JP6567242B2 - 無線機識別装置及び無線機識別方法 - Google Patents
無線機識別装置及び無線機識別方法 Download PDFInfo
- Publication number
- JP6567242B2 JP6567242B2 JP2019530259A JP2019530259A JP6567242B2 JP 6567242 B2 JP6567242 B2 JP 6567242B2 JP 2019530259 A JP2019530259 A JP 2019530259A JP 2019530259 A JP2019530259 A JP 2019530259A JP 6567242 B2 JP6567242 B2 JP 6567242B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- fourier transform
- radio
- unit
- time
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 51
- 238000004364 calculation method Methods 0.000 claims description 113
- 238000001514 detection method Methods 0.000 claims description 45
- 230000000630 rising effect Effects 0.000 claims description 37
- 239000006185 dispersion Substances 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 description 67
- 238000010586 diagram Methods 0.000 description 15
- 238000003708 edge detection Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 239000000470 constituent Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 101000661807 Homo sapiens Suppressor of tumorigenicity 14 protein Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/20—Monitoring; Testing of receivers
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Description
例えば、無線機識別装置は、無線機から送信される無線信号の立ち上がりの特徴量を算出し、算出した特徴量に基づいて、無線機を識別する。
無線信号の立ち上がりの特徴量としては、立ち上がり時の無線信号における振幅等の分散値、歪度及び尖度などがある。
この無線機識別装置では、立ち上がりの特徴量として、立ち上がりの時定数を算出している。
図1は、この発明の実施の形態1による無線機識別装置を示す構成図である。
図2は、この発明の実施の形態1による無線機識別装置を示すハードウェア構成図である。
図1及び図2において、信号受信部1は、例えば図2に示す信号受信回路21で実現される。
信号受信部1は、既知の無線機から送信された無線信号を学習用無線信号として受信し、受信した学習用無線信号をアナログ信号からデジタル信号に変換することで、デジタルの学習用無線信号をフーリエ変換部2及び第1のデータベース部9に出力する。
また、信号受信部1は、識別対象の無線機から送信された無線信号を識別用無線信号として受信し、受信した識別用無線信号をアナログ信号からデジタル信号に変換することで、デジタルの識別用無線信号をフーリエ変換部2に出力する。
フーリエ変換部2は、信号受信部1から出力されたデジタルの学習用無線信号を短時間フーリエ変換(STFT:Short Time Fourier Transform)し、学習用無線信号の短時間フーリエ変換結果であるSTFT結果を示すフーリエ変換信号(以下、学習用フーリエ変換信号と称する)を立ち上がり検出部3及び特徴量算出部7に出力する処理を実施する。
また、フーリエ変換部2は、信号受信部1から出力されたデジタルの識別用無線信号をSTFTし、識別用無線信号のSTFT結果を示すフーリエ変換信号(以下、識別用フーリエ変換信号と称する)を立ち上がり検出部3及び特徴量算出部7に出力する処理を実施する。
STFTは、一定時間毎に異なる時刻の無線信号をそれぞれ切り出し、切り出した各々の無線信号をそれぞれ高速フーリエ変換(FFT:Fast Fourier Transform)する手法である。
立ち上がり検出部3は、フーリエ変換部2から出力された学習用フーリエ変換信号のスペクトログラムにおけるエネルギーの時間波形(以下、学習用のエネルギー時間波形と称する)を算出し、学習用のエネルギー時間波形から学習用無線信号における立ち上がり時刻を検出する処理を実施する。
また、立ち上がり検出部3は、フーリエ変換部2から出力された識別用フーリエ変換信号のスペクトログラムにおけるエネルギーの時間波形(以下、識別用のエネルギー時間波形と称する)を算出し、識別用のエネルギー時間波形から識別用無線信号における立ち上がり時刻を検出する処理を実施する。
第1のパラメータ設定部5は、特徴量算出用のパラメータとして、立ち上がり検出部3により検出された立ち上がり時刻を含む時間帯の長さである時間範囲Δtを示すパラメータと、設定周波数成分である設定周波数ビンを示すパラメータとを設定する処理を実施する。
第2のパラメータ設定部6は、特徴量算出部7により算出される第1から第9の特徴量の重みを示す重み付けパラメータを設定する処理を実施する。
また、第2のパラメータ設定部6は、フーリエ変換部2によりSTFTが行われる際に用いられる窓関数のサンプル数及び窓関数をシフトさせるサンプル数を設定する処理を実施する。
特徴量算出部7は、パラメータ設定部4により設定された特徴量算出用のパラメータから、立ち上がり時刻を含む時間帯及び設定周波数ビンを認識する。
特徴量算出部7は、フーリエ変換部2から出力された学習用フーリエ変換信号の中から、立ち上がり検出部3により検出された学習用無線信号における立ち上がり時刻を含む時間帯の学習用フーリエ変換信号を抽出する処理を実施する。
そして、特徴量算出部7は、抽出した学習用フーリエ変換信号に含まれている設定周波数ビンの複素時間信号から、抽出した学習用フーリエ変換信号の変動を特徴量として算出する処理を実施する。
そして、特徴量算出部7は、抽出した識別用フーリエ変換信号に含まれている設定周波数成分の複素時間信号から、抽出した識別用フーリエ変換信号の変動を特徴量として算出する処理を実施する。
第1のデータベース部9は、信号受信部1から出力されたデジタルの学習用無線信号を格納する。
第2のデータベース部10は、既知の無線機に係る特徴量として、特徴量算出部7により算出された学習用フーリエ変換信号の変動を格納する。
無線機識別部11は、特徴量算出部7により算出された識別対象の無線機に係る特徴量と、第2のデータベース部10により格納されている既知の無線機に係る特徴量とを比較する処理を実施する。
無線機識別部11は、識別対象の無線機に係る特徴量と既知の無線機に係る特徴量との比較結果に基づいて、識別対象の無線機を識別する処理を実施する。
また、信号受信回路21、フーリエ変換回路22、立ち上がり検出回路23、パラメータ設定回路24、特徴量算出回路25及び無線機識別回路27は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ASIC(Application Specific Integrated Circuit)、FPGA(Field−Programmable Gate Array)、または、これらを組み合わせたものが該当する。
ソフトウェア又はファームウェアはプログラムとして、コンピュータのメモリに格納される。コンピュータは、プログラムを実行するハードウェアを意味し、例えば、CPU(Central Processing Unit)、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、あるいは、DSP(Digital Signal Processor)が該当する。
無線機識別装置における信号受信部1を除く構成要素がソフトウェア又はファームウェアなどで実現される場合、データベース部8をコンピュータのメモリ31上に構成するとともに、フーリエ変換部2、立ち上がり検出部3、パラメータ設定部4、特徴量算出部7及び無線機識別部11の処理手順をコンピュータに実行させるためのプログラムをメモリ31に格納し、コンピュータのプロセッサ32がメモリ31に格納されているプログラムを実行するようにすればよい。
<学習時の処理>
最初に、既知の無線機から送信された無線信号を学習する際の処理内容を説明する。
図4は、この発明の実施の形態1による無線機識別方法における学習処理を示すフローチャートである。
信号受信部1は、既知の無線機から送信された無線信号を学習用無線信号として受信し、受信した学習用無線信号をアナログ信号からデジタル信号に変換する(図4のステップST1)。
学習用無線信号には、既知の無線機を識別する個体情報であるシリアルナンバーが付加されているものとする。
信号受信部1は、デジタルの学習用無線信号sg(n)をフーリエ変換部2及び第1のデータベース部9に出力する。sg(n)におけるnは、学習用無線信号のサンプル番号である。例えば、図9には、サンプル番号nが1〜4の学習用無線信号が示されている。
第1のデータベース部9には、シリアルナンバーが付加されている学習用無線信号sg(n)が格納される。
図9は、第1のデータベース部9に格納されているシリアルナンバーが付加されている学習用無線信号を示す説明図である。
図9の例では、シリアルナンバーが同じ無線機であっても、受信時のSNR又はサンプリング周波数などの受信条件が異なっている複数の学習用無線信号が格納されている。
mは、窓関数w(n−m)をシフトさせるサンプル数、m0は、窓関数w(n−m)の適用区間の初めのサンプル番号、Mは、窓関数w(n−m)のサンプル数、kは、周波数ビン番号である。
なお、窓関数w(n−m)のサンプル数M及び窓関数w(n−m)をシフトさせるサンプル数mのそれぞれは、第2のパラメータ設定部6によって事前に設定される。
学習用無線信号sg(n)及び識別用無線信号sd(n)は、時間と振幅との関係を示す2次元信号である。識別用無線信号sd(n)については後述する。
STFT結果を示す学習用フーリエ変換信号Sg(m,k)及び識別用フーリエ変換信号Sd(m,k)は、時間と周波数及び電力との関係を示す3次元信号である。識別用フーリエ変換信号Sd(m,k)については後述する。
フーリエ変換部2により学習用無線信号sg(n)及び識別用無線信号sd(n)のそれぞれがSTFTされることで、学習用無線信号sg(n)及び識別用無線信号sd(n)のそれぞれが、コヒーレント積分されるので、SNRが改善される効果が得られる。
図6は、立ち上がり検出部3による立ち上がり時刻T0の検出処理を示す説明図である。
以下、立ち上がり検出部3による立ち上がり時刻T0の検出処理を具体的に説明する。
学習用のエネルギー時間波形Eg(m)は、スペクトログラムSPg(m,k)に含まれている複数の周波数における電力のうち、同一時刻の電力同士がそれぞれ合計されることで算出される各々の時刻における電力の合計値である。
式(3)において、k1は、スペクトログラムSPg(m,k)に含まれている複数の周波数のうち、電力を合計する周波数の下限周波数を示す周波数ビン番号、knは、スペクトログラムSPg(m,k)に含まれている複数の周波数のうち、電力を合計する周波数の上限周波数を示す周波数ビン番号である。
k=k1,・・・,knである。
閾値Ethとしては、例えば、学習用のエネルギー時間波形Eg(m)の最大値から設定値E0を減算した値が考えられる。
立ち上がり検出部3は、学習用のエネルギー時間波形Eg(m)と閾値Ethとの比較結果を参照することで、最初は、ノイズレベルのエネルギーを示していた学習用のエネルギー時間波形Eg(m)が、閾値Ethに到達したか否かを判定する。
立ち上がり検出部3は、学習用のエネルギー時間波形Eg(m)が閾値Ethに到達した時刻を、学習用無線信号sg(n)の立ち上がり時刻T0として検出する。
この実施の形態1では、立ち上がり検出部3が、学習用無線信号sg(n)の立ち上がり時刻T0を検出する際、スペクトログラムSPg(m,k)に含まれている複数の周波数における電力のうち、同一時刻の電力同士をそれぞれ合計するようにしている。これにより、立ち上がり時に電力が大きく変動する周波数が含まれている場合でも、当該電力の変動の影響が低減されるため、立ち上がり時刻T0の検出精度が向上する。
第1のパラメータ設定部5による特徴量算出用のパラメータの設定処理については後述する。
次に、特徴量算出部7は、図6に示すように、フーリエ変換部2から出力された学習用フーリエ変換信号Sg(m,k)の中から、立ち上がり検出部3により検出された学習用無線信号sg(n)の立ち上がり時刻T0を含む時間帯(t1〜t2)の学習用フーリエ変換信号sg(n)t1〜t2を抽出する。
電子出願の都合上、明細書の文章中では、sの文字の上に“^”の記号を付することができないので、sgハット(n)t1〜t2のように表記している。
図7は、特徴量算出部7による特徴量の算出処理を示す説明図である。
特徴量算出部7は、切り出した複素時間信号sgハット(n)t1〜t2から、抽出した学習用フーリエ変換信号sg(n)t1〜t2の変動を特徴量として算出する(図4のステップST4)。
特徴量算出部7は、切り出した複素時間信号sgハット(n)t1〜t2から、以下の式(4)に示すように、複素時間信号sgハット(n)t1〜t2の瞬時振幅ag(n)を算出する。
式(4)において、Ig(n)は、複素時間信号sgハット(n)t1〜t2の実部、Qg(n)は、複素時間信号sgハット(n)t1〜t2の虚部である。
また、特徴量算出部7は、切り出した複素時間信号sgハット(n)t1〜t2から、以下の式(6)に示すように、複素時間信号sgハット(n)t1〜t2の瞬時周波数fg(n)を算出する。
特徴量算出部7は、以下の式(9)に示すように、第2の特徴量として、複素時間信号sgハット(n)t1〜t2における瞬時振幅ag(n)の歪度pg2を算出する。
特徴量算出部7は、以下の式(11)に示すように、第3の特徴量として、複素時間信号sgハット(n)t1〜t2における瞬時振幅ag(n)の尖度pg3を算出する。
特徴量算出部7は、以下の式(14)に示すように、第5の特徴量として、複素時間信号sgハット(n)t1〜t2における瞬時位相φg(n)の歪度pg5を算出する。
特徴量算出部7は、以下の式(16)に示すように、第6の特徴量として、複素時間信号sgハット(n)t1〜t2における瞬時位相φg(n)の尖度pg6を算出する。
特徴量算出部7は、以下の式(19)に示すように、第8の特徴量として、複素時間信号sgハット(n)t1〜t2における瞬時周波数fg(n)の歪度pg8を算出する。
特徴量算出部7は、以下の式(21)に示すように、第9の特徴量として、複素時間信号sgハット(n)t1〜t2における瞬時周波数fg(n)の尖度pg9を算出する。
第1から第9の特徴量pgiの中には、無線機の識別に有効な特徴量と、識別に有効でない特徴量とが存在している。このため、識別に有効な特徴量には大きな重みが設定され、識別に有効でない特徴量には小さな重みが設定される。
例えば、wi(i=1,2,・・・,9)は、0以上1以下の値であり、w1+w2+・・・+w9=1である。
第2のパラメータ設定部6による重み付けパラメータの設定方法は、特に問わないが、例えば、第1から第9の特徴量pgiの分散値で、第1から第9の特徴量pgiを規格化し、第1から第9の特徴量pgiを規格化した値を重みとして用いる方法が考えられる。
p’gi=pgi×wi (22)
i=1,2,・・・,9
特徴量算出部7は、重み付け後の第1から第9の特徴量p’giを並べたベクトルを、既知の無線機の特徴量ベクトルpgとして算出する。
特徴量算出部7は、算出した既知の無線機の特徴量ベクトルpgを、学習用無線信号に付加されているシリアルナンバーと一緒に、第2のデータベース部10に格納する(図4のステップST5)。
また、特徴量算出部7は、既知の無線機の特徴量ベクトルpgを第2のデータベース部10に格納した旨を示す情報を第1のパラメータ設定部5に出力する。
図8は、特徴量算出用のパラメータと複数の既知の無線機に係る特徴量ベクトルとの関係を示す説明図である。
図8の例では、〇は、種類(A)の既知の無線機に係る特徴量ベクトルpg、◇は、種類(B)の既知の無線機に係る特徴量ベクトルpg、△は、種類(C)の既知の無線機に係る特徴量ベクトルpgである。
図8の例では、種類(A)に属する無線機の個体の数が10であるため、10個の特徴量ベクトル〇が得られている。
また、種類(B)に属する無線機の個体の数が10であるため、10個の特徴量ベクトル◇が得られており、種類(C)に属する無線機の個体の数が10であるため、10個の特徴量ベクトル△が得られている。
既知の無線機に係る特徴量ベクトル〇と特徴量ベクトル◇と特徴量ベクトル△とが重なっている場合、これらの特徴量ベクトル〇,◇,△と、識別対象の無線機に係る特徴量ベクトルとを比較しても、特徴量ベクトル〇,◇,△の中で、識別対象の無線機に係る特徴量ベクトルと最も類似している特徴量ベクトルを高精度に特定することができない。
したがって、特徴量ベクトル〇,◇,△の中で、識別対象の無線機に係る特徴量ベクトルと最も類似している特徴量ベクトルを高精度に特定する上で、既知の無線機に係る特徴量ベクトル〇と特徴量ベクトル◇と特徴量ベクトル△とが重なっていないことが望ましい。
図8Bは、特徴量算出用のパラメータが適正であるために、種類(A)の無線機に係る特徴量ベクトル〇と、種類(B)の無線機に係る特徴量ベクトル◇と、種類(C)の無線機に係る特徴量ベクトル△とが重なっていない例を示している。
時間帯(t1〜t2)については、学習用のエネルギー時間波形Eg(m)に基づいて設定する方法が考えられる。
例えば、学習用無線信号sg(n)の立ち上がり時刻T0よりも前の時刻において、学習用のエネルギー時間波形Eg(m)の最大値よりもエネルギーが30dB下がっている時刻をt1とする。また、学習用無線信号sg(n)の立ち上がり時刻T0よりも後の時刻において、学習用のエネルギー時間波形Eg(m)の最大値よりもエネルギーが30dB下がっている時刻をt2とする。
また、t2については、学習用フーリエ変換信号sg(n)の周波数方向の変動に基づいて設定する方法が考えられる。
例えば、学習用フーリエ変換信号sg(n)の過渡応答時の周波数変動が、特定の周波数範囲内に収まった時刻をt2とする。
また、設定周波数ビンkbについては、学習用のエネルギー時間波形Eg(m)において、平均電力が閾値以上の周波数ビンを検出して、検出した1以上の周波数ビンに係る周波数の平均を求め、平均の周波数の周波数ビンを採用する方法が考えられる。
第1のパラメータ設定部5は、例えば、図8Aに示すように、複数の既知の無線機に係る特徴量ベクトルpgの間に重なりがあれば、特徴量算出用のパラメータとして、先に設定している時間範囲Δt又は設定周波数ビンkbのうち、少なくとも1つを更新する。
特徴量算出部7は、第1のパラメータ設定部5により更新された特徴量算出用のパラメータを用いて、再度、複数の既知の無線機の特徴量ベクトルpgをそれぞれ算出する。
第1のパラメータ設定部5は、特徴量算出部7により再度算出された複数の既知の無線機に係る特徴量ベクトルpgの間に重なりがあるか否かを判定する。
複数の既知の無線機に係る特徴量ベクトルpgの間に重なりがなくなるまで、第1のパラメータ設定部5による特徴量算出用のパラメータの更新処理と、特徴量算出部7による特徴量ベクトルpgの算出処理とが繰り返される。
なお、パラメータの更新処理と、特徴量ベクトルpgの算出処理とを繰り返しても、複数の既知の無線機に係る重なりがなくならない場合には、重なりが最も小さくなったパラメータを適正なパラメータとして、パラメータの設定処理を終了する。
特徴量算出用のパラメータが更新されたのち、特徴量算出部7により再度算出された複数の既知の無線機に係る特徴量ベクトルpgが第2のデータベース部10に格納される際、不適正な特徴量算出用のパラメータに従って算出されている複数の既知の無線機に係る特徴量ベクトルpgは、第2のデータベース部10から削除される。
図10は、第2のデータベース部10に格納される複数の既知の無線機に係る特徴量の一例を示す説明図である。
図10では、既知の無線機の種類が、種類(A)、種類(B)の例を示しており、また、種類(A)に属する無線機が、シリアルナンバー(1)の個体、シリアルナンバー(2)の個体の例を示している。
また、図10には、特徴量算出用のパラメータ及び重み付けパラメータの一例を示している。
例えば、信号受信部1によって、既知の無線機から新たに送信された学習用無線信号が受信されることで、特徴量算出部7によって、新たに特徴量が算出されたタイミングで、第1のパラメータ設定部5が、特徴量算出用のパラメータを更新するようにしてもよい。
次に、識別対象の無線機から送信された無線信号を用いて、無線機を識別する際の処理内容を説明する。
図11は、この発明の実施の形態1による無線機識別方法における識別処理を示すフローチャートである。
信号受信部1は、識別対象の無線機から送信された無線信号を識別用無線信号として受信し、受信した識別用無線信号をアナログ信号からデジタル信号に変換する(図11のステップST11)。
信号受信部1は、デジタルの識別用無線信号sd(n)をフーリエ変換部2に出力する。sd(n)におけるnは、識別用無線信号のサンプル番号である。
フーリエ変換部2は、識別用無線信号sd(n)のSTFT結果を示すフーリエ変換信号である識別用フーリエ変換信号Sd(m,k)を立ち上がり検出部3及び特徴量算出部7に出力する(図11のステップST12)。図5は、識別用無線信号sd(n)のSTFTについても表している。
立ち上がり検出部3は、識別用無線信号sd(n)の立ち上がり時刻T0を検出する処理を実施する(図11のステップST13)。
以下、立ち上がり検出部3による立ち上がり時刻T0の検出処理を具体的に説明する。
識別用のエネルギー時間波形Ed(m)は、スペクトログラムSPd(m,k)に含まれている複数の周波数における電力のうち、同一時刻の電力同士がそれぞれ合計されることで算出される各々の時刻における電力の合計値である。
式(25)において、k1は、スペクトログラムSPd(m,k)に含まれている複数の周波数のうち、電力を合計する周波数の下限周波数を示す周波数ビン番号、knは、スペクトログラムSPd(m,k)に含まれている複数の周波数のうち、電力を合計する周波数の上限周波数を示す周波数ビン番号である。
k=k1,・・・,knである。
立ち上がり検出部3は、識別用のエネルギー時間波形Ed(m)と閾値Ethとの比較結果を参照することで、最初は、ノイズレベルのエネルギーを示していた識別用のエネルギー時間波形Ed(m)が、閾値Ethに到達したか否かを判定する。
立ち上がり検出部3は、識別用のエネルギー時間波形Ed(m)が閾値Ethに到達した時刻を、識別用無線信号sd(n)の立ち上がり時刻T0として検出する。
この実施の形態1では、立ち上がり検出部3が、識別用無線信号sd(n)の立ち上がり時刻T0を検出する際、スペクトログラムSPd(m,k)に含まれている複数の周波数における電力のうち、同一時刻の電力同士をそれぞれ合計するようにしている。これにより、立ち上がり時に電力が大きく変動する周波数が含まれている場合でも、当該電力の変動の影響が低減されるため、立ち上がり時刻T0の検出精度が向上する。
この特徴量算出用のパラメータは、第1のパラメータ設定部5によって、複数の既知の無線機に係る特徴量ベクトルpgの間に重なりがなくなるように、もしくは、重なりが最も小さくなるように設定されたパラメータである。
次に、特徴量算出部7は、図6に示すように、フーリエ変換部2から出力された識別用フーリエ変換信号Sd(m,k)の中から、立ち上がり検出部3により検出された識別用無線信号sd(n)の立ち上がり時刻T0を含む時間帯(t1〜t2)の識別用フーリエ変換信号sd(n)t1〜t2を抽出する。
電子出願の都合上、明細書の文章中では、sの文字の上に“^”の記号を付することができないので、sdハット(n)t1〜t2のように表記している。
特徴量算出部7は、切り出した複素時間信号sdハット(n)t1〜t2から、抽出した識別用フーリエ変換信号sd(n)t1〜t2の変動を特徴量として算出する(図11のステップST14)。
特徴量算出部7は、切り出した複素時間信号sdハット(n)t1〜t2から、以下の式(26)に示すように、複素時間信号sdハット(n)t1〜t2の瞬時振幅ad(n)を算出する。
式(26)において、Id(n)は、複素時間信号sdハット(n)t1〜t2の実部、Qd(n)は、複素時間信号sdハット(n)t1〜t2の虚部である。
また、特徴量算出部7は、切り出した複素時間信号sdハット(n)t1〜t2から、以下の式(28)に示すように、複素時間信号sdハット(n)t1〜t2の瞬時周波数fd(n)を算出する。
特徴量算出部7は、以下の式(31)に示すように、第2の特徴量として、複素時間信号sdハット(n)t1〜t2における瞬時振幅ad(n)の歪度pd2を算出する。
特徴量算出部7は、以下の式(33)に示すように、第3の特徴量として、複素時間信号sdハット(n)t1〜t2における瞬時振幅ad(n)の尖度pd3を算出する。
特徴量算出部7は、以下の式(36)に示すように、第5の特徴量として、複素時間信号sdハット(n)t1〜t2における瞬時位相φd(n)の歪度pd5を算出する。
特徴量算出部7は、以下の式(38)に示すように、第6の特徴量として、複素時間信号sdハット(n)t1〜t2における瞬時位相φd(n)の尖度pd6を算出する。
特徴量算出部7は、以下の式(41)に示すように、第8の特徴量として、複素時間信号sdハット(n)t1〜t2における瞬時周波数fd(n)の歪度pd8を算出する。
特徴量算出部7は、以下の式(43)に示すように、第9の特徴量として、複素時間信号sdハット(n)t1〜t2における瞬時周波数fd(n)の尖度pd9を算出する。
特徴量算出部7は、以下の式(44)に示すように、第1から第9の特徴量pdiと重みwiとをそれぞれ乗算することで、第1から第9の特徴量pdiの重み付けを行う。
p’di=pdi×wi (44)
i=1,2,・・・,9
特徴量算出部7は、重み付け後の第1から第9の特徴量p’diを並べたベクトルを、識別対象の無線機の特徴量ベクトルpdとして算出する。
特徴量算出部7は、算出した識別対象の無線機の特徴量ベクトルpdを無線機識別部11に出力する。
そして、無線機識別部11は、識別対象の無線機に係る特徴量ベクトルpdと、複数の既知の無線機に係る特徴量ベクトルpgとの比較結果に基づいて、識別対象の無線機を識別する(図11のステップST15)。
図12は、無線機識別部11による無線機の識別処理を示す説明図である。
図12では、説明の簡単化のため、特徴量算出部7により算出される第1から第9の特徴量のうち、第1から第3の特徴量だけを例示している。
ここでは、説明の便宜上、既知の無線機がH個あり、H個の無線機に係る特徴量ベクトルpgが第2のデータベース部10にそれぞれ格納されているものとする。
H個の無線機の中には、例えば、種類(A)に属する無線機、種類(B)に属する無線機、あるいは、種類(C)に属する無線機が含まれている。
式(45)において、xi,hは、n次元の特徴量空間における既知の無線機h(h=1,・・・,H)に係る特徴量ベクトルpgの位置、xjは、n次元の特徴量空間における識別対象の無線機に係る特徴量ベクトルpdの位置である。
(xi,h−xj)は、n次元の特徴量空間における2点間のユークリッド距離、Sは、既知の無線機hから送信される学習用無線信号sg(n)の特徴量空間における分布の分散共分散行列である。
マハラノビス距離dij,hは、学習用無線信号sg(n)の特徴量空間における分布の分散による影響が正規化された空間での距離となる。
無線機識別部11は、H個の無線機の中で、最小のマハラノビス距離dij,hに係る既知の無線機が、識別対象の無線機と最も類似していると判断する。
無線機識別部11は、識別対象の無線機の識別結果として、最小のマハラノビス距離dij,hに係る既知の無線機のシリアルナンバーを出力する。これにより、無線機の種類だけでなく、無線機の個体識別が可能になる。
図12の例では、3つの既知の無線機に係る特徴量ベクトルpgの位置が示されている。3つの既知の無線機の中で、特徴量ベクトルpgの位置が●である既知の無線機とのマハラノビス距離が最小であるため、識別対象の無線機は、特徴量ベクトルpgの位置が●の無線機であると識別される。
Claims (8)
- 識別対象の無線機から送信された無線信号を受信する信号受信部と、
前記信号受信部により受信された無線信号を短時間フーリエ変換し、前記無線信号の短時間フーリエ変換結果を示すフーリエ変換信号を出力するフーリエ変換部と、
前記フーリエ変換部から出力されたフーリエ変換信号のスペクトログラムにおけるエネルギーの時間波形を算出し、前記エネルギーの時間波形から前記無線信号の立ち上がり時刻を検出する立ち上がり検出部と、
前記フーリエ変換部から出力されたフーリエ変換信号の中から、前記立ち上がり検出部により検出された立ち上がり時刻を含む時間帯のフーリエ変換信号を抽出し、抽出したフーリエ変換信号に含まれている設定周波数成分の複素時間信号から、抽出したフーリエ変換信号の変動を特徴量として算出する特徴量算出部と、
前記特徴量算出部により算出された特徴量に基づいて、前記無線機を識別する無線機識別部と
を備えた無線機識別装置。 - 前記信号受信部は、既知の無線機から送信された無線信号を受信し、
前記フーリエ変換部は、前記信号受信部により受信された既知の無線機の無線信号を短時間フーリエ変換し、既知の無線機の無線信号の短時間フーリエ変換結果を示すフーリエ変換信号を出力し、
前記立ち上がり検出部は、前記フーリエ変換部から出力された既知の無線機に係るフーリエ変換信号のスペクトログラムにおけるエネルギーの時間波形を算出し、当該エネルギーの時間波形から既知の無線機の無線信号の立ち上がり時刻を検出し、
前記特徴量算出部は、前記フーリエ変換部から出力された既知の無線機に係るフーリエ変換信号の中から、前記立ち上がり検出部により検出された立ち上がり時刻を含む時間帯のフーリエ変換信号を抽出し、抽出した既知の無線機に係るフーリエ変換信号に含まれている設定周波数成分の複素時間信号から、抽出した既知の無線機に係るフーリエ変換信号の変動を特徴量として算出し、算出した既知の無線機に係る特徴量をデータベース部に格納し、
前記無線機識別部は、前記特徴量算出部により算出された識別対象の無線機に係る特徴量と、前記データベース部により格納されている既知の無線機に係る特徴量とを比較し、特徴量の比較結果に基づいて、識別対象の無線機を識別することを特徴とする請求項1記載の無線機識別装置。 - 特徴量算出用のパラメータとして、前記時間帯の長さを示すパラメータと、前記設定周波数成分を示すパラメータとを設定する第1のパラメータ設定部を備え、
前記特徴量算出部は、前記第1のパラメータ設定部により設定された特徴量算出用のパラメータを用いて、識別対象の無線機に係る特徴量及び既知の無線機に係る特徴量のそれぞれを算出することを特徴とする請求項2記載の無線機識別装置。 - 前記第1のパラメータ設定部は、互いに異なる既知の無線機から送信された無線信号のそれぞれが前記信号受信部に受信された際に、前記特徴量算出部によりそれぞれ算出される特徴量が重ならないように、あるいは、前記特徴量算出部によりそれぞれ算出される特徴量の重なりが最も小さくなるように、前記特徴量算出用のパラメータを更新することを特徴とする請求項3記載の無線機識別装置。
- 前記立ち上がり検出部は、前記スペクトログラムに含まれている複数の周波数における電力のうち、同一時刻の電力同士をそれぞれ合計することで、前記エネルギーの時間波形として、各々の時刻における電力の合計値を算出し、無線信号の立ち上がり時刻として、前記電力の合計値が閾値に到達した時刻を検出することを特徴とする請求項1記載の無線機識別装置。
- 前記特徴量算出部は、
第1から第3の特徴量として、前記複素時間信号における振幅の分散値、歪度及び尖度をそれぞれ算出し、第4から第6の特徴量として、前記複素時間信号における位相の分散値、歪度及び尖度をそれぞれ算出し、第7から第9の特徴量として、前記複素時間信号における周波数の分散値、歪度及び尖度をそれぞれ算出することを特徴とする請求項1記載の無線機識別装置。 - 前記第1から第9の特徴量の重みを示す重み付けパラメータを設定する第2のパラメータ設定部を備え、
前記特徴量算出部は、前記第2のパラメータ設定部により設定された重み付けパラメータに従って前記第1から第9の特徴量の重み付けを実施することを特徴とする請求項6記載の無線機識別装置。 - 信号受信部が、識別対象の無線機から送信された無線信号を受信し、
フーリエ変換部が、前記信号受信部により受信された無線信号を短時間フーリエ変換し、前記無線信号の短時間フーリエ変換結果を示すフーリエ変換信号を出力し、
立ち上がり検出部が、前記フーリエ変換部から出力されたフーリエ変換信号のスペクトログラムにおけるエネルギーの時間波形を算出し、前記エネルギーの時間波形から前記無線信号の立ち上がり時刻を検出し、
特徴量算出部が、前記フーリエ変換部から出力されたフーリエ変換信号の中から、前記立ち上がり検出部により検出された立ち上がり時刻を含む時間帯のフーリエ変換信号を抽出し、抽出したフーリエ変換信号に含まれている設定周波数成分の複素時間信号から、抽出したフーリエ変換信号の変動を特徴量として算出し、
無線機識別部が、前記特徴量算出部により算出された特徴量に基づいて、前記無線機を識別する
無線機識別方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/025914 WO2019016853A1 (ja) | 2017-07-18 | 2017-07-18 | 無線機識別装置及び無線機識別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6567242B2 true JP6567242B2 (ja) | 2019-08-28 |
JPWO2019016853A1 JPWO2019016853A1 (ja) | 2019-11-07 |
Family
ID=65016165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019530259A Expired - Fee Related JP6567242B2 (ja) | 2017-07-18 | 2017-07-18 | 無線機識別装置及び無線機識別方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6567242B2 (ja) |
WO (1) | WO2019016853A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7447669B2 (ja) | 2020-05-13 | 2024-03-12 | 日本電気株式会社 | 送信装置照合装置、送信装置照合方法、及びプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3472807B2 (ja) * | 2000-07-07 | 2003-12-02 | 独立行政法人通信総合研究所 | 無線機同定装置 |
JP2004214817A (ja) * | 2002-12-27 | 2004-07-29 | National Institute Of Information & Communication Technology | 無線機同定装置 |
JP2005033312A (ja) * | 2003-07-08 | 2005-02-03 | Interenergy Co Ltd | 無線電波の識別装置、識別切換端末、切換器および識別方法 |
JP4330152B2 (ja) * | 2005-01-27 | 2009-09-16 | 日本電気株式会社 | 無線信号用立ち上がり検出方法及び装置 |
JP4543283B2 (ja) * | 2005-01-27 | 2010-09-15 | 日本電気株式会社 | 無線機同定方法及び装置 |
JP2014082610A (ja) * | 2012-10-16 | 2014-05-08 | Nec Corp | 無線機同定装置、方法、プログラム及びシステム |
JP6324257B2 (ja) * | 2014-08-12 | 2018-05-16 | 三菱電機株式会社 | 電波識別システム |
JP6354104B2 (ja) * | 2014-09-08 | 2018-07-11 | 株式会社国際電気通信基礎技術研究所 | 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 |
-
2017
- 2017-07-18 WO PCT/JP2017/025914 patent/WO2019016853A1/ja active Application Filing
- 2017-07-18 JP JP2019530259A patent/JP6567242B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPWO2019016853A1 (ja) | 2019-11-07 |
WO2019016853A1 (ja) | 2019-01-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mirshekari et al. | Step-level occupant detection across different structures through footstep-induced floor vibration using model transfer | |
US8244493B2 (en) | Noise reduction technique for monitoring electromagnetic signals | |
JP6165348B2 (ja) | 干渉識別装置、無線通信装置および干渉識別方法 | |
JP6567242B2 (ja) | 無線機識別装置及び無線機識別方法 | |
US20190074030A1 (en) | Voice extraction device, voice extraction method, and non-transitory computer readable storage medium | |
CN111168569B (zh) | 一种磨削材料去除量预测方法、装置、设备及存储介质 | |
Khodjet-Kesba et al. | Comparison of matrix pencil extracted features in time domain and in frequency domain for radar target classification | |
JP6871718B6 (ja) | 音源探査装置、音源探査方法およびそのプログラム | |
Caso et al. | Frequentist inference for WiFi fingerprinting 3D indoor positioning | |
JP5394060B2 (ja) | 確率密度関数分離装置、確率密度関数分離方法、ノイズ分離装置、ノイズ分離方法、試験装置、試験方法、プログラム、及び記録媒体 | |
US9820043B2 (en) | Sound source detection apparatus, method for detecting sound source, and program | |
Zhang et al. | Skywave delay estimation in enhanced Loran based on extended invariance principle weighted fourier transform and relaxation algorithm | |
US20220205955A1 (en) | Identification apparatus, identification method, identification processing program, generation apparatus, generation method, and generation processing program | |
US8239811B2 (en) | System and method for wireless and dynamic intra-process measurement of integrated circuit parameters | |
JP5661344B2 (ja) | 情報処理装置、認識システム、認識方法、及びプログラム | |
JP6513310B1 (ja) | 航跡推定装置及び携帯情報端末 | |
JP2021180388A (ja) | 送信装置照合装置、送信装置照合方法、及びプログラム | |
EP3256848A1 (en) | Method and apparatus for creating a classifier indicative of a presence of a medical condition | |
JP5069785B2 (ja) | 無線周波信号の同定装置 | |
EP3152756A1 (en) | Noise level estimation | |
US20070255668A1 (en) | Intrinsic discriminant dimension-based signal representation and classification | |
US10001579B2 (en) | High frequency electromagnetic induction | |
JP7173369B2 (ja) | 送信装置照合装置、送信装置照合システム、および送信装置照合方法 | |
Wei et al. | Estimation of the Discrete Spectrum of Relaxations for Electromagnetic Induction Responses Using $\ell_ {p} $-Regularized Least Squares for $0\leq p\leq 1$ | |
CN111415681B (zh) | 一种基于音频数据确定音符的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190612 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20190612 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190627 |
|
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: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190730 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6567242 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |