JPWO2018055673A1 - 干渉識別装置および干渉識別方法 - Google Patents

干渉識別装置および干渉識別方法 Download PDF

Info

Publication number
JPWO2018055673A1
JPWO2018055673A1 JP2018524848A JP2018524848A JPWO2018055673A1 JP WO2018055673 A1 JPWO2018055673 A1 JP WO2018055673A1 JP 2018524848 A JP2018524848 A JP 2018524848A JP 2018524848 A JP2018524848 A JP 2018524848A JP WO2018055673 A1 JPWO2018055673 A1 JP WO2018055673A1
Authority
JP
Japan
Prior art keywords
cluster
feature
unit
sample data
interference
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2018524848A
Other languages
English (en)
Other versions
JP6410995B2 (ja
Inventor
学 高木
学 高木
和雅 鈴木
和雅 鈴木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of JPWO2018055673A1 publication Critical patent/JPWO2018055673A1/ja
Application granted granted Critical
Publication of JP6410995B2 publication Critical patent/JP6410995B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133Distances to prototypes
    • G06F18/24137Distances to cluster centroïds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211Selection of the most significant subset of features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04BTRANSMISSION
    • H04B17/00Monitoring; Testing
    • H04B17/30Monitoring; Testing of propagation channels
    • H04B17/309Measuring or estimating channel quality parameters
    • H04B17/345Interference values

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Noise Elimination (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)

Abstract

本発明にかかる干渉識別装置(10)は、サンプルデータ解析長の間に受信された電磁波を用いて該電磁波の1種類以上の特徴量を算出する特徴量算出部(4)と、1種類以上の特徴量が、特徴量の1種類を1次元に対応させた空間であるクラスタ空間において領域が各々定義される複数のクラスタのうちのいずれに属するかを識別する干渉識別部(7)と、1種類以上の特徴量のクラスタ空間におけるクラスタとの距離に基づいてサンプルデータ解析長を変更するサンプルデータ解析長変更部(6)と、を備える。

Description

本発明は、干渉信号の種類を識別する干渉識別装置および干渉識別方法に関する。
近年の無線通信の急激な発達に伴い、利用可能な周波数の不足が深刻な問題となっている。このため、新たな通信システムを導入しようとした場合、専用の周波数が確保できない可能性がある。専用の周波数が確保できない場合、ISM(Industry Science Medical)帯を用いて通信システムを構築することがある。ISM帯は、産業、科学および医学用の機器のために汎用的に割り当てられた周波数であるため、様々な機器に用いられる可能性がある。したがって、ISM帯を用いて通信システムを構築すると、干渉信号により無線伝送が妨害されることが考えられ、これらの干渉信号が通信エラーの原因となる可能性がある。ISM帯では、多様な機器が干渉信号の発生源すなわち干渉源となり得る。また、干渉信号は、各機器の通信方式などに依存した特徴を有する。そこで、通信エラーの要因を特定するために、干渉信号の特徴を抽出する技術が提案されている。
特許文献1には、電磁波を一定時間ごとにサンプリングし、サンプリングされた結果である波形サンプルから振幅確率分布等の特徴量を算出して特徴量を記憶し、記憶されている複数の特徴量間の類似度を求め、類似度に基づいて波形サンプルをクラスタに分類する装置が開示されている。
特許第5793961号公報
上記特許文献1に記載の技術によれば、過去から最新の波形サンプルまでの複数の波形サンプルを波形サンプル間の類似度に基づいてクラスタに分類している。したがって、特許文献1に記載の技術では、電波環境が変化しないすなわち干渉源が変化しない場合には、干渉源ごとの分類が可能である。しかしながら、通信システムを構成する通信装置において受信される干渉信号すなわち通信装置の電波環境は、通信装置が移動する場合には時々刻々と変化する。このように、時々刻々と電波環境が変化する場合に一定時間ごとにサンプリングされたある時刻における干渉源と、別の時刻における干渉源とが異なるといったように、干渉源も時間によって変化することがある。このような場合に、上記特許文献1に記載の技術により干渉信号を分類すると、クラスタの分類が正しく行われない可能性がある。
本発明は、上記に鑑みてなされたものであって、電波環境の変化の有無にかかわらず、干渉信号を適切に分類することができる干渉識別装置および干渉識別方法を得ることを目的とする。
上述した課題を解決し、目的を達成するために、本発明にかかる干渉識別装置は、解析時間長の間に受信された電磁波を用いて該電磁波の1種類以上の特徴量を算出する特徴量算出部と、1種類以上の特徴量が、特徴量の1種類を1次元に対応させた1次元以上の空間であるクラスタ空間において領域が各々定義される複数のクラスタのうちのいずれに属するかを識別する識別部と、を備える。本発明にかかる干渉識別装置は、さらに、1種類以上の特徴量のクラスタ空間におけるクラスタとの距離に基づいて解析時間長を変更する変更部、を備える。
本発明にかかる干渉識別装置は、電波環境の変化の有無にかかわらず、干渉信号を適切に分類することができるという効果を奏する。
実施の形態1にかかる干渉識別装置の機能構成を示す図 実施の形態1の干渉識別装置のハードウェア構成例を示す図 実施の形態1の干渉識別装置のハードウェア構成の別の一例を示す図 実施の形態1の特徴量算出部、クラスタ間距離算出部、サンプルデータ解析長変更部および干渉識別部が実施する処理の手順の一例を示すフローチャート 実施の形態1の干渉識別装置が受信する干渉信号の周波数および時間における特性の一例を示す図 実施の形態1においてクラスタ空間にマッピングされた特徴量の一例を示す図 図5に示したサンプルデータ解析長からΔtだけ短くしたサンプルデータ解析長を示す図 図5に示したサンプルデータ解析長を元に、サンプルデータ解析長の変更をN回実施した後のサンプルデータ解析長を示す図 図8に示したサンプルデータ解析長を用いて算出された特徴量をクラスタ空間にマッピングした図 実施の形態2にかかる干渉識別装置の機能構成例を示す図 実施の形態2の特徴量算出部、クラスタ間距離算出部、サンプルデータ解析長変更部、干渉識別部およびサンプルデータ廃棄部が実施する処理の手順の一例を示すフローチャート
以下に、本発明の実施の形態にかかる干渉識別装置および干渉識別方法を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
実施の形態1.
図1は、本発明の実施の形態1にかかる干渉識別装置の機能構成を示す図である。本実施の形態の干渉識別装置10は、電波環境データを取得し、電波環境データの特徴量に基づいて、電波環境データに含まれる干渉信号の種類を識別する。電波環境データとは、後述するように、干渉識別装置10が、受信した電磁波を測定することにより得られる測定データである。干渉識別装置10は、通信装置に搭載されていてもよい。
図1に示すように、本実施の形態の干渉識別装置10は、アンテナ1、RF(Radio Frequency)処理部2、A/D(Analog to Digital)変換部3、特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6、干渉識別部7、記憶部8および出力部9を備える。
アンテナ1は、電磁波を受信する。アンテナ1は、効率良く電磁波を受信できるアンテナであることが望ましい。具体的には、例えば、アンテナ1は、高利得アンテナであり、八木宇田アンテナなどの指向性アンテナ、または干渉波の偏波によらず電磁波を受信できるように水平偏波と垂直偏波の電磁波を同時に受信可能な偏波共用アンテナである。また、以下では、アンテナ1は、複数の周波数の電磁波をそれぞれ受信可能なアンテナであるとする。RF処理部2は、アンテナ1により受信された電磁波の増幅処理を行う受信処理部である。詳細には、RF処理部2は、アンテナ1により受信された電磁波の増幅、および受信された電磁波のノイズ除去のためのフィルタリング処理といった処理を実施し、処理後の電磁波を測定し、測定結果を測定データとして出力する。アンテナ1およびRF処理部2により実施される測定は、具体的には、例えば、アンテナ1により受信された周波数ごとの、電磁波の強度の測定である。以下では、周波数ごとの電磁波の強度の測定が実施される例を説明するが、測定の内容はこの例に限定されず、干渉信号をどのような種類に分類するか、すなわちどのような特徴量を抽出するかにより依存して適切に決定されればよい。A/D変換部3は、RF処理部2から出力されるアナログデータである測定データを、一定時間ごとにサンプリングされたデジタルデータに変換して出力する回路である。本実施の形態では、デジタルデータに変換された測定データを電波環境データとも呼ぶ。
特徴量算出部4は、サンプルデータ解析長の間に受信された電磁波すなわち電波環境データを用いて該電磁波の1種類以上の特徴量を算出する。詳細には、特徴量算出部4は、あらかじめ定められたサンプルデータ解析長分またはサンプルデータ解析長変更部6により指示されたサンプルデータ解析長分のデジタルデータを用いて、受信した電磁波の特徴を表す特徴量を算出する。解析時間長であるサンプルデータ解析長は、単位は時間であり、1回の特徴量の算出に用いられるデジタルデータの長さをデジタルデータの受信された時間により定めるものである。すなわち、サンプルデータ解析長が1秒であれば、1秒間に受信されたデジタルデータが1回の特徴量の算出に用いられる。
クラスタ間距離算出部5は、複数のクラスタの各々について、特徴量算出部4により算出された特徴量と後述する各クラスタ中心との距離を算出された距離のうち、最も短い距離に対応するクラスタを選択し、選択されたクラスタの距離からクラスタ半径を減じた値である差分を算出する距離算出部である。
サンプルデータ解析長変更部6は、特徴量算出部4により算出された特徴量のクラスタ空間におけるクラスタとの距離に基づいてサンプルデータ解析長を変更する変更部である。詳細には、サンプルデータ解析長変更部6は、クラスタ間距離算出部5により算出された差分に基づいてサンプルデータ解析長を変更する。より詳細には、サンプルデータ解析長変更部6は、クラスタ間距離算出部5により算出されたクラスタ間距離と後述するクラスタ半径との差分がしきい値以下であるか否かを確認し、差分がしきい値を超える場合はサンプルデータ解析長を変更し、変更後のサンプルデータ解析長を特徴量算出部4へ指示する。
干渉識別部7は、特徴量算出部4により算出された1種類以上の特徴量が、特徴量の1種類を1次元に対応させた空間であるクラスタ空間において領域が各々定義される複数のクラスタのうちのいずれに属するかを識別する識別部である。詳細には、干渉識別部7は、特徴量算出部4により算出された特徴量に基づいて、電波環境データのクラスタリングすなわち電波環境データをクラスタへ分類することにより、電波環境データに含まれる干渉信号の種別を識別する。なお、本実施の形態において、クラスタは干渉信号の種類に対応したグループである。クラスタの詳細については後述する。記憶部8は、電波環境データの識別結果と、サンプルデータ解析長変更部6において設定されたサンプルデータ解析長を用いて算出された特徴量と、サンプルデータ解析長とを対応付けて記憶する。出力部9は、干渉識別部7による干渉信号の種別の識別結果を出力する。
次に、本実施の形態の干渉識別装置10のハードウェア構成例について説明する。図2は、干渉識別装置10のハードウェア構成例を示す図である。図2に示したハードウェア構成例では、図1に示した特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6、干渉識別部7および記憶部8は処理回路102により実現される。処理回路102を構成する回路は、例えばASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)またはメモリ、またはこれらを組み合わせたものである。特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6、干渉識別部7および記憶部8を別々に異なる処理回路で実現してもよく、1つの処理回路でこれらの機能をまとめて実現してもよい。受信装置101は、図1に示したアンテナ1、RF処理部2およびA/D変換部3を実現する受信機である。出力部103は、例えば、ディスプレイ、モニタ、プリンタであり、図1に示した出力部9を実現する。処理回路は、専用回路であってもよく、プロセッサを用いた制御回路であってもよい。
図3は、干渉識別装置10のハードウェア構成の別の一例を示す図である。図2に示したハードウェア構成例では、図1に示した特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6および干渉識別部7がソフトウェアにより実現される構成例を示している。この場合、特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6および干渉識別部7は、図3に示したメモリ202に格納されたプログラムをプロセッサ203が読み出して実行することにより、実現される。記憶部8は、メモリ202により実現される。受信装置201は、図1に示したアンテナ1、RF処理部2およびA/D変換部3を実現する受信機である。出力部204は、例えば、ディスプレイ、モニタ、プリンタであり、図1に示した出力部9を実現する。メモリ202は、プロセッサ203が処理を実行する際にも使用される。
図3に示したプロセッサ203は、CPU(Central Processing Unit)をはじめとした演算を行う処理回路である。メモリ202は、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリー、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically Erasable Programmable Read Only Memory)等の、不揮発性または揮発性の半導体メモリ、磁気ディスク等である。
なお、特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6および干渉識別部7のうち一部が専用回路により実現され、残部がソフトウェアにより実現されてもよい。
次に、本実施の形態の干渉識別装置10の動作について説明する。本実施の形態の干渉識別装置10は、電波環境データのサンプルデータ解析長を適切に設定することで電波環境データに含まれる干渉信号の種類を精度よく識別する。
まず、干渉識別装置10は、アンテナ1により電磁波を受信し、受信した電磁波に対してRF処理部2により増幅処理およびフィルタリング処理といった処理を行う。次に、A/D変換部3は、RF処理部2から出力される測定データをA/D変換し、A/D変換後のデジタルデータすなわち電波環境データを出力する。この電波環境データには、電波環境データを識別するための識別情報が付加されている。電波環境データを識別するための識別情報は、例えば、電波環境データが受信された時刻、A/D変換部3により処理された時刻、および電波環境データを受信した位置のうちの1つ以上を用いることができるが、識別情報はこれらに限定されない。電波環境データを受信した位置を識別情報として用いる場合、干渉識別装置10は、例えば、GPS(Global Positioning System)衛星から受信したデータに基づいて自身の位置を算出するGPS機能を備える。
特徴量算出部4は、電波環境データを用いて電波環境データの特徴量を算出して、算出した特徴量を識別情報とともにクラスタ間距離算出部5へ出力する。すなわち、特徴量算出部4は、電波環境データから特徴量を抽出する。具体的には、特徴量算出部4は、サンプルデータ解析長変更部6から、サンプルデータ解析長を指示されていないときは、すなわち初期状態ではあらかじめ定められたサンプルデータ解析長分の電波環境データを用いて、受信した電磁波の特徴を表す特徴量を算出する。特徴量算出部4は、解析に用いた電波環境データを少なくとも一定時間の間、保持しておく。特徴量算出部4は、サンプルデータ解析長変更部6から特徴量の解析に用いる電波環境データの先頭の位置とサンプルデータ解析長とを指示されると、指示に基づいて特徴量を算出する。
特徴量とは、干渉信号の種類に応じてその値の大小が決まるものである。特徴量の例としては、平均電力、電力値ヒストグラムから得られる分散、歪度すなわち3次のモーメント、尖度すなわち4次のモーメントが挙げられる。具体的には、特徴量算出部4は、電波環境データを用いて2種類の特徴量を算出する。例えば、特徴量算出部4は、電波環境データを用いて平均電力および歪度を算出する。なお、本実施の形態では2種類の特徴量を用いて干渉信号の種類を識別する例を示すが、干渉信号の種類を識別するために適切な特徴量を算出すればよく、3種類以上の特徴量を算出してもよいし、1種類の特徴量を算出してもよい。
クラスタ間距離算出部5は、特徴量算出部4により算出された特徴量をクラスタ空間にマッピングする。ここで、本実施の形態のクラスタ空間とは、1種類の特徴量を1つの次元とした1次元以上の空間である。m(mは1以上の整数)種類の特徴量を用いる場合、クラスタ空間はm次元空間となる。したがって、クラスタ空間へのマッピングは、例えば、各電波環境データをm次元空間の座標値で表すことに相当する。本実施の形態のクラスタは、干渉信号の種類に対応したグループであり、クラスタ空間におけるクラスタの中心であるクラスタ中心とクラスタ空間におけるクラスタの半径であるクラスタ半径とで定義される。すなわち、複数のクラスタのクラスタ空間における各々の領域は、それぞれ複数のクラスタの各々の中心であるクラスタ中心と、それぞれ複数のクラスタの各々の半径であるクラスタ半径とで定義される。
次に、クラスタ間距離算出部5は、クラスタごとに、算出した特徴量とクラスタとの間の距離を算出する。具体的には、クラスタ間距離算出部5は、特徴量とクラスタとの間の距離として、特徴量とクラスタ中心の距離を算出する。クラスタ間距離算出部5は、特徴量算出部4により算出された特徴量と、各クラスタのクラスタ中心との距離を算出し、算出した距離が最も短いクラスタを選択する。ここでいう距離とはユークリッド距離でもよいし、マハラノビス距離またはチェビシェフ距離でも良い。
次に、クラスタ間距離算出部5は、選択したクラスタのクラスタ中心と特徴量算出部4により算出された特徴量との間の距離と、選択したクラスタのクラスタ半径との差分を算出し、算出した差分を特徴量算出部4により算出された特徴量および識別情報とともにサンプルデータ解析長変更部6へ出力する。なお、この差分は、選択したクラスタのクラスタ中心と特徴量算出部4により算出された特徴量との間の距離から、選択したクラスタのクラスタ半径を減じることにより算出される。したがって、選択したクラスタのクラスタ半径が、選択したクラスタのクラスタ中心と特徴量算出部4により算出された特徴量との間の距離より大きい場合、差分は負の値となる。
各クラスタのクラスタ中心の初期値は、分類対象となる干渉信号の種類に応じてあらかじめ定められてもよいし、各特徴量すなわち各電波環境データに対応する特徴量をクラスタに分類した結果を用いて算出されてもよい。後者の場合、例えば、クラスタ間距離算出部5は次のようにクラスタ中心の初期値を算出する。クラスタ間距離算出部5は、k個の特徴量のそれぞれについて、他の特徴量との間の距離をそれぞれ計算し、最も距離の離れている特徴量の組を求める。kは2以上の整数であるが、以下のように初期の分類に用いられる個数であるため、定義するクラスタの数の2倍より大きい数であることが望ましい。最も距離の離れている特徴量の組とk−2個の特徴量の距離をそれぞれ計算し、最も距離の近いクラスタに特徴量を分類する。全ての特徴量が2つのクラスタのいずれかに分類された後、下記式(1)に従いクラスタ中心を計算する。なお、ここでCiはクラスタiに含まれる特徴量の集合であり、|Ci|はクラスタに含まれる特徴量の数を示している。クラスタ中心の計算によってクラスタ中心の座標の変化が無くなるまで、またはしきい値に収まるまで、k−2個の特徴量をクラスタへの分類するステップから、クラスタ中心の座標を算出するステップまで繰り返す。クラスタ中心の再計算によるクラスタ中心の座標の変化が無くなった場合、またはしきい値に収まった場合は、そのクラスタ空間における座標をクラスタ中心の初期値とする。
Figure 2018055673
各クラスタのクラスタ半径の初期値は、分類対象となる干渉信号の種類に応じてあらかじめ定められてもよいし、上述したk個の特徴量から算出されてもよい。クラスタ間距離算出部5は、上述したように各クラスタのクラスタ中心を求め、上述したk個の特徴量についてそれぞれ、各クラスタのクラスタ中心との距離を算出する。クラスタ間距離算出部5は、k個の特徴量をそれぞれ、クラスタ中心の距離の最も短いクラスタに分類する。その後、クラスタ間距離算出部5は、クラスタごとに、クラスタ中心と該クラスタに分類された特徴量との距離を算出して算出された距離のうち最も長い距離に1/2を乗じたものであるRを該クラスタの半径とする。または、Rに一定値を加算した値、またはRに一定比率を乗じた値をクラスタ半径としてもよい。
なお、上述したクラスタ中心およびクラスタ半径の初期値の算出は、クラスタ間距離算出部5により実施されるかわりに干渉識別部7で実施されてもよく、または図1に図示しない別の構成要素により実施されてもよい。
サンプルデータ解析長変更部6は、クラスタ間距離算出部5から出力された差分がしきい値以下であるか否かを判断する。なお、しきい値は正の値であるとする。したがって、クラスタ間距離算出部5から出力された差分が負の値の場合には、差分はしきい値より小さくなる。サンプルデータ解析長変更部6は、クラスタ間距離算出部5から出力された差分がしきい値を超える場合、現在のサンプルデータ解析長をあらかじめ定められた長さΔtだけ短くするよう変更し、変更後のサンプルデータ解析長を特徴量算出部4へ指示する。上述したように、変更後のサンプルデータ解析長を指示された特徴量算出部4は、変更後のサンプルデータ解析長分の電波環境データを用いて再度特徴量を算出する。サンプルデータ解析長変更部6は、クラスタ間距離算出部5から出力された差分がしきい値以下の場合、サンプルデータ解析長を変更せず、すなわち、特徴量算出部4への指示は行わず、特徴量算出部4により算出された特徴量を、該特徴量の算出に用いられたサンプルデータ解析長および該特徴量に対応する識別情報とともに干渉識別部7へ出力する。
干渉識別部7は、特徴量算出部4により算出された特徴量と、各クラスタのクラスタ中心との間の距離を算出する。干渉識別部7は、算出された距離が最も短いクラスタを選択し、選択したクラスタに該特徴量を属させる。干渉識別部7は、サンプルデータ解析長と、特徴量に対応する識別情報すなわち該特徴量に対応する電波環境データの識別情報と、選択したクラスタを示す情報とを対応付けて、識別結果として記憶部8へ格納する。クラスタを示す情報としては、例えば、クラスタに対応する番号であるクラスタ番号を用いることができる。
出力部9は、記憶部8に格納された識別結果を出力する。出力部9における識別結果の出力方法に特に制約はないが、例えば、出力部9は、最新の特徴量に対応する識別結果すなわちクラスタ番号を出力するようにしてもよいし、最新の特徴量に対応する識別結果すなわちクラスタ番号をサンプルデータ解析長とともに出力するようにしてもよい。また、出力部9は、複数の特徴量について、特徴量の識別情報と識別結果とを対応付けて出力するようにしてもよい。なお、ここでは識別結果が記憶部8に一度格納されてから、出力部9へ出力されるようにしているが、識別結果は記憶部8に格納されずに、干渉識別部7から直接出力部9へ出力されてもよい。
次に、本実施の形態の特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6および干渉識別部7が実施する処理の手順について説明する。図4は、本実施の形態の特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6および干渉識別部7が実施する処理の手順の一例を示すフローチャートである。
まず、特徴量算出部4は、A/D変換部3からサンプルデータ解析長分の電波環境データであるサンプルデータを取得する(ステップS1)。なお、特徴量算出部4におけるサンプルデータの取得方法としては、A/D変換部3が、デジタルデータを保持しておき、保持している電波環境データがサンプルデータ解析長分となった時点で、特徴量算出部4へ入力する方法を用いることができる。または、前述したサンプルデータの取得方法としては、A/D変換部3から順次電波環境データを特徴量算出部4へ入力し、特徴量算出部4が、入力された電波環境データがサンプルデータ解析長になった時点で入力完了すなわち取得完了と判断する方法を用いてもよい。
特徴量算出部4は、電波環境データに対して特徴量を算出する(ステップS2)。具体的には、特徴量算出部4は、サンプルデータすなわちサンプルデータ解析長分の電波環境データを用いて、上述したように1種類以上の特徴量を算出する。
クラスタ間距離算出部5は、各クラスタのクラスタ中心と特徴量算出部4で算出された特徴量との間の距離をそれぞれ算出する(ステップS3)。なお、ステップS3の前に、クラスタ間距離算出部5は、記憶部8に記憶されている特徴量を用いて、上述した方法によりクラスタ半径およびクラスタ中心を求めておく。クラスタ半径およびクラスタ中心を求めるタイミングは、ステップS1からステップS3の実施前までの間であればよい。算出されたクラスタ半径およびクラスタ中心は記憶部8に格納される。
次に、クラスタ間距離算出部5は、最も近いクラスタ、すなわち特徴量算出部4で算出された特徴量とクラスタ中心との間の距離が最も短いクラスタを選択し、選択したクラスタのクラスタ中心と特徴量算出部4で算出された特徴量との間の距離と、選択したクラスタのクラスタ半径との差分を計算する(ステップS4)。
サンプルデータ解析長変更部6は、クラスタ間距離算出部5で算出される差分がしきい値以下であるか否かを判断する(ステップS5)。クラスタ間距離算出部5で算出される差分がしきい値を超える場合(ステップS5 No)、サンプルデータ解析長変更部6は、現在のサンプルデータ解析長をΔtだけ短くし(ステップS6)、短くした後のサンプルデータ解析長が最短長未満であるか否か判定する(ステップS7)。最短長は、サンプルデータ解析長として設定可能な最短の長さである。サンプルデータ解析長の最短長は、特徴量の算出方法に応じて設定される、または、特徴量によらない固定の値に設定される。
短くした後のサンプルデータ解析長が最短長未満である場合(ステップS7 Yes)、サンプルデータ解析長変更部6は、処理対象の電波環境データの干渉信号の種類の識別が不可であることを示す情報を干渉識別部7へ出力し(ステップS8)、ステップS11へ進む。ステップS8により干渉信号の種類の識別が不可であることを示す情報が出力されると、干渉識別部7は、対応する特徴量の識別情報とともに、干渉信号の種類の識別が不可であることを示す情報を記憶部8に格納する。出力部9は、記憶部8に格納された識別情報とともに、干渉信号の種類の識別が不可であることを示す情報とに基づいて、該識別情報に対応する電波環境データに関して干渉信号の種類の識別が不可であることを示す情報を出力する。
短くした後のサンプルデータ解析長が最短長以上である場合(ステップS7 No)、サンプルデータ解析長変更部6は、変更後のサンプルデータ解析長すなわち短くした後のサンプルデータ解析長をサンプルデータの先頭の位置とともに特徴量算出部4へ指示する(ステップS12)。このとき指示されるサンプルデータの先頭の位置は、サンプルデータ解析長の変更前のサンプルデータの先頭の位置と同じである。以降、ステップS2からの処理が再び実施される。
ステップS5で、クラスタ間距離算出部5で算出される差分がしきい値以下である場合(ステップS5 Yes)、クラスタリングが実行される(ステップS9)。具体的には、サンプルデータ解析長変更部6は、特徴量算出部4により算出された特徴量を、該特徴量の算出に用いられたサンプルデータ解析長および該特徴量に対応する識別情報とともに干渉識別部7へ出力する。干渉識別部7は、特徴量算出部4により算出された特徴量と、各クラスタのクラスタ中心との間の距離を算出し、算出された距離が最も短いクラスタを選択し、選択したクラスタに該特徴量を属させることによりクラスタリングを実行する。
ステップS9の後、クラスタリングの結果、すなわち識別結果は、出力部9により出力される(ステップS10)。具体的には、干渉識別部7は、識別結果を記憶部8へ格納し、出力部9が、記憶部8から識別結果を読み出して出力する。また、干渉識別部7は、上述したように、特徴量も記憶部8に格納する。
その後、サンプルデータ解析長変更部6は、次のサンプルデータの先頭位置およびサンプルデータ解析長を設定する(ステップS11)。具体的には、サンプルデータ解析長変更部6は、次のサンプルデータの先頭位置およびサンプルデータ解析長を決定し、決定したサンプルデータの先頭位置およびサンプルデータ解析長を特徴量算出部4へ指示する。一般には、次のサンプルデータの先頭位置は、今回の処理を行ったサンプルデータの末尾の次の位置であるが、これに限定されない。また、次のサンプルデータのサンプルデータ解析長は、例えば、あらかじめ定められた初期値を用いてもよいし、今回の処理により設定された最後のサンプルデータ解析長を用いてもよい。ステップS11の後、ステップS1以降の処理が繰り返される。
以上のように、干渉識別装置10が実行する干渉識別方法は、サンプルデータ解析長の間に受信された電磁波を用いて特徴量を算出する第1のステップと、特徴量が、複数のクラスタのうちのいずれに属するかを識別する第2のステップと、を含む。さらに、この干渉域別方法は、特徴量のクラスタ空間におけるクラスタとの距離に基づいてサンプルデータ解析長を変更する第3のステップ、を含む。
次に、図5から図9を用いて、電波環境データの干渉信号の種類の識別結果、すなわち干渉源の種別の識別結果の具体例について説明する。図5は、干渉識別装置10が受信する干渉信号の周波数および時間における特性の一例を示す図である。図5では、干渉源として無線LAN(Local Area Network)通信システムとコードレスフォンとが存在する場合に、周波数および時間において干渉信号が存在する箇所をハッチングした領域で示している。図5における横軸は周波数であり、図5における縦軸は時間である。図5に示した例では、干渉識別装置10は、1つのサンプルデータ解析長内で、t1までは無線LANシステムによる干渉信号を受信し、時刻t1より後の時刻である時刻t2からはコードレスフォンによる干渉信号を受信する。コードレスフォンによる干渉信号は、時間ごとに周波数が変更されており、連続して占有される時間帯は無線LANシステムに比べて短い。無線LANシステムによる干渉信号は、周波数および時間領域における占有率がコードレスフォンによる干渉信号に比べて高い。
また、ここでは、特徴量算出部4は、歪度および平均電力の2種類の特徴量を算出することとし、歪度を特徴量#1とし、平均電力を特徴量#2とする。なお、歪度は、高次モーメントの一種であり、3次のモーメントに相当する。具体的には、特徴量算出部4は、電力値をあらかじめ定めた範囲ごとの階級に分け、ヒストグラムを求める。そして、ヒストクラムを用いて平均値まわりのモーメントを求め、求めたモーメントを標準偏差の3乗で割って3次モーメントを算出する。ここでは、特徴量#1である歪度は、コードレスフォンの干渉信号の方が、無線LANシステムによる干渉信号より高い値を示すとする。また、特徴量#2は、コードレスフォンの干渉信号の方が、無線LANシステムによる干渉信号より低い値を示すとする。また、1回の特徴量の算出で用いられる電波環境データであるサンプルデータ内に両方の干渉信号が含まれている場合は、特徴量#1および特徴量#2は、コードレスフォンの干渉信号の値と無線LANシステムによる干渉信号の値との中間の値をとるとする。
図6は、クラスタ空間にマッピングされた特徴量の一例を示す図である。図6では、本実施の形態の干渉識別装置10が、無線LANシステムによる干渉信号とコードレスフォンによる干渉信号との両方を受信する環境において、図5に示したサンプルデータ解析長のサンプルデータを用いて特徴量を算出し、特徴量をクラスタ空間にマッピングした結果の一例を示している。図6に示した例では、図5に示したサンプルデータ解析長のサンプルデータを用いて特徴量を算出する前に、既にクラスタリングが実施されており、過去に算出された特徴量が記憶部8に格納されている。図6においてひし形で示した点303は、新たに算出された特徴量すなわち図5に示したサンプルデータ解析長のサンプルデータを用いて特徴量がクラスタ空間にマッピングされた点を示している。図6において白丸で示した点304は、記憶部8に保存されているデータすなわち過去に算出された特徴量がクラスタ空間にマッピングされた点を示している。なお、図6では、全ての白丸に符号は付していないが、符号を付していない白丸も、過去に算出された特徴量がクラスタ空間にマッピングされた点を示している。
図6に示したクラスタ301は、無線LANシステムによる干渉信号に対応するクラスタであり、クラスタ302は、コードレスフォンによる干渉信号に対応するクラスタである。クラスタ301は、クラスタ中心C1を中心としたクラスタ半径R1のクラスタであり、クラスタ302は、クラスタ中心C2を中心としたクラスタである。各クラスタのクラスタ中心およびクラスタ半径は、上述したように、過去に算出された特徴量を元に算出される。図6に示すように、記憶部8に格納されている特徴量をクラスタ空間にマッピングすると、クラスタ301およびクラスタ302の2つのクラスタに分類される。
干渉識別装置10は、図5に示したサンプルデータ解析長のサンプルデータを用いて特徴量を算出すると、該特徴量とクラスタ301のクラスタ中心C1との間の距離D1、該特徴量とクラスタ302のクラスタ中心C2との間の距離D2を算出する。その後、干渉識別装置10は、距離D1と距離D2とを比較し、小さい方を選択する。ここでは、距離D1が距離D2より小さく、距離D1が選択されたとする。干渉識別装置10は、図6に示すように、距離D1とクラスタ半径R1との差分が、しきい値である許容範囲α1を超える場合、サンプルデータ解析長をΔtだけ短くして特徴量の再計算を行う。なお、図6では、クラスタ301に対応する許容範囲をα1とし、クラスタ302に対応する許容範囲をα2として示しているが、このようにクラスタごとに許容範囲すなわちしきい値を設定してもよいし、クラスタ間で共通の許容範囲すなわちしきい値を用いてもよい。図7は、図5に示したサンプルデータ解析長からΔtだけ短くしたサンプルデータ解析長を示す図である。
なお、一般には、サンプルデータ解析長の変更により、電力値のヒストグラム形状が変化するため、干渉識別装置10は、再度、特徴量#1および特徴量#2の計算を行うが、Δtだけサンプルデータ解析長が短くなっても変化しない性質の特徴量については、再計算を省略してもよい。
その後、干渉識別装置10は、同様に、再び、距離D1および距離D2を求め、距離D1と距離D2の小さい方と該距離に対応するクラスタのクラスタ半径との差分を求め、差分がしきい値α1を超える場合、再度サンプルデータ解析長をΔtだけ短くし、再計算を行う。以上の処理を上記の差分がしきい値α1以下とまで繰り返し、差分がしきい値α1以下となると、サンプルデータ解析長を変更せずに、特徴量をクラスタ301に属させる。
図8は、図5に示したサンプルデータ解析長を元に、サンプルデータ解析長の変更をN(Nは1以上の整数)回実施した後のサンプルデータ解析長を示す図である。サンプルデータ解析長の変更がN回繰り返されると、元のサンプルデータ解析長からN×Δtだけ短くなる。図8に示した例では、コードレスフォンによる干渉信号が生じている時間帯が、サンプルデータ解析長が短縮された期間であるN×Δt内に収まっている。このため、N×Δtだけ短縮されたサンプルデータ解析長のサンプルデータは、無線LANシステムによる干渉信号の特徴を示すものとなる。したがって、N×Δtだけ短縮されたサンプルデータ解析長のサンプルデータから算出された特徴量は、クラスタ301のクラスタ301のクラスタ中心C1との間の距離D1とクラスタ半径R1との差分がしきい値α1以下となり、クラスタ301に分類される。
図9は、図8に示したサンプルデータ解析長を用いて算出された特徴量をクラスタ空間にマッピングした図である。図9に示すように、この場合、新たに算出された特徴量は、クラスタ301内に収まっていることがわかる。
以上のように、本実施の形態の干渉識別装置10は電波環境データから、干渉信号の特徴を表す特徴量を算出し、算出した特徴量とクラスタとの間の距離に基づいて、詳細には特徴量とクラスタ中心との間の距離とクラスタ半径との差分に基づいて、サンプルデータ解析長を変更するようにした。このため、干渉源が変化する場合でも、サンプルデータ解析長を適切な値に設定して適切な特徴量を算出することができ、精度よく干渉信号の分類を実施することができる。また、適切でないサンプルデータ解析長で算出された特徴量を用いてクラスタ半径を算出することを防ぐことができるため、クラスタ半径が本来のクラスタ半径より大きくなることを防ぐことができる。このため、クラスタ半径を算出した後の、クラスタリングすなわち干渉信号の分類の実行時にも、精度よく干渉信号の分類を実施することができる。
実施の形態2.
図10は、本発明の実施の形態2にかかる干渉識別装置10aの機能構成例を示す図である。本実施の形態の干渉識別装置10aの機能構成は、実施の形態1の干渉識別装置にサンプルデータ廃棄部11を加える以外は、実施の形態1の干渉識別装置10と同様である。実施の形態1と同様の機能を有する構成要素は、実施の形態1と同一の符号を付して、重複する説明を省略する。以下、実施の形態1と異なる点を説明する。
本実施の形態の干渉識別装置10aのハードウェア構成は、実施の形態1の干渉識別装置10のハードウェア構成と同様であり、サンプルデータ廃棄部11は処理回路により実現される。サンプルデータ廃棄部11は、クラスタ間距離算出部5、サンプルデータ解析長変更部6および干渉識別部7と同様に、専用のハードウェアとして実現されてもよいし、ソフトウェアにより実現されてもよい。
実施の形態1の干渉識別装置10は、電波環境データの特徴量を算出し、特徴量とクラスタとの間の距離に基づいてサンプルデータ解析長を設定することで、精度良く干渉信号の種類を識別した。実施の形態1では、干渉信号の識別に用いられた特徴量を記憶部8に格納しておき、記憶部8に格納された特徴量を用いてクラスタ中心およびクラスタ半径を算出する。本実施の形態では、クラスタリングに不要なデータを廃棄することでサンプル量を減らし、高速に精度よく干渉信号の種類を識別する方法について説明する。なお、サンプルデータとは、上述したように、1回の特徴量の算出の元になる電波環境データである。以下、サンプルデータの廃棄という場合、実際には、記憶部8に格納されている該サンプルデータに対応する特徴量が削除すなわち廃棄されることに相当する。
本実施の形態の廃棄部であるサンプルデータ廃棄部11は、特徴量算出部4により新たに算出された特徴量である第1の特徴量と第1の特徴量が属するクラスタに属する過去に算出された特徴量である第2の特徴量との間のクラスタ空間における距離を算出する。また、サンプルデータ廃棄部11は、算出された距離に基づいて廃棄する第2の特徴量を選択し、選択された第2の特徴量を記憶部8から削除する。すなわち、干渉識別部7から出力される識別結果および特徴量を元に、廃棄するサンプルデータを決定し、廃棄すると決定されたサンプルデータに対応する特徴量を記憶部8から消去することにより該サンプルデータを廃棄する。廃棄される候補となるサンプルデータは、特徴量算出部4により算出された特徴量が属するクラスタにおけるサンプルデータであり、特徴量算出部4により算出された特徴量との間の距離が短いものから順に廃棄される候補となる。また、また、サンプルデータの廃棄の前後で、クラスタ半径とクラスタ中心の変化量がしきい値以下である場合にサンプルデータの廃棄が実行される。すなわち、サンプルデータ廃棄部11は、第1の特徴量が属するクラスタにおいて、選択された第2の特徴量を含んで算出されたクラスタ中心と、選択された第2の特徴量を含まずに算出されたクラスタ中心との間の距離がしきい値以下である場合に選択された第2の特徴量を記憶部8から削除する。
次に、本実施の形態の動作について説明する。図11は、実施の形態2の特徴量算出部4、クラスタ間距離算出部5、サンプルデータ解析長変更部6、干渉識別部7およびサンプルデータ廃棄部11が実施する処理の手順の一例を示すフローチャートである。なお、実施の形態1と同様の動作については説明を省略する。以下に述べる動作以外の本実施の形態の動作は、実施の形態1と同様である。実施の形態1と同様にステップS1からステップS12が実施される。
ステップS10の後、サンプルデータ廃棄部11は、データ廃棄候補として選択されている各サンプルデータに対応する特徴量と特徴量算出部4により算出された特徴量との距離をそれぞれ算出する(ステップS15)。サンプルデータ廃棄部11は、算出した距離に基づいてデータ廃棄候補に番号を振り分け、変数iを1に初期化する(ステップS16)。具体的には、算出した距離の短い順に、サンプルデータに1から昇順に番号を振り分ける。変数iは、以降の廃棄判定処理の対象となるサンプルデータの番号を表す変数である。
サンプルデータ廃棄部11は、データ廃棄候補のうちi番目のサンプルデータを選択し(ステップS17)、クラスタ中心を算出する(ステップS18)。ステップS18では、具体的には、サンプルデータ廃棄部11は、データ廃棄候補に対応するクラスタのうちi番目のサンプルデータを含めたサンプルデータに対応する特徴量を用いて算出されるクラスタ中心を廃棄前のクラスタ中心として求める。さらに、サンプルデータ廃棄部11は、データ廃棄候補に対応するクラスタのうちi番目の候補のサンプルデータを除いたサンプルデータに対応する特徴量を用いて算出されるクラスタ中心を廃棄後のクラスタ中心として求める。
次に、サンプルデータ廃棄部11は、データを廃棄する前後のクラスタ中心の変化量、すなわち廃棄後のクラスタ中心と廃棄前のクラスタ中心との差の絶対値を算出する(ステップS19)。次に、サンプルデータ廃棄部11は、ステップS19で求めた変化量がしきい値以下であるか否かを判断する(ステップS20)。ステップS19で求めた変化量がしきい値以下である場合(ステップS20 Yes)、サンプルデータ廃棄部11は、i番目の候補のサンプルデータに対応する特徴量を記憶部8から削除することにより廃棄する(ステップS21)。次に、ステップS11が実施される。
ステップS19で求めた変化量がしきい値を超える場合(ステップS20 No)、サンプルデータ廃棄部11は、データ廃棄候補の全てのサンプルデータについてクラスタ中心の再計算を行ったか否かを判断する(ステップS22)。なお、クラスタ中心の再計算とは、上記のステップS18の処理を示す。全ての廃棄候補点すなわちデータ廃棄候補の全てのサンプルデータについてクラスタ中心の再計算を行った場合(ステップS22 Yes)、ステップS11が実施される。データ廃棄候補のうちクラスタ中心の計算を行っていないサンプルデータがある場合(ステップS22 No)、サンプルデータ廃棄部11は、i=i+1とし(ステップS23)、ステップS17の処理を実施する。
以上のように、本実施の形態の干渉識別装置10aは、サンプルデータ廃棄部11により、新たに測定した電波環境データが属するクラスタに対して、クラスタ中心が変化しないように、サンプルデータを選択して廃棄するようにした。このため、サンプルデータの増加を抑える効果が得られ、以降の処理において干渉信号の種類を識別するための処理の鈍化すなわち処理負荷の増大を防ぐことができる。また、クラスタ中心が変化しないように廃棄するサンプルデータを選択して廃棄しているので、サンプルデータが廃棄された後の処理においても、クラスタリングの精度を保つことができる。
以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
1 アンテナ、2 RF処理部、3 A/D変換部、4 特徴量算出部、5 クラスタ間距離算出部、6 サンプルデータ解析長変更部、7 干渉識別部、8 記憶部、9 出力部、10,10a 干渉識別装置、11 サンプルデータ廃棄部。
上述した課題を解決し、目的を達成するために、本発明にかかる干渉識別装置は、解析時間長の間に受信された電磁波を用いて該電磁波の1種類以上の特徴量を算出する特徴量算出部と、1種類以上の特徴量が、特徴量の1種類を1次元に対応させた1次元以上の空間であるクラスタ空間において領域が各々定義される複数のクラスタのうちのいずれに属するかを識別する識別部と、を備える。本発明にかかる干渉識別装置は、さらに、複数のクラスタの各々について、1種類以上の特徴量と、クラスタの中心との距離を算出し、算出された前記距離のうち、最も短い前記距離に対応するクラスタを選択し、選択されたクラスタの距離とクラスタの半径との差分を算出する距離算出部と、差分に基づいて解析時間長を変更する変更部を備える。

Claims (7)

  1. 解析時間長の間に受信された電磁波を用いて該電磁波の1種類以上の特徴量を算出する特徴量算出部と、
    前記1種類以上の特徴量が、特徴量の1種類を1次元に対応させた1次元以上の空間であるクラスタ空間において領域が各々定義される複数のクラスタのうちのいずれに属するかを識別する識別部と、
    前記1種類以上の特徴量の前記クラスタ空間における前記クラスタとの距離に基づいて前記解析時間長を変更する変更部と、
    を備えることを特徴とする干渉識別装置。
  2. 電磁波を受信するためのアンテナと、
    前記アンテナにより受信された前記電磁波の増幅処理を行う受信処理部と、
    を備えることを特徴とする請求項1に記載の干渉識別装置。
  3. 前記識別部による識別結果と前記1種類以上の特徴量と前記解析時間長とを対応付けて記憶する記憶部、
    を備えることを特徴とする請求項1または2に記載の干渉識別装置。
  4. 前記複数のクラスタの前記クラスタ空間における各々の領域は、それぞれ前記複数のクラスタの各々の中心であるクラスタ中心と前記複数のクラスタの各々の半径であるクラスタ半径とで定義され、
    前記干渉識別装置は、
    前記複数のクラスタの各々について、前記1種類以上の特徴量と、前記クラスタ中心との距離を算出し、算出された前記距離のうち、最も短い前記距離に対応する前記クラスタを選択し、選択された前記クラスタの前記距離から前記クラスタ半径を減じた値である差分を算出する距離算出部、
    を備え、
    前記変更部は、前記差分に基づいて前記解析時間長を変更することを特徴とする請求項1から3のいずれか1つに記載の干渉識別装置。
  5. 前記特徴量算出部により新たに算出された前記1種類以上の特徴量である第1の特徴量と前記第1の特徴量が属する前記クラスタに属する過去に算出された前記1種類以上の特徴量である第2の特徴量との間の前記クラスタ空間における距離に基づいて、廃棄する前記第2の特徴量を選択し、選択された前記第2の特徴量を廃棄する廃棄部、
    を備え、
    前記クラスタ中心および前記クラスタ半径は、前記クラスタ中心および前記クラスタ半径に対応する前記クラスタに属する前記1種類以上の特徴量に基づいて算出されることを特徴とする請求項4に記載の干渉識別装置。
  6. 前記廃棄部は、前記第1の特徴量が属する前記クラスタにおいて、選択された前記第2の特徴量を含んで算出された前記クラスタ中心と、選択された前記第2の特徴量を含まずに算出された前記クラスタ中心との間の距離がしきい値以下である場合に前記第2の特徴量を廃棄することを特徴とする請求項5に記載の干渉識別装置。
  7. 干渉識別装置が、解析時間長の間に受信された電磁波を用いて該電磁波の1種類以上の特徴量を算出する第1のステップと、
    前記干渉識別装置が、前記1種類以上の特徴量が、特徴量の1種類を1次元に対応させた1次元以上の空間であるクラスタ空間において領域が各々定義される複数のクラスタのうちのいずれに属するかを識別する第2のステップと、
    前記干渉識別装置が、前記1種類以上の特徴量の前記クラスタ空間における前記クラスタとの距離に基づいて前記解析時間長を変更する第3のステップと、
    を含むことを特徴とする干渉識別方法。
JP2018524848A 2016-09-20 2016-09-20 干渉識別装置および干渉識別方法 Active JP6410995B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/077694 WO2018055673A1 (ja) 2016-09-20 2016-09-20 干渉識別装置および干渉識別方法

Publications (2)

Publication Number Publication Date
JPWO2018055673A1 true JPWO2018055673A1 (ja) 2018-09-27
JP6410995B2 JP6410995B2 (ja) 2018-10-24

Family

ID=61690851

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018524848A Active JP6410995B2 (ja) 2016-09-20 2016-09-20 干渉識別装置および干渉識別方法

Country Status (4)

Country Link
US (1) US10963755B2 (ja)
JP (1) JP6410995B2 (ja)
DE (1) DE112016007146B4 (ja)
WO (1) WO2018055673A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382803B (zh) * 2020-03-18 2022-06-03 电子科技大学 一种基于深度学习的通信信号特征融合方法
CN111934796B (zh) * 2020-07-15 2022-06-17 山东建筑大学 一种lte上行干扰自动标注方法及系统
US11394475B1 (en) * 2020-11-04 2022-07-19 Spectrum Effect Inc. Method and system for interference detection and classification
CN113159447B (zh) * 2021-05-12 2022-03-29 中国人民解放军陆军工程大学 一种激光雷达电磁环境效应预测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008072646A (ja) * 2006-09-15 2008-03-27 Toshiba Corp 通信装置およびプログラム
JP2009038754A (ja) * 2007-08-03 2009-02-19 Panasonic Corp 無線通信装置および干渉検出方法
WO2016035439A1 (ja) * 2014-09-05 2016-03-10 三菱電機株式会社 干渉識別装置、無線通信装置および干渉識別方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5942804B2 (ja) 1978-11-08 1984-10-17 住友金属工業株式会社 防錆剤塗膜厚測定方法
DE3038504A1 (de) 1980-10-11 1982-06-03 Basf Ag, 6700 Ludwigshafen Neue 4-chinolinmethanderivate, ihre herstellung und verwendung zur darstellung von substanzen mit arzneimittelwirkung
EP1881489B1 (en) * 2005-05-13 2010-11-17 Panasonic Corporation Mixed audio separation apparatus
JP2009005250A (ja) * 2007-06-25 2009-01-08 Toyota Infotechnology Center Co Ltd 電波伝搬解析装置
JP5793961B2 (ja) 2010-07-26 2015-10-14 日本電気株式会社 電磁波識別装置、電磁波識別方法及びプログラム
US9509416B2 (en) * 2012-09-20 2016-11-29 Broadcom Corporation Interference cancellation within OFDM communications
CN103947242B (zh) * 2012-10-30 2018-01-16 华为技术有限公司 一种干扰收集和识别的方法、设备及系统
JP5942804B2 (ja) 2012-11-14 2016-06-29 富士通株式会社 無線監視装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008072646A (ja) * 2006-09-15 2008-03-27 Toshiba Corp 通信装置およびプログラム
JP2009038754A (ja) * 2007-08-03 2009-02-19 Panasonic Corp 無線通信装置および干渉検出方法
WO2016035439A1 (ja) * 2014-09-05 2016-03-10 三菱電機株式会社 干渉識別装置、無線通信装置および干渉識別方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高木 学: "非階層クラスタリングによる電波環境測定データの解析", 電子情報通信学会2015年通信ソサイエティ大会講演論文集1, vol. B-5-102, JPN6018020775, 25 August 2015 (2015-08-25), pages 3 - 4 *

Also Published As

Publication number Publication date
WO2018055673A1 (ja) 2018-03-29
US10963755B2 (en) 2021-03-30
DE112016007146B4 (de) 2019-12-24
US20200380314A1 (en) 2020-12-03
DE112016007146T5 (de) 2019-05-02
JP6410995B2 (ja) 2018-10-24

Similar Documents

Publication Publication Date Title
JP6410995B2 (ja) 干渉識別装置および干渉識別方法
US10158437B2 (en) Wireless analysis apparatus and wireless analysis method
CN112526513A (zh) 基于聚类算法的毫米波雷达环境地图构建方法及装置
US9485746B2 (en) Location classification accuracy for devices inside and outside of a deployment area
TW201618563A (zh) 用於適應性多重特徵語意位置感測之系統及方法
WO2018000881A1 (zh) 一种定位方法、服务器及终端
CN110059288B (zh) 用于获得促进机器学习任务用的最佳母小波的系统和方法
US20230108038A1 (en) Unmanned aerial vehicle detection method and apparatus with radio wave measurement
CN111757464A (zh) 一种区域轮廓提取方法及装置
US10108779B2 (en) Automatic nuclear segmentation
CN105530598A (zh) 基于wlan室内定位的ap选择方法
JP6354104B2 (ja) 無線通信方式検出装置、無線通信方式検出方法、及びプログラム
US10958287B1 (en) Efficient compression of radar data
WO2015031350A1 (en) Systems and methods for memory utilization for object detection
CN113055901B (zh) 一种终端定位的方法和装置
US9710922B2 (en) Image processing apparatus, method and medium storing a program for detecting a motion vector
US11432111B2 (en) Information processing device
US20150296479A1 (en) Systems, apparatus, and methods for location estimation of a mobile device
JP6892402B2 (ja) 信号諸元解析装置および信号諸元解析方法
US10306595B2 (en) Method and apparatus for selecting hopping target channels
CN117595943B (zh) 一种目标特征频点快速回溯分析方法、系统、设备及介质
JP6366522B2 (ja) 電波環境解析装置、通信装置および電波環境解析方法
JP5424576B2 (ja) 適合領域検出装置
US20230047200A1 (en) Method and apparatus for improving positioning performance by analyzing signals transmitted via different sub-channels
US11836218B2 (en) System and method for object detection and dimensioning

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180514

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20180514

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180530

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180605

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180720

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180828

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180925

R150 Certificate of patent or registration of utility model

Ref document number: 6410995

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250