JP2784400B2 - Signal frequency tracking method - Google Patents
Signal frequency tracking methodInfo
- Publication number
- JP2784400B2 JP2784400B2 JP12325595A JP12325595A JP2784400B2 JP 2784400 B2 JP2784400 B2 JP 2784400B2 JP 12325595 A JP12325595 A JP 12325595A JP 12325595 A JP12325595 A JP 12325595A JP 2784400 B2 JP2784400 B2 JP 2784400B2
- Authority
- JP
- Japan
- Prior art keywords
- frequency
- gradient
- signal
- event
- estimating
- 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.)
- Expired - Lifetime
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Description
【0001】[0001]
【産業上の利用分野】本発明は、音波等の入力信号の周
波数分析を行うことで得られる入力信号強度の周波数空
間上の分布を用いて、特性が未知の狭帯域信号の周波数
を時間的に継続して測定する信号周波数追尾方法に関す
るものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a method for analyzing the frequency of a narrow-band signal whose characteristics are unknown by using the distribution in the frequency space of the input signal strength obtained by analyzing the frequency of an input signal such as a sound wave. And a signal frequency tracking method for measuring continuously.
【0002】[0002]
【従来の技術】図2は、従来の信号周波数追尾装置を示
すブロック図である。図2に示された信号周波数追尾装
置は、入力信号中の周波数が時間的に変化する狭帯域信
号の周波数を追尾する装置であり、例えば音波の入力信
号Sinを入力とする音響センサ1を備えている。音響セ
ンサ1の出力側には高速離散フーリエ変換を行う周波数
分析機のFFT装置2が接続され、FFT装置2の出力
側には記憶装置3が接続されている。記憶装置3の出力
側にはk個のニューラルネットワーク4−1,4−2,
…,4−kが並列に接続されている。k個のニューラル
ネットワーク4−1,4−2,…,4−kの出力側には
イベント検出装置5が接続され、このイベント検出装置
5の出力側がトラック管理装置6に接続されている。ト
ラック管理装置6には、該トラック管理装置6に対して
周波数を送受信する周波数予測装置7が接続されてい
る。2. Description of the Related Art FIG. 2 is a block diagram showing a conventional signal frequency tracking device. The signal frequency tracking device illustrated in FIG. 2 is a device that tracks the frequency of a narrow band signal in which the frequency in an input signal changes with time. For example, the signal sensor includes a sound wave input signal S in as an input. Have. The output side of the acoustic sensor 1 is connected to an FFT device 2 of a frequency analyzer that performs high-speed discrete Fourier transform, and the output side of the FFT device 2 is connected to a storage device 3. On the output side of the storage device 3, k neural networks 4-1, 4-2,
.., 4-k are connected in parallel. The output side of the k neural networks 4-1, 4-2,..., 4-k is connected to an event detection device 5, and the output side of the event detection device 5 is connected to a track management device 6. The track management device 6 is connected to a frequency prediction device 7 that transmits and receives frequencies to and from the track management device 6.
【0003】次に、図2の信号周波数追尾装置の動作を
説明しつつ、従来の信号周波数追尾方法を説明する 入力信号Sinの音波が音響センサ1に入力され、音響セ
ンサ1は検出結果の音響信号s1を生成してFFT装置
2に送る。FFT装置2は音響信号s1に対して、所定
の時間S毎に高速離散フーリエ変換を実施し、サンプル
周波数毎の音響信号s1の絶対値を求める。これによっ
て入力信号Sinの周波数空間上の信号強度分布s2が得
られる。記憶装置3ではFFT装置で得られた周波数空
間上の信号強度分布を過去一定時間分蓄積して、時刻×
周波数空間上の信号強度分布s3を作成する。この信号
強度分布s3は所定の時間T秒毎に作成され、ニューラ
ルネットワーク4−1,4−2,…,4−kに送られ
る。各ニューラルネットワーク4−1,4−2,…,4
−kには、時刻×周波数空間上の信号強度分布s3の中
から、あるサンプル周波数を中心とした矩形の小区画を
切り出したものが共通に入力される。各ニューラルネッ
トワーク4−1,4−2,…,4−kは、入力されたそ
の小区画中に直線上のパターンが存在すれば、大きな値
を出力するように予め学習が施されている。この学習に
は例えば、バックプロパゲーシション法が用いられる。
ここで、信号の周波数の時間的な変化の度合いを勾配と
呼ぶことにする。各ニューラルネットワーク4−1,4
−2,…,4−kはそれぞれ異なる範囲の勾配をもつ信
号を分担して検出する。例えば、ニューラルネットワー
ク4−1は勾配がdf0 〜df1 (Hz/ 秒)の範囲の信
号を検出し、ニューラルネットワーク4−2は勾配がd
f1 〜df2 (Hz/ 秒)の範囲の信号を検出する。この
ように、勾配を分配して検出するのは、一つのニューラ
ルネットワークで広範囲の勾配をカバーしようとする
と、探知能力が低下するからである。Next, while explaining the operation of the signal frequency tracking device shown in FIG. 2, a conventional signal frequency tracking method will be described. A sound wave of an input signal S in is input to the acoustic sensor 1, and the acoustic sensor 1 An acoustic signal s1 is generated and sent to the FFT device 2. The FFT device 2 performs a high-speed discrete Fourier transform on the audio signal s1 every predetermined time S, and obtains an absolute value of the audio signal s1 for each sample frequency. As a result, a signal strength distribution s2 in the frequency space of the input signal Sin is obtained. The storage device 3 accumulates the signal intensity distribution in the frequency space obtained by the FFT device for a certain period of time in the past, and stores the time x
A signal intensity distribution s3 on the frequency space is created. This signal intensity distribution s3 is created every predetermined time T seconds and sent to the neural networks 4-1, 4-2,..., 4-k. Each neural network 4-1, 4-2, ..., 4
For -k, a cutout of a rectangular small section centered on a certain sample frequency from the signal intensity distribution s3 in the time × frequency space is commonly input. Each of the neural networks 4-1, 4-2,..., 4-k is previously learned so as to output a large value if a linear pattern exists in the inputted small section. For this learning, for example, a back propagation method is used.
Here, the degree of the temporal change of the frequency of the signal is referred to as a gradient. Neural networks 4-1 and 4
,..., 4-k share and detect signals having gradients in different ranges. For example, neural networks 4-1 gradient detects a signal in the range of df 0 ~df 1 (Hz / sec), neural networks 4-2 gradient d
A signal in the range of f 1 to df 2 (Hz / sec) is detected. The reason why the gradient is distributed and detected in this way is that if one neural network attempts to cover a wide range of gradients, the detection capability is reduced.
【0004】もし、信号強度分布s3中に、そのサンプ
ル周波数に近い周波数に入力信号中の狭帯域信号が存在
するならば、その小区画には直線状のパターンが浮かび
上がるので、その勾配に対応するニューラルネットワー
クが、大きな値を出力する。この動作が多数のサンプル
周波数に対して繰り返して実施され、結果S4が逐次イ
ベント検出装置5に送られる。イベント検出装置5で
は、各ニューラルネットワーク4−1,4−2,…,4
−kの出力の周波数軸に関する極大点を検出する。も
し、ニューラルネットワーク4−1,4−2,…,4−
kのうちいずれかの出力が、ある周波数fにおいて極大
値を示し、しかもその値が予め定められた閾値をこえる
場合、その周波数fでイベントが発生したと検出する。
即ち、入力信号中の狭帯域信号の存在が確認される。イ
ベントが検出された周波数fがトラック管理装置6へ送
られる。トラック管理装置6は、所定の時間T秒毎のイ
ベントの周波数fの時間的つながり(これをトラックと
いう)を検出する。この方法としては、トラックにおけ
る周波数の過去の履歴から得られた予測周波数φを周波
数予測装置7から受取り、これと新たに得られたイベン
トの周波数fと比較し、両者の差が定められた値(これ
を統合窓幅と呼ぶ)以下である場合には、該イベントを
該トラックに統合する。この時、そのトラックの情報T
rを以下のように書替て出力する。If a narrow band signal in the input signal exists at a frequency close to the sample frequency in the signal intensity distribution s3, a linear pattern emerges in the small section. Output a large value. This operation is repeatedly performed for many sample frequencies, and the result S4 is sequentially sent to the event detection device 5. In the event detection device 5, each of the neural networks 4-1, 4-2,.
A local maximum point on the frequency axis of the output of -k is detected. If the neural networks 4-1, 4-2, ..., 4-
If any of the outputs k shows a local maximum value at a certain frequency f and the value exceeds a predetermined threshold value, it is detected that an event has occurred at that frequency f.
That is, the presence of a narrow band signal in the input signal is confirmed. The frequency f at which the event is detected is sent to the track management device 6. The track management device 6 detects a temporal connection of the frequency f of the event every predetermined time T seconds (this is referred to as a track). In this method, a predicted frequency φ obtained from the past history of the frequency in the track is received from the frequency prediction device 7 and compared with a frequency f of a newly obtained event, and a difference between the two is determined by a predetermined value. If this is not the case, the event is integrated into the track. At this time, the track information T
r is rewritten and output as follows.
【0005】(ア)そのイベントが所属することを記載
する。 (イ)トラックの前回の周波数と今回のイベントの周波
数fとの差を、前回のイベントとの時間差Tで割った値
をトラックの勾配として記録する。 (ウ)イベントの周波数fをトラックの新たな周波数と
して記録する。 なお、イベントが、既成のどのトラックとも統合しない
場合には、新規トラックを形成する。この時、トラック
の周波数としてはそのイベントの周波数fをそのまま採
用し、トラックの勾配は未知とする。又、あるトラック
にどのイベントも統合されない場合にはそのままトラッ
クを保持する(この場合を一時失探と呼ぶ)。一時失探
が連続して所定の回数発生した場合、このトラックは削
除される(この場合を失探という)。最後に、周波数予
測装置7はトラックの過去の履歴から、トラック管理装
置6における次の処理周期であるT秒後にイベントが発
生すると思われる予測周波数φを算出する。例えば、ト
ラックの周波数がf、勾配がdfであるならば、T秒後
の予測周波数φは次の(1)式で推定する。 φ=f+T・df ・・・(1) ただし、もしdfが未知である場合には(2)式により
推定する。 φ=f ・・・(2) 以上の処理を繰り返すことで、特性が未知の狭帯域信号
の刻々と変化する周波数を時間的に継続して計測するこ
とができる。[0005] (A) Describe that the event belongs. (A) A value obtained by dividing the difference between the previous frequency of the track and the frequency f of the current event by the time difference T from the previous event is recorded as a track gradient. (C) The frequency f of the event is recorded as a new frequency of the track. If the event does not integrate with any existing track, a new track is formed. At this time, the frequency f of the event is directly used as the track frequency, and the gradient of the track is unknown. If no event is integrated into a certain track, the track is held as it is (this case is called temporary search). This track is deleted when the temporary search has been performed a predetermined number of times in succession (this case is referred to as search). Finally, the frequency prediction device 7 calculates a predicted frequency φ from which an event is expected to occur after T seconds, which is the next processing cycle in the track management device 6, from the past history of the track. For example, if the track frequency is f and the gradient is df, the predicted frequency φ after T seconds is estimated by the following equation (1). φ = f + T · df (1) However, if df is unknown, it is estimated by equation (2). φ = f (2) By repeating the above processing, the ever-changing frequency of the narrow-band signal whose characteristic is unknown can be continuously measured over time.
【0006】[0006]
【発明が解決しようとする課題】しかしながら、従来の
信号周波数追尾方法においては、次のような課題があっ
た。上述の(1)式に示されるトラックの予測周波数φ
を得られない場合がある。例えば、初探時には1度きり
のデータしかないので、明らかに予測周波数φの情報は
得られない。また、初探後も一定時間経過するまでは、
予測周波数φの精度は低く、信号を失探しやすいという
課題があった。なお、失探を防ぐために、信頼できる予
測周波数φが得られていない場合には統合窓幅を広くと
るという方法も考えられるが、誤ったイベントを統合す
る確率が高くなるという副作用があり、満足な性能を得
られなかった。However, the conventional signal frequency tracking method has the following problems. The predicted frequency φ of the track shown in the above equation (1)
May not be obtained. For example, since there is only one data at the time of the first search, information on the predicted frequency φ cannot be obtained clearly. Also, until a certain time has passed after the initial search,
The accuracy of the prediction frequency φ is low, and there is a problem that a signal is easily lost. In addition, in order to prevent a loss of search, if a reliable predicted frequency φ is not obtained, a method of increasing the integration window width may be considered.However, there is a side effect that the probability of integrating an erroneous event increases. Performance was not obtained.
【0007】[0007]
【課題を解決するための手段】第1の発明は、前記課題
を解決するために、入力信号に対して周波数分析を行い
該分析結果を一定時間にわたって蓄積して時刻×周波数
の2次元空間上の信号強度分布を求める処理と、サンプ
ル周波数毎に前記信号強度分布の該サンプル周波数の近
傍に限った区画をニューラルネットワークに入力し、該
区画に前記信号強度分布の直線状のパターンが存在する
ときに該ニューラルネットワークに大きな値を出力させ
る処理と、前記ニューラルネットワークの出力における
周波数空間上の極大点でかつ所定の閾値を越える値を持
つ点をイベントとして検出することで入力信号中に狭帯
域信号の存在することを判定し、該イベントが検出され
たサンプル周波数を該狭帯域信号の周波数として推定す
る処理とを所定の時間Tごとに繰り返して行い、新たに
検出されたイベントの周波数と過去のイベントの発生状
況から推定した前記狭帯域信号の予測周波数とが接近し
ている場合に該新旧のイベントを同一の前記狭帯域信号
に基づくもの判定して統合し、時間的に周波数の変化す
る前記狭帯域信号を追尾する信号周波数追尾方法におい
て、次のような方法を講じている。According to a first aspect of the present invention, in order to solve the above-mentioned problems, a frequency analysis is performed on an input signal, and the analysis result is accumulated for a certain period of time to obtain a time-frequency two-dimensional space. Processing for obtaining the signal intensity distribution of, and inputting a section limited to the vicinity of the sample frequency of the signal intensity distribution to the neural network for each sample frequency, and when a linear pattern of the signal intensity distribution exists in the section Processing to output a large value to the neural network, and detecting, as an event, a point having a value exceeding a predetermined threshold at a local maximum point in the frequency space at the output of the neural network, thereby narrowing the narrow band signal in the input signal. And determining that a sample frequency at which the event is detected as the frequency of the narrowband signal. It repeats every interval T, and when the frequency of the newly detected event and the predicted frequency of the narrowband signal estimated from the past event occurrence situation are close, the new and old events are The following method is employed in a signal frequency tracking method for determining and integrating signals based on band signals and tracking the narrow band signal whose frequency changes with time.
【0008】即ち、本発明の信号周波数追尾方法は、周
波数の時間的変化度合である勾配が特定の前記狭帯域信
号が示す前記直線状のパターンに対してそれぞれ大きな
数値を出力する複数のニューラルネットワークを用い、
該各ニューラルネットワークの出力値を比較して該狭帯
域信号の該勾配を推定する第1の勾配推定処理と、前記
所定の時間Tごとに得られる狭帯域信号の周波数の推定
値の過去の履歴のうち最新の所定の時間Pの間の変化か
ら、該狭帯域信号の前記勾配を推定する第2の勾配推定
処理とを行う。そして、初めてイベントを検出したとき
から前記所定の時間Pが経過していない間は前記第1の
勾配推定処理の結果を選択し、該所定の時間Pが経過し
た後は前記第2の勾配推定処理の結果を選択する勾配選
択処理と、前記勾配選択処理の結果でえられる前記狭帯
域信号の前記勾配の推定値と前記狭帯域信号の周波数の
推定値とから該狭帯域信号の予測周波数を推定する予測
周波数算出処理とを行い、前記予測周波数を用いて前記
統合の判定を行うようにしている。That is, according to the signal frequency tracking method of the present invention, a plurality of neural networks each outputting a large numerical value with respect to the linear pattern indicated by the specific narrow-band signal, the gradient of which is a degree of frequency change with time. Using
A first gradient estimating process for estimating the gradient of the narrowband signal by comparing output values of the neural networks, and a past history of an estimated value of a frequency of the narrowband signal obtained at each of the predetermined times T; A second gradient estimating process of estimating the gradient of the narrowband signal from the change during the latest predetermined time P among the above. If the predetermined time P has not elapsed since the event was detected for the first time, the result of the first gradient estimation process is selected, and after the predetermined time P has elapsed, the second gradient estimation process is performed. A gradient selection process for selecting a result of the process, and a predicted frequency of the narrowband signal from the estimated value of the gradient of the narrowband signal and the estimated value of the frequency of the narrowband signal obtained as a result of the gradient selection process. And a prediction frequency calculation process for estimating, and the integration is determined using the prediction frequency.
【0009】第2の発明は、第1の発明における第1の
勾配推定処理及び第2の勾配推定処理とを行い、さら
に、前記第1の勾配推定処理または前記第2の勾配推定
処理の結果のうち精度の高い方を選択する勾配選択処理
と、第1の発明における予測周波数算出処理とを行い、
前記予測周波数を用いて統合の判定を行うようにしてい
る。第3の発明は、第2の発明の信号周波数追尾方法に
おいて、前記勾配選択処理を、前記第1の勾配推定処理
によって得られた前記勾配の推定値を用いて前記予測周
波数を推定し該予測周波数と新たに検出されたイベント
の周波数との近接度をもって該勾配の推定値の精度を評
価する処理と、前記第2の勾配推定処理によって得られ
た勾配の推定値を用いて前記予測周波数を推定し該予測
周波数と新たに検出されたイベントの周波数との近接度
をもって該勾配の推定値の精度を評価する処理とを行
い、精度の評価の高い方の推定値を選択する処理として
いる。第4の発明は、前記入力信号中における前記狭帯
域信号のS/N比を推定する処理を行い、第2の発明の
信号周波数追尾方法における前記勾配選択処理を、前記
S/N比の推定値があらかじめ設定された閾値よりも低
ければ前記第1の勾配推定処理の結果を選択し、該S/
N比の推定値が該閾値より高ければ前記第2の勾配推定
処理の結果を選択する構成としている。A second invention performs the first gradient estimation process and the second gradient estimation process in the first invention, and further includes a result of the first gradient estimation process or the second gradient estimation process. Performing a gradient selection process of selecting the one with higher accuracy, and a predicted frequency calculation process in the first invention,
The integration frequency is determined using the predicted frequency. In a third aspect based on the signal frequency tracking method according to the second aspect, the gradient selection processing is performed by estimating the prediction frequency using the gradient estimated value obtained by the first gradient estimation processing. A process of evaluating the accuracy of the estimated value of the gradient based on the proximity between the frequency and the frequency of the newly detected event, and using the estimated value of the gradient obtained by the second gradient estimation process to calculate the predicted frequency. A process of estimating the accuracy of the estimated value of the gradient based on the proximity between the estimated frequency and the frequency of the newly detected event is performed, and a process of selecting an estimated value with a higher accuracy evaluation is performed. A fourth invention performs a process of estimating an S / N ratio of the narrowband signal in the input signal, and performs the gradient selection process in the signal frequency tracking method of the second invention by estimating the S / N ratio. If the value is lower than a preset threshold, the result of the first gradient estimation processing is selected, and the S / S
If the estimated value of the N ratio is higher than the threshold, the result of the second gradient estimation process is selected.
【0010】[0010]
【作用】第1の発明によれば、以上のように信号周波数
追尾方法を構成したので、入力信号に対して周波数分析
が行われ、その結果が一定時間毎に蓄積されて時間×周
波数空間上の信号強度分布が求められる。第1の勾配推
定処理により、一定時間毎の時刻×周波数の2次元空間
上の信号強度分布から狭帯域信号の勾配が推定される。
つまりイベントの勾配が推定される。一方、第2の勾配
推定処理により、狭帯域信号の周波数の過去の履歴から
トラックの勾配が帯域信号の勾配の推定値として求めら
れる。勾配選択処理により、初めてイベントを検出した
ときから所定の時間Pが経過していない間は第1の勾配
推定処理の結果が選択され、時間Pが経過した後は第2
の勾配推定処理の結果が選択される。予測周波数算出処
理によって、勾配選択処理の選択結果で得られる狭帯域
信号の勾配の推定値と狭帯域信号の周波数の推定値とか
ら、狭帯域信号の予測周波数が推定される。この推定さ
れた予測周波数が用いられて新しいイベントがトラック
に統合される。According to the first aspect of the present invention, the signal frequency tracking method is configured as described above, so that the input signal is subjected to frequency analysis, and the result is accumulated at regular time intervals, and is stored in the time × frequency space. Is obtained. By the first gradient estimation process, the gradient of the narrowband signal is estimated from the signal intensity distribution in a two-dimensional space of time × frequency at fixed time intervals.
That is, the gradient of the event is estimated. On the other hand, in the second gradient estimation process, the gradient of the track is obtained as an estimated value of the gradient of the band signal from the past history of the frequency of the narrowband signal. As a result of the gradient selection processing, the result of the first gradient estimation processing is selected while the predetermined time P has not elapsed since the event was first detected, and after the time P has elapsed, the second gradient estimation processing is performed.
Is selected. The predicted frequency calculation process estimates the predicted frequency of the narrowband signal from the estimated value of the gradient of the narrowband signal and the estimated value of the frequency of the narrowband signal obtained as a result of the selection in the gradient selection process. New events are integrated into the track using the estimated prediction frequency.
【0011】第2の発明によれば、第1の発明における
第1の勾配推定処理または第2の勾配推定処理の結果の
うち精度の高い方を選択が勾配選択処理によって選択さ
れる。予測周波数算出処理によって、勾配選択処理の選
択結果でえられる狭帯域信号の周波数の時間的勾配の推
定値と狭帯域信号の周波数の推定値とから、狭帯域信号
の予測周波数が推定され、この推定された予測周波数が
用いられて新しいイベントがトラックに統合される。第
3の発明によれば、第2の発明における勾配選択処理に
おいて、第1の勾配推定処理によって得られたイベント
の勾配の推定値を用いて予測周波数が推定され、その予
測周波数と新たに検出されたイベントの周波数との近接
度をもって、該勾配の推定値の精度が評価される。又、
第2の勾配推定処理によって得られたトラックの勾配を
用いて予測周波数が推定され、その予測周波数と新たに
検出されたイベントの周波数との近接度をもって、該勾
配の推定値の精度が評価される。そして、精度の評価の
高い方の推定値が選択される。[0011] According to the second aspect of the present invention, a higher-precision one of the results of the first gradient estimating process or the second gradient estimating process in the first aspect is selected by the gradient selecting process. The predicted frequency calculation process estimates the predicted frequency of the narrowband signal from the estimated value of the temporal gradient of the frequency of the narrowband signal and the estimated value of the frequency of the narrowband signal obtained as a result of the selection of the gradient selection process. New events are integrated into the track using the estimated prediction frequency. According to the third aspect, in the gradient selection processing according to the second aspect, the predicted frequency is estimated using the estimated value of the gradient of the event obtained by the first gradient estimation processing, and the predicted frequency is newly detected. The accuracy of the estimated value of the gradient is evaluated based on the proximity to the frequency of the event. or,
A prediction frequency is estimated using the gradient of the track obtained by the second gradient estimation processing, and the accuracy of the estimated value of the gradient is evaluated based on the proximity between the predicted frequency and the frequency of the newly detected event. You. Then, the estimated value having the higher accuracy evaluation is selected.
【0012】第4の発明によれば、入力信号中における
狭帯域信号のS/N比が推定され、第2の発明における
勾配選択処理では、S/N比の推定値があらかじめ設定
された閾値よりも低ければ、第1の勾配推定処理の結果
が選択され、高ければ第2の勾配推定処理の結果が選択
される。即ち、第1〜第4の発明においては、各イベン
トについてイベントの周波数に対応する各ニューラルネ
ットワークの出力を比較し、どの勾配を担当するニュー
ラルネットワークが最も大きな出力を示すかに基づき、
狭帯域信号の勾配が推定され、これがイベントの勾配の
推定値として記録される。もし、周波数追尾の過程でト
ラックの予測周波数が得られない場合、或いは予測周波
数の精度が低い場合に、トラックに統合されたイベント
の勾配を用いてトラックの予測周波数を算出する。各ニ
ューラルネットワークの出力を比較することで得られる
イベントの勾配の推定値は、信号のS/N比がある程度
高い場合に精度が劣化する。これはニューラルネットワ
ークの出力が上限に達し、複数のニューラルネットワー
クが横並びの値を出力するためである。むしろ、かろう
じて検出できる程度のS/N比を持つ信号に対しては、
信号の真の勾配を対象範囲のに含む唯一のニューラルネ
ットワークのみが反応を示すので、勾配の推定精度が高
い。よって、その勾配の推定値に基づいて算出された予
測周波数は精度が高い。According to the fourth aspect, the S / N ratio of the narrow band signal in the input signal is estimated. In the gradient selection processing according to the second aspect, the estimated value of the S / N ratio is set to a predetermined threshold value. If lower, the result of the first gradient estimating process is selected, and if higher, the result of the second gradient estimating process is selected. That is, in the first to fourth inventions, for each event, the output of each neural network corresponding to the frequency of the event is compared, and based on which gradient the neural network in charge of shows the largest output,
The slope of the narrowband signal is estimated and recorded as an estimate of the slope of the event. If the predicted frequency of the track cannot be obtained in the course of the frequency tracking or if the accuracy of the predicted frequency is low, the predicted frequency of the track is calculated using the gradient of the event integrated in the track. The accuracy of the estimated value of the event gradient obtained by comparing the outputs of the neural networks deteriorates when the S / N ratio of the signal is high to some extent. This is because the output of the neural network reaches the upper limit and a plurality of neural networks output values arranged side by side. Rather, for a signal with a barely detectable S / N ratio,
Since only one neural network that includes the true gradient of the signal within the target range shows a response, the accuracy of gradient estimation is high. Therefore, the prediction frequency calculated based on the estimated value of the gradient has high accuracy.
【0013】一方、追尾によって得られるトラックの勾
配及びそれに基づく予測周波数は、探知開始直後でデー
タの蓄積が十分でないときに精度が低い。しかし、通常
では初探時の信号のS/N比はあまり高くないので、こ
の状況下ではイベントの勾配の推定精度が高い。以上の
ように、イベントの勾配の推定値から予測周波数を得る
方法と追尾によって予測周波数を得る方法とは、互いに
補いあう特徴をもつ。そこで、追尾に基づいてトラック
の予測周波数を得られない場合、或いは精度が低いと思
われる場合には、イベントの勾配の推定値に基づいて予
測周波数を得る。従って、前記課題を解決できるのであ
る。On the other hand, the gradient of the track obtained by tracking and the predicted frequency based on the track have low accuracy immediately after the start of detection and when the accumulation of data is not sufficient. However, since the S / N ratio of the signal at the time of the initial search is not usually very high, the estimation accuracy of the gradient of the event is high in this situation. As described above, the method of obtaining the predicted frequency from the estimated value of the gradient of the event and the method of obtaining the predicted frequency by tracking have characteristics that complement each other. Therefore, when the predicted frequency of the track cannot be obtained based on the tracking, or when the accuracy is considered to be low, the predicted frequency is obtained based on the estimated value of the gradient of the event. Therefore, the above problem can be solved.
【0014】[0014]
【実施例】第1の実施例 図1は、本発明の第1の実施例の信号周波数追尾装置を
示すブロック図であり、図2と共通する要素には共通の
符号が付されている。本実施例では、初めてイベントの
発生を検出したときに、複数のニューラルネットワーク
の出力を比較することにより、最も大きな数値を出力し
たニューラルネットワークを求め、追尾対象の狭帯域信
号の勾配の推定値を求める。つまりイベントの勾配を求
める。その求められた勾配の推定値に基づいて、統合に
使用する予測周波数を推定する。また、それ以外のとき
には、信号周波数追尾装置はイベントの周波数の過去の
履歴のうち最新の2回分の変化の度合いから、トラック
における勾配求めて狭帯域信号の勾配を推定し、そのト
ラックの勾配から狭帯域信号の次の追尾周期における予
測周波数を推定して周波数追尾を行う。図1に示された
信号周波数追尾装置は、図2と同様に入力信号Sinであ
る音波を入力する音響センサ1を備えている。音響セン
サ1の出力側には高速離散フーリエ変換を行う周波数分
析機のFFT装置2が接続され、FFT装置2の出力側
には記憶装置3が接続されている。記憶装置3の出力側
にはK個のニューラルネットワーク4−1,4−2,
…,4−kが並列に接続されている。K個のニューラル
ネットワーク4−1,4−2,…,4−kの出力側には
イベント検出装置15が接続されている。イベント検出
装置15は従来のようにイベントの発生を検出すると共
に、各イベントにおける勾配の推定する第1の勾配推定
処理を行うものである。EXAMPLES First Embodiment FIG. 1 is a block diagram illustrating a signal frequency tracking apparatus of the first embodiment of the present invention, it is denoted by the same reference numerals to elements common to FIG. In the present embodiment, when the occurrence of an event is detected for the first time, the output of a plurality of neural networks is compared to determine the neural network that outputs the largest value, and the estimated value of the gradient of the narrowband signal to be tracked is calculated. Ask. That is, the gradient of the event is obtained. A predicted frequency used for integration is estimated based on the obtained estimated value of the gradient. At other times, the signal frequency tracking device estimates the gradient of the narrow band signal by calculating the gradient in the track from the degree of the latest two changes in the past history of the frequency of the event, and calculates the gradient of the narrow band signal from the gradient of the track. The frequency tracking is performed by estimating the predicted frequency in the next tracking cycle of the narrowband signal. The signal frequency tracking device shown in FIG. 1 includes an acoustic sensor 1 for inputting a sound wave as an input signal S in as in FIG. The output side of the acoustic sensor 1 is connected to an FFT device 2 of a frequency analyzer that performs high-speed discrete Fourier transform, and the output side of the FFT device 2 is connected to a storage device 3. On the output side of the storage device 3, K neural networks 4-1, 4-2,
.., 4-k are connected in parallel. The output side of the K neural networks 4-1, 4-2,..., 4-k is connected to an event detection device 15. The event detection device 15 detects the occurrence of an event and performs a first gradient estimation process for estimating the gradient in each event, as in the related art.
【0015】イベント検出装置15の出力側がトラック
管理装置16に接続されている。トラック管理装置16
は統合を行うと共にトラックの周波数の過去の履歴から
トラックの勾配を求めて狭帯域信号の勾配の推定値とす
る第2の勾配推定処理を行う機能を有してる。トラック
管理装置16には、該トラック管理装置16に対して周
波数を送受信する周波数予測装置17が接続されてい
る。周波数予測装置17は予測周波数算出処理を行うも
のである。また、この信号周波数追尾装置には勾配選択
装置18が設けられている。勾配選択装置18はイベン
ト検出装置15の出力側と、トラック管理装置16と周
波数予測装置17間に接続され、トラック管理装置16
及びイベント検出装置15からの各勾配の推定値を選択
して周波数予測装置17へ送出するものである。The output side of the event detection device 15 is connected to the track management device 16. Truck management device 16
Has the function of performing integration and performing a second gradient estimating process to determine the gradient of the track from the past history of the frequency of the track and to obtain an estimated value of the gradient of the narrowband signal. A frequency estimating device 17 that transmits and receives frequencies to and from the track management device 16 is connected to the track management device 16. The frequency prediction device 17 performs a predicted frequency calculation process. Further, the signal frequency tracking device is provided with a gradient selecting device 18. The gradient selection device 18 is connected to the output side of the event detection device 15 and between the track management device 16 and the frequency prediction device 17.
And an estimated value of each gradient from the event detection device 15 and sends it to the frequency prediction device 17.
【0016】次に、図1の信号周波数追尾装置の動作を
説明する。音響センサ1は、狭帯域信号を含む音波の入
力信号Sinを受波し、音響信号s1に変換してFFT装
置2に送る。FFT装置2は一定のサンプル時間T毎に
高速離散フーリエ変換を音響信号s1に対して行って周
波数分析結果s2を得る。周波数分析結果s2を式化す
ると、次の(3)で表すことができる。 {X(f)|f=f1 ,f2 ,…,fN } ・・・(3) 記憶装置3は(3)に示される周波数分析結果s2を過
去一定時間分記憶する。これにより、次の(4)に示さ
れる時刻×周波数空間上の信号強度分布s3が求められ
る。 {X(t,f)|t=t1 ,t2 ,…,tM ;f=f1 ,f2 ,…,fN } ・・・(4) (4)に示される信号分布強度s3は所定の時間T秒毎
に作成される。記憶装置3は、この信号強度分布s3か
ら各サンプル周波数fn =f1 ,f2 ,…,fN につい
て、次の(5)で示されるfn を中心とする所定の幅2
W+1の小区画を、K個のニューラルネットワーク4−
1,4−2,…,4−kのすべてに送る。 {X(t,f)|t=t1 ,t2 ,…,tM ;f=fn-W ,…,fn+W } ・・・(5) 各ニューラルネットワーク4−1,4−2,…,4−k
は、異なる勾配の入力信号を分担する。例えば、ニュー
ラルネットワーク4−1は、入力中から周波数の勾配が
df0 〜df1 (Hz/ 秒)の範囲の信号を検出するよう
に、予めバックプロパゲーション法等で学習を施してお
く。また、同様に、ニューラルネットワーク4−2は勾
配がdf1 〜df2 (Hz/ 秒)の範囲、…、ニューラル
ネットワーク4−kはdfk-1 〜dfk (Hz/ 秒)の範
囲の信号を担当して検出するようにしておく。なお、ニ
ューラルネットワークにおける処理と学習方法について
は、次の文献に詳説されている。 文献;麻生英樹、“ニューラルネットワーク情報処理”
初版(1989) 産業図書株式会社、P.9-18,50-54 各ニューラルネットワーク4−1,4−2,…,4−k
は、0〜1の数値をイベント検出装置15へ出力する構
成であり、入力した信号分布強度s3の小区画中に担当
する勾配があれば最大値である1を出力する。また、担
当する勾配に近い勾配が存在する場合には1に近い値を
出力し、遠い勾配が存在する場合は0に近い値を出力
し、小区画中に勾配がない時は0を出力する。信号強度
分布s3中に、サンプル周波数に近い周波数に狭帯域信
号が存在するならば、その小区画には直線状のパターン
が浮かび上がる。各ニューラルネットワーク4−1,4
−2,…,4−kは小区画に対して検出をおこない、小
区画の勾配に近い勾配を担当するニューラルネットワー
クが、大きな値を出力する。この動作が多数のサンプル
周波数に対して繰り返して実施され、結果s4が逐次イ
ベント検出装置15に送られる。Next, the operation of the signal frequency tracking device of FIG. 1 will be described. The acoustic sensor 1 receives an input signal S in of a sound wave including a narrowband signal, converts the signal into an acoustic signal s1, and sends the acoustic signal s1 to the FFT device 2. The FFT device 2 performs a high-speed discrete Fourier transform on the acoustic signal s1 at a constant sampling time T to obtain a frequency analysis result s2. When formulating the frequency analysis result s2, it can be expressed by the following (3). {X (f) | f = f 1 , f 2 ,..., F N } (3) The storage device 3 stores the frequency analysis result s2 shown in (3) for a fixed time in the past. Thus, a signal intensity distribution s3 in the time × frequency space shown in the following (4) is obtained. {X (t, f) | t = t 1, t 2, ..., t M; f = f 1, f 2, ..., f N} ··· (4) (4) signal shown in the distribution strength s3 Is created every predetermined time T seconds. From the signal intensity distribution s3, the storage device 3 obtains, for each sample frequency f n = f 1 , f 2 ,..., F N , a predetermined width 2 centered on f n shown in the following (5).
The W + 1 subsection is divided into K neural networks 4-
.., 4-k. {X (t, f) | t = t 1 , t 2 , ..., t M ; f = f nW , ..., f n + W } (5) Each neural network 4-1, 4-2, …, 4-k
Share input signals of different slopes. For example, a neural network 4-1, the gradient of the frequency from the input is to detect signals in the range of df 0 ~df 1 (Hz / sec), previously subjected to learning in advance back propagation method or the like. Similarly, the scope of the neural network 4-2 slope df 1 ~df 2 (Hz / sec), ..., the range of the signal of the neural network 4-k is df k-1 ~df k (Hz / sec) In charge of detection. The processing and learning method in the neural network are described in detail in the following document. Literature; Hideki Aso, "Neural Network Information Processing"
First edition (1989) Sangyo Tosho Co., Ltd., P.9-18,50-54 Neural networks 4-1,4-2, ..., 4-k
Is configured to output a numerical value of 0 to 1 to the event detection device 15. If there is a gradient in charge in a small section of the input signal distribution intensity s3, the maximum value of 1 is output. When a gradient close to the assigned gradient exists, a value close to 1 is output, when a far gradient exists, a value close to 0 is output, and when there is no gradient in a small section, 0 is output. . If a narrow band signal exists at a frequency close to the sample frequency in the signal intensity distribution s3, a linear pattern emerges in the small section. Neural networks 4-1 and 4
−2,..., 4-k detect small sections, and the neural network in charge of the gradient close to the gradient of the small section outputs a large value. This operation is repeatedly performed for many sample frequencies, and the result s4 is sequentially sent to the event detection device 15.
【0017】イベント検出装置15は、各ニューラルネ
ットワーク4−1,4−2,…,4−kの周波数に対す
る出力中で極大点でありかつ値が所定の閾値を越えてい
る点を探し、その点をイベントとして検出する。そし
て、このときの極大点の周波数をイベントの周波数fと
する。また、イベントの周波数fの時間的変化、即ち、
イベントの勾配dfe を、各ニューラルネットワーク4
−1,4−2,…,4−kの出力値を比較することで推
定する。この推定方法としては、イベントの周波数fに
対して、最も大きな値を出力するニューラルネットワー
クを検出し、該ニューラルネットワークの担当する勾配
区間dfk-1 〜dfk の中心値(dfk-1〜dfk )/
2をもってイベントの勾配の推定値dfe とする。イベ
ントの周波数fは周波数予測装置17とトラック管理装
置16へ送られる。また、イベントの勾配の推定値df
e は勾配選択装置18へ送られる。トラック管理装置1
6は、検出されたイベントの周波数fを追尾中の各トラ
ックと比較する。イベントの周波数fと周波数予測装置
17から供給されたトラックの予測周波数φとの差が統
合窓幅以下であるならば、イベントをそのトラックに統
合する。このとき、トラックに関する情報を以下(ア)
〜(ウ)のように更新する。 (ア)そのイベントが所属することを記載する。 (イ)トラックの前回の周波数と今回のイベントの周波
数fとの差を、前回のイベントとの時間差で割った値を
トラックの勾配dft として記録する。 (ウ)イベントの周波数fをトラックの新たな周波数と
して記録する。The event detecting device 15 searches for a point which is a local maximum point and whose value exceeds a predetermined threshold value in the output with respect to the frequency of each of the neural networks 4-1, 4-2,..., 4-k. Detect points as events. Then, the frequency of the maximum point at this time is defined as the frequency f of the event. Also, the temporal change of the frequency f of the event, that is,
The gradient df e of events, each neural network 4
.., 4-k are estimated by comparing the output values. As the estimation method, for the event of the frequency f, and detects a neural network for outputting the largest value, the center value of the slope segment df k-1 ~df k in charge of the neural network (df k-1 ~ df k ) /
With 2 the estimated value df e of the slope of the events. The frequency f of the event is sent to the frequency prediction device 17 and the track management device 16. Also, the estimated value df of the gradient of the event
e is sent to the gradient selector 18. Truck management device 1
No. 6 compares the frequency f of the detected event with each track being tracked. If the difference between the frequency f of the event and the predicted frequency φ of the track supplied from the frequency prediction device 17 is equal to or smaller than the integration window width, the event is integrated into the track. At this time, information about the track is described below (A)
Update as in (c). (A) State that the event belongs. (B) the difference between the previous frequency and the frequency f of this event in the track, records the value obtained by dividing the time difference between the previous event as the gradient df t tracks. (C) The frequency f of the event is recorded as a new frequency of the track.
【0018】なお、イベントが既知のどのトラックにも
統合されない場合、トラック管理装置16は新規のトラ
ックを形成する。新規のトラックの周波数としてはイベ
ントの周波数fがそのまま採用される。トラックの勾配
dft に関しては少なくとも2回イベントを検出する必
要があるので、新規のトラックを形成したときは狭帯域
信号の勾配を推定できない。この場合、トラックの勾配
dft は未知であると記録する。トラック管理装置16
はトラックの周波数fを周波数予測装置17へ送り、ト
ラックの勾配dft 及びトラックとイベントの対応付け
の情報s16を勾配選択装置18へ送る。勾配選択装置
18ではイベント検出装置15からのイベントの勾配の
推定値dfe を記録しておく。また、勾配選択装置18
はトラック管理装置16からトラックの勾配dft も受
けとる。ここで、もし、トラックの勾配dft が与えら
れているならば、勾配dft を周波数予測装置17へ送
る。ただし、探知直後のトラックの場合にはトラックの
勾配dft が未知であるので、初探から所定の時間Pに
なるまでは、このときには該トラックに属するイベント
を参照し、該イベントの勾配の推定値dfe を該トラッ
クの勾配dft の代わりとして周波数予測装置17へ供
給する。Note that if the event is not integrated into any known track, the track manager 16 creates a new track. The event frequency f is used as it is as the frequency of the new track. Since respect gradient df t track it is necessary to detect at least two events can not estimate the slope of the narrowband signal when forming a new track. In this case, the slope df t tracks recorded to be unknown. Truck management device 16
It sends the frequency f of the track to the frequency estimating device 17, and sends the correspondence information s16 slope df t and tracks and events of the track to the slope selection unit 18. Recording the estimated value df e of the slope of the events from the gradient selector 18 in the event detector 15. Also, the gradient selection device 18
Also it receives gradient df t from one track management device 16. Here, If the slope df t tracks is given, and sends a gradient df t to the frequency estimating device 17. However, since in the case of the track immediately after the detection slope df t track is unknown, until a predetermined time P from the first probe, with reference to the events belonging to the track at this time, the estimated value of the slope of the events the df e supplied to the frequency estimating device 17 as an alternative to gradient df t of the tracks.
【0019】周波数予測装置17は次の処理周期(T秒
後)における各トラックの予測周波数φを算出してトラ
ック管理装置16へ与える。予測周波数φは、トラック
の周波数をf、勾配をdfとすると次の(6)式で求め
られ、その予測周波数φはトラック管理装置16に送ら
れる。 φ=f+T・df ・・・(6) 以上のように、本実施例では、勾配選択装置18を設
け、初探時に、各ニューラルネットワーク4−1,4−
2,…,4−kの出力値の比較で得られたイベントの勾
配の推定値dfe を参照してトラックの予測周波数φを
算出する構成としている。そのため、従来の信号周波数
追尾方法に見られた、初探時に勾配が得られないので予
測精度が得られず追尾が安定しないという欠点を除去す
ることができる。The frequency predicting device 17 calculates a predicted frequency φ of each track in the next processing cycle (after T seconds) and gives it to the track managing device 16. The predicted frequency φ is obtained by the following equation (6), where f is the frequency of the track and df is the gradient. The predicted frequency φ is sent to the track management device 16. φ = f + T · df (6) As described above, in the present embodiment, the gradient selecting device 18 is provided, and the neural networks 4-1 and 4-
2, ..., it has a configuration to calculate the 4-k with reference to the track predicted frequency estimates df e of the slope of the events obtained by the comparison of the output values of phi. For this reason, it is possible to eliminate the disadvantage that the gradient cannot be obtained at the time of the first search and the prediction accuracy cannot be obtained and the tracking is not stable, which is observed in the conventional signal frequency tracking method.
【0020】第2の実施例 本実施例はイベントの勾配の推定値とトラックにおける
勾配とを用いてそれぞれ予測周波数を推定し、その各予
測周波数が新たに検出されたイベントの周波数にどれほ
ど近いかをもって推定精度を評価する。そして、本実施
例は、精度の高い方の予測周波数を選択して用いるもの
である。図3は本発明の第2の実施例を示す信号周波数
追尾装置のブロック図であり、図1及び図2と共通する
要素には共通の符号が付されている。この信号周波数追
尾装置は、第1の実施例と同様の音響センサ1と、FF
T装置2と、記憶装置3と、K個のニューラルネットワ
ーク4−1,4−2,…,4−kと、イベント検出装置
15とを備え、それらが第1の実施例と同様に接続され
ている。図3の信号周波数追尾装置には、新たに2つの
周波数予測装置20,21と予測周波数選択装置22と
が設けられている。イベント検出装置15の出力側に
は、トラック管理装置16と周波数予測装置20と予測
周波数選択装置22が接続されいている。周波数予測装
置21はトラック管理装置16の出力側に接続され、周
波数予測装置21の出力側が予測周波数選択装置22に
接続されている。予測周波数選択装置22の出力側がト
ラック管理装置16に接続されている。各周波数予測装
置20,21はイベントの勾配の推定値またはトラック
における勾配を用いてそれぞれ予測周波数を推定し、予
測周波数選択装置22が、それらの精度を求めて精度の
高い方を選択してトラック管理装置16に供給する処理
を行う構成となっている。 Second Embodiment This embodiment estimates the predicted frequencies using the estimated value of the gradient of the event and the gradient of the track, and determines how close each predicted frequency is to the frequency of the newly detected event. The estimation accuracy is evaluated with. In the present embodiment, a prediction frequency with higher accuracy is selected and used. FIG. 3 is a block diagram of a signal frequency tracking apparatus according to a second embodiment of the present invention. Elements common to FIGS. 1 and 2 are denoted by the same reference numerals. This signal frequency tracking device includes an acoustic sensor 1 similar to that of the first embodiment and an FF
It includes a T device 2, a storage device 3, K neural networks 4-1, 4-2,..., 4-k, and an event detection device 15, which are connected in the same manner as in the first embodiment. ing. The signal frequency tracking device of FIG. 3 is newly provided with two frequency prediction devices 20 and 21 and a predicted frequency selection device 22. On the output side of the event detection device 15, a track management device 16, a frequency prediction device 20, and a predicted frequency selection device 22 are connected. The frequency prediction device 21 is connected to the output side of the track management device 16, and the output side of the frequency prediction device 21 is connected to the predicted frequency selection device 22. The output side of the predicted frequency selection device 22 is connected to the track management device 16. Each of the frequency predictors 20 and 21 estimates the predicted frequency using the estimated value of the gradient of the event or the gradient in the track, and the predicted frequency selector 22 obtains the accuracy and selects the one with the higher accuracy to determine the track. It is configured to perform processing to supply to the management device 16.
【0021】次に図3の信号周波数追尾装置の動作を説
明する。音響センサ1で音波の入力信号Sinを受波して
からイベント検出装置15によってイベントを検出する
までは、第1の実施例と同様の動作が実施される。イベ
ント検出装置15で得られたイベントの周波数fとその
勾配の推定値dfe は周波数予測装置20へ送られる。
周波数予測装置20は所定の時間T秒後における狭帯域
信号の予測周波数φe を次の(7)式によって求める。 φe =f+T・dfe ・・・(7) 一方の、トラック管理装置16は、従来及び第1の実施
例と同様に、トラックの周波数f(イベントの周波数と
同じになる。)と勾配dft を算出して周波数予測装置
21へ送る。周波数予測装置21は、T秒後の狭帯域信
号の予測周波数φt を次の(8)式で推定する。Next, the operation of the signal frequency tracking device of FIG. 3 will be described. The same operation as in the first embodiment is performed from the time when the acoustic sensor 1 receives the input signal S in of the sound wave to the time when the event is detected by the event detection device 15. Estimate df e of the frequency f and its gradient obtained event event detection device 15 is fed to a frequency predicting unit 20.
The frequency prediction device 20 obtains a predicted frequency φ e of the narrowband signal after a predetermined time T seconds by the following equation (7). φ e = f + T · df e (7) On the other hand, the track management device 16 has a track frequency f (same as an event frequency) and a gradient df, as in the conventional and first embodiments. t is calculated and sent to the frequency prediction device 21. Frequency prediction apparatus 21 estimates a predicted frequency phi t narrowband signal after T seconds by the following equation (8).
【0022】 φt =f+T・dft ・・・(8) 予測周波数選択装置22では、2通りの方法でえられた
各予測周波数φe ,φt のうち、精度の高い方を予測周
波数φとして選択し、トラック管理装置16へ送る。こ
こで、精度の評価は以下のようにして行う。予測周波数
選択装置22は各処理周期毎に入力される予測周波数φ
e ,φt の値、φe (1),φe (2),…,及びφt
(1),φt (2),…,の値を記録しておき、前回予
測した予測周波数φが今回獲られたイベントの周波数f
に近かった方を選択する。即ち、ある処理周期nにおい
て、次の(9)式となったときφe (n)が予測周波数
φとして採用され、そうでないときφt (n)が採用さ
れる。 |φe (n−1)−f|<|φt (n−1)−f| ・・・(9) トラック管理装置16は、予測周波数選択装置22から
送られる予測周波数φを用い、第1の実施例或いは従来
と同様に、イベントとトラックの統合を行う。以上のよ
うに、本実施例では、周波数予測装置20でイベントの
周波数の勾配の推定値dfe に基づいた予測周波数φe
を推定し、周波数予測装置21でトラックの勾配dft
に基づいた予測周波数φt を推定し、予測周波数選択装
置22が各予測周波数φe ,φt のうち精度の高い方を
予測周波数φとして選択しトラック管理装置16へ送
る。そのため、従来よりも広範囲な条件下で予測周波数
φを精度よく得ることができるので、安定した周波数追
尾を行うことができる。Φ t = f + T · df t (8) The predicted frequency selecting device 22 determines which one of the predicted frequencies φ e and φ t obtained by the two methods has higher accuracy as the predicted frequency φ And sends it to the track management device 16. Here, the accuracy is evaluated as follows. The predicted frequency selecting device 22 receives the predicted frequency φ input for each processing cycle.
e , φ t , φ e (1), φ e (2), ..., and φ t
The values of (1), φ t (2),... Are recorded, and the predicted frequency φ predicted last time is the frequency f of the event captured this time.
Select the person who was closer to. That is, in certain processing cycle n, when it becomes the following equation (9) phi e (n) is adopted as the predicted frequency phi, phi t (n) is employed otherwise. | Φ e (n−1) −f | <| φ t (n−1) −f | (9) The track management device 16 uses the predicted frequency φ sent from the predicted frequency selection device 22 As in the first embodiment or the related art, the event and the track are integrated. As described above, in this embodiment, predicted frequency phi e based on the estimated value df e of the slope of the frequency of the event in the frequency predictor 20
It estimates the gradient of the track at a frequency prediction apparatus 21 df t
Estimating a predicted frequency phi t based on, it sends predicted frequency selection device 22 each predicted frequency phi e, selected as predicted frequency phi a higher accuracy of the phi t to the track management device 16. Therefore, the predicted frequency φ can be obtained with higher accuracy under a wider range of conditions than in the past, and stable frequency tracking can be performed.
【0023】第3の実施例 本実施例は、入力信号中における狭帯域信号のS/N比
を推定して、その高低に応じてイベントの勾配の推定値
とトラックの勾配のどちらかの値を選択し、選択された
値を用いて狭帯域信号の予測周波数を求め、信号周波数
追尾を行う方法である。図4は、本発明の第3の実施例
を示す信号周波数追尾装置のブロック図であり、図1〜
図3と共通する要素には共通の符号が付されている。こ
の信号周波数追尾装置装置は、本実施例の信号周波数追
尾方法を実施する装置であり、第1の実施例と同様の音
響センサ1と、FFT装置2と、記憶装置3と、K個の
ニューラルネットワーク4−1,4−2,…,4−k
と、イベント検出装置15と、トラック管理装置16
と、周波数予測装置17とを備え、さらに、第1の実施
例とは異なり、信号精測装置30と勾配選択装置31と
を設けている。音響センサ1の出力側にはFFT装置2
が接続され、FFT装置2の出力側には記憶装置3と信
号精測装置30が接続されている。記憶装置3の出力側
にはK個のニューラルネットワーク4−1,4−2,
…,4−kが接続されている。K個のニューラルネット
ワーク4−1,4−2,…,4−kの出力側にはイベン
ト検出装置15が接続されている。イベント検出装置1
5の出力側は信号精測装置30と勾配選択装置31に接
続され、その信号精測装置30の出力側はトラック管理
装置16と勾配選択装置31に接続されている。勾配選
択装置31の出力側が周波数予測装置17に接続され、
周波数予測装置17の出力側がトラック管理装置16に
接続されている。トラック管理装置16の出力側は勾配
選択装置31と周波数予測装置17に接続されている。 Third Embodiment In this embodiment, the S / N ratio of a narrow band signal in an input signal is estimated, and either the estimated value of the event gradient or the value of the track gradient is determined according to the level. Is selected, a predicted frequency of the narrowband signal is obtained using the selected value, and signal frequency tracking is performed. FIG. 4 is a block diagram of a signal frequency tracking device according to a third embodiment of the present invention.
Elements common to FIG. 3 are denoted by common reference numerals. This signal frequency tracking device is a device for implementing the signal frequency tracking method of the present embodiment, and includes the same acoustic sensor 1, FFT device 2, storage device 3, and K neural circuits as in the first embodiment. .., 4-k
, An event detection device 15 and a track management device 16
And a frequency estimating device 17. Further, unlike the first embodiment, a signal precise measuring device 30 and a gradient selecting device 31 are provided. On the output side of the acoustic sensor 1 is an FFT device 2
Is connected to the output side of the FFT device 2, the storage device 3 and the signal precise measurement device 30. On the output side of the storage device 3, K neural networks 4-1, 4-2,
.., 4-k are connected. The output side of the K neural networks 4-1, 4-2,..., 4-k is connected to an event detection device 15. Event detection device 1
The output side of 5 is connected to the signal measuring device 30 and the gradient selecting device 31, and the output side of the signal measuring device 30 is connected to the track management device 16 and the gradient selecting device 31. The output side of the gradient selection device 31 is connected to the frequency prediction device 17,
The output side of the frequency prediction device 17 is connected to the track management device 16. The output side of the track management device 16 is connected to the gradient selection device 31 and the frequency prediction device 17.
【0024】次に、図4の信号周波数追尾装置の動作を
説明する。音響センサ1は受波した音波の入力信号Sin
を音響信号s1に変換し、FET装置が所定時間Sごと
に、周波数空間上の次の(10)に示される信号強度分
布s2に変換し、これを記憶装置3と信号精測装置30
へ送る。 {X(f,t)|f=f1 ,f2 ,…,fN } ・・・(10) 記憶装置3に信号分布強度s2を入力してから、イベン
ト検出装置15によってイベントを検出するまでは、第
1及び第2の実施例と同様の動作が行われる。信号精測
装置30では、検出された各イベントについて、より精
密な信号周波数の推定値fs と信号のS/N比を計測す
る。ここで、信号精測装置30はFET装置2からの信
号強度分布s2を受取り、各サンプル周波数毎に、過去
一定時間(例えば、K×S秒とする。)分を平均した値
{X1 (f,t)|f=f1 ,f2 ,…,fN }を算出
しておく。即ち、各サンプル周波数毎に、次の(11)
の値を算出しておく。 X1 (f,t)=(X(f,t)+X(f,t−S)X(f,t−2S)+ …+X(f,t−(K−1)S))/K) ・・・(11) 続いて、信号精測装置30はイベント検出装置15から
イベントの周波数fnを受取る。平均した値{X
1 (f,t)}中の周波数fn を中心とする所定の範囲
で最も大きな値を示す周波数を精測周波数fs として求
める。例えば、所定の範囲を、片側εサンプル周波数と
すると、信号精測装置30は{X1 (f,t)|f=f
n-ε,…,fn-1 ,fn ,fn+1 ,…,fn+ε}の中
で、最も大きな値を示す周波数fn0を精測周波数fs と
して求める。精測周波数fs はイベントの周波数fの代
わりにトラック管理装置16に送られる。また、信号精
測装置30はのS/N比の推定値Lを次の(12)式か
ら求め、勾配選択装置31へ送る。 L=10log10(X1 (fn0,t)/σ) ・・・(12) ただし、σは値{X1 (f,t)|f=f1 ,f2 ,
…,fN }の標準偏差である。Next, the operation of the signal frequency tracking device of FIG. 4 will be described. The acoustic sensor 1 receives the input signal S in of the received sound wave.
Is converted to an acoustic signal s1, and the FET device converts the signal intensity distribution s2 shown in the following (10) on the frequency space every predetermined time S, and this is stored in the storage device 3 and the signal precise measurement device 30.
Send to {X (f, t) | f = f 1 , f 2 ,..., F N } (10) After inputting the signal distribution intensity s 2 into the storage device 3, an event is detected by the event detection device 15. Up to this, the same operation as in the first and second embodiments is performed. The signal precise measurement device 30 measures a more accurate estimated value f s of the signal frequency and the S / N ratio of the signal for each detected event. Here, the signal precise measurement device 30 receives the signal intensity distribution s2 from the FET device 2 and averages a predetermined time period (for example, K × S seconds) for each sample frequency for a value ΔX 1 ( f, t) | f = f 1 , f 2 ,..., f N } are calculated in advance. That is, for each sample frequency, the following (11)
Is calculated in advance. X 1 (f, t) = (X (f, t) + X (f, t−S) X (f, t−2S) +... + X (f, t− (K−1) S)) / K) (11) Subsequently, the signal precise measurement device 30 receives the frequency f n of the event from the event detection device 15. Average value {X
The frequency having the largest value in a predetermined range centered on the frequency f n in 1 (f, t)} is determined as the precisely measured frequency f s . For example, assuming that a predetermined range is a one-sided ε sample frequency, the signal precision measuring device 30 calculates ΔX 1 (f, t) | f = f
n-ε, ..., f n -1, f n, f n + 1, ..., in the f n + ε}, obtaining the frequency f n0 showing the largest value as Seihaka frequency f s. The measured frequency f s is sent to the track management device 16 instead of the frequency f of the event. Further, the signal precise measurement device 30 obtains the estimated value L of the S / N ratio of the signal from the following equation (12), and sends it to the gradient selection device 31. L = 10 log 10 (X 1 (f n0 , t) / σ) (12) where σ is a value {X 1 (f, t) | f = f 1 , f 2 ,
.., F N }.
【0025】勾配選択装置31は、イベント検出装置1
5からはイベントの勾配の推定値dfe を、トラック管
理装置16からはトラックの勾配dft を受取り、どち
らを選択するか決定する。このとき、信号精測装置30
で得られたS/N比の推定値Lが所定の値よりも低い値
であればイベントの勾配の推定値dfe を採用し、高け
ればトラックの勾配dft を採用する。なお、この閾値
は様々なS/N比の信号を用いて両勾配dfe ,dft
の精度を比較するシミュレーション実験によって予め定
めて設定する。周波数予測装置17は、勾配選択装置3
1で選択された勾配を用いて次回の処理周期(T秒後)
における信号の予測周波数φを算出し、トラック管理装
置16に送る。トラック管理装置16は、イベントの精
測周波数fs を信号精測装置30から受取り、トラック
の勾配dft を勾配選択装置31へ送出する。トラック
管理装置16の他の動作は、従来と同様である。The gradient selecting device 31 is used for the event detecting device 1.
An estimate df e of the slope of the events from 5 receives the slope df t tracks from the track management unit 16 determines whether to choose. At this time, the signal precise measurement device 30
Estimate L of the obtained S / N ratio is adopted estimate df e of the slope of the event if the value lower than a predetermined value, employing the slope df t tracks is higher. Note that this threshold is both slope df e with signals of various S / N ratio, df t
Is set in advance by a simulation experiment for comparing the accuracy of. The frequency predicting device 17 includes the gradient selecting device 3
Next processing cycle using the gradient selected in 1 (after T seconds)
Is calculated and sent to the track management device 16. Track management device 16 receives the precise measurement frequency f s of the event from the signal precise measurement device 30, and sends the slope df t track the slope selection unit 31. Other operations of the track management device 16 are the same as those in the related art.
【0026】以上のように、本実施例では、信号精測装
置30と勾配選択装置31を設け、信号精測装置30で
信号のS/N比の推定値Lを求め、勾配選択装置31で
その推定値Lが低ければイベントの勾配dfe 、高けれ
ばトラックの勾配dft を選択して周波数予測装置17
へ送る。そして、周波数予測装置17が選択された勾配
を用いて予測周波数φを算出する。そのため、従来より
も広範囲なS/N比の信号に対して予測周波数φを精度
よく得ることができ、安定した追尾を行うことができ
る。なお、本発明は、上記実施例に限定されず種々の変
形が可能である。その変形例としては、例えば次のよう
なものがある。 (1) 図1、図3及び図4における音響センサ1を除
く各ブロックはそれぞれ電気回路で実現してもよいし、
それらの一部或いは全部をコンピュータプログラムで実
現してもよい。 (2) 第1〜第3の実施例では、入力信号Sinとして
音波を用いているが、音波に限定されず電波等としても
よい。例えば、入力信号Sinが電波の場合、音響センサ
1の代わりに受信アンテナを用いることで、第1〜第3
の実施例と同様の効果を発揮する。As described above, in this embodiment, the signal precise measuring device 30 and the gradient selecting device 31 are provided, and the signal precise measuring device 30 obtains the estimated value L of the S / N ratio of the signal. the estimated value L is lower if the event of the gradient df e, by selecting the slope df t track the higher frequency estimating device 17
Send to Then, the frequency prediction device 17 calculates the predicted frequency φ using the selected gradient. Therefore, it is possible to accurately obtain the predicted frequency φ for a signal having a wider S / N ratio than in the related art, and perform stable tracking. The present invention is not limited to the above-described embodiment, and various modifications are possible. For example, there are the following modifications. (1) Each block except the acoustic sensor 1 in FIGS. 1, 3 and 4 may be realized by an electric circuit,
Some or all of them may be realized by a computer program. (2) In the first to third embodiments, a sound wave is used as the input signal S in , but the present invention is not limited to the sound wave and may be a radio wave or the like. For example, when the input signal S in is a radio wave, the reception sensor is used in place of the acoustic sensor 1 so that
The same effect as that of the embodiment is exhibited.
【0027】[0027]
【発明の効果】以上詳細に説明したように、第1の発明
によれば、複数のニューラルネットワークの出力値を比
較して狭帯域信号の勾配を推定する第1の勾配推定処理
と、狭帯域信号の周波数の推定値の過去の履歴のうち最
新の所定の時間Pの間の変化から狭帯域信号の勾配を推
定する第2の勾配推定処理と、初めてイベントを検出し
たときから所定の時間Pが経過していない間は第1の勾
配推定処理の結果を選択し、経過した後は第2の勾配推
定処理の結果を選択する勾配選択処理とを行って、勾配
選択処理の結果でえられる狭帯域信号の勾配の推定値と
狭帯域信号の周波数の推定値とから狭帯域信号の予測周
波数を推定する予測周波数算出処理とを行うようにして
いる。そのため、初探時に勾配が得られないという課題
が解決され、安定した狭帯域信号の周波数追尾を行え
る。第2及び第3の発明によれば、第1の発明における
第1の勾配推定処理または前記第2の勾配推定処理の結
果のうち精度の高い方を選択する勾配選択処理と、予測
周波数算出処理とを行って統合を行うので、従来よりも
広範囲な条件下で予測周波数を精度よく得ることがで
き、安定した周波数追尾を行うことができる。第4の発
明によれば、入力信号における狭帯域信号のS/N比を
推定する処理を行い、第2の発明における勾配選択処理
は、そのS/N比の推定値があらかじめ設定された閾値
よりも低ければ前記第1の勾配推定処理の結果を選択
し、該S/N比の推定値が該閾値より高ければ前記第2
の勾配推定処理の結果を選択するので、従来よりも広範
囲なS/N比の信号に対して予測周波数を精度よく得る
ことができ、安定した追尾を行うことができる。As described above in detail, according to the first aspect, the first gradient estimating process for estimating the gradient of the narrowband signal by comparing the output values of a plurality of neural networks, A second gradient estimating process for estimating the gradient of the narrowband signal from the change during the latest predetermined time P in the past history of the estimated value of the frequency of the signal, and a predetermined time P from the time when the event is first detected; While the time has not elapsed, the result of the first gradient estimation process is selected, and after the time elapses, a gradient selection process of selecting the result of the second gradient estimation process is performed, and the result of the gradient selection process is obtained. A predicted frequency calculation process for estimating a predicted frequency of the narrowband signal from the estimated value of the gradient of the narrowband signal and the estimated value of the frequency of the narrowband signal is performed. Therefore, the problem that a gradient cannot be obtained at the time of the first search is solved, and stable narrow-band signal frequency tracking can be performed. According to the second and third inventions, a gradient selection process for selecting a higher accuracy one of the results of the first gradient estimation process or the second gradient estimation process in the first invention, and a predicted frequency calculation process Therefore, the prediction frequency can be accurately obtained under a wider range of conditions than in the past, and stable frequency tracking can be performed. According to the fourth aspect, the processing for estimating the S / N ratio of the narrow band signal in the input signal is performed. In the gradient selection processing in the second aspect, the estimated value of the S / N ratio is set to a predetermined threshold value. If the value is lower than the threshold, the result of the first gradient estimation process is selected, and if the estimated value of the S / N ratio is higher than the threshold, the second
Since the result of the gradient estimation process is selected, a predicted frequency can be obtained with high accuracy for a signal having a wider S / N ratio than in the past, and stable tracking can be performed.
【図1】本発明の第1の実施例を示す信号周波数追尾装
置のブロック図である。FIG. 1 is a block diagram of a signal frequency tracking device according to a first embodiment of the present invention.
【図2】従来の信号周波数追尾装置を示すブロック図で
ある。FIG. 2 is a block diagram showing a conventional signal frequency tracking device.
【図3】本発明の第2の実施例を示す信号周波数追尾装
置のブロック図である。FIG. 3 is a block diagram of a signal frequency tracking device according to a second embodiment of the present invention.
【図4】本発明の第3の実施例を示す信号周波数追尾装
置のブロック図である。FIG. 4 is a block diagram of a signal frequency tracking device according to a third embodiment of the present invention.
1 音響センサ 2 FFT装置 3 記憶装置 4−1〜4−k ニューラルネットワーク 15 イベント検出装置 16 トラック管理装置 17,20,21 周波数予測装置 18 勾配選択装置 22 予測周波数選択装置 30 信号精測装置 31 勾配選択装置 Reference Signs List 1 acoustic sensor 2 FFT device 3 storage device 4-1 to 4-k neural network 15 event detection device 16 track management device 17, 20, 21 frequency prediction device 18 gradient selection device 22 prediction frequency selection device 30 signal precise measurement device 31 gradient Selection device
───────────────────────────────────────────────────── フロントページの続き (72)発明者 溝田 享 東京都港区虎ノ門1丁目7番12号 沖電 気工業株式会社内 (72)発明者 尾崎 俊二 東京都港区虎ノ門1丁目7番12号 沖電 気工業株式会社内 (56)参考文献 特開 昭58−139084(JP,A) 特開 平7−19947(JP,A) 特開 平5−273326(JP,A) (58)調査した分野(Int.Cl.6,DB名) G01H 3/08 G01H 17/00 G01S 3/80──────────────────────────────────────────────────続 き Continuing on the front page (72) Inventor: Satoshi Mizota 1-7-12 Toranomon, Minato-ku, Tokyo Oki Electric Industry Co., Ltd. (72) Inventor Shunji Ozaki 1-7-12 Toranomon, Minato-ku, Tokyo Oki Electric Industry Co., Ltd. (56) References JP-A-58-139084 (JP, A) JP-A-7-19947 (JP, A) JP-A-5-273326 (JP, A) (58) Field (Int.Cl. 6 , DB name) G01H 3/08 G01H 17/00 G01S 3/80
Claims (4)
析結果を一定時間にわたって蓄積して時刻×周波数の2
次元空間上の信号強度分布を求める処理と、 サンプル周波数毎に前記信号強度分布の該サンプル周波
数の近傍に限った区画をニューラルネットワークに入力
し、該区画に前記信号強度分布の直線状のパターンが存
在するときに該ニューラルネットワークに大きな値を出
力させる処理と、 前記ニューラルネットワークの出力における周波数空間
上の極大点でかつ所定の閾値を越える値を持つ点をイベ
ントとして検出することで入力信号中に狭帯域信号の存
在することを判定し、該イベントが検出されたサンプル
周波数を該狭帯域信号の周波数として推定する処理とを
所定の時間Tごとに繰り返して行い、 新たに検出されたイベントの周波数と過去のイベントの
発生状況から推定した前記狭帯域信号の予測周波数とが
接近している場合に該新旧のイベントを同一の前記狭帯
域信号に基づくもの判定して統合し、時間的に周波数の
変化する前記狭帯域信号を追尾する信号周波数追尾方法
において、 周波数の時間的変化度合である勾配が特定の前記狭帯域
信号が示す前記直線状のパターンに対してそれぞれ大き
な数値を出力する複数のニューラルネットワークを用
い、該各ニューラルネットワークの出力値を比較して該
狭帯域信号の該勾配を推定する第1の勾配推定処理と、 前記所定の時間Tごとに得られる前記狭帯域信号の周波
数の推定値の過去の履歴のうち最新の所定の時間Pの間
の変化から、該狭帯域信号の前記勾配を推定する第2の
勾配推定処理と、 初めてイベントを検出したときから前記所定の時間Pが
経過していない間は前記第1の勾配推定処理の結果を選
択し、該所定の時間Pが経過した後は前記第2の勾配推
定処理の結果を選択する勾配選択処理と、 前記勾配選択処理の結果でえられる前記狭帯域信号の勾
配の推定値と前記狭帯域信号の周波数の推定値とから該
狭帯域信号の予測周波数を推定する予測周波数算出処理
とを行い、 前記予測周波数を用いて前記統合の判定を行う、 ことを特徴とする信号周波数追尾方法。1. An input signal is subjected to frequency analysis, and the analysis result is accumulated over a certain period of time.
A process of obtaining a signal intensity distribution in a dimensional space; and inputting a section of the signal intensity distribution limited to the vicinity of the sample frequency to the neural network for each sample frequency, where a linear pattern of the signal intensity distribution is input to the section. Processing to output a large value to the neural network when present, and detecting a point having a value exceeding a predetermined threshold at a local maximum point in the frequency space in the output of the neural network as an event in the input signal. The process of determining the presence of a narrowband signal and estimating the sample frequency at which the event was detected as the frequency of the narrowband signal is repeated for each predetermined time T, and the frequency of the newly detected event And the predicted frequency of the narrowband signal estimated from the past event occurrence situation is close to the new and old In a signal frequency tracking method for determining and integrating events based on the same narrow-band signal and tracking the narrow-band signal having a temporally changing frequency, a gradient, which is a degree of temporal change in frequency, is a specific gradient. A first method for estimating the gradient of the narrowband signal by using a plurality of neural networks each outputting a large numerical value with respect to the linear pattern indicated by the narrowband signal and comparing output values of the respective neural networks. A gradient estimating process, and estimating the gradient of the narrowband signal from a change during a latest predetermined time P in a past history of the estimated value of the frequency of the narrowband signal obtained at each of the predetermined times T And selecting the result of the first gradient estimating process while the predetermined time P has not elapsed since the event was detected for the first time. After the interval P has elapsed, a gradient selection process for selecting the result of the second gradient estimation process, and an estimated value of the gradient of the narrowband signal and a frequency of the narrowband signal obtained as a result of the gradient selection process A prediction frequency calculation process of estimating a prediction frequency of the narrowband signal from an estimated value, and determining the integration using the prediction frequency.
第2の勾配推定処理と、 前記第1の勾配推定処理または前記第2の勾配推定処理
の結果のうち精度の高い方を選択する勾配選択処理と、 請求項1記載の予測周波数算出処理とを行い、 前記予測周波数を用いて請求項1記載の統合の判定を行
う、 ことを特徴とする信号周波数追尾方法。2. A higher-precision one of a first gradient estimation process and a second gradient estimation process according to claim 1, and a result of the first gradient estimation process or the second gradient estimation process is selected. A signal frequency tracking method, comprising: performing a gradient selection process to perform the prediction frequency calculation process according to claim 1; and performing the integration determination according to claim 1 using the prediction frequency.
定処理によって得られた前記勾配の推定値を用いて前記
予測周波数を推定し該予測周波数と新たに検出されたイ
ベントの周波数との近接度をもって該勾配の推定値の精
度を評価する処理と、前記第2の勾配推定処理によって
得られた前記勾配の推定値を用いて前記予測周波数を推
定し該予測周波数と新たに検出されたイベントの周波数
との近接度をもって該勾配の推定値の精度を評価する処
理とを行い、精度の評価の高い方の推定値を選択する処
理とすることを、特徴とする請求項2記載の信号周波数
追尾方法。3. The gradient selecting process includes estimating the predicted frequency using an estimated value of the gradient obtained by the first gradient estimating process, and comparing the predicted frequency with a frequency of a newly detected event. A process of estimating the accuracy of the estimated value of the gradient based on the degree of proximity, and estimating the predicted frequency by using the estimated value of the gradient obtained by the second gradient estimating process. A process of evaluating the accuracy of the estimated value of the gradient based on the proximity to the frequency of the event, and a process of selecting an estimated value with a higher evaluation of the accuracy. Frequency tracking method.
S/N比を推定する処理を行い、 前記勾配選択処理は、前記S/N比の推定値があらかじ
め設定された閾値よりも低ければ前記第1の勾配推定処
理の結果を選択し、該S/N比の推定値が該閾値より高
ければ前記第2の勾配推定処理の結果を選択すること
を、特徴とする請求項2記載の信号周波数追尾方法。4. A process for estimating an S / N ratio of the narrow-band signal in the input signal, wherein the gradient selection process is performed when the estimated value of the S / N ratio is lower than a preset threshold. 3. The signal according to claim 2, wherein the result of the first gradient estimating process is selected, and the result of the second gradient estimating process is selected if the estimated value of the S / N ratio is higher than the threshold value. Frequency tracking method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP12325595A JP2784400B2 (en) | 1995-05-23 | 1995-05-23 | Signal frequency tracking method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP12325595A JP2784400B2 (en) | 1995-05-23 | 1995-05-23 | Signal frequency tracking method |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08313337A JPH08313337A (en) | 1996-11-29 |
JP2784400B2 true JP2784400B2 (en) | 1998-08-06 |
Family
ID=14856052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP12325595A Expired - Lifetime JP2784400B2 (en) | 1995-05-23 | 1995-05-23 | Signal frequency tracking method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2784400B2 (en) |
-
1995
- 1995-05-23 JP JP12325595A patent/JP2784400B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH08313337A (en) | 1996-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | A recursive multiple model approach to noise identification | |
Ureten et al. | Bayesian detection of radio transmitter turn-on transients. | |
CA2611978A1 (en) | Markov sequential detector | |
US11209502B2 (en) | System for object position estimation based on magnetic field signal using underwater sensor network and method thereof | |
CN101657770B (en) | Machine condition monitoring using discontinuity detection | |
Ballal et al. | Phase-difference ambiguity resolution for a single-frequency signal | |
US20240097811A1 (en) | Method for identifying and diagnosing failures in pairwise time synchronization and frequency calibration in a mesh network | |
JP2784400B2 (en) | Signal frequency tracking method | |
US11280752B2 (en) | Crack detection system and crack detection method | |
JP2842473B2 (en) | Signal frequency tracking method | |
JP2002148073A (en) | Apparatus and method for measuring object to be evaluated, apparatus and method for detecting state as well as storage medium | |
Chen et al. | Long-range channel prediction based on nonstationary parametric modeling | |
JP5292095B2 (en) | Information signal presence / absence detection | |
Aziz et al. | An Improved Indoor Location Technique Using Combination of Kalman Filter and Centroid Positioning. | |
JP2607854B2 (en) | Signal tracking method | |
US6819230B2 (en) | Target track crossing prediction/detection | |
JP2607861B2 (en) | Signal format judgment method | |
JPH11344555A (en) | Method for detecting narrow-band signal | |
JP3421242B2 (en) | Target tracking device and target tracking method | |
JP2002311131A (en) | Object detector for vehicle | |
US11852522B2 (en) | Method for automatic setting of sound signal in an apparatus for space monitoring by using sound signal | |
Yakimov et al. | Acoustic diagnostics of pipeline networks based on correlation analysis using binary analog-stochastic quantization | |
RU2681424C1 (en) | Method of detecting defects of main pipelines by the method of acoustic tomography | |
JP7124671B2 (en) | Signal analysis device and signal analysis method | |
Widodo et al. | Sound-based ranging system in greenhouse environment with multipath effect compensation using artificial neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19980317 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
EXPY | Cancellation because of completion of term |