JP2008032461A

JP2008032461A - 状態変化検出装置および状態変化検出プログラム

Info

Publication number: JP2008032461A
Application number: JP2006204420A
Authority: JP
Inventors: Takashi Kono; 高志光野; Kazumi Taniguchi; 一水谷口; Masahiro Matsumoto; 昌浩松本
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 2006-07-27
Filing date: 2006-07-27
Publication date: 2008-02-14
Anticipated expiration: 2026-07-27
Also published as: JP4750640B2

Abstract

【課題】監視対象の状態ベクトルを用い、F検定で状態変化を検出する方法では、観測対象が状態を変えてから観測者がその変化を検出するまでに多くの時間を要した。
【解決手段】監視対象の観測値と推定観測値との残差を計算し、監視対象が状態を変えていないモデルと、監視対象が状態を変えているモデルを定式化し、両者のＡＩＣ（赤池情報量規準）を演算して、ＡＩＣが小さい側のモデルを、より尤もらしいと判断することで、短時間でも監視対象の状態変化を検出する事が可能となる。
【選択図】図７

Description

本発明は、状態変化検出装置および状態変化検出プログラムに係り、監視対象の状態を時間的あるいは空間的に連続して観測することにより、監視対象の状態変化検出する状態変化検出装置および状態変化検出プログラムに関する。

特許文献１には、目標運動解析方法において、目標体の変針、変速等のマニューバの有無の判定を、観測量時系列に対する正規化予測残差に一次回帰式をあてはめて回帰式の係数を推定し、推定された係数で表現された回帰式の有意性検定により、正規化予測残差のバイアスの有無を判定して行う方法が記載されている。

特許文献１記載の目標運動解析方法は、目標体の状態ベクトルＸの要素である針路、速度の変化を検出する方法である。目標体から放射された音響信号を、観測者が保有する音響センサで受信し、この目標体から観測される時系列方位データと時系列周波数データから、目標体が等速直線運動を行うという仮定の下、目標体の状態ベクトルＸを推定する。このようにして求めた状態ベクトルＸから推定される観測値と実際に観測された観測値の残差を予測残差として算出し、さらに観測値それぞれの分散を考慮して正規化し、正規化予測残差を算出する。正規化予測残差は目標体が等速直線運動を行っている場合には、正規化予測残差系列に対する１次回帰式の傾きは０となるが、針路、速度の変化がある場合には傾きを持ち、正規化予測残差に偏りが生じる。この偏りをＦ検定により検出するのが特許文献１の方法である。すなわち正規化予測残差のＦ値と危険率αのＦ分布表の値Ｆα(１,ｍ−２)を比較し、Ｆ＞Ｆα(１,ｍ−２)の時に目標体の針路、速度に変化があったと検出する。ここで、ｍはＦ検定に用いる正規化予測残差のデータ数である。

図１および図２を用いて、上述した背景技術を簡単に説明する。ここで、図１は観測体と目標体の移動シナリオを説明する図である。図２は正規化予測残差の変化を説明する図である。

図１において、目標体の初期位置は観測体からみて２５°方向、距離２０[ｋｙｄ]（１８.３ｋｍ）である。目標体は、矢印Ａに示すように、９００秒間１８０°方向に等速直進運動をした後に、２１０°方向に針路を変えて、再び等速直進運動をしている。また、観測体は矢印Ｂに示す運動をしている。

図２は、目標体を発見してから、目標体が０〜９００［秒］まで等速直進運動し、９００［秒］に３０［度］変針し、目標体が再び等速直進運動を開始してから６５秒後までの正規化予測残差である。９６５秒時点のＦ値は３.３、危険率２.５％のＦ分布表の値Ｆ２.５(１,１９８)は５.１であり、目標体の変針を検出できていない。このように、特許文献１記載の方法では状態が変化した直後、充分に観測データが得られていない状態では、その変化を検出することができない。
特許文献２には、Ｍａｒｑｕｒｄｔ法に基づいて目標体の運動ベクトルを推定する技術が記載されている。

特開平１０−０６２５０７号公報特開２００５−０１７０３２号公報

目標体の状態ベクトルの変化を検出するとき、状態変化後、目標体の状態変化を検出するまでに時間がかかるという問題点があった。

上記の課題は、監視対象を連続的に観測して構築される観測データベースと、この観測データベースを基に監視対象の状態を推定する状態推定部と、この状態推定部が推定した推定観測値と観測データベースの比較により監視対象の状態が変化したか否かを判定する状態変化監視部とを有し、状態変化監視部は、状態推定部によって推定される推定観測値と観測データベースに格納されている実際の観測データから計算される残差に対して、監視対象の状態が変化していないと仮定したモデル関数のＡＩＣと、監視対象の状態が変化したと仮定したモデル関数のＡＩＣとを計算し、その差により監視対象の状態が変化したか否かを判定する状態変化検出装置により、解決できる。

また、コンピュータを、監視対象の連続観測で構築された観測データベースを基に監視対象の状態を推定する状態推定部、および状態推定部によって推定される推定観測値と観測データベースに格納されている実際の観測データから計算される残差に対して、監視対象の状態が変化していないと仮定したモデル関数のＡＩＣと、監視対象の状態が変化したと仮定したモデル関数のＡＩＣとを計算し、その差により監視対象の状態が変化したか否かを判定する状態変化監視部、として機能させる状態変化検出プログラムにより、解決できる。

本発明によれば、短時間でも監視対象の状態変化を検出する事が可能な、状態変化検出装置および状態変化検出プログラムを提供できる。

以下本発明の実施の形態について、実施例を用い図３ないし図８を用いて詳細に説明する。なお、実質同一部位には同じ参照番号を振り、説明は繰り返さない。ここで、図３は状態変化検出装置の機能ブロック図である。図４は状態変化検出装置のハードウェアブロック図である。図５は状態が変化していない場合の目標体と観測体の関係を示した図である。図６は状態が変化した場合の目標体と観測体の関係を示した図である。図７は状態変化検出装置の処理フローチャートである。図８はモデル間のＡＩＣ差の変化を説明する図である。

図３において、状態変化検出装置１００は、観測データベース１０１、状態推定部１０２、推定観測値１０３、状態変化監視部１０４から構成されている。状態変化検出装置１００の観測データベース１０１には、目標体１の観測結果を時々刻々蓄積する。

図４において、状態変化検出装置１００は、システムバス１１０に接続された中央演算装置（ＣＰＵ）１２０、メインメモリ１３０、ハードディスク装置１４０、表示装置（ＣＲＴ）１５０、インターフェース１６０とから構成される。インターフェース１６０には、時刻、状態値、状態値標準偏差を含む観測データが入力され、ハードディスク装置１４０に観測データベース１０１として、記録される。なお、時刻は、状態変化検出装置１００の図示しない内部時計から取得しても良い。メインメモリ１３０には、状態推定プログラム１３１と、状態変化監視プログラム１３２と、推定観測値１０３とが、記録される。

図４から明らかなように、状態変化検出装置１００は、コンピュータであり、状態推定プログラム１３１と、状態変化監視プログラム１３２とは、そのプログラムを実行することにより、コンピュータを、状態推定部１０２と、状態変化監視部１０４として、機能させる。

図５および図６は目標体と観測体の関係を示した図であり、監視対象である目標体から放射される音響信号の方位を連続的に観測し、観測データベースを構築する。このとき、観測値は正規分布に従ったノイズ成分を含んでいる。

状態推定部においては、観測値を目標体が等速直線運動をしている仮定の下で(１)式でモデル化する。

ここで、目標体の状態は目標体の初期位置座標ｘｔ,ｙｔ、速力成分ｖｘ,ｖｙの４つの係数で表される。状態推定部は最尤法に基づく最適化手法により、観測値と(１)式から計算される推定観測値の残差を最小化する係数ｘｔ,ｙｔ,ｖｘ,ｖｙを推定する。従って、目標体が実際に等速直線運動をしている場合は、残差は(２)式のノイズ成分のみとなる。

しかし、図６に示すようにｔ=ｔｚｉｇに係数ｖｘ,ｖｙが変化した場合、観測される方位は次式に従う。

ここで、ｖｘ１,ｖｘ２は目標体の状態変化前の速力成分、ｖｘ２,ｖｙ２は状態変化後の速力成分を表し、ｔｚｉｇは状態変化時刻を表している。また、εは観測値が含むノイズ成分である。

従って、観測値と(１)式から推定される推定観測値の残差は(４)式に示すような非線形関数となり、残差がノイズ成分によるものか(４)式によるものかを状態変化監視部１０４で判定することにより、目標体の状態変化を検出することが可能となる。

すなわち、観測値と状態推定が出力する推定観測値の時系列残差データが目標体の状態が変化していない場合のモデル関数である(２)式に近いのか、目標体がある時刻ｔｚｉｇで状態が変化した場合のモデル関数(４)式に近いのかを判定する。

状態変化監視部１０４において、観測値と状態推定部１０２が出力する推定観測値の時系列残差データに(２)式と目標体の状態が変化したと仮定した場合の関数の自由度と同じ次数の多項式で関数の当てはめを行い、その結果得られる当てはめ関数と時系列残差データの差分からＡＩＣ(Akaike's Information Criteria：赤池の情報量規準)を計算し、それぞれのＡＩＣの比較を行う。その結果、(４)式を多項式近似した関数を当てはめた場合のＡＩＣの方が小さければ、目標体の状態が変化したと判定する。ここで、ＡＩＣとは、観測値と理論値の差（残差）を評価する統計量であり、ＡＩＣが小さい方が当てはまり具合が高い。

なお、(２)式および(４)式は目標体の状態が変化した場合の観測方位関数および残差関数の一例であり、目標体の状態が変化したと仮定した場合の関数の自由度は目標体が状態を変化させる回数や状態推定部の出力結果に依存するため、(２)式の当てはめ結果から得られるＡＩＣと目標体が状態を変化させた場合に考え得る関数の自由度全ての多項式で当てはめを行い、ＡＩＣを比較する。

また、状態推定部が推定する係数ｘｔ、ｙｔ、ｖｘ、ｖｙの推定誤差を考慮して、(２)式に当てはめた際のＡＩＣに微小な値を減じて、多項式に当てはめたＡＩＣと比較してもよい。

以上のように、目標体の状態が変化したと仮定した場合の関数の当てはめに、関数と同じ自由度の多項式を当てはめることによって、時系列データに対する関数当てはめ問題を簡略化することができるため、大規模な計算リソースを要さない。また、(４)式にような複雑な非線形関数においてもＡＩＣを計算することが可能となる。また、図２に示すような時系列残差データが得られた場合でも、本実施例によると状態変化を検出することが可能であり、短時間で目標体の状態変化を検出することが可能である。

図５および図６に示すような目標体の状態変化を検出する方法について、さらに図３を参照しながら説明する。監視対象は目標体の運動ベクトルであり、運動ベクトルは、目標体の初期位置Ｘ、Ｙ座標および速力Ｘ、Ｙ成分から構成される。

状態変化検出装置１００は、目標から放射される音響信号の方位を連続的に観測し、観測データベース１０１を構築する。観測データベース１０１は最小でも観測時刻、観測方位、観測体Ｘ座標、観測体Ｙ座標の４つのフィールドで構成する。なお、観測状態により観測方位の誤差標準偏差を得られる場合は５つ目のフィールドとして追加してもよい。

状態推定部１０２は、観測データベース１０１を入力として、非線形最小二乗法を用いて尤もらしい目標体の運動ベクトルを推定する。状態推定部１０２は、Ｍａｒｑｕｒｄｔ法に基づいた特許文献２記載の方法、Ｎｅｗｔｏｎ法またはＰｏｗｅｌｌ法を適用し、(５)式が最小となる運動ベクトル(ｘｔ,ｙｔ,ｖｘ,ｖｙ)を求解する。

ここで、ｔ、ｏｂｙ、ｘｏ、ｙｏは、それぞれ観測データベース１０１に格納された観測時刻、観測方位、観測体Ｘ座標、観測体Ｙ座標を表し、サフィックスはデータインデックスである。
推定観測値ｅｂｙは、状態推定部１０２で求めた運動ベクトルから、(６)式により計算する。

状態変化監視部１０４の動作を、図７の処理フローを用いて説明する。図７において、状態変化監視部１０４は、観測データベース上の観測方位ｏｂｙと(６)式の推定観測方位ｅｂｙを用いて、(７)式により残差を計算する（Ｓ５０１）。

次に状態変化監視部１０４は、ステップ５０１で計算した残差に対して等速直進モデルの当てはめを行う（Ｓ５０２）。等速直進モデルの残差関数は(８)式で表される。

ここで、ｘｔ、ｙｔ、ｖｘ、ｖｙは目標体の実際の運動ベクトルであり、ｅｘｔ、ｅｙｔ、ｅｖｘ、ｅｖｙは状態推定部が推定した運動ベクトルである。(８)式の関数における未知の係数はｘｔ、ｙｔ、ｖｘ、ｖｙであり、自由度は４である。状態推定部１０２で用いたような非線形最小二乗法により各未知係数を求めることも可能だが、状態変化監視部１０４は、計算量の削減という観点から(８)式を次の同じ自由度の近似多項式を残差に当てはめ、係数ａ０、ａ１、ａ２、ａ３を求める。

状態推定部１０２が最良の解を導出した場合、実際の運動ベクトルと推定運動ベクトルが等しくなり、(９)式は(１０)式となる。

従って、状態が変化しない場合の残差関数の自由度は４または０である。
次に、状態変化監視部１０４は、等速直進モデルに対するＡＩＣを計算する。すなわち、ここでは、等速直進モデルは(９)式および(１０)式なので、それぞれのモデルについて次式によりＡＩＣを計算する（Ｓ５０３）。

ここで、ｋはモデルの自由度、ｎは観測データ数、ｚ(ｔ)は観測方位と推定観測方位の残差、ｆ(ｔ)は(９)式または(１０)式の等速直進モデルである。

状態変化監視部１０４は、次に、Ｓ５０１で計算した残差に対して、非等速直進モデルの当てはめを行う。目標体が１回状態を変えた場合の非等速直進モデルは(１２)式であり、自由度は７となる。

また、目標体が２回状態を変えた場合の非等速直進モデルは(１３)式であり、自由度は１０となる。

以上のように、非等速直進モデルは目標体が状態を変える毎に３増える。ここでは目標体が１度だけ状態を変えた場合のみを考慮して７つの係数を持った次の多項式（(１４)式）を残差に対して当てはめ、ａ０〜ａ６を求める（Ｓ５０４）。

状態変化監視部１０４は、(１２)式でモデル化した非等速直進モデルの近似式(１４)のＡＩＣを計算する（Ｓ５０５）。

最後に、状態変化監視部１０４は、ステップ５０３とステップ５０５で計算したＡＩＣを比較して、目標体が等速直進モデルであるか非等速直進モデルであるかを判定する（Ｓ５０６）。すなわち、等速直進モデルのＡＩＣが小さい値か等しいならば（ＹＥＳ）、目標体の状態は変化してないと判定し（Ｓ５０７）、終了する。ステップ５０６で、非等速直進モデルのＡＩＣが小さければ（ＮＯ）、目標体の状態が変化したと判定し（Ｓ５０８）、終了する。

本実施例の効果を、状態変化検出装置における目標体の変針・変速に適用した計算機シミュレーションにより説明する。観測体と目標体のシナリオは、図１に示した通りである。

観測体から見れば、目標体の運動は未知であり、観測体は目標体からの音響信号を周期的に観測し、目標体の方位情報を得る。さらに状態推定部において目標体の方位情報から目標体の運動ベクトルを推定し、状態変化監視部で目標体の変針・変速を監視する。

図８において、横軸は目標体検出からの経過時間、縦軸はＡＩＣの差＝（等速直進モデルのＡＩＣ−非等速直進モデルのＡＩＣ）である。なお、図７では、閾値を０として説明したが、ここでは閾値を１５とした。それぞれのＡＩＣの演算は、目標体検出後２００秒より開始し、９００秒での目標体の変針を、６０秒後の９６０秒で検出していることが、分かる。

本実施例に拠れば、目標体の観測値と推定観測値との残差を計算し、目標体が状態を変えていないモデルと、状態を変えているモデルを定式化し、両者のＡＩＣを演算して、ＡＩＣが小さい側のモデルをより尤もらしいと判断することで、短時間でも目標体の状態変化を検出する事が可能となる。

観測体と目標体の移動シナリオを説明する図である。正規化予測残差の変化を説明する図である。状態変化検出装置の機能ブロック図である。状態変化検出装置のハードウェアブロック図である。状態が変化していない場合の目標体と観測体の関係を示した図である。状態が変化した場合の目標体と観測体の関係を示した図である。状態変化検出装置の処理フローチャートである。モデル間のＡＩＣ差の変化を説明する図である。

符号の説明

１…目標体、１００…状態変化検出装置、１０１…観測データベース、１０２…状態推定部、１０３…推定観測値、１０４…状態変化監視部、１１０…システムバス、１２０…中央演算装置（ＣＰＵ）、１３０…メインメモリ、１４０…ハードディスク装置、１５０…表示装置（ＣＲＴ）、１６０…インターフェース（Ｉ/Ｆ）。

Claims

監視対象を連続的に観測して構築される観測データベースと、この観測データベースを基に前記監視対象の状態を推定する状態推定部と、この状態推定部が推定した推定観測値と前記観測データベースの比較により監視対象の状態が変化したか否かを判定する状態変化監視部と、を有する状態変化検出装置において、
前記状態変化監視部は、前記状態推定部によって推定される推定観測値と前記観測データベースに格納されている実際の観測データから計算される残差に対して、前記監視対象の状態が変化していないと仮定したモデル関数のＡＩＣと、前記監視対象の状態が変化したと仮定したモデル関数のＡＩＣとを計算し、前記ＡＩＣの差により監視対象の状態が変化したか否かを判定することを特徴とする状態変化検出装置。
コンピュータを、
監視対象の連続観測で構築された観測データベースを基に前記監視対象の状態を推定する状態推定部、および
この状態推定部によって推定される推定観測値と前記観測データベースに格納されている実際の観測データから計算される残差に対して、前記監視対象の状態が変化していないと仮定したモデル関数のＡＩＣと、前記監視対象の状態が変化したと仮定したモデル関数のＡＩＣとを計算し、前記ＡＩＣの差により監視対象の状態が変化したか否かを判定する状態変化監視部、
として機能させる状態変化検出プログラム。