JPH04158294A - 超音波式対象物判別装置および超音波式対象物判別方法および超音波式対象物判別装置におけるニユーラルネツトワーク形成方法 - Google Patents
超音波式対象物判別装置および超音波式対象物判別方法および超音波式対象物判別装置におけるニユーラルネツトワーク形成方法Info
- Publication number
- JPH04158294A JPH04158294A JP2281804A JP28180490A JPH04158294A JP H04158294 A JPH04158294 A JP H04158294A JP 2281804 A JP2281804 A JP 2281804A JP 28180490 A JP28180490 A JP 28180490A JP H04158294 A JPH04158294 A JP H04158294A
- Authority
- JP
- Japan
- Prior art keywords
- output
- layer
- ultrasonic
- neural network
- information
- 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.)
- Granted
Links
- 238000013528 artificial neural network Methods 0.000 title claims description 29
- 238000000034 method Methods 0.000 title claims description 9
- 230000015572 biosynthetic process Effects 0.000 title 1
- 230000035945 sensitivity Effects 0.000 claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 2
- 238000012850 discrimination method Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 239000010410 layer Substances 0.000 description 32
- 238000010586 diagram Methods 0.000 description 6
- 238000002604 ultrasonography Methods 0.000 description 5
- 239000002245 particle Substances 0.000 description 4
- 239000004576 sand Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000003746 surface roughness Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 235000019592 roughness Nutrition 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
この発明は、超音波センサを用いて対象物を判別する超
音波式対象物判別装置および超音波式対象物判別方法な
らびに、ニューラルネットワークを用いた超音波式対象
物判別装置におけるニューラルネットワーク形成方法に
関するものである。
音波式対象物判別装置および超音波式対象物判別方法な
らびに、ニューラルネットワークを用いた超音波式対象
物判別装置におけるニューラルネットワーク形成方法に
関するものである。
従来より、超音波式対象物判別装置として、ソナー反射
音のスペクトルをニューラルネットワークへ与えること
により、対象物が金属か岩かを判別する装置がある。
音のスペクトルをニューラルネットワークへ与えること
により、対象物が金属か岩かを判別する装置がある。
しかしながら、このような従来の超音波式対象物判別装
置によると、ソナー反射音のスペクトルについてのデー
タ生成が難しく、その構成が複雑となる問題があった。
置によると、ソナー反射音のスペクトルについてのデー
タ生成が難しく、その構成が複雑となる問題があった。
本発明はこのような課題を解決するために提案されたも
ので、その第１発明（請求項１に係る発明）は、超音波
を対象物に当てその対象物からの反射超音波を受信する
超音波センサと、この超音波センサの出力を超音波セン
サから対象物までの距離情報および反射超音波の強度を
表す感度情報に変換する変換手段とを、超音波式対象物
判別装置に具備させたものである。
ので、その第１発明（請求項１に係る発明）は、超音波
を対象物に当てその対象物からの反射超音波を受信する
超音波センサと、この超音波センサの出力を超音波セン
サから対象物までの距離情報および反射超音波の強度を
表す感度情報に変換する変換手段とを、超音波式対象物
判別装置に具備させたものである。
また、その第２発明（請求項２に係る発明）は、上記第
１発明の超音波式対象物判別装置を使用し、その変換手
段より得られる距離情報および感度情報に基づき、対象
物を判別するようにしたものである。
１発明の超音波式対象物判別装置を使用し、その変換手
段より得られる距離情報および感度情報に基づき、対象
物を判別するようにしたものである。
また、その第３発明（請求項３に係る発明）は、上記超
音波センサと、上記変換手段と、上記距離情報および上
記感度情報を入力とするニューラルネットワークとを、
超音波式対象物判別装置に具備させたものである。
音波センサと、上記変換手段と、上記距離情報および上
記感度情報を入力とするニューラルネットワークとを、
超音波式対象物判別装置に具備させたものである。
また、その第４発明（請求項４に係る発明）は、上記第
３発明の超音波式対象物判別装置におけるニューラルネ
ットワーク形成方法であって、サンプルとして計測済み
の各対象物に対する変換手段での距離情報および感度情
報を教師情報とし、その教師情報をニューラルネットワ
ークの入力層へ与え、これによって得られるニューラル
ネットワークの出力層の出力と各対象物に応じた理想出
力との誤差を用い、所定の学習則により各層ユニット間
の重み係数を変えてゆき、最終的に理想出力との誤差が
なくなるようなニューラルネットワークを形成するよう
にしたものである。
３発明の超音波式対象物判別装置におけるニューラルネ
ットワーク形成方法であって、サンプルとして計測済み
の各対象物に対する変換手段での距離情報および感度情
報を教師情報とし、その教師情報をニューラルネットワ
ークの入力層へ与え、これによって得られるニューラル
ネットワークの出力層の出力と各対象物に応じた理想出
力との誤差を用い、所定の学習則により各層ユニット間
の重み係数を変えてゆき、最終的に理想出力との誤差が
なくなるようなニューラルネットワークを形成するよう
にしたものである。
Ｃ作用〕
したがって、本発明によれば、簡単にデータ生成するこ
とができる距離情報および感度情報に基づき、対象物の
判別を行うことができる。
とができる距離情報および感度情報に基づき、対象物の
判別を行うことができる。
以下、本発明の詳細な説明する。
第１図（ａ）は本発明（第１発明）に係る超音波式対象
物判別装置の一実施例を示す概略構成図である。
物判別装置の一実施例を示す概略構成図である。
本装置は、超音波を対象物Ｘに当てその対象物Ｘからの
反射超音波を受信する超音波センサ１と、超音波センサ
１の出力を超音波センサ１から対象物Ｘまでの距離およ
び上記反射超音波の強度を表す受信感度（以下、単に感
度と言う）に変換する変換装置２とを具備している。こ
の装置１０を用いることにより、超音波センサ１から対
象物Ｘまでの距離と、対象物Ｘからの反射超音波の強度
を表す感度を測定することができる。
反射超音波を受信する超音波センサ１と、超音波センサ
１の出力を超音波センサ１から対象物Ｘまでの距離およ
び上記反射超音波の強度を表す受信感度（以下、単に感
度と言う）に変換する変換装置２とを具備している。こ
の装置１０を用いることにより、超音波センサ１から対
象物Ｘまでの距離と、対象物Ｘからの反射超音波の強度
を表す感度を測定することができる。
実際にこの装置１０を用いたシステムを構成し、各種対
象物の距離−感度特性を測定してみた。
象物の距離−感度特性を測定してみた。
第２図に実際に測定された各対象物の距離−感度特性を
示す。実際の測定では、対象物Ｘを約６Ｑｃｍ四方の面
積内にできるだけ平らになるように置き、その上から超
音波センサ１を所定の距離で傾きを変えながら感度を測
定し、感度が最高になった時、その感度をその距離にお
ける感度とした。ここで、感度は、反射超音波の強度電
圧にある変換を施したもので、約３５０のとき１０ｄＢ
（反射超音波の基準電圧約５０ｍｍＶ） 、５００のと
き２０ｄＢ、これ以上は０．１ ｄ Ｂ ／ｄｉｇｉｔ
の割合でほぼ比例関係にある。例えば、５７０ならば約
２７ｄＢを示す。第２図を見ても、対象物によって特性
が異なることが分かる。第３図は粒径の異なる砂、土の
距離−感度特性である。また、第４図は表面あらさの異
なる布ヤスリの距離−感度特性である。第３図や第４図
に示すように、同様な材質でも粒径や表面あらさが異な
ると、距離−感度特性が変わることが分かる。
示す。実際の測定では、対象物Ｘを約６Ｑｃｍ四方の面
積内にできるだけ平らになるように置き、その上から超
音波センサ１を所定の距離で傾きを変えながら感度を測
定し、感度が最高になった時、その感度をその距離にお
ける感度とした。ここで、感度は、反射超音波の強度電
圧にある変換を施したもので、約３５０のとき１０ｄＢ
（反射超音波の基準電圧約５０ｍｍＶ） 、５００のと
き２０ｄＢ、これ以上は０．１ ｄ Ｂ ／ｄｉｇｉｔ
の割合でほぼ比例関係にある。例えば、５７０ならば約
２７ｄＢを示す。第２図を見ても、対象物によって特性
が異なることが分かる。第３図は粒径の異なる砂、土の
距離−感度特性である。また、第４図は表面あらさの異
なる布ヤスリの距離−感度特性である。第３図や第４図
に示すように、同様な材質でも粒径や表面あらさが異な
ると、距離−感度特性が変わることが分かる。
従って、これらの特性を各対象物に対して予め測定して
おけば、例えば暗闇の中にそれらのうちのある対象物が
置かれている場合、超音波センサ１をその対象物の上に
かざして距離および感度を測定することにより、予め測
定しである距離−感度特性から、その対象物が何である
かを判別することができる。
おけば、例えば暗闇の中にそれらのうちのある対象物が
置かれている場合、超音波センサ１をその対象物の上に
かざして距離および感度を測定することにより、予め測
定しである距離−感度特性から、その対象物が何である
かを判別することができる。
このように、本実施例による超音波式対象物判別装置１
０によると、簡単にデータ生成することができる距離情
報および感度情報に基づき、多種類の対象物の判別（対
象物の種類の判別、対象物の表面のあらさの判別など）
を行うことができ、従来に比してその構成が簡単となる
。また、本実施例による超音波式対象物判別装置１０に
よれば、超音波センサ１と対象物Ｘとの距離が変化して
も、簡単に対象物Ｘの判別を行うことができる。
０によると、簡単にデータ生成することができる距離情
報および感度情報に基づき、多種類の対象物の判別（対
象物の種類の判別、対象物の表面のあらさの判別など）
を行うことができ、従来に比してその構成が簡単となる
。また、本実施例による超音波式対象物判別装置１０に
よれば、超音波センサ１と対象物Ｘとの距離が変化して
も、簡単に対象物Ｘの判別を行うことができる。
第３図に示した粒径の異なる砂、土の距離−感度特性の
ように、対象物によって特性がはっきり分かれるような
場合は、判別範囲を距離−感度特性のグラフ上に設定し
て、その範囲に入っているか否かで対象物を判別するこ
とが可能である。しかし、第２図に示した床、アクリル
板、カーテンのように、特性線が接近して交わっている
対象物の判別は、二次元的な判別範囲を設定することが
できず、高次の判別範囲を設定する必要があり、その判
別範囲の設定は非常に難しくなる。
ように、対象物によって特性がはっきり分かれるような
場合は、判別範囲を距離−感度特性のグラフ上に設定し
て、その範囲に入っているか否かで対象物を判別するこ
とが可能である。しかし、第２図に示した床、アクリル
板、カーテンのように、特性線が接近して交わっている
対象物の判別は、二次元的な判別範囲を設定することが
できず、高次の判別範囲を設定する必要があり、その判
別範囲の設定は非常に難しくなる。
第１図（′ｂ）は本発明（第３発明）に係る超音波式対
象物判別装置の一実施例を示す概略構成図である。この
装置を用いれば、特性線が接近して交わっている対象物
の判別であっても、人為的に高次の判別範囲を設定せず
に、正確に行うことができる。
象物判別装置の一実施例を示す概略構成図である。この
装置を用いれば、特性線が接近して交わっている対象物
の判別であっても、人為的に高次の判別範囲を設定せず
に、正確に行うことができる。
本装置は、超音波を対象物Ｘに当てその対象物Ｘからの
反射超音波を受信する超音波センサｌと、超音波センサ
１の出力を超音波センサ１から対象物Ｘまでの距離およ
び上記反射超音波の強度を表す感度に変換する変換装置
２と、ニューラルネットワーク３とを具備している。ニ
ューラルネットワーク３は、変換装置２の出力する距離
情報と感度情報を入力とする入力層３−１．この入力層
３−１の出力を入力とする中間層３−２．この中間層３
−２の出力を入力とする出力層３−３を有している。各
層３−１．３−２．３−３はユニットＵの集合であって
、隣合う層のユニット同士がもれな（結合されている。
反射超音波を受信する超音波センサｌと、超音波センサ
１の出力を超音波センサ１から対象物Ｘまでの距離およ
び上記反射超音波の強度を表す感度に変換する変換装置
２と、ニューラルネットワーク３とを具備している。ニ
ューラルネットワーク３は、変換装置２の出力する距離
情報と感度情報を入力とする入力層３−１．この入力層
３−１の出力を入力とする中間層３−２．この中間層３
−２の出力を入力とする出力層３−３を有している。各
層３−１．３−２．３−３はユニットＵの集合であって
、隣合う層のユニット同士がもれな（結合されている。
この結合を通して前層のユニフ）Ｕから後層のユニット
Ｕへ情報が伝達される。このとき、それぞれの結合に固
有の重み係数（後述する逆伝搬学習則によって求める）
があり、前層ユニットの出力値に上記重み係数を乗じた
値が後層ユニットへの入力値とされる。また、前層のす
べてのユニットからの入力値の総和を計算し、出力関数
として定義される非線形変換を施して得られる値が、後
層ユニットの出力値とされる。
Ｕへ情報が伝達される。このとき、それぞれの結合に固
有の重み係数（後述する逆伝搬学習則によって求める）
があり、前層ユニットの出力値に上記重み係数を乗じた
値が後層ユニットへの入力値とされる。また、前層のす
べてのユニットからの入力値の総和を計算し、出力関数
として定義される非線形変換を施して得られる値が、後
層ユニットの出力値とされる。
本実施例において、入力層３−１のユニット数は２個と
され、この入力層３−１の各ユニッ）Ｕへ、変換装置２
の出力値である距離情報と感度情報が与えられる。中間
層３−２のユニット数は任意の数に設定されている。出
力層３−３は、判別すべき各対象物に対応するユニット
Ｕを有している。本実施例においては、７つの対象物を
判別できるものとして、７つのユニットＵを有している
。判別する対象物の数は、出力層３−３のユニット数を
変えることにより、自由に設定することができる。出力
層３−３での、各々のユニットＵからの正の出力が、そ
のユニットＵが代表する対象物を認識したことを示す。
され、この入力層３−１の各ユニッ）Ｕへ、変換装置２
の出力値である距離情報と感度情報が与えられる。中間
層３−２のユニット数は任意の数に設定されている。出
力層３−３は、判別すべき各対象物に対応するユニット
Ｕを有している。本実施例においては、７つの対象物を
判別できるものとして、７つのユニットＵを有している
。判別する対象物の数は、出力層３−３のユニット数を
変えることにより、自由に設定することができる。出力
層３−３での、各々のユニットＵからの正の出力が、そ
のユニットＵが代表する対象物を認識したことを示す。
もし、出力層３−３において、あるユニットＵから近位
的に「１」の値が出力された場合、「測定対象物がその
ユニットＵが代表する対象物である」と認識されたこと
を意味する。
的に「１」の値が出力された場合、「測定対象物がその
ユニットＵが代表する対象物である」と認識されたこと
を意味する。
ニューラルネットワーク３による対象物判別は、大別し
て２つのプロセスからなる。第１は学習のプロセスであ
る。ここでは、サンプルとして計測済みの各対象物に対
する変換装置２での距離情報および感度情報を教師情報
とし、その教師情報をニューラルネットワーク３の入力
層３−１へ与え、これによって得られるニューラルネッ
トワーク３の出力層３−３の出力と上記各対象物に応じ
た理想出力（計測済みの対象物を代表するユニットＵの
出力「１」で、その他のユニ７トＵの出力は「０」）と
の誤差を用い、ニューラルネットワーク３を改善し、正
しいニューラルネットワーク３を形成する。このニュー
ラルネットワーク３の改善は、逆伝搬学習則（バックプ
ロパゲーション）という手法により行う。すなわち、バ
ックプロパゲーションにより各層ユニ・ノド間の重み係
数を変えてゆき、最終的に各対象物に対する変換装置２
での距離情報および感度情報を与えると正しい対象物を
代表するユニッ）Ｕのみ「１」を出力するような、すな
わち理想出力との誤差がなくなるような、ニューラルネ
ットワーク３を形成する。第２のプロセスでは、上記の
学習によって完成されたニューラルネットワーク３を用
いて、未知の対象物に対する変換装置２での距離情報お
よび感度情報を入力層３−１へ与え、出力層３−３の出
力より対象物を判別する。
て２つのプロセスからなる。第１は学習のプロセスであ
る。ここでは、サンプルとして計測済みの各対象物に対
する変換装置２での距離情報および感度情報を教師情報
とし、その教師情報をニューラルネットワーク３の入力
層３−１へ与え、これによって得られるニューラルネッ
トワーク３の出力層３−３の出力と上記各対象物に応じ
た理想出力（計測済みの対象物を代表するユニットＵの
出力「１」で、その他のユニ７トＵの出力は「０」）と
の誤差を用い、ニューラルネットワーク３を改善し、正
しいニューラルネットワーク３を形成する。このニュー
ラルネットワーク３の改善は、逆伝搬学習則（バックプ
ロパゲーション）という手法により行う。すなわち、バ
ックプロパゲーションにより各層ユニ・ノド間の重み係
数を変えてゆき、最終的に各対象物に対する変換装置２
での距離情報および感度情報を与えると正しい対象物を
代表するユニッ）Ｕのみ「１」を出力するような、すな
わち理想出力との誤差がなくなるような、ニューラルネ
ットワーク３を形成する。第２のプロセスでは、上記の
学習によって完成されたニューラルネットワーク３を用
いて、未知の対象物に対する変換装置２での距離情報お
よび感度情報を入力層３−１へ与え、出力層３−３の出
力より対象物を判別する。
従って、第２図〜第４図に示したような各々の対象物固
有の距離−感度特性をニューラルネットワーク３へ与え
、バ・ンクブロパゲーションにより学習させれば、対象
物を正確に判別するニューラルネットワーク３が形成さ
れ、学習が終わった後に未知の対象物に対する変換装置
２での距離情報および感度情報をニューラルネットワー
ク３へ与えることにより、即座にその対象物が何である
のかを正確に判別することができる。
有の距離−感度特性をニューラルネットワーク３へ与え
、バ・ンクブロパゲーションにより学習させれば、対象
物を正確に判別するニューラルネットワーク３が形成さ
れ、学習が終わった後に未知の対象物に対する変換装置
２での距離情報および感度情報をニューラルネットワー
ク３へ与えることにより、即座にその対象物が何である
のかを正確に判別することができる。
なお、上述した実施例においては、中間層３−２を１層
としたが、多層構成としてもよい。また、バックプロパ
ゲーションに代えて、他の学習側を利用するものとして
もよい。
としたが、多層構成としてもよい。また、バックプロパ
ゲーションに代えて、他の学習側を利用するものとして
もよい。
以上説明したことから明らかなように本発明によれば、
簡単にデータ生成することができる距離情報および感度
情報に基づき、多種類の対象物の判別（対象物の種類の
判別、対象物表面のあらさの判別など）を行うことがで
き、従来に比してその構成が簡単となる。
簡単にデータ生成することができる距離情報および感度
情報に基づき、多種類の対象物の判別（対象物の種類の
判別、対象物表面のあらさの判別など）を行うことがで
き、従来に比してその構成が簡単となる。
また、本発明によれば、超音波センサと対象物との距離
が変化しても、簡単に各種対象物の判別を行うことが可
能である。
が変化しても、簡単に各種対象物の判別を行うことが可
能である。
第１図（ａ）は本発明（第１発明）に係る超音波式対象
物判別装置の一実施例を示す概略構成図、第１図（ｂ）
は本発明（第３発明）に係る超音波式対象物判別装置の
一実施例を示す概略構成図、第２図は各対象物の距離−
感度特性を示す図、第３図は粒径の異なる砂、土の距離
−感度特性を示す図、第４図は表面あらさの異なる布ヤ
スリの距離−感度特性を示す図である。 ｌ・・・超音波センサ、２・・・変換装置、３・・・ニ
ューラルネットワーク、３−１・・・入力層、３−２・
・・中間層、３−３・・・出力層、Ｕ・・・ユニット、
Ｘ・・・対象物、１０．１１・・・超音波式対象物判別
装置。 特許出願人 日本電信電話株式会社
物判別装置の一実施例を示す概略構成図、第１図（ｂ）
は本発明（第３発明）に係る超音波式対象物判別装置の
一実施例を示す概略構成図、第２図は各対象物の距離−
感度特性を示す図、第３図は粒径の異なる砂、土の距離
−感度特性を示す図、第４図は表面あらさの異なる布ヤ
スリの距離−感度特性を示す図である。 ｌ・・・超音波センサ、２・・・変換装置、３・・・ニ
ューラルネットワーク、３−１・・・入力層、３−２・
・・中間層、３−３・・・出力層、Ｕ・・・ユニット、
Ｘ・・・対象物、１０．１１・・・超音波式対象物判別
装置。 特許出願人 日本電信電話株式会社
Claims (4)
- （１）超音波を対象物に当て、その対象物からの反射超
音波を受信する超音波センサと、 この超音波センサの出力を前記超音波センサから前記対
象物までの距離情報および前記反射超音波の強度を表す
感度情報に変換する変換手段とを具備していることを特
徴とする超音波式対象物判別装置。 - （２）請求項１記載の超音波式対象物判別装置を使用し
、その変換手段より得られる距離情報および感度情報に
基づき、対象物を判別するようにしたことを特徴とする
超音波式対象物判別方法。 - （３）超音波を対象物に当て、その対象物からの反射超
音波を受信する超音波センサと、 この超音波センサの出力を前記超音波センサから前記対
象物までの距離情報および前記反射超音波の強度を表す
感度情報に変換する変換手段と、前記距離情報および前
記感度情報を入力とする入力層、この入力層の出力を入
力とする中間層、この中間層の出力を入力とする出力層
を有し、前記各層がユニットの集合であって、隣合う層
のユニット同士がもれなく結合されており、かつそれぞ
れの結合に固有の重み係数があり、 前層ユニットの出力値に前記重み係数を乗じた値を後層
ユニットへの入力値とし、 前層のすべてのユニットからの入力値の総和を計算し、
出力関数として定義される非線形変換を施して得られる
値を後層ユニットの出力値とし、前記出力層の各ユニッ
トを判別すべき各対象物を代表するユニットとする ニューラルネットワークと を具備していることを特徴とする超音波式対象物判別装
置。 - （４）請求項３記載の超音波式対象物判別装置における
ニューラルネットワーク形成方法であって、サンプルと
して計測済みの各対象物に対する変換手段での距離情報
および感度情報を教師情報とし、その教師情報をニュー
ラルネットワークの入力層へ与え、これによって得られ
るニューラルネットワークの出力層の出力と前記各対象
物に応じた理想出力との誤差を用い、所定の学習則によ
り各層ユニット間の重み係数を変えてゆき、最終的に前
記理想出力との誤差がなくなるようなニューラルネット
ワークを形成し、 これにより、未知の対象物に対する変換手段での距離情
報および感度情報をニューラルネットワークの入力層へ
与えた場合、ニューラルネットワークの出力層の出力よ
り前記未知の対象物を正確に判別できるようにした ことを特徴とする超音波式対象物判別装置におけるニュ
ーラルネットワーク形成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28180490A JP2972939B2 (ja) | 1990-10-22 | 1990-10-22 | 超音波式対象物判別装置および超音波式対象物判別方法および超音波式対象物判別装置におけるニユーラルネツトワーク形成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP28180490A JP2972939B2 (ja) | 1990-10-22 | 1990-10-22 | 超音波式対象物判別装置および超音波式対象物判別方法および超音波式対象物判別装置におけるニユーラルネツトワーク形成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04158294A true JPH04158294A (ja) | 1992-06-01 |
| JP2972939B2 JP2972939B2 (ja) | 1999-11-08 |
Family
ID=17644216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP28180490A Expired - Fee Related JP2972939B2 (ja) | 1990-10-22 | 1990-10-22 | 超音波式対象物判別装置および超音波式対象物判別方法および超音波式対象物判別装置におけるニユーラルネツトワーク形成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2972939B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109581339A (zh) * | 2018-11-16 | 2019-04-05 | 西安理工大学 | 一种基于头脑风暴自动调整自编码网络的声呐识别方法 |
| JP2022001861A (ja) * | 2020-06-19 | 2022-01-06 | 中国科学院地▲質▼▲与▼地球物理研究所Institute Of Geology And Geophysics, Chinese Academy Of Sciences | フルウェーブフォームインバージョン方法、装置及び電子設備 |
-
1990
- 1990-10-22 JP JP28180490A patent/JP2972939B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109581339A (zh) * | 2018-11-16 | 2019-04-05 | 西安理工大学 | 一种基于头脑风暴自动调整自编码网络的声呐识别方法 |
| CN109581339B (zh) * | 2018-11-16 | 2023-04-07 | 西安理工大学 | 一种基于头脑风暴自动调整自编码网络的声呐识别方法 |
| JP2022001861A (ja) * | 2020-06-19 | 2022-01-06 | 中国科学院地▲質▼▲与▼地球物理研究所Institute Of Geology And Geophysics, Chinese Academy Of Sciences | フルウェーブフォームインバージョン方法、装置及び電子設備 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2972939B2 (ja) | 1999-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104757999A (zh) | 一种基于超声基波和谐波的非线性成像方法和系统 | |
| US6594382B1 (en) | Neural sensors | |
| JP2713206B2 (ja) | 水中音響信号検出装置 | |
| JP2000098031A (ja) | インパルスソーナー | |
| JPH04158294A (ja) | 超音波式対象物判別装置および超音波式対象物判別方法および超音波式対象物判別装置におけるニユーラルネツトワーク形成方法 | |
| JP3871875B2 (ja) | 目標類別方法及び装置 | |
| JP3503694B2 (ja) | 目標識別装置および目標識別方法 | |
| JPH0519052A (ja) | ニユーラルネツトワークによる３次元物体の認識方法 | |
| JP2003194921A (ja) | 受信信号処理装置および距離測定装置 | |
| JP2788431B2 (ja) | 地中埋設物の種類の識別装置 | |
| JP2967721B2 (ja) | 目標信号検出方法 | |
| CN107782797A (zh) | 超声波成像处理方法、装置、存储介质及成像系统 | |
| JP2910727B2 (ja) | 目標信号検出方法及び装置 | |
| Harper et al. | Recognition of plants with CTFM ultrasonic range data using a neural network | |
| JPH055785A (ja) | ニユーラルネツトワークを用いた地中埋設物探知装置及び地中埋設物探知法 | |
| JP2882861B2 (ja) | 超音波３次元物体撮像方式 | |
| EP1156446B1 (en) | System and method for evaluating characteristics for suitability in classification | |
| JP3626917B2 (ja) | 非定常騒音のノイジネス評価装置 | |
| JPH0829538A (ja) | 放射線検出装置 | |
| JPH05333138A (ja) | ソナー信号処理装置 | |
| JPH0854379A (ja) | 画像信号処理方法及び装置 | |
| Caiti et al. | Seabed characterization by inversion of parametric sonar data: selection of the cost function | |
| JPH02280078A (ja) | 物体撮像方式 | |
| JPH05280953A (ja) | 物体認識方法 | |
| JP2551319B2 (ja) | 動画像処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |