2019 Fiscal Year Annual Research Report
Human motion detection and estimation by using Millimeter-wave motion sensing MIMO radar
| Project/Area Number |
17H03261
|
|---|
| Research Institution | Niigata University |
|---|
Principal Investigator |
山田 寛喜 新潟大学, 自然科学系, 教授 (20251788)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
村松 正吾 新潟大学, 自然科学系, 教授 (30295472)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | MIMOレーダ / モーションセンシング / ミリ波レーダ |
|---|
| Outline of Annual Research Achievements |
昨年度までの研究において，時分割(TDM)MIMOレーダ方式2送信4受信のミリ波帯MIMOレーダの試作を終え，通常の等間隔リニアアレーおよびKR仮想アレー配置による基礎実験を完了し，屋内のトラッキング，着席している人物の人数と位置の推定などの基礎的なイメージング実験を完了している．アルゴリズムにおいては，折り返しひずみを有するドップラ周波数推定手法のアリゴリズムを考案し，国際会議において公表し，論文として発表済みである．
最終年度である今年度は，急速に進展しているMIMOレーダにキャッチアップするためハードウェアの一部改修を行い，より高速なデータ取得を可能とするシステムに改修し，屋内人物における様々な動作を特定するための実験，および交通システムにおける応用を目指して交差点における車両，歩行者，自転車等の分離検出，識別実験によるデータ取得を行い，特徴量の抽出とたたみ込みニューラルネットワーク(CNN)を用いた認識など，複数の認識手法による比較を行った．特にドップラ周波数の変動に着目し，動きのある人物，車両などにおいても，それらの平均速度で補正を施した際のドップラ周波数の分散が，動作や車両の特徴を強く表すことを示した．このパラメータのみで，比較的高い精度での分類，認識が可能となる．さらにCNNを用いた際は，この分散特性を時間ードップラの2次元上で評価・比較することができるため，性能改善が図られることを確認した．屋内人物の動作検出に関しては，90%以上，交通システムに関しては同じ速度で移動している人物，自転車，自動車を80%程度の精度で認識することができることを示した．交通システムでの認識率がやや低い点は，システムの制約上，500MHzの帯域幅での実験であることが起因しているものといえる．より広帯域なシステムを用いた場合にはさらなる改善が可能と思われる．
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
