JP2001147264A - Radar pulse sorting device and radar pulse sorting method - Google Patents
Radar pulse sorting device and radar pulse sorting methodInfo
- Publication number
- JP2001147264A JP2001147264A JP2000248491A JP2000248491A JP2001147264A JP 2001147264 A JP2001147264 A JP 2001147264A JP 2000248491 A JP2000248491 A JP 2000248491A JP 2000248491 A JP2000248491 A JP 2000248491A JP 2001147264 A JP2001147264 A JP 2001147264A
- Authority
- JP
- Japan
- Prior art keywords
- hypothesis
- evaluation value
- radar
- pulse
- hypotheses
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】この発明は、複数のレーダの
放射するパルスを受信し、受信したパルスをレーダ毎に
分類するレーダパルス分類方法及びレーダパルス分類装
置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a radar pulse classification method and a radar pulse classification device for receiving pulses emitted by a plurality of radars and classifying the received pulses for each radar.
【０００２】[0002]
【従来の技術】複数のレーダからのレーダパルスを混在
して受信した場合、この受信レーダパルス列を混在レー
ダパルス列と呼ぶことにする。この混在レーダパルス列
の例を図３に示す。図３において、１０１〜１０５は、
それぞれ、受信されたパルスである。2. Description of the Related Art When radar pulses from a plurality of radars are mixed and received, this received radar pulse train will be referred to as a mixed radar pulse train. FIG. 3 shows an example of this mixed radar pulse train. In FIG. 3, 101 to 105 are:
Each is a received pulse.
【０００３】図３に示す混在レーダパルス列に含まれる
レーダパルスにおいて、パルス１０１〜１０３は、キャ
リア周波数及びパルス幅等パルス内特徴が類似してお
り、また、これらのパルスの到来時刻の時間幅１０６は
規則的になっている。また、同様に、１０４及び１０５
もパルス内特徴が類似している。一般に、同じレーダが
放射しているレーダパルスは、パルス幅、パルス振幅、
パルス到来方位、キャリア周波数といったパルス内特徴
が近い値であったり、レーダが規則的にレーダパルスを
放射することによってレーダパルスの到来時刻が規則的
であったりする。[0003] In the radar pulses included in the mixed radar pulse train shown in FIG. 3, pulses 101 to 103 have similar intra-pulse characteristics such as carrier frequency and pulse width, and have a time width 106 of the arrival time of these pulses. Has become regular. Similarly, 104 and 105
Also have similar intra-pulse features. In general, radar pulses emitted by the same radar have a pulse width, pulse amplitude,
The intra-pulse features such as the pulse arrival direction and the carrier frequency are close values, or the arrival times of the radar pulses are regular due to the regular emission of radar pulses by the radar.
【０００４】受信したレーダパルスをレーダ毎に分類す
る従来の方法としては、各レーダパルスから抽出される
パルス幅、パルス振幅、パルス到来方位、キャリア周波
数といったパルス内特徴の類似性からパルスを分類する
方法と、レーダが規則的にレーダパルスを放射すること
を前提として、レーダパルスの到来時刻の規則性を利用
して分類する方法がある。通常、上記のどちらかの方法
を用いて分類されるが、パルス内特徴の類似性とパルス
到来時刻の規則性を併用して分類すれば、分類性能が向
上することが期待される。As a conventional method for classifying received radar pulses for each radar, the pulses are classified based on the similarity of intra-pulse features such as pulse width, pulse amplitude, pulse arrival direction, and carrier frequency extracted from each radar pulse. There is a method and a method of classifying using the regularity of the arrival time of the radar pulse on the assumption that the radar regularly emits the radar pulse. Usually, the classification is performed using one of the above methods. However, if the classification is performed using both the similarity of the intra-pulse feature and the regularity of the pulse arrival time, the classification performance is expected to be improved.
【０００５】図２４は、例えば、「De-interleaving pu
lse trains using discrete-time stochastic dynamic-
linear models」, IEEE trans. on signal processing,
vol.42, no.11, Nov., 1994.から類推して得られる、
パルス内特徴の類似性とパルス到来時刻の規則性を併用
して分類を行うことができる従来のレーダパルス分類装
置を示すブロック図である。ただし、上記文献内では、
パルス到来時刻の規則性のみを利用して分類する例が示
されている。FIG. 24 shows, for example, “De-interleaving pu
lse trains using discrete-time stochastic dynamic-
linear models '', IEEE trans.on signal processing,
vol.42, no.11, Nov., 1994.
FIG. 9 is a block diagram showing a conventional radar pulse classification device capable of performing classification using both similarity of intra-pulse features and regularity of pulse arrival times. However, in the above document,
An example is shown in which classification is performed using only the regularity of pulse arrival times.
【０００６】図２４において、１は初期化手段、３はパ
ルス特徴抽出手段、１６は仮説選択手段、１００は混在
レーダパルス列、９１はＭ個のスイッチからなる切替ス
イッチである。３１−１〜３１−Ｍはレーダ特徴抽出手
段であり、９５−１〜９５−Ｍは、それぞれ、ｋパルス
の仮説１〜ｋパルスの仮説Ｍである。９６−１〜９６−
Ｍは仮説選択・評価値選択手段である。In FIG. 24, 1 is initialization means, 3 is pulse feature extraction means, 16 is hypothesis selection means, 100 is a mixed radar pulse train, and 91 is a changeover switch composed of M switches. 31-1 to 31-M are radar feature extraction means, and 95-1 to 95-M are hypotheses 1 to 1 of k pulses to hypothesis M of k pulses, respectively. 96-1 to 96-
M is a hypothesis selection / evaluation value selection means.
【０００７】以下、図２４に示す従来のレーダパルス分
類装置の動作を、図２５に示すレーダパルス分類方法の
フローチャートと併せて説明する。この従来法では、受
信したパルスを分類するカテゴリ数、すなわち、レーダ
数が既知であるとして、受信したパルスを既知数のレー
ダに分類する。The operation of the conventional radar pulse classification device shown in FIG. 24 will be described together with the flowchart of the radar pulse classification method shown in FIG. In this conventional method, the number of categories for classifying received pulses, that is, the number of radars is known, and the received pulses are classified into a known number of radars.
【０００８】まず、初期化手段１で、外部から入力され
る、もしくは、事前に設定されているレーダ数Ｍに基づ
き、１つめのパルスがレーダｍ（１≦ｍ≦Ｍ）に含まれ
るとするｋ（＝１）パルスの仮説９５−ｍ（１≦ｍ≦
Ｍ）を計Ｍ個作成し、これを切換スイッチ９１の各端子
に出力する。（ステップＳＴ１、ＳＴ２）。First, it is assumed that the first pulse is included in the radar m (1 ≦ m ≦ M) based on the number M of radars input from outside or set in advance by the initialization means 1. Hypothesis 95-m of k (= 1) pulse (1 ≦ m ≦
M) are produced in total and output to each terminal of the changeover switch 91. (Steps ST1 and ST2).
【０００９】次に、パルス特徴抽出手段３では、混在レ
ーダパルス列１００に含まれるパルス数がＫである場
合、パルス内特徴行列ＢＹＫを求め、これを出力する
（ステップＳＴ３）。Next, when the number of pulses included in the mixed radar pulse train 100 is K, the pulse feature extraction means 3 obtains an intra-pulse feature matrix BYK and outputs it (step ST3).
【００１０】切換スイッチ９１では、初期化手段１、も
しくは、後述のレーダ特徴抽出手段３１−ｍ（１≦ｍ≦
Ｍ）から入力されたｋパルスの仮説９５−ｍ（１≦ｍ≦
Ｍ）が入力された場合、入力されたｋパルスの仮説で分
類されている処理パルス数ｋを求め、ｋを１つ増加させ
て、増加させた処理パルス数ｋを仮説選択・評価値算出
手段９６−ｍ（１≦ｍ≦Ｍ）に出力する（ステップＳＴ
９０）。In the changeover switch 91, the initialization means 1 or a radar feature extraction means 31-m (1 ≦ m ≦
M) of the hypothesis 95-m (1 ≦ m ≦
M), the number k of processing pulses classified according to the hypothesis of the input k pulses is obtained, k is increased by one, and the increased number k of processing pulses is calculated by a hypothesis selection / evaluation value calculation means. 96-m (1 ≦ m ≦ M) (step ST
90).
【００１１】仮説選択・評価値算出手段９６−ｍは、処
理パルス数ｋの入力により処理を開始する。最初に、入
力されるデータは、パルス内特徴行列ＢＹＫと処理パル
ス数ｋである。まず、ｋ番目のパルスがレーダｍから得
られたと仮定し、ｋ−１番目のパルス、および、ｋ＋１
〜ｋ＋△番目のパルスが、レーダ１〜Ｍのどのレーダか
ら得られたかについて、計（Ｍの△＋１乗）個の全組合
せを考え、各組合せについて評価値を算出する。△は事
前に与えられる整数である（ステップＳＴ９６−１）。The hypothesis selection / evaluation value calculation means 96-m starts processing upon input of the number k of processing pulses. First, the input data is the intra-pulse feature matrix BYK and the number k of processing pulses. First, assuming that the k-th pulse was obtained from radar m, the (k-1) -th pulse and k + 1
Regarding which of the radars 1 to M the .about.k + .sup.th pulse is obtained from, the total (M.sup. + 1) combinations are considered, and an evaluation value is calculated for each combination. Δ is an integer given in advance (step ST96-1).
【００１２】この評価値は、各パルスがどのレーダから
得られたかを、仮に決めた場合に、各レーダのパルス到
来時刻が規則的であるか、パルス内特徴が類似している
かを基に算出され、たとえば、パルス到来時刻の差分の
ばらつきの大きさと、パルス内特徴のばらつきの大きさ
の重み付き和などから算出される。This evaluation value is calculated based on whether the pulse arrival time of each radar is regular or the characteristics within the pulse are similar, if it is tentatively determined from which radar each pulse was obtained. For example, it is calculated from the weighted sum of the magnitude of the variation in the pulse arrival time difference and the magnitude of the variation in the intra-pulse feature.
【００１３】次に、最も良い評価値となる組合せにおい
て、ｋ−１番目のパルスが分類されるレーダｍ’を求め
る。仮説選択・評価値算出手段９６−ｍは、切換スイッ
チ９１を制御して、ｋ−１番目のパルスがレーダｍ’に
分類されている（ｋ−１）パルスの仮説９６−ｍ’を入
力する。（ｋ−１）パルスの仮説９６−ｍ’とは、図２
４に示すｋパルスの仮説９６−ｍ’のことであり、先の
ステップＳＴ９０において、切換スイッチ９１によりｋ
が１増加しているので、ここでは（ｋ−１）パルスの仮
説９６−ｍ’と表記する（ステップＳＴ９６−２）。Next, a radar m 'in which the (k-1) th pulse is classified in the combination having the best evaluation value is obtained. The hypothesis selection / evaluation value calculation means 96-m controls the changeover switch 91 to input the hypothesis 96-m 'of the (k-1) pulse in which the (k-1) th pulse is classified as the radar m'. . (K-1) Hypothesis 96-m 'of pulse
4 is a hypothesis 96-m 'of k pulses, and in the previous step ST90, the switch 91
Is increased by 1 and is represented here by the hypothesis 96-m 'of the (k-1) pulse (step ST96-2).
【００１４】（ｋ−１）パルスの仮説９６−ｍ’に基づ
き、ｋ−１番目のパルスまでは入力された仮説９６−
ｍ’までと同じ分類で、ｋ番目のパルスがレーダｍに分
類される仮説をｋパルスの仮説９６−ｍとして生成し、
さらに、この仮説データに、仮説の評価値を添付して出
力する（ステップＳＴ９６−３）。(K-1) Based on the hypothesis 96-m 'of the pulse, the input hypothesis 96-m is up to the (k-1) th pulse.
A hypothesis that the k-th pulse is classified as radar m in the same classification as that up to m ′ is generated as a k-pulse hypothesis 96-m,
Further, a hypothesis evaluation value is attached to this hypothesis data and output (step ST96-3).
【００１５】レーダ特徴抽出手段３１−ｍでは、仮説選
択・評価値算出手段９６−ｍの出力するｋパルスの仮説
９６−ｍと、パルス特徴行列ＢＹＫを入力として、各レ
ーダのパルス内特徴とパルス繰り返し間隔を求める。パ
ルス内特徴は、複数のパルスのパルス内特徴の平均値を
取る、もしくは、カルマンフィルタを用いて推定値を求
めるなどの処理により、各パルスから求められたパルス
内特徴よりもより正確なパルス内特徴が推定される（ス
テップＳＴ３１）。The radar feature extraction means 31-m receives the hypothesis 96-m of k pulses output from the hypothesis selection / evaluation value calculation means 96-m and the pulse feature matrix BYK, and receives the intra-pulse feature and pulse of each radar. Find the repetition interval. The intra-pulse features are more accurate than the intra-pulse features obtained from each pulse by processing such as taking the average value of the intra-pulse features of a plurality of pulses or obtaining an estimated value using a Kalman filter. Is estimated (step ST31).
【００１６】各仮説選択・評価値算出手段９６−ｍと各
レーダ特徴抽出手段３１−ｍ（１≦ｍ≦Ｍ）において、
上記のステップＳＴ９６−１からステップＳＴ３１まで
の処理を行う（ステップＳＴ９３、ＳＴ９４）。すべて
の仮説選択・評価値算出手段９６−ｍ及びレーダ特徴抽
出手段３１−ｍ（１≦ｍ≦Ｍ）について処理が終わった
か否かを判定し（ステップＳＴ９３）、終わっていれ
ば、全パルス処理が完了したか否かを判定し（ステップ
ＳＴ９８）、終わっていなければ、ステップＳＴ９０に
戻り、終わっていれば、次のステップＳＴ１６へ進む。In each hypothesis selection / evaluation value calculation means 96-m and each radar feature extraction means 31-m (1 ≦ m ≦ M),
The processing from step ST96-1 to step ST31 is performed (steps ST93 and ST94). It is determined whether or not the processing has been completed for all the hypothesis selection / evaluation value calculation means 96-m and the radar feature extraction means 31-m (1 ≦ m ≦ M) (step ST93). Is determined (step ST98). If not completed, the process returns to step ST90. If completed, the process proceeds to the next step ST16.
【００１７】仮説選択手段１６では、レーダ特徴抽出手
段３１−ｍから出力されるｋパルスの仮説９６−ｍ（１
≦ｍ≦Ｍ）を入力として、これらのｋパルスの仮説９６
−ｍ（１≦ｍ≦Ｍ）の中で、添付されている評価値が最
も良いものを選択し、これを出力する（ステップＳＴ１
６）。In the hypothesis selecting means 16, the hypothesis 96-m (1) of k pulses output from the radar feature extracting means 31-m is output.
≦ m ≦ M), the hypothesis 96 of these k pulses
Among the -m (1 ≦ m ≦ M), the one with the best attached evaluation value is selected and output (step ST1).
6).
【００１８】[0018]
【発明が解決しようとする課題】上述の従来のレーダパ
ルス分類方法及び分類装置によれば、事前にレーダ数Ｍ
を決定する必要がある。また、誤ってノイズをパルスと
して検出した誤検出パルスや、誤ってパルスを検出でき
なかった失検出パルスがあることを考慮していないの
で、誤検出パルスを誤ってあるレーダに分類したり、失
検出パルスがあった場合にパルス到来時刻間隔を正しく
推定できなかったりする可能性があるという問題点があ
った。According to the above-described conventional method and apparatus for classifying radar pulses, the radar number M is determined in advance.
Need to decide. In addition, since it does not take into account that there are erroneous detection pulses in which noise was detected as a pulse by mistake and undetected pulses in which a pulse could not be detected by mistake, the erroneously detected pulse was incorrectly classified as a certain radar or lost. There has been a problem that when there is a detected pulse, the pulse arrival time interval may not be correctly estimated.
【００１９】この発明は、かかる問題点を解決するため
になされたものであり、事前にレーダ数Ｍを決定する必
要がなく、さらに、誤検出パルスや失検出パルスが存在
することを考慮して分類を行うことによって、これらの
パルスによる分類性能の劣化を防ぐことができるレーダ
パルス分類装置及びレーダパルス分類方法を得ることを
目的としている。The present invention has been made in order to solve such a problem, and it is not necessary to determine the number of radars M in advance, and it is necessary to take into account the presence of erroneous detection pulses and loss detection pulses. An object of the present invention is to provide a radar pulse classification device and a radar pulse classification method which can prevent the deterioration of the classification performance due to these pulses by performing the classification.
【００２０】[0020]
【課題を解決するための手段】この発明は、未知数のレ
ーダが放射したレーダパルス列を受信し、受信したレー
ダパルス列に含まれる複数のレーダパルスを、放射した
各レーダ毎に分類するレーダパルス分類装置であって、
新たなレーダパルスを受信したことを検出し、受信した
レーダパルスのパルス内特徴を、逐次抽出する逐次パル
ス特徴抽出手段と、初めてレーダパルスが得られた場合
には１つめのレーダパルスの分類に関する仮説を生成
し、それ以外の場合にはこれまでに受信された各レーダ
パルスがどのレーダに分類されるかを示す仮説に、新た
に得られたレーダパルスの分類に関する仮説を加えて、
仮説を更新及び生成する仮説生成手段と、仮説生成手段
が出力する各仮説の評価値を算出する評価値算出手段
と、評価値を基に仮説の数を減少させる仮説数減少手段
と、仮説数減少手段が出力する仮説を基に最良と思われ
る仮説を選択し、出力する仮説出力手段と、を備えたレ
ーダパルス分類装置である。SUMMARY OF THE INVENTION The present invention provides a radar pulse classifying apparatus for receiving a radar pulse train emitted by an unknown number of radars and classifying a plurality of radar pulses included in the received radar pulse train for each emitted radar. And
A sequential pulse feature extracting means for detecting that a new radar pulse has been received, and sequentially extracting the intra-pulse features of the received radar pulse, and a classification of the first radar pulse when a radar pulse is obtained for the first time. Generate a hypothesis, otherwise, add a hypothesis about the classification of the newly obtained radar pulse to the hypothesis that indicates which radar each received radar pulse is classified to,
Hypothesis generation means for updating and generating hypotheses; evaluation value calculation means for calculating an evaluation value of each hypothesis output by the hypothesis generation means; hypothesis number reduction means for reducing the number of hypotheses based on the evaluation values; And a hypothesis output unit that selects and outputs the best hypothesis based on the hypothesis output by the reduction unit.
【００２１】また、仮説生成手段が、失検出パルス及び
誤検出パルスが存在しているという仮説と、所定の個数
のレーダからのレーダパルスを受信しているという仮説
と、所定の個数以外の他の新たなレーダからのレーダパ
ルスを受信したという仮説と、を生成する。In addition, the hypothesis generating means may determine that a missing detection pulse and a false detection pulse exist, a hypothesis that radar pulses are received from a predetermined number of radars, And the hypothesis that a radar pulse from the new radar has been received.
【００２２】また、仮説出力手段が、仮説数減少手段が
出力する仮説の中で、最も評価値の良い仮説を選択して
出力する仮説選択部を備えている。Further, the hypothesis output means includes a hypothesis selection section for selecting and outputting the hypothesis having the best evaluation value among the hypotheses output by the hypothesis number reducing means.
【００２３】また、仮説出力手段が、仮説数減少手段が
出力する仮説において、任意の番数のパルスの仮説が全
て同じであれば、番数の仮説として仮説を選択し、異な
っていれば、番数の仮説として分類が未定であるという
結果を出力するパルス分類確定部を備えている。The hypothesis output means selects the hypothesis as the number hypothesis if all the hypotheses of the arbitrary number of pulses are the same in the hypotheses output by the number of hypothesis reduction means, and As a hypothesis of the number, there is provided a pulse classification determining unit that outputs a result indicating that the classification is undecided.
【００２４】また、仮説生成手段及び評価値算出手段
を、それぞれ、仮説数減少手段で選択され出力される仮
説の個数と同一の個数だけ設けている。Further, the same number of hypothesis generation means and evaluation value calculation means as the number of hypotheses selected and output by the hypothesis number reduction means are provided.
【００２５】また、仮説生成手段を、仮説数減少手段で
選択され出力される仮説の個数と同一の個数だけ設ける
とともに、評価値算出手段を、仮説生成手段で生成され
た仮説の個数と同一の個数だけ設けている。Further, the number of hypotheses generating means is provided by the same number as the number of hypotheses selected and output by the hypothesis number reducing means, and the evaluation value calculating means is provided by the same number as the number of hypotheses generated by the hypothesis generating means. Only the number is provided.
【００２６】また、評価値算出手段が、仮説生成手段が
出力する仮説において仮定している各レーダのレーダ特
徴を推定するレーダ特徴抽出部と、ベイズの定理に基づ
き、新たなパルスが得られる前の仮説の評価値を用い
て、新たなパルスが得られた後の仮説の評価値を算出及
び更新する評価値更新部と、を備えている。Further, the evaluation value calculation means estimates a radar characteristic of each radar assumed in the hypothesis output by the hypothesis generation means, and a radar feature extraction unit based on Bayes' theorem. And an evaluation value updating unit that calculates and updates the hypothesis evaluation value after a new pulse is obtained using the hypothesis evaluation value.
【００２７】また、仮説数減少手段が、評価値算出手段
から入力される複数の仮説に基づき、適切レーダ数を推
定する適切レーダ数推定部と、適切レーダ数に基づき、
仮説を選択する仮説数減少部と、を備えている。Further, based on a plurality of hypotheses input from the evaluation value calculating means, the hypothesis number reducing means estimates an appropriate radar number and an appropriate radar number estimating section.
A hypothesis number reducing unit for selecting a hypothesis.
【００２８】また、評価値算出手段が、複数の評価値を
算出し、複数の評価値を各仮説に付加する複数評価値算
出部を備えるとともに、仮説数減少手段が、複数の評価
値を併用して仮説の総数を減少させる評価値併用仮説数
減少部を備えている。Further, the evaluation value calculation means includes a plurality of evaluation value calculation sections for calculating a plurality of evaluation values and adding the plurality of evaluation values to each hypothesis, and the hypothesis number reducing means uses the plurality of evaluation values in combination. And an evaluation value combined hypothesis number reduction unit for reducing the total number of hypotheses.
【００２９】また、評価値併用仮説数減少部が、複数評
価値算出部で算出された評価値の１つである第一の評価
値に基づいて仮説を選択し、仮説を選択したか否かを示
す仮説選択情報を上記仮説に付加する第一評価値仮説数
減少部と、複数評価値算出部で算出された評価値の他の
１つである第二の評価値に基づいて、第一評価値仮説数
減少部において選択した仮説の一部を入れ替える第二評
価値仮説入れ替え部とを備えている。Also, the evaluation value combined hypothesis number reduction unit selects a hypothesis based on the first evaluation value which is one of the evaluation values calculated by the multiple evaluation value calculation unit, and determines whether or not the hypothesis has been selected. Based on the first evaluation value hypothesis number decreasing unit that adds the hypothesis selection information indicating the hypothesis, and the second evaluation value that is another one of the evaluation values calculated by the multiple evaluation value calculation unit. A second evaluation value hypothesis replacing unit for replacing a part of the hypotheses selected in the evaluation value hypothesis number reducing unit.
【００３０】また、評価値併用仮説減少部が、各仮説に
おいて仮定しているレーダ数に応じて複数のグループに
仮説を分類するレーダ数仮説分類部と、複数評価値算出
部で算出された評価値の１つである第二の評価値に基づ
いて、各グループ毎に仮説を選択する第二評価値仮説選
択部と、複数評価値算出部で算出された評価値の他の１
つである第一の評価値に基づいて、第二評価値仮説選択
部により選択された仮説の中から仮説を選択する第一評
価値仮説選択部と、第一評価値仮説選択部により入力さ
れた仮説を蓄積していき、事前に与えられた所定の数の
仮説が蓄積した場合に、蓄積している全ての仮説を出力
し、その他の場合には、入力された仮説を出力する仮説
蓄積部とを備えている。An evaluation value combined hypothesis reduction unit includes a radar number hypothesis classifying unit that classifies hypotheses into a plurality of groups according to the number of radars assumed in each hypothesis, and an evaluation value calculated by the multiple evaluation value calculation unit. A second evaluation value hypothesis selection unit that selects a hypothesis for each group based on the second evaluation value that is one of the values, and another one of the evaluation values calculated by the multiple evaluation value calculation unit.
A first evaluation value hypothesis selector for selecting a hypothesis from the hypotheses selected by the second evaluation value hypothesis selector based on the first evaluation value, Hypothesis accumulation that outputs all the stored hypotheses when a predetermined number of hypotheses given in advance are accumulated, and outputs the input hypotheses in other cases. Section.
【００３１】また、仮説生成手段が、レーダ数が既知、
もしくは、レーダ数を設定できる場合に、外部からレー
ダ数を入力するレーダ数入力部をさらに備え、レーダ数
入力部にレーダ数の入力があった場合には、レーダ数に
基づいて、各仮説で仮定されるレーダ数を制限して仮説
を生成する。In addition, the hypothesis generating means has a known number of radars,
Alternatively, when the number of radars can be set, a radar number input unit for inputting the number of radars from the outside is further provided, and when the number of radars is input to the radar number input unit, each hypothesis is based on the number of radars. A hypothesis is generated by limiting the number of assumed radars.
【００３２】また、この発明は、未知数のレーダが放射
したレーダパルス列を受信し、受信したレーダパルス列
に含まれる複数のレーダパルスを、放射した各レーダ毎
に分類するレーダパルス分類方法であって、新たなレー
ダパルスを受信したことを検出する新規パルス受信判断
工程と、受信したレーダパルスのパルス内特徴を、各レ
ーダパルス毎に逐次抽出する逐次パルス特徴抽出工程
と、初めてレーダパルスが得られた場合に、１つめのレ
ーダパルスの分類に関する仮説を生成する仮説初期化工
程と、２つ目以降のレーダパルスが得られた場合に、こ
れまでに受信された各レーダパルスがどのレーダに分類
されるかを示す仮説に、新たに得られたレーダパルスの
分類に関する仮説を加えて、仮説を更新及び生成する仮
説生成工程と、各仮説の評価値を算出する評価値算出工
程と、評価値を基に仮説の数を減少させる仮説数減少工
程と、仮説数減少工程により出力される仮説を基に最良
と思われる仮説を選択し、出力する仮説出力工程と、を
備えている。Also, the present invention is a radar pulse classification method for receiving a radar pulse train emitted by an unknown number of radars and classifying a plurality of radar pulses included in the received radar pulse train for each emitted radar. A new pulse reception determining step of detecting that a new radar pulse has been received, a sequential pulse feature extracting step of sequentially extracting the intra-pulse features of the received radar pulse for each radar pulse, and a radar pulse is obtained for the first time. In this case, a hypothesis initializing step for generating a hypothesis regarding the classification of the first radar pulse, and when the second and subsequent radar pulses are obtained, each radar pulse received so far is classified into which radar. A hypothesis generation step of updating and generating a hypothesis by adding a hypothesis regarding the classification of the newly obtained radar pulse to the hypothesis indicating An evaluation value calculation step of calculating the evaluation value of, a hypothesis number reduction step of reducing the number of hypotheses based on the evaluation value, and a hypothesis that seems to be the best based on the hypothesis output by the hypothesis number reduction step, And outputting a hypothesis output step.
【００３３】また、仮説生成工程が、失検出パルス及び
誤検出パルスが存在しているという仮説と、所定の個数
のレーダからのレーダパルスを受信しているという仮説
と所定の個数以外の他の新たなレーダからのレーダパル
スを受信したという仮説と、を生成する。Further, the hypothesis generation step includes the hypothesis that a missing detection pulse and an erroneous detection pulse are present, the hypothesis that radar pulses from a predetermined number of radars are being received, and other hypotheses that are not the predetermined number. And a hypothesis that a radar pulse from a new radar has been received.
【００３４】また、仮説出力工程が、仮説数減少工程に
おいて出力される仮説の中で、最も評価値の良い仮説を
選択して出力する仮説選択ステップを備えている。The hypothesis output step includes a hypothesis selection step of selecting and outputting a hypothesis having the highest evaluation value among the hypotheses output in the hypothesis number reduction step.
【００３５】また、仮説出力工程が、仮説数減少工程に
おいて出力される仮説において、任意の番数のパルスの
仮説が全て同じであれば、番数の仮説として仮説を選択
し、異なっていれば、番数の仮説として分類が未定であ
るという結果を出力するパルス分類確定ステップを備え
ている。In the hypothesis output step, in the hypotheses output in the hypothesis number reduction step, if the hypotheses of the arbitrary number of pulses are all the same, the hypothesis is selected as the number hypothesis, and if they are different, And a step of outputting a result indicating that the classification is undecided as a hypothesis of the number.
【００３６】また、仮説生成工程及び評価値算出工程
を、それぞれ、仮説数減少工程で選択され出力される仮
説の個数と同一の個数だけ設けて、並列に処理を行う。The same number of hypothesis generation steps and evaluation value calculation steps as the number of hypotheses selected and output in the hypothesis number reduction step are provided, and processing is performed in parallel.
【００３７】また、仮説生成工程を、仮説数減少工程で
選択され出力される仮説の個数と同一の個数だけ設ける
とともに、評価値算出工程を、仮説生成工程で生成され
た仮説の個数と同一の個数だけ設けて、並列に処理を行
う。The number of hypothesis generation steps is the same as the number of hypotheses selected and output in the hypothesis number reduction step, and the evaluation value calculation step is the same as the number of hypotheses generated in the hypothesis generation step. The processing is performed in parallel by providing the same number.
【００３８】また、評価値算出工程が、仮説生成工程が
出力する仮説において仮定している各レーダのレーダ特
徴を推定するレーダ特徴抽出ステップと、ベイズの定理
に基づき、新たなパルスが得られる前の仮説の評価値を
用いて、新たなパルスが得られた後の仮説の評価値を算
出及び更新する評価値更新ステップと、を備えている。Further, the evaluation value calculating step includes a radar feature extracting step of estimating a radar feature of each radar assumed in the hypothesis output by the hypothesis generating step, and a step before a new pulse is obtained based on Bayes' theorem. Evaluation value updating step of calculating and updating the hypothesis evaluation value after a new pulse is obtained using the hypothesis evaluation value.
【００３９】また、仮説数減少工程が、評価値算出工程
から入力される複数の仮説に基づき、適切レーダ数を推
定する適切レーダ数推定ステップと、適切レーダ数に基
づき、仮説を選択する仮説数減少ステップと、を備えて
いる。The hypothesis number reduction step includes an appropriate radar number estimation step of estimating an appropriate radar number based on a plurality of hypotheses input from the evaluation value calculation step, and a hypothesis number selection step of selecting a hypothesis based on the appropriate radar number. A reducing step.
【００４０】また、評価値算出工程が、複数の評価値を
算出し、複数の評価値を各仮説に付加する複数評価値算
出ステップを備えるとともに、仮説数減少工程が、複数
の評価値を併用して仮説の総数を減少させる評価値併用
仮説数減少ステップとを備えている。Further, the evaluation value calculating step includes a plurality of evaluation value calculating steps of calculating a plurality of evaluation values and adding the plurality of evaluation values to each hypothesis. And reducing the total number of hypotheses.
【００４１】また、評価値併用仮説数減少ステップが、
複数評価値算出ステップで算出された評価値の１つであ
る第一の評価値に基づいて仮説を選択し、仮説を選択し
たか否かを示す仮説選択情報を仮説に付加する第一評価
値仮説数減少ステップと、複数評価値算出ステップで算
出された評価値の他の１つである第二の評価値に基づい
て、第一評価値仮説数減少ステップにおいて選択した仮
説の一部を入れ替える第二評価値仮説入れ替えステップ
とを備えている。Further, the step of reducing the number of hypotheses with evaluation values is
A first evaluation value that selects a hypothesis based on a first evaluation value that is one of the evaluation values calculated in the multiple evaluation value calculation step, and adds hypothesis selection information indicating whether or not the hypothesis has been selected to the hypothesis; A part of the hypotheses selected in the first evaluation value hypothesis number reduction step is replaced based on the hypothesis number reduction step and the second evaluation value that is another one of the evaluation values calculated in the multiple evaluation value calculation step. A second evaluation value hypothesis replacing step.
【００４２】また、評価値併用仮説減少ステップが、各
仮説において仮定しているレーダ数に応じて複数のグル
ープに仮説を分類するレーダ数仮説分類ステップと、複
数評価値算出ステップで算出された評価値の１つである
第二の評価値に基づいて、各グループ毎に仮説を選択す
る第二評価値仮説選択ステップと、複数評価値算出ステ
ップで算出された評価値の他の１つである第一の評価値
に基づいて、第二評価値仮説選択ステップにおいて選択
された仮説の中から仮説を選択する第一評価値仮説選択
ステップと、第一評価値仮説選択ステップにおいて選択
された仮説を蓄積する仮説蓄積ステップと、仮説蓄積ス
テップにおいて蓄積した仮説の数が、事前に与えられた
所定の数に達した場合に、蓄積した仮説を全て出力する
仮説出力ステップとを備えている。The hypothesis reduction step with evaluation value combination includes a radar number hypothesis classification step of classifying hypotheses into a plurality of groups according to the number of radars assumed in each hypothesis, and an evaluation calculated in the multiple evaluation value calculation step. A second evaluation value hypothesis selecting step of selecting a hypothesis for each group based on a second evaluation value that is one of the values, and another one of the evaluation values calculated in the multiple evaluation value calculation step. A first evaluation value hypothesis selection step of selecting a hypothesis from the hypotheses selected in the second evaluation value hypothesis selection step based on the first evaluation value, and a hypothesis selected in the first evaluation value hypothesis selection step A hypothesis accumulation step for accumulating, and a hypothesis output step for outputting all the accumulated hypotheses when the number of hypotheses accumulated in the hypothesis accumulation step reaches a predetermined number given in advance. It is equipped with a.
【００４３】また、仮説生成ステップが、レーダ数が既
知、もしくは、レーダ数を設定できる場合に、外部から
レーダ数を入力するレーダ数入力ステップをさらに備
え、レーダ数入力ステップにおいてレーダ数の入力があ
った場合には、レーダ数に基づいて、各仮説で仮定され
るレーダ数を制限して仮説を生成する。The hypothesis generation step further includes a radar number input step of externally inputting the radar number when the radar number is known or the radar number can be set, and the radar number input is performed in the radar number input step. If there is, based on the number of radars, a hypothesis is generated by limiting the number of radars assumed in each hypothesis.
【００４４】[0044]
【発明の実施の形態】実施の形態１．以下、本発明の実
施の形態１〜１０について、図面を参照して説明する。
なお、各図において、共通する要素には同一符合を付
し、重複する説明を省略する。DESCRIPTION OF THE PREFERRED EMBODIMENTS Embodiment 1 Hereinafter, Embodiments 1 to 10 of the present invention will be described with reference to the drawings.
In each of the drawings, common elements have the same reference characters allotted, and overlapping description will be omitted.
【００４５】まず、はじめに、本発明の基本的な概念に
ついて説明する。先に説明した図３に示した混在レーダ
パルス列に含まれるレーダパルスを、各レーダ毎に分類
した例を図４に示す。混在レーダパルス列に含まれるパ
ルスを分類する場合、その分類例としては、何通りも考
えられる。ここで、各分類例を仮説と呼ぶことにし、特
に、ｋ個のパルスを分類した仮説を、「ｋパルスの仮
説」と呼び、ｋパルスの仮説を任意の順番に並べた場合
に、ｉ番目のｋパルスの仮説を「ｋパルスの仮説ｉ」と
呼ぶ。ｋパルスの仮説の中で、正しい仮説は１つだけで
ある。さらに、ｋ番目のパルスを分類した分類例を「ｋ
番目のパルスの仮説」と呼ぶことにする。図４に示した
５パルスの仮説１に対して、新たに６番目のパルスを受
信した場合、６番目のパルスの仮説としては、６番目の
パルスをレーダ１に分類する仮説、レーダ２に分類する
仮説などが考えられる。First, the basic concept of the present invention will be described. FIG. 4 shows an example in which radar pulses included in the mixed radar pulse train shown in FIG. 3 described above are classified for each radar. When classifying the pulses included in the mixed radar pulse train, there are many possible classification examples. Here, each classification example is called a hypothesis. In particular, a hypothesis that classifies k pulses is called a “k-pulse hypothesis”, and when the k-pulse hypotheses are arranged in an arbitrary order, the i-th hypothesis is determined. Is referred to as “k-pulse hypothesis i”. Of the k-pulse hypotheses, only one is correct. Further, a classification example in which the k-th pulse is classified is referred to as “k
Let's call it the hypothesis of the th pulse. Assuming that the sixth pulse is newly received with respect to the five-pulse hypothesis 1 shown in FIG. 4, the hypothesis of the sixth pulse is a hypothesis that classifies the sixth pulse into radar 1 and a hypothesis into radar 2. Hypothesis to be considered.
【００４６】本発明においては、パルス到来時刻もパル
ス内特徴の１つであるとし、ｋ番目のパルスにおけるｊ
番目のパルス内特徴の値をｙｋｊ、ｋ番目のパルスの全
てのパルス内特徴値を表すベクトルをパルス内特徴ベク
トルＢｙｋ、ｋ個のパルスのパルス内特徴を表す行列を
パルス内特徴行列ＢＹｋとする。これらの関係を次式
（１）及び（２）に示す。In the present invention, it is assumed that the pulse arrival time is also one of the intra-pulse features, and j in the k-th pulse
The value of the intra-pulse feature value is ykj, the vector representing all the intra-pulse feature values of the k-th pulse is the intra-pulse feature vector Byk, and the matrix representing the intra-pulse features of the k pulses is the intra-pulse feature matrix BYk. . These relationships are shown in the following equations (1) and (2).
【００４７】[0047]
【数１】 (Equation 1)
【００４８】[0048]
【数２】 (Equation 2)
【００４９】まず、本発明の実施の形態１を説明する。
図１に本実施の形態１にかかるレーダパルス分類装置の
ブロック図を示す。図において、１０は、新たなパルス
を受信したことを検出し、そのパルスのレーダパルスの
キャリア周波数及びパルス幅などのパルス内特徴を逐次
抽出する逐次パルス特徴抽出手段、１２は、初めてパル
スが得られた場合には１つめのパルスの分類に関する仮
説を生成し、それ以外の場合（すなわち、２つ目以降の
パルスが得られた場合）にはこれまでに受信された各パ
ルスがどのレーダに分類されるかを示す仮説に、新たに
得られたパルスの分類に関する仮説を加えて、仮説を更
新及び生成する仮説生成手段、１３は、仮説生成手段１
２により生成された各仮説の評価値を算出する評価値算
出手段、１５は、評価値算出手段１３により得られた評
価値を基に仮説の数を減少させる仮説数減少手段、１６
は、仮説数減少手段１５の出力する仮説を入力として、
これらの仮説の中で最も評価値の良い仮説を選択する仮
説選択手段である。First, a first embodiment of the present invention will be described.
FIG. 1 shows a block diagram of the radar pulse classification device according to the first embodiment. In the figure, reference numeral 10 denotes a sequential pulse feature extracting means for detecting the reception of a new pulse and sequentially extracting features within the pulse, such as the carrier frequency and pulse width of the radar pulse of the pulse, and 12 a pulse obtaining means for the first time. If so, a hypothesis about the classification of the first pulse is generated, otherwise (ie, if the second and subsequent pulses are obtained), each pulse received so far is assigned to which radar. The hypothesis generation means 13 for updating and generating a hypothesis by adding a hypothesis relating to the classification of the newly obtained pulse to the hypothesis indicating whether the hypothesis is to be classified,
Evaluation value calculation means 15 for calculating the evaluation value of each hypothesis generated by 2; hypothesis number reduction means 16 for reducing the number of hypotheses based on the evaluation value obtained by the evaluation value calculation means 13;
Is input with the hypothesis output from the hypothesis number reduction means 15,
Hypothesis selecting means for selecting a hypothesis with the best evaluation value among these hypotheses.
【００５０】以下、図２に示すフローチャートに沿っ
て、図1に示すレーダパルス分類装置の動作、すなわ
ち、本実施の形態１によるレーダパルス分類方法につい
て説明する。本実施の形態１によるレーダパルスの分類
方法は、大きく分けて以下の７工程から構成されてい
る。すなわち、（１）新たなパルスを受信したことを検
出する新規パルス受信判断工程（ステップＳＴ１０−
１）、（２）レーダパルスのキャリア周波数、パルス幅
などのパルス内特徴を、各パルス毎に抽出する逐次パル
ス特徴抽出工程（ステップＳＴ１０−２）、（３）これ
までに受信された各パルスがどのレーダに分類されるか
を示す仮説に、新たに得られたパルスの分類に関する仮
説を加えて、仮説を更新及び生成する仮説生成工程（ス
テップＳＴ１２−４〜ＳＴ１２−８）、（４）初めてパ
ルスが得られた場合に、１つめのパルスの分類に関する
仮説を生成する仮説初期化工程（ステップＳＴ１２−１
〜ＳＴ１２−３）、（５）仮説の評価値を算出する評価
値算出工程（ステップＳＴ１３−１〜ＳＴ１３−４）、
（６）評価値を基に仮説の数を減少させる仮説数減少工
程（ステップＳＴ１５）、（７）最も良い仮説を選択す
る仮説選択工程（ステップＳＴ１６）である。Hereinafter, the operation of the radar pulse classification device shown in FIG. 1, that is, the radar pulse classification method according to the first embodiment will be described with reference to the flowchart shown in FIG. The radar pulse classification method according to the first embodiment is roughly divided into the following seven steps. That is, (1) a new pulse reception determining step of detecting that a new pulse has been received (step ST10-
1), (2) a sequential pulse feature extraction step (step ST10-2) for extracting in-pulse features such as a carrier frequency and a pulse width of a radar pulse for each pulse, and (3) each pulse received so far. A hypothesis generation step (steps ST12-4 to ST12-8) for updating and generating a hypothesis by adding a hypothesis relating to the classification of a newly obtained pulse to a hypothesis indicating which radar is to be classified. When a pulse is obtained for the first time, a hypothesis initialization step of generating a hypothesis regarding the classification of the first pulse (step ST12-1)
To ST12-3), (5) an evaluation value calculation step of calculating an evaluation value of a hypothesis (steps ST13-1 to ST13-4),
(6) a hypothesis number reduction step of reducing the number of hypotheses based on the evaluation value (step ST15); and (7) a hypothesis selection step of selecting the best hypothesis (step ST16).
【００５１】さらに、詳細に説明する。逐次パルス特徴
抽出手段１０は、従来例のパルス特徴抽出手段３と同様
に、新たなパルスを受信したことを検出し、各パルスの
パルス内特徴及びパルス到来時刻などを求める。ただ
し、従来例のパルス特徴抽出手段３がある時間帯に渡り
観測信号を蓄積した結果である混在レーダパルス列デー
タに含まれる全パルスのパルス内特徴を求めて、パルス
内特徴行列ＢＹＫを出力するのに対し、逐次パルス特徴
抽出手段１０では、入力された観測信号に新たなパルス
が含まれる毎に、そのパルスのパルス内特徴ベクトルＢ
ｙｋ（上式（１））を出力する(ステップＳＴ１０−
１、ＳＴ１０−２)。Further description will be made in detail. Similar to the conventional pulse feature extraction unit 3, the sequential pulse feature extraction unit 10 detects that a new pulse has been received, and obtains the intra-pulse feature and the pulse arrival time of each pulse. However, the conventional pulse feature extraction means 3 obtains the intra-pulse features of all the pulses included in the mixed radar pulse train data, which is the result of accumulating the observation signal over a certain time period, and outputs the intra-pulse feature matrix BYK. On the other hand, each time a new pulse is included in the input observation signal, the successive pulse feature extraction means 10
yk (the above equation (1)) is output (step ST10-).
1, ST10-2).
【００５２】仮説生成手段１２は、初めて逐次パルス特
徴抽出手段１０から入力があった場合と、それ以外の場
合に分けて処理を行う（ステップＳＴ１２−１）。逐次
パルス特徴抽出手段１０からの初めての入力の場合、す
なわち、パルス内特徴ベクトルＢｙ１が入力された場合
は、この入力によって処理を開始する。その他の場合
は、仮説数減少手段１５からｋパルスの仮説が入力さ
れ、かつ、逐次パルス特徴抽出手段１０からパルス内特
徴ベクトルＢｙｋが入力された場合に処理を開始する。The hypothesis generating means 12 performs the processing separately for the case where there is an input from the sequential pulse feature extracting means 10 for the first time and for the other cases (step ST12-1). In the case of the first input from the sequential pulse feature extraction means 10, that is, when the in-pulse feature vector By1 is input, the processing is started by this input. In other cases, the process is started when the hypothesis of k pulses is input from the hypothesis number reducing unit 15 and the in-pulse feature vector Byk is input from the sequential pulse feature extracting unit 10.
【００５３】初めて逐次パルス特徴抽出手段１０から入
力があった場合、すなわち、パルス内特徴ベクトルＢｙ
１が入力された場合、入力パルス数ｋ＝１として、１パ
ルスの仮説を出力する（ステップＳＴ１２−２）。通
常、１番目のパルスがレーダ１に分類される仮説と、ノ
イズを検出した誤検出パルスであるとする仮説の２つの
仮説を出力する。また、後述の評価値によっては、出力
する仮説に事前に設定した値を、評価値の初期値として
付加することもある（ＳＴ１２−３）。When there is an input from the sequential pulse feature extraction means 10 for the first time, that is, the intra-pulse feature vector By
When 1 is input, the number of input pulses is set to k = 1, and a hypothesis of one pulse is output (step ST12-2). Normally, two hypotheses are output: a hypothesis that the first pulse is classified as radar 1 and a hypothesis that the first pulse is a false detection pulse that has detected noise. Further, depending on an evaluation value to be described later, a value set in advance to the output hypothesis may be added as an initial value of the evaluation value (ST12-3).
【００５４】また、それ以外の場合には、まず、入力パ
ルス数ｋを１増加する（ステップＳＴ１２−４）。よっ
て、この後、入力されたｋパルスの仮説は、（ｋ−１）
パルスの仮説と表記する。入力されたパルス内特徴ベク
トルＢｙｋは、ｋ番目のパルスのパルス内特徴ベクトル
であるので、このｋ番目のパルスが、どのレーダから得
られたかに関する仮説、すなわち、ｋ番目のパルスの仮
説を考え、（ｋ−１）パルスの仮説にｋ番目のパルスの
仮説を加えることによって、ｋパルスの仮説を生成し、
出力する。これらのｋパルスの仮説には、ｋパルスの仮
説に更新する前の（ｋ−１）パルスの仮説に付加されて
いた評価値を付加する場合と、付加しない場合がある
（ステップＳＴ１２−６）。In other cases, first, the number k of input pulses is increased by 1 (step ST12-4). Therefore, after this, the hypothesis of the input k pulse is (k-1)
Described as a hypothesis of pulse. Since the input intra-pulse feature vector Byk is the intra-pulse feature vector of the k-th pulse, a hypothesis regarding which radar the k-th pulse was obtained from, that is, the hypothesis of the k-th pulse, (K-1) generating a k-pulse hypothesis by adding the k-th pulse hypothesis to the pulse hypothesis;
Output. These k-pulse hypotheses include the case where the evaluation value added to the (k-1) -pulse hypothesis before updating to the k-pulse hypothesis is added and the case where it is not added (step ST12-6). .
【００５５】ここで、（ｋ−１）パルスの仮説では、Ｍ
個のレーダからのレーダパルスを受信していると考えて
いるものとする。この場合、ｋ番目のパルスの仮説とし
ては、レーダｍ（１≦ｍ≦Ｍ）から得られたパルスであ
るとする各仮説、レーダｍ（１≦ｍ≦Ｍ）から放射され
たパルスを１つ以上失検出した後に、レーダｍから得ら
れたパルスであるとする仮説、レーダｍ（１≦ｍ≦Ｍ）
以外の新たなレーダから得られたパルスであるとする仮
説、ノイズを誤って検出した誤検出パルスであるとする
仮説などの仮説が考えられる。Here, in the hypothesis of the (k-1) pulse, M
It is assumed that radar pulses are received from the radars. In this case, as the hypothesis of the k-th pulse, one hypothesis is assumed to be a pulse obtained from the radar m (1 ≦ m ≦ M), and one pulse radiated from the radar m (1 ≦ m ≦ M). The hypothesis that the pulse is obtained from the radar m after the above loss detection, the radar m (1 ≦ m ≦ M)
Hypotheses such as a pulse obtained from a new radar other than the above and a hypothesis such as a false detection pulse in which noise is erroneously detected are conceivable.
【００５６】観測条件によって、どのような仮説を考え
るかは異なる。たとえば、信号レベルが十分に高く、誤
検出パルスがないような場合は、誤検出パルスであると
する仮説を考える必要はない。The hypothesis to be considered differs depending on the observation conditions. For example, when the signal level is sufficiently high and there is no erroneous detection pulse, it is not necessary to consider a hypothesis that the pulse is an erroneous detection pulse.
【００５７】このように、失検出しているという仮説や
誤検出パルスであるという仮説を考えるので、誤検出パ
ルスを誤って分類したり、失検出パルスによってパルス
到来時刻の差分として算出されるパルス繰り返し間隔を
誤って推定してしまう可能性が少なくなる。また、新た
なレーダから得られたパルスである仮説とする仮説を考
えることにより、レーダ数を増加していくことができる
ため、事前にレーダ数を与える必要がなくなる。As described above, the hypothesis that the detection error has occurred and the hypothesis that the detection error pulse has occurred are considered, so that the error detection pulse is erroneously classified, and the pulse calculated as the difference between the arrival times of the pulses by the error detection pulse. The possibility of incorrectly estimating the repetition interval is reduced. Further, by considering a hypothesis as a hypothesis that is a pulse obtained from a new radar, the number of radars can be increased, so that it is not necessary to give the number of radars in advance.
【００５８】仮説生成手段１２に入力された（ｋ−１）
パルスの仮説の数をＨとし、各（ｋ−１）パルスの仮説
ｈ（１≦ｈ≦Ｈ）に対して、ｋ番目のパルスに関する仮
説を考え、ｋパルスの仮説を生成する処理を行う（ステ
ップＳＴ１２−５、ＳＴ１２−７、ＳＴ１２−８）。(K-1) input to the hypothesis generating means 12
Assuming that the number of pulse hypotheses is H, for each (k-1) pulse hypothesis h (1 ≦ h ≦ H), a hypothesis regarding the k-th pulse is considered, and processing for generating a k-pulse hypothesis is performed ( Steps ST12-5, ST12-7, ST12-8).
【００５９】（ｋ−１）パルスの仮説ｈに対して、ｋ番
目のパルスの仮説はＨｈ個考えられるとすると、仮説生
成手段１２は、合計、下記の式（３）で与えられる個数
のｋパルスの仮説を出力する。(K-1) Assuming that there are Hh hypotheses for the k-th pulse with respect to the hypothesis h for the pulse, the hypothesis generation means 12 calculates the total number of k hypotheses given by the following equation (3). Output the hypothesis of the pulse.
【００６０】[0060]
【数３】 (Equation 3)
【００６１】評価値算出手段１３では、Ｇ個のｋパルス
の仮説が入力され、各ｋパルスの仮説に対して、評価値
が算出され、各仮説にこの評価値を付加し、出力する
（ステップＳＴ１３−１、１３−２、１３−３、１３−
４）。The evaluation value calculation means 13 receives G hypotheses of k pulses, calculates an evaluation value for each hypothesis of k pulses, adds the evaluation value to each hypothesis, and outputs the result (step S1). ST13-1, 13-2, 13-3, 13-
4).
【００６２】パルス到来時刻以外のパルス内特徴の数を
Ｊ、仮説において仮定しているレーダ数をＭ、レーダｍ
におけるｊ番目のパルス内特徴の推定値をｂｍｊ、その
標準偏差をｖｍｊ、レーダｍのパルス到来時刻間隔の推
定値をｂｍ０、その標準偏差をｖｍ０、パルスｋがレー
ダｍに分類される場合に１、分類されない場合に０とな
る変数をｃｋｍ、レーダｍに分類されるパルス数をＮ
ｍ、誤検出パルスの数をＮ０、事前に設定した定数を
Ｗ，レーダｍに分類されたパルスのパルス到来時刻から
求められるｎ番目のパルス到来時刻の間隔をｙｎ０と
し、次式（３）に示す負の対数尤度を評価値Ｌとするこ
とが考えられる。定数項を省略したり、標準偏差が一定
と考えられる場合に、標準偏差の項を省略した値も評価
値Ｌとなりえる。The number of features in the pulse other than the pulse arrival time is J, the number of radars assumed in the hypothesis is M, and the radar m is m.
Is the estimated value of the j-th intra-pulse feature in bmj, its standard deviation is vmj, the estimated value of the pulse arrival time interval of the radar m is bm0, its standard deviation is vm0, and 1 when the pulse k is classified as radar m. , The variable which becomes 0 when not classified is ckm, and the number of pulses classified into radar m is N
m, the number of erroneously detected pulses is N0, the constant set in advance is W, the interval between the arrival times of the n-th pulse obtained from the arrival times of the pulses classified into the radar m is yn0, and the following equation (3) is used. It is conceivable that the indicated negative log likelihood is used as the evaluation value L. If the constant term is omitted or the standard deviation is considered to be constant, a value in which the standard deviation term is omitted can also be the evaluation value L.
【００６３】[0063]
【数４】 (Equation 4)
【００６４】また、上式（４）の評価値Ｌの値を用いた
次式（５）のようなＭＤＬ(MinimumDescription Lengt
h)の考え方を用いた評価値ＬMDLも考えられる。Also, an MDL (Minimum Description Length) such as the following equation (5) using the value of the evaluation value L of the above equation (4)
An evaluation value L MDL using the concept of h) is also conceivable.
【００６５】[0065]
【数５】 (Equation 5)
【００６６】他にも、二乗誤差和や尤度やAIC(Akaike I
nfomatoin Criterion)などの統計的指標を用いることが
考えられる。In addition, the sum of squared errors, likelihood, and AIC (Akaike I
nfomatoin Criterion).
【００６７】仮説数減少手段１５では、各仮説に付加さ
れた評価値を基に、評価値の良い仮説を選択し、選択し
たｋパルスの仮説を出力する（ステップＳＴ１５）。The hypothesis number reducing means 15 selects a hypothesis having a good evaluation value based on the evaluation value added to each hypothesis, and outputs the hypothesis of the selected k pulses (step ST15).
【００６８】この選択の仕方としては、選択する仮説数
ｈ’を事前に決定しておき、ｈ’個の仮説を抜き出す方
法や、閾値を事前に設定しておく、もしくは、閾値を全
仮説の評価値の和にある定数をかけた値として決め、こ
の閾値よりも良い評価値を持つ仮説を抜き出す方法など
が考えられる。As a method of selection, the number of hypotheses h ′ to be selected is determined in advance, and a method of extracting h ′ hypotheses, setting thresholds in advance, or setting the thresholds to all hypotheses A method of determining a value obtained by multiplying the sum of the evaluation values by a certain constant and extracting a hypothesis having an evaluation value better than the threshold value may be considered.
【００６９】仮説選択手段１６では、仮説数減少手段１
５の出力するｋパルスの仮説を入力として、これらの仮
説の中で最も評価値の良い仮説を選択し、これをｋ番目
のパルスが得られた時点での分類結果として出力する
（ステップＳＴ１６）。In the hypothesis selecting means 16, the hypothesis number reducing means 1
5, the hypothesis with the highest evaluation value is selected from the hypotheses of the k-pulse output from step 5, and is output as the classification result at the time when the k-th pulse is obtained (step ST16). .
【００７０】以上のように、本発明の実施の形態１によ
るレーダパルス分類装置及びレーダパルス分類方法にお
いては、仮説生成手段１２において仮説を生成する際
に、新たなレーダから得られたパルスであるという仮説
を考えることにより、レーダ数を増加していくことがで
きるようにしたため、従来のように事前にレーダ数Ｍを
決定する必要がなく、また、誤検出パルスであるという
仮説や失検出パルスが存在しているという仮説も考える
ようにしたので、誤検出パルスを誤って分類したり、失
検出パルスによってパルス到来時刻の差分として算出さ
れるパルス繰り返し間隔を誤って推定してしまうのを防
止することができ、誤検出パルスや失検出パルス等によ
る分類性能の劣化を防ぐことができるという効果が得ら
れる。As described above, in the radar pulse classification device and the radar pulse classification method according to the first embodiment of the present invention, when the hypothesis generation means 12 generates a hypothesis, the pulse is obtained from a new radar. By considering the hypothesis that the number of radars can be increased, it is not necessary to determine the number of radars M in advance as in the conventional case. We have also considered the hypothesis that there is an error, so we prevent erroneous classification of erroneous detection pulses and erroneous estimation of the pulse repetition interval calculated as the difference between pulse arrival times due to undetected pulses. Therefore, it is possible to prevent the classification performance from being deteriorated due to an erroneous detection pulse, a loss detection pulse, or the like.
【００７１】実施の形態２．次に、本発明の実施の形態
２について説明する。図５は、実施の形態２によるレー
ダパルス分類装置の構成を示したブロック図である。図
において、１０、１５及び１６は上述の実施の形態１で
示したものと同一である。本実施の形態では、図５に示
すように、仮説数減少手段１５が出力するｋパルスの仮
説の数をＨとして、Ｈ個の仮説生成手段１２−ｈ（１≦
ｈ≦Ｈ）とＨ個の評価値算出手段１２−ｈ（１≦ｈ≦
Ｈ）を備えている。Embodiment 2 Next, a second embodiment of the present invention will be described. FIG. 5 is a block diagram showing a configuration of the radar pulse classification device according to the second embodiment. In the figure, 10, 15, and 16 are the same as those shown in the first embodiment. In the present embodiment, as shown in FIG. 5, assuming that the number of k-pulse hypotheses output by the hypothesis number reduction unit 15 is H, H hypothesis generation units 12-h (1 ≦ 1)
h ≦ H) and H evaluation value calculation means 12-h (1 ≦ h ≦
H).
【００７２】以下、図６に示すフローチャートに沿っ
て、図５に示すレーダパルス分類装置の動作、すなわ
ち、本実施の形態におけるレーダパルス分類方法につい
て説明する。The operation of the radar pulse classification device shown in FIG. 5, that is, the radar pulse classification method according to the present embodiment will be described below with reference to the flowchart shown in FIG.
【００７３】逐次パルス特徴抽出手段１０は、Ｈ個の全
ての仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）にパルス内特
徴ベクトルＢｙｋ（上式（１）参照）を出力し、仮説数
減少手段１５も、出力する複数のｋパルスの仮説を、そ
れぞれ、対応する異なる仮説生成手段１２−ｈに出力す
る。すなわち、ｋパルスの仮説１は仮説生成手段１２−
１に出力され、ｋパルスの仮説２は仮説生成手段１２−
２に出力され、以下同様に、ｋパルスの仮説ｈは仮説生
成手段１２−ｈに出力される。それ以外の動作は実施の
形態１と同様である。The sequential pulse feature extraction means 10 outputs the in-pulse feature vector Byk (see the above equation (1)) to all H hypothesis generation means 12-h (1 ≦ h ≦ H), and reduces the number of hypotheses. The means 15 also outputs the output hypotheses of the plurality of k pulses to the corresponding different hypothesis generation means 12-h. That is, the hypothesis 1 of the k pulse is obtained by the hypothesis generation means 12-
1 and the k-pulse hypothesis 2 is
2, and thereafter, the hypothesis h of k pulses is output to the hypothesis generation means 12-h. Other operations are the same as in the first embodiment.
【００７４】Ｈ個の各仮説生成手段１２−ｈ（１≦ｈ≦
Ｈ）は、それぞれ、仮説数減少手段１５が出力した、別
々の一つのｋパルスの仮説ｈ（１≦ｈ≦Ｈ）に対して、
実施の形態１に示した仮説生成手段１２と同じ処理を行
う（ステップＳＴ１２−６−１〜１２−６−Ｈ）。な
お、これらの各仮説生成手段１２−ｈの処理は並列に行
われる。その結果、各仮説生成手段１２−ｈはＨｈ個の
ｋパルスの仮説を生成し、全体で、Ｇ個（上式（３）参
照）の仮説を生成する。Each of the H hypothesis generation means 12-h (1 ≦ h ≦
H) is the hypothesis h (1 ≦ h ≦ H) of one separate k-pulse output by the hypothesis number reduction means 15, respectively.
The same processing as that of the hypothesis generation means 12 shown in the first embodiment is performed (steps ST12-6-1 to 12-6-H). The processing of each of these hypothesis generation means 12-h is performed in parallel. As a result, each hypothesis generation unit 12-h generates Hh hypotheses of k pulses, and generates G hypotheses (see the above equation (3)) as a whole.
【００７５】各評価値算出手段１３−ｈ（１≦ｈ≦Ｈ）
は、各仮説生成手段１２−ｈの出力したＨｈ個のｋパル
スの仮説を入力として、これらの仮説の評価値を算出
し、各仮説に評価値を付加して出力する（ステップＳＴ
１３−１−ｈ、ＳＴ１３−２−ｈ、ＳＴ１３−３−ｈ、
ＳＴ１３−４−ｈ（１≦ｈ≦Ｈ））。なお、ここでも、
各評価値算出手段１３−ｈの処理は並列に行われる。Each evaluation value calculating means 13-h (1 ≦ h ≦ H)
Receives as input the Hh k-pulse hypotheses output from each hypothesis generation means 12-h, calculates the evaluation values of these hypotheses, adds the evaluation values to each hypothesis, and outputs the results (step ST).
13-1-h, ST13-2-h, ST13-3-h,
ST13-4-h (1 ≦ h ≦ H)). Also here,
The processing of each evaluation value calculation means 13-h is performed in parallel.
【００７６】以下の処理は、上述の実施の形態１と同様
である。すなわち、仮説数減少手段１５では、各評価値
算出手段１３−ｈ（１≦ｈ≦Ｈ）から出力された、合計
Ｇ個の各仮説に付加された評価値を基に、上述の実施の
形態１と同様に、評価値の良い仮説を選択し、選択した
ｋパルスの仮説を出力する（ステップＳＴ１５）。The following processing is the same as in the first embodiment. That is, the number of hypotheses reducing means 15 is based on the evaluation values output from the evaluation value calculating means 13-h (1 ≦ h ≦ H) and added to each of the G total hypotheses, as described in the above embodiment. Similarly to 1, a hypothesis with a good evaluation value is selected, and the hypothesis of the selected k pulses is output (step ST15).
【００７７】仮説選択手段１６では、上述の実施の形態
１と同様に、仮説数減少手段１５の出力するｋパルスの
仮説を入力として、これらの仮説の中で最も評価値の良
い仮説を選択し、これをｋ番目のパルスが得られた時点
での分類結果として出力する（ステップＳＴ１６）。As in the first embodiment, the hypothesis selecting unit 16 receives the k-pulse hypothesis output from the hypothesis number reducing unit 15 and selects the hypothesis with the best evaluation value among these hypotheses. This is output as the classification result at the time when the k-th pulse is obtained (step ST16).
【００７８】このように、本実施の形態においては、上
述の実施の形態１と同様の効果が得られるとともに、さ
らに、仮説数減少手段１５の出力するＨ個の仮説毎に、
仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）と評価値算出手段
１３−ｈ（１≦ｈ≦Ｈ）をそれぞれ持つようにしたの
で、各仮説毎に並列に仮説生成と評価値算出を行うこと
ができ、高速化を図ることができる。As described above, in the present embodiment, the same effect as that of the above-described first embodiment is obtained, and further, for each of the H hypotheses output from the hypothesis number reducing means 15,
Since it has the hypothesis generation means 12-h (1 ≦ h ≦ H) and the evaluation value calculation means 13-h (1 ≦ h ≦ H), hypothesis generation and evaluation value calculation are performed in parallel for each hypothesis. And speeding up can be achieved.
【００７９】実施の形態３．本発明の実施の形態３につ
いて説明する。図７は、実施の形態３によるレーダパル
ス分類装置の構成を示したブロック図である。図におい
て、１０、１５及び１６は上述の実施の形態１で示した
ものと同一である。本実施の形態では、図７に示すよう
に、仮説数減少手段１５が出力するｋパルスの仮説の数
をＨ個、Ｈ個の仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）が
出力する仮説の数をＧ個として、Ｇ個の評価値算出手段
１２−ｇ（１≦ｇ≦Ｇ）を備えている。Embodiment 3 Embodiment 3 of the present invention will be described. FIG. 7 is a block diagram showing a configuration of a radar pulse classification device according to the third embodiment. In the figure, 10, 15, and 16 are the same as those shown in the first embodiment. In the present embodiment, as shown in FIG. 7, the number of k-pulse hypotheses output by the hypothesis number reducing means 15 is H, and the H hypothesis generating means 12-h (1 ≦ h ≦ H) output the number. Assuming that the number of hypotheses is G, there are provided G evaluation value calculation means 12-g (1 ≦ g ≦ G).
【００８０】以下、図８に示すフローチャートに沿っ
て、図７に示すレーダパルス分類装置の動作、すなわ
ち、本発明の実施の形態３によるレーダパルス分類方法
について説明する。The operation of the radar pulse classification device shown in FIG. 7, that is, the radar pulse classification method according to the third embodiment of the present invention will be described below with reference to the flowchart shown in FIG.
【００８１】逐次パルス特徴抽出手段１０の動作は実施
の形態２と同様である。The operation of the sequential pulse feature extraction means 10 is the same as in the second embodiment.
【００８２】仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）は、
実施の形態２に示した仮説生成手段１２−ｈと同じ処理
を行い、生成した全体でのべＧ個の仮説をそれぞれ異な
るＧ個の評価値算出手段１３−ｇ（１≦ｇ≦Ｇ）に出力
する（ステップＳＴ１２−６−ｈ（１≦ｈ≦Ｈ））。The hypothesis generation means 12-h (1 ≦ h ≦ H)
The same processing as that of the hypothesis generation means 12-h shown in the second embodiment is performed, and a total of G hypotheses generated are sent to different G evaluation value calculation means 13-g (1 ≦ g ≦ G). Output (Step ST12-6-h (1 ≦ h ≦ H)).
【００８３】評価値算出手段１３−ｇは、仮説生成手段
１２−ｈの出力した、それぞれ別個の一つのｋパルスの
仮説を入力として、この仮説の評価値を算出し、仮説に
評価値を付加して出力する（ステップＳＴ１３−２−ｇ
（１≦ｇ≦Ｇ））。The evaluation value calculating means 13-g calculates the evaluation value of this hypothesis, using the hypothesis of one separate k pulse output from the hypothesis generation means 12-h as an input, and adds the evaluation value to the hypothesis. (Step ST13-2-g)
(1 ≦ g ≦ G)).
【００８４】以下、仮説数減少手段１５の処理は上述の
実施の形態２と同様であり、仮説選択手段１６の処理は
上述の実施の形態１と同様である。Hereinafter, the processing of the hypothesis number reducing means 15 is the same as in the above-described second embodiment, and the processing of the hypothesis selecting means 16 is the same as in the above-described first embodiment.
【００８５】以上のように、この実施の形態において
は、上述の実施の形態１と同様の効果が得られるととも
に、さらに、仮説数減少手段１５の出力するＨ個の仮説
毎に仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）を持ち、さら
に、仮説生成手段１２−ｈ（１≦ｈ≦Ｈ）の出力するＧ
個の仮説毎に評価値算出手段１３−ｇ（１≦ｇ≦Ｇ）を
持つようにしたので、実施の形態２と比較して、さら
に、評価値算出も全て並列に行うことができ、さらなる
高速化を図ることができる。As described above, in this embodiment, the same effect as in the first embodiment can be obtained, and further, the hypothesis generation unit 12 is output for each of the H hypotheses output by the hypothesis number reduction unit 15. −h (1 ≦ h ≦ H), and G output by the hypothesis generation unit 12-h (1 ≦ h ≦ H).
Since the evaluation value calculation means 13-g (1 ≦ g ≦ G) is provided for each of the hypotheses, the evaluation value calculation can be performed in parallel with the second embodiment. Higher speed can be achieved.
【００８６】実施の形態４．本発明の実施の形態４につ
いて説明する。図９は、実施の形態４によるレーダパル
ス分類装置の構成を示したブロック図である。図におい
て、１０、１２、１３及び１５は上述の実施の形態１で
示したものと同一である。本実施の形態と上述の実施の
形態１との構成の違いは、図９に示すように、実施の形
態１で示した仮説選択手段１６の代わりに、パルス分類
確定手段１７が設けられていることである。Embodiment 4 Embodiment 4 of the present invention will be described. FIG. 9 is a block diagram showing a configuration of a radar pulse classification device according to the fourth embodiment. In the figure, 10, 12, 13 and 15 are the same as those described in the first embodiment. The difference between the present embodiment and the above-described first embodiment is that, as shown in FIG. 9, a pulse classification determining unit 17 is provided instead of the hypothesis selecting unit 16 shown in the first embodiment. That is.
【００８７】パルス分類確定手段１７は、仮説数減少手
段１５から入力されるＨ個の複数の仮説から、各パルス
の分類が未定であることも考慮した仮説を生成するもの
である。The pulse classification determination means 17 generates a hypothesis from the plurality of H hypotheses input from the hypothesis number reduction means 15 in consideration of the fact that the classification of each pulse is undecided.
【００８８】以下、図１０に示すフローチャートに沿っ
て、図９に示すパルス分類装置の動作、すなわち、本実
施の形態におけるパルス分類方法について説明する。パ
ルス分類確定手段１７以外の動作は、実施の形態１〜３
と同様である。The operation of the pulse classification device shown in FIG. 9, that is, the pulse classification method in the present embodiment will be described below with reference to the flowchart shown in FIG. Operations other than the pulse classification determining means 17 are the same as those of the first to third embodiments.
Is the same as
【００８９】パルス分類確定手段１７は、入力された全
てのｋパルスの仮説において、もしくは、入力された全
てのｋパルスの仮説の中で評価値の良いいくつかの仮説
において、受信した混在パルス列に含まれるｋ’番目の
パルスに関する仮説が全て同じであれば、ｋ’番目のパ
ルスの仮説として、この仮説を選択し、異なっていれ
ば、ｋ’番目のパルスの仮説として、分類が未定である
という仮説を選択する。これを全てのパルスｋ’（１≦
ｋ’≦ｋ）について行い、これら全てのｋ’番目のパル
スの仮説を加えあわせたｋパルスの仮説を出力する（ス
テップＳＴ１７）。The pulse classification determining means 17 determines whether or not the received mixed pulse train has a hypothesis of all the input k pulses or some of the hypotheses with good evaluation values among the hypotheses of all the input k pulses. If the hypotheses regarding the k'th pulse are all the same, this hypothesis is selected as the hypothesis of the k'th pulse, and if different, the classification is undecided as the hypothesis of the k'th pulse. Is selected. This is applied to all pulses k ′ (1 ≦
k ′ ≦ k), and outputs a k-pulse hypothesis in which the hypotheses of all the k′-th pulses are added (step ST17).
【００９０】以上のように、この実施の形態において
も、上述の実施の形態１と同様の効果を得ることができ
るとともに、さらに、上述の実施の形態１で示した仮説
選択手段１６の出力では、全パルスの分類を確定してし
まっているのに対し、本実施の形態のパルス分類確定手
段１７の出力では、分類を確定しにくいパルスは、分類
が未定とするので、誤った分類がされにくく、分類性能
の劣化をさらに防ぐことができる。As described above, also in this embodiment, the same effects as in the first embodiment can be obtained, and the output of the hypothesis selecting means 16 shown in the first embodiment can be obtained. On the other hand, while the classification of all the pulses has been determined, the output of the pulse classification determining means 17 of the present embodiment determines that the classification of a pulse for which the classification is difficult is undecided. And the deterioration of the classification performance can be further prevented.
【００９１】実施の形態５．本発明の実施の形態５につ
いて説明する。図１１は、本実施の形態におけるレーダ
パルス分類装置に設けられた評価値算出手段１３の内部
構成を示したブロック図である。図１１に示すように、
本実施の形態において、評価値算出手段１３は、仮説に
おいて仮定している各レーダのレーダ特徴を推定するレ
ーダ特徴抽出手段３１と、ベイスの定理に基づき、新た
なパルスが得られる前の仮説の評価値を用いて、新たな
パルスが得られた後の仮説の評価値を算出及び更新する
評価値更新手段３２とから構成されている。なお、本実
施の形態における評価値算出手段１３Ａは、上述の実施
の形態１〜４の評価値算出手段１３として適用すること
が可能である。Embodiment 5 Embodiment 5 of the present invention will be described. FIG. 11 is a block diagram showing an internal configuration of the evaluation value calculation means 13 provided in the radar pulse classification device according to the present embodiment. As shown in FIG.
In the present embodiment, the evaluation value calculation means 13 includes a radar feature extraction means 31 for estimating a radar feature of each radar assumed in the hypothesis, and a hypothesis before a new pulse is obtained based on the base theory. The evaluation value updating means 32 calculates and updates the evaluation value of the hypothesis after a new pulse is obtained using the evaluation value. Note that the evaluation value calculation means 13A in the present embodiment can be applied as the evaluation value calculation means 13 in the above-described first to fourth embodiments.
【００９２】以下、図１２に示すフローチャートに沿っ
て、図１１に示す評価値算出手段１３Ａの動作を説明す
る。評価値算出手段１３Ａ以外の動作は、実施の形態１
〜４と同様である。The operation of the evaluation value calculation means 13A shown in FIG. 11 will be described below with reference to the flowchart shown in FIG. The operation other than the evaluation value calculating means 13A is the same as that of the first embodiment
Same as # 4.
【００９３】レーダ特徴抽出手段３１は、従来例におけ
るレーダ特徴抽出手段３１−１〜３１−Ｍと同様に、各
レーダのパルス内特徴とパルス繰り返し間隔を求める
（ステップＳＴ３１）。The radar feature extraction means 31 obtains the intra-pulse features and pulse repetition intervals of each radar, similarly to the radar feature extraction means 31-1 to 31-M in the conventional example (step ST31).
【００９４】評価値更新手段３２は、入力されたｋパル
スの仮説に付加されている評価値を更新して、これを出
力する（ステップＳＴ３２）。The evaluation value updating means 32 updates the evaluation value added to the input k-pulse hypothesis and outputs it (step ST32).
【００９５】評価値更新手段３２に入力されたｋパルス
の仮説には、（ｋ−１）番目のパルスまでを分類した
（ｋ−１）パルスの仮説に対する評価値Ｌｐｒｅが付加
されているので、Ｌｐｒｅを用いて、ｋパルスの仮説の
評価値Ｌを求める。Since the k-pulse hypothesis input to the evaluation value updating means 32 is added with the evaluation value Lpre for the (k-1) -pulse hypothesis that has been classified up to the (k-1) -th pulse, Using Lpre, an evaluation value L of the hypothesis of k pulses is obtained.
【００９６】ここで、入力されたｋパルスの仮説を、
（ｋ−１）番目のパルスまでを分類した（ｋ−１）パル
スの仮説と、ｋ番目のパルスの仮説に分解した場合、
（ｋ−１）パルスの仮説をＨｙ（ｋ−１）、ｋ番目のパ
ルスの仮説をｈｙｋと表記する。（ｋ−１）番目のパル
スまでのパルス内特徴行列がＢＹ（ｋ−１）、仮説がＨ
ｙ（ｋー１）である場合に、ｋ番目のパルスの仮説がｈ
ｙｋである確率をＰ（ｈｙｋ）、（ｋ−１）番目のパル
スまでのパルス内特徴行列がＢＹ（ｋ−１）、仮説がＨ
ｙ（ｋ−１）であり、ｋ番目のパルスの仮説がｈｙｋで
ある場合に、ｋ番目のパルスのパルス内特徴ベクトルが
Ｂｙｋである確率をＰ（Ｂｙｋ）とする。この場合、ベ
イズの定理から、定数倍にする項を省略して評価値Ｌ
を、次式（６）として更新することが考えられる。Here, the hypothesis of the input k pulse is
When the hypothesis of the (k-1) pulse classified up to the (k-1) th pulse and the hypothesis of the kth pulse are decomposed,
The hypothesis of the (k-1) pulse is expressed as Hy (k-1), and the hypothesis of the k-th pulse is expressed as hyk. The feature matrix within the pulse up to the (k-1) th pulse is BY (k-1), and the hypothesis is H
If y (k-1), the hypothesis of the k-th pulse is h
The probability of yk is P (hyk), the intra-pulse feature matrix up to the (k-1) th pulse is BY (k-1), and the hypothesis is H
If y (k-1) and the hypothesis of the k-th pulse is hyk, let P (Byk) be the probability that the intra-pulse feature vector of the k-th pulse is Byk. In this case, from Bayes' theorem, the term to be multiplied by a constant is omitted and the evaluation value L
May be updated as the following equation (6).
【００９７】[0097]
【数６】 (Equation 6)
【００９８】また、上式（６）に示した評価値が、大き
い値となってきた場合や小さい値となってきた場合に
は、全てのｋパルスの値に同一の定数をかけて正規化す
ることにより、計算機における演算がオーバーフローし
ないようにすることが考えられる。When the evaluation value shown in the above equation (6) becomes a large value or a small value, all the k pulse values are normalized by the same constant. By doing so, it is conceivable to prevent the calculation in the computer from overflowing.
【００９９】以上のように、この実施の形態において
は、上述の実施の形態１〜４と同様の効果が得られると
ともに、さらに、評価値算出手段１３Ａをレーダ特徴抽
出手段３１と評価値更新手段３２とから構成して、評価
値を算出する際に、前の評価値を用いて、簡易に評価値
を算出できるようになり、評価値の算出を高速に行うこ
とができる。As described above, in this embodiment, the same effects as those of the above-described first to fourth embodiments can be obtained, and further, the evaluation value calculation means 13A is replaced by the radar feature extraction means 31 and the evaluation value update means. 32, the evaluation value can be easily calculated using the previous evaluation value when calculating the evaluation value, and the calculation of the evaluation value can be performed at high speed.
【０１００】実施の形態６．本発明の実施の形態６につ
いて説明する。図１３は、本実施の形態におけるレーダ
パルス分類装置に設けられた仮説数減少手段１５Ａの内
部構成を示したブロック図である。図１３に示すよう
に、本実施の形態において、仮説数減少手段１５Ａは、
入力される複数の仮説から、適切なレーダ数を推定する
適切レーダ数推定手段４１と、適切レーダ数を考慮して
仮説を選択する、レーダ数による仮説数減少手段４２と
から構成されている。なお、本実施の形態における仮説
数減少手段１５Ａは、上述の実施の形態１〜５の仮説数
減少手段１５として適用することが可能である。Embodiment 6 FIG. Embodiment 6 of the present invention will be described. FIG. 13 is a block diagram showing the internal configuration of the hypothesis number reducing means 15A provided in the radar pulse classification device according to the present embodiment. As shown in FIG. 13, in the present embodiment, the number of hypotheses
The system comprises an appropriate radar number estimating means 41 for estimating an appropriate number of radars from a plurality of input hypotheses, and a means for reducing the number of hypotheses by the number of radars for selecting a hypothesis in consideration of the appropriate number of radars. Note that the hypothesis count reducing unit 15A in the present embodiment can be applied as the hypothesis count reduction unit 15 in the above-described first to fifth embodiments.
【０１０１】以下、図１４に示すフローチャートに沿っ
て、図１３に示す仮説数減少手段１５Ａを有するレーダ
パルス分類装置の動作を説明する．仮説数減少手段１５
Ａ以外の動作は、実施の形態１〜４と同様である。ただ
し、評価値算出手段１３は、実施の形態１〜４と同様の
動作をするが、評価値は、尤度や二乗誤差和などは用い
ず、上式（５）で示したＭＤＬやＡＩＣのようなモデル
パラメータ数の推定に用いられる統計的指標を用いる。The operation of the radar pulse classification device having the hypothesis number reducing means 15A shown in FIG. 13 will be described below with reference to the flowchart shown in FIG. Hypothesis reduction means 15
Operations other than A are the same as those in the first to fourth embodiments. However, the evaluation value calculating means 13 operates in the same manner as in the first to fourth embodiments, but the evaluation value does not use likelihood or sum of squared errors, but uses the MDL or AIC shown in the above equation (5). A statistical index used for estimating the number of model parameters is used.
【０１０２】適切レーダ数推定手段４１では、複数のｋ
パルスの仮説に付加されている評価値を比較し、最も良
い評価値となっている仮説において仮定しているレーダ
数を適切レーダ数として、レーダ数による仮説数減少手
段４２に出力する（ステップＳＴ４１）。In the appropriate radar number estimating means 41, a plurality of k
The evaluation values added to the hypothesis of the pulse are compared, and the number of radars assumed in the hypothesis having the best evaluation value is output as the appropriate number of radars to the number-of-radars hypothesis number reduction means 42 (step ST41). ).
【０１０３】レーダ数による仮説数減少手段４２では、
複数のｋパルスの仮説と適切レーダ数を入力として、入
力された複数のｋパルスの仮説の中から、評価値の良い
仮説を選択する。この際、各仮説において仮定している
レーダ数が、適切レーダ数と等しい仮説の中から、もし
くは、適切レーダ数に近い仮説から選択する（ステップ
ＳＴ４２）。この結果、選択する仮説において、正しい
レーダ数と比較して、極端にレーダ数が多い、もしく
は、少ない仮説が選択される可能性が低くなり、正しい
仮説が選択されない危険性を下げることができる、もし
くは、選択する仮説の数を少なくして演算負荷を減らす
ことができる。In the means 42 for reducing the number of hypotheses based on the number of radars,
Using the hypotheses of a plurality of k pulses and the appropriate number of radars as inputs, a hypothesis with a good evaluation value is selected from the input hypotheses of the k pulses. At this time, a hypothesis in which the number of radars assumed in each hypothesis is equal to the appropriate number of radars or a hypothesis close to the appropriate number of radars is selected (step ST42). As a result, in the hypothesis to be selected, the possibility that an extremely large or small number of radars is selected as compared with the correct number of radars is reduced, and the risk that the correct hypothesis is not selected can be reduced. Alternatively, the number of hypotheses to be selected can be reduced to reduce the calculation load.
【０１０４】以上のように、この実施の形態において
は、上述の実施の形態１〜４と同様の効果が得られると
ともに、さらに、仮説数減少手段１５Ａを適切レーダ数
推定手段４１とレーダ数による仮説数減少手段４２とか
ら構成して、仮説を選択する際に、正しいレーダ数と比
較して、レーダ数が等しいか近い値の仮説を選択するよ
うにしたので、極端にレーダ数が多いか、もしくは、少
ない仮説が選択される可能性が低くなり、分類性能をさ
らに向上させることができる。As described above, in this embodiment, the same effects as those of the first to fourth embodiments can be obtained, and the hypothesis number reducing means 15A can be controlled by the appropriate radar number estimating means 41 and the radar number. When the hypothesis is selected, the hypothesis is compared with the correct number of radars, and the hypothesis with the same or close radar number is selected. Alternatively, the possibility that a small number of hypotheses are selected is reduced, and the classification performance can be further improved.
【０１０５】実施の形態７．次に、本発明の実施の形態
７について説明する．図１５は、実施の形態７によるレ
ーダパルス分類装置の構成を示したブロック図である。
図において、１０，１２，１６は上述の実施の形態１で
示したものと同一である。本実施の形態と実施の形態１
との違いは、図１５に示すように、実施の形態１で示し
た評価値算出手段１３の代りに、複数評価値算出手段２
０が設けられ、仮説数減少手段１５の代りに、評価値併
用仮説減少手段２２が設けられていることである。Embodiment 7 FIG. Next, a seventh embodiment of the present invention will be described. FIG. 15 is a block diagram showing a configuration of a radar pulse classification device according to the seventh embodiment.
In the figure, 10, 12, and 16 are the same as those shown in the first embodiment. The present embodiment and the first embodiment
15 is different from FIG. 15 in that the multiple evaluation value calculating means 2 is used instead of the evaluation value calculating means 13 shown in the first embodiment.
0 is provided, and instead of the hypothesis number reducing means 15, an evaluation value combined hypothesis reducing means 22 is provided.
【０１０６】複数評価値算出手段２０は、各仮説に対し
て、複数の評価値を算出し、これらを各仮説に付加する
ものである。評価値併用仮説減少手段２２は、複数評価
値算出手段２０が付加した複数の評価値を併用して仮説
の総数を減少させるものである。The multiple evaluation value calculating means 20 calculates a plurality of evaluation values for each hypothesis and adds these to each hypothesis. The evaluation value combined hypothesis reducing unit 22 reduces the total number of hypotheses by using a plurality of evaluation values added by the multiple evaluation value calculation unit 20.
【０１０７】以下、図１６に示すフローチャートに沿っ
て、図１５に示すレーダパルス分類装置の動作、すなわ
ち、本実施の形態におけるレーダパルス分類方法につい
て説明する。複数評価値算出手段２０と評価値併用仮説
数減少手段２２以外の動作は、実施の形態１〜５と同様
である。Hereinafter, the operation of the radar pulse classification device shown in FIG. 15, that is, the radar pulse classification method according to the present embodiment will be described with reference to the flowchart shown in FIG. The operations other than the multiple evaluation value calculating means 20 and the evaluation value combined hypothesis number reducing means 22 are the same as those in the first to fifth embodiments.
【０１０８】実施の形態１〜５によってパルスを分類し
た場合、どのような評価値を用いるかによって、分類性
能が異なると考えられる。これは、評価値の良し悪しに
よって仮説を取捨選択し、仮説総数を減少させるため、
評価値によって選択される仮説が異なることが原因であ
る。本実施の形態は、複数の評価値を併用することによ
って、分類性能を向上させるものである。When the pulses are classified according to Embodiments 1 to 5, it is considered that the classification performance differs depending on what evaluation value is used. This is because we select hypotheses based on the quality of the evaluation value and reduce the total number of hypotheses,
This is because the selected hypothesis differs depending on the evaluation value. In the present embodiment, the classification performance is improved by using a plurality of evaluation values together.
【０１０９】複数評価値算出手段２０は、各仮説に対し
て、実施の形態１〜５で述べた評価値など、複数の評価
値を算出し、これらを各仮説に付加して出力する（ステ
ップ２０−２）。評価値併用仮説減少手段２２は、複数
評価値算出手段２０で付加された複数の評価値を用い
て、仮説の総数を減少させる（ステップ２２）。The plurality of evaluation value calculating means 20 calculates a plurality of evaluation values such as the evaluation values described in the first to fifth embodiments for each hypothesis, adds these to each hypothesis, and outputs them (step S1). 20-2). The evaluation value combined hypothesis reducing unit 22 reduces the total number of hypotheses by using the plurality of evaluation values added by the multiple evaluation value calculation unit 20 (Step 22).
【０１１０】上述した評価値には、上述した（４）式の
評価値Ｌや二乗誤差や尤度のように、パラメータ数が同
一であるモデル（仮説）を比較するための評価値と、上
述の（５）式の評価値ＬMDLや（６）式の評価値ＬやAIC
のように、パラメータ数が異なるモデル（仮説）でも比
較することができる評価値がある。パラメータ数が同一
であるモデル（仮説）を比較するための評価値として
は、次式（７）も考えられる。The above-described evaluation values include an evaluation value for comparing models (hypotheses) having the same number of parameters, such as the evaluation value L of the above-described equation (4), the square error, and the likelihood. The evaluation value L MDL of equation (5) and the evaluation value L and AIC of equation (6)
, There is an evaluation value that can be compared even with models (hypotheses) having different numbers of parameters. The following equation (7) is also conceivable as an evaluation value for comparing models (hypotheses) having the same number of parameters.
【０１１１】[0111]
【数７】 (Equation 7)
【０１１２】各仮説では、いくつのレーダからのパルス
を受信しているかを仮定している。この仮定しているレ
ーダ数によって、各仮説におけるパラメータ数が変化す
る。このため、パラメータ数が同一であるモデル（仮
説）を比較するための評価値によって、仮定しているレ
ーダ数が同一である仮説を比較し、それらの仮説の良し
悪しを評価できる。しかし、このような評価値を用い
て、仮定しているレーダ数が異なる仮説を比較すること
はできない。Each hypothesis assumes how many radar pulses are being received. The number of parameters in each hypothesis changes according to the assumed number of radars. For this reason, it is possible to compare hypotheses with the same number of assumed radars based on evaluation values for comparing models (hypotheses) with the same number of parameters, and evaluate the quality of those hypotheses. However, such an evaluation value cannot be used to compare hypotheses with different assumed numbers of radars.
【０１１３】反面、パラメータ数が異なるモデル（仮
説）を比較することができる評価値を用いると、仮定し
ているレーダ数が同一である仮説を比較する場合に限っ
ては、パラメータ数が同一であるモデル（仮説）を比較
するための評価値と比較して、あまり適切でない評価が
行われる可能性がある。On the other hand, if an evaluation value that can compare models (hypotheses) with different numbers of parameters is used, only when comparing hypotheses with the same assumed number of radars, the same number of parameters is used. Compared with an evaluation value for comparing a certain model (hypothesis), a less appropriate evaluation may be performed.
【０１１４】例えば、（６）式および（７）式を用い
て、レーダ数が事前に既知である場合と未知である場合
に、レーダパルス分類に関するシミュレーションを行っ
た結果を図１７に示す。レーダ数が事前に既知である場
合には、パラメータ数が同一である仮説の比較だけを行
えばよく、レーダ数が未知である場合には、パラメータ
数が異なる仮説の比較を行う必要がある。このシミュレ
ーションでは、２つのレーダからパルスを混在して受信
し、受信したパルスからパルス内特徴として、パルス到
来時刻のみを抽出していると考えて、シミュレーション
データを作成している。レーダ１のパルス繰り返し間隔
は1.0、レーダ２のパルス繰り返し間隔は1.05とし、パ
ルス繰り返し間隔のばらつき（標準偏差）を変えてシミ
ュレーションを行った。７０％以上のパルスを正しく分
類できた場合に分類成功として、１００回のシミュレー
ションのうち、分類成功した割合を分類成功率とした。For example, FIG. 17 shows the results of a simulation of radar pulse classification performed using the equations (6) and (7) when the number of radars is known in advance and when the number is unknown. When the number of radars is known in advance, it is only necessary to compare hypotheses with the same number of parameters, and when the number of radars is unknown, it is necessary to compare hypotheses with different numbers of parameters. In this simulation, simulation data is created on the assumption that pulses are mixedly received from two radars, and only pulse arrival times are extracted from the received pulses as intra-pulse features. The simulation was performed by changing the pulse repetition interval of the radar 1 to 1.0 and the pulse repetition interval of the radar 2 to 1.05, and changing the variation (standard deviation) of the pulse repetition interval. If 70% or more of the pulses were correctly classified, the classification was determined to be successful, and the percentage of successful classifications out of 100 simulations was defined as the classification success rate.
【０１１５】シミュレーション結果から、レーダ数が既
知である場合には、（６）式よりも（７）式を評価値と
して用いた方がレーダパルス分類性能が向上することが
わかる。よって、パラメータ数が同一である仮説の比較
だけを行う場合には、パラメータ数が異なるモデル（仮
説）を比較することができる評価値である（６）式より
も、パラメータ数が同一であるモデル（仮説）を比較す
るための評価値である（７）式を評価値として用いた方
が良いことがわかる。From the simulation results, it can be seen that when the number of radars is known, the radar pulse classification performance is improved by using the expression (7) as the evaluation value rather than the expression (6). Therefore, when only hypotheses with the same number of parameters are compared, a model with the same number of parameters is better than equation (6), which is an evaluation value that can compare models (hypotheses) with different numbers of parameters. It can be seen that it is better to use Expression (7), which is an evaluation value for comparing (hypotheses), as the evaluation value.
【０１１６】よって、複数評価値算出手段２０におい
て、例えば、（６）式と（７）式のように、パラメータ
数が異なるモデル（仮説）を比較することができる評価
値を１つと、パラメータ数が同一であるモデル（仮説）
を比較するための評価値を１つの合計２つの評価値を算
出することが考えられる。さらに、評価値併用仮説数減
少手段２２において、パラメータ数が同一である仮説を
比較する場合には、パラメータ数が同一であるモデル
（仮説）を比較するための評価値を用い、パラメータ数
が異なる仮説を比較する場合には、パラメータ数が異な
るモデル（仮説）を比較することができる評価値を用い
て仮説の比較を行い、仮説を選択する。Therefore, in the multiple evaluation value calculation means 20, for example, as shown in Expressions (6) and (7), one evaluation value capable of comparing models (hypotheses) having different numbers of parameters is determined, and Are identical (hypothesis)
It is conceivable to calculate a total of two evaluation values as one evaluation value for comparing. Furthermore, when comparing the hypotheses with the same number of parameters in the evaluation value combined hypothesis number reduction means 22, the evaluation values for comparing models (hypotheses) with the same number of parameters are used, and the number of parameters is different. When comparing hypotheses, hypotheses are compared using evaluation values that can compare models (hypotheses) having different numbers of parameters, and a hypothesis is selected.
【０１１７】以上のように、本実施の形態においては、
複数の評価値を算出し、それらを仮説に付加する複数評
価値算出手段２０と、複数の評価値を併用して仮説の総
数を減少させる評価値併用仮説数減少手段２２とを設け
て、複数の評価値を算出しておき、仮定しているレーダ
数やパラメータ数及びレーダ数の既知または未知といっ
た諸条件に基づいて適切な評価値を選択し、それを用い
て仮説の比較を行い、仮説を選択し、仮説数を減少させ
るようにしたので、この結果、より適切な仮説の選択が
できるようになり、レーダパルス分類性能が向上する。As described above, in the present embodiment,
A plurality of evaluation value calculating means 20 for calculating a plurality of evaluation values and adding them to hypotheses, and an evaluation value combined hypothesis number reducing means 22 for reducing the total number of hypotheses by using a plurality of evaluation values are provided. Calculate the evaluation value of, and select an appropriate evaluation value based on various assumptions such as the assumed number of radars, parameters, and the number of radars, and use them to compare hypotheses, Is selected to reduce the number of hypotheses. As a result, a more appropriate hypothesis can be selected, and the radar pulse classification performance is improved.
【０１１８】実施の形態８．次に、本発明の実施の形態
８について説明する。図１８は、実施の形態８によるレ
ーダパルス分類装置の評価値併用仮説数減少手段２２の
構成を示したブロック図である。なお、レーダパルス分
類装置の全体の構成は、実施の形態７と同様であるた
め、ここでは説明を省略する。図１８に示すように、評
価値併用仮説数減少手段２２は、複数評価値算出手段２
０で算出された複数の評価値の１つである評価値１（第
一の評価値）による仮説数減少手段５１と、複数評価値
算出手段２０で算出された評価値の他の１つである評価
値２（第二の評価値）による仮説入れ替え手段５２とか
ら構成されている。Embodiment 8 FIG. Next, an eighth embodiment of the present invention will be described. FIG. 18 is a block diagram showing a configuration of the evaluation value combined hypothesis number reducing means 22 of the radar pulse classification device according to the eighth embodiment. Note that the entire configuration of the radar pulse classification device is the same as that of the seventh embodiment, and a description thereof will not be repeated. As shown in FIG. 18, the evaluation value combined hypothesis number reducing means 22 includes a plurality of evaluation value calculating means 2.
The hypothesis count reducing means 51 based on the evaluation value 1 (first evaluation value), which is one of the plurality of evaluation values calculated with 0, and another one of the evaluation values calculated by the multiple evaluation value calculation means 20. And a hypothesis replacing means 52 using a certain evaluation value 2 (second evaluation value).
【０１１９】評価値１による仮説数減少手段５１は、複
数評価値算出手段２０が付加した複数の評価値の１つで
ある評価値１を用いて仮説の総数を減少させるための選
択情報を付加するものである。評価値２による仮説入れ
替え手段５２は、複数評価値算出手段２０が付加した複
数の評価値の１つである評価値２によって仮説を評価
し、評価値１では選択されなかった仮説の一部を選択
し、評価値１では選択された仮説の一部を除去すること
によって、選択される仮説の一部を入れ替え、その後、
仮説の総数を減少するものである。The hypothesis number reducing means 51 based on the evaluation value 1 adds selection information for reducing the total number of hypotheses using the evaluation value 1 which is one of the plurality of evaluation values added by the plural evaluation value calculating means 20. Is what you do. The hypothesis replacing means 52 based on the evaluation value 2 evaluates the hypothesis based on the evaluation value 2 which is one of the plurality of evaluation values added by the plural evaluation value calculating means 20, and replaces a part of the hypothesis not selected with the evaluation value 1. By selecting and removing a part of the selected hypothesis at the evaluation value 1, a part of the selected hypothesis is replaced, and then
It reduces the total number of hypotheses.
【０１２０】以下、図１９に示すフローチャートに沿っ
て、図１８に示すレーダパルス分類装置の評価値併用仮
説数減少手段の動作、すなわち、本実施の形態における
仮説数の減少方法について説明する。評価値併用仮説数
減少手段２２以外の動作は、実施の形態７と同様であ
る。The operation of the means for reducing the number of hypotheses with evaluation values of the radar pulse classification device shown in FIG. 18, that is, the method of reducing the number of hypotheses in this embodiment will be described below with reference to the flowchart shown in FIG. The operations other than the evaluation value combined hypothesis number reducing means 22 are the same as those in the seventh embodiment.
【０１２１】評価値１による仮説数減少手段５１では、
複数仮説評価値算出手段２０において付加された評価値
の１つである評価値１に基づいて、評価値１の良い仮説
を選択し、各仮説に選択したか否かの選択情報を付加し
て出力する（ステップＳＴ１０３）。In the hypothesis number reducing means 51 based on the evaluation value 1,
Based on the evaluation value 1 which is one of the evaluation values added by the multiple hypothesis evaluation value calculating means 20, a hypothesis having a good evaluation value 1 is selected, and selection information as to whether or not the hypothesis is selected is added to each hypothesis. Output (Step ST103).
【０１２２】評価値２による仮説入れ替え手段５２で
は、評価値１による仮説数減少手段５１の出力した、選
択情報を付加したｋパルスの仮説ｉ(1≦ｉ≦G)を入力と
して、複数評価値算出手段２０において付加された評価
値の他の１つである評価値２に基づいて、評価値２が良
いにも関わらず仮説数減少手段５１により選択されてい
ない仮説を選択し、逆に、評価値２が悪いにも関わらず
仮説数減少手段５１で選択された仮説を選択しないよう
に、選択する仮説を入れ替え、変更する（ステップＳＴ
５２−１）。そして、不適切な仮説を削除して、仮説を
取捨選択し、出力する（ステップＳＴ５２−２）。The hypothesis replacing means 52 based on the evaluation value 2 receives the hypothesis i (1 ≦ i ≦ G) of k pulses to which the selection information is added, output from the hypothesis number reducing means 51 based on the evaluation value 1, and receives a plurality of evaluation values. Based on the evaluation value 2 which is another one of the evaluation values added by the calculating means 20, a hypothesis which is not selected by the hypothesis number reducing means 51 even though the evaluation value 2 is good is selected. The hypotheses to be selected are exchanged and changed so that the hypotheses selected by the hypothesis count reducing means 51 are not selected despite the bad evaluation value 2 (step ST).
52-1). Then, the inappropriate hypothesis is deleted, the hypothesis is selected and output (step ST52-2).
【０１２３】ここで、評価値１を実施の形態７で述べた
パラメータ数が異なるモデル（仮説）を比較できる評価
値の１つとし、評価値２をパラメータ数が同一であるモ
デル（仮説）を比較するための評価値の１つとする。こ
の場合、評価値２による仮説入れ替え手段５２では、同
じレーダ数を仮定している仮説に限って、評価値２に基
づいて評価を行い、評価値２が良いにも関わらず選択さ
れていない仮説と、評価値２が良くないにも関わらず選
択された仮説を入れ替え、評価値２が良い仮説が選択さ
れるようにする。この結果、同じレーダ数を仮定してい
る仮説では、評価値２の方がより適切な評価ができるた
め、より適切な仮説が選択されるようになり、パルス分
類性能が向上すると考えられる。Here, the evaluation value 1 is one of the evaluation values with which the models (hypotheses) having different numbers of parameters described in the seventh embodiment can be compared, and the evaluation value 2 is a model (hypothesis) having the same number of parameters. This is one of the evaluation values for comparison. In this case, the hypothesis replacing means 52 based on the evaluation value 2 performs the evaluation based on the evaluation value 2 only for the hypothesis that assumes the same number of radars, and the hypothesis that is not selected even though the evaluation value 2 is good. Then, the hypotheses selected even though the evaluation value 2 is not good are replaced so that the hypothesis with the good evaluation value 2 is selected. As a result, in the hypothesis assuming the same number of radars, the evaluation value 2 can perform more appropriate evaluation, so that a more appropriate hypothesis is selected and the pulse classification performance is considered to be improved.
【０１２４】以上のように、本実施の形態においては、
所定の評価値に基づいて仮説を選択する仮説数減少手段
５１と、他の所定の評価値に基づいて当該選択された仮
説の取捨選択を行って仮説を入れ替える仮説入れ替え手
段５２とを設けて、諸条件に合わせた複数の評価値に基
づいた、より適切な仮説の評価を行うようにしたので、
さらに適切な仮説の選択を行うことができ、パルス分類
性能が向上する。As described above, in the present embodiment,
Hypothesis number reducing means 51 for selecting a hypothesis based on a predetermined evaluation value, and hypothesis replacing means 52 for selecting and selecting the selected hypothesis based on another predetermined evaluation value and replacing the hypothesis, As we have decided to evaluate more appropriate hypotheses based on multiple evaluation values according to various conditions,
Further, an appropriate hypothesis can be selected, and the pulse classification performance is improved.
【０１２５】実施の形態９．次に、本発明の実施の形態
９について説明する。図２０は、実施の形態９によるレ
ーダパルス分類装置の評価値併用仮説数減少手段２２Ａ
の構成を示したブロック図である。他の構成について
は、実施の形態７と同様である。本実施の形態における
評価値併用仮説数減少手段２２Ａは、図２０に示すよう
に、レーダ数による仮説分類手段６１と、並列にＭ個設
けられた評価値２による仮説選択手段６２−ｉ（1≦ｉ
≦M）と、評価値１による仮説選択手段６３と、仮説蓄
積手段６４とから構成されている。Embodiment 9 FIG. Next, a ninth embodiment of the present invention will be described. FIG. 20 is a diagram illustrating an evaluation value combined hypothesis number reduction unit 22A of the radar pulse classification device according to the ninth embodiment.
FIG. 2 is a block diagram showing the configuration of FIG. Other configurations are the same as in the seventh embodiment. As shown in FIG. 20, the number-of-evaluation-value-added hypotheses reduction means 22A in the present embodiment includes a hypothesis classification means 61 based on the number of radars and a hypothesis selection means 62-i (1) based on M evaluation values 2 provided in parallel. ≤i
.Ltoreq.M), a hypothesis selecting means 63 based on an evaluation value 1, and a hypothesis accumulating means 64.
【０１２６】レーダ数による仮説分類手段６１は、各仮
説において仮定しているレーダ数により仮説を複数のグ
ループに分類し、記録し、出力するものである。評価値
２による選択手段６２−ｉ（1≦ｉ≦M）は、レーダ数に
より複数のグループに分類された各仮説を、各グループ
毎に評価値２に基づいて選択し、評価値２の値が最も良
い仮説を出力するものである。評価値１による選択手段
６３は、評価値２による選択手段６２−ｉにより選択さ
れた仮説の中から、評価値１に基づいて、評価値１の値
が最も良い仮説を選択して出力するものである。仮説蓄
積手段６４は、評価値１による選択手段６３から入力さ
れた仮説を蓄積し、事前に与えられた所定の数の仮説が
蓄積された場合に、それらの仮説を出力するものであ
る。The hypothesis classifying means 61 classifies hypotheses into a plurality of groups based on the number of radars assumed in each hypothesis, and records and outputs the groups. The selecting means 62-i (1 ≦ i ≦ M) based on the evaluation value 2 selects each hypothesis classified into a plurality of groups based on the number of radars based on the evaluation value 2 for each group, and determines the value of the evaluation value 2 Output the best hypothesis. The selection unit 63 based on the evaluation value 1 selects and outputs the hypothesis with the best evaluation value 1 based on the evaluation value 1 from the hypotheses selected by the selection unit 62-i based on the evaluation value 2. It is. The hypothesis accumulating means 64 accumulates the hypotheses input from the selecting means 63 based on the evaluation value 1, and outputs the hypotheses when a predetermined number of hypotheses given in advance are accumulated.
【０１２７】以下、図２１に示すフローチャートに沿っ
て、図２０に示すレーダパルス分類装置の評価値併用仮
説数減少手段の動作、すなわち、本実施の形態における
仮説数の減少方法について説明する。評価値併用仮説数
減少手段２２Ａ以外の動作は、実施の形態７と同様であ
る。Hereinafter, the operation of the means for reducing the number of hypotheses with evaluation values of the radar pulse classification device shown in FIG. 20, that is, the method of reducing the number of hypotheses in this embodiment will be described with reference to the flowchart shown in FIG. Operations other than the evaluation value combined hypothesis number reducing means 22A are the same as those of the seventh embodiment.
【０１２８】レーダ数による仮説分類手段６１は、後述
の仮説蓄積手段６４から入力された仮説がない場合に
は、評価値併用仮説減少手段２２Ａの外部から入力され
た仮説を、各仮説で仮定しているレーダ数に基づき、仮
定しているレーダ数が同じである仮説が同じ集合に含ま
れるように分類し、その結果を記録し、仮定しているレ
ーダ数が同一である仮説が、同一の評価値２による仮説
選択手段６２−ｉ（1≦ｉ≦M）に入力されるように出力
する（ステップＳＴ６１−１）。後述の仮説蓄積手段６
４から入力された仮説がある場合には、記録している仮
説から、この仮説を記録から消去し（ステップＳＴ６１
−２）、記録している仮説を、前述のように評価値２に
よる仮説選択手段６２−ｉ（1≦ｉ≦M）へ出力する。If there is no hypothesis input from the hypothesis storage means 64 described later, the hypothesis classification means 61 based on the number of radars assumes each of the hypotheses input from outside the evaluation value combined hypothesis reduction means 22A. Based on the assumed number of radars, the hypotheses with the same assumed number of radars are classified into the same set, the results are recorded, and the hypothesis with the assumed number of radars is the same. The hypothesis selecting means 62-i based on the evaluation value 2 is output so as to be input to (1 ≦ i ≦ M) (step ST61-1). Hypothesis storage means 6 described later
If there is a hypothesis input from No. 4, this hypothesis is deleted from the recorded hypotheses (step ST61).
-2) Output the recorded hypothesis to the hypothesis selecting means 62-i (1 ≦ i ≦ M) based on the evaluation value 2 as described above.
【０１２９】レーダ数による仮説分類手段６１において
仮説を分類した際、最も多いレーダ数がＭであるとす
る。評価値２による仮説選択手段６２−ｉ（1≦ｉ≦M）
には、仮定しているレーダ数が同一である複数の仮説が
入力され、評価値２に基づいて、最も評価値が良い仮説
が選択され、出力される（ステップＳＴ６２）。よっ
て、評価値２としては、実施の形態７で述べたパラメー
タ数が同一であるモデル（仮説）を比較するための評価
値の１つを用いると良い。When the hypotheses are classified by the hypothesis classification means 61 based on the number of radars, it is assumed that the largest number of radars is M. Hypothesis selecting means 62-i based on evaluation value 2 (1 ≦ i ≦ M)
, A plurality of hypotheses having the same assumed number of radars are input, and based on the evaluation value 2, the hypothesis with the best evaluation value is selected and output (step ST62). Therefore, as evaluation value 2, one of the evaluation values for comparing models (hypotheses) having the same number of parameters described in Embodiment 7 may be used.
【０１３０】評価値１による仮説選択手段６３は、評価
値２による仮説選択手段６２−ｉ（1≦ｉ≦M）が出力し
た仮説を入力とし、評価値１に基づいて、最も評価値が
良い仮説を選択し、出力する（ステップＳＴ６３）。こ
れらの仮説において仮定しているレーダ数は異なってい
るので、評価値１としては、実施の形態７で述べたパラ
メータ数が異なるモデル（仮説）を比較できる評価値の
１つを用いると良い。The hypothesis selecting means 63 based on the evaluation value 1 receives the hypothesis output by the hypothesis selecting means 62-i (1 ≦ i ≦ M) based on the evaluation value 2 as an input, and has the best evaluation value based on the evaluation value 1. A hypothesis is selected and output (step ST63). Since the number of radars assumed in these hypotheses is different, it is preferable to use, as the evaluation value 1, one of the evaluation values capable of comparing models (hypotheses) having different numbers of parameters described in the seventh embodiment.
【０１３１】仮説蓄積手段６４では、入力された仮説を
蓄積し（ステップＳＴ６４−１）、蓄積している仮説数
が、事前に与えられた所定の仮説数Ｈよりも少ない場合
には、蓄積した仮説をレーダ数による仮説分類手段６１
へ出力し、同じとなった場合には、蓄積した仮説を仮説
選択手段１６（図１５参照）に出力する（ステップＳＴ
６４−２、ＳＴ６４−３）。この結果、レーダ数が同一
である仮説の比較には、パラメータ数が同一であるモデ
ル（仮説）を比較するための評価値を用い、レーダ数が
異なる仮説の比較には、パラメータ数が異なるモデル
（仮説）を比較できる評価値を用いて仮説を選択するこ
とができるので、レーダパルス分類性能が向上する。The hypothesis accumulating means 64 accumulates the input hypotheses (step ST64-1). If the number of accumulated hypotheses is smaller than a predetermined number H of hypotheses given in advance, the hypotheses are accumulated. Hypothesis classification means 61 based on the number of radars
And if they are the same, the accumulated hypotheses are output to the hypothesis selecting means 16 (see FIG. 15) (step ST).
64-2, ST64-3). As a result, evaluation values for comparing models (hypotheses) with the same number of parameters are used for comparing hypotheses with the same number of radars, and models with different numbers of parameters are used for comparing hypotheses with different numbers of radars. Since a hypothesis can be selected using an evaluation value with which (hypotheses) can be compared, radar pulse classification performance is improved.
【０１３２】以上のように、本実施の形態においては、
まずはじめに、レーダ数毎に仮説を複数のグループに分
類し、各グループ内の仮説をパラメータ数が同一である
モデルを比較するための評価値２を用いて比較し、最も
評価値の高いものを選択し、次に、各グループにおいて
選択された仮説どうし（すなわち、すべてレーダ数が異
なるもの）を、今度は、パラメータ数が異なるモデルを
比較するための評価値１を用いて選択するので、より適
切な仮説を効率よく選択することができ、レーダパルス
分類性能を向上させることができる。As described above, in the present embodiment,
First, the hypotheses are classified into a plurality of groups for each number of radars, and the hypotheses in each group are compared using an evaluation value of 2 for comparing models having the same number of parameters. And then selecting the hypotheses selected in each group (ie, all with different numbers of radars), this time using an evaluation value of 1 to compare models with different numbers of parameters, It is possible to efficiently select an appropriate hypothesis and improve radar pulse classification performance.
【０１３３】実施の形態１０．次に、本発明の実施の形
態１０について説明する。図２２は、実施の形態１０に
よるレーダパルス分類装置の構成を示したブロック図で
ある。図２２に示すように、本実施の形態によるレーダ
パルス分類装置は、図１の仮説生成手段１２の代わり
に、レーダ数固定仮説生成手段２６が設けられている。
また、レーダ数固定仮説生成手段２６には、図のよう
に、レーダ数入力手段２４が接続されている。他の構成
については、図１に示した実施の形態１と同じである。Embodiment 10 FIG. Next, a tenth embodiment of the present invention will be described. FIG. 22 is a block diagram showing a configuration of a radar pulse classification device according to the tenth embodiment. As shown in FIG. 22, the radar pulse classification device according to the present embodiment is provided with a fixed radar number hypothesis generation unit 26 instead of the hypothesis generation unit 12 of FIG.
Further, as shown in the figure, the radar number fixed hypothesis generation means 26 is connected to the radar number input means 24. Other configurations are the same as those of the first embodiment shown in FIG.
【０１３４】レーダ数入力手段２４は、パルスを分類す
る際に、事前にいくつのレーダからのパルスが混在して
いるかが既知である場合に、このレーダ数をオペレータ
などが入力するものである。レーダ数固定仮説生成手段
２６は、レーダ数入力手段２４により入力されたレーダ
数に基づいて、仮説を生成するものである。The radar number input means 24 is used by an operator or the like to input the number of radars if it is known in advance how many radar pulses are mixed when the pulses are classified. The radar number fixed hypothesis generation means 26 generates a hypothesis based on the radar number input by the radar number input means 24.
【０１３５】以下、図２３に示すフローチャートに沿っ
て、図２２に示すレーダパルス分類装置の動作、すなわ
ち、本実施の形態におけるレーダパルス分類方法につい
て説明する。レーダ数入力手段２４及びレーダ数固定仮
説生成手段２６以外の動作は、実施の形態１と同様であ
る。Hereinafter, the operation of the radar pulse classification device shown in FIG. 22, that is, the radar pulse classification method in the present embodiment will be described with reference to the flowchart shown in FIG. Operations other than the radar number input unit 24 and the radar number fixed hypothesis generation unit 26 are the same as those in the first embodiment.
【０１３６】レーダ数入力手段２４では、オペレータな
どが事前に既知であるレーダ数を入力し、これをレーダ
数固定仮説生成手段２６に出力する（ステップＳＴ２
４）。In the radar number input means 24, the operator or the like inputs a known number of radars and outputs this to the radar number fixed hypothesis generating means 26 (step ST2).
4).
【０１３７】レーダ数固定仮説生成手段２６は、各仮説
において仮定するレーダ数が、入力されたレーダ数以上
にならないように、仮説を生成する（ステップＳＴ２
６）。例えば、入力されたレーダ数がＭであり、入力さ
れたｋパルスの仮説１において仮定するレーダ数もＭで
ある場合には、この仮説において、（ｋ＋１）番目のパ
ルスが新たなレーダから得られたパルスであるとする仮
説を生成しないようにする。これ以外の仮説生成方法
は、実施の形態１と同様である。The radar number fixed hypothesis generating means 26 generates a hypothesis such that the number of radars assumed in each hypothesis does not exceed the input radar number (step ST2).
6). For example, if the input number of radars is M and the number of radars assumed in the input k pulse hypothesis 1 is also M, in this hypothesis, the (k + 1) th pulse is obtained from the new radar. The hypothesis that the pulse is a pulse is not generated. Other hypothesis generation methods are the same as in the first embodiment.
【０１３８】この場合、評価値算出手段１３で算出する
評価値は、実施の形態７で述べたパラメータ数が同一で
あるモデル（仮説）を比較するための評価値の１つを用
いることが望ましい。In this case, as the evaluation value calculated by the evaluation value calculating means 13, it is desirable to use one of the evaluation values for comparing models (hypotheses) having the same number of parameters described in the seventh embodiment. .
【０１３９】以上のように、本実施の形態においては、
いくつのレーダからのパルスを混在して受信しているか
が既知である場合に、レーダ数入力手段２４によりレー
ダ数をオペレータ等が入力するようにしたので、無駄な
仮説を生成せず、高速にパルスを分類することができ
る。さらに、パラメータ数が同一であるモデル（仮説）
を比較するための評価値を用いることによって、任意の
評価値を用いるよりも、レーダパルス分類性能をさらに
向上させることができる。As described above, in the present embodiment,
When it is known how many pulses from a plurality of radars are received in a mixed manner, the number of radars is input by an operator or the like by the radar number input means 24. Pulses can be classified. Furthermore, a model with the same number of parameters (hypothesis)
By using the evaluation value for comparing the above, the radar pulse classification performance can be further improved as compared with using an arbitrary evaluation value.
【０１４０】[0140]
【発明の効果】この発明は、未知数のレーダが放射した
レーダパルス列を受信し、受信したレーダパルス列に含
まれる複数のレーダパルスを、放射した各レーダ毎に分
類するレーダパルス分類装置であって、新たなレーダパ
ルスを受信したことを検出し、受信したレーダパルスの
パルス内特徴を、逐次抽出する逐次パルス特徴抽出手段
と、初めてレーダパルスが得られた場合には１つめのレ
ーダパルスの分類に関する仮説を生成し、それ以外の場
合にはこれまでに受信された各レーダパルスがどのレー
ダに分類されるかを示す仮説に、新たに得られたレーダ
パルスの分類に関する仮説を加えて、仮説を更新及び生
成する仮説生成手段と、仮説生成手段が出力する各仮説
の評価値を算出する評価値算出手段と、評価値を基に仮
説の数を減少させる仮説数減少手段と、仮説数減少手段
が出力する仮説を基に最良と思われる仮説を選択し、出
力する仮説出力手段と、を備えたレーダパルス分類装置
であるので、仮説出力手段が、仮説数減少手段の出力す
る仮説を基に最良と思われる仮説を選択し、それを所定
の番数のパルスが得られた時点での分類結果として出力
するようにしたので、事前にレーダ数を決定する必要が
なく、また、誤検出や失検出も考慮にいれて仮説を生成
することが可能であるので、これらのパルスによる分類
性能の劣化を防ぐことができるという効果が得られる。According to the present invention, there is provided a radar pulse classifying apparatus for receiving a radar pulse train radiated by an unknown number of radars and classifying a plurality of radar pulses included in the received radar pulse train for each radiated radar. A sequential pulse feature extracting means for detecting that a new radar pulse has been received, and sequentially extracting the intra-pulse features of the received radar pulse, and a classification of the first radar pulse when a radar pulse is obtained for the first time. Generate a hypothesis, otherwise add a hypothesis about the classification of the newly obtained radar pulse to the hypothesis indicating to which radar each radar pulse received so far is classified Hypothesis generation means for updating and generating, evaluation value calculation means for calculating an evaluation value of each hypothesis output by the hypothesis generation means, and reducing the number of hypotheses based on the evaluation values A hypothesis output means for selecting and outputting the best hypothesis based on the hypothesis output by the hypothesis number reduction means, and outputting the hypothesis output means. Based on the hypothesis output by the number reduction means, the best hypothesis is selected, and it is output as the classification result when a predetermined number of pulses is obtained, so the number of radars is determined in advance Since it is not necessary to perform the detection and it is possible to generate a hypothesis in consideration of erroneous detection and loss detection, it is possible to obtain an effect that deterioration of classification performance due to these pulses can be prevented.
【０１４１】また、仮説生成手段が、失検出パルス及び
誤検出パルスが存在しているという仮説と、所定の個数
のレーダからのレーダパルスを受信しているという仮説
と、所定の個数以外の他の新たなレーダからのレーダパ
ルスを受信したという仮説と、を生成するようにしたの
で、事前にレーダ数を決定する必要がなく、また、誤検
出や失検出も考慮にいれて仮説を生成するので、これら
のパルスによる分類性能の劣化を防ぐことができるとい
う効果が得られる。In addition, the hypothesis generation means determines that a missing detection pulse and an erroneous detection pulse are present, a hypothesis that radar pulses are received from a predetermined number of radars, And the hypothesis that a radar pulse from a new radar has been received is generated, so that it is not necessary to determine the number of radars in advance, and the hypothesis is generated in consideration of erroneous detection and loss detection. Therefore, it is possible to obtain an effect that deterioration of the classification performance due to these pulses can be prevented.
【０１４２】また、仮説出力手段が、仮説数減少手段が
出力する仮説の中で、最も評価値の良い仮説を選択して
出力する仮説選択部を備えているので、評価値を基に仮
説を選択するため、分類性能が高く、また、処理時間も
短縮することができるという効果が得られる。Since the hypothesis output means includes a hypothesis selecting section for selecting and outputting the hypothesis having the best evaluation value among the hypotheses output by the hypothesis number reducing means, the hypothesis is output based on the evaluation value. Since the selection is made, there is obtained an effect that the classification performance is high and the processing time can be reduced.
【０１４３】また、仮説出力手段が、仮説数減少手段が
出力する仮説において、任意の番数のパルスの仮説が全
て同じであれば、その番数の仮説として仮説を選択し、
異なっていれば、番数の仮説として分類が未定であると
いう結果を出力するパルス分類確定部を備えているた
め、分類を確定しにくいパルスについては、分類が未定
とするので、誤った分類がされにくいという効果が得ら
れる。In the hypothesis output by the hypothesis number reducing means, if the hypotheses of the arbitrary number of pulses are all the same, the hypothesis output means selects the hypothesis as the hypothesis of the number.
If they are different, a pulse classification determination unit that outputs the result that the classification is undetermined as a hypothesis of the number is provided, so for pulses that are difficult to determine the classification, the classification is undecided. The effect of being difficult to obtain is obtained.
【０１４４】また、仮説生成手段及び評価値算出手段
を、それぞれ、仮説数減少手段で選択され出力される仮
説の個数と同一の個数だけ設けるようにしたので、仮説
数減少手段が出力する仮説毎に並列に仮説生成と評価値
算出を行うことができ、処理を高速化することができる
効果が得られる。Since the same number of hypothesis generation means and evaluation value calculation means as the number of hypotheses selected and output by the hypothesis number reduction means are provided, each hypothesis output by the hypothesis number reduction means is provided. In this case, hypothesis generation and evaluation value calculation can be performed in parallel, and the effect of increasing the processing speed can be obtained.
【０１４５】また、仮説生成手段を、仮説数減少手段で
選択され出力される仮説の個数と同一の個数だけ設ける
とともに、評価値算出手段を、仮説生成手段で生成され
た仮説の個数と同一の個数だけ設けるようにしたので、
仮説数減少手段の出力する仮説毎に仮説生成手段を持
ち、さらに、仮説生成手段の出力する仮説毎に評価値算
出手段を持つので、仮説生成のみならず、評価値算出も
すべて並列に行うことができ、さらなる高速化を図るこ
とができる効果が得られる。Further, the same number of hypothesis generation means as the number of hypotheses selected and output by the hypothesis number reduction means are provided, and the evaluation value calculation means is the same as the number of hypotheses generated by the hypothesis generation means. Because we set only the number,
Since there is a hypothesis generation unit for each hypothesis output by the hypothesis number reduction unit and an evaluation value calculation unit for each hypothesis output by the hypothesis generation unit, not only hypothesis generation but also evaluation value calculation must be performed in parallel. Thus, the effect of further increasing the speed can be obtained.
【０１４６】また、評価値算出手段が、仮説生成手段が
出力する仮説において仮定している各レーダのレーダ特
徴を推定するレーダ特徴抽出部と、ベイズの定理に基づ
き、新たなパルスが得られる前の仮説の評価値を用い
て、新たなパルスが得られた後の仮説の評価値を算出及
び更新する評価値更新部と、を備えているので、評価値
を算出する際に、前の評価値を用いて、簡易に評価値を
算出できるようになり、評価値の算出を高速に行うこと
ができる効果が得られる。Further, the evaluation value calculating means estimates a radar characteristic of each radar assumed in the hypothesis output from the hypothesis generating means, and a radar feature extracting section for estimating a radar characteristic based on Bayes' theorem. And an evaluation value updating unit that calculates and updates the evaluation value of the hypothesis after a new pulse is obtained using the evaluation value of the hypothesis. The evaluation value can be easily calculated using the value, and the effect that the evaluation value can be calculated at high speed can be obtained.
【０１４７】また、仮説数減少手段が、評価値算出手段
から入力される複数の仮説に基づき、適切レーダ数を推
定する適切レーダ数推定部と、適切レーダ数に基づき、
仮説を選択する仮説数減少部と、を備えているので、選
択する仮説において、極端にレーダ数が多い、もしく
は、少ない仮説が選択される可能性が低くなり、正しい
仮説が選択されずに、誤った仮説が選択されてしまう危
険性を下げることができるとともに、選択する仮説の数
を少なくして演算負荷を減らすことができるという効果
が得られる。Further, the hypothesis number reducing means includes an appropriate radar number estimating section for estimating an appropriate radar number based on a plurality of hypotheses input from the evaluation value calculating means, and an appropriate radar number.
Since there is a hypothesis number reduction unit that selects a hypothesis, the probability that an extremely large or small number of radars is extremely low in the selected hypothesis is low, and the correct hypothesis is not selected, It is possible to reduce the risk that an erroneous hypothesis is selected, and to reduce the number of hypotheses to be selected to reduce the calculation load.
【０１４８】また、評価値算出手段が、複数の評価値を
算出し、複数の評価値を各仮説に付加する複数評価値算
出部を備えるとともに、仮説数減少手段が、複数の評価
値を併用して仮説の総数を減少させる評価値併用仮説数
減少部を備えているので、複数の評価値から諸条件に合
わせたものを用いて仮説の選択を行うことができるた
め、より適切な仮説の選択を行うことができ、レーダパ
ルス分類性能を向上させることができるという効果が得
られる。The evaluation value calculating means includes a plurality of evaluation value calculating sections for calculating a plurality of evaluation values and adding the plurality of evaluation values to each hypothesis, and the hypothesis number reducing means uses the plurality of evaluation values in combination. It has an evaluation value combined hypothesis number reduction unit that reduces the total number of hypotheses, so that it is possible to select a hypothesis using multiple evaluation values according to various conditions, so that a more appropriate hypothesis The selection can be performed, and the effect that the radar pulse classification performance can be improved can be obtained.
【０１４９】また、評価値併用仮説数減少部が、複数評
価値算出部で算出された評価値の１つである第一の評価
値に基づいて仮説を選択し、仮説を選択したか否かを示
す仮説選択情報を上記仮説に付加する第一評価値仮説数
減少部と、複数評価値算出部で算出された評価値の他の
１つである第二の評価値に基づいて、第一評価値仮説数
減少部において選択した仮説の一部を入れ替える第二評
価値仮説入れ替え部とを備えているので、所定の１つの
評価値により仮説を選択した後に、他の評価値により仮
説の選択を再度行い、仮説を入れ替えるようにしたの
で、より適切な仮説が選択されるようになり、パルス分
類性能の向上を図ることができるという効果が得られ
る。Also, the evaluation value combined hypothesis number reduction unit selects a hypothesis based on the first evaluation value which is one of the evaluation values calculated by the multiple evaluation value calculation unit, and determines whether or not the hypothesis has been selected. Based on the first evaluation value hypothesis number decreasing unit that adds the hypothesis selection information indicating the hypothesis, and the second evaluation value that is another one of the evaluation values calculated by the multiple evaluation value calculation unit. Since there is provided a second evaluation value hypothesis replacing unit that replaces a part of the hypotheses selected in the evaluation value hypothesis number reducing unit, after selecting a hypothesis by one predetermined evaluation value, selecting a hypothesis by another evaluation value Is performed again and the hypotheses are replaced, so that a more appropriate hypothesis can be selected, and the effect of improving pulse classification performance can be obtained.
【０１５０】また、評価値併用仮説減少部が、各仮説に
おいて仮定しているレーダ数に応じて複数のグループに
仮説を分類するレーダ数仮説分類部と、複数評価値算出
部で算出された評価値の１つである第二の評価値に基づ
いて、各グループ毎に仮説を選択する第二評価値仮説選
択部と、複数評価値算出部で算出された評価値の他の１
つである第一の評価値に基づいて、第二評価値仮説選択
部により選択された仮説の中から仮説を選択する第一評
価値仮説選択部と、第一評価値仮説選択部により入力さ
れた仮説を蓄積していき、事前に与えられた所定の数の
仮説が蓄積した場合に、蓄積している全ての仮説を出力
し、その他の場合には、入力された仮説を出力する仮説
蓄積部とを備えているので、レーダ数毎に仮説を複数の
グループに分類し、各グループ内の仮説をパラメータ数
が同一であるモデルを比較するための第二の評価値を用
いて比較し、最も評価値の高いものを選択し、次に、各
グループにおいて選択された仮説どうしを、パラメータ
数が異なるモデルを比較するための第一の評価値を用い
て選択できるので、より適切な仮説を効率よく選択する
ことができ、レーダパルス分類性能を向上させることが
できるという効果が得られる。Further, the evaluation value combined hypothesis reduction unit includes a radar number hypothesis classifying unit that classifies hypotheses into a plurality of groups according to the number of radars assumed in each hypothesis, and an evaluation value calculated by the multiple evaluation value calculation unit. A second evaluation value hypothesis selection unit that selects a hypothesis for each group based on the second evaluation value that is one of the values, and another one of the evaluation values calculated by the multiple evaluation value calculation unit.
A first evaluation value hypothesis selector for selecting a hypothesis from the hypotheses selected by the second evaluation value hypothesis selector based on the first evaluation value, Hypothesis accumulation that outputs all the stored hypotheses when a predetermined number of hypotheses given in advance are accumulated, and outputs the input hypotheses in other cases. Part, the hypotheses are classified into a plurality of groups for each number of radars, and the hypotheses in each group are compared using a second evaluation value for comparing models having the same number of parameters, The one with the highest evaluation value is selected, and then the hypotheses selected in each group can be selected using the first evaluation value for comparing models with different numbers of parameters. You can select efficiently, There is an advantage that it is possible to improve the pulse classification performance.
【０１５１】また、仮説生成手段が、レーダ数が既知、
もしくは、レーダ数を設定できる場合に、外部からレー
ダ数を入力するレーダ数入力部をさらに備え、レーダ数
入力部にレーダ数の入力があった場合には、レーダ数に
基づいて、各仮説で仮定されるレーダ数を制限して仮説
を生成するようにしたので、レーダ数が既知である場合
に、無駄な仮説を生成せずに、高速にパルスを分類する
ことができるという効果が得られる。In addition, the hypothesis generation means determines that the number of radars is known,
Alternatively, when the number of radars can be set, a radar number input unit for inputting the number of radars from the outside is further provided, and when the number of radars is input to the radar number input unit, each hypothesis is based on the number of radars. Since the hypothesis is generated by limiting the assumed number of radars, when the number of radars is known, there is an effect that pulses can be classified at high speed without generating useless hypotheses. .
【０１５２】また、この発明は、未知数のレーダが放射
したレーダパルス列を受信し、受信したレーダパルス列
に含まれる複数のレーダパルスを、放射した各レーダ毎
に分類するレーダパルス分類方法であって、新たなレー
ダパルスを受信したことを検出する新規パルス受信判断
工程と、受信したレーダパルスのパルス内特徴を、各レ
ーダパルス毎に逐次抽出する逐次パルス特徴抽出工程
と、初めてレーダパルスが得られた場合に、１つめのレ
ーダパルスの分類に関する仮説を生成する仮説初期化工
程と、２つ目以降のレーダパルスが得られた場合に、こ
れまでに受信された各レーダパルスがどのレーダに分類
されるかを示す仮説に、新たに得られたレーダパルスの
分類に関する仮説を加えて、仮説を更新及び生成する仮
説生成工程と、各仮説の評価値を算出する評価値算出工
程と、評価値を基に仮説の数を減少させる仮説数減少工
程と、仮説数減少工程により出力される仮説を基に最良
と思われる仮説を選択し、出力する仮説出力工程と、を
備えているので、仮説出力工程において、仮説数減少工
程の出力する仮説を基に最良と思われる仮説を選択し、
それを所定の番数のパルスが得られた時点での分類結果
として出力するようにしたので、事前にレーダ数を決定
する必要がなく、また、誤検出や失検出も考慮にいれて
仮説を生成することが可能であるので、これらのパルス
による分類性能の劣化を防ぐことができるという効果が
得られる。Also, the present invention is a radar pulse classification method for receiving a radar pulse train emitted by an unknown number of radars and classifying a plurality of radar pulses included in the received radar pulse train for each emitted radar. A new pulse reception determining step of detecting that a new radar pulse has been received, a sequential pulse feature extracting step of sequentially extracting the intra-pulse features of the received radar pulse for each radar pulse, and a radar pulse is obtained for the first time. In this case, a hypothesis initializing step for generating a hypothesis regarding the classification of the first radar pulse, and when the second and subsequent radar pulses are obtained, each radar pulse received so far is classified into which radar. A hypothesis generation step of updating and generating a hypothesis by adding a hypothesis regarding the classification of the newly obtained radar pulse to the hypothesis indicating An evaluation value calculation step of calculating the evaluation value of, a hypothesis number reduction step of reducing the number of hypotheses based on the evaluation value, and a hypothesis that seems to be the best based on the hypothesis output by the hypothesis number reduction step, And a hypothesis output step of outputting, so that in the hypothesis output step, a hypothesis that seems to be the best is selected based on the hypothesis output by the hypothesis number reduction step,
Since it is output as a classification result when a predetermined number of pulses is obtained, it is not necessary to determine the number of radars in advance, and a hypothesis is taken into account taking into account erroneous detection and loss detection. Since it is possible to generate, it is possible to obtain an effect that the deterioration of the classification performance due to these pulses can be prevented.
【０１５３】また、仮説生成工程が、失検出パルス及び
誤検出パルスが存在しているという仮説と、所定の個数
のレーダからのレーダパルスを受信しているという仮説
と所定の個数以外の他の新たなレーダからのレーダパル
スを受信したという仮説と、を生成するようにしたの
で、事前にレーダ数を決定する必要がなく、また、誤検
出や失検出も考慮にいれて仮説を生成するので、これら
のパルスによる分類性能の劣化を防ぐことができるとい
う効果が得られる。Further, the hypothesis generation step includes the hypothesis that a loss detection pulse and an erroneous detection pulse are present, the hypothesis that radar pulses from a predetermined number of radars are received, and other hypotheses other than the predetermined number. Since a hypothesis that a radar pulse from a new radar has been received is generated, it is not necessary to determine the number of radars in advance, and a hypothesis is generated in consideration of erroneous detection and loss detection. Thus, the effect of preventing the classification performance from deteriorating due to these pulses can be obtained.
【０１５４】また、仮説出力工程が、仮説数減少工程に
おいて出力される仮説の中で、最も評価値の良い仮説を
選択して出力する仮説選択ステップを備えているので、
評価値を基に仮説を選択するため、分類性能が高く、ま
た、処理時間も短縮することができるという効果が得ら
れる。Since the hypothesis output step includes a hypothesis selection step of selecting and outputting a hypothesis with the best evaluation value among the hypotheses output in the hypothesis number reduction step,
Since a hypothesis is selected on the basis of the evaluation value, it is possible to obtain an effect that the classification performance is high and the processing time can be reduced.
【０１５５】また、仮説出力工程が、仮説数減少工程に
おいて出力される仮説において、任意の番数のパルスの
仮説が全て同じであれば、番数の仮説として仮説を選択
し、異なっていれば、その番数の仮説として、分類が未
定であるという結果を出力するパルス分類確定ステップ
を備えているため、分類を確定しにくいパルスについて
は、分類が未定とするので、誤った分類がされにくいと
いう効果が得られる。In the hypothesis output step, in the hypotheses output in the hypothesis number reduction step, if all the hypotheses of the arbitrary number of pulses are the same, the hypothesis is selected as the number hypothesis. As a hypothesis of the number, there is provided a pulse classification determination step of outputting a result indicating that the classification is undecided, so that a pulse for which classification is difficult to be determined is determined as undetermined, so that erroneous classification is difficult to be performed. The effect is obtained.
【０１５６】また、仮説生成工程及び評価値算出工程
を、それぞれ、仮説数減少工程で選択され出力される仮
説の個数と同一の個数だけ設けて、並列に処理を行うよ
うにしたので、仮説数減少工程が出力する仮説毎に並列
に仮説生成と評価値算出を行うことができ、処理を高速
化することができる効果が得られる。Further, the same number of hypothesis generation steps and evaluation value calculation steps as the number of hypotheses selected and output in the hypothesis number reduction step are provided, and processing is performed in parallel. Hypothesis generation and evaluation value calculation can be performed in parallel for each hypothesis output by the reduction process, and the effect of increasing the processing speed can be obtained.
【０１５７】また、仮説生成工程を、仮説数減少工程で
選択され出力される仮説の個数と同一の個数だけ設ける
とともに、評価値算出工程を、仮説生成工程で生成され
た仮説の個数と同一の個数だけ設けて、並列に処理を行
うようにしたので、仮説生成のみならず、評価値算出も
すべて並列に行うことができ、さらなる高速化を図るこ
とができる効果が得られる。Also, the number of hypothesis generation steps is the same as the number of hypotheses selected and output in the hypothesis number reduction step, and the evaluation value calculation step is the same as the number of hypotheses generated in the hypothesis generation step. Since the processing is performed in parallel by providing the same number, not only hypothesis generation but also evaluation value calculation can all be performed in parallel, and the effect of further increasing the speed can be obtained.
【０１５８】また、評価値算出工程が、仮説生成工程が
出力する仮説において仮定している各レーダのレーダ特
徴を推定するレーダ特徴抽出ステップと、ベイズの定理
に基づき、新たなパルスが得られる前の仮説の評価値を
用いて、新たなパルスが得られた後の仮説の評価値を算
出及び更新する評価値更新ステップと、を備えているの
で、評価値を算出する際に、前の評価値を用いて、簡易
に評価値を算出できるようになり、評価値の算出を高速
に行うことができる効果が得られる。Further, the evaluation value calculation step includes a radar feature extraction step of estimating a radar feature of each radar assumed in the hypothesis output by the hypothesis generation step, and a step before a new pulse is obtained based on Bayes' theorem. And an evaluation value updating step of calculating and updating the evaluation value of the hypothesis after a new pulse is obtained using the evaluation value of the hypothesis. The evaluation value can be easily calculated using the value, and the effect that the evaluation value can be calculated at high speed can be obtained.
【０１５９】また、仮説数減少工程が、評価値算出工程
から入力される複数の仮説に基づき、適切レーダ数を推
定する適切レーダ数推定ステップと、適切レーダ数に基
づき、仮説を選択する仮説数減少ステップと、を備えて
いるので、選択する仮説において、極端にレーダ数が多
い、もしくは、少ない仮説が選択される可能性が低くな
り、正しい仮説が選択されずに、誤った仮説が選択され
てしまう危険性を下げることができるとともに、選択す
る仮説の数を少なくして演算負荷を減らすことができる
という効果が得られる。The hypothesis number reduction step includes an appropriate radar number estimation step of estimating an appropriate number of radars based on a plurality of hypotheses input from the evaluation value calculation step, and a hypothesis number selection step of selecting a hypothesis based on the appropriate number of radars. Since the hypothesis to be selected has an extremely large or small number of radars, it is unlikely that the hypothesis to be selected is extremely low, and the wrong hypothesis is selected without selecting the correct hypothesis. In addition to the effect of reducing the risk of occurrence, the number of hypotheses to be selected can be reduced to reduce the calculation load.
【０１６０】また、評価値算出工程が、複数の評価値を
算出し、複数の評価値を各仮説に付加する複数評価値算
出ステップを備えるとともに、仮説数減少工程が、複数
の評価値を併用して仮説の総数を減少させる評価値併用
仮説数減少ステップとを備えているので、複数の評価値
から諸条件に合わせたものを用いて仮説の選択を行うこ
とができるため、より適切な仮説の選択を行うことがで
き、レーダパルス分類性能を向上させることができると
いう効果が得られる。Further, the evaluation value calculating step includes a plurality of evaluation value calculating steps of calculating a plurality of evaluation values and adding the plurality of evaluation values to each hypothesis. And a step of reducing the number of hypotheses combined with evaluation values to reduce the total number of hypotheses, so that a hypothesis can be selected using a plurality of evaluation values that match the various conditions. Can be selected, and the effect of improving radar pulse classification performance can be obtained.
【０１６１】また、評価値併用仮説数減少ステップが、
複数評価値算出ステップで算出された評価値の１つであ
る第一の評価値に基づいて仮説を選択し、仮説を選択し
たか否かを示す仮説選択情報を仮説に付加する第一評価
値仮説数減少ステップと、複数評価値算出ステップで算
出された評価値の他の１つである第二の評価値に基づい
て、第一評価値仮説数減少ステップにおいて選択した仮
説の一部を入れ替える第二評価値仮説入れ替えステップ
とを備えているので、所定の１つの評価値により仮説を
選択した後に、他の評価値により仮説の選択を再度行
い、仮説を入れ替えるようにしたので、より適切な仮説
が選択されるようになり、パルス分類性能の向上を図る
ことができるという効果が得られる。Further, the step of reducing the number of hypotheses with evaluation values is
A first evaluation value that selects a hypothesis based on a first evaluation value that is one of the evaluation values calculated in the multiple evaluation value calculation step, and adds hypothesis selection information indicating whether or not the hypothesis has been selected to the hypothesis; A part of the hypotheses selected in the first evaluation value hypothesis number reduction step is replaced based on the hypothesis number reduction step and the second evaluation value that is another one of the evaluation values calculated in the multiple evaluation value calculation step. Since the second evaluation value hypothesis replacing step is provided, after selecting a hypothesis based on one predetermined evaluation value, the hypothesis is selected again based on another evaluation value and the hypothesis is replaced, so that a more appropriate hypothesis is replaced. The hypothesis is selected, and the effect that the pulse classification performance can be improved can be obtained.
【０１６２】また、評価値併用仮説減少ステップが、各
仮説において仮定しているレーダ数に応じて複数のグル
ープに仮説を分類するレーダ数仮説分類ステップと、複
数評価値算出ステップで算出された評価値の１つである
第二の評価値に基づいて、各グループ毎に仮説を選択す
る第二評価値仮説選択ステップと、複数評価値算出ステ
ップで算出された評価値の他の１つである第一の評価値
に基づいて、第二評価値仮説選択ステップにおいて選択
された仮説の中から仮説を選択する第一評価値仮説選択
ステップと、第一評価値仮説選択ステップにおいて選択
された仮説を蓄積する仮説蓄積ステップと、仮説蓄積ス
テップにおいて蓄積した仮説の数が、事前に与えられた
所定の数に達した場合に、蓄積した仮説を全て出力する
仮説出力ステップとを備えているので、レーダ数毎に仮
説を複数のグループに分類し、各グループ内の仮説をパ
ラメータ数が同一であるモデルを比較するための第二の
評価値を用いて比較し、最も評価値の高いものを選択
し、次に、各グループにおいて選択された仮説どうし
を、パラメータ数が異なるモデルを比較するための第一
の評価値を用いて選択できるので、より適切な仮説を効
率よく選択することができ、レーダパルス分類性能を向
上させることができるという効果が得られる。The evaluation value combined hypothesis reduction step includes a radar number hypothesis classification step of classifying hypotheses into a plurality of groups according to the number of radars assumed in each hypothesis, and an evaluation value calculated in the multiple evaluation value calculation step. A second evaluation value hypothesis selecting step of selecting a hypothesis for each group based on a second evaluation value that is one of the values, and another one of the evaluation values calculated in the multiple evaluation value calculation step. A first evaluation value hypothesis selection step of selecting a hypothesis from the hypotheses selected in the second evaluation value hypothesis selection step based on the first evaluation value, and a hypothesis selected in the first evaluation value hypothesis selection step A hypothesis accumulation step for accumulating, and a hypothesis output step for outputting all the accumulated hypotheses when the number of hypotheses accumulated in the hypothesis accumulation step reaches a predetermined number given in advance. , The hypotheses are classified into multiple groups for each number of radars, and the hypotheses in each group are compared using the second evaluation value for comparing models with the same number of parameters, Higher values can be selected, and then the hypotheses selected in each group can be selected using the first evaluation value for comparing models with different numbers of parameters, so that a more appropriate hypothesis can be efficiently created. This makes it possible to improve the radar pulse classification performance.
【０１６３】また、仮説生成ステップが、レーダ数が既
知、もしくは、レーダ数を設定できる場合に、外部から
レーダ数を入力するレーダ数入力ステップをさらに備
え、レーダ数入力ステップにおいてレーダ数の入力があ
った場合には、レーダ数に基づいて、各仮説で仮定され
るレーダ数を制限して仮説を生成するようにしたので、
レーダ数が既知である場合に、無駄な仮説を生成せず
に、高速にパルスを分類することができるという効果が
得られる。The hypothesis generation step further includes a radar number input step of externally inputting the radar number when the radar number is known or the radar number can be set. In the radar number input step, the input of the radar number is performed. If there were, based on the number of radars, the hypothesis was generated by limiting the number of radars assumed for each hypothesis,
When the number of radars is known, there is an effect that pulses can be classified at high speed without generating useless hypotheses.
【図１】 本発明の実施の形態１によるレーダパルス分
類装置の構成を示したブロック図である。FIG. 1 is a block diagram showing a configuration of a radar pulse classification device according to a first embodiment of the present invention.
【図２】 本発明の実施の形態１によるレーダパルス分
類方法の動作の流れを示すフローチャートである。FIG. 2 is a flowchart showing an operation flow of a radar pulse classification method according to the first embodiment of the present invention.
【図３】 処理対象である混在レーダパルス列の例を示
す説明図である。FIG. 3 is an explanatory diagram showing an example of a mixed radar pulse train to be processed.
【図４】 混在レーダパルス列に含まれるパルスを分類
した仮説の例を示す説明図である。FIG. 4 is an explanatory diagram illustrating an example of a hypothesis that classifies pulses included in a mixed radar pulse train.
【図５】 本発明の実施の形態２によるレーダパルス分
類装置の構成を示したブロック図である。FIG. 5 is a block diagram showing a configuration of a radar pulse classification device according to a second embodiment of the present invention.
【図６】 本発明の実施の形態２によるレーダパルス分
類方法の動作の流れを示すフローチャートである。FIG. 6 is a flowchart showing an operation flow of a radar pulse classification method according to the second embodiment of the present invention.
【図７】 本発明の実施の形態３によるレーダパルス分
類装置の構成を示したブロック図である。FIG. 7 is a block diagram showing a configuration of a radar pulse classification device according to a third embodiment of the present invention.
【図８】 本発明の実施の形態３によるレーダパルス分
類方法の動作の流れを示すフローチャートである。FIG. 8 is a flowchart showing an operation flow of a radar pulse classification method according to the third embodiment of the present invention.
【図９】 本発明の実施の形態４によるレーダパルス分
類装置の構成を示したブロック図である。FIG. 9 is a block diagram showing a configuration of a radar pulse classification device according to a fourth embodiment of the present invention.
【図１０】 本発明の実施の形態４によるレーダパルス
分類方法の動作の流れを示すフローチャートである。FIG. 10 is a flowchart showing an operation flow of a radar pulse classification method according to a fourth embodiment of the present invention.
【図１１】 本発明の実施の形態５によるレーダパルス
分類装置に設けられた評価値算出手段の構成を示したブ
ロック図である。FIG. 11 is a block diagram showing a configuration of an evaluation value calculation means provided in a radar pulse classification device according to a fifth embodiment of the present invention.
【図１２】 本発明の実施の形態５によるレーダパルス
分類方法の評価値算出動作の流れを示すフローチャート
である。FIG. 12 is a flowchart showing a flow of an evaluation value calculating operation of the radar pulse classification method according to the fifth embodiment of the present invention.
【図１３】 本発明の実施の形態６によるレーダパルス
分類装置に設けられた仮説数減少手段の構成を示したブ
ロック図である。FIG. 13 is a block diagram showing a configuration of a hypothesis number reducing unit provided in a radar pulse classification device according to a sixth embodiment of the present invention.
【図１４】 本発明の実施の形態６によるレーダパルス
分類方法の仮説数減少動作の流れを示すフローチャート
である。FIG. 14 is a flowchart illustrating a flow of an operation of reducing the number of hypotheses in the radar pulse classification method according to the sixth embodiment of the present invention.
【図１５】 本発明の実施の形態７によるレーダパルス
分類装置の構成を示したブロック図である。FIG. 15 is a block diagram showing a configuration of a radar pulse classification device according to a seventh embodiment of the present invention.
【図１６】 本発明の実施の形態７によるレーダパルス
分類方法の動作の流れを示すフローチャートである。FIG. 16 is a flowchart showing an operation flow of a radar pulse classification method according to the seventh embodiment of the present invention.
【図１７】 本発明の実施の形態１〜５によるレーダパ
ルス分類装置におけるレーダパルス分類に関するシミュ
レーションを行った結果のグラフを示す説明図である。FIG. 17 is an explanatory diagram showing a graph of a result of performing a simulation regarding radar pulse classification in the radar pulse classification devices according to the first to fifth embodiments of the present invention.
【図１８】 本発明の実施の形態８によるレーダパルス
分類装置に設けられた評価値併用仮説数減少手段の構成
を示したブロック図である。FIG. 18 is a block diagram showing a configuration of evaluation value combined hypothesis number reducing means provided in a radar pulse classification device according to an eighth embodiment of the present invention.
【図１９】 本発明の実施の形態８によるレーダパルス
分類方法の評価値併用仮説数減少動作の流れを示すフロ
ーチャートである。FIG. 19 is a flowchart showing a flow of an operation for reducing the number of hypotheses with evaluation values in the radar pulse classification method according to the eighth embodiment of the present invention.
【図２０】 本発明の実施の形態９によるレーダパルス
分類装置に設けられた評価値併用仮説数減少手段の構成
を示したブロック図である。FIG. 20 is a block diagram showing a configuration of evaluation value combined hypothesis number reducing means provided in the radar pulse classification device according to the ninth embodiment of the present invention.
【図２１】 本発明の実施の形態９によるレーダパルス
分類方法の評価値併用仮説数減少動作の流れを示すフロ
ーチャートである。FIG. 21 is a flowchart showing a flow of an operation for reducing the number of hypotheses with evaluation values in the radar pulse classification method according to the ninth embodiment of the present invention.
【図２２】 本発明の実施の形態１０によるレーダパル
ス分類装置の構成を示したブロック図である。FIG. 22 is a block diagram showing a configuration of a radar pulse classification device according to a tenth embodiment of the present invention.
【図２３】 本発明の実施の形態１０によるレーダパル
ス分類方法の動作の流れを示すフローチャートである。FIG. 23 is a flowchart showing an operation flow of the radar pulse classification method according to the tenth embodiment of the present invention.
【図２４】 従来のレーダパルス分類装置を示したブロ
ック図である。FIG. 24 is a block diagram showing a conventional radar pulse classification device.
【図２５】 従来のレーダパルス分類方法の動作の流れ
を示すフローチャートである。FIG. 25 is a flowchart showing the flow of operation of a conventional radar pulse classification method.
１０ 逐次パルス特徴抽出手段、１２ 仮説生成手段、
１３，１３Ａ 評価値算出手段、１５ 仮説数減少手
段、１６ 仮説選択手段、１７ パルス分類確定手段、
２０ 複数評価値算出手段、２２，２２Ａ 評価値併用
仮説数減少手段、２４ レーダ数入力手段、２６ レー
ダ数固定仮説生成手段、３１ レーダ特徴抽出手段、３
２ 評価値更新手段、４１ 適切レーダ数推定手段、４
２ レーダ数による仮説数減少手段、５１ 評価値１に
よる仮説数減少手段、５２ 評価値２による仮説入れ替
え手段、６１ レーダ数による仮説分類手段、６２ 評
価値２による仮説選択手段、６３ 評価値１による仮説
選択手段、６４ 仮説蓄積手段。10 sequential pulse feature extraction means, 12 hypothesis generation means,
13, 13A evaluation value calculation means, 15 hypothesis number reduction means, 16 hypothesis selection means, 17 pulse classification determination means,
20 plural evaluation value calculation means, 22, 22A evaluation value combined hypothesis number reduction means, 24 radar number input means, 26 radar number fixed hypothesis generation means, 31 radar feature extraction means, 3
2 Evaluation value update means, 41 Appropriate radar number estimation means, 4
2 means for reducing the number of hypotheses based on the number of radars, 51 means for reducing the number of hypotheses based on 1 evaluation value, 52 means for replacing hypotheses based on 2 evaluation values, 61 means for classifying hypotheses based on the number of radars, 62 means for selecting hypotheses based on 2 evaluation values, 63 based on 1 evaluation value Hypothesis selection means, 64 Hypothesis storage means.
───────────────────────────────────────────────────── フロントページの続き (72)発明者 桐本 哲郎 東京都千代田区丸の内二丁目２番３号 三 菱電機株式会社内 Ｆターム(参考） 5J070 AA02 AH06 AH08 AH14 AH19 AH25 AH50 AJ13 AK29 AK40 BH12 ────────────────────────────────────────────────── ─── Continuing on the front page (72) Inventor Tetsuro Kirimoto 2-3-2 Marunouchi, Chiyoda-ku, Tokyo F-term within Mitsubishi Electric Corporation (reference) 5J070 AA02 AH06 AH08 AH14 AH19 AH25 AH50 AJ13 AK29 AK40 BH12
Claims (24)
列を受信し、受信した上記レーダパルス列に含まれる複
数のレーダパルスを、放射した各レーダ毎に分類するレ
ーダパルス分類装置であって、 新たなレーダパルスを受信したことを検出し、受信した
上記レーダパルスのパルス内特徴を、逐次抽出する逐次
パルス特徴抽出手段と、 初めてレーダパルスが得られた場合には１つめのレーダ
パルスの分類に関する仮説を生成し、それ以外の場合に
はこれまでに受信された各レーダパルスがどのレーダに
分類されるかを示す仮説に、新たに得られたレーダパル
スの分類に関する仮説を加えて、仮説を更新する仮説生
成手段と、 上記仮説生成手段が出力する各上記仮説の評価値を算出
する評価値算出手段と、 上記評価値を基に仮説を選択し、仮説の数を減少させる
仮説数減少手段と、上記仮説数減少手段が出力する仮説
から最良と思われる仮説を選択し、出力する仮説出力手
段とを備えたことを特徴とするレーダパルス分類装置。1. A radar pulse classification device for receiving a radar pulse train emitted by an unknown number of radars and classifying a plurality of radar pulses included in the received radar pulse train for each emitted radar. A sequential pulse feature extracting means for detecting the reception of the pulse and sequentially extracting the intra-pulse features of the received radar pulse, and a hypothesis regarding the classification of the first radar pulse when a radar pulse is obtained for the first time. Generate and otherwise update the hypothesis by adding a hypothesis about the classification of the newly obtained radar pulse to the hypothesis indicating to which radar each received radar pulse is classified Hypothesis generation means; evaluation value calculation means for calculating an evaluation value of each of the hypotheses output by the hypothesis generation means; selecting a hypothesis based on the evaluation value; A hypothesis number reducing means for reducing the number of, select the hypothesis seems best from hypothesis the hypothesis number reducing means outputs, radar pulse classification device is characterized in that a hypothesis output means for outputting.
説と、 所定の個数のレーダからのレーダパルスを受信している
という仮説と上記所定の個数以外の他の新たなレーダか
らのレーダパルスを受信したという仮説とを生成するこ
とを特徴とする請求項１記載のレーダパルス分類装置。2. The hypothesis generating means includes: a hypothesis that a loss detection pulse and an erroneous detection pulse exist; a hypothesis that radar pulses from a predetermined number of radars are received; The radar pulse classification apparatus according to claim 1, wherein a hypothesis that a radar pulse from another new radar has been received is generated.
価値の良い仮説を選択して出力する仮説選択部を備えた
ことを特徴とする請求項１または２に記載のレーダパル
ス分類装置。3. The hypothesis output means, further comprising: a hypothesis selection unit that selects and outputs a hypothesis with the best evaluation value among the hypotheses output by the hypothesis number reduction means. 3. The radar pulse classification device according to 1 or 2.
の番数のパルスの仮説が全て同じであれば、上記番数の
仮説として上記仮説を選択し、異なっていれば、上記番
数の仮説として分類が未定であるという結果を出力する
パルス分類確定部を備えたことを特徴とする請求項１ま
たは２に記載のレーダパルス分類装置。4. The hypothesis output means selects the hypothesis as the hypothesis of the number if all the hypotheses of the arbitrary number of pulses are the same in the hypothesis output by the number of hypothesis reduction means, The radar pulse classification device according to claim 1 or 2, further comprising a pulse classification determination unit that outputs a result that the classification is undetermined as the hypothesis of the number if the numbers are different.
段を、それぞれ、上記仮説数減少手段で選択され出力さ
れる上記仮説の個数と同一の個数だけ設けたことを特徴
とする請求項１ないし４のいずれかに記載のレーダパル
ス分類装置。5. The apparatus according to claim 1, wherein said hypothesis generation means and said evaluation value calculation means are provided in the same number as the number of said hypotheses selected and output by said hypothesis number reduction means. 5. The radar pulse classification device according to any one of 4.
段で選択され出力される上記仮説の個数と同一の個数だ
け設けるとともに、 上記評価値算出手段を、上記仮説生成手段で生成された
上記仮説の個数と同一の個数だけ設けたことを特徴とす
る請求項１ないし５のいずれかに記載のレーダパルス分
類装置。6. The hypothesis generation means is provided by the same number as the number of the hypotheses selected and output by the hypothesis number reduction means, and the evaluation value calculation means is provided by the hypothesis generation means generated by the hypothesis generation means. The radar pulse classification device according to any one of claims 1 to 5, wherein the same number as the number of hypotheses is provided.
いる各レーダのレーダ特徴を推定するレーダ特徴抽出部
と、 ベイズの定理に基づき、新たなパルスが得られる前の仮
説の評価値を用いて、新たなパルスが得られた後の仮説
の評価値を算出及び更新する評価値更新部とを備えたこ
とを特徴とする請求項１ないし６のいずれかに記載のレ
ーダパルス分類装置。7. A radar feature extraction unit for estimating a radar feature of each radar assumed in the hypothesis output by the hypothesis generation unit, and a new pulse is generated based on Bayes' theorem. 7. An evaluation value updating unit that calculates and updates an evaluation value of a hypothesis after a new pulse is obtained by using an evaluation value of a hypothesis before being obtained. A radar pulse classification device according to any of the above.
づき、適切レーダ数を推定する適切レーダ数推定部と、 上記適切レーダ数に基づき、上記仮説を選択する仮説数
減少部とを備えたことを特徴とする請求項１ないし７の
いずれかに記載のレーダパルス分類装置。8. An appropriate radar number estimating unit for estimating an appropriate number of radars based on the plurality of hypotheses input from the evaluation value calculating means; The radar pulse classification device according to any one of claims 1 to 7, further comprising: a hypothesis number reducing unit that selects
算出し、上記複数の評価値を各上記仮説に付加する複数
評価値算出部を備えるとともに、 上記仮説数減少手段が、上記複数の評価値を併用して上
記仮説の総数を減少させる評価値併用仮説数減少部を備
えたことを特徴とする請求項１ないし８のいずれかに記
載のレーダパルス分類装置。9. The evaluation value calculation means includes a plurality of evaluation value calculation units for calculating a plurality of evaluation values and adding the plurality of evaluation values to each of the hypotheses, and the hypothesis number reducing means includes: The radar pulse classification device according to any one of claims 1 to 8, further comprising an evaluation value combined hypothesis number reduction unit that reduces the total number of the hypotheses by using the evaluation value of (1).
ある第一の評価値に基づいて仮説を選択し、上記仮説を
選択したか否かを示す仮説選択情報を上記仮説に付加す
る第一評価値仮説数減少部と、 上記複数評価値算出部で算出された上記評価値の他の１
つである第二の評価値に基づいて、上記第一評価値仮説
数減少部において選択した上記仮説の一部を入れ替える
第二評価値仮説入れ替え部とを備えたことを特徴とする
請求項９に記載のレーダパルス分類装置。10. The hypothesis reduction unit, which selects a hypothesis based on a first evaluation value, which is one of the evaluation values calculated by the multiple evaluation value calculation unit, and selects the hypothesis. A first evaluation value hypothesis number decreasing unit that adds hypothesis selection information indicating whether or not the evaluation has been performed, and another one of the evaluation values calculated by the multiple evaluation value calculation unit.
10. A second evaluation value hypothesis replacing unit that replaces a part of the hypotheses selected in the first evaluation value hypothesis number reducing unit based on the second evaluation value. A radar pulse classification device according to item 1.
ループに仮説を分類するレーダ数仮説分類部と、 上記複数評価値算出部で算出された上記評価値の１つで
ある第二の評価値に基づいて、上記各グループ毎に上記
仮説を選択する第二評価値仮説選択部と、 上記複数評価値算出部で算出された上記評価値の他の１
つである第一の評価値に基づいて、上記第二評価値仮説
選択部により選択された上記仮説の中から仮説を選択す
る第一評価値仮説選択部と、 上記第一評価値仮説選択部により入力された上記仮説を
蓄積していき、事前に与えられた所定の数の仮説が蓄積
した場合に、蓄積している全ての仮説を出力し、その他
の場合には、入力された上記仮説を出力する仮説蓄積部
とを備えたことを特徴とする請求項９に記載のレーダパ
ルス分類装置。11. The evaluation value combined hypothesis reduction unit is calculated by a radar number hypothesis classifying unit that classifies hypotheses into a plurality of groups according to the number of radars assumed in each hypothesis, and the multiple evaluation value calculation unit. A second evaluation value hypothesis selection unit that selects the hypothesis for each of the groups based on a second evaluation value that is one of the evaluation values, and the evaluation value calculated by the multiple evaluation value calculation unit Another one of
A first evaluation value hypothesis selection unit that selects a hypothesis from the hypotheses selected by the second evaluation value hypothesis selection unit based on the first evaluation value, and the first evaluation value hypothesis selection unit Accumulates the above-mentioned hypotheses that have been input. If a predetermined number of hypotheses given in advance are accumulated, all the accumulated hypotheses are output. In other cases, the inputted hypotheses are input. The radar pulse classification device according to claim 9, further comprising: a hypothesis storage unit that outputs a signal.
に、外部からレーダ数を入力するレーダ数入力部をさら
に備え、 上記レーダ数入力部に上記レーダ数の入力があった場合
には、上記レーダ数に基づいて、各仮説で仮定されるレ
ーダ数を制限して仮説を生成することを特徴とする請求
項１ないし１１のいずれかに記載のレーダパルス分類装
置。12. The hypothesis generating means further comprises a radar number input unit for inputting the radar number from outside when the number of radars is known or the number of radars can be set, and the radar number input unit is provided with the radar number. The radar pulse according to any one of claims 1 to 11, wherein, when there is an input, the number of radars assumed in each hypothesis is limited to generate a hypothesis based on the number of radars. Classifier.
ス列を受信し、受信した上記レーダパルス列に含まれる
複数のレーダパルスを、放射した各レーダ毎に分類する
レーダパルス分類方法であって、 新たなレーダパルスを受信したことを検出する新規パル
ス受信判断工程と、 受信した上記レーダパルスのパルス内特徴を、各レーダ
パルス毎に逐次抽出する逐次パルス特徴抽出工程と、 初めてレーダパルスが得られた場合に、１つめのレーダ
パルスの分類に関する仮説を生成する仮説初期化工程
と、 ２つ目以降のレーダパルスが得られた場合に、これまで
に受信された各レーダパルスがどのレーダに分類される
かを示す仮説に、新たに得られたレーダパルスの分類に
関する仮説を加えて、仮説を更新及び生成する仮説生成
工程と、 各上記仮説の評価値を算出する評価値算出工程と、 上記評価値を基に仮説の数を減少させる仮説数減少工程
と、 上記仮説数減少工程により出力される上記仮説を基に最
良と思われる仮説を選択し、出力する仮説出力工程とを
備えたことを特徴とするレーダパルス分類方法。13. A radar pulse classification method for receiving a radar pulse train emitted by an unknown number of radars and classifying a plurality of radar pulses included in the received radar pulse train for each emitted radar. A new pulse reception determination step of detecting that a pulse has been received; a sequential pulse feature extraction step of sequentially extracting the intra-pulse features of the received radar pulse for each radar pulse; and A hypothesis initializing step of generating a hypothesis regarding the classification of the first radar pulse, and to which radar each received radar pulse is classified if the second and subsequent radar pulses are obtained. A hypothesis generating step of updating and generating a hypothesis by adding a hypothesis relating to the classification of the newly obtained radar pulse to the hypothesis indicating An evaluation value calculation step of calculating the evaluation value of the above, a hypothesis number reduction step of reducing the number of hypotheses based on the evaluation value, and a hypothesis that seems to be best based on the hypothesis output by the hypothesis number reduction step Selecting and outputting a hypothesis output step.
説と、 所定の個数のレーダからのレーダパルスを受信している
という仮説と上記所定の個数以外の他の新たなレーダか
らのレーダパルスを受信したという仮説とを生成するこ
とを特徴とする請求項１３記載のレーダパルス分類方
法。14. The hypothesis generating step includes: a hypothesis that a loss detection pulse and an erroneous detection pulse are present; a hypothesis that radar pulses from a predetermined number of radars are received; 14. The radar pulse classification method according to claim 13, wherein a hypothesis that a radar pulse from another new radar has been received is generated.
で、最も評価値の良い仮説を選択して出力する仮説選択
ステップを備えたことを特徴とする請求項１３または１
４に記載のレーダパルス分類方法。15. The hypothesis output step includes a hypothesis selection step of selecting and outputting a hypothesis having the best evaluation value among the hypotheses output in the hypothesis number reduction step. Item 13 or 1
4. The radar pulse classification method according to 4.
て、任意の番数のパルスの仮説が全て同じであれば、上
記番数の仮説として上記仮説を選択し、異なっていれ
ば、上記番数の仮説として分類が未定であるという結果
を出力するパルス分類確定ステップを備えたことを特徴
とする請求項１３または１４に記載のレーダパルス分類
方法。16. The hypothesis output step, wherein, in the hypotheses output in the hypothesis number reduction step, if all the hypotheses of an arbitrary number of pulses are the same, the hypothesis is selected as the hypothesis of the number. 15. The radar pulse classification method according to claim 13, further comprising a pulse classification determination step of outputting a result indicating that the classification is undetermined as the hypothesis of the number if the numbers are different.
工程を、それぞれ、上記仮説数減少工程で選択され出力
される上記仮説の個数と同一の個数だけ設けて、並列に
処理を行うことを特徴とする請求項１３ないし１６のい
ずれかに記載のレーダパルス分類方法。17. The method according to claim 1, wherein the same number of hypothesis generation steps and the evaluation value calculation steps as the number of the hypotheses selected and output in the hypothesis number reduction step are provided, and processing is performed in parallel. 17. The radar pulse classification method according to claim 13, wherein:
工程で選択され出力される上記仮説の個数と同一の個数
だけ設けるとともに、 上記評価値算出工程を、上記仮説生成工程で生成された
上記仮説の個数と同一の個数だけ設けて、 並列に処理を行うことを特徴とする請求項１３ないし１
７のいずれかに記載のレーダパルス分類方法。18. The hypothesis generation step is provided by the same number as the number of hypotheses selected and output in the hypothesis number reduction step, and the evaluation value calculation step is performed by the hypothesis generation step generated in the hypothesis generation step. 13. The method according to claim 13, wherein the same number of hypotheses are provided and processing is performed in parallel.
7. The radar pulse classification method according to any one of 7.
いる各レーダのレーダ特徴を推定するレーダ特徴抽出ス
テップと、 ベイズの定理に基づき、新たなパルスが得られる前の仮
説の評価値を用いて、新たなパルスが得られた後の仮説
の評価値を算出及び更新する評価値更新ステップとを備
えたことを特徴とする請求項１３ないし１８のいずれか
に記載のレーダパルス分類方法。19. The evaluation value calculating step includes: a radar feature extracting step of estimating a radar feature of each radar assumed in the hypothesis output by the hypothesis generating step; and a new pulse based on Bayes' theorem. 19. An evaluation value updating step of calculating and updating an evaluation value of a hypothesis after a new pulse is obtained by using an evaluation value of a hypothesis before being obtained. A radar pulse classification method according to
づき、適切レーダ数を推定する適切レーダ数推定ステッ
プと、 上記適切レーダ数に基づき、上記仮説を選択する仮説数
減少ステップとを備えたことを特徴とする請求項１３な
いし１９のいずれかに記載のレーダパルス分類方法。20. An appropriate radar number estimating step of estimating an appropriate number of radars based on the plurality of hypotheses input from the evaluation value calculating step, the hypothesis number reducing step; 20. The radar pulse classification method according to claim 13, further comprising a step of selecting the number of hypotheses.
を算出し、上記複数の評価値を各上記仮説に付加する複
数評価値算出ステップを備えるとともに、 上記仮説数減少工程が、上記複数の評価値を併用して上
記仮説の総数を減少させる評価値併用仮説数減少ステッ
プとを備えたことを特徴とする請求項１３ないし２０の
いずれかに記載のレーダパルス分類方法。21. The evaluation value calculating step includes a plurality of evaluation value calculating steps of calculating a plurality of evaluation values and adding the plurality of evaluation values to each of the hypotheses, and the hypothesis number reducing step includes: 21. The radar pulse classification method according to claim 13, further comprising a step of reducing the total number of said hypotheses by using said evaluation value in combination.
が、 上記複数評価値算出ステップで算出された上記評価値の
１つである第一の評価値に基づいて仮説を選択し、上記
仮説を選択したか否かを示す仮説選択情報を上記仮説に
付加する第一評価値仮説数減少ステップと、 上記複数評価値算出ステップで算出された上記評価値の
他の１つである第二の評価値に基づいて、上記第一評価
値仮説数減少ステップにおいて選択した上記仮説の一部
を入れ替える第二評価値仮説入れ替えステップとを備え
たことを特徴とする請求項２１に記載のレーダパルス分
類方法。22. The step of reducing the number of evaluation value combined hypotheses selects a hypothesis based on a first evaluation value which is one of the evaluation values calculated in the multiple evaluation value calculation step, and selects the hypothesis. A first evaluation value hypothesis number decreasing step of adding hypothesis selection information indicating whether or not the evaluation has been performed, and a second evaluation value that is another one of the evaluation values calculated in the multiple evaluation value calculation step 22. The radar pulse classification method according to claim 21, further comprising: a second evaluation value hypothesis replacing step of replacing a part of the hypotheses selected in the first evaluation value hypothesis number decreasing step based on the first evaluation value hypothesis.
記グループに仮説を分類するレーダ数仮説分類ステップ
と、 上記複数評価値算出ステップで算出された上記評価値の
１つである第二の評価値に基づいて、上記各グループ毎
に上記仮説を選択する第二評価値仮説選択ステップと、 上記複数評価値算出ステップで算出された上記評価値の
他の１つである第一の評価値に基づいて、上記第二評価
値仮説選択ステップにおいて選択された上記仮説の中か
ら仮説を選択する第一評価値仮説選択ステップと、 上記第一評価値仮説選択ステップにおいて選択された上
記仮説を蓄積する仮説蓄積ステップと、 上記仮説蓄積ステップにおいて蓄積した仮説の数が、事
前に与えられた所定の数に達した場合に、蓄積した仮説
を全て出力する仮説出力ステップとを備えたことを特徴
とする請求項２１に記載のレーダパルス分類方法。23. The hypothesis reduction step with evaluation value combination includes: a radar number hypothesis classification step of classifying hypotheses into a plurality of groups according to the number of radars assumed in each hypothesis; and a plurality of evaluation value calculation steps. A second evaluation value hypothesis selecting step of selecting the hypothesis for each of the groups based on a second evaluation value that is one of the evaluated values, and the evaluation calculated in the multiple evaluation value calculating step A first evaluation value hypothesis selecting step of selecting a hypothesis from the hypotheses selected in the second evaluation value hypothesis selecting step based on a first evaluation value which is another one of the values; A hypothesis accumulation step of accumulating the hypotheses selected in the evaluation value hypothesis selection step, and the number of hypotheses accumulated in the hypothesis accumulation step reaches a predetermined number given in advance. If the radar pulse classification method according to claim 21, characterized in that a hypothesis output step of outputting all the stored hypothesis.
に、外部からレーダ数を入力するレーダ数入力ステップ
をさらに備え、 上記レーダ数入力ステップにおいて上記レーダ数の入力
があった場合には、上記レーダ数に基づいて、各仮説で
仮定されるレーダ数を制限して仮説を生成することを特
徴とする請求項１３ないし２３のいずれかに記載のレー
ダパルス分類方法。24. The hypothesis generation step, further comprising the step of inputting the number of radars from outside when the number of radars is known or the number of radars can be set, wherein the number of radars is input in the step of inputting the number of radars. 24. The radar pulse according to claim 13, wherein, when there is an input, a hypothesis is generated by limiting the number of radars assumed in each hypothesis based on the number of radars. Classification method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000248491A JP3768787B2 (en) | 1999-09-09 | 2000-08-18 | Radar pulse classification device and radar pulse classification method |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP11-255326 | 1999-09-09 | ||
| JP25532699 | 1999-09-09 | ||
| JP2000248491A JP3768787B2 (en) | 1999-09-09 | 2000-08-18 | Radar pulse classification device and radar pulse classification method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001147264A true JP2001147264A (en) | 2001-05-29 |
| JP3768787B2 JP3768787B2 (en) | 2006-04-19 |
Family
ID=26542135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000248491A Expired - Lifetime JP3768787B2 (en) | 1999-09-09 | 2000-08-18 | Radar pulse classification device and radar pulse classification method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3768787B2 (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006234674A (en) * | 2005-02-25 | 2006-09-07 | Mitsubishi Electric Corp | Signal classification device |
| JP2012042372A (en) * | 2010-08-20 | 2012-03-01 | Mitsubishi Electric Corp | Radar device |
| CN104198999A (en) * | 2014-08-07 | 2014-12-10 | 北京理工大学 | Pulse sorting method based on isomorphic sequence |
| JP2021043119A (en) * | 2019-09-12 | 2021-03-18 | セルスター工業株式会社 | Detector |
| JP2021051081A (en) * | 2019-09-12 | 2021-04-01 | セルスター工業株式会社 | Detector |
| CN116256710A (en) * | 2022-09-07 | 2023-06-13 | 无锡国芯微电子***有限公司 | Parallel processing-based radar pulse repetition interval estimation method |
-
2000
- 2000-08-18 JP JP2000248491A patent/JP3768787B2/en not_active Expired - Lifetime
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006234674A (en) * | 2005-02-25 | 2006-09-07 | Mitsubishi Electric Corp | Signal classification device |
| JP4509823B2 (en) * | 2005-02-25 | 2010-07-21 | 三菱電機株式会社 | Signal classification device |
| JP2012042372A (en) * | 2010-08-20 | 2012-03-01 | Mitsubishi Electric Corp | Radar device |
| CN104198999A (en) * | 2014-08-07 | 2014-12-10 | 北京理工大学 | Pulse sorting method based on isomorphic sequence |
| JP2021043119A (en) * | 2019-09-12 | 2021-03-18 | セルスター工業株式会社 | Detector |
| JP2021051081A (en) * | 2019-09-12 | 2021-04-01 | セルスター工業株式会社 | Detector |
| JP7426717B2 (en) | 2019-09-12 | 2024-02-02 | セルスター工業株式会社 | Finder |
| JP7470955B2 (en) | 2019-09-12 | 2024-04-19 | セルスター工業株式会社 | Finder |
| CN116256710A (en) * | 2022-09-07 | 2023-06-13 | 无锡国芯微电子***有限公司 | Parallel processing-based radar pulse repetition interval estimation method |
| CN116256710B (en) * | 2022-09-07 | 2023-11-14 | 无锡国芯微电子***有限公司 | Parallel processing-based radar pulse repetition interval estimation method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3768787B2 (en) | 2006-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6397200B1 (en) | Data reduction system for improving classifier performance | |
| EP3540652B1 (en) | Method, device, chip and system for training neural network model | |
| CN109683143A (en) | Radar Signal Sorting Method, device, computer equipment and can storage medium | |
| US7660707B2 (en) | Dynamic model detecting apparatus | |
| US20230274150A1 (en) | Performing Inference And Training Using Sparse Neural Network | |
| US7539653B2 (en) | Document clustering | |
| CN114556360A (en) | Generating training data for machine learning models | |
| WO2011053850A2 (en) | Method and apparatus for hypothesis testing | |
| JP2001147264A (en) | Radar pulse sorting device and radar pulse sorting method | |
| CN111159481B (en) | Edge prediction method and device for graph data and terminal equipment | |
| US6789070B1 (en) | Automatic feature selection system for data containing missing values | |
| CN111405480B (en) | Road condition information pushing method, network equipment, vehicle-mounted terminal and system | |
| CN111476059A (en) | Target detection method and device, computer equipment and storage medium | |
| CN109933415A (en) | Processing method, device, equipment and the medium of data | |
| Zhang et al. | Recursive sample classification and gene selection based on SVM: method and software description | |
| CN114722395A (en) | Multi-target sparrow search feature selection method and device for intrusion detection | |
| Conaty et al. | Cascading sum-product networks using robustness | |
| US11593621B2 (en) | Information processing apparatus, information processing method, and computer program product | |
| RU2110150C1 (en) | Signal detector | |
| JP4218369B2 (en) | Radio wave separation method and apparatus | |
| Can et al. | Blind deinterleaving of signals in time series with self-attention based soft min-cost flow learning | |
| Saeed et al. | Design and implementation of a new CFAR based on weighted and statistical algorithms | |
| Karanikolas et al. | Multi-kernel change detection for dynamic functional connectivity graphs | |
| CN112417304A (en) | Data analysis service recommendation method and system for constructing data analysis process | |
| RU211322U1 (en) | INTEGRATED DEVICE FOR IDENTIFYING AERIAL OBJECTS (TARGETS) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040714 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20051228 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060131 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060202 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 3768787 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100210 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100210 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110210 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120210 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130210 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130210 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140210 Year of fee payment: 8 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |