JPH06160532A - Pulse train analyzer - Google Patents
Pulse train analyzerInfo
- Publication number
- JPH06160532A JPH06160532A JP4305522A JP30552292A JPH06160532A JP H06160532 A JPH06160532 A JP H06160532A JP 4305522 A JP4305522 A JP 4305522A JP 30552292 A JP30552292 A JP 30552292A JP H06160532 A JPH06160532 A JP H06160532A
- Authority
- JP
- Japan
- Prior art keywords
- pulse
- cluster
- attribute value
- stored
- value
- 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.)
- Pending
Links
Landscapes
- Measurement Of Radiation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
【０００１】[0001]
【産業上の利用分野】この発明は、複数種類のパルス放
射源から放射されたパルス列を受信し、受信されたパル
ス列を放射源毎に分類し、分類されたパルス列の特徴を
抽出して放射源の種類を特定するパルス列分析装置に関
する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention receives a pulse train radiated from a plurality of types of pulse radiation sources, classifies the received pulse trains for each radiation source, and extracts the characteristics of the classified pulse trains to extract the radiation source. The present invention relates to a pulse train analyzer that identifies the type of a pulse train.
【０００２】[0002]
【従来の技術】従来、上記のようなパルス列分析装置に
おいては、まず、複数種類のパルス放射源から放射され
たパルス列を受信し、受信されたパルス列を放射源毎に
分類する。このために、各パルス毎の特性（属性）を示
すパラメータ（特性パラメータ）である、パルス到来方
位（ＡＯＡ）、周波数（Ｆ）、振幅（ＰＡ）、パルス幅
（ＰＷ）等を用いて、受信されたパルス列を、同一特性
を有するパルス毎にグループ分けする。2. Description of the Related Art Conventionally, in a pulse train analyzer as described above, first, pulse trains radiated from a plurality of types of pulse radiation sources are received, and the received pulse trains are classified for each radiation source. For this purpose, reception is performed using parameters (characteristic parameters) indicating the characteristics (attributes) of each pulse, such as pulse arrival direction (AOA), frequency (F), amplitude (PA), and pulse width (PW). The generated pulse trains are grouped into pulses having the same characteristics.
【０００３】次に、各グループのパルスを発生する放射
源の種類を特定する。このために、各グループ内のパル
スのパラメータの変化量等を用いて、パルスの頻度分布
（ヒストグラム）を作成し、ヒストグラムのパターンの
特徴（ピークの位置、数、間隔等）を調べ、パルス列の
特徴（放射源の特性）を分析する。Next, the type of radiation source that generates the pulse of each group is specified. For this purpose, a pulse frequency distribution (histogram) is created using the amount of change in the pulse parameters within each group, the characteristics of the histogram pattern (peak position, number, interval, etc.) are examined, and the pulse train Analyze characteristics (source characteristics).
【０００４】図１は、従来のパルス列分析装置の構成を
示すブロック図である。FIG. 1 is a block diagram showing the configuration of a conventional pulse train analyzer.
【０００５】このパルス列分析装置は、入力パルスデー
タメモリー１、パルス分類回路２、パルス分類メモリー
３、アドレス発生回路４、ヒストグラムメモリー５、イ
ンクリメンター６、特徴抽出回路７、プロセッサ８から
構成される。This pulse train analyzer comprises an input pulse data memory 1, a pulse classification circuit 2, a pulse classification memory 3, an address generation circuit 4, a histogram memory 5, an incrementer 6, a feature extraction circuit 7 and a processor 8.
【０００６】入力パルスデータメモリー１は、ディジタ
ル変換されたパルス毎の特性パラメータを記憶する。パ
ルス分類回路２は、ＡＯＡ等のパラメータで、同一特性
条件を満たしたパルスのグループ分けを行なう。パルス
分類メモリー３は、グループ分けされたパルスの相対ア
ドレスを記憶する。The input pulse data memory 1 stores characteristic parameters for each digitally converted pulse. The pulse classification circuit 2 performs grouping of pulses satisfying the same characteristic condition with parameters such as AOA. The pulse classification memory 3 stores the relative address of the grouped pulses.
【０００７】アドレス発生回路４は、入力データの階級
に対応するヒストグラムメモリーのアドレスを発生させ
る。ヒストグラムメモリー５は、ヒストグラムデータを
記憶する。インクリメンター６は、ヒストグラムデータ
に“１”を加算する。特徴抽出回路７は、ヒストグラム
パターンのピーク位置、ピーク数、ピーク間隔等を検出
する。プロセッサ８は、装置全体を制御する。The address generation circuit 4 generates an address of the histogram memory corresponding to the class of the input data. The histogram memory 5 stores histogram data. The incrementer 6 adds "1" to the histogram data. The feature extraction circuit 7 detects the peak position, the number of peaks, the peak interval, etc. of the histogram pattern. The processor 8 controls the entire device.
【０００８】次に、従来のパルス列分析装置の動作につ
いて説明する。Next, the operation of the conventional pulse train analyzer will be described.
【０００９】パルス列分析装置に入力されたパルス列
は、アナログデータからディジタルデータに変換され、
変換された各パルスの特性パラメータは、入力パルスデ
ータメモリー１に記憶される。この特性パラメータを用
いて、パルス分類回路２により、同一の特性条件を満た
したパルス毎にグループ分けが行なわれ、グループ分け
されたパルスの相対アドレスが、パルス分類メモリー３
に記憶される（このようにして、同一特性を有するパル
ス毎、すなわち、各パルス放射源にパルスのグループ分
けが行なわれる）。The pulse train input to the pulse train analyzer is converted from analog data to digital data,
The converted characteristic parameter of each pulse is stored in the input pulse data memory 1. Using this characteristic parameter, the pulse classification circuit 2 performs group division for each pulse satisfying the same characteristic condition, and the relative address of the grouped pulse is stored in the pulse classification memory 3
(In this way, the pulses are grouped for each pulse having the same characteristics, ie for each pulsed radiation source).
【００１０】次に、メモリー３に記憶された各グループ
毎に、グループ内のパルスのパラメータの変化量等を用
いて、アドレス発生回路４により入力データ（当該パル
ス）の階級に対応するヒストグラムメモリー５のアドレ
スを発生させる。このメモリー５のアドレスに記憶され
ているヒストグラムデータに、インクリメンター６によ
り“１”を加算し、これを全パルスに対して繰り返すこ
とにより、該当する階級に対応するパルスの頻度が記憶
される。このグループ毎に作成されたヒストグラムのパ
ターンのピーク位置、ピーク数、ピーク間隔等を、特徴
抽出回路７により検出し、パルス列の特徴（放射源の特
性）を分析する。Next, for each group stored in the memory 3, the histogram memory 5 corresponding to the class of the input data (the pulse) is generated by the address generation circuit 4 by using the variation of the parameter of the pulse in the group. Generate the address of. By adding "1" to the histogram data stored in the address of the memory 5 by the incrementer 6 and repeating this for all the pulses, the frequency of the pulse corresponding to the corresponding class is stored. The peak position, the number of peaks, the peak interval, etc. of the pattern of the histogram created for each group are detected by the feature extraction circuit 7, and the features of the pulse train (the characteristics of the radiation source) are analyzed.
【００１１】[0011]
【発明が解決しようとする課題】しかしながら、このよ
うな従来のパルス列分析装置にあっては、ヒストグラム
メモリーに格納された、特性パラメータに対するパルス
の頻度分布を表わすヒストグラムデータを読み出して、
そのピーク位置、ピーク数、ピーク間隔等の特徴データ
を抽出し、パルス列の特徴を分析している。このため、
位置や間隔等の分析の精度を上げるためには、ヒストグ
ラムの階級分けを細かくする必要があり、このために
は、ヒストグラムメモリーの容量を増やさなければなら
ない。However, in such a conventional pulse train analyzer, the histogram data stored in the histogram memory, which represents the frequency distribution of the pulses with respect to the characteristic parameters, is read out,
The characteristic data of the pulse train is analyzed by extracting the characteristic data such as the peak position, the number of peaks, and the peak interval. For this reason,
In order to improve the accuracy of the analysis of position, interval, etc., it is necessary to finely classify the histogram, and for this purpose, it is necessary to increase the capacity of the histogram memory.
【００１２】しかしながら、メモリーの容量を増やす
と、ヒストグラムのピーク位置等の特徴を抽出する際
の、ヒストグラムメモリーの走査に時間が掛かってしま
う。このため、精度の向上と処理時間の短縮とを同時に
実現することが困難であるという欠点があった。However, if the capacity of the memory is increased, it takes time to scan the histogram memory when extracting features such as the peak position of the histogram. For this reason, there is a drawback in that it is difficult to simultaneously improve the accuracy and shorten the processing time.
【００１３】この発明は、上記従来技術の欠点を考慮し
て、精度の向上と処理時間の短縮とを同時に実現するパ
ルス列分析装置を提供することを目的とする。SUMMARY OF THE INVENTION An object of the present invention is to provide a pulse train analyzer which realizes the improvement of accuracy and the reduction of processing time at the same time in consideration of the above-mentioned drawbacks of the prior art.
【００１４】[0014]
【課題を解決するための手段】本発明は、このような従
来の問題点に着目してなされたもので、ヒストグラムメ
モリーを無くして、替わりにパラメータが似た値のもの
同士を集めるクラスタ生成回路を設け、各クラスタの統
計値である平均値、標準偏差値およびクラスタに属する
パルス数（ヒットカウント値）を記憶するメモリーを設
ける。SUMMARY OF THE INVENTION The present invention has been made in view of such conventional problems, and eliminates the histogram memory and instead collects clusters having similar parameters. And a memory for storing the average value, the standard deviation value, and the number of pulses (hit count value) belonging to the cluster, which are the statistical values of each cluster.
【００１５】すなわち、複数の放射源から発生されたパ
ルス信号を受信し、受信されたパルス信号の属性を検出
し、検出された属性を示す属性値を属性値記憶手段に記
憶し、この属性値に基づきパルスを放射源毎に分類して
分類記憶手段に格納し、この分類記憶手段に放射源毎に
分類されたパルスの特徴を分析して、放射源の種類を特
定するパルス列分析装置において、パルスの特徴の分析
に際して、分類記憶手段に格納された属性値記憶手段の
アドレスから、このアドレスに格納された属性値を読み
出すための読みだし手段と、読みだされた少なくとも２
つのパルス間での属性値の変化量を計算する計算手段
と、読みだされたパルスの属性値、または、計算された
属性値の変化量に基づき、予め定められた条件により、
パルスをクラスタ分けするためのクラスタ分け手段と、
クラスタの統計的な値を記憶するための統計値記憶手段
とを備えていることを特徴とする。That is, the pulse signals generated from a plurality of radiation sources are received, the attributes of the received pulse signals are detected, the attribute value indicating the detected attributes is stored in the attribute value storage means, and the attribute values are stored. Based on, the pulse is classified for each radiation source and stored in the classification storage means, the characteristics of the pulse classified for each radiation source in the classification storage means are analyzed, and in the pulse train analyzer for specifying the type of the radiation source, At the time of analyzing the characteristics of the pulse, a reading means for reading the attribute value stored at this address from the address of the attribute value storage means stored in the classification storage means, and at least two read-out means.
A calculation means for calculating the amount of change in the attribute value between two pulses, and the read attribute value of the pulse, or the calculated amount of change in the attribute value, based on a predetermined condition,
Clustering means for clustering pulses,
And a statistical value storage means for storing a statistical value of the cluster.
【００１６】[0016]
【作用】本発明によるパルス列分析装置は、放射源毎に
分類されたパルス列を、特性パラメータ、または、パラ
メータの変化量によっていくつかの群（クラスタ）に分
けながら、各クラスタの統計値を連続的に補正すること
により、ピーク位置（平均値）、分布状態（標準偏差
値）、ピーク数（クラスタ数）等の、パルス列を分析す
るための特徴量を高速に高精度で検出する。The pulse train analyzing apparatus according to the present invention divides the pulse train classified for each radiation source into several groups (clusters) according to the characteristic parameter or the variation of the parameter, and continuously calculates the statistical value of each cluster. By correcting the peak position (average value), the distribution state (standard deviation value), the number of peaks (the number of clusters), the feature amount for analyzing the pulse train is detected at high speed and with high accuracy.
【００１７】[0017]
【実施例】以下、本発明を図面に基づいて説明する。DESCRIPTION OF THE PREFERRED EMBODIMENTS The present invention will be described below with reference to the drawings.
【００１８】図２は、本発明の一実施例に係るパルス列
分析装置の構成を示すブロック図である。FIG. 2 is a block diagram showing the configuration of a pulse train analyzer according to an embodiment of the present invention.
【００１９】図２のパルス列分析装置における構成を説
明すると、１はディジタル変換されたパルス毎の特性パ
ラメータを記憶する入力パルスデータメモリー、８は装
置全体を制御するプロセッサ、１０は各クラスタに分類
されたパルスのアドレスをクラスタ別に記憶するパルス
アドレス分類メモリーである。１１は注目しているパル
スと近傍のパルスとの間でのパラメータの変化量を計算
する回路、１２は入力パラメータがいずれの既存クラス
タにも属しない場合に新たにクラスタを生成する回路、
１３は入力されたパラメータがどのクラスタに属するか
を決定する回路である。この１２と１３とで、クラスタ
分け回路３０を構成している。１４はクラスタの統計値
（平均値、標準偏差、所属パルス数）を記憶するメモリ
ー、１５は統計値を補正する回路、１６はクラスタを指
定するカウンターであり、１７は入力パルスデータメモ
リーからのパラメータをそのまま使うか、変化量計算回
路で求めた変化量を使うかを選択するマルチプレクサ、
１８は所属クラスタを示すカウンタの出力とプロセッサ
が指定するクラスタを示すレジスタ２２の出力を選択す
るマルチプレクサである。１９は入力パルスデータメモ
リーのどの特性パラメータを選択するかを指定するレジ
スタ、２０は入力パルスデータのパルスアドレスを指定
するパルスアドレス発生回路、２１はプロセッサからの
初期設定データとパルス分類メモリーからのデータを選
択するマルチプレクサ、２３はパルス分類メモリーのク
ラスタ毎のパルス順番を指定するカウンターである。The structure of the pulse train analyzer shown in FIG. 2 will be described. 1 is an input pulse data memory for storing characteristic parameters for each digitally converted pulse, 8 is a processor for controlling the entire device, and 10 is classified into each cluster. It is a pulse address classification memory that stores the pulse address for each cluster. 11 is a circuit for calculating the amount of change in parameters between the pulse of interest and a nearby pulse, 12 is a circuit for newly generating a cluster when the input parameter does not belong to any existing cluster,
Reference numeral 13 is a circuit for determining which cluster the input parameter belongs to. These 12 and 13 form a cluster dividing circuit 30. 14 is a memory for storing the statistical value (average value, standard deviation, number of belonging pulses) of the cluster, 15 is a circuit for correcting the statistical value, 16 is a counter for designating the cluster, 17 is a parameter from the input pulse data memory , A multiplexer that selects whether to use the change amount calculated by the change amount calculation circuit,
A multiplexer 18 selects the output of the counter indicating the belonging cluster and the output of the register 22 indicating the cluster designated by the processor. 19 is a register that specifies which characteristic parameter of the input pulse data memory is selected, 20 is a pulse address generation circuit that specifies the pulse address of the input pulse data, 21 is initial setting data from the processor and data from the pulse classification memory And a counter 23 for designating the pulse order for each cluster of the pulse classification memory.
【００２０】次に、上記の実施例に係る分析装置の動作
について、図１０を参照しつつ説明する。この動作は、
受信された各パルスのパラメータ値のデータメモリー１
への読み込み（ステップＳ２００）、パルスの放射源毎
の分類（ステップＳ３００）、分類されたパルスの特徴
による放射源の特性の分析（ステップＳ４００）に大き
く分けることができる。Next, the operation of the analyzer according to the above embodiment will be described with reference to FIG. This behavior is
Data memory 1 for the parameter value of each pulse received
Can be roughly divided into reading (step S200), classifying the pulse for each radiation source (step S300), and analyzing the characteristics of the radiation source by the classified pulse characteristics (step S400).
【００２１】まず、パルス列の分類手順を、図１１，１
２を参照しつつ説明する。First, the pulse train classification procedure is shown in FIGS.
This will be described with reference to 2.
【００２２】受信されたパルスの各パラメータは、アド
レスライン１ａ、データライン１ｂを介して入力パルス
データメモリー１に、各パルス毎に記憶される。プロセ
ッサ８により、各パラメータのうちの処理の対象とする
パラメータがパラメータ指定レジスタ１９に、入力パル
スデータメモリー１のスタートアドレスがパルスアドレ
ス発生回路２０に設定される。入力パルスデータメモリ
ー１から、設定されたアドレスに格納されたパルスのパ
ラメータが出力され、マルチプレクサ１７を介してクラ
スタ生成回路１２および所属クラスタ決定回路１３に入
力される（ステップＳ３０１）。Each parameter of the received pulse is stored for each pulse in the input pulse data memory 1 via the address line 1a and the data line 1b. The processor 8 sets the parameter to be processed among the parameters in the parameter designation register 19 and the start address of the input pulse data memory 1 in the pulse address generation circuit 20. The pulse parameters stored at the set address are output from the input pulse data memory 1 and input to the cluster generation circuit 12 and the belonging cluster determination circuit 13 via the multiplexer 17 (step S301).
【００２３】初期状態においてはクラスタが存在しない
ので、クラスタ生成回路１２は、カウンタ１６（初期値
を“０”とする）が指定するクラスタ番号０に対応する
統計値メモリー１４のアドレスに、入力データを平均値
Ｅ0 として書込む。また、プロセッサ８からの標準偏差
σの初期値を標準偏差σ0として書込み、所属パルス数
に１を書込む（ステップＳ３０２）。Since there is no cluster in the initial state, the cluster generation circuit 12 inputs the input data to the address of the statistical value memory 14 corresponding to the cluster number 0 designated by the counter 16 (the initial value is "0"). Is written as the average value E 0 . Further, the initial value of the standard deviation σ from the processor 8 is written as the standard deviation σ 0 , and 1 is written in the number of belonging pulses (step S302).
【００２４】パルスアドレス分類メモリー１０には、カ
ウンタ１６の出力がマルチプレクサ１８を介して指定す
るクラスタ番号０、カウンタ２３（初期値を“０”とす
る）が指定するパルス順番０、に対応するアドレスに、
パルスアドレス発生回路２０の出力であるパルスアドレ
スを書込み、クラスタ生成を完了する（ステップＳ３０
３）。In the pulse address classification memory 10, the address corresponding to the cluster number 0 designated by the output of the counter 16 via the multiplexer 18 and the pulse order 0 designated by the counter 23 (initial value is "0"). To
The pulse address output from the pulse address generation circuit 20 is written to complete the cluster generation (step S30).
3).
【００２５】次に、プロセッサ８によりパルスアドレス
発生回路２０のアドレスカウンタがインクリメントされ
ると、所属クラスタ決定回路１３には次のパラメータ
（これをｘiとする）が、メモリー１から入力される
（ステップＳ３０４）。所属クラスタ決定回路１３で
は、既に存在するクラスタの統計値を使って、 ｜ｘi−Ｅn｜≦ｋσn …（式１） の条件を満足するか否かを判定する（ステップＳ３０
５）。ここで、Ｅnとσnとはクラスタ番号ｎの平均値と
標準偏差であり、ｋはプロセッサが指定する定数であ
る。Next, when the address counter of the pulse address generation circuit 20 is incremented by the processor 8, the following parameter (this is designated as x i ) is input to the belonging cluster determination circuit 13 from the memory 1 ( Step S304). The belonging cluster determination circuit 13 determines whether or not the condition of | x i −E n | ≦ kσ n (Equation 1) is satisfied by using the statistical value of the existing cluster (step S30).
5). Here, E n and σ n are the average value and standard deviation of the cluster number n, and k is a constant designated by the processor.
【００２６】上記（式１）の条件を満足するクラスタが
存在（マッチング条件が成立）している場合は、統計値
補正回路１５により、関数ＲＯＭを用いて、平均値Ｅと
標準偏差σとを図６に示す（式２）に基づき補正する。When a cluster satisfying the condition of the above (formula 1) exists (matching condition is satisfied), the statistical value correcting circuit 15 uses the function ROM to calculate the average value E and the standard deviation σ. Correction is performed based on (Equation 2) shown in FIG.
【００２７】ここでＥrとσrは補正された平均値と標準
偏差であり、ｈはクラスタに属するパルス数である。こ
のように補正されたＥr，σr及びインクリメントされた
所属パルス数ｈ＋１は、統計値メモリー１４に書込まれ
る（ステップＳ３０６）。Here, E r and σ r are the corrected mean value and standard deviation, and h is the number of pulses belonging to the cluster. The thus corrected E r , σ r and the incremented belonging pulse number h + 1 are written in the statistical value memory 14 (step S306).
【００２８】所属パルス数はカウンタ２３にもロードさ
れ、メモリー１０上のカウンタ１６が指定する所属クラ
スタの、カウンタ２３が指定するパルス順番の位置に、
パルスアドレス発生回路２０の出力であるパルスアドレ
スを書込む（ステップＳ３０８）。The number of belonging pulses is also loaded into the counter 23, and the position of the pulse order designated by the counter 23 in the belonging cluster designated by the counter 16 on the memory 10 is stored.
The pulse address output from the pulse address generation circuit 20 is written (step S308).
【００２９】上記（式１）の条件を満足するクラスタが
存在しない（マッチング条件が不成立）場合は、最初の
シーケンスと同様に新たにクラスタを生成する（ステッ
プＳ３０７）。When there is no cluster satisfying the condition of (Equation 1) (the matching condition is not satisfied), a new cluster is generated as in the first sequence (step S307).
【００３０】これらのシーケンスを全パルスについて繰
り返すことによって（ステップＳ３０９）、パラメータ
の値が似たもの同士を集めたクラスタを生成し、クラス
タ別に分類されたパルスのアドレスをパルス分類メモリ
ーにクラスタ別に作成することが出来る。このようにし
て、パルス列を放射源毎に分類することができる。By repeating these sequences for all the pulses (step S309), a cluster in which parameters having similar parameter values are collected is generated, and pulse addresses classified by cluster are created in the pulse classification memory for each cluster. You can do it. In this way, the pulse train can be classified by radiation source.
【００３１】上記（式１）の条件を満足するクラスタが
複数存在している場合は、入力パルスのパラメータＰｉ
がどのクラスタにもっとも近いかを計算するための距離
計算アルゴリズムを定義しておき、このアルゴリズムに
より、最適なクラスタを一つだけ選ぶ。このアルゴリズ
ムによる計算結果も等しい場合には、たとえば、ｎの大
きい方を選ぶというように決めておく。When there are a plurality of clusters satisfying the condition of the above (formula 1), the input pulse parameter Pi
A distance calculation algorithm for calculating which cluster is closest to is defined, and this algorithm selects only one optimal cluster. If the results of calculation by this algorithm are also the same, for example, the one with the larger n is selected.
【００３２】以下、この距離計算の実施例について説明
する。An embodiment of this distance calculation will be described below.
【００３３】入力パルスのパラメータＰｉ（ｘi，ｙi)
と各クラスタＣnとの近さの尺度として、距離ｄinを図７
（ａ）に示す（式３）で定義する。Input pulse parameters Pi (x i , y i ).
The distance d in is shown in FIG.
It is defined by (Expression 3) shown in (a).
【００３４】このアルゴリズムの計算方法は、高速処理
及びハードウェアによる実現を意図して、（式３）の各
項は関数ＲＯＭを使って計算する。関数ＲＯＭの容量を
減らすため、Ｗxn（クラスタｎのｘ方向の許容値）,Δ
x，Ｗyn（クラスタｎのｙ方向の許容値），Δyをそれぞ
れ７bitに制限したＷxn′,Δx′，Ｗyn′，Δy′を使用
する。マッチング条件が成立している（パラメータＰｉ
（ｘi，ｙi)が、クラスタｎに属している）場合には、
Δx≦Ｗxn，Δy≦Ｗynとなっているので、各項の大きさ
は０〜１の範囲にある。ハードウェアで取扱う場合、８
bit（０〜２５５)で表現するため各項を２５４倍し、図
７（ｂ）に示す（式４）とし、この式で表わされるＤin
の値が小さいほど入力パラメータＰi がクラスタＣn に
近いと判断する。ここで、Ｄinは、０〜５０８（９bit)
の大きさの範囲をとる。In the calculation method of this algorithm, each term in (Equation 3) is calculated using a function ROM, with the intention of realizing high-speed processing and hardware. To reduce the capacity of the function ROM, Wxn (allowable value in the x direction of cluster n), Δ
Wxn ', Δx', Wyn ', and Δy' are used in which x, Wyn (the allowable value in the y direction of the cluster n) and Δy are limited to 7 bits, respectively. Matching conditions are met (parameter Pi
If (x i , y i ) belongs to cluster n), then
Since Δx ≦ Wxn and Δy ≦ Wyn, the magnitude of each term is in the range of 0 to 1. 8 if handled by hardware
Since each term is expressed by bits (0 to 255), each term is multiplied by 254 to obtain (Expression 4) shown in FIG. 7B, and Din expressed by this expression
The smaller the value of, the closer the input parameter Pi is to the cluster Cn. Here, Din is 0 to 508 (9 bits)
Range of magnitude.
【００３５】上記のように距離を計算する回路の一例
を、図８に示す。An example of the circuit for calculating the distance as described above is shown in FIG.
【００３６】図８のバレルシフタ１００，１０１，１１
０，１１１においてビット数を削減する方法について、
図９を参照しつつ説明する。The barrel shifters 100, 101, 11 shown in FIG.
Regarding the method to reduce the number of bits in 0,111,
This will be described with reference to FIG.
【００３７】（１) Ｗxn，Ｗyn（１２bit)を Ｗxn′,
Ｗyn′（７bit)に削減する方法（図９（ａ）） Ｗxnのbit７〜bit１１が０の場合はbit０〜bit６をその
まま出力する。もしＷxnのbit７〜bit１１に１が存在す
る場合は、ＭＳＢ側（最上位)の１がＷxn′のbit６の位
置にくるように右シフトして出力する。(1) Wxn, Wyn (12 bits) is changed to Wxn ',
Method of reducing to Wyn '(7 bits) (Fig. 9 (a)) When bits 7 to 11 of Wxn are 0, bits 0 to 6 are output as they are. If 1 exists in bit7 to bit11 of Wxn, 1 is shifted to the right so that 1 on the MSB side (the most significant bit) comes to the position of bit6 of Wxn '.
【００３８】（２) Δｘ，Δｙ（１２bit)をΔｘ′，Δ
ｙ′（７bit)に削減する方法（図９（ｂ）） （１) 項で決定したシフト量をΔｘ（Δｙ)にも適用
し、同様に右シフトして７bit に削減する。(2) Δx, Δy (12 bits) are converted to Δx ', Δ
Method of reducing to y '(7 bits) (Fig. 9 (b)) The shift amount determined in the item (1) is also applied to Δx (Δy) and similarly right shifted to reduce to 7 bits.
【００３９】次に、上記のように分類されたパルス列を
分析するための手順について説明する。Next, a procedure for analyzing the pulse train classified as described above will be described.
【００４０】この分析は、生成された１つのクラスタ
（単一放射源のパルスの集合）のパルス列のパラメータ
を使って、パルス列を分析するためのクラスタを作成す
ることにより行なう。以下の実施例では入力パルスのパ
ルス到来時刻（ＴＯＡ）の時間差、すなわちパルスの繰
り返し間隔（ＰＲＩ）を使用したパルス列の分析方法に
ついて、図１３，図１４に示すフローチャートを参照し
つつ説明する。周波数の変化（ΔＦ）、パルス幅の変化
（ΔＰＷ）等を使った場合も同様に適用することが出来
る。This analysis is performed by using the parameters of the pulse train of one generated cluster (a set of pulses of a single radiation source) to create a cluster for analyzing the pulse train. In the following embodiments, a method of analyzing a pulse train using a time difference between pulse arrival times (TOA) of input pulses, that is, a pulse repetition interval (PRI) will be described with reference to the flowcharts shown in FIGS. 13 and 14. The same can be applied to the case of using the frequency change (ΔF), the pulse width change (ΔPW), and the like.
【００４１】プロセッサ８により、パラメータ指定レジ
スタ１９にＴＯＡパラメータを、レジスタ２２に分析対
象クラスタを指定し、カウンタ２３をクリアー（“０”
を設定）する。次に、プロセッサ８は、パルス分類メモ
リー１０から分析対象のクラスタの最初のパルスアドレ
スを読み出し、マルチプレクサ２１を介してパルスアド
レス発生回路２０にロードする（図１３のステップＳ４
０１）。The processor 8 specifies the TOA parameter in the parameter specification register 19, the analysis target cluster in the register 22, and clears the counter 23 ("0").
Set). Next, the processor 8 reads the first pulse address of the cluster to be analyzed from the pulse classification memory 10 and loads it into the pulse address generation circuit 20 via the multiplexer 21 (step S4 in FIG. 13).
01).
【００４２】入力パルスデータメモリー１中の、パルス
アドレス発生回路２０により指定されたアドレスの、レ
ジスタ１９により指定されたパラメータの値が読み出さ
れ（読み出される最初の値をｔ0とする）、変化量計算
回路１１に入力されて内部のレジスタに値ｔ0が保持さ
れる（ステップＳ４０２）。次に、プロセッサ８は、カ
ウンタ２３をインクリメントし、次のパルスアドレスを
読み出してパルスアドレス発生回路２０にロードする
（ステップＳ４０３）。入力パルスデータメモリー１か
らは、次のパルスのＴＯＡデータｔ1が読み出され（ス
テップＳ４０４）、変化計算回路１１でｔ1−ｔ0の計算
を行ない、結果をマルチプレクサ１７を介してクラスタ
生成回路１２に入力する（ステップＳ４０５）。初期状
態ではクラスタが存在しないので、クラスタ生成回路は
カウンタ１６が指定するクラスタ番号０に対応する統計
値メモリー１４に、入力データｔ1−ｔ0を平均値Ｅ0と
して書込む。また、プロセッサ８からの標準偏差σの初
期値を標準偏差σ0、所属パルス数を１として書込み、
サブクラスタ生成を完了する（ステップＳ４０６）。The value of the parameter specified by the register 19 at the address specified by the pulse address generation circuit 20 in the input pulse data memory 1 is read (the first value read is t 0 ), and changes. The value t 0 is input to the quantity calculation circuit 11 and held in the internal register (step S402). Next, the processor 8 increments the counter 23, reads the next pulse address, and loads it into the pulse address generation circuit 20 (step S403). The TOA data t 1 of the next pulse is read from the input pulse data memory 1 (step S404), the change calculation circuit 11 calculates t 1 −t 0 , and the result is passed through the multiplexer 17 to the cluster generation circuit. 12 is input (step S405). Since there are no clusters in the initial state, the cluster generation circuit writes the input data t 1 -t 0 as the average value E 0 in the statistical value memory 14 corresponding to the cluster number 0 designated by the counter 16. In addition, the initial value of the standard deviation σ from the processor 8 is written with the standard deviation σ 0 and the number of belonging pulses being 1,
The sub-cluster generation is completed (step S406).
【００４３】次にプロセッサ８は、カウンタ２３をイン
クリメントし、次のパルスアドレスをパルス分類メモリ
ーから読み出してパルスアドレス発生回路２０にロード
する（ステップＳ４０７）。入力パルスデータメモリー
１からは、パルスアドレス発生回路２０にロードされた
アドレスに格納された次のパルスのＴＯＡデータｔ2が
読み出され（ステップＳ４０８）、変化量計算回路１１
でｔ2−ｔ1の計算が行なわれて、この計算結果ｘiをマ
ルチプレクサ１７を介して所属クラスタ決定回路１３に
入力する（ステップＳ４０９）。Next, the processor 8 increments the counter 23, reads the next pulse address from the pulse classification memory, and loads it into the pulse address generation circuit 20 (step S407). The TOA data t 2 of the next pulse stored at the address loaded in the pulse address generation circuit 20 is read from the input pulse data memory 1 (step S408), and the change amount calculation circuit 11
In taking place it is calculated t 2 -t 1, and inputs the calculation result x i in cluster membership determination circuit 13 via the multiplexer 17 (step S409).
【００４４】所属クラスタ決定回路では、既に存在する
サブクラスタの統計値を使って、前記（式１）の条件を
満足するか否かを判定する（ステップＳ４１０）。条件
を満足する場合には、所属するサブクラスタの統計値を
補正して格納する（ステップＳ４１１）。条件を満足し
ない場合には、新たなサブクラスタを生成し、このサブ
クラスタの統計値を格納する（ステップＳ４１２）。ク
ラスタ内の全パルスに対してステップＳ４０７からステ
ップＳ４１１、または、ステップＳ４０７からステップ
Ｓ４１２の処理を行なう（ステップＳ４１３）。（式
１）は、パルス列分類手順で説明したものと同じであ
り、統計値補正回路１５による補正方法も同一である。
パルス列分析手順において分類手順と異なる部分は、 （ａ）パルスアドレスの発生は、パルスアドレス分類メ
モリー１０から読み出したパルスアドレスにより行な
う。 （ｂ）パルスアドレス分類メモリー１０へのデータ書込
みは行なわない。 （ｃ）変化量計算回路１１からの差分データを、クラス
タ生成回路１２と所属クラスタ決定回路１３に入力す
る。 以上の３点である。他の処理手順は、パルス列分類手順
と同じ方法によってパルス列を分析するためのサブクラ
スタを作成する。The belonging cluster determination circuit determines whether or not the condition of the above (formula 1) is satisfied by using the statistical value of the existing sub-cluster (step S410). If the condition is satisfied, the statistical value of the sub-cluster to which it belongs is corrected and stored (step S411). If the condition is not satisfied, a new sub-cluster is generated and the statistical value of this sub-cluster is stored (step S412). The processes of steps S407 to S411 or steps S407 to S412 are performed on all the pulses in the cluster (step S413). (Formula 1) is the same as that described in the pulse train classification procedure, and the correction method by the statistical value correction circuit 15 is also the same.
The difference between the pulse train analysis procedure and the classification procedure is as follows: (a) The pulse address is generated by the pulse address read from the pulse address classification memory 10. (B) No data is written to the pulse address classification memory 10. (C) The difference data from the change amount calculation circuit 11 is input to the cluster generation circuit 12 and the belonging cluster determination circuit 13. These are the above three points. Another procedure creates subclusters for analyzing pulse trains in the same way as the pulse train classification procedure.
【００４５】次に作成されたサブクラスタの統計値を使
ってパルス列を分析する方法を図４を使って説明する。Next, a method of analyzing a pulse train using the statistical values of the created sub-clusters will be described with reference to FIG.
【００４６】分析する対象となるクラスタのパルス列
が、図４（ａ）で示すような各々２μＳ，３μＳ，４μ
Ｓ，５μＳのパルス繰り返し間隔を持つ、バーストスタ
ガの繰り返しパターンである場合には、平均値として例
えばＥ0＝２．０１μＳ，Ｅ1＝３．０３μＳ，Ｅ2＝
３．９２μＳ，Ｅ3＝５．０４μＳ、標準偏差としては
例えばσ0＝０．１１μＳ，σ1＝０．０９μＳ，σ2＝
０．１３μＳ，σ3＝０．１２μＳの様な比較的小さな
値を持ち、所属パルス数は例えばｈ0＝５１，ｈ1＝４
０，ｈ2＝２８，ｈ3＝２１の様な比較的大きな値を持っ
たクラスタが４個生成される。ノイズやパルス抜けによ
って生じたクラスタは、所属パルス数の値が小さいの
で、所属パルス数の値が小さいクラスタをノイズとして
削除する。残ったクラスタの統計値を分析することによ
ってパルス列が２．０１μＳ，３．０３μＳ，３．９２
μＳ，５．０４μＳのパルスの繰り返し間隔を持つ４ポ
ジションバーストスタガであることを知ることができ
る。The pulse trains of the clusters to be analyzed are 2 μS, 3 μS, and 4 μ, respectively, as shown in FIG.
In the case of a burst stagger repeating pattern having a pulse repeating interval of S, 5 μS, for example, E 0 = 2.01 μS, E 1 = 3.03 μS, E 2 = as average values.
3.92 μS, E 3 = 5.04 μS, and standard deviations are, for example, σ 0 = 0.11 μS, σ 1 = 0.09 μS, σ 2 =
It has a relatively small value such as 0.13 μS and σ 3 = 0.12 μS, and the number of belonging pulses is, for example, h 0 = 51, h 1 = 4.
Four clusters having relatively large values such as 0, h 2 = 28, h 3 = 21 are generated. A cluster generated by noise or missing pulses has a small value of the number of belonging pulses, so a cluster having a small value of the number of belonging pulses is deleted as noise. By analyzing the statistical values of the remaining clusters, the pulse train shows 2.01 μS, 3.03 μS, 3.92.
It can be known that this is a 4-position burst stagger having a pulse repetition interval of μS and 5.04 μS.
【００４７】次に、本発明に係るパルス列分析装置の第
２の実施例を図３に示す。Next, FIG. 3 shows a second embodiment of the pulse train analyzer according to the present invention.
【００４８】このパルス列分析装置は、第１実施例で説
明した入力パルスデータメモリー１、変化量計算回路１
１、クラスタ生成回路１２、所属クラスタ決定回路１
３、統計値メモリー１４、統計値補正回路１５、マルチ
プレクサ１７、パラメータ指定レジスタ１９をそれぞれ
２組ずつ用意することによって、２つの異なるパラメー
タ又はパラメータの変化量について並列に処理を行な
う。This pulse train analysis apparatus is provided with the input pulse data memory 1 and the variation calculation circuit 1 described in the first embodiment.
1, cluster generation circuit 12, belonging cluster determination circuit 1
3, two sets of the statistic value memory 14, the statistic value correction circuit 15, the multiplexer 17, and the parameter designation register 19 are prepared, so that two different parameters or the variation of the parameters are processed in parallel.
【００４９】この場合、所属クラスタの判定条件は、入
力パラメータをｘi，ｙi各クラスタの平均値をＥxn，Ｅ
yn、標準偏差をσxn，σyn、プロセッサ８より指定する
定数をｋx，ｋyとしたとき、下記のように、 ｜ｘi−Ｅxn｜≦ｋx・σxn …（式５） ｜ｙi−Ｅyn｜≦ｋy・σyn …（式６） として、（式５），（式６）の条件式を同時に満足した
場合に、そのクラスタに所属するものと判定する。他の
処理は、第１実施例と同じ方法で動作させることによっ
て、２つのパラメータｘ，ｙについて２次元平面上での
統計的クラスタリング処理によってパルス列を分析する
ものである。In this case, the determination condition of the belonging cluster is that the input parameters are x i and y i , the average value of each cluster is E xn , E.
yn, the standard deviation sigma xn, sigma yn, when a constant that specifies by the processor 8 and k x, and k y, as follows, | x i -E xn | ≦ k x · σ xn ... ( Equation 5) | y i -E yn | ≦ k y · σ yn ... as (equation 6), (5), when at the same time satisfying the expression (6), determines that belong to the cluster. The other processing is to operate the same method as in the first embodiment to analyze the pulse train by the statistical clustering processing on the two-dimensional plane for the two parameters x and y.
【００５０】次に、作成された２次元クラスタの統計値
を使ってパルス列を分析する方法を図５を使って説明す
る。Next, a method of analyzing a pulse train using the statistical values of the created two-dimensional cluster will be described with reference to FIG.
【００５１】パルス列を分析する対象となるクラスタの
パルス列が図５（ａ）で示すようにパルス間隔が鋸歯状
に、４μＳ，５μＳ，６μＳ，７μＳ，８μＳ，４μ
Ｓ，５μＳ，…と変調されているパルス列であったとす
る。As shown in FIG. 5A, the pulse train of the cluster to be analyzed has a sawtooth-like pulse interval of 4 μS, 5 μS, 6 μS, 7 μS, 8 μS, 4 μ.
It is assumed that the pulse train is modulated with S, 5 μS, ...
【００５２】２つのパラメータとして、パルス間隔を
ｘ、パルス間隔の変化量をｙとしてクラスタリング処理
を行なうと、図５（ｂ）で示すようなクラスタが作成さ
れる。When the pulse interval is x and the variation of the pulse interval is y as the two parameters, the clustering process is performed, and a cluster as shown in FIG. 5B is created.
【００５３】ｙ方向の平均値が約１μＳの位置に平行し
てクラスタが存在しているので、パルス間隔が鋸歯状に
変調されているパルス列であることを知ることができ
る。Since the clusters exist in parallel with the position where the average value in the y direction is about 1 μS, it can be known that the pulse train has a sawtooth-shaped pulse interval.
【００５４】第５図（ｃ)は、同じパルス列でパルス幅
（Ｐｗ)が５ステップの繰返しパターン（１μＳ、２μ
Ｓ、１．５μＳ、０．５μＳ、１μＳ)でパルス毎に変
化している場合に、パルス間隔をｘ、パルス幅の変化量
をｙとしてクラスタリング処理した場合のクラスタの一
例である。各クラスタの統計値を調べることによってパ
ルス幅が５ステップの繰返しパターンで変調されている
ことを知ることができる。FIG. 5C shows a repetitive pattern (1 μS, 2 μ) in which the same pulse train has a pulse width (Pw) of 5 steps.
S, 1.5 μS, 0.5 μS, 1 μS) for each pulse, an example of a cluster when the pulse interval is x and the variation amount of the pulse width is y and the clustering process is performed. By examining the statistics of each cluster, it can be seen that the pulse width is modulated in a repeating pattern of 5 steps.
【００５５】[0055]
【発明の効果】以上説明してきたように、本発明によれ
ば、以下に列挙する効果が得られる。As described above, according to the present invention, the effects listed below can be obtained.
【００５６】複数のパルス放射源から到来する混在した
状態のパルス列の中から放射源別にパルス列を分類し、
次に分類された単一放射源のパルス列をパラメータやそ
の変化量を使ってクラスタリング処理を行なうことによ
り、パルス列を分析するための特徴をクラスタの分布状
態によって表わすことが出来るので、各クラスタの統計
値を調べることによりパルス列のパラメータ変化モー
ド、変調タイプ等を効率よく高精度に分析することがで
きる。The pulse train is classified according to the radiation source from among the pulse trains in a mixed state coming from a plurality of pulse radiation sources,
Next, by performing clustering processing on the classified pulse trains of a single radiation source using the parameters and their variations, the characteristics for analyzing the pulse trains can be expressed by the distribution state of the clusters. By examining the values, it is possible to analyze the parameter change mode of the pulse train, the modulation type, etc. efficiently and highly accurately.
【図１】従来のパルス列分析装置のブロック図。FIG. 1 is a block diagram of a conventional pulse train analyzer.
【図２】本発明の１実施例に係るパルス列分析装置のブ
ロック図。FIG. 2 is a block diagram of a pulse train analyzer according to one embodiment of the present invention.
【図３】本発明の他の実施例に係るパルス列分析装置の
ブロック図。FIG. 3 is a block diagram of a pulse train analyzer according to another embodiment of the present invention.
【図４】クラスタ分けの１例を示す図。FIG. 4 is a diagram showing an example of cluster division.
【図５】クラスタ分けの他の例を示す図。FIG. 5 is a diagram showing another example of cluster division.
【図６】（式２）を示す図。FIG. 6 is a diagram showing (Equation 2).
【図７】（式３），（式４）を示す図。FIG. 7 is a diagram showing (Equation 3) and (Equation 4).
【図８】距離計算回路の１例を示す図。FIG. 8 is a diagram showing an example of a distance calculation circuit.
【図９】距離計算回路においてビット数を削減する方法
を示す図。FIG. 9 is a diagram showing a method of reducing the number of bits in a distance calculation circuit.
【図１０】本発明に係るパルス列分析装置の動作を示す
フローチャートの図。FIG. 10 is a flowchart showing the operation of the pulse train analyzer according to the present invention.
【図１１】本発明に係るパルス列分析装置の分類動作を
示すフローチャートの図。FIG. 11 is a flowchart showing a classification operation of the pulse train analyzer according to the present invention.
【図１２】本発明に係るパルス列分析装置の分類動作を
示すフローチャートの図。FIG. 12 is a flowchart showing a classification operation of the pulse train analyzer according to the present invention.
【図１３】本発明に係るパルス列分析装置の分析動作を
示すフローチャートの図。FIG. 13 is a flowchart showing an analysis operation of the pulse train analysis device according to the present invention.
【図１４】本発明に係るパルス列分析装置の分析動作を
示すフローチャートの図。FIG. 14 is a flowchart showing the analysis operation of the pulse train analyzer according to the present invention.
１…入力パルスデータメモリー、８…プロセッサ、１０
…パルスアドレス分類メモリー、１１…変化量計算回
路、１２…クラスタ生成回路、１３…所属クラスタ決定
回路、１４…統計値メモリー、１５…統計値補正回路、
１６…カウンタ、１７，１８，２１…マルチプレクサ、
１９…パラメータ指定レジスタ、２０…パルスアドレス
発生回路、２２…レジスタ、２３…カウンタ、３０…ク
ラスタ分け回路。1 ... Input pulse data memory, 8 ... Processor, 10
... pulse address classification memory, 11 ... change amount calculation circuit, 12 ... cluster generation circuit, 13 ... belonging cluster determination circuit, 14 ... statistical value memory, 15 ... statistical value correction circuit,
16 ... Counter, 17, 18, 21 ... Multiplexer,
19 ... Parameter designation register, 20 ... Pulse address generation circuit, 22 ... Register, 23 ... Counter, 30 ... Cluster division circuit.
Claims (4)
受信し、受信されたパルス信号の属性を検出し、検出さ
れた属性を示す属性値を属性値記憶手段に記憶し、この
属性値に基づき前記パルスを放射源毎に分類して分類記
憶手段に格納し、この分類記憶手段に放射源毎に分類さ
れたパルスの特徴を分析して、前記放射源の種類を特定
するパルス列分析装置において、パルスの特徴の分析に
際して、 前記分類記憶手段に格納された前記属性値記憶手段のア
ドレスから、このアドレスに格納された属性値を読み出
すための読みだし手段と、 読みだされた少なくとも２つのパルス間での属性値の変
化量を計算する計算手段と、 読みだされたパルスの属性値、または、計算された属性
値の変化量に基づき、予め定められた条件により、パル
スをクラスタ分けするためのクラスタ分け手段と、 前記クラスタの統計的な値を記憶するための統計値記憶
手段と、 を備えることを特徴とするパルス列分析装置。1. A pulse signal generated from a plurality of radiation sources is received, an attribute of the received pulse signal is detected, an attribute value indicating the detected attribute is stored in an attribute value storage means, and the attribute value is stored. Based on the above, the pulse is classified for each radiation source and stored in the classification storage means, and the characteristics of the pulse classified for each radiation source in the classification storage means are analyzed to specify the type of the radiation source. In analyzing the characteristics of the pulse, read means for reading the attribute value stored at this address from the address of the attribute value storage means stored in the classification storage means, and at least two read-out means. The calculation means for calculating the amount of change in the attribute value between the pulses and the pulse attribute value read out or the amount of change in the calculated attribute value is used to generate the pulse under a predetermined condition. And cluster division means for static classification, the pulse train analysis apparatus characterized by comprising a statistical value storing means for storing statistical value of said cluster.
は、 前記パルスの属性値、および、計算された属性値の変化
量のうち少なくとも一方に基づいてクラスタを生成する
ためのクラスタ生成手段と、 前記パルスの属性値、および、計算された属性値の変化
量に基づき、予め定められた条件により、生成されたク
ラスタに属するか否かを決定する所属クラスタ決定手段
と、 を備え、 前記所属クラスタ決定手段により属するクラスタが無い
と判定された場合に、前記クラスタ生成手段によりクラ
スタを生成することを特徴とするパルス列分析装置。2. The cluster dividing means according to claim 1, wherein the cluster generating means generates a cluster based on at least one of the attribute value of the pulse and the calculated change amount of the attribute value, An attribute value of the pulse, and based on the change amount of the calculated attribute value, according to a predetermined condition, belonging cluster determination means for determining whether or not to belong to the generated cluster, A pulse train analyzer, wherein the cluster generation unit generates a cluster when the determination unit determines that there is no cluster to which the cluster belongs.
手段により属するクラスタが有ると判定された場合に、
このパルスの属性値、または、属性値の変化量を加味し
て、前記統計値記憶手段に記憶された統計的な値を補正
する補正手段をさらに備えることを特徴とするパルス列
分析装置。3. The method according to claim 2, wherein when the belonging cluster determining means determines that there is a belonging cluster,
The pulse train analysis apparatus further comprising a correction unit that corrects the statistical value stored in the statistical value storage unit in consideration of the attribute value of the pulse or the amount of change in the attribute value.
要素の属性を検出し、検出された属性を示す属性値を属
性値記憶手段に記憶し、この属性値に基づき前記要素を
母集団毎に分類して分類記憶手段に格納し、この分類記
憶手段に母集団毎に分類された要素の特徴を分析して、
前記母集団の種類を特定する分析装置において、要素の
特徴の分析に際して、 前記分類記憶手段に格納された前記属性値記憶手段のア
ドレスから、このアドレスに格納された属性値を読み出
すための読みだし手段と、 読みだされた少なくとも２つの要素間での属性値の変化
量を計算する計算手段と、 読みだされた要素の属性値、または、計算された属性値
の変化量に基づき、予め定められた条件により、要素を
クラスタ分けするためのクラスタ分け手段と、 前記クラスタの統計的な値を記憶するための統計値記憶
手段と、 を備えることを特徴とする分析装置。4. An element of a plurality of populations is input, an attribute of the input element is detected, an attribute value indicating the detected attribute is stored in an attribute value storage means, and the element is stored based on the attribute value. The population is classified for each population and stored in the classification storage means, and the characteristics of the elements classified for each population in the classification storage means are analyzed,
In the analysis device for identifying the type of the population, when analyzing the characteristics of the elements, the reading for reading the attribute value stored at this address from the address of the attribute value storage means stored in the classification storage means Means, a calculation means for calculating the amount of change in the attribute value read between at least two elements, and a predetermined value based on the attribute value of the read element or the calculated amount of change in the attribute value. An analysis apparatus comprising: a clustering unit for clustering elements according to the given conditions; and a statistical value storage unit for storing a statistical value of the cluster.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4305522A JPH06160532A (en) | 1992-11-16 | 1992-11-16 | Pulse train analyzer |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4305522A JPH06160532A (en) | 1992-11-16 | 1992-11-16 | Pulse train analyzer |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06160532A true JPH06160532A (en) | 1994-06-07 |
Family
ID=17946164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4305522A Pending JPH06160532A (en) | 1992-11-16 | 1992-11-16 | Pulse train analyzer |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06160532A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004271383A (en) * | 2003-03-10 | 2004-09-30 | Toshiba Corp | Signal analyzer, and analytical method for signal |
| KR100749384B1 (en) * | 2005-10-17 | 2007-08-14 | 주식회사 페이저웨이브 | Detector for finding wireless communication apparatus by info-communication technology |
| JP2014216657A (en) * | 2013-04-22 | 2014-11-17 | 三菱電機ビルテクノサービス株式会社 | Monitoring device and program |
| CN115509167A (en) * | 2022-11-17 | 2022-12-23 | 安徽省国盛量子科技有限公司 | Parameter configuration method of pulse sequence, signal control and acquisition method and equipment |
-
1992
- 1992-11-16 JP JP4305522A patent/JPH06160532A/en active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004271383A (en) * | 2003-03-10 | 2004-09-30 | Toshiba Corp | Signal analyzer, and analytical method for signal |
| KR100749384B1 (en) * | 2005-10-17 | 2007-08-14 | 주식회사 페이저웨이브 | Detector for finding wireless communication apparatus by info-communication technology |
| JP2014216657A (en) * | 2013-04-22 | 2014-11-17 | 三菱電機ビルテクノサービス株式会社 | Monitoring device and program |
| CN115509167A (en) * | 2022-11-17 | 2022-12-23 | 安徽省国盛量子科技有限公司 | Parameter configuration method of pulse sequence, signal control and acquisition method and equipment |
| CN115509167B (en) * | 2022-11-17 | 2023-01-20 | 安徽省国盛量子科技有限公司 | Parameter configuration method of pulse sequence, signal control and acquisition method and equipment |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111444790B (en) | Pulse-level intelligent identification method for multifunctional radar working mode sequence | |
| US5293044A (en) | Method for rapid localization of a scintillation event in a gamma camera using a maximum likelihood estimator | |
| US6847924B1 (en) | Method and system for aggregating data distribution models | |
| CN102770856B (en) | The territory measured for precision waveform identifies and separates | |
| CN107819453B (en) | System and method for parallelizing and pipelining tunable blind source separation filters | |
| CN110598738B (en) | Distributed clustering method based on spatial information | |
| CN101190135A (en) | Method for optimizing ultrasonic image gray level in ultrasonic imaging system | |
| CN112507991B (en) | Method and system for setting gate of flow cytometer data, storage medium and electronic equipment | |
| Chen | A kernel estimate for the density of a biological population by using line transect sampling | |
| CN110751121A (en) | Unsupervised radar signal sorting method based on clustering and SOFM | |
| Smith | Cluster ensemble Kalman filter | |
| JP2642297B2 (en) | Three-dimensional maximum posterior density tracking method and apparatus | |
| CN115343676A (en) | Feature optimization method for technology for positioning excess inside sealed electronic equipment | |
| JPH06160532A (en) | Pulse train analyzer | |
| US10628442B1 (en) | Histograms based on varying data distribution | |
| US20080143571A1 (en) | Sounding transformation and recognition | |
| CN111654264A (en) | Method and system for generating signal pulse sequence by signal data simulator | |
| JP2886298B2 (en) | Pulse train classification device | |
| CN113380363B (en) | Medical data quality evaluation method and system based on artificial intelligence | |
| JP2001201562A (en) | Radio detector | |
| US5327792A (en) | Method of displaying multi-dimensional distribution of particles | |
| Dulá | Geometry of optimal value functions with applications to redundancy in linear programming | |
| US5737249A (en) | Active sonar range-beam partitioner | |
| CN116176579B (en) | Automatic driving following distance measuring and calculating device and method | |
| CN118311534B (en) | Method and system for sorting ragged radar signals based on machine vision detection technology |