JP3142268B2 - 通信サービス品質制御方法及び装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ネットワークを介
して接続された相手端末装置と通信するときに、自端末
装置においてユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質に基づいて、通信サー
ビスを実現するためのリソースにおけるサービスの品質
を決定し、上記リソースにおけるサービスの品質に従っ
て通信を行うように制御する通信サービス品質制御方法
及び装置に関する。

【０００２】

【従来の技術】画像、音声又はデータ等を処理するマル
チメディアアプリケーションでのサービスの品質（Qual
ity of Service：以下、ＱｏＳという。）の概念は用い
られるレベルによって異なり、通常上位レベルから下位
レベル、又はその逆のＱｏＳマッピングと呼ばれるＱｏ
Ｓパラメータの変換（写像）が必要である。ＱｏＳマッ
ピングは資源を有効に利用するためにできる限り正確に
行われることが望ましいのだが、符号化圧縮された動画
像ストリームにおけるＱｏＳマッピングは、符号化パラ
メータが多数あるために難しいことが知られている（例
えば、従来技術文献１「福田ほか，“ＭＰＥＧ−２動画
像におけるＱｏＳパラメータと必要帯域の関係”，電子
情報通信学会技術報告，ＳＳＥ９７−６６，ｐｐ．４９
−５４，１９９７年」参照。）。

【０００３】ＱｏＳの写像方法として、従来技術文献２
「河内谷清久仁ほか，“ＭＫｎｇプロジェクトにおける
マルチメディア技術：動的ＱｏＳ制御のための資源交渉
手法の提案”，情報処理学会第５５回全国大会論文集，
２Ｚ−４，１９９７年９月」において、”資源チケッ
ト”が開示されている。この従来例においてはＱｏＳは
必ずしも連続とは限らず、離散的にしか変更できないこ
とが多いと仮定しており、一例として動画処理の解像度
を用いている。しかしながら、この従来例において言及
された例は、通常は画像サイズにあたるものであるが、
一般的には、解像度は量子化の程度を規定するパラメー
タによって規定される。このパラメータは１〜１００の
間の連続的な整数値をとる。”資源チケット”をこのよ
うな場合に適用することは困難である。

【０００４】また、符号化圧縮された動画像ストリーム
に対して画像サイズ、フレームレート、圧縮品質等の複
数のパラメータを表すＱｏＳのすべての可能な組み合わ
せについて、測定によって予めＱｏＳマッピングテーブ
ルを準備しておくことはコスト的に難しい。特に、実時
間アプリケーションへの適用を想定したオンラインＱｏ
Ｓマッピングでは、動画像ストリームが変化すれば一般
的にＱｏＳマッピングテーブルも異なってくるため、予
めすべてのＱｏＳマッピングテーブルを準備しておくこ
とは不可能である。

【０００５】この問題点を解決するために、本特許出願
人は、特願平１０−２２８８８９号の特許出願におい
て、「ユーザが要求する通信サービスのアプリケーショ
ンにおけるサービスの品質と、通信サービスを実現する
ためのリソースにおけるサービスの品質とのサンプル対
である、予め与えられた複数のサンプルデータに基づい
て、上記アプリケーションにおけるサービスの品質と、
上記リソースにおけるサービスの品質との間の関係を表
す、例えばスプライン関数である所定の補間関数を決定
し、ユーザが要求するアプリケーションにおけるサービ
スの品質に基づいて、上記補間関数を用いて補間処理を
行うことによってリソースにおけるサービスの品質を決
定し、上記決定されたリソースにおけるサービスの品質
に従って通信を行う」こと（以下、第１の従来例とい
う。）を提案している。

【０００６】また、従来技術文献３「宇都有昭ほか，”
画像誘導ナビゲーションシステムにおける不適切問題と
スプライン補間に基づくネットワークの検討”，電子情
報通信学会論文誌，Ｖｏｌ．Ｊ８１−Ｄ−ＩＩ，Ｎｏ．
２，ｐｐ．３６１−３６９，１９９８年２月」におい
て、複数のＣＣＤカメラにより撮影された画像内輝点情
報から実空間情報を獲得する光学式ナビゲーションシス
テムにおいて、より少ない学習データに基づいてニュー
ラルネットワークを用いて非線形座標変換を行う際の方
法（以下、第２の従来例という。）について提案してい
る。ここで、ネットワークの出力値の２階微分ノルムの
最小化、べき素子によるネットワークなど３次のスプラ
イン関数を近似するネットワークを構築することが開示
されている。

【０００７】

【発明が解決しようとする課題】しかしながら、第１の
従来例では、スプライン関数の計算式を用いてＱｏＳマ
ッピングを行っているが、動的に変動する通信環境への
対応は考慮されていないという問題点があった。

【０００８】また、第２の従来例では、３次の自然スプ
ラインを実行するニューラルネットワークを提案してい
るが、両端のスプライン関数の端点条件が示されておら
ず、このままでは再現するのが難しいという問題点があ
った。

【０００９】本発明の目的は以上の問題点を解決し、動
的に変動する通信環境に応じて、ユーザが要求する任意
の通信サービスの品質に対応して適応的に通信を実現す
ることができる通信サービス品質制御方法及び装置を提
供することにある。

【００１０】

【課題を解決するための手段】本発明に係る請求項１記
載の通信サービス品質制御方法は、ネットワークを介し
て接続された複数の端末装置間の通信サービスの品質を
制御する端末装置の通信サービス品質制御方法におい
て、ユーザが要求する通信サービスのアプリケーション
におけるサービスの品質と、通信サービスを実現するた
めのリソースにおけるサービスの品質とのサンプル対で
ある、予め与えられた複数のサンプルデータを第１の記
憶手段に記憶することと、上記第１の記憶手段に記憶さ
れた複数のサンプルデータのデータ点を複数のスプライ
ン関数を区分する分割点とし、入力層と複数の中間層と
出力層とを有し、通信サービスのアプリケーションにお
けるサービスの品質を入力とし、通信サービスを実現す
るためのリソースにおけるサービスの品質を出力とする
各スプライン関数を表す複数のニューラルネットワーク
を備え、複数の中間層からの出力を各スプライン関数の
各次の係数で重み付けするように構成されているニュー
ラルネットワーク群における上記重み付けする重み係数
を第２の記憶手段に記憶することと、上記第１の記憶手
段に記憶された複数のサンプルデータに基づいて、上記
各スプライン関数の分割点における関数値、１階微分値
及び２階微分値を計算し、上記各スプライン関数におけ
る２乗誤差評価項、連続性評価項及び２階微分ノルム評
価項を含む評価関数を用いてかつ両端のスプライン関数
で端点条件を満たすように、上記ニューラルネットワー
ク群を学習して上記第２の記憶手段に記憶された重み係
数を更新することと、新たにユーザが要求する通信サー
ビスのアプリケーションにおけるサービスの品質に基づ
いて、上記学習されたニューラルネットワーク群を用い
てリソースにおけるサービスの品質を決定し、上記決定
されたリソースにおけるサービスの品質に従って通信を
行うように制御することとを含むことを特徴とする。

【００１１】また、本発明に係る請求項２記載の通信サ
ービス品質制御装置は、ネットワークを介して接続され
た複数の端末装置間の通信サービスの品質を制御する端
末装置の通信サービス品質制御装置において、ユーザが
要求する通信サービスのアプリケーションにおけるサー
ビスの品質と、通信サービスを実現するためのリソース
におけるサービスの品質とのサンプル対である、予め与
えられた複数のサンプルデータを記憶する第１の記憶手
段と、上記第１の記憶手段に記憶された複数のサンプル
データのデータ点を複数のスプライン関数を区分する分
割点とし、入力層と複数の中間層と出力層とを有し、通
信サービスのアプリケーションにおけるサービスの品質
を入力とし、通信サービスを実現するためのリソースに
おけるサービスの品質を出力とする各スプライン関数を
表す複数のニューラルネットワークを備え、複数の中間
層からの出力を各スプライン関数の各次の係数で重み付
けするように構成されているニューラルネットワーク群
における上記重み付けする重み係数を記憶する第２の記
憶手段と、上記第１の記憶手段に記憶された複数のサン
プルデータに基づいて、上記各スプライン関数の分割点
における関数値、１階微分値及び２階微分値を計算し、
上記各スプライン関数における２乗誤差評価項、連続性
評価項及び２階微分ノルム評価項を含む評価関数を用い
てかつ両端のスプライン関数で端点条件を満たすよう
に、上記ニューラルネットワーク群を学習して上記第２
の記憶手段に記憶された重み係数を更新する学習手段
と、新たにユーザが要求する通信サービスのアプリケー
ションにおけるサービスの品質に基づいて、上記学習手
段によって学習されたニューラルネットワーク群を用い
てリソースにおけるサービスの品質を決定し、上記決定
されたリソースにおけるサービスの品質に従って通信を
行うように制御する制御手段とを備えたことを特徴とす
る。

【００１２】

【発明の実施の形態】以下、図面を参照して本発明に係
る実施形態について説明する。

【００１３】図１は、本発明に係る実施形態である、ス
プライン関数及びニューラルネットワークを用いたＱｏ
Ｓマッピング部（以下、ＱｏＳマッピング部という。）
２を備えた端末装置Ａを有する動画像通信システムの構
成を示すブロック図である。図１において、端末装置Ａ
は、動画像符号器及び復号器４を備えたパーソナルコン
ピュータＡ１とモデム(変復調器)Ａ２とＣＲＴディスプ
レイモニタ１１とを備えて構成され、ここで、パーソナ
ルコンピュータＡ１は、モデムＡ２、並びに、例えば電
話回線、ＩＳＤＮ回線、インターネットなどのネットワ
ークＮＥを介して端末装置Ｂに接続される。端末装置Ｂ
は、動画像符号器及び復号器１２を備えたパーソナルコ
ンピュータＢ１とモデムＢ２とビデオカメラ１３とを備
えて構成される。動画像符号器及び復号器４及び１２は
動画像データをモーション・ジョイント・フォトグラフ
ィック・コーディング・エキスパーツ・グループ（Moti
onJoint Photographic Coding Experts Group：以下、
モーションＪＰＥＧという。）符号化することができ、
又は符号化動画像データをモーションＪＰＥＧ復号化す
ることができる。

【００１４】本発明に係る実施形態の動画像通信システ
ムにおいては、まず、端末装置Ｂが、ビデオカメラ１３
によって動画像を取り込み、動画像符号器及び復号器１
２においてモーションＪＰＥＧ符号化された上記動画像
データをネットワークＮＥを介して端末装置Ａの動画像
符号器及び復号器４に送信する。端末装置Ａの動画像符
号器及び復号器４において復号化された動画像は、動画
像アプリケーション１によってＣＲＴディスプレイモニ
タ１１に表示される。ユーザは表示された動画像を見て
所望の動画像の品質を表すアプリケーションＱｏＳにお
いてユーザ要求ＱｏＳを設定して、この設定値は、Ｑｏ
Ｓマッピング部２に入力される。ＱｏＳマッピング部２
は、マッピングテーブルメモリ５及び重み係数メモリ６
を参照して、図５及び図６に示す、スプライン関数及び
ニューラルネットワークを用いたＱｏＳマッピング処理
を実行することにより、計算されたリソースＱｏＳと、
ＱｏＳモニタリング部９により検出された実際のリソー
スのＱｏＳとの差が所定のしきい値以上であるときに、
図３及び図４のニューラルネットワークを学習した後、
学習後のニューラルネットワークを用いてユーザ要求Ｑ
ｏＳに対するリソースＱｏＳを計算してＱｏＳ制御部３
に出力する。そして、通信制御部１０は、算出されたＱ
ｏＳとＱｏＳモニタリング部９からのモニタリング結果
に従って必要帯域等を確保し、端末装置Ｂと通信を行
う。

【００１５】ここで、アプリケーションＱｏＳ及びユー
ザ要求ＱｏＳを説明する。動画像アプリケーション１の
サービスの品質を決定するパラメータとして、画像サイ
ズ、フレームレート及び量子化スケールの３つを用い、
これらをまとめてアプリケーションＱｏＳと定義し、ア
プリケーションＱｏＳとは、通信サービスの品質を決定
するパラメータであって、その取り得る範囲は予め定義
されており、ユーザ要求ＱｏＳはアプリケーションＱｏ
Ｓの定義設定値を満たすような範囲でユーザにより与え
られる具体的なパラメータ値をいう。ここで、画像サイ
ズは１フレーム内の画素数（横ピクセル数×縦ピクセル
数）に相当し、本実施形態では６４０×４８０，３２０
×２４０，１６０×１２０の３つの値を用いる。フレー
ムレートは１秒間に表示されるフレームの枚数で自然数
であり、その値が大きいほど動画像内の物体の動きは滑
らかになる。量子化スケールはモーションＪＰＥＧ符号
化で用いられる量子化のステップ幅に関連したパラメー
タであり、１〜１００の整数値をとる。量子化スケール
のパラメータ値が小さいほど、量子化ステップ幅は大き
く圧縮動画像のデータ量は小さくなるが、場合によって
は、ぼけや色落ちなどが生じ、ユーザの主観評価は低く
なる。

【００１６】次いで、リソースＱｏＳを説明する。分散
マルチメディアアプリケーションでのＱｏＳの概念は、
ネットワークサービス特性を表す通信におけるリソース
ＱｏＳとともに、端末におけるリソースＱｏＳのスケジ
ューリングも考慮する必要がある。そこで本実施形態で
は、圧縮動画像データを伝送するために必要とされる帯
域を必要帯域と定義し、端末装置Ａの動画像符号器及び
復号器４で圧縮動画像データを復号化するために必要と
されるＣＰＵの利用率をＣＰＵ稼働率として定義し、必
要帯域とＣＰＵ稼働率をまとめてリソースＱｏＳとい
う。必要帯域は１秒間に端末装置Ｂから端末装置Ａに伝
送される平均データ量（bit per second：bps）で表さ
れ、ＣＰＵ稼働率は百分率（％）で表される。

【００１７】次に、図１を参照して、ＱｏＳマッピング
部２及びそれに接続されるメモリ５，６以外のパーソナ
ルコンピュータＡ１内の各機能部の基本的な構成及び処
理について説明する。

【００１８】図１において、動画像アプリケーション１
は、通信制御部１０と動画像符号器及び復号器４に接続
され、通信制御部１０を介して入力された圧縮動画像デ
ータを動画像符号器及び復号器４に出力して復号化させ
る。また、動画像アプリケーション１は、動画像符号器
及び復号器４によって復号化された動画像をＣＲＴディ
スプレイモニタ１１に表示する。さらに、動画像アプリ
ケーション１は、ユーザが要求するアプリケーションＱ
ｏＳ Ｐ_uをユーザ自身が設定可能な画面を、ＣＲＴディ
スプレイモニタ１１に表示し、この結果得られたユーザ
要求ＱｏＳ Ｐ_uをＱｏＳマッピング部２に出力する。動
画像符号器及び復号器４は、端末装置Ｂの動画像符号器
及び復号器１２においてモーションＪＰＥＧ符号化され
てネットワークＮＥ、モデムＡ２、通信制御部１０、及
び動画像アプリケーション１を介して入力された圧縮動
画像データをモーションＪＰＥＧ復号化して、復号化さ
れた動画像データは動画像アプリケーション１を介して
ＣＲＴディスプレイモニタ１１に出力する。また、動画
像符号器及び復号器４は、動画像をビデオカメラ（図示
せず。）から取りこみ、モーションＪＰＥＧ符号化して
モデムＡ２、ネットワークＮＥを介して端末装置Ｂに送
信して表示させる。

【００１９】ＱｏＳ制御部３は、ＱｏＳマッピング部２
と、ＱｏＳモニタリング部９と、通信制御部１０とに接
続される。ＱｏＳ制御部３は、通信制御部１０を介して
端末装置ＢのＱｏＳ制御部３と通信を行い、最適なＱｏ
Ｓと制御ポリシーを算出し、リソース予約プロトコル等
を使用して算出されたＱｏＳで指定されたリソース量が
利用可能か否かをテストする。利用不可能な場合は、再
度ＱｏＳを算出する。利用可能な場合は、ＱｏＳをＱｏ
Ｓモニタリング部９と通信制御部１０に出力する。さら
に、ＱｏＳ制御部３は、ＱｏＳモニタリング部９からの
ＣＰＵ８及びネットワークＮＥのモニタリング結果に基
づいて、算出されたＱｏＳを維持できるようにＣＰＵ８
及び通信制御部１０を制御する。ＣＰＵ８はＱｏＳモニ
タリング部９に接続され、端末装置Ａ及びＢ間の通信処
理の動作を制御し、また、端末装置Ａの動画像符号器及
び復号器４で圧縮動画像データを復号化するプログラム
を実行する。

【００２０】ＱｏＳモニタリング部９はＱｏＳ制御部３
と、ＣＰＵ８と、通信制御部１０に接続され、通信制御
部１０を介してネットワークＮＥのリソース量である必
要帯域の状況をモニタリングし、かつ、端末装置Ａのリ
ソース量であるＣＰＵ８のＣＰＵ稼働率の状況をモニタ
リングし、そのモニタリング結果をＱｏＳ制御部３と通
信制御部１０に出力する。通信制御部１０は、動画像ア
プリケーション１と、ＱｏＳ制御部３と、ＱｏＳモニタ
リング部９とに接続される。通信制御部１０は、端末装
置ＢからネットワークＮＥを介して端末装置Ａに入力さ
れる圧縮動画像データを、動画像アプリケーション１に
出力する。また、ＱｏＳ制御部３からのＱｏＳとＱｏＳ
モニタリング部９からのモニタリング結果に従って必要
帯域を確保し、端末装置Ｂと通信を行う。

【００２１】上述のように、動画像通信システムにおい
て端末装置Ａと端末装置Ｂとの間で通信を行うときに、
端末装置Ａにおいて、ユーザが所望のアプリケーション
ＱｏＳを設定するが、そのユーザ要求ＱｏＳで実現可能
なリソースＱｏＳを決定して、そのリソースＱｏＳで通
信可能か否かを判断し、通信可能であればリソースＱｏ
Ｓに従って通信の制御を行う必要がある。

【００２２】次いで、マッピング処理によりユーザ要求
アプリケーションＱｏＳからリソースＱｏＳを計算する
ＱｏＳマッピング部２に接続された、マッピングテーブ
ルメモリ５及び重み係数メモリ６について説明する。こ
こで、重み係数メモリ６は、ＱｏＳマッピング部２によ
り学習計算した重み係数を格納する。また、マッピング
テーブルメモリ５は、ユーザが要求するアプリケーショ
ンＱｏＳと、リソースＱｏＳとの間のＮ個のサンプルデ
ータ対｛（Ｐ₁，Ｒ₂），（Ｐ₂，Ｒ₂），…，（Ｐ_n，
Ｒ_n），…，（Ｐ_N，Ｒ_N）｝をマッピングテーブルとし
て予め記憶している。次の表は、マッピングテーブルメ
モリ５に予め記憶されたＮ個のサンプルデータ対
（Ｐ_n，Ｒ_n）（ｎ＝１，２，…，Ｎ）を示している。

【００２３】

【表１】 マッピングテーブルメモリ５に予め記憶されたＮ個のサンプルデータ対 （Ｐ_n，Ｒ_n） ――――――――――――――――――――――――――――――――――― （Ｐ₁，Ｒ₁）＝（｛ｐ₁₁，ｐ₂₁，…，ｐ_K1｝，｛ｒ₁₁，ｒ₂₁，…，ｒ_M1｝） （Ｐ₂，Ｒ₂）＝（｛ｐ₁₂，ｐ₂₂，…，ｐ_K2｝，｛ｒ₁₂，ｒ₂₂，…，ｒ_M2｝） （Ｐ₃，Ｒ₃）＝（｛ｐ₁₃，ｐ₂₃，…，ｐ_K3｝，｛ｒ₁₃，ｒ₂₃，…，ｒ_M3｝） ………… （Ｐ_n，Ｒ_n）＝（｛ｐ_1n，ｐ_2n，…，ｐ_Kn｝，｛ｒ_1n，ｒ_2n，…，ｒ_Mn｝） ………… （Ｐ_N，Ｒ_N）＝（｛ｐ_1N，ｐ_2N，…，ｐ_KN｝，｛ｒ_1N，ｒ_2N，…，ｒ_MN｝） ―――――――――――――――――――――――――――――――――――

【００２４】表１に示すように、Ｎ個のサンプルデータ
対（Ｐ_n，Ｒ_n）（ｎ＝１，２，…，Ｎ）はそれぞれ、Ｋ
個の要素を有するアプリケーションＱｏＳ Ｐ_n＝
｛ｐ_1n，ｐ _2n，…，ｐ_Kn｝と、Ｍ個の要素を有するリソ
ースＱｏＳ Ｒ_n＝｛ｒ_1n，ｒ_2n，…，ｒ_Mn｝とから構成
された１対のデータである。具体的には、本実施形態に
おいては、アプリケーションＱｏＳ Ｐ_nのＫ個の要素
は、画像サイズとフレームレートと圧縮品質であり（Ｋ
＝３）、リソースＱｏＳ Ｒ_nのＭ個の要素は、必要帯域
とＣＰＵ稼働率である（Ｍ＝２）。このサンプルデータ
対（Ｐ_n，Ｒ_n）は、アプリケーションＱｏＳがＰ_nの場
合に動画像通信を行うために必要とされるリソースＱｏ
ＳはＲ_nであることを示す。本実施形態で用いるスプラ
イン関数Ｓ_mは、３次の自然スプライン関数であるが、
本発明はこれに限らず、自然スプライン関数に代えて、
Ｂ−スプライン関数を用いてもよい。

【００２５】図２は、ＱｏＳマッピング部２で用いるス
プライン関数を示すグラフであり、このスプライン関数
を用いてマッピング処理を行う。すなわち、ユーザ要求
のアプリケーションＱｏＳに対してリソースＱｏＳを決
定するための写像関数である。本実施形態では、マッピ
ングテーブルメモリ５に格納されたサンプルデータ対の
各点を分割点として、複数のスプライン関数を連結して
ゆく。

【００２６】図３は、図１のＱｏＳマッピング部２にお
いて用いるニューラルネットワーク群１０００の構成を
示すブロック図であり、図４は、複数のニューラルネッ
トワーク群１０００−１乃至１０００−Ｍからなる多次
元のニューラルネットワーク２０００の構成を示すブロ
ック図である。ここで、図３のニューラルネットワーク
群（ＮＮ群）１０００は、両端のスプライン関数での端
点条件を考慮した複数（Ｎ−１）個のニューラルネット
ワークユニット（ＮＮユニット）５００−１乃至５００
−（Ｎ−１）からなり、ここで、ユーザ要求のアプリケ
ーションＱｏＳに対するリソースＱｏＳの対の１つの種
類毎に、１つのＮＮ群１０００が存在し、複数のＮＮ群
１０００をまとめて、図４に示すように、多次元のニュ
ーラルネットワーク２０００を構成する。すなわち、実
際上、ＱｏＳマッピング部２は、当該多次元のニューラ
ルネットワーク２０００を用いてマッピング処理を実行
する。

【００２７】図３において、各ＮＮユニット５００−ｉ
（ｉ＝１，２，…，Ｎ−１）は、互いに隣接する２つの
入力（分割点のアプリケーションＱｏＳ）を選択的に切
り換えて入力層１００に接続するスイッチＳＷ１と、互
いに隣接する２つの出力（リソースＱｏＳ）を選択的に
切り換えて出力層３００に接続するスイッチＳＷ２と、
これら２つのスイッチＳＷ１，ＳＷ２の間に接続され
た、次式の区分多項式である３次のスプライン関数を近
似する単位ニューラルネットワーク（単位ＮＮ）４００
とを備えて構成される。

【００２８】

【数１】ｆ（ｘ）＝ａ_iｘ³＋ｂ_iｘ²＋ｃ_iｘ＋ｄ_i ここで、ｘ_i＜ｘ＜ｘ_i+1，ｉ＝１，２，…，Ｎ−１

【００２９】この単位ＮＮ４００は、１つの入力層１０
０と、４個の中間層２００と、１つの出力層３００とを
備えて構成され、ここで、中間層２００は以下の４つの
中間層ユニットを有する。 （１）定数１が代入される定数項の中間層ユニット２０
０−０；ここで、中間層ユニット２００−０からの出力
は重み係数ｄ_iで重み付けされて（乗算されて）出力層
３００に出力される。 （２）入力層１００からの出力が入力されるｘ項（１次
項）の中間層ユニット２００−１；ここで、中間層ユニ
ット２００−１からの出力は重み係数ｃ_iで重み付けさ
れて（乗算されて）出力層３００に出力される。 （３）入力層１００からの出力が入力されるｘ²項（２
次項）の中間層ユニット２００−２；ここで、中間層ユ
ニット２００−２からの出力は重み係数ｂ_iで重み付け
されて（乗算されて）出力層３００に出力される。 （４）入力層１００からの出力が入力されるｘ³項（３
次項）の中間層ユニット２００−３；ここで、中間層ユ
ニット２００−３からの出力は重み係数ａ_iで重み付け
されて（乗算されて）出力層３００に出力される。

【００３０】なお、本実施形態では、３次のスプライン
関数を用いているが、本発明において次数はこれに限ら
ない。

【００３１】図５のＱｏＳマッピング処理での学習の際
に、評価する値は、ネットワークの２乗誤差平均、０，
１，２階微分の連続性、２階微分ノルム値である。領域
ｉにおける評価関数及び荷重更新式を以下に示す。

【００３２】

【数２】

【数３】

【数４】

【００３３】ここで、Ｅｉ_eは２乗誤差平均評価項、Ｅ
ｉ_cは連続性評価項、Ｅｉ_sは２階微分ノルム評価項、ｆ
_iは領域ｉ（ｉ＝１，２，…，Ｎ−１）における出力、
ｘ_jは領域ｉにおける学習点である。ここで領域とは閉
区間［ｘ_i，ｘ_i+1］で表される定義域である。以上の評
価項に基いて、ネットワークの結合荷重について以下の
更新式を得る。重み係数ａ_i，ｂ_i，ｃ_i，ｄ_iそれぞれに
ついての微分は数４の各項がべき数の線形和で示される
ことから容易に導かれる。

【００３４】

【数５】

【数６】ｗ＝ａ，ｂ，ｃ，ｄ

【００３５】ここで、η_eは２乗誤差に関する学習係
数、η_cは連続性に関する学習係数、η _sは２階微分ノル
ムに関する学習係数である。このネットワークの、多次
元入力への展開も同様の評価関数を考慮することで得ら
れる。ここで、両端のスプライン関数における端点条件
を以下に示す。

【数７】ｆ₀（ｘ₁）＝ｙ₁

【数８】ｆ’₀（ｘ₁）＝（ｙ₂−ｙ₁）／（ｘ₂―ｘ₁）

【数９】ｆ”₀（ｘ₁）＝０

【数１０】ｆ_N（ｘ_N）＝ｙ_N

【数１１】 ｆ’_N（ｘ_N）＝（ｙ_N−ｙ_N-1）／（ｘ_N−ｘ_N-1）

【数１２】ｆ”_N（ｘ_N）＝０

【００３６】図５及び図６は、図１のＱｏＳマッピング
部２によって実行されるスプライン関数及びニューラル
ネットワークを用いたＱｏＳマッピング処理を示すフロ
ーチャートである。

【００３７】図５に示すように、まず、ステップＳ１に
おいてスプライン関数ｆ_i（ｘ）の重み係数ａ_i，ｂ_i，
ｃ_i，ｄ_i（ｉ＝１，２，…，Ｎ）を所定値に初期化す
る。次いで、ステップＳ２において予め記憶されたサン
プルデータ対をマッピングテーブルメモリ５から読み出
す。そして、ステップＳ３においてサンプルデータ対の
データ点を複数のスプライン関数を区分するスプライン
関数の分割点とし、スイッチＳＷ１，ＳＷ２をａ側に切
り換え、読み出したサンプルｘ_i（ｉ＝１，２，…，Ｎ
−１）からｆ_i（ｘ_i），ｆ_i’（ｘ_i），ｆ_i”（ｘ_i）を
計算し、次いで、スイッチＳＷ１，ＳＷ２をｂ側に切り
換え、読み出したサンプルｘ_i（ｉ＝２，３，…，Ｎ）
からｆ_i-1（ｘ_i），ｆ_i-1’（ｘ_i），ｆ_i-1”（ｘ_i）を
計算する。ここで、スプライン関数の関数値はニューラ
ルネットワークを用いて計算するが、スプライン関数の
１階微分の関数値及び２階微分の関数値は、ニューラル
ネットワークで決定される重み係数ａ_i，ｂ_i，ｃ_i，ｄ_i
（ｉ＝１，２，…，Ｎ）を用いて元のスプライン関数の
１階微分の関数及び２階微分の関数を用いて計算するこ
とができる。次いで、ステップＳ４においてスプライン
関数における２乗誤差評価項Ｅｉ_e、連続性評価項Ｅ
ｉ_c、及び２階微分ノルム評価項Ｅｉ_sを数２乃至数４を
用いて、両端のスプライン関数での端点条件を考慮して
計算し、ステップＳ５において数５を用いて重み係数ａ
_i，ｂ_i，ｃ_i，ｄ_i（ｉ＝１，…，Ｎ）を更新し、２乗誤
差総和Ｄ＝Σ｛ｙ_i−ｆ_i（ｘ_i）｝²を計算した後、ステ
ップＳ６に進む。

【００３８】ステップＳ６において以下の収束条件を満
たしているか否かが判断される。 （１）２乗誤差総和Ｄが所定のしきい値（好ましい実施
形態では、１０^-3）以下かまたは （２）重み更新回数が所定のしきい値（好ましい実施形
態では、２万回）以上。

【００３９】ステップＳ６でＮＯであるときは、ステッ
プＳ３に戻り、重み係数の更新を繰り返してニューラル
ネットワークの学習を繰り返す。一方、ステップＳ６で
ＹＥＳのときは、図６のステップＳ７においてユーザか
らの要求があるか否かが判断され、すなわち、ユーザ要
求のアプリケーションＱｏＳが指示されているか否かが
判断され、ＹＥＳとなるまでステップＳ７の処理を繰り
返し、ＹＥＳのときステップＳ８においてユーザ要求の
アプリケーションＱｏＳに対するリソースＱｏＳをＮＮ
群１０００（複数のＱｏＳのときは、図４の多次元のニ
ューラルネットワーク２０００を用いる。）を用いて算
出してＱｏＳ制御部３に出力する。次いで、ステップＳ
９において算出したリソースＱｏＳと、ＱｏＳモニタリ
ング部９でモニターされる実際のリソースＱｏＳとの差
が所定のしきい値以上であるか否かが判断され、ＮＯで
あるときは、ステップＳ７に戻り学習無しに上記の処理
を繰り返す。一方、ステップＳ９でＹＥＳのときは、ス
テップＳ２に戻ってＮＮ群１０００の学習を行う。

【００４０】

【実施例】動的環境におけるＱｏＳマッピングの実験例
について以下に説明する。所定のＱｏＳ保証を実現する
ためＱｏＳマッピングは重要な役割を担っているが、ユ
ーザからの要求を含めた通信環境は時々刻々と変動し、
その結果ＱｏＳマッピングも静的なものではなく、動的
環境に対するＱｏＳマッピング（動的ＱｏＳマッピン
グ）を用意することが、きめ細かな通信制御を行う上で
必要となってくる。実施例として動画像ストリームの伝
送をとりあげている。

【００４１】動画像はＭｏｔｉｏｎ ＪＰＥＧ符号化方
式により圧縮されるものとし、符号化パラメータの画像
サイズＳ、フレームレートＦ、量子化スケールＱをアプ
リケーションＱｏＳと定義する。また、符号化された動
画像を伝送する際に必要とされる通信帯域Ｂ、ならびに
受信側で動画像を復号し表示する際に負荷となるＣＰＵ
使用率ＣをリソースＱｏＳと定義し、アプリケーション
ＱｏＳからリソースＱｏＳへのマッピングを考える。

【００４２】本発明者の実験結果によれば、アプリケー
ションＱｏＳの値が同一であっても動画像のコンテンツ
により必要とされるリソースＱｏＳが異なることを実験
結果として得ており、さらに受信端末の違いによりマッ
ピング結果は異なることが予想される。様々な通信環境
に対して適したＱｏＳマッピングを用意しておくことは
難しく、それぞれ条件に合わせてＱｏＳマッピングを適
応的に変えていくようなメカニズムが必要である。

【００４３】本実施形態では、上述のように、動的Ｑｏ
Ｓマッピングを実現する一つの手法として、あらかじめ
ＱｏＳマッピングの平均パターンを記憶させておき、動
的環境において取得されたデータにより平均パターンを
学習により変化させる方法を用いている。そして、この
ような学習を実現する一手法としてニューラルネットワ
ークがあり、スプラインＱｏＳマッピングをニューラル
ネットワークにより実装するスプライン−ニューラルネ
ットワークを用いている。

【００４４】図７は従来技術文献３で提案されている
「べき素子を用いた領域分割型ネットワーク」に基づ
き、スプライン−ニューラルネットワークを構成しＱｏ
Ｓマッピングを行った結果を実測値とともに示してい
る。そして、環境変動があったときは、図８に示すよう
に、環境変動に応じてＣＰＵ使用率を上昇させるように
動的にＱｏＳ制御していることがわかる。

【００４５】以上説明したように、無線通信網やインタ
ーネットなどのネットワークでは動的に性能が変動する
が、本実施形態に係る図５のＱｏＳマッピング処理で
は、このような通信網上でマルチメディア通信を行う場
合に効果を発揮する。また、ユーザはアプリケーション
を使用する端末や通信状況が使用環境に応じて変わる。
このような場合でも、ユーザ側から意識することなく、
システムが動的に端末や通信状況に応じたＱｏＳマッピ
ングを行うことができる。それ故、ユーザからの要求を
満たすとともに、通信サービスに用いるメモリやＣＰＵ
などのリソースを効率的に使用することができる。

【００４６】なお、本発明に係る実施形態では、複数の
端末間で動画像の通信を行うために動画像アプリケーシ
ョン１を備えているが、変形例として、静止画像、音
声、データ等のマルチメディアの通信を行うためのアプ
リケーションを備えてそれらの通信を行うことも可能で
ある。

【００４７】

【発明の効果】以上詳述したように本発明に係る請求項
１記載の通信サービス品質制御方法によれば、ネットワ
ークを介して接続された複数の端末装置間の通信サービ
スの品質を制御する端末装置の通信サービス品質制御方
法において、ユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質と、通信サービスを実
現するためのリソースにおけるサービスの品質とのサン
プル対である、予め与えられた複数のサンプルデータを
第１の記憶手段に記憶することと、上記第１の記憶手段
に記憶された複数のサンプルデータのデータ点を複数の
スプライン関数を区分する分割点とし、入力層と複数の
中間層と出力層とを有し、通信サービスのアプリケーシ
ョンにおけるサービスの品質を入力とし、通信サービス
を実現するためのリソースにおけるサービスの品質を出
力とする各スプライン関数を表す複数のニューラルネッ
トワークを備え、複数の中間層からの出力を各スプライ
ン関数の各次の係数で重み付けするように構成されてい
るニューラルネットワーク群における上記重み付けする
重み係数を第２の記憶手段に記憶することと、上記第１
の記憶手段に記憶された複数のサンプルデータに基づい
て、上記各スプライン関数の分割点における関数値、１
階微分値及び２階微分値を計算し、上記各スプライン関
数における２乗誤差評価項、連続性評価項及び２階微分
ノルム評価項を含む評価関数を用いてかつ両端のスプラ
イン関数で端点条件を満たすように、上記ニューラルネ
ットワーク群を学習して上記第２の記憶手段に記憶され
た重み係数を更新することと、新たにユーザが要求する
通信サービスのアプリケーションにおけるサービスの品
質に基づいて、上記学習されたニューラルネットワーク
群を用いてリソースにおけるサービスの品質を決定し、
上記決定されたリソースにおけるサービスの品質に従っ
て通信を行うように制御することとを含む。従って、無
線通信網やインターネットなどのネットワークでは動的
に性能が変動するが、本発明によれば、このような通信
網上でマルチメディア通信を行う場合に効果を発揮す
る。また、ユーザはアプリケーションを使用する端末や
通信状況が使用環境に応じて変わる。このような場合で
も、ユーザ側から意識することなく、システムが動的に
端末や通信状況に応じたＱｏＳマッピングを行うことが
できる。それ故、ユーザからの要求を満たすとともに、
通信サービスに用いるメモリやＣＰＵなどのリソースを
効率的に使用することができる。

【００４８】また、本発明に係る請求項２記載の通信サ
ービス品質制御装置によれば、ネットワークを介して接
続された複数の端末装置間の通信サービスの品質を制御
する端末装置の通信サービス品質制御装置において、ユ
ーザが要求する通信サービスのアプリケーションにおけ
るサービスの品質と、通信サービスを実現するためのリ
ソースにおけるサービスの品質とのサンプル対である、
予め与えられた複数のサンプルデータを記憶する第１の
記憶手段と、上記第１の記憶手段に記憶された複数のサ
ンプルデータのデータ点を複数のスプライン関数を区分
する分割点とし、入力層と複数の中間層と出力層とを有
し、通信サービスのアプリケーションにおけるサービス
の品質を入力とし、通信サービスを実現するためのリソ
ースにおけるサービスの品質を出力とする各スプライン
関数を表す複数のニューラルネットワークを備え、複数
の中間層からの出力を各スプライン関数の各次の係数で
重み付けするように構成されているニューラルネットワ
ーク群における上記重み付けする重み係数を記憶する第
２の記憶手段と、上記第１の記憶手段に記憶された複数
のサンプルデータに基づいて、上記各スプライン関数の
分割点における関数値、１階微分値及び２階微分値を計
算し、上記各スプライン関数における２乗誤差評価項、
連続性評価項及び２階微分ノルム評価項を含む評価関数
を用いてかつ両端のスプライン関数で端点条件を満たす
ように、上記ニューラルネットワーク群を学習して上記
第２の記憶手段に記憶された重み係数を更新する学習手
段と、新たにユーザが要求する通信サービスのアプリケ
ーションにおけるサービスの品質に基づいて、上記学習
手段によって学習されたニューラルネットワーク群を用
いてリソースにおけるサービスの品質を決定し、上記決
定されたリソースにおけるサービスの品質に従って通信
を行うように制御する制御手段とを備える。従って、無
線通信網やインターネットなどのネットワークでは動的
に性能が変動するが、本発明によれば、このような通信
網上でマルチメディア通信を行う場合に効果を発揮す
る。また、ユーザはアプリケーションを使用する端末や
通信状況が使用環境に応じて変わる。このような場合で
も、ユーザ側から意識することなく、システムが動的に
端末や通信状況に応じたＱｏＳマッピングを行うことが
できる。それ故、ユーザからの要求を満たすとともに、
通信サービスに用いるメモリやＣＰＵなどのリソースを
効率的に使用することができる。

【図面の簡単な説明】

【図１】 本発明に係る実施形態である、スプライン関
数を用いたＱｏＳマッピング部２を備えた端末装置Ａを
有する動画像通信システムの構成を示すブロック図であ
る。

【図２】 図１におけるスプライン関数及びニューラル
ネットワークを用いたＱｏＳマッピング部２において、
ユーザ要求のアプリケーションＱｏＳからリソースＱｏ
Ｓへの写像に用いるスプライン関数を示すグラフであ
る。

【図３】 図１のスプライン関数及びニューラルネット
ワークを用いたＱｏＳマッピング部２において用いるニ
ューラルネットワーク群１０００の構成を示すブロック
図である。

【図４】 図１のスプライン関数及びニューラルネット
ワークを用いたＱｏＳマッピング部２において用いる、
複数のニューラルネットワーク群１０００−１乃至１０
００−Ｍからなる多次元のニューラルネットワーク２０
００の構成を示すブロック図である。

【図５】 図１におけるスプライン関数及びニューラル
ネットワークを用いたＱｏＳマッピング部２によって実
行されるスプライン関数及びニューラルネットワークを
用いたＱｏＳマッピング処理の第１の部分を示すフロー
チャートである。

【図６】 図１におけるスプライン関数及びニューラル
ネットワークを用いたＱｏＳマッピング部２によって実
行されるスプライン関数及びニューラルネットワークを
用いたＱｏＳマッピング処理の第２の部分を示すフロー
チャートである。

【図７】 本実施形態の端末装置Ａを用いたときの環境
変動が無いときの、量子化スケールに対するＣＰＵ使用
率の特性における計算値と実測値とを示すグラフであ
る。

【図８】 本実施形態の端末装置Ａを用いたときの環境
変動が有るときの、量子化スケールに対するＣＰＵ使用
率の特性における計算値と実測値とを示すグラフであ
る。

【符号の説明】

１…動画像アプリケーション、 ２…スプライン関数及びニューラルネットワークを用い
たＱｏＳマッピング部（ＱｏＳマッピング部）、 ３…ＱｏＳ制御部、 ４，１２…動画像符号器及び復号器、 ５…マッピングテーブルメモリ、 ６…重み係数メモリ、 ８…ＣＰＵ、 ９…ＱｏＳモニタリング部、 １０…通信制御部、 １１…ＣＲＴディスプレイモニタ、 １３…ビデオカメラ、 １００…入力層、 ２００…中間層、 ３００…出力層、 ４００…単位ニューラルネットワーク（単位ＮＮ）、 ５００−１乃至５００−（Ｎ−１）…ニューラルネット
ワークユニット（ＮＮユニット）、 １０００，１０００−１乃至１０００−Ｍ…ニューラル
ネットワーク群（ＮＮ群）、 ２０００…多次元のニューラルネットワーク、 Ａ，Ｂ…端末装置、 Ａ１，Ｂ１…パーソナルコンピュータ、 ＮＥ…ネットワーク、 Ａ２，Ｂ２…モデム。

フロントページの続き (56)参考文献 特許2968789（ＪＰ，Ｂ１) 山崎達也、松田潤、「スプライン関数 を用いたＱｏＳマッピング」、1998年電 子情報通信学会総合大会講演論文集通信 ２、ｐ．728−ｐ．729（1998．３) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G06N 3/00 - 3/10 H04L 29/02 - 7/10 H04N 7/173 H04N 7/24 - 7/68 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 ネットワークを介して接続された複数の
   端末装置間の通信サービスの品質を制御する端末装置の
   通信サービス品質制御方法において、 ユーザが要求する通信サービスのアプリケーションにお
   けるサービスの品質と、通信サービスを実現するための
   リソースにおけるサービスの品質とのサンプル対であ
   る、予め与えられた複数のサンプルデータを第１の記憶
   手段に記憶することと、 上記第１の記憶手段に記憶された複数のサンプルデータ
   のデータ点を複数のスプライン関数を区分する分割点と
   し、入力層と複数の中間層と出力層とを有し、通信サー
   ビスのアプリケーションにおけるサービスの品質を入力
   とし、通信サービスを実現するためのリソースにおける
   サービスの品質を出力とする各スプライン関数を表す複
   数のニューラルネットワークを備え、複数の中間層から
   の出力を各スプライン関数の各次の係数で重み付けする
   ように構成されているニューラルネットワーク群におけ
   る上記重み付けする重み係数を第２の記憶手段に記憶す
   ることと、 上記第１の記憶手段に記憶された複数のサンプルデータ
   に基づいて、上記各スプライン関数の分割点における関
   数値、１階微分値及び２階微分値を計算し、上記各スプ
   ライン関数における２乗誤差評価項、連続性評価項及び
   ２階微分ノルム評価項を含む評価関数を用いてかつ両端
   のスプライン関数で端点条件を満たすように、上記ニュ
   ーラルネットワーク群を学習して上記第２の記憶手段に
   記憶された重み係数を更新することと、 新たにユーザが要求する通信サービスのアプリケーショ
   ンにおけるサービスの品質に基づいて、上記学習された
   ニューラルネットワーク群を用いてリソースにおけるサ
   ービスの品質を決定し、上記決定されたリソースにおけ
   るサービスの品質に従って通信を行うように制御するこ
   ととを含むことを特徴とする通信サービス品質制御方
   法。
2. 【請求項２】 ネットワークを介して接続された複数の
   端末装置間の通信サービスの品質を制御する端末装置の
   通信サービス品質制御装置において、 ユーザが要求する通信サービスのアプリケーションにお
   けるサービスの品質と、通信サービスを実現するための
   リソースにおけるサービスの品質とのサンプル対であ
   る、予め与えられた複数のサンプルデータを記憶する第
   １の記憶手段と、 上記第１の記憶手段に記憶された複数のサンプルデータ
   のデータ点を複数のスプライン関数を区分する分割点と
   し、入力層と複数の中間層と出力層とを有し、通信サー
   ビスのアプリケーションにおけるサービスの品質を入力
   とし、通信サービスを実現するためのリソースにおける
   サービスの品質を出力とする各スプライン関数を表す複
   数のニューラルネットワークを備え、複数の中間層から
   の出力を各スプライン関数の各次の係数で重み付けする
   ように構成されているニューラルネットワーク群におけ
   る上記重み付けする重み係数を記憶する第２の記憶手段
   と、 上記第１の記憶手段に記憶された複数のサンプルデータ
   に基づいて、上記各スプライン関数の分割点における関
   数値、１階微分値及び２階微分値を計算し、上記各スプ
   ライン関数における２乗誤差評価項、連続性評価項及び
   ２階微分ノルム評価項を含む評価関数を用いてかつ両端
   のスプライン関数で端点条件を満たすように、上記ニュ
   ーラルネットワーク群を学習して上記第２の記憶手段に
   記憶された重み係数を更新する学習手段と、 新たにユーザが要求する通信サービスのアプリケーショ
   ンにおけるサービスの品質に基づいて、上記学習手段に
   よって学習されたニューラルネットワーク群を用いてリ
   ソースにおけるサービスの品質を決定し、上記決定され
   たリソースにおけるサービスの品質に従って通信を行う
   ように制御する制御手段とを備えたことを特徴とする通
   信サービス品質制御装置。