2023-162916 無線信号の伝搬特性を推定するための学習モデルの生成装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2023162916

(43)【公開日】2023-11-09

(54)【発明の名称】無線信号の伝搬特性を推定するための学習モデルの生成装置

(51)【国際特許分類】

   H04B 17/391 20150101AFI20231101BHJP

   G06T 7/00 20170101ALI20231101BHJP

   H04B 17/309 20150101ALI20231101BHJP

   H04W 16/18 20090101ALI20231101BHJP

【ＦＩ】

H04B17/391

G06T7/00 350C

H04B17/309

H04W16/18 110

【審査請求】未請求

【請求項の数】10

【出願形態】ＯＬ

(21)【出願番号】P 2022073630

(22)【出願日】2022-04-27

【国等の委託研究の成果に係る記載事項】（出願人による申告）令和３年度総務省「仮想空間における電波模擬システム技術の高度化向けた研究開発」、産業技術力強化法第１７条の適用を受ける特許出願

(71)【出願人】

【識別番号】599108264

【氏名又は名称】株式会社ＫＤＤＩ総合研究所

(74)【代理人】

【識別番号】110003281

【氏名又は名称】弁理士法人大塚国際特許事務所

(72)【発明者】

【氏名】吉川 慧司

(72)【発明者】

【氏名】天野 良晃

【テーマコード（参考）】

5K067

5L096

【Ｆターム（参考）】

5K067FF03

5K067FF23

5L096BA08

5L096DA01

5L096FA67

5L096HA11

5L096KA04

5L096KA15

(57)【要約】

【課題】反射物の表面の形状を考慮した伝搬特性の推定技術を提供する。
【解決手段】生成装置は、複数の教師データに基づき無線信号の伝搬特性を推定するための学習モデルを生成する学習手段を備え、前記複数の教師データのそれぞれは、１つ以上の種別の法線マップを示すデータと、送信位置で送信した前記無線信号の受信位置における特性値を示す正解データと、を含み、前記１つ以上の種別の法線マップそれぞれは、前記送信位置及び前記受信位置の少なくとも１つを含む範囲内の複数の画素それぞれの位置にある物体の法線方向を示している。
【選択図】図１

【特許請求の範囲】

【請求項1】

複数の教師データに基づき無線信号の伝搬特性を推定するための学習モデルを生成する学習手段を備え、
前記複数の教師データのそれぞれは、１つ以上の種別の法線マップを示すデータと、送信位置で送信した前記無線信号の受信位置における特性値を示す正解データと、を含み、
前記１つ以上の種別の法線マップそれぞれは、前記送信位置及び前記受信位置の少なくとも１つを含む範囲内の複数の画素それぞれの位置にある物体の法線方向を示す、生成装置。

【請求項2】

前記１つ以上の種別の法線マップは、前記受信位置から前記送信位置の方向を見た第１種別の法線マップを含む、請求項１に記載の生成装置。

【請求項3】

前記１つ以上の種別の法線マップは、前記送信位置から前記受信位置の方向を見た第２種別の法線マップを含む、請求項２に記載の生成装置。

【請求項4】

前記１つ以上の種別の法線マップは、前記送信位置及び前記受信位置を含む第３種別の法線マップを含む、請求項３に記載の生成装置。

【請求項5】

前記複数の教師データのそれぞれは、前記１つ以上の種別の法線マップそれぞれと同じ位置から同じ方向を見た同じ範囲の画像データを含む、請求項１に記載の生成装置。

【請求項6】

前記１つ以上の種別の法線マップそれぞれは、球座標の２つの角度により前記法線方向を示す、請求項１に記載の生成装置。

【請求項7】

無線信号の送信位置と、前記無線信号の受信位置と、法線マップを示すデータと、に基づき第１マップを示す第１データを生成する生成手段と、
複数の教師データに基づき前記無線信号の伝搬特性を推定するための学習モデルを生成する学習手段と、を含み、
前記複数の教師データのそれぞれは、前記第１マップを示す前記第１データと、前記送信位置で送信した前記無線信号の前記受信位置における特性値を示す正解データと、を含み、
前記法線マップは、前記送信位置及び前記受信位置の少なくとも１つを含む所定範囲内の複数の第１画素それぞれの位置にある物体の法線方向を示し、
前記第１マップは、前記所定範囲内の前記複数の第１画素それぞれに対応する複数の第２画素を含み、
前記生成手段は、前記複数の第１画素それぞれについて、第１画素の前記法線方向に基づき、前記送信位置からの前記無線信号を前記受信位置に向けて反射する第３画素を判定し、前記第１マップの前記複数の第２画素の内、前記第３画素に対応する第４画素の値を第１の値とし、前記第１マップの前記複数の第２画素の内の前記第４画素とは異なる画素の値を前記第１の値とは異なる値とする様に、前記第１マップを示す前記第１データを生成する、生成装置。

【請求項8】

前記伝搬特性の特性値は、遅延スプレッドである、請求項１に記載の生成装置。

【請求項9】

前記伝搬特性の特性値は、角度スプレッドである、請求項１に記載の生成装置。

【請求項10】

１つ以上のプロセッサを有する装置の前記１つ以上のプロセッサで実行されると、前記装置を請求項１から９のいずれか１項に記載の生成装置として機能させる、プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、無線信号の伝搬特性の推定技術に関する。

【背景技術】

【0002】

特許文献１は、受信点を含む地図データにＣＮＮ（畳み込みニューラルネットワーク）を適用して都市構造パラメータを抽出し、当該都市構造パラメータにより電波の伝搬特性を推定する構成を開示している。また、非特許文献１は、物体表面の凹凸サイズが第２フレネルゾーンの直径よりも大きい場合、当該物体表面において無線信号は拡散反射することを開示している。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９－１２２００８号公報

【非特許文献】

【0004】

【非特許文献1】今井哲郎、"電波伝搬解析のためのレイトレーシング法－基礎から応用まで－"、コロナ社、２０１６年

【発明の概要】

【発明が解決しようとする課題】

【0005】

無線信号の伝搬特性を推定するためには、空間上に存在する建物といった無線信号の反射物の影響を考慮する必要がある。ここで、非特許文献１に記載されている様に、反射物の表面の凹凸の大きさに応じて、当該表面での反射は正反射成分より拡散反射成分が大きくなる。特許文献１は、伝搬特性の推定に地図データを活用することを開示しているが、建物等の表面の凹凸を考慮していはいない。

【0006】

本発明は、反射物の表面の形状を考慮した伝搬特性の推定技術を提供するものである。

【課題を解決するための手段】

【0007】

本発明の一態様によると、生成装置は、複数の教師データに基づき無線信号の伝搬特性を推定するための学習モデルを生成する学習手段を備え、前記複数の教師データのそれぞれは、１つ以上の種別の法線マップを示すデータと、送信位置で送信した前記無線信号の受信位置における特性値を示す正解データと、を含み、前記１つ以上の種別の法線マップそれぞれは、前記送信位置及び前記受信位置の少なくとも１つを含む範囲内の複数の画素それぞれの位置にある物体の法線方向を示す。

【発明の効果】

【0008】

本発明によると、反射物の表面の形状を考慮した伝搬特性の推定を行うことができる。

【図面の簡単な説明】

【0009】

【図1】一実施形態による学習モデルの生成装置と、伝搬特性の推定装置の構成図。

【図2】法線マップの説明図。

【図3】各実施例の説明図。

【図4】他の実施形態による学習モデルの生成装置と、伝搬特性の推定装置の構成図。

【発明を実施するための形態】

【0010】

以下、添付図面を参照して実施形態を詳しく説明する。なお、以下の実施形態は特許請求の範囲に係る発明を限定するものではなく、また実施形態で説明されている特徴の組み合わせの全てが発明に必須のものとは限らない。実施形態で説明されている複数の特徴のうち二つ以上の特徴が任意に組み合わされてもよい。また、同一若しくは同様の構成には同一の参照番号を付し、重複した説明は省略する。

【0011】

図１（Ａ）は、伝搬特性を推定するための学習モデルを生成する生成装置の構成図であり、図１（Ｂ）は、図１（Ａ）の生成装置が生成した学習モデルを使用して伝搬特性の推定を行う推定装置の構成図である。生成装置は、学習部を有する。学習部は、法線マップデータを含む教師データを入力として、公知の機械学習技術を使用して学習モデルを生成する。推定装置は、推定部を有する。推定部は、生成装置が生成した学習モデルを有する。推定部は、法線マップデータを含む入力データに基づき、学習モデルを使用して伝搬特性の推定値を出力する。なお、推定する伝搬特性は、所定の受信位置での遅延スプレッド、角度スプレッド、受信電力等であり得るが、他の伝搬特性の値であっても良い。

【0012】

図２は、法線マップデータが示す法線マップの説明図である。法線マップは、通常の静止画像と同様に、２次元（Ｕ方向及びＶ方向）に配列される複数の画素で構成される。通常の静止画像において、各画素は、Ｒ（赤）、Ｇ（緑）、Ｂ（青）の３値で表現される色を示している。一方、法線マップにおいて、画素は、当該画素の位置にある反射物の法線の方向を示している。図２において、１つの画素の画素値が（Ｘａ、Ｙｂ、Ｚｂ）であることを示している。画素値（Ｘａ、Ｙｂ、Ｚｂ）は、実空間における所定位置を原点とする３次元の世界座標系における法線ベクトル（法線の方向）を示している。なお、反射物のない画素の法線ベクトルは、例えば、（０，０，０）である。

【0013】

法線マップは、物体表面の凹凸を示すものである。拡散反射は、物体表面の凹凸により様々な方向に電波が反射する現象であるが、物体表面の微小な面積それぞれでの反射は正反射で近似できる。したがって、ある画素の位置にある反射物に入射する無線信号の伝搬方向と、当該反射物の法線方向に基づき、当該無線信号の反射方向は定まる。この様に、法線マップを使用することで拡散反射を考慮した、つまり、反射物の表面の形状を考慮した伝搬特性の推定を行うことができる。

【0014】

以下、本実施形態における各実施例について図３を用いて説明する。図３は、各実施例における教師データを示している。教師データは、例題データと正解データとを有する。生成装置の学習部は、学習モデルに例題データを入力したときの当該学習モデルの出力が、当該例題データに対応する正解データに近づく様に学習モデルの調整を繰り返すことで学習モデルを生成する。なお、図３に示す様に、正解データは、いずれも、推定する伝搬特性の特性値である。例えば、推定対象が遅延スプレッドの場合、特性値は遅延スプレッドであり、推定対象が角度スプレッドの場合、特性値は角度スプレッドである。

【0015】

＜実施例１＞
本実施例では、受信位置から送信位置を見たときの法線マップ（以下、第１法線マップ）データを例題データとし、そのときの受信位置での特性値を正解データとする。なお、このとき図２の黒丸で示す様に、送信位置は、法線マップの所定位置、例えば、中心とする。なお、教師データは、複数の第１法線マップデータと、当該複数の第１法線マップデータそれぞれの正解データと、を含むが、複数の第１法線マップデータそれぞれが示す複数の第１法線マップにおいて、送信位置は同じ位置とする。

【0016】

受信位置での特性値を判定するには、受信位置から見える反射物における散乱波の方向が重要になる。第１法線マップは、受信位置から見える反射物の法線方向を表すため、第１法線マップにより受信位置に到来する拡散反射成分を考慮した推定が可能になる。また、教師データとして使用する複数の第１法線マップデータが示す各第１法線マップにおいて送信位置を同じ位置とすることで、送信位置を考慮した推定となり推定精度が向上する。

【0017】

＜実施例２＞
本実施例では、送信位置から受信位置を見たときの法線マップ（以下、第２法線マップ）データを例題データとし、そのときの受信位置での特性値を正解データとする。なお、このとき図２の黒丸で示す様に、受信位置は、法線マップの所定位置、例えば、中心とする。なお、教師データとする複数の第２法線マップデータが示す各第２法線マップにおいて受信位置は同じ位置とする。

【0018】

受信位置までの反射回数は伝搬特性に大きな影響を与える。第２法線マップは、送信位置から見える反射物における散乱波の方向と、受信位置とを表す。したがって、第２法線マップデータにより受信位置に到来する拡散反射成分の反射回数を考慮した推定が可能になる。

【0019】

＜実施例３＞
本実施例では、第１法線マップデータ及び第２法線マップデータの両方を例題データとする。具体的には、ある受信位置から、ある送信位置を見たときの第１法線マップを示す第１法線マップデータと、当該送信位置から当該受信位置を見たときの第２法線マップを示す第２法線マップデータと、そのときの受信位置での特性値を正解データとする。なお、教師データとする複数の第１法線マップデータが示す各第１法線マップにおいて送信位置は同じ位置とし、教師データとする複数の第２法線マップデータが示す各第２法線マップにおいて受信位置は同じ位置とする。本実施例では、実施例１及び実施例２の両方の利点を持つ推定が可能になる。

【0020】

＜実施例４＞
本実施例では、第１法線マップデータに加えて、送信位置及び受信位置を含む法線マップ（以下、第３法線マップ）データを例題データとする。なお、第１法線マップは実施例１と同様である。第３法線マップにおける送信位置及び受信位置は、任意であり、教師データとして使用する複数の第３法線マップデータが示す各第３法線マップにおいて送信位置や受信位置を同じ位置にする必要はない。本実施例では、受信位置から死角にある反射物の情報を使用することができ推定精度が向上する。

【0021】

＜実施例５＞
本実施例では、第２法線マップデータに加えて、第３法線マップデータを例題データとする。なお、第２法線マップは実施例２と同様であり、第３法線マップは実施例４と同様である。本実施例では、送信位置から死角にある反射物の情報を使用することができ推定精度が向上する。

【0022】

＜実施例６＞
本実施例では、第１法線マップデータ、第２法線マップデータ及び第３法線マップデータを例題データとする。なお、第１法線マップは実施例１と同様であり、第２法線マップは実施例２と同様であり、第３法線マップは実施例４と同様である。本実施例では、送信位置及び受信位置から死角にある反射物の情報を使用することができ推定精度が向上する。

【0023】

＜実施例７＞
本実施例は、上記実施例１～実施例６で述べた法線マップデータに加えて、法線マップと同じ範囲の画像の画像データを例題データとする。なお、画像データが示す各画素は、例えばＲＧＢそれぞれの輝度値を示す。法線マップに加えて同じ範囲の画像を入力とすることで、例えば、反射物における反射の程度の推定精度が向上し得る。

【0024】

以上、例題データの各実施例について説明した。なお、図２において、法線マップは、法線方向を直交座標系で示していたが、球座標系で法線方向を示すものであっても良い。この場合、大きさの情報は必要ないため、法線方向を２つの角度で示すことができ、情報量を削減することができる。

【0025】

なお、推定装置で推定する際、入力データは、使用する学習モデルを生成した際の例題データと同じデータを使用する。例えば、実施例１で生成した学習モデルを使用して推定を行う場合、入力データは、受信位置から送信位置を見たときの第１法線マップデータとする。

【0026】

＜変形形態＞
図４（Ａ）及び図４（Ｂ）は、図１（Ａ）及び図１（Ｂ）に示す生成装置及び推定装置の変形形態の構成図である。生成装置の生成部は、教師データに含まれる法線マップのデータを、当該法線マップにおける送信位置及び受信位置に基づき変換して、第１マップを示す第１マップデータを生成する。学習部は、第１マップを含む教師データに基づき学習を行う。同様に、推定装置の生成部は、入力データに含まれる法線マップのデータを、当該法線マップにおける送信位置及び受信位置に基づき変換して、第１マップを示す第１マップデータを生成する。推定部は、第１マップデータに基づき伝搬特性の推定値を出力する。

【0027】

生成部は、法線マップが示す各画素の法線方向と、送信位置と、に基づき各画素での正反射方向を判定し、正反射方向が受信位置に向かう法線マップの画素を判定する。そして、法線マップにおいて正反射方向が受信位置に向かう画素と同じ第１マップの画素の画素値を第１の値とし、それ以外の画素の画素値を第２の値とすることで第１マップデータを生成する。つまり、第１マップの各画素は、当該画素の位置に対応する反射物での反射光が受信位置に向かうか否かを示す。正反射方向が受信位置に向かう場合の受信点における反射波の電力は、正反射方向以外が受信位置に向かう場合の受信点における反射波の電力に比べ大きく、電力の大きい反射波は伝搬特性に対する影響が大きい。したがって、この様な第１マップに基づき学習モデルを生成し、第１マップに基づき伝搬特性の推定を行うことで、精度の良い推定を行うことができる。

【0028】

なお、本発明による生成装置及び推定装置それぞれは、コンピュータを上記生成装置及び推定装置として動作させるプログラムにより実現することができる。これらコンピュータプログラムは、コンピュータが読み取り可能な記憶媒体に記憶されて、又は、ネットワーク経由で配布が可能なものである。

【0029】

発明は上記の実施形態に制限されるものではなく、発明の要旨の範囲内で、種々の変形・変更が可能である。

【図1】

【図2】

【図3】

【図4】