自動運転のための全天候性型走行環境認識技術の研究開発

点击翻译按钮获取中文摘要

レーダの空間分解能を向上させるため、レーダ方式にステップドFM方式を採用した。本研究では、Khatri-Rao積位相拡張処理（以下、KR積）を用いた帯域拡張による超高分解能化を提案した。この手法はステップドFM方式の各周波数ステップが位相検波されることに着目しており、KR積は検波後の位相の複素成分を用いて仮想的に拡張する。周波数ステップ数をNとすると、拡張の自由度は2N-1となることから、理論的に距離分解能を1/2にすることができることを提案している。さらに独立成分分析により干渉環境化、ノイズ環境下における複数目標分離に関しても提案している。まずシミュレーションにてKR積の理論分解能の評価を行った。スペクトルホールをつるくとピーク対サイドローブ比が劣化するが、提案手法のKR積処理を施すと、ピーク対サイドローブ比が改善し、半値角（ピーク電力から-3dB）における距離分解能も1/2まで改善することに成功した。また、実験にてKR積の理論分解能の評価を行った。実験シナリオで目標としてサイズの異なる球体2個を回転台に載せ、この回転台を回転させることで距離分解能の評価を行ったその結果、KR積処理を用いることで従来では分離できなかった2目標を分離することができており、距離分解能も2/3を達成することに成功した。加えて、本研究は2次元形状推定手法の確立を開発目標としていたが、手法の開発過程で新たに、3次元形状推定が可能であることも発見することができた。レーダの距離情報と角度情報から、各レーダ散乱点をMUSICアルゴリズムにより処理することで、物体の3次元形状推定が可能であることをシミュレーションで明らかにすることに成功した。