WO2018055673A1 - 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
WO2018055673A1
WO2018055673A1 PCT/JP2016/077694 JP2016077694W WO2018055673A1 WO 2018055673 A1 WO2018055673 A1 WO 2018055673A1 JP 2016077694 W JP2016077694 W JP 2016077694W WO 2018055673 A1 WO2018055673 A1 WO 2018055673A1
Authority
WO
WIPO (PCT)
Prior art keywords
cluster
feature
unit
sample data
feature amount
Prior art date
Application number
PCT/JP2016/077694
Other languages
English (en)
French (fr)
Inventor
学 高木
和雅 鈴木
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to PCT/JP2016/077694 priority Critical patent/WO2018055673A1/ja
Priority to US16/321,698 priority patent/US10963755B2/en
Priority to DE112016007146.9T priority patent/DE112016007146B4/de
Priority to JP2018524848A priority patent/JP6410995B2/ja
Publication of WO2018055673A1 publication Critical patent/WO2018055673A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/345—Interference values

Definitions

  • the present invention relates to an interference identification device and an interference identification method for identifying the type of interference signal.
  • a dedicated frequency cannot be secured.
  • a communication system may be constructed using the ISM (Industry Science Medical) band. Since the ISM band is a frequency that is universally allocated for industrial, scientific and medical equipment, it may be used for various equipment. Therefore, when a communication system is constructed using the ISM band, it is conceivable that radio transmission is interrupted by interference signals, and these interference signals may cause communication errors.
  • various devices can be sources of interference signals, that is, interference sources.
  • the interference signal has characteristics depending on the communication method of each device. In order to identify the cause of the communication error, a technique for extracting the characteristics of the interference signal has been proposed.
  • Patent Document 1 electromagnetic waves are sampled at regular intervals, feature quantities such as an amplitude probability distribution are calculated from waveform samples that are the results of sampling, feature quantities are stored, and between a plurality of stored feature quantities Is disclosed, and a waveform sample is classified into clusters based on the similarity.
  • a plurality of waveform samples from the past to the latest waveform sample are classified into clusters based on the similarity between the waveform samples. Therefore, in the technique described in Patent Document 1, when the radio wave environment does not change, that is, when the interference source does not change, classification for each interference source is possible.
  • the interference signal received in the communication device constituting the communication system that is, the radio wave environment of the communication device changes every moment when the communication device moves. In this way, when the radio wave environment changes from moment to moment, the interference source at a certain time sampled at a certain time and the interference source at another time may be different from time to time. is there. In such a case, if the interference signal is classified by the technique described in Patent Document 1, the cluster may not be correctly classified.
  • the present invention has been made in view of the above, and an object of the present invention is to obtain an interference identification device and an interference identification method capable of appropriately classifying an interference signal regardless of whether or not a radio wave environment has changed.
  • the interference identification apparatus calculates a feature quantity of one or more types of the electromagnetic wave using the electromagnetic wave received during the analysis time length. Whether the calculation unit and one or more types of feature values belong to one of a plurality of clusters each of which is defined in a cluster space that is a one or more dimensional space in which one type of feature value corresponds to one dimension And an identification unit for identifying.
  • the interference identification apparatus further includes a changing unit that changes the analysis time length based on the distance from the cluster in the cluster space of one or more types of feature values.
  • the interference discriminating apparatus has an effect that it is possible to appropriately classify interference signals regardless of whether or not the radio wave environment has changed.
  • FIG. 3 is a diagram illustrating a hardware configuration example of the interference identification apparatus according to the first embodiment.
  • FIG. The flowchart which shows an example of the procedure of the process which the feature-value calculation part, cluster distance calculation part, sample data analysis length change part, and interference identification part of Embodiment 1 implement.
  • the figure which shows an example of the characteristic in the frequency and time of the interference signal which the interference identification device of Embodiment 1 receives The figure which shows an example of the feature-value mapped by the cluster space in Embodiment 1
  • the figure which shows the sample data analysis length shortened only (DELTA) t from the sample data analysis length shown in FIG. The figure which shows the sample data analysis length after changing the sample data analysis length N times based on the sample data analysis length shown in FIG.
  • FIG. The flowchart which shows an example of the procedure of the process which the feature-value calculation part of Embodiment 2, the intercluster distance calculation part, a sample data analysis length change part, an interference identification part, and a sample data discard part perform
  • FIG. 1 is a diagram illustrating a functional configuration of the interference identification apparatus according to the first embodiment of the present invention.
  • the interference identification device 10 of the present embodiment acquires radio wave environment data, and identifies the type of interference signal included in the radio wave environment data based on the feature amount of the radio wave environment data.
  • the radio wave environment data is measurement data obtained by the interference identification device 10 measuring received electromagnetic waves.
  • the interference identification device 10 may be mounted on a communication device.
  • the interference identification device 10 of the present embodiment includes an antenna 1, an RF (Radio Frequency) processing unit 2, an A / D (Analog to Digital) conversion unit 3, a feature amount calculation unit 4, and an intercluster.
  • a distance calculation unit 5, a sample data analysis length change unit 6, an interference identification unit 7, a storage unit 8, and an output unit 9 are provided.
  • the antenna 1 receives electromagnetic waves.
  • the antenna 1 is desirably an antenna that can efficiently receive electromagnetic waves.
  • the antenna 1 is a high gain antenna and is a directional antenna such as a Yagi-Uda antenna or a horizontally polarized wave and a vertically polarized wave so that the electromagnetic wave can be received regardless of the polarization of the interference wave. Is a dual-polarized antenna that can simultaneously receive.
  • the antenna 1 is an antenna that can receive electromagnetic waves having a plurality of frequencies.
  • the RF processing unit 2 is a reception processing unit that performs amplification processing of the electromagnetic wave received by the antenna 1.
  • the RF processing unit 2 performs processing such as amplification of the electromagnetic wave received by the antenna 1 and filtering processing for noise removal of the received electromagnetic wave, measures the processed electromagnetic wave, and displays the measurement result. Output as measurement data.
  • the measurement performed by the antenna 1 and the RF processing unit 2 is, for example, measurement of the intensity of the electromagnetic wave for each frequency received by the antenna 1.
  • the content of the measurement is not limited to this example, what kind of interference signal is classified, that is, what feature amount It may be determined appropriately depending on whether or not to be extracted.
  • the A / D conversion unit 3 is a circuit that converts measurement data, which is analog data output from the RF processing unit 2, into digital data sampled at regular intervals and outputs the digital data.
  • the measurement data converted into digital data is also called radio wave environment data.
  • the feature amount calculation unit 4 calculates one or more types of feature amounts of the electromagnetic wave using the electromagnetic wave received during the sample data analysis length, that is, the radio wave environment data. Specifically, the feature amount calculation unit 4 uses the digital data for the sample data analysis length specified by the sample data analysis length or the sample data analysis length changing unit 6 to determine the characteristics of the received electromagnetic wave. The feature amount to be expressed is calculated.
  • the sample data analysis length which is the analysis time length, is expressed in units of time, and determines the length of digital data used for one feature amount calculation based on the time when the digital data is received. That is, if the sample data analysis length is 1 second, the digital data received in 1 second is used for calculating the feature amount once.
  • the inter-cluster distance calculation unit 5 is the cluster corresponding to the shortest distance among the distances calculated for the distance between the feature amount calculated by the feature amount calculation unit 4 and each cluster center described later for each of the plurality of clusters. Is a distance calculation unit that calculates a difference that is a value obtained by subtracting the cluster radius from the distance of the selected cluster.
  • the sample data analysis length changing unit 6 is a changing unit that changes the sample data analysis length based on the distance of the feature amount calculated by the feature amount calculating unit 4 from the cluster in the cluster space. Specifically, the sample data analysis length changing unit 6 changes the sample data analysis length based on the difference calculated by the inter-cluster distance calculation unit 5. More specifically, the sample data analysis length changing unit 6 confirms whether or not the difference between the intercluster distance calculated by the intercluster distance calculation unit 5 and a cluster radius described later is equal to or smaller than a threshold value. When the value exceeds the threshold value, the sample data analysis length is changed, and the changed sample data analysis length is instructed to the feature quantity calculation unit 4.
  • the interference identifying unit 7 includes a plurality of clusters each of which is defined in a cluster space in which one or more types of feature amounts calculated by the feature amount calculation unit 4 correspond to one type of feature amounts in one dimension. It is an identification part which identifies which belongs to. Specifically, the interference identifying unit 7 performs clustering of the radio wave environment data, that is, classifies the radio wave environment data into clusters based on the feature amount calculated by the feature amount calculating unit 4, whereby the interference signal included in the radio wave environment data is classified. Identify the type. In the present embodiment, a cluster is a group corresponding to the type of interference signal. Details of the cluster will be described later.
  • the storage unit 8 stores the identification result of the radio wave environment data, the feature amount calculated using the sample data analysis length set in the sample data analysis length changing unit 6, and the sample data analysis length in association with each other.
  • the output unit 9 outputs the identification result of the interference signal type by the interference identification unit 7.
  • FIG. 2 is a diagram illustrating a hardware configuration example of the interference identification device 10.
  • the feature amount calculation unit 4, the intercluster distance calculation unit 5, the sample data analysis length change unit 6, the interference identification unit 7, and the storage unit 8 illustrated in FIG. Realized A circuit constituting the processing circuit 102 is, for example, an ASIC (Application Specific Integrated Circuit), an FPGA (Field-Programmable Gate Array), a memory, or a combination thereof.
  • the feature quantity calculation unit 4, the intercluster distance calculation unit 5, the sample data analysis length change unit 6, the interference identification unit 7 and the storage unit 8 may be realized separately by different processing circuits. May be realized together.
  • the receiving apparatus 101 is a receiver that implements the antenna 1, the RF processing unit 2, and the A / D conversion unit 3 illustrated in FIG. 1.
  • the output unit 103 is, for example, a display, a monitor, or a printer, and implements the output unit 9 shown in FIG.
  • the processing circuit may be a dedicated circuit or a control circuit using a processor.
  • FIG. 3 is a diagram illustrating another example of the hardware configuration of the interference identification device 10.
  • the feature amount calculation unit 4, the intercluster distance calculation unit 5, the sample data analysis length change unit 6 and the interference identification unit 7 shown in FIG. 1 are realized by software. Show. In this case, the feature amount calculation unit 4, the intercluster distance calculation unit 5, the sample data analysis length change unit 6, and the interference identification unit 7 read and execute the program stored in the memory 202 shown in FIG. This is realized.
  • the storage unit 8 is realized by the memory 202.
  • the receiving apparatus 201 is a receiver that implements the antenna 1, the RF processing unit 2, and the A / D conversion unit 3 illustrated in FIG.
  • the output unit 204 is, for example, a display, a monitor, or a printer, and implements the output unit 9 shown in FIG.
  • the memory 202 is also used when the processor 203 executes processing.
  • the processor 203 shown in FIG. 3 is a processing circuit that performs operations including a CPU (Central Processing Unit).
  • the memory 202 is a nonvolatile or volatile semiconductor memory such as RAM (Random Access Memory), ROM (Read Only Memory), flash memory, EPROM (Erasable Programmable Read Only Memory), EEPROM (Electrically Erasable Programmable Read Only Memory), etc. A magnetic disk or the like.
  • a part of the feature quantity calculation unit 4, the inter-cluster distance calculation unit 5, the sample data analysis length change unit 6, and the interference identification unit 7 may be realized by a dedicated circuit, and the remaining part may be realized by software.
  • the interference identification device 10 of the present embodiment accurately identifies the type of interference signal included in the radio wave environment data by appropriately setting the sample data analysis length of the radio wave environment data.
  • the interference identification device 10 receives electromagnetic waves by the antenna 1 and performs processing such as amplification processing and filtering processing by the RF processing unit 2 on the received electromagnetic waves.
  • the A / D conversion unit 3 performs A / D conversion on the measurement data output from the RF processing unit 2 and outputs digital data after A / D conversion, that is, radio wave environment data.
  • Identification information for identifying the radio wave environment data is added to the radio wave environment data.
  • the identification information for identifying the radio wave environment data is, for example, one or more of the time when the radio wave environment data is received, the time processed by the A / D conversion unit 3, and the position where the radio wave environment data is received. Although it can be used, the identification information is not limited to these.
  • the interference identification device 10 includes a GPS function that calculates its own position based on data received from a GPS (Global Positioning System) satellite, for example.
  • the feature amount calculation unit 4 calculates the feature amount of the radio wave environment data using the radio wave environment data, and outputs the calculated feature amount to the inter-cluster distance calculation unit 5 together with the identification information. That is, the feature amount calculation unit 4 extracts a feature amount from the radio wave environment data. Specifically, when the sample data analysis length changing unit 6 has not instructed the sample data analysis length, the feature amount calculation unit 4 is the radio wave environment data for a predetermined sample data analysis length in the initial state. Is used to calculate a feature value representing the characteristics of the received electromagnetic wave. The feature amount calculation unit 4 holds the radio wave environment data used for the analysis for at least a fixed time. When the sample data analysis length changing unit 6 instructs the feature amount calculation unit 4 to specify the head position of the radio wave environment data used for analyzing the feature amount and the sample data analysis length, the feature amount calculation unit 4 calculates the feature amount based on the instruction.
  • the feature value is a value that is determined according to the type of interference signal.
  • the feature amount include average power, variance obtained from the power value histogram, skewness, that is, third-order moment, and kurtosis, that is, fourth-order moment.
  • the feature amount calculation unit 4 calculates two types of feature amounts using the radio wave environment data. For example, the feature quantity calculation unit 4 calculates the average power and the skewness using the radio wave environment data. In this embodiment, an example in which the type of interference signal is identified using two types of feature amounts is shown. However, an appropriate feature amount may be calculated in order to identify the type of interference signal. A feature amount may be calculated, or one type of feature amount may be calculated.
  • the inter-cluster distance calculation unit 5 maps the feature amount calculated by the feature amount calculation unit 4 to the cluster space.
  • the cluster space of the present embodiment is a space of one dimension or more with one type of feature quantity as one dimension.
  • the cluster space is an m-dimensional space. Therefore, the mapping to the cluster space corresponds to, for example, representing each radio wave environment data with coordinate values in the m-dimensional space.
  • the cluster of this embodiment is a group corresponding to the type of interference signal, and is defined by a cluster center that is the center of the cluster in the cluster space and a cluster radius that is the radius of the cluster in the cluster space. That is, each region in the cluster space of a plurality of clusters is defined by a cluster center that is the center of each of the plurality of clusters and a cluster radius that is the radius of each of the plurality of clusters.
  • the inter-cluster distance calculation unit 5 calculates the distance between the calculated feature amount and the cluster for each cluster. Specifically, the inter-cluster distance calculation unit 5 calculates the distance between the feature quantity and the cluster center as the distance between the feature quantity and the cluster. The inter-cluster distance calculation unit 5 calculates the distance between the feature amount calculated by the feature amount calculation unit 4 and the cluster center of each cluster, and selects the cluster with the shortest calculated distance.
  • the distance here may be Euclidean distance, Mahalanobis distance or Chebyshev distance.
  • the inter-cluster distance calculation unit 5 calculates and calculates the difference between the distance between the cluster center of the selected cluster and the feature amount calculated by the feature amount calculation unit 4 and the cluster radius of the selected cluster.
  • the difference is output to the sample data analysis length changing unit 6 together with the feature amount and identification information calculated by the feature amount calculating unit 4.
  • This difference is calculated by subtracting the cluster radius of the selected cluster from the distance between the cluster center of the selected cluster and the feature amount calculated by the feature amount calculation unit 4. Therefore, when the cluster radius of the selected cluster is larger than the distance between the cluster center of the selected cluster and the feature amount calculated by the feature amount calculation unit 4, the difference becomes a negative value.
  • the initial value of the cluster center of each cluster may be determined in advance according to the type of interference signal to be classified, or the result of classifying each feature quantity, that is, the feature quantity corresponding to each radio wave environment data, into a cluster is used. May be calculated.
  • the inter-cluster distance calculation unit 5 calculates the initial value of the cluster center as follows.
  • the inter-cluster distance calculation unit 5 calculates the distance between each of the k feature quantities and the other feature quantities, and obtains a set of feature quantities that are the farthest away.
  • k is an integer of 2 or more, it is a number that is used for the initial classification as described below. Therefore, it is desirable that the number be larger than twice the number of clusters to be defined.
  • a distance between a set of feature quantities that are the most distant from each other and a distance between k-2 feature quantities are calculated, and the feature quantities are classified into clusters that are closest to each other.
  • the cluster center is calculated according to the following formula (1).
  • C i is a set of feature amounts included in cluster i
  • the coordinates in the cluster space are set as the initial value of the cluster center.
  • the initial value of the cluster radius of each cluster may be determined in advance according to the type of interference signal to be classified, or may be calculated from the k feature values described above.
  • the inter-cluster distance calculation unit 5 calculates the cluster center of each cluster as described above, and calculates the distance from the cluster center of each cluster for each of the k feature quantities described above.
  • the inter-cluster distance calculation unit 5 classifies the k feature quantities into clusters having the shortest cluster center distance. Thereafter, the inter-cluster distance calculation unit 5 calculates, for each cluster, the distance between the cluster center and the feature quantity classified into the cluster and multiplies the longest distance by 1/2.
  • R be the radius of the cluster.
  • a value obtained by adding a constant value to R, or a value obtained by multiplying R by a constant ratio may be used as the cluster radius.
  • the calculation of the initial values of the cluster center and cluster radius described above may be performed by the interference identification unit 7 instead of being performed by the inter-cluster distance calculation unit 5, or by another component not shown in FIG. May be implemented.
  • the sample data analysis length changing unit 6 determines whether or not the difference output from the inter-cluster distance calculation unit 5 is equal to or less than a threshold value.
  • the threshold value is assumed to be a positive value. Therefore, when the difference output from the inter-cluster distance calculation unit 5 is a negative value, the difference is smaller than the threshold value.
  • the sample data analysis length changing unit 6 changes the current sample data analysis length so as to shorten it by a predetermined length ⁇ t.
  • the subsequent sample data analysis length is instructed to the feature quantity calculation unit 4. As described above, the feature amount calculation unit 4 instructed by the changed sample data analysis length calculates the feature amount again using the radio wave environment data for the changed sample data analysis length.
  • the sample data analysis length change unit 6 does not change the sample data analysis length when the difference output from the inter-cluster distance calculation unit 5 is equal to or less than the threshold value, that is, does not give an instruction to the feature amount calculation unit 4.
  • the feature amount calculated by the feature amount calculation unit 4 is output to the interference identification unit 7 together with the sample data analysis length used for calculating the feature amount and the identification information corresponding to the feature amount.
  • the interference identifying unit 7 calculates the distance between the feature amount calculated by the feature amount calculating unit 4 and the cluster center of each cluster.
  • the interference identification unit 7 selects a cluster having the shortest calculated distance, and causes the feature amount to belong to the selected cluster.
  • the interference identification unit 7 associates the sample data analysis length, the identification information corresponding to the feature quantity, that is, the identification information of the radio wave environment data corresponding to the feature quantity, and the information indicating the selected cluster, and stores it as an identification result.
  • the information indicating the cluster for example, a cluster number that is a number corresponding to the cluster can be used.
  • the output unit 9 outputs the identification result stored in the storage unit 8.
  • the output unit 9 may output the identification result corresponding to the latest feature quantity, that is, the cluster number, or the latest feature quantity.
  • the corresponding identification result, that is, the cluster number may be output together with the sample data analysis length.
  • the output unit 9 may output the feature amount identification information and the identification result in association with each other for the plurality of feature amounts.
  • the identification result is stored once in the storage unit 8 and then output to the output unit 9.
  • the identification result is not stored in the storage unit 8, but directly from the interference identification unit 7. 9 may be output.
  • FIG. 4 is a flowchart showing an example of a procedure performed by the feature amount calculation unit 4, the intercluster distance calculation unit 5, the sample data analysis length change unit 6, and the interference identification unit 7 of the present embodiment.
  • the feature quantity calculation unit 4 acquires sample data that is radio wave environment data for the sample data analysis length from the A / D conversion unit 3 (step S1).
  • the A / D conversion unit 3 holds digital data, and when the stored radio wave environment data becomes the sample data analysis length.
  • the method of inputting to the feature amount calculation unit 4 can be used.
  • the radio wave environment data is sequentially input from the A / D conversion unit 3 to the feature amount calculation unit 4, and the feature amount calculation unit 4 analyzes the input radio wave environment data as sample data analysis.
  • a method may be used in which it is determined that the input is completed, that is, the acquisition is completed when the length becomes longer.
  • the feature amount calculation unit 4 calculates a feature amount for the radio wave environment data (step S2). Specifically, the feature amount calculation unit 4 calculates one or more types of feature amounts as described above using sample data, that is, radio wave environment data for the sample data analysis length.
  • the inter-cluster distance calculation unit 5 calculates the distance between the cluster center of each cluster and the feature amount calculated by the feature amount calculation unit 4 (step S3). Prior to step S3, the inter-cluster distance calculation unit 5 uses the feature values stored in the storage unit 8 to obtain the cluster radius and cluster center by the method described above. The timing for obtaining the cluster radius and the cluster center may be between step S1 and before the execution of step S3. The calculated cluster radius and cluster center are stored in the storage unit 8.
  • the inter-cluster distance calculation unit 5 selects the nearest cluster, that is, the cluster having the shortest distance between the feature amount calculated by the feature amount calculation unit 4 and the cluster center, and selects the cluster center of the selected cluster.
  • the difference between the distance between the feature amount calculated by the feature amount calculation unit 4 and the cluster radius of the selected cluster is calculated (step S4).
  • the sample data analysis length changing unit 6 determines whether or not the difference calculated by the inter-cluster distance calculation unit 5 is equal to or less than a threshold value (step S5). When the difference calculated by the inter-cluster distance calculation unit 5 exceeds the threshold (No in step S5), the sample data analysis length changing unit 6 shortens the current sample data analysis length by ⁇ t (step S6) and shortens it. It is determined whether or not the sample data analysis length after being less than the shortest length (step S7).
  • the shortest length is the shortest length that can be set as the sample data analysis length.
  • the shortest length of the sample data analysis length is set according to the feature quantity calculation method, or is set to a fixed value that does not depend on the feature quantity.
  • the sample data analysis length change unit 6 indicates that the type of interference signal of the radio wave environment data to be processed cannot be identified.
  • the information is output to the interference identification unit 7 (step S8), and the process proceeds to step S11.
  • the interference identifying unit 7 determines that the type of the interference signal cannot be identified together with the corresponding feature amount identification information.
  • Information to be stored is stored in the storage unit 8. Based on the identification information stored in the storage unit 8 and information indicating that the type of the interference signal cannot be identified, the output unit 9 determines the type of the interference signal with respect to the radio wave environment data corresponding to the identification information. Outputs information indicating that identification is not possible.
  • the sample data analysis length changing unit 6 sets the sample data analysis length after the change, that is, the sample data analysis length after shortening the sample data
  • the feature amount calculation unit 4 is instructed together with the head position (step S12).
  • the start position of the sample data indicated at this time is the same as the start position of the sample data before changing the sample data analysis length. Thereafter, the processing from step S2 is performed again.
  • step S5 when the difference calculated by the inter-cluster distance calculation unit 5 is equal to or less than the threshold value (step S5, Yes), clustering is executed (step S9).
  • the sample data analysis length changing unit 6 displays the feature amount calculated by the feature amount calculation unit 4 together with the sample data analysis length used for calculating the feature amount and identification information corresponding to the feature amount.
  • the interference identification unit 7 calculates the distance between the feature amount calculated by the feature amount calculation unit 4 and the cluster center of each cluster, selects the cluster with the shortest calculated distance, and selects the cluster with the selected cluster. Clustering is performed by assigning feature quantities.
  • the interference identification unit 7 stores the identification result in the storage unit 8, and the output unit 9 reads out the identification result from the storage unit 8 and outputs it. Further, the interference identifying unit 7 also stores the feature amount in the storage unit 8 as described above.
  • the sample data analysis length changing unit 6 sets the start position of the next sample data and the sample data analysis length (step S11). Specifically, the sample data analysis length changing unit 6 determines the start position and sample data analysis length of the next sample data, and instructs the feature amount calculation unit 4 of the determined start position and sample data analysis length of the sample data To do.
  • the start position of the next sample data is the next position after the end of the sample data subjected to the current process, but is not limited thereto.
  • a predetermined initial value may be used, or the last sample data analysis length set by the current process may be used.
  • the interference identification method performed by the interference identification device 10 includes the first step of calculating the feature amount using the electromagnetic wave received during the sample data analysis length, and the feature amount of a plurality of clusters. And a second step of identifying which one of them belongs. Further, the interference area-specific method includes a third step of changing the sample data analysis length based on the distance of the feature amount from the cluster in the cluster space.
  • FIG. 5 is a diagram illustrating an example of characteristics in frequency and time of an interference signal received by the interference identification device 10.
  • a wireless LAN (Local Area Network) communication system and a cordless phone are present as interference sources
  • portions where interference signals exist in frequency and time are indicated by hatched areas.
  • the horizontal axis in FIG. 5 is frequency
  • the vertical axis in FIG. 5 is time.
  • the interference identification device 10 receives an interference signal from the wireless LAN system up to t1 within one sample data analysis length, and the cordless phone from time t2, which is time after time t1.
  • the interference signal by is received.
  • the frequency of the interference signal generated by the cordless phone is changed every time, and the time period continuously occupied is shorter than that of the wireless LAN system.
  • the interference signal by the wireless LAN system has a higher occupation ratio in the frequency and time domain than the interference signal by the cordless phone.
  • the feature amount calculation unit 4 calculates two types of feature amounts of skewness and average power, and sets the skewness as the feature amount # 1 and the average power as the feature amount # 2.
  • the skewness is a kind of higher-order moment and corresponds to a third-order moment.
  • the feature amount calculation unit 4 divides the power value into classes for each predetermined range and obtains a histogram. Then, a moment around the average value is obtained using the histogram, and the third moment is calculated by dividing the obtained moment by the third power of the standard deviation.
  • the degree of distortion which is the feature amount # 1 is higher in the cordless phone interference signal than in the wireless LAN system.
  • the feature amount # 2 is lower in the cordless phone interference signal than in the wireless LAN system.
  • the feature amount # 1 and the feature amount # 2 are the interference signals of the cordless phone. Assume that the value is intermediate between the value and the value of the interference signal by the wireless LAN system.
  • FIG. 6 is a diagram illustrating an example of feature amounts mapped in the cluster space. 6 uses the sample data of the sample data analysis length shown in FIG. 5 in an environment where the interference identification device 10 of the present embodiment receives both the interference signal from the wireless LAN system and the interference signal from the cordless phone. The figure shows an example of the result of calculating the feature value and mapping the feature value to the cluster space.
  • clustering has already been performed before the feature amount is calculated using the sample data of the sample data analysis length illustrated in FIG. 5, and the feature amount calculated in the past is stored in the storage unit 8. Stored in A point 303 indicated by a rhombus in FIG.
  • a point 304 indicated by a white circle in FIG. 6 indicates a point where data stored in the storage unit 8, that is, a feature amount calculated in the past is mapped in the cluster space.
  • all white circles are not labeled, but white circles that are not labeled also indicate points where feature values calculated in the past are mapped to the cluster space.
  • a cluster 301 illustrated in FIG. 6 is a cluster corresponding to an interference signal by a wireless LAN system
  • a cluster 302 is a cluster corresponding to an interference signal by a cordless phone.
  • the cluster 301 is a cluster having a cluster radius R 1 centered on the cluster center C 1
  • the cluster 302 is a cluster centered on the cluster center C 2 .
  • the cluster center and the cluster radius of each cluster are calculated based on feature values calculated in the past.
  • the feature quantity stored in the storage unit 8 is mapped to the cluster space, it is classified into two clusters, a cluster 301 and a cluster 302.
  • the interference discriminating apparatus 10 calculates the feature amount using the sample data of the sample data analysis length shown in FIG. 5, the distance D 1 between the feature amount and the cluster center C 1 of the cluster 301, the feature amount, A distance D 2 between the cluster 302 and the cluster center C 2 is calculated. Thereafter, the interference identification device 10 compares the distance D 1 and the distance D 2 and selects the smaller one. Here, it is assumed that the distance D 1 is smaller than the distance D 2 and the distance D 1 is selected. As shown in FIG. 6, when the difference between the distance D 1 and the cluster radius R 1 exceeds the allowable range ⁇ 1 as a threshold, the interference identification device 10 is characterized by shortening the sample data analysis length by ⁇ t. Recalculate the quantity. In FIG.
  • FIG. 7 is a diagram showing a sample data analysis length that is shortened by ⁇ t from the sample data analysis length shown in FIG.
  • the interference identification device 10 calculates feature quantity # 1 and feature quantity # 2 again. Recalculation may be omitted for feature quantities that do not change as the analysis length becomes shorter.
  • the interference identification device 10 similarly obtains the distance D 1 and the distance D 2 again, obtains the difference between the smaller of the distance D 1 and the distance D 2 and the cluster radius of the cluster corresponding to the distance, Is over the threshold value ⁇ 1 , the sample data analysis length is shortened again by ⁇ t and recalculation is performed. The above processing is repeated until the difference reaches the threshold value ⁇ 1 or less, and when the difference becomes the threshold value ⁇ 1 or less, the feature quantity belongs to the cluster 301 without changing the sample data analysis length.
  • FIG. 8 is a diagram showing the sample data analysis length after the sample data analysis length is changed N (N is an integer of 1 or more) times based on the sample data analysis length shown in FIG.
  • N is an integer of 1 or more
  • the original sample data analysis length is shortened by N ⁇ ⁇ t.
  • the time zone in which the interference signal due to the cordless phone is generated falls within N ⁇ ⁇ t, which is a period in which the sample data analysis length is shortened.
  • the sample data of the sample data analysis length reduced by N ⁇ ⁇ t indicates the characteristics of the interference signal by the wireless LAN system.
  • the feature amount calculated from the sample data of the sample data analysis length shortened by N ⁇ ⁇ t has a difference between the distance D 1 between the cluster 301 and the cluster center C 1 of the cluster 301 and the cluster radius R 1. It falls below the threshold value ⁇ 1 and is classified into cluster 301.
  • FIG. 9 is a diagram in which the feature amount calculated using the sample data analysis length shown in FIG. 8 is mapped to the cluster space. As shown in FIG. 9, in this case, it can be seen that the newly calculated feature amount is within the cluster 301.
  • the interference identification device 10 calculates the feature amount representing the feature of the interference signal from the radio wave environment data, and in detail based on the calculated feature amount and the distance between the clusters.
  • the sample data analysis length was changed based on the difference between the distance between the feature quantity and the cluster center and the cluster radius. For this reason, even when the interference source changes, the sample data analysis length can be set to an appropriate value, an appropriate feature amount can be calculated, and the interference signal can be classified with high accuracy. Further, since it is possible to prevent the cluster radius from being calculated using the feature amount calculated with an inappropriate sample data analysis length, it is possible to prevent the cluster radius from becoming larger than the original cluster radius. For this reason, it is possible to classify the interference signal with high accuracy even when performing clustering, that is, classification of the interference signal, after calculating the cluster radius.
  • FIG. 10 is a diagram illustrating a functional configuration example of the interference identification device 10a according to the second embodiment of the present invention.
  • the functional configuration of the interference identification device 10a of the present embodiment is the same as that of the interference identification device 10 of the first embodiment, except that the sample data discarding unit 11 is added to the interference identification device of the first embodiment.
  • Components having the same functions as those in the first embodiment are denoted by the same reference numerals as those in the first embodiment, and redundant description is omitted.
  • differences from the first embodiment will be described.
  • the hardware configuration of the interference identification device 10a of the present embodiment is the same as the hardware configuration of the interference identification device 10 of the first embodiment, and the sample data discarding unit 11 is realized by a processing circuit. Similar to the inter-cluster distance calculation unit 5, the sample data analysis length changing unit 6, and the interference identifying unit 7, the sample data discarding unit 11 may be realized as dedicated hardware or may be realized by software.
  • the interference identification device 10 calculates the feature amount of the radio wave environment data and sets the sample data analysis length based on the distance between the feature amount and the cluster, thereby accurately determining the type of the interference signal. Identified.
  • the feature amount used for identifying the interference signal is stored in the storage unit 8, and the cluster center and the cluster radius are calculated using the feature amount stored in the storage unit 8.
  • the sample data is radio wave environment data that is the basis for one-time calculation of the feature value, as described above.
  • the discarding of the sample data corresponds to the fact that the feature amount corresponding to the sample data stored in the storage unit 8 is deleted, that is, discarded.
  • the sample data discarding unit 11 which is a discarding unit according to the present embodiment is calculated in the past belonging to the first feature amount newly calculated by the feature amount calculating unit 4 and the cluster to which the first feature amount belongs. A distance in the cluster space between the second feature quantity that is the calculated feature quantity is calculated. In addition, the sample data discarding unit 11 selects a second feature value to be discarded based on the calculated distance, and deletes the selected second feature value from the storage unit 8. That is, the sample data to be discarded is determined based on the identification result and the feature amount output from the interference identification unit 7, and the feature amount corresponding to the sample data determined to be discarded is deleted from the storage unit 8. Discard the data.
  • the candidate sample data to be discarded is sample data in the cluster to which the feature amount calculated by the feature amount calculation unit 4 belongs, and the distance from the feature amount calculated by the feature amount calculation unit 4 is short. Candidates to be discarded in order. Also, before and after sample data is discarded, sample data is discarded when the cluster radius and the change amount of the cluster center are equal to or smaller than the threshold value. That is, the sample data discarding unit 11 calculates the cluster center calculated by including the selected second feature value and not including the selected second feature value in the cluster to which the first feature value belongs. The second feature amount selected when the distance to the selected cluster center is equal to or smaller than the threshold value is deleted from the storage unit 8.
  • FIG. 11 shows an example of a procedure performed by the feature amount calculation unit 4, the intercluster distance calculation unit 5, the sample data analysis length change unit 6, the interference identification unit 7, and the sample data discard unit 11 according to the second embodiment. It is a flowchart. Note that description of operations similar to those of the first embodiment is omitted. The operations of the present embodiment other than the operations described below are the same as those of the first embodiment. Steps S1 to S12 are performed as in the first embodiment.
  • the sample data discarding unit 11 calculates the distance between the feature amount corresponding to each sample data selected as the data discard candidate and the feature amount calculated by the feature amount calculating unit 4 (step S15). ).
  • the sample data discarding unit 11 assigns numbers to the data discarding candidates based on the calculated distance, and initializes the variable i to 1 (step S16). Specifically, numbers are assigned to the sample data in ascending order from 1 in ascending order of the calculated distance.
  • the variable i is a variable representing the number of sample data to be subjected to subsequent discard determination processing.
  • the sample data discarding unit 11 selects the i-th sample data from the data discarding candidates (Step S17), and calculates the cluster center (Step S18). In step S18, specifically, the sample data discarding unit 11 discards the cluster center calculated using the feature amount corresponding to the sample data including the i-th sample data among the clusters corresponding to the data discarding candidates. Find as previous cluster center. Further, the sample data discarding unit 11 sets the cluster center calculated using the feature amount corresponding to the sample data excluding the i-th candidate sample data among the clusters corresponding to the data discarding candidates as the cluster center after discarding. Ask.
  • the sample data discarding unit 11 calculates the change amount of the cluster center before and after discarding data, that is, the absolute value of the difference between the cluster center after discarding and the cluster center before discarding (step S19).
  • the sample data discarding unit 11 determines whether or not the amount of change obtained in step S19 is equal to or less than a threshold value (step S20).
  • the sample data discarding unit 11 discards the feature amount corresponding to the i-th candidate sample data by deleting it from the storage unit 8. (Step S21).
  • step S11 is performed.
  • the sample data discarding unit 11 determines whether or not the cluster center has been recalculated for all sample data candidates for data discarding ( Step S22).
  • the cluster center recalculation indicates the processing in step S18.
  • step S11 is performed.
  • the interference identification device 10a of the present embodiment selects sample data by the sample data discard unit 11 so that the cluster center does not change with respect to the cluster to which the newly measured radio wave environment data belongs. To be discarded. For this reason, the effect which suppresses the increase in sample data is acquired, and the slowdown of the process for identifying the kind of interference signal in subsequent processes, ie, the increase in a processing load, can be prevented. In addition, since the sample data to be discarded is selected and discarded so that the cluster center does not change, the accuracy of clustering can be maintained even in the processing after the sample data is discarded.
  • the configuration described in the above embodiment shows an example of the contents of the present invention, and can be combined with another known technique, and can be combined with other configurations without departing from the gist of the present invention. It is also possible to omit or change the part.

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

干渉識別装置および干渉識別方法
　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 JPOXMLDOC01-appb-M000001
　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。

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。
PCT/JP2016/077694 2016-09-20 2016-09-20 干渉識別装置および干渉識別方法 WO2018055673A1 (ja)

Priority Applications (4)

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
US16/321,698 US10963755B2 (en) 2016-09-20 2016-09-20 Interference identification device and interference identification method
DE112016007146.9T DE112016007146B4 (de) 2016-09-20 2016-09-20 Störungsidentifizierungsvorrichtung und Störungsidentifizierungsverfahren
JP2018524848A JP6410995B2 (ja) 2016-09-20 2016-09-20 干渉識別装置および干渉識別方法

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 (1)

Publication Number Publication Date
WO2018055673A1 true WO2018055673A1 (ja) 2018-03-29

Family

ID=61690851

Family Applications (1)

Application Number Title Priority Date Filing Date
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

Country Status (4)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382803A (zh) * 2020-03-18 2020-07-07 电子科技大学 一种基于深度学习的特征融合方法
CN111934796A (zh) * 2020-07-15 2020-11-13 山东建筑大学 一种lte上行干扰自动标注方法及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2006120829A1 (ja) * 2005-05-13 2006-11-16 Matsushita Electric Industrial Co., Ltd. 混合音分離装置
JP2008072646A (ja) * 2006-09-15 2008-03-27 Toshiba Corp 通信装置およびプログラム
JP2009005250A (ja) * 2007-06-25 2009-01-08 Toyota Infotechnology Center Co Ltd 電波伝搬解析装置

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
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
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
JP6165348B2 (ja) 2014-09-05 2017-07-19 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

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006120829A1 (ja) * 2005-05-13 2006-11-16 Matsushita Electric Industrial Co., Ltd. 混合音分離装置
JP2008072646A (ja) * 2006-09-15 2008-03-27 Toshiba Corp 通信装置およびプログラム
JP2009005250A (ja) * 2007-06-25 2009-01-08 Toyota Infotechnology Center Co Ltd 電波伝搬解析装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MANABU TAKAGI ET AL.: "Analysis of Measurement Data on Electromagnetic Environments using Nonhierarchical Clustering Algorithm", 2015 NEN IEICE COMMUNICATIONS SOCIETY CONFERENCE KOEN RONBUNSHU 1, 25 August 2015 (2015-08-25), pages 364 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111382803A (zh) * 2020-03-18 2020-07-07 电子科技大学 一种基于深度学习的特征融合方法
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
CN111934796A (zh) * 2020-07-15 2020-11-13 山东建筑大学 一种lte上行干扰自动标注方法及系统
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

Also Published As

Publication number Publication date
US10963755B2 (en) 2021-03-30
DE112016007146B4 (de) 2019-12-24
JPWO2018055673A1 (ja) 2018-09-27
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
CN107948930B (zh) 基于位置指纹算法的室内定位优化方法
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
TW201618563A (zh) 用於適應性多重特徵語意位置感測之系統及方法
CN109685092B (zh) 基于大数据的聚类方法、设备、存储介质及装置
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
US10108779B2 (en) Automatic nuclear segmentation
CN105530598A (zh) 基于wlan室内定位的ap选择方法
US10958287B1 (en) Efficient compression of radar data
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
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
CN109035199B (zh) 高光谱数据端元提取方法、存储介质和电子设备
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
JP2003532243A (ja) 画像を処理する方法と装置
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
CN111065045A (zh) 匹配定位方法、装置、电子设备及计算机可读介质
JP7167978B2 (ja) 発信源位置推定システム、発信源位置推定方法及び発信源位置推定プログラム
JP5424576B2 (ja) 適合領域検出装置
US11183204B2 (en) Sound recognition system and method

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2018524848

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16916744

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 16916744

Country of ref document: EP

Kind code of ref document: A1