|
本研究では，自動運転を支える車載MIMO (Multiple-Input Multiple-Output) レーダの多次元仮想アレーによるターゲット推定性能を向上させることを目的としてきた．この仮想アレーにより，ターゲットの位置，物理的な広がりなど様々な情報を得ることができる．2020年度の具体的な成果を以下に述べる．
(1) マッチトフィルタを用いたMIMOレーダでは信号の分離が完全に行われておらず，推定精度が低下することがある．本研究では，MIMOレーダの仮想アレーにおいて圧縮センシング技術の導入やアルゴリズムの工夫によってターゲット方向推定精度の向上を目指した．高分解能推定法であるMUSIC法とCapon法および圧縮センシングのM-FOCUSSによるターゲット方向推定特性の比較検討を行った結果，MUSIC法では，信号部分空間の次元を大きくすることにより高い受信SNR領域で推定精度を向上させることができ，Capon法では常に安定して高い推定精度が得られることが示された．一方のM-FOCUSSでは，複数ターゲットの場合に推定精度が他の手法よりも高くなり，ターゲットが複数存在する場合に優位であることが確認された．
(2) MIMOレーダにおいて，圧縮センシングの一つで，1スナップショット推定が可能なFOCUSSと，最尤推定法の1手法であるSAGEアルゴリズムを併用することにより，ターゲット方向推定の推定精度の向上および演算時間の短縮を図った．推定精度および演算時間を評価した結果， 受信SNRが15dB以上で平均角度誤差が0.5度程度で横ばい状態となることがわかった．これに対し，SAGEアルゴリズムの導入により，推定精度が大きく向上した．演算時間については，SAGEアルゴリズムを導入したことで演算時間の増加が見られたが，全演算時間としては他のアルゴリズムより短いことが確認された．
|
