WO2021111600A1 - レーダ信号処理器、レーダセンサシステム及び信号処理方法 - Google Patents

レーダ信号処理器、レーダセンサシステム及び信号処理方法 Download PDF

Info

Publication number
WO2021111600A1
WO2021111600A1 PCT/JP2019/047676 JP2019047676W WO2021111600A1 WO 2021111600 A1 WO2021111600 A1 WO 2021111600A1 JP 2019047676 W JP2019047676 W JP 2019047676W WO 2021111600 A1 WO2021111600 A1 WO 2021111600A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
frequency
signal processor
radar signal
target object
Prior art date
Application number
PCT/JP2019/047676
Other languages
English (en)
French (fr)
Inventor
尭之 北村
昇 大石
啓 諏訪
Original Assignee
三菱電機株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to JP2021559584A priority Critical patent/JP6995258B2/ja
Priority to PCT/JP2019/047676 priority patent/WO2021111600A1/ja
Publication of WO2021111600A1 publication Critical patent/WO2021111600A1/ja
Priority to US17/722,826 priority patent/US20220252714A1/en

Links

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
    • G01S13/74—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems
    • G01S13/76—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted
    • G01S13/78—Systems using reradiation of radio waves, e.g. secondary radar systems; Analogous systems wherein pulse-type signals are transmitted discriminating between different kinds of targets, e.g. IFF-radar, i.e. identification of friend or foe
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S7/282—Transmitters
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals

Definitions

  • the present invention relates to a radar sensor technology capable of estimating the type of a target object using radio waves in a high frequency band such as a millimeter wave band.
  • an optical sensor system using an optical sensor such as an optical camera or an infrared sensor has been widely adopted as a sensor system that detects a target object such as a living body in a non-contact manner.
  • a technique of estimating the type of a target object for example, an adult or an infant
  • light such as visible light or infrared light cannot pass through substances such as clothing, walls and plastics. Therefore, it is difficult to optically detect the target object in a situation where a substance that blocks light is present in the space between the optical sensor system and the target object. For example, for a sleeping infant wrapped in a light-shielding blanket, the optical sensor system is difficult to accurately estimate the infant's condition.
  • Patent Document 1 Japanese Unexamined Patent Publication No. 2017-1812205 discloses an occupant detection device that detects an occupant in a passenger vehicle interior using a frequency-modulated continuous wave (Frequency-Modulated Continuous-Wave, FMCW) radar. ing.
  • This occupant detection device includes an FMCW radar arranged in the vehicle interior and a reception signal processing unit that calculates a frequency spectrum by frequency analysis of a beat signal generated by the FMCW radar.
  • the received signal processing unit detects the number, position, and biological information (information indicating respiration and heartbeat) of the occupants in the vehicle interior based on the frequency spectrum.
  • the biological information is detected based on the fluctuation characteristics of the frequency spectrum.
  • JP-A-2017-181225 see, for example, FIGS. 1 and paragraphs [0031]-[0035]).
  • the occupant detection device disclosed in Patent Document 1 can detect the biological information of the target object based on the fluctuation characteristics of the frequency spectrum. However, it is difficult to identify the target object with high accuracy only from the fluctuation characteristics of the frequency spectrum.
  • an object of the present invention is a radar signal processor, a radar sensor system, and signal processing capable of identifying a target object with high accuracy by using a radar technique using radio waves in a frequency band lower than the optical frequency region. To provide a method.
  • the radar signal processor includes a single or a plurality of receiving antennas that receive reflected waves generated by reflection of transmitted radio waves in a frequency band lower than the optical frequency region in the observation space, and the single or a plurality of receiving antennas.
  • a radar signal processor that operates in cooperation with a sensor unit that includes a receiving circuit that generates reception signals of one or more reception channels by processing the output signals of a plurality of reception antennas, and is the reception signal.
  • a frequency analysis unit that performs frequency analysis on the surface, and a feature quantity measurement unit that calculates measured values of one or more types of feature quantities that characterize the state of an object moving in the observation space based on the result of the frequency analysis.
  • a single or a plurality of trained data sets that determine a probability distribution in which the single or a plurality of types of feature quantities are measured are stored.
  • the posterior probabilities that the target object belongs to the one or more classes are calculated from the measured values according to Bayes' theorem, and the calculated posterior probabilities are calculated. It is characterized by including an identification unit for identifying the target object based on the above.
  • the posterior probabilities that the target object belongs to one or more classes are calculated from the measured values by Bayes' theorem, and the calculated posterior probabilities are used.
  • the target object is identified based on this. As a result, the target object can be identified with high accuracy.
  • FIG. 1 It is a block diagram which shows schematic structure of the radar sensor system of Embodiment 1 which concerns on this invention.
  • 2A and 2B are graphs showing the concept of transmission frequency by the FMCW method. It is a graph which conceptually shows the relationship between a transmission frequency and a reception frequency. It is a figure which shows the example of the antenna array which the receiving antenna is arranged linearly.
  • FIG. It is a block diagram which shows the schematic structure of the hardware configuration example of the radar signal processor of Embodiment 1.
  • FIG. It is a block diagram which shows the schematic structure of the frequency analysis part of Embodiment 1.
  • FIG. 8A and 8B are block diagrams schematically showing a configuration example of the Doppler spectrum calculation unit of the first embodiment. It is a block diagram which shows the schematic structure of the target object identification part and the learned data storage part of Embodiment 1.
  • FIG. It is a flowchart which shows the procedure of the signal processing which concerns on Embodiment 1. It is a flowchart which shows the procedure of the frequency analysis processing which concerns on Embodiment 1. It is a flowchart which shows the procedure of the frequency analysis processing which concerns on the modification of Embodiment 1.
  • 13A and 13B are diagrams showing a radar sensor system installed in the internal space of the vehicle. It is a graph showing a two-dimensional spectrum. It is a graph which shows the average Doppler spectrum.
  • 18A, 18B, and 18C are graphs showing the average Doppler spectrum calculated when the awake state of the infant was observed.
  • 19A, 19B, and 19C are graphs showing average Doppler spectra calculated when the movement of a doll imitating a sleeping infant is observed.
  • 2nd feature quantity It is a graph which shows the histogram distribution of the 2nd feature quantity.
  • FIG. 1 is a block diagram schematically showing a configuration of a radar sensor system 1 according to a first embodiment of the present invention.
  • the radar sensor system 1 includes a sensor unit 10 and a radar signal processor 41 that operates in cooperation with the sensor unit 10.
  • the sensor unit 10 includes a transmission circuit 21 that generates a series of frequency modulated waves (a series of transmission pulses) in a frequency band such as a millimeter wave band in a high frequency band (about 3 to 30 GHz) lower than the optical frequency region, and the series.
  • the transmission antenna 20 that transmits the frequency-modulated wave of the above as a transmission wave Tw toward the observation space and the reflected wave Rw generated by the reflection of the transmission wave Tw in the observation space are spatially arranged so as to be received.
  • an antenna array of the receiving antennas 30 0-30 Q-1 which have receiving antennas 30 0 to 30 respectively subjected to signal processing to Q-1 of the output signal receiver for outputting a digital received signal of Q receive channels in parallel It is configured to include devices 310 to 31 Q-1 and a radar signal processor 41 that performs digital signal processing on each of these digital received signals.
  • Receiving circuit of this embodiment is constituted by the Q receivers 31 0 ⁇ 31 Q-1.
  • Q is an integer of 3 or greater indicating the reception antennas 30 0 ⁇ 30 Q-1 of the number (number of receive channels). Note that Q is not limited to an integer of 3 or more, and may be 1 or 2.
  • the transmission circuit 21 includes a voltage generator 22, a voltage controlled oscillator 23, a distributor 24, and an amplifier 25.
  • the voltage generator 22 generates a modulated voltage according to the control signal TC supplied from the radar signal processor 41, and supplies the modulated voltage to the voltage controlled oscillator 23.
  • the voltage controlled oscillator 23 repeatedly outputs a frequency modulation wave signal having a modulation frequency that rises or falls with time according to the modulation voltage according to a predetermined frequency modulation method.
  • the distributor 24 distributes the frequency modulated wave signal input from the voltage controlled oscillator 23 into the transmitted wave signal and the local signal. Distributor 24 and, at the same time supplies a transmission wave signal to an amplifier 25, and supplies the local signal to the receiver 31 0 ⁇ 31 Q-1.
  • the transmitted wave signal is amplified by the amplifier 25.
  • the transmitting antenna 20 transmits the transmitted wave Tw based on the output signal of the amplifier 25 toward the observation space.
  • a frequency modulation continuous wave (Frequency Modulated Continuous Wave, FMCW) method can be used as a predetermined frequency modulation method.
  • the frequency of the frequency modulated wave signal that is, the transmission frequency, may be swept so as to continuously rise or fall over time within a certain frequency band.
  • 2A and 2B are graphs showing the concept of transmission frequency by the fast chirp modulation (FCM) method, which is a kind of FMCW method.
  • the horizontal axis represents time and the vertical axis represents transmission frequency.
  • each frame period Tf (eg, for a few seconds) is divided into M cycle periods Tc.
  • M is an integer of 4 or more, but is not limited to this, and M may be 2 or 3.
  • the variable m assigned to each cycle period Tc in FIG. 2A is an integer in the range of 1 to M indicating a number assigned to the cycle period Tc (hereinafter referred to as “cycle number”).
  • cycle number a number assigned to the cycle period Tc
  • each cycle period Tc as shown in Figure 2B the transmission circuit 21, a particular pulse repetition period (Pulse Repetition Interval, PRI) at, H number of frequency modulation with each transmission frequency W 0 ⁇ W H-1 Waves (a series of transmission pulses) are generated in sequence.
  • Each frequency-modulated wave, the transmission frequency is modulated to continuously increase with time at a frequency band of from the lower limit frequency f 1 to the upper limit frequency f 2.
  • the variable h assigned to each pulse repetition period (PRI) in FIG. 2B is in the range of 0 to H-1 indicating a number assigned to the frequency modulated wave (transmission pulse) (hereinafter referred to as “pulse number”). It is an integer.
  • Figure 3 is a graph conceptually showing a relationship between a transmission frequency W 0 ⁇ W H-1 of the transmission wave Tw, the frequency of the received wave Rw (reception frequency) R 0 ⁇ R H-1 .
  • each of the transmission frequencies W 0 to WH-1 is modulated in the frequency band B with the modulation time width T.
  • the received wave Rw is received with a delay time ⁇ T with respect to the transmitted wave Tw.
  • This delay time ⁇ T corresponds to the round-trip propagation time of radio waves between the sensor unit 10 and the target object. It is possible to obtain the distance to the target object based on the difference (beat frequency) between the transmission frequency W h and the corresponding reception frequency R h.
  • Receive antennas 30 0 ⁇ 30 Q-1 is straight, only to be arranged in a planar or curved. 4, the receiving antennas 30 0 ⁇ 30 Q-1 is a diagram showing an example of an antenna array which is arranged in a straight line. In the example of FIG. 4, the receiving antennas 30 0 ⁇ 30 Q-1 are arranged in a straight line at equal intervals d (e.g., a half wavelength spacing). Based on the phase difference created between signals received by the receiving antenna 30 0 ⁇ 30 Q-1, it is possible to determine the azimuth angle theta.
  • d e.g., a half wavelength spacing
  • the qth receiver 31 q is a low noise amplifier (LNA) 32 q , a mixer 33 q , an IF amplifier 34 q , a filter 35 q and an A / D converter (ADC) 36.
  • LNA low noise amplifier
  • ADC A / D converter
  • the low noise amplifier 32 q amplifies the output signal of the receiving antenna 30 q and outputs the amplified signal to the mixer 33 q .
  • the mixer 33 q mixes the amplified signal with the local signal supplied from the distributor 24 to generate a beat signal in the intermediate frequency band.
  • the IF amplifier 34 q amplifies the beat signal input from the mixer 33 q and outputs the amplified beat signal to the filter 35 q .
  • the filter 35 q suppresses unnecessary frequency components in the amplified beat signal and outputs an analog reception signal.
  • the ADC 36 q converts the analog received signal into a digital received signal z m (k) (n, h, q) at a predetermined sample rate, and the digital received signal z m (k) (n, h, q). Is output to the radar signal processor 41.
  • the superscript k is a number assigned to the frame period Tf (hereinafter referred to as “frame number”), and n is an integer indicating a sample number.
  • Digital reception signal z m (k) (n, h, q) is a complex signal having an in-phase (In-phase) component and a quadrature (Quadrature-phase) component.
  • the digital received signal will be referred to as a “received signal”.
  • the sensor unit 10 has the ADC36 0 ⁇ 36 Q-1, but is not limited thereto.
  • the radar signal processor 41 may have a ADC36 0 ⁇ 36 Q-1.
  • the received signal z m (k) (n, h, 0), z m (k) (n, h, 1), ..., z m (k) (n, h, Q-1) is output to the radar signal processor 41 in parallel.
  • the radar signal processor 41, receivers 31 0 ⁇ 31 Q-1 received signals inputted in parallel from z m (k) (n, h, 0), z m (k) (n, h, 1), ...,
  • the data storage unit 46 that temporarily stores z m (k) (n, h, Q-1) and the received signal z m (k) (n, h, 0) read from the data storage unit 46.
  • To z m (k) (n, h, Q-1) are subjected to digital signal processing to identify the target object in the observation space, the signal processing unit 47, the transmission circuit 21, the data storage unit 46, and the signal processing unit 47. It includes a control unit 45 that controls the operation of the signal processing unit 47.
  • a RAM Random Access Memory having high-speed response performance
  • the control unit 45 supplies the control signal TC for generating the modulation voltage to the transmission circuit 21. Further, the control unit 45 can perform signal read control and write control for the data storage unit 46.
  • the signal processing unit 47 includes a frequency analysis unit 49, a target object identification unit 61, and a learned data storage unit 63.
  • the frequency analyzing unit 49 the received signal read from the data storage unit 46 z m (k) (n , h, 0) ⁇ z m (k) (n, h, Q-1) to the frequency analysis performed,
  • the result of the frequency analysis is supplied to the target object identification unit 61.
  • the target object identification unit 61 can calculate the measured value of a single or a plurality of types of feature quantities that characterize the state of the target object moving in the observation space based on the result of the frequency analysis.
  • the trained data storage unit 63 stores a single or a plurality of types of trained data sets obtained in advance by machine learning.
  • the target object identification unit 61 can identify the target object using the trained data set.
  • All or part of the functions of such a radar signal processor 41 are a single or a plurality of semiconductor integrated circuits such as a DSP (Digital Signal Processor), an ASIC (Application Specific Integrated Circuit), or a PLD (Programmable Logic Device). It can be realized by the processor of.
  • the PLD is a semiconductor integrated circuit whose function can be freely changed by the designer after the PLD is manufactured.
  • An example of PLD is FPGA (Field-Programmable Gate Array).
  • all or part of the functions of the radar signal processor 41 may be a single or multiple processors including an arithmetic unit such as a CPU (Central Processing Unit) or GPU (Graphics Processing Unit) that executes software or firmware program code. It may be realized by.
  • all or part of the functions of the radar signal processor 41 can be realized by a single or multiple processors including a combination of a semiconductor integrated circuit such as a DSP, ASIC or PLD and an arithmetic unit such as a CPU or GPU. Is.
  • FIG. 5 is a block diagram showing a schematic configuration of a signal processing circuit 90, which is an example of a hardware configuration of the radar signal processor 41 of the first embodiment.
  • the signal processing circuit 90 shown in FIG. 5 includes a processor 91, an input / output interface unit 94, a memory 92, a storage device 93, and a signal path 95.
  • the signal path 95 is a bus for connecting the processor 91, the input / output interface unit 94, the memory 92, and the storage device 93 to each other.
  • the input / output interface unit 94 has a function of transferring a digital signal input from the outside to the processor 91, and has a function of outputting the digital signal transferred from the processor 91 to the outside.
  • the memory 92 includes a work memory used when the processor 91 executes digital signal processing, and a temporary storage memory in which data used in the digital signal processing is expanded.
  • the memory 92 may be composed of a flash memory and a semiconductor memory such as SDRAM (Synchronous Dynamic Random Access Memory).
  • the storage device 93 can be used as a storage medium for storing the code of the signal processing program of software or firmware to be executed by the arithmetic unit. ..
  • the storage device 93 may be composed of a flash memory or a non-volatile semiconductor memory such as a ROM (Read Only Memory).
  • the number of processors 91 is one, but the number is not limited to this.
  • the hardware configuration of the radar signal processor 41 may be realized by using a plurality of processors that operate in cooperation with each other.
  • FIG. 6 is a block diagram showing a schematic configuration of the frequency analysis unit 49 in the signal processing unit 47.
  • the frequency analyzing unit 49 as shown in Figure 6, the received signal z m (k) in the time domain (n, h, q) and, in the frequency domain corresponding to the space coordinates of the observation space (relative distance and azimuth) frequency domain signal ⁇ m (k) (f r , h, f ⁇ ) and the domain converting unit 50 which converts the target frequency domain signal ⁇ m (k) (f r , h, f ⁇ ) from moving in the observation space It has a target object detection unit 54 for detecting an object and a Doppler spectrum calculation unit 57.
  • fr is a frequency number assigned to the discrete frequency value corresponding to the relative distance to the target object
  • f ⁇ is a frequency number assigned to the discrete frequency value corresponding to the azimuth angle ⁇ .
  • the region conversion unit 50 includes an orthogonal transformation unit (first orthogonal transformation unit) 51, a signal component extraction unit 52, and an orthogonal transformation unit (second orthogonal transformation unit) 53.
  • the orthogonal transform unit 51 performs discrete orthogonal transform in the time direction with respect to the received signals z m (k) (n, h, 0) to z m (k) (n, h, Q-1) of the Q receiving channels.
  • Q frequency domain signals first frequency domain signals
  • Q reception channels ⁇ m (k) ( fr , h, 0) to ⁇ m (k) ( Generate fr , h, Q-1).
  • the orthogonal transform unit 51 as shown in the following equation (1), the sample number n for the frequency domain signal z m (k) (n, h, q) by applying a discrete Fourier transform, The frequency domain signal ⁇ m (k) ( fr , h, q) can be calculated.
  • F n [] is a discrete Fourier transform operator for sample number n.
  • the signal component extraction unit 52 receives signal components corresponding to stationary objects from the frequency domain signals ⁇ m (k) ( fr , h, 0) to ⁇ m (k) ( fr, h, Q-1).
  • the dynamic signal component ⁇ m (k) from the frequency domain signals ⁇ m (k) ( fr , h, 0) to ⁇ m (k) ( fr , h, Q-1).
  • Fr , h, 0) to ⁇ m (k) ( fr , h, Q-1) are extracted, respectively.
  • FIG. 7 is a block diagram schematically showing a configuration example of the signal component extraction unit 52.
  • the signal component extraction unit 52 shown in FIG. 7 has a time averaging unit 52A and a subtractor 52B.
  • the time averaging unit 52A calculates the time averaging signal S (k) ( fr , q) by averaging the frequency domain signals ⁇ m (k) ( fr , h, q) over a period of one frame. To do. Since the signal component corresponding to the stationary object does not change during one frame period, the time average signal S (k) ( fr , q) can be regarded as the signal component corresponding to the stationary object.
  • the time averaging unit 52A averages the frequency domain signals ⁇ m (k) ( fr , h, q) for the cycle number m and the pulse number h, as shown in the following equation (2). By doing so, the time average signal S (k) ( fr , q) can be calculated.
  • Subtractor 52B is subtracted frequency domain signal gamma m (k) as shown in the following equation (3) (f r, h , q) from the time average signal S a (k) (f r, q ) as a background
  • ⁇ m (k) fr , h, q
  • the frequency domain signal (second frequency domain signal) ⁇ m (k) ( fr , h, f ⁇ ) is calculated by executing the discrete orthogonal transformation in the arrangement direction of Q-1.
  • the orthogonal transform unit 53 as shown in the following equation (4) is subjected to discrete Fourier transform to a dynamic signal component ⁇ m (k) (f r , h, q) for receiving antenna number q Thereby, the frequency domain signal ⁇ m (k) ( fr , h, f ⁇ ) can be calculated.
  • F q [] is a discrete Fourier transform operator for the receiving antenna number q.
  • the frequency domain signal ⁇ m (k) ( fr , h, f ⁇ ) is supplied to the target object detection unit 54 and temporarily stored in the data storage unit 46.
  • the target object detection unit 54 detects information corresponding to the position coordinates (relative distance and azimuth) of the target object moving in the observation space from the frequency domain signal ⁇ m (k) ( fr , h, f ⁇ ). .. Specifically, as shown in FIG. 6, the target object detection unit 54 has a time averaging unit 55 and a peak detection unit 56.
  • the time averaging unit 55 calculates the time averaging signal by averaging the frequency domain signals ⁇ m (k) ( fr , h, f ⁇ ) over one frame period, and calculates the time averaging signal, and the absolute value of the time averaging signal.
  • the square of the absolute value of the time average signal is calculated as the two-dimensional spectrum M (k) ( fr , f ⁇ ). More specifically, as shown in the following equation (5), the time averaging unit 55 outputs the frequency domain signal ⁇ m (k) ( fr , h, f ⁇ ) for the cycle number m and the pulse number h. A time average signal with a good signal-to-noise ratio can be calculated by averaging, and the square of the absolute value of the time average signal is calculated as a two-dimensional spectrum M (k) ( fr , f ⁇ ). Can be done.
  • the peak detection unit 56 detects the maximum peak appearing in the two-dimensional spectrum M (k) ( fr , f ⁇ ) by using a predetermined peak detection method.
  • a predetermined peak detection method a method of extracting a local distribution exceeding a preset threshold value from a two-dimensional spectrum M (k) ( fr , f ⁇ ) as a maximum peak, or a false alarm rate is used. Examples include, but are not limited to, CA-CFAR (Cell Averageing-Constant Threshold Rate) that enables constant peak detection.
  • the peak detection unit 56 supplies the peak information PD indicating the position of one or a plurality of maximum peaks to the Doppler spectrum calculation unit 57, and stores the peak information PD in the data storage unit 46.
  • the peak information PD includes a set of frequency numbers corresponding to the detected position coordinates of the target object.
  • the set of frequency numbers corresponding to the position coordinates of the i-th target object detected is expressed as (fr (i), f ⁇ (i)).
  • i is an integer representing a number assigned to the detected target object.
  • the Doppler spectrum calculation unit 57 reads the frequency domain signal ⁇ m (k) ( fr (i), h, f ⁇ (i)) for the i-th target object from the data storage unit 46, and the frequency domain signal ⁇ .
  • the average Doppler spectrum ⁇ (k) (f v ) is calculated from m (k) ( fr (i), h, f ⁇ (i)).
  • FIG. 8A is a block diagram schematically showing a configuration example of the Doppler spectrum calculation unit 57
  • FIG. 8B is a block diagram schematically showing another configuration example of the Doppler spectrum calculation unit 57.
  • the Doppler spectrum calculation unit 57 shown in FIG. 8A has an orthogonal transform unit 57A, a first averaging unit 58A, and a second averaging unit 59A.
  • the orthogonal conversion unit 57A performs discrete orthogonal conversion on the pulse number h with respect to the frequency domain signal ⁇ m (k) ( fr (i), h, f ⁇ (i)), thereby performing the frequency domain signal (third).
  • Frequency domain signal of 3) ⁇ m (k) (i, f v ) is calculated.
  • f v is a frequency number assigned to a discrete frequency value corresponding to the relative velocity of the i-th target object.
  • the orthogonal transform unit 57A converts the frequency domain signal ⁇ m (k) ( fr (i), h, f ⁇ (i)) for the pulse number h. by performing a discrete Fourier transform can be calculated frequency domain signal Omega m to (k) (i, f v ).
  • F h [] is a discrete Fourier transform operator for the pulse number h.
  • the first averaging unit 58A averages the frequency domain signals ⁇ m (k) (i, f v ) with respect to the cycle number m to calculate the averaging signal, and calculates the averaging signal, and the absolute value of the averaging signal or the averaging signal.
  • the square of the absolute value is calculated as the Doppler spectrum ⁇ (k) (i, f v) for the i-th target object.
  • the Doppler spectrum ⁇ (k) (i, fv ) may be normalized by its maximum value.
  • the first averaging unit 58A has a frequency domain signal ⁇ m (k) (i, f v ) to a Doppler spectrum ⁇ (k) (i, f v ) as shown in the following equation (7). Can be calculated.
  • ⁇ 1 is a normalizing coefficient
  • the second averaging unit 59A further averages the Doppler spectra ⁇ (k) (i, f v ) with respect to the number i to calculate the average Doppler spectra ⁇ (k) (f v).
  • the average Doppler spectrum ⁇ (k) ( v v ) may be normalized by its maximum value.
  • the second averaging unit 59A calculates the average Doppler spectrum ⁇ (k) (f v ) from the Doppler spectrum ⁇ (k) (i, f v ) as shown in the following equation (8). be able to.
  • Np (k) is the total number of target objects detected by the target object detection unit 54 during the kth frame period
  • ⁇ 2 is a normalization coefficient
  • the Doppler spectrum calculation unit 57 shown in FIG. 8B has an orthogonal transform unit 57B, a first averaging unit 58B, and a second averaging unit 59B.
  • the orthogonal transform unit 57B executes a discrete orthogonal transform for the cycle number m with respect to the frequency domain signal ⁇ m (k) ( fr (i), h, f ⁇ (i)) to obtain a frequency domain signal (third).
  • Frequency domain signal of 3) ⁇ (k) (i, h, fv ) is calculated.
  • f v is a frequency number assigned to a discrete frequency value corresponding to the relative velocity of the i-th target object.
  • the orthogonal transform unit 57B converts the frequency domain signal ⁇ m (k) ( fr (i), h, f ⁇ (i)) for the cycle number m.
  • the frequency domain signal ⁇ (k) (i, h, fv ) can be calculated by performing the discrete Fourier transform.
  • F m [] is a discrete Fourier transform operator for the cycle number m.
  • the first averaging unit 58B averages the frequency domain signals ⁇ (k) (i, h, f v ) with respect to the pulse number h to calculate the averaging signal, and calculates the averaging signal, and the absolute value of the averaging signal or the averaging signal.
  • the square of the absolute value of is calculated as the Doppler spectrum ⁇ (k) (i, f v) for the i-th target object.
  • the Doppler spectrum ⁇ (k) (i, fv ) may be normalized by its maximum value.
  • the first averaging unit 58B has a Doppler spectrum ⁇ (k) (i, f v ) from the frequency domain signal ⁇ (k) (i, h, f v ) as shown in the following equation (10). ) Can be calculated.
  • ⁇ 3 is a normalizing coefficient
  • the second averaging unit 59B calculates the average Doppler spectrum ⁇ (k) (f v ) from the Doppler spectrum ⁇ (k) (i, f v ) in the same manner as the second averaging unit 59A.
  • FIG. 9 is a block diagram showing a schematic configuration of the target object identification unit 61 and the learned data storage unit 63 in the signal processing unit 47.
  • the target object identification unit 61 has a feature amount measurement unit 71 and an identification unit 72.
  • the feature amount measuring unit 71 acquires the average Doppler spectrum ⁇ (k) ( fp ) and the peak information PD which are the results of the frequency analysis by the frequency analysis unit 49.
  • Feature amount measuring unit 71 based on the average Doppler spectrum ⁇ (k) (f v) and peak information PD, feature amount x 1, x 2 which characterize the state of the object moving in the observation space, ..., the x J Calculate the measured value.
  • the subscript J is an integer of 3 or more. In the present embodiment, there are three or more types of feature amounts, but the feature amount is not limited to this. The type of feature amount may be singular or two.
  • the identification unit 72 uses the trained data sets LD 1 , ..., LD G stored in the trained data storage unit 63, and measures the feature quantities x 1 , x 2 , ..., X J according to Bayes' theorem. from the class C 1 is the target object, ..., posterior probability P belonging to C S to calculate the
  • G is a positive integer indicating the number of trained data sets.
  • each of the trained data sets LD 1 , ..., LD G can be configured as a single or several parameters that determine the shape of the probability distribution P (x j
  • the identification unit 72 identifies the target object in the observation space based on the calculated posterior probabilities P (C 1
  • x (k)) is the posterior that the target belongs to the class C s when the feature vector x (k) is measured from the target. It is a posterior probability distribution, P (C s ) is a prior probability distribution in which class C s is observed, and P (x (k)
  • C s ) is a probability distribution in which the feature amount x j is measured when an object belonging to the class C s is observed.
  • the learned data storage unit 63 stores a learned data set that defines a probability distribution P (x j
  • the identification unit 72 calculates the posterior probabilities P (C 1
  • C s ) can be represented by a parametric model or a nonparametric model.
  • a parametric model is a statistical model with one or several parameters. For example, a Poisson distribution, a normal distribution (Gaussian distribution), a chi-square ( ⁇ 2 ) distribution, or a mixed normal distribution (mixed Gaussian distribution) can be applied as parametric models.
  • a mixed normal distribution is a distribution represented by a linear combination (linear superposition) of a plurality of normal distributions.
  • C s ) expressed by the parametric model can be estimated from the histogram distribution (normalized histogram) measured in advance for the objects belonging to each class by an algorithm such as maximum likelihood method. is there.
  • the trained data set LD g has an advantage of high memory efficiency because it only needs to have parameters that determine the probability distribution P (x j
  • C s ) is represented by a nonparametric model, it is obtained by smoothing the histogram distribution (normalized histogram) measured in advance for the objects belonging to each class or the histogram distribution. It is possible to use the histogram that is created. In this case, as the trained data set LD g , a look-up table value that defines the shape of the probability distribution P (x j
  • FIG. 10 is a flowchart schematically showing a signal processing procedure by the signal processing unit 47.
  • control unit 45 sets various parameters to initial values (step ST10).
  • the prior probability P (C 1) ⁇ P of formula (14) (C S) is set to an initial value (e.g., 1 / S).
  • control unit 45 specifies the frame number k (step ST11).
  • Domain transform unit 50 the received signal z m (k) of the frame number k from the data storage unit 46 (n, h, q) is read (steps in step ST12), and performs frequency analysis processing (step ST13).
  • FIG. 11 is a flowchart schematically showing the procedure of the frequency analysis process.
  • the orthogonal transform unit 51 receives signals from Q reception channels z m (k) (n, h, 0) to z m (k) (n, h, Q-1). ), By executing discrete orthogonal transformations in the time direction, the first frequency domain signals ⁇ m (k) ( fr , h, 0) to ⁇ m (k) corresponding to the Q receiving channels, respectively. ) ( Fr , h, Q-1) is generated (step ST21).
  • the signal component extraction unit 52 starts from the first frequency domain signals ⁇ m (k) ( fr , h, 0) to ⁇ m (k) ( fr , h, Q-1).
  • the first frequency domain signals ⁇ m (k) ( fr , h, 0) to ⁇ m (k) ( fr , h, Q-1) are extracted from each of them (step ST22).
  • the orthogonal transformation unit 53 for dynamic signal component ⁇ m (k) (f r , h, 0) ⁇ ⁇ m (k) (f r, h, Q-1), by performing a discrete orthogonal transform to the array direction of the receiving antennas 30 0 ⁇ 30 Q-1, the second frequency domain signals ⁇ m (k) (f r , h, f ⁇ ) is calculated (step ST23).
  • the target object detection unit 54 detects a moving target object in the observation space from the second frequency domain signal ⁇ m (k) ( fr , h, f ⁇ ) (step ST24). Specifically, the object detecting unit 54, as described above, the second frequency domain signals ⁇ m (k) (f r , h, f ⁇ ) from the position coordinates (relative to the object moving in the observation space A set of frequency numbers (fr (i), f ⁇ (i)) corresponding to (distance and azimuth angle) is detected.
  • the Doppler spectrum calculating unit 57 reads the second frequency-domain signal for the detected object ⁇ m (k) (f r (i), h, f ⁇ (i)) from the data storage unit 46,
  • the average Doppler spectrum ⁇ (k) ( v v ) is calculated from the second frequency domain signal ⁇ m (k) ( fr (i), h, f ⁇ (i)) (step ST25).
  • the feature amount measuring unit 71 has the feature amount x 1 , x 2 , based on the average Doppler spectrum ⁇ (k) ( v v ) and the peak information PD obtained by the frequency analysis process. ..., and calculates the measured value of x J (step ST14).
  • the feature amount measuring unit 71 can calculate the number Np (k) of the target objects detected by the target object detecting unit 54 in step ST24 of FIG. 11 as the first feature amount x 1.
  • the parameter ⁇ is a positive value.
  • the feature measurement unit 71 has the number Nd (k) of the maximum peaks appearing in the predetermined low frequency region of the average Doppler spectrum ⁇ (k) ( v v ) and the average Doppler spectrum ⁇ (k) ( A value for evaluating the difference between f v ) and the number of maximum peaks Nu (k) appearing in a predetermined high frequency region can be calculated as the second feature amount x 2.
  • the second feature amount x 2 as shown in the following equation (16) may be calculated.
  • FIGS. 12A and 12B are graphs conceptually showing the average Doppler spectrum ⁇ (k) ( v v).
  • the horizontal axis indicates the frequency bin (frequency number) f v
  • the vertical axis represents normalized power (unit: dB) indicates.
  • the frequency bins are rearranged to separate the high frequency domain from the low frequency domain.
  • the maximum peak is not detected in the high frequency region, and two maximum peaks in the low frequency region are detected.
  • the histogram distribution of the second feature amount x 2 of the equation (16) can be approximated by the normal distribution (Gaussian distribution) as shown in the following equation (17), the probability distribution P (x 2
  • the parameter ⁇ is the average
  • the parameter ⁇ 2 is the variance
  • the feature amount measuring unit 71 detects a maximum peak having a signal-to-noise ratio equal to or higher than a predetermined value from the maximum peaks appearing in the average Doppler spectrum ⁇ (k) ( v v), and the detected maximum peak.
  • the number Ns (k) of can be calculated as the third feature amount x 3.
  • the feature measurement unit 71 has a height PP 1 from the valley appearing on the left side of the maximum peak appearing in the average Doppler spectrum ⁇ (k) ( v v) to the maximum peak.
  • the maximum peak is reached.
  • the feature measurement unit 71 has the current average Doppler spectrum ⁇ (k) ( v v ) calculated for the frame number k and the previously calculated average Doppler spectrum ⁇ (k-1) for the frame number k-1. )
  • the amount of time change between ( v v ) can be calculated as the fourth feature amount x 4.
  • the fourth feature amount x 4 as shown in the following equation (18) may be calculated.
  • the histogram distribution of the fourth feature amount x 4 can be approximated by the chi-square ( ⁇ 2 ) distribution as shown in the following equation (19), so that the probability distribution P (x 4
  • n is a degree of freedom
  • ⁇ () is a gamma function
  • the identification unit 72 first calculates the molecule on the right side of the equation (14) by the following equation (20).
  • the identification unit 72 may calculate the numerator ⁇ (C s
  • the identification unit 72 uses the posterior probability P (C s
  • x (k)) may be calculated.
  • Identification unit 72 by the following equation (21), the posterior probability P
  • the identification unit 72 identifies the target object in the observation space based on the posterior probabilities P (C 1
  • the data DD indicating the identification result is output (step ST17).
  • the identification unit 72 can use the class corresponding to the highest posterior probability among the posterior probabilities P (C 1
  • step ST18 when it is determined that the signal processing is not continued (NO in step ST18), the control unit 45 ends the signal processing. If it is determined that the signal processing is to be continued (YES in step ST18), the control unit 45 increments the frame number k (step ST19) and shifts the procedure to step ST12.
  • the radar sensor system 1 described above can be mounted on a vehicle such as a passenger car.
  • 13A and 13B are diagrams showing a radar sensor system 1 installed in the internal space of the vehicle 100.
  • the observation space OR of the radar sensor system 1 includes the front seat 102, the rear seat 103, and both side surfaces inside the vehicle body 101.
  • FIG. 14 is a graph showing the actually calculated two-dimensional spectrum M (k) ( fr , f ⁇ ).
  • the horizontal axis represents the X-axis (unit: meters) of the Cartesian coordinate system
  • the horizontal axis represents the Y-axis (unit: meters) orthogonal to the X-axis.
  • the lower the display density (thinner) the larger the value of the two-dimensional spectrum M (k) ( fr , f ⁇ ), and the higher (darker) the display density, the larger the two-dimensional spectrum M (k) ( fr , f).
  • the value of ⁇ ) becomes smaller.
  • the front left seat 102L, the front right seat 102R, the rear left seat 103L, the rear center seat 103C and the rear right seat 103R are indicated by dotted lines.
  • the “x” mark in FIG. 14 represents the position coordinates of the detected target object.
  • 15 to 17 are graphs showing actually calculated average Doppler spectra ⁇ (k) ( fp).
  • the horizontal axis indicates the frequency bin (frequency number) f v
  • the vertical axis represents normalized power (unit: dB) indicates.
  • the frequency bins are rearranged to separate the high frequency domain from the low frequency domain.
  • two maximum peaks corresponding to the vibration state of the smartphone appear in the high frequency region.
  • a plurality of maximum peaks corresponding to the movement of the doll imitating a sleeping infant appear.
  • two maximum peaks corresponding to the shaking state of the vehicle body appear.
  • 18A, 18B, and 18C show the average Doppler spectra ⁇ (k-2) (f v ), ⁇ (k-1) (f v) actually calculated when the awake state of the infant was observed. ), ⁇ (k) ( fp ), respectively.
  • 19A, 19B, and 19C show the average Doppler spectra ⁇ (k-2) ( fp ), ⁇ (k-1 ) actually calculated when the movement of a doll imitating a sleeping infant was observed. ) ( Fv ), ⁇ (k) ( fv ), respectively.
  • It is a graph which shows the histogram distribution of ( Np (k)).
  • the horizontal axis represents the first feature amount x 1
  • the vertical axis represents the normalization frequency. It can be seen that each of the histogram distributions of FIGS. 20 and 21 can be approximated by the Poisson distribution.
  • FIGS. 22 and 23 are graphs showing the histogram distribution of the second feature amount x 2 (Equation (16)) measured when the five states are individually observed as in the case of FIGS. 20 and 21. Is.
  • the horizontal axis represents the second feature amount x 2
  • the vertical axis represents the normalization frequency. It can be seen that each of the histogram distributions of FIGS. 22 and 23 can be approximated by a mixed normal distribution (mixed Gaussian distribution).
  • the horizontal axis represents the third feature amount x 3
  • the vertical axis represents the normalization frequency. It can be seen that each of the histogram distributions in FIG. 24 can be approximated by a Poisson distribution.
  • FIGS. 25 and 26 are graphs showing the histogram distribution of the fourth feature amount x 4 (Equation (18)) measured when the five states are individually observed as in the case of FIGS. 20 and 21. Is.
  • the horizontal axis represents the fourth feature amount x 4
  • the vertical axis represents the normalization frequency. It can be seen that each of the histogram distributions of FIGS. 25 and 26 can be approximated by a chi-square ( ⁇ 2) distribution.
  • FIG. 27 is a graph showing the time transition of posterior probabilities calculated when only sleeping infants are observed in the vehicle 100.
  • the horizontal axis represents the frame number k and the vertical axis represents the posterior probability.
  • the graph of FIG. 27 shows how the posterior probabilities converge to the correct values over time.
  • FIG. 28 is a graph showing the time transition of posterior probabilities calculated when only the shaking of the vehicle body 101 is observed in the vehicle 100. The graph of FIG. 28 also shows how the posterior probabilities converge to the correct values over time.
  • FIG. 29 is a graph showing the time transition of posterior probabilities calculated when only a smartphone vibrating in the vehicle 100 is observed. The graph of FIG. 29 also shows how the posterior probabilities converge to the correct values over time.
  • the feature amount measuring unit 71 characterizes the state of the object moving in the observation space based on the frequency analysis result by the frequency analysis unit 49. calculating a measurement value of 1 ⁇ x J.
  • the identification unit 72 uses the trained data sets LD 1 to LD G stored in the trained data storage unit 63, and according to Bayes' theorem, the target object is a single object or a single target object from the measured values of the feature quantities x 1 to x J.
  • the posterior probabilities belonging to each of a plurality of classes can be calculated, and the target object in the observation space can be identified based on the calculated posterior probabilities. Therefore, the target object can be identified with high accuracy.
  • the sensor unit 10 of the present embodiment operates in the FMCW method, but the present invention is not limited to this.
  • the configuration of the sensor unit 10 may be changed so as to operate in the pulse compression method.
  • the radar signal processor, radar sensor system, and signal processing method according to the present invention make it possible to estimate the type of an object moving in the observation space with high accuracy. Therefore, for example, a vehicle such as a passenger car or a railroad vehicle. It can be used in a sensor system that detects a target object inside (for example, a living body such as an infant or a small animal).
  • 1 radar sensor system 10 sensor unit, 20 transmission antenna 21 transmitting circuit, 22 a voltage generator, 23 voltage controlled oscillator, 24 a distributor, 25 an amplifier, 30 0 ⁇ 30 Q-1 reception antenna, 31 0 ⁇ 31 Q- 1 receiver, 32 0 ⁇ 32 Q-1 low noise amplifier, 33 0 ⁇ 33 Q-1 mixer, 34 0 ⁇ 34 Q-1 IF amplifier, 35 0 ⁇ 35 Q-1 filter, 36 0 ⁇ 36 Q-1
  • a / D converter (ADC) 41 radar signal processor, 45 control unit, 46 data storage unit, 47 signal processing unit, 49 frequency analysis unit, 50 region conversion unit, 51 orthogonal conversion unit, 52 signal component extraction unit, 52A time averaging unit, 52B subtractor, 53 orthogonal conversion unit, 54 target object detection unit, 55 time averaging unit, 56 peak detection unit, 57 Doppler spectrum calculation unit, 57A, 57B orthogonal conversion unit, 58A, 58B first Averaging unit, 59A, 59B Second averaging unit, 61 Target object

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

レーダ信号処理器（１）はセンサ部（１０）と連携して動作する。レーダ信号処理器（１）は、センサ部（１０）で生成された単数または複数の受信チャネルの受信信号に周波数解析を施す周波数解析部（４９）と、当該周波数解析の結果に基づいて、観測空間内で動く対象物体の状態を特徴付ける単数または複数種の特徴量の計測値を算出する対象物体識別部（６１）と、観測空間内に単数または複数の認識対象の各々が観測されたときに、前記単数または複数種の特徴量がそれぞれ計測される確率分布を定める単数または複数の学習済みデータセットが記憶されている学習済みデータ記憶部（６３）とを備える。対象物体識別部（６１）は、学習済みデータ記憶部（６３）を参照し、学習済みデータセットを用いて当該計測値から対象物体が単数または複数のクラスにそれぞれ属する事後確率を算出し、当該算出された事後確率に基づいて前記対象物体を識別する。

Description

レーダ信号処理器、レーダセンサシステム及び信号処理方法
　本発明は、ミリ波帯などの高周波帯の電波を用いて対象物体の種別を推定することができるレーダセンサ技術に関するものである。
　従来より、生体などの対象物体を非接触で検知するセンサシステムとして、光学カメラまたは赤外線センサなどの光学センサを用いた光センサシステムが広く採用されている。たとえば、光学カメラにより得られた撮像画像を信号処理で解析することにより、当該撮像画像に現れる対象物体の種別（たとえば、大人または幼児）を高い精度で推定する技術が知られている。しかしながら、可視光または赤外線などの光は、衣服、壁及びプラスチックなどの物質を透過することができない。このため、光センサシステムと対象物体との間の空間に光を遮蔽する物質が介在する状況下では、当該対象物体を光学的に検知することが難しい。たとえば、光を遮蔽する毛布に包まれた睡眠中の幼児に対しては、光センサシステムは当該幼児の状態を正確に推定することが難しい。
　そのような状況に対処するために、非金属物質を透過する高周波帯の電波によるレーダセンサシステムが提案されている。たとえば、特許文献１（特開２０１７－１８１２２５号公報）には、周波数変調連続波（Ｆｒｅｑｕｅｎｃｙ－Ｍｏｄｕｌａｔｅｄ　Ｃｏｎｔｉｎｕｏｕｓ－Ｗａｖｅ，ＦＭＣＷ）レーダを用いて乗用車の車室内の乗員を検知する乗員検知装置が開示されている。この乗員検知装置は、車室内に配置されたＦＭＣＷレーダと、このＦＭＣＷレーダにて生成されたビート信号の周波数分析により周波数スペクトルを算出する受信信号処理部とを備えている。受信信号処理部は、当該周波数スペクトルに基づいて、車室内の乗員の数，位置及び生体情報（呼吸及び心拍を示す情報）を検知する。ここで、当該生体情報は、当該周波数スペクトルの変動特性に基づいて検知される。
特開２０１７－１８１２２５号公報（たとえば、図１及び段落［００３１］～［００３５］参照）
　上記のとおり、特許文献１に開示されている乗員検知装置は、周波数スペクトルの変動特性に基づいて対象物体の生体情報を検知することができる。しかしながら、当該周波数スペクトルの変動特性だけから対象物体を高い精度で識別することは難しい。
　上記に鑑みて本発明の目的は、光周波数領域よりも低い周波数帯の電波によるレーダ技術を用いて対象物体を高い精度で識別することを可能とするレーダ信号処理器、レーダセンサシステム及び信号処理方法を提供することである。
　本発明の一態様によるレーダ信号処理器は、観測空間にて光周波数領域よりも低い周波数帯の送信電波が反射することにより生じた反射波を受信する単数または複数の受信アンテナと、前記単数または複数の受信アンテナの出力信号に信号処理を施すことにより単数または複数の受信チャネルの受信信号を生成する受信回路とを含むセンサ部と連携して動作するレーダ信号処理器であって、前記受信信号に周波数解析を施す周波数解析部と、前記周波数解析の結果に基づいて、前記観測空間内で動く対象物体の状態を特徴付ける単数または複数種の特徴量の計測値を算出する特徴量計測部と、前記観測空間内にて単数または複数のクラスに属する対象が観測されたときに、前記単数または複数種の特徴量がそれぞれ計測される確率分布を定める単数または複数の学習済みデータセットが記憶されている学習済みデータ記憶部と、前記学習済みデータセットを用いて、ベイズの定理により当該計測値から前記対象物体が前記単数または複数のクラスにそれぞれ属する事後確率を算出し、当該算出された事後確率に基づいて前記対象物体を識別する識別部とを備えることを特徴とする。
　本発明の一態様によれば、上記学習済みデータセットを用いて、ベイズの定理により当該計測値から対象物体が単数または複数のクラスにそれぞれ属する事後確率が算出され、当該算出された事後確率に基づいて対象物体が識別される。これにより、対象物体を高い精度で識別することができる。
本発明に係る実施の形態１のレーダセンサシステムの構成を概略的に示すブロック図である。 図２Ａ及び図２Ｂは、ＦＭＣＷ方式による送信周波数の概念を表すグラフである。 送信周波数と受信周波数との間の関係を概念的に示すグラフである。 受信アンテナが直線状に配列されているアンテナアレイの例を示す図である。 実施の形態１のレーダ信号処理器のハードウェア構成例の概略構成を示すブロック図である。 実施の形態１の周波数解析部の概略構成を示すブロック図である。 実施の形態１の信号成分抽出部の構成例を概略的に示すブロック図である。 図８Ａ及び図８Ｂは、実施の形態１のドップラスペクトル算出部の構成例を概略的に示すブロック図である。 実施の形態１の対象物体識別部及び学習済みデータ記憶部の概略構成を示すブロック図である。 実施の形態１に係る信号処理の手順を概略的に示すフローチャートである。 実施の形態１に係る周波数解析処理の手順を概略的に示すフローチャートである。 実施の形態１の変形例に係る周波数解析処理の手順を概略的に示すフローチャートである。 図１３Ａ及び図１３Ｂは、車両の内部空間に設置されたレーダセンサシステムを示す図である。 ２次元スペクトルを表すグラフである。 平均ドップラスペクトルを示すグラフである。 平均ドップラスペクトルを示すグラフである。 平均ドップラスペクトルを示すグラフである。 図１８Ａ，図１８Ｂ，図１８Ｃは、幼児の起きている状態が観測されたときに算出された平均ドップラスペクトルをそれぞれ表すグラフである。 図１９Ａ，図１９Ｂ，図１９Ｃは、就寝中の幼児を模した人形の動作が観測されたときに算出された平均ドップラスペクトルをそれぞれ表すグラフである。 第１の特徴量のヒストグラム分布を表すグラフである。 第１の特徴量のヒストグラム分布を表すグラフである。 第２の特徴量のヒストグラム分布を表すグラフである。 第２の特徴量のヒストグラム分布を表すグラフである。 第３の特徴量のヒストグラム分布を表すグラフである。 第４の特徴量のヒストグラム分布を表すグラフである。 第４の特徴量のヒストグラム分布を表すグラフである。 車両内で就寝中の幼児のみが観測される場合に算出された事後確率の時間遷移を表すグラフである。 車両内で車体の揺れのみが観測される場合に算出された事後確率の時間遷移を表すグラフである。 車両内で振動するスマートフォンのみが観測される場合に算出された事後確率の時間遷移を表すグラフである。
　以下、図面を参照しつつ、本発明に係る種々の実施の形態について詳細に説明する。なお、図面全体において同一符号を付された構成要素は、同一構成及び同一機能を有するものとする。
　図１は、本発明に係る実施の形態１のレーダセンサシステム１の構成を概略的に示すブロック図である。図１に示されるようにレーダセンサシステム１は、センサ部１０と、このセンサ部１０と連携して動作するレーダ信号処理器４１とを含んで構成されている。センサ部１０は、光周波数領域よりも低い高周波帯（約３～３０ＧＨｚ）におけるミリ波帯などの周波数帯にて一連の周波数変調波（一連の送信パルス）を生成する送信回路２１と、当該一連の周波数変調波を送信波Ｔｗとして観測空間に向けて送信する送信アンテナ２０と、観測空間にて当該送信波Ｔｗが反射することにより生じた反射波Ｒｗを受信するように空間的に配列されている受信アンテナ３００～３０Ｑ－１からなるアンテナアレイと、受信アンテナ３００～３０Ｑ－１の出力信号にそれぞれ信号処理を施してＱ個の受信チャンネルのディジタル受信信号を並列に出力する受信器３１０～３１Ｑ－１と、これらディジタル受信信号にそれぞれディジタル信号処理を施すレーダ信号処理器４１とを備えて構成されている。本実施の形態の受信回路は、Ｑ個の受信器３１０～３１Ｑ－１により構成されている。
　ここで、Ｑは、受信アンテナ３００～３０Ｑ－１の個数（受信チャネルの個数）を示す３以上の整数である。なお、Ｑは、３以上の整数に限定されるものではなく、１または２であってもよい。
　送信回路２１は、電圧生成器２２、電圧制御発振器２３、分配器２４及び増幅器２５を含む。電圧生成器２２は、レーダ信号処理器４１から供給された制御信号ＴＣに従って変調電圧を生成し、当該変調電圧を電圧制御発振器２３に供給する。電圧制御発振器２３は、所定の周波数変調方式に従い、当該変調電圧に応じて時間とともに上昇または下降する変調周波数をもつ周波数変調波信号を繰り返し出力する。分配器２４は、電圧制御発振器２３から入力された周波数変調波信号を送信波信号と局部信号とに分配する。分配器２４は、送信波信号を増幅器２５に供給すると同時に、局部信号を受信器３１０～３１Ｑ－１に供給する。送信波信号は、増幅器２５により増幅される。送信アンテナ２０は、増幅器２５の出力信号に基づく送信波Ｔｗを観測空間に向けて送信する。
　所定の周波数変調方式としては、周波数変調連続波（Ｆｒｅｑｕｅｎｃｙ　Ｍｏｄｕｌａｔｅｄ　Ｃｏｎｔｉｎｕｏｕｓ　Ｗａｖｅ，ＦＭＣＷ）方式が使用可能である。周波数変調波信号の周波数すなわち送信周波数は、ある周波数帯域内で時間とともに連続的に上昇または下降するように掃引されればよい。図２Ａ及び図２Ｂは、ＦＭＣＷ方式の一種である高速チャープ変調（Ｆａｓｔ　Ｃｈｉｒｐ　Ｍｏｄｕｌａｔｉｏｎ，ＦＣＭ）方式による送信周波数の概念を表すグラフである。図２Ａ及び図２Ｂのグラフにおいて、横軸は時間を示し、縦軸は送信周波数を示している。
　図２Ａに示されるように、各フレーム期間Ｔｆ（たとえば、数秒間）は、Ｍ個のサイクル期間Ｔｃに分割されている。Ｍは４以上の整数であるが、これに限定されるものではなく、Ｍが２または３であってもよい。図２Ａの各サイクル期間Ｔｃに付された変数ｍは、サイクル期間Ｔｃに割り当てられた番号（以下「サイクル番号」という。）を示す１～Ｍの範囲内の整数である。図２Ｂには、１番目及び２番目のサイクル期間Ｔｃ，Ｔｃにおける送信周波数が表示されている。図２Ｂに示されるように各サイクル期間Ｔｃにおいて、送信回路２１は、特定のパルス繰り返し周期（Ｐｕｌｓｅ　Ｒｅｐｅｔｉｔｉｏｎ　Ｉｎｔｅｒｖａｌ，ＰＲＩ）にて、送信周波数Ｗ０～ＷＨ－１をそれぞれもつＨ個の周波数変調波（一連の送信パルス）を順次発生させる。各周波数変調波では、下限周波数ｆ１から上限周波数ｆ２までの周波数帯域内にて送信周波数が時間とともに連続的に上昇するように変調されている。図２Ｂの各パルス繰り返し周期（ＰＲＩ）に付された変数ｈは、周波数変調波（送信パルス）に割り当てられた番号（以下「パルス番号」という。）を示す０～Ｈ－１の範囲内の整数である。
　図３は、送信波Ｔｗの送信周波数Ｗ０～ＷＨ－１と、受信波Ｒｗの周波数（受信周波数）Ｒ０～ＲＨ－１との間の関係を概念的に示すグラフである。図３に示されるように、送信周波数Ｗ０～ＷＨ－１の各々は、変調時間幅Ｔにて周波数帯域Ｂ内で変調されている。図３の例では、受信波Ｒｗは、送信波Ｔｗに対して遅延時間ΔＴだけ遅延して受信されている。この遅延時間ΔＴは、センサ部１０と対象物体との間における電波の往復伝播時間に相当する。送信周波数Ｗｈとこれに対応する受信周波数Ｒｈとの間の差（ビート周波数）に基づいて、対象物体との距離を求めることが可能である。
　受信アンテナ３００～３０Ｑ－１は、直線状、平面状または曲面状に配列されていればよい。図４は、受信アンテナ３００～３０Ｑ－１が直線状に配列されているアンテナアレイの例を示す図である。図４の例では、受信アンテナ３００～３０Ｑ－１は、直線状に等間隔ｄ（たとえば、半波長間隔）にて配列されている。受信アンテナ３００～３０Ｑ－１で受信される信号間で生ずる位相差に基づき、方位角θを求めることが可能である。
　図１を参照すると、ｑ番目の受信器３１ｑは、低ノイズ増幅器（Ｌｏｗ Ｎｏｉｓｅ Ａｍｐｌｉｆｉｅｒ，ＬＮＡ）３２ｑ，ミキサ３３ｑ，ＩＦ増幅器３４ｑ，フィルタ３５ｑ及びＡ／Ｄ変換器（ＡＤＣ）３６ｑを有している。ここで、ｑは、０～Ｑ－１の範囲内の任意の整数である。
　低ノイズ増幅器３２ｑは、受信アンテナ３０ｑの出力信号を増幅して増幅信号をミキサ３３ｑに出力する。ミキサ３３ｑは、当該増幅信号と分配器２４から供給された局部信号とを混合して中間周波数帯域のビート信号を生成する。ＩＦ増幅器３４ｑは、ミキサ３３ｑから入力されたビート信号を増幅して増幅ビート信号をフィルタ３５ｑに出力する。フィルタ３５ｑは、当該増幅ビート信号中の不要な周波数成分を抑圧してアナログ受信信号を出力する。ＡＤＣ３６ｑは、所定のサンプル・レートで当該アナログ受信信号をディジタル受信信号ｚｍ (ｋ)（ｎ，ｈ，ｑ）に変換し、当該ディジタル受信信号ｚｍ (ｋ)（ｎ，ｈ，ｑ）をレーダ信号処理器４１に出力する。ここで、上付き添え字ｋは、フレーム期間Ｔｆに割り当てられた番号（以下「フレーム番号」という。）であり、ｎは、サンプル番号を示す整数である。ディジタル受信信号ｚｍ (ｋ)（ｎ，ｈ，ｑ）は、同相（Ｉｎ－ｐｈａｓｅ）成分及び直交（Ｑｕａｄｒａｔｕｒｅ－ｐｈａｓｅ）成分を有する複素信号である。以下、ディジタル受信信号を「受信信号」と呼ぶこととする。
　なお、本実施の形態では、センサ部１０はＡＤＣ３６０～３６Ｑ－１を有しているが、これに限定されるものではない。センサ部１０がＡＤＣ３６０～３６Ｑ－１を有していない形態では、レーダ信号処理器４１がＡＤＣ３６０～３６Ｑ－１を有していればよい。
　図１に示されるように受信器３１０～３１Ｑ－１は、受信信号ｚｍ (ｋ)（ｎ，ｈ，０），ｚｍ (ｋ)（ｎ，ｈ，１），…，ｚｍ (ｋ)（ｎ，ｈ，Ｑ－１）をレーダ信号処理器４１に並列に出力する。
　レーダ信号処理器４１は、受信器３１０～３１Ｑ－１から並列に入力された受信信号ｚｍ (ｋ)（ｎ，ｈ，０），ｚｍ (ｋ)（ｎ，ｈ，１），…，ｚｍ (ｋ)（ｎ，ｈ，Ｑ－１）を一時的に記憶するデータ記憶部４６と、データ記憶部４６から読み出された受信信号ｚｍ (ｋ)（ｎ，ｈ，０）～ｚｍ (ｋ)（ｎ，ｈ，Ｑ－１）にディジタル信号処理を施して観測空間内の対象物体を識別することができる信号処理部４７と、送信回路２１，データ記憶部４６及び信号処理部４７の動作を制御する制御部４５とを備える。データ記憶部４６としては、高速応答性能を有するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）が使用されればよい。制御部４５は、変調電圧を生成するための制御信号ＴＣを送信回路２１に供給する。また制御部４５は、データ記憶部４６に対する信号の読み出し制御及び書き込み制御を行うことができる。
　信号処理部４７は、周波数解析部４９、対象物体識別部６１及び学習済みデータ記憶部６３を備えている。周波数解析部４９は、データ記憶部４６から読み出された受信信号ｚｍ (ｋ)（ｎ，ｈ，０）～ｚｍ (ｋ)（ｎ，ｈ，Ｑ－１）に周波数解析を施し、当該周波数解析の結果を対象物体識別部６１に供給する。対象物体識別部６１は、当該周波数解析の結果に基づいて観測空間内で動く対象物体の状態を特徴付ける単数または複数種の特徴量の計測値を算出することができる。学習済みデータ記憶部６３には、機械学習により事前に得られた単数または複数種の学習済みデータセットが格納されている。対象物体識別部６１は、学習済みデータセットを用いて対象物体を識別することができる。
　このようなレーダ信号処理器４１の機能の全部または一部は、たとえば、ＤＳＰ（Ｄｉｇｉｔａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｏｒ），ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）またはＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）などの半導体集積回路を有する単数または複数のプロセッサにより実現可能である。ここで、ＰＬＤとは、当該ＰＬＤの製造後に設計者が自由にその機能を変更することができる半導体集積回路である。ＰＬＤの例としては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）が挙げられる。あるいは、レーダ信号処理器４１の機能の全部または一部は、ソフトウェアまたはファームウェアのプログラムコードを実行する、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）またはＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などの演算装置を含む単数または複数のプロセッサで実現されてもよい。あるいは、ＤＳＰ，ＡＳＩＣまたはＰＬＤなどの半導体集積回路と、ＣＰＵまたはＧＰＵなどの演算装置との組合せを含む単数または複数のプロセッサによってレーダ信号処理器４１の機能の全部または一部を実現することも可能である。
　図５は、実施の形態１のレーダ信号処理器４１のハードウェア構成例である信号処理回路９０の概略構成を示すブロック図である。図５に示される信号処理回路９０は、プロセッサ９１、入出力インタフェース部９４、メモリ９２、記憶装置９３及び信号路９５を備えている。信号路９５は、プロセッサ９１、入出力インタフェース部９４、メモリ９２及び記憶装置９３を相互に接続するためのバスである。入出力インタフェース部９４は、外部から入力されたディジタル信号をプロセッサ９１に転送する機能を有し、プロセッサ９１から転送されたディジタル信号を外部に出力する機能を有している。
　メモリ９２は、プロセッサ９１がディジタル信号処理を実行する際に使用されるワークメモリと、当該ディジタル信号処理で使用されるデータが展開される一時記憶メモリとを含む。たとえば、メモリ９２は、フラッシュメモリ及びＳＤＲＡＭ（Ｓｙｎｃｈｒｏｎｏｕｓ　Ｄｙｎａｍｉｃ　Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）などの半導体メモリで構成されればよい。また、プロセッサ９１がＣＰＵまたはＧＰＵなどの演算装置を含む場合には、記憶装置９３は、当該演算装置で実行されるべきソフトウェアまたはファームウェアの信号処理プログラムのコードを格納する記憶媒体として利用可能である。たとえば、記憶装置９３は、フラッシュメモリまたはＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）などの不揮発性の半導体メモリで構成されればよい。
　なお、図５の例では、プロセッサ９１の個数は１つであるが、これに限定されるものではない。互いに連携して動作する複数個のプロセッサを用いてレーダ信号処理器４１のハードウェア構成が実現されてもよい。
　次に、図６を参照しつつ、実施の形態１の信号処理部４７における周波数解析部４９の構成及び動作について説明する。図６は、信号処理部４７における周波数解析部４９の概略構成を示すブロック図である。
　図６に示されるように周波数解析部４９は、時間領域における受信信号ｚｍ (ｋ)（ｎ，ｈ，ｑ）を、観測空間の空間座標（相対距離及び方位角）に対応する周波数領域における周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）に変換する領域変換部５０と、周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）から観測空間内で動く対象物体を検出する対象物体検出部５４と、ドップラスペクトル算出部５７とを有している。ここで、ｆｒは、当該対象物体との相対距離に対応する離散周波数値に割り当てられる周波数番号であり、ｆθは、方位角θに対応する離散周波数値に割り当てられる周波数番号である。
　領域変換部５０は、直交変換部（第１の直交変換部）５１，信号成分抽出部５２及び直交変換部（第２の直交変換部）５３を有している。
　直交変換部５１は、Ｑ個の受信チャネルの受信信号ｚｍ (ｋ)（ｎ，ｈ，０）～ｚｍ (ｋ)（ｎ，ｈ，Ｑ－１）に対して時間方向に離散直交変換をそれぞれ実行することにより、Ｑ個の受信チャネルにそれぞれ対応するＱ個の周波数領域信号（第１の周波数領域信号）Γｍ (ｋ)（ｆｒ，ｈ，０）～Γｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）を生成する。具体的には、直交変換部５１は、次式（１）に示されるように、サンプル番号ｎについて周波数領域信号ｚｍ (ｋ)（ｎ，ｈ，ｑ）に離散フーリエ変換を施すことにより、周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，ｑ）を算出することができる。

Figure JPOXMLDOC01-appb-I000001
　式（１）において、Ｆｎ［］は、サンプル番号ｎについての離散フーリエ変換演算子である。
　次に、信号成分抽出部５２は、周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，０）～Γｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）から静止物体に対応する信号成分をそれぞれ除去することにより、当該周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，０）～Γｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）から動的信号成分Δｍ (ｋ)（ｆｒ，ｈ，０）～Δｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）をそれぞれ抽出する。
　図７は、信号成分抽出部５２の構成例を概略的に示すブロック図である。図７に示される信号成分抽出部５２は、時間平均化部５２Ａ及び減算器５２Ｂを有する。時間平均化部５２Ａは、周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，ｑ）を１フレーム期間に亘って時間平均することで時間平均信号Ｓ(k)（ｆｒ，ｑ）を算出する。静止物体に対応する信号成分は１フレーム期間中に変化しないので、時間平均信号Ｓ(k)（ｆｒ，ｑ）は、静止物体に対応する信号成分とみなすことができる。具体的には、時間平均化部５２Ａは、次式（２）に示されるように、サイクル番号ｍ及びパルス番号ｈについて周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，ｑ）を平均化することで、時間平均信号Ｓ(k)（ｆｒ，ｑ）を算出することができる。

Figure JPOXMLDOC01-appb-I000002
　減算器５２Ｂは、次式（３）に示されるように周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，ｑ）から時間平均信号Ｓ(k)（ｆｒ，ｑ）をバックグランドとして減算することにより、移動物体（観測空間内で動く対象物体）に対応する動的信号成分Δｍ (ｋ)（ｆｒ，ｈ，ｑ）を算出することができる。

Figure JPOXMLDOC01-appb-I000003
　次に、直交変換部５３は、動的信号成分Δｍ (ｋ)（ｆｒ，ｈ，０）～Δｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）に対して、受信アンテナ３００～３０Ｑ－１の配列方向に離散直交変換を実行することにより、周波数領域信号（第２の周波数領域信号）Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）を算出する。具体的には、直交変換部５３は、次式（４）に示されるように、受信アンテナ番号ｑについて動的信号成分Δｍ (ｋ)（ｆｒ，ｈ，ｑ）に離散フーリエ変換を施すことにより、周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）を算出することができる。

Figure JPOXMLDOC01-appb-I000004
　式（４）において、Ｆｑ［］は、受信アンテナ番号ｑについての離散フーリエ変換演算子である。周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）は、対象物体検出部５４に供給されるとともに、データ記憶部４６に一時的に記憶される。
　対象物体検出部５４は、周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）から、観測空間内で動く対象物体の位置座標（相対距離及び方位角）に相当する情報を検出する。具体的には、図６に示されるように対象物体検出部５４は、時間平均化部５５及びピーク検出部５６を有している。時間平均化部５５は、周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）を１フレーム期間に亘って時間平均することで時間平均信号を算出し、当該時間平均信号の絶対値あるいは当該時間平均信号の絶対値の二乗を２次元スペクトルＭ(k)（ｆｒ，ｆθ）として算出する。より具体的には、時間平均化部５５は、次式（５）に示されるように、サイクル番号ｍ及びパルス番号ｈについて周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）を平均化することで信号対雑音比の良好な時間平均信号を算出することができ、当該時間平均信号の絶対値の二乗を２次元スペクトルＭ(k)（ｆｒ，ｆθ）として算出することができる。

Figure JPOXMLDOC01-appb-I000005
　ピーク検出部５６は、所定のピーク検出法を用いて、２次元スペクトルＭ(k)（ｆｒ，ｆθ）に現れる極大ピークを検出する。所定のピーク検出法としては、２次元スペクトルＭ(k)（ｆｒ，ｆθ）の中から予め設定された閾値を超える局所的な分布を極大ピークとして抽出する方法、あるいは、誤警報率を一定に保ったピーク検出を可能とするＣＡ－ＣＦＡＲ（Ｃｅｌｌ　Ａｖｅｒａｇｉｎｇ－Ｃｏｎｓｔａｎｔ　Ｆａｌｓｅ　Ａｌａｒｍ　Ｒａｔｅ）が挙げられるが、これらに限定されるものではない。ピーク検出部５６は、単数または複数の極大ピークの位置を示すピーク情報ＰＤをドップラスペクトル算出部５７に供給するとともに、ピーク情報ＰＤをデータ記憶部４６に記憶させる。
　ピーク情報ＰＤは、検出された対象物体の位置座標に相当する周波数番号の組を含む。今、検出されたｉ番目の対象物体の位置座標に相当する周波数番号の組を（ｆｒ（ｉ），ｆθ（ｉ））と表すものとする。ここで、ｉは、検出された対象物体に割り当てられた番号を表す整数である。ドップラスペクトル算出部５７は、ｉ番目の対象物体についての周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））をデータ記憶部４６から読み出し、当該周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））から平均ドップラスペクトルω(ｋ)（ｆｖ）を算出する。平均ドップラスペクトルω(ｋ)（ｆｖ）は、対象物体識別部６１に供給される。図８Ａは、ドップラスペクトル算出部５７の構成例を概略的に示すブロック図であり、図８Ｂは、ドップラスペクトル算出部５７の他の構成例を概略的に示すブロック図である。
　図８Ａに示されるドップラスペクトル算出部５７は、直交変換部５７Ａ、第１平均化部５８Ａ及び第２平均化部５９Ａを有する。直交変換部５７Ａは、周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））に対し、パルス番号ｈについて離散直交変換を実行することにより、周波数領域信号（第３の周波数領域信号）Ωｍ (ｋ)（ｉ，ｆｖ）を算出する。ここで、ｆｖは、ｉ番目の対象物体の相対速度に対応する離散周波数値に割り当てられる周波数番号である。具体的には、直交変換部５７Ａは、次式（６）に示されるように、パルス番号ｈについて周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））に離散フーリエ変換を施すことにより、周波数領域信号Ωｍ (ｋ)（ｉ，ｆｖ）を算出することができる。

Figure JPOXMLDOC01-appb-I000006
　ここで、Ｆｈ［］は、パルス番号ｈについての離散フーリエ変換演算子である。
　第１平均化部５８Ａは、周波数領域信号Ωｍ (ｋ)（ｉ，ｆｖ）をサイクル番号ｍについて平均化して平均化信号を算出し、当該平均化信号の絶対値あるいは当該平均化信号の絶対値の二乗をｉ番目の対象物体に関するドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）として算出する。ここで、ドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）はその最大値で正規化されてもよい。具体的には、第１平均化部５８Ａは、次式（７）に示されるように周波数領域信号Ωｍ (ｋ)（ｉ，ｆｖ）からドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）を算出することができる。

Figure JPOXMLDOC01-appb-I000007
　ここで、γ１は、正規化係数である。
　第２平均化部５９Ａは、さらに、ドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）を番号ｉについて平均化して平均ドップラスペクトルω(ｋ)（ｆｖ）を算出する。ここで、平均ドップラスペクトルω(ｋ)（ｆｖ）はその最大値で正規化されてもよい。具体的には、第２平均化部５９Ａは、次式（８）に示されるようにドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）から平均ドップラスペクトルω(ｋ)（ｆｖ）を算出することができる。

Figure JPOXMLDOC01-appb-I000008
　ここで、Ｎｐ（ｋ）は、ｋ番目のフレーム期間に対象物体検出部５４により検出された対象物体の総数であり、γ２は、正規化係数である。
　一方、図８Ｂに示されるドップラスペクトル算出部５７は、直交変換部５７Ｂ、第１平均化部５８Ｂ及び第２平均化部５９Ｂを有する。直交変換部５７Ｂは、周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））に対し、サイクル番号ｍについて離散直交変換を実行することにより、周波数領域信号（第３の周波数領域信号）Ω(ｋ)（ｉ，ｈ，ｆｖ）を算出する。ここで、ｆｖは、ｉ番目の対象物体の相対速度に対応する離散周波数値に割り当てられる周波数番号である。具体的には、直交変換部５７Ｂは、次式（９）に示されるように、サイクル番号ｍについて周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））に離散フーリエ変換を施すことにより、周波数領域信号Ω(ｋ)（ｉ，ｈ，ｆｖ）を算出することができる。

Figure JPOXMLDOC01-appb-I000009
　ここで、Ｆｍ［］は、サイクル番号ｍについての離散フーリエ変換演算子である。
　第１平均化部５８Ｂは、周波数領域信号Ω(ｋ)（ｉ，ｈ，ｆｖ）をパルス番号ｈについて平均化して平均化信号を算出し、当該平均化信号の絶対値あるいは当該平均化信号の絶対値の二乗をｉ番目の対象物体に関するドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）として算出する。ここで、ドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）はその最大値で正規化されてもよい。具体的には、第１平均化部５８Ｂは、次式（１０）に示されるように周波数領域信号Ω(ｋ)（ｉ，ｈ，ｆｖ）からドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）を算出することができる。

Figure JPOXMLDOC01-appb-I000010
　ここで、γ３は、正規化係数である。
　第２平均化部５９Ｂは、第２平均化部５９Ａと同様に、ドップラスペクトルΩ(ｋ)（ｉ，ｆｖ）から平均ドップラスペクトルω(ｋ)（ｆｖ）を算出する。
　次に、図９を参照しつつ、実施の形態１の信号処理部４７における対象物体識別部６１及び学習済みデータ記憶部６３の構成について説明する。図９は、信号処理部４７における対象物体識別部６１及び学習済みデータ記憶部６３の概略構成を示すブロック図である。
　対象物体識別部６１は、特徴量計測部７１及び識別部７２を有する。特徴量計測部７１は、周波数解析部４９による周波数解析の結果である平均ドップラスペクトルω(ｋ)（ｆｖ）及びピーク情報ＰＤを取得する。特徴量計測部７１は、平均ドップラスペクトルω(ｋ)（ｆｖ）及びピーク情報ＰＤに基づいて、観測空間内で動く対象物体の状態を特徴付ける特徴量ｘ１，ｘ２，…，ｘＪの計測値を算出する。ここで、添え字Ｊは３以上の整数である。なお、本実施の形態では、特徴量の種類は３種以上であるが、これに限定されるものではない。特徴量の種類が単数または２種であってもよい。
　今、説明の便宜上、Ｊ個の特徴量ｘ１，ｘ２，…，ｘＪの組合せを、次式（１１）に示すような特徴量ベクトルｘ（ｋ）として表現する。

Figure JPOXMLDOC01-appb-I000011
　ここで、上付き添え字Ｔは、転置を示す記号である。
　また認識対象のクラスの総数をＳで表し、Ｓ個のクラスをＣ１，Ｃ２，…，ＣＳで表すものとする。識別部７２は、学習済みデータ記憶部６３に記憶されている学習済みデータセットＬＤ１，…，ＬＤＧを用いて、ベイズの定理により特徴量ｘ１，ｘ２，…，ｘＪの計測値から、対象物体がクラスＣ１，…，ＣＳに属する事後確率Ｐ（Ｃ１｜ｘ（ｋ）），…，Ｐ（ＣＳ｜ｘ（ｋ））をそれぞれ算出する。ここで、Ｇは学習済みデータセットの個数を示す正整数である。後述するように、学習済みデータセットＬＤ１，…，ＬＤＧの各々は、確率分布Ｐ（ｘｊ｜Ｃｓ）の形状を定める単数または数個のパラメータ、あるいは、ルックアップテーブルとして構成可能である。識別部７２は、当該算出された事後確率Ｐ（Ｃ１｜ｘ（ｋ）），…，Ｐ（ＣＳ｜ｘ（ｋ））に基づいて観測空間内の対象物体を識別し、その識別結果を示すデータＤＤを出力することができる。
　ベイズの定理によれば、次式（１２），（１３）が成立する。

Figure JPOXMLDOC01-appb-I000012

Figure JPOXMLDOC01-appb-I000013
　式（１２），（１３）において、Ｐ（Ｃｓ｜ｘ（ｋ））は、ある対象から特徴量ベクトルｘ（ｋ）が計測されたときに、当該対象がクラスＣｓに属している事後確率（ｐｏｓｔｅｒｉｏｒ　ｐｒｏｂａｂｉｌｉｔｙ）分布であり、Ｐ（Ｃｓ）は、クラスＣｓが観測される事前確率（ｐｒｉｏｒ　ｐｒｏｂａｂｉｌｉｔｙ）分布であり、Ｐ（ｘ（ｋ）｜Ｃｓ）は、クラスＣｓに属する対象を観測したときに、特徴量ベクトルｘ（ｋ）が計測される確率分布であり、Ｐ（ｘ（ｋ））は、特徴量ベクトルｘ（ｋ）が計測される事前確率分布である。
　クラスＣｓが与えられたとき、特徴量ｘ１，ｘ２，…，ｘＪはそれぞれ独立しているもの仮定する。このとき、式（１２）は、次式（１４）で表現される。

Figure JPOXMLDOC01-appb-I000014
　式（１４）において、Ｐ（ｘｊ｜Ｃｓ）は、クラスＣｓに属する対象が観測されたときに特徴量ｘｊが計測される確率分布である。学習済みデータ記憶部６３には、確率分布Ｐ（ｘｊ｜Ｃｓ）を定める学習済みデータセットが格納されている。識別部７２は、式（１４）に従って事後確率Ｐ（Ｃ１｜ｘ（ｋ）），…，Ｐ（ＣＳ｜ｘ（ｋ））を算出し、事後確率の高いクラスを識別結果とすることができる。
　確率分布Ｐ（ｘｊ｜Ｃｓ）の各々は、パラメトリックモデル（ｐａｒａｍｅｔｒｉｃ　ｍｏｄｅｌ）あるいはノンパラメトリックモデル（ｎｏｎｐａｒａｍｅｔｒｉｃ　ｍｏｄｅｌ）で表現され得る。パラメトリックモデルは、単数または数個のパラメータをもつ統計モデルである。たとえば、パラメトリックモデルとして、ポアソン分布、正規分布（ガウス分布）、カイの二乗（χ２）分布、あるいは混合正規分布（混合ガウス分布）が適用され得る。混合正規分布は、複数個の正規分布の線形結合（線形重ね合わせ）で表現される分布である。パラメトリックモデルで表現される確率分布Ｐ（ｘｊ｜Ｃｓ）のパラメータは、各クラスに属する対象について事前に計測されたヒストグラム分布（正規化ヒストグラム）から、最尤法などのアルゴリズムにより推定可能である。パラメトリックモデルが用いられる場合、学習済みデータセットＬＤｇは、確率分布Ｐ（ｘｊ｜Ｃｓ）を定めるパラメータのみを有していればよいので、メモリ効率が高いという利点がある。
　確率分布Ｐ（ｘｊ｜Ｃｓ）がノンパラメトリックモデルで表現される場合には、各クラスに属する対象について事前に計測されたヒストグラム分布（正規化ヒストグラム）、または当該ヒストグラム分布を平滑化して得られるヒストグラムを利用することが可能である。この場合、学習済みデータセットＬＤｇとして、確率分布Ｐ（ｘｊ｜Ｃｓ）の形状を定めるルックアップテーブル値を使用することができる。
　次に、図１０を参照しつつ、信号処理部４７の動作について説明する。図１０は、信号処理部４７による信号処理の手順を概略的に示すフローチャートである。
　図１０を参照すると、先ず、制御部４５は、各種パラメータを初期値に設定する（ステップＳＴ１０）。このとき、式（１４）の事前確率Ｐ（Ｃ１）～Ｐ（ＣＳ）が初期値（たとえば、１／Ｓ）に設定される。
　次に、制御部４５は、フレーム番号ｋを指定する（ステップＳＴ１１）。領域変換部５０は、データ記憶部４６からフレーム番号ｋの受信信号ｚｍ (ｋ)（ｎ，ｈ，ｑ）を読み出して（ステップＳＴ１２）、周波数解析処理を実行する（ステップＳＴ１３）。図１１は、周波数解析処理の手順を概略的に示すフローチャートである。
　図１１を参照すると、直交変換部５１は、上記のとおり、Ｑ個の受信チャネルの受信信号ｚｍ (ｋ)（ｎ，ｈ，０）～ｚｍ (ｋ)（ｎ，ｈ，Ｑ－１）に対して時間方向に離散直交変換をそれぞれ実行することにより、Ｑ個の受信チャネルにそれぞれ対応する第１の周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，０）～Γｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）を生成する（ステップＳＴ２１）。
　次に、信号成分抽出部５２は、上記のとおり、第１の周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，０）～Γｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）から静止物体に対応する信号成分をそれぞれ除去することにより、当該第１の周波数領域信号Γｍ (ｋ)（ｆｒ，ｈ，０）～Γｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）から動的信号成分Δｍ (ｋ)（ｆｒ，ｈ，０）～Δｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）をそれぞれ抽出する（ステップＳＴ２２）。
　次に、直交変換部５３は、上記のとおり、動的信号成分Δｍ (ｋ)（ｆｒ，ｈ，０）～Δｍ (ｋ)（ｆｒ，ｈ，Ｑ－１）に対して、受信アンテナ３００～３０Ｑ－１の配列方向に離散直交変換を実行することにより、第２の周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）を算出する（ステップＳＴ２３）。
　次に、対象物体検出部５４は、第２の周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）から観測空間内で動く対象物体を検出する（ステップＳＴ２４）。具体的には、対象物体検出部５４は、上記のとおり、第２の周波数領域信号Φｍ (ｋ)（ｆｒ，ｈ，ｆθ）から、観測空間内で動く対象物体の位置座標（相対距離及び方位角）に相当する周波数番号の組（ｆｒ（ｉ），ｆθ（ｉ））を検出する。
　次に、ドップラスペクトル算出部５７は、検出された対象物体について第２の周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））をデータ記憶部４６から読み出し、当該第２の周波数領域信号Φｍ (ｋ)（ｆｒ（ｉ），ｈ，ｆθ（ｉ））から平均ドップラスペクトルω(ｋ)（ｆｖ）を算出する（ステップＳＴ２５）。
　次に、図１０を参照すると、特徴量計測部７１は、周波数解析処理により得られた平均ドップラスペクトルω(ｋ)（ｆｖ）及びピーク情報ＰＤに基づいて、特徴量ｘ１，ｘ２，…，ｘＪの計測値を算出する（ステップＳＴ１４）。
　たとえば、特徴量計測部７１は、図１１のステップＳＴ２４にて対象物体検出部５４により検出された対象物体の個数Ｎｐ（ｋ）を第１の特徴量ｘ１として算出することができる。この場合、第１の特徴量ｘ１（＝Ｎｐ（ｋ））のヒストグラム分布は、次式（１５）に示されるようなポアソン分布で近似することができるので、確率分布Ｐ（ｘ１｜Ｃｓ）は、ポアソン分布を用いて表現可能である。

Figure JPOXMLDOC01-appb-I000015
　ここで、パラメータλは正の値である。
　また、特徴量計測部７１は、平均ドップラスペクトルω(ｋ)（ｆｖ）のうちの予め定められた低周波数領域に現れる極大ピークの個数Ｎｄ（ｋ）と、平均ドップラスペクトルω(ｋ)（ｆｖ）のうちの予め定められた高周波数領域に現れる極大ピークの個数Ｎｕ（ｋ）との間の差を評価する値を、第２の特徴量ｘ２として算出することができる。具体的には、次式（１６）に示すような第２の特徴量ｘ２を算出すればよい。

Figure JPOXMLDOC01-appb-I000016
　図１２Ａ及び図１２Ｂは、平均ドップラスペクトルω(ｋ)（ｆｖ）を概念的に示すグラフである。これらのグラフにおいて、横軸は周波数ビン（周波数番号）ｆｖを示し、縦軸は正規化パワー（単位：ｄＢ）を示している。ただし、高周波数領域と低周波数領域とを区分けするために、周波数ビンは並べ替えられている。図１２Ａのグラフでは、高周波数領域の２個の極大ピークが検出され、低周波数領域では極大ピークが検出されない。一方、図１２Ｂのグラフでは、高周波数領域では極大ピークが検出されず、低周波数領域の２個の極大ピークが検出される。
　式（１６）の第２の特徴量ｘ２のヒストグラム分布は、次式（１７）に示されるような正規分布（ガウス分布）で近似することができるので、確率分布Ｐ（ｘ２｜Ｃｓ）は、正規分布を用いて表現可能である。

Figure JPOXMLDOC01-appb-I000017
　ここで、パラメータμは平均であり、パラメータσ２は分散である。
　また、特徴量計測部７１は、平均ドップラスペクトルω(ｋ)（ｆｖ）に現れる極大ピークの中から、所定値以上の信号対雑音比を有する極大ピークを検出し、当該検出された極大ピークの個数Ｎｓ（ｋ）を第３の特徴量ｘ３として算出することができる。たとえば、特徴量計測部７１は、図１２Ａに示されるように、平均ドップラスペクトルω(ｋ)（ｆｖ）に現れる極大ピークに対して左側に現れる谷から当該極大ピークまでの高さＰＰ１と、当該極大ピークに対して右側に現れる谷から当該極大ピークまでの高さＰＰ２とのうち小さい方の高さＰＰｍｉｎに着目し、高さＰＰｍｉｎが閾値を超えていれば、当該極大ピークは、所定値以上の信号対雑音比を有する極大ピークであると判定することができる。
　第３の特徴量ｘ３（＝Ｎｓ（ｋ））のヒストグラム分布は、式（１５）に示されるようなポアソン分布で近似することができるので、確率分布Ｐ（ｘ３｜Ｃｓ）は、ポアソン分布を用いて表現可能である。
　さらに、特徴量計測部７１は、フレーム番号ｋについて算出された現在の平均ドップラスペクトルω(ｋ)（ｆｖ）と、フレーム番号ｋ－１について先に算出された平均ドップラスペクトルω(ｋ－１)（ｆｖ）との間の時間変化量を、第４の特徴量ｘ４として算出することができる。具体的には、次式（１８）に示すような第４の特徴量ｘ４を算出すればよい。

Figure JPOXMLDOC01-appb-I000018
　この場合、第４の特徴量ｘ４のヒストグラム分布は、次式（１９）に示されるようなカイの二乗（χ２）分布で近似することができるので、確率分布Ｐ（ｘ４｜Ｃｓ）は、カイの二乗分布を用いて表現可能である。

Figure JPOXMLDOC01-appb-I000019
　ここで、パラメータｎは自由度、Γ（）はガンマ関数である。
　ステップＳＴ１４の後は、識別部７２は、学習済みデータ記憶部６３に記憶されている学習済みデータセットＬＤ１，…，ＬＤＧを用いて、ベイズの定理により特徴量ｘ１，ｘ２，…，ｘＪの計測値から、対象物体がクラスＣ１，…，ＣＳに属する事後確率Ｐ（Ｃ１｜ｘ（ｋ）），…，Ｐ（ＣＳ｜ｘ（ｋ））をそれぞれ算出する（ステップＳＴ１５）。このとき、識別部７２は、先ず、次式（２０）により、式（１４）の右辺の分子を算出する。

Figure JPOXMLDOC01-appb-I000020
　ここで、初回の場合には、識別部７２は、事前確率Ｐ（Ｃｓ）をいずれも初期値（たとえば、１／Ｓ）として分子φ（Ｃｓ｜ｘ（ｋ））を算出すればよい。２回目以降の場合には、識別部７２は、フレーム番号ｋ－１について以前に算出された事後確率Ｐ（Ｃｓ｜ｘ（ｋ－１））を事前確率Ｐ（Ｃｓ）として用いて分子φ（Ｃｓ｜ｘ（ｋ））を算出すればよい。識別部７２は、次式（２１）により、事後確率Ｐ（Ｃｓ｜ｘ（ｋ））を算出することができる。

Figure JPOXMLDOC01-appb-I000021
　ステップＳＴ１５の後は、識別部７２は、事後確率Ｐ（Ｃ１｜ｘ（ｋ）），…，Ｐ（ＣＳ｜ｘ（ｋ））に基づいて観測空間内の対象物体を識別し（ステップＳＴ１６）、その識別結果を示すデータＤＤを出力する（ステップＳＴ１７）。たとえば、識別部７２は、事後確率Ｐ（Ｃ１｜ｘ（ｋ）），…，Ｐ（ＣＳ｜ｘ（ｋ））のうち最も高い事後確率に対応するクラスを識別結果とすることができる。
　次に、信号処理を続行しないと判定した場合には（ステップＳＴ１８のＮＯ）、制御部４５は信号処理を終了する。信号処理を続行すると判定した場合には（ステップＳＴ１８のＹＥＳ）、制御部４５は、フレーム番号ｋをインクリメントして（ステップＳＴ１９）、ステップＳＴ１２に手順を移行させる。
　上記したレーダセンサシステム１は、たとえば、乗用車などの車両に搭載可能である。図１３Ａ及び図１３Ｂは、車両１００の内部空間に設置されたレーダセンサシステム１を示す図である。図１３Ａに示されるようにレーダセンサシステム１の観測空間ＯＲは、前部座席１０２、後部座席１０３及び車体１０１内部の両側面を含む。
　図１４は、実際に算出された２次元スペクトルＭ(k)（ｆｒ，ｆθ）を表すグラフである。このグラフにおいて、横軸は直交座標系のＸ軸（単位：メートル）を示し、横軸はＸ軸に直交するＹ軸（単位：メートル）を示している。また、表示濃度が低く（薄く）なるほど２次元スペクトルＭ(k)（ｆｒ，ｆθ）の値が大きくなり、表示濃度が高く（濃く）なるほど２次元スペクトルＭ(k)（ｆｒ，ｆθ）の値が小さくなる。前部左座席１０２Ｌ，前部右座席１０２Ｒ，後部左座席１０３Ｌ，後部中央座席１０３Ｃ及び後部右座席１０３Ｒが点線で示されている。図１４中の「×」印は、検出された対象物体の位置座標を表している。
　図１５～図１７は、実際に算出された平均ドップラスペクトルω(ｋ)（ｆｖ）を示すグラフである。これらのグラフにおいて、横軸は周波数ビン（周波数番号）ｆｖを示し、縦軸は正規化パワー（単位：ｄＢ）を示している。ただし、高周波数領域と低周波数領域とを区分けするために周波数ビンは並べ替えられている。図１５のグラフでは、高周波数領域において、スマートフォンの振動状態に対応する２個の極大ピークが現れている。図１６のグラフでは、低周波数領域において、就寝中の幼児を模した人形の動作に対応する複数個の極大ピークが現れている。図１７のグラフでは、低周波数領域において、車体の揺れる状態に対応する２個の極大ピークが現れている。
　図１８Ａ，図１８Ｂ，図１８Ｃは、幼児の起きている状態が観測されたときに実際に算出された平均ドップラスペクトルω(ｋ－２)（ｆｖ），ω(ｋ－１)（ｆｖ），ω(ｋ)（ｆｖ）をそれぞれ表すグラフである。図１９Ａ，図１９Ｂ，図１９Ｃは、就寝中の幼児を模した人形の動作が観測されたときに実際に算出された平均ドップラスペクトルω(ｋ－２)（ｆｖ），ω(ｋ－１)（ｆｖ），ω(ｋ)（ｆｖ）をそれぞれ表すグラフである。図１８Ａ～図１８Ｃ，図１９Ａ～図１９Ｃのグラフにおいて、横軸は周波数ビン（周波数番号）ｆｖを示し、縦軸は正規化パワー（単位：ｄＢ）を示している。
　図２０及び図２１は、スマートフォン、揺れる車体（「車体」）、就寝中の幼児（「幼児（寝）」）、就寝中の幼児を模した人形（「人形（寝）」）、並びに、起きている状態の幼児と起きている状態の人形との組合せ（「幼児（起）＋人形（起）」）という５つの状態が個別に観測された場合に計測された第１の特徴量ｘ１（＝Ｎｐ（ｋ））のヒストグラム分布を表すグラフである。図２０及び図２１のグラフにおいて、横軸は第１の特徴量ｘ１を示し、縦軸は正規化度数を示している。図２０及び図２１のヒストグラム分布の各々は、ポアソン分布で近似可能であることが分かる。
　図２２及び図２３は、図２０及び図２１の場合と同様に５つの状態が個別に観測された場合に計測された第２の特徴量ｘ２（式（１６））のヒストグラム分布を表すグラフである。図２２及び図２３のグラフにおいて、横軸は第２の特徴量ｘ２を示し、縦軸は正規化度数を示している。図２２及び図２３のヒストグラム分布の各々は、混合正規分布（混合ガウス分布）で近似可能であることが分かる。
　図２４は、図２０及び図２１の場合と同様に５つの状態が個別に観測された場合に計測された第３の特徴量ｘ３（＝Ｎｓ（ｋ））のヒストグラム分布を表すグラフである。図２４のグラフにおいて、横軸は第３の特徴量ｘ３を示し、縦軸は正規化度数を示している。図２４のヒストグラム分布の各々は、ポアソン分布で近似可能であることが分かる。
　図２５及び図２６は、図２０及び図２１の場合と同様に５つの状態が個別に観測された場合に計測された第４の特徴量ｘ４（式（１８））のヒストグラム分布を表すグラフである。図２５及び図２６のグラフにおいて、横軸は第４の特徴量ｘ４を示し、縦軸は正規化度数を示している。図２５及び図２６のヒストグラム分布の各々は、カイの二乗（χ２）分布で近似可能であることが分かる。
　図２７は、車両１００内で就寝中の幼児のみが観測される場合に算出された事後確率の時間遷移を表すグラフである。このグラフにおいて、横軸はフレーム番号ｋを示し、縦軸は事後確率を示している。図２７のグラフには、時間の経過とともに事後確率が正しい値に収束していく様子が示されている。同様に、図２８は、車両１００内で車体１０１の揺れのみが観測される場合に算出された事後確率の時間遷移を表すグラフである。図２８のグラフにおいても、時間の経過とともに事後確率が正しい値に収束していく様子が示されている。同様に、図２９は、車両１００内で振動するスマートフォンのみが観測される場合に算出された事後確率の時間遷移を表すグラフである。図２９のグラフにおいても、時間の経過とともに事後確率が正しい値に収束していく様子が示されている。
　以上に説明したように実施の形態１では、特徴量計測部７１は、周波数解析部４９による周波数解析結果に基づいて、観測空間内で動く対象物体の状態を特徴付ける単数または複数種の特徴量ｘ１～ｘＪの計測値を算出する。識別部７２は、学習済みデータ記憶部６３に格納されている学習済みデータセットＬＤ１～ＬＤＧを用いて、ベイズの定理により、特徴量ｘ１～ｘＪの計測値から対象物体が単数または複数のクラスにそれぞれ属する事後確率を算出し、当該算出された事後確率に基づいて観測空間内の対象物体を識別することができる。したがって、対象物体を高い精度で識別することができる。
　以上、図面を参照して本発明に係る実施の形態及びこれの変形例について述べたが、当該実施の形態及び変形例は本発明の例示であり、当該実施の形態及び変形例以外の様々な実施の形態があり得る。本発明の範囲内において、実施の形態１の任意の構成要素の変形、または実施の形態１の任意の構成要素の省略が可能である。
　なお、本実施の形態のセンサ部１０はＦＭＣＷ方式で動作するが、これに限定されるものではない。たとえば、パルス圧縮方式で動作するようにセンサ部１０の構成が変更されてもよい。
　本発明に係るレーダ信号処理器、レーダセンサシステム及び信号処理方法は、観測空間内で動く対象物体の種別を高精度に推定することを可能とするので、たとえば、乗用車または鉄道車両などの車両の内部における対象物体（たとえば、幼児または小動物などの生体）を検知するセンサシステムに用いられ得る。
　１　レーダセンサシステム、１０　センサ部、２０　送信アンテナ、２１　送信回路、２２　電圧生成器、２３　電圧制御発振器、２４　分配器、２５　増幅器、３００～３０Ｑ－１　受信アンテナ、３１０～３１Ｑ－１　受信器、３２０～３２Ｑ－１　低ノイズ増幅器、３３０～３３Ｑ－１　ミキサ、３４０～３４Ｑ－１　ＩＦ増幅器、３５０～３５Ｑ－１　フィルタ、３６０～３６Ｑ－１　Ａ／Ｄ変換器（ＡＤＣ）、４１　レーダ信号処理器、４５　制御部、４６　データ記憶部、４７　信号処理部、４９　周波数解析部、５０　領域変換部、５１　直交変換部、５２　信号成分抽出部、５２Ａ　時間平均化部、５２Ｂ　減算器、５３　直交変換部、５４　対象物体検出部、５５　時間平均化部、５６　ピーク検出部、５７　ドップラスペクトル算出部、５７Ａ，５７Ｂ　直交変換部、５８Ａ，５８Ｂ　第１平均化部、５９Ａ，５９Ｂ　第２平均化部、６１　対象物体識別部、６３　学習済みデータ記憶部、７１　特徴量計測部、７２　識別部、９０　信号処理回路、９１　プロセッサ、９２　メモリ、９３　記憶装置、９４　入出力インタフェース部、９５　信号路、１００　車両、１０１　車体、１０２　前部座席、１０３　後部座席。

Claims (12)

  1. 　観測空間にて光周波数領域よりも低い周波数帯の送信電波が反射することにより生じた反射波を受信する単数または複数の受信アンテナと、前記単数または複数の受信アンテナの出力信号に信号処理を施すことにより単数または複数の受信チャネルの受信信号を生成する受信回路とを含むセンサ部と連携して動作するレーダ信号処理器であって、
    　前記受信信号に周波数解析を施す周波数解析部と、
    　前記周波数解析の結果に基づいて、前記観測空間内で動く対象物体の状態を特徴付ける単数または複数種の特徴量の計測値を算出する特徴量計測部と、
    　前記観測空間内にて単数または複数のクラスに属する対象が観測されたときに、前記単数または複数種の特徴量がそれぞれ計測される確率分布を定める単数または複数の学習済みデータセットが記憶されている学習済みデータ記憶部と、
    　前記学習済みデータセットを用いて、ベイズの定理により当該計測値から前記対象物体が前記単数または複数のクラスにそれぞれ属する事後確率を算出し、当該算出された事後確率に基づいて前記対象物体を識別する識別部と
    を備えることを特徴とするレーダ信号処理器。
  2. 　請求項１に記載のレーダ信号処理器であって、
    　前記周波数解析部、前記特徴量計測部及び前記識別部は、前記周波数解析、前記計測値を算出する処理、及び、前記事後確率を算出する処理を反復的に実行し、
    　前記識別部は、当該識別部により以前に算出された事後確率を事前確率として用いて、前記事後確率を算出する処理を実行する、
    ことを特徴とするレーダ信号処理器。
  3. 　請求項１または請求項２に記載のレーダ信号処理器であって、
    　前記周波数解析部は、
    　前記受信信号を、前記観測空間の空間座標に対応する周波数領域における周波数領域信号に変換する領域変換部と、
    　前記周波数領域信号から前記対象物体を検出する対象物体検出部と
    を含む、ことを特徴とするレーダ信号処理器。
  4. 　請求項３に記載のレーダ信号処理器であって、前記特徴量計測部は、前記対象物体検出部により検出された対象物体の個数を、前記単数または複数種の特徴量の１つとして算出する、ことを特徴とするレーダ信号処理器。
  5. 　請求項３または請求項４に記載のレーダ信号処理器であって、
    　前記複数の受信アンテナは、空間的に配列されており、
    　前記領域変換部は、
    　前記複数の受信チャネルの受信信号に対して時間方向に離散直交変換をそれぞれ実行することにより、前記複数の受信チャネルにそれぞれ対応する複数の第１の周波数領域信号を生成する第１の直交変換部と、
    　前記複数の第１の周波数領域信号から静止物体に対応する信号成分をそれぞれ除去することにより、前記複数の第１の周波数領域信号から複数の動的信号成分をそれぞれ抽出する信号成分抽出部と、
    　前記複数の動的信号成分に対して、前記受信アンテナの配列方向に離散直交変換を実行することにより第２の周波数領域信号を前記周波数領域信号として生成する第２の直交変換部と
    を含む、ことを特徴とするレーダ信号処理器。
  6. 　請求項３から請求項５のうちのいずれか１項に記載のレーダ信号処理器であって、
    　前記周波数解析部は、前記対象物体検出部により検出された単数または複数の対象物体について前記周波数領域信号に離散直交変換を施すことにより、当該単数または複数の対象物体にそれぞれ対応する第３の周波数領域信号を生成し、前記第３の周波数領域信号から平均ドップラスペクトルを算出するドップラスペクトル算出部をさらに含む、ことを特徴とするレーダ信号処理器。
  7. 　請求項６に記載のレーダ信号処理器であって、前記特徴量計測部は、前記平均ドップラスペクトルのうちの予め定められた低周波数領域に現れる極大ピークの個数と、前記平均ドップラスペクトルのうちの予め定められた高周波数領域に現れる極大ピークの個数との間の差を評価する値を、前記単数または複数種の特徴量の１つとして算出する、ことを特徴とするレーダ信号処理器。
  8. 　請求項６または請求項７に記載のレーダ信号処理器であって、前記特徴量計測部は、前記平均ドップラスペクトルに現れる単数または複数の極大ピークの中から、所定値以上の信号対雑音比を有する極大ピークを検出し、当該検出された極大ピークの個数を前記単数または複数種の特徴量の１つとして算出する、ことを特徴とするレーダ信号処理器。
  9. 　請求項６から請求項８のうちのいずれか１項に記載のレーダ信号処理器であって、前記特徴量計測部は、前記平均ドップラスペクトルと、当該特徴量計測部により先に算出された平均ドップラスペクトルとの間の時間変化量を、前記単数または複数種の特徴量の１つとして算出する、ことを特徴とするレーダ信号処理器。
  10. 　請求項１から請求項９のうちのいずれか１項に記載のレーダ信号処理器であって、前記単数または複数の学習済みデータセットはルックアップテーブルとして構成されている、ことを特徴とするレーダ信号処理器。
  11. 　請求項１から請求項１０のうちのいずれか１項に記載のレーダ信号処理器と、
    　前記センサ部と
    を備えることを特徴とするレーダセンサシステム。
  12. 　観測空間にて光周波数領域よりも低い周波数帯の送信電波が反射することにより生じた反射波を受信する単数または複数の受信アンテナと、前記単数または複数の受信アンテナの出力信号に信号処理を施すことにより単数または複数の受信チャネルの受信信号を生成する受信回路とを含むセンサ部と連携して動作するレーダ信号処理器において実行される信号処理方法であって、
    　前記受信信号に周波数解析を施すステップと、
    　前記周波数解析の結果に基づいて、前記観測空間内で動く対象物体の状態を特徴付ける単数または複数種の特徴量の計測値を算出するステップと、
    　前記観測空間内にて単数または複数のクラスに属する対象が観測されたときに、前記単数または複数種の特徴量がそれぞれ計測される確率分布を定める単数または複数の学習済みデータセットが記憶されている学習済みデータ記憶部を参照し、前記学習済みデータセットを用いて、ベイズの定理により当該計測値から前記対象物体が前記単数または複数のクラスにそれぞれ属する事後確率を算出するステップと、
    　当該算出された事後確率に基づいて前記対象物体を識別するステップと
    を備えることを特徴とする信号処理方法。
PCT/JP2019/047676 2019-12-05 2019-12-05 レーダ信号処理器、レーダセンサシステム及び信号処理方法 WO2021111600A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021559584A JP6995258B2 (ja) 2019-12-05 2019-12-05 レーダ信号処理器、レーダセンサシステム及び信号処理方法
PCT/JP2019/047676 WO2021111600A1 (ja) 2019-12-05 2019-12-05 レーダ信号処理器、レーダセンサシステム及び信号処理方法
US17/722,826 US20220252714A1 (en) 2019-12-05 2022-04-18 Radar signal processing device, radar sensor system, and signal processing method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/047676 WO2021111600A1 (ja) 2019-12-05 2019-12-05 レーダ信号処理器、レーダセンサシステム及び信号処理方法

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US17/722,826 Continuation US20220252714A1 (en) 2019-12-05 2022-04-18 Radar signal processing device, radar sensor system, and signal processing method

Publications (1)

Publication Number Publication Date
WO2021111600A1 true WO2021111600A1 (ja) 2021-06-10

Family

ID=76221163

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/047676 WO2021111600A1 (ja) 2019-12-05 2019-12-05 レーダ信号処理器、レーダセンサシステム及び信号処理方法

Country Status (3)

Country Link
US (1) US20220252714A1 (ja)
JP (1) JP6995258B2 (ja)
WO (1) WO2021111600A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023144977A1 (ja) * 2022-01-28 2023-08-03 三菱電機株式会社 乗員状態検知装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220299653A1 (en) * 2020-12-16 2022-09-22 StarNav, LLC Radio frequency receiver for simultaneously processing multiple types of signals for positioning and method of operation
KR102475760B1 (ko) * 2022-02-28 2022-12-08 힐앤토 주식회사 다채널 레이더를 이용한 특정물체 판별방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011090413A (ja) * 2009-10-20 2011-05-06 Canon Inc 画像認識装置、その処理方法及びプログラム
JP2013170848A (ja) * 2012-02-17 2013-09-02 Kddi Corp 電波センサ装置
US9292792B1 (en) * 2012-09-27 2016-03-22 Lockheed Martin Corporation Classification systems and methods using convex hulls
JP2018048862A (ja) * 2016-09-20 2018-03-29 株式会社東芝 レーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラム
JP2019185210A (ja) * 2018-04-04 2019-10-24 Kddi株式会社 物体追跡装置及び物体追跡方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6829384B2 (en) * 2001-02-28 2004-12-07 Carnegie Mellon University Object finder for photographic images
US7679545B2 (en) * 2004-08-05 2010-03-16 Georgia Tech Research Corporation Suppressing motion interference in a radar detection system
LU92331B1 (en) * 2013-12-10 2015-06-11 Iee Sarl Radar sensor with frequency dependent beam steering
US10466349B2 (en) * 2015-01-02 2019-11-05 Reservoir Labs, Inc. Systems and methods for efficient targeting
JP2017223461A (ja) * 2016-06-13 2017-12-21 パナソニックＩｐマネジメント株式会社 レーダ装置および検出方法
CN108872961B (zh) * 2018-06-28 2022-03-22 西安电子科技大学 基于低门限的雷达微弱目标检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011090413A (ja) * 2009-10-20 2011-05-06 Canon Inc 画像認識装置、その処理方法及びプログラム
JP2013170848A (ja) * 2012-02-17 2013-09-02 Kddi Corp 電波センサ装置
US9292792B1 (en) * 2012-09-27 2016-03-22 Lockheed Martin Corporation Classification systems and methods using convex hulls
JP2018048862A (ja) * 2016-09-20 2018-03-29 株式会社東芝 レーダ信号処理装置、レーダ信号処理方法、およびレーダ信号処理プログラム
JP2019185210A (ja) * 2018-04-04 2019-10-24 Kddi株式会社 物体追跡装置及び物体追跡方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023144977A1 (ja) * 2022-01-28 2023-08-03 三菱電機株式会社 乗員状態検知装置

Also Published As

Publication number Publication date
US20220252714A1 (en) 2022-08-11
JP6995258B2 (ja) 2022-01-14
JPWO2021111600A1 (ja) 2021-06-10

Similar Documents

Publication Publication Date Title
Lee et al. Human–vehicle classification using feature‐based SVM in 77‐GHz automotive FMCW radar
JP6995258B2 (ja) レーダ信号処理器、レーダセンサシステム及び信号処理方法
US10969463B2 (en) Radar sensing with interference suppression
US11016171B2 (en) Radar sensing with phase correction
US9921305B2 (en) Radar apparatus and object sensing method
US11061127B2 (en) Vehicle radar system
US10234541B2 (en) FMCW radar device
US9689983B2 (en) Radar apparatus and running vehicle sensing method
US11209523B2 (en) FMCW radar with interference signal rejection
JP7130830B2 (ja) 電子機器、電子機器の制御方法、及びプログラム
TWI646342B (zh) 車載用雷達裝置
EP4187275A1 (en) Cfar phased array pre-processing using noncoherent and coherent integration in automotive radar systems
JP2015514971A (ja) 物標検出の方法
JP2009025159A (ja) レーダ装置
US10712428B2 (en) Radar device and target detecting method
JP3595220B2 (ja) 合成開口レーダ装置及び目標散乱点検出方法
US8188909B2 (en) Observation signal processing apparatus
JP7160561B2 (ja) 方位演算装置及び方位演算方法
CN112578374A (zh) 检测行人的方法和装置
WO2022249881A1 (ja) 電子機器、電子機器の制御方法、及びプログラム
JP7495248B2 (ja) レーダ装置、対象物検出方法およびプログラム
WO2023002870A1 (ja) 電子機器、電子機器の制御方法、及びプログラム
JP7359706B2 (ja) 物標識別装置
US20220381901A1 (en) Pre-Processing of Radar Measurement Data for Object Detection
JP7274271B2 (ja) レーダ装置および物標判別方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19954856

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021559584

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19954856

Country of ref document: EP

Kind code of ref document: A1