JP2012047724A - 電磁波識別装置、電磁波識別方法、及び電磁波識別プログラム - Google Patents

Abstract

【課題】複数の電磁波が混在している環境下でも、電磁波を精確に識別することができる電磁波識別装置、電磁波識別方法、及び電磁波識別プログラムを提供する。
【解決手段】所定周波数の通信信号を受信し、所定時刻毎に通信信号の時間波形データをサンプリングする取得部と、取得部における所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出部と、特徴量算出部によって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出部と、類似度算出部によって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類部と、分類部における所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別部と、識別部の結果を出力する出力部と、特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶部とを備える。
【選択図】図１

Description

本発明は、電磁波を識別する電磁波識別装置、電磁波識別方法、及び電磁波識別プログラムに関する。

無線通信の普及に伴い、移動体通信の電波利用の需要が増加している一方で、その周波数帯域における妨害波の電磁干渉によって携帯電話や無線ＬＡＮ等の無線通信妨害、テレビ、ラジオ等の受信障害が多発している。このため、スループット向上を目的として、妨害波を識別し、電磁干渉の検出処理を行うことが求められている。この電磁波識別、及び電磁干渉検出を実現する手法に関して、各種提案が成されている。

電磁環境を観測した結果に基づいて無線通信の品質を推定し、観測した電磁環境をクラス分けすることにより、不要輻射の放射源を特定する電磁環境観測装置が、特許文献１に記載されている。特許文献１に記載された電磁環境観測装置は、電磁波の波形の特徴量として振幅確率分布（ＡＰＤ：Ａｍｐｌｉｔｕｄｅ Ｐｒｏｂａｂｉｌｉｔｙ Ｄｉｓｔｒｉｂｕｔｉｏｎ）を算出することにより、無線通信の品質を推定している。

また、波形データを記憶して分析すると共に、記憶した波形データの特性及び類似性を分析して、その結果を表示することにより、電磁環境及び騒音環境をユーザに把握させる信号測定分析装置が、特許文献２に記載されている。

特開平９−２１８２３０号公報 特開２００７−２０６０３７号公報

特許文献１に記載された電磁環境観測装置は、特徴量として振幅変動の確率分布であるＡＰＤを用い、ビットエラーレートやスループットを推定しているが、妨害する通信の変調方式や、強度等の事前情報が得られていることを前提としており、受信場所によって電波環境の変化に対応することは困難である。

特許文献２に記載された信号測定分析装置は、波形データの特性分析に用いる波形パラメータとして、任意の時間区間における波形のピーク値や、平均値等の単一パラメータ推定を使用している。こういった従来の測定パラメータでは、通信技術の進歩により複雑化している電磁環境を精度よく識別することは困難である。また、精度の良い推定のためには、装置構成が大規模となることから、移動体設備への適応には適さない。

本発明は、上記の課題を解決するためになされたものであり、電磁波を識別する電磁波識別装置であって、所定周波数の通信信号を受信して、所定時刻毎に通信信号の時間波形データをサンプリングする取得部と、取得部における所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出部と、特徴量算出部によって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出部と、類似度算出部によって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類部と、分類部における所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別部と、識別部の結果を出力する出力部と、特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶部とを備える電磁波識別装置である。

また、本発明は、電磁波を識別する電磁波識別装置における識別方法であって、所定周波数の通信信号を受信して、所定時刻毎に通信信号の時間波形データをサンプリングする取得ステップと、取得ステップにおける所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出ステップと、特徴量算出ステップによって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出ステップと、類似度算出ステップによって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類ステップと、分類ステップにおける所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別ステップと、識別ステップの結果を出力する出力ステップと、特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶ステップとを備える電磁波識別方法である。

また、本発明は、コンピュータに、所定周波数の通信信号を受信して、所定時刻毎に通信信号の時間波形データをサンプリングする取得機能と、取得機能における所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出機能と、特徴量算出機能によって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出機能と、類似度算出機能によって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類機能と、分類機能における所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別機能と、識別機能の結果を出力する出力機能と、特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶機能とを実現させるための電磁波識別プログラムである。

本発明によれば、電磁波識別装置は、受信された電磁波の波形を、波形の特徴量の類似度に基づいて分類するので、電波環境の事前情報を必要とせずに、精度よく電磁波の特徴を識別できる。これにより、簡素な装置構成において通信信号への電磁干渉の発生を自動識別することができる。

本発明の第１実施形態における、電磁波識別装置の構成を示すブロック図である。 本発明の第１実施形態における、波形サンプルの特徴量のデータ構成例を示す表である。 本発明の第１実施形態における、類似度を算出する手順を示すフローチャートである。 本発明の第１実施形態における、類似度算出部１０４で算出した類似度の例を示す表である。 本発明の第１実施形態における、波形サンプルをクラスタ化する手順を示すフローチャートである。 本発明の第１実施形態における、類似度に基づいて波形サンプルをクラスタ化する処理を示す表である。 本発明の第１実施形態における、２つのクラスタに分類された波形サンプルの例を示す図である。 本発明の第２実施形態における、電磁波識別装置の構成を示すブロック図である。 本発明の第２実施形態における、教師データを作成する手順を示すフローチャートである。 本発明の第２実施形態における、電磁干渉が電磁波に発生しているか否かを判定する手順を示すフローチャートである。 本発明の第３実施形態における、変調方式による信号波形の違いを示す概念図である。 本発明の第３実施形態における、振幅特徴量としてＡＰＤを算出した例を示す図である。 本発明の第３実施形態における、振幅特徴量として振幅ヒストグラムを算出した例を示す図である。 本発明の第３実施形態における、分類部により特徴量をマッピングした結果の例を示す図である。 本発明の第３実施形態における、分類部により階層的クラスタ分析結果の例を示す図である。 本発明の第３実施形態における、識別部によりクラスタを構成する電磁波成分を特定した例を示す図である。 本発明の第３実施形態における、干渉強度の大きさによる相関係数の変化を示す図である。 本発明の第３実施形態における、干渉強度の大きさによる距離関数の変化を示す図である。

［第１実施形態］
本発明の第１実施形態について図面を参照して詳細に説明する。図１には、電磁波識別装置１００の構成が、ブロック図により示されている。電磁波識別装置１００は、取得部１０１と、特徴量算出部１０２と、記憶部１０３と、類似度算出部１０４と、分類部１０５と、識別部１０６と、出力部１０８とを備える。

取得部１０１は、電磁波を受信し、受信した電磁波（到来電波）の波形を所定時間毎にサンプリングして特徴量算出部１０２に入力する。また、取得部１０１は、受信した電磁波の測定日時（受信時刻）を、所定時間毎に特徴量算出部１０２に入力する。取得部１０１は、例えば、波形の振幅を測定するスペクトラムアナライザ（測定器）であってもよい。また、取得部１０１は、波形又は波形の振幅を示すデータを、他の装置から取得してもよい。

特徴量算出部１０２には、受信した電磁波の振幅データと、測定日時（受信時刻）が、所定時間毎に入力される。特徴量算出部１０２は、所定時間毎に出力された識別情報を付加し「波形サンプル」を生成する（例えば、サンプル１，サンプル２，…）。また、各波形サンプル毎に、受信した電磁波の特徴量を算出する。ここで、特徴量とは、例えば、振幅確率分布である。また、振幅確率分布とは、波形の全時間長と、波形が所定の振幅を超えていた時間長との比を示す確率分布である。特徴量算出部１０２は、識別情報が付加された所定時間毎の受信電波に対して、それぞれ特徴量を出力する。

なおまた、受信電波の特徴量は、振幅確率分布に限られなくてもよい。例えば、受信電波の特徴量は、振幅ヒストグラム、平均値、標準偏差、歪度、尖度、ピーク係数、確率分布のモーメント等の統計量、及び測定日時のうち、少なくとも１つ以上を含んでいてもよい。

記憶部１０３は、受信電波の特徴量を波形サンプル毎に記憶する。図２には、波形サンプル毎の特徴量のデータ構成例が示されている。一例として、図２には、受信電波の特徴量が、振幅確率分布、振幅ヒストグラム、及び測定日時である場合が示されている。また、記憶部１０３は、受信した電磁波について予め定められた受信頻度及び受信時刻を記憶してもよい。

図１に戻り、電磁波識別装置１００の構成の説明を続ける。類似度算出部１０４には、受信した電磁波の特徴量が、波形サンプル毎に入力される。類似度算出部１０４は、波形サンプル間における特徴量の類似度を算出し、類似度行列を形成する。

図３は、類似度を算出する手順を示すフローチャートである。類似度算出部１０４は、波形サンプルの特徴量を所定時間毎に取得する（Ｓ１）。類似度算出部１０４は、波形サンプル間における特徴量の類似度を算出する（Ｓ２）。類似度算出部１０４は、算出した類似度を出力する（Ｓ３）。

図４には、類似度算出部１０４で算出した類似度の例が示されている。ここでは、一例として、類似度が、ピアソンの相関係数である場合が示されている。電磁波を識別する精度を高めるには、波形サンプルの標本数は、十分に多いことが望ましい。相関係数として、波形サンプルの数がｎ（ｎは、２以上の整数）であった場合、最大でｎＣ２個の類似度が算出され、相関行列を形成る。以下では、一例として、サンプル２とサンプル３との間の類似度が「０．６１」であり、この類似度が、全ての波形サンプル間の類似度の中で、最も小さい類似度であるものとして説明する。

図１に戻り、電磁波識別装置１００の構成の説明を続ける。分類部１０５は、波形サンプル毎に類似度を取得し、取得した類似度に基づいて、波形サンプルをクラスタ化する。

図５は、波形サンプルをクラスタ化する手順を示すフローチャートである。分類部１０５は、類似度算出部１０４から、波形サンプル間毎に類似度を取得する（Ｓａ１）。分類部１０５は、類似度が最小である波形サンプル（ここでは、サンプル２及び３）を選択する（Ｓａ２）。分類部１０５は、波形サンプルをクラスタ化する（Ｓａ３）。分類部１０５は、クラスタ識別情報を波形サンプル毎に出力する（Ｓａ４）。ここで、クラスタ識別情報とは、分類したクラスタを識別するための識別情報である。以下、クラスタ識別情報を、ＣＮ（Ｎは、１以上の整数）と表記するものとし、Ｃ１，Ｃ２，…と表記する。

図６には、類似度に基づいて波形サンプルをクラスタ化する処理が示されている。クラスタの分類に用いる変数（波形サンプルの特徴量）は、互いに独立し、且つ類似性がないことが理想である。なぜなら、クラスタ間の距離が離れることで、電磁波の識別精度が向上するためである。そこで、分類部１０５は、類似度行列の中で類似度が最も小さい一組の波形サンプルを選択する。図６に示す表の最左列にあるように、分類部１０５は、全ての波形サンプル間の類似度の中で（図４を参照）、最も小さい類似度であるサンプル２及びサンプル３を選択する。

分類部１０５は、選択したサンプル２及びサンプル３と、他のサンプルとの類似度に基づいて、波形サンプルをクラスタに分類する。具体的には、分類部１０５は、サンプル２との類似度が、サンプル３との類似度よりも高いサンプルを、クラスタＣ２に分類する。
また、分類部１０５は、サンプル３との類似度が、サンプル２との類似度よりも高いサンプルを、クラスタＣ１に分類する。このような分類によって、選出したサンプル２と同種の電磁波成分と、サンプル３と同種の電磁波成分とに分類することができる。

なおまた、分類部１０５が波形サンプルを分類する際には、クラスタ分析手段として、階層的クラスタ分析法（例えば、最短距離法、メジアン法、重心法、群平均法、ウォード法）、及び非階層的クラスタ分析法（例えば、ｋ−ｍｅａｎｓ法、ファジー型クラスタリング法、自己組織化処理法）を適用してもよい。分類部１０５は、クラスタの形状が歪にならないよう、クラスタ分析法を適宜選択する。

図７には、２つのクラスタ（Ｃ１及びＣ２）に分類された波形サンプルの例が示されている。ここで、Ｘ軸により、サンプル２と他のサンプル（サンプル３を除く）との間の相関係数が示されている。また、Ｙ軸により、サンプル３と他のサンプル（サンプル２を除く）との間の相関係数が示されている。

電磁波を識別するには、少なくとも２つのクラスタが必要である。このクラスタ数の最適値は、電磁環境、及び電磁波を受信するセンサ局の設置場所に応じて変化するので、クラスタ数の最適値が定められる際には、適宜のアルゴリズムが用いられてよい。

図１に戻り、電磁波識別装置１００の構成の説明を続ける。識別部１０６は、クラスタ識別情報が示すクラスタを構成する波形サンプル群が対応する電磁波の特徴を識別する。ここで、識別部１０６は、クラスタを構成する波形サンプル群の数及びデータ（図２、４及び６を参照）と、受信頻度及び時刻等を示す情報とを比較参照することによって、電磁波の特徴を識別する。これにより、識別部１０６は、例えばクラスタＣ１を構成する波形サンプルに対応する電磁波は被害波であり、クラスタＣ２を構成する波形サンプルに対応する電磁波は妨害波である、と識別することができる。

出力部１０８は、例えば、ディスプレイ、又はプリンタであり、識別部１０６から識別結果を取得して、識別結果を出力（表示）する。出力部１０８は、識別結果として、例えば、クラスタＣ１を構成する波形サンプル群に対応する電磁波は被害波であり、クラスタＣ２を構成する波形サンプル群に対応する電磁波は妨害波である旨を表示する。

以上のように、電磁波識別装置１００は、受信された電磁波の波形を所定時間毎にサンプリングする取得部１０１と、波形の特徴量を波形サンプル毎に算出する特徴量算出部１０２と、波形サンプル間における特徴量の類似度を算出する類似度算出部１０４と、類似度に基づいて、波形サンプルをクラスタに分類する分類部１０５と、クラスタを構成する波形サンプル群に対応する電磁波を識別する識別部１０６と、を備える。

電磁波識別装置は、受信された電磁波の波形を、波形の特徴量の類似度に基づいて分類するので、精度よく電磁波の特徴を識別できる。

また、特徴量は、波形の振幅に応じた量（例えば、振幅確率分布）を複数使用してもよい。これにより、電磁波識別装置は、複数の電磁波が混在する環境下でも、受信された電磁波の波形の振幅に応じた量に基づいて、より精度の高い識別をすることができる。

また、電磁波識別装置１００は、記憶部１０３に電磁波について予め定められた頻度及び時刻の情報を格納し、識別部１０６が、予め定められた頻度及び時刻のうち少なくとも１つに基づいて、電磁波を識別する。これにより、電磁波識別装置は、突発的に発生した電磁波を精度よく識別することができる。

［第２実施形態］
本発明の第２実施形態について図面を参照して詳細に説明する。第２実施形態では、電磁干渉が電磁波に発生しているか否かを、電磁波識別装置が教師データに基づいて判定する点が、第１実施形態と異なる。

図８には、電磁波識別装置の構成が、ブロック図により示されている。電磁波識別装置２００は、波形サンプルの特徴量と教師データとの類似度を算出することにより、電磁干渉が電磁波に発生しているか否かを判定する。電磁波識別装置２００は、取得部２０１と、特徴量算出部２０２と、記憶部２０３と、類似度算出部２０４と、教師データ選出部２１０（分類部２０５、識別部２０６）と、判定部２０７と、出力部２０８とを備える。

取得部２０１の機能は、第１実施形態における取得部１０１と同様である。特徴量算出部２０２の機能は、第１実施形態における特徴量算出部１０２と同様である。記憶部２０３は、特徴量算出部２０２が算出した波形サンプルの特徴量を、波形サンプル毎に記憶する。

教師データ選出部２１０は、分類部２０５と、識別部２０６とを備える。教師データ選出部２１０は、波形サンプルの特徴量を波形サンプル毎に記憶部２０３から取得する。教師データ選出部２１０は、取得した複数の波形サンプルから１つの波形サンプルを選出し、選出した波形サンプルの特徴量を教師データに決定する。

分類部２０５は、第１実施形態における分類部１０５と同様である。識別部２０６は、前段分類部２０５におけるクラスタ分類結果に基づいて、波形サンプル群から１つの波形サンプルを選出し、選出した波形サンプルの特徴量を教師データに決定する。教師データを決定する手法として、例えば、クラスタの重心位置を算出し、算出した重心位置に最も近い波形サンプルを選出する。

識別部２０６は、クラスタ識別情報が示すクラスタを構成する波形サンプルに対応する電磁波の特徴量を識別する。一般に、不法無線局による不法電波を電磁波識別装置が受信している時間は僅かであり、合法無線局による合法電波のみを受信している時間が大部分であると期待される。従って、識別部２０６は、クラスタを構成する波形サンプル群の数をカウントすることにより、合法無線局による合法電波と、その他の不法無線局による不法電波とを識別することができる。

図９は、教師データを選出する手順を示すフローチャートである。識別部２０６は、クラスタ識別情報を波形サンプル毎に取得する（Ｓｂ１）。また、識別部２０６は、クラスタを構成する波形サンプルの数をカウントする（Ｓｂ２）。また、識別部２０６は、クラスタを構成する波形サンプル群の数が最大であるクラスタを選択する（Ｓｂ３）。更に、識別部２０６は、選択したクラスタから１つの波形サンプルを選出する（Ｓｂ４）。そして、識別部２０６は、選出した波形サンプルの特徴量を教師データと定め、定めた教師データを記憶部２０３に記憶させる（Ｓｂ５）。

図８に戻り、電磁波識別装置２００の構成の説明を続ける。類似度算出部２０４は、取得部２０１により新たにサンプリングした受信電波の特徴量と、記憶部２０３に記憶された教師データとに基づいて、これらの類似度を算出する。

判定部２０７は、所定のしきい値と類似度との大小を比較することにより、取得部２０１がサンプリングした波形サンプルに対応する電磁波に電磁干渉が発生しているか否かを判定する。電磁波に電磁干渉が発生している場合、電磁干渉の影響により波形サンプルの特徴量が変化するので、類似度が変化する。このため、予め設定したしきい値と類似度との大小を比較することにより、判定部２０７は、電磁波に電磁干渉が発生しているか否かを判定することができる。

出力部２０８は、例えば、ディスプレイ、又はプリンタであり、電磁波に電磁干渉が発生していると判定部２０７が判定した場合、電磁干渉が電磁波に発生している旨を出力する。

図１０は、電磁干渉が電磁波に発生しているか否かを判定する手順を示すフローチャートである。類似度算出部２０４は、取得部２０１が新たにサンプリングした波形サンプルの特徴量と、記憶部２０３に記憶された教師データとを取得する（Ｓｃ１）。類似度算出部２０４は、波形サンプルの特徴量と教師データとの類似度を算出する（Ｓｃ２）。

判定部２０７は、所定のしきい値と類似度との大小を比較する。具体的には、判定部２０７は、類似度が所定しきい値以下であるか否かを判定する（Ｓｃ３）。類似度が所定しきい値以下である場合（Ｓｃ３−ＹＥＳ）、出力部２０８は、電磁干渉が電磁波に発生していることを通知する。一方、類似度が所定しきい値より大きい場合（Ｓｃ３−ＮＯ）、判定部２０７は、電磁干渉が電磁波に発生していることを判定する手順を終了する。なおまた、電磁干渉が電磁波に発生しているか否かを判定する処理は、繰り返し実行されてもよい。

以上のように、電磁波識別装置２００は、電磁干渉が電磁波に発生しているか否かを判定する判定部２０７を備え、識別部２０６は、クラスタを構成する波形サンプル群の数が最大であるクラスタにおいて、該クラスタを構成する波形サンプル群から特徴量を教師データとして選出し、類似度算出部２０４は、該教師データと取得部２０１が新たにサンプリングした波形サンプルの特徴量との類似度を算出し、判定部２０７は、該類似度が所定しきい値以下である場合、電磁干渉が電磁波に発生していると判定する。

これにより、電磁波識別装置は、教師データに基づいて、電磁干渉が電磁波に発生しているか否かを判定することができる。また、電磁波識別装置は、教師データに基づいて、合法電波と不法電波とを識別することができる。

［第３実施形態］
第３実施形態は、更に、有線もしくは無線による通信に、他の通信や電気、電磁ノイズによる通信妨害（干渉）が発生していることを判別できるシステムの形態を、より具体的な実例を以て説明する。

以下、無線通信における実施形態を説明する。図８の取得部２０１は、通信信号が電磁ノイズ等の外乱を含む電磁波（到来電波）を受信する。このとき用いられる受信機は電磁波の周波数毎に振幅が測定可能な電圧計、電界強度計、スペクトラムアナライザ等である。この取得部２０１で得られた振幅データは、取得部２０１に内蔵もしくは外部から取り込む振幅データ取得時の時刻データと関連づけられている。更に、この取得部２０１は所定時間毎にサンプリング（周波数と振幅値の測定）を繰り返す機能を有している。

この取得データはサンプリング毎に次段の特徴量算出部２０２に送られ、特徴量算出部２０２ではＡＰＤ（振幅確率分布）を算出する。ＡＰＤは前段２０１から送られてきた振幅値データと取得時刻データを元に、規定の振幅値を超えた時間と、全測定時間の比で求められる特徴量である。

ここで、算出される特徴量は振幅値によって大きく影響されるため、変調方式（例えば図１１）毎に異なるものとなる。また、同じ変調方式であっても、干渉、すなわち通信妨害の度合いにより、その特徴量には変化が生ずる。

例として、変調方式にＰＳＫを用いた通信Ａに対し、ＦＳＫを用いた通信Ｂが妨害しているケースで説明する。特徴量算出部２０２で計算されるＡＰＤは、通信Ａ、通信Ｂそれぞれの単一波のみ受信している場合と、干渉が発生している場合において、図１２のような違いが生じる。この分布の違いを用いて電磁干渉を識別する。

また、特徴量として、図１３に示したような振幅ヒストグラムを用いてもよい。振幅ヒストグラムは、ＡＰＤの微分量であり、振幅の変動に対してより高感度な識別が可能である。

このような処理により算出された波形サンプル毎の特徴量のデータは、次段である記憶部２０３に格納される。記憶部２０３では、特徴量算出部２０２で得られた特徴量を数値化して保存する。このときデータ取得時の時刻データを含んでいれば、干渉すなわち妨害発生の時刻を知ることができる。図２に格納されるデータの例を示す。

類似度算出部２０４では、特徴量算出部２０２で得られた特徴量の違いを判別するための処理を行う。通信や電気、電磁ノイズによる通信妨害（干渉）が発生していることを判別するにあたっては、取得部２０１では妨害波監視のために測定を繰り返し、その都度、特徴量算出部２０２で特徴量が算出される。このような状態で干渉の強度に変化が生じたことを判断するために、特徴量間の類似性を数値化する処理が類似度算出部２０４で行われる。図３は類似度算出部２０４におけるデータ処理の手順を示すフローチャートである。ここでの処理は統計処理で一般に用いられる手法であり、２変数間の類似度を示す相関係数が用いられる。相関係数の算出方法を式（１）に示す。数字が１に近いほど、両者の特徴量に類似性が高く、同じ電磁波成分に関連していると判断できる。ピアソンの相関係数Ｃ（ｘ，ｙ）は、２組の数値からなるデータ列（ｘ，ｙ）＝｛（ｘｉ，ｙｉ）｝（ｉ＝０，１，…，ｎ）が与えられたとき、式（１）で定義される。

この処理により、相関行列が作成される。識別情報が付加された波形サンプルに対して、全組み合わせの相関係数を算出する。算出したデータは次段の記憶部２０３に格納される。図４に格納されるデータの例を示す。

次に、分類部２０５では前記波形サンプルをクラスタ群に振りわけるために、前記相関行列に基づくクラスタ分析を適用する。相関行列の類似性の高い波形サンプル毎にクラスタ化することによって、特徴量毎の分類、すなわち電磁波成分毎の分類が可能となる。ここで用いるクラスタ化には、例えば、第１実施例における図５のフローチャートで示した手段により実行される。図１４に分析結果を示す。先述した相関行列から最も類似度の低い２つの波形サンプル（妨害波の波形サンプルと、被害波の波形サンプル）を軸にとることで、精度の高い分類が可能である。

その他、クラスタ化の手段として、非階層的クラスタ分析、階層的クラスタ分析手段として知られる各手法が適宜選択される。図１５に階層的クラスタ分析の分析結果の例を示す。分類部２０５によって算出されたクラスタ分析結果は次段の識別部１０６に出力される。

識別部２０６は、前段における分析結果に基づいて分類されたクラスタ群から教師データを選択するための識別を行う。識別手段としては、不法電波と合法電波（妨害波と被害波）の発生頻度を参照することが有効である。不法電波の発生頻度は、合法電波に比べてわずかであると期待されることから、クラスタ群を構成する波形サンプルの数をカウントし、当該波形の取得数を最も多く含むクラスタ群を合法電波の波形サンプルを含んだクラスタ群と特定することができる（図１６参照）。

次に、こうして選ばれた合法電波を含んだクラスタから教師データとなる波形データを選出する。選出方法としては、例えば波形データ群のクラスタの重心を計算し、重心から最も近い距離の波形データを選ぶ等の手段が採られる。（図８参照）選出された波形データのパラメータの情報は、記憶部２０３に格納された波形サンプルの中から検索され、教師データとしての波形パラメータとして新たに認識される。

識別部２０６の処理結果であるクラスタ識別結果や、選出した教師データの特徴量は出力結果２０７に出力される。また、外部表示装置に結果が出力されてもよい。

次に、記憶部２０３から選出した教師データに基づいて、電磁干渉を自動的に検出する処理について説明を続ける。類似度算出部２０４は、取得部２０１が新たにサンプリングした所定時間毎の受信電波の特徴量（新たな波形サンプル）と、記憶部１０３に記憶された教師データとに基づいて、これらの類似度を算出する。類似度算出手段２０４では、式（１）に示すピアソンの相関係数が用いられる。しかしここでの処理においては前記の類似度算出手段とは異なり、相関元として選出された教師データを用いるので、全ての波形データ相互の相関係数を算出する必要は無い。教師データを相関元とする受信電波の波形データの相関係数は所定時間毎に逐次出力される。

判定部２０７は、所定のしきい値と類似度との大小を比較することにより、取得部２０１がサンプリングした所定時間毎の受信電波に対して、干渉が発生しているか否かを判定する。図９は判別部２０７における手順を示すフローチャートである。電磁波に電磁干渉が発生している場合、電磁干渉の影響により特徴量であるＡＰＤや振幅ヒストグラムが変化することにより、類似度が減少する。このため、予め設定したしきい値と類似度との大小関係を比較することにより、判定部２０７は、電磁波に電磁干渉が発生しているか否かを判定することができる。

図１７は、干渉の少ない被害波のみを受信した場合の特徴量を教師データとし、相関係数の妨害波強度の依存性を示している。図１７に示したように、干渉強度が増すにつれて、相関係数は減少する。干渉度により決まるしきい値を設定することで、しきい値より小さい相関係数が算出された場合に、干渉の発生を自動的に判定することができる。

また、類似度算出部２０４において算出される類似度としてピアソンの相関係数を用いたが、前述のように距離関数を用いてもよい。図１８は、干渉の少ない被害波のみを受信した場合の特徴量を教師データとし、距離関数としてユークリッド距離を用いた場合における妨害波強度の依存性を示している。妨害波強度が大きくなるにつれて距離が増加する分布となっており、しきい値を設定することによって同様に妨害波発生の検出が可能であることがわかる。

干渉を判定するしきい値の設定に関しては、所望の判定すべき干渉強度によって適宜選択されるが、識別部２０６のクラスタ分析結果に基づいて、自動的に決定してもよい。図１６に例示したように、識別結果より、被害波のクラスタと干渉を受けている合成波のクラスタ間がどの程度離れているかに関しての情報が得られる。図１６の階層的クラスタ分析の例では、被害波と合成波のクラスタ間距離は約３．８である。このことから、判定部２０７におけるしきい値の設定を、例えば、クラスタ間距離の半分（１．９）と設定することによって、しきい値を自動的に決定できる（図１８参照）。ただし、分類部２０５におけるクラスタ分析に用いる類似度と、干渉発生の判定に用いる類似度との間で、類似度として用いる関数定義を一致させることが必要である。

出力部２０８は、例えば、ディスプレイ、又はプリンタ、あるいは干渉発生を伝えるアラームであり、電磁波に電磁干渉が発生していると判定部２０７が判定した場合、電磁干渉が電磁波に発生している旨を出力する。

本発明の電磁干渉検出装置によれば、到来電波の測定データに基づいて、クラスタ分析により自動的に教師データ（例えば被害波のＡＰＤ、振幅ヒストグラム）となる波形データを識別して選択する。更に、教師データと到来電波との相関度を演算し、相関度を所定のしきい値と比較することによって電磁干渉波の発生の有無を自動判定する。

これにより、電磁干渉が発生しているか否かを自動的に判定（検出）することができ、電波監視システムへの適用に有効である。また、簡素な構成で実現できることから、不法電波探査設備への搭載に適している。

以上、ここで無線通信の場合には電磁波としたが、有線通信の場合には電気信号に置き換えることにより、同等の効果を得ることができる。

以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。

例えば、類似度は、ピアソンの相関係数に限られなくてもよい。例えば、類似度は、ケンドールの順位相関係数、スピアマンの順位相関係数であってもよい。また、類似度は、距離関数（非類似度）によって表現されてもよい。この場合、距離関数は、ユークリッド距離、チェビシェフ距離、マンハッタン距離、キャンベラ距離、ミンコフスキー距離であってもよい。類似度が距離関数によって表現される場合、図１０のステップＳｃ３において、該距離関数が所定しきい値以上であれば、出力部は、電磁干渉が電磁波に発生していることを通知する。

また、例えば、分類部は、クラスタに分類した結果をマッピングし、マッピングした結果（図７を参照）を外部の表示装置に出力してもよい。

また、例えば、分類部は、類似度が所定しきい値以上である組み合わせの一方の波形サンプルを、削除してもよい。また、分類部は、主成分分析、及び因子分析によって、直交する合成変量を求めることにより、分類に用いる変数を決定してもよい。

また、例えば、有効な教師データが作成された後、電磁環境（電波利用状況）が変化しない限り、教師データ作成部は、電磁波識別装置から切り離されてもよい。これにより、電磁波識別装置は、小型化され、不法電波源の位置を特定する不法無線探査車両への搭載が容易となる。

また、例えば、分類部は、波形サンプルをサンプリングした測定日時（受信時刻）に基づいて、波形サンプルをクラスタに分類してもよい。測定日時は、恒常的に使用される電磁波（例えば、携帯電話、テレビ、ラジオ）と、突発的に発生する電磁波（例えば、警察無線、消防無線、救急無線）とを識別する場合に、有効な特徴量となる。これにより、電磁波識別装置は、波形の振幅の統計量等の類似度分析結果と合わせて測定日時を比較すれば、電磁波を識別する精度を向上させることができる。

また、例えば、分類部は、類似度が互いに小さい３つ以上の波形サンプルを選択してもよい（図５のＳａ２）。例えば、分類部は、類似度が互いに小さい３つ以上の波形サンプルを選択した場合には、それぞれの波形サンプル間の類似度を変数とする多次元の変数を用いた分類（クラスタ分析）を実行してもよい。

また、例えば、出力部は、三次元の変数により分類されたクラスタを、立体的なグラフにして表示してもよい。これにより、ユーザは、識別された電磁波を視覚的に把握することができる。

また、例えば、電磁波が受信される予め定められた頻度及び時刻を示す情報は、外部の記憶媒体等に予め記憶されていてもよい。

なおまた、以上に説明した装置を実現するためのプログラムを、コンピュータ読み取り可能な記録媒体に記録し、そのプログラムをコンピュータシステムに読み込ませて実行するようにしてもよい。なおまた、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。更に「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。更に、前述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

１００…電磁波識別装置、１０１…取得部、１０２…類似度算出部、１０３…記憶部、１０４…類似度算出部、１０５…分類部、１０６…識別部、１０８…出力部、２００…電磁波識別装置、２０１…取得部、２０２…特徴量算出部、２０３…記憶部、２０４…類似度算出部、２０５…分類部、２０６…識別部、２０７…判定部、２０８…出力部、２１０…教師データ選出部

Claims (7)

1. 電磁波を識別する電磁波識別装置であって、
   所定周波数の通信信号を受信して、所定時刻毎に通信信号の時間波形データをサンプリングする取得部と、
   前記取得部における所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出部と、
   前記特徴量算出部によって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出部と、
   前記類似度算出部によって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類部と、
   前記分類部における所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別部と、
   前記識別部の結果を出力する出力部と、
   前記特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶部と
   を備える電磁波識別装置。
2. 前記識別部は、前記分類部における所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別すると共に、識別結果に基づいて、前記記憶部に保存された所定時間毎の振幅特徴量から教師データを選出し、
   前記識別部が選出した教師データと、前記取得部によって新たにサンプリングされ、前記特徴量算出部において算出された振幅特徴量との類似度に対して、所定のしきい値との大小関係を比較することによって、干渉が通信信号に発生しているか否かを判定する判定部
   を更に備える請求項１に記載の電磁波識別装置。
3. 前記振幅特徴量は、前記取得部における所定時間毎のサンプリングデータの振幅確率分布、及び振幅ヒストグラムである
   請求項１又は２に記載の電磁波識別装置。
4. 前記識別部は、前記分類結果におけるクラスタ間距離に基づいて、前記判定部における前記しきい値を自動的に決定する
   請求項２に記載の電磁波識別装置。
5. 前記識別部は、通信信号の受信頻度、及び受信された時刻のうち少なくとも１つに基づいて、前記電磁波を識別する
   請求項１から４のいずれか一項に記載の電磁波識別装置。
6. 電磁波を識別する電磁波識別装置における識別方法であって、
   所定周波数の通信信号を受信して、所定時刻毎に通信信号の時間波形データをサンプリングする取得ステップと、
   前記取得ステップにおける所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出ステップと、
   前記特徴量算出ステップによって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出ステップと、
   前記類似度算出ステップによって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類ステップと、
   前記分類ステップにおける所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別ステップと、
   前記識別ステップの結果を出力する出力ステップと、
   前記特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶ステップと
   を備える電磁波識別方法。
7. コンピュータに、
   所定周波数の通信信号を受信して、所定時刻毎に通信信号の時間波形データをサンプリングする取得機能と、
   前記取得機能における所定時間毎のサンプリングデータに基づいて、振幅特徴量を算出する特徴量算出機能と、
   前記特徴量算出機能によって算出された所定時間毎の振幅特徴量に対して類似度を算出する類似度算出機能と、
   前記類似度算出機能によって算出された類似度データに基づいて、所定時間毎の通信信号をクラスタ化する分類機能と、
   前記分類機能における所定時間毎の通信信号のクラスタ分析結果に基づいて、各クラスタを構成する通信信号毎に識別する識別機能と、
   前記識別機能の結果を出力する出力機能と、
   前記特徴量、類似度、クラスタ分析結果、及び識別結果を保存する記憶機能と
   を実現させるための電磁波識別プログラム。

Images