JP2005520160A - レーダのスペクトル発生のためのシステムおよび方法 - Google Patents

Abstract

本発明は、レンジドップラーセンサの前処理されたデータを受信し、このデータから、少なくとも１つの雑音が低減された高分解能スペクトルを発生するためのスペクトル発生器およびスペクトル発生方法に関する。スペクトル発生器は、レンジドップラーの複数のセルを定義するウインドウを発生するウインドウ発生器を含む。スペクトル発生器は、ウインドウ内のレンジドップラーセンサのデータを受信してウインドウにおける問題のレンジドップラーのセルに対する共分散行列見積りを算出するためにウインドウ発生器と連絡する共分散行列計算器をさらに含む。スペクトル発生器は、位置行列および雑音部分空間行列見積りに基づき高分解能スペクトルベクトルを算出するために共分散行列計算器と連絡するスペクトル計算器も含む。

Description

本発明はレーダデータにおけるスペクトル発生のための信号処理方法に関し、より詳細にはレーダデータのための雑音低減特性を有するスペクトル発生方法に関する。

高周波数地上波レーダ（ＨＦＳＷＲ）は、沿岸を基本とする場所から船舶、航空機、氷山、および、他の地表の目標を継続的に検出および追跡するために効果的である。そのため、ＨＦＳＷＲは捜索および救助活動を強化するため、ならびに、海の状況、違法な移民、麻薬の取引、違法な漁業、密輸、および、海賊行為を監視するために使用されている。

ＨＦＳＷＲシステムは海岸線に沿って設置され、海洋に向けられた指向性送信アンテナおよび海洋に向けられた指向性受信アンテナアレイ、ならびに、システムの稼動に必要なハードウェアおよびソフトウェアを含む。送信アンテナは所望の監視地域を照射する電磁（ＥＭ）パルス列を発生する。受信アンテナアレイは監視地域全体にわたって等しい利得および位相を有するように較正される。また、監視地域における物体はレーダのデータを回収する受信アンテナアレイに向けてＥＭパルスを反射する。物体のいくつかは検出されなければならない要素（これらの要素からのレーダ上での像は「目標」と呼ぶ）である可能性がある一方、残りの物体は検出される必要のない要素である（これらの要素からのレーダ上での像は、レーダシステムにおける１つのタイプの雑音である「不要反射像」と呼ぶ）。より複雑化したパルス符号化または周波数符号化されたＥＭパルスは、後続のＥＭパルスが送信された後に（直前に送信されたＥＭパルスに応じた）反射ＥＭパルスが受信アンテナアレイにより受信される時に発生するレンジラップに対処するために使用することができる。

従来、受信アンテナアレイの各アンテナエレメントまたはセンサから回収されたレーダデータは、レーダデータ中の無関係な不要の信号を濾過するためにデータに帯域通過型フィルタを、および、次に、レーダデータをＲＦ帯からアナログ／デジタル変換が生じるＩＦ帯に復調するヘテロダイン受信機を通過させる工程により前処理される。次に、レーダデータは低域通過型濾過および下方サンプリングが生じるベースバンドに復調される。受信アンテナアレイにより回収されるレーダデータは複素数である（すなわち、実数成分および虚数成分を有する）。したがって、下方サンプリングされたレーダデータも複素数であり、上述の操作を行うために必要な信号処理構成部分の各々は複素データを扱うために実装される。

次に、下方サンプリングされたレーダデータは送信されたＥＭパルスに関連する伝達関数または衝撃応答を有する整合フィルタにより処理される。次に、整合濾過されたレーダデータは解析のために各セグメントに分離される。各セグメントはコヒーレントな積分時間（ＣＩＴ）または滞留として当技術分野では知られている。各ＣＩＴにおける整合濾過されたレーダデータは、先行するＥＭパルスが送信された時刻を基準として、各データ点がサンプリングされた時刻に注目することによりレンジ整列される。次に、レンジ整列されたデータは、さらなる雑音低減のための低域通過型濾過およびより効率的な信号処理のための下方サンプリングの組合せを施される。この処理の出力は、各時間サンプル系列がレンジ値に対応するレンジデータの複数の時間サンプルである。複数の時系列が回収される最大レンジ値は、ＥＭパルスの送信において使用されるパルス反復間隔（すなわち、ＥＭパルスが送信される周波数）に依存する。

目標は、前処理され、記録レーダデータから生成されるレンジ、ドップラー、および、アジマスの情報から検出される。レンジ情報は受信アンテナアレイからの目標のレンジの見積りを提供するために使用される。アジマス情報は受信アンテナアレイの中心に関した目標の位置の角度の見積りを提供するために使用され、ドップラー情報は、目標のドップラー偏移を測定する工程により目標の視線速度の見積りを提供するために使用される。目標が持つドップラー偏移は、目標により反射されるＥＭパルスの周波数内容のそのＥＭパルスの本来の周波数内容に関した変化に関連する。

既に述べたように、レンジデータは、先行ＥＭパルスが送信される時刻を基準として、データがサンプリングされるデータに注目することにより生成される。ドップラー処理は、目標からの反射によるＥＭパルス信号周波数における周波数シフトΔｆの検出に相当する。したがって、ドップラー情報は、特定のレンジ値に対して、そのレンジ値に対して得られる時系列にクシ型フィルタ処理、フィルタ群列処理、または、ＦＦＴ（高速フーリエ変換）処理を施す工程により生成される。アジマスデータは、従来、デジタルビーム形成により得られる。より詳細には、特定のレンジセルおよび特定のドップラーセルにおけるレーダデータは、受信アンテナアレイの各アンテナエレメントに対する複素指数関数により重み付けされ、次に、全アンテナエレメントにわたって合計される。当業者にはよく知られているように、複素指数関数の位相はアジマス角、アンテナエレメントの間隔、および、送信されるＥＭパルスの波長に関連する。ビーム形成は、アンテナアレイが複素指数関数の重みにおいて使用されるアジマス値により規定される監視地域の特定の領域に同調される外観を与える。このようにして、監視地域全体を同時に網羅するために、多くのビームを形成することができる。

目標のレンジ、アジマス、および、速度を決定するために、検出器は特定のＣＩＴに対して、生成されたレンジ、アジマス、および、ドップラーの各情報を処理する。一般に、検出器は、レンジドップラーのプロットとして知られる二次元のプロットにおける与えられたセル（すなわち、データ値または画素）におけるピークを探す。目標の検出は、与えられたセルにおける振幅を近隣のセルにおける平均振幅と比較する工程を通常含む。次に、検出された目標は、真の目標に対して予想されるレンジ、ドップラー、および、アジマスの特性に適合しない全ての検出を拒絶するために、検出された目標を濾過するプロット抽出器に転送される。次に、これらの濾過された目標は、目標に対して軌跡を形成するための与えられた目標の連続した検出に関連する追跡器に転送される。このようにして、検出された目標の動きは監視地域全体を通じて追跡することができる。

検出処理は、各セルにおいて、既に述べた不要反射像を含む雑音の追加により妨害される。これは目標の不成功検出または目標としての雑音の偽検出をもたらすことがある。雑音は、異なるセルおいて、ならびに、異なるＣＩＴにおいて、海の異なる状態において、１日および季節の異なる時の間に、および、異なる場所において回収されるレーダデータに対して、変動する雑音レベルがあるため、問題である。レーダ雑音の主要な発生源は、海洋の不要反射像、電離層不要反射像、および、流星体不要反射像などの自己干渉、および、共チャンネル干渉、大気干渉、および、衝撃雑音などの外部干渉を含む。自己干渉はレーダの動作からもたらされる一方、外部干渉はレーダの動作とは独立している。

電離層不要反射像は干渉の最も重要な原因の１つであり、これの持つ目標に似た性質および大きな信号振幅のために、抑制することが困難である。電離層不要反射像は、地球の電離層で反射し、レーダに直接戻るＥＭパルス（すなわち、近垂直入射不要反射像）、および、電離層で弾み、海洋から反射し、逆経路に沿ってレーダに戻るＥＭパルス（すなわち、レンジラップ不要反射像とも呼ばれる上空波自己干渉不要反射像）を含む。一般に、電離層不要反射像はいくつかのレンジセルの狭帯域、全てのアジマスセル、および、船舶ドップラー帯のほとんどにまたがる環状帯域に蓄積する。これらのレンジセルの狭帯域は、ＨＦＳＷＲの据付サイトを基準とした電離層の高さまたは複数の高さに対応する。近垂直入射電離層不要反射像は、多くのミリヘルツにわたって非常に強い、レンジにおいて隔離された、かつ、ドップラー次元において不鮮明という特徴もある。夜間に、電離層不要反射像は、電離Ｄ層の消滅および電離Ｆ１およびＦ２層の融合により、最高レベルとなる。さらに、電離層不要反射像の特徴は季節および他の環境パラメータと共に変化し、そのため、電離層雑音を抑制するための確実な方法を導入することは容易ではない。

レンジラップ不要反射像に対処するために、当業者に知られているようにＦｒａｎｋ補償符号を使用することができる。他の知られている解決策は、上空波の伝播に役立たないさらに高い周波数においてレーダシステムを動作させることである。送信ＥＭパルスの搬送周波数を層臨界周波数の上方に上昇させることにより、送信ＥＭパルスは電離層を貫通する。しかし、この手法は、より高い送信周波数において生じるより大きな伝播損失のために、長レンジにある船舶の検出におけるレーダシステムの性能を低下させることがある。

海面は異なる波長および振幅を有する多くの波を含む。海洋不要反射像は、レーダ波長の高調波となる海洋の波により反射されたＥＭパルスからもたらされる。海洋不要反射像を支配する２つの大きなピークは、レーダの動作周波数により決定されるドップラー周波数において全てのレンジセルに沿ったレンジドップラーのプロットにおけるピークの２つの縦線として現れるＢｒａｇｇ線と呼ばれる。Ｂｒａｇｇ線はそれの対応するドップラー周波数におけるレーダの検出性能を劣化させ得る。しかし、Ｂｒａｇｇ線間の追加のピークおよび海洋不要反射像の連続体をもたらす、海の状況に関連する高次の散乱もある。海洋不要反射像のこの連続体は、海の状況（すなわち、海上の風の速度および持続時間）に関連し、船舶などの小さく、低速の目標の検出をしばしば制限するエネルギを含む。加えて、海洋不要反射像は非常に貧弱な空間的相関を示している。

流星体不要反射像は、地球の大気を貫通し、レーダへの一時的な戻り波を作り出す電離飛跡を発生する小さな流星粒子である流星体からもたらされる。流星体によるレーダへの一時的な戻り波は、通常、特定のレンジにおける大きなピークとして現れる。流星体不要反射像はレンジドップラーのプロットにおける背景雑音の増加をもたらす。

共チャンネル干渉は、テレビ放送などのＨＦＳＷＲ周波数帯の現地および遠くのユーザの双方からもたらされる。この干渉は指向性を持つ。なぜなら、この干渉は空間的に相関する発生源から生じるからである。しかし、不均一な電離層における複数の反射により、共チャンネル干渉の到着の方向は図１に示す共チャンネル干渉を伴ったレーダデータから分かるように幅広い。共チャンネル干渉もレンジ依存性を持ち、図２に示すレーダデータの他のサンプルから分かるように、特定のドップラー周波数範囲において発生する。共チャンネル干渉は、ＥＭパルスを送信するための代替搬送周波数を選択することにより排除できる。しかし、遠くの発生源からの共チャンネル干渉は、この干渉が時間および周波数においてランダムであるために、より深刻な問題を提示する。さらに、典型的に、夜間のＤ層吸収の欠如のために、日中より夜間により大きな共チャンネル干渉がある。

大気干渉は空間的に白く、周波数、１日の時刻、季節、および、地理的位置に応じて変化するレベルを持つ。例えば、ＨＦ帯の低端における大気干渉による雑音レベルは日中のレベルに比較して夜間で約２０ｄＢ上昇する。

衝撃雑音は雷によるもので、時間において無作為に分布し、大きなダイナミックレンジを持つ急速なパルスの連続として現れる。これは、特定のレンジ値に対する送信ＥＭパルス数（または、パルス指数）に対してプロットされたレーダ戻り波の連続を示す図３に見られる。図４に示す衝撃雑音は空間的に白くなく、現地および遠くの嵐の双方からもたらされる。衝撃雑音は、通常、ＨＦＳＷＲシステムの日常動作全体を通じて発生する。衝撃雑音は背景雑音レベルの上昇をもたらす。衝撃雑音の周波数特性は現地の嵐の活動の強さに応じて変化する。

言うまでもなく、検出はレーダシステムの非常に重要な部分であり、かつ、上述の様々なタイプの雑音により損なわれている。したがって、検出を向上させるために、これらの様々な形態の雑音は、好ましくは、検出が通常行われるレンジドップラーのプロット（すなわち、スペクトル見積り）の作成前または作成中に抑制されなければならない。

例えば、従来技術では、これらの様々な形態の干渉の中での検出がレンジドップラーのプロットにおけるより大きな数のセルにわたり干渉エネルギを分布させることにより向上できることが知られている。これは、スペクトル見積りの間のレンジ、ドップラー、または、アジマスの分解能を向上させることにより達成される。しかし、レンジの分解能が送信された信号の帯域幅により決定され、通常は制約があるのに対して、ドップラーの分解能は同じく制限があるＣＩＴにより決定される。さらに、アジマスの分解能は受信アンテナアレイの開口サイズ（すなわち、受信アンテナアレイの物理的なサイズ）により制限される。

分解能に対するこれらの制約を回避するために導入された１つの技術は、アジマス分解能を高めるための高分解能スペクトル見積り器の使用である。しかし、良好な結果を得るためには、レーダデータの共分散行列の統計的に確実な見積りが必要である。共分散行列の見積りは様々なタイプのレーダ雑音の補償も行わなければならない一方、共分散行列の見積りへの信号の寄与を増大させる。これの達成に失敗すると、雑音が目標を不明瞭にして目標の検出を損なうレンジドップラーのプロットをもたらす。したがって、統計的に確実であり、雑音を抑制でき、レーダデータにおける可能な目標を強化できる高分解能スペクトル見積り器に対する必要性がある。

従来技術の他の雑音抑制方法は、外部干渉信号の指向特性を利用することによる外部干渉打消し技術を志向してきた。これらの技術は、潜在的な目標および外部干渉についてのレーダデータを得るための主アンテナまたは主アンテナアレイ、および、外部干渉のみを見積もるための予備アンテナまたは予備アンテナアレイを採用する。しかし、これらの方法は追加のハードウェアを必要とする。詳細には、これらの方法は予備アンテナまたは予備アンテナアレイを必要とする。この問題に対する従来技術の１つの解決策は、アレイエレメントのいくつかが主アンテナアレイとして使用され、アレイエレメントのいくつかが予備アレイとして使用される受信アンテナアレイの使用を含む。しかし、これは、アジマス分解能を劣化させるより小さな開口を有する主アンテナアレイをもたらす。したがって、予備アンテナアレイという追加のハードウェアを必要とせずに、かつ、主アンテナアレイのアジマス分解能を劣化させずに外部干渉を抑制する方法に対する必要性がある。

レーダ検出における他の挑戦は、目標のタイプおよび目標の速度などの目標間にわたって変化する特性を含む。例えば、船舶などの地球表面上の目標は、与えられたレンジおよびドップラーの分解能に対して、航空機などの空中の目標よりレンジドップラーのプロット上ではより大きく現れる。加えて、空中の目標は、通常、表面上の目標よりはるかに速い。これは重要である。なぜなら、視線速度が与えられたＣＩＴ内で変化する目標は、いくつかのドップラーの一目標占有空間にわたり不明瞭にされるスペクトル成分を有するからである。したがって、変化する特性を目標が有することを認識し、これらの特性に基づき、レンジドップラーのプロット上の目標の外観を強化するように適合する信号処理方法に対する必要性もある。

本発明の発明者は、潜在的な目標が強化されるレンジドップラーのプロットを生成するためのスペクトル発生および雑音抑制のシステムおよび方法のいくつかの実施形態を開発した。発明者は、本発明のシステムおよび方法を、各レーダ像がピークを持つ形状を有していても、異なる分類の目標はレンジドップラーのプロット上で異なるレーダ像を与えるという事実に基づき開発した。さらに、信号対不要反射像比が十分であることを条件として、目標は様々な形態の不要反射像とは統計的に独立しており、強いスペクトル上の相関を備えたレーダ像を有する。加えて、発明者は、様々な形態の不要反射像が様々な程度の空間的相関を有することを認識した。例えば、海洋の（第１次およびより高い次数の）不要反射像はほとんどが貧弱な空間的相関を有するのに対して、電離層不要反射像は強い空間的相関を有する。

発明者は、貧弱な空間的相関により海洋の不要反射像が主に雑音部分空間に現れるために、レーダデータを信号と雑音の部分空間に分離する高分解能スペクトル見積り器が海洋の不要反射像を抑制するために使用できると判断した。さらに、電離層不要反射像のアジマスが可能な目標のアジマスとは異なっている場合、高分解能スペクトル見積り器は、高分解能スペクトル見積り器における副ローブの不在のために、電離層不要反射像と可能な目標からのレーダ像とを区別することができる。しかし、確実な共分散行列の見積りは、高分解能スペクトル見積り器が目標からのレーダ像を強化するために必要である。発明者は、共分散行列の見積りを、高分解能スペクトルベクトルが発生されるレンジドップラーのセルの近隣のレンジドップラーのセルの共分散行列の重み付けされた平均値に基づいた。高分解能スペクトル見積り器は、高分解能スペクトル見積りを形成するために雑音部分空間の少なくとも一部を使用する。

従来の部分空間に基づくスペクトル見積り器の１つの短所は、低い信号対不要反射像（ＳＣＲ）比において良好な結果を得ることである。発明者は、１つの解決策が、より小さな単一の値に相当し、そのため、空間的に白い雑音にさらに向かって横たわる固有ベクトルのみを含むことにより雑音部分空間の次元を低減することであることを見出した。他の手法は、高分解能空間ベクトルを発生するための部分空間に基づくスペクトル見積り器により使用される共分散行列見積りに対する空間的平滑化を組み込むことである。空間的平滑化は、前方空間的平滑化、後方空間的平滑化、または、前方／後方空間的平滑化のいずれか１つに基づくことができる。

既に述べたように、他の重要な分類の干渉は外部干渉である。本発明の発明者は、適合型アレイ処理と外部干渉を抑制するために使用される整合／不整合濾過との組合せに基づくモジュールおよび方法を開発した。モジュールは、強化された高分解能レンジドップラーのプロットを供給するためのスペクトル発生器と組み合わせることができる。主センサアレイにより記録されるデータは、雑音抑制モジュールにおける整合および不整合フィルタの各モジュールに通信される。整合フィルタモジュールは、可能な目標からのレーダ戻り波、自己干渉、および、外部干渉を含む整合レーダデータを供給する一方、不整合フィルタモジュールは、外部干渉のみを含む不整合レーダデータを供給する。したがって、レーダデータを適合型ビーム形成器に供給するために、不整合レーダデータに基づき仮想予備センサアレイを構築することができる。適合型ビーム形成器は、好ましくは、レーダデータを記録した主センサアレイの各センサについての整合レーダデータにおける外部干渉の見積りを供給する予備ビームを生成するために、不整合レーダデータに適用されるＷｉｅｎｅｒに基づく重みを発生する。次に、外部干渉見積りは、雑音抑制されたレンジドップラーセンサのレーダデータを供給するために、前述のセンサの各々についての記録されたレーダデータから除去される。次に、このデータは、外部干渉が抑制された高分解能のレンジドップラーのプロットを生成するために、本発明のスペクトル発生器に供給される。

したがって、１つの態様において、本発明は、レンジドップラーセンサの前処理されたデータを受信し、少なくとも１つの雑音が低減された高分解能スペクトルを発生するレーダ用スペクトル発生器である。スペクトル発生器は複数のレンジドップラーのセルを規定するウインドウを発生するウインドウ発生器を含む。スペクトル発生器はウインドウ発生器と連絡する共分散行列計算器をさらに含む。共分散行列計算器はレンジドップラーセンサのデータを受信し、ウインドウ内の問題のレンジドップラーのセルに対する共分散行列見積りを算出する。共分散行列見積りは、問題のレンジドップラーのセルの周辺にあるウインドウ内の複数のレンジドップラーのセルの少なくとも一部について計算された共分散行列から計算される。スペクトル発生器は、位置行列および雑音部分空間行列見積りに基づき高分解能スペクトルベクトルを算出するために共分散行列計算器と連絡するスペクトル計算器も含む。

スペクトル発生器は、共分散行列計算器と連絡する共分散行列平滑器をさらに含むことができる。共分散行列平滑器は共分散行列見積りを平滑化する。
スペクトル発生器は、前処理されたレンジドップラーセンサのデータの代わりに雑音が抑制されたレーダデータを共分散行列計算器に供給するために、共分散行列計算器と連絡する雑音抑制モジュールをさらに含むことができる。雑音抑制モジュールは前処理されたレーダデータの外部干渉を見積り、雑音が抑制されたレーダデータを供給するために前処理されたレーダデータの外部干渉を抑制する。

他の態様において、本発明はレーダのためのスペクトル発生の方法を提供する。方法は、
ａ）複数のレンジドップラーのセルを規定するウインドウを発生する工程と、
ｂ）レンジドップラーセンサの前処理されたデータからウインドウにおける問題のレンジドップラーのセルに対する共分散行列見積りを算出する工程であって、共分散行列見積りは、ウインドウ内の複数のレンジドップラーのセルの少なくとも一部について計算される共分散行列から発生される工程と、
ｃ）位置行列および雑音部分空間行列見積りに基づき高分解能スペクトルベクトルを算出する工程を含む。雑音部分空間行列見積りは共分散行列見積りから導出される。

スペクトル発生方法は、共分散行列見積りを平滑化する工程、および、平滑化された共分散行列見積りに基づき雑音部分空間行列を算出する工程をさらに含むことができる。
スペクトル発生方法は、レンジドップラーセンサの前処理されたデータの代わりに雑音が抑制されたレーダデータを供給するために、雑音を抑制する工程をさらに含むことができる。雑音を抑制する工程は、前処理されたレーダデータの外部干渉を見積る工程、および、雑音が抑制されたレーダデータを生成するために、前処理されたレーダデータの外部干渉を抑制する工程により達成される。

他の態様において、本発明は、前処理されたレーダデータにおける外部干渉を抑制するための雑音抑制モジュールを提供する。雑音抑制モジュールは、前処理されたレーダデータと連絡する第１の処理モジュールおよび第２の処理モジュールを含む。第１の処理モジュールは前処理されたレーダデータを受信し、整合レーダデータを生成するのに対し、第２の処理モジュールは前処理されたレーダデータを受信し、不整合レーダデータを生成する。雑音抑制モジュールは、第１の処理モジュールおよび第２の処理モジュールと連絡する適合型ビーム形成器をさらに含む。適合型ビーム形成器は整合レーダデータの一部および不整合レーダデータの一部を受信し、整合レーダデータの一部における外部干渉の外部干渉見積りを生成する。雑音抑制モジュールは、第１の処理モジュールおよび適合型ビーム形成器と連絡する抑制器をさらに含む。抑制器は、整合レーダデータの一部および外部干渉見積りに基づき雑音が抑制されたレーダデータの一部を供給する。

雑音抑制モジュールは、第１の処理モジュールと連絡する順序統計フィルタモジュールをさらに含むことができる。順序統計フィルタモジュールは順序統計濾過された整合レーダデータを生成する。

さらなる態様において、本発明は前処理されたレーダデータにおける外部干渉を抑制する方法を提供する。方法は、
ａ）整合レーダデータを生成するために前処理されたレーダデータを処理する工程と、
ｂ）不整合レーダデータを生成するために前処理されたレーダデータを処理する工程と、
ｃ）整合レーダデータの一部における外部干渉の見積りを生成するために、整合レーダデータの一部および不整合レーダデータの一部を選択し、適合型ビーム形成を行う工程と、
ｄ）整合レーダデータの一部から外部干渉見積りを抑制することにより雑音抑制されたレーダデータの一部を生成する工程とを含む。

方法は、順序統計濾過された整合レーダデータを生成するために整合レーダデータに対して順序統計濾過を行う工程をさらに含むことができる。
本発明のより良い理解のために、かつ、本発明をどのようにして実施することができるかをより明確に示すために、例の方法によってのみ、本発明の好ましい実施形態を示す添付の図面を参照する。

本明細書に示す実験データの全ては、Ｒａｙｔｈｅｏｎ Ｃａｎａｄａ Ｌｉｍｉｔｅｄにより開発されたカナダ国ニューファンドランドのＣａｐｅ Ｒａｃｅに位置するＳＷＲ−５０３（商標）ＨＦＳＷＲシステムから取られた。ＳＷＲ−５０３ ＨＦＳＷＲシステムは１６個のアンテナエレメントを有する受信アンテナアレイ（すなわち、１６のセンサを有する主センサアレイ）を含む。

本明細書で使用されるように、用語、「レンジデータ」、「ドップラーデータ」、「アジマスデータ」、「センサデータ」、または、「パルスデータ」の各々は与えられた領域におけるデータ点の一次元の系列を示す。用語、「レンジドップラーのデータ」は与えられたアジマスまたは与えられたセンサに対する二次元のデータを示し、用語、「レンジセンサのデータ」は与えられたドップラー値または与えられたパルス指数に対する二次元データを示す。加えて、用語、「レンジパルスセンサのデータ」、「レンジドップラーセンサのデータ」、および、「レンジドップラーアジマスのデータ」は三次元のデータを示す。さらに、用語、データの「一部」は、データの一部が、これが得られたデータより低い次元を有することを意味する。したがって、データの一部は、データの一部が三次元のデータ集合から取られた時に一次元または二次元となることがある。さらに、用語「スペクトラム」はレンジドップラーのプロットを示すために使用される。

レンジドップラーのプロットの発生の前または発生中のレーダデータからの雑音の抑制は有益である。なぜなら、ほとんどのレーダシステムはレンジドップラーのプロットに対して検出を行うからである。雑音抑制を達成するためには、雑音抑制の適する方法を決定するために目標からのレーダ戻り波の信号特性およびレーダデータに存在する様々なタイプの雑音が検査されるべきである。

レーダシステムの目標はレーダシステムの送信アンテナにより送信されるＥＭパルスを反射する。そのため、目標からのレーダ戻り波は送信されるＥＭパルスに依存する。レーダシステム、特にＨＦＳＷＲレーダシステムの目標は、船舶、氷山、航空機、および、ミサイルなどの多様な物体を含む。これらの目標の各々は独自のレーダ像を持ち、これらのレーダ像は通常ピークとして現れるが、独自のレーダ像はこれらの目標の各々がレンジドップラーのプロット上に作るパターンとして規定される。したがって、目標からのレーダ像を強化するためには、レーダ像のピークを有する形状を強化するために、鋭いスペクトル見積りを提供できるスペクトル見積り技術が使用されるべきである。さらに、様々な目標を観測することから、レーダ像の差に基づき、目標は２つの分類に好ましく分割される。すなわち、地球表面上の目標（すなわち、船舶など）、および、空中の目標（すなわち、航空機など）である。加えて、レンジ分解能およびドップラー分解能は目標のレーダ像に含まれるレンジドップラーのセルの数に影響を及ぼすことに留意されたい。

加えて、様々な形態の不要反射像が様々な程度の空間的相関を有する。例えば、海洋不要反射像は貧弱な空間的相関を有する。したがって、海洋不要反射像を抑制する一方、レンジドップラーのプロットを発生するために、空間的相関の差を利用することにより海洋不要反射像から目標レーダ戻り波を分離することができるスペクトル見積り技術を使用するべきである。しかし、電離層不要反射像は強い空間的相関を有し、分布するまたは点の目標のいずれかの形態で現れるレーダ像を有する。したがって、異なる方向に存在する目標のレーダ像から電離層不要反射像のレーダ像を分離するために十分である高い空間分解能を供給できるスペクトル見積り技術が必要である。高分解能スペクトル見積り器も有益である。なぜなら、副ローブがスペクトル見積りにおいて生成されないからである。したがって、不要反射像からのレーダ像は、ＦＦＴに基づくスペクトル見積り器において発生するスペクトルの広がりによっては目標からのレーダ像を不明瞭にしない。なぜなら、電離層不要反射像はより少ないレンジドップラーのセルに限定されるからである。これは、電離層が異なるアジマスに対するレンジ次元に沿って理想的に分布しているわけではないために発生する。

上記の基準を満足する１つのスペクトル見積り器はＭＵＳＩＣ（ＭＵｌｔｉｐｌｅ Ｓｉｇｎａｌ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ）スペクトル見積り器（Ｓｃｈｍｉｄｔ、Ｒ．Ｏ．、「Ｍｕｌｔｉｐｌｅ Ｅｍｉｔｔｅｒ Ｌｏｃａｔｉｏｎ ａｎｄ Ｓｉｇｎａｌ Ｐａｒａｍｅｔｅｒ Ｅｓｔｉｍａｔｉｏｎ」、ＩＥＥＥ、Ｔｒａｎｓａｃｔｉｏｎｓ ＡＰ−３４、第３巻、１９８６年）である。ＭＵＳＩＣスペクトル見積り器は、直交する（すなわち、統計的には独立した）信号と雑音の部分空間を見積もる。信号対不要反射像比（ＳＣＲ）が十分であることを条件として、信号部分空間は可能な目標からのレーダ戻り波を含み、雑音部分空間は海洋不要反射像を含む貧弱な相関を有するデータを含む。ＭＵＳＩＣスペクトル見積り器により生成されるスペクトル見積りは、雑音部分空間を規定する雑音ベクトルに直交する信号ベクトルに対してピークを有する。したがって、目標からのレーダ像はＭＵＳＩＣスペクトル見積り器により強化される。さらに、ＭＵＳＩＣスペクトル見積り方法は、高分解能のスペクトル見積りを生成する。したがって、もし目標のアジマスが電離層不要反射像の方向になければ、電離層不要反射像からのレーダ像は目標検出に影響を及ぼさない。なぜなら、高分解能スペクトル見積りにおける副ローブの不在が、さもなくば目標のレーダ像を不明瞭にする電離層不要反射像のスペクトルの漏れを防止するからである。

信号および雑音の部分空間は、レンジドップラーのプロットにおける与えられたレンジドップラーのセルＲＤＣに対してレンジドップラーのデータを表す共分散行列の（当業者にはよく知られているように、数学的には関連する）固有分解または特異値分解に基づき識別される。レンジドップラーのセルＲＤＣに対する共分散行列は、統計的に確実な見積りを得るために可能な限り多くのレーダデータを使用して好ましく見積もられる。従来、レンジドップラーのセルＲＤＣに対する共分散行列は複数のセンサにわたる観測を使用して見積もることができる。各観測は、共分散行列が当業者にはよく知られているように外積を使用することにより計算される行ベクトルｘにより表すことができる。したがって、共分散行列Ｃは以下に従って計算される。

Ｃ＝ｘ^Ｈ・ｘ （１）
ここで、Ｈは行列またはベクトルの複素共役移項であるＨｅｒｍｉｔｉａｎ演算子である。もし主センサアレイ（すなわち、受信アンテナアレイ）にＫ個のセンサがあれば、共分散行列ＣはＫ×Ｋの次元を有する（すなわち、Ｋ行およびＫ列）。多くの観測値に基づく見積られた共分散行列を算出するためには、複数の観測値ベクトルに対して共分散行列を算出できる。全ての共分散行列は、以下に従って見積もられた共分散行列Ｃ_ｅｓｔを算出するために平均化することができる。

ここで、Ｃ_ｉは第ｉ番目の観測値ベクトルに対する共分散行列であり、Ｎ_ｃ個の観測値がある。
一旦、共分散行列見積りＣ_ｅｓｔが算出されれば、信号部分空間に広がる固有ベクトルおよび雑音部分空間に広がる固有ベクトルを算出することが必要となる。固有ベクトルはいずれかの適する手段により算出することができる。好ましくは、これは、当業者によく知られているように、特異値分解（ＳＶＤ）を使用して達成される。共分散行列見積りＣ_ｅｓｔのＳＶＤは
Ｃ_ｅｓｔ＝Ｕ・Σ・Ｖ （３）
により与えられ、ここで、ＵおよびＶは信号および雑音の各部分空間に広がる固有ベクトルを有する行列であり、Σは対角線に沿った特異値（σ_１ ^２、σ_２ ^２、．．．、σ_Ｋ ^２）
を有する対角行列である。主センサアレイにＫ個のセンサがあるとすれば、共分散行列見積りＣ_ｅｓｔが全階数である場合、共分散行列見積りＣ_ｅｓｔはＫ個の独立した特異値およびＫ個の独立した固有ベクトルを有する。

共分散行列見積りＣ_ｅｓｔの固有ベクトルは基本ベクトルの正規直交集合を近似し、基本ベクトルのいくつかは信号部分空間に広がり、同じくいくつかは雑音部分空間に広がる。特異値の振幅は、複数の観測値ベクトル内の信号成分の空間的相関および雑音成分の空間的相関の程度を表す。雑音部分空間固有ベクトルは、信号部分空間に関連する特異値から雑音部分空間に関連する特異値を分離することにより得られる。閾値設定は、信号特異値から雑音特異値を分離するために使用できる。なぜなら、信号特異値は、典型的に、雑音特異値より大きさにおいて大きいからである。代わりに、２つの最大の特異値に関連する２つの固有ベクトルは破棄することができる。なぜなら、実際には、同じレンジにおいて、かつ、同じ速度で移動する最大で２つの目標がある可能性が高いからである。２つの最大の固有ベクトルはこれらの目標を表す。次に、雑音部分空間行列見積りＮ_ｅｓｔは、式４に示すように雑音固有ベクトルを保持することにより算出される。

Ｎ_ｅｓｔ＝Ｕ（：，ｂ＋１：Ｋ） （４）
ここで、ｂは上記に説明したように好ましくは３であり、そうであれば、２つの最大の固有ベクトルは雑音部分空間行列見積りＮ_ｅｓｔの内にはない。次に、ＭＵＳＩＣスペクトル見積りは、

に従って算出され、ここで、行列Ｆはベクトルを含み、そのベクトルに沿って信号のいくつかが差し向けられる。信号ベクトルが雑音固有ベクトルにより規定される雑音部分空間に直交であるため、ＭＵＳＩＣスペクトル見積りは信号のスペクトル位置においてピークを生成する。さらに、ＭＵＳＩＣスペクトル見積り方法は特異値を考慮せず、このことは有益である。なぜなら、Ｂｒａｇｇ線が特異値を損ない、結果的に、可能な目標を不明瞭にする。しかし、良好なＭＵＳＩＣスペクトル見積りを得るために、共分散行列見積り内の信号の適切な統計的特性決定が必要である。ＭＵＳＩＣスペクトル見積り器の性能は共分散行列見積りを算出するために使用されるデータの量およびタイプに強く依存する。

図５を参照すると、本発明によるスペクトル発生器１０が示される。スペクトル発生器１０は複数のレンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋを受信する。各レンジドップラーのデータ信号は、（図５には示さない）複数のセンサＳ_１、Ｓ_２、．．．、Ｓ_Ｋを有する主センサアレイから与えられたセンサにより記録されたレーダデータから発生される二次元のデータ系列である。各センサはレーダ信号の受信に適する当業者に知られているいずれの受信アンテナエレメントでもよい。当業者は、レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋを生成するために回収されるレーダデータが、帯域通過型濾過、ヘテロダイン化、Ａ／Ｄ変換、復調、および、下方サンプリングを含む従来の信号処理操作を施されている前処理されたレーダデータから導出されていることは理解されたい。レーダデータは、さらなる雑音低減のため、および、レンジラップに対処するために、整合濾過も施されている。次に、レーダデータは、レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋを生成するためのドップラー処理を施される。これらの操作は当業者にはよく知られており、さらには説明しない。さらに、当業者には、本発明の要素の全ては複素数（すなわち、実数部分および虚数部分を有する）のデータの処理を見越していることを理解されたい。

図５に示すように、スペクトル発生器１０はウインドウ発生器１２、ウインドウ発生器１２およびレンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋと連絡する共分散行列計算器１４、共分散行列計算器１４と連絡する部分空間計算器１６、位置行列発生器１８、および、部分空間計算器１６および位置行列発生器１８と連絡するスペクトル計算器２０を含む。レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋを与えられれば、スペクトル発生器１０は複数の高分解能スペクトル２２を発生することができる。しかし、スペクトル発生器１０は少なくとも１つの高分解能スペクトル２４も発生することができる。スペクトル発生器１０により発生される高分解能スペクトル２４の数は、以下にさらに説明する位置行列発生器１８に依存する。

既に述べたように、レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋは、主センサアレイの与えられたセンサＳ_１により記録されるレーダデータから導出される二次元のデータ信号である。図６ａを参照すると、レンジドップラーのデータ信号ＲＤ_１は、複数のレンジドップラーのセル２８を有する活性領域２６、ならびに、（図６ａには図示しない）複数のレンジドップラーのセルを同じく有する防護領域３０を有すると定義される。図６ａは縮尺が合っておらず、示されるよりかなり多くのレンジドップラーのセル２８を活性領域２６に含む。防護領域３０の必要性は以下でさらに説明する。活性領域２６における各セル２８は、少なくとも１つの高分解能スペクトル２４（すなわち、少なくとも１つの高分解能レンジドップラーのプロット）を生成するためにスペクトル発生器１０により処理される。防護領域３０におけるレンジドップラーのセルは目標検出のためには処理されない。

各高分解能スペクトル２４は、与えられたアジマスθに対しては発生される。図６ｂを参照すると、アジマスθは、主ビームＭＢが主センサアレイ３２の中心と共に作る角度である。主センサアレイ３２がアジマスθの方向に向けられていた一方、主センサアレイ３２はレーダデータを記録したという外観を与えるために、主センサアレイ３２のセンサにより記録されるレーダデータが重み付けされる（すなわち、センサ当たり１つの重み）という意味において、主ビームＭＢは主センサアレイ３２により生成される。従来のビーム形成はＦＦＴスペクトル見積り器において使用されるものと同様の重みを使用する主センサアレイ３２の主ビームＭＢを同調する。しかし、本発明のスペクトル発生器１０は、好ましくは、より高い角度の分解能を提供するために主ビームＭＢを同調するためにＭＵＳＩＣスペクトル見積り方法を使用する。

ＭＵＳＩＣスペクトル見積り方法を実施するために、ウインドウ発生器１２は複数の重みを有する重み付けされたウインドウを発生する。重み付けされたウインドウは、好ましくは重み付けされたウインドウの中心にある問題のレンジドップラーのセルに対する共分散行列見積りＣ_ｅｓｔを算出するために、共分散行列Ｃが得られる複数のレンジドップラーのセルを定義する。重み付けされたウインドウは、第１の領域および第２の領域を含む少なくとも２つの領域を有すると定義される。第１の領域は重み付けされたウインドウの内部部分にある。第２の領域は第１の領域を取り囲み、第１の領域における重み以下になるように好ましくは選択される重みを有する。代わりに、図７ａを参照すると、第１の領域３６、第１の領域３６を取り囲む第２の領域３８、および、第２の領域３８を取り囲む第３の領域４０を有する重み付けされたウインドウ３４の実施形態が示される。第２の領域３８における重みは、好ましくは、それらが第１の領域３６における重み以下となるように選択され、第３の領域４０における重みが、好ましくは、それらが第２の領域３８における重み以下となるように選択される。さらに、第１の領域３６、第２の領域３８、および、第３の領域４０の形状は図７ａに示すような長方形を有する必要はないが、いかなる形状のものでもよい。しかし、形状は、好ましくは、レンジドップラーのプロットにおいて強化されることが所望される目標に整合する。

ウインドウ発生器１２は、レーダの動作モードに依存する（すなわち、例えば、表面上または空中の目標のどちらが検出されるか、など）異なる重み付けがされたウインドウを発生できる。重み付けされたウインドウのサイズも、レーダシステムのレンジおよびドップラー分解能、レンジドップラーのデータにおける雑音の性質、および、共分散行列見積りの有効性に依存する。例えば、レンジの分解能を７．５ｋｍとして、レーダの動作モードが空中モードに設定される時に使用できる重み付けされたウインドウ３４’の例を図７ｂに示す。図７ｃを参照すると、レーダの動作モードが船舶モードに設定される時に使用できる重み付けされたウインドウ３４”の例が示される。

共分散行列見積りＣ_ｅｓｔは、好ましくは、重み付けされたウインドウ３４における各レンジドップラーのセルに対する共分散行列Ｃの全ての重み付けされた平均を算出する工程によって得られる。図７ｄを参照すると、レンジドップラーのデータ信号ＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋは、図７ｄに示すｘ−ｙ−ｚ座標系によるｚ軸に沿って延長するレンジ次元、ｙ軸に沿って延長するドップラー次元、および、ｘ軸に沿って延長するセンサ次元を備える三次元のデータ立方体として示すレンジドップラーセンサのデータ４２を形成するために連結することができる。さらに、レーダデータ４２はＣＩＴにより時間セグメントにセグメント化される。レーダの動作モードが異なるとすると、ＣＩＴは好ましくは異なる。ＣＩＴはミサイルまたは航空機の検出に対して１０から４０秒とすることができる。代わりに、ＣＩＴは船舶の検出または海洋学的状態の観測にも２から５分とすることができる。

レンジベクトル４４を参照すると、第１の送信ＥＭパルスに応じてセンサＳ_１により記録されるＥＭ値を含むレンジ指数値Ｒ_１、Ｒ_２、．．．、Ｒ_Ｋを有する一連のレンジセルがある。与えられたレンジセルにより表されるレンジは、このレンジセルに対するＥＭ値が、対応するＥＭパルスが送信された時刻に関してサンプリングされた時間を記録する工程、その時間を光速により乗じる工程、および、２で除する工程により算出される。ドップラーベクトル４６を参照すると、レンジ指数値Ｒ_１のレンジ値におけるセンサＳ_１により記録されるレーダデータに対するＣＩＴにおいて送信されたパルスからのレーダ戻り波に対する（当業者には一般に知られている従来の操作である）ＦＦＴを行うことにより得られたＥＭ値を含むドップラー指数値Ｄ_１、Ｄ_２、．．．、Ｄ_Ｋを有する一連のドップラーセルがある。センサベクトル４８を参照すると、（この例における）最後のＥＭパルスの送信の後のレンジ指数Ｒ_１のレンジ値における各センサＳ_１、Ｓ_２、．．．、Ｓ_Ｋにより測定される一連のＥＭ値がある。したがって、センサベクトル４８内に含まれるＥＭ値の各々は同じ送信ＥＭパルスの後の同じ時刻に（したがって、同じレンジ指数Ｒ_１）サンプリングされている。

図７ｄおよび７ｅを参照すると、重み付けされたウインドウ３４は、共分散行列見積りにおける使用のためにレーダデータ５０の一部を抽出するためにレーダデータ４４上に置かれる。重み付けされたウインドウ３４は、共分散行列見積りのために必要であるレンジおよびドップラー次元に沿ったレンジドップラーのセルの近隣を識別するために二次元である。次に、これらのレンジドップラーのセルの各々に対するセンサベクトルは、立方体５０により表されるレーダデータ４２から得られる。各センサベクトルは式１におけるベクトルｘに類似する。好ましくは、レーダデータ５０の一部における中心レンジドップラーのセルＲＤＣに対する共分散行列見積りＣ_ｅｓｔは、前述のセンサベクトルに基づき得られ、これらのベクトルのうち、センサベクトル４８はレーダデータ５０の一部からの例である。これらのセンサベクトルから、共分散行列は共分散行列計算器１４により式１に従って発生される。次に、共分散行列見積りＣ_ｅｓｔは、

に従って共分散行列計算器１４により計算され、ここで、ＷＷは重み付けされたウインドウ３４の重みを含む行列であり、ｇおよびｈは重み付けされたウインドウ３４の行および列に広がる指数であり、Ｃ_ｇｈは重み付けされたウインドウ３４の第ｇ番目の行および第ｈ番目の列に対応するレーダデータ５０の一部におけるセンサベクトルに対する共分散行列である。

図７ｂおよび７ｃを参照すると、重み付けされたウインドウ３４’および３４”は３つの領域を有し、そのうち、第１の領域３６は好ましくは値１に等しい重みを有し、第２の領域３８は好ましくは値０．５に等しい重みを有し、かつ、第３の領域４０は好ましくは値０．１に等しい重みを有する。さらに、各重み付けされたウインドウ３４’および３４”に対する第１の領域の形状は異なる。なぜなら、重み付けされたウインドウ３４’および３４”がレーダの異なる動作モードに対して発生されたからである。異なる重みは、レーダの異なる動作モードに対しても使用することができる。第１の領域３６は、好ましくは、重み付けされたウインドウ３４’における空中の目標に対して、および、重み付けされたウインドウ３４”における地球表面の目標に対して予想される予想されるレーダ像に整合するように整形される。共分散行列見積りＣ_ｅｓｔにおける可能な目標のパワーを保持するために、重み付けされたウインドウ３４の第１の領域における重みは重み付けされたウインドウ３４における最大の重みである。共分散行列見積りＣ_ｅｓｔの統計的確実性を高めるために、第２の３８および第３の領域４０におけるレンジドップラーのセルに対する共分散行列も使用される。しかし、これらの共分散行列は、好ましくは、共分散行列見積りＣ_ｅｓｔの計算におけるほどの大きな重みは与えられない。なぜなら、重み付けされたウインドウが可能な目標の中心に置かれた時、第２の３８および第３の領域４０におけるレンジドップラーのセルが可能な目標のレーダ像の大部分は含む可能性が低いからである。当業者にはよく知られているように、可能な目標はレンジドップラーのプロットにおいてピークとして現れる。したがって、重み付けされたウインドウ３４が可能な目標の中心に置かれた時、第２の３８および第３の領域４０は可能な目標の辺縁部またはレーダ像ならびに雑音を含む。したがって、レンジドップラーのセルと重み付けされたウインドウ３４の第１の領域３６との間のレンジが長くなるにつれて、レンジドップラーのセルにおける雑音の振幅は可能な目標のレーダ像の振幅を基準として増大する。したがって、重み付けされたウインドウ３４内の可能な目標の振幅を保持するために縮尺を合わせられた重みを備える共分散行列における背景雑音の見積りを得るために、１つの重みが第１の領域３６から第２の領域３８に、および、第２の領域３８から第３の領域４０に移動するにつれて、重み付けされたウインドウ３４において減少する重みを有することは好ましい。

図５を参照すると、共分散行列計算器１４は部分空間計算器１６と通信する。部分空間計算器１６はＳＶＤモジュール５２、次元選択器５４、および、雑音部分空間行列計算器５６を含む。ＳＶＤモジュール５２は共分散行列見積りＣ_ｅｓｔを受信し、共分散行列見積りＣ_ｅｓｔに特異値分解を行うために共分散行列計算器１４と連絡する。当業者に一般に知られているいずれの適する特異値分解方法も、ＳＶＤモジュール５２により使用することができる。

次元選択器５４は、共分散行列見積りＣ_ｅｓｔの特異値分解から算出されるΣ行列を受信するためにＳＶＤモジュール５２と連絡する。次元選択器５２は信号および雑音の部分空間の次元を決定する。次元選択器５２はこれらの次元を見積もるための多くの様々な技術を利用することができる。これらの技術の１つは、信号部分空間を形成するための閾値より大きな、特異値を含むための閾値を使用することである。閾値を低減することにより、弱い空間的相関を持つ目標は出力に現れることが可能となる。言い換えれば、貧弱な信号対雑音比を持つ目標を強調するためにスペクトル発生器１０の感度が高められるということである。しかし、実際には、既に述べたように、同じレンジおよびドップラー値を持つ異なるアジマスにおいて２または３を超える目標を持つ可能性は稀である。したがって、次元選択器５２は、好ましくは２に等しい次元の信号部分空間を選択するように設定することができる。

白色の空間分布を有さない雑音／不要反射像については、見積もられた雑音パワーが雑音／不要反射像の相関の程度に依存して変化することに留意されたい。さらに、貧弱な空間的相関（すなわち、低いＳＣＲ）を有する可能な目標からのレーダ像については、目標が１つを超える特異値により表され、雑音の特異値の中にあってもよい。レンジドップラーのプロットにおけるこれらの目標からのレーダ像を強化するために、雑音部分空間次元は好ましくは、以下にさらに説明するように減少される。

雑音部分空間行列計算器５６は、行列Ｕを受信するためにＳＶＤモジュール５２と連絡する（代わりに、行列Ｖが行列Ｕに関連するため行列Ｖが使用できる）。雑音部分空間行列計算器５６は、信号部分空間次元を受信するために次元選択器５４とも連絡する。雑音部分空間行列計算器５６は、共分散行列見積りＣ_ｅｓｔの雑音部分空間に対応する固有ベクトルから雑音部分空間行列を形成する。次に、雑音部分空間行列見積りＮ_ｅｓｔは、式４により計算される。次に、雑音部分空間行列見積りＮ_ｅｓｔは（Ｋ−ｂ）×Ｋの次元を有する。

位置行列発生器１８は複数の高分解能スペクトル２２を発生するために使用される重みを有する位置行列Ａを発生する。位置行列Ａは式７により与えら

れる。

Ａ＝［Ａ_θ１、Ａ_θ２、Ａ_θ３、．．．、Ａ_θＺ］ −π≦θ_ｉ≦π （７）
位置ベクトルＡ_θｉは、

によって与えられるベクトルであり、ここで、Ｋは主センサアレイ３２におけるセンサの数であり、ｄは主センサアレイ３２における各センサ間の間隔であり、λは送信されるＥＭパルスの波長であり、θ_ｉは高分解能プロットが発生されるアジマス値である。位置行列Ａはアレイマニフォルドとしても知られており、各位置ベクトルＡ_θｉは当業者にはアレイマニフォルドベクトルとしても知られている。どの可能な目標のアジマスに対しても別個の位置ベクトルＡ_θｉがあってよい。複数の可能な目標のアジマスがあるために、好ましくは、位置行列Ａにおいて複数の可能なアレイマニフォルドベクトルＡ_θｉがある。

位置行列ＡはＫ×Ｚの次元を有する。各位置ベクトルＡ_θｉは、以下にさらに検討するように異なる高分解能スペクトル２４を発生するために使用される。したがって、位置行列Ａにおける位置ベクトルＡ_θｉの数は、スペクトル見積り器１０により発生される高分解能スペクトル２４の数を決定する。したがって、もし位置行列Ａが１つの列のみを有すれば、１つのみの高分解能空間スペクトル２４が発生される。位置ベクトルＡ_θｉの数およびアジマス分解能（すなわち、θ_１およびθ_２、θ_２およびθ_３、などの２つの連続するアジマス値間の差）は、スペクトル発生器１０の動作の前に予め決定され、スペクトル発生器１０のユーザにより指定される。

スペクトル計算器２０は位置行列Ａを受信するために位置行列発生器１８と連絡する。スペクトル計算器２０は雑音部分空間行列見積りＮ_ｅｓｔを受信するために部分空間計算器１６とも連絡する。スペクトル計算器２０は、共分散行列見積りＣ_ｅｓｔが元々式１０により計算されたレンジドップラーのセルＲＤＣにおける複数の高分解能スペクトル２２の各々に対する値を供給する高分解能スペクトルベクトルＭＵＳ_ＲＤＣを算出する。

ここで、演算子ｄｉａｇ（）は行列Ａ^Ｈ・Ｎ_ｅｓｔ・Ｎ_ｅｓｔ ^Ｈ・Ａの対角線に沿って値を戻す。式１０はＭＵＳＩＣスペクトル見積り方法による。結果として得られるＭＵＳ_ＲＤＣは１×Ｚの次元を有する一次元アジマスベクトルである。高分解能スペクトル見積りは、Ｎ_ｅｓｔにより定義される雑音部分空間上へのアレイマニフォルドベクトルの投影からもたらされる。もしいずれかのアレイマニフォルドベクトルの方向に可能な目標があれば、それは雑音部分空間に実質的に直交であり、式１０の分母は非常に小さくなる。これは、可能な目標の空間周波数におけるスペクトル見積りＭＵＳ_ＲＤＣにピークをもたらす。用語「実質的に直交」は、雑音部分空間が有限のデータから見積もられているために近似であることを示すために使用されている。この時点で、高分解能スペクトルベクトルＭＵＳ_ＲＤＣは、高分解能スペクトルベクトルＭＵＳ_ＲＤＣの位置がレンジドップラーセンサのデータ４２におけるその同じレンジドップラーのセルに対するセンサベクトルの位置に対応するように、いずれかの適する保存手段に保存される。保存手段はデータベース、ハードドライブ、ＣＤ−ＲＯＭなどの当業者に知られているいずれの適する要素でもよい。

上記の検討は１つのレンジドップラーのセルに対する高分解能スペクトル見積りの発生に適用する。したがって、共分散行列計算器１４、部分空間計算器１６、および、スペクトル計算器２０は、重み付けされたウインドウ３４をレンジドップラーのセルにわたって滑動させ、上記の操作を行う工程により、レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋの活性領域２６における各レンジドップラーのセルに対する高分解能スペクトルベクトルＭＵＳ_ＲＤＣを発生しなければならない。発生された高分解能スペクトルベクトルの各々は、雑音が抑制された高分解能レンジドップラーアジマスのデータの集合が発生されるように保存手段に保存される。データ集合は三次元であり、レンジ次元、ドップラー次元、および、アジマス次元を含む。高分解能スペクトル２４の１つは与えられたアジマス値に対する雑音が抑制された高分解能レンジドップラーアジマスのデータ集合の二次元断面を取る工程により得られる。

図８を参照すると、本発明によりスペクトル発生器１０により実行されるスペクトル発生方法６０が示される。スペクトル発生方法６０の間に実行される計算は既に上記に検討し、ここでは詳細には検討しない。スペクトル発生方法６０は、重み付けされたウインドウ３４が発生される工程６２で開始する。次の工程６４は位置行列Ａを発生する工程である。次に、高分解能スペクトルベクトルが工程６８および７６により発生されるレンジドップラーのセルが選択される。工程６８において、レンジドップラーのセルに対して共分散行列見積りＣ_ｅｓｔが計算される。次に、工程７０において、共分散行列見積りＣ_ｅｓｔに特異値分解が実行される。次に、工程７２において信号部分空間次元が選択され、工程７４においてレンジドップラーのセルに対して雑音部分空間行列見積りＮ_ｅｓｔが計算される。次に、工程７６において、レンジドップラーのセルに対して高分解能スペクトルベクトルＭＵＳ_ＲＤＣが計算される。このベクトルは上記に説明した形態で保存される。もし工程７８において、より多くの処理するためのレンジドップラーのセルがあることが決定されたなら、スペクトル見積り方法６０は、次のレンジドップラーのセルが選択される工程６６に移る。重み付けされたウインドウ３４は、処理する次のレンジドップラーのセルが好ましくは重み付けされたウインドウ３４の中心となるように移される。次に、工程６８および７６の操作が繰り返される。

スペクトル発生方法６０はレンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋの活性領域２６の左上の角において開始することができ、行の最後のレンジドップラーのセルが処理されるまで行の各レンジドップラーのセルを処理することができる。この時点で、重み付けされたウインドウ３４は１行下方に移動され、その行（すなわち、レンジ）のレンジドップラーのセルの全てが処理できるように、活性領域２６における最も左のレンジドップラーのセルに置かれる。このようにして、レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋに対するレンジドップラーのセルの全てはスペクトル発生方法６０により処理される。これは、行ごとの方式でのレンジドップラーのセルを処理する工程と呼ぶこともある。代わりに、少なくとも１つの高分解能スペクトル２４を発生させるためにレンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋのレンジドップラーのセルを移動させる他の方法も使用することができる。例えば、レンジドップラーのセルは列ごとの方式で処理することもできる。

スペクトル発生方法６０が活性領域２６に近い、または、これの辺縁部におけるレンジドップラーのセルに対して操作を行っている時、重み付けウインドウ３４内に該当する、防護領域２８におけるレンジドップラーのセルは、共分散行列見積りＣ_ｅｓｔを算出するために使用される。これが、レンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋをの活性領域２６周辺の防護領域３０の組み込みの理由である。したがって、スペクトル見積りは活性領域２６にあるレンジドップラーのセルのみに対して行われる。

ＭＵＳＩＣスペクトル見積り方法の特定の改変は、本発明のスペクトル見積り器１０およびスペクトル見積り方法６０において使用することができる。代案のスペクトル見積り方法は、平方根ＭＵＳＩＣスペクトル見積り法（Ｂａｒａｂｅｌｌ、Ａ．Ｊ．、１９８３年、「Ｉｍｐｒｏｖｉｎｇ ｔｈｅ ｒｅｓｏｌｕｔｉｏｎ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｅｉｇｅｎｓｔｒｕｃｔｕｒｅ ｂａｓｅｄ ｄｉｒｅｃｔｉｏｎ ｆｉｎｄｉｎｇ ａｌｇｏｒｉｔｈｍｓ」、ＩＣＡＳＳＰ要旨集、マサチューセッツ州ボストン、１９８３年、３３６から３３９頁）、（ＭＵＳＩＣスペクトル見積り法の重み付け版を使用する）固有ベクトル法、および、平方根固有ベクトル法を含む。他の代案は、相関行列の信号空間情報だけでなく相関行列の空間導関数も利用するデルタＭＵＳＩＣまたは導関数ＭＵＳＩＣスペクトル見積り法でもよい。デルタＭＵＳＩＣスペクトル見積り法は高分解能和／差ビーム形成器の例と考えることができる。さらに、デルタＭＵＳＩＣ法は、ＭＵＳＩＣスペクトル見積り法の分解能閾値よりはるかに優れた分解能閾値を有し、発生源の相関または緊密に間隔を取られた発生源の問題には比較的影響されない。ＥＳＰＲＩＴ法などの部分空間に基づく他のスペクトル見積り方法も利用することができる。

図９ａを参照すると、当業者に一般に知られているＦＦＴに基づくビーム形成を使用するレーダデータの例に対して得られるレンジドップラーのプロットが示される。レーダデータは冬季に記録された。レーダデータは８．６°のアジマス角を有する１０９ｋｍのレンジにおける（図９ａでは見えない）目標８０を含む。図９ａには第１次およびより高い次数のＢｒａｇｇ線を見ることができる。しかし、目標８０は見えない。図９ｂを参照すると、目標８０のレンジにおけるドップラー次元に沿った図９ａのレンジドップラーのプロットの断面は、１０ｄＢ未満の低いＳＣＲでは目標８０の検出を妨害する強い海洋不要反射像の存在を示す。

図１０ａおよび１０ｂを参照すると、図１０ａは図９ａのレーダデータの高分解能レンジドップラーのプロットを示す一方、図１０ｂは図１０ａの高分解能レンジドップラーのプロットのドップラー次元に沿った断面を示す。図１０ａおよび図１０ｂはともに、本発明のスペクトル見積り方法６０を適用した後に目標８０が見えるようになることを示す。海洋不要反射像はその貧弱な空間相関のために抑制されている。目標は２０ｄＢのＳＳＣＲ（すなわち、信号対信号および不要反射像の比）を有する。

図１１ａを参照すると、ＦＦＴに基づくビーム形成を使用するレーダデータの他の例に対して得られるレンジドップラーのプロットが示される。レーダデータは、５０°のアジマスを有する１２７．７ｋｍのレンジにおける（図１１ａでは見えない）目標８２を含む。図１１ａの第１次およびより高い次数のＢｒａｇｇ線は目標の検出を妨害する。図１１ｂを参照すると、空中モードで動作するスペクトル発生器１０により生成される図１１ａのレーダデータの高分解能のレンジドップラーのプロットが示される。目標８２はここでクラッターの抑圧のために見えている。目標８２は約２０ｄＢのＳＳＣＲを有する。

次に図１２ａを参照すると、夏季に記録されたレーダデータの他の例の従来のビーム形成により生成されるレンジドップラーのプロットが示される。レーダデータは１１０ｋｍのレンジおよび−３９°のアジマスにおける目標８４を有する。ＦＦＴに基づくスペクトル見積りを実行する際のスペクトル漏洩効果（すなわち、副ローブ効果）のために、目標８４と同じレンジにおけるが、僅かに異なるアジマス角を有する強い電離層不要反射像が、目標８４の周辺の不要反射像レベルを上昇させることにより目標８４のレーダ像を不明瞭にする。そのため、目標８４は見えない。

図１２ｂを参照すると、本発明のスペクトル発生器１０により生成される図１２ａのレーダデータの高分解能のレンジドップラーのプロットが示される。高分解能のレンジドップラーのプロットは図１２ａのレンジドップラーのプロットと比較して強い目標の外観を提供する。この例は高分解能スペクトル見積り器が高い角度分解能および副ローブ効果の不在による恩恵を享受することを示す。現在、目標８４は２５ｄＢのＳＳＣＲを有する。

図１２ｃから１２ｅを参照すると、図１２ｃは目標８４のレンジにおける図１２ｂの高分解能レンジドップラーのプロットのドップラー次元に沿った断面を示す。目標８４は周囲の背景雑音に比較して大きなピークを有する。図１２ｄは目標８４のドップラー周波数における図１２ｂの高分解能レンジドップラーのプロットのレンジ次元に沿った断面を示す。図１２ｄは目標８４が周囲の背景雑音に比較して大きなピークを有することも示す。図１２ｅは目標８４のレンジおよびドップラー周波数における図１２ａのレーダデータの高分解能のアジマスのプロットを示す。図１２ｅは目標８４のアジマスの比較的鋭い見積りを提供する。

既に検討したように、ＨＦＳＷＲにおける他の重要な分類の干渉は、共チャンネル干渉、大気雑音、および、衝撃雑音を含む外部干渉である。
番号第 号を有する「Ａ Ｎｏｉｓｅ Ｓｕｐｐｒｅｓｓｉｏｎ Ｓｙｓｔｅｍ ａｎｄ Ｍｅｔｈｏｄ ｆｏｒ Ｐｈａｓｅｄ−Ａｒｒａｙ Ｂａｓｅｄ Ｓｙｓｔｅｍ」と題された同時係属特許出願において、本発明の発明者は、共チャンネル干渉が、整合ー不整合濾過方式と組み合わせた適合型アレイ処理技術を使用する工程により抑制できることを示している。整合フィルタは、主ビームを生成するために使用される整合レーダデータを供給するために主センサアレイ３２の各センサにより記録されるレーダデータから導出される前処理されたレーダデータを受信する。不整合フィルタは、仮想予備センサアレイの出力として取られる不整合レーダを供給するために主センサアレイのセンサの少なくとも一部から前処理されたレーダデータを受信する。仮想予備センサアレイの出力は、主ビームにおける外部干渉の見積りを提供する予備ビームを生成するために使用される。したがって、与えられた主ビームのアジマスに対して、予備ビームは、主ビームにおける外部干渉を抑制するために主ビームにおける外部干渉のエネルギ源に向けて適合的に差し向けられる。加えて、主センサアレイのアジマス分解能は損なわれない。なぜなら、主センサアレイにおける各センサが主ビームを生成するために使用される一方、不整合濾過は主ビームにおける外部干渉の独立した見積りを提供するために使用され、そのため、物理的に分離した予備センサアレイに対する必要性を無くすからである。

外部干渉を抑制するために、上述の雑音抑制方法を、本発明の高分解能スペクトル見積り器に一体化することが望ましい。しかし、外部干渉抑制方法は一般に高分解能スペクトル見積り器に対して直接には実装できない。なぜなら、これが独自に調整され、ビーム形成されたデータを生成するため、これらの見積り器はセンサデータおよび雑音抑制方法を必要とするからである。この問題を克服するために、スペクトル見積り器１０により使用できる雑音が抑制されたデータを供給する上記に検討した雑音抑制方法と類似する雑音抑制のモジュールおよび方法が本明細書において説明されている。この方法では、与えられたセンサにより記録されるレーダデータにおける外部干渉が、予備ビームにより供給される外部干渉の見積りに基づき抑制される。

ここで、図１３を参照すると、雑音抑制モジュール１０２を含むスペクトル発生器１００の代案実施形態が示される。雑音抑制モジュール１０２は、主センサアレイ３２からの複数のセンサＳ_１、Ｓ_２、．．．、Ｓ_Ｋから得られるレーダデータから導出される前処理されたレーダデータを受信し、外部干渉が抑制されている複数のレンジドップラーの信号ＲＤ_１’、ＲＤ_２’、．．．、ＲＤ_Ｋ’を供給する。スペクトル発生器１００はスペクトル発生器１０と同一であり、検討しない。雑音抑制モジュール１０２に対する実装の詳細は以下に概説する。

既に述べたように、自己発生干渉は送信されたＥＭパルスに応じて発生する。したがって、主センサアレイ３２により記録されるレーダデータが、送信されたＥＭパルスに整合する整合フィルタを通過させられる時、自己発生干渉ならびに可能な目標からのレーダ戻り波は整合フィルタの出力に現れる。もし主センサアレイ３２により記録されるデータが、送信されたＥＭパルスと直交する衝撃応答を有する第２のフィルタを通過させられれば、自己発生干渉および可能な目標からのレーダ戻り波は、第２のフィルタの出力には現れない。しかし、外部干渉はレーダの動作とは独立しており、整合フィルタおよび第２のフィルタの双方の出力に存在する。

第２のフィルタは不整合フィルタである。整合フィルタは、整合フィルタが整合される信号に含まれる周波数成分と同じ周波数成分のみを有する伝達関数を有する。不整合フィルタは、整合フィルタの伝達関数の逆の伝達関数を有する。したがって、整合および不整合フィルタは互いに直交であると、または、ゼロの相互相関を有すると定義される。したがって、不整合フィルタは、整合フィルタの出力に存在する外部干渉の観測値として使用することができる出力を供給する。したがって、既に述べた従来技術の雑音低減方法の短所（すなわち、追加の受信アンテナアレイを必要とすること、または、外部干渉見積りのみのために受信アンテナアレイのいくつかのエレメントを使用し、それにより、アジマス分解能を犠牲にすること）に遭遇せずに、可能な目標からレーダ戻り波を検出するためのレーダデータ、ならびに、外部干渉を見積もるためのレーダデータを供給するための単一の受信アンテナアレイを使用することが可能である。

図１４を参照すると、本発明による雑音抑制モジュール１０２のブロック図が示される。雑音抑制モジュール１０２は、以下にさらなる詳細を説明するレンジパルスセンサのデータを供給するための複数のセンサＳ_１、Ｓ_２、．．．、Ｓ_Ｋを有する主センサアレイ３２と連絡する。既に述べたように、各センサはレーダ信号を受信するために適する当業者に知られているいずれの受信アンテナエレメントであってもよい。さらに、当業者には、前処理されたレーダデータ１０４を供給するために、主センサアレイ３２により収集されるレーダデータは従来の信号処理操作が施されることを理解されたい。従来の信号処理方法は帯域通過型濾過、ヘテロダイン化、Ａ／Ｄ変換、復調、および、下方サンプリングを含む。これらの信号処理方法を達成するための構成部分は当技術分野ではよく知られており、図１４には示さない。さらに、本発明の要素の全ては、複素数（すなわち、実数部分および虚数部分を有する）であるデータの処理を考慮していることを理解されたい。

雑音抑制モジュール１０２は、前処理されたレーダデータ１０４と連絡する整合フィルタモジュール１０８および整合フィルタモジュール１０８と連絡する第１のドップラー処理モジュール１１０を有する第１の処理モジュール１０６を含む。整合フィルタモジュール１１０は前処理されたレーダデータ１０４を受信し、整合レーダデータを生成するためにレーダデータに対して整合濾過を行う。次に、第１のドップラー処理モジュール１１０は整合レーダデータを受信し、レンジドップラーの整合データを生成するためにデータに対してドップラー処理を行う。

第１の処理モジュール１０６は、レンジドップラーの整合データを受信するために第１のドップラー処理モジュール１１０と連絡するセンサ選択器１１２をさらに含む。センサ選択器１１２は与えられたセンサＳ_ｉに対するレンジドップラーのデータを選択し、以下にさらに説明する雑音抑制モジュール１０２によるさらなる処理のためにレンジドップラーの整合データの一部Ｂを供給する。センサ選択器１１２の位置は、第１の処理モジュール１０６における最後のモジュールが与えられたセンサＳ_ｉに対するレンジドップラーの整合データの一部Ｂを供給する限り、整合フィルタモジュール１０８または第１のドップラー処理モジュール１１０と相互交換できる。

雑音抑制モジュール１０２は、不整合フィルタモジュール１１６を有し、前処理されたレーダデータ１０４と連絡する第２の処理モジュール１１４、不整合フィルタモジュール１１６と連絡する第２のドップラー処理モジュール１１８、および、第２のドップラー処理モジュール１１８と連絡する予備アレイ選択器１２０も含む。不整合フィルタモジュール１１６は前処理されたレーダデータ１０４を受信し、不整合レーダデータを生成するために不整合濾過を行う。第２のドップラー処理モジュール１１８は不整合レーダデータを受信し、レンジドップラーの不整合データを生成するためにドップラー処理を行う。予備アレイ選択器１２０はレンジドップラーの不整合データを受信し、レーダデータ１０４に寄与した複数のセンサＳ_１、Ｓ_２、．．．、Ｓ_Ｋの少なくとも一部から選択されるセンサＡ_１、Ａ_２、．．．、Ａ_Ｋを有する仮想予備センサアレイを構築する。レンジドップラーセンサの不整合データＹの一部は、以下にさらに説明する干渉見積りを生成するために供給される。

仮想予備センサアレイは、レーダデータ１０４に寄与した主センサアレイ３２からの複数のセンサＳ_１、Ｓ_２、．．．、Ｓ_Ｋの全てまたは一部のいずれかを含むことができる。したがって、主センサアレイ１２からのいくつかのセンサは、レーダデータ１０４、および、以下にさらに説明する仮想予備センサアレイにより生成される予備ビームＡＢの双方に寄与する。したがって、スペクトル発生器１００により生成されるレンジドップラーの高分解能プロット２４に対するアジマス分解能においては損失がない。仮想予備センサアレイの構築は以下にさらに説明する。

雑音抑制モジュール１０２は、第１の処理モジュール１０６および第２の処理モジュール１１４と連絡する適合型ビーム形成器１２２をさらに含む。適合型ビーム形成器１２２は与えられたセンサＳ_ｉに対する整合レーダデータＢの一部、ならびに、レンジドップラーセンサの不整合データＹの一部を受信する。これらの入力から、適合型ビーム形成器１２２は、整合レーダデータＢの一部の見積りＩを生成するためにレンジドップラーセンサの不整合データＹの一部に適用される適合型重みベクトルＷ＝［Ｗ_１、Ｗ_２、．．．、Ｗ_Ｌ］を発生する。見積りＩは、不整合レーダデータＢの一部が取られた同じレンジおよびドップラーのセルに対して算出される。したがって、適合型ビーム形成器１２２は、レンジドップラーセンサの不整合データに基づき予備ビームＡＢを調整する重みを生成する。

適合型重みベクトルＷは、整合レーダデータＢの一部と見積りＩの差が最小に抑えられるように発生される。整合レーダデータＢの一部が、自己発生干渉および外部干渉を伴う可能な目標のレーダ戻り波を含む一方で、見積りＩが外部干渉のみを含むため、見積りＩにおける外部干渉がレーダデータＢの一部における外部干渉を近似するように適合型重みベクトルＷが選択されると、レーダデータＢの一部と見積りＩの差は最小に抑えられる。したがって、見積りＩは整合レーダデータＢの一部における外部干渉の見積りであると考えられる。したがって、与えられたセンサＳ_ｉに対して、適合型ビーム形成器１２２は、予備ビームＡＢにおける外部干渉がセンサＳ_ｉに対するレーダデータＢの一部における外部干渉を近似するように予備ビームＡＢを調整する。

雑音抑制モジュール１０２は抑制器１２４および保存手段１２６をさらに含む。抑制器１２４は、レーダデータＢの一部および外部干渉見積りＩを受信するために第１の処理モジュール１０６および適合型ビーム形成器１２２と連絡する。抑制器３２は、雑音が抑制された整合レーダデータＢ_ｒの一部を生成するためにレーダデータＢの一部から外部干渉見積りＩを除去する。雑音が抑制されたレーダデータＢ_ｒの一部は（レンジドップラーの信号ＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋにより表される）雑音が抑制されたレーダデータ集合を構築するために使用され、この集合は、次に、少なくとも１つの高分解能スペクトル２４を生成するためにスペクトル発生器１００の残りの構成部分により処理することができる。より一般的に、雑音が抑制されたレーダデータは、検出モジュールおよび追跡器などの従来のいずれのレーダシステムの構成部分によっても処理することができる。保存手段１２６はレーダデータＢ_Ｒの一部を受信し、それを、雑音が抑制されたレーダデータ集合の正しい位置に保存する。保存手段１２６はコンピュータのＲＡＭ、コンピュータシステム上のデータベース、または、ハードドライブ、ＣＤ−ＲＯＭ、ジップドライブなどの保存媒体でよい。

Ｗｉｅｎｅｒ理論に基づく技術は、好ましくは、外部干渉見積りＩが整合レーダデータＢの一部における外部干渉を近似するように適合的重みベクトルＷを選択するために採用される。したがって、予備ビームＡＢは、外部干渉見積りＩとレーダデータＢの差が、Ｗｉｅｎｅｒ理論により教えられるように、平均自乗誤差（ＭＳＥ）の意味において最小に抑えられるように、仮想予備センサアレイに対して計算される。

Ｗｉｅｎｅｒ理論に基づく適合型重みベクトルＷの式は以下の通りである。スナップショットｎ（すなわち、時間における観測）におけるレンジドップラーセンサの不整合データの一部はＹ（ｎ）により表され、スナップショットｎにおける整合レーダデータの一部はＢ（ｎ）により表される。スナップショットｎにおける適合型ビーム形成器１２２の出力は式１１により与えられる。

ここで、

は、不整合レーダデータＹ（ｎ）のスナップショットが与えられたとした時の外部干渉見積りＩ（ｎ）を示す。既に述べたように、干渉見積り

にＢ（ｎ）を近似させることが望ましい。

を見積もる際の誤差は式１２により与えられる。
ｅ（ｎ）＝Ｂ（ｎ）−Ｗ^ＨＹ（ｎ） （１２）
したがって、平均自乗誤差Ｊ_ｎ（Ｗ）は式１３により与えられる。

Ｊ_ｎ（Ｗ）＝Ｅ［ｅ（ｎ）ｅ^＊（ｎ）］＝Ｅ［Ｂ（ｎ）Ｂ^＊（ｎ）］−Ｗ^ＨＥ［Ｙ（ｎ）Ｂ^＊（ｎ）］−Ｅ［Ｂ（ｎ）Ｙ^Ｈ（ｎ）］Ｗ＋Ｗ^ＨＥ［Ｙ（ｎ）Ｙ^Ｈ（ｎ）］Ｗ （１３）
与えられたスナップショットｎに対する整合レーダデータＢ（ｎ）の一部およびレンジドップラーセンサの不整合Ｙ（ｎ）の一部が共働的に静止であると仮定すると、式１３は式１４に簡略化することができる。

ここで、δ_ｄ ^２（ｎ）は、Ｂ（ｎ）がゼロ平均を有すると仮定した時のＢ（ｎ）の分散であり、ｐ（ｎ）はレンジドップラーセンサの不整合データＹ（ｎ）の一部と整合レーダデータＢ（ｎ）の一部の相互相関からもたらされるＮ×１のベクトルである期待値Ｅ［Ｙ（ｎ）^Ｈ・Ｂ（ｎ）］である。記号Ｒ（ｎ）はレンジドップラーセンサの不整合データＹ（ｎ）の一部のＮ×Ｎの自己相関行列である期待値Ｅ［Ｙ^Ｈ（ｎ）・Ｙ（ｎ）］を示す。相互相関ｐ（ｎ）は整合レーダデータＢ（ｎ）の一部とレンジドップラーセンサの不整合データＹ（ｎ）の一部の間の類似性の程度を示す一方、自己相関Ｒ（ｎ）は仮想予備センサアレイのデータ間の類似性の程度を示す。

平均自乗誤差関数Ｊ_ｎ（Ｗ）は、レンジドップラーセンサの不整合データＹ（ｎ）の一部および整合レーダデータＢ（ｎ）の一部が共働的に静止であると仮定した時の適合型重みベクトルＷの第２次関数である。目的は、最適な適合型重みベクトルＷ_０、ｎを選択することにより平均自乗誤差関数Ｊ_ｎ（Ｗ）を最小に抑えることである。したがって、当業者にはよく知られているように、平均自乗誤差Ｊ_ｎ（Ｗ）は適合型重みベクトルＷに関して微分され、導関数は式１５に示すようにゼロに等しく設定される。

式１５を解くと、式１６により与えられる適合型重みＷ_０、ｎの最適値の集合が得られる。

雑音抑制モジュール１０２を実施するために、自己相関行列Ｒ（ｎ）および相互相関ベクトルｐ（ｎ）の見積りが必要となる。Ｒ（ｎ）およびｐ（ｎ）の計算に使用される期待値演算子Ｅ［］は、当業者には一般に知られているように、平均化演算子と置き換えることができる。しかし、平均化は外部干渉の最大値が存在するデータの一部にわたり実行されるべきである。さらに、Ｒ（ｎ）およびｐ（ｎ）は、レーダデータにおける可能な目標のエネルギが重要な役割を演じるような方法で見積もられなければならない。これは、主センサアレイ３２および仮想予備センサアレイの双方が同じセンサを共有しているために必要である。

図２を参照すると、共チャンネル干渉は、−２と−４Ｈｚの間のドップラー周波数において発生するリッジにより分かるように、特定のドップラー周波数に対するレンジ空間全体を通じて存在する。逆に、図４を参照すると、衝撃雑音は、レンジドップラー空間全体に広がっている。共チャンネル干渉および衝撃雑音の双方を含む外部干渉の良好な見積りは、共チャンネル干渉および衝撃雑音の重大な重なりを有する領域にわたりレンジドップラーのデータを平均化することにより得ることができる。言い換えれば、平均化が実行される領域の形状は、好ましくは、これが干渉のほとんどを含むように選択される。これは、図１５に示す縞１２８により表される与えられたドップラー周波数におけるレンジ次元に沿ってレンジドップラーのデータを平均化することに相当する。代わりに、この縞１２８は他の形状であってもよい（これは干渉の形状により支配される）。したがって、スナップショットｎにおける相互相関ベクトルｐ（ｎ）は式１７による与えられたドップラー周波数Ｄ_ｉに対してレンジ次元に沿って見積もることができる。

ここで、ｒはレンジ指数を表し、Ｎ_ｒは平均化処理におけるレンジセルの数である。同様に、スナップショットｎにおける自己相関行列Ｒ（ｎ）は式１８による与えられたドップラー周波数Ｄ_ｉに対してレンジ次元に沿って見積もることができる。

残りの説明を簡略化するために、スナップショット指数（ｎ）は無視する。
図１６を参照すると、本発明の雑音抑制モジュール１０２のより詳細なブロック図が示される。本発明によるモジュール１０２の動作の説明を促進するために雑音抑制モジュール１０２における様々なノードにおけるレーダデータを示す図１７ａから１７ｈも参照する。前処理されたレーダデータ１０４は、既に述べたように、主センサアレイ３２の複数のセンサＳ_１、Ｓ_２、．．．、Ｓ_Ｋにより記録されるレーダデータに対する前処理された要素の操作から得られる。これらの前処理操作を行うモジュールは図１６のブロック図には示さない。前処理されたレーダデータ１０４は（図１６の太い点線により表される）レンジパルスセンサのデータの三次元行列により表すことができる。さらに、レーダデータ１０４は、好ましくは、各センサにおける知られている位相および振幅誤差に対して補正するために較正されている。較正は、好ましくは、送信機を監視地域内の知られている様々な場所に移動させ、主センサアレイ３２により記録されるＥＭパルスを送信させることにより行われる。続いて、主センサアレイ３２により記録されるレーダデータを較正するために使用される複数の重みを有する較正ベクトルを提供するために、記録されるレーダデータから送信機の位置が導出され、送信機の知られている位置と比較される。較正ベクトルは様々な送信周波数に対して発生させることができる。

レンジパルスセンサのデータ１０４の構成は、図１７ａに示すｘ−ｙ−ｘ座標系に従ってｚ軸に沿って延長するレンジ次元、ｙ軸に沿って延長するパルス次元、および、ｘ軸に沿って延長するセンサ次元を備えて同図に示す。好ましくは、レーダデータはＣＩＴに従って時間セグメントにセグメント化される。既に検討したように、船舶モードまたは空中モードなどのレーダの異なる動作モード仮定すれば、ＣＩＴは異なる。

レンジベクトル４４およびセンサベクトル４８は既に説明しており、ここではさらには説明しない。パルスベクトル１３０は、ＣＩＴにおいて送信された各パルスに対してレンジ指数値Ｒ_１のレンジ値においてセンサＳ_１により記録されたＥＭ値を含むパルス指数値Ｐ_１、Ｐ_１、．．．、Ｐ_Ｍを有する一連のパルスセルを含む。したがって、パルス指数Ｐ_１は送信された第１のパルスを表し、パルス指数Ｐ_２は送信された第２のパルスを表し、以下同様。パルスベクトル１３０内のサンプリングされたＥＭ値は各ＥＭパルスが送信された後で同時に全てサンプリングされた（そのため、ＥＭ値はレンジ指数Ｒ_１により表されるレンジ値に全て対応する）。図１７ａも、レーダデータ１０４がどのように構成されているかを示すために、与えられたセンサに対するレンジパルス二次元データの各部分を示す。図１７ａから明らかなように、レンジパルスセンサのレーダデータ１０４を作り上げる複数のレンジベクトル４４、パルスベクトル１３０、および、センサベクトル４８がある。

前処理されたレンジパルスセンサのデータ１０４は、レンジパルスセンサの整合データ１３２を供給するためにデータ１０４を整合濾過する整合フィルタモジュール１０８に供給される。整合フィルタモジュール１０８は、好ましくは、送信ＥＭパルスに整合する伝達関数を持つデジタルフィルタである。整合フィルタモジュール１０８は、与えられたパルス指数Ｐ_ｉおよび与えられたセンサＳ_ｉに対してレンジ次元に沿って動作する単一のデジタルフィルタを含むことが出来る（すなわち、整合フィルタはレーダデータ１０４からのレンジベクトル４４に対して動作する）。整合濾過は、整合フィルタの伝達関数が、処理されているパルス戻り波に依存して変化するように、連続的な方法で行うことができる（すなわち、現在のパルス戻り波を呼び出したＥＭパルスに整合する）。代わりに、整合フィルタモジュール１６は、送信されるＥＭパルスの１つに対して各々が伝達関数を有するデジタルフィルタの群列を含むことができる。次に、システムは進入パルス戻り波を対応する整合フィルタに経路切り換えする。

送信されるＥＭパルスは、好ましくは、レンジラップに対処するためにＦｒａｎｋ符号を利用して設計される（Ｆｒａｎｋ Ｒ．Ｌ．、ＩＥＥＥ Ｔｒａｎｓ．Ｏｎ ＩＴ、第９巻４３〜４５頁、１９６３年）。したがって、Ｆｒａｎｋ符号は、整合フィルタモジュール１０８に対するフィルタ係数を発生するためにも使用される。当業者にはよく知られているように、Ｆｒａｎｋ符号は発生される各ＥＭパルスを位相変調するために使用される。したがって、与えられたＥＭパルスは、各々がＦｒａｎｋ行列から得られるＦｒａｎｋ符号による位相を有するサブパルスに分割される。発生されるＥＭパルスは全て互いに直交している。なぜなら、Ｆｒａｎｋ符号の行列の行は直交しているからである。Ｐ４Ｆｒａｎｋ行列の例はＰ４＝［１ １ １ １；１ ｊ −１ ｊ；１ −１ １ −１；１ −ｊ −１ ｊ］であり、ここで、行列の各行はセミコロンで分離される。したがって、ＦｒａｎｋＰ４行列の第４行に基づくＥＭパルスは、例えばそれぞれ０°、２７０°、１８０°、および、９０°の位相を有する４つの正弦サブパルスを有する。さらに、このＥＭパルスに整合する整合フィルタの係数は、複素共役にされて順序が反転された発生ＥＭパルスと同じサンプルを有する。これは、４つの別個のＥＭパルスおよび４つの別個の整合フィルタがあるように、ＦｒａｎｋＰ４行列の各行について反復することができる。これらの４つの別個のＥＭパルスは、ＥＭ１、ＥＭ２、ＥＭ３、および、ＥＭ４などの連続した形で繰り返し送信される（ここで、各数字はＰ４行列の行を表す）。また、レーダ戻り波は対応する整合フィルタにより処理される。

Ｐ８、Ｐ１６、または、Ｐ３２の行列に基づく他のＦｒａｎｋ符号も使用できる。しかし、Ｐ３２行列の場合、位相変調に必要な位相は精密に発生される必要がある。なぜなら、位相が互いに非常に近く、このことがより高価なハードウェアを必要とするからである。Ｂａｒｋｅｒ符号などの他の符号は、発生ＥＭパルスの帯域幅に対する異なる要件が与えられた場合、使用することができる。

次に、レンジパルスセンサの整合データ１３２は、レンジドップラーセンサの整合データ１３４を供給するためにデータを処理する第１のドップラー処理モジュール１１０に供給される。第１のドップラー処理モジュール１０６は、レンジドップラーセンサの整合データ１３４を供給するためにレンジパルスセンサの整合データ１３２のパルス次元（または、パルス領域）に沿ってドップラー処理を実行する。ドップラー処理は、好ましくは、各レンジ指数値Ｒ_ｉに対する時系列データを周波数系列に変換するために各パルスベクトル１３０上の適切なウインドウ関数を使用してＦＦＴを行う工程を含む。図１７ｂはレンジドップラーセンサの整合データ１３４へのレンジパルスセンサの整合データ１３２の変換を示す。代案として、ドップラー処理を実行するためにＦＦＴを使用する代わりに、当業者に一般に知られているように狭帯域フィルタの群列が使用できる。

次に、レンジドップラーセンサの整合データ１３４は、与えられたセンサＳ_ｉに対するレンジドップラーのデータをレンジドップラーセンサの整合データ１３４から選択するセンサ選択器１１２に供給される。この操作は図１７ｃに示す。センサ選択器１１２は、以下に説明するさらなる処理のために、選択されたレンジドップラーの整合センサデータの一部Ｂも供給する。

前処理されたレンジパルスセンサのデータ１０４は、レンジパルスセンサの不整合データ１３６を供給するために、レーダデータ１０４を「不整合」濾過する不整合フィルタモジュール１１６にも供給される。不整合フィルタモジュール１１６は、好ましくは、送信されたＥＭパルスに不整合する伝達関数を持つデジタルフィルタである。不整合フィルタモジュール１１６は、レンジパルスセンサの不整合レーダデータ１３６を生成するために、整合フィルタモジュール１０８と同じ形でレンジパルスセンサのデータ１０４に対して実装し、操作することができる。しかし、この場合、不整合フィルタは送信されたＥＭパルスを拒否する伝達関数を使用する。したがって、整合フィルタモジュール１０８に対して上記に与えた例を使用すると、もし送信されたＥＭパルスがＦｒａｎｋＰ４行列の第４番目の行に基づき発生されたなら、正弦サブパルスの位相はＦｒａｎｋＰ４行列の第４行目以外の行のいずれかから得られる。結果として得られる正弦シーケンスは不整合フィルタモジュール１１６における不整合フィルタの係数を得るために反転される。したがって、Ｐ４行列の行が、一連のＥＭパルスを繰り返し供給するために連続して使用されるなら、不整合フィルタの出力が整合フィルタモジュール１０８により生成される整合フィルタの出力に相関しないように、これらのＥＭパルスの各々の戻り波を処理するために、一連の不整合フィルタが不整合フィルタモジュール１１６において必要となる。

次に、レンジパルスセンサの不整合データ１３６は、レンジドップラーセンサの不整合データ１３８を生成するためにデータを処理する第２のドップラー処理モジュール１１８に供給される。第２のドップラー処理モジュール１１８は第１のドップラー処理モジュール１１０と同じ形で実装され、さらには検討しない。

第２の処理モジュール１１４は、仮想予備センサアレイを構築するためにレンジドップラーセンサの不整合データを供給する予備アレイ選択器１２０をさらに含む。図１７ｄを参照すると、同図はレンジドップラーセンサの不整合データ１３８を取る工程、データ１３８を二次元断面１４０、１４２、．．．、１４４に分割し、および、レンジドップラーセンサの不整合データ１４６を形成するために連結されるこれらの断面の部分集合を選択する（すなわち、Ｌ個の断面を選択する）工程に相当する。データ１４６に寄与するセンサのアレイは、（図示しない）センサＡ_１、Ａ_２、．．．、Ａ_Ｌを有する仮想予備センサアレイと呼ぶ。予備アレイ選択器１２０は、以下にさらに説明するさらなる処理のためにレンジドップラーセンサの不整合データ１４６の一部Ｙもさらに供給する。

既に述べたように、仮想予備センサアレイはレーダデータ１０４に寄与する主センサアレイ３２からのセンサの全てまたは部分集合から、構築することができる。もし仮想予備センサアレイが主センサアレイ３２の部分集合を含むなら、１つの条件が好ましく満足される。仮想予備センサアレイの開口サイズは主センサアレイ３２の開口サイズと同じであるべきである。これは、レーダデータ１０４に寄与する主センサアレイ３２における最も左および最も右に空間的に向けられたセンサが仮想予備センサアレイにおける最も左および最も右に空間的に向けられたセンサでもあることを意味する。さらに、主センサアレイ３２が固定されていると仮定すれば、仮想予備センサアレイは、雑音抑制モジュール１０２の操作の前に事前決定することができる。したがって、雑音抑制モジュール１０２の操作の間、仮想予備センサアレイのセンサは、仮想予備センサアレイの所望のセンサ数が与えられれば、ルックアップテーブルにより供給される。ルックアップテーブルは主センサアレイ３２における各予備アレイセンサＡ_ｉの位置を示す。

図１６のブロック図は予備アレイ選択器１２０が第２のドップラー処理モジュール１１８と適合型ビーム形成器１２２の間に接続されることを示すが、予備アレイ選択器１２０の位置は、より効率的な信号処理のために変更できる。例えば、予備アレイ選択器１２０は不整合フィルタモジュール１１６と第２のドップラー処理モジュール１１８の間に設置してもよい。代わりに、予備アレイ選択器１２２は不整合フィルタモジュール１１６の前に位置してもよい。

雑音抑制モジュール１０２は、第２の処理モジュール１１４および第１の処理モジュール１０６と連絡する適合型ビーム形成器１２２をさらに含む。適合型ビーム形成器１２２は、図１６に示すように接続される自己相関行列計算器１４８、行列反転器１５０、相互相関器１５２、重み計算器１５４、および、予備ビーム発生器１５６を含む。

自己相関行列計算器１４８は仮想予備センサアレイからレンジドップラーセンサの不整合データＹの一部を受信し、式１８（すなわち、Ｒ_Ｙ＝Ｙ^Ｈ・Ｙ）に従って自己相関行列Ｒ_Ｙを生成する。図１７ｅを参照すると、レーダデータＹの一部は与えられたドップラー指数Ｄ_ｉに対するレンジセンサのデータの二次元断面に相当する。したがって、レーダデータＹの一部はＮ×Ｌ（すなわち、Ｎ個のレンジセルおよびＬ個のセンサ）の次元を有する行列である。自己相関行列計算器１４８は、行列Ｙと行列Ｙ^Ｈの間で行列の乗算を行うことにより自己相関行列Ｒ_Ｙを生成する。自己相関行列Ｒ_Ｙの次元はＬ×Ｌである（すなわち、Ｌ行およびＬ列）。

行列反転器１５０は自己相関行列Ｒ_Ｙを受信し、当業者に一般に知られているいずれかの反転手段を使用して、反転自己相関行列Ｐ＝Ｒ_Ｙ ^−１を得るために行列反転を実行する。もしレーダデータＹの一部が多量の雑音を含んでいなければ、自己相関行列Ｒ_Ｙは階数不足である可能性がある。これは、自己相関行列Ｒ_Ｙの条件数を算出することにより決定することができる。この状況では、反転自己相関行列Ｐを得るために、擬似反転演算子が採用される。反転自己相関行列Ｐの次元はＬ×Ｌである。条件数およびＲ_Ｙの擬似反転を得るために必要な式は当業者にはよく知られている。

相互相関器１５２は、仮想予備センサアレイからレンジドップラーセンサの不整合データＹの一部を、ならびに、第１の処理モジュール１０６からレンジドップラーの整合データＢの一部を受信し、式１７（すなわち、Ｑ＝Ｙ^Ｈ・Ｂ）により与えられる相互相関ベクトルＱを算出する。図１７ｅを再び参照すると、レーダデータＢの一部はデータＹの一部に対応する与えられたセンサＳ_ｉおよび同じドップラー指数Ｄ_ｉに対するレンジベクトルである。データＢの一部はＮ×１の次元を有する。相互相関器１５２は、Ｌ×１（すなわち、（Ｌ×Ｎ）^＊（Ｎ×１）＝Ｌ×１）を有する相互相関ベクトルＱを生成するために行列の乗算を実行する。

重み計算器１５４は相互相関ベクトルＱおよび反転自己相関行列Ｐを受信し、式１６に従って行列の乗算を実行することにより適合型重みベクトルＷを生成する。したがって、適合型重みベクトルＷはＬ×１の次元を有する行ベクトルである。予備ビーム発生器１５６は、適合型重みベクトルＷおよびレーダデータＹの一部を受信し、式１９に従ってレーダデータＢの一部における干渉Ｉの見積りを発生する。

Ｉ＝Ｗ^Ｈ・Ｙ （１９）
したがって、干渉見積りＩは１×Ｎの次元を有するベクトルである。
雑音抑制モジュール１０２は、除算器１５８および除算器１５８と連絡する最小化器１６０を含む抑制器１２４をさらに含む。除算器１５８はレーダデータＢの一部および外部干渉見積りＩを受信し、式２０に従ってベクトルまたは除算信号Ｔを供給する。

Ｔ＝Ｂ−Ｉ （２０）
最小化器１６０はベクトルＴおよびレーダデータＢの一部を受信し、式２１に従ってレンジドップラーの雑音抑制された整合データＢ_Ｒの一部を発生する。

Ｂ_Ｒ＝ｍｉｎ（Ｂ，Ｔ） （２１）
ここで、演算子ｍｉｎ（）は、図１７ｆに示すように、２つのベクトルＢおよびＴを整列させ、ベクトルＢにおけるセルから値を取り、ベクトルＴにおける同じセルから値を取り、これらの２つの値の最低値をベクトルＢ_Ｒにおける同じセルに置く工程により定義される。この操作はベクトルＢおよびＴにおける全てのセルに対して繰り返される。

図１７ｇを参照すると、抑制器１２４の機能の説明に役立つ（データ系列または信号とも呼ぶことができる）一連のベクトルが示される。レーダデータＢの与えられた部分および外部干渉見積りＩに対して、ベクトルＴはベクトル除算により発生される。しかし、外部干渉見積りＩにおいて発生する不要雑音１６２の可能性がある。不整合フィルタモジュール１１６の操作からの結果である不要雑音１６２は、ベクトルＴ内にも含まれる。したがって、ベクトルＴは雑音抑制された整合レーダデータＢ_Ｒの一部として直接には使用できない。むしろ、ベクトルＴおよびレーダデータＢの一部は、既に検討したように、ベクトルＢ_Ｒを構築する時、２つのベクトルＢおよびＴを整列させ、これら２つのベクトルの最低値を選択する最小化器１６０により処理される。その結果、もし外部干渉見積りＩ内に何らかの不要雑音１６２があれば、最小化器１６０はそれを除去する。

図１７ｈを参照すると、ベクトルＢ_Ｒは雑音抑制された整合レーダデータ１６４を構築するために使用される。雑音抑制されたレーダデータ１６４内のベクトルＢ_Ｒの位置は、図１７ｅに示すレーダデータ内のベクトルＢの位置と同じである。したがって、雑音抑制されたレーダデータ１６４は一時に１つのレンジベクトルが構築される。このようにして、与えられたセンサＳ_ｉに対して、データＢの一部は、上記に検討したように、雑音抑制されたデータＢ_Ｒの一部を供給するために、その同じドップラー指数Ｄ_ｉおよびその同じドップラー指数に対して計算された外部干渉見積りＩに対して得ることができる。次に、この操作は、ドップラー指数の全てが処理されるまで、選択されたセンサ指数Ｓ_ｉに対してドップラー次元に沿って（すなわち、各ドップラー指数に対して）繰り返される。続いて、次のセンサのレンジドップラーのデータがセンサ選択器１１２により選択され、同じ方法で処理される。（センサＳ_１、Ｓ_２、．．．、Ｓ_Ｋに対応するレンジドップラーのデータ信号ＲＤ_１’、ＲＤ_２’、．．．、ＲＤ_Ｋ’が得られる）雑音抑制されたレーダデータ１６４を構築するために、雑音抑制モジュール１０２によりレンジドップラーのデータＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋの全てが処理されるまで、この操作は繰り返される。

図１８を参照すると、本発明の雑音抑制モジュール１０２によるレーダデータにおける雑音を抑制するための雑音抑制方法１７０が示される。レーダデータは、既に検討したように、ＣＩＴに従った時間長にわたって主センサアレイ３２によりサンプリングされ、前処理され、較正されている。ＣＩＴの継続時間はレーダの動作モードに従って設定される。雑音抑制方法１７０は、上記に説明したようにレンジパルスセンサのレーダデータ１０４が整合濾過される工程１７２で開始する。次の工程１７４は、レンジドップラーセンサの整合データを供給するためにレンジパルスセンサの整合濾過されたデータに対してドップラー処理を実行する工程である。既に述べたように、ドップラー処理は、適切なウインドウ関数でＦＦＴを実行する工程、または、フィルタ群列処理を利用する工程を含むことができる。次の工程１７６は、センサＳ_ｉに対してレンジドップラーの整合データを選択する工程である。

工程１７８において、レンジパルスセンサのレーダデータ１０４に不整合濾過が実行される。次の工程１８０は、レンジドップラーセンサの不整合データを供給するためにレンジパルスセンサの不整合濾過されたデータにドップラー処理を実行する工程である。次の工程１８２は、レンジドップラーセンサのデータ信号１０４に寄与した主センサアレイ３２からのセンサを与えられて、仮想予備センサアレイを選択する工程である。したがって、工程１７８から１８２は、主センサアレイ３２により記録されたレーダデータから導出されたレンジパルスセンサのデータを仮定する仮想予備センサアレイに対してレンジドップラーセンサの不整合データを供給する工程として要約することができる。既に述べたように、仮想予備センサアレイの選択は、より効率的な信号処理のためにドップラー処理工程１８０または不整合濾過工程１７８の前にあってもよい。

工程１８２において、レーダデータＢおよびＹの各一部が選択される。レーダデータＢは与えられたセンサＳｉに対して選択されるレンジドップラーの整合データから選択され、与えられたドップラー指数に対するレンジベクトルである。レーダデータＹは仮想予備センサアレイのレンジドップラーセンサの不整合データから選択され、レーダデータＢの同じドップラー指数に対するレンジセンサのデータの二次元断面である。

雑音抑制方法１７０の次の一連の工程１８６から１９８は、レンジドップラーの整合データＢの一部における外部干渉の見積りＩを提供するために、レンジドップラーセンサの不整合データＹの一部に対して適合型ビーム形成を実行する。適合型ビーム形成は、レーダデータＹの自己相関行列Ｒ_Ｙ（Ｒ_Ｙ＝Ｙ^Ｈ・Ｙ）が算出される工程１８６において開始する。工程１８８において、反転自己相関行列Ｐ（Ｐ＝Ｒ_Ｙ ^−１）が算出される。次に、雑音抑制方法１７０は、相互相関ベクトルＱ（Ｑ＝Ｙ^Ｈ・Ｂ）が計算される工程１９０に進む。次に、工程１９２において、反転自己相関行列Ｐおよび相互相関ベクトルＱ（Ｗ＝Ｐ・Ｑ）に基づき適合型重みベクトルＷが計算される。次に、工程１９４において、レンジドップラーの整合データＢの一部内の外部干渉Ｉ（Ｉ＝Ｗ^Ｈ・Ｙ）の見積りが算出される。

次に、雑音抑制方法１７０は、レンジドップラーの雑音抑制された整合データの一部Ｂ_Ｒを得るために外部干渉見積りＩおよびレンジドップラーの整合データＢの一部が使用される工程１９６および１９８に進む。工程１９６において、外部干渉見積りＩは、ベクトルまたは減算信号Ｔを形成するためにレンジドップラーの整合データＢの一部から差し引かれる。次に、工程１９８において、レンジドップラーの整合データＢの一部における与えられた要素はベクトルＴにおける同じ位置の要素と比較され、これら２つの要素の最低値がレンジドップラーの雑音抑制された整合データＢ_Ｒの一部における同じ位置に保存される。これはレーダデータＢにおける各要素に対して繰り返される。レンジドップラーの雑音抑制された整合データＢ_Ｒは、一旦構築されれば、保存手段１２６の適切な位置に保存される。

雑音抑制方法１７０の次の工程２００は、より多くの処理するレーダデータがあるかどうかを決定する工程である。もし処理するレーダデータが最早なければ、雑音抑制方法１７０は終了する。この時点（工程２０４）で、雑音抑制されたデータは、複数の高分解能スペクトル２４の少なくとも１つを生成するためにスペクトル発生方法６０において使用できる。そうでなければ、次の工程２０２は、仮想予備センサアレイからのレンジドップラーのビーム形成されたデータＢの一部およびレンジドップラーセンサの不整合データＹの一部を更新する工程である。更新は既に説明したように雑音抑制モジュール１０２に対して実行される。次に、工程１８６から２００が繰り返される。

特定の条件下では、強い電離雑音が、与えられたセンサＳ_ｉに対するレンジドップラーの生成データにおいて水平なストリップの形で現れることがある。これは、与えられたレンジ指数でのレンジドップラーのセルの数における干渉として現れる。この状況では、自己相関行列Ｒ_Ｙおよび相互相関行列Ｑの計算において、これらのレンジドップラーのセルからレーダデータを回避することが好ましい。なぜなら、これらの汚染されたレンジドップラーのセルが適合型ビーム形成器１２２の性能を阻害する可能性があるからである。計算から汚染されたデータを除去するための１つの方法は、レンジベクトルＢ’に対する中央値（Ｍ）を算出し、式２２に従って閾値（λ）を発生させる中央値フィルタを利用することである。

λ＝ν・Ｍ （２２）
ここで、νは定数値を表す。次に、レンジベクトルＢ’におけるデータは式２３に従って中央値濾過することができる。

したがって、閾値λを超えるＢ’における全ての値はＯＢにおいてゼロに設定される。
図１９を参照すると、第１の処理モジュール１０６および適合型ビーム形成器１２２に結合される中央値フィルタモジュール２１２を組み込む雑音抑制モジュール２１０が示される。雑音抑制モジュール２１０の残り部分は雑音抑制モジュール１０２と同様であり、検討しない。中央値フィルタモジュール２１２は、与えられたセンサＳ_ｉに対するレンジドップラー整合データ２１４に対して中央値濾過を実行する。中央値フィルタモジュール２１２は、好ましくは、定数νに１．７５の値を使用する。この値は経験的に決定されたものであり、結果が不満足なものであれば、変更することができる。例えば、電離層不要反射像が極度に深刻である状況があることがあり、この場合、定数νの値はより多くの電離層不要反射像を除去するために小さくしなければならない。中央値フィルタモジュール２１２は、レンジドップラーの整合データ２１４を作成する各レンジベクトルに対して列ごとに操作を行うことができる。レンジドップラーの中央値濾過された整合データの一部であるベクトルＯＢは適合型ビーム形成器１２２に供給され、それにより、既に検討したように、外部干渉見積りを発生することができ、整合レーダデータの一部から差し引かれる。

代案として、他の順序統計濾過方法も中央値濾過の代わりに使用することができる。１つのそのような例は、定整数ｇ（すなわち、ｇ＝１５など）を選択する工程、ベクトルＢ’における値を整順する工程、ｇの最大値およびｇの最小値を除去する工程、平均値を得るために残りの数値を平均化する工程、および、平均値を定数により乗ずることにより閾値を生成する工程からなる。一般に、フィルタは、干渉統計、帯域幅、および、他の特徴を調べることにより不要な信号を防止するように設計することができる。したがって、中央値フィルタモジュール２１２は順序統計フィルタモジュールと一般に表すことができる。

図２０を参照すると、上記に説明したように、与えられたセンサＳ_ｉに対するレンジドップラーの整合レーダデータに中央値濾過を実行するための中央値濾過工程２２２を組み込む代案雑音抑制方法２２０が示される。雑音抑制方法２２０の残り部分は雑音抑制方法１７０と同一であり、説明しない。既に検討したように、他の順序統計濾過方法も中央値濾過の代わりに使用することができる。

図２１ａを参照すると、本発明の雑音抑制方法１７０を使用せずに得られたレーダデータのレンジドップラーのビーム形成された従来のプロットの例が示される。レーダデータは秋季に記録され、８３ｋｍのレンジおよび８°のアジマスにおける（図２１ａでは見えない）船舶目標２３０を有する。レーダデータは外部干渉で深刻に汚染されている。図２１ｂを参照すると、本発明の雑音抑制方法１７０を使用しない本発明のスペクトル発生器１０により生成される図２１ａのレーダデータの高分解能レンジドップラーのプロットが示される。図２１ｃおよび２１ｄは、船舶目標２３０のレンジにおけるそれぞれ図２１ａおよび２１ｂのドップラー次元に沿った断面である。船舶目標２３０は図２１ａから２１ｄのいずれにおいても見えない。

図２２ａから２２ｄを参照すると、図２２ａは本発明の雑音抑制方法１７０を適用した後に従来のビーム形成器により生成される図２１ａのレーダデータのレンジドップラーのプロットを示す。図２２ｂは雑音低減モジュール１０２を組み込む本発明のスペクトル発生器１００により生成される図２１ａのレーダデータのレンジドップラーの高分解能プロットを示す。双方のレンジドップラーのプロットにおいて、船舶目標２３０は見える。図２２ｃおよび２２ｄは船舶目標２３０のレンジにおけるそれぞれ図２２ａおよび２２ｂのドップラー次元に沿った断面を示す。船舶目標２３０は図２２ｃにおいて辛うじて見ることができる。しかし、図２２ｄは船舶目標２３０に対して強い信号を示す。本発明のスペクトル見積り方法６０を伴う雑音抑制方法１７０の使用は目標２３０のＳＳＣＲを１５ｄＢに上昇させた。これらの結果は、雑音抑制方法１７０が、直前に示したように、ＦＦＴに基づく従来のビーム形成などの他のスペクトル見積り器と共に使用することができることも示唆する。

目標検出の他の困難は、大量の雑音に取り囲まれている目標に対してもたらされる低いＳＳＣＲである。目標のＳＳＣＲが低いため、目標は低い空間相関を有する。したがって、目標の信号パワーは信号部分空間には最早現れることができないが、雑音部分空間に発生する。本発明のスペクトル見積り方法６０を低いＳＳＣＲを有する目標に対してより敏感にするために、１つの手法は、小さな特異値により対応する固有ベクトル（すなわち、空間的に白色の雑音により向かって横たわる固有ベクトルのみ）を使用して雑音部分空間を形成する手法である。レンジドップラーのデータ信号ＲＤ_１、ＲＤ_２、．．．、ＲＤ_Ｋに寄与する固定された数のセンサを仮定すると、雑音部分空間の次元は所定の次元にすることができ、時限選択器５４内に設定できる。これは、部分空間に基づくスペクトル発生方法の感度を上昇させる。したがって、貧弱な空間的相関を有する目標はレンジドップラーの高分解能プロットにおいて強化され、結果として、レーダ検出器により検出される。しかし、この方法は、レーダ検出器が誤って目標であると見なすことがある貧弱な空間的相関を持つ不要反射像を不正確に強化することにより、検出器のヒット数を増加させる可能性もある。したがって、この手法は、目標が背景雑音から現出することを可能にするが、貧弱な空間的相関を持つ干渉を検出することにより、偽警報信号も増加させる。

図２３ａから２３ｄを参照すると、約７ｄＢの低いＳＳＣＲを有する目標２３２を含むレーダデータが示される。レーダデータは夏季に記録された。図２３ａはＦＦＴに基づく従来のビーム形成器により生成されるレーダデータに対するレンジドップラーのプロットを示す。目標２３２は図２３ａでは辛うじて見える。図２３ｂは目標２３２のレンジにおける図２３ａのレンジドップラーのプロットのドップラー次元に沿った断面を示す。目標２３２は背景雑音の上方に辛うじて見える。図２３ｃは目標２３２のドップラー周波数における図２３ａのレンジドップラーのプロットのレンジ次元に沿った断面を示す。再び、目標２３２は背景雑音の上方に辛うじて見える。図２３ｄは目標２３２のレンジおよびドップラー周波数における図２３ａに示すレーダデータに対するアジマスのプロットを示す。

図２４ａから２４ｄを参照すると、雑音抑制モジュール１０２を組み込まないスペクトル発生器１０から発生されるプロットを備える図２１ａのレーダデータが示される。雑音部分空間のサイズは１３個の最小特異値に設定されている。図２４ａはスペクトル発生器１０により生成されるレーダデータに対するレンジドップラーの高分解能プロットを示す。目標２３２は図２４ａでは見えており、６ｄＢのＳＳＣＲを有する。図２４ｂは目標２３２のレンジにおける図２４ａのレンジドップラーのプロットのドップラー次元に沿った断面を示す。目標２３２は図２３ｂに比較して背景雑音の上方により明確に見える。図２４ｃは目標２３２のドップラー周波数における図２４ａのレンジドップラーのプロットのレンジ次元に沿った断面を示す。再び、目標２３２は図２３ｃに比較して背景雑音の上方に明確に見える。図２４ｄは目標２３２のレンジおよびドップラー周波数における図２４ａに示すレーダデータに対するアジマスのプロットを示す。図２４ｂおよび２４ｃの双方において、目標の検出可能性は、海洋不要反射像および干渉不要反射像の抑制により強化されている。

図２２および２３のレーダデータにおける目標２３２の強化を改善するために、雑音部分空間を発生させるために使用された特異値は５個の最小特異値に制限された。図２５ａから２５ｄを参照すると、雑音部分空間を構築するための５個の最小特異値を使用し、かつ、雑音抑制モジュール１０２を組み込まないスペクトル発生器１０から発生されるプロットを備える図２２ａのレーダデータが示される。図２５ａはレーダデータに対するレンジドップラーの高分解能プロットを示す。目標２３２は図２５ａにおいては見えており、１２ｄＢのＳＳＣＲを有する。しかし、目標の強化は、貧弱な空間的相関を持つ不要反射像に対応する多くの偽目標の強化により、さほど改善されない。図２５ｂは目標２３２のレンジにおける図２５ａのレンジドップラーのプロットのドップラー次元に沿った断面を示す。図２５ｃは目標２３２のドップラー周波数における図２５ａのレンジドップラーのプロットのレンジ次元に沿った断面を示す。図２５ｄは目標２３２のレンジおよびドップラー周波数における図２５ａに示すレーダデータに対するアジマスのプロットを示す。角度の精度は図２４ｄに示す角度の精度に比較してかなり改善している。

図２６を参照すると、共分散行列計算器１４および部分空間計算器１６と連絡する共分散行列平滑器２４２を有するスペクトル発生器２４０の他の代案実施形態が示される。共分散行列平滑器２４２は、以下にさらに示すように、前方空間的平滑化、後方空間的平滑化、および、前方／後方空間的平滑化の少なくとも１つに基づき共分散行列見積りＣ_ｅｓｔを空間的に平滑化することにより、可能な目標のレーダ像（および、したがって、目標検出可能性）を強化するために導入される。さらに、スペクトル発生器２４０において、位置行列発生器１８’は以下にさらに説明する僅かに異なる位置行列Ａ’を発生する。スペクトル発生器２４０の残りの部分はスペクトル発生器１０と同一であり、説明しない。

ＨＦＳＷＲにおいて、本発明の雑音抑制方法１７０を使用してＥＭパルスおよび対応する整合フィルタを発生するためのＦｒａｎｋ補操作符号の使用は、レンジドップラーの高分解能プロットにおける海洋不要反射像および空間的に強く相関した外部干渉の存在の低減に役立つ。しかし、レンジドップラーの高分解能プロットは、レンジドップラーのスペクトル全体に広がり、可能な目標の検出可能性を低下させる複数経路伝播の結果として、貧弱な空間的相関を有する外部干渉および大気雑音をまだ含む。空間的平滑化はこのタイプの雑音を低減するために使用することができる。

空間的平滑化は、本来、多重信号の到着の方向を見積もるために開発された（Ｅｖａｎｓ他、（１９８２年）、「Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ａｄｖａｎｃｅｄ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｔｏ ａｎｇｌｅ ｏｆ ａｒｒｉｖａｌ ｅｓｔｉｍａｔｉｏｎ ｉｎ ＡＴＣ ｎａｖｉｇａｔｉｏｎ ａｎｄ ｓｕｒｖｅｉｌｌａｎｃｅ ｓｙｓｔｅｍ」、Ｒｅｐｏｒｔ ５８２、Ｍ．Ｉ．Ｔ．、Ｌｉｎｃｏｌｎ Ｌａｂ、Ｌｅｘｉｎｇｔｏｎ、ＭＡ、１９８２年）。しかし、発明者は、空間的平滑化が、偽警報の比率の対応する上昇なしに、目標の振幅も増強し、かつ、低いＳＣＲ環境における目標に対するアジマスの精度も上昇させることを見出した。空間的平滑化は、当業者によく知られている複数経路伝播により実際には非常にしばしば生じる完全に相関する（または、高度に相関する）信号を完璧に取り扱うことの不可能である部分空間に基づくスペクトル見積り技術に対する主な短所に対処する際に有益でもある。

共分散行列平滑化器２４２は空間的に平滑化された行列Ｃ_{ＳＭｅｓｔ}を生成するために共分散行列見積りＣ_ｅｓｔに対して空間的平滑化を行う。平滑化共分散行列見積りＣ_{ＳＭｅｓｔ}を本発明の部分空間に基づくスペクトル見積り器１０に組み込むことは、雑音の相関する性質にかかわらず目標を識別することを可能にする。前方空間的平滑化法は与えられた数の目標間を区別するために多数のセンサエレメントを必要とする（例えば、Ｇ個の目標を区別するために２Ｇ個のセンサが必要となる）。しかし、前方および後方の平滑化を同時に使用することにより、もし主センサアレイ３２に３Ｇ個／２のセンサエレメントがあれば、Ｇ個の目標間を区別することが可能である（Ｐｉｌｌａｉ他、「Ｆｏｒｗａｒｄ／Ｂａｃｋｗａｒｄ ｓｐａｔｉａｌ ｓｍｏｏｔｈｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｆｏｒ ｃｏｈｅｒｅｎｔ ｓｉｇｎａｌ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ」、ＩＥＥＥ Ｔｒａｎｓ．Ｏｎ ＡＳＳＰ、３７（１）、８〜１５頁、１９８９年；Ｆｒｉｅｄｌａｎｄｅｒ他、「Ｄｉｒｅｃｔｉｏｎ ｆｉｎｄｉｎｇ ｕｓｉｎｇ ｓｐａｔｉａｌ ｓｍｏｏｔｈｉｎｇ ｗｉｔｈ ｉｎｔｅｒｐｏｌａｔｅｄ ａｒｒａｙｓ」、ＩＥＥＥ Ｔｒａｎｓ、Ｏｎ ＡＥＳ、２８（２）、５７４〜５８７頁、１９９２年）。サブアレイのサイズと平均値の数との間には空間的平滑化の間に行われる条件交換がある。サブアレイのサイズが解像できる目標の数を決定する一方、平均値の数は目標の強化可能性の程度を決定する。

空間的平滑化は、Ｋ＋１−Ｇ個のセンサを有する各サブアレイを備えるＫ個のセンサを有する主センサアレイから、均一に重なり合うセンサのサブアレイを形成することにより行うことができる。次に、共分散行列は各サブアレイ（したがって、Ｇ個の部分行列がある）に対して発生され、空間的に平滑化された共分散行列見積りＣ_{ＳＭｅｓｔ}を提供するために平均化される。空間的平滑化を達成する代わりの方法は本明細書において既に説明したように、共分散行列見積りＣ_ｅｓｔを発生し（すなわち、式６）、共分散行列Ｃ_ｅｓｔをＧ個の部分行列に区分し、次に、部分行列は平滑化された共分散行列見積りＣ_{ＳＭｅｓｔ}を得るために平均化される方法である。共分散行列平滑器２４２により好ましくは利用される空間的平滑化の実装は、直前に説明した後者の空間的平滑化法である。

前方空間的平滑化は、式２４から２６による前方共分散行列見積りを形成する工程を含む。

式２４から２６は、式２７により一般項に表すことができる。

ここで、添字（Ｋ＋１−Ｇ）×（Ｋ＋１−Ｇ）は共分散部分行列の次元を示し（すなわち、Ｋ＋１−Ｇは各サブアレイのセンサの数である）、表示Ｃ_Ｆ、Ｌ＝Ｃ（Ｇ：Ｋ，Ｇ：Ｋ）は、部分行列Ｃ_Ｆ，Ｌが、Ｇ番目の行で開始し、Ｋ番目の行で終了し、Ｇ番目の列で開始し、Ｋ番目の列で終了するＣにおける部分行列から形成されることを意味する。次に、前方空間的平滑化共分散行列見積りＣ_ＦＳは式２８により算出される。

後方空間的平滑化は式２９から３１により後方共分散行列見積りを形成する工程を含む。

式２９から３１は、式３２により一般項に表すことができる。

後方空間的平滑化共分散行列Ｃ_Ｂ，Ｉの複素共役は記号「^＊」により表される。後方空間的平滑化共分散行列見積りＣ_ＢＳは、式３３により算出される。

前方／後方空間的平滑化は前方共分散行列見積りおよび後方共分散行列見積りの双方を利用することにより達成される。したがって、前方／後方空間的平滑化共分散行列Ｃ_ＦＢＳは式３４により算出することができる。

共分散行列平滑化器２４２は、前方、後方、および、前方／後方平滑化法のいずれか１つによる空間的平滑化を行うことができる。しかし、前方／後方空間的平滑化が好ましい。空間的平滑化に対して使用される方法にかかわらず、一旦空間的平滑化された共分散行列見積りＣ_{ＳＭｅｓｔ}が算出されれば、部分空間計算器１６は、共分散行列見積りＣ_{ＳＭｅｓｔ}が空間的に平滑化されているために既に空間的に平滑化されている雑音部分空間行列見積りＮ_ｅｓｔを発生するために平滑化共分散行列Ｃ_{ＳＭｅｓｔ}に対して操作する。スペクトル発生器２４０の残りの部分は、位置行列発生器１８’が式３５により位置行列Ａ’を算出することを除き、スペクトル発生器１０と同様に動作する。

Ａ’＝［Ａ’_θ１，Ａ’_θ２，Ａ’_θ３，．．．，Ａ’_θＺ］ −π≦θ_ｉ，≦π （３５）
ここで、要素Ａ’_θｉ，は以下により与えられるベクトルである。

したがって、位置行列Ａ’は（Ｋ−Ｇ）×Ｚの次元を有する。
図２７を参照すると、スペクトル発生器２４０によるスペクトル発生方法２５０の実施形態が示される。スペクトル発生方法２５０は、２つの相違点を除き、スペクトル発生方法６０と同様である。スペクトル発生方法は、工程６４’において、式８および９よりも、むしろ式３５および３６により位置行列Ａ’を発生する。第二に、スペクトル発生方法２５０は、雑音部分空間行列見積りＮ_ｅｓｔを算出するために次に使用される空間的平滑化共分散行列見積りＣ_{ＳＭｅｓｔ}を生成するために共分散行列見積りＣ_ｅｓｔに空間的平滑化を実行する工程２５２を含む。方法２５０の残りの部分はスペクトル見積り方法６０と同一であり、さらには検討しない。

図２８ａを参照すると、点線で表されるシミュレートされた目標２６０を含む実線で表されるレーダデータのドップラーのプロットが示される（単一のセンサのレーダデータは図２８ａに示す）。レーダデータは夏季に記録された。目標２６０の振幅は、０ｄＢのＳＳＣＲを提供するように調整され、目標２６０のアジマスは−３４°のアジマスに調整された。

次に、図２８ｂを参照すると、同図は、点曲線で表されるシミュレートされた目標２６０、および、実曲線で表されるシミュレートされた目標２６０を有するＦＦＴに基づく従来のビーム形成されたデータのドップラーのプロットを有する図２８ａのレーダデータの（すなわち、単一のセンサに対する）ドップラーのプロットを示す。ＳＳＣＲには約３ｄＢの僅かな改善しかない。しかし、目標２６０の検出可能性は周囲の背景雑音から損害を受け続けている。

図２９ａから２９ｃを参照すると、本発明のスペクトル見積り方法６０は、次いで図２８ｂに示されるレーダデータに印加された。雑音部分空間は共分散行列見積りの１３個の最小特異値を使用して形成されている。図２９ａは結果として得られた目標２６０のレンジにおけるドップラーの高分解能プロットを示す。図２９ｂは結果として得られた目標２６０のドップラー周波数におけるレンジの高分解能プロットを示す。図２９ｃは目標２６０のレンジおよびドップラー周波数におけるアジマスの高分解能プロットを示す。現在、目標２６０は５ｄＢのＳＳＣＲを有し、信号部分空間の算出中の不要反射像の抑制により強化されている。

ここで、図３０ａから３０ｃを参照すると、空間的平滑化を組み込む本発明のスペクトル見積り方法２５０が図２８ｂに示すレーダデータに適用されている。前方／後方空間平滑化方法は共分散行列見積りを平滑化するために使用されている。図３０ａは結果として得られた目標２６０のレンジにおけるドップラーの高分解能プロットを示す。図３０ｂは結果として得られた目標２６０のドップラー周波数におけるレンジの高分解能プロットを示し、図３０ｃは目標２６０のレンジおよびドップラー周波数におけるアジマスの高分解能プロットを示す。現在、目標２６０は２０ｄＢのＳＳＣＲを有し、目標２６０の振幅は有意に上昇している。

図３１ａから３１ｄを参照すると、前方／後方空間平滑化、および、１３個の最小特異値に基づく雑音部分空間を利用するスペクトル見積り方法２５０の性能が、図２４ａから２４ｄの高分解能プロットが発生された同じレーダデータに対して評価されている。図２４ａから２４ｄは、雑音部分空間を決定するために使用される１３個の特異値を使用するスペクトル見積り方法を使用して発生されている。図３１ａはレンジドップラーの高分解能プロットを示す。図３１ａには、図２４ａと同じ程度には不要反射像がない。図３１ｂは目標２３２のレンジにおけるドップラーの高分解能プロットを示す。図３１ｃは目標２３２のドップラー周波数におけるレンジの高分解能プロットを示す。図３１ｄは目標２３２のレンジおよびドップラー周波数におけるアジマスの高分解能プロットを示す。図３１ｂを図２４ｂと、図３１ｃを図２４ｃと、および、図３１ｄを図２４ｄと比較すると、空間的平滑化の使用は、ドップラー、レンジ、および、アジマスのプロットの各々において、周囲の背景雑音に関して目標２３２の振幅を増強させている。目標２３２は約２３ｄＢのＳＳＣＲを有する。

本明細書に説明する様々なスペクトル発生器の実施形態は１つのスペクトル発生器に結合できる。図３２を参照すると、スペクトル発生器１０が雑音抑制モジュール１０２および共分散行列平滑化器２４２と結合されるスペクトル発生器２７０の代案実施形態が示される。スペクトル発生器２７０は高分解能のスペクトル見積り、外部干渉の抑制、および、空間的平滑化という雑音抑制の利点を含む。スペクトル発生器２７０の構成部分は既に説明しており、さらには検討しない。

本明細書に説明する様々なスペクトル発生方法も１つのスペクトル発生方法に結合することができる。図３３を参照すると、スペクトル発生方法１０が雑音抑制方法１７０および空間的平滑化工程２５２と結合されるスペクトル発生方法２８０の代案実施形態が示される。これらの工程の全ては既に説明しており、さらには検討しない。

本明細書に説明するスペクトル発生器１０、１００、２４０、および、２７０、ならびに、スペクトル発生方法６０、１７０、２５０、および、２８０も、環状の形に配向されるアンテナエレメントを有するアレイである均一環状アレイに適用することができる。したがって、均一環状アレイは、円または円の弧を形成するアンテナエレメントを有することができる。図３４は線形アレイ（図３４ａ）および均一環状アレイ（図３４ｂ）を示す。均一環状アレイの場合、アレイマニフォルドまたは位置行列Ａにおける各位置ベクトルは式３７および３８によるφおよびθの関数である。

ここで、および、様々なエレメントを示す図３４ｃにおいて、ｎ＝１、２、．．．、Ｎであり、Ｒは均一環状アレイにより規定される円の半径であり、Ｎ≦２πＲ／ｄである。記号θは仰角であり、０および９０度跳ね上がっている。記号φはアジマスであり、０および３６０度跳ね上がっている。記号ｒは波の単位ベクトルである。均一環状アレイのアンテナエレメントは全方向性アンテナである。均一環状アレイは、最大３６０度のアジマス監視範囲、および、目標の仰角の見積りも提供するために小さな島の中または大型の船舶上に設置することができる。本発明の高分解能技術は、式３７および３８により与えられる位置行列Ａを上記に示した適切な算出式に代入することにより、レーダの角度分解能を高め、かつ、海洋不要反射像の抑制を改善するために、均一環状アレイを使用して使用することができる。

本明細書に説明したスペクトル発生器１０、１００、２４０、および、２７０の各要素は、デジタル信号プロセッサなどの専用ハードウェアの使用が好ましいことがあるが、当技術分野で知られているいずれの手段によっても実装することができる。代わりに、フィルタ、比較器、乗算器、シフトレジスタ、メモリなどの独立構成部分も使用できる。さらに、スペクトル発生器１０、１００、２４０、および、２７０の特定の構成部分は同じ構造により実装できる。例えば、第１のドップラー処理モジュール１０６および第２のドップラー処理モジュール１１４は同じ構造とすることできる。

代わりに、本明細書に説明した代案実施形態の各要素は、スペクトル発生器１０、１００、２４０、および、２７０を実装するために必要であるオペレーティングシステムおよび関連するハードウェアおよびソフトウェアを有するコンピュータ処理用プラットフォーム上のコンピュータ読み出し可能な媒体内に具現されるＭａｔｌａｂ、Ｃ、Ｃ^＋＋、Ｌａｂｖｉｅｗ（登録商標）、または、他のいずれかの適するプログラミング言語で書くことができるコンピュータプログラムを介して好ましく実装できる。コンピュータプログラムは、様々なスペクトル発生方法６０、１７０、２５０、および、２８０の各工程を実行するように構成されるコンピュータへの指示を含む。コンピュータプログラムは、スペクトル発生器１０、１００、２４０、および、２７０の構造に従って実装され、構築される、オブジェクト志向プログラミングにおいて知られている如くのモジュールまたはクラスを含むことができる。従って、スペクトル発生器１０、１００、２４０、および、２７０の各構成部分のために、独立したソフトウェアモジュールを設計することができる。代わりに、これらの構成部分の機能は、適切であれば、より少ない数のソフトウェアモジュール内に組み合わせることができる。

本明細書に説明し、例示した好ましい実施形態に対しては、本発明から逸脱せずに様々な改変を行うことができ、本発明の範囲は従属する特許請求の範囲に定義されていることを理解されたい。

外部干渉の存在下で記録されたレーダデータに対する振幅対アジマスのプロット図である。 共チャンネル干渉を含むレーダデータの例に対するレンジドップラーのプロット図である。 衝撃雑音を有するレーダ戻り波の例に対する与えられたレンジにおける振幅対パルス指数のプロット図である。 衝撃雑音を含むレーダデータの例に対するレンジドップラーのプロット図である。 本発明によるスペクトル発生器のブロック図である。 図６ａは本発明によるレンジドップラーのプロットの活性領域および防護領域を示すプロット図である。図６ｂはアジマスの概念を示す図である。 図７ａは本発明による重み付けされたウインドウである。図７ｂはレーダ動作の空中モードに対する重みを有する重み付けされたウインドウの例である。図７ｃはレーダ動作の船舶モードに対する重みを有する重み付けされたウインドウの例である。図７ｄは本発明による主センサアレイにより記録されるレーダデータに対するレーダデータ構成を示す図である。図７ｅは重み付けされたウインドウにおけるレンジドップラーのセルに対する共分散行列を得るために使用されるレーダデータを示す図である。 本発明によるスペクトル発生方法のフローチャートである。 図９ａはレーダデータの例に対する従来のビーム形成により生成されるレンジドップラーのプロット図である。図９ｂは目標のレンジにおける図９ａのレンジドップラーのプロットのドップラー次元に沿った断面の図である。 図１０ａは本発明のスペクトル発生器により生成される図９ａに示すレーダデータの高分解能のレンジドップラーのプロット図である。図１０ｂは目標のレンジにおける図１０ａのレンジドップラーのプロットのドップラー次元に沿った断面の図である。 図１１ａはレーダデータの他の例に対する従来のビーム形成により生成されるレンジドップラーのプロット図である 図１１ｂは本発明のスペクトル発生器により生成される図１１ａに示すレーダデータの高分解能のレンジドップラーのプロット図である。 電離層不要反射像を有するレーダデータの例に対する従来のビーム形成により生成されるレンジドップラーのプロット図である。 本発明のスペクトル発生器により生成される図１２ａに示すレーダデータの高分解能のレンジドップラーのプロット図である。 目標のレンジにおける図１２ｂの高分解能のレンジドップラーのプロットのドップラー次元に沿った断面の図である。 目標のドップラー周波数における図１２ｂの高分解能のレンジドップラーのプロットのレンジ次元に沿った断面の図である。 図１２ａのレーダデータに対して本発明のスペクトル発生器により生成される高分解能のレンジドップラーのデータに対する目標のレンジおよびドップラー周波数におけるアジマスのプロット図である。 雑音抑制モジュールを組み込む本発明のスペクトル発生器の代案実施形態のブロック図である。 図１３の雑音抑制モジュールのブロック図である。 相関に基づいた計算が、好ましくは外部干渉見積りに対して行われる領域の形状を示すレンジドップラーのプロット図である。 図１４の雑音抑制モジュールのより詳細なブロック図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールの様々なノードにおけるレーダデータを示す図である。 図１６の雑音抑制モジュールによる雑音抑制方法のフローチャートである。 本発明の雑音抑制モジュールの代案実施形態を示す図である。 図１９の雑音抑制モジュールによる代案雑音抑制方法のフローチャートである。 図２１ａは本発明の雑音抑制モジュールを使用しない従来のビーム形成器により生成されるレーダデータの例のレンジドップラーのプロットである。図２１ｂは本発明のスペクトル発生器を使用するが、本発明の雑音抑制モジュールを使用しない図２１ａに示すレーダデータの高分解能のレンジドップラーのプロットである。図２１ｃは目標のレンジにおける図２１ａのレンジドップラーのプロットのドップラー次元に沿った断面の図である。図２１ｄは目標のレンジにおける図２１ｂの高分解能のレンジドップラーのプロットのドップラー次元に沿った断面の図である。 図２２ａは従来のビーム形成器により、かつ、本発明の雑音抑制モジュールを使用して生成される図２１ａのレーダデータのレンジドップラーのプロット図である。図２２ｂは本発明のスペクトル発生器および雑音抑制モジュールを使用する図２１ａに示すレーダデータの高分解能のレンジドップラーのプロット図である。図２２ｃは目標のレンジにおける図２２ａのレンジドップラーのプロットのドップラー次元に沿った断面の図である。図２２ｄは目標のレンジにおける図２２ｂの高分解能のレンジドップラーのプロットのドップラー次元に沿った断面の図である。 図２３ａはレーダデータの他の例に対する従来のビーム形成により生成されるレンジドップラーのプロット図である。図２３ｂは目標のレンジにおける図２３ａのレンジドップラーのプロットのドップラー次元に沿った断面の図である。図２３ｃは目標のドップラー周波数における図２３ａのレンジドップラーのプロットのレンジ次元に沿った断面の図である。図２３ｄは目標のレンジおよびドップラー周波数における図２３ａのレーダデータのアジマスのプロット図である。 図２４ａは１３の雑音部分空間の次元を使用する本発明のスペクトル発生器により生成される図２３ａのレーダデータの高分解能のレンジドップラーのプロット図である。図２４ｂは目標のレンジにおける図２４ａの高分解能のレンジドップラーのプロットのドップラー次元に沿った断面の図である。図２４ｃは目標のドップラー周波数における図２４ａの高分解能のレンジドップラーのプロットのレンジ次元に沿った断面の図である。図２４ｄは目標のレンジおよびドップラー周波数における図２４ａの高分解能のレンジドップラーのプロットのアジマスのプロット図である。 図２５ａは５の雑音部分空間の次元を使用する本発明のスペクトル発生器により生成される図２３ａのレーダデータの高分解能のレンジドップラーのプロット図である。図２５ｂは目標のレンジにおける図２５ａの高分解能のレンジドップラーのプロットのドップラー次元に沿った断面の図である。図２５ｃは目標のドップラー周波数における図２５ａの高分解能のレンジドップラーのプロットのレンジ次元に沿った断面の図である。図２５ｄは目標のレンジおよびドップラー周波数における図２５ａの高分解能のレーダデータのアジマスのプロット図である 本発明によるスペクトル平滑化を利用するスペクトル発生器の代案実施形態のブロック図である。 本発明によるスペクトル平滑化を利用するスペクトル発生方法の代案実施形態のフローチャートである。 図２８ａはセンサからのレーダデータおよびレーダデータを使用したシミュレートされた目標のドップラーのプロット図である。図２８ｂは図２８ａのドップラーデータを伴う従来のビーム形成により生成される図２８ａのデータのドップラーのプロット図である。 図２９ａは１３の雑音部分空間を使用する目標のレンジにおける図２８ａのレーダデータの高分解能のドップラーのプロット図である。図２９ｂは１３の雑音部分空間を使用する目標のドップラー周波数における図２８ａのレーダデータの高分解能のレンジのプロット図である。図２９ｃは１３の雑音部分空間を使用する目標のレンジおよびドップラー周波数における図２８ａのレーダデータの高分解能のアジマスのプロット図である。 図３０ａは本発明のスペクトル平滑化方法を使用する目標のレンジにおける図２８ａのレーダデータの高分解能のドップラーのプロット図である。図３０ｂは本発明のスペクトル平滑化方法を使用する目標のドップラー周波数における図２８ａのレーダデータの高分解能のレンジのプロット図である。図３０ｃは本発明のスペクトル平滑化方法を使用する目標のレンジおよびドップラー周波数における図２８ａのレーダデータの高分解能のアジマスのプロット図である。 図３１ａは本発明のスペクトル発生器およびスペクトル平滑化を使用する図２４ａのレーダデータに対する高分解能のレンジドップラーのプロット図である。図３１ｂは目標のレンジにおける図３１ａの高分解能のレンジドップラーのプロットのドップラー次元にそった断面の図である。図３１ｃは目標のドップラー周波数における図３１ａの高分解能のレンジドップラーのプロットのレンジ次元にそった断面の図である。図３１ｄは目標のレンジおよびドップラー周波数における図３１ａのレーダデータの高分解能のアジマスのプロット図である。 雑音抑制モジュールおよび共分散行列平滑化器を組み込む本発明によるスペクトル発生器の代案実施形態を示す図である。 雑音抑制および共分散行列平滑化の工程を組み込む本発明によるスペクトル発生方法の代案実施形態を示す図である。 図３４ａは線形アレイの図である。図３４ｂは均一な環状アレイの図である。図３４ｃはアレイマニフォルドにおいて使用される記号により表される物理量を示す均一な環状アレイの図である。

Claims (50)

1. レーダのためのスペクトル発生器であって、
   ａ）ウインドウを発生するためのウインドウ発生器であって、前記ウインドウは
   複数のレンジドップラーのセルを規定するウインドウ発生器と、
   ｂ）前処理されたレンジドップラーセンサのデータから前記ウインドウにおけるレンジドップラーのセルに対する共分散行列見積りを算出するために前記ウインドウ発生器と連絡する共分散行列計算器であって、前記共分散行列見積りは前記ウインドウ内の前記複数のレンジドップラーのセルの少なくとも一部に対して計算される共分散行列から計算される共分散行列計算器と、
   ｃ）位置行列および雑音部分空間行列見積りに基づき高分解能スペクトルベクトルを算出するために前記共分散行列計算器と連絡するスペクトル計算器であって、前記雑音部分空間行列見積りは前記共分散行列見積りから導出されるスペクトル計算器とを含むスペクトル発生器。
2. 前記共分散行列計算器は前記共分散行列の重み付けされた平均値に従って前記共分散行列見積もりを発生し、前記ウインドウ発生器は前記重み付けされた平均値に使用される重みを定義する請求項１に記載のスペクトル発生器。
3. 前記ウインドウ発生器はレーダの動作モードに従って前記ウインドウのサイズを変化させる請求項２に記載のスペクトル発生器。
4. 前記ウインドウ発生器はレーダの動作モードに従って前記ウインドウにおける重みを変化させる請求項２に記載のスペクトル発生器。
5. 前記ウインドウは、前記ウインドウの内部部分における第１の領域および前記第１の領域を取り囲む第２の領域を含む少なくとも２つの領域を有し、前記第２の領域における重みは前記第１の領域における重みより少ない、または、に等しい請求項２に記載のスペクトル発生器。
6. 前記ウインドウは、前記ウインドウの内部部分における第１の領域、前記第１の領域を取り囲む第２の領域、および、前記第１の領域を取り囲む第３の領域を含む３つの領域を有し、前記第２の領域における重みは前記第１の領域における重みより少ない、または、に等しく、かつ、前記第３の領域における重みは前記第２の領域における重みより少ない、または、に等しい請求項２に記載のスペクトル発生器。
7. 前記スペクトル発生器は、
   ａ）前記共分散行列見積りを受信し、前記共分散行列見積りの前記雑音部分空間の少なくとも一部に基づき前記雑音部分空間行列見積りを算出するために、前記共分散行列計算器と連絡する部分空間計算器と、
   ｂ）前記高分解能スペクトルベクトルが発生されるアジマスを定義する少なくとも１つの位置ベクトルを有するための前記位置行列を発生するために、前記スペクトル計算器と連絡する位置行列発生器とをさらに含む請求項１に記載のスペクトル発生器。
8. 前記部分空間計算器は、
   ａ）前記共分散行列見積りを受信し、前記共分散行列見積りに特異値分解を実行するためのＳＶＤモジュールと、
   ｂ）前記雑音部分空間に対する次元ｂを選択するための、前記ＳＶＤと連絡する次元選択器と、
   ｃ）前記雑音部分空間行列見積りを算出するための、前記次元選択器および前記ＳＶＤモジュールと連絡する雑音部分空間行列計算器とを含む請求項７に記載のスペクトル発生器。
9. 前記スペクトル計算器は、Ａが前記位置行列であり、Ｎ_ｅｓｔが前記雑音部分空間行列見積りである
   

   

   により前記高分解能スペクトルベクトルを算出するように構成される請求項１に記載のスペクトル発生器。
10. 前記位置行列Ａにおける位置ベクトルＡ_θｉは、ｄが前記レンジドップラーセンサのデータを供給する線形アレイの間隔であり、Ｋが前記線形アレイにおけるセンサの数であり、θｉがアジマス角であり、かつ、λが送信されたレーダパルスの波長である
    

    

    により与えられる請求項９に記載のスペクトル発生器。
11. 前記位置行列Ａにおける位置ベクトルＡ_ｉ（φ、θ）は、ｄが均一環状アレイにおける隣接するセンサ間の円周上の間隔であり、Ｎが前記均一環状アレイにおけるセンサの数であり、φがアジマス角であり、かつ、Ｒが前記均一環状アレイの半径である
    

    

    により与えられる請求項９に記載のスペクトル発生器。
12. 各前方共分散行列（Ｃ_Ｆｉ）が
    Ｃ_Ｆｉ＝Ｃ_ｅｓｔ（ｉ：（Ｋ＋１−Ｇ＋ｉ−１），ｉ：（Ｋ＋１−Ｇ＋ｉ−１））
    に従って前記共分散行列見積り（Ｃ_ｅｓｔ）から得られる場合に、２つ以上の前方共分散行列を平均することにより前記共分散行列見積りを平滑化するために、前記共分散行列計算器と連絡する共分散行列平滑化器をさらに含む請求項１に記載のスペクトル発生器。
13. 各後方共分散行列（Ｃ_Ｂｉ）が
    Ｃ_Ｂｉ＝Ｃ^＊（（Ｋ＋１−ｉ）：（Ｇ＋１−ｉ），（Ｋ＋１−ｉ）：（Ｇ＋１−ｉ））
    に従って前記共分散行列見積り（Ｃ_ｅｓｔ）から得られる場合に、２つ以上の後方共分散行列を平均することにより前記共分散行列見積りを平滑化するために、前記共分散行列計算器と連絡する共分散行列平滑化器をさらに含む請求項１に記載のスペクトル発生器。
14. 各前方共分散行列（Ｃ_Ｆｉ）および各後方共分散行列（Ｃ_Ｂｉ）が、
    

    

    および
    

    

    に従って前記共分散行列見積り（Ｃ_ｅｓｔ）から得られる場合に、少なくとも１つのの前方共分散行列および少なくとも１つの後方共分散行列を平均することにより前記共分散行列見積りを平滑化するために、前記共分散行列計算器と連絡する共分散行列平滑化器をさらに含む請求項１に記載のスペクトル発生器。
15. 前記レンジドップラーセンサの前処理されたデータの代わりに雑音抑制されたレーダデータを前記共分散行列計算器に供給するための、前記共分散行列計算器と連絡する雑音抑制モジュールであって、前記雑音抑制されたレーダデータを生成するために、前記前処理されたレーダデータにおける外部干渉を見積り、かつ、前記外部干渉を抑制する雑音抑制モジュールをさらに含む請求項１に記載のスペクトル発生器。
16. 前記雑音抑制モジュールは、
    ａ）前記前処理されたレーダデータを受信し、整合レーダデータを生成するための第１の処理モジュールと、
    ｂ）前記前処理されたレーダデータを受信し、不整合レーダデータを生成するための第２の処理モジュールと、
    ｃ）整合および不整合レーダデータの一部を受信し、前記整合レーダデータの一部における外部干渉の見積りを生成するための、前記第１の処理モジュールおよび前記第２の処理モジュールと連絡する適合型ビーム形成器と、
    ｄ）前記整合レーダデータの一部からの前記外部干渉の見積りを抑制することにより前記雑音抑制されたレーダデータの一部を供給するための、前記第１の処理モジュールおよび前記適合型ビーム形成器と連絡する抑制器を含む請求項１５に記載のスペクトル発生器。
17. レーダのためのスペクトル発生の方法であって、
    ａ）複数のレンジドップラーのセルを規定するウインドウを発生する工程と、
    ｂ）レンジドップラーセンサの前処理されたデータから前記ウインドウにおける問題のレンジドップラーのセルに対する共分散行列見積りを算出する工程であって、前記共分散行列見積りは、前記ウインドウ内の前記複数のレンジドップラーのセルの少なくとも一部に対して算出される共分散行列から発生される工程と、
    ｃ）位置行列および雑音部分空間行列見積りに基づき高分解能スペクトルベクトルを算出する工程であって、前記雑音部分空間行列見積りは前記共分散行列見積りから見積もられるスペクトル発生方法。
18. 工程（ｂ）は前記共分散行列の重み付けされた平均値に基づき前記共分散行列見積りを算出する工程であって、前記ウインドウは前記重み付けされた平均値において使用される重みを定義する工程を含む請求項１７に記載のスペクトル発生方法。
19. 工程（ａ）はレーダの動作モードに従って前記ウインドウのサイズを変化させる工程を含む請求項１８に記載のスペクトル発生方法。
20. 工程（ａ）はレーダの動作モードに従って前記ウインドウにおける重みを変化させる工程を含む請求項１８に記載のスペクトル発生方法。
21. 工程（ｃ）は、
    ｄ）前記共分散行列見積りの雑音部分空間の少なくとも一部に基づき前記雑音部分空間行列見積りを算出する工程と、
    ｅ）前記高分解能スペクトルベクトルが発生されるアジマスを規定する少なくとも１つの位置ベクトルを有する前記位置行列を発生する工程とを含む請求項１７に記載のスペクトル発生方法。
22. 工程（ｄ）は、
    ｉ）前記共分散行列見積りの特異値分解を実行する工程と、
    ｉｉ）前記雑音部分空間に対して次元を選択する工程と、
    ｉｉｉ）前記雑音部分空間行列見積りを算出する工程とを含む請求項２１に記載のスペクトル発生方法。
23. 工程（ｃ）は、Ａが前記位置行列であり、Ｎ_ｅｓｔが前記雑音部分空間行列見積りである
    

    

    に従って前記高分解能スペクトルベクトルを算出する工程を含む請求項１７に記載のスペクトル発生方法。
24. 各前方共分散行列（Ｃ_Ｆｉ）が
    Ｃ_Ｆｉ＝Ｃ_ｅｓｔ（ｉ：（Ｋ＋１−Ｇ＋ｉ−１），ｉ：（Ｋ＋１−Ｇ＋ｉ−１））
    に従って前記共分散行列見積り（Ｃ_ｅｓｔ）から得られる場合に、２つ以上の前方共分散行列を平均することにより前記共分散行列見積りを平滑化する工程をさらに含む請求項１７に記載のスペクトル発生方法。
25. 後方共分散行列（Ｃ_Ｂｉ）が
    Ｃ_Ｂｉ＝Ｃ^＊（（Ｋ＋１−ｉ）：（Ｇ＋１−ｉ），（Ｋ＋１−ｉ）：（Ｇ＋１−ｉ））
    に従って前記共分散行列見積り（Ｃ_ｅｓｔ）から得られる場合に、２つ以上の後方共分散行列を平均することにより前記共分散行列見積りを平滑化する工程をさらに含む請求項１７に記載のスペクトル発生方法。
26. 各前方共分散行列（Ｃ_Ｆｉ）および各後方共分散行列（Ｃ_Ｂｉ）が、
    

    

    および
    

    

    に従って前記共分散行列見積り（Ｃ_ｅｓｔ）から得られる場合に、少なくとも１つの前方共分散行列および少なくとも１つの後方共分散行列を平均することにより前記共分散行列見積りを平滑化する工程をさらに含む請求項１７に記載のスペクトル発生方法。
27. 工程（ｂ）において、前記レンジドップラーセンサの前処理されたデータの代わりに雑音抑制されたレーダデータを供給するための雑音抑制の工程をさらに含み、該工程は前記前処理されたレーダデータにおける外部干渉を見積り、前記雑音抑制されたレーダデータを供給するために前記外部干渉を抑制することによりなされる請求項１７に記載のスペクトル発生方法。
28. 前記雑音抑制の工程は、
    ｉ）整合レーダデータを生成するために前記前処理されたレーダデータを処理する工程と、
    ｉｉ）不整合レーダデータを生成するために前記前処理されたレーダデータを処理する工程と、
    ｉｉｉ）前記整合および前記不整合レーダデータの一部を選択し、前記整合レーダデータの一部における外部干渉の見積りを生成するために適合型ビーム形成を実行する工程と、
    ｉｖ）前記整合レーダデータの一部から前記外部干渉の見積りを抑制することにより前記雑音抑制されたレーダデータの一部を生成する工程
    を含む請求項２７に記載のスペクトル発生方法。
29. 前処理されたレーダデータにおける外部干渉を抑制するための雑音抑制モジュールであって、
    ａ）整合レーダデータを生成するために前記前処理されたレーダデータと連絡する第１の処理モジュールと、
    ｂ）不整合レーダデータを生成するために前記前処理されたレーダデータと連絡する第２の処理モジュールと、
    ｃ）前記整合レーダデータおよび前記不整合レーダデータの一部を受信し、前記整合レーダデータの一部における外部干渉の見積りを生成するための、前記各処理モジュールと連絡する適合型ビーム形成器と、
    ｄ）前記整合レーダデータの一部からの前記外部干渉の見積りを抑制することにより前記雑音抑制されたレーダデータの一部を供給するための、前記第１の処理モジュールおよび前記適合型ビーム形成器と連絡する抑制器、を含む雑音抑制モジュール。
30. レーダデータを保存するために前記抑制器と連絡する保存手段をさらに含む請求項２９に記載の雑音抑制モジュール。
31. 前記第１の処理モジュールは、
    ａ）レンジパルスセンサの整合データを生成するために前記前処理されたレーダデータと連絡する整合フィルタモジュールと、
    ｂ）レンジドップラーセンサの整合データを生成するために前記整合フィルタモジュールと連絡する第１のドップラー処理モジュールと、
    ｃ）与えられたセンサに対してレンジドップラーの整合データを選択するために前記第１のドップラー処理モジュールと連絡するセンサ選択器と、を含む請求項２９に記載の雑音抑制モジュール。
32. 前記第２の処理モジュールは、
    ａ）レンジパルスセンサの不整合データを生成するために前記前処理されたレーダデータと連絡する不整合フィルタモジュールと、
    ｂ）レンジドップラーセンサの不整合データを生成するために前記不整合フィルタモジュールと連絡する第２のドップラー処理モジュールと、
    ｃ）仮想予備センサアレイを構築し、前記仮想予備センサアレイに対してレンジドップラーセンサの不整合データを供給するために前記複数のセンサの少なくとも一部を選択するために前記第２のドップラー処理モジュールと連絡する予備アレイ選択器と、を含む請求項２９に記載の雑音抑制モジュール。
33. 前記第２の処理モジュールは、
    ａ）レンジパルスセンサの不整合データを生成するために前記前処理されたレーダデータと連絡する不整合フィルタモジュールと、
    ｂ）仮想予備センサアレイを構築し、前記仮想予備センサアレイに対してレンジパルスセンサの不整合データを供給するために前記複数のセンサの少なくとも一部を選択するために前記不整合フィルタモジュールと連絡する予備アレイ選択器と、
    ｃ）前記仮想予備センサアレイに対してレンジドップラーセンサの不整合データを生成するために前記予備アレイ選択器と連絡する第２のドップラー処理モジュールと、を含む請求項２９に記載の雑音抑制モジュール。
34. 前記第２の処理モジュールは、
    ａ）仮想予備センサアレイを構築し、前記仮想予備センサアレイに対して前処理されたレーダデータを供給するために前記複数のセンサの少なくとも一部を選択するために前記前処理されたレーダデータと連絡する予備アレイ選択器と、
    ｂ）前記予備センサアレイに対してレンジパルスセンサの不整合データを生成するために前記予備アレイ選択器と連絡する不整合フィルタモジュールと、
    ｃ）前記予備センサアレイに対してレンジドップラーセンサの不整合データを生成するために前記不整合フィルタモジュールと連絡する第２のドップラー処理モジュールと、を含む請求項２９に記載の雑音抑制モジュール
35. 前記適合型ビーム形成器は、
    ａ）前記不整合レーダデータの自己相関行列を算出するために前記第２の処理モジュールと連絡する自己相関行列計算器と、
    ｂ）反転自己相関行列を供給するために前記自己相関行列計算器と連絡する行列反転器と、
    ｃ）前記不整合レーダデータの一部および前記整合レーダデータの一部の相互相関を供給するために前記処理モジュールと連絡する相互相関器と、
    ｄ）前記反転自己相関行列および前記相互相関に基づき適合型重みベクトルを算出するために前記行列反転器および前記相互相関器と連絡する重み計算器と、
    ｅ）前記適合型重みベクトルおよび前記不整合レーダデータの一部に基づき外部干渉の前記見積りを供給するために前記第２の処理モジュールおよび前記重み計算器と連絡する予備ビーム発生器と、を含む請求項２９に記載の雑音抑制モジュール。
36. 前記抑制器は、
    ａ）減算信号を供給するために前記整合レーダデータの一部から前記外部干渉の見積りを差し引くために前記第１の処理モジュールおよび前記適合型ビーム形成器と連絡する減算器と、
    ｂ）前記減算信号および前記整合レーダデータの一部に基づき前記雑音抑制されたレーダの一部を供給するために前記減算器および前記第１の処理モジュールと連絡する最小化器と、を含む請求項２９に記載の雑音抑制モジュール。
37. 順序統計濾過された整合レーダデータを生成するために前記第１の処理モジュールと連絡する順序統計フィルタモジュールをさらに含む請求項２９に記載の雑音抑制モジュール。
38. 前記順序統計フィルタモジュールは中央値濾過を実行する請求項３７に記載の雑音抑制モジュール。
39. 前記適合型ビーム形成器は、
    ａ）前記不整合レーダデータの一部の前記自己相関行列を算出するために前記第２の処理モジュールと連絡する自己相関行列計算器と、
    ｂ）反転自己相関行列を供給するために前記自己相関行列計算器と連絡する行列反転器と、
    ｃ）前記不整合レーダデータの一部と順序統計濾過された整合レーダデータの相互相関を提供するために前記順序統計フィルタモジュールおよび第２の処理モジュールと連絡する相互相関器と、
    ｄ）前記反転自己相関行列および前記相互相関に基づき適合型重みベクトルを算出するために前記行列反転器および前記相互相関器と連絡する重み計算器と、
    ｅ）前記適合型重みベクトルおよび前記不整合レーダデータの一部に基づく前記外部干渉の見積りを生成するために前記第２の処理モジュールおよび前記重み計算器と連絡する予備ビーム発生器と、を含む請求項３７に記載の雑音抑制モジュール。
40. 前処理されたレーダデータにおける外部干渉抑制の方法であって、
    ａ）整合レーダデータを生成するために前記前処理されたレーダデータを処理する工程と、
    ｂ）不整合レーダデータを生成するために前記前処理されたレーダデータを処理する工程と、
    ｃ）前記整合レーダデータの一部における前記外部干渉の見積りを生成するために、前記整合レーダデータの一部および前記不整合レーダデータの一部を選択し、適合型ビーム形成を実行する工程と、
    ｄ）前記整合レーダデータの一部から前記外部干渉の見積りを抑制することにより雑音抑制されたレーダデータの一部を生成する工程と、を含む方法。
41. ｅ）前記雑音抑制されたレーダデータの一部を保存する工程をさらに含む請求項４０に記載の方法。
42. 前記工程（ａ）は、
    ｉ）レンジパルスセンサの整合データを生成するために前記レーダデータを整合濾過する工程と、
    ｉｉ）レンジドップラーセンサの整合データを生成するために前記レンジパルスセンサの整合データをドップラー処理する工程と、
    ｉｉｉ）与えられたセンサに対してレンジドップラーの整合データの一部を選択する工程と、を含む請求項４０に記載の方法。
43. 前記工程（ｂ）は、
    ｉ）レンジパルスセンサの不整合データを生成するために前記前処理されたレーダデータを不整合濾過する工程と、
    ｉｉ）レンジドップラーセンサの不整合データを生成するために前記レンジパルスのセンサの不整合データをドップラー処理する工程と、
    ｉｉｉ）前記仮想予備センサアレイに対するレンジドップラーセンサの不整合データを供給するために前記複数のセンサの少なくとも一部から仮想予備センサアレイを構築する工程と、を含む請求項４０に記載の方法。
44. 前記工程（ｂ）は、
    ｉ）レンジパルスセンサの不整合データを生成するために前記前処理されたレーダデータを不整合濾過する工程と、
    ｉｉ）前記仮想予備センサアレイに対してレンジパルスセンサの不整合データを供給するために前記複数のセンサの少なくとも一部から仮想予備センサアレイを構築する工程と、
    ｉｉｉ）前記仮想予備センサアレイに対してレンジドップラーセンサの不整合データを生成するために前記仮想予備センサアレイからの前記レンジパルスのセンサの不整合データをドップラー処理する工程と、を含む請求項４０に記載の方法。
45. 前記工程（ｂ）は、
    ｉ）前記仮想予備センサアレイに対して前処理されたレーダデータを供給するために前記複数のセンサの少なくとも一部から仮想予備アレイを構築する工程と、
    ｉｉ）前記予備センサアレイに対してレンジパルスセンサの不整合データを生成するために前記仮想予備センサアレイからの前記前処理されたレーダデータを不整合濾過する工程と、
    ｉｉｉ）前記仮想予備センサアレイに対してレンジドップラーセンサの不整合データを生成するために前記レンジパルスセンサの不整合データをドップラー処理する工程と、を含む請求項４０に記載の方法。
46. 前記工程（ｃ）は、
    ｉ）自己相関行列を生成するために前記不整合レーダデータの一部を自己相関させる工程と、
    ｉｉ）反転自己相関行列を生成するために前記自己相関行列を反転させる工程と、
    ｉｉｉ）相互相関ベクトルを生成するために前記不整合レーダデータの一部および前記整合レーダデータの一部を相互相関させる工程と、
    ｉｖ）適合型重みベクトルを算出する工程と、
    ｖ）前記外部干渉の見積りを生成するために予備ビームを発生する工程と、を含む請求項４０に記載の方法。
47. 前記工程（ｄ）は、
    ｉ）減算信号を生成するために前記整合レーダデータの一部から前記外部干渉の見積りを減じる工程と、
    ｉｉ）前記減算信号および前記整合レーダデータの一部に基づき前記雑音抑制された整合レーダデータの一部を生成する工程と、を含む請求項４０に記載の方法。
48. 順序統計濾過された整合レーダデータを生成するために前記整合レーダデータに対して順序統計濾過を実行する工程をさらに含む請求項４０に記載の方法。
49. 前記順序統計濾過の工程は中央値濾過を含む請求項４８に記載の方法。
50. 工程（ｃ）は、
    ｉ）自己相関行列を生成するために前記不整合レーダデータの一部を自己相関させる工程と、
    ｉｉ）反転自己相関行列を生成するために前記自己相関行列を反転させる工程と、
    ｉｉｉ）相互相関ベクトルを生成するために前記不整合レーダデータの一部と順序統計濾過された整合レーダデータの一部を相互相関させる工程と、
    ｉｖ）適合型重みベクトルを算出する工程と、
    ｖ）前記外部干渉見積りを生成するために予備ビームを発生する工程と、を含む請求項４８に記載の方法。

Images