JP2967721B2 - 目標信号検出方法 - Google Patents
目標信号検出方法Info
- Publication number
- JP2967721B2 JP2967721B2 JP8087845A JP8784596A JP2967721B2 JP 2967721 B2 JP2967721 B2 JP 2967721B2 JP 8087845 A JP8087845 A JP 8087845A JP 8784596 A JP8784596 A JP 8784596A JP 2967721 B2 JP2967721 B2 JP 2967721B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- target
- time
- pattern
- processing unit
- 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 - Fee Related
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、音波や電磁波を発
信し、その発信信号に対する目標からの反響信号を検出
する方法に属し、特に反響信号の中から目標らしき反響
信号を自動検出し、更にこの反響信号がどのような物体
から反射されたものであるかを判別する目標信号検出方
法に属する。
信し、その発信信号に対する目標からの反響信号を検出
する方法に属し、特に反響信号の中から目標らしき反響
信号を自動検出し、更にこの反響信号がどのような物体
から反射されたものであるかを判別する目標信号検出方
法に属する。
【０００２】
【従来の技術】一般にこの種の目標信号検出方法は、操
作員が反響信号の表示画面を見て判断したり、反響信号
を直接耳で聞いたりして、操作員の経験や勘により判断
していた作業を支援する目的として用いられる。
作員が反響信号の表示画面を見て判断したり、反響信号
を直接耳で聞いたりして、操作員の経験や勘により判断
していた作業を支援する目的として用いられる。
【０００３】従来の目標信号検出方法は、たとえば、特
願平６−２９６４７９号に開示されている。特願平６−
２９６１７９号には、反響信号を含む受信信号に整相処
理を施し、Ａ／Ｄ変換して、時系列信号を出力する第１
のステップと、時系列信号に対し周波数分析を行い、ス
ペクトルの時系列データに変換した後、このスペクトル
の時系列データから目標反響信号の長さに相当する区間
を切り出して、検出用パターンを生成する第２のステッ
プと構成した装置により、目標か否かの判定を行い、こ
の結果を表示する技術が開示されている。
願平６−２９６４７９号に開示されている。特願平６−
２９６１７９号には、反響信号を含む受信信号に整相処
理を施し、Ａ／Ｄ変換して、時系列信号を出力する第１
のステップと、時系列信号に対し周波数分析を行い、ス
ペクトルの時系列データに変換した後、このスペクトル
の時系列データから目標反響信号の長さに相当する区間
を切り出して、検出用パターンを生成する第２のステッ
プと構成した装置により、目標か否かの判定を行い、こ
の結果を表示する技術が開示されている。
【０００４】
【発明が解決しようとする課題】従来の目標信号検出方
法の第１の問題点は、実時間で処理を行うことが難しい
という点である。
法の第１の問題点は、実時間で処理を行うことが難しい
という点である。
【０００５】その理由は、受信信号の時系列データをそ
のまま使用して処理するために判定処理に入力するデー
タ量が多いためである。
のまま使用して処理するために判定処理に入力するデー
タ量が多いためである。
【０００６】従来の目標信号検出方法の第２の問題点
は、目標からの反響信号に似通った残響などの信号も誤
って目標信号として検出してしまう。つまり、誤警報率
も高いという点である。
は、目標からの反響信号に似通った残響などの信号も誤
って目標信号として検出してしまう。つまり、誤警報率
も高いという点である。
【０００７】その理由は、判定処理に入力するデータ
に、常に一定の前処理を行っていたため、目標信号の特
徴が現れないためである。
に、常に一定の前処理を行っていたため、目標信号の特
徴が現れないためである。
【０００８】それ故に本発明の課題は、時系列データの
特徴を損なわないようにデータを圧縮することで判定処
理に入力するデータ量を減少させることにより、計算時
間を単色し高速化を図る目標信号検出方法を提供するこ
とにある。
特徴を損なわないようにデータを圧縮することで判定処
理に入力するデータ量を減少させることにより、計算時
間を単色し高速化を図る目標信号検出方法を提供するこ
とにある。
【０００９】また、本発明に他の課題は、目標信号の特
徴を強化する前処理を行うことにより誤警報率の低下を
図る目標信号検出方式を提供することにある。
徴を強化する前処理を行うことにより誤警報率の低下を
図る目標信号検出方式を提供することにある。
【００１０】
【課題を解決するための手段】本発明によれば、音波や
電磁波を発信し、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において、前記反響信号を含む受信
信号に整相処理を施し、Ａ／Ｄ変換して、時系列信号を
出力する第１のステップと、前記時系列信号に対し周波
数分析を行い、スペクトルの時系列データに変換した
後、このスペクトルの時系列データから目標反響信号の
長さに相当する区間を切り出し、周波数パターンを作成
した後、この周波数パターンを方形の小領域に分割し、
各小領域に含まれるスペクトルの平均値を算出して、こ
の平均値を小領域のスペクトルレベルとした後、このス
ペクトルレベルを正規化して検出用パターンを生成する
第２のステップと、前記検出用パターンを入力として、
目標反響信号であるか否かを判断する第３のステップと
を含むことを特徴とし、さらに前記第３のステップは前
記第２のステップで出力される検出用パターンを、事前
に所望とする目標反響信号とそれ以外の信号により学習
させたニューラルネットワークに入力し、入力パターン
が目標反響信号であるか否かを判定するステップを含む
目標信号検出方法が得られる。
電磁波を発信し、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において、前記反響信号を含む受信
信号に整相処理を施し、Ａ／Ｄ変換して、時系列信号を
出力する第１のステップと、前記時系列信号に対し周波
数分析を行い、スペクトルの時系列データに変換した
後、このスペクトルの時系列データから目標反響信号の
長さに相当する区間を切り出し、周波数パターンを作成
した後、この周波数パターンを方形の小領域に分割し、
各小領域に含まれるスペクトルの平均値を算出して、こ
の平均値を小領域のスペクトルレベルとした後、このス
ペクトルレベルを正規化して検出用パターンを生成する
第２のステップと、前記検出用パターンを入力として、
目標反響信号であるか否かを判断する第３のステップと
を含むことを特徴とし、さらに前記第３のステップは前
記第２のステップで出力される検出用パターンを、事前
に所望とする目標反響信号とそれ以外の信号により学習
させたニューラルネットワークに入力し、入力パターン
が目標反響信号であるか否かを判定するステップを含む
目標信号検出方法が得られる。
【００１１】
【発明の実施の形態】次に本発明の目標信号検出方法の
一実施の形態例について図面を参照して説明する。本発
明の目標信号検出方法は、音波や電磁波を発信し、その
発信信号に対する目標からの反響信号を検出する装置に
用いる。この目標信号検出方法では、反響信号を含む受
信信号に整相処理を施し、Ａ／Ｄ変換して、時系列信号
を出力する第１のステップと、時系列信号に対し周波数
分析を行い、スペクトルの時系列データに変換した後、
このスペクトルの時系列データから目標反響信号の長さ
に相当する区間を切り出して、検出用パターンを生成す
る第２のステップと、検出用パターンを入力として、目
標反響信号であるか否かを判断する第３のステップとを
含む。
一実施の形態例について図面を参照して説明する。本発
明の目標信号検出方法は、音波や電磁波を発信し、その
発信信号に対する目標からの反響信号を検出する装置に
用いる。この目標信号検出方法では、反響信号を含む受
信信号に整相処理を施し、Ａ／Ｄ変換して、時系列信号
を出力する第１のステップと、時系列信号に対し周波数
分析を行い、スペクトルの時系列データに変換した後、
このスペクトルの時系列データから目標反響信号の長さ
に相当する区間を切り出して、検出用パターンを生成す
る第２のステップと、検出用パターンを入力として、目
標反響信号であるか否かを判断する第３のステップとを
含む。
【００１２】本発明の一実施の形態例は、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装置にお
いて、受信信号を周波数パターンに変換し、この周波数
パターンから目標が存在するか否かを判定するものであ
る。
発信し、この反響音を受信して目標を検出する装置にお
いて、受信信号を周波数パターンに変換し、この周波数
パターンから目標が存在するか否かを判定するものであ
る。
【００１３】図１は、本実施の形態例の構成を示すブロ
ック図である。図１を参照して、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。
ック図である。図１を参照して、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。
【００１４】入力処理部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受信ビームを形
成するビーム形成処理を行った後、Ａ／Ｄ変換器によっ
てディジタル値に変換された振幅値の時系列信号を出力
する。
れた信号を入力して任意の方位に対して受信ビームを形
成するビーム形成処理を行った後、Ａ／Ｄ変換器によっ
てディジタル値に変換された振幅値の時系列信号を出力
する。
【００１５】信号処理部３は入力処理部２から出力され
る振幅値の時系列信号をＮサンプル毎の短時間区間デー
タに分割して、周波数分析を行い、スペクトルの時系列
データに変換する。そしてこのスペクトル時系列データ
から目標反響信号の長さに相当する区間のデータを切り
出して、これを検出用データとして前処理部４にて前処
理を施した後、ニューラルネットワークへ入力し、図１
の丸Ａによる接続で示すように、目標か否かを判定部５
にて判断し、この結果を表示部６に出力する。
る振幅値の時系列信号をＮサンプル毎の短時間区間デー
タに分割して、周波数分析を行い、スペクトルの時系列
データに変換する。そしてこのスペクトル時系列データ
から目標反響信号の長さに相当する区間のデータを切り
出して、これを検出用データとして前処理部４にて前処
理を施した後、ニューラルネットワークへ入力し、図１
の丸Ａによる接続で示すように、目標か否かを判定部５
にて判断し、この結果を表示部６に出力する。
【００１６】次に、図２を参照して入力処理部２につい
て説明する。図２は、図１に示した送受波器１と入力処
理部２の具体的な構成を示している。入力処理部２は、
受信ビーム形成２１と、帯域通過フィルタ２２と、Ａ／
Ｄ変換器２３とを有している。受信ビーム形成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受波指向性を有する受信ビ
ームを形成する。帯域通過フィルタ２２は、受信ビーム
形成２１により得られた受信ビーム出力から、受信周波
数帯域の信号を取り出す。Ａ／Ｄ変換器２３は、受信ビ
ーム出力をディジタル値に変換し、振幅値の時系列デー
タを出力する。
て説明する。図２は、図１に示した送受波器１と入力処
理部２の具体的な構成を示している。入力処理部２は、
受信ビーム形成２１と、帯域通過フィルタ２２と、Ａ／
Ｄ変換器２３とを有している。受信ビーム形成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受波指向性を有する受信ビ
ームを形成する。帯域通過フィルタ２２は、受信ビーム
形成２１により得られた受信ビーム出力から、受信周波
数帯域の信号を取り出す。Ａ／Ｄ変換器２３は、受信ビ
ーム出力をディジタル値に変換し、振幅値の時系列デー
タを出力する。
【００１７】次に、図３を参照して信号処理部３につい
て説明する。図３は、図１に示した信号処理部３の構成
を示している。信号処理部３は、周波数変換処理部３１
と、切り出し処理部３２とを有している。周波数変換処
理部３１は、入力処理部２から出力される、振幅値の時
系列信号をＮサンプル毎の短時間区間データに分割し、
この短時間区間データをＦＦＴ手法により周波数変換
し、目標反響信号のスペクトルを求める。この際、受信
帯域内の雑音成分は、周波数分析されることにより帯域
エルネギーが各スペクトルに分散され、その結果、信号
対雑音比が改善される。切り出し処理部３２は、周波数
変換処理部３１から出力される時系列のスペクトルデー
タを、目標の反響信号長に相当する区間で切り出し、周
波数パターンを生成する。
て説明する。図３は、図１に示した信号処理部３の構成
を示している。信号処理部３は、周波数変換処理部３１
と、切り出し処理部３２とを有している。周波数変換処
理部３１は、入力処理部２から出力される、振幅値の時
系列信号をＮサンプル毎の短時間区間データに分割し、
この短時間区間データをＦＦＴ手法により周波数変換
し、目標反響信号のスペクトルを求める。この際、受信
帯域内の雑音成分は、周波数分析されることにより帯域
エルネギーが各スペクトルに分散され、その結果、信号
対雑音比が改善される。切り出し処理部３２は、周波数
変換処理部３１から出力される時系列のスペクトルデー
タを、目標の反響信号長に相当する区間で切り出し、周
波数パターンを生成する。
【００１８】次に、図４を参照して、図１に示した前処
理部４について説明する。図４は前処理部４の構成を示
している。前処理部４は、圧縮部４１と、正規化処理部
４２と、特徴強化処理部４３とを有している。圧縮部４
１は信号処理部３で生成された周波数のパターンを周波
数軸方向にｎ、時間（目標エコー長）軸方向にｍに分割
し、全部でｎ×ｍの小領域に分割し、各小領域に含まれ
るスペクトルの平均値を算出し、この値を各小領域のス
ペクトルレベルとし、周波数パターンのデータ量をｎ×
ｍ（＜元のデータ量）に圧縮した検出用パターンを生成
する。正規化処理部４２は圧縮部４１で生成された検出
パターン内のｎ×ｍ個のスペクトルレベル中の最小値ｍ
ｉｎ、及びｎ×ｍ個のスペクトルレベルから求めた平均
値ｍｅａｎを検出し、これらの値にて各スペクトルレベ
ルを次のように変換する。
理部４について説明する。図４は前処理部４の構成を示
している。前処理部４は、圧縮部４１と、正規化処理部
４２と、特徴強化処理部４３とを有している。圧縮部４
１は信号処理部３で生成された周波数のパターンを周波
数軸方向にｎ、時間（目標エコー長）軸方向にｍに分割
し、全部でｎ×ｍの小領域に分割し、各小領域に含まれ
るスペクトルの平均値を算出し、この値を各小領域のス
ペクトルレベルとし、周波数パターンのデータ量をｎ×
ｍ（＜元のデータ量）に圧縮した検出用パターンを生成
する。正規化処理部４２は圧縮部４１で生成された検出
パターン内のｎ×ｍ個のスペクトルレベル中の最小値ｍ
ｉｎ、及びｎ×ｍ個のスペクトルレベルから求めた平均
値ｍｅａｎを検出し、これらの値にて各スペクトルレベ
ルを次のように変換する。
【００１９】ｘ′＝ｘ−ｍｅａｎ／ｍｅａｎ−ｍｉｎ ｘは変換前のスペクトルレベル、ｘ′は変換後のスペク
トルレベルであり、これにより各スペクトルレベルは−
１〜＋Ａの範囲に正規化される。特徴強化処理部４３で
はこの正規化データを更にシグモイド関数により０〜
１．０の範囲に変換する。この非線形変換により、検出
用パターンに含まれている目標の特徴パターンと、それ
以外の特徴バターンが平均値を中心に各々分離される特
徴強化が行われる。
トルレベルであり、これにより各スペクトルレベルは−
１〜＋Ａの範囲に正規化される。特徴強化処理部４３で
はこの正規化データを更にシグモイド関数により０〜
１．０の範囲に変換する。この非線形変換により、検出
用パターンに含まれている目標の特徴パターンと、それ
以外の特徴バターンが平均値を中心に各々分離される特
徴強化が行われる。
【００２０】次に判定部５について説明する。判定部５
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
すべて結合されている。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。
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
すべて結合されている。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。
【００２１】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、前述の入力処理部２、信号
処理部３及び前処理部４までの処理を通して得られる検
出用パターンを、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、判
定部５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を、
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
れるよう学習する。ニューラルネットワークの学習手法
には、学習手法としては公知の事実であるバックプロパ
ゲーション手法を使用する。判定部５は、前述の学習方
法により学習済みのニューラルネットワークに対し、前
処理部４の出力する検出用パターンを入力し、入力パタ
ーンが目標であるか雑音であるかを判定し出力する。
る複数のデータを使用して、前述の入力処理部２、信号
処理部３及び前処理部４までの処理を通して得られる検
出用パターンを、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、判
定部５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を、
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
れるよう学習する。ニューラルネットワークの学習手法
には、学習手法としては公知の事実であるバックプロパ
ゲーション手法を使用する。判定部５は、前述の学習方
法により学習済みのニューラルネットワークに対し、前
処理部４の出力する検出用パターンを入力し、入力パタ
ーンが目標であるか雑音であるかを判定し出力する。
【００２２】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、０〜１のアナログ量となるため以
下の判定条件を使用する。 Ａ＞Ｂ かつ Ａ−Ｂ＞０．５ なら 目標 Ｂ＞Ａ かつ Ｂ−Ａ＞０．５ なら 雑音 上記条件以外 なら 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、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とする。
各ユニットの出力は、０〜１のアナログ量となるため以
下の判定条件を使用する。 Ａ＞Ｂ かつ Ａ−Ｂ＞０．５ なら 目標 Ｂ＞Ａ かつ Ｂ−Ａ＞０．５ なら 雑音 上記条件以外 なら 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、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とする。
【００２３】
【発明の効果】本発明の目標信号検出方法によると、判
定部へ入力する検出用パターンを実データのままで入力
するのではなく、小領域に分割し、その小領域内の平均
値を使用することで、データ量を減少させるため、計算
時間が減少し実時間処理を可能となるという効果を奏す
る。
定部へ入力する検出用パターンを実データのままで入力
するのではなく、小領域に分割し、その小領域内の平均
値を使用することで、データ量を減少させるため、計算
時間が減少し実時間処理を可能となるという効果を奏す
る。
【００２４】また、判定部へ入力する検出用パターンに
対し、特徴強化のためのシグモイド関数による非線形変
換をすることにより目標信号の持つ特徴が強化されるた
め、検出率を向上させ、誤警報率を低減させることがで
きるという効果を奏する。
対し、特徴強化のためのシグモイド関数による非線形変
換をすることにより目標信号の持つ特徴が強化されるた
め、検出率を向上させ、誤警報率を低減させることがで
きるという効果を奏する。
【図１】本発明の目標信号検出方法の一実施の形態例を
示すブロック構成図である。
示すブロック構成図である。
【図２】図1に示した一実施の形態例の入力処理部の詳
細を示すブロック構成図、及び振幅値の時系列データを
示すグラフである。
細を示すブロック構成図、及び振幅値の時系列データを
示すグラフである。
【図３】図1に示した一実施の形態例の信号処理部の詳
細を示すブロック構成図、及びスペクトルレベルと周波
数と時間との関係を示す説明図である。
細を示すブロック構成図、及びスペクトルレベルと周波
数と時間との関係を示す説明図である。
【図４】図１に示した一実施の形態例の前処理部の詳細
を示すブロック構成図、周波数と検出パターンとの関係
を示すグラフ、及びシグモイド関数を示すグラフであ
る。
を示すブロック構成図、周波数と検出パターンとの関係
を示すグラフ、及びシグモイド関数を示すグラフであ
る。
1 送受波器 ２ 入力処理部 ３ 信号処理部 ４ 前処理部 ５ 判定部 ６ 表示部 ２１ 受信ビーム形成 ２２ 帯域通過フィルタ ２３ Ａ／Ｄ変換器 ３１ 周波数変換処理部 ３２ 切り出しい処理部 ４１ 圧縮部 ４２ 正規化処理部 ４３ 特徴強化処理部
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G01S 7/00 - 7/42 G01S 7/52 - 7/64 G01S 13/00 - 13/95 G01S 15/00 - 15/96 G06F 15/18 560
Claims (2)
- 【請求項１】 音波や電磁波を発信し、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において、前
記反響信号を含む受信信号に整相処理を施し、Ａ／Ｄ変
換して、時系列信号を出力する第１のステップと、前記
時系列信号に対し周波数分析を行い、スペクトルの時系
列データに変換した後、このスペクトルの時系列データ
から目標反響信号の長さに相当する区間を切り出し、周
波数パターンを作成した後、この周波数パターンを方形
の小領域に分割し、各小領域に含まれるスペクトルの平
均値を算出して、この平均値を小領域のスペクトルレベ
ルとした後、このスペクトルレベルを正規化して検出用
パターンを生成する第２のステップと、前記検出用パタ
ーンを入力として、目標反響信号であるか否かを判断す
る第３のステップとを含むことを特徴とする目標信号検
出方法。 - 【請求項２】 前記第３のステップは前記第２のステッ
プで出力される検出用パターンを、事前に所望とする目
標反響信号とそれ以外の信号により学習させたニューラ
ルネットワークに入力し、入力パターンが目標反響信号
であるか否かを判定するステップを含むことを特徴とす
る請求項1記載の目標信号検出方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8087845A JP2967721B2 (ja) | 1996-04-10 | 1996-04-10 | 目標信号検出方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8087845A JP2967721B2 (ja) | 1996-04-10 | 1996-04-10 | 目標信号検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09281223A JPH09281223A (ja) | 1997-10-31 |
| JP2967721B2 true JP2967721B2 (ja) | 1999-10-25 |
Family
ID=13926238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8087845A Expired - Fee Related JP2967721B2 (ja) | 1996-04-10 | 1996-04-10 | 目標信号検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2967721B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3206584B2 (ja) | 1999-02-05 | 2001-09-10 | 日本電気株式会社 | 画像データ処理方法及び装置 |
| JP2007017309A (ja) * | 2005-07-08 | 2007-01-25 | Hitachi Ltd | 目標検出装置 |
| KR102298985B1 (ko) * | 2014-12-18 | 2021-09-09 | 재단법인 포항산업과학연구원 | 데이터의 정보량 패턴 추출 장치 및 방법 |
-
1996
- 1996-04-10 JP JP8087845A patent/JP2967721B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH09281223A (ja) | 1997-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP4351166A1 (en) | Abnormal sound source determination method and ai sound video camera | |
| JP2967721B2 (ja) | 目標信号検出方法 | |
| CN114513262A (zh) | 一种基于水下滑翔机的水声信号处理方法 | |
| JP3871875B2 (ja) | 目標類別方法及び装置 | |
| JP3785715B2 (ja) | 目標検出装置 | |
| CN109828265B (zh) | 一种多波束宽带剖面声呐及水下机器人 | |
| JP2910727B2 (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 | |
| JP2834071B2 (ja) | 目標信号自動検出方法および装置 | |
| JP3528580B2 (ja) | 物体計測装置 | |
| JP3503694B2 (ja) | 目標識別装置および目標識別方法 | |
| CN105785319B (zh) | 机场场面目标声学定位方法、装置及系统 | |
| RU2110810C1 (ru) | Способ обнаружения шумящих объектов | |
| JP2806814B2 (ja) | 目標自動検出方式 | |
| JP3577865B2 (ja) | 目標検出装置 | |
| JP2770814B2 (ja) | アクティブソーナー装置 | |
| JP2001296359A (ja) | バイスタティック処理装置 | |
| JP3050200B2 (ja) | ソーナー信号処理装置及び処理方法 | |
| JP2951045B2 (ja) | 超音波反射強度測定装置 | |
| JP3049260B2 (ja) | 目標信号検出方法及び装置 | |
| JPH05333138A (ja) | ソナー信号処理装置 | |
| JPH05297114A (ja) | ソナー信号処理装置 | |
| JP2000171545A (ja) | 目標信号検出方法および装置 | |
| JPH05100022A (ja) | ソナー信号処理装置 | |
| JP3153984B2 (ja) | ソーナー映像表示回路 |
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: 19990721 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070820 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080820 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080820 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090820 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090820 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100820 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |