JPH09329631A - カオスニューロンモデルを用いた信号検出方法及び装置 - Google Patents
カオスニューロンモデルを用いた信号検出方法及び装置Info
- Publication number
- JPH09329631A JPH09329631A JP8144481A JP14448196A JPH09329631A JP H09329631 A JPH09329631 A JP H09329631A JP 8144481 A JP8144481 A JP 8144481A JP 14448196 A JP14448196 A JP 14448196A JP H09329631 A JPH09329631 A JP H09329631A
- Authority
- JP
- Japan
- Prior art keywords
- frequency
- periodic signal
- chaos
- time series
- circuit
- 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
Landscapes
- Measuring Frequencies, Analyzing Spectra (AREA)
Abstract
(57)【要約】
【課題】 ニューロンモデルを用い、入力する信号に対
してしきい値を設けず、直接、入力された信号から周期
信号を検出する方法及び装置。 【解決手段】 カオスニューロン回路と、その回路に微
弱な周期信号を入力する信号入力回路と、時系列を記憶
する時系列記憶回路と、時系列の周波数解析を行い、周
波数分布を計算する周波数解析回路と、周波数のピーク
を検出するピーク検出回路を有し、カオスが生成される
ニューロンモデルに対して、微弱な信号をニューロンモ
デルに入力し、ニューロンモデルのカオスダイナミクス
による共鳴現象により、共鳴周波数の信号を増幅し、周
波数分布のピークを調べ、微弱な信号の周期信号を検出
する。
してしきい値を設けず、直接、入力された信号から周期
信号を検出する方法及び装置。 【解決手段】 カオスニューロン回路と、その回路に微
弱な周期信号を入力する信号入力回路と、時系列を記憶
する時系列記憶回路と、時系列の周波数解析を行い、周
波数分布を計算する周波数解析回路と、周波数のピーク
を検出するピーク検出回路を有し、カオスが生成される
ニューロンモデルに対して、微弱な信号をニューロンモ
デルに入力し、ニューロンモデルのカオスダイナミクス
による共鳴現象により、共鳴周波数の信号を増幅し、周
波数分布のピークを調べ、微弱な信号の周期信号を検出
する。
Description
【０００１】
【発明の属する技術分野】本発明は、カオスが生成され
るニューロンモデルにおいて微弱な周期信号を検出する
方法及び装置に関するものである。
るニューロンモデルにおいて微弱な周期信号を検出する
方法及び装置に関するものである。
【０００２】
【従来の技術】従来の微弱信号の検出は、入力信号のし
きい値が設けられているため、微弱な周期信号は、入力
された時点で検出されることにならなかった。
きい値が設けられているため、微弱な周期信号は、入力
された時点で検出されることにならなかった。
【０００３】
【発明が解決しようとする課題】本発明は、従来の技術
に述べた問題点の解決を狙ったものである。
に述べた問題点の解決を狙ったものである。
【０００４】本発明の目的は、ニューロンモデルを用
い、入力する信号に対してしきい値を設けず、直接、入
力された信号から入力信号の持っている周期信号を検出
する方法及び装置を提供することである。
い、入力する信号に対してしきい値を設けず、直接、入
力された信号から入力信号の持っている周期信号を検出
する方法及び装置を提供することである。
【０００５】
【課題を解決するための手段】上記の目的を達成するた
め、本発明のカオスニューロンモデルを用いた信号検出
方法は、カオスが生成されるニューロンモデルを用いて
微弱な周期信号を検出する方法であって、前記微弱な周
期信号をニューロンモデルに入力するステップと、ニュ
ーロンモデルのカオスダイナミクスによる共鳴現象によ
り特定周波数の前記周期信号を増幅するステップと、前
記共鳴現象により増幅されたカオスの時系列を周波数解
析するステップと、前記周波数解析の結果、カオスの時
系列のピークを検出するステップと、前記検出されたピ
ーク値から周期信号の周波数を判定するステップを有す
る。
め、本発明のカオスニューロンモデルを用いた信号検出
方法は、カオスが生成されるニューロンモデルを用いて
微弱な周期信号を検出する方法であって、前記微弱な周
期信号をニューロンモデルに入力するステップと、ニュ
ーロンモデルのカオスダイナミクスによる共鳴現象によ
り特定周波数の前記周期信号を増幅するステップと、前
記共鳴現象により増幅されたカオスの時系列を周波数解
析するステップと、前記周波数解析の結果、カオスの時
系列のピークを検出するステップと、前記検出されたピ
ーク値から周期信号の周波数を判定するステップを有す
る。
【０００６】また、本発明のカオスニューロンモデルを
用いた信号検出装置は、カオスが生成されるニューロン
モデルを用いて微弱な周期信号を検出する装置であっ
て、前記微弱な周期信号を入力とする信号入力回路と、
ニューロンモデルのダイナミクスに従いカオスの時系列
を生成するカオスニューロン回路と、前記カオスの時系
列を記憶する時系列記憶回路と、前記時系列記憶回路の
カオスの時系列を読み取り周波数解析を行い周波数分布
を計算する周波数解析回路と、前記計算された周波数分
布からピーク値を検出して周期信号の周波数を判定する
ピーク検出回路を有する。
用いた信号検出装置は、カオスが生成されるニューロン
モデルを用いて微弱な周期信号を検出する装置であっ
て、前記微弱な周期信号を入力とする信号入力回路と、
ニューロンモデルのダイナミクスに従いカオスの時系列
を生成するカオスニューロン回路と、前記カオスの時系
列を記憶する時系列記憶回路と、前記時系列記憶回路の
カオスの時系列を読み取り周波数解析を行い周波数分布
を計算する周波数解析回路と、前記計算された周波数分
布からピーク値を検出して周期信号の周波数を判定する
ピーク検出回路を有する。
【０００７】更に、前記周波数解析回路は、ＦＦＴを用
いる周波数解析回路を有する。
いる周波数解析回路を有する。
【０００８】
【発明の実施の形態】次に、本発明の一実施例を、図
面、数式を参照して、以下に説明する。
面、数式を参照して、以下に説明する。
【０００９】図１は本発明のカオスニユーロンモデルを
用いた信号検出方法の一実施例のフローチャート図であ
る。
用いた信号検出方法の一実施例のフローチャート図であ
る。
【００１０】例として、カオスが生成できるニューロン
モデルが以下のダイナミクスを持つとする。
モデルが以下のダイナミクスを持つとする。
【００１１】
【数１】 ここで、ｙ(t)はニューロンの内部変数、ｘ(t)は出力、
ｋ、α、ａ、εは各々、不応性の時間的減衰定数、不応
性の項に対するスケーリングファクタ（α≧０）、外部
入力、シグモイド関数ｆ(z)の傾きである。このカオス
ニューロンの内部変数、出力は上記のパラメータａを変
化させることにより、カオスが生み出される。よって、
検出時にはカオス的なダイナミクスを持つパラメータを
設定する。カオスか否かは系の安定性を示すリアプノフ
指数などを計算することにより判定できる。
ｋ、α、ａ、εは各々、不応性の時間的減衰定数、不応
性の項に対するスケーリングファクタ（α≧０）、外部
入力、シグモイド関数ｆ(z)の傾きである。このカオス
ニューロンの内部変数、出力は上記のパラメータａを変
化させることにより、カオスが生み出される。よって、
検出時にはカオス的なダイナミクスを持つパラメータを
設定する。カオスか否かは系の安定性を示すリアプノフ
指数などを計算することにより判定できる。
【００１２】このダイナミクスに外部からの微弱な周期
信号を入力したものを以下のように考える。
信号を入力したものを以下のように考える。
【００１３】
【数２】 ここで、δは微小な値、Ｔm ／Ｔ（＝ｆm ）は周期信号
の周波数になり、Ｔは時系列ｙ(t) の記憶時間、Ｔm は
周期信号の周期になる。この時系列ｙ(t)の記憶時間Ｔ
の周波数解析を行い、周波数分布を計算し、周波数のピ
ークを検出することにより信号の周波数成分を検出す
る。
の周波数になり、Ｔは時系列ｙ(t) の記憶時間、Ｔm は
周期信号の周期になる。この時系列ｙ(t)の記憶時間Ｔ
の周波数解析を行い、周波数分布を計算し、周波数のピ
ークを検出することにより信号の周波数成分を検出す
る。
【００１４】例として元の（１）式のｋ＝０．７、α＝
１．０、ａ＝０．３５、ε＝０．０２のカオスのときの
時系列ｙ(t)の周波数分布を図２に示す。δ＝０．００
５、Ｔ＝４０９６、Ｔm ＝５１２のときの（２）式に従
った時系列ｙ(t)の周波数分布を図３に示す。Ｔm ＝５
１２に矢印で示すように周波数分布のピークが見られ
る。これは、カオスニューロンのカオスダイナミクスの
共鳴効果のためである。このピークを周波数軸の局所的
比較により、分布の相対的比較して検出することができ
る。比較として（１）式の時系列ｙ(t)に微弱な周期信
号
１．０、ａ＝０．３５、ε＝０．０２のカオスのときの
時系列ｙ(t)の周波数分布を図２に示す。δ＝０．００
５、Ｔ＝４０９６、Ｔm ＝５１２のときの（２）式に従
った時系列ｙ(t)の周波数分布を図３に示す。Ｔm ＝５
１２に矢印で示すように周波数分布のピークが見られ
る。これは、カオスニューロンのカオスダイナミクスの
共鳴効果のためである。このピークを周波数軸の局所的
比較により、分布の相対的比較して検出することができ
る。比較として（１）式の時系列ｙ(t)に微弱な周期信
号
【００１５】
【数３】 を足したもの
【００１６】
【数４】 の周波数分布を示す。周期信号は、図４に示すように、
カオスの周波数分布に埋もれて見えない。
カオスの周波数分布に埋もれて見えない。
【００１７】（２）式により、ダイナミクスに周期信号
を含めることにより共鳴効果が得られる。また、微弱な
周期信号が２つ以上の周期を持っている場合でも同様に
周波数分布のピークが見られる。例えば、
を含めることにより共鳴効果が得られる。また、微弱な
周期信号が２つ以上の周期を持っている場合でも同様に
周波数分布のピークが見られる。例えば、
【００１８】
【数５】 というＴm1＝２４３、Ｔm2＝５１２の二つの周期を持っ
ている場合は、δ＝０．００５、Ｔ＝４０９６で、図５
に矢印で示すように、ピークが２つある周波数分布とな
る。
ている場合は、δ＝０．００５、Ｔ＝４０９６で、図５
に矢印で示すように、ピークが２つある周波数分布とな
る。
【００１９】図６に本発明のカオスニューロンモデルを
用いた信号検出装置の一実施例構成図を示す。カオスニ
ューロン回路は、カオスが生成できるニューロンモデル
のダイナミクスを表現しており、電気回路で実現でき
る。信号入力回路は、カオスニューロン回路に非常に微
弱な周期信号を入力する回路である。時系列記憶回路
は、時系列を記憶する回路である。周波数解析回路は、
周波数分布を計算する回路で、ＦＦＴで実現できる。ピ
ーク検出回路は、周波数のピークを周波数軸の局所的比
較により、分布の相対的比較して検出する回路である。
用いた信号検出装置の一実施例構成図を示す。カオスニ
ューロン回路は、カオスが生成できるニューロンモデル
のダイナミクスを表現しており、電気回路で実現でき
る。信号入力回路は、カオスニューロン回路に非常に微
弱な周期信号を入力する回路である。時系列記憶回路
は、時系列を記憶する回路である。周波数解析回路は、
周波数分布を計算する回路で、ＦＦＴで実現できる。ピ
ーク検出回路は、周波数のピークを周波数軸の局所的比
較により、分布の相対的比較して検出する回路である。
【００２０】
【発明の効果】以上、本発明によれば、カオスが生成さ
れるニューロンモデルに対して、微弱な信号をニューロ
ンモデルに入力し、ニューロンモデルのカオスダイナミ
クスによる共鳴現象によりその周波数の信号を増幅し、
周波数分布のピークを調べ、非常に微弱な周期信号を検
出することができる。
れるニューロンモデルに対して、微弱な信号をニューロ
ンモデルに入力し、ニューロンモデルのカオスダイナミ
クスによる共鳴現象によりその周波数の信号を増幅し、
周波数分布のピークを調べ、非常に微弱な周期信号を検
出することができる。
【図１】本発明のカオスニユーロンモデルを用いた信号
検出方法の一実施例のフローチャート図である。
検出方法の一実施例のフローチャート図である。
【図２】元のカオスニユーロンのパラメータがカオスの
ときの時系列ｙ(t)の周波数分布を示す図である。
ときの時系列ｙ(t)の周波数分布を示す図である。
【図３】微弱な周期信号をカオスニューロンに入力した
ときの時系列ｙ(t)の周波数分布を示す図である。
ときの時系列ｙ(t)の周波数分布を示す図である。
【図４】元のカオスニューロンの時系列ｙ(t)に微弱な
周期信号を足しただけのときの周波数分布を示す図であ
る。
周期信号を足しただけのときの周波数分布を示す図であ
る。
【図５】微弱な周期信号が二つの周期を持っている場合
の時系列ｙ(t)の周波数分布を示す図である。
の時系列ｙ(t)の周波数分布を示す図である。
【図６】本発明のカオスニューロンモデルを用いた信号
検出装置の一実施例構成図である。
検出装置の一実施例構成図である。
１ 信号入力回路 ２ カオスニューロン回路 ３ 時系列記憶回路 ４ 周波数解析回路 ５ ピーク検出回路
───────────────────────────────────────────────────── フロントページの続き (72)発明者 曽根原 登 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内
Claims (3)
- 【請求項１】 カオスが生成されるニューロンモデルを
用いて微弱な周期信号を検出する方法であって、 前記微弱な周期信号をニューロンモデルに入力するステ
ップと、 ニューロンモデルのカオスダイナミクスによる共鳴現象
により特定周波数の前記周期信号を増幅するステップ
と、 前記共鳴現象により増幅されたカオスの時系列を周波数
解析するステップと、 前記周波数解析の結果、カオスの時系列のピークを検出
するステップと、 前記検出されたピーク値から周期信号の周波数を判定す
るステップを有するカオスニューロンモデルを用いた信
号検出方法。 - 【請求項２】 カオスが生成されるニューロンモデルを
用いて微弱な周期信号を検出する装置であって、 前記微弱な周期信号を入力とする信号入力回路と、 ニューロンモデルのダイナミクスに従いカオスの時系列
を生成するカオスニューロン回路と、 前記カオスの時系列を記憶する時系列記憶回路と、 前記時系列記憶回路のカオスの時系列を読み取り周波数
解析を行い周波数分布を計算する周波数解析回路と、 前記計算された周波数分布からピーク値を検出して周期
信号の周波数を判定するピーク検出回路を有するカオス
ニューロンモデルを用いた信号検出装置。 - 【請求項３】 前記周波数解析回路が、 ＦＦＴを用いる周波数解析回路を有する請求項２に記載
のカオスニューロンモデルを用いた信号検出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14448196A JP3419429B2 (ja) | 1996-06-06 | 1996-06-06 | カオスニューロンモデルを用いた信号検出方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP14448196A JP3419429B2 (ja) | 1996-06-06 | 1996-06-06 | カオスニューロンモデルを用いた信号検出方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09329631A true JPH09329631A (ja) | 1997-12-22 |
| JP3419429B2 JP3419429B2 (ja) | 2003-06-23 |
Family
ID=15363322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP14448196A Expired - Fee Related JP3419429B2 (ja) | 1996-06-06 | 1996-06-06 | カオスニューロンモデルを用いた信号検出方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3419429B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101982782A (zh) * | 2010-09-08 | 2011-03-02 | 西安电子科技大学 | 类微光子源导航体系中的混沌测频系统与方法 |
| CN108459353A (zh) * | 2018-03-26 | 2018-08-28 | 吉林大学 | 一种电磁噪声背景下微弱磁共振信号提取方法及装置 |
-
1996
- 1996-06-06 JP JP14448196A patent/JP3419429B2/ja not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101982782A (zh) * | 2010-09-08 | 2011-03-02 | 西安电子科技大学 | 类微光子源导航体系中的混沌测频系统与方法 |
| CN108459353A (zh) * | 2018-03-26 | 2018-08-28 | 吉林大学 | 一种电磁噪声背景下微弱磁共振信号提取方法及装置 |
| CN108459353B (zh) * | 2018-03-26 | 2019-06-21 | 吉林大学 | 一种电磁噪声背景下微弱磁共振信号提取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3419429B2 (ja) | 2003-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2000113343A (ja) | サンプリング速度を変化し得る検出器 | |
| CN101490816A (zh) | 等离子体异常放电诊断方法、等离子体异常放电诊断系统以及计算机程序 | |
| CN111626360B (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN106972484B (zh) | 多场景下火电机组励磁系统动态性能在线评估方法和装置 | |
| CN111679657A (zh) | 一种基于工控设备信号的攻击检测方法及系统 | |
| Zhang et al. | A correlation-test-based validation procedure for identified neural networks | |
| TW327221B (en) | Method and system for detecting abnormality | |
| JP3419429B2 (ja) | カオスニューロンモデルを用いた信号検出方法及び装置 | |
| JP3567073B2 (ja) | 時系列データ予測方法および装置 | |
| JP3419433B2 (ja) | カオスニューロン素子の状態和ネットワークを用いた信号検出方法及び装置 | |
| Marklund et al. | Application of a new passive acoustic leak detection approach to recordings from the Dounreay prototype fast reactor | |
| JP3447976B2 (ja) | 故障判断機能を備えた乱数生成装置 | |
| EP1001352A1 (en) | Data conversion method, data converter, and program storage medium | |
| JP3507695B2 (ja) | カオスニューラルネットワークを用いた信号検出方法及び装置 | |
| Ngamga et al. | Recurrence-based detection of the hyperchaos-chaos transition in an electronic circuit | |
| Ren et al. | Adaptive regulation for Hammerstein and Wiener systems with event-triggered observations | |
| CN107590384A (zh) | 一种用于异常检测的否定选择方法 | |
| CN116611378A (zh) | 电路模型的仿真模拟方法及装置、计算机设备和存储介质 | |
| Wang et al. | Study of monitoring false data injection attacks based on machine-learning in electric systems | |
| CN111047074A (zh) | 一种电力负荷波动范围预测方法及装置 | |
| CN111048203B (zh) | 一种脑血流调节机能评价装置 | |
| KR0150664B1 (ko) | 카오스 신호 검출장치와 카오스 신호 검출방법 | |
| US6545454B1 (en) | System and method for testing an integrated circuit device using FFT analysis based on a non-iterative FFT coherency analysis algorithm | |
| Högnäs | Comparison Of Some Non‐Linear Autoregressive Processes | |
| Park et al. | Advancing Temporal Spike Encoding for Efficient Speech Recognition |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090418 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090418 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100418 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100418 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110418 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120418 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |