-
Die Erfindung betrifft Vorrichtungen zur Klassifizierung eines
Signals
-
Es sind in letzter Zeit Verfahren zur Bit-Raten-Verringerung
verwendet worden, um die Übertragungskapazität von digitalen
Übertragungseinrichtungen zu erhöhen. Ein solches Verfahren ist die
adaptive differentielle Pulscodemodulation (ADPCM) ADPCM wird zur Erhöhung
der Übertragungskapazität über digitale Sprachband-
Übertragungseinrichtungen verwendet. Die Verwendung von ADPCM mit 32 kB/s
erhöht und verdoppelt im Normalfall die Kapazität von T-
Trägereinrichtungen. Eine größere Übertragungskapazität läßt sich
realisieren, indem man auf wohlüberlegte Weise die Sprachbandsignale mit
noch niedrigeren Bitraten als 32 kB/s überträgt.
-
Eine ADPCM-Übertragung mit 32 kB/s stellt jedoch ein Problem dar,
wenn bestimmte Signale, die keine Sprachsignale sind, übertragen werden. In
typischer Weise werden Nichtsprachsignale, beispielsweise Sprachband-
Datensignale mit der 32 kB/s-ADPCM übertragen. Das bedeutet, daß keine Bits
fallengelassen werden dürfen, um die Übertragungs-Bitrate zu verringern.
Bei der Übertragung von Sprachband-Datensignalen mit "höherer" Bitrate,
beispielsweise Bitraten, die von einem Modem mit einer Bitrate von
9600 Bit/s oder höher erzeugt werden, führt die Verwendung von ADPCM mit
einer sogenannten festen Rate von 32 kB/s zu unannehmbaren Bitfehlerraten.
Folglich müssen die Daten erneut übertragen werden, wodurch sich ein
unannehmbarer Übertragungsdurchsatz ergibt. Zur Verringerung dieses
Problems ist es wünschenswert, die Sprachband-Datensignale mit 9600 Bit/s
und höherer Rate bei einer ADPCM-Übertragungsbitrate oder anderen PCM-
Übertragungsbitraten zu übertragen, die höher sind als die im Augenblick
feste ADPCM-Bitrate von 32 kB/s. Außerdem kann es zweckmäßig und
wünschenswert sein, Sprachband-Datensignale mit "niedrigeren" Bitraten bei
einer Bitrate niedriger als die 32 kB/s-ADPCM zu übertragen. Zur
Übertragung der Sprachband-Datensignale mit Bitraten höher oder niedriger
als die 32 kB/s-ADPCM-Rate müssen die Signale bezüglich ihrer jeweiligen
Baud-Raten und/oder Modulationsverfahren klassifiziert werden.
-
Bisher haben Versuche zur Klassifizierung von Sprachband-
Datensignalen eine sogenannte übliche Autokorrelation des Signals benutzt.
Ein Problem bei der Verwendung dieser Autokorrelation besteht darin, daß
die Ergebnisse mit der Trägerfrequenz des Datensignals moduliert sind.
Folglich geben die Ergebnisse einer solchen Klassifizierungsanordnung die
Baud-Raten oder den Modulationstyp der Sprachband- Datensignale nicht genau
wieder.
-
In der Literaturstelle 1986 IEEE Military Communication Conference
MILCOM'86, 5.-9. Oktober 1986, Monterey, Band 2, Seiten 20.2.1-20.2.6,
IEEE, New York, USA, J. Hipp: "Modulation classification based on
statistical moments" ist eine Vorrichtung zur Klassifizierung eines Signals
mit einer Einrichtung zur Erzeugung einer gefilterten komplexen
Tiefpassversion des ankommenden Signals, einer Einrichtung zur Erzeugung
von Momenten der gefilterten komplexen Tiefpassversion und einer
Einrichtung zur Erzeugung der Größe der komplexen Tiefpassversion
offenbart, wobei die Einrichtung zur Momenterzeugung eine Einrichtung zur
Erzeugung eines Moments erster Ordnung für die Größe und eine Einrichtung
zur Erzeugung eines Moments zweiter Ordnung für die Größe und eine
Einrichtung enthält, die unter Verwendung einer vorgegebenen Beziehung der
Momente das ankommende Signal als eines von einer Vielzahl von
Klassifizierungen klassifiziert, mit einer Einrichtung zur Normierung des
Moment s zweiter Ordnung mit einer vorgegebenen Beziehung des Moment s erster
Ordnung, um eine normierte Varianz der komplexen Tiefpassversion des
ankommenden Signal s zu gewinnen, wobei die normierte Varianz verwendet
wird, um das ankommende Signal als ein Signal zu klassifizieren, das eines
von einer Vielzahl von Modulationsverfahren aufweist.
-
In der EP-0 123349 ist eine Anordnung offenbart, die ein
Bandpassfilter zur Beseitigung von Rauschen oder irgendeines Signals mit
einer Frequenz größer als 2000 Hz aus dem Eingangssignal benutzt. Das zur
Gewinnung einer Autokorrelation verwendete Eingangssignal ist reell. Die
Autokorrelationen werden dann in vielen Verzögerungsintervallen
ausgewertet, um sogenannte Spitzen und ihre Positionen aufzufinden. Die
Informationen bezüglich der Spitzen werden dann benutzt, um das ankommende
Signal als Sprache oder Daten zu unterscheiden. Im einzelnen wird
festgestellt, ob die Spitzen entlang einer Achse auf
nichtdiskontinuierliche Weise rückwärts und vorwärts wandern. Wenn dies der
Fall ist, so hat man eine gute Anzeige dafür, daß das Signal Sprache ist.
Wenn andererseits die sogenannten Autokorrelogramme keine Spitzen enthalten
oder wenn Spitzen vorhanden sind, diese aber nicht auf diskontinuierliche
Weise wandern, so ist dies ein starkes Anzeichen dafür, daß das Signal
keine Sprache ist. Das Verfahren zur Feststellung, ob die Autokorrelogramme
Spitzen enthalten und ob diese stationär sind oder wandern, ist
außerordentlich kompliziert.
-
In einer Literaturstelle 7th European Conference on
Electrotechnics EUROCON '86, Paris, 21.-23. April 1986, Seiten 484-491,
F. Jondral et al.: "On the application of digital signal processing and
pattern recognition methods to the automatic classification of high
frequency signals" ist eine Anordnung offenbart, die eine komplexe
Tiefpassversion des Eingangssignals erzeugt und drei statistische Parameter
auswertet, nämlich die Amplitude, die Phase und die augenblickliche
Frequenz. Histogramme dieser Parameter werden für den Versuch benutzt,
unterschiedliche Modemtypen zu klassifizieren.
-
Entsprechend der Erfindung wird eine Vorrichtung gemäß Anspruch 1
bereitgestellt.
-
Die Klassifizierung eines ankommenden Signal s wird unter
Verwendung einer Klassifizierungsanordnung realisiert, die auf Momenten der
Größe einer komplexen Tiefpassversion des ankommenden Signals beruht. Im
einzelnen wird eine vorgegebene Beziehung wenigstens der absoluten Momente
erster und zweiter Ordnung der komplexen Tiefpassversion des ankommenden
Signal s benutzt, um das ankommende Signal als eines von einer Vielzahl von
Klassifizierungen zu klassifizieren.
-
Bei einem Ausführungsbeispiel der Erfindung betrifft die
vorgegebene Beziehung das Moment zweiter Ordnung normalisiert mit dem
Moment erster Ordnung, und zwar quadriert für die Größe der komplexen
Tiefpassversion des ankommenden Signals. Dies führt zu einer sogenannten
normierten Varianz. Die normierte Varianz wird mit vorbestimmten
Schwellenwerten verglichen, um das ankommende Signal als ein Signal zu
klassifizieren, das eines von einer Vielzahl von Modulationsverfahren
aufweist.
-
Eine sogenannte Phasenbeziehung, d. h., das Vorzeichen der
Autokorrelation der komplexen Tiefpassversion des ankommenden Signals kann
benutzt werden, um das ankommende Signal als entweder Sprache oder
Sprachbanddaten zu klassifizieren. Im einzelnen wird das Vorzeichen der
komplexen Autokorrelationsfunktion bei einem vorbestimmten
Verzögerungsintervall, d. h., Nacheilen, benutzt, um festzustellen, ob das
ankommende Signal Sprache oder Sprachbanddaten sind. Bei einem speziellen
Ausführungsbeispiel werden sowohl die Phase als auch die normierte Varianz
für die Feststellung benutzt, daß das ankommende Signal entweder Sprache
oder Sprachbanddaten sind.
Kurze Beschreibung der Zeichnungen
-
In den Zeichnungen zeigen:
-
Fig. 1 ein vereinfachtes Blockschaltbild einer
Signalklassifizierungsanordnung nach der Erfindung;
-
Fig. 2 und 3 in der Kombination A-A und B-B ein Flußdiagramm, das
die Arbeitsweise einer Klassifizierungsanordnung nach der Erfindung
erläutert.
Ins einzelne gehende Beschreibung
-
Fig. 1 zeigt als vereinfachtes Blockschaltbild eine Anordnung zur
Klassifizierung von Sprachbandsignalen. Ein ankommendes Digitalsignal d(n)
ist Multiplizierern 10 und 11 zugeführt. Bei diesem Beispiel liegt das
Signal d(n) in linearer PCM-Form mit einer Abtastrate von 8 kHz vor. Ein
Abtastintervall beträgt demgemäß 125 us. Von einem (πn/2) Generator 12 wird
eine Darstellung von cos (πn/2) an den Multiplizierer 10 geliefert. Der
Multiplizierer 10 erzeugt dann a(n)= d(n) cos (πn/2). Entsprechend liefert
der sin (πn/2) Generator 13 eine Signaldarstellung von sin (πn/2) an den
Multiplizierer 11 und dieser erzeugt b(n)=d(n)sin (πn/2). Das Signal a(n)
wird an ein Tiefpassfilter 14 gegeben, das eine Tiefpassversion erzeugt,
nämlich u(n). Entsprechend wird das Signal b(n) an ein Tiefpassfilter 15
gegeben, das ebenfalls eine Tiefpassversion v(n) erzeugt. Bei diesem
Beispiel sind die Tiefpassfilter 14 und 15 je rekursive Filter zweiter
Ordnung mit einer Grenzfrequenz von 2 kHz. Beide Signale u(n) und v(n)
werden an einen komplexen Signalgenerator 16 gegeben, der γ(n)=u(n)-jv(n)
erzeugt. γ(n) ist eine komplexe Tiefpassversion von d(n) Man beachte, daß
die komplexe Tiefpassversion γ(n) durch andere Anordnungen erzeugt werden
kann, wobei ein Beispiel ein Hilbert-Filter ist. Das Signal γ(n) wird an
einen Multiplizierer 17, einen komplex konjugierten Generator 18 und an
einen Größengenerator 19 geliefert. Der komplex konjugierte Wert γ*(n) der
komplexen Tiefpassversion γ(n) wird vom Generator 18 zur
Verzögerungseinheit 20 geliefert. Diese wiederum verzögert jede
Abtastdarstellung von γ*(n) um eine vorbestimmte Anzahl k von
Abtastintervallen. Bei diesem Beispiel wird zweckmäßig eine Verzögerung k,
d. h., ein Nacheilen, von zwei (2) Abtastintervallen benutzt. Der verzögerte
komplex konjugierte Wert γ*(n-k) wird an den Multiplexierer 17 gegeben und
dort durch Multiplikation mit γ(n) kombiniert, so daß man erhält
y(n)y*(n-k). Dieses kombinierte Signal γ(n)γ*(n-k) gelangt zum
Mittelwertfilter 21, das die komplexe Autokorrelation von γ(n) liefert,
nämlich
-
wobei N eine Anzahl von Abtastwerten ist,
nämlich die Fenstergröße, die zur Erzeugung des sogenannten Schätzwertes
von R(k) benutzt wird. Bei einem Beispiel ist N=1024 zur Klassifizierung
von Sprachband-Datensignalen und N=226 zur Klassifizierung zwischen Sprache
und Sprachbanddaten. Das Mittelwertfilter 21 erzeugt die komplexe
Autokorrelation R(k)=R(k)+γ(n)γ*(n-k)/N, d. h., der augenblickliche
Schätzwert R(k) ist der vorhergehende Schätzwert von R(k) zuzüglich eines
gemittelten Aktualisierungsteils γ(n)γ*(n-k)/N. Es ist wichtig, zu beachten,
daß die Größe der komplexen Autokorrelation R(k) des Digitalsignals γ(n)
unabhängig von der Trägerfrequenz des Sprachband-Datensignals d(n) ist.
Demgemäß sind die Ergebnisse der Klassifizierungsanordnung nach der
Erfindung nicht durch die Trägerfrequenz des Sprachband-Datensignals
moduliert und geben genau die Baud-Raten der Sprachband-Datensignale
wieder. Die komplexe Autokorrelation R(k) wird zur Einheit 22 für die
normierte Größe und zur Einheit 23 für den normierten Realteil gegeben.
-
Die Einheit 22 für die normierte Größe erzeugt
C(k)= R(k) /R(0)· R(k) wird normiert durch R(0), da der Signalpegel von
d(n) schwanken kann. R(0) stellt die Leistung des ankommenden Signals d(n)
dar. Bei diesem Beispiel wird, wie oben angegeben, der Wert von C(k) mit
einer Verzögerung k=2 benutzt, und der Normierungsfaktor ist R(k) bei der
Verzögerung k=0. Das Ausgangssignal C(k) oder bei diesem Beispiel C(2) der
Einheit 22 für normierte Größe wird an die Schwellenwert-Detektoreinheit 24
übertragen. Diese enthält eine Vielzahl von Schwellenwert-Detektoren (nicht
gezeigt), die zwischen den Baud-Raten der Sprachband-Datensignale
unterscheiden. Die jeweiligen Schwellenwerte werden durch Minimierung der
Wahrscheinlichkeit für eine fehlerhafte Detektierung unter der Annahme
gewonnen, daß C(k) bei einer gegebenen Verzögerung k eine Gauß'sche
Verteilung über viele experimentelle Ergebnisse zeigt. Der Verzögerungswert
k=2 wurde bei diesem Beispiel gewählt, da er die besten Gesamtergebnisse
zeigt. Für niedrigere Übertragungsraten, beispielsweise 1200 und 300 FSK,
scheint eine Verzögerung von k=3 bessere Ergebnisse zu liefern. Wenn bei
diesem Beispiel gilt 0≤C(2)≤0,646, dann besitzt das Sprachband-Datensignal
eine Baud-Rate von 2400/s, die sich auf ein Sprachband-Datensignal mit 9600
oder mehr Bit/s bezieht. Für 0,646< C(2)≤0,785 besitzt das Sprachband-
Datensignal eine Baud-Rate von 1600/s, die sich auf ein Sprachband-
Datensignal mit 4800 Bit/s bezieht, und für 0,785< C(2)≤0,878 besitzt das
Sprachband-Datensignal eine Baud-Rate von 1200/s, die sich auf ein
Sprachband-Datensignal mit 2400 Bit/s bezieht. Für 0,878< C(2)≤1 besitzt das
Sprachband-Datensignal eine Baud-Rate von ≤ 600/s, die sich auf Sprachband-
Datensignale mit Bitraten kleiner als 1200 Bit/s bezieht. Die Ergebnisse
der Schwellenwert-Detektoreinheit 24 werden an eine Benutzungseinrichtung
32 für eine gewünschte Verwendung übertragen. Beispielsweise können die
Ergebnisse mit Vorteil zur Einstellung der in einem ADPCM-Codierer
verwendeten Anzahl von Bits benutzt werden, um die Qualität und den
Wirkungsgrad bei der Übertragung von Sprachband-Datensignalen zu
verbessern.
-
Die Einheit 23 für einen normierten Realteil erzeugt
Rd(k)=-Real[R(k)]/R/0, das zur Phase der komplexen Autokorrelation von γ(n)
in Beziehung steht. Der Realteil der komplexen Autokorrelation R(k) wird
durch den Autokorrelationswert für k=0 normiert, um Pegeländerungen von
d(n) zu kompensieren. Wiederum werden die besten Gesamtergebnisse bei einer
Verzögerung k=2 erhalten. Wenn demgemäß Rd(2)> 0 ist, so hat die komplexe
Autokorrelation eine erste Phase, beispielsweise eine Phase im zweiten und
dritten Quadranten, und wenn Rd(2)≤0 ist, so hat die Autokorrelation eine
zweite Phase, beispielsweise eine Phase im ersten und vierten Quadranten.
Es wurde festgestellt, daß, wenn Rd(2)≤0 ist, d(n) ein Sprachband-
Datensignal ist, und wenn Rd(2)> 0 ist, das Signal ein Sprachsignal ist. Das
Signal Rd(2) wird an einen Eingang eines zweidimensionalen
Schwellenwertdetektors 25 geliefert. Dieser Detektor spricht gemeinsam auf
Rd(k) und das Signal η von der Einheit 29 für ein Verhältnis -1 an und
liefert eine Bestimmung, ob d(n) ein Sprachsignal oder ein Sprachband-
Datensignal ist. Wie nachfolgend erläutert wird, ist
-
wobei m&sub1; das Absolutmoment erster Ordnung der Tiefpassversion
γ(n) von d(n) ist, nämlich
-
oder m&sub1; = m&sub1;+ γ(n) /N, und m&sub2; das
Absolutmoment zweiter Ordnung der Tiefpassversion γ(n) von d(n), nämlich
-
oder m&sub2;=m&sub2;+ γ(n) ²/N. Bei diesem Beispiel ist N gleich 256 für
eine Sprachfeststellung und 1024 für eine Sprachband-Datenfeststellung. Der
Schwellenwertdetektor 25 liefert bei diesem Beispiel ein Signal, das
angibt, daß d(n) ein Sprachsignal ist, wenn Rd(2)> 0 oder η> 0,3, und im
anderen Fall ein Signal, das angibt, daß d(n) ein Sprachband-Datensignal
ist. Ein solcher Schwellenwertdetektor enthält zwei getrennte Detektoren,
deren Ausgangssignale durch eine ODER-Funktion zusammengefügt werden. Das
Ausgangssignal des Schwellenwertdetektors 25 wird an die
Benutzungseinrichtung 32 für eine gewünschte Verwendung weitergeleitet.
Obwohl sowohl die sogenannte Phase Rd(2) als auch die normierte Varianz η
benutzt werden, um zwischen Sprache und Sprachbanddaten zu unterscheiden,
dürfte klar sein, daß ein Wert von beiden individuell für eine solche
Bestimmung verwendet werden kann.
-
Es wurde außerdem festgestellt, daß es wünschenswert und wichtig
ist, die Art des bei dem Sprachband-Datensignal verwendeten
Modulationsschemas festzustellen, um genau zwischen bestimmten Sprachband-
Datensignalen zu unterscheiden. Beispielsweise wird bei Verwendung des oben
beschriebenen komplexen autokorrelations-bezogenen Parameters C(k) nicht
genau zwischen einem 1200-FSK-Signal und einem Signal mit 2400 Bit/s oder
4800 Bit/s unterschieden. Es wurde festgestellt, daß eine vorbestimmte
Beziehung zwischen einem Absolutmoment erster Ordnung und einem
Absolutmoment zweiter Ordnung für die komplexe Tiefpassversion γ(n) von
d(n) brauchbar unterscheidet, ob der Modulationstyp FSK, PSK und QAM ist.
Per Definition ist das Moment der Ordnung P eines Signals x(n) der
Mittelwert von xP(n) und das Absolutmoment der Ordnung P eines Signals x(n)
der Mittelwert von χ(n) P.
-
Zu diesem Zweck erzeugt die Größeneinheit 19 γ(n) = .
Dann kann das Moment erster Ordnung von γ(n) ausgewertet werden als
m&sub1;=m&sub1;+ γ(n) /N. Das Moment zweiter Ordnung von γ(n) kann ausgewertet werden
als m&sub2;=m&sub2; γ(n) ². Wiederum ist bei diesem Beispiel zur Feststellung von
Sprache N=256 und zur Feststellung von Sprachbanddaten N=1024. Es wird also
das Moment m&sub1; erster Ordnung von γ(n) durch das Mittelwertfilter 26
erzeugt, das liefert m&sub1;=m&sub1;+ γ(n) /N. Die Quadriereinheit 28 erzeugt m²&sub1;, das
an die Einheit 29 gegeben wird. Entsprechend wird das Moment m&sub2; zweiter
Ordnung von γ(n) erzeugt, indem γ(n) an die Quadriereinheit 27 zur
Gewinnung von γ(n) ² übertragen wird und dann das Mittelwertfilter 30
m&sub2;=m&sub2;+ γ(n) ²/N liefert. Es wird dann m&sub2; an die Einheit 29 für ein Verhältnis
-1 übertragen, die dann eine sogenannte normierte Varianz η von γ(n)
erzeugt, nämlich
-
Wie oben angegeben, wird die normierte Varianz η an den
zweidimensionalen Schwellenwertdetektor 25 zur Unterscheidung zwischen
Sprache und Sprachband-Datensignalen gegeben. Die normierte Varianz η wird
außerdem an die Schwellenwert-Detektoren 31 übertragen, um zwischen
mehreren Typen einer Sprachband-Datenmodulation zu unterscheiden. Bei
diesem Beispiel sind die unterschiedenen Modulationstypen eine
Frequenzumtastung (FSK), eine Pulsumtastung (PSK) und eine Quadratur-
Amlitudenmodulation (QAM). Es wurde für dieses Beispiel festgestellt, daß,
wenn 0< η≤0,021, dann der Modulationstyp FSK vorliegt, wenn 0,021< η≤0,122
ist, dann der Modulationstyp PSK vorliegt und wenn 0,122< η ist, dann der
Modulationstyp QAM vorliegt. Die Ergebnisse der Schwellenwertdetektoren 31
werden an die Benutzereinrichtung 32 gegeben und dort benutzt, um das
jeweils empfangene, spezielle Sprachband-Datensignal zu bestimmen.
-
Man erkennt also, daß die Verwendung von η die Möglichkeit gibt,
zwischen FSK-, PSK- und QAM-Sprachband-Datensignalen zu unterscheiden,
während C(2) verwendet werden kann, um zwischen Signalen mit 2400 Baud/s.
1600 Baud/s, 1200 Baud/s und 600 Baud/s oder niedrigerer Baud-Rate zu
unterscheiden. Die letztgenannten Signale stehen in Beziehung zu Signalen
mit 9600 Bit/s, 4800 Bit/s, 2400 Bit/s und 1200 Bit/s oder niedrigerer
Bitrate. Falls gewünscht, kann C(k) für eine Verzögerung (k)=3, d. h., C(3)
erzeugt werden, wie oben für C(2) beschrieben, und benutzt werden, um
zwischen Sprachband-Datensignalen mit 1200 Bit/s und 300 Bit/s zu
unterscheiden.
-
In Fällen, in denen es nur erwünscht ist, zwischen Sprachband-
Datensignalen mit 9600 Bit/s und allen anderen Signalen zu unterscheiden
und eine Zuordnung zu 4800-QAM-Sprachband-Datensignalen zu einer
Klassifizierung höherer Geschwindigkeit zulässig ist, dann reicht die
Verwendung der normierten Varianz η für N≥512 aus.
-
Vorzugsweise werden die oben beschriebenen
Klassifizierungsanordnungen auf einer großintegrierten (VLSI) Schaltung
verwirklicht. Die Klassifizierungsanordnungen können sich aber auch unter
Verwendung eines Prozessors, beispielsweise eines Array-Prozessors
verwirklicht werden. Zu diesem Zweck erläutern die Fig. 2 und 3, die in
der Kombination A-A und B-B ein Flußdiagramm bilden, die Schritte zur
Verwirklichung der Klassifizierung ankommender Digitalsignale.
-
In die Programmroutine wird über den Initialisierungsschritt 201
eingetreten. Die bedingte Verzweigung 202 stellt fest, ob Eingangsenergie
vorhanden ist. Wenn das Prüfergebnis ja ist, so ist Energie vorhanden und
der Block 203 veranlaßt, daß n auf 1 und N auf N=256 gesetzt werden. Wie
oben angegeben, ist N=256 die Anzahl von Abtastwerten, die benutzt wird, um
festzustellen, ob das ankommende Signal d(n) Sprache oder Sprachbanddaten
ist. Der Block 204 veranlaßt, daß n, R(k), m&sub1; und m&sub2; auf n=1. R(k)=0, m&sub1;=0
und m&sub2;=0 gesetzt werden. Der Block 205 veranlaßt die Berechnung von
a(n)=d(n)cos (πn/2) b(n)=d(n)sin (πn/2). Der Block 206 veranlaßt die
Erzeugung der komplexen Tiefpassversion γ(n) des ankommenden Signals d(n)
durch Tiefpassfiltern der Ergebnisse des Schritts 205 durch die
Filterfunktion g(n), nämlich γ(n)=[a(n)-jb(n)] γ(r), wobei die
Hüllfunktion angibt. Wie oben angegeben, wird bei diesem Beispiel eine
Tiefpass-Filterfunktion g(n) verwendet, die ein rekursives Filter zweiter
Ordnung mit einer Grenzfrequenz bei 2 kHz ist. Der Block 207 bewirkt eine
Aktualisierung der Schätzwerte von R(k), m&sub1; und m&sub2;. Wie oben erläutert, ist
R(k) die Autokorrelation des ankommenden komplexen Digitalsignals γ(n), und
der aktualisierte Wert beträgt R(k)=R(k)+γ(n)γ*(n-k)/N, wobei * den komplex
konjugierten Wert angibt. Bei diesem Beispiel wird eine Verzögerung um k=2
Abtastintervalle benutzt. m&sub1; ist das Moment erster Ordnung von γ(n) und
sein aktualisierter Wert ist m&sub1;=m&sub1;+ γ(n) γ/N. m&sub2; ist das Moment zweiter
Ordnung von γ(n) und sein aktualisierter Wert ist m&sub2;=m&sub2;+ γ(n) /N. Der Block
208 veranlaßt die Einstellung von n=n+1. Die bedingte Verzweigung 209
prüft, ob n≤N ist. Wenn das Ergebnis ja ist, so wird die Steuerung zum
Block 205 zurückgegeben, und die Schritte 205-209 werden wiederholt, bis
das Prüfergebnis beim Schritt 209 nein ist. Dadurch wird angezeigt, daß das
Fenster mit 256 Abtastwerten aufgetreten ist, für das die Werte von R(k),
m&sub1; und m&sub2; geschätzt werden. Der Block 210 veranlaßt dann die Ausführung der
folgenden Berechnungen: Die normierte Größe C(k) der komplexen
Autokorrelation von γ(n), nämlich C(k)= R(k) /R(0), wobei R(0) die komplexe
Autokorrelation von γ(n) bei der Verzögerung k=0 ist, der normierte
Realteil Rd(2) der komplexen Autokorrelation bei der Verzögerung k=2
nämlich Rd(2)=-Real[R(2)]/R(0), und der normierten Varianz η für die Größe
der komplexen Tiefpassversion γ(n) des ankommenden Signals d(n), nämlich
-
wobei m&sub1; das Moment erster Ordnung von γ(n) und m&sub2; das Moment
zweiter Ordnung von γ(n) gemäß Schritt 207 sind. Die bedingte Verzweigung
211 stellt fest, ob das ankommende Signal Sprache oder Sprachbanddaten
sind, indem bei diesem Beispiel festgestellt wird, ob Rd(2)< 0 oder η> 0,3
ist. Wenn das Prüfergebnis beim Schritt 211 ja ist, so stellt der Block 212
einen Indikator ein, daß das ankommende Signal Sprache ist. Danach wird der
Prozeß gemäß 213 angehalten. Wenn das Prüfergebnis beim Schritt 211 nein
ist, stellt der Block 214 einen Indikator ein, daß das ankommende Signal
Sprachbanddaten sind. Die bedingte Verzweigung 215 stellt fest, ob N=256
ist. Wenn das Prüfergebnis ja ist, stellt der Block 216 N=1024 und n=1 an
und die Steuerung wird zum Block 204 zurückgegeben. Wie oben angegeben,
wird bei diesem Beispiel ein Fenster von 1024 Abtastwerten benutzt, um die
Schätzwerte von R(k), m&sub1; und m&sub2; für Sprachband-Datensignale zu erzeugen.
Danach werden die Schritte 204 bis 211, 214 und 215 wiederholt. Da N=1024
ist, so lautet das Prüfergebnis beim Schritt 215 nein. Danach bestimmt der
Block 217 die Sprachband-Datensignalparameter bei diesem Beispiel wie
folgt: wenn 0≤C(2)≤0,646 ist, dann beträgt die Baud-Rate des ankommenden
Signals 2400/s, wenn 0,646< C(2)≤0,785 ist, dann beträgt die Baud-Rate des
ankommenden Signals 1600/s, wenn 0,785< C(2)≤0,878 ist, dann beträgt die
Baud-Rate des ankommenden Signals 1200/s, wenn 0,878< C(2)≤1 ist, dann ist
die Baud-Rate des ankommenden Signals gleich oder kleiner als 600/s, wenn
0< η≤0,021 ist, dann ist der Modulationstyp des ankommenden Signals FSK,
wenn 0,021< η≤0,122 ist, dann ist der Modulationstyp für das ankommende
Signal PSK, und wenn 0,122< η ist, dann ist der Modulationstyp für das
ankommende Signal QAM. Danach wird der Prozeß gemäß 218 angehalten.