属性データに含まれる受信強度とセンサ位置から発信源位置を推定して出力するように構成されている。そのため、位置推定装置１０２は、複数のセンサ１０１間で時刻や周波数のずれがあっても、波源の位置推定ができる。

上述の特許文献１乃至３に開示されたシステムでは、センサの運用コストが増加するという問題点がある。その理由は、以下のとおりである。上記電波発信源推定システムでは、発信源から複数のセンサまでの電波の到来時刻の差を時系列データの相関計算に基づき計測する必要がある。そのため、複数のセンサ間で高精度な時刻の同期と、時系列データ送信のための大容量データ通信が必要になる。その結果、センサの運用コストが増加する。あるいは、センサを無線接続してデータを収集することは困難であり、センサの設置が難しくなるという問題もある。

対して、第１の実施形態に係る発信源位置推定システムでは、特徴ベクトルの集合を特徴量空間で部分集合に分類し、その部分集合の属性データを抽出する。また、第１の実施形態に係る発信源位置推定システムでは、センサ１０１ごとに出力される属性データ列間に存在する誤差、例えばセンサ間の時刻や周波数の誤差を補正したうえで、発信源の位置推定を行う。その結果、センサ１０１間の高精度時刻同期や大容量データ通信が不要となり、センサ１０１の運用コストを抑えることができる。また、無線接続が可能となりセンサ１０１の設置性が向上する効果が得られる。

また、特許文献１乃至３に開示されたシステムでは、発信源が送信する信号が未知の場合には位置推定精度が劣化する問題がある。その理由は、そもそも参照できる信号が存在しなかったり、あるいは参照できる信号が含まれていたとしても、そのような信号が未知であれば、位置推定に使用できないためである。

対して、第１の実施形態に係る発信源位置推定システムでは、未知の電波信号であっても計測可能な時刻や周波数に関する類似度から、同一の発信波に由来する属性データ同士を結合し、結合された属性データに含まれる電波の受信強度から発信源位置を推定する。その結果、第１の実施形態に係る発信源位置推定システムは、未知の電波信号であっても発信源の位置を高精度に推定できる。

以上、説明した第１の実施形態に係る発信源位置推定システムの効果をまとめると以下のとおりとなる。第１の実施形態では、電波を受信するセンサ１０１を分散的に配置し、電波の発信源の位置を推定するシステム及び方法を提供する。特に、電波発信源が複数存在するような環境、また、発信源が未知の方式の電波を発信する状況でも、センサ１０１の位置と受信した電波の強度の情報だけを用いて、各々の発信源位置を推定することができる発信源位置推定システムを提供できる。このように、第１の実施形態によれば、小型で、かつ、無線通信での情報収集が可能なセンサ１０１を用いた、設置が容易で運用コストの低い発信源位置推定システムが提供される。また、第１の実施形態によれば、信号が未知の場合でも電波源位置推定精度を向上できる発信源位置推定システムが提供される。

［第２の実施形態］
続いて、第２の実施形態について図面を参照して詳細に説明する。

図９は、第２の実施形態に係る発信源位置推定システムの一例を示す図である。図２と図９を比較すると、第２の実施形態では、センサ１０１が、センサ位置計測部８０１を備える点と、位置推定装置１０２のセンサ位置情報記憶部１１２が、センサ位置取得部８０２に置換されている点である。

第２の実施形態に係る発信源位置推定システムの全体動作は、以下の点を除いて第１の実施形態に係る波源位置推定システムの全体動作と同じとすることができる。そのため、第２の実施形態に係る発信源位置推定システムの動作に関する詳細な説明を省略する。第２の実施形態では、センサ位置情報が予めセンサ位置情報記憶部１１２に記憶されているのではなく、センサ位置計測部８０１によって計測される。また、第２の実施形態では、各センサ１０１の位置がセンサ位置取得部８０２によって取得され、位置推定部１１３は当該センサ位置取得部８０２により取得された情報により、位置推定を行う。

センサ位置計測部８０１は、ＧＰＳ（Global Positioning System）信号等により自装置（センサ１０１）の位置を算出し、その結果を位置推定部１１３に送信する。センサ位置取得部８０２は、センサ１０１から送信されるセンサ位置を取得し、記憶媒体等に記憶する。また、センサ位置取得部８０２は、各センサ１０１の位置が更新された場合には、最新の位置情報を記憶媒体等の情報に反映する。

［効果の説明］
第２の実施形態の効果について説明する。

第２の実施形態では、センサ１０１が自己位置を計測できるよう構成されているため、センサ１０１を固定設置する必要はない。例えば、センサ１０１が移動していても（移動されても）、各センサ１０１は、自装置の位置情報を位置推定装置１０２に送信することで、位置推定装置１０２は、電波発信源位置を推定できる。

続いて、第１及び第２の実施形態に係る位置推定装置１０２のハードウェアについて説明する。

図１０は、第１の実施形態に係る位置推定装置１０２のハードウェアの一例を示す図である。位置推定装置１０２は、所謂、情報処理装置（コンピュータ）により構成可能であり、図１０に例示する構成を備える。例えば、位置推定装置１０２は、内部バスにより相互に接続される、ＣＰＵ（Central Processing Unit）１１、メモリ１２、入出力インターフェイス１３及び通信インターフェイスであるＮＩＣ（Network Interface Card）１４等を備える。

なお、図１０に示す構成は、位置推定装置１０２のハードウェア構成を限定する趣旨ではない。位置推定装置１０２は、図示しないハードウェアを含んでもよい。あるいは、位置推定装置１０２に含まれるＣＰＵ等の数も図１０の例示に限定する趣旨ではなく、例えば、複数のＣＰＵが位置推定装置１０２に含まれていてもよい。

メモリ１２は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、補助記憶装置（ハードディスク等）である。

入出力インターフェイス１３は、図示しない表示装置や入力装置のインターフェイスとなる手段である。表示装置は、例えば、液晶モニタ等である。入力装置は、例えば、キーボードやマウス等のユーザ操作を受け付ける装置である。

位置推定装置１０２の機能は、上述の処理モジュールにより実現される。当該処理モジュールは、例えば、メモリ１２に格納されたプログラムをＣＰＵ１１が実行することで実現される。あるいは、処理モジュールの全部又は一部は、ＦＰＧＡ（Field Programmable Gate Array）やＡＳＩＣ（Application Specific Integrated Circuit）等のハードウェアにより実現（ハードウェアに実装）されてもよい。また、上記プログラムは、ネットワークを介してダウンロードするか、あるいは、プログラムを記憶した記憶媒体を用いて、更新することができる。さらに、上記処理モジュールは、半導体チップにより実現されてもよい。即ち、上記処理モジュールが行う機能は、何らかのハードウェアにおいてソフトウェアが実行されることによって実現できればよい。

さらに、コンピュータの記憶部に、上述したコンピュータプログラム（発信源位置推定プログラム）をインストールすることにより、コンピュータを位置推定装置１０２として機能させることができる。さらにまた、上述したコンピュータプログラムをコンピュータに実行させることにより、コンピュータにより発信源位置推定方法を実行することができる。

なお、センサ１０１の基本的なハードウェア構成も位置推定装置１０２と同様とすることができるので詳細な説明を省略する。具体的には、図１０に示す構成において、入出力インターフェイス１３に変えて電波を受信するアンテナ及び受信回路を備えることで、センサ１０１とすることができる。

また、上述の説明で用いた複数のフローチャートでは、複数の工程（処理）が順番に記載されているが、各実施形態で実行される工程の実行順序は、その記載の順番に制限されない。各実施形態では、例えば各処理を並行して実行する等、図示される工程の順番を内容的に支障のない範囲で変更することができる。また、上述の各実施形態は、内容が相反しない範囲で組み合わせることができる。

上記の説明により、本発明の産業上の利用可能性は明らかである。特に、ある無線システムの無線局の位置と伝搬範囲を推定し、そのシステムが使用している周波数を、別の異なる地域で利用することで、有限な資源である周波数を有効活用するといった用途に好適である。また、不法・違法な電波発信源の位置を推定して適切な処置を行うといった用途にも適用可能である。

上記の実施形態の一部又は全部は、以下のようにも記載され得るが、以下には限られない。
［形態１］
上述の第１の視点に係る発信源位置推定システムのとおりである。
［形態２］
前記位置推定装置は、
前記複数の属性データ列に含まれる第１の属性データ列に対する、前記第１の属性データ列以外の第２の属性データ列の類似度が最大となるように、前記第２の属性データ列を補正する属性データ補正部をさらに備える、好ましくは形態１に記載の発信源位置推定システム。
［形態３］
前記複数の属性データ列のそれぞれは、前記特徴ベクトルの部分集合の代表ベクトルを要素として含み、
前記属性データ補正部は、
前記第１の属性データ列の代表ベクトルと、前記第２の属性データ列の代表ベクトルの類似度が、特徴量空間又は特徴量空間の部分空間で最大となるように前記第２の属性データ列の代表ベクトルを補正する、好ましくは形態２に記載の発信源位置推定システム。
［形態４］
前記属性データは、前記特徴ベクトルの部分集合の特徴量空間での分散又は共分散をさらに要素として含み、
前記属性データ補正部は、
前記特徴ベクトルの部分集合を、対応する属性データの代表ベクトル及び分散又は共分散を用いた統計モデルで近似し、
前記第１の属性データ列に対応する統計モデルの重ね合わせと、前記第２の属性データ列に対応する統計モデルの重ね合わせとの相関が最大になるように、前記第２の属性データ列の代表ベクトルを補正する、好ましくは形態３に記載の発信源位置推定システム。
［形態５］
前記複数の属性データ列のうち属性データ列数が最大である属性データ列を前記第１の属性データ列とする、好ましくは形態２乃至４のいずれか一に記載の発信源位置推定システム。
［形態６］
前記複数の属性データ列のうち情報量又はエントロピーが最大である属性データ列を前記第１の属性データ列とする、好ましくは形態２乃至４のいずれか一に記載の発信源位置推定システム。
［形態７］
前記特徴ベクトルは、要素として受信時刻、受信周波数、受信強度を含む、好ましくは形態１乃至６のいずれか一に記載の発信源位置推定システム。
［形態８］
前記位置推定装置は、
前記位置推定部が出力する波源位置の重複を空間領域で集約するデータ集約部をさらに備える、好ましくは形態１乃至７のいずれか一に記載の発信源位置推定システム。
［形態９］
前記データ集約部は、
前記位置推定部が出力する波源位置のうち、与えられた閾値よりも距離の近い波源位置同士を集約して出力する、好ましくは形態８に記載の発信源位置推定システム。
［形態１０］
発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類する、特徴ベクトル分類部と、
前記部分集合ごとに属性データを抽出して属性データ列として出力する、属性データ抽出部と、
を備えるセンサ。
［形態１１］
センサが、発信波の受信信号データから得られる特徴ベクトルの集合を特徴量空間で部分集合に分類し、前記部分集合ごとに属性データを抽出して属性データ列として出力する、前記属性データ列を取得する通信部と、
複数の前記属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する、データ結合部と、
前記結合された属性データと、発信波を受信した前記センサの位置と、から発信源の位置を推定する、位置推定部と、
を備える位置推定装置。
［形態１２］
上述の第２の視点に係る発信源位置推定方法のとおりである。
［形態１３］
上述の第３の視点に係る発信源位置推定プログラムのとおりである。
なお、形態１０～１３は、形態１と同様に、形態２～９のように展開することが可能である。

なお、引用した上記の特許文献等の各開示は、本書に引用をもって繰り込むものとする。本発明の全開示（請求の範囲を含む）の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の全開示の枠内において種々の開示要素（各請求項の各要素、各実施形態ないし実施例の各要素、各図面の各要素等を含む）の多様な組み合わせ、ないし、選択（少なくとも一部の非選択を含む）が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。特に、本書に記載した数値範囲については、当該範囲内に含まれる任意の数値ないし小範囲が、別段の記載のない場合でも具体的に記載されているものと解釈されるべきである。

１１ ＣＰＵ（Central Processing Unit）
１２ メモリ
１３ 入出力インターフェイス
１４ ＮＩＣ（Network Interface Card）
１０１、１０１－１～１０１－Ｍ、２０１ センサ
１０２、２０２ 位置推定装置
１０３、１０９ 通信部
１０４ センサ局所制御部
１０５ 電波計測部
１０６、２１１ 特徴ベクトル分類部
１０７、２１２ 属性データ抽出部
１０８ センサ遠隔制御部
１１０ 属性データ補正部
１１１ 時間／周波数領域データ結合部
１１２ センサ位置情報記憶部
１１３、２２２ 位置推定部
１１４ 空間領域データ集約部
１１５ 出力部
２２１ データ結合部
８０１ センサ位置計測部
８０２ センサ位置取得部

Claims (9)

1. 発信された電波の受信信号データから得られる特徴ベクトルであって、要素として前記電波の受信強度を含む特徴ベクトルの集合を特徴量空間で部分集合に分類する、特徴ベクトル分類部と、
   前記部分集合ごとに属性データを抽出して複数の属性データ列として出力する、属性データ抽出部と、
   を備えるセンサと、
   前記複数の属性データ列に含まれる第１の属性データ列に対する、前記第１の属性データ列以外の第２の属性データ列の類似度が最大となるように、前記第２の属性データ列を補正する属性データ補正部と、
   前記複数の属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する、データ結合部と、
   前記結合された属性データに含まれる前記受信強度と、前記電波を受信した前記センサの位置と、から前記電波の発信源の位置を推定する、位置推定部と、
   を備える位置推定装置と、
   を含む、発信源位置推定システム。
2. 前記複数の属性データ列のそれぞれは、前記特徴ベクトルの部分集合の代表ベクトルを要素として含み、
   前記属性データ補正部は、
   前記第１の属性データ列の代表ベクトルと、前記第２の属性データ列の代表ベクトルの類似度が、特徴量空間又は特徴量空間の部分空間で最大となるように前記第２の属性データ列の代表ベクトルを補正する、請求項１に記載の発信源位置推定システム。
3. 前記属性データは、前記特徴ベクトルの部分集合の特徴量空間での分散又は共分散をさらに要素として含み、
   前記属性データ補正部は、
   前記特徴ベクトルの部分集合を、対応する属性データの代表ベクトル及び分散又は共分散を用いた統計モデルで近似し、
   前記第１の属性データ列に対応する統計モデルの重ね合わせと、前記第２の属性データ列に対応する統計モデルの重ね合わせとの相関が最大になるように、前記第２の属性データ列の代表ベクトルを補正する、請求項２に記載の発信源位置推定システム。
4. 前記複数の属性データ列のうち属性データ列数が最大である属性データ列を前記第１の属性データ列とする、請求項１乃至３のいずれか一項に記載の発信源位置推定システム。
5. 前記複数の属性データ列のうち情報量又はエントロピーが最大である属性データ列を前記第１の属性データ列とする、請求項１乃至３のいずれか一項に記載の発信源位置推定システム。
6. 前記特徴ベクトルは、前記要素として受信時刻および受信周波数をさらに含む、請求項１乃至５のいずれか一項に記載の発信源位置推定システム。
7. 前記位置推定装置は、
   前記位置推定部が出力する波源位置の重複を空間領域で集約するデータ集約部をさらに備える、請求項１乃至６のいずれか一項に記載の発信源位置推定システム。
8. 発信された電波の受信信号データから得られる特徴ベクトルであって、要素として前記電波の受信強度を含む特徴ベクトルの集合を特徴量空間で部分集合に分類するステップと、
   前記部分集合ごとに属性データを抽出して複数の属性データ列として出力するステップと、
   前記複数の属性データ列に含まれる第１の属性データ列に対する、前記第１の属性データ列以外の第２の属性データ列の類似度が最大となるように、前記第２の属性データ列を補正するステップと、
   前記複数の属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合するステップと、
   前記結合された属性データに含まれる前記受信強度と、前記電波を受信したセンサの位置と、から前記電波の発信源の位置を推定するステップと、
   を含む、発信源位置推定方法。
9. 発信された電波の受信信号データから得られる特徴ベクトルであって、要素として前記電波の受信強度を含む特徴ベクトルの集合を特徴量空間で部分集合に分類し、前記部分集合ごとに属性データを抽出して複数の属性データ列として出力する、前記属性データ列を取得する処理と、
   前記複数の属性データ列に含まれる第１の属性データ列に対する、前記第１の属性データ列以外の第２の属性データ列の類似度が最大となるように、前記第２の属性データ列を補正する処理と、
   前記複数の属性データ列に対して少なくとも１つの属性について一致又は類似する属性データ同士を結合する処理と、
   前記結合された属性データに含まれる前記受信強度と、前記電波を受信したセンサの位置と、から前記電波の発信源の位置を推定する処理と、
   を位置推定装置に搭載されたコンピュータに実行させる発信源位置推定プログラム。

Images