JPH102961A - Automatic classification and discrimination apparatus for target - Google Patents
Automatic classification and discrimination apparatus for targetInfo
- Publication number
- JPH102961A JPH102961A JP15417296A JP15417296A JPH102961A JP H102961 A JPH102961 A JP H102961A JP 15417296 A JP15417296 A JP 15417296A JP 15417296 A JP15417296 A JP 15417296A JP H102961 A JPH102961 A JP H102961A
- Authority
- JP
- Japan
- Prior art keywords
- target
- certainty
- classified
- specific
- catalog
- 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
- 230000007246 mechanism Effects 0.000 claims abstract description 109
- 238000010168 coupling process Methods 0.000 claims abstract description 3
- 238000005859 coupling reaction Methods 0.000 claims abstract description 3
- 238000000034 method Methods 0.000 abstract description 18
- 230000015654 memory Effects 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】本発明は、音波等の入力信号
を周波数分析して狭帯域信号を抽出し、あらかじめ収集
したカタログの周波数と比較して、目標を識別する目標
自動類識別装置に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an automatic target classifier for extracting a narrow band signal by frequency-analyzing an input signal such as a sound wave and comparing the frequency with a frequency of a catalog collected in advance. It is.
【０００２】[0002]
【従来の技術】従来、このような分野の技術としては、
例えば、Ｍ．Ａ．フィッシューラ／Ｏ．ファーシャイン
著（玉井哲雄訳）「人と機械の知能」（初版）（１９８
９−４−２０）（株）トッパン、Ｐ．１１８−１２２に
記載されるものや、特開平４−２３５３７２号公報に記
載されるものがあった。図５は特開平４−２３５３７２
号公報に記載の従来の目標自動類別方法を示すもので、
音源の探知から目標の識別に至る一連の流れの説明図で
ある。従来の目標自動類別方法について説明する。ここ
では例として、入力信号を音波とする。Ｎ個のセンサ
（１−１〜１−Ｎ）に入力される時系列信号に対して、
ＦＦＴ（高速フーリエ変換）／整相処理２ではＦＦＴと
整相処理をおこない、時系列信号を方位、周波数空間上
のレベルデータに変換する。2. Description of the Related Art Conventionally, techniques in such a field include:
For example, M. A. Fishura / O. Farshine (Translated by Tetsuo Tamai) "Intelligence of Man and Machine" (First Edition) (198)
9-4-20) Toppan Co., Ltd. 118-122 and those described in JP-A-4-235372. FIG. 5 is Japanese Patent Application Laid-Open No. 4-235372.
No. 1 discloses a conventional target automatic classification method described in
FIG. 9 is an explanatory diagram of a series of flows from detection of a sound source to identification of a target. A conventional target automatic classification method will be described. Here, as an example, an input signal is a sound wave. For time series signals input to N sensors (1-1 to 1-N),
In the FFT (Fast Fourier Transform) / phasing process 2, the FFT and the phasing process are performed to convert the time-series signal into azimuth and level data in the frequency space.
【０００３】自動探知／追尾処理３では方位、周波数空
間上でのレベルの極大点（以後、これをイベントと呼
ぶ）を検出し、それを時間的に追尾することにより、ラ
イン（イベントの時間的な連なり）の検出を行う。デー
タ統合処理ブロック４はラインの方位情報から、同−の
音源に関するラインの組み合わせを生成するデータ統合
処理部である。特徴抽出処理５では各ラインの特徴抽出
をおこない、特徴要素として周波数の時間的な平均値、
標準偏差値を抽出する。これらのデータはブロック６で
カタログとの照合に利用される。ここで、カタログと
は、識別しようとする目標別に作成された特徴情報であ
り、過去に得られた周波数情報をもとに類別され、図６
に示すようなものである。図６では簡単な例として、目
標Ａおよび目標Ｂに対するカタログを示し、それぞれの
目標が放射すると予想される信号の周波数帯域を該周波
数の平均（Ｆ1 ）と変化幅（ｄＦ1 ）を用いて表現する
ものである。In the automatic detection / tracking process 3, a local maximum point (hereinafter, referred to as an event) in the azimuth and frequency space is detected and tracked temporally to obtain a line (temporal time of the event). Is detected. The data integration processing block 4 is a data integration processing unit that generates a combination of lines related to the same sound source from the line direction information. In the feature extraction process 5, feature extraction of each line is performed, and a temporal average value of a frequency,
Extract the standard deviation value. These data are used in block 6 for collation with the catalog. Here, the catalog is characteristic information created for each target to be identified, and is classified based on frequency information obtained in the past.
It is as shown in. FIG. 6 shows a catalog for a target A and a target B as a simple example, and a frequency band of a signal expected to be emitted from each target is calculated using an average (F 1 ) and a variation width (dF 1 ) of the frequency. It is something to express.
【０００４】次に、ブロック６内のカタログ照合処理６
１について説明する。自動探知／追尾処理３で検出され
たラインの周波数の時間的な平均値、標準偏差値をそれ
ぞれｆi 、σi （ｉ＝１，２，…，ｍ）として、これら
のパラメータをもとに探知信号の分布Ｄi （ｆ）を次式
とする。Next, catalog collation processing 6 in block 6
1 will be described. The temporal average value and standard deviation value of the frequency of the line detected in the automatic detection / tracking process 3 are defined as f i and σ i (i = 1, 2,..., M), respectively, and based on these parameters. The distribution D i (f) of the detection signal is represented by the following equation.
【０００５】[0005]
【数１】 (Equation 1)
【０００６】一方、目標ｋに対するカタログの中心周波
数とその変化幅をそれぞれＦj 、ｄＦj （ｊ＝１，２，
…，ｍ）として、目標ｋのカタログデータＣｋ（ｆ）を
次式により構成する。On the other hand, the center frequency of the catalog with respect to the target k and the change width thereof are represented by F j and dF j (j = 1, 2, 2).
, M), the catalog data Ck (f) of the target k is configured by the following equation.
【０００７】[0007]
【数２】 (Equation 2)
【０００８】以上のように得られた探知信号の分布Ｄi
（ｆ）とカタログデータＣｋ（ｆ）を図７に示すように
重ね合わせ、探知信号の分布Ｄi （ｆ）とカタログデー
タＣｋ（ｆ）の重なる面積を求め、それぞれの面積をＳ
i （ｉ＝１，２，…，ｎ）とする。ここで求めたＳi を
デンプスター・シェファーの理論における“探知された
ラインｉが目標ｋであることを支持する確率”と定義
し、残りの１−Ｓi は不明の確率（θ）であると定義す
る。そこでデンプスターの結合規則により、すべてのＳ
i 結合を式（３）のようにおこなう。また、この時の結
合の概念を図８に示す。The distribution D i of the detection signal obtained as described above
(F) and the catalog data Ck (f) are superimposed as shown in FIG. 7, and the area where the detection signal distribution D i (f) and the catalog data Ck (f) overlap is determined.
i (i = 1, 2,..., n). The obtained S i is defined as “the probability of supporting that the detected line i is the target k” in Dempster-Scheffer's theory, and the remaining 1-S i is an unknown probability (θ). Define. Therefore, according to Dempster's binding rule, all S
i- bonding is performed as in equation (3). FIG. 8 shows the concept of the connection at this time.
【０００９】[0009]
【数３】 (Equation 3)
【００１０】この結合された結果が“探知信号Ｄ（ｆ）
が目標ｋである確信度Ｐk ”となる。この確信度Ｐk を
すべての目標に対するカタログデータＣk （ｆ）に対し
て求め、目標選択部６２に送る。目標選択部６２では、
すべての目標に対する確信度の中から、予め設定された
数だけ確信度上位のものから選択する。表示部６３で
は、目標選択部で選択された目標を上位のものから順番
に表示する。以上の説明において、探知信号Ｄ（ｆ）と
カタログデータＣk （ｆ）の重なる面積Ｓi を“探知さ
れたラインｉが目標ｋであることを支持する確率”とし
たが、目標ｋのカタログに対して平均周波数Ｆj とその
変化幅ｄＦj 、さらに、重要度Ｗj （０≦Ｗj ≦１）も
設定しておき、面積Ｓi に重みづけを表す重要度Ｗjを
掛けたものを“探知されたラインｉが目標ｋであること
を支持する確率”としてもよい。[0010] The combined result is the "detection signal D (f)
Is a certainty factor P k ″ which is the target k. The certainty factor P k is obtained for the catalog data C k (f) for all the targets, and is sent to the target selecting unit 62.
From the certainty factors for all the targets, a predetermined number is selected from those with higher certainty factors. The display unit 63 displays the targets selected by the target selection unit in descending order. In the above description, the overlapping area S i of the detection signal D (f) and the catalog data C k (f) is referred to as “the probability of supporting that the detected line i is the target k”. the average frequency F j and its variation width dF j against further importance W j (0 ≦ W j ≦ 1) also may be set, multiplied by the importance W j representing the weighting in the area S i May be set as the “probability of supporting that the detected line i is the target k”.
【００１１】[0011]
【発明が解決しようとする課題】しかしながら、目標が
運動する場合、目標の速力毎に目標の放射する信号の周
波数が変動し、それを補うために目標のカタログを作成
する際に、カタログの周波数の変化幅ｄＦj を大きくと
っていた。そのため、誤照合の割合が大きくなり、識別
の精度が低くなる傾向にあった。また、目標の速力が異
なる信号を別目標のカタログとすると、照合の回数が増
大することで演算量も増大するという問題があった。本
発明は、上記カタログに対して目標の放射する信号を機
構別に分割するとともに、同一の機構をもっている複数
の目標から１つの機構別のカタログを共有できる構造に
し、さらに速力に応じて周波数データが変化する機構に
関して、速力毎のデータを設定することにより、照合に
おける誤照合の割合を小さくし、識別の精度を向上させ
るとともにカタログの記憶サイズ縮小および照合におけ
る演算量の低減を図るものである。However, when the target moves, the frequency of the signal radiated by the target fluctuates at each speed of the target, and when the target catalog is created to compensate for it, the frequency of the catalog is changed. I was taking a large variation width dF j. Therefore, the ratio of erroneous matching tends to increase, and the accuracy of identification tends to decrease. Further, when signals having different target speeds are used as catalogs for different targets, there is a problem that the number of checks increases and the amount of calculation increases. The present invention divides a signal radiated by a target with respect to the above-mentioned catalog for each mechanism, and has a structure in which a catalog for each mechanism can be shared from a plurality of targets having the same mechanism. With respect to the mechanism that changes, by setting data for each speed, the ratio of erroneous collation in collation is reduced, the accuracy of identification is improved, and the storage size of the catalog and the amount of computation in collation are reduced.
【００１２】[0012]
【課題を解決するための手段】本発明に係る目標自動類
別識別装置は、予め収集した複数の目標の入力信号に対
して目標別に周波数の特徴で類別されている特徴情報で
ある目標別カタログを目標の有する機構毎の機構別カタ
ログに分割するとともに、同一の機構をもっている複数
の目標から１つの機構別カタログを共有できる形態と
し、さらに速力に依存する機構に関しては速力別のカタ
ログともなる複数の機構別カタログを格納した記憶手段
と、記憶手段に格納された各機構別カタログと同一であ
る目標データとを比較照合して目標データの機構別カタ
ログに対する確信度の割り当てを行う比較照合手段と、
比較照合手段より入力された確信度の内、同一機構のも
ので、速力のみが異なるものの中で確信度の最大値を目
標値に選び、デンプスター・シェファーの理論に基づ
き、同一機構の中での該目標別最大値を結合し、目標別
の機構別確信度を算出する機構別確信度算出手段と、機
構別確信度算出手段から入力された各機構に対する機構
別確信度を再び、デンプスター・シェファーの理論に基
づき結合し、その結合された結果より各目標に対する確
信度を求める機構別確信度結合手段と、機構別確信度結
合手段から入力された各目標に対する確信度から上位に
ある目標候補を選択する目標選択手段と、目標選択手段
によって選択された目標候補を表示する表示手段とを備
えてなるものである。SUMMARY OF THE INVENTION An automatic target classification apparatus according to the present invention provides a target-specific catalog, which is characteristic information classified by a frequency characteristic for each target with respect to a plurality of target input signals collected in advance. A mechanism is divided into catalogs by mechanism for each mechanism of a target, and a plurality of targets having the same mechanism can share one mechanism-specific catalog. Further, for a mechanism that depends on speed, a plurality of catalogs for each speed can be provided. Storage means for storing a mechanism-specific catalog, and comparison and collation means for comparing and collating target data identical to each mechanism-specific catalog stored in the storage means and assigning certainty to the mechanism-specific catalog of target data;
Among the certainty factors input from the comparison / matching means, the maximum value of the certainty factor is selected as the target value among those of the same mechanism and different only in speed, and based on Dempster-Scheffer's theory, A mechanism-specific certainty calculating means for combining the target-specific maximum values and calculating a mechanism-specific certainty for each goal, and a mechanism-specific certainty for each mechanism input from the mechanism-specific certainty calculating means are again converted to Dempster-Scheffer A mechanism-based certainty combining unit that obtains certainty for each target from the combined result, and a higher-level target candidate from the certainty for each target input from the mechanism-specific certainty combining unit. It comprises a target selecting means for selecting and a display means for displaying a target candidate selected by the target selecting means.
【００１３】本発明においては、比較照合手段が記憶手
段に格納された速力別の各機構別カタログと同一である
目標データとを比較照合して目標データの機構別カタロ
グに対する確信度の割り当てを行い、機構別確信度算出
手段が比較照合手段より入力された確信度の内、同一機
構のもので、速力のみが異なるものの中で確信度の最大
値を目標値に選び、デンプスター・シェファーの理論に
基づき、同一機構の中での該目標別最大値を結合し、目
標別の機構別確信度を算出し、機構別確信度結合手段が
機構別確信度算出手段から入力された各機構に対する機
構別確信度を再び、デンプスター・シェファーの理論に
基づき結合し、その結合された結果より各目標に対する
確信度を求めるようにし、記憶手段に目標別カタログを
複数の機構別カタログに分割し、さらに速力に依存して
周波数が変化する機構の周波数情報を速力別のデータと
したものを格納させるようにしたので、誤照合の割合を
小さくし、識別の精度を向上させることが可能となると
ともに、１つの機構別のカタログで複数の目標に対して
のデータの共有が可能となるため、従来の目標別カタロ
グを記憶する場合に比べて少ないメモリで構築可能とな
り、照合演算の回数が減じられる。In the present invention, the comparison and collation means compares and collates each mechanism-specific catalog stored in the storage means with the same target data and assigns certainty factor of the target data to the mechanism-specific catalog. The mechanism-specific certainty calculation means selects the maximum value of certainty among the certainty factors input from the comparison / matching means among the ones of the same mechanism but different only in the speed, according to Dempster-Scheffer's theory. The target-specific maximum values in the same mechanism are combined to calculate a target-specific mechanism-specific certainty factor, and the mechanism-specific certainty-coupling means is used for each mechanism input to the mechanism-specific certainty factor calculating means. The confidences are combined again based on Dempster-Sheffer's theory, the confidence for each goal is obtained from the combined result, and the target-specific catalog is stored in the storage means in a plurality of mechanism-specific catalogs. Frequency, and the frequency information of the mechanism whose frequency changes depending on the speed is stored as data for each speed, so that the rate of false verification is reduced and the accuracy of identification is improved. Data can be shared with a plurality of targets by one mechanism-specific catalog, so that it can be constructed with less memory than a conventional case of storing a target-specific catalog, and a collation operation can be performed. Is reduced.
【００１４】[0014]
実施形態１ （構成）図１は本発明の実施形態１に係る目標自動類別
識別装置の構成を示すブロック図である。１−１〜１−
Ｎは目標より入力される時系列信号を受信するＮ個のセ
ンサであり、時系列信号を方位、周波数空間上のレベル
データに変換するＦＦＴ／整相処理２に接続されてい
る。ＦＦＴ／整相処理２は、自動探知／追尾処理３に接
続されている。自動探知／追尾処理３は、データ統合処
理４に接続されている。データ統合処理４は、特徴抽出
手段５に接続されている。特徴抽出手段５は、比較照合
手段６に接続される。該比較照合手段６には、記憶手段
７および機構別確信度算出手段８が接続されている。Embodiment 1 (Configuration) FIG. 1 is a block diagram showing the configuration of a target automatic classification and identification apparatus according to Embodiment 1 of the present invention. 1-1 to 1-
N is an N number of sensors for receiving a time-series signal input from a target, and is connected to an FFT / phasing process 2 for converting the time-series signal into azimuth and level data in a frequency space. The FFT / phasing processing 2 is connected to the automatic detection / tracking processing 3. The automatic detection / tracking processing 3 is connected to the data integration processing 4. The data integration process 4 is connected to the feature extraction means 5. The feature extraction means 5 is connected to the comparison and collation means 6. The comparing / collating means 6 is connected to a storage means 7 and a mechanism-specific certainty calculating means 8.
【００１５】記憶手段７は、目標Ａ，Ｂ，Ｃ，…からな
る複数の機構別カタログを保存するメモリで構成されて
いる。この機構別カタログの概念を図２に示す。ここに
機構別カタログとは識別しようとする目標別の特徴情報
である目標別カタログには各目標が持つ複数の固有の情
報、例えば複数の固有の音源が含まれており、その音源
が速力に依存するときは、それらを例えば固有の音源毎
に速力別の機構別として分け、速力別の固有の音源同士
を１つの機構別グループとしてまとめたカタログをい
う。従って、記憶手段７には複数の速力別の機構別カタ
ログが格納されている。機構別確信度算出手段８には、
目標選択手段１０が接続され、さらに目標選択手段１０
には、表示手段１１が接続されている。The storage means 7 is constituted by a memory for storing a plurality of catalogs for each mechanism including targets A, B, C,. FIG. 2 shows the concept of the catalog for each mechanism. Here, the target catalog, which is feature information for each target to be distinguished from the target catalog, contains a plurality of unique information possessed by each target, for example, a plurality of unique sound sources. When they depend on each other, they refer to a catalog in which, for example, each sound source is classified as a mechanism according to speed, and the specific sound sources according to speed are grouped into one mechanism group. Therefore, the storage unit 7 stores a plurality of catalogs for each mechanism for each speed. The mechanism-specific certainty calculating means 8 includes:
The target selection means 10 is connected, and the target selection means 10
Is connected to the display means 11.
【００１６】（動作）ＦＦＴ／整相処理２〜特徴抽出手
段５は、従来技術で説明したことと同様の動作をする。
比較照合手段６では、ラインの平均周波数および標準偏
差と、記憶手段７に保存された例えば機構１における速
力別の機構別カタログの周波数および変化幅を従来技術
で説明した方法で比較し、与えられた速力別の機構別カ
タログと同一である確信度を割り当て、その結果を機構
別確信度算出手段８へ送る。さらに、機構２〜機構ｎに
ついてもそれぞれ機構１の場合と同様に速力別の機構別
カタログの周波数および変化幅を従来技術で説明した方
法で比較し、与えられた機構別カタログと同一である確
信度を割り当て、その結果を機構別確信度算出手段８へ
送る。(Operation) The FFT / phasing processing 2 to the feature extracting means 5 perform the same operation as that described in the prior art.
The comparison and collation means 6 compares the average frequency and the standard deviation of the line with the frequency and the change width of the catalog for each mechanism, for example, for the speed in the mechanism 1 stored in the storage means 7 by the method described in the related art, and is given. A certainty factor that is the same as the speed-specific mechanism-specific catalog is assigned, and the result is sent to the mechanism-specific reliability calculating means 8. Further, for the mechanisms 2 to n, as in the case of the mechanism 1, the frequency and the change width of the catalog for each mechanism by speed are compared by the method described in the related art, and it is convinced that they are the same as the given catalog for each mechanism. The degree is assigned and the result is sent to the mechanism-specific certainty calculating means 8.
【００１７】機構別確信度算出手投８では、各機構別に
おける割り当てられて入力された確信度の内、同一機構
のもので、速力のみが異なるものの中で確信度の最大値
を目標別に選び、デンプスター・シェーファーの理論に
基づき、同一機構の中での該目標別最大値を結合し、こ
れを目標別の機構別確信度とする。ここで目標別の機構
別確信度の概念を図３に示す。図３において、目標
（Ａ、Ｂ）である確率は目標ＡとＢは速力が同じである
ときの確信度を意味し、目標Ｃである確率は目標Ｃが目
標Ａ、Ｂとは異なる速力であるときの確信度を意味し、
これを合成することによって目標別の機構別確信度が得
られることを表している。なお、目標Ａ、Ｂ、Ｃでそれ
ぞれ速力が異なるときは、それぞれ確信度は３つあり、
これらを合成するには、最初に２つの確信度を合成し、
その結果と３つ目の確信度を合成する手順で行う。この
ようにして各機構別に得られた目標別の機構別確信度は
機構別確信度結合手段９へ送られる。In the mechanism-specific certainty calculation method 8, the maximum value of the certainty is selected for each target among the certainty of the same mechanism and different only in the speed among the certainties assigned and input for each mechanism. Based on Dempster-Shafer's theory, the target-specific maximum values in the same mechanism are combined, and this is set as the target-specific mechanism-specific certainty. Here, the concept of the mechanism-specific certainty for each goal is shown in FIG. In FIG. 3, the probability of being the target (A, B) means the certainty when the speeds of the targets A and B are the same, and the probability of being the target C means that the speed of the target C is different from the speeds of the targets A and B. It means certainty at a certain time,
This shows that combining these results in obtaining a certainty-based certainty factor for each goal. When the speeds of the targets A, B, and C are different from each other, there are three confidence factors.
To combine them, first combine the two confidences,
The procedure is performed by combining the result and the third certainty factor. The mechanism-specific certainty obtained for each mechanism thus obtained is sent to the mechanism-specific certainty combining means 9.
【００１８】機構別確信度結合手段９では、入力された
各機構に対する目標別の機構別確信度を再び、デンプス
ター・シェーフアーの理論に基づき結合する。ここで２
つの機構別確信度の結合に関する概念図を図４に示す。
図４に示すように、機構１の機構別確信度と機構２の機
構別確信度とが結合され、その結合された結果より各目
標に対する確信度（目標別確信度）を求めることができ
る。この確信度は確信の下限および上限という形式で算
出される。なお、目標別の機構別確信度が３つあり、こ
れらを合成するには、最初に２つの機構別確信度を合成
し、その結果と３つ目の機構別確信度を合成する手順で
行う。このようにして得られた各目標に対する確信度
（目標別確信度）を目標選択手段１０に送る。目標選択
手投１０では、確信度の上位にある目標候補を選択し、
その選択結果を表示手段１１へ送って表示する。The mechanism-specific certainty combining means 9 combines the input target-specific certainty for each mechanism again based on the Dempster-Shafer theory. Where 2
FIG. 4 is a conceptual diagram relating to the combination of the certainty factors for each mechanism.
As shown in FIG. 4, the mechanism-specific certainty of the mechanism 1 and the mechanism-specific certainty of the mechanism 2 are combined, and from the combined result, the certainty for each target (target-specific certainty) can be obtained. This certainty factor is calculated in the form of a lower limit and an upper limit of the certainty. Note that there are three mechanism-specific certainty factors for each goal. To combine these, first, two mechanism-specific certainty factors are synthesized, and the result is combined with a third mechanism-specific certainty factor. . The credibility for each goal (the credibility for each goal) obtained in this way is sent to the goal selection means 10. In the target selection method 10, a target candidate having a higher degree of certainty is selected,
The result of the selection is sent to the display means 11 and displayed.
【００１９】（効果）本発明の実施形態では、記憶手段
７が目標別カタログを機構別カタログに分割し、速力に
依存して周波数が変化する機構の周波数情報を速力別の
データとしてもつことで、誤照合の割合を小さくし、識
別の精度を向上させることが可能になるとともに、１つ
の機構別のカタログで複数の目標に対しての共有が可能
となることで、従来方法の目標別カタログと比較して、
少ないメモリで構築可能であり、照合演算の回数が減じ
られることになる。(Effect) In the embodiment of the present invention, the storage means 7 divides the catalog for each target into the catalog for each mechanism, and has frequency information of the mechanism whose frequency changes depending on the speed as data for each speed. In addition, it is possible to reduce the rate of erroneous collation, improve the accuracy of identification, and to share a plurality of targets with a single catalog for each mechanism. Compared to
It can be constructed with a small amount of memory, and the number of collation operations is reduced.
【００２０】[0020]
【発明の効果】本発明は以上説明したとおり、比較照合
手段が記憶手段に格納された速力別の各機構別カタログ
と同一である目標データとを比較照合して目標データの
機構別カタログに対する確信度の割り当てを行い、機構
別確信度算出手段が比較照合手段より入力された確信度
の内、同一機構のもので、速力のみが異なるものの中で
確信度の最大値を目標値に選び、デンプスター・シェフ
ァーの理論に基づき、同一機構の中での該目標別最大値
を結合し、目標別の機構別確信度を算出し、機構別確信
度結合手段が機構別確信度算出手段から入力された各機
構に対する機構別確信度を再び、デンプスター・シェフ
ァーの理論に基づき結合し、その結合された結果より各
目標に対する確信度を求めるようにし、その記憶手段に
目標別カタログを複数の機構別カタログに分割し、さら
に速力に依存して周波数が変化する機構の周波数情報を
速力別のデータとしたものを格納させるようにしたの
で、誤照合の割合を小さくし、識別の精度を向上させる
ことが可能となるとともに、１つの機構別のカタログで
複数の目標に対してのデータの共有が可能となるため、
従来の目標別カタログを記憶する場合に比べて少ないメ
モリで構築可能となり、照合演算の回数が減じられると
いう効果を有する。As described above, according to the present invention, the comparison / comparison means compares and collates each mechanism-specific catalog stored in the storage means with the same target data, and convinced the target data to the mechanism-specific catalog. The degree of confidence is assigned, and the mechanism-specific certainty calculating means selects the maximum value of the certainty as the target value from among the certainties inputted from the comparison / matching means and having the same mechanism but different speeds. Based on Shepher's theory, the target-specific maximum values in the same mechanism are combined to calculate a mechanism-specific certainty for each target, and the mechanism-specific certainty combining means is input from the mechanism-specific certainty calculating means. The confidences for each mechanism for each mechanism are combined again based on Dempster-Scheffer's theory, the confidence for each goal is obtained from the combined result, and a catalog for each goal is stored in the storage means. Is divided into catalogs for each mechanism, and the frequency information of mechanisms whose frequency changes depending on speed is stored as data for each speed. Can be improved, and data can be shared for multiple targets in one catalog for each organization.
Compared to the conventional case of storing catalogs by targets, it can be constructed with less memory, and has the effect of reducing the number of collation operations.
【図１】本発明の実施形態１に係る目標自動類別識別装
置の構成を示すブロック図である。FIG. 1 is a block diagram illustrating a configuration of a target automatic classification identification device according to a first embodiment of the present invention.
【図２】同装置の機構別カタログの内容を説明するため
の概念図である。FIG. 2 is a conceptual diagram for explaining the contents of a catalog for each mechanism of the apparatus.
【図３】矛盾を含む結合方式を説明するための概念図で
ある。FIG. 3 is a conceptual diagram for explaining a combining method including a contradiction.
【図４】デンプスターの結合規則および目標別確信度の
算出を説明するための概念図である。FIG. 4 is a conceptual diagram for explaining calculation of a Dempster combination rule and a target-based certainty factor.
【図５】従来の目標自動類別方法の構成を示すブロック
図である。FIG. 5 is a block diagram showing a configuration of a conventional target automatic classification method.
【図６】目標別カタログの内容を説明するための概念図
である。FIG. 6 is a conceptual diagram for explaining the contents of a target catalog.
【図７】照合方式を説明するための概念図である。FIG. 7 is a conceptual diagram illustrating a collation method.
【図８】否定を含まない結合方式を説明するための概念
図である。FIG. 8 is a conceptual diagram for explaining a combining method that does not include negation.
６ 比較照合手段 ７ 記憶手段 ８ 機構別確信度算出手段 ９ 機構別確信度結合手段 １０ 目標選択手段 １１ 表示手段 Reference Signs List 6 comparison / comparison means 7 storage means 8 mechanism-specific certainty calculating means 9 mechanism-specific certainty combining means 10 target selecting means 11 display means
───────────────────────────────────────────────────── フロントページの続き (72)発明者 溝田 享 東京都港区虎ノ門１丁目７番12号 沖電気 工業株式会社内 (72)発明者 山下 正人 東京都港区虎ノ門１丁目７番12号 沖電気 工業株式会社内 ──────────────────────────────────────────────────続 き Continuing on the front page (72) Inventor: Satoshi Mizota 1-7-12 Toranomon, Minato-ku, Tokyo Oki Electric Industry Co., Ltd. (72) Inventor Masato Yamashita 1-7-12 Toranomon, Minato-ku, Tokyo Offshore Inside Electric Industry Co., Ltd.
Claims (1)
して目標別に周波数の特徴で類別されている特徴情報で
ある目標別カタログを目標の有する機構毎の機構別カタ
ログに分割するとともに、同一の機構をもっている複数
の目標から１つの機構別カタログを共有できる形態と
し、さらに速力に依存する機構に関しては速力別のカタ
ログともなる複数の機構別カタログを格納した記憶手段
と、 記憶手段に格納された各機構別カタログと同一である目
標データとを比較照合して目標データの機構別カタログ
に対する確信度の割り当てを行う比較照合手段と、 比較照合手段より入力された確信度の内、同一機構のも
ので、速力のみが異なるものの中で確信度の最大値を目
標値に選び、デンプスター・シェファーの理論に基づ
き、同一機構の中での該目標別最大値を結合し、目標別
の機構別確信度を算出する機構別確信度算出手段と、 機構別確信度算出手段から入力された各機構に対する機
構別確信度を再び、デンプスター・シェファーの理論に
基づき結合し、その結合された結果より各目標に対する
確信度を求める機構別確信度結合手段と、 機構別確信度結合手段から入力された各目標に対する確
信度から上位にある目標候補を選択する目標選択手段
と、 目標選択手段によって選択された目標候補を表示する表
示手段と、 を備えたことを特徴とする目標自動類別識別装置。1. A target catalog, which is characteristic information classified into frequency characteristics by target for a plurality of target input signals collected in advance, is divided into mechanism catalogs for each mechanism having a target, and A mechanism that can share one mechanism catalog from a plurality of targets having the above mechanism, and for a mechanism that depends on speed, a storage unit that stores a plurality of mechanism catalogs that are also catalogs by speed; Comparing and collating the target data that is identical with the catalogs for each mechanism, and assigning certainty to the catalog for each mechanism of the target data; and, of the certainties input from the comparing and matching means, of the same mechanism. The maximum value of certainty is selected as the target value among those that differ only in speed, and based on Dempster-Scheffer's theory, A mechanism-specific confidence calculating means for combining the goal-specific maximum values and calculating a mechanism-specific certainty for each goal, and a mechanism-specific certainty for each mechanism input from the mechanism-specific certainty calculating means are again compared to Dempster-Scheffer's A mechanism-based certainty-coupling unit that combines the results based on the theory and obtains the certainty factor for each target from the combined result. An automatic target classification apparatus, comprising: a target selection unit that performs the selection; and a display unit that displays the target candidates selected by the target selection unit.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8154172A JP2840823B2 (en) | 1996-06-14 | 1996-06-14 | Automatic target classification system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP8154172A JP2840823B2 (en) | 1996-06-14 | 1996-06-14 | Automatic target classification system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH102961A true JPH102961A (en) | 1998-01-06 |
| JP2840823B2 JP2840823B2 (en) | 1998-12-24 |
Family
ID=15578415
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP8154172A Expired - Lifetime JP2840823B2 (en) | 1996-06-14 | 1996-06-14 | Automatic target classification system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2840823B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102150189A (en) * | 2008-09-12 | 2011-08-10 | 爱信精机株式会社 | Open-eye or closed-eye determination apparatus, degree of eye openness estimation apparatus and program |
| JP2016057295A (en) * | 2014-09-04 | 2016-04-21 | アイシン精機株式会社 | Detection, recognition and position specification for siren signal source |
| CN106597406A (en) * | 2016-12-02 | 2017-04-26 | 中国船舶重工集团公司第七二四研究所 | Radar target recognition method based on multi-view one-dimensional image decision level fusion |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0511037A (en) * | 1991-07-05 | 1993-01-19 | Oki Electric Ind Co Ltd | Automatic target classifying and identifying method |
-
1996
- 1996-06-14 JP JP8154172A patent/JP2840823B2/en not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0511037A (en) * | 1991-07-05 | 1993-01-19 | Oki Electric Ind Co Ltd | Automatic target classifying and identifying method |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102150189A (en) * | 2008-09-12 | 2011-08-10 | 爱信精机株式会社 | Open-eye or closed-eye determination apparatus, degree of eye openness estimation apparatus and program |
| JP2016057295A (en) * | 2014-09-04 | 2016-04-21 | アイシン精機株式会社 | Detection, recognition and position specification for siren signal source |
| CN106597406A (en) * | 2016-12-02 | 2017-04-26 | 中国船舶重工集团公司第七二四研究所 | Radar target recognition method based on multi-view one-dimensional image decision level fusion |
| CN106597406B (en) * | 2016-12-02 | 2019-03-29 | 中国船舶重工集团公司第七二四研究所 | Based on the radar target identification method as Decision-level fusion one-dimensional under multi-angle of view |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2840823B2 (en) | 1998-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dewi et al. | Robust detection method for improving small traffic sign recognition based on spatial pyramid pooling | |
| US9965719B2 (en) | Subcategory-aware convolutional neural networks for object detection | |
| US9881234B2 (en) | Systems and methods for end-to-end object detection | |
| EP3355244A1 (en) | Data fusion and classification with imbalanced datasets | |
| EP2581758B1 (en) | Methods for resolving radar ambiguities using multiple hypothesis tracking | |
| US5842156A (en) | Multirate multiresolution target tracking | |
| EP0621556A2 (en) | A process for combining the results of several classifiers | |
| JP2977032B2 (en) | Pattern matching apparatus and method in view of distance and direction | |
| US20210150182A1 (en) | Cloud detection from satellite imagery | |
| JPH0355869B2 (en) | ||
| JPH04225188A (en) | Object classification device | |
| Steno et al. | A novel enhanced region proposal network and modified loss function: threat object detection in secure screening using deep learning | |
| JPH0921868A (en) | Automatic target type discrimination device | |
| JP2840823B2 (en) | Automatic target classification system | |
| US6754390B2 (en) | Fusing outputs from multiple detection/classification schemes | |
| Desobry et al. | Support vector-based online detection of abrupt changes | |
| Du et al. | ADOS-CFAR algorithm for multibeam seafloor terrain detection | |
| DK180729B1 (en) | System for processing radar data representing intensity values of received power of reflected radar wave signals | |
| JP2693647B2 (en) | Automatic target classification method | |
| JPH0511037A (en) | Automatic target classifying and identifying method | |
| US7529720B2 (en) | Distributed classification of vertically partitioned data | |
| JPH08115387A (en) | Pattern recognition device | |
| JP2828561B2 (en) | Target separation device | |
| CN113449662B (en) | Dynamic target detection method and device based on multi-frame feature aggregation | |
| JPH08220210A (en) | Automatic target classificational discrimination method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 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 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |