JP7416092B2 - 学習装置、学習方法、及び、プログラム - Google Patents
学習装置、学習方法、及び、プログラム Download PDFInfo
- Publication number
- JP7416092B2 JP7416092B2 JP2021572164A JP2021572164A JP7416092B2 JP 7416092 B2 JP7416092 B2 JP 7416092B2 JP 2021572164 A JP2021572164 A JP 2021572164A JP 2021572164 A JP2021572164 A JP 2021572164A JP 7416092 B2 JP7416092 B2 JP 7416092B2
- Authority
- JP
- Japan
- Prior art keywords
- target
- received signal
- learning
- signal
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 37
- 238000012545 processing Methods 0.000 claims description 182
- 238000001514 detection method Methods 0.000 claims description 104
- 238000007781 pre-processing Methods 0.000 claims description 56
- 230000008569 process Effects 0.000 claims description 23
- 238000009966 trimming Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 description 24
- 230000010354 integration Effects 0.000 description 22
- 230000001427 coherent effect Effects 0.000 description 17
- 238000013480 data collection Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
- G01S13/26—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the transmitted pulses use a frequency- or phase-modulated carrier wave
- G01S13/28—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the transmitted pulses use a frequency- or phase-modulated carrier wave with time compression of received pulses
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/288—Coherent receivers
- G01S7/2883—Coherent receivers using FFT processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2926—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by integration
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Description
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得する取得手段と、
前記受信信号及び前記追尾信号を用いて、前記受信信号と、前記受信信号における目標の有無及び目標の位置を示す教師ラベルとのペアである学習データを生成する学習データ生成手段と、
前記学習データに含まれる前記受信信号に対して前処理を行う前処理手段と、
前記前処理後の受信信号を含む学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する学習処理手段と、
を備え、
前記前処理手段は、前回のスキャンによる受信信号中に目標を検出した場合に、当該目標の最高速度及び旋回可能な方向に基づいて当該目標の移動可能範囲を予測し、今回のスキャンによる受信信号のうち前記移動可能範囲以外の部分をトリミングにより除去する。
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得し、
前記受信信号及び前記追尾信号を用いて、前記受信信号と、前記受信信号における目標の有無及び目標の位置を示す教師ラベルとのペアである学習データを生成し、
前記学習データに含まれる前記受信信号に対して前処理を行い、
前記前処理後の受信信号を含む学習データを用いて、受信信号から目標を検出する目標検出モデルを学習し、
前記前処理は、前回のスキャンによる受信信号中に目標を検出した場合に、当該目標の最高速度及び旋回可能な方向に基づいて当該目標の移動可能範囲を予測し、今回のスキャンによる受信信号のうち前記移動可能範囲以外の部分をトリミングにより除去する処理である。
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得し、
前記受信信号及び前記追尾信号を用いて、前記受信信号と、前記受信信号における目標の有無及び目標の位置を示す教師ラベルとのペアである学習データを生成し、
前記学習データに含まれる前記受信信号に対して前処理を行い、
前記前処理後の受信信号を含む学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する処理をコンピュータに実行させ、
前記前処理は、前回のスキャンによる受信信号中に目標を検出した場合に、当該目標の最高速度及び旋回可能な方向に基づいて当該目標の移動可能範囲を予測し、今回のスキャンによる受信信号のうち前記移動可能範囲以外の部分をトリミングにより除去する処理である。
まず、レーダ装置の基本構成について説明する。図1は、レーダ装置の基本構成を示すブロック図である。レーダ装置100は、アンテナ部101と、送受信部102と、信号処理部103と、ビーム制御部104と、目標検出部105と、追尾処理部106と、表示操作部107と、を備える。
レーダ装置において、遠くの目標や小さい目標などのSNRの低い目標、及び、クラッタ内や妨害信号内に存在する目標を検出するためには、検出性能を向上させる必要がある。上記のように、通常の目標検出部は所定のしきい値を用いて処理後信号から目標を検出しているが、SNRが低い状況では目標の信号がクラッタやノイズ、妨害信号に埋もれてしまい、目標の検出精度が低下してしまう。基本的に、検出性能を向上させるためにはアンテナを大きくすればよいが、そうするとハードウェアが増加し、コストが増大する。そこで、本実施形態では、機械学習により生成したモデルを用いて目標の検出を行う。具体的には、受信信号と、目標の有無や目標の位置などを示す教師ラベル(正解ラベル)とを用いて目標検出モデルを学習し、学習済みの目標検出モデルを目標検出部に適用する。これにより、コストを抑えつつ、検出性能を向上させることが可能となる。
(全体構成)
図3は、目標検出モデルを学習する際のレーダ装置の構成を示すブロック図である。学習時には、レーダ装置100から取得した信号に基づいて目標検出モデルを学習する学習装置200を設ける。レーダ装置100は、図1に示すものと同様であるので、説明を省略する。学習装置200は、学習データ生成部201と、データ収集部202と、前処理部203と、学習処理部204と、を備える。
(A)処理後信号のトリミング
前処理の1つの例は、処理後信号を特徴量抽出に適切なサイズにトリミングする処理である。学習処理部204において学習される目標検出モデルは、学習データに含まれる処理後信号から特徴量を抽出し、目標を検出する。よって、学習処理部204において処理後信号から精度よく特徴量を抽出できるサイズに処理後信号をトリミングすることが有効である。
目標検出モデルにより目標を検出する際、処理後信号の一部分のみでなく、それに隣接する部分も考慮することにより検出精度が向上することがある。例えば、ある方向(方位及び仰角)へ出射されたビームにより得られた処理後信号に加えて、それに隣接する方向に出射された隣接ビームにより得られた処理後信号をまとめて処理することにより目標の検出精度が上がる場合がある。また、ある1スキャンの処理後信号に加えて、それに時間的に隣接するスキャンの処理後信号をまとめて処理することにより、時間的な変化を考慮して検出精度を向上させることができる場合がある。このため、所定単位の処理後信号に対して、データ統合処理を行うことが有効である。例えば、前処理部203は、複数の隣接ビームにより得られた処理後信号S1を統合して、学習に用いるデータの一単位とすることができる。なお、隣接ビームは、複数のDBF(Digital Beamforming)ビーム又はMIMO(Multiple Input Multiple Output)ビームで構成してもよい。また、前処理部203は、連続する複数スキャン分の処理後信号S1を統合して、学習に用いるデータの一単位とすることができる。
処理後信号に意図的にノイズを加えるなどして、SNRを悪化させた学習データを用いて目標検出モデルを学習することにより、SNRの低い環境でも検出精度が高い目標検出モデルを生成することが可能となる。
図5は、図3に示す学習装置200のハードウェア構成を示すブロック図である。図示のように、学習装置200は、入力IF(InterFace)21と、プロセッサ22と、メモリ23と、記録媒体24と、データベース(DB)25と、を備える。
図6は、学習装置200による学習処理のフローチャートである。この処理は、図5に示すプロセッサ22が、予め用意されたプログラムを実行し、図3に示す各要素として動作することにより実現できる。
図7は、学習装置の他の例を示す。図3に示す学習装置200は、処理後信号S1及び追尾信号S2、即ち、実際のレーダ装置100において生成されている実データを用いて学習データを生成している。その代わりに、学習データをシミュレーションにより用意し、学習を行ってもよい。図7は、模擬データを用いる学習装置200aを示し、模擬データ生成部205と、学習処理部204とを備える。模擬データ生成部205は、様々な状況における処理後信号と、それに対する教師ラベルとを含む学習データ(模擬データ)をシミュレーションにより生成し、学習処理部204に入力する。学習処理部204は、基本的に図3に示すものと同様であり、模擬データを用いて目標検出モデルを学習する。なお、図3の例と本例とを組み合わせ、レーダ装置100の実データに基づいて生成した学習データと、模擬データとを併用して1つの目標検出モデルを学習してもよい。
(構成)
図8は、学習済みの目標検出モデルを適用したレーダ装置100xの構成を示すブロック図である。図1と比較するとわかるように、レーダ装置100xは、図1における目標検出部105の代わりに、前処理部113と、目標検出部114とを備える。前処理部113及び目標検出部114以外の構成は、図1と同様であるので説明を省略する。
図9は、レーダ装置100xによる目標検出処理のフローチャートである。この処理は、信号処理部103から出力された処理後信号毎に実行される。まず、前処理部113は、信号処理部103から処理後信号を取得し(ステップS21)、目標検出部114が使用する目標検出モデルに対応する前処理を行う(ステップS22)。次に、目標検出部114は、前処理部113から入力された前処理後の処理後信号に基づき、目標検出モデルを使用して目標を検出し(ステップS23)、検出された目標のプロットを出力する(ステップS24)。
(1)処理後信号以外の受信信号の利用
上記の実施形態では、学習装置200は、信号処理部103が出力する処理後信号S1を用いて目標検出モデルの学習を行っている。図2に示すように、処理後信号S1は、送受信部102が出力した受信信号に対して、復調処理部110による復調処理と、コヒーレント積分部111による積分処理が行われた後の受信信号である。その代わりに、学習装置200は、図2に示す復調処理を行う前の受信信号S1a、又は、積分処理を行う前の受信信号S1bを用いて目標検出モデルの学習を行ってもよい。その場合には、図8に示すレーダ装置100xにおいて、信号処理部103は、復調処理を行う前の受信信号S1a又は積分処理を行う前の受信信号S1bを前処理部113に出力するようにする。これらの受信信号は復調処理部110やコヒーレント積分部111によるSNR改善処理前の信号であるため、これらの受信信号を用いて学習を行えば、既存処理(復調処理やコヒーレント積分)で発生してしまうSNR損失を解消し、既存処理よりもSNR改善性能の高い特徴量抽出が可能なモデルを学習により獲得することができる。その結果、より検出精度の高い目標検出モデルを生成することが可能となる。
発生が稀な事象(例えば、降雨、降雪などに起因するウェザークラッタの発生、目標が小さい場合など)や、通常使用することが稀な運用モードでレーダ装置100を動作させる場合など、稀にしか発生しない状況に関しては目標検出モデルの学習のために必要な学習データを確保することが難しい。そこで、学習データ生成部201は、複数の収集済みデータを用いて、稀にしか発生しない状況における学習データを生成する。具体的には、学習データ生成部201は、複数の収集済みのデータを合成するか、又は、収集済みのデータを間引くことにより、所望の学習データを生成する。
レーダ装置100において通常使用することが稀なビーム諸元については、必要な量の学習データを確保することが難しい。なお、ここでの「ビーム諸元」は、パルス幅、位相分散領域、積分パルス数を指す。この場合、信号処理部103が出力する処理後信号に対して、信号処理部103が実施した信号処理の逆の処理を行い、その際に所望のビーム諸元を用いることにより、所望のビーム諸元の受信信号を再構成することができる。
学習装置200において学習データを生成する場合、目標の位置を示す教師ラベルは以下の方法で生成することができる。
(A)1次レーダの使用
1次レーダ(PSR:Primary Surveillance Radar)を使用する場合、図1を参照して説明したように、学習データ生成部201は、追尾処理部106が生成する航跡情報から目標の位置を取得し、教師ラベルを生成することができる。
図11は、2次レーダ(SSR:Secondary Surveillance Radar)を使用する場合の構成を示す。SSRを使用するレーダ装置300は、PSRアンテナ部301と、PSR送受信部302と、PSR信号処理部303と、ビーム制御部304と、PSR目標検出部305と、追尾処理部306と、表示操作部307と、を備える。これらは、図1におけるアンテナ部101、送受信部102、信号処理部103、ビーム制御部104、目標検出部105、追尾処理部106、表示操作部107とそれぞれ同様の構成を有し、同様に動作する。さらに、レーダ装置300は、SSRアンテナ部308と、SSR送受信部309と、SSR目標検出部310と、を備える。
まず、学習データ生成部201は、「味方機」の受信信号を用いて、全ての受信信号から「クラッタ」、「味方機」、「不明機」の受信信号を抽出するモデルを作成する(処理1)。
次に、学習データ生成部201は、抽出された「クラッタ」、「味方機」、「不明機」の受信信号のうち、「味方機」と判定されなかった受信信号(即ち、「クラッタ」又は「不明機」と判定された受信信号)のうち、「味方機」と近い特性を有する受信信号を「不明機」と判定し、「不明機ラベル」を生成する(処理2)。
そして、学習データ生成部201は、「不明機」と判定された受信信号と、「不明機ラベル」とを用いて、受信信号から「不明機」を検出するモデルを作成する(処理3)。
このモデルにより、2次レーダの質問信号に対して応答しない不明機を受信信号から検出することが可能となる。
上記の例では、SSRを使用して目標の位置を取得し、教師ラベルを生成している。しかし、レーダ装置が複数ある場合には、学習データ生成部201は、他のレーダ装置から得られたプロット及び航跡を用いて教師ラベルを生成してもよい。また、学習データ生成部201は、受信のみを行うパッシブレーダの航跡(パッシブ航跡)を用いて教師ラベルを生成してもよい。なお、「パッシブ航跡」とは、妨害波をもとに妨害送信機を追尾した結果であり、学習データ生成部201はこれを用いて妨害送信機の推定位置を教師ラベルとして生成することができる。
目標の航空機がGPSなどの測位装置を備えている場合には、その出力を受信して教師ラベルを生成してもよい。また、ステレオカメラなどを使用し、目標の撮影画像から目標の位置を推定して教師ラベルを生成してもよい。なお、目標が船舶の場合は、船舶自動識別装置(AIS:Automatic Identification System)から船舶情報を受信し、目標の位置を取得して教師ラベルを生成してもよい。
表示操作部107に表示されたプロットや航跡などを見て、オペレータが教師ラベルを付与してもよい。
上記の実施形態では、レーダ装置が地上に設置されていることを前提としているが、本実施形態の手法は航空機や船舶などの移動体に搭載するレーダ装置にも適用可能である。その場合、目標検出モデルが使用する入力パラメータとして、レーダ装置が搭載されている移動体に関する移動体情報(移動体自身の位置、姿勢、速度、針路など)を用いてもよい。具体的には、学習データ生成装置201に移動体情報を入力し、学習処理部204は、学習データとして、受信信号に加えて移動体情報を用いてモデルの学習を行う。また、学習済みモデルを適用したレーダ装置100xにおいては、前処理部113又は目標検出部114に移動体情報を入力し、目標検出部114が移動体情報を用いて目標を検出するようにすればよい。
前述のように、稀にしか発生しない状況に関しては目標検出モデルの学習のために必要な学習データを収集することが難しい。そこで、レーダ装置100は、ビームスケジュールの合間に、学習データの収集のためのビーム制御を実施する。特に、予め指定された条件に一致する場合、レーダ装置100は重点的にビーム制御を実施する。ビーム制御の内容は、収集したいデータに合わせて変更される。
(オンライン学習)
学習装置200により生成された学習済みの目標検出モデル(以下、単に「学習済みモデル」とも呼ぶ。)を実際にレーダ装置100に適用する場合には、プログラムの書き換えなどが発生するため、レーダ装置100の運用を停止する必要がある。しかし、重要な監視を行っているレーダ装置は運用を停止できないため、学習済みモデルを適用することができず、オンライン学習が困難である。
オンライン学習において、どの程度学習させたところで適切なレーダの機能を有しているか、即ち、妥当性の判断が難しい。また、学習済みモデルを適用した目標検出部は、例えば、従来処理では確実に検出可能な目標が検出できないなど、期待しない動作をする恐れがあり、その際のリカバリーが必要となる。そこで、学習済みモデルを適用した制御/データ処理部と、従来処理を行う制御/データ処理部とを並列に動作させ、それらの処理結果を比べることにより、学習済みモデルの妥当性を判断する。
学習済みモデルを目標検出部に適用した際に、レーダ装置100の動作が大きく変わる場合がある。そこで、予めレーダ装置100の制御/データ処理部を2重化しておき、意図的に時間をずらして学習済みモデルを適用し、2つの制御/データ処理部の処理結果を統合したものを正式な処理結果として採用する。
図16(A)は、第2実施形態に係る学習装置の機能構成を示すブロック図である。第2実施形態の学習装置50は、取得部51と、学習データ生成部52と、学習処理部53と、を備える。取得部51は、受信波に基づいて生成された受信信号と、受信信号に基づいて生成された追尾信号とをレーダ装置から取得する。学習データ生成部52は、受信信号及び追尾信号を用いて、学習データを生成する。学習処理部53は、学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する。
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得する取得部と、
前記受信信号及び前記追尾信号を用いて、学習データを生成する学習データ生成部と、
前記学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する学習処理部と、
を備える学習装置。
前記追尾信号は、前記目標のプロット及び航跡を含み、
前記学習データ生成部は、前記プロット及び航跡を用いて、前記受信信号における目標の有無及び目標の位置を示す教師ラベルを生成する付記1に記載の学習装置。
前記学習データ生成部は、前記受信信号と前記教師ラベルのペアを前記学習データとして生成する付記2に記載の学習装置。
前記学習データに含まれる前記受信信号に対して前処理を行う前処理部を備え、
前記学習処理部は、前記前処理後の受信信号を用いて前記目標検出モデルの学習を行う付記1乃至3のいずれか一項に記載の学習装置。
前記前処理は、前記受信信号を所定のサイズにトリミングする処理である付記4に記載の学習装置。
前記前処理は、前記レーダ装置が出射した複数の隣接ビームに対応する受信信号、又は、前記レーダ装置が実施した複数の隣接スキャンに対応する受信信号を統合する処理である付記4又は5に記載の学習装置。
前記前処理は、前記受信信号のSNRを低下させる処理である付記4乃至6のいずれか一項に記載の学習装置。
前記学習データ生成部は、異なる条件下で生成された複数の受信信号を合成して、所望の条件下における受信信号を生成する付記1乃至7のいずれか一項に記載の学習装置。
前記受信信号は、前記レーダ装置における復調処理及びコヒーレント積分処理後の処理後信号であり、
前記学習データ生成部は、前記処理後信号とは異なるビーム諸元を用いて、前記処理後信号に対して、前記コヒーレント積分処理の逆処理である逆コヒーレント積分処理、及び、前記復調処理の逆処理である変調処理を行って、所望のビーム諸元の受信信号を生成する付記1乃至8のいずか一項に記載の学習装置。
前記学習データ生成部は、前記レーダ装置の2次レーダから取得したプロット及び航跡を用いて前記教師ラベルを生成する付記2に記載の学習装置。
前記学習データ生成部は、前記目標の位置を、前記目標自身又は他の装置から取得し、前記教師ラベルを生成する付記2に記載の学習装置。
所定の条件に合致する送信波を送信して当該条件に対応する前記受信信号を生成するように前記レーダ装置に要求する要求部を備える付記1乃至11のいずれか一項に記載の学習装置。
前記レーダ装置は移動体に搭載され、
前記取得部は、前記移動体の位置及び移動情報を含む移動体情報を取得し、
前記学習データ生成部は、前記移動体情報を用いて前記学習データを生成する付記1乃至12のいずれか一項に記載の学習装置。
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得し、
前記受信信号及び前記追尾信号を用いて、学習データを生成し、
前記学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する学習方法。
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得し、
前記受信信号及び前記追尾信号を用いて、学習データを生成し、
前記学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する処理をコンピュータに実行させるプログラムを記録した記録媒体。
送信波を送信し、当該送信波に対応する受信波を受信して受信信号を生成する送受信部と、
レーダ装置から取得した受信信号に基づいて生成された学習データを用いて学習済みの目標検出モデルを用いて、前記受信信号から目標を検出する目標検出部と、
を備えるレーダ装置。
前記目標検出モデルに対して入力するデータに必要な前処理を前記受信信号に対して行い、当該前処理後の前記受信信号を前記目標検出部に入力する前処理部を備える付記15に記載のレーダ装置。
101 アンテナ部
102 送受信部
103 信号処理部
104 ビーム制御部
105 目標検出部
106 追尾処理部
107 表示操作部
110 復調処理部
111 コヒーレント積分部
113 前処理部
114 目標検出部
200 学習装置
201 学習データ生成部
202 データ収集部
203 前処理部
204 学習処理部
Claims (7)
- 受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得する取得手段と、
前記受信信号及び前記追尾信号を用いて、前記受信信号と、前記受信信号における目標の有無及び目標の位置を示す教師ラベルとのペアである学習データを生成する学習データ生成手段と、
前記学習データに含まれる前記受信信号に対して前処理を行う前処理手段と、
前記前処理後の受信信号を含む学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する学習処理手段と、
を備え、
前記前処理手段は、前回のスキャンによる受信信号中に目標を検出した場合に、当該目標の最高速度及び旋回可能な方向に基づいて当該目標の移動可能範囲を予測し、今回のスキャンによる受信信号のうち前記移動可能範囲以外の部分をトリミングにより除去する学習装置。 - 前記追尾信号は、前記目標のプロット及び航跡を含み、
前記学習データ生成手段は、前記プロット及び航跡を用いて、前記教師ラベルを生成する請求項1に記載の学習装置。 - 前記前処理は、前記レーダ装置が出射した複数の隣接ビームに対応する受信信号、又は、前記レーダ装置が実施した複数の隣接スキャンに対応する受信信号を統合する処理である請求項1又は2に記載の学習装置。
- 前記前処理は、前記受信信号のSNRを低下させる処理である請求項1乃至3のいずれか一項に記載の学習装置。
- 前記学習データ生成手段は、異なる条件下で生成された複数の受信信号を合成して、所望の条件下における受信信号を生成する請求項1乃至4のいずれか一項に記載の学習装置。
- コンピュータにより実行される学習方法であって、
受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得し、
前記受信信号及び前記追尾信号を用いて、前記受信信号と、前記受信信号における目標の有無及び目標の位置を示す教師ラベルとのペアである学習データを生成し、
前記学習データに含まれる前記受信信号に対して前処理を行い、
前記前処理後の受信信号を含む学習データを用いて、受信信号から目標を検出する目標検出モデルを学習し、
前記前処理は、前回のスキャンによる受信信号中に目標を検出した場合に、当該目標の最高速度及び旋回可能な方向に基づいて当該目標の移動可能範囲を予測し、今回のスキャンによる受信信号のうち前記移動可能範囲以外の部分をトリミングにより除去する処理である学習方法。 - 受信波に基づいて生成された受信信号と、前記受信信号に基づいて生成された追尾信号とをレーダ装置から取得し、
前記受信信号及び前記追尾信号を用いて、前記受信信号と、前記受信信号における目標の有無及び目標の位置を示す教師ラベルとのペアである学習データを生成し、
前記学習データに含まれる前記受信信号に対して前処理を行い、
前記前処理後の受信信号を含む学習データを用いて、受信信号から目標を検出する目標検出モデルを学習する処理をコンピュータに実行させ、
前記前処理は、前回のスキャンによる受信信号中に目標を検出した場合に、当該目標の最高速度及び旋回可能な方向に基づいて当該目標の移動可能範囲を予測し、今回のスキャンによる受信信号のうち前記移動可能範囲以外の部分をトリミングにより除去する処理であるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/001931 WO2021149152A1 (ja) | 2020-01-21 | 2020-01-21 | 学習装置、学習方法、記録媒体、及び、レーダ装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021149152A1 JPWO2021149152A1 (ja) | 2021-07-29 |
JPWO2021149152A5 JPWO2021149152A5 (ja) | 2022-09-08 |
JP7416092B2 true JP7416092B2 (ja) | 2024-01-17 |
Family
ID=76992124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021572164A Active JP7416092B2 (ja) | 2020-01-21 | 2020-01-21 | 学習装置、学習方法、及び、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230061202A1 (ja) |
JP (1) | JP7416092B2 (ja) |
WO (1) | WO2021149152A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012184989A (ja) | 2011-03-04 | 2012-09-27 | Nec Corp | 目標追跡システム及び目標追跡方法 |
JP5297114B2 (ja) | 2008-08-06 | 2013-09-25 | 三菱重工業株式会社 | ガスタービン |
JP2013210207A (ja) | 2012-03-30 | 2013-10-10 | Nec Corp | レーダ画像の目標識別装置、目標識別方法、及び目標識別プログラム |
JP2016151416A (ja) | 2015-02-16 | 2016-08-22 | 三菱電機株式会社 | 目標類識別装置 |
JP2019120543A (ja) | 2017-12-28 | 2019-07-22 | 古野電気株式会社 | 物標検出装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05297114A (ja) * | 1992-04-22 | 1993-11-12 | Mitsubishi Heavy Ind Ltd | ソナー信号処理装置 |
JPH08220226A (ja) * | 1995-02-16 | 1996-08-30 | Tech Res & Dev Inst Of Japan Def Agency | 目標信号検出方式 |
JPH10253748A (ja) * | 1997-03-06 | 1998-09-25 | Mitsubishi Electric Corp | 目標の検出方法 |
-
2020
- 2020-01-21 US US17/792,556 patent/US20230061202A1/en active Pending
- 2020-01-21 WO PCT/JP2020/001931 patent/WO2021149152A1/ja active Application Filing
- 2020-01-21 JP JP2021572164A patent/JP7416092B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5297114B2 (ja) | 2008-08-06 | 2013-09-25 | 三菱重工業株式会社 | ガスタービン |
JP2012184989A (ja) | 2011-03-04 | 2012-09-27 | Nec Corp | 目標追跡システム及び目標追跡方法 |
JP2013210207A (ja) | 2012-03-30 | 2013-10-10 | Nec Corp | レーダ画像の目標識別装置、目標識別方法、及び目標識別プログラム |
JP2016151416A (ja) | 2015-02-16 | 2016-08-22 | 三菱電機株式会社 | 目標類識別装置 |
JP2019120543A (ja) | 2017-12-28 | 2019-07-22 | 古野電気株式会社 | 物標検出装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021149152A1 (ja) | 2021-07-29 |
US20230061202A1 (en) | 2023-03-02 |
WO2021149152A1 (ja) | 2021-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9157992B2 (en) | Knowledge aided detector | |
US11061114B2 (en) | Radar system for the detection of drones | |
US7675458B2 (en) | Dual beam radar system | |
Perry et al. | Wind farm clutter mitigation in air surveillance radar | |
JP2005520160A (ja) | レーダのスペクトル発生のためのシステムおよび方法 | |
JP2005520159A (ja) | 雑音抑制システムおよび段階的アレイに基づくシステムのための方法 | |
KR20040091699A (ko) | 레이더 검출에서의 적응적 검출 시스템 및 적응적 검출 방법 | |
Harman | Analysis of the radar return of micro-UAVs in flight | |
Scott et al. | The keystone transform: Practical limits and extension to second order corrections | |
CN114371452B (zh) | 对合成孔径雷达运动补偿的干扰方法及干扰装置 | |
US20090027263A1 (en) | Method for sensing a threat | |
EP2936192A1 (en) | Methods and apparatus for a radar having windfarm mitigation | |
WO2019110642A2 (de) | Verfahren zur passiven vermessung von elektromagnetischen reflexionseigenschaften von streukörpern und verfahren zur erzeugung mindestens eines künstlichen zieles für ein monostatisches, drehendes radar durch eine schwebende plattform | |
JP7416092B2 (ja) | 学習装置、学習方法、及び、プログラム | |
WO2021161502A1 (ja) | 学習装置、学習方法、記録媒体、及び、レーダ装置 | |
CN113759359B (zh) | 基于空管雷达的无源双基地雷达接收装置及目标探测方法 | |
RU2694366C1 (ru) | Способ создания преднамеренных активных сигналоподобных имитационных помех радиоэлектронным средствам | |
CN113985376B (zh) | 一种雷达综合显控激励系统 | |
Fabrizio | High frequency over-the-horizon radar | |
CN115616502A (zh) | 无人飞行器机载雷达目标检测的杂波抑制方法 | |
Filippini et al. | Polarimetric detection scheme for passive radar based on a 2D auto-regressive disturbance model | |
JP7452617B2 (ja) | 学習装置、学習方法、プログラム、及び、レーダ装置 | |
JP2024094358A (ja) | 学習装置、学習方法、プログラム、及び、レーダ装置 | |
CN113945925A (zh) | 用于减轻地基雷达图像中的模糊效应的方法和设备 | |
Farina et al. | Adaptive space-time processing with systolic algorithm: experimental results using recorded live data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220713 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231004 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231218 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7416092 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |