JP4294504B2

JP4294504B2 - 目標識別装置

Info

Publication number: JP4294504B2
Application number: JP2004020054A
Authority: JP
Inventors: 秀俊田中; かおり川上
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2004-01-28
Filing date: 2004-01-28
Publication date: 2009-07-15
Anticipated expiration: 2024-01-28
Also published as: JP2005214723A

Description

この発明はレーダシステムによって得られたレーダ反射波から目標やクラッタを識別する目標識別装置に関するものである。

従来の目標識別装置では、一般的に、受信したレーダ反射波から不要波を抑圧することで目標波との差を拡大し、一定基準以上の差を持つものを目標波として検出して目標を識別している。不要波を抑圧するものとして、例えば特許文献１では、レーダ信号からターゲット信号を抽出するレーダ信号処理方法において、レーダ信号の２次元ヒストグラムを得ると共に、この２次元ヒストグラムからクラッタのクラッタ信号分布を推定し、このクラッタ信号分布からクラッタ除去関数を作成し、このクラッタ除去関数からリアルタイムにクラッタ信号分布を除去してターゲット信号を抽出している。

また、不要波を抑圧するものとして、例えば特許文献２に記載されている不要波抑圧回路は偶関数抑圧回路を有し、この偶関数抑圧回路は、並列的に設けた２個の展開係数縮退回路により、受信波形データのウェーブレット展開係数のうち一部を縮退させることにより展開係数縮退後波形データを二種類発生させ、両者の対応要素毎のレベル差を減算回路にて求め、その結果得られた偶関数展開係数抑圧後波形データを出力する機能を有している。

特開平７―２０２２６号公報（要約、構成）特開２００２―１６８９４４号公報（段落００２３）

従来の目標識別装置は以上のように構成され、不要波を抑圧することで目標を識別しているため、不要波抑圧の過程で目標波も抑圧されてしまう場合には、目標が識別できないという課題があった。また、目標波が一定基準以上の差を持つように強い電波を送信しなければならないという課題があった。

この発明は上記のような課題を解決するためになされたもので、目標波や不要波を波形で識別することにより、強い電波を送信することなく目標やクラッタを識別できる目標識別装置を得ることを目的とする。

この発明に係る目標識別装置は、目標やクラッタを識別するものにおいて、大気の状況や地形等のレーダ状況パラメータ、距離方向に並んだレンジビン毎の反射波の振幅と位相で示されるパルス毎レーダ反射波、及びヒット開始時刻、スキャン間隔、パルスヒット間隔等のレーダ操作パラメータを入力し、上記レーダ操作パラメータと上記レーダ状況パラメータから構成されるレーダパラメータ、及び上記パルス毎レーダ反射波を、上記パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて出力する受信連接部と、上記レーダパラメータ及び上記パルス毎レーダ反射波を入力し、入力したパルス毎レーダ反射波を、時系列方向に並んだパルスヒット毎に振幅と位相で示される距離別レーダ波形に加工し、入力した加工パラメータに基づき上記距離別レーダ波形を、複数の窓情報で示される距離別部分波形列に加工し、入力したレーダパラメータ及び加工した距離別部分波形列を出力する受信波形加工部と、機種やクラッタ種類等の対象種及びレーダパラメータを含むモデル算出用パラメータと、隠れマルコフモデルのモデルパラメータとを対応付けて保持し、上記受信波形加工部からレーダパラメータ及び距離別部分波形列を入力し、入力したレーダパラメータにより保持しているモデルパラメータ集合を検索して取得し、このモデルパラメータ集合に含まれるモデルパラメータに従って距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータに対応するモデル算出用パラメータに含まれる対象種を識別結果として提示する識別部とを備えたものである。

この発明は、識別部が、受信波形加工部からレーダパラメータ及び距離別部分波形列を入力し、保持しているモデルパラメータ集合を検索して取得し、モデルパラメータに従って距離別部分波形列の出力確率を算出し、出力確率が最大となるモデルパラメータに対応するモデル算出用パラメータに含まれる対象種を識別結果として提示することで、目標波や不要波を波形で識別することにより、強い電波を送信することなく目標やクラッタを識別することができるという効果がある。

以下、この発明の実施の一形態を説明する。
実施の形態１．
図１はこの発明の実施の形態１による目標識別装置の構成を示すブロック図である。この目標識別装置は、ユーザから与えられるレーダ操作パラメータに従いレーダ波パルスを発してレーダ反射波を受信するレーダシステム（図示せず）からパルス毎レーダ反射波を入力して、目標やクラッタを識別するものである。この目標識別装置は、図１に示すように、受信連接部１、試験波形加工部２、受信模擬部３、模擬波形加工部４、波形ＤＢ（データベース）部５、モデル算出部６、受信波形加工部７及び識別部８を備えており、識別するためのモデルを生成するモデル生成運用時の処理と、生成されたモデルを使用して目標やクラッタの識別を行う識別運用時の処理を行うものである。

受信連接部１は、レーダシステムとのインタフェースとなっており、識別運用時には、レーダシステム又はユーザからレーダ状況パラメータを入力し、レーダシステムからレーダ操作パラメータ及びパルス毎レーダ反射波を入力し、入力したレーダ操作パラメータとレーダ状況パラメータから構成されるレーダパラメータ、及び入力したパルス毎レーダ反射波を、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて受信波形加工部７に出力する。

また、受信連接部１は、モデル生成運用時には、レーダ状況パラメータ、レーダ操作パラメータ及びパルス毎レーダ反射波の他に、さらに、ユーザから目標となる機種やクラッタ種類等の対象種を含む距離別対象種リストを入力し、レーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを、ヒットＩＤにより対応づけて試験波形加工部２に出力する。

試験波形加工部２は、モデル生成運用時に動作し、受信連接部１からレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを入力し、入力したパルス毎レーダ反射波を距離別レーダ波形に加工し、ユーザから入力した加工パラメータに基づき距離別レーダ波形を距離別部分波形列に加工し、入力した距離別対象種リストを参照して、距離別部分波形列から対象種を含む種類別部分波形列を生成し、入力したレーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部５に出力する。

受信模擬部３は、モデル生成運用時に動作し、ユーザから模擬用のレーダ操作パラメータ、模擬用のレーダ状況パラメータ及び目標となる機種やクラッタ種類等の対象種を含む距離別対象種リストを入力し、レーダ操作パラメータ及びレーダ状況パラメータに基づきレーダシステムの模擬を行ってパルス毎レーダ反射波を生成し、レーダ操作パラメータとレーダ状況パラメータから構成されるレーダパラメータ、生成したパルス毎レーダ反射波及び入力した距離別対象種リストを、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて模擬波形加工部４に出力する。

模擬波形加工部４は、モデル生成運用時に動作し、受信模擬部３からレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを入力し、入力したパルス毎レーダ反射波を距離別レーダ波形に加工し、ユーザから入力した加工パラメータに基づき距離別レーダ波形を距離別部分波形列に加工し、入力した距離別対象種リストを参照して、距離別部分波形列から対象種を含む種類別部分波形列を生成し、入力したレーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部５に出力する。

波形ＤＢ部５は、モデル生成運用時には、試験波形加工部２及び模擬波形加工部４からレーダパラメータ及び種類別部分波形列を入力し、検索可能なようにレーダパラメータ及び対象種を含む種類別部分波形列を保持し、モデル算出部６からの検索要求により該当する種類別部分波形列集合を検索してモデル算出部６に提供する。また、波形ＤＢ部５は、識別運用時には、識別部８からレーダパラメータ及び種類別部分波形列を入力し、レーダパラメータ及び種類別部分波形列集合が検索可能なように保持する。

モデル算出部６は、モデル生成運用時に動作し、ユーザから目標となる機種やクラッタ種類等の対象種とレーダパラメータを含むモデル算出用パラメータを入力し、モデル算出用パラメータに含まれる対象種に基づいて波形ＤＢ部５に検索要求を行って、波形ＤＢ部５から該当する種類別部分波形列集合を取得し、この種類別部分波形列集合を出力するような隠れマルコフモデル（ＨＭＭ）のモデルパラメータを算出して、モデル算出用パラメータ及びモデルパラメータを対応付けて識別部８に出力する。

受信波形加工部７は、識別運用時に動作し、受信連接部１からレーダパラメータ及びパルス毎レーダ反射波を入力し、入力したパルス毎レーダ反射波を距離別レーダ波形に加工し、ユーザから入力された加工パラメータに基づき距離別レーダ波形を距離別部分波形列に加工し、受信連接部１から入力したレーダパラメータ及び加工した距離別部分波形列を識別部８に出力する。

識別部８は、モデル生成運用時には、モデル算出部６からモデル算出用パラメータ及びモデルパラメータを入力し、検索可能なように対象種とレーダパラメータを含むモデル算出用パラメータ及びモデルパラメータを対応付けて保持する。

また、識別部８は、識別運用時には、受信波形加工部７からレーダパラメータ及び距離別部分波形列を入力し、レーダパラメータにより保持しているモデルパラメータ集合を検索して取得し、このモデルパラメータ集合に含まれる各モデルパラメータに従って距離別部分波形列の出力確率を算出し、算出した最大の出力確率がユーザから入力された所定のしきい値より大きい場合に、出力確率が最大となるモデルパラメータに対応するモデル算出用パラメータに含まれる対象種を識別結果としてユーザに提示する。一方、最大の出力確率がユーザから与えられる所定のしきい値より小さい場合には、識別部８は該当する対象種が存在しないことをユーザに提示する。

さらに、識別部８は、識別運用時には、この識別結果として対象種と距離別部分波形列から対象種を含む種類別部分波形列を生成し、レーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部５に出力する。

次に動作について説明する。
まず、受信連接部１に接続されているレーダシステムの動作について説明する。
レーダシステムは、ユーザが与えるレーダ操作パラメータに従い、レーダ波を発してレーダ反射波を受信し、レーダ操作パラメータ及びパルス毎レーダ反射波を受信連接部１に出力する。

ここで、レーダ操作パラメータは、例えばヒット開始時刻、スキャン間隔、パルスヒット間隔、パルスヒット数、使用周波数等のデータである。また、レーダ反射波は、レーダ操作パラメータによる所定の使用周波数で、所定のスキャン間隔で発した複数のパルスによる反射波の集合を指している。さらに、パルス毎レーダ反射波は、レーダ反射波の１パルス分に対応し、例えば距離方向に並んだレンジビン毎に反射波の振幅と位相が保持されたデータである。このとき、このパルス毎レーダ反射波には、地形、気象状況等のレーダ状況パラメータが影響する。レーダシステムがレーダ状況パラメータを観測する機能を備えている場合には、観測したレーダ状況パラメータも受信連接部１に出力する。

次に目標識別装置のモデル生成運用時の処理について説明する。
図２はこの発明の実施の形態１による目標識別装置のモデル生成運用時の処理の流れを示すフローチャートである。ステップＳＴ１１において、受信模擬部３は、ユーザから模擬用のレーダ操作パラメータ、模擬用のレーダ状況パラメータ及び距離別対象種リストを入力し、レーダ操作パラメータ及びレーダ状況パラメータに基づきレーダシステムの模擬を行ってパルス毎レーダ反射波を生成する。

ここで、入力されるレーダ操作パラメータは、例えばヒット開始時刻、スキャン間隔、パルスヒット間隔、パルスヒット数、使用周波数等のデータであり、入力されるレーダ状況パラメータは例えば地形や気象状況等のデータである。

また、入力される距離別対象種リストには、距離方向に並んだレンジビン毎に、目標となる機種やクラッタ種類を示す対象種と、この対象種が誤りである可能性をカテゴリで区別するための対象種信頼性が記述されるようになっており、このうち、レンジビン及び対象種はユーザにより模擬されて記述されている。なお、対象種信頼性のカテゴリとしては、ユーザが模擬した対象種による「模擬」、レーダシステムが実測した対象種による「実測」、識別部８が識別して予測した対象種による「予測」がある。

さらに、模擬を行って生成されるパルス毎レーダ反射波は、レーダシステムから出力されるパルス毎レーダ反射波と同等のものであり、例えば、距離方向に並んだレンジビン毎の反射波の振幅と位相のデータで示される。

ステップＳＴ１２において、受信模擬部３は、入力した距離別対象種リストにおける対象種信頼性を「模擬」と記述し、入力したレーダ操作パラメータとレーダ状況パラメータのレコードから構成されるレーダパラメータ、生成したパルス毎レーダ反射波及び入力した距離別対象種リストを、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて模擬波形加工部４に出力する。

図３は受信模擬部３から出力されるデータ構造の例を示す図である。図３において、レーダパラメータは、レーダ操作パラメータとレーダ状況パラメータのレコードからから構成され、パルス毎レーダ反射波は距離方向に並んだレンジビン毎の反射波の振幅と位相のレコードから構成され、距離別対象種リストはレンジビン、対象種、対象種信頼性のレコードから構成され、レーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストは、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけられている。この場合、ヒットＩＤは例えばレーダ操作パラメータに記述されているヒット開始時刻及びパルスヒット間隔から得られるパルスヒット時刻から受信模擬部３により自動的に付加される。

ステップＳＴ１３において、模擬波形加工部４は、受信模擬部３からレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを入力し、入力したパルス毎レーダ反射波を距離別レーダ波形に加工する。
図４は距離別レーダ波形のデータ構造の例を示す図であり、各レンジビンについて時系列方向に並んだパルスヒット（ヒットＩＤ）毎に振幅と位相のデータが記述されている。

図５は距離別レーダ波形の例を示す図である。図５において、１０１，１０２，１０３は、異なるレンジビンにおける１２８パルスヒット分の振幅の時系列データ、すなわち距離別レーダ波形である。１０１，１０２はウェザークラッタの振幅の時系列データの例で、１０３は接近飛行目標の振幅の時系列データの例である。

図２のステップＳＴ１４において、模擬波形加工部４はユーザから入力した加工パラメータに基づき距離別レーダ波形を距離別部分波形列に加工する。ここで、加工パラメータとしては、例えば、ヒット数を単位とする窓幅及びスライド幅、並びに次元数が入力される。そして、模擬波形加工部４は、距離別レーダ波形の全長を、入力された窓幅を持ち入力されたスライド幅でスライドする窓で区切り、この窓内について、例えばフーリエ変換やウォルシュ変換により、入力された次元数までの係数を部分波形ベクトルとして算出する。

図６は距離別部分波形列のデータ構造の例を示す図である。距離別部分波形列には、波形列ＩＤ、レンジビン、窓情報１０４の属性を持つデータが記述されている。ここで、波形列ＩＤには、パルス毎レーダ波集合の代表、例えば先頭のパルス毎レーダ波のヒットＩＤを用いる。これによって、距離別部分波形列がレーダパラメータと対応づけられ、レーダパラメータの属性によって距離別部分波形列を検索することができる。また、距離別部分波形列は、図６に示すように、複数の窓情報１０４から構成される。窓情報１０４は窓の時刻及び入力された次元数の部分波形ベクトルの属性を持っており、窓の時刻は、例えば、レーダ操作パラメータに含まれている先頭のパルス毎レーダ波の時刻を使用する。

図２のステップＳＴ１５において、模擬波形加工部４は、入力した距離別対象種リストを参照して、生成した距離別部分波形列に距離別対象種リストの対象種と対象種信頼性を記述して種類別部分波形列を生成し、入力したレーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部５に出力する。
図７は種類別部分波形列のデータ構造の例を示す図であり、図６に示す距離別部分波形列に、図３に示す距離別対象種リストの対象種と対象種信頼性が付加されて記述されている。

受信模擬部３及び模擬波形加工部４による図２のステップＳＴ１１〜ＳＴ１５までの処理は、受信連接部１及び試験波形加工部２についても同様に行われる。ただし、レーダシステムから受信連接部１にレーダ操作パラメータ及びパルス毎レーダ反射波が出力されているので、ステップＳＴ１１において、受信連接部１は、パルス毎レーダ反射波の生成処理を行わずに、レーダシステムからレーダ操作パラメータ及びパルス毎レーダ反射波を入力し、ユーザからレーダ状況パラメータ及び距離別対象種リストを入力する。

ここで、受信連接部１に入力されるレーダ操作パラメータは、受信模擬部３に入力されるレーダ操作パラメータと同様に、例えばヒット開始時刻、スキャン間隔、パルスヒット間隔、パルスヒット数、使用周波数等のデータであり、受信連接部１に入力されるレーダ状況パラメータも、受信模擬部３に入力されるレーダ状況パラメータと同様に、例えば地形や気象状況等のデータである。また、受信連接部１に入力されるパルス毎レーダ反射波も、受信模擬部３で生成されるパルス毎レーダ反射波と同様に、レーダ反射波の１パルス分に対応し、例えば、距離方向に並んだレンジビン毎の反射波の振幅と位相のデータで示され、地形や気象状況等のレーダ状況パラメータにより影響を受けるものである。さらに、受信連接部１に入力される距離別対象種リストも、受信模擬部３に入力される距離別対象種リストと同様であり、レンジビン及び対象種は、レーダシステムが実測したデータを参照したユーザにより記述されている。

レーダシステムが地形や気象状況等のレーダ状況パラメータを観測する機能を備えている場合には、このレーダ状況パラメータもレーダシステムから受信連接部１に入力されるが、そうでない場合には、レーダ状況パラメータはユーザから必要に応じて受信連接部１に入力される。

ステップＳＴ１２において、受信連接部１は、入力した距離別対象種リストにおける対象種信頼性を「実測」と記述し、入力したレーダ操作パラメータとレーダ状況パラメータのレコードから構成されるレーダパラメータ、入力したパルス毎レーダ反射波及び距離別対象種リストを、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて試験波形加工部２に出力する。受信連接部１から出力されるデータ構造の例は図３と同じである。

図２のステップＳＴ１３において、試験波形加工部２は、受信連接部１からレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを入力し、入力したパルス毎レーダ反射波を距離別レーダ波形に加工する。距離別レーダ波形のデータ構造の例は図４と同じであり、距離別レーダ波形の例は図５と同じである。

図２のステップＳＴ１４において、試験波形加工部２はユーザから入力した加工パラメータに基づき距離別レーダ波形を距離別部分波形列に加工する。ここで、加工パラメータとしては、例えば、ヒット数を単位とする窓幅及びスライド幅、並びに次元数が入力される。そして、試験波形加工部２は、距離別レーダ波形の全長を、入力された窓幅を持ち、入力されたスライド幅でスライドする窓で区切り、この窓内について、例えばフーリエ変換やウォルシュ変換により、入力された次元数までの係数を部分波形ベクトルとして算出する。距離別部分波形列のデータ構造の例は図６と同じである。

図２のステップＳＴ１５において、試験波形加工部２は、入力した距離別対象種リストを参照して、生成した距離別部分波形列に距離別対象種リストの対象種と対象種信頼性を記述して種類別部分波形列を生成し、入力したレーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部５に出力する。種類別部分波形列のデータ構造の例は図７と同じである。

図２のステップＳＴ１６において、波形ＤＢ部５は試験波形加工部２及び模擬波形加工部４からのレーダパラメータ及び種類別部分波形列を入力し、レーダパラメータ及び対象種を含む種類別部分波形列集合が検索可能なように保持する。このように、ユーザにより模擬された対象種による種類別部分波形列の他に、レーダシステムにより実測された対象種による種類別部分波形列を波形ＤＢ部５に保持することにより、隠れマルコフモデルのモデルパラメータ算出に利用できる種類別部分波形列のデータを増加させ、モデル算出部６のモデルパラメータの算出精度を向上させて識別部８の識別精度を向上させることができる。

ステップＳＴ１７において、モデル算出部６は、ユーザからモデル算出用パラメータを入力し、モデル算出用パラメータに含まれる対象種に基づいて波形ＤＢ部５に検索要求を行って、波形ＤＢ部５から該当する種類別部分波形列集合を取得する。例えば、モデル算出部６は、モデル算出用パラメータに含まれる機種集合又はクラッタ集合をキーとして波形ＤＢ部５に検索文を出力し、その応答として波形ＤＢ部５から機種集合又はクラッタ集合の種類別部分波形列集合を取得する。

ここで、ユーザから入力されるモデル算出用パラメータは、隠れマルコフモデル（ＨＭＭ）のモデルパラメータを生成するために種類別部分波形列を波形ＤＢ部５から取得するための検索条件である。このモデル算出用パラメータには、目標となる機種やクラッタ種類等の対象種の他に、「模擬」、「実測」、「予測」等の対象種信頼性、レーダパラメータ、隠れマルコフモデルの状態数、状態数の範囲、初期モデルパラメータ等が含まれる。ここで、初期モデルパラメータとは、モデル算出部６における後述の反復法によってモデルパラメータを算出する際に用いる初期値である。

ここで、ユーザから入力されるモデル算出用パラメータには、「模擬」、「実測」、「予測」等の対象種信頼性が含まれているので、例えば対象種信頼性として「実測」が指定されている場合には、モデル算出部６は、波形ＤＢ部５から機種集合又はクラッタ集合で対象種信頼性が「実測」の種類別部分波形列集合を取得することができ、識別時に誤りの確率の少ない隠れマルコフモデルのモデルパラメータを算出することが可能である。

ステップＳＴ１８において、モデル算出部６は、取得した種類別部分波形列集合を出力するような隠れマルコフモデルのモデルパラメータを算出し、モデル算出用パラメータ及び算出した隠れマルコフモデルのモデルパラメータを対応付けて識別部８に出力する。このように、モデル算出部６が隠れマルコフモデルでモデル化することにより、図５の時間方向（ヒット数方向）の波形の部分的な伸縮は確率的変動と見なすことになり、識別運用時における柔軟なマッチングが提供される。

ここで、隠れマルコフモデルによれば、種類別部分波形列は状態遷移によって以下のように生成されたものと見なされる。すなわち、状態間の遷移が一定時刻間隔で遷移確率（以下、状態遷移確率）に従って発生し、各状態遷移においては該状態遷移に対応した出力確率分布に従って部分波形ベクトルが出力される。これによって部分波形ベクトルの時系列、すなわち種類別部分波形列が得られる。また、モデルパラメータとは、状態数、状態遷移確率及び状態遷移に対応する出力確率分布を指している。

モデル算出部６は、例えば、モデル算出用パラメータの対象種としてクラッタのみが指定されている場合に、クラッタの隠れマルコフモデルのモデルパラメータを算出し、クラッタと目標の２カテゴリが指定されている場合に、クラッタの隠れマルコフモデル及び目標の隠れマルコフモデルのモデルパラメータを算出し、目標として想定される複数の機種が指定されている場合に、各目標の隠れマルコフモデルのモデルパラメータを算出する。また、モデル算出部６は、例えば、モデル算出用パラメータのレーダパラメータの気象条件として、天候が雨であることが指定されている場合には、この気象条件における対象種の隠れマルコフモデルのモデルパラメータを算出する。

ここで、モデル算出部６が複数の対象種の隠れマルコフモデルのモデルパラメータの算出処理を行う際に、モデル算出部６は、対象種毎の実行単位を設けて、この実行単位を複数のプロセッサで並列処理することができる。

ステップＳＴ１９において、識別部８は、モデル算出部６からモデル算出用パラメータ及び隠れマルコフモデルのモデルパラメータを入力し、検索可能なようにモデル算出用パラメータ及び隠れマルコフモデルのモデルパラメータを保持する。

次にモデル算出部６の動作についてさらに詳細に説明する。
図８はモデル算出部の内部構成を示すブロック図である。モデル算出部６は、図８に示すように、固定状態数ＨＭＭパラメータ推定部１１及びＨＭＭ状態数最適化部１２を備えており、固定状態数ＨＭＭパラメータ推定部１１は状態からの出力分布推定部１３及び状態遷移確率推定部１４を備えている。

図９はモデル算出部の処理の流れを示すフローチャートである。ステップＳＴ２１において、固定状態数ＨＭＭパラメータ推定部１１は、ユーザからモデル算出用パラメータを入力し、検索文を生成して波形ＤＢ部５に出力し、その応答として種類毎部分波形列集合を取得する。また、固定状態数ＨＭＭパラメータ推定部１１は入力したモデル算出用パラメータをＨＭＭ状態数最適化部１２に出力する。

ステップＳＴ２２において、ＨＭＭ状態数最適化部１２は固定状態数ＨＭＭパラメータ推定部１１からモデル算出用パラメータを入力し、入力したモデル算出用パラメータに隠れマルコフモデルの状態数が１つ含まれる場合には、ＨＭＭ状態数最適化部１２は、この状態数と初期モデルパラメータに従う完全結合型隠れマルコフモデルを生成し、固定状態数ＨＭＭパラメータ推定部１１に出力する。

ステップＳＴ２３において、固定状態数ＨＭＭパラメータ推定部１１は、ＨＭＭ状態数最適化部１２から、完全結合型隠れマルコフモデルを入力し、この完全結合型隠れマルコフモデルと取得した種類別部分波形列に対して、各状態遷移からの出力確率分布及び各状態遷移確率の推定値が安定又は一定幅の振動に収まるまで、状態からの出力分布推定部１３による各状態遷移からの出力確率分布の最尤推定処理と、状態遷移確率推定部１４による状態遷移確率の最尤推定処理を反復実施することによって、ＨＭＭ状態数最適化部１２から与えられた状態数における隠れマルコフモデルのモデルパラメータを算出する。

ステップＳＴ２４において、固定状態数ＨＭＭパラメータ推定部１１は、算出したモデルパラメータに基づいて、種類別部分波形列集合の出力確率の総和を算出し、これをモデルパラメータの良し悪しを示すモデル評価値としてモデルパラメータと共にＨＭＭ状態数最適化部１２に出力する。

このとき、状態からの出力分布推定部１３は、種類別部分波形列集合を対象とし、与えられた完全結合型隠れマルコフモデルに従い、初期モデルパラメータの状態遷移確率又は状態遷移確率推定部１４で更新した状態遷移確率を既定として、各状態遷移からの出力確率分布を最尤推定する。また、状態遷移確率推定部１４は、種類別部分波形列集合を対象とし、与えられた完全結合型隠れマルコフモデルに従い、初期モデルパラメータの出力確率分布又は出力分布推定部１３で更新した出力確率分布を既定として、状態遷移確率を最尤推定する。

ここで、遷移前と遷移後の状態が同じ場合を自己状態遷移と呼び、その遷移確率を自己状態遷移確率と呼んで、他の状態遷移確率と扱いを分けることもできる。この自己状態遷移確率を、その遷移回数分の累乗でなく、例えば自己状態遷移回数の線形関数とするデュレーションモデルを採用すると、長い自己状態遷移が発生するような場合に精度良く遷移確率を算出できる。また、複数の自己状態遷移確率が同一という条件を加えて、時系列に関する伸縮を均質化することもできる。

ステップＳＴ２５において、ＨＭＭ状態数最適化部１２は、固定状態数ＨＭＭパラメータ推定部１１から、１つの状態数に対応するモデル評価値をモデルパラメータと共に入力し、そのモデル評価値に対応するモデルパラメータ及びモデル算出用パラメータを識別部８に出力する。

ユーザから入力されたモデル算出用パラメータに隠れマルコフモデルの状態数が複数含まれる場合には、上記ステップＳＴ２２から上記ステップＳＴ２４までの処理を反復し、ステップＳＴ２５において、ＨＭＭ状態数最適化部１２は最大のモデル評価値に対応するモデルパラメータ及びモデル算出用パラメータを識別部８に出力する。

次に目標識別装置の識別運用時の処理について説明する。
図１０はこの発明の実施の形態１による目標識別装置の識別運用時の処理の流れを示すフローチャートである。ステップＳＴ３１において、受信連接部１は、レーダシステムからレーダ操作パラメータ及びパルス毎レーダ反射波を入力し、レーダシステム又はユーザからレーダ状況パラメータを入力する。

ここで、受信連接部１に入力されるレーダ操作パラメータ、レーダ状況パラメータ及びパルス毎レーダ反射波は、モデル生成運用時に入力されるものと同じである。レーダシステムが地形や気象状況等のレーダ状況パラメータを観測する機能を備えている場合には、このレーダ状況パラメータもモデル生成運用時と同様にレーダシステムから受信連接部１に入力される。

ステップＳＴ３２において、受信連接部１は、入力したレーダ操作パラメータとレーダ状況パラメータから構成されるレーダパラメータ、及び入力したパルス毎レーダ反射波を、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて受信波形加工部７に出力する。受信連接部１から受信波形加工部７に出力されるデータ構造は、図３に示すレーダパラメータ及びパルス毎レーダ反射波と同様である。

ステップＳＴ３３において、受信波形加工部７は、受信連接部１からレーダパラメータ及びパルス毎レーダ反射波を入力し、入力したパルス毎レーダ反射波を距離別レーダ波形に加工する。距離別レーダ波形のデータ構造の例は図４と同じであり、距離別レーダ波形の例も図５と同じである。

図１０のステップＳＴ３４において、受信波形加工部７は、ユーザから入力した加工パラメータに基づき距離別レーダ波形を距離別部分波形列に加工し、入力したレーダパラメータ及び加工した距離別部分波形列を識別部８に出力する。ここで、加工パラメータとしては、模擬波形加工部４に入力される加工パラメータと同様に、例えば、ヒット数を単位とする窓幅及びスライド幅、並びに次元数が入力される。そして、受信波形加工部７は、距離別レーダ波形の全長を、入力された窓幅を持ち、入力されたスライド幅でスライドする窓で区切り、この窓内について、例えばフーリエ変換やウォルシュ変換により、入力された次元数までの係数を部分波形ベクトルとして算出する。距離別部分波形列のデータ構造の例は図６に示すものと同じである。

図１０のステップＳＴ３５において、識別部８は、受信波形加工部７からレーダパラメータ及び距離別部分波形列を入力し、レーダパラメータにより保持しているモデルパラメータ集合を検索して取得する。この場合、識別部８は、さらにユーザからの対象種やレーダパラメータを含むモデル算出用パラメータを入力し、検索して取得するモデルパラメータ集合を絞り込むこともできる。
ステップＳＴ３６において、識別部８は取得したモデルパラメータ集合に含まれる各モデルパラメータに従って距離別部分波形列の出力確率を算出する。

ステップＳＴ３７において、識別部８は、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、選択したモデルパラメータに対応するモデル算出用パラメータに含まれる対象種を識別結果としてユーザに提示し、必要に応じてレーダシステムに出力する。一方、選択した最大の出力確率がユーザから与えられる所定のしきい値より小さい場合には、識別部８は、該当する対象種が存在しないことをユーザに提示し、必要に応じてレーダシステムに出力する。このように、識別部８が識別結果をレーダシステムに還元することにより、レーダシステムは目標を検出する前に、波形から目標かクラッタかを識別することができ、レーダシステムの負荷を軽減することができる。

ここで、例えば、ステップＳＴ３５において、ユーザによりモデル算出用パラメータにおける対象種としてクラッタが指定された場合に、識別部８がクラッタのモデルパラメータ集合を絞り込んで取得し、ステップＳＴ３６において、識別部８はクラッタのモデルパラメータに従って距離別部分波形列の出力確率を算出し、ステップＳＴ３７において、識別部８は算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、対象種がクラッタであることを提示し、しきい値より小さい場合には、該当する対象種が存在しないことを提示する。

また、例えば、ステップＳＴ３５において、ユーザによりモデル算出用パラメータにおける対象種として目標及びクラッタの２カテゴリが指定された場合に、識別部８が目標及びクラッタのモデルパラメータ集合を絞り込んで取得し、ステップＳＴ３６において、識別部８は目標及びクラッタのモデルパラメータに従ってそれぞれの距離別部分波形列の出力確率を算出し、ステップＳＴ３７において、識別部８は算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、対象種が目標又はクラッタであることを提示し、しきい値より小さい場合には、該当する対象種が存在しないことを提示する。

さらに、例えば、ステップＳＴ３５において、ユーザによりモデル算出用パラメータにおける対象種として、目標として想定される複数の機種が指定された場合に、識別部８が想定される複数の機種のモデルパラメータ集合を絞り込んで取得し、ステップＳＴ３６において、識別部８は各機種のモデルパラメータに従ってそれぞれの距離別部分波形列の出力確率を算出し、ステップＳＴ３７において、識別部８は算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、想定された機種の１つが該当の機種であることを提示し、しきい値より小さい場合には、想定された機種が存在しないことを提示する。

このように、識別部８が複数の対象種のモデルパラメータについての距離別部分波形列の出力確率の算出処理を行う際には、識別部８は、対象種毎の実行単位を設けて、この実行単位を複数のプロセッサで並列処理することができる。

ステップＳＴ３８において、識別部８は、この識別結果としての対象種と距離別部分波形列から種類別部分波形列を生成し、種類別部分波形列における対象種信頼性を「予測」と記述してレーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部５に出力する。種類別部分波形列のデータ構造の例は図７に示すものと同じである。

ステップＳＴ３９において、波形ＤＢ部５は、識別部８からのレーダパラメータ及び種類別部分波形列を入力し、レーダパラメータ及び対象種を含む種類別部分波形列集合が検索可能なように保持する。このように、ユーザにより模擬された対象種による種類別部分波形列の他に、識別部８により識別されて予測された対象種による種類別部分波形列を波形ＤＢ部５に保持することにより、隠れマルコフモデルのモデルパラメータ算出に利用できる種類別部分波形列のデータを増加させ、モデル算出部６のモデルパラメータの算出精度を向上させて識別部８の識別精度を向上させることができる。

以上のように、この実施の形態１によれば、波形ＤＢ部５にレーダパラメータ及び種類別部分波形列を保持し、モデル算出部６が、モデル算出用パラメータに含まれる対象種に基づいて波形ＤＢ部５から該当する種類別部分波形列集合を取得して、隠れマルコフモデルのモデルパラメータを算出し、識別部８が、受信波形加工部７からレーダパラメータ及び距離別部分波形列を入力し、モデルパラメータ集合を検索して、モデルパラメータに従って距離別部分波形列の出力確率を算出し、出力確率が最大となるモデルパラメータに対応するモデル算出用パラメータに含まれる対象種を識別結果として提示することで、目標波や不要波を波形で識別することにより、強い電波を送信することなく目標やクラッタを識別することができるという効果が得られる。

また、この実施の形態１によれば、モデル算出部６が隠れマルコフモデルのモデルパラメータを算出することにより、波形の部分的な伸縮にかかわらず、目標とクラッタを識別し、あるいは目標の機種を識別することができるという効果が得られる。

さらに、この実施の形態１によれば、モデル算出部６が複数の対象種の隠れマルコフモデルのモデルパラメータの算出処理を行う際には、モデル算出部６は、対象種毎の実行単位を設けて、この実行単位を複数のプロセッサで並列処理することにより、モデル生成処理を高速化できるという効果が得られる。

さらに、この実施の形態１によれば、受信連接部１から出力される波形のデータ構造と受信模擬部３から出力される波形のデータ構造を共通化することにより、試験波形加工部２と模擬波形加工部４の実装を共通化することができ、システムの実装及び管理が容易になるという効果が得られる。

さらに、この実施の形態１によれば、ユーザにより模擬された対象種による種類別部分波形列の他に、レーダシステムにより実測された対象種による種類別部分波形列を波形ＤＢ部５に保持することにより、隠れマルコフモデルのモデルパラメータ算出に利用できる種類別部分波形列のデータを増加させ、モデル算出部６のモデルパラメータの算出精度を向上させて識別部８の識別精度を向上させることができるという効果が得られる。

さらに、この実施の形態１によれば、ユーザにより模擬された対象種による種類別部分波形列の他に、識別部８により識別されて予測された対象種と距離別部分波形列から種類別部分波形列を生成して波形ＤＢ部５に保持することにより、隠れマルコフモデルのモデルパラメータ算出に利用できる種類別部分波形列のデータを増加させ、モデル算出部６のモデルパラメータの算出精度を向上させて識別部８の識別精度を向上させることができるという効果が得られる。

さらに、この実施の形態１によれば、識別部８が識別結果をレーダシステムに還元することにより、目標を検出する前に波形から目標かクラッタかを識別でき、レーダシステムの負荷を軽減することができるという効果が得られる。

さらに、この実施の形態１によれば、ユーザにより対象種としてクラッタが指定された場合に、識別部８がクラッタのモデルパラメータ集合を絞り込んで取得し、クラッタのモデルパラメータに従って距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、対象種がクラッタであることを提示することにより、目標のデータなしでクラッタを識別できるという効果が得られる。

さらに、この実施の形態１によれば、ユーザにより対象種として目標及びクラッタの２カテゴリが指定された場合に、識別部８が目標及びクラッタのモデルパラメータ集合を絞り込んで取得し、目標及びクラッタのモデルパラメータに従ってそれぞれの距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、対象種が目標又はクラッタであることを提示することにより、目標とクラッタの識別ができるという効果が得られる。

さらに、この実施の形態１によれば、ユーザにより対象種として、目標として想定される複数の機種が指定された場合に、識別部８が想定される複数の機種のモデルパラメータ集合を絞り込んで取得し、各機種のモデルパラメータに従ってそれぞれの距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率がユーザから与えられる所定のしきい値より大きい場合に、想定された機種の１つが該当の機種であることを提示することにより、目標の機種を識別できるという効果が得られる。

さらに、この実施の形態１によれば、識別部８が複数の対象種のモデルパラメータについての距離別部分波形列の出力確率の算出処理を行う際には、対象種毎の実行単位を設けて、この実行単位を複数のプロセッサで並列処理させることにより、識別処理を高速化できるという効果が得られる。

実施の形態２．
図１１はこの発明の実施の形態２による目標識別装置の構成を示すブロック図である。この目標識別装置は、実施の形態１の図１に示す構成から受信模擬部３及び模擬波形加工部４を削除したものであり、その他の構成は図１に示す構成と同一である。

次に動作について説明する。
図１１において、波形ＤＢ部５はあらかじめ受信模擬部３及び模擬波形加工部４により生成されたレーダパラメータ及び種類別部分波形列を検索可能なように保持しており、その他の試験波形加工部２及び識別部８からのレーダパラメータ及び種類別部分波形列を保持する処理は実施の形態１と同じである。また、その他の受信連接部１、試験波形加工部２、モデル算出部６、受信波形加工部７及び識別部８の処理は、実施の形態１と同じである。

以上のように、この実施の形態２によれば、実施の形態１と同様の効果が得られると共に、波形ＤＢ部５にあらかじめレーダパラメータ及び種類別部分波形列を保持しておくことにより、受信模擬部３及び模擬波形加工部４を削除することができ、目標識別装置を小型化することができるという効果が得られる。

実施の形態３．
図１２はこの発明の実施の形態３による目標識別装置の構成を示すブロック図である。この目標識別装置は、実施の形態１の図１に示す構成から試験波形加工部２、受信模擬部３、模擬波形加工部４、波形ＤＢ部５及びモデル算出部６を削除したものであり、その他の構成は図１に示す構成と同一である。

次に動作について説明する。
図１２において、識別部８は、あらかじめ検索可能なようにモデル算出用パラメータ及びモデルパラメータを保持しており、識別運用時におけるその他の処理は、実施の形態１と同じである。また、その他の受信連接部１及び受信波形加工部２の処理は、実施の形態１と同じである。

以上のように、この実施の形態３によれば、実施の形態１と同様の効果が得られると共に、識別部８にあらかじめモデル算出用パラメータ及びモデルパラメータを保持しておくことにより、試験波形加工部２、受信模擬部３、模擬波形加工部４、波形ＤＢ部５及びモデル算出部６を削除することができ、目標識別装置をさらに小型化することができるという効果が得られる。

この発明の実施の形態１による目標識別装置の構成を示すブロック図である。この発明の実施の形態１による目標識別装置のモデル生成運用時の処理の流れを示すフローチャートである。この発明の実施の形態１による目標識別装置の受信模擬部及び受信連接部から出力されるデータ構造の例を示す図である。この発明の実施の形態１による目標識別装置における距離別レーダ波形のデータ構造の例を示す図である。この発明の実施の形態１による目標識別装置における距離別レーダ波形の例を示す図である。この発明の実施の形態１による目標識別装置における距離別部分波形列のデータ構造の例を示す図である。この発明の実施の形態１による目標識別装置における種類別部分波形列のデータ構造の例を示す図である。この発明の実施の形態１による目標識別装置のモデル算出部の内部構成を示すブロック図である。この発明の実施の形態１による目標識別装置のモデル算出部の処理の流れを示すフローチャートである。この発明の実施の形態１による目標識別装置の識別運用時の処理の流れを示すフローチャートである。この発明の実施の形態２による目標識別装置の構成を示すブロック図である。この発明の実施の形態３による目標識別装置の構成を示すブロック図である。

符号の説明

１受信連接部、２試験波形加工部、３受信模擬部、４模擬波形加工部、５波形ＤＢ部、６モデル算出部、７受信波形加工部、８識別部、１１固定状態数ＨＭＭパラメータ推定部、１２ＨＭＭ状態数最適化部、１３状態からの出力分布推定部、１４状態遷移確率推定部、１０１ウェザークラッタの振幅の時系列データ、１０２ウェザークラッタの振幅の時系列データ、１０３接近飛行目標の振幅の時系列データ、１０４窓情報。

Claims

目標やクラッタを識別する目標識別装置において、
大気の状況や地形等のレーダ状況パラメータ、距離方向に並んだレンジビン毎の反射波の振幅と位相で示されるパルス毎レーダ反射波、及びヒット開始時刻、スキャン間隔、パルスヒット間隔等のレーダ操作パラメータを入力し、上記レーダ操作パラメータと上記レーダ状況パラメータから構成されるレーダパラメータ、及び上記パルス毎レーダ反射波を、上記パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて出力する受信連接部と、
上記レーダパラメータ及び上記パルス毎レーダ反射波を入力し、入力したパルス毎レーダ反射波を、時系列方向に並んだパルスヒット毎に振幅と位相で示される距離別レーダ波形に加工し、入力した加工パラメータに基づき上記距離別レーダ波形を、複数の窓情報で示される距離別部分波形列に加工し、入力したレーダパラメータ及び加工した距離別部分波形列を出力する受信波形加工部と、
機種やクラッタ種類等の対象種及びレーダパラメータを含むモデル算出用パラメータと、隠れマルコフモデルのモデルパラメータとを対応付けて保持し、上記受信波形加工部からレーダパラメータ及び距離別部分波形列を入力し、入力したレーダパラメータにより保持しているモデルパラメータ集合を検索して取得し、このモデルパラメータ集合に含まれるモデルパラメータに従って距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータに対応するモデル算出用パラメータに含まれる対象種を識別結果として提示する識別部とを備えたことを特徴とする目標識別装置。
識別部が識別結果としての対象種をレーダシステムに出力することを特徴とする請求項１記載の目標識別装置。
モデル算出用パラメータにおける対象種としてクラッタが指定された場合に、識別部はクラッタのモデルパラメータ集合を絞り込んで取得し、クラッタのモデルパラメータに従って距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率が所定のしきい値より大きい場合に、対象種がクラッタであることを提示することを特徴とする請求項１記載の目標識別装置。
モデル算出用パラメータにおける対象種として目標及びクラッタが指定された場合に、識別部は目標及びクラッタのモデルパラメータ集合を絞り込んで取得し、目標及びクラッタのモデルパラメータに従ってそれぞれの距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率が所定のしきい値より大きい場合に、対象種が目標又はクラッタであることを提示することを特徴とする請求項１記載の目標識別装置。
モデル算出用パラメータにおける対象種として、目標として想定される複数の機種が指定された場合に、識別部は想定される複数の機種のモデルパラメータ集合を絞り込んで取得し、各機種のモデルパラメータに従ってそれぞれの距離別部分波形列の出力確率を算出し、算出した出力確率が最大となるモデルパラメータを選択し、この最大の出力確率が所定のしきい値より大きい場合に、想定された機種の１つが該当の機種であることを提示することを特徴とする請求項１記載の目標識別装置。
識別部が複数の対象種のモデルパラメータについての距離別部分波形列の出力確率の算出処理を行う際に、対象種毎の実行単位を設けて、この実行単位を複数のプロセッサで並列処理することを特徴とする請求項１記載の目標識別装置。
レーダパラメータと、対象種や複数の窓情報で示される種類別部分波形列とを保持している波形ＤＢ部と、
入力したモデル算出用パラメータに含まれる対象種に基づいて、上記波形ＤＢ部を検索して種類別部分波形列集合を取得し、この種類別部分波形列集合を出力するような隠れマルコフモデルのモデルパラメータを算出して、入力したモデル算出用パラメータと算出したモデルパラメータとを対応付けて識別部に出力するモデル算出部とを備えたことを特徴とする請求項１記載の目標識別装置。
波形ＤＢ部に保持されている種類別部分波形列に対象種の誤りの可能性を区別する対象種信頼性が記述され、モデル算出部は入力したモデル算出用パラメータに含まれる対象種信頼性に基づいて、波形ＤＢ部を検索して種類別部分波形列集合を取得することを特徴とする請求項７記載の目標識別装置。
モデル算出部が複数の対象種の隠れマルコフモデルのモデルパラメータの算出処理を行う際に、対象種毎の実行単位を設けて、この実行単位を複数のプロセッサで並列処理することを特徴とする請求項７記載の目標識別装置。
モデル算出部は、
モデル算出用パラメータを入力し波形ＤＢ部を検索して種類別部分波形列集合を取得する固定状態数ＨＭＭパラメータ推定部と、
上記モデル算出用パラメータを入力し、入力したモデル算出用パラメータに含まれる状態数と初期モデルパラメータに従う完全結合型隠れマルコフモデルを生成するＨＭＭ状態数最適化部とを備え、
上記固定状態数ＨＭＭパラメータ推定部が、上記完全結合型ＨＭＭと上記種類別部分波形列に対して、各状態遷移からの出力確率分布及び各状態遷移確率の推定値が安定又は一定幅の振動に収まるまで、各状態遷移からの出力確率分布の最尤推定処理と、状態遷移確率の最尤推定処理を反復実施することによって、上記状態数におけるモデルパラメータを算出することを特徴とする請求項７記載の目標識別装置。
識別部は、識別結果としての対象種と距離別部分波形列から種類別部分波形列を生成し、レーダパラメータ及び生成した種類別部分波形列を波形ＤＢ部に出力することをことを特徴とする請求項７記載の目標識別装置。
識別部は生成した種類別部分波形列に対象種信頼性を記述して出力することを特徴とする請求項１１記載の目標識別装置。
受信連接部からレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを入力し、上記パルス毎レーダ反射波を時系列方向に並んだパルスヒット毎に振幅と位相で示される距離別レーダ波形に加工し、入力した加工パラメータに基づき上記距離別レーダ波形を複数の窓情報で示される距離別部分波形列に加工し、上記距離別対象種リストを参照して、上記距離別部分波形列から対象種と複数の窓情報で示される種類別部分波形列を生成し、上記レーダパラメータ及び上記種類別部分波形列を波形ＤＢ部に出力する試験波形加工部を備えたことを特徴とする請求項７記載の目標識別装置。
試験波形加工部は生成した種類別部分波形列に対象種信頼性を記述して出力することを特徴とする請求項１３記載の目標識別装置。
入力したレーダ操作パラメータ及びレーダ状況パラメータに基づき模擬を行ってパルス毎レーダ反射波を生成し、レーダ操作パラメータとレーダ状況パラメータから構成されるレーダパラメータ、生成したパルス毎レーダ反射波及び入力した対象種を含む距離別対象種リストを、パルス毎レーダ反射波の識別子であるヒットＩＤにより対応づけて出力する受信模擬部と、
上記受信模擬部からレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストを入力し、上記パルス毎レーダ反射波を時系列方向に並んだパルスヒット毎に振幅と位相で示される距離別レーダ波形に加工し、入力した加工パラメータに基づき上記距離別レーダ波形を複数の窓情報で示される距離別部分波形列に加工し、上記距離別対象種リストを参照して、上記距離別部分波形列から対象種と複数の窓情報で示される種類別部分波形列を生成し、上記レーダパラメータ及び上記種類別部分波形列を波形ＤＢ部に出力する模擬波形加工部とを備えたことを特徴とする請求項７記載の目標識別装置。
模擬波形加工部は生成した種類別部分波形列に対象種信頼性を記述して出力することを特徴とする請求項１５記載の目標識別装置。
受信連接部及び受信模擬部から出力されるレーダパラメータ、パルス毎レーダ反射波及び距離別対象種リストのデータ構造を共通にすることを特徴とする請求項１５記載の目標識別装置。