| 研究課題/領域番号 |
18K13772
|
|---|
| 研究機関 | 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群) |
|---|
研究代表者 |
中村 僚兵 防衛大学校(総合教育学群、人文社会科学群、応用科学群、電気情報学群及びシステム工学群), 電気情報学群, 准教授 (70735969)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2022-03-31
|
| キーワード | ドローン検知 / レーダ / 超広帯域 / 識別 / サポートベクタ―マシン / 深層学習 |
|---|
| 研究実績の概要 |
前年度は5種のドローンと鳥型ラジコンを飛行させて超広帯域レーダによる反射特性の解明と特徴の一般性の実証を行った．また，得られた結果から各ドローン及び鳥の分離識別法の基礎検討を実施し，機械学習法の一つであるサポートベクタマシン（SVM）による識別を検討した．今年度は前年度までに判明した識別法の課題を解決するため以下の検討を行い，学術論文1件，国際会議論文1件，国内学会発表3件の成果をあげた（2021年4月現在）．
１．各ドローン及び鳥の分離識別法の改良
前年度に検討したSVMによる各ドローン及び鳥の分離識別法の改良を実施した．前年度までは，分離識別のための特徴量として，対象からの反射信号の数とRCSを採用していた．その結果，ドローンと鳥型ラジコンは，100%の精度で分類できたが，各ドローン間の識別性能は80～100%であり，機種によっては識別精度がやや低かった．そこで，反射波の数や幅からボディとロータ―の間隔（長さ）やボディサイズを推定し，識別のための新たな特徴として加えた．その結果，識別精度の低かったドローンの識別精度は85%程度に改善したが，逆に識別精度の高かったドローンの識別精度も90%程度に低下することとなった．
２．深層学習を利用した新たな各ドローン及び鳥の分離識別法の基礎検討
項目１．で実施した改良はすべてのドローンに対して必ずしも有効とは言えないことが分かった．これまでの研究により各ドローンの反射信号を時系列で画像表示（レーダ画像）すると機種ごとに明確な差異が視認できた．そこで，画像認識分野で優れた識別性能をもつ深層学習アルゴリズムの畳み込みニューラルネットワーク（CNN）を用いて，各ドローンのレーダ画像を識別する方法を新たに検討した．その結果，少ない学習データでの検証ではあるが各ドローンを90%以上の精度で識別できることを示した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
当初の計画では，各種飛行条件や環境のパターンを増やして多数のデータ測定を行い，各ドローンの識別性能の詳細な評価を実施する予定であった．しかしながらコロナウイルスの影響により測定実験が予定通り実施できなかったためやや遅れていると判断した．
|
| 今後の研究の推進方策 |
本年度は昨年度に実施できなかった各種飛行条件や環境のパターンを増やした多数のデータ測定を行い，各ドローンの識別性能の詳細な評価を実施する．
|
| 次年度使用額が生じた理由 |
次年度使用額が生じた理由は研究発表における参加費用や国際会議の出張費用がコロナウイルスによりオンライン発表となったことから当初予定した費用よりも下がったためである．今後の推進方策に記載した内容に従い，研究を実施するが，当該研究結果を国内会議と国際会議および学術論文で報告するために，研究費を使用する予定である．さらに実験を実施する際に必要な物品の購入にも充当する予定である．
|
