2018 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, 准教授 (30295472)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | MIMOレーダ / ミリ波レーダ / 仮想アレー / モーションセンシング / スパース信号処理 / イメージングレーダ / マイクロドップラ |
|---|
| Outline of Annual Research Achievements |
本研究テーマは，ミリ波電波レーダによる人物等のモーション・センシングの実現を目指し，位置や動きの検出のみならず，動作の同定を通して，生活をより豊かにし，安全を確保するライフサポートシステムとして実用に資するセンサを開発することを目指している．その実現のため，本研究では，ミリ波帯で安定した性能を発揮するMIMOレーダを開発し，さらに人物の動きとドップラ周波数変動の分布を様々な観点から評価し，モーションセンサとしての特性を明らかにする．このようなセンサの実現は，ミリ波帯の利用促進に加え，カメラ等の既存センサの不得意領域を補完するものであり，センサフィージョンによるより豊かな生活環境実現のための要素技術の一つとして重要なものである．
平成30年度までに，ハードウェアの点では，本研究の根幹をなす2送信4受信のミリ波MIMOレーダの製作を完了し，本研究の鍵となる仮想アレー化による高分解能化すなわち，Khatri-Rao仮想アレー化技術が空間アレーのみならず，周波数データに対して有効であることを明らかにした．さらにMIMO仮想アレー時の効果的な素子配置を解明した．また，信号処理手法においては，折り返しひずみを有するドップラ周波数推定アルゴリズムを開発し，実験により実証した．これは見かけ上のドップラ周波数およびビート周波数（位置）を用いたドップラ周波数の折り返し回数を推定するものであり，仕様を上回る速度を有するターゲットが存在した場合であっても，この補正を可能とするものである．複素レーダ画像処理においては，複素スパース信号処理による特徴量の抽出手法の手始めとして，特徴量をもとにした雑音除去アルゴリズムを開発した．
平成30年度後半より，試作レーダによる人物トラッキングなどの屋内実験データの収集に取り掛かっている．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通りMIMOレーダの試作，折り返しひずみを有するドップラ周波数推定手法の開発，KR仮想アレー手法の理論的最適化を終え，屋内実験によるデータの収集に取り掛かっている．素子配置に関するレター論文も掲載され，またドップラの折り返しひずみ問題に関しても，論文投稿を終え，条件付き採録という状況である．昨年度までの主要な研究成果は，すべて論文として投稿済みという状況であり，順調といえる．
また，レーダに関しては，安価で性能の改善が可能となることが判明したので，データの精度向上のためにもこのレーダシステムの改修（改良）を行う予定である．今後は，レーダターゲットの認識など，信号処理アルゴリズムの開発，改良を進める予定であり，昨年度までの雑音除去に加え，たたみ込みスパース信号解析アルゴリズムのプログラム開発を終えており，それをベースにした特徴解析に取り掛かる準備も整っている．
|
| Strategy for Future Research Activity |
今年度は，レーダハードウェアに関しては，比較的安価で，更なる高速パルス送信が可能となる改修ができることが判明したので，まずはその改修によるレーダ性能の向上を図りたい．
その後，屋内における様々なターゲット（主に人物）の動きを中心に，マイクロドップラ等の時間変化からターゲット認識に有効な特徴量の解明に重点を置いて検討を進める．屋内以外にも，交差点における交通監視（車，人，自転車）におけるニーズもますます高まっている．屋内に加え，交差点を想定した屋外実験も視野に入れた検討を進めたい．
信号処理アルゴリズムにおいては，たたみ込みスパース解析手法の開発を終え，直接法に比べ飛躍的に少ないメモリ，実行時間による解析が可能となったため，そのアルゴリズムの活用と，また近年急速に発展しているCNN(畳み込みニューラルネットワーク)に関しても，一部適用し，ターゲット認識における様々な手法の特徴と性能を比較検討したい．なお，CNNに関しても，既に基礎的な検討に着手しており，マイクロ波リモートセンシングにおけるSAR画像分類での有効性を確認している．そのアルゴリズムをMIMOレーダにおいて，どのように活用すべきかを明らかにする予定である．
|
