JP6533024B1 - スペクトラム分析方法及びその装置 - Google Patents

Abstract

スペクトラム分析方法は、入力された信号に対して連続してｎ回、ＦＦＴを繰り返すことで得られたｎ個のスペクトラムを蓄積する蓄積ステップ（Ｓ１０）と、閾値を受け付ける受け付けステップ（Ｓ１１）と、蓄積されたｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタステップ（Ｓ１２）と、特定された高頻度データだけを対象とし、周波数ポイントごとに、最大のレベルを選択するマックスホールドステップ（Ｓ１３）と、選択された、周波数ポイントごとのレベルを示すスペクトラムを出力する出力ステップ（Ｓ１４）とを含む。

Description

本発明は、スペクトラム分析方法及びその装置に関し、特に、高速フーリエ変換によって得られた複数のスペクトラムから周波数ポイントごとの最大レベルを保持したスペクトラムを生成するスペクトラム分析方法に関する。

電子機器が放射する電磁波は、他の電子機器等の機能を妨害する電磁波干渉（ＥＭＩ：Electro-Magnetic Interference）の原因となり得る。そのために、国際無線障害特別委員会（ＣＩＳＰＲ：The International Special Committee on Radio Interference）、米国規格協会（ＡＮＳＩ：American National Standards Institute）等の公的機関によりＥＭＩ関連工業規格（以下、単に「規格」ともいう）が策定され、米国、中国、日本等の政府機関によりそのレベルが規制されている。例えば、ＣＩＳＰＲ３２規格等には、ＥＭＩの尖頭値、準尖頭値、平均値等の各検波方式でのレベルの許容値が規定されており、これを満足するか否かで適合判定が行われる。

従来、規格への適合判定のために、掃引式スペクトラムアナライザのマックスホールド（ＭａｘＨｏｌｄ）機能を用いて、放射妨害波（以下、単に「ノイズ」ともいう）の最大レベルとその周波数の特定等が行われる。ここで、マックスホールドとは、繰り返し得られるスペクトラムにおける周波数ポイントごとの最大レベルを保持して出力（例えば、表示）することである。なお、周波数ポイントとは、スペクトラムの横軸（つまり、周波数軸）における個々の周波数帯域（周波数分解能に対応する帯域）である。また、レベルとは、スペクトラムの縦軸における値であり、例えば、信号のパワーである。

ところが、掃引式スペクトラムアナライザでは、周波数を掃引（sweep／scan）してスペクトラムを得るので、掃引中の周波数にノイズが存在しない場合にはノイズのスペクトラムを得ることができない。そのために、特定の周波数成分だけが瞬時的に発生するような瞬時的ノイズを捕捉することが困難である。

そこで、従来、高速フーリエ変換（FFT；Fast Fourier Transform）方式のスペクトラムアナライザを用いて放射妨害波測定を行う方法が提案されている（例えば、特許文献１参照）。特許文献１のＦＦＴ方式のスペクトラムアナライザによれば、周波数の掃引が不要になることから、瞬時的ノイズを見逃さない高品質な測定が可能になるというメリットがある。なお、ＦＦＴ方式のスペクトラムアナライザとは、ＦＦＴが用いられる周波数分析器（汎用のスペクトラムアナライザだけでなく、ＥＭＩ測定に特化したＥＭＩシレーバも含まれる）である。

国際公開第２００８／０２３６４０号

しかしながら、上記特許文献１に開示されたＦＦＴ方式のスペクトラムアナライザを用いてマックスホールドを行った場合には、広帯域にわたる周波数成分をもつインパルス性ノイズが測定中に１回でも入力されると、最終評価に必要なノイズ（つまり、高頻度で発生するノイズ）が、インパルス性ノイズのスペクトラムに覆われて隠れてしまい、規格の適合判定ができなくなるという問題がある。

ＣＩＳＰＲ３２では、インパルス性ノイズに関して、以下のように、低頻度で発生するエミッション（つまり、ノイズ）については、許容値内か否かの判定から除外することになっている。具体的には、ＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＣでは、もし２分以上の測定で次の２つの条件が満たされた場合は、孤立したエミッションが許容値を超えても無視することと規定されている。（１）エミッションが１秒以上許容値を超えない。（２）任意の１５秒間においてエミッションが２回以上許容値を超えない。また、ＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＡでは、表Ａ．３及び表Ａ．５（いずれも説明を省略）で示される尖頭値検波の許容値は、高電圧絶縁破壊現象であるアーク又はスパークによって発生するエミッションには適用しないと規定されている。上記特許文献１に開示されたＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドでは、これらのＣＩＳＰＲ３２の除外規定に合致する低い発生頻度のノイズも含まれた結果が得られてしまう。

図１は、従来のＦＦＴ方式のスペクトラムアナライザを用いてマックスホールドを行った場合に生じ得る問題を説明する図である。ここでは、１０秒かけて（つまり、１回／秒の測定（ＦＦＴ）の１０回分で）取得された１０個のスペクトラム（太い実線及び細い実線）が示されている。横軸は周波数を示し、横軸の目盛（マス）は各周波数ポイントに対応する。縦軸は、レベルを示し、縦軸の目盛（マス）は、マックスホールド用に任意に設定されるレベルの単位（例えば、スペクトラムアナライザが有するレベルの分解能の１００倍の値など）である。図中の数値は、各周波数ポイントにおいて同一のレベルを示すデータの個数（つまり、発生頻度）である。各周波数ポイントでの発生頻度の合計は１０（つまり、１０個のスペクトラム分）となる。

この例では、インパルス性ノイズが１回入力されたために、全周波数ポイントに渡って高いレベルを示すスペクトラム（太い実線）が現れている。このような１０個のスペクトラムに対してマックスホールドを行った場合には、インパルス性ノイズのスペクトラム（太い実線）だけが表示されることになる。

ところが、マックスホールドによって得られたインパルス性ノイズは、１０秒において１回だけ発生した、最終評価には不要なノイズである。最終評価に必要な高頻度のノイズ（ここでは、１０秒において２回以上発生したノイズのスペクトラム（細い実線））は、１回だけ発生した不要なインパルス性ノイズのスペクトラムに覆われて隠れてしまい、マックスホールドの結果には現れない。つまり、従来のＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドによれば、測定中に１回だけ発生するような最終評価には不要な低頻度のインパルス性ノイズの影響を受けてしまい、規格の適合判定に必要となる発生頻度の高いノイズのスペクトラムを得ることができない。

そこで、本発明は、測定中に低頻度で発生するインパルス性ノイズの影響を受けることなく、着目する高頻度のノイズを対象としてＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドを可能にするスペクトラム分析方法及びその装置を提供することを目的とする。

上記目的を達成するために、本発明の一形態に係るスペクトラム分析方法は、入力された信号に対して連続してｎ（２以上の整数）回、高速フーリエ変換を繰り返すことで得られた、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを蓄積する蓄積ステップと、閾値を受け付ける受け付けステップと、前記蓄積ステップで蓄積された前記ｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、前記受け付けステップで受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタステップと、前記フィルタステップで特定された前記高頻度データだけを対象とし、前記ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択するマックスホールドステップと、前記マックスホールドステップで選択された、前記ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを出力する出力ステップとを含み、前記所定範囲内で近いレベルとは、スペクトラムの縦軸に設定された目盛を単位とする同一のレベルである。

上記目的を達成するために、本発明の一形態に係るスペクトラム分析装置は、入力された信号に対して連続してｎ（２以上の整数）回、高速フーリエ変換を繰り返すことで得られた、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを蓄積する記憶部と、閾値を受け付ける入力部と、前記記憶部に蓄積された前記ｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、前記入力部が受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタ部と、前記フィルタ部で特定された前記高頻度データだけを対象とし、前記ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択するマックスホールド部と、前記マックスホールド部で選択された、前記ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを出力する出力部とを備え、前記所定範囲内で近いレベルとは、スペクトラムの縦軸に設定された目盛を単位とする同一のレベルである。

本発明により、測定中に低頻度で発生するインパルス性ノイズの影響を受けることなく、着目する高頻度のノイズを対象としてＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドを可能にするスペクトラム分析方法及びその装置が実現される。

図１は、従来のＦＦＴ方式のスペクトラムアナライザを用いてマックスホールドを行った場合に生じ得る問題を説明する図である。 図２は、実施の形態に係るスペクトラム分析装置の構成を示すブロック図である。 図３は、実施の形態に係るスペクトラム分析装置の基本動作を示すフローチャートである。 図４は、実施の形態に係るスペクトラム分析装置のマックスホールド部によって選択されるデータ（スペクトラム）の例を示す図である。 図５は、実施の形態に係るスペクトラム分析装置の後処理部による処理を説明する図である。 図６は、実施の形態に係るスペクトラム分析装置の問題点を説明するための図である。 図７は、実施の形態の変形例１に係るフィルタ部による高頻度データの特定の詳細な手順を示すフローチャートである。 図８は、実施の形態の変形例１に係るフィルタ部によって高頻度データを特定する例を示す図である。 図９は、実施の形態の変形例１に係るスペクトラム分析装置によるマックスホールドで得られるスペクトラムの例を示す図である。 図１０は、実施の形態の変形例１に係るスペクトラム分析装置の問題点を説明するための図である。 図１１は、実施の形態の変形例２に係るフィルタ部による高頻度データの特定の詳細な手順を示すフローチャートである。 図１２は、実施の形態の変形例２に係るスペクトラム分析装置によるマックスホールドで得られるスペクトラムの例を示す図である。

以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の一具体例を示すものである。以下の実施の形態で示される数値、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序等は、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。また、各図は、必ずしも厳密に図示したものではない。各図において、実質的に同一の構成については同一の符号を付し、重複する説明は省略又は簡略化する。

図２は、実施の形態に係るスペクトラム分析装置２０の構成を示すブロック図である。ここでは、スペクトラム分析装置２０が取得するスペクトラムを生成するＦＦＴ部１０も併せて図示されている。

ＦＦＴ部１０は、入力された信号（ここでは、ノイズ）に対して連続してｎ（２以上の整数）回、ＦＦＴを繰り返すことで、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを生成する演算器であり、例えば、ＦＦＴ方式のスペクトラムアナライザである。なお、ＦＦＴの対象となる周波数範囲、スキャン回数（つまり、上記ｎ）、周波数分解能（つまり、上記ｍ）等は、ＦＦＴ部１０に対するユーザによる指示、又は、ユーザによる指示を取得したスペクトラム分析装置２０からの制御によって、事前に決定される。

スペクトラム分析装置２０は、ＦＦＴ部１０で生成されたｎ個のスペクトラムに対して高頻度のノイズだけを対象としてマックスホールドを含む分析を行う装置であり、記憶部２１、入力部２２、フィルタ部２３、マックスホールド部２４、出力部２５、及び、後処理部２６を備える。

記憶部２１は、ＦＦＴ部１０で生成されたｎ個のスペクトラムを蓄積するメモリであり、例えば、不揮発性の半導体メモリである。

入力部２２は、フィルタ部２３で用いられる閾値を含む各種指示をユーザから受け付ける入力デバイスであり、例えば、キーボード、ボタン等である。

フィルタ部２３は、記憶部２１に蓄積されたｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、入力部２２が受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定する信号処理部である。なお、上記発生頻度をカウントする際の単位となる周波数帯域幅（又は、周波数ポイント数）及びレベル幅（つまり、上記所定範囲）は、入力部２２を介したユーザからの指示等によって予め設定される。

マックスホールド部２４は、フィルタ部２３で特定された高頻度データだけを対象とし、ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択する信号処理部である。

出力部２５は、マックスホールド部２４で選択された、ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラム（つまり、マックスホールドの結果）を出力するデバイスであり、例えば、ディスプレイ、記憶媒体、ＧＰＩＢ（ＩＥＥＥ４８８）等の信号出力インタフェース等である。

後処理部２６は、マックスホールド部２４で得られた、ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを用いた後処理を行う信号処理部である。具体的には、後処理部２６は、マックスホールド部２４で得られたスペクトラムにおける最大レベルの周波数でのレベルの時間変化を示す時間変化データを取得し、取得した時間変化データにおいて、指定された上限値を超えている継続時間、及び、上限値を超える事象が発生した時間間隔を算出して出力する。

なお、フィルタ部２３、マックスホールド部２４及び後処理部２６は、プログラムが格納されたＲＯＭ、ＲＡＭ、プログラムを実行するプロセッサ、タイマ・カレンダ、入出力回路等でソフトウェア的に実現されてもよいし、ＡＳＩＣ等の専用の電子回路でハードウェア的に実現されてもよい。また、スペクトラム分析装置２０は、全体として、単数又は複数のＰＣ（パーソナルコンピュータ）等の独立した処理装置で実現されてもよいし、その一部又は全部がＦＦＴ部１０を構成するスペクトラムアナライザに内蔵して実現されてもよい。

次に、以上のように構成される本実施の形態に係るスペクトラム分析装置２０の動作について説明する。

図３は、実施の形態に係るスペクトラム分析装置２０の基本動作（つまり、スペクトラム分析方法）を示すフローチャートである。

まず、スペクトラム分析装置２０は、ＦＦＴ部１０で生成されたｎ個のスペクトラムを記憶部２１に蓄積する（蓄積ステップＳ１０）。例えば、スペクトラム分析装置２０は、ターンテーブルに載置されたＥＵＴ（Equipment Under Test）を対象とし、１０秒かけてターンテーブルを１回転させている間にＥＵＴから放射されるノイズを、固定されたアンテナで受信して得られる信号に対して１０回のＦＦＴを繰り返すことで生成された１０個のスペクトラムをＦＦＴ部１０から読み出して記憶部２１に蓄積する。

次に、入力部２２は、後続するフィルタ部２３で用いられる閾値をユーザから取得する（受け付けステップＳ１１）。例えば、入力部２２は、最終評価から除外したい低い発生頻度として、ユーザから、「１」（つまり、１０秒かけて取得された１０個のスペクトラムのうち１個以下の発生頻度のデータを除外する指示）を取得する。

なお、上記蓄積ステップＳ１０及び受け付けステップＳ１１は、この順序に限定されず、逆の順序、又は、同時並行であってもよい。また、受け付けステップＳ１１は、閾値が予め設定（つまり、スペクトラム分析装置２０に記憶）されている場合には、その設定値を閾値として用いることで、省略されてもよい。

次に、フィルタ部２３は、記憶部２１に蓄積されたｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、入力部２２が受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定する（フィルタステップＳ１２）。具体的には、フィルタ部２３は、ｍ個の周波数ポイントのそれぞれごとに、蓄積ステップＳ１０で蓄積されたｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、受け付けステップで受け付けた閾値を超える発生頻度のデータを、高頻度データとして特定する。本実施の形態では、高頻度データは、ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、同一のレベルを示すデータの個数が受け付けステップで受け付けた閾値を超えるデータである。

例えば、１０秒かけて取得された１０個のスペクトラムが記憶部２１に蓄積され、閾値として「１」が入力された場合には、フィルタ部２３は、周波数ポイントごとに、同一レベルを示すデータの個数が「１」を超えるデータの集まりを高頻度データとして特定する。

そして、マックスホールド部２４は、フィルタ部２３で特定された高頻度データだけを対象とし、ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択する（マックスホールドステップＳ１３）。

例えば、１０秒かけて取得された１０個のスペクトラムから周波数ポイントごとに「１」を超える発生頻度のデータが高頻度データとしてフィルタ部２３で特定された場合には、マックスホールド部２４は、図４に示すように、周波数ポイントごとに、最大のレベルを選択する。図４は、実施の形態に係るスペクトラム分析装置２０のマックスホールド部２４によって選択されるデータ（スペクトラム）の例を示す図である。周波数ポイントごとに、「１」を超える発生頻度のデータの中から最大のレベルを示すデータがされている（太い実線）。例えば、横軸における右端（最大周波数の周波数ポイント）から３つ目の周波数ポイントであれば、「１」を超える発生頻度のデータは、発生頻度が「２」と「５」のデータであり、これらのデータの中から最大のレベルを示すデータは発生頻度が「２」のデータであるので、発生頻度が「２」のデータを選択する。同様にして、全ての周波数ポイントについて、「１」を超える発生頻度のデータの中から最大のレベルを示すデータを選択する。なお、図４に示されるスペクトラムでは、図１と同様に、縦軸（レベル）は、マックスホールド用に任意に設定される目盛（マス）を単位とする値を示す。このことは、以降の図に示されるスペクトルについても同様である。

次に、出力部２５は、マックスホールド部２４で選択された、ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラム（つまり、マックスホールドの結果）を出力する（出力ステップＳ１４）。例えば、出力部２５は、マックスホールド部２４で得られたスペクトラム（図４の太い実線）をディスプレイに表示する。

続いて、入力部２２を介して後処理部２６の実行が指示された場合には、後処理部２６は、マックスホールド部２４で得られたスペクトラムにおける最大レベルの周波数でのレベルの時間変化を示す時間変化データを取得し（Ｓ１５）、取得した時間変化データにおいて、入力部２２で指定された上限値を超えている継続時間、及び、上限値を超える事象が発生した時間間隔を算出して出力（例えば、ディスプレイに表示）する（Ｓ１６）。なお、時間変化データの取得では、例えば、フィルタ部２３及びマックスホールド部２４の機能をオフにした状態で、ＦＦＴ部１０による上記周波数でのレベルの結果を連続的に取得する。

図５は、実施の形態に係るスペクトラム分析装置２０の後処理部２６による処理を説明する図である。図５の（ａ）は、後処理部２６で取得される時間変化データの一例を示す図である。マックスホールド部２４で得られたスペクトラムにおける最大レベルの周波数でのレベルの時間変化が示されている。２箇所においてピーク３０ａ及び３０ｂが現れている。２箇所のピーク３０ａ及び３０ｂを横切る線３１は、入力部２２で指定された上限値の例である。

図５の（ｂ）は、図５の（ａ）に示される時間変化データが後処理部２６によってノーマライズ（つまり、ピーク３０ａ及び３０ｂについては矩形パルスに、ピーク３０ａ及び３０ｂ以外のデータについては横一直線に平滑化）された後のデータを示す。後処理部２６は、図５の（ａ）に示される時間変化データに対してノーマライズした後に、ノーマライズ後の時間変化データと上限値とを比較することで、ノーマライズ後の時間変化データにおいて、入力部２２で指定された上限値を超えている継続時間３２ａ及び３２ｂ、並びに、上限値を超える事象が発生した時間間隔３３を特定して出力（例えば、ディスプレイに表示）する。

このような後処理部２６による処理結果（継続時間及び時間間隔）を見ることで、測定したノイズが上述したＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＡ及びＣの除外規定に合致するノイズか否かを判断することが容易になる。

以上のように、本実施の形態に係るスペクトラム分析方法は、入力された信号に対して連続してｎ（２以上の整数）回、高速フーリエ変換を繰り返すことで得られた、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを蓄積する蓄積ステップＳ１０と、閾値を受け付ける受け付けステップＳ１１と、蓄積ステップＳ１０で蓄積されたｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、受け付けステップＳ１１で受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタステップＳ１２と、フィルタステップＳ１２で特定された高頻度データだけを対象とし、ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択するマックスホールドステップＳ１３と、マックスホールドステップＳ１３で選択された、ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを出力する出力ステップＳ１４とを含む。

これにより、フィルタステップＳ１２において低頻度のデータを除外したうえで、マックスホールドステップＳ１３においてマックスホールドが行われるので、測定中に低頻度で発生するインパルス性ノイズの影響を受けることなく、着目する高頻度のノイズを対象としてＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドが可能になる。

また、フィルタステップＳ１２では、ｍ個の周波数ポイントのそれぞれごとに、蓄積ステップＳ１０で蓄積されたｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、受け付けステップＳ１１で受け付けた閾値を超える発生頻度のデータを、高頻度データとして特定する。

これにより、ｍ個の周波数ポイントのそれぞれごとに、マックスホールドの対象から除外するデータが選択される。よって、いずれの周波数ポイントにおいても、低頻度で発生するデータが確実に除外される。

また、高頻度データは、ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、同一のレベルを示すデータの個数が、受け付けステップＳ１１で受け付けた閾値を超えるデータである。

これにより、同一のレベルを示すデータの個数を発生頻度とした場合に、閾値を超える高い発生頻度のデータだけがマックスホールドの対象となる。

また、スペクトラム分析方法は、さらに、マックスホールドステップＳ１３で選択された、ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムにおける最大レベルの周波数でのレベルの時間変化を示す時間変化データを取得し、取得した時間変化データにおいて、指定された上限値を超えている継続時間、及び、上限値を超える事象が発生した時間間隔を算出して出力する後処理ステップ（Ｓ１５、Ｓ１６）が含まれる。

これにより、測定したノイズが上述したＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＡ及びＣの除外規定に合致するノイズか否かを判断することが容易になる。

また、本実施の形態に係るスペクトラム分析装置は、入力された信号に対して連続してｎ（２以上の整数）回、高速フーリエ変換を繰り返すことで得られた、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを蓄積する記憶部２１と、閾値を受け付ける入力部２２と、記憶部２１に蓄積されたｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、入力部２２が受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタ部２３と、フィルタ部２３で特定された高頻度データだけを対象とし、ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択するマックスホールド部２４と、マックスホールド部２４で選択された、ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを出力する出力部２５とを備える。

これにより、フィルタ部２３によって低頻度のデータを除外したうえで、マックスホールド部２４によるマックスホールドが行われるので、測定中に低頻度で発生するインパルス性ノイズの影響を受けることなく、着目する高頻度のノイズを対象としてＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドが可能になる。

（変形例１）
次に、上記実施の形態の変形例１に係るスペクトラム分析装置及び方法について説明する。

上記実施の形態に係るスペクトラム分析装置２０は、低頻度で発生するインパルス性ノイズを除外したうえでマックスホールドを行う点で従来技術よりも優れているが、インパルス性ノイズではない低頻度のデータも除外してしまう性質を有する。これは、インパルス性ノイズだけを除外したい場合には、問題点となる。

図６は、上記実施の形態に係るスペクトラム分析装置２０の問題点を説明するための図である。ここでは、上記実施の形態において、マックスホールドの対象となった１０個のスペクトラム（細い実線）と、マックスホールドの結果として得られるスペクトラム（太い実線）とが示されている。

本図から分かるように、マックスホールドの結果として得られるスペクトラム（太い実線）では、インパルス性ノイズを除くスペクトラム４１において、発生頻度が「１」であるが、周波数ポイントにおいて最大レベルを示すデータ４２等がマックスホールドの対象から除外されている。つまり、インパルス性ノイズではないが、発生頻度が低い（ここでは、「１」）ために、マックスホールドの対象から除外されている。

そこで、本変形例に係るスペクトラム分析装置は、このような上記実施の形態に係るスペクトラム分析装置２０が有する問題点を改善した機能を有する。

具体的には、本変形例に係るスペクトラム分析装置は、基本的には、上記実施の形態に係るスペクトラム分析装置２０と同様の構成を備えるが、フィルタ部２３の機能の詳細が上記実施の形態と異なる。つまり、本変形例に係るスペクトラム分析方法については、図３に示されるスペクトラム分析方法のフィルタステップＳ１２の詳細が実施の形態と異なる。以下、上記実施の形態と異なる点を中心に説明する。

本変形例に係るフィルタ部２３は、ｍ個の周波数ポイントのそれぞれごとに、記憶部２１に蓄積されたｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、入力部２２で受け付けた閾値を超える発生頻度のデータを高頻度データとして特定する点で上記実施の形態と同様であるが、スペクトラムの縦軸における所定幅（例えば、縦軸における３マス分）であるウィンドウと呼ばれる概念を用いて高頻度データを特定する点で上記実施の形態と異なる。

図７は、実施の形態の変形例１に係るフィルタ部２３による高頻度データの特定の詳細な手順を示すフローチャートである。

本変形例では、フィルタ部２３は、記憶部２１に蓄積されたｎ個のスペクトラムについて、ｍ個の周波数ポイントのそれぞれごとに、以下の処理を繰り返す（Ｓ２０〜Ｓ２３）。つまり、フィルタ部２３は、ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータをレベルの大きいものから並べ、レベルの並びにおいて、レベルにおける所定幅であるウィンドウをレベルの並びにおける最大値を含む位置から最小値を含む位置までずらしながら、ウィンドウ内にレベルが含まれるデータの個数の変化を特定する（Ｓ２１）。

そして、フィルタ部２３は、特定したデータの個数の変化において、入力部２２で受け付けた閾値を超える個数のデータを、高頻度データとして特定する（Ｓ２２）。

図８は、実施の形態の変形例１に係るフィルタ部２３によって高頻度データを特定する例を示す図である。ここでは、図６の横軸の右端（最大周波数）の周波数ポイントにおけるインパルス性ノイズを除くスペクトラム４１のデータを対象として、高頻度データを特定する方法が示されている。

図８の（ａ）に示されるように、この周波数ポイントにおけるスペクトラム４１では、レベルの高い方から、発生頻度「１」、「１」、「７」のデータが並べられている。そして、縦長（ここでは、縦軸における３マス分）の矩形をウィンドウ４４として、レベルの並びにおける最大値を含む位置から最小値を含む位置までずらしていき、そのときにウィンドウ４４内にレベルが含まれるデータの個数（ウィンドウ４４の右上角に記載の数値）の変化が示されている（図８の（ｂ））。この例では、「１」、「１」、「２」、「８」、「８」、「７」とデータの個数が変化している。

このように、本変形例に係るフィルタ部２３によれば、この周波数ポイントでは、レベルの高い方から並ぶデータの個数（つまり、発生頻度）は、元の「１」、「１」、「７」から、「１」、「１」、「２」、「８」、「８」、「７」に変換される。そして、変換後のデータの並びにおいて、閾値（例えば、「１」）を超えるデータ（この周波数ポイントでは、「２」、「８」、「８」、「７」）が高頻度データとして特定されることになる。

マックスホールド部２４は、このようにフィルタ部２３で特定された高頻度データを対象とし、周波数ポイントのそれぞれごとに、最大のレベルを選択する（マックスホールドステップＳ１３）。上記周波数ポイントの例であれば、フィルタ部２３によって高頻度データとして特定されたデータ（「２」、「８」、「８」、「７」）のうち、最大のレベル（発生頻度「２」のデータが示すレベル）を選択する。

図９は、実施の形態の変形例１に係るスペクトラム分析装置によるマックスホールドで得られるスペクトラムの例を示す図である。ここでは、記憶部２１に蓄積されたスペクトラムが細い実線で示され、フィルタ部２３での変換後のデータ（つまり、各周波数ポイントにおいてウィンドウを用いて得られるデータの個数の変化）が数値で示され、マックスホールド部２４によって選択されるデータが太い実線で示されている。

本図と上記実施の形態での結果（図４、図６）とを比べて分かるように、本変形例に係るスペクトラム分析装置及び方法によれば、インパルス性ノイズを除くスペクトラム４１において、発生頻度が「１」であるが周波数ポイントにおいて最大レベルを示すデータ４２等の多くが、マックスホールドの対象として反映される（つまり、除外されない）こととなった。

以上のように、本変形例に係るスペクトラム分析装置及び方法では、高頻度データは、ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータをレベルの大きいものから並べ、レベルの並びにおいて、レベルにおける所定幅であるウィンドウをレベルの並びにおける最大値を含む位置から最小値を含む位置までずらした場合に、ウィンドウ内にレベルが含まれるデータの個数の変化を特定し、特定したデータの個数の変化において、受け付けステップで受け付けた閾値を超える個数のデータである。

これにより、インパルス性ノイズを除くスペクトラムでは、低い発生頻度であってもマックスホールドの対象から除外されてしまうことが抑制される。言い換えると、低い発生頻度のインパルス性ノイズだけを除外したマックスホールドに近い結果が得られる。

なお、本変形例に係る後処理部２６は、本変形例に係るフィルタ部２３及びマックスホールド部２４によって得られたスペクトラムにおける最大レベルの周波数について、後処理を実行する。これにより、本変形例に係るスペクトラム分析装置のメリットを生かしたうえで、測定したノイズがＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＡ及びＣの除外規定に合致するノイズか否かを判断することが容易になる。

（変形例２）
次に、上記実施の形態の変形例２に係るスペクトラム分析装置及び方法について説明する。

実施の形態の変形例１に係るスペクトラム分析装置によれば、低い発生頻度のインパルス性ノイズだけを除外したマックスホールドに近い結果が得られたが、完全ではない。つまり、インパルス性ノイズ以外のデータの一部がマックスホールドの対象から除外されるという問題点が残っている。

図１０は、実施の形態の変形例１に係るスペクトラム分析装置の問題点を説明するための図である。ここでは、上記実施の形態の変形例１に係るスペクトラム分析装置によるマックスホールドの結果（つまり、図９）に対して、不完全な箇所４３を追記した図が示されている。本図に示される箇所４３では、レベルの高い方から並ぶデータの個数（つまり、発生頻度）は、「１」、「１」、「１」、「１」、「８」、「８」となっており、その結果、レベルとしては大きいが発生頻度としては閾値「１」を超えないために、最大レベルから続く発生頻度が「１」、「１」、「１」、「１」のデータは、マックスホールドの対象から除外されている。つまり、レベルとしては大きいが、発生頻度が「１」のデータは、インパルス性ノイズではないにも拘わらず、マックスホールドの対象から除外されてしまっている。

そこで、本変形例に係るスペクトラム分析装置は、このような上記変形例１に係るスペクトラム分析装置が有する問題点を改善した機能を有する。

具体的には、本変形例に係るスペクトラム分析装置は、基本的には、上記実施の形態に係るスペクトラム分析装置２０と同様の構成を備えるが、フィルタ部２３の機能が細部において上記実施の形態と異なる。以下、上記実施の形態と異なる点を中心に説明する。

本変形例に係るフィルタ部２３は、ｍ個の周波数ポイントのそれぞれごとに、記憶部２１に蓄積されたｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、入力部２２で受け付けた閾値を超える発生頻度のデータを高頻度データとして特定する点で上記実施の形態と同様であるが、記憶部２１に蓄積されたｎ個のスペクトラムのうち、入力部２２で受け付けた閾値を超える発生頻度のデータを所定個数よりも多く含むスペクトラムを高頻度データとして特定する点で、上記実施の形態と異なる。

図１１は、実施の形態の変形例２に係るフィルタ部２３による高頻度データの特定の詳細な手順を示すフローチャートである。

本変形例では、フィルタ部２３は、記憶部２１に蓄積されたｎ個のスペクトラムのそれぞれごとに、以下の処理を繰り返す（Ｓ３０〜Ｓ３４）。つまり、フィルタ部２３は、当該スペクトラムが、入力部２２で受け付けた閾値を超える発生頻度のデータを所定個数よりも多く含か否かを判断する（Ｓ３１）。なお、所定個数は、例えば、入力部２２を介してユーザによって指定される値である。また、フィルタ部２３は、上記変形例１に係るウィンドウを用いたデータ変換を施した後に、この判断をしてもよいし、上記変形例１に係るウィンドウを用いたデータ変換を施すことなく、この判断をしてもよい。

その結果、フィルタ部２３は、当該スペクトラムが閾値を超える発生頻度のデータを所定個数よりも多く含む場合には（Ｓ３１でＹｅｓ）、当該スペクトラムを高頻度データとして特定し（Ｓ３２）、一方、当該スペクトラムが閾値を超える発生頻度のデータを所定個数よりも多く含まない場合には（Ｓ３１でＮｏ）、当該スペクトラムを高頻度データとして特定しない（Ｓ３３）。

これにより、上記実施の形態及び変形例１のように、周波数ポイントごとにマックスホールドの対象となるか除外されるかが判断されるのではなく、スペクトラム単位で、マックスホールドの対象となるか除外されるかが判断される。

マックスホールド部２４は、このようにフィルタ部２３で特定された高頻度データ（つまり、閾値を超える発生頻度のデータを所定個数よりも多く含む１以上のスペクトラム）を対象とし、周波数ポイントのそれぞれごとに、最大のレベルを選択する（マックスホールドステップＳ１３）。

図１２は、実施の形態の変形例２に係るスペクトラム分析装置によるマックスホールドで得られるスペクトラムの例を示す図である。ここでは、フィルタ部２３は、上記変形例１に係るウィンドウを用いたデータ変換を施した後のデータに対して、スペクトラム単位で、マックスホールドの対象とするか否かを判断して得られる例が示されている。記憶部２１に蓄積されたスペクトラムが、細い実線で示され、フィルタ部２３での変換後のデータ（つまり、各周波数ポイントにおいてウィンドウを用いて得られるデータの個数の変化）が、数値で示され、マックスホールド部２４によって選択されるデータが、太い実線で示されている。また、マックスホールドの対象とするか否かの判断に用いられる所定個数は、全周波数ポイント２１個のうちの１０個に設定されている。

本図から分かるように、インパルス性ノイズによるスペクトラム４０は、閾値「１」を超える発生頻度のデータがゼロであり、所定個数「１０」を超えないので、高頻度データとして扱われず、マックスホールドの対象から除外されている。

一方、インパルス性ノイズを除くスペクトラム４１では、いずれのスペクトラムも、閾値「１」を超える発生頻度のデータが所定個数「１０」を超えているので、高頻度データとして扱われ、マックスホールドの対象になっている。その結果、上記変形例１では不完全であった箇所４３についても、マックスホールドの対象となり、インパルス性ノイズ以外のデータがマックスホールドの対象から除外されるという問題点が解消される。つまり、低い発生頻度のインパルス性ノイズだけを除外したマックスホールドの結果が得られている。

以上のように、本変形例に係るスペクトラム分析装置及び方法では、フィルタ部２３（あるいは、フィルタステップＳ１２で）は、記憶部２１に蓄積されたｎ個のスペクトラムのうち、入力部２２で受け付けた閾値を超える発生頻度のデータを所定個数よりも多く含むスペクトラムを高頻度データとして特定する。

これにより、インパルス性ノイズを除くスペクトラムでは、低い発生頻度であってもマックスホールドの対象から除外されてしまうことが防止される。言い換えると、低い発生頻度のインパルス性ノイズだけを除外したマックスホールドの結果が得られる。

なお、本変形例に係る後処理部２６は、本変形例に係るフィルタ部２３及びマックスホールド部２４によって得られたスペクトラムにおける最大レベルの周波数について、後処理を実行する。これにより、本変形例に係るスペクトラム分析装置のメリットを生かしたうえで、測定したノイズがＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＡ及びＣの除外規定に合致するノイズか否かを判断することが容易になる。

以上、本発明に係るスペクトラム分析装置及び方法について、実施の形態及び変形例に基づいて説明したが、本発明は、これらの実施の形態及び変形例に限定されるものではない。本発明の主旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態及び変形例に施したものや、実施の形態及び変形例における一部の構成要素を組み合わせて構築される別の形態も、本発明の範囲内に含まれる。

例えば、上記実施の形態では、スペクトラム分析装置２０は、後処理部２６を備えたが、必ずしも後処理部２６を備える必要はない。マックスホールド部２４によって、測定中に低頻度で発生するインパルス性ノイズの影響を受けることなく、着目する高頻度のノイズを対象としてＦＦＴ方式のスペクトラムアナライザを用いたマックスホールドを可能するという発明の目的は達成されるからである。後処理部２６は、マックスホールド部２４による結果を用いて、測定したノイズがＣＩＳＰＲ３２ Ｅｄｉｔｉｏｎ２ ＡｎｎｅｘＡ及びＣの除外規定に合致するノイズか否かの判断を容易にするオプショナルな構成要素である。

また、上記実施の形態では、マックスホールド用に任意に設定される縦軸（レベル）の目盛（マス）は、スペクトラムアナライザが有するレベルの分解能の１００倍の値が例示されたが、これに限られない。マックスホールド用に任意に設定される縦軸（レベル）の目盛（マス）は、スペクトラムアナライザが有するレベルの分解能（例えば、０．０１ｄＢ）に対して１以上の任意の倍率を乗じた値であってもよいし、スペクトラムアナライザとは独立した固定の値（例えば、５ｄＢ）であってもよい。

また、上記変形例１では、ウィンドウは、スペクトラム図の縦軸方向に３マス分の長さを有したが、この長さに限定されない。他の長さに設定されてもよいし、入力部２２を介してユーザによって任意の長さに指定されてもよい。

また、上記実施の形態等では、１０秒かけてターンテーブルを１回転させている間にＥＵＴから放射されるノイズに対して１０回のＦＦＴを繰り返すことで生成された１０個のスペクトラムを対象として、マックスホールドの処理が説明されたが、このような対象に限定されない。ターンテーブルを固定した状態でアンテナの高さを変化させながら取得した複数のスペクトラムを対象としてもよいし、ターンテーブルの回転及びアンテナの高さを固定した状態で取得した複数のスペクトラムを対象としてもよいし、ターンテーブルとは無関係に設置されたＥＵＴから放射されるノイズに対して取得した複数のスペクトラムを対象としてもよい。

また、上記実施の形態に係るスペクトラム分析装置は、放射妨害波の測定に用いられたが、この用途に限定されるものではなく、各種物理現象を示す信号の周波数分析等に用いられてもよい。

また、本発明は、上記実施の形態等に係るスペクトラム分析装置及び方法として実現できるだけでなく、上記実施の形態等に係るスペクトラム分析方法における一部又は全部のステップをコンピュータに実行させるプログラム、又は、そのプログラムを記録したＣＤ−ＲＯＭ等のコンピュータ読み取り可能な非一時的な記録媒体として実現してもよい。

本発明は、ＦＦＴによって得られた複数のスペクトラムから周波数ポイントごとの最大レベルを保持したスペクトラムを生成するスペクトラム分析装置として、例えば、マックスホールド機能を有するＦＦＴ方式のスペクトラムアナライザとして、利用できる。

１０ ＦＦＴ部
２０ スペクトラム分析装置
２１ 記憶部
２２ 入力部
２３ フィルタ部
２４ マックスホールド部
２５ 出力部
２６ 後処理部

Claims (8)

1. 入力された信号に対して連続してｎ（２以上の整数）回、高速フーリエ変換を繰り返すことで得られた、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを蓄積する蓄積ステップと、
   閾値を受け付ける受け付けステップと、
   前記蓄積ステップで蓄積された前記ｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、前記受け付けステップで受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタステップと、
   前記フィルタステップで特定された前記高頻度データだけを対象とし、前記ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択するマックスホールドステップと、
   前記マックスホールドステップで選択された、前記ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを出力する出力ステップとを含み、
   前記所定範囲内で近いレベルとは、スペクトラムの縦軸に設定された目盛を単位とする同一のレベルである
   スペクトラム分析方法。
2. 前記フィルタステップでは、前記ｍ個の周波数ポイントのそれぞれごとに、前記蓄積ステップで蓄積された前記ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、前記受け付けステップで受け付けた閾値を超える発生頻度のデータを、前記高頻度データとして特定する
   請求項１記載のスペクトラム分析方法。
3. 前記高頻度データは、前記ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータのうち、同一のレベルを示すデータの個数が前記受け付けステップで受け付けた閾値を超えるデータである
   請求項２記載のスペクトラム分析方法。
4. 前記高頻度データは、前記ｎ個のスペクトラムの当該周波数ポイントでのレベルを示すデータをレベルの大きいものから並べ、前記レベルの並びにおいて、レベルにおける所定幅であるウィンドウを前記レベルの並びにおける最大値を含む位置から最小値を含む位置までずらした場合に、前記ウィンドウ内にレベルが含まれるデータの個数の変化を特定し、特定した前記データの個数の変化において、前記受け付けステップで受け付けた閾値を超える個数のデータである
   請求項２記載のスペクトラム分析方法。
5. 前記フィルタステップでは、前記蓄積ステップで蓄積された前記ｎ個のスペクトラムのうち、前記受け付けステップで受け付けた閾値を超える発生頻度のデータを所定個数よりも多く含むスペクトラムを前記高頻度データとして特定する
   請求項１記載のスペクトラム分析方法。
6. さらに、前記マックスホールドステップで選択された、前記ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムにおける最大レベルの周波数でのレベルの時間変化を示す時間変化データを取得し、取得した前記時間変化データにおいて、指定された上限値を超えている継続時間、及び、前記上限値を超える事象が発生した時間間隔を算出して出力する後処理ステップを含む
   請求項１〜５のいずれか１項に記載のスペクトラム分析方法。
7. 請求項１〜６のいずれか１項に記載のスペクトラム分析方法に含まれるステップをコンピュータに実行させるプログラム。
8. 入力された信号に対して連続してｎ（２以上の整数）回、高速フーリエ変換を繰り返すことで得られた、ｍ（２以上の整数）個の周波数ポイントのそれぞれでのレベルを示す、ｎ個のスペクトラムを蓄積する記憶部と、
   閾値を受け付ける入力部と、
   前記記憶部に蓄積された前記ｎ個のスペクトラムにおいて、同一の周波数ポイントにおいて所定範囲内で近いレベルを示すデータの個数を発生頻度とした場合に、前記入力部が受け付けた閾値を超える発生頻度のデータを含む高頻度データを特定するフィルタ部と、
   前記フィルタ部で特定された前記高頻度データだけを対象とし、前記ｍ個の周波数ポイントのそれぞれごとに、最大のレベルを選択するマックスホールド部と、
   前記マックスホールド部で選択された、前記ｍ個の周波数ポイントのそれぞれごとのレベルを示すスペクトラムを出力する出力部とを備え、
   前記所定範囲内で近いレベルとは、スペクトラムの縦軸に設定された目盛を単位とする同一のレベルである
   スペクトラム分析装置。

Images