JP2018048862A - レーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラム - Google Patents

Abstract

【課題】より迅速に物体の種別を判別することができるレーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラムを提供することである。
【解決手段】実施形態のレーダ信号処理装置は、レーダ画像取得部と、特徴ベクトル導出部と、物体種別判別部とを持つ。レーダ画像取得部は、レーダ画像を取得する。特徴ベクトル導出部は、少なくとも前記レーダ画像取得部により取得されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出する。物体種別判別部は、前記特徴ベクトル導出部により導出された特徴ベクトルを、前記特徴ベクトルの複数の要素を軸とした特徴空間に設定された境界面を用いて分類することで、前記取得部により取得されたレーダ画像の表す物体の種別を判別する。
【選択図】図２

Description

本発明の実施形態は、レーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラムに関する。

従来、レーダ装置の受信信号に基づいてレーダ画像を生成し、レーダ画像に基づいて、レーダ装置の検知した物体の種別を判別する技術が知られている。従来の技術では、レーダ画像の形状等をデータベースに格納されたモデルと比較していたため、比較処理に要する時間が増大するという課題があった。レーダ装置からの物体の見え方（姿勢）によってレーダ画像も異なる形状を示すため、姿勢ごとのモデルを用意する必要があることも、比較処理に要する時間を長くする要因となっている。

特開２０００−２７５３３８号公報 特開２０１３−２１０２０７号公報

本発明が解決しようとする課題は、より迅速に物体の種別を判別することができるレーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラムを提供することである。

実施形態のレーダ信号処理装置は、レーダ画像取得部と、特徴ベクトル導出部と、物体種別判別部とを持つ。レーダ画像取得部は、レーダ画像を取得する。特徴ベクトル導出部は、少なくとも前記レーダ画像取得部により取得されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出する。物体種別判別部は、前記特徴ベクトル導出部により導出された特徴ベクトルを、前記特徴ベクトルの複数の要素を軸とした特徴空間に設定された境界面を用いて分類することで、前記取得部により取得されたレーダ画像の表す物体の種別を判別する。

レーダ信号処理装置が適用されるレーダシステム１の構成例を示す図。 レーダ信号処理部１００の機能構成の一例を示す図。 レーダ画像生成部１１０による主な処理の流れを示す図。 レーダ画像生成部１１０により生成されるレーダ画像の一例を示す図。 物体種別判別部１３０による処理の内容を模式的に示す図。 学習段階における処理の流れの一例を示すフローチャート図。 運用段階における処理の流れの一例を示すフローチャート図。 レーダ信号処理部１００により実行される処理の他の一例を示すフローチャート図。

以下、実施形態のレーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラムを、図面を参照して説明する。

図１は、レーダ信号処理装置が適用されるレーダシステム１の構成例を示す図である。レーダシステム１は、例えば、アンテナ１０と、サーキュレータ２０と、送信部３０と、受信部４０と、記憶部６０と、入力部７０と、表示部８０と、レーダ信号処理部（レーダ信号処理装置）１００とを備える。レーダシステム１は、移動体に搭載されて移動しながら使用されてもよいし、静止した状態で使用されてもよい。

アンテナ１０は、任意の形態のアンテナである。サーキュレータ２０は、送受信信号を分離するための循環回路である。すなわち、サーキュレータ２０は、送信部３０により生成されたＲＦ信号をアンテナ１０へ供給し、アンテナ１０により受信された反射エコーを受信信号として受信部４０へ供給する。

送信部３０は、例えば、所定の送信周期でＲＦ信号を生成し、生成したＲＦ信号を、サーキュレータ２０を介してアンテナ１０から空間へ送信する。アンテナ１０により送信された送信波の一部は、物体によって反射され、反射エコーとしてアンテナ１０により受信される。

受信部４０は、送信部３０がＲＦ信号を生成する送信周期に基づく周期でアンテナ１０から供給される信号に基づいて、レーダ受信信号を生成する。受信部４０は、生成したレーダ受信信号をレーダ信号処理部１００に出力する。

記憶部６０は、例えば、ＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）、ＨＤＤ（Hard Disk Drive）、フラッシュメモリなどにより実現される。記憶部６０には、レーダ信号処理部１００により参照される各種情報が格納されている。また、記憶部６０には、レーダ信号処理部１００がＣＰＵ（Central Processing Unit）などのプロセッサを含む場合、プロセッサにより実行されるプログラム（レーダ信号処理プログラム）が格納されてよい。

入力部７０は、レーダシステム１のオペレータによる入力操作を受け付ける。入力部７０により受け付けられた入力操作は、入力操作の内容を示す信号に変換されてレーダ信号処理部１００に供給される。表示部８０は、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）表示装置などにより実現される。表示部８０は、レーダ信号処理部１００により処理された結果を表示する。

図２は、レーダ信号処理部１００の機能構成の一例を示す図である。図示するように、レーダ信号処理部１００は、レーダ画像生成部１１０と、特徴ベクトル導出部１２０と、物体種別判別部１３０とを備える。これらの機能部は、例えば、ＣＰＵなどのプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの機能部のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）などのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアが協働することて実現されてもよい。

レーダ画像生成部１１０は、受信部４０から供給されるレーダ受信信号に基づいて、レーダ画像を生成する。以下の説明では、レーダ画像は、レンジ・ドップラ法により生成されるＩＳＡＲ（Inverse Synthetic Aperture Radar）画像であるものとするが、レーダ画像は、ＳＡＲ（Synthetic Aperture Radar）画像であってもよいし、前方監視レーダ画像や側方監視レーダ画像であってもよい。

図３は、レーダ画像生成部１１０による主な処理の流れを示す図である。図中、括弧内の符号はデータの軸を示しており、ｔは時間軸を、ｕは合成開口軸を、ωは時間軸のＦＦＴを、ｋｕは合成開口軸のＦＦＴを、それぞれ示している。

レーダ画像生成部１１０は、時間領域のデータとして入力されるレーダ受信信号に対して、ＦＦＴ（Fast Fourier Transform；高速フーリエ変換）を行って、周波数領域のレーダ受信信号を導出する。また、レーダ画像生成部１１０は、時間領域のデータであるレンジ参照信号に対してＦＦＴを行って、周波数領域のレンジ参照信号を導出する。そして、これらを掛け合わせることで、周波数領域のレンジ圧縮データを導出する。

更に、レーダ画像生成部１１０は、時間領域のデータであるクロスレンジ参照信号に対してＦＦＴを行って周波数領域のクロスレンジ参照信号を導出する。そして、周波数領域のレンジ圧縮データとクロスレンジ参照信号とを掛け合わせることで、周波数領域のクロスレンジ圧縮データを導出する。そして、レーダ画像生成部１１０は、周波数領域のクロスレンジ圧縮データに対して、２次元ＦＦＴを行って時間領域のクロスレンジ圧縮データを導出し、これに基づいて画像データを出力する。

図４は、レーダ画像生成部１１０により生成されるレーダ画像の一例を示す図である。図中、横軸はレンジ方向の距離を表し、縦軸はクロスレンジを表している。また、画像における濃淡（輝度）は、反射波の強度を示している。なお、レーダ画像生成部１１０は、「レーダ画像取得部」の一例である。これに限らず、「レーダ画像取得部」は、他装置において生成されてレーダ画像を通信によって取得するものであってもよい。

特徴ベクトル導出部１２０は、少なくともレーダ画像生成部１１０により生成（取得）されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出する。特徴ベクトルの要素は、例えば、レーダ画像により表される物体の形状、大きさ、重心の相対位置のうち一つを少なくとも含む。形状とは、予め用意された大まかな形状パターンのうち該当形状を示す情報である。大まかな形状パターンは、物体の種別を判別可能なほど高精度な形状パターンでなくてもよく、パターンマッチング処理によって物体の種別を判別する際の照合処理に比して、短時間でレーダ画像と比較可能な形状パターンである。大きさとは、距離成分を加味した実際の大きさであってもよいし、画像における大きさであってもよい。また、重心の相対位置は、物体の占める空間における重心の偏り度合を示す指標値である。重心を求める際に、輝度に基づく重みが画素に付与されてもよい。

また、特徴ベクトルの要素は、レーダ画像により表される物体の速度、または受信部４０により測定される受信強度に関する指標値を含んでもよい。物体の速度は、レーダ画像生成部１１０の処理の過程、或いはこれと別に行われる信号処理によって求められる。また、受信強度に関する指標値とは、受信強度を表すレーダ画像中の輝度について、最大値、平均値、周辺分布（分散）などの統計値を求めたものである。

また、特徴ベクトルの要素は、レーダ応答情報を含んでもよい。レーダ応答情報とは、レーダ画像生成部１１０の処理とは別に行われる信号処理によって求められるものであり、物体の材質、誘電率、表面粗度などを含む。

このようにして、特徴ベクトル導出部によって、上記列挙した要素のうち一部または全部を含む特徴ベクトルが導出される。

物体種別判別部１３０は、特徴ベクトル導出部１２０により導出された特徴ベクトルを、特徴ベクトルの複数の要素を軸とした特徴空間に設定された境界面を用いて分類することで、レーダ画像の表す物体の種別を判別する。

図５は、物体種別判別部１３０による処理の内容を模式的に示す図である。図５は、特徴ベクトルが３次元ベクトルであることを前提としている。この場合、物体種別判別部１３０は、第１物体と第２物体との境界面（超平面）ＳＡ、第２物体と第３物体との境界面ＳＢのそれぞれに対していずれの側に存在するかを判定することで、第１物体、第２物体、第３物体の中からレーダ画像により表される物体の種別を選択する。境界面（超平面）の情報は、記憶部６０に格納されている。なお、超平面は、特徴ベクトルの次数をｎとすると、ｎ‐１次元の空間である。

境界面は、例えば、ＳＶＭ（Support Vector Machine）やニューラルネットワークなどの機械学習によって、予め取得されたものである。すなわち、教師データを与えることによって、最適な境界面が導出されており、物体種別判別部１３０は、これを用いて物体の種別を判別する。

図６は、学習段階における処理の流れの一例を示すフローチャートである。本フローチャートの処理は、レーダ信号処理部１００により実行されてもよいし、他の装置によって実行されてもよい。以下の説明では、処理の実行主体を「学習装置」と称して説明する。

まず、学習装置は、レーダ受信信号と、正解データとを取得する（ステップＳ２００）。レーダ受信信号は、実際にレーダ装置において取得された信号であってもよいし、シミュレーションなどにより生成した疑似信号であってもよい。また、正解データとは、レーダ受信信号の元となった物体の種別を特定するデータである。

次に、学習装置は、実施形態のレーダ画像生成部１１０と同様の手法により、レーダ画像を生成し（ステップＳ２０２）、特徴ベクトル導出部１２０と同様の手法により、特徴ベクトルを導出する（ステップＳ２０４）。そして、学習装置は、ステップＳ２０４で導出した特徴ベクトルとステップＳ２００で取得された正解データとを対応付けて記憶部に記憶させる（ステップＳ２０６）。

次に、学習装置は、他に入力データが存在するか否かを判定する（ステップＳ２０８）。他に入力データが存在する場合、ステップＳ２００の処理に戻る。他に入力データが存在しない場合、学習装置は、ステップＳ２０６で記憶された特徴ベクトルと正解データとの組に基づいて、機械学習を実行する（ステップＳ２１０）。これによって、レーダ信号処理部１００が使用する境界面の情報が得られることになる。

図７は、運用段階における処理の流れの一例を示すフローチャートである。本フローチャートの処理は、レーダ信号処理部１００によって、例えば所定周期で繰り返し実行される。

まず、レーダ信号処理部１００は、受信部４０からレーダ受信信号を取得する（ステップＳ３００）。次に、前述したように、レーダ画像生成部１１０が、レーダ画像を生成し（ステップＳ３０２）、特徴ベクトル導出部１２０が、特徴ベクトルを導出する（ステップＳ３０４）。そして、物体種別判別部１３０が、学習段階における処理のステップＳ２１０で得られた境界面の情報を用いて、物体の種別を判定する（ステップＳ３０６）。レーダ信号処理部１００は、物体種別判別部１３０による判別結果を、表示部８０などを用いて出力する（ステップＳ３０８）。

係る処理によって、実施形態のレーダ信号処理部１００は、より迅速かつ精度よく物体の種別を判別することができる。従来、レーダ画像を含めた「画像」に基づいて物体の種別を判別する際には、予め定めた形状モデルとの比較によって判別処理を行うことが多かった。ここで、一つの物体につき一つの形状モデルを用意する場合に限らず、物体のパーツごとの形状モデルが用意されることがあり、更に、物体の姿勢によって見え方が変化することもあるため、形状モデルとの比較処理は処理負荷の高いものとなっていた。これに対し、実施形態のレーダ信号処理部１００によれば、境界面を用いて特徴ベクトルを分類するという、比較的処理負荷の軽い処理を主として行うため、より迅速に物体の種別を判別することができる。また、特徴ベクトルに、レーダ画像に関する要素だけでなく、レーダ画像により表される物体の速度、または受信部４０により測定される受信強度に関する指標値、レーダ応答情報などを要素として含めることで、精度よく物体の種別を判別することができる。

実施形態のレーダ信号処理部１００は、図７に示す処理に代えて、以下に説明する図８の処理を実行してもよい。図８は、レーダ信号処理部１００により実行される処理の他の一例を示すフローチャートである。本フローチャートの処理は、レーダ信号処理部１００によって、例えば所定周期で繰り返し実行される。

まず、レーダ信号処理部１００は、受信部４０からレーダ受信信号を取得する（ステップＳ４００）。次に、レーダ信号処理部１００は、レーダ受信信号の表す物体を特定する（ステップＳ４０２）。レーダ受信信号に基づく物体の特定手法に関しては、種々の手法が知られているため説明を省略する。例えば、パルス圧縮、レンジ圧縮、クロスレンジ圧縮といった処理が適用される。また、アンテナ１０が複数の素子を備える場合、レーダビーム内における受信強度の強弱を把握することができるため、受信強度の分布や、受信強度の大きい領域の連結成分（画像処理におけるセグメント）などを基準として、物体を周辺領域と区別して特定することができる。特定される物体は、一つに限らず、複数の場合がある。次に、レーダ信号処理部１００は、ステップＳ４０４で特定した物体を、Ｓ／Ｎ比（Signal／Noise比）の高い順に順位付けする（ステップＳ４０４）。

次に、レーダ信号処理部１００は、ステップＳ４０４で順位付けした順に、物体を一つ選択する（ステップＳ４０６）。次に、レーダ信号処理部１００は、選択した物体の大きさが想定範囲内であるか否かを判定する（ステップＳ４０８）。選択した物体の大きさが想定範囲内でない場合、レーダ信号処理部１００は、ステップＳ４０６で未だ選択していない他の物体が存在するか否かを判定する（ステップＳ４１０）。他の物体が存在する場合はステップＳ４０６に戻り、他の物体が存在しない場合は本フローチャートの１ルーチンが終了する。

ステップＳ４０８において、大きさが想定範囲内であると判定された場合、前述したように、レーダ画像生成部１１０が、レーダ画像を生成し（ステップＳ４１２）、特徴ベクトル導出部１２０が、特徴ベクトルを導出する（ステップＳ４１４）。そして、物体種別判別部１３０が、学習段階における処理のステップＳ２１０で得られた境界面の情報を用いて、物体の種別を判定する（ステップＳ４１６）。レーダ信号処理部１００は、物体種別判別部１３０による判別結果を、表示部８０などを用いて出力する（ステップＳ４１８）。

係る処理によって、レーダ画像処理装置１００は、Ｓ／Ｎ比が小さい物体（すなわち反射強度が低く、対象物体である可能性が低いもの）、或いは、大きさが想定範囲外であるような物体については処理の対象から除外あるいは順序を下げるため、無駄な処理を省略して効率的な処理を行うことができる。

実施形態のレーダ信号処理装置は、例えば、飛行体に搭載されるレーダシステムに適用することができ、飛行しながら到達目標の種別を判定し、飛行経路を決定するといった利用方法が可能である。これらの他、実施形態のレーダ信号処理装置は、各種防衛用途に適用することができる。

以上説明した少なくともひとつの実施形態によれば、レーダ画像を取得するレーダ画像取得部（レーダ画像生成部１１０）と、少なくともレーダ画像取得部により取得されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出する特徴ベクトル導出部１２０と、特徴ベクトル導出部１２０により導出された特徴ベクトルを、特徴ベクトルの複数の要素を軸とした特徴空間に設定された境界面を用いて分類することで、レーダ画像取得部により取得されたレーダ画像の表す物体の種別を判別する物体種別判別部１３０とを持つことにより、より迅速に物体の種別を判別することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１…レーダシステム、１００…レーダ信号処理部、１１０…レーダ画像生成部、１２０…特徴ベクトル導出部、１３０…物体種別判別部

Claims (7)

1. レーダ画像を取得するレーダ画像取得部と、
   少なくとも前記レーダ画像取得部により取得されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出する特徴ベクトル導出部と、
   前記特徴ベクトル導出部により導出された特徴ベクトルを、前記特徴ベクトルの複数の要素を軸とした特徴空間に設定された境界面を用いて分類することで、前記取得部により取得されたレーダ画像の表す物体の種別を判別する物体種別判別部と、
   を備えるレーダ信号処理装置。
2. 前記特徴ベクトルは、少なくとも、前記レーダ画像により表される物体の形状、大きさ、重心の相対位置のうち少なくとも一つを要素とする、
   請求項１記載のレーダ信号処理装置。
3. 前記特徴ベクトルは、更に、前記レーダ画像により表される物体の速度を要素とする、
   請求項２記載のレーダ信号処理装置。
4. 前記特徴ベクトルは、更に、前記レーダ画像が生成される元となったレーダ装置における受信強度に関する指標値を要素とする、
   請求項２または３記載のレーダ信号処理装置。
5. 前記レーダ画像が生成される元となったレーダ装置におけるＳ／Ｎ比に基づいて前記レーダ装置により認識される物体を順位付し、順位に従って選択した物体について、前記レーダ画像取得部がレーダ画像を生成する、
   請求項１から４のうちいずれか１項記載のレーダ信号処理装置。
6. コンピュータが、
   レーダ画像を取得し、
   少なくとも取得されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出し、
   前記導出した特徴ベクトルを、前記特徴量の複数の要素を軸とした特徴量空間に設定された境界面を用いて分類することで、前記取得されたレーダ画像の表す物体の種別を判別する、
   レーダ信号処理方法。
7. コンピュータに、
   レーダ画像を取得させ、
   少なくとも取得されたレーダ画像に基づいて、複数の要素を有する特徴ベクトルを導出させ、
   前記導出させた特徴ベクトルを、前記特徴量の複数の要素を軸とした特徴量空間に設定された境界面を用いて分類することで、前記取得されたレーダ画像の表す物体の種別を判別させる、
   レーダ信号処理プログラム。