JP4768790B2

JP4768790B2 - 変調方式推定装置および方法

Info

Publication number: JP4768790B2
Application number: JP2008246693A
Authority: JP
Inventors: 鶴田　　誠; 幹宏山崎; 鎮男秋山
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2008-09-25
Filing date: 2008-09-25
Publication date: 2011-09-07
Anticipated expiration: 2028-09-25
Also published as: JP2010081251A

Description

本発明は、信号検出技術に関し、特に、変調信号の変調方式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の変調方式の自動検出技術は、受信された変調信号から、例えば搬送波、スペクトラムのサイドバンド、シンボルレートの特徴量を用いて決定論的手法（決定木（decision tree）による手法ともいう）で識別するものである（例えば、特許文献１参照）。決定論的手法では、段階的にある特徴量のしきい値判定により分岐（分類）される。決定論的手法は、上位ノードからノードごとの条件に応じて枝分けかれしていくつかの条件による枝分かれの後、最終的にある変調方式に辿り着き、この変調方式を検出するという仕組みである。具体的には、例えば搬送波の検出による条件では、ＡＭ（Amplitude Modulation）信号の搬送波成分の有無によって枝分かれさせる。スペクトラムのサイドバンド検出による条件では、ＡＭ信号のスペクトラムの対象性を評価することによって枝分かれさせる。シンボルレート検出による条件では、ディジタル変調信号のボーレートの検出を行い、アナログ変調信号であるか否かの枝分かれを行う。
特開２００１−８６１７１公報

しかしながら、上記の従来技術においては、上位ノードでの判定誤りが下位ノードに伝搬してしまう（上位の分岐の誤りは下位の分岐に影響を及ぼす）問題がある。また、しきい値判定に用いる特徴量の種類の制限から生じる分離限界の問題がある。より詳細には、特徴量の種類は、決定論的な手法であるが故に、使用可能な特徴量の一部を利用することになる。そのために、特徴量間で重複が生じる部分の切り分けをするしきい値設定が不可能な場合が生じることになり、変調方式の分離限界が生じる。

さらに、各ノードで判定する際のしきい値を適切に設定するために多大な労力を必要とする問題がある。しきい値は、試行錯誤で経験的に値を設定することになり、多大な労力が必要とされるばかりか、しきい値の伝搬環境依存性があるが故に、しきい値を一意に定めることが極めて難しい。またさらに、伝搬環境ごとに異なるしきい値を設定しなければならない問題、新種の変調方式を検出するためには基本的に判定の仕組みの見直しが必要でありノードを追加したり、しきい値を新たに設定する必要、さらにその下位ノードのしきい値を再設定する必要があり拡張性が低いという問題がある。

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、伝搬路依存性を解消し、判定誤りが他の判定に伝搬することを回避し、しきい値の設定の経験依存性及び環境依存性を回避し、新たな変調方式を推定するための拡張性が高い、変調方式を推定する変調方式推定装置およ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から、第１特徴量を抽出する第１抽出手段と、前記第１特徴量に基づいて、前記変調信号の想定される変調方式ごとに正判定確率と誤判定確率とを含む第１確率情報を算出する第１算出手段と、前記第１確率情報に基づいて、想定される変調方式から変調方式候補を選択する選択手段と、前記変調方式候補ごとに対応する等化処理を前記変調信号に施し処理後変調信号を得る処理手段と、前記処理後変調信号から、第２特徴量を抽出する第２抽出手段と、前記第２特徴量に基づいて、前記処理後変調信号の前記変調方式候補ごとに正判定確率と誤判定確率とを含む第２確率情報を算出する第２算出手段と、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および方法によれば、変調方式を推定する際に、伝搬路依存性を解消し、判定誤りが他の判定に伝搬することを回避し、しきい値の設定の経験依存性及び環境依存性を回避し、新たな変調方式を推定するための拡張性を高くすることができる。

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およ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、特徴量抽出Ａ部１０３、識別Ａ部１０４、候補選択部１０５、等化部１０６、特徴量抽出Ｂ部１０７、識別Ｂ部１０８を含む。なお、変調方式は、例えば、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）があり、アナログ信号の場合はＡＭ（Amplitude Modulation）、ＳＳＢ（Single SideBand modulation）、ＤＳＢ（Double SideBand modulation）、ＩＳＢ（Independent SideBand modulation）がある。本実施形態の変調方式推定装置は、さらに、ＢＰＳＫ、ＱＰＳＫ、８ＱＡＭ、１６ＱＡＭ、ＢＦＳＫ、４ＦＳＫ等まで特定する。

受信部１０１は、アンテナ１００を介して、通信装置（例えば無線基地局等の親局。図示せず）が送信した信号を受け取り、この信号を所定の周波数への変換し、信号を抽出するフィルタ処理等の受信処理を行う。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。

特徴量抽出Ａ部１０３は、ＡＤＣ部１０２でディジタル信号に変換された受信信号の特徴量を抽出する。特徴量は、様々な統計量であり一意に定まっているわけではなく、様々な統計量が特徴量になり得る。特徴量の種類は、例えば、統計量としての振幅に対する分散・尖頭度・高次モーメント、あるいは周波数・位相に対する分散・尖頭度・高次モーメント等、あるいは復調前後のスペクトラム、振幅分布、位相分布、周波数分布、逓倍前後のスペクトラムがある。他に、この特徴量として、フォルマント分析をしたフォルマント、ウェーブレット解析によって得られる変調方式によって異なる特徴量、復調後のスペクトラムがある。特徴量抽出Ａ部１０３は、抽出した複数種類の特徴量を並べてベクトルとした特徴量ベクトルを出力として識別Ａ部１０４に渡す。

識別Ａ部１０４は、特徴量抽出Ａ部１０３で抽出された特徴量を用いて、想定される変調方式だけ変調方式の分類をすると同時に、分類された変調方式に対する確率（確率情報）を計算する。この変調方式の分類と確率計算は機械学習による手法、例えばサポートベクターマシーン（ＳＶＭ：Support Vector Machine）、ニューラルネットワーク（Neural Network）を使用する。
ＳＶＭでは、各特徴量を示す点を含む空間を高次元空間に写像することにより、高次元空間において各特徴量を分割する超平面を逐次的に改良しながら、クラス（変調方式に対応）の分類精度の高い超平面を発見する手法である。ＳＶＭにおいては、カーネル関数を利用することにより、各特徴量の高次元空間における座標を計算することなしに超平面の良し悪しを評価できるため、高速に分類精度の高い超平面を発見することができる。ＳＶＭでは、予め、様々な特徴量（入力）とその特徴量に対応する変調方式（出力）との既知な関係を利用して学習をさせてモデルファイルを作成して、このモデルファイルによって超平面を定めておく。その後、識別Ａ部１０４は、特徴量抽出Ａ部１０３で抽出された特徴量を使用して、さらに超平面と特徴量を示す点の位置との差に応じて、クラス（すなわち、変調方式）ごとに受信信号がこのクラスに属する確率（確率情報）を計算する。識別Ａ部１０４は、予め複数種類の特徴量と該特徴量に対応する変調方式を使用して、複数の特徴量を示す点を含む空間を写像した高次元空間で特徴量に対応する変調方式を識別するための高次元空間を分類する超平面を学習してあるモデルファイルを参照して、モデルファイルに含まれる高次元空間上での、特徴量抽出Ａ部１０３が抽出した特徴量と超平面との位置関係から確率情報を算出する。

ニューラルネットワークを使用した場合では、識別Ａ部１０４は、予め複数種類の特徴量と該特徴量に対応する変調方式を使用してニューラルネットワークでの複数のシグモイド関数のパラメータを決定したモデルを参照して、モデルに含まれる複数のシグモイド関数ごとのしきい値よりも特徴量抽出Ａ部１０３が抽出した特徴量に含まれるしきい値に対応する量が大きいか否かの判定を算出し、シグモイド関数ごとの判定結果から確率情報を算出する。
識別Ａ部１０４での入力と出力については後に図３を参照して説明する。

候補選択部１０５は、識別Ａ部１０４から出力される、分類された変調方式ごとに受信信号がこの変調方式である確率（確率情報）に応じて、分類された変調方式から推定候補となる変調方式を選択する。候補選択部１０５が選択する変調方式は複数である場合もある。候補選択部１０５の詳細については後に図４、図５を参照して説明する。

等化部１０６は、候補選択部１０５で選択された変調方式に対応する等化処理を、ディジタル信号に変換された受信信号に対して施す。候補選択部１０５で選択された変調方式が複数である場合には、変調方式ごとに対応する等化処理を施す。等化部１０６は予め識別Ａ部１０４で分類される変調方式に対応して複数の等価処理部を有していて、変調方式ごとに対応する等化処理を施す。等化部１０６は、例えば、ＱＡＭ、ＰＳＫ、ＧＭＳＫ、ＦＳＫ、ＷＬＡＮ８０２．１１ａ、ＯＦＤＭ、ＦＤＭ、ＡＭ、ＳＳＢ、ＤＳＢ、ＩＳＢごとに等化処理を変更し、これよりも詳細な分類（例えば、８ＱＡＭと１６ＱＡＭと分類する、ＢＰＳＫとＱＰＳＫと８ＰＳＫと１６ＰＳＫと分類する）では同一の等化処理を施す。これとは別に等化部１０６は変調方式が少しでも異なれば異なる等化処理を施してもよい。等化処理によって、受信信号のフェージングの影響を大幅に解消し付加白色ガウス雑音（ＡＷＧＮ：additive white Gaussian noise）に漸近的に近づけることができ、受信信号の受信時の受信環境がＡＷＧＮ環境であるかのようにすることができる。

特徴量抽出Ｂ部１０７は、等化処理が施された受信信号の特徴量を抽出する。この特徴量は特徴量抽出Ａ部１０３と同一でもよいし、異なるものでもよい。さらに、特徴量の種類も特徴量抽出Ａ部１０３の場合と同一でもよいし、異なっていてもよい。なお、特徴量抽出Ｂ部１０７の特徴量を抽出する手法は特徴量抽出Ａ部１０３と同様であり、特徴量抽出Ｂ部１０７と特徴量抽出Ａ部１０３とで異なるのは入力される受信信号である。また、等化部１０６でフェージングの影響を取り除き、機械学習による手法を使用することにより、特徴量抽出Ｂ部１０７での特徴量の種類数を特徴量抽出Ａ部１０３の場合よりも小さくしても、最終的に変調方式推定装置で推定される変調方式の正解率を低下することなく、演算量を少なくすることができる。

識別Ｂ部１０８は、特徴量抽出Ｂ部１０７で抽出された特徴量を用いて、変調方式の分類をすると同時に、分類された変調方式に対する確率（確率情報）を計算する。さらに、識別Ｂ部１０８は最も高い確率に対応する変調方式を推定した変調方式として出力してもよい。すなわち、識別Ｂ部１０８は、最大の確率となる変調方式を出力するか、変調方式のグループ（例えば、位相変調、周波数変調等）として最大となるものと出力するかなど、必要に応じて出力形式を選択できるものとする。なお、識別Ｂ部１０８の分類された変調方式に対する確率を計算する手法は識別Ａ部１０４と同様であり、識別Ｂ部１０８と識別Ａ部１０４とで異なるのは入力される特徴量だけである。

次に、特徴量抽出Ａ部１０３と特徴量抽出Ｂ部１０７との相違点に焦点を当てて本実施形態の有用性について図２を参照して説明する。
特徴量抽出Ａ部１０３は、変調方式が完全に未知の状況である。他方、特徴量抽出Ｂ部１０７は、特徴量抽出Ａ部１０３の場合に比較して、変調方式の絞込みがなされていて、等化処理により、信号品質が改善されている点が大きく異なる。ただし、既知情報をサイドインフォメーションとして活用することにより、特性が改善する。既知情報が存在すれば、それを含めることにより、判定性能が向上する。例えば、周波数帯域幅・周波数帯・通信速度などを特徴量として組み込むことができるからである。従来手法は、特徴量の種類数として１ないし２程度を用いて信号を順次分類する決定論的手法が適用されている。従来手法ではそのため、特徴量を分離するための識別平面を誤りなく求めることが極めて困難である。一方、本実施形態では、特徴量抽出Ａ部１０３において多次元の特徴量ベクトルを用いていて、さらに識別Ａ部１０４で機械学習による手法を使用することにより、変調方式間の特徴量を分離するための識別平面を誤りなく定めることができることがわかる（図２の中央の図）。さらに、特徴量抽出Ａ部１０３に基づいて、識別された後は、変調方式の絞込みおよび等化処理により、変調方式間の特徴量を分離するための識別平面のマージンが大きくとれることがわかる（図２の右図）。

なお、特徴量抽出Ａ部１０３が出力する特徴量ベクトルの次元をＷ次元（図２の左図）とし、識別Ａ部１０４が確率を算出する際に使用する空間の次元をＶ次元（図２の中央の図）とし、特徴量抽出Ｂ部１０７が出力する特徴量ベクトルの次元をＷ’次元とし、識別Ｂ部１０８が確率を算出する際に使用する空間の次元をＵ次元（図２の右図）とすると、Ｗ＜Ｖ、Ｗ’＜Ｕ、Ｕ＜Ｖの関係が成立する。Ｗ’＜Ｗは常に必要ではないが、このように設定すると上述したように演算量を少なくすることができる。

次に、識別Ａ部１０４および識別Ｂ部１０８で算出される確率について図３を参照して説明する。
識別Ａ部１０４および識別Ｂ部１０８は、それぞれ特徴量抽出Ａ部１０３および特徴量抽出Ｂ部１０７が出力する特徴量ベクトルを入力して、変調方式ごとの確率を示す確率情報を算出する。算出する確率情報の一例を図３に示す。図３の行成分には受信信号の変調方式が示され、図３の列は識別Ａ部１０４または識別Ｂ部１０８が算出する変調方式が示されている。例えば図３の１行目の意味は、受信信号がＢＰＳＫである場合に、識別Ａ部１０４または識別Ｂ部１０８が受信信号を正しくＢＰＳＫであると判定する確率が０．６５２０４であり、識別Ａ部１０４または識別Ｂ部１０８が受信信号を誤ってＱＰＳＫであると判定する確率が０．１５２４３であり、識別Ａ部１０４または識別Ｂ部１０８が受信信号を誤って８ＰＳＫであると判定する確率が０．０５１４６４であること等が示されている。図３の２行目では、受信信号がＱＰＳＫである場合の特徴量抽出Ａ部１０３または識別Ｂ部１０８が正しくＱＰＳＫであると判定する確率と、誤って他の変調方式であると判定する確率とが示されている。すなわち、図３の対角成分は全て正検出確率を示し、非対角成分は誤検出確率を示している。また、特徴量抽出Ａ部１０３および識別Ｂ部１０８は正検出確率のみを算出してもよい。

次に、候補選択部１０５の具体的な選択手法について図４、図５を参照して説明する。
候補選択部１０５は、識別Ａ部１０４の出力する確率情報に応じて変調方式の候補を選択する。
第１の選択手法では、図４に示すように、識別Ａ部１０４から出力される各変調方式に対応した正検出確率のうち、値の大きい確率から上位Ｘ個の候補を選択する。Ｘの値は予め定めておく。

第２の実施手法では、図５に示すように、変調方式のグループ単位で確率が最大となるグループを選択する方法である。図５に例示しているように、ＰＳＫ変調（ＢＰＳＫ・ＱＰＳＫ・８ＰＳＫ・１６ＰＳＫ）とＱＡＭ変調（８ＱＡＭ・１６ＱＡＭ）とＦＳＫ変調（ＢＦＳＫ・４ＦＳＫ・８ＦＳＫ）とアナログ変調（ＳＳＢ・ＡＭ・ＩＳＢ・ＦＭ・ＰＭ）と変調方式をグループ化した状態で、複数のグループのうちで最大確率をとるグループを選択する。この複数のグループのうちの最大確率について定義する。各変調方式のグループに対する添え字をｉとし、各グループに属する変調方式に対する添え字をｊとする。この時に各変調方式の確率が正検出確率ｐ_ｉｊと与えられるとする。このときの複数のグループのうちの最大確率ｐ_ｍａｘは、下記（１）によって与えられる。全変調方式に対して最大となる確率となる変調方式を含んでいるグループを最大確率であるグループとして選択することができる。

また、これとは異なる定義として、複数のグループのうちの最大確率ｐ_ｍａｘは、下記（２）によって与えられる。各グループの変調方式に対する平均確率が、複数のグループのうちで最大であるグループを最大確率であるグループとして選択することができる。

ここでは、２種類の選択手法を示したが、これらの選択手法を切り替えて使用してもよい。フェージングの大きさが小さいほど、グループに含まれる変調方式の違いによる確率の違いよりもグループ間の確率の違いが大きいと考えられるので、フェージングの大きさによって図４の選択手法と図５の選択手法とを切り替えてもよい。すなわち、フェージングの大きさが予め設定された閾値よりも大きい場合には図４の選択手法で選択を行い、フェージングの大きさがこの閾値以下である倍には図５の選択手法で選択を行う。この場合、フェージングの大きさは、別途図示しない装置によって取得する。

以上に説明した第１の実施形態によれば、伝搬路依存性を解消し、判定誤りが他の判定に伝搬することを回避し、しきい値の設定の経験依存性及び環境依存性を回避し、新たな変調方式を推定するための高い拡張性を有しつつ、変調方式の識別を高い確率で識別することができる。従来の方式に比較して、高次元な特徴量判定手法であり、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特徴をもつ。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６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、識別Ａ部１０４の出力である確率情報を識別Ｂ部６０１に入力し、識別Ｂ部６０１が識別Ａ部１０４とは異なる手法で確率を算出することが第１の実施形態とは異なる。これ以外の構成については図１の第１の実施形態の変調方式推定装置と同一であるために説明を割愛し、異なる点を主に説明する。

識別Ｂ部６０１が第１の実施形態での識別Ｂ部１０８のように特徴量抽出Ｂ部１０７で抽出された特徴量のみに基づく確率から判断すると、等化処理による信号品質改善前の識別Ａ部１０４が算出した確率を加味した評価がなされていない。そのために、等化処理の優劣の依存性が判定に大きく影響する場合も考えられる。そこで、識別Ａ部１０４と識別Ｂ部６０１の確率を用いて判定する方法が有用であると考えられる。なお、識別Ｂ部６０１は識別Ｂ部１０８の機能を全て含んでいる。

識別Ｂ部６０１は、識別Ａ部１０４から図３に示すような確率情報を取得して、この確率情報と、特徴量抽出Ｂ部１０７からの特徴量に基づいて識別Ｂ部６０１が算出した確率情報（識別Ｂ部１０８が算出する確率情報と同一）とを比較して、最も確からしい複数の変調方式をその確率も含めて提示するか、もしくは最も確からしい１つの変調方式を推定変調方式とする。例えば、識別Ａ部１０４が算出する確率と識別Ｂ部６０１が算出する確率の比を評価する方法がある。つまり、この確率の比の増減を評価として、図７の３行３列のマトリックスの対角成分の確率の比が増加する場合が、所望の変調方式である可能性が高くなる。逆に、確率の比が減少する場合が、所望の変調方式でない可能性が高くなる。換言すれば、識別Ｂ部６０１は、識別Ａ部１０４から想定される全ての変調方式ごとに確率情報の対角成分である正検出確率を取得し、これらの正検出確率と、特徴量抽出Ｂ部１０７からの特徴量に基づいて識別Ｂ部６０１が算出した、対応する正検出確率（すなわち、同じ変調方式の確率）とを比較し、正検出確率が上がっている変調方式のうちで最も大きく変化したものを最も確からしい変調方式と推定する。また、対角成分以外の確率比の増減を評価することにより、等化処理の評価をすることができる。

この例について図７を参照して説明する。図７の上のテーブルは識別Ａ部１０４が算出した正検出確率を示し、受信信号が変調方式Ａ、変調方式Ｂ、および変調方式Ｃである確率がそれぞれ、０．７、０．２、および０．１であることを示している。図７の上のテーブルでは誤検出確率は省略されている。図７の下のテーブルは識別Ｂ部６０１が特徴量抽出Ｂ部１０７で抽出された特徴量のみに基づいて算出した確率情報を示し、受信信号が変調方式Ａである場合に変調方式Ａであると判定する正検出確率が０．９８であることを示し、受信信号が変調方式Ａである場合に変調方式Ｂであると判定する誤検出確率が０．０１であることを示し、受信信号が変調方式Ａである場合に変調方式Ｃであると判定する誤検出確率が０．０１であることを示す。図７のテーブルの他の要素では、例えばテーブルの２行目は、受信信号が変調方式Ｂである場合に変調方式Ａであると判定する誤検出確率が０．０１であることを示し、受信信号が変調方式Ｂである場合に変調方式Ｂであると判定する正検出確率が０であることを示し、受信信号が変調方式Ｂである場合に変調方式Ｃであると判定する誤検出確率が０であることを示す。

識別Ｂ部６０１は、図７の上のテーブルと図７の下のテーブルとの対応する正検出確率を比較する。すなわち、図７の上のテーブルの０．７、０．２、０．１と図７の下のテーブルの０．９８、０、０とを比較する。識別Ａ部１０４で算出した正検出確率よりも識別Ｂ部６０１で算出した正検出確率が高いもののうちで最も大きく変化したものは、受信信号が変調方式Ａである場合に変調方式Ａであると判定する確率である。したがって、この場合は変調方式推定装置が受信信号は変調方式Ａであると推定する。また、上述したように、図７の上のテーブルの０．７、０．２、０．１と図７の下のテーブルの０．９８、０、０とを提示してもよいし、これらの比をとって、０．９８／０．７＝１．４、０／０．２＝０、０／０．１＝０を算出して提示してもよい。

なお、識別Ａ部１０４から識別Ｂ部６０１へ渡される確率情報は、識別Ａ部１０４が算出した全ての確率に関する確率情報でもよいし、候補選択部１０５が選択した変調方式の情報を識別Ａ部１０４に渡しこの情報に含まれる変調方式に対する確率情報のみでもよい。識別Ｂ部６０１へ渡される確率情報は、候補選択部１０５が選択した変調方式に対応する確率情報を含んでいればよい。

以上に説明した第２の実施形態によれば、第１の実施形態で説明した効果に加え、変調方式を選択して等化処理を施した後に算出した確率情報と、変調方式を選択する以前の確率情報とを比較することによって、変調方式の識別を高い確率で識別するためのその確度の改善を図ることができる。

なお、実施形態の変調方式推定装置及び方法は、変調方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方式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。また、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することができる。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。図１の変調方式推定装置の有用性について説明するための図。図１の識別Ａ部および識別Ｂ部で算出される確率について説明するための図。図１の候補選択部の具体的な選択手法について説明するための図。図１の候補選択部の具体的な図４とは異なる選択手法について説明するための図。第２の実施形態の変調方式推定装置のブロック図。図６の変調方式推定装置の変調方式を推定する手法を説明するための図。

符号の説明

１００・・・アンテナ、１０１・・・受信部、１０２・・・ＡＤＣ部、１０３・・・特徴量抽出Ａ部、１０４・・・識別Ａ部、１０５・・・候補選択部、１０６・・・等化部、１０７・・・特徴量抽出Ｂ部、１０８、６０１・・・識別Ｂ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から、第１特徴量を抽出する第１抽出手段と、
前記第１特徴量に基づいて、前記変調信号の想定される変調方式ごとに正判定確率と誤判定確率とを含む第１確率情報を算出する第１算出手段と、
前記第１確率情報に基づいて、想定される変調方式から変調方式候補を選択する選択手段と、
前記変調方式候補ごとに対応する等化処理を前記変調信号に施し処理後変調信号を得る処理手段と、
前記処理後変調信号から、第２特徴量を抽出する第２抽出手段と、
前記第２特徴量に基づいて、前記処理後変調信号の前記変調方式候補ごとに正判定確率と誤判定確率とを含む第２確率情報を算出する第２算出手段と、を具備することを特徴とする変調方式推定装置。
前記第１算出手段は、予め複数種類の特徴量と該特徴量に対応する変調方式を使用して、該複数の特徴量を示す点を含む空間を写像した高次元空間で特徴量に対応する変調方式を識別するための該高次元空間を分類する超平面を学習した結果を記憶しているモデルファイルを参照して、該モデルファイルに含まれる高次元空間上での前記第１特徴量と該超平面との位置関係から第１確率情報を算出し、
前記第２算出手段は、前記モデルファイルを参照して、該モデルファイルに含まれる高次元空間上での前記第２特徴量と前記超平面との位置関係から第２確率情報を算出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。
前記第１算出手段および前記第２算出手段はそれぞれ、機械学習をしたサポートベクターマシーンを使用して前記第１確率情報および前記第２確率情報を算出することを特徴とする請求項１または請求項２に記載の変調方式推定装置。
前記第１算出手段は、予め複数種類の特徴量と該特徴量に対応する変調方式を使用してニューラルネットワークでの複数のシグモイド関数のパラメータを決定したモデルを参照して、該モデルに含まれる複数のシグモイド関数ごとのしきい値よりも前記第１特徴量に含まれる該しきい値に対応する量が大きいか否かの判定を算出し、該シグモイド関数ごとの判定結果から第１確率情報を算出し、
前記第２算出手段は、前記モデルを参照して、該モデルに含まれる複数のシグモイド関数ごとのしきい値よりも前記第２特徴量に含まれる該しきい値に対応する量が大きいか否かの判定を算出し、該シグモイド関数ごとの判定結果から第２確率情報を算出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。
前記第１算出手段および前記第２算出手段はそれぞれ、機械学習をしたニューラルネットワークを使用して前記第１確率情報および前記第２確率情報を算出することを特徴とする請求項１または請求項３に記載の変調方式推定装置。
前記選択手段は、前記第１確率情報に含まれる正判定確率が高い順から所定数の変調方式を前記変調方式候補として選択することを特徴とする請求項１から請求項５のいずれか１項に記載の変調方式推定装置。
前記選択手段は、前記変調方式を同一種類の変調方式にグループ化し、各グループ内で第１確率情報に含まれる正判定確率の平均値を算出し、該平均値が最大となるグループに含まれる変調方式を前記前記変調方式候補として選択することを特徴とする請求項１から請求項５のいずれか１項に記載の変調方式推定装置。
前記選択手段は、前記変調方式を同一種類の変調方式にグループ化し、各グループ内で第１確率情報に含まれる正判定確率から最大となる最大確率を判定し、該最大確率となる変調方式を含むグループに含まれる変調方式を前記前記変調方式候補として選択することを特徴とする請求項１から請求項５のいずれか１項に記載の変調方式推定装置。
前記第２特徴量の種類数は前記第１特徴量の種類数よりも小さいことを特徴とする請求項１から請求項８のいずれか１項に記載の変調方式推定装置。
前記第２算出手段は、前記第２確率情報に含まれる正判定確率のうちの最も大きい確率に対応する変調方式を推定変調方式とすることを特徴とする請求項１から請求項９のいずれか１項に記載の変調方式推定装置。
前記第２算出手段は、前記第２確率情報の変調方式候補に対応する確率を含む第３確率情報であって、前記第１確率情報に含まれる第３確率情報と、前記第２確率情報との対応する確率を比較して、前記変調信号の変調方式を推定することを特徴とする請求項１から請求項９のいずれか１項に記載の変調方式推定装置。
前記第２算出手段は、前記第２確率情報と前記第３確率情報との要素のうちの対応する確率が、第２確率情報に含まれる第１正判定確率よりも第３確率情報に含まれる第２正判定確率の方が小さい確率に対応する変調方式のうちから前記変調信号の変調方式を推定することを特徴とする請求項１１に記載の変調方式推定装置。
前記第２算出手段は、前記第１正判定確率よりも前記第２正判定確率の方が小さい割合が最大な要素に対応する変調方式を前記変調信号の推定変調方式とすることを特徴とする請求項１２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から、第１特徴量を抽出し、
前記第１特徴量に基づいて、前記変調信号の想定される変調方式ごとに正判定確率と誤判定確率とを含む第１確率情報を算出し、
前記第１確率情報に基づいて、想定される変調方式から変調方式候補を選択し、
前記変調方式候補ごとに対応する等化処理を前記変調信号に施し処理後変調信号を得、
前記処理後変調信号から、第２特徴量を抽出し、
前記第２特徴量に基づいて、前記処理後変調信号の前記変調方式候補ごとに正判定確率と誤判定確率とを含む第２確率情報を算出することを特徴とする変調方式推定方法。