|
前年度は深層学習の畳み込みニューラルネットワーク（CNN）を応用したレーダ画像によるドローンの識別法を新たに考案し，鳥を模擬した鳥型ラジコンとドローン，ドローンの機種の識別の基礎的な検討を実施した．今年度は当該手法の有効性を明らかにするために，前年度までの検討で不足していた以下の事項について検討を行い，関連する研究成果として学術論文1件，国際会議論文1件，国内学会発表5件の成果をあげた．
１．レーダとの位置関係を変化させたときの各種ドローンのレーダエコーの測定及び識別性能の評価
前年度はドローン正面からレーダ信号を照射した場合のみの検討であった．実際の運用ではドローンはレーダより上空から飛来すると考えられるため，ドローンを下方から様々な角度（仰角）で捉えた場合の各種ドローンのレーダエコーのデータ測定を行い，前年度のデータを含む様々な角度のデータセットによる識別性能について検討した．その結果，鳥型ラジコンとドローンを99%，ドローンの各機種を約88%の精度で識別できることを確認した．
２．複数のCNNモデル及び再帰型ニューラルネットワーク（RNN）による識別性能の評価
CNNには層の深さの異なる様々なモデルがあり，識別性能が変化することから，代表的な4種のCNNモデル（AlexNet，GoogleNet，ResNet-50，ResNet-101）を用いてドローンの識別性能を比較検討した．その結果，CNNの層を深くしても識別精度は横ばいであり，深層化による精度向上は難しいことが分かった．また，項目1の測定でレーダエコーの時間変化に機種ごとに一定の特徴があったことから，動画像を取り扱うことのできるRNNのLSTMとCNNを組み合わせたConvLSTMを用いた場合の識別性能も検討した．その結果，ドローンの各機種を約96%の精度で識別でき，CNN単体よりも識別精度を向上できることを確認した．
|
