センシンググループ

センシンググループとは

センシンググループでは,電波の性質を利用して得られる情報を活用した新しい無線システムの創出を目指している. 例えば,温度センサや湿度センサなどで取得した環境情報は位置情報と組み合わせることにより,より有効な情報となる. 現在,一般的に知られる位置情報取得方法として,GPS(全地球測位システム)がある. GPSはとても高い精度で位置推定できるが,屋内環境などの障害物が多い環境や遮蔽された環境では,精度が低下する. また,端末の電源がOFFの状態ではGPSを使用することができない. そこで,私たちセンシンググループではWiFiなどの受信信号強度(RSSI: Received Signal Strength Indicator)を用いた屋内位置推定技術の開発を進めている, また,伝搬路推定や無線デバイスの個体識別の実現を目指し研究を行っている.

単語帳
センシングセンサネットワーク受信信号強度(RSSI)全地球測位システム距離減衰特性地磁気電波位置指紋法Kriging伝搬路無線伝搬路特性

テーマ1:屋内環境における位置推定

屋内環境では障害物が多いため,RSSIの距離減衰特性が二乗則に従わない. そこで屋内環境における位置推定手法として電波位置指紋を利用した屋内位置推定を行う. この手法は,初めに屋内位置推定を行いたい部屋を適当に分割し,それぞれの位置でRSSIを測定する. そのデータを教師データとして保存する.その後,位置推定を行う際に取得したデータを,教師データと照らし合わせることで,位置推定を行う方法である. この手法をさらに発展させた研究を私たちは行っている.

屋内環境における位置推定

➢ 属性情報を用いた屋内位置推定

電波位置指紋は学習フェーズと測位フェーズとで部屋の物の配置などの環境の変化により,位置推定精度が低下してしまう. そこで外乱の影響を受けにくい特徴をもつ地磁気を用いてより推定精度を向上させる. 二つの特徴量を組み合わせることにより互いの欠点を補完し,推定精度向上を目指し研究を行なっている.

➢ 時間・空間特性を利用した屋内位置推定

電波位置指紋のデータを取得するには非常に手間と時間がかかる. 空間相関特性を利用するKrigingにより測定点以外の位置でのRSSIを補間することで,測定点数の削減を目的に研究を行っている.

➢ 非線形歪を考慮した屋内位置推定

電波位置指紋は,推定する端末の増幅器などの個体差の影響を受けるため,教師データの測定時と異なる端末では,位置推定精度が低下してしまう. そこで,信号の非線形歪を分離・測定できる特徴を持つLog-SS(Logarithmic-Swept Sine)信号を用いることで,増幅器の非線形歪の影響を考慮した端末に依存しない位置推定を目指している. また,位置推定と同時に端末の非線形歪を利用した端末識別を行い,それらの精度評価を行なっている.

➢ 端末に依存しない屋内位置推定

電波位置指紋法のデータベースを作成するためには,非常に手間と時間がかかる. そのため,端末による個体差の影響を低減し,複数台の端末でデータベースを作成する手法を検討している. 個体差の影響の評価は統計解析を用いて評価し,必要に応じて個体差をなくすように補正する.

テーマ2:Radar and Communication(RadCom)

Radar and Communication(RadCom)は無線通信用機器で,通信しながら周囲物体を検知し,速度・距離などを測定する技術である. この技術は専用のレーダー機器を使った測定に対して,コスト,周波数利用効率,設置スペースを低減できるため,注目を集めている. RadComはWi-Fiなど通信用の電波の規格を用いる必要があり,また強い指向性を持つアンテナなどの特殊なアンテナを使うことは難しい. そのため,RadComでは検知対象以外で反射した自身の送信信号(自己干渉信号)が干渉し,対象の検知を困難にする. 既存研究では,自己干渉信号が静的な線形なチャネルによって発生すると仮定し,検知対象を移動物体に限定することで対象の検知を容易にした. しかし実際には,自己干渉信号は高周波回路の不完全性により,非線形なチャネルを通るため検知精度が劣化することが考えられる. そこで,本研究ではRF不完全性がRadComに与える影響を調査し,その対策手法を検討する.

RadCom

テーマ3:電波の歪みを用いた端末識別

MACアドレスやIPアドレスを用いた無線通信端末の識別には,ディジタル情報の改ざんによるなりすましの問題がある. 一方,無線通信端末の高周波回路はI/Qインバランスや増幅器の非線形性といった不完全性を持ち,送信信号に端末固有の歪みを与える. そこで受信信号からこれらの個体差を推定する事により,ディジタル情報に依存しない端末識別を行うことができる. しかし高周波回路の不完全性の推定は,端末差よりチャネルの変動による影響が大きく作用してしまうという問題がある. 本研究では,実機実験により測定した信号用いて,マルチパス環境における識別精度の高い端末識別方法を検討する.  

端末の個体差

テーマ4:無線伝搬路特性の測定

➢ Log-SS信号を用いた伝搬路測定

無線伝搬路特性は,無線通信の様々な場面で用いられる. 例えば,受信信号を復調するために無線伝搬路特性が用いられたり,通信端末間の無線伝搬路特性を用いて端末の位置を推定したりすることができる. 無線伝搬路特性を測定する方法は様々である. 測定手法によって,得られる無線伝搬路特性の雑音に対する頑強さや,電力増幅器などで発生する歪みによる影響が異なる. 本研究では,音響システムに頻繁に使われており,無線システムには用いられていないLog-SS(Logarithmic-Swept Sine)信号という測定用信号を用いた測定手法に着目する. 様々な測定手法を用いて無線伝搬路特性を測定して評価することにより,無線伝搬路特性の測定に最適な測定手法を検討する.

無線伝搬路特性

➢ 深層学習による回路の非理想性を考慮したチャネルの推定

無線通信では,信号を正しく復調するために,信号の伝搬経路(チャネル)の推定が必要である. チャネルの推定は最小二乗法などの推定法によって推定できる.実際には回路は非理想的な動作をするため,これを考慮したチャネルを推定する必要がある. 回路の非理想性を考慮したチャネルは,回路の非理想性を数理的なモデルで表現し,最小二乗法などの推定法を用いることで,ある程度推定可能である. しかし,受信電力が高い領域は数理的なモデルで表現が難しくなるため,推定精度が悪化する問題が存在する. 本研究では,この問題を解決するために,データの持つ性質そのものを学習可能とされている深層学習に着目し.回路の非理想性を考慮したチャネルの推定を行う.

回路の非理想性を考慮したチャネル