特許 7557861 学習用データ生成方法、信号種別分類システム、データ収集システム、および、プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-09-19

(45)【発行日】2024-09-30

(54)【発明の名称】学習用データ生成方法、信号種別分類システム、データ収集システム、および、プログラム

(51)【国際特許分類】

   G06F 18/23211 20230101AFI20240920BHJP

   G06F 18/214 20230101ALI20240920BHJP

   G06N 20/00 20190101ALI20240920BHJP

   H04B 17/00 20150101ALI20240920BHJP

   G01R 29/08 20060101ALI20240920BHJP

【ＦＩ】

G06F18/23211

G06F18/214

G06N20/00

H04B17/00

G01R29/08 B

【請求項の数】 8

(21)【出願番号】P 2020169784

(22)【出願日】2020-10-07

(65)【公開番号】P2022061690

(43)【公開日】2022-04-19

【審査請求日】2023-09-07

【国等の委託研究の成果に係る記載事項】（出願人による申告）令和２年度、支出負担行為担当官、総務省大臣官房会計課企画官、研究テーマ「高ノイズ環境における周波数共用のための適応メディアアクセス制御に関する研究開発」に関する委託研究、産業技術力強化法第１７条の適用を受ける特許出願

(73)【特許権者】

【識別番号】393031586

【氏名又は名称】株式会社国際電気通信基礎技術研究所

(74)【代理人】

【識別番号】100143498

【弁理士】

【氏名又は名称】中西 健

(74)【代理人】

【識別番号】100136319

【弁理士】

【氏名又は名称】北原 宏修

(74)【代理人】

【識別番号】100148275

【弁理士】

【氏名又は名称】山内 聡

(74)【代理人】

【識別番号】100142745

【弁理士】

【氏名又は名称】伊藤 世子

(72)【発明者】

【氏名】大西 綾乃

(72)【発明者】

【氏名】武内 良男

(72)【発明者】

【氏名】長谷川 晃朗

(72)【発明者】

【氏名】宮本 進生

(72)【発明者】

【氏名】前山 利幸

(72)【発明者】

【氏名】横山 浩之

【審査官】大倉 崚吾

(56)【参考文献】

【文献】国際公開第２０１８／０５５６７３（ＷＯ，Ａ１）

【文献】国際公開第２０１８／１５５４８１（ＷＯ，Ａ１）

【文献】特開２０１３－０２６９７６（ＪＰ，Ａ）

【文献】国際公開第２０１９／０２６５２３（ＷＯ，Ａ１）

【文献】国際公開第２０１８／０７９０２０（ＷＯ，Ａ１）

【文献】米国特許出願公開第２０１５／００１９５５４（ＵＳ，Ａ１）

【文献】特開２００６－３５００９０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１９／０００７４３３（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１５／０３４６８３３（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／００－９９／００

Ｇ０６Ｆ １８／００－１８／４０

Ｈ０４Ｂ １７／００

Ｇ０１Ｒ ２９／０８

(57)【特許請求の範囲】

【請求項1】

アンテナにより受信した電波の電波波形データを取得する電波波形取得処理ステップと、
前記電波波形データの時間領域または周波数領域の特徴を示すデータであって、前記電波波形データよりもデータ量が少ないデータである特徴量データを取得する特徴量取得処理ステップと、
前記特徴量データをクラスタに分類するクラスタリング処理ステップと、
前記クラスタリング処理により分類された前記特徴量データにラベルを付与することで、前記特徴量データと前記ラベルとを対応付けたデータを学習用データとして取得する学習用データ取得ステップと、
前記クラスタリング処理における分類数の最適数を取得する最適クラスタ数取得ステップと、
を備え、
前記最適クラスタ数取得ステップは、
クラスタ数を変化させながら、クラスタリング処理の初期設定を変更してもクラスタの分類状況が変化しないクラスタ数を検出し、検出したクラスタ数に基づいて、前記分類数の最適数を取得する、
信号種別分類処理のための学習用データ生成方法。

【請求項2】

前記特徴量データは、ケプストラムから抽出されるデータである、
請求項１に記載の学習用データ生成方法。

【請求項3】

前記特徴量データは、ケプストラムの低次成分を抽出または加工したデータである、
請求項１に記載の学習用データ生成方法。

【請求項4】

請求項１から３のいずれかに記載の学習用データ生成方法により生成された学習用データを用いて学習処理を行うことで取得した信号種別分類器の学習済みモデルを用いて信号種別分類処理を行う信号種別分類システムであって、
無線通信機と、
ホスト装置と、
を備え、
前記無線通信機は、
アンテナにより受信した電波の電波波形データを取得する電波波形取得処理ステップと、
前記電波波形データの時間領域または周波数領域の特徴を示すデータであって、前記電波波形データよりもデータ量が少ないデータである特徴量データを取得する特徴量取得処理ステップと、
前記特徴量データをホスト装置に送信する送信ステップと、
を実行し、
前記ホスト装置は、
前記無線通信機から送信される前記特徴量データを受信する受信ステップと、
前記無線通信機により取得された前記特徴量データを、前記信号種別分類器の学習済みモデルに入力することで、前記特徴量データのラベルを取得するラベル取得ステップと、
を実行する、
信号種別分類システム。

【請求項5】

前記特徴量データは、ケプストラムから抽出されるデータである、
請求項４に記載の信号種別分類システム。

【請求項6】

前記特徴量データは、ケプストラムの低次成分を抽出または加工したデータである、
請求項４に記載の信号種別分類システム。

【請求項7】

Ｎ個（Ｎ：自然数）の請求項４から６のいずれかの信号種別分類システムと、
前記Ｎ個の信号種別分類システムにより取得されたデータであって、特徴量データとラベルとを対応付けたデータである信号種別データを、前記Ｎ個の信号種別分類システムから収集するサーバと、
を備えるデータ収集システム。

【請求項8】

請求項１から３のいずれかの学習用データ生成方法をコンピュータに実行させるためのプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、電波環境の状況把握を可能とするための信号種別分類技術に関する。

【背景技術】

【0002】

様々な機器の稼働状況の把握、制御などを目的として、工場、病院、商業施設などの屋内環境へのＩｏＴ（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）デバイスの導入が進んでいる。このような環境下では、無線通信のトラフィックが場所的、時間的に集中しやすく、無線通信パケットの衝突や遅延が発生しやすい。このような状況下でも、安定した通信が望まれる。また、システム全体の動作状況を把握するため、監視対象の周波数帯域における混雑具合や電波強度などの情報を把握し、無線品質に問題が生じていないかを監視し、問題が生じている場合には、その原因の特定につながる情報を提供できるシステムが望まれる。このようなシステムを実現するために、電波環境の状況把握を可能とするための信号種別分類技術を確立させることが重要となる。

【0003】

従来、ノイズ発生源を特定するための技術が開発されており、例えば、特許文献１には、雷放電により発生する雑音（単発パルスやバースト状パルス）を検知するための技術の開示がある。

【先行技術文献】

【特許文献】

【0004】

【文献】特開２００１－４７３１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

特許文献１のような従来技術では、無線信号あるいは電磁ノイズの発生源の性質がある程度分かっていることが前提となっており、発生源から生じる無線信号や電磁ノイズの周波数スペクトルや信号（あるいは電磁ノイズ）の時間波形のパターン（例えば、単発パルスやバースト状パルス）をある程度予測できるため、発生源を特定することができる。

【0006】

しかしながら、無線信号や電磁ノイズの発生源が多数あり、かつ、その無線信号や電磁ノイズの周波数スペクトルや波形パターンが予測できない無線環境下においては、従来技術を適用して、無線環境の状況を把握することは極めて困難である。

【0007】

そこで、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズが多数飛び交う環境下であっても、無線環境の状況を適切に把握できる技術が求められている。このような技術を実現するために、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズの種別を適切に分類する技術（信号種別分類技術）を確立させることが有効である。つまり、当該技術を用いることで、無線環境下において、どのような無線信号や電磁ノイズが存在しているかを把握でき、その結果、無線環境の状況を適切に把握できる。

【0008】

本発明は、上記課題に鑑み、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズの種別を適切に分類する信号種別分類システム、および、信号種別分類システムに搭載される分類器を機械学習により構築するための学習用データ生成方法、データ収集システム、および、プログラムを実現することを目的とする。

【課題を解決するための手段】

【0009】

上記課題を解決するために、第１の発明は、信号種別分類処理のための学習用データ生成方法であって、電波波形取得処理ステップと、特徴量取得処理ステップと、クラスタリング処理ステップと、学習用データ取得ステップと、を備える。

【0010】

電波波形取得処理ステップは、アンテナにより受信した電波の電波波形データを取得する。

【0011】

特徴量取得処理ステップは、電波波形データの時間領域または周波数領域の特徴を示すデータであって、電波波形データよりもデータ量が少ないデータである特徴量データを取得する。

【0012】

クラスタリング処理ステップは、特徴量データをクラスタに分類する。

【0013】

学習用データ取得ステップは、クラスタリング処理により分類された特徴量データにラベルを付与することで、特徴量データとラベルとを対応付けたデータを学習用データとして取得する。

【0014】

この学習用データ生成方法では、電波波形の特徴を維持しつつ、データ量を低減させた特徴量データを取得するので、特徴量データを大量に取得し、データ送信しても、通信路にかかる負荷が少なくてすむ。これにより、この学習用データ生成方法では、大量のデータを収集し、収集したデータを用いて大量の学習用データを生成することができる。また、この学習用データ生成方法では、収集した特徴量データに対してクラスタリング処理により分類し、分類したクラスタにラベルを付与するので、電波波形データがどのようなものであっても適切に種別分類を行うことができる。その結果、この学習用データ生成方法では、多様な電波波形データに対応する信号種別分類器（例えば、ニューラルネットワークモデル）の学習処理を高精度かつ効果的に行うことができる学習用データを生成することができる。

【0015】

第２の発明は、第１の発明であって、特徴量データは、ケプストラムから抽出されるデータである。

【0016】

これにより、この学習用データ生成方法では、ケプストラムから抽出されるデータを特徴量データとして学習用データを生成することができる。

【0017】

第３の発明は、第１の発明であって、特徴量データは、ケプストラムの低次成分を抽出または加工したデータである。

【0018】

これにより、この学習用データ生成方法では、ケプストラムの低次成分を抽出または加工したデータを特徴量データとして学習用データを生成する処理を行うことができる。ケプストラムの低次成分を抽出したデータは、電波波形の特徴を維持しつつ、周波数領域での白色ノイズ成分を効果的に抑制したデータとなる。このため、この学習用データ生成方法において、ケプストラムの低次成分を抽出したデータを特徴量データとして学習用データを生成する処理を行うことで、非常に高精度な学習用データを生成することができる。
なお、ケプストラムの低次成分を「加工」するとは、例えば、ケプストラムの低次成分に対して、所定の処理（例えば、フィルタ処理）等を施すことを含む概念である。なお、「加工」は、電波波形の特徴を維持しつつ、周波数領域での白色ノイズ成分を効果的に抑制したデータを取得できる処理であれば、どのような処理でもよい。

【0019】

なお、ケプストラムから抽出する低次成分は、例えば、ケプストラムの全データをＮ１次元のベクトルで表現するとしたとき、例えば、ケプストラムの配列が高次元へ向けて0に収束するため、Ｎ１×０．１以下のデータ（低次元側のデータ）など、収束する前の低次元側の配列を設定することが好ましい。例えば、ケプストラムの全データを１０００次元（Ｎ１＝１０００）のベクトルで表現するとしたとき、１次元～１００次元のデータ（１００＝Ｎ１×０．１）の一部または全部をケプストラムから抽出する低次成分としてもよい。また、例えば、ケプストラムの全データを１５００次元（Ｎ１＝１５００）のベクトルで表現するとしたとき、１次元～１６次元のデータ（１６次元分のデータ）をケプストラムから抽出する低次成分としてもよい。

【0020】

第４の発明は、第１から第３のいずれかの発明であって、クラスタリング処理における分類数の最適数を取得する最適クラスタ数取得ステップをさらに備える。

【0021】

これにより、この学習用データ生成方法では、最適クラスタ数により、クラスタリング処理を実行することが可能となる。

【0022】

第５の発明は、第４の発明であって、最適クラスタ数取得ステップは、クラスタリング処理の初期設定（例えば、乱数シード）を変更しながら、クラスタ数を変化させたときに、クラスタの分類状況が変化しないクラスタ数を検出し、検出したクラスタ数に基づいて、分類数の最適数を取得する。

【0023】

これにより、この学習用データ生成方法では、初期設定（例えば、乱数シード）を変更してもクラスタ数が変化しない数（例えば、初期設定（例えば、乱数シード）を変更してもクラスタ数が変化しない最大の数）を分類数の最適数（最適クラスタ数）として設定することができる。

【0024】

第６の発明は、第１から第５のいずれかの発明である学習用データ生成方法により生成された学習用データを用いて学習処理を行うことで取得した信号種別分類器の学習済みモデルを用いて信号種別分類処理を行う信号種別分類システムであって、無線通信機と、ホスト装置と、を備える。

【0025】

無線通信機は、
アンテナにより受信した電波の電波波形データを取得する電波波形取得処理ステップと、
電波波形データの時間領域または周波数領域の特徴を示すデータであって、電波波形データよりもデータ量が少ないデータである特徴量データを取得する特徴量取得処理ステップと、
特徴量データをホスト装置に送信する送信ステップと、
を実行する。

【0026】

ホスト装置は、
無線通信機から送信される特徴量データを受信する受信ステップと、
無線通信機により取得された特徴量データを、信号種別分類器の学習済みモデルに入力することで、特徴量データのラベルを取得するラベル取得ステップと、
を実行する。

【0027】

この信号種別分類システムでは、無線通信機において特徴量データ取得処理を行うことで、データ量を大幅に削減することができるので、無線信号や電磁ノイズの特徴を維持しつつ個々のデータ量が少ない特徴量データを大量に取得し、取得した大量の特徴量データを用いて、信号種別分類器の学習済みモデルにより信号種別分類処理を行うことができる。したがって、この信号種別分類システムでは、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズであっても、その種別を適切に分類することができる。

【0028】

第７の発明は、第６の発明であって、特徴量データは、ケプストラムから抽出されるデータである。

【0029】

これにより、この信号種別分類システムでは、ケプストラムから抽出されるデータを特徴量データとして、処理を実行することができる。

【0030】

第８の発明は、第６の発明であって、特徴量データは、ケプストラムの低次成分を抽出または加工したデータである。

【0031】

これにより、この信号種別分類システムでは、ケプストラムの低次成分を抽出または加工したデータを特徴量データとして、処理を実行することができる。
なお、ケプストラムの低次成分を「加工」するとは、例えば、ケプストラムの低次成分に対して、所定の処理（例えば、フィルタ処理）等を施すことを含む概念である。なお、「加工」は、電波波形の特徴を維持しつつ、周波数領域での白色ノイズ成分を効果的に抑制したデータを取得できる処理であれば、どのような処理でもよい。

【0032】

第９の発明は、Ｎ個（Ｎ：自然数）の第６から第８のいずれかの発明である信号種別分類システムと、Ｎ個の信号種別分類システムにより取得されたデータであって、特徴量データとラベルとを対応付けたデータである信号種別データを、Ｎ個の信号種別分類システムから収集するサーバと、を備えるデータ収集システム。

【0033】

これにより、このデータ収集システムでは、信号種別分類システムにより取得したデータをサーバに集約し、サーバで多様な処理（データ解析処理、データ可視化処理）を行うことができる。

【0034】

第１０の発明は、第１から５のいずれかの発明である学習用データ生成方法をコンピュータに実行させるためのプログラムである。

【0035】

これにより、第１から第５の発明のいずれかの発明と同様の効果を奏する学習用データ生成方法をコンピュータに実行させるためのプログラムを実現することができる。

【発明の効果】

【0036】

本発明によれば、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズの種別を適切に分類する信号種別分類システム、および、信号種別分類システムに搭載される分類器を機械学習により構築するための学習用データ生成方法、データ収集システム、および、プログラムを実現することができる。

【図面の簡単な説明】

【0037】

【図1】第１実施形態に係る信号種別分類システム１００の概略構成図。

【図2】信号種別分類システム１００の学習時の処理（学習用データ生成処理）を説明するためのシーケンス図。

【図3】信号種別分類システム１００で実行される特徴量取得処理を説明するための図。

【図4】信号種別分類システム１００で実行される特徴量取得処理を説明するための図。

【図5】信号種別分類システム１００で実行される特徴量取得処理を説明するための図。

【図6】クラスタリング処理におけるクラスタ数（分類数）の最適数の取得処理のフローチャート。

【図7】クラスタリング処理におけるクラスタ数（分類数）の最適数の取得処理を説明するための図。

【図8】予測時における信号種別分類システム１００の概略構成図。

【図9】信号種別分類システム１００の予測時の処理（信号種別分類処理）を説明するためのシーケンス図。

【図10】ｎ個の信号種別分類システム１００＿１～１００＿ｎを含むデータ収集システム１０００の概略構成図。

【図11】第１実施形態の第１変形例の信号種別分類システム１００Ａの概略構成図。

【図12】第１実施形態の第２変形例の信号種別分類システム１００Ｂの概略構成図。

【図13】第１実施形態の第３変形例のデータ収集システム１０００Ａの概略構成図。

【図14】ＣＰＵバス構成を示す図。

【発明を実施するための形態】

【0038】

［第１実施形態］
第１実施形態について、図面を参照しながら、以下、説明する。

【0039】

＜１．１：信号種別分類システムの構成＞
図１は、第１実施形態に係る信号種別分類システム１００の概略構成図である。

【0040】

信号種別分類システム１００は、図１に示すように、Ｎ個（Ｎ：自然数）の無線通信機Ｓ１＿１～Ｓ１＿Ｎと、ホスト装置Ｈ１と、Ｎ個の無線通信機Ｓ１＿１～Ｓ１＿Ｎ（Ｎ：自然数）とを備える。

【0041】

（１．１．１：無線通信機）
無線通信機Ｓ１＿１は、図１に示すように、アンテナＡｎｔ＿Ｓ１と、ＲＦ処理部１１と、ＩＱデータ取得部１２と、特徴量取得部１３と、第１通信インターフェース１４と、無線通信機用制御部１５と、を備える。

【0042】

アンテナＡｎｔ＿Ｓ１は、外部から放射（送信）された電波（ＲＦ信号）を受信するためのアンテナである。

【0043】

ＲＦ処理部１１は、アンテナＡｎｔ＿Ｓ１を介して、外部からＲＦ信号を受信し、受信したＲＦ信号に対して受信用のＲＦ処理（ＲＦ復調処理、ＡＤ変換等）を実行し、ＲＦ処理後の信号Ｓｉｇ０（ＲＦ復調信号Ｓｉｇ０（例えば、ベースバンドＯＦＤＭ信号））を取得する。そして、ＲＦ処理部１１は、ＲＦ処理後の信号Ｓｉｇ０をＩＱデータ取得部１２に出力する。なお、ＲＦ処理部１１は、無線通信機用制御部１５から制御信号ＣＴＬ１を入力し、当該制御信号ＣＴＬ１により処理を行う。また、ＲＦ処理部１１は、制御信号ＣＴＬ１に従い、ＲＦ処理の対象とする周波数帯域（例えば、中心周波数ｆｏ、周波数帯域Δｆ）を設定し、受信用のＲＦ処理を行うことで、上記で設定した周波数領域のＲＦ信号のＲＦ復調信号Ｓｉｇ０を取得する。

【0044】

ＩＱデータ取得部１２は、無線通信機用制御部１５から出力される制御信号ＣＴＬ２と、ＲＦ処理部１１から出力される信号Ｓｉｇ０とを入力する。ＩＱデータ取得部１２は、制御信号ＣＴＬ２に従い、ＲＦ処理部１１から出力される信号Ｓｉｇ０から、Ｉ成分信号（同相成分信号）のデータ（Ｉ成分データ）と、Ｑ成分信号（直交成分信号）のデータ（Ｑ成分データ）とを取得し、取得したデータをデータＤ１として、特徴量取得部１３に出力する。

【0045】

特徴量取得部１３は、無線通信機用制御部１５から出力される制御信号ＣＴＬ３と、ＩＱデータ取得部１２から出力されるデータＤ１とを入力する。特徴量取得部１３は、制御信号ＣＴＬ３に従い、ＩＱデータ取得部１２から出力されるデータＤ１に対して、特徴量取得処理を実行し、所定の特徴量を取得する（詳細については、後述）。そして、特徴量取得部１３は、取得した特徴量を含むデータをデータＤ２として、第１通信インターフェース１４に出力する。

【0046】

第１通信インターフェース１４は、例えば、有線のネットワーク（所定のシリアルバス規格（例えば、ＵＳＢやＰＣＩ Ｅｘｐｒｅｓｓ）等に準拠した通信路を含む）または無線のネットワークを介して、外部の装置とデータ送受信を行うための通信インターフェースである。そして、第１通信インターフェース１４は、無線通信機Ｓ１＿１とホスト装置Ｈ１との間で、コマンド、データ等を通信するための通信インターフェース（例えば、ＵＳＢによる通信を行うための通信インターフェース）である。

【0047】

第１通信インターフェース１４は、特徴量取得部１３から出力されるデータＤ２を入力し、入力したデータを有線または無線のネットワークを介して通信できる形式のデータにしてホスト装置Ｈ１に送信する。

【0048】

また、第１通信インターフェース１４は、ホスト装置Ｈ１から受信したコマンドＣｍｄ１を無線通信機用制御部１５に出力する。

【0049】

無線通信機用制御部１５は、無線通信機Ｓ１＿１の各機能部を制御するための機能部であり、ホスト装置Ｈ１から第１通信インターフェース１４を介して受信したコマンドＣｍｄ１に従い、所定の制御信号を生成し、生成した制御信号を各機能部に出力することで、各機能部を制御する。例えば、無線通信機用制御部１５は、ＲＦ処理部１１を制御するための制御信号ＣＴＬ１を生成し、当該制御信号ＣＴＬ１をＲＦ処理部１１に出力する。また、無線通信機用制御部１５は、ＩＱデータ取得部１２を制御するための制御信号ＣＴＬ２を生成し、当該制御信号ＣＴＬ２をＩＱデータ取得部１２に出力する。また、無線通信機用制御部１５は、特徴量取得部１３を制御するための制御信号ＣＴＬ３を生成し、当該制御信号ＣＴＬ３を特徴量取得部１３に出力する。

【0050】

無線通信機Ｓ１＿２～Ｓ１＿Ｎは、それぞれ、上記と同様の構成（無線通信機Ｓ１＿１と同様の構成）を有している。なお、信号種別分類システム１００に含まれる無線通信機は、１つであってもよいし、複数であってもよい。

【0051】

（１．１．２：ホスト装置）
ホスト装置Ｈ１は、図１に示すように、第２通信インターフェース２１と、ホスト装置用制御部２２と、ＲＯＭ２３と、ＲＡＭ２４と、取得データ用バッファ２５と、記憶部２６と、第３通信インターフェース２７と、バスＢｕｓ＿Ｈ１と、を備える。第２通信インターフェース２１、ホスト装置用制御部２２、ＲＯＭ２３、ＲＡＭ２４、取得データ用バッファ２５、記憶部２６、および、第３通信インターフェース２７は、バスＢｕｓ＿Ｈ１に接続されており、バスＢｕｓ＿Ｈ１を介して、互いにデータ、コマンド等を送受信できる。なお、ホスト装置Ｈ１の上記機能部の一部または全部は、必ずしもバス接続されていなくてもよく、直接接続されるものであってもよい。

【0052】

第２通信インターフェース２１は、例えば、有線または無線のネットワーク（所定のシリアルバス規格（例えば、ＵＳＢやＰＣＩ Ｅｘｐｒｅｓｓ）等に準拠した通信路を含む）を介して、外部の装置とデータ送受信を行うための通信インターフェースである。そして、第２通信インターフェース２１は、無線通信機Ｓ１＿１とホスト装置Ｈ１との間で、コマンド、データ等を通信するための通信インターフェース（例えば、ＵＳＢによる通信を行うための通信インターフェース）である。

【0053】

第２通信インターフェース２１は、無線通信機Ｓ１＿１～Ｓ１＿Ｎから送信されるデータを受信する。そして、第２通信インターフェース２１は、受信したデータを取得データ用バッファ２５に出力する。また、第２通信インターフェース２１は、ホスト装置用制御部２２により生成されたコマンドＣｍｄ１を、ホスト装置用制御部２２が指定する送信先（無線通信機Ｓ１＿１～Ｓ１＿Ｎの１つまたは複数）へ送信するための送信データを生成し、当該送信データを送信先に送信する。

【0054】

ホスト装置用制御部２２は、ホスト装置Ｈ１の各機能部を制御するための機能部であり、各機能部を制御するための制御信号を生成し、生成した制御信号を該当する機能部に出力することで、各機能部を制御する。また、ホスト装置用制御部２２は、無線通信機Ｓ１＿１～Ｓ１＿Ｎの１つまたは複数を制御するためのコマンドＣｍｄ１を生成し、生成したコマンドＣｍｄ１を、第２通信インターフェース２１を介して、該当する（指定した送信先の）無線通信機へ送信する。

【0055】

また、ホスト装置用制御部２２は、学習モードと予測モードとを切り替えるモード切替機能を有しており、ホスト装置用制御部２２により、ホスト装置Ｈ１の動作モードが学習モード、または、予測モードに設定される。

【0056】

ホスト装置用制御部２２は、学習モードにおいて、ホスト装置Ｈ１にて、学習処理（または、学習用データの生成得処理）が実行されるように、各機能部を制御する。また、ホスト装置用制御部２２は、予測モードにおいて、ホスト装置Ｈ１にて、予測処理（例えば、信号種別分類処理）が実行されるように、各機能部を制御する。

【0057】

また、ホスト装置用制御部２２は、ＲＯＭ２３に記憶されているデータ（命令、コード等）を読み出し、ＲＯＭに記憶されているプログラム等を実行する。また、ホスト装置用制御部２２は、ＲＡＭ２４に、所定のデータ、コード等を記憶し、所定のタイミングでＲＡＭ２４に記憶されているデータ、コード等を読み出すことで、所定の処理（プログラム等）を実行する。

【0058】

ＲＯＭ２３は、読み出し専用メモリであり、ホスト装置Ｈ１で実行されるプログラム、ライブラリ、命令、コード等が記憶される。ＲＯＭ２３に記憶されているデータは、ホスト装置用制御部２２により読み出される。

【0059】

ＲＡＭ２４は、ランダムアクセスメモリであり、ホスト装置Ｈ１で所定の処理を実行するためのデータ、コマンド、コード等が記憶される。ＲＡＭ２４に記憶されているデータ、コマンド、コード等は、ホスト装置用制御部２２により読み出される。

【0060】

取得データ用バッファ２５は、第２通信インターフェース２１により受信した無線通信機Ｓ１＿１～Ｓ１＿Ｎからの送信データを記憶するためのバッファである。なお、取得データ用バッファ２５は、例えば、無線通信機Ｓ１＿１～Ｓ１＿Ｎごとのデータを分けて記憶管理するために、無線通信機の数と同数のバッファ（例えば、図１のバッファＢｕｆ＿１～Ｂｕｆ＿Ｎ）を含むものであってもよい。また、取得データ用バッファ２５は、１つのバッファを含むものであり、当該１つのバッファにおいて、記憶領域を無線通信機の数と同数のメモリ領域に分けて、メモリ管理を行うものであってもよい。

【0061】

記憶部２６は、データを記憶するための装置である。記憶部２６には、例えば、ホスト装置Ｈ１により取得された学習用データが記憶される。

【0062】

第３通信インターフェース２７は、例えば、有線または無線のネットワーク（例えば、ＬＡＮ）を介して、外部の装置とデータ送受信を行うための通信インターフェースである。ホスト装置Ｈ１は、例えば、外部に設置されたサーバと、第３通信インターフェース２７を介して、データ通信を行う。

【0063】

＜１．２：信号種別分類システムの動作＞
以上のように構成された信号種別分類システム１００の動作について、以下、図面を参照しながら説明する。

【0064】

図２は、信号種別分類システム１００の学習時の処理（学習用データ生成処理）を説明するためのシーケンス図である。

【0065】

図３は、信号種別分類システム１００で実行される特徴量取得処理を説明するための図である。

【0066】

図４は、信号種別分類システム１００で実行される特徴量取得処理を説明するための図であり、無線信号（狭帯域通信の信号）、電磁ノイズ（タイプ１）、および、電磁ノイズ（タイプ２）のスペクトルおよびケプストラムを示した図である（９２０ＭＨｚ帯を対象とする処理）。

【0067】

図５は、信号種別分類システム１００で実行される特徴量取得処理を説明するための図であり、無線信号（狭帯域通信の信号）、電磁ノイズ（タイプ１）、および、電磁ノイズ（タイプ２）のスペクトルおよびケプストラム（低次元領域（１６次元分の領域）を拡大したケプストラム）を示した図である。

【0068】

図６は、クラスタリング処理におけるクラスタ数（分類数）の最適数の取得処理のフローチャートである。

【0069】

図７は、クラスタリング処理におけるクラスタ数（分類数）の最適数の取得処理を説明するための図である。

【0070】

以下では、説明便宜のため、狭空間（例えば、工場内）に、Ｎ＝３として、３台の無線通信機Ｓ１＿１、Ｓ１＿２、Ｓ１＿３、および、ホスト装置Ｈ１が設置されており、（１）無線通信機Ｓ１＿１において、９２０ＭＨｚ帯域の無線信号および電磁ノイズのデータを取得し、（２）無線通信機Ｓ１＿２において、２．４ＧＨｚ帯域の信号および電磁ノイズのデータを取得し、（３）無線通信機Ｓ１＿３において、５．２ＧＨｚ帯域の信号および電磁ノイズのデータを取得する場合（一例）について説明する。

【0071】

また、信号種別分類システム１００の動作について、（１）学習時の処理と、（２）予測時の処理とに分けて、以下、説明する。

【0072】

（１．２．１：学習時の処理）
まず、信号種別分類システム１００の学習時の処理について説明する。

【0073】

（ステップＳ１）：
ステップＳ１において、ホスト装置Ｈ１は、初期化処理を実行する。具体的には、以下のように処理が実行される。

【0074】

ホスト装置Ｈ１のホスト装置用制御部２２は、無線通信機Ｓ１＿１に対して、中心周波数ｆｏ＝９２０ＭＨｚ、周波数帯域Δｆ＝１５ＭＨｚの周波数帯域（９２０ＭＨｚ帯域）の無線信号および電磁ノイズのデータを取得させるためのコマンドＣｍｄ１（ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚ）を生成し、当該コマンドＣｍｄ１（ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚ）を含むデータを、第２通信インターフェース２１を介して、当該コマンドの送信先である無線通信機Ｓ１＿１に送信する。

【0075】

また、ホスト装置Ｈ１のホスト装置用制御部２２は、無線通信機Ｓ１＿２に対して、中心周波数ｆｏ＝２．４ＧＨｚ、周波数帯域Δｆ＝１５ＭＨｚの周波数帯域（２．４ＧＨｚ帯域）の無線信号および電磁ノイズのデータを取得させるためのコマンドＣｍｄ１（ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚ）を生成し、当該コマンドＣｍｄ１（ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚ）を含むデータを、第２通信インターフェース２１を介して、当該コマンドの送信先である無線通信機Ｓ１＿２に送信する。

【0076】

また、ホスト装置Ｈ１のホスト装置用制御部２２は、無線通信機Ｓ１＿３に対して、中心周波数ｆｏ＝５．２ＧＨｚ、周波数帯域Δｆ＝１５ＭＨｚの周波数帯域（５．２ＧＨｚ帯域）の無線信号および電磁ノイズのデータを取得させるためのコマンドＣｍｄ１（ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚ）を生成し、当該コマンドＣｍｄ１（ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚ）を含むデータを、第２通信インターフェース２１を介して、当該コマンドの送信先である無線通信機Ｓ１＿３に送信する。

【0077】

（ステップＳ１．１）：
無線通信機Ｓ１＿１は、ホスト装置Ｈ１から送信されたコマンドＣｍｄ１（ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚ）を含む通信データを受信する。無線通信機Ｓ１＿１の第１通信インターフェース１４は、受信した通信データからホスト装置Ｈ１から送信されたコマンドＣｍｄ１（ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚ）を抽出し、抽出したコマンドＣｍｄ１（ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚ）を、無線通信機用制御部１５に出力する。

【0078】

無線通信機Ｓ１＿１の無線通信機用制御部１５は、コマンドＣｍｄ１（ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚ）に従い、ＲＦ処理部１１において、ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚの周波数帯域の無線信号（および電磁ノイズ）が受信するように指示する制御信号ＣＴＬ１を生成し、当該制御信号ＣＴＬ１をＲＦ処理部１１に出力する。

【0079】

無線通信機Ｓ１＿１のＲＦ処理部１１は、制御信号ＣＴＬ１に従い、受信可能周波数帯域を、ｆｏ＝９２０ＭＨｚ，Δｆ＝１５ＭＨｚの周波数帯域に設定する。

【0080】

上記周波数帯域の設定処理を行った後、無線通信機Ｓ１＿１の無線通信機用制御部１５は、ホスト装置Ｈ１から受信したコマンドＣｍｄ１に対応する処理が完了したことを示すＡｃｋ信号を、第１通信インターフェース１４を介して、ホスト装置Ｈ１へ送信する。

【0081】

（ステップＳ１．２）：
無線通信機Ｓ１＿２は、ホスト装置Ｈ１から送信されたコマンドＣｍｄ１（ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚ）を含む通信データを受信する。無線通信機Ｓ１＿２の第１通信インターフェース１４は、受信した通信データからホスト装置Ｈ１から送信されたコマンドＣｍｄ１（ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚ）を抽出し、抽出したコマンドＣｍｄ１（ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚ）を、無線通信機用制御部１５に出力する。

【0082】

無線通信機Ｓ１＿２の無線通信機用制御部１５は、コマンドＣｍｄ１（ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚ）に従い、ＲＦ処理部１１において、ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚの周波数帯域の無線信号（および電磁ノイズ）が受信するように指示する制御信号ＣＴＬ１を生成し、当該制御信号ＣＴＬ１をＲＦ処理部１１に出力する。

【0083】

無線通信機Ｓ１＿２のＲＦ処理部１１は、制御信号ＣＴＬ１に従い、受信可能周波数帯域を、ｆｏ＝２．４ＧＨｚ，Δｆ＝１５ＭＨｚの周波数帯域に設定する。

【0084】

上記周波数帯域の設定処理を行った後、無線通信機Ｓ１＿２の無線通信機用制御部１５は、ホスト装置Ｈ１から受信したコマンドＣｍｄ１に対応する処理が完了したことを示すＡｃｋ信号を、第１通信インターフェース１４を介して、ホスト装置Ｈ１へ送信する。

【0085】

（ステップＳ１．３）：
無線通信機Ｓ１＿３は、ホスト装置Ｈ１から送信されたコマンドＣｍｄ１（ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚ）を含む通信データを受信する。無線通信機Ｓ１＿３の第１通信インターフェース１４は、受信した通信データからホスト装置Ｈ１から送信されたコマンドＣｍｄ１（ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚ）を抽出し、抽出したコマンドＣｍｄ１（ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚ）を、無線通信機用制御部１５に出力する。

【0086】

無線通信機Ｓ１＿３の無線通信機用制御部１５は、コマンドＣｍｄ１（ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚ）に従い、ＲＦ処理部１１において、ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚの周波数帯域の無線信号（および電磁ノイズ）が受信するように指示する制御信号ＣＴＬ１を生成し、当該制御信号ＣＴＬ１をＲＦ処理部１１に出力する。

【0087】

無線通信機Ｓ１＿３のＲＦ処理部１１は、制御信号ＣＴＬ１に従い、受信可能周波数帯域を、ｆｏ＝５．２ＧＨｚ，Δｆ＝１５ＭＨｚの周波数帯域に設定する。

【0088】

上記周波数帯域の設定処理を行った後、無線通信機Ｓ１＿３の無線通信機用制御部１５は、ホスト装置Ｈ１から受信したコマンドＣｍｄ１に対応する処理が完了したことを示すＡｃｋ信号を、第１通信インターフェース１４を介して、ホスト装置Ｈ１へ送信する。

【0089】

ホスト装置Ｈ１は、無線通信機Ｓ１＿１～Ｓ１＿３から、送信したコマンドＣｍｄ１に対するＡｃｋ信号を受信したら、無線通信機Ｓ１＿１～Ｓ１＿３において、送信したコマンドＣｍｄ１に従う設定が完了したと判断し、処理をステップＳ２に進める。

【0090】

（ステップＳ２）：
ステップＳ２において、ホスト装置Ｈ１は、データ取得指示処理を実行する。具体的には、以下のように処理が実行される。

【0091】

ホスト装置Ｈ１のホスト装置用制御部２２は、無線通信機Ｓ１＿１～Ｓ１＿３のぞれぞれに対してデータ取得開始を指示するコマンドＣｍｄ１（Ｄａｔａ＿ｇｅｔ＿ｓｔａｒｔ）を生成する。そして、ホスト装置用制御部２２は、第２通信インターフェース２１を介して、生成したコマンドＣｍｄ１（Ｄａｔａ＿ｇｅｔ＿ｓｔａｒｔ）を含む通信データを、無線通信機Ｓ１＿１～Ｓ１＿３のそれぞれに送信する。

【0092】

無線通信機Ｓ１＿１は、ホスト装置Ｈ１から送信されたコマンドＣｍｄ１（Ｄａｔａ＿ｇｅｔ＿ｓｔａｒｔ）を含む通信データを受信する。無線通信機Ｓ１＿１の第１通信インターフェース１４は、受信した通信データからホスト装置Ｈ１から送信されたコマンドＣｍｄ１（Ｄａｔａ＿ｇｅｔ＿ｓｔａｒｔ）を抽出し、抽出したコマンドＣｍｄ１（Ｄａｔａ＿ｇｅｔ＿ｓｔａｒｔ）を、無線通信機用制御部１５に出力する。

【0093】

無線通信機Ｓ１＿１の無線通信機用制御部１５は、コマンドＣｍｄ１（Ｄａｔａ＿ｇｅｔ＿ｓｔａｒｔ）に従い、データ取得処理を実行（開始）するための制御信号ＣＴＬ１～ＣＴＬ３を生成し、生成した制御信号ＣＴＬ１をＲＦ処理部１１に、生成した制御信号ＣＴＬ２をＩＱデータ取得部１２に、生成した制御信号ＣＴＬ３を特徴量取得部１３に出力する。

【0094】

無線通信機Ｓ１＿１のＲＦ処理部１１、ＩＱデータ取得部１２、および、特徴量取得部１３は、無線通信機用制御部１５から入力した制御信号ＣＴＬ１～ＣＴＬ３に従い、データ取得処理を実行（開始）する。

【0095】

また、無線通信機Ｓ１＿２、および、無線通信機Ｓ１＿３においても、上記と同様の処理が実行され、データ取得処理が実行（開始）される。

【0096】

（ステップＳ３）：
ステップＳ３において、無線通信機Ｓ１＿１～Ｓ１＿３のそれぞれにおいて、特徴量データ取得処理が実行される。具体的には、以下のように処理が実行される。

【0097】

無線通信機Ｓ１＿１のＲＦ処理部１１は、アンテナＡｎｔ＿Ｓ１を介して、外部からＲＦ信号を受信し、受信したＲＦ信号に対して受信用のＲＦ処理（９２０ＭＨｚ帯のＲＦ復調処理、ＡＤ変換等）を実行し、ＲＦ処理後の信号Ｓｉｇ０（ＲＦ復調信号Ｓｉｇ０（例えば、ベースバンドＯＦＤＭ信号））を取得する。そして、ＲＦ処理部１１は、ＲＦ復調信号Ｓｉｇ０をＩＱデータ取得部１２に出力する。

【0098】

無線通信機Ｓ１＿１のＩＱデータ取得部１２は、ＲＦ処理部１１から出力される信号Ｓｉｇ０から、Ｉ成分信号（同相成分信号）のデータ（Ｉ成分データ）と、Ｑ成分信号（直交成分信号）のデータ（Ｑ成分データ）とを取得し、取得したデータをデータＤ１として、特徴量取得部１３に出力する。

【0099】

無線通信機Ｓ１＿１の特徴量取得部１３は、ＩＱデータ取得部１２から出力されるデータＤ１に対して、特徴量取得処理を実行し、所定の特徴量を取得する。具体的には、特徴量取得部１３は、データＤ１の所定の期間のサンプル（所定数のサンプル）からケプストラムを計算し、計算したケプストラムの低次成分のみのデータを特徴量として取得する。

【0100】

つまり、特徴量取得部１３は、データＤ１から、所定の期間に含まれるｋ個のサンプル（Ｉ成分データ、および／または、Ｑ成分データのｋ個のサンプル）をＲｘ信号サンプル集合ｘ_ｎ（１≦ｎ≦Ｎｍａｘ）して取得し、取得したＲｘ信号サンプル集合ｘ_ｎに対して、下記数式に相当する処理を行うことで、ケプストラムのデータ（集合）ｃ_ｎを取得する（図３を参照）。
ｓ_ｎ＝ｌｏｇ（｜ＤＦＴ（ｘ_ｎ）｜）
ｃ_ｎ＝ＤＦＴ^－１（ｓ_ｎ）
ＤＦＴ（）：離散フーリエ変換
ＤＦＴ^－１（）：逆離散フーリエ変換
｜ｘ｜：ｘの絶対値
ｌｏｇ（）：対数をとる関数
さらに、特徴量取得部１３は、上記により取得したケプストラムのデータ（集合）ｃ_ｎの要素のうち低次元の要素のみを抽出する処理、すなわち、下記数式に相当する処理を実行し、特徴量データｃ_ｆｎを取得する（図３を参照）。
ｃ_ｆｎ＝ＬＰＦ＿ｃｅｐ（ｃ_ｎ）
ＬＰＦ＿ｃｅｐ（）：ケプストラムの低次成分のデータ（低次元要素）を抽出する関数
例えば、特徴量取得部１３は、ケプストラムのデータ（集合）ｃ_ｎが１５０００次元のベクトルである場合、ケプストラムのデータ（集合）ｃ_ｎの１６次元分のデータ（ケプストラムのデータ（ベクトル）の１～１６次元のデータ（１５０００次元のベクトルの１番目の要素から１６番目の要素を取り出したデータ）を取り出したデータ）を特徴量データとして取得する。なお、特徴量取得部１３は、ケプストラムの低次成分のデータに対して加工したデータ（例えば、所定のフィルタを施したデータ）を特徴量データとして取得するようにしてもよい。

【0101】

このように特徴量データ取得処理を行うことで、データ量を大幅に削減することができるため、無線通信機Ｓ１＿１～Ｓ１＿３からホスト装置Ｈ１への送信データ量を大幅に削減することができ、さらに、ホスト装置Ｈ１でのクラスタリング処理で使用するデータ量も大幅に削減される。したがって、ホスト装置Ｈ１でのクラスタリング処理を高速化することができる。

【0102】

さらに、上記のように特徴量データ取得処理を行うことで、ホスト装置Ｈ１でのクラスタリング処理の精度を向上させることができる。これについて、図４、図５を用いて説明する。

【0103】

図４は、９２０ＭＨｚ帯を処理対象とした場合の（１）無線信号（狭帯域通信の信号）、（２）電磁ノイズ（タイプ１）、および、（３）電磁ノイズ（タイプ２）の
（Ａ）Ｒｘ信号サンプル集合ｘ_ｎ（ＩＱサンプルの集合に相当）のスペクトルｓ_ｎ（＝ｌｏｇ（｜ＤＦＴ（ｘ_ｎ）｜））（図４の上段のＳｐｔｒ（）で示したデータ）、
（Ｂ）ケプストラムｃ_ｎ（＝ＤＦＴ^－１（ｓ_ｎ））（図４の下段のＣｅｐｓｔｒｕｍ（）で示したデータ）、および、
（Ｃ）リフタードスペクトル（図４の上段のＬｉｆｔｅｒｅｄ＿ｓｐｔｒ（）で示したデータ）
を示した図である。

【0104】

なお、リフタードスペクトルは、ケプストラムの低次元側の１６次元のみを抽出し、１７次元以降のデータを「０」にしたデータ（低域ケプストラム）に対して、離散フーリエ変換を施して取得したデータ（スペクトル）である。

【0105】

図４から分かるように、（１）無線信号（狭帯域通信の信号）、（２）電磁ノイズ（タイプ１）、および、（３）電磁ノイズ（タイプ２）のリフタードスペクトルは、互いに明確に区別可能なデータ（グラフ）となっている。つまり、ケプストラムの低次元側の１６次元のみを抽出することで取得される特徴量データは、（１）無線信号（狭帯域通信の信号）、（２）電磁ノイズ（タイプ１）、および、（３）電磁ノイズ（タイプ２）を区別し、異なる種類のデータとして明確に分類できるデータである。ケプストラムの低次元側のデータ（例えば、低次元側の１６次元のデータ）は、リフタードスペクトラムに変換したときのデータから分かるように（図４の上段のグラフを参照）、白色ノイズ成分（周波数領域において略一様に生じるノイズ成分）を抑制しつつ、無線信号または電磁ノイズの特徴的な部分を効果的に抽出した（反映させた）データとなる。図５の下段のケプストラムの低次元側の１６次元のデータにおいても、無線信号および電磁ノイズ（例えば、図５の無線信号、電磁ノイズ（タイプ１）、および、電磁ノイズ（タイプ２））の特徴的な部分が反映されており、無線信号および電磁ノイズ（例えば、図５の無線信号、電磁ノイズ（タイプ１）、および、電磁ノイズ（タイプ２））の種別分け（区別）が十分可能であることが分かる。

【0106】

すなわち、ケプストラムの低次元側の１６次元のみを抽出することで取得される特徴量データは、無線信号または電磁ノイズの区別を困難にする白色ノイズ成分の影響を抑えることができ、かつ、無線信号または電磁ノイズの特徴的部分を効果的に抽出した（反映させた）データとなる。

【0107】

したがって、上記のように、ケプストラムの低次元側のデータのみ（低次元側の１６次元のデータ）を抽出することで特徴量データを取得する処理を行い、当該処理により取得された特徴量データを用いて、クラスタリング処理を行うことで、クラスタリング処理の精度を向上させることができる。

【0108】

無線通信機Ｓ１＿１の特徴量取得部１３は、上記により取得した特徴量データを、データＤ２として、第１通信インターフェース１４に出力する。第１通信インターフェース１４は、特徴量取得部１３により取得されたデータＤ２を含む通信データ（これを送信データＤｔｘ（Ｄ２，Ｓ１＿１）と表記する）をホスト装置Ｈ１に送信する。

【0109】

無線通信機Ｓ１＿２、Ｓ１＿３においても、上記と同様の処理が実行され、無線通信機Ｓ１＿２、Ｓ１＿３により、それぞれ取得された特徴量データＤ２を含む通信データ（送信データＤｔｘ（Ｄ２，Ｓ１＿２）、Ｄｔｘ（Ｄ２，Ｓ１＿３））が、ホスト装置Ｈ１に送信される。

【0110】

（ステップＳ４）：
ステップＳ４において、ホスト装置Ｈ１は、無線通信機Ｓ１＿１～Ｓ１＿３のそれぞれから、送信されてくる通信データＤｔｘ（Ｄ２，Ｓ１＿１）、Ｄｔｘ（Ｄ２，Ｓ１＿２）、Ｄｔｘ（Ｄ２，Ｓ１＿３）を、第２通信インターフェース２１により受信する。そして、第２通信インターフェース２１は、受信した通信データから、各無線通信機により取得された特徴量データＤ２を取得し、取得した特徴量データＤ２を取得データ用バッファ２５に出力する。なお、このとき、ホスト装置Ｈ１のホスト装置用制御部２２は、取得した特徴量データＤ２がどの無線通信機により取得されたデータであるかが分かるように、取得データ用バッファ２５に記憶し管理する。例えば、ホスト装置Ｈ１のホスト装置用制御部２２は、無線通信機Ｓ１＿１から取得された特徴量データＤ２を、取得データ用バッファ２５のバッファＢｕｆ＿１に記憶し、無線通信機Ｓ１＿２から取得された特徴量データＤ２を、取得データ用バッファ２５のバッファＢｕｆ＿２に記憶し、無線通信機Ｓ１＿３から取得された特徴量データＤ２を、取得データ用バッファ２５のバッファＢｕｆ＿３に記憶するようにしてもよい。

【0111】

なお、無線通信機Ｓ１＿１～Ｓ１＿３において、大量の特徴量データを取得するために、ステップＳ３、Ｓ４の処理は、繰り返し実行されるものであってもよい。

【0112】

（ステップＳ５）：
ステップＳ５において、ホスト装置Ｈ１は、無線通信機Ｓ１＿１～Ｓ１＿３により取得され、取得データ用バッファ２５に記憶された特徴量データに対して、クラスタリング処理を行う。具体的には、ホスト装置Ｈ１のホスト装置用制御部２２は、例えば、ｋ－ｍｅａｎｓ＋＋法により、取得データ用バッファ２５に記憶された特徴量データをクラスタに分類する処理を実行する。

【0113】

ここで、クラスタリング処理におけるクラスタ数（分類数）の最適数の取得処理（取得方法）について、図６のフローチャート、および、図７の説明図を用いて説明する。

【0114】

（ステップＳＡ１０１～ＳＡ１０４）：
ホスト装置Ｈ１は、乱数シードをｓｅｅｄ１に設定し（ステップＳＡ１０１）、クラスタ数ｋの初期値を「２」に設定する（ステップＳＡ１０２）。

【0115】

ステップＳＡ１０３において、ホスト装置Ｈ１は、例えば、ｋ－ｍｅａｎｓ＋＋法により、取得データ用バッファ２５に記憶された特徴量データをクラスタに分類する処理（クラスタリング処理）を実行する。

【0116】

そして、ステップＳＡ１０４において、ホスト装置Ｈ１は、ステップＳＡ１０３のクラスタリング結果のデータをデータＲｓｔ（ｋ，ｓｅｅｄ１）として取得する。

【0117】

（ステップＳＢ１０１～ＳＢ１０４）：
ホスト装置Ｈ１は、乱数シードをｓｅｅｄ２（ｓｅｅｄ１とは異なる値）に設定し（ステップＳＢ１０１）、クラスタ数ｋの初期値を「２」に設定する（ステップＳＢ１０２）。

【0118】

ステップＳＢ１０３において、ホスト装置Ｈ１は、例えば、ｋ－ｍｅａｎｓ＋＋法により、取得データ用バッファ２５に記憶された特徴量データ（ステップＳＡ１０３で処理対象としたデータと同じデータ）をクラスタに分類する処理（クラスタリング処理）を実行する。

【0119】

そして、ステップＳＢ１０４において、ホスト装置Ｈ１は、ステップＳＢ１０３のクラスタリング結果のデータをデータＲｓｔ（ｋ，ｓｅｅｄ２）として取得する。

【0120】

（ステップＳ１０６）
ステップＳ１０６において、ホスト装置Ｈ１は、乱数シードをｓｅｅｄ１としたときのクラスタリング結果データＲｓｔ（ｋ，ｓｅｅｄ１）と、乱数シードをｓｅｅｄ２としたときのクラスタリング結果データＲｓｔ（ｋ，ｓｅｅｄ２）とが同一であるか否かを判定する。そして、判定の結果、クラスタリング結果データＲｓｔ（ｋ，ｓｅｅｄ１）とクラスタリング結果データＲｓｔ（ｋ，ｓｅｅｄ２）とが同一である場合、ホスト装置は、変数ｋ０に現在設定されているクラスタ数ｋを代入し（ステップＳ１０６）、さらに、ｋの値を＋１だけインクリメントする処理を行う（ステップＳ１０７）。そして、処理をＳＡ１０３およびＳＢ１０３に戻す。そして、ステップＳＡ１０３～ＳＡ１０４、ＳＢ１０３～ＳＢ１０４、Ｓ１０５の処理が繰り返し実行される。

【0121】

一方、判定の結果、クラスタリング結果データＲｓｔ（ｋ，ｓｅｅｄ１）とクラスタリング結果データＲｓｔ（ｋ，ｓｅｅｄ２）とが同一ではない場合、ホスト装置Ｈ１は、クラスタ数の最適数ｋ＿ｏｐｔに、現在設定されているクラスタ数の１つ前に設定されたクラスタ数ｋ０を設定する。これにより、乱数シードを変えた場合に、クラスタリング結果が同一である最大のクラスタ数がクラスタ数の最適数に設定される。つまり、上記処理により、クラスタ数の最適数ｋ＿ｏｐｔを取得できる。

【0122】

図７は、上記のクラスタ数の最適数を求める処理の一例を示しており、
（Ａ）乱数シードを「３５」に設定したときの
（Ａ１）クラスタ数＝３（ｋ＝３）の場合のクラスタリング結果、
（Ａ２）クラスタ数＝３（ｋ＝４）の場合のクラスタリング結果、
（Ａ３）クラスタ数＝３（ｋ＝５）の場合のクラスタリング結果、および、
（Ｂ）乱数シードを「１７１」に設定したときの
（Ｂ１）クラスタ数＝３（ｋ＝３）の場合のクラスタリング結果、
（Ｂ２）クラスタ数＝３（ｋ＝４）の場合のクラスタリング結果、
（Ｂ３）クラスタ数＝３（ｋ＝５）の場合のクラスタリング結果、
を示している。図７のグラフにおいて、横軸は時間であり、縦軸はクラスタ番号である。

【0123】

図７の場合、クラスタ数＝４（ｋ＝４）としたときの乱数シード＝３５のクラスタリング結果（Ｒｓｔ（ｋ＝４，ｓｅｅｄ１＝３５））と、乱数シード＝１７１のクラスタリング結果（Ｒｓｔ（ｋ＝４，ｓｅｅｄ２＝１７１））とは、同一データであるが、クラスタ数＝５（ｋ＝５）としたときの乱数シード＝３５のクラスタリング結果（Ｒｓｔ（ｋ＝５，ｓｅｅｄ１＝３５））と、乱数シード＝１７１のクラスタリング結果（Ｒｓｔ（ｋ＝５，ｓｅｅｄ２＝１７１））とは、同一データではない（図中の点線で囲んだ部分、および、一点鎖線で囲んだ部分のクラスタリングの結果が異なる）。

【0124】

したがって、図７の場合、乱数シードを変更したときに同一のクラスタリング結果が得られるクラスタ数の最大数が「４」となり、この値がクラスタ数の最適数ｋ＿ｏｐｔに設定される。

【0125】

つまり、ホスト装置Ｈ１では、上記処理により、クラスタ数の最適数ｋ＿ｏｐｔを取得し、取得したクラスタ数の最適数ｋ＿ｏｐｔにより、例えば、ｋ－ｍｅａｎｓ＋＋法により、クラスタリング処理を実行する。これにより、ホスト装置Ｈ１では、精度の高いクラスタリング処理を実行することができる。

【0126】

なお、クラスタ数の最適数ｋ＿ｏｐｔを取得する処理は、図６に示すフローチャートの手順に限定されることなく、例えば、変更する乱数シードの数を「３」以上にしてもよい。この場合、ＳＡ１０１～ＳＡ１０４と同様の処理（乱数シードは、ｓｅｅｄ１、ｓｅｅｄ２とは異なる値に設定）を乱数シードの数分だけ並列に実行し、設定した乱数シードの数がＮ１である場合、ステップＳ１０５において、Ｎ１個のクラスタリング結果データが全て同一か否かを判定するようにすればよい。また、図６の並列処理で実行されるステップ（ＳＡ１０１～ＳＡ１０４、ＳＢ１０１～ＳＢ１０４）は、直列に処理（シリアルに処理）されるものであってもよい。

【0127】

（ステップＳ６）：
ステップＳ６において、ホスト装置Ｈ１では、教師データ生成処理が実行される。具体的には、ホスト装置Ｈ１では、ステップＳ５のクラスタリング処理の結果に基づいて、例えば、同一クラスタに分類されたデータに対して、（自動または手動で）同一のラベルを付与することで学習用データ（教師データ）を生成する。つまり、ホスト装置Ｈ１では、特徴量データと、その特徴量データが分類されたクラスタに付与されたラベルとを対応付けたデータを学習用データとすることで、特徴量データから信号種別を分類する分類器のニューラルネットワークモデルを学習させるためのデータ（学習用データ（教師データ））を生成する。

【0128】

ステップＳ６で生成された学習用データを用いて、特徴量データから信号種別を分類する分類器をニューラルネットワークなどの分類モデルで学習させることで、特徴量データから信号種別を分類する分類器の学習済みモデルを取得する。なお、この学習処理は、ホスト装置Ｈ１で実行してもよいし、サーバ等の処理能力の高いコンピュータにより実行してもよい。

【0129】

上記学習処理により取得された、特徴量データから信号種別を分類する分類器の学習済みモデルを、ホスト装置Ｈ１のＲＯＭ２３、あるいは、ＲＡＭ２４に構築する。つまり、上記学習処理により取得された、特徴量データから信号種別を分類する分類器の学習済みモデルにより処理を実行するためのプログラム、コード、および、パラメータのデータ等を、ホスト装置Ｈ１のＲＯＭ２３、あるいは、ＲＡＭ２４に記憶させる。

【0130】

（１．２．２：予測時の処理）
次に、信号種別分類システム１００の予測時の処理について説明する。

【0131】

図８は、予測時における信号種別分類システム１００の概略構成図である。

【0132】

なお、図８に示すように、上記の学習処理により取得された、特徴量データから信号種別を分類する分類器の学習済みモデルを、ホスト装置Ｈ１のＲＯＭ２３に構築されているものとする。つまり、上記の学習処理により取得された、特徴量データから信号種別を分類する分類器の学習済みモデルにより処理を実行するためのプログラム、コード、および、パラメータのデータ等は、ホスト装置Ｈ１のＲＯＭ２３に記憶されているものとする。

【0133】

図９は、信号種別分類システム１００の予測時の処理（信号種別分類処理）を説明するためのシーケンス図である。

【0134】

図１０は、ｎ個の信号種別分類システム１００＿１～１００＿ｎを含むデータ収集システム１０００の概略構成図である。

【0135】

（ステップＳ２１～Ｓ２４）：
ステップＳ２１～Ｓ２４において、信号種別分類システム１００では、学習時のステップＳ１～Ｓ４と同様の処理が実行される。

【0136】

（ステップＳ２５）：
ステップＳ２５において、ホスト装置Ｈ１は、信号種別分類処理を実行する。具体的には、ホスト装置Ｈ１は、取得データ用バッファ２５に記憶されている特徴量データを、ホスト装置Ｈ１において構築されている信号種別分類器の学習済みモデルに入力し、信号種別分類器の学習済みモデルから出力されるデータを取得する。信号種別分類器の学習済みモデルから出力されるデータは、入力された特徴量データにラベルを付与したデータであり、付与されたラベルにより、入力された特徴量データの取得元の無線信号、または、電磁ノイズの種別を特定することができる（信号種別を分類することができる）。

【0137】

なお、ホスト装置Ｈ１は、上記により取得した信号種別を分類したデータ（ラベルを付与されたデータ）を、第３通信インターフェース２７を介して、例えば、外部に設置されているサーバに送信するようにしてもよい。

【0138】

例えば、図１０に示すように、ホスト装置Ｈ１を、ネットワークＮＷ１（例えば、ＬＡＮ）を介して、サーバＳｖｒ１に接続し、ホスト装置Ｈ１は、上記により取得した信号種別を分類したデータ（ラベルを付与されたデータ）を、第３通信インターフェース２７、ネットワークＮＷ１を介して、サーバＳｖｒ１に送信するようにしてもよい。

【0139】

また、図１０に示すように、ｎ個（ｎ：２以上の自然数）の信号種別分類システム１００＿１～１００＿ｎを設け、各信号種別分類システム１００＿１～１００＿ｎのホスト装置Ｈ１～Ｈｎを、ネットワークＮＷ１を介してサーバＳｖｒ１に接続することで、データ収集システム１０００を構築するようにしてもよい。

【0140】

このように構築したデータ収集システム１０００では、例えば、狭空間の別々の位置に、信号種別分類システム１００＿１～１００＿ｎを設置することで、当該狭空間を飛び交う無線信号や電磁ノイズの特徴量データから学習済みモデル（分類器）により取得した信号種別を分類したデータ（ラベルを付与されたデータ）を大量に取得でき、かつ、取得した大量のデータをサーバＳｖｒ１に集めることができる。なお、サーバＳｖｒ１は、図１０に示すように、大量のデータを記憶保持することができるデータ記憶部Ｓｔｒｇに接続されているものであってもよく、この場合、サーバＳｖｒ１は、信号種別分類システム１００＿１～１００＿ｎから収集したデータ（信号種別分類データ）をデータ記憶部Ｓｔｒｇに記憶させる。

【0141】

さらに、サーバＳｖｒ１は、上記により収集したデータ（信号種別分類データ）を解析し、例えば、解析結果を可視化する処理を行うことで、データ取得した対象の狭空間の電波状況を適切に把握することができる。

【0142】

また、データ収集システム１０００において、信号種別分類システム１００＿１～１００＿ｎ信号種別分類システム１００＿１～１００＿ｎのそれぞれに含まれる無線通信機Ｓ１＿１～Ｓ１＿Ｎ、Ｓ２＿１～Ｓ２＿Ｎ、・・・、Ｓｎ＿１～Ｓｎ＿Ｎのデータ取得対象の周波数帯域を様々な値に設定することで、データ取得した対象の狭空間の多様な周波数帯域の無線信号、電磁ノイズのデータを取得することができる。その結果、データ収集システム１０００において、データ取得した対象の狭空間の多様な周波数帯域の電波状況を適切に把握することができる。

【0143】

≪まとめ≫
以上のように、信号種別分類システム１００では、各無線通信機において特徴量データ取得処理を行うことで、データ量を大幅に削減することができるため、各無線通信機からホスト装置Ｈ１への送信データ量を大幅に削減することができる。そして、信号種別分類システム１００では、ホスト装置Ｈ１でのクラスタリング処理で使用するデータ量も大幅に削減されるので、ホスト装置Ｈ１でのクラスタリング処理を高速化することができる。さらに、信号種別分類システム１００では、クラスタリング処理の最適クラスタ数を取得し、主とした最適クラスタ数により、クラスタリング処理が実行されるため、高精度なクラスリング処理を実行することができる。また、信号種別分類システム１００では、各無線通信機にて、ケプストラムの低次元側のデータのみ（低次元側の１６次元のデータ）を抽出することで特徴量データを取得する処理を行い、ホスト装置Ｈ１にて、当該処理により取得された特徴量データを用いて、クラスタリング処理を行うことで、クラスタリング処理の精度を向上させることができる。

【0144】

そして、信号種別分類システム１００では、上記の高精度なクラスタリング処理により分類されたデータに対してラベルを付与し、特徴量データと、その特徴量データが分類されたクラスタに付与されたラベルとを対応付けたデータを学習用データとすることで、特徴量データから信号種別を分類する分類器のニューラルネットワークモデルを学習させるためのデータ（学習用データ（教師データ））を生成することができる。

【0145】

このように、信号種別分類システム１００では、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズの種別を適切に分類する信号種別分類システム１００に搭載される分類器（機械学習の対象にできるニューラルネットワークなどを用いて実現されるモデルであって、特徴量データから信号種別を分類する分類器のモデル）を機械学習により構築するための学習用データ生成方法を行うことができる。

【0146】

また、上記により生成した学習用データを用いて、特徴量データから信号種別を分類する分類器のモデル（機械学習の対象にできるニューラルネットワークなどを用いて実現されるモデルであって、特徴量データから信号種別を分類する分類器のモデル）を学習させることで、特徴量データから信号種別を分類する分類器の学習済みモデルを取得することができる。そして、信号種別分類システム１００において、取得した学習済みモデル（信号種別分類器）を用いて、各無線通信機により取得された特徴量データに対して、信号種別分類処理を行うことで、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズであっても、その種別を適切に分類することができる。

【0147】

つまり、信号種別分類システム１００では、各無線通信機において特徴量データ取得処理を行うことで、データ量を大幅に削減することができるので、学習時においても予測時においても、無線信号や電磁ノイズの特徴を維持しつつ個々のデータ量が少ない特徴量データを大量に取得し、取得した大量の特徴量データを用いて、学習用データの生成、分類器（機械学習の対象にできるニューラルネットワークなどを用いて実現されるモデルであって、特徴量データから信号種別を分類する分類器のモデル）の学習処理、信号種別分類器の学習済みモデルにより信号種別分類処理を行うことができる。したがって、信号種別分類システム１００では、周波数スペクトルや波形パターンの予測が困難な無線信号や電磁ノイズであっても、その種別を適切に分類することができる。

【0148】

≪第１変形例≫
次に、第１実施形態の第１変形例について、説明する。なお、上記実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

【0149】

図１１は、第１実施形態の第１変形例の信号種別分類システム１００Ａの概略構成図である。

【0150】

本変形例の信号種別分類システム１００Ａでは、図１１に示すように、１つのアンテナＡｎｔ＿Ｓ１が、Ｎ個の無線通信機Ｓ１Ａ＿１～Ｓ１Ａ＿Ｎに接続されている。つまり、信号種別分類システム１００Ａでは、１つのアンテナＡｎｔ＿Ｓ１（共通のアンテナ）により受信信号をＮ個の無線通信機Ｓ１Ａ＿１～Ｓ１Ａ＿Ｎで処理するため、受信信号をＮ個の無線通信機Ｓ１Ａ＿１～Ｓ１Ａ＿Ｎで受信信号の位相差、レベル差を合わせることができる。

【0151】

また、信号種別分類システム１００Ａは、第１実施形態の信号種別分類システム１００において、発振器Ｏｓｃ１と、分配器Ｄｉｓｔ１とを追加し、無線通信機Ｓ１＿１を無線通信機Ｓ１Ａ＿１に置換し、無線通信機Ｓ１＿２～Ｓ１＿Ｎをそれぞれ無線通信機Ｓ１Ａ＿１～Ｓ１＿Ｎに置換した構成を有している。

【0152】

発振器Ｏｓｃ１は、リファレンス信号ｓｉｇ＿ｒｅｆを発生させるための発振器である。発振器Ｏｓｃ１により発生させたリファレンス信号ｓｉｇ＿ｒｅｆは、無線通信機Ｓ１Ａ＿１に出力される。

【0153】

無線通信機Ｓ１Ａ＿１は、図１１に示すように、第１実施形態の無線通信機Ｓ１＿１において、同期信号生成部１６を追加した構成を有している。

【0154】

同期信号生成部１６は、発振器Ｏｓｃ１から出力されるリファレンス信号ｓｉｇ＿ｒｅｆを入力し、リファレンス信号ｓｉｇ＿ｒｅｆに同期した同期信号ｓｉｇ＿ｓｙｎｃ（例えば、クロック信号）を生成する。そして、同期信号生成部１６は、生成した同期信号ｓｉｇ＿ｒｅｆを、無線通信機Ｓ１Ａ＿１の各機能部に出力し、各機能部は、同期信号ｓｉｇ＿ｒｅｆに基づいて、処理（サンプリング処理を含む）を行う。

【0155】

また、同期信号生成部１６は、生成した同期信号ｓｉｇ＿ｓｙｎｃを分配器Ｄｉｓｔ１に出力する。

【0156】

分配器Ｄｉｓｔ１は、無線通信機Ｓ１Ａ＿１の同期信号生成部１６から出力される同期信号ｓｉｇ＿ｓｙｎｃを入力し、当該同期信号ｓｉｇ＿ｓｙｎｃを、無線通信機Ｓ１Ａ＿２～Ｓ１Ａ＿Ｎのそれぞれに出力（分配）する。

【0157】

無線通信機Ｓ１Ａ＿２～Ｓ１Ａ＿Ｎのそれぞれは、分配器Ｄｉｓｔ１から出力される同期信号ｓｉｇ＿ｓｙｎｃを入力し、当該同期信号ｓｉｇ＿ｓｙｎｃに基づいて（当該同期信号ｓｉｇ＿ｓｙｎｃに同期させて）各機能部での処理を実行する。

【0158】

このように、信号種別分類システム１００Ａでは、共通のリファレンス信号ｓｉｇ＿ｒｅｆから生成した同期信号ｓｉｇ＿ｓｙｎｃをＮ個の無線通信機Ｓ１Ａ＿１～Ｓ１Ａ＿Ｎで使用するので、Ｎ個の無線通信機Ｓ１Ａ＿１～Ｓ１Ａ＿Ｎにおいて、サンプリングタイミングを合わせることができ、また、共通の同期信号ｓｉｇ＿ｓｙｎｃに同期した処理を実行することができる。これにより、さらに、信号種別分類システム１００Ａでは、高精度な処理を実行することができる。

【0159】

≪第２変形例≫
次に、第１実施形態の第２変形例について、説明する。なお、上記実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

【0160】

図１２は、第１実施形態の第２変形例の信号種別分類システム１００Ｂの概略構成図である。

【0161】

本変形例の信号種別分類システム１００Ｂは、図１２に示すように、第１実施形態の信号種別分類システム１００のホスト装置Ｈ１を、ホスト装置Ｈ１の機能を有するサーバＳｖｒ１に置換した構成を有している。

【0162】

信号種別分類システム１００Ｂでは、例えば、サーバＳｖｒ１をホスト装置Ｈ１よりも高機能なものとすることで、各無線通信機から送信される特徴量データを、さらに高機能なサーバＳｖｒ１を用いて処理を行うことができる。

【0163】

≪第３変形例≫
次に、第１実施形態の第３変形例について、説明する。なお、上記実施形態と同様の部分については、同一符号を付し、詳細な説明を省略する。

【0164】

図１３は、第１実施形態の第３変形例のデータ収集システム１０００Ａの概略構成図である。

【0165】

本変形例のデータ収集システム１０００Ａは、第１実施形態のデータ収集システム１０００（図１０を参照）において、さらに、サーバＳｖｒ１を、他のサーバを接続可能なネットワークＮＷ２に接続した構成を有している。

【0166】

これにより、データ収集システム１０００Ａでは、例えば、サーバＳｖｒ１で取得したデータを、ネットワークＮＷ２を介して、他のサーバ（例えば、図１３では、サーバＳｖｒ２）に送信することができ、ネットワークＮＷ２に接続された複数サーバにより、信号種別分類システムで取得されたデータに対する分析処理、データ収集処理、データ保存管理処理等を行うことができる。なお、データ収集システム１０００Ａにおいて、図１３に示した場合に限定されることはなく、ネットワークＮＷ２に複数のサーバ（３台以上のサーバ）が接続される構成であってもよい。また、データ収集システム１０００Ａにおいて、所定のサーバにデータを集約させるようにしてもよいし、データを複数のサーバで分散するようにしてもよい。また、取得したデータに対する処理（例えば、分析処理、可視化処理）等を複数のサーバで分散して行うようにしてもよい（エッジ処理、クラウド処理を行うようにしてもよい）。

【0167】

このように、信号種別分類システムにおいて、無線信号や電磁ノイズの特徴を維持しつつ個々のデータ量が少ない特徴量データを大量に取得することができるため、複数の信号種別分類システムを含む多様な構成のシステムを構築することが容易となる。つまり、信号種別分類システムで個々のデータ量が少ない特徴量データが取得できるので、その特徴量データを大量に通信により、他の装置に送信しても、従来に比べると通信負荷が劇的に少ない。このため、特徴量データを大量に扱うことができるシステムを、多様な構成により構築することができる。つまり、本発明を用いることで、システム構成の拡張性が多様なものとなり、かつ、システム構成の拡張変更が容易となる。

【0168】

［他の実施形態］
上記実施形態（変形例を含む）において、信号種別分類システム、データ収集システムに用いられる無線通信機は、ＳＤＲ（ｓｏｆｔｗａｒｅ ｄｅｆｉｎｅｄ ｒａｄｉｏ）により実現してもよい。この場合、無線通信機の各機能部の一部または全部は、例えば、ＦＰＧＡにより実現されるものであってもよい。

【0169】

また、上記実施形態（変形例を含む）の一部または全部を組み合わせて、信号種別分類システム、データ収集システム、無線通信機、ホスト装置、サーバ等を構成するようにしてもよい。

【0170】

また、上記実施形態（変形例を含む）において、特徴量データとして、ケプストラムのデータの低次元部分を抽出したデータを取得する場合について、説明したが、これに限定されることはなく、例えば、特徴量データとして、無線信号および／または電磁ノイズの時間領域の信号の特徴、あるいは、周波数領域でのスペクトルの特徴を反映させたデータあれば、他のデータを特徴量データとして採用し、特徴量データ取得処理を実行するようにしてもよい。例えば、所定の期間（所定の時間）において取得したＩＱデータ（ＩＱサンプル）の値のヒストグラムのデータを特徴量データとして採用してもよい。この場合、例えば、インパルス状のノイズが所定の期間のどのタイミングで発生しても、ヒストグラムデータとしては、類似のデータとなるため、インパルス状のノイズの特徴を顕著に表す特徴量データを取得することが可能となる。

【0171】

また、上記実施形態（変形例を含む）で説明した信号種別分類システム、データ収集システム、無線通信機、ホスト装置、サーバにおいて、各ブロックは、ＬＳＩなどの半導体装置により個別に１チップ化されても良いし、一部又は全部を含むように１チップ化されても良い。

【0172】

なお、ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

【0173】

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用しても良い。

【0174】

また、上記各実施形態の各機能ブロックの処理の一部または全部は、プログラムにより実現されるものであってもよい。そして、上記各実施形態の各機能ブロックの処理の一部または全部は、コンピュータにおいて、中央演算装置（ＣＰＵ）により行われる。また、それぞれの処理を行うためのプログラムは、ハードディスク、ＲＯＭなどの記憶装置に格納されており、ＲＯＭにおいて、あるいはＲＡＭに読み出されて実行される。

【0175】

また、上記実施形態の各処理をハードウェアにより実現してもよいし、ソフトウェア（ＯＳ（オペレーティングシステム）、ミドルウェア、あるいは、所定のライブラリとともに実現される場合を含む。）により実現してもよい。さらに、ソフトウェアおよびハードウェアの混在処理により実現しても良い。

【0176】

また、例えば、上記実施形態（変形例を含む）の各機能部を、ソフトウェアにより実現する場合、図１４に示したハードウェア構成（例えば、ＣＰＵ、ＲＯＭ、ＲＡＭ、入力部、出力部等をバスＢｕｓにより接続したハードウェア構成）を用いて、各機能部をソフトウェア処理により実現するようにしてもよい。

【0177】

また、上記実施形態（変形例）の各機能部をソフトウェアにより実現する場合、当該ソフトウェアは、図１４に示したハードウェア構成を有する単独のコンピュータを用いて実現されるものであってもよいし、複数のコンピュータを用いて分散処理により実現されるものであってもよい。

【0178】

また、上記実施形態における処理方法の実行順序は、必ずしも、上記実施形態の記載に制限されるものではなく、発明の要旨を逸脱しない範囲で、実行順序を入れ替えることができるものである。

【0179】

前述した方法をコンピュータに実行させるコンピュータプログラム及びそのプログラムを記録したコンピュータ読み取り可能な記録媒体は、本発明の範囲に含まれる。ここで、コンピュータ読み取り可能な記録媒体としては、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、大容量ＤＶＤ、次世代ＤＶＤ、半導体メモリを挙げることができる。

【0180】

上記コンピュータプログラムは、上記記録媒体に記録されたものに限られず、電気通信回線、無線又は有線通信回線、インターネットを代表とするネットワーク等を経由して伝送されるものであってもよい。

【0181】

また、上記実施形態（変形例を含む）において、「同じ」は、概ね同じであることを含む概念である。「同時」は、概ね同時であることを含む概念である。「一致」は、概ね一致していることを含む概念である。

【0182】

なお、本発明の具体的な構成は、前述の実施形態に限られるものではなく、発明の要旨を逸脱しない範囲で種々の変更および修正が可能である。

【符号の説明】

【0183】

１００、１００Ａ、１００Ｂ 信号種別分類システム
Ｓ１＿１～Ｓ１＿Ｎ、Ｓ１Ａ＿１～Ｓ１Ａ＿Ｎ 無線通信機
Ｈ１ ホスト装置
１０００ データ収集システム
Ｓｖｒ１、Ｓｖｒ２ サーバ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】