特許 6873009 レーダ装置および物標検出方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6873009

(24)【登録日】2021年4月22日

(45)【発行日】2021年5月19日

(54)【発明の名称】レーダ装置および物標検出方法

(51)【国際特許分類】

   G01S 13/66 20060101AFI20210510BHJP

   G01S 13/34 20060101ALI20210510BHJP

【ＦＩ】

   G01S13/66

   G01S13/34

【請求項の数】7

【全頁数】18

(21)【出願番号】特願2017-161428(P2017-161428)

(22)【出願日】2017年8月24日

(65)【公開番号】特開2019-39776(P2019-39776A)

(43)【公開日】2019年3月14日

【審査請求日】2020年3月31日

(73)【特許権者】

【識別番号】000237592

【氏名又は名称】株式会社デンソーテン

(74)【代理人】

【識別番号】110002147

【氏名又は名称】特許業務法人酒井国際特許事務所

(72)【発明者】

【氏名】ガンバ ジョナ

【審査官】 安井 英己

(56)【参考文献】

【文献】 特開２０１４−００６１２２（ＪＰ，Ａ）

【文献】 特開２０１５−０５５５４１（ＪＰ，Ａ）

【文献】 特開２０１３−０２４８６４（ＪＰ，Ａ）

【文献】 米国特許出願公開第２０１５／０３４６３３３（ＵＳ，Ａ１）

【文献】 特開２０１２−０３８１３１（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｓ ７／００− ７／４２，

Ｇ０１Ｓ １３／００−１３／９５

(57)【特許請求の範囲】

【請求項1】

周波数変調された送信波と物標による前記送信波の反射波とに基づいて前記物標に対応する観測値を検出する検出部と、
前記検出部によって検出された前記観測値に対して所定数の粒子データを対応付けるパーティクルフィルタを施すことによって、前記観測値に対応する物標データを生成するフィルタ処理部と、を備え、
前記フィルタ処理部は、
前記パーティクルフィルタにおける前回の前記粒子データから今回の前記粒子データへの予測処理において、カルマンフィルタを適用して前記今回の粒子データの予測を行う予測部を備え、
前記予測部は、
前記前回の粒子データに対応し、前記前回の粒子データよりも少ない個数の代表粒子データに対して前記カルマンフィルタを適用すること
を特徴とするレーダ装置。

【請求項2】

前記予測部は、
前記前回の粒子データに対応する１つの前記代表粒子データに対して前記カルマンフィルタを適用すること
を特徴とする請求項１に記載のレーダ装置。

【請求項3】

前記予測部は、
前記１つの代表粒子データが前記前回の粒子データの平均に相当すること
を特徴とする請求項２に記載のレーダ装置。

【請求項4】

前記予測部は、
前回の前記観測値をさらに加えて得られる前記代表粒子データに対して前記カルマンフィルタを適用すること
を特徴とする請求項１〜３のいずれか１つに記載のレーダ装置。

【請求項5】

前記予測部は、
前記代表粒子データに基づくシグマポイントをアンセンテッド変換する変換部と、
前記変換部によって変換された前記シグマポイントの平均値および共分散行列を算出し、当該共分散行列に基づいて前記予測処理に対する今回の前記代表粒子データの誤差を算出する算出部と、
前記算出部によって算出された前記誤差に基づいて前記代表粒子データを更新する更新部と、を有する前記カルマンフィルタを用いること
を特徴とする請求項１〜４のいずれか１つに記載のレーダ装置。

【請求項6】

前記予測部は、
前記更新部によって更新された前記代表粒子データに基づいて前記今回の粒子データそれぞれから前記誤差を除去することで、前記今回の粒子データを予測すること
を特徴とする請求項５に記載のレーダ装置。

【請求項7】

周波数変調された送信波と物標による前記送信波の反射波とに基づいて前記物標に対応する観測値を検出する検出工程と、
前記検出工程によって検出された前記観測値に対して所定数の粒子データを対応付けるパーティクルフィルタを施すことによって、前記観測値に対応する物標データを生成するフィルタ処理工程と、を含み、
前記フィルタ処理工程は、
前記パーティクルフィルタにおける前回の前記粒子データから今回の前記粒子データへの予測処理において、カルマンフィルタを適用して前記今回の粒子データの予測を行う予測工程を含み、
前記予測工程は、
前記前回の粒子データに対応し、前記前回の粒子データよりも少ない個数の代表粒子データに対して前記カルマンフィルタを適用すること
を特徴とする物標検出方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、レーダ装置および物標検出方法に関する。

【背景技術】

【0002】

従来、例えば車両に搭載され、かかる車両から送信される送信波が物標に当たって反射した反射波を受信し、受信信号を解析することで周期的に物標を検出するレーダ装置がある。

【0003】

このようなレーダ装置では、送信波と反射波とに基づき検出される反射点を解析することで、物標までの距離や速度等の要素を含む観測値（あるいは瞬時値とも呼ばれる）が生成される。そして、レーダ装置は、得られた観測値毎にフィルタ処理を施すことによって観測値毎に対応する物標データを生成する。

【0004】

例えば、レーダ装置は、フィルタ処理において、パーティクルフィルタを用いることが知られている。パーティクルフィルタでは、所定数の粒子データが分布された状態空間モデルに最新の観測値をプロットすることで、観測値から物標データを推定する（例えば、特許文献１参照）。

【0005】

ここで、パーティクルフィルタでは、１つ前の周期で用いられた粒子データの分布状態に基づいて最新の周期で用いる粒子データの分布状態を予測する予測処理が行われる。予測処理では、例えば、１つ前の周期の物標データに含まれる速度等の運動モデルに従って１つ前の周期の粒子データを移動させることで最新の粒子データを生成する。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２０１３−２３８４４２号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

しかしながら、従来の技術は、予測処理における予測精度を向上させる点で改善の余地があった。具体的には、予測処理では、１つ前の周期で検出された物標が最新の周期でも概ね同じように移動すると仮定して粒子データを移動させるため、例えば物標の状態が１つ前の周期と最新の周期とで大きく変化した場合には、最新の粒子データの予測誤差が比較的大きくなるおそれがあった。

【0008】

本発明は、上記に鑑みてなされたものであって、パーティクルフィルタにおける粒子データの予測精度を向上させることができるレーダ装置および物標検出方法を提供することを目的とする。

【課題を解決するための手段】

【0009】

上述した課題を解決し、目的を達成するために、本発明に係るレーダ装置は、検出部と、フィルタ処理部とを備える。前記検出部は、周波数変調された送信波と物標による前記送信波の反射波とに基づいて前記物標に対応する観測値を検出する。前記フィルタ処理部は、前記検出部によって検出された前記観測値に対して所定数の粒子データを対応付けるパーティクルフィルタを施すことによって、前記観測値に対応する物標データを生成する。また、前記フィルタ処理部は、前記パーティクルフィルタにおける前回の前記粒子データから今回の前記粒子データへの予測処理において、カルマンフィルタを適用して前記今回の粒子データの予測を行う予測部を備える。前記予測部は、前記前回の粒子データに対応し、前記前回の粒子データよりも少ない個数の代表粒子データに対して前記カルマンフィルタを適用する。

【発明の効果】

【0010】

本発明によれば、パーティクルフィルタにおける粒子データの予測精度を向上させることができる。

【図面の簡単な説明】

【0011】

【図1A】図１Ａは、実施形態に係る物標検出方法の概要を示す図である。

【図1B】図１Ｂは、実施形態に係る物標検出方法の概要を示す図である。

【図2】図２は、実施形態に係るレーダ装置の構成を示すブロック図である。

【図3】図３は、信号処理部の前段処理から信号処理部におけるピーク抽出処理までの処理説明図である。

【図4A】図４Ａは、角度推定処理の処理説明図である。

【図4B】図４Ｂは、ペアリング処理の処理説明図（その１）である。

【図4C】図４Ｃは、ペアリング処理の処理説明図（その２）である。

【図5】図５は、予測部の処理内容を示す図である。

【図6】図６は、予測部の処理内容を示す図である。

【図7】図７は、予測部の処理内容を示す図である。

【図8】図８は、予測部の処理内容を示す図である。

【図9】図９は、実施形態に係るレーダ装置が実行する処理の処理手順を示すフローチャートである。

【図10】図１０は、実施形態に係るカルマンフィルタが実行する処理の処理手順を示すフローチャートである。

【発明を実施するための形態】

【0012】

以下、添付図面を参照して、本願の開示するレーダ装置および物標検出方法の実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。なお、以下では、レーダ装置１がＦＭ−ＣＷ（Frequency Modulated Continuous Wave）方式である場合を例に挙げて説明するが、レーダ装置１は、例えばＦＣＭ（Fast-Chirp Modulation）方式といった他の方式であってもよい。

【0013】

まず、図１Ａおよび図１Ｂを用いて実施形態に係る物標検出方法の概要について説明する。図１Ａおよび図１Ｂは、実施形態に係る物標検出方法の概要を示す図である。図１Ａに示すように、レーダ装置１は、例えば車両ＭＣのフロントグリル内等に搭載され、車両ＭＣの進行方向に存在する物標（例えば、先行車ＬＣ等）を検出する。なお、レーダ装置１の搭載箇所は、例えばフロントガラスやリアグリル、左右の側部（例えば、左右のドアミラー）等他の箇所に搭載されてもよい。

【0014】

図１Ａに示すように、実施形態に係るレーダ装置１は、まず、物標に対応する観測値を検出する。観測値とは、周波数変調された送信波と物標による送信波の反射波とに基づいて検出される反射点の状態ベクトルを示す値である。かかる状態ベクトルには、反射点までの距離や相対速度といった値が含まれる。なお、観測値は、瞬時値等と呼ばれることもある。

【0015】

つづいて、図１Ａに示すように、実施形態に係るレーダ装置１は、検出した観測値に対してフィルタ処理を施すことによって、観測値に対応するフィルタ値である物標データを生成する。図１Ａに示すように、フィルタ処理には、例えばパーティクルフィルタが用いられる。

【0016】

パーティクルフィルタとは、所定数の粒子データと観測値とを所定の状態空間にプロットするとともに、かかる状態空間における位置関係を解析することによって、物標データを推定するものである。図１Ａに示すように、パーティクルフィルタでは、「予測」、「割り当て」、「重み付け」、「リサンプリング」および「データ生成」の処理が行われることで、観測値から物標データが生成される。

【0017】

ここで、パーティクルフィルタの各処理について簡単に説明する。「予測」は、最新の周期で用いる粒子データの状態空間での分布状態を予測する処理である。具体的には、「予測」は、１つ前の周期である前回の粒子データにおける分布状態から最新の周期である今回の粒子データにおける分布状態を予測する予測処理である。

【0018】

「割り当て」は、最新の周期である今回の観測値を予測した今回の粒子データへ割り当てる処理である。「割り当て」では、例えば、前回の物標データから所定の割り当て範囲に存在する観測値を今回の粒子データへ割り当てる。

【0019】

「重み付け」は、割り当てられた今回の観測値に基づいて今回の粒子データそれぞれに対して重み付けする処理である。「リサンプリング」は、「重み付け」による今回の粒子データそれぞれ重みに基づいて今回の粒子データそれぞれを再配置（リサンプリング）する処理である。「データ生成」は、リサンプリングされた今回の粒子データに基づいて今回の観測値から今回の物標データを生成する処理である。なお、パーティクルフィルタの各処理の詳細については後述する。

【0020】

ここで、従来の物標検出方法について説明する。従来の物標検出方法では、パーティクルフィルタにおける「予測」を、運動モデルに従って行っていた。具体的には、「予測」は、前回の物標データに含まれる位置や速度等の情報に基づいて前回の粒子データをある地点から別の地点に移動させて今回の粒子データを生成していた。つまり、１つ前の周期と最新の周期とで物標が概ね同じように移動すると仮定して今回の粒子データを予測していた。

【0021】

しかしながら、例えば１つ前の周期と最新の周期とで物標の速度や移動方向等の状態が大きく変化した場合（例えば、急加減速や、急旋回等）、従来のように運動モデルに従って「予測」を行うと、今回の粒子データにおける予測誤差が比較的大きくなるおそれがあった。

【0022】

そこで、実施形態に係る物標検出方法では、「予測」の処理において、カルマンフィルタを適用して前回の粒子データから今回の粒子データの予測を行うこととした。カルマンフィルタは、例えば無香カルマンフィルタを用いることができるが、これに限定されず、例えば、拡張カルマンフィルタ等でもよく、非線型カルマンフィルタであればよい。以下では、実施形態に係る物標検出方法において、無香カルマンフィルタを適用した場合について説明する。

【0023】

一般的に、カルマンフィルタとは、誤差を含む最新の観測値と、誤差を含む前回の状態データとに基づいて双方の誤差が最小となる最適カルマンゲインを算出し、かかる最適カルマンゲインを用いて前回の状態データから最新の状態データを予測するものである。

【0024】

つまり、実施形態に係るカルマンフィルタＫＦは、得られた最新の観測値および前回の粒子データ双方に誤差が含まれると仮定して、前回の粒子データを運動モデルに従って移動させた場合に、かかる誤差が最小となる最適カルマンゲインを算出する。そして、カルマンフィルタＫＦは、運動モデルと最適カルマンゲインを用いて、前回の粒子データＰａから今回の粒子データＰｂを生成する。

【0025】

具体的には、図１Ｂに示すように、実施形態に係るレーダ装置１は、前回の粒子データＰａ１〜Ｐａ８（前回の粒子データＰａと記載する場合がある）それぞれに対してカルマンフィルタＫＦを適用する。

【0026】

例えば、カルマンフィルタＫＦは、前回の粒子データＰａ１と今回の観測値とに基づいて最適カルマンゲインを算出し、今回の粒子データＰｂ１を予測する。つまり、カルマンフィルタＫＦは、前回の粒子データＰａ１〜Ｐａ８毎に最適カルマンゲインを算出し、今回の粒子データＰｂ１〜Ｐｂ８を予測する。具体的には、算出した最適カルマンゲインを用いて、前回の粒子データＰａ１〜Ｐａ８から今回の粒子データＰｂ１〜Ｐｂ８を生成することで、予測した今回の粒子データＰｂ１〜Ｐｂ８と真値との差（すなわち、誤差）を小さくすることができる。なお、図１Ｂでは、８個の前回の粒子データＰａ１〜Ｐａ８および今回の粒子データＰｂ１〜Ｐｂ８を示しているが、８個に限定されず、任意の個数を設定可能である。

【0027】

これにより、カルマンフィルタＫＦの出力結果である今回の粒子データＰｂ１〜Ｐｂ８は、誤差が最小となる。すなわち、実施形態に係る物標検出方法によれば、パーティクルフィルタにおける粒子データＰｂ１〜Ｐｂ８の予測精度を向上させることができる。

【0028】

なお、実施形態に係るレーダ装置１は、前回の粒子データＰａ１〜Ｐａ８すべてにカルマンフィルタＫＦを適用する必要はなく、例えば、前回の粒子データＰａ１〜Ｐａ８の平均に相当する１つの代表粒子データに対してカルマンフィルタＫＦを適用してもよい。かかる点の詳細については後述する。

【0029】

また、実施形態に係るレーダ装置１は、今回の観測値に加えて前回の観測値をさらにカルマンフィルタＫＦに入力することで、予測精度をさらに向上させることができるが、かかる点の詳細についても後述する。

【0030】

次に、図２を参照して、実施形態に係るレーダ装置１の構成について詳細に説明する。図２は、実施形態に係るレーダ装置１の構成を示すブロック図である。なお、図２では、本実施形態の特徴を説明するために必要な構成要素のみを機能ブロックで表しており、一般的な構成要素についての記載を省略している。

【0031】

換言すれば、図２に図示される各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。例えば、各機能ブロックの分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することが可能である。

【0032】

図２に示すように、レーダ装置１は、送信部１０と、受信部２０と、処理部３０とを備える。レーダ装置１は、車両ＭＣの挙動を制御する車両制御装置２と接続される。

【0033】

かかる車両制御装置２は、レーダ装置１による物標の検出結果に基づいて、ＰＣＳ（Pre-crash Safety System）やＡＥＢ(Advanced Emergency Braking System)などの車両制御を行う。

【0034】

送信部１０は、信号生成部１１と、発振器１２と、送信アンテナ１３とを備える。信号生成部１１は、後述する送受信制御部３１の制御により、三角波で周波数変調されたミリ波を送信するための変調信号を生成する。発振器１２は、かかる信号生成部１１によって生成された変調信号に基づいて送信信号を生成し、送信アンテナ１３へ出力する。なお、図２に示すように、発振器１２によって生成された送信信号は、後述するミキサ２２に対しても分配される。

【0035】

送信アンテナ１３は、発振器１２からの送信信号を送信波へ変換し、かかる送信波を車両ＭＣの外部へ出力する。送信アンテナ１３が出力する送信波は、三角波で周波数変調された連続波である。送信アンテナ１３から車両ＭＣの外部、たとえば前方へ送信された送信波は、先行車ＬＣなどの物標で反射されて反射波となる。

【0036】

受信部２０は、アレーアンテナを形成する複数の受信アンテナ２１と、複数のミキサ２２と、複数のＡ／Ｄ変換部２３とを備える。ミキサ２２およびＡ／Ｄ変換部２３は、受信アンテナ２１ごとに設けられる。

【0037】

各受信アンテナ２１は、物標からの反射波を受信波として受信し、かかる受信波を受信信号へ変換してミキサ２２へ出力する。なお、図２に示す受信アンテナ２１の数は４つであるが、３つ以下または５つ以上であってもよい。

【0038】

受信アンテナ２１から出力された受信信号は、図示略の増幅器（たとえば、ローノイズアンプ）で増幅された後にミキサ２２へ入力される。ミキサ２２は、分配された送信信号と、受信アンテナ２１から入力される受信信号との一部をミキシングし不要な信号成分を除去してビート信号を生成し、Ａ／Ｄ変換部２３へ出力する。

【0039】

ビート信号は、送信波と反射波との差分波であって、送信信号の周波数（以下、「送信周波数」と記載する）と受信信号の周波数（以下、「受信周波数」と記載する）との差となるビート周波数を有する。ミキサ２２で生成されたビート信号は、Ａ／Ｄ変換部２３でデジタル信号に変換された後に、処理部３０へ出力される。

【0040】

処理部３０は、送受信制御部３１と、信号処理部３２と、記憶部３３とを備える。信号処理部３２は、検出部３２ａと、フィルタ処理部３２ｂとを備える。

【0041】

記憶部３３は、履歴データ３３ａを記憶する。履歴データ３３ａは、信号処理部３２が実行する一連の信号処理における物標データの履歴を含む情報である。

【0042】

処理部３０は、たとえば、ＣＰＵ（Central Processing Unit）、記憶部３３に対応するＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）、レジスタ、その他の入出力ポートなどを含むマイクロコンピュータであり、レーダ装置１全体を制御する。

【0043】

かかるマイクロコンピュータのＣＰＵがＲＯＭに記憶されたプログラムを読み出して実行することによって、送受信制御部３１および信号処理部３２として機能する。なお、送受信制御部３１および信号処理部３２は全部をＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）などのハードウェアで構成することもできる。

【0044】

送受信制御部３１は、信号生成部１１を含む送信部１０、および、受信部２０を制御する。信号処理部３２は、一連の信号処理を周期的に実行する。つづいて信号処理部３２の各構成要素について説明する。

【0045】

検出部３２ａは、周波数解析部３２１ａと、ピーク抽出部３２２ａと、観測値生成部３２３ａとを備え、周波数変調された送信波と物標による送信波の反射波とに基づいて物標に対応する観測値を検出する。

【0046】

周波数解析部３２１ａは、各Ａ／Ｄ変換部２３から入力されるビート信号に対して高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）処理（以下、「ＦＦＴ処理」と記載する）を行い、結果をピーク抽出部３２２ａへ出力する。かかるＦＦＴ処理の結果は、ビート信号の周波数スペクトルであり、ビート信号の周波数ごと（周波数分解能に応じた周波数間隔で設定された周波数ビンごと）のパワー値（信号レベル）である。

【0047】

ピーク抽出部３２２ａは、周波数解析部３２１ａによるＦＦＴ処理の結果においてピークとなるピーク周波数を抽出して、抽出結果を観測値生成部３２３ａへ出力する。なお、ピーク抽出部３２２ａは、後述するビート信号の「ＵＰ区間」および「ＤＮ区間」のそれぞれについてピーク周波数を抽出する。

【0048】

観測値生成部３２３ａは、ピーク抽出部３２２ａにおいて抽出されたピーク周波数のそれぞれに対応する反射波の到来角度とそのパワー値を算出する角度推定処理を実行する。なお、角度推定処理の実行時点で、到来角度は、物標が存在すると推定される角度であることから、以下では「推定角度」と記載する場合がある。

【0049】

また、観測値生成部３２３ａは、算出した推定角度とパワー値との算出結果に基づいて「ＵＰ区間」および「ＤＮ区間」それぞれのピーク周波数の正しい組み合わせを判定するペアリング処理を実行する。

【0050】

また、観測値生成部３２３ａは、判定した組み合わせ結果から各物標の車両ＭＣに対する距離および相対速度を算出する。また、観測値生成部３２３ａは、算出した各物標の推定角度、距離および相対速度を、最新周期（最新スキャン）分の観測値としてフィルタ処理部３２ｂへ出力する。

【0051】

説明を分かりやすくするために、信号処理部３２の前段処理から信号処理部３２におけるここまでの処理の流れを図３〜図４Ｃに示す。図３は、信号処理部３２の前段処理から信号処理部３２におけるピーク抽出処理までの処理説明図である。

【0052】

また、図４Ａは、角度推定処理の処理説明図である。また、図４Ｂおよび図４Ｃは、ペアリング処理の処理説明図（その１）および（その２）である。なお、図３は、２つの太い下向きの白色矢印で３つの領域に区切られている。以下では、かかる各領域を順に、上段、中段、下段と記載する。

【0053】

図３の上段に示すように、送信信号ｆｓ（ｔ）は、送信アンテナ１３から送信波として送出された後、物標において反射されて反射波として到来し、受信アンテナ２１において受信信号ｆｒ（ｔ）として受信される。

【0054】

このとき、図３の上段に示すように、受信信号ｆｒ（ｔ）は、車両ＭＣと物標との距離に応じて、送信信号ｆｓ（ｔ）に対して時間差Ｔだけ遅延している。この時間差Ｔと、車両ＭＣおよび物標の相対速度に基づくドップラー効果とにより、ビート信号は、周波数が上昇する「ＵＰ区間」の周波数ｆｕｐと、周波数が下降する「ＤＮ区間」の周波数ｆｄｎとが繰り返される信号として得られる（図３の中段参照）。

【0055】

図３の下段には、かかるビート信号を周波数解析部３２１ａにおいてＦＦＴ処理した結果を、「ＵＰ区間」側および「ＤＮ区間」側のそれぞれについて模式的に示している。

【0056】

図３の下段に示すように、ＦＦＴ処理後には、「ＵＰ区間」側および「ＤＮ区間」側のそれぞれの周波数領域における波形が得られる。ピーク抽出部３２２ａは、かかる波形においてピークとなるピーク周波数を抽出する。

【0057】

たとえば、図３の下段に示した例の場合、ピーク抽出閾値が用いられ、「ＵＰ区間」側においては、ピークＰｕ１〜Ｐｕ３がそれぞれピークとして判定され、ピーク周波数ｆｕ１〜ｆｕ３がそれぞれ抽出される。

【0058】

また、「ＤＮ区間」側においては、同じくピーク抽出閾値により、ピークＰｄ１〜Ｐｄ３がそれぞれピークとして判定され、ピーク周波数ｆｄ１〜ｆｄ３がそれぞれ抽出される。

【0059】

ここで、ピーク抽出部３２２ａが抽出した各ピーク周波数の周波数成分には、複数の物標からの反射波が混成している場合がある。そこで、観測値生成部３２３ａは、各ピーク周波数のそれぞれについて方位演算する角度推定処理を行い、ピーク周波数ごとに対応する物標の存在を解析する。

【0060】

なお、観測値生成部３２３ａにおける方位演算は、たとえばＥＳＰＲＩＴ（Estimation of Signal Parameters via Rotational Invariance Techniques）などの公知の到来方向推定手法を用いて行うことができる。

【0061】

図４Ａは、観測値生成部３２３ａの方位演算結果を模式的に示すものである。観測値生成部３２３ａは、かかる方位演算結果の各ピークＰｕ１〜Ｐｕ３から、これらピークＰｕ１〜Ｐｕ３にそれぞれ対応する各物標（各反射点）の推定角度を算出する。また、各ピークＰｕ１〜Ｐｕ３の大きさがパワー値となる。観測値生成部３２３ａは、図４Ｂに示すように、かかる角度推定処理を「ＵＰ区間」側および「ＤＮ区間」側のそれぞれについて行う。

【0062】

そして、観測値生成部３２３ａは、方位演算結果において、推定角度およびパワー値の近い各ピークを組み合わせるペアリング処理を行う。また、その組み合わせ結果から、観測値生成部３２３ａは、各ピークの組み合わせに対応する各物標（各反射点）の距離および相対速度を算出する。

【0063】

距離は、「距離∝（ｆｕｐ＋ｆｄｎ）」の関係に基づいて算出することができる。相対速度は、「速度∝（ｆｕｐ−ｆｄｎ）」の関係に基づいて算出することができる。その結果、図４Ｃに示すように、車両ＭＣに対する、各反射点ＲＰの推定角度、距離および相対速度の瞬時値を示すペアリング処理結果が得られる。

【0064】

図２に戻って、フィルタ処理部３２ｂについて説明する。図２に示すように、フィルタ処理部３２ｂは、予測部３２１ｂと、割り当て部３２２ｂと、重み付け部３２３ｂと、リサンプリング部３２４ｂと、データ生成部３２５ｂとを備える。

【0065】

フィルタ処理部３２ｂは、検出部３２ａによって検出された観測値に対して所定数の粒子データＰｂを対応付けるパーティクルフィルタを施すことによって、観測値に対応する物標データを生成する。

【0066】

予測部３２１ｂは、パーティクルフィルタにおける前回の粒子データＰａから今回の粒子データＰｂを予測する予測処理を行う。具体的には、予測部３２１ｂは、最新の周期を時間ｔとし、時間ｔにおける各粒子データの分布状態Ｘ_ｔとした場合、前回の周期の時間ｔ−１の分布状態Ｘ_ｔ−１に基づく確率密度関数に基づいてＮ個の粒子データを配置（サンプリング）する。

【0067】

この時、予測部３２１ｂは、カルマンフィルタＫＦの出力に基づいて誤差が最小となるように今回の粒子データの分布状態Ｘ_ｔを予測する。なお、予測部３２１ｂの詳細な処理内容については、図５〜図８で後述する。

【0068】

割り当て部３２２ｂは、最新の周期における観測値を、予測部３２１ｂの予測結果である今回の粒子データＰｂへ割り当てる処理を行う。具体的には、割り当て部３２２ｂは、前回の物標データから今回の物標データを予測し、その予測結果に基づいて所定の割り当て範囲内に存在する観測値を割り当てる。

【0069】

なお、割り当て部３２２ｂは、いずれの物標データの割り当て範囲内にも存在しない観測値があった場合には、かかる観測値を新規物標の候補として扱う。かかる場合には、新規物標に相当する観測値に対して初期状態の粒子データが割り当てられる。初期状態とは、例えば新規物標に対して複数の粒子データを予め定められた位置関係で配置された状態をいう。

【0070】

重み付け部３２３ｂは、割り当てられた今回の観測値に基づいて今回の粒子データＰｂそれぞれに重みを付ける。具体的には、重み付け部３２３ｂは、今回の粒子データＰｂのうち、今回の観測値に近い粒子の重みが大きくなり、今回の観測値から遠い粒子の重みを小さくする。なお、ここでいう「近い」および「遠い」は、マハラノビス距離が「近い」および「遠い」ことを指す。マハラノビス距離は、物標データの複数のパラメータを用いて表される距離であり、前回と今回の物標に関する相関性を考慮した多次元の距離である。

【0071】

リサンプリング部３２４ｂは、今回の粒子データＰｂそれぞれの重みに基づいて粒子データを再配置（リサンプリング）する。具体的には、リサンプリング部３２４ｂは、重みが小さい粒子データを観測値の近くへ移動させる。

【0072】

データ生成部３２５ｂは、リサンプリング部３２４ｂによって再配置された今回の粒子データＰｂに基づいて確率密度関数を再計算し、再計算された確率密度関数の重心に基づいて物標データを生成する。なお、データ生成部３２５ｂは、確率密度関数の重心に基づいて物標データを生成したが、例えば、確率密度関数の平均に基づいて物標データを生成してもよい。

【0073】

次に、図５〜図８を用いて、予測部３２１ｂの具体的な処理内容について説明する。図５〜図８は、予測部３２１ｂの処理内容を示す図である。図５に示すように、予測部３２１ｂは、前回の粒子データＰａ１〜Ｐａ８に対応する１つの代表粒子データＰＡに対してカルマンフィルタＫＦを適用する。

【0074】

具体的には、予測部３２１ｂは、前回の粒子データＰａ１〜Ｐａ８の平均に相当する代表粒子データＰＡを生成する。例えば、予測部３２１ｂは、前回の粒子データＰａ１〜Ｐａ８の状態空間における平均値を算出することで代表粒子データＰＡを生成する。

【0075】

そして、予測部３２１ｂは、代表粒子データＰＡをカルマンフィルタＫＦに入力する。つまり、予測部３２１ｂは、前回の粒子データＰａ１〜Ｐａ８すべてをカルマンフィルタＫＦに入力するのではなく、代表粒子データＰＡのみをカルマンフィルタＫＦに入力する。これにより、カルマンフィルタＫＦにおいて、代表粒子データＰＡに対応する最適カルマンゲインを算出すればよいため、処理負荷を低減することができる。

【0076】

さらに、予測部３２１ｂは、前回の粒子データＰａ１〜Ｐａ８の平均に相当する代表粒子データＰＡを生成することで、カルマンフィルタＫＦの出力結果、つまり、今回の粒子データＰｂの予測精度が低下することを防止できる。

【0077】

なお、予測部３２１ｂは、単純な平均値を代表粒子データＰＡとして生成することに限定されず、前回の粒子データＰａ１〜Ｐａ８それぞれに所定の重みを付与した加重平均を算出することで代表粒子データＰＡを生成してもよい。

【0078】

あるいは、予測部３２１ｂは、前回の粒子データＰａ１〜Ｐａ８の分布状態が比較的狭い範囲にある場合には、前回の粒子データＰａ１〜Ｐａ８のうち、いずれか１つを代表粒子データＰＡとして選択してもよい。

【0079】

また、図５では、１つの代表粒子データＰＡを生成したが、１つに限定されるものではなく、前回の粒子データＰａ１〜Ｐａ８よりも少ない個数であればよい。かかる場合、前回の粒子データＰａ１〜Ｐａ８を所定数毎のグループに区分けして、各グループから代表粒子データＰＡを生成してもよい。つまり、複数の代表粒子データＰＡを用いることで今回の粒子データＰｂにおける予測精度の低下を抑えることができる。

【0080】

次に、図６および図７を用いて、カルマンフィルタＫＦの処理を具体的に説明する。図６に示すように、カルマンフィルタＫＦには、前回の粒子データＰａに相当する代表粒子データＰＡと、今回の観測値と、前回の観測値とが入力される。また、カルマンフィルタＫＦは、変換部ＫＦ１と、算出部ＫＦ２と、更新部ＫＦ３とを備え、前回の代表粒子データＰＡから今回の代表粒子データＰＡａ（図８参照）を予測する。

【0081】

変換部ＫＦ１は、前回の代表粒子データＰＡに基づくシグマポイントをアンセンテッド変換（以下、Ｕ変換と記載）する。シグマポイントとは、物標の非線形運動モデル（急加減速・急旋回の運動モデル）に応じて増減するサンプルポイントであり、観測値や粒子データの平均値の周りに設定されるポイントである。具体的には、シグマポイントは、平均値から算出される共分散行列の楕円に沿って設けられる点である。算出部ＫＦ２は、変換部ＫＦ１によって変換されたシグマポイントの平均値および共分散行列を算出し、かかる共分散行列に基づいて予測処理に対する今回の代表粒子データＰＡａの誤差を算出する。更新部ＫＦ３は、算出部ＫＦ２によって算出された誤差に基づいて最適カルマンゲインを算出し、前回の代表粒子データＰＡを更新する。具体的には、更新部ＫＦ３は、算出部ＫＦ２によって算出される誤差が最小となる重み付け値を最適カルマンゲインとして算出し、かかる最適カルマンゲインを適用して前回の代表粒子データＰＡから今回の代表粒子データを生成する。ここで、カルマンフィルタＫＦの各部の処理内容について図７を用いて説明する。

【0082】

図７は、カルマンフィルタＫＦの処理内容を示す図である。図７の上段には、今回の観測値ＯＶ１と、前回の観測値ＯＶ２と、代表粒子データＰＡとを所定の状態空間にプロットした場合を示している。変換部ＫＦ１は、まず、前回の観測値ＯＶ２と、代表粒子データＰＡとの平均値を示す点ＰＯを算出する。

【0083】

つづいて、変換部ＫＦ１は、算出した点ＰＯと、今回の観測値ＯＶ１との平均値を示す点Ａを算出する。つづいて、変換部ＫＦ１は、点Ａに基づいて共分散行列Ｃを算出する。具体的には、変換部ＫＦ１は、点ＰＯおよび今回の観測値ＯＶ１が点Ａからどの程度離れているかを示す分散度合を共分散行列Ｃとして算出する。そして、変換部ＫＦ１は、共分散行列Ｃに基づいてシグマポイントｓｇを複数個生成する。具体的には、シグマポイントｓｇは、共分散行列Ｃに相当する楕円周辺に位置する点である。

【0084】

つづいて、図７の中段に示すように、変換部ＫＦ１は、生成したシグマポイントｓｇをアンセンテッド変換（Ｕ変換）することでＵＴシグマポイントｕｓｇを生成する。具体的には、変換部ＫＦ１は、シグマポイントｓｇが１つ前の周期の状態データであると仮定し、非線形関数によって、シグマポイントｓｇを最新の周期の状態データに時間遷移させることで、ＵＴシグマポイントｕｓｇを生成する。

【0085】

非線形関数は、例えば、前回の粒子データＰａから今回の粒子データＰｂを予測する運動モデルに相当する関数を用いる。つまり、ＵＴシグマポイントｕｓｇは、シグマポイントｓｇを運動モデルに従って移動させた点であるといえる。

【0086】

つづいて、図７の下段に示すように、算出部ＫＦ２は、変換部ＫＦ１によって変換されたＵＴシグマポイントｕｓｇ毎に所定の重み付けをした平均値（加重平均）を算出して点ｕＡを生成する。

【0087】

つづいて、算出部ＫＦ２は、算出した平均値を示す点ｕＡに基づいて共分散行列ｕＣを算出する。かかる共分散行列ｕＣが、シグマポイントｓｇからＵＴシグマポイントｕｓｇに変換した際の誤差を示す。換言すると、算出部ＫＦ２は、共分散行列ｕＣを今回の代表粒子データＰＡａ（図８参照）の誤差として算出する。つまり、かかる誤差とは、カルマンフィルタＫＦを介して前回の代表粒子データＰＡを遷移させた今回の代表粒子データＰＡａと、カルマンフィルタＫＦを介さずに前回の代表粒子データＰＡを遷移させた今回の代表粒子データＰＡａとの真値の差を指す。

【0088】

つづいて、更新部ＫＦ３は、かかる共分散行列ｕＣに基づいて今回の代表粒子データＰＡａ（図８参照）の誤差が最小となる最適カルマンゲインを算出する。つづいて、更新部ＫＦ３は、運動モデルと最適カルマンゲインに基づいて前回の代表粒子データＰＡから今回の代表粒子データＰＡａを予測し、更新する。これにより、最新の周期における代表粒子データＰＡａの誤差が最小となるように更新できる。

【0089】

つまり、カルマンフィルタＫＦでは、前回の粒子データＰａを仮想点であるシグマポイントｓｇとして扱い、シグマポイントｓｇをアンセンテッド変換により時間遷移させることで生じる誤差を共分散行列ｕＣによって推定する。そして、推定された誤差が最小となるように、今回の代表粒子データＰＡａを更新する。

【0090】

すなわち、誤差を示す共分散行列ｕＣは、カルマンフィルタＫＦを介して前回の代表粒子データＰＡを遷移させた今回の代表粒子データＰＡａと、カルマンフィルタＫＦを介さずに前回の代表粒子データＰＡを遷移させた今回の代表粒子データＰＡａとの真値の差を指す。

【0091】

さらに、上記したように、カルマンフィルタＫＦに前回の観測値が入力される、換言すれば、更新された今回の代表粒子データＰＡａは、前回の観測値も加味されるため、予測精度を向上させることができる。また、予測精度の向上に伴って、後段の重み付け部３２３ｂ以降の処理において、今回の粒子データＰｂ１〜Ｐｂ８の数を前回の粒子データＰａ１〜Ｐａ８の数よりも減らすことができるため、レーダ装置１の処理負荷を低減することができる。なお、カルマンフィルタＫＦに前回の観測値を入力することとしたが、これに限らず、前回のフィルタ値である物標データを入力してもよい。

【0092】

次に、図８を用いて、今回の粒子データＰｂに対するカルマンフィルタＫＦの出力結果の反映方法について説明する。図８には、カルマンフィルタＫＦ適用前である前回の代表粒子データＰＡと、カルマンフィルタＫＦ適用後である今回の代表粒子データＰＡａとを示している。なお、代表粒子データＰＡを生成せずに、前回の粒子データＰａすべてにカルマンフィルタＫＦを適用する場合、図８に示す反映方法は省略される。

【0093】

また、図８に示すように、予測部３２１ｂは、カルマンフィルタＫＦの処理とは別に、前回の粒子データＰａ１〜Ｐａ８から今回の粒子データＰｂ１〜Ｐｂ８を運動モデルに従って予測する処理を行う。

【0094】

そして、予測部３２１ｂは、カルマンフィルタＫＦにおける更新部ＫＦ３によって更新された今回の代表粒子データＰＡａに基づいて今回の粒子データＰｂ１〜Ｐｂ８それぞれから誤差を除去することで、最終的な今回の粒子データＰｂ１〜Ｐｂ８を予測する。

【0095】

具体的には、図８に示すように、予測部３２１ｂは、カルマンフィルタＫＦとは別に生成した今回の粒子データＰｂ１〜Ｐｂ８の平均に相当する代表粒子データＰＢを生成する。換言すれば、今回の代表粒子データＰＢは、カルマンフィルタＫＦを通していない予測粒子データであり、今回の代表粒子データＰＡａは、カルマンフィルタＫＦを通した予測粒子データである。すなわち、今回の代表粒子データＰＡａは、真値との誤差が最小となる予測粒子データであり、今回の代表粒子データＰＢは、真値との誤差が比較的大きい予測粒子データである。

【0096】

そして、予測部３２１ｂは、代表粒子データＰＢと代表粒子データＰＡａとを比較する。具体的には、予測部３２１ｂは、代表粒子データＰＢと代表粒子データＰＡａとの差分を算出する。かかる差分が代表粒子データＰＢに含まれる誤差となる。

【0097】

そして、予測部３２１ｂは、算出した誤差を今回の粒子データＰｂ１〜Ｐｂ８すべてに反映する。つまり、予測部３２１ｂは、今回の粒子データＰｂ１〜Ｐｂ８すべてに同じ誤差が含まれていると仮定し、かかる今回の粒子データＰｂ１〜Ｐｂ８それぞれから誤差を除去する。換言すれば、予測部３２１ｂは、今回の粒子データＰｂ１〜Ｐｂ８それぞれに誤差を反映することで、真値との差が最小となる今回の粒子データＰｂ１〜Ｐｂ８を予測する。

【0098】

このように、代表粒子データＰＢおよび代表粒子データＰＡａを比較して全ての粒子データＰｂ１〜Ｐｂ８に反映することで、カルマンフィルタＫＦの処理負荷を抑えつつ予測精度を向上させることができる。

【0099】

次に、図９〜図１０を用いて、実施形態に係るレーダ装置１が実行する処理の処理手順について説明する。図９は、実施形態に係るレーダ装置１が実行する処理の処理手順を示すフローチャートである。

【0100】

図９に示すように、まず、検出部３２ａは、周波数変調された送信波と物標による送信波の反射波とに基づいて物標に対応する観測値を検出する（ステップＳ１０１）。

【0101】

つづいて、フィルタ処理部３２ｂの予測部３２１ｂは、パーティクルフィルタにおける粒子データであるパーティクル値計算を行う（ステップＳ１０２）。具体的には、予測部３２１ｂは、前回（１つ前の周期）用いられた粒子データＰａを取得する。

【0102】

つづいて、予測部３２１ｂは、パーティクルフィルタにおける前回の粒子データＰａから今回の粒子データＰｂへの予測処理において、カルマンフィルタＫＦによる処理を行う（ステップＳ１０３）。

【0103】

つづいて、予測部３２１ｂは、カルマンフィルタＫＦによって更新された今回の代表粒子データＰＡａに基づいて今回の粒子データＰｂを予測する（ステップＳ１０４）。つづいて、割り当て部３２２ｂは、今回の粒子データＰｂに今回の観測値を割り当てる（ステップＳ１０５）。

【0104】

つづいて、重み付け部３２３ｂは、今回の観測値に基づいて今回の粒子データＰｂそれぞれに重み付けを行う（ステップＳ１０６）。つづいて、リサンプリング部３２４ｂは、重み付け部３２３ｂによる重み付けに基づいて今回の粒子データＰｂのリサンプリングを行う（ステップＳ１０７）。

【0105】

つづいて、データ生成部３２５ｂは、リサンプリングされた今回の粒子データＰｂの確率密度関数を更新し、かかる確率密度関数に基づいて物標データを生成し（ステップＳ１０８）、処理を終了する。

【0106】

次に、図１０を用いて、実施形態に係るカルマンフィルタＫＦが実行する処理の処理手順について説明する。図１０は、実施形態に係るカルマンフィルタＫＦが実行する処理の処理手順を示すフローチャートである。また、図１０では、図９のステップＳ１０３である「カルマンフィルタによる処理」およびステップＳ１０４である「今回の粒子データを予測」する処理の具体的な処理手順を示している。

【0107】

図１０に示すように、変換部ＫＦ１は、まず、前回の状態データを取得する（ステップＳ２０１）。具体的には、変換部ＫＦ１は、前回の粒子データＰａと、前回の観測値とを取得する。なお、この時、今回の観測値も取得する。

【0108】

つづいて、変換部ＫＦ１は、前回の粒子データＰａと、前回の観測値と、今回の観測値とに基づいてシグマポイント計算を行うことでシグマポイントｓｇを生成する（ステップＳ２０２）。

【0109】

つづいて、変換部ＫＦ１は、アンセンテッド変換（Ｕ変換）を行うことで、ＵＴシグマポイントｕｓｇを生成する（ステップＳ２０３）。つづいて、変換部ＫＦ１は、ＵＴシグマポイントｕｓｇの平均値ｕＡおよび共分散行列ｕＣを算出する（ステップＳ２０４）。

【0110】

つづいて、更新部ＫＦ３は、共分散行列ｕＣに基づいて今回の粒子データＰｂを含む状態データを更新し（ステップＳ２０５）、処理を終了する。つまり、ステップＳ２０１〜Ｓ２０４がステップＳ１０３に対応し、ステップＳ２０５がステップＳ１０４に対応する。

【0111】

上述してきたように、実施形態に係るレーダ装置１は、検出部３２ａと、フィルタ処理部３２ｂとを備える。検出部３２ａは、周波数変調された送信波と物標による送信波の反射波とに基づいて物標に対応する観測値を検出する。フィルタ処理部３２ｂは、検出部３２ａによって検出された観測値に対して所定数の粒子データＰｂを対応付けるパーティクルフィルタを施すことによって、観測値に対応する物標データを生成する。また、フィルタ処理部３２ｂは、パーティクルフィルタにおける前回の粒子データＰａから今回の粒子データＰｂへの予測処理において、カルマンフィルタＫＦを適用して今回の粒子データＰｂの予測を行う予測部３２１ｂを備える。また、予測部３２１ｂは、前回の粒子データＰａに対応し、前回の粒子データＰａよりも少ない個数の代表粒子データＰＡに対してカルマンフィルタＫＦを適用する。これにより、パーティクルフィルタにおける粒子データＰｂの予測精度を向上させることができる。

【0112】

上述した実施形態では、レーダ装置１は車両ＭＣに設けられることとしたが、無論、車両以外の移動体、たとえば船舶や航空機などに設けられてもよい。

【0113】

また、上述した各実施形態では、レーダ装置１の用いる到来方向推定手法の例にＥＳＰＲＩＴを挙げたが、これに限られるものではない。たとえばＤＢＦ（Digital Beam Forming）や、ＰＲＩＳＭ（Propagator method based on an Improved Spatial-smoothing Matrix）、ＭＵＳＩＣ（Multiple Signal Classification）などを用いてもよい。

【0114】

さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。

【符号の説明】

【0115】

１ レーダ装置
３２ 信号処理部
３２ａ 検出部
３２ｂ フィルタ処理部
３２１ａ 周波数解析部
３２２ａ ピーク抽出部
３２３ａ 観測値生成部
３２１ｂ 予測部
３２２ｂ 割り当て部
３２３ｂ 重み付け部
３２４ｂ リサンプリング部
３２５ｂ データ生成部
３３ 記憶部
３３ａ 履歴データ
Ｐａ，Ｐｂ 粒子データ
ＰＡ，ＰＢ 代表粒子データ
ＫＦ カルマンフィルタ
ＫＦ１ 変換部
ＫＦ２ 算出部
ＫＦ３ 更新部

【図1A】

【図1B】

【図2】

【図3】

【図4A】

【図4B】

【図4C】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】