The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 1 -
音響情報を用い
軍用機種
識
Military aircraft type identification using acoustical information
森長
誠
*1
松井
孝典
*2
MORINAGA Makoto MATSUI Takanori
*1
防衛施設周辺整備協会
*2
大阪大学
Defense Facilities Environment Improvement Association Osaka University
岡
秀文
*1
TSUKIOKA Hidebumi
*1
防衛施設周辺整備協会
Defense Facilities Environment Improvement Association
In order to develop automatic noise measurement system, we have been investigating a method of aircraft type identification focused on military aircraft flying around airbases. In our last study, the result of trial calculation by Neural Network and Support Vector Machine using acoustical data emitted from military aircraft was shown. It was suggested that the results of calculations by neural network and support vector machine were almost same and the accuracy rates of aircraft type identification were around 80 to 90%.In order to improve the accuracy, we tried to calculate using only important frequency/time factor by Support Vector Machine combined with Random Forest. It was suggested that the accuracy by the combined model moderately high although the number of data set was not enough.
1.
めに
既報[森長 2012] [森長 2013] ，自衛隊等飛行場周辺 け 航 空機 騒 音 測 定を無 人 実 施 入 を念 頭 置 ， 本 研 究 軍用航 空 機 機種 定 を行う 類機
構築を目的 い ．前回 報告 ，複数 測定点 録 音 ッ 戦 闘 機 音 音 響 ー を 基 ，Neural
Network 以 ，NN び Support Vector Machine 以 ，
SVM を用い F-15, F-4, T-4 類を行 ． 結果，NN
SVM 大 遊い 無 ，F-15 F-4 85%程度，T-4
90% 割合 機種識 を行う ．T-4 ッ 戦 闘
機 イ ッ を養成 訓練機 あ F-15や F-4 比 較 音圧 明 い 類 容易 あ ．
F-15やF-4 正解率 十 ，実際 運用
場面 複雑 機種構成 中 90%以 正解率 要求 ． 音響特徴量 精査 ，高次元 ー 圧縮[例えば，趙 2004] 効 い 考え い ．
本稿 高次元 ー 圧縮方法 Random Forest 以
、RM SVMを連携 用い 試算 報告 ．
2.
分類に用いた音響情報
2.1
現地におけるデ
タ収集
今回 新 機種構 成 析 ， 嘉 手納飛 行場周 辺 録音調査を実施 ，F-15，AV-8，P-3C ー を入手 ． 調査時期 2013 12 9 ～12 13 計5 間 あ ， 測 定 員 目 視 機 種 を 確 騒 音 計 RION
NL-32 ー コー RION DA-20 を組 合わ 録音 ．
風雑音 影響を考慮 ，騒音計 周波数重 C 特性 ．機種 ー 数 F-15 46 ー ，AV-8 15 ー ，P-3C 15 ー ，合計76 ー あ ．
2.2
音響情報
精査
[森 長 2013] 測 定 点 空 を 通 過 前 後 ッ 戦
闘機 音を録音 ，20Hz～8kHz 1/3 ー ン 中心周波数 け 音圧 を入力 ー 用い ． 空通過前後 ー を用い 理由 [森長 2012] 検討結果
基 い ， ッ 戦 闘 機 機 種 特 徴 時 間 変 化 ー ン 表 や い 考 え あ ．
瞬時 2時点 ー を用い い ， 長 い時間 範囲 を 対象 検討 効 い 考え ． 今回 ， 録音 ー を 0.7s 間隔 サン ン ， 空通過時 時点 前後 3コマ 2.1s 7時点 ー を用い ． 時間範囲 約 5 間 0.7s×7 コマ ＝4.9s ．図1 機種 均値を示 ．周波数
範囲 一 広 ，25Hz～16kHz ．
3.
使用
た分類機
今回 析 ，識 器 RM SVMを連携
以 ，RF-SVM model を用い ．RF 決定木を弱学習器 学 習 ー ー ッ 生 成 弱 学 習 器 を アンサン 学習 あ ，SVM 学習 ー 特 徴 空 間 各 ー 点 距 離 最 大 マ ー ン 最 大 化 超 面を形成 線形入力素子を学習 あ ．今回
RF-SVM 連携 ， RF 対 全帯域，全時間
帯域 音圧 特徴 を入力 仮 識 を 行い，入力 変数 割力 重要度を 定 ． 後， イ 処理 重要度 高い変数 を選択 SVM 入 力 ，最終的 機種 識 を行う あ ．RF ー
， 類問題 推奨 入力 次元数n 1/3を用 連絡先：森長誠，防衛施設周辺整備協会，東京都港区芝
， ， ， r a a@ a r
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 2 -
い ー ッ 終 端 ー 最 個体 数 を 5
500本 Gini係数基準 決定木を生成 ． 際 重要
度 定 Gini係数 減少量 従う．SVM ， 布を ー 関数 非線形ソ マー ン SVM あ ，k-交差 検定 割数 7 正則化 布 散 ッ
サー 最適化 ．
4.
結果
析 統 計 処 理 ア ー ョ ン R を 用 い ， ッ ー
Random Forest e1071を用い ．学習 用い ー
割合 7:3 ．次元圧縮 無 結果を比較 ， SVM単体 類を行 ． 結果を表1 示 ．F-15 100% 正解率 ー 15機を全 F-15 定 あ ， 他 機種 い 誤 識 見 ， 全
体 正解率 88% あ ．次 ，RF-SVM model
計算を行 ．RF 重要度 高い 定 変数を1% 割合 変化 SVM 投入 ， 時 機 種全体 正解率を出力 ． 結果を図 2 示 ．情報 圧縮 量 正解率 変化 明確 対応 見 ，SVM単 体 正解率 振動 い ．
5.
考察
課題
高次元 圧縮 イ 処理 を行う ，RF-SVM 連携 析を行 ．計算前 予想 ，情報 使用量 共 正解
率 昇 情報量を増や 正解率 いう凸 関数を想定 ，前述 通 収束 傾向 見 ． ，情報 使用量 35%を超え 以降 正解率 限値 や や 昇 い 傾 向 見 ． ， 情 報 使 用 量 14% 少 い 100% 正解率 い ー あ ．現状 短期測定 極 少 い ー 数 あ
，情報圧縮 効性を論 至 い ，今後，関係当 局 調整 滑走路端 常時無人測定を行 い 膨 大 ー 解析を予定 い ． ， ー 数 膨 大 ば SVM 計 算 時 間 問 題 ．
RF 情 報 圧 縮 重 要 あ ， 最 少 い 情 報 量
SVM 最大 正解率を遉成 い 考え い ．
今回，RF 入力 変数 割力 時間×周波数 重要 度を 定 ， 優先 を表 2 示 30 限 定 ． 概 重 要 周 波 数 域 ～ 中 域 あ ，2kHz 以
高域 RF 不要 情報 除去 い
．音 大気中を伝搬 減衰量 高い周波数ほ 顕著 あ ，測 定点 到遉 頃 減衰 見 ．
，大気 鉛直方向 温度勾配や風速 音 伝搬 係わ 気象 影響 高い周波数帯域ほ 大 ，測定 季節， ， 時 間 様 々 変 化 ． う ， 音 響 理 論 観 点 RF 高帯域 イ 除去 いう結果
適 あ 考え ．
表 2 RF 重要度が高い 判断さ た周波数/時間 1. 630/t4 7. 1000/t4 13. 800/t5 19. 800/t4 25. 1250/t4 2. 630/t5 8. 1000/t7 14. 500/t4 20. 2000/t7 26. 400/t5 3. 630/t6 9. 1250/t7 15. 1600/t7 21. 1600/t1 27. 80/t5 4. 630/t7 10. 630/t3 16. 630/t1 22. 500/t5 28. 1000/t6 5. 80/t6 11. 630/t2 17. 500/t1 23. 1600/t2 29. 1250/t3 6. 800/t7 12. 1250/t5 18. 100/t5 24. 800/t6 30. 1250/t1
Acknowledgement
本 研 究 大阪大 学 大 学院 工学 研 究 防衛 施 設 周辺 整備 協 会 共同研究 研究題目：NIMBY 施設 地域共生事例 防衛 施設へ 知識移転 関 研究 実施 あ ．
参考文献
[森長 2012] 森長誠， 岡秀文: 環境音 識 関 課題
現 状，第 26回 本 人工知 能学会 全国大 会 講演資 料,
3F1-OS-19-3, 2012．
[森長 2013] 森長誠， 岡秀文，松井孝典，松本慎 : 音源
情報を用い ッ 戦闘機等 機種識 (NN SVM 比較)，第 27回 本人工知能学会全国大会講演資料,
3K1-OS-08a-4, 2013．
[趙 2004] 趙國，一丸太一郎，山 洋一: 話者空間
基 い 音素間相関を用い 音声 識，電子情報通信学 会論文 ，J87_D_II(7) ，1402-1408，2004．
60 65 70 75 80 85 90 95 100 105 t1 _ 2 5 t1 _ 6 3 t1_1 6 0 t1_4 0 0 t1 _ 1 k t1 _2 .5 k t1 _6 .3 k t1_1 6 k t2 _ 5 0 t2_1 2 5 t2_3 1 5 t2_8 0 0 t2 _ 2 k t2 _ 5 k t2 _1 2. 5 k t3 _ 4 0 t3_1 0 0 t3_2 5 0 t3_6 3 0 t3 _1 .6 k t3 _ 4 k t3_1 0 k t4 _3 1. 5 t4 _ 8 0 t4_2 0 0 t4_5 0 0 t4 _ 1 .25k t4 _ 3 .15k t4 _ 8 k t5 _ 2 5 t5 _ 6 3 t5_1 6 0 t5_4 0 0 t5 _ 1 k t5 _2 .5 k t5 _6 .3 k t5_1 6 k t6 _ 5 0 t6_1 2 5 t6_3 1 5 t6_8 0 0 t6 _ 2 k t6 _ 5 k t6 _1 2. 5 k t7 _ 4 0 t7_1 0 0 t7_2 5 0 t7_6 3 0 t7 _1 .6 k t7 _ 4 k t7_1 0 k SP L [d B ]
Frequency in each Time [Hz]
F15 P3C AV8
図 1 分析に用いた機種のスペクトルの平均値 25Hz～16kHz の 7 時点分
表 1 SVM によ 分類結果
正解
F-15 AV-8 P-3C
予測
F-15 15 2 1
AV-8 0 4 0
P-3C 0 0 3
50% 60% 70% 80% 90% 100%
0% 10% 20% 30% 40% 50%
Ac
curac
y
rate
RF-SVM modelで投入 た変数 割合
RF-SVM SVM
