特許ウォッチ

公開番号2025123815
公報種別公開特許公報(A)
公開日2025-08-25
出願番号2024019516
出願日2024-02-13
発明の名称レーダシステム及びレーダ信号処理方法
出願人株式会社東芝
代理人弁理士法人スズエ国際特許事務所
主分類G01S 7/292 20060101AFI20250818BHJP(測定;試験)
要約【課題】 SIMOによる常時観測方式でも、少ない処理規模で、レンジウォーク及びドップラウォークによる積分ロスを低減し、MDSによる高精度な目標識別を可能とする。
【解決手段】実施形態に係るレーダシステムは、SIMO方式で観測範囲を常時観測し、繰り返し送信パルスの反射信号を受信する場合に、ms番目のCPIの受信信号を入力した際に、ms番目のCPIを含んで過去のMD単位のCPI分のデータを用いて長時間積分処理を実行し、長時間積分結果をms番目のRDデータ(RDms)として保存し、RDデータに目標検出処理を実行して目標の検出レンジセルに対応した、RDms～RDms-MS+1のRDデータを配列してMDSデータを生成し、MDSデータからCNN及び特徴量の抽出によって目標を識別し、目標の識別結果を含んだ検出セルに対して測角処理して、3次元情報を観測値として出力する。
【選択図】図1
特許請求の範囲【請求項１】
観測範囲に対して、送信はファンビームを形成し、受信はマルチビ－ムを形成するＳＩＭＯ（Single Input Multiple Output）方式で観測範囲を常時観測し、繰り返し送信されるパルスの反射信号を受信するレーダシステムにおいて、
ms番目のＣＰＩ（Coherent Pulse Interval）の受信信号を入力した際に、ms番目のＣＰＩを含んで過去のＭＤ単位のＣＰＩ分のデータを用いて長時間積分処理を実行する手段と、
前記長時間積分処理した結果をms番目のＲＤ（Range-Doppler：レンジ－ドップラ）データ（RDms）として保存する手段と、
前記ＲＤデータに目標検出処理を実行して目標の検出レンジセルに対応した、RDms～RDms-MS+1のＲＤデータを配列してＭＤＳ（Micro Doppler Spectrogram）データを生成する手段と、
前記ＭＤＳデータからＣＮＮ（Convolutional Neural Network）及び特徴量の抽出によって目標を識別する手段と、
前記目標の識別結果を含んだ検出セルに対して測角処理して、３次元情報を観測値として出力する手段と
を具備するレーダシステム。
続きを表示（約 1,000 文字）【請求項２】
前記特徴量として、前記目標の検出セルのＳＮ、ドップラ中心値、ＭＤＳをドップラ軸方向に振幅加算した結果が所定の振幅閾値を超えるtime-indexのＭＤＳ結果を用いて振幅ヒストグラムを生成し、その形状よりワイブル分布の形状ファクタを算出した結果と、選定したtime-index毎のＭＤＳのドップラ周期より算出したブレード回転速度により、前記目標を識別する
請求項１記載のレーダシステム。
【請求項３】
前記長時間積分処理は、
前記目標の運動時間軸オフセットを含めて、Nm（Nm≧１）次×２（時間軸オフセット）モデルで表現して、レンジ周波数軸の参照信号を生成し、
前記レンジ周波数軸で最大値探索法により２Nm次個の相関処理を行ってレンジ軸に変換し、
前記レンジ軸に変換された相関処理結果の最大値により補正係数を決定して補正して長時間積分処理を行い、
さらにＰＧＡ（Phase Gradient Autofocus）により補正した長時間積分結果を用いて、ＭＤＳ識別及びモノパルス測角を行い、３次元情報を観測値として出力する
請求項１記載のレーダシステム。
【請求項４】
観測範囲に対して、送信はファンビームを形成し、受信はマルチビ－ムを形成するＳＩＭＯ（Single Input Multiple Output）方式で観測範囲を常時観測し、繰り返し送信されるパルスの反射信号を受信するレーダシステムのレーダ信号処理方法において、
ms番目のＣＰＩ（Coherent Pulse Interval）の受信信号を入力した際に、ms番目のＣＰＩを含んで過去のＭＤ単位のＣＰＩ分のデータを用いて長時間積分処理を実行し、
前記長時間積分処理した結果をms番目のＲＤ（Range-Doppler：レンジ－ドップラ）データ（RDms）として保存し、
前記ＲＤデータに目標検出処理を実行して目標の検出レンジセルに対応した、RDms～RDms-MS+1のＲＤデータを配列してＭＤＳ（Micro Doppler Spectrogram）データを生成し、
前記ＭＤＳデータからＣＮＮ（Convolutional Neural Network）及び特徴量の抽出によって目標を識別し、
前記目標の識別結果を含んだ検出セルに対して測角処理して、３次元情報を観測値として出力する
レーダシステムのレーダ信号処理方法。

発明の詳細な説明【技術分野】
【０００１】
本実施形態は、レーダシステム及びレーダ信号処理方法に関する。
続きを表示（約 2,400 文字）【背景技術】
【０００２】
従来のレーダシステムにあっては、目標を常時識別可能とする場合、観測範囲に対して、送信はファンビームを形成し、受信はマルチビ－ムを形成して、観測範囲を常時観測するＳＩＭＯ（Single Input Multiple Output）方式を採用する。このＳＩＭＯ方式は、観測空間を常時観測できるため、高データレートに観測できる長所がある。しかしながら、送信がファンビームであるため、所定のＳＮ（Signal to Noise）を確保するためには長時間の積分が必要になる。
【０００３】
これに加えて、目標の識別を高精度に行うために、ＭＤＳ（Micro Doppler Spectrogram）を用いる識別方式の採用が考えられる。しかしながら、この識別方式の採用に際して、やはりＳＮ確保のために長時間の積分を行う必要があり、さらに処理規模が増える。また、積分ヒット数が多い場合には、レンジウォークやドップラウォークにより、積分ロスが生じる課題がある。
【０００４】
この対策のために、例えば積分系列最大化（速度・加速度補正）による手法が提案されている（特許文献１参照）。この手法は、速度及び加速度の探索法で、積分系列を最大化することで積分ロスを低減する。しかしながら、この手法でも、レンジウォークやドップラウォークが大きい場合は、速度及び加速度の探索法の範囲が増えて、さらに処理規模が増える問題がある。
【先行技術文献】
【特許文献】
【０００５】
特許第５０２５４０３号公報
特許第５０７２６９４号公報
【非特許文献】
【０００６】
ＭＤＳ（Micro Doppler Spectrogram）による識別：Peter Klaer, ‘An Investigation of Rotary Drone HERM Line Spectrum under Manoeuvering Condition’, Sensors 2020,20,5940
パルス圧縮：大内、‘リモートセンシングのための合成開口レーダの基礎’、東京電機大学出版局、pp.131-149(2003)
ＣＦＡＲ（Constant False Alarm Rate）：吉田、‘改訂レーダ技術’、電子情報通信学会、pp.87-89(1996)
ＣＮＮ（Convolutional Neural Network）：斎藤、‘ゼロから作るDeep Learning’オライリー・ジャパン、pp.205-221（2016）
ワイブル分布：関根、‘レーダ信号処理技術’、電子情報通信学会、pp.115-119（1991）
モノパルス測角：吉田、‘改訂レーダ技術’、電子情報通信学会、pp.260-264(1996)
高次補正方式：Penghui Huang,‘Long-Time Coherent Integration for Weak Maneuvering Target Detection and High-Order Motion Parameter Estimation Based on Keystone Transform’, IEEE Trans. On SIGNAL PROCESSING, VOL.64, NO.15, AUGUST 1, pp.4013-4026(2016)
ＰＧＡ（Phase gradient autofocus）方式：Charles V. Jakowatz, ‘Spotlight-Mode Synthetic Aperture Radar: A Signal Processing Approach’, Springer, pp.251-256(1996)
【発明の概要】
【発明が解決しようとする課題】
【０００７】
以上述べたように、従来のＳＩＭＯによる常時観測方式のレーダシステムでは、長時間積分時のレンジウォーク及びドップラウォークによる積分ロスの低減に対処するためには、処理規模の増大が問題となっている。
【０００８】
本実施形態の課題は、ＳＩＭＯによる常時観測方式でも、少ない処理規模で、レンジウォーク及びドップラウォークによる積分ロスを低減し、ＭＤＳによる高精度な目標識別を可能とするレーダシステム及びレーダ信号処理方法を提供することにある。
【課題を解決するための手段】
【０００９】
上記の課題を解決するために、実施形態に係るレーダシステムは、以下のように構成される。
【００１０】
(1) 観測範囲に対して、送信はファンビームを形成し、受信はマルチビ－ムを形成するＳＩＭＯ（Single Input Multiple Output）方式で観測範囲を常時観測するレーダシステムにおいて、ms番目のＣＰＩ（Coherent Pulse Interval）を入力した際に、ms番目のＣＰＩを含んで過去のＭＤ単位のＣＰＩ分のデータを用いて長時間積分した結果をms番目のＲＤ（Range-Doppler：レンジ－ドップラ）データ（RDms）として保存すると共に目標検出処理を実行し、目標の検出レンジセルに対応した、RDms～RDms-MS+1のＲＤデータを配列してＭＤＳ（Micro Doppler Spectrogram）データを生成して、ＣＮＮ（Convolutional Neural Network）や特徴量を抽出して識別し、目標識別結果を含んだ検出セルに対して、測角処理して、３次元情報を観測値として出力する（長時間積分識別レーダ）。すなわち、長時間積分の場合でも、検出用に用いたＲＤデータを用いて、ＭＤＳデータを生成して識別することができる。
（【００１１】以降は省略されています）

関連特許