JP3871875B2

JP3871875B2 - Target classification method and apparatus

Info

Publication number: JP3871875B2
Application number: JP2000338224A
Authority: JP
Inventors: 雅久持田
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2000-11-06
Filing date: 2000-11-06
Publication date: 2007-01-24
Anticipated expiration: 2020-11-06
Also published as: JP2002148334A

Description

【０００１】
【発明の属する技術分野】
本発明は、目標類別装置に関し、特にレーダ装置の受信信号によりその反射物体を判別する目標類別装置に関する。
【０００２】
【従来の技術】
受信信号による目標類別は、操作員が高い確度で目標を判別するために必要な技術であり、迅速性、確実度及び容易性が要求される。対象となる目標の画像情報が得られないレーダ、ソナー等の情報から目標を類別する方法としては、従来から操作員の経験に頼る割合が大きいため、迅速で正確な類別が可能な装置が必要である。
【０００３】
そのため、ソナーにおける目標類別方法の一例として、目標信号の持つ複数の特徴素を抽出・統合して、これら特徴素から目標信号の確信度を算出し、これを用いて目標か否かを判断することにより、残響等の影響を受けずに目標の検出率の向上を図る技術が、特開平９−１４５８３４号公報（特許第２８２６４９４号）に開示されている。
【０００４】
図８は、上記公報記載の目標信号検出装置の構成を示すブロック図である。送受波器１０は、複数個の電気音響変換素子が配列された構成を備えており、水中に音波を発信するとともに、目標からの反響音を受信する。信号処理部２０は、送受波器１０により受信された信号を入力し、Ｓ／Ｎ比の向上を行うとともに、受信信号が有する複数の特徴を強調して、振幅係信号（振幅、方位）、位相誤差分散係信号（位相誤差分散値、方位）およびドップラー分析係信号（スペクトラム）を出力する。
【０００５】
信号検出部３０は、信号処理部２０から出力される上記３系統の時系列信号からそれぞれの系統毎に目標らしき信号を抽出して目標信号とし、さらに、抽出した目標信号の区間からその信号が有する特徴素の特徴量を算出する。
【０００６】
目標検出部４０は、信号検出部３０により抽出された各３系統毎の目標信号を、各系統で検出された目標信号の位置に基づいて統合し、その統合された位置を算出するとともに、その位置及び統合された各系統の目標信号の特徴素を出力する。
【０００７】
目標類別部５０は、目標検出部４０から出力される統合された各系統の特徴素の特徴量個々に対して、予め作成された重み付けテーブル６０を参照して重み付けを行い、さらに、重み付けされた各特徴素から確信度を算出し、この確信度に基づいて受信信号を目標からの信号か否かを判定し、目標信号の位置等を表示部に出力する。
【０００８】
図９に、上記公報記載の目標類別部５０の構成を示す。重み付け処理部５０１は、目標検出部４０から出力される目標毎の位置（方位、距離）および特徴素（信号Ｓ／Ｎ、信号長、位相誤差分散値、ドップラーＳ／Ｎおよびドップラー偏移）を入力し、各特徴素に対して特徴素毎の重み付けを行い、特徴素毎の重みおよび目標位置を確信度算出部５０２に出力する。
【０００９】
この特徴素毎の重み付けは、予め各特徴素毎に特徴素の入力特徴量と重み係数との関係（入力：特徴量Ｘｉ、出力：重み係数（０〜１））が登録された重み付けテーブル６０を参照することにより行われる。
【００１０】
確信度算出部５０２は、重み付け処理部５０１から出力される目標位置及び各特徴素毎の重みに基づいて目標の確信度を算出し、この確信度と目標位置とを確信度閾値処理部５０３に出力する。目標の確信度算出には、簡易的エキスパートシステムの一つである２入力のＭＹＣＩＮ−ＯＲ演算が使用され、５つの入力特徴素に対して順次４回のＭＹＣＩＮ−ＯＲ演算を行うことによって目標の確信度を算出している。
【００１１】
確信度閾値処理部５０３は、確信度算出部５０２から出力される目標位置および目標の確信度を入力し、目標の確信度に対して、予め統計的処理等により決定された閾値を用いて閾値処理を行い、確信度が閾値を越える目標が目標として抽出され、その位置等が表示部に出力される。
【００１２】
【発明が解決しようとする課題】
上記公報記載の発明では、水中に存在する目標を対象としており、水中に音波を発信し、その反響音（受信信号）から算出した特徴素（対象目標の特性を定量化したもの）により目標の類別を行っており、特徴素として、信号Ｓ／Ｎ、信号長、位相誤差分散値、ドップラーＳ／Ｎおよびドップラー偏移が用いられている。
【００１３】
上記公報記載の技術を、地上目標等を対象としたレーダ装置に適用しようとしても、地上目標は、水中目標とはその物理的振る舞いが異なり、その類別の基本となる対象目標の特性が異なるために、特徴素として上記公報記載の特徴素をそのまま利用しても目標の検出率の向上は図れないという問題がある。
【００１４】
本発明の目的は、上記問題点に鑑み、地上目標等を対象としたレーダ装置に適用可能な目標類別手段を提供することにある。
【００１５】
【課題を解決するための手段】
本発明は、地上目標等のスペクトラムの形状に着目し、該スペクトラムから対象目標の特性を定量化した複数の特徴素を算出し、該算出した複数の特徴素を用いて目標類別を行うことを特徴とする。
【００１６】
具体的には、本発明の目標類別装置は、特徴素算出器に、強度算出器、分散算出器、ガウスパターン生成器、差分算出器、対称性算出器、及び尖度算出器を備え、目標強度、スペクトラムの分散又は標準偏差、スペクトラムのばらつき、スペクトラムの対称性、スペクトラムの尖度という特徴素を算出する機能を備えたことを特徴としている。
【００１７】
【発明の実施の形態】
図１は、本発明による目標類別装置の実施の形態を示す構成図である。本発明の目標類別装置と上記公報記載の目標類別装置とは、特に特徴素算出器３の構成及び動作において大きく異なる。
【００１８】
図１において、対象目標に電波を発射し、対象目標から反射された受信信号は、ドップラー周波数変換器１へ入力される。ドップラー周波数変換器１では、入力された受信信号のうち、信号処理部７において検出された目標に対して、ＦＦＴ処理等により時間領域の信号をドップラー周波数領域に変換する。
【００１９】
閾値検出器２では、ある閾値を設定し、ドップラー周波数変換器１の全出力信号から閾値以上の信号を検出する。閾値検出器２の出力信号は、特徴素算出器３に入力され、目標のスペクトラム（周波数領域における信号）形状を定量化した特徴素を算出する。特徴素算出器３によって算出された特徴素はウェイト処理器４に入力される。
【００２０】
ウェイト処理器４では、特徴素算出器３から出力された各特徴素の値に対して、予め統計的処理により作成されたウェイトテーブル６を参照してウェイト係数を決定する。ウェイトテーブル６は、例えば、所要類別数が３種類であれば、特徴素数×３種類分のウェイトテーブルが格納されている。
【００２１】
本発明の実施の形態では特徴素数は５であるので、所要類別数が３であれば、ウェイトテーブル数は１５となる。前記ウェイト係数は確信度算出器５に入力される。確信度算出器５は、各特徴素毎にウェイト値に基づいて、２入力のＭＹＣＩＮ−ＯＲ演算により目標の確信度を算出する。
【００２２】
図２は、本発明の実施形態における特徴素算出器３の構成を示すブロック図である。
【００２３】
本発明の特徴素算出器３では、閾値検出器２の出力信号から、目標のスペクトラム形状を定量化した特徴素として、以下の５種類の特徴素が算出され、算出された各特徴素はウェイト処理器４へ出力される。
【００２４】
▲１▼目標強度、
▲２▼スペクトラムの分散又は標準偏差、
▲３▼スペクトラムのばらつき、
▲４▼スペクトラムの対称性、
▲５▼スペクトラムの尖度。
【００２５】
上記特徴素は以下のように定義される。
まず、「目標強度」は、強度算出器３０１により目標のスペクトラム強度の最大値又は平均値として算出される。また、上記の特徴素のうち、「スペクトラムの分散又は標準偏差」、「スペクトラムの対称性」、および「スペクトラムの尖度」は、スペクトラム中心に対するｋ次モーメントを求める以下の式（１）〜式（４）に基づいて、それぞれ分散算出器３０２、対称性算出器３０５、および尖度算出器３０６によって算出される。
【００２６】
【数１】

「▲３▼スペクトラムのばらつき」は、まず、ガウスパターン生成器３０３でスペクトラムのガウスパターン近似を行い、次に差分算出器３０４において元のスペクトラムとガウスパターン近似曲線の差分値の総和を算出する。
【００２７】
図３は、この「▲３▼スペクトラムのばらつき」の算出を説明するための概念図である。図３の上段は、スペクトラムＳ(ｆ)とこのスペクトラムＳ(ｆ)をガウスパターンで近似したフィッティングカーブＦ(ｆ)を重畳させた図である。ここで、スペクトラムＳ(ｆ)とフィッティングカーブＦ(ｆ)の差分の絶対値を求めると図３の下段のようになる。最後に各周波数の差分の絶対値の総和を算出し、「▲３▼スペクトラムのばらつき」とする。
【００２８】
図４及び図５は、それぞれ本発明による特徴素の算出に関する異なる実施例を示している。特徴素のうち、スペクトラムの標準偏差、スペクトラムの対称性、スペクトラムの尖度、スペクトラムばらつきについて模擬的に発生させたスペクトラムにより評価したものであり、標準偏差、対称性、尖度については両者の間にほとんど変化がないが、スペクトルのばらつきに差が見られる。
【００２９】
従って、図４と図５のように対象目標の各スペクトラム成分が変動する場合では、スペクトラムとスペクトラムをガウスパターンで近似したフィッテイングカーブの差分値の総和が有効な特徴素であると考えられる。
【００３０】
図６は、本発明の実施形態における特徴素算出器３、ウェイト処理器４、確信度算出器５及びウェイトテーブル６の構成を示すブロック図である。
【００３１】
特徴素算出器３で算出された各特徴素は、ウェイト処理器４に入力され、ウェイト処理器４において、予め各特徴素毎に特徴量とウェイト係数の関係（入力：特徴量ｘ_i、出力：ウェイト係数ｆ_i(ｘ_i)（０〜１））が登録されたウェイトテーブル６に基づいて各特徴素毎に重み付けを行い、各特徴素毎のウェイト係数ｆ_i(ｘ_i)が確信度算出器５に入力される。
【００３２】
ウェイトテーブル６は、例えば目標強度の場合、図７のような分布になっている。横軸が特徴量ｘ_i縦軸がウェイト係数ｆ_i(ｘ_i)である。ウェイト係数の分布は、類別された目標毎（目標Ａ、Ｂ、Ｃ）に異なり、多数取得された実データ等によって最適化される。
【００３３】
確信度算出器５では、前記ウェイト処理器４から出力される各特徴素のウェイト係数に基づいて目標の確信度を算出する。目標の確信度の算出には、２入力のＭＹＣＩＮ−ＯＲ演算が用いられる。２入力のＭＹＣＩＮ−ＯＲ演算は式（５）により行われる。
【００３４】
ｃ＝ａ＋ｂ−ａｂ（５）
ここで、ａ、ｂは入力、ｃは出力である。
【００３５】
目標確信度の算出には、図６に示すように、特徴素のウェイト係数が５入力であるため、トーナメント形式で４回のＭＹＣＩＮ−ＯＲ演算が行われる。
【００３６】
【発明の効果】
本発明は、地上目標等のスペクトラムの形状から対象目標の特性を定量化した複数の特徴素を用いて目標類別処理を行っているので、地上目標等を対象としたレーダ装置における目標の検出率の向上を図ることができる。
【００３７】
また、特徴素として、目標強度、スペクトラムの分散又は標準偏差、スペクトラムのばらつき、スペクトラムの対称性、スペクトラムの尖度を用いているので、より正確な地上目標目標類別が可能となる。
【図面の簡単な説明】
【図１】本発明の目標類別装置の実施形態を示す構成図である。
【図２】本発明の実施形態の特徴素算出器の構成を示すブロック図である。
【図３】スペクトラムのばらつきの算出を説明する概念図である。
【図４】特徴素の算出に関する実施例である。
【図５】特徴素の算出に関する実施例である。
【図６】本発明の実施形態のウェイト処理器、確信度算出器の構成及び動作を示す図である。
【図７】ウェイトテーブルを説明する概念図である。
【図８】従来例を示すブロック図である。
【図９】従来例における一部詳細ブロック図である。
【符号の説明】
１ドップラー周波数変換器
２閾値検出器
３特徴素算出器
４ウェイト処理器
５確信度算出器
６ウェイトテーブル
７信号処理部
３０１強度算出器
３０２差分算出器
３０３ガウスパターン生成器
３０４分散算出器
３０５対称性算出器
３０６尖度算出器[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a target classification device, and more particularly to a target classification device that discriminates a reflection object from a received signal of a radar device.
[0002]
[Prior art]
Target classification based on received signals is a technique necessary for an operator to determine a target with high accuracy, and requires quickness, certainty, and ease. As a method of classifying targets from information such as radar, sonar, etc. for which target target image information cannot be obtained, a device that can be quickly and accurately classified is necessary because of the large proportion of reliance on operator experience. It is.
[0003]
Therefore, as an example of a target classification method in sonar, a plurality of feature elements possessed by a target signal are extracted and integrated, a certainty factor of the target signal is calculated from these feature elements, and this is used to determine whether the target is a target. Thus, a technique for improving the target detection rate without being affected by reverberation or the like is disclosed in Japanese Patent Application Laid-Open No. 9-145834 (Japanese Patent No. 2826494).
[0004]
FIG. 8 is a block diagram showing the configuration of the target signal detection apparatus described in the above publication. The transducer 10 has a configuration in which a plurality of electroacoustic transducers are arranged, transmits a sound wave in water, and receives an echo sound from a target. The signal processing unit 20 receives the signal received by the transducer 10 and improves the S / N ratio, emphasizes a plurality of characteristics of the received signal, and determines an amplitude-related signal (amplitude, azimuth), A phase error dispersion signal (phase error dispersion value, direction) and a Doppler analysis signal (spectrum) are output.
[0005]
The signal detection unit 30 extracts a target signal for each system from the three time-series signals output from the signal processing unit 20 as a target signal, and the signal is extracted from the extracted target signal section. The feature amount of the feature element is calculated.
[0006]
The target detection unit 40 integrates the target signals for each of the three systems extracted by the signal detection unit 30 based on the position of the target signal detected in each system, calculates the integrated position, and The feature element of the position and the target signal of each integrated system is output.
[0007]
The target classification unit 50 weights each feature quantity of each integrated feature element output from the target detection unit 40 with reference to a previously created weighting table 60, and further weighted. A certainty factor is calculated from each feature element, it is determined whether the received signal is a signal from a target based on the certainty factor, and the position of the target signal and the like are output to the display unit.
[0008]
FIG. 9 shows the configuration of the target classification unit 50 described in the above publication. The weighting processing unit 501 outputs the position (azimuth, distance) and feature elements (signal S / N, signal length, phase error variance value, Doppler S / N, and Doppler shift) for each target output from the target detection unit 40. Input, weight each feature element for each feature element, and output the weight and target position for each feature element to the certainty factor calculation unit 502.
[0009]
The weighting for each feature element is the weighting table 60 in which the relationship between the input feature quantity of the feature element and the weighting coefficient (input: feature quantity Xi, output: weighting coefficient (0 to 1)) is registered in advance for each feature element. This is done by referring to.
[0010]
The certainty factor calculation unit 502 calculates a target certainty factor based on the target position output from the weighting processing unit 501 and the weight of each feature element, and the certainty factor and the target position are sent to the certainty factor threshold processing unit 503. Output. To calculate the certainty level of the target, a 2-input MYCIN-OR operation, which is one of simple expert systems, is used. By performing 4 MYCIN-OR operations sequentially on 5 input feature elements, The certainty factor is calculated.
[0011]
The certainty threshold processing unit 503 inputs the target position and target certainty output from the certainty calculating unit 502, and uses the threshold determined in advance by statistical processing or the like for the target certainty. Processing is performed, a target whose certainty exceeds a threshold value is extracted as a target, and its position and the like are output to the display unit.
[0012]
[Problems to be solved by the invention]
In the invention described in the above publication, a target existing in water is targeted, a sound wave is transmitted into the water, and a target element is calculated by a characteristic element (a quantified target target characteristic) calculated from its reverberation sound (received signal). Classification is performed, and signal S / N, signal length, phase error variance, Doppler S / N, and Doppler shift are used as feature elements.
[0013]
Even if the technology described in the above publication is applied to a radar device targeting a ground target, the ground target is different in physical behavior from the underwater target, and the characteristics of the target target that is the basis of its classification are different. In addition, there is a problem that the target detection rate cannot be improved even if the feature elements described in the above publication are used as they are.
[0014]
In view of the above problems, an object of the present invention is to provide a target classification means applicable to a radar apparatus targeting a ground target or the like.
[0015]
[Means for Solving the Problems]
The present invention pays attention to the shape of a spectrum such as a ground target, calculates a plurality of feature elements quantifying the characteristics of the target target from the spectrum, and performs target classification using the calculated plurality of feature elements. Features.
[0016]
Specifically, the target classification apparatus of the present invention includes a feature element calculator including an intensity calculator, a variance calculator, a Gaussian pattern generator, a difference calculator, a symmetry calculator, and a kurtosis calculator. It is provided with a function for calculating characteristic elements such as intensity, spectrum dispersion or standard deviation, spectrum dispersion, spectrum symmetry, and spectrum kurtosis.
[0017]
DETAILED DESCRIPTION OF THE INVENTION
FIG. 1 is a block diagram showing an embodiment of a target classification apparatus according to the present invention. The target classification apparatus according to the present invention and the target classification apparatus described in the above publication differ greatly in the configuration and operation of the feature element calculator 3 in particular.
[0018]
In FIG. 1, a reception signal that emits radio waves to a target target and is reflected from the target target is input to a Doppler frequency converter 1. The Doppler frequency converter 1 converts a signal in the time domain into a Doppler frequency domain by FFT processing or the like for the target detected by the signal processing unit 7 in the input received signal.
[0019]
The threshold detector 2 sets a certain threshold and detects a signal equal to or higher than the threshold from all output signals of the Doppler frequency converter 1. The output signal of the threshold detector 2 is input to the feature element calculator 3 to calculate a feature element obtained by quantifying the target spectrum (signal in the frequency domain). The feature element calculated by the feature element calculator 3 is input to the weight processor 4.
[0020]
The weight processor 4 determines a weight coefficient for each feature element value output from the feature element calculator 3 with reference to a weight table 6 created in advance by statistical processing. For example, if the number of required classifications is three types, the weight table 6 stores the number of feature primes × three types of weight tables.
[0021]
In the embodiment of the present invention, since the number of feature primes is 5, if the required classification number is 3, the number of weight tables is 15. The weight coefficient is input to the certainty calculator 5. The certainty factor calculator 5 calculates the target certainty factor by a two-input MYCIN-OR operation based on the weight value for each feature element.
[0022]
FIG. 2 is a block diagram showing a configuration of the feature element calculator 3 in the embodiment of the present invention.
[0023]
In the feature element calculator 3 of the present invention, the following five types of feature elements are calculated from the output signal of the threshold detector 2 as feature elements obtained by quantifying the target spectrum shape, and each of the calculated feature elements is a weight. It is output to the processor 4.
[0024]
(1) Target strength,
(2) Spectrum variance or standard deviation
(3) Spectrum variation,
(4) Spectrum symmetry,
(5) Spectrum kurtosis.
[0025]
The feature elements are defined as follows.
First, the “ target intensity ” is calculated by the intensity calculator 301 as the maximum value or the average value of the target spectrum intensity. Among the above feature elements, “ spectrum dispersion or standard deviation ”, “ spectrum symmetry ”, and “ spectrum kurtosis ” are the following formulas (1) to (1) to obtain k-th moment with respect to the spectrum center: Based on (4), the variance calculator 302, the symmetry calculator 305, and the kurtosis calculator 306 are calculated.
[0026]
[Expression 1]

In “(3) spectrum variation”, first, Gaussian pattern approximation of the spectrum is performed by the Gaussian pattern generator 303, and then the sum of the difference values between the original spectrum and the Gaussian pattern approximation curve is calculated by the difference calculator 304.
[0027]
FIG. 3 is a conceptual diagram for explaining the calculation of “(3) spectrum variation”. The upper part of FIG. 3 is a diagram in which a spectrum S (f) and a fitting curve F (f) approximating the spectrum S (f) with a Gaussian pattern are superimposed. Here, the absolute value of the difference between the spectrum S (f) and the fitting curve F (f) is obtained as shown in the lower part of FIG. Finally, the sum of the absolute values of the differences between the frequencies is calculated and is defined as “(3) spectrum variation”.
[0028]
4 and 5 respectively show different embodiments relating to the calculation of feature elements according to the present invention. Among the feature elements, the standard deviation of the spectrum, the symmetry of the spectrum, the kurtosis of the spectrum, and the spectrum variation are evaluated based on the simulated spectrum. The standard deviation, the symmetry, and the kurtosis are between the two. There is little change in the spectrum, but there is a difference in spectral variation.
[0029]
Therefore, when each spectrum component of the target target fluctuates as shown in FIGS. 4 and 5, it is considered that the sum of the difference values of the fitting curves obtained by approximating the spectrum and the spectrum by a Gaussian pattern is an effective feature element.
[0030]
FIG. 6 is a block diagram illustrating configurations of the feature element calculator 3, the weight processor 4, the certainty factor calculator 5, and the weight table 6 according to the embodiment of the present invention.
[0031]
Each feature element calculated by the feature element calculator 3 is input to the weight processor 4, and the weight processor 4 previously stores the relationship between the feature amount and the weight coefficient for each feature element (input: feature amount x _i , output). : Weighting is performed for each feature element based on the weight table 6 in which the weight coefficient f _i (x _i ) (0 to 1)) is registered, and the weight coefficient f _i (x _i ) for each feature element is a certainty factor. Input to the calculator 5.
[0032]
For example, in the case of the target intensity, the weight table 6 has a distribution as shown in FIG. The horizontal axis represents the feature quantity x _{i and the} vertical axis represents the weight coefficient f _i (x _i ). The distribution of the weight coefficients is different for each classified target (targets A, B, and C), and is optimized based on a large number of acquired actual data and the like.
[0033]
The certainty calculator 5 calculates the target certainty based on the weight coefficient of each feature element output from the weight processor 4. For calculating the target certainty factor, a two-input MYCIN-OR operation is used. The 2-input MYCIN-OR operation is performed according to Equation (5).
[0034]
c = a + b−ab (5)
Here, a and b are inputs, and c is an output.
[0035]
In calculating the target certainty factor, as shown in FIG. 6, since the weight coefficient of the feature element is five inputs, four MYCIN-OR operations are performed in the tournament format.
[0036]
【The invention's effect】
In the present invention, target classification processing is performed using a plurality of feature elements obtained by quantifying the characteristics of the target target from the spectrum shape of the ground target, etc., so that the target detection rate in the radar device targeting the ground target or the like Can be improved.
[0037]
Further, since target intensity, spectrum dispersion or standard deviation, spectrum variation, spectrum symmetry, and spectrum kurtosis are used as feature elements, more accurate ground target target classification is possible.
[Brief description of the drawings]
FIG. 1 is a configuration diagram showing an embodiment of a target classification apparatus of the present invention.
FIG. 2 is a block diagram illustrating a configuration of a feature element calculator according to the embodiment of this invention.
FIG. 3 is a conceptual diagram illustrating calculation of spectrum variation.
FIG. 4 is an embodiment relating to calculation of feature elements.
FIG. 5 is an embodiment relating to calculation of feature elements.
FIG. 6 is a diagram illustrating the configuration and operation of a weight processor and a certainty factor calculator according to an embodiment of the present invention.
FIG. 7 is a conceptual diagram illustrating a weight table.
FIG. 8 is a block diagram showing a conventional example.
FIG. 9 is a partial detailed block diagram of a conventional example.
[Explanation of symbols]
1 Doppler frequency converter 2 threshold detector 3 feature element calculator 4 weight processor 5 confidence factor calculator 6 weight table 7 signal processing unit 301 intensity calculator 302 difference calculator 303 Gaussian pattern generator 304 variance calculator 305 symmetry Calculator 306 Kurtosis calculator

Claims

In a target classification method that classifies a target from a received signal obtained by emitting a radio wave toward the target and receiving a reflected wave from the target,
A first step of extracting a desired received signal from the received signal, a second step of converting the extracted received signal from a time domain to a Doppler frequency domain, and a threshold value among the output signals of the second step A third step for detecting the above signals; a fourth step for calculating a plurality of feature elements indicating target features from the shape of the Doppler frequency spectrum obtained in the third step; and the fourth step. A fifth step of weighting each feature element calculated in step 5 using a weight table created beforehand by statistical processing, and each feature element that is an output value obtained in the fifth step. Comprising the sixth step of calculating the target certainty factor based on the weight value,
The fourth step is based on a Doppler frequency spectrum equal to or higher than the threshold obtained in the third step.
Calculating a target strength;
Calculating the variance or standard deviation of the spectrum;
Gaussian pattern generation step and difference calculation step for calculating the variation of the spectrum,
Calculating the symmetry of the spectrum;
Calculating the kurtosis of the spectrum and
A target categorization method characterized by comprising :

In a target classification device that categorizes a target from a received signal obtained by emitting a radio wave toward the target and receiving a reflected wave from the target,
A signal processing unit that extracts a desired reception signal from the reception signal, a Doppler frequency converter that converts the reception signal extracted by the signal processing unit from a time domain to a Doppler frequency domain, and an output signal of the Doppler frequency converter A threshold detector for detecting a signal equal to or higher than the threshold, a feature element calculator for calculating a plurality of feature elements indicating a target feature from the shape of the Doppler frequency spectrum output from the threshold detector, and statistical processing in advance A weight table created by the weight element, a weight processor that weights each feature element calculated by the feature element calculator using the weight table, and each feature element that is an output value of the weight processor A certainty calculator that calculates the certainty of the target based on the weight value of
The feature element calculator includes: an intensity calculator that calculates a target intensity from a Doppler frequency spectrum that is greater than or equal to a threshold that is output from the threshold detector; a variance calculator that calculates a variance or standard deviation of the spectrum; and the spectrum A Gaussian pattern generator and a difference calculator for calculating the dispersion of the spectrum, a symmetry calculator for calculating the symmetry of the spectrum, and a kurtosis calculator for calculating the kurtosis of the spectrum. Target classification device.

The certainty calculator is configured by a plurality of two-input MYCIN-OR calculation means for calculating a target certainty by inputting a weight value for each feature element that is an output value of the weight processor. The target classification apparatus according to claim 2 .