JP2014206382A - 目標類識別装置 - Google Patents
目標類識別装置 Download PDFInfo
- Publication number
- JP2014206382A JP2014206382A JP2013082251A JP2013082251A JP2014206382A JP 2014206382 A JP2014206382 A JP 2014206382A JP 2013082251 A JP2013082251 A JP 2013082251A JP 2013082251 A JP2013082251 A JP 2013082251A JP 2014206382 A JP2014206382 A JP 2014206382A
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- signal data
- clutter
- target
- condition
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
【課題】蓄積するデータ量の膨大化を招くことなく、クラッタの推定精度が低い状況下や、クラッタの推定が困難な状況下でも、精度よく目標の種類を判別することができるようにする。
【解決手段】目標種類判別部9が、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力する。
【選択図】図1
【解決手段】目標種類判別部9が、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力する。
【選択図】図1
Description
この発明は、種類が未知の目標に反射されて戻ってきた反射信号から生成された目標信号データに基づいて、その目標の種類を類識別する目標類識別装置に関するものである。
従来の目標類識別装置では、予め、事前に得られている各機種の教師信号データ(種類が既知である信号データであり、実際に目標を観測することで得られた実信号データ(一部の諸元未知)、または、諸元既知の目標をシミュレーションすることで得られたシミュレーション信号データ)から特徴量を抽出することで特徴量辞書を生成するようにしている。
そして、目標信号データを入力すると、その目標信号データから特徴量を抽出し、その特徴量と特徴量辞書に格納されている特徴量を照合することで、目標の種類を判定するようにしている。
そして、目標信号データを入力すると、その目標信号データから特徴量を抽出し、その特徴量と特徴量辞書に格納されている特徴量を照合することで、目標の種類を判定するようにしている。
以下の非特許文献1に記載されている目標類識別装置では、目標が存在している領域別の辞書(クラッタ別の辞書)を用意しており、目標信号データを入力すると、その目標信号データにおけるクラッタを推定し、クラッタ別の辞書の中から、その推定値に対応する辞書を選択し、その辞書を用いて、目標の種類を判定するようにしている。
ここで、クラッタは、目標が車両であるとすれば、車両が走行している領域からの反射信号を表し、例えば、岩がゴツゴツしている凹凸が大きな領域、たくさんの草が生い茂っている領域、グランドのような平坦な領域など、反射する領域の性質に応じて分類される。
ここで、クラッタは、目標が車両であるとすれば、車両が走行している領域からの反射信号を表し、例えば、岩がゴツゴツしている凹凸が大きな領域、たくさんの草が生い茂っている領域、グランドのような平坦な領域など、反射する領域の性質に応じて分類される。
L.Novak"Effects of Various Image Enhancement Techniques on FOPEN Data",Radar Conference,2001.Proceedings of the 2001 IEEE Digital Object Identifier
従来の目標類識別装置は以上のように構成されているので、クラッタ別の辞書のうち、クラッタの推定値に対応する辞書を照合に用いることができる。しかし、クラッタの連続性の有無や分布範囲によっては、適切なグループ分けが難しいため、細かくクラッタを分類する必要がある。その結果、膨大な数の辞書が必要になるため、蓄積するデータ量が膨大になるとともに、照合時におけるクラッタの推定精度によっては、適正な辞書を選択することができず、目標の類識別精度が劣化してしまう課題があった。
この発明は上記のような課題を解決するためになされたもので、蓄積するデータ量の膨大化を招くことなく、クラッタの推定精度が低い状況下や、クラッタの推定が困難な状況下でも、精度よく目標の種類を判別することができる目標類識別装置を得ることを目的とする。
この発明に係る目標類識別装置は、各種のクラッタ条件で得られている複数の信号データとして、種類が既知である教師信号データをクラッタ条件別に格納している教師信号データ格納手段と、教師信号データ格納手段によりクラッタ条件別に格納されている複数の教師信号データのうち、同一のクラッタ条件に属しており、かつ、目標の種類が同一である複数の教師信号データの中から、信号間の類似度を表す指標が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成するクラッタ条件別辞書生成手段と、教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データとクラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、その類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する教師信号データ辞書照合手段と、教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類と、教師信号データ辞書照合手段の判別結果であるクラッタ条件別の種類との組み合わせからなる統合辞書を生成する統合辞書生成手段と、種類判別対象の目標信号データとクラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、その類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する目標信号データ辞書照合手段とを設け、目標種類判別手段が、統合辞書生成手段により生成された統合辞書に格納されているクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合手段の判別結果であるクラッタ条件別の種類の組み合わせと一致する組み合わせを特定して、その統合辞書からクラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力するようにしたものである。
この発明によれば、教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類と、教師信号データ辞書照合手段の判別結果であるクラッタ条件別の種類との組み合わせからなる統合辞書を生成する統合辞書生成手段を設け、目標種類判別手段が、統合辞書生成手段により生成された統合辞書に格納されているクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合手段の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類を特定して、その統合辞書からクラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力するように構成したので、蓄積するデータ量の膨大化を招くことなく、クラッタの推定精度が低い状況下や、クラッタの推定が困難な状況下でも、精度よく目標の種類を判別することができる効果がある。
実施の形態1.
図1はこの発明の実施の形態1による目標類識別装置を示す構成図である。
図1において、教師信号データ格納部1−1〜1−Nは例えばRAMやハードディスクなどの記憶装置から構成されており、各種のクラッタ条件で得られている複数の信号データとして、種類が既知である教師信号データをクラッタ条件別に格納している。
図1の例では、教師信号データ格納部1がN個用意され、教師信号データ格納部1−1はクラッタ条件(1)で得られている教師信号データ群(種類が異なる複数の目標の教師信号データ)からなる教師信号データファイルを格納し、教師信号データ格納部1−Nはクラッタ条件(N)で得られている教師信号データ群からなる教師信号データファイルを格納している。
図1はこの発明の実施の形態1による目標類識別装置を示す構成図である。
図1において、教師信号データ格納部1−1〜1−Nは例えばRAMやハードディスクなどの記憶装置から構成されており、各種のクラッタ条件で得られている複数の信号データとして、種類が既知である教師信号データをクラッタ条件別に格納している。
図1の例では、教師信号データ格納部1がN個用意され、教師信号データ格納部1−1はクラッタ条件(1)で得られている教師信号データ群(種類が異なる複数の目標の教師信号データ)からなる教師信号データファイルを格納し、教師信号データ格納部1−Nはクラッタ条件(N)で得られている教師信号データ群からなる教師信号データファイルを格納している。
ただし、この実施の形態1では、説明の簡単化のため、クラッタ条件として、クラッタ条件(1)、クラッタ条件(2)、クラッタ条件(3)がある例を説明する。
例えば、クラッタ条件(1)は岩がゴツゴツしている凹凸が大きな領域、クラッタ条件(2)はたくさんの草が生い茂っている領域、クラッタ条件(3)はグランドのような平坦な領域などが該当するものとする。
この場合、クラッタ条件(1)〜(3)は、当該領域の平坦度を数値化することで分けられており、領域の平坦度を表す数値は、当該クラッタ条件の条件値として扱われる。
なお、教師信号データ格納部1−1〜1−Nは教師信号データ格納手段を構成している。
例えば、クラッタ条件(1)は岩がゴツゴツしている凹凸が大きな領域、クラッタ条件(2)はたくさんの草が生い茂っている領域、クラッタ条件(3)はグランドのような平坦な領域などが該当するものとする。
この場合、クラッタ条件(1)〜(3)は、当該領域の平坦度を数値化することで分けられており、領域の平坦度を表す数値は、当該クラッタ条件の条件値として扱われる。
なお、教師信号データ格納部1−1〜1−Nは教師信号データ格納手段を構成している。
クラッタ条件別辞書生成部2は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師信号データ格納部1−1により格納されているクラッタ条件(1)に属している複数の教師信号データのうち、目標の種類が同一である複数の教師信号データの間の類似度を表す指標である相関係数を算出し、上記複数の教師信号データの中から、その相関係数が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データを生成する処理を実施する。
また、同様に、教師信号データ格納部1−2(教師信号データ格納部1−3)により格納されているクラッタ条件(2)に属している複数の教師信号データ(クラッタ条件(3)に属している複数の教師信号データ)のうち、目標の種類が同一である複数の教師信号データの間の相関係数を算出し、上記複数の教師信号データの中から、その相関係数が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データを生成する処理を実施する。
また、同様に、教師信号データ格納部1−2(教師信号データ格納部1−3)により格納されているクラッタ条件(2)に属している複数の教師信号データ(クラッタ条件(3)に属している複数の教師信号データ)のうち、目標の種類が同一である複数の教師信号データの間の相関係数を算出し、上記複数の教師信号データの中から、その相関係数が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データを生成する処理を実施する。
クラッタ条件別辞書生成部2はクラッタ条件別に複数の種類の辞書信号データを生成すると、複数の種類の辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成する処理を実施する。なお、クラッタ条件別辞書生成部2はクラッタ条件別辞書生成手段を構成している。
クラッタ条件別辞書格納部3は例えばRAMやハードディスクなどの記憶装置から構成されており、クラッタ条件別辞書生成部2により生成されたクラッタ条件別辞書を格納する。
クラッタ条件別辞書格納部3は例えばRAMやハードディスクなどの記憶装置から構成されており、クラッタ条件別辞書生成部2により生成されたクラッタ条件別辞書を格納する。
教師信号データ辞書照合部4は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データ毎に、当該教師信号データとクラッタ条件別辞書格納部3により格納されているクラッタ条件別辞書における複数の種類の辞書信号データとの相関係数をそれぞれ算出し、その相関係数が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する処理を実施する。なお、教師信号データ辞書照合部4は教師信号データ辞書照合手段を構成している。
クラッタ条件統合辞書生成部5は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類と、教師信号データ辞書照合部4の判別結果であるクラッタ条件別の種類との組み合わせからなるクラッタ条件統合辞書を生成する処理を実施する。なお、クラッタ条件統合辞書生成部5は統合辞書生成手段を構成している。
クラッタ条件統合辞書格納部6は例えばRAMやハードディスクなどの記憶装置から構成されており、クラッタ条件統合辞書生成部5により生成されたクラッタ条件統合辞書を格納する。
クラッタ条件統合辞書格納部6は例えばRAMやハードディスクなどの記憶装置から構成されており、クラッタ条件統合辞書生成部5により生成されたクラッタ条件統合辞書を格納する。
目標信号データ格納部7は例えばRAMやハードディスクなどの記憶装置から構成されており、種類判別対象の目標信号データ(例えば、種類が未知の目標に反射して戻ってきた反射信号から生成されたデータ)を格納している。
図1には記載していないが、目標信号データ格納部7の入力側には、目標信号データを観測する信号処理装置が接続されている。
目標信号データ辞書照合部8は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、目標信号データ格納部7により格納されている目標信号データとクラッタ条件別辞書格納部3により格納されているクラッタ条件別辞書における複数の種類の辞書信号データとの相関係数をそれぞれ算出し、その相関係数が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する処理を実施する。なお、目標信号データ辞書照合部8は目標信号データ辞書照合手段を構成している。
図1には記載していないが、目標信号データ格納部7の入力側には、目標信号データを観測する信号処理装置が接続されている。
目標信号データ辞書照合部8は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、目標信号データ格納部7により格納されている目標信号データとクラッタ条件別辞書格納部3により格納されているクラッタ条件別辞書における複数の種類の辞書信号データとの相関係数をそれぞれ算出し、その相関係数が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する処理を実施する。なお、目標信号データ辞書照合部8は目標信号データ辞書照合手段を構成している。
目標種類判別部9は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力する処理を実施する。なお、目標種類判別部9は目標種類判別手段を構成している。
目標種類判別結果格納部10は例えばRAMやハードディスクなどの記憶装置から構成されており、目標種類判別部9から出力された目標種類判別結果を格納する。
目標種類判別結果格納部10は例えばRAMやハードディスクなどの記憶装置から構成されており、目標種類判別部9から出力された目標種類判別結果を格納する。
図1の例では、目標類識別装置の構成要素である教師信号データ格納部1−1〜1−N、クラッタ条件別辞書生成部2、クラッタ条件別辞書格納部3、教師信号データ辞書照合部4、クラッタ条件統合辞書生成部5、クラッタ条件統合辞書格納部6、目標信号データ格納部7、目標信号データ辞書照合部8、目標種類判別部9及び目標種類判別結果格納部10のそれぞれが専用のハードウェアで構成されているものを想定しているが、目標類識別装置がコンピュータで構成されていてもよい。
目標類識別装置がコンピュータで構成されている場合、教師信号データ格納部1−1〜1−N、クラッタ条件別辞書格納部3、クラッタ条件統合辞書格納部6、目標信号データ格納部7及び目標種類判別結果格納部10をコンピュータの内部メモリ又は外部メモリ上に構成するとともに、クラッタ条件別辞書生成部2、教師信号データ辞書照合部4、クラッタ条件統合辞書生成部5、目標信号データ辞書照合部8及び目標種類判別部9の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリ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。
目標類識別装置がコンピュータで構成されている場合、教師信号データ格納部1−1〜1−N、クラッタ条件別辞書格納部3、クラッタ条件統合辞書格納部6、目標信号データ格納部7及び目標種類判別結果格納部10をコンピュータの内部メモリ又は外部メモリ上に構成するとともに、クラッタ条件別辞書生成部2、教師信号データ辞書照合部4、クラッタ条件統合辞書生成部5、目標信号データ辞書照合部8及び目標種類判別部9の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリ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。
次に動作について説明する。
教師信号データ格納部1−1〜1−Nは、クラッタ条件別にN個用意されており、各種のクラッタ条件で得られている教師信号データ群LS(CL1)〜LS(CLN)を格納している。
この実施の形態1では、上述したように、クラッタ条件として、クラッタ条件(1)、クラッタ条件(2)、クラッタ条件(3)がある例を説明するので(N=3)、教師信号データ格納部1−1はクラッタ条件(1)で得られている教師信号データ群LS(CL1)、教師信号データ格納部1−2はクラッタ条件(2)で得られている教師信号データ群LS(CL2)、教師信号データ格納部1−3はクラッタ条件(3)で得られている教師信号データ群LS(CL3)を格納している。
教師信号データ格納部1−1〜1−Nは、クラッタ条件別にN個用意されており、各種のクラッタ条件で得られている教師信号データ群LS(CL1)〜LS(CLN)を格納している。
この実施の形態1では、上述したように、クラッタ条件として、クラッタ条件(1)、クラッタ条件(2)、クラッタ条件(3)がある例を説明するので(N=3)、教師信号データ格納部1−1はクラッタ条件(1)で得られている教師信号データ群LS(CL1)、教師信号データ格納部1−2はクラッタ条件(2)で得られている教師信号データ群LS(CL2)、教師信号データ格納部1−3はクラッタ条件(3)で得られている教師信号データ群LS(CL3)を格納している。
この実施の形態1では、説明の便宜上、目標の種類として、機種A/機種B/機種Cの3種類があるものとして説明する。
クラッタ条件別辞書生成部2は、教師信号データ格納部1−1により格納されているクラッタ条件(1)に属している教師信号データ群LS(CL1)のうち、目標の種類が同一である複数の教師信号データの間の相関係数を算出し、複数の教師信号データの中から、その相関係数が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データを生成する。
以下、目標の種類が機種Aである複数の教師信号データの間の相関係数CAを算出し、目標の種類が機種Aである複数の教師信号データの中から、その相関係数CAが最も高くなる教師信号データを機種Aの辞書信号データとして選択する処理を具体的に説明する。
クラッタ条件別辞書生成部2は、教師信号データ格納部1−1により格納されているクラッタ条件(1)に属している教師信号データ群LS(CL1)のうち、目標の種類が同一である複数の教師信号データの間の相関係数を算出し、複数の教師信号データの中から、その相関係数が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データを生成する。
以下、目標の種類が機種Aである複数の教師信号データの間の相関係数CAを算出し、目標の種類が機種Aである複数の教師信号データの中から、その相関係数CAが最も高くなる教師信号データを機種Aの辞書信号データとして選択する処理を具体的に説明する。
クラッタ条件別辞書生成部2は、クラッタ条件(1)に属している機種Aの教師信号データの個数がn個であれば、n個の教師信号データの中から、任意の1つの教師信号データを「相関算出対象データLS(CL1)0」として選択し、残りのn−1個の教師信号データをLS(CL1)1〜LS(CL1)n−1とする。
そして、クラッタ条件別辞書生成部2は、相関算出対象データLS(CL1)0と、教師信号データLS(CL1)1〜LS(CL1)n−1との間の相関係数CAをそれぞれ算出し、それらの相関係数CAの総和と分散を評価指標として、相関算出対象データLS(CL1)0の相関総評価値E(CL1)0を決定する。
そして、クラッタ条件別辞書生成部2は、相関算出対象データLS(CL1)0と、教師信号データLS(CL1)1〜LS(CL1)n−1との間の相関係数CAをそれぞれ算出し、それらの相関係数CAの総和と分散を評価指標として、相関算出対象データLS(CL1)0の相関総評価値E(CL1)0を決定する。
例えば、教師信号データが、横軸がレンジプロフィール等の距離方向、縦軸が振幅値である信号データであれば、教師信号データLS(CL1)m(m=1,2,・・・,n−1)を相関算出対象データLS(CL1)0と重ね合わせる位置を距離方向にずらしながら、相関算出対象データLS(CL1)0と教師信号データLS(CL1)mとの間の相関係数CA’を算出し、複数の重ね合わせ位置での相関係数CA’の中で、最も高い相関係数CA’maxを、教師信号データLS(CL1)mと相関算出対象データLS(CL1)0の組み合わせに対する相関係数CAとして決定する。
また、クラッタ条件別辞書生成部2は、n個の教師信号データの中から、先の選択した教師信号データと異なる1つの教師信号データを「相関算出対象データLS(CL1)0」として選択して、上記と同様の方法で相関係数CAを決定する。
以下、クラッタ条件(1)に属しているn個の教師信号データを順番に相関算出対象データLS(CL1)0」として選択して、上記と同様の方法で相関係数CAを決定する。
これにより、クラッタ条件(1)に属している教師信号データの個数がn個であれば、各相関算出対象データLS(CL1)0に対し相関係数CAがn−1個決定される。
また、クラッタ条件別辞書生成部2は、n個の教師信号データの中から、先の選択した教師信号データと異なる1つの教師信号データを「相関算出対象データLS(CL1)0」として選択して、上記と同様の方法で相関係数CAを決定する。
以下、クラッタ条件(1)に属しているn個の教師信号データを順番に相関算出対象データLS(CL1)0」として選択して、上記と同様の方法で相関係数CAを決定する。
これにより、クラッタ条件(1)に属している教師信号データの個数がn個であれば、各相関算出対象データLS(CL1)0に対し相関係数CAがn−1個決定される。
クラッタ条件別辞書生成部2は、各相関算出対象データLS(CL1)0に対しn−1個の相関係数CAを決定すると、n−1個の相関係数CAの総和と分散を評価指標として、相関算出対象データLS(CL1)0に対する相関総評価値E(CL1)0を決定する。同様な処理を全相関算出対象データLS(CL1)0〜LS(CL1)n−1に対して行う。
次に全相関算出対象データLS(CL1)0〜LS(CL1)n−1の相関総評価値E(CL1)0〜E(CL1)n−1を比較し、最大となる相関総評価値を最大相関総評価値E(CL1)Amaxとし、最大相関総評価値E(CL1)Amaxの算出に係る相関算出対象データを機種Aの辞書信号データに決定する。
クラッタ条件別辞書生成部2は、クラッタ条件(1)に属している機種Bの教師信号データについても、機種Aの教師信号データと同様に取り扱う。即ち、複数の相関総評価値E(CL1)0〜E(CL1)n−1の中で、最も高い最大相関総評価値E(CL1) Bmaxを特定し、その最大相関総評価値E(CL1)Bmaxの算出に係る相関算出対象データLS(CL1)0を機種Bの辞書信号データに決定する。
クラッタ条件(1)に属している機種Cの教師信号データについても、機種Aの教師信号データと同様に取り扱う。即ち、複数の相関総評価値E(CL1)0〜E(CL1)n−1の中で、最も高い最大相関総評価値E(CL1)Cmaxを特定し、その最大相関総評価値E(CL1)Cmaxの算出に係る相関算出対象データを機種Cの辞書信号データに決定する。
次に全相関算出対象データLS(CL1)0〜LS(CL1)n−1の相関総評価値E(CL1)0〜E(CL1)n−1を比較し、最大となる相関総評価値を最大相関総評価値E(CL1)Amaxとし、最大相関総評価値E(CL1)Amaxの算出に係る相関算出対象データを機種Aの辞書信号データに決定する。
クラッタ条件別辞書生成部2は、クラッタ条件(1)に属している機種Bの教師信号データについても、機種Aの教師信号データと同様に取り扱う。即ち、複数の相関総評価値E(CL1)0〜E(CL1)n−1の中で、最も高い最大相関総評価値E(CL1) Bmaxを特定し、その最大相関総評価値E(CL1)Bmaxの算出に係る相関算出対象データLS(CL1)0を機種Bの辞書信号データに決定する。
クラッタ条件(1)に属している機種Cの教師信号データについても、機種Aの教師信号データと同様に取り扱う。即ち、複数の相関総評価値E(CL1)0〜E(CL1)n−1の中で、最も高い最大相関総評価値E(CL1)Cmaxを特定し、その最大相関総評価値E(CL1)Cmaxの算出に係る相関算出対象データを機種Cの辞書信号データに決定する。
ここでは、教師信号データ格納部1−1により格納されているクラッタ条件(1)に属している教師信号データ群LS(CL1)から、機種A/機種B/機種Cの辞書信号データを生成するものを示したが、教師信号データ格納部1−2(教師信号データ格納部1−3)により格納されているクラッタ条件(2)に属している教師信号データ群LS(CL2)(クラッタ条件(3)に属している教師信号データ群LS(CL3))からも同様の方法で、機種A/機種B/機種Cの辞書信号データを生成する。
クラッタ条件別辞書生成部2は、クラッタ条件別に機種A/機種B/機種Cの辞書信号データを生成すると、図2に示すように、機種A/機種B/機種Cの辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成し、そのクラッタ条件別辞書をクラッタ条件別辞書格納部3に格納する。
クラッタ条件別辞書生成部2は、クラッタ条件別に機種A/機種B/機種Cの辞書信号データを生成すると、図2に示すように、機種A/機種B/機種Cの辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成し、そのクラッタ条件別辞書をクラッタ条件別辞書格納部3に格納する。
教師信号データ辞書照合部4は、クラッタ条件別辞書生成部2がクラッタ条件別辞書をクラッタ条件別辞書格納部3に格納すると、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データ毎に、当該教師信号データとクラッタ条件別辞書格納部3により格納されているクラッタ条件別辞書における機種A/機種B/機種Cの辞書信号データとの相関係数をそれぞれ算出し、その相関係数が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する。
以下、教師信号データ辞書照合部4の処理内容を具体的に説明する。
以下、教師信号データ辞書照合部4の処理内容を具体的に説明する。
教師信号データ辞書照合部4は、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データの中から、任意の1つの教師信号データを選択し、その教師信号データとクラッタ条件別辞書におけるクラッタ条件(1)の機種Aの辞書信号データとの相関係数EAを算出する。
例えば、教師信号データ(辞書信号データ)が、横軸がレンジプロフィール等の距離方向、縦軸が振幅値である信号データであれば、教師信号データを辞書信号データと重ね合わせる位置を距離方向にずらしながら、教師信号データと辞書信号データとの間の相関係数EA’を算出し、複数の重ね合わせ位置での相関係数EA’の中で、最も高い相関係数EA’maxを相関係数EAに決定する。
教師信号データ辞書照合部4は、同様の方法で、その教師信号データとクラッタ条件別辞書におけるクラッタ条件(1)の機種Bの辞書信号データとの相関係数EBを算出するとともに、クラッタ条件(1)の機種Cの辞書信号データとの相関係数ECを算出する。
例えば、教師信号データ(辞書信号データ)が、横軸がレンジプロフィール等の距離方向、縦軸が振幅値である信号データであれば、教師信号データを辞書信号データと重ね合わせる位置を距離方向にずらしながら、教師信号データと辞書信号データとの間の相関係数EA’を算出し、複数の重ね合わせ位置での相関係数EA’の中で、最も高い相関係数EA’maxを相関係数EAに決定する。
教師信号データ辞書照合部4は、同様の方法で、その教師信号データとクラッタ条件別辞書におけるクラッタ条件(1)の機種Bの辞書信号データとの相関係数EBを算出するとともに、クラッタ条件(1)の機種Cの辞書信号データとの相関係数ECを算出する。
次に、教師信号データ辞書照合部4は、相関係数EA,EB,ECを比較して、最も高い相関係数を特定し、最も高い相関係数の算出に係る辞書信号データに対応する機種をクラッタ条件別辞書のクラッタ条件(1)での機種判別結果としてクラッタ条件統合辞書生成部5に出力する。
例えば、最も高い相関係数が相関係数EAであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Aであるとし、最も高い相関係数が相関係数EBであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Bであるとし、最も高い相関係数が相関係数ECであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Cであるとする。
例えば、最も高い相関係数が相関係数EAであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Aであるとし、最も高い相関係数が相関係数EBであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Bであるとし、最も高い相関係数が相関係数ECであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Cであるとする。
次に、教師信号データ辞書照合部4は、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データの中から、先の選択した教師信号データと異なる1つの教師信号データを選択し、その教師信号データについても、上記と同様の処理を実施することで、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果を取得する。
以下、教師信号データ格納部1−1〜1−Nにより格納されている全ての教師信号データを順番に選択し、その選択した教師信号データについても、上記と同様の処理を実施することで、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果を取得する。
以下、教師信号データ格納部1−1〜1−Nにより格納されている全ての教師信号データを順番に選択し、その選択した教師信号データについても、上記と同様の処理を実施することで、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果を取得する。
ここでは、教師信号データとクラッタ条件(1)の機種A/機種B/機種Cの辞書信号データとを照合することで、クラッタ条件(1)での機種判別結果を取得するものを示したが、同様に、教師信号データをクラッタ条件(2)(3)の機種A/機種B/機種Cの辞書信号データとも照合することで、クラッタ条件(2)(3)での機種判別結果を取得する。
なお、最も高い相関係数の算出に係る辞書信号データに対応する機種を機種判別結果としてクラッタ条件統合辞書生成部5に出力するようにしているが、最も高い相関係数が複数存在する場合、それらの相関係数の算出に係る辞書信号データに対応する機種の全てを機種判別結果として出力する。
また、最も高い相関係数が所定の種類判定用閾値より低くて、判別精度が保証できない場合、「該当機種なし」である旨を示す機種判別結果を出力するようにしてもよい。これにより、辞書に未登録の未知機種にも対応することが可能になる。
種類判定用閾値としては、例えば、「事前に得られている種類既知の目標信号データ」の該当する辞書との相関係数の分布状況に基づいて設定されるものが考えられる。
また、最も高い相関係数が所定の種類判定用閾値より低くて、判別精度が保証できない場合、「該当機種なし」である旨を示す機種判別結果を出力するようにしてもよい。これにより、辞書に未登録の未知機種にも対応することが可能になる。
種類判定用閾値としては、例えば、「事前に得られている種類既知の目標信号データ」の該当する辞書との相関係数の分布状況に基づいて設定されるものが考えられる。
クラッタ条件統合辞書生成部5は、教師信号データ格納部1−1〜1−Nにより格納されている各々の教師信号データについて、教師信号データ辞書照合部4からクラッタ条件別辞書のクラッタ条件(1)〜(3)での機種判別結果を受けると、図3に示すように、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類(教師信号データは、目標の種類が既知の信号データであるため、正解の種類は分かっている)と、クラッタ条件(1)〜(3)での機種判別結果との組み合わせからなるクラッタ条件統合辞書を生成する。
図3のクラッタ条件統合辞書の例では、教師信号データ1については、クラッタ条件(1)〜(3)での機種判別結果が「機種A 機種B 機種A」であって、目標の正解種類が「機種A」である適合判定パターン1が登録されている。
また、教師信号データ2については、クラッタ条件(1)〜(3)での機種判別結果が「機種A 機種A 機種A」であって、目標の正解種類が「機種A」である適合判定パターン2が登録されている。
また、教師信号データ3については、クラッタ条件(1)〜(3)での機種判別結果が「機種B 機種A 機種B」であって、目標の正解種類が「機種B」である適合判定パターン3が登録されている。
図3のクラッタ条件統合辞書の例では、教師信号データ1については、クラッタ条件(1)〜(3)での機種判別結果が「機種A 機種B 機種A」であって、目標の正解種類が「機種A」である適合判定パターン1が登録されている。
また、教師信号データ2については、クラッタ条件(1)〜(3)での機種判別結果が「機種A 機種A 機種A」であって、目標の正解種類が「機種A」である適合判定パターン2が登録されている。
また、教師信号データ3については、クラッタ条件(1)〜(3)での機種判別結果が「機種B 機種A 機種B」であって、目標の正解種類が「機種B」である適合判定パターン3が登録されている。
クラッタ条件統合辞書生成部5は、クラッタ条件統合辞書を生成すると、そのクラッタ条件統合辞書をクラッタ条件統合辞書格納部6に格納する。
なお、正解種類が同じ教師信号データであっても、教師信号データ辞書照合部4での機種判別結果が異なり、異なる適合判定パターンがクラッタ条件統合辞書に登録されることがある。
その場合であっても、全ての適合判定パターンをクラッタ条件統合辞書に登録するようにする。
逆に、1つの適合判定パターンに対する正解種類が一意でない場合もあり得る。その場合も、全ての適合判定パターンをクラッタ条件統合辞書に登録するようにする。
なお、正解種類が同じ教師信号データであっても、教師信号データ辞書照合部4での機種判別結果が異なり、異なる適合判定パターンがクラッタ条件統合辞書に登録されることがある。
その場合であっても、全ての適合判定パターンをクラッタ条件統合辞書に登録するようにする。
逆に、1つの適合判定パターンに対する正解種類が一意でない場合もあり得る。その場合も、全ての適合判定パターンをクラッタ条件統合辞書に登録するようにする。
目標信号データ辞書照合部8は、目標信号データ格納部7により格納されている目標信号データと、クラッタ条件別辞書格納部3により格納されているクラッタ条件別辞書における機種A/機種B/機種Cの辞書信号データとの相関係数をそれぞれ算出し、その相関係数が最も高くなる辞書信号データに対応する機種をクラッタ条件別の機種判別結果とする。
以下、目標信号データ辞書照合部8の処理内容を具体的に説明する。
以下、目標信号データ辞書照合部8の処理内容を具体的に説明する。
目標信号データ辞書照合部8は、目標信号データ格納部7により格納されている目標信号データ(複数の目標信号データが格納されている場合には、任意の1つの目標信号データを選択する)と、クラッタ条件別辞書におけるクラッタ条件(1)の機種Aの辞書信号データとの相関係数FAを算出する。相関係数の算出処理は、教師信号データ辞書照合部4と同様であるため説明を省略する。
目標信号データ辞書照合部8は、同様の方法で、その目標信号データとクラッタ条件別辞書におけるクラッタ条件(1)の機種Bの辞書信号データとの相関係数FBを算出するとともに、クラッタ条件(1)の機種Cの辞書信号データとの相関係数FCを算出する。
目標信号データ辞書照合部8は、同様の方法で、その目標信号データとクラッタ条件別辞書におけるクラッタ条件(1)の機種Bの辞書信号データとの相関係数FBを算出するとともに、クラッタ条件(1)の機種Cの辞書信号データとの相関係数FCを算出する。
次に、目標信号データ辞書照合部8は、相関係数FA,FB,FCを比較して、最も高い相関係数を特定し、最も高い相関係数の算出に係る辞書信号データに対応する機種をクラッタ条件別辞書のクラッタ条件(1)での機種判別結果として目標種類判別部9に出力する。
例えば、最も高い相関係数が相関係数FAであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Aであるとし、最も高い相関係数が相関係数FBであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Bであるとし、最も高い相関係数が相関係数FCであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Cであるとする。
例えば、最も高い相関係数が相関係数FAであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Aであるとし、最も高い相関係数が相関係数FBであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Bであるとし、最も高い相関係数が相関係数FCであれば、クラッタ条件別辞書のクラッタ条件(1)での機種判別結果が機種Cであるとする。
ここでは、目標信号データとクラッタ条件(1)の機種A/機種B/機種Cの辞書信号データとを照合することで、クラッタ条件(1)での機種判別結果を取得するものを示したが、同様に、教師信号データをクラッタ条件(2)(3)の機種A/機種B/機種Cの辞書信号データとも照合することで、クラッタ条件(2)(3)での機種判別結果を取得する。
目標種類判別部9は、目標信号データ辞書照合部8からクラッタ条件別辞書のクラッタ条件(1)〜(3)での機種判別結果を受けると、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類と一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得する。
例えば、クラッタ条件(1)〜(3)での機種判別結果が「機種A 機種B 機種A」であれば、図3に示すように、適合判定パターン1におけるクラッタ条件別の機種判別結果の組み合わせと一致するため、目標の正解種類として「機種A」を取得する。
また、クラッタ条件(1)〜(3)での機種判別結果が「機種B 機種A 機種B」であれば、図3に示すように、適合判定パターン3におけるクラッタ条件別の機種判別結果と一致するため、目標の正解種類として「機種B」を取得する。
例えば、クラッタ条件(1)〜(3)での機種判別結果が「機種A 機種B 機種A」であれば、図3に示すように、適合判定パターン1におけるクラッタ条件別の機種判別結果の組み合わせと一致するため、目標の正解種類として「機種A」を取得する。
また、クラッタ条件(1)〜(3)での機種判別結果が「機種B 機種A 機種B」であれば、図3に示すように、適合判定パターン3におけるクラッタ条件別の機種判別結果と一致するため、目標の正解種類として「機種B」を取得する。
目標種類判別部9は、クラッタ条件統合辞書から目標の正解種類を取得すると、その正解種類を目標種類判別結果として目標種類判別結果格納部10に格納する。
なお、クラッタ条件統合辞書には、上述したように、1つの適合判定パターンに対して、複数の正解種類が存在する場合がある。その場合は、該当する全正解種類を目標種類判別結果として目標種類判別結果格納部10に格納するようにする。
なお、クラッタ条件統合辞書には、上述したように、1つの適合判定パターンに対して、複数の正解種類が存在する場合がある。その場合は、該当する全正解種類を目標種類判別結果として目標種類判別結果格納部10に格納するようにする。
以上で明らかなように、この実施の形態1によれば、教師信号データ格納部1−1〜1−Nにより格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類と、教師信号データ辞書照合部4の判別結果であるクラッタ条件別の種類との組み合わせからなるクラッタ条件統合辞書を生成するクラッタ条件統合辞書生成部5を設け、目標種類判別部9が、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力するように構成したので、蓄積するデータ量の膨大化を招くことなく、クラッタの推定精度が低い状況下や、クラッタの推定が困難な状況下でも、精度よく目標の種類を判別することができる効果を奏する。即ち、クラッタ条件のグループ分けの適正の度合いや、目標信号データのクラッタ推定精度に左右されずに、所望の類別性能を維持することができる効果を奏する。
この実施の形態1では、目標の種類が、機種A/機種B/機種Cの3種類がある例を示したが、これに限るものではなく、例えば、目標の種類が、機種と目標方向の組み合わせからなるものであってもよい。
例えば、目標の種類が、機種A/機種B/機種Cの3種類と、目標方向1/目標方向2の2種類の組み合わせからなる場合、下記に示すように、目標の種類が全部で6種類になる。
種類1 → 機種A 目標方向1
種類2 → 機種A 目標方向2
種類3 → 機種B 目標方向1
種類4 → 機種B 目標方向2
種類5 → 機種C 目標方向1
種類6 → 機種C 目標方向2
例えば、目標の種類が、機種A/機種B/機種Cの3種類と、目標方向1/目標方向2の2種類の組み合わせからなる場合、下記に示すように、目標の種類が全部で6種類になる。
種類1 → 機種A 目標方向1
種類2 → 機種A 目標方向2
種類3 → 機種B 目標方向1
種類4 → 機種B 目標方向2
種類5 → 機種C 目標方向1
種類6 → 機種C 目標方向2
図4は目標の種類が上記の6種類である場合のクラッタ条件統合辞書の登録例を示す説明図である。
この場合、例えば、クラッタ条件(1)〜(3)での種類判別結果が「(機種A 目標方向1) (機種B 目標方向2) (機種A 目標方向1)」であれば、図4に示すように、適合判定パターン1におけるクラッタ条件別の種類判別結果と一致するため、目標の正解種類として「機種A 目標方向1」を取得する。
また、クラッタ条件(1)〜(3)での種類判別結果が「(機種B 目標方向1) (機種A 目標方向1) (機種B 目標方向2)」であれば、図4に示すように、適合判定パターン3におけるクラッタ条件別の種類判別結果の組み合わせと一致するため、目標の正解種類として「機種B 目標方向2」を取得する。
この場合、例えば、クラッタ条件(1)〜(3)での種類判別結果が「(機種A 目標方向1) (機種B 目標方向2) (機種A 目標方向1)」であれば、図4に示すように、適合判定パターン1におけるクラッタ条件別の種類判別結果と一致するため、目標の正解種類として「機種A 目標方向1」を取得する。
また、クラッタ条件(1)〜(3)での種類判別結果が「(機種B 目標方向1) (機種A 目標方向1) (機種B 目標方向2)」であれば、図4に示すように、適合判定パターン3におけるクラッタ条件別の種類判別結果の組み合わせと一致するため、目標の正解種類として「機種B 目標方向2」を取得する。
実施の形態2.
図5はこの発明の実施の形態2による目標類識別装置を示す構成図であり、図において、図1と同一符号は同一または相当部分を示すので説明を省略する。
クラッタ条件ロバスト辞書生成部11は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師信号データ辞書照合部4によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ算出し、各々の目標種類判別結果に対する類別性能期待値が登録されているクラッタ条件ロバスト辞書を生成する処理を実施する。なお、クラッタ条件ロバスト辞書生成部11はロバスト辞書生成手段を構成している。
クラッタ条件ロバスト辞書格納部12は例えばRAMやハードディスクなどの記憶装置から構成されており、クラッタ条件ロバスト辞書生成部11により生成されたクラッタ条件ロバスト辞書を格納する。
図5はこの発明の実施の形態2による目標類識別装置を示す構成図であり、図において、図1と同一符号は同一または相当部分を示すので説明を省略する。
クラッタ条件ロバスト辞書生成部11は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、教師信号データ辞書照合部4によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ算出し、各々の目標種類判別結果に対する類別性能期待値が登録されているクラッタ条件ロバスト辞書を生成する処理を実施する。なお、クラッタ条件ロバスト辞書生成部11はロバスト辞書生成手段を構成している。
クラッタ条件ロバスト辞書格納部12は例えばRAMやハードディスクなどの記憶装置から構成されており、クラッタ条件ロバスト辞書生成部11により生成されたクラッタ条件ロバスト辞書を格納する。
目標種類判別部13は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、クラッタ条件ロバスト辞書格納部12により格納されているクラッタ条件ロバスト辞書から、目標信号データ辞書照合部8によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、その類別性能期待値が最も高い目標種類判別結果を出力する処理を実施する。なお、目標種類判別部13は目標種類判別手段を構成している。
図5の例では、目標類識別装置の構成要素である教師信号データ格納部1−1〜1−N、クラッタ条件別辞書生成部2、クラッタ条件別辞書格納部3、教師信号データ辞書照合部4、クラッタ条件ロバスト辞書生成部11、クラッタ条件ロバスト辞書格納部12、目標信号データ格納部7、目標信号データ辞書照合部8、目標種類判別部13及び目標種類判別結果格納部10のそれぞれが専用のハードウェアで構成されているものを想定しているが、目標類識別装置がコンピュータで構成されていてもよい。
目標類識別装置がコンピュータで構成されている場合、教師信号データ格納部1−1〜1−N、クラッタ条件別辞書格納部3、クラッタ条件ロバスト辞書格納部12、目標信号データ格納部7及び目標種類判別結果格納部10をコンピュータの内部メモリ又は外部メモリ上に構成するとともに、クラッタ条件別辞書生成部2、教師信号データ辞書照合部4、クラッタ条件ロバスト辞書生成部11、目標信号データ辞書照合部8及び目標種類判別部13の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリ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。
目標類識別装置がコンピュータで構成されている場合、教師信号データ格納部1−1〜1−N、クラッタ条件別辞書格納部3、クラッタ条件ロバスト辞書格納部12、目標信号データ格納部7及び目標種類判別結果格納部10をコンピュータの内部メモリ又は外部メモリ上に構成するとともに、クラッタ条件別辞書生成部2、教師信号データ辞書照合部4、クラッタ条件ロバスト辞書生成部11、目標信号データ辞書照合部8及び目標種類判別部13の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリ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。
次に動作について説明する。
クラッタ条件ロバスト辞書生成部11及び目標種類判別部13以外の処理内容は上記実施の形態1と同様であるため、ここでは、主にクラッタ条件ロバスト辞書生成部11及び目標種類判別部13の処理内容について説明する。
クラッタ条件ロバスト辞書生成部11及び目標種類判別部13以外の処理内容は上記実施の形態1と同様であるため、ここでは、主にクラッタ条件ロバスト辞書生成部11及び目標種類判別部13の処理内容について説明する。
クラッタ条件ロバスト辞書生成部11は、教師信号データ辞書照合部4からクラッタ条件(1)〜(3)での目標種類判別結果を受けると、照合辞書のクラッタ条件と異なるクラッタ条件の教師信号データに対する目標種類判別結果であるクラッタ条件クロス判定結果から、各種類判別結果に対する類別性能期待値をそれぞれ算出する。
例えば、類別性能期待値として、クラッタ条件クロス判定結果の再現率と適合率を算出する。
クラッタ条件クロス判定結果の再現率は、該当機種を正しく判定できた確率(正答率)を示すものである。
例えば、クラッタ条件(1)に属している教師信号データの中で、機種Aの教師信号データの個数が100個である場合において、100個の機種Aの教師信号データをクラッタ条件(2)の辞書信号データと照合したとき、目標種類判別結果が「機種A」となる確率であり、例えば、クラッタ条件(2)の辞書信号データと照合で得られる目標種類判別結果「機種A」の個数が60個であれば、適合率は、60/100となる。
例えば、類別性能期待値として、クラッタ条件クロス判定結果の再現率と適合率を算出する。
クラッタ条件クロス判定結果の再現率は、該当機種を正しく判定できた確率(正答率)を示すものである。
例えば、クラッタ条件(1)に属している教師信号データの中で、機種Aの教師信号データの個数が100個である場合において、100個の機種Aの教師信号データをクラッタ条件(2)の辞書信号データと照合したとき、目標種類判別結果が「機種A」となる確率であり、例えば、クラッタ条件(2)の辞書信号データと照合で得られる目標種類判別結果「機種A」の個数が60個であれば、適合率は、60/100となる。
クラッタ条件クロス判定結果の適合率は、該当機種と判定された答えの確からしさ(信頼性)を示すものである。
例えば、クラッタ条件(1)に属している正解機種が「機種A」もしくは「機種B」もしくは「機種C」の教師信号データと、クラッタ条件(2)の辞書信号データと照合したとき、「機種A」と判定された教師信号データ100個のうち、60個の正解機種が「機種A」であり、残り40個の正解機種が「機種B」もしくは「機種C」であった場合、適合率は、60/100となる。
例えば、クラッタ条件(1)に属している正解機種が「機種A」もしくは「機種B」もしくは「機種C」の教師信号データと、クラッタ条件(2)の辞書信号データと照合したとき、「機種A」と判定された教師信号データ100個のうち、60個の正解機種が「機種A」であり、残り40個の正解機種が「機種B」もしくは「機種C」であった場合、適合率は、60/100となる。
クラッタ条件ロバスト辞書生成部11は、教師信号データ辞書照合部4から出力された目標種類判定結果のうち、クラッタ条件クロス判定の各種類判別結果に対する類別性能期待値をそれぞれ算出し、クラッタ条件クロス判定の目標種類判別結果と、その目標種類判別結果に対する類別性能期待値とからなるクラッタ条件ロバスト辞書を生成し、そのクラッタ条件ロバスト辞書をクラッタ条件ロバスト辞書格納部12に格納する。
図6はクラッタ条件ロバスト辞書の登録例を示す説明図である。
図6では、クラッタ条件が「クラッタ条件(1)/(2)」の2種、目標機種が、機種A/機種Bの2種類と、目標方向1/目標方向2の2種類の組み合わせからなる場合の登録例である。
図6はクラッタ条件ロバスト辞書の登録例を示す説明図である。
図6では、クラッタ条件が「クラッタ条件(1)/(2)」の2種、目標機種が、機種A/機種Bの2種類と、目標方向1/目標方向2の2種類の組み合わせからなる場合の登録例である。
クラッタ条件ロバスト辞書は、目標のクラッタ推定値を用いることなく算出可能な類別性能期待値から生成され、クラッタ条件の影響を受け難い辞書であり、クラッタ条件クロス判定結果である目標種類判別結果に対して、その類別性能期待値(再現率、適合率)から、クラッタ条件に対するロバスト性の評価を行うものである。
図6の例では、クラッタ条件クロス判結果「機種A 方向1」に対するロバスト性評価結果は、「クラッタ条件(1)(2)のいずれの辞書でも、再現率と適合率の双方が良好であるため、いずれの辞書でも良い」となっている。
また、クラッタ条件クロス判結果「機種B 方向1」に対に対するロバスト性評価結果は、「クラッタ条件(1)(2)のいずれの辞書でも再現率は高いが、信頼性(適合率)が3〜4割と低めため、優位性なし」となっている。
図6の例では、クラッタ条件クロス判結果「機種A 方向1」に対するロバスト性評価結果は、「クラッタ条件(1)(2)のいずれの辞書でも、再現率と適合率の双方が良好であるため、いずれの辞書でも良い」となっている。
また、クラッタ条件クロス判結果「機種B 方向1」に対に対するロバスト性評価結果は、「クラッタ条件(1)(2)のいずれの辞書でも再現率は高いが、信頼性(適合率)が3〜4割と低めため、優位性なし」となっている。
目標種類判別部13は、目標信号データ辞書照合部8からクラッタ条件別辞書のクラッタ条件(1)(2)での機種判別結果を受けると、クラッタ条件ロバスト辞書格納部12により格納されているクラッタ条件ロバスト辞書から、クラッタ条件(1)(2)の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、その類別性能期待値が最も高い目標種類判別結果を目標種類判別結果格納部10に出力する。
例えば、目標信号データ辞書照合部8におけるクラッタ条件(1)での機種判別結果が「機種A 方向1」、クラッタ条件(2)での機種判別結果が「機種B 方向1」であるとき、クラッタ条件ロバスト辞書におけるロバスト性の評価が図6の通りであるとすれば、機種判別結果「機種A 方向1」については、「クラッタ条件(1)(2)のいずれの辞書でも、再現率と適合率の双方が良好であるため、いずれの辞書でも良い」であり、機種判別結果「機種B 方向1」については、「クラッタ条件(1)(2)のいずれの辞書でも再現率は高いが、信頼性(適合率)が3〜4割と低めため、優位性なし」であるため、再現率及び正答率が共に良好な種類判別結果「機種A 方向1」が選択される。
例えば、目標信号データ辞書照合部8におけるクラッタ条件(1)での機種判別結果が「機種A 方向1」、クラッタ条件(2)での機種判別結果が「機種B 方向1」であるとき、クラッタ条件ロバスト辞書におけるロバスト性の評価が図6の通りであるとすれば、機種判別結果「機種A 方向1」については、「クラッタ条件(1)(2)のいずれの辞書でも、再現率と適合率の双方が良好であるため、いずれの辞書でも良い」であり、機種判別結果「機種B 方向1」については、「クラッタ条件(1)(2)のいずれの辞書でも再現率は高いが、信頼性(適合率)が3〜4割と低めため、優位性なし」であるため、再現率及び正答率が共に良好な種類判別結果「機種A 方向1」が選択される。
ここでは、類別性能期待値が最も高い目標種類判別結果を選択しているが、類別性能期待値の比較方法を具体的に説明する。
例えば、類別性能期待値として、再現率と適合率が算出されており、適合率より再現率を重要視する設定がなされていれば、再現率が最も高い目標種類判別結果を選択するようにする。
このとき、再現率が最も高い目標種類判別結果が複数存在する場合には、それらの目標種類判別結果の中で、適合率が最も高い目標種類判別結果を選択するようにする。あるいは、適合率が所定値以下の目標種類判別結果を除外することで、目標種類判別結果を選択するようにする。
逆に、再現率より適合率を重要視する設定がなされていれば、適合率が最も高い目標種類判別結果を選択するようにする。
このとき、適合率が最も高い目標種類判別結果が複数存在する場合には、それらの目標種類判別結果の中で、再現率が最も高い目標種類判別結果を選択するようにする。
また、適合率と再現率の乗算結果を基準にして選択する設定がなされていれば、適合率と再現率の乗算結果が最も高い目標種類判別結果を選択するようにする。
例えば、類別性能期待値として、再現率と適合率が算出されており、適合率より再現率を重要視する設定がなされていれば、再現率が最も高い目標種類判別結果を選択するようにする。
このとき、再現率が最も高い目標種類判別結果が複数存在する場合には、それらの目標種類判別結果の中で、適合率が最も高い目標種類判別結果を選択するようにする。あるいは、適合率が所定値以下の目標種類判別結果を除外することで、目標種類判別結果を選択するようにする。
逆に、再現率より適合率を重要視する設定がなされていれば、適合率が最も高い目標種類判別結果を選択するようにする。
このとき、適合率が最も高い目標種類判別結果が複数存在する場合には、それらの目標種類判別結果の中で、再現率が最も高い目標種類判別結果を選択するようにする。
また、適合率と再現率の乗算結果を基準にして選択する設定がなされていれば、適合率と再現率の乗算結果が最も高い目標種類判別結果を選択するようにする。
以上で明らかなように、この実施の形態2によれば、教師信号データ辞書照合部4によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ算出し、各々の目標種類判別結果に対する類別性能期待値が登録されているクラッタ条件ロバスト辞書を生成するクラッタ条件ロバスト辞書生成部11を設け、目標種類判別部13が、クラッタ条件ロバスト辞書格納部12により格納されているクラッタ条件ロバスト辞書から、目標信号データ辞書照合部8によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、その類別性能期待値が最も高い目標種類判別結果を出力するように構成したので、上記実施の形態1と同様に、蓄積するデータ量の膨大化を招くことなく、クラッタの推定精度が低い状況下や、クラッタの推定が困難な状況下でも、精度よく目標の種類を判定することができる効果を奏する。
また、目標信号データと辞書におけるクラッタ条件が一致しない状況でも、良好な類別性能が得られている「種類判別結果」をもたらすクラッタ条件辞書をクラッタ条件ロバスト辞書として登録しているので、クラッタ推定精度に依存している辞書の選択を行うことなく、安定した類別性能を確保することができる。
また、目標信号データと辞書におけるクラッタ条件が一致しない状況でも、良好な類別性能が得られている「種類判別結果」をもたらすクラッタ条件辞書をクラッタ条件ロバスト辞書として登録しているので、クラッタ推定精度に依存している辞書の選択を行うことなく、安定した類別性能を確保することができる。
この実施の形態2では、類別性能期待値が最も高い目標種類判別結果を選択するものを示しているが、目標種類判別結果候補の間で、類別性能期待値の優越がない場合には、全ての目標種類判別結果候補に対して、類別性能期待値を付加して、類別性能期待値付の目標種類判別結果を複数出力するようにしてもよい。
これにより、目標種類判別結果候補の間に優越がなく、1つの目標種類判別結果に絞り込むことができずに、複数の目標種類判別結果を出力しても、判読技術者等が最終的な種類判定を行う際に、類別性能期待値を踏まえた種類判定が可能になる。
これにより、目標種類判別結果候補の間に優越がなく、1つの目標種類判別結果に絞り込むことができずに、複数の目標種類判別結果を出力しても、判読技術者等が最終的な種類判定を行う際に、類別性能期待値を踏まえた種類判定が可能になる。
また、目標種類判別結果候補の中に、「優先的に存在を検出したい注目種類」等が含まれており、目標の種類(機種、目標方向)に対して、事前に判読技術者等により注目度が設定されている場合には、注目度が高い順に、類別性能期待値付の目標種類判別結果を出力するようにしてもよい。
これにより、優先的に存在を検出したい種類の目標の検出漏れを防ぐことが可能になる。
これにより、優先的に存在を検出したい種類の目標の検出漏れを防ぐことが可能になる。
実施の形態3.
図7はこの発明の実施の形態3による目標類識別装置を示す構成図であり、図において、図1及び図5と同一符号は同一または相当部分を示すので説明を省略する。
目標種類判別部20は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、図1の目標種類判別部9と同様に、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力する処理を実施する。あるいは、図5の目標種類判別部13と同様に、クラッタ条件ロバスト辞書格納部12により格納されているクラッタ条件ロバスト辞書から、目標信号データ辞書照合部8によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、その類別性能期待値が最も高い目標種類判別結果を出力する処理を実施する。
また、目標種類判別部20は目標信号データのクラッタ推定精度が所定精度以上であり、かつ、クラッタ条件のグループ分け精度が所定精度以上であれば、クラッタ条件統合辞書やクラッタ条件ロバスト辞書を使用せずに、目標信号データ辞書照合部8により判別されたクラッタ条件別の種類を目標種類判別結果として出力する処理を実施する。
なお、目標種類判別部20は目標種類判別手段を構成している。
図7はこの発明の実施の形態3による目標類識別装置を示す構成図であり、図において、図1及び図5と同一符号は同一または相当部分を示すので説明を省略する。
目標種類判別部20は例えばCPUを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、図1の目標種類判別部9と同様に、クラッタ条件統合辞書格納部6により格納されているクラッタ条件統合辞書におけるクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合部8の判別結果であるクラッタ条件別の種類の組み合わせと一致するクラッタ条件別の種類の組み合わせを特定して、そのクラッタ条件統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、その正解種類を目標種類判別結果として出力する処理を実施する。あるいは、図5の目標種類判別部13と同様に、クラッタ条件ロバスト辞書格納部12により格納されているクラッタ条件ロバスト辞書から、目標信号データ辞書照合部8によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、その類別性能期待値が最も高い目標種類判別結果を出力する処理を実施する。
また、目標種類判別部20は目標信号データのクラッタ推定精度が所定精度以上であり、かつ、クラッタ条件のグループ分け精度が所定精度以上であれば、クラッタ条件統合辞書やクラッタ条件ロバスト辞書を使用せずに、目標信号データ辞書照合部8により判別されたクラッタ条件別の種類を目標種類判別結果として出力する処理を実施する。
なお、目標種類判別部20は目標種類判別手段を構成している。
図7の例では、目標類識別装置の構成要素である教師信号データ格納部1−1〜1−N、クラッタ条件別辞書生成部2、クラッタ条件別辞書格納部3、教師信号データ辞書照合部4、クラッタ条件統合辞書生成部5、クラッタ条件統合辞書格納部6、クラッタ条件ロバスト辞書生成部11、クラッタ条件ロバスト辞書格納部12、目標信号データ格納部7、目標信号データ辞書照合部8、目標種類判別部20及び目標種類判別結果格納部10のそれぞれが専用のハードウェアで構成されているものを想定しているが、目標類識別装置がコンピュータで構成されていてもよい。
目標類識別装置がコンピュータで構成されている場合、教師信号データ格納部1−1〜1−N、クラッタ条件別辞書格納部3、クラッタ条件統合辞書格納部6、クラッタ条件ロバスト辞書格納部12、目標信号データ格納部7及び目標種類判別結果格納部10をコンピュータの内部メモリ又は外部メモリ上に構成するとともに、クラッタ条件別辞書生成部2、教師信号データ辞書照合部4、クラッタ条件統合辞書生成部5、クラッタ条件ロバスト辞書生成部11、目標信号データ辞書照合部8及び目標種類判別部20の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリ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。
目標類識別装置がコンピュータで構成されている場合、教師信号データ格納部1−1〜1−N、クラッタ条件別辞書格納部3、クラッタ条件統合辞書格納部6、クラッタ条件ロバスト辞書格納部12、目標信号データ格納部7及び目標種類判別結果格納部10をコンピュータの内部メモリ又は外部メモリ上に構成するとともに、クラッタ条件別辞書生成部2、教師信号データ辞書照合部4、クラッタ条件統合辞書生成部5、クラッタ条件ロバスト辞書生成部11、目標信号データ辞書照合部8及び目標種類判別部20の処理内容を記述しているプログラムをコンピュータのメモリに格納し、当該コンピュータのCPUが当該メモリ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。
次に動作について説明する。
目標種類判別部20以外の処理内容は上記実施の形態1又は上記実施の形態2と同様であるため、ここでは、主に目標種類判別部20の処理内容について説明する。
目標種類判別部20以外の処理内容は上記実施の形態1又は上記実施の形態2と同様であるため、ここでは、主に目標種類判別部20の処理内容について説明する。
目標種類判別部20は、目標の種類を判別する際にクラッタ条件統合辞書を使用するのか、クラッタ条件ロバスト辞書を使用するのか、あるいは、クラッタ条件統合辞書やクラッタ条件ロバスト辞書を使用せずに、目標信号データ辞書照合部8により判別されたクラッタ条件別の種類を目標種類判別結果として出力するのかを選択するため、目標信号データのクラッタ推定精度及びクラッタ条件のグループ分け精度を算出する。
目標信号データのクラッタ推定精度の算出方法自体は公知の技術であるため、概略だけ記述する。
目標種類判別部20は、目標信号データの観測エリア・観測日時等の観測諸元や、グランドトゥルース情報等に基づいて、過去の類似事例のクラッタマップ等から、目標存在領域のクラッタパラメータを抽出する(複数の候補がある場合は、複数のクラッタパラメータを抽出する)。目標存在領域のクラッタパラメータとしては、例えば、背景領域からの各反射信号データ(多偏波観測を行う場合であれば、各偏波が該当する)の平均電力、偏波間の相関等が該当する。
また、目標種類判別部20は、クラッタ条件別辞書における各辞書信号データのクラッタパラメータを抽出する。
次に、目標種類判別部20は、目標存在領域のクラッタパラメータと辞書信号データのクラッタパラメータとの類似度を算出し、その類似度からクラッタ推定精度を算出する。
目標種類判別部20は、目標信号データの観測エリア・観測日時等の観測諸元や、グランドトゥルース情報等に基づいて、過去の類似事例のクラッタマップ等から、目標存在領域のクラッタパラメータを抽出する(複数の候補がある場合は、複数のクラッタパラメータを抽出する)。目標存在領域のクラッタパラメータとしては、例えば、背景領域からの各反射信号データ(多偏波観測を行う場合であれば、各偏波が該当する)の平均電力、偏波間の相関等が該当する。
また、目標種類判別部20は、クラッタ条件別辞書における各辞書信号データのクラッタパラメータを抽出する。
次に、目標種類判別部20は、目標存在領域のクラッタパラメータと辞書信号データのクラッタパラメータとの類似度を算出し、その類似度からクラッタ推定精度を算出する。
クラッタパラメータの類似度の判定は、同一クラッタグループ内であっても、該当するクラッタ値の範囲が広い場合等に、クラッタパラメータ値が異なる場合もあり得る。そのような場合には、それらの最小値と最大値からなる範囲をクラッタパラメータ辞書範囲とし、目標存在領域のクラッタパラメータの値が、クラッタパラメータ辞書範囲内に入る場合には類似度高とし、目標存在領域のクラッタパラメータの値が、クラッタパラメータ辞書範囲内に入らない場合には類似度低とする。各辞書に対する推定精度は、各クラッタパラメータの類似度の総和から算出する。さらに、各クラッタパラメータ辞書範囲の広さも、辞書選択の信頼度として、推定精度の付加的な評価値としてもよい。
クラッタ条件のグループ分け精度の評価方法としては、同一クラッタグループに属する教師信号データの種類判別結果の正答率等から評価する方法等が考えられる。
辞書生成に適用していない教師信号データである辞書生成未適用種類既知データが存在する場合には、辞書生成未適用種類既知データで評価することにより、より精度の高い評価が可能になる。例えば、シミュレーション等で多数の教師信号データを生成可能な場合等が該当する。
辞書生成に適用していない教師信号データである辞書生成未適用種類既知データが存在する場合には、辞書生成未適用種類既知データで評価することにより、より精度の高い評価が可能になる。例えば、シミュレーション等で多数の教師信号データを生成可能な場合等が該当する。
目標種類判別部20は、目標信号データのクラッタ推定精度及びクラッタ条件のグループ分け精度を算出すると、例えば、以下の条件にしたがって、クラッタ条件ロバスト辞書、クラッタ条件統合辞書及びクラッタ条件ロバスト辞書の中から使用対象の辞書を選択する。
[条件1]
クラッタ条件のグループ分け精度が適正(グループ分け精度が所定の基準値以上)であり、かつ、クラッタ推定が可能であって、クラッタ推定精度が所定値以上である。
[条件2]
クラッタ条件統合辞書では適合判定パターンが存在せず、かつ、クラッタ条件ロバスト辞書では目標類別性能を満たす種類判別結果(類別性能期待値が所定値以上の種類判別結果)が存しない。
[条件3]
クラッタ推定が可能である。
[条件1]
クラッタ条件のグループ分け精度が適正(グループ分け精度が所定の基準値以上)であり、かつ、クラッタ推定が可能であって、クラッタ推定精度が所定値以上である。
[条件2]
クラッタ条件統合辞書では適合判定パターンが存在せず、かつ、クラッタ条件ロバスト辞書では目標類別性能を満たす種類判別結果(類別性能期待値が所定値以上の種類判別結果)が存しない。
[条件3]
クラッタ推定が可能である。
即ち、目標種類判別部20は、条件1が成立する場合、クラッタ条件統合辞書やクラッタ条件ロバスト辞書を使用せずに、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果のうち、クラッタ推定値が属するクラッタ条件での目標種類判別結果を最終的な目標種類判別結果として目標種類判別結果格納部10に出力する。
目標種類判別部20は、条件1が成立しない場合、クラッタ条件統合辞書又はクラッタ条件ロバスト辞書を使用する。
例えば、最初にクラッタ条件統合辞書を使用して、適合判定パターンが存在すれば、その適合判定パターンに対応する目標種類判別結果を目標種類判別結果格納部10に出力する。一方、適合判定パターンが存在しなければ、クラッタ条件ロバスト辞書を使用して、目標種類判別結果を目標種類判別結果格納部10に出力する。
ここでは、最初にクラッタ条件統合辞書を使用する例を示したが、クラッタ条件ロバスト辞書を最初に使用するようにしてもよい。
目標種類判別部20は、条件1が成立しない場合、クラッタ条件統合辞書又はクラッタ条件ロバスト辞書を使用する。
例えば、最初にクラッタ条件統合辞書を使用して、適合判定パターンが存在すれば、その適合判定パターンに対応する目標種類判別結果を目標種類判別結果格納部10に出力する。一方、適合判定パターンが存在しなければ、クラッタ条件ロバスト辞書を使用して、目標種類判別結果を目標種類判別結果格納部10に出力する。
ここでは、最初にクラッタ条件統合辞書を使用する例を示したが、クラッタ条件ロバスト辞書を最初に使用するようにしてもよい。
目標種類判別部20は、条件1が成立しない場合でも、条件2が成立する場合、クラッタ条件統合辞書及びクラッタ条件ロバスト辞書を使用することができないので(所望の類別性能が期待できない)、条件3が成立する場合には、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果のうち、クラッタ推定値が属するクラッタ条件での目標種類判別結果に対してクラッタ推定精度情報を付加し、クラッタ推定精度情報付の目標種類判別結果を目標種類判別結果格納部10に出力する。
一方、条件3が成立しない場合、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果に対して類別性能期待値を付加し、類別性能期待値付のクラッタ条件別の目標種類判別結果を目標種類判別結果格納部10に出力する。
一方、条件3が成立しない場合、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果に対して類別性能期待値を付加し、類別性能期待値付のクラッタ条件別の目標種類判別結果を目標種類判別結果格納部10に出力する。
以上で明らかなように、この実施の形態3によれば、目標信号データのクラッタ推定精度及びクラッタ条件のグループ分け精度に基づいて、クラッタ条件別辞書、クラッタ条件統合辞書及びクラッタ条件ロバスト辞書の中から、目標の種類判別に用いる辞書を選択するように構成したので、クラッタ推定状況に適する辞書の選択が可能になり、安定した類別性能が得られる効果を奏する。
実施の形態4.
上記実施の形態1,3では、クラッタ条件統合辞書生成部5が、教師信号データに対応する目標の正解種類と、目標信号データ辞書照合部8により判別されたクラッタ条件別の目標種類(目標種類判別結果)との組み合わせ(想定されるクラッタ条件数は事前に設定)をクラッタ条件統合辞書としているものを示したが、さらに、目標の正解種類と、一部の想定されていたクラッタ条件が除かれているクラッタ条件別の目標種類との組み合わせをクラッタ条件統合辞書としてもよい。
上記実施の形態1,3では、クラッタ条件統合辞書生成部5が、教師信号データに対応する目標の正解種類と、目標信号データ辞書照合部8により判別されたクラッタ条件別の目標種類(目標種類判別結果)との組み合わせ(想定されるクラッタ条件数は事前に設定)をクラッタ条件統合辞書としているものを示したが、さらに、目標の正解種類と、一部の想定されていたクラッタ条件が除かれているクラッタ条件別の目標種類との組み合わせをクラッタ条件統合辞書としてもよい。
例えば、想定されるクラッタ条件がクラッタ条件(1)〜(3)である場合、図8に示すように、教師信号データに対応する目標の正解種類と、クラッタ条件(1)〜(3)での機種判別結果との組み合わせだけでなく、同じく教師信号データに対応する目標の正解種類と、クラッタ条件(3)を除いたクラッタ条件(1)(2)での機種判別結果との組み合わせ(適合判定パターン4)や、同じく教師信号データに対応する目標の正解種類と、クラッタ条件(1)を除いたクラッタ条件(2)(3)での機種判別結果との組み合わせ(適合判定パターン5)をクラッタ条件統合辞書としてもよい。
これにより、クラッタ条件統合辞書の適合パターンの有無に応じて、クラッタ条件の組み合わせを変更可能となり、部分的な判定パターンの一致で機種を一意に特定できるような場合に対応可能となる。
また、例えば、目標信号データにおけるクラッタの推定値が所定値以上で、通常は、クラッタ条件統合辞書ではなく、クラッタ推定値に応じて選択されたクラッタ条件別辞書による照合がなされる場合であるが、クラッタ推定値が2つのクラッタ条件(条件αとβ)の条件値の境界付近の場合には、クラッタ条件数が2つ(クラッタ条件αとβ)に限定されたクラッタ条件統合辞書を適用する。具体的には、クラッタ条件統合辞書に格納されているクラッタ条件別の目標種類(目標種類判別結果)の組み合わせのうち、上記2つのクラッタ条件の目標種類判別結果の組み合わせの中から、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果の組み合わせと一致する組み合わせが照合時に選択される。
これにより、クラッタ推定値がクラッタ条件の境界付近で、推定誤算等の影響により、どちらのクラッタ条件に属するかの判定が難しい場合でも、両方のクラッタ条件での種類判定結果を用いることにより、推定誤差の影響を受けずに類識別が可能となり、類識別精度向上が期待できる。
また、例えば、目標信号データにおけるクラッタの推定値が所定値以上で、通常は、クラッタ条件統合辞書ではなく、クラッタ推定値に応じて選択されたクラッタ条件別辞書による照合がなされる場合であるが、クラッタ推定値が2つのクラッタ条件(条件αとβ)の条件値の境界付近の場合には、クラッタ条件数が2つ(クラッタ条件αとβ)に限定されたクラッタ条件統合辞書を適用する。具体的には、クラッタ条件統合辞書に格納されているクラッタ条件別の目標種類(目標種類判別結果)の組み合わせのうち、上記2つのクラッタ条件の目標種類判別結果の組み合わせの中から、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果の組み合わせと一致する組み合わせが照合時に選択される。
これにより、クラッタ推定値がクラッタ条件の境界付近で、推定誤算等の影響により、どちらのクラッタ条件に属するかの判定が難しい場合でも、両方のクラッタ条件での種類判定結果を用いることにより、推定誤差の影響を受けずに類識別が可能となり、類識別精度向上が期待できる。
上記実施の形態1,3では、目標種類判別部9が、クラッタ条件統合辞書から目標の正解種類を取得し、その正解種類を目標種類判別結果として目標種類判別結果格納部10に出力するものを示したが、クラッタ条件統合辞書におけるクラッタ条件の条件値と目標信号データにおけるクラッタの推定値が異なっている場合、目標種類判別部9が、クラッタ条件の条件値とクラッタ推定値の差分から、目標種類判別結果の確信度(例えば、上記差分の逆数)を算出し、その確信度を目標種類判別結果に付加して出力するようにしてもよい。
このように、確信度を目標種類判別結果に付加することで、判読技術者が最終的な種類判定を行う際に、クラッタ推定値を踏まえた種類判定が可能になる。
このように、確信度を目標種類判別結果に付加することで、判読技術者が最終的な種類判定を行う際に、クラッタ推定値を踏まえた種類判定が可能になる。
上記実施の形態1,3では、目標種類判別部9が、クラッタ条件統合辞書から目標の正解種類を取得し、その正解種類を目標種類判別結果として目標種類判別結果格納部10に出力するものを示したが、クラッタ条件統合辞書に格納されているクラッタ条件別の目標種類(目標種類判別結果)の組み合わせの中に、目標信号データ辞書照合部8から出力されたクラッタ条件別の目標種類判別結果の組み合わせと一致するクラッタ条件別の目標種類判別結果の組み合わせが複数あって、かつ対応する目標の正解種類が異なる場合、目標種類判別部9が、それらの正解種類の発生確率を算出して、その発生確率を複数の各目標種類判別結果の組み合わせに付加して出力するようにしてもよい。
発生確率の算出方法としては、クラッタ条件統合辞書を生成する際に、該当の適合判定パターンPTと正解種類Ri(PT)の組み合わせからなる種類判定ルールに対し、該当教師信号データ数の比率から発生確率を定義する方法等がある。
ここで、「i=1〜Nr(PT)、Nr(PT)は該当の適合判定パターンの正解種類の数」、さらに「Nl(Ri(PT))は、該当の適合判定パターンPTで正解種類Ri(PT)となった教師信号データ数」である。
例えば、Nr(PT)=3のとき、Nl(R1(PT))=2、Nl(R2(PT))=3、Nl(R3(PT))=5とすると、それぞれの正解種類のデータ比率が2:3:5となり、発生確率は、それぞれ20%、30%、50%となる。この場合、全正解種類を発生確率の降順に、目標種類判別結果として出力する。
このように、全正解種類を発生確率の降順に目標種類判別結果として出力することで、判読技術者が最終的な種類判定を行う際に、発生確率を踏まえた種類判定が可能になる。
ここで、「i=1〜Nr(PT)、Nr(PT)は該当の適合判定パターンの正解種類の数」、さらに「Nl(Ri(PT))は、該当の適合判定パターンPTで正解種類Ri(PT)となった教師信号データ数」である。
例えば、Nr(PT)=3のとき、Nl(R1(PT))=2、Nl(R2(PT))=3、Nl(R3(PT))=5とすると、それぞれの正解種類のデータ比率が2:3:5となり、発生確率は、それぞれ20%、30%、50%となる。この場合、全正解種類を発生確率の降順に、目標種類判別結果として出力する。
このように、全正解種類を発生確率の降順に目標種類判別結果として出力することで、判読技術者が最終的な種類判定を行う際に、発生確率を踏まえた種類判定が可能になる。
ここでは、発生確率を複数の目標種類判別結果の組み合わせに付加して出力するものを示したが、正解種類の中に「優先的に存在を検出したい注目種類」等が含まれており、目標の種類(機種、目標方向)に対して、事前に判読技術者等により注目度が設定されている場合には、注目度(注目の度合いを示す数値)が高い順に、発生確率付の複数の目標種類判別結果を出力するようにしてもよい。
これにより、判読技術者が最終的な種類判定を行う際に、優先的に存在を検出したい種類の目標の検出漏れを防ぐことが可能になる。
これにより、判読技術者が最終的な種類判定を行う際に、優先的に存在を検出したい種類の目標の検出漏れを防ぐことが可能になる。
上記実施の形態1〜4では、クラッタ条件別辞書生成部2が、クラッタ条件別辞書を生成する際、複数の教師信号データの中から、相関係数が最も高くなる教師信号データを辞書信号データとして選択するものを示したが、教師信号データから類識別に用いる特徴量を抽出し、その特徴量を辞書信号データとしてクラッタ条件別辞書を生成するようにしてもよい。
なお、特徴量としては、例えば、教師信号データの平均電力やモーメント等がある。
なお、特徴量としては、例えば、教師信号データの平均電力やモーメント等がある。
なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。
1−1〜1−N 教師信号データ格納部(教師信号データ格納手段)、2 クラッタ条件別辞書生成部(クラッタ条件別辞書生成手段)、3 クラッタ条件別辞書格納部、4 教師信号データ辞書照合部(教師信号データ辞書照合手段)、5 クラッタ条件統合辞書生成部(統合辞書生成手段)、6 クラッタ条件統合辞書格納部、7 目標信号データ格納部、8 目標信号データ辞書照合部(目標信号データ辞書照合手段)、9 目標種類判別部(目標種類判別手段)、10 目標種類判別結果格納部、11 クラッタ条件ロバスト辞書生成部(ロバスト辞書生成手段)、12 クラッタ条件ロバスト辞書格納部、13,20 目標種類判別部(目標種類判別手段)。
Claims (11)
- 各種のクラッタ条件で得られている複数の信号データとして、種類が既知である教師信号データをクラッタ条件別に格納している教師信号データ格納手段と、
上記教師信号データ格納手段によりクラッタ条件別に格納されている複数の教師信号データのうち、同一のクラッタ条件に属しており、かつ、目標の種類が同一である複数の教師信号データの中から、信号間の類似度を表す指標が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成するクラッタ条件別辞書生成手段と、
上記教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データと上記クラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、上記類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する教師信号データ辞書照合手段と、
上記教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類と、上記教師信号データ辞書照合手段の判別結果であるクラッタ条件別の種類との組み合わせからなる統合辞書を生成する統合辞書生成手段と、
種類判別対象の目標信号データと上記クラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、上記類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する目標信号データ辞書照合手段と、
上記統合辞書生成手段により生成された統合辞書に格納されているクラッタ条件別の種類の組み合わせの中から、上記目標信号データ辞書照合手段の判別結果であるクラッタ条件別の種類の組み合わせと一致する組み合わせを特定して、上記統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、上記正解種類を目標種類判別結果として出力する目標種類判別手段と
を備えた目標類識別装置。 - 各種のクラッタ条件で得られている複数の信号データとして、種類が既知である教師信号データをクラッタ条件別に格納している教師信号データ格納手段と、
上記教師信号データ格納手段によりクラッタ条件別に格納されている複数の教師信号データのうち、同一のクラッタ条件に属しており、かつ、目標の種類が同一である複数の教師信号データの中から、信号間の類似度を表す指標が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成するクラッタ条件別辞書生成手段と、
上記教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データと上記クラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、上記類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する教師信号データ辞書照合手段と、
上記教師信号データ辞書照合手段によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ算出し、各々の目標種類判別結果に対する類別性能期待値が登録されているロバスト辞書を生成するロバスト辞書生成手段と、
種類判別対象の目標信号データと上記クラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、上記類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する目標信号データ辞書照合手段と、
上記ロバスト辞書生成手段により生成されたロバスト辞書から、上記目標信号データ辞書照合手段によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、上記類別性能期待値が最も高い目標種類判別結果を出力する目標種類判別手段と
を備えた目標類識別装置。 - 各種のクラッタ条件で得られている複数の信号データとして、種類が既知である教師信号データをクラッタ条件別に格納している教師信号データ格納手段と、
上記教師信号データ格納手段によりクラッタ条件別に格納されている複数の教師信号データのうち、同一のクラッタ条件に属しており、かつ、目標の種類が同一である複数の教師信号データの中から、信号間の類似度を表す指標が最も高くなる教師信号データを上記種類の辞書信号データとして選択する処理を目標の種類毎に実施することで、複数の種類の辞書信号データがクラッタ条件別に格納されているクラッタ条件別辞書を生成するクラッタ条件別辞書生成手段と、
上記教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データと上記クラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、上記類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する教師信号データ辞書照合手段と、
上記教師信号データ格納手段により格納されている教師信号データ毎に、当該教師信号データに対応する目標の正解種類と、上記教師信号データ辞書照合手段の判別結果であるクラッタ条件別の種類との組み合わせからなる統合辞書を生成する統合辞書生成手段と、
上記教師信号データ辞書照合手段によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ算出し、各々の目標種類判別結果に対する類別性能期待値が登録されているロバスト辞書を生成するロバスト辞書生成手段と、
種類判別対象の目標信号データと上記クラッタ条件別辞書生成手段により生成されたクラッタ条件別辞書における複数の種類の辞書信号データとの類似度を表す指標をそれぞれ算出し、上記類似度を表す指標が最も高くなる辞書信号データに対応する種類をクラッタ条件別に判別する目標信号データ辞書照合手段と、
上記統合辞書生成手段により生成された統合辞書に格納されているクラッタ条件別の種類の組み合わせの中から、上記目標信号データ辞書照合手段の判別結果であるクラッタ条件別の種類の組み合わせと一致する組み合わせを特定して、上記統合辞書から上記クラッタ条件別の種類の組み合わせに対応する目標の正解種類を取得し、上記正解種類を目標種類判別結果として出力する処理を実施し、あるいは、上記ロバスト辞書生成手段により生成されたロバスト辞書から、上記目標信号データ辞書照合手段によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得し、上記類別性能期待値が最も高い目標種類判別結果を出力する処理を実施する目標種類判別手段と
を備えた目標類識別装置。 - 目標種類判別手段は、
目標信号データのクラッタ推定精度及びクラッタ条件のグループ分け精度に基づいて、クラッタ条件別辞書、統合辞書及びロバスト辞書の中から、目標の種類判別に用いる辞書を選択することを特徴とする請求項3記載の目標類識別装置。 - 目標信号データのクラッタ推定精度が所定精度以上であり、かつ、クラッタ条件のグループ分け精度が所定精度以上であれば、統合辞書及びロバスト辞書を使用せずに、目標信号データ辞書照合手段により判別されたクラッタ条件別の種類を目標種類判別結果として出力することを特徴とする請求項4記載の目標類識別装置。
- 統合辞書生成手段は、教師信号データに対応する目標の正解種類と、教師信号データ辞書照合手段の判別結果であるクラッタ条件別の種類との組み合わせを統合辞書に含める他に、目標の正解種類と、一部のクラッタ条件の種類が除かれているクラッタ条件別の種類との組み合わせを上記統合辞書に含めることを特徴とする請求項1または請求項3記載の目標類識別装置。
- 目標種類判別手段は、目標信号データにおけるクラッタの推定値が、2つのクラッタ条件の条件値の中間である場合、統合辞書に格納されているクラッタ条件別の種類の組み合わせのうち、上記2つのクラッタ条件の種類の組み合わせの中から、目標信号データ辞書照合手段の判別結果であるクラッタ条件別の種類の組み合わせの一致する組み合わせを特定することを特徴とする請求項6記載の目標類識別装置。
- 目標種類判別手段は、統合辞書におけるクラッタ条件の条件値と目標信号データにおけるクラッタの推定値が異なっている場合、上記条件値と上記推定値の差分から、目標種類判別結果の確信度を算出して、上記確信度を出力することを特徴とする請求項1または請求項3記載の目標類識別装置。
- 目標種類判別手段は、統合辞書生成手段により生成された統合辞書に格納されているクラッタ条件別の種類の組み合わせの中から、目標信号データ辞書照合手段の判別結果であるクラッタ条件別の種類の組み合わせと一致する組み合わせを特定したとき、一致する組み合わせが複数あって、対応する目標の正解種類が異なる場合、上記正解種類の発生確率を算出して、上記発生確率を出力することを特徴とする請求項1または請求項3記載の目標類識別装置。
- 目標種類判別手段は、複数の目標種類判別結果が得られた場合、種類の注目度順に複数の目標種類判別結果を出力することを特徴とする請求項1から請求項9のうちのいずれか1項記載の目標類識別装置。
- 目標種類判別手段は、ロバスト辞書生成手段により生成されたロバスト辞書から、目標信号データ辞書照合手段によるクラッタ条件別の目標種類判別結果に対する類別性能期待値をそれぞれ取得したとき、各々の類別性能期待値の間に差異がない場合、各々の目標種類判別結果と各々の類別性能期待値を出力することを特徴とする請求項2または請求項3記載の目標類識別装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013082251A JP2014206382A (ja) | 2013-04-10 | 2013-04-10 | 目標類識別装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013082251A JP2014206382A (ja) | 2013-04-10 | 2013-04-10 | 目標類識別装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014206382A true JP2014206382A (ja) | 2014-10-30 |
Family
ID=52120049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013082251A Pending JP2014206382A (ja) | 2013-04-10 | 2013-04-10 | 目標類識別装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2014206382A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017083990A (ja) * | 2015-10-26 | 2017-05-18 | トヨタ自動車株式会社 | 情報提供装置および情報提供方法 |
CN109508335A (zh) * | 2018-12-03 | 2019-03-22 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种海量地杂波数据分类存储方法 |
CN112946598A (zh) * | 2021-01-25 | 2021-06-11 | 西北工业大学 | 一种天波雷达电离层修正系数提取方法 |
-
2013
- 2013-04-10 JP JP2013082251A patent/JP2014206382A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017083990A (ja) * | 2015-10-26 | 2017-05-18 | トヨタ自動車株式会社 | 情報提供装置および情報提供方法 |
CN109508335A (zh) * | 2018-12-03 | 2019-03-22 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种海量地杂波数据分类存储方法 |
CN112946598A (zh) * | 2021-01-25 | 2021-06-11 | 西北工业大学 | 一种天波雷达电离层修正系数提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Robust graph mode seeking by graph shift | |
WO2019051941A1 (zh) | 车型识别方法、装置、设备及计算机可读存储介质 | |
US9249287B2 (en) | Document evaluation apparatus, document evaluation method, and computer-readable recording medium using missing patterns | |
US10599998B2 (en) | Feature selection using a large deviation principle | |
Liu et al. | Detecting outliers in species distribution data | |
US20120197826A1 (en) | Information matching apparatus, method of matching information, and computer readable storage medium having stored information matching program | |
CN109635010B (zh) | 一种用户特征及特征因子抽取、查询方法和系统 | |
CN109685104B (zh) | 一种识别模型的确定方法和装置 | |
KR20190115319A (ko) | 문장을 복수의 클래스들로 분류하는 모바일 장치 및 방법 | |
CN113704082A (zh) | 模型评测方法、装置、电子设备及存储介质 | |
CN113343123B (zh) | 一种生成对抗多关系图网络的训练方法和检测方法 | |
JP2014206382A (ja) | 目標類識別装置 | |
CN114139634A (zh) | 一种基于成对标签权重的多标签特征选择方法 | |
CN111782805A (zh) | 一种文本标签分类方法及系统 | |
US20220027681A1 (en) | Method and apparatus for classifying data | |
CN112766320B (zh) | 一种分类模型训练方法及计算机设备 | |
CN112433952B (zh) | 深度神经网络模型公平性测试方法、系统、设备及介质 | |
CN115310606A (zh) | 基于数据集敏感属性重构的深度学习模型去偏方法及装置 | |
US11699311B2 (en) | Storage medium storing anomaly detection program, anomaly detection method, and anomaly detection apparatus | |
CN112597699B (zh) | 一种融入客观赋权法的社交网络谣言源识别方法 | |
CN111209567B (zh) | 提高检测模型鲁棒性的可知性判断方法及装置 | |
CN113918471A (zh) | 测试用例的处理方法、装置及计算机可读存储介质 | |
JP2017091083A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN113656354A (zh) | 日志分类方法、系统、计算机设备和可读存储介质 | |
CN111984812A (zh) | 一种特征提取模型生成方法、图像检索方法、装置及设备 |