JP3159306B2 - 航走体船種識別装置及びその方法 - Google Patents
航走体船種識別装置及びその方法Info
- Publication number
- JP3159306B2 JP3159306B2 JP35874598A JP35874598A JP3159306B2 JP 3159306 B2 JP3159306 B2 JP 3159306B2 JP 35874598 A JP35874598 A JP 35874598A JP 35874598 A JP35874598 A JP 35874598A JP 3159306 B2 JP3159306 B2 JP 3159306B2
- Authority
- JP
- Japan
- Prior art keywords
- energy
- predetermined frequency
- acoustic signal
- hull
- type
- 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.)
- Expired - Lifetime
Links
Landscapes
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、航走体が発生させ
た水中（海中を含む）を伝わる船体音響信号からその航
走体特有の雑音信号についての特徴を内包する符号化信
号の符号列に変換し、この符号列の符号化信号を誤差逆
伝播学習による多層構造のニューラルネットワークの入
力データとしてニューラルネットワーク演算処理をする
ことにより、航走体の船種を自動識別するようにした航
走体船種識別装置及びその方法に関するものである。
た水中（海中を含む）を伝わる船体音響信号からその航
走体特有の雑音信号についての特徴を内包する符号化信
号の符号列に変換し、この符号列の符号化信号を誤差逆
伝播学習による多層構造のニューラルネットワークの入
力データとしてニューラルネットワーク演算処理をする
ことにより、航走体の船種を自動識別するようにした航
走体船種識別装置及びその方法に関するものである。
【０００２】
【従来の技術】水上或いは水中を航行する船体の雑音源
は、機械雑音、プロペラ雑音そして流体力学的雑音から
なっている。例えば図１２は船体が発生させる船体音響
信号の一例の周波数−パワースペクトラム解析図を示し
ており、○印のイはプロペラに起因するプロペラ雑音の
もの、○印のロはエンジンに起因する機械雑音のもの、
○印のハは冷凍機やクーラに起因する機械雑音のもので
ある。
は、機械雑音、プロペラ雑音そして流体力学的雑音から
なっている。例えば図１２は船体が発生させる船体音響
信号の一例の周波数−パワースペクトラム解析図を示し
ており、○印のイはプロペラに起因するプロペラ雑音の
もの、○印のロはエンジンに起因する機械雑音のもの、
○印のハは冷凍機やクーラに起因する機械雑音のもので
ある。
【０００３】また船体に装着されるプロペラ、すなわち
スクリューの型は、その船種によって定まっており、そ
のスクリューの形状も約２０種類である。
スクリューの型は、その船種によって定まっており、そ
のスクリューの形状も約２０種類である。
【０００４】従来の航走体が発生させる船体音響信号を
受信し、その音響信号から航走体の船種を識別する手法
は、航走体の放射雑音、すなわち流体力学的雑音を除い
た機械雑音、プロペラ雑音を基にした航走体の放射雑音
をＦＦＴ（高速フーリエ変換）処理し、ローファーグラ
ムを作成することにより、長期間特別の訓練を受けた経
験豊富な人間がその音紋を見て航走体の船種を識別して
いた。
受信し、その音響信号から航走体の船種を識別する手法
は、航走体の放射雑音、すなわち流体力学的雑音を除い
た機械雑音、プロペラ雑音を基にした航走体の放射雑音
をＦＦＴ（高速フーリエ変換）処理し、ローファーグラ
ムを作成することにより、長期間特別の訓練を受けた経
験豊富な人間がその音紋を見て航走体の船種を識別して
いた。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
ような長期間特別の訓練を受けた人間が識別しても、そ
の時の体調や環境によって、或いはローファーグラムの
波形によって、船種の識別に誤りを生じることがある。
ような長期間特別の訓練を受けた人間が識別しても、そ
の時の体調や環境によって、或いはローファーグラムの
波形によって、船種の識別に誤りを生じることがある。
【０００６】また水中に設置された装置に対し、その接
近してくる航走体の船種を自動識別し、予め定められた
船種に対してだけ当該装置から信号を出力したいことが
望まれる場合が存在する。
近してくる航走体の船種を自動識別し、予め定められた
船種に対してだけ当該装置から信号を出力したいことが
望まれる場合が存在する。
【０００７】本発明は上記の点に鑑みなされたものであ
る。そして出願人は、航走体の放射雑音が機械雑音やプ
ロペラ雑音で構成され、エンジン、減速機、発電機、各
種のポンプ等の回転ムラが原因となって発生する機械雑
音は、船の速度が変化すると音圧や周波数が変わること
や、プロペラ雑音はキャビテーションによるものとプロ
ペラの振動特性によるものとがあり、キャビテーション
雑音は連続周波数成分スペクトラムとなり、航走深度が
浅く、速度が増すほど音圧レベルが大きくなるのに対
し、プロペラの形状と材質によって定まる振動特性に起
因する雑音は、特定周波数成分スペクトラムを持ち、プ
ロペラの回転数が増減しても、周波数分布は変化しない
ことなどの既知事項に加え、その周波数スペクトラム分
布が船種によりほぼ一定していること、そして航走速度
の増減による雑音源の変化は、雑音源音圧の増減として
現れ、周波数スペクトラム分布における幾つかの極大値
のパワースペクトラムの増減を生じること、しかしなが
ら周波数スペクトラム分布における、各種雑音の周波数
帯域は変化しないことを実験によって確認した。
る。そして出願人は、航走体の放射雑音が機械雑音やプ
ロペラ雑音で構成され、エンジン、減速機、発電機、各
種のポンプ等の回転ムラが原因となって発生する機械雑
音は、船の速度が変化すると音圧や周波数が変わること
や、プロペラ雑音はキャビテーションによるものとプロ
ペラの振動特性によるものとがあり、キャビテーション
雑音は連続周波数成分スペクトラムとなり、航走深度が
浅く、速度が増すほど音圧レベルが大きくなるのに対
し、プロペラの形状と材質によって定まる振動特性に起
因する雑音は、特定周波数成分スペクトラムを持ち、プ
ロペラの回転数が増減しても、周波数分布は変化しない
ことなどの既知事項に加え、その周波数スペクトラム分
布が船種によりほぼ一定していること、そして航走速度
の増減による雑音源の変化は、雑音源音圧の増減として
現れ、周波数スペクトラム分布における幾つかの極大値
のパワースペクトラムの増減を生じること、しかしなが
ら周波数スペクトラム分布における、各種雑音の周波数
帯域は変化しないことを実験によって確認した。
【０００８】本発明は、これらの事実に着目し、誤差逆
伝播学習による多層構造ニューラルネットワーク演算処
理で航走体の船種を識別するに当たって、船体音響信号
からその船種に特有の雑音信号についての特徴を内包す
る符号化信号の符号列を生成し、そしてこの符号列の符
号化信号を入力データとしてニューラルネットワーク演
算を行い、航走体の船種を自動識別するようにした航走
体船種識別装置及びその方法を提供することを目的とし
ている。
伝播学習による多層構造ニューラルネットワーク演算処
理で航走体の船種を識別するに当たって、船体音響信号
からその船種に特有の雑音信号についての特徴を内包す
る符号化信号の符号列を生成し、そしてこの符号列の符
号化信号を入力データとしてニューラルネットワーク演
算を行い、航走体の船種を自動識別するようにした航走
体船種識別装置及びその方法を提供することを目的とし
ている。
【０００９】
【課題を解決するための手段】上記の目的を解決するた
めに、本発明の航走体船種識別装置は形状と材質によっ
て定まるプロペラの振動特性に起因する雑音を含む航走
体自体が独自に発生させる船体音響信号を受信し、その
音響信号から航走体の船種を識別する航走体船種識別装
置において、船体音響信号を受信する音響信号受波器
と、音響信号受波器が受信した音響信号を周波数分析す
るＦＦＴ処理手段と、ＦＦＴ処理手段で処理された周波
数分析データを格納するメモリと、メモリから予め定め
られた所定周波数帯域の周波数分析データを読み出し、
各周波数に対するパワーを計算するパワースペクトラム
計算手段と、当該所定周波数帯域のパワースペクトラム
の全エネルギーを求める全エネルギー演算手段と当該所
定周波数帯域をＮ分割した所定周波数幅毎のパワースペ
クトラムのエネルギーを求める所定周波数幅エネルギー
演算手段とを備え、当該所定周波数帯域のパワースペク
トラムの全エネルギーと当該所定周波数帯域をＮ分割し
た所定周波数幅毎のパワースペクトラムのエネルギーと
から、所定周波数幅毎のエネルギー百分率値を求め、当
該エネルギー百分率値に基づいた符号列を生成する符号
化手段と、符号化手段によって生成された符号列の符号
化パターンを入力データとして、ニューラルネットワー
ク演算処理を行い航走体の船種を出力するニューラルネ
ットワーク処理手段とを備え、音響信号受波器が受信し
た航走体自体が独自に発生させる音響信号から航走体の
船種を自動識別するようにしたことを特徴としている。
めに、本発明の航走体船種識別装置は形状と材質によっ
て定まるプロペラの振動特性に起因する雑音を含む航走
体自体が独自に発生させる船体音響信号を受信し、その
音響信号から航走体の船種を識別する航走体船種識別装
置において、船体音響信号を受信する音響信号受波器
と、音響信号受波器が受信した音響信号を周波数分析す
るＦＦＴ処理手段と、ＦＦＴ処理手段で処理された周波
数分析データを格納するメモリと、メモリから予め定め
られた所定周波数帯域の周波数分析データを読み出し、
各周波数に対するパワーを計算するパワースペクトラム
計算手段と、当該所定周波数帯域のパワースペクトラム
の全エネルギーを求める全エネルギー演算手段と当該所
定周波数帯域をＮ分割した所定周波数幅毎のパワースペ
クトラムのエネルギーを求める所定周波数幅エネルギー
演算手段とを備え、当該所定周波数帯域のパワースペク
トラムの全エネルギーと当該所定周波数帯域をＮ分割し
た所定周波数幅毎のパワースペクトラムのエネルギーと
から、所定周波数幅毎のエネルギー百分率値を求め、当
該エネルギー百分率値に基づいた符号列を生成する符号
化手段と、符号化手段によって生成された符号列の符号
化パターンを入力データとして、ニューラルネットワー
ク演算処理を行い航走体の船種を出力するニューラルネ
ットワーク処理手段とを備え、音響信号受波器が受信し
た航走体自体が独自に発生させる音響信号から航走体の
船種を自動識別するようにしたことを特徴としている。
【００１０】上記符号化手段は、エネルギー百分率値を
予め定められた有効桁の数値にし、この有効桁の数値の
符号列を生成する場合や、上記符号化手段にエネルギー
百分率値を予め定められたしき値と比較する比較部を備
え、上記エネルギー百分率値を２値化し符号列を生成す
る場合が含まれる。
予め定められた有効桁の数値にし、この有効桁の数値の
符号列を生成する場合や、上記符号化手段にエネルギー
百分率値を予め定められたしき値と比較する比較部を備
え、上記エネルギー百分率値を２値化し符号列を生成す
る場合が含まれる。
【００１１】そして本発明の航走体船種識別方法は形状
と材質によって定まるプロペラの振動特性に起因する雑
音を含む航走体自体が独自に発生させる船体音響信号を
受信し、その音響信号から航走体の船種を識別する航走
体船種識別方法において、受信された航走体の船体音響
信号を基に、ＦＦＴ処理手段で周波数分析を行い、ＦＦ
Ｔ処理手段で処理された周波数の内の予め定められた所
定周波数帯域の各周波数に対するパワーを計算し、当該
所定周波数帯域をＮ個の所定周波数幅に分割し、所定周
波数幅のパワースペクトラムのエネルギーを求めると共
に、当該所定周波数帯域のパワースペクトラムの全エネ
ルギーを求め、当該所定周波数帯域のパワースペクトラ
ムの全エネルギーに対する当該所定周波数幅のパワース
ペクトラムのエネルギーの割合を示すエネルギー百分率
値を当該所定周波数幅毎に求め、当該エネルギー百分率
値に基づいた符号列を生成し、生成された符号列の符号
化パターンを入力データとしてニューラルネットワーク
処理手段で航走体の船種を識別するニューラルネットワ
ーク演算処理を行い、音響信号受波器が受信した航走体
自体が独自に発生させる音響信号から航走体の船種を自
動識別するようにしたことを特徴としている。
と材質によって定まるプロペラの振動特性に起因する雑
音を含む航走体自体が独自に発生させる船体音響信号を
受信し、その音響信号から航走体の船種を識別する航走
体船種識別方法において、受信された航走体の船体音響
信号を基に、ＦＦＴ処理手段で周波数分析を行い、ＦＦ
Ｔ処理手段で処理された周波数の内の予め定められた所
定周波数帯域の各周波数に対するパワーを計算し、当該
所定周波数帯域をＮ個の所定周波数幅に分割し、所定周
波数幅のパワースペクトラムのエネルギーを求めると共
に、当該所定周波数帯域のパワースペクトラムの全エネ
ルギーを求め、当該所定周波数帯域のパワースペクトラ
ムの全エネルギーに対する当該所定周波数幅のパワース
ペクトラムのエネルギーの割合を示すエネルギー百分率
値を当該所定周波数幅毎に求め、当該エネルギー百分率
値に基づいた符号列を生成し、生成された符号列の符号
化パターンを入力データとしてニューラルネットワーク
処理手段で航走体の船種を識別するニューラルネットワ
ーク演算処理を行い、音響信号受波器が受信した航走体
自体が独自に発生させる音響信号から航走体の船種を自
動識別するようにしたことを特徴としている。
【００１２】受信された航走体の船体音響信号を基に、
予め定められた所定周波数帯域で、当該航走体特有の放
射雑音についての特徴を内包する符号化信号の符号列が
生成される。この符号列の符号化信号を入力データとし
て、予め学習されているニューラルネットワーク処理手
段を用いニューラルネットワーク演算を行うことによ
り、上記の特有の放射雑音に基づいた航走体の船種が自
動識別される。
予め定められた所定周波数帯域で、当該航走体特有の放
射雑音についての特徴を内包する符号化信号の符号列が
生成される。この符号列の符号化信号を入力データとし
て、予め学習されているニューラルネットワーク処理手
段を用いニューラルネットワーク演算を行うことによ
り、上記の特有の放射雑音に基づいた航走体の船種が自
動識別される。
【００１３】
【発明の実施の形態】図１は本発明に係る航走体船種識
別装置の一実施例構成を示している。
別装置の一実施例構成を示している。
【００１４】同図において、水面上又は水面下を航走す
る航走体の船体音響信号が、例えばハイドロフォン等の
音響信号受波器１で受信される。音響信号受波器１で受
信された音響信号はＡ／Ｄ変換器でディジタル化された
うえで、ＦＦＴ処理手段２に入力され周波数分析され
る。このＦＦＴ処理手段２はディジタルで処理される従
来の公知のものが用いられており、その結果の周波数分
析データがメモリ３に格納される。ここではＦＦＴ処理
手段２がディジタルのもので説明したが、音響信号受波
器１で受信された音響信号をアナログのＦＦＴ処理手段
２で処理し、ディジタル化して当該メモリ３に格納する
ようになっていてもよい。
る航走体の船体音響信号が、例えばハイドロフォン等の
音響信号受波器１で受信される。音響信号受波器１で受
信された音響信号はＡ／Ｄ変換器でディジタル化された
うえで、ＦＦＴ処理手段２に入力され周波数分析され
る。このＦＦＴ処理手段２はディジタルで処理される従
来の公知のものが用いられており、その結果の周波数分
析データがメモリ３に格納される。ここではＦＦＴ処理
手段２がディジタルのもので説明したが、音響信号受波
器１で受信された音響信号をアナログのＦＦＴ処理手段
２で処理し、ディジタル化して当該メモリ３に格納する
ようになっていてもよい。
【００１５】パワースペクトラム計算手段４は、メモリ
３から予め定められた所定周波数帯域の周波数分析デー
タを、低い周波数側から高い周波数の順に読み出し、各
周波数ｆ（ｉ）に対するパワースペクトラムＰ（ｉ）を
計算する。
３から予め定められた所定周波数帯域の周波数分析デー
タを、低い周波数側から高い周波数の順に読み出し、各
周波数ｆ（ｉ）に対するパワースペクトラムＰ（ｉ）を
計算する。
【００１６】符号化手段５は、所定周波数幅エネルギー
演算部７、メモリ８、積算部９、割算部１０を備え、メ
モリ３から読み出されパワースペクトラム計算手段４で
計算された上記所定周波数帯域のパワースペクトラムに
ついて、当該所定周波数帯域をＮ分割した所定周波数幅
毎のパワースペクトラムのエネルギーと当該所定周波数
帯域のパワースペクトラムの全エネルギーとから、当該
所定周波数幅毎にその割合を表すエネルギー百分率値
（以下「符号化信号百分率値」という）を求め、当該符
号化信号百分率値に基づいた符号列を生成する。
演算部７、メモリ８、積算部９、割算部１０を備え、メ
モリ３から読み出されパワースペクトラム計算手段４で
計算された上記所定周波数帯域のパワースペクトラムに
ついて、当該所定周波数帯域をＮ分割した所定周波数幅
毎のパワースペクトラムのエネルギーと当該所定周波数
帯域のパワースペクトラムの全エネルギーとから、当該
所定周波数幅毎にその割合を表すエネルギー百分率値
（以下「符号化信号百分率値」という）を求め、当該符
号化信号百分率値に基づいた符号列を生成する。
【００１７】すなわち、所定周波数幅エネルギー演算部
７は、パワースペクトラム計算手段４から入力されるパ
ワースペクトラムＰ（ｉ）を基に、Ｎ分割された所定周
波数幅Ｗ毎のパワースペクトラムのエネルギーΣＰ（Ｃ
ｉ）を求める。
７は、パワースペクトラム計算手段４から入力されるパ
ワースペクトラムＰ（ｉ）を基に、Ｎ分割された所定周
波数幅Ｗ毎のパワースペクトラムのエネルギーΣＰ（Ｃ
ｉ）を求める。
【００１８】つまり、所定周波数幅エネルギー演算部７
は、パワースペクトラム計算手段４が順に出力する最も
低い周波数のパワースペクトラムから上記所定周波数幅
Ｗの周波数のパワースペクトラムまでのエネルギーΣＰ
（Ｃ１）を演算によって求める。
は、パワースペクトラム計算手段４が順に出力する最も
低い周波数のパワースペクトラムから上記所定周波数幅
Ｗの周波数のパワースペクトラムまでのエネルギーΣＰ
（Ｃ１）を演算によって求める。
【００１９】この所定周波数幅ＷのエネルギーΣＰ（Ｃ
１）は、メモリ８に格納されると共に積算部９に入力さ
れる。積算部９では入力してくる当該所定周波数幅Ｗの
エネルギーΣＰ（Ｃｉ）を積算するが、この場合最初で
あるので、０にこの所定周波数幅ＷのエネルギーΣＰ
（Ｃ１）が積算され、積算部９はΣＰ（Ｃ１）を積算す
る。
１）は、メモリ８に格納されると共に積算部９に入力さ
れる。積算部９では入力してくる当該所定周波数幅Ｗの
エネルギーΣＰ（Ｃｉ）を積算するが、この場合最初で
あるので、０にこの所定周波数幅ＷのエネルギーΣＰ
（Ｃ１）が積算され、積算部９はΣＰ（Ｃ１）を積算す
る。
【００２０】この繰り返しが、上記の予め定められた所
定周波数帯域について実行され、最後の所定周波数幅Ｗ
のエネルギーΣＰ（ＣＮ）が所定周波数幅エネルギー演
算部７によって求められ、メモリ８に格納されると共に
積算部９で積算されたとき、メモリ８には所定周波数幅
エネルギー演算部７で求められたＮ個の所定周波数幅Ｗ
のエネルギーΣＰ（Ｃｉ）が所定の順にそれぞれ格納さ
れており、また積算部９には上記所定周波数帯域につい
ての全エネルギーΣＰが求められている。
定周波数帯域について実行され、最後の所定周波数幅Ｗ
のエネルギーΣＰ（ＣＮ）が所定周波数幅エネルギー演
算部７によって求められ、メモリ８に格納されると共に
積算部９で積算されたとき、メモリ８には所定周波数幅
エネルギー演算部７で求められたＮ個の所定周波数幅Ｗ
のエネルギーΣＰ（Ｃｉ）が所定の順にそれぞれ格納さ
れており、また積算部９には上記所定周波数帯域につい
ての全エネルギーΣＰが求められている。
【００２１】割算部１０は、積算部９の上記全エネルギ
ーΣＰのデータと、例えば低い周波数側から順にメモリ
８から読み出される上記予め定められた所定周波数幅Ｗ
のエネルギーΣＰ（Ｃｉ）のデータとから、所定周波数
幅毎の符号化信号百分率（エネルギー比）値ΣＰ（Ｃ
ｉ）／ΣＰを求める演算を行う。このとき符号化信号百
分率値を求めるに当たって、当該割算部１０は予め定め
られた有効桁の数値を出力するようになっている。例え
ば上記有効桁が１のとき、符号化信号百分率値が、例え
ば０．００から０．０１％未満までは「０」、０．０１
％から０．０２％未満までは「１」、０．０２％から
０．０３％未満までは「２」、……、０．０９％から
０．１０％未満までは「９」の如く出力する。このよう
にして符号化信号百分率値に基づいた符号列が生成され
る。
ーΣＰのデータと、例えば低い周波数側から順にメモリ
８から読み出される上記予め定められた所定周波数幅Ｗ
のエネルギーΣＰ（Ｃｉ）のデータとから、所定周波数
幅毎の符号化信号百分率（エネルギー比）値ΣＰ（Ｃ
ｉ）／ΣＰを求める演算を行う。このとき符号化信号百
分率値を求めるに当たって、当該割算部１０は予め定め
られた有効桁の数値を出力するようになっている。例え
ば上記有効桁が１のとき、符号化信号百分率値が、例え
ば０．００から０．０１％未満までは「０」、０．０１
％から０．０２％未満までは「１」、０．０２％から
０．０３％未満までは「２」、……、０．０９％から
０．１０％未満までは「９」の如く出力する。このよう
にして符号化信号百分率値に基づいた符号列が生成され
る。
【００２２】すなわち割算部１５は、積算部９からの上
記全エネルギーΣＰのデータとメモリ８からの周波数の
最も低い所定周波数幅Ｗの上記エネルギーΣＰ（Ｃ１）
のデータとを読み出し、符号化信号百分率値を求め、上
記説明の有効桁の数値を出力する。この有効桁の数値
は、後に説明する誤差逆伝播学習法によって学習された
ニューラルネットワーク処理手段６の♯１入力端子に入
力データとして入力される。
記全エネルギーΣＰのデータとメモリ８からの周波数の
最も低い所定周波数幅Ｗの上記エネルギーΣＰ（Ｃ１）
のデータとを読み出し、符号化信号百分率値を求め、上
記説明の有効桁の数値を出力する。この有効桁の数値
は、後に説明する誤差逆伝播学習法によって学習された
ニューラルネットワーク処理手段６の♯１入力端子に入
力データとして入力される。
【００２３】同様にして、割算部１０は次に低い予め定
められた所定周波数幅ＷのエネルギーΣＰ（Ｃ２）のデ
ータをメモリ８から読み出し、その符号化信号百分率値
を求め、上記説明の有効桁の数値を出力する。この有効
桁の数値は、ニューラルネットワーク処理手段６の♯２
入力端子に入力データとして入力される。
められた所定周波数幅ＷのエネルギーΣＰ（Ｃ２）のデ
ータをメモリ８から読み出し、その符号化信号百分率値
を求め、上記説明の有効桁の数値を出力する。この有効
桁の数値は、ニューラルネットワーク処理手段６の♯２
入力端子に入力データとして入力される。
【００２４】符号化手段５は、以下同様にして残りのＮ
−２回、上記所定周波数帯域にわたって繰り返すことに
より、符号化信号百分率値に基づいた符号列を生成する
ことができる。この有効桁数が１桁の符号化信号百分率
値の符号列の一例が図３（Ｉ）に示されている（図３
（ＩＩ）の所定周波数幅−符号化信号百分率図には１対
１で必ずしも対応していない）。
−２回、上記所定周波数帯域にわたって繰り返すことに
より、符号化信号百分率値に基づいた符号列を生成する
ことができる。この有効桁数が１桁の符号化信号百分率
値の符号列の一例が図３（Ｉ）に示されている（図３
（ＩＩ）の所定周波数幅−符号化信号百分率図には１対
１で必ずしも対応していない）。
【００２５】そして符号化手段５によって生成された符
号列の有効桁数の符号化信号百分率値が、ニューラルネ
ットワーク演算処理を行い航走体の船種を識別するニュ
ーラルネットワーク処理手段６の♯１ないし♯Ｎ入力端
子にそれぞれ入力データとして入力される。
号列の有効桁数の符号化信号百分率値が、ニューラルネ
ットワーク演算処理を行い航走体の船種を識別するニュ
ーラルネットワーク処理手段６の♯１ないし♯Ｎ入力端
子にそれぞれ入力データとして入力される。
【００２６】ニューラルネットワーク処理手段６は、従
来からの公知のものが用いられ、上記符号化手段５から
入力される符号列の符号化信号百分率値の数に対応した
数の♯１ないし♯Ｎ入力端子を備え、予め学習させてお
いた誤差逆伝播学習による多層構造のニューラルネット
ワークを有している。そして上記符号化手段５から入力
される符号化信号百分率値の有効桁の数値の入力データ
を基にニューラルネットワーク演算を行い、船種指定の
識別信号を出力するようになっている。
来からの公知のものが用いられ、上記符号化手段５から
入力される符号列の符号化信号百分率値の数に対応した
数の♯１ないし♯Ｎ入力端子を備え、予め学習させてお
いた誤差逆伝播学習による多層構造のニューラルネット
ワークを有している。そして上記符号化手段５から入力
される符号化信号百分率値の有効桁の数値の入力データ
を基にニューラルネットワーク演算を行い、船種指定の
識別信号を出力するようになっている。
【００２７】図２は本発明に用いられるニューラルネッ
トワーク処理手段の一実施例構成を示している。
トワーク処理手段の一実施例構成を示している。
【００２８】同図において、ニューラルネットワーク処
理手段６は、♯１ないし♯ＮのＮ個の入力端子を備えた
入力ユニット２１、船種１ないし船種７を出力する７個
の出力ユニット２２及び隠れユニットである１６個の中
間ユニット２３の３層構造のニューラルネットワークで
構成されている。ただし入力ユニット２１から出力ユニ
ット２２へリンクのみであり、逆リンクは存在しない。
各リンクの重みは、予め学習をさせ決定しておかれる。
その学習のさせ方は従来の手法で行われるので、その説
明は省略する。
理手段６は、♯１ないし♯ＮのＮ個の入力端子を備えた
入力ユニット２１、船種１ないし船種７を出力する７個
の出力ユニット２２及び隠れユニットである１６個の中
間ユニット２３の３層構造のニューラルネットワークで
構成されている。ただし入力ユニット２１から出力ユニ
ット２２へリンクのみであり、逆リンクは存在しない。
各リンクの重みは、予め学習をさせ決定しておかれる。
その学習のさせ方は従来の手法で行われるので、その説
明は省略する。
【００２９】このように構成されている本発明の航走体
船種識別装置及びその方法におけるニューラルネット入
力データの符号化と当該入力データを入力とする船種識
別のの具体例を次に説明する。
船種識別装置及びその方法におけるニューラルネット入
力データの符号化と当該入力データを入力とする船種識
別のの具体例を次に説明する。
【００３０】図４は船種識別の一実施例説明図を示して
いる。
いる。
【００３１】同図において、その（Ｉ）は音響信号受波
器１で検出される航走体の船体音響信号である。この船
体音響信号の或る時点Ｔ１での音響信号に対しＦＦＴ処
理手段２でＦＦＴ処理がなされ、その周波数分析データ
から所定周波数帯域Ｆ0 ＨｚないしＦ1 （Ｆ1 ＞Ｆ0 ）
Ｈｚの同図（ＩＩ）で示されたパワースペクトラムが得
られる。
器１で検出される航走体の船体音響信号である。この船
体音響信号の或る時点Ｔ１での音響信号に対しＦＦＴ処
理手段２でＦＦＴ処理がなされ、その周波数分析データ
から所定周波数帯域Ｆ0 ＨｚないしＦ1 （Ｆ1 ＞Ｆ0 ）
Ｈｚの同図（ＩＩ）で示されたパワースペクトラムが得
られる。
【００３２】このパワースペクトラムに対し、所定周波
数帯域Ｆ0 ＨｚないしＦ1 ＨｚをＮ分割（Ｎカラム）し
た所定周波数幅Ｗ＝（Ｆ1 −Ｆ0 ）／Ｎ Ｈｚ幅毎に、
上記説明の符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰが求
められ、同図（ＩＩＩ）図示のようなＮ個の符号化信号
百分率値ΣＰ（Ｃｉ）／ΣＰの有効桁の数値の符号列
（一部分表示）が生成される。
数帯域Ｆ0 ＨｚないしＦ1 ＨｚをＮ分割（Ｎカラム）し
た所定周波数幅Ｗ＝（Ｆ1 −Ｆ0 ）／Ｎ Ｈｚ幅毎に、
上記説明の符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰが求
められ、同図（ＩＩＩ）図示のようなＮ個の符号化信号
百分率値ΣＰ（Ｃｉ）／ΣＰの有効桁の数値の符号列
（一部分表示）が生成される。
【００３３】この符号列のＮ個の有効桁の数値が、図２
に示されたニューラルネットワーク処理手段６の対応し
た♯１ないし♯Ｎ入力ユニット２１に入力データとして
入力される。予め学習させておいた誤差逆伝播学習によ
る３層構造のニューラルネットワークでそのニューラル
ネットワーク演算が行われることにより、船種指定の識
別信号を表す「１」をニューラルネットワーク処理手段
６は出力する。すなわち出力ユニット２２から（ＩＶ）
図示の如きパターンが出力される。これにより音響信号
受波器１で検出された航走体の船体音響信号から船種１
が識別され、「Ａ船」と判定される。
に示されたニューラルネットワーク処理手段６の対応し
た♯１ないし♯Ｎ入力ユニット２１に入力データとして
入力される。予め学習させておいた誤差逆伝播学習によ
る３層構造のニューラルネットワークでそのニューラル
ネットワーク演算が行われることにより、船種指定の識
別信号を表す「１」をニューラルネットワーク処理手段
６は出力する。すなわち出力ユニット２２から（ＩＶ）
図示の如きパターンが出力される。これにより音響信号
受波器１で検出された航走体の船体音響信号から船種１
が識別され、「Ａ船」と判定される。
【００３４】図５，図６は船種を異にする船種識別の他
の実施例説明図を示しており、図４と同様の説明図であ
る。
の実施例説明図を示しており、図４と同様の説明図であ
る。
【００３５】図５，図６において、その（Ｉ）は音響信
号受波器１で検出される航走体の船体音響信号、同図
（ＩＩ）はその或る時点の周波数パワースペクトラム、
同図（ＩＩＩ）は符号化手段５で生成されニューラルネ
ットワーク処理手段６に入力される符号化信号百分率値
の有効桁の数値の符号列、同図（ＩＶ）はニューラルネ
ットワーク処理手段６の出力パターンをそれぞれ示して
おり、図５では船種２をニューラルネットワーク処理手
段６は識別し、「Ｂ船」と判定する。図６では船種７を
ニューラルネットワーク処理手段６は識別し、「Ｇ船」
と判定する。当該船種２，船種７の識別の手順は図４の
場合と同様であるので、その説明は省略する。
号受波器１で検出される航走体の船体音響信号、同図
（ＩＩ）はその或る時点の周波数パワースペクトラム、
同図（ＩＩＩ）は符号化手段５で生成されニューラルネ
ットワーク処理手段６に入力される符号化信号百分率値
の有効桁の数値の符号列、同図（ＩＶ）はニューラルネ
ットワーク処理手段６の出力パターンをそれぞれ示して
おり、図５では船種２をニューラルネットワーク処理手
段６は識別し、「Ｂ船」と判定する。図６では船種７を
ニューラルネットワーク処理手段６は識別し、「Ｇ船」
と判定する。当該船種２，船種７の識別の手順は図４の
場合と同様であるので、その説明は省略する。
【００３６】図７は符号化手段の他の実施例構成を示し
ている。
ている。
【００３７】同図において、図１に示された符号化手段
５と同じものは同じ符号が付されており、図７の符号化
手段５は割算部１０とニューラルネットワーク処理手段
６との間に比較部１１が設けられている点に特徴を有し
ている。
５と同じものは同じ符号が付されており、図７の符号化
手段５は割算部１０とニューラルネットワーク処理手段
６との間に比較部１１が設けられている点に特徴を有し
ている。
【００３８】すなわち比較部１１には、予め定められた
しきい値が入力されており、当該比較部１１でこのしき
い値と割算部１０から入力されてくる上記所定周波数幅
毎の符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰとが比較さ
れる。こきときの符号化信号百分率値ΣＰ（Ｃｉ）／Σ
Ｐは、図１の割算部１０の出力とは異なり、符号化信号
百分率値そのものの割算値である。
しきい値が入力されており、当該比較部１１でこのしき
い値と割算部１０から入力されてくる上記所定周波数幅
毎の符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰとが比較さ
れる。こきときの符号化信号百分率値ΣＰ（Ｃｉ）／Σ
Ｐは、図１の割算部１０の出力とは異なり、符号化信号
百分率値そのものの割算値である。
【００３９】当該比較部１１は、上記所定周波数幅毎の
上記符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰとしきい値
とを比較する。この符号化信号百分率値ΣＰ（Ｃｉ）／
ΣＰが予め定められたしきい値より大きいとき、例えば
「１」、この符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰが
予め定められたしきい値より小さいとき、「０」の如く
符号化する。つまり上記所定周波数幅毎の符号化信号百
分率値ΣＰ（Ｃｉ）／ΣＰがその大きさに応じて２値化
信号に変換される。この２値化信号は、上記説明の誤差
逆伝播学習法によって学習されたニューラルネットワー
ク処理手段６の♯ｉ入力ユニット２１に入力データとし
て入力される。
上記符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰとしきい値
とを比較する。この符号化信号百分率値ΣＰ（Ｃｉ）／
ΣＰが予め定められたしきい値より大きいとき、例えば
「１」、この符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰが
予め定められたしきい値より小さいとき、「０」の如く
符号化する。つまり上記所定周波数幅毎の符号化信号百
分率値ΣＰ（Ｃｉ）／ΣＰがその大きさに応じて２値化
信号に変換される。この２値化信号は、上記説明の誤差
逆伝播学習法によって学習されたニューラルネットワー
ク処理手段６の♯ｉ入力ユニット２１に入力データとし
て入力される。
【００４０】割算部１０以降の動作を簡単に説明する
と、割算部１０は、積算部９からの上記全エネルギーΣ
Ｐのデータとメモリ８からの周波数の最も低い所定周波
数幅Ｗの上記エネルギーΣＰ（Ｃ１）のデータとを読み
出し、符号化信号百分率値ΣＰ（Ｃ１）／ΣＰを求め、
当該符号化信号百分率値ΣＰ（Ｃ１）／ΣＰを比較部１
１に送出する。比較部１１は、上記しきい値と当該符号
化信号百分率値ΣＰ（Ｃ１）／ΣＰとを比較し、この符
号化信号百分率値ΣＰ（Ｃ１）／ΣＰの大小に応じて
「１」又は「０」の２値化信号に変換する。この２値化
信号はニューラルネットワーク処理手段６の♯１入力ユ
ニット２１に入力データとして入力される。
と、割算部１０は、積算部９からの上記全エネルギーΣ
Ｐのデータとメモリ８からの周波数の最も低い所定周波
数幅Ｗの上記エネルギーΣＰ（Ｃ１）のデータとを読み
出し、符号化信号百分率値ΣＰ（Ｃ１）／ΣＰを求め、
当該符号化信号百分率値ΣＰ（Ｃ１）／ΣＰを比較部１
１に送出する。比較部１１は、上記しきい値と当該符号
化信号百分率値ΣＰ（Ｃ１）／ΣＰとを比較し、この符
号化信号百分率値ΣＰ（Ｃ１）／ΣＰの大小に応じて
「１」又は「０」の２値化信号に変換する。この２値化
信号はニューラルネットワーク処理手段６の♯１入力ユ
ニット２１に入力データとして入力される。
【００４１】同様にして、割算部１０は次に低い予め定
められた所定周波数幅ＷのエネルギーΣＰ（Ｃ２）のデ
ータをメモリ８から読み出し、その符号化信号百分率値
ΣＰ（Ｃ２）／ΣＰを求め、比較部１１はこの符号化信
号百分率値ΣＰ（Ｃ２）／ΣＰと上記しきい値と比較
し、２値化信号に変換する。この２値化信号はニューラ
ルネットワーク処理手段６の♯２ユニット２１に入力デ
ータとして入力される。
められた所定周波数幅ＷのエネルギーΣＰ（Ｃ２）のデ
ータをメモリ８から読み出し、その符号化信号百分率値
ΣＰ（Ｃ２）／ΣＰを求め、比較部１１はこの符号化信
号百分率値ΣＰ（Ｃ２）／ΣＰと上記しきい値と比較
し、２値化信号に変換する。この２値化信号はニューラ
ルネットワーク処理手段６の♯２ユニット２１に入力デ
ータとして入力される。
【００４２】符号化手段５は、以下同様の処理を繰り返
すことにより、上記所定周波数帯域についての符号化信
号百分率値に基づいた２値化符号列を生成することがで
きる。符号化手段５によって生成された符号列の２値化
信号が、ニューラルネットワーク演算処理を行い航走体
の船種を識別するニューラルネットワーク処理手段６の
♯１ないし♯Ｎ入力ユニット２１にそれぞれ入力データ
として入力される。この２値化符号列の一例が図８
（Ｉ）に示されている（図８（ＩＩ）の所定周波数幅−
符号化信号百分率図には必ずしも１対１で対応していな
い）。
すことにより、上記所定周波数帯域についての符号化信
号百分率値に基づいた２値化符号列を生成することがで
きる。符号化手段５によって生成された符号列の２値化
信号が、ニューラルネットワーク演算処理を行い航走体
の船種を識別するニューラルネットワーク処理手段６の
♯１ないし♯Ｎ入力ユニット２１にそれぞれ入力データ
として入力される。この２値化符号列の一例が図８
（Ｉ）に示されている（図８（ＩＩ）の所定周波数幅−
符号化信号百分率図には必ずしも１対１で対応していな
い）。
【００４３】このときニューラルネットワーク処理手段
６も、従来からの公知のものが用いられ、上記符号化手
段５から入力される符号列の２値化信号数に対応した数
の♯１ないし♯Ｎ入力端子、すなわち♯１ないし♯Ｎ入
力ユニット２１を備え、予め学習させておいた誤差逆伝
播学習による多層構造のニューラルネットワークを有し
ている。そして上記符号化手段５から入力される２値化
信号パターンの入力データを基にニューラルネットワー
ク演算を行い、船種指定の識別信号を出力するようにな
っている。
６も、従来からの公知のものが用いられ、上記符号化手
段５から入力される符号列の２値化信号数に対応した数
の♯１ないし♯Ｎ入力端子、すなわち♯１ないし♯Ｎ入
力ユニット２１を備え、予め学習させておいた誤差逆伝
播学習による多層構造のニューラルネットワークを有し
ている。そして上記符号化手段５から入力される２値化
信号パターンの入力データを基にニューラルネットワー
ク演算を行い、船種指定の識別信号を出力するようにな
っている。
【００４４】図９は図７の符号化手段を用いた船種識別
の一実施例説明図を示している。
の一実施例説明図を示している。
【００４５】同図において、その（Ｉ）は音響信号受波
器１で検出される航走体の船体音響信号である。この船
体音響信号の或る時点Ｔ１での音響信号に対しＦＦＴ処
理手段２でＦＦＴ処理がなされ、その周波数分析データ
から所定周波数帯域Ｆ0 ＨｚないしＦ1 Ｈｚの同図（Ｉ
Ｉ）で示されたパワースペクトラムが得られる。
器１で検出される航走体の船体音響信号である。この船
体音響信号の或る時点Ｔ１での音響信号に対しＦＦＴ処
理手段２でＦＦＴ処理がなされ、その周波数分析データ
から所定周波数帯域Ｆ0 ＨｚないしＦ1 Ｈｚの同図（Ｉ
Ｉ）で示されたパワースペクトラムが得られる。
【００４６】このパワースペクトラムに対し、所定周波
数帯域Ｆ0 ＨｚないしＦ1 ＨｚをＮ分割（Ｎカラム）し
た所定周波数幅Ｗ＝（Ｆ1 −Ｆ0 ）／Ｎ Ｈｚ幅毎に、
上記説明の符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰが求
められ、同図（ＩＩＩ）図示のようなＮ個の符号化信号
百分率値ΣＰ（Ｃｉ）／ΣＰの２値化信号の符号列（一
部分表示）が生成される。
数帯域Ｆ0 ＨｚないしＦ1 ＨｚをＮ分割（Ｎカラム）し
た所定周波数幅Ｗ＝（Ｆ1 −Ｆ0 ）／Ｎ Ｈｚ幅毎に、
上記説明の符号化信号百分率値ΣＰ（Ｃｉ）／ΣＰが求
められ、同図（ＩＩＩ）図示のようなＮ個の符号化信号
百分率値ΣＰ（Ｃｉ）／ΣＰの２値化信号の符号列（一
部分表示）が生成される。
【００４７】この符号列のＮ個の２値化信号が、図２に
示されたニューラルネットワーク処理手段６の対応した
♯１ないし♯Ｎ入力ユニット２１に入力データとして入
力される。予め学習させておいた誤差逆伝播学習による
３層構造のニューラルネットワークでそのニューラルネ
ットワーク演算が行われることにより、船種指定の識別
信号を表す「１」をニューラルネットワーク処理手段６
は出力する。すなわち出力ユニット２２から（ＩＶ）図
示の如きパターンが出力される。これにより音響信号受
波器１で検出された航走体の船体音響信号から船種１が
識別され、「Ａ船」と判定される。
示されたニューラルネットワーク処理手段６の対応した
♯１ないし♯Ｎ入力ユニット２１に入力データとして入
力される。予め学習させておいた誤差逆伝播学習による
３層構造のニューラルネットワークでそのニューラルネ
ットワーク演算が行われることにより、船種指定の識別
信号を表す「１」をニューラルネットワーク処理手段６
は出力する。すなわち出力ユニット２２から（ＩＶ）図
示の如きパターンが出力される。これにより音響信号受
波器１で検出された航走体の船体音響信号から船種１が
識別され、「Ａ船」と判定される。
【００４８】図１０，図１１は船種を異にする船種識別
の他の実施例説明図を示しており、図９と同様の説明図
である。
の他の実施例説明図を示しており、図９と同様の説明図
である。
【００４９】図１０，図１１において、その（Ｉ）は音
響信号受波器１で検出される航走体の船体音響信号、同
図（ＩＩ）はその或る時点の周波数パワースペクトラ
ム、同図（ＩＩＩ）は符号化手段５で生成されニューラ
ルネットワーク処理手段６に入力される符号化信号百分
率値の２値化符号列、同図（ＩＶ）はニューラルネット
ワーク処理手段６の出力パターンをそれぞれ示してお
り、図１０では船種２をニューラルネットワーク処理手
段６は識別し、「Ｂ船」と判定する。図１１では船種７
をニューラルネットワーク処理手段６は識別し、「Ｇ
船」と判定する。当該船種２，船種７の識別の手順は図
９の場合と同様であるので、その説明は省略する。
響信号受波器１で検出される航走体の船体音響信号、同
図（ＩＩ）はその或る時点の周波数パワースペクトラ
ム、同図（ＩＩＩ）は符号化手段５で生成されニューラ
ルネットワーク処理手段６に入力される符号化信号百分
率値の２値化符号列、同図（ＩＶ）はニューラルネット
ワーク処理手段６の出力パターンをそれぞれ示してお
り、図１０では船種２をニューラルネットワーク処理手
段６は識別し、「Ｂ船」と判定する。図１１では船種７
をニューラルネットワーク処理手段６は識別し、「Ｇ
船」と判定する。当該船種２，船種７の識別の手順は図
９の場合と同様であるので、その説明は省略する。
【００５０】なお上記説明では船種１ないし船種７をす
べて特定するようにして説明したが、例えばその内の船
種７を「該当船種なし」のように、ニューラルネットワ
ーク処理手段６を予め学習させておくことによって、船
種識別の対象航走体と対象外航走体との識別もでき、識
別率を向上させることができる。この処理はニューラル
ネットワーク処理手段６の学習のさせ方如何による。
べて特定するようにして説明したが、例えばその内の船
種７を「該当船種なし」のように、ニューラルネットワ
ーク処理手段６を予め学習させておくことによって、船
種識別の対象航走体と対象外航走体との識別もでき、識
別率を向上させることができる。この処理はニューラル
ネットワーク処理手段６の学習のさせ方如何による。
【００５１】またこれらの一連の船種識別の処理は、当
該船種識別処理に要する時間Ｓ毎に繰り返される。そし
て時間Ｓ毎に識別され出力される船種を基に、例えば所
定時間内で最も多くの回数出力さた船種を選んだり、或
いは出力された船種が所定以上の確率のものを選んだ
り、予め定められた回数連続して同じ船種を識別したと
きその船種を選ぶ等の識別向上処理手段を設けることに
より、船種識別の識別率を向上させることができる。
該船種識別処理に要する時間Ｓ毎に繰り返される。そし
て時間Ｓ毎に識別され出力される船種を基に、例えば所
定時間内で最も多くの回数出力さた船種を選んだり、或
いは出力された船種が所定以上の確率のものを選んだ
り、予め定められた回数連続して同じ船種を識別したと
きその船種を選ぶ等の識別向上処理手段を設けることに
より、船種識別の識別率を向上させることができる。
【００５２】このように人間に代わり、音響信号受波器
１が受信した音響信号から航走体の船種を自動識別でき
るので、本発明に係る航走体船種識別装置又はその方法
を備えた装置を予め水中に設置しておけば、当該装置に
対し、その接近してくる航走体の船種を自動識別し、予
め定められた対象船種に限り当該装置から信号を出力さ
せることができる。また更に当該装置に接近してくる航
走体の正横を検出する装置を設けておけば、対象船種の
航走体が装置の正横を通過する時点に信号を発生させる
こともできる。
１が受信した音響信号から航走体の船種を自動識別でき
るので、本発明に係る航走体船種識別装置又はその方法
を備えた装置を予め水中に設置しておけば、当該装置に
対し、その接近してくる航走体の船種を自動識別し、予
め定められた対象船種に限り当該装置から信号を出力さ
せることができる。また更に当該装置に接近してくる航
走体の正横を検出する装置を設けておけば、対象船種の
航走体が装置の正横を通過する時点に信号を発生させる
こともできる。
【００５３】また、図１に示された符号化手段５の各構
成は同図に図示の構成に限られるものではなく、一実施
例を示しているものであり、この構成の符号化手段５と
同等の機能を果たす構成のものであれば、どのような処
理の仕方や回路構成であってもよいことは言うまでもな
い。そして符号化手段５の符号化も、実験によって好成
績を得たものを例示したものであり、上記説明のものに
限られるものではなく、適宜の符号変換のものを採用す
ることができる。
成は同図に図示の構成に限られるものではなく、一実施
例を示しているものであり、この構成の符号化手段５と
同等の機能を果たす構成のものであれば、どのような処
理の仕方や回路構成であってもよいことは言うまでもな
い。そして符号化手段５の符号化も、実験によって好成
績を得たものを例示したものであり、上記説明のものに
限られるものではなく、適宜の符号変換のものを採用す
ることができる。
【００５４】本発明は船種を自動識別できるので、港湾
において、定期旅客船などが定時運行をしているかどう
かの監視をもすることができ、天候が悪いときには目視
によるとき以上にその監視の効果を発揮する。
において、定期旅客船などが定時運行をしているかどう
かの監視をもすることができ、天候が悪いときには目視
によるとき以上にその監視の効果を発揮する。
【００５５】
【発明の効果】以上説明した如く、本発明によれば、受
信された航走体の船体音響信号を基に、当該航走体特有
の放射雑音についての特徴を内包する符号列を生成し、
この符号列の各信号を入力データにして、予め学習され
ているニューラルネットワーク処理手段を用いニューラ
ルネットワーク演算処理を行うようにしたので、航走体
の船種が自動識別される。
信された航走体の船体音響信号を基に、当該航走体特有
の放射雑音についての特徴を内包する符号列を生成し、
この符号列の各信号を入力データにして、予め学習され
ているニューラルネットワーク処理手段を用いニューラ
ルネットワーク演算処理を行うようにしたので、航走体
の船種が自動識別される。
【００５６】航走体船種の識別に当たって、請求項２の
符号化信号百分率値を予め定められた有効桁の数値に
し、この有効桁の数値の符号列を生成するようにした符
号化手段の場合は、同一船種で更に詳細なものまで識別
できるのに対し、請求項３の符号化信号百分率値を予め
定められたしきい値と比較する比較部を備え、上記符号
化信号百分率値を２値化し符号列を生成するようにした
符号化手段の場合は、大まかな船種を識別できる利点を
有している。
符号化信号百分率値を予め定められた有効桁の数値に
し、この有効桁の数値の符号列を生成するようにした符
号化手段の場合は、同一船種で更に詳細なものまで識別
できるのに対し、請求項３の符号化信号百分率値を予め
定められたしきい値と比較する比較部を備え、上記符号
化信号百分率値を２値化し符号列を生成するようにした
符号化手段の場合は、大まかな船種を識別できる利点を
有している。
【００５７】また所定時間Ｓ毎に繰り返され、その識別
され出力される船種の識別個数を基にした識別向上処理
手段を設けることにより、船種識別の識別率を向上させ
ることができる。
され出力される船種の識別個数を基にした識別向上処理
手段を設けることにより、船種識別の識別率を向上させ
ることができる。
【００５８】そして音響信号受波器が受信した音響信号
から航走体の船種を自動識別できるので、本発明に係る
航走体船種識別装置又はその方法を備えた装置を予め水
中に設置しておけば、当該装置に対し、その接近してく
る航走体の船種を自動識別し、予め定められた対象船種
の航走体に限り当該装置から信号を出力させることがで
き得る。
から航走体の船種を自動識別できるので、本発明に係る
航走体船種識別装置又はその方法を備えた装置を予め水
中に設置しておけば、当該装置に対し、その接近してく
る航走体の船種を自動識別し、予め定められた対象船種
の航走体に限り当該装置から信号を出力させることがで
き得る。
【図１】本発明に係る航走体船種識別装置の一実施例構
成である。
成である。
【図２】本発明に用いられるニューラルネットワーク処
理手段の一実施例構成である。
理手段の一実施例構成である。
【図３】符号化信号百分率（エネルギー比）を有する航
走体の符号列の一例実施例説明図である。
走体の符号列の一例実施例説明図である。
【図４】船種識別の一実施例説明図である。
【図５】船種を異にする船種識別の他の実施例説明図で
ある。
ある。
【図６】船種を異にする船種識別の他の実施例説明図で
ある。
ある。
【図７】符号化手段の他の実施例構成である。
【図８】符号化信号百分率（エネルギー比）を有する航
走体の２値化符号列の一例実施例説明図である。
走体の２値化符号列の一例実施例説明図である。
【図９】図７の符号化手段を用いた船種識別の一実施例
説明図である。
説明図である。
【図１０】船種を異にする船種識別の他の実施例説明図
である。
である。
【図１１】船種を異にする船種識別の他の実施例説明図
である。
である。
【図１２】船体が発生させる船体音響信号の一例の周波
数−パワースペクトラム解析図である。
数−パワースペクトラム解析図である。
１ 音響信号受波器 ２ ＦＦＴ処理手段 ３ メモリ ４ パワースペクトラム計算手段 ５ 符号化手段 ６ ニューラルネットワーク処理手段 ７ 所定周波数幅エネルギー演算手段 ８ メモリ ９ 積算部 １０ 割算部 １１ 比較部
フロントページの続き (72)発明者 吉見 邦彦 神奈川県横浜市鶴見区平安町２丁目29番 地の１ 株式会社 京三製作所内 (56)参考文献 特開 平８−152472（ＪＰ，Ａ) 特開 平８−254995（ＪＰ，Ａ) 特開 平８−43188（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G01H 17/00 G06F 15/18 560
Claims (4)
- 【請求項１】 形状と材質によって定まるプロペラの振
動特性に起因する雑音を含む航走体自体が独自に発生さ
せる船体音響信号を受信し、その音響信号から航走体の
船種を識別する航走体船種識別装置において、 船体音響信号を受信する音響信号受波器と、 音響信号受波器が受信した音響信号を周波数分析するＦ
ＦＴ処理手段と、 ＦＦＴ処理手段で処理された周波数分析データを格納す
るメモリと、 メモリから予め定められた所定周波数帯域の周波数分析
データを読み出し、各周波数に対するパワーを計算する
パワースペクトラム計算手段と、当該所定周波数帯域のパワースペクトラムの全エネルギ
ーを求める全エネルギー演算手段と当該所定周波数帯域
をＮ分割した所定周波数幅毎のパワースペクトラムのエ
ネルギーを求める所定周波数幅エネルギー演算手段とを
備え、 当該所定周波数帯域のパワースペクトラムの全エ
ネルギーと当該所定周波数帯域をＮ分割した所定周波数
幅毎のパワースペクトラムのエネルギーとから、所定周
波数幅毎のエネルギー百分率値を求め、当該エネルギー
百分率値に基づいた符号列を生成する符号化手段と、 符号化手段によって生成された符号列の符号化パターン
を入力データとして、ニューラルネットワーク演算処理
を行い航走体の船種を出力するニューラルネットワーク
処理手段とを備え、音響信号受波器が受信した航走体自
体が独自に発生させる音響信号から航走体の船種を自動
識別するようにしたことを特徴とする航走体船種識別装
置。 - 【請求項２】 上記符号化手段は、エネルギー百分率値
を予め定められた有効桁の数値にし、この有効桁の数値
の符号列を生成するようにしたことを特徴とする請求項
１記載の航走体船種識別装置。 - 【請求項３】 上記符号化手段は、エネルギー百分率値
を予め定められたしきい値と比較する比較部を備え、上
記エネルギー百分率値を２値化し符号列を生成するよう
にしたことを特徴とする請求項１記載の航走体船種識別
装置。 - 【請求項４】 形状と材質によって定まるプロペラの振
動特性に起因する雑 音を含む航走体自体が独自に発生さ
せる船体音響信号を受信し、その音響信号から航走体の
船種を識別する航走体船種識別方法において、 受信された航走体の船体音響信号を基に、ＦＦＴ処理手
段で周波数分析を行い、 ＦＦＴ処理手段で処理された周波数の内の予め定められ
た所定周波数帯域の各周波数に対するパワーを計算し、 当該所定周波数帯域をＮ個の所定周波数幅に分割し、所
定周波数幅のパワースペクトラムのエネルギーを求める
と共に、当該所定周波数帯域のパワースペクトラムの全
エネルギーを求め、 当該所定周波数帯域のパワースペクトラムの全エネルギ
ーに対する当該所定周波数幅のパワースペクトラムのエ
ネルギーの割合を示すエネルギー百分率値を当該所定周
波数幅毎に求め、当該エネルギー百分率値に基づいた符
号列を生成し、 生成された符号列の符号化パターンを入力データとして
ニューラルネットワーク処理手段で航走体の船種を識別
するニューラルネットワーク演算処理を行い、 音響信号受波器が受信した航走体自体が独自に発生させ
る音響信号から航走体の船種を自動識別するようにした
ことを特徴とする航走体船種識別方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP35874598A JP3159306B2 (ja) | 1998-12-17 | 1998-12-17 | 航走体船種識別装置及びその方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP35874598A JP3159306B2 (ja) | 1998-12-17 | 1998-12-17 | 航走体船種識別装置及びその方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000180258A JP2000180258A (ja) | 2000-06-30 |
| JP3159306B2 true JP3159306B2 (ja) | 2001-04-23 |
Family
ID=18460900
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP35874598A Expired - Lifetime JP3159306B2 (ja) | 1998-12-17 | 1998-12-17 | 航走体船種識別装置及びその方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3159306B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102415779B1 (ko) * | 2014-10-17 | 2022-06-30 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 정전 척 어셈블리 |
| KR102526554B1 (ko) * | 2015-05-19 | 2023-04-26 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 금속 본딩된 백킹 플레이트를 갖는 정전 퍽 조립체 |
| KR102567808B1 (ko) | 2016-03-04 | 2023-08-16 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 기판 지지 어셈블리 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007292645A (ja) * | 2006-04-26 | 2007-11-08 | Yamaguchi Univ | コウモリ種の判別装置及び判別方法 |
| JP2008290626A (ja) * | 2007-05-25 | 2008-12-04 | Universal Shipbuilding Corp | 水上又は水中航走体の監視装置 |
| JP6792746B2 (ja) * | 2017-06-05 | 2020-12-02 | 瀏陽 宋 | 周波数領域のセグメント特徴解析による状態識別法 |
| JP7540715B2 (ja) | 2021-02-10 | 2024-08-27 | 国立研究開発法人情報通信研究機構 | 不審船自動監視システム |
-
1998
- 1998-12-17 JP JP35874598A patent/JP3159306B2/ja not_active Expired - Lifetime
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102415779B1 (ko) * | 2014-10-17 | 2022-06-30 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 정전 척 어셈블리 |
| KR102506457B1 (ko) * | 2014-10-17 | 2023-03-03 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 정전 척 어셈블리 |
| KR102706817B1 (ko) * | 2014-10-17 | 2024-09-12 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 정전 척 어셈블리 |
| KR102526554B1 (ko) * | 2015-05-19 | 2023-04-26 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 금속 본딩된 백킹 플레이트를 갖는 정전 퍽 조립체 |
| KR102624648B1 (ko) | 2015-05-19 | 2024-01-11 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 금속 본딩된 백킹 플레이트를 갖는 정전 퍽 조립체 |
| KR102714120B1 (ko) * | 2015-05-19 | 2024-10-04 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 금속 본딩된 백킹 플레이트를 갖는 정전 퍽 조립체 |
| KR102567808B1 (ko) | 2016-03-04 | 2023-08-16 | 어플라이드 머티어리얼스, 인코포레이티드 | 고온 프로세스들을 위한 기판 지지 어셈블리 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000180258A (ja) | 2000-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aguilar Soto et al. | Does intense ship noise disrupt foraging in deep‐diving Cuvier's beaked whales (Ziphius cavirostris)? | |
| Ferguson et al. | Convolutional neural networks for passive monitoring of a shallow water environment using a single sensor | |
| NZ316566A (en) | Heart monitoring method by analysing electrocardiograph signals against a range and apparatus | |
| JP3159306B2 (ja) | 航走体船種識別装置及びその方法 | |
| Luo et al. | An underwater acoustic target recognition method based on combined feature with automatic coding and reconstruction | |
| GB2607290A (en) | Apparatus and method of classification | |
| Vahidpour et al. | An automated approach to passive sonar classification using binary image features | |
| CN113277032A (zh) | 基于船舶下沉量的船舶搁浅预警方法、装置、系统和介质 | |
| Axelsson et al. | Neural-network-based classification of commercial ships from multi-influence passive signatures | |
| Lopatka et al. | An attractive alternative for sperm whale click detection using the wavelet transform in comparison to the Fourier spectrogram | |
| CN116405127A (zh) | 水声通信前导信号检测模型的压缩方法和装置 | |
| Hongwei et al. | Phase trajectory entropy: A promising tool for passive diver detection | |
| Slamnoiu et al. | DEMON-type algorithms for determination of hydro-acoustic signatures of surface ships and of divers | |
| Lourens et al. | Detection of mechanical ship features from underwater acoustic sound | |
| Belev | Information capabilities of integrated bridge systems | |
| JPS59222728A (ja) | 信号分析装置 | |
| Soares-Filho et al. | Averaging spectra to improve the classification of the noise radiated by ships using neural networks | |
| Farrokhrooz et al. | Marine vessels acoustic radiated noise classification in passive sonar using probabilistic neural network and spectral features | |
| US6879544B1 (en) | Manatee vocalization detection method and system | |
| JP2000019192A (ja) | 航走体放射雑音からのドップラ周波数検出による航走体速度検出装置及びその方法 | |
| CN114360578B (zh) | 双门限法与残差神经网络结合的声音语意识别方法及系统 | |
| EP4095559A1 (en) | Apparatus and method of classification | |
| Kuzin et al. | Automated sea vehicle classification system based on neural network | |
| US20240282331A1 (en) | Method and apparatus to classifying craft | |
| Patria et al. | CLASSIFICATION OF SHIPS FROM UNDERWATER SOUND USING A DEEP LEARNING NETWORK |
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 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080216 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090216 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090216 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100216 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100216 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110216 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120216 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120216 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120216 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130216 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140216 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140216 Year of fee payment: 13 |
|
| 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 |
|
| 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 |