JP2021124295A - 物標判別装置、レーダ装置、および物標判別方法 - Google Patents

Abstract

【課題】物標の種別の判別速度を向上できる物標判別装置、物標判別方法を提供する。【解決手段】本発明の物標判別装置２０の一つの態様は、物標に向けて放射された電波のうち物標によって反射された反射波から得られる受信信号に基づいて、物標の速度および物標までの距離についてのパワースペクトルを取得する信号処理部２１と、パワースペクトルの分布形状の特徴を表すパラメータを取得するパラメータ取得部２５ｃと、パラメータに基づいて、物標の種別を判別する判別部２５ｄと、を備える。【選択図】図４

Description

本発明は、物標判別装置、レーダ装置、および物標判別方法に関する。

物標に向けて電波を放射して物標の種別を判別する物標判別装置が知られている。例えば、特許文献１には、そのような物標判別装置を備え、車両に搭載されるレーダ装置が記載されている。

特開２０１９−６６２８７号公報

上記のような物標判別装置においては、物標に向けて放射された電波のうち物標によって反射された反射波から得られる情報に基づいて、物標の種別を判別する。例えば、特許文献１では、物標内の複数の検出点ごとの相対速度を検出することによって物標の種別の判別を行っている。しかし、この場合、複数の検出点ごとに計算処理を行う必要がある。そのため、計算コストが増大し、物標の種別の判別に時間が掛かる場合がある。

本発明は、上記事情に鑑みて、物標の種別の判別速度を向上できる物標判別装置、およびレーダ装置を提供することを目的の一つとする。また、本発明は、物標の種別の判別速度を向上できる物標判別方法を提供することを目的の一つとする。

本発明の物標判別装置の一つの態様は、物標に向けて放射された電波のうち前記物標によって反射された反射波から得られる受信信号に基づいて、前記物標の速度および前記物標までの距離についてのパワースペクトルを取得する信号処理部と、前記パワースペクトルの分布形状の特徴を表すパラメータを取得するパラメータ取得部と、前記パラメータに基づいて、前記物標の種別を判別する判別部と、を備える。

本発明のレーダ装置の一つの態様は、物標に向けて電波を放射する送信部と、前記物標に放射された前記電波のうち前記物標によって反射された反射波を受信信号として受信する受信部と、上記の物標判別装置と、を備える。

本発明の物標判別方法の一つの態様は、物標に向けて放射された電波のうち前記物標によって反射された反射波から得られる受信信号に基づいて、前記物標の速度および前記物標までの距離についてのパワースペクトルを取得する工程と、前記パワースペクトルの分布形状の特徴を表すパラメータを取得する工程と、前記パラメータに基づいて、前記物標の種別を判別する工程と、を含む。

本発明の一つの態様によれば、物標の種別の判別速度を向上できる。

図１は、本実施形態のレーダ装置が搭載された車両を模式的に示す部分断面図である。 図２は、本実施形態のレーダ装置における機能構成の一例を示す図である。 図３は、本実施形態のレーダ装置から物標に電波を放射した場合の一例を示す図である。 図４は、本実施形態の物標判別装置における機能構成の一例を示す図である。 図５は、本実施形態において、物標が歩行者である場合に取得されるパワースペクトルの一例を示す図である。 図６は、本実施形態において、物標が歩行者である場合に取得されるパワースペクトルに強調処理が施された状態の一例を示す図である。 図７は、本実施形態において、物標が自動車である場合に取得されるパワースペクトルに強調処理が施された状態の一例を示す図である。 図８は、本実施形態において、物標が自転車である場合に取得されるパワースペクトルに強調処理が施された状態の一例を示す図である。 図９は、本実施形態の記憶部に格納された速度分布の尖度および歪度の分布に関する情報の一例を示す図である。 図１０は、本実施形態の記憶部に格納された距離分布の尖度および歪度の分布に関する情報の一例を示す図である。 図１１は、本実施形態の物標判別方法の手順の一例を示すフローチャートである。 図１２は、本実施形態の判別処理工程の手順の一例を示すフローチャートである。

図１に示すように、本実施形態のレーダ装置１０は、車両１に搭載されている。レーダ装置１０は、例えば、車両１のフロントガラス１１の内側面に取り付けられている。レーダ装置１０は、フロントガラス１１を介して、車両１の前方を監視する。なお、図１において二点鎖線で示すように、レーダ装置１０は、車両１のリアガラス１２の内側面に取り付けられていてもよい。この場合、レーダ装置１０は、リアガラス１２を介して、車両１の後方を監視する。

図２に示すように、レーダ装置１０は、アンテナ部３０と、物標判別装置２０と、を備える。アンテナ部３０は、送信部３１と、受信部３２と、を有する。すなわち、レーダ装置１０は、送信部３１と、受信部３２と、を備える。図３に示すように、送信部３１は、物標Ｔに向けて電波Ｅを放射する。図３では、物標Ｔの例として、歩行者と、自動車と、自転車と、を示している。送信部３１は、例えば、物標判別装置２０からの信号に基づいて物標Ｔに電波Ｅを放射する。本実施形態において送信部３１が物標Ｔに向けて放射する電波Ｅは、ミリ波帯域のレーダ波である。なお、電波Ｅは、特に限定されず、例えば、マイクロ波帯域のレーダ波であってもよい。図２に示すように、受信部３２は、物標Ｔに放射された電波Ｅのうち物標Ｔによって反射された反射波Ｒを受信信号として受信する。受信部３２は、受信した受信信号を物標判別装置２０に出力する。

物標判別装置２０は、受信部３２から出力された受信信号に基づいて物標Ｔの種別を判別する装置である。本実施形態において物標判別装置２０は、ミリ波のドップラー効果を利用して、物標Ｔの種別を判別する。物標判別装置２０は、走行支援電子制御装置４０に接続されている。走行支援電子制御装置４０は、車両１の走行支援を行う装置である。走行支援電子制御装置４０は、車両１に搭載された各装置を制御する。走行支援電子制御装置４０には、物標判別装置２０から物標Ｔの種別を示す信号等の信号が出力される。図４に示すように、物標判別装置２０は、信号処理部２１と、ピーク検出部２２と、方位推定部２３と、追尾処理部２４と、判別処理部２５と、記憶部２６と、を備える。

信号処理部２１は、反射波Ｒから得られる受信信号に基づいて、物標Ｔの速度および物標判別装置２０から物標Ｔまでの距離についてのパワースペクトルを取得する。本実施形態において信号処理部２１は、反射波Ｒから得られる受信信号に対して、２次元フーリエ変換を用いた周波数解析を行い、パワースペクトルを得る。信号処理部２１は、所定のフレームレートで、単位時間ごとにパワースペクトルを得る。

図５は、信号処理部２１によって取得されるパワースペクトルの一例を示す図である。図５においては、パワースペクトルの色が黒に近いほど強度が強く、パワースペクトルの色が白に近いほど強度が弱い。図５に示すパワースペクトルは、例えば、物標Ｔが歩行者である場合に、歩行者に前方から電波Ｅを放射した場合に得られるパワースペクトルである。図５においては、信号処理部２１によって取得されるパワースペクトルの一部分のみが示されている。図５に示すように、信号処理部２１によって取得されるパワースペクトルは、例えば、縦軸を速度、横軸を距離として得られる。図５において縦軸は、後述するピークＰとして検出される物標Ｔの検出点の速度を基準とする相対速度を示している。図５において横軸は、物標判別装置２０から、後述するピークＰとして検出される物標Ｔの検出点までの距離を基準とする相対距離を示している。

ピーク検出部２２は、信号処理部２１において得られたパワースペクトルから１つの物標Ｔに対して１つのピークＰを検出する。ピーク検出部２２は、信号処理部２１において得られたパワースペクトルに対して閾値処理を行い、最も強度が大きい１つのピークＰを検出する。図５においてピークＰは、相対距離および相対速度が共にゼロとなる中心の点である。例えば、歩行者の場合、ピークＰとして検出される検出点は、胴体部分となる。

方位推定部２３は、ピーク検出部２２によってピークＰとして検出された検出点がレーダ装置１０を基準としてどの方位に位置するかを推定する。方位推定部２３は、検出点によって反射された反射波Ｒがどの方位からレーダ装置１０に到来したかを推定する。方位推定部２３による方位の推定方法は、特に限定されない。方位推定部２３は、いかなる公知の推定方法を用いて検出点の方位を推定してもよい。

追尾処理部２４は、信号処理部２１において異なる時間に得られた複数のパワースペクトルから、同一の物標Ｔを示すパワースペクトルを判別する。追尾処理部２４は、方位推定部２３において推定された方位、物標Ｔまでの距離、および物標Ｔの速度等から、同一の物標Ｔを示すパワースペクトルを判別する。追尾処理部２４によって、信号処理部２１において単位時間ごとに得られる複数のパワースペクトルから、それぞれ同一の物標Ｔを示す複数のスペクトルデータを取り出すことが可能になる。これにより、例えば、図３に示すように、送信部３１から放射される電波Ｅの範囲内に複数の物標Ｔが含まれる場合であっても、同一の物標Ｔについてのパワースペクトルを単位時間ごとに追尾することができる。

判別処理部２５は、信号処理部２１において得られたパワースペクトルから物標Ｔの種別を判別する。図４に示すように、判別処理部２５は、強調処理部２５ａと、切り出し部２５ｂと、パラメータ取得部２５ｃと、判別部２５ｄと、を有する。すなわち、物標判別装置２０は、強調処理部２５ａと、切り出し部２５ｂと、パラメータ取得部２５ｃと、判別部２５ｄと、を備える。

強調処理部２５ａは、信号処理部２１において得られたパワースペクトルに対して強調処理を実行する。本実施形態において強調処理部２５ａは、対数変換処理を用いて、パワースペクトルを強調する。図６は、強調処理部２５ａによって、図５に示すパワースペクトルに強調処理が施された状態の一例を示す図である。図６においても、図５と同様に、パワースペクトルの色が黒に近いほど強度が強く、パワースペクトルの色が白に近いほど強度が弱い。強調処理は、パワースペクトルにおいて強度が相対的に小さいピークを強調する処理である。図６に示すように、強調処理部２５ａによって強調処理が施されることによって、パワースペクトルの分布形状を強調することができる。図６においても、図５と同様に、縦軸は、ピークＰとして検出される物標Ｔの検出点の速度を基準とする相対速度を示しており、横軸は、物標判別装置２０から、ピークＰとして検出される物標Ｔの検出点までの距離を基準とする相対距離を示している。

なお、本実施形態において、単に「相対速度」というときは、ピークＰを基準とする速度を意味し、単に「相対距離」というときは、ピークＰを基準とする距離を意味する。また、本実施形態において、単に「速度」というときは、レーダ装置１０を基準とする速度を意味し、単に「距離」というときは、レーダ装置１０を基準とする距離を意味する。なお、レーダ装置１０によって取得される速度は、絶対速度であってもよい。

なお、図７および図８は、図６と同様に強調処理が施された状態のパワースペクトルを示す図である。図７および図８においても、図５と同様に、パワースペクトルの色が黒に近いほど強度が強く、パワースペクトルの色が白に近いほど強度が弱い。図７に示すパワースペクトルは、例えば、物標Ｔが自動車である場合に、自動車に前方から電波Ｅを放射した場合に得られるパワースペクトルである。図８に示すパワースペクトルは、例えば、物標Ｔが自転車である場合に、自転車に前方から電波Ｅを放射した場合に得られるパワースペクトルである。図７および図８においても、図５および図６と同様に、縦軸は、ピークＰとして検出される物標Ｔの検出点の速度を基準とする相対速度を示しており、横軸は、ピークＰとして検出される物標Ｔの検出点までの距離を基準とする相対距離を示している。例えば、自動車および自転車の場合、ピークＰとして検出される検出点は、車体部分となる。

切り出し部２５ｂは、信号処理部２１において得られたパワースペクトルから、ピーク検出部２２で得られたピークＰを中心とする所定範囲を切り出す。本実施形態において切り出し部２５ｂは、図５から図８に示すようなピークＰを中心とする矩形状の範囲を所定範囲として切り出す。この所定範囲のサイズは、相対速度および相対距離のそれぞれにおいて適宜決めることができる。

パラメータ取得部２５ｃは、信号処理部２１によって取得されたパワースペクトルの分布形状の特徴を表すパラメータを取得する。本明細書において「パワースペクトルの分布形状の特徴を表すパラメータ」とは、複数の検出点ごとに方位、距離、および速度を算出することなく、パワースペクトルの分布形状から直接的に算出して得られるパラメータを含む。また、本明細書において「パワースペクトルの分布形状」とは、図６から図８に示されるパワースペクトルの外形状だけではなく、強度の分布も含む。

本実施形態においてパラメータ取得部２５ｃは、強調処理部２５ａによって強調処理を施されたパワースペクトルからパラメータを取得する。パラメータ取得部２５ｃは、切り出し部２５ｂによって矩形状の範囲に切り出された後のパワースペクトルの分布形状の特徴を表すパラメータを取得する。すなわち、パラメータ取得部２５ｃは、パワースペクトルのうちピークＰを中心とする所定範囲内に含まれる部分からパラメータを取得する。

本実施形態においてパラメータ取得部２５ｃは、パワースペクトルの分布形状の特徴を表すパラメータを２種類以上取得する。より詳細には、パラメータ取得部２５ｃは、パラメータとして、物標Ｔの速度の分布についての尖度および歪度と、物標判別装置２０から物標Ｔまでの距離の分布についての尖度および歪度と、をパワースペクトルから取得する。本実施形態においてパラメータ取得部２５ｃは、追尾処理部２４によって同一の物標Ｔのパワースペクトルだと判断された複数のパワースペクトルからそれぞれ尖度および歪度を取得する。

なお、本実施形態において物標Ｔの速度の分布についての尖度および歪度と物標Ｔまでの距離の分布についての尖度および歪度とは、物標Ｔの速度および物標Ｔまでの距離が相対速度および相対距離に変換されたパワースペクトルから取得される。すなわち、本実施形態において物標Ｔの速度の分布についての尖度および歪度は、物標Ｔの相対速度の分布についての尖度および歪度とも表現できる。また、本実施形態において物標Ｔまでの距離の分布についての尖度および歪度は、物標Ｔまでの相対距離の分布についての尖度および歪度とも表現できる。

また、以下の説明においては、物標Ｔの速度の分布についての尖度および歪度と、物標Ｔの相対速度の分布についての尖度および歪度とを、単に「速度の分布についての尖度および歪度」と呼ぶ場合がある。また、物標Ｔまでの距離の分布についての尖度および歪度と、物標Ｔまでの相対距離の分布についての尖度および歪度とを、単に「距離の分布についての尖度および歪度」と呼ぶ場合がある。

尖度は、パワースペクトルの強度分布の鋭さを表すパラメータである。物標Ｔの速度の分布についての尖度は、速度の強度分布の鋭さを表すパラメータである。具体的に図６から図８において、物標Ｔの速度の分布についての尖度は、縦軸におけるパワースペクトルの強度分布の鋭さである。図６から図８において、パワースペクトルの強度が或る程度強く出ている部分、すなわち着色して示されている部分の縦軸方向における分布範囲が大きいほど、速度の分布についての尖度は、小さい。一方、図６から図８において、強度が或る程度強く出ている部分の縦軸方向における分布範囲が小さいほど、速度の分布についての尖度は、大きい。

物標Ｔまでの距離の分布についての尖度は、距離の強度分布の鋭さを表すパラメータである。具体的に図６から図８において、物標Ｔまでの距離の分布についての尖度は、横軸におけるパワースペクトルの強度分布の鋭さである。図６から図８において、強度が或る程度強く出ている部分、すなわち着色して示されている部分の横軸方向における分布範囲が大きいほど、距離の分布についての尖度は、小さい。一方、図６から図８において、強度が或る程度強く出ている部分の横軸方向における分布範囲が小さいほど、距離の分布についての尖度は、大きい。

図６から図８に示すように、自転車の速度の分布についての尖度は、歩行者の速度の分布についての尖度、および自動車の速度の分布についての尖度よりも大きい。歩行者の速度の分布についての尖度と自動車の速度の分布についての尖度とは、同程度である。歩行者の距離の分布についての尖度は、自転車の距離の分布についての尖度よりも大きい。自転車の距離の分布についての尖度は、自動車の距離の分布についての尖度よりも大きい。

自動車は、歩行者および自転車に比べて大型であるため、レーダ装置１０からの距離のバラつきが大きい。そのため、自動車の距離の分布についての尖度は、比較的小さくなりやすい。自転車においては、タイヤが自動車よりも細く、電波Ｅを反射しにくい。そのため、自転車においては、速度の分布に広がりが出にくい。これにより、自転車の速度の分布についての尖度は、比較的大きくなりやすい。

歪度は、パワースペクトルの強度分布の非対称性を表すパラメータである。物標Ｔの速度の分布についての歪度は、速度の強度分布の非対称性を表すパラメータである。具体的に図６から図８において、物標Ｔの速度の分布についての歪度は、縦軸におけるパワースペクトルの強度分布の非対称性である。相対速度がゼロとなる中心を挟んだ上下両側におけるパワースペクトルの強度分布の非対称性が大きいほど、歪度は大きい。一方、相対速度がゼロとなる中心を挟んだ上下両側におけるパワースペクトルの強度分布の非対称性が小さいほど、歪度は小さい。

物標Ｔまでの距離の分布についての歪度は、距離の強度分布の非対称性を表すパラメータである。具体的に図６から図８において、物標Ｔまでの距離の分布についての歪度は、横軸におけるパワースペクトルの強度分布の非対称性である。相対距離がゼロとなる中心を挟んだ左右両側におけるパワースペクトルの強度分布の非対称性が大きいほど、歪度は大きい。一方、相対距離がゼロとなる中心を挟んだ左右両側におけるパワースペクトルの強度分布の非対称性が小さいほど、歪度は小さい。

歩行者の速度の分布についての歪度は、自転車の速度の分布についての歪度、および自動車の速度の分布についての歪度よりも大きい。自転車の距離の分布についての歪度、および自動車の距離の分布についての歪度は、歩行者の距離の分布についての歪度よりも大きい。例えば、歩行者は、腕は前後両方向に移動するのに対して、脚は前方にしか動かないため、物標判別装置２０に接近するときは、相対速度が負となるパワースペクトルの強度が、相対速度が正となるパワースペクトルの強度よりも大きくなる。一方、歩行者が物標判別装置２０から離反するときは、相対速度が正となるパワースペクトルの強度が、相対速度が負となるパワースペクトルの強度よりも大きくなる。そのため、歩行者の速度の分布についての歪度は、比較的大きくなりやすく、接近と離反とで符号の正負が反転する。なお、図５および図６は、歩行者が物標判別装置２０から離反する場合の例を示している。

自動車および自転車においては、タイヤがレーダ装置１０に対して接近と離反とを規則的に繰り返すため、相対速度が正となるパワースペクトルの強度と相対速度が負となるパワースペクトルの強度とが同程度なる。そのため、自動車および自転車の速度の分布についての歪度は、比較的小さくなりやすい。また、自動車は歩行者および自転車に比べて大型であり、かつ、レーダ装置１０からの距離が近い部分ほどパワースペクトルの強度が大きくなる。そのため、自動車の距離の分布についての歪度は、比較的大きくなりやすい。

パラメータ取得部２５ｃは、例えば、以下の式（１）〜式（５）に基づいて尖度および歪度を取得する。式（１）は、中心モーメントμ_ｐｑを求める式である。式（２）は、物標Ｔまでの距離の分布についての尖度ｋ_ｒを求める式である。式（３）は、物標Ｔの速度の分布についての尖度ｋ_ｄを求める式である。式（４）は、物標Ｔまでの距離の分布についての歪度ｓ_ｒを求める式である。式（５）は、物標Ｔの速度の分布についての歪度ｓ_ｄを求める式である。ｄは、パワースペクトルにおける相対速度である。ｒは、パワースペクトルにおける相対距離である。ｆ（ｄ，ｒ）は、相対速度ｄおよび相対距離ｒにおけるパワースペクトルの強度である。式（２）〜式（５）においては、式（１）のｐ，ｑにそれぞれ各尖度および各歪度を求めるために必要な値を適宜代入している。

判別部２５ｄは、パラメータ取得部２５ｃによって取得されたパラメータに基づいて、物標Ｔの種別を判別する。本実施形態において判別部２５ｄは、２種類以上のパラメータに基づいて、物標Ｔの種別を判別する。より詳細には、判別部２５ｄは、物標Ｔの速度の分布についての尖度および歪度と物標Ｔまでの距離の分布についての尖度および歪度とに基づいて、物標Ｔの種別を判別する。すなわち、判別部２５ｄは、尖度と歪度の２種類のパラメータに基づいて、物標Ｔの種別を判別する。判別部２５ｄは、記憶部２６に格納された尖度および歪度の分布に関する情報を参照して、物標Ｔの種別を判別する。

図９は、記憶部２６に格納された速度分布の尖度および歪度の分布に関する情報の一例である。図９では、歩行者、自動車、および自転車のそれぞれがレーダ装置１０に対して接近する場合と離反する場合とのそれぞれにおいて、速度分布の尖度の値および歪度の値がどのように分布しているかの一例が示されている。図１０は、記憶部２６に格納された距離分布の尖度および歪度の分布に関する情報の一例である。図１０では、歩行者、自動車、および自転車のそれぞれがレーダ装置１０に対して接近する場合と離反する場合とのそれぞれにおいて、距離分布の尖度の値および歪度の値がどのように分布しているかの一例が示されている。物標判別装置２０は、図９および図１０に示されるデータから、例えば、後述するマハラノビス距離Ｄを用いた機械学習によって各パラメータの分布を事前に学習する。事前に学習された各パラメータの分布情報は、記憶部２６に格納される。以上のように、記憶部２６には、物標Ｔの種別ごとのパラメータの分布に関する情報が格納されている。

判別部２５ｄは、図９および図１０に示されるデータ群に対して、パラメータ取得部２５ｃにおいて得られた尖度の値および歪度の値を照らして、物標Ｔの種別を判別する。具体的に判別部２５ｄは、例えば、図９および図１０に示されるデータ群に対する尖度の値および歪度の値のマハラノビス距離Ｄを計算し、尖度の値および歪度の値がいずれの種別のデータ群に最も近いかを判断する。マハラノビス距離Ｄは、例えば、以下の式（６）によって求められる。

判別部２５ｄは、マハラノビス距離Ｄが最も小さくなる種別を、物標Ｔの種別だと判断する。このように、本実施形態において判別部２５ｄは、記憶部２６に格納されたパラメータの分布に関する情報を参照して、物標Ｔの種別を判別する。

ここで、上述したように、本実施形態においてパラメータ取得部２５ｃは、追尾処理部２４によって同一の物標Ｔのパワースペクトルだと判断された複数のパワースペクトルからそれぞれ尖度および歪度を取得する。そのため、判別部２５ｄは、各パワースペクトルから得られた尖度および歪度のそれぞれについて、マハラノビス距離Ｄを計算する。この場合、判別部２５ｄは、例えば、複数のパワースペクトルから取得したマハラノビス距離Ｄの積が最も小さくなる種別を、物標Ｔの種別だと判断する。このように、本実施形態において判別部２５ｄは、複数のパワースペクトルから取得された各パラメータに基づいて、物標Ｔの種別を判別する。

なお、図９および図１０のようなデータ群を参照することで、判別部２５ｄは、物標Ｔの種別だけでなく、物標Ｔが物標判別装置２０に対して接近しているか、離反しているかを判別することもできる。

図１１に示すように、上述したレーダ装置１０の物標判別装置２０を用いた物標判別方法は、送信工程Ｓ１と、受信工程Ｓ２と、パワースペクトル取得工程Ｓ３と、ピーク検出工程Ｓ４と、方位推定工程Ｓ５と、追尾処理工程Ｓ６と、判別処理工程Ｓ７と、をこの順に含む。

送信工程Ｓ１は、物標Ｔに向けて電波Ｅを放射する工程である。本実施形態の送信工程Ｓ１においては、送信部３１から物標Ｔに向けて電波Ｅが送信される。受信工程Ｓ２は、物標Ｔに向けて放射された電波Ｅのうち物標Ｔによって反射された反射波Ｒを受信信号として受信する工程である。本実施形態の受信工程Ｓ２においては、受信部３２によって反射波Ｒが受信信号として受信される。

パワースペクトル取得工程Ｓ３は、反射波Ｒから得られる受信信号に基づいて、物標Ｔの速度および物標Ｔまでの距離についてのパワースペクトルを取得する工程である。本実施形態のパワースペクトル取得工程Ｓ３においては、信号処理部２１によって、上述したようにしてパワースペクトルが取得される。パワースペクトル取得工程Ｓ３によって、例えば、図５に一部分を示すようなパワースペクトルが取得される。

ピーク検出工程Ｓ４は、パワースペクトル取得工程Ｓ３において得られたパワースペクトルから１つの物標Ｔに対して１つのピークＰを検出する工程である。本実施形態のピーク検出工程Ｓ４においては、ピーク検出部２２によって、上述したようにしてピークＰが検出される。ピーク検出工程Ｓ４によって、例えば、図５に示されるピークＰが１つの検出点として検出される。

方位推定工程Ｓ５は、ピーク検出工程Ｓ４においてピークＰとして検出された検出点がレーダ装置１０を基準としてどの方位に位置するかを推定する工程である。本実施形態の方位推定工程Ｓ５においては、方位推定部２３によって、上述したようにして検出点の方位が推定される。

追尾処理工程Ｓ６は、パワースペクトル取得工程Ｓ３において異なる時間に得られた複数のパワースペクトルから、同一の物標Ｔを示すパワースペクトルを判別する工程である。本実施形態の追尾処理工程Ｓ６においては、追尾処理部２４によって、上述したようにして同一の物標Ｔを示すパワースペクトルを判別する。

判別処理工程Ｓ７は、パワースペクトル取得工程Ｓ３において得られたパワースペクトルから物標Ｔの種別を判別する工程である。本実施形態において判別処理工程Ｓ７は、判別処理部２５によって行われる。図１２に示すように、判別処理工程Ｓ７は、強調処理工程Ｓ７ａと、切り出し工程Ｓ７ｂと、パラメータ取得工程Ｓ７ｃと、判別工程Ｓ７ｄと、を含む。すなわち、本実施形態の物標判別方法は、強調処理工程Ｓ７ａと、切り出し工程Ｓ７ｂと、パラメータ取得工程Ｓ７ｃと、判別工程Ｓ７ｄと、を含む。

強調処理工程Ｓ７ａは、パワースペクトル取得工程Ｓ３において得られたパワースペクトルに対して強調処理を実行する工程である。本実施形態の強調処理工程Ｓ７ａにおいては、強調処理部２５ａによって、上述したようにしてパワースペクトルに対して強調処理が実行される。強調処理工程Ｓ７ａによって、例えば、図５に示すパワースペクトルが、図６に示すパワースペクトルのように変化する。

切り出し工程Ｓ７ｂは、パワースペクトル取得工程Ｓ３において得られたパワースペクトルから、ピーク検出工程Ｓ４で得られたピークＰを中心とする所定範囲を切り出す工程である。本実施形態の切り出し工程Ｓ７ｂにおいては、切り出し部２５ｂによって、上述したようにしてパワースペクトルからピークＰを中心とする所定範囲が切り出される。

パラメータ取得工程Ｓ７ｃは、パワースペクトル取得工程Ｓ３において得られたパワースペクトルの分布形状の特徴を表すパラメータを取得する工程である。本実施形態のパラメータ取得工程Ｓ７ｃにおいては、パラメータ取得部２５ｃによって、上述したようにしてパワースペクトルの分布形状の特徴を表すパラメータが取得される。

上述したように、本実施形態のパラメータ取得工程Ｓ７ｃにおいてパラメータ取得部２５ｃは、パラメータを２種類以上取得する。また、本実施形態のパラメータ取得工程Ｓ７ｃにおいてパラメータ取得部２５ｃは、パラメータとして、速度の分布についての尖度および歪度と、距離の分布についての尖度および歪度と、をパワースペクトルから取得する。また、本実施形態のパラメータ取得工程Ｓ７ｃにおいてパラメータ取得部２５ｃは、パワースペクトルのうちピークＰを中心とする所定範囲内に含まれる部分、すなわち切り出し工程Ｓ７ｂにおいて切り出された部分からパラメータを取得する。また、本実施形態のパラメータ取得工程Ｓ７ｃにおいてパラメータ取得部２５ｃは、強調処理工程Ｓ７ａにおいて強調処理を施されたパワースペクトルからパラメータを取得する。

判別工程Ｓ７ｄは、パラメータ取得工程Ｓ７ｃにおいて取得されたパラメータに基づいて、物標Ｔの種別を判別する工程である。本実施形態の判別工程Ｓ７ｄにおいては、判別部２５ｄによって、上述したようにして、物標Ｔの種別が判別される。

上述したように、本実施形態の判別工程Ｓ７ｄにおいて判別部２５ｄは、パラメータ取得工程Ｓ７ｃにおいて得られた２種類以上のパラメータに基づいて、物標Ｔの種別を判別する。より詳細には、本実施形態の判別工程Ｓ７ｄにおいて判別部２５ｄは、速度の分布についての尖度および歪度と距離の分布についての尖度および歪度とに基づいて、物標Ｔの種別を判別する。また、本実施形態の判別工程Ｓ７ｄにおいて判別部２５ｄは、物標Ｔの種別ごとのパラメータの分布に関する情報を参照して、物標Ｔの種別を判別する。また、本実施形態の判別工程Ｓ７ｄにおいて判別部２５ｄは、複数のパワースペクトルから取得された各パラメータに基づいて、物標Ｔの種別を判別する。以上の工程により、物標Ｔの種別が判別される。

例えば、１つのパワースペクトルから複数の検出点を検出し、検出点ごとに方位推定を行って得られる距離および速度の広がり等に基づいて、物標Ｔの種別を判別することも可能である。しかし、この場合、複数の検出点のそれぞれに対して方位推定等の計算処理を行う必要があり、計算コストが増大する。そのため、物標Ｔの種別を判別するために要する時間が増大しやすい。また、比較的遠く離れた物標Ｔにおいては、ＳＮ比が低下して必要な数の検出点を検出できない場合があるため、物標Ｔの種別の判別精度が低下する虞がある。この場合、検出点の数が十分な数となるまで時間蓄積を行って、物標Ｔの種別を判別することで判別精度が低下することを抑制できる。しかし、この場合には物標Ｔの種別を判別するために要する時間がさらに増大しやすい。また、ＳＮ比の小さい検出点は方位推定の精度が悪いため判別精度が低下しやすい。

これに対して、本実施形態によれば、物標Ｔの速度および物標Ｔまでの距離についてのパワースペクトルの分布形状の特徴を表すパラメータに基づいて、物標Ｔの種別が判別される。パワースペクトルの分布形状の特徴をパラメータとして取得することで、パワースペクトルにおける１つの検出点から情報を得るよりも多くの情報量を得ることができる。そのため、１つの物標Ｔについて１つのパワースペクトルから複数の検出点を検出することなく、物標Ｔの種別を判別することができる。これにより、複数の検出点ごとに計算処理を行う場合に比べて、計算コストを低減できる。したがって、物標Ｔの種別の判別速度を向上できる。また、複数の検出点を検出する必要がないため、時間蓄積を行って情報量を増加させなくても、比較的遠く離れた物標Ｔの種別を判別しやすい。

また、本実施形態によれば、パワースペクトルからパワースペクトルの分布形状の特徴を表すパラメータを２種類以上取得し、２種類以上のパラメータに基づいて、物標Ｔの種別を判別する。そのため、１つのパワースペクトルから、より多くの情報量を得ることができる。これにより、物標Ｔの種別の判別精度をより向上できる。また、物標Ｔの種別の判別精度をより向上できるため、異なる時間に得られた複数のパワースペクトルからパラメータを取得しなくても、十分な判別精度を得やすい。これにより、物標Ｔの種別の判別速度をより向上できる。

また、本実施形態によれば、パワースペクトルの分布形状の特徴を表すパラメータとして、物標Ｔの速度の分布についての尖度および歪度と、物標Ｔまでの距離の分布についての尖度および歪度と、をパワースペクトルから取得し、それらのパラメータに基づいて、物標Ｔの種別を判別する。尖度および歪度は、他のパラメータに比べて、比較的パワースペクトルの分布形状の特徴が物標Ｔの種別によって異なりやすい。そのため、他のパラメータを用いる場合に比べて、物標Ｔの種別の判別精度をより向上できる。

また、本実施形態の記憶部２６には、各物標Ｔが接近する場合のパラメータの分布に関する情報と、各物標Ｔが離反する場合のパラメータの分布に関する情報と、が格納されている。そのため、本実施形態によれば、物標Ｔの種別だけでなく、物標判別装置２０に対して、物標Ｔが接近しているか、物標Ｔが離反しているか、を判別することもできる。このように、物標Ｔの動作ごとのパラメータの分布に関する情報を参照することで、物標Ｔの動作を判別することもできる。

また、本実施形態によれば、パワースペクトルのうちピークを中心とする所定範囲内に含まれる部分からパラメータを取得する。そのため、パワースペクトルのうち物標Ｔを判別するために必要な分布形状の特徴が表れている一部分を抜き出し、当該部分からパラメータを取得することができる。これにより、取得したパワースペクトルの全体形状からパラメータを取得する場合に比べて、物標Ｔの種別の判別精度を向上できる。また、パラメータを算出する際における計算コストも低減できるため、物標Ｔの種別の判別速度もより向上できる。

また、本実施形態によれば、強調処理を施されたパワースペクトルから、パワースペクトルの分布形状の特徴を表すパラメータを取得する。そのため、物標Ｔが比較的遠くに離れた位置にある場合であっても、パワースペクトルの分布形状を精度よく捉えることができる。したがって、物標Ｔの種別の判別精度をより向上できる。

また、本実施形態によれば、複数のパワースペクトルから取得された各パラメータに基づいて、物標Ｔの種別を判別する。そのため、物標Ｔの種別を判別するための情報をより多くすることができる。したがって、物標Ｔの種別の判別精度をより向上できる。

本発明は上述の実施形態に限られず、本発明の技術的思想の範囲内において、他の構成を採用することもできる。物標Ｔの速度および物標Ｔまでの距離についてのパワースペクトルの分布形状の特徴を表すパラメータは、特に限定されず、尖度および歪度以外のパラメータであってもよい。当該パラメータは、例えば、式（７）で表されるラドン変換値ｇ（ｓ，θ）が最大となるときのθの値、および式（８）で表されるモーメントＭ_ｐｑであってもよい。

式（７），（８）において、ｄは、相対速度であり、ｒは、相対距離である。ｓは、θ方向の軸の座標である。ｖは、θ方向の軸に直交する軸の座標である。ラドン変換値ｇ（ｓ，θ）は、相対速度ｄおよび相対距離ｒにおけるパワースペクトルの強度ｆ（ｄ，ｒ）を、θ方向の軸上に投影した値である。ラドン変換値ｇ（ｓ，θ）を用いる場合、ｓを全範囲で求めなくても、ｓが０となる中心部分の投影であるｇ（０，θ）が最大となるθの値を用いることで、物標Ｔの種別を判別可能である。モーメントＭ_ｐｑにおいては、例えば、ｐを０、ｑを１とすることで最も種別の判別を行いやすい。

ラドン変換値ｇ（０，θ）が最大となるときのθの値およびモーメントＭ_ｐｑの２種類のパラメータを算出する際の計算コストは、尖度および歪度を算出する際の計算コストよりも小さい。そのため、ラドン変換値ｇ（０，θ）が最大となるときのθの値およびモーメントＭ_ｐｑの２種類のパラメータを用いて物標Ｔの種別の判別を行うことで、物標Ｔの種別の判別速度をより向上できる。なお、尖度および歪度を用いる場合の方が、ラドン変換値ｇ（０，θ）が最大となるときのθの値およびモーメントＭ_ｐｑを用いる場合に比べて、物標Ｔの種別の判別精度を向上できる。

パワースペクトルの分布形状の特徴を表すパラメータとして取得されるパラメータの種類は、１種類であってもよいし、３種類以上であってもよい。例えば、上述した４種類のパラメータのうちから１つ以上の任意のパラメータを適宜選んで、物標Ｔの種別の判別を行ってもよい。

上述した実施形態においては、取得された尖度および歪度が、いずれの種別の物標Ｔの尖度および歪度であるかを判別する際に、マハラノビス距離Ｄを用いたが、これに限られない。例えば、サポートベクターマシンなどのパターン認識方法を用いて、取得された尖度および歪度がいずれの種別の物標Ｔの尖度および歪度であるかを判別してもよい。また、記憶部２６に格納される情報の機械学習を行う際に、サポートベクターマシンなどのパターン認識方法が用いられてもよい。

ピークを中心とする所定範囲は、パワースペクトルの分布形状の特徴を表すパラメータごとに変えてもよい。例えば、歪度を取得する際に用いる所定範囲と、尖度を取得する際に用いる所定範囲とは、互いに異なっていてもよい。この場合、切り出し工程Ｓ７ｂにおいて切り出し部２５ｂは、パワースペクトルから歪度を取得するための所定範囲と、パワースペクトルから尖度を取得するための所定範囲と、をそれぞれ切り出す。このように、パラメータごとにパワースペクトルから切り出す所定範囲を変えることで、判別精度をより向上できる。

パワースペクトルの分布形状の特徴を表すパラメータは、ピークを中心とする所定範囲内に含まれる部分から取得されなくてもよい。パワースペクトルの分布形状の特徴を表すパラメータは、取得されたパワースペクトルの全体から取得されてもよい。この場合であっても、例えば、レーダ装置１０に写る物標Ｔが１つのみで、記憶部２６に格納された尖度および歪度等のパラメータを学習したときと同様の環境下である場合等であれば、ピークを中心とする所定範囲内に含まれる部分から各パラメータを取得する場合と同等の判別精度で判別することも可能である。また、パワースペクトルの全体からパラメータを取得する場合、ピーク検出部２２および切り出し部２５ｂは、設けられていなくてもよい。また、ピーク検出工程Ｓ４および切り出し工程Ｓ７ｂは、設けられていなくてもよい。

強調処理は、対数変換処理以外の方法で行われてもよい。強調処理は、取得されたパワースペクトルの全体または一部の強度を増幅させることで行われてもよい。取得されたパワースペクトルには、強調処理が施されなくてもよい。この場合、強調処理部２５ａは、設けられていなくてもよい。また、強調処理工程Ｓ７ａは、設けられていなくてもよい。１つのパワースペクトルから取得されたパラメータに基づいて、物標Ｔの種別を判別してもよい。この場合、追尾処理部２４は、設けられていなくてもよい。また、追尾処理工程Ｓ６は、設けられていなくてもよい。１つのパワースペクトルから取得されたパラメータに基づいて物標Ｔの種別を判別する場合であっても、パワースペクトルの分布形状の特徴を表すパラメータに基づくことで、物標Ｔの種別の判別精度を十分に確保できる。

強調処理工程Ｓ７ａは、切り出し工程Ｓ７ｂの後に設けられていてもよい。強調処理工程Ｓ７ａは、ピーク検出工程Ｓ４の前に設けられていてもよい。方位推定部２３は、設けられていなくてもよい。方位推定工程Ｓ５は、設けられていなくてもよい。記憶部２６には、物標Ｔの種別ごとのパラメータの分布に関する情報以外の情報が格納されていてもよい。記憶部２６は、設けられていなくてもよい。

本発明のレーダ装置の用途は、特に限定されず、電磁波を利用するあらゆる技術分野において利用可能である。本発明のレーダ装置は、例えばギガヘルツ帯域またはテラヘルツ帯域の電磁波の送受信を行う各種の用途に利用され得る。本発明のレーダ装置は、特に小型化が求められる車載レーダシステム、各種の監視システム、屋内測位システム、および無線通信システムなどに用いられ得る。レーダ装置は、車両以外の機器に搭載されてもよい。本発明の物標判別装置が搭載される機器は、特に限定されず、レーダ装置以外の機器であってもよい。以上、本明細書において説明した構成は、相互に矛盾しない範囲内において、適宜組み合わせることができる。

１０…レーダ装置、２０…物標判別装置、２１…信号処理部、２２…ピーク検出部、２５ａ…強調処理部、２５ｃ…パラメータ取得部、２５ｄ…判別部、３１…送信部、３２…受信部、Ｅ…電波、ｋｄ，ｋｒ…尖度、Ｐ…ピーク、Ｒ…反射波、ｓｄ，ｓｒ…歪度、Ｔ…物標

Claims (13)

1. 物標に向けて放射された電波のうち前記物標によって反射された反射波から得られる受信信号に基づいて、前記物標の速度および前記物標までの距離についてのパワースペクトルを取得する信号処理部と、
   前記パワースペクトルの分布形状の特徴を表すパラメータを取得するパラメータ取得部と、
   前記パラメータに基づいて、前記物標の種別を判別する判別部と、
   を備える、物標判別装置。
2. 前記パラメータ取得部は、前記パラメータを２種類以上取得し、
   前記判別部は、２種類以上の前記パラメータに基づいて、前記物標の種別を判別する、請求項１に記載の物標判別装置。
3. 前記パラメータ取得部は、前記パラメータとして、前記速度の分布についての尖度および歪度と、前記距離の分布についての尖度および歪度と、を前記パワースペクトルから取得し、
   前記判別部は、前記速度の分布についての尖度および歪度と前記距離の分布についての尖度および歪度とに基づいて、前記物標の種別を判別する、請求項２に記載の物標判別装置。
4. 前記パワースペクトルから１つの前記物標に対して１つのピークを検出するピーク検出部をさらに備え、前記パラメータ取得部は、前記パワースペクトルのうち前記ピークを中心とする所定範囲内に含まれる部分から前記パラメータを取得する、請求項１から３のいずれか一項に記載の物標判別装置。
5. 前記パワースペクトルに対して強調処理を実行する強調処理部をさらに備え、
   前記パラメータ取得部は、前記強調処理を施された前記パワースペクトルから前記パラメータを取得する、請求項１から４のいずれか一項に記載の物標判別装置。
6. 前記判別部は、複数の前記パワースペクトルから取得された各前記パラメータに基づいて、前記物標の種別を判別する、請求項１から５のいずれか一項に記載の物標判別装置。
7. 物標に向けて電波を放射する送信部と、
   前記物標に放射された前記電波のうち前記物標によって反射された反射波を受信信号として受信する受信部と、
   請求項１から６のいずれか一項に記載の物標判別装置と、
   を備える、レーダ装置。
8. 物標に向けて放射された電波のうち前記物標によって反射された反射波から得られる受信信号に基づいて、前記物標の速度および前記物標までの距離についてのパワースペクトルを取得する工程と、
   前記パワースペクトルの分布形状の特徴を表すパラメータを取得する工程と、
   前記パラメータに基づいて、前記物標の種別を判別する工程と、
   を含む、物標判別方法。
9. 前記パラメータを取得する工程においては、前記パラメータを２種類以上取得し、
   前記物標の種別を判別する工程においては、２種類以上の前記パラメータに基づいて、前記物標の種別を判別する、請求項８に記載の物標判別方法。
10. 前記パラメータを取得する工程においては、前記パラメータとして、前記速度の分布についての尖度および歪度と、前記距離の分布についての尖度および歪度と、を前記パワースペクトルから取得し、
    前記物標の種別を判別する工程においては、前記速度の分布についての尖度および歪度と前記距離の分布についての尖度および歪度とに基づいて、前記物標の種別を判別する、請求項９に記載の物標判別方法。
11. 前記パワースペクトルから１つの前記物標に対して１つのピークを検出する工程をさらに含み、
    前記パラメータを取得する工程においては、前記パワースペクトルのうち前記ピークを中心とする所定範囲内に含まれる部分から前記パラメータを取得する、請求項８から１０のいずれか一項に記載の物標判別方法。
12. 前記パワースペクトルに対して強調処理を実行する工程をさらに含み、
    前記パラメータを取得する工程においては、前記強調処理を施された前記パワースペクトルから前記パラメータを取得する、請求項８から１１のいずれか一項に記載の物標判別方法。
13. 前記物標の種別を判別する工程においては、複数の前記パワースペクトルから取得された各前記パラメータに基づいて、前記物標の種別を判別する、請求項８から１２のいずれか一項に記載の物標判別方法。

Images