JP3768787B2 - レーダパルス分類装置及びレーダパルス分類方法 - Google Patents
レーダパルス分類装置及びレーダパルス分類方法 Download PDFInfo
- Publication number
- JP3768787B2 JP3768787B2 JP2000248491A JP2000248491A JP3768787B2 JP 3768787 B2 JP3768787 B2 JP 3768787B2 JP 2000248491 A JP2000248491 A JP 2000248491A JP 2000248491 A JP2000248491 A JP 2000248491A JP 3768787 B2 JP3768787 B2 JP 3768787B2
- Authority
- JP
- Japan
- Prior art keywords
- hypothesis
- evaluation value
- radar
- pulse
- hypotheses
- 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
Images
Description
【０００１】
【発明の属する技術分野】
この発明は、複数のレーダの放射するパルスを受信し、受信したパルスをレーダ毎に分類するレーダパルス分類方法及びレーダパルス分類装置に関する。
【０００２】
【従来の技術】
複数のレーダからのレーダパルスを混在して受信した場合、この受信レーダパルス列を混在レーダパルス列と呼ぶことにする。この混在レーダパルス列の例を図３に示す。図３において、１０１〜１０５は、それぞれ、受信されたパルスである。
【０００３】
図３に示す混在レーダパルス列に含まれるレーダパルスにおいて、パルス１０１〜１０３は、キャリア周波数及びパルス幅等パルス内特徴が類似しており、また、これらのパルスの到来時刻の時間幅１０６は規則的になっている。また、同様に、１０４及び１０５もパルス内特徴が類似している。一般に、同じレーダが放射しているレーダパルスは、パルス幅、パルス振幅、パルス到来方位、キャリア周波数といったパルス内特徴が近い値であったり、レーダが規則的にレーダパルスを放射することによってレーダパルスの到来時刻が規則的であったりする。
【０００４】
受信したレーダパルスをレーダ毎に分類する従来の方法としては、各レーダパルスから抽出されるパルス幅、パルス振幅、パルス到来方位、キャリア周波数といったパルス内特徴の類似性からパルスを分類する方法と、レーダが規則的にレーダパルスを放射することを前提として、レーダパルスの到来時刻の規則性を利用して分類する方法がある。通常、上記のどちらかの方法を用いて分類されるが、パルス内特徴の類似性とパルス到来時刻の規則性を併用して分類すれば、分類性能が向上することが期待される。
【０００５】
図２４は、例えば、「De-interleaving pulse trains using discrete-time stochastic dynamic-linear models」, IEEE trans. on signal processing, vol.42, no.11, Nov., 1994.から類推して得られる、パルス内特徴の類似性とパルス到来時刻の規則性を併用して分類を行うことができる従来のレーダパルス分類装置を示すブロック図である。ただし、上記文献内では、パルス到来時刻の規則性のみを利用して分類する例が示されている。
【０００６】
図２４において、１は初期化手段、３はパルス特徴抽出手段、１６は仮説選択手段、１００は混在レーダパルス列、９１はＭ個のスイッチからなる切替スイッチである。３１−１〜３１−Ｍはレーダ特徴抽出手段であり、９５−１〜９５−Ｍは、それぞれ、ｋパルスの仮説１〜ｋパルスの仮説Ｍである。９６−１〜９６−Ｍは仮説選択・評価値選択手段である。
【０００７】
以下、図２４に示す従来のレーダパルス分類装置の動作を、図２５に示すレーダパルス分類方法のフローチャートと併せて説明する。この従来法では、受信したパルスを分類するカテゴリ数、すなわち、レーダ数が既知であるとして、受信したパルスを既知数のレーダに分類する。
【０００８】
まず、初期化手段１で、外部から入力される、もしくは、事前に設定されているレーダ数Ｍに基づき、１つめのパルスがレーダｍ（１≦ｍ≦Ｍ）に含まれるとするｋ（＝１）パルスの仮説９５−ｍ（１≦ｍ≦Ｍ）を計Ｍ個作成し、これを切換スイッチ９１の各端子に出力する。（ステップＳＴ１、ＳＴ２）。
【０００９】
次に、パルス特徴抽出手段３では、混在レーダパルス列１００に含まれるパルス数がＫである場合、パルス内特徴行列ＢＹＫを求め、これを出力する（ステップＳＴ３）。
【００１０】
切換スイッチ９１では、初期化手段１、もしくは、後述のレーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）から入力されたｋパルスの仮説９５−ｍ（１≦ｍ≦Ｍ）が入力された場合、入力されたｋパルスの仮説で分類されている処理パルス数ｋを求め、ｋを１つ増加させて、増加させた処理パルス数ｋを仮説選択・評価値算出手段９６−ｍ（１≦ｍ≦Ｍ）に出力する（ステップＳＴ９０）。
【００１１】
仮説選択・評価値算出手段９６−ｍは、処理パルス数ｋの入力により処理を開始する。最初に、入力されるデータは、パルス内特徴行列ＢＹＫと処理パルス数ｋである。まず、ｋ番目のパルスがレーダｍから得られたと仮定し、ｋ−１番目のパルス、および、ｋ＋１〜ｋ＋△番目のパルスが、レーダ１〜Ｍのどのレーダから得られたかについて、計（Ｍの△＋１乗）個の全組合せを考え、各組合せについて評価値を算出する。△は事前に与えられる整数である（ステップＳＴ９６−１）。
【００１２】
この評価値は、各パルスがどのレーダから得られたかを、仮に決めた場合に、各レーダのパルス到来時刻が規則的であるか、パルス内特徴が類似しているかを基に算出され、たとえば、パルス到来時刻の差分のばらつきの大きさと、パルス内特徴のばらつきの大きさの重み付き和などから算出される。
【００１３】
次に、最も良い評価値となる組合せにおいて、ｋ−１番目のパルスが分類されるレーダｍ’を求める。仮説選択・評価値算出手段９６−ｍは、切換スイッチ９１を制御して、ｋ−１番目のパルスがレーダｍ’に分類されている（ｋ−１）パルスの仮説９６−ｍ’を入力する。（ｋ−１）パルスの仮説９６−ｍ’とは、図２４に示すｋパルスの仮説９６−ｍ’のことであり、先のステップＳＴ９０において、切換スイッチ９１によりｋが１増加しているので、ここでは（ｋ−１）パルスの仮説９６−ｍ’と表記する（ステップＳＴ９６−２）。
【００１４】
（ｋ−１）パルスの仮説９６−ｍ’に基づき、ｋ−１番目のパルスまでは入力された仮説９６−ｍ’までと同じ分類で、ｋ番目のパルスがレーダｍに分類される仮説をｋパルスの仮説９６−ｍとして生成し、さらに、この仮説データに、仮説の評価値を添付して出力する（ステップＳＴ９６−３）。
【００１５】
レーダ特徴抽出手段３１−ｍでは、仮説選択・評価値算出手段９６−ｍの出力するｋパルスの仮説９６−ｍと、パルス特徴行列ＢＹＫを入力として、各レーダのパルス内特徴とパルス繰り返し間隔を求める。パルス内特徴は、複数のパルスのパルス内特徴の平均値を取る、もしくは、カルマンフィルタを用いて推定値を求めるなどの処理により、各パルスから求められたパルス内特徴よりもより正確なパルス内特徴が推定される（ステップＳＴ３１）。
【００１６】
各仮説選択・評価値算出手段９６−ｍと各レーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）において、上記のステップＳＴ９６−１からステップＳＴ３１までの処理を行う（ステップＳＴ９３、ＳＴ９４）。すべての仮説選択・評価値算出手段９６−ｍ及びレーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）について処理が終わったか否かを判定し（ステップＳＴ９３）、終わっていれば、全パルス処理が完了したか否かを判定し（ステップＳＴ９８）、終わっていなければ、ステップＳＴ９０に戻り、終わっていれば、次のステップＳＴ１６へ進む。
【００１７】
仮説選択手段１６では、レーダ特徴抽出手段３１−ｍから出力されるｋパルスの仮説９６−ｍ（１≦ｍ≦Ｍ）を入力として、これらのｋパルスの仮説９６−ｍ（１≦ｍ≦Ｍ）の中で、添付されている評価値が最も良いものを選択し、これを出力する（ステップＳＴ１６）。
【００１８】
【発明が解決しようとする課題】
上述の従来のレーダパルス分類方法及び分類装置によれば、事前にレーダ数Ｍを決定する必要がある。また、誤ってノイズをパルスとして検出した誤検出パルスや、誤ってパルスを検出できなかった失検出パルスがあることを考慮していないので、誤検出パルスを誤ってあるレーダに分類したり、失検出パルスがあった場合にパルス到来時刻間隔を正しく推定できなかったりする可能性があるという問題点があった。
【００１９】
この発明は、かかる問題点を解決するためになされたものであり、事前にレーダ数Ｍを決定する必要がなく、さらに、誤検出パルスや失検出パルスが存在することを考慮して分類を行うことによって、これらのパルスによる分類性能の劣化を防ぐことができるレーダパルス分類装置及びレーダパルス分類方法を得ることを目的としている。
【００２０】
【課題を解決するための手段】
この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類装置であって、新たなレーダパルスを受信したことを検出し、受信したレーダパルスのパルス内特徴を、逐次抽出する逐次パルス特徴抽出手段と、初めてレーダパルスが得られた場合には１つめのレーダパルスの分類に関する仮説を生成し、それ以外の場合にはこれまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成手段と、仮説生成手段が出力する各仮説の評価値を算出する評価値算出手段と、評価値を基に仮説の数を減少させる仮説数減少手段と、仮説数減少手段が出力する仮説を基に最良と思われる仮説を選択し、出力する仮説出力手段と、を備えたレーダパルス分類装置である。
【００２１】
また、仮説生成手段が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と、所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成する。
【００２２】
また、仮説出力手段が、仮説数減少手段が出力する仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択部を備えている。
【００２３】
また、仮説出力手段が、仮説数減少手段が出力する仮説において、任意の番数のパルスの仮説が全て同じであれば、番数の仮説として仮説を選択し、異なっていれば、番数の仮説として分類が未定であるという結果を出力するパルス分類確定部を備えている。
【００２４】
また、仮説生成手段及び評価値算出手段を、それぞれ、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けている。
【００２５】
また、仮説生成手段を、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出手段を、仮説生成手段で生成された仮説の個数と同一の個数だけ設けている。
【００２６】
また、評価値算出手段が、仮説生成手段が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出部と、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新部と、を備えている。
【００２７】
また、仮説数減少手段が、評価値算出手段から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定部と、適切レーダ数に基づき、仮説を選択する仮説数減少部と、を備えている。
【００２８】
また、評価値算出手段が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出部を備えるとともに、仮説数減少手段が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少部を備えている。
【００２９】
また、評価値併用仮説数減少部が、複数評価値算出部で算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を上記仮説に付加する第一評価値仮説数減少部と、複数評価値算出部で算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少部において選択した仮説の一部を入れ替える第二評価値仮説入れ替え部とを備えている。
【００３０】
また、評価値併用仮説減少部が、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類部と、複数評価値算出部で算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択部と、複数評価値算出部で算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択部により選択された仮説の中から仮説を選択する第一評価値仮説選択部と、第一評価値仮説選択部により入力された仮説を蓄積していき、事前に与えられた所定の数の仮説が蓄積した場合に、蓄積している全ての仮説を出力し、その他の場合には、入力された仮説を出力する仮説蓄積部とを備えている。
【００３１】
また、仮説生成手段が、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力部をさらに備え、レーダ数入力部にレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成する。
【００３２】
また、この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類方法であって、新たなレーダパルスを受信したことを検出する新規パルス受信判断工程と、受信したレーダパルスのパルス内特徴を、各レーダパルス毎に逐次抽出する逐次パルス特徴抽出工程と、初めてレーダパルスが得られた場合に、１つめのレーダパルスの分類に関する仮説を生成する仮説初期化工程と、２つ目以降のレーダパルスが得られた場合に、これまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程と、各仮説の評価値を算出する評価値算出工程と、評価値を基に仮説の数を減少させる仮説数減少工程と、仮説数減少工程により出力される仮説を基に最良と思われる仮説を選択し、出力する仮説出力工程と、を備えている。
【００３３】
また、仮説生成工程が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成する。
【００３４】
また、仮説出力工程が、仮説数減少工程において出力される仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択ステップを備えている。
【００３５】
また、仮説出力工程が、仮説数減少工程において出力される仮説において、任意の番数のパルスの仮説が全て同じであれば、番数の仮説として仮説を選択し、異なっていれば、番数の仮説として分類が未定であるという結果を出力するパルス分類確定ステップを備えている。
【００３６】
また、仮説生成工程及び評価値算出工程を、それぞれ、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けて、並列に処理を行う。
【００３７】
また、仮説生成工程を、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出工程を、仮説生成工程で生成された仮説の個数と同一の個数だけ設けて、並列に処理を行う。
【００３８】
また、評価値算出工程が、仮説生成工程が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出ステップと、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新ステップと、を備えている。
【００３９】
また、仮説数減少工程が、評価値算出工程から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定ステップと、適切レーダ数に基づき、仮説を選択する仮説数減少ステップと、を備えている。
【００４０】
また、評価値算出工程が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出ステップを備えるとともに、仮説数減少工程が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少ステップとを備えている。
【００４１】
また、評価値併用仮説数減少ステップが、複数評価値算出ステップで算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を仮説に付加する第一評価値仮説数減少ステップと、複数評価値算出ステップで算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少ステップにおいて選択した仮説の一部を入れ替える第二評価値仮説入れ替えステップとを備えている。
【００４２】
また、評価値併用仮説減少ステップが、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類ステップと、複数評価値算出ステップで算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択ステップと、複数評価値算出ステップで算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択ステップにおいて選択された仮説の中から仮説を選択する第一評価値仮説選択ステップと、第一評価値仮説選択ステップにおいて選択された仮説を蓄積する仮説蓄積ステップと、仮説蓄積ステップにおいて蓄積した仮説の数が、事前に与えられた所定の数に達した場合に、蓄積した仮説を全て出力する仮説出力ステップとを備えている。
【００４３】
また、仮説生成ステップが、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力ステップをさらに備え、レーダ数入力ステップにおいてレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成する。
【００４４】
【発明の実施の形態】
実施の形態１．
以下、本発明の実施の形態１〜１０について、図面を参照して説明する。なお、各図において、共通する要素には同一符合を付し、重複する説明を省略する。
【００４５】
まず、はじめに、本発明の基本的な概念について説明する。先に説明した図３に示した混在レーダパルス列に含まれるレーダパルスを、各レーダ毎に分類した例を図４に示す。混在レーダパルス列に含まれるパルスを分類する場合、その分類例としては、何通りも考えられる。ここで、各分類例を仮説と呼ぶことにし、特に、ｋ個のパルスを分類した仮説を、「ｋパルスの仮説」と呼び、ｋパルスの仮説を任意の順番に並べた場合に、ｉ番目のｋパルスの仮説を「ｋパルスの仮説ｉ」と呼ぶ。ｋパルスの仮説の中で、正しい仮説は１つだけである。さらに、ｋ番目のパルスを分類した分類例を「ｋ番目のパルスの仮説」と呼ぶことにする。図４に示した５パルスの仮説１に対して、新たに６番目のパルスを受信した場合、６番目のパルスの仮説としては、６番目のパルスをレーダ１に分類する仮説、レーダ２に分類する仮説などが考えられる。
【００４６】
本発明においては、パルス到来時刻もパルス内特徴の１つであるとし、ｋ番目のパルスにおけるｊ番目のパルス内特徴の値をｙｋｊ、ｋ番目のパルスの全てのパルス内特徴値を表すベクトルをパルス内特徴ベクトルＢｙｋ、ｋ個のパルスのパルス内特徴を表す行列をパルス内特徴行列ＢＹｋとする。これらの関係を次式（１）及び（２）に示す。
【００４７】
【数１】
【００４８】
【数２】
【００４９】
まず、本発明の実施の形態１を説明する。図１に本実施の形態１にかかるレーダパルス分類装置のブロック図を示す。図において、１０は、新たなパルスを受信したことを検出し、そのパルスのレーダパルスのキャリア周波数及びパルス幅などのパルス内特徴を逐次抽出する逐次パルス特徴抽出手段、１２は、初めてパルスが得られた場合には１つめのパルスの分類に関する仮説を生成し、それ以外の場合（すなわち、２つ目以降のパルスが得られた場合）にはこれまでに受信された各パルスがどのレーダに分類されるかを示す仮説に、新たに得られたパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成手段、１３は、仮説生成手段１２により生成された各仮説の評価値を算出する評価値算出手段、１５は、評価値算出手段１３により得られた評価値を基に仮説の数を減少させる仮説数減少手段、１６は、仮説数減少手段１５の出力する仮説を入力として、これらの仮説の中で最も評価値の良い仮説を選択する仮説選択手段である。
【００５０】
以下、図２に示すフローチャートに沿って、図1に示すレーダパルス分類装置の動作、すなわち、本実施の形態１によるレーダパルス分類方法について説明する。本実施の形態１によるレーダパルスの分類方法は、大きく分けて以下の７工程から構成されている。すなわち、（１）新たなパルスを受信したことを検出する新規パルス受信判断工程（ステップＳＴ１０−１）、（２）レーダパルスのキャリア周波数、パルス幅などのパルス内特徴を、各パルス毎に抽出する逐次パルス特徴抽出工程（ステップＳＴ１０−２）、（３）これまでに受信された各パルスがどのレーダに分類されるかを示す仮説に、新たに得られたパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程（ステップＳＴ１２−４〜ＳＴ１２−８）、（４）初めてパルスが得られた場合に、１つめのパルスの分類に関する仮説を生成する仮説初期化工程（ステップＳＴ１２−１〜ＳＴ１２−３）、（５）仮説の評価値を算出する評価値算出工程（ステップＳＴ１３−１〜ＳＴ１３−４）、（６）評価値を基に仮説の数を減少させる仮説数減少工程（ステップＳＴ１５）、（７）最も良い仮説を選択する仮説選択工程（ステップＳＴ１６）である。
【００５１】
さらに、詳細に説明する。逐次パルス特徴抽出手段１０は、従来例のパルス特徴抽出手段３と同様に、新たなパルスを受信したことを検出し、各パルスのパルス内特徴及びパルス到来時刻などを求める。ただし、従来例のパルス特徴抽出手段３がある時間帯に渡り観測信号を蓄積した結果である混在レーダパルス列データに含まれる全パルスのパルス内特徴を求めて、パルス内特徴行列ＢＹＫを出力するのに対し、逐次パルス特徴抽出手段１０では、入力された観測信号に新たなパルスが含まれる毎に、そのパルスのパルス内特徴ベクトルＢｙｋ（上式（１））を出力する(ステップＳＴ１０−１、ＳＴ１０−２)。
【００５２】
仮説生成手段１２は、初めて逐次パルス特徴抽出手段１０から入力があった場合と、それ以外の場合に分けて処理を行う（ステップＳＴ１２−１）。逐次パルス特徴抽出手段１０からの初めての入力の場合、すなわち、パルス内特徴ベクトルＢｙ１が入力された場合は、この入力によって処理を開始する。その他の場合は、仮説数減少手段１５からｋパルスの仮説が入力され、かつ、逐次パルス特徴抽出手段１０からパルス内特徴ベクトルＢｙｋが入力された場合に処理を開始する。
【００５３】
初めて逐次パルス特徴抽出手段１０から入力があった場合、すなわち、パルス内特徴ベクトルＢｙ１が入力された場合、入力パルス数ｋ＝１として、１パルスの仮説を出力する（ステップＳＴ１２−２）。通常、１番目のパルスがレーダ１に分類される仮説と、ノイズを検出した誤検出パルスであるとする仮説の２つの仮説を出力する。また、後述の評価値によっては、出力する仮説に事前に設定した値を、評価値の初期値として付加することもある（ＳＴ１２−３）。
【００５４】
また、それ以外の場合には、まず、入力パルス数ｋを１増加する（ステップＳＴ１２−４）。よって、この後、入力されたｋパルスの仮説は、（ｋ−１）パルスの仮説と表記する。入力されたパルス内特徴ベクトルＢｙｋは、ｋ番目のパルスのパルス内特徴ベクトルであるので、このｋ番目のパルスが、どのレーダから得られたかに関する仮説、すなわち、ｋ番目のパルスの仮説を考え、（ｋ−１）パルスの仮説にｋ番目のパルスの仮説を加えることによって、ｋパルスの仮説を生成し、出力する。これらのｋパルスの仮説には、ｋパルスの仮説に更新する前の（ｋ−１）パルスの仮説に付加されていた評価値を付加する場合と、付加しない場合がある（ステップＳＴ１２−６）。
【００５５】
ここで、（ｋ−１）パルスの仮説では、Ｍ個のレーダからのレーダパルスを受信していると考えているものとする。この場合、ｋ番目のパルスの仮説としては、レーダｍ（１≦ｍ≦Ｍ）から得られたパルスであるとする各仮説、レーダｍ（１≦ｍ≦Ｍ）から放射されたパルスを１つ以上失検出した後に、レーダｍから得られたパルスであるとする仮説、レーダｍ（１≦ｍ≦Ｍ）以外の新たなレーダから得られたパルスであるとする仮説、ノイズを誤って検出した誤検出パルスであるとする仮説などの仮説が考えられる。
【００５６】
観測条件によって、どのような仮説を考えるかは異なる。たとえば、信号レベルが十分に高く、誤検出パルスがないような場合は、誤検出パルスであるとする仮説を考える必要はない。
【００５７】
このように、失検出しているという仮説や誤検出パルスであるという仮説を考えるので、誤検出パルスを誤って分類したり、失検出パルスによってパルス到来時刻の差分として算出されるパルス繰り返し間隔を誤って推定してしまう可能性が少なくなる。また、新たなレーダから得られたパルスである仮説とする仮説を考えることにより、レーダ数を増加していくことができるため、事前にレーダ数を与える必要がなくなる。
【００５８】
仮説生成手段１２に入力された（ｋ−１）パルスの仮説の数をＨとし、各（ｋ−１）パルスの仮説ｈ（１≦ｈ≦Ｈ）に対して、ｋ番目のパルスに関する仮説を考え、ｋパルスの仮説を生成する処理を行う（ステップＳＴ１２−５、ＳＴ１２−７、ＳＴ１２−８）。
【００５９】
（ｋ−１）パルスの仮説ｈに対して、ｋ番目のパルスの仮説はＨｈ個考えられるとすると、仮説生成手段１２は、合計、下記の式（３）で与えられる個数のｋパルスの仮説を出力する。
【００６０】
【数３】
【００６１】
評価値算出手段１３では、Ｇ個のｋパルスの仮説が入力され、各ｋパルスの仮説に対して、評価値が算出され、各仮説にこの評価値を付加し、出力する（ステップＳＴ１３−１、１３−２、１３−３、１３−４）。
【００６２】
パルス到来時刻以外のパルス内特徴の数をＪ、仮説において仮定しているレーダ数をＭ、レーダｍにおけるｊ番目のパルス内特徴の推定値をｂｍｊ、その標準偏差をｖｍｊ、レーダｍのパルス到来時刻間隔の推定値をｂｍ０、その標準偏差をｖｍ０、パルスｋがレーダｍに分類される場合に１、分類されない場合に０となる変数をｃｋｍ、レーダｍに分類されるパルス数をＮｍ、誤検出パルスの数をＮ０、事前に設定した定数をＷ，レーダｍに分類されたパルスのパルス到来時刻から求められるｎ番目のパルス到来時刻の間隔をｙｎ０とし、次式（３）に示す負の対数尤度を評価値Ｌとすることが考えられる。定数項を省略したり、標準偏差が一定と考えられる場合に、標準偏差の項を省略した値も評価値Ｌとなりえる。
【００６３】
【数４】
【００６４】
また、上式（４）の評価値Ｌの値を用いた次式（５）のようなＭＤＬ(Minimum Description Length)の考え方を用いた評価値ＬMDLも考えられる。
【００６５】
【数５】
【００６６】
他にも、二乗誤差和や尤度やAIC(Akaike Infomatoin Criterion)などの統計的指標を用いることが考えられる。
【００６７】
仮説数減少手段１５では、各仮説に付加された評価値を基に、評価値の良い仮説を選択し、選択したｋパルスの仮説を出力する（ステップＳＴ１５）。
【００６８】
この選択の仕方としては、選択する仮説数ｈ’を事前に決定しておき、ｈ’個の仮説を抜き出す方法や、閾値を事前に設定しておく、もしくは、閾値を全仮説の評価値の和にある定数をかけた値として決め、この閾値よりも良い評価値を持つ仮説を抜き出す方法などが考えられる。
【００６９】
仮説選択手段１６では、仮説数減少手段１５の出力するｋパルスの仮説を入力として、これらの仮説の中で最も評価値の良い仮説を選択し、これをｋ番目のパルスが得られた時点での分類結果として出力する（ステップＳＴ１６）。
【００７０】
以上のように、本発明の実施の形態１によるレーダパルス分類装置及びレーダパルス分類方法においては、仮説生成手段１２において仮説を生成する際に、新たなレーダから得られたパルスであるという仮説を考えることにより、レーダ数を増加していくことができるようにしたため、従来のように事前にレーダ数Ｍを決定する必要がなく、また、誤検出パルスであるという仮説や失検出パルスが存在しているという仮説も考えるようにしたので、誤検出パルスを誤って分類したり、失検出パルスによってパルス到来時刻の差分として算出されるパルス繰り返し間隔を誤って推定してしまうのを防止することができ、誤検出パルスや失検出パルス等による分類性能の劣化を防ぐことができるという効果が得られる。
【００７１】
実施の形態２．
次に、本発明の実施の形態２について説明する。図５は、実施の形態２によるレーダパルス分類装置の構成を示したブロック図である。図において、１０、１５及び１６は上述の実施の形態１で示したものと同一である。本実施の形態では、図５に示すように、仮説数減少手段１５が出力するｋパルスの仮説の数をＨとして、Ｈ個の仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）とＨ個の評価値算出手段１２−ｈ（１≦ｈ≦Ｈ）を備えている。
【００７２】
以下、図６に示すフローチャートに沿って、図５に示すレーダパルス分類装置の動作、すなわち、本実施の形態におけるレーダパルス分類方法について説明する。
【００７３】
逐次パルス特徴抽出手段１０は、Ｈ個の全ての仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）にパルス内特徴ベクトルＢｙｋ（上式（１）参照）を出力し、仮説数減少手段１５も、出力する複数のｋパルスの仮説を、それぞれ、対応する異なる仮説生成手段１２−ｈに出力する。すなわち、ｋパルスの仮説１は仮説生成手段１２−１に出力され、ｋパルスの仮説２は仮説生成手段１２−２に出力され、以下同様に、ｋパルスの仮説ｈは仮説生成手段１２−ｈに出力される。それ以外の動作は実施の形態１と同様である。
【００７４】
Ｈ個の各仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）は、それぞれ、仮説数減少手段１５が出力した、別々の一つのｋパルスの仮説ｈ（１≦ｈ≦Ｈ）に対して、実施の形態１に示した仮説生成手段１２と同じ処理を行う（ステップＳＴ１２−６−１〜１２−６−Ｈ）。なお、これらの各仮説生成手段１２−ｈの処理は並列に行われる。その結果、各仮説生成手段１２−ｈはＨｈ個のｋパルスの仮説を生成し、全体で、Ｇ個（上式（３）参照）の仮説を生成する。
【００７５】
各評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）は、各仮説生成手段１２−ｈの出力したＨｈ個のｋパルスの仮説を入力として、これらの仮説の評価値を算出し、各仮説に評価値を付加して出力する（ステップＳＴ１３−１−ｈ、ＳＴ１３−２−ｈ、ＳＴ１３−３−ｈ、ＳＴ１３−４−ｈ（１≦ｈ≦Ｈ））。なお、ここでも、各評価値算出手段１３−ｈの処理は並列に行われる。
【００７６】
以下の処理は、上述の実施の形態１と同様である。すなわち、仮説数減少手段１５では、各評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）から出力された、合計Ｇ個の各仮説に付加された評価値を基に、上述の実施の形態１と同様に、評価値の良い仮説を選択し、選択したｋパルスの仮説を出力する（ステップＳＴ１５）。
【００７７】
仮説選択手段１６では、上述の実施の形態１と同様に、仮説数減少手段１５の出力するｋパルスの仮説を入力として、これらの仮説の中で最も評価値の良い仮説を選択し、これをｋ番目のパルスが得られた時点での分類結果として出力する（ステップＳＴ１６）。
【００７８】
このように、本実施の形態においては、上述の実施の形態１と同様の効果が得られるとともに、さらに、仮説数減少手段１５の出力するＨ個の仮説毎に、仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）と評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）をそれぞれ持つようにしたので、各仮説毎に並列に仮説生成と評価値算出を行うことができ、高速化を図ることができる。
【００７９】
実施の形態３．
本発明の実施の形態３について説明する。図７は、実施の形態３によるレーダパルス分類装置の構成を示したブロック図である。図において、１０、１５及び１６は上述の実施の形態１で示したものと同一である。本実施の形態では、図７に示すように、仮説数減少手段１５が出力するｋパルスの仮説の数をＨ個、Ｈ個の仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）が出力する仮説の数をＧ個として、Ｇ個の評価値算出手段１２−ｇ（１≦ｇ≦Ｇ）を備えている。
【００８０】
以下、図８に示すフローチャートに沿って、図７に示すレーダパルス分類装置の動作、すなわち、本発明の実施の形態３によるレーダパルス分類方法について説明する。
【００８１】
逐次パルス特徴抽出手段１０の動作は実施の形態２と同様である。
【００８２】
仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）は、実施の形態２に示した仮説生成手段１２−ｈと同じ処理を行い、生成した全体でのべＧ個の仮説をそれぞれ異なるＧ個の評価値算出手段１３−ｇ（１≦ｇ≦Ｇ）に出力する（ステップＳＴ１２−６−ｈ（１≦ｈ≦Ｈ））。
【００８３】
評価値算出手段１３−ｇは、仮説生成手段１２−ｈの出力した、それぞれ別個の一つのｋパルスの仮説を入力として、この仮説の評価値を算出し、仮説に評価値を付加して出力する（ステップＳＴ１３−２−ｇ（１≦ｇ≦Ｇ））。
【００８４】
以下、仮説数減少手段１５の処理は上述の実施の形態２と同様であり、仮説選択手段１６の処理は上述の実施の形態１と同様である。
【００８５】
以上のように、この実施の形態においては、上述の実施の形態１と同様の効果が得られるとともに、さらに、仮説数減少手段１５の出力するＨ個の仮説毎に仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）を持ち、さらに、仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）の出力するＧ個の仮説毎に評価値算出手段１３−ｇ（１≦ｇ≦Ｇ）を持つようにしたので、実施の形態２と比較して、さらに、評価値算出も全て並列に行うことができ、さらなる高速化を図ることができる。
【００８６】
実施の形態４．
本発明の実施の形態４について説明する。図９は、実施の形態４によるレーダパルス分類装置の構成を示したブロック図である。図において、１０、１２、１３及び１５は上述の実施の形態１で示したものと同一である。本実施の形態と上述の実施の形態１との構成の違いは、図９に示すように、実施の形態１で示した仮説選択手段１６の代わりに、パルス分類確定手段１７が設けられていることである。
【００８７】
パルス分類確定手段１７は、仮説数減少手段１５から入力されるＨ個の複数の仮説から、各パルスの分類が未定であることも考慮した仮説を生成するものである。
【００８８】
以下、図１０に示すフローチャートに沿って、図９に示すパルス分類装置の動作、すなわち、本実施の形態におけるパルス分類方法について説明する。パルス分類確定手段１７以外の動作は、実施の形態１〜３と同様である。
【００８９】
パルス分類確定手段１７は、入力された全てのｋパルスの仮説において、もしくは、入力された全てのｋパルスの仮説の中で評価値の良いいくつかの仮説において、受信した混在パルス列に含まれるｋ’番目のパルスに関する仮説が全て同じであれば、ｋ’番目のパルスの仮説として、この仮説を選択し、異なっていれば、ｋ’番目のパルスの仮説として、分類が未定であるという仮説を選択する。これを全てのパルスｋ’（１≦ｋ’≦ｋ）について行い、これら全てのｋ’番目のパルスの仮説を加えあわせたｋパルスの仮説を出力する（ステップＳＴ１７）。
【００９０】
以上のように、この実施の形態においても、上述の実施の形態１と同様の効果を得ることができるとともに、さらに、上述の実施の形態１で示した仮説選択手段１６の出力では、全パルスの分類を確定してしまっているのに対し、本実施の形態のパルス分類確定手段１７の出力では、分類を確定しにくいパルスは、分類が未定とするので、誤った分類がされにくく、分類性能の劣化をさらに防ぐことができる。
【００９１】
実施の形態５．
本発明の実施の形態５について説明する。図１１は、本実施の形態におけるレーダパルス分類装置に設けられた評価値算出手段１３の内部構成を示したブロック図である。図１１に示すように、本実施の形態において、評価値算出手段１３は、仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出手段３１と、ベイスの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新手段３２とから構成されている。なお、本実施の形態における評価値算出手段１３Ａは、上述の実施の形態１〜４の評価値算出手段１３として適用することが可能である。
【００９２】
以下、図１２に示すフローチャートに沿って、図１１に示す評価値算出手段１３Ａの動作を説明する。評価値算出手段１３Ａ以外の動作は、実施の形態１〜４と同様である。
【００９３】
レーダ特徴抽出手段３１は、従来例におけるレーダ特徴抽出手段３１−１〜３１−Ｍと同様に、各レーダのパルス内特徴とパルス繰り返し間隔を求める（ステップＳＴ３１）。
【００９４】
評価値更新手段３２は、入力されたｋパルスの仮説に付加されている評価値を更新して、これを出力する（ステップＳＴ３２）。
【００９５】
評価値更新手段３２に入力されたｋパルスの仮説には、（ｋ−１）番目のパルスまでを分類した（ｋ−１）パルスの仮説に対する評価値Ｌｐｒｅが付加されているので、Ｌｐｒｅを用いて、ｋパルスの仮説の評価値Ｌを求める。
【００９６】
ここで、入力されたｋパルスの仮説を、（ｋ−１）番目のパルスまでを分類した（ｋ−１）パルスの仮説と、ｋ番目のパルスの仮説に分解した場合、（ｋ−１）パルスの仮説をＨｙ（ｋ−１）、ｋ番目のパルスの仮説をｈｙｋと表記する。（ｋ−１）番目のパルスまでのパルス内特徴行列がＢＹ（ｋ−１）、仮説がＨｙ（ｋー１）である場合に、ｋ番目のパルスの仮説がｈｙｋである確率をＰ（ｈｙｋ）、（ｋ−１）番目のパルスまでのパルス内特徴行列がＢＹ（ｋ−１）、仮説がＨｙ（ｋ−１）であり、ｋ番目のパルスの仮説がｈｙｋである場合に、ｋ番目のパルスのパルス内特徴ベクトルがＢｙｋである確率をＰ（Ｂｙｋ）とする。この場合、ベイズの定理から、定数倍にする項を省略して評価値Ｌを、次式（６）として更新することが考えられる。
【００９７】
【数６】
【００９８】
また、上式（６）に示した評価値が、大きい値となってきた場合や小さい値となってきた場合には、全てのｋパルスの値に同一の定数をかけて正規化することにより、計算機における演算がオーバーフローしないようにすることが考えられる。
【００９９】
以上のように、この実施の形態においては、上述の実施の形態１〜４と同様の効果が得られるとともに、さらに、評価値算出手段１３Ａをレーダ特徴抽出手段３１と評価値更新手段３２とから構成して、評価値を算出する際に、前の評価値を用いて、簡易に評価値を算出できるようになり、評価値の算出を高速に行うことができる。
【０１００】
実施の形態６．
本発明の実施の形態６について説明する。図１３は、本実施の形態におけるレーダパルス分類装置に設けられた仮説数減少手段１５Ａの内部構成を示したブロック図である。図１３に示すように、本実施の形態において、仮説数減少手段１５Ａは、入力される複数の仮説から、適切なレーダ数を推定する適切レーダ数推定手段４１と、適切レーダ数を考慮して仮説を選択する、レーダ数による仮説数減少手段４２とから構成されている。なお、本実施の形態における仮説数減少手段１５Ａは、上述の実施の形態１〜５の仮説数減少手段１５として適用することが可能である。
【０１０１】
以下、図１４に示すフローチャートに沿って、図１３に示す仮説数減少手段１５Ａを有するレーダパルス分類装置の動作を説明する．仮説数減少手段１５Ａ以外の動作は、実施の形態１〜４と同様である。ただし、評価値算出手段１３は、実施の形態１〜４と同様の動作をするが、評価値は、尤度や二乗誤差和などは用いず、上式（５）で示したＭＤＬやＡＩＣのようなモデルパラメータ数の推定に用いられる統計的指標を用いる。
【０１０２】
適切レーダ数推定手段４１では、複数のｋパルスの仮説に付加されている評価値を比較し、最も良い評価値となっている仮説において仮定しているレーダ数を適切レーダ数として、レーダ数による仮説数減少手段４２に出力する（ステップＳＴ４１）。
【０１０３】
レーダ数による仮説数減少手段４２では、複数のｋパルスの仮説と適切レーダ数を入力として、入力された複数のｋパルスの仮説の中から、評価値の良い仮説を選択する。この際、各仮説において仮定しているレーダ数が、適切レーダ数と等しい仮説の中から、もしくは、適切レーダ数に近い仮説から選択する（ステップＳＴ４２）。この結果、選択する仮説において、正しいレーダ数と比較して、極端にレーダ数が多い、もしくは、少ない仮説が選択される可能性が低くなり、正しい仮説が選択されない危険性を下げることができる、もしくは、選択する仮説の数を少なくして演算負荷を減らすことができる。
【０１０４】
以上のように、この実施の形態においては、上述の実施の形態１〜４と同様の効果が得られるとともに、さらに、仮説数減少手段１５Ａを適切レーダ数推定手段４１とレーダ数による仮説数減少手段４２とから構成して、仮説を選択する際に、正しいレーダ数と比較して、レーダ数が等しいか近い値の仮説を選択するようにしたので、極端にレーダ数が多いか、もしくは、少ない仮説が選択される可能性が低くなり、分類性能をさらに向上させることができる。
【０１０５】
実施の形態７．
次に、本発明の実施の形態７について説明する．図１５は、実施の形態７によるレーダパルス分類装置の構成を示したブロック図である。図において、１０，１２，１６は上述の実施の形態１で示したものと同一である。本実施の形態と実施の形態１との違いは、図１５に示すように、実施の形態１で示した評価値算出手段１３の代りに、複数評価値算出手段２０が設けられ、仮説数減少手段１５の代りに、評価値併用仮説減少手段２２が設けられていることである。
【０１０６】
複数評価値算出手段２０は、各仮説に対して、複数の評価値を算出し、これらを各仮説に付加するものである。評価値併用仮説減少手段２２は、複数評価値算出手段２０が付加した複数の評価値を併用して仮説の総数を減少させるものである。
【０１０７】
以下、図１６に示すフローチャートに沿って、図１５に示すレーダパルス分類装置の動作、すなわち、本実施の形態におけるレーダパルス分類方法について説明する。複数評価値算出手段２０と評価値併用仮説数減少手段２２以外の動作は、実施の形態１〜５と同様である。
【０１０８】
実施の形態１〜５によってパルスを分類した場合、どのような評価値を用いるかによって、分類性能が異なると考えられる。これは、評価値の良し悪しによって仮説を取捨選択し、仮説総数を減少させるため、評価値によって選択される仮説が異なることが原因である。本実施の形態は、複数の評価値を併用することによって、分類性能を向上させるものである。
【０１０９】
複数評価値算出手段２０は、各仮説に対して、実施の形態１〜５で述べた評価値など、複数の評価値を算出し、これらを各仮説に付加して出力する（ステップ２０−２）。評価値併用仮説減少手段２２は、複数評価値算出手段２０で付加された複数の評価値を用いて、仮説の総数を減少させる（ステップ２２）。
【０１１０】
上述した評価値には、上述した（４）式の評価値Ｌや二乗誤差や尤度のように、パラメータ数が同一であるモデル（仮説）を比較するための評価値と、上述の（５）式の評価値ＬMDLや（６）式の評価値ＬやAICのように、パラメータ数が異なるモデル（仮説）でも比較することができる評価値がある。パラメータ数が同一であるモデル（仮説）を比較するための評価値としては、次式（７）も考えられる。
【０１１１】
【数７】
【０１１２】
各仮説では、いくつのレーダからのパルスを受信しているかを仮定している。この仮定しているレーダ数によって、各仮説におけるパラメータ数が変化する。このため、パラメータ数が同一であるモデル（仮説）を比較するための評価値によって、仮定しているレーダ数が同一である仮説を比較し、それらの仮説の良し悪しを評価できる。しかし、このような評価値を用いて、仮定しているレーダ数が異なる仮説を比較することはできない。
【０１１３】
反面、パラメータ数が異なるモデル（仮説）を比較することができる評価値を用いると、仮定しているレーダ数が同一である仮説を比較する場合に限っては、パラメータ数が同一であるモデル（仮説）を比較するための評価値と比較して、あまり適切でない評価が行われる可能性がある。
【０１１４】
例えば、（６）式および（７）式を用いて、レーダ数が事前に既知である場合と未知である場合に、レーダパルス分類に関するシミュレーションを行った結果を図１７に示す。レーダ数が事前に既知である場合には、パラメータ数が同一である仮説の比較だけを行えばよく、レーダ数が未知である場合には、パラメータ数が異なる仮説の比較を行う必要がある。このシミュレーションでは、２つのレーダからパルスを混在して受信し、受信したパルスからパルス内特徴として、パルス到来時刻のみを抽出していると考えて、シミュレーションデータを作成している。レーダ１のパルス繰り返し間隔は1.0、レーダ２のパルス繰り返し間隔は1.05とし、パルス繰り返し間隔のばらつき（標準偏差）を変えてシミュレーションを行った。７０％以上のパルスを正しく分類できた場合に分類成功として、１００回のシミュレーションのうち、分類成功した割合を分類成功率とした。
【０１１５】
シミュレーション結果から、レーダ数が既知である場合には、（６）式よりも（７）式を評価値として用いた方がレーダパルス分類性能が向上することがわかる。よって、パラメータ数が同一である仮説の比較だけを行う場合には、パラメータ数が異なるモデル（仮説）を比較することができる評価値である（６）式よりも、パラメータ数が同一であるモデル（仮説）を比較するための評価値である（７）式を評価値として用いた方が良いことがわかる。
【０１１６】
よって、複数評価値算出手段２０において、例えば、（６）式と（７）式のように、パラメータ数が異なるモデル（仮説）を比較することができる評価値を１つと、パラメータ数が同一であるモデル（仮説）を比較するための評価値を１つの合計２つの評価値を算出することが考えられる。さらに、評価値併用仮説数減少手段２２において、パラメータ数が同一である仮説を比較する場合には、パラメータ数が同一であるモデル（仮説）を比較するための評価値を用い、パラメータ数が異なる仮説を比較する場合には、パラメータ数が異なるモデル（仮説）を比較することができる評価値を用いて仮説の比較を行い、仮説を選択する。
【０１１７】
以上のように、本実施の形態においては、複数の評価値を算出し、それらを仮説に付加する複数評価値算出手段２０と、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少手段２２とを設けて、複数の評価値を算出しておき、仮定しているレーダ数やパラメータ数及びレーダ数の既知または未知といった諸条件に基づいて適切な評価値を選択し、それを用いて仮説の比較を行い、仮説を選択し、仮説数を減少させるようにしたので、この結果、より適切な仮説の選択ができるようになり、レーダパルス分類性能が向上する。
【０１１８】
実施の形態８．
次に、本発明の実施の形態８について説明する。図１８は、実施の形態８によるレーダパルス分類装置の評価値併用仮説数減少手段２２の構成を示したブロック図である。なお、レーダパルス分類装置の全体の構成は、実施の形態７と同様であるため、ここでは説明を省略する。図１８に示すように、評価値併用仮説数減少手段２２は、複数評価値算出手段２０で算出された複数の評価値の１つである評価値１（第一の評価値）による仮説数減少手段５１と、複数評価値算出手段２０で算出された評価値の他の１つである評価値２（第二の評価値）による仮説入れ替え手段５２とから構成されている。
【０１１９】
評価値１による仮説数減少手段５１は、複数評価値算出手段２０が付加した複数の評価値の１つである評価値１を用いて仮説の総数を減少させるための選択情報を付加するものである。評価値２による仮説入れ替え手段５２は、複数評価値算出手段２０が付加した複数の評価値の１つである評価値２によって仮説を評価し、評価値１では選択されなかった仮説の一部を選択し、評価値１では選択された仮説の一部を除去することによって、選択される仮説の一部を入れ替え、その後、仮説の総数を減少するものである。
【０１２０】
以下、図１９に示すフローチャートに沿って、図１８に示すレーダパルス分類装置の評価値併用仮説数減少手段の動作、すなわち、本実施の形態における仮説数の減少方法について説明する。評価値併用仮説数減少手段２２以外の動作は、実施の形態７と同様である。
【０１２１】
評価値１による仮説数減少手段５１では、複数仮説評価値算出手段２０において付加された評価値の１つである評価値１に基づいて、評価値１の良い仮説を選択し、各仮説に選択したか否かの選択情報を付加して出力する（ステップＳＴ１０３）。
【０１２２】
評価値２による仮説入れ替え手段５２では、評価値１による仮説数減少手段５１の出力した、選択情報を付加したｋパルスの仮説ｉ(1≦ｉ≦G)を入力として、複数評価値算出手段２０において付加された評価値の他の１つである評価値２に基づいて、評価値２が良いにも関わらず仮説数減少手段５１により選択されていない仮説を選択し、逆に、評価値２が悪いにも関わらず仮説数減少手段５１で選択された仮説を選択しないように、選択する仮説を入れ替え、変更する（ステップＳＴ５２−１）。そして、不適切な仮説を削除して、仮説を取捨選択し、出力する（ステップＳＴ５２−２）。
【０１２３】
ここで、評価値１を実施の形態７で述べたパラメータ数が異なるモデル（仮説）を比較できる評価値の１つとし、評価値２をパラメータ数が同一であるモデル（仮説）を比較するための評価値の１つとする。この場合、評価値２による仮説入れ替え手段５２では、同じレーダ数を仮定している仮説に限って、評価値２に基づいて評価を行い、評価値２が良いにも関わらず選択されていない仮説と、評価値２が良くないにも関わらず選択された仮説を入れ替え、評価値２が良い仮説が選択されるようにする。この結果、同じレーダ数を仮定している仮説では、評価値２の方がより適切な評価ができるため、より適切な仮説が選択されるようになり、パルス分類性能が向上すると考えられる。
【０１２４】
以上のように、本実施の形態においては、所定の評価値に基づいて仮説を選択する仮説数減少手段５１と、他の所定の評価値に基づいて当該選択された仮説の取捨選択を行って仮説を入れ替える仮説入れ替え手段５２とを設けて、諸条件に合わせた複数の評価値に基づいた、より適切な仮説の評価を行うようにしたので、さらに適切な仮説の選択を行うことができ、パルス分類性能が向上する。
【０１２５】
実施の形態９．
次に、本発明の実施の形態９について説明する。図２０は、実施の形態９によるレーダパルス分類装置の評価値併用仮説数減少手段２２Ａの構成を示したブロック図である。他の構成については、実施の形態７と同様である。本実施の形態における評価値併用仮説数減少手段２２Ａは、図２０に示すように、レーダ数による仮説分類手段６１と、並列にＭ個設けられた評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）と、評価値１による仮説選択手段６３と、仮説蓄積手段６４とから構成されている。
【０１２６】
レーダ数による仮説分類手段６１は、各仮説において仮定しているレーダ数により仮説を複数のグループに分類し、記録し、出力するものである。評価値２による選択手段６２−ｉ（1≦ｉ≦M）は、レーダ数により複数のグループに分類された各仮説を、各グループ毎に評価値２に基づいて選択し、評価値２の値が最も良い仮説を出力するものである。評価値１による選択手段６３は、評価値２による選択手段６２−ｉにより選択された仮説の中から、評価値１に基づいて、評価値１の値が最も良い仮説を選択して出力するものである。仮説蓄積手段６４は、評価値１による選択手段６３から入力された仮説を蓄積し、事前に与えられた所定の数の仮説が蓄積された場合に、それらの仮説を出力するものである。
【０１２７】
以下、図２１に示すフローチャートに沿って、図２０に示すレーダパルス分類装置の評価値併用仮説数減少手段の動作、すなわち、本実施の形態における仮説数の減少方法について説明する。評価値併用仮説数減少手段２２Ａ以外の動作は、実施の形態７と同様である。
【０１２８】
レーダ数による仮説分類手段６１は、後述の仮説蓄積手段６４から入力された仮説がない場合には、評価値併用仮説減少手段２２Ａの外部から入力された仮説を、各仮説で仮定しているレーダ数に基づき、仮定しているレーダ数が同じである仮説が同じ集合に含まれるように分類し、その結果を記録し、仮定しているレーダ数が同一である仮説が、同一の評価値２による仮説選択手段６２−ｉ（1≦ ｉ≦M）に入力されるように出力する（ステップＳＴ６１−１）。後述の仮説蓄積手段６４から入力された仮説がある場合には、記録している仮説から、この仮説を記録から消去し（ステップＳＴ６１−２）、記録している仮説を、前述のように評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）へ出力する。
【０１２９】
レーダ数による仮説分類手段６１において仮説を分類した際、最も多いレーダ数がＭであるとする。評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）には、仮定しているレーダ数が同一である複数の仮説が入力され、評価値２に基づいて、最も評価値が良い仮説が選択され、出力される（ステップＳＴ６２）。よって、評価値２としては、実施の形態７で述べたパラメータ数が同一であるモデル（仮説）を比較するための評価値の１つを用いると良い。
【０１３０】
評価値１による仮説選択手段６３は、評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）が出力した仮説を入力とし、評価値１に基づいて、最も評価値が良い仮説を選択し、出力する（ステップＳＴ６３）。これらの仮説において仮定しているレーダ数は異なっているので、評価値１としては、実施の形態７で述べたパラメータ数が異なるモデル（仮説）を比較できる評価値の１つを用いると良い。
【０１３１】
仮説蓄積手段６４では、入力された仮説を蓄積し（ステップＳＴ６４−１）、蓄積している仮説数が、事前に与えられた所定の仮説数Ｈよりも少ない場合には、蓄積した仮説をレーダ数による仮説分類手段６１へ出力し、同じとなった場合には、蓄積した仮説を仮説選択手段１６（図１５参照）に出力する（ステップＳＴ６４−２、ＳＴ６４−３）。この結果、レーダ数が同一である仮説の比較には、パラメータ数が同一であるモデル（仮説）を比較するための評価値を用い、レーダ数が異なる仮説の比較には、パラメータ数が異なるモデル（仮説）を比較できる評価値を用いて仮説を選択することができるので、レーダパルス分類性能が向上する。
【０１３２】
以上のように、本実施の形態においては、まずはじめに、レーダ数毎に仮説を複数のグループに分類し、各グループ内の仮説をパラメータ数が同一であるモデルを比較するための評価値２を用いて比較し、最も評価値の高いものを選択し、次に、各グループにおいて選択された仮説どうし（すなわち、すべてレーダ数が異なるもの）を、今度は、パラメータ数が異なるモデルを比較するための評価値１を用いて選択するので、より適切な仮説を効率よく選択することができ、レーダパルス分類性能を向上させることができる。
【０１３３】
実施の形態１０．
次に、本発明の実施の形態１０について説明する。図２２は、実施の形態１０によるレーダパルス分類装置の構成を示したブロック図である。図２２に示すように、本実施の形態によるレーダパルス分類装置は、図１の仮説生成手段１２の代わりに、レーダ数固定仮説生成手段２６が設けられている。また、レーダ数固定仮説生成手段２６には、図のように、レーダ数入力手段２４が接続されている。他の構成については、図１に示した実施の形態１と同じである。
【０１３４】
レーダ数入力手段２４は、パルスを分類する際に、事前にいくつのレーダからのパルスが混在しているかが既知である場合に、このレーダ数をオペレータなどが入力するものである。レーダ数固定仮説生成手段２６は、レーダ数入力手段２４により入力されたレーダ数に基づいて、仮説を生成するものである。
【０１３５】
以下、図２３に示すフローチャートに沿って、図２２に示すレーダパルス分類装置の動作、すなわち、本実施の形態におけるレーダパルス分類方法について説明する。レーダ数入力手段２４及びレーダ数固定仮説生成手段２６以外の動作は、実施の形態１と同様である。
【０１３６】
レーダ数入力手段２４では、オペレータなどが事前に既知であるレーダ数を入力し、これをレーダ数固定仮説生成手段２６に出力する（ステップＳＴ２４）。
【０１３７】
レーダ数固定仮説生成手段２６は、各仮説において仮定するレーダ数が、入力されたレーダ数以上にならないように、仮説を生成する（ステップＳＴ２６）。例えば、入力されたレーダ数がＭであり、入力されたｋパルスの仮説１において仮定するレーダ数もＭである場合には、この仮説において、（ｋ＋１）番目のパルスが新たなレーダから得られたパルスであるとする仮説を生成しないようにする。これ以外の仮説生成方法は、実施の形態１と同様である。
【０１３８】
この場合、評価値算出手段１３で算出する評価値は、実施の形態７で述べたパラメータ数が同一であるモデル（仮説）を比較するための評価値の１つを用いることが望ましい。
【０１３９】
以上のように、本実施の形態においては、いくつのレーダからのパルスを混在して受信しているかが既知である場合に、レーダ数入力手段２４によりレーダ数をオペレータ等が入力するようにしたので、無駄な仮説を生成せず、高速にパルスを分類することができる。さらに、パラメータ数が同一であるモデル（仮説）を比較するための評価値を用いることによって、任意の評価値を用いるよりも、レーダパルス分類性能をさらに向上させることができる。
【０１４０】
【発明の効果】
この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類装置であって、新たなレーダパルスを受信したことを検出し、受信したレーダパルスのパルス内特徴を、逐次抽出する逐次パルス特徴抽出手段と、初めてレーダパルスが得られた場合には１つめのレーダパルスの分類に関する仮説を生成し、それ以外の場合にはこれまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成手段と、仮説生成手段が出力する各仮説の評価値を算出する評価値算出手段と、評価値を基に仮説の数を減少させる仮説数減少手段と、仮説数減少手段が出力する仮説を基に最良と思われる仮説を選択し、出力する仮説出力手段と、を備えたレーダパルス分類装置であるので、仮説出力手段が、仮説数減少手段の出力する仮説を基に最良と思われる仮説を選択し、それを所定の番数のパルスが得られた時点での分類結果として出力するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成することが可能であるので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１４１】
また、仮説生成手段が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と、所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成するので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１４２】
また、仮説出力手段が、仮説数減少手段が出力する仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択部を備えているので、評価値を基に仮説を選択するため、分類性能が高く、また、処理時間も短縮することができるという効果が得られる。
【０１４３】
また、仮説出力手段が、仮説数減少手段が出力する仮説において、任意の番数のパルスの仮説が全て同じであれば、その番数の仮説として仮説を選択し、異なっていれば、番数の仮説として分類が未定であるという結果を出力するパルス分類確定部を備えているため、分類を確定しにくいパルスについては、分類が未定とするので、誤った分類がされにくいという効果が得られる。
【０１４４】
また、仮説生成手段及び評価値算出手段を、それぞれ、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けるようにしたので、仮説数減少手段が出力する仮説毎に並列に仮説生成と評価値算出を行うことができ、処理を高速化することができる効果が得られる。
【０１４５】
また、仮説生成手段を、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出手段を、仮説生成手段で生成された仮説の個数と同一の個数だけ設けるようにしたので、仮説数減少手段の出力する仮説毎に仮説生成手段を持ち、さらに、仮説生成手段の出力する仮説毎に評価値算出手段を持つので、仮説生成のみならず、評価値算出もすべて並列に行うことができ、さらなる高速化を図ることができる効果が得られる。
【０１４６】
また、評価値算出手段が、仮説生成手段が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出部と、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新部と、を備えているので、評価値を算出する際に、前の評価値を用いて、簡易に評価値を算出できるようになり、評価値の算出を高速に行うことができる効果が得られる。
【０１４７】
また、仮説数減少手段が、評価値算出手段から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定部と、適切レーダ数に基づき、仮説を選択する仮説数減少部と、を備えているので、選択する仮説において、極端にレーダ数が多い、もしくは、少ない仮説が選択される可能性が低くなり、正しい仮説が選択されずに、誤った仮説が選択されてしまう危険性を下げることができるとともに、選択する仮説の数を少なくして演算負荷を減らすことができるという効果が得られる。
【０１４８】
また、評価値算出手段が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出部を備えるとともに、仮説数減少手段が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少部を備えているので、複数の評価値から諸条件に合わせたものを用いて仮説の選択を行うことができるため、より適切な仮説の選択を行うことができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１４９】
また、評価値併用仮説数減少部が、複数評価値算出部で算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を上記仮説に付加する第一評価値仮説数減少部と、複数評価値算出部で算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少部において選択した仮説の一部を入れ替える第二評価値仮説入れ替え部とを備えているので、所定の１つの評価値により仮説を選択した後に、他の評価値により仮説の選択を再度行い、仮説を入れ替えるようにしたので、より適切な仮説が選択されるようになり、パルス分類性能の向上を図ることができるという効果が得られる。
【０１５０】
また、評価値併用仮説減少部が、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類部と、複数評価値算出部で算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択部と、複数評価値算出部で算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択部により選択された仮説の中から仮説を選択する第一評価値仮説選択部と、第一評価値仮説選択部により入力された仮説を蓄積していき、事前に与えられた所定の数の仮説が蓄積した場合に、蓄積している全ての仮説を出力し、その他の場合には、入力された仮説を出力する仮説蓄積部とを備えているので、レーダ数毎に仮説を複数のグループに分類し、各グループ内の仮説をパラメータ数が同一であるモデルを比較するための第二の評価値を用いて比較し、最も評価値の高いものを選択し、次に、各グループにおいて選択された仮説どうしを、パラメータ数が異なるモデルを比較するための第一の評価値を用いて選択できるので、より適切な仮説を効率よく選択することができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１５１】
また、仮説生成手段が、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力部をさらに備え、レーダ数入力部にレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成するようにしたので、レーダ数が既知である場合に、無駄な仮説を生成せずに、高速にパルスを分類することができるという効果が得られる。
【０１５２】
また、この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類方法であって、新たなレーダパルスを受信したことを検出する新規パルス受信判断工程と、受信したレーダパルスのパルス内特徴を、各レーダパルス毎に逐次抽出する逐次パルス特徴抽出工程と、初めてレーダパルスが得られた場合に、１つめのレーダパルスの分類に関する仮説を生成する仮説初期化工程と、２つ目以降のレーダパルスが得られた場合に、これまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程と、各仮説の評価値を算出する評価値算出工程と、評価値を基に仮説の数を減少させる仮説数減少工程と、仮説数減少工程により出力される仮説を基に最良と思われる仮説を選択し、出力する仮説出力工程と、を備えているので、仮説出力工程において、仮説数減少工程の出力する仮説を基に最良と思われる仮説を選択し、それを所定の番数のパルスが得られた時点での分類結果として出力するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成することが可能であるので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１５３】
また、仮説生成工程が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成するので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１５４】
また、仮説出力工程が、仮説数減少工程において出力される仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択ステップを備えているので、評価値を基に仮説を選択するため、分類性能が高く、また、処理時間も短縮することができるという効果が得られる。
【０１５５】
また、仮説出力工程が、仮説数減少工程において出力される仮説において、任意の番数のパルスの仮説が全て同じであれば、番数の仮説として仮説を選択し、異なっていれば、その番数の仮説として、分類が未定であるという結果を出力するパルス分類確定ステップを備えているため、分類を確定しにくいパルスについては、分類が未定とするので、誤った分類がされにくいという効果が得られる。
【０１５６】
また、仮説生成工程及び評価値算出工程を、それぞれ、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けて、並列に処理を行うようにしたので、仮説数減少工程が出力する仮説毎に並列に仮説生成と評価値算出を行うことができ、処理を高速化することができる効果が得られる。
【０１５７】
また、仮説生成工程を、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出工程を、仮説生成工程で生成された仮説の個数と同一の個数だけ設けて、並列に処理を行うようにしたので、仮説生成のみならず、評価値算出もすべて並列に行うことができ、さらなる高速化を図ることができる効果が得られる。
【０１５８】
また、評価値算出工程が、仮説生成工程が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出ステップと、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新ステップと、を備えているので、評価値を算出する際に、前の評価値を用いて、簡易に評価値を算出できるようになり、評価値の算出を高速に行うことができる効果が得られる。
【０１５９】
また、仮説数減少工程が、評価値算出工程から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定ステップと、適切レーダ数に基づき、仮説を選択する仮説数減少ステップと、を備えているので、選択する仮説において、極端にレーダ数が多い、もしくは、少ない仮説が選択される可能性が低くなり、正しい仮説が選択されずに、誤った仮説が選択されてしまう危険性を下げることができるとともに、選択する仮説の数を少なくして演算負荷を減らすことができるという効果が得られる。
【０１６０】
また、評価値算出工程が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出ステップを備えるとともに、仮説数減少工程が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少ステップとを備えているので、複数の評価値から諸条件に合わせたものを用いて仮説の選択を行うことができるため、より適切な仮説の選択を行うことができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１６１】
また、評価値併用仮説数減少ステップが、複数評価値算出ステップで算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を仮説に付加する第一評価値仮説数減少ステップと、複数評価値算出ステップで算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少ステップにおいて選択した仮説の一部を入れ替える第二評価値仮説入れ替えステップとを備えているので、所定の１つの評価値により仮説を選択した後に、他の評価値により仮説の選択を再度行い、仮説を入れ替えるようにしたので、より適切な仮説が選択されるようになり、パルス分類性能の向上を図ることができるという効果が得られる。
【０１６２】
また、評価値併用仮説減少ステップが、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類ステップと、複数評価値算出ステップで算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択ステップと、複数評価値算出ステップで算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択ステップにおいて選択された仮説の中から仮説を選択する第一評価値仮説選択ステップと、第一評価値仮説選択ステップにおいて選択された仮説を蓄積する仮説蓄積ステップと、仮説蓄積ステップにおいて蓄積した仮説の数が、事前に与えられた所定の数に達した場合に、蓄積した仮説を全て出力する仮説出力ステップとを備えているので、レーダ数毎に仮説を複数のグループに分類し、各グループ内の仮説をパラメータ数が同一であるモデルを比較するための第二の評価値を用いて比較し、最も評価値の高いものを選択し、次に、各グループにおいて選択された仮説どうしを、パラメータ数が異なるモデルを比較するための第一の評価値を用いて選択できるので、より適切な仮説を効率よく選択することができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１６３】
また、仮説生成ステップが、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力ステップをさらに備え、レーダ数入力ステップにおいてレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成するようにしたので、レーダ数が既知である場合に、無駄な仮説を生成せずに、高速にパルスを分類することができるという効果が得られる。
【図面の簡単な説明】
【図１】 本発明の実施の形態１によるレーダパルス分類装置の構成を示したブロック図である。
【図２】 本発明の実施の形態１によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図３】 処理対象である混在レーダパルス列の例を示す説明図である。
【図４】 混在レーダパルス列に含まれるパルスを分類した仮説の例を示す説明図である。
【図５】 本発明の実施の形態２によるレーダパルス分類装置の構成を示したブロック図である。
【図６】 本発明の実施の形態２によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図７】 本発明の実施の形態３によるレーダパルス分類装置の構成を示したブロック図である。
【図８】 本発明の実施の形態３によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図９】 本発明の実施の形態４によるレーダパルス分類装置の構成を示したブロック図である。
【図１０】 本発明の実施の形態４によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図１１】 本発明の実施の形態５によるレーダパルス分類装置に設けられた評価値算出手段の構成を示したブロック図である。
【図１２】 本発明の実施の形態５によるレーダパルス分類方法の評価値算出動作の流れを示すフローチャートである。
【図１３】 本発明の実施の形態６によるレーダパルス分類装置に設けられた仮説数減少手段の構成を示したブロック図である。
【図１４】 本発明の実施の形態６によるレーダパルス分類方法の仮説数減少動作の流れを示すフローチャートである。
【図１５】 本発明の実施の形態７によるレーダパルス分類装置の構成を示したブロック図である。
【図１６】 本発明の実施の形態７によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図１７】 本発明の実施の形態１〜５によるレーダパルス分類装置におけるレーダパルス分類に関するシミュレーションを行った結果のグラフを示す説明図である。
【図１８】 本発明の実施の形態８によるレーダパルス分類装置に設けられた評価値併用仮説数減少手段の構成を示したブロック図である。
【図１９】 本発明の実施の形態８によるレーダパルス分類方法の評価値併用仮説数減少動作の流れを示すフローチャートである。
【図２０】 本発明の実施の形態９によるレーダパルス分類装置に設けられた評価値併用仮説数減少手段の構成を示したブロック図である。
【図２１】 本発明の実施の形態９によるレーダパルス分類方法の評価値併用仮説数減少動作の流れを示すフローチャートである。
【図２２】 本発明の実施の形態１０によるレーダパルス分類装置の構成を示したブロック図である。
【図２３】 本発明の実施の形態１０によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図２４】 従来のレーダパルス分類装置を示したブロック図である。
【図２５】 従来のレーダパルス分類方法の動作の流れを示すフローチャートである。
【符号の説明】
１０ 逐次パルス特徴抽出手段、１２ 仮説生成手段、１３，１３Ａ 評価値算出手段、１５ 仮説数減少手段、１６ 仮説選択手段、１７ パルス分類確定手段、２０ 複数評価値算出手段、２２，２２Ａ 評価値併用仮説数減少手段、２４ レーダ数入力手段、２６ レーダ数固定仮説生成手段、３１ レーダ特徴抽出手段、３２ 評価値更新手段、４１ 適切レーダ数推定手段、４２ レーダ数による仮説数減少手段、５１ 評価値１による仮説数減少手段、５２ 評価値２による仮説入れ替え手段、６１ レーダ数による仮説分類手段、６２ 評価値２による仮説選択手段、６３ 評価値１による仮説選択手段、６４ 仮説蓄積手段。
【発明の属する技術分野】
この発明は、複数のレーダの放射するパルスを受信し、受信したパルスをレーダ毎に分類するレーダパルス分類方法及びレーダパルス分類装置に関する。
【０００２】
【従来の技術】
複数のレーダからのレーダパルスを混在して受信した場合、この受信レーダパルス列を混在レーダパルス列と呼ぶことにする。この混在レーダパルス列の例を図３に示す。図３において、１０１〜１０５は、それぞれ、受信されたパルスである。
【０００３】
図３に示す混在レーダパルス列に含まれるレーダパルスにおいて、パルス１０１〜１０３は、キャリア周波数及びパルス幅等パルス内特徴が類似しており、また、これらのパルスの到来時刻の時間幅１０６は規則的になっている。また、同様に、１０４及び１０５もパルス内特徴が類似している。一般に、同じレーダが放射しているレーダパルスは、パルス幅、パルス振幅、パルス到来方位、キャリア周波数といったパルス内特徴が近い値であったり、レーダが規則的にレーダパルスを放射することによってレーダパルスの到来時刻が規則的であったりする。
【０００４】
受信したレーダパルスをレーダ毎に分類する従来の方法としては、各レーダパルスから抽出されるパルス幅、パルス振幅、パルス到来方位、キャリア周波数といったパルス内特徴の類似性からパルスを分類する方法と、レーダが規則的にレーダパルスを放射することを前提として、レーダパルスの到来時刻の規則性を利用して分類する方法がある。通常、上記のどちらかの方法を用いて分類されるが、パルス内特徴の類似性とパルス到来時刻の規則性を併用して分類すれば、分類性能が向上することが期待される。
【０００５】
図２４は、例えば、「De-interleaving pulse trains using discrete-time stochastic dynamic-linear models」, IEEE trans. on signal processing, vol.42, no.11, Nov., 1994.から類推して得られる、パルス内特徴の類似性とパルス到来時刻の規則性を併用して分類を行うことができる従来のレーダパルス分類装置を示すブロック図である。ただし、上記文献内では、パルス到来時刻の規則性のみを利用して分類する例が示されている。
【０００６】
図２４において、１は初期化手段、３はパルス特徴抽出手段、１６は仮説選択手段、１００は混在レーダパルス列、９１はＭ個のスイッチからなる切替スイッチである。３１−１〜３１−Ｍはレーダ特徴抽出手段であり、９５−１〜９５−Ｍは、それぞれ、ｋパルスの仮説１〜ｋパルスの仮説Ｍである。９６−１〜９６−Ｍは仮説選択・評価値選択手段である。
【０００７】
以下、図２４に示す従来のレーダパルス分類装置の動作を、図２５に示すレーダパルス分類方法のフローチャートと併せて説明する。この従来法では、受信したパルスを分類するカテゴリ数、すなわち、レーダ数が既知であるとして、受信したパルスを既知数のレーダに分類する。
【０００８】
まず、初期化手段１で、外部から入力される、もしくは、事前に設定されているレーダ数Ｍに基づき、１つめのパルスがレーダｍ（１≦ｍ≦Ｍ）に含まれるとするｋ（＝１）パルスの仮説９５−ｍ（１≦ｍ≦Ｍ）を計Ｍ個作成し、これを切換スイッチ９１の各端子に出力する。（ステップＳＴ１、ＳＴ２）。
【０００９】
次に、パルス特徴抽出手段３では、混在レーダパルス列１００に含まれるパルス数がＫである場合、パルス内特徴行列ＢＹＫを求め、これを出力する（ステップＳＴ３）。
【００１０】
切換スイッチ９１では、初期化手段１、もしくは、後述のレーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）から入力されたｋパルスの仮説９５−ｍ（１≦ｍ≦Ｍ）が入力された場合、入力されたｋパルスの仮説で分類されている処理パルス数ｋを求め、ｋを１つ増加させて、増加させた処理パルス数ｋを仮説選択・評価値算出手段９６−ｍ（１≦ｍ≦Ｍ）に出力する（ステップＳＴ９０）。
【００１１】
仮説選択・評価値算出手段９６−ｍは、処理パルス数ｋの入力により処理を開始する。最初に、入力されるデータは、パルス内特徴行列ＢＹＫと処理パルス数ｋである。まず、ｋ番目のパルスがレーダｍから得られたと仮定し、ｋ−１番目のパルス、および、ｋ＋１〜ｋ＋△番目のパルスが、レーダ１〜Ｍのどのレーダから得られたかについて、計（Ｍの△＋１乗）個の全組合せを考え、各組合せについて評価値を算出する。△は事前に与えられる整数である（ステップＳＴ９６−１）。
【００１２】
この評価値は、各パルスがどのレーダから得られたかを、仮に決めた場合に、各レーダのパルス到来時刻が規則的であるか、パルス内特徴が類似しているかを基に算出され、たとえば、パルス到来時刻の差分のばらつきの大きさと、パルス内特徴のばらつきの大きさの重み付き和などから算出される。
【００１３】
次に、最も良い評価値となる組合せにおいて、ｋ−１番目のパルスが分類されるレーダｍ’を求める。仮説選択・評価値算出手段９６−ｍは、切換スイッチ９１を制御して、ｋ−１番目のパルスがレーダｍ’に分類されている（ｋ−１）パルスの仮説９６−ｍ’を入力する。（ｋ−１）パルスの仮説９６−ｍ’とは、図２４に示すｋパルスの仮説９６−ｍ’のことであり、先のステップＳＴ９０において、切換スイッチ９１によりｋが１増加しているので、ここでは（ｋ−１）パルスの仮説９６−ｍ’と表記する（ステップＳＴ９６−２）。
【００１４】
（ｋ−１）パルスの仮説９６−ｍ’に基づき、ｋ−１番目のパルスまでは入力された仮説９６−ｍ’までと同じ分類で、ｋ番目のパルスがレーダｍに分類される仮説をｋパルスの仮説９６−ｍとして生成し、さらに、この仮説データに、仮説の評価値を添付して出力する（ステップＳＴ９６−３）。
【００１５】
レーダ特徴抽出手段３１−ｍでは、仮説選択・評価値算出手段９６−ｍの出力するｋパルスの仮説９６−ｍと、パルス特徴行列ＢＹＫを入力として、各レーダのパルス内特徴とパルス繰り返し間隔を求める。パルス内特徴は、複数のパルスのパルス内特徴の平均値を取る、もしくは、カルマンフィルタを用いて推定値を求めるなどの処理により、各パルスから求められたパルス内特徴よりもより正確なパルス内特徴が推定される（ステップＳＴ３１）。
【００１６】
各仮説選択・評価値算出手段９６−ｍと各レーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）において、上記のステップＳＴ９６−１からステップＳＴ３１までの処理を行う（ステップＳＴ９３、ＳＴ９４）。すべての仮説選択・評価値算出手段９６−ｍ及びレーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）について処理が終わったか否かを判定し（ステップＳＴ９３）、終わっていれば、全パルス処理が完了したか否かを判定し（ステップＳＴ９８）、終わっていなければ、ステップＳＴ９０に戻り、終わっていれば、次のステップＳＴ１６へ進む。
【００１７】
仮説選択手段１６では、レーダ特徴抽出手段３１−ｍから出力されるｋパルスの仮説９６−ｍ（１≦ｍ≦Ｍ）を入力として、これらのｋパルスの仮説９６−ｍ（１≦ｍ≦Ｍ）の中で、添付されている評価値が最も良いものを選択し、これを出力する（ステップＳＴ１６）。
【００１８】
【発明が解決しようとする課題】
上述の従来のレーダパルス分類方法及び分類装置によれば、事前にレーダ数Ｍを決定する必要がある。また、誤ってノイズをパルスとして検出した誤検出パルスや、誤ってパルスを検出できなかった失検出パルスがあることを考慮していないので、誤検出パルスを誤ってあるレーダに分類したり、失検出パルスがあった場合にパルス到来時刻間隔を正しく推定できなかったりする可能性があるという問題点があった。
【００１９】
この発明は、かかる問題点を解決するためになされたものであり、事前にレーダ数Ｍを決定する必要がなく、さらに、誤検出パルスや失検出パルスが存在することを考慮して分類を行うことによって、これらのパルスによる分類性能の劣化を防ぐことができるレーダパルス分類装置及びレーダパルス分類方法を得ることを目的としている。
【００２０】
【課題を解決するための手段】
この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類装置であって、新たなレーダパルスを受信したことを検出し、受信したレーダパルスのパルス内特徴を、逐次抽出する逐次パルス特徴抽出手段と、初めてレーダパルスが得られた場合には１つめのレーダパルスの分類に関する仮説を生成し、それ以外の場合にはこれまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成手段と、仮説生成手段が出力する各仮説の評価値を算出する評価値算出手段と、評価値を基に仮説の数を減少させる仮説数減少手段と、仮説数減少手段が出力する仮説を基に最良と思われる仮説を選択し、出力する仮説出力手段と、を備えたレーダパルス分類装置である。
【００２１】
また、仮説生成手段が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と、所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成する。
【００２２】
また、仮説出力手段が、仮説数減少手段が出力する仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択部を備えている。
【００２３】
また、仮説出力手段が、仮説数減少手段が出力する仮説において、任意の番数のパルスの仮説が全て同じであれば、番数の仮説として仮説を選択し、異なっていれば、番数の仮説として分類が未定であるという結果を出力するパルス分類確定部を備えている。
【００２４】
また、仮説生成手段及び評価値算出手段を、それぞれ、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けている。
【００２５】
また、仮説生成手段を、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出手段を、仮説生成手段で生成された仮説の個数と同一の個数だけ設けている。
【００２６】
また、評価値算出手段が、仮説生成手段が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出部と、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新部と、を備えている。
【００２７】
また、仮説数減少手段が、評価値算出手段から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定部と、適切レーダ数に基づき、仮説を選択する仮説数減少部と、を備えている。
【００２８】
また、評価値算出手段が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出部を備えるとともに、仮説数減少手段が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少部を備えている。
【００２９】
また、評価値併用仮説数減少部が、複数評価値算出部で算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を上記仮説に付加する第一評価値仮説数減少部と、複数評価値算出部で算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少部において選択した仮説の一部を入れ替える第二評価値仮説入れ替え部とを備えている。
【００３０】
また、評価値併用仮説減少部が、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類部と、複数評価値算出部で算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択部と、複数評価値算出部で算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択部により選択された仮説の中から仮説を選択する第一評価値仮説選択部と、第一評価値仮説選択部により入力された仮説を蓄積していき、事前に与えられた所定の数の仮説が蓄積した場合に、蓄積している全ての仮説を出力し、その他の場合には、入力された仮説を出力する仮説蓄積部とを備えている。
【００３１】
また、仮説生成手段が、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力部をさらに備え、レーダ数入力部にレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成する。
【００３２】
また、この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類方法であって、新たなレーダパルスを受信したことを検出する新規パルス受信判断工程と、受信したレーダパルスのパルス内特徴を、各レーダパルス毎に逐次抽出する逐次パルス特徴抽出工程と、初めてレーダパルスが得られた場合に、１つめのレーダパルスの分類に関する仮説を生成する仮説初期化工程と、２つ目以降のレーダパルスが得られた場合に、これまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程と、各仮説の評価値を算出する評価値算出工程と、評価値を基に仮説の数を減少させる仮説数減少工程と、仮説数減少工程により出力される仮説を基に最良と思われる仮説を選択し、出力する仮説出力工程と、を備えている。
【００３３】
また、仮説生成工程が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成する。
【００３４】
また、仮説出力工程が、仮説数減少工程において出力される仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択ステップを備えている。
【００３５】
また、仮説出力工程が、仮説数減少工程において出力される仮説において、任意の番数のパルスの仮説が全て同じであれば、番数の仮説として仮説を選択し、異なっていれば、番数の仮説として分類が未定であるという結果を出力するパルス分類確定ステップを備えている。
【００３６】
また、仮説生成工程及び評価値算出工程を、それぞれ、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けて、並列に処理を行う。
【００３７】
また、仮説生成工程を、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出工程を、仮説生成工程で生成された仮説の個数と同一の個数だけ設けて、並列に処理を行う。
【００３８】
また、評価値算出工程が、仮説生成工程が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出ステップと、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新ステップと、を備えている。
【００３９】
また、仮説数減少工程が、評価値算出工程から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定ステップと、適切レーダ数に基づき、仮説を選択する仮説数減少ステップと、を備えている。
【００４０】
また、評価値算出工程が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出ステップを備えるとともに、仮説数減少工程が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少ステップとを備えている。
【００４１】
また、評価値併用仮説数減少ステップが、複数評価値算出ステップで算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を仮説に付加する第一評価値仮説数減少ステップと、複数評価値算出ステップで算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少ステップにおいて選択した仮説の一部を入れ替える第二評価値仮説入れ替えステップとを備えている。
【００４２】
また、評価値併用仮説減少ステップが、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類ステップと、複数評価値算出ステップで算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択ステップと、複数評価値算出ステップで算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択ステップにおいて選択された仮説の中から仮説を選択する第一評価値仮説選択ステップと、第一評価値仮説選択ステップにおいて選択された仮説を蓄積する仮説蓄積ステップと、仮説蓄積ステップにおいて蓄積した仮説の数が、事前に与えられた所定の数に達した場合に、蓄積した仮説を全て出力する仮説出力ステップとを備えている。
【００４３】
また、仮説生成ステップが、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力ステップをさらに備え、レーダ数入力ステップにおいてレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成する。
【００４４】
【発明の実施の形態】
実施の形態１．
以下、本発明の実施の形態１〜１０について、図面を参照して説明する。なお、各図において、共通する要素には同一符合を付し、重複する説明を省略する。
【００４５】
まず、はじめに、本発明の基本的な概念について説明する。先に説明した図３に示した混在レーダパルス列に含まれるレーダパルスを、各レーダ毎に分類した例を図４に示す。混在レーダパルス列に含まれるパルスを分類する場合、その分類例としては、何通りも考えられる。ここで、各分類例を仮説と呼ぶことにし、特に、ｋ個のパルスを分類した仮説を、「ｋパルスの仮説」と呼び、ｋパルスの仮説を任意の順番に並べた場合に、ｉ番目のｋパルスの仮説を「ｋパルスの仮説ｉ」と呼ぶ。ｋパルスの仮説の中で、正しい仮説は１つだけである。さらに、ｋ番目のパルスを分類した分類例を「ｋ番目のパルスの仮説」と呼ぶことにする。図４に示した５パルスの仮説１に対して、新たに６番目のパルスを受信した場合、６番目のパルスの仮説としては、６番目のパルスをレーダ１に分類する仮説、レーダ２に分類する仮説などが考えられる。
【００４６】
本発明においては、パルス到来時刻もパルス内特徴の１つであるとし、ｋ番目のパルスにおけるｊ番目のパルス内特徴の値をｙｋｊ、ｋ番目のパルスの全てのパルス内特徴値を表すベクトルをパルス内特徴ベクトルＢｙｋ、ｋ個のパルスのパルス内特徴を表す行列をパルス内特徴行列ＢＹｋとする。これらの関係を次式（１）及び（２）に示す。
【００４７】
【数１】
【数２】
まず、本発明の実施の形態１を説明する。図１に本実施の形態１にかかるレーダパルス分類装置のブロック図を示す。図において、１０は、新たなパルスを受信したことを検出し、そのパルスのレーダパルスのキャリア周波数及びパルス幅などのパルス内特徴を逐次抽出する逐次パルス特徴抽出手段、１２は、初めてパルスが得られた場合には１つめのパルスの分類に関する仮説を生成し、それ以外の場合（すなわち、２つ目以降のパルスが得られた場合）にはこれまでに受信された各パルスがどのレーダに分類されるかを示す仮説に、新たに得られたパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成手段、１３は、仮説生成手段１２により生成された各仮説の評価値を算出する評価値算出手段、１５は、評価値算出手段１３により得られた評価値を基に仮説の数を減少させる仮説数減少手段、１６は、仮説数減少手段１５の出力する仮説を入力として、これらの仮説の中で最も評価値の良い仮説を選択する仮説選択手段である。
【００５０】
以下、図２に示すフローチャートに沿って、図1に示すレーダパルス分類装置の動作、すなわち、本実施の形態１によるレーダパルス分類方法について説明する。本実施の形態１によるレーダパルスの分類方法は、大きく分けて以下の７工程から構成されている。すなわち、（１）新たなパルスを受信したことを検出する新規パルス受信判断工程（ステップＳＴ１０−１）、（２）レーダパルスのキャリア周波数、パルス幅などのパルス内特徴を、各パルス毎に抽出する逐次パルス特徴抽出工程（ステップＳＴ１０−２）、（３）これまでに受信された各パルスがどのレーダに分類されるかを示す仮説に、新たに得られたパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程（ステップＳＴ１２−４〜ＳＴ１２−８）、（４）初めてパルスが得られた場合に、１つめのパルスの分類に関する仮説を生成する仮説初期化工程（ステップＳＴ１２−１〜ＳＴ１２−３）、（５）仮説の評価値を算出する評価値算出工程（ステップＳＴ１３−１〜ＳＴ１３−４）、（６）評価値を基に仮説の数を減少させる仮説数減少工程（ステップＳＴ１５）、（７）最も良い仮説を選択する仮説選択工程（ステップＳＴ１６）である。
【００５１】
さらに、詳細に説明する。逐次パルス特徴抽出手段１０は、従来例のパルス特徴抽出手段３と同様に、新たなパルスを受信したことを検出し、各パルスのパルス内特徴及びパルス到来時刻などを求める。ただし、従来例のパルス特徴抽出手段３がある時間帯に渡り観測信号を蓄積した結果である混在レーダパルス列データに含まれる全パルスのパルス内特徴を求めて、パルス内特徴行列ＢＹＫを出力するのに対し、逐次パルス特徴抽出手段１０では、入力された観測信号に新たなパルスが含まれる毎に、そのパルスのパルス内特徴ベクトルＢｙｋ（上式（１））を出力する(ステップＳＴ１０−１、ＳＴ１０−２)。
【００５２】
仮説生成手段１２は、初めて逐次パルス特徴抽出手段１０から入力があった場合と、それ以外の場合に分けて処理を行う（ステップＳＴ１２−１）。逐次パルス特徴抽出手段１０からの初めての入力の場合、すなわち、パルス内特徴ベクトルＢｙ１が入力された場合は、この入力によって処理を開始する。その他の場合は、仮説数減少手段１５からｋパルスの仮説が入力され、かつ、逐次パルス特徴抽出手段１０からパルス内特徴ベクトルＢｙｋが入力された場合に処理を開始する。
【００５３】
初めて逐次パルス特徴抽出手段１０から入力があった場合、すなわち、パルス内特徴ベクトルＢｙ１が入力された場合、入力パルス数ｋ＝１として、１パルスの仮説を出力する（ステップＳＴ１２−２）。通常、１番目のパルスがレーダ１に分類される仮説と、ノイズを検出した誤検出パルスであるとする仮説の２つの仮説を出力する。また、後述の評価値によっては、出力する仮説に事前に設定した値を、評価値の初期値として付加することもある（ＳＴ１２−３）。
【００５４】
また、それ以外の場合には、まず、入力パルス数ｋを１増加する（ステップＳＴ１２−４）。よって、この後、入力されたｋパルスの仮説は、（ｋ−１）パルスの仮説と表記する。入力されたパルス内特徴ベクトルＢｙｋは、ｋ番目のパルスのパルス内特徴ベクトルであるので、このｋ番目のパルスが、どのレーダから得られたかに関する仮説、すなわち、ｋ番目のパルスの仮説を考え、（ｋ−１）パルスの仮説にｋ番目のパルスの仮説を加えることによって、ｋパルスの仮説を生成し、出力する。これらのｋパルスの仮説には、ｋパルスの仮説に更新する前の（ｋ−１）パルスの仮説に付加されていた評価値を付加する場合と、付加しない場合がある（ステップＳＴ１２−６）。
【００５５】
ここで、（ｋ−１）パルスの仮説では、Ｍ個のレーダからのレーダパルスを受信していると考えているものとする。この場合、ｋ番目のパルスの仮説としては、レーダｍ（１≦ｍ≦Ｍ）から得られたパルスであるとする各仮説、レーダｍ（１≦ｍ≦Ｍ）から放射されたパルスを１つ以上失検出した後に、レーダｍから得られたパルスであるとする仮説、レーダｍ（１≦ｍ≦Ｍ）以外の新たなレーダから得られたパルスであるとする仮説、ノイズを誤って検出した誤検出パルスであるとする仮説などの仮説が考えられる。
【００５６】
観測条件によって、どのような仮説を考えるかは異なる。たとえば、信号レベルが十分に高く、誤検出パルスがないような場合は、誤検出パルスであるとする仮説を考える必要はない。
【００５７】
このように、失検出しているという仮説や誤検出パルスであるという仮説を考えるので、誤検出パルスを誤って分類したり、失検出パルスによってパルス到来時刻の差分として算出されるパルス繰り返し間隔を誤って推定してしまう可能性が少なくなる。また、新たなレーダから得られたパルスである仮説とする仮説を考えることにより、レーダ数を増加していくことができるため、事前にレーダ数を与える必要がなくなる。
【００５８】
仮説生成手段１２に入力された（ｋ−１）パルスの仮説の数をＨとし、各（ｋ−１）パルスの仮説ｈ（１≦ｈ≦Ｈ）に対して、ｋ番目のパルスに関する仮説を考え、ｋパルスの仮説を生成する処理を行う（ステップＳＴ１２−５、ＳＴ１２−７、ＳＴ１２−８）。
【００５９】
（ｋ−１）パルスの仮説ｈに対して、ｋ番目のパルスの仮説はＨｈ個考えられるとすると、仮説生成手段１２は、合計、下記の式（３）で与えられる個数のｋパルスの仮説を出力する。
【００６０】
【数３】
評価値算出手段１３では、Ｇ個のｋパルスの仮説が入力され、各ｋパルスの仮説に対して、評価値が算出され、各仮説にこの評価値を付加し、出力する（ステップＳＴ１３−１、１３−２、１３−３、１３−４）。
【００６２】
パルス到来時刻以外のパルス内特徴の数をＪ、仮説において仮定しているレーダ数をＭ、レーダｍにおけるｊ番目のパルス内特徴の推定値をｂｍｊ、その標準偏差をｖｍｊ、レーダｍのパルス到来時刻間隔の推定値をｂｍ０、その標準偏差をｖｍ０、パルスｋがレーダｍに分類される場合に１、分類されない場合に０となる変数をｃｋｍ、レーダｍに分類されるパルス数をＮｍ、誤検出パルスの数をＮ０、事前に設定した定数をＷ，レーダｍに分類されたパルスのパルス到来時刻から求められるｎ番目のパルス到来時刻の間隔をｙｎ０とし、次式（３）に示す負の対数尤度を評価値Ｌとすることが考えられる。定数項を省略したり、標準偏差が一定と考えられる場合に、標準偏差の項を省略した値も評価値Ｌとなりえる。
【００６３】
【数４】
また、上式（４）の評価値Ｌの値を用いた次式（５）のようなＭＤＬ(Minimum Description Length)の考え方を用いた評価値ＬMDLも考えられる。
【００６５】
【数５】
他にも、二乗誤差和や尤度やAIC(Akaike Infomatoin Criterion)などの統計的指標を用いることが考えられる。
【００６７】
仮説数減少手段１５では、各仮説に付加された評価値を基に、評価値の良い仮説を選択し、選択したｋパルスの仮説を出力する（ステップＳＴ１５）。
【００６８】
この選択の仕方としては、選択する仮説数ｈ’を事前に決定しておき、ｈ’個の仮説を抜き出す方法や、閾値を事前に設定しておく、もしくは、閾値を全仮説の評価値の和にある定数をかけた値として決め、この閾値よりも良い評価値を持つ仮説を抜き出す方法などが考えられる。
【００６９】
仮説選択手段１６では、仮説数減少手段１５の出力するｋパルスの仮説を入力として、これらの仮説の中で最も評価値の良い仮説を選択し、これをｋ番目のパルスが得られた時点での分類結果として出力する（ステップＳＴ１６）。
【００７０】
以上のように、本発明の実施の形態１によるレーダパルス分類装置及びレーダパルス分類方法においては、仮説生成手段１２において仮説を生成する際に、新たなレーダから得られたパルスであるという仮説を考えることにより、レーダ数を増加していくことができるようにしたため、従来のように事前にレーダ数Ｍを決定する必要がなく、また、誤検出パルスであるという仮説や失検出パルスが存在しているという仮説も考えるようにしたので、誤検出パルスを誤って分類したり、失検出パルスによってパルス到来時刻の差分として算出されるパルス繰り返し間隔を誤って推定してしまうのを防止することができ、誤検出パルスや失検出パルス等による分類性能の劣化を防ぐことができるという効果が得られる。
【００７１】
実施の形態２．
次に、本発明の実施の形態２について説明する。図５は、実施の形態２によるレーダパルス分類装置の構成を示したブロック図である。図において、１０、１５及び１６は上述の実施の形態１で示したものと同一である。本実施の形態では、図５に示すように、仮説数減少手段１５が出力するｋパルスの仮説の数をＨとして、Ｈ個の仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）とＨ個の評価値算出手段１２−ｈ（１≦ｈ≦Ｈ）を備えている。
【００７２】
以下、図６に示すフローチャートに沿って、図５に示すレーダパルス分類装置の動作、すなわち、本実施の形態におけるレーダパルス分類方法について説明する。
【００７３】
逐次パルス特徴抽出手段１０は、Ｈ個の全ての仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）にパルス内特徴ベクトルＢｙｋ（上式（１）参照）を出力し、仮説数減少手段１５も、出力する複数のｋパルスの仮説を、それぞれ、対応する異なる仮説生成手段１２−ｈに出力する。すなわち、ｋパルスの仮説１は仮説生成手段１２−１に出力され、ｋパルスの仮説２は仮説生成手段１２−２に出力され、以下同様に、ｋパルスの仮説ｈは仮説生成手段１２−ｈに出力される。それ以外の動作は実施の形態１と同様である。
【００７４】
Ｈ個の各仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）は、それぞれ、仮説数減少手段１５が出力した、別々の一つのｋパルスの仮説ｈ（１≦ｈ≦Ｈ）に対して、実施の形態１に示した仮説生成手段１２と同じ処理を行う（ステップＳＴ１２−６−１〜１２−６−Ｈ）。なお、これらの各仮説生成手段１２−ｈの処理は並列に行われる。その結果、各仮説生成手段１２−ｈはＨｈ個のｋパルスの仮説を生成し、全体で、Ｇ個（上式（３）参照）の仮説を生成する。
【００７５】
各評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）は、各仮説生成手段１２−ｈの出力したＨｈ個のｋパルスの仮説を入力として、これらの仮説の評価値を算出し、各仮説に評価値を付加して出力する（ステップＳＴ１３−１−ｈ、ＳＴ１３−２−ｈ、ＳＴ１３−３−ｈ、ＳＴ１３−４−ｈ（１≦ｈ≦Ｈ））。なお、ここでも、各評価値算出手段１３−ｈの処理は並列に行われる。
【００７６】
以下の処理は、上述の実施の形態１と同様である。すなわち、仮説数減少手段１５では、各評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）から出力された、合計Ｇ個の各仮説に付加された評価値を基に、上述の実施の形態１と同様に、評価値の良い仮説を選択し、選択したｋパルスの仮説を出力する（ステップＳＴ１５）。
【００７７】
仮説選択手段１６では、上述の実施の形態１と同様に、仮説数減少手段１５の出力するｋパルスの仮説を入力として、これらの仮説の中で最も評価値の良い仮説を選択し、これをｋ番目のパルスが得られた時点での分類結果として出力する（ステップＳＴ１６）。
【００７８】
このように、本実施の形態においては、上述の実施の形態１と同様の効果が得られるとともに、さらに、仮説数減少手段１５の出力するＨ個の仮説毎に、仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）と評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）をそれぞれ持つようにしたので、各仮説毎に並列に仮説生成と評価値算出を行うことができ、高速化を図ることができる。
【００７９】
実施の形態３．
本発明の実施の形態３について説明する。図７は、実施の形態３によるレーダパルス分類装置の構成を示したブロック図である。図において、１０、１５及び１６は上述の実施の形態１で示したものと同一である。本実施の形態では、図７に示すように、仮説数減少手段１５が出力するｋパルスの仮説の数をＨ個、Ｈ個の仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）が出力する仮説の数をＧ個として、Ｇ個の評価値算出手段１２−ｇ（１≦ｇ≦Ｇ）を備えている。
【００８０】
以下、図８に示すフローチャートに沿って、図７に示すレーダパルス分類装置の動作、すなわち、本発明の実施の形態３によるレーダパルス分類方法について説明する。
【００８１】
逐次パルス特徴抽出手段１０の動作は実施の形態２と同様である。
【００８２】
仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）は、実施の形態２に示した仮説生成手段１２−ｈと同じ処理を行い、生成した全体でのべＧ個の仮説をそれぞれ異なるＧ個の評価値算出手段１３−ｇ（１≦ｇ≦Ｇ）に出力する（ステップＳＴ１２−６−ｈ（１≦ｈ≦Ｈ））。
【００８３】
評価値算出手段１３−ｇは、仮説生成手段１２−ｈの出力した、それぞれ別個の一つのｋパルスの仮説を入力として、この仮説の評価値を算出し、仮説に評価値を付加して出力する（ステップＳＴ１３−２−ｇ（１≦ｇ≦Ｇ））。
【００８４】
以下、仮説数減少手段１５の処理は上述の実施の形態２と同様であり、仮説選択手段１６の処理は上述の実施の形態１と同様である。
【００８５】
以上のように、この実施の形態においては、上述の実施の形態１と同様の効果が得られるとともに、さらに、仮説数減少手段１５の出力するＨ個の仮説毎に仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）を持ち、さらに、仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）の出力するＧ個の仮説毎に評価値算出手段１３−ｇ（１≦ｇ≦Ｇ）を持つようにしたので、実施の形態２と比較して、さらに、評価値算出も全て並列に行うことができ、さらなる高速化を図ることができる。
【００８６】
実施の形態４．
本発明の実施の形態４について説明する。図９は、実施の形態４によるレーダパルス分類装置の構成を示したブロック図である。図において、１０、１２、１３及び１５は上述の実施の形態１で示したものと同一である。本実施の形態と上述の実施の形態１との構成の違いは、図９に示すように、実施の形態１で示した仮説選択手段１６の代わりに、パルス分類確定手段１７が設けられていることである。
【００８７】
パルス分類確定手段１７は、仮説数減少手段１５から入力されるＨ個の複数の仮説から、各パルスの分類が未定であることも考慮した仮説を生成するものである。
【００８８】
以下、図１０に示すフローチャートに沿って、図９に示すパルス分類装置の動作、すなわち、本実施の形態におけるパルス分類方法について説明する。パルス分類確定手段１７以外の動作は、実施の形態１〜３と同様である。
【００８９】
パルス分類確定手段１７は、入力された全てのｋパルスの仮説において、もしくは、入力された全てのｋパルスの仮説の中で評価値の良いいくつかの仮説において、受信した混在パルス列に含まれるｋ’番目のパルスに関する仮説が全て同じであれば、ｋ’番目のパルスの仮説として、この仮説を選択し、異なっていれば、ｋ’番目のパルスの仮説として、分類が未定であるという仮説を選択する。これを全てのパルスｋ’（１≦ｋ’≦ｋ）について行い、これら全てのｋ’番目のパルスの仮説を加えあわせたｋパルスの仮説を出力する（ステップＳＴ１７）。
【００９０】
以上のように、この実施の形態においても、上述の実施の形態１と同様の効果を得ることができるとともに、さらに、上述の実施の形態１で示した仮説選択手段１６の出力では、全パルスの分類を確定してしまっているのに対し、本実施の形態のパルス分類確定手段１７の出力では、分類を確定しにくいパルスは、分類が未定とするので、誤った分類がされにくく、分類性能の劣化をさらに防ぐことができる。
【００９１】
実施の形態５．
本発明の実施の形態５について説明する。図１１は、本実施の形態におけるレーダパルス分類装置に設けられた評価値算出手段１３の内部構成を示したブロック図である。図１１に示すように、本実施の形態において、評価値算出手段１３は、仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出手段３１と、ベイスの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新手段３２とから構成されている。なお、本実施の形態における評価値算出手段１３Ａは、上述の実施の形態１〜４の評価値算出手段１３として適用することが可能である。
【００９２】
以下、図１２に示すフローチャートに沿って、図１１に示す評価値算出手段１３Ａの動作を説明する。評価値算出手段１３Ａ以外の動作は、実施の形態１〜４と同様である。
【００９３】
レーダ特徴抽出手段３１は、従来例におけるレーダ特徴抽出手段３１−１〜３１−Ｍと同様に、各レーダのパルス内特徴とパルス繰り返し間隔を求める（ステップＳＴ３１）。
【００９４】
評価値更新手段３２は、入力されたｋパルスの仮説に付加されている評価値を更新して、これを出力する（ステップＳＴ３２）。
【００９５】
評価値更新手段３２に入力されたｋパルスの仮説には、（ｋ−１）番目のパルスまでを分類した（ｋ−１）パルスの仮説に対する評価値Ｌｐｒｅが付加されているので、Ｌｐｒｅを用いて、ｋパルスの仮説の評価値Ｌを求める。
【００９６】
ここで、入力されたｋパルスの仮説を、（ｋ−１）番目のパルスまでを分類した（ｋ−１）パルスの仮説と、ｋ番目のパルスの仮説に分解した場合、（ｋ−１）パルスの仮説をＨｙ（ｋ−１）、ｋ番目のパルスの仮説をｈｙｋと表記する。（ｋ−１）番目のパルスまでのパルス内特徴行列がＢＹ（ｋ−１）、仮説がＨｙ（ｋー１）である場合に、ｋ番目のパルスの仮説がｈｙｋである確率をＰ（ｈｙｋ）、（ｋ−１）番目のパルスまでのパルス内特徴行列がＢＹ（ｋ−１）、仮説がＨｙ（ｋ−１）であり、ｋ番目のパルスの仮説がｈｙｋである場合に、ｋ番目のパルスのパルス内特徴ベクトルがＢｙｋである確率をＰ（Ｂｙｋ）とする。この場合、ベイズの定理から、定数倍にする項を省略して評価値Ｌを、次式（６）として更新することが考えられる。
【００９７】
【数６】
また、上式（６）に示した評価値が、大きい値となってきた場合や小さい値となってきた場合には、全てのｋパルスの値に同一の定数をかけて正規化することにより、計算機における演算がオーバーフローしないようにすることが考えられる。
【００９９】
以上のように、この実施の形態においては、上述の実施の形態１〜４と同様の効果が得られるとともに、さらに、評価値算出手段１３Ａをレーダ特徴抽出手段３１と評価値更新手段３２とから構成して、評価値を算出する際に、前の評価値を用いて、簡易に評価値を算出できるようになり、評価値の算出を高速に行うことができる。
【０１００】
実施の形態６．
本発明の実施の形態６について説明する。図１３は、本実施の形態におけるレーダパルス分類装置に設けられた仮説数減少手段１５Ａの内部構成を示したブロック図である。図１３に示すように、本実施の形態において、仮説数減少手段１５Ａは、入力される複数の仮説から、適切なレーダ数を推定する適切レーダ数推定手段４１と、適切レーダ数を考慮して仮説を選択する、レーダ数による仮説数減少手段４２とから構成されている。なお、本実施の形態における仮説数減少手段１５Ａは、上述の実施の形態１〜５の仮説数減少手段１５として適用することが可能である。
【０１０１】
以下、図１４に示すフローチャートに沿って、図１３に示す仮説数減少手段１５Ａを有するレーダパルス分類装置の動作を説明する．仮説数減少手段１５Ａ以外の動作は、実施の形態１〜４と同様である。ただし、評価値算出手段１３は、実施の形態１〜４と同様の動作をするが、評価値は、尤度や二乗誤差和などは用いず、上式（５）で示したＭＤＬやＡＩＣのようなモデルパラメータ数の推定に用いられる統計的指標を用いる。
【０１０２】
適切レーダ数推定手段４１では、複数のｋパルスの仮説に付加されている評価値を比較し、最も良い評価値となっている仮説において仮定しているレーダ数を適切レーダ数として、レーダ数による仮説数減少手段４２に出力する（ステップＳＴ４１）。
【０１０３】
レーダ数による仮説数減少手段４２では、複数のｋパルスの仮説と適切レーダ数を入力として、入力された複数のｋパルスの仮説の中から、評価値の良い仮説を選択する。この際、各仮説において仮定しているレーダ数が、適切レーダ数と等しい仮説の中から、もしくは、適切レーダ数に近い仮説から選択する（ステップＳＴ４２）。この結果、選択する仮説において、正しいレーダ数と比較して、極端にレーダ数が多い、もしくは、少ない仮説が選択される可能性が低くなり、正しい仮説が選択されない危険性を下げることができる、もしくは、選択する仮説の数を少なくして演算負荷を減らすことができる。
【０１０４】
以上のように、この実施の形態においては、上述の実施の形態１〜４と同様の効果が得られるとともに、さらに、仮説数減少手段１５Ａを適切レーダ数推定手段４１とレーダ数による仮説数減少手段４２とから構成して、仮説を選択する際に、正しいレーダ数と比較して、レーダ数が等しいか近い値の仮説を選択するようにしたので、極端にレーダ数が多いか、もしくは、少ない仮説が選択される可能性が低くなり、分類性能をさらに向上させることができる。
【０１０５】
実施の形態７．
次に、本発明の実施の形態７について説明する．図１５は、実施の形態７によるレーダパルス分類装置の構成を示したブロック図である。図において、１０，１２，１６は上述の実施の形態１で示したものと同一である。本実施の形態と実施の形態１との違いは、図１５に示すように、実施の形態１で示した評価値算出手段１３の代りに、複数評価値算出手段２０が設けられ、仮説数減少手段１５の代りに、評価値併用仮説減少手段２２が設けられていることである。
【０１０６】
複数評価値算出手段２０は、各仮説に対して、複数の評価値を算出し、これらを各仮説に付加するものである。評価値併用仮説減少手段２２は、複数評価値算出手段２０が付加した複数の評価値を併用して仮説の総数を減少させるものである。
【０１０７】
以下、図１６に示すフローチャートに沿って、図１５に示すレーダパルス分類装置の動作、すなわち、本実施の形態におけるレーダパルス分類方法について説明する。複数評価値算出手段２０と評価値併用仮説数減少手段２２以外の動作は、実施の形態１〜５と同様である。
【０１０８】
実施の形態１〜５によってパルスを分類した場合、どのような評価値を用いるかによって、分類性能が異なると考えられる。これは、評価値の良し悪しによって仮説を取捨選択し、仮説総数を減少させるため、評価値によって選択される仮説が異なることが原因である。本実施の形態は、複数の評価値を併用することによって、分類性能を向上させるものである。
【０１０９】
複数評価値算出手段２０は、各仮説に対して、実施の形態１〜５で述べた評価値など、複数の評価値を算出し、これらを各仮説に付加して出力する（ステップ２０−２）。評価値併用仮説減少手段２２は、複数評価値算出手段２０で付加された複数の評価値を用いて、仮説の総数を減少させる（ステップ２２）。
【０１１０】
上述した評価値には、上述した（４）式の評価値Ｌや二乗誤差や尤度のように、パラメータ数が同一であるモデル（仮説）を比較するための評価値と、上述の（５）式の評価値ＬMDLや（６）式の評価値ＬやAICのように、パラメータ数が異なるモデル（仮説）でも比較することができる評価値がある。パラメータ数が同一であるモデル（仮説）を比較するための評価値としては、次式（７）も考えられる。
【０１１１】
【数７】
各仮説では、いくつのレーダからのパルスを受信しているかを仮定している。この仮定しているレーダ数によって、各仮説におけるパラメータ数が変化する。このため、パラメータ数が同一であるモデル（仮説）を比較するための評価値によって、仮定しているレーダ数が同一である仮説を比較し、それらの仮説の良し悪しを評価できる。しかし、このような評価値を用いて、仮定しているレーダ数が異なる仮説を比較することはできない。
【０１１３】
反面、パラメータ数が異なるモデル（仮説）を比較することができる評価値を用いると、仮定しているレーダ数が同一である仮説を比較する場合に限っては、パラメータ数が同一であるモデル（仮説）を比較するための評価値と比較して、あまり適切でない評価が行われる可能性がある。
【０１１４】
例えば、（６）式および（７）式を用いて、レーダ数が事前に既知である場合と未知である場合に、レーダパルス分類に関するシミュレーションを行った結果を図１７に示す。レーダ数が事前に既知である場合には、パラメータ数が同一である仮説の比較だけを行えばよく、レーダ数が未知である場合には、パラメータ数が異なる仮説の比較を行う必要がある。このシミュレーションでは、２つのレーダからパルスを混在して受信し、受信したパルスからパルス内特徴として、パルス到来時刻のみを抽出していると考えて、シミュレーションデータを作成している。レーダ１のパルス繰り返し間隔は1.0、レーダ２のパルス繰り返し間隔は1.05とし、パルス繰り返し間隔のばらつき（標準偏差）を変えてシミュレーションを行った。７０％以上のパルスを正しく分類できた場合に分類成功として、１００回のシミュレーションのうち、分類成功した割合を分類成功率とした。
【０１１５】
シミュレーション結果から、レーダ数が既知である場合には、（６）式よりも（７）式を評価値として用いた方がレーダパルス分類性能が向上することがわかる。よって、パラメータ数が同一である仮説の比較だけを行う場合には、パラメータ数が異なるモデル（仮説）を比較することができる評価値である（６）式よりも、パラメータ数が同一であるモデル（仮説）を比較するための評価値である（７）式を評価値として用いた方が良いことがわかる。
【０１１６】
よって、複数評価値算出手段２０において、例えば、（６）式と（７）式のように、パラメータ数が異なるモデル（仮説）を比較することができる評価値を１つと、パラメータ数が同一であるモデル（仮説）を比較するための評価値を１つの合計２つの評価値を算出することが考えられる。さらに、評価値併用仮説数減少手段２２において、パラメータ数が同一である仮説を比較する場合には、パラメータ数が同一であるモデル（仮説）を比較するための評価値を用い、パラメータ数が異なる仮説を比較する場合には、パラメータ数が異なるモデル（仮説）を比較することができる評価値を用いて仮説の比較を行い、仮説を選択する。
【０１１７】
以上のように、本実施の形態においては、複数の評価値を算出し、それらを仮説に付加する複数評価値算出手段２０と、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少手段２２とを設けて、複数の評価値を算出しておき、仮定しているレーダ数やパラメータ数及びレーダ数の既知または未知といった諸条件に基づいて適切な評価値を選択し、それを用いて仮説の比較を行い、仮説を選択し、仮説数を減少させるようにしたので、この結果、より適切な仮説の選択ができるようになり、レーダパルス分類性能が向上する。
【０１１８】
実施の形態８．
次に、本発明の実施の形態８について説明する。図１８は、実施の形態８によるレーダパルス分類装置の評価値併用仮説数減少手段２２の構成を示したブロック図である。なお、レーダパルス分類装置の全体の構成は、実施の形態７と同様であるため、ここでは説明を省略する。図１８に示すように、評価値併用仮説数減少手段２２は、複数評価値算出手段２０で算出された複数の評価値の１つである評価値１（第一の評価値）による仮説数減少手段５１と、複数評価値算出手段２０で算出された評価値の他の１つである評価値２（第二の評価値）による仮説入れ替え手段５２とから構成されている。
【０１１９】
評価値１による仮説数減少手段５１は、複数評価値算出手段２０が付加した複数の評価値の１つである評価値１を用いて仮説の総数を減少させるための選択情報を付加するものである。評価値２による仮説入れ替え手段５２は、複数評価値算出手段２０が付加した複数の評価値の１つである評価値２によって仮説を評価し、評価値１では選択されなかった仮説の一部を選択し、評価値１では選択された仮説の一部を除去することによって、選択される仮説の一部を入れ替え、その後、仮説の総数を減少するものである。
【０１２０】
以下、図１９に示すフローチャートに沿って、図１８に示すレーダパルス分類装置の評価値併用仮説数減少手段の動作、すなわち、本実施の形態における仮説数の減少方法について説明する。評価値併用仮説数減少手段２２以外の動作は、実施の形態７と同様である。
【０１２１】
評価値１による仮説数減少手段５１では、複数仮説評価値算出手段２０において付加された評価値の１つである評価値１に基づいて、評価値１の良い仮説を選択し、各仮説に選択したか否かの選択情報を付加して出力する（ステップＳＴ１０３）。
【０１２２】
評価値２による仮説入れ替え手段５２では、評価値１による仮説数減少手段５１の出力した、選択情報を付加したｋパルスの仮説ｉ(1≦ｉ≦G)を入力として、複数評価値算出手段２０において付加された評価値の他の１つである評価値２に基づいて、評価値２が良いにも関わらず仮説数減少手段５１により選択されていない仮説を選択し、逆に、評価値２が悪いにも関わらず仮説数減少手段５１で選択された仮説を選択しないように、選択する仮説を入れ替え、変更する（ステップＳＴ５２−１）。そして、不適切な仮説を削除して、仮説を取捨選択し、出力する（ステップＳＴ５２−２）。
【０１２３】
ここで、評価値１を実施の形態７で述べたパラメータ数が異なるモデル（仮説）を比較できる評価値の１つとし、評価値２をパラメータ数が同一であるモデル（仮説）を比較するための評価値の１つとする。この場合、評価値２による仮説入れ替え手段５２では、同じレーダ数を仮定している仮説に限って、評価値２に基づいて評価を行い、評価値２が良いにも関わらず選択されていない仮説と、評価値２が良くないにも関わらず選択された仮説を入れ替え、評価値２が良い仮説が選択されるようにする。この結果、同じレーダ数を仮定している仮説では、評価値２の方がより適切な評価ができるため、より適切な仮説が選択されるようになり、パルス分類性能が向上すると考えられる。
【０１２４】
以上のように、本実施の形態においては、所定の評価値に基づいて仮説を選択する仮説数減少手段５１と、他の所定の評価値に基づいて当該選択された仮説の取捨選択を行って仮説を入れ替える仮説入れ替え手段５２とを設けて、諸条件に合わせた複数の評価値に基づいた、より適切な仮説の評価を行うようにしたので、さらに適切な仮説の選択を行うことができ、パルス分類性能が向上する。
【０１２５】
実施の形態９．
次に、本発明の実施の形態９について説明する。図２０は、実施の形態９によるレーダパルス分類装置の評価値併用仮説数減少手段２２Ａの構成を示したブロック図である。他の構成については、実施の形態７と同様である。本実施の形態における評価値併用仮説数減少手段２２Ａは、図２０に示すように、レーダ数による仮説分類手段６１と、並列にＭ個設けられた評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）と、評価値１による仮説選択手段６３と、仮説蓄積手段６４とから構成されている。
【０１２６】
レーダ数による仮説分類手段６１は、各仮説において仮定しているレーダ数により仮説を複数のグループに分類し、記録し、出力するものである。評価値２による選択手段６２−ｉ（1≦ｉ≦M）は、レーダ数により複数のグループに分類された各仮説を、各グループ毎に評価値２に基づいて選択し、評価値２の値が最も良い仮説を出力するものである。評価値１による選択手段６３は、評価値２による選択手段６２−ｉにより選択された仮説の中から、評価値１に基づいて、評価値１の値が最も良い仮説を選択して出力するものである。仮説蓄積手段６４は、評価値１による選択手段６３から入力された仮説を蓄積し、事前に与えられた所定の数の仮説が蓄積された場合に、それらの仮説を出力するものである。
【０１２７】
以下、図２１に示すフローチャートに沿って、図２０に示すレーダパルス分類装置の評価値併用仮説数減少手段の動作、すなわち、本実施の形態における仮説数の減少方法について説明する。評価値併用仮説数減少手段２２Ａ以外の動作は、実施の形態７と同様である。
【０１２８】
レーダ数による仮説分類手段６１は、後述の仮説蓄積手段６４から入力された仮説がない場合には、評価値併用仮説減少手段２２Ａの外部から入力された仮説を、各仮説で仮定しているレーダ数に基づき、仮定しているレーダ数が同じである仮説が同じ集合に含まれるように分類し、その結果を記録し、仮定しているレーダ数が同一である仮説が、同一の評価値２による仮説選択手段６２−ｉ（1≦ ｉ≦M）に入力されるように出力する（ステップＳＴ６１−１）。後述の仮説蓄積手段６４から入力された仮説がある場合には、記録している仮説から、この仮説を記録から消去し（ステップＳＴ６１−２）、記録している仮説を、前述のように評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）へ出力する。
【０１２９】
レーダ数による仮説分類手段６１において仮説を分類した際、最も多いレーダ数がＭであるとする。評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）には、仮定しているレーダ数が同一である複数の仮説が入力され、評価値２に基づいて、最も評価値が良い仮説が選択され、出力される（ステップＳＴ６２）。よって、評価値２としては、実施の形態７で述べたパラメータ数が同一であるモデル（仮説）を比較するための評価値の１つを用いると良い。
【０１３０】
評価値１による仮説選択手段６３は、評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）が出力した仮説を入力とし、評価値１に基づいて、最も評価値が良い仮説を選択し、出力する（ステップＳＴ６３）。これらの仮説において仮定しているレーダ数は異なっているので、評価値１としては、実施の形態７で述べたパラメータ数が異なるモデル（仮説）を比較できる評価値の１つを用いると良い。
【０１３１】
仮説蓄積手段６４では、入力された仮説を蓄積し（ステップＳＴ６４−１）、蓄積している仮説数が、事前に与えられた所定の仮説数Ｈよりも少ない場合には、蓄積した仮説をレーダ数による仮説分類手段６１へ出力し、同じとなった場合には、蓄積した仮説を仮説選択手段１６（図１５参照）に出力する（ステップＳＴ６４−２、ＳＴ６４−３）。この結果、レーダ数が同一である仮説の比較には、パラメータ数が同一であるモデル（仮説）を比較するための評価値を用い、レーダ数が異なる仮説の比較には、パラメータ数が異なるモデル（仮説）を比較できる評価値を用いて仮説を選択することができるので、レーダパルス分類性能が向上する。
【０１３２】
以上のように、本実施の形態においては、まずはじめに、レーダ数毎に仮説を複数のグループに分類し、各グループ内の仮説をパラメータ数が同一であるモデルを比較するための評価値２を用いて比較し、最も評価値の高いものを選択し、次に、各グループにおいて選択された仮説どうし（すなわち、すべてレーダ数が異なるもの）を、今度は、パラメータ数が異なるモデルを比較するための評価値１を用いて選択するので、より適切な仮説を効率よく選択することができ、レーダパルス分類性能を向上させることができる。
【０１３３】
実施の形態１０．
次に、本発明の実施の形態１０について説明する。図２２は、実施の形態１０によるレーダパルス分類装置の構成を示したブロック図である。図２２に示すように、本実施の形態によるレーダパルス分類装置は、図１の仮説生成手段１２の代わりに、レーダ数固定仮説生成手段２６が設けられている。また、レーダ数固定仮説生成手段２６には、図のように、レーダ数入力手段２４が接続されている。他の構成については、図１に示した実施の形態１と同じである。
【０１３４】
レーダ数入力手段２４は、パルスを分類する際に、事前にいくつのレーダからのパルスが混在しているかが既知である場合に、このレーダ数をオペレータなどが入力するものである。レーダ数固定仮説生成手段２６は、レーダ数入力手段２４により入力されたレーダ数に基づいて、仮説を生成するものである。
【０１３５】
以下、図２３に示すフローチャートに沿って、図２２に示すレーダパルス分類装置の動作、すなわち、本実施の形態におけるレーダパルス分類方法について説明する。レーダ数入力手段２４及びレーダ数固定仮説生成手段２６以外の動作は、実施の形態１と同様である。
【０１３６】
レーダ数入力手段２４では、オペレータなどが事前に既知であるレーダ数を入力し、これをレーダ数固定仮説生成手段２６に出力する（ステップＳＴ２４）。
【０１３７】
レーダ数固定仮説生成手段２６は、各仮説において仮定するレーダ数が、入力されたレーダ数以上にならないように、仮説を生成する（ステップＳＴ２６）。例えば、入力されたレーダ数がＭであり、入力されたｋパルスの仮説１において仮定するレーダ数もＭである場合には、この仮説において、（ｋ＋１）番目のパルスが新たなレーダから得られたパルスであるとする仮説を生成しないようにする。これ以外の仮説生成方法は、実施の形態１と同様である。
【０１３８】
この場合、評価値算出手段１３で算出する評価値は、実施の形態７で述べたパラメータ数が同一であるモデル（仮説）を比較するための評価値の１つを用いることが望ましい。
【０１３９】
以上のように、本実施の形態においては、いくつのレーダからのパルスを混在して受信しているかが既知である場合に、レーダ数入力手段２４によりレーダ数をオペレータ等が入力するようにしたので、無駄な仮説を生成せず、高速にパルスを分類することができる。さらに、パラメータ数が同一であるモデル（仮説）を比較するための評価値を用いることによって、任意の評価値を用いるよりも、レーダパルス分類性能をさらに向上させることができる。
【０１４０】
【発明の効果】
この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類装置であって、新たなレーダパルスを受信したことを検出し、受信したレーダパルスのパルス内特徴を、逐次抽出する逐次パルス特徴抽出手段と、初めてレーダパルスが得られた場合には１つめのレーダパルスの分類に関する仮説を生成し、それ以外の場合にはこれまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成手段と、仮説生成手段が出力する各仮説の評価値を算出する評価値算出手段と、評価値を基に仮説の数を減少させる仮説数減少手段と、仮説数減少手段が出力する仮説を基に最良と思われる仮説を選択し、出力する仮説出力手段と、を備えたレーダパルス分類装置であるので、仮説出力手段が、仮説数減少手段の出力する仮説を基に最良と思われる仮説を選択し、それを所定の番数のパルスが得られた時点での分類結果として出力するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成することが可能であるので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１４１】
また、仮説生成手段が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と、所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成するので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１４２】
また、仮説出力手段が、仮説数減少手段が出力する仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択部を備えているので、評価値を基に仮説を選択するため、分類性能が高く、また、処理時間も短縮することができるという効果が得られる。
【０１４３】
また、仮説出力手段が、仮説数減少手段が出力する仮説において、任意の番数のパルスの仮説が全て同じであれば、その番数の仮説として仮説を選択し、異なっていれば、番数の仮説として分類が未定であるという結果を出力するパルス分類確定部を備えているため、分類を確定しにくいパルスについては、分類が未定とするので、誤った分類がされにくいという効果が得られる。
【０１４４】
また、仮説生成手段及び評価値算出手段を、それぞれ、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けるようにしたので、仮説数減少手段が出力する仮説毎に並列に仮説生成と評価値算出を行うことができ、処理を高速化することができる効果が得られる。
【０１４５】
また、仮説生成手段を、仮説数減少手段で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出手段を、仮説生成手段で生成された仮説の個数と同一の個数だけ設けるようにしたので、仮説数減少手段の出力する仮説毎に仮説生成手段を持ち、さらに、仮説生成手段の出力する仮説毎に評価値算出手段を持つので、仮説生成のみならず、評価値算出もすべて並列に行うことができ、さらなる高速化を図ることができる効果が得られる。
【０１４６】
また、評価値算出手段が、仮説生成手段が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出部と、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新部と、を備えているので、評価値を算出する際に、前の評価値を用いて、簡易に評価値を算出できるようになり、評価値の算出を高速に行うことができる効果が得られる。
【０１４７】
また、仮説数減少手段が、評価値算出手段から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定部と、適切レーダ数に基づき、仮説を選択する仮説数減少部と、を備えているので、選択する仮説において、極端にレーダ数が多い、もしくは、少ない仮説が選択される可能性が低くなり、正しい仮説が選択されずに、誤った仮説が選択されてしまう危険性を下げることができるとともに、選択する仮説の数を少なくして演算負荷を減らすことができるという効果が得られる。
【０１４８】
また、評価値算出手段が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出部を備えるとともに、仮説数減少手段が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少部を備えているので、複数の評価値から諸条件に合わせたものを用いて仮説の選択を行うことができるため、より適切な仮説の選択を行うことができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１４９】
また、評価値併用仮説数減少部が、複数評価値算出部で算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を上記仮説に付加する第一評価値仮説数減少部と、複数評価値算出部で算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少部において選択した仮説の一部を入れ替える第二評価値仮説入れ替え部とを備えているので、所定の１つの評価値により仮説を選択した後に、他の評価値により仮説の選択を再度行い、仮説を入れ替えるようにしたので、より適切な仮説が選択されるようになり、パルス分類性能の向上を図ることができるという効果が得られる。
【０１５０】
また、評価値併用仮説減少部が、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類部と、複数評価値算出部で算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択部と、複数評価値算出部で算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択部により選択された仮説の中から仮説を選択する第一評価値仮説選択部と、第一評価値仮説選択部により入力された仮説を蓄積していき、事前に与えられた所定の数の仮説が蓄積した場合に、蓄積している全ての仮説を出力し、その他の場合には、入力された仮説を出力する仮説蓄積部とを備えているので、レーダ数毎に仮説を複数のグループに分類し、各グループ内の仮説をパラメータ数が同一であるモデルを比較するための第二の評価値を用いて比較し、最も評価値の高いものを選択し、次に、各グループにおいて選択された仮説どうしを、パラメータ数が異なるモデルを比較するための第一の評価値を用いて選択できるので、より適切な仮説を効率よく選択することができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１５１】
また、仮説生成手段が、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力部をさらに備え、レーダ数入力部にレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成するようにしたので、レーダ数が既知である場合に、無駄な仮説を生成せずに、高速にパルスを分類することができるという効果が得られる。
【０１５２】
また、この発明は、未知数のレーダが放射したレーダパルス列を受信し、受信したレーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類方法であって、新たなレーダパルスを受信したことを検出する新規パルス受信判断工程と、受信したレーダパルスのパルス内特徴を、各レーダパルス毎に逐次抽出する逐次パルス特徴抽出工程と、初めてレーダパルスが得られた場合に、１つめのレーダパルスの分類に関する仮説を生成する仮説初期化工程と、２つ目以降のレーダパルスが得られた場合に、これまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程と、各仮説の評価値を算出する評価値算出工程と、評価値を基に仮説の数を減少させる仮説数減少工程と、仮説数減少工程により出力される仮説を基に最良と思われる仮説を選択し、出力する仮説出力工程と、を備えているので、仮説出力工程において、仮説数減少工程の出力する仮説を基に最良と思われる仮説を選択し、それを所定の番数のパルスが得られた時点での分類結果として出力するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成することが可能であるので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１５３】
また、仮説生成工程が、失検出パルス及び誤検出パルスが存在しているという仮説と、所定の個数のレーダからのレーダパルスを受信しているという仮説と所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と、を生成するようにしたので、事前にレーダ数を決定する必要がなく、また、誤検出や失検出も考慮にいれて仮説を生成するので、これらのパルスによる分類性能の劣化を防ぐことができるという効果が得られる。
【０１５４】
また、仮説出力工程が、仮説数減少工程において出力される仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択ステップを備えているので、評価値を基に仮説を選択するため、分類性能が高く、また、処理時間も短縮することができるという効果が得られる。
【０１５５】
また、仮説出力工程が、仮説数減少工程において出力される仮説において、任意の番数のパルスの仮説が全て同じであれば、番数の仮説として仮説を選択し、異なっていれば、その番数の仮説として、分類が未定であるという結果を出力するパルス分類確定ステップを備えているため、分類を確定しにくいパルスについては、分類が未定とするので、誤った分類がされにくいという効果が得られる。
【０１５６】
また、仮説生成工程及び評価値算出工程を、それぞれ、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けて、並列に処理を行うようにしたので、仮説数減少工程が出力する仮説毎に並列に仮説生成と評価値算出を行うことができ、処理を高速化することができる効果が得られる。
【０１５７】
また、仮説生成工程を、仮説数減少工程で選択され出力される仮説の個数と同一の個数だけ設けるとともに、評価値算出工程を、仮説生成工程で生成された仮説の個数と同一の個数だけ設けて、並列に処理を行うようにしたので、仮説生成のみならず、評価値算出もすべて並列に行うことができ、さらなる高速化を図ることができる効果が得られる。
【０１５８】
また、評価値算出工程が、仮説生成工程が出力する仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出ステップと、ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新ステップと、を備えているので、評価値を算出する際に、前の評価値を用いて、簡易に評価値を算出できるようになり、評価値の算出を高速に行うことができる効果が得られる。
【０１５９】
また、仮説数減少工程が、評価値算出工程から入力される複数の仮説に基づき、適切レーダ数を推定する適切レーダ数推定ステップと、適切レーダ数に基づき、仮説を選択する仮説数減少ステップと、を備えているので、選択する仮説において、極端にレーダ数が多い、もしくは、少ない仮説が選択される可能性が低くなり、正しい仮説が選択されずに、誤った仮説が選択されてしまう危険性を下げることができるとともに、選択する仮説の数を少なくして演算負荷を減らすことができるという効果が得られる。
【０１６０】
また、評価値算出工程が、複数の評価値を算出し、複数の評価値を各仮説に付加する複数評価値算出ステップを備えるとともに、仮説数減少工程が、複数の評価値を併用して仮説の総数を減少させる評価値併用仮説数減少ステップとを備えているので、複数の評価値から諸条件に合わせたものを用いて仮説の選択を行うことができるため、より適切な仮説の選択を行うことができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１６１】
また、評価値併用仮説数減少ステップが、複数評価値算出ステップで算出された評価値の１つである第一の評価値に基づいて仮説を選択し、仮説を選択したか否かを示す仮説選択情報を仮説に付加する第一評価値仮説数減少ステップと、複数評価値算出ステップで算出された評価値の他の１つである第二の評価値に基づいて、第一評価値仮説数減少ステップにおいて選択した仮説の一部を入れ替える第二評価値仮説入れ替えステップとを備えているので、所定の１つの評価値により仮説を選択した後に、他の評価値により仮説の選択を再度行い、仮説を入れ替えるようにしたので、より適切な仮説が選択されるようになり、パルス分類性能の向上を図ることができるという効果が得られる。
【０１６２】
また、評価値併用仮説減少ステップが、各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類ステップと、複数評価値算出ステップで算出された評価値の１つである第二の評価値に基づいて、各グループ毎に仮説を選択する第二評価値仮説選択ステップと、複数評価値算出ステップで算出された評価値の他の１つである第一の評価値に基づいて、第二評価値仮説選択ステップにおいて選択された仮説の中から仮説を選択する第一評価値仮説選択ステップと、第一評価値仮説選択ステップにおいて選択された仮説を蓄積する仮説蓄積ステップと、仮説蓄積ステップにおいて蓄積した仮説の数が、事前に与えられた所定の数に達した場合に、蓄積した仮説を全て出力する仮説出力ステップとを備えているので、レーダ数毎に仮説を複数のグループに分類し、各グループ内の仮説をパラメータ数が同一であるモデルを比較するための第二の評価値を用いて比較し、最も評価値の高いものを選択し、次に、各グループにおいて選択された仮説どうしを、パラメータ数が異なるモデルを比較するための第一の評価値を用いて選択できるので、より適切な仮説を効率よく選択することができ、レーダパルス分類性能を向上させることができるという効果が得られる。
【０１６３】
また、仮説生成ステップが、レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力ステップをさらに備え、レーダ数入力ステップにおいてレーダ数の入力があった場合には、レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成するようにしたので、レーダ数が既知である場合に、無駄な仮説を生成せずに、高速にパルスを分類することができるという効果が得られる。
【図面の簡単な説明】
【図１】 本発明の実施の形態１によるレーダパルス分類装置の構成を示したブロック図である。
【図２】 本発明の実施の形態１によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図３】 処理対象である混在レーダパルス列の例を示す説明図である。
【図４】 混在レーダパルス列に含まれるパルスを分類した仮説の例を示す説明図である。
【図５】 本発明の実施の形態２によるレーダパルス分類装置の構成を示したブロック図である。
【図６】 本発明の実施の形態２によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図７】 本発明の実施の形態３によるレーダパルス分類装置の構成を示したブロック図である。
【図８】 本発明の実施の形態３によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図９】 本発明の実施の形態４によるレーダパルス分類装置の構成を示したブロック図である。
【図１０】 本発明の実施の形態４によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図１１】 本発明の実施の形態５によるレーダパルス分類装置に設けられた評価値算出手段の構成を示したブロック図である。
【図１２】 本発明の実施の形態５によるレーダパルス分類方法の評価値算出動作の流れを示すフローチャートである。
【図１３】 本発明の実施の形態６によるレーダパルス分類装置に設けられた仮説数減少手段の構成を示したブロック図である。
【図１４】 本発明の実施の形態６によるレーダパルス分類方法の仮説数減少動作の流れを示すフローチャートである。
【図１５】 本発明の実施の形態７によるレーダパルス分類装置の構成を示したブロック図である。
【図１６】 本発明の実施の形態７によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図１７】 本発明の実施の形態１〜５によるレーダパルス分類装置におけるレーダパルス分類に関するシミュレーションを行った結果のグラフを示す説明図である。
【図１８】 本発明の実施の形態８によるレーダパルス分類装置に設けられた評価値併用仮説数減少手段の構成を示したブロック図である。
【図１９】 本発明の実施の形態８によるレーダパルス分類方法の評価値併用仮説数減少動作の流れを示すフローチャートである。
【図２０】 本発明の実施の形態９によるレーダパルス分類装置に設けられた評価値併用仮説数減少手段の構成を示したブロック図である。
【図２１】 本発明の実施の形態９によるレーダパルス分類方法の評価値併用仮説数減少動作の流れを示すフローチャートである。
【図２２】 本発明の実施の形態１０によるレーダパルス分類装置の構成を示したブロック図である。
【図２３】 本発明の実施の形態１０によるレーダパルス分類方法の動作の流れを示すフローチャートである。
【図２４】 従来のレーダパルス分類装置を示したブロック図である。
【図２５】 従来のレーダパルス分類方法の動作の流れを示すフローチャートである。
【符号の説明】
１０ 逐次パルス特徴抽出手段、１２ 仮説生成手段、１３，１３Ａ 評価値算出手段、１５ 仮説数減少手段、１６ 仮説選択手段、１７ パルス分類確定手段、２０ 複数評価値算出手段、２２，２２Ａ 評価値併用仮説数減少手段、２４ レーダ数入力手段、２６ レーダ数固定仮説生成手段、３１ レーダ特徴抽出手段、３２ 評価値更新手段、４１ 適切レーダ数推定手段、４２ レーダ数による仮説数減少手段、５１ 評価値１による仮説数減少手段、５２ 評価値２による仮説入れ替え手段、６１ レーダ数による仮説分類手段、６２ 評価値２による仮説選択手段、６３ 評価値１による仮説選択手段、６４ 仮説蓄積手段。
Claims (24)
- 未知数のレーダが放射したレーダパルス列を受信し、受信した上記レーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類装置であって、
新たなレーダパルスを受信したことを検出し、受信した上記レーダパルスのパルス内特徴を、逐次抽出する逐次パルス特徴抽出手段と、
初めてレーダパルスが得られた場合には１つめのレーダパルスの分類に関する仮説を生成し、それ以外の場合にはこれまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新する仮説生成手段と、
上記仮説生成手段が出力する各上記仮説の評価値を算出する評価値算出手段と、
上記評価値を基に仮説を選択し、仮説の数を減少させる仮説数減少手段と、
上記仮説数減少手段が出力する仮説から最良と思われる仮説を選択し、出力する仮説出力手段と
を備えたことを特徴とするレーダパルス分類装置。 - 上記仮説生成手段が、
失検出パルス及び誤検出パルスが存在しているという仮説と、
所定の個数のレーダからのレーダパルスを受信しているという仮説と
上記所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と
を生成することを特徴とする請求項１記載のレーダパルス分類装置。 - 上記仮説出力手段が、
上記仮説数減少手段が出力する上記仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択部
を備えたことを特徴とする請求項１または２に記載のレーダパルス分類装置。 - 上記仮説出力手段が、
上記仮説数減少手段が出力する上記仮説において、任意の番数のパルスの仮説が全て同じであれば、上記番数の仮説として上記仮説を選択し、異なっていれば、上記番数の仮説として分類が未定であるという結果を出力するパルス分類確定部
を備えたことを特徴とする請求項１または２に記載のレーダパルス分類装置。 - 上記仮説生成手段及び上記評価値算出手段を、それぞれ、上記仮説数減少手段で選択され出力される上記仮説の個数と同一の個数だけ設けたことを特徴とする請求項１ないし４のいずれかに記載のレーダパルス分類装置。
- 上記仮説生成手段を、上記仮説数減少手段で選択され出力される上記仮説の個数と同一の個数だけ設けるとともに、
上記評価値算出手段を、上記仮説生成手段で生成された上記仮説の個数と同一の個数だけ設けたことを特徴とする請求項１ないし５のいずれかに記載のレーダパルス分類装置。 - 上記評価値算出手段が、
上記仮説生成手段が出力する上記仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出部と、
ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新部と
を備えたことを特徴とする請求項１ないし６のいずれかに記載のレーダパルス分類装置。 - 上記仮説数減少手段が、
上記評価値算出手段から入力される複数の上記仮説に基づき、適切レーダ数を推定する適切レーダ数推定部と、
上記適切レーダ数に基づき、上記仮説を選択する仮説数減少部と
を備えたことを特徴とする請求項１ないし７のいずれかに記載のレーダパルス分類装置。 - 上記評価値算出手段が、複数の評価値を算出し、上記複数の評価値を各上記仮説に付加する複数評価値算出部を備えるとともに、
上記仮説数減少手段が、上記複数の評価値を併用して上記仮説の総数を減少させる評価値併用仮説数減少部を備えたことを特徴とする請求項１ないし８のいずれかに記載のレーダパルス分類装置。 - 上記評価値併用仮説数減少部が、
上記複数評価値算出部で算出された上記評価値の１つである第一の評価値に基づいて仮説を選択し、上記仮説を選択したか否かを示す仮説選択情報を上記仮説に付加する第一評価値仮説数減少部と、
上記複数評価値算出部で算出された上記評価値の他の１つである第二の評価値に基づいて、上記第一評価値仮説数減少部において選択した上記仮説の一部を入れ替える第二評価値仮説入れ替え部と
を備えたことを特徴とする請求項９に記載のレーダパルス分類装置。 - 上記評価値併用仮説減少部が、
各仮説において仮定しているレーダ数に応じて複数のグループに仮説を分類するレーダ数仮説分類部と、
上記複数評価値算出部で算出された上記評価値の１つである第二の評価値に基づいて、上記各グループ毎に上記仮説を選択する第二評価値仮説選択部と、
上記複数評価値算出部で算出された上記評価値の他の１つである第一の評価値に基づいて、上記第二評価値仮説選択部により選択された上記仮説の中から仮説を選択する第一評価値仮説選択部と、
上記第一評価値仮説選択部により入力された上記仮説を蓄積していき、事前に与えられた所定の数の仮説が蓄積した場合に、蓄積している全ての仮説を出力し、その他の場合には、入力された上記仮説を出力する仮説蓄積部と
を備えたことを特徴とする請求項９に記載のレーダパルス分類装置。 - 上記仮説生成手段が、
レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力部をさらに備え、
上記レーダ数入力部に上記レーダ数の入力があった場合には、上記レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成することを特徴とする請求項１ないし１１のいずれかに記載のレーダパルス分類装置。 - 未知数のレーダが放射したレーダパルス列を受信し、受信した上記レーダパルス列に含まれる複数のレーダパルスを、放射した各レーダ毎に分類するレーダパルス分類方法であって、
新たなレーダパルスを受信したことを検出する新規パルス受信判断工程と、
受信した上記レーダパルスのパルス内特徴を、各レーダパルス毎に逐次抽出する逐次パルス特徴抽出工程と、
初めてレーダパルスが得られた場合に、１つめのレーダパルスの分類に関する仮説を生成する仮説初期化工程と、
２つ目以降のレーダパルスが得られた場合に、これまでに受信された各レーダパルスがどのレーダに分類されるかを示す仮説に、新たに得られたレーダパルスの分類に関する仮説を加えて、仮説を更新及び生成する仮説生成工程と、
各上記仮説の評価値を算出する評価値算出工程と、
上記評価値を基に仮説の数を減少させる仮説数減少工程と、
上記仮説数減少工程により出力される上記仮説を基に最良と思われる仮説を選択し、出力する仮説出力工程と
を備えたことを特徴とするレーダパルス分類方法。 - 上記仮説生成工程が、
失検出パルス及び誤検出パルスが存在しているという仮説と、
所定の個数のレーダからのレーダパルスを受信しているという仮説と
上記所定の個数以外の他の新たなレーダからのレーダパルスを受信したという仮説と
を生成することを特徴とする請求項１３記載のレーダパルス分類方法。 - 上記仮説出力工程が、
上記仮説数減少工程において出力される上記仮説の中で、最も評価値の良い仮説を選択して出力する仮説選択ステップ
を備えたことを特徴とする請求項１３または１４に記載のレーダパルス分類方法。 - 上記仮説出力工程が、
上記仮説数減少工程において出力される上記仮説において、任意の番数のパルスの仮説が全て同じであれば、上記番数の仮説として上記仮説を選択し、異なっていれば、上記番数の仮説として分類が未定であるという結果を出力するパルス分類確定ステップ
を備えたことを特徴とする請求項１３または１４に記載のレーダパルス分類方法。 - 上記仮説生成工程及び上記評価値算出工程を、それぞれ、上記仮説数減少工程で選択され出力される上記仮説の個数と同一の個数だけ設けて、並列に処理を行うことを特徴とする請求項１３ないし１６のいずれかに記載のレーダパルス分類方法。
- 上記仮説生成工程を、上記仮説数減少工程で選択され出力される上記仮説の個数と同一の個数だけ設けるとともに、
上記評価値算出工程を、上記仮説生成工程で生成された上記仮説の個数と同一の個数だけ設けて、
並列に処理を行うことを特徴とする請求項１３ないし１７のいずれかに記載のレーダパルス分類方法。 - 上記評価値算出工程が、
上記仮説生成工程が出力する上記仮説において仮定している各レーダのレーダ特徴を推定するレーダ特徴抽出ステップと、
ベイズの定理に基づき、新たなパルスが得られる前の仮説の評価値を用いて、新たなパルスが得られた後の仮説の評価値を算出及び更新する評価値更新ステップと
を備えたことを特徴とする請求項１３ないし１８のいずれかに記載のレーダパルス分類方法。 - 上記仮説数減少工程が、
上記評価値算出工程から入力される複数の上記仮説に基づき、適切レーダ数を推定する適切レーダ数推定ステップと、
上記適切レーダ数に基づき、上記仮説を選択する仮説数減少ステップと
を備えたことを特徴とする請求項１３ないし１９のいずれかに記載のレーダパルス分類方法。 - 上記評価値算出工程が、複数の評価値を算出し、上記複数の評価値を各上記仮説に付加する複数評価値算出ステップを備えるとともに、
上記仮説数減少工程が、上記複数の評価値を併用して上記仮説の総数を減少させる評価値併用仮説数減少ステップとを備えたことを特徴とする請求項１３ないし２０のいずれかに記載のレーダパルス分類方法。 - 上記評価値併用仮説数減少ステップが、
上記複数評価値算出ステップで算出された上記評価値の１つである第一の評価値に基づいて仮説を選択し、上記仮説を選択したか否かを示す仮説選択情報を上記仮説に付加する第一評価値仮説数減少ステップと、
上記複数評価値算出ステップで算出された上記評価値の他の１つである第二の評価値に基づいて、上記第一評価値仮説数減少ステップにおいて選択した上記仮説の一部を入れ替える第二評価値仮説入れ替えステップと
を備えたことを特徴とする請求項２１に記載のレーダパルス分類方法。 - 上記評価値併用仮説減少ステップが、
各仮説において仮定しているレーダ数に応じて複数の上記グループに仮説を分類するレーダ数仮説分類ステップと、
上記複数評価値算出ステップで算出された上記評価値の１つである第二の評価値に基づいて、上記各グループ毎に上記仮説を選択する第二評価値仮説選択ステップと、
上記複数評価値算出ステップで算出された上記評価値の他の１つである第一の評価値に基づいて、上記第二評価値仮説選択ステップにおいて選択された上記仮説の中から仮説を選択する第一評価値仮説選択ステップと、
上記第一評価値仮説選択ステップにおいて選択された上記仮説を蓄積する仮説蓄積ステップと、
上記仮説蓄積ステップにおいて蓄積した仮説の数が、事前に与えられた所定の数に達した場合に、蓄積した仮説を全て出力する仮説出力ステップと
を備えたことを特徴とする請求項２１に記載のレーダパルス分類方法。 - 上記仮説生成ステップが、
レーダ数が既知、もしくは、レーダ数を設定できる場合に、外部からレーダ数を入力するレーダ数入力ステップをさらに備え、
上記レーダ数入力ステップにおいて上記レーダ数の入力があった場合には、上記レーダ数に基づいて、各仮説で仮定されるレーダ数を制限して仮説を生成することを特徴とする請求項１３ないし２３のいずれかに記載のレーダパルス分類方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000248491A JP3768787B2 (ja) | 1999-09-09 | 2000-08-18 | レーダパルス分類装置及びレーダパルス分類方法 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP25532699 | 1999-09-09 | ||
| JP11-255326 | 1999-09-09 | ||
| JP2000248491A JP3768787B2 (ja) | 1999-09-09 | 2000-08-18 | レーダパルス分類装置及びレーダパルス分類方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001147264A JP2001147264A (ja) | 2001-05-29 |
| JP3768787B2 true JP3768787B2 (ja) | 2006-04-19 |
Family
ID=26542135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000248491A Expired - Lifetime JP3768787B2 (ja) | 1999-09-09 | 2000-08-18 | レーダパルス分類装置及びレーダパルス分類方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3768787B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4509823B2 (ja) * | 2005-02-25 | 2010-07-21 | 三菱電機株式会社 | 信号分類装置 |
| JP5783693B2 (ja) * | 2010-08-20 | 2015-09-24 | 三菱電機株式会社 | レーダ装置 |
| CN104198999B (zh) * | 2014-08-07 | 2016-06-01 | 北京理工大学 | 一种基于同构序列的脉冲分选方法 |
| JP7470955B2 (ja) | 2019-09-12 | 2024-04-19 | セルスター工業株式会社 | 探知機 |
| JP7426717B2 (ja) | 2019-09-12 | 2024-02-02 | セルスター工業株式会社 | 探知機 |
| CN116256710B (zh) * | 2022-09-07 | 2023-11-14 | 无锡国芯微电子系统有限公司 | 一种基于并行处理的雷达脉冲重复间隔估计方法 |
-
2000
- 2000-08-18 JP JP2000248491A patent/JP3768787B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001147264A (ja) | 2001-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110390396B (zh) | 用于估计观测变量之间的因果关系的方法、装置和系统 | |
| US6397200B1 (en) | Data reduction system for improving classifier performance | |
| CN109683143A (zh) | 雷达信号分选方法、装置、计算机设备及可存储介质 | |
| EP2569766B1 (en) | Method and apparatus for detecting which one of symbols of watermark data is embedded in a received signal | |
| CN109508000A (zh) | 异构多传感器多目标跟踪方法 | |
| EP1530149A2 (en) | Dynamic model detecting apparatus | |
| US5315538A (en) | Signal processing incorporating signal, tracking, estimation, and removal processes using a maximum a posteriori algorithm, and sequential signal detection | |
| US20090183037A1 (en) | Statistical processing apparatus capable of reducing storage space for storing statistical occurrence frequency data and a processing method therefor | |
| CN112116010B (zh) | 基于膜电势预处理的ann-snn转换的分类方法 | |
| CN102521534B (zh) | 一种基于粗糙熵属性约简的入侵检测方法 | |
| JP3768787B2 (ja) | レーダパルス分類装置及びレーダパルス分類方法 | |
| Vo et al. | An implementation of the multi-sensor generalized labeled multi-Bernoulli filter via Gibbs sampling | |
| Nagappa et al. | A tractable forward–backward CPHD smoother | |
| US20030204368A1 (en) | Adaptive sequential detection network | |
| WO2021097048A1 (en) | Object detection with training from multiple datasets | |
| CN115909224A (zh) | 轨迹检测方法及轨迹检测系统 | |
| CN111144462B (zh) | 一种雷达信号的未知个体识别方法及装置 | |
| KR101893190B1 (ko) | 낮은 신호대 잡음 레벨들에서의 프리앰블 검출 | |
| JP2006234674A (ja) | 信号分類装置 | |
| Karanikolas et al. | Multi-kernel change detection for dynamic functional connectivity graphs | |
| CN115294172A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| Georgescu et al. | Two linear complexity particle filters capable of maintaining target label probabilities for targets in close proximity | |
| JPH0843520A (ja) | パルス信号分類装置 | |
| JP6400251B1 (ja) | 電波探知装置 | |
| JP2004012351A (ja) | 目標追尾装置及び方法並びにプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040714 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051228 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060131 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060202 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3768787 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100210 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100210 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110210 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120210 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130210 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130210 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140210 Year of fee payment: 8 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |