多次元スパースモデルと機械学習を用いたMIMOレーダによる高精度イメージング

使用多维稀疏模型和机器学习的 MIMO 雷达进行高精度成像

基本信息

批准号：
21K04041
负责人：
菊間信良
金额：
$ 2.58万
依托单位：
Nagoya Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K04041/
关键词：
MIMOレーダターゲット方向推定面的広がり k-means法圧縮センシングバイスタティックMIMOレーダ仮想アレーアンテナモルフォロジー処理 Capon法スパースモデリング k平均法 MIMO レーダイメージング多次元スパースモデル機械学習

项目摘要

本研究では，移動通信システム，無線LAN，レーダなどで幅広く使われているMIMO (Multiple-Input Multiple-Output) 技術を使って，高精度に端末や目標物（ターゲット）の位置推定を行うことを目標としてきた．特にMIMOレーダを用いたターゲット推定は自動運転にも資する技術であるので期待されている．2022年度（令和4年度）の具体的な成果を以下に述べる．（1）MIMOレーダにおいて，送信リニアアレーのアレー軸と受信リニアアレーのアレー軸を直交するように配列し，受信側で仮想平面アレーを構成する．この仮想平面アレーを用いて，複数ターゲットの面的広がりを推定した．推定アルゴリズムとしては，Beamformerと圧縮センシング (MFOCUSS) を組み合わせた手法の性能が一番良いことが示された．また，ターゲット分離においては，2021年度から機械学習の一つとして適用を検討してきた，重み付けk-means法と重み付けなしのk-means法に加え，モルフォロジー処理の性能を解析した．その結果，重み付けk-means法の有用性が最も高いことが示された．（2）自動車の自動運転の実現や危険回避システムの実現のため，アレーアンテナの少ないスナップショットデータで電波の到来方向推定可能なアルゴリズムが期待されている．本研究では，MIMOレーダの一形態であるバイスタティックMIMOレーダに，圧縮センシングの1アルゴリズムであるR-MFOCUSSを適用し，ターゲットに対する出発方向 (DOD) と到来方向 (DOA) の同時推定性能改善を試みた．結果として，受信側でマッチトフィルタを用いる場合，スナップショット数をいくらか増加させることで推定精度を向上させることができることを示した．また，処理時間がスナップショット数によらないことを確認した．

这项研究旨在使用MIMO（多输入多输出）技术准确估算终端和目标的位置，该技术广泛用于移动通信系统，无线LAN，雷达，雷达等。使用MIMO雷达的目标估计尤其有希望，因为它也是一种有助于自主驱动的技术。下面描述了2022财政年度的具体结果（REIWA 4）。（1）在MIMO雷达中，垂直布置了线性线性阵列的阵列轴和接收线性阵列的阵列轴，并在接收侧形成虚拟平面阵列。使用此虚拟平面阵列，估计了多个目标的平面扩展。已经表明，波束形式和压缩传感（Mfocuss）算法的最佳性能是最好的。此外，在目标分离中，我们除了加权K-均值方法和未加权的K-均值方法外，我们分析了形态处理的性能，这些方法自2021年以来被认为是一种机器学习方法。结果表明，加权K-Means方法最有用。（2）为了实现汽车的自动驾驶并实现危险系统的自主驾驶，预计算法可以使用较少的阵列天线的快照数据来估算无线电波的到达方向。在这项研究中，我们将R-Mfocuss（用于压缩感测的算法）应用于Bistatic Mimo Radar（一种MIMO雷达形式），以提高相对于目标的起始方向（DOD）和到达方向（DOD）的同时估计性能。结果，当在接收器侧使用匹配的过滤器时，可以通过在某种程度上增加快照数来提高估计准确性。还确认处理时间不取决于快照的数量。