JP2019193049A - スペクトル解析プログラム、スペクトル解析方法およびスペクトル解析装置 - Google Patents

Abstract

【課題】ＣＳＳ信号が混在した無線環境であっても電力の検知感度の劣化を抑制しつつ、ＣＳＳ信号を含む各無線信号の特徴検出が行えること。【解決手段】スペクトル解析装置１００は、チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別する。ＦＦＴ演算部１０２は、ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で無線信号を高速フーリエ変換してスペクトルを得る。周波数領域最大化範囲演算部１０３は、一定周波数領域内の有効値を採用してスペクトルの周波数分解能を粗くして無線信号の持続時間を算出する。時間領域最大化範囲演算部１０５は、持続時間内の有効値を採用してスペクトルの時間分解能を粗くして無線信号の帯域幅を算出する。規格判別部１０７は、持続時間と帯域幅に基づき、各規格の無線信号の特徴を判別する。【選択図】図１

Description

本発明は、無線信号をスペクトル解析するスペクトル解析プログラム、スペクトル解析方法およびスペクトル解析装置に関する。

空中に飛んでいる無線信号の無線規格を自システムおよび他システムで判別し、可視化することで、自システムの所望波に対する無線干渉の状況を推定することができる。これにより、自システムに対して干渉源となる他システムの規格を把握でき、適切な無線干渉対策が行える。例えば、サブギガ帯では、ＬＰＷＡ（Ｌｏｗ Ｐｏｗｅｒ，Ｗｉｄｅ Ａｒｅａ）のＬｏＲａやＳｉｇｆｏｘ、Ｗｉ−ＳＵＮ、ＲＦＩＤ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ ＩＤｅｎｔｉｆｉｃａｔｉｏｎ）等の各種システムが混在している。

無線規格を可視化する可視化装置では、スペクトログラムを対象として各システムの無線信号の帯域幅を測定し、帯域幅により規格を粗く判別する一次処理を行う。この後、無線信号のベースバンド（ＢＢ）信号のｒａｗデータを対象として、無線規格を高精度に判別し、各無線規格の帯域占有状態を求める二次処理を行う。二次処理は、一次処理に対し解析精度が高く、解析速度が遅い。これら２段階の処理により、無線規格を高速かつ高精度に判別できる。

従来技術として、一次処理で無線パケットのスペクトル解析により、スペクトログラム上で横軸（帯域幅）と縦軸（パルス持続時間）のパルス領域が「長方形」であると仮定して、中心周波数、帯域幅等を解析する技術がある（例えば、下記特許文献１参照。）。また、超音波診断装置において、周波数分解能／時間分解能を調整する技術がある（例えば、下記特許文献２参照。）。

特表２００５−５２３６１６号公報 特開平１１−２８５４９５号公報

可視化装置の一次処理では、無線信号の電力の検知感度をなるべく劣化させずに（検知漏れを防いで）、帯域幅や持続時間を高分解能で測定したい要望がある。これにより、二次処理における無駄な演算を抑制でき、また、適切な干渉対策を提示できるようになる。

しかしながら、従来の一次処理では、チャープ（ＣＳＳ：Ｃｈｉｒｐ Ｓｐｒｅａｄ Ｓｐｅｃｔｒｕｍ）変調のパケット（ＣＳＳ信号）を解析することができない。ＣＳＳのパケットは、時間軸上で周波数が線形に変化（増加または減少）するスイープ形状の信号であるため、スペクトログラム上で「長方形」のパルス領域を得ることができない。このため、従来のスペクトル解析では、ＣＳＳ信号の帯域幅等を解析することができなかった。

これにより、一次処理において、ＣＳＳ信号について、電力の検知漏れを防ぎ、検知感度を劣化させない状態で、帯域幅や持続時間を高分解能で測定することができない。そして、自システムに対して干渉源となる他システムにＣＳＳ信号が含まれている無線環境の場合、このＣＳＳ信号の特徴を抽出して提示することができない。

ここで、仮にＣＳＳ信号を「長方形」と見做して一次処理する場合、時間分解能あるいは周波数分解能を粗くすることが考えられる。しかし、単に時間分解能あるいは周波数分解能を粗くした場合、検知感度や帯域幅、あるいは持続時間の判別の分解能が劣化してしまう。この状態で二次処理しても無線環境の各システムの規格を高精度に判別することはできない。

一つの側面では、本発明は、ＣＳＳ信号が混在した無線環境であっても電力の検知感度の劣化を抑制しつつ、ＣＳＳ信号を含む各無線信号の特徴検出が行えることを目的とする。

一つの案では、チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析プログラムにおいて、前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求め、一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出させ、前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出させ、前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別させる、処理をコンピュータに実行させることを要件とする。

一つの実施形態によれば、ＳＳ信号が混在した無線環境であっても電力の検知感度の劣化を抑制しつつ、ＣＳＳ信号を含む各無線信号の特徴検出が行えるという効果を奏する。

図１は、実施の形態にかかるスペクトル解析装置の機能を示すブロック図である。 図２は、実施の形態にかかるスペクトル解析装置のハードウェア構成例を示す図である。 図３は、実施の形態にかかるスペクトル解析装置における各種無線信号を検知するためのＦＦＴのパラメータ設定例を示す図である。 図４は、ＦＦＴのパラメータ調整のみでスペクトログラムを長方形化した場合の問題を説明する図である。 図５は、実施の形態にかかるスペクトル解析装置における各種無線信号のパルス領域を検知するための処理の説明図である。（その１） 図６は、実施の形態にかかるスペクトル解析装置における各種無線信号のパルス領域を検知するための処理の説明図である。（その２） 図７は、実施の形態にかかるスペクトル解析装置における各種無線信号のパルス領域を検知するための処理の説明図である。（その３） 図８は、実施の形態にかかるスペクトル解析装置における各種無線信号のパルス領域を検知するための処理の説明図である。（その４） 図９は、実施の形態にかかるスペクトル解析装置における最大値を用いて分解能を粗く設定する例を示す図である。 図１０は、実施の形態にかかるスペクトル解析装置におけるスペクトルパワーの最大値を採用する効果を説明する図である。（その１） 図１１は、実施の形態にかかるスペクトル解析装置におけるスペクトルパワーの最大値を採用する効果を説明する図である。（その２） 図１２は、実施の形態にかかるスペクトル解析装置の解析処理例を示すフローチャートである。 図１３は、実施の形態にかかるスペクトル解析装置により混雑した無線信号の規格の各パケット検知例を説明する図である。 図１４は、実施の形態にかかるスペクトル解析装置により混雑した無線信号の解析処理例を示すフローチャートである。 図１５は、実施の形態にかかるスペクトル解析装置によりＣＳＳ信号を長方形化する例の説明図である。 図１６は、ＬｏＲａ信号のスペクトル例を示す図である。 図１７は、ＬｏＲａ信号の長方形化の成功例と失敗例の説明図である。 図１８は、ＬｏＲａ信号のスペクトルを周波数方向に拡張した拡張スペクトルを示す図である。 図１９は、ＬｏＲａ信号のＵＰ−ＵＰケースの図である。 図２０は、ＬｏＲａ信号のＵＰ−ＤＯＷＮケースの図である。 図２１は、実施の形態にかかるスペクトル解析装置による無線信号の干渉対策例を示す図である。

（実施の形態）
図１は、実施の形態にかかるスペクトル解析装置の機能を示すブロック図である。実施の形態のスペクトル解析装置１００は、スペクトログラムを画像表示する可視化装置に設けられ、上述した一次処理を実行する。なお、可視化装置は、一次処理の処理結果に基づき、より詳細に解析する二次処理を実行する（詳細は後述する）。以下、スペクトル解析装置１００は、主に上述したＣＳＳ信号の一次処理を行う例を説明する。

スペクトル解析装置１００は、ＩＱ出力部１０１、ＦＦＴ演算部１０２、周波数領域最大化演算部１０３、周波数領域最大化範囲保存部１０４、時間領域最大化範囲演算部１０５、時間領域最大化範囲保存部１０６、規格判別部１０７を含む。ＦＦＴ演算部１０２〜規格判別部１０７の各機能は、混在した各規格の無線信号をそれぞれ可視化する解析部として機能する。

ＩＱ出力部１０１は、無線環境のＣＳＳ信号を含む各種システムの無線信号をアンテナを介して受信し、無線信号の高周波信号をベースバンド（ＢＢ）信号に変換し、ＩＱ値を出力する。

ＦＦＴ演算部１０２は、入力されるＩＱ値の高速フーリエ変換（ＦＦＴ：Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）を行う。ＦＦＴ演算部１０２による高速フーリエ変換により、ＣＳＳ信号を含む無線信号は、互いに直交する周波数軸および時間軸上で所定の領域を有する。

周波数領域最大化演算部１０３および時間領域最大化範囲演算部１０５は、受信した無線信号に含まれるＣＳＳ信号について、ＦＦＴ演算部１０２による高速フーリエ変換後の出力（スペクトル）を略「長方形」化した特徴のスペクトログラムを得るために設けられる。特徴である「長方形」は、周波数軸方向の帯域幅と、時間軸方向の持続時間とで囲まれた所定範囲の領域（パルス領域）である。

周波数領域最大化演算部１０３は、受信したＣＳＳ信号を含み各種規格の無線信号をスペクトログラム上で「長方形」化した特徴（パルス領域）を得るために、ＦＦＴで得たスペクトラムに対し、一定周波数領域内の有効値を採用して周波数分解能を粗くする。周波数領域最大化範囲保存部１０４は、周波数領域最大化演算部１０３で得た一定周波数領域内の最大値（周波数領域の最大値）を保存する。

時間領域最大化範囲演算部１０５は、受信したＣＳＳ信号を含み各種規格の無線信号をスペクトログラム上で「長方形」化した特徴（パルス領域）を得るために、ＦＦＴで得たスペクトラムに対し、持続時間内の有効値を採用して時間分解能を粗くする。時間領域最大化範囲保存部１０６は、時間領域最大化範囲演算部１０５で得た持続時間内の最大値（時間領域の最大値）を保存する。

これら周波数領域最大化演算部１０３、および時間領域最大化範囲演算部１０５は、ＦＦＴパラメータの変更により、初期設定の分解能を変化させた際の周波数領域の有効値および時間領域の有効値を演算する。実施の形態では、これら有効値の例として最大値を用いた説明を行う。

そして、ＦＦＴ演算後のスペクトルに対し、はじめに周波数領域最大化演算部１０３で周波数領域の最大値を演算したとする。この場合、その後、周波数分解能を元に戻しＦＦＴで得たスペクトルに対し、時間領域最大化範囲演算部１０５で時間領域の最大値を演算する。

規格判別部１０７は、受信した無線信号の規格（システム）を判別する。規格判別部１０７は、周波数領域最大化範囲保存部１０４に保存した周波数領域の最大値に基づく電力検知により無線信号の持続期間を判別する。また、規格判別部１０７は、時間領域最大化範囲保存部１０６に保存した時間領域の最大値に基づき無線信号の帯域幅を判別する。そして、規格判別部１０７は、これら判別した持続期間と帯域幅に基づき、受信した無線信号の無線規格を判別する。

規格判別部１０７の判別結果は、可視化装置の一次処理の処理結果であり、粗い判別結果である。可視化装置は、この規格判別部１０７の粗い判別結果に基づき、無線信号のＢＢ信号のｒａｗデータを対象として、各無線規格の帯域占有状態を求め、無線規格を高精度に判別する。

図２は、実施の形態にかかるスペクトル解析装置のハードウェア構成例を示す図である。スペクトル解析装置１００は、ＰＣやソフトウェア解析ボード等の解析部２０１と、ソフトウェア無線部２０２とを含む。

ソフトウェア無線部２０２は、アンテナ２１１、ＲＦＩＣ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）２１２を含み、アンテナ２１１で受信した無線信号（高周波信号）をＢＢ信号に変換し、ＩＱ値を出力する。ＲＦＩＣ２１２は、図１に示すスペクトル解析装置１００のＩＱ出力部１０１の機能を実現する。

解析部２０１は、ＣＰＵ２２１、ＲＯＭ２２２、ＲＡＭ２２３を含む。解析部２０１はソフトウェア無線部２０２から出力されたＩＱ信号に基づき、無線信号を可視化する解析を行い、解析結果を図示しない表示部等に表示出力する。

解析部２０１のＣＰＵ２２１は、ＲＯＭ２２２に格納されたプログラムを実行し、この際、ＲＡＭ２２３を作業用のデータ領域に使用することで、図１に示すスペクトル解析装置１００の各機能（ＦＦＴ演算部１０２〜規格判別部１０７）を実現する。

図３は、実施の形態にかかるスペクトル解析装置における各種無線信号を検知するためのＦＦＴのパラメータ設定例を示す図である。横軸は周波数分解能［ｋＨｚ］（帯域幅）、縦軸は時間分解能［ｍｓ］（持続時間）である。ＦＦＴ理論（Ｙ＝１／Ｘ）により、ＦＦＴ演算部１０２に設定可能な領域は、ＦＦＴ理論のライン３０１より図の右上の領域である。ＦＦＴ理論のライン３０１より図の左下の領域のＦＦＴパラメータ設定では、無線信号の各規格のいずれも「長方形」化したパルス領域が得られない。

また、無線信号の広帯域信号（例えばＷｉ−ＳＵＮ）の検知感度を最大化するのは図中ライン３０２より図の下の領域である。また、無線信号の狭帯域信号（例えばＳｉｇｆｏｘ）の検知感度を最大化するのは図中ライン３０３より図の左側の領域である。

ここで、狭帯域信号および広帯域信号をいずれも検知感度が劣化せずに検出可能な領域は、ライン３０２より下に位置し、かつ、ライン３０３より左に位置する領域Ｐである。但し、この領域Ｐの設定パラメータでＦＦＴを行うとＣＳＳ信号は検出できず、ＣＳＳが検出可能な設定パラメータに変更して再度のＦＦＴが必要となる。

そして、発明者等の考察の結果、ＣＳＳ信号（例えばＬｏＲａ）を長方形化可能な領域は、図３に示すＬｏＲａ理論のライン３０４より図の右上の領域Ｓであることが分かった。ＬｏＲａ理論のライン３０４は、一端ａと他端ｂを繋ぐ非直線状の曲線である。

図３に示すように、無線信号の各規格別にＦＦＴの設定パラメータ（周波数分解能および時間分解能）は異なる。また、ＦＦＴ（ＦＦＴ演算部１０２）のパラメータを設定することによって、ＣＳＳ信号を「長方形」と見做すパルス領域を得ることができる。すなわち、ＬｏＲａ理論のライン３０４より図の右上の領域Ｓ内に設定することで、ＣＳＳ信号を「長方形」化し、特徴抽出（帯域幅およびパルス持続時間からなる長方形状のパルス領域のスペクトル）を得ることができる。

そして、ＬｏＲａ理論のライン３０４より図の右上の領域Ｓ内で、かつ（１）時間分解能を粗くした領域３０４ａでは、ＣＳＳ信号の検知に加えて、狭帯域信号のパルス領域を検知できるようになる。また、ＬｏＲａ理論のライン３０４より図の右上の領域Ｓ内で、かつ（２）周波数分解能を粗くする領域３０４ｂでは、ＣＳＳ信号に加えて、広帯域信号のパルス領域を検知できるようになる。

ここで、実施の形態によるＬｏＲａ理論のライン３０４（領域Ｓ）のパラメータ設定を用いずに、単に一方の時間分解能だけ、あるいは他方の周波数分解能だけを粗く設定しただけでは、検知感度や帯域幅、あるいは持続時間の分解能も低下してしまう。この問題を以下に説明する。

図４は、ＦＦＴのパラメータ調整のみでスペクトログラムを長方形化した場合の問題を説明する図である。図４（ａ）には、各種無線信号の規格別のパケットのスペクトログラムを示す。横軸は周波数Ｆ（Ｆｒｅｑｕｅｎｃｙ）、縦軸は時間Ｔ（Ｔｉｍｅ）である。便宜上、横軸の一軸上の異なる周波数部分に各無線信号の規格を整列して示したが、それぞれの無線信号の規格に対応する位置に現れる。ＦＦＴは、以下に説明する周波数と時間の変換に限らず、帯域幅と持続時間の変換を行うこととしてもよい。

図４（ａ）に示すように、Ｓｉｇｆｏｘ等の狭帯域のパケット４０１は、例えば帯域幅が〜２００Ｈｚと狭帯域である。また、Ｗｉ−ＳＵＮ等の広帯域のパケット４０２は、例えば、異なる時間軸上の複数の帯域を有し、各帯域幅が〜２００ｋＨｚと広帯域である。また、ＬｏＲａ等のＣＳＳ信号のパケット４０３は、時間軸および周波数軸のいずれに対しても連続変化するスイープ状の複数の帯域を有する。

そして、時間分解能を粗くした場合、図４（ｂ）に示すように、狭帯域のパケット４０１では影響が生じないが、広帯域のパケット４０２ａおよびＣＳＳ信号のパケット４０３ａは、ノイズ成分が重畳し、検知感度が劣化する。また、持続時間判別の分解能も劣化する。この際、広帯域のパケット４０２ａおよびＣＳＳ信号のパケット４０３ａのパルス領域は、時間軸方向に間延びして視覚上ぼやけた如く見えにくくなり、特に、パルス領域の持続時間が不鮮明になる。

一方、周波数分解能を粗くした場合、図４（ｃ）に示すように、広帯域のパケット４０２では影響が生じないが、狭帯域のパケット４０１ｂおよびＣＳＳ信号のパケット４０３ｂは、ノイズ成分が重畳し、検知感度が劣化する。また、帯域幅判別の分解能も劣化する。この際、狭帯域のパケット４０１ｂおよびＣＳＳ信号のパケット４０３ｂのパルス領域は、視覚上ぼやけた如く見えにくくなり、特に、帯域幅が不鮮明になる。

図５〜図８は、実施の形態にかかるスペクトル解析装置における各種無線信号のパルス領域を検知するための処理の説明図である。

実施の形態のスペクトル解析装置１００は、以下のステップ１．〜５．の手順で処理を行う。
ステップ１．所望の分解能で受信した無線信号の高速フーリエ変換（ＦＦＴ）を行う。
ステップ２．ＣＳＳ信号をスペクトログラム上で「長方形」化できるよう、一定周波数領域内の最大値を採用して周波数分解能を粗くする。
ステップ３．時間方向で持続時間を算出する。
ステップ４．周波数分解能をステップ１．の分解能に戻し、持続時間の最大値を採用して時間分解能を粗くする。
ステップ５．周波数方向で帯域幅を算出する。

はじめに、上記のステップ１．では、スペクトル解析装置１００は、狭帯域のパケット４０１および広帯域のパケット４０２をいずれも高感度に検知できる所望の分解能で受信した無線信号の高速フーリエ変換（ＦＦＴ）を行う。具体的には、ＦＦＴ演算部１０２は、ＦＦＴの設定パラメータ（周波数分解能および時間分解能）を図３に示したＬｏＲａ理論のライン３０４より図の右上の領域Ｓ内に設定し、ＦＦＴ変換を行う。

つぎに、上記ステップ２．では、図５に示すように、スペクトル解析装置１００は、ＣＳＳ信号をスペクトログラム上で「長方形」化するための１回目の処理を行う。図５（ａ）は、図４（ａ）と同様である。

ここで、スペクトル解析装置１００（周波数領域最大化演算部１０３）は、図５（ｂ）に示すように、ＦＦＴ結果（スペクトル）における一定周波数領域内の最大値を採用して周波数分解能を粗くする（図３の（２）周波数分解能が粗い領域）。これにより、例えば、広帯域のパケット４０２は、周波数分解能を粗くした前後のパルス領域の分解能は変わらない（一つのブロック５０２）。これに対し、狭帯域のパケット４０１とＣＳＳ信号のパケット４０３は、周波数軸上で一定な大きさ（一定周波数領域）で、時間軸上で複数に分割され積み重なった方形状の複数のブロック５０１，５０３に変換される。ここで、各ブロック５０１〜５０３は、それぞれブロック５０１〜５０３の一定周波数領域内の複数スロットのうち、スペクトルパワー値の最大値を保持する。

各ブロック５０１〜５０３は、複数のスロットに対応して、周波数軸方向に所定の（粗い周波数分解能を有し、また、時間軸方向に所定の時間分解能を有する。各ブロック５０１〜５０３は、元の分解能（上記ステップ１．の所望の分解能）Ａに比べて、周波数軸方向に周波数分解能を粗くしたものである。

周波数領域最大化演算部１０３の演算により求められた各ブロック５０１〜５０３の時間軸および周波数軸上の範囲は、周波数領域最大化範囲保存部１０４に保存される。

つぎに、上記ステップ３．では、図６に示すように、スペクトル解析装置１００は、各ブロック５０１〜５０３について、時間方向の持続時間を算出する。この際、スペクトル解析装置１００（規格判別部１０７）は、画像処理等により、各ブロック５０１〜５０３が有する時間軸方向上のブロック数により持続時間を算出する。

例えば、図６の例では、広帯域のパケット４０２のブロック５０２では一つのブロックに相当する持続時間を算出する。また、狭帯域のパケット４０１とＣＳＳ信号のパケット４０３に対応するブロック５０１、５０３では、時間軸方向に積み上げられたブロック数に基づき、持続時間を算出する。規格判別部１０７は、各無線信号のパケット４０１〜４０３に対応する持続時間をそれぞれ保持しておく。

つぎに、上記ステップ４．では、図７に示すように、スペクトル解析装置１００は、ＣＳＳ信号をスペクトログラム上で「長方形」化するための２回目の処理を行う。図７（ａ）は、図４（ａ）と同様である。

はじめに、図７（ａ）に示すように、スペクトル解析装置１００は、周波数分解能を当初のステップ１．の分解能に戻す。この後、図７（ｂ）に示すように、スペクトル解析装置１００（時間領域最大化範囲演算部１０５）は、ＦＦＴ結果（スペクトル）における持続時間内の最大値を採用して時間分解能を粗くする。

これにより、例えば、狭帯域のパケット４０１は、縦軸の時間軸上で持続時間に対応した一定な大きさで、横軸の周波数軸上で複数に分割された方形状の複数のブロック７０１に変換される。広帯域のパケット４０２については、縦軸の時間軸上で持続時間に対応した一定な大きさで、横軸の周波数軸上で複数に分割された方形状の複数のブロック７０１に変換される。ＣＳＳ信号のパケット４０３についても、縦軸の時間軸上で持続時間に対応した一定な大きさで、横軸の周波数軸上で複数に分割された方形状の複数のブロック７０３に変換される。

各ブロック７０１〜７０３は、複数のスロットに対応して、周波数軸方向に所定の周波数分解能を有し、また、時間軸方向に粗い時間分解能を有する（図３の（１）時間分解能が粗い領域）。各ブロック７０１〜７０３は、当初の分解能（上記ステップ１．の所望の分解能）Ａに比べて、時間軸方向に時間分解能を粗くしたものである。

時間領域最大化範囲演算部１０５の演算により求められた各ブロック７０１〜７０３の時間軸および周波数軸上の範囲と、持続時間は、時間領域最大化範囲保存部１０６に保存される。

最後に、図８に示すように、スペクトル解析装置（規格判別部１０７）は、ステップ５．周波数方向で帯域幅を算出する。図７に示したように、各ブロック７０１〜７０３は時間軸方向に所定の持続時間を有している。また、図８に示した周波数軸方向について所定の帯域幅を有している。規格判別部１０７は、画像処理等でこの各ブロック７０１〜７０３のパルス領域の大きさを判別することで、各ブロック７０１〜７０３の帯域幅を算出する。なお、狭帯域のパケット４０１に対応するブロック７０１は、図８の例では、中央の１ブロックのみが所定のスペクトルパワー（検知出力）された状態であり、この１ブロックに対応する帯域幅を求める。

以上により、狭帯域のパケット４０１、広帯域のパケット４０２、さらにはＣＳＳ信号のパケット４０３のそれぞれについて、無線信号の規格別の持続時間と帯域幅からなるパルス領域を求めることができる。

図９は、実施の形態にかかるスペクトル解析装置における最大値を用いて分解能を粗く設定する例を示す図である。図９（ａ）は、ＣＳＳ信号のパケット４０３のスペクトルパワー値をスロット（ある周波数、時間）単位で示した図である。ＣＳＳ信号のパケット４０３は、図示のように、左下から右上に向けてスペクトルパワーが大きいチャープを有しているとする。

この場合、スペクトル解析装置１００において最大値を採用して時間分解能を粗くする場合、図９（ａ）に示した周波数軸および時間軸が複数（４×６）で分割されたスペクトルパワーのうち時間軸上の最大値を採用する。例えば、最も左側（低周波側）の周波数軸上で時間軸方向に沿った６個については、最大値として「１２」を採用し、最も右側（高周波側）の周波数上で時間軸方向に沿った６個については、最大値として「１５」を採用する。

この結果、スペクトル解析装置１００（時間領域最大化範囲演算部１０５）は、図９（ｂ）に示すように、周波数軸方向に沿って４つの最大値「１２」、「１４」、「１２」、「１５」を設定する。

図９は、時間分解能について最大値を用いて分解能を粗く設定する例を示したが、同様の手法で、周波数分解能ついても最大値を用いて分解能を粗く設定できる。

図１０、図１１は、実施の形態にかかるスペクトル解析装置におけるスペクトルパワーの最大値を採用する効果を説明する図である。図１０の横軸はＦＦＴ演算上の各ポイント（周波数または時間［ｐｏｉｎｔ］）、縦軸は信号強度［ｖａｌｕｅ］である。図１０（ａ）は、受信した無線信号の元の信号（データ）を示す図であり、ノイズＮ上で、所定のポイントに信号成分ｓが突出する。

そして、上述したように、分解能を粗くする際にスペクトルパワーの最大値を採用したときの状態を図１０（ｂ）に示す。この図１０に示すように、最大値を採用したポイントでの信号成分ｓ１の信号強度は、他のポイントでの信号強度に比して突出度が高く、ノイズに埋もれにくくできる。このように、分解能を粗くする際に最大値を採用することで、スペクトル解析装置１００の受信感度劣化を抑制できる。

これに対し、図１０（ｃ）は、分解能を粗くする際にスペクトルパワーの平均値を採用したときの状態を示す図である。この場合、平均値を採用したポイントでの信号成分ｓ２の信号強度は、他のポイントでの信号強度との差分が少なくなり、ノイズに埋もれやすくなる。

また、図１１は、サブギガ帯における受信感度劣化の度合いを示す図表である。横軸が分解能を粗くする度合い［倍］、縦軸がＳＮＲ（Ｓｉｇｎａｌ−Ｎｏｉｓｅ Ｒａｔｉｏ）［ｄＢ］である。元の分解能におけるＳＮＲ＝０ｄＢとして、分解能を順次粗くしたときのシミュレーション結果を示す。図１１において、例えば、１０００倍粗くした場合、スペクトルパワーの平均値を採用した場合のＳＮＲは−３０ｄＢであるのに比して、スペクトルパワーの最大値を採用した場合のＳＮＲは−１０ｄＢ以下である。この場合、２０ｄＢの差異が生じており、さらに分解能を粗くする程、差分が拡大していく。

図１２は、実施の形態にかかるスペクトル解析装置の解析処理例を示すフローチャートである。以下に説明する処理は、例えば、図２に示した解析部２０１のＣＰＵ２２１が順次実行する。

はじめに、ＣＰＵ２２１は、無線信号を受信処理したＲＦＩＣ２１２のＢＢ信号を所望の分解能でＦＦＴし（ステップＳ１２０１）、ＦＦＴ結果（スペクトル）を得る。この際の分解能は、狭帯域のパケット４０１および広帯域のパケット４０２をいずれも高感度に検知できる分解能（例えば、図３の領域Ｓの範囲内）とする。

つぎに、ＣＰＵ２２１は、ステップＳ１２０１で用いた分解能よりも周波数分解能を粗くし（ステップＳ１２０２）、このときのスペクトルパワー（電力）を検知する（ステップＳ１２０３）。このとき、ＣＰＵ２２１は、一定周波数領域内のスペクトルパワーの最大値を採用して周波数分解能を粗くする。

つぎに、ＣＰＵ２２１は、周波数分解能を粗くしたときに得た持続時間を判別する（ステップＳ１２０４、図６参照）。

つぎに、ＣＰＵ２２１は、周波数分解能を元の状態（ステップＳ１２０１実行時）に戻し、元のスペクトルにおいて、時間分解能を粗くし（ステップＳ１２０５）、このときのスペクトルパワーにより帯域幅を判別する（ステップＳ１２０６、図８参照）。このとき、ＣＰＵ２２１は、持続時間内のスペクトルパワーの最大値を採用して時間分解能を粗くする。

つぎに、ＣＰＵ２２１は、粗い規格判別を行う（ステップＳ１２０７）。すなわち、上述した一次処理において、検知した持続時間と帯域幅を有するパルス領域に基づき、受信した各無線信号の規格を判別する。そして、判別結果を出力し（ステップＳ１２０８）、以上の一次処理を終了する。一次処理で出力した判別結果は、可視化装置の二次処理を行う処理部に出力される。二次処理では、無線信号のＢＢ信号のｒａｗデータを対象として、プリアンブル相関演算を行って無線規格を高精度に判別し、各無線規格の帯域占有状態を求める。なお、実施の形態のスペクトル解析装置１００は、一次処理だけではなく、二次処理についても実行してもよい。

上記解析処理例では、はじめにＦＦＴ結果（スペクトル）の周波数分解能を粗くして持続時間を判別した後、周波数分解能を元に戻し、時間分解能を粗くして帯域幅を判別した。これに限らず、解析順を入れ替えて、はじめにＦＦＴ結果（スペクトル）の時間分解能を粗くして帯域幅を判別した後、時間分解能を元に戻し、周波数分解能を粗くして持続時間を判別してもよい。

図１３は、実施の形態にかかるスペクトル解析装置により混雑した無線信号の規格の各パケット検知例を説明する図である。図１３の横軸は周波数Ｆ、縦軸は時間Ｔである。図１３（ａ）の上半部には、異なる規格の無線信号が隣接した例であり、ＣＳＳ信号のパケット４０３と広帯域のパケット４０２とが周波数軸方向で隣接した例を示す。

このように、無線が混雑した無線環境では、上述した処理で分解能を粗くしたとする（上記のステップ２．の処理に相当、ｔ：時間分解能を粗くする範囲）。この場合、図１３（ａ）の下半部に示すように、ＣＳＳ信号のパケット４０３と広帯域のパケット４０２とが一体化したパルス領域のブロック１３０１として表れてしまう。この場合、ＣＳＳ信号のパケット４０３と広帯域のパケット４０２とを区別した規格判別が行えなくなる。なお、無線信号のパケットが到来する時間は不定であるため、パケット毎に合わせて時間分解能の範囲を定めることはできない。

しかしながら、チャネル（ＣＨ）が定義されている帯域であれば、ＣＨ単位で定義された範囲にのみパケットが存在する。実施の形態では、このＣＨ定義を利用する。

すなわち、上記のステップ２．周波数分解能を粗くする際、図１３（ｂ）の上半部に示すように、周波数分解能を粗くする範囲は、受信する無線信号の帯域で定義されたＣＨ帯域幅、またはＣＨ帯域幅の整数分の一とする。

これにより、図１３（ｂ）の下半部に示すように、ＣＳＳ信号のパケット４０３に対応するパルス領域のブロック１３０３と、広帯域のパケット４０２に対応するパルス領域のブロック１３０２とを異なるブロックとして表すことができる。これにより、ＣＳＳ信号のパケット４０３をブロックと広帯域のパケット４０２とを区別した規格判別が行えるようになる。

図１４は、実施の形態にかかるスペクトル解析装置により混雑した無線信号の解析処理例を示すフローチャートである。以下に説明する処理は、例えば、図２に示した解析部２０１のＣＰＵ２２１が順次実行する。

はじめに、ＣＰＵ２２１は、無線信号を受信処理したＲＦＩＣ２１２のＢＢ信号を所望の分解能でＦＦＴし（ステップＳ１４０１）、ＦＦＴ結果（スペクトル）を得る。この際の分解能は、狭帯域のパケット４０１および広帯域のパケット４０２をいずれも高感度に検知できる分解能（例えば、図３の領域Ｓの範囲内）とする。

つぎに、ＣＰＵ２２１は、ステップＳ１４０１で用いた分解能よりも周波数分解能を粗くし（ステップＳ１４０２）、このときのスペクトルパワー（電力）を検知する（ステップＳ１４０３）。このとき、ＣＰＵ２２１は、周波数分解能をＣＨ帯域幅またはＣＨ帯域幅の整数分の一の範囲で周波数分解能を粗くする。

つぎに、ＣＰＵ２２１は、周波数分解能を粗くしたときに得た持続時間を判別する（ステップＳ１４０４、図１３参照）。

つぎに、ＣＰＵ２２１は、周波数分解能を元の状態（ステップＳ１４０１実行時）に戻し、元のスペクトルにおいて、時間分解能を粗くし（ステップＳ１４０５）、このときのスペクトルパワーにより帯域幅を検知する（ステップＳ１４０６、図１３参照）。このとき、ＣＰＵ２２１は、持続時間内のスペクトルパワーの最大値を採用して時間分解能を粗くする。

つぎに、ＣＰＵ２２１は、粗い規格判別を行う（ステップＳ１４０７）。すなわち、上述した一次処理において、検知した持続時間と帯域幅を有するパルス領域に基づき、受信した各無線信号の規格を判別する。そして、判別結果を出力し（ステップＳ１４０８）、以上の一次処理を終了する。一次処理で出力した判別結果は、可視化装置の二次処理を行う処理部に出力される。

図１５は、実施の形態にかかるスペクトル解析装置によりＣＳＳ信号を長方形化する例の説明図である。図１５の横軸は周波数Ｆ、縦軸は時間Ｔである。図１５（ａ）には、ＣＳＳ信号としてＬｏＲａを示す。ＬｏＲａは、ある決まった周波数変化率（ＢａｎｄＷｉｄｔｈ／Ｓｙｍｂｏｌ Ｔｉｍｅ）でチャープを行い、各シンボル（Ｓｙｍｂｏｌ）毎に初期位相（周波数）が定められ、その初期位相にビット情報を付与して変調を行う無線方式である。図中〇は各シンボルの初期位相である。ＢａｎｄＷｉｄｔｈは、帯域幅ＢＷであり、Ｓｙｍｂｏｌ Ｔｉｍｅは、時間幅ＳＴである。

図１５（ｂ）には、ＣＳＳ信号を「長方形」化する領域を示す。上述した分解能を粗くする処理（ステップＳ１２０２、ステップＳ１２０５、ステップＳ１４０２、ステップＳ１４０５）の範囲は、図１５（ｂ）の領域Ｓとすることで、ＣＳＳ信号の「長方形」化が実現できる。領域Ｓは、一端ａが２×Ｓｙｍｂｏｌ Ｔｉｍｅ、他端ｂがＢａｎｄＷｉｄｔｈ（ＢＷ：帯域幅）であり、この図１５の例では、一端ａと他端ｂを繋ぐ直線上のライン３０４により領域Ｓを示している。この領域Ｓは、より詳細には、図３に示すように、ＬｏＲａ理論のライン３０４より図の右上の領域Ｓに相当する。

（ＣＳＳ信号を長方形化する範囲の設定例）
つぎに、図１６〜図２０を用いてスペクトルを「長方形」化するための時間あるいは周波数のパラメータの設定例を説明する。ここでは、上述したＣＳＳ信号（ＬｏＲａ）について、「最大値を採用して（時間あるいは周波数）を粗くする範囲」の設定例について説明する。以下の説明では、上述した「スロット」を「長方形化ｂｉｎ」として説明する。

実施の形態では、「最大値を採用してＦＦＴを粗くする範囲」をスロットと定義したとき、ＣＳＳ信号が存在するパルス領域内のいずれのスロットにもＣＳＳ信号（ＬｏＲａ）のエネルギーが含まれるように範囲を定める。

１．ＬｏＲａ検知用のスペクトル長方形化パラメータの制約について
ＬｏＲａのスペクトルは、時間軸上で周波数が線形に変化するスイープ形状となるが、スペクトル解析でパケットとして検知するためには、ＦＦＴ結果（スペクトル）を「長方形」化する処理が必要となる。このため、実施の形態では、一定の周波数範囲Ｆ_recおよび時間範囲Ｔ_recの最大値を採用して、ＦＦＴ分解能を一時的に粗くする処理を行う。以下、Ｆ_recおよびＴ_recの値の決め方について説明する。

図１６は、ＬｏＲａ信号のスペクトル例を示す図である。横軸は時間、縦軸は周波数である。ＬｏＲａ信号１６０１は、帯域幅ＢＷ（ＢａｎｄＷｉｄｔｈ）および時間幅ＳＴ（Ｓｙｍｂｏｌ Ｔｉｍｅ）の範囲で線形にＣＳＳ変調が行われ、ＳＴの周期でシンボル内の初期周波数（図中の〇印「初期位相」）が再設定される。ＬｏＲａ信号１６０１は、ＵＰチャープ（周波数が徐々に高くなるチャープ）１６０１ａのほかに、ＤＯＷＮチャープ（周波数が徐々に高くなるチャープ）１６０１ｂのいずれも存在する。

図１７は、ＬｏＲａ信号の長方形化の成功例と失敗例の説明図である。ここで、長方形化する各ブロックは「長方形化ｂｉｎ」と定義する。図１７の横軸は時間、縦軸は周波数である。図１７（ａ）は「長方形」化の成功例、図１７（ｂ）は「長方形」化の失敗例である。図１７（ａ）のように、ＬｏＲａ信号１６０１のチャープ状態に対し適切な大きさの長方形化の範囲（長方形化ｂｉｎ）１７０１を設定したときには、ＬｏＲａ信号１６０１全体の領域を「長方形」１７０３にできる。一方、図１７（ｂ）のように、ＬｏＲａ信号１６０１のチャープ状態に対し小さい長方形化の範囲（長方形化ｂｉｎ）１７０２の場合には、ＬｏＲａ信号１６０１が存在する一部の領域（図中白色の領域）を長方形化することができない。この場合、全体の領域の一部が歯抜けした如く複数の「長方形」１７０４化の範囲（長方形化ｂｉｎ）１７０４が生じてしまう。

長方形化の範囲である周波数範囲Ｆ_recと時間範囲Ｔ_recは、充分大きい値である必要がある。具体的には、ＬｏＲａ信号１６０１が到来した際に、いずれの長方形化ｂｉｎにもＬｏＲａ信号１６０１（チャープ信号のエネルギー）が含まれている必要がある。

つぎに、ＬｏＲａ信号１６０１がＵＰチャープからＵＰチャープに遷移するケース（ＵＰ−ＵＰ）と、ＵＰチャープからＤＯＷＮチャープに遷移するケース（ＵＰ−ＤＯＷＮ）のそれぞれの「長方形」化の設定例について説明する。また、あるシンボルと次シンボルとの初期位相の差をａＢＷ（０≦ａ≦１）とする。

図１８は、ＬｏＲａ信号のスペクトルを周波数方向に拡張した拡張スペクトルを示す図である。以下、ＬｏＲａ信号１６０１のスペクトルを図１８に示すように、周波数方向に拡張した拡張スペクトル１８００を用いて説明する。この拡張スペクトル１８００は、周波数方向にＢＷ周期で元のＬｏＲａ信号１６０１のスペクトルのコピー１８０１を複数（無限）配置した配列である。

この拡張スペクトル１８００を用いることで、境界値条件を無視した設定が可能となる。拡張スペクトル１８００上でいずれの位置に存在する長方形化ｂｉｎにもＬｏＲａ信号１６０１のエネルギーが含まれていれば、実際のＬｏＲａ信号１６０１の検知にも、設定したパラメータが適用できる。境界値条件を無視するため、長方形化ｂｉｎは、完全な長方形とはならず歪んだ長方形となるが、スペクトル解析ではこの程度の歪みは補正可能である。

図１９は、ＬｏＲａ信号のＵＰ−ＵＰケースの図である。長方形化ｂｉｎの位置の最悪ケースとして、長方形化ｂｉｎの中の時間方向に最も小さく周波数方向に最も大きい点（長方形化ｂｉｎの左上）がチャープの線上に一致している場合について説明する。この場合、長方形化ｂｉｎの左上を通過するＬｏＲａ信号１６０１のエネルギーは、長方形化ｂｉｎには含まれない。

このとき、一致している点の初期位相との周波数差をｂＢＷ（０≦ｂ≦１）とする。長方形化ｂｉｎの範囲内に少なくとも１点はＬｏＲａ信号１６０１が含まれるようにするＦ_recおよびＴ_recの値の範囲は、ａ、ｂ、Ｆ_rec、Ｔ_recの関係性から、図１９の（１）〜（４）の４つのケースに分類でき、下記式１のように定式化できる。

以上より、式１がいずれのａ、ｂ（０≦ａ≦１、０≦ｂ≦１）でも成り立つ条件は下記式２に示される。

図２０は、ＬｏＲａ信号のＵＰ−ＤＯＷＮケースの図である。ＵＰ−ＵＰ同様に、最悪ケースとして長方形化ｂｉｎの左上がチャープの線上に一致している場合、一致している点の初期位相との周波数差をｂＢＷ（０≦ｂ≦１）とする。長方形化ｂｉｎの範囲内に少なくとも１点はＬｏＲａ信号が含まれるようにするＦ_recおよびＴ_recの値の範囲は、ａ、ｂ、Ｆ_rec、Ｔ_recの関係性から、図２０の（５）〜（８）の４つのケースに分類でき、下記式３のように定式化できる。

以上より、式３がいずれのａ、ｂ（０≦ａ≦１、０≦ｂ≦１）でも成り立つ条件は、下記式４で示される。

そして、ＵＰ−ＵＰのケースおよびＵＰ−ＤＯＷＮのケース両方に対応可能なＦ_recおよびＴ_recの値の範囲は上記式２と上記式４を両方とも満たす必要がある。これら式２と式４は同一であるため、Ｆ_recおよびＴ_recの値は下記式５を満たすよう設定すればよいことになる。

図２１は、実施の形態にかかるスペクトル解析装置による無線信号の干渉対策例を示す図である。実施の形態の無線信号の可視化装置、すなわち上記スペクトル解析装置１００は、互いに無線通信を行う通信端末２１０５（２１０５ａ，２１０５ｂ）の無線環境下に設置することで、通信端末２１０５ａ，２１０５ｂの無線通信に対する干渉波を可視化できる。

通信端末２１０５ａ，２１０５ｂの通信周波数（例えばサブギガ帯）の干渉源としては、上述した狭帯域信号のパケットを送信するＳｉｇｆｏｘ等の通信端末２１０１、高帯域信号のパケットを送信するＷｉ−ＳＵＮ等の通信端末２１０２がある。また、ＣＳＳ信号のパケットを送信するＬｏＲａ等の通信端末２１０３、通信端末２１０５と同様のＲＦＩＤを有する通信端末２１０４等がある。

スペクトル解析装置１００は、上記の一次処理により、これら干渉源となる各種無線規格の信号のスペクトルを「長方形」化して表示することができる。なお、可視化装置（スペクトル解析装置１００）は、一次処理後、上述した二次処理により、通信端末２１０５に干渉する干渉波を可視化して表示する。ここで、実施の形態によれば、狭帯域信号や広帯域信号のパケットに限らず、ＣＳＳ信号についても無線信号を可視化して表示できる。これにより、実施の形態のスペクトル解析装置１００によれば、例えば通信端末２１０５に対し、ＣＳＳ信号の通信端末２１０３からの干渉の有無を判別でき、干渉時にはＬｏＲａの送信出力を下げるなどの干渉対策を施せるようになる。

以上説明した実施の形態によれば、ＣＳＳ信号を含み各規格の無線信号が混在する無線環境においても、各規格別の無線信号を判別できるようになる。この際、ＣＳＳについて、電力の検知感度劣化を抑制しつつ、ＣＳＳ信号の特徴を検出できるようになる。

この際、無線信号のうち、ＣＳＳ信号を検知可能な所定の周波数分解能および時間分解能を有して高速フーリエ変換（ＦＦＴ）をおこなうことで、ＣＳＳ信号を含む無線信号の特徴検出が可能となる。より具体的には、ＣＳＳ信号が所定の帯域幅およびシンボル時間幅内で所定の周波数変化率を有してチャープする。このＣＳＳ信号の周波数分解能を粗くする場合、および時間分解能を粗くする場合のそれぞれでは、周波数軸上の帯域幅と、時間軸上で２倍の前記シンボル時間幅とを結んだ特性のラインより粗い領域Ｓ内に周波数分解能および時間分解能を設定する。

そして、ＦＦＴ後、一定周波数領域内の有効値を採用してスペクトラムの周波数分解能を粗くすることで、ＣＳＳ信号を含む無線信号の持続時間を算出できる。この後、持続時間内の有効値を採用してスペクトラムの時間分解能を粗くすることで、無線信号の帯域幅を算出できる。そして、これら持続時間と帯域幅に基づき、各規格の無線信号の特徴を判別できるようになる。これに限らず、ＦＦＴ後、一定時間領域内の有効値を採用してスペクトラムの時間分解能を粗くして無線信号の帯域幅を算出した後、帯域幅内の有効値を採用してスペクトラムの周波数分解能を粗くして、無線信号の持続時間を算出することもできる。

また、単に周波数分解能あるいは時間分解能のパラメータ調整でＦＦＴを行うだけの従来方式と比較して、実施の形態ではＣＳＳ信号が含まれた無線信号であっても電力の検知感度劣化を抑制しつつ、帯域幅・持続時間を高分解能で測定できる作用効果を有する。また、復調する規格によって帯域幅・持続時間等を取得する従来方式と比較して、実施の形態では処理時間を大幅に削減できる作用効果を有する。

また、実施の形態では、可視化するスペクトログラム上で持続時間および帯域幅を有する略長方形状のパルス領域がＣＳＳ信号を含む無線信号の特徴として検出する。そして、実施の形態では、周波数分解能を粗くした際の略長方形状のパルス領域の時間軸の長さにより持続時間を算出し、時間分解能を粗くした際の略長方形状のパルス領域の周波数軸の長さにより帯域幅を算出する。このように、実施の形態では、ＣＳＳ信号をスペクトログラム上で持続時間および帯域幅を有する略長方形状に可視化でき、スイープ状のＣＳＳ信号を容易に視認可能にする。

また、無線信号のチャネルが予め定義された帯域の場合、周波数分解能を粗くする際の範囲はチャネルの幅、またはチャネルの幅の整数分の一で行う。これにより、ＣＳＳ信号を含む異なる規格の無線信号が周波数方向で混雑しているときでも、これら各規格の無線信号を弁別して判別可能になる。

また、分解能を粗くする際に有効値として最大値を採用することで、検出したスペクトラムパワーが雑音に埋もれず、受信感度劣化を抑制できるようになる。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析プログラムにおいて、
前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求めさせ、
一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出させ、
前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出させ、
前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別させる、
処理をコンピュータに実行させることを特徴とするスペクトル解析プログラム。

（付記２）前記高速フーリエ変換は、前記ＣＳＳ信号を検知可能な所定の周波数分解能および時間分解能で行わせることを特徴とする付記１に記載のスペクトル解析プログラム。

（付記３）前記ＣＳＳ信号が所定の帯域幅およびシンボル時間幅内で所定の周波数変化率を有してチャープする場合、
前記周波数分解能を粗くする場合、および前記時間分解能を粗くする場合のそれぞれでは、周波数軸上の前記帯域幅と、時間軸上で２倍の前記シンボル時間幅とを結んだ特性のラインより粗い領域内に前記周波数分解能および前記時間分解能を設定することを特徴とする付記１または２に記載のスペクトル解析プログラム。

（付記４）前記特徴は、可視化するスペクトログラム上で前記持続時間および前記帯域幅を有する略長方形状のパルス領域であり、
前記周波数分解能を粗くした際の略長方形状のパルス領域の時間軸の長さにより、前記持続時間を算出させ、
前記時間分解能を粗くした際の略長方形状の前記パルス領域の周波数軸の長さにより、前記帯域幅を算出させることを特徴とする付記１〜３のいずれか一つに記載のスペクトル解析プログラム。

（付記５）前記無線信号のチャネルが予め定義された帯域の場合、
前記周波数分解能を粗くする際、当該粗くする範囲は前記チャネルの幅、または前記チャネルの幅の整数分の一で行わせることを特徴とする付記１〜４のいずれか一つに記載のスペクトル解析プログラム。

（付記６）前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求めさせ、
一定時間領域内の有効値を採用して前記スペクトルの前記時間分解能を粗くして前記無線信号の帯域幅を算出させ、
前記帯域幅内の有効値を採用して前記スペクトルの周波数分解能を粗くして、前記無線信号の持続時間を算出させ、
前記帯域幅と前記持続時間に基づき、各規格の前記無線信号の特徴を判別する、
ことを特徴とする付記１〜５のいずれか一つに記載のスペクトル解析プログラム。

（付記７）前記有効値として検出したスペクトルパワーの最大値を採用することを特徴とする付記１〜６のいずれか一つに記載のスペクトル解析プログラム。

（付記８）前記各規格の前記無線信号の特徴の判別結果を一次処理とし、当該一次処理の判別結果を用いて前記無線信号のベースバンド信号を解析し、前記無線信号の各規格の帯域占有率を判断する二次処理を行わせることを付記１〜７のいずれか一つに記載のスペクトル解析プログラム。

（付記９）チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析方法において、
前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求め、
一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出し、
前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出し、
前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別する、
処理をコンピュータが実行することを特徴とするスペクトル解析方法。

（付記１０）チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析装置において、
前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求め、一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出し、前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出し、前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別する解析部を備えたことを特徴とするスペクトル解析装置。

１００ スペクトル解析装置
１０１ ＩＱ出力部
１０２ ＦＦＴ演算部
１０３ 周波数領域最大化演算部
１０４ 周波数領域最大化範囲保存部
１０５ 時間領域最大化範囲演算部
１０６ 時間領域最大化範囲保存部
１０７ 規格判別部
２０１ 解析部
２０２ ソフトウェア無線部
２１１ アンテナ
２１２ ＲＦＩＣ
２２１ ＣＰＵ
２２２ ＲＯＭ
２２３ ＲＡＭ

Claims (9)

1. チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析プログラムにおいて、
   前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求めさせ、
   一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出させ、
   前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出させ、
   前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別させる、
   処理をコンピュータに実行させることを特徴とするスペクトル解析プログラム。
2. 前記高速フーリエ変換は、前記ＣＳＳ信号を検知可能な所定の周波数分解能および時間分解能で行わせることを特徴とする請求項１に記載のスペクトル解析プログラム。
3. 前記ＣＳＳ信号が所定の帯域幅およびシンボル時間幅内で所定の周波数変化率を有してチャープする場合、
   前記周波数分解能を粗くする場合、および前記時間分解能を粗くする場合のそれぞれでは、周波数軸上の前記帯域幅と、時間軸上で２倍の前記シンボル時間幅とを結んだ特性のラインより粗い領域内に前記周波数分解能および前記時間分解能を設定することを特徴とする請求項１または２に記載のスペクトル解析プログラム。
4. 前記特徴は、可視化するスペクトログラム上で前記持続時間および前記帯域幅を有する略長方形状のパルス領域であり、
   前記周波数分解能を粗くした際の略長方形状のパルス領域の時間軸の長さにより、前記持続時間を算出させ、
   前記時間分解能を粗くした際の略長方形状の前記パルス領域の周波数軸の長さにより、前記帯域幅を算出させることを特徴とする請求項１〜３のいずれか一つに記載のスペクトル解析プログラム。
5. 前記無線信号のチャネルが予め定義された帯域の場合、
   前記周波数分解能を粗くする際、当該粗くする範囲は前記チャネルの幅、または前記チャネルの幅の整数分の一で行わせることを特徴とする請求項１〜４のいずれか一つに記載のスペクトル解析プログラム。
6. 前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求め、
   一定時間領域内の有効値を採用して前記スペクトルの前記時間分解能を粗くして前記無線信号の帯域幅を算出させ、
   前記帯域幅内の有効値を採用して前記スペクトルの周波数分解能を粗くして、前記無線信号の持続時間を算出させ、
   前記帯域幅と前記持続時間に基づき、各規格の前記無線信号の特徴を判別する、
   ことを特徴とする請求項１〜５のいずれか一つに記載のスペクトル解析プログラム。
7. 前記有効値として検出したスペクトルパワーの最大値を採用することを特徴とする請求項１〜６のいずれか一つに記載のスペクトル解析プログラム。
8. チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析方法において、
   前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求め、
   一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出し、
   前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出し、
   前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別する、
   処理をコンピュータが実行することを特徴とするスペクトル解析方法。
9. チャープ変調のＣＳＳ信号を含む無線信号が混在した無線環境の各規格の特徴を判別するスペクトル解析装置において、
   前記ＣＳＳ信号の特徴を可視化可能な所定の周波数分解能および時間分解能で前記無線信号を高速フーリエ変換してスペクトルを求め、一定周波数領域内の有効値を採用して前記スペクトルの前記周波数分解能を粗くして前記無線信号の持続時間を算出し、前記持続時間内の有効値を採用して前記スペクトルの時間分解能を粗くして、前記無線信号の帯域幅を算出し、前記持続時間と前記帯域幅に基づき、各規格の前記無線信号の特徴を判別する解析部を備えたことを特徴とするスペクトル解析装置。

Images