特許ウォッチ

公開番号2024172008
公報種別公開特許公報(A)
公開日2024-12-12
出願番号2023089414
出願日2023-05-31
発明の名称イベント認識装置、イベント認識方法、及びプログラム
出願人日本電気株式会社
代理人個人
主分類G01H 9/00 20060101AFI20241205BHJP(測定;試験)
要約【課題】光ファイバセンシングにより取得された観測信号を用いてモデル学習を行うことなく、イベントを認識すること。
【解決手段】イベント認識装置(20)は、光ファイバに沿った地点で発生し、光ファイバセンシングにより検知された音響又は振動を示す観測信号を取得すると共に、光学的ノイズを示す雑音信号を取得する取得部(21)と、音響センサ又は振動センサにより取得された音響信号又は振動信号の統計的情報(23)を利用して、観測信号から、光ファイバに沿った地点でイベントが発生している事後確率を導出すると共に、雑音信号から、光ファイバに沿った地点でイベントが発生している事後確率を導出する導出部(22)と、観測信号から導出された事後確率と雑音信号から導出された事後確率とを比較し、該比較結果から、光ファイバに沿った地点でイベントが発生している事後確率を導出し、該導出結果を出力する比較部(24)と、を備える。
【選択図】図8
特許請求の範囲【請求項１】
光ファイバに沿った地点で発生し、光ファイバセンシングにより検知された音響又は振動を示す観測信号を取得すると共に、前記光ファイバに沿った地点に存在する光学的ノイズを示す雑音信号を取得する取得部と、
音響センサ又は振動センサにより取得された音響信号又は振動信号の統計的情報を利用して、前記観測信号から、前記光ファイバに沿った地点で少なくとも１つのイベントが発生している事後確率を導出すると共に、前記雑音信号から、前記光ファイバに沿った地点で前記少なくとも１つのイベントが発生している事後確率を導出する導出部と、
前記観測信号から導出された事後確率と前記雑音信号から導出された事後確率とを比較し、該比較結果から、前記光ファイバに沿った地点で前記少なくとも１つのイベントが発生している事後確率を導出し、該導出結果を出力する比較部と、
を備える、イベント認識装置。
続きを表示（約 1,600 文字）【請求項２】
前記統計的情報は、入力信号に対して、前記少なくとも１つのイベントが発生している事後確率を出力する機械学習モデルであり、
前記機械学習モデルは、前記音響センサ又は前記振動センサにより取得された前記音響信号又は前記振動信号により学習されたモデルであり、
前記導出部は、前記観測信号を前記機械学習モデルに前記入力信号として入力することで、前記観測信号から事後確率を導出すると共に、前記雑音信号を前記機械学習モデルに前記入力信号として入力することで、前記雑音信号から事後確率を導出する、
請求項１に記載のイベント認識装置。
【請求項３】
前記導出部は、前記機械学習モデルを再学習なしに利用する、
請求項２に記載のイベント認識装置。
【請求項４】
前記観測信号は、音響を示す信号であり、
前記機械学習モデルは、前記音響センサとしてのマイクロフォンにより取得された音響信号により学習されたモデルである、
請求項２に記載のイベント認識装置。
【請求項５】
前記観測信号は、振動を示す信号であり、
前記機械学習モデルは、前記振動センサとしての加速度センサ又はハイドロフォンにより取得された振動信号により学習されたモデルである、
請求項２に記載のイベント認識装置。
【請求項６】
イベント認識装置によるイベント認識方法であって、
光ファイバに沿った地点で発生し、光ファイバセンシングにより検知された音響又は振動を示す観測信号を取得すると共に、前記光ファイバに沿った地点に存在する光学的ノイズを示す雑音信号を取得する取得ステップと、
音響センサ又は振動センサにより取得された音響信号又は振動信号の統計的情報を利用して、前記観測信号から、前記光ファイバに沿った地点で少なくとも１つのイベントが発生している事後確率を導出すると共に、前記雑音信号から、前記光ファイバに沿った地点で前記少なくとも１つのイベントが発生している事後確率を導出する導出ステップと、
前記観測信号から導出された事後確率と前記雑音信号から導出された事後確率とを比較し、該比較結果から、前記光ファイバに沿った地点で前記少なくとも１つのイベントが発生している事後確率を導出し、該導出結果を出力する比較ステップと、
を含む、イベント認識方法。
【請求項７】
前記統計的情報は、入力信号に対して、前記少なくとも１つのイベントが発生している事後確率を出力する機械学習モデルであり、
前記機械学習モデルは、前記音響センサ又は前記振動センサにより取得された前記音響信号又は前記振動信号により学習されたモデルであり、
前記導出ステップでは、前記観測信号を前記機械学習モデルに前記入力信号として入力することで、前記観測信号から事後確率を導出すると共に、前記雑音信号を前記機械学習モデルに前記入力信号として入力することで、前記雑音信号から事後確率を導出する、
請求項６に記載のイベント認識方法。
【請求項８】
前記導出ステップでは、前記機械学習モデルを再学習なしに利用する、
請求項７に記載のイベント認識方法。
【請求項９】
前記観測信号は、音響を示す信号であり、
前記機械学習モデルは、前記音響センサとしてのマイクロフォンにより取得された音響信号により学習されたモデルである、
請求項７に記載のイベント認識方法。
【請求項１０】
前記観測信号は、振動を示す信号であり、
前記機械学習モデルは、前記振動センサとしての加速度センサ又はハイドロフォンにより取得された振動信号により学習されたモデルである、
請求項７に記載のイベント認識方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、イベント認識装置、イベント認識方法、及びプログラムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
ＤＡＳ（Distributed Acoustic Sensing：分散型音響センシング）に代表される光ファイバセンシングは、光ファイバに沿った地点で発生した音響及び振動を検知することが可能である。
【０００３】
近年は、光ファイバに沿った地点で発生し、光ファイバセンシングにより検知された音響又は振動を示す観測信号を取得し、取得された観測信号に基づいて、光ファイバに沿った地点で発生した異常などのイベントを認識する技術も提案されている。
【０００４】
また、光ファイバセンシングにより取得された観測信号に基づいて、イベントを認識する技術としては、観測信号についてモデル学習を行って、機械学習モデルを生成し、生成された機械学習モデルを用いて、イベントを認識する技術が挙げられる。例えば、特許文献１には、教師あり学習により生成された機械学習モデルを用いて、イベントを認識する技術が開示されている。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２０／０４４６４８号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
ところで、機械学習の手法としては、上述した教師あり学習の他、転移学習、ファインチューニング（fine-tuning）、ドメイン適応、自己教師あり学習などが挙げられる。これらの手法を光ファイバセンシングに利用する場合、いずれの手法も、モデル学習には、光ファイバセンシングにより取得された観測信号が必要になる。
【０００７】
しかし、光ファイバセンシングにより取得された観測信号は、光学的ノイズ（白色性が高いショット雑音が支配的）に起因して、ＳＮＲ（Signal-to-Noise Ratio）が低く、感度が不均一となっており、低品質な信号である。そのため、モデル学習に有効な観測信号がそもそも少ないため、観測信号を用いてモデル学習を行って、機械学習モデルを生成することが困難であるという問題がある。
【０００８】
そのため、光ファイバセンシングにより取得された観測信号を用いてモデル学習を行うことなく、イベントを認識することが可能な技術が望まれている。
【０００９】
そこで本開示の目的は、上述した課題に鑑み、光ファイバセンシングにより取得された観測信号を用いてモデル学習を行うことなく、イベントを認識することが可能なイベント認識装置、イベント認識方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【００１０】
一態様によるイベント認識装置は、
光ファイバに沿った地点で発生し、光ファイバセンシングにより検知された音響又は振動を示す観測信号を取得すると共に、前記光ファイバに沿った地点に存在する光学的ノイズを示す雑音信号を取得する取得部と、
音響センサ又は振動センサにより取得された音響信号又は振動信号の統計的情報を利用して、前記観測信号から、前記光ファイバに沿った地点で少なくとも１つのイベントが発生している事後確率を導出すると共に、前記雑音信号から、前記光ファイバに沿った地点で前記少なくとも１つのイベントが発生している事後確率を導出する導出部と、
前記観測信号から導出された事後確率と前記雑音信号から導出された事後確率とを比較し、該比較結果から、前記光ファイバに沿った地点で前記少なくとも１つのイベントが発生している事後確率を導出し、該導出結果を出力する比較部と、
を備える。
（【００１１】以降は省略されています）

関連特許