专利汇可以提供System parameter using discrete wavelet conversion专利检索,专利查询,专利分析的服务。并且PROBLEM TO BE SOLVED: To easily perform the approximate identification of a system parameter with high accuracy by transforming an (n×m)-order approximate system vector into an n-row/m-column approximate system matrix. SOLUTION: An n-row/m-column system matrix C of a system equation I is deformed into an (n×m)-order system vector C' of an equation II. The discrete wavelet conversion is applied to an n-row/m-column input information matrix Y' to obtain an n-row/m-column wavelet spectrum matrix and a p-row/p- column wavelet spectrum square matrix which approximates the matrix Y'. Then an inverse matrix is calculated and a zero element is added to the matrix number to obtain an (n×m-row/n-column) wavelet spectrum inverse matrix. The discrete wavelet spectrum inverse conversion is applied to obtain an (n×m- row/m-column) approximate inverse matrix Y' of the matrix Y'. Then an n-order output information vector X is multiplied by the matrix Y' to calculate an (n×m)-order approximate system vector C'approx . The vector C'approx is deformed into an n-row/m-column approximate system matrix Capprox and outputted.,下面是System parameter using discrete wavelet conversion专利的具体信息内容。
【0001】
【発明の属する技術分野】この発明は、離散ウェーブレット変換を用いたシステムパラメータ同定方式に関するものである。
【0002】
【従来の技術とその課題】システムパラメータ同定とは、同定対象のシステムに加えられた既知の入力情報と、そのシステムの既知入力情報に対する結果として測定された出力情報とを利用してシステムの構造や次数などのパラメータを同定することである。 このようなシステムパラメータ同定は、ニューラルネットワーク、電流−磁界空間解析、電気回路設計、Computed Tomography
など、様々な技術分野において行われている。
【0003】たとえばニューラルネットワークにおいては、ニューラルネットワークに入力された入力情報パターンと得られた出力情報パターンとから、ネットワークの結合形態を決定する、つまりシステム(=ニューラルネットワーク)のパラメータ(=結合形態)の同定を行う。 電流−磁界空間解析では、たとえば、システムとしてのある電流−磁界空間において存在する電流の分布およびその電流により発生されている磁界の分布がそれぞれ、その電流−磁界空間の入力情報および出力情報として測定されており、これら既知電流入力方法と既知磁界出力情報とから電流−磁界空間システムの磁性体や透磁率の分布を、システムパラメータとして同定する。
【0004】また、電気回路において、回路に入力された既知の入力信号に対する出力信号が、所望の出力値範囲となるように、そのフィルターなどの値を決定して回路設計することも、システムパラメータ同定の一例である。 Computed Tomography では、人体をシステムとして見做し、その人体に、入力情報であるX線を入射角度を少しずつ変えながら照射させて、人体の各部分を通過したX線を測定し、照射X線と出力X線間の吸収係数を計算して、人体の断層映像を得ている。 すなわち、既知入力情報(=照射X線)と、システム(=人体)の既知入力情報(=入力X線)に対する結果として測定された出力情報(出力X線)とから、システム(=人体)のパラメータ(=吸収係数)を同定している。
【0005】このように、システムパラメータ同定は様々な技術分野において行われているため、従来より、より容易に、且つ精度良くシステムパラメータの同定を行うことのできる技術の開発が望まれていた。 そこで、この発明は、以上の通りの事情に鑑みてなされたものであり、容易、且つ高精度で、システムパラメータの近似的な同定を行うことのできる、新しい離散ウェーブレット変換を用いたシステムパラメータ同定方式を提供することを目的としている。
【0006】
【課題を解決するための手段】この発明は、上記の課題を解決するものとして、任意のシステムに入力されたm
個の既知入力情報を要素とするm次入力情報ベクトルY
と、前記システムの既知入力情報に対する結果としてのn個の既知出力情報を要素とするn次出力情報ベクトルXと、既知入力情報および既知出力情報の関係を表すn
行m列システム行列Cとにより構成されるシステム方程式
【0007】
【数5】
【0008】において、離散ウェーブレット変換を用いて、m次入力情報ベクトルYおよびn次出力情報ベクトルXからn行m列システム行列Cを近似する近似システム行列C approxを求めることにより、システムのパラメータを近似的に同定する方式であって、前記システム方程式を入力する入力手段と、各種データを記憶する記憶手段と、システム方程式に対する演算を行うシステム方程式演算部、離散ウェーブレット変換・逆変換を行うウェーブレット変換演算部、およびウェーブレットスペクトラム行列に対する演算を行うウェーブレットスペクトラム行列演算部が設けられた演算手段と、データを出力する出力手段とを備え、入力手段により、前記システム方程式のn次出力情報ベクトルX、m次入力情報ベクトルY、およびn行m列システム行列Cをそれぞれ記憶手段に設けられた第1記憶部、第2記憶部、および第3記憶部に格納し、システム方程式演算部により、第2記憶部から読み出したm次入力情報ベクトルYをn行n×m
列入力情報行列Y'に変形して第2記憶部に格納し、また、第3記憶部から読み出したn行m列システム行列C
をn×m次システムベクトルC'に変形して第3記憶部に格納して、前記システム方程式を次式に変形し、
【0009】
【数6】
【0010】ウェーブレット変換演算部により、記憶手段に設けられた第4記憶部に予め記憶されている基底関数を用いた離散ウェーブレット変換を、第2記憶部から読み出した前記変形システム方程式のn行n×m列入力情報行列Y' に施して、n行n×m列のウェーブレットスペクトラム行列を算出し、ウェーブレットスペクトラム行列演算部により、前記n行n×m列ウェーブレットスペクトラム行列からn行n×m列入力情報行列Y' を近似するp行p列ウェーブレットスペクトラム正方行列を取り出して、その逆行列を計算し、さらに、このp行p列ウェーブレットスペクトラム逆行列の行列数に、第2記憶部におけるn行n×m列入力情報行列Y'の行列数を参照して、必要な数のゼロ要素を加えることによりn×m行n列のウェーブレットスペクトラム逆行列を生成し、ウェーブレット変換演算部により、第4記憶部に予め記憶されている基底関数を用いた離散ウエーブレット逆変換を、前記n×m行n列ウェーブレットスペクトラム逆行列に施すことにより、n行n×m列入力情報行列Y'のn×m行n列近似逆行列Y' -1を計算して、記憶手段に設けられた第5記憶部に格納し、システム方程式演算部により、第1記憶部から読み出したn次出力情報ベクトルXに第5記憶部から読み出したn×m行n列近似逆行列Y' -1を掛けることにより、n×m次システムベクトルC'を近似したn×m次近似システムベクトルC' approxを算出し、そして、このn×m次近似システムベクトルC' approxをn行m列の近似システム行列C approxに変形して出力手段から出力することを特徴とする離散ウェーブレット変換を用いたシステムパラメータ同定方式(請求項1)を提供する。
【0011】また、この発明は、上記のシステムパラメータ同定方式において、nが2のべき乗数であり、且つmが2のべき乗数でない場合において、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のn行n×m列入力情報行列Y'を読み出して、このn行n×m列入力情報行列Y'にゼロ要素を加えることによりn×m列数を2のべき乗数とし、また、ウェーブレット変換演算部によりn×m行n列近似逆行列Y' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行n列近似逆行列Y' -1を読み出して、このn×
m行n列近似逆行列Y' -1から、加えたゼロ要素個数分の逆行列要素を削除して、近似逆行列Y' -1の行数n×
mを元の入力情報行列Y'の列数n×mと同じ数とし、
その後に、このn×m行n列近似逆行列Y' -1を第1記憶部から読み出したn次出力情報ベクトルXに掛けること(請求項3)や、nが2のべき乗数でなく、且つmが2のべき乗数である場合において、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のn行n×m列入力情報行列Y'を読み出して、このn行n×m列入力情報行列Y'にゼロ要素を加えることによりn行数およびn×m列数をそれぞれ2のべき乗数とし、また、ウェーブレット変換演算部によりn×m行n列近似逆行列Y' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行n列近似逆行列Y' -1を読み出して、このn×m行n列近似逆行列Y' -1から、加えたゼロ要素個数分の逆行列要素を削除して、近似逆行列Y' -1の行数n×mおよび列数nをそれぞれ元の入力情報行列Y'の列数n×mおよび行数nと同じ数とし、その後に、このn×m行n列近似逆行列Y' -1を第1記憶部から読み出したn次出力情報ベクトルXに掛けること(請求項4)や、nおよびmが2のべき乗数でない場合において、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のn行n×m
列入力情報行列Y'を読み出して、このn行n×m列入力情報行列Y'にゼロ要素を加えることによりn行数およびn×m列数をそれぞれ2のべき乗数とし、また、ウェーブレット変換演算部によりn×m行n列近似逆行列Y' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m
行n列近似逆行列Y' -1を読み出して、このn×m行n
列近似逆行列Y' -1から、加えたゼロ要素個数分の逆行列要素を削除して、近似逆行列Y' -1の行数n×mおよび列数nをそれぞれ元の入力情報行列Y'の列数n×m
および行数nと同じ数とし、その後に、このn×m行n
列近似逆行列Y' -1を第1記憶部から読み出したn次出力情報ベクトルXに掛けること(請求項5)等をその態様としている。
【0012】さらにまた、この発明は、任意のシステムに入力されたm個の既知入力情報を要素とするm次入力情報ベクトルYと、前記システムの既知入力情報に対する結果としてのn個の既知出力情報を要素とするn次出力情報ベクトルXと、既知入力情報および既知出力情報の関係を表すm行n列システム行列Cとにより構成されるシステム方程式
【0013】
【数7】
【0014】において、離散ウェーブレット変換を用いて、m次入力情報ベクトルYおよびn次出力情報ベクトルXからm行n列システム行列Cを近似する近似システム行列C approxを求めることにより、システムのパラメータを近似的に同定する方式であって、前記システム方程式を入力する入力手段と、各種データを記憶する記憶手段と、システム方程式に対する演算を行うシステム方程式演算部、離散ウェーブレット変換・逆変換を行うウェーブレット変換演算部、およびウェーブレットスペクトラム行列に対する演算を行うウェーブレットスペクトラム行列演算部が設けられた演算手段と、データを出力する出力手段とを備え、入力手段により、前記システム方程式のm次入力情報ベクトルY、n次出力情報ベクトルX、およびm行n列システム行列Cをそれぞれ記憶手段に設けられた第1記憶部、第2記憶部、および第3記憶部に格納し、システム方程式演算部により、第2記憶部から読み出したn次出力情報ベクトルXをm行n×m
列出力情報行列X'に変形して第2記憶部に格納し、また、第3記憶部から読み出したm行n列システム行列C
をn×m次システムベクトルC'に変形して第3記憶部に格納して、前記システム方程式を次式に変形し、
【0015】
【数8】
【0016】ウェーブレット変換演算部により、記憶手段に設けられた第4記憶部に予め記憶されている基底関数を用いた離散ウェーブレット変換を、第2記憶部から読み出した前記変形システム方程式のm行n×m列出力情報行列X' に施して、m行n×m列のウェーブレットスペクトラム行列を算出し、ウェーブレットスペクトラム行列演算部により、前記m行n×m列ウェーブレットスペクトラム行列からm行n×m列出力情報行列X' を近似するp行p列ウェーブレットスペクトラム正方行列を取り出して、その逆行列を計算し、さらに、このp行p列ウェーブレットスペクトラム逆行列の行列数に、第2記憶部におけるm行n×m列出力情報行列X'の行列数を参照して、必要な数のゼロ要素を加えることによりn×m行m列のウェーブレットスペクトラム逆行列を生成し、ウェーブレット変換演算部により、第4記憶部に予め記憶されている基底関数を用いた離散ウエーブレット逆変換を、前記n×m行m列ウェーブレットスペクトラム逆行列に施すことにより、m行n×m列出力情報行列X'のn×m行m列近似逆行列X' -1を計算して、記憶手段に設けられた第5記憶部に格納し、システム方程式演算部により、第1記憶部から読み出したm次入力情報ベクトルYに第5記憶部から読み出したn×m行m列近似逆行列X' -1を掛けることにより、n×m次システムベクトルC'を近似したn×m次近似システムベクトルC' approxを算出し、そして、このn×m次近似システムベクトルC' approxをm行n列の近似システム行列C approxに変形して出力手段から出力することを特徴とする離散ウェーブレット変換を用いたシステムパラメータ同定方式(請求項2)をも提供する。
【0017】そして、このシステムパラメータ同定方式において、nが2のべき乗数であり、且つmが2のべき乗数でない場合において、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のm行n×m列出力情報行列X'を読み出して、このm行n×m列出力情報行列X'にゼロ要素を加えることによりm行数およびn×m列数をそれぞれ2のべき乗数とし、また、ウェーブレット変換演算部によりn×m行m列近似逆行列X' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行m列近似逆行列X' -1を読み出して、
このn×m行m列近似逆行列X' -1から、加えたゼロ要素個数分の逆行列要素を削除して、近似逆行列X' -1の行数n×mおよび列数mをそれぞれ元の出力情報行列X'の列数n×mおよび行数mと同じ数とし、その後に、このn×m行m列近似逆行列X' -1を第1記憶部から読み出したm次入力情報ベクトルYに掛けること(請求項6)や、nが2のべき乗数でなく、且つmが2のべき乗数である場合において、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のm行n×m列出力情報行列X'を読み出して、このm行n×m列出力情報行列X'にゼロ要素を加えることによりm行数およびn×m列数をそれぞれ2のべき乗数とし、また、ウェーブレット変換演算部によりn×m
行m列近似逆行列X' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行m列近似逆行列X' -1を読み出して、このn×m行m列近似逆行列X' -1から、加えたゼロ要素個数分の逆行列要素を削除して、近似逆行列X'
-1の行数n×mおよび列数mをそれぞれ元の出力情報行列X'の列数n×mおよび行数mと同じ数とし、その後に、このn×m行m列近似逆行列X' -1を第1記憶部から読み出したm次入力情報ベクトルYに掛けること(請求項7)や、nおよびmが2のべき乗数でない場合において、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のm行n×m列出力情報行列X'を読み出して、このm行n×m列出力情報行列X'にゼロ要素を加えることによりm行数およびn×m列数をそれぞれ2のべき乗数とし、また、ウェーブレット変換演算部によりn×m行m列近似逆行列X'
-1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行m
列近似逆行列X' -1を読み出して、このn×m行m列近似逆行列X' -1から、加えたゼロ要素個数分の逆行列要素を削除して、近似逆行列X' -1の行数n×mおよび列数mをそれぞれ元の出力情報行列X'の列数n×mおよび行数mと同じ数とし、その後に、この元の行列数であるn×m行m列近似逆行列X' -1を第1記憶部から読み出したm次入力情報ベクトルYに掛けること(請求項8)等を態様としている。
【0018】
【発明の実施の形態】以下、実施例を示し、この発明の実施の形態について詳しく説明する。
【0019】
(実施例1)図1は、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により近似システム行列を得る説明図である。 以下、この図1に例示した図に沿って、この発明の同定方式によるシステムパラメータの同定を説明する。
【0020】任意のシステムを仮定し、このシステムに入力された入力情報として、コンピュータにより8個の乱数をランダム発生させ、この8個の乱数に対するシステムの結果としての出力情報を8個の一定値1とした場合において、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により、8個の乱数から8個の一定値1を導いたとする仮定システムのパラメータを近似的に同定する。
【0021】仮定システムのシステム方程式は、8個の乱数を要素とする8次の入力情報ベクトルYと、8個の一定値1を要素とする8次の出力情報ベクトルXと、乱数と一定値1との関係表す8行8列のシステム行列Cとにより構成されて、次式により表される。
【0022】
【数9】
【0023】入力手段により、このシステム方程式の8
次入力情報ベクトルY、8次出力情報ベクトルX、および8行8列システム行列Cをそれぞれ、記憶手段に設けられた第1記憶部、第2記憶部、および第3記憶部に格納する。 演算手段におけるシステム方程式演算部により、第2記憶部から読み出した8次出力情報ベクトルX
を8行64(=8×8)列出力情報行列X'に変形して第2記憶部に格納し、また、第3記憶部から読み出した8行8列システム行列Cを64(=8×8)次システムベクトルC'に変形して第3記憶部に格納して、前記システム方程式を次式のように変形する。
【0024】
【数10】
【0025】ここで、[数9]のシステム方程式の右辺を計算すると次式が得られる。
【0026】
【数11】
【0027】また、[数10]の変形システム方程式の右辺を計算すると次式となる。
【0028】
【数12】
【0029】この[数11]および[数12]から明らかなように、[数9]のシステム方程式の右辺計算結果とそれを上述のように変形した[数10]の変形システム方程式の右辺計算結果とは等しいものである。 図2
は、[数10]の変形システム方程式における8行64
列出力情報行列X'を例示したものである。
【0030】この図2に例示した8行64列出力情報行列X'を第2記憶部から読み出し、ウェーブレット変換演算部により、記憶手段に設けられた第4記憶部に予め記憶されている基底関数を用いた離散ウェーブレット変換を施して、8行64列のウェーブレットスペクトラム行列を算出する。 この8行64列ウェーブレットスペクトラム行列では、図3に例示したように、値の大きな要素が1行1列目を基点として分布している。
【0031】離散ウェーブレット変換は、変換対象のデータの持つ情報をマザー・ウェーブレットの近傍に集中させるという特性を有している。 このため、離散ウェーブレット変換が施された8行64列出力情報行列X'の大部分の情報は、1行1列目に位置されるマザー・ウェーブレット近傍に集められているので、1行1列目を原点とした正方行列は、8行64列出力情報行列X'を近似するウェーブレットスペクトラム正方行列となる。
【0032】よって、ウェーブレットスペクトラム行列演算部により、前記8行64列ウェーブレットスペクトラム行列から8行64列出力情報行列X' を近似する8
行8列のウェーブレットスペクトラム正方行列を取り出す。 次いで、8行8列ウェーブレットスペクトラム正方行列の逆行列を計算し、さらに、この8行8列ウェーブレットスペクトラム逆行列の行列数に、第2記憶部における8行64列出力情報行列X'の行列数を参照して、
必要な数のゼロ要素を加えることにより64行8列のウェーブレットスペクトラム逆行列を生成する。
【0033】ゼロ要素の追加方法としては、具体的には、たとえば、構成要素が全て0である64行8列のゼロ行列を、1行1列目の要素を基点として8行8列ウェーブレットスペクトラム逆行列に埋め込むようにして加える。 または、56行8列のゼロ行列を8行8列ウェーブレットスペクトラム逆行列の8行目以降に加えるようにしても良い。 このようにしてゼロ要素を加えることにより、8行8列ウェーブレットスペクトラム逆行列の要素はそのままで、その他の行列要素が0となっている6
4行8列ウェーブレットスペクトラム逆行列が得られる。
【0034】さらに、ウェーブレット変換演算部により、この64行8列ウェーブレットスペクトラム逆行列に、第4記憶部に予め記憶されている基底関数を用いた離散ウエーブレット逆変換を施すことにより、8行64
列出力情報行列X'の64行8列近似逆行列X' -1を計算して、記憶手段に設けられた第5記憶部に格納する。
そして、システム方程式演算部により、第1記憶部から読み出した8次入力情報ベクトルYに第5記憶部から読み出した64行8列近似逆行列X' -1を掛けることにより、64次システムベクトルC'を近似した64次近似システムベクトルC' approxを算出し、この64次近似システムベクトルC' approxを8行8列の近似システム行列C approxに変形して出力手段から出力する。
【0035】図4は、このようにして得られた8行8列近似システム行列C approxを例示したものである。 この図4に例示した8行8列近似システム行列C approxが、
8行8列システム行列Cを近似した行列であり、最初に仮定したシステムにおける8行8列の各位置における各値、つまりパラメータを近似的に表している。 ここで、
この8行8列近似システム行列C approxの精度を評価するために、[数9]のシステム方程式に従って、8行8
列近似システム行列C approxと8次出力情報ベクトルX
との内積を計算して8次近似入力情報ベクトルY approx
を算出する。
【0036】図5(a)は、算出された8次近似入力情報ベクトルY approxを例示したものであり、また、図5
(b)は、コンピュータにより発生された8個の乱数を要素とする実際の8次入力情報ベクトルYを例示したものである。 この図5(a)および図5(b)を比較すると、この発明の同定方式により得られた8行8列近似システム行列C approxを用いて算出された8次近似入力情報ベクトルY approxは、実際の8次入力情報ベクトルY
と非常に正確に一致することがわかる。
【0037】したがって、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により、仮定したシステムのパラメータを高精度で近似的に同定することができた。 (実施例2)この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により、ある電流−磁界空間において存在する電流と、この電流により発生されている磁界とから、電流および磁界との関係を近似的に求める。
【0038】つまり、電流−磁界空間を任意のシステムとすると、電流がこの電流−磁界空間システムに入力されている既知入力情報、そして磁界が既知入力情報である電流に対する電流−磁界空間システムの結果としての既知出力情報であるので、電流と磁界との関係を近似的に求めて、電流−磁界空間システムのパラメータを近似的に同定する。
【0039】本実施例では、電流−磁界空間における任意の2箇所で電流密度を測定して2個の電流測定値を要素とするm次入力情報ベクトルとしての2次電流ベクトルYを生成し、また、磁界は任意の32箇所で測定して32個の磁界測定値を要素とするn次出力情報ベクトルとしての32次磁界ベクトルXを生成する。 図6(a)
(b)は、それぞれ、2次電流ベクトルYおよび32次磁界ベクトルXを例示したものである。
【0040】これらの2次電流ベクトルYと32次磁界ベクトルX、および既知入力情報電流と既知出力情報磁界との関係を表す32行2列システム行列Cとにより、
電流ー磁界空間システムのシステム方程式は次式により表される。
【0041】
【数13】
【0042】入力手段により、このシステム方程式の3
2次磁界ベクトルX、2次電流ベクトルY、および32
行2列システム行列Cをそれぞれ、記憶手段に設けられた第1記憶部、第2記憶部、および第3記憶部に格納する。 演算手段におけるシステム方程式演算部により、第2記憶部から読み出した2次電流ベクトルYを32行6
4(=32×2)列電流行列Y'に変形して第2記憶部に格納し、また、第3記憶部から読み出した2行32列システム行列Cを64(=32×2)次システムベクトルC'に変形して第3記憶部に格納して、前記システム方程式を
【0043】
【数14】
【0044】と変形する。 この[数14]の変形システム方程式右辺と[数13]のシステム方程式右辺とは、
実施例1において[数9]のシステム方程式および[数10]の変形システム方程式に対して行った計算と同様にそれぞれ計算すると、等しいことが分かる。
【0045】ウェーブレット変換演算部により、第2記憶部から32行64列電流行列Y'読み出して、記憶手段に設けられた第4記憶部に予め記憶されている基底関数を用いた離散ウェーブレット変換を施すことにより、
32行64列のウェーブレットスペクトラム行列を算出する。 図7は、算出された32行64列ウェーブレットスペクトラム行列を例示したものである。
【0046】この図7に例示したように、32行64列ウェーブレットスペクトラム行列では、1行1列目に位置されるマザー・ウェーブレット近傍に32行64列電流行列Y'の情報が集中されている。 よって、ウェーブレットスペクトラム行列演算部により、この32行64
列ウェーブレットスペクトラム行列から、32行64列電流行列Y' を近似する、1行1列目を原点とした16
行16列のウェーブレットスペクトラム正方行列を取り出す。
【0047】次いで、16行16列ウェーブレットスペクトラム正方行列の逆行列を計算し、さらに、この16
行16列ウェーブレットスペクトラム逆行列の行列数に、第2記憶部における32行64列電流行列Y'の行列数を参照して、64行32列のゼロ行列を、1行1列目の要素を基点として埋め込むように加えることにより、64行32列のウェーブレットスペクトラム逆行列を生成する。
【0048】もちろん、たとえば、16行16列ウェーブレットスペクトラム正方行列の端部に、64次ゼロ列ベクトルを16列分加え、次に、16次ゼロ行ベクトルを48行分加えて、64行32列ウェーブレットスペクトラム逆行列を生成するようにしても良い。 この他にもいろいろとゼロ要素の加え方はあるが、16行16列ウェーブレットスペクトラム正方行列の各要素はそのままで、その端部に必要な数のゼロ要素が加えらて、64行32列となればよい。
【0049】このようにして生成された64行32列ウェーブレットスペクトラム逆行列に、ウェーブレット変換演算部によって、第4記憶部に予め記憶されている基底関数を用いた離散ウエーブレット逆変換を施すことにより、32行64列電流行列Y'の64行32列近似逆行列Y' -1を計算して、記憶手段に設けられた第5記憶部に格納する。
【0050】図8は、この64行32列近似逆行列Y'
-1を例示したものである。 そして、システム方程式演算部により、第1記憶部から読み出した2次電流ベクトルXに第5記憶部から読み出した64行32列近似逆行列Y' -1を掛けることにより、64次システムベクトルC'を近似した64次近似システムベクトルC' approx
を算出し、この64次近似システムベクトルC' approx
を32行2列の近似システム行列C approxに変形して出力手段から出力する。
【0051】このようにして出力された32行2列近似システム行列C approxが、32行8列システム行列Cを近似した行列であり、電流−磁界空間システムのパラメーを表している。 図9は、32行2列近似システム行列C approxを例示したものである。 [数13]のシステム方程式に従って、図9に例示した32行2列近似システム行列C approxと図6(a)に例示した2次電流ベクトルYとの内積を計算して32次近似磁界ベクトルX
approxを算出する。
【0052】図10は、算出された32次近似磁界ベクトルX approxを例示したものである。 この図10および前記図6(b)を比較すると、この発明の同定方式により得られた32行2列近似システム行列C approxを用いて算出された32次近似磁界ベクトルX approxは、実際の32次磁界ベクトルXと正確に一致することがわかる。
【0053】したがって、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により、電流−磁界空間システムのパラメータを容易且つ精度良く近似的に同定することができた。 ところで、この発明のシステムパラメータ同定方式において用いられる離散ウェーブレット変換は、変換の対象となる行列の行数および列数がそれぞれ2のべき乗数でなければならない。
【0054】この発明の方式では、上述のように、離散ウェーブレット変換を変形システム方程式のn行n×m
列入力情報行列Y'またはm行n×m列出力情報行列X'に施す。 従って、これらn行n×m列入力情報行列Y'またはm行n×m列出力情報行列X'の各行列数が2のべき乗数である必要がある。 上述の実施例1においては、システムの入力ベクトルYおよび出力ベクトルX
の次数は、共に2のべき乗数である8次であるので、変形システム方程式における出力情報行列X'は8行64
(=8×8)列となっており、また、実施例2における電流−磁界空間システムの電流ベクトルYおよび磁界ベクトルXはそれぞれ2次および32次の2のべき乗数となっているので、入力情報行列Y'である電流行列Y'
は32行64(=2×32)列であり、そのまま離散ウエーブレット変換を施すことができる。
【0055】しかしながら、実際には、既知の入力情報および出力情報が2のべき乗数でなく、よってこれら入力・出力情報の関係を表すシステム行列Cの行列数が2
のべき乗数とならない場合がある。 そこで、このように離散ウェーブレット変換の変換対象行列の行列数が2のべき乗数でない場合においても、近似システム行列C
approxを容易且つ高精度で得るために、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式では、以下のようなステップを組み込むようにしている。
【0056】まず、nが2のべき乗数であり、且つmが2のべき乗数でない場合においては、システム方程式X
=CYを変形して得られた変形システム方程式X=Y'
C'におけるn行n×m列入力情報行列Y'の行数nは2のべき乗数であるが、列数n×mが2のべき乗数とはならないので、システム方程式演算部によりシステム方程式を変形させた後、ウェーブレット変換演算部により離散ウェーブレット変換を行う前に、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のn行n×m列入力情報行列Y'を読み出して、
このn行n×m列入力情報行列Y'にゼロ要素を加えることによりn×m列数を2のべき乗数にする。 ゼロ要素は、2のべき乗数とするのに必要な個数を、n行n×m
列入力情報行列Y'の端部に加えるようにする。
【0057】具体的には、たとえば、入力情報ベクトルYが6(=m)次で、出力情報ベクトルXが4(=n)
であり、変形システム方程式における入力情報行列Y'
が4行24(=4×6)列である場合では、24列が2
のべき乗数でないので、24以上であって、且つ24に一番近い2のべき乗数である32の列数とするために、
たとえば全ての要素がゼロである4行8列のゼロ行列を、入力情報行列Y'の24列目以降に行数を合わせて加えることにより、入力情報行列Y'を4行32列とする。 また、たとえば4行32列のゼロ行列を、1行1列目の要素を基点として入力情報行列Y'に埋め込むように加えて、4行32列入力情報行列Y'を生成してもよい。 この他にもいろいろとゼロ要素の加え方はあるが、
n行n×m列入力情報行列Y'の各要素はそのままで、
その端部に必要な数のゼロ要素が加えらて、n×m列が2のべき乗数となればよい。
【0058】そして、このようにしてn×m列数が2のべき乗数となったn行n×m列入力情報行列Y'に、実施例2において説明したように、ウェーブレット変換演算部により、離散ウェーブレット変換を施し、n行n×
m列のウェーブレットスペクトラム行列を算出する。 さらに、ウェーブレット変換演算部により計算されて第5
記憶部に格納されたn×m行n列近似逆行列Y' -1の行数は2のべき乗数のままであり、このままでは本来の元の列数を有するシステム行列Cを得ることができないので、システム方程式演算部により、第1記憶部から読み出したn次出力情報ベクトルXにn×m行n列近似逆行列Y' -1を掛けるという演算を行う前に、第5記憶部に格納されているn×m行n列近似逆行列Y' -1の端部から、加えたゼロ要素個数分の要素を削除して、n×m行n列近似逆行列Y' -1の行数n×mを元の入力情報行列Y'の列数n×mと同じ数とする。
【0059】たとえば、上述のように4行24列入力情報行列Y'にゼロ要素が加えられて4行32列の入力情報行列Y'とされた場合では、算出される近似逆行列Y' -1は32行4列であるので、その端部から、先に加えたゼロ要素の個数と同じ個数である8行4列分の逆行列要素を取り除くことにより、その行数32を元の入力情報行列Y'の列数24と同じ数にして、24行4列の近似逆行列Y' -1を生成する。
【0060】そして、この2のべき乗数でない元の行数を有するn×m行n列近似逆行列Y' -1を第1記憶部から読み出したn次出力情報ベクトルXに掛けることにより、n×m次システムベクトルC'を近似したn×m次近似システムベクトルC appr oxを算出し、n行m列近似システム行列C approxを高精度で得ることができるようになる。
【0061】また、nが2のべき乗数でなく、且つmが2のべき乗数である場合、あるいはnおよびm両方が2
のべき乗数ではない場合においては、n行n×m列入力情報行列Y'の行数nおよび列数n×mの両方が2のべき乗数ではないので、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のn行n
×m列入力情報行列Y'を読み出して、このn行n×m
列入力情報行列Y'に必要な個数のゼロ要素を加えることによりn行数およびn×m列数をそれぞれ2のべき乗数とし、そして、行列数が2のべき乗数となったn行n
×m列入力情報行列Y'に、ウェーブレット変換演算部により離散ウェーブレット変換を施し、上述した各演算処理を行っていく。
【0062】さらに、ウェーブレット変換演算部によりn×m行n列近似逆行列Y' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行n列近似逆行列Y' -1を読み出して、このn×m行n列近似逆行列Y' -1から、加えたゼロ要素個数分の逆行列要素を削除して、n×m行n
列近似逆行列Y' -1の行数n×mおよび列数nをそれぞれ元の入力情報行列Y'の列数n×mおよび行数nと同じ数とし、その後に、このn×m行n列近似逆行列Y'
-1を第1記憶部から読み出したn次出力情報ベクトルX
に掛けるようにすることにより、精度良く、n×m次近似システムベクトルC' approxを算出し、n行m列近似システム行列C approxを得ることができる。
【0063】一方、システム方程式Y=CXに対しても、上述のシステム方程式X=CYにおける演算処理と同様にして、nが2のべき乗数であり、且つmが2のべき乗数でない場合、あるいはnが2のべき乗数でなく、
且つmが2のべき乗数である場合、あるいはnおよびm
両方が2のべき乗数ではない場合においては、システム方程式演算部によりシステム方程式を変形させた後、システム方程式演算部により、第2記憶部に格納されている変形システム方程式のm行n×m列出力情報行列X'
を読み出して、このm行n×m列出力情報行列X'にゼロ要素を加えることによりm行数およびn×m列数をそれぞれ2のべき乗数とし、その後に、ウェーブレット変換演算部により離散ウェーブレット変換を施し、上述のような各演算処理を行うようにする。
【0064】また、ウェーブレット変換演算部によりn
×m行m列近似逆行列X' -1を計算して第5記憶部に格納した後、システム方程式演算部により、第5記憶部に格納されているn×m行m列近似逆行列X' -1を読み出して、この2のべき乗数のままであるn×m行m列近似逆行列X' -1の端部から、加えたゼロ要素個数分の逆行列要素を削除して、n×m行m列近似逆行列X' -1の行数n×mおよび列数mをそれぞれ、ゼロ要素を加える前の元の出力情報行列X'の列数n×mおよび行数mと同じ数とし、その後に、この元の行列数であるn×m行m
列近似逆行列X' -1を第1記憶部から読み出したm次入力情報ベクトルYに掛けることにより、n×m次システムベクトルC'を近似したn×m次近似システムベクトルC' ap proxを算出することができる。
【0065】このように、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により、既知情報である入力情報と出力情報が2のべき乗数ではない場合においても、これら既知入力情報および既知出力情報の関係を表すシステム行列Cを高精度で近似する近似システム行列C approxを算出することができ、よって、システムパラメータを簡易に、且つ精度良く近似的に同定することができるようになる。
【0066】もちろん、この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式は、上述のようなコンピュータによる仮定システム、電流ー磁界空間システムの他にも、電気回路システムや混相流体空間システムなどのような様々な技術分野のシステムパラメータの近似的な同定も、上述と同様にして、精度良く行うことができることは言うまでもない。
【0067】この発明は以上の例に限定されるものではなく、細部については様々な態様が可能である。
【0068】
【発明の効果】以上詳しく説明した通り、この発明によって、容易、且つ高精度で、システムパラメータの近似的な同定を行うことのできる、新しい離散ウェーブレット変換を用いたシステムパラメータ同定方式が提供される。
【図1】この発明の離散ウェーブレット変換を用いたシステムパラメータ同定方式により近似システム行列を得る説明図である。
【図2】実施例1における変形システム方程式Y=X'
C'の8行64列出力情報行列X'を例示した図である。
【図3】8行64列ウェーブレットスペクトラム行列を例示した図である。
【図4】8行8列近似システム行列C approxを例示した図である。
【図5】(a)(b)は、各々、算出された8次近似入力情報ベクトルY approxおよびコンピュータにより発生された8個の乱数を要素とする実際の8次入力情報ベクトルYを例示した図である。
【図6】(a)(b)は、各々、実施例2における2次電流ベクトルYおよび32次磁界ベクトルXを例示したものである。
【図7】32行64列ウェーブレットスペクトラム行列を例示した図である。
【図8】64行32列近似逆行列Y' -1を例示した図である。
【図9】32行2列近似システム行列C approxを例示した図である。
【図10】32次近似磁界ベクトルX approxを例示した図である。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于雷达确定车辆乘客车厢内乘客数量的系统和方法 | 2020-05-13 | 704 |
基于改进小波聚类的彩色图像分割方法 | 2020-05-15 | 157 |
一种图像加密方法、装置及电子设备 | 2020-05-17 | 286 |
用于基于图像的测量及基于散射术的叠对测量的信号响应度量 | 2020-05-19 | 348 |
用于铝电解槽过程控制的低频槽噪声监测方法及设备 | 2020-05-14 | 835 |
基于六阶B-样条小波神经网络的史密斯预估补偿方法 | 2020-05-14 | 905 |
一种无人机侦察图像压缩方法 | 2020-05-14 | 173 |
一种继电保护装置NVRAM数据存储状态预测方法 | 2020-05-11 | 405 |
时空特征融合的并行卷积网络运动想象脑电图分类方法 | 2020-05-08 | 516 |
一种基于DWNN框架的心电信号的识别方法 | 2020-05-19 | 819 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。