図面 (/)

技術 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

出願人 日本電信電話株式会社
発明者 長山弘樹加島伸悟谷川真樹
出願日 2019年3月8日 (1年11ヶ月経過) 出願番号 2019-043210
公開日 2020年9月10日 (5ヶ月経過) 公開番号 2020-144822
状態 未査定
技術分野 複合演算
主要キーワード 間隔パルス 周期判定 総パルス数 形状分析 周期パルス 周期検出 パルス列信号 スタッガ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年9月10日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (5)

課題

スタッガーレベルが大きい場合であっても、パルス列信号周期を正しく抽出することができる。

解決手段

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。

概要

背景

パルス列信号周期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。

概要

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。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。

目的

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

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項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数値化し、算出した数値の集中度を表す指標に応じてPRI(PulseRepetitionInterval)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

請求項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。

請求項3

前記分析部は、前記集中度を表す指標として、hooverindexの値を計算し、該hooverindex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。

請求項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。

請求項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(PulseRepetitionInterval)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。

請求項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(PulseRepetitionInterval)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

技術分野

0001

本発明は、パルス列信号周期推定装置、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。

背景技術

0002

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。

先行技術

0003

KEN’ICHI,N.et al:Improved Algorithm for Estimating Pulse Repetition Intervals,IEEE Transactions onAerospace and Electronic Systems,Volume 36 issue 2, Apr 2000, Page 407-421

発明が解決しようとする課題

0004

周期パルス列の形状として、スタッガ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呼称する。

0005

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。

0006

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。

課題を解決するための手段

0007

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。

発明の効果

0008

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。

図面の簡単な説明

0009

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。

実施例

0010

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。

0011

[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。

0012

[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。

0013

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。

0014

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、ネットワーク機器通信周期を推定する。

0015

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。

0016

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。

0017

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。

0018

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。

0019

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)。

0020

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。

0021

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。

0022

0023

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。

0024

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。

0025

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。

0026

[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。

0027

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)。

0028

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)。

0029

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)。

0030

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)。

0031

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。

0032

[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。

0033

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。

0034

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。

0035

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。

0036

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。

0037

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。

0038

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。

0039

[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。

0040

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。

0041

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。

0042

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。

0043

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。

0044

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。

0045

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

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い技術

関連性が強い 技術一覧

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ