JP2001324567A - レーダによる目標の識別装置 - Google Patents

Abstract

(57)【要約】 【課題】 現行の捜索レーダのように狭帯域の送信パル
スで運用され、分解能が低い場合において目標の認識・
識別処理を実現するものでは、高分解能画像を得ること
が困難であった。 【解決手段】 未知の目標のレーダ断面積（ＲＣＳ）を
抽出する特徴量抽出手段１７と、複数の候補目標の統計
量をアスペクト角ごとに出力する辞書データ作成部２１
と、目標の実際のアスペクト角に対応する統計量を複数
の候補目標ごとに読み出す統計量データベース検索手段
１６と、未知の目標のＲＣＳと検索された統計量とに基
づき未知の目標が候補目標である確率を算出する単一特
徴量確率密度算出手段１８と、候補目標のうちで未知の
目標に最も近いものを選択する目標識別手段１９とを備
え、分解能の低いレーダにおいても目標の認識・識別を
可能としている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、レーダを用いて取
得したレーダ断面積ＲＣＳ（Ｒａｄａｒ Ｃｒｏｓｓ
Ｓｅｃｔｉｏｎ）等の特徴量に基づき目標の認識・識別
を行うレーダによる目標の識別装置に関するものであ
る。

【０００２】

【従来の技術】通常のレーダ装置は、航空機、船舶、車
両等の目標を検出するとともに、その方位及び距離を測
定し、目標の位置を特定する。さらに、目標の速度を測
定することもある。通常のレーダ装置は目標を検出でき
るものの、目標が何であるか、例えば、目標が航空機で
あるとき、それが大型機であるか、小型機であるか、さ
らにその機種は何であるか等について知ることはできな
い。しかし、このような目標の認識及び識別を可能にす
ることについて要求されることがあり、認識・識別機能
を備えるレーダ装置が提案されている。

【０００３】図２９は、例えば特開平６−１７４８３８
号公報に示された、従来のレーダによる目標の識別装置
の構成を示すブロック図である。

【０００４】同図において、１は送信機、２は送受切換
器、３は送受信アンテナ、４は受信機である。送信機１
の送信信号は送受切換器２を経由して送受信アンテナ３
に供給される。また、送受信アンテナ３の受信信号は送
受切換器２を経由して受信機４に入力される。

【０００５】５は受信機４の出力に対して逆合成開口処
理（Ｉｎｖｅｒｓｅｄ Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒ
ｔｕｒｅ Ｒａｄａｒ：ＩＳＡＲ）を行いレーダ画像を
再生するレーダ画像再生手段である。このレーダ画像再
生手段５は、レンジ方向の分解能を向上するためのレン
ジ圧縮手段５１、目標の動きを補償するための動き補償
手段５２、レンジ方向と交差する方向のクロスレンジ方
向の分解能を向上するためのクロスレンジ圧縮手段５
３、これらの処理を行うためにレンジ圧縮手段５１の出
力を記憶する２次元記憶手段５４からなる。

【０００６】６はレーダ画像再生手段５の出力画像及び
後述の畳み込み積分回路１１の出力画像（辞書画像）を
表示するレーダ画像表示手段である。このレーダ画像表
示手段６は、２次元表示バッファ６００１やモニタＴＶ
６００２等を備える。

【０００７】７は反射波中の目標を追尾する目標追尾手
段、８は目標追尾手段７の出力に基づき点像応答を推定
する点像応答推定手段、９は目標追尾手段７の出力に基
づき目標のアスペクト角を推定する目標アスペクト角推
定手段、１０は目標アスペクト角推定手段９の出力に基
づき目標のＲＣＳを算出するＲＣＳ算出手段、１１は点
像応答推定手段８の出力信号とＲＣＳ算出手段１０の出
力信号とにより畳み込み積分を行う畳み込み積分手段、
１２はＲＣＳを算出するためのデータを形状毎に蓄積し
ている目標形状データ蓄積手段である。

【０００８】目標追尾手段７から目標形状データ蓄積手
段１２は、レーダ画像再生手段５とは異なるレーダ画像
を作成する。

【０００９】また、１３はレーダ画像表示手段６のモニ
タＴＶ画像を監視するオペレータを示す。

【００１０】図３０は観測時の目標とレーダとの位置関
係及び目標の運動を示す説明図である。図中、５０１は
航空機等の目標、５０２は図２９のレーダ装置を示す。

【００１１】次に図面に従って動作について説明する。

【００１２】図２９の送信機１で発生した高周波信号
は、送受切換器２を経て送受信アンテナ３から図３０の
目標５０１に向け放射される。目標５０１に照射された
高周波信号の一部がレーダ装置５０２の方向に反射し送
受信アンテナ３で受信される。受信された信号は、送受
切換器２を経て受信機４で増幅・検波された後、レーダ
画像再生手段５によって目標５０１のＲＣＳ分布を示す
レーダ画像に変換され、レーダ画像表示手段６により表
示される。

【００１３】以下に、画像再生の動作について詳しく説
明する。

【００１４】受信機４から出力された受信信号は、レー
ダ画像再生手段５へ入力され、まず、レンジ圧縮手段５
１でレンジ分解能を向上させる処理、即ちパルス圧縮が
行われる。レンジ圧縮後の受信信号は２次元記憶手段５
４にレンジビン番号ｍ及びパルスヒット番号ｎに応じて
格納される。目標５０１の動きから画像再生に有害なラ
ンダム成分を除去するために、動き補償手段５２は、２
次元記憶手段５４から受信信号を読み出し、目標５０１
の中心点のドップラー周波数が０となるように、動き補
償手段５２により位相補償及びレンジビンの並べ換えが
行われる。その後、受信信号は、再び２次元記憶手段５
４に格納される。

【００１５】今、図３０に示すように目標５０１が、ヨ
ー運動（進行方向に対する左右の動き）による回転運
動、あるいは直進運動をしているものと仮定する。この
とき、同一レンジビン内に存在する目標上の相異なる点
がそれぞれ異なるドップラー周波数の反射波を発生す
る。これを利用して、クロスレンジ圧縮手段５３では、
動き補償手段５２による位相補償後の受信信号をレンジ
ビン毎にＦＦＴ（ＦａｓｔＦｏｕｒｉｅｒ Ｔｒａｎｓ
ｆｏｒｍ）を行うことにより、クロスレンジ分解能の向
上を図る。以上、レンジ圧縮手段５１、クロスレンジ圧
縮手段５３により、レンジ及びクロスレンジの両方向に
ついて高分解能化される。このように目標の運動により
生じるドップラー効果を利用してその形状の画像を得る
処理はＩＳＡＲ（Ｉｎｖｅｒｓｅｄ Ｓｙｎｔｈｅｔｉ
ｃ Ａｐｅｒｔｕｒｅ）処理と呼ばれるものであり、公
知のものである。

【００１６】レーダ画像再生手段５により得られた、目
標の各点のＲＣＳ分布を表すレーダ画像はレーダ画像表
示手段６へ送られる。そして、２次元表示バッファ６０
０１に一旦格納された後、モニタＴＶ６００２に画像と
して表示される。

【００１７】以上のように、レーダ画像再生手段６によ
りレーダ画像が得られるが、モニタＴＶ６００２に表示
される、もう一つの画像（辞書画像）を得るための処理
について説明する。

【００１８】受信機４で得られる受信信号は目標追尾手
段７にも供給される。目標追尾手段７は、目標５０１の
進行方向、位置、速度、加速度等の運動特性を推定す
る。

【００１９】点像応答推定手段８は、目標追尾手段７の
結果と、既知であるレーダ装置の諸元からレーダ装置５
０２のインパルスレスポンスに相当する点像応答関数を
算出する。

【００２０】また同時に、目標アスペクト角推定手段９
は、目標追尾手段７の結果に基づき得られる目標５０１
の位置及び進行方向と、既知のレーダ装置５０２の位置
とから目標のアスペクト角を推定する。

【００２１】ＲＣＳ算出手段１０は、目標形状データ蓄
積手段１２に格納された３次元形状データを順次読みだ
し、目標アスペクト角推定手段９により推定された目標
のアスペクト角に基づいて目標のＲＣＳ分布を算出す
る。目標形状データ蓄積手段１２には、目標毎の３次元
形状データが予め格納されている。ＲＣＳ分布の計算に
は、例えばＧＴＤ（Ｇｅｏｍｅｔｒｉｃａｌ Ｔｈｅｏ
ｒｙ ｏｆ Ｄｉｆｆｒａｃｔｉｏｎ）やＰＴＤ（Ｐｈ
ｙｓｉｃａｌ Ｔｈｅｏｒｙ ｏｆ Ｄｉｆｆｒａｃｔ
ｉｏｎ）など良く知られた手法が利用できる。ＲＣＳ算
出手段１０の処理の際に、目標の形状データの分解能と
レーダ装置の分解能とは必ずしも一致しない。そこで、
これらを整合させるため、畳み込み積分手段１１が、Ｒ
ＣＳ算出手段１０によるＲＣＳ分布と点像応答推定手段
８による点像応答関数との畳み込み積分を行う。

【００２２】以上のように、目標追尾手段７乃至目標形
状データ蓄積手段１２により、認識・識別用の辞書画像
を生成する。

【００２３】このようにして生成されたレーダ画像及び
辞書画像は、レーダ画像表示手段６上で表示される。従
って、オペレータ１３はこれら２種類の画像を同時に見
ることができ、たとえレーダ画像再生手段５により再生
されたレーダ画像が日常見慣れた可視光による目標の画
像と異なっていても、辞書画像と比較することにより、
容易に認識及び識別することができる。

【００２４】

【発明が解決しようとする課題】上記の従来のレーダに
よる目標の識別装置は以上のように構成されているの
で、ＩＳＡＲ処理を行い、目標の形状に関する情報が得
られる程度の高分解能画像を得ている。この高分解能画
像を得るためには、広帯域の送信信号で、かつ、長時間
観測しなければならない。従って、分解能が低い場合に
おいて目標の認識・識別処理を実現するのは困難である
などの課題があった。

【００２５】本発明は上記のような課題を解決するため
になされたもので、分解能が低いレーダ装置において
も、目標の認識及び識別を可能にするレーダによる目標
の識別装置を提供することを目的とする。

【００２６】本発明のその他の目的や新規な特徴は後述
の実施の形態において明らかにする。

【００２７】

【課題を解決するための手段】上記目的を達成するため
に、本願請求項１の発明に係るレーダによる目標の識別
装置は、レーダ受信機が出力する目標からの反射信号に
基づき前記目標の特徴量を抽出する特徴量抽出手段と、
前記反射信号に基づき前記目標を追尾する目標追尾手段
と、前記目標追尾手段の出力に基づき前記目標のレーダ
に対する向きを示すアスペクト角を推定する目標アスペ
クト角推定手段と、予め定められた複数の候補目標につ
いての統計量データをアスペクト角毎に出力する統計量
データ作成手段と、前記目標アスペクト角推定手段によ
り推定されたアスペクト角の統計量データを前記統計量
データ作成手段から読み出して前記複数の候補目標毎に
出力する統計量検索手段と、前記特徴量抽出手段の出力
及び前記統計量検索手段の出力に基づき前記目標の確率
密度値を前記複数の候補目標毎に算出する確率密度算出
手段と、前記確率密度値に基づき前記目標に近い候補目
標を選択し、選択された候補目標を前記目標の識別結果
として出力する目標識別手段とを備えたことを特徴とし
ている。

【００２８】本願請求項２の発明に係るレーダによる目
標の識別装置は、請求項１において、レーダ送信機から
の目標に対するレーダ送信波を送信する送信アンテナ
と、この送信アンテナと離れた位置に設置され、前記目
標からの反射波を受信し前記レーダ受信機へ出力する受
信アンテナとを備え、前記統計量データ作成手段は、予
め定められた複数の候補目標についての統計量データ
を、前記目標と前記送信アンテナとの間の送信アスペク
ト角、及び前記目標と前記受信アンテナとの間の受信ア
スペクト角によって特定される角度毎に出力し、前記目
標アスペクト角推定手段は、前記目標追尾手段の出力に
基づき前記送信アスペクト角及び前記受信アスペクト角
を推定し、前記統計量検索手段は、前記目標アスペクト
角推定手段により推定された送信アスペクト角及び受信
アスペクト角に基づき、前記統計量データを前記統計量
データ作成手段から読み出して前記複数の候補目標毎に
出力することを特徴としている。

【００２９】本願の請求項３の発明に係るレーダによる
目標の識別装置は、目標に対するレーダ送信波の偏波及
び受信波の偏波の組合せからの反射信号の偏波の種類を
選択する選択手段と、前記選択手段の出力に基づき前記
目標の特徴量を前記偏波の組合せ毎に抽出する特徴量抽
出手段と、前記受信波に基づき前記目標を追尾する目標
追尾手段と、前記目標追尾手段の出力に基づき前記目標
のレーダに対する向きを示すアスペクト角を推定する目
標アスペクト角推定手段と、予め定められた複数の候補
目標についての統計量データをアスペクト角及び前記偏
波の組合せ毎に出力する統計量データ作成手段と、前記
目標アスペクト角推定手段により推定されたアスペクト
角の統計量データを前記統計量データ作成手段から読み
出して前記複数の候補目標及び前記偏波の組合せ毎に出
力する統計量検索手段と、前記特徴量抽出手段の出力及
び前記統計量検索手段の出力に基づき前記目標の確率密
度値を前記複数の候補目標及び前記偏波の組合せ毎に算
出する確率密度算出手段と、前記確率密度算出手段によ
り得られた確率密度値を前記偏波の組合せ毎にまとめて
前記複数の候補目標毎の確率密度値とする特徴空間確率
密度算出手段と、前記確率密度値に基づき前記目標に近
い候補目標を選択し、選択された候補目標を前記目標の
識別結果として出力する目標識別手段とを備えたことを
特徴としている。

【００３０】本願請求項４の発明に係るレーダによる目
標の識別装置は、請求項３において、偏波の組合せ毎の
重み係数を予め格納する重みデータベースを備え、前記
特徴空間確率密度算出手段は、確率密度値を前記偏波の
組合せ毎にまとめるときに前記重み係数に基づき重み付
けを行うことを特徴としている。

【００３１】本願の請求項５の発明に係るレーダによる
目標の識別装置は、目標に対するレーダ送信波の周波数
及び受信波の周波数の種類を選択する選択手段と、前記
選択手段の出力に基づき前記目標の特徴量を前記周波数
の種類毎に抽出する特徴量抽出手段と、前記受信波に基
づき前記目標を追尾する目標追尾手段と、前記目標追尾
手段の出力に基づき前記目標のレーダに対する向きを示
すアスペクト角を推定する目標アスペクト角推定手段
と、予め定められた複数の候補目標についての統計量デ
ータをアスペクト角及び前記周波数の種類毎に出力する
統計量データ作成手段と、前記目標アスペクト角推定手
段により推定されたアスペクト角の統計量データを前記
統計量データ作成手段から読み出して前記複数の候補目
標及び前記周波数の種類毎に出力する統計量検索手段
と、前記特徴量抽出手段の出力及び前記統計量検索手段
の出力に基づき前記目標の確率密度値を前記複数の候補
目標及び前記周波数の種類毎に算出する確率密度算出手
段と、前記確率密度算出手段により得られた確率密度値
を前記周波数の種類毎にまとめて前記複数の候補目標毎
の確率密度値とする特徴空間確率密度算出手段と、前記
確率密度値から前記目標に近い候補目標を選択し、選択
された候補目標を前記目標の識別結果として出力する目
標識別手段とを備えたことを特徴としている。

【００３２】本願の請求項６の発明に係るレーダによる
目標の識別装置は、請求項５において、周波数の種類毎
に重み係数を予め格納する重みデータベースを備え、前
記特徴空間確率密度算出手段は、確率密度値を前記周波
数の種類毎にまとめるときに前記重み係数に基づき重み
付けを行うことを特徴としている。

【００３３】本願の請求項７の発明に係るレーダによる
目標の識別装置は、請求項１乃至６のいずれかにおい
て、前記統計量データ作成手段に、候補目標毎の形状を
予め格納する目標形状データ蓄積手段と、前記候補目標
毎の形状に基づきレーダ断面積を算出するＲＣＳ算出手
段と、前記ＲＣＳ算出手段の出力に基づき統計量を前記
候補目標毎に算出する統計量算出手段と、前記統計量算
出手段により得られた統計量を格納するとともに、前記
統計量検索手段の指定に基づき対応する統計量データを
出力する統計量データベースとを備えたことを特徴とし
ている。

【００３４】本願の請求項８の発明に係るレーダによる
目標の識別装置は、請求項１，３，４，５又は６におい
て、前記統計量データ作成手段に、候補目標毎の形状を
予め格納する目標形状データ蓄積手段と、前記候補目標
毎の形状に基づきレーダ断面積を算出するＲＣＳ算出手
段と、前記ＲＣＳ算出手段の出力に基づき統計量を前記
候補目標毎に算出する統計量算出手段と、前記候補目標
のうちで互いに近似するもの同士をカテゴリにまとめる
カテゴリ分離手段と、前記カテゴリ毎の統計量を算出す
るとともに、前記カテゴリに含まれない候補目標の統計
量を出力するカテゴリ別統計量算出手段と、前記カテゴ
リ毎の統計量及び前記カテゴリに含まれない候補目標の
統計量を格納するとともに、前記統計量検索手段の指定
に基づき対応する統計量データを出力する統計量データ
ベースとを備えたことを特徴としている。

【００３５】本願の請求項９の発明に係るレーダによる
目標の識別装置は、請求項８において、前記目標識別手
段は、選択された候補目標がカテゴリであるときに、前
記カテゴリ及びこれに含まれる複数の候補目標を表示す
ることを特徴としている。

【００３６】本願の請求項１０の発明に係るレーダによ
る目標の識別装置は、請求項７又は８において、前記統
計量検索手段により指定されたアスペクト角に対応する
統計量データが存在しないときに近傍の統計量データを
前記統計量データベースから読み出すとともに、前記近
傍の統計量データに基づき補間処理を行い、前記指定さ
れたアスペクト角に対応する統計量データを算出して出
力するデータベース補間手段を備えたことを特徴として
いる。

【００３７】本願の請求項１１の発明に係るレーダによ
る目標の識別装置は、請求項１０において、前記統計量
データベースが、方位角及び仰角それぞれについて統計
量データを格納し、前記データベース補間手段は、方位
角及び仰角それぞれについて補間処理を行うとともに、
前記データベース補間手段により得られた方位角の統計
量と仰角の統計量とを融合し、融合された統計量データ
を前記統計量検索手段に出力するアジマス・エレベーシ
ョン独立統計量融合手段を備えたことを特徴としてい
る。

【００３８】本願の請求項１２の発明に係るレーダによ
る目標の識別装置は、請求項１，３，４，５又は６にお
いて、前記目標アスペクト角推定手段により推定された
アスペクト角に基づき特徴量を算出するアスペクト角範
囲を決定するアスペクト角決定手段を備えるとともに、
前記統計量データ作成手段に、候補目標毎の形状を予め
格納する目標形状データ蓄積手段と、前記アスペクト角
範囲内において前記候補目標毎の形状に基づきレーダ断
面積を算出するＲＣＳ算出手段と、前記ＲＣＳ算出手段
の出力に基づき統計量を前記候補目標毎に算出して統計
量検索手段に出力する統計量算出手段とを備えたことを
特徴としている。

【００３９】本願の請求項１３の発明に係るレーダによ
る目標の識別装置は、請求項７，８又は１２において、
前記統計量データ作成手段に、複数の分布モデルを予め
格納する分布モデルデータベースと、前記ＲＣＳ算出手
段の出力の分布を前記複数の分布モデルと比較すること
により分布を検定する分布検定手段とを備えるととも
に、前記統計量算出手段は、前記分布検定手段により定
められた分布に基づき統計量を算出することを特徴とし
ている。

【００４０】本願の請求項１４の発明に係るレーダによ
る目標の識別装置は、レーダ受信機が出力する目標から
の反射信号に基づき前記目標の特徴量を抽出する特徴量
抽出手段と、前記反射信号に基づき前記目標を追尾する
目標追尾手段と、前記目標追尾手段の出力に基づき前記
目標のレーダに対する向きを示すアスペクト角を推定す
る目標アスペクト角推定手段と、予め定められた複数の
候補目標についての統計量データをアスペクト角毎に出
力する統計量データ作成手段と、前記目標アスペクト角
推定手段により推定されたアスペクト角の統計量データ
を前記統計量データ作成手段から読み出して前記複数の
候補目標毎に出力する統計量検索手段と、前記特徴量抽
出手段の出力した特徴量及び前記統計量データベース検
索手段の出力した前記統計量に基づき、各観測において
前記目標が前記各候補目標である確率に関する量を表す
確率値を前記各候補目標毎に算出する単一スキャン確率
値算出手段と、前記単一スキャン確率値算出手段で各候
補目標毎に算出された確率値を格納する単一スキャン確
率値蓄積手段と、前記単一スキャン確率値蓄積手段から
読み出した前記各候補目標毎の前記確率値を基にした値
の複数回の観測における値の平均操作をすることによ
り、前記複数回の観測に亘る複数スキャン確率平均値を
算出する複数スキャン確率平均値算出手段と、前記複数
スキャン確率平均値に基づき、前記目標に近い候補目標
を選択し、選択された前記候補目標を前記目標の識別結
果として出力する目標識別手段とを備えたことを特徴と
している。

【００４１】本願の請求項１５の発明に係るレーダによ
る目標の識別装置は、請求項１４において、前記統計量
算出手段は、特徴量がガウス分布しているものとみなし
て統計量として特徴量の平均値及び標準偏差を求め、前
記単一スキャン確率値算出手段は、確率値として、前記
平均値及び前記標準偏差を有するガウス分布における、
前記特徴量抽出手段の出力した特徴量に対応する確率密
度を算出することを特徴としている。

【００４２】本願の請求項１６の発明に係るレーダによ
る目標の識別装置は、請求項１４又は１５において、各
観測における各候補目標の確率値を全候補目標の確率値
の総和により規格化した単一スキャン関連確率を算出す
る単一スキャン関連確率算出手段を備え、複数スキャン
確率平均値算出手段は、確率値を基にした値として、前
記単一スキャン関連確率算出手段が算出した前記単一ス
キャン関連確率を用いることを特徴としている。

【００４３】本願の請求項１７の発明に係るレーダによ
る目標の識別装置は、請求項１５において、前記複数ス
キャン確率平均値算出手段は、確率値を基にした値の複
数回の観測における相加平均をとることを特徴としてい
る。

【００４４】本願の請求項１８の発明に係るレーダによ
る目標の識別装置は、請求項１５において、複数スキャ
ン確率平均値算出手段は、確率値を基にした値の複数回
の観測における相乗平均をとることを特徴としている。

【００４５】本願の請求項１９の発明に係るレーダによ
る目標の識別装置は、レーダ受信機が出力する目標から
の反射信号に基づき前記目標の特徴量を抽出する特徴量
抽出手段と、前記反射信号に基づき前記目標を追尾する
目標追尾手段と、前記目標追尾手段の出力に基づき前記
目標のレーダに対する向きを示すアスペクト角を推定す
る目標アスペクト角推定手段と、予め定められた複数の
候補目標についての統計量データをアスペクト角毎に出
力する統計量データ作成手段と、前記目標アスペクト角
推定手段により推定されたアスペクト角の統計量データ
を前記統計量データ作成手段から読み出して前記複数の
候補目標毎に出力する統計量検索手段と、前記特徴量抽
出手段の出力した特徴量及び前記統計量データベース検
索手段の出力した前記統計量に基づき、各観測において
前記目標が前記各候補目標である確率に関する量を表す
確率値を前記各候補目標毎に算出する単一スキャン確率
値算出手段と、前記単一スキャン確率値算出手段で各候
補目標毎に算出された確率値を格納する単一スキャン確
率値蓄積手段と、前記単一スキャン確率値蓄積手段から
読み出した各候補目標の確率値を基にして前記目標であ
ると考えられる候補目標を選択した結果を表す単一スキ
ャン選択目標を算出する単一スキャン選択目標算出手段
と、前記単一スキャン選択目標算出手段が算出した前記
単一スキャン選択目標を用い、前記単一スキャン選択目
標を前記各候補目標毎に複数回の観測で平均操作した複
数スキャン目標選択率を複数スキャン確率平均値として
算出する複数スキャン確率平均値算出手段とを備えたこ
とを特徴としている。

【００４６】本願の請求項２０の発明に係るレーダによ
る目標の識別装置は、レーダ受信機が出力する目標から
の反射信号に基づき前記目標の特徴量を抽出する特徴量
抽出手段と、前記反射信号に基づき前記目標を追尾する
目標追尾手段と、前記目標追尾手段の出力に基づき前記
目標のレーダに対する向きを示すアスペクト角を推定す
る目標アスペクト角推定手段と、予め定められた複数の
候補目標についての統計量データをアスペクト角毎に出
力する統計量データ作成手段と、前記目標アスペクト角
推定手段により推定されたアスペクト角の統計量データ
を前記統計量データ作成手段から読み出して前記複数の
候補目標毎に出力する統計量検索手段と、前記特徴量抽
出手段の出力した特徴量及び前記統計量データベース検
索手段の出力した前記統計量に基づき、各観測において
前記目標が前記各候補目標である確率に関する量を表す
確率値を前記各候補目標毎に算出する単一スキャン確率
値算出手段と、前記単一スキャン確率値算出手段で各候
補目標毎に算出された確率値を格納する単一スキャン確
率値蓄積手段と、事前のシミュレーションから、各アス
ペクト角毎の識別率を計算し、これを各アスペクト角毎
の重み係数とする重みデータベース生成手段と、前記重
みデータベース生成手段で計算された各アスペクト角毎
の重み係数を蓄積する重みデータベースと、目標アスペ
クト角推定手段において各観測に対して得られる目標の
推定アスペクト角を用いて重みデータベースを検索し、
その回の観測結果に対する重み係数を出力する重みデー
タベース検索手段と、複数回の観測における各候補目標
毎の確率値と、前記重みデータベース検索手段から出力
された各観測に対する重み係数を用いて、前記候補目標
毎に複数回の観測における前記確率値を加重平均した複
数スキャン重み付き確率平均値を複数スキャン確率平均
値として算出する複数スキャン確率平均値算出手段と、
前記複数スキャン確率平均値に基づき、前記目標に近い
候補目標を選択し、選択された前記候補目標を前記目標
の識別結果として出力する目標識別手段とを備えたこと
を特徴としている。

【００４７】

【発明の実施の形態】以下、本発明に係るレーダによる
目標の識別装置の実施の形態を図面に従って説明する。

【００４８】実施の形態１．図１は本発明の実施の形態
１の機能構成を示す機能ブロック図である。

【００４９】同図において、１は送信機、２は送受切換
器、３は送受信アンテナ、４は受信機である。送信機１
の送信信号は送受切換器２を経由して送受信アンテナ３
に供給される。また、送受信アンテナ３の受信信号は送
受切換器２を経由して受信機４に入力される。

【００５０】７は受信機４が出力する反射信号中の目標
を追尾する目標追尾手段、９は目標追尾手段７の出力に
基づき目標のアスペクト角を推定する目標アスペクト角
推定手段、１６は後述する辞書データ作成部２１の統計
量データベース２１４に基づき、目標のアスペクト角に
対応する候補目標毎の統計量データμＳ（ｎ），σＳ
（ｎ）（ｎが候補目標を意味する）を検索する統計量デ
ータベース検索手段（統計量検索手段）、１７は受信機
４が出力する反射信号中の目標の特徴量ＳＵＮＫＮＯＷ
Ｎを抽出する特徴量抽出手段、１８は統計量データμＳ
（ｎ），σＳ（ｎ）及び特徴量ＳＵＮＫＮＯＷＮに基づ
き候補目標毎の確率密度値を算出する単一特徴量確率密
度算出手段（確率密度算出手段）、１９は単一特徴量確
率密度算出手段１８による候補目標毎の確率密度値のう
ちの最大のものを選択することにより、目標に最も近い
候補目標を選択する目標識別手段、２０は目標識別手段
１９の識別結果を表示する識別結果表示手段である。

【００５１】２１は辞書データ作成部であり、候補目標
についての手本となる辞書データを出力するもので、統
計量データ作成手段に対応する。この辞書データ作成部
２１は、ＲＣＳ（Ｒａｄａｒ Ｃｒｏｓｓ Ｓｅｃｔｉ
ｏｎ）を算出するための形状データを候補目標毎に予め
蓄積している目標形状データ蓄積手段２１１と、目標形
状データ蓄積手段２１１から目標形状データを読み出し
て目標のＲＣＳを候補目標毎に算出するＲＣＳ算出手段
２１２と、目標のＲＣＳに基づき候補目標毎の統計量デ
ータμＳ（ｎ），σＳ（ｎ）を算出する統計量算出手段
２１３と、統計量データμＳ（ｎ），σＳ（ｎ）を格納
する統計量データベース２１４とからなる。統計量デー
タベース２１４は、アスペクト角推定誤差の影響を考慮
に入れたデータベースである。なお、目標形状データ蓄
積手段２１１、ＲＣＳ算出手段２１２は、従来例の目標
形状データ蓄積手段１２、ＲＣＳ算出手段１０に相当す
る。

【００５２】また、１３は識別結果表示手段２０を監視
するオペレータを示す。

【００５３】特徴量とは、目標を特徴づける物理量のこ
とである。たとえば、目標からの反射信号の振幅、その
変化、周波数（ドップラー周波数を含む）、その変化、
時間遅れ（つまり目標の位置）、その変化等である。こ
れらはレーダの送受信周波数あるいは偏波により変化す
る。また、これら特徴量から得られる目標のレーダ断面
積（Ｒａｄａｒ Ｃｒｏｓｓ Ｓｅｃｔｉｏｎ：ＲＣ
Ｓ）、目標の速度、飛行経路等の運動性等も特徴量であ
る。

【００５４】統計量とは、候補目標の特徴量の分布を示
すパラメータ、例えば、平均、分散等である。この統計
量は、仮定する分布の種類によりさまざまなものがあ
る。例えば次のようなものがある。 ・ガウス分布（詳細は後述する）の平均、標準偏差。 ・レイリー分布 Ｐ（Ｒ）＝（Ｒ／σ² ）ｅｘｐ｛−（Ｒ² ／２σ² ）｝の標準 偏差σ。 ・ワイブル分布 Ｐ（Ｒ）＝（ｃ／ｂ）（Ｒ／ｂ）^c-1 exp｛−（Ｒ／ｂ）^c ｝ の尺度パラメータｂ、構造パラメータｃ。 ・一様分布 Ｐ（Ｒ）＝１／（ｅ−ｄ） （ｄ≦Ｒ≦ｅ） Ｐ（Ｒ）＝０ （ｏｔｈｅｒｗｉｓｅ）の分布領域を表す パラメータｄ，ｅ。

【００５５】確率密度値とは、レーダで観測された目標
が、ある候補目標である確率に相当する値である。全く
誤差がないと仮定すると、特徴量抽出手段による特徴量
と、辞書データベースに格納されたある候補目標の特徴
量とが一致することもあり得るが、このようなケースは
実際にはありえない。そこで、辞書データの特徴量に統
計的な分布の広がりを考え、上記確率密度値を導入する
ことにより実用性を高めた。

【００５６】図２は本実施の形態１における辞書データ
作成部２１の処理内容を示すフローチャート（流れ図）
である。図３はＲＣＳ算出手段２１２で計算されたＲＣ
Ｓ分布の一例である。図４はアスペクト角推定誤差の確
率密度分布の一例である。図５はあるアスペクト角にお
ける特徴量の確率密度分布の一例である。

【００５７】図１の装置は、レーダ装置の受信信号中で
検出された未知の目標の認識・識別を行う装置である。
図１の装置の動作について説明する前に、目標の認識・
識別の意味について説明する。

【００５８】通常のレーダ装置は、受信信号中の目標を
検出すること、検出された目標の位置（方位、距離、高
度）を測定することができる。しかし、検出された目標
が何であるか、例えば、航空機を目標とする通常のレー
ダ装置の場合、目標の機種まではわからない。一方、目
標が何であるか知ることができれば、適切な対応をとる
ことができるので、目標が何であるかを知りたいという
要求がある。本発明の装置は、係る要求に応えるもので
ある。すなわち、この装置が行う認識・識別とは、レー
ダ装置の受信信号中で検出された未知の目標がどのよう
なものであるのか、例えば、航空機を対象にしている場
合、目標がヘリコプターであるのか、小型の単発機であ
るのか、中型の双発機であるのか、大型のジェット機で
あるのか、大型のジェット機であればその機種はＢ７４
７，Ｂ７７７，ＭＤ８１，ＤＣ１０，Ａ３００のいずれ
であるのか等を判定することである。

【００５９】この装置の認識・識別処理は次のような原
理に基づいている。すなわち、得られた目標の情報を、
予め予想される目標である候補目標の情報、すなわち
「辞書データ」の情報と比較し、これら比較結果のうち
でもっとも似ているものを選択することにより目標がそ
の候補目標であると判定する。「辞書データ」には、予
め複数の候補目標に関する情報が記憶されている。

【００６０】次に、実施の形態１の装置の動作を、図１
乃至図５、及び図３０を用いて説明する。

【００６１】送信機１で発生した高周波信号は、送受切
換器２を経て送受信アンテナ３から図３０に示した目標
５０１に向け放射される。目標５０１に照射された高周
波信号の一部がレーダ装置５０２の方向に反射され、送
受信アンテナ３で受信される。この受信信号は、送受切
換器２を経て受信機４で増幅・検波された後、目標追尾
手段７及び特徴量抽出手段１７に送られる。

【００６２】目標追尾手段７は、目標５０１の進行方
向、位置、速度、加速度等の運動特性を推定する。目標
アスペクト角推定手段９は、目標追尾手段７の結果に基
づき得られる目標５０１の位置及び進行方向と、既知の
レーダ装置５０２の位置とから目標のアスペクト角｛ア
ジマス角（方位角）θAZI、エレベーション角（仰角）
θELE｝を推定する。

【００６３】統計量データベース検索手段１６は、目標
のアスペクト角に基づき統計量データベース２１４に蓄
積された認識・識別用データを検索する。この処理内容
の詳細については後述する。

【００６４】一方、特徴量抽出手段１７は、受信信号の
強度を測定して未知目標のＲＣＳを特徴量ＳＵＮＫＮＯ
ＷＮとして得て、次段の単一特徴量確率密度算出手段１
８に送る。この処理内容についての詳細は、後述する。

【００６５】単一特徴量確率密度算出手段１８は、統計
量データベース検索手段１６の出力μＳ（ｎ），σＳ
（ｎ）及び特徴量抽出手段１７の出力ＳＵＮＫＮＯＷＮ
に基づき単一特徴量確率密度を算出する。この処理内容
の詳細については後述する。

【００６６】次に、認識・識別用データの内容、作成動
作、蓄積動作について詳しく説明する。

【００６７】［辞書データ作成部２１の処理内容］ま
ず、辞書データ作成部２１の処理内容について、図２の
フローチャートを用いて、それぞれのステップ毎に項分
けして説明する。

【００６８】［ＳＴ１］候補機種の決定を行う。まず、
このレーダシステムの運用形態に基づいた候補機種を予
め決定しておき、従来例と同様に各候補機種の３次元形
状データを目標形状データ蓄積手段２１１に蓄積する。
目標形状データ蓄積手段２１１に蓄積されるデータは、
例えば、ヘリコプター、小型の単発機、中型の双発機、
大型のジェット機、大型のジェット機であればその機種
Ｂ７４７，Ｂ７７７，ＭＤ８１，ＤＣ１０，Ａ３００等
毎の形状データである。なお、対象となる目標は航空機
に限らず、航空機以外の船舶、車両等であってもよい。

【００６９】［ＳＴ２］考慮アスペクト角範囲の決定を
行う。ＳＴ１と同じく、システムの運用要求に従った考
慮すべきアスペクト角範囲を予め決定しておく。アスペ
クト角範囲は、目標とレーダシステムとの関係がいかな
る場合に認識・識別を行うかを決めるためのものであ
る。目標とレーダシステムの関係によってアスペクト角
が変わるからである。目標とレーダシステムの関係と、
アスペクト角との組み合わせとして次のようなケースが
考えられる。

【００７０】（１）目標がレーダ設置場所の方向に向か
ってくるときにのみ、認識・識別を行うという運用にお
いて、目標とレーダシステムとはほぼ正対するため、考
慮すべきアスペクト角範囲は、０°を中心とした比較的
狭い範囲である。たとえば、０°±５〜１０°である。 （２）目標がレーダ設置場所の方向から遠ざかるときに
のみ、認識・識別を行うという運用において、目標はレ
ーダシステムとはほぼ反対方向を向くため、考慮すべき
アスペクト角範囲は、１８０°を中心とした比較的狭い
範囲である。 （３）目標がレーダ設置場所に対して側面を見せつつ遠
ざかるとき、つまり遠方を通過するときにのみ、認識・
識別を行うという運用において、考慮すべきアスペクト
角範囲は、０°を中心とした比較的狭い範囲である。 （４）上記（１）〜（３）の組み合わせ。

【００７１】［ＳＴ４］各候補機種において、各アスペ
クト角での特徴量Ｓ（θａ，θｅ）を計算する。ＲＣＳ
算出手段２１２により、各目標の考慮アスペクト角範囲
内のＲＣＳ分布Ｓ（θａ，θｅ）を算出する。ここで、
θａ，θｅは、それぞれ、考慮アスペクト角範囲内の目
標に対する、レーダのアンテナのアジマス、エレベーシ
ョン角を表す。このＳ（θａ，θｅ）が特徴量となる。
ＲＣＳ算出手段２１２によるＲＣＳ分布の計算には、例
えばＧＴＤ（Ｇｅｏｍｅｔｒｉｃａｌ Ｔｈｅｏｒｙ
ｏｆ Ｄｉｆｆｒａｃｔｉｏｎ）やＰＴＤ（Ｐｈｙｓｉ
ｃａｌ Ｔｈｅｏｒｙ ｏｆ Ｄｉｆｆｒａｃｔｉｏ
ｎ）など良く知られた手法が利用できる。

【００７２】ＲＣＳ算出手段２１２により得られた特徴
量Ｓ（θａ，θｅ）の分布の一例を図３に示す。図３
は、横方向がアジマス角（Ａｚｉｍｕｔｈ）、奥行き方
向がエレベーション角（Ｅｌｅｖａｔｉｏｎ）を示す。
高さ方向は、デシベル表示の特徴量ＲＣＳの値を示して
いる。

【００７３】［ＳＴ３］アスペクト角推定誤差の標準偏
差σAZI，σELEを与える。目標アスペクト角推定手段９
により得られるアスペクト角にはある程度の推定誤差が
含まれる。従って、認識・識別を正確に行うためには、
辞書データについても推定誤差を考慮した方がよい。こ
の推定誤差はガウス分布に従うと仮定すると、その統計
量は平均と標準偏差で与えられる。ところで、アスペク
ト角推定誤差は使用するレーダシステムの性能に依存す
るので、推定誤差を予め知ることは可能である。そこで
アジマス方向の誤差の標準偏差をσAZI、エレベーショ
ン方向の誤差の標準偏差をσELEを予め求めておく。す
なわち、目標アスペクト角推定手段９で得られたアジマ
ス、エレベーション角の誤差の標準偏差は、それぞれσ
AZI，σELEである。

【００７４】［ＳＴ５］観測アスペクト角が［θAZI，
θELE］の時の推定誤差の確率密度分布Ｐ（θAZI，θEL
E，θａ，θｅ）を計算する。観測されたアスペクト
角、すなわち観測アジマス、観測エレベーション角が、
それぞれθAZI，θELEで与えられたとき、アジマス角θ
ａ、エレベーション角θｅのアスペクト角の確率密度分
布は次式のように表せる。

【数１】

【００７５】確率密度分布の一例を図示したものが図４
である。平面上の２つの軸がアジマスとエレベーション
の角度、縦軸が確率密度を表す。このようにアスペクト
角、すなわち観測アジマスθAZI、観測エレベーション
角θELEが、式（１）により確率密度分布に変換され
る。これに伴い、観測アスペクト角に対する特徴量ＲＣ
Ｓの値も確率密度分布で与えられることとなる。

【００７６】［ＳＴ６］考慮アスペクト角［θAZI，θE
LE］における各候補目標の確率密度分布を計算する。式
（１）により得られたアスペクト角の分布に基づき、図
３のＳ（θａ，θｅ）を変換する。ここでは取り扱いの
簡単のために、あるアスペクト角［θAZI，θELE］につ
いてのＳ（θａ，θｅ）の分布は、図５のようにある特
徴量を中心に概ねガウス分布をなすと見做すこととす
る。

【００７７】［ＳＴ７］各アスペクト角［θAZI，θEL
E］における各候補目標の特徴量Ｓの確率密度分布をガ
ウス分布とみなし、その平均値μＳ、標準偏差σＳを計
算する。観測アスペクト角θAZI，θELEにおける、ある
候補目標の特徴量の平均値μＳ、標準偏差σＳの値はそ
れぞれ次式に示すものとなる。

【数２】

【００７８】ここで、Ｄａ，Ｄｅはそれぞれ、ＳＴ２で
定められた考慮すべきアジマス、エレベーションの範囲
である。また、Ｓ（θａ，θｅ）は特徴量のアスペクト
角特性である。このＳＴ７の処理は、統計量算出手段２
１３で行われる。

【００７９】［ＳＴ８］各候補目標、各アスペクト角毎
にμＳ，σＳを格納する。すなわち、式（２），（３）
により得られたμＳ，σＳを統計量データベース２１４
に格納する。統計量データベース２１４に蓄積されるデ
ータは、ＳＴ１で決定された候補機種毎に関するアスペ
クト角毎のμＳ，σＳのデータである。

【００８０】例えば、次のようなものである。 候補機種１：Ｂ７４７ アスペクト角［θAZI，θELE］ 特徴量Ｓの平均値μＳ，標準偏差σＳ θAZI(1,1) ，θELE(1,1) μＳ(1,1) ，σＳ(1,1) θAZI(1,2) ，θELE(1,2) μＳ(1,2) ，σＳ(1,2) θAZI(1,3) ，θELE(1,3) μＳ(1,3) ，σＳ(1,3) ・ ・ ・ ・ θAZI(1,m) ，θELE(1,m) μＳ(1,m) ，σＳ(1,m) 候補機種２：Ｂ７７７ アスペクト角［θAZI，θELE］ 特徴量Ｓの平均値μＳ，標準偏差σＳ θAZI(2,1) ，θELE(2,1) μＳ(2,1) ，σＳ(2,1) θAZI(2,2) ，θELE(2,2) μＳ(2,2) ，σＳ(2,2) θAZI(2,3) ，θELE(2,3) μＳ(2,3) ，σＳ(2,3) ・ ・ ・ ・ θAZI(2,m) ，θELE(2,m) μＳ(2,m) ，σＳ(2,m)

【００８１】以下、同様に、候補目標３：ＭＤ８１，候
補目標４：ＤＣ１０，候補目標５：Ａ３００，・・・，
候補目標Ｎ：ＸＸＸＸについてのデータが統計量データ
ベース２１４に格納される。

【００８２】以上の処理は、予めバッチ処理で行ってお
いてもよいし、レーダの動作とともにリアルタイム処理
で行ってもよい。

【００８３】［その他の構成要素の処理内容］統計量デ
ータベース検索手段１６は、目標アスペクト角推定手段
９で得られた、未知目標のアスペクト角θAZI，θELEに
基づいて、統計量データベース２１４を検索し、このア
スペクト角θAZI，θELEにもっとも近いデータμＳ
（ｉ，ｊ），σＳ（ｉ，ｊ）を取り出す。ただし、候補
目標の数をＮ、各候補目標におけるアスペクト角の数を
ｍとして、ｉ＝１，２，．．．，Ｎ，ｊ＝１，
２，．．．，ｍである。従って、統計量データベース検
索手段１６により、Ｎ種類の候補目標についての特徴量
の平均値μＳ（ｎ） （ｎ＝１，２，．．．，Ｎ）、標
準偏差σＳ（ｎ） （ｎ＝１，２，．．．，Ｎ）が得ら
れる。

【００８４】特徴量抽出手段１７は、検出された目標の
特徴量ＲＣＳを受信信号に基づき求める。公知のレーダ
方程式レーダによれば、得られた受信信号強度は目標の
ＲＣＳに比例する。従って、受信信号の強度を測定する
ことにより目標の特徴量ＲＣＳを求めることができる。
特徴量抽出手段１７は、この求めた目標の特徴量ＲＣＳ
を特徴量ＳＵＮＫＮＯＷＮとして出力する。

【００８５】単一特徴量確率密度算出手段１８は、未知
目標の特徴量ＳＵＮＫＮＯＷＮに対する各候補目標の確
率密度ＰＳ（ｎ）を求める。確率密度ＰＳ（ｎ）は、次
式に基づいて求められる。

【数３】

【００８６】式（４）により求められた確率密度ＰＳ
（ｎ）は、目標の特徴量がＳＵＮＫＮＯＷＮである場合
において、それがある候補目標である確率密度を意味す
る。例えば、次のような関係がある。 候補機種１：Ｂ７４７の確率密度＝ＰＳ（１） 候補機種２：Ｂ７７７の確率密度＝ＰＳ（２） 候補目標３：ＭＤ８１の確率密度＝ＰＳ（３） 候補目標４：ＤＣ１０の確率密度＝ＰＳ（４） 候補目標５：Ａ３００の確率密度＝ＰＳ（５） ・ ・ ・ 候補目標Ｎ：ＸＸＸＸの確率密度＝ＰＳ（Ｎ）

【００８７】ところで、単一特徴量確率密度算出手段１
８で求められた確率密度ＰＳ（ｎ）は、特徴量ＳＵＮＫ
ＮＯＷＮをもつ未知の目標と候補目標１〜Ｎとの関連性
を示す。確率密度ＰＳ（ｎ）が大きい程、関連性は高い
と考えられる。

【００８８】そこで、目標識別手段１９は、次式により
未知目標の機種番号ｎＵＮＫＮＯＷＮを決定する。ここ
にａｒｇmax（ ）は、括弧内を最大とするｎを選択す
る処理を示す。

【数４】

【００８９】この式（５）の処理により、特徴量ＳＵＮ
ＫＮＯＷＮをもつ未知の目標は、ｎＵＮＫＮＯＷＮ番目
の候補目標にもっとも近いことがわかる。

【００９０】識別結果表示手段２０は、ｎＵＮＫＮＯＷ
Ｎに対応する候補機種を識別結果として表示する。

【００９１】オペレータ１３は、識別結果表示手段２０
を監視することにより識別結果を知ることができる。

【００９２】以上の構成とする事により、高分解能画像
を得られないレーダにおいても目標の認識・識別が可能
である。さらに、認識・識別の際に、アスペクト角の推
定誤差に伴い発生するＲＣＳの変動を考慮して目標を認
識・識別することができる。

【００９３】ここで、特徴量抽出手段１７で得られた特
徴量と、目標アスペクト角推定手段９で得られたアスペ
クト角を用いて、図３に示す特徴量分布と直接比較し、
値の最も近い候補目標を識別結果とする手法も考えられ
るが、一般に航空機等のＲＣＳは、アスペクト角のわず
かな変化に対して大きく変化することが知られている。
さらに、目標アスペクト角推定手段９の推定結果には精
度の誤差が生じることは避けられない。従って、ＲＣＳ
データベースと観測ＲＣＳ値の直接比較による識別方式
では識別率が低くなってしまう。この実施の形態１の装
置では、認識・識別用の辞書データをアスペクト角の誤
差を考慮に入れた確率密度分布とし、これを用いて認識
・識別することにより、このアスペクト角推定誤差の影
響を解決している。

【００９４】以上のように、この実施の形態１によれば
次のような効果がある。 （１）高分解能画像を得られないレーダにおいても目標
の認識・識別が可能である。 （２）認識・識別の際に、アスペクト角の推定誤差に伴
い発生するＲＣＳの変動を考慮して目標を認識・識別す
ることができる。 （３）未知の目標が候補目標のいずれであるか直接表示
するので、オぺレータは判断する必要がなく、負担が軽
減されるとともに、オぺレータの熟練度に影響されない
客観的な認識・識別結果が得られる。 （４）統計量データベース検索手段１６は単純なデータ
ベースの検索処理を行い、単一特徴量確率密度算出手段
１８は検索により得られたデータにより比較的簡単な関
数計算を行い、目標識別手段１９は得られた結果の最大
値を選択する。これらの処理は、画像処理と比べて簡単
で、かつ、データ量もそれほど多くない。従って、比較
的少ない演算量で認識・識別処理が可能である。

【００９５】実施の形態２．図６は発明の実施の形態２
の装置の機能構成を示す機能ブロック図である。図中、
２１５は予め与えられた条件により、統計量データベー
ス２１４にデータを格納する際のアスペクト角間隔を制
御するアスペクト角間隔制御手段である。

【００９６】また、２１６は目標アスペクト角推定手段
９により得られるアスペクト角の間隔が、アスペクト角
間隔制御手段２１５のアスペクト間隔よりも小さいとき
に、統計量データベース２１４のデータを補間すること
により測定されたアスペクト角に対応する統計量を求め
るデータベース補間手段である。

【００９７】辞書データ作成部２１の他の構成要素や、
送信機１から識別結果表示手段２０は図１のものと同一
である。

【００９８】図７はデータベース補間手段２１６で行う
補間処理を説明するための説明図である。図中、１２１
は目標アスペクト角推定手段９で得られた目標のアスペ
クト角推定値、１２２は格納データの取り得るアスペク
ト角の点、１２３は取り得る推定アスペクト角の点を示
す。

【００９９】実施の形態１の装置においては、目標アス
ペクト角推定手段９で得られた推定アスペクト角を用い
て直接統計量データベース２１４を検索するため、デー
タベースの密度をアスペクト角推定の分解能程度まで高
くする必要がある。考慮すべきアスペクト角の範囲が広
かったり、アスペクト角推定の分解能が非常に高いとき
には、大容量のデータベースが必要となることがある。
そこで、この実施の形態２においては、データベース容
量が十分に確保できない場合に少ない容量で認識・識別
できるように、データベースを補間して容量が少なくて
すむ構成について述べる。

【０１００】目標アスペクト角推定手段９で目標のアス
ペクト角推定値θAZI，θELEを得るまでの動作、特徴量
抽出手段１７で特徴量ＳＵＮＫＮＯＷＮを得るまでの動
作は実施の形態１の場合と同一である。また、目標形状
データ蓄積手段２１１、ＲＣＳ算出手段２１２から各候
補目標の特徴量を計算する動作も実施の形態１と同一で
ある。

【０１０１】アスペクト角間隔制御手段２１５は、統計
量データベース２１４において、データを所有するアス
ペクト角間隔を、予め与えられるパラメータ、例えば、
装置の規模、考慮するアスペクト角範囲等に従って決定
する。従って、統計量データベース２１４に格納されて
いるデータベースの分解能は、アスペクト角間隔制御手
段２１５により決定される。

【０１０２】統計量算出手段２１３は、アスペクト角間
隔制御手段２１５により定まるアスペクト角の間隔に従
い、実施の形態１の場合と同様に特徴量の平均値、標準
偏差を計算し、統計量データベース２１４に格納する。

【０１０３】ところで、この実施の形態２において、統
計量データベース２１４に格納されているデータベース
の分解能が、目標アスペクト角推定手段９による測定ア
スペクト角の分解能よりも低い場合を考える。従って、
目標アスペクト角推定手段９による測定アスペクト角に
直接対応する統計量が統計量データベース２１４にない
ことがある。

【０１０４】この状態を図示したのが図７である。図７
は、アジマス−エレベーション平面を示す。同図におい
て、大きな黒点１２２（たとえば、Ｓ00，Ｓ01，Ｓ10，
Ｓ11）は、統計量データベース２１４に格納されている
データベースの取り得るアスペクト角の点を示すもの
で、格納データのアスペクト角度と呼ぶ。格納データの
アスペクト角度１２２の間隔（Δθａ＝θa1−θa0，Δ
θｅ＝θe1−θe0）はデータベースの分解能に対応す
る。また、小さな黒点１２３は、目標アスペクト角推定
手段９による測定アスペクト角の取り得る点を示すもの
で、取り得る推定アスペクト角度と呼ぶ。従って、この
取り得る推定アスペクト角度１２３の間隔Δθａmin，
Δθｅminは測定アスペクト角の分解能に対応する。図
７において、Δθａ＝１０・Δθａmin，Δθｅ＝１０
・Δθｅminである。

【０１０５】取り得る推定アスペクト角１２３に対し
て、統計量データベース２１４は、アスペクト角間隔制
御手段２１５の指示に従い、格納データのアスペクト角
１２２に示すようなアスペクト角において統計量データ
を格納する。従って、目標のアスペクト角推定値１２１
（θAZI，θELE）の値が、格納データのアスペクト角１
２２に一致しないことがある。この場合は何らかの補間
を必要とする。

【０１０６】そこで、データベース補間手段２１６が、
公知の線形補間を行う。目標のアスペクト角推定値１２
１及び、その周辺の格納データのアスペクト角１２２
が、図７に示すような角度位置関係の場合を考える。式
の簡単化のため以下のような数値の置き換えをする。

【数５】

【０１０７】つまり、Ｓ00＝（μ00，σ00），Ｓ01＝
（μ01，σ01），Ｓ10＝（μ10，σ10），Ｓ11＝（μ1
1，σ11）である。

【０１０８】このとき、目標のアスペクト角推定値１２
１（θAZI，θELE）における特徴量の平均値μASP、標
準偏差σASPは、それぞれ次式で表せる。

【数６】

【０１０９】データベース補間手段２１６は、式
（９），（１０）の処理を行う。以上の処理により、目
標のアスペクト角推定値１２１に対する各候補目標の特
徴量の平均値μASP、標準偏差σASPを得ることができ
る。

【０１１０】なお、補間として線形補間を例にとり説明
したが、これに限らずラグランジュ補間、ニュートン補
間を用いてもよい。

【０１１１】辞書データ作成部２１以外の部分の構成、
動作は実施の形態１と同様である。

【０１１２】以上のように、この実施の形態２によれ
ば、データベース補間手段２１６を設けたので、統計量
データベース２１４に格納されているデータベースの分
解能が、目標アスペクト角推定手段９による測定アスペ
クト角の分解能よりも低い場合にも対応できる。従っ
て、データベース容量が小さいときでも目標の識別が可
能である。

【０１１３】実施の形態３．図８は発明の実施の形態３
の機能構成を示す機能ブロック図である。図中、２１７
は方位角（アジマス）、仰角（エレベーション）それぞ
れについて独立に候補目標の統計量を格納するアジマス
・エレベーション独立統計量データベースである。

【０１１４】２１８はデータベース補間手段２１６によ
りアジマス・エレベーションそれぞれ独立に得られた統
計量をひとつにまとめるアジマス・エレベーション独立
統計量融合手段である。

【０１１５】送信機１からデータベース補間手段２１６
の構成部分は、図６で示されたものと同一又は相当部分
である。

【０１１６】図９は特徴量の平均、標準偏差を格納する
アスペクト角範囲を示す。同図（ａ）中、実線で示す１
３１はエレベーション角が一定の領域Ａ、点線で示す１
３２はアジマス角が一定の領域Ｅである。同図（ｂ）は
円で囲った部分１３３の拡大図であり、１３４は拡大図
におけるデータを格納しているアスペクト角を示す。

【０１１７】図１０はデータベース補間手段２１６、ア
ジマス・エレベーション独立統計量融合手段２１８の処
理内容を説明する説明図である。図中、１３５は目標の
アスペクト角推定値、１３６は格納データの取り得るア
スペクト角の点、１３７は取り得る推定アスペクト角の
点を示す。

【０１１８】以下に、図８，図９及び図１０を用いて本
実施の形態３の動作を説明する。

【０１１９】本実施の形態３の装置は、実施の形態２と
同様に、統計量データベース２１４の容量を小さくする
ことを目的とするが、それとともに、計算に多大な時間
を要するＲＣＳ算出手段２１２におけるＲＣＳを計算す
るアスペクト角の数を減らすことにより演算量を減ら
し、計算時間を短縮することも目的とする。なお、実施
の形態２においては、統計量データベース２１４におい
て記憶するアスペクト角の数を減らして統計量データベ
ース２１４の容量を少なくしていたが、統計量を算出す
るために行われる、ＲＣＳ算出手段２１２におけるＲＣ
Ｓデータの計算のアスペクト角の数は減らなかった。

【０１２０】目標アスペクト角推定手段９で目標のアス
ペクト角推定値１３５（θAZI，θELE）を得るまでの動
作、及び、特徴量抽出手段１７で特徴量ＳＵＮＫＮＯＷ
Ｎを得るまでの動作は実施の形態１の場合と同一であ
る。統計量データベース検索手段１６は、目標アスペク
ト角推定手段９で得られた目標の推定アスペクト角θAZ
I，θELEを用いて、辞書データ作成部２１を検索する。

【０１２１】ＲＣＳ算出手段２１２が、目標形状データ
蓄積手段２１１のデータに基づき、各候補目標の特徴量
を計算する動作も実施の形態１の場合と同一であるが、
ＲＣＳを計算するアスペクト角は、アスペクト角間隔制
御手段２１５によって決定される。

【０１２２】図９（ａ）に、本実施の形態３でＲＣＳ計
算を行うアスペクト角の範囲を示す。同図は、横軸、縦
軸がそれぞれアジマス角、エレベーション角を表してい
る。実線１３１ａ〜１３１ｆ及び点線１３２ａ〜１３２
ｆにより碁盤目状に領域が区切られている。ＲＣＳ計算
は、実線１３１ａ〜１３１ｆ及び点線１３２ａ〜１３２
ｆに沿ってアスペクト角を変えつつ行われる。

【０１２３】この碁盤の一部分を拡大したのが、図９
（ｂ）である。拡大図の中の１３３中のアスペクト角１
３４毎に特徴量計算が行われ、データが格納される。な
お、実施の形態２の場合は、ＲＣＳ計算は図９（ａ）の
平面のうち、実線１３１ａ，１３１ｆ及び、点線１３２
ａ，１３２ｆで囲まれる長方形の領域全体について行わ
れ、実線１３１ａ〜１３１ｆ及び点線１３２ａ〜１３２
ｆの線上以外の部分についてもなされていた。すなわ
ち、実施の形態３では線上でＲＣＳ計算を行い、実施の
形態２では面上でＲＣＳ計算を行っていた。従って、実
施の形態３の場合、実施の形態２の場合に比べて、ＲＣ
Ｓを計算するアスペクト角数が著しく減少するため、デ
ータベースを作成するために行うＲＣＳ算出手段２１２
の計算時間が大幅に短縮される。

【０１２４】実線１３１ａ〜１３１ｆには、エレベーシ
ョン角が一定でアジマス角方向に並ぶデータ列、一方、
点線１３２ａ〜１３２ｆには、アジマス角一定でエレベ
ーション角方向に並ぶデータ列が含まれるので、それぞ
れ、アジマス方向のみに成分を持つアスペクト角推定誤
差、エレベーション方向のみに成分を持つアスペクト角
推定誤差の影響のみしか考慮できない。アジマス方向の
誤差の標準偏差をσAZI、エレベーション方向の誤差の
標準偏差をσELEとした場合、アジマス角θａ、エレベ
ーション角θｅにおけるアジマス、エレベーション方向
のアスペクト角推定誤差の確率密度Ｐは、それぞれ次式
で表せる。

【数７】

【０１２５】従って、実線１３１ａ〜１３１ｆに関する
特徴量の平均μＳ（θAZI）、標準偏差σＳ（θAZI）
は、次式で表せる。

【数８】

【０１２６】また、点線１３２ａ〜１３２ｆに関する特
徴量の平均μＳ（θELE）、標準偏差σＳ（θELE）は、
次式で表せる。

【数９】

【０１２７】統計量算出手段２１３は、上記の処理を行
うことにより認識・識別用データを作成し、アジマス・
エレベーション独立統計量データベース２１７にそれぞ
れを格納する。

【０１２８】次に、データベース補間手段２１６、アジ
マス・エレベーション独立統計量融合手段２１８の動作
を説明する。

【０１２９】アジマス−エレベーション平面における目
標のアスペクト角推定値１３５が、図１０に示すような
関係にある場合について考える。ここで、（θAZI，θe
0）における平均値をμa0、標準偏差をσa0、（θAZI，
θe1）における平均値をμa1、標準偏差をσa1、（θa
0，θELE）における平均値をμe0、標準偏差をσe0、
（θa1，θELE）における平均値をμe1、標準偏差をσe
1とする。

【０１３０】これらの値は、データベース補間手段２１
６において、アジマス・エレベーション独立統計量デー
タベース２１７に蓄えられた統計量を、実施の形態２の
場合と同様に、それぞれの格子線上で線形補間すること
により得られる。この場合、目標のアスペクト角推定値
１３５（θAZI，θELE）における、アジマス及びエレベ
ーションの両方向のアスペクト角推定誤差を考慮した特
徴量の平均値μASP、標準偏差σASPは、それぞれ、次式
で表せる。

【数１０】

【０１３１】式（１７），（１８）の処理はアジマス・
エレベーション独立統計量融合手段２１８においてなさ
れる。

【０１３２】統計量データベース検索手段１６は、アジ
マス・エレベーション独立統計量融合手段２１８が出力
する推定アスペクト角に対する各候補目標の特徴量の平
均値、標準偏差を受ける。

【０１３３】単一特徴量確率密度算出手段１８から識別
結果表示手段２０までの処理は、実施の形態１の場合と
同じであり、オペレータ１３は最終的に識別結果を得る
事ができる。すなわち、高分解能画像を得られないレー
ダにおいてアスペクト角推定誤差を考慮して、目標の認
識・識別を行うことができ、さらに認識・識別に用いる
参照用のデータベースを短時間で小容量で構成する事が
できる。

【０１３４】以上のように、この実施の形態３の装置に
よれば、ＲＣＳの計算をアジマス−エレベーション平面
における考慮アスペクト角範囲全体について行う必要は
なく、この範囲を格子状に区切る線上においてのみ行え
ばよい。従って、ＲＣＳの計算量は著しく減少するの
で、計算時間を短縮することができる。

【０１３５】実施の形態４．図１１は発明の実施の形態
４の機能構成を示す機能ブロック図である。図中、２６
は目標アスペクト角推定手段９で推定されたアスペクト
角に基づき特徴量を算出すべきアスペクト角範囲を決定
するアスペクト角決定手段である。他の構成要素は、図
１に示されたものと同一あるいは相当部分である。

【０１３６】次に、図１１を用いて本実施の形態４の内
容を説明する。

【０１３７】目標アスペクト角推定手段９で目標のアス
ペクト角を推定するまでの動作、及び、特徴量抽出手段
１７で特徴量Ｓを得るまでの処理は実施の形態１の場合
と同様である。

【０１３８】図１１の装置においては、アスペクト角決
定手段２６が、目標アスペクト角推定手段９で推定され
たアスペクト角から、アスペクト角推定誤差の影響を考
慮して特徴量を算出するアスペクト角範囲を決定する。
そして、ＲＣＳ算出手段２１２が、アスペクト角決定手
段２６が求めた範囲において、目標形状データ蓄積手段
２１１のデータに基づきＲＣＳ算出及びその統計量の算
出を行い、その範囲の特徴量を計算する。

【０１３９】なお、実施の形態１乃至３においては、事
前に認識・識別用の統計量データベース２１４を構築
し、統計量データベース検索手段１６によりデータベー
スにアクセスするという形式であった。しかし、本実施
の形態４においては、統計量算出手段２１３が、式
（１）〜（３）を用いて、各候補目標の特徴量の平均値
及び標準偏差を算出し、これを、単一特徴量確率密度算
出手段１８に直接送る。

【０１４０】単一特徴量確率密度算出手段１８乃至識別
結果表示手段２０の処理は実施の形態１の場合と同じで
あり、オペレータ１３は最終的に識別結果を得る事がで
きる。

【０１４１】以上のように、本発明の実施の形態４によ
れば、特徴量を算出すべきアスペクト角の範囲を定め、
この範囲において統計量を算出するようにしたので、統
計量データベース及びその検索手段が不要となり、構成
が簡単になる。すなわち、高分解能画像を得られないレ
ーダにおいて、データベースを事前に用意することなし
に認識・識別を行える。

【０１４２】実施の形態５．図１２は本発明の実施の形
態５の機能構成を示す機能ブロック図である。図中、２
１９は統計量算出手段２１３が出力する複数の統計量が
互いに分離できるかどうか判断し、分離できないものに
ついてカテゴリを形成するカテゴリ分離手段、２２０は
カテゴリ分離手段２１９が出力するカテゴリ毎に統計量
を算出するカテゴリ別統計量算出手段である。辞書デー
タ作成部２１の他の構成要素や、送信機１から識別結果
表示手段２０の構成部分は図１と同一である。

【０１４３】ここでカテゴリとは、統計量算出手段２１
３により得られた複数の統計量がつくる、互いに近似す
るものの集まりのことである。一般に、複数の統計量は
複数のカテゴリを形成する。カテゴリの数は候補目標の
数よりも少ない。すなわち、一つのカテゴリに複数の候
補目標が含まれる。

【０１４４】図１３はカテゴリ分離手段２１９が行うカ
テゴリ分離の説明図である。図１３（ａ）において、縦
軸はカテゴリ分離前の各候補目標の確率密度関数、横軸
は特徴量である。１５３は候補目標１の確率密度関数、
１５４は候補目標２の確率密度関数、１５５は候補目標
３の確率密度関数、１５６は候補目標４の確率密度関数
である。また、図１３（ｂ）において、縦軸はカテゴリ
分離後の各カテゴリの確率密度関数、横軸は特徴量であ
る。１５７はカテゴリ１の確率密度関数、１５８はカテ
ゴリ２の確率密度関数である。

【０１４５】図１４はカテゴリ分離の基準になる分離度
の説明図である。図中、１５９は候補目標１の確率密度
関数、１６０は候補目標２の確率密度関数、２５１は２
つの確率密度関数の重ならない領域である。

【０１４６】次に、図１２乃至図１４に従って、本実施
の形態５の動作を説明する。

【０１４７】目標形状データ蓄積手段２１１、ＲＣＳ算
出手段２１２を経て統計量算出手段２１３で統計量を算
出するまでの動作、目標アスペクト角推定手段９で目標
のアスペクト角を推定するまでの動作、及び、特徴量抽
出手段１７で特徴量を得るまでの動作は実施の形態１の
場合と同じである。

【０１４８】ここで、例えば、あるアスペクト角におい
て、候補目標１〜４の確率密度関数が図１３（ａ）のよ
うになったとする。これらは、カテゴリ分離前の各候補
目標の確率密度関数である。図１３（ａ）からわかるよ
うに候補目標１と２、候補目標３と４の分布は非常に近
似しているので、候補目標１の確率密度関数１５３と候
補目標２の確率密度関数１５４とを分離すること、及
び、候補目標３の確率密度関数１５５と候補目標４の確
率密度関数１５６とを分離することは困難である。この
ため、未知目標が例えば候補目標１であった場合に、推
定結果を候補目標２と誤識別する確率が増加してしま
う。

【０１４９】そこで、カテゴリという概念を導入し、カ
テゴリ毎に統計量を求めることを考える。図１３（ｂ）
のカテゴリ分離後の各カテゴリの確率密度関数に示すよ
うに、候補目標１と候補目標２を含む新しいカテゴリ１
の確率密度関数１５７と、候補目標３と候補目標４を含
む新しいカテゴリ２の確率密度関数１５８を新たに作成
する。この処理には公知のクラスタリング処理を用い
る。

【０１５０】ここで、二つの候補目標を一つのカテゴリ
にまとめるかどうかの判断の基準として、分離度という
ものを導入する。図１４にカテゴリ分離の基準になる分
離度の説明図を示す。図中の候補目標１の確率密度関数
１５９、候補目標２の確率密度関数１６０より、２つの
確率密度関数の重ならない領域２５１の面積が決定され
る。この面積をＳとすると、二つの候補目標の分離度Ｐ
sepaを次式で表す。

【数１１】

【０１５１】Ｐsepaが１の時は、２つの候補目標は完全
に分離している。Ｐsepaが０の時は、２つの候補目標は
完全に一致している。ここで、このＰsepaに対してある
スレッショルドを設けて、分離度がスレッショルド以下
の値になった場合に、カテゴリ分離手段２１９は、これ
ら２目標（候補目標１と候補目標２）は分離してないと
みなす。カテゴリ分離手段２１９が分離度に基づき統計
量算出手段２１３が出力する統計量を分離することによ
り、複数のカテゴリが得られる。これら複数のカテゴリ
の一つ一つと、一つ又は複数の候補目標とがそれぞれ対
応する。

【０１５２】なお、スレッショルドは候補目標の確率密
度関数の分布状況に応じて設定される。候補目標の確率
密度関数同士の間隔は比較的広いときはスレッショルド
は大きくなり、逆に比較的狭いときにはスレッショルド
は小さくなる。また、スレッショルドは最終的に得られ
る識別結果に対する要求によっても決まる。目標が候補
目標のどれであるか特定したいときには、スレッショル
ドは小さくなる。また、目標が候補目標のいずれである
か大まかに知りたいときには、スレッショルドは大きく
なる。前者の場合、誤り率は高くなり、後者の場合、誤
り率は低くなる。

【０１５３】カテゴリ別統計量算出手段２２０は次のよ
うな計算を行う。例えば、候補目標１の平均値μ１、標
準偏差σ１、候補目標２の平均値μ２、標準偏差σ２と
する。このとき、未知目標が、候補目標１あるいは候補
目標２のいずれかである確率密度関数Ｐ１Ｕ２（ｘ）を
次式により計算する。

【数１２】

【０１５４】新しく作成されたカテゴリ１の平均値μC
1、標準偏差σC1はそれぞれ、次式で表される。

【数１３】

【０１５５】他の候補目標と重ならず、分離している候
補目標については、もとの確率密度関数をそのままカテ
ゴリの確率密度関数とみなす。

【０１５６】統計量データベース２１４は、カテゴリ別
統計量算出手段２２０で得られた各カテゴリの統計量
を、各カテゴリの認識・識別用データとして格納する。
統計量データベース２１４には、分離できない候補目標
についてはカテゴリ毎に統計量が格納され、分離してい
る候補目標については、候補目標毎に統計量が格納され
る。

【０１５７】統計量データベース検索手段１６以降、目
標識別手段１９までの動作は実施の形態１の場合と同一
である。ただし、未知目標が複数の候補目標を含むカテ
ゴリに属すると判定されたときには、識別結果表示手段
２０は、未知目標の推定結果として１機種の名前のみを
表示するのではなく、そのカテゴリに含まれる機種すべ
てを表示する。従って、例えば近接したカテゴリの２つ
の目標について、「未知目標は、少なくともこれら２目
標のいずれかである」という答えを出すことが可能とな
る。

【０１５８】以上のように、本発明の実施の形態５によ
れば、カテゴリ毎に統計量をデータベースに格納し、カ
テゴリ毎に識別するので、複数の候補目標の統計量が互
いに近似して分離できないときでも誤った識別を行うこ
とがない。このような構成を採用しない認識・識別装置
は、本来、分離できない複数の候補目標のいずれかに属
すると、無理な識別を行い誤った答えを出しがちであ
る。この実施の形態の装置によれば、係る誤識別を回避
することができる。

【０１５９】この実施の形態５を図６の実施の形態２や
図８の実施の形態３のデータベース補間手段を有する構
成に適用することも可能である。

【０１６０】実施の形態６．図１５は本発明の実施の形
態６の機能構成を示す機能ブロック図である。図中、２
２１は複数の確率密度分布のモデルが予め格納されてい
る分布モデルデータベース、２２２は計算された特徴量
のアスペクト角分布が、分布モデルデータベース２２１
に予め蓄積された各種分布モデルのどれに一番合うかを
検定する分布検定手段である。他の構成要素は、実施の
形態１あるいは４で説明したものと同一又は相当部分で
ある。

【０１６１】次に、図１５を用いて本実施の形態６を説
明する。ＲＣＳ算出手段２１２は、各候補目標につい
て、推定アスペクト角により定まる考慮アスペクト角に
おける特徴量を得る。この動作は実施の形態４の場合と
同じである。分布検定手段２２２は、計算された特徴量
のアスペクト角分布から、特徴量の値の確率密度分布
が、分布モデルデータベース２２１に予め蓄積された各
種分布モデルのどれに一番合うかを検定する。分布モデ
ルとして、ガウス分布、レイリー分布などがある。この
ように分布検定を行うことにより、分布が上記のいずれ
であっても対応できる。検定の方法は、一般的に知られ
た赤池情報量基準（ＡＩＣ）による分布検定などを採用
する。

【０１６２】分布検定手段２２２において、各候補目標
毎に確率密度分布を検定した結果は、統計量算出手段２
１３に送られる。統計量算出手段２１３は、平均、分散
の統計量に加えて、分布を特徴づける特徴量を算出す
る。例えば、 ・ガウス分布の平均、標準偏差。 ・レイリー分布の標準偏差σ。 ・ワイブル分布の尺度パラメータｂ、構造パラメータ
ｃ。 ・一様分布の分布領域を表すパラメータｄ，ｅ。

【０１６３】単一特徴量確率密度算出手段１８は、特徴
量抽出手段１７により得られた未知目標の特徴量と、統
計量算出手段２１３で得られた各候補目標の確率密度関
数毎の統計量から候補目標の確率密度を計算する。

【０１６４】分布モデルとは、候補目標がとるであろう
分布のモデルであり、予め定められている。例えば次の
ような分布である。ガウス分布についてはすでに述べ
た。他に次のような式に従い確率密度を計算する。 ・レイリー分布 Ｐ（Ｒ）＝（Ｒ／σ² ）ｅｘｐ｛−（Ｒ² ／２σ² ）｝ ・ワイブル分布 Ｐ（Ｒ）＝（ｃ／ｂ）（Ｒ／ｂ）^c-1 ｅｘｐ｛−（Ｒ／ｂ）^c ｝ ・一様分布 Ｐ（Ｒ）＝１／（ｅ−ｄ） （ｄ≦Ｒ≦ｅ） Ｐ（Ｒ）＝０ （ｏｔｈｅｒｗｉｓｅ） 目標識別手段１９は、実施の形態１と同じ動作で目標の
識別を行い、識別結果表示手段２０は、オペレータ１３
に識別結果を表示する。なお、図１５の装置は統計量デ
ータベースを備えていないが、これを備えてもよい。

【０１６５】以上のように、本発明の実施の形態６によ
れば、分布検定手段により分布検定を行ってから統計量
を算出するので、各候補目標の特徴量の分布の種類にか
かわらず適切な識別を行うことができる。すなわち、辞
書データ作成部２１において事前に各候補目標の特徴量
の確率密度関数が何であるか推定し、その後、未知目標
の観測特徴量に対する確率密度を計算するため、各候補
目標の特徴量がどのような確率密度分布をとっても識別
率の劣化を防ぐことができる。

【０１６６】なお、実施の形態６の構成を図１２の実施
の形態５に適用することもできる。

【０１６７】実施の形態７．図１６は本発明の実施の形
態７の機能構成を示す機能ブロック図である。図中、３
１は水平偏波（Ｈ偏波）の電波を送受信するＨ偏波送受
信アンテナ、３２は垂直偏波（Ｖ偏波）の電波を送受信
するＶ偏波送受信アンテナ、３３は選択手段としての特
徴空間制御手段３４の制御出力により送受切換器２をＨ
偏波送受信アンテナ３１又はＶ偏波送受信アンテナ３２
のいずれか、あるいは両方に接続するアンテナ切換器で
あり、上記特徴空間制御手段３４は特徴空間毎のデータ
を得るために偏波を切り替える制御信号を出力する。３
５は特徴空間制御手段３４で選択された特徴空間につい
て確率密度を算出する特徴空間確率密度算出手段であ
る。他の構成要素である送信機１から辞書データ作成部
２１は図１に示されたものと同一あるいは相当部分であ
る。

【０１６８】偏波には、水平偏波（Ｈ偏波）、垂直偏波
（Ｖ偏波）、円偏波、楕円偏波がある。

【０１６９】特徴空間とは、偏波の組合せにより形成さ
れる空間である。たとえば、（１−１）送信：Ｈ偏波、
（１−２）送信：Ｖ偏波、（１−３）送信：円偏波、
（１−４）送信：楕円偏波、及び、（２−１）受信：Ｈ
偏波、（２−２）受信：Ｖ偏波、（２−３）受信：円偏
波、（２−４）受信：楕円偏波のケースが考えられる
が、可能な組合せとして、（１−１）に（２−１）〜
（２−４）の組合せ、（１−２）に（２−１）〜（２−
４）の組合せ、（１−３）に（２−１）〜（２−４）の
組合せ、（１−４）に（２−１）〜（２−４）の組合せ
がある。これらの組合せそれぞれについて１つの特徴空
間が形成される。

【０１７０】次に、図１６を用いて、本実施の形態７の
動作を説明する。

【０１７１】本実施の形態７では、Ｈ偏波とＶ偏波の複
数偏波の送受信で得られる、Ｈ偏波とＶ偏波それぞれの
複数の特徴量を特徴空間ベクトルというベクトルとして
取り扱い、これと、同じくベクトルで与えられる認識・
識別用データを比較することにより認識・識別を行う。
上記実施の形態１〜６は、偏波の切換を行っていなかっ
たので特徴空間は一次元であったが、この実施の形態７
は、偏波の組合せ毎に特徴空間が得られる。

【０１７２】特徴空間制御手段３４において、例えば、
一つの特徴空間は、（１）Ｈ偏波送信・Ｈ偏波受信のデ
ータ、（２）Ｈ偏波送信・Ｖ偏波受信のデータ、（３）
Ｖ偏波送信・Ｖ偏波受信のデータからなる３次元のベク
トルを用いるというように、様々な種類の特徴空間ベク
トルを保存している。

【０１７３】特徴空間制御手段３４は、特徴空間ベクト
ルの内容によりアンテナ切換器３３を切換える。例え
ば、一回目の送信時にＨ偏波送受信アンテナ３１を用
い、受信時にＨ偏波送受信アンテナ３１、Ｖ偏波送受信
アンテナ３２を両方用いる。これにより、上記の例の
（１）及び（２）のデータが得られる。二回目の送信時
にＶ偏波送受信アンテナ３２を用い、受信時にＶ偏波送
受信アンテナ３２を用いる。これにより、上記の例の
（３）のデータが得られる。特徴空間制御手段３４は、
上記の命令をアンテナ切換器３３に送る。

【０１７４】送受切換器２から単一特徴量確率密度算出
手段１８にかけての処理は、基本的に、実施の形態１の
場合と同じである。

【０１７５】辞書データベース作成部２１は、各偏波に
対応する認識・識別用データを作成、蓄積する。統計量
データベース検索手段１６は、Ｎ種類の目標、Ｍ種類の
偏波の特徴量の平均値μＳ（ｎ，ｍ）、標準偏差σＳ
（ｎ，ｍ）（ｎ ＝ １，２，．．．，Ｎ， ｍ ＝
１，２，．．．，Ｍ）を得る。

【０１７６】また、特徴量抽出手段１７は、Ｍ種類の偏
波の特徴量Ｓ（ｍ） （ｍ ＝ １，２，．．．，Ｍ）
を得る。また、単一特徴量確率密度算出手段１８は、各
候補目標、各偏波に対する確率密度ＰＳ（ｎ，ｍ）を次
式で得る。

【数１４】

【０１７７】特徴空間確率密度算出手段３５は、特徴空
間制御手段３４からの指示に従い、各候補目標の確率密
度を次式のような各特徴量に対する確率密度の積で計算
する。

【数１５】

【０１７８】目標識別手段１９は、次式に基づき未知目
標の候補機種番号ｎＵＮＫＮＯＷＮを得る。

【数１６】

【０１７９】識別結果表示手段２０は、実施の形態１の
場合と同様に、オペレータ１３に目標識別手段１９で得
られた識別結果を表示する。

【０１８０】以上のように、本発明の実施の形態７によ
れば、送受信の偏波を切り替えて観測するので特徴空間
が広がり、識別に使用する情報が増加するので、より正
確な識別を行うことができる。これは、目標の形状によ
りＲＣＳの偏波特性が異なるために、水平偏波による情
報と垂直偏波による情報とは同じ目標についての異なる
複数の情報として扱うことができるからである。従っ
て、上記のように異なる偏波で得られたＲＣＳを用いた
識別方式は、偏波を用いない識別方式に比べて多くの情
報を用いて識別することになり結果として識別率が向上
する。

【０１８１】なお、実施の形態７において、辞書データ
作製部として実施の形態２，３，４，５，６の構成を適
用することもできる。

【０１８２】実施の形態８．図１７は本発明の実施の形
態８の機能構成を示す機能ブロック図である。図中、３
６は特徴空間制御手段３４の制御出力により送受切換器
２に接続する送信機３７，３８を切り替える送信切換
器、３７はＬバンドの送信信号を発生するＬ帯送信機、
３８はＣバンドの送信信号を発生するＣ帯送信機、３９
は送信切換器３６に同期して送受切換器２に接続する受
信機４０，４１を切り替える受信切換器であり、受信機
４０はＬバンドの受信信号を処理するＬ帯受信機、受信
機４１はＣバンドの受信信号を処理するＣ帯受信機であ
る。他の構成要素は図１６に示されたものと同一あるい
は相当部分である。

【０１８３】次に、図１７を用いて、本実施の形態８の
動作を説明する。

【０１８４】先の実施の形態７では偏波を切り替えて識
別のための情報量を増やしたが、本実施の形態８では、
複数の周波数バンドで送受信を行い、そこで得られる複
数の特徴量を特徴空間ベクトルにして取り扱い、これと
同じくベクトルで与えられる認識・識別用データを比較
することにより情報量を増やして認識・識別を行う。

【０１８５】特徴空間制御手段３４では、例えば、一つ
の特徴空間は、（１）Ｌバンド送受信のデータ、（２）
Ｃバンド送受信のデータからなる２次元のベクトルを用
いるというように、様々な種類の特徴空間ベクトルを保
存している。特徴空間ベクトルの内容により、特徴空間
制御手段３４は、送信切換器３６、受信切換器３９を切
換える。例えば、上記の例では、一回目は、送信機にＬ
帯送信機３７、受信機にＬ帯受信機４０を選択する。こ
れにより上記（１）のデータが得られる。二回目は、送
信機にＣ帯送信機３８、受信機にＣ帯受信機４１を選択
する。これにより上記（２）のデータが得られる。

【０１８６】Ｌ帯受信機４０、Ｃ帯受信機４１から識別
結果表示手段２０にかけての処理は、扱う特徴量ベクト
ルが偏波特性から、周波数特性を表すベクトルに変わる
点を除き、実施の形態７の場合と同様である。

【０１８７】以上のように、本発明の実施の形態８によ
れば、送受信の周波数を切り替えて観測するので特徴空
間が広がり、識別に使用する情報が増加するので、より
正確な識別を行うことができる。これは、目標の形状に
よりＲＣＳの周波数特性が異なるために、ある周波数に
よる情報と他の周波数による情報とは同じ目標について
の異なる複数の情報として扱うことができるからであ
る。

【０１８８】周波数は、レーダにより目標を検出でき、
かつ、何らかの特徴量を抽出できればいかなる値であっ
てもよい。レーダに一般的に用いられる、Ｌ，Ｓ，Ｃ，
Ｘ，Ｋバンドはもちろん、目標が大きければ波長が長い
メートル波を使用することができる。また、目標が小さ
ければ波長が短いミリ波、さらには、赤外線等の光につ
いても適用は可能である。

【０１８９】なお、本実施の形態８においては、例とし
て、Ｌ帯とＣ帯の２次元の場合を示したが、他のＳ，
Ｋ，Ｘ等のバンドを用いてもよい。また、バンド種類の
数は２以上であってもよいのは言うまでもない。

【０１９０】なお、実施の形態８において、辞書データ
作製部として実施の形態２，３，４，５，６の構成を適
用することもできる。

【０１９１】実施の形態９．図１８は本発明の実施の形
態９の機能構成を示す機能ブロック図である。図中、１
〜３５は図１６に示されたものと同一あるいは相当部分
であり、３６〜４１は図１７に示されたものと同一ある
いは相当部分である。

【０１９２】次に、図１８を用いて、本実施の形態９の
動作を説明する。

【０１９３】本実施の形態９の装置は、偏波を切り替え
る実施の形態７の装置と、周波数を切り替える実施の形
態８の装置とを組み合わせたものである。

【０１９４】本実施の形態９の装置は、複数の偏波、複
数の周波数バンドで送受信を行い、そこで得られる複数
の特徴量を特徴空間ベクトルにして取り扱い、これと認
識・識別用データを比較することにより、認識・識別を
行う。

【０１９５】特徴空間制御手段３４によりアンテナ切換
器３３を切換える操作は実施の形態７の場合と同じであ
る。特徴空間制御手段３４により送信切換器３６、受信
切換器３９を切換える操作は実施の形態８の場合と同様
である。Ｌ帯受信機４０、Ｃ帯受信機４１から識別結果
表示手段２０にかけての処理は、扱う特徴量ベクトルが
周波数特性から、偏波特性と周波数特性の両方を含むベ
クトルに変わる点を除き、実施の形態８の場合と同様で
ある。

【０１９６】以上のように、この実施の形態９によれ
ば、目標の形状によりＲＣＳの偏波特性と周波数特性が
異なり、それぞれの特性は、目標の形状に従い独立に変
化するため、上記のように、異なる偏波、周波数バンド
で得られたＲＣＳを用いた識別方式は、これらいずれか
の特性のみを用いる方式や、どちらの特性も用いない方
式に比べて、多くの情報を用いて識別することになり結
果として識別率が向上する。

【０１９７】実施の形態１０．図１９は本発明の実施の
形態１０の機能構成を示す機能ブロック図である。図
中、４２は各特徴量毎の重みｗ（ｍ）（ｍ＝ １，
２，．．．，Ｍ）を予め格納する重みデータベースを示
す。他の構成要素、送信機１からアンテナ切換器３３は
図１６と同一あるいは相当部分である。

【０１９８】次に、図１９を用いて、本実施の形態１０
の動作を説明する。

【０１９９】単一特徴量確率密度算出手段１８で、各候
補目標ｎ（ｎ ＝ １，２，．．．，Ｎ）、各特徴量ｍ
の確率密度ＰＳ（ｎ，ｍ）（ｎ ＝ １，２，．．．，
Ｎ）（ｍ ＝ １，２，．．．，Ｍ）を得るまでの処理
は実施の形態７の場合と同様である。しかし、特徴空間
確率密度算出手段３５は、実施の形態７〜９とは異な
り、重みデータベース４２に蓄積された各特徴量毎の重
みｗ（ｍ）（ｍ＝ １，２，．．．，Ｍ）を得る。そし
て、次式により各候補目標の確率密度ＰＴＯＴ（ｎ）を
算出する。

【数１７】

【０２００】すなわち、各特徴量に対する確率密度ＰＳ
（ｎ，ｍ）をｗ（ｍ）で重み付けして加算した結果を各
候補目標の確率密度とする。この重み付けについては、
すべて１にしても良いし、過去の経験もしくは、推定ア
スペクト角に対する各候補機種の認識・識別用データを
各特徴量毎に比較し、今回のアスペクト角での識別に対
する信頼度というものを事前に算出し、その結果に従っ
て重み付けしても良い。

【０２０１】目標識別手段１９は、特徴空間確率密度算
出手段３５の出力ＰＴＯＴ（ｎ）から、式（２５）を用
いて、未知目標の機種を推定する。識別結果表示手段２
０は、目標識別手段１９の結果をオペレータ１３に表示
する。

【０２０２】以上のように、本発明の実施の形態１０に
よれば、それぞれの特徴量より得られる確率密度を重み
付けして考慮するので、各特徴量どうしの優劣が分かれ
ばそれを考慮しつつ識別を行うことができ、それぞれを
平等に扱う方式に比較してより識別率が向上するという
利点がある。

【０２０３】なお、本実施の形態１０では、実施の形態
７を変形して適用した例を示したが、これは、実施の形
態１〜実施の形態９のいずれを変形して重み付け処理を
適用した場合でも有用であるということは言うまでもな
い。例えば、図１７の実施の形態８に重み付け処理を適
用する場合、周波数の種類毎に重み係数を予め格納する
重みデータベースを備えるようにし、特徴空間確率密度
算出手段は、確率密度値を前記周波数の種類毎にまとめ
るときに前記重み係数に基づき重み付けを行うようにす
ればよい。

【０２０４】実施の形態１１．図２０は発明の実施の形
態１１の機能構成を示す機能ブロック図である。同図に
おいて、６０１は送信機１に接続され、受信アンテナ６
０２とは離れた場所に設置された送信アンテナ、６０２
は受信機４に接続され、送信アンテナ６０１から送信さ
れた電波が目標物によって反射した反射波を受信する受
信アンテナ、９１は目標追尾手段７の出力に基づき目標
のアスペクト角を送信アンテナ６０１及び受信アンテナ
６０２のそれぞれについて推定する目標アスペクト角推
定手段、１６１は目標アスペクト角推定手段９１より送
信アスペクト角及び受信アスペクト角を受け取り、後述
する辞書データ作成部２１の統計量データベース２１４
１に基づき、目標の送信及び受信アスペクト角に対応す
る候補目標毎の統計量データμＳ（ｎ），σＳ（ｎ）
（ｎが候補目標を意味する）を検索する統計量データベ
ース検索手段である。２１２１は目標形状データ蓄積手
段２１１に記憶された目標形状より、複数の受信アスペ
クト角と複数の送信アスペクト角とによって構成される
配列の各要素それぞれについてＲＣＳを算出するＲＣＳ
算出手段である。

【０２０５】２１４１は、送信アスペクト角と受信アス
ペクト角とによって特定されるアスペクト角の推定誤差
の影響を考慮に入れた統計量データベースである。この
統計量データベース２１４１と図１の統計量データベー
ス２１４の記憶内容は、候補目標毎の統計量データμＳ
（ｎ），σＳ（ｎ）を記憶する点では同じであるが、こ
の統計量データベース２１４１では送信アスペクト角と
受信アスペクト角とで各統計量データμＳ（ｎ），σＳ
（ｎ）が２次元配列を形成し、図１の統計量データベー
ス２１４では、送受信アンテナ３に対するアスペクト角
毎に各統計量データμＳ（ｎ），σＳ（ｎ）が記憶さ
れ、１次元配列となっている点で異なる。表１に統計量
データベース２１４１の記憶内容の例を示す。この表１
において、各μSIK（ｎ），σSIK（ｎ） （送信アスペ
クト角Ｉ＝Ａ，Ｂ，Ｃ，Ｄ； 受信アスペクト角Ｋ＝
ａ，ｂ，ｃ，ｄ）は、ある目標ｎに対する統計量データ
を表しており、統計量データベース２１４１は、複数の
目標のそれぞれについて表１のような統計量データのテ
ーブルを持っている。

【表１】

【０２０６】ここで、送信アスペクト角とは、送信アン
テナ６０１に対する目標のアスペクト角であり、受信ア
スペクト角とは、受信アンテナ６０２に対する目標のア
スペクト角である。

【０２０７】また、他の構成要素は、実施の形態１で説
明したものと同一又は相当する部分である。

【０２０８】次に、図２０を用いて本実施の形態１１の
動作について説明する。

【０２０９】送信アンテナ６０１は、受信アンテナ６０
２から、ある距離離れた場所に設置され、そこから高周
波信号を放射する。放射された高周波信号は目標物で反
射し、反射した高周波信号が受信アンテナ６０２によっ
て受信される。このとき、目標物が特殊な形状によって
構成され、高周波信号が到来した方向へ反射しないよう
に設計されたものの場合であっても、反射した高周波を
受信できる。すなわち、送信アンテナ６０１から目標物
へ高周波信号を照射する方向と、目標物から受信アンテ
ナ６０２へ高周波信号が反射する方向との差は１８０度
ではなくズレがあるため、照射された高周波信号が照射
方向に対して１８０度の方向で反射しない形状の目標物
に対しても反射波を受信できる。

【０２１０】また、このように送信アンテナ６０１と受
信アンテナ６０２とを離して設置しているため、統計量
データベース２１４１に記憶されるデータも特殊な構造
を持っている。すなわち、同じ受信アスペクト角を持つ
同一の目標物からの反射波であっても、送信アスペクト
角が異なればＲＣＳが異なる。すなわち、送信アスペク
ト角が異なれば、反射波の反射の仕方も異なるため、Ｒ
ＣＳも異なる値を示す。そのため、目標を認識するため
には、統計量データベースに記憶される統計量データμ
Ｓ（ｎ），σＳ（ｎ）を１つの受信アスペクト角に対し
て、複数の送信アスペクト角における統計量データμＳ
（ｎ），σＳ（ｎ）をそれぞれ用意する必要がある。

【０２１１】そこで、まず統計量データベース２１４１
に記憶される辞書データの作成処理について説明する。

【０２１２】ＲＣＳ算出手段２１２１は、図１を用いて
説明したＲＣＳ算出手段２１２の複数の受信アスペクト
角毎に複数の送信アスペクト角を想定し、それらの受信
アスペクト角及び送信アスペクト角よりＲＣＳを算出す
る。

【０２１３】算出された各ＲＣＳは統計量算出手段２１
３へ出力され、統計量算出手段２１３によって統計量デ
ータμＳ（ｎ），σＳ（ｎ）が算出される。この算出さ
れた統計量データμＳ（ｎ），σＳ（ｎ）は、μSIK
（ｎ），σSIK（ｎ）として統計量データベース２１４
１に上記表１のように記憶される。

【０２１４】次に、認識動作について説明する。

【０２１５】上述のように送信アンテナ６０１から送信
された高周波信号は、目標物で反射し、受信アンテナ６
０２によって受信された反射波は、受信機４に受信され
る。反射波中の目標は目標追尾手段７によって追尾さ
れ、目標アスペクト角推定手段９１は目標追尾手段７の
出力に基づいて受信アスペクト角及び送信アスペクト角
を推定する。受信アスペクト角の算出は、受信アンテナ
６０２について上記実施の形態１で説明したアスペクト
角の計算動作と同様に行われる。また、送信アスペクト
角の算出も送信アンテナについて実施の形態１で説明し
たアスペクト角の計算方法と同様に行われる。ここで、
目標アスペクト角推定手段９１には、送信アンテナ６０
１及び受信アンテナ６０２の位置が予め設定されてい
る。

【０２１６】このとき、受信アスペクト角は、受信アン
テナ６０２と目標間のアジマス角θAZI１及びエレベー
ション角θELE１とによって規定され、送信アスペクト
角は、送信アンテナ６０１と目標間のアジマス角θAZI
２及びエレベーション角θELE２とによって規定され
る。従って、目標アスペクト角推定手段９１は、θAZI
１，θELE１，θAZI２，θELE２という４つの角度を出
力する。

【０２１７】目標アスペクト角推定手段９１から受信ア
スペクト角θAZI１，θELE１と送信アスペクト角θAZI
２，θELE２とを受け取った統計量データベース検索手
段１６１は、受信アスペクト角θAZI１，θELE１と送信
アスペクト角θAZI２，θELE２とをキーとして統計量デ
ータμＳ（ｎ），σＳ（ｎ）を検索し、単一特徴量確率
密度算出手段１８へ出力する。

【０２１８】以降、実施の形態１と同様に動作し、識別
結果を出力する。

【０２１９】以上のように、本発明の実施の形態１１に
よれば、送信アンテナと受信アンテナとを離れた地点に
設置することにより、例えば、目標の正面方向から照射
された電波を、その方向に反射させないように設計され
た特殊形状の目標についても、目標に照射されて側方に
反射する電波を用いて識別できるため、認識率を向上す
ることができる。

【０２２０】また、送信アンテナと受信アンテナとを異
なる位置に配置することによって生じるＲＣＳの変化
を、各送信アスペクト角及び各受信アスペクト角毎に設
定された統計量データを用いることにより吸収し、かか
るアンテナを用いても良好に目標を認識できる。

【０２２１】実施の形態１２．図２１は本発明の実施の
形態１２の機能構成を示す機能ブロック図であり、図に
おいて、１７は特徴量であるレーダ断面積（ＲＣＳ）を
抽出する特徴量抽出手段、６１は単一スキャン確率密度
算出手段（単一スキャン確率値算出手段）、６２は単一
スキャン確率密度蓄積手段、６３は複数スキャン確率密
度平均値算出手段（複数スキャン確率平均値算出手
段）、６４は目標識別手段、６５は識別結果表示手段で
あり、上記各構成要素は、ＣＰＵ、ＲＯＭ、ＲＡＭ等に
より構成されるコンピュータ装置、ハードディスク装
置、光磁気ディスク装置等の記憶装置、モニタ等の表示
装置、及びソフトウェア等により実現されている。

【０２２２】なお、図中の送信機１から統計量データベ
ース検索手段１６までの構成及び動作は実施の形態１の
場合と同じである。

【０２２３】次に動作について説明する。

【０２２４】まず、実施の形態１２の装置において認識
・識別を行う際に必要となる、認識・識別用データの内
容、作成動作及び蓄積動作について詳細に説明する。

【０２２５】認識・識別処理の内容 次に、認識・識別処理の内容を図２１及び図２２のフロ
ーチャートを用いて説明する。

【０２２６】本実施の形態の装置では、複数回の観測で
得られた特徴量Ｓの観測値を前述の統計量データベース
２１４に格納された「辞書データ」と照合することによ
り目標の認識・識別を行う。ここで、複数回の観測を複
数スキャン、複数スキャンのうちの各回の観測を単一ス
キャンと呼ぶこととする。認識に用いる総スキャン数を
Ｎとする。

【０２２７】図２２は実施の形態１２の認識・識別処理
を示すフローチャートである。ステップＳＴ１１におい
て最初にスキャン番号ｎを１に設定し、ステップＳＴ１
２において未知目標の観測を行う。送信機１で高周波信
号を発生させ、送受切換器２を経て送受信アンテナ３か
ら図３０に示す目標５０１に向け放射する。目標５０１
に照射された高周波信号の一部がレーダ装置５０２の方
向に反射され、これを送受信アンテナ３で受信する。こ
の受信信号を、送受切換器２を経て受信機４で増幅・検
波した後、目標追尾手段７、及び特徴量抽出手段１７に
送る。

【０２２８】ステップＳＴ１３においては、特徴量抽出
手段１７が公知の方法より、受信信号をＲＣＳに変換
し、第ｎスキャンにおける未知目標の特徴量Ｓ（ｎ）を
得る。

【０２２９】一方、ステップＳＴ１４において、目標追
尾手段７は、受信機４で増幅・検波された信号から、目
標５０１の進行方向、位置、速度、加速度等の運動特性
を推定する。

【０２３０】ステップＳＴ１５においては、目標アスペ
クト角推定手段９が従来例と同様の方法により、目標追
尾手段７の結果に基づき得られる目標５０１の位置及び
進行方向と、既知のレーダ装置５０２の位置とから、第
ｎスキャンにおける目標のアスペクト角｛アジマス角θ
AZI（ｎ）、エレベーション角θELE（ｎ）｝を推定す
る。

【０２３１】ステップＳＴ１６においては、統計量デー
タベース検索手段１６が、目標のアスペクト角θAZI
（ｎ），θELE（ｎ）に基づき統計量データベース１６
に蓄積された認識・識別用データを検索し、θAZI
（ｎ），θELE（ｎ）に最も近いアスペクト角θａ，θ
ｅに格納された、各候補目標ｋの統計量データμＳ
（ｋ，ｎ），σＳ（ｋ，ｎ） （ｋ＝１，２，…，Ｋ）
を得る。

【０２３２】ステップＳＴ１７においては、単一スキャ
ン確率密度算出手段６１が、各候補目標ｋの第ｎスキャ
ンにおける単一スキャン確率密度ｐ（ｋ，ｎ）（ｋ＝
１，２，…，Ｋ）（確率値、確率値を基にした値）を、
未知目標の特徴量Ｓ（ｎ）、各候補目標ｋの統計量デー
タμＳ（ｋ，ｎ），σＳ（ｋ，ｎ） （ｋ＝１，２，
…，Ｋ）より、式（２８）により得る。

【数１８】

【０２３３】単一スキャン確率密度算出手段６１で得ら
れた式（２８）で表される単一スキャン確率密度ｐ
（ｋ，ｎ）は、Ｓ（ｎ）を変数として見る場合には、平
均値μＳ（ｋ，ｎ）、標準偏差σＳ（ｋ，ｎ）としたＳ
（ｎ）の確率分布であり、例えば、異なる２つの候補目
標ｋ１とｋ２に対する単一スキャン確率密度ｐ（ｋ１，
ｎ）とｐ（ｋ２，ｎ）を図示すると図２３に示すように
なる。また、特定のＳ（ｎ）に対して見ると、単一スキ
ャン確率密度ｐ（ｋ，ｎ）は、特徴量Ｓ（ｎ）をもつ未
知目標と候補目標１〜Ｋとの関連性を表すものとして捉
えることができる。未知目標の特徴量が図２３に破線で
示したＳ（ｎ）である場合には、このＳ（ｎ）に対し
て、単一スキャン確率密度ｐ（ｋ１，ｎ）の値の方が単
一スキャン確率密度ｐ（ｋ２，ｎ）の値より大きいた
め、未知目標と候補目標ｋ１との関連性がより大きいと
いうことができる。このように、式（２８）で表される
単一スキャン確率密度ｐ（ｋ，ｎ）は、未知目標と候補
目標ｋとの関連性の評価式として用いることができ、確
率密度ｐ（ｋ，ｎ）の値が大きい候補目標Ｋほど未知目
標との関連性が高いと考えることができる。

【０２３４】ステップＳＴ１８においては、単一スキャ
ン確率密度算出手段６１で得られた第ｎスキャンにおけ
る、各候補目標の確率密度ｐ（ｋ，ｎ） （ｋ＝１，
２，…，Ｋ）を、単一スキャン確率密度蓄積手段６２に
蓄積する。

【０２３５】ステップＳＴ１９においては、スキャン番
号ｎを総スキャン数Ｎと比較し、ｎ＝ＮならステップＳ
Ｔ２１、それ以外ならステップＳＴ２０に処理を進め
る。ステップＳＴ２０では、スキャン番号ｎの値を１増
やしてステップＳＴ１２に処理を戻す。

【０２３６】ステップＳＴ２１においては、複数スキャ
ン確率密度平均値算出手段６３が、単一スキャン確率密
度蓄積手段６２に蓄積された、Ｎスキャン分の単一スキ
ャン確率密度ｐ（ｋ，ｎ）（ｋ＝１，２，…，Ｋ）（ｎ
＝１，２，…，Ｎ）から、各目標毎に、各スキャンにお
ける確率密度を平均した、複数スキャン確率密度平均値
ＰＰ（ｋ） （ｋ＝１，２，…，Ｋ）を次の式（２９）
により算出する。

【数１９】

【０２３７】ステップＳＴ２２においては、目標識別手
段６４が、複数スキャン確率密度平均値算出手段６３で
得られた複数スキャン確率密度平均値ＰＰ（ｋ）を用い
て、未知目標の機種を候補目標１〜Ｋの中より選択す
る。ここで、複数スキャン確率密度平均値ＰＰ（ｋ）は
単一スキャン確率密度ｐ（ｋ，ｎ）の平均値であること
から、この値が大きい目標ほど未知目標との関連性が高
いと考え、未知目標ＫＴを式（３０）により決定する。

【数２０】

【０２３８】ステップＳＴ２３においては、識別結果表
示手段６５が、目標識別手段６４において得られた候補
目標ＫＴを、未知目標の識別結果として表示し、オペレ
ータ１３は、識別結果表示手段６５を監視することによ
り、目標の識別結果を知る事ができる。

【０２３９】以上の構成とする事により、高分解能画像
を得られないレーダにおいても、目標の認識・識別が可
能となる。

【０２４０】また、認識・識別の際に、アスペクト角の
推定誤差に伴い発生するＲＣＳの変動を考慮して目標を
認識・識別することができる。

【０２４１】さらに、複数回の観測結果を用いて情報量
を増やして識別を行うことにより、一回の観測結果を用
いて識別する場合に比較して、識別率の向上を図ること
ができる。

【０２４２】ここで、特徴量抽出手段１７で得られた特
徴量と、目標アスペクト角推定手段９で得られたアスペ
クト角を用いて、図２３に示す特徴量分布と直接比較
し、値の最も近い候補目標を識別結果とする手法も考え
られるが、一般に航空機等のＲＣＳは、アスペクト角の
わずかな変化に対して大きく変化することが知られてお
り、さらに、目標アスペクト角推定手段９の推定結果に
誤差が生じることは避けられない。従って、ＲＣＳデー
タベースと観測ＲＣＳの直接比較による識別方式では識
別率が低くなってしまう。この実施の形態１２の装置で
は、認識・識別用の辞書データをアスペクト角の誤差を
考慮に入れた確率密度分布とし、これを用いて認識・識
別することにより、このアスペクト角推定誤差の影響を
解決している。また、このような観測を複数回繰り返す
ことにより、情報量を増加させ、未知目標の識別率向上
を達成できる。

【０２４３】以上のように、この実施の形態１２の装置
によれば、高分解能画像を得られないレーダにおいて
も、目標を認識・識別することが可能となる。また、認
識・識別の際に、アスペクト角の推定誤差に伴い発生す
るＲＣＳの変動を考慮して目標を認識・識別することが
できる。

【０２４４】さらに、観測回数を増加させることによ
り、情報量を増やして識別をすることができ、一回の観
測結果を用いて識別する場合に比較して識別率の向上を
図ることができる。

【０２４５】さらに、未知目標が候補目標のいずれであ
るかを直接識別結果表示手段６５に表示するため、レー
ダ画像の比較により判断するなどのオペレータによる判
断が不要となり、オペレータの負担が軽減されるととも
に、オペレータの熟練度に影響されない客観的な認識・
識別結果が得られる。

【０２４６】さらに、この実施の形態１２における処理
は、画像処理と比べて簡単で、かつ、データ量も少ない
ため、比較的少ない演算量による認識・識別処理が可能
である。

【０２４７】なお、上記においては、ＲＣＳがガウス分
布しているものとみなして、統計量算出手段２１３が、
ＲＣＳの平均値及び標準偏差を統計量として求め、単一
スキャン確率密度算出手段６１が、上記平均値及び上記
標準偏差を有するガウス分布における、特徴量抽出手段
１７の出力したＲＣＳに対応する式（２８）で表される
確率密度ｐを確率値として算出する例を示したが、これ
に限る必要はなく、統計量及び確率値として、他の統計
分布における統計量及び確率値を用いることも任意であ
ることはいうまでもない。

【０２４８】実施の形態１３．図２４は本発明の実施の
形態１３の機能構成を示す機能ブロック図であり、図に
おいて、６６は単一スキャン関連確率算出手段、６７は
複数スキャン関連確率平均値算出手段（複数スキャン確
率平均値算出手段）である。なお、図２１に示した部分
と同一又は相当の部分については同一符号を付して重複
説明を省略する。

【０２４９】次に動作について説明する。

【０２５０】図２４を用いて実施の形態１３の動作を説
明する。単一スキャン確率密度蓄積手段６２にＫ種類の
目標、Ｎ回のスキャンの単一スキャン確率密度ｐ（ｋ，
ｎ）を蓄積するまでの処理は、実施の形態１２と同一で
ある。

【０２５１】実施の形態１２では、未知目標と各候補目
標の関連の度合いを、確率密度ｐ（ｋ，ｎ）で表し、こ
の値の複数スキャンの平均値の大小で識別を行った。こ
の実施の形態１３においては、確率密度ｐ（ｋ，ｎ）の
代わりに、新たに関連確率ｑ（ｋ，ｎ）（単一スキャン
関連確率、確率値を基にした値）というものを定義し、
この値の複数スキャンの平均値の大小で識別を行う。

【０２５２】関連確率ｑ（ｋ，ｎ）は、各スキャン毎
に、各候補目標の確率密度ｐ（ｋ，ｎ）を、そのスキャ
ンにおける全候補目標の確率密度の総和で規格化した値
として式（３１）で定義する。

【数２１】

【０２５３】すなわち、この関連確率ｑ（ｋ，ｎ）は、
各スキャン毎における、未知目標の各候補目標らしさを
表すものである。ただし、各スキャン毎の全候補目標の
関連確率の総和が１になることからも分かるように、こ
の関連確率ｑ（ｋ，ｎ）を用いた識別では、未知目標が
候補機種以外の場合を考えていない。逆に言うと、未知
目標が必ず候補機種の中に含まれるという場合には、関
連確率ｑ（ｋ，ｎ）を用いた方が、確率密度ｐ（ｋ，
ｎ）を用いる場合より、識別率が高くなる場合が多い。

【０２５４】単一スキャン関連確率算出手段６６では、
単一スキャン確率密度蓄積手段６２に蓄えられた単一ス
キャン確率密度ｐ（ｋ，ｎ）から単一スキャン関連確率
ｑ（ｋ，ｎ） （ｋ＝１，２，…，Ｋ） （ｎ＝１，
２，…，Ｎ）を算出する。

【０２５５】複数スキャン関連確率平均値算出手段６７
では、式（３１）に従い単一スキャン関連確率算出手段
６６で得られた単一スキャン関連確率ｑ（ｋ，ｎ）を各
候補目標毎に全スキャンで平均した複数スキャン関連確
率平均値ＱＱ（ｋ） （ｋ＝１，２，…，Ｋ）を得る。
ここで、複数スキャン関連確率平均値ＱＱ（ｋ）は、式
（２９）において、右辺の単一スキャン確率密度ｐ
（ｋ，ｎ）を単一スキャン関連確率ｑ（ｋ，ｎ）に代え
ることにより得られる。

【０２５６】目標識別手段６４では、複数スキャン関連
確率平均値算出手段６７で得られた複数スキャン関連確
率平均値ＱＱ（ｋ）を用いることにより、未知目標の機
種を候補機種１〜Ｋの中から決定する。ここで、機種番
号を表す数値ＫＴは、前記式（３０）で定義する。

【０２５７】識別結果表示手段６５では、目標識別手段
６４で得られた候補目標ＫＴを、未知目標の識別結果と
して表示し、オペレータ１３は、識別結果表示手段６５
を監視することにより、目標の識別結果を知る事ができ
る。

【０２５８】以上のように、この実施の形態１３によれ
ば、実施の形態１２で述べた効果に加えて、目標が必ず
候補目標に含まれるという仮定のもとでは、実施の形態
１２の装置に比較して識別率を向上することができる。

【０２５９】実施の形態１４．図２５は本発明の実施の
形態１４の機能構成を示す機能ブロック図であり、図に
おいて、６８は単一スキャン選択目標算出手段、６９は
複数スキャン目標選択率算出手段（複数スキャン確率平
均値算出手段）である。なお、図２１に示した部分と同
一又は相当の部分については同一符号を付して重複説明
を省略する。

【０２６０】次に動作について説明する。

【０２６１】図２５を用いて実施の形態１４の動作を説
明する。単一スキャン確率密度蓄積手段６２にＫ種類の
目標、Ｎ回のスキャンの単一スキャン確率密度ｐ（ｋ，
ｎ）を蓄積するまでの処理は、実施の形態１２と同一で
ある。

【０２６２】実施の形態１２では、未知目標と各候補目
標の関連の度合いを、単一スキャン確率密度ｐ（ｋ，
ｎ）で表し、この値の複数スキャンの平均値の大小で識
別を行った。実施の形態１４では、この単一スキャン確
率密度ｐ（ｋ，ｎ）の代わりに、新たに単一スキャン選
択目標ｒ（ｋ，ｎ）（確率値を基にした値）というもの
を定義し、この値の複数スキャンの平均値の大小により
識別を行う。

【０２６３】単一スキャン選択目標ｒ（ｋ，ｎ）は、各
スキャン毎に得られた各候補目標の確率密度ｐ（ｋ，
ｎ）から、次の式（３２）で示すようにして得られる。

【数２２】

【０２６４】すなわち、この単一スキャン選択目標ｒ
（ｋ，ｎ）は、各スキャン毎に目標識別を行い、その結
果選択された目標に対する値を１、それ以外の目標に対
する値を０としたものに対応する。従って、この選択目
標ｒ（ｋ，ｎ）により、各スキャン毎に個別に識別結果
を出すこともできる。

【０２６５】単一スキャン選択目標算出手段６８では、
単一スキャン確率密度蓄積手段６２に蓄えられた単一ス
キャン確率密度ｐ（ｋ，ｎ）から単一スキャン選択目標
ｒ（ｋ，ｎ）（ｋ＝１，２，…，Ｋ） （ｎ＝１，２，
…，Ｎ）を算出する。

【０２６６】複数スキャン目標選択率算出手段６９で
は、単一スキャン選択目標算出手段６８で得られた単一
スキャン選択目標ｒ（ｋ，ｎ）を各候補目標毎に全スキ
ャンで平均した複数スキャン目標選択率ＲＲ（ｋ）
（ｋ＝１，２，…，Ｋ）（複数スキャン確率平均値）を
得る。ここで、複数スキャン目標選択率ＲＲ（ｋ）は、
式（３１）において、右辺の単一スキャン確率密度ｐ
（ｋ，ｎ）を単一スキャン選択目標ｒ（ｋ，ｎ）に代え
ることにより得られる。

【０２６７】目標識別手段６４では、複数スキャン目標
選択率算出手段６９で得られた複数スキャン目標選択率
ＲＲ（ｋ）を用いることにより、未知目標の機種を候補
機種１〜Ｋの中から決定する。ここで、機種番号を表す
数値ＫＴは、式（２９）において、右辺の複数スキャン
確率密度平均値ＰＰ（ｋ）を複数スキャン目標選択率Ｒ
Ｒ（ｋ）に代えることにより得られる。

【０２６８】識別結果表示手段６５では、目標識別手段
６４で得られた候補目標ＫＴを、未知目標の識別結果と
して表示し、オペレータ１３は、識別結果表示手段２３
を監視することにより、目標の識別結果を知る事ができ
る。

【０２６９】以上のように、この実施の形態１４によれ
ば、実施の形態１２の効果に加えて、各スキャンにおけ
る個別の識別結果を得るとともに、これを全スキャンＮ
で総合することにより目標の識別を行うことが可能とな
る。

【０２７０】実施の形態１５．図２６は本発明の実施の
形態１５の機能構成を示す機能ブロック図であり、図に
おいて、７０は重みデータベース生成手段、７１は重み
データベース、７２は重みデータベース検索手段、７３
は複数スキャン重み付き確率密度平均値算出手段（複数
スキャン確率平均値算出手段）である。なお、図２１に
示した部分と同一又は相当の部分については同一符号を
付して重複説明を省略する。

【０２７１】図２７は重みデータベース生成手段７０の
詳細構成を示すブロック図であり、図において、７０１
は目標形状データ蓄積手段、７０２はＲＣＳ算出手段、
７０３はＲＣＳデータベース、７０４は統計量データベ
ース、７０５は単一スキャン確率密度算出手段、７０６
は目標識別手段、７０７は識別結果蓄積手段、７０８は
識別率算出手段である。

【０２７２】次に動作について説明する。

【０２７３】図２６及び図２７を用いて、実施の形態１
５の動作を説明する。単一スキャン確率密度蓄積手段６
２にＫ種類の目標、Ｎ回のスキャンの単一スキャン確率
密度ｐ（ｋ，ｎ）を蓄積するまでの処理は、実施の形態
１２と同一である。

【０２７４】本実施の形態１５を用いた識別では、各ス
キャンで得られた結果を同一に扱うのではなく、各スキ
ャン毎に重み付けをして識別を行う。まず、重み付けの
際に用いる重みデータベース７１を生成するための重み
データベース生成手段７０の動作を図２７を用いて説明
する。

【０２７５】ここでは、事前の計算機シミュレーション
により、各アスペクト角における識別率を計算し、これ
を各アスペクト角の重み係数とする。

【０２７６】ＲＣＳ算出手段７０２は、目標形状データ
蓄積手段７０１に蓄えられた候補目標１〜Ｋの形状デー
タから、考慮するアスペクト角１〜Ｍにおける各候補目
標のＲＣＳとして、ＲＣＳ（ｋ，ｍ） （ｋ＝１，２，
…，Ｋ） （ｍ＝１，２，…，Ｍ）を算出し、ＲＣＳデ
ータベース７０３に蓄える。

【０２７７】単一スキャン確率密度算出手段７０５は、
各アスペクト角１〜Ｍ、各候補目標１〜Ｋ毎に、その候
補目標ｋinがそのアスペクト角ｍinに未知目標として到
来したとして、ＲＣＳデータベース７０３から読み出さ
れたＲＣＳ（ｋin，ｍin）と、統計量データベース７０
４に蓄えられた全目標の統計量データμS0（ｋ，ｍi
n），σS0（ｋ，ｍin） （ｋ＝１，２，…，Ｋ）か
ら、各候補目標に対する確率密度ｐd（ｋ） （ｋ＝
１，２，…，Ｋ）を式（２８）と同様の方法により計算
する。ここで、ＲＣＳ（ｋin，ｍin）は式（２８）のＳ
（ｎ）に、μS0（ｋ，ｍin）は式（２８）のμＳ（ｋ，
ｎ）に、σS0（ｋ，ｍin）は式（２８）のσＳ（ｋ，
ｎ）に対応する。

【０２７８】目標識別手段７０６は、式（３０）と同様
の方法により識別を行い、目標ｋinを入力した場合の識
別結果ｋoutを得る。ここで、識別結果Ｒesult（ｋin，
ｍin）（ｋin＝１，２，…，Ｋ）（ｍin＝１，２，…，
Ｍ）を次式（３３）により算出して識別結果蓄積手段７
０７に格納する。

【数２３】

【０２７９】すなわち、このＲesult（ｋin，ｍin）
は、各候補目標、各アスペクト角毎に識別が正しく行え
たか、つまり（１）又は、行えなかった、つまり（０）
かを示している。識別率算出手段７０８は、次式（３
４）により、各アスペクト角ｍ毎のＲesultの平均値Ｒ
Ｐ0（ｍ）（ｍ＝１，２，…，Ｍ）を得る。

【数２４】

【０２８０】この値は、候補目標のいずれかが同じ確率
で到来すると仮定した場合のそのアスペクト角における
識別率の期待値である。従って、この値が大きいほど、
識別率が高いと期待できる。

【０２８１】このＲＰ0（ｍ）は考慮するアスペクト角
範囲内のアジマス角θａ、エレベーション角θｅに対す
る値である。よって、これをＲＰ0（θａ，θｅ）と書
き換えても構わない。アスペクト角番号ｍのアジマス
角、エレベーション角をそれぞれ、θａｍ，θｅｍとす
ると、アスペクト角推定誤差を考慮した識別率ＲＰ
（ｍ） （ｍ＝１，２，…，Ｍ）は、式（１）で示した
アスペクト角推定誤差分布Ｐを用いて次式（３５）で表
される。

【数２５】

【０２８２】すなわち、このＲＰ（ｍ）の値が大きいほ
ど、そのアスペクト角での識別結果に信頼が置けるとい
うことになる。従って各スキャン毎にアスペクト角が変
わる場合は、このＲＰ（ｍ）の値で各スキャン結果の重
み付けを行うことができるので、これを重みとして採用
し、重みデータベース７１に重み係数ｗ（ｍ）（ｍ＝
１，２，…，Ｍ）として格納する。

【０２８３】図２６の重みデータベース検索手段７２
は、目標アスペクト角推定手段９で得られた未知目標の
アスペクト角から重みデータベース７１の検索を行い、
複数スキャン重み付き確率密度平均値算出手段７３は、
各スキャン１〜Ｎ毎の重み係数ｗ（ｎ）（ｎ＝１，２，
…，Ｎ）を読み出し、複数スキャン重み付き確率密度平
均値ＷＰＰ（ｋ） （ｋ＝１，２，…，Ｋ）（複数スキ
ャン確率平均値）を次式（３６）により得る。

【数２６】

【０２８４】以下、目標識別手段６４では、ＷＰＰ
（ｋ）の値より識別を行い、識別結果ＫＴを得て、識別
結果表示手段６５により識別結果を表示する。オペレー
タ１３は、識別結果表示手段６５を監視することによ
り、目標の識別結果を知る事ができる。

【０２８５】以上のように、この実施の形態１５によれ
ば、実施の形態１２の効果に加えて、各スキャンの観測
結果に信頼性の重み付けを行って識別することができる
ため、実施の形態１２に比べて目標の識別率を向上させ
ることができる。なお、ここでは、実施の形態１２の変
形例を示したが、ここで述べた重み付けを実施の形態１
３，１４に適用することも可能であることは言うまでも
ない。

【０２８６】実施の形態１６．図２８は本発明の実施の
形態１６の機能構成を示す機能ブロック図であり、図に
おいて、７４は複数スキャン確率密度相乗平均値算出手
段（複数スキャン確率平均値算出手段）である。なお、
図２１に示した部分と同一又は相当の部分については同
一符号を付して重複説明を省略する。

【０２８７】次に動作について説明する。

【０２８８】図２８を用いて実施の形態１６の動作を説
明する。単一スキャン確率密度蓄積手段６２にＫ種類の
目標、Ｎ回のスキャンの単一スキャン確率密度ｐ（ｋ，
ｎ）を蓄積するまでの処理は、実施の形態１２と同一で
ある。

【０２８９】この実施の形態１６では、実施の形態１２
で述べた複数スキャン確率密度平均値ＰＰ（ｋ）の代わ
りに、複数スキャン確率密度相乗平均ＰＰ2（ｋ）を用
いて識別を行う。複数スキャン確率密度相乗平均値算出
手段７４はこの値を次式（３７）により得る。

【数２７】

【０２９０】以下、目標識別手段６４は、ＰＰ2（ｋ）
の値より識別を行い、識別結果ＫＴを得て、識別結果表
示手段６５により結果を表示する。オペレータ１３は、
識別結果表示手段６５を監視することにより、目標の識
別結果を知る事ができる。

【０２９１】以上のように、この実施の形態１６によれ
ば、実施の形態１２とは異なる平均操作により同様の効
果を得る事ができる。

【０２９２】以上本発明の実施の形態について説明して
きたが、本発明はこれに限定されることなく請求項の記
載の範囲内において各種の変形、変更が可能であり、例
えば実施の形態１乃至実施の形態１６のうち、動作原理
上組み合わせ可能なものであれば、それら実施の形態を
互いに組み合わせた装置とすることができる。

【０２９３】

【発明の効果】以上説明したように、本願請求項１の発
明によれば、レーダ受信機が出力する目標からの反射信
号に基づき前記目標の特徴量を抽出する特徴量抽出手段
と、前記反射信号に基づき前記目標を追尾する目標追尾
手段と、前記目標追尾手段の出力に基づき前記目標のレ
ーダに対する向きを示すアスペクト角を推定する目標ア
スペクト角推定手段と、予め定められた複数の候補目標
についての統計量データをアスペクト角毎に出力する統
計量データ作成手段と、前記目標アスペクト角推定手段
により推定されたアスペクト角の統計量データを前記統
計量データ作成手段から読み出して前記複数の候補目標
毎に出力する統計量検索手段と、前記特徴量抽出手段の
出力及び前記統計量検索手段の出力に基づき前記目標の
確率密度値を前記複数の候補目標毎に算出する確率密度
算出手段と、前記確率密度値に基づき前記目標に近い候
補目標を選択し、選択された候補目標を前記目標の識別
結果として出力する目標識別手段とを備える構成とした
ので、高分解能画像を得られないレーダにおいても、ア
スペクト角の推定誤差に伴い発生するＲＣＳの変動を考
慮した目標の認識・識別を行うことにより、未知目標が
どのようなものであるのか、例えば航空機の場合、ヘリ
コプタ、小型単発機、中型双発機、大型ジェット機のい
ずれであるのか、また、機種は何であるのか等を認識・
識別し、判定することが可能となるという効果がある。

【０２９４】本願請求項２の発明によれば、目標に対す
るレーダ送信波を送信する送信アンテナと、この送信ア
ンテナと離れた位置に設置され、前記目標からの反射波
を受信し前記レーダ受信機へ出力する受信アンテナとを
備え、統計量データ作成手段は、予め定められた複数の
候補目標についての統計量データを、前記目標と前記送
信アンテナとの間の送信アスペクト角、及び前記目標と
前記受信アンテナとの間の受信アスペクト角によって特
定される角度毎に出力し、目標アスペクト角推定手段
は、目標追尾手段の出力に基づき前記送信アスペクト角
及び前記受信アスペクト角を推定し、統計量検索手段
は、前記目標アスペクト角推定手段により推定された送
信アスペクト角及び受信アスペクト角に基づき、統計量
データを前記統計量データ作成手段から読み出して前記
複数の候補目標毎に出力するように構成したので、電波
が照射された方向に反射しない形状を持つ目標を観測す
る場合であっても、目標の認識・識別を行えるという効
果がある。

【０２９５】本願請求項３の発明によれば、目標に対す
るレーダ送信波の偏波及び受信波の偏波の組合せからの
反射信号の偏波の種類を選択する選択手段と、前記選択
手段の出力に基づき前記目標の特徴量を前記偏波の組合
せ毎に抽出する特徴量抽出手段と、前記受信波に基づき
前記目標を追尾する目標追尾手段と、前記目標追尾手段
の出力に基づき前記目標のレーダに対する向きを示すア
スペクト角を推定する目標アスペクト角推定手段と、予
め定められた複数の候補目標についての統計量データを
アスペクト角及び前記偏波の組合せ毎に出力する統計量
データ作成手段と、前記目標アスペクト角推定手段によ
り推定されたアスペクト角の統計量データを前記統計量
データ作成手段から読み出して前記複数の候補目標及び
前記偏波の組合せ毎に出力する統計量検索手段と、前記
特徴量抽出手段の出力及び前記統計量検索手段の出力に
基づき前記目標の確率密度値を前記複数の候補目標及び
前記偏波の組合せ毎に算出する確率密度算出手段と、前
記確率密度算出手段により得られた確率密度値を前記偏
波の組合せ毎にまとめて前記複数の候補目標毎の確率密
度値とする特徴空間確率密度算出手段と、前記確率密度
値に基づき前記目標に近い候補目標を選択し、選択され
た候補目標を前記目標の識別結果として出力する目標識
別手段とを備えるように構成したので、異なる偏波毎に
得られた特徴空間において識別し、多くの情報量を識別
に用いることができ、識別率が向上するという効果があ
る。

【０２９６】本願請求項４の発明によれば、偏波の組合
せ毎の重み係数を予め格納する重みデータベースを備
え、特徴空間確率密度算出手段は、確率密度値を前記偏
波の組合せ毎にまとめるときに前記重み係数に基づき重
み付けを行うように構成したので、特徴量の性質を考慮
した重み付けを行って識別を行い、識別率が向上すると
いう効果がある。

【０２９７】本願請求項５の発明によれば、目標に対す
るレーダ送信波の周波数及び受信波の周波数の種類を選
択する選択手段と、前記選択手段の出力に基づき前記目
標の特徴量を前記周波数の種類毎に抽出する特徴量抽出
手段と、前記受信波に基づき前記目標を追尾する目標追
尾手段と、前記目標追尾手段の出力に基づき前記目標の
レーダに対する向きを示すアスペクト角を推定する目標
アスペクト角推定手段と、予め定められた複数の候補目
標についての統計量データをアスペクト角及び前記周波
数の種類毎に出力する統計量データ作成手段と、前記目
標アスペクト角推定手段により推定されたアスペクト角
の統計量データを前記統計量データ作成手段から読み出
して前記複数の候補目標及び前記周波数の種類毎に出力
する統計量検索手段と、前記特徴量抽出手段の出力及び
前記統計量検索手段の出力に基づき前記目標の確率密度
値を前記複数の候補目標及び前記周波数の種類毎に算出
する確率密度算出手段と、前記確率密度算出手段により
得られた確率密度値を前記周波数の種類毎にまとめて前
記複数の候補目標毎の確率密度値とする特徴空間確率密
度算出手段と、前記確率密度値から前記目標に近い候補
目標を選択し、選択された候補目標を前記目標の識別結
果として出力する目標識別手段とを備えるように構成し
たので、異なる周波数毎に得られた特徴空間において識
別し、多くの情報量を識別に用いることができ、識別率
が向上するという効果がある。

【０２９８】本願請求項６の発明によれば、周波数の種
類毎に重み係数を予め格納する重みデータベースを備
え、特徴空間確率密度算出手段は、確率密度値を前記周
波数の種類毎にまとめるときに前記重み係数に基づき重
み付けを行うように構成したので、特徴量の性質を考慮
した重み付けを行って識別を行い、識別率が向上すると
いう効果がある。

【０２９９】本願請求項７の発明によれば、統計量デー
タ作成手段に、候補目標毎の形状を予め格納する目標形
状データ蓄積手段と、前記候補目標毎の形状に基づきレ
ーダ断面積を算出するＲＣＳ算出手段と、前記ＲＣＳ算
出手段の出力に基づき統計量を前記候補目標毎に算出す
る統計量算出手段と、前記統計量算出手段により得られ
た統計量を格納するとともに、前記統計量検索手段の指
定に基づき対応する統計量データを出力する統計量デー
タベースとを備えるように構成したので、統計量データ
を予め作成し、蓄積することができて、実際の処理の時
の演算量が少なくなり、装置の構成が容易になるという
効果がある。

【０３００】本願請求項８の発明によれば、統計量デー
タ作成手段に、候補目標毎の形状を予め格納する目標形
状データ蓄積手段と、前記候補目標毎の形状に基づきレ
ーダ断面積を算出するＲＣＳ算出手段と、前記ＲＣＳ算
出手段の出力に基づき統計量を前記候補目標毎に算出す
る統計量算出手段と、前記候補目標のうちで互いに近似
するもの同士をカテゴリにまとめるカテゴリ分離手段
と、前記カテゴリ毎の統計量を算出するとともに、前記
カテゴリに含まれない候補目標の統計量を出力するカテ
ゴリ別統計量算出手段と、前記カテゴリ毎の統計量及び
前記カテゴリに含まれない候補目標の統計量を格納する
とともに、前記統計量検索手段の指定に基づき対応する
統計量データを出力する統計量データベースとを備える
ように構成したので、予め候補目標をクラスタリングし
て分類に適したカテゴリに再配置できて、識別の精度が
向上するという効果がある。

【０３０１】本願請求項９の発明によれば、目標識別手
段は、選択された候補目標がカテゴリであるときに、前
記カテゴリ及びこれに含まれる複数の候補目標を表示す
るように構成したので、目標がカテゴリに属すると識別
されたときに、その候補目標を具体的に知ることができ
るという効果がある。

【０３０２】本願請求項１０の発明によれば、統計量検
索手段により指定されたアスペクト角に対応する統計量
データが存在しないときに近傍の統計量データを統計量
データベースから読み出すとともに、前記近傍の統計量
データに基づき補間処理を行い、指定されたアスペクト
角に対応する統計量データを算出して出力するデータベ
ース補間手段を備えるように構成したので、データベー
ス容量を小さくして、目標の識別を行えるという効果が
ある。

【０３０３】本願請求項１１の発明によれば、統計量デ
ータベースは、方位角及び仰角それぞれについて統計量
データを格納し、データベース補間手段は、方位角及び
仰角それぞれについて補間処理を行うとともに、前記デ
ータベース補間手段により得られた方位角の統計量と仰
角の統計量とを融合し、融合された統計量データを前記
統計量検索手段に出力するアジマス・エレベーション独
立統計量融合手段を備えるように構成したので、データ
ベース容量を小さくして、目標の識別を行えるという効
果がある。

【０３０４】本願請求項１２の発明によれば、目標アス
ペクト角推定手段により推定されたアスペクト角に基づ
き特徴量を算出するアスペクト角範囲を決定するアスペ
クト角決定手段を備えるとともに、統計量データ作成手
段に、候補目標毎の形状を予め格納する目標形状データ
蓄積手段と、前記アスペクト角範囲内において前記候補
目標毎の形状に基づきレーダ断面積を算出するＲＣＳ算
出手段と、前記ＲＣＳ算出手段の出力に基づき統計量を
前記候補目標毎に算出して統計量検索手段に出力する統
計量算出手段とを備えるように構成したので、統計量デ
ータベースが不要となり、装置の構成が簡単になるとい
う効果がある。

【０３０５】本願請求項１３の発明によれば、統計量デ
ータ作成手段に、複数の分布モデルを予め格納する分布
モデルデータベースと、ＲＣＳ算出手段の出力の分布を
前記複数の分布モデルと比較することにより分布を検定
する分布検定手段とを備えるとともに、統計量算出手段
は、前記分布検定手段により定められた分布に基づき統
計量を算出するように構成したので、各候補目標のＲＣ
Ｓ分布を予め検定し、適当な確率分布モデルを当てはめ
ることができて、識別率が向上するという効果がある。

【０３０６】本願請求項１４の発明によれば、特徴量抽
出手段の出力及び統計量データベース検索手段の出力に
基づき、各観測において目標が各候補目標である確率に
関する量を表す確率値を前記各候補目標毎に算出する単
一スキャン確率値算出手段と、前記各候補目標毎の前記
確率値を基にした値の複数回の観測における値の平均操
作をすることにより、前記複数回の観測に亘る複数スキ
ャン確率平均値を算出する複数スキャン確率平均値算出
手段と、前記複数スキャン確率平均値に基づき、前記目
標に近い目標を選択し、選択された前記候補目標を前記
目標の識別結果として出力する目標識別手段とを備える
ように構成したので、観測回数を増加させて、情報量を
増やした識別が可能となり、一回の観測結果を用いて識
別する場合に比較して識別率の向上を図ることができる
との効果がある。また、未知目標が候補目標のいずれで
あるかを直接に目標識別手段の出力によりオペレータに
知らせることができるため、レーダ画像の比較により判
断するなどのオペレータによる判断が不要となり、オペ
レータの負担が軽減されるとともに、オペレータの熟練
度に影響されない客観的な認識・識別結果が得られるよ
うになる効果がある。さらに、画像処理と比べて簡単
で、かつ、データ量も少ないため、比較的少ない演算量
による認識・識別処理が可能になるという効果がある。

【０３０７】本願請求項１５の発明によれば、統計量算
出手段において、特徴量がガウス分布しているものとみ
なして統計量として特徴量の平均値及び標準偏差を求
め、単一スキャン確率値算出手段において、確率値とし
て、前記平均値及び前記標準偏差を有するガウス分布に
おける、前記特徴量抽出手段の出力した特徴量に対応す
る確率密度を算出するように構成したので、単純な統計
モデルに基づいた処理により、高分解能画像を得られな
いレーダにおいても、目標の認識・識別を行えるという
効果がある。

【０３０８】本願請求項１６の発明によれば、各観測に
おいて、各候補目標の確率値を全候補目標の確率値の総
和により規格化した単一スキャン関連確率を算出する単
一スキャン関連確率算出手段を備えるようにし、複数ス
キャン確率平均値算出手段が、確率値を基にした値とし
て、前記単一スキャン関連確率算出手段が算出した前記
単一スキャン関連確率を用いるように構成したので、目
標が必ず候補目標に含まれるという状況において、識別
率の向上を図ることができるという効果がある。

【０３０９】本願請求項１７の発明によれば、複数スキ
ャン確率平均値算出手段が、確率値を基にした値の複数
回の観測における相加平均をとるように構成したので、
一般的な相加平均による平均操作により複数回の観測に
亘る複数スキャン確率平均値を算出し、これにより目標
の識別を行うことができるという効果がある。

【０３１０】本願請求項１８の発明によれば、複数スキ
ャン確率平均値算出手段が、確率値を基にした値の複数
回の観測における相乗平均をとるように構成したので、
相乗平均による平均操作により複数回の観測に亘る複数
スキャン確率平均値を算出し、これにより目標の識別を
行うことができるという効果がある。

【０３１１】本願請求項１９の発明によれば、単一スキ
ャン確率値算出手段において得られる各候補目標の確率
値を基にして目標であると考えられる候補目標を選択し
た結果を表す単一スキャン選択目標を算出する単一スキ
ャン選択目標算出手段を備えるようにし、複数スキャン
確率平均値算出手段が、確率値を基にした値として、前
記単一スキャン選択目標算出手段が算出した前記単一ス
キャン選択目標を用い、前記単一スキャン選択目標を前
記各候補目標毎に複数回の観測で平均操作した複数スキ
ャン目標選択率を複数スキャン確率平均値として算出す
るように構成したので、各観測における個別の識別結果
を得るとともに、これを全観測で総合することにより目
標の識別を行うことが可能となるという効果がある。

【０３１２】本願請求項２０の発明によれば、事前のシ
ミュレーションから、各アスペクト角毎の識別率を計算
し、これを各アスペクト角毎の重み係数とする重みデー
タベース生成手段と、前記重みデータベース生成手段で
計算された各アスペクト角毎の重み係数を蓄積する重み
データベースと、目標アスペクト角推定手段において各
観測に対して得られる目標の推定アスペクト角を用いて
重みデータベースを検索し、その回の観測結果に対する
重み係数を出力する重みデータベース検索手段とを備え
るようにし、複数スキャン確率平均値算出手段が、複数
回の観測における各候補目標毎の確率値と、前記重みデ
ータベース検索手段から出力された各観測に対する重み
係数を用いて、前記候補目標毎に複数回の観測における
前記確率値を加重平均した複数スキャン重み付き確率平
均値を複数スキャン確率平均値として算出するように構
成したので、各回の観測結果に信頼性の重み付けを行っ
て識別を行うことができるため、目標の識別率を向上さ
せることができるという効果がある。

【図面の簡単な説明】

【図１】本発明に係る実施の形態１のレーダによる目標
の識別装置の機能ブロック図である。

【図２】実施の形態１における辞書データ作成部の処理
内容を示すフローチャートである。

【図３】実施の形態１において計算されたＲＣＳ分布の
一例を示す斜視図である。

【図４】実施の形態１において計算されたアスペクト角
推定誤差の確率密度分布の一例を示す斜視図である。

【図５】実施の形態１において計算されたあるアスペク
ト角における特徴量の確率密度分布を示す説明図であ
る。

【図６】実施の形態２のレーダによる目標の識別装置の
機能ブロック図である。

【図７】実施の形態２のデータベース補間手段の動作の
説明図である。

【図８】実施の形態３のレーダによる目標の識別装置の
機能ブロック図である。

【図９】実施の形態３における特徴量の平均、標準偏差
を格納するアスペクト角範囲を示す説明図である。

【図１０】実施の形態３における認識・識別用データベ
ース補間手段の動作の説明図である。

【図１１】実施の形態４のレーダによる目標の識別装置
の機能ブロック図である。

【図１２】実施の形態５のレーダによる目標の識別装置
の機能ブロック図である。

【図１３】実施の形態５におけるカテゴリ分離を説明す
る説明図である。

【図１４】実施の形態５におけるカテゴリ分離の基準に
なる分離度の説明図である。

【図１５】実施の形態６のレーダによる目標の識別装置
の機能ブロック図である。

【図１６】実施の形態７のレーダによる目標の識別装置
の機能ブロック図である。

【図１７】実施の形態８のレーダによる目標の識別装置
の機能ブロック図である。

【図１８】実施の形態９のレーダによる目標の識別装置
の機能ブロック図である。

【図１９】実施の形態１０のレーダによる目標の識別装
置の機能ブロック図である。

【図２０】実施の形態１１のレーダによる目標の識別装
置の機能ブロック図である。

【図２１】実施の形態１２によるレーダによる目標の識
別装置の機能ブロック図である。

【図２２】実施の形態１２における認識・識別処理を示
すフローチャートである。

【図２３】実施の形態１２における単一スキャン確率密
度ｐ（ｋ，ｎ）の説明図である。

【図２４】実施の形態１３によるレーダによる目標の識
別装置の機能ブロック図である。

【図２５】実施の形態１４によるレーダによる目標の識
別装置の機能ブロック図である。

【図２６】実施の形態１５によるレーダによる目標の識
別装置の機能ブロック図である。

【図２７】実施の形態１５の重みデータベース生成手段
の構成を示す機能ブロック図である。

【図２８】実施の形態１６によるレーダによる目標の識
別装置の機能ブロック図である。

【図２９】従来のレーダによる目標の識別装置の機能ブ
ロック図である。

【図３０】目標とレーダ装置のジオメトリを示す説明図
である。

【符号の説明】

１ 送信機 ２ 送受切換器 ３ 送受信アンテナ ４ 受信機 ５ レーダ画像再生手段 ６ レーダ画像表示手段 ７ 目標追尾手段 ８ 点像応答推定手段 ９ 目標アスペクト角推定手段 １１ 畳み込み積分手段 １３ オペレータ １６ 統計量データベース検索手段（統計量検出手段） １７ 特徴量抽出手段 １８ 単一特徴量確率密度算出手段 １９，６４ 目標識別手段 ２０，６５ 識別結果表示手段 ２１ 辞書データ作成部（統計量データ作成手段） ２６ アスペクト角決定手段 ３１ Ｈ偏波送受信アンテナ ３２ Ｖ偏波送受信アンテナ ３３ アンテナ切換器 ３４ 特徴空間制御手段 ３５ 特徴空間確率密度算出手段 ３６ 送信切換器 ３７ Ｌ帯送信機 ３８ Ｃ帯送信機 ３９ 受信切換器 ４０ Ｌ帯受信機 ４１ Ｃ帯受信機 ４２ 重みデータベース ６１ 単一スキャン確率密度算出手段（単一スキャン確
率値算出手段） ６２ 単一スキャン確率密度算出手段 ６３ 複数スキャン確率密度平均値算出手段（複数スキ
ャン確率平均値算出手段） ６６ 単一スキャン関連確率算出手段 ６７ 複数スキャン関連確率平均値算出手段（複数スキ
ャン確率平均値算出手段） ６８ 単一スキャン選択目標算出手段 ６９ 複数スキャン目標選択率算出手段（複数スキャン
確率平均値算出手段） ７０ 重みデータベース生成手段 ７１ 重みデータベース ７２ 重みデータベース検索手段 ７３ 複数スキャン重み付き確率密度平均値算出手段
（複数スキャン確率平均値算出手段） ７４ 複数スキャン確率密度相乗平均値算出手段（複数
スキャン確率平均値算出手段） ９１ 目標アスペクト角推定手段 １２１，１３５ 目標のアスペクト角推定値 １２２，１３６ 格納データのアスペクト角 １２３，１３７ 取り得る推定アスペクト角 １３１ 領域Ａ １３２ 領域Ｅ １３４ 拡大図におけるデータを格納しているアスペク
ト角 １５３ 候補目標１の確率密度関数 １５４ 候補目標２の確率密度関数 １５５ 候補目標３の確率密度関数 １５６ 候補目標４の確率密度関数 １５７ カテゴリ１の確率密度関数 １５８ カテゴリ２の確率密度関数 １５９ 候補目標１の確率密度関数 １６０ 候補目標２の確率密度関数 １６１ 統計量データベース検索手段 ２１１，７０１ 目標形状データ蓄積手段 ２１２，７０２，２１２１ ＲＣＳ算出手段 ２１３ 統計量算出手段 ２１４，７０４ 統計量データベース ２１５ アスペクト角間隔制御手段 ２１６ データベース補間手段 ２１７ アジマス・エレベーション独立統計量データベ
ース ２１８ アジマス・エレベーション独立統計量融合手段 ２１９ カテゴリ分離手段 ２２０ カテゴリ別統計量算出手段 ２２１ 分布モデルデータベース ２２２ 分布検定手段 ２５１ ２つの確率密度関数の重ならない領域 ５０１ 目標 ５０２ レーダ装置 ６０１ 送信アンテナ ６０２ 受信アンテナ ７０３ ＲＣＳデータベース ７０５ 単一スキャン確率密度算出手段 ７０６ 目標識別手段 ７０７ 識別結果蓄積手段 ７０８ 識別率算出手段 ２１４１ 統計量データベース ６００１ ２次元表示バッファ ６００２ モニタＴＶ

───────────────────────────────────────────────────── フロントページの続き (72)発明者 藤坂 貴彦 神奈川県鎌倉市大船五丁目１番１号三菱電 機株式会社情報技術総合研究所内 Ｆターム(参考） 5J070 AB01 AC19 AD02 AD14 AE04 AH19 AK13 AK22 BB04

Claims (20)

【特許請求の範囲】
1. 【請求項１】 レーダ受信機が出力する目標からの反射
   信号に基づき前記目標の特徴量を抽出する特徴量抽出手
   段と、前記反射信号に基づき前記目標を追尾する目標追
   尾手段と、前記目標追尾手段の出力に基づき前記目標の
   レーダに対する向きを示すアスペクト角を推定する目標
   アスペクト角推定手段と、予め定められた複数の候補目
   標についての統計量データをアスペクト角毎に出力する
   統計量データ作成手段と、前記目標アスペクト角推定手
   段により推定されたアスペクト角の統計量データを前記
   統計量データ作成手段から読み出して前記複数の候補目
   標毎に出力する統計量検索手段と、前記特徴量抽出手段
   の出力及び前記統計量検索手段の出力に基づき前記目標
   の確率密度値を前記複数の候補目標毎に算出する確率密
   度算出手段と、前記確率密度値に基づき前記目標に近い
   候補目標を選択し、選択された候補目標を前記目標の識
   別結果として出力する目標識別手段とを備えたレーダに
   よる目標の識別装置。
2. 【請求項２】 レーダ送信機からの目標に対するレーダ
   送信波を送信する送信アンテナと、この送信アンテナと
   離れた位置に設置され、前記目標からの反射波を受信し
   前記レーダ受信機へ出力する受信アンテナとを備え、前
   記統計量データ作成手段は、予め定められた複数の候補
   目標についての統計量データを、前記目標と前記送信ア
   ンテナとの間の送信アスペクト角、及び前記目標と前記
   受信アンテナとの間の受信アスペクト角によって特定さ
   れる角度毎に出力し、前記目標アスペクト角推定手段
   は、前記目標追尾手段の出力に基づき前記送信アスペク
   ト角及び前記受信アスペクト角を推定し、前記統計量検
   索手段は、前記目標アスペクト角推定手段により推定さ
   れた送信アスペクト角及び受信アスペクト角に基づき、
   前記統計量データを前記統計量データ作成手段から読み
   出して前記複数の候補目標毎に出力することを特徴とす
   る請求項１記載のレーダによる目標の識別装置。
3. 【請求項３】 目標に対するレーダ送信波の偏波及び受
   信波の偏波の組合せからの反射信号の偏波の種類を選択
   する選択手段と、前記選択手段の出力に基づき前記目標
   の特徴量を前記偏波の組合せ毎に抽出する特徴量抽出手
   段と、前記受信波に基づき前記目標を追尾する目標追尾
   手段と、前記目標追尾手段の出力に基づき前記目標のレ
   ーダに対する向きを示すアスペクト角を推定する目標ア
   スペクト角推定手段と、予め定められた複数の候補目標
   についての統計量データをアスペクト角及び前記偏波の
   組合せ毎に出力する統計量データ作成手段と、前記目標
   アスペクト角推定手段により推定されたアスペクト角の
   統計量データを前記統計量データ作成手段から読み出し
   て前記複数の候補目標及び前記偏波の組合せ毎に出力す
   る統計量検索手段と、前記特徴量抽出手段の出力及び前
   記統計量検索手段の出力に基づき前記目標の確率密度値
   を前記複数の候補目標及び前記偏波の組合せ毎に算出す
   る確率密度算出手段と、前記確率密度算出手段により得
   られた確率密度値を前記偏波の組合せ毎にまとめて前記
   複数の候補目標毎の確率密度値とする特徴空間確率密度
   算出手段と、前記確率密度値に基づき前記目標に近い候
   補目標を選択し、選択された候補目標を前記目標の識別
   結果として出力する目標識別手段とを備えたレーダによ
   る目標の識別装置。
4. 【請求項４】 偏波の組合せ毎の重み係数を予め格納す
   る重みデータベースを備え、前記特徴空間確率密度算出
   手段は、確率密度値を前記偏波の組合せ毎にまとめると
   きに前記重み係数に基づき重み付けを行うことを特徴と
   する請求項３記載のレーダによる目標の識別装置。
5. 【請求項５】 目標に対するレーダ送信波の周波数及び
   受信波の周波数の種類を選択する選択手段と、前記選択
   手段の出力に基づき前記目標の特徴量を前記周波数の種
   類毎に抽出する特徴量抽出手段と、前記受信波に基づき
   前記目標を追尾する目標追尾手段と、前記目標追尾手段
   の出力に基づき前記目標のレーダに対する向きを示すア
   スペクト角を推定する目標アスペクト角推定手段と、予
   め定められた複数の候補目標についての統計量データを
   アスペクト角及び前記周波数の種類毎に出力する統計量
   データ作成手段と、前記目標アスペクト角推定手段によ
   り推定されたアスペクト角の統計量データを前記統計量
   データ作成手段から読み出して前記複数の候補目標及び
   前記周波数の種類毎に出力する統計量検索手段と、前記
   特徴量抽出手段の出力及び前記統計量検索手段の出力に
   基づき前記目標の確率密度値を前記複数の候補目標及び
   前記周波数の種類毎に算出する確率密度算出手段と、前
   記確率密度算出手段により得られた確率密度値を前記周
   波数の種類毎にまとめて前記複数の候補目標毎の確率密
   度値とする特徴空間確率密度算出手段と、前記確率密度
   値から前記目標に近い候補目標を選択し、選択された候
   補目標を前記目標の識別結果として出力する目標識別手
   段とを備えたレーダによる目標の識別装置。
6. 【請求項６】 周波数の種類毎に重み係数を予め格納す
   る重みデータベースを備え、前記特徴空間確率密度算出
   手段は、確率密度値を前記周波数の種類毎にまとめると
   きに前記重み係数に基づき重み付けを行うことを特徴と
   する請求項５記載のレーダによる目標の識別装置。
7. 【請求項７】 前記統計量データ作成手段に、候補目標
   毎の形状を予め格納する目標形状データ蓄積手段と、前
   記候補目標毎の形状に基づきレーダ断面積を算出するＲ
   ＣＳ算出手段と、前記ＲＣＳ算出手段の出力に基づき統
   計量を前記候補目標毎に算出する統計量算出手段と、前
   記統計量算出手段により得られた統計量を格納するとと
   もに、前記統計量検索手段の指定に基づき対応する統計
   量データを出力する統計量データベースとを備えたこと
   を特徴とする請求項１乃至６のいずれかに記載のレーダ
   による目標の識別装置。
8. 【請求項８】 前記統計量データ作成手段に、候補目標
   毎の形状を予め格納する目標形状データ蓄積手段と、前
   記候補目標毎の形状に基づきレーダ断面積を算出するＲ
   ＣＳ算出手段と、前記ＲＣＳ算出手段の出力に基づき統
   計量を前記候補目標毎に算出する統計量算出手段と、前
   記候補目標のうちで互いに近似するもの同士をカテゴリ
   にまとめるカテゴリ分離手段と、前記カテゴリ毎の統計
   量を算出するとともに、前記カテゴリに含まれない候補
   目標の統計量を出力するカテゴリ別統計量算出手段と、
   前記カテゴリ毎の統計量及び前記カテゴリに含まれない
   候補目標の統計量を格納するとともに、前記統計量検索
   手段の指定に基づき対応する統計量データを出力する統
   計量データベースとを備えたことを特徴とする請求項
   １，３，４，５又は６記載のレーダによる目標の識別装
   置。
9. 【請求項９】 前記目標識別手段は、選択された候補目
   標がカテゴリであるときに、前記カテゴリ及びこれに含
   まれる複数の候補目標を表示することを特徴とする請求
   項８記載のレーダによる目標の識別装置。
10. 【請求項１０】 前記統計量検索手段により指定された
    アスペクト角に対応する統計量データが存在しないとき
    に近傍の統計量データを前記統計量データベースから読
    み出すとともに、前記近傍の統計量データに基づき補間
    処理を行い、前記指定されたアスペクト角に対応する統
    計量データを算出して出力するデータベース補間手段を
    備えたことを特徴とする請求項７又は８記載のレーダに
    よる目標の識別装置。
11. 【請求項１１】 前記統計量データベースは、方位角及
    び仰角それぞれについて統計量データを格納し、前記デ
    ータベース補間手段は、方位角及び仰角それぞれについ
    て補間処理を行うとともに、前記データベース補間手段
    により得られた方位角の統計量と仰角の統計量とを融合
    し、融合された統計量データを前記統計量検索手段に出
    力するアジマス・エレベーション独立統計量融合手段を
    備えたことを特徴とする請求項１０記載のレーダによる
    目標の識別装置。
12. 【請求項１２】 前記目標アスペクト角推定手段により
    推定されたアスペクト角に基づき特徴量を算出するアス
    ペクト角範囲を決定するアスペクト角決定手段を備える
    とともに、前記統計量データ作成手段に、候補目標毎の
    形状を予め格納する目標形状データ蓄積手段と、前記ア
    スペクト角範囲内において前記候補目標毎の形状に基づ
    きレーダ断面積を算出するＲＣＳ算出手段と、前記ＲＣ
    Ｓ算出手段の出力に基づき統計量を前記候補目標毎に算
    出して統計量検索手段に出力する統計量算出手段とを備
    えたことを特徴とする請求項１，３，４，５又は６記載
    のレーダによる目標の識別装置。
13. 【請求項１３】 前記統計量データ作成手段に、複数の
    分布モデルを予め格納する分布モデルデータベースと、
    前記ＲＣＳ算出手段の出力の分布を前記複数の分布モデ
    ルと比較することにより分布を検定する分布検定手段と
    を備えるとともに、前記統計量算出手段は、前記分布検
    定手段により定められた分布に基づき統計量を算出する
    ことを特徴とする請求項７，８又は１２記載のレーダに
    よる目標の識別装置。
14. 【請求項１４】 レーダ受信機が出力する目標からの反
    射信号に基づき前記目標の特徴量を抽出する特徴量抽出
    手段と、前記反射信号に基づき前記目標を追尾する目標
    追尾手段と、前記目標追尾手段の出力に基づき前記目標
    のレーダに対する向きを示すアスペクト角を推定する目
    標アスペクト角推定手段と、予め定められた複数の候補
    目標についての統計量データをアスペクト角毎に出力す
    る統計量データ作成手段と、前記目標アスペクト角推定
    手段により推定されたアスペクト角の統計量データを前
    記統計量データ作成手段から読み出して前記複数の候補
    目標毎に出力する統計量検索手段と、前記特徴量抽出手
    段の出力した特徴量及び前記統計量データベース検索手
    段の出力した前記統計量に基づき、各観測において前記
    目標が前記各候補目標である確率に関する量を表す確率
    値を前記各候補目標毎に算出する単一スキャン確率値算
    出手段と、前記単一スキャン確率値算出手段で各候補目
    標毎に算出された確率値を格納する単一スキャン確率値
    蓄積手段と、前記単一スキャン確率値蓄積手段から読み
    出した前記各候補目標毎の前記確率値を基にした値の複
    数回の観測における値の平均操作をすることにより、前
    記複数回の観測に亘る複数スキャン確率平均値を算出す
    る複数スキャン確率平均値算出手段と、前記複数スキャ
    ン確率平均値に基づき、前記目標に近い候補目標を選択
    し、選択された前記候補目標を前記目標の識別結果とし
    て出力する目標識別手段とを備えたレーダによる目標の
    識別装置。
15. 【請求項１５】 前記統計量算出手段は、特徴量がガウ
    ス分布しているものとみなして統計量として特徴量の平
    均値及び標準偏差を求め、前記単一スキャン確率値算出
    手段は、確率値として、前記平均値及び前記標準偏差を
    有するガウス分布における、特徴量抽出手段の出力した
    特徴量に対応する確率密度を算出することを特徴とする
    請求項１４記載のレーダによる目標の識別装置。
16. 【請求項１６】 各観測において、各候補目標の確率値
    を全候補目標の確率値の総和により規格化した単一スキ
    ャン関連確率を算出する単一スキャン関連確率算出手段
    を備え、複数スキャン確率平均値算出手段は、確率値を
    基にした値として、前記単一スキャン関連確率算出手段
    が算出した前記単一スキャン関連確率を用いることを特
    徴とする請求項１４又は１５記載のレーダによる目標の
    識別装置。
17. 【請求項１７】 前記複数スキャン確率平均値算出手段
    は、確率値を基にした値の複数回の観測における相加平
    均をとることを特徴とする請求項１５記載のレーダによ
    る目標の識別装置。
18. 【請求項１８】 複数スキャン確率平均値算出手段は、
    確率値を基にした値の複数回の観測における相乗平均を
    とることを特徴とする請求項１５記載のレーダによる目
    標の識別装置。
19. 【請求項１９】 レーダ受信機が出力する目標からの反
    射信号に基づき前記目標の特徴量を抽出する特徴量抽出
    手段と、前記反射信号に基づき前記目標を追尾する目標
    追尾手段と、前記目標追尾手段の出力に基づき前記目標
    のレーダに対する向きを示すアスペクト角を推定する目
    標アスペクト角推定手段と、予め定められた複数の候補
    目標についての統計量データをアスペクト角毎に出力す
    る統計量データ作成手段と、前記目標アスペクト角推定
    手段により推定されたアスペクト角の統計量データを前
    記統計量データ作成手段から読み出して前記複数の候補
    目標毎に出力する統計量検索手段と、前記特徴量抽出手
    段の出力した特徴量及び前記統計量データベース検索手
    段の出力した前記統計量に基づき、各観測において前記
    目標が前記各候補目標である確率に関する量を表す確率
    値を前記各候補目標毎に算出する単一スキャン確率値算
    出手段と、前記単一スキャン確率値算出手段で各候補目
    標毎に算出された確率値を格納する単一スキャン確率値
    蓄積手段と、前記単一スキャン確率値蓄積手段から読み
    出した各候補目標の確率値を基にして前記目標であると
    考えられる候補目標を選択した結果を表す単一スキャン
    選択目標を算出する単一スキャン選択目標算出手段と、
    前記単一スキャン選択目標算出手段が算出した前記単一
    スキャン選択目標を用い、前記単一スキャン選択目標を
    前記各候補目標毎に複数回の観測で平均操作した複数ス
    キャン目標選択率を複数スキャン確率平均値として算出
    する複数スキャン確率平均値算出手段とを備えたレーダ
    による目標の識別装置。
20. 【請求項２０】 レーダ受信機が出力する目標からの反
    射信号に基づき前記目標の特徴量を抽出する特徴量抽出
    手段と、前記反射信号に基づき前記目標を追尾する目標
    追尾手段と、前記目標追尾手段の出力に基づき前記目標
    のレーダに対する向きを示すアスペクト角を推定する目
    標アスペクト角推定手段と、予め定められた複数の候補
    目標についての統計量データをアスペクト角毎に出力す
    る統計量データ作成手段と、前記目標アスペクト角推定
    手段により推定されたアスペクト角の統計量データを前
    記統計量データ作成手段から読み出して前記複数の候補
    目標毎に出力する統計量検索手段と、前記特徴量抽出手
    段の出力した特徴量及び前記統計量データベース検索手
    段の出力した前記統計量に基づき、各観測において前記
    目標が前記各候補目標である確率に関する量を表す確率
    値を前記各候補目標毎に算出する単一スキャン確率値算
    出手段と、前記単一スキャン確率値算出手段で各候補目
    標毎に算出された確率値を格納する単一スキャン確率値
    蓄積手段と、事前のシミュレーションから、各アスペク
    ト角毎の識別率を計算し、これを各アスペクト角毎の重
    み係数とする重みデータベース生成手段と、前記重みデ
    ータベース生成手段で計算された各アスペクト角毎の重
    み係数を蓄積する重みデータベースと、目標アスペクト
    角推定手段において各観測に対して得られる目標の推定
    アスペクト角を用いて重みデータベースを検索し、その
    回の観測結果に対する重み係数を出力する重みデータベ
    ース検索手段と、複数回の観測における各候補目標毎の
    確率値と、前記重みデータベース検索手段から出力され
    た各観測に対する重み係数を用いて、前記候補目標毎に
    複数回の観測における前記確率値を加重平均した複数ス
    キャン重み付き確率平均値を複数スキャン確率平均値と
    して算出する複数スキャン確率平均値算出手段と、前記
    複数スキャン確率平均値に基づき、前記目標に近い候補
    目標を選択し、選択された前記候補目標を前記目標の識
    別結果として出力する目標識別手段とを備えたレーダに
    よる目標の識別装置。