JP4698941B2 - 目標類別装置 - Google Patents

Description

この発明は、レーダにより検出された目標を、クロスレンジプロフィールを用いて類別する目標類別装置に関するものである。

目標類別を行うレーダ装置に関する従来の技術として、高分解能なレンジプロフィールやレーダ画像を用いて類別を行うものがある。
このような従来の技術の参考例として、文献Li,H., Yang,S., “Using Range Profiles as Feature Vectors to Identify Aerospace Objects,” IEEE TRANS. ON ANTENNAS AND PROPAGATION, Vol.41, pp261-268, Mar.1993がある。この文献では、広帯域な電波の送受信を行って得られる、高分解能なレンジプロフィールを類別に用いている。
しかし、これらは広帯域な送受信を必要とするので、適用機種が限定されるという問題があった。

Li,H., Yang,S., "Using Range Profiles as Feature Vectors to Identify Aerospace Objects," IEEE TRANS. ON ANTENNAS AND PROPAGATION, Vol.41, pp261-268, Mar.1993

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，広帯域な送受信を必要とせずに、高分解能な反射強度分布を用いて目標類別を行うことを目的とする。
また、クロスレンジプロフィールを用いて目標類別を行う場合、目標のクロスレンジプロフィールは、アスペクト角により大きく変化する。したがって、この発明では、目標のクロスレンジプロフィールから得られる特徴量を用いて目標類別を行う際に、目標の特徴量がアスペクト角により大きく変化することを考慮した類別手法を与えることを目的とする。

この発明の目標類別装置は、目標で散乱した送信信号を受信信号として受信し処理して、ドップラープロフィールを生成するドップラープロフィール生成部と、
ドップラープロフィール生成部で生成したドップラープロフィールを、目標の運動から算出されるアスペクト角に基づいてクロスレンジプロフィールに変換するクロスレンジスケーリング部と、
クロスレンジスケーリング部から出力されるクロスレンジプロフィールから、クロスレンジ切り出し処理部で目標の存在するクロスレンジを切り出し、特徴量算出部でこの切り出されたクロスレンジプロフィールから特徴量を算出し、算出された特徴量を、判定部で、予め定められた特徴量の閾値による判定基準と比較して目標類別を行う類別処理部を有する。

クロスレンジプロフィールを用いることにより、広帯域な送受信を必要とせずに、高分解能な反射強度分布を用いて目標類別を行うことができる。

実施の形態１．
以下、図１〜図５に従いこの発明の実施の形態１について説明する。
図１は、この発明の実施の形態１によるレーダ装置の構成を示す図、
図２は、図１における特徴量算出部の構成を示す図、
図３は、この発明の実施の形態１による観測のジオメトリを示す図、
図４は、この発明の実施の形態１によるクロスレンジ幅推定方法を示す図、
図５は、この発明の実施の形態１による閾値Ｔ_ｗの決定方法を示す図である。

図１において、１はアンテナ、２はサーキュレータ、３は送信機、４は受信機、５は目標アスペクト角推定部、６はドップラープロフィール生成部である。目標アスペクト角推定部５は追尾処理部５a及びアスペクト角推定部５ｂを有し、ドップラープロフィール生成部６はメモリ６aとフーリエ変換部６ｂを有する。
７はクロスレンジスケーリング部、８は類別処理部でクロスレンジ切り出し部８ａ、特徴量算出部８ｂ、判定部８ｃを有する。９は判定基準作成処理部、１０は判定基準ライブラリである。
なお、特徴量算出部８ｂは図２に示すようにこの実施の形態ではクロスレンジ幅算出部８ｂ-1で構成される。

次に動作につき説明する。
（１）送信機３で生成した送信信号を、サーキュレータ２を通じてアンテナ１から目標へ送信するとともに、目標で散乱した送信信号を受信信号として再びアンテナ１で受信する。アンテナ１で受信された受信信号は、サーキュレータ２を通じて受信機４にて受信・分析される。その結果が目標アスペクト角推定部５とドップラープロフィール生成部６に送られる。

（２）受信機４から目標アスペクト角推定部５に送られた信号はまず、追尾処理部５aに送られる。この信号をもとに追尾処理部５aにおいて目標の位置、速度、移動方向を取得し、その結果がアスペクト角推定部５ｂに送られる。アスペクト角推定部５ｂでは、レーダの視線方向と、目標の位置および移動方向とから、目標のアスペクト角と観測時間におけるアスペクト角の変化量を算出し、その結果がクロスレンジスケーリング部７に送られる。
ここで、図３のジオメトリにおいて、目標の機首方向と、目標位置を基準としたレーダのなす角θをアスペクト角とよぶ。ここで、アスペクト角θは、アジマス方向とエレベーション方向の２つの成分であることに注意する必要がある。合成開口中のアスペクト角の変化量は図３中に角度Δθで表される。Δθに関しては、例えば、追尾処理部５aにより得られた観測開始時間の目標の位置ベクトルをＲ_０、収集終了時の位置ベクトルをＲ_１とすると、アスペクト角の変化量Δθは、目標が直線運動を行うという仮定の下に次式で与えられる。

（３）受信機４からドップラープロフィール生成部６に送られた信号はまず、メモリ６aに蓄積される。ここでは、時刻ｔ＝０(ｓ)からｔ＝Ｔ(ｓ)の間に移動する目標に対して、等時間間隔でパルスを照射して反射波を受信する処理をＨ回繰り返すことにより、受信信号ｇ(h)（ｈ＝０，１,…,H−１）を収集したとする。ここで、Ｈをヒット数、ｈをヒット番号、Ｔを合成開口時間と呼ぶ。フーリエ変換部６ｂはメモリ６ａで蓄積した受信信号ｇ(h)を読み出し、次式でフーリエ変換することにより、ドップラープロフィールＤ_ｐ(ｎ) （ｎ＝0,1,…,H−１）を得る。

ここで、ｎをドップラーセル番号と呼ぶ。ドップラープロフィールの分解能Δｆは次式で与えられる。

得られたドップラープロフィールＤ_ｐ(ｎ)は、クロスレンジスケーリング部７に送られる。

（４）ドップラープロフィールは、ドップラー周波数に対する目標の反射強度分布を表しており、このままでは、目標上の位置との対応が取れない。そこで、ドップラー周波数[Hz]をクロスレンジ[m]に換算するクロスレンジスケーリングが必要になる。クロスレンジ分解能Δｒ_ｃ[m]は、Δθおよび波長λ、合成開口時間Ｔを用いて次式で表せる。

よって、ドップラー周波数からクロスレンジへの換算係数αは式(３)、(４)に基づいて次式で与えられる。

つまりΔｆ［Ｈｚ］の周波数差は、これをα倍することでクロスレンジ幅Δｒ_ｃ[ｍ]に換算できる。
前述したように、ドップラープロフィールをドップラーセル番号ｎに対応する分布として与えているので、Ｄ_ｐ(ｎ)の各ｎを次式で与えられる係数α’倍することで、クロスレンジプロフィールに換算できる。

ドップラープロフィール生成部６で生成されたドップラープロフィールＤ_ｐ(ｎ)は、クロスレンジスケーリング部７において、目標アスペクト角推定部５で取得した目標のアスペクト角の変化量に基づいて、式(6)によりクロスレンジプロフィールＣ_ｐ(ｍΔｒ_ｃ）（ｍ＝0,1, …,H−１）に換算される。その結果が類別処理部８に送られる。

（５）クロスレンジスケーリング部７から類別処理部８に送られたクロスレンジプロフィールＣ_ｐ(ｍΔｒ_ｃ)はまず、クロスレンジ切り出し部８ａに送られる。クロスレンジ切り出し部８ａでは、観測する目標のクロスレンジプロフィールから、目標の存在するクロスレンジが切り出され、その結果が特徴量算出部８ｂに送られる。特徴量算出部８ｂのクロスレンジ幅算出部８b-1では、クロスレンジ幅を算出する。まず、切り出されたクロスレンジプロフィールを振幅の最大値で正規化し、Ｃ_ｐｎ(ｍΔｒ_ｃ）を生成する。

次に、Ｃ_ｐｎ(ｍΔｒ_ｃ)に、図４に示すように、振幅の閾値Ｔ_ａｍｐを設定して、次式により閾値処理を適用し、Ｉ_ｐ(ｍΔｒ_ｃ）を得る。

このＩ_ｐ(ｍΔｒ_ｃ）に基づいて、次式により観測目標のクロスレンジ幅Ｗを算出する。

ただし、Ｆind（Ｘ(ｉ））は、配列Ｘ(ｉ）の値が１となる全ての要素番号ｉを出力するオペレータである。このクロスレンジ幅Ｗは、判定部８cへ送られる。

（６）判定部８ｃでは、特徴量算出部８ｂで得られたクロスレンジ幅Ｗを、目標を類別するためのクロスレンジ幅の閾値Ｔ_ｗと比較して類別を行うわけであるが、 ここではまず、判定基準作成処理部９において、目標を類別するためのクロスレンジ幅の閾値Ｔ_ｗを決定する方法について述べる。

判定基準作成処理部９では、事前の数値計算により、図５に示すような各カテゴリに属する目標のクロスレンジ幅のアスペクト角特性を計算する。この数値計算は、例えばGTD(Geometrical Theory of Diffraction)等を用いて行う。ここでは、検出した目標からミサイルと航空機に類別する場合を例に述べる。図５の例では、●と■が航空機カテゴリに属する目標のクロスレンジ幅を表し、○と□がミサイルカテゴリに属する目標のクロスレンジ幅を表す。次に、全アスペクト角範囲で誤類別が発生する確率を最も小さくするように１つの閾値Ｔ_ｗを決定する。図５中の実線が閾値Ｔ_ｗの例を表す。決定された閾値Ｔ_ｗは判定基準ライブラリ１０にて保持される。

（７）判定部８cでは、特徴量算出部８bで得られたクロスレンジ幅Ｗを、判定基準作成処理部９で決定され判定基準ライブラリ１０にて保持されている目標を類別するためのクロスレンジ幅の閾値Ｔ_ｗと比較して類別を行う。具体的には、Ｗ＞Ｔ_ｗの目標を航空機、Ｗ＜Ｔ_ｗの目標をミサイルと判定する。

（他の実施例）
上記実施の形態では、特徴量算出部８bは、式(7)〜式(9)で示した方法により目標のクロスレンジ幅を算出しているが、このとき、サイドローブを含めた大きさを目標のクロスレンジ幅として算出してしまう可能性がある。そこで、フーリエ変換部６ｂにおいて、受信信号ｇ(h)（ｈ＝0,1,…,H−１）に窓関数をかけた結果をフーリエ変換してドップラープロフィールを生成すれば、サイドローブを抑圧することができ、上記の問題を解決することができる。

以上のように、この発明の実施の形態１によれば、クロスレンジプロフィールを用いることにより、広帯域な送受信を必要とせずに、高分解能な反射強度分布を用いて目標類別を行うことができる効果を奏する。

実施の形態２．
図６は、この発明の実施の形態２によるレーダ装置の構成を示し、図７は、アスペクト角に依存した閾値を決定する概念を示す。
図６において、８ｄは判定基準読み取り部、１１はアスペクト角考慮型判定基準作成処理部、１２はアスペクト角考慮型判定基準ライブラリであり、これら以外の構成は図１に示す実施の形態１のものと同様である。

実施の形態１では、事前に用意した各カテゴリに属する目標のクロスレンジ幅のアスペクト角特性から、各カテゴリの誤識別を最も小さくするようなクロスレンジ幅の閾値Ｔ_ｗを１つ決定して類別を行っていた。しかし、本来、目標のクロスレンジ幅はアスペクト角により大きく変化すること、アスペクト角は追尾により推定可能であることを踏まえると、アスペクト角ごとに閾値を変化させたほうが類別性能が向上する。実施の形態２はこの点に着目し、アスペクト角ごとに閾値を変化させた類別方法である。

（１）まず、アスペクト角考慮型判定基準作成処理部１１において、目標を類別するためのクロスレンジ幅の閾値Ｔ_ｗを、目標のクロスレンジ幅がアスペクト角により大きく変化することを考慮して決定する方法について述べる。アスペクト角に依存した閾値を決定する概念を図７に示す。
事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅のアスペクト角特性を計算する。ここでは、実施の形態１と同じく、検出した目標をミサイルと航空機に類別する場合を例に述べる。図７の例では、図５と同様に●と■が航空機カテゴリに属する目標のクロスレンジ幅を表し、○と□がミサイルカテゴリに属する目標のクロスレンジ幅を表す。アスペクト角考慮型判定基準作成処理部１１では、各カテゴリのクロスレンジ幅のアスペクト角特性に従ってクロスレンジ幅の閾値をアスペクト角θごとに変化させる。クロスレンジ幅がアスペクト角により変化することを考慮して決定された閾値Ｔ_ｗは、アスペクト角考慮型判定基準ライブラリ１２にて保持される。

（２）判定基準読み取り部８ｄは、アスペクト角推定部５ｂから、目標のアスペクト角の情報を受け取り、このアスペクト角に対応する閾値Ｔ_ｗを、アスペクト角考慮型判定基準ライブラリ１２から受け取り、この情報を判定部８ｃに送る。

（３）判定部８ｃでは、特徴量算出部８ｂで得られたクロスレンジ幅Ｗを、判定基準読み取り部８ｄから送られる目標を類別するためのクロスレンジ幅の閾値Ｔ_ｗと比較して類別を行う。すなわち、実施の形態１と同様に、Ｗ＞Ｔ_ｗの目標を航空機、Ｗ＜Ｔ_ｗの目標をミサイルと判定する。

（他の実施例）
上記実施の形態では、アスペクト角考慮型判定基準作成処理部１１は、事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅のアスペクト角特性を計算するようにしたが、アスペクト角推定部５ｂから目標のアスペクト角の情報を得るようにして、アスペクト角の情報を得たのちにシミュレーションを行い、閾値Ｔ_ｗを決定するようにしてもよい。

この実施の形態２によれば、アスペクト角ごとに閾値を変化させて類別を行うので、実施の形態１に比べて誤類別を低減できる効果を奏する。

実施の形態３．
図８は、この発明の実施の形態３によるレーダ装置の構成を示す図である。
図８において、１３はアスペクト角推定誤差考慮型判定基準作成処理部で、アスペクト角に推定誤差が存在することを想定して閾値を決定する。１４はアスペクト角推定誤差考慮型判定基準ライブラリであり、アスペクト角推定誤差考慮型判定基準作成処理部１３が決定した閾値を保存する。これら以外の構成は図６に示す実施の形態２と同様である。
実施の形態２では、アスペクト角ごとに閾値を変えているため、アスペクト角の推定誤差が存在する場合には問題となる。そこで、実施の形態３ではアスペクト角推定誤差考慮型判定基準作成処理部１３を設け、アスペクト角推定誤差考慮型判定基準作成処理部１３がアスペクト角に推定誤差が存在することを想定して閾値を決定する方法である。

ここでは、これまでと同じく、検出した目標からミサイルと航空機に類別する場合を例に述べる。航空機に属する目標数をＪとし、アスペクト角θにおける第ｊ目標のクロスレンジ幅の真値をｗ_ｐｌｎ(ｊ,θ）と表す。ここで、後段の処理のために、アスペクト角がθである条件のもとでの、航空機のクロスレンジ幅ｗの条件付確率密度分布ｐ_ｐｌｎ(ｗ｜θ）を次式で与える。

ただし、δ(ｘ_１,ｘ_２）は、ｘ_１＝ｘ_２のときに１、これ以外で０を返すKroneckerのデルタ関数である。ここでは、アスペクト角の推定誤差を平均０、標準偏差σのガウス分布で与える。すると、アスペクト角の真値がθという条件のもとでの、アスペクト角をθ_ｃと推定する条件付確率密度分布ｐ_１(θ_ｃ|θ）は次式で与えられる。

目標のアスペクト角の確率密度分布をｐ_２(θ）とおく。すると、アスペクト角推定値がθ_ｃという条件のもとでの、真のアスペクト角がθである条件付確率密度分布ｐ_ａ(θ｜θ_ｃ)はベイズの定理より次式で与えられる。

ここで、ｐ_２(θ）がθによらず一定値ｐ_３になるものと仮定し、さらに、式(13)の関係を踏まえると、式(12)は式(14)に変形される。

すなわち、次式が得られる。

次に、アスペクト角推定値がθ_ｃという条件のもとでの航空機目標のクロスレンジ幅の真値の条件付確率密度分布ｑ_ｐｌｎ(ｗ｜θ_ｃ）を次式で計算する。

ミサイルについても同様の処理を行い、条件付確率密度分布ｑ_ｍｉｓ(ｗ｜θ_ｃ）を得る。
さて、上記ｑ_ｐ１ｎ(ｗ｜θ_ｃ）、ｑ_ｍｉｓ(ｗ｜θ_ｃ）で条件付確率密度分布が与えられる航空機とミサイルにおいて、アスペクト角の推定値がθ_ｃの条件におけるクロスレンジ幅の閾値をＴ_ｗ０とする。この時に、航空機を航空機と正しく類別できる条件付確率をｐ_{ｐ１ｎ−ｐ１ｎ}(Ｔ_ｗ０｜θ_ｃ）、ミサイルをミサイルと正しく類別できる条件付確率をｐ_{ｍｉｓ−ｍｉｓ}(Ｔ_ｗ０｜θ_ｃ）とすると、これらはそれぞれ次式で表される。

ミサイルと航空機の出現確率が等しい場合には、アスペクト角の推定値がθ_ｃという条件のもとで、閾値をＴ_ｗ０にした場合の類別成功確率Q(Ｔ_ｗ０｜θ_ｃ）は次式で与えられる。

各θ_ｃにおいて、上記Q(Ｔ_ｗ０｜θ_ｃ）を最大とするＴ_ｗ０を設定すれば、アスペクト角の誤差が存在する場合の類別成功率を最大化できる。以上の観点から、推定誤差考慮型アスペクト角依存閾値法では、角推定アスペクト角θ_ｃにおけるクロスレンジ幅の閾値Ｔ_ｗを次式で設定する。

以上の処理をアスペクト角推定誤差考慮型判定基準作成処理部１３で行い、アスペクト角推定誤差を考慮した閾値Ｔ_ｗを決定し、アスペクト角推定誤差考慮型判定基準ライブラリ１４にて保持する。

この実施の形態３によれば、アスペクト角に推定誤差が存在することを想定して閾値を決定するようにしたので、アスペクト角に推定誤差が生じても誤類別を低減できる効果を奏する。

実施の形態４．
この発明の実施の形態４によるレーダ装置の構成は、図９に示す特徴量算出部８ｂを除き図６に示す実施の形態２と同様である。図９において、8b-2は平均値算出部、8b-3はモーメント算出部である。
ミサイルでは、大きな反射を生じる部分が先端部分や翼などに限られるのに対して、航空機のような固定翼機では、構造の複雑さから、大きな反射を生じる部分が複数存在するので、両者のクロスレンジプロフィールのパターンが異なることが期待される。そこで、実施の形態１〜３では、目標のクロスレンジ幅のみを用いて目標類別を行っていたが、この実施の形態では目標のクロスレンジ幅に加えて、切り出したクロスレンジでの電力の平均値とモーメントを用いて目標類別を行うようにする。

（１）特徴量算出部８bは、実施の形態１で挙げたクロスレンジ幅算出部8b-1による目標のクロスレンジ幅に加えて、切り出したクロスレンジでの電力の平均値を平均値算出部8b-2にて算出し、モーメントをモーメント算出部8b-3にて算出する。
クロスレンジ切り出し処理部８aからクロスレンジを切り出した結果Ｃ_ｐ(ｍ） （ｍ＝0,1, …,Ｍ−１）が特徴量算出部８bに送られたとき、平均電力Ｐは次式から得られる。

目標のクロスレンジプロフィールの中央点から、ｍ番目のレンジセルまでの距離をr(m)とすると、切り出したクロスレンジの重心r_ｇは式(22)となり、重心に対してどの程度集中しているかを示すモーメントZ_ｇは、式(23)から得られる。

得られたクロスレンジ幅Ｗ、平均電力Ｐ、モーメントZ_ｇをまとめて検出した目標の３次元の特徴量ベクトルνとする。

得られた特徴量ベクトルνは、判定部８cへ送られる。

（２）判定部８cでは、特徴量算出部８bで得られたクロスレンジ幅Ｗ、平均電力Ｐ、モーメントZ_ｇを、目標を類別するための判定基準と比較して類別を行うわけであるが、ここではまず、アスペクト角考慮型判定基準作成処理部１１において、目標を類別するための判定基準を決定する方法について述べる。

アスペクト角考慮型判定基準作成処理部１１では、事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅と、平均電力と、モーメントのアスペクト角特性を計算する。ここでは、検出した目標からミサイルと航空機に類別する場合を例に述べる。航空機カテゴリに属する候補目標の数がＮであるとき、航空機カテゴリに属する各目標のクロスレンジ幅、平均電力、モーメントのアスペクト角特性をそれぞれ式(25)〜式(27)で表す。

同様に、ミサイルカテゴリに属する候補目標の数がＭであるとき、ミサイルカテゴリに属する各目標のクロスレンジ幅、平均電力、モーメントのアスペクト角特性をそれぞれ式(28)〜式(30)で表す。

以上のように、航空機のカテゴリについては、各アスペクト角でＮ個の目標のクロスレンジ幅、平均電力、モーメントを得る。ミサイルのカテゴリについては、各アスペクト角でＭ個の目標のクロスレンジ幅、平均電力、モーメントを得る。

次に、各カテゴリに属する目標について、アスペクト角ごとに各特徴量の平均値を計算する。航空機のカテゴリについてはそれぞれ式(31)〜式(33)で与えられる。

ミサイルのカテゴリについてはそれぞれ式(34)〜式(36)で与えられる。

各カテゴリの各アスペクト角について、特徴量の平均値をまとめて３次元の特徴量ベクトルとする。航空機カテゴリの特徴量ベクトルは次式で与えられる。

ミサイルカテゴリの特徴量ベクトルは次式で与えられる。

各カテゴリについて決定されたアスペクト角ごとの特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)は、アスペクト角考慮型判定基準ライブラリ１２にて保持される。

（３）判定基準読み取り部８dは、アスペクト角推定部５bから、目標のアスペクト角の情報を受け取り、このアスペクト角に対応する特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)を、アスペクト角考慮型判定基準ライブラリ１２から受け取り、この情報を判定部８cに送る。アスペクト角推定部５bによりアスペクト角がψと推定されたとすると、特徴量ベクトルν_ｐ(ψ)、ν_ｍ(ψ)が判定部８cに送られる。

（４）判定部８cでは、特徴量算出部８bで得られた特徴量ベクトルνを、判定基準読み取り部８dから送られる、目標を類別するための特徴量ベクトルν_ｐ(ψ)、ν_ｍ(ψ)と比較して類別を行う。検出した目標の特徴量ベクトルνと各カテゴリの特徴量ベクトルν_ｐ(ψ)、ν_ｍ(ψ)との距離ｄ_ｐ、ｄ_ｍはそれぞれ式(39)、式(40)で与えられる。

検出した目標と各カテゴリの特徴量ベクトルとの距離が最も近いカテゴリを、検出した目標のカテゴリであるとみなす。すなわち、ｄ_ｐ＞ｄ_ｍのときは航空機、ｄ_ｐ＜ｄ_ｍのときはミサイルと判断する。

（他の実施例）
実施の形態４のアスペクト角考慮型判定基準作成処理部１１は、事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅と平均電力とモーメントのアスペクト角特性を計算するようにしたが。アスペクト角推定部５bから目標のアスペクト角の情報を得るようにして、アスペクト角の情報を得たのちにシミュレーションを行い、目標を類別するための特徴量ベクトルν_ｐ(ψ)、ν_ｍ(ψ)を算出するようにしてもよい。

この実施の形態４によれば、目標のクロスレンジ幅に加えて、類別に有効な特徴量と考えられる平均電力とモーメントを用いて類別を行うようにしたので、類別性能を向上できる効果を奏する。

実施の形態５．
この発明の実施の形態５によるレーダ装置の構成は特徴量算出部８bが異なる以外は図８に示す実施の形態３と同様である。特徴量算出部８bにおける構成部分は図９に示す実施の形態４と同様であるが、各構成要素の機能動作は異にする。
実施の形態４では、アスペクト角ごとに目標を類別するためのクロスレンジ幅Ｗ、平均電力Ｐ、モーメントZ_ｇからなる特徴量ベクトルを変えているため、アスペクト角の推定誤差が存在する場合には問題となる。そこで、アスペクト角推定誤差考慮型判定基準作成処理部１３が、アスペクト角に推定誤差が存在することを想定して目標を類別するための特徴量を算出する。

（１）判定部８cでは、特徴量算出部８bで得られたクロスレンジ幅Ｗ、平均電力Ｐ、モーメントZ_ｇを、目標を類別するための判定基準と比較して類別を行うわけであるが、ここではまず、アスペクト角推定誤差考慮型判定基準作成処理部１３において、目標を類別するための判定基準を決定する方法について述べる。
各カテゴリに属する目標について、アスペクト角ごとに各特徴量の平均値を計算する処理、すなわち、航空機のカテゴリについて式(31)〜式(33)を、そしてミサイルのカテゴリについて式(34)〜式(36)を得るまでは、実施の形態４で示したアスペクト角考慮型判定基準作成処理部１１の処理と同じである。

アスペクト角の推定誤差が±Δθ以内であると仮定し、各カテゴリの各アスペクト角θについて、θ−Δθ≦θ≦θ＋Δθの範囲内にある、アスペクト角ごとの各特徴量の平均値（式(31)〜式(33)および式(34)〜式(36)）を用いて特徴量ベクトルを算出する。航空機カテゴリの特徴量ベクトルは次式で与えられる。ここで、Ｎ_θは、θ−Δθ≦θ≦θ＋Δθの範囲に含まれる各特徴量平均値の数である。

ミサイルカテゴリの特徴量ベクトルは次式で与えられる。

式(41)、(42)は、アスペクト角θごとにθ−Δθ≦θ≦θ＋Δθの範囲内で各特徴量の平均値を計算することを意味する。
各カテゴリについて決定されたアスペクト角ごとの特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)は、アスペクト角推定誤差考慮型判定基準ライブラリ１４にて保持される。

（２）判定は、実施の形態４で示した方法と同じく、検出した目標と各カテゴリの特徴量ベクトルとの距離が最も近いカテゴリを、検出した目標のカテゴリであるとみなす。

（他の実施例１）
実施の形態５のアスペクト角推定誤差考慮型判定基準作成処理部１３は、式(41)、(42)によりアスペクト角θごとにθ−Δθ≦θ≦θ＋Δθの範囲内で各特徴量の平均値を計算し、アスペクト角推定誤差考慮型判定基準ライブラリ１４に送るようにしたが、実施の形態４のアスペクト角考慮型判定基準作成処理部１１と同じく、式(37)、(38)のデータをアスペクト角推定誤差考慮型判定基準ライブラリ１４に送り、判定基準読み取り部８dがアスペクト角推定誤差考慮型判定基準ライブラリ１４からθ−Δθ≦θ≦θ＋Δθの範囲の特徴量ベクトルを読み出して、判定部８cで式(41)、(42により目標を類別するための特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)を算出するようにしてもよい。

（他の実施例２）
実施の形態５のアスペクト角推定誤差考慮型判定基準作成処理部１３は、事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅と平均電力とモーメントのアスペクト角特性を計算するようにしたが。アスペクト角推定部５bから目標のアスペクト角の情報を得るようにして、アスペクト角の情報を得たのちにシミュレーションを行い、目標を類別するための特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)を算出するようにしてもよい。

この実施の形態５によれば、目標のクロスレンジ幅に加えて、類別に有効な特徴量と考えられる平均電力とモーメントを用いて類別を行うようにしたので、類別性能を向上できる効果を奏するとともに、アスペクト角に推定誤差が存在することを想定して判定基準を決定するようにしたので、アスペクト角に推定誤差が生じても誤類別を低減できる効果を奏する。

実施の形態６．
図１０は、この発明の実施の形態６による特徴量算出部の構成を示す図である。
図１１は、閾値を変化させて複数のクロスレンジ幅を得る概念を示す。
図１０において、8b-4は複数閾値型クロスレンジ算出部であり、特徴量算出部８bはこの複数閾値型クロスレンジ算出部8b-4で構成される。
上記実施の形態１〜５では、特徴量算出部８bは、式(8)と式(9)により振幅の閾値Ｔ_ａｍｐを用いて１つのクロスレンジ幅を算出するが、目標のクロスレンジ幅を算出する際に、振幅の閾値を変化させて複数のクロスレンジ幅を得、それらを特徴量として類別に用いるようにしてもよい。
ここでは、実施の形態４の特徴量として、振幅の閾値を変化させて得た複数のクロスレンジ幅を用いる方法を示す。

（１）特徴量算出部８bの複数閾値型クロスレンジ算出部8b-4は、図１１に示すように、振幅の閾値Ｔ_ｉをｉ＝１，２，．．．，ＮＴと変化させながら、式(8)と式(9)で示した手順で目標のクロスレンジ幅Ｗ_ｉ（ｉ＝1,2,…,ＮＴ）を算出する。 得られたクロスレンジ幅Ｗ_ｉ（ｉ＝1,2,…,ＮＴ）、平均電力Ｐ_ｐ、モーメントZ_ｇをまとめて検出した目標の（ＮＴ＋２）次元の特徴量ベクトルνとする。

得られた特徴量ベクトルνは、判定部８cへ送られる。

（２）判定部８cでは、特徴量算出部８bで得られたクロスレンジ幅Ｗ_ｉ（ｉ＝1,2,…,ＮＴ）、平均電力Ｐ_ｐ、モーメントZ_ｇを、目標を類別するための判定基準と比較して類別を行うわけであるが、ここではまず、アスペクト角考慮型判定基準作成処理部１１において、目標を類別するための判定基準を決定する方法について述べる。

アスペクト角考慮型判定基準作成処理部１１では、事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅と、平均電力と、モーメントのアスペクト角特性を計算し、判定基準を決定する。
各カテゴリについて決定されたアスペクト角ごとの特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)は、アスペクト角考慮型判定基準ライブラリ１２にて保持される。

ここでは、検出した目標をミサイルと航空機に類別する場合を例に、事前の数値計算により、各カテゴリに属する目標のクロスレンジ幅と、平均電力と、モーメントのアスペクト角特性を計算し、判定基準を決定する方法について述べる。
航空機カテゴリに属する候補目標の数がＮであるとき、航空機カテゴリに属する各目標の、振幅の閾値がＴ_ｉ （ｉ＝1,2,...,ＮＴ）であるときに算出されるクロスレンジ幅のアスペクト角特性をそれぞれ式(44)〜式(46)で定義する。

同様に、ミサイルカテゴリに属する候補目標の数がＭであるとき、ミサイルカテゴリに属する各目標の、振幅の閾値がＴ_ｉ（ｉ＝1,2,…,Ｎ）であるときに算出されるクロスレンジ幅のアスペクト角特性をそれぞれ式(47)〜式(49)で定義する。

以上のように、航空機のカテゴリについては、各アスペクト角で振幅の閾値Ｔ_ｉごとにＮ個の目標のクロスレンジ幅を得、ミサイルのカテゴリについては、各アスペクト角で振幅の閾値Ｔ_ｉごとにＭ個の目標のクロスレンジ幅を得る。

次に、各カテゴリに属する目標について、アスペクト角ごとに各特徴量の平均値を計算する。航空機のカテゴリについてはそれぞれ式(50)〜式(52)で与えられる。

ミサイルのカテゴリについてはそれぞれ式(53)〜式(55)で与えられる。

各カテゴリの各アスペクト角について特徴量（目標のクロスレンジ幅×ＮＴ、平均電力、モーメント）をまとめて（ＮＴ＋２）次元の特徴量ベクトルとする。航空機カテゴリの特徴量ベクトルは次式で与えられる。

ミサイルカテゴリの特徴量ベクトルは次式で与えられる。

各カテゴリについて決定されたアスペクト角ごとの特徴量ベクトルν_ｐ(θ)、ν_ｍ(θ)
は、アスペクト角考慮型判定基準ライブラリ１２にて保持される。

（３）判定は、実施の形態４で示した方法と同じく、複数閾値型クロスレンジ算出部8b-4で検出した目標とアスペクト角考慮型判定基準ライブラリ１２にて保持されている各カテゴリの特徴量ベクトルとの距離が最も近いカテゴリを、検出した目標のカテゴリであるとみなす。

この実施の形態６によれば、閾値を変化させて複数のクロスレンジ幅を得、その変化を類別に用いるようにしたので、類別に有効な特徴量を増やすことができ、類別性能を向上できる効果を奏する。

目標の類別を行うのに広帯域な送受信を必要とせずに、高分解能な反射強度分布を用いて行うので、目標の適用機種が限定されることがなく、捜索レーダに適用されると有用である。

この発明の実施の形態１によるレーダ装置の構成を示す図である。 この発明の実施の形態１による特徴量算出部の構成を示す図である。 この発明の実施の形態１による観測のジオメトリを示す図である。 この発明の実施の形態１によるクロスレンジ幅推定方法を示す図である。 この発明の実施の形態１による振幅の閾値決定方法を示す図である。 この発明の実施の形態２によるレーダ装置の構成を示す図である。 アスペクト角に依存した閾値を決定する概念の説明図である。 この発明の実施の形態３によるレーダ装置の構成を示す図である。 この発明の実施の形態４による特徴量算出部の構成を示す図である。 この発明の実施の形態６による特徴量算出部の構成を示す図である。 閾値を変化させ複数のクロスレンジ幅を得る説明図である。

符号の説明

１：アンテナ、２：サーキュレータ、３：送信機、４：受信機、５：目標アスペクト角推定部、５a：追尾処理部、５ｂ：アスペクト角推定部、６：ドップラープロフィール生成部、６a：メモリ、６ｂ：フーリエ変換部、７：クロスレンジスケーリング部、８：類別処理部、８ａ：クロスレンジ切り出し部、８ｂ：特徴量算出部、８ｂ-1：クロスレンジ幅算出部、8b-2：平均値算出部、8b-3：モーメント算出部、8b-4：複数閾値型クロスレンジ算出部、８ｃ：判定部、９：判定基準作成処理部、１０：判定基準ライブラリ、８d：判定基準読み取り部、１１：アスペクト角考慮型判定基準作成処理部、１２：アスペクト角考慮型判定基準ライブラリ、１３：アスペクト角推定誤差考慮型判定基準作成処理部、１４：アスペクト角推定誤差考慮型判定基準ライブラリ。

Claims (8)

1. 送信信号を生成して目標へ送信するとともに、目標で散乱した送信信号を受信信号として受信・処理して目標を検出するレーダ装置により検出された目標を類別する目標類別装置において、
   受信信号を処理してドップラープロフィールを生成するドップラープロフィール生成部と、
   ドップラープロフィール生成部で生成したドップラープロフィールを、目標の運動から算出されるアスペクト角に基づいてクロスレンジプロフィールに変換するクロスレンジスケーリング部と、
   クロスレンジスケーリング部から出力されるクロスレンジプロフィールから、クロスレンジ切り出し処理部で目標の存在するクロスレンジを切り出し、特徴量算出部でこの切り出されたクロスレンジプロフィールから特徴量を算出し、算出された特徴量を、判定部で、予め定められた特徴量の閾値による判定基準と比較して目標類別を行う類別処理部を有することを特徴とする目標類別装置。
2. 特徴量算出部により算出された特徴量は、
   クロスレンジプロフィールから得られる目標のクロスレンジ幅であることを特徴とする請求項１記載の目標類別装置。
3. 特徴量算出部は、
   目標のクロスレンジ幅を算出するクロスレンジ幅算出部と、
   切り出したクロスレンジでの電力の平均値を算出する平均値算出部と、
   切り出したクロスレンジでのモーメントを算出するモーメント算出部を有し、上記各算出部の算出した値をクロスレンジプロフィールからの特徴量とすることを特徴とする請求項１記載の目標類別装置。
4. 特徴量算出部は
   クロスレンジプロフィールからの特徴量として、振幅の閾値を変化させて複数のクロスレンジ幅を算出することを特徴とする請求項１記載の目標類別装置。
5. 受信信号から目標の位置、移動方向および速度を計測する追尾処理部と、
   追尾処理部よりの目標の移動方向から目標のアスペクト角を算出するアスペクト角推定部と、
   アスペクト角推定部で算出したアスペクト角ごとに異なる判定基準を算出するアスペクト角考慮型判定基準作成処理部とを有し、
   類別処理部は、上記アスペクト角ごとにクロスレンジプロフィールからの特徴量を算出し、この特徴量とアスペクト角考慮型判定基準作成処理部が算出した判定基準を用いて目標類別を行うことを特徴とする請求項１乃至請求項４の何れかに記載の目標類別装置。
6. アスペクト角考慮型判定基準作成処理部は、アスペクト角推定部で算出したアスペクト角ごとにレーダ装置のアスペクト角推定誤差を踏まえて異なる判定基準を算出するアスペクト角推定誤差考慮型判定基準作成処理部で構成してなることを特徴とする請求項５記載の目標類別装置。
7. アスペクト角推定誤差考慮型判定基準作成処理部が、既知のアスペクト角推定誤差の確率分布を用いて特徴量ベクトルの確率密度関数を算出し、類別成功確率を最大化するように目標を類別するための判定基準を算出することを特徴とする請求項６記載の目標類別装置。
8. アスペクト角推定誤差考慮型判定基準作成処理部が、アスペクト角に推定誤差が存在することを想定して、推定されたアスペクト角から所定範囲内に含まれるアスペクト角での候補目標の特徴量ベクトルの分布から目標を類別するための判定基準を算出することを特徴とする請求項６記載の目標類別装置。

Images