JP7505569B2 - 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム - Google Patents
通信情報予測装置、通信情報予測方法、および通信情報予測プログラム Download PDFInfo
- Publication number
- JP7505569B2 JP7505569B2 JP2022556754A JP2022556754A JP7505569B2 JP 7505569 B2 JP7505569 B2 JP 7505569B2 JP 2022556754 A JP2022556754 A JP 2022556754A JP 2022556754 A JP2022556754 A JP 2022556754A JP 7505569 B2 JP7505569 B2 JP 7505569B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- communication
- auxiliary
- input
- machine learning
- 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
- 230000006854 communication Effects 0.000 title claims description 361
- 238000004891 communication Methods 0.000 title claims description 357
- 238000000034 method Methods 0.000 title claims description 44
- 238000010801 machine learning Methods 0.000 claims description 94
- 230000007613 environmental effect Effects 0.000 claims description 68
- 238000012549 training Methods 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 19
- 238000002474 experimental method Methods 0.000 description 13
- 230000002123 temporal effect Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003989 dielectric material Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000009291 secondary effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Description
図1において、基地局装置101は、ネットワークに接続する機能を有し、M台の端末装置102との間で無線通信を行う。基地局装置101は、NW部201、通信部202(1)から通信部202(N)、通信環境モデル生成部203、環境情報生成部204およびモデル利用部205を有する。
端末装置102(1)から端末装置102(M)は、それぞれ基地局装置101との間で無線通信を行う。
次に、基地局装置101の通信環境モデル生成部203および端末装置102の通信環境モデル生成部302について詳しく説明する。なお、ここでは、基地局装置101の通信環境モデル生成部203として説明するが、端末装置102の通信環境モデル生成部302についても基本的な動作は同じである。
実施形態の効果を実証するために行った実験とその結果について説明する。
ここで、上述した各実施形態における基地局装置101または端末装置102の各ブロックまたは一部のブロックを構成要素として行う処理をコンピュータで実行するようにしてもよい。その場合、各ブロックまたは一部のブロックが行う処理を実現するためのプログラムをコンピュータで読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませて、コンピュータに実行させるようにしてもよい。
Claims (8)
- 移動する端末装置の無線通信に係る通信環境モデルを生成し、前記端末装置の通信情報を予測する通信情報予測装置において、
前記端末装置および前記端末装置の無線通信先装置の少なくとも一方の装置環境に係る環境情報を生成する環境情報生成部と、
前記端末装置の無線通信に係る通信情報を生成する通信部と、
前記環境情報、または前記環境情報および前記通信情報を入力情報として、ターゲット情報の時間に対応する補助情報を生成して、前記補助情報または前記補助情報と入力情報に基づいて前記端末装置の無線通信に係る未来の時間の前記通信情報をターゲット情報として出力する通信環境モデルを生成する通信環境モデル生成部と、
前記通信環境モデルを用いて、前記端末装置の通信情報を予測するモデル利用部と
を有し、
前記通信環境モデルは、
異なる前記入力情報に対して、ターゲット情報の未来の時間に対応する環境情報を、前記補助情報として出力する第1の機械学習ブロックと、
前記補助情報または前記補助情報と入力情報から、未来の時間の前記通信情報をターゲット情報として生成する第2の機械学習ブロックと
を有することを特徴とする通信情報予測装置。 - 請求項1に記載の通信情報予測装置において、
前記通信環境モデル生成部は、
前記入力情報、および前記補助情報を教師データとして用い、前記入力情報を前記第1の機械学習ブロックに入力した際に生成される前記補助情報の出力を、前記教師データの補助情報と比較して、その間の誤差から、より精度の高い前記補助情報を生成するように前記第1の機械学習ブロックの係数を更新する訓練を行い、かつ、
前記補助情報または前記補助情報と前記入力情報、および前記ターゲット情報を教師データとして用い、前記補助情報または前記補助情報と前記入力情報を前記第2の機械学習ブロックに入力した際に生成される前記ターゲット情報の出力を、前記教師データのターゲット情報と比較して、その間の誤差から、より精度の高い前記ターゲット情報を生成するように前記第2の機械学習ブロックの係数を更新する訓練を行って、前記通信環境モデルを生成する
ことを特徴とする通信情報予測装置。 - 請求項2に記載の通信情報予測装置において、
前記補助情報は、前記入力情報の少なくとも一部の情報の時間的に未来に対応するものを含むこととする
ことを特徴とする通信情報予測装置。 - 請求項1から請求項3のいずれか一項に記載の通信情報予測装置において、
前記第2の機械学習ブロックは、
非通信情報である前記環境情報と前記通信情報とに分けて扱い、未来の時間の前記通信情報を第2の補助情報として出力する機械学習ブロックを有する
ことを特徴とする通信情報予測装置。 - 移動する端末装置の無線通信に係る通信環境モデルを生成し、前記端末装置の通信情報を予測する通信情報予測方法であって、
前記端末装置および前記端末装置の無線通信先装置の少なくとも一方の装置環境に係る環境情報を生成する環境情報生成処理と、
前記端末装置の無線通信に係る通信情報を生成する通信処理と、
前記環境情報、または前記環境情報および前記通信情報を入力情報として、ターゲット情報の時間に対応する補助情報を生成して、前記補助情報または前記補助情報と入力情報に基づいて前記端末装置の無線通信に係る未来の時間の前記通信情報をターゲット情報として出力する通信環境モデルを生成する通信環境モデル生成処理と、
前記通信環境モデルを用いて、前記端末装置の通信情報を予測するモデル利用処理と
を行い、
前記通信環境モデルは、
異なる前記入力情報に対して、ターゲット情報の未来の時間に対応する環境情報を、前記補助情報として出力する第1の機械学習ブロックと、
前記補助情報または前記補助情報と入力情報から、未来の時間の前記通信情報をターゲット情報として生成する第2の機械学習ブロックと
を有することを特徴とする通信情報予測方法。 - 請求項5に記載の通信情報予測方法において、
前記通信環境モデル生成処理では、
前記入力情報、および前記補助情報を教師データとして用い、前記入力情報を前記第1の機械学習ブロックに入力した際に生成される前記補助情報の出力を、前記教師データの補助情報と比較して、その間の誤差から、より精度の高い前記補助情報を生成するように前記第1の機械学習ブロックの係数を更新する訓練を行い、かつ、
前記補助情報または前記補助情報と前記入力情報、および前記ターゲット情報を教師データとして用い、前記補助情報または前記補助情報と前記入力情報を前記第2の機械学習ブロックに入力した際に生成される前記ターゲット情報の出力を、前記教師データのターゲット情報と比較して、その間の誤差から、より精度の高い前記ターゲット情報を生成するように前記第2の機械学習ブロックの係数を更新する訓練を行って、前記通信環境モデルを生成する
ことを特徴とする通信情報予測方法。 - 移動する端末装置の無線通信に係る通信環境モデルを生成し、前記端末装置の通信情報を予測するコンピュータで実行可能な通信情報予測プログラムであって、
前記端末装置および前記端末装置の無線通信先装置の少なくとも一方の装置環境に係る環境情報を生成する環境情報生成処理と、
前記端末装置の無線通信に係る通信情報を生成する通信処理と、
前記環境情報、または前記環境情報および前記通信情報を入力情報として、ターゲット情報の時間に対応する補助情報を生成して、前記補助情報または前記補助情報と入力情報に基づいて前記端末装置の無線通信に係る未来の時間の前記通信情報をターゲット情報として出力する通信環境モデルを生成する通信環境モデル生成処理と、
前記通信環境モデルを用いて、前記端末装置の通信情報を予測するモデル利用処理と
をコンピュータで実行し、
前記通信環境モデルは、
異なる前記入力情報に対して、ターゲット情報の未来の時間に対応する環境情報を、前記補助情報として出力する第1の機械学習ブロックと、
前記補助情報または前記補助情報と入力情報から、未来の時間の前記通信情報をターゲット情報として生成する第2の機械学習ブロックと
を有することを特徴とする通信情報予測プログラム。 - 請求項7に記載の通信情報予測プログラムにおいて、
前記通信環境モデル生成処理では、
前記入力情報、および前記補助情報を教師データとして用い、前記入力情報を前記第1の機械学習ブロックに入力した際に生成される前記補助情報の出力を、前記教師データの補助情報と比較して、その間の誤差から、より精度の高い前記補助情報を生成するように前記第1の機械学習ブロックの係数を更新する訓練を行い、かつ、
前記補助情報または前記補助情報と前記入力情報、および前記ターゲット情報を教師データとして用い、前記補助情報または前記補助情報と前記入力情報を前記第2の機械学習ブロックに入力した際に生成される前記ターゲット情報の出力を、前記教師データのターゲット情報と比較して、その間の誤差から、より精度の高い前記ターゲット情報を生成するように前記第2の機械学習ブロックの係数を更新する訓練を行って、前記通信環境モデルを生成する
ことを特徴とする通信情報予測プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/038787 WO2022079833A1 (ja) | 2020-10-14 | 2020-10-14 | 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022079833A1 JPWO2022079833A1 (ja) | 2022-04-21 |
JP7505569B2 true JP7505569B2 (ja) | 2024-06-25 |
Family
ID=81208953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022556754A Active JP7505569B2 (ja) | 2020-10-14 | 2020-10-14 | 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7505569B2 (ja) |
WO (1) | WO2022079833A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018026728A (ja) | 2016-08-10 | 2018-02-15 | Kddi株式会社 | 通信品質予測装置、ロボット、通信品質予測方法、及びプログラム |
JP2020144720A (ja) | 2019-03-08 | 2020-09-10 | 富士通株式会社 | 機械学習プログラム、機械学習方法および機械学習装置 |
-
2020
- 2020-10-14 WO PCT/JP2020/038787 patent/WO2022079833A1/ja active Application Filing
- 2020-10-14 JP JP2022556754A patent/JP7505569B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018026728A (ja) | 2016-08-10 | 2018-02-15 | Kddi株式会社 | 通信品質予測装置、ロボット、通信品質予測方法、及びプログラム |
JP2020144720A (ja) | 2019-03-08 | 2020-09-10 | 富士通株式会社 | 機械学習プログラム、機械学習方法および機械学習装置 |
Non-Patent Citations (2)
Title |
---|
工藤 理一,機械学習が切り開くスマートコネクテッドデバイスによる次世代無線通信システムの可能性,電子情報通信学会技術研究報告 Vol.119 No.183,日本,一般社団法人電子情報通信学会,2019年08月20日 |
工藤 理一,移動ロボットによる無線LAN通信品質予測,電子情報通信学会技術研究報告 Vol.119 No.406,日本,一般社団法人電子情報通信学会,2020年01月23日 |
Also Published As
Publication number | Publication date |
---|---|
WO2022079833A1 (ja) | 2022-04-21 |
JPWO2022079833A1 (ja) | 2022-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thrane et al. | Deep learning-based signal strength prediction using geographical images and expert knowledge | |
Zhan et al. | Energy minimization for cellular-connected UAV: From optimization to deep reinforcement learning | |
US12028788B2 (en) | Communication system and base station | |
US12034495B2 (en) | System, device, method and program that predict communication quality | |
US11234141B2 (en) | Parameter selection for network communication links using reinforcement learning | |
US20220352995A1 (en) | Communication system and terminal | |
US11576057B2 (en) | Operation of sectorized communications from aerospace platforms using reinforcement learning | |
Ali et al. | Orientation-assisted beam management for beyond 5G systems | |
Marasinghe et al. | LiDAR aided human blockage prediction for 6G | |
Lin et al. | Reinforcement learning based UAV trajectory and power control against jamming | |
WO2016001473A1 (en) | System and method for radio and other parameter estimation based on maps | |
Fontanesi et al. | A transfer learning approach for UAV path design with connectivity outage constraint | |
JP7505569B2 (ja) | 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム | |
JP7439948B2 (ja) | 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム | |
CN116669089A (zh) | 经由信道聚合预测服务质量 | |
Salem et al. | Data-driven Integrated Sensing and Communication: Recent Advances, Challenges, and Future Prospects | |
JP7439947B2 (ja) | 通信情報予測装置、通信情報予測方法、および通信情報予測プログラム | |
Al Saadi et al. | Ground Level Mobile Signal Prediction Using Higher Altitude UAV Measurements and ANN | |
Lee et al. | Deep Reinforcement Learning for Time Allocation and Directional Transmission in Joint Radar-Communication | |
US11916612B2 (en) | Mobile terminal and communication quality prediction method | |
JP7502682B2 (ja) | 情報出力システム、情報出力方法、推定装置、およびプログラム | |
Ali et al. | A Comprehensive Review of Radio Signal Propagation Prediction for Terrestrial Wireless Communication Systems | |
Yapar et al. | On the Effective Usage of Priors in RSS-based Localization | |
Nikolov | Adaptive Uplink Data Rate Prediction and NetworkSelection in a Vehicular Mobile Channel | |
Zhang | Data Harvesting and Path Planning in UAV-aided Internet-of-Things Wireless Networks with Reinforcement Learning: KTH Thesis Report |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230323 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240326 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240426 |
|
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: 20240514 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240527 |