JP2024517336A - インコヒーレント処理、動的検出、およびコヒーレントおよび／またはコリレータ処理の組み合わせによる空間物体の検出および追跡のための計算技術 - Google Patents

Abstract

様々なレーダシステムおよび方法は、レーダデータのインコヒーレント処理、動的検出およびモデリング、ならびに、コヒーレントおよび／またはコリレータ処理の様々な組み合わせによって、空間内を移動する物体、特に以前には識別されていなかった物体を識別し、その後追跡することができる。これらのレーダシステムおよび方法は、従来のレーダシステムおよび方法で必要とされる可能性のある計算費用の少なくとも一部を必要とせずに、または最小限に抑えながら、これを行うことができる。

Description

［関連出願の相互参照］
本特許出願は、２０２１年５月１３日に提出された米国暫定特許出願６３／１８８，２０８の優先権の利益を主張する。すべての目的のために、これは引用によって本明細書に組み込まれる。

一般に、本開示は、空間物体の検出および追跡のための様々な計算技術に関する。より具体的には、本開示は、動的検出およびレーダデータのインコヒーレント、コヒーレントおよび／またはコリレータ処理の様々な組み合わせを提供し、空最初は識別されていない物体を含む空間内の移動物体を識別し、その後追跡する様々な処理を改善する。

パルスレーダシステムは、システムで使用される送信機および受信機に応じて、コヒーレントシステムまたはインコヒーレントシステムに大別される。コヒーレントレーダシステムにおいて、送信機は、安定した位相の連続発振レーダパルスを生成する。レーダパルスが受信されて処理されている間、位相は変化しない。インコヒーレントレーダシステムにおいて、送信機は、各パルスがランダムな位相シフトを有するようにレーダパルスを生成する。レーダパルス信号が受信されて処理される場合、位相は無視できる。

コヒーレントシステムとインコヒーレントレーダシステムには、それぞれ長所と短所がある。例えば、通常、インコヒーレントシステムの方が、処理が高速である。すなわち、レーダパルスを処理することは、コヒーレントシステムでレーダパルスを処理するよりも迅速に達成できる。しかし、インコヒーレントレーダシステムの一部の信号対雑音比は通常、コヒーレントシステムよりも低いため、ターゲット（物体）データを含むレーダ反射の検出と識別がより困難になる可能性がある。

レーダ信号のコリレータ処理は、位相情報が変化しないので、レーダ信号のコヒーレント処理とある程度同様である。加えて、コリレータ処理では、別個の（複数の）受信機を使用し、これらの受信機間の信号を相関させて、レンジおよびドップラーシフト測定に加えて正確な角度測定を可能にする。コリレータ処理は、コヒーレント処理よりも大きな処理負荷を必要とする場合がある。

移動空間物体を識別・追跡するレーダシステムにおいて、ドップラーシフトは重要な概念である可能性がある。ドップラーシフトとは、移動する物体によって電波が反射されたときの電波の周波数の変化のことである。物体の速度の変化に比例してドップラーシフトも変化する。したがって、移動物体に関連するドップラーシフトおよびドップラー加速度（ドップラーシフトで変化）を検出および定量化する機能を使用して、レンジ、速度および加速度に基づいて、移動物体および以前に識別されなかった物体を識別し、その後、移動物体を追跡することができる。

物体が事前に識別されており、その物体のレンジ、速度および加速度が既知である場合、ドップラーシフトおよび加速度は、既知の物体を発見および追跡するためにより容易に使用できる。一方、物体が未知の場合、その物体を識別し、その後追跡する処理は、より複雑な計画となる。これは、最初に識別されていない物体を探索して識別する必要がある場合があり、非常に少ない時間間隔で、予想されるレンジ、速度、加速度のスペクトル全体を探索する必要があり、これは計算量の多い操作であるからである。

したがって、本開示は、インコヒーレント、コヒーレント、および／またはコリレータ処理技術の様々な組み合わせによって、空間内を移動する物体、特に以前には識別されていない物体を識別し、その後追跡する上記様々な処理を技術的に改良し、上記計算費用なしで物体をより正確に識別し、追跡するためのデータ分析およびフィッティングを提供する。

本開示は、様々な態様で実施することができ、複数の例示的な処理ステップを示す図１を参照して概括することができる。以下に、本開示の他の態様とともに、これらのステップの各々についてより詳細に説明する。

第１処理ステップ１００では、生レーダデータからのインコヒーレントレーダパルスをインコヒーレント処理技術に従って一連の時間間隔にわたって処理する。このように、戻り信号のＳ／Ｎ比が相対的に低くなる傾向がある場合であっても、レーダデータのインコヒーレント処理をより迅速に実行することができる。移動物体に関連するレーダデータを含むレーダ反射を受信するには、ターゲットまでの多数の範囲と半径方向速度を掃引する必要があるため、この段階では速度が重要になる可能性がある。インコヒーレントレーダ処理には位相相関がない場合があるので、インコヒーレントレーダパルスに関連する位相データのいくつかは無視することができ、これは、インコヒーレント処理がより高速であるいくつかの理由の１つである可能性がある。

本明細書では、動的処理と呼ばれる第２処理ステップ２００では、インコヒーレントレーダデータを測定し、時間の経過とともに一貫したレンジおよび速度の傾向を探す測定グループ化および動的フィッティングアルゴリズムによりインコヒーレントレーダデータを分析する。このような傾向は、移動物体の存在を示すために用いることができる。特定のしきい値の満足または不満足に基づく可能性のある傾向が重要な場合、潜在的な物体のレンジ、半径方向速度、および半径方向加速度に関して高度な知識に基づいた決定を行うことができる。この情報が決定されると、結果のデータのコヒーレント処理をより効率的に行うことができる。

第３処理ステップ３００では、好ましくは、動的処理ステップ２００の測定グループ化および動的フィッティングアルゴリズムにより解析されたインコヒーレント処理されたレーダデータからの測定結果を用いて、レーダデータのコヒーレント処理またはコリレータ処理を行う。インコヒーレント処理１００および動的処理ステップ２００の測定グループ化および動的フィッティングアルゴリズムによって実行される解析の結果により、レーダシステムはレンジ、速度および加速度に対してある程度正確に固定されるようになり、これを多大な計算コストを必要とすることなく、より効率的かつ効果的に達成することができるようになった。

第４処理ステップ４００では、さらに別の測定およびデータフィッティングを実行することができるが、今回はコヒーレントまたは処理ステップ２００と同様に、コリレータがレーダーデータを処理する。しかしながら、この分析はコヒーレント／コリレータで処理されたレーダデータを使用して行われるので、データのＳ／Ｎ比ははるかに高くなり、結果として得られる測定値はレンジ、速度、および加速度に関してより正確である可能性がある。コリレータ処理の場合にも、より正確な角度位置測定が得られる。これは、最終的に、特に物体が以前に識別されていない場所で、レーダシステムが移動物体をより良く識別し、追跡することを可能にすることができる。図１に示すように、コリレータで処理されたレーダデータは、受信位相に関する受信機の自己校正にも使用することができるが、以下でより詳細に説明する。

本開示のいくつかの例示的な実施形態によれば、未知の空間物体を識別するためのより効率的かつ効果的な処理を提供することである。

本開示のいくつかの例示的な実施形態によれば、別の技術的目的は、現在識別されている空間物体を追跡するためのより効率的で効果的な処理を提供することである。

本開示のいくつかの例示的な実施形態によれば、別の技術的目的は、現在識別されている空間物体を追跡するためのより効率的かつ効果的な処理を提供することである。

本開示の一態様によれば、上記の目的および他の目的のいくつかは、プロセッサによってレーダデータを処理する方法によって達成され得る。この方法は、第１レーダデータをインコヒーレントに処理し、次に、レンジおよびドップラー速度の関数としてノイズ閾値を超えるインコヒーレント検出を識別するステップを含む。この方法はさらに、前記識別されたインコヒーレント検出のうちのインコヒーレント検出をレンジおよびドップラー速度に関して互いに統計的に関連するインコヒーレント検出グループにグループ化し、前記検出グループのための適合モデルを生成するステップであって、前記適合モデルは、グループ内のインコヒーレント検出のレンジおよびドップラー速度を具体的に反映するレンジおよびドップラー空間によって定義されるステップをさらに含む。次に、この方法は、前記インコヒーレント検出グループに関連する適合モデルに対応するレンジおよびドップラー空間に限定された複数のレンジおよびドップラー空間にわたって第２レーダデータをコヒーレントに処理し、前記コヒーレントに処理された第２レーダデータから、対応する移動物体のレンジおよびドップラー速度の関数としてレーダ信号ピークを識別するステップをさらに含む。

本開示の一態様によれば、上記および他の目的のいくつかは、レーダリフレクタと、送信機と、各受信機が複数の受信チャネルのうちのそれぞれのチャネルに関連する受信機のアレイと、メモリと、メモリに記憶されたコードに組み込まれるアルゴリズムを実行するように構成されたプロセッサとを含むレーダシステムによって達成され得る。さらに、レーダシステムによれば、プロセッサがメモリに記憶されたコードに組み込まれるアルゴリズムを実行するとき、レーダシステムは、第１レーダデータをインコヒーレントに処理し、次に、レンジおよびドップラー速度の関数としてノイズ閾値を超えるインコヒーレント検出を識別するように構成され、識別されたインコヒーレント検出のうちのインコヒーレント検出を、レンジおよびドップラー速度に関して互いに統計的に関連するインコヒーレント検出グループにグループ化し、検出グループのための適合モデルを生成し、適合モデルは、インコヒーレント検出グループ内のレンジおよびドップラー速度を具体的に反映するレンジおよびドップラー空間によって定義され、インコヒーレント検出グループに関連する適合モデルに対応するレンジおよびドップラー空間に限定された複数のレンジおよびドップラー空間にわたって第２レーダデータをコヒーレントに処理し、コヒーレントに処理された第２レーダデータから、対応する移動物体のレンジおよびドップラー速度の関数であるレーダ信号ピークを識別するように構成される。

本開示の例示的な実施形態に関連する基本的な処理ステップの概要を示す。 例示的なレーダシステムである。 本開示の例示的な実施形態による３つの主要な処理モジュールまたはアルゴリズムを示す。 図４（ａ）～図４（ｄ）は、本開示の例示的な実施形態による３つの主要な処理モジュールまたはアルゴリズムによって処理される例示的なデータを示す。 本開示のインコヒーレント処理アルゴリズムに対するレンジ／ドップラー空間の制限を示す。 図６（ａ）および図６（ｂ）は、本開示のインコヒーレント処理アルゴリズムの例示的な実施形態による、インコヒーレント処理時間ウィンドウＡｔに亘る複数の送信（ＴＸ）パルスおよび受信（ＲＸ）信号を示す。 本開示の例示的な実施形態による、基本的なインコヒーレント処理アルゴリズムを示すフローチャートである。 本開示のインコヒーレント処理アルゴリズムの例示的な実施形態による、時系列データからの送信パルスの抽出および記憶を示す。 本開示のインコヒーレント処理アルゴリズムの例示的な実施形態による、時系列データの復調、フィルタリング、およびダウンサンプリングを示す。 本開示のインコヒーレント処理アルゴリズムの例示的な実施形態によるノイズレベルの推定および検出閾値の設定を示す。 本開示のインコヒーレント処理アルゴリズムの例示的な実施形態による、各ＲＸ時系列データに対してフーリエ変換を実行することによって、各レンジおよびＲＸ時系列データのパワースペクトルを確立することを示す。 本開示のインコヒーレント処理アルゴリズムの例示的な実施形態による、空間物体の移動によるパワースペクトルのレンジ調整を示す。 本開示のインコヒーレント処理アルゴリズムの例示的な実施形態による、各ビンの検出閾値を超える各レンジビンにおけるＳＮＲピークの検出を示す。 本開示の例示的な実施形態による基本的な動的検出アルゴリズムを示すフローチャートである。 本開示の多数のパルスにわたるコヒーレント処理間隔全体に対する単一の測定に関連する時間を示す。 本開示の例示的な実施形態による基本的なコヒーレント処理アルゴリズムを示すフローチャートである。 本開示の例示的な実施形態による、コヒーレント処理モジュールがＳＮＲピークの位置を特定するために動作する複数のレンジドップラーウィンドウを示す。 本開示によるコヒーレント処理アルゴリズムの例示的な実施形態の混合および復調ステップを示す。 本開示のコヒーレント処理アルゴリズムの例示的な実施形態によるフィルタリング処理を示す。 本開示のコヒーレント処理アルゴリズムの例示的な実施形態による、中間ドップラーサブセット掃引のために時系列データを再混合する処理を示す。 本開示のコヒーレント処理アルゴリズムの例示的な実施形態による、さらなるフィルタリングおよびダウンサンプリングの処理を示す。 本開示のコヒーレント処理アルゴリズムの例示的な実施形態による、あるパルスから次のパルスへの空間物体の移動を考慮する距離補間処理を示す。 本開示のコヒーレント処理アルゴリズムの例示的な実施形態による、時系列データにＦＦＴを適用することによって受信時系列データのパワースペクトルを生成することを示す。 本開示のコヒーレント処理アルゴリズムの例示的な実施形態による、距離およびその距離におけるドップラーを取得するための最大ドップラーピークの抽出を示す。 本開示の例示的な実施形態による基本的な相関処理アルゴリズムを示すフローチャートである。 開示の相関処理アルゴリズムの例示的な実施形態による、複素可視性値からの空の画像をｘ座標およびｙ座標で合成することを示す。 本開示のシステムメモリおよび１つまたは複数のプロセッサと通信する、フェーズドアレイを含む例示的なレーダシステムを示す図である。

一般的に、本開示は、以前に識別されていない空間物体を含む空間物体を検出および追跡するための方法を記載する。レーダの分野、特にレーダデータ処理の分野の技術者として、前述の方法は、ハードウェア、ソフトウェア、および／またはファームウェアの様々な組み合わせで実施され、図２に示されたレーダアンテナシステムのようなレーダアンテナシステムと組み合わせて実施されてもよい。図２に示す例示的なレーダアンテナシステムは、フェーズドアレイ２１０を含み、フェーズドアレイ２１０は、１次元配列として構成された複数の受信機をさらに含む。例示的なレーダアンテナシステムは、図に示されるようなリフレクタ２２０などのリフレクタも含む。当業者であれば容易に理解できるように、本開示は１次元フェーズドアレイシステム構成に限定されない。

ここで、図面を参照して本開示をより詳細に説明する。本開示は、例示的な実施形態の説明を含むが、当業者は、他の実施形態が可能であり、本明細書に記載され、かつ、請求項に記載された本開示の予期される範囲内であることを理解するであろう。

本明細書で使用される用語は、直接的または間接的、全体または部分的、一時的または恒久的、作為的または不作為的を意味することがある。例えば、ある要素が別の要素に「ある」、「接続されている」、または「結合されている」と呼ばれる場合、その要素は、別の要素に直接有ってもよいし、接続されていてもよいし、間接的または直接的な変形を含む中間要素が存在していてもよい。逆に、ある要素が別の要素に「直接接続されている」または「直接結合されている」と呼ばれる場合、中間要素は存在しない。

本明細書で使用される様々な用語は、上記の例示的な実施形態を説明するために使用され、本開示を必然的に限定することを意図するものではない。本明細書で使用されるように、様々な単数形「１つ（ａ）」、「１つ（ａｎ）」および「前記（ｔｈｅ）」は、特定の文脈において別段の説明が明示的に示されない限り、様々な複素数形を含むことも意図される。本明細書で使用される場合、様々な用語「包含」、「含む」、または「包含」、「含む」は、特徴、整数、ステップ、動作、要素、または構成要素の存在を指定するが、１つまたは複数の他の特徴、整数、ステップ、動作、要素、構成要素、またはそれらのグループの存在または追加を除外するものではない。

本明細書で使用されるように、用語「または」は、排他的な「または」ではなく、包括的な「または」を意味することを意図している。すなわち、別段の指定がない限り、または文脈から明らかでない限り、「ＸはＡまたはＢを使用する」は、一連の自然な包括的置換のいずれかを意味することを意図している。つまり、ＸがＡさんを採用していれば、ＸがＢを採用する、あるいは、ＸがＡとＢの両方を採用する場合、上記のいずれの場合にも、「ＸがＡまたはＢを使用する」ということが成立する。

別段の定義がない限り、本明細書で使用されるすべての用語（技術用語および科学用語を含む）は、本開示の当業者が一般に理解するものと同じ意味を有する。一般的な辞書で定義されている用語などの様々な用語は、関連技術の文脈における意味と一致する意味を有するものとして解釈されるべきであり、ここで明示的にそのように定義されていない限り、理想的および／または過度に正式な意味で解釈されるべきではない。

さらに、例えば「下」、「下」、「上」、および「上」などの相対的な用語は、添付の例示的な図面のセットに示されているように、ある要素の別の要素に対する関係を説明するために本明細書で使用することができる。このような相対的な用語は、添付の例示的な図面のセットに示された方向に加えて、示された技術の異なる方向を包含することを意図している。例えば、添付の例示的な図面のセット内のデバイスが裏返されると、他の要素の「下」側にあるとして説明されているさまざまな要素が、他の要素の「上」側に向けられることになる。同様に、例示的な図の１つのデバイスが裏返されると、他の要素の「下」または「下」として説明されたさまざまな要素が他の要素の「上」に向けられることになる。したがって、「下」および「下」のような様々な例示用語は、上下の方向を含むことができる。

本明細書で使用される場合、「約」または「実質的に」という用語は、当業者であれば理解できるように、公称値／用語からの起こり得る変動を指す。このような変動は、そのような変動が特に言及されているかどうかにかかわらず、本明細書で提供される任意の値／用語に常に含まれる。

第１、第２などの用語は、本明細書では様々な要素、構成要素、領域、層、および／またはセクションを説明するために使用することができるが、これらの要素、構成要素、領域、層、および／またはセクションは、必ずしもそのような用語によって限定されるべきではない。これらの用語は、ある要素、構成要素、領域、層、またはセクションを別の要素、構成要素、領域、層、またはセクションから区別するために使用される。したがって、以下で説明する第１要素、構成要素、領域、層、またはセクションは、本開示の様々な教示から逸脱することなく、第２要素、構成要素、領域、層、またはセクションと呼ぶことができる。

特定の実施形態に関して説明された特徴は、様々な他の実施形態において、および／または他の様々な実施形態と組み合わせたり、部分的に組み合わせたりすることができる。また、本明細書に開示される実施形態の異なる態様および／または要素は、同様の方法で組み合わせたり、部分的に組み合わせたりすることもできる。さらに、いくつかの実施形態は、個別におよび／または集合的かどうかにかかわらず、より大きなシステムのコンポーネントとすることができ、他の手順がそれらのアプリケーションより優先され、および／またはその他の方法でそれらのアプリケーションを変更することができる。さらに、本明細書で開示されているように、実施形態の前、後、および／または同時に、多くのステップが必要とされてもよい。少なくとも本明細書に開示される任意のおよび／またはすべての方法および／または処理は、任意の方法で少なくとも１つのエンティティを介して少なくとも部分的に実行できることに留意されたい。

好ましい実施形態では、本明細書で説明されるレーダデータ処理パイプラインは、上述したように、少なくとも以下の３つの処理モジュールまたは段階を含む。（１）インコヒーレント処理、（２）動的検出、および（３）コヒーレント／コリレータ処理。他の例示的な実施形態では、３つのすべてよりも少ない処理モジュールまたは段階が関与することができる。しかしながら、これらのモジュールまたは段階の様々な組み合わせは、コヒーレント処理またはコリレータ処理の典型ではなく、より高速な処理スループットを維持しながら、インコヒーレント処理では達成できなかった、感度の向上、およびレンジの増加、ドップラー、および角度分解能の向上をもたらす。

図３は、レーダプロセッサパイプラインの好ましい実施形態の３つの処理モジュールまたは段階、すなわち、インコヒーレント処理、動的検出、およびコヒーレント／相関処理を示す。一番左の画像は、インコヒーレント処理段階の結果を示している。インコヒーレント処理段階では、「低速」とも呼ばれる一定期間にわたる多くのレーダパルスに基づいて、生のレーダデータが広範囲のレンジおよびドップラー空間にわたってインコヒーレントに（位相情報なしで）処理される。一番左の画像内のドットは、インコヒーレント処理段階でレンジ（横軸）およびドップラー（縦軸）の関数として特定されるインコヒーレント検出の例を表す。

図３の中央の画像は、動的検出段階の例示的な結果を表す。図に示すように、中央の画像に現れているドットは一番左の画像に現れているドットと同じである、しかし、動的検出段階では、測定値をフィルタリングするために動的検出器が使用され、偽陽性率が大幅に低減される。中央の画像のあるドットを通る線は、適合したモデルを示しており、統計的に相関する検出を識別する。線が通らない明るいドットは、誤検知が拒否されたものを示す。

図３の一番右の画像は、コヒーレント／相関処理段階からの例示的な結果を示す。コヒーレント／相関器処理段階では、動的検出段階で特定された範囲およびドップラー空間の領域に焦点を当てて追加処理が行われる。一番右の画像の明るいドットは、グループのエッジ上のドットに追加の処理が施されていることを示す。

図４（ａ）～４（ｄ）は、好ましい実施形態の３つの処理段階のすべての後に完全に処理された例示的なデータを示す。簡単に言うと、図４（ａ）および４（ｂ）は、インコヒーレント処理および動的検出処理後のレンジおよびドップラーの関数としての例示的な結果を示す。図に示すように、高速インコヒーレント処理段階で大量のレーダデータが収集され、したがって、動的検出処理を実行して、誤検知の可能性が高いものを大幅に排除するという利点がある。動的検出処理を実行した後、コヒーレント／相関処理段階において、より効率的かつ正確に陽性検出に焦点を当てることが可能であり、その例示的な結果が図４（ｃ）および４（ｄ）に示されている。図４（ｃ）および４（ｄ）に示すように、得られたデータはレンジとドップラーによってより正確に定義される。

図４（ｂ）および図４（ｄ）において、「時間」とは遅い時間（上記で定義）を意味する。図４（ａ）から図４（ｄ）は、従来のコヒーレント処理技術を使用して生成された測定値を示しており、比較のためにここに含まれている。図４（ｄ）の小さい点４０５は、インコヒーレント処理段階の間に生成されたが、動的検出段階の間に拒否されたインコヒーレント測定（検出）を表す。大きなディスク４１０は、動的検出段階中に選択され、モデル適合処理中に含まれるインコヒーレント測定を示す。黒いドットが付いたより小さなディスク４１５は、コヒーレント処理レベルの出力の結果を示す。

以下、レーダ処理パイプラインの好ましい実施形態の３つのレーダ処理モジュールまたは段階についてより詳細に説明する。

インコヒーレント処理

本明細書に記載のレーダ処理パイプラインの好ましい実施形態によれば、まずインコヒーレント処理が実行される。しかしながら、上述したように、他の例示的な実施形態は、最初以外の時点で、他の処理モジュールまたは段階に対してインコヒーレント処理を採用するか、まったく採用しない実施形態を含めて、異なる場合がある。好ましい実施形態によれば、コヒーレント処理ではなくインコヒーレント処理を最初に実行する１つの理由は、インコヒーレント処理の処理要求がコヒーレント処理の処理要求よりも大幅に小さいためである。この処理需要（計算コストなど）の削減により、コヒーレント処理のみで可能となるよりも、より大量の範囲およびドップラー空間の処理が可能になる。例えば、図５を参照すると、レンジおよびドップラー空間の制限が示されている。図に示すように、ドップラーウィンドウには制限がなく、レンジの制限はデータを記憶するために確保されているメモリの量だけである。処理の必要性が著しく低減されるので、本開示の例示的な実施形態によれば、データのインコヒーレント処理は、必要に応じて常に実行されてもよい。一般に、インコヒーレント処理は、コヒーレント処理と比較して感度が低下し、レンジ、ドップラー、および角度精度が低下するために、採用される処理だけではない。好ましい実施形態では、精度の低下および感度の低下は、コヒーレント／相関処理モジュールまたは段階３００によって解決される。

図６（ａ）は、インコヒーレント処理時間ウィンドウ△ｔに亘る複数の６つの送信（ＴＸ）パルスおよび６つの受信（ＲＸ）信号を示す。図６（ａ）におけるパルス数はあくまで説明的なものである。インコヒーレント処理はコヒーレント処理よりもはるかに高速（約２００倍）であるが、Ｓ／Ｎ比は著しく低く、検出を正確に識別して特徴付けることがより困難になる。したがって、インコヒーレント処理では、Ｓ／Ｒ比がＮの平方根に比例し、コヒーレント処理では、Ｓ／Ｒ比がＮに比例するため、インコヒーレント処理では、パルス数Ｎが特に重要となる可能性がある。したがって、例えば、５パルスのインコヒーレント処理におけるＳ／Ｒ比利得は３．５ｄｂとなり、５パルスのコヒーレント処理におけるＳ／Ｒ比利得は７ｄｂとなる。

図６（ｂ）は、２つのＴＸパルスおよび２つのＲＸ信号のみを示す。図６（ｂ）の目的は、前段で説明したように、パルス数Ｎは確かにレーダデータのＳ／Ｒ比利得を改善するが、ドップラー分解能（△Ｆ）を改善しないことを示すことである。説明の目的のために、図６（ｂ）は、２つの例示的なピーク６０５および６１０を示しており、ここで、ピーク６０５は、ピーク６１０よりも少ないパルスに関連している。レーダパルスの数が異なっても、２つのピークの幅（すなわちドップラー分解能）は同じであるため、マルチパルスインコヒーレント処理によってドップラー分解能が向上しないことになる。最終的に、インコヒーレント処理モジュールによって達成される精度は、処理負荷（すなわち、インコヒーレント処理時間ウィンドウ上で処理されるパルス数Ｎ）とのトレードオフである。

図７は、本開示の例示的な実施形態による基本的なインコヒーレント処理段階を示すフローチャート７００である。第１ステップ７０１では、システムは、定アラームレート（ＣＦＡＲ）を初期化する。これは、予想されるノイズレベルによって異なる。ＣＦＡＲは本質的に内部閾値であり、閾値よりも高いＳ／Ｒ比を有するＲＸ信号は検出として特徴付けられる。当業者であれば理解するように、これらの検出のいくつかは誤検出であり、閾値が高いほど誤検出の割合は減少するが、正の検出を見逃すリスクが増加する。ＣＦＡＲは、追加データの収集と分析、およびノイズレベルの変化に合わせて調整することができる。

図７のステップ７０３では、システムは、時系列から各ＴＸパルスを抽出し、メモリに記憶する。図６では、６つのＴＸパルスがある。しかしながら、議論を容易にするために、２つのＴＸパルスＴＸ₁およびＴＸ₂が図８に示されている。各ＴＸパルスＴＸ₁およびＴＸ₂と対応するＲＸ信号ＲＸ₁およびＲＸ₂は、それぞれ独立して処理されるが、もちろん無関係である。メモリにおいて、すべてのＴＸパルスは、それに対応するＲＸ信号の時間ゼロに関連している。図８は、ステップ７０３の２つのＴＸパルスの抽出を示す。時系列における各パルスＴＸ₁およびＴＸ₂と対応するＲＸ信号ＲＸ₁およびＲＸ₂との間の時間ｔ₁およびｔ₂は、それぞれレーダ送受信システムによって検出される空間物体のレンジを表す。

図７のステップ７０５では、ＲＸ時系列を復調、フィルタリング、ダウンサンプリングする。好ましい実施形態では、これは全て１つの処理ステップで達成され得る。当業者であれば理解できるように、ＲＸ時系列を単一の処理ステップで処理することは、疎なアレイに対する需要の少なくとも一部を回避または最小化することができる。他の例示的な実施形態では、これらの機能は、複数の処理ステップで達成され得る。図９は、復調、フィルタリング、およびダウンサンプリングのステップ７０５を示す。

図９を参照すると、本開示の例示的な実施形態による復調は、各ＴＸパルス（時間ゼロ）に、そのＴＸパルスに対応するＲＸ信号を含むＲＸ時系列データを乗算することを含む。乗算は、対応するＲＸ時系列に沿って複数の異なるレンジ（時間）を中心とするＴＸパルスを用いて行われる。この場合、対応するＲＸ信号の正確な位置が未知であるため、これが必要である。処理ステップ９０５として、図９には、３つの異なるレンジのＴＸ₁にＲＸ₁を含む各ＲＸ時系列データを乗算し、３つの異なるレンジのＴＸ₂にＲＸ₂を含む各ＲＸ時系列データを乗算したデータが示されている。当業者であれば、３つ以上のレンジまたは３つ以下のレンジが可能であることを理解するであろう。見通しのために、より典型的な例では、上記の乗算は、対応するＲＸ時系列に沿った１０００の異なる範囲（時間）を中心とするＴＸパルスを用いて達成され得る。

３つの異なるレンジのそれぞれからのＴＸ₁に、ＲＸ₁を含む対応するＲＸ時系列データを乗算した結果データと、３つの異なるレンジのそれぞれからのＴＸ₂を乗算した結果データとを、処理ステップ９１０に示すようにフィルタリングする。好ましい実施形態では、フィルタリングは、１つまたは複数のローパスフィルタを使用することを含む。フィルタリングは、前のステップからの結果データとの畳み込みを含む各レンジ内に含まれる。

各ＴＸパルスＴＸ₁、ＴＸ２について、３つのレンジのそれぞれの時系列データをダウンサンプリングする。当業者に理解されるように、ダウンサンプリングは、処理のために使用されるデータポイントの数を減少させる。データポイントの数はサンプリングレートに依存する。図９では、フィルタリングおよびダウンサンプリング後の時系列データが処理ステップ９１５として示されている。図９に示すように、時間の経過とともにデータが滑らかになっているように見える。レンジ２の時系列データに現れる「ハッシュ」曲線９２０および９２５は、それぞれ、ＴＸパルスＴＸ₁およびＴＸ₂に対応するＲＸ信号を表す。

図７のステップ７０７では、各レンジのノイズレベルが推定され、これにより、各レンジ（例えば、図９のレンジ１、レンジ２、レンジ３）に対して検出閾値が設定される。好ましい実施形態では、これは、前のステップからのＲＸ時系列データをレンジ毎にそれぞれ加算することによって達成される。あるいは、前のステップからのＲＸ時系列データをレンジ毎に個別に加算、平均することにより達成し得る。これを図１０に示す。同様に、第１ＴＸパルスＴＸ₁に対応するＲＸ時系列データと、第２ＴＸパルスＴＸ₂に対応する第２ＲＸ時系列データのみを示す。当業者であれば、インコヒーレント処理ウィンドウが２つを超えるＴＸパルスを含む場合、処理ステップは、各レンジの２つを超えるＴＸパルスのＲＸ時系列データを合計することを含むことが理解される。

各レンジについて、ＲＸ時系列データの合計により、そのレンジにおけるノイズレベルの合理的な推定が得られる。そして、ノイズに関する既知の仮説に関連する統計情報に基づいて決定された予め計算された値により、各レンジのノイズレベルを高くまたは低くに調整する。また、上記フォールスアラームレートに応じてノイズレベルを調整する。最終的に、検出閾値を超える信号は、少なくとも最初は検出されたものとみなされる。

例えば、図１０に示すような検出閾値１、検出閾値２、および検出閾値３を決定する必要があるのは、当業者に知られているように、ノイズレベル（すなわち、図１０の各曲線下面積）がレンジによって変化することがあるからである。ノイズはさまざまな理由で発生する。最も一般的なノイズ源は、グランドクラッター、過渡電子ノイズ、自己クラッター、および送受信の口径食である。

検出閾値の決定は、インコヒーレント処理の他の段階の間に達成してもよい。好ましい実施形態では、それは実際には図７の検出段階７１３中に達成される。これについては後述する。

図７のステップ７０９では、各ＴＸパルスの各レンジとＲＸ時系列データに対応するパワースペクトルが得られる。これは、図１１に示すように、各ＲＸ時系列データをレンジごとにフーリエ変換することにより実現される。生成されるデータは、時間軸ではなく周波数（ドップラー）軸に沿った振幅の二乗であるパワースペクトルである。図１１のパワースペクトルデータにおける「ハッシュ」ピーク１１０５および１１１０は、周波数領域において、送信パルスＴＸ₁およびＴＸ₂にそれぞれ関連するＲＸ信号を表す。なお、この処理段階はインコヒーレント処理を伴うので、位相情報は無視されるだけでなく、維持するのは計算上費用がかかるので削除される。

図７のステップ７１１では、インコヒーレント処理モジュールは、全パルスのパワースペクトルのインコヒーレント合計を取得する。しかしながら、インコヒーレント処理モジュールが加算を行う前に、第１ＴＸパルスの後の各ＴＸパルスに関連するＲＸ信号のレンジを調整する必要がある。これが必要な利用は、第１ＴＸパルスＴＸ₁と第２ＴＸパルスＴＸ₂との間およびその後の各ＴＸパルスの間の短い時間であっても、物体がその軌道に沿ってかなり移動するためである。これは一般にレンジ移行と呼ばれる。したがって、インコヒーレント合計を取得する前に、インコヒーレント処理モジュールは、空間物体の動きを考慮するために、第１ＴＸパルス以降の各ＴＸパルスについてパワースペクトル内の物体のレンジを調整するためのレンジ補間を行う。この調整ステップは、図１２の処理ステップ１２０５に示されている。

レンジ補間については、コヒーレント処理モジュールについての以下の説明で再度説明する。しかし、コヒーレント処理モジュールは時系列データでこの調整を行うが、ここでは、インコヒーレント処理モジュールはパワースペクトルで調整を行うので、一定のドップラー値および一定の半径速度の仮定は問題ではない。

第１ＴＸパルス以降の各ＴＸパルスのドップラー速度の変化を解析することを伴うパワースペクトル内のレンジ調整を行い、ドップラー速度の変化に基づいて、パワースペクトル内のＲＸ信号が異なるレンジに現れるか否か、すなわち、パワースペクトル内のＲＸ信号がより近いレンジビンまたはより遠いレンジビンに移動するか否かを判定する。図１２の例では、パルスＴＸ２に関連するＲＸ信号１２０７のドップラー速度は、ＲＸ信号をレンジ２からレンジ３に調整し、再びレンジオフセットを調整する結果となる。

インコヒーレント処理モジュールがレンジ調整を行うと、時間ゼロで送信された各ＴＸパルスに基づいて、すべてのパルスのパワースペクトルがインコヒーレントに加算される。図１２の例では、２つのパルスＴＸ₁およびＴＸ₂のみが存在する。図示するように、同じ空間物体に関連するＲｘ信号は、例えば図１２のＲｘ信号ピーク１２０９と加算され、より高い振幅ピークをもたらす。

図７のステップ７１３では、インコヒーレント処理モジュールは、各レンジビンおよびドップラー速度において、処理ステップ７０７において各レンジについて設定された検出閾値を超えるＲＸ信号を探索する。図１３では、説明の目的のためだけに、インコヒーレント処理モジュールは、ＲＸ信号の２つのピーク１３０５および１３０７を検出する。当業者に理解されるように、インコヒーレント処理モジュールは、これらの検出を様々な形態で記憶することができる。同様に、説明の目的のために、図１３は、各検出に関連するデータがデータ値のセットとして記憶されることを示している：ピーク、レンジ、ドップラー。図１３の図示は２つの検出のみを含むが、インコヒーレント処理モジュールは多くの検出を生成することができることが理解されるべきである。図３に示す例では、インコヒーレント処理モジュールは、２つをはるかに超える検出を生成する。

好ましい実施形態では、検出ステップ７１３の一部として、インコヒーレント処理モジュールは、各検出のためにデータ値のセットを記憶する前に、データサンプル間のドップラー値を実質的に埋める二次補間を実行することによって、ドップラーピーク値を微調整する。この補間ステップは、ドップラー速度をシフトさせることができる。また、振幅のピーク値が高くなることもある。さらに、好ましい実施形態では、検出ステップ７１３の一部として、検出されたデータ値の各セットを記憶する前に、インコヒーレント処理モジュールは、例えば信号レベルに基づいてすべての検出をソートすることによって検出をマージし、場合によっては、重複する検出を除去する。上述したように、インコヒーレント処理モジュールは、ドップラーピークを微調整し、検出をマージした後、残りの検出ごとにデータセットを記憶することができる。その後、このデータは、以下で詳細に説明する動的検出モジュールによって処理される。

動的検出処理

本明細書に記載のレーダ処理パイプラインの好ましい実施形態によれば、図１に示すように、動的検出処理ステップ２００は、上述のインコヒーレント処理ステップ１００の後で、かつ、後で詳細に説明する任意のコヒーレントおよび／またはコリレータ処理の前に実行される。実際には、動的検出処理ステップ（またはモジュール）２００の入力は、インコヒーレント処理ステップ１００の出力である。

上述したように、インコヒーレント処理ステップ１００の出力は、複数のデータセットであり、各データセットは、可能なターゲット検出を表し、好ましい実施形態によれば、レンジ、ドップラー、およびピークＳ／Ｒ比の値を含む。図４（ａ）に示すように、インコヒーレント処理ステップ１００によって出力されるデータセットの数は、一般に非常に多く、少なくとも部分的には、インコヒーレント処理ステップ１００の感度レベルを本質的に設定する前述のＣＦＡＲの関数である。前に説明したように、ＣＦＡＲ閾値が比較的低い値に設定されると、インコヒーレント処理ステップ１００の感度が増加し、それにより、より多くの測定値を可能なターゲットデータとして特徴付けることが可能になるが、より多くの偽陽性が発生するという犠牲を払うことになる。

したがって、動的検出処理ステップ２００の主要な機能は、大量の偽陽性を含む可能性のある大量のデータセット（すなわち、インコヒーレント処理ステップによって出力されたデータセット）を取得し、すべてのデータセットをソートして、一緒に真のターゲットのように見えるデータセットの組み合わせを見つけることである。１つの測定、すなわち１つのデータセットは単独ではターゲットとみなされないが、いくつかの物理モデルに適合する２つまたは３つ以上のデータセットは、ＣＦＡＲによって除去されない単一のデータセットよりも高い確率でターゲットまたは候補ターゲットを反映することができる。しかし、データ量が膨大であるため、関連するデータセットのすべての組み合わせを見つけることは計算上困難である。動的検出処理モジュールアルゴリズムは、分析すべき大量のデータを処理するために２つの特に重要なフィーチャーを含む。簡単に言うと、この２つのフィーチャーは、（１）データセットからのＳ／Ｒ比データを使用して、グループに属するデータセットに関連する測定値を反映する物理モデルの周りに潜在的に関連するデータセットの形成をシードすること、および（２）グループの物理モデルの近傍に測定値（レンジおよびドップラー）を有する候補データセットを特定することによって、グループおよび物理モデルを繰り返し微調整することを含む。この２つのフィーチャーについては、これからさらに詳しく説明する。

動的検出処理における第１フィーチャーまたはステップは、可能なデータセットのグループを最もよく表す可能なデータセットを選択することを含む。ここでの概念は、特定のデータセットを選び出すことから始まる。好ましい実施形態では、これはＳ／Ｒ比の使用に関する。より具体的には、動的検出モジュールは、すべてのデータセットの中で最大のＳ／Ｒ比測定値を有する１つのデータセットを識別する。

最大Ｓ／Ｒ比を有する初期データセットは、すべてのデータセットにも対応するレンジ測定およびドップラー測定値を有する。その後、動的検出モジュールは、少なくともこの初期データセットのレンジおよびドップラー測定値と、低地球軌道のターゲットドップラー加速度の理論的推定値とに基づいて、多項式フィッティングの物理モデルを確立する。物理モデルは、初期データセットに関連する測定値に基づいているので、初期データセットは、物理モデルの「上」にある、すなわち、物理モデルからの距離がゼロ（０）であると言うことができ、第１データセットグループに関連する可能性のあるすべての候補データセットは、レンジおよびドップラーに関して物理モデルからのそれぞれの距離に基づいて識別される。

初期データセットが識別され、物理モデルが確立されると、第２フィーチャーは、測定値が対応するグループに統計的に近い物理モデルの候補データセットを識別することによって、グループを繰り返して細分化することである。候補データセットが物理モデルに近いかどうかを決定するために、動的検出モジュールは、測定レンジおよびドップラーに基づいて、候補データセットとモデルとの「距離」を計算する。好ましい実施形態では、計算された距離は、マハラノビス距離と呼ばれ、モデルと分布（このグループに関連することがある各データセット）との間の距離として当業者に知られており、各データセットに関連するモデルとデータポイントとの間の推定された不確かさによって、計器精度のために正規化される。

候補データセットは並列処理可能であるが、最も単純な場合には、モデルの近傍にあるか否かを判定するために一度に１つの候補データセットのみを処理する。好ましい実施形態では、第１データセットは、上述したように最大のＳ／Ｒ比を有するデータセットである。その後、多くのデータセットの測定が考慮されるべきである。しかしながら、次の最も近いモデルからの距離を有するデータは識別され、この次の最も近いデータセットの測定値は、初期データセットおよび次の最も近いデータセットの測定値に基づいて、新しいモデルを繰り返して更新またはフィッティングするために使用される。したがって、このモデルは、複数のデータセットの測定値に基づいている。２つのデータセットが同じターゲットからのものであれば、レンジ、ドップラー、加速度を常に関連する物理モデルを満たすべきである。

これは反復処理であるので、動的検出処理は連続的に繰り返され、それによって、測定値が対応するモデルの近傍にある追加の候補データセットが識別され、新しいモデルの更新または適合のために使用される。いくつかの例示的な実施形態では、新しいモデルの更新またはフィッティングを終了することができ、追加の候補データセットがモデルの近くにあるか否かが決定された場合にのみ、処理を継続することができる。処理全体は、処理が一定の反復回数に達したとき、または処理がモデルに十分に近い測定値を持つデータセットを識別できなくなったときに終了する。

上述したように、所与のグループの候補データセットの数は非常に多くなる可能性がある。したがって、好ましい実施形態によれば、プリフィルタを適用して計算負荷を低減することができる。そのために、フィルタを使用して、ＣＦＡＲ（上記で定義されている）を通過するのに十分な測定値を持つ、物理モデルからのレンジがあるデータセットの候補を事前に選択する。このプレフィルタは、候補データセットを考慮する反復処理が開始される前に、グループから例外データセットを実質的に除去する。

図１４は、物理モデルの周りのデータセットのグループを確立するための動的検出処理を要約するフローチャートである。図示すように、この処理の第１ステップ１４０５は、他のデータセット内で最大のＳ／Ｒ比測定値を有する初期データセットを識別することである。次のステップ１４１０では、初期データセットに関連する測定値（レンジ、ドップラー、推定ドップラー加速度）が、物理モデルを構築するために使用される。その後、ステップ１４１５に示すように、追加の候補データセットが識別され、レンジ、ドップラーおよび推定ドップラー加速度に関して物理モデルからのそれらのレンジ（例えば、マハラノビス距離）が決定される。次に、ステップ１４２０のＹＥＳパスで示すように、１つまたは複数の候補データセットに関連する測定値を使用して物理モデルを更新することができる。次に、物理モデルを更新する価値がなくなるまで、例えば、追加の候補データセットを考慮して物理モデルの変更を無視することができるまで、または考慮すべき追加の候補データセットがなくなるまで、上記のステップを繰り返すことができる。このような場合、処理は、ステップ１４２０および１４２５のＮＯパスに従って進行する。一方、物理モデルがさらに更新される必要がない場合であっても考慮すべき追加のデータセットがある場合、処理は、考慮すべき追加のデータセットがなくなるまで、ステップ１４３０のＹＥＳパスに従って続行され、その時点で、データセットの特定のグループに関する処理が終了する。

動的検出処理がデータセットの第１グループを確立すると、第１グループに関連するデータセットが保存され、動的検出処理は、上記処理と同じ方法で次のデータセットのグループを識別し続ける。したがって、動的検出モジュールは、残りのデータセットの中で最大のＳ／Ｒ比を有する次のデータセットを識別し、第２ターゲットに関連する可能性のあるデータセットの第２グループをシードするために使用される。次に、次のデータセットを使用して第２物理モデルを構築し、追加の候補データセットをモデルからのそれぞれの距離に基づいて識別し、これらのデータセットを使用して第２物理モデルを更新する。上述したように、処理は、ある回数の反復を繰り返すか、または処理がモデルに十分に近い測定値を有する追加のデータセットのいずれかを識別できなくなるまで繰り返す。

動的検出処理は、データセットのグループまたは最大数が特定されるまで、またはモジュールが処理するデータを使い切るまで継続する。加えて、動的検出処理は一度に１組のデータセットを検出するが、動的検出処理は一度に２組以上のデータセットを検出する、すなわち並列検出も本開示の範囲内である。さらに、グループを並列検出する実装は、より大きな処理能力を採用することによって簡単に実現され得ることが当業者には理解される。

好ましい実施形態では、モデルを再構築し、候補データセットを受け入れるかまたは拒否する最後の反復が、各データセットのグループが確立された後に完了する。最後の反復では、すべてのデータに異なる閾値を適用する。したがって、データセットに関連する測定値が、新しい閾値に基づくモデルに十分に近づいていない場合には、以前に受け入れられたデータセットを拒否することができる。動的検出処理の最後に、データセットの各グループおよび対応する物理モデルは、潜在的なターゲットを表す。また、以下で詳細に説明するコヒーレント処理ステップまたはコリレータ処理ステップ３００の入力として、各グループの物理モデルをそれぞれ定義するパラメータを用いる。

コヒーレント／コリレータ処理

動的検出ステップ２００でデータセットのグループを識別してフィッティング（モデリング）した後、前述のように、各グループの各物理モデルを定義するパラメータをフォーカスコヒーレント／コリレータ処理に使用する。処理全体の重要なフィーチャーの１つは、コヒーレント／コリレータ処理ステップにおいて、生レーダデータを処理することが、インコヒーレント処理ステップ１００および動的検出処理ステップ２００の結果として識別された特定の領域に処理リソースを集中させることを含むことである。一般に、動的検出処理ステップ２００の間に生成された物理モデルに関連するパラメータによって定義される潜在的ターゲットのレンジおよびドップラー値は、コヒーレント／コリレータ処理の間にアルゴリズムによって処理されるべきレンジおよびドップラー空間の体積を大幅に減少させるために使用される。これにより、コヒーレント／コリレータ処理後のインコヒーレント処理ステップ１００から得られる測定値に対して、測定レンジ、ドップラー、角度分解能を大幅に向上させることができる。動的検出処理ステップ２００からのフィッティング加速度値は、ドップラー外れ値の蔓延を低減するためにも使用される。以下の開示は、コヒーレント処理モジュールの説明から始まる。

コヒーレント処理モジュールおよびコヒーレント処理モジュールを構成するアルゴリズムは、位相情報を含む複数のパルスを一緒に処理することを含む。処理は「速い時間」で行われる。ラピッドタイムとは、１回の測定内でレーダ時系列データを処理することである。当業者であれば理解できるように、実際の時間は、アナログデジタル変換器（ＡＤＣ）のサンプリングレートによって設定される。速い時間は、多くのパルスが含まれる可能性があるすべての測定にわたる処理時間を指す「遅い時間」と対比される。

図１５は、それぞれがコヒーレント処理間隔全体に対応する複数の測定値を示す。複数の測定値を含む全体の時間の長さが滞留時間を表す。当業者に理解されるように、より多くのパルスは、より大きなドップラー分解能（すなわち、より細かく、より狭く、明らかなピーク）をもたらし、これは、ドップラー情報の中心周波数の決定をより容易にし、より正確なドップラーシフト測定を得ることを可能にする。しかし、より多くのパルスがより多くの処理能力を必要とする可能性があり、トレードオフが存在する可能性がある。

より多くのパルスもより大きなＳ／Ｒ比測定値に変換される。上述したように、コヒーレント処理では、コヒーレントＳ／Ｒ比スケールはＮであり、インコヒーレントＳ／Ｒ比スケールはＮの平方根である。したがって、コヒーレントＳ／Ｒ比測定値は、同じ数のパルスについて、インコヒーレントＳ／Ｒ比測定値よりも大幅に高い。

図１６は、基本的なコヒーレント処理アルゴリズム１６００を示すフローチャートである。要約すると、アルゴリズムは、復調ステップ１６０５と、フィルタ／ダウンサンプリングステップ１６１０と、ＦＦＴステップ１６１５と、Ｓ／Ｒ比ピーク検出ステップ１６２０とを含む。Ｓ／Ｒ比ピーク検出ステップ１６２０は、時系列データを異なるレンジビンに分離し、レンジビンごとに周波数を掃引してＳ／Ｒ比ピークを求めることを含む。インコヒーレント処理モジュールおよび動的検出モジュールは、潜在的なターゲットの物理モデルパラメータをコヒーレント処理モジュールに提供するので、アルゴリズムは、これらのレンジドップラーウィンドウ内のどこでターゲットデータを見つけるかを知ることができ、これにより、処理の効率性を向上させることができる。

より具体的には、インコヒーレント処理モジュールおよび動的検出動的モジュールによって提供される潜在的ターゲットの物理モデルパラメータは、所与の測定の適合レンジ、ドップラーおよび加速度値に相当する。コヒーレント処理アルゴリズムは、復調の前に、所望の信号をベースバンドで補正する（すなわち、センタリングする）ために、混合ステップでドップラーおよび加速度を使用する。これは以下でより詳細に説明され、図１８にドップラーシフト補正として示される。一方、コヒーレント処理アルゴリズムは、時間遅延が光速によってレンジにマッピングされるので、適合されたレンジ値を使用して、復調ステップ中にどの時間遅延が使用されるかを決定する。

図１７は、コヒーレント処理モジュールがＳＮＲピークの位置を特定するために動作する複数のレンジドップラーウィンドウを示す。好ましい実施形態では、コヒーレント処理モジュールは、Ｓ／Ｒ比ピークを探索するために、１つまたは複数のレンジビンをそれぞれ掃引する。しかしながら、グラフィックス処理ユニット（ＧＰＵ）、フィールド・プログラマブル・ゲート・アレイ（ＦＧＰＡ）、複数の並列プロセッサ、特別用途集積回路（ＡＳＩＣ）等の使用と並行して処理を実行することは、本開示の範囲内であり、技術者にとって明白である。

コヒーレント処理アルゴリズムの第１ステップ１６０５では、複数の予備復調ステップが実行される。このステップによれば、レーダデータから送信パルス、例えば所定の測定値からの送信パルスＴｘ₁、Ｔｘ₂が抽出され、メモリに記憶される。送信パルスが異なる時刻に送信されても、メモリに指定された時刻０（０）に記憶される。これは、上述した、インコヒーレント処理モジュールによって実行され、図８に示されるステップと同様である。

さらに、復調前ステップ１６０５に従って、移動物体のドップラーシフトの変化に対する補正を行う。これは、移動物体またはターゲットの半径方向速度が、空を移動するにつれて変化するために重要である可能性がある。この補正を行うために、時系列レーダエコーデータを、移動物体の半径方向速度および半径方向加速度の関数である複素正弦波と混合する。これを図１８に示す。さらに、正弦波は、移動物体の半径方向位置の高次時間導関数、例えば、半径方向加速度の第１および第２導関数の関数とすることができる。高次時間導関数を使用することもできる。移動物体が既知である場合、すなわち、移動物体がシステム内で識別されて記録されている場合、その物体の半径方向速度と加速度が既知であり、その情報に基づいて複素正弦波を合成することができる。移動物体が登録されていない場合、インコヒーレントかつ動的検出処理ステップからのデータを用いて複素正弦波を合成する。この補正の結果、時系列データを復調し、フィルタリングすることができるようになったが、これについては以下でより詳細に説明する。

コヒーレント処理アルゴリズムによって実行される次のステップは、図１６のステップ１６１０に示すように、時系列データの復調である。復調プロセスを図１８に示す。図示するように、複数のレンジビンのそれぞれについて、電流測定された送信パルスの複素共役を受信時系列データに乗算する。図１８の例では、２つの送信パルスＴＸ₁＜およびＴＸ₂および３つのレンジビンが存在する。所与のレンジビンに信号データが存在しない場合、図１８の例のレンジ１およびレンジ３の場合のように、復調結果の積は単にノイズである。ただし、移動物体に関連する信号データが存在する場合、生成された変調時系列データにピークとして表示される。これを図１８のレンジ２の変調時系列データで説明する。好ましい実施形態では、結果として得られる変調時系列データは、メモリを節約するために疎なアレイに記憶される。

ステップ１６１５において、各レンジビンに関連する結果として得られる復調時系列データがフィルタリングされる。好ましい実施形態では、これは、得られた各変調時系列データをローパスフィルタで畳み込み、次いでフィルタリングされたデータをダウンサンプリングすることを含む。当業者に理解されるように、ダウンサンプリングは、より少ないデータサンプルおよびより速い処理をもたらす。図１９は、フィルタリング処理を示す。図に示すように、フィルタリングによって各レンジビンのデータが伸張される。

このとき、コヒーレント処理アルゴリズムは、各レンジビンの時系列データを再混合した後、フィルタリングおよびダウンサンプリングを行う。好ましい実施形態では、アルゴリズムは少なくとも２回繰り返される。各レンジ内のドップラーウィンドウのサイズは、繰り返しのたびに減少する。図１６では、この２つの反復は、中間ドップラーサブセット掃引１６２０および動的ドップラーサブセット掃引１６２５と呼ばれる。

図２０は、中間ドップラーサブセット掃引のための時系列データの再混合処理を示す。図に示すように、これは、現在の時系列データに、中間ドップラーウィンドウの中心ドップラー速度の関数である正弦波を乗算することを含む。しかしながら、上述した復調前ステップ１６０５とは異なり、加速度補正は行われない。図２０には、結果として得られた時系列データのローパスフィルタリングも示されており、続いてデータのダウンサンプリングが行われ、これにより、図に示すように、レーダ戻り信号のＳ／Ｒ比ピークがより際立つようになる。

コヒーレント処理アルゴリズムは、動的ドップラーサブセット掃引のための時系列データを同様に再混合する。これは、中間ドップラーサブセット掃引からの時系列データに、動的ドップラーウィンドウの中心ドップラー速度の関数である正弦波を乗算することを含む。同様に、加速度補正はない。さらにローパスフィルタリングが適用され、その後、データがダウンサンプリングされ、これにより、図２１に示すように、レーダ戻り信号のＳ／Ｒ比ピークがより際立つようになる。

図１６のステップ１６３０では、コヒーレント処理アルゴリズムがレンジ補間を実行する。レンジ補間は、本質的に、第１送信パルスに関連する第１レーダ戻り信号、すなわちレーダ戻り信号の後に、時系列データにおけるレーダ戻り信号のレンジ測定を調整することである。これは、移動物体が空を非常に速く移動するために必要なことであり、各連続するレーダ戻り信号は、それぞれの送信パルスに対して異なる遅延を有することになる。レーダエコー信号の遅延の違いはレンジの違いとして現れる。したがって、後のステップで時系列データをＦＦＴし、周波数領域のピーク値を正確に加算できるようにするためには、まずこれらのレンジ差を調整する必要がある。

先のステップに従って、レンジ補間は、ドップラーウィンドウのサイズが最小化された後に実行されることに留意されたい。これは、レーダエコー信号がドップラーウィンドウの境界に近づくほど、レンジ精度が低下するため、重要である可能性がある。ゼロ周波数を中心とするより小さいドップラーウィンドウにより、精度の問題が最小化される。

所与のドップラーサブウィンドウ内で、コヒーレント処理アルゴリズムは、任意の検出されたターゲットがある一定のドップラー速度（この速度は、所与のドップラーサブウィンドウの中心ドップラー速度である）を有すると仮定することができる。時系列データについて、各後続時間ステップは、異なる時間遅延の信号に対応する。この時間遅延を利用して、コヒーレント処理アルゴリズムは、測定開始からこの時間ステップの受信電力がターゲットから反射するまでの合計時間を計算することができる。次に、アルゴリズムは、測定開始から時間ステップまでの間のターゲットレンジの予想される変化を得るために、この合計時間にドップラー速度を乗算する。

次に、各時間遅延について、コヒーレント処理アルゴリズムは、その時間遅延のレンジの予想される変化に基づいて隣接するレンジビンを重み付けする数値カーネルを構築する。レンジ軸に沿ったデータセットをこのコアと畳み込むことにより、所与のレンジの信号は、レンジがドップラー速度によって変化しない場合にはその中にあるレンジビンに移動される。各時間ステップは異なる時間遅延に対応するので、補正カーネルは時系列の時間ステップごとに異なることに留意されたい。

上記レンジ補間は、直接畳み込みにより、またはレンジフーリエ領域での乗算により適用することができる。熟練したエンジニアは、それがどのように働くのかを理解する。レンジ補間処理を図２２に示す。

レンジ補正ステップ１６３０によりレンジ補正が完了すると、コヒーレント処理アルゴリズムは、図１６のステップ１６３５に示すように、時系列データに対してＦＦＴを実行することにより、時系列データのパワースペクトルを決定する。図２３は、ＦＦＴステップ１６３０をより具体的に示す。図に示すように、時系列データに対しては、レンジビン毎にＦＦＴが行われる。このステップは、図７に示されているように、インコヒーレント処理アルゴリズムによって実行されるステップ７０９と同様である。

最終ステップにおいて、コヒーレント処理アルゴリズムは、好ましい実施形態に従って、より正確にドップラーピークに関連するデータを得るためにパラボラデータフィッティング処理を実行する。これは、図１６にステップ１６４０として示されている。データ点間のドップラー間隔は、ＦＦＴの長さによって決定される。当業者であれば理解できるように、より微細なドップラー間隔は、（時系列データをゼロパディングすることによって達成される）ＦＦＴ長を増加させることによって達成され得る。しかし、当業者も知っているように、これは計算上高価である可能性がある。補間または放物線データのフィッティング処理は、計算コストと最終的なドップラー精度の間の良好なトレードオフを提供する。図２３に示すように、補間または放物線データフィッティング処理は、より正確な最大ピークを反映するように、各ドップラーピークの最大ドップラー値を調整する。

コヒーレント処理アルゴリズムは、次に、他の全てのドップラーウィンドウ中のドップラーピークと比較して最大値を有するドップラーウィンドウから指示されたレンジのドップラーピークを抽出する。したがって、図２４に示すように、移動ターゲットに対して、コヒーレント処理アルゴリズムは、物体までのレンジと、そのレンジにおけるドップラー値とを求める。

前記コヒーレント処理アルゴリズムは、前述したように、インコヒーレント処理アルゴリズムと動的検出アルゴリズムから得られる情報に基づいて、各移動ターゲットの各測定に対して同一の処理ステップを実行する。以下で説明するように、相関処理アルゴリズムに同じ情報を提供することができる。

上記コヒーレント処理アルゴリズムの記載では、時系列データにおいて複数のパルスを送信し、複数の返信信号を受信する。チャネル数、すなわち、返送された信号を受信する受信機の数については言及されていない。しかし、図２のレーダシステムのようなレーダシステムは、複数の受信機を備えていても、１つの受信機のみで時系列データ中の複数の返信信号を受信することが想定される。レーダシステムが実際に複数の受信機を使用し、複数のチャネルのレーダデータを処理することができる場合、コヒーレント処理アルゴリズムに関して上述した時系列データは、ここではコリレータ処理モジュールまたはアルゴリズムと呼ばれる異なるモジュールによって処理されてもよい。

相関処理アルゴリズムは、コヒーレント処理アルゴリズムよりも複雑化することができ、相関処理アルゴリズムは、コヒーレント処理よりも大きなドップラー分解能と高いＳ／Ｒ比を提供することができる。上で述べたように、相関処理アルゴリズムには複数の受信機が必要な場合がある。複数の受信機の結果として、相関処理アルゴリズムは、レンジおよびドップラー情報に加えて、角度情報を処理することができる。一方、コヒーレント処理アルゴリズムはレンジとドップラーのみを測定する。なお、レーダシステムが複数の受信機を使用する場合、上述のコヒーレント処理アルゴリズムは、複数の受信機の一部または全部を使用して時系列データをコヒーレント処理することができる。本開示の代替実施形態によれば、コヒーレント処理アルゴリズムは、各受信機に関連する複数の時系列データを実質的に加算し、その後、上述と同様に時系列データを処理することができる。追加の受信機は、本質的に、所与の移動物体のレンジおよびドップラー特性をより正確に決定するための追加のデータセットを提供する。

一般に、相関処理アルゴリズムは、複数の受信チャネルにわたって１つまたは複数のレーダパルスをコヒーレントに処理し、レンジ、ドップラー、方位角および仰角の固定ウィンドウにわたってＳ／Ｒ比ピークを決定する、方位角および仰角は上記の角度情報である。コヒーレント処理アルゴリズムは、特に複数のレーダパルスを想定しているが、上述したように、コリレータ処理は、複数のチャネルにわたって単一のパルスで発生することができる。１パルス分のコリレータ処理ステップは、複数パルス分のコリレータ処理ステップと同じである。シングルパルスコリレータセンシングのケースを明示的にする必要がある。

本開示の例示的な実施形態によれば、相関処理アルゴリズムに関連する２つの一般的なフィーチャーが存在する。第１フィーチャーは干渉計を使用して、空上の移動ターゲットの高精度な位置を計算することを含む。より具体的には、２つ（例えば、隣接する）の独立した受信チャネル間の受信信号の位相差を決定し、この位相差から受信信号の位相相関を推定することを含み、当業者はそれを「可視性」とも称する。その後、位相相関の逆フーリエ変換を使用して、空における受信電力の分布を提供する合成画像を生成することができる。この分布から、分布内のピークパワーと合成画像から推定した位置とにより、移動物体を識別することができる。以下、この処理についてより詳細に説明する。

第２フィーチャーは自己校正である。各受信チャネルに関連する受信信号は、位相誤差の影響を受ける。位相誤差は、校正誤差とランダムノイズとから生じる。前述の干渉分光フィーチャーによって生成された空信号モデルに基づいて、相関処理アルゴリズムは各受信チャネルの予想される受信位相値を予測できる。予測された受信位相値と測定された受信位相値の差により、相関処理アルゴリズムが各受信チャネルの位相誤差を推定できるようになる。これらの推定された位相誤差は、将来の測定で各受信チャネルの自己校正に使用できる。

図２５は、相関処理アルゴリズムにより実行される処理を説明するフローチャートである。図示すように、処理は、一般に、復調ステップ２５０５、フィルタおよびダウンサンプリングステップ２５１０、レンジ補間ステップ２５１５、高速フーリエ変換ステップ２５２０、Ｓ／Ｒ比ピーク識別ステップ２５２５、可視性計算ステップ２５３０、合成画像ステップ２５３５、方位角／仰角決定ステップ２５４０、および自己校正ステップ２５４５を含む。好ましい実施形態によれば、相関処理アルゴリズムによって実行される最初の５つのステップ、すなわち、復調、フィルタリングおよびダウンサンプリング、レンジ補間、高速フーリエ変換（ＦＦＴ）、およびＳ／Ｒ比ピーク識別ステップ２５０５～２５２５は、相関処理アルゴリズムの復調ステップ１６１０、フィルタリングおよびダウンサンプリングステップ１６１５、レンジ補間ステップ１６３０、ＦＦＴステップ１６３５、およびＳ／Ｒ比ピーク識別ステップ１６４０と同様に実行されるが、これらのステップは、相関処理アルゴリズムに従って複数の受信チャネルのそれぞれについて実行されることを除く。これにより、複数の受信チャネルの各々の補間レンジ／ドップラーデータ値の各々は、複数の受信チャネルのチャネル毎の複素スペクトル値のセットを一緒に反映する。さらに、以下で相関処理アルゴリズムを説明する場合、説明は、（１）相関処理アルゴリズムの最初の５つの前のステップが、コヒーレント処理アルゴリズムによって実行される対応するステップと同じまたは実質的に同様の方法で、複数の受信チャネルのそれぞれについて実行され、（２）相関処理アルゴリズムを実行するために、複数の受信チャネルのそれぞれについて得られたレンジ／ドップラーデータ値を記憶する残りのステップとして理解される、相関処理アルゴリズムに固有の可視性を計算するステップ２５３０から始まる。

図１６を参照すると、ステップ２５３０は、受信チャネルの各対の可視性を計算するステップを含む。受信チャネル（受信機）の数をｎとすると、受信チャネルペアの総数は、ｎ＊（ｎ－１）／２となる。各受信チャネル対の可視性を計算することは、相関アルゴリズムの最初の５ステップを実行して得られたレンジ／ドップラー位置の複素スペクトル信号（すなわちＦＦＴステップの出力）に、相関アルゴリズムの最初の５ステップを実行して得られた対の他の受信チャネルのスペクトル信号の複素共役を乗算することを含む。所与の受信チャネル対の可視性または複素可視性は、対を構成する２つの受信チャネル間の位相差を表す。

当業者であれば理解できるように、すべての受信チャネルペアについて、計算された複素可視性は、２次元平面（ここではＵＶ平面と呼ぶ）内の上空の対応する移動物体の位置のフーリエ変換を反映する。寸法ＵおよびＶは、地上の各受信チャネル対の受信機のＸおよびＹ座標上の物理的距離（すなわち間隔）およびレーダビーム搬送周波数の波長λの変化の関数である。より具体的には、所与の複素可視性値について、ＵおよびＶは、それぞれ△Ｘ／λ＝Ｕおよび△Ｙ／λ＝Ｖとして定義されることができ、ここで、△Ｘは、地上においてＸ方向に対応する受信チャネルペアを分離する２つの受信機の物理的距離であり、ＡＹは、地上においてＹ方向に対応する受信チャネルペアを分離する２つの受信機の物理的距離である。すべての複素可視性値は、ＵＶ平面内の複素可視性値のメッシュにつながることが理解されるべきである。

図２５に示すように、相関アルゴリズムの次のステップ２５３５は、複雑な可視性値のＵＶメッシュを取得し、それによってｘ座標およびｙ座標の空画像を合成することである。これを図２６に示す。図２６に示すＸ座標およびＹ座標は、各受信チャネルに関連付けられた受信機の地上の物理的位置に関連する上述のＸ座標およびＹ座標とは異なる。これに対して、図２６に示すｘ座標およびｙ座標は、レーダビーム中心に対する角度位置を表している。図２６の画像２６０５をｘ座標およびｙ座標に合成するには、ＵＶ平面２６１５における各受信チャネル対２６１０の複素可視性値に対して２次元逆ＦＦＴ（ｉＦＦＴ）を行う。合成画像において、暗くなった点２６２０はピークＳＮＲ値の位置であり、レーダビームの中心に対する角座標ｘおよびｙにおける移動目標の位置を表す。合成画像内の明るい点２６２５は、ピークＳＮＲ値よりも小さいＳＮＲ値を有するサイドローブの考えられる位置を示している。このため、図２６の合成画像では色が薄い。

図２５に示すように、相関処理アルゴリズムによって実行される次のステップは、データフィッティングおよびピークＳ／Ｒ比決定ステップ２５４０である。このアルゴリズムは、基本的には、合成画像中の最大ピークＳ／Ｒ比値を探索し、コヒーレント処理アルゴリズムが実行するのと同一または類似の処理である放物線補間を実行する。Ｓ／Ｒ比データのこのようなフィッティングは、ピークＳ／Ｒ比値のためのより正確なｘおよびｙ位置を提供し、それは、おそらく、減光点２６２０に近いサブピクセル位置である。

さらに、ステップ２５４０に従って、方位角値および仰角値は、放物線補間後の最大ＳＮＲ値のｘおよびｙ位置から導出される。好ましい実施形態では、方位角および仰角値、並びにｘおよびｙ位置が維持される。当業者には分かるように、方位角と仰角は、標準的なフレーム回転または球面三角法技術をｘ座標値とｙ座標値に適用することによって導出することができる。

自己校正ステップ２５４５は、実際には任意のステップである。好ましい実施形態では、相関処理が実行される毎に自己校正が実行される。しかしながら、自己校正は、複数の受信チャネルにわたる受信データの感度を向上させるが、相関処理が実行される度にではなく、定期的に行うことができることを当業者は理解するであろう。また、当然のことながら、受信データがあまり敏感でない場合には、自己校正は決して実行されないことがある。

自己校正ステップ２５４５は、上記ＵＶ平面におけるＸおよびＹの値に部分的に依存する。説明されるように、例えば図２６に示されるような複数のＸおよびＹの値の各々は、受信チャネルペアの対応する１つを構成する２つの受信チャネル間の予測位相差または予測位相差を反映する。自己校正はまた、ステップ２５２５で終了する相関処理アルゴリズムの最初の５つのステップによって決定される補間レンジ／ドップラーチャネル当たり複素スペクトル値に部分的に依存し、これはまた、対応する受信チャネルの位相を反映する。より具体的には、自己校正ステップ２５４５は、複数の受信チャネルの各々について、基準受信チャネルに対する１つの受信チャネルの予想される位相値の関数である残留位相値と、基準受信チャネルに対する１つの受信チャネルの複素スペクトル値の関数とを計算することを含み、基準受信チャネルは、複数の受信チャネルのいずれでもよい。換言すれば、参照受信チャネルの選択は任意であるが、処理を容易にするために、アレイの中央に近い受信チャネルを選択することが好ましい場合がある。しかし、これは相関処理アルゴリズムの正確性には影響しない。

一例として、第１受信チャネルが指定された基準受信チャネルであれば、基準チャネルであるため残留位相値は実質的にゼロとなる。しかしながら、第２受信チャネルの場合、予想される位相差は、第１～第２受信チャネル対のそれぞれのＸＹ位置によって反映される。第２受信チャネル対の複素スペクトル値は、第１受信チャネルのスペクトル値と第２受信チャネルのスペクトル値との位相差を求めることによって得られる。したがって、基準受信チャネル（すなわち、第１受信チャネル）に対する第２受信チャネルの残留位相値は、（１）第２受信チャネルの予想位相差（すなわち、第１～第２受信チャネル対のＸＹ位置に関連する位相）と、（２）第２受信チャネル対の複素スペクトル値との差とによって決定される。他の各受信チャネルの残留位相値は、基準受信チャネルに関して同様に計算され得る。

上述したように、受信チャネルごとに算出された残差値を、対応する受信チャネルで後から受信されるレーダデータに適用することにより、その受信チャネルの感度を向上させることができる。また、前述したように、相関処理アルゴリズムが実行される度に、各受信チャネルの残留位相値を更新することができる。あるいは、各受信チャネルの残留位相値を定期的に、例えば、所定の期間内に１回更新してもよいし、相関処理アルゴリズムからのデータがあるにも関わらず、残留位相値を計算しない、または更新しないようにしてもよい。

図２７は、システムメモリ２７０５および１つまたは複数のプロセッサ２７１０と通信するフェーズドアレイ２１０を含む、図２の例示的なレーダシステムを図示する図である。前述の開示を考慮すると、インコヒーレント処理アルゴリズム、動的検出アルゴリズム、コヒーレント処理アルゴリズム、相関処理アルゴリズム、および自己校正アルゴリズムなど、さまざまに記述されたアルゴリズムが、メモリ２７０５に記憶され、１つまたは複数のプロセッサ２７１０によって実行されて、上述の結果を達成することができることは明らかである。図２７は、上記の開示を特定のハードウェア設計または構成に限定することを意図していない。当業者は、本開示から逸脱することなく、本明細書に記載された様々な実施形態、または以下に記載される請求項を含む様々なハードウェア設計および／または構成が可能であることを識別するであろう。

上記開示は、インコヒーレント、動的検出、コヒーレントおよび／またはコリレータ処理技術と、データ解析およびフィッティングの組み合わせによって、空間内を移動する物体、特に以前には識別されていない物体を識別し、その後に追跡する全体的な処理を改善し、そのようなシステムの典型的な計算コストを最小限に抑えながら、物体をより正確に識別および追跡するレーダデータ処理パイプラインを説明する。本開示は、好ましい実施形態、例示的な実施形態、および／または代替の実施形態への参照を含むが、他の実施形態が考えられ、上述の開示のレンジおよび精神内にあることを理解および理解される。

Claims (26)

1. レーダデータを処理する方法であって、
   プロセッサによって、第１レーダデータをインコヒーレントに処理し、次に、プロセッサによって、レンジおよびドップラー速度の関数としてノイズ閾値を超えるインコヒーレント検出を識別するステップと、
   前記プロセッサによって、前記識別されたインコヒーレント検出のうちのインコヒーレント検出をレンジおよびドップラー速度に関して互いに統計的に関連するインコヒーレント検出グループにグループ化し、前記プロセッサによって前記検出グループのための適合モデルを生成するステップであって、前記適合モデルは、グループ内のインコヒーレント検出のレンジおよびドップラー速度を具体的に反映するレンジおよびドップラー空間によって定義される、ステップと、
   前記プロセッサによって、前記インコヒーレント検出グループに関連する適合モデルに対応するレンジおよびドップラー空間に限定された複数のレンジおよびドップラー空間にわたって第２レーダデータをコヒーレントに処理し、前記プロセッサによって、前記コヒーレントに処理された第２レーダデータから、対応する移動物体のレンジおよびドップラー速度の関数としてレーダ信号ピークを識別するステップと、を含む、方法。
2. 前記プロセッサによって、前記第２レーダデータをコヒーレントに処理するステップは、
   前記プロセッサによって、前記第２レーダデータを、前記移動物体の半径方向速度および半径方向加速度の関数である複素正弦波と混合することにより、前記移動物体のドップラーシフトの変化について前記第２レーダデータを補正するステップを含む、請求項１に記載の方法。
3. 前記複素正弦波は、前記移動物体の半径方向位置の高次時間導関数の関数でもある、請求項２に記載の方法。
4. 前記移動物体が既知の物体である場合、前記移動物体の半径方向速度および半径方向加速度は既知である、請求項３に記載の方法。
5. 前記移動物体が予め知られていない場合、前記移動物体の半径方向速度および半径方向加速度は前記適合モデルからを推定される、請求項３に記載の方法。
6. 前記プロセッサによって、複数のレンジビンの各々でドップラーシフトが補正された前記第２レーダデータを復調するステップと、
   それぞれ前記プロセッサによって、前記復調された第２レーダデータを複数回フィルタリング、サンプリング、再混合するステップであって、前記複数のレンジビンの各々について前記第２レーダデータを再混合することは、前記プロセッサによって、復調、フィルタリング、サンプリングされたデータに、所与のレンジビンの中心ドップラー速度の関数である正弦波を乗算することを含み、前記レンジビンのサイズは再混合のたびに減少する、ステップと、をさらに含む、請求項２に記載の方法。
7. 前記プロセッサによって、前記復調された第２レーダデータのレンジ測定値を調整して、レーダパルス間の前記移動物体の移動による時間遅延を補正するステップをさらに含む、請求項６に記載の方法。
8. 前記プロセッサによって前記第２生レーダデータをコヒーレントに処理するステップは、
   プロセッサによって、複数の受信チャネルの各々について前記第２レーダデータをコヒーレントに処理するステップをさらに含む、請求項１に記載の方法。
9. 前記複数の受信チャネルを構成する各対の受信チャネルについて、前記プロセッサによって、前記各対の受信チャネルを構成する２つの受信チャネルのコヒーレントに処理されたレーダデータ間の位相差を決定するステップと、
   前記プロセッサによって、前記受信チャネルの各対の可視性値を計算するステップと、
   前記プロセッサによって、前記可視性値の逆フーリエ変換の関数として、前記移動物体の位置に対応する上空の受信電力分布を合成するステップと、
   前記プロセッサによって、前記上空の受信電力の合成分布における最大ピーク信号を決定するステップと、
   前記プロセッサによって、前記最大ピーク値に基づいて、移動ターゲットの方位角および仰角の値を決定するステップと、をさらに含む、請求項８に記載の方法。
10. 前記プロセッサによって前記最大ピーク信号を決定するステップは、
    前記プロセッサによって、データサンプル間のデータ補間を実行するステップを含む、請求項９に記載の方法。
11. 前記プロセッサによって前記移動物体の方位角および仰角の値を決定するステップは、
    前記プロセッサによって、前記上空の受信電力の合成分布における最大ピーク信号に対応する座標値にフレーム回転を行うステップを含む、請求項９に記載の方法。
12. 前記プロセッサによって、前記複数の受信チャネルの各々について残留位相値を計算するステップであって、所与の受信チャネルの残留位相値は、基準受信チャネルの期待位相値に対する受信チャネルの期待位相値の関数、および基準受信チャネルの複素スペクトル値に対する受信チャネルの複素スペクトル値の関数であり、基準受信チャネルの期待位相値に対する所与の受信チャネルの期待位相値は、前記所与の受信チャネルの受信機と前記基準受信チャネルの受信機との間の物理的距離とレーダビーム搬送波周波数の波長との関数である、ステップをさらに含む、請求項９に記載の方法。
13. 前記プロセッサによって、対応する残留位相値に基づいて、前記複数の受信チャネルのうちの１つまたは複数を校正するステップをさらに含む、請求項１２に記載の方法。
14. レーダシステムであって、
    レーダリフレクタと、
    送信機と、
    各受信機が複数の受信チャネルのうちのそれぞれのチャネルに関連する受信機のアレイと、
    メモリに記憶されたコードに組み込まれるアルゴリズムを実行するように構成されたメモリおよびプロセッサと、を含み、前記プロセッサが前記メモリに記憶されたコードに組み込まれるアルゴリズムを実行するとき、前記レーダシステムは、
    第１レーダデータをインコヒーレントに処理し、次に、レンジおよびドップラー速度の関数としてノイズ閾値を超えるインコヒーレント検出を識別し、
    前記識別されたインコヒーレント検出のうちのインコヒーレント検出をレンジおよびドップラー速度に関して互いに統計的に関連するインコヒーレント検出グループにグループ化し、前記検出グループのための適合モデルを生成し、前記適合モデルは、グループ内のインコヒーレント検出のレンジおよびドップラー速度を具体的に反映するレンジおよびドップラー空間によって定義され、
    前記インコヒーレント検出グループに関連する適合モデルに対応するレンジおよびドップラー空間に限定された複数のレンジおよびドップラー空間にわたって第２レーダデータをコヒーレントに処理し、前記コヒーレントに処理された第２レーダデータから、対応する移動物体のレンジおよびドップラー速度の関数としてレーダ信号ピークを識別するように構成された、レーダシステム。
15. 前記第２レーダデータをコヒーレントに処理するステップは、
    前記第２レーダデータを、前記移動物体の半径方向速度および半径方向加速度の関数である複素正弦波と混合することにより、前記移動物体のドップラーシフトの変化について前記第２レーダデータを補正するステップを含む、請求項１４に記載のレーダシステム。
16. 前記複素正弦波は、前記移動物体の半径方向位置の高次時間導関数の関数でもある、請求項１５に記載のレーダシステム。
17. 前記移動物体が既知の物体である場合、前記移動物体の半径方向速度および半径方向加速度は既知である、請求項１６に記載のレーダシステム。
18. 前記移動物体が予め知られていない場合、前記移動物体の半径方向速度および半径方向加速度は前記適合モデルからを推定される、請求項１６に記載のレーダシステム。
19. さらに、
    複数のレンジビンの各々でドップラーシフトが補正された前記第２レーダデータを復調し、
    前記復調された第２レーダデータを複数回フィルタリング、サンプリング、再混合し、前記複数のレンジビンの各々について前記第２レーダデータを再混合することは、復調、フィルタリング、サンプリングされたデータに、所与のレンジビンの中心ドップラー速度の関数である正弦波を乗算することを含み、前記レンジビンのサイズは再混合のたびに減少するように構成される、請求項１５に記載のレーダシステム。
20. さらに、
    前記復調された第２レーダデータのレンジ測定値を調整して、レーダパルス間の前記移動物体の移動による時間遅延を補正するように構成される、請求項１９に記載のレーダシステム。
21. 前記第２生レーダデータのコヒーレント処理は、
    複数の受信チャネルの各々について前記第２レーダデータをコヒーレントに処理するステップを含む、請求項１４に記載のレーダシステム。
22. さらに、
    前記複数の受信チャネルを構成する各対の受信チャネルについて、前記各対の受信チャネルを構成する２つの受信チャネルのコヒーレントに処理されたレーダデータ間の位相差を決定し、
    前記受信チャネルの各対の可視性値を計算し、
    前記可視性値の逆フーリエ変換の関数として、前記移動物体の位置に対応する上空の受信電力分布を合成し、
    前記上空の受信電力の合成分布における最大ピーク信号を決定し、
    前記最大ピーク値に基づいて、移動ターゲットの方位角および仰角の値を決定するように構成される、請求項２１に記載のレーダシステム。
23. 前記最大ピーク信号を決定するステップは、
    データサンプル間のデータ補間を実行するステップを含む、請求項２２に記載のレーダシステム。
24. 前記移動ターゲットの方位角および仰角の値を決定するステップは、
    前記上空の受信電力の合成分布における最大ピーク信号に対応する座標値にフレーム回転を行うステップを含む、請求項２２に記載のレーダシステム。
25. さらに、
    前記複数の受信チャネルの各々について残留位相値を計算するように構成され、所与の受信チャネルの残留位相値は、基準受信チャネルの期待位相値に対する受信チャネルの期待位相値の関数、および基準受信チャネルの複素スペクトル値に対する受信チャネルの複素スペクトル値の関数であり、基準受信チャネルの期待位相値に対する所与の受信チャネルの期待位相値は、前記所与の受信チャネルの受信機と前記基準受信チャネルの受信機との間の物理的距離とレーダビーム搬送波周波数の波長との関数である、請求項２１に記載のレーダシステム。
26. さらに、
    対応する残留位相値に基づいて、前記複数の受信チャネルのうちの１つまたは複数を校正するように構成される、請求項２５に記載のレーダシステム。