JP6689176B2 - センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム - Google Patents
センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム Download PDFInfo
- Publication number
- JP6689176B2 JP6689176B2 JP2016227741A JP2016227741A JP6689176B2 JP 6689176 B2 JP6689176 B2 JP 6689176B2 JP 2016227741 A JP2016227741 A JP 2016227741A JP 2016227741 A JP2016227741 A JP 2016227741A JP 6689176 B2 JP6689176 B2 JP 6689176B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- sensors
- sensor network
- sensor
- elements
- 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.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Description
図2は、第1の実施例に係るセンサネットワーク分析装置の構成を示すブロック図である。第1の実施例に係るセンサネットワーク分析装置は、行列生成部11、簡易行列演算部12a、簡易分析部13aを備える。
ケース1では、第1のセンサS1と第3のセンサS3が第1の目標T1を観測し、第2のセンサS2と第4のセンサS4が第2の目標T2を観測し、第2のセンサS2と第3のセンサS3が第3の目標T3を観測している状況について述べる。
次に、ケース2として、第1のセンサS1と第3のセンサS3が第1の目標T1を観測し、第2のセンサS2と第4のセンサS4が第2の目標T2を観測し、第2のセンサS2と第4のセンサS4が第3の目標T3を観測している状況について述べる。
図4は、第2の実施例に係るセンサネットワーク分析装置の構成を示すブロック図である。第2の実施例に係るセンサネットワーク分析装置は、行列生成部11、行列演算部12、グループ分析部13bを備える。
ケース1において、上記行列生成部11の処理ステップS201〜S203については、第1の実施例の処理ステップS101〜S103と同じであるので、ここではその説明を省略する。
ケース2において、上記行列生成部11の処理ステップS201〜S203は、第1の実施例の処理ステップS101〜S103と同じであるので、ここではその説明を省略する。
上記の実施例では、目標毎の行列Ak(k∈{1,...,K})に基づいて行列Aを生成する例を示したが、全ての目標に対する行列Aを直接生成するように構成することができる。ここで、行列Aの要素aijは、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測している場合は1、観測していない場合は0とする。また、要素aijからラプラシアン行列Lを直接生成するように構成することができる。
12…行列演算部、
12a…簡易行列演算部、
13…分析部、
13a…簡易分析部、
13b…グループ分析部。
Claims (9)
- N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析を行うセンサネットワーク分析装置であって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成する行列生成部と、
前記ラプラシアン行列Lの固有値を演算する行列演算部と、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)の数または第2最小固有値(小さい方から2番目の固有値)の値から、前記センサ間のバイアス誤差を補正できる可能性に関する分析を行う分析部と
を具備するセンサネットワーク分析装置。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析を行うセンサネットワーク分析装置であって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成する行列生成部と、
前記ラプラシアン行列Lの固有値と固有ベクトルを演算する行列演算部と、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)に対応する固有ベクトルに基づいて、前記センサネットワーク上の独立なバイアス誤差を持つ集合を分析する分析部と
を具備するセンサネットワーク分析装置。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析を行うセンサネットワーク分析装置であって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成する行列生成部と、
前記ラプラシアン行列Lの固有値と固有ベクトルを演算する行列演算部と、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)の数または第2最小固有値(小さい方から2番目の固有値)の値から、前記センサ間のバイアス誤差を補正できる可能性に関する分析を行うと共に、前記ラプラシアン行列Lのゼロ固有値に対応する固有ベクトルに基づいて、前記センサネットワーク上の独立なバイアス誤差を持つ集合を分析する分析部と
を具備するセンサネットワーク分析装置。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析を行うセンサネットワーク分析方法であって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成し、
前記ラプラシアン行列Lの固有値を演算し、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)の数または第2最小固有値(小さい方から2番目の固有値)の値から、前記センサ間のバイアス誤差を補正できる可能性に関する分析を行うセンサネットワーク分析方法。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析を行うセンサネットワーク分析方法であって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成し、
前記ラプラシアン行列Lの固有値と固有ベクトルを演算し、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)に対応する固有ベクトルに基づいて、前記センサネットワーク上の独立なバイアス誤差を持つ集合を分析するセンサネットワーク分析方法。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析を行うセンサネットワーク分析方法であって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成し、
前記ラプラシアン行列Lの固有値と固有ベクトルを演算し、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)の数または第2最小固有値(小さい方から2番目の固有値)の値から、前記センサ間のバイアス誤差を補正できる可能性に関する分析を行うと共に、前記ラプラシアン行列Lのゼロ固有値に対応する固有ベクトルに基づいて、前記センサネットワーク上の独立なバイアス誤差を持つ集合を分析するセンサネットワーク分析方法。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析をコンピュータに実行させるセンサネットワーク分析プログラムであって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成する行列生成ステップと、
前記ラプラシアン行列Lの固有値を演算する行列演算ステップと、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)の数または第2最小固有値(小さい方から2番目の固有値)の値から、前記センサ間のバイアス誤差を補正できる可能性に関する分析を行う分析ステップと
を具備するセンサネットワーク分析プログラム。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析をコンピュータに実行させるセンサネットワーク分析プログラムであって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成する行列生成ステップと、
前記ラプラシアン行列Lの固有値と固有ベクトルを演算する行列演算ステップと、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)に対応する固有ベクトルに基づいて、前記センサネットワーク上の独立なバイアス誤差を持つ集合を分析する分析ステップと
を具備するセンサネットワーク分析プログラム。 - N(N≧2)個のセンサからなり、1以上の目標を観測するセンサネットワークにおいて、センサ間のバイアス誤差に関する分析をコンピュータに実行させるセンサネットワーク分析プログラムであって、
前記N個のセンサのうち、センサSi(i∈{1,...,N})とセンサSj(j∈{1,...,N},j≠i)が、いずれかの目標を共に観測しているか否かを要素aijとする行列Aと、行列Aのjが変化する方向の要素の和である対角要素diからなる対角行列Dとに基づいて、L=D−Aによりラプラシアン行列Lを生成する行列生成ステップと、
前記ラプラシアン行列Lの固有値と固有ベクトルを演算する行列演算ステップと、
前記ラプラシアン行列Lのゼロ固有値(値が0である固有値)の数または第2最小固有値(小さい方から2番目の固有値)の値から、前記センサ間のバイアス誤差を補正できる可能性に関する分析を行うと共に、前記ラプラシアン行列Lのゼロ固有値に対応する固有ベクトルに基づいて、前記センサネットワーク上の独立なバイアス誤差を持つ集合を分析する分析ステップと
を具備するセンサネットワーク分析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016227741A JP6689176B2 (ja) | 2016-11-24 | 2016-11-24 | センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016227741A JP6689176B2 (ja) | 2016-11-24 | 2016-11-24 | センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018084493A JP2018084493A (ja) | 2018-05-31 |
JP6689176B2 true JP6689176B2 (ja) | 2020-04-28 |
Family
ID=62238252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016227741A Active JP6689176B2 (ja) | 2016-11-24 | 2016-11-24 | センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6689176B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117493112B (zh) * | 2023-11-07 | 2024-05-03 | 国网江苏省电力有限公司信息通信分公司 | 一种基于大数据自动化运维平台的运维方法及系统 |
CN117406162B (zh) * | 2023-12-14 | 2024-02-27 | 北京京仪北方仪器仪表有限公司 | 一种网状电能传感器误差校验方法及系统 |
-
2016
- 2016-11-24 JP JP2016227741A patent/JP6689176B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018084493A (ja) | 2018-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190147361A1 (en) | Learned model provision method and learned model provision device | |
Zhang et al. | Assessing uncertainty in operational modal analysis incorporating multiple setups using a Bayesian approach | |
Wang et al. | A spatial-adaptive sampling procedure for online monitoring of big data streams | |
KR101774871B1 (ko) | 환경 오염 예측 시스템 및 방법 | |
US9436981B2 (en) | Dictionary creation device, image processing device, image processing system, dictionary creation method, image processing method, and program | |
WO2014132612A1 (ja) | システム分析装置、及び、システム分析方法 | |
Olewuezi | Note on the comparison of some outlier labeling techniques | |
JP6689176B2 (ja) | センサネットワーク分析装置、センサネットワーク分析方法及びセンサネットワーク分析プログラム | |
JP6431404B2 (ja) | 姿勢推定モデル生成装置及び姿勢推定装置 | |
WO2014132611A1 (ja) | システム分析装置、及び、システム分析方法 | |
JP6184344B2 (ja) | 観測値処理装置 | |
Cohen et al. | sdtlu: An R package for the signal detection analysis of eyewitness lineup data | |
WO2016084326A1 (ja) | 情報処理システム、情報処理方法、及び、記録媒体 | |
JP6338274B2 (ja) | 情報処理装置ならびにその特徴点選択方法、装置およびプログラム | |
CN110889818A (zh) | 低空无人机影像拼接方法、系统、计算机设备及存储介质 | |
CN112629565B (zh) | 像机与惯性测量单元旋转关系校准方法、装置和设备 | |
Lakshmi et al. | Structural damage detection using ARMAX time series models and cepstral distances | |
KR101883277B1 (ko) | Dtwep 기반 제조공정의 이상탐지 방법 및 장치 | |
CN115932144B (zh) | 色谱仪性能检测方法、装置、设备和计算机介质 | |
JP2018146351A (ja) | マルチセンサシステム、センサバイアス推定装置、センサバイアス推定方法及びセンサバイアス推定プログラム | |
WO2009136183A2 (en) | Assisting failure diagnosis in a system | |
JP6765769B2 (ja) | 状態変動検出装置及び状態変動検出用プログラム | |
JP6448745B2 (ja) | バイアス推定装置、その方法およびプログラム | |
US20190121237A1 (en) | Predictive modeling of metrology in semiconductor processes | |
JP2010128674A (ja) | コンピュータネットワーク、異常検出装置、異常検出方法および異常検出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20170911 Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20170911 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190312 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200227 |
|
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: 20200310 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200407 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6689176 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |