DE3787249T2

DE3787249T2 - Klassifizierung von Sprachbandsignalen.

Info

Publication number: DE3787249T2
Application number: DE87309542T
Authority: DE
Inventors: Nevio Benvenuto Nevi Benvenuto
Original assignee: American Telephone and Telegraph Co Inc
Current assignee: AT&T Corp
Priority date: 1986-11-06
Filing date: 1987-10-29
Publication date: 1994-03-31
Anticipated expiration: 2007-10-30
Also published as: KR910002328B1; JPH0566057B2; EP0266965B1; US4815136A; DE3787249D1; CA1307342C; KR880006861A; IL84337A; EP0266965A3; JPS63131650A; EP0266965A2; IL84337A0

Description

VORRICHTUNG UND VERFAHREN ZUR KLASSIFIZIERUNG EINES SIGNALS

Die Erfindung betrifft Vorrichtungen und Verfahren 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 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 der Sprachband-Datensignale nicht genau wieder.
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.
In der WO-A1-84/03949 ist eine Form einer komplexen Autokorrelation beschrieben, die mit der Trägerfrequenz des Datensignals moduliert ist. Wie oben erwähnt, beeinträchtigt eine solche Modulation die Feststellung der Baud-Rate des Datensignals und führt unter Umständen zu einer fehlerhaften Bestimmung.
Entsprechend einem Aspekt der Erfindung wird eine Vorrichtung gemäß Anspruch 1 bereitgestellt.
Entsprechend einem weiteren Aspekt der Erfindung wird ein Verfahren gemäß Anspruch 9 bereitgestellt.
Die Klassifizierung eines ankommenden Signals wird unter Verwendung einer Klassifizierungsanordnung erreicht, die auf der Autokorrelation einer komplexen Tiefpaßversion eines ankommenden Signals beruht, d. h., der komplexen Autokorrelation.
Die Autokorrelation der komplexen Tiefpaßversion des ankommenden Signals wird zur Klassifizierung ankommender Sprachband-Datensignale verwendet.
Im einzelnen wird die normierte Größe der für ein bestimmtes Verzögerungsintervall, d. h., Nacheilintervall bestimmte Autokorrelationsfunktion zur Spektralbreite des ankommenden Signals unabhängig von der Trägerfrequenz in Beziehung gesetzt und die Spektralbreite wiederum zur Baud-Rate der Sprachband-Datensignale in Beziehung gesetzt. Die normierte Größe wird mit vorbestimmten Schwellenwerten verglichen, um das ankommende Signal als ein Signal mit einer von einer Vielzahl von Baud-Raten zu klassifizieren.

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 y(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 y(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 y(n-k) wird an den Multiplexierer 17 gegeben und dort durch Multiplikation mit y(n) kombiniert, so daß man erhält γ(n)γ*(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(O)· R(k) wird normiert durch R(O), da der Signalpegel von R(O) d(n) schwanken kann. R(O) 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 O≤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/O, 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 Rdr(k) und das Signal h von d 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
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) I/N. Die Quadriereinheit 28 erzeugt m&sub1;²&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- Amplitudenmodulation (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 N=256 gesetzt wird. 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) und 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)] g(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 y(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) /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(O), wobei R(O) 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(O), und der normierte 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)Λ 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},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 O≤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 O< 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.

Claims

1. Vorrichtung zur Klassifizierung eines Signals mit einer Filtereinrichtung zur Erzeugung einer gefilterten Version eines ankommenden Signals (d(n)), einer Autokorrelationseinrichtung (17, 18, 20, 23) zur Erzeugung einer Autokorrelation der gefilterten Version des ankommenden Signals und einer Verwendungseinrichtung (24, 25, 32), die die Autokorrelation zur Klassifizierung des ankommenden Signals als eine von einer Vielzahl von Klassifizierungen verwendet, dadurch gekennzeichnet, daß

die Filtereinrichtung eine komplexe Tiefpaßeinrichtung (10-16) zur Erzeugung einer gefilterten komplexen Tiefpaßversion (γ(n)) des ankommenden Signals enthält,

die Autokorrelationseinrichtung eine Autokorrelation der gefilterten komplexen Tiefpaßversion erzeugt und eine erste Einrichtung (22) zur Erzeugung eines ersten vorgeschriebenen Kennwertes mit Bezug auf die Größe der Autokorrelation enthält und

die Verwendungseinrichtung eine Vergleichseinrichtung (24) zum Vergleichen des ersten vorgeschriebenen Kennwertes bezüglich der Größe der Autokorrelation mit vorbestimmten Schwellenwertpegeln aufweist, um das ankommende Signal als ein Signal mit einer von einer Vielzahl von Baudraten zu klassifizieren (über 32).

2. Vorrichtung nach Anspruch 1, bei der die Autokorrelationseinrichtung eine Einrichtung (20) zur Erzeugung der Autokorrelation mit einem vorgeschriebenen Autokorrelationsgröße durch einen zweiten Kennwert der Autokorrelation enthält.

3. Vorrichtung nach Anspruch 2, bei der die Normierungseinrichtung (22) den zweiten Kennwert erzeugt, der die Leistung des ankommenden Signals darstellt.

4. Vorrichtung nach Anspruch 3, bei der der zweite Kennwert die Autokorrelation bei einer Verzögerung von Null (0) darstellt.

5. Vorrichtung nach Anspruch 4, bei der das ankommende Signal ein digitaler Signalabtastwert mit einem vorbestimmten Abtastintervall ist und das vorgeschriebene Verzögerungsintervall einer vorbestimmten Anzahl der Abtastintervalle entspricht.

6. Vorrichtung nach Anspruch 5, bei der die vorbestimmte Anzahl gleich Zwei (2) ist.

7. Vorrichtung nach Anspruch 1, mit einer Absolutmoment-Erzeugungseinrichtung (19, 26, 27, 30) zur Erzeugung von Absolutmomenten der komplexen Tiefpaßversion mit einer ersten Erzeugungseinrichtung für die Größe der komplexen Tiefpaßversion, einer zweiten Erzeugungseinrichtung für ein Moment erster Ordnung der Größe und einer dritten Erzeugungseinrichtung für ein Moment zweiter Ordnung der Größe, wobei die Verwendungseinrichtung eine Normierungseinrichtung (26-30) zur Normierung des Momentes zweiter Ordnung mit einer vorgeschriebenen Beziehung des Momentes erster Ordnung zur Gewinnung einer normierten Varianz (η) der komplexen Tiefpaßversion des ankommenden Signals und eine Vergleichseinrichtung (31) zum Vergleichen der normierten Varianz mit vorbestimmten Schwellenwerten enthält, um das ankommende Signal als ein Signal mit einem von einer Vielzahl von Modulationsverfahren zu klassifizieren (über 32).

8. Vorrichtung nach Anspruch 7, bei der die Autokorrelationseinrichtung eine zweite Einrichtung (23) zur Erzeugung eines zweiten vorgeschriebenen Kennwertes bezüglich der Phase der Autokorrelation enthält, die Verwendungseinrichtung eine erste Vergleichseinrichtung (in 25) zum Vergleichen des zweiten vorgeschriebenen Kennwertes bezüglich der Phase der Autokorrelation mit einem ersten vorbestimmten Schwellenwert und eine zweite Vergleichseinrichtung (in 25) zum Vergleichen der normierten Varianz mit einem zweiten vorbestimmten Schwellenwert umfaßt, und bei der das ankommende Signal (über 32) als Sprache klassifiziert wird, wenn entweder der erste oder der zweite Schwellenwert überschritten wird, und im anderen Fall (über 32) als Sprachbanddaten klassifiziert wird.

9. Verfahren zum Klassifizieren eines Signals mit Erzeugen einer gefilterten Version eines ankommenden Signals (d(n)), Erzeugen einer Autokorrelation (über 17, 18, 20-23) der gefilterten Version des ankommenden Signals und Verwenden (über 24, 25, 32) der Autokorrelation zur Klassifizierung des ankommenden Signals als ein Signal mit einer von einer Vielzahl von Klassifizierungen, dadurch gekennzeichnet, daß die Erzeugung der gefilterten Version die Erzeugung (über 10-16) einer komplexen Tiefpaßversion (γ(n)) des ankommenden Signals umfaßt, die Erzeugung der Autokorrelation die Erzeugung (über 22) eines vorgeschriebenen Kennwertes der Autokorrelation durch Normieren der Größe der Autokorrelation durch einen die Leistung des ankommenden Signals darstellenden Wert umfaßt und die Autokorrelation einen Vergleich (über 29) der normierten Größe der Autokorrelation mit vorbestimmten Schwellenwertpegeln vorsieht, um das ankommende Signal als ein Signal mit einer von einer Vielzahl von Baudraten zu klassifizieren (über 32).

10. Verfahren nach Anspruch 9, bei dem das ankommende Signal ein digitaler Signalabtastwert mit einem vorbestimmten Abtastintervall ist und die Korrelation mit einem vorgeschriebenen Verzögerungsintervall gleich einer vorbestimmten Anzahl der Abtastintervalle erzeugt wird.

11. Verfahren nach Anspruch 10, bei dem die vorbestimmte Anzahl von Abtastintervallen Zwei (2) beträgt.