JP4768778B2

JP4768778B2 - 変調方式推定装置及び方法

Info

Publication number: JP4768778B2
Application number: JP2008137176A
Authority: JP
Inventors: 鶴田　　誠; 幹宏山崎; 鎮男秋山
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2008-05-26
Filing date: 2008-05-26
Publication date: 2011-09-07
Anticipated expiration: 2028-05-26
Also published as: JP2009284445A

Description

この発明は、変調形式識別等の信号検出技術に関し、特に、変調信号の変調諸元を自動検出する変調方式推定装置及び方法に関する。

従来のディジタル変調信号とアナログ変調信号との変調方式の自動検出技術は、搬送波の検出あるいは、スペクトラムのサイドバンド検出やシンボルレート情報の有無などを利用して識別するものである。搬送波の検出は、ＡＭ（Amplitude Modulation）信号の搬送波成分の有無を識別するものである。次に、スペクトラムのサイドバンド検出は、ＡＭ信号のスペクトラムの対称性を評価することで識別するものである。最後の、シンボルレート検出は、ディジタル変調信号のボーレートの検出を行うことで、アナログ変調信号でないと識別するものである（例えば、特許文献１参照）。
特開２００１−８６１７１公報

しかしながら、例えば、ＦＳＫ（Frequency shift keying）系の変調信号は、周波数変調度によってラインスペクトラムが現れるために搬送波と誤認識する場合がある。このようにディジタル変調信号であるにもかかわらず変調諸元に依存してラインスペクトラムが現れる場合がある。

また、通常、アナログ変調信号である場合はスペクトラムが非対称になり、ディジタル変調信号である場合にはスペクトラムが高い確率で対称になる。しかし、ＤＳＢ（Double Side Band amplitude modulation）においてＬＳＢ（Lower Sideband）とＵＳＢ（Upper Sideband）に対してステレオの信号をそれぞれ送信している場合、あるいは、周波数選択性フェージングが発生している場合などについては、スペクトラムのサイドバンドのスペクトラムの対称性が、アナログ変調信号とディジタル変調信号との識別に有意な情報とはなりえなくなる場合がある。

この発明は、上記の問題を解決するためになされたものであり、低演算量でも正確に変調方式を推定する変調方式推定装置及び方法を提供することを目的とする。

上述の課題を解決するため、本発明の変調方式推定装置は、変調信号を受信する受信手段と、前記変調信号をディジタル信号に変換する変換手段と、前記ディジタル信号をウェーブレット信号に変換する変換手段と、前記ウェーブレット信号のうち、ウェーブレットの次数がある範囲内の信号成分を選択する選択手段と、前記信号成分から、前記範囲内に対応する特徴量を抽出する抽出手段と、前記特徴量の特徴に応じて、前記変調信号がアナログ変調信号であるかどうかを識別する識別手段と、を具備することを特徴とする。

本発明の変調方式推定装置及び方法によれば、低演算量でも正確に変調方式を推定することができる。

以下、図面を参照しながら本発明の実施形態に係る変調方式推定装置及び方法について詳細に説明する。なお、以下の実施形態では、同一の番号を付した部分については同様の動作を行うものとして、重ねての説明を省略する。
（第１の実施形態）
本実施形態の変調方式推定装置について図１を参照して説明する。
本実施形態の変調方式推定装置は、アンテナ１００、受信部１０１、ＡＤＣ（analog-to-digital converter）部１０２、ウェーブレット（Wavelet）変換部１０３、選択部１０４、特徴抽出部１０５、識別部１０６を含む。

アンテナ１００は、通信装置（例えば、無線基地局等の親局（図示せず））が送信した変調信号を受信する。受信部１０１は、アンテナ１００で受信した変調信号を所定の周波数への変換し、変調信号を抽出するためのフィルタ処理等の受信処理を行う。また、ＡＤＣ部１０２は、受信部１０１で受信処理されたアナログ信号をディジタル信号に変換する。

ウェーブレット変換部１０３は、ＡＤＣ部１０２でディジタル信号に変換された受信信号に対してウェーブレット解析を適用した信号処理を施したウェーブレット信号を得る。選択部１０４は、ウェーブレット変換部１０３でウェーブレット解析された信号（ウェーブレット信号）の中から、アナログ変調信号とディジタル変調信号との識別に有用な情報を選択する。

特徴抽出部１０５は、選択部１０４から出力された信号からアナログ変調信号とディジタル変調信号との識別に有意な統計情報、スペクトラムを抽出する。識別部１０６は、特徴抽出部１０５が抽出した情報に基づいてアナログ変調信号とディジタル変調信号との識別を行い、受信された信号がアナログ変調信号であるかディジタル変調信号であるかの情報を出力する。

次に、本実施形態の変調方式推定装置の基本原理について詳細に説明する。
基本原理は、ウェーブレット解析並びにアナログ変調信号の被変調波の特徴を利用している。まず、ウェーブレット解析について解説する。ウェーブレット解析は、不規則・雑音・間欠的・非定常な現象の信号解析に非常に有益な手段である。このような信号を時間と周波数領域で同時に解析できる点は、短時間のフーリエ変換と大きく異なるところである。ウェーブレット解析をするための連続ウェーブレット変換（Continuous Wavelet Transform）は、

と定義される。ここで、ｗ（ａ）は重み関数であり、＊は複素共役を示している。また、ａは伸張パラメータ（Dilation Parameter），ｂは位置パラメータ（Location Parameter）であり、Ψ（・）は、マザーウェーブレット（Mother Wavelet）あるいはアナライジングウェーブレット（Analyzing Wavelet）である。このアナライジングウェーブレットは、次式（３）に示すアドミッシブル条件（Admissibility Condition）が課せられ、積分値（式（３）のＣ_ｇ）はアドミッシブル定数（Admissibility Constant）と呼ばれる。

また、アナライジングウェーブレットは、次式に示すように有限のエネルギーを持たなければならない。

ウェーブレット変換は、多様な幅をもつウェーブレットの集合と信号との間の相互相関関数と理解できる。一般に、ｗ（ａ）はエネルギー保存の観点からａ^−１／２に固定される。つまり、どのようなスケールのウェーブレットに対しても、同じエネルギーであるようにしている。ここまでは、連続ウェーブレット変換について述べてきた。しかし、信号処理を実現する上では、離散ウェーブレット変換が必要になってくる。この離散ウェーブレット変換は、

と定義される。ここで、ｍはウェーブレットの次数であり周波数に対応する。ｎは時間的な位置を示す数である。ｍ、ｎともに自然数である。さらに、高速ウェーブレット変換を実現する方法は、スケーリング係数ｂ_ｌを用いることで、一つ前のスケールの近似係数から

と計算することができる。ただし、Ｓ_ｐ，ｑを近似係数とする。これは、多重解像度分解アルゴリズム（Decomposition Algorithm）として知られている。

この高速ウェーブレット変換を適用したディジタル変調信号とアナログ変調信号の解析した一例を図２から図６に示している。なお、図２から図６に示されている曲線はウェーブレット変換部１０３が出力する信号を示す。
図２および図３はHarrのアナライジングウェーブレットを使用しＳＮＲがそれぞれ０ｄＢ、１０ｄＢの場合のウェーブレット解析の結果を示した図であり、図４はBeylkinのアナライジングウェーブレットを使用しＳＮＲが１０ｄＢの場合のウェーブレット解析の結果を示した図であり、図５はDaubechiesのアナライジングウェーブレットを使用しＳＮＲが１０ｄＢの場合のウェーブレット解析の結果を示した図であり、図６はCoifletのアナライジングウェーブレットを使用しＳＮＲが１０ｄＢの場合のウェーブレット解析の結果を示した図である。これらのアナライジングウェーブレットについては、例えば、“(監訳者)新誠一、「図説ウェーブレット変換ハンドブック」、（株）朝倉書店（２００５）”、Hubbard, “The World According to Wavelets”(1996)、Ingrid Daubechies, “Ten Lectures on Wavelets” (1992)、Mallat, “A Wavelet Tour of Signal Processing” (1998)がある。図２から図６に含まれるグラフでは、横軸が時間を示し、縦軸がウェーブレットの次数（ｍ）を示す。

図２から図６のそれぞれで、受信した信号がアナログ信号の場合のウェーブレット解析結果、受信した信号がディジタル信号の場合のウェーブレット解析結果を示している。アナログ信号の場合はＡＭ（Amplitude Modulation）、ＳＳＢ（Single SideBand modulation）が対応し、ディジタル信号の場合はＱＡＭ（Quadrature Amplitude Modulation）、ＰＳＫ（Phase-Shift Keying）、ＧＭＳＫ（Gaussian Minimum Shift Keying）、ＦＳＫ（Frequency-Shift Keying）、ＷＬＡＮ８０２．１１ａ、ＯＦＤＭ（Orthogonal Frequency Division Multiplexing）、ＦＤＭ（Frequency-Division Multiplexing）が対応している。

これら図２から図６の結果から、アナライジングウェーブレットに依存しない次の特徴が得られることがわかる。
（１）ディジタル変調信号では、高次（ｍが第１しきい値よりも大きい）の信号成分の分散が大きい。他方、アナログ変調信号では、高次の信号成分の分散は小さい。
（２）ディジタル変調信号では、高次（ｍが第１しきい値よりも大きい）の信号成分は時間に関して連続的に信号が存在している。他方、アナログ変調信号では、高次の信号成分は時間に関して断続的に信号が存在している。
（３）ディジタル変調信号に対する中次（ｍが第２しきい値よりも大きく第１しきい値以下）の信号成分は、周期的な信号が存在している。

なお、第１しきい値および第２しきい値は、第１しきい値が第２しきい値よりも大きくなる範囲内でアナログ信号とディジタル信号を効果的に識別することができるように適切に設定される。より具体的には、アナログ信号であるかディジタル信号であるかが既知の変調信号を使用して第１しきい値および第２しきい値を設定する。

これらの結果は、アナログ変調信号の被変調波が音声信号であるが故に、自然によく見受けられる自己相似性を有しているので、ウェーブレット解析によって、アナログ変調信号とディジタル変調信号との差異が得られることになる。以下、これらの性質を利用してアナログ変調信号とディジタル変調信号との識別方法について詳しく説明する。

選択部１０４が、ウェーブレット解析された高次あるいは中次の信号成分を選択し、特徴抽出部１０５がこの選択された信号成分によって特徴を抽出する。特徴抽出部１０５はウェーブレット解析された高次の信号成分の分散を計算し、識別部１０６はその分散値が分散しきい値を超えるか否かにより、アナログ変調信号であるかディジタル変調信号であるかを識別することができる（上記（１）に対応）。

識別部１０６が行う不連続性の判定方法（上記（２）に対応）の一例について図７、図８を参照して説明する。識別部１０６はウェーブレット解析された高次の信号成分の連続性を判定することによりアナログ変調信号であるかディジタル変調信号であるかを識別することができる。つまり、連続ならばディジタル変調信号であり、不連続ならばアナログ変調信号であると識別できる。
第１の方法は、ウェーブレット解析を適用する方法である。この考え方について図７を用いて説明する。図７（ａ）に示すように時刻Ｔの点で信号の不連続点がある場合を考える。この信号は選択部１０４が選択したウェーブレット解析された高次の信号成分（ｓ（ｔ））の一例である。
特徴抽出部１０５が、ウェーブレットの積分値（Ｔ（ａ，ｂ）またはＴ_ｍ，ｎ）を計算する。ただし、式（１）または式（５）のｘ（ｔ）はｓ（ｔ）である。図７（ａ）に示す不連続点Ｔでは、ウェーブレットの積分値（Ｔ（ａ，ｂ）またはＴ_ｍ，ｎ）が対称性からゼロになることがわかる（図７（ｂ）のｂ＝Ｔの点に図示している）。また、不連続点Ｔよりもかなり手前（ｔ≪Ｔ）にある場合または不連続点Ｔよりもかなり遠方（ｔ≫Ｔ）にある場合にも、ウェーブレットと（一定）信号（すなわちｓ（ｔ））は、ゼロに近い積分値となる。不連続点Ｔの近傍においては、ウェーブレットの左サイドローブの積分値は負となり、右サイドローブの積分値は正となる。しかし、この領域では非対称性が生じるために積分値を持つことになる。ウェーブレットの積分値がｂを変化させることによりどのように変化するかを図７（ｂ）に示している。なお、ｂが増加すると図７（ａ）に示しているウェーブレットは時間軸の正の向きに平行移動する。このようにウェーブレットが不連続点を横切る時に積分値が正から負あるいは、負から正に変化する特性を利用して不連続点を検出することができる。すなわち、識別部１０６は、特徴抽出部１０５が計算したウェーブレットの積分値が正から負あるいは、負から正に変化することにより高次の信号成分が不連続であるかどうかを判定して、アナログ変調信号であるかどうかを識別する。

第２の方法は、選択部１０４が選択したウェーブレット解析された高次の信号成分（ｓ（ｔ））の電力あるいは絶対値演算後の積分値の比較によるものである。図８を参照して具体的に説明する。先ず、図８（ａ）に示す信号を時間幅Ｔ_{Ｄｕｒａｔｉｏｎ}に渡るスライディング積分を時間間隔Ｔ_{Ｐｒｉｏｒ}にて、それぞれ行った積分値の比を次式の通り計算する。

あるいは、

などのように計算することができる。この積分値の比は、図８（ｂ）に示すように、値が１から増加したのち一定値になり減少し始め、値が１になる。このような増減をした場合に積分値の比が減少から値が１になった時刻が、ウェーブレット解析された高次の信号成分（ｓ（ｔ））に不連続点がある時刻に対応する。

上記では、図８（ａ）のように、ある値からｔ＝Ｔでこの値よりも小さい別の値に不連続に接続する信号成分の場合について説明したが、図８（ａ）とは「逆に」ある値からｔ＝Ｔでこの値よりも大きい別の値に不連続に接続する信号成分の場合（以下、逆の場合と称す）について説明する。この逆の場合には、上記と同様の考察によって図８（ｂ）に対応する積分値の比の時間変動のグラフは、図８（ｂ）に示したグラフを積分値Ａ／積分値Ｂ＝１の直線に関して線対称したものになる。このような増減をした場合に積分値の比が増加から値が１になった時刻が、ウェーブレット解析された高次の信号成分（ｓ（ｔ））に不連続点がある時刻に対応する。

以上により第２の方法では、特徴抽出部１０５が積分値の比を計算し、積分値の比の時間変動のグラフを算出し、識別部１０６が図８（ｂ）に示すようなグラフになるかどうか、図８（ｂ）に示したグラフを積分値Ａ／積分値Ｂ＝１の直線に関して線対称にしたグラフになるかどうかを判定して、積分値の比の時間変動がこれらのグラフになった場合には、高次の信号成分が不連続であると判定して、アナログ変調信号であると識別する。識別部１０６は、具体的には、積分値の比の時間変動のグラフが、値１からＴ_{Ｄｕｒａｔｉｏｎ}の期間増加してＴ_{Ｐｒｉｏｒ}の期間１よりも大きな一定値を保ちＴ_{Ｄｕｒａｔｉｏｎ}の期間減少して値１に戻るか、値１からＴ_{Ｄｕｒａｔｉｏｎ}の期間減少してＴ_{Ｐｒｉｏｒ}の期間１よりも小さな一定値を保ちＴ_{Ｄｕｒａｔｉｏｎ}の期間増加して値１に戻るか、の２通りの場合に該当するかどうかを判定する。

次に、識別部１０６が行う周期的な信号の存在の判定方法（上記（３）に対応）の一例について図９を参照して説明する。上記（３）のために、信号の周期性を検出することにより、信号の周期性がディジタル変調信号として識別するための特徴量として利用することができることがわかる。周期性を検出する方法は、如何様な方法を適用しても構わない。ここでは一例として、この周期性を検出する方法の具体的な方法について説明する。

この方法には、高速フーリエ変換による周期性の検出方法がある。周期波形を高速フーリエ変換すると、そのスペクトラムがラインスペクトラムとなる（図９を参照）。したがって、このラインスペクトラムの有無あるいは、ラインスペクトラムの形状を評価することにより、周期波形であるか否か情報を得ることができる。
具体的には、特徴抽出部１０５がウェーブレット解析された中次の信号成分を高速フーリエ変換してスペクトラムを得る。識別部１０６は、特徴抽出部１０５が得たスペクトラムがあるかどうかを判定して、スペクトラムがないと判定した場合には変調信号はアナログ変調信号であると識別する。また、識別部１０６はラインスペクトラムの形状により相対レベルが一定値を示しているかどうかを判定し、一定値を示していると判定した場合には変調信号はアナログ変調信号であると識別する。識別部１０６がスペクトラムがあると判定する場合は、図９（ｂ）に示すように、特定の複数の周波数で有限の相対レベルを有していて、これらの周波数の間の周波数帯にはほとんど無視可能な相対レベルがある場合である。一方、識別部１０６がスペクトラムがないと判定する場合は、図９（ｃ）に示すように、ある一定相対レベルで周波数に対して連続的に信号が分布している場合である。

最後に、これまでに得られた特徴量を用いてアナログ変調信号とディジタル変調信号とを識別する識別部１０６について詳細に説明する。
識別部１０６の処理手法としては、決定論的手法、最近傍決定法、ニューラルネットワーク（Neural Network）、サポートベクターマシン（Support Vector Machine）、K-means法など多岐に渡る方法が存在する。識別部１０６は前述の如何なる方法を適用しても構わない。具体的な方法を説明するために、一例として決定論的手法に基づいた識別方法について説明する。

具体的には、先に説明した特徴量を次の通り定義する。第１の特徴量は、ウェーブレット変換後の高次の信号の分散σ^２ _ＨＶである。第２の特徴量は、ウェーブレット変換後の高次の信号の連続性であるか否かの情報である。第３の特徴量は、ウェーブレット変換後の中次のスペクトラムがラインスペクトラムであるか否かの情報である。これらの特徴量とディジタル変調信号とアナログ変調信号の関係は、図１０に示す通りである。識別部１０６は、先に測定した特徴量が、図１０のどれに対応するかについて調べ、特徴量の該当する箇所か一番多いものが、その変調方式であると判定する。具体的には、第１の特徴量の分散が分散しきい値以下であり、第２の特徴量が不連続であることを示し、第３の特徴量がラインスペクトラムを有している場合には、アナログ変調信号と解釈する。識別部１０６はこのように多数決判定する。

以上に説明した第１の実施形態によれば、アナログ変調信号とディジタル変調信号をウェーブレット変換後の信号に対する演算から得られる特徴量を用いて同定することができる。従来の方式に比較して、ＦＦＴ並みの低演算により変調方式を判定することができ、アナログ変調信号の特徴に注目した信号処理であり、識別率を大幅に改善するのみならず、誤判定率を大幅に低減することができる。
また、未知変調信号の変調方式を自動的に同定することができるので、この同定された変調方式が電波の運用上、適切であるか否か電波法上の監視業務を実現できる。他に、同定された変調方式をもとに復調処理なども実施できるためのＳＤＲ（Software-Defined Radio）なども実現できる。

（第２の実施形態）
本実施形態の変調方式推定装置について図１１を参照して説明する。
本実施形態の変調方式推定装置は、図１の変調方式推定装置に、信号処理部１１０１と信号処理部１１０２並びに特徴抽出部１１０３と特徴抽出部１１０４とを付加し、第１の実施形態での識別部１０６に代わり識別部１１０５を設けたものである。
変調方式推定装置は、アナログ変調信号とディジタル変調信号とこれ以外の信号が入力される可能性がある。そのために本実施形態では、第１の実施形態で説明した特徴量以外の特徴量を用いて識別することにより、誤判定率の改善が図られることになる。逆に、所望の変調信号以外を排除する目的とした適用も考えることができる。

信号処理部１１０１、信号処理部１１０２は、ＡＤＣ部１０２が出力信号から、それぞれ異なる特徴量を算出するための前処理を行うものである。特徴抽出部１１０３と特徴抽出部１１０４は、信号処理部１１０１と信号処理部１１０２により前処理された信号から、それぞれ異なる特徴量を抽出する。これらの特徴量は、それぞれ独立した特徴を示す特徴量であることが望ましい。これらの信号処理部１１０１、１１０２や特徴抽出部１１０３、１１０４としては、逓倍処理後の信号のスペクトラムを評価する方法などがある。この場合は識別部１１０５がラインスペクトラムの有無を判定する。他には、サイクロステーショナリーによって変調方式を判定する方法がある。サイクロステーショナリーでは、例えば時間をずらしながら信号の相関をとり、この相関をフーリエ変換した関数を使用して変調方式を判定する（例えば、「B. Seaman and R. M. Braun, “Using Cyclostationarity in the Modulation Classification of Analogue Signals”, Communications and Signal Processing, pp 261-266, Sept, 1998」を参照）。
信号処理部１１０１、信号処理部１１０２並びに、特徴抽出部１１０３と特徴抽出部１１０４は、これらに限らず受信信号のある特徴を抽出できれば、公知の手法を使用しても新たな手法を使用しても構わない。

識別部１１０５は、特徴抽出部１０５から得る特徴量に加え、特徴抽出部１１０３、１１０４からそれぞれ独立な特徴量を得る。識別部１１０５は、これら全ての特徴量を加味して最終的な識別結果を得る。識別部１１０５は、識別部１０６のように決定論的手法、最近傍決定法、ニューラルネットワーク（Neural Network）、サポートベクターマシン（Support Vector Machine）、K-means法などの方法により識別結果を得てよい。具体的には、識別部１１０５は第１の実施形態でのように多数決判定してもよい。識別部１１０５は識別部１０６よりも判定に使用する情報量（特徴量）が多い。このように識別部１１０５は第１の実施形態と同様に手順で実現することができる。しかし、特徴量が増加したために、識別精度あるいは、識別できる信号の種類の増加などを改善することになる。

以上に説明した第２の実施形態によれば、より正確に多くの種類の変調方式を特定することができる。また、より多くの独立な特徴量を入力することにより、実環境への耐性を一段と改善することができる。

以上に示した実施形態によれば、アナログ変調信号であるかディジタル変調信号であるかをウェーブレット変換後の信号に対する演算から得られる特徴量を用いて同定することができる。従来の方式に比較して、ＦＦＴ並みの低演算により変調方式を判定することができ、アナログ変調信号の特徴に注目した信号処理であり、識別率を大幅に改善するのみならず、誤判定率を大幅に低減することができる。
なお、実施形態の変調方式推定装置及び方法は、変調形式識別等の信号検出技術に関する技術であり、特に変調信号の変調諸元の自動検出に関する技術である。このため、コグニティブ無線技術やＳＤＲ技術における信号種別の識別などにも応用ができる。あるいは、到来した電波の諸元を推定することにより、その電波を受信するための無線システムを自動的に構築し、コミュニケーションを開始する無線システムなどにも応用ができる。そのために、次世代の無線通信システムに要求される必須の一般的な技術である。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

第１の実施形態の変調方式推定装置のブロック図。 HaarでＳＮＲが０ｄＢの場合のウェーブレット解析結果を示した図。 HaarでＳＮＲが１０ｄＢの場合のウェーブレット解析結果を示した図。 BeylkinでＳＮＲが１０ｄＢの場合のウェーブレット解析結果を示した図。 DaubechiesでＳＮＲが１０ｄＢの場合のウェーブレット解析結果を示した図。 CoifletでＳＮＲが１０ｄＢの場合のウェーブレット解析結果を示した図。図１の識別部が行う不連続性の第１の判定方法を説明するための図。図１の識別部が行う不連続性の第２の判定方法を説明するための図。図１の識別部が行う周期的な信号の存在の判定方法を説明するための図。複数の特徴量と各特徴量の性質に対応する変調方式とを示す対応図。第２の実施形態の変調方式推定装置のブロック図。

符号の説明

１００・・・アンテナ、１０１・・・受信部、１０２・・・ＡＤＣ部、１０３・・・ウェーブレット変換部、１０４・・・選択部、１０５、１１０３、１１０４・・・特徴抽出部、１０６、１１０５・・・識別部、１１０１、１１０２・・・信号処理部。

Claims

変調信号を受信する受信手段と、
前記変調信号をディジタル信号に変換する変換手段と、
前記ディジタル信号をウェーブレット信号に変換する変換手段と、
前記ウェーブレット信号のうち、ウェーブレットの次数がある範囲内の信号成分を選択する選択手段と、
前記信号成分から、前記範囲内に対応する特徴量を抽出する抽出手段と、
前記特徴量の特徴に応じて、前記変調信号がアナログ変調信号であるかどうかを識別する識別手段と、を具備することを特徴とする変調方式推定装置。
前記識別手段は、前記信号成分の統計量の値に応じて前記変調信号がアナログ変調信号であると識別することを特徴とする請求項１に記載の変調方式推定装置。
前記抽出手段は、前記信号成分の統計量を抽出し、
前記識別手段は、前記統計量がしきい値以下である場合には前記変調信号がアナログ変調信号であると識別することを特徴とする請求項１に記載の変調方式推定装置。
前記選択手段は、ウェーブレットの次数が第１しきい値よりも大きい高次信号成分を選択し、
前記抽出手段は、前記高次信号成分の分散値を抽出し、
前記識別手段は、前記分散値が分散しきい値以下である場合には前記変調信号がアナログ変調信号であると識別することを特徴とする請求項１に記載の変調方式推定装置。
前記選択手段は、ウェーブレットの次数が第１しきい値よりも大きい高次信号成分を選択し、
前記抽出手段は、前記高次信号成分を抽出し、
前記識別手段は、前記高次信号成分が時間に関して不連続であるかどうかを判定し、該高次信号成分が時間に関して不連続であると判定した場合には前記変調信号がアナログ変調信号であると識別することを特徴とする請求項１に記載の変調方式推定装置。
前記抽出手段は、ある期間で前記高次信号成分をウェーブレット変換した変換値を計算し、
前記識別手段は、前記期間内で前記変換値が正から負または負から正になる時刻がある場合にこの時刻で前記高次信号成分が不連続であると判定し、前記変調信号がアナログ変調信号であると識別することを特徴とする請求項５に記載の変調方式推定装置。
前記抽出手段は、ある期間で、前記高次信号成分の電力または絶対値を第１期間について積分した第１積分と該第１期間の終端の時刻よりも後の時刻から開始される第２期間について積分した第２積分とを計算し、
前記識別手段は、前記第１積分と前記第２積分との比の値が、１から増加したのち一定値になり減少し始め再び１になる場合、１から増加したのち減少し始め再び１になる場合、１から減少したのち一定値になり増加し始め再び１になる場合、または、１から減少したのち増加し始め再び１になる場合には、前記期間内で前記高次信号成分が不連続であると判定し、前記変調信号がアナログ変調信号であると識別することを特徴とする請求項５に記載の変調方式推定装置。
前記選択手段は、ウェーブレットの次数が第２しきい値よりも大きくかつ第１しきい値以下である中次信号成分を選択し、
前記抽出手段は、前記中次信号成分を抽出し、
前記識別手段は、前記中次信号成分が周期的であるかどうかを判定し、該中次信号成分が周期的でないと判定した場合には前記変調信号がアナログ変調信号であると識別することを特徴とする請求項１に記載の変調方式推定装置。
前記抽出手段は、前記中次信号成分をフーリエ変換したフーリエ信号を計算し、
前記識別手段は、前記フーリエ信号がスペクトラムを有しているかどうかを判定し、前記フーリエ信号がスペクトラムを有していないと判定した場合には前記変調信号がアナログ変調信号であると識別することを特徴とする請求項８に記載の変調方式推定装置。
変調信号を受信し、
前記変調信号をディジタル信号に変換し、
前記ディジタル信号をウェーブレット信号に変換し、
前記ウェーブレット信号のうち、ウェーブレットの次数がある範囲内の信号成分を選択し、
前記信号成分から、前記範囲内に対応する特徴量を抽出し、
前記特徴量の特徴に応じて、前記変調信号がアナログ変調信号であるかどうかを識別することを特徴とする変調方式推定方法。