JP2845850B2 - 目標自動検出方式 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は所定の音源をもつ目標の
自動検出方式に関し、特に発動機関を有する移動物体に
対する目標自動検出方式に関する。

【０００２】

【従来の技術】従来、この種の目標自動検出方式は入力
された音響信号をスペクトル分析し、その結果得られる
周波数、振幅、ドップラー周波数情報等に着目して目標
を検出している。

【０００３】図１１に従来のこの種の音源の目標自動検
出方式の基本的構成の一例を示す。図においてトランス
デューサー群１は音源から発生された音響信号の音圧レ
ベルを電圧に変換する。増幅２及びバンドパスフィルタ
３は音響信号を増幅し、必要な周波数帯域外の信号を減
衰させる。ベースバンド変換４及びローパスフィルタ５
は処理の容易性及び構成するＨ／Ｗの簡易化の為に局部
発信器出力と周波数混合し、局部発信周波数を中心とし
て広がる中間周波数に変換される。Ａ／Ｄ変換６はアナ
ログの音響信号をディジタル信号に変換し、指向性合成
７は信号対雑音比（以下、Ｓ／Ｎと称する）の向上及び
方位分解能の向上のため個々のトランスデューサーの位
相を合わせて指向性ビームを作る。フーリエ変換８は指
向性合成された結果の信号を、従事する周波数帯域内の
すべての周波数成分を含む広帯域の信号から一定時間内
の狭帯域の周波数別の信号に変換するためにフーリエ変
換し、フーリエ成分として出力する。位相演算９はビー
ム間のフーリエ成分の位相差を用いて方位を算出し、振
幅演算１０はフーリエ成分よりパワースペクトルを算出
する。目標判定１０はパワースペクトルの時間の経過に
対する周波数の移り変わり（ドップラー情報１３）を特
定周波数１２等をデータベースとして有しているリファ
レンスと比較したり、予め目標の特徴を学習させたニュ
ーラルネットを用いたりして目標と判定し、方位ととも
に自動検出目標として出力する。

【０００４】従来この種の目標自動検出方式では基本的
に上記の構成をとっており、種々の方式が開発されてい
るのはパワースペクトルを求めた周波数分析後の目標判
定及びそれに付随する技術である（図中１０，１１，１
２）。例えば特開平２−２２７９９号公報には時間経過
に対する周波数変化の特性形状の特徴を抽出し、予め記
憶している基準特徴と比較する方法が掲載されており、
又、特開平４−１４７０７８号公報にはパワースペクト
ルの周波数情報と振幅情報を予め教師信号によって学習
させたニューラルネットを通して目標を判定する方法が
掲載されている。

【０００５】

【発明が解決しようとする課題】これら従来の目標自動
検出方式では目標の発生する音響信号の中から、目標の
有する固有の周波数成分、即ち、周波数的特徴が顕著に
現れるパワースペクトルを求め、その時間的に連続する
振幅及び周波数偏移をデータ処理しているが、目標が発
する音響信号はこの固有の周波数成分の他に、突発的に
現れるトランジェント音や周囲媒体の状態を変化させた
結果生じた音などを有する。従って、従来方式では、目
標の有する音響信号の特徴の一部分しか用いずに自動検
出しており、有用な他の音響特徴を用いていないため
に、自動検出がしにくくなっているとともに、誤った検
出をしてしまうといった問題が存在する。又、時間的に
継続する音響信号を処理するため、ハッチの開閉音や船
体の打撃音のようなトランジェント信号には対応できな
いという問題があった。

【０００６】

【課題を解決するための手段】上述した問題点を解決す
るため、本発明による目標自動検出方式は、音響信号を
入力して、船舶のハッチの開閉音や船体の打撃音などの
短時間内で振幅や周波数が変化する短時間発生音を検出
し、この検出結果を特徴情報データとするトランジェン
ト音検出部と、音響信号を入力して、エンジン等が発生
する連続発生音を検出し、この検出結果を特徴情報デー
タとする連続音検出部と、音響信号を入力して対象目標
固有のエンジンのシリンダーの単位時間内でのピストン
運動の回数（シリンダーレート）や爆発の回数（ファイ
アリングレート）等の周期運動に基づいて発生する基本
周波数成分及びその高調波成分を検出してその時間変動
パターンを分類してこれを特徴情報データとして出力す
るスペクトルパターン検出部と、目標がプロペラのよう
に周囲媒体に接して周囲媒体を撹乱する場合、周囲雑音
や目標の放射雑音が媒体の変動に合わせて振幅変調され
るが、この変調を受けた雑音を検出してプロペラ等の回
転数を推定しこれを特徴情報データとする変調周波検出
部の複数の異なった特徴を検出する特徴検出部を有し、
異なった特徴検出部にて検出された各特徴情報データを
統合して出力するデータ統合部と、検出目標がどの程度
目標として確からしいかを示す目標確信度を求め、目標
を分類して出力する目標判定部を有する。

【０００７】

【実施例】次に本発明を具体的な実施例に基づいて説明
する。

【０００８】図１は本発明の一実施例を示すブロック図
である。

【０００９】図１において音源より発せられた音響信号
は、トランスデューサー群Ｍ１に入力され、音圧レベル
から電圧レベルに変換され、後段の処理をやり易くする
為に前処理Ｍ２が施される。ここで前処理Ｍ２は増幅、
バンドパスフィルタ、ベースバンド変換、ローパスフィ
ルタをかけることをいう。この後、Ａ／Ｄ変換Ｍ３によ
りアナログ量からディジタル量に変換され、各トランス
デューサー間の音波到達時間から計算される位相を合わ
せて指向性合成Ｍ４を行う。ここまでは従来の方式と同
等である。特徴検出部Ｓ１はその内部構成としてトラン
ジェント音検出処理部Ｍ５、連続音検出処理部Ｍ６、ス
ペクトルパターン検出処理部Ｍ７、変調周波検出処理部
Ｍ８を有し、指向性合成された信号が分配されそれぞれ
の検出処理部に入力される。

【００１０】トランジェント音検出処理部Ｍ５はハッチ
の開閉音や船体の打撃音等のトランジェント信号をデー
タベース内のリファレンス信号と相互相関処理を行い、
その結果が一定の閾値を超えたものを目標が発生したト
ランジェント音として検出する。相互相関処理は時間領
域だけでなく、周波数領域上で出現するスペクトルとリ
ファレンス信号のスペクトルとのパターンマッチングを
してもよい。

【００１１】連続音検出処理部Ｍ６は広帯域周波数の音
響信号に対して周囲雑音レベルを求めて閾値処理を行
い、閾値を超えて時間的に連続している信号をエンジン
等の連続発生音として、自己発生雑音を除去した後に出
力する。

【００１２】スペクトルパターン検出処理部Ｍ７は音響
信号に対してフーリエ変換等の周波数分析処理を行い、
対象目標固有のエンジンのシリンダーレートやファイア
リングレート等の基本周波数成分及びその高調波成分を
検出し、検出した各周波数成分の時間経過に対する動き
を追跡し（以下ライントラッキングと称する）、その変
動パターンを分類して出力する。

【００１３】変調周波検出処理部Ｍ８は目標がプロペラ
のように周期的に運動する機構を有しておりそれが周囲
媒体に接触して運動する場合に媒体が撹乱されて周囲雑
音や目標の放射雑音が媒体の変動に合わせて振幅変調さ
れるが、この変調された雑音を検波して包絡線成分を求
めて周波数分析処理を行い、その高調波間の周波数間隔
（以下ピッチと称する）よりプロペラの回転数や、エン
ジンシャフトの回転数等を推定して出力する。高調波間
のピッチを求めるのに各高調波間の周波数差を直接調べ
る代わりに、パワースペクトルに対数変換を施し、それ
をフーリエ変換する一般にケプストラム演算［スペクト
ル解析、日野幹雄、朝倉書店、１９７７］と称される手
法を用いても良い。

【００１４】この特徴検出部Ｓ１の各特徴検出処理部Ｍ
５〜Ｍ８より出力された各特徴検出結果はデータ統合部
Ｓ２のデータ統合処理部Ｍ９により、各検出処理部出力
結果の時刻並びに方位の一致性を比較して一定の範囲内
にあれば同一目標からの信号として各特徴検出結果を統
合し、範囲外にあれば別目標として出力される。

【００１５】統合されたデータは目標判定部Ｓ３の目標
判定処理部Ｍ１０により各特徴検出処理部の検出情報
（レベル、変動パターン、周波数、信号種別等）ごとの
重み値の組合せにより目標の確からしさを示す目標確信
度が求められ、閾値を超えるものを自動検出目標として
挙げるとともに、検出情報の周波数特性や変動パターン
等はコード化されて組み合わされ、データベース内のリ
ファレンスと比較されて目標の種類を分類して出力す
る。

【００１６】以上のように本発明は内部に複数の特徴検
出処理部Ｍ５〜Ｍ８を持つ特徴検出部Ｓ１を有し、各特
徴検出処理部にて検出された各々の特徴情報データを統
合して出力するデータ処理部Ｓ２と、目標の確からしさ
を求めて目標の種類を分類して出力する目標判定部Ｓ３
から構成される。

【００１７】次に各処理部Ｍ５〜Ｍ１０について以下に
詳細に示す。本発明は複数の特徴検出情報データをデー
タ統合して用いることに主眼を置いており、従って特徴
検出処理Ｍ５〜Ｍ８においては目的とする特徴が検出で
きれば任意の方法に置換することが可能である。

【００１８】図２はトランジェント音検出処理Ｍ５の一
例を説明する図であり、（Ａ）はその処理フローを示
す。音響信号は検波処理Ｍ５０１され信号の包絡線成分
が求められる。次にデータベース内の複数の予め登録さ
れているリファレンス信号と相互相関処理Ｍ５０２を行
い、その後閾値処理Ｍ５０３を行い、求められた相互相
関係数が閾値を超えるものを検出目標として出力する。
（Ｂ）は検波処理Ｍ５０１出力後の信号例、（Ｃ）は相
互相関処理Ｍ５０２以後の処理データ例を示す。

【００１９】図３は連続音検出処理部Ｍ６の一例の処理
フローを示す。入力された音響信号は検波処理Ｍ６０１
された後、指向性合成された各方向を向いているビーム
をそれぞれのビーム毎に時間積分して雑音のばらつきを
軽減し、その結果の内最小レベルを持つビームの出力を
基準レベルとしてＫ倍して閾値レベルを定める周囲雑音
計算処理Ｍ６０２を行う。検波処理された信号は周囲雑
音計算処理Ｍ６０２とは別に時間積分処理Ｍ６０３さ
れ、閾値計算処理Ｍ６０４で閾値を超えるものを求め
る。次の連続性判定処理Ｍ６０５を行い、過去Ｎ回分の
方位データを用いて求められた予測方位を中心にした方
位ゲート内に目標が存在するか調べ、目標が存在すれば
更にその目標がＬ秒以上連続して存在するかを判定し
て、Ｌ秒以上連続していれば目標として出力する。目標
として検出された出力結果のうちから明らかに自己放射
雑音が重畳されている方位のものを除去する自己雑音除
去処理Ｍ６０６を行った後に後段へ出力される。図４
（Ａ）は閾値処理Ｍ６０４の出力例を、図４（Ｂ）は自
己雑音Ｍ６０６の出力結果例を示す。図４（Ａ）には求
められた周囲雑音レベルから閾値が計算され、閾値を超
えるものが検出される様子が示されている。また図４
（Ｂ）には連続性判定処理及び自己雑音除去処理により
検出又は未検出又は除去されるデータの例が示されてい
る。

【００２０】図５はスペクトルパターン検出処理部Ｍ７
の一例の処理フローを示す。入力された音響信号はスペ
クトル演算処理Ｍ７０１にてＦＦＴ演算された後、検波
されて入力信号のパワースペクトルが計算される。最大
値検出処理Ｍ７０２においてＭ７０１より出力されたパ
ワースペクトルを時間方向にＮサンプルため込み、各周
波数セル毎にＮサンプル内での最大値をもとめる（ピー
クホールド）。２値化処理Ｍ７０３においては各ビーム
毎に周波数平均レベル及び標準偏差を求め、平均＋Ｋ＊
標準偏差で閾値レベルを定め、閾値未満のスペクトルの
周波数セルには「０」を割付け、閾値以上の周波数セル
には「１」を割り付けて信号を「１」と「０」の値に２
値化する。２値化された信号スペクトルは周波数に広が
りをもっていることがほとんどであるので、細線化処理
Ｍ７０４によって、周波数ゲートを設けてそのゲート内
に存在する複数の周波数が一定セル間隔以上離れている
場合は一旦ゲート内の全てに周波数セルに「１」を割付
け、連続した周波数帯域に幅を広げてその後その中心セ
ルにのみ「１」を割付け、他のセルには「０」を割り付
けて細線化する。符号化処理Ｍ７０５において１タイミ
ング前のスペクトルと周波数を比較し、１タイミング前
の周波数セル番号と現在の周波数セル番号の差に従って
周波数セルの変化を符号化する。例えば周波数セル番号
が高い方へ５セル移動していれば符号「＋」を、±２セ
ル以内の変化であれば変動が少ないので符号「Ｉ」等を
付与する。これらの符号がリスト化処理Ｍ７０６にて周
波数の近接性及び出現時間の継続性に従ってライントラ
ッキングされ符号からラインリストに変換され、ライン
リスト毎に分類される。例えばＡグループ；「＋／ＩＩ
ＩＩ・・・＊」、Ｂグループ；「ＩＩＩＩＩＩ・・・
＊」などのリストに変換される。この後、照合処理Ｍ７
０７によって分類されたグループの中にデータベース内
のラインの変動パターンと一致するかどうかを照合し、
一致するものがあれば検出目標として出力する。図６
（Ａ）はスペクトル演算処理Ｍ７０１後の信号のスペク
トルの出力例を、図６（Ｂ）は細線化処理Ｍ７０４後の
２値化されて細線化された信号の出力例を、また図６
（Ｃ）はリスト化処理Ｍ７０６後のラインリスト化され
た符号の出力例を示す。

【００２１】図７は変調周波検出処理部Ｍ８の一例の処
理フローを示す。Ｍ８０１のローパスフィルタにおい
て、従事する周波数帯域以上の周波数成分を除去する。
ローパスフィルタの出力に対して検波処理Ｍ８０２を行
い変動の包絡線成分を求め、スペクトル演算処理Ｍ８０
３ではＦＦＴ処理Ｍ８０３Ａを行い検波処理Ｍ８０３Ｂ
してパワースペクトルを求めて、時間積分処理Ｍ８０３
Ｃにて各周波数セルの値を過去Ｎサンプルに渡って時間
平均をとることによりノイズの変動を抑制して、目標に
起因する変調周波数及びその高調波を含むスペクトルを
求める。この後、後段で必要とされる周波数帯域のみと
なるようにバンドパスフィルタＭ８０３Ｄで帯域制限を
かけて出力する。閾値処理Ｍ８０４では周波数帯域全体
の平均スペクトルレベルを基準値とする閾値で閾値未満
の値を有するスペクトルに対して正の小さな値を与え
る。０でなく正の小さな値を付与する理由は後段のＬＯ
Ｇ演算時にエラーとならないためである。ケプストラム
演算処理Ｍ８０５では閾値処理Ｍ８０４の出力スペクト
ルにＬＯＧ変換処理Ｍ８０５Ａを行い更にそれをＦＦＴ
処理Ｍ８０５Ｂして検波処理Ｍ８０５Ｃした結果、ケプ
ストラムを求める。この後各ケフレンシーセル（スペク
トルでは周波数に相当するセル）毎に時間軸積分Ｍ８０
５Ｄを行いノイズ成分の変動を抑制する。このケプスト
ラムはパワースペクトルに存在する高調波の出現間隔
（ピッチ）を現しており、次元は時間である。この後、
閾値処理Ｍ８０６にてケフレンシー上で移動平均処理を
行いケプストラムのケフレンシー軸上の変動に対する該
当ケフレンシー付近の平均雑音レベルを求め、これを基
準に閾値を求め雑音ケプストラムを除去する。最後にデ
ータ照合処理Ｍ８０７により閾値を超えて検出されたケ
プストラムと予めデータベースに登録してある特定目標
のシリンダーレートやファイアリングレートを表すケフ
レンシーとを比較し、一致していれば目標として出力す
る。図８（Ａ）にローパスフィルタＭ８０１後の変調さ
れた信号の出力例を、図８（Ｂ）にスペクトル演算処理
Ｍ８０３後の周波数間隔ｆ１で出現する高調波のスペク
トルの出力例を、図８（Ｃ）にケプストラム演算処理Ｍ
８０５後のスペクトルの高調波のピッチを表す１／ｆ１
の位置に現れるケプストラム信号の出力例を示す。

【００２２】図９（Ａ）はデータ統合処理部Ｍ９の一例
の処理フローを示す。時刻ゲート処理Ｍ９０１によって
各特徴検出系からの検出目標の時刻の一致性を調べる。
目標が存在する複数の特徴検出系間で検出時刻を比較し
て一定の時刻ゲート内に入っていれば時刻の一致がとれ
たものとして同一目標からの信号とみなし、各特徴検出
処理の出力データを統合する。次に方位ゲート処理Ｍ９
０２によって時刻ゲート処理後の統合されたデータの中
で、各特徴検出系間の検出方位の一致性を見る。一つの
検出系と他の検出系を比較して一定ゲート内に入ってい
れば方位の一致がとれたものとしてそのまま出力する
が、方位ゲートからはずれている場合は別目標として統
合からはずして別々に出力する。図９（Ｂ）に統合され
る場合と統合されない場合の例を示す。

【００２３】図１０に目標判定処理部Ｍ１０の処理フロ
ーを示す。統合されたデータ情報は目標確信度算出処理
Ｍ１００１で特徴検出部毎に確信度を出力し、これらを
用いて目標確信度を計算する。連続音確信度算出Ｍ１０
０４では連続音検出処理部Ｍ６より出力された検出情報
からＳ／Ｎ値を取出し、予め用意してあるＳ／Ｎ参照テ
ーブルに照らし合わせて該当する確信度を出力する。ト
ランジェント音確信度算出Ｍ１００５ではトランジェン
ト音検出処理部Ｍ５より出力された検出情報からトラン
ジェント音種別を取出し、予め用意してある種別参照テ
ーブルに照らし合わせて該当する確信度を出力する。ス
ペクトルパターン確信度算出Ｍ１００６ではスペクトル
パターン検出処理部Ｍ７より出力された検出情報から変
動パターンコードを取出し、予め用意してあるパターン
コード参照テーブルに照らし合わせて該当する確信度を
出力する。変調周波確信度算出Ｍ１００７では変調周波
検出処理部Ｍ８より出力された検出情報から変調周波数
を取出し、予め用意してある変調周波参照テーブルと照
らし合わせて該当する確信度を出力する。目標確信度計
算Ｍ１００８ではＭ１００４からＭ１００７までの４つ
の特徴確信度算出から出力されたそれぞれの確信度を組
み合わせて目標確信度を算出する。ここでは医療用エキ
スパートシステムに用いられるＭＹＣＩＮ−ＯＲの手法
［ＷＩＮＳＴＯＮ，１９７９］を用いて計算している。
これは二つの確信度（１以下の正の値）を加算した後に
乗算値を減算する方法であり、３つ以上要素が存在する
場合は計算された結果に対してこの手順を繰り返すもの
で、その出力は１を超えない。目標判定処理Ｍ１００２
によって一定値以上の目標確信度のものを目標として認
識する。更に目標分類処理Ｍ１００３によって統合され
たデータ情報の各検出情報の組合せパターンと予めリフ
ァレンスとして持っている組合せパターン参照テーブル
の組合せパターンを比較し、特定の目標の種類と一致す
る場合は、特定目標と分類して出力する。

【００２４】

【発明の効果】以上説明したように、本発明はトランジ
ェント音検出部、連続音検出部、スペクトルパターン検
出部、変調周波検出部の複数の異なる特徴検出部を有
し、それぞれの検出出力をデータ統合した後、目標の確
信度を算出し、検出情報の組合せによって目標を分類し
て出力している。従って一つの特徴だけでなく、複数の
特徴から目標を検出して統合判定しているので目標の検
出が容易になるばかりでなく、誤った検出を軽減するこ
とが出来る。又、時間的に連続した信号のみでなく、突
発的に発生するトランジェント信号に対しても検出が可
能となる。

【図面の簡単な説明】

【図１】本発明の目標自動検出方式の一実施例を示す
図。

【図２】本発明の実施例のトランジェント音検出動作を
示す図で、（Ａ）は処理過程を示し、（Ｂ）はその中の
検出処理Ｍ５０１の出力信号例を示し、（Ｃ）は相互相
関処理Ｍ５０２後の処理結果を示す図。

【図３】本発明の実施例の連続音検出処理の処理過程を
示す図。

【図４】図３の処理過程の動作を示す図で、（Ａ）は閾
値処理Ｍ６０４の出力結果の例を示す図、（Ｂ）は連続
性判定処理Ｍ６０５以降の処理結果を示す図。

【図５】本発明の実施例のスペクトルパターン検出処理
の処理過程を示す図。

【図６】図５の処理過程の動作を示す図で、（Ａ）はス
ペクトル演算処理Ｍ７０１の処理出力例を示し、（Ｂ）
は細線化処理Ｍ７０４の処理出力例を示し、（Ｃ）はリ
スト処理Ｍ７０６の処理出力例を示す図。

【図７】本発明の実施例の変調周波検出処理の処理過程
を示す図。

【図８】図７の処理過程を示す図で、（Ａ）はローパス
フィルタＭ８０１の出力信号例を示し、（Ｂ）はスペク
トル演算処理Ｍ８０３の出力例を示し、（Ｃ）はケプス
トラム演算処理Ｍ８０５の出力例を示す。

【図９】本発明の実施例のデータ統合処理を示す図で、
（Ａ）は統合処理過程を示し、（Ｂ）は処理の一例を示
す図。

【図１０】本発明の実施例の目標判定処理の処理過程を
示す図。

【図１１】従来例を示す図。

【符号の説明】

１ トランスデューサー群 ２ 増幅部 ３ バンドパスフィルター ４ ベースバンド変換 ５ ローパスフィルター ６ Ａ／Ｄ変換 ７ 指向性合成 ８ フーリエ変換 ９ 位相演算 １０ 振幅演算 １１ 目標判定 １２ 特定周波数 １３ ドップラー情報 Ｓ１ 特徴検出部 Ｓ２ データ統合部 Ｓ３ 目標判定部 Ｍ１ トランスデューサー群 Ｍ２ 前処理部 Ｍ３ Ａ／Ｄ変換部 Ｍ４ 指向性合成部 Ｍ５ トランジェント音検出処理部 Ｍ６ 連続音検出処理部 Ｍ７ スペクトルパターン検出処理部 Ｍ８ 変調周波検出処理部 Ｍ９ データ統合処理部 Ｍ１０ 目標判定処理部 Ｍ５０１ 検波処理 Ｍ５０２ 相互相関処理 Ｍ５０３ 閾値処理 Ｍ６０１ 検波処理 Ｍ６０２ 周囲雑音レベル演算処理 Ｍ６０３ 閾値処理 Ｍ６０４ 連続性判定処理 Ｍ６０５ 自己雑音除去処理 Ｍ７０１ スペクトル演算処理 Ｍ７０２ 最大値検出処理 Ｍ７０３ ２値化処理 Ｍ７０４ 細線化処理 Ｍ７０５ 符号化処理 Ｍ７０６ リスト化処理 Ｍ７０７ 照合処理 Ｍ８０１ ローパスフィルター Ｍ８０２ 検波処理 Ｍ８０３ スペクトル演算処理 Ｍ８０４ 閾値処理 Ｍ８０５ ケプストラム演算処理 Ｍ８０６ 閾値処理 Ｍ８０７ データ照合処理 Ｍ８０３Ａ ＦＦＴ演算 Ｍ８０３Ｂ 検波処理 Ｍ８０３Ｃ 時間軸積分 Ｍ８０３Ｄ バンドパスフィルタ Ｍ８０４Ａ 周波数軸積分 Ｍ８０５Ａ ＬＯＧ演算処理 Ｍ８０５Ｂ ＦＦＴ処理 Ｍ８０５Ｃ 検波処理 Ｍ８０５Ｄ 時間軸積分 Ｍ９０１ 時刻ゲート処理 Ｍ９０２ 方位ゲート処理 Ｍ１００１ 目標確信度算出処理 Ｍ１００２ 目標判定処理 Ｍ１００３ 目標分類処理 Ｍ１００４ 連続音目標確信度算出 Ｍ１００５ トランジェント音確信度算出 Ｍ１００６ スペクトルパターン確信度算出 Ｍ１００７ 変調周波確信度算出 Ｍ１００８ 目標確信度計算

───────────────────────────────────────────────────── フロントページの続き (72)発明者 加藤 隆広 神奈川県横須賀市長瀬３−12−２−6402 (56)参考文献 特開 平８−271620（ＪＰ，Ａ) 特開 平８−220210（ＪＰ，Ａ) 特開 平８−211151（ＪＰ，Ａ) 特開 平７−44517（ＪＰ，Ａ) 特開 平６−75038（ＪＰ，Ａ) 特開 平８−15402（ＪＰ，Ａ) 特開 平４−359799（ＪＰ，Ａ) 特開 平４−208887（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G01S 3/80 - 3/86 G01S 5/18 - 5/30 G01S 7/52 - 7/64 G01S 15/00 - 15/96 G01H 3/00 G01V 1/00

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 検出対象が発する音響信号を検出して、
   その到来方位及び目標の種類を認識する目標自動検出方
   式において、 前記音響信号を入力して、短時間内で振幅や周波数が変
   化する短時間発生音（以下、トランジェント音と称す
   る）を検出し、この検出結果を特徴情報データとするト
   ランジェント音検出部と、 前記音響信号を入力して、連続発生音を検出し、この検
   出結果を基に目標の詳細方位を求め、特徴情報データと
   する連続音検出部と、 前記音響信号を入力して周期運動に基づいて発生する音
   の基本周波数成分及びその高調波成分を検出してその時
   間変動パターンを分類してこれを特徴情報データとして
   出力するスペクトルパターン検出部と、 前記音響信号を入力して、周囲雑音や目標の放射雑音が
   媒体の変動に合わせて振幅変調された、雑音を検出して
   回転数を推定しこれを特徴情報データとする変調周波検
   出部とを有することを特徴とする目標自動検出方式。
2. 【請求項２】 前記複数の検出部で検出された各特徴情
   報データを総合して出力するデータ総合部と、検出目標
   がどの程度目標として確からしいかを示す目標確信度を
   求めて目標を分類して出力する目標判定部とを有する請
   求項１の目標自動検出方式。
3. 【請求項３】 前記データ統合部及び目標判定部は複数
   の特徴検出部にて検出された前記特徴情報データを検出
   時刻毎に統合処理する時刻ゲート処理部と検出時刻によ
   り統合された結果を更に検出方位毎に統合処理する方位
   ゲート処理部により統合し、統合された各特徴情報デー
   タを重み付けして組合せ、検出された目標が期待する目
   標としてどの程度確からしいかを示す目標確信度を求
   め、かつ、特徴情報の組合せにより目標を分類して出力
   することを特徴とする請求項２記載の目標自動検出方
   式。
4. 【請求項４】 前記短時間発生音が船舶のハッチの開閉
   音や船体の打撃音であり、前記周期運動に基づいて発生
   する信号がエンジンのピストン運動や爆発による音であ
   り、前記振幅変調雑音がプロペラの回転によって得られ
   る音であることを特徴とする請求項１の目標自動検出方
   式。