2021 Fiscal Year Research-status Report
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
Project/Area Number |
21K04041
|
Research Institution | Nagoya Institute of Technology |
Principal Investigator |
菊間 信良 名古屋工業大学, 工学(系)研究科(研究院), 教授 (40195219)
|
Project Period (FY) |
2021-04-01 – 2024-03-31
|
Keywords | MIMOレーダ / ターゲット方向推定 / 面的広がり / Capon法 / 圧縮センシング / スパースモデリング / k平均法 / 仮想アレーアンテナ |
Outline of Annual Research Achievements |
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いる.特にMIMOレーダを用いた高精度なターゲット推定は,自動運転にも資する技術であるので期待されている.2021年度(令和3年度)の具体的な成果を以下に述べる. (1)MIMOレーダにおいては,面的広がりのある複数ターゲットの分類が大きな課題となっている.本研究では,高分解能推定法の1つであるCapon法により,ターゲットから反射されるターゲット内の点源の位置を推定した.更に,そのスペクトル情報から非階層型クラスタリングアルゴリズムのk平均法を用いてターゲットの分類を試みた.その際,Capon法で計測されるスペクトラム強度を重み付けとした重み付けk平均法を適用した.計算機シミュレーションによる性能評価を通して,面的広がりのある複数ターゲットの分類において,Capon法に基づく重み付け平均を行うk平均法の有効性が示された. (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,MIMOレーダの仮想アレーアンテナの1スナップショットデータのみで電波(ターゲットからの反射波)の到来方向を推定可能な手法が必要とされている.その一手法として,圧縮センシング(スパースモデリング)がある.本研究では,その一つであるTSVD-FOCUSS (Truncated Singular Value Decomposition Focal Undetermined System Solver) に注目し,Truncation率という制御パラメータを反復演算中に切り替えることによって演算負荷を大きく増やすことなく推定性能を改善させることができることを示した.
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
MIMOレーダ(受信仮想アレーアンテナ)において,ターゲットの面的広がりと複数ターゲットの分類を精度良く行うことができることを示し,従来のレーダより大幅に性能向上することを確認できた.また,アレーアンテナの1スナップショットデータに対し圧縮センシングを適用し,パラメータ調整することにより,ターゲット方向の推定が精度良く,しかも効率的に行えることは示された.これらの成果から,1年目としてはおおむね順調に進展していると言える.
|
Strategy for Future Research Activity |
(1) MIMOレーダ用推定アルゴリズムの高性能化:MIMOレーダ用推定アルゴリズムとして Capon法を主に用いてきたが,今後は圧縮センシング(スパースモデリング)を用い,その基本特性を明確にする.また,そのスペクトラム情報を用いたk平均法によるターゲット分類性能についても検討する. (2) MIMOレーダの受信アレーの仮想多次元化:MIMOレーダの送信側で,空間領域,周波数領域,角度領域,符号領域などにおいて仮想アレーの多次元化を行う.これによりターゲットの3次元的の広がりの推定が可能となり,ターゲットの分類も3次元的に行えることになる.まずはこの実現可能性を探ることになる. (3) k平均法の改良:非階層型クラスタリングアルゴリズムのk平均法を改良し,ターゲット分類性能を向上させる.また,機械学習の他のクラスタリングアルゴリズムの適用も試み,性能を比較する. (4) 圧縮センシングの改良:圧縮センシングの制御パラメータの最適化を行い,ターゲット推定アルゴリズムを性能,効率の点から改良していく.
|
Causes of Carryover |
実験データ取得用および電磁界解析用コンピュータを購入する予定であったが,シミュレーションに重点を置いたため実験データ用のコンピュータは次年度購入することとした.また電磁界シミュレーションも小規模から中規模であったため,既存のコンピュータで実施できた.それ故,今後実施する大規模なシミュレーション用としての電磁界解析用コンピュータについても次年度の購入としている.前者のコンピュータはノート型となり,実験設備に接続して実験データ取得に使用する.後者のコンピュータは取得したデータの解析およびそのデータに基づく大規模シミュレーションに用いる.
|
Research Products
(9 results)