JP7272578B2 - Computer-readable recording medium recording a program to be executed by a management device, a computer, and the program - Google Patents
Computer-readable recording medium recording a program to be executed by a management device, a computer, and the program Download PDFInfo
- Publication number
- JP7272578B2 JP7272578B2 JP2019004233A JP2019004233A JP7272578B2 JP 7272578 B2 JP7272578 B2 JP 7272578B2 JP 2019004233 A JP2019004233 A JP 2019004233A JP 2019004233 A JP2019004233 A JP 2019004233A JP 7272578 B2 JP7272578 B2 JP 7272578B2
- Authority
- JP
- Japan
- Prior art keywords
- interference
- data
- communication
- primary user
- pseudo
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
Description
本発明は、管理装置、コンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体に関するものである。 The present invention relates to a management device, a program to be executed by a computer, and a computer-readable recording medium recording the program.
周波数共用システムでは、ある周波数帯域において無線通信を行う一次利用者に対して、その周波数帯域で二次利用者が干渉を与えずに通信するために周波数共用条件を設定する。そして、二次利用者は、その共用条件の下で通信を行う。 In a frequency sharing system, a frequency sharing condition is set for a primary user who performs wireless communication in a certain frequency band so that a secondary user can communicate in that frequency band without causing interference. Then, the secondary user communicates under the shared conditions.
しかし、予め定められた共用条件に従って二次利用者が通信を行った場合でも、伝搬路の環境の変動などに起因した干渉の発生が想定される。そこで、干渉の再発防止に向けた周波数共用条件の更新手法として、周波数管理データベース上に存在する情報に対して機械学習を行い、二次利用者の通信パラメータを決定する手法が提案されている（非特許文献１）。 However, even when secondary users communicate according to predetermined shared conditions, it is assumed that interference will occur due to changes in the propagation path environment. Therefore, as a method of updating frequency sharing conditions to prevent recurrence of interference, a method of determining communication parameters for secondary users by performing machine learning on the information existing in the frequency management database has been proposed ( Non-Patent Document 1).
この手法では、周波数管理データベース上に蓄積された二次利用者の通信座標や送信電力などの通信履歴及び一次利用者による干渉通知をもとに教師あり学習を実行し、一次利用者に干渉を与えない二次利用者の通信パラメータを決定する。 In this method, supervised learning is performed based on communication history such as communication coordinates and transmission power of secondary users accumulated in the frequency management database and interference notifications from primary users, and interference is detected by primary users. Decide which secondary user communication parameters you do not want to give.
しかし、非特許文献１に記載された技術では、実際に干渉が生じたことを示す干渉データを基準点とし、統計的な処理によって、干渉を示す擬似データを基準点の周囲に生成する。その結果、擬似データの生成が実際の電波伝搬路の特性と必ずしても一致しない。
However, in the technique described in
また、二次利用者が一次利用者に干渉を与える電波伝搬路中の地形といった電波伝搬に決定的に影響を与える要素が考慮されない。従って、本来なら干渉が起き得ない地点に擬似データが生成されたり、本来なら干渉が起き得る地点に擬似データが生成される。 In addition, factors that have a decisive influence on radio wave propagation, such as topography in radio wave propagation paths where secondary users interfere with primary users, are not considered. Therefore, pseudo data is generated at a point where interference would not normally occur, or pseudo data is generated at a point where interference would normally occur.
従って、非特許文献１に記載された技術では、実際の電波伝搬路に即して擬似データを生成することが困難であるという問題がある。
Therefore, with the technique described in
そこで、この発明の実施の形態によれば、２次利用者が干渉を回避して無線通信を行うための通信パラメータを精度良く決定可能な管理装置を提供する。 Therefore, according to the embodiments of the present invention, there is provided a management apparatus capable of accurately determining communication parameters for secondary users to avoid interference and carry out wireless communication.
また、この発明の実施の形態によれば、２次利用者が干渉を回避して無線通信を行うための通信パラメータを精度良く決定することをコンピュータに実行させるためのプログラムを提供する。 Further, according to the embodiment of the present invention, there is provided a program for causing a computer to accurately determine communication parameters for a secondary user to avoid interference and perform wireless communication.
更に、この発明の実施の形態によれば、２次利用者が干渉を回避して無線通信を行うための通信パラメータを精度良く決定することをコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体を提供する。 Furthermore, according to the embodiment of the present invention, a computer readable program is recorded for causing a computer to accurately determine communication parameters for wireless communication with secondary users avoiding interference. provide a recording medium.
（構成１）
この発明の実施の形態によれば、管理装置は、受信手段と、生成手段と、更新手段と、機械学習手段と、通信パラメータ決定手段と、送信手段とを備える。
(Configuration 1)
According to an embodiment of the present invention, the management device comprises reception means, generation means, update means, machine learning means, communication parameter determination means, and transmission means.
受信手段は、干渉を示すデータの割合が一定値となる無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する。 The receiving means receives an interference notification including the location of the interfered terminal, which is the location of the terminal that received interference, and the presence or absence of interference, from the primary user, which is a wireless communication system in which the ratio of data indicating interference is a constant value. do.
生成手段は、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する。 The generating means generates a label indicating the presence or absence of interference and the location of the interfered terminal based on the communication history and interference notification history of the secondary user, which is a wireless communication system that performs wireless communication using the frequency band of the primary user. and communication parameters to generate teacher data.
更新手段は、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する。 The updating means updates the number of pieces of interference data in which a label indicating that there is interference, the location of the interfered terminal, and the communication parameter are associated with each other, and the label indicating that there is no interference, the location of the interfered terminal, and the communication parameter. A bias reduction process for reducing the bias with respect to the number of non-interference data associated with each other is applied to the teacher data, and updated teacher data is generated by updating the teacher data.
機械学習手段は、更新教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する。 Based on the updated training data, the machine learning means divides the communication parameters into a first class without interference and a second class with interference in an n-dimensional space consisting of n (n is an integer equal to or greater than 2) parameters including the communication parameters. A decision boundary, which is a boundary for classifying into the class and which is equidistant from the first and second classes, is determined by machine learning.
通信パラメータ決定手段は、決定境界を用いて、１次利用者において干渉が発生しない通信パラメータセットおよび１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する。 The communication parameter determining means determines at least one of a communication parameter set in which interference does not occur in the primary user and a communication parameter set in which interference occurs in the primary user, using the decision boundary.
送信手段は、決定された通信パラメータセットを２次利用者の端末群へ送信する。 The transmission means transmits the determined communication parameter set to the terminal group of the secondary users.
そして、更新手段は、１次利用者と２次利用者との間の実際の電波伝搬路に基づいて決定された干渉データ生成領域に擬似干渉データを追加して偏り低減処理を教師データに適用し、更新教師データを生成する。 Then, the updating means adds the pseudo interference data to the interference data generation region determined based on the actual radio wave propagation path between the primary user and the secondary user, and applies bias reduction processing to the teacher data. and generate updated teacher data.
（構成２）
構成１において、更新手段は、干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成する。
(Configuration 2)
In
（構成３）
構成２において、更新手段は、２次利用者が１次利用者へ与える干渉の干渉電力に比例するように干渉データ生成領域の広さを決定し、その決定した干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成する。
(Composition 3)
In configuration 2, the updating means determines the size of the interference data generation region so as to be proportional to the interference power of interference given to the primary user by the secondary user, and determines the determined size of the interference data generation region. A proportional number of pseudo interference data are added to generate updated teacher data.
（構成４）
構成３において、更新手段は、シャドウィングを考慮して前記干渉電力を決定する。
(Composition 4)
In configuration 3, the updating means determines said interference power taking shadowing into account.
（構成５）
構成１から構成４のいずれかにおいて、更新手段は、１次利用者と２次利用者との間の実際の伝搬路に基づいて決定された非干渉データ削除領域内に存在する非干渉データを削除して偏り低減処理を教師データに適用し、更新教師データを生成する。
(Composition 5)
In any one of
（構成６）
構成１から構成５のいずれかにおいて、更新手段は、地上の起伏および建物を含む３次元地図データと電波のシャドウィングを考慮した電波の伝搬シミュレーションとを用いて算出された干渉電力に基づいて干渉データ生成領域を決定し、その決定した干渉データ生成領域に擬似干渉データを追加して更新教師データを生成する。
(Composition 6)
In any one of
（構成７）
構成１から構成６のいずれかにおいて、通信パラメータ決定手段は、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ－ｍ）次元超平面を設定し、その設定した（ｎ－ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ－ｍ）次元超平面上の点を探索し、その探索した（ｎ－ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する。
(Composition 7)
In any one of
（構成８）
この発明の実施の形態によれば、プログラムは、
受信手段が、干渉を示すデータの割合が一定値となる無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する第１のステップと、
生成手段が、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する第２のステップと、
更新手段が、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する第３のステップと、
機械学習手段が、更新教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する第４のステップと、
通信パラメータ決定手段が、決定境界を用いて、１次利用者において干渉が発生しない通信パラメータセットおよび１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する第５のステップと、
送信手段が、決定された通信パラメータセットを２次利用者の端末群へ送信する第６のステップとをコンピュータに実行させ、
更新手段は、第３のステップにおいて、１次利用者と２次利用者との間の実際の電波伝搬路に基づいて決定された干渉データ生成領域に擬似干渉データを追加して偏り低減処理を教師データに適用し、更新教師データを生成する、コンピュータに実行させるためのプログラムである。
(Composition 8)
According to an embodiment of the invention, the program
A receiving means receives an interference notification including the location of the interfered terminal, which is the location of the terminal receiving interference, and the presence or absence of interference, from the primary user, which is a wireless communication system in which the ratio of data indicating interference is a constant value. a first step of
A label indicating the presence or absence of interference based on the communication history and interference notification history of a secondary user whose generation means is a wireless communication system that performs wireless communication using the frequency band of the primary user, and the position of the interfered terminal. a second step of generating training data in which communication parameters are associated with each other;
The updating means updates the number of pieces of interference data in which a label indicating that there is interference, the location of the interfered terminal, and the communication parameter are associated with each other, and the label indicating that there is no interference, the location of the interfered terminal, and the communication parameter. a third step of applying a bias reduction process to the teacher data to reduce the bias with respect to the number of non-interference data associated with each other, and generating updated teacher data by updating the teacher data;
Based on the updated training data, the machine learning means classifies the communication parameters into a first class without interference and a second class with interference in an n-dimensional space consisting of n (n is an integer equal to or greater than 2) parameters including the communication parameters. a fourth step of determining by machine learning a decision boundary that is a boundary for classifying into the class of and that is equidistant from the first and second classes;
a fifth step in which the communication parameter determining means determines at least one of a communication parameter set in which interference does not occur in the primary user and a communication parameter set in which interference occurs in the primary user using the decision boundary;
causing the computer to execute a sixth step in which the transmission means transmits the determined communication parameter set to the terminal group of the secondary users;
In the third step, the update means adds pseudo interference data to the interference data generation region determined based on the actual radio wave propagation path between the primary user and the secondary user to perform bias reduction processing. It is a program to be executed by a computer that applies to teaching data and generates updated teaching data.
（構成９）
構成８において、更新手段は、第３のステップにおいて、干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成す。
(Composition 9)
In configuration 8, in the third step, the update means adds pseudo interference data in a number proportional to the size of the interference data generation area to generate updated teacher data.
（構成１０）
構成９において、更新手段は、第３のステップにおいて、２次利用者が１次利用者へ与える干渉の干渉電力に比例するように干渉データ生成領域の広さを決定し、その決定した干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成する。
(Configuration 10)
In configuration 9, in the third step, the updating means determines the size of the interference data generation area so as to be proportional to the interference power of the interference given to the primary user by the secondary user, and the determined interference data A number of pieces of pseudo interference data proportional to the size of the generation area are added to generate updated teacher data.
（構成１１）
構成１０において、更新手段は、第３のステップにおいて、シャドウィングを考慮して干渉電力を決定する。
(Composition 11)
In
（構成１２）
構成８から構成１１のいずれかにおいて、更新手段は、第３のステップにおいて、１次利用者と２次利用者との間の実際の伝搬路に基づいて決定された非干渉データ削除領域内に存在する非干渉データを削除して偏り低減処理を教師データに適用し、更新教師データを生成する。
(Composition 12)
In any one of configuration 8 to
（構成１３）
構成８から構成１２のいずれかにおいて、更新手段は、第３のステップにおいて、地上の起伏および建物を含む３次元地図データと電波のシャドウィングを考慮した電波の伝搬シミュレーションとを用いて算出された干渉電力に基づいて干渉データ生成領域を決定し、その決定した干渉データ生成領域に擬似干渉データを追加して更新教師データを生成する。
(Composition 13)
In any one of configuration 8 to
（構成１４）
構成８から構成１３のいずれかにおいて、通信パラメータ決定手段は、第５のステップにおいて、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ－ｍ）次元超平面を設定し、その設定した（ｎ－ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ－ｍ）次元超平面上の点を探索し、その探索した（ｎ－ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する。
(Composition 14)
In any one of configuration 8 to
（構成１５）
更に、この発明の実施の形態によれば、記録媒体は、構成８から構成１４のいずれか１つに記載のプログラムを記録したコンピュータ読み取り可能な記録媒体である。
(Composition 15)
Further, according to the embodiment of the present invention, the recording medium is a computer-readable recording medium recording the program according to any one of Structures 8 to 14.
２次利用者が干渉を回避して無線通信を行うための通信パラメータをリアルタイムに精度良く決定できる。 Communication parameters for the secondary user to avoid interference and carry out wireless communication can be accurately determined in real time.
本発明の実施の形態について図面を参照しながら詳細に説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰返さない。 An embodiment of the present invention will be described in detail with reference to the drawings. The same or corresponding parts in the drawings are denoted by the same reference numerals, and the description thereof will not be repeated.
図１は、この発明の実施の形態における通信機器を示す概略図である。図１を参照して、無線通信システムＷＬＣ１，ＷＬＣ２が存在する。無線通信システムＷＬＣ１は、免許された無線通信システムであり、「１次利用者」と呼ばれる。無線通信システムＷＬＣ１は、無線局１と端末２，３とを備える。無線局１は、１次利用者の無線局であり、端末２，３は、１次利用者の端末である。そして、無線局１および端末２，３は、免許された周波数帯域で相互に無線通信を行う。
FIG. 1 is a schematic diagram showing communication equipment according to an embodiment of the present invention. Referring to FIG. 1, there are wireless communication systems WLC1 and WLC2. The wireless communication system WLC1 is a licensed wireless communication system and is called the "primary user". A wireless communication system WLC1 includes a
無線通信システムＷＬＣ２は、１次利用者の周波数帯域で無線通信を行う無線通信システムであり、「２次利用者」と呼ばれる。無線通信システムＷＬＣ２は、無線局１１と、端末１２，１３とを備える。無線局１１は、２次利用者の無線局であり、端末１２，１３は、２次利用者の端末である。無線局１１および端末１２，１３は、１次利用者の周波数帯域で相互に無線通信を行う。
The wireless communication system WLC2 is a wireless communication system that performs wireless communication in the frequency band of the primary user, and is called "secondary user". A wireless communication system WLC2 includes a
端末２，３の各々は、端末１２，１３からの信号を受信したときの受信信号強度を検出する。そして、端末２，３の各々は、受信信号強度が８３ｄＢｍ以上であるとき、干渉が有ると判定し、受信信号強度が８３ｄＢｍよりも小さいとき、干渉が無いと判定する。
Each of the terminals 2 and 3 detects the received signal strength when receiving the signal from the
端末２，３の各々は、干渉が有ると判定すると、例えば、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を用いて自己の位置を検出するとともに、内蔵したタイマーを用いて、干渉が有ると判定したときの時刻を検出する。この検出した位置は、端末２，３が干渉を受けたときの位置であるので、「被干渉端末位置」と呼ばれる。 When each of the terminals 2 and 3 determines that there is interference, for example, it detects its own position using GPS (Global Positioning System), and uses a built-in timer to determine the time when it is determined that there is interference. to detect This detected position is called the "interfered terminal position" because it is the position when the terminals 2 and 3 are interfered.
そして、端末２，３の各々は、時刻と、干渉の有無と、被干渉端末位置とを含む干渉通知を生成し、その生成した干渉通知を無線局１へ送信する。
Then, each of terminals 2 and 3 generates an interference notification including the time, presence or absence of interference, and the position of the interfered terminal, and transmits the generated interference notification to
無線局１は、端末２，３から干渉通知を受信し、その受信した干渉通知を無線局１１へ送信する。
管理装置１０は、無線局１１に配置される。そして、管理装置１０は、無線局１から干渉通知を受信する。また、管理装置１０は、端末１２，１３と無線通信を行い、その無線通信を行った時刻と、その無線通信の履歴（２次利用者における通信履歴）とを対応付けて保持する。
A
そうすると、管理装置１０は、干渉通知から時刻、干渉の有無および被干渉端末位置を抽出し、その抽出した時刻、干渉の有無および被干渉端末位置を相互に対応付けて後述する管理テーブルに格納するとともに、保持している時刻および２次利用者における通信履歴とを相互に対応付けて後述する管理テーブルに格納する。
Then, the
管理装置１０は、上記の動作を繰返し行い、各時刻に対応付けて、干渉の有無と、被干渉端末位置と、２次利用者における通信履歴とを順次管理テーブルに格納する。
The
管理装置１０は、管理テーブルに基づいて、後述する方法によって、教師データを作成し、その作成した教師データに基づいて、１次利用者へ干渉を与えない通信パラメータセットを決定し、その決定した通信パラメータセットを端末１２，１３へ送信する。
Based on the management table, the
端末１２，１３は、管理装置１０から通信パラメータセットを受信すると、その受信した通信パラメータセットを用いて無線局１１と無線通信を行う。
Upon receiving the communication parameter set from the
図２は、図１に示す管理装置１０の構成を示す概略図である。図２を参照して、管理装置１０は、情報管理部１０１と、機械学習部１０２と、パラメータ決定部１０３と、パラメータ通知部１０４とを備える。
FIG. 2 is a schematic diagram showing the configuration of the
情報管理部１０１は、タイマー（図示せず）を内蔵しており、無線局１から干渉通知を受信する。
また、情報管理部１０１は、端末１２，１３との無線通信に用いられた通信パラメータ（２次利用者における通信パラメータ）を時刻に対応付けて管理する。通信パラメータは、例えば、送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等である。
The
そして、情報管理部１０１は、時刻に対応付けて、干渉通知に含まれる干渉の有無および被干渉端末位置を管理テーブルに格納するとともに、時刻に対応付けて、２次利用者における通信パラメータを管理テーブルに格納する。すなわち、情報管理部１０１は、干渉通知の履歴（干渉の有無および被干渉端末位置の履歴）と２次利用者における通信履歴（２次利用者における通信パラメータの履歴）とを時系列に管理する。この干渉通知の履歴と２次利用者における通信履歴とを時系列に含むものを「管理テーブル」と呼ぶ。
Then, the
情報管理部１０１は、新たに干渉通知を受信すると、干渉通知の履歴と２次利用者における通信履歴とを管理テーブルに追加して管理テーブルを更新する。そして、情報管理部１０１は、更新した管理テーブルを機械学習部１０２へ出力する。
When receiving a new interference notification, the
機械学習部１０２は、管理テーブルを情報管理部１０１から受け、その受けた管理テーブルに基づいて、後述する方法によって、教師データを作成する。そして、機械学習部１２は、各２次利用者の位置における１次利用者への干渉電力を推定した干渉推定マップＭＡＰ＿ＩＦＰを干渉推定装置２０から受け、その受けた干渉推定マップＭＡＰ＿ＩＦＰに基づいて、後述する方法によって、教師データを更新して更新教師データを生成する。その後、機械学習部１０２は、更新教師データに基づいて機械学習を行い、通信パラメータを干渉が無いクラスＣＬ１と干渉が有るクラスＣＬ２とに分類するための境界であり、かつ、クラスＣＬ１，ＣＬ２の両方から等距離にある境界である決定境界を決定する。
The
そうすると、機械学習部１０２は、その決定した決定境界をパラメータ決定部１０３へ出力する。
Then,
パラメータ決定部１０３は、決定境界を機械学習部１０２から受け、その受けた決定境界を用いて、後述する方法によって、１次利用者において干渉が発生しない通信パラメータセットを決定する。そして、パラメータ決定部１０３は、その決定した通信パラメータセットをパラメータ通知部１０４へ出力する。
パラメータ通知部１０４は、通信パラメータセットをパラメータ決定部１０３から受け、その受けた通信パラメータセットを端末１２，１３へ送信する。
図３は、図２に示す機械学習部１０２の構成を示す概略図である。図３を参照して、機械学習部１０２は、生成装置１０２１と、擬似データ生成装置１０２２と、過剰データ削除装置１０２３と、更新装置１０２４と、決定装置１０２５とを含む。
FIG. 3 is a schematic diagram showing the configuration of the
生成装置１０２１は、管理テーブルを情報管理部１０１から受け、その受けた管理テーブルに基づいて、後述する方法によって、教師データを生成する。そして、生成装置１２１は、その生成した教師データを擬似データ生成装置１０２２および過剰データ削除装置１０２３へ出力する。
The
擬似データ生成装置１０２２は、教師データを生成装置１０２１から受ける。また、擬似データ生成装置１０２２は、干渉推定マップＭＡＰ＿ＩＦＰを干渉推定装置２０から受ける。
The pseudo
擬似データ生成装置１０２２は、干渉推定マップＭＡＰ＿ＩＦＰを受けると、その受けた干渉推定マップＭＡＰ＿ＩＦＰに基づいて、後述する方法によって、干渉データ生成領域を決定し、その決定した干渉データ生成領域に擬似干渉データを生成する。そうすると、擬似データ生成装置１０２２は、その生成した擬似干渉データを更新装置１０２４へ出力する。
Upon receiving the interference estimation map MAP_IFP, the pseudo
過剰データ削除装置１０２３は、教師データを生成装置１０２１から受け、その受けた教師データから過剰データを削除する。そして、過剰データ削除装置１０２３は、過剰データを削除した教師データを更新装置１０２４へ出力する。
Excess
更新装置１０２４は、擬似データを擬似データ生成装置１０２２から受け、過剰データを削除した教師データを過剰データ削除装置１０２３から受ける。そして、更新装置１０２４は、過剰データを削除した教師データに擬似データを追加して教師データを更新し、更新教師データを生成する。そして、更新装置１０２４は、更新教師データを決定装置１０２５へ出力する。
The
決定装置１０２５は、更新教師データを更新装置１０２４から受け、その受けた更新教師データに基づいて機械学習を行い、通信パラメータを干渉が無いクラスＣＬ１と干渉が有るクラスＣＬ２とに分類するための境界であり、かつ、クラスＣＬ１，ＣＬ２の両方から等距離にある境界である決定境界を決定する。そして、決定装置１０２５は、その決定した決定境界をパラメータ決定部１０３へ出力する。
The
図４は、管理テーブルの概念図である。図４を参照して、管理テーブルＴａｂｌｅ－ＣＴＬは、１次利用者の干渉通知の履歴と、２次利用者の通信履歴とを含む。１次利用者の干渉通知の履歴および２次利用者の通信履歴は、相互に対応付けられる。 FIG. 4 is a conceptual diagram of the management table. Referring to FIG. 4, the management table Table-CTL includes the history of interference notification of the primary user and the communication history of the secondary user. The interference notification history of the primary user and the communication history of the secondary user are associated with each other.
１次利用者の干渉通知の履歴は、時刻１と、干渉の有無と、被干渉端末位置とを含む。時刻１、干渉の有無および被干渉端末位置は、相互に対応付けられる。
The history of interference notification of the primary user includes
２次利用者の通信履歴は、時刻２と、送信電力と、中心周波数とを含む。時刻２、送信電力および中心周波数は、相互に対応付けられる。 The secondary user's communication history includes time 2, transmission power, and center frequency. Time 2, transmission power and center frequency are associated with each other.
２次利用者の通信パラメータは、上記において、送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等からなると説明した。しかし、図４においては、説明し易くするために、２次利用者の通信パラメータとして送信電力および中心周波数だけを示した。実際には、２次利用者の通信履歴は、上述した送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等からなる。 It has been explained above that the secondary user's communication parameters consist of transmission power, transmission terminal location, carrier frequency, bandwidth, modulation scheme, multiple access scheme, antenna sector, and the like. However, in FIG. 4, only transmission power and center frequency are shown as secondary user communication parameters for the sake of easy explanation. In practice, the secondary user's communication history consists of the above-mentioned transmission power, transmission terminal position, carrier frequency, bandwidth, modulation scheme, multiple access scheme, antenna sector, and the like.
図４においては、時刻ｔ０，ｔ３，ｔ４では、干渉が無く、そのときの２次利用者における送信電力および中心周波数が示されている。干渉が無いので、被干渉端末位置には”ｕｎｋｎｏｗｎ”が格納されている。そして、”干渉無し”、”ｕｎｋｎｏｗｎ”、２次利用者の送信電力および中心周波数が時刻ｔ０，ｔ３，ｔ４に対応付けられている。 In FIG. 4, there is no interference at times t0, t3, and t4, and the transmission power and center frequency of the secondary user at that time are shown. Since there is no interference, "unknown" is stored in the interfered terminal position. "No interference", "unknown", the transmission power of the secondary user and the center frequency are associated with times t0, t3 and t4.
また、図４においては、時刻ｔ１，ｔ２では、干渉が有り、そのときの被干渉端末位置と、２次利用者の送信電力および中心周波数とが示されている。そして、”干渉有り”、被干渉端末位置（（ｘ１，ｙ１），（ｘ２，ｙ２））、２次利用者の送信電力および２次利用者の中心周波数が時刻ｔ１，ｔ２に対応付けられている。 Also, in FIG. 4, there is interference at times t1 and t2, and the position of the interfered terminal at that time, and the transmission power and center frequency of the secondary user are shown. Then, "interference present", the position of the interfered terminal ((x1, y1), (x2, y2)), the transmission power of the secondary user, and the center frequency of the secondary user are associated with the times t1 and t2. there is
このように、管理テーブルＴａｂｌｅ－ＣＴＬは、１次利用者の干渉の有無および被干渉端末位置と、２次利用者の通信パラメータとが時刻に対応付けられた構成からなる。 In this way, the management table Table-CTL has a structure in which the presence or absence of interference of the primary user, the position of the interfered terminal, and the communication parameters of the secondary user are associated with time.
情報管理部１０１は、無線局１から干渉通知を受信すると、干渉通知から時刻１、干渉の有（または無）および被干渉端末位置を抽出する。そして、情報管理部１０１は、時刻１、干渉の有（または無）および被干渉端末位置を相互に対応付けて管理テーブルＴａｂｌｅ－ＣＴＬに格納し、自己が保持している時刻２、２次利用者の送信電力および２次利用者の中心周波数を相互に対応付けて管理テーブルＴａｂｌｅ－ＣＴＬに格納する。
Upon receiving the interference notification from
情報管理部１０１は、この動作を干渉通知を受信する毎に行い、管理テーブルＴａｂｌｅ－ＣＴＬを作成するとともに記憶する。そして、情報管理部１０１は、新たな干渉通知を受信すると、上記の動作を行って管理テーブルＴａｂｌｅ－ＣＴＬを更新し、その更新した管理テーブルＴａｂｌｅ－ＣＴＬを記憶するとともに機械学習部１０２へ出力する。
The
図５は、教師データの概念図である。図５を参照して、教師データＴＣＨＲ＿Ｄは、干渉の有無と、被干渉端末位置と、送信電力と、中心周波数とを含む。干渉の有無、被干渉端末位置、送信電力および中心周波数は、相互に対応付けられる。 FIG. 5 is a conceptual diagram of teacher data. Referring to FIG. 5, teacher data TCHR_D includes the presence or absence of interference, the position of the interfered terminal, transmission power, and center frequency. The presence or absence of interference, the position of the interfered terminal, transmission power and center frequency are associated with each other.
なお、図５においても、説明をし易くするために、２次利用者の通信パラメータとして送信電力および中心周波数が示されているが、実際には、２次利用者の通信パラメータとして、送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等が教師データＴＣＨＲ＿Ｄに格納される。 In FIG. 5, the transmission power and the center frequency are shown as the secondary user's communication parameters for ease of explanation. , transmitting terminal position, carrier frequency, bandwidth, modulation method, multiple access method, antenna sector, etc. are stored in the training data TCHR_D.
教師データＴＣＨＲ＿Ｄにおいては、干渉有りを”１”で表し、干渉無しを”－１”で表す。 In the teacher data TCHR_D, "1" indicates that there is interference, and "-1" indicates that there is no interference.
また、教師データＴＣＨＲ＿Ｄにおいては、干渉が無い場合、被干渉端末位置を（０，０）で表す。 In the training data TCHR_D, the position of the interfered terminal is represented by (0, 0) when there is no interference.
そして、干渉の有無（－１または１）、被干渉端末位置（（０，０）または（ｘ１，ｙ１）等）、送信電力（７ｄＢｍ，１０ｄＢｍ等）および中心周波数（２．４２ＧＨｚ等）は、相互に対応付けられている。 Then, the presence or absence of interference (-1 or 1), the position of the interfered terminal ((0, 0) or (x1, y1), etc.), the transmission power (7 dBm, 10 dBm, etc.) and the center frequency (2.42 GHz, etc.) are are associated with each other.
機械学習部１０２の生成装置１０２１は、情報管理部１０１から管理テーブルＴａｂｌｅ－ＣＴＬを受けると、その受けた管理テーブルＴａｂｌｅ－ＣＴＬの時刻１，時刻２を参照して、時刻１と時刻２とが一致する干渉の有無、被干渉端末位置、送信電力および中心周波数を抽出し、その抽出した干渉の有無、被干渉端末位置、送信電力および中心周波数を相互に対応付けて教師データＴＣＨＲ＿Ｄを作成する。この場合、干渉有りを”１”で表し、干渉無しを”－１”で表し、干渉が無いときの被干渉端末位置を（０，０）で表して教師データＴＣＨＲ＿Ｄを作成する。
When the
その結果、機械学習部１０２は、図５に示す教師データＴＣＨＲ＿Ｄを作成する。
As a result, the
教師データＴＣＨＲ＿Ｄにおいて、干渉が有ることを示すフラグ（“１”）と、フラグ（“１”）に対応付けられた被干渉端末位置、送信電力および中心周波数とは、「干渉データ」を構成する。また、教師データＴＣＨＲ＿Ｄにおいて、干渉が無いことを示すフラグ（“－１”）と、フラグ（“－１”）に対応付けられた被干渉端末位置、送信電力および中心周波数とは、「非干渉データ」を構成する。 In the training data TCHR_D, the flag (“1”) indicating that there is interference, and the interfered terminal position, transmission power and center frequency associated with the flag (“1”) constitute “interference data”. . Also, in the training data TCHR_D, the flag (“−1”) indicating that there is no interference, and the interfered terminal position, transmission power and center frequency associated with the flag (“−1”) are configure the data.
図５においては、２次利用者の通信パラメータとして送信電力および中心周波数だけを示したが、実際には、２次利用者の通信履歴は、上述した送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等からなる。従って、干渉が有ることを示すフラグ（“１”）と、フラグ（“１”）に対応付けられた被干渉端末位置および２次利用者の通信パラメータ（送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等）は、「干渉データ」を構成し、干渉が無いことを示すフラグ（“－１”）と、フラグ（“－１”）に対応付けられた被干渉端末位置および２次利用者の通信パラメータ（送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等）は、「非干渉データ」を構成する。 In FIG. 5, only the transmission power and the center frequency are shown as communication parameters of the secondary user. It consists of width, modulation scheme, multiple access scheme and antenna sector. Therefore, a flag ("1") indicating that there is interference, the position of the interfered terminal associated with the flag ("1"), and the communication parameters of the secondary user (transmission power, position of the transmitting terminal, carrier frequency, bandwidth, modulation scheme, multiple access scheme, antenna sector, etc.) constitute "interference data" and are associated with a flag ("-1") indicating no interference and a flag ("-1"). The location of the interfered terminal and the communication parameters of the secondary user (transmission power, location of the transmitting terminal, carrier frequency, bandwidth, modulation scheme, multiple access scheme, antenna sector, etc.) constitute "non-interfering data".
図６は、図２および図３に示す干渉推定装置２０における干渉推定マップＭＡＰ＿ＩＦＰの作成方法を説明するための図である。また、図７は、干渉推定マップＭＡＰ＿ＩＦＰの概念図である。
FIG. 6 is a diagram for explaining a method of creating an interference estimation map MAP_IFP in the
図６を参照して、干渉推定装置２０は、山等が配置された地上の起伏を示す３次元地図データＭＡＰ１を外部から受け、その受けた３次元地図データＭＡＰ１上に１次利用者の受信局（端末２，３のいずれか）および２次利用者の送信局（端末１２，１３のいずれか）を配置する。３次元地図データＭＡＰ１は、２次元格子状に分割されており、干渉推定装置２０は、１次利用者の周囲に２次利用者を格子状に配置する。なお、２次元格子状に分割された１つのマス目のサイズは、例えば、１０ｍ×１０ｍである。
Referring to FIG. 6,
そして、干渉推定装置２０は、格子状に配置した２次利用者の各々について２次利用者が送信した電波の伝搬シミュレーションを行う。
Then, the
伝搬シミュレーションの方法は、例えば、レイトレーシング法である（非特許文献２）。このレイトレーシング法は、電波を光に見立てて、電波の伝搬経路を探索する方法であり、幾何光学的理論に基づいて送信点から受信点へ到達する電波を追跡する手法である。 A propagation simulation method is, for example, a ray tracing method (Non-Patent Document 2). This ray tracing method is a method of searching for the propagation path of radio waves by assuming radio waves to be light, and is a method of tracking radio waves arriving from a transmitting point to a receiving point based on the theory of geometrical optics.
電波の軌跡を求める手法として、イメージング法およびレイラウンチング法等がある。イメージング法は、送信点、受信点、およびその他、全ての反射面の組み合わせから、反射・回折・透過を計算し、軌跡を求める方法である。また、レイラウンチング法は、一定角度ごとに送信点から直線光を発射し、受信点に到達するものだけを求める方法である。 Imaging methods, ray launching methods, and the like are available as techniques for obtaining the trajectory of radio waves. The imaging method is a method of calculating reflection, diffraction, and transmission from a combination of a transmitting point, a receiving point, and all other reflecting surfaces to obtain a trajectory. Also, the ray launching method is a method in which a straight line of light is emitted from a transmitting point at regular intervals and only those that reach a receiving point are obtained.
従って、干渉推定装置２０は、イメージング法およびレイラウンチング法等を用いて電波の軌跡を求め、その求めた電波の軌跡に基づいて、ｉ番目の２次利用者から送信された電波の受信点（１次利用者の受信局）における受信電力Ｐｒ
ＰＵｉを次式によって算出する。
Therefore, the
式（１）において、Ｐｔ ＳＵｉは、ｉ番目の２次利用者の送信電力であり、ＰＬ（ｌｉ）は、距離減衰である。 In equation (1), P t SUi is the transmission power of the i-th secondary user and P L (l i ) is the distance attenuation.
そして、距離減衰ＰＬ（ｌｉ）は、次式によって表される。 Distance attenuation P L (l i ) is expressed by the following equation.
式（２）において、γは、伝搬損失距離特性（Path Loss Exponent）であり、都市部では、“３”前後の値からなる。また、ｄは、１次利用者と２次利用者との距離であり、ｄ０は、１０～１００ｍの値からなる。 In Equation (2), γ is the propagation loss distance characteristic (Path Loss Exponent) and has a value of around "3" in urban areas. Also, d is the distance between the primary user and the secondary user, and d0 has a value of 10 to 100 m.
１次利用者の受信局の位置およびｉ番目の２次利用者の送信局の位置は、既知であり、伝搬損失距離特性γは、既知であり、ｉ番目の２次利用者の送信局の送信電力Ｐｔ
ＳＵｉは、既知であるので、干渉推定装置２０は、式（１）および式（２）によって受信電力Ｐｒ
ＰＵｉを算出できる。
The position of the receiving station of the primary user and the position of the transmitting station of the i-th secondary user are known, the propagation loss distance characteristic γ is known, and the position of the transmitting station of the i-th secondary user is Since the transmission power P t SUi is known, the
干渉推定装置２０は、式（１）および式（２）によって受信電力Ｐｒ
ＰＵｉを算出し、その算出した受信電力Ｐｒ
ＰＵｉがしきい値Ｐｔｈよりも大きいか否かを判定する。しきい値Ｐｔｈは、例えば、雑音電力と同程度、あるいは、雑音電力に５～２０ｄＢ程度のマージンを加えた値である。具体例としては、１次利用者が２０ＭＨｚの帯域幅を有する無線通信システムである場合、雑音温度を３００Ｋとすると、雑音電力は、－１００ｄＢｍとなるため、しきい値Ｐｔｈは、この雑音電力にマージンを加えた、－９５～－８０ｄＢｍである。
干渉推定装置２０は、受信電力Ｐｒ
ＰＵｉがしきい値Ｐｔｈよりも大きいとき、受信電力Ｐｒ
ＰＵｉをｉ番目の２次利用者が１次利用者に与える干渉電力ＩＦＰｉとし、その干渉電力ＩＦＰｉを３次元地図データＭＡＰ１上のｉ番目の２次利用者の位置に記載する。
When the received power P r PUi is greater than the threshold value P th , the
一方、渉推定装置２０は、受信電力Ｐｒ
ＰＵｉがしきい値Ｐｔｈ以下であるとき、受信電力Ｐｒ
ＰＵｉを非干渉電力ＮＩＦＰｉとし、その非干渉電力ＮＩＦＰｉを３次元地図データＭＡＰ１上のｉ番目の２次利用者の位置に記載する。
On the other hand, when the received power P r PUi is equal to or less than the threshold value P th , the
干渉推定装置２０は、上記の処理を全ての２次利用者について実行し、干渉電力ＩＦＰｉまたは受信電力Ｐｒ
ＰＵｉを３次元地図データＭＡＰ１上の全ての２次利用者の位置に記載して、図７に示す干渉推定マップＭＡＰ＿ＩＦＰ１を作成する。なお、干渉推定マップＭＡＰ＿ＩＦＰ１の各マス目には、干渉電力ＩＦＰｉと２次利用者の位置ｌｉとからなる［ＩＦＰｉ，ｌｉ］、または非干渉電力ＮＩＦＰｉと２次利用者の位置ｌｉとからなる［ＮＩＦＰｉ，ｌｉ］が記載されている。
干渉推定マップＭＡＰ＿ＩＦＰ１において、干渉電力ＩＦＰｉが記載されたマス目の領域は、１次利用者のみが無線通信を行うことができる排他領域を構成する。 In the interference estimation map MAP_IFP1, the squared area in which the interference power IFP i is described constitutes an exclusive area in which only the primary user can perform wireless communication.
図８は、図２および図３に示す干渉推定装置２０における干渉推定マップＭＡＰ＿ＩＦＰの作成方法を説明するための別の図である。
FIG. 8 is another diagram for explaining the method of creating the interference estimation map MAP_IFP in the
図８を参照して、３次元地図データＭＡＰ２は、３次元地図データＭＡＰ１に建物を追加した３次元地図データである。 Referring to FIG. 8, three-dimensional map data MAP2 is three-dimensional map data obtained by adding buildings to three-dimensional map data MAP1.
干渉推定装置２０は、干渉推定マップＭＡＰ＿ＩＦＰ１を作成すると、３次元地図データＭＡＰ２上に１次利用者の受信局（端末２，３のいずれか）および２次利用者の送信局（端末１２，１３のいずれか）を配置する。この場合、干渉推定装置２０は、２次利用者の送信局を格子状に配置する。なお、３次元地図データＭＡＰ２上の各領域も、３次元地図データＭＡＰ１と同じように２次元格子状に分割されている。
After creating the interference estimation map MAP_IFP1, the
そして、干渉推定装置２０は、３次元地図データＭＡＰ２上で電波の伝搬シミュレーションを上述した方法によって行い、ｉ番目の２次利用者から送信された電波の受信点（１次利用者の受信局）における受信電力Ｐｒ
ＰＵｉを算出し、その算出した受信電力Ｐｒ
ＰＵｉを干渉電力ＩＦＰｉまたは非干渉電力ＮＩＦＰｉとする。
Then, the
その後、干渉推定装置２０は、３次元地図データＭＡＰ２を用いて算出した干渉電力ＩＦＰｉおよび非干渉電力ＮＩＦＰｉによって干渉推定マップＭＡＰ＿ＩＦＰ１を更新する更新処理を行う。より具体的には、更新処理は、次のように行われる。干渉推定装置２０は、干渉推定マップＭＡＰ＿ＩＦＰ１において、非干渉電力ＮＩＦＰｉが記載されている２次利用者から送信された電波の受信電力Ｐｒ
ＰＵｉが干渉電力ＩＦＰｉに変わった場合、その２次利用者が配置されたマス目に干渉電力ＩＦＰｉを記載する。また、干渉推定装置２０は、干渉推定マップＭＡＰ＿ＩＦＰ１において、干渉電力ＩＦＰｉが記載されている２次利用者から送信された電波の受信電力Ｐｒ
ＰＵｉが非干渉電力ＮＩＦＰｉに変わった場合、その２次利用者が配置されたマス目に非干渉電力ＮＩＦＰｉを記載する。
After that, the
干渉推定装置２０は、この更新処理を干渉推定マップＭＡＰ＿ＩＦＰ１上の全ての２次利用者について実行し、干渉推定マップＭＡＰ＿ＩＦＰ１を干渉推定マップＭＡＰ＿ＩＦＰ１＿ＵＰに更新する。
その後、干渉推定装置２０は、干渉推定マップＭＡＰ＿ＩＦＰ１＿ＵＰに記載された干渉電力ＩＦＰｉから２次利用者の送信電力Ｐｔ
ＳＵｉおよびアンテナ利得と、１次利用者と２次利用者との間の距離減衰ＰＬ（ｌｉ）とを差し引いてシャドウフェージング電力ＳＦｉを算出する。干渉推定装置２０は、シャドウフェージング電力ＳＦｉの算出を、干渉推定マップＭＡＰ＿ＩＦＰ１＿ＵＰ上の全ての干渉電力ＩＦＰｉについて実行する。
After that, the
なお、シャドウフェージング電力ＳＦｉは、干渉電力ＩＦＰｉから２次利用者の送信電力Ｐｔ ＳＵｉおよびアンテナ利得と距離減衰ＰＬ（ｌｉ）とを差し引いて算出されるので、「干渉電力」に該当する。 Note that the shadow fading power SF i is calculated by subtracting the transmission power P t SUi of the secondary user, the antenna gain, and the distance attenuation P L (l i ) from the interference power IFP i , so the "interference power" Applicable.
図９は、別の干渉推定マップＭＡＰ＿ＩＦＰの概念図である。干渉推定装置２０は、シャドウフェージング電力ＳＦｉの算出を全ての干渉電力ＩＦＰｉについて実行すると、干渉推定マップＭＡＰ＿ＩＦＰ１＿ＵＰ上の干渉電力ＩＦＰｉをシャドウフェージング電力ＳＦｉに書き換えて図９に示す干渉推定マップＭＡＰ＿ＩＦＰ２を作成する。なお、干渉推定マップＭＡＰ＿ＩＦＰ２の各マス目には、シャドウフェージング電力ＳＦｉと２次利用者の位置ｌｉとからなる［ＳＦｉ，ｌｉ］、または非干渉電力ＮＩＦＰｉと２次利用者の位置ｌｉとからなる［ＮＩＦＰｉ，ｌｉ］が記載されている。
FIG. 9 is a conceptual diagram of another interference estimation map MAP_IFP. After calculating the shadow fading power SF i for all the interference powers IFP i, the
そうすると、干渉推定装置２０は、作成した干渉推定マップＭＡＰ＿ＩＦＰ１，ＭＡＰ＿ＩＦＰ２を機械学習部１０２の擬似データ生成装置１０２２へ出力する。
Then,
擬似データ生成装置１０２２は、干渉推定マップＭＡＰ＿ＩＦＰ１，ＭＡＰ＿ＩＦＰ２を干渉推定装置２０から受ける。
Pseudo
図１０および図１１は、排他領域の概念図である。擬似データ生成装置１０２２は、干渉推定マップＭＡＰ＿ＩＦＰ１を受けると、その受けた干渉推定マップＭＡＰ＿ＩＦＰ１に基づいて、１次利用者のみが通信可能な排他領域ＰＥＲを作成する。より具体的には、擬似データ生成装置１０２２は、干渉電力ＩＦＰｉが配置されたマス目からなる排他領域ＰＥＲを作成する。その結果、例えば、図１０に示す排他領域が作成される。
10 and 11 are conceptual diagrams of the exclusive area. Upon receiving the interference estimation map MAP_IFP1, the pseudo
その後、擬似データ生成装置１０２２は、干渉推定マップＭＡＰ＿ＩＦＰ２に基づいて、同様にして、排他領域ＰＥＲを作成する。その結果、図１１に示すように、新たな排他領域が追加される。この新たな排他領域は、３次元地図データＭＡＰ２（図８参照）を用いてシャドウフェージング電力ＳＦｉを推定することによって作成された排他領域である。
Thereafter, pseudo
擬似データ生成装置１０２２は、排他領域を作成すると、干渉推定マップＭＡＰ＿ＩＦＰ２に基づいて擬似干渉データを追加する領域を示す干渉データ生成領域を決定する。
After creating the exclusive area, pseudo
図１２は、干渉データ生成領域の概念図である。図１２を参照して、干渉データ生成領域ＲＥＧ＿ＩＦは、１次利用者の受信局に干渉を与える２次利用者の位置をｌｉとしたとき、干渉データ生成領域ＲＥＧ＿ＩＦは、位置ｌｉを中心とした半径Δｌの円によって囲まれる領域である。 FIG. 12 is a conceptual diagram of an interference data generation area. Referring to FIG. 12, the interference data generation area REG_IF is centered at position l i , where l i is the position of the secondary user that interferes with the receiving station of the primary user. is a region surrounded by a circle with a radius Δl.
干渉データ生成領域は、シャドウフェージング項（シャドウフェージング電力ＳＦｉ）に空間相関性があることを踏まえて、干渉座標ｌｉの近傍の座標でｌｉ＋Δｌに生成される。干渉が起こり得る座標に擬似干渉データを生成するために、Δｌの条件は、次式によって表されるものとする。 The interference data generation area is generated at l i +Δl at coordinates near the interference coordinate l i based on the fact that the shadow fading term (shadow fading power SF i ) has a spatial correlation. In order to generate quasi-interference data at coordinates where interference can occur, the condition for Δl shall be represented by the following equation.
ｉ番目の２次利用者の無線通信によって１次利用者が受ける受信電力Ｐｒ ＰＵｉは、次式によって表される。 The received power P r PUi received by the primary user through wireless communication of the i-th secondary user is expressed by the following equation.
式（４）において、ｓｌｉは、シャドウフェージング項である。 In equation (4), s li is the shadow fading term.
通常、シャドウフェージング項ｓｌｉ＋Δｌの値を算出することができないので、式（３）においては、ｓｌｉ＋Δｌの値は、ある程度のマージンαをシャドウフェージングの期待値μｌｉに見積もった値として、ｓｌｉ＋Δｌ＝μｌｉ＋Δｌ＋αとした。μｌｉ＋Δｌは、位置ｌｉで干渉が発生したときのシャドウフェージング項ｓｌｉ＋Δｌの期待値である。 Normally, the value of the shadow fading term s li + Δl cannot be calculated, so in equation (3), the value of s li + Δl is the value obtained by estimating a certain margin α to the expected value μ li of shadow fading, and s li + Δl = μ li + Δl + α. μ li +Δl is the expected value of the shadow fading term s li +Δl when interference occurs at location l i .
期待値μｌｉ＋Δｌは、Δｌ＝０の場合、位置ｌｉで干渉が発生したときのｓｌｉの期待値μｌｉに一致し、Δｌ→∞の場合、０に漸近しながら減衰するので、μｌｉ＋Δｌとμｌｉの関係式は、減少のスケールがシャドウフェージングの相関距離ｄｃｏｒｒ程度であるシャドウフェージングの自己相関関数Ｓ（ｓｌｉ，ｓｌｉ＋Δｌ）を用いて次式によって表される。 The expected value μ li + Δl matches the expected value μ li of s li when interference occurs at the position li when Δl=0, and attenuates while asymptotically approaching 0 when Δl → ∞. and μ li is expressed by the following equation using the autocorrelation function S(s li , s li +Δl ) of shadow fading whose decreasing scale is about the correlation distance d corr of shadow fading.
そして、シャドウフェージングの自己相関関数Ｓ（ｓｌｉ，ｓｌｉ＋Δｌ）は、一般に次式によって与えられる。 Then, the shadow fading autocorrelation function S(s li , s li +Δl ) is generally given by the following equation.
以上より、式（３）を満たすΔｌの条件は、式（５），（６）より、次式によって表される。 From the above, the condition of Δl that satisfies the formula (3) is expressed by the following formula from the formulas (5) and (6).
期待値μｌｉは、位置ｌｉで干渉が発生した条件下におけるｓｌｉの期待値として、ｓｌｉが期待値０の正規分布に従うことを踏まえると、以下の式でよって表される。 The expected value μ li is expressed by the following equation as an expected value of s li under the condition that interference occurs at the position li , considering that s li follows a normal distribution with an expected value of 0.
式（８）において、φ（・）は、標準正規分布の確率密度関数であり、Φ（・）は、標準正規分布の累積分布関数であり、σＳは、シャドウフェージングの標準偏差である。 In equation (8), φ(·) is the probability density function of the standard normal distribution, Φ(·) is the cumulative distribution function of the standard normal distribution, and σ s is the standard deviation of shadow fading.
この発明の実施の形態においては、式（７）におけるαをα＝α０・（干渉推定ＭＡＰの値）（α０は、０＜α０≦１を満たす実数である。）によって決定する。即ち、αは、干渉推定ＭＡＰの値に比例するように決定される。α０は、例えば、α０・（干渉推定ＭＡＰの最大値）がシャドウフェージングの標準偏差（都市部では、９～１２ｄＢと知られている（非特許文献３））の２倍程度となるように設定される。 In the embodiment of the present invention, α in Equation (7) is determined by α=α 0 ·(interference estimation MAP value) (α 0 is a real number that satisfies 0<α 0 ≦1). That is, α is determined to be proportional to the value of interference estimation MAP. For example, α 0 is set so that α 0 · (maximum value of interference estimation MAP) is about twice the standard deviation of shadow fading (known as 9 to 12 dB in urban areas (Non-Patent Document 3)). is set to
これは、都市部のシャドウフェージングが対数正規分布に従うことが知られており、標準偏差の２倍以上の値が発生する確率は、２．５％以下であることから、シミュレーションにより推定した値と実環境でのシャドウフェージングの値を揃える意味合いがある。 It is known that shadow fading in urban areas follows a logarithmic normal distribution, and the probability of occurrence of a value more than twice the standard deviation is 2.5% or less. There is an implication that the value of shadow fading in the real environment is aligned.
一方、α０を大きくすると干渉推定値に対してマージンを大きく見積もることとなり、干渉データ生成領域は、大きくなる。一方、α０を小さくすると、干渉データ生成領域は、小さくなる。干渉データ生成領域が広いほど、一回の更新で設定される排他領域は、広くなる傾向にあるため、一次利用者の干渉頻度に対する許容度によってα０を基準値から微調整することで対応できる。 On the other hand, if α 0 is increased, a large margin is estimated for the interference estimation value, and the interference data generation area becomes large. On the other hand, if α 0 is made smaller, the interference data generation area becomes smaller. The wider the interference data generation area, the wider the exclusion area set by one update tends to be, so it can be handled by finely adjusting α 0 from the reference value according to the primary user's tolerance for interference frequency. .
なお、しきい値Ｐｔｈ、２次利用者の送信電力Ｐｔ
ＳＵｉ、シャドウフェージングの相関距離ｄｃｏｒｒおよびシャドウフェージングの標準偏差σＳは、既知であり、距離減衰ＰＬ（ｌｉ），ＰＬ（ｌｉ＋Δｌ）は、上述したように算出可能であるので、擬似データ生成装置１０２２は、式（７）および式（８）によって、Δｌを決定できる。
Note that the threshold P th , secondary user transmission power P t SUi , shadow fading correlation distance d corr and shadow fading standard deviation σ S are known, and the distance attenuation P L (l i ), P Since L (l i + Δl ) can be calculated as described above, the
擬似データ生成装置１０２２は、干渉推定ＭＡＰの値、即ち、干渉推定ＭＡＰ２上のシャドウフェージング電力ＣＦｉに比例するようにαを決定する。そして、擬似データ生成装置１０２２は、決定したα、しきい値Ｐｔｈ、ｉ番目の２次利用者の送信電力Ｐｔ
ＳＵｉ、距離減衰ＰＬ（ｌｉ）、シャドウフェージングの標準偏差σＳ、およびシャドウフェージングの相関距離ｄｃｏｒｒを式（７）および式（８）に代入して、式（７）を満たすようにΔｌを決定する。
The
αは、シャドウフェージング電力ＣＦｉの最大値が大きいほど、大きくなる。そして、式（７）の[Ｐｔｈ－Ｐｔ ＳＵｉ＋ＰＬ（ｌｉ＋Δｌ）－α］の値は、αが大きくなると小さくなり、αが小さくなると大きくなる。その結果、式（７）の自然対数値は、αが大きくなると大きくなり、Δｌは、大きくなる。つまり、Δｌは、シャドウフェージング電力ＣＦｉの最大値が大きいほど、大きくなり、シャドウフェージング電力ＣＦｉの最大値が小さいほど、小さくなるように決定される。 α increases as the maximum value of the shadow fading power CF i increases. The value of [P th −P t SUi +P L (l i+Δl )−α] in equation (7) decreases as α increases, and increases as α decreases. As a result, the natural logarithm of equation (7) increases as α increases, and Δl increases. In other words, Δl is determined to increase as the maximum value of the shadow fading power CF i increases, and to decrease as the maximum value of the shadow fading power CF i decreases.
擬似データ生成装置１０２２は、Δｌを決定すると、位置ｌｉを中心とし、半径Δｌの円の領域を干渉データ生成領域ＲＥＧ＿ＩＦとし、擬似干渉データを干渉データ生成領域ＲＥＧ＿ＩＦ内にランダムに生成する。この場合、擬似データ生成装置１０２２は、干渉データ生成領域ＲＥＧ＿ＩＦの広さに比例した個数の擬似干渉データを干渉データ生成領域ＲＥＧ＿ＩＦに生成する。
After determining Δl, the pseudo
図１３は、擬似干渉データの追加を示す概念図である。図１３を参照して、干渉データ生成領域ＲＥＧ＿ＩＦ１は、干渉データＩＦＤ１（黒丸）を中心とし、半径Δｌ＿１の円によって表される領域である。 FIG. 13 is a conceptual diagram showing addition of pseudo interference data. Referring to FIG. 13, the interference data generation area REG_IF1 is an area represented by a circle centered at the interference data IFD1 (black circle) and having a radius Δl_1.
また、干渉データ生成領域ＲＥＧ＿ＩＦ２は、干渉データＩＦＤ２（黒丸）を中心とし、半径Δｌ＿２の円によって表される領域である。 Also, the interference data generation area REG_IF2 is an area represented by a circle with a radius of Δl_2 centered on the interference data IFD2 (black circle).
干渉データＩＦＤ１のシャドウフェージング電力ＣＦｉは、干渉データＩＦＤ２のシャドウフェージング電力ＣＦｉよりも大きいため、Δｌ＿１は、上述した方法によって、Δｌ＿２よりも大きく決定される。 Since the shadow fading power CF i of the interference data IFD1 is greater than the shadow fading power CF i of the interference data IFD2, Δl_1 is determined to be greater than Δl_2 by the method described above.
その結果、干渉データ生成領域ＲＥＧ＿ＩＦ１は、干渉データ生成領域ＲＥＧ＿ＩＦ２よりも大きく設定される。 As a result, the interference data generation area REG_IF1 is set larger than the interference data generation area REG_IF2.
そして、擬似干渉データ（ハッチング）は、干渉データ生成領域ＲＥＧ＿ＩＦ１，ＲＥＧ＿ＩＦ２内において干渉データＩＦＤ１、ＩＦＤ２の周囲にランダムに追加される。この場合、干渉データ生成領域ＲＥＧ＿ＩＦ１は、干渉データ生成領域ＲＥＧ＿ＩＦ２よりも大きいので、干渉データ生成領域ＲＥＧ＿ＩＦ１に追加される擬似干渉データ（ハッチング）の個数は、干渉データ生成領域ＲＥＧ＿ＩＦ２に追加される擬似干渉データ（ハッチング）の個数よりも多い。 Pseudo interference data (hatching) are randomly added around the interference data IFD1 and IFD2 in the interference data generation areas REG_IF1 and REG_IF2. In this case, since the interference data generation area REG_IF1 is larger than the interference data generation area REG_IF2, the number of pseudo interference data (hatched) added to the interference data generation area REG_IF1 is the number of pseudo interference data added to the interference data generation area REG_IF2. More than the number of data (hatching).
一般に、屋外での無線通信は、建造物による遮蔽などによるシャドウィングの影響を受けるが、シャドウィングには、空間相関性があることが知られている（非特許文献４）。従って、干渉データの近傍では干渉が発生しやすいことになる。そこで、擬似干渉データ（ハッチング）は、干渉データＩＦＤ１，ＩＦＤ２の周囲に追加される。 Outdoor wireless communication is generally affected by shadowing caused by shielding by buildings, etc., and it is known that shadowing has spatial correlation (Non-Patent Document 4). Therefore, interference is likely to occur in the vicinity of the interference data. Therefore, pseudo interference data (hatching) is added around the interference data IFD1 and IFD2.
擬似データ生成装置１０２２は、擬似干渉データを追加すると、その追加した擬似干渉データを更新装置１０２４へ出力する。
After adding the pseudo interference data, the pseudo
図１４は、教師データに擬似干渉データを追加した状態を示す概念図である。なお、図１４においては、説明を分かり易くするために、２個のパラメータによって構成される２次元空間を表している。そして、“干渉源からの距離”は、変更できない（変更不可）パラメータである。 FIG. 14 is a conceptual diagram showing a state in which pseudo interference data is added to teacher data. Note that FIG. 14 shows a two-dimensional space constituted by two parameters for the sake of easy understanding of the explanation. And "distance from interference source" is a parameter that cannot be changed (unchangeable).
図１４を参照して、教師データを２次元空間に配置する。白丸は、非干渉データを表し、黒丸は、干渉データを表す。このように、干渉データの個数は、非干渉データの個数に比べて非常に少ない。これは、実際の通信では、非干渉データは、正常な通信を示すため、履歴が豊富に存在するが、干渉データは、干渉通知があった場合だけ発生するため、非常に少ない。従って、干渉データの個数と非干渉データの個数との間には、偏りが存在する。 Referring to FIG. 14, teacher data are arranged in a two-dimensional space. Open circles represent non-interferometric data and filled circles represent interferometric data. Thus, the number of interfering data is much smaller than the number of non-interfering data. This is because, in actual communication, non-interference data indicates normal communication, so the history is abundant, but interference data is very few, because it occurs only when there is an interference notification. Therefore, there is a bias between the number of interfering data and the number of non-interfering data.
そこで、上述した方法によって、擬似干渉データを干渉データの周囲にランダムに追加する。 Therefore, pseudo interference data is randomly added around the interference data by the method described above.
図１５は、過剰データを削除する方法を説明するための図である。なお、図１５においても、説明を分かり易くするために、２個のパラメータによって構成される２次元空間を表している。そして、“干渉源からの距離”は、変更できない（変更不可）パラメータである。 FIG. 15 is a diagram for explaining a method of deleting excess data. It should be noted that FIG. 15 also shows a two-dimensional space configured by two parameters for easy understanding of the explanation. And "distance from interference source" is a parameter that cannot be changed (unchangeable).
図１５を参照して、教師データを２次元空間に配置する。白丸は、非干渉データを表し、黒丸は、干渉データを表す。機械学習部１０２の過剰データ削除装置１０２３は、干渉データを中心とした基準円ＣＲＣ（ｎ次元平面ではｎ－１次元超球面）を作成し、基準円ＣＲＣ（ｎ次元平面ではｎ－１次元超球面）の外の領域の非干渉データを削除する。この方法によって過剰データを削除することにより、従来のアンダーサンプリング手法で起こり得る、本来なら通信可能な領域を得るために学習すべき非干渉データが削除される問題を回避しつつ、教師データの中の非干渉データの割合を減らすことができる。
Referring to FIG. 15, teacher data are arranged in a two-dimensional space. Open circles represent non-interferometric data and filled circles represent interferometric data. The excess
基準円ＣＲＣ（ｎ次元平面ではｎ－１次元超球面）は、干渉データからの距離がｎ次元平面上で十分離れるように、例えば、最も隣接する他の干渉データとの距離の半分から同じ距離、あるいは特徴量として３次元空間上の座標を用いる場合、シャドウィングの空間相関が０．５以下となる距離(一般には２０ｍ程度)以上、空間相関が０となる距離（一般には１００ｍ程度）以下を目安にして設定される。 The reference circle CRC (n−1 dimensional hypersphere in the n-dimensional plane) is set so that the distance from the interferometric data is sufficiently far on the n-dimensional plane, for example, half to the same distance as the nearest other interferometric data. Or, when coordinates in a three-dimensional space are used as features, the distance at which the spatial correlation of shadowing is 0.5 or less (generally about 20 m) or the distance at which the spatial correlation is 0 (generally about 100 m) or less is set as a guideline.
図１６は、更新教師データの生成方法を説明するための図である。図１６を参照して、機械学習部１０２の更新装置１０２４は、擬似干渉データ（図１６の（ａ）参照）を擬似データ生成装置１０２２から受け、過剰データ（非干渉データの一部）が削除された教師データ（図１６の（ｂ）参照）を過剰データ削除装置１０２３から受ける。
FIG. 16 is a diagram for explaining a method of generating updated teacher data. Referring to FIG. 16,
そして、更新装置１０２４は、過剰データ（非干渉データの一部）が削除された教師データ（図１６の（ｂ）参照）に擬似干渉データ（図１６の（ａ）参照）を追加して更新教師データ（図１６の（ｃ）参照）を生成する。そうすると、更新装置１０２４は、更新教師データを決定装置１０２５へ出力する。
Then, the
上述したように、この発明の実施の形態においては、擬似干渉データを生成して干渉データの個数を増やし、干渉データを中心とした基準円ＣＲＣの外に存在する非干渉データを削除して非干渉データの個数を減少させることにより、干渉データと非干渉データとの偏りを低減する。 As described above, in the embodiment of the present invention, pseudo interference data is generated to increase the number of interference data, and non-interference data existing outside the reference circle CRC centered on the interference data is deleted to obtain non-interference data. By reducing the number of interfering data, the bias between interfering data and non-interfering data is reduced.
１次利用者において干渉が発生しない２次利用者の送信電力を決定する場合、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを用いて学習を行い、通信パラメータを干渉が無いクラスＣＬ１と干渉が有るクラスＣＬ２とに分類する必要がある。 When determining the transmission power of the secondary user where no interference occurs in the primary user, learning is performed using the updated training data TCHR_D_UP, and the communication parameters are classified into a class CL1 without interference and a class CL2 with interference. There is a need.
そして、通信パラメータを２つのクラスＣＬ１，ＣＬ２に分類するのに適した機械学習器として、例えば、サポートベクターマシン（ＳＶＭ：Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）が用いられる。 A support vector machine (SVM), for example, is used as a machine learning device suitable for classifying communication parameters into two classes CL1 and CL2.
ＳＶＭは、教師有り学習を用いるパターン認識モデルの一つであり、学習用サンプル（更新教師データ）を最も大胆に区切る境界を学習する。この境界を学習するためにｎ（ｎは２以上の整数）個のパラメータによって構成されるｎ次元空間が設定される。 SVM is a pattern recognition model that uses supervised learning to learn the most aggressive boundaries that delimit training samples (updated teacher data). In order to learn this boundary, an n-dimensional space composed of n (n is an integer of 2 or more) parameters is set.
そして、ｎ次元空間に配置された学習用サンプル（更新教師データ）を用いて学習を行った結果、学習用サンプル（更新教師データ）を最も大胆に区切る境界は、境界に最も近いサンプル（データ）との距離（マージン）が最大となるように決定される。 Then, as a result of learning using the learning samples (updated teacher data) arranged in the n-dimensional space, the boundary that divides the learning samples (updated teacher data) most boldly is the sample (data) closest to the boundary. is determined so that the distance (margin) between is maximized.
ＳＶＭの特徴は、ｎ次元空間において、複数の点を分離することができる多くの候補平面の中でマージンが最大となる超平面を探すことである。 A feature of SVM is to find the hyperplane with the largest margin among many candidate planes that can separate multiple points in n-dimensional space.
このマージンとは、超平面から複数の点に至る距離の最小値を言い、このマージンを最大にしながら複数の点を２つのクラスＣＬ１，ＣＬ２に分類しようとすると、結局、クラスＣＬ１に属するいくつかの点との距離の中の最小値と、クラスＣＬ２に属するいくつかの点との距離の中の最小値とが等しくなるように超平面が位置しなければならない。 This margin is the minimum value of the distances from the hyperplane to a plurality of points, and if we try to classify a plurality of points into two classes CL1 and CL2 while maximizing this margin, we end up with a number of points belonging to class CL1. The hyperplane must be located such that the minimum distance to points of CL2 is equal to the minimum distance to some points belonging to class CL2.
このような超平面は、マージンが最大である超平面であり、この発明の実施の形態においては、「決定境界」と呼ぶ。 Such a hyperplane is the hyperplane with the largest margin and is called a "decision boundary" in the embodiments of the present invention.
図１７は、決定境界の概念図である。なお、図１７においては、説明を分かり易くするために、２個のパラメータによって構成される２次元空間を表している。 FIG. 17 is a conceptual diagram of a decision boundary. Note that FIG. 17 shows a two-dimensional space constituted by two parameters for the sake of easy understanding of the explanation.
１次利用者において干渉が発生しない２次利用者の送信電力を決定する場合、更新教師データから干渉の有無と送信電力とを選択する。また、変更ができない（変更不可）パラメータとして、例えば、干渉源からの距離を選択する。 When determining the transmission power of the secondary user where no interference occurs in the primary user, the presence or absence of interference and the transmission power are selected from the updated teacher data. Also, for example, the distance from the interference source is selected as a parameter that cannot be changed (unchangeable).
そして、送信電力と、干渉源からの距離をパラメータとして、干渉有りを黒丸で表し、干渉無しを白丸で表すと、図１７に示すようになる。 Using the transmission power and the distance from the interference source as parameters, the presence of interference is indicated by black circles and the absence of interference is indicated by white circles, as shown in FIG.
そうすると、２次元空間において、複数の黒丸と複数の白丸とを区切る決定境界ＢＤを以下に示す方法によって決定する。なお、図１７においては、説明を分かり易くするため、上述したマージンが最大である超平面を２次元平面上の直線とした。理想的な決定境界が直線（または平面）で表現できない場合は、カーネル関数、例えば、Gaussianカーネル（ＲＧＢカーネル）を用いてデータの変換を行い、決定境界が平面で表現できるよう処理を施す。以後の手順は同様である。 Then, in a two-dimensional space, a decision boundary BD separating a plurality of black circles and a plurality of white circles is determined by the following method. In addition, in FIG. 17, in order to make the explanation easier to understand, the hyperplane having the maximum margin is assumed to be a straight line on the two-dimensional plane. If the ideal decision boundary cannot be represented by a straight line (or a plane), a kernel function such as a Gaussian kernel (RGB kernel) is used to transform the data so that the decision boundary can be represented by a plane. Subsequent procedures are the same.
図１８および図１９は、決定境界を求める方法を説明するための図である。干渉無しのグループ（白丸のグループ）と干渉有りのグループ（黒丸のグループ）とを最大マージンで識別する識別線は、何処を通るか不明であるが、何処かに、最大マージンを作る正例（干渉無しの白丸のグループ）、負例（干渉有りの黒丸のグループ）のそれぞれのグループの端っこのデータが存在すると仮定する。この端っこのデータをサポートベクターと言う。 18 and 19 are diagrams for explaining the method of determining the decision boundary. It is unknown where the identification line that distinguishes the group without interference (group of white circles) and the group with interference (group of black circles) with the maximum margin passes through, but there is a positive example that creates the maximum margin somewhere ( It is assumed that there is data at the end of each group of negative examples (group of white circles without interference) and negative cases (group of black circles with interference). These edge data are called support vectors.
サポートベクターを通る２本の線をａｘ＋ｂｙ＋ｃ＝１、ａｘ＋ｂｙ＋ｃ＝－１とする。２本の線は、平行であるので、係数が同じである。 Let the two lines through the support vectors be ax+by+c=1 and ax+by+c=-1. Since the two lines are parallel, the coefficients are the same.
そして、ａｘ＋ｂｙ＋ｃ≦１で示される領域が正例（干渉無しの白丸のグループ）のデータが存在する範囲であり、ａｘ＋ｂｙ＋ｃ≧－１で示される領域が負例（干渉有りの黒丸のグループ）のデータが存在する範囲である（図１８参照）。 The area indicated by ax+by+c≦1 is the range in which the data of the positive example (group of white circles without interference) exists, and the area indicated by ax+by+c≧−1 is the data of the negative example (group of black circles with interference). (see FIG. 18).
ここで、識別線を引くために必要な条件となる２つの不等式が得られたが、これらを一つに纏める。即ち、正例の場合は、不等式に”１”を掛けて、ａｘ＋ｂｙ＋ｃ≦１となり、負例の場合は不等式に”－１”を掛けて、－１（ａｘ＋ｂｙ＋ｃ）≧－１になる。 Here, two inequalities that are necessary conditions for drawing a discriminant line are obtained, and these are combined into one. That is, in the case of a positive example, the inequality is multiplied by "1" to obtain ax+by+c≤1, and in the case of a negative example, the inequality is multiplied by "-1" to obtain -1(ax+by+c)≧-1.
そして、正例か負例かを表す変数ｔ（ｔ＝１またはｔ＝－１）を用いると、ｔ（ａｘ＋ｂｙ＋ｃ）≦１となる。 Using a variable t (t=1 or t=-1) representing whether it is a positive or negative example, t(ax+by+c)≦1.
正例および負例のそれぞれのサポートベクターから識別線に下ろした垂線の距離Ｌ１は、次式によって表される。 The distance L1 of the perpendicular drawn from the support vector of each of the positive and negative examples to the discriminant line is expressed by the following equation.
その結果、教師データの全てについて、ｔ（ａｘ＋ｂｙ＋ｃ）≦１の条件を満たしながら、Ｌ１の分母が最小になるａ，ｂ，ｃを求めることにより、最大マージンに基づく識別線の位置を決定できる（図１９参照）。この最大マージンに基づく識別線の位置を決定することは、正例（干渉無しの白丸のグループ）と負例（干渉有りの黒丸のグループ）との両方から等距離の位置を決定することに相当する。 As a result, it is possible to determine the position of the discrimination line based on the maximum margin by finding a, b, and c that minimize the denominator of L1 while satisfying the condition t(ax+by+c)≦1 for all of the teacher data. (See FIG. 19). Determining the position of the discriminant line based on this maximum margin is equivalent to determining positions equidistant from both the positive examples (group of white circles without interference) and negative examples (group of black circles with interference). do.
更新教師データがｉ（ｉ＝１，２，３，４，・・・）個である場合、ｔ１（ａｘ１＋ｂｙ１＋ｃ）≦１、ｔ２（ａｘ２＋ｂｙ２＋ｃ）≦１、・・・、ｔｉ（ａｘｉ＋ｂｙｉ＋ｃ）≦１のｉ個の不等式を用いてａ２＋ｂ２の最小値を与えるａ，ｂ，ｃを求めることになる。 When there are i ( i= 1 , 2 , 3 , 4, . . . , t i (ax i +by i +c)≦1 i inequalities are used to find a, b, and c that give the minimum value of a 2 +b 2 .
最大マージンに基づく識別線を決定するパラメータを求める問題は、変数をｘ，ｙの２つとし、更新教師データをＮ個とすると、ｔｉ（ａｘｉ＋ｂｙｉ＋ｃ）≦１（ｉ＝１～Ｎ）の制約条件の下で、ａ２＋ｂ２を最小化するａ，ｂ，ｃを求める制約付最小化問題になる。 The problem of obtaining parameters for determining the discrimination line based on the maximum margin is t i (ax i +by i +c)≦1 (i=1 to N), it becomes a constrained minimization problem of finding a, b, and c that minimize a 2 +b 2 under the constraint condition of N).
このような制約付最小化問題を解くのに便利な方法としてラグランジュの未定乗数（係数）法がある。最小化するａ２＋ｂ２をｆ（ａ，ｂ）＝ａ２＋ｂ２とし、制約条件ｔｉ（ａｘｉ＋ｂｙｉ＋ｃ）≦１をｇ（ｘ，ｙ）＝ｔｉ（ａｘｉ＋ｂｙｉ＋ｃ）－１≦０とすると、ラグランジュの未定乗数法を適用して、以下の式（１０）を式（１１）に変換できる。 Lagrange's method of undetermined multipliers (coefficients) is a convenient method for solving such constrained minimization problems. Let a 2 +b 2 to be minimized be f(a,b)=a 2 +b 2 and set the constraint t i (ax i +by i +c)≦1 to g(x,y)=t i (ax i +by i +c )−1≦0, the following formula (10) can be converted to formula (11) by applying Lagrange's method of undetermined multipliers.
式（１０），（１１）において、ｓ．ｔ．は、「ｓ．ｔ．の右側に記載された条件に従うこと」を意味する（以下、同じ）。 In equations (10) and (11), s. t. means "to comply with the conditions described on the right side of st" (the same shall apply hereinafter).
式（１０）は、ｇ１（ａ，ｂ，ｃ）≦０，ｇ２（ａ，ｂ，ｃ）≦０，・・・，ｇｎ（ａ，ｂ，ｃ）≦０に従ってｆ（ａ，ｂ）を最小にするａ，ｂを求めることを意味するので、主問題である。 Equation ( 10 ) gives f (a, This is the main problem because it means finding a and b that minimize b).
そして、式（１１）中の式（１１ａ），（１１ｂ）は、ラグランジュの未定乗数法を適用した結果である。式（１１ｂ）は、Ｌ（ａ，ｂ，ｃ，μ１，・・・，μｎ）を最小化するａ，ｂ，ｃを表す。φは、ｆと同様に、１つの関数を示す記号である。 Equations (11a) and (11b) in equation (11) are the result of applying Lagrange's method of undetermined multipliers. Equation (11b) represents a, b, c that minimize L(a, b, c, μ 1 , . . . , μ n ). φ, like f, is a symbol representing one function.
式（１１ｃ），（１１ｄ）は、双対問題を示すものであり、φ（μ１，・・・，μｎ）を最大にするμ１，・・・，μｎを求めれば、主問題の最小値を与えるａ，ｂ，ｃも求まることが保証されている。 Equations (11c) and (11d) represent a dual problem, and if μ 1 , . . . , μ n that maximizes φ(μ 1 , . It is guaranteed that a, b, and c that give the minimum value will also be found.
以下においては、説明を簡単にするために教師データの個数を２個として主問題を作成し、ラグランジュの未定乗数法を適用して関数Ｌを作成する。但し、ａ２＋ｂ２は、計算の便宜上、１／２を掛けることにする。 In the following, to simplify the explanation, the main problem is created with two pieces of teacher data, and the function L is created by applying Lagrange's method of undetermined multipliers. However, a 2 +b 2 is multiplied by 1/2 for convenience of calculation.
ｔｉ（ａｘｉ＋ｂｙｉ＋ｃ）≦１を変形してｔｉ（ａｘｉ＋ｂｙｉ＋ｃ）－１≦０とする。その結果、次式が得られる。 t i (ax i +by i +c)≦1 is transformed into t i (ax i +by i +c)−1≦0. As a result, the following equation is obtained.
最大化すべき双対問題の関数を作るために、Ｌをａ，ｂ，ｃについて最小化する。従って、Ｌをａ，ｂ，ｃについて偏微分し、その結果を０と置く。そうすると、次式が得られる。 To make the function of the dual problem to be maximized, we minimize L with respect to a, b, and c. Therefore, L is partially differentiated with respect to a, b, and c, and the result is set to 0. Then, the following formula is obtained.
そして、式（１３）の上側の２つの式から次式が得られる。 Then, the following equation is obtained from the upper two equations of equation (13).
式（１３），（１４）において、ｔｉは、ｉ番目の更新教師データの正負であり、ｘｉ，ｙｉは、ｉ番目の教師データのｘ座標およびｙ座標であるので、ｔｉ，ｘｉ，ｙｉは、既知である。 In equations (13) and (14), t i is the positive/negative of the i-th updated teacher data, and x i and y i are the x- and y-coordinates of the i-th teacher data . x i , y i are known.
従って、双対問題の関数を最大にするμｉが分かれば、式（１４）からａ，ｂを求めることができる。 Therefore, if μ i that maximizes the function of the dual problem is known, a and b can be obtained from equation (14).
そこで、双対問題を作成するために、偏微分で得られた条件（式（１３））を全てＬに代入すると、次式が得られる。 Therefore, in order to create the dual problem, the following equation is obtained by substituting all the conditions obtained by the partial differentiation (equation (13)) for L.
その結果、双対問題は、次式にようになる。 As a result, the dual problem becomes as follows.
双対問題の関数φ（μ１，μ２）の最大化は、凸２次計画問題の解法である内点法（非特許文献５）等で求めることができる。解を求めるスピードを重視する場合、制約条件を考慮しながら、タブー探索法（非特許文献６）等の進化型計算を用いてもよい。 The maximization of the function φ(μ 1 , μ 2 ) of the dual problem can be obtained by the interior point method (Non-Patent Document 5) or the like, which is a method for solving the convex quadratic programming problem. When emphasizing the speed of finding a solution, an evolutionary calculation such as the tabu search method (Non-Patent Document 6) may be used while considering constraints.
内点法は、最適化問題の制約領域の内部に最適解に収束する点列を生成する逐次反復解法である。 The interior point method is an iterative solution method that generates a sequence of points that converge to an optimal solution inside the constraint domain of the optimization problem.
タブー探索法は、現在得られている解の近傍に、ある解を探索する局所探索法の一種であり、最近に探索した解をタブーとしてしばらく探索しないようにして局所解への収束を防ぎ、解空間の広域探索を行って最適解を求めるものである。 The tabu search method is a type of local search method that searches for a certain solution in the vicinity of the currently obtained solution. A wide-area search of the solution space is performed to find the optimum solution.
従って、式（１６）の制約条件（ｓ．ｔ．の右側に記載された式）の領域内で式（１６）の関数φ（μ１，μ２）を大きくする点を逐次生成し、関数φ（μ１，μ２）を最大化する最適解（μ１，μ２）を求める。 Therefore, points that increase the function φ(μ 1 , μ 2 ) of the equation (16) are sequentially generated within the region of the constraint condition (the equation written on the right side of st) of the equation (16), and the function Find the optimal solution (μ 1 , μ 2 ) that maximizes φ(μ 1 , μ 2 ).
また、解を求めるスピードを重視する場合、式（１６）の制約条件を考慮して局所解への収束を防ぎながら、広域探索を行って関数φ（μ１，μ２）を最大化する最適解（μ１，μ２）を求める。 Also, when the speed of finding a solution is important, the optimum method is to maximize the function φ(μ 1 , μ 2 ) by performing a wide-area search while preventing convergence to a local solution by considering the constraint condition of Equation (16). Find the solution (μ 1 , μ 2 ).
μ１，μ２を求めることができれば、既知であるｔ１，ｔ２，ｘ１，ｘ２，ｙ１，ｙ２を用いて式（１４）より、ａ，ｂを求めることができる。 If μ 1 and μ 2 can be obtained, a and b can be obtained from equation (14) using known t 1 , t 2 , x 1 , x 2 , y 1 and y 2 .
そして、ｃは、あるサポートベクターのｘ座標をｘＳとし、ｙ座標をｙＳとすると、ａｘＳ＋ｂｙＳ＋ｃ＝１（又はａｘＳ＋ｂｙＳ＋ｃ＝－１）から求められる。 Then, c is obtained from ax S +by S +c=1 (or ax S +by S +c=-1), where x-coordinate of a support vector is x S and y-coordinate is y S .
その結果、クラスＣＬ１，ＣＬ２を最大マージンで識別するための決定境界ＢＤが決定される。 As a result, a decision boundary BD for distinguishing classes CL1 and CL2 with a maximum margin is determined.
上記においては、教師データがｘ，ｙで表される２次元の場合について説明したが、教師データがｎ次元からなる場合、ｘ軸をｘ１、ｙ軸をｘ２、ｚ軸をｘ３、・・・、ｎ次元目の軸をｘｎで表現する。 In the above description, the case where the teacher data is two-dimensional represented by x and y was explained . . . , the nth-dimensional axis is represented by xn .
また、ａ，ｂ等の係数も、ｎ次元に対応してｗ１，ｗ２，・・・，ｗｎで表す。 Coefficients such as a and b are also represented by w 1 , w 2 , . . . , wn corresponding to n dimensions.
（ｘ１，ｘ２，・・・，ｘｎ），（ｗ１，ｗ２，・・・，ｗｎ）は、ベクトルであるので、Ｘ＝（ｘ１，ｘ２，・・・，ｘｎ）、Ｗ＝（ｗ１，ｗ２，・・・，ｗｎ）と表記する。 Since (x 1 , x 2 , . . . , x n ), (w 1 , w 2 , . . . , wn ) are vectors, X=(x 1 , x 2 , . n ) and W=(w 1 , w 2 , . . . , wn ).
また、ａ２＋ｂ２は、ｗ１ ２＋ｗ２ ２＋・・・＋ｗｎ ２となる。そして、ｗ１ ２＋ｗ２ ２＋・・・＋ｗｎ ２の平方根を（ユークリッド）ノルムと言う。 Also, a 2 +b 2 becomes w 1 2 +w 2 2 + . . . +w n 2 . The square root of w 1 2 +w 2 2 + . . . +w n 2 is called the (Euclidean) norm.
ｘｉ，ｘｊ等の同じ次元同士を掛けて加算しているところは、ベクトルの内積でＸＴＸで表される。ＸＴは、Ｘの転置行列を意味する。 Multiplication and addition of the same dimensions such as x i and x j are represented by X T X in the inner product of vectors. X T means the transposed matrix of X.
更に、教師データの個数がｎ個である場合、“２”と表記したところは、“ｎ”になる。 Furthermore, when the number of teacher data is n, the notation of "2" becomes "n".
従って、教師データがｎ次元からなる場合、以下の式（１７）～式（２４）を用いて、最大マージンを有する識別線（＝決定境界ＢＤ）が決定される。 Therefore, when the teacher data consists of n dimensions, the discriminant line (=decision boundary BD) having the maximum margin is determined using the following equations (17) to (24).
機械学習部１０２の決定装置１０２５は、上述した方法によって、決定境界ＢＤを決定し、その決定した決定境界をパラメータ決定部１０３へ出力する。
Determining
図２０は、決定境界ＢＤを用いて通信パラメータセットの決定方法を説明するための図である。 FIG. 20 is a diagram for explaining a method of determining a communication parameter set using a decision boundary BD.
ｎ個のパラメータに対し、干渉発生位置など変更不可のｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定とした（ｎ－ｍ）次元超平面を設定する。このとき、（ｎ－ｍ）次元超平面上のある点が、パラメータセットを表す。これをパラメータ設定面と呼ぶ。 A (nm)-dimensional hyperplane is set with fixed m (m is an integer that satisfies 1≦m<n) parameters that cannot be changed, such as the interference occurrence position, for n parameters. A point on the (nm)-dimensional hyperplane then represents the parameter set. This is called a parameter setting surface.
パラメータ設定範囲を与える閾値として干渉許容閾値と（ｎ－１）次元の超平面（最低通信条件面）を設定する。具体的な決定方法は、以下のとおりである。 As a threshold for giving a parameter setting range, an interference tolerance threshold and an (n−1)-dimensional hyperplane (minimum communication condition surface) are set. A specific determination method is as follows.
[最低通信条件面]
２次利用者の受信局における所望の信号対雑音比を満たす最小値のパラメータセットをなめらかに接続したものを最低通信条件面とする。この最低通信条件面よりも決定境界側のパラメータセットであれば、２次利用者が１次利用者に干渉を与えないで通信可能であることが保証される。
[Minimum communication conditions]
The minimum communication condition surface is a smooth connection of minimum parameter sets that satisfy the desired signal-to-noise ratio at the receiving station of the secondary user. If the parameter set is closer to the decision boundary than the minimum communication conditions, it is guaranteed that the secondary user can communicate without interfering with the primary user.
[干渉許容閾値]
干渉許容閾値は、許容される干渉を示す。観測点（更新教師データに含まれる点）と決定境界ＢＤとの距離の最小値に対し、決定境界ＢＤからの距離が最小値のｋ（ｋは、０＜ｋ＜１を満たす実数）倍となる値を干渉許容閾値とする。ｋは、例えば、０．５である。
[Interference Tolerance Threshold]
The interference tolerance threshold indicates acceptable interference. The minimum distance between the observation point (point included in the updated training data) and the decision boundary BD is k (k is a real number that satisfies 0<k<1) times the minimum distance from the decision boundary BD. A value is set as an interference tolerance threshold. k is, for example, 0.5.
そして、パラメータ設定面上において、ある利得関数を最大化あるいは最小化する点を探索する。このとき、制約条件として、以下の制約条件を設定する。 Then, on the parameter setting plane, a search is made for a point that maximizes or minimizes a certain gain function. At this time, the following constraints are set as constraints.
（１）利得関数を最大化あるいは最小化する点は、決定境界ＢＤに対し干渉無し側に存在し、かつ、最低通信条件面よりも決定境界ＢＤ側に存在する。 (1) The point that maximizes or minimizes the gain function exists on the non-interference side with respect to the decision boundary BD and on the decision boundary BD side of the minimum communication condition plane.
（２）さらに、利得関数を最大化あるいは最小化する点と決定境界ＢＤとの距離Ｌ１が干渉許容閾値以上を満たす範囲にある。 (2) Furthermore, the distance L1 between the point that maximizes or minimizes the gain function and the decision boundary BD is in a range that satisfies the interference tolerance threshold or more.
利得関数としては、例えば、次のものが想定される。 For example, the following gain functions are assumed.
（ｉ）２次利用者の端末のチャネル容量
チャネル量Ｃは、Ｃ＝Ｂｌｏｇ（１＋ＳＩＮＲ）によって決定される。Ｂは、帯域幅であり、使用する周波数帯域幅に依存する。ＳＩＮＲは、信号対雑音比であり、送信電力および周波数帯域等によって決定される。
(i) Secondary User Terminal Channel Capacity The channel capacity C is determined by C=Blog(1+SINR). B is the bandwidth and depends on the frequency bandwidth used. SINR is a signal-to-noise ratio and is determined by transmission power, frequency band, and the like.
（ｉｉ）２次利用者の端末の通信可能距離
使用する周波数帯および送信電力等に依存して決定される。
(ii) Communicable distance of secondary user's terminal This is determined depending on the frequency band and transmission power used.
（ｉｉｉ）ビットエラー率
送信電力、変調方式および周波数帯域幅等に依存して決まる。
(iii) Bit error rate Determined depending on transmission power, modulation scheme, frequency bandwidth, and the like.
図２０を参照して、通信パラメータセットの決定方法を具体的に説明する。図２０においては、変更不可であるパラメータとして、干渉源からの距離が用いられている。この干渉源からの距離は、更新教師データに含まれる被干渉端末位置と、干渉を与えた２次利用者の端末の位置との間の距離として求められる。 A method for determining a communication parameter set will be specifically described with reference to FIG. In FIG. 20, the distance from the interference source is used as an unchangeable parameter. The distance from this interference source is obtained as the distance between the position of the interfered terminal included in the updated training data and the position of the secondary user's terminal that gave the interference.
そして、その求めた干渉源からの距離を固定してパラメータ設定面を２次元空間に設定する。その後、上述した最低通信条件面および干渉許容閾値を２次元空間に設定する。 Then, the determined distance from the interference source is fixed and the parameter setting plane is set in a two-dimensional space. After that, the above-described minimum communication condition surface and interference tolerance threshold are set in a two-dimensional space.
なお、図２０においては、更新教師データは、２次元からなるので、パラメータ設定面、最低通信条件面および干渉許容閾値は、直線からなる。 In FIG. 20, since the updated training data is two-dimensional, the parameter setting surface, minimum communication condition surface and interference tolerance threshold are straight lines.
そうすると、パラメータ設定面（直線）上において、利得関数が最大または最小になる点を探索し、その探索した点の中から、上述した制約条件（１），（２）を満たす点を候補点として抽出する。 Then, on the parameter setting plane (straight line), the points where the gain function is maximized or minimized are searched, and among the searched points, the points that satisfy the above-described constraints (1) and (2) are set as candidate points. Extract.
この候補点が複数存在する場合、その複数の候補点の任意の点を通信パラメータセットとして決定する。 If there are multiple candidate points, an arbitrary point among the multiple candidate points is determined as the communication parameter set.
一方、候補点が１個である場合、その１個の候補点を通信パラメータセットとして決定する。 On the other hand, if there is one candidate point, that one candidate point is determined as the communication parameter set.
パラメータ決定部１０３は、上述した方法によって、決定境界ＢＤを用いて、２次利用者の端末が１次利用者の端末に干渉を与えないで無線通信を行うための通信パラメータセットを決定する。
そして、パラメータ決定部１０３は、その決定した通信パラメータセットをパラメータ通知部１０４へ出力する。
なお、変更可能なパラメータとしては、例えば、２次利用者における基地局あるいは端末の送信電力、送信端末位置、搬送波周波数、帯域幅、変調方式、多元接続方式およびアンテナセクタ等である。 Note that parameters that can be changed include, for example, the transmission power of the base station or terminal of the secondary user, the position of the transmitting terminal, the carrier wave frequency, the bandwidth, the modulation method, the multiple access method, the antenna sector, and the like.
また、変更不可能なパラメータとしては、例えば、１次利用者の端末の位置、１次利用者の端末との距離、１次利用者における変調方式および１次利用者の多元接続方式等である。 In addition, parameters that cannot be changed include, for example, the position of the primary user's terminal, the distance from the primary user's terminal, the modulation method of the primary user, and the multiple access method of the primary user. .
教師データが３次元以上からなる場合、決定境界ＢＤ、最低通信条件面および干渉許容閾値は、平面からなる。 When the training data consists of three or more dimensions, the decision boundary BD, the minimum communication condition surface and the interference tolerance threshold consist of planes.
従って、請求項に記載された最低通信条件は、（ｎ－１）次元の線または面からなる。 Therefore, the claimed minimum communication conditions consist of (n−1)-dimensional lines or planes.
図２１は、１次利用者の端末２，３および管理装置１０の動作を説明するためのフローチャートである。
FIG. 21 is a flow chart for explaining the operations of the primary user terminals 2 and 3 and the
図２１を参照して、１次利用者の端末（端末２，３の少なくとも１つ）は、干渉を検知し（ステップＳ１）、干渉通知を無線局１へ送信する。そして、無線局１は、端末（端末２，３の少なくとも１つ）から受信した干渉通知を管理装置１０へ送信する（ステップＳ２）。
Referring to FIG. 21, a primary user terminal (at least one of terminals 2 and 3) detects interference (step S1) and transmits an interference notification to
一方、管理装置１０の情報管理部１０１は、干渉が無い場合、無線局１１と端末１２，１３との無線通信が発生し（ステップＳ３）、２次利用者の端末１２，１３との通信履歴を保存する（ステップＳ４）。
On the other hand, when there is no interference, the
そして、情報管理部１０１は、無線局１から干渉通知を受信し（ステップＳ５）、干渉情報および通信履歴を抽出して管理テーブルＴａｂｌｅ－ＣＴＬを作成する（ステップＳ６）。そうすると、情報管理部１０１は、管理テーブルＴａｂｌｅ－ＣＴＬを機械学習部１０２へ出力する。
Then, the
機械学習部１０２の生成装置１０２１は、管理テーブルＴａｂｌｅ－ＣＴＬを情報管理部１０１から受け、その受けた管理テーブルＴａｂｌｅ－ＣＴＬに含まれる干渉情報を通信履歴と時刻で照合し、上述した方法によって教師データを作成する（ステップＳ７）。
The
その後、機械学習部１０２の生成装置１０２１は、作成した教師データを擬似データ生成装置１０２２および過剰データ削除装置１０２３へ出力する。
After that, the
過剰データ削除装置１０２３は、教師データを生成装置１０２１から受け、その受けた教師データに含まれる干渉データに基づいて、上述した方法によって過剰データ（一部の非干渉データ）を削除する（ステップＳ８）。そして、過剰データ削除装置１０２３は、過剰データを削除した教師データを更新装置１０２４へ出力する。
The excessive
また、擬似データ生成装置１０２２は、教師データを生成装置１０２１から受け、その受けた教師データに含まれる干渉データの位置および干渉電力に基づいて、上述した方法によって擬似干渉データを生成する（ステップＳ９）。そして、擬似データ生成装置１０２２は、生成した擬似干渉データを更新装置１０２４へ出力する。
Further, the pseudo
更新装置１０２４は、擬似干渉データを擬似データ生成装置１０２２から受け、過剰データを削除した教師データを過剰データ削除装置１０２３から受ける。そして、更新装置１０２４は、過剰データを削除した教師データに擬似干渉データを追加して教師データを更新し、更新教師データを生成する（ステップＳ１０）。そうすると、更新装置１０２４は、更新教師データを決定装置１０２５へ出力する。
The
その後、機械学習部１０２の決定装置１０２５は、更新教師データを機械学習器に入力し、上述した方法によって、ＳＶＭを用いて決定境界ＢＤを決定または更新する（ステップＳ１１）。
After that, the
そうすると、機械学習部１０２は、その決定した決定境界ＢＤをパラメータ決定部１０３へ出力する。
Then,
パラメータ決定部１０３は、決定境界ＢＤを受けると、その受けた決定境界ＢＤを用いて、上述した方法によって、１次利用者の端末に干渉を与えないための通信パラメータセットを決定し（ステップＳ１２）、その決定した通信パラメータセットをパラメータ通知部１０４へ出力する。
Upon receiving the decision boundary BD, the
そして、パラメータ通知部１０４は、通信パラメータセットを２次利用者の端末１２，１３へ送信する（ステップＳ１３）。
Then, the
端末１２，１３は、通信パラメータセットを受信し、その受信した通信パラメータセットを用いて無線通信に用いるパラメータを更新する（ステップＳ１４）。
これによって、一連の動作が終了する。 This completes a series of operations.
なお、ステップＳ１１において、決定境界ＢＤを決定または更新する、としているのは、図２１に示すフローチャートは、１次利用者の端末２，３が干渉を検知する毎に実行されるので、フローチャートが２回目以降に実行される場合、更新教師データも更新されており、その更新された更新教師データを用いて、既に決定された決定境界ＢＤを更新することになるからである。 The decision boundary BD is determined or updated in step S11 because the flowchart shown in FIG. 21 is executed each time primary user terminals 2 and 3 detect interference. This is because when it is executed for the second time and thereafter, the updated teacher data has also been updated, and the already determined decision boundary BD is updated using the updated updated teacher data.
また、図２１に示すフローチャートにおいては、擬似干渉データを生成するとともに過剰データを削除し、過剰データを削除した教師データに擬似干渉データを追加して教師データＴＣＨＲ＿Ｄを更新教師データＴＣＨＲ＿Ｄ＿ＵＰに更新すると説明したが（ステップＳ８～ステップＳ１０参照）、この発明の実施の形態においては、これに限らず、教師データから過剰データ（一部の非干渉データ）を削除し、過剰データ（一部の非干渉データ）を削除した教師データの位置および干渉電力に基づいて擬似干渉データを生成し、その生成した擬似干渉データを教師データに追加することにより、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成するようにしてもよい。 Further, in the flowchart shown in FIG. 21, it is described that pseudo interference data is generated, excess data is deleted, pseudo interference data is added to teacher data from which the excess data has been deleted, and teacher data TCHR_D is updated to teacher data TCHR_D_UP. However, (see steps S8 to S10), the embodiment of the present invention is not limited to this. data) is deleted based on the position and interference power of the teacher data, and by adding the generated pseudo interference data to the teacher data, the updated teacher data TCHR_D_UP may be generated.
図２２は、図２１のステップＳ９の詳細な動作を説明するためのフローチャートである。 FIG. 22 is a flow chart for explaining the detailed operation of step S9 in FIG.
図２２を参照して、図２１のステップＳ７の後、擬似データ生成装置１０２２は、生成装置１０２１から教師データを受け、その受けた教師データから干渉データを検出する（ステップＳ９１）。
Referring to FIG. 22, after step S7 in FIG. 21,
そして、擬似データ生成装置１０２２は、干渉データの個数Ｎ＿ＩＦを検出する（ステップＳ９２）。
Then, the
また、擬似データ生成装置１０２２は、干渉推定装置２０から干渉推定マップＭＡＰ２を受ける（ステップＳ９３）。
Also, the pseudo
その後、擬似データ生成装置１０２２は、ｉ＝０を設定する（ステップＳ９４）。そして、擬似データ生成装置１０２２は、干渉データから被干渉端末位置（１次利用者の位置）およびｉ番目の２次利用者の送信電力を検出する（ステップＳ９５）。
After that, the
引き続いて、擬似データ生成装置１０２２は、干渉推定マップＭＡＰ２からｉ番目の２次利用者の位置および干渉電力を検出する（ステップＳ９６）。
Subsequently,
そうすると、擬似データ生成装置１０２２は、被干渉端末位置、ｉ番目の２次利用者の送信電力、ｉ番目の２次利用者の位置、シャドウフェージングの標準偏差σＳ、シャドウフェージングの相関距離ｄｃｏｒｒ、しきい値Ｐｔｈおよびαに基づいて、式（７），（８）によってΔｌｉを決定する（ステップＳ９７）。この場合、式（７）の距離減衰ＰＬ（ｌｉ＋Δｌ）は、被干渉端末位置およびｉ番目の２次利用者の位置に基づいて算出される。また、αは、干渉推定マップＭＡＰ２の値にα０を乗算して決定される。なお、α０は、既知である。
Then, the pseudo
擬似データ生成装置１０２２は、Δｌｉを決定すると、ｉ番目の２次利用者の位置を中心とし、Δｌｉを半径とする円の領域を干渉データ生成領域ＲＥＧ＿ＩＦ＿ｉとして決定する（ステップＳ９８）。
After determining Δl i , the
そして、擬似データ生成装置１０２２は、擬似干渉データを干渉データ生成領域ＲＥＧ＿ＩＦ＿ｉ内にランダムに生成する（ステップＳ９９）。
Then, the pseudo
その後、擬似データ生成装置１０２２は、ｉ＝Ｎ＿ＩＦであるか否かを判定する（ステップＳ１００）。
After that, the
ステップＳ１００において、ｉ＝Ｎ＿ＩＦでないと判定されたとき、擬似データ生成装置１０２２は、ｉ＝ｉ＋１を設定する（ステップＳ１０１）。その後、一連の動作は、ステップＳ９５へ移行し、ステップＳ１００において、ｉ＝Ｎ＿ＩＦであると判定されるまで、ステップＳ９５～ステップＳ１０１が繰り返し実行される。
When it is determined that i is not equal to N_IF in step S100, the
そして、ステップＳ１００において、ｉ＝Ｎ＿ＩＦであると判定されると、一連の動作は、図２１のステップＳ１０へ移行する。 Then, in step S100, when it is determined that i=N_IF, the series of operations proceeds to step S10 in FIG.
上述したように、Δｌｉは、干渉電力が大きくなると大きくなり、干渉電力が小さくなると小さくなる。そして、干渉電力は、実際の電波の伝搬特性に基づいて決定される。 As described above, Δl i increases as the interference power increases and decreases as the interference power decreases. Then, the interference power is determined based on the actual propagation characteristics of radio waves.
従って、実際の電波の伝搬特性に適して干渉データ生成領域ＲＥＧ＿ＩＦ＿ｉを決定できる。 Therefore, it is possible to determine the interference data generation region REG_IF_i suitable for the actual propagation characteristics of radio waves.
また、擬似干渉データは、干渉データ生成領域ＲＥＧ＿ＩＦ＿ｉ内に配置されるので、実際の電波の伝搬特性に適して、１次利用者に干渉を与える２次利用者の配置領域に擬似干渉データをおよび干渉データを配置できる。その結果、実際の電波の伝搬特性に適して、干渉データと非干渉データの偏りを低減できる。 Also, since the pseudo interference data is arranged in the interference data generation area REG_IF_i, it is suitable for the actual propagation characteristics of radio waves, and the pseudo interference data is distributed to the arrangement area of the secondary user who interferes with the primary user. Interference data can be placed. As a result, it is possible to reduce the bias between the interference data and the non-interference data, suitable for the actual propagation characteristics of radio waves.
図２３は、図２１のステップＳ１１の詳細な動作を説明するためのフローチャートである。 FIG. 23 is a flow chart for explaining the detailed operation of step S11 in FIG.
図２３を参照して、機械学習部１０２の更新装置１０２４は、図２１のステップＳ１０の後、式（１７）に示す目的関数および制約条件を決定する（ステップＳ１１１）。
Referring to FIG. 23,
そして、更新装置１０２４は、式（１８）に示すように、ラグランジュの未定乗数法を目的関数および制約条件に適用して主問題を双対問題に変換する（ステップＳ１１２）。
Then, the
その後、更新装置１０２４は、式（１９）～（２３）を用いて双対問題を解き、双対問題の関数を最大化するμｉを求める（ステップＳ１１３）。
After that, updating
引き続いて、更新装置１０２４は、更新教師データとμｉとを用いて主問題の最小値を与えるｗ１，ｗ２，・・・，ｗｎを求める（ステップＳ１１４）。より具体的には、更新装置１０２４は、更新教師データによって示される既知のｔｉ，ｘｉ１～ｘｉｎと、求めたμｉとを式（１４）に代入してｗ１，ｗ２，・・・，ｗｎを求める。
Subsequently , the updating device 1024 obtains w 1 , w 2 , . More specifically, the
ステップＳ１１４の後、更新装置１０２４は、ある１つのサポートベクターのｘ１座標、ｘ２座標、・・・、ｘｎ座標をそれぞれｘ１Ｓ，ｘ２Ｓ，・・・，ｘｎＳとすると、ｗ１ｘ１Ｓ＋ｗ２ｘ２Ｓ＋・・・＋ｗｎｘｎＳ＋ｃ＝１（またはｗ１ｘ１Ｓ＋ｗ２ｘ２Ｓ＋・・・＋ｗｎｘｎＳ＋ｃ＝－１）から切片ｃを求める。そして、更新装置１０２４は、その求めたｗ１，ｗ２，・・・，ｗｎとｃとをｗ１ｘ１＋ｗ２ｘ２＋・・・＋ｗｎｘｎ＋ｃ＝０に代入して正例および負例の両方と最大のマージン（距離Ｌ１）を有する平面（または線）を求め、その求めた平面（または線）を決定境界として決定する（ステップＳ１１５）。
After step S114, the updating
その後、一連の動作は、図２１のステップＳ１２へ移行する。 After that, the series of operations proceeds to step S12 in FIG.
上述したように、管理装置１０は、実際の電波の伝搬特性に適して干渉データと非干渉データとの偏りを低減した更新教師データ（２次利用者のデータ送信における通信パラメータの履歴情報、およびデータ送信における１次利用者の干渉の有無を判定した履歴情報）を用いて、１次利用者の端末に干渉を与えない通信パラメータセットを決定するので（Ｓ６～Ｓ１２参照）、２次利用者の通信パラメータの履歴情報および干渉の有無の履歴情報のみから１次利用者の端末に干渉を与えない通信パラメータセットをリアルタイムに精度良く決定できる。
As described above, the
また、管理装置１０は、干渉の有無と、被干渉端末位置と、干渉を検知したときの時刻とを含む干渉通知のみを１次利用者から受信して１次利用者の端末に干渉を与えない通信パラメータセットを決定するので、１次利用者の無線通信の設定が不明であっても、適切な通信パラメータセットを設定できる。
In addition, the
更に、図２１から図２３に示すフローチャートは、１次利用者の端末において干渉が検知される毎に実行されるので、干渉状況のリアルタイムの変化に対応して１次利用者の端末に干渉を与えない通信パラメータセットを設定できる。 Furthermore, since the flowcharts shown in FIGS. 21 to 23 are executed each time interference is detected in the terminal of the primary user, interference can be transmitted to the terminal of the primary user in response to real-time changes in the interference situation. You can set communication parameter sets that are not given.
更に、更新教師データを用いた決定境界の十分な学習ができていれば、少ない計算量で通信パラメータセットを決定できる。 Furthermore, if the decision boundary is sufficiently learned using the updated training data, the communication parameter set can be determined with a small amount of calculation.
更に、干渉を与えた時のリスクは、１次利用者によって異なるが、学習された決定境界は、一意に決定されるため、１次利用者が変更しても、適切な通信パラメータを設定できる。つまり、上述した通信パラメータセットの決定方法は、１次利用者の変更に対してロバスト性を有することができる。 Furthermore, although the risk of interference varies depending on the primary user, the learned decision boundary is uniquely determined, so even if the primary user changes, appropriate communication parameters can be set. . That is, the above-described communication parameter set determination method can have robustness against changes of the primary user.
特開２０１３－２１１６０９号公報（特許文献１）は、サポートベクターマシン（ＳＶＭ）を用いて無線通信装置の周辺状況に応じて適切な通信パラメータを選択する技術を開示する。 Japanese Patent Application Laid-Open No. 2013-211609 (Patent Document 1) discloses a technique of selecting appropriate communication parameters according to the surrounding conditions of a wireless communication device using a support vector machine (SVM).
この技術は、状況と、パラメータと、性能（通信性能）とを対応付けて履歴データベースに格納しておき、その履歴データベースを参照して現在の周辺状況において良好な通信性能が得られる通信パラメータを選択するものである。 This technology associates situations, parameters, and performance (communication performance) with each other and stores them in a history database, and refers to the history database to determine communication parameters that provide good communication performance in the current surrounding circumstances. It is a matter of choice.
そして、周辺状況（コンテキスト）は、サポートベクターマシン（ＳＶＭ）を用いて決定される。 The surrounding context is then determined using a support vector machine (SVM).
このように、特許文献１では、周辺状況（コンテキスト）を決定するためにサポートベクターマシン（ＳＶＭ）が用いられる。つまり、特許文献１では、周辺状況（コンテキスト）を分類するためにサポートベクターマシン（ＳＶＭ）が用いられる。
Thus, in
一方、この発明の実施の形態においては、干渉が発生する通信パラメータと干渉が発生しない通信パラメータとを分類するためにサポートベクターマシン（ＳＶＭ）が用いられる。 On the other hand, in the embodiment of the present invention, a support vector machine (SVM) is used to classify communication parameters that cause interference and communication parameters that do not cause interference.
従って、この発明の実施の形態と特許文献１とでは、サポートベクターマシン（ＳＶＭ）を用いて分類する対象が全く異なり、特許文献１には、サポートベクターマシン（ＳＶＭ）を用いて通信パラメータを分類する示唆が無い。
Therefore, the object to be classified using the support vector machine (SVM) is completely different between the embodiment of the present invention and
また、特許文献１では、相互に無線通信を行う無線通信装置間の通信パラメータを選択するが、この発明の実施の形態では、２次利用者が、無線通信の相手先ではない１次利用者に干渉を与えない通信パラメータを決定するものである。
In addition, in
従って、上述した通信パラメータの決定は、特許文献１における通信パラメータの選択と全く異なるものである。
Therefore, the determination of communication parameters described above is completely different from the selection of communication parameters in
この発明の実施の形態においては、情報管理部１０１、機械学習部１０２、パラメータ決定部１０３およびパラメータ通知部１０４の機能をプログラムＰＲＯＧ＿Ａによって実現してもよい。
In the embodiment of the present invention, the functions of
この場合、プログラムＰＲＯＧ＿Ａは、上述したステップＳ３～ステップＳ１３（図２２および図２３に示すフローチャートを含む）を備える。 In this case, the program PROG_A includes steps S3 to S13 described above (including the flow charts shown in FIGS. 22 and 23).
そして、管理装置１０は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）およびＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）を備える。ＲＯＭは、プログラムＰＲＯＧ＿Ａを記憶する。
The
通信パラメータセットを決定する場合、ＣＰＵは、プログラムＰＲＯＧ＿ＡをＲＯＭからみ出して実行する。そして、ＣＰＵは、２次利用者の通信パラメータの履歴情報をＲＡＭに記憶するとともに、通信パラメータセットを決定する際の各種の計算結果をＲＡＭに記憶する。 When determining the communication parameter set, the CPU runs the program PROG_A out of the ROM. Then, the CPU stores the history information of the communication parameters of the secondary user in the RAM, and also stores in the RAM various calculation results when determining the communication parameter set.
従って、プログラムＰＲＯＧ＿Ａは、無線通信を行うために通信パラメータセットの決定をコンピュータ（ＣＰＵ）に実行させるためのプログラムである。 Therefore, program PROG_A is a program for causing a computer (CPU) to determine a communication parameter set for wireless communication.
また、この発明の実施の形態においては、プログラムＰＲＯＧ＿Ａは、ＣＤ，ＤＶＤ等の記録媒体に記録されて提供されてもよい。ユーザは、プログラムＰＲＯＧを記録した記録媒体をコンピュータに設定し、コンピュータ（ＣＰＵ）は、記録媒体からプログラムＰＲＯＧ＿Ａを読み出して実行する。 Moreover, in the embodiment of the present invention, the program PROG_A may be provided by being recorded on a recording medium such as a CD or DVD. The user sets the recording medium recording the program PROG in the computer, and the computer (CPU) reads and executes the program PROG_A from the recording medium.
従って、プログラムＰＲＯＧ＿Ａを記録した記録媒体は、コンピュータ（ＣＰＵ）が読み取り可能な記録媒体である。 Therefore, the recording medium recording the program PROG_A is a computer (CPU) readable recording medium.
シミュレーションによる評価について説明する。評価指標として、干渉発生回数および排他領域の面積を用いた。 Evaluation by simulation will be explained. As evaluation indices, the number of interference occurrences and the area of the exclusive region were used.
シミュレーションに用いたパラメータを表１に示す。 Table 1 shows the parameters used in the simulation.
そして、比較評価として、パラメータαがα＝α０・（干渉推定マップの値）である場合と、α＝一定値である場合とを比較した。 Then, as a comparative evaluation, the case where the parameter α is α= α0 ·(the value of the interference estimation map) and the case where α=a constant value were compared.
干渉が発生するごとに排他領域を更新するシミュレーションを、干渉が発生しない確率が９９．９５％以上になるまで繰り返し行った。 A simulation of updating the exclusion area each time interference occurred was repeatedly performed until the probability that no interference occurred reached 99.95% or more.
図２４は、排他領域の面積の増加分と非干渉発生確率との関係を示す図である。図２４において、縦軸は、排他領域の面積の増加分を表し、横軸は、非干渉発生確率を表す。また、曲線ｋ１は、α＝α０・（干渉推定マップの値）である場合における排他領域の面積の増加分と非干渉発生確率との関係を示し、曲線ｋ２は、α＝一定値である場合における排他領域の面積の増加分と非干渉発生確率との関係を示す。 FIG. 24 is a diagram showing the relationship between the increased area of the exclusion area and the non-interference probability. In FIG. 24, the vertical axis represents the increase in the area of the exclusive area, and the horizontal axis represents the non-interference probability. Curve k1 shows the relationship between the increase in the area of the exclusive region and the non-interference probability when α= α0 ·(interference estimation map value), and curve k2 is α=constant value. 4 shows the relationship between the increase in the area of the exclusion area and the non-interference occurrence probability in each case.
図２４を参照して、排他領域の面積の増加分は、α＝α０・（干渉推定マップの値）である場合、非干渉発生確率が９９．９５％以上の領域において、１３％以上減少することが分かった（曲線ｋ１，ｋ２参照）。 Referring to FIG. 24, when α= α0 ·(interference estimation map value), the increase in the area of the exclusion area decreases by 13% or more in the area where the non-interference probability is 99.95% or more. (see curves k1, k2).
これは、この発明の実施の形態による方法によって干渉データ発生領域を決定し、その決定した干渉データ発生領域に擬似干渉データを追加することによって、干渉データ（擬似干渉データを含む）と非干渉データとの偏りが実際の電波の伝搬特性に適して減少し、決定境界ＢＤをより正確に決定できた結果、排他領域をより正確に決定できたために排他領域の面積の増加分が減少したものと考えられる。 Interference data (including pseudo-interference data) and non-interference data are obtained by determining an interference data generation region by a method according to an embodiment of the present invention and adding pseudo-interference data to the determined interference data generation region. It is thought that the increase in the area of the exclusive area was reduced because the bias between and was reduced in accordance with the actual propagation characteristics of radio waves, and the decision boundary BD could be determined more accurately. Conceivable.
従って、この発明の実施の形態による方法によって擬似干渉データを追加することにより、２次利用者が干渉を回避して無線通信を行うための通信パラメータを精度良く決定できることが分かった。 Therefore, by adding pseudo interference data according to the method according to the embodiment of the present invention, it was found that the communication parameters for the secondary user to avoid interference and carry out wireless communication can be determined with high accuracy.
上記においては、干渉推定マップＭＡＰ２に記載された干渉電力に基づいて干渉データ生成領域ＲＥＧ＿ＩＦを決定すると説明したが、この発明の実施の形態においては、これに限らず、干渉推定マップＭＡＰ２に記載された非干渉電力の電力値に基づいて非干渉データ削除領域を決定してもよい。 In the above description, it was explained that the interference data generation region REG_IF is determined based on the interference power described in the interference estimation map MAP2. The non-interference data deletion area may be determined based on the power value of the non-interference power obtained.
この場合、過剰データ削除装置１０２３は、干渉推定マップＭＡＰ２を干渉推定装置２０から受ける。そして、過剰データ削除装置１０２３は、非干渉電力の電力値が大きいほど、非干渉データ削除領域を大きくし、非干渉電力の電力値が小さいほど、非干渉データ削除領域を小さくする。非干渉電力の電力値が大きいことは、干渉電力か非干渉電力かを決定するためのしきい値Ｐｔｈに非干渉電力の電力値が近づくことになるので、本来であれば、非干渉データが配置されるべきではない。従って、非干渉データ削除領域を大きくして、より多くの非干渉データを削除することにしたものである。
In this case, the excess
また、この発明の実施の形態においては、干渉推定装置２０は、天気予報を更に用いて干渉推定マップＭＡＰ１，ＭＡＰ２を作成してもよい。電波の伝搬特性は、天気によって影響を受け、一般に、雨天では、電波の伝搬特性が低下するからである。これによって、より実際の電波の伝搬特性を用いて干渉電力を推定できる。
Further, in the embodiment of the present invention,
更に、この発明の実施の形態においては、管理装置１０は、干渉推定装置２０を備えていてもよい。
Furthermore, in embodiments of the invention, the
更に、上記においては、機械学習部１０２は、サポートベクターマシン（ＳＶＭ）を用いて決定境界ＢＤを決定すると説明したが、この発明の実施の形態においては、これに限らず、機械学習部１０２は、ロジスティック回帰（非特許文献７）またはＡＲＯＷ（Ａｄａｐｔｉｖｅ Ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｏｆ Ｗｅｉｇｈｔ Ｖｅｃｔｏｒｓ）（非特許文献８）を用いて決定境界ＢＤを決定してもよく、一般的には、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを入力として決定境界ＢＤを決定する機械学習器であれば、どのような機械学習器を用いて決定境界ＢＤを決定してもよい。
Furthermore, in the above description, the
更に、上記においては、１次利用者の端末２，３に干渉を与えない送信電力を決定すると説明したが、この発明の実施の形態においては、これに限らず、１次利用者の端末２，３に干渉を与えない周波数を決定してもよく、一般的には、１次利用者の端末２，３に干渉を与えない通信パラメータセットであれば、どのような通信パラメータセットを決定してもよい。 Furthermore, in the above description, it is explained that the transmission power that does not interfere with the primary user terminals 2 and 3 is determined. , 3 may be determined, and in general, any communication parameter set that does not interfere with primary user terminals 2 and 3 is determined. may
更に、上記においては、変更不可であるパラメータが”送信電力”であると説明したが、この発明の実施の形態においては、これに限らず、”送信電力”以外のパラメータを変更不可であるパラメータとしてもよい。 Furthermore, in the above description, the parameter that cannot be changed is "transmission power", but in the embodiment of the present invention, parameters other than "transmission power" are not limited to this, but parameters that cannot be changed may be
更に、上記においては、管理装置１０は、無線局１１に設置されると説明したが、この発明の実施の形態においては、これに限らず、管理装置１０は、無線局１１と異なる位置に配置されていてもよい。この場合、管理装置１０は、無線局１１から干渉通知を受信してもよく、無線局１から干渉通知を受信してもよく、端末２，３から干渉通知を直接受信してもよい。
Furthermore, in the above description, the
更に、上記においては、管理装置１０は、無線局１から干渉通知を受信すると説明したが、この発明の実施の形態においては、これに限らず、管理装置１０は、端末２，３から干渉通知を直接受信してもよい。
Furthermore, in the above description, it is explained that the
更に、上記においては、１次利用者の端末２，３に干渉を与えない通信パラメータセットを決定する際、最低通信条件面および干渉許容閾値を設定し、パラメータ設定面上において、最低通信条件面よりも決定境界ＢＤ側であり、かつ、決定境界ＢＤからの距離が干渉許容閾値と決定境界ＢＤとの距離よりも大きい点を通信パラメータセットの候補点として選択すると説明したが、この発明の実施の形態においては、これに限らず、最低通信条件面および干渉許容閾値を設定せずに、パラメータ設定面上において、決定境界ＢＤよりも干渉無しのクラスＣＬ１に属する点を通信パラメータセットの候補点として選択してもよい。 Furthermore, in the above, when determining a communication parameter set that does not interfere with the primary user's terminals 2 and 3, the minimum communication conditions and the interference tolerance threshold are set, and on the parameter setting surface, the minimum communication conditions , and the distance from the decision boundary BD is greater than the distance between the interference tolerance threshold and the decision boundary BD is selected as a candidate point for the communication parameter set. In the form of, but not limited to this, without setting the minimum communication condition surface and the interference tolerance threshold, on the parameter setting surface, the point belonging to the class CL1 without interference from the decision boundary BD is the candidate point of the communication parameter set may be selected as
２次利用者の端末１２，１３が、このようにして決定された通信パラメータセットを用いて無線通信を行っても、１次利用者の端末２，３に干渉を与えないので、初期の目的を達成できるからである。
Even if
更に、上記においては、教師データに含まれる干渉データの周辺に擬似干渉データを生成することと、干渉データを中心とした基準円ＣＲＣの外の非干渉データを削除することとの両方を適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すると説明したが、この発明の実施の形態においては、これに限らず、教師データに含まれる干渉データの周辺に擬似干渉データを生成することのみを適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成してもよく、干渉データを中心とした基準円ＣＲＣの外の非干渉データを削除することのみを適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成してもよく、一般的には、教師データに含まれる干渉データの周辺に擬似干渉データを生成することと、干渉データを中心とした基準円ＣＲＣの外の非干渉データを削除することとの少なくとも一方を適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すればよい。 Furthermore, in the above, both generating pseudo-interfering data around the interfering data included in the teacher data and deleting non-interfering data outside the reference circle CRC centered on the interfering data are applied. Although it has been described that the teaching data is updated by using the teaching data to generate the updated teaching data TCHR_D_UP, the embodiment of the present invention is not limited to this, and only the pseudo interference data is generated around the interference data included in the teaching data. may be applied to update the teacher data to generate the updated teacher data TCHR_D_UP, and only deleting the non-interference data outside the reference circle CRC centered on the interference data is applied to update the teacher data. , may generate updated training data TCHR_D_UP, generally, generating pseudo-interference data around the interference data included in the training data, and generating non-interference data outside the reference circle CRC centered on the interference data. The teacher data is updated by applying at least one of deleting the data and generating the updated teacher data TCHR_D_UP.
教師データに含まれる干渉データの周辺に擬似干渉データを生成することと、干渉データを中心とした基準円ＣＲＣの外の非干渉データを削除することとの少なくとも一方を適用しても、干渉データの個数と非干渉データの個数との偏りを低減できるからである。 Even if at least one of generating pseudo interference data around interference data included in teacher data and deleting non-interference data outside the reference circle CRC centered on the interference data is applied, interference data This is because the bias between the number of non-interference data and the number of non-interference data can be reduced.
更に、上記においては、非干渉データの個数が干渉データの個数よりも多い無線通信環境において、干渉データの個数を増やし、非干渉データの個数を減少させて更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すると説明したが、この発明の実施の形態においては、これに限らず、干渉データの個数が非干渉データの個数よりも多い無線通信環境において、非干渉データからなる擬似データを生成することにより非干渉データの個数を増やすことと、非干渉データを中心とした基準円の外の干渉データを削除することにより干渉データの個数を減少させることとの少なくとも一方を適用して教師データを更新し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成してもよい。 Furthermore, in the above description, in a wireless communication environment in which the number of non-interference data is greater than the number of interference data, the number of interference data is increased and the number of non-interference data is decreased to generate updated teacher data TCHR_D_UP. However, in the embodiments of the present invention, in a wireless communication environment in which the number of pieces of interference data is greater than the number of pieces of non-interference data, the number of pieces of non-interference data is generated by generating pseudo data made up of pieces of non-interference data. and reducing the number of interfering data by deleting the interfering data outside the reference circle centered on the non-interfering data to update the training data, and update training data TCHR_D_UP may be generated.
つまり、この発明の実施の形態においては、干渉データの個数と、非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、更新教師データＴＣＨＲ＿Ｄ＿ＵＰを生成すればよい。 That is, in the embodiment of the present invention, bias reduction processing for reducing the bias between the number of interfering data and the number of non-interfering data may be applied to teacher data to generate updated teacher data TCHR_D_UP.
更に、上記においては、１次利用者は、免許された無線通信システムであると説明したが、この発明の実施の形態においては、これに限らず、１次利用者は、干渉を示すデータの割合が一定値となる無線通信システムであればよい。 Furthermore, in the above description, the primary user is a licensed wireless communication system, but in the embodiments of the present invention, the primary user is not limited to this, and the primary user may receive data indicative of interference. Any wireless communication system may be used as long as the ratio is a constant value.
なお、この発明の実施の形態においては、干渉通知を受信する情報管理部１０１は、「受信手段」を構成する。
In addition, in the embodiment of the present invention, the
また、この発明の実施の形態においては、上述した方法によって教師データを作成する生成装置１０２１は、「生成手段」を構成する。
In addition, in the embodiment of the present invention, the
更に、この発明の実施の形態においては、上述した方法によって、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する擬似データ生成装置１０２２、過剰データ削除装置１０２３および更新装置１０２４は、「更新手段」を構成する。
Furthermore, in the embodiment of the present invention, the number of pieces of interference data in which the label indicating the presence of interference, the position of the interfered terminal, and the communication parameter are mutually associated, and Apply bias reduction processing to the teacher data to reduce the bias between the number of pieces of non-interfering data in which the indicated label, the position of the interfered terminal, and the communication parameter are associated with each other, and generate updated teacher data by updating the teacher data. The pseudo
更に、この発明の実施の形態においては、上述した方法によって決定境界ＢＤを決定する決定装置１０２５は、「機械学習手段」を構成する。
Furthermore, in the embodiment of the present invention, the determining
更に、この発明の実施の形態においては、上述した方法によって１次利用者に干渉を与えない通信パラメータセットを決定するパラメータ決定部１０３は、「パラメータ決定手段」を構成する。
Furthermore, in the embodiment of the present invention, the
更に、この発明の実施の形態においては、パラメータ通知部１０４は、「送信手段」を構成する。
Further, in the embodiment of the present invention,
上述した実施の形態によれば、この発明の実施の形態による管理装置は、次の構成を備えていればよい。 According to the embodiment described above, the management device according to the embodiment of the present invention only needs to have the following configuration.
（構成１）
この発明の実施の形態による管理装置は、受信手段と、生成手段と、更新手段と、機械学習手段と、通信パラメータ決定手段と、送信手段とを備える。
(Configuration 1)
A management device according to an embodiment of the present invention comprises reception means, generation means, update means, machine learning means, communication parameter determination means, and transmission means.
受信手段は、干渉を示すデータの割合が一定値となる無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する。 The receiving means receives an interference notification including the location of the interfered terminal, which is the location of the terminal that received interference, and the presence or absence of interference, from the primary user, which is a wireless communication system in which the ratio of data indicating interference is a constant value. do.
生成手段は、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する。 The generating means generates a label indicating the presence or absence of interference and the location of the interfered terminal based on the communication history and interference notification history of the secondary user, which is a wireless communication system that performs wireless communication using the frequency band of the primary user. and communication parameters to generate teacher data.
更新手段は、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する。 The updating means updates the number of pieces of interference data in which a label indicating that there is interference, the location of the interfered terminal, and the communication parameter are associated with each other, and the label indicating that there is no interference, the location of the interfered terminal, and the communication parameter. A bias reduction process for reducing the bias with respect to the number of non-interference data associated with each other is applied to the teacher data, and updated teacher data is generated by updating the teacher data.
機械学習手段は、更新教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する。 Based on the updated training data, the machine learning means divides the communication parameters into a first class without interference and a second class with interference in an n-dimensional space consisting of n (n is an integer equal to or greater than 2) parameters including the communication parameters. A decision boundary, which is a boundary for classifying into the class and which is equidistant from the first and second classes, is determined by machine learning.
通信パラメータ決定手段は、決定境界を用いて、１次利用者において干渉が発生しない通信パラメータセットおよび１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する。 The communication parameter determining means determines at least one of a communication parameter set in which interference does not occur in the primary user and a communication parameter set in which interference occurs in the primary user, using the decision boundary.
送信手段は、決定された通信パラメータセットを２次利用者の端末群へ送信する。 The transmission means transmits the determined communication parameter set to the terminal group of the secondary users.
そして、更新手段は、１次利用者と２次利用者との間の実際の電波伝搬路に基づいて決定された干渉データ生成領域に擬似干渉データを追加して偏り低減処理を教師データに適用し、更新教師データを生成する。 Then, the updating means adds the pseudo interference data to the interference data generation region determined based on the actual radio wave propagation path between the primary user and the secondary user, and applies bias reduction processing to the teacher data. and generate updated teacher data.
（構成２）
構成１において、更新手段は、干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成する。
(Configuration 2)
In
（構成３）
構成２において、更新手段は、２次利用者が１次利用者へ与える干渉の干渉電力に比例するように干渉データ生成領域の広さを決定し、その決定した干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成する。
(Composition 3)
In configuration 2, the updating means determines the size of the interference data generation region so as to be proportional to the interference power of interference given to the primary user by the secondary user, and determines the determined size of the interference data generation region. A proportional number of pseudo interference data are added to generate updated teacher data.
（構成４）
構成３において、更新手段は、シャドウィングを考慮して前記干渉電力を決定する。
(Composition 4)
In configuration 3, the updating means determines said interference power taking shadowing into account.
（構成５）
構成１から構成４のいずれかにおいて、更新手段は、１次利用者と２次利用者との間の実際の伝搬路に基づいて決定された非干渉データ削除領域内に存在する非干渉データを削除して偏り低減処理を教師データに適用し、更新教師データを生成する。
(Composition 5)
In any one of
（構成６）
構成１から構成５のいずれかにおいて、更新手段は、地上の起伏および建物を含む３次元地図データと電波のシャドウィングを考慮した電波の伝搬シミュレーションとを用いて算出された干渉電力に基づいて干渉データ生成領域を決定し、その決定した干渉データ生成領域に擬似干渉データを追加して更新教師データを生成する。
(Composition 6)
In any one of
（構成７）
構成１から構成６のいずれかにおいて、通信パラメータ決定手段は、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ－ｍ）次元超平面を設定し、その設定した（ｎ－ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ－ｍ）次元超平面上の点を探索し、その探索した（ｎ－ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する。
(Composition 7)
In any one of
（構成８）
この発明の実施の形態によるプログラムは、
受信手段が、干渉を示すデータの割合が一定値となる無線通信システムである１次利用者から、干渉を受けた端末の位置である被干渉端末位置と干渉の有無とを含む干渉通知を受信する第１のステップと、
生成手段が、１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と干渉通知の履歴とに基づいて干渉の有無を示すラベルと被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する第２のステップと、
更新手段が、干渉が有ることを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと被干渉端末位置と通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を教師データに適用し、教師データを更新した更新教師データを生成する第３のステップと、
機械学習手段が、更新教師データに基づいて、通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する第４のステップと、
通信パラメータ決定手段が、決定境界を用いて、１次利用者において干渉が発生しない通信パラメータセットおよび１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する第５のステップと、
送信手段が、決定された通信パラメータセットを２次利用者の端末群へ送信する第６のステップとをコンピュータに実行させ、
更新手段は、第３のステップにおいて、１次利用者と２次利用者との間の実際の電波伝搬路に基づいて決定された干渉データ生成領域に擬似干渉データを追加して偏り低減処理を教師データに適用し、更新教師データを生成する、コンピュータに実行させるためのプログラムである。
(Composition 8)
A program according to an embodiment of the invention comprises:
A receiving means receives an interference notification including the location of the interfered terminal, which is the location of the terminal receiving interference, and the presence or absence of interference, from the primary user, which is a wireless communication system in which the ratio of data indicating interference is a constant value. a first step of
A label indicating the presence or absence of interference based on the communication history and interference notification history of a secondary user whose generation means is a wireless communication system that performs wireless communication using the frequency band of the primary user, and the position of the interfered terminal. a second step of generating training data in which communication parameters are associated with each other;
The updating means updates the number of pieces of interference data in which a label indicating that there is interference, the location of the interfered terminal, and the communication parameter are associated with each other, and the label indicating that there is no interference, the location of the interfered terminal, and the communication parameter. a third step of applying a bias reduction process to the teacher data to reduce the bias with respect to the number of non-interference data associated with each other, and generating updated teacher data by updating the teacher data;
Based on the updated training data, the machine learning means classifies the communication parameters into a first class without interference and a second class with interference in an n-dimensional space consisting of n (n is an integer equal to or greater than 2) parameters including the communication parameters. a fourth step of determining by machine learning a decision boundary that is a boundary for classifying into the class of and that is equidistant from the first and second classes;
a fifth step in which the communication parameter determining means determines at least one of a communication parameter set in which interference does not occur in the primary user and a communication parameter set in which interference occurs in the primary user using the decision boundary;
causing the computer to execute a sixth step in which the transmission means transmits the determined communication parameter set to the terminal group of the secondary users;
In the third step, the update means adds pseudo interference data to the interference data generation region determined based on the actual radio wave propagation path between the primary user and the secondary user to perform bias reduction processing. It is a program to be executed by a computer that applies to teaching data and generates updated teaching data.
（構成９）
構成８において、更新手段は、第３のステップにおいて、干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成す。
(Composition 9)
In configuration 8, in the third step, the update means adds pseudo interference data in a number proportional to the size of the interference data generation area to generate updated teacher data.
（構成１０）
構成９において、更新手段は、第３のステップにおいて、２次利用者が１次利用者へ与える干渉の干渉電力に比例するように干渉データ生成領域の広さを決定し、その決定した干渉データ生成領域の広さに比例した個数の擬似干渉データを追加して更新教師データを生成する。
(Configuration 10)
In configuration 9, in the third step, the updating means determines the size of the interference data generation area so as to be proportional to the interference power of the interference given to the primary user by the secondary user, and the determined interference data A number of pieces of pseudo interference data proportional to the size of the generation area are added to generate updated teacher data.
（構成１１）
構成１０において、更新手段は、第３のステップにおいて、シャドウィングを考慮して干渉電力を決定する。
(Composition 11)
In
（構成１２）
構成８から構成１１のいずれかにおいて、更新手段は、第３のステップにおいて、１次利用者と２次利用者との間の実際の伝搬路に基づいて決定された非干渉データ削除領域内に存在する非干渉データを削除して偏り低減処理を教師データに適用し、更新教師データを生成する。
(Composition 12)
In any one of configuration 8 to
（構成１３）
構成８から構成１２のいずれかにおいて、更新手段は、第３のステップにおいて、地上の起伏および建物を含む３次元地図データと電波のシャドウィングを考慮した電波の伝搬シミュレーションとを用いて算出された干渉電力に基づいて干渉データ生成領域を決定し、その決定した干渉データ生成領域に擬似干渉データを追加して更新教師データを生成する。
(Composition 13)
In any one of configuration 8 to
（構成１４）
構成８から構成１３のいずれかにおいて、通信パラメータ決定手段は、第５のステップにおいて、ｎ個のパラメータのうちの変更できないｍ（ｍは１≦ｍ＜ｎを満たす整数）個のパラメータを固定した（ｎ－ｍ）次元超平面を設定し、その設定した（ｎ－ｍ）次元超平面上の点と決定境界との距離を指標として利得関数を最大または最小にする（ｎ－ｍ）次元超平面上の点を探索し、その探索した（ｎ－ｍ）次元超平面上の点から制約条件を用いて１次利用者において干渉が発生しない通信パラメータセットを決定する。
(Composition 14)
In any one of configuration 8 to
今回開示された実施の形態はすべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施の形態の説明ではなくて特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。 It should be considered that the embodiments disclosed this time are illustrative in all respects and not restrictive. The scope of the present invention is indicated by the scope of the claims rather than the description of the above-described embodiments, and is intended to include all modifications within the scope and meaning equivalent to the scope of the claims.
この発明は、管理装置、コンピュータに実行させるためのプログラムおよびそのプログラムを記録したコンピュータ読み取り可能な記録媒体に適用される。 The present invention is applied to a management device, a program to be executed by a computer, and a computer-readable recording medium recording the program.
１，１１ 無線局、２，３，１２，１３ 端末、１０ 管理装置、１０１ 情報管理部、１０２ 機械学習部、１０３ パラメータ決定部、１０４ パラメータ通知部、１０２１ 生成装置、１０２２ 擬似データ生成装置、１０２３ 過剰データ削除装置、１０２４ 更新装置。
Claims (15)
前記１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と前記干渉通知の履歴とに基づいて干渉の有無を示すラベルと前記被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する生成手段と、
干渉が有ることを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を前記教師データに適用し、前記教師データを更新した更新教師データを生成する更新手段と、
前記更新教師データに基づいて、前記通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において前記通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、前記第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する機械学習手段と、
前記決定境界を用いて、前記１次利用者において干渉が発生しない通信パラメータセットおよび前記１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する通信パラメータ決定手段と、
前記決定された通信パラメータセットを前記２次利用者の端末群へ送信する送信手段とを備え、
前記更新手段は、前記１次利用者と前記２次利用者との間の実際の電波伝搬路における前記干渉データのシャドウフェージング電力の最大値に比例する広さを有するように干渉データ生成領域を決定し、その決定した干渉データ生成領域において前記干渉データの周囲に擬似干渉データをランダムに追加して前記偏り低減処理を前記教師データに適用し、前記更新教師データを生成する、管理装置。 receiving means for receiving an interference notification including the location of an interfered terminal, which is the location of a terminal receiving interference, and the presence or absence of interference, from a primary user of a wireless communication system in which the ratio of data indicating interference is a constant value; ,
A label indicating presence or absence of interference based on the communication history of the secondary user and the history of the interference notification, which is a wireless communication system that performs wireless communication using the frequency band of the primary user, and the location of the interfered terminal. generating means for generating teacher data in which communication parameters are associated with each other;
The number of pieces of interference data in which a label indicating that there is interference, the location of the interfered terminal, and the communication parameter are associated with each other, and a label indicating that there is no interference, the location of the interfered terminal, and the communication parameter. updating means for generating updated teacher data by applying a bias reduction process to the teacher data to reduce the bias with respect to the number of non-interference data associated with each other, and updating the teacher data;
Based on the updated training data, the communication parameters are divided into a first class without interference and a second class with interference in an n-dimensional space consisting of n (n is an integer equal to or greater than 2) parameters including the communication parameters. Machine learning means for determining by machine learning a decision boundary that is a boundary for classifying into and is a boundary that is equidistant from the first and second classes;
communication parameter determination means for determining at least one of a communication parameter set in which interference does not occur in the primary user and a communication parameter set in which interference occurs in the primary user, using the determination boundary;
transmitting means for transmitting the determined communication parameter set to the terminal group of the secondary users;
The updating means adjusts the interference data generation area so that it has a width proportional to the maximum value of shadow fading power of the interference data on an actual radio wave propagation path between the primary user and the secondary user. and randomly adding pseudo interference data around the interference data in the determined interference data generation region, applying the bias reduction processing to the teacher data, and generating the updated teacher data. .
生成手段が、前記１次利用者の周波数帯を用いて無線通信を行う無線通信システムである２次利用者の通信履歴と前記干渉通知の履歴とに基づいて干渉の有無を示すラベルと前記被干渉端末位置と通信パラメータとを相互に対応付けた教師データを生成する第２のステップと、
更新手段が、干渉が有ることを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた干渉データの個数と、干渉が無いことを示すラベルと前記被干渉端末位置と前記通信パラメータとが相互に対応付けられた非干渉データの個数との偏りを低減する偏り低減処理を前記教師データに適用し、前記教師データを更新した更新教師データを生成する第３のステップと、
機械学習手段が、前記更新教師データに基づいて、前記通信パラメータを含むｎ（ｎは２以上の整数）個のパラメータからなるｎ次元空間において前記通信パラメータを干渉が無い第１のクラスと干渉が有る第２のクラスとに分類するための境界であり、かつ、前記第１および第２のクラスから等距離に存在する境界である決定境界を機械学習によって決定する第４のステップと、
通信パラメータ決定手段が、前記決定境界を用いて、前記１次利用者において干渉が発生しない通信パラメータセットおよび前記１次利用者において干渉が発生する通信パラメータセットの少なくとも１つを決定する第５のステップと、
送信手段が、前記決定された通信パラメータセットを前記２次利用者の端末群へ送信する第６のステップとをコンピュータに実行させ、
前記更新手段は、前記第３のステップにおいて、前記１次利用者と前記２次利用者との間の実際の電波伝搬路における前記干渉データのシャドウフェージング電力の最大値に比例する広さを有するように干渉データ生成領域を決定し、その決定した干渉データ生成領域において前記干渉データの周囲に擬似干渉データをランダムに追加して前記偏り低減処理を前記教師データに適用し、前記更新教師データを生成する、コンピュータに実行させるためのプログラム。 A receiving means receives an interference notification including the location of the interfered terminal, which is the location of the terminal receiving interference, and the presence or absence of interference, from the primary user, which is a wireless communication system in which the ratio of data indicating interference is a constant value. a first step of
The generating means generates a label indicating the presence or absence of interference based on the communication history of the secondary user, which is a wireless communication system that performs wireless communication using the frequency band of the primary user, and the history of the interference notification, and the subject. a second step of generating training data in which interference terminal positions and communication parameters are associated with each other;
The updating means updates the number of pieces of interference data in which a label indicating that there is interference, the position of the interfered terminal, and the communication parameter are associated with each other, a label indicating that there is no interference, the position of the interfered terminal, and the a third step of generating updated teacher data by applying bias reduction processing to the teacher data to reduce the bias between the communication parameters and the number of non-interference data associated with each other, and updating the teacher data;
Based on the updated training data, machine learning means compares the communication parameters to a first class with no interference and interference in an n-dimensional space consisting of n (n is an integer equal to or greater than 2) parameters including the communication parameters. a fourth step of determining by machine learning a decision boundary that is a boundary for classifying into a second class and that is equidistant from the first and second classes;
A fifth communication parameter determining means, using the determination boundary, determines at least one of a communication parameter set in which interference does not occur in the primary user and a communication parameter set in which interference occurs in the primary user. a step;
causing the computer to execute a sixth step in which the transmission means transmits the determined communication parameter set to the terminal group of the secondary users;
The updating means, in the third step, has a width proportional to the maximum value of shadow fading power of the interference data on the actual radio propagation path between the primary user and the secondary user. and randomly adding pseudo interference data around the interference data in the determined interference data generation region to apply the bias reduction processing to the teacher data, and the update teacher A program for a computer to run that generates data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019004233A JP7272578B2 (en) | 2019-01-15 | 2019-01-15 | Computer-readable recording medium recording a program to be executed by a management device, a computer, and the program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019004233A JP7272578B2 (en) | 2019-01-15 | 2019-01-15 | Computer-readable recording medium recording a program to be executed by a management device, a computer, and the program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020113914A JP2020113914A (en) | 2020-07-27 |
| JP7272578B2 true JP7272578B2 (en) | 2023-05-12 |
Family
ID=71665965
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019004233A Active JP7272578B2 (en) | 2019-01-15 | 2019-01-15 | Computer-readable recording medium recording a program to be executed by a management device, a computer, and the program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7272578B2 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160092789A1 (en) | 2014-09-29 | 2016-03-31 | International Business Machines Corporation | Category Oversampling for Imbalanced Machine Learning |
| JP2017118384A (en) | 2015-12-25 | 2017-06-29 | 国立大学法人京都大学 | Management device, program to be executed by computer, and computer readable recording medium with the program recorded thereon |
| JP2018142957A (en) | 2017-02-24 | 2018-09-13 | 国立大学法人京都大学 | Management device, program for making computer execute, and computer-readable recording medium recording program |
-
2019
- 2019-01-15 JP JP2019004233A patent/JP7272578B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160092789A1 (en) | 2014-09-29 | 2016-03-31 | International Business Machines Corporation | Category Oversampling for Imbalanced Machine Learning |
| JP2017118384A (en) | 2015-12-25 | 2017-06-29 | 国立大学法人京都大学 | Management device, program to be executed by computer, and computer readable recording medium with the program recorded thereon |
| JP2018142957A (en) | 2017-02-24 | 2018-09-13 | 国立大学法人京都大学 | Management device, program for making computer execute, and computer-readable recording medium recording program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020113914A (en) | 2020-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6999134B2 (en) | A management device, a program to be executed by a computer, and a computer-readable recording medium on which the program is recorded. | |
| Masood et al. | A machine learning based 3D propagation model for intelligent future cellular networks | |
| US11985510B1 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
| US12028719B2 (en) | System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization | |
| JP6627496B2 (en) | Management device, program to be executed by computer, and computer-readable recording medium recording the program | |
| Krijestorac et al. | Spatial signal strength prediction using 3D maps and deep learning | |
| Moraitis et al. | Machine learning-based methods for path loss prediction in urban environment for LTE networks | |
| Seong et al. | Wi-Fi fingerprint using radio map model based on MDLP and euclidean distance based on the Chi squared test | |
| Liu et al. | AutLoc: Deep autoencoder for indoor localization with RSS fingerprinting | |
| Lie et al. | A fingerprint-based coarse-to-fine algorithm for indoor positioning system using Bluetooth Low Energy | |
| Chiroma et al. | Large scale survey for radio propagation in developing machine learning model for path losses in communication systems | |
| Janicka et al. | Application of RSSI based navigation in indoor positioning | |
| Uccellari et al. | On the use of support vector machines for the prediction of propagation losses in smart metering systems | |
| Suto et al. | Image-driven spatial interpolation with deep learning for radio map construction | |
| Kim et al. | Traffic-aware backscatter communications in wireless-powered heterogeneous networks | |
| Al-Thaedan et al. | Downlink throughput prediction using machine learning models on 4G-LTE networks | |
| JP7272578B2 (en) | Computer-readable recording medium recording a program to be executed by a management device, a computer, and the program | |
| Farnham | Radio environment map techniques and performance in the presence of errors | |
| Chen et al. | DeepMetricFi: Improving Wi-Fi fingerprinting localization by deep metric learning | |
| Pasha et al. | Enhanced fingerprinting based indoor positioning using machine learning | |
| Junoh et al. | Augmentation of Fingerprints for Indoor BLE Localization Using Conditional GANs | |
| Edwards et al. | WiFi based indoor positioning using pattern recognition | |
| Tarekegn et al. | SRCLoc: Synthetic radio map construction method for fingerprinting outdoor localization in hybrid networks | |
| Azoulay et al. | Machine learning techniques for received signal strength indicator prediction | |
| Malkova et al. | Deep Learning with Partially Labeled Data for Radio Map Reconstruction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211208 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221026 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221206 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230411 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230419 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7272578 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |