WO2020184141A1 - パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム - Google Patents

パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム Download PDF

Info

Publication number
WO2020184141A1
WO2020184141A1 PCT/JP2020/006855 JP2020006855W WO2020184141A1 WO 2020184141 A1 WO2020184141 A1 WO 2020184141A1 JP 2020006855 W JP2020006855 W JP 2020006855W WO 2020184141 A1 WO2020184141 A1 WO 2020184141A1
Authority
WO
WIPO (PCT)
Prior art keywords
cycle
pulse train
value
constant
candidate
Prior art date
Application number
PCT/JP2020/006855
Other languages
English (en)
French (fr)
Inventor
弘樹 長山
伸悟 加島
谷川　真樹
Original Assignee
日本電信電話株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to US17/425,328 priority Critical patent/US11349634B2/en
Publication of WO2020184141A1 publication Critical patent/WO2020184141A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L7/00—Arrangements for synchronising receiver with transmitter
    • H04L7/0079—Receiver details
    • H04L7/0087—Preprocessing of received signal for synchronisation, e.g. by code conversion, pulse generation or edge detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/027—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values
    • G01R29/0273—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values the pulse characteristic being duration, i.e. width (indicating that frequency of pulses is above or below a certain limit)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/02—Measuring characteristics of individual pulses, e.g. deviation from pulse flatness, rise time or duration
    • G01R29/027—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values
    • G01R29/033—Indicating that a pulse characteristic is either above or below a predetermined value or within or beyond a predetermined range of values giving an indication of the number of times this occurs, i.e. multi-channel analysers (the characteristic being frequency)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention relates to a pulse train signal cycle estimation device, a pulse train signal cycle estimation method, and a pulse train signal cycle estimation program.
  • PRI Pulse Repetition Interval
  • PRI conversion by setting a random noise threshold proportional to the total number of pulses, when the input pulse trains are lined up at regular intervals, it may be a periodic pulse train or part of the random noise. It is possible to determine whether the pulses are accidentally formed at equal intervals and prevent erroneous extraction of non-existent cycles from random noise.
  • a staggered pulse is a periodic pulse train in which a plurality of pulses at short intervals appear at regular intervals.
  • stagger pulses the number of pulses that appear at regular intervals is called the stagger level.
  • the present invention has been made in view of the above, and is a pulse train signal cycle estimation device capable of correctly extracting the pulse train signal cycle even when the stagger level is large, a pulse train signal cycle estimation method, and a pulse train signal cycle estimation method. It is an object of the present invention to provide a period estimation program of a pulse train signal.
  • the pulse train signal cycle estimation device of the present invention is extracted with an extraction unit that extracts a candidate cycle to be cycle-determined from the input time-series pulse train.
  • An analysis unit that quantifies the arrangement of time-series pulse trains based on the candidate period and outputs a constant that adjusts the random noise threshold of PRI conversion according to the index indicating the degree of concentration of the calculated numerical value, and the value and constant of the candidate period. It is characterized by having a detection unit that executes PRI conversion using the device and performs cycle determination and detection of a cycle value.
  • the period of the pulse train signal can be correctly extracted even when the stagger level is large.
  • FIG. 1 is a block diagram showing an example of the configuration of the period estimation device according to the embodiment.
  • FIG. 2 is a diagram illustrating processing by the pulse train shape analysis unit.
  • FIG. 3 is a flowchart showing a processing procedure of the cycle estimation process of the pulse train signal according to the embodiment.
  • FIG. 4 is a diagram showing an example of a computer in which a period estimation device is realized by executing a program.
  • FIG. 1 is a block diagram showing an example of the configuration of the period estimation device according to the embodiment.
  • the cycle estimation device 10 extracts a candidate cycle to be cycle-determined from the input time-series pulse train.
  • the period estimation device 10 determines whether the time-series pulse trains are arranged periodically or randomly before the PRI conversion is performed. Then, the period estimation device 10 reduces the random noise threshold value of the PRI conversion when it is determined that the elements are arranged periodically, and enables extraction of the correct period even when the stagger level is large. ..
  • the period estimation device 10 has a candidate period extraction unit 11 (extraction unit), a pulse train shape analysis unit 12 (analysis unit), and a period detection unit 13 (detection unit).
  • a predetermined program is read into a computer or the like including a ROM (Read Only Memory), a RAM (Random Access Memory), a CPU (Central Processing Unit), etc., and the CPU executes the predetermined program. It is realized by executing.
  • a time series pulse train signal is input to the period estimation device 10.
  • the cycle estimation device 10 estimates the communication cycle of the network device based on the time series pulse train signal.
  • the network device A generates communication at a cycle of about 2400 seconds. Further, the network device A transmits 15 or more packets at short intervals in each cycle. Then, the network device B generates communication at a timing close to random.
  • the cycle estimation device 10 performs periodic analysis on network device A and network device B using the same method and the same parameter settings, correctly estimates the communication cycle of network device A, and aperiodically communicates with network device B. Make an estimate that is considered to be the target.
  • the cycle estimation device 10 does not erroneously extract the cycle from the random communication, it is necessary to set a value of a certain value or more for the threshold value for the original random noise of the PRI conversion.
  • the candidate cycle extraction unit 11 receives the input of the time-series pulse train and extracts the candidate cycle to be the target of the cycle determination from the input time-series pulse train.
  • the cycle estimation device 10 may acquire packet data in the network such as a communication log as a time-series pulse train and convert it into a time-series pulse train of the communication occurrence time.
  • the pulse train shape analysis unit 12 digitizes the arrangement of the time-series pulse trains based on the extracted candidate periods, and outputs a constant C that adjusts the random noise threshold value of the PRI conversion according to the index indicating the degree of concentration of the calculated numerical values. ..
  • FIG. 2 is a diagram illustrating the processing of the pulse train shape analysis unit 12.
  • the value of the candidate period to be determined is ⁇
  • the range of the horizontal axis is 0 to ⁇
  • a histogram of the bin size ⁇ / n (n is an integer of 1 or more) is obtained.
  • the pulse train shape analysis unit 12 divides the input time-series pulse train into the values ⁇ of the candidate period, and replaces them in a histogram in which the values on the horizontal axis are 0 to ⁇ and the bin size is ⁇ / n (FIG. 2). (See (1)).
  • the pulse train shape analysis unit 12 performs a process of reading the value of the pulse position from the histogram and adding the number of appearances of the value of the pulse position to the corresponding bin of the histogram for all the divided input data. That is, the pulse train shape analysis unit 12 reads out the value of the pulse position in the divided data and adds the number of occurrences to the corresponding bin of the prepared histogram (see (2) in FIG. 2). As a result of changing the size of the bin to ⁇ / n, when a plurality of pulses are included in one bin, the pulse train shape analysis unit 12 adds all the number of pulses contained in the bin to the histogram. To do.
  • the pulse train shape analysis unit 12 calculates an index indicating the degree of concentration of the fully divided data after the addition to the histogram is completed.
  • the hoover index is used as an index showing the degree of urban population concentration.
  • the value of hoover index is an index that takes a value closer to 0 when the appearance frequency of each value in the histogram becomes closer to uniform, and takes a value closer to 1 as the appearance frequency concentrates on one value.
  • the pulse train shape analysis unit 12 calculates the value (HI) of the hoover index using the equation (1).
  • x i is the number of occurrences of the i-th value in the histogram divided by the total number of appearances of each value in the histogram.
  • n is an integer of 1 or more.
  • the pulse train shape analysis unit 12 determines that the pulses are arranged periodically, and outputs a constant C for reducing the value of the random noise threshold value of the PRI conversion.
  • This threshold is set arbitrarily.
  • the constant C is a value from 0 to 1.
  • the pulse train shape analysis unit 12 has a H. I. When is less than or equal to a certain value (for example, 0.3), 1 to H. I. Let C be the value obtained by subtracting. On the other hand, H. I. When is equal to or greater than a predetermined threshold value, the pulse train shape analysis unit 12 does not output the constant C.
  • the cycle detection unit 13 executes PRI conversion using the value of the candidate cycle and the constant C, determines the cycle, and detects the value of the cycle. At this time, when the constant C is output from the pulse train shape analysis unit 12, the period detection unit 13 sets the value obtained by multiplying the constant C by the random noise threshold value of the PRI conversion as a new random noise threshold value.
  • FIG. 3 is a flowchart showing a processing procedure of the cycle estimation process of the pulse train signal according to the embodiment.
  • the candidate cycle extraction unit 11 receives the input of the time-series pulse train (step S1), and extracts the candidate cycle ⁇ to be the target of the cycle determination from the input time-series pulse train (step S2).
  • the pulse train shape analysis unit 12 divides the input time series pulse train by the value ⁇ of the candidate period (step S3).
  • the pulse train shape analysis unit 12 changes the range of the horizontal axis of the divided data from 0 to ⁇ (step S4).
  • the pulse train shape analysis unit 12 changes the size of the divided data bin to ⁇ / n (step S5). Then, the pulse train shape analysis unit 12 adds the number of appearances of the values of each data to the histogram (step S6).
  • the pulse train shape analysis unit 12 calculates the hoover index value (HI) for all the divided data using the equation (1) (step S7). Then, the pulse train shape analysis unit 12 has a H. I. Is exceeded the threshold value (step S8).
  • the pulse train shape analysis unit 12 has a H. I. When exceeds the threshold value (step S8: Yes), the constant C is output (step S9).
  • the period detection unit 13 sets a value obtained by multiplying the constant C output from the pulse train shape analysis unit 12 by the random noise threshold value of the PRI conversion as a new random noise threshold value (step S10).
  • step S8 Does not exceed the threshold value (step S8: No) or after the end of step S10, the cycle detection unit 13 executes PRI conversion (step S11), determines the cycle, and detects the value of the cycle. Then, the cycle detection unit 13 outputs the cycle estimation result (step S12), and ends the process.
  • the cycle estimation device 10 extracts a candidate cycle to be cycle-determined from the time-series pulse train. Further, the cycle estimation device 10 digitizes the arrangement of the time-series pulse trains based on the extracted candidate cycles, and outputs a constant that adjusts the random noise threshold value of the PRI conversion according to the index indicating the degree of concentration of the calculated numerical values. .. Further, the cycle estimation device 10 executes PRI conversion using the value and the constant of the candidate cycle, and performs the cycle determination and the detection of the cycle value.
  • the period estimation device 10 adjusts the random noise threshold value and executes the PRI conversion by using the constant output according to the concentration of the numerical values obtained by quantifying the arrangement of the time series pulse trains, so that the stagger level is increased. Even if it is large, the period of the pulse train signal of PRI conversion can be extracted correctly.
  • the period estimation device 10 divides the time-series pulse train for each candidate period value ⁇ , repositions the time-series pulse train in a histogram in which the value on the horizontal axis is 0 to ⁇ and the bin size ⁇ / n, and the pulse position from the histogram The process of reading out the value of and adding the number of occurrences of the value of the pulse position to the corresponding bin of the histogram is performed on all the divided input data. By performing such processing, the period estimation device 10 can appropriately add the fully divided data to the histogram.
  • the period estimation device 10 calculates the value of the hoover index as an index indicating the degree of concentration, and outputs the constant C when the value of the hoover index exceeds a predetermined threshold value. Therefore, when the value of the hoover index exceeds a predetermined threshold value, the cycle estimation device 10 determines that the pulses are aligned in the cycle, outputs a constant C for adjusting the random noise threshold value of the PRI conversion, and outputs the PRI. It is possible to adjust the random noise threshold of the conversion.
  • this constant C is a constant for reducing the random noise threshold of PRI conversion. Therefore, when the constant C is output, the period estimation device 10 reduces the value of the random noise threshold value by multiplying the constant C by the random noise threshold value of the PRI conversion and setting it as a new random noise threshold value. Can be done.
  • the period estimation device 10 determines whether the input time-series pulse trains are arranged periodically or randomly before the PRI conversion is performed. Then, the period estimation device 10 reduces the random noise threshold value of the PRI conversion when it is determined that the elements are arranged periodically, and enables extraction of the correct period even when the stagger level is large. ..
  • each component of each of the illustrated devices is a functional concept and does not necessarily have to be physically configured as shown in the figure. That is, the specific form of distribution / integration of each device is not limited to the one shown in the figure, and all or part of the device is functionally or physically distributed in arbitrary units according to various loads and usage conditions. It can be integrated and configured. Further, each processing function performed by each device may be realized by a CPU and a program analyzed and executed by the CPU, or may be realized as hardware by wired logic.
  • FIG. 4 is a diagram showing an example of a computer in which the period estimation device 10 is realized by executing a program.
  • the computer 1000 has, for example, a memory 1010 and a CPU 1020.
  • the computer 1000 also has a hard disk drive interface 1030, a disk drive interface 1040, a serial port interface 1050, a video adapter 1060, and a network interface 1070. Each of these parts is connected by a bus 1080.
  • Memory 1010 includes ROM 1011 and RAM 1012.
  • the ROM 1011 stores, for example, a boot program such as a BIOS (Basic Input Output System).
  • BIOS Basic Input Output System
  • the hard disk drive interface 1030 is connected to the hard disk drive 1090.
  • the disk drive interface 1040 is connected to the disk drive 1100.
  • a removable storage medium such as a magnetic disk or an optical disk is inserted into the disk drive 1100.
  • the serial port interface 1050 is connected to, for example, a mouse 1110 and a keyboard 1120.
  • the video adapter 1060 is connected to, for example, the display 1130.
  • the hard disk drive 1090 stores, for example, an OS (Operating System) 1091, an application program 1092, a program module 1093, and program data 1094. That is, the program that defines each process of the cycle estimation device 10 is implemented as a program module 1093 in which a code that can be executed by a computer is described.
  • the program module 1093 is stored in, for example, the hard disk drive 1090.
  • a program module 1093 for executing a process similar to the functional configuration in the cycle estimation device 10 is stored in the hard disk drive 1090.
  • the hard disk drive 1090 may be replaced by an SSD (Solid State Drive).
  • the setting data used in the processing of the above-described embodiment is stored as program data 1094 in, for example, a memory 1010 or a hard disk drive 1090. Then, the CPU 1020 reads the program module 1093 and the program data 1094 stored in the memory 1010 and the hard disk drive 1090 into the RAM 1012 and executes them as needed.
  • the program module 1093 and the program data 1094 are not limited to those stored in the hard disk drive 1090, but may be stored in, for example, a removable storage medium and read by the CPU 1020 via the disk drive 1100 or the like. Alternatively, the program module 1093 and the program data 1094 may be stored in another computer connected via a network (LAN, WAN (Wide Area Network), etc.). Then, the program module 1093 and the program data 1094 may be read by the CPU 1020 from another computer via the network interface 1070.
  • LAN Local Area Network
  • WAN Wide Area Network

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computational Mathematics (AREA)
  • Signal Processing (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Complex Calculations (AREA)
  • Manipulation Of Pulses (AREA)

Abstract

周期推定装置（１０）は、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する候補周期抽出部（１１）と、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse　Repetition　Interval）変換のランダムノイズ閾値を調整する定数を出力するパルス列形状分析部（１２）と、候補周期の値及び定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う周期検出部（１３）と、を有する。

Description

パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム
　本発明は、パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムに関する。
　パルス列信号の周期を推定する代表的な手法として、自己相関に類似した変換を行うＰＲＩ（Pulse　Repetition　Interval）変換などの手法が存在する。ＰＲＩ変換では、総パルス数に比例するランダムノイズ閾値を設定することによって、入力されたパルス列が一定の間隔で並んでいた場合に、それが周期的なパルス列であるのか、ランダムノイズの一部が偶発的に等間隔パルスを形成したのかを判定し、ランダムノイズから実在しない周期を誤抽出することを防止できる。
KEN’ICHI，N．et　al：Improved　Algorithm　for　Estimating　Pulse　Repetition　Intervals，　IEEE　Transactions　on　Aerospace　and　Electronic　Systems，Volume　36　issue　2，　Apr　2000，　Page　407-421
　周期パルス列の形状として、スタッガーパルスと呼ばれる形状がある。スタッガーパルスとは、一定周期ごとに短間隔の複数のパルスが出現する周期パルス列である。スタッガーパルスにおいて、一定周期ごとに登場するパルス数をスタッガーレベルと呼称する。
　既存手法では、スタッガーレベルが小さい場合には正しく周期を推定することが可能である一方、スタッガーレベルが増大するごとに周期抽出が困難になるという問題がある。これは、ＰＲＩ変換のランダムノイズ閾値が、パルスの並び方によらず単純にパルス数に比例して増大するため、スタッガーレベルの増大とともに閾値も増大してしまうためである。したがって、スタッガーレベルが大きい場合であっても、周期を正しく抽出することが望まれる。
　本発明は、上記に鑑みてなされたものであって、スタッガーレベルが大きい場合であっても、パルス列信号の周期を正しく抽出することができるパルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムを提供することを目的とする。
　上述した課題を解決し、目的を達成するために、本発明のパルス列信号の周期推定装置は、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する抽出部と、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ変換のランダムノイズ閾値を調整する定数を出力する分析部と、候補周期の値及び定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う検出部と、を有することを特徴とする。
　本発明によれば、スタッガーレベルが大きい場合であっても、パルス列信号の周期を正しく抽出することができる。
図１は、実施の形態に係る周期推定装置の構成の一例を示すブロック図である。 図２は、パルス列形状分析部の処理を説明する図である。 図３は、実施の形態に係るパルス列信号の周期推定処理の処理手順を示すフローチャートである。 図４は、プログラムが実行されることにより、周期推定装置が実現されるコンピュータの一例を示す図である。
　以下、図面に基づいて、本願の開示するパルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムの実施の形態を詳細に説明する。なお、この実施の形態により本願に係るパルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラムが限定されるものではない。
［実施の形態］
　以下の実施の形態では、実施の形態に係る周期推定装置１０の構成、周期推定装置１０の処理の流れを順に説明し、最後に実施の形態による効果を説明する。
［周期推定装置の構成］
　まず、図１を用いて、周期推定装置１０の構成を説明する。図１は、実施の形態に係る周期推定装置の構成の一例を示すブロック図である。本実施の形態に係る周期推定装置１０は、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する。周期推定装置１０は、ＰＲＩ変換を実施する前に、時系列パルス列が周期的に並んでいるのか、または、ランダムに並んでいるのかを判定する。そして、周期推定装置１０は、周期的に並んでいると判定された場合に、ＰＲＩ変換のランダムノイズ閾値を減少させて、スタッガーレベルが大きい場合であっても、正しい周期の抽出を可能にする。
　図１に示すように、周期推定装置１０は、候補周期抽出部１１（抽出部）と、パルス列形状分析部１２（分析部）と、周期検出部１３（検出部）とを有する。なお、周期推定装置１０は、例えば、ＲＯＭ（Read　Only　Memory）、ＲＡＭ（Random　Access　Memory）、ＣＰＵ（Central　Processing　Unit）等を含むコンピュータ等に所定のプログラムが読み込まれて、ＣＰＵが所定のプログラムを実行することで実現される。
　また、図１に示すように、周期推定装置１０には時系列パルス列信号が入力される。例えば、周期推定装置１０は、時系列パルス列信号を基に、ネットワーク機器の通信周期を推定する。
　本実施の形態で想定する実施場面の一例として以下がある。ネットワーク機器Ａは、約２４００秒の周期毎に通信を発生させる。また、ネットワーク機器Ａは、１周期ごとに短間隔で１５個以上のパケットを送信する。そして、ネットワーク機器Ｂは、ランダムに近いタイミングで通信を発生させる。周期推定装置１０は、ネットワーク機器Ａとネットワーク機器Ｂに対し、同じ方法及び同じパラメータ設定を用いて周期分析を実施し、ネットワーク機器Ａの通信周期を正しく推定し、ネットワーク機器Ｂの通信を非周期的とみなす推定を行う。ここで、周期推定装置１０は、ランダムな通信から周期を誤抽出しないため、ＰＲＩ変換の元々のランダムノイズに対する閾値は、一定以上の値を設定する必要がある。
　候補周期抽出部１１は、時系列パルス列の入力を受け付け、入力された時系列パルス列から周期判定の対象となる候補周期を抽出する。なお、周期推定装置１０は、例えば、時系列パルス列として、通信ログ等の、ネットワークにおけるパケットデータを取得して、通信発生時刻の時系列パルス列に変換してもよい。
　パルス列形状分析部１２は、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ変換のランダムノイズ閾値を調整する定数Ｃを出力する。
　図２は、パルス列形状分析部１２の処理を説明する図である。まず、図２に示すように、判定対象となる候補周期の値をτとし、横軸の範囲が０からτであり、ビンの大きさτ／ｎ（ｎは１以上の整数）のヒストグラムを考える。
　パルス列形状分析部１２は、入力された時系列パルス列を候補周期の値τごとに分割し、横軸の値が０からτでありビンの大きさτ／ｎであるヒストグラムに置き直す（図２の（１）参照）。
　そして、パルス列形状分析部１２は、ヒストグラムからパルス位置の値を読み出してパルス位置の値の出現回数をヒストグラムの対応するビンに加算する処理を、分割した全入力データに対して実施する。すなわち、パルス列形状分析部１２は、分割後のデータ内のパルス位置の値を読み出し、出現回数を、用意したヒストグラムの対応するビンに加算していく（図２の（２）参照）。ビンの大きさをτ／ｎに変更した結果、１つのビンの中に複数のパルスが含まれる場合には、パルス列形状分析部１２は、ビンの中に含まれるパルスの数を全てヒストグラムに加算する。
　そして、パルス列形状分析部１２は、全分割データについて、ヒストグラムへの加算が終了した後、集中度を表す指標を計算する。集中度を表す指標として、hoover　indexの値を計算する。hoover　indexは、都市人口集中の度合いを表す指標として用いられる。hoover　indexの値は、ヒストグラム内の各値の出現頻度が均一に近くなるほど場合に０に近い値をとり、１つの値に出現頻度が集中するほど１に近い値をとる指標である。パルス列形状分析部１２は、hoover　indexの値（Ｈ．Ｉ．）を、式（１）を用いて計算する。
Figure JPOXMLDOC01-appb-M000001
　式（１）において、ｘｉは、ヒストグラムのｉ番目の値の出現数を、ヒストグラムの各値の出現数の合計値で割ったものである。ｎは、前述したように、１以上の整数である。
　Ｈ．Ｉ．が所定の閾値を超える場合、パルス列形状分析部１２は、パルスが周期的に並んでいると判定し、ＰＲＩ変換のランダムノイズ閾値の値を減少させるための定数Ｃを出力する。この閾値は、任意に設定される。定数Ｃは、０から１の値である。具体的には、パルス列形状分析部１２は、Ｈ．Ｉ．が一定値（例えば、０．３）以下である場合、１からＨ．Ｉ．を減じた値をＣとする。これに対し、Ｈ．Ｉ．が所定の閾値以上の場合、パルス列形状分析部１２は、定数Ｃを出力しない。
　周期検出部１３は、候補周期の値及び定数Ｃを用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う。この際、周期検出部１３は、パルス列形状分析部１２から定数Ｃが出力された場合、定数ＣをＰＲＩ変換のランダムノイズ閾値に乗じた値を、新たなランダムノイズ閾値とする。
［パルス列信号の周期推定処理の処理手順］
　次に、実施の形態に係るパルス列信号の周期推定処理の処理手順について説明する。図３は、実施の形態に係るパルス列信号の周期推定処理の処理手順を示すフローチャートである。
　図３に示すように、候補周期抽出部１１は、時系列パルス列の入力を受け付け（ステップＳ１）、入力された時系列パルス列から周期判定の対象となる候補周期τを抽出する（ステップＳ２）。
　パルス列形状分析部１２は、入力された時系列パルス列を候補周期の値τごとに分割する（ステップＳ３）。パルス列形状分析部１２は、分割したデータの横軸の範囲を０からτに変更する（ステップＳ４）。パルス列形状分析部１２は、分割したデータのビンの大きさをτ／ｎに変更する（ステップＳ５）。そして、パルス列形状分析部１２は、各データの値の出現回数をヒストグラムに加算する（ステップＳ６）。
　パルス列形状分析部１２は、全分割データについて、hoover　indexの値（Ｈ．Ｉ．）を、式（１）を用いて計算する（ステップＳ７）。そして、パルス列形状分析部１２は、Ｈ．Ｉ．が閾値を超えているか判定する（ステップＳ８）。
　パルス列形状分析部１２は、Ｈ．Ｉ．が閾値を超えている場合（ステップＳ８：Ｙｅｓ）、定数Ｃを出力する（ステップＳ９）。周期検出部１３は、パルス列形状分析部１２から出力された定数ＣをＰＲＩ変換のランダムノイズ閾値に乗じた値を、新たなランダムノイズ閾値とする（ステップＳ１０）。
　Ｈ．Ｉ．が閾値を超えていない場合（ステップＳ８：Ｎｏ）またはステップＳ１０終了後、周期検出部１３は、ＰＲＩ変換を実行し（ステップＳ１１）、周期判定及び周期の値の検出を行う。そして、周期検出部１３は、周期推定結果を出力して（ステップＳ１２）、処理を終了する。
［実施の形態の効果］
　このように、周期推定装置１０は、時系列パルス列から周期判定の対象となる候補周期を抽出する。また、周期推定装置１０は、抽出された候補周期を基に時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ変換のランダムノイズ閾値を調整する定数を出力する。また、周期推定装置１０は、候補周期の値及び定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う。この結果、周期推定装置１０は、時系列パルス列の並び方を数値化した数値の集中度に応じて出力される定数を用いて、ランダムノイズ閾値を調整し、ＰＲＩ変換を実行するため、スタッガーレベルが大きい場合であっても、ＰＲＩ変換のパルス列信号の周期を正しく抽出できる。
　また、周期推定装置１０は、時系列パルス列を候補周期の値τごとに分割し、横軸の値が０からτでありビンの大きさτ／ｎであるヒストグラムに置き直し、ヒストグラムからパルス位置の値を読み出してパルス位置の値の出現回数をヒストグラムの対応するビンに加算する処理を、分割した全入力データに対して実施する。このような処理を行うことによって、周期推定装置１０は、全分割データについて、ヒストグラムへの加算を適切に行うことできる。
　そして、周期推定装置１０は、集中度を表す指標としてhoover　indexの値を計算し、hoover　indexの値が所定の閾値を超える場合に定数Ｃを出力する。したがって、周期推定装置１０は、hoover　indexの値が所定の閾値を超える場合には、パルスが周期に並んでいると判定し、ＰＲＩ変換のランダムノイズ閾値を調整する定数Ｃを出力して、ＰＲＩ変換のランダムノイズ閾値の調整を可能としている。
　そして、この定数Ｃは、ＰＲＩ変換のランダムノイズ閾値の減少用の定数である。このため、周期推定装置１０は、定数Ｃが出力された場合、定数ＣをＰＲＩ変換のランダムノイズ閾値に乗じた値を新たなランダムノイズ閾値とすることによって、ランダムノイズ閾値の値を減少させることができる。
　すなわち、周期推定装置１０は、ＰＲＩ変換を実施する前に、入力された時系列パルス列が周期的に並んでいるのか、または、ランダムに並んでいるのかを判定する。そして、周期推定装置１０は、周期的に並んでいると判定された場合に、ＰＲＩ変換のランダムノイズ閾値を減少させて、スタッガーレベルが大きい場合であっても、正しい周期の抽出を可能にする。
［システム構成等］
　図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。さらに、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現され得る。
　また、本実施の形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部又は一部を手動的に行なうこともでき、あるいは、手動的に行なわれるものとして説明した処理の全部又は一部を公知の方法で自動的に行なうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。
［プログラム］
　図４は、プログラムが実行されることにより、周期推定装置１０が実現されるコンピュータの一例を示す図である。コンピュータ１０００は、例えば、メモリ１０１０、ＣＰＵ１０２０を有する。また、コンピュータ１０００は、ハードディスクドライブインタフェース１０３０、ディスクドライブインタフェース１０４０、シリアルポートインタフェース１０５０、ビデオアダプタ１０６０、ネットワークインタフェース１０７０を有する。これらの各部は、バス１０８０によって接続される。
　メモリ１０１０は、ＲＯＭ１０１１及びＲＡＭ１０１２を含む。ＲＯＭ１０１１は、例えば、ＢＩＯＳ（Basic　Input　Output　System）等のブートプログラムを記憶する。ハードディスクドライブインタフェース１０３０は、ハードディスクドライブ１０９０に接続される。ディスクドライブインタフェース１０４０は、ディスクドライブ１１００に接続される。例えば磁気ディスクや光ディスク等の着脱可能な記憶媒体が、ディスクドライブ１１００に挿入される。シリアルポートインタフェース１０５０は、例えばマウス１１１０、キーボード１１２０に接続される。ビデオアダプタ１０６０は、例えばディスプレイ１１３０に接続される。
　ハードディスクドライブ１０９０は、例えば、ＯＳ（Operating　System）１０９１、アプリケーションプログラム１０９２、プログラムモジュール１０９３、プログラムデータ１０９４を記憶する。すなわち、周期推定装置１０の各処理を規定するプログラムは、コンピュータにより実行可能なコードが記述されたプログラムモジュール１０９３として実装される。プログラムモジュール１０９３は、例えばハードディスクドライブ１０９０に記憶される。例えば、周期推定装置１０における機能構成と同様の処理を実行するためのプログラムモジュール１０９３が、ハードディスクドライブ１０９０に記憶される。なお、ハードディスクドライブ１０９０は、ＳＳＤ（Solid　State　Drive）により代替されてもよい。
　また、上述した実施形態の処理で用いられる設定データは、プログラムデータ１０９４として、例えばメモリ１０１０やハードディスクドライブ１０９０に記憶される。そして、ＣＰＵ１０２０が、メモリ１０１０やハードディスクドライブ１０９０に記憶されたプログラムモジュール１０９３やプログラムデータ１０９４を必要に応じてＲＡＭ１０１２に読み出して実行する。
　なお、プログラムモジュール１０９３やプログラムデータ１０９４は、ハードディスクドライブ１０９０に記憶される場合に限らず、例えば着脱可能な記憶媒体に記憶され、ディスクドライブ１１００等を介してＣＰＵ１０２０によって読み出されてもよい。あるいは、プログラムモジュール１０９３及びプログラムデータ１０９４は、ネットワーク（ＬＡＮ、ＷＡＮ（Wide　Area　Network）等）を介して接続された他のコンピュータに記憶されてもよい。そして、プログラムモジュール１０９３及びプログラムデータ１０９４は、他のコンピュータから、ネットワークインタフェース１０７０を介してＣＰＵ１０２０によって読み出されてもよい。
　以上、本発明者によってなされた発明を適用した実施形態について説明したが、本実施形態による本発明の開示の一部をなす記述及び図面により本発明は限定されることはない。すなわち、本実施形態に基づいて当業者等によりなされる他の実施形態、実施例及び運用技術等は全て本発明の範疇に含まれる。
　１０　周期推定装置
　１１　候補周期抽出部
　１２　パルス列形状分析部
　１３　周期検出部

Claims (6)

  1. 　入力された時系列パルス列から周期判定の対象となる候補周期を抽出する抽出部と、
    　抽出された候補周期を基に前記時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse　Repetition　Interval）変換のランダムノイズ閾値を調整する定数を出力する分析部と、
    　前記候補周期の値及び前記定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う検出部と、
    　を有することを特徴とするパルス列信号の周期推定装置。
  2. 　前記分析部は、前記時系列パルス列を前記候補周期の値τごとに分割し、横軸の値が０からτでありビンの大きさτ／ｎ（ｎは１以上の整数）であるヒストグラムに置き直し、前記ヒストグラムからパルス位置の値を読み出して前記パルス位置の値の出現回数をヒストグラムの対応するビンに加算する処理を、分割した全入力データに対して実施することを特徴とする請求項１に記載のパルス列信号の周期推定装置。
  3. 　前記分析部は、前記集中度を表す指標として、hoover　indexの値を計算し、該hoover　indexの値が所定の閾値を超える場合に、前記定数を出力することを特徴とする請求項１または２に記載のパルス列信号の周期推定装置。
  4. 　前記定数は、前記ＰＲＩ変換のランダムノイズ閾値の減少用の定数であり、
    　前記検出部は、前記分析部から前記定数が出力された場合、前記定数をＰＲＩ変換のランダムノイズ閾値に乗じた値を、新たなランダムノイズ閾値とすることを特徴とする請求項１～３のいずれか一つに記載のパルス列信号の周期推定装置。
  5. 　パルス列信号の周期推定装置が実行するパルス列信号の周期推定方法であって、
    　入力された時系列パルス列から周期判定の対象となる候補周期を抽出する工程と、
    　抽出された候補周期を基に前記時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse　Repetition　Interval）変換のランダムノイズ閾値を調整する定数を出力する工程と、
    　前記候補周期の値及び前記定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行う工程と、
    　を含んだことを特徴とするパルス列信号の周期推定方法。
  6. 　入力された時系列パルス列から周期判定の対象となる候補周期を抽出するステップと、
    　抽出された候補周期を基に前記時系列パルス列の並び方を数値化し、算出した数値の集中度を表す指標に応じてＰＲＩ（Pulse　Repetition　Interval）変換のランダムノイズ閾値を調整する定数を出力するステップと、
    　前記候補周期の値及び前記定数を用いてＰＲＩ変換を実行し、周期判定及び周期の値の検出を行うステップと、
    　をコンピュータに実行させることを特徴とするパルス列信号の周期推定プログラム。
     
PCT/JP2020/006855 2019-03-08 2020-02-20 パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム WO2020184141A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US17/425,328 US11349634B2 (en) 2019-03-08 2020-02-20 Cycle estimation device for pulse train signal, cycle estimation method for pulse train signal, and cycle estimation program for pulse train signal

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-043210 2019-03-08
JP2019043210A JP7151561B2 (ja) 2019-03-08 2019-03-08 パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム

Publications (1)

Publication Number Publication Date
WO2020184141A1 true WO2020184141A1 (ja) 2020-09-17

Family

ID=72354745

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/006855 WO2020184141A1 (ja) 2019-03-08 2020-02-20 パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム

Country Status (3)

Country Link
US (1) US11349634B2 (ja)
JP (1) JP7151561B2 (ja)
WO (1) WO2020184141A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7031573B2 (ja) * 2018-12-13 2022-03-08 日本電信電話株式会社 推定装置、推定方法および推定プログラム

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011119899A (ja) * 2009-12-02 2011-06-16 Mitsubishi Electric Corp 通信解析システム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6013583B2 (ja) * 1977-09-29 1985-04-08 松下電器産業株式会社 Ｄ−ａ変換装置
US4400695A (en) * 1977-10-07 1983-08-23 The United States Of America As Represented By The Secretary Of The Army Electronic intruder detection system
US20080192864A1 (en) * 2005-10-24 2008-08-14 Mitsubishi Electric Information Technology Centre Europe B.V. Analysis of trains of pulses
KR101075516B1 (ko) * 2011-05-20 2011-10-21 국방과학연구소 펄스반복주기 변조형태 인식방법 및 이를 적용하는 인식장치
GB2537113B (en) * 2015-04-01 2018-05-23 High Voltage Partial Discharge Ltd Apparatus and method for monitoring partial discharge

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011119899A (ja) * 2009-12-02 2011-06-16 Mitsubishi Electric Corp 通信解析システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
NISHIGUCHI, KEN'ICHI ET AL.: "Improved Algorithm for Estimating Pulse Repetition Intervals", IEEE TRANSACTION ON AEROSPACE AND ELECTRONIC SYSTEMS, vol. 36, no. 2, April 2000 (2000-04-01), pages 407 - 421, XP055077013, Retrieved from the Internet <URL:https://ieeexplore.ieee.org/document/845217> [retrieved on 20200515], DOI: 10.1109/7.845217 *

Also Published As

Publication number Publication date
JP7151561B2 (ja) 2022-10-12
US11349634B2 (en) 2022-05-31
JP2020144822A (ja) 2020-09-10
US20220103336A1 (en) 2022-03-31

Similar Documents

Publication Publication Date Title
EP2081326A1 (en) Statistical processing apparatus capable of reducing storage space for storing statistical occurence frequency data and a processing method therefor
JP2001352350A (ja) 連続ビットストリームの統計的アイダイアグラムによる測定装置及び方法
EP3576093A1 (en) Method and system for clinical effectiveness evaluation of artificial intelligence based medical device
US20210097210A1 (en) Unauthorized connection detection apparatus, unauthorized connection detection method, and non-transitory computer-readable medium
WO2020184141A1 (ja) パルス列信号の周期推定装置、パルス列信号の周期推定方法およびパルス列信号の周期推定プログラム
CN106850511B (zh) 识别访问攻击的方法及装置
CN112818766A (zh) 一种基于计算机视觉的高空抛物检测警报方法及系统
CN110751045B (zh) 故障录波方法、系统及终端设备
WO2019161768A1 (zh) 异常流量检测
US20220128607A1 (en) Pulse train signal cycle estimation device, pulse train signal cycle estimation method, and pulse train signal cycle estimation program
CN109507645B (zh) 一种脉冲描述字的提取方法及装置
CN110443035A (zh) 对用于识别入侵尝试的系统进行校准的方法和设备
CN111563078A (zh) 基于时序数据的数据质量检测方法、检测装置及存储装置
CN111340349B (zh) 产品可靠性评估方法、装置、计算机设备和存储介质
KR101644740B1 (ko) 데이터 품질 평가 방법 및 시스템
JP6295850B2 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN113608190A (zh) 基于奇异空间三特征的海面目标检测方法及系统
US7676779B2 (en) Logic block timing estimation using conesize
WO2022153415A1 (ja) 改竄検知装置、改竄検知方法および改竄検知プログラム
CN111461438B (zh) 一种信号检测方法、装置、电子设备和存储介质
JP7302660B2 (ja) 学習装置、検知システム、学習方法及び学習プログラム
CN109842586B (zh) 异常网络流量检测方法、装置和存储介质
US20230334361A1 (en) Training device, training method, and training program
CN111241475B (zh) 功耗分类处理方法、装置、存储介质以及处理器
CN114915491B (zh) 一种网络终端安全状态的评估方法、装置及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20771067

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20771067

Country of ref document: EP

Kind code of ref document: A1