パルス列分析装置
【目的】 精度の向上と処理時間の短縮とを同時に実現する、パルス列分析装置を提供する。
【構成】 複数の放射源から発生されたパルス信号が受信され、受信されたパルス信号の属性が検出されると、属性を示す属性値がメモリー１に記憶される。この属性値に基づきパルスは放射源毎に分類され、メモリー１０に放射源毎にパルスのメモリー１のアドレスが格納される。放射源の特徴の分析に際して、プロセッサ８は、この放射源に属するパルスの属性値をメモリー１から読みだし、少なくとも２つのパルス間での属性値の変化量を回路１１で計算する。パルスの属性値、または、属性値の変化量に基づき、予め定められた条件により回路３０によりパルスをクラスタ分けし、クラスタの統計的な値を統計値補正回路１５で補正しながら、統計値メモリー１４に格納する。
【構成】 複数の放射源から発生されたパルス信号が受信され、受信されたパルス信号の属性が検出されると、属性を示す属性値がメモリー１に記憶される。この属性値に基づきパルスは放射源毎に分類され、メモリー１０に放射源毎にパルスのメモリー１のアドレスが格納される。放射源の特徴の分析に際して、プロセッサ８は、この放射源に属するパルスの属性値をメモリー１から読みだし、少なくとも２つのパルス間での属性値の変化量を回路１１で計算する。パルスの属性値、または、属性値の変化量に基づき、予め定められた条件により回路３０によりパルスをクラスタ分けし、クラスタの統計的な値を統計値補正回路１５で補正しながら、統計値メモリー１４に格納する。
【発明の詳細な説明】
【０００１】
【産業上の利用分野】この発明は、複数種類のパルス放射源から放射されたパルス列を受信し、受信されたパルス列を放射源毎に分類し、分類されたパルス列の特徴を抽出して放射源の種類を特定するパルス列分析装置に関する。
【０００２】
【従来の技術】従来、上記のようなパルス列分析装置においては、まず、複数種類のパルス放射源から放射されたパルス列を受信し、受信されたパルス列を放射源毎に分類する。このために、各パルス毎の特性（属性）を示すパラメータ（特性パラメータ）である、パルス到来方位（ＡＯＡ）、周波数（Ｆ）、振幅（ＰＡ）、パルス幅（ＰＷ）等を用いて、受信されたパルス列を、同一特性を有するパルス毎にグループ分けする。
【０００３】次に、各グループのパルスを発生する放射源の種類を特定する。このために、各グループ内のパルスのパラメータの変化量等を用いて、パルスの頻度分布（ヒストグラム）を作成し、ヒストグラムのパターンの特徴（ピークの位置、数、間隔等）を調べ、パルス列の特徴（放射源の特性）を分析する。
【０００４】図１は、従来のパルス列分析装置の構成を示すブロック図である。
【０００５】このパルス列分析装置は、入力パルスデータメモリー１、パルス分類回路２、パルス分類メモリー３、アドレス発生回路４、ヒストグラムメモリー５、インクリメンター６、特徴抽出回路７、プロセッサ８から構成される。
【０００６】入力パルスデータメモリー１は、ディジタル変換されたパルス毎の特性パラメータを記憶する。パルス分類回路２は、ＡＯＡ等のパラメータで、同一特性条件を満たしたパルスのグループ分けを行なう。パルス分類メモリー３は、グループ分けされたパルスの相対アドレスを記憶する。
【０００７】アドレス発生回路４は、入力データの階級に対応するヒストグラムメモリーのアドレスを発生させる。ヒストグラムメモリー５は、ヒストグラムデータを記憶する。インクリメンター６は、ヒストグラムデータに“１”を加算する。特徴抽出回路７は、ヒストグラムパターンのピーク位置、ピーク数、ピーク間隔等を検出する。プロセッサ８は、装置全体を制御する。
【０００８】次に、従来のパルス列分析装置の動作について説明する。
【０００９】パルス列分析装置に入力されたパルス列は、アナログデータからディジタルデータに変換され、変換された各パルスの特性パラメータは、入力パルスデータメモリー１に記憶される。この特性パラメータを用いて、パルス分類回路２により、同一の特性条件を満たしたパルス毎にグループ分けが行なわれ、グループ分けされたパルスの相対アドレスが、パルス分類メモリー３に記憶される（このようにして、同一特性を有するパルス毎、すなわち、各パルス放射源にパルスのグループ分けが行なわれる）。
【００１０】次に、メモリー３に記憶された各グループ毎に、グループ内のパルスのパラメータの変化量等を用いて、アドレス発生回路４により入力データ（当該パルス）の階級に対応するヒストグラムメモリー５のアドレスを発生させる。このメモリー５のアドレスに記憶されているヒストグラムデータに、インクリメンター６により“１”を加算し、これを全パルスに対して繰り返すことにより、該当する階級に対応するパルスの頻度が記憶される。このグループ毎に作成されたヒストグラムのパターンのピーク位置、ピーク数、ピーク間隔等を、特徴抽出回路７により検出し、パルス列の特徴（放射源の特性）を分析する。
【００１１】
【発明が解決しようとする課題】しかしながら、このような従来のパルス列分析装置にあっては、ヒストグラムメモリーに格納された、特性パラメータに対するパルスの頻度分布を表わすヒストグラムデータを読み出して、そのピーク位置、ピーク数、ピーク間隔等の特徴データを抽出し、パルス列の特徴を分析している。このため、位置や間隔等の分析の精度を上げるためには、ヒストグラムの階級分けを細かくする必要があり、このためには、ヒストグラムメモリーの容量を増やさなければならない。
【００１２】しかしながら、メモリーの容量を増やすと、ヒストグラムのピーク位置等の特徴を抽出する際の、ヒストグラムメモリーの走査に時間が掛かってしまう。このため、精度の向上と処理時間の短縮とを同時に実現することが困難であるという欠点があった。
【００１３】この発明は、上記従来技術の欠点を考慮して、精度の向上と処理時間の短縮とを同時に実現するパルス列分析装置を提供することを目的とする。
【００１４】
【課題を解決するための手段】本発明は、このような従来の問題点に着目してなされたもので、ヒストグラムメモリーを無くして、替わりにパラメータが似た値のもの同士を集めるクラスタ生成回路を設け、各クラスタの統計値である平均値、標準偏差値およびクラスタに属するパルス数（ヒットカウント値）を記憶するメモリーを設ける。
【００１５】すなわち、複数の放射源から発生されたパルス信号を受信し、受信されたパルス信号の属性を検出し、検出された属性を示す属性値を属性値記憶手段に記憶し、この属性値に基づきパルスを放射源毎に分類して分類記憶手段に格納し、この分類記憶手段に放射源毎に分類されたパルスの特徴を分析して、放射源の種類を特定するパルス列分析装置において、パルスの特徴の分析に際して、分類記憶手段に格納された属性値記憶手段のアドレスから、このアドレスに格納された属性値を読み出すための読みだし手段と、読みだされた少なくとも２つのパルス間での属性値の変化量を計算する計算手段と、読みだされたパルスの属性値、または、計算された属性値の変化量に基づき、予め定められた条件により、パルスをクラスタ分けするためのクラスタ分け手段と、クラスタの統計的な値を記憶するための統計値記憶手段とを備えていることを特徴とする。
【００１６】
【作用】本発明によるパルス列分析装置は、放射源毎に分類されたパルス列を、特性パラメータ、または、パラメータの変化量によっていくつかの群（クラスタ）に分けながら、各クラスタの統計値を連続的に補正することにより、ピーク位置（平均値）、分布状態（標準偏差値）、ピーク数（クラスタ数）等の、パルス列を分析するための特徴量を高速に高精度で検出する。
【００１７】
【実施例】以下、本発明を図面に基づいて説明する。
【００１８】図２は、本発明の一実施例に係るパルス列分析装置の構成を示すブロック図である。
【００１９】図２のパルス列分析装置における構成を説明すると、１はディジタル変換されたパルス毎の特性パラメータを記憶する入力パルスデータメモリー、８は装置全体を制御するプロセッサ、１０は各クラスタに分類されたパルスのアドレスをクラスタ別に記憶するパルスアドレス分類メモリーである。１１は注目しているパルスと近傍のパルスとの間でのパラメータの変化量を計算する回路、１２は入力パラメータがいずれの既存クラスタにも属しない場合に新たにクラスタを生成する回路、１３は入力されたパラメータがどのクラスタに属するかを決定する回路である。この１２と１３とで、クラスタ分け回路３０を構成している。１４はクラスタの統計値（平均値、標準偏差、所属パルス数）を記憶するメモリー、１５は統計値を補正する回路、１６はクラスタを指定するカウンターであり、１７は入力パルスデータメモリーからのパラメータをそのまま使うか、変化量計算回路で求めた変化量を使うかを選択するマルチプレクサ、１８は所属クラスタを示すカウンタの出力とプロセッサが指定するクラスタを示すレジスタ２２の出力を選択するマルチプレクサである。１９は入力パルスデータメモリーのどの特性パラメータを選択するかを指定するレジスタ、２０は入力パルスデータのパルスアドレスを指定するパルスアドレス発生回路、２１はプロセッサからの初期設定データとパルス分類メモリーからのデータを選択するマルチプレクサ、２３はパルス分類メモリーのクラスタ毎のパルス順番を指定するカウンターである。
【００２０】次に、上記の実施例に係る分析装置の動作について、図１０を参照しつつ説明する。この動作は、受信された各パルスのパラメータ値のデータメモリー１への読み込み（ステップＳ２００）、パルスの放射源毎の分類（ステップＳ３００）、分類されたパルスの特徴による放射源の特性の分析（ステップＳ４００）に大きく分けることができる。
【００２１】まず、パルス列の分類手順を、図１１，１２を参照しつつ説明する。
【００２２】受信されたパルスの各パラメータは、アドレスライン１ａ、データライン１ｂを介して入力パルスデータメモリー１に、各パルス毎に記憶される。プロセッサ８により、各パラメータのうちの処理の対象とするパラメータがパラメータ指定レジスタ１９に、入力パルスデータメモリー１のスタートアドレスがパルスアドレス発生回路２０に設定される。入力パルスデータメモリー１から、設定されたアドレスに格納されたパルスのパラメータが出力され、マルチプレクサ１７を介してクラスタ生成回路１２および所属クラスタ決定回路１３に入力される（ステップＳ３０１）。
【００２３】初期状態においてはクラスタが存在しないので、クラスタ生成回路１２は、カウンタ１６（初期値を“０”とする）が指定するクラスタ番号０に対応する統計値メモリー１４のアドレスに、入力データを平均値Ｅ0 として書込む。また、プロセッサ８からの標準偏差σの初期値を標準偏差σ0として書込み、所属パルス数に１を書込む（ステップＳ３０２）。
【００２４】パルスアドレス分類メモリー１０には、カウンタ１６の出力がマルチプレクサ１８を介して指定するクラスタ番号０、カウンタ２３（初期値を“０”とする）が指定するパルス順番０、に対応するアドレスに、パルスアドレス発生回路２０の出力であるパルスアドレスを書込み、クラスタ生成を完了する（ステップＳ３０３）。
【００２５】次に、プロセッサ８によりパルスアドレス発生回路２０のアドレスカウンタがインクリメントされると、所属クラスタ決定回路１３には次のパラメータ（これをｘiとする）が、メモリー１から入力される（ステップＳ３０４）。所属クラスタ決定回路１３では、既に存在するクラスタの統計値を使って、｜ｘi−Ｅn｜≦ｋσn …（式１）
の条件を満足するか否かを判定する（ステップＳ３０５）。ここで、Ｅnとσnとはクラスタ番号ｎの平均値と標準偏差であり、ｋはプロセッサが指定する定数である。
【００２６】上記（式１）の条件を満足するクラスタが存在（マッチング条件が成立）している場合は、統計値補正回路１５により、関数ＲＯＭを用いて、平均値Ｅと標準偏差σとを図６に示す（式２）に基づき補正する。
【００２７】ここでＥrとσrは補正された平均値と標準偏差であり、ｈはクラスタに属するパルス数である。このように補正されたＥr，σr及びインクリメントされた所属パルス数ｈ＋１は、統計値メモリー１４に書込まれる（ステップＳ３０６）。
【００２８】所属パルス数はカウンタ２３にもロードされ、メモリー１０上のカウンタ１６が指定する所属クラスタの、カウンタ２３が指定するパルス順番の位置に、パルスアドレス発生回路２０の出力であるパルスアドレスを書込む（ステップＳ３０８）。
【００２９】上記（式１）の条件を満足するクラスタが存在しない（マッチング条件が不成立）場合は、最初のシーケンスと同様に新たにクラスタを生成する（ステップＳ３０７）。
【００３０】これらのシーケンスを全パルスについて繰り返すことによって（ステップＳ３０９）、パラメータの値が似たもの同士を集めたクラスタを生成し、クラスタ別に分類されたパルスのアドレスをパルス分類メモリーにクラスタ別に作成することが出来る。このようにして、パルス列を放射源毎に分類することができる。
【００３１】上記（式１）の条件を満足するクラスタが複数存在している場合は、入力パルスのパラメータＰｉがどのクラスタにもっとも近いかを計算するための距離計算アルゴリズムを定義しておき、このアルゴリズムにより、最適なクラスタを一つだけ選ぶ。このアルゴリズムによる計算結果も等しい場合には、たとえば、ｎの大きい方を選ぶというように決めておく。
【００３２】以下、この距離計算の実施例について説明する。
【００３３】入力パルスのパラメータＰｉ（ｘi，ｙi)と各クラスタＣnとの近さの尺度として、距離ｄinを図７（ａ）に示す（式３）で定義する。
【００３４】このアルゴリズムの計算方法は、高速処理及びハードウェアによる実現を意図して、（式３）の各項は関数ＲＯＭを使って計算する。関数ＲＯＭの容量を減らすため、Ｗxn（クラスタｎのｘ方向の許容値）,Δx，Ｗyn（クラスタｎのｙ方向の許容値），Δyをそれぞれ７bitに制限したＷxn′,Δx′，Ｗyn′，Δy′を使用する。マッチング条件が成立している（パラメータＰｉ（ｘi，ｙi)が、クラスタｎに属している）場合には、Δx≦Ｗxn，Δy≦Ｗynとなっているので、各項の大きさは０〜１の範囲にある。ハードウェアで取扱う場合、８bit（０〜２５５)で表現するため各項を２５４倍し、図７R>７（ｂ）に示す（式４）とし、この式で表わされるＤinの値が小さいほど入力パラメータＰi がクラスタＣn に近いと判断する。ここで、Ｄinは、０〜５０８（９bit)の大きさの範囲をとる。
【００３５】上記のように距離を計算する回路の一例を、図８に示す。
【００３６】図８のバレルシフタ１００，１０１，１１０，１１１においてビット数を削減する方法について、図９を参照しつつ説明する。
【００３７】（１) Ｗxn，Ｗyn（１２bit)を Ｗxn′, Ｗyn′（７bit)に削減する方法（図９（ａ））
Ｗxnのbit７〜bit１１が０の場合はbit０〜bit６をそのまま出力する。もしＷxnのbit７〜bit１１に１が存在する場合は、ＭＳＢ側（最上位)の１がＷxn′のbit６の位置にくるように右シフトして出力する。
【００３８】（２) Δｘ，Δｙ（１２bit)をΔｘ′，Δｙ′（７bit)に削減する方法（図９（ｂ））
（１) 項で決定したシフト量をΔｘ（Δｙ)にも適用し、同様に右シフトして７bit に削減する。
【００３９】次に、上記のように分類されたパルス列を分析するための手順について説明する。
【００４０】この分析は、生成された１つのクラスタ（単一放射源のパルスの集合）のパルス列のパラメータを使って、パルス列を分析するためのクラスタを作成することにより行なう。以下の実施例では入力パルスのパルス到来時刻（ＴＯＡ）の時間差、すなわちパルスの繰り返し間隔（ＰＲＩ）を使用したパルス列の分析方法について、図１３，図１４に示すフローチャートを参照しつつ説明する。周波数の変化（ΔＦ）、パルス幅の変化（ΔＰＷ）等を使った場合も同様に適用することが出来る。
【００４１】プロセッサ８により、パラメータ指定レジスタ１９にＴＯＡパラメータを、レジスタ２２に分析対象クラスタを指定し、カウンタ２３をクリアー（“０”を設定）する。次に、プロセッサ８は、パルス分類メモリー１０から分析対象のクラスタの最初のパルスアドレスを読み出し、マルチプレクサ２１を介してパルスアドレス発生回路２０にロードする（図１３のステップＳ４０１）。
【００４２】入力パルスデータメモリー１中の、パルスアドレス発生回路２０により指定されたアドレスの、レジスタ１９により指定されたパラメータの値が読み出され（読み出される最初の値をｔ0とする）、変化量計算回路１１に入力されて内部のレジスタに値ｔ0が保持される（ステップＳ４０２）。次に、プロセッサ８は、カウンタ２３をインクリメントし、次のパルスアドレスを読み出してパルスアドレス発生回路２０にロードする（ステップＳ４０３）。入力パルスデータメモリー１からは、次のパルスのＴＯＡデータｔ1が読み出され（ステップＳ４０４）、変化計算回路１１でｔ1−ｔ0の計算を行ない、結果をマルチプレクサ１７を介してクラスタ生成回路１２に入力する（ステップＳ４０５）。初期状態ではクラスタが存在しないので、クラスタ生成回路はカウンタ１６が指定するクラスタ番号０に対応する統計値メモリー１４に、入力データｔ1−ｔ0を平均値Ｅ0として書込む。また、プロセッサ８からの標準偏差σの初期値を標準偏差σ0、所属パルス数を１として書込み、サブクラスタ生成を完了する（ステップＳ４０６）。
【００４３】次にプロセッサ８は、カウンタ２３をインクリメントし、次のパルスアドレスをパルス分類メモリーから読み出してパルスアドレス発生回路２０にロードする（ステップＳ４０７）。入力パルスデータメモリー１からは、パルスアドレス発生回路２０にロードされたアドレスに格納された次のパルスのＴＯＡデータｔ2が読み出され（ステップＳ４０８）、変化量計算回路１１でｔ2−ｔ1の計算が行なわれて、この計算結果ｘiをマルチプレクサ１７を介して所属クラスタ決定回路１３に入力する（ステップＳ４０９）。
【００４４】所属クラスタ決定回路では、既に存在するサブクラスタの統計値を使って、前記（式１）の条件を満足するか否かを判定する（ステップＳ４１０）。条件を満足する場合には、所属するサブクラスタの統計値を補正して格納する（ステップＳ４１１）。条件を満足しない場合には、新たなサブクラスタを生成し、このサブクラスタの統計値を格納する（ステップＳ４１２）。クラスタ内の全パルスに対してステップＳ４０７からステップＳ４１１、または、ステップＳ４０７からステップＳ４１２の処理を行なう（ステップＳ４１３）。（式１）は、パルス列分類手順で説明したものと同じであり、統計値補正回路１５による補正方法も同一である。パルス列分析手順において分類手順と異なる部分は、（ａ）パルスアドレスの発生は、パルスアドレス分類メモリー１０から読み出したパルスアドレスにより行なう。
（ｂ）パルスアドレス分類メモリー１０へのデータ書込みは行なわない。
（ｃ）変化量計算回路１１からの差分データを、クラスタ生成回路１２と所属クラスタ決定回路１３に入力する。
以上の３点である。他の処理手順は、パルス列分類手順と同じ方法によってパルス列を分析するためのサブクラスタを作成する。
【００４５】次に作成されたサブクラスタの統計値を使ってパルス列を分析する方法を図４を使って説明する。
【００４６】分析する対象となるクラスタのパルス列が、図４（ａ）で示すような各々２μＳ，３μＳ，４μＳ，５μＳのパルス繰り返し間隔を持つ、バーストスタガの繰り返しパターンである場合には、平均値として例えばＥ0＝２．０１μＳ，Ｅ1＝３．０３μＳ，Ｅ2＝３．９２μＳ，Ｅ3＝５．０４μＳ、標準偏差としては例えばσ0＝０．１１μＳ，σ1＝０．０９μＳ，σ2＝０．１３μＳ，σ3＝０．１２μＳの様な比較的小さな値を持ち、所属パルス数は例えばｈ0＝５１，ｈ1＝４０，ｈ2＝２８，ｈ3＝２１の様な比較的大きな値を持ったクラスタが４個生成される。ノイズやパルス抜けによって生じたクラスタは、所属パルス数の値が小さいので、所属パルス数の値が小さいクラスタをノイズとして削除する。残ったクラスタの統計値を分析することによってパルス列が２．０１μＳ，３．０３μＳ，３．９２μＳ，５．０４μＳのパルスの繰り返し間隔を持つ４ポジションバーストスタガであることを知ることができる。
【００４７】次に、本発明に係るパルス列分析装置の第２の実施例を図３に示す。
【００４８】このパルス列分析装置は、第１実施例で説明した入力パルスデータメモリー１、変化量計算回路１１、クラスタ生成回路１２、所属クラスタ決定回路１３、統計値メモリー１４、統計値補正回路１５、マルチプレクサ１７、パラメータ指定レジスタ１９をそれぞれ２組ずつ用意することによって、２つの異なるパラメータ又はパラメータの変化量について並列に処理を行なう。
【００４９】この場合、所属クラスタの判定条件は、入力パラメータをｘi，ｙi各クラスタの平均値をＥxn，Ｅyn、標準偏差をσxn，σyn、プロセッサ８より指定する定数をｋx，ｋyとしたとき、下記のように、｜ｘi−Ｅxn｜≦ｋx・σxn …（式５）
｜ｙi−Ｅyn｜≦ｋy・σyn …（式６）
として、（式５），（式６）の条件式を同時に満足した場合に、そのクラスタに所属するものと判定する。他の処理は、第１実施例と同じ方法で動作させることによって、２つのパラメータｘ，ｙについて２次元平面上での統計的クラスタリング処理によってパルス列を分析するものである。
【００５０】次に、作成された２次元クラスタの統計値を使ってパルス列を分析する方法を図５を使って説明する。
【００５１】パルス列を分析する対象となるクラスタのパルス列が図５（ａ）で示すようにパルス間隔が鋸歯状に、４μＳ，５μＳ，６μＳ，７μＳ，８μＳ，４μＳ，５μＳ，…と変調されているパルス列であったとする。
【００５２】２つのパラメータとして、パルス間隔をｘ、パルス間隔の変化量をｙとしてクラスタリング処理を行なうと、図５（ｂ）で示すようなクラスタが作成される。
【００５３】ｙ方向の平均値が約１μＳの位置に平行してクラスタが存在しているので、パルス間隔が鋸歯状に変調されているパルス列であることを知ることができる。
【００５４】第５図（ｃ)は、同じパルス列でパルス幅（Ｐｗ)が５ステップの繰返しパターン（１μＳ、２μＳ、１．５μＳ、０．５μＳ、１μＳ)でパルス毎に変化している場合に、パルス間隔をｘ、パルス幅の変化量をｙとしてクラスタリング処理した場合のクラスタの一例である。各クラスタの統計値を調べることによってパルス幅が５ステップの繰返しパターンで変調されていることを知ることができる。
【００５５】
【発明の効果】以上説明してきたように、本発明によれば、以下に列挙する効果が得られる。
【００５６】複数のパルス放射源から到来する混在した状態のパルス列の中から放射源別にパルス列を分類し、次に分類された単一放射源のパルス列をパラメータやその変化量を使ってクラスタリング処理を行なうことにより、パルス列を分析するための特徴をクラスタの分布状態によって表わすことが出来るので、各クラスタの統計値を調べることによりパルス列のパラメータ変化モード、変調タイプ等を効率よく高精度に分析することができる。
【図面の簡単な説明】
【図１】従来のパルス列分析装置のブロック図。
【図２】本発明の１実施例に係るパルス列分析装置のブロック図。
【図３】本発明の他の実施例に係るパルス列分析装置のブロック図。
【図４】クラスタ分けの１例を示す図。
【図５】クラスタ分けの他の例を示す図。
【図６】（式２）を示す図。
【図７】（式３），（式４）を示す図。
【図８】距離計算回路の１例を示す図。
【図９】距離計算回路においてビット数を削減する方法を示す図。
【図１０】本発明に係るパルス列分析装置の動作を示すフローチャートの図。
【図１１】本発明に係るパルス列分析装置の分類動作を示すフローチャートの図。
【図１２】本発明に係るパルス列分析装置の分類動作を示すフローチャートの図。
【図１３】本発明に係るパルス列分析装置の分析動作を示すフローチャートの図。
【図１４】本発明に係るパルス列分析装置の分析動作を示すフローチャートの図。
【符号の説明】
１…入力パルスデータメモリー、８…プロセッサ、１０…パルスアドレス分類メモリー、１１…変化量計算回路、１２…クラスタ生成回路、１３…所属クラスタ決定回路、１４…統計値メモリー、１５…統計値補正回路、１６…カウンタ、１７，１８，２１…マルチプレクサ、１９…パラメータ指定レジスタ、２０…パルスアドレス発生回路、２２…レジスタ、２３…カウンタ、３０…クラスタ分け回路。
【０００１】
【産業上の利用分野】この発明は、複数種類のパルス放射源から放射されたパルス列を受信し、受信されたパルス列を放射源毎に分類し、分類されたパルス列の特徴を抽出して放射源の種類を特定するパルス列分析装置に関する。
【０００２】
【従来の技術】従来、上記のようなパルス列分析装置においては、まず、複数種類のパルス放射源から放射されたパルス列を受信し、受信されたパルス列を放射源毎に分類する。このために、各パルス毎の特性（属性）を示すパラメータ（特性パラメータ）である、パルス到来方位（ＡＯＡ）、周波数（Ｆ）、振幅（ＰＡ）、パルス幅（ＰＷ）等を用いて、受信されたパルス列を、同一特性を有するパルス毎にグループ分けする。
【０００３】次に、各グループのパルスを発生する放射源の種類を特定する。このために、各グループ内のパルスのパラメータの変化量等を用いて、パルスの頻度分布（ヒストグラム）を作成し、ヒストグラムのパターンの特徴（ピークの位置、数、間隔等）を調べ、パルス列の特徴（放射源の特性）を分析する。
【０００４】図１は、従来のパルス列分析装置の構成を示すブロック図である。
【０００５】このパルス列分析装置は、入力パルスデータメモリー１、パルス分類回路２、パルス分類メモリー３、アドレス発生回路４、ヒストグラムメモリー５、インクリメンター６、特徴抽出回路７、プロセッサ８から構成される。
【０００６】入力パルスデータメモリー１は、ディジタル変換されたパルス毎の特性パラメータを記憶する。パルス分類回路２は、ＡＯＡ等のパラメータで、同一特性条件を満たしたパルスのグループ分けを行なう。パルス分類メモリー３は、グループ分けされたパルスの相対アドレスを記憶する。
【０００７】アドレス発生回路４は、入力データの階級に対応するヒストグラムメモリーのアドレスを発生させる。ヒストグラムメモリー５は、ヒストグラムデータを記憶する。インクリメンター６は、ヒストグラムデータに“１”を加算する。特徴抽出回路７は、ヒストグラムパターンのピーク位置、ピーク数、ピーク間隔等を検出する。プロセッサ８は、装置全体を制御する。
【０００８】次に、従来のパルス列分析装置の動作について説明する。
【０００９】パルス列分析装置に入力されたパルス列は、アナログデータからディジタルデータに変換され、変換された各パルスの特性パラメータは、入力パルスデータメモリー１に記憶される。この特性パラメータを用いて、パルス分類回路２により、同一の特性条件を満たしたパルス毎にグループ分けが行なわれ、グループ分けされたパルスの相対アドレスが、パルス分類メモリー３に記憶される（このようにして、同一特性を有するパルス毎、すなわち、各パルス放射源にパルスのグループ分けが行なわれる）。
【００１０】次に、メモリー３に記憶された各グループ毎に、グループ内のパルスのパラメータの変化量等を用いて、アドレス発生回路４により入力データ（当該パルス）の階級に対応するヒストグラムメモリー５のアドレスを発生させる。このメモリー５のアドレスに記憶されているヒストグラムデータに、インクリメンター６により“１”を加算し、これを全パルスに対して繰り返すことにより、該当する階級に対応するパルスの頻度が記憶される。このグループ毎に作成されたヒストグラムのパターンのピーク位置、ピーク数、ピーク間隔等を、特徴抽出回路７により検出し、パルス列の特徴（放射源の特性）を分析する。
【００１１】
【発明が解決しようとする課題】しかしながら、このような従来のパルス列分析装置にあっては、ヒストグラムメモリーに格納された、特性パラメータに対するパルスの頻度分布を表わすヒストグラムデータを読み出して、そのピーク位置、ピーク数、ピーク間隔等の特徴データを抽出し、パルス列の特徴を分析している。このため、位置や間隔等の分析の精度を上げるためには、ヒストグラムの階級分けを細かくする必要があり、このためには、ヒストグラムメモリーの容量を増やさなければならない。
【００１２】しかしながら、メモリーの容量を増やすと、ヒストグラムのピーク位置等の特徴を抽出する際の、ヒストグラムメモリーの走査に時間が掛かってしまう。このため、精度の向上と処理時間の短縮とを同時に実現することが困難であるという欠点があった。
【００１３】この発明は、上記従来技術の欠点を考慮して、精度の向上と処理時間の短縮とを同時に実現するパルス列分析装置を提供することを目的とする。
【００１４】
【課題を解決するための手段】本発明は、このような従来の問題点に着目してなされたもので、ヒストグラムメモリーを無くして、替わりにパラメータが似た値のもの同士を集めるクラスタ生成回路を設け、各クラスタの統計値である平均値、標準偏差値およびクラスタに属するパルス数（ヒットカウント値）を記憶するメモリーを設ける。
【００１５】すなわち、複数の放射源から発生されたパルス信号を受信し、受信されたパルス信号の属性を検出し、検出された属性を示す属性値を属性値記憶手段に記憶し、この属性値に基づきパルスを放射源毎に分類して分類記憶手段に格納し、この分類記憶手段に放射源毎に分類されたパルスの特徴を分析して、放射源の種類を特定するパルス列分析装置において、パルスの特徴の分析に際して、分類記憶手段に格納された属性値記憶手段のアドレスから、このアドレスに格納された属性値を読み出すための読みだし手段と、読みだされた少なくとも２つのパルス間での属性値の変化量を計算する計算手段と、読みだされたパルスの属性値、または、計算された属性値の変化量に基づき、予め定められた条件により、パルスをクラスタ分けするためのクラスタ分け手段と、クラスタの統計的な値を記憶するための統計値記憶手段とを備えていることを特徴とする。
【００１６】
【作用】本発明によるパルス列分析装置は、放射源毎に分類されたパルス列を、特性パラメータ、または、パラメータの変化量によっていくつかの群（クラスタ）に分けながら、各クラスタの統計値を連続的に補正することにより、ピーク位置（平均値）、分布状態（標準偏差値）、ピーク数（クラスタ数）等の、パルス列を分析するための特徴量を高速に高精度で検出する。
【００１７】
【実施例】以下、本発明を図面に基づいて説明する。
【００１８】図２は、本発明の一実施例に係るパルス列分析装置の構成を示すブロック図である。
【００１９】図２のパルス列分析装置における構成を説明すると、１はディジタル変換されたパルス毎の特性パラメータを記憶する入力パルスデータメモリー、８は装置全体を制御するプロセッサ、１０は各クラスタに分類されたパルスのアドレスをクラスタ別に記憶するパルスアドレス分類メモリーである。１１は注目しているパルスと近傍のパルスとの間でのパラメータの変化量を計算する回路、１２は入力パラメータがいずれの既存クラスタにも属しない場合に新たにクラスタを生成する回路、１３は入力されたパラメータがどのクラスタに属するかを決定する回路である。この１２と１３とで、クラスタ分け回路３０を構成している。１４はクラスタの統計値（平均値、標準偏差、所属パルス数）を記憶するメモリー、１５は統計値を補正する回路、１６はクラスタを指定するカウンターであり、１７は入力パルスデータメモリーからのパラメータをそのまま使うか、変化量計算回路で求めた変化量を使うかを選択するマルチプレクサ、１８は所属クラスタを示すカウンタの出力とプロセッサが指定するクラスタを示すレジスタ２２の出力を選択するマルチプレクサである。１９は入力パルスデータメモリーのどの特性パラメータを選択するかを指定するレジスタ、２０は入力パルスデータのパルスアドレスを指定するパルスアドレス発生回路、２１はプロセッサからの初期設定データとパルス分類メモリーからのデータを選択するマルチプレクサ、２３はパルス分類メモリーのクラスタ毎のパルス順番を指定するカウンターである。
【００２０】次に、上記の実施例に係る分析装置の動作について、図１０を参照しつつ説明する。この動作は、受信された各パルスのパラメータ値のデータメモリー１への読み込み（ステップＳ２００）、パルスの放射源毎の分類（ステップＳ３００）、分類されたパルスの特徴による放射源の特性の分析（ステップＳ４００）に大きく分けることができる。
【００２１】まず、パルス列の分類手順を、図１１，１２を参照しつつ説明する。
【００２２】受信されたパルスの各パラメータは、アドレスライン１ａ、データライン１ｂを介して入力パルスデータメモリー１に、各パルス毎に記憶される。プロセッサ８により、各パラメータのうちの処理の対象とするパラメータがパラメータ指定レジスタ１９に、入力パルスデータメモリー１のスタートアドレスがパルスアドレス発生回路２０に設定される。入力パルスデータメモリー１から、設定されたアドレスに格納されたパルスのパラメータが出力され、マルチプレクサ１７を介してクラスタ生成回路１２および所属クラスタ決定回路１３に入力される（ステップＳ３０１）。
【００２３】初期状態においてはクラスタが存在しないので、クラスタ生成回路１２は、カウンタ１６（初期値を“０”とする）が指定するクラスタ番号０に対応する統計値メモリー１４のアドレスに、入力データを平均値Ｅ0 として書込む。また、プロセッサ８からの標準偏差σの初期値を標準偏差σ0として書込み、所属パルス数に１を書込む（ステップＳ３０２）。
【００２４】パルスアドレス分類メモリー１０には、カウンタ１６の出力がマルチプレクサ１８を介して指定するクラスタ番号０、カウンタ２３（初期値を“０”とする）が指定するパルス順番０、に対応するアドレスに、パルスアドレス発生回路２０の出力であるパルスアドレスを書込み、クラスタ生成を完了する（ステップＳ３０３）。
【００２５】次に、プロセッサ８によりパルスアドレス発生回路２０のアドレスカウンタがインクリメントされると、所属クラスタ決定回路１３には次のパラメータ（これをｘiとする）が、メモリー１から入力される（ステップＳ３０４）。所属クラスタ決定回路１３では、既に存在するクラスタの統計値を使って、｜ｘi−Ｅn｜≦ｋσn …（式１）
の条件を満足するか否かを判定する（ステップＳ３０５）。ここで、Ｅnとσnとはクラスタ番号ｎの平均値と標準偏差であり、ｋはプロセッサが指定する定数である。
【００２６】上記（式１）の条件を満足するクラスタが存在（マッチング条件が成立）している場合は、統計値補正回路１５により、関数ＲＯＭを用いて、平均値Ｅと標準偏差σとを図６に示す（式２）に基づき補正する。
【００２７】ここでＥrとσrは補正された平均値と標準偏差であり、ｈはクラスタに属するパルス数である。このように補正されたＥr，σr及びインクリメントされた所属パルス数ｈ＋１は、統計値メモリー１４に書込まれる（ステップＳ３０６）。
【００２８】所属パルス数はカウンタ２３にもロードされ、メモリー１０上のカウンタ１６が指定する所属クラスタの、カウンタ２３が指定するパルス順番の位置に、パルスアドレス発生回路２０の出力であるパルスアドレスを書込む（ステップＳ３０８）。
【００２９】上記（式１）の条件を満足するクラスタが存在しない（マッチング条件が不成立）場合は、最初のシーケンスと同様に新たにクラスタを生成する（ステップＳ３０７）。
【００３０】これらのシーケンスを全パルスについて繰り返すことによって（ステップＳ３０９）、パラメータの値が似たもの同士を集めたクラスタを生成し、クラスタ別に分類されたパルスのアドレスをパルス分類メモリーにクラスタ別に作成することが出来る。このようにして、パルス列を放射源毎に分類することができる。
【００３１】上記（式１）の条件を満足するクラスタが複数存在している場合は、入力パルスのパラメータＰｉがどのクラスタにもっとも近いかを計算するための距離計算アルゴリズムを定義しておき、このアルゴリズムにより、最適なクラスタを一つだけ選ぶ。このアルゴリズムによる計算結果も等しい場合には、たとえば、ｎの大きい方を選ぶというように決めておく。
【００３２】以下、この距離計算の実施例について説明する。
【００３３】入力パルスのパラメータＰｉ（ｘi，ｙi)と各クラスタＣnとの近さの尺度として、距離ｄinを図７（ａ）に示す（式３）で定義する。
【００３４】このアルゴリズムの計算方法は、高速処理及びハードウェアによる実現を意図して、（式３）の各項は関数ＲＯＭを使って計算する。関数ＲＯＭの容量を減らすため、Ｗxn（クラスタｎのｘ方向の許容値）,Δx，Ｗyn（クラスタｎのｙ方向の許容値），Δyをそれぞれ７bitに制限したＷxn′,Δx′，Ｗyn′，Δy′を使用する。マッチング条件が成立している（パラメータＰｉ（ｘi，ｙi)が、クラスタｎに属している）場合には、Δx≦Ｗxn，Δy≦Ｗynとなっているので、各項の大きさは０〜１の範囲にある。ハードウェアで取扱う場合、８bit（０〜２５５)で表現するため各項を２５４倍し、図７R>７（ｂ）に示す（式４）とし、この式で表わされるＤinの値が小さいほど入力パラメータＰi がクラスタＣn に近いと判断する。ここで、Ｄinは、０〜５０８（９bit)の大きさの範囲をとる。
【００３５】上記のように距離を計算する回路の一例を、図８に示す。
【００３６】図８のバレルシフタ１００，１０１，１１０，１１１においてビット数を削減する方法について、図９を参照しつつ説明する。
【００３７】（１) Ｗxn，Ｗyn（１２bit)を Ｗxn′, Ｗyn′（７bit)に削減する方法（図９（ａ））
Ｗxnのbit７〜bit１１が０の場合はbit０〜bit６をそのまま出力する。もしＷxnのbit７〜bit１１に１が存在する場合は、ＭＳＢ側（最上位)の１がＷxn′のbit６の位置にくるように右シフトして出力する。
【００３８】（２) Δｘ，Δｙ（１２bit)をΔｘ′，Δｙ′（７bit)に削減する方法（図９（ｂ））
（１) 項で決定したシフト量をΔｘ（Δｙ)にも適用し、同様に右シフトして７bit に削減する。
【００３９】次に、上記のように分類されたパルス列を分析するための手順について説明する。
【００４０】この分析は、生成された１つのクラスタ（単一放射源のパルスの集合）のパルス列のパラメータを使って、パルス列を分析するためのクラスタを作成することにより行なう。以下の実施例では入力パルスのパルス到来時刻（ＴＯＡ）の時間差、すなわちパルスの繰り返し間隔（ＰＲＩ）を使用したパルス列の分析方法について、図１３，図１４に示すフローチャートを参照しつつ説明する。周波数の変化（ΔＦ）、パルス幅の変化（ΔＰＷ）等を使った場合も同様に適用することが出来る。
【００４１】プロセッサ８により、パラメータ指定レジスタ１９にＴＯＡパラメータを、レジスタ２２に分析対象クラスタを指定し、カウンタ２３をクリアー（“０”を設定）する。次に、プロセッサ８は、パルス分類メモリー１０から分析対象のクラスタの最初のパルスアドレスを読み出し、マルチプレクサ２１を介してパルスアドレス発生回路２０にロードする（図１３のステップＳ４０１）。
【００４２】入力パルスデータメモリー１中の、パルスアドレス発生回路２０により指定されたアドレスの、レジスタ１９により指定されたパラメータの値が読み出され（読み出される最初の値をｔ0とする）、変化量計算回路１１に入力されて内部のレジスタに値ｔ0が保持される（ステップＳ４０２）。次に、プロセッサ８は、カウンタ２３をインクリメントし、次のパルスアドレスを読み出してパルスアドレス発生回路２０にロードする（ステップＳ４０３）。入力パルスデータメモリー１からは、次のパルスのＴＯＡデータｔ1が読み出され（ステップＳ４０４）、変化計算回路１１でｔ1−ｔ0の計算を行ない、結果をマルチプレクサ１７を介してクラスタ生成回路１２に入力する（ステップＳ４０５）。初期状態ではクラスタが存在しないので、クラスタ生成回路はカウンタ１６が指定するクラスタ番号０に対応する統計値メモリー１４に、入力データｔ1−ｔ0を平均値Ｅ0として書込む。また、プロセッサ８からの標準偏差σの初期値を標準偏差σ0、所属パルス数を１として書込み、サブクラスタ生成を完了する（ステップＳ４０６）。
【００４３】次にプロセッサ８は、カウンタ２３をインクリメントし、次のパルスアドレスをパルス分類メモリーから読み出してパルスアドレス発生回路２０にロードする（ステップＳ４０７）。入力パルスデータメモリー１からは、パルスアドレス発生回路２０にロードされたアドレスに格納された次のパルスのＴＯＡデータｔ2が読み出され（ステップＳ４０８）、変化量計算回路１１でｔ2−ｔ1の計算が行なわれて、この計算結果ｘiをマルチプレクサ１７を介して所属クラスタ決定回路１３に入力する（ステップＳ４０９）。
【００４４】所属クラスタ決定回路では、既に存在するサブクラスタの統計値を使って、前記（式１）の条件を満足するか否かを判定する（ステップＳ４１０）。条件を満足する場合には、所属するサブクラスタの統計値を補正して格納する（ステップＳ４１１）。条件を満足しない場合には、新たなサブクラスタを生成し、このサブクラスタの統計値を格納する（ステップＳ４１２）。クラスタ内の全パルスに対してステップＳ４０７からステップＳ４１１、または、ステップＳ４０７からステップＳ４１２の処理を行なう（ステップＳ４１３）。（式１）は、パルス列分類手順で説明したものと同じであり、統計値補正回路１５による補正方法も同一である。パルス列分析手順において分類手順と異なる部分は、（ａ）パルスアドレスの発生は、パルスアドレス分類メモリー１０から読み出したパルスアドレスにより行なう。
（ｂ）パルスアドレス分類メモリー１０へのデータ書込みは行なわない。
（ｃ）変化量計算回路１１からの差分データを、クラスタ生成回路１２と所属クラスタ決定回路１３に入力する。
以上の３点である。他の処理手順は、パルス列分類手順と同じ方法によってパルス列を分析するためのサブクラスタを作成する。
【００４５】次に作成されたサブクラスタの統計値を使ってパルス列を分析する方法を図４を使って説明する。
【００４６】分析する対象となるクラスタのパルス列が、図４（ａ）で示すような各々２μＳ，３μＳ，４μＳ，５μＳのパルス繰り返し間隔を持つ、バーストスタガの繰り返しパターンである場合には、平均値として例えばＥ0＝２．０１μＳ，Ｅ1＝３．０３μＳ，Ｅ2＝３．９２μＳ，Ｅ3＝５．０４μＳ、標準偏差としては例えばσ0＝０．１１μＳ，σ1＝０．０９μＳ，σ2＝０．１３μＳ，σ3＝０．１２μＳの様な比較的小さな値を持ち、所属パルス数は例えばｈ0＝５１，ｈ1＝４０，ｈ2＝２８，ｈ3＝２１の様な比較的大きな値を持ったクラスタが４個生成される。ノイズやパルス抜けによって生じたクラスタは、所属パルス数の値が小さいので、所属パルス数の値が小さいクラスタをノイズとして削除する。残ったクラスタの統計値を分析することによってパルス列が２．０１μＳ，３．０３μＳ，３．９２μＳ，５．０４μＳのパルスの繰り返し間隔を持つ４ポジションバーストスタガであることを知ることができる。
【００４７】次に、本発明に係るパルス列分析装置の第２の実施例を図３に示す。
【００４８】このパルス列分析装置は、第１実施例で説明した入力パルスデータメモリー１、変化量計算回路１１、クラスタ生成回路１２、所属クラスタ決定回路１３、統計値メモリー１４、統計値補正回路１５、マルチプレクサ１７、パラメータ指定レジスタ１９をそれぞれ２組ずつ用意することによって、２つの異なるパラメータ又はパラメータの変化量について並列に処理を行なう。
【００４９】この場合、所属クラスタの判定条件は、入力パラメータをｘi，ｙi各クラスタの平均値をＥxn，Ｅyn、標準偏差をσxn，σyn、プロセッサ８より指定する定数をｋx，ｋyとしたとき、下記のように、｜ｘi−Ｅxn｜≦ｋx・σxn …（式５）
｜ｙi−Ｅyn｜≦ｋy・σyn …（式６）
として、（式５），（式６）の条件式を同時に満足した場合に、そのクラスタに所属するものと判定する。他の処理は、第１実施例と同じ方法で動作させることによって、２つのパラメータｘ，ｙについて２次元平面上での統計的クラスタリング処理によってパルス列を分析するものである。
【００５０】次に、作成された２次元クラスタの統計値を使ってパルス列を分析する方法を図５を使って説明する。
【００５１】パルス列を分析する対象となるクラスタのパルス列が図５（ａ）で示すようにパルス間隔が鋸歯状に、４μＳ，５μＳ，６μＳ，７μＳ，８μＳ，４μＳ，５μＳ，…と変調されているパルス列であったとする。
【００５２】２つのパラメータとして、パルス間隔をｘ、パルス間隔の変化量をｙとしてクラスタリング処理を行なうと、図５（ｂ）で示すようなクラスタが作成される。
【００５３】ｙ方向の平均値が約１μＳの位置に平行してクラスタが存在しているので、パルス間隔が鋸歯状に変調されているパルス列であることを知ることができる。
【００５４】第５図（ｃ)は、同じパルス列でパルス幅（Ｐｗ)が５ステップの繰返しパターン（１μＳ、２μＳ、１．５μＳ、０．５μＳ、１μＳ)でパルス毎に変化している場合に、パルス間隔をｘ、パルス幅の変化量をｙとしてクラスタリング処理した場合のクラスタの一例である。各クラスタの統計値を調べることによってパルス幅が５ステップの繰返しパターンで変調されていることを知ることができる。
【００５５】
【発明の効果】以上説明してきたように、本発明によれば、以下に列挙する効果が得られる。
【００５６】複数のパルス放射源から到来する混在した状態のパルス列の中から放射源別にパルス列を分類し、次に分類された単一放射源のパルス列をパラメータやその変化量を使ってクラスタリング処理を行なうことにより、パルス列を分析するための特徴をクラスタの分布状態によって表わすことが出来るので、各クラスタの統計値を調べることによりパルス列のパラメータ変化モード、変調タイプ等を効率よく高精度に分析することができる。
【図面の簡単な説明】
【図１】従来のパルス列分析装置のブロック図。
【図２】本発明の１実施例に係るパルス列分析装置のブロック図。
【図３】本発明の他の実施例に係るパルス列分析装置のブロック図。
【図４】クラスタ分けの１例を示す図。
【図５】クラスタ分けの他の例を示す図。
【図６】（式２）を示す図。
【図７】（式３），（式４）を示す図。
【図８】距離計算回路の１例を示す図。
【図９】距離計算回路においてビット数を削減する方法を示す図。
【図１０】本発明に係るパルス列分析装置の動作を示すフローチャートの図。
【図１１】本発明に係るパルス列分析装置の分類動作を示すフローチャートの図。
【図１２】本発明に係るパルス列分析装置の分類動作を示すフローチャートの図。
【図１３】本発明に係るパルス列分析装置の分析動作を示すフローチャートの図。
【図１４】本発明に係るパルス列分析装置の分析動作を示すフローチャートの図。
【符号の説明】
１…入力パルスデータメモリー、８…プロセッサ、１０…パルスアドレス分類メモリー、１１…変化量計算回路、１２…クラスタ生成回路、１３…所属クラスタ決定回路、１４…統計値メモリー、１５…統計値補正回路、１６…カウンタ、１７，１８，２１…マルチプレクサ、１９…パラメータ指定レジスタ、２０…パルスアドレス発生回路、２２…レジスタ、２３…カウンタ、３０…クラスタ分け回路。
【特許請求の範囲】
【請求項１】複数の放射源から発生されたパルス信号を受信し、受信されたパルス信号の属性を検出し、検出された属性を示す属性値を属性値記憶手段に記憶し、この属性値に基づき前記パルスを放射源毎に分類して分類記憶手段に格納し、この分類記憶手段に放射源毎に分類されたパルスの特徴を分析して、前記放射源の種類を特定するパルス列分析装置において、パルスの特徴の分析に際して、前記分類記憶手段に格納された前記属性値記憶手段のアドレスから、このアドレスに格納された属性値を読み出すための読みだし手段と、読みだされた少なくとも２つのパルス間での属性値の変化量を計算する計算手段と、読みだされたパルスの属性値、または、計算された属性値の変化量に基づき、予め定められた条件により、パルスをクラスタ分けするためのクラスタ分け手段と、前記クラスタの統計的な値を記憶するための統計値記憶手段と、を備えることを特徴とするパルス列分析装置。
【請求項２】請求項１において、前記クラスタ分け手段は、前記パルスの属性値、および、計算された属性値の変化量のうち少なくとも一方に基づいてクラスタを生成するためのクラスタ生成手段と、前記パルスの属性値、および、計算された属性値の変化量に基づき、予め定められた条件により、生成されたクラスタに属するか否かを決定する所属クラスタ決定手段と、を備え、前記所属クラスタ決定手段により属するクラスタが無いと判定された場合に、前記クラスタ生成手段によりクラスタを生成することを特徴とするパルス列分析装置。
【請求項３】請求項２において、前記所属クラスタ決定手段により属するクラスタが有ると判定された場合に、このパルスの属性値、または、属性値の変化量を加味して、前記統計値記憶手段に記憶された統計的な値を補正する補正手段をさらに備えることを特徴とするパルス列分析装置。
【請求項４】複数の母集団の要素を入力し、入力された要素の属性を検出し、検出された属性を示す属性値を属性値記憶手段に記憶し、この属性値に基づき前記要素を母集団毎に分類して分類記憶手段に格納し、この分類記憶手段に母集団毎に分類された要素の特徴を分析して、前記母集団の種類を特定する分析装置において、要素の特徴の分析に際して、前記分類記憶手段に格納された前記属性値記憶手段のアドレスから、このアドレスに格納された属性値を読み出すための読みだし手段と、読みだされた少なくとも２つの要素間での属性値の変化量を計算する計算手段と、読みだされた要素の属性値、または、計算された属性値の変化量に基づき、予め定められた条件により、要素をクラスタ分けするためのクラスタ分け手段と、前記クラスタの統計的な値を記憶するための統計値記憶手段と、を備えることを特徴とする分析装置。
【請求項１】複数の放射源から発生されたパルス信号を受信し、受信されたパルス信号の属性を検出し、検出された属性を示す属性値を属性値記憶手段に記憶し、この属性値に基づき前記パルスを放射源毎に分類して分類記憶手段に格納し、この分類記憶手段に放射源毎に分類されたパルスの特徴を分析して、前記放射源の種類を特定するパルス列分析装置において、パルスの特徴の分析に際して、前記分類記憶手段に格納された前記属性値記憶手段のアドレスから、このアドレスに格納された属性値を読み出すための読みだし手段と、読みだされた少なくとも２つのパルス間での属性値の変化量を計算する計算手段と、読みだされたパルスの属性値、または、計算された属性値の変化量に基づき、予め定められた条件により、パルスをクラスタ分けするためのクラスタ分け手段と、前記クラスタの統計的な値を記憶するための統計値記憶手段と、を備えることを特徴とするパルス列分析装置。
【請求項２】請求項１において、前記クラスタ分け手段は、前記パルスの属性値、および、計算された属性値の変化量のうち少なくとも一方に基づいてクラスタを生成するためのクラスタ生成手段と、前記パルスの属性値、および、計算された属性値の変化量に基づき、予め定められた条件により、生成されたクラスタに属するか否かを決定する所属クラスタ決定手段と、を備え、前記所属クラスタ決定手段により属するクラスタが無いと判定された場合に、前記クラスタ生成手段によりクラスタを生成することを特徴とするパルス列分析装置。
【請求項３】請求項２において、前記所属クラスタ決定手段により属するクラスタが有ると判定された場合に、このパルスの属性値、または、属性値の変化量を加味して、前記統計値記憶手段に記憶された統計的な値を補正する補正手段をさらに備えることを特徴とするパルス列分析装置。
【請求項４】複数の母集団の要素を入力し、入力された要素の属性を検出し、検出された属性を示す属性値を属性値記憶手段に記憶し、この属性値に基づき前記要素を母集団毎に分類して分類記憶手段に格納し、この分類記憶手段に母集団毎に分類された要素の特徴を分析して、前記母集団の種類を特定する分析装置において、要素の特徴の分析に際して、前記分類記憶手段に格納された前記属性値記憶手段のアドレスから、このアドレスに格納された属性値を読み出すための読みだし手段と、読みだされた少なくとも２つの要素間での属性値の変化量を計算する計算手段と、読みだされた要素の属性値、または、計算された属性値の変化量に基づき、予め定められた条件により、要素をクラスタ分けするためのクラスタ分け手段と、前記クラスタの統計的な値を記憶するための統計値記憶手段と、を備えることを特徴とする分析装置。
【図１】
【図２】
【図３】
【図４】
【図７】
【図５】
【図６】
【図９】
【図１０】
【図８】
【図１１】
【図１２】
【図１３】
【図１４】
【図２】
【図３】
【図４】
【図７】
【図５】
【図６】
【図９】
【図１０】
【図８】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開平６−１６０５３２
【公開日】平成６年（１９９４）６月７日
【国際特許分類】
【出願番号】特願平４−３０５５２２
【出願日】平成４年（１９９２）１１月１６日
【出願人】（０００００３３８８）株式会社トキメック (103)
【公開日】平成６年（１９９４）６月７日
【国際特許分類】
【出願日】平成４年（１９９２）１１月１６日
【出願人】（０００００３３８８）株式会社トキメック (103)
[ Back to top ]