JP2020144822A

JP2020144822A - パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム

Info

Publication number: JP2020144822A
Application number: JP2019043210A
Authority: JP
Inventors: 弘樹長山; Hiroki Nagayama; 伸悟加島; Shingo Kashima; 谷川　真樹; Maki Tanigawa; 真樹谷川
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2019-03-08
Filing date: 2019-03-08
Publication date: 2020-09-10
Anticipated expiration: 2039-03-08
Also published as: JP7151561B2; US11349634B2; US20220103336A1; WO2020184141A1

Abstract

【課題】スタッガーレベルが大きい場合であっても、パルス列信号の周期を正しく抽出することができる。【解決手段】周期推定装置１０は、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する候補周期抽出部１１と、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse Repetition Interval）変換のランダムノイズ閾値を調整する定数を出力するパルス列形状分析部１２と、候補周期の値及び定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う周期検出部１３と、を有する。【選択図】図１

Description

本発明は、パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムに関する。

パルス列信号の周期を推定する代表的な手法として、自己相関に類似した変換を行うＰＲＩ（Pulse Repetition Interval）変換などの手法が存在する。ＰＲＩ変換では、総パルス数に比例するランダムノイズ閾値を設定することによって、入力されたパルス列が一定の間隔で並んでいた場合に、それが周期的なパルス列であるのか、ランダムノイズの一部が偶発的に等間隔パルスを形成したのかを判定し、ランダムノイズから実在しない周期を誤抽出することを防止できる。

KEN’ICHI，N．et al：Improved Algorithm for Estimating Pulse Repetition Intervals， IEEE Transactions on Aerospace and Electronic Systems，Volume 36 issue 2， Apr 2000， Page 407-421

周期パルス列の形状として、スタッガーパルスと呼ばれる形状がある。スタッガーパルスとは、一定周期ごとに短間隔の複数のパルスが出現する周期パルス列である。スタッガーパルスにおいて、一定周期ごとに登場するパルス数をスタッガーレベルと呼称する。

既存手法では、スタッガーレベルが小さい場合には正しく周期を推定することが可能である一方、スタッガーレベルが増大するごとに周期抽出が困難になるという問題がある。これは、ＰＲＩ変換のランダムノイズ閾値が、パルスの並び方によらず単純にパルス数に比例して増大するため、スタッガーレベルの増大とともに閾値も増大してしまうためである。したがって、スタッガーレベルが大きい場合であっても、周期を正しく抽出することが望まれる。

本発明は、上記に鑑みてなされたものであって、スタッガーレベルが大きい場合であっても、パルス列信号の周期を正しく抽出することができるパルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明のパルス列信号の周期推定装置は、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する抽出部と、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ変換のランダムノイズ閾値を調整する定数を出力する分析部と、候補周期の値及び定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う検出部と、を有することを特徴とする。

本発明によれば、スタッガーレベルが大きい場合であっても、パルス列信号の周期を正しく抽出することができる。

図１は、実施の形態に係る周期推定装置の構成の一例を示すブロック図である。図２は、パルス列形状分析部の処理を説明する図である。図３は、実施の形態に係るパルス列信号の周期推定処理の処理手順を示すフローチャートである。図４は、プログラムが実行されることにより、周期推定装置が実現されるコンピュータの一例を示す図である。

以下、図面に基づいて、本願の開示するパルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムの実施の形態を詳細に説明する。なお、この実施の形態により本願に係るパルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムが限定されるものではない。

［実施の形態］
以下の実施の形態では、実施の形態に係る周期推定装置１０の構成、周期推定装置１０の処理の流れを順に説明し、最後に実施の形態による効果を説明する。

［周期推定装置の構成］
まず、図１を用いて、周期推定装置１０の構成を説明する。図１は、実施の形態に係る周期推定装置の構成の一例を示すブロック図である。本実施の形態に係る周期推定装置１０は、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する。周期推定装置１０は、ＰＲＩ変換を実施する前に、時系列パルス列が周期的に並んでいるのか、または、ランダムに並んでいるのかを判定する。そして、周期推定装置１０は、周期的に並んでいると判定された場合に、ＰＲＩ変換のランダムノイズ閾値を減少させて、スタッガーレベルが大きい場合であっても、正しい周期の抽出を可能にする。

図１に示すように、周期推定装置１０は、候補周期抽出部１１（抽出部）と、パルス列形状分析部１２（分析部）と、周期検出部１３（検出部）とを有する。なお、周期推定装置１０は、例えば、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＣＰＵ（Central Processing Unit）等を含むコンピュータ等に所定のプログラムが読み込まれて、ＣＰＵが所定のプログラムを実行することで実現される。

また、図１に示すように、周期推定装置１０には時系列パルス列信号が入力される。例えば、周期推定装置１０は、時系列パルス列信号を基に、ネットワーク機器の通信周期を推定する。

本実施の形態で想定する実施場面の一例として以下がある。ネットワーク機器Ａは、約２４００秒の周期毎に通信を発生させる。また、ネットワーク機器Ａは、１周期ごとに短間隔で１５個以上のパケットを送信する。そして、ネットワーク機器Ｂは、ランダムに近いタイミングで通信を発生させる。周期推定装置１０は、ネットワーク機器Ａとネットワーク機器Ｂに対し、同じ方法及び同じパラメータ設定を用いて周期分析を実施し、ネットワーク機器Ａの通信周期を正しく推定し、ネットワーク機器Ｂの通信を非周期的とみなす推定を行う。ここで、周期推定装置１０は、ランダムな通信から周期を誤抽出しないため、ＰＲＩ変換の元々のランダムノイズに対する閾値は、一定以上の値を設定する必要がある。

候補周期抽出部１１は、時系列パルス列の入力を受け付け、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する。なお、周期推定装置１０は、例えば、時系列パルス列として、通信ログ等の、ネットワークにおけるパケットデータを取得して、通信発生時刻の時系列パルス列に変換してもよい。

パルス列形状分析部１２は、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ変換のランダムノイズ閾値を調整する定数Ｃを出力する。

図２は、パルス列形状分析部１２の処理を説明する図である。まず、図２に示すように、判定対象となる候補周期の値をτとし、横軸の範囲が０からτであり、ビンの大きさτ／ｎ（ｎは１以上の整数）のヒストグラムを考える。

パルス列形状分析部１２は、入力された時系列パルス列を候補周期の値τごとに分割し、横軸の値が０からτでありビンの大きさτ／ｎであるヒストグラムに置き直す（図２の（１）参照）。

そして、パルス列形状分析部１２は、ヒストグラムからパルス位置の値を読み出してパルス位置の値の出現回数をヒストグラムの対応するビンに加算する処理を、分割した全入力データに対して実施する。すなわち、パルス列形状分析部１２は、分割後のデータ内のパルス位置の値を読み出し、出現回数を、用意したヒストグラムの対応するビンに加算していく（図２の（２）参照）。ビンの大きさをτ／ｎに変更した結果、１つのビンの中に複数のパルスが含まれる場合には、パルス列形状分析部１２は、ビンの中に含まれるパルスの数を全てヒストグラムに加算する。

そして、パルス列形状分析部１２は、全分割データについて、ヒストグラムへの加算が終了した後、集中度を表す指標を計算する。集中度を表す指標として、hoover indexの値を計算する。hoover indexは、都市人口集中の度合いを表す指標として用いられる。hoover indexの値は、ヒストグラム内の各値の出現頻度が均一に近くなるほど場合に０に近い値をとり、１つの値に出現頻度が集中するほど１に近い値をとる指標である。パルス列形状分析部１２は、hoover indexの値（Ｈ．Ｉ．）を、式（１）を用いて計算する。

式（１）において、ｘ_ｉは、ヒストグラムのｉ番目の値の出現数を、ヒストグラムの各値の出現数の合計値で割ったものである。ｎは、前述したように、１以上の整数である。

Ｈ．Ｉ．が所定の閾値を超える場合、パルス列形状分析部１２は、パルスが周期的に並んでいると判定し、ＰＲＩ変換のランダムノイズ閾値の値を減少させるための定数Ｃを出力する。この閾値は、任意に設定される。定数Ｃは、０から１の値である。具体的には、パルス列形状分析部１２は、Ｈ．Ｉ．が一定値（例えば、０．３）以下である場合、１からＨ．Ｉ．を減じた値をＣとする。これに対し、Ｈ．Ｉ．が所定の閾値以上の場合、パルス列形状分析部１２は、定数Ｃを出力しない。

周期検出部１３は、候補周期の値及び定数Ｃを用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う。この際、周期検出部１３は、パルス列形状分析部１２から定数Ｃが出力された場合、定数ＣをＰＲＩ変換のランダムノイズ閾値に乗じた値を、新たなランダムノイズ閾値とする。

［パルス列信号の周期推定処理の処理手順］
次に、実施の形態に係るパルス列信号の周期推定処理の処理手順について説明する。図３は、実施の形態に係るパルス列信号の周期推定処理の処理手順を示すフローチャートである。

図３に示すように、候補周期抽出部１１は、時系列パルス列の入力を受け付け（ステップＳ１）、入力された時系列パルス列から周期判定の対象となる候補周期τを抽出する（ステップＳ２）。

パルス列形状分析部１２は、入力された時系列パルス列を候補周期の値τごとに分割する（ステップＳ３）。パルス列形状分析部１２は、分割したデータの横軸の範囲を０からτに変更する（ステップＳ４）。パルス列形状分析部１２は、分割したデータのビンの大きさをτ／ｎに変更する（ステップＳ５）。そして、パルス列形状分析部１２は、各データの値の出現回数をヒストグラムに加算する（ステップＳ６）。

パルス列形状分析部１２は、全分割データについて、hoover indexの値（Ｈ．Ｉ．）を、式（１）を用いて計算する（ステップＳ７）。そして、パルス列形状分析部１２は、Ｈ．Ｉ．が閾値を超えているか判定する（ステップＳ８）。

パルス列形状分析部１２は、Ｈ．Ｉ．が閾値を超えている場合（ステップＳ８：Ｙｅｓ）、定数Ｃを出力する（ステップＳ９）。周期検出部１３は、パルス列形状分析部１２から出力された定数ＣをＰＲＩ変換のランダムノイズ閾値に乗じた値を、新たなランダムノイズ閾値とする（ステップＳ１０）。

Ｈ．Ｉ．が閾値を超えていない場合（ステップＳ８：Ｎｏ）またはステップＳ１０終了後、周期検出部１３は、ＰＲＩ変換を実行し（ステップＳ１１）、周期判定及び周期の値の検出を行う。そして、周期検出部１３は、周期推定結果を出力して（ステップＳ１２）、処理を終了する。

［実施の形態の効果］
このように、周期推定装置１０は、時系列パルス列から周期判定の対象となる候補周期を抽出する。また、周期推定装置１０は、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ変換のランダムノイズ閾値を調整する定数を出力する。また、周期推定装置１０は、候補周期の値及び定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う。この結果、周期推定装置１０は、時系列パルス列の並び方を数値化した数値の集中度に応じて出力される定数を用いて、ランダムノイズ閾値を調整し、ＰＲＩ変換を実行するため、スタッガーレベルが大きい場合であっても、ＰＲＩ変換のパルス列信号の周期を正しく抽出できる。

また、周期推定装置１０は、時系列パルス列を候補周期の値τごとに分割し、横軸の値が０からτでありビンの大きさτ／ｎであるヒストグラムに置き直し、ヒストグラムからパルス位置の値を読み出してパルス位置の値の出現回数をヒストグラムの対応するビンに加算する処理を、分割した全入力データに対して実施する。このような処理を行うことによって、周期推定装置１０は、全分割データについて、ヒストグラムへの加算を適切に行うことできる。

そして、周期推定装置１０は、集中度を表す指標としてhoover indexの値を計算し、hoover indexの値が所定の閾値を超える場合に定数Ｃを出力する。したがって、周期推定装置１０は、hoover indexの値が所定の閾値を超える場合には、パルスが周期に並んでいると判定し、ＰＲＩ変換のランダムノイズ閾値を調整する定数Ｃを出力して、ＰＲＩ変換のランダムノイズ閾値の調整を可能としている。

そして、この定数Ｃは、ＰＲＩ変換のランダムノイズ閾値の減少用の定数である。このため、周期推定装置１０は、定数Ｃが出力された場合、定数ＣをＰＲＩ変換のランダムノイズ閾値に乗じた値を新たなランダムノイズ閾値とすることによって、ランダムノイズ閾値の値を減少させることができる。

すなわち、周期推定装置１０は、ＰＲＩ変換を実施する前に、入力された時系列パルス列が周期的に並んでいるのか、または、ランダムに並んでいるのかを判定する。そして、周期推定装置１０は、周期的に並んでいると判定された場合に、ＰＲＩ変換のランダムノイズ閾値を減少させて、スタッガーレベルが大きい場合であっても、正しい周期の抽出を可能にする。

［システム構成等］
図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。

また、本実施の形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行なうこともでき、あるいは、手動的に行なわれるものとして説明した処理の全部又は一部を公知の方法で自動的に行なうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。

［プログラム］
図４は、プログラムが実行されることにより、周期推定装置１０が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。

メモリ１０１０は、ＲＯＭ１０１１及びＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic Input Output System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。

ハードディスクドライブ１０９０は、例えば、ＯＳ（Operating System）１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、周期推定装置１０の各処理を規定するプログラムは、コンピュータにより実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、周期推定装置１０における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤ（Solid State Drive）により代替されてもよい。

また、上述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して実行する。

なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムモジュール１０９３及びプログラムデータ１０９４は、ネットワーク（ＬＡＮ、ＷＡＮ（Wide Area Network）等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３及びプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。

以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例及び運用技術等は全て本発明の範疇に含まれる。

１０周期推定装置
１１候補周期抽出部
１２パルス列形状分析部
１３周期検出部

Claims

入力された時系列パルス列から周期判定の対象となる候補周期を抽出する抽出部と、
抽出された候補周期を基に前記時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse Repetition Interval）変換のランダムノイズ閾値を調整する定数を出力する分析部と、
前記候補周期の値及び前記定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う検出部と、
を有することを特徴とするパルス列信号の周期推定装置。
前記分析部は、前記時系列パルス列を前記候補周期の値τごとに分割し、横軸の値が０からτでありビンの大きさτ／ｎ（ｎは１以上の整数）であるヒストグラムに置き直し、前記ヒストグラムからパルス位置の値を読み出して前記パルス位置の値の出現回数をヒストグラムの対応するビンに加算する処理を、分割した全入力データに対して実施することを特徴とする請求項１に記載のパルス列信号の周期推定装置。
前記分析部は、前記集中度を表す指標として、hoover indexの値を計算し、該hoover indexの値が所定の閾値を超える場合に、前記定数を出力することを特徴とする請求項１または２に記載のパルス列信号の周期推定装置。
前記定数は、前記ＰＲＩ変換のランダムノイズ閾値の減少用の定数であり、
前記検出部は、前記分析部から前記定数が出力された場合、前記定数をＰＲＩ変換のランダムノイズ閾値に乗じた値を、新たなランダムノイズ閾値とすることを特徴とする請求項１〜３のいずれか一つに記載のパルス列信号の周期推定装置。
パルス列信号の周期推定装置が実行するパルス列信号の周期推定方法であって、
入力された時系列パルス列から周期判定の対象となる候補周期を抽出する工程と、
抽出された候補周期を基に前記時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse Repetition Interval）変換のランダムノイズ閾値を調整する定数を出力する工程と、
前記候補周期の値及び前記定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う工程と、
を含んだことを特徴とするパルス列信号の周期推定方法。
入力された時系列パルス列から周期判定の対象となる候補周期を抽出するステップと、
抽出された候補周期を基に前記時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse Repetition Interval）変換のランダムノイズ閾値を調整する定数を出力するステップと、
前記候補周期の値及び前記定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行うステップと、
をコンピュータに実行させることを特徴とするパルス列信号の周期推定プログラム。