JP7258513B2

JP7258513B2 - ビロウノイズ送信後（ｂａｔ）チャープレーダー

Info

Publication number: JP7258513B2
Application number: JP2018198838A
Authority: JP
Inventors: ジェーソンアール．スミス，; シャンカールラオ，; ピーターペトレ，; ピーターエス．ヴィッテンベルク，; シモンエル．ハックストン，
Original assignee: Boeing Co; HRL Laboratories LLC
Current assignee: Boeing Co; HRL Laboratories LLC
Priority date: 2017-10-25
Filing date: 2018-10-23
Publication date: 2023-04-17
Anticipated expiration: 2038-10-23
Also published as: KR20190046632A; EP3477331B1; CN109709521A; EP3477331A1; US10921422B2; US20190120932A1; JP2019090795A; CN109709521B

Description

本開示は、レーダーに関し、具体的には、ビロウノイズ送信後（ＢＡＴ）チャープレーダーに関する。

レーダー信号といった、ビロウノイズの高周波（ＲＦ）信号を検知することは、ＲＦ信号またはレーダー信号に対してノイズ除去を行い、所望の情報を抽出するためにプロセスすることができる、使用可能な信号またはレーダーリターンを得ることを伴う。ターゲットまたはある土地までの距離を測定するための、長距離からの超広帯域幅（高解像度を可能にする約３０ギガヘルツ（ＧＨｚ）超）による最新技術のシステムは、高速のアナログ－デジタルコンバータ（ＡＤＣ）と、高出力送信機または大型開口アンテナの組み合わせを必要とする。こうした高速ＡＤＣは高価であり、かなりの量の電力を消費する。さらに、根本的な物理的限界のせいで、上記のような超広帯域幅を捕捉するのに必要なサンプリングレートを実現することは、不可能である。この問題を軽減するために、現行の広帯域レーダーシステムは、受信後にデチャープされるチャープ波形またはステップチャープ波形を使用して、送信パルスの必要な長さを増大し、ターゲットを探知するための動作距離を特定の距離窓に制限する。加えて、現行のレーダーシステムの検知アルゴリズムは、典型的には、高度の計算複雑性及び必要メモリを伴う高速フーリエ変換に基づいているが、それによって、こうしたシステムによるリアルタイムの超広帯域での稼働が困難になっている。十分な信号対ノイズ比（ＳＮＲ）で長距離にあるターゲットを検知するのに必要な高出力送信器は、かなりの量の瞬時電力を必要とする。この問題は、より大きなアンテナを用いることで軽減されるが、送信電力を削減するために開口サイズを増大することによって重量が増加し、それによって、サイズ、重量、及び電力の要件がかなり低く抑えられている用途にとっては、この手法は実行不可能になってしまう。

ノイズ除去のための従来型の方法は、２つのカテゴリーに入る。フィルタベースの方法と、トレーニングベースの手法である。フィルタベースの方法では、信号からノイズを除去するためにフィルタリングが用いられるが、フィルタリングは、高周波の突然遷移に適応する一方で、同時に信号の低周波の長期傾向を維持するためには、単純すぎるものである。トレーニングベースの方法は、対象の信号をモデリングする「辞書」に依存する。こうした辞書は、オフライン処理でトレーニングしなければならず、トレーニングデータを必要とするが、そのデータは入手可能でないかもしれない。加えて、辞書が大容量のメモリと、保存されプラットフォーム上で活用されるべき大量の計算とを必要とすることはよくあり、それによって、小サイズ、低重量、及び高速性能が重要な特質である用途にとっては、こうした方法は実現困難なものになっている。

一実施形態によると、レーダーシステムは、高周波（ＲＦ）信号またはレーダー信号を送信するための送信アンテナと、ＲＦ信号またはレーダー信号を反射する複数のターゲットによって作り出された複数の反射信号を受信するための受信アンテナとを含む。反射信号は、ノイズと共に受信される。レーダーシステムは、反射信号をデジタル化またはサンプリングして、デジタル化またはサンプリングされたノイズ入り（ｎｏｉｓｙ）入力信号を提供する、アナログ－デジタルコンバータ（ＡＤＣ）もまた含む。レーダーシステムは、ノイズ入り入力信号を受信するリザーバコンピュータもまた含む。リザーバコンピュータは、時変リザーバ（ｔｉｍｅ－ｖａｒｙｉｎｇｒｅｓｅｒｖｏｉｒ）を含んでおり、ノイズ入り信号をノイズ除去して複数のターゲットのそれぞれに対する距離の測定値を提供するように構成されている。

一実施形態、及び既出の実施形態のうちのいずれかによると、リザーバコンピュータは、認知レーダープロセッサを含む。認知レーダープロセッサは、時変リザーバを含む。時変リザーバは、複数の時変リザーバ状態を含み、ノイズ入り入力信号を各リザーバ状態に対して線形的にマッピングして、ノイズ入り入力信号の、高次元の状態空間表現を作り出すように構成されている。

一実施形態、及び既出の実施形態のうちのいずれかによると、認知レーダープロセッサは、遅延埋め込みモジュールを含む。遅延埋め込みモジュールは、各時変リザーバ状態に対応するリザーバ状態信号を受信するように、且つ遅延埋め込みモジュールの所定の時間遅延に基づいて、ある期間にわたる時変リザーバ状態の履歴、またはリザーバ状態の動態を表す、各時変リザーバ状態に対応する遅延埋め込み済みリザーバ状態信号を生成するように、構成されている。遅延埋め込みモジュールは、遅延埋め込み済みリザーバ状態信号を受信する重み適応モジュールもまた含む。重み適応モジュールは、各時変リザーバ状態またはリザーバ状態信号に関して、ノイズ除去されたリザーバ状態信号を生成するように構成されている。ノイズ除去されたリザーバ状態信号は、ノイズ除去された入力信号をもたらすためにノイズ除去中である、ノイズ入り入力信号に対応している。

一実施形態、及び既出の実施形態のうちのいずれかによると、重みづけ適応モジュールは、遅延埋め込み済みのリザーバ状態信号から、所定の未来の時点におけるノイズ入り入力信号の予測を生成するように、且つこのノイズ入り入力信号の予測を、勾配降下学習アルゴリズムを用いた各リザーバ状態信号のノイズ除去に使用するように、構成されている。重み適応モジュールの重みは、勾配降下学習アルゴリズムを用いて決定される。

一実施形態、及び既出の実施形態のうちのいずれかによると、認知レーダープロセッサは、時変リザーバを含む。時変リザーバは、複数の時変リザーバ状態を含み、ノイズ入り入力信号を各リザーバ状態に対して線形的にマッピングして、ノイズ入り入力信号の、高次元の状態空間表現を作り出すように構成されている。認知レーダープロセッサは、遅延埋め込みモジュールもまた含む。遅延埋め込みモジュールは、各時変リザーバ状態に対応するリザーバ状態信号を受信するように、且つ遅延埋め込みモジュールの所定の時間遅延に基づいて、ある期間にわたる時変リザーバ状態の履歴、またはリザーバ状態の動態を表す、各時変リザーバ状態に対応する遅延埋め込み済みリザーバ状態信号を生成するように、構成されている。認知レーダープロセッサは、遅延埋め込み済みリザーバ状態信号を受信する重み適応モジュールもさらに含む。重み適応モジュールは、各リザーバ状態またはリザーバ状態信号に関して、ノイズ除去されたリザーバ状態信号を生成するように構成されている。ノイズ除去されたリザーバ状態信号は、ノイズ除去された入力信号をもたらすためにノイズ除去中である、ノイズ入り入力信号に対応している。

一実施形態、及び既出の実施形態のうちのいずれかによると、認知レーダープロセッサは、重み適応モジュールから、ノイズ除去されたリザーバ状態、またはノイズ除去された入力信号に対応するノイズ除去されたリザーバ状態信号を受信し、且つ、複数のターゲットからの反射信号を表す、ノイズ除去された入力信号のリアルタイムのノイズ除去されたスペクトログラムを生成する、チャープレット変換モジュールをさらに含む。チャープレット変換モジュールは、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号のそれぞれを、複数のターゲットのそれぞれの距離の測定値に対してマッピングするように構成されている。

一実施形態、及び既出の実施形態のうちのいずれかによると、ノイズ除去されたリザーバ状態は、ＲＦ信号またはレーダー信号の送信チャープによってセットされたチャープ率における、時変フィルタのバンクを規定する。種々の時点で受信したチャープに対する時変フィルタの応答は、種々の周波数に対する、単極無限インパルス応答（ＩＩＲ）フィルタのバンクの応答と同等である。

一実施形態、及び既出の実施形態のうちのいずれかによると、このレーダーシステムは、ノイズ除去された入力信号の、リアルタイムのノイズ除去されたスペクトログラムを積分して、積分されたノイズ除去されたスペクトログラムを作成するため、及び積分されたノイズ除去されたスペクトログラムを距離の測定値に対してマッピングするための、積分モジュールをさらに含む。積分モジュールは、各ノイズ除去されたリザーバ状態信号の出力を積分または合計することによるパルス圧縮によって、各ノイズ除去されたリザーバ状態信号の信号対ノイズ比を増大するように構成されている。

一実施形態、及び既出の実施形態のうちの任意のものによると、時変リザーバは、複数のノードを含む再帰型ニューラルネットワークを含む。各ノードは、時変リザーバ状態のうちの１つに対応している。

一実施形態、及び既出の実施形態のうちのいずれかによると、時変リザーバは、信号のノイズ除去とハードウェア内での効率的な実装のために最適化された所定のブロック対角構造を有する、状態遷移行列を含む。

一実施形態、及び既出の実施形態のうちのいずれかによると、遅延埋め込みモジュールは、時変の動態を可能にするために異なる状態遷移行列を有している、遅延埋め込み済みリザーバ状態ベクトルを含む。

一実施形態、及び既出の実施形態のうちのいずれかによると、リザーバコンピュータは認知レーダープロセッサを含み、認知レーダープロセッサは、一式の機能を実行するように構成されており、この一式の機能は、ノイズ入り入力信号を受信することであって、ノイズ入り入力信号が、約３０ＧＨｚを超える帯域幅からサンプリングされた複数の反射信号からの時系列のデータ点である、ノイズ入り入力信号を受信することと、ノイズ入り入力信号を時変リザーバに対して線形的にマッピングすることであって、時変リザーバが複数の時変リザーバ状態を含む、ノイズ入り入力信号を線形的にマッピングすることと、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって反射信号の高次元の状態空間表現を作り出すことと、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号を生成することと、ノイズが取り除かれて、ノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去を行うことと、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号のリアルタイムのノイズ除去された時変スペクトログラムを生成することと、認知レーダープロセッサの出力層内で、ノイズ除去された時変スペクトログラムを積分することと、積分されたノイズ除去された時変スペクトログラムを、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることと、を含む。

一実施形態、及び既出の実施形態のうちのいずれかによると、ＲＦ信号またはレーダー信号は、チャープ波形またはステップチャープ波形を含む。

別の実施形態によると、ＲＦ信号またはレーダー信号を増強するための方法は、時変リザーバコンピュータを含む予測フィルタリングを使用することを含む。方法は、ＲＦ信号またはリターンレーダー信号を分析することもまた含む。ＲＦ信号またはリターンレーダー信号は、情報信号並びに、受信器ノイズ及びバックグラウンドノイズを含む。この方法は、予測信号パターンを予測不能なノイズパターンから分離することを、さらに含む。予測不能なノイズパターンは、分離されることに応答して特定可能になる。この方法は、ＲＦ信号またはリターンレーダー信号に対して逆相ノイズ信号（ｉｎｖｅｒｓｅｎｏｉｓｅｓｉｇｎａｌ）を適用して、予測不能なノイズパターンを相殺することも、また含む。逆相ノイズ信号は、予測不能なノイズパターンに対応している。方法は、予測不能なノイズパターンの相殺に応答して、増強されたＲＦ信号またはリターンレーダー信号を生成することをさらに含む。

別の実施形態によると、ＲＦ信号またはレーダー信号を増強するためのシステムは、非常に大きい（＞３０ＧＨｚ）帯域幅を超える波長の混合を含む入力信号をノイズ除去することが可能な、「認知」レーダープロセッサ（ＣＲＰ）を含む。認知レーダープロセッサは、入力信号を、リザーバとして知られる高次元の力学系に対してマッピングする、リザーバコンピュータ（ＲＣ）を含む。認知レーダープロセッサは、リザーバ状態の値の有限時間レコードを作り出す、遅延埋め込みモジュールをさらに含む。認知レーダープロセッサは、勾配降下を介してリザーバコンピュータの出力を適応させ、将来において小さな時間ステップで入力信号の予測を作り出すための、重み適応モジュールをさらに含む。入力信号の中のノイズは本質的にランダムで予測不能なものであるから、予測された入力信号には、ノイズが含まれないであろう。予測された入力信号と実際の入力信号との間の誤差は、反復処理の中でリザーバの出力重みをさらに調整するために、重み適応モジュールによって使用される。

一実施形態、及び既出の実施形態のうちのいずれかによると、静的リザーバコンピュータは、チャープ信号といった非静的信号を検知してノイズ除去することが可能な、時変リザーバを含む。

一実施形態、及び既出の実施形態のうちのいずれかによると、ＲＦ信号またはレーダー信号を増強するための方法は、時間依存のリザーバコンピュータまたは時変リザーバコンピュータを用いて逆相ノイズ信号を提供することによって、受信した信号からノイズを相殺することを含む。

一実施形態、及び既出の実施形態のうちのいずれかによると、複数のターゲットのそれぞれまでの距離を測定する方法は、認知レーダープロセッサによってノイズ入り入力信号を受信することを含む。ノイズ入り入力信号は、複数のターゲットから反射された、複数のＲＦ信号またはレーダー信号を含む。方法は、ノイズ入り入力信号を分析するために、時変リザーバを含む予測フィルタリングを使用することも、また含む。この方法は、予測信号パターンを予測不能なノイズパターンから分離するために、ノイズ入り入力信号を分析することを、さらに含む。この方法は、ノイズ入り入力信号に対して逆相ノイズ信号を適用して、予測不能なノイズパターンを相殺することも、また含む。逆相ノイズ信号は、予測不能なノイズパターンに対応している。方法は、予測信号パターンからの予測不能なノイズパターンの相殺に応答して、増強されたＲＦ信号またはリターンレーダー信号を生成することも、また含む。方法は、増強されたＲＦ信号またはリターンレーダー信号を、ターゲットのそれぞれの距離の測定値に対してマッピングすることをさらに含む。

一実施形態、及び既出の実施形態のうちのいずれかによると、複数のターゲットのそれぞれまでの距離を測定する方法は、認知レーダープロセッサによってノイズ入り入力信号を受信することを含む。ノイズ入り入力信号は、約３０ＧＨｚを超える帯域幅からサンプリングされた複数のターゲットからの複数の反射信号からサンプリングされた、時系列のデータ点を含む。方法は、ノイズ入り入力信号を時変リザーバに対して線形的にマッピングすることもまた含む。時変リザーバは、複数の時変リザーバ状態を含む。方法は、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって、反射信号の高次元の状態空間表現を作り出すこともまた含む。方法は、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号を生成することをさらに含む。方法は、ノイズが取り除かれてノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去を行うことをさらに含む。方法は、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号のリアルタイムのノイズ除去された時変スペクトログラムを生成することもまた含む。方法は、認知レーダープロセッサの出力層内で、ノイズ除去された時変スペクトログラムを積分することと、積分されたノイズ除去された時変スペクトログラムを、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることをさらに含む。

上記で検討されてきた特徴、機能、及び利点は、様々な実施形態において独立して実現可能であるか、または、さらに別の実施形態において組み合わされ得るが、これらの実施形態のさらなる詳細は、下記の説明及び図面を参照することによって理解することができる。

本開示の一実施形態による、レーダーシステムの一実施例の概略ブロック図である。本開示の一実施形態による、時変リザーバ、遅延埋め込みモジュール、及び重み適応モジュールの一実施例の概略ブロック図である。本開示の一実施形態による、チャープレット変換モジュール及び積分モジュールの一実施例の概略ブロック図である。本開示の一実施形態による、時変リザーバコンピュータの一実施例の図である。本開示の一実施形態による、動的リザーバの一実施例の概略図である。本開示の一実施形態による、サンプリング周期Δｔによる均一サンプリングを用いた、入力信号ｕ（ｔ）の近似の一例である。本開示の一実施形態による、入力信号ｕ（ｔ）の近似のための線形基底関数の使用例である。本開示の一実施形態による、認知レーダープロセッサの一実施例の概略図である。本開示の一実施形態による、ノイズ除去された信号のスペクトログラムの一例である。本開示の一実施形態による、ビロウノイズ送信後（ＢＡＴ）チャープレーダーを用いて複数のターゲットのそれぞれまでの距離を測定する方法の一実施例のフロー図である。本開示の別の実施形態による、ＢＡＴチャープレーダーを用いて複数のターゲットのそれぞれまでの距離を測定する方法の一実施例のフローチャートである。

以下の実施形態の詳細な説明では、添付の図面が参照される。これらの図面は、本開示の具体的な実施形態を示すものである。異なる構造及び工程を含む他の実施形態も、本開示の範囲から逸脱するものではない。類似の参照番号は、異なる図面における同一の要素または構成要素を表している。

本開示は、システム、方法、及び／またはコンピュータプログラム製品であってよい。コンピュータプログラム製品は、本開示の態様をプロセッサに実行させるためのコンピュータ可読プログラム命令を有する、コンピュータ可読記憶媒体（複数可）を含んでいてよい。

コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持及び記憶することが可能な、有形の装置であることができる。コンピュータ可読記憶媒体は、例えば、限定するものではないが、電子記憶装置、磁気記憶装置、光記憶装置、電磁記憶装置、半導体記憶装置、またはこれらの任意の好適な組み合わせであってよい。コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストには、ポータブルコンピュータディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラマブル読出し専用メモリ（ＥＰＲＯＭまたはフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスク読出し専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリースティック、フロッピーディスク、パンチカードまたは記録された命令を有する溝内の隆起構造などの機械的にエンコードされた装置、及びこれらの任意の適切な組み合わせ、が含まれる。コンピュータ可読記憶媒体は、本書で使用する場合、それ自体が、電波もしくは他の自由に伝播する電磁波、導波管もしくは他の伝送媒体を通って伝播する電磁波（例えば光ファイバケーブルを通過する光パルスなど）、または、ワイヤを通って伝送される電気信号といった、一時的信号であると解釈すべきではない。

本明細書に記載のコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から、各コンピューティング装置／処理装置に、または、例えばインターネット、ローカルエリアネットワーク、ワイドエリアネットワーク、及び／または無線ネットワークといったネットワーク経由で外部コンピュータもしくは外部記憶装置に、ダウンロードすることができる。ネットワークは、銅の伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び／またはエッジサーバを含み得る。各コンピューティング装置／処理装置内のネットワークアダプタカードまたはネットワークインターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、このコンピュータ可読プログラム命令を、それぞれのコンピューティング装置／処理装置の中のコンピュータ可読記憶媒体内に記憶するために転送する。

本開示の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、機械命令、機械依存命令、マイクロコード、ファームウェア命令、状態設定データ、または、スモールトーク、Ｃ^＋＋などといったオブジェクト指向型プログラミング言語、及び、「Ｃ」プログラミング言語もしくは類似のプログラミング言語といった従来的な手続き型プログラミング言語を含む、１つ以上のプログラミング言語の任意の組み合わせで書かれた、ソースコードもしくはオブジェクトコードであってよい。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上でか、スタンドアロンのソフトウェアパッケージとして部分的にユーザのコンピュータ上でか、部分的にユーザのコンピュータ上且つ部分的にリモートコンピュータ上でか、または完全にリモートのコンピュータもしくはサーバー上で、実行され得る。最後のケースでは、リモートコンピュータがローカルエリアネットワーク（ＬＡＮ）もしくはワイドエリアネットワーク（ＷＡＮ）を含む任意の種類のネットワークを通じてユーザのコンピュータに接続されていてよいか、または、（例えば、インターネットサービスプロバイダを使用してインターネットを通じて）外部コンピュータへの接続がなされていてよい。ある実施形態では、例えば、プログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、またはプログラマブル論理アレイ（ＰＬＡ）を含む電子回路は、本開示の諸態様を実行するように電子回路をカスタマイズするためのコンピュータ可読プログラム命令の状態情報を利用することによって、コンピュータ可読プログラム命令を実行してよい。

本開示の態様は、本明細書中で、本開示の実施態様による方法、装置（システム）、及びコンピュータプログラム製品のフロー図及び／またはブロック図を参照して説明されている。フロー図及び／またはブロック図中の各ブロック、並びにフロー図及び／またはブロック図中の複数のブロックの組み合わせが、コンピュータ可読プログラム命令によって実行可能であることは、理解されよう。

これらのコンピュータ可読プログラム命令は、機械を生産するために、コンピュータ、専用コンピュータ、または他のプログラマブルデータ処理装置のプロセッサに与えられてよく、その結果、コンピュータまたは他のプログラマブルデータ処理装置のプロセッサを介して実行されるこれらの命令によって、フロー図及び／またはブロック図中のブロック（複数可）内に特定されている機能／作用を実行するための手段が作り出される。これらのコンピュータ可読プログラム命令はまた、コンピュータ、プログラマブルデータ処理装置、及び／または特定の方法で機能するその他の装置に命令を下すことが可能なコンピュータ可読記憶媒体内に記憶されていてもよく、その結果、命令を記憶しているこのコンピュータ可読記憶媒体に、フロー図及び／またはブロック図中のブロック（複数可）で特定されている機能／作用の態様を実行する命令を含む製品が含まれることになる。

コンピュータ可読プログラム命令はまた、一連の動作ステップをコンピュータ、他のプログラマブル装置、またはコンピュータ実装プロセスを生成する他のデバイス上で実行させるために、コンピュータ、他のプログラマブルデータ処理装置、または他のデバイスにロードされてもよく、その結果、コンピュータ、他のプログラマブル装置、または他のデバイスで実行される命令によって、フロー図及び／またはブロック図中のブロック（複数可）が特定している機能／作用が実装される。

本明細書に記載されているこれらの実施形態は、超高帯域を超える信号のリアルタイムの処理を実行することが可能な、レーダー受信器またはレーダーシステムに適用可能である。例示の実施形態は、ＲＦ環境に基づくリアルタイムのリソース配分を可能にする、約３０ＧＨｚの瞬時帯域幅を超える超低遅延信号の検知及び分析に必要なコア機能を提供する、拡張状況認識を提供する。この機能は、サイズ、重量、電力がけた違いに小さいコンピュータプラットフォーム上で達成され得る。記載の時変リザーバコンピュータは、広範なプラットフォーム上でレーダーシステムにおいて広く使用されているチャープといった非静的信号の、迅速なノイズ除去及び検知を可能にするものである。

本明細書に記載の認知レーダープロセッサは、航空機搭載または宇宙空間におけるランデヴー操作といった航空宇宙用途に加えて、低信号対ノイズ比（ＳＮＲ）条件におけるマルチスタティックレーダー及び認知無線を可能にする、他の用途も有する。時変リザーバコンピュータは、広範な自力推進用レーダーシステムで使用される周波数変調連続波（ＦＭＣＷ）信号またはチャープパルスを検知し追尾するのに、特に有用である。

ＣＲＰまたはリザーバコンピュータのさらなる性能は、有人の空中プラットフォームもしくはビークル、無人航空ビークル（ＵＡＶ）、または、自動もしくは有人の宇宙プラットフォームに関する状況認識をさらに容易にする、リアルタイムの時変スペクトログラムを生成することをさらに含む。

図１は、本開示の一実施形態による、レーダーシステム１００の一実施例の概略ブロック図である。本明細書に記載の一実施例によると、レーダーシステム１００は、ビロウノイズ送信後（ＢＡＴ）チャープレーダーである。レーダーシステム１００は、ＲＦ信号またはレーダー信号を生成するための高周波（ＲＦ）信号生成器１０２を含む。一実施形態によると、ＲＦ信号生成器１０２は、所定のチャープ率１０６またはユーザによって選択可能なチャープ率でチャープパルス１０４を生成するのに適合可能な、チャープパルス生成器である。したがって、一実施形態によると、ＲＦ信号は、チャープ波形またはステップチャープ波形１０４ａを含んでいる。増幅器１０８が、チャープパルス１０４を増幅する。

レーダーシステム１００は、送信アンテナ１１０、または増幅器１０８によって増幅されたＲＦ信号１１２もしくはレーダー信号を送信するためのアンテナもまた含む。レーダーシステム１００は、受信アンテナ１１４または、複数のターゲット１１８ａ－１１８ｎがＲＦ信号１１２もしくはレーダー信号を反射することによって作り出された、複数の反射信号１１６ａ－１１６ｎを受信するためのアンテナをさらに含む。反射信号１１６ａ－１１６ｎは、バックグラウンドノイズを含む。受信用増幅器１２０は、受信した反射信号１１６ａ－１１６ｎを増幅し、受信器ノイズを追加する。

アナログ－デジタルコンバータ（ＡＤＣ）１２２は、複数の反射信号１１６ａ－１１６ｎをデジタル化またはサンプリングして、デジタル化またはサンプリングされたノイズ入り入力信号１２４を提供する。リザーバコンピュータ１２６が、ＡＤＣ１２２からノイズ入り入力信号１２４を受信する。リザーバコンピュータ１２６は、時変リザーバ１２８を含む。リザーバコンピュータ１２６は、本明細書でより詳細に記載されるように、ノイズ入り入力信号１２４をノイズ除去して、複数のターゲット１１８ａ－１１８ｎのそれぞれの距離の測定値１３０を提供するように構成されている。リザーバコンピュータ１２６及びリザーバコンピュータ１２６の構成要素の一実施例は、図２－図４を参照して、より詳細に説明されよう。リザーバコンピュータ１２６は、認知レーダープロセッサ１３２を含むか、または認知レーダープロセッサ１３２と呼ばれてもよい。

リザーバコンピュータ１２６または認知レーダープロセッサ１３２は、時変リザーバ１２８を含む。リザーバコンピュータ１２６または認知レーダープロセッサ１３２は、リザーバコンピュータの出力層１３４もまた含む。リザーバコンピュータ１２６または認知レーダープロセッサ１３２は、遅延埋め込みモジュール１３６及び重み適応モジュール１３８をさらに含む。一実施形態によると、遅延埋め込みモジュール１３６及び重み適応モジュール１３８は、リザーバコンピュータの出力層１３４の構成要素である。

同様に図２も参照すると、図２は、本開示の一実施形態による、時変リザーバ１２８、遅延埋め込みモジュール１３６、及び重み適応モジュール１３８の一実施例の概略ブロック図である。本明細書でより詳細に記載されるように、時変リザーバ１２８、遅延埋め込みモジュール１３６、及び重み適応モジュール１３８を含むリザーバコンピュータ１２６は、図９のブロック９０４で、予測フィルタリングを用いてノイズ入り入力信号１２４を分析し、その結果、図９のブロック９０６で予測信号パターンと予測不能なノイズパターンを分離する。時変リザーバ１２８は、複数の時変リザーバ状態１４０ａ－１４０ｎを含む。時変リザーバ１２８は、ノイズ入り入力信号１２４を各リザーバ状態１４０ａ－１４０ｎに対して線形的にマッピングして、ノイズ入り入力信号１２４の高次元の状態空間表現１４２または多次元の状態空間表現を作り出すように構成されている。本明細書でさらに詳細に記載されるように、時変リザーバ１２８は、信号のノイズ除去とハードウェア内での効率的な実装のために最適化された所定のブロック対角構造１４６を含む、状態遷移行列１４４を含む。

一実施形態によると、時変リザーバ１２８は、複数のリザーバノード４０４を含む再帰型ニューラルネットワーク４０２（図４）を含む。各リザーバノード４０４は、時変リザーバ状態１０４ａ－１４０ｎのうちの１つに対応している。

遅延埋め込みモジュール１３６は、各時変リザーバ状態１４０ａ－１４０ｎに対応するリザーバ状態信号１４８ａ－１４８ｎを受信するように、且つ遅延埋め込みモジュール１３６の所定の時間遅延１５４に基づいて、ある短期間にわたる時変リザーバ状態１４０ａ－１４０ｎの履歴１５１、またはリザーバ状態の動態を表す、各時変リザーバ状態１４０ａ－１４０ｎに対応する遅延埋め込み済みリザーバ状態信号１５０ａ－１５０ｎを生成するように、構成されている。短期間または所定の期間であるこの期間は、受信した信号の周波数に基づいており、レーダーの動作周波数に基づく所定の時間であるだろう。遅延埋め込みモジュール１３６は、時変の動態を可能にするため、時変リザーバ１２８の状態遷移行列１４４と比べて異なる状態遷移行列１５９を有している、遅延埋め込み済みリザーバ状態ベクトル１５７を含む。

重み適応モジュール１３８は、遅延埋め込みモジュール１３６から、遅延埋め込み済みリザーバ状態信号１５０ａ－１５０ｎを受信する。重み適応モジュール１３８は、各時変リザーバ状態１４０ａ－１４０ｎまたはリザーバ状態信号１４８ａ－１４８ｎに関して、ノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎを生成するように構成されている。ノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎは、ノイズ除去された入力信号１５８をもたらすためにノイズ除去中である、ノイズ入り入力信号１２４に対応している。重み適応モジュール１３８は、遅延埋め込み済みリザーバ状態信号１５０ａ－１５０ｎから所定の将来時点におけるノイズ入り入力信号１２４（ノイズを含む入力信号）の予測１５６を生成するように、且つ勾配降下学習アルゴリズム１６０を用いてノイズをノイズ入り入力リザーバ状態信号１４８ａ－１４８ｎから分離する（ノイズ除去する）ために、ノイズ入り入力信号１２４の予測１５６を使用するように構成されている。重み適応モジュール１３８の重み１６２ａ－１６２ｎは、勾配降下学習アルゴリズム１６０を用いて決定される。その結果、重み適応モジュール１３８は、予測フィルタリングを用いて予測信号パターンを予測不能なノイズパターンから分離するように構成されている（図９のブロック９０４及び９０６）。勾配降下学習アルゴリズム１６０は、ノイズ入り入力信号１２４の予測可能な部分の次のサンプルを予測して、サンプル間の差分を予測不能なノイズパターンとして決定する。予測不能なノイズパターンを相殺するため、予測不能なノイズパターンに対応する逆相ノイズ信号が、ノイズ入り入力信号１２４の予測１５６に適用され（図９のブロック９０８）、ノイズ除去された入力信号１５８、または相殺されたノイズを含まない増強ＲＦ信号もしくはリターンレーダー信号が提供される（図９のブロック９）。

図１及び図３を参照すると、リザーバコンピュータ１２６または認知レーダープロセッサ１３２は、チャープレット変換モジュール１６４及び積分モジュール１６６をさらに含む。図３は、本開示の一実施形態による、チャープレット変換モジュール１６４及び積分モジュール１６６の一実施例の概略ブロック図である。チャープレット変換モジュール１６４は、重み適応モジュール１３８から、ノイズ除去された入力信号１５８に対応する、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎを受信する。チャープレット変換モジュール１６４は、複数のターゲット１１８ａ－１１８ｎからの反射信号１１６ａ－１１６ｎを表す、ノイズ除去された入力信号１５８のリアルタイムのノイズ除去された時変スペクトログラム１６８を生成する。リアルタイムのノイズ除去された時変スペクトログラム１６８は、数学的変換を介してチャープレットスペクトログラムとして表されてもよい。チャープレット変換モジュール１６４は、ノイズ除去されたリザーバ状態１７０ａ－１７０ｎまたはノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎのそれぞれを、複数のターゲット１１８ａ－１１８ｎのそれぞれの距離の測定値１３０に対してマッピングするように構成されている。ノイズ除去されたリザーバ状態１７０ａ－１７０ｎは、送信されたＲＦ信号１１２またはレーダー信号の送信チャープパルス１０４によってセットされたチャープ率１０６における、時変フィルタ１７２のバンクを規定する。種々の時点で受信したチャープに対する時変フィルタ１７２の応答は、種々の周波数に対する、単極無限インパルス応答（ＩＩＲ）フィルタのバンクの応答と同等である。

積分モジュール１６６は、ノイズ除去された入力信号１５８の、リアルタイムのノイズ除去された時変スペクトログラム１６８を積分して、積分されたノイズ除去されたスペクトログラム１７４を作成するように、及び、積分されたノイズ除去されたスペクトログラム１７４を距離の測定値１３０ａ－１３０ｎに対してマッピングするように、構成されている。積分モジュール１６６は、各ノイズ除去されたリザーバ状態１７０ａ－１７０ｎまたはノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎの出力１７８ａ－１７８ｎを積分または合計することを含むパルス圧縮によって、各ノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎの信号対ノイズ比を増大させるように構成されている。一実施形態によると、積分モジュール１６６は、リアルタイムのノイズ除去された時変スペクトログラム１６８内に示されているノイズ除去された入力信号１５８のそれぞれを積分するための、複数の加算ノード１７６ａ－１７６ｎを含む。

図４もまた参照すると、図４は、本開示の一実施形態による、時変リザーバコンピュータ１２６の一実施例の図である。リザーバコンピュータ１２６は、リザーバコンピューティングとして知られる、神経形態学的（脳から着想を得た）信号処理の一形態に基づく、認知信号ノイズ除去アーキテクチャ４００を含む。リザーバコンピューティングは、入力信号ベクトルまたは入力信号１４２を高次元のリザーバ状態空間表現内１４２（図２）内に射影することによって動作する、再帰型ニューラルネットワーク４０２（フィードバック接続付きのニューラルネットワーク）の一特殊形態である。この高次元のリザーバ状態空間表現は、入力信号１２４に関する利用可能且つ動作可能な情報の全てをキャプチャする信号生成処理の等価動的モデルを含む。リザーバコンピュータ１２６は、状態機能を利用した所望の出力の学習のために、オフラインまたはオンラインのどちらででもトレーニングすることが可能な、読み出し層４０６を有する。その結果、リザーバコンピュータ１２６は、非静的な（時変の）処理及び現象をモデリングするための再帰ニューラルネットワーク４０２の力を有しているが、単純な読み出し層４０６と、精密且つ効率的なトレーニングアルゴリズムを伴っている。

リザーバコンピュータ１２６は、適応状態空間フィルタまたは時変フィルタ１７２を実装するように構成されている（図３）。線形リザーバコンピュータは、以下の状態空間表現を有している。

式中、＿＿Ａは、フィルタの極位置を決定するリザーバ連結性行列であり、＿Ｂは入力をリザーバに対してマッピングするベクトルであり、＿Ｃ（ｔ）は、リザーバ状態１４０ａ－１４０ｎを出力即ちノイズ除去されたリザーバ状態信号１５２ａ－１５２ｎに対してマッピングし、フィルタの零点位置を決定する調整可能な出力層の重みの一式１６２ａ－１６２ｎであり、Ｄ（ｔ）は（ほとんど使用されない）入力から出力への直接マッピングである。同様に、出力層の重み（＿Ｃ）が、フィルタの零点位置を決定する。図４は、状態空間表現１４２のパラメータとリザーバコンピュータ１２６内の構成要素との間の、直接の対応を示す。調整可能な出力層の重み１６２ａ－１６２ｎは適応可能であるので、極が固定されている場合、リザーバコンピュータ１２６には適応状態空間フィルタが実装される。しかし、入力信号１２４に基づいてリアルタイムで適応されるのは、ゼロである。リザーバコンピュータ１２６は、入力信号ベクトルまたは入力信号１２４を、根底にある信号生成処理の時変の動態をモデリングする高次元の状態空間表現１４２に対して、マッピングする。リザーバ状態１４０ａ－１４０ｎは、トレーニング可能な線形読み出し層４０６を用いて、ノイズ除去された入力、信号クラス、分離信号、及び異常値（ａｎｏｍａｌｉｅｓ）を含む、有用な出力４０８に対してマッピングされ得る。状態空間表現構成要素とリザーバコンピュータ１２６内のパラメータとの間には、直接の対応が存在する。

従来型のリザーバコンピュータでは、リザーバ接続行列（＿＿Ａ）、及び入力からリザーバへのマッピングベクトル（＿Ｂ）の重みは、どちらも、通常ランダムに選択される。（例えば、（＿＿Ａ）及び＿Ｂの入力は、ゼロ平均単位分散ガウス分布からの、独立同分布のサンプルであることができる。）リザーバ状態の更新は、リザーバノード４０４の数の２乗に比例する計算を必要とする。このため、リザーバノード４０４の数が増加するのにつれて、低出力のハードウェアのインスタンス化にとっては、実行が不可能になる。

リザーバコンピュータ１２６が線形力学系であるため、新しい状態ベクトル

を得るために、線形変換＿＿Ｔを適用することができ、以下の等価力学系が与えられる。

式中、

であり、

である。この力学系は、元の系と全く同一の入力／出力挙動を有しているが、＿＿Ｔを適切に選択することによって、リザーバ遷移行列

が対角構造またはブロック対角構造を有するように設計することができる。これによって、リザーバ状態の更新の計算が、リザーバノード４０４の数に対して線形的に拡縮することが可能になり、したがって低出力のハードウェアでの効率的な実装が可能になる。

一実施形態によると、リザーバ状態遷移行列＿＿Ａは、２×２のブロック対角形式であるように構築されている。状態行列＿＿Ａ中の各２×２ブロックは、単極無限インパルス応答（ＩＩＲ）フィルタに対応している。各２×２ブロックに関する極の配置は、標準ＩＩＲフィルタの設計技法を用いて、リザーバ状態行列が全体としてＩＩＲフィルタのバンクまたは時変フィルタ１７２のバンクをモデリングするようにして、選択することができる。例えば、実パッシブＩＩＲフィルタに関しては、行列＿＿Ａは、純粋に減衰された（ｐｕｒｅｌｙｄａｍｐｅｄ）モードに相当する純粋に実かつ負の固有値か、または固有値であって、この固有値に対する負の実数部との複素共益対である、固有値を持たなければならない。したがって、ブロック対角行列＿＿Ａは、以下の形式を有する。

式中、ｐは複素共役極の数であり、

は＿＿Ａの（常に負である）固有値の実数成分に相当する。また、

は、＿＿Ａの固有値の虚数成分である。

遅延埋め込みモジュール１３６に用いられている位相遅延埋め込みは、観察結果ｕ＿０（ｔ）からのカオス系の動態のモデリングを、観察結果の遅延バージョンを新たな入力ベクトル＿ｕ（ｔ）として用いて行うために、力学系理論で開発された技法である。位相遅延埋め込み理論を用いるために、未知の（潜在的にカオス的である）力学系が、ｍ次元のアトラクタを有するＮ次元の状態空間内に、埋め込まれているとみなされる。つまり、状態空間はＮ個のパラメータを有しているが、この力学系からの信号は、全て、この状態空間のｍ次元の部分多様体Ｍ上に存在する軌道を形成しているのであり、（実際的にはそうではないが）理論的には、わずかｍ個のパラメータで特定され得るのである。この観察結果（受信信号）

は、状態空間の射影である。位相遅延埋め込みは、連結された観察信号
ｕ＿０（ｔ）のｎ個の遅延バージョンから、新たな入力ベクトル＿ｕ（ｔ）を生み出す。ターケンスの定理によると、部分多様体Ｍの曲率及び射影ｈ［・］の非縮退性に関してかなり広範な前提が与えられたと仮定すると、遅延座標の次元数がｎ＞２ｍ＋１のとき、位相遅延埋め込み＿ｕ（ｔ）は、力学系の位相構造（即ち形状）を保持し、したがって、観察結果から力学系を再構築するのに用いられ得るのである。

図５もまた参照すると、図５は、本開示の一実施形態による、動的リザーバ５００の一実施例の概略図である。図５に示すとおり、遅延埋め込みは、リザーバ状態の動態の短時間の履歴または時変リザーバ状態１４０ａ－１４０ｂの履歴１５１を得るために、リザーバ状態１４０ａ－１４０ｎのそれぞれに適用される（図２）。一実施例によると、信号のノイズ除去に、短期間の予測手法が用いられる。遅延埋め込み済みの観察結果が力学系の挙動を効果的にモデリングし得ると仮定すると、これらのリザーバ状態１４０ａ－１４０ｎの履歴１５１は、観察結果の短期予測を実施するために活用または使用されるのである。リザーバコンピュータ１２６は、予測関数Ｆ（以下）を学習するために使用される。

一実施形態によると、認知レーダープロセッサ１３２は、動的リザーバ５００に対して入力を提供する、広帯域（３０ＧＨｚまで）のフロントエンドを含む。広帯域のフロントエンドは、リザーバコンピュータ１２６の前の、所望の広帯域幅を扱うかまたはサポートするように構成されている、アンテナ、増幅器、ＡＤＣなどを指す。出力層１３４の重み１６２ａ－１６２ｎは、以下に示す勾配降下学習アルゴリズム１６０を介して適応させる。勾配降下学習アルゴリズム１６０は、出力を履歴であるリザーバ状態の線形結合として表そうとする、入力信号１２４の短時間予測に基づいている。ノイズとはランダムで予測不能なものであるため、予測された信号

には、ノイズが含まれないであろう。

図５の動的リザーバ５００は、以下のセットの結合常微分方程式（ＯＤＥ）を満足する。

式中、

である。

入力信号１２４の短時間予測を実施するため、勾配降下学習アルゴリズム１６０が用いられる。遅延埋め込みモジュール１３６で使用されている現在時点の正確な予測を実行するという意図である。時点（ｔ＋τ）における予測された入力値は、出力重み（＿ｃ_ｋ（ｔ），＿ｄ（ｔ））１６２ａ－１６２ｎの現在値、並びに状態（＿ｘ）及び入力（ｕ）の現在及び過去の値から計算される。最小化されるべき二次誤差関数は、以下によって与えられる。

式中、λ_ｃ及びλ_ｄは、出力重み

及び＿ｄ、の重要性を重み付するパラメータであり、

である。

が、＿ｘ及びｕの遅延値、並びに出力重み

及び＿ｄの現在値によって表される遅延出力であることと、したがって一般的に

であることは、留意されたい。しかし、この近似は論証可能であり、システムが出力重みの時間履歴を保存を必要としないことを可能にし、より効率的なハードウェア実装を容易にしている。

二次的誤差を最小化するため、Ｅ［＿ｃ_１，．．．＿ｃ_ｋ＋１，ｄ］、Ｅ［＿ｃ_１，．．．＿ｃ_ｋ＋１，ｄ］、の勾配が、

及び＿ｄに関して計算される。これらの勾配に基づいて、

及び＿ｄ（ｔ）への重みの更新は、以下の常微分方程式（ＯＤＥ）を満足する。

式中、ｇ_ｃ＝２λ_ｄであり、ｇ_ｄ＝２λ_ｄは、

及び＿ｄに関する「忘却」率であり、μ_ｃ及びμ_ｄは

及び＿ｄに関する学習率であり、

は誤差信号である。

動的リザーバ５００及び重み適応モジュール１３８に関するＯＤＥは、アナログハードウェアにおいて直接実装され得る。ソフトウェアまたは効率的なデジタルハードウェア（例えばフィールドプログラマブルゲートアレイ（ＦＰＧＡ）またはカスタムのデジタル特定用途向け集積回路（ＡＳＩＣ））内に上記のＯＤＥを実装するためには、更新方程式が離散化されなければならない。

ソフトウェアまたはデジタルハードウェアにおける実装に関しては、ＯＤＥは、遅延微分方程式（ＤＤＥ）に変換される。状態空間表現を持つ線形力学系に関しては、

であり、離散の時間ステップの大きさをτと仮定すると、全く同一のフィルタの動態を表す等価のＤＤＥは、

であり、これは、現在のリザーバ状態＿ｘ（ｔ）が、前の時間ステップ＿ｘ（ｔ－τ）におけるリザーバ状態と、区間［ｔ－τ，ｔ］にわたる入力信号との関数であることを示している。ソフトウェアまたはデジタルハードウェアにおいては連続区間全体が利用可能ではないので、デジタルの認知レーダープロセッサにおいては、ｕ（ｔ）は、線形基底関数を使ってその区間上で近似される。

図６Ａ及び図６Ｂも参照すると、図６Ａは、本開示の一実施形態による、サンプリング周期Δｔによる均一サンプリングを用いた、入力信号ｕ（ｔ）６００の近似の一例である。図６Ｂは、本開示の別の実施形態による、入力信号ｕ（ｔ）６００の近似のための線形基底関数の使用例である。これらの例では、入力信号ｕ（ｔ）６００は、入力信号１２４に相当する。サンプリング周期をΔｔとすると、ｕ（ｔ）に関して、

のとおり一式のサンプルがまとめられる（ｃｏｌｌｅｃｔｅｄ）。
式中、ｎ_ｅ＝τ／Δｔはτによって規定される時間窓内のサンプリング間隔の数である（図６Ａ参照）。図６Ｂに示すように、入力信号は、

としてサンプルから近似される。
式中、Ｎｉ（ｔ）＝Ｔ（ｔ－（ｉ－ｔ）Δｔ）は、三角形関数Ｔ（ｔ）

のシフトバージョンである。
線形基底による近似に基づくと、リザーバ状態＿ｘ（ｔ）のＤＤＥは、

となる。
一般性を失わずに、ｔ＝τとすると、２つの補助行列

及び

は以下のように定義される。

次に、＿ｘ（τ）は以下のとおり計算される。

これに基づいて、状態（＿ｘ）、出力（ｙ）、及び重量に関する反復的な更新

が導かれる。これは、以下に記載するアルゴリズム１の中に存在する。必要な各更新ステップは、後続のステップが開始し得るより前に計算ステップが完了するのを待つ必要なしに、１クロック周期内で達成される。これによって、ノイズ除去アルゴリズムの並列実装が可能になる。

図７もまた参照すると、図７は、本開示の一実施形態による、認知レーダープロセッサ７００の一実施例の概略図である。図７に示す認知レーダープロセッサ７００は、ＦＰＧＡまたはカスタムのデジタルＡＳＩＣ上で実装されることができる。

アルゴリズム１は、認知信号ノイズ除去反復アルゴリズムであり、以下の演算を含む。
初期設定：
＿Ｘ［ｋ］＝＿０，＿ｃ_ｋ［Ｋ＋１］＝＿０，ｋ＝１，２，．．．，（Ｋ＋１）
反復（ｎ＝Ｋ＋２より開始）：

一実施形態によると、時変リザーバ１２８に関する離散化された状態空間表現１４２は、Δｔ＝τと仮定することによって導かれ、結果的に、ｎ_ｅ＝１である。アルゴリズム１から、遅延埋め込み済み状態の動的リザーバに関する離散化された状態の更新方程式は、以下によって与えられることが想起される。

現在状態ベクトルと過去のＫ個の遅延状態ベクトルとを以下のようにグループ化すると、

位相遅延埋め込みは、動的リザーバの状態空間表現内に組み込まれ得る。

これは、大きさＫの位相遅延埋め込みと組み合わされたＮ個のノードを有する線形リザーバが、（Ｋ＋１）Ｎ個のノードを有する線形リザーバであることを示しており、このとき状態遷移行列

及び入力からリザーバへの写像

が、上記の構造を持つ形式を有することを示している。これらの単位行列は、静的リザーバ状態遷移行列

をリザーバ状態１４０ａ－１４０ｂの履歴１５１に適用するのに関して、計算上効率の良いメカニズムである。時変リザーバ１２８は、以下のとおり、各遅延状態＿ｘ［ｎ－１］に関して異なる状態遷移行列Ａ_ｉを適用することによって得られる。

式中、

及び

は、離散化された入力からリザーバへの写像

の、第１列及び第２列である。各遅延状態＿ｘ［ｎ－（ｉ＋１）］に対して異なる状態遷移行列Ａ_ｉが適用されているため、この時変リザーバ１２８は、非静的信号を検知してノイズ除去するために使用することができる。

線形チャープ信号を最適にノイズ除去するための時変リザーバ１２８をどのように設計するかの一例として、状態遷移行列Ａ_０が、チェビシェフのローパスフィルタのプロトタイプによって、第１のサブリザーバが対象の帯域内（例えば１０ＭＨｚと５００ＭＨｚの間）に均等に分布しているＮ＝２Ｐの極を持つようにして、構成される。Ａ_０によって特定されるサブリザーバは、ｆ_１．．．ｆ_ｐの周波数の共振を有するであろう。次に、行列Ａ_１．．．Ａ_Ｋは、Ａ_０の行が周期的にシフトしたバージョンの行を有する。Ａ_ｉの状態遷移行列のｊ番目の行は、以下によって与えられる。

Ａ_１．．．Ａ_Ｋによって特定されるサブリザーバは、全て、Ａ_０と同一の共振周波数を有しているが、状態ベクトルの別々の要素に対して適用される。したがって、掃引速度がＴである線形チャープ信号

に関しては、この信号が周波数ｆ_１からｆ_ｐまで掃引する際に、時変リザーバ１２８の同一の状態が、この信号を検知し追尾するであろう。チャープ最適化されたリザーバに関しては、各Ａ_ｉがＡ_０の順序変更されたバージョンであることから、リザーバ状態の更新の計算が静的リザーバと比べて著しく増大しないということは、留意されたい。

リアルタイムのノイズ除去された時変スペクトログラム１６８は、上記のように、ノイズ除去されたリザーバ状態１７０ａ－１７０ｎを使って与えられる。ノイズ除去されたリザーバ状態１７０ａ－１７０ｎが時変リザーバ１２８に関するものであるため、これらのリザーバ状態は、時変フィルタ１７２のバンクへの応答として解釈され得る。したがって、上記のチャープ最適化されたリザーバに関しては、一式のノイズ除去されたリザーバ状態１７０ａ－１７０ｎが、チャープレットのスペクトログラムまたはリアルタイムのノイズ除去された時変スペクトログラム１６８を形成しているのである。このチャープレットのスペクトログラムまたはリアルタイムのノイズ除去された時変スペクトログラム１６８は、入力された広帯域の混合信号内における信号の検知、分離、及び個別のレーダーパルスの追尾といった、様々なリアルタイムの信号分析タスクに使用することができる。

リザーバコンピュータ１２６の出力を、チャープレット変換モジュール１６４を介して距離の測定値１３０に対して直接マッピングすることによって、認知レーダープロセッサ１３２が単体で、現行技術によるチャープされたレーダーの実装における、デチャープ及び検知用機能ブロックの役割を果たすことが可能になる。上記のように、ノイズ除去されたリザーバ状態１７０ａ－１７０ｎは、送信チャープパルス１０４によってセットされたチャープ率１０６における、時変フィルタ１７２のバンクとして解釈される。種々の時点で受信したチャープに対する時変フィルタ１７２の応答は、種々の周波数に対する、狭帯域の単極ＩＩＲフィルタのバンクの応答と同等である。これが、まさに従来型のレーダー受信機のデチャープ機能ブロックの機能である。したがって、ノイズ除去されたリザーバ状態１７０ａ－１７０ｎの種々の応答は、送信されたチャープパルス１０４を反射しているターゲット１１８ａ－１１８ｎまでの、種々の距離の測定値１３０ａ－１３０ｎを表す。

ノイズ除去されたリザーバ状態１７０ａ－１７０ｎは、レーダーリターン受信窓の中の、または受信器がオンであって信号を受信可能である時間の中の、相対的な距離の測定値ｒ_ｉを表す。絶対距離の測定値は、送信時点Ｔ_Ｔｘと受信時点Ｔ_Ｒｘとの間の遅延から計算することができる。

信号の信号対ノイズ比（ＳＮＲ）は、上記の積分モジュール１６６を用いて、単一のリザーバ状態（時変フィルタ１７２のバンク内の単一のフィルタ）の出力を積分する（合計する）ことによる、（実効的な）「パルス圧縮」を通じて、さらに増大させることができる。これが、リザーバコンピュータのノイズ除去によるＳＮＲの増大が、従来型のレーダーの用途におけるパルス圧縮によって得られる実効的なゲインの増大に加えてのものであることを示すものであることは、留意されたい。

図８を参照すると、図８は、本開示の一実施形態による、ノイズ除去された入力信号のチャープレットのスペクトログラム８００の一例である。図８は、ノイズ除去されたリザーバ状態１７０ａ－１７０ｎからのチャープレット変換の読み取り値を示す。チャープレットのスペクトログラムにおける垂直の線、または標準スペクトログラム８０２における対角の線は、ｆｓをＡＤＣのサンプリングレートとしたときの、３１．８３１＊１０^－６ｆｓ^２の送信チャープ率１０６における、（シミュレートされた）受信レーダーリターンに相当する。Ｙ軸は、レーダーリターン受信窓内の相対的な距離の測定値ｒ_ｉを表す。絶対距離の測定値は、送信時点Ｔ_Ｔｘと受信時点Ｔ_Ｒｘとの間の遅延から、上記のＲ_０及びＲ_ｉに関する方程式を用いて計算することができる。上記のとおり、信号のＳＮＲ比は、（実効的な）パルス圧縮（ｘ軸に沿った積分）を通じてさらに増大させることができる。これが、リザーバコンピュータのノイズ除去によるＳＮＲの増大が、パルス圧縮によって得られる実効的なゲインの増大に加えてのものであることを示すものであることは、留意されたい。

図９は、本開示の一実施形態による、ビロウノイズ送信後（ＢＡＴ）チャープレーダーを用いて複数のターゲットのそれぞれまでの距離を測定する方法９００の一実施例のフロー図である。一実施例によると、方法９００は、図１のリザーバコンピュータ１２６または認知レーダープロセッサ１３２内に実装されていてよいか、またはこれらによって実行されてよい。その結果、リザーバコンピュータ１２６または認知レーダープロセッサ１３２は、方法９００によって規定される一式の機能を実行するように構成されている。

ブロック９０２で、ノイズ入り入力信号が、認知レーダープロセッサによって受信される。ノイズ入り入力信号は、複数のターゲットから反射された複数のＲＦ信号またはレーダー信号、及びノイズを含む。

ブロック９０４で、ノイズ入り入力信号を分析するために、時変リザーバを含む予測フィルタリングが使用される。ブロック９０６で、予測信号パターンと予測不能なノイズパターンとを分離して予測不能なノイズパターンを特定するために、ノイズ入り入力信号が分析される。

ブロック９０８で、予測不能なノイズパターンを相殺するため、ノイズ入り入力信号に対して逆相ノイズ信号が適用される。逆相ノイズ信号は、予測不能なノイズパターンに対応している。

ブロック９１０で、予測信号パターンからの予測不能なノイズパターンの相殺に応答して、増強されたＲＦ信号またはリターンレーダー信号が生成される。

ブロック９１２で、増強されたＲＦ信号またはリターンレーダー信号が、ターゲットのそれぞれの距離の測定値に対してマッピングされる。

図１０は、本開示の一実施形態による、ビロウノイズ送信後（ＢＡＴ）チャープレーダーを用いて複数のターゲットのそれぞれまでの距離を測定する方法１０００の一実施例のフロー図である。一実施例によると、方法１０００は、図１のリザーバコンピュータ１２６または認知レーダープロセッサ１３２内に実装され、これらによって実行される。その結果、リザーバコンピュータ１２６または認知レーダープロセッサ１３２は、方法１０００によって規定される一式の機能を実行するように構成されている。

ブロック１００２で、ノイズ入り入力信号が受信される。図１の例示的な実施形態によると、ノイズ入り入力信号１２４は、約３０ＧＨｚを超える帯域幅からサンプリングされた複数の反射信号１１６ａ－１１６ｎからの、時系列のデータ点である。しかし、他の周波数帯域もまた、サンプリングされ得る。

ブロック１００４で、ノイズ入り入力信号は、時変リザーバに対して、線形的にマッピングされる。時変リザーバは、複数の時変リザーバ状態を含む。ブロック１００６で、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって、反射信号の高次元の状態空間表現または多次元の状態空間表現が作り出される。

ブロック１００８で、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号が生成される。

ブロック１０１０で、ノイズが取り除かれてノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去が行われる。ブロック１０１２で、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号の、リアルタイムのノイズ除去された時変スペクトログラムが生成される。

ブロック１０１４で、ノイズ除去された時変スペクトログラムが、認知レーダープロセッサの出力層内で積分される。ブロック１０１６で、積分されたノイズ除去された時変スペクトログラムが、複数のターゲットのそれぞれの距離の測定値に対してマッピングされる。

さらに、本発明は、以下の条項による実施形態を含む。

条項１：レーダーシステムであって、高周波（ＲＦ）信号またはレーダー信号を送信するための送信アンテナと、ＲＦ信号またはレーダー信号を反射する複数のターゲットによって作り出された複数の反射信号を受信するための受信アンテナであって、反射信号がノイズを含む、受信アンテナと、反射信号をデジタル化またはサンプリングして、デジタル化またはサンプリングされたノイズ入り入力信号を提供する、アナログ－デジタルコンバータ（ＡＤＣ）と、ノイズ入り入力信号を受信するリザーバコンピュータであって、時変リザーバを含み、ノイズ入り信号をノイズ除去して複数のターゲットのそれぞれに対する距離の測定値を提供するように構成されている、リザーバコンピュータと、を備えるレーダーシステム。

条項２：ＲＦ信号またはレーダー信号が、チャープ波形またはステップチャープ波形を含む、条項１のレーダーシステム。

条項３：リザーバコンピュータが認知レーダープロセッサを備え、認知レーダープロセッサが時変リザーバを備え、時変リザーバが複数の時変リザーバ状態を含み、且つ、時変リザーバが、ノイズ入り入力信号の高次元の状態空間表現を作り出すために、ノイズ入り入力信号を各リザーバ状態に対して線形的にマッピングするように構成されている、条項１のレーダーシステム。

条項４：認知レーダープロセッサが、遅延埋め込みモジュールであって、各時変リザーバ状態に対応するリザーバ状態信号を受信するように、且つ遅延埋め込みモジュールの所定の時間遅延に基づいて、ある短期間にわたる時変リザーバ状態の履歴、またはリザーバ状態の動態を表す、各時変リザーバ状態に対応する遅延埋め込み済みリザーバ状態信号を生成するように、構成された遅延埋め込みモジュールと、遅延埋め込み済みリザーバ状態信号を受信する重み適応モジュールであって、各時変リザーバ状態またはリザーバ状態信号に関して、ノイズ除去されたリザーバ状態信号を生成するように構成されており、ノイズ除去されたリザーバ状態信号が、ノイズ除去された入力信号をもたらすためにノイズ除去中である、ノイズ入り入力信号に対応している、重み適応モジュールと、をさらに備える、条項３のレーダーシステム。

条項５：重みづけ適応モジュールが、遅延埋め込み済みのリザーバ状態信号から、所定の未来の時点におけるノイズ入り入力信号の予測を生成するように、且つこのノイズ入り入力信号の予測を、勾配降下学習アルゴリズムを用いた各リザーバ状態信号のノイズ除去に使用するように構成されているレーダーシステムであって、重み適応モジュールの重みは、勾配降下学習アルゴリズムを用いて決定される、条項４のレーダーシステム。

条項６．認知レーダープロセッサが、重み適応モジュールから、ノイズ除去されたリザーバ状態、またはノイズ除去された入力信号に対応するノイズ除去されたリザーバ状態信号を受信し、且つ、複数のターゲットからの反射信号を表す、ノイズ除去された入力信号のリアルタイムのノイズ除去されたスペクトログラムを生成する、チャープレット変換モジュールであって、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号のそれぞれを、複数のターゲットのそれぞれの距離の測定値に対してマッピングするように構成されている、チャープレット変換モジュールをさらに備える、条項５のレーダーシステム。

条項７．ノイズ除去されたリザーバ状態が、ＲＦ信号またはレーダー信号の送信チャープによってセットされたチャープ率における、時変フィルタのバンクを規定し、種々の時点で受信したチャープに対する時変フィルタの応答が、種々の周波数に対する、単極無限インパルス応答（ＩＩＲ）フィルタのバンクの応答と同等である、条項６のレーダーシステム。

条項８．ノイズ除去された入力信号の、リアルタイムのノイズ除去されたスペクトログラムを積分して、積分されたノイズ除去されたスペクトログラムを作成するため、及び積分されたノイズ除去されたスペクトログラムを距離の測定値に対してマッピングするための、積分モジュールであって、各ノイズ除去されたリザーバ状態信号の出力を積分または合計することを含むパルス圧縮によって、各ノイズ除去されたリザーバ状態信号の信号対ノイズ比を増大するように構成されている、積分モジュールをさらに備える、条項６に記載のレーダーシステム。

条項９．時変リザーバが、複数のノードを含む再帰ニューラルネットワークを含み、各ノードが時変リザーバ状態のうちの１つに対応している、条項５のレーダーシステム。

条項１０．時変リザーバが、信号のノイズ除去とハードウェア内での効率的な実装のために最適化された所定のブロック対角構造を含む、状態遷移行列を含む、条項９のレーダーシステム。

条項１１．遅延埋め込みモジュールが、時変の動態を可能にするための異なる状態遷移行列を有している、遅延埋め込み済みリザーバ状態ベクトルを含む、条項１０のレーダーシステム。

条項１２．リザーバコンピュータが認知レーダープロセッサを含み、認知レーダープロセッサは、一式の機能を実行するように構成されており、この一式の機能は、ノイズ入り入力信号を受信することであって、ノイズ入り入力信号が、約３０ＧＨｚを超える帯域幅からサンプリングされた反射信号からの時系列のデータ点である、ノイズ入り入力信号を受信することと、ノイズ入り入力信号を時変リザーバに対して線形的にマッピングすることであって、時変リザーバが複数の時変リザーバ状態を含む、ノイズ入り入力信号を線形的にマッピングすることと、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって反射信号の高次元の状態空間表現を作り出すことと、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号を生成することと、ノイズが取り除かれてノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去を行うことと、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号の、リアルタイムのノイズ除去された時変スペクトログラムを生成することと、認知レーダープロセッサの出力層内で、ノイズ除去された時変スペクトログラムを積分することと、積分されたノイズ除去された時変スペクトログラムを、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることと、を含む、条項１のレーダーシステム。

条項１３．時変リザーバであって、複数の時変リザーバ状態を含み、ノイズ入り入力信号を各リザーバ状態に対して線形的にマッピングして、ノイズ入り入力信号の、高次元の状態空間表現を作り出すように構成されている、時変リザーバと、遅延埋め込みモジュールであって、各時変リザーバ状態に対応するリザーバ状態信号を受信するように、且つ遅延埋め込みモジュールの所定の時間遅延に基づいて、ある期間にわたる時変リザーバ状態の履歴、またはリザーバ状態の動態を表す、各時変リザーバ状態に対応する遅延埋め込み済みリザーバ状態信号を生成するように、構成された遅延埋め込みモジュールと、遅延埋め込み済みリザーバ状態信号を受信する重み適応モジュールであって、各時変リザーバ状態またはリザーバ状態信号に関して、ノイズ除去されたリザーバ状態信号を生成するように構成されており、ノイズ除去されたリザーバ状態信号が、ノイズ除去された入力信号をもたらすためにノイズ除去中である、ノイズ入り入力信号に対応している、重み適応モジュールと、をさらに備える、認知レーダープロセッサ。

条項１４．重みづけ適応モジュールが、遅延埋め込み済みのリザーバ状態信号から、所定の未来の時点におけるノイズ入り入力信号の予測を生成するように、且つこのノイズ入り入力信号の予測を、勾配降下学習アルゴリズムを用いた各リザーバ状態信号のノイズ除去に使用するように構成されている認知レーダープロセッサであって、重み適応モジュールの重みは、勾配降下学習アルゴリズムを用いて決定される、条項１３の認知レーダープロセッサ。

条項１５．認知レーダープロセッサが、重み適応モジュールから、ノイズ除去されたリザーバ状態、またはノイズ除去された入力信号に対応するノイズ除去されたリザーバ状態信号を受信し、且つ、複数のターゲットからの反射信号を表す、ノイズ除去された入力信号のリアルタイムのノイズ除去されたスペクトログラムを生成する、チャープレット変換モジュールであって、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号のそれぞれを、複数のターゲットのそれぞれの距離の測定値に対してマッピングするように構成されている、チャープレット変換モジュールをさらに備える、条項１４の認知レーダープロセッサ。

条項１６．ノイズ除去された入力信号の、リアルタイムのノイズ除去されたスペクトログラムを積分して、積分されたノイズ除去されたスペクトログラムを作成するため、及び積分されたノイズ除去されたスペクトログラムを距離の測定値に対してマッピングするための、積分モジュールであって、各ノイズ除去されたリザーバ状態信号の出力を積分または合計することを含むパルス圧縮によって、各ノイズ除去されたリザーバ状態信号の信号対ノイズ比を増大するように構成されている、積分モジュールをさらに備える、条項１５に記載の認知レーダープロセッサ。

条項１７．一式の機能を実行するように構成されている認知レーダープロセッサであって、この一式の機能は、ノイズ入り入力信号を受信することであって、ノイズ入り入力信号が、約３０ＧＨｚを超える帯域幅からサンプリングされた複数の反射信号からサンプリングされた時系列のデータ点である、ノイズ入り入力信号を受信することと、ノイズ入り入力信号を時変リザーバに対して線形的にマッピングすることであって、時変リザーバが複数の時変リザーバ状態を含む、ノイズ入り入力信号を線形的にマッピングすることと、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって反射信号の高次元の状態空間表現を作り出すことと、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号を生成することと、ノイズが取り除かれてノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去を行うことと、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号の、リアルタイムのノイズ除去された時変スペクトログラムを生成することと、認知レーダープロセッサの出力層内で、ノイズ除去された時変スペクトログラムを積分することと、積分されたノイズ除去された時変スペクトログラムを、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることと、を含む、条項１３の認知レーダープロセッサ。

条項１８．認知レーダープロセッサによってノイズ入り入力信号を受信することであって、ノイズ入り入力信号が、複数のターゲットから反射された複数のＲＦ信号またはレーダー信号を含む、ノイズ入り入力信号を受信することと、時変リザーバを含む予測フィルタリングを用いて、ノイズ入り入力信号を分析することと、ノイズ入り入力信号を分析して、予測信号パターンと予測不能なノイズパターンとを分離することと、ノイズ入り入力信号に対して、予測不能なノイズパターンに対応している逆相ノイズ信号を適用して、予測不能なノイズパターンを相殺することと、予測不能なノイズパターンの相殺に応答して、増強されたＲＦ信号またはリターンレーダー信号を生成することと、増強されたＲＦ信号またはリターンレーダー信号を、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることと、を含む、複数のターゲットのそれぞれまでの距離を測定する方法。

条項１９．ノイズ入り入力信号を時変リザーバに対して線形的にマッピングすることであって、時変リザーバが複数の時変リザーバ状態を含む、ノイズ入り入力信号を線形的にマッピングすることと、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって反射信号の高次元の状態空間表現を作り出すことと、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号を生成することと、ノイズが取り除かれてノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去を行うことと、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号の、リアルタイムのノイズ除去された時変スペクトログラムを生成することと、認知レーダープロセッサの出力層内で、ノイズ除去された時変スペクトログラムを積分することと、積分されたノイズ除去された時変スペクトログラムを、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることと、を含む、条項１８の方法。

条項２０．認知レーダープロセッサによってノイズ入り入力信号を受信することであって、ノイズ入り入力信号が、約３０ＧＨｚを超える帯域幅からサンプリングされた複数のターゲットからの複数の反射信号からの時系列のデータ点である、ノイズ入り入力信号を受信することと、ノイズ入り入力信号を時変リザーバに対して線形的にマッピングすることであって、時変リザーバが複数の時変リザーバ状態を含む、ノイズ入り入力信号を線形的にマッピングすることと、ノイズ入り入力信号を時変リザーバの時変リザーバ状態と結合することによって反射信号の高次元の状態空間表現を作り出すことと、リザーバ状態の動態の有限時間レコードまたは時変リザーバ状態の履歴を与える各時変リザーバ状態から、遅延埋め込み済みリザーバ状態信号を生成することと、ノイズが取り除かれてノイズなしの反射信号に相当する信号が残るように、ノイズ入り入力信号のノイズ除去に対応する各時変リザーバ状態のノイズ除去を行うことと、ノイズ除去されたリザーバ状態またはノイズ除去されたリザーバ状態信号から、ノイズ入り入力信号の、リアルタイムのノイズ除去された時変スペクトログラムを生成することと、認知レーダープロセッサの出力層内で、ノイズ除去された時変スペクトログラムを積分することと、積分されたノイズ除去された時変スペクトログラムを、複数のターゲットのそれぞれの距離の測定値に対してマッピングすることと、を含む、複数のターゲットのそれぞれまでの距離を測定する方法。

図面中のフロー図及びブロック図は、本開示の様々な実施形態による、システム、方法及びコンピュータプログラム製品の、考えられる実装における、アーキテクチャ、機能性、及び操作を示すものである。この点に関して、フロー図またはブロック図中の各ブロックは、特定の１つ以上の論理機能を実装するための１つ以上の実行可能な命令を含む、命令のモジュール、セグメント、または部分を表わしていてよい。いくかの代替的な実装では、ブロックに記載された機能は、図面に記載された順序を逸脱して現われてよい。例えば、連続して示されている２つのブロックは、実際には、関わっている機能に応じて、ほぼ同時に実行されてよいか、または、時には逆順で実行されてよい。ブロック図及び／またはフロー図の各ブロック、並びに、ブロック図及び／またはフロー図におけるブロックの組み合わせは、特定の機能もしくは動作を実施する特定用途のハードウェアベースのシステムによって実行され得るか、または、特定用途ハードウェアとコンピュータ命令との組み合わせによって実行され得ることも、留意されるであろう。

本明細書で用いられる用語は、特定の実施形態のみを説明するためのものであり、本開示の実施形態を限定することを意図していない。本明細書で使用される場合、単数形「一つの（ａ、ａｎ）」及び「その（ｔｈｅ）」は、文脈が明らかにそうでないことを示していない限りは、複数形も含むことが意図されている。さらに、「備える（ｃｏｍｐｒｉｓｅｓ及び／またはｃｏｍｐｒｉｓｉｎｇ）」という用語は、この明細書中で使用される場合、記載されている特徴、実体、ステップ、動作、要素、及び／または構成要素の存在を特定するものであるが、それら以外の１つ以上の特徴、実体、ステップ、動作、要素、構成要素、及び／またはこれらのグループの、存在または追加を排除するわけではないことは、理解されよう。

以下の特許請求の範囲にある、すべての手段またはステッププラス機能要素の、該当する構造、材料、作用、及び均等物は、具体的に特許請求されている、他の特許請求されている要素と組み合わされてその機能を果たすための、いかなる構造、材料、または作用をも含むことが、意図されている。本実施形態の説明は、例示及び説明の目的で提示されているものであり、網羅的な説明であること、または本発明を開示の形態に限定することは、意図されていない。当業者には、実施態様の範囲及び主旨から逸脱することなく、多数の修正例及び変形例が明白になるだろう。

本明細書では特定の実施形態が例示され説明されているが、例示されている特定の実施形態が、同じ目的を達成するように計算された任意の設定に置き換えられ得ること、また実施形態が他の環境において他の用途を有することは、当業者に認識されるであろう。本出願は、あらゆる改変例または変形例も対象とすることが意図されている。下記の請求項は、本開示の実施形態の範囲を本明細書に記載の特定の実施形態に限定することを意図していない。

Claims

レーダーシステム（１００）であって、
高周波（ＲＦ）信号（１１２）またはレーダー信号を送信するための送信アンテナ（１１０）と、
前記ＲＦ信号（１１２）またはレーダー信号を反射する複数のターゲット（１１８ａ－１１８ｎ）によって作り出された複数の反射信号（１１６ａ－１１６ｎ）を受信するための受信アンテナ（１１４）であって、前記反射信号がノイズを含む、受信アンテナ（１１４）と、
前記複数の反射信号をデジタル化またはサンプリングして、デジタル化またはサンプリングされたノイズ入り入力信号（１２４）を提供する、アナログ－デジタルコンバータ（ＡＤＣ）（１２２）と、
前記ノイズ入り入力信号（１２４）を受信するリザーバコンピュータ（１２６）であって、時変リザーバ（１２８）を含み、前記ノイズ入り入力信号（１２４）をノイズ除去して前記複数のターゲット（１１８ａ－１１８ｎ）のそれぞれに対する距離の測定値（１３０）を提供するように構成されており、前記時変リザーバ（１２８）が、信号のノイズ除去に最適化された所定のブロック対角構造（１４６）を含む状態遷移行列（１４４）を含む、リザーバコンピュータ（１２６）と、を備えるレーダーシステム（１００）。
前記ＲＦ信号または前記レーダー信号が、チャープ波形またはステップチャープ波形（１０４ａ）を含む、請求項１に記載のレーダーシステム。
前記リザーバコンピュータ（１２６）が認知レーダープロセッサ（１３２）を備え、前記認知レーダープロセッサ（１３２）が前記時変リザーバ（１２８）を備え、前記時変リザーバ（１２８）が複数の時変リザーバ状態（１４０ａ－１４０ｎ）を備え、且つ、前記時変リザーバ（１２８）が、前記ノイズ入り入力信号（１２４）を各リザーバ状態（１４０ａ－１４０ｎ）に対して線形的にマッピングするように構成されている、請求項１または２に記載のレーダーシステム。
前記認知レーダープロセッサ（１３２）が、
遅延埋め込みモジュール（１３６）であって、各時変リザーバ状態（１４０ａ－１４０ｎ）に対応するリザーバ状態信号（１４８ａ－１４８ｎ）を受信するように、且つ前記遅延埋め込みモジュール（１３６）の所定の時間遅延（１５４）に基づいて、ある短時間にわたる時変リザーバ状態の履歴（１５１）、またはリザーバ状態の動態を表す、各時変リザーバ状態（１４０ａ－１４０ｎ）に対応する遅延埋め込み済みリザーバ状態信号（１５０ａ－１５０ｎ）を生成するように、構成された遅延埋め込みモジュール（１３６）と、
前記遅延埋め込み済みリザーバ状態信号（１５０ａ－１５０ｎ）を受信する重み適応モジュール（１３８）であって、各時変リザーバ状態（１４０ａ－１４０ｎ）またはリザーバ状態信号（１４８ａ－１４８ｎ）に関して、ノイズ除去されたリザーバ状態信号（１５２ａ－１５２ｎ）を生成するように構成されており、前記ノイズ除去されたリザーバ状態信号が、ノイズ除去された入力信号（１５８）をもたらすためにノイズ除去中である、前記ノイズ入り入力信号（１２４）に対応している、重み適応モジュール（１３８）と、をさらに備える、請求項３に記載のレーダーシステム。
前記重み適応モジュール（１３８）が、前記遅延埋め込み済みのリザーバ状態信号（１５０ａ－１５０ｎ）から、所定の未来の時点におけるノイズ入り入力信号の予測（１５６）を生成するように、且つ前記ノイズ入り入力信号（１２４）の前記予測（１５６）を、勾配降下学習アルゴリズム（１６０）を用いた各リザーバ状態信号（１４８ａ－１４８ｎ）のノイズ除去に使用するように構成されているレーダーシステムであって、前記重み適応モジュール（１３８）の重み（１６２ａ－１６２ｎ）は、前記勾配降下学習アルゴリズム（１６０）を用いて決定される、請求項４に記載のレーダーシステム。
前記認知レーダープロセッサ（１３２）が、前記重み適応モジュール（１３８）から、前記ノイズ除去された入力信号（１５８）に対応する前記ノイズ除去されたリザーバ状態信号（１５２ａ－１５２ｎ）を受信し、且つ、前記複数のターゲット（１１８ａ－１１８ｎ）からの前記反射信号（１１６ａ－１１６ｎ）を表す前記ノイズ除去された入力信号（１５８）の、リアルタイムのノイズ除去されたスペクトログラム（１６８）を生成する、チャープレット変換モジュール（１６４）であって、前記ノイズ除去されたリザーバ状態（１７０ａ－１７０ｎ）またはノイズ除去されたリザーバ状態信号（１５２ａ－１５２ｎ）のそれぞれを、前記複数のターゲット（１１８ａ－１１８ｎ）のそれぞれの前記距離の測定値（１３０ａ－１３０ｎ）に対してマッピングするように構成されている、チャープレット変換モジュール（１６４）をさらに備える、請求項５に記載のレーダーシステム。
前記時変リザーバ（１２８）が、複数のノード（４０２）を含む再帰ニューラルネットワーク（４０２）を含み、各ノード（４０２）が前記時変リザーバ状態（１４０ａ－１４０ｎ）のうちの１つに対応している、請求項５または６に記載のレーダーシステム。
時変リザーバ（１２８）であって、複数の時変リザーバ状態（１４０ａ－１４０ｎ）を含み、ノイズ入り入力信号（１２４）を各リザーバ状態（１４０ａ－１４０ｎ）に対して線形的にマッピングするように構成されている、時変リザーバ（１２８）と、
遅延埋め込みモジュール（１３６）であって、各時変リザーバ状態（１４０ａ－１４０ｎ）に対応するリザーバ状態信号（１４８ａ－１４８ｎ）を受信するように、且つ前記遅延埋め込みモジュール（１３６）の所定の時間遅延（１５４）に基づいて、ある短時間にわたる前記時変リザーバ状態の履歴（１５１）、またはリザーバ状態の動態を表す、各時変リザーバ状態（１４０ａ－１４０ｎ）に対応する遅延埋め込み済みリザーバ状態信号（１５０ａ－１５０ｎ）を生成するように、構成された遅延埋め込みモジュール（１３６）と、
前記遅延埋め込み済みリザーバ状態信号（１５０ａ－１５０ｎ）を受信する重み適応モジュール（１３８）であって、各時変リザーバ状態（１４０ａ－１４０ｎ）またはリザーバ状態信号（１４８ａ－１４８ｎ）に関して、ノイズ除去されたリザーバ状態信号（１５２ａ－１５２ｎ）を生成するように構成されており、前記ノイズ除去されたリザーバ状態信号（１５２ａ－１５２ｎ）が、ノイズ除去された入力信号（１５８）をもたらすためにノイズ除去中である、前記ノイズ入り入力信号（１２４）に対応している、重み適応モジュール（１３８）と、をさらに備える、認知レーダープロセッサ（１３２）。
機能（１０００）を実行するように構成された認知レーダープロセッサであって、前記機能（１０００）が、
前記ノイズ入り入力信号（１２４）を受信すること（１００２）であって、前記ノイズ入り入力信号が、約３０ＧＨｚを超える帯域幅からの複数の反射信号（１１６ａ－１１６ｎ）からサンプリングされた時系列のデータ点である、ノイズ入り入力信号（１２４）を受信すること（１００２）と、
前記ノイズ入り入力信号（１２４）を前記時変リザーバ（１２８）に対して線形的にマッピングすること（１００４）であって、前記時変リザーバ（１２８）が複数の時変リザーバ状態（１４０ａ－１４０ｎ）を含む、ノイズ入り入力信号（１２４）を線形的にマッピングすること（１００４）と、
前記ノイズ入り入力信号を前記時変リザーバの前記時変リザーバ状態と結合することによって前記反射信号の状態空間表現を作り出すこと（１００６）と、
リザーバ動態の有限時間レコードまたは前記時変リザーバ状態の履歴（１５１）を与える各時変リザーバ状態（１４０ａ－１４０ｎ）から、遅延埋め込み済みリザーバ状態信号（１５０ａ－１５０ｎ）を生成すること（１００８）と、
ノイズが取り除かれてノイズなしの前記反射信号（１１６ａ－１１６ｎ）に相当する信号が残るように、前記ノイズ入り入力信号（１２４）のノイズ除去に対応する各時変リザーバ状態（１４０ａ－１４０ｎ）のノイズ除去を行うこと（１０１０）と、
前記ノイズ除去されたリザーバ状態（１７０ａ－１７０ｎ）またはノイズ除去されたリザーバ状態信号（１５２ａ－１５２ｎ）から、前記ノイズ入り入力信号（１２４）の、リアルタイムのノイズ除去された時変スペクトログラム（１６８）を生成すること（１０１２）と、
前記認知レーダープロセッサ（１３２）の出力層（１３４）で、前記ノイズ除去された時変スペクトログラム（１６８）を積分すること（１０１４）と、
前記積分されたノイズ除去された時変スペクトログラム（１６８）を、複数のターゲット（１１８ａ－１１８ｎ）のそれぞれの距離の測定値（１３０ａ－１３０ｎ）に対してマッピングすること（１０１６）と、
を含む、請求項８に記載の認知レーダープロセッサ。
複数のターゲット（１１８ａ－１１８ｎ）のそれぞれまでの距離（１３０ａ－１３０ｎ）を測定する方法（９００）であって、
認知レーダープロセッサ（１３２）によってノイズ入り入力信号（１２４）を受信することであって、前記ノイズ入り入力信号（１２４）が、複数のターゲット（１１８ａ－１１８ｎ）から反射された複数のＲＦ信号（１１６ａ－１１６ｎ）またはレーダー信号を含む、ノイズ入り入力信号を受信すること（９０２）と、
時変リザーバ（１２８）を含む予測フィルタリングを用いて（９０４）、前記ノイズ入り入力信号（１２４）を分析すること（９０４）と、
前記ノイズ入り入力信号を分析（９０６）して予測信号パターンと予測不能なノイズパターンとを分離すること（９０６）と、
前記ノイズ入り入力信号（１２４）に対して、前記予測不能なノイズパターンに対応している逆相ノイズ信号を適用して（９０８）、前記予測不能なノイズパターンを相殺することと、
前記予測信号パターンに対する前記予測不能なノイズパターンの相殺に応答して、増強されたＲＦ信号またはリターンレーダー信号を生成すること（９１０）と、
前記増強されたＲＦ信号またはリターンレーダー信号を、前記複数のターゲット（１１８ａ－１１８ｎ）のそれぞれの距離の測定値（１３０ａ－１３０ｎ）に対してマッピングすること（９１２）と、を含む方法。