JP2834071B2 - 目標信号自動検出方法および装置 - Google Patents
目標信号自動検出方法および装置Info
- Publication number
- JP2834071B2 JP2834071B2 JP8117408A JP11740896A JP2834071B2 JP 2834071 B2 JP2834071 B2 JP 2834071B2 JP 8117408 A JP8117408 A JP 8117408A JP 11740896 A JP11740896 A JP 11740896A JP 2834071 B2 JP2834071 B2 JP 2834071B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- target
- time
- detection
- pattern
- 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 Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Description
【発明の属する技術分野】本発明は、音波等を発信して
その反射信号に対する目標らしき物体からの反響信号を
自動的に検出する目標信号自動検出方法および装置に関
する。
その反射信号に対する目標らしき物体からの反響信号を
自動的に検出する目標信号自動検出方法および装置に関
する。
【０００１】
【従来の技術】一般に、この種の目標信号自動検出方法
は、表示器に出力される音波等の反射信号の画像を操作
員が目視することによって目標らしき物体からの反響信
号を確認するかあるいは、その反響信号を直接耳で聞く
ことにより確認するといった操作員の経験や勘により目
標を判別していた作業を支援する目的として用いられ
る。
は、表示器に出力される音波等の反射信号の画像を操作
員が目視することによって目標らしき物体からの反響信
号を確認するかあるいは、その反響信号を直接耳で聞く
ことにより確認するといった操作員の経験や勘により目
標を判別していた作業を支援する目的として用いられ
る。
【０００２】従来の目標信号自動検出方法は、送受波
器、信号処理部および目標検出部を備えており、送受波
器は、水中に音波を発信するとともに、目標からの反響
信号を受信する。信号処理部は、送受波器により受信さ
れた信号を入力して任意の方向に受信ビームを形成し、
反響信号の振幅値の時系列信号を出力する。目標検出部
は、振幅値の時系列信号に対し周波数分析を行い、得ら
れる周波数パターンに基づいて目標らしき物体からの反
響信号（以下、目標信号とする）を検出する。このよう
に構成することにより、目標らしき物体からの反響信号
の検出率の向上を実現している。
器、信号処理部および目標検出部を備えており、送受波
器は、水中に音波を発信するとともに、目標からの反響
信号を受信する。信号処理部は、送受波器により受信さ
れた信号を入力して任意の方向に受信ビームを形成し、
反響信号の振幅値の時系列信号を出力する。目標検出部
は、振幅値の時系列信号に対し周波数分析を行い、得ら
れる周波数パターンに基づいて目標らしき物体からの反
響信号（以下、目標信号とする）を検出する。このよう
に構成することにより、目標らしき物体からの反響信号
の検出率の向上を実現している。
【０００３】
【発明が解決しようとする課題】しかしながら、この従
来の目標信号自動検出方法では、目標からの反響信号の
検出率は高いが、目標からの反響信号に似通った残響等
の信号も誤って目標信号として検出されてしまう。した
がって、誤警報の発生率も非常に高いという問題点があ
る。
来の目標信号自動検出方法では、目標からの反響信号の
検出率は高いが、目標からの反響信号に似通った残響等
の信号も誤って目標信号として検出されてしまう。した
がって、誤警報の発生率も非常に高いという問題点があ
る。
【０００４】
【課題を解決するための手段】上記問題点を解決するた
めに、本発明は、水中に音波を発信し、この反響音を受
信して目標を検出する目標信号自動検出方法であって、
受信信号に対して第１の周波数分析を行い、得られた周
波数パターンに基づいて目標からの反響信号らしき信号
を抽出し、抽出された信号に対して第２の周波数分析を
行い、得られた周波数パターンに基づいて受信信号が目
標からの信号か否かを最終判定するものである。
めに、本発明は、水中に音波を発信し、この反響音を受
信して目標を検出する目標信号自動検出方法であって、
受信信号に対して第１の周波数分析を行い、得られた周
波数パターンに基づいて目標からの反響信号らしき信号
を抽出し、抽出された信号に対して第２の周波数分析を
行い、得られた周波数パターンに基づいて受信信号が目
標からの信号か否かを最終判定するものである。
【０００５】また、本発明は、水中に音波を発信し、こ
の反響音を受信して目標を検出する目標信号自動検出装
置であって、受信信号に対して第１の周波数分析を行
い、得られた周波数パターンに基づいて目標からの反響
信号らしき信号を抽出する手段と、抽出された信号に対
して第２の周波数分析を行い、得られた周波数パターン
に基づいて受信信号が目標からの信号か否かを最終判定
する手段とを含むものである。
の反響音を受信して目標を検出する目標信号自動検出装
置であって、受信信号に対して第１の周波数分析を行
い、得られた周波数パターンに基づいて目標からの反響
信号らしき信号を抽出する手段と、抽出された信号に対
して第２の周波数分析を行い、得られた周波数パターン
に基づいて受信信号が目標からの信号か否かを最終判定
する手段とを含むものである。
【０００６】
【発明の実施の形態】次に、本発明の一実施形態につい
て図面を参照して詳細に説明する。
て図面を参照して詳細に説明する。
【０００７】本発明の一実施形態は、水中に音波を発信
し、この反響音を受信して目標を検出するものであっ
て、受信信号を第１の検出部により周波数パターンに変
換し、その周波数パターンに基づいて目標からの反響信
号らしき信号を抽出する。次に、抽出された信号に対し
て第２の検出部により詳細な周波数分析を行い、得られ
た周波数パターンに基づいて受信信号が目標からの信号
か否かを最終判定するものである。
し、この反響音を受信して目標を検出するものであっ
て、受信信号を第１の検出部により周波数パターンに変
換し、その周波数パターンに基づいて目標からの反響信
号らしき信号を抽出する。次に、抽出された信号に対し
て第２の検出部により詳細な周波数分析を行い、得られ
た周波数パターンに基づいて受信信号が目標からの信号
か否かを最終判定するものである。
【０００８】図１は、本実施形態の構成を示すブロック
図であり、送受波器１は、複数個の電気音響変換素子が
配列された構成を備えており、水中に音波を発信すると
ともに、目標からの反響音を受信する。信号処理部２
は、送受波器１により受信された信号を入力して任意の
方位に対して複数の受信ビームを形成し、信号対雑音比
（Ｓ／Ｎ）の向上を図り、振幅値の時系列信号を出力す
る。一次検出部３は、信号処理部２から出力される振幅
値の時系列信号に対し演算時間は短いが分解能が粗い周
波数分析を行い、得られる周波数パターンに基づいて目
標らしき物体からの反響信号を検出するとともに、この
反響信号の存在する信号区間を算出する。信号遅延部４
は、信号処理部２から出力される振幅値の時系列信号を
遅延し、一次検出部３により算出された反響信号の存在
する信号区間に対応する区間で振幅値の時系列信号を切
り出す。二次検出部５は、信号遅延部４により切り出さ
れた振幅値の時系列信号に対し、分解能が詳細な周波数
分析を行い、得られた周波数パターンがどのような物体
から反射されたものであるかを判定し、この結果を表示
部に出力する。
図であり、送受波器１は、複数個の電気音響変換素子が
配列された構成を備えており、水中に音波を発信すると
ともに、目標からの反響音を受信する。信号処理部２
は、送受波器１により受信された信号を入力して任意の
方位に対して複数の受信ビームを形成し、信号対雑音比
（Ｓ／Ｎ）の向上を図り、振幅値の時系列信号を出力す
る。一次検出部３は、信号処理部２から出力される振幅
値の時系列信号に対し演算時間は短いが分解能が粗い周
波数分析を行い、得られる周波数パターンに基づいて目
標らしき物体からの反響信号を検出するとともに、この
反響信号の存在する信号区間を算出する。信号遅延部４
は、信号処理部２から出力される振幅値の時系列信号を
遅延し、一次検出部３により算出された反響信号の存在
する信号区間に対応する区間で振幅値の時系列信号を切
り出す。二次検出部５は、信号遅延部４により切り出さ
れた振幅値の時系列信号に対し、分解能が詳細な周波数
分析を行い、得られた周波数パターンがどのような物体
から反射されたものであるかを判定し、この結果を表示
部に出力する。
【０００９】次に、信号処理部２について詳細に説明す
る。図２は、信号処理部２の構成を示すブロック図であ
り、プリフォームドビーム形成部２１は、送受波器１の
複数個の電気音響変換素子の出力信号を整相して、任意
の方向に対してそれぞれ等しい受波指向性を有する単一
受信ビーム（プリフォームドビーム）を複数個形成す
る。帯域通過フィルタ２２は、プリフォームドビーム形
成部２１により得られた単一受信ビーム出力から、使用
条件等に基づいて予め特定された周波数帯域の信号を取
り出し、取り出した信号の振幅値の時系列信号を出力す
る。ここで、図６は、振幅値の時系列信号の一例を示す
波形図である。
る。図２は、信号処理部２の構成を示すブロック図であ
り、プリフォームドビーム形成部２１は、送受波器１の
複数個の電気音響変換素子の出力信号を整相して、任意
の方向に対してそれぞれ等しい受波指向性を有する単一
受信ビーム（プリフォームドビーム）を複数個形成す
る。帯域通過フィルタ２２は、プリフォームドビーム形
成部２１により得られた単一受信ビーム出力から、使用
条件等に基づいて予め特定された周波数帯域の信号を取
り出し、取り出した信号の振幅値の時系列信号を出力す
る。ここで、図６は、振幅値の時系列信号の一例を示す
波形図である。
【００１０】次に、一次検出部３について詳細に説明す
る。図３は、一次検出部３の構成を示すブロック図であ
り、周波数変換処理部３１は、信号処理部２から出力さ
れる振幅値の時系列信号を短時間の区間で分割し、更に
この短時間の区間の振幅値を高速フーリエ変換（ＦＦ
Ｔ）手法により周波数に変換し、目標反響信号のスペク
トルを求める。その際、各種周波数成分を持つ雑音は、
周波数に変換されることにより雑音の持つエネルギーが
各スペクトルに分散され、その結果、周波数領域におけ
る雑音レベルが低減される。したがって、信号対雑音比
が改善される。ここで、図７は、周波数変換処理部３１
から出力される周波数パターンを示す波形図であり、周
波数ｆ１〜ｆ２の区間および時間ｔ１〜ｔ２の区間から
形成される信号区間は、目標らしき物体からの反響信号
の存在する信号区間を示す。
る。図３は、一次検出部３の構成を示すブロック図であ
り、周波数変換処理部３１は、信号処理部２から出力さ
れる振幅値の時系列信号を短時間の区間で分割し、更に
この短時間の区間の振幅値を高速フーリエ変換（ＦＦ
Ｔ）手法により周波数に変換し、目標反響信号のスペク
トルを求める。その際、各種周波数成分を持つ雑音は、
周波数に変換されることにより雑音の持つエネルギーが
各スペクトルに分散され、その結果、周波数領域におけ
る雑音レベルが低減される。したがって、信号対雑音比
が改善される。ここで、図７は、周波数変換処理部３１
から出力される周波数パターンを示す波形図であり、周
波数ｆ１〜ｆ２の区間および時間ｔ１〜ｔ２の区間から
形成される信号区間は、目標らしき物体からの反響信号
の存在する信号区間を示す。
【００１１】切出処理部３２は、周波数変換処理部３１
から時系列で出力されるスペクトルを受信した反響信号
の長さで切り出し、検出用パターンを生成する。すなわ
ち、図７に示す信号区間を切り出して、図８に示す検出
用パターンを生成し出力する。
から時系列で出力されるスペクトルを受信した反響信号
の長さで切り出し、検出用パターンを生成する。すなわ
ち、図７に示す信号区間を切り出して、図８に示す検出
用パターンを生成し出力する。
【００１２】正規化処理部３３は、切出処理部３２で生
成された検出用パターン内のスペクトルレベルの最大値
ＭＡＸを検出し、次式に示すようにこの最大値ＭＡＸで
各スペクトルレベルを割る。
成された検出用パターン内のスペクトルレベルの最大値
ＭＡＸを検出し、次式に示すようにこの最大値ＭＡＸで
各スペクトルレベルを割る。
【００１３】
【００１４】ここで、Ａは検出用パターン内のスペクト
ルレベルを示し、添字ｔは時間、添字ｆは周波数を示
し、Ａ’は正規化後のスペクトルレベルを示す。この正
規化後のスペクトルレベルＡ’は、最大値ＭＡＸのレベ
ルが１．０である１．０以下の値となる。
ルレベルを示し、添字ｔは時間、添字ｆは周波数を示
し、Ａ’は正規化後のスペクトルレベルを示す。この正
規化後のスペクトルレベルＡ’は、最大値ＭＡＸのレベ
ルが１．０である１．０以下の値となる。
【００１５】ニューラルネットワーク判定部３４は、３
層（入力層、中間層、出力層）の階層型のニューラルネ
ットワークで構成され、各層間のユニットは相互に全て
結合されている。勿論、ニューラルネットワークの構成
は、これに限定されたものではない。ニューラルネット
ワークを判定回路として使用するためには、事前に既知
の学習パターンによるニューラルネットワークの学習が
必要である。学習パターンの作成は、実際の目標に対す
る複数のデータを使用して、信号処理部２および一次検
出部３の正規化処理部３３までの処理を通して得られる
信号を、目標が実際にある位置と比較して、目標と雑音
の２つのパターンに分類して作成する。そして、この学
習用パターンを使用して、ニューラルネットワーク判定
部３４に目標が入力された場合、出力層の目標に割り当
てたユニットに１、雑音に割り当てたユニットに０が出
力され、また、雑音が入力された場合、出力層の目標に
割り当てたユニットに０、雑音に割り当てたユニットに
１が出力されるよう学習させる。ニューラルネットワー
クの学習手法には、例えば、学習手法として公知のバッ
クプロパゲーション手法を使用する。ニューラルネット
ワーク判定部３４は、以上の学習により正規化処理部の
出力を入力して、入力パターンが目標に相当するもので
あるか雑音であるかを判定し出力する。ここでニューラ
ルネットワーク出力層の各ユニットの出力は、０から１
の連続量となるため以下に示す判定条件を使用する。
層（入力層、中間層、出力層）の階層型のニューラルネ
ットワークで構成され、各層間のユニットは相互に全て
結合されている。勿論、ニューラルネットワークの構成
は、これに限定されたものではない。ニューラルネット
ワークを判定回路として使用するためには、事前に既知
の学習パターンによるニューラルネットワークの学習が
必要である。学習パターンの作成は、実際の目標に対す
る複数のデータを使用して、信号処理部２および一次検
出部３の正規化処理部３３までの処理を通して得られる
信号を、目標が実際にある位置と比較して、目標と雑音
の２つのパターンに分類して作成する。そして、この学
習用パターンを使用して、ニューラルネットワーク判定
部３４に目標が入力された場合、出力層の目標に割り当
てたユニットに１、雑音に割り当てたユニットに０が出
力され、また、雑音が入力された場合、出力層の目標に
割り当てたユニットに０、雑音に割り当てたユニットに
１が出力されるよう学習させる。ニューラルネットワー
クの学習手法には、例えば、学習手法として公知のバッ
クプロパゲーション手法を使用する。ニューラルネット
ワーク判定部３４は、以上の学習により正規化処理部の
出力を入力して、入力パターンが目標に相当するもので
あるか雑音であるかを判定し出力する。ここでニューラ
ルネットワーク出力層の各ユニットの出力は、０から１
の連続量となるため以下に示す判定条件を使用する。
【００１６】 Ａ＞Ｂ かつ Ａ−Ｂ＞Ｃ ならば 目標 Ｂ＞Ａ かつ Ｂ−Ａ＞Ｃ ならば 雑音 上記条件以外 ならば 不明 ここで、Ａはニューラルネットワーク出力層の目標に割
り当てたユニットの出力であり、Ｂはニューラルネット
ワーク出力層の雑音に割り当てたユニットの出力であ
る。またＣは閾値の為の定義とする。
り当てたユニットの出力であり、Ｂはニューラルネット
ワーク出力層の雑音に割り当てたユニットの出力であ
る。またＣは閾値の為の定義とする。
【００１７】検出時刻算出部３５は、ニューラルネット
ワーク判定部３４において目標と判定された場合、時系
列的に入力される信号から目標が検出された時刻を算出
する。すなわち、図８に示す反響信号のスペクトルが目
標と判定された場合には、目標検出時刻ｔ１およびｔ２
を算出する。
ワーク判定部３４において目標と判定された場合、時系
列的に入力される信号から目標が検出された時刻を算出
する。すなわち、図８に示す反響信号のスペクトルが目
標と判定された場合には、目標検出時刻ｔ１およびｔ２
を算出する。
【００１８】なお、以上説明した信号処理部２および一
次検出部３は、本発明に係る特許出願と同一出願人によ
る特願平６−２９６１７９号に記載された技術を適用す
ることができる。
次検出部３は、本発明に係る特許出願と同一出願人によ
る特願平６−２９６１７９号に記載された技術を適用す
ることができる。
【００１９】次に、信号遅延部４について詳細に説明す
る。図４は、信号遅延部４の構成を示すブロック図であ
り、ため込み処理部４１は、信号処理部２から出力され
る振幅値の時系列信号を、一次検出部３において生じる
処理遅延時間に相当する時間だけため込み、その後順次
出力することで、振幅値の時系列信号を遅延させる。切
出処理部４２は、ため込み処理部４１から出力される遅
延した振幅値の時系列信号から、一次検出部３の検出時
刻算出部３５において算出された目標検出時刻に相当す
る位置を検索し、その位置を中心とした一定の時間幅で
振幅値の時系列データを切り出す。ここで、図９は、こ
の一定の時間幅で切り出された振幅値の時系列信号を示
す波形図である。
る。図４は、信号遅延部４の構成を示すブロック図であ
り、ため込み処理部４１は、信号処理部２から出力され
る振幅値の時系列信号を、一次検出部３において生じる
処理遅延時間に相当する時間だけため込み、その後順次
出力することで、振幅値の時系列信号を遅延させる。切
出処理部４２は、ため込み処理部４１から出力される遅
延した振幅値の時系列信号から、一次検出部３の検出時
刻算出部３５において算出された目標検出時刻に相当す
る位置を検索し、その位置を中心とした一定の時間幅で
振幅値の時系列データを切り出す。ここで、図９は、こ
の一定の時間幅で切り出された振幅値の時系列信号を示
す波形図である。
【００２０】次に、二次検出部５について詳細に説明す
る。図５は、二次検出部５の構成を示すブロック図であ
り、周波数変換処理部５１は、信号遅延部４の切出処理
部４２で切り出された振幅値の時系列信号を短時間の区
間に分割し、更にこの短時間の区間の振幅値を、例え
ば、ウィグナー分布手法、最大エントロピー法あるいは
ウェーブレット変換法等により周波数に変換し、目標反
響信号のスペクトルを求め、これを時系列にならべ類別
用パターンを生成する。なお、ウィグナー分布手法、最
大エントロピー法あるいはウェーブレット変換法等の周
波数分析手法は、ＦＦＴと比べ、処理時間はかかるが、
時間分解能および周波数分解能の双方でＦＦＴと比べて
詳細な周波数分析を行うことができる。
る。図５は、二次検出部５の構成を示すブロック図であ
り、周波数変換処理部５１は、信号遅延部４の切出処理
部４２で切り出された振幅値の時系列信号を短時間の区
間に分割し、更にこの短時間の区間の振幅値を、例え
ば、ウィグナー分布手法、最大エントロピー法あるいは
ウェーブレット変換法等により周波数に変換し、目標反
響信号のスペクトルを求め、これを時系列にならべ類別
用パターンを生成する。なお、ウィグナー分布手法、最
大エントロピー法あるいはウェーブレット変換法等の周
波数分析手法は、ＦＦＴと比べ、処理時間はかかるが、
時間分解能および周波数分解能の双方でＦＦＴと比べて
詳細な周波数分析を行うことができる。
【００２１】正規化処理部５２は、周波数変換処理部５
１で生成された類別用パターン内のスペクトルレベルの
最大値ＭＡＸを検出し、次式に示すようにこの最大値Ｍ
ＡＸで各スペクトルレベルを割る。
１で生成された類別用パターン内のスペクトルレベルの
最大値ＭＡＸを検出し、次式に示すようにこの最大値Ｍ
ＡＸで各スペクトルレベルを割る。
【００２２】
【００２３】ここで、Ａは検出用パターン内のスペクト
ルレベルを示し、添字ｔは時間、添字ｆは周波数を示
し、Ａ’は正規化後のスペクトルレベルを示す。
ルレベルを示し、添字ｔは時間、添字ｆは周波数を示
し、Ａ’は正規化後のスペクトルレベルを示す。
【００２４】ニューラルネットワーク判定部５３は、３
層（入力層、中間層、出力層）の階層型のニューラルネ
ットワークで構成され、各層間のユニットは相互に全て
結合されている。勿論、ニューラルネットワークの構成
は、これに限定されたものではない。ニューラルネット
ワーク判定部５３において事前の学習に使用する学習パ
ターンは、実際の目標に対する複数のデータに対して、
信号処理部２および一次検出部３の処理を通して得られ
た判定結果を使用する。前述したように、一次検出部３
のニューラルネットワーク判定部３４での判定結果は、
目標、雑音及び不明の３つのカテゴリーに分類される
が、このうち目標を目標として検出したパターン、目標
以外を誤って目標と検出したパターン（誤警報）を目標
及び残響として分類する。更に、前述の手法により分類
した残響に対して、前述のニューラルネットワーク判定
部３４での判定で不明となった検出用パターンを加え、
目標および残響の学習用パターンを作成する。そして、
この学習用パターンを使用して、ニューラルネットワー
ク５３に目標が入力された場合、出力層の目標に割り当
てたユニットに１、残響に割り当てたユニットに０が出
力され、また、残響が入力された場合、出力層の目標に
割り当てたユニットに０、残響に割り当てたユニットに
１が出力されるよう学習する。ニューラルネットワーク
の学習手法には、例えば、学習手法として公知のバック
プロパゲーション手法を使用する。ニューラルネットワ
ーク判定部５３は、以上の学習により正規化処理部５２
の出力を入力して、入力パターンが目標に相当するもの
であるか残響であるかを判定し表示する。ここでニュー
ラルネットワーク出力層の各ユニットの出力は、０から
１の連続量となるため以下に示す判定条件を使用する。
層（入力層、中間層、出力層）の階層型のニューラルネ
ットワークで構成され、各層間のユニットは相互に全て
結合されている。勿論、ニューラルネットワークの構成
は、これに限定されたものではない。ニューラルネット
ワーク判定部５３において事前の学習に使用する学習パ
ターンは、実際の目標に対する複数のデータに対して、
信号処理部２および一次検出部３の処理を通して得られ
た判定結果を使用する。前述したように、一次検出部３
のニューラルネットワーク判定部３４での判定結果は、
目標、雑音及び不明の３つのカテゴリーに分類される
が、このうち目標を目標として検出したパターン、目標
以外を誤って目標と検出したパターン（誤警報）を目標
及び残響として分類する。更に、前述の手法により分類
した残響に対して、前述のニューラルネットワーク判定
部３４での判定で不明となった検出用パターンを加え、
目標および残響の学習用パターンを作成する。そして、
この学習用パターンを使用して、ニューラルネットワー
ク５３に目標が入力された場合、出力層の目標に割り当
てたユニットに１、残響に割り当てたユニットに０が出
力され、また、残響が入力された場合、出力層の目標に
割り当てたユニットに０、残響に割り当てたユニットに
１が出力されるよう学習する。ニューラルネットワーク
の学習手法には、例えば、学習手法として公知のバック
プロパゲーション手法を使用する。ニューラルネットワ
ーク判定部５３は、以上の学習により正規化処理部５２
の出力を入力して、入力パターンが目標に相当するもの
であるか残響であるかを判定し表示する。ここでニュー
ラルネットワーク出力層の各ユニットの出力は、０から
１の連続量となるため以下に示す判定条件を使用する。
【００２５】 Ａ＞Ｂ かつ Ａ−Ｂ＞Ｃ ならば 目標 Ｂ＞Ａ かつ Ｂ−Ａ＞Ｃ ならば 残響 上記条件以外 ならば 不明 ここで、Ａはニューラルネットワーク出力層の目標に割
り当てたユニットの出力であり、Ｂはニューラルネット
ワーク出力層の残響に割り当てたユニットの出力であ
る。またＣは閾値の為の定義とする。
り当てたユニットの出力であり、Ｂはニューラルネット
ワーク出力層の残響に割り当てたユニットの出力であ
る。またＣは閾値の為の定義とする。
【００２６】
【発明の効果】以上説明したように、本発明による目標
信号自動検出方法および装置では、周波数分析による目
標信号の検出を２回行い、１回目の検出法にて目標らし
き信号を検出し、２回目の検出法にて最終的に目標信号
か否かを判定しているために、残響などの影響を受けず
に、目標の検出率の向上と誤警報率の低減を実現するこ
とができる。
信号自動検出方法および装置では、周波数分析による目
標信号の検出を２回行い、１回目の検出法にて目標らし
き信号を検出し、２回目の検出法にて最終的に目標信号
か否かを判定しているために、残響などの影響を受けず
に、目標の検出率の向上と誤警報率の低減を実現するこ
とができる。
【００２７】さらに、１回目の目標信号検出では、計算
時間は短いが分解能が粗い周波数分析による手法を用
い、目標らしき信号区間に対してのみ、２回目の目標信
号検出として分解能が詳細な周波数分析を行っているた
めに、最初から詳細な周波数分析による検出を行う場合
と比べて、処理時間を大幅に短縮することができる。
時間は短いが分解能が粗い周波数分析による手法を用
い、目標らしき信号区間に対してのみ、２回目の目標信
号検出として分解能が詳細な周波数分析を行っているた
めに、最初から詳細な周波数分析による検出を行う場合
と比べて、処理時間を大幅に短縮することができる。
【図１】本発明の一実施形態の構成を示すブロック図で
ある。
ある。
【図２】図１における信号処理部の一実施形態の構成を
示すブロック図である。
示すブロック図である。
【図３】図１における一次検出部の一実施形態の構成を
示すブロック図である。
示すブロック図である。
【図４】図１における信号遅延部の一実施形態の構成を
示すブロック図である。
示すブロック図である。
【図５】図１における二次検出部の一実施形態の構成を
示すブロック図である。
示すブロック図である。
【図６】振幅値の時系列信号の一例を示す波形図であ
る。
る。
【図７】図１の一次検出部における周波数分析で得られ
たスペクトルレベルを示す波形図である。
たスペクトルレベルを示す波形図である。
【図８】図３における切出処理部で切り出された振幅値
の時系列信号の一例を示す波形図である。
の時系列信号の一例を示す波形図である。
【図９】図１における信号遅延部から出力される振幅値
の時系列信号の一例を示す波形図である。
の時系列信号の一例を示す波形図である。
１ 送受波器 ２ 信号処理部 ２１ プリフォームドビーム形成部 ２２ 帯域通過フィルタ ３ 一次検出部 ３１ 周波数変換処理部 ３２ 切出処理部 ３３ 正規化処理部 ３４ ニューラルネットワーク判定部 ３５ 検出時刻算出部 ４ 信号遅延部 ４１ ため込み処理部 ４２ 切出処理部 ５ 二次検出部 ５１ 周波数変換処理部 ５２ 正規化処理部 ５３ ニューラルネットワーク判定部
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平４−147078（ＪＰ，Ａ) 特開 平７−92259（ＪＰ，Ａ) 特開 昭58−123485（ＪＰ，Ａ) 特開 平８−152472（ＪＰ，Ａ) 特開 平５−297114（ＪＰ，Ａ) 特開 平６−43238（ＪＰ，Ａ) 特開 平９−145834（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G01S 7/00 - 7/64 G01S 15/00 - 15/96 G01S 13/00 - 13/95
Claims (6)
- 【請求項１】 音波を発信し、その発信信号に対する目
標からの反響信号を検出する方法であって、 前記反響信号の受信信号に整相処理を施し、振幅値の時
系列信号を出力する第１のステップと、 前記振幅値の時系列信号に対し分解能が粗い第１の周波
数分析を行い、得られる周波数パターンに基づいて目標
らしき物体からの反響信号を検出し、この反響信号が存
在する信号区間を出力する第２のステップと、 前記反響信号の存在する信号区間に対応する前記振幅値
の時系列信号を切り出し出力する第３のステップと、 前記切り出された時系列信号に対し、分解能が詳細な第
２の周波数分析を行い、得られる周波数パターンに基づ
いて、前記物体を判定する第４のステップとを含むこと
を特徴とする目標信号自動検出方法。 - 【請求項２】 前記第２のステップは、 前記第１のステップで出力される前記振幅値の時系列信
号を、時系列に短時間の区間で分割し、分割された区間
データを順次高速フーリエ変換手法により周波数変換し
て、前記反響信号のスペクトルを求めるステップと、 前記短時間毎のスペクトルを時系列的に並べて、受信し
た目標信号の長さに相当する区間を切り出して、第１の
検出用パターンを生成するステップと、 前記第１の検出用パターンの出力レベルと０〜１の範囲
で正規化するステップと、 前記正規化された第１の検出用パターンを、所望とする
目標からの反響信号および雑音信号を用いて予め学習さ
せたニューラルネットワークに入力し、その検出用パタ
ーンが目標からの反響信号であるかあるいは雑音信号で
あるかを判定するステップと、 前記ニューラルネットワークにより、前記検出用パター
ンが目標からの反響信号であると判定された場合に、前
記切り出された検出用パターンの検出時刻を算出するス
テップとを含むことを特徴とする前記請求項１に記載の
目標信号自動検出方法。 - 【請求項３】 前記第３のステップは、 前記第１のステップで出力される前記振幅値の時系列信
号を所定の時間順次ため込むステップと、 前記第２のステップで、前記検出用パターンが目標から
の反響信号であると判定された場合、前記第１の検出用
パターンの検出時刻に基づいて、ため込まれた前記振幅
値の時系列信号の切出位置を決定し、目標信号の長さに
相当する区間で振幅値の時系列信号を切り出すステップ
とを含むことを特徴とする前記請求項２に記載の目標信
号自動検出方法。 - 【請求項４】 前記第４のステップは、 前記第３のステップで出力される前記目標信号の長さに
相当する区間で切り出された振幅値の時系列信号を、時
系列に短時間の区間で分割し、短時間の区間データを順
次時間分解能および周波数分解能に優れた周波数分析手
法により周波数変換して、反響信号のスペクトルを求
め、この短時間毎のスペクトルを時系列に並べて第２の
検出用パターンを生成するステップと、 前記第２の検出用パターンの出力レベルを０から１の範
囲で正規化するステップと、 所望とする目標の反響信号を前記第１のステップおよび
第２のステップで処理した結果、目標以外の信号を目標
と判定する誤警報、あるいは目標、雑音のいずれとも判
定することができない不明と判定した信号を使用して学
習させたニューラルネットワークに前記正規化された第
２の検出用パターンを入力し、入力した前記第２の検出
用パターンが目標からの反響信号であるかそれ以外の信
号であるかを判定するステップとを含むことを特徴とす
る前記請求項３に記載の目標信号自動検出方法。 - 【請求項５】 音波を発信し、その発信信号に対する
目標からの反響信号を検出する目標信号自動検出装置で
あって、 前記反響信号の受信信号に整相処理を施し、振幅値の時
系列信号を出力する第１の手段と、 前記振幅値の時系列信号に対し分解能が粗い第１の周波
数分析を行い、得られる周波数パターンに基づいて目標
らしき物体からの反響信号を検出し、この反響信 号が存
在する信号区間を出力する第２の手段と、 前記反響信号の存在する信号区間に対応する前記振幅値
の時系列信号を切り出し出力する第３の手段手段と、 前記切り出された時系列信号に対し、分解能が詳細な第
２の周波数分析を行い、得られる周波数パターンに基づ
いて、前記物体を判定する第４の手段とを含むことを特
徴とする目標信号自動検出装置。 - 【請求項６】 前記第２の手段は、 前記第１の手段で出力される前記振幅値の時系列信号
を、時系列に短時間の区間で分割し、分割された区間デ
ータを順次高速フーリエ変換手法により周波数変換し
て、前記反響信号のスペクトルを求める手段と、 前記短時間毎のスペクトルを時系列的に並べて、受信し
た目標信号の長さに相当する区間を切り出して、第１の
検出用パターンを生成する手段と、 前記第１の検出用パターンの出力レベルと０〜１の範囲
で正規化する手段と、 前記正規化された第１の検出用パターンを、所望とする
目標からの反響信号および雑音信号を用いて予め学習さ
せたニューラルネットワークに入力し、その検出用パタ
ーンが目標からの反響信号であるかあるいは雑音信号で
あるかを判定する手段と、 前記ニューラルネットワークにより、前記検出用パター
ンが目標からの反響信号であると判定された場合に、前
記切り出された検出用パターンの検出時刻を算出する手
段と を含むことを特徴とする前記請求項５に記載の目標
信号自動検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8117408A JP2834071B2 (ja) | 1996-05-13 | 1996-05-13 | 目標信号自動検出方法および装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8117408A JP2834071B2 (ja) | 1996-05-13 | 1996-05-13 | 目標信号自動検出方法および装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09304528A JPH09304528A (ja) | 1997-11-28 |
| JP2834071B2 true JP2834071B2 (ja) | 1998-12-09 |
Family
ID=14710915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8117408A Expired - Lifetime JP2834071B2 (ja) | 1996-05-13 | 1996-05-13 | 目標信号自動検出方法および装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2834071B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6673030B2 (ja) * | 2016-06-02 | 2020-03-25 | 沖電気工業株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| CN113777448B (zh) * | 2021-08-09 | 2023-04-14 | 国网江苏省电力有限公司电力科学研究院 | 一种确定光伏组件阵列电弧故障发生时刻的方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04147078A (ja) * | 1990-10-09 | 1992-05-20 | Nec Corp | 目標追尾装置 |
| JPH0792259A (ja) * | 1993-09-28 | 1995-04-07 | Fujitsu Ltd | 目標類別装置 |
-
1996
- 1996-05-13 JP JP8117408A patent/JP2834071B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH09304528A (ja) | 1997-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2007507691A (ja) | ソナー・システムおよびプロセス | |
| De Seixas et al. | Preprocessing passive sonar signals for neural classification | |
| JP3567906B2 (ja) | レーダ用信号処理装置 | |
| JP2000304859A (ja) | アクティブソーナー及びその目標検出方法 | |
| EP4351166A1 (en) | Abnormal sound source determination method and ai sound video camera | |
| JP2834071B2 (ja) | 目標信号自動検出方法および装置 | |
| JPH09145834A (ja) | 目標信号検出方法及び装置 | |
| JP2990237B2 (ja) | 目標信号自動検出方法および装置 | |
| JP3871875B2 (ja) | 目標類別方法及び装置 | |
| JP2910727B2 (ja) | 目標信号検出方法及び装置 | |
| JP2967721B2 (ja) | 目標信号検出方法 | |
| JP7000963B2 (ja) | ソーナー装置、音響信号判別法、及びプログラム | |
| RU2110810C1 (ru) | Способ обнаружения шумящих объектов | |
| JP3503694B2 (ja) | 目標識別装置および目標識別方法 | |
| JP2770814B2 (ja) | アクティブソーナー装置 | |
| JP2806814B2 (ja) | 目標自動検出方式 | |
| JP2001296359A (ja) | バイスタティック処理装置 | |
| US7012854B1 (en) | Method for detecting emitted acoustic signals including signal to noise ratio enhancement | |
| JP3528580B2 (ja) | 物体計測装置 | |
| JPH0643238A (ja) | ソーナー信号処理装置 | |
| JP2000171545A (ja) | 目標信号検出方法および装置 | |
| JPH05333138A (ja) | ソナー信号処理装置 | |
| JPH05297114A (ja) | ソナー信号処理装置 | |
| JP2865079B2 (ja) | パルスレーダ受信装置 | |
| JPH05100022A (ja) | ソナー信号処理装置 |
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: 19980825 |
|
| 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 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081002 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091002 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091002 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101002 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111002 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121002 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131002 Year of fee payment: 15 |
|
| 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 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |