特開 2024-158918 レーダ物標追尾装置及びレーダ物標追尾プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024158918

(43)【公開日】2024-11-08

(54)【発明の名称】レーダ物標追尾装置及びレーダ物標追尾プログラム

(51)【国際特許分類】

   G01S 13/66 20060101AFI20241031BHJP

【ＦＩ】

G01S13/66

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2023074549

(22)【出願日】2023-04-28

(71)【出願人】

【識別番号】000004330

【氏名又は名称】日本無線株式会社

(74)【代理人】

【識別番号】100119677

【弁理士】

【氏名又は名称】岡田 賢治

(74)【代理人】

【識別番号】100160495

【弁理士】

【氏名又は名称】畑 雅明

(74)【代理人】

【識別番号】100173716

【弁理士】

【氏名又は名称】田中 真理

(74)【代理人】

【識別番号】100115794

【弁理士】

【氏名又は名称】今下 勝博

(72)【発明者】

【氏名】藤城 佑太

(72)【発明者】

【氏名】嶋村 重治

(72)【発明者】

【氏名】諸星 博之

【テーマコード（参考）】

5J070

【Ｆターム（参考）】

5J070AC01

5J070AH04

5J070BB06

(57)【要約】

【課題】本開示は、クラッタの強度が高いときでも、スキャン間相関を用いて、ＳＣ比を向上させたうえで、物標を追尾することを目的とする。
【解決手段】本開示は、レーダを用いて物標Ｔを追尾するレーダ物標追尾装置２であって、過去のＮ枚のスキャン間相関画像から、前回のスキャン間相関画像における物標Ｔの位置を中心とし所定サイズを有する物標画像を抽出する物標画像抽出部２３と、過去のＮ枚の物標画像の時系列について、時間周波数・空間周波数領域における振幅スペクトルの二乗に基づいて、又は、時間・空間領域における物標画像同士の畳み込み積分に基づいて、スキャン間ラグｎの自己相関画像を算出する自己相関処理部２４と、スキャン間ラグｎの自己相関画像に基づいて、前回のスキャンからｎスキャン後における物標Ｔの予測位置の確率分布を生成する予測分布生成部２６と、を備えるレーダ物標追尾装置２である。
【選択図】図３

【特許請求の範囲】

【請求項1】

レーダを用いて物標を追尾するレーダ物標追尾装置であって、
過去のＮ枚のスキャン間相関画像から、前回のスキャン間相関画像における前記物標の位置を中心とし所定サイズを有する物標画像を抽出する物標画像抽出部と、
過去のＮ枚の物標画像の時系列について、時間周波数・空間周波数領域における振幅スペクトルの二乗に基づいて、又は、時間・空間領域における物標画像同士の畳み込み積分に基づいて、スキャン間ラグｎの自己相関画像を算出する自己相関処理部と、
前記スキャン間ラグｎの自己相関画像に基づいて、前回のスキャンからｎスキャン後における前記物標の予測位置の確率分布を生成する予測分布生成部と、
を備えることを特徴とするレーダ物標追尾装置。

【請求項2】

前記自己相関処理部は、スキャン間ラグ１の自己相関画像を算出し、
前記予測分布生成部は、前記スキャン間ラグ１の自己相関画像に基づいて、前記前回のスキャンの次の最新のスキャンにおける前記物標の予測位置の確率分布を生成する
ことを特徴とする、請求項１に記載のレーダ物標追尾装置。

【請求項3】

前記スキャン間ラグｎの自己相関画像における最大相関値が、前記物標以外のクラッタの強度が低い（高い）ほど高く（低く）設定される所定閾値以上であるときに、前記前回のスキャンからｎスキャン後における前記物標の存在を判断し、前記スキャン間ラグｎの自己相関画像を前記予測分布生成部へと入力する自己相関検出部、
をさらに備えることを特徴とする、請求項１又は２に記載のレーダ物標追尾装置。

【請求項4】

前記前回のスキャンからｎスキャン後におけるスキャン画像の各セル値と、前記前回のスキャンからｎスキャン後における前記物標の予測位置の確率分布の各セル値と、を重み付け加算したうえで、前記前回のスキャンからｎスキャン後におけるスキャン間相関画像の各セル値を算出するにあたり、当該スキャン画像の各セル値が所定閾値未満であるときに、当該スキャン画像の各セル値が前記所定閾値以上であるときと比べて、当該確率分布の各セル値の重み付け係数を０又はより小さい値に設定する重み付け加算部、
をさらに備えることを特徴とする、請求項１又は２に記載のレーダ物標追尾装置。

【請求項5】

請求項１又は２に記載のレーダ物標追尾装置が備える各処理部が実行する各処理ステップを、コンピュータに実行させるためのレーダ物標追尾プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、レーダを用いて物標を追尾する技術に関する。

【背景技術】

【0002】

レーダを用いて物標を追尾する技術が、特許文献１等に開示されている。特許文献１では、スキャン間相関を用いて、ＳＣ比を向上させたうえで、物標を追尾している。

【0003】

従来技術のレーダ物標追尾処理の概要を図１に示す。図１では、クラッタ（シークラッタ等）の強度が低いときを想定している。前回のスキャン間相関画像ＣＰにおいて、３次元フーリエ変換により、物標Ｔ（船舶等）の速度ｖを算出する。最新の予測分布画像ＰＬにおいて、前回のスキャン間相関画像ＣＰに対する、物標Ｔの速度ｖ×スキャンの間隔ｔだけの各セルのシフトにより、物標Ｔの予測分布を生成する。最新のスキャン画像ＳＬにおいて、最新の予測分布画像ＰＬと比べて、ほぼ同一の位置に物標Ｔを検出する。最新のスキャン間相関画像ＣＬにおいて、最新の予測分布画像ＰＬと最新のスキャン画像ＳＬとを重み付け加算する。よって、クラッタの強度が低いときには、物標Ｔの速度ｖを高精度に算出することができ、最新の予測分布画像ＰＬと最新のスキャン画像ＳＬとの重み付け加算により、ＳＣ比を向上させることができ、物標Ｔを追尾することができる。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１２－１０３１９７号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

従来技術のレーダ物標追尾処理の課題を図２に示す。図２では、クラッタＣの強度が高いときを想定している。前回のスキャン間相関画像ＣＰにおいて、３次元フーリエ変換により、物標Ｔの速度ｖを算出する。最新の予測分布画像ＰＬにおいて、前回のスキャン間相関画像ＣＰに対する、物標Ｔの速度ｖ×スキャンの間隔ｔだけの各セルのシフトにより、物標Ｔの予測分布を生成する。最新のスキャン画像ＳＬにおいて、最新の予測分布画像ＰＬと比べて、多少ずれた位置に物標Ｔを検出する。最新のスキャン間相関画像ＣＬにおいて、最新の予測分布画像ＰＬと最新のスキャン画像ＳＬとを重み付け加算する。しかし、クラッタＣの強度が高いときには、物標Ｔの速度ｖを高精度に算出することができず、最新の予測分布画像ＰＬと最新のスキャン画像ＳＬとの重み付け加算によっても、ＳＣ比を向上させることができず、物標Ｔを追尾することができない。

【0006】

そこで、前記課題を解決するために、本開示は、クラッタの強度が高いときでも、スキャン間相関を用いて、ＳＣ比を向上させたうえで、物標を追尾することを目的とする。

【課題を解決するための手段】

【0007】

前記課題を解決するために、過去の物標画像の時系列について、自己相関画像を算出する。ここで、自己相関画像は、物標の予測位置の確率分布に対応する。そして、物標の予測位置の確率分布は、クラッタの強度が高いときには、高い冗長性を有する。よって、物標の予測位置の確率分布とスキャン画像上との物標とは、クラッタの強度が高いときでも、十分な重なりを有する。そして、物標の予測位置の確率分布とスキャン画像上の物標との重み付け加算により、ＳＣ比を向上させることができ、物標を追尾することができる。

【0008】

具体的には、本開示は、レーダを用いて物標を追尾するレーダ物標追尾装置であって、過去のＮ枚のスキャン間相関画像から、前回のスキャン間相関画像における前記物標の位置を中心とし所定サイズを有する物標画像を抽出する物標画像抽出部と、過去のＮ枚の物標画像の時系列について、時間周波数・空間周波数領域における振幅スペクトルの二乗に基づいて、又は、時間・空間領域における物標画像同士の畳み込み積分に基づいて、スキャン間ラグｎの自己相関画像を算出する自己相関処理部と、前記スキャン間ラグｎの自己相関画像に基づいて、前回のスキャンからｎスキャン後における前記物標の予測位置の確率分布を生成する予測分布生成部と、を備えることを特徴とするレーダ物標追尾装置である。

【0009】

この構成によれば、クラッタの強度が高いときでも、自己相関処理に基づくスキャン間相関を用いて、ＳＣ比を向上させたうえで、物標を追尾することができる。

【0010】

また、本開示は、前記自己相関処理部は、スキャン間ラグ１の自己相関画像を算出し、前記予測分布生成部は、前記スキャン間ラグ１の自己相関画像に基づいて、前記前回のスキャンの次の最新のスキャンにおける前記物標の予測位置の確率分布を生成することを特徴とするレーダ物標追尾装置である。

【0011】

この構成によれば、最新のスキャンにおける物標の予測位置の確率分布を、前回のスキャンからｎスキャン後（ｎ≧２）における物標の予測位置の確率分布と比べて、高精度に生成することができる。そして、加速度を有する物標及び高速で移動する物標についても、最新のスキャンにおける物標の予測位置の確率分布を高精度に生成することができる。

【0012】

また、本開示は、前記スキャン間ラグｎの自己相関画像における最大相関値が、前記物標以外のクラッタの強度が低い（高い）ほど高く（低く）設定される所定閾値以上であるときに、前記前回のスキャンからｎスキャン後における前記物標の存在を判断し、前記スキャン間ラグｎの自己相関画像を前記予測分布生成部へと入力する自己相関検出部、をさらに備えることを特徴とするレーダ物標追尾装置である。

【0013】

この構成によれば、クラッタの強度が高いときには、物標をロストしないようにでき、クラッタの強度が低いときには、クラッタを排除することができる。

【0014】

また、本開示は、前記前回のスキャンからｎスキャン後におけるスキャン画像の各セル値と、前記前回のスキャンからｎスキャン後における前記物標の予測位置の確率分布の各セル値と、を重み付け加算したうえで、前記前回のスキャンからｎスキャン後におけるスキャン間相関画像の各セル値を算出するにあたり、当該スキャン画像の各セル値が所定閾値未満であるときに、当該スキャン画像の各セル値が前記所定閾値以上であるときと比べて、当該確率分布の各セル値の重み付け係数を０又はより小さい値に設定する重み付け加算部、をさらに備えることを特徴とするレーダ物標追尾装置である。

【0015】

この構成によれば、物標の予測位置の確率分布とスキャン画像上の物標との重なり部分について、物標の予測位置の確率分布の冗長性成分を維持することができる。そして、互いに離れた複数の物標のうち、着目物標については、ＳＣ比を向上させることができ、物標を追尾することができるが、他の物標については、ＳＣ比を低減させることができる。

【0016】

また、本開示は、以上に記載のレーダ物標追尾装置が備える各処理部が実行する各処理ステップを、コンピュータに実行させるためのレーダ物標追尾プログラムである。

【0017】

この構成によれば、以上に記載の効果を有するプログラムを提供することができる。

【0018】

なお、上記各開示の発明は、可能な限り組み合わせることができる。

【発明の効果】

【0019】

このように、本開示は、クラッタの強度が高いときでも、スキャン間相関を用いて、ＳＣ比を向上させたうえで、物標を追尾することができる。

【図面の簡単な説明】

【0020】

【図1】従来技術のレーダ物標追尾処理の概要を示す図である。

【図2】従来技術のレーダ物標追尾処理の課題を示す図である。

【図3】本開示のレーダ物標追尾システムの構成を示す図である。

【図4】本開示のレーダ物標追尾処理の手順を示す図である。

【図5】本開示のレーダ物標追尾処理の手順を示す図である。

【図6】本開示のレーダ物標追尾処理の概要を示す図である。

【図7】本開示のレーダ物標追尾処理の概要を示す図である。

【図8】本開示の自己相関画像算出処理の具体例を示す図である。

【図9】本開示の自己相関画像算出処理の具体例を示す図である。

【図10】本開示の自己相関画像算出処理の具体例を示す図である。

【図11】本開示の自己相関画像算出処理の具体例を示す図である。

【図12】本開示の物標存在判断処理の具体例を示す図である。

【図13】本開示の重み付け加算処理の具体例を示す図である。

【図14】本開示の重み付け加算処理の具体例を示す図である。

【発明を実施するための形態】

【0021】

添付の図面を参照して本開示の実施形態を説明する。以下に説明する実施形態は本開示の実施の例であり、本開示は以下の実施形態に制限されるものではない。

【0022】

（本開示のレーダ物標追尾システムの構成）
本開示のレーダ物標追尾システムの構成を図３に示す。レーダ物標追尾システムＲは、レーダ送受信装置１、レーダ物標追尾装置２及びレーダ表示装置３を備える。レーダ送受信装置１は、レーダ送信信号を物標Ｔへと照射し、レーダ反射信号を物標Ｔから受信する。レーダ物標追尾装置２は、スキャン間相関を用いて、ＳＣ比を向上させたうえで、物標Ｔを追尾する。レーダ表示装置３は、物標Ｔの追尾結果を表示する。

【0023】

レーダ物標追尾装置２は、スキャン画像取得部２１、スキャン間相関画像記憶部２２、物標画像抽出部２３、自己相関処理部２４、自己相関検出部２５、予測分布生成部２６、重み付け加算部２７及びクラスタリング処理部２８を備え、図４、５に示すレーダ物標追尾プログラムをコンピュータにインストールし実現することができる。

【0024】

つまり、過去の物標画像の時系列について、自己相関画像を算出する。ここで、自己相関画像は、物標Ｔ（船舶等）の予測位置の確率分布に対応する。そして、物標Ｔの予測位置の確率分布は、クラッタ（シークラッタ等）の強度が高いときには、高い冗長性を有する。よって、物標Ｔの予測位置の確率分布とスキャン画像上の物標Ｔとは、クラッタの強度が高いときでも、十分な重なりを有する。そして、物標Ｔの予測位置の確率分布とスキャン画像上の物標Ｔとの重み付け加算により、ＳＣ比を向上させることができ、物標Ｔを追尾することができる。以下に、本開示のレーダ物標追尾処理の詳細を説明する。

【0025】

（本開示のレーダ物標追尾処理の手順）
本開示のレーダ物標追尾処理の手順を図４、５に示す。本開示のレーダ物標追尾処理の概要を図６、７に示す。図４～７では、各スキャン画像が取得されるたびに、かつ、各物標Ｔが追尾されるごとに、レーダ物標追尾処理が実行されている。

【0026】

スキャン画像取得部２１は、各スキャン画像を取得するたびに、物標Ｔの予測位置の確率分布とスキャン画像上の物標Ｔとの重み付け加算を考慮して、各スキャン画像の各セル値のスケーリング（例えば、０以上１以下）を実行する。スキャン間相関画像記憶部２２は、過去のスキャン間相関画像及び物標Ｔの位置（例えば、重心位置）を記憶する。

【0027】

物標画像抽出部２３は、過去のＮ枚のスキャン間相関画像から、前回のスキャン間相関画像における物標Ｔの位置を中心とし所定サイズを有する物標画像を抽出する（ステップＳ１）。図６の左上欄及び右上欄では、物標画像抽出部２３は、過去の８枚のスキャン間相関画像から、前回のスキャン間相関画像ＣＰにおける物標Ｔの位置（ｘ_ｔ、ｙ_ｔ）を中心とし、所定サイズ（船舶等の速度を考慮）を有する物標画像Ｔ１～Ｔ８を抽出する。

【0028】

自己相関処理部２４は、過去のＮ枚の物標画像の時系列について、スキャン間ラグｎ（－Ｎ／２～Ｎ／２－１）の自己相関画像を算出する（ステップＳ２）。図６の右上欄及び左下欄では、自己相関処理部２４は、過去の８枚の物標画像Ｔ１～Ｔ８の時系列について、スキャン間ラグ－４～＋３の自己相関画像Ａ（－４）～Ａ（＋３）を算出する。自己相関処理部２４の処理の具体例については、図８～１１を用いて後述する。

【0029】

自己相関検出部２５は、スキャン間ラグｎの自己相関画像における最大相関値が、所定閾値以上（未満）であるときに（ステップＳ３、ＹＥＳ（ＮＯ））、前回のスキャンからｎスキャン後における物標Ｔの存在（不存在）を判断する（ステップＳ４（Ｓ５））。自己相関検出部２５の処理の具体例については、図１２を用いて後述する。

【0030】

予測分布生成部２６は、スキャン間ラグｎの自己相関画像に基づいて、前回のスキャンからｎスキャン後における物標Ｔの予測位置の確率分布を生成する（ステップＳ６）。図６の左下欄及び右下欄では、予測分布生成部２６は、スキャン間ラグ１の自己相関画像に基づいて、前回のスキャンの次の最新のスキャンにおける物標Ｔの予測位置の確率分布（最新の予測分布画像ＰＬのうち、（ｘ_ｔ、ｙ_ｔ）を中心とし所定サイズを有する）を生成する。予測分布生成部２６の処理の具体例については、図８～１１を用いて後述する。

【0031】

重み付け加算部２７は、前回のスキャンからｎスキャン後におけるスキャン画像の各セル値と、前回のスキャンからｎスキャン後における物標Ｔの予測位置の確率分布の各セル値と、を重み付け加算したうえで、前回のスキャンからｎスキャン後におけるスキャン間相関画像の各セル値を算出する（ステップＳ７）。図７では、重み付け加算部２７は、前回のスキャンの次の最新のスキャンにおける最新のスキャン画像ＳＬの各セル値と、前回のスキャンの次の最新のスキャンにおける物標Ｔの予測位置の確率分布（最新の予測分布画像ＰＬ）の各セル値と、を重み付け加算したうえで、前回のスキャンの次の最新のスキャンにおける最新のスキャン間相関画像ＣＬの各セル値を算出する。重み付け加算部２７の処理の具体例については、図１３、１４を用いて後述する。

【0032】

クラスタリング処理部２８は、前回のスキャンからｎスキャン後におけるスキャン間相関画像について、クラスタリングを実行し、物標Ｔの位置（例えば、重心位置）を検出する（ステップＳ１１）。そして、ステップＳ１１からステップＳ１へと戻る。

【0033】

このように、クラッタの強度が高いときでも、自己相関処理に基づくスキャン間相関を用いて、ＳＣ比を向上させたうえで、物標Ｔを追尾することができる。

【0034】

（本開示の自己相関画像算出処理の具体例）
本開示の自己相関画像算出処理の具体例を図８～１１に示す。図８では、自己相関処理部２４は、過去の８枚の物標画像Ｔ１～Ｔ８の時系列について、３次元フーリエ変換、時間周波数・空間周波数領域における振幅スペクトルの二乗及び３次元逆フーリエ変換に基づいて、スキャン間ラグ－４～＋３の自己相関画像Ａ（－４）～Ａ（＋３）を算出する（ステップＳ２）。ここで、自己相関処理部２４は、自己相関画像Ａ（－４）～Ａ（＋３）の各セル値を、自己相関画像Ａ（０）のピーク値でスケーリングする。

【0035】

スキャン間ラグ＋１～＋３の自己相関画像Ａ（＋１）～Ａ（＋３）は、前回のスキャンから＋１～＋３スキャン後における物標Ｔの予測位置の確率分布に対応する。スキャン間ラグ０の自己相関画像Ａ（０）は、物標Ｔの自己相関画像のみならず、クラッタの自己相関画像も重畳する。スキャン間ラグ＋１～＋３の自己相関画像Ａ（＋１）～Ａ（＋３）は、過去の８枚の物標画像Ｔ１～Ｔ８のサイズがうねり等の周期と比べて小さいため、砕波等の自己相関画像はもちろん、うねり等の自己相関画像も重畳しない。

【0036】

図９では、自己相関処理部２４は、過去の８枚の物標画像Ｔ１～Ｔ８の時系列について、時間・空間領域における物標画像同士の畳み込み積分及びそれらの平均に基づいて、スキャン間ラグ０の自己相関画像Ａ（０）を算出する（ステップＳ２）。ここで、自己相関処理部２４は、物標画像Ｔｍ、Ｔｍ（ｍ＝１～８）同士の畳み込み積分を実行する。

【0037】

図１０では、自己相関処理部２４は、過去の８枚の物標画像Ｔ１～Ｔ８の時系列について、時間・空間領域における物標画像同士の畳み込み積分及びそれらの平均に基づいて、スキャン間ラグ１の自己相関画像Ａ（＋１）を算出する（ステップＳ２）。ここで、自己相関処理部２４は、物標画像Ｔｍ、Ｔｍ＋１（ｍ＝１～８）同士の畳み込み積分を実行するが、物標画像Ｔ８について物標画像Ｔ１との間で畳み込み積分を実行する。ただし、自己相関処理部２４は、自己相関画像Ａ（＋１）を高精度に算出するために、畳み込み積分のサンプル数は低減するが、物標画像Ｔ８について物標画像Ｔ１との間で畳み込み積分を実行しなくてもよい。そして、自己相関処理部２４は、自己相関画像Ａ（＋１）の各セル値を、自己相関画像Ａ（０）のピーク値でスケーリングする。

【0038】

図１１では、自己相関処理部２４は、過去の８枚の物標画像Ｔ１～Ｔ８の時系列について、時間・空間領域における物標画像同士の畳み込み積分及びそれらの平均に基づいて、スキャン間ラグ２の自己相関画像Ａ（＋２）を算出する（ステップＳ２）。ここで、自己相関処理部２４は、物標画像Ｔｍ、Ｔｍ＋２（ｍ＝１～８）同士の畳み込み積分を実行するが、物標画像Ｔ７、Ｔ８について物標画像Ｔ１、Ｔ２との間で畳み込み積分を実行する。ただし、自己相関処理部２４は、自己相関画像Ａ（＋２）を高精度に算出するために、畳み込み積分のサンプル数は低減するが、物標画像Ｔ７、Ｔ８について物標画像Ｔ１、Ｔ２との間で畳み込み積分を実行しなくてもよい。そして、自己相関処理部２４は、自己相関画像Ａ（＋２）の各セル値を、自己相関画像Ａ（０）のピーク値でスケーリングする。

【0039】

このように、最新のスキャンにおける物標Ｔの予測位置の確率分布を、前回のスキャンからｎスキャン後（ｎ≧２）における物標Ｔの予測位置の確率分布と比べて、高精度に生成することができる。そして、加速度を有する物標Ｔ及び高速で移動する物標Ｔについても、前回のスキャンから１スキャン後のみを考慮しているため、最新のスキャンにおける物標Ｔの予測位置の確率分布を高精度に生成することができる。

【0040】

なお、従来技術では、前回のスキャン間相関画像ＣＰにおいて、３次元フーリエ変換により、物標Ｔの速度ｖを算出する。すると、加速度を有する物標Ｔについては、時間周波数・空間周波数領域における平面がばらつき、物標Ｔの速度ｖを高精度に算出することができない。そして、高速で移動する物標Ｔについては、時間周波数・空間周波数領域における折り返しが生じ、物標Ｔの速度ｖを高精度に算出することができない。

【0041】

（本開示の物標存在判断処理の具体例）
本開示の物標存在判断処理の具体例を図１２に示す。自己相関検出部２５は、スキャン間ラグ＋１～＋３の自己相関画像Ａ（＋１）～Ａ（＋３）における最大相関値に対する所定閾値を、物標Ｔ以外のクラッタの強度が低い（高い）ほど高く（低く）設定する。そして、自己相関検出部２５は、自己相関画像Ａ（＋１）～Ａ（＋３）における最大相関値が、所定閾値以上（未満）であるときに（ステップＳ３、ＹＥＳ（ＮＯ））、前回のスキャンから＋１～＋３スキャン後における物標Ｔの存在（不存在）を判断し（ステップＳ４（Ｓ５））、自己相関画像Ａ（＋１）～Ａ（＋３）を予測分布生成部２６へと入力する。

【0042】

図１２の左上欄及び右上欄では、自己相関検出部２５は、自己相関画像Ａ（＋１）～Ａ（＋３）における最大相関値に対する所定閾値を、物標Ｔ以外のクラッタの強度が低いため高く設定する（ステップＳ３）。図１２の左下欄及び右下欄では、自己相関検出部２５は、自己相関画像Ａ（＋１）～Ａ（＋３）における最大相関値に対する所定閾値を、物標Ｔ以外のクラッタの強度が高いため低く設定する（ステップＳ３）。

【0043】

そして、図１２の左上欄及び左下欄では、自己相関検出部２５は、自己相関画像Ａ（＋１）～Ａ（＋３）における最大相関値が、所定閾値以上であるため（ステップＳ３、ＹＥＳ）、前回のスキャンから＋１～＋３スキャン後における物標Ｔの存在を判断し（ステップＳ４）、自己相関画像Ａ（＋１）～Ａ（＋３）の各セル値を、前回のスキャン間相関画像ＣＰのピーク値でスケーリングする（物標Ｔの強度を時間変化に従って安定させるため）。

【0044】

一方で、図１２の右上欄及び右下欄では、自己相関検出部２５は、自己相関画像Ａ（＋１）～Ａ（＋３）における最大相関値が、所定閾値未満であるため（ステップＳ３、ＮＯ）、前回のスキャンから＋１～＋３スキャン後における物標Ｔの不存在を判断し（ステップＳ５）、自己相関画像Ａ（＋１）～Ａ（＋３）の各セル値に、０を乗算する。

【0045】

このように、クラッタの強度が高いときには、物標Ｔをロストしないようにでき、クラッタの強度が低いときには、クラッタを排除することができる。

【0046】

（本開示の重み付け加算処理の具体例）
本開示の重み付け加算処理の具体例を図１３、１４に示す。重み付け加算部２７は、前回のスキャンから＋１～＋３スキャン後におけるスキャン画像の各セル値Ａ_ｘｙと、前回のスキャンから＋１～＋３スキャン後における物標Ｔの予測位置の確率分布の各セル値Ａ_ｘｙ ^～（チルダ）と、を重み付け加算したうえで、前回のスキャンから＋１～＋３スキャン後におけるスキャン間相関画像の各セル値Ａ_ｘｙ ^―（バー）を算出する（ステップＳ７）。

【0047】

ここで、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ未満であるときに（ステップＳ８、ＹＥＳ）、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ以上であるときと比べて（ステップＳ８、ＮＯ）、当該確率分布の各セル値Ａ_ｘｙ ^～の重み付け係数を０又はより小さい値に設定する（ステップＳ９ ｖｓ． Ｓ１０）。

【0048】

つまり、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ未満であるときに（ステップＳ８、ＹＥＳ）、当該スキャン間相関画像の各セル値Ａ_ｘｙ ^―＝α・Ａ_ｘｙ＋（１－α）・β・Ａ_ｘｙ ^～（ただし、β＝γ（０≦γ＜１））を算出する（ステップＳ９）。一方で、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ以上であるときに（ステップＳ８、ＮＯ）、当該スキャン間相関画像の各セル値Ａ_ｘｙ ^―＝α・Ａ_ｘｙ＋（１－α）・β・Ａ_ｘｙ ^～（ただし、β＝１）を算出する（ステップＳ１０）。

【0049】

ここで、αが０に近いほど、当該確率分布の各セル値Ａ_ｘｙ ^～の重み付け係数が大きくなり、クラッタが抑圧される。一方で、αが１に近いほど、当該スキャン画像の各セル値Ａ_ｘｙの重み付け係数が大きくなり、予測分布が抑圧される。そして、βが０に近いほど、当該確率分布の各セル値Ａ_ｘｙ ^～の重み付け係数が小さくなり、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性が抑圧される。一方で、βが１に近いほど、当該確率分布の各セル値Ａ_ｘｙ ^～の重み付け係数が大きくなり、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性が維持される。基本的には、γを０に近づけるが、物標Ｔのロストの防止のために、γを１に近づけてもよい。

【0050】

図１３の左上欄では、当該スキャン画像の各セル値Ａ_ｘｙの２次元分布と、当該確率分布の各セル値Ａ_ｘｙ ^～の２次元分布とが、大部分において一致している。そして、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ以上である２次元範囲において（ステップＳ８、ＮＯ）、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性を維持する（ステップＳ１０）。一方で、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ未満である２次元範囲において（ステップＳ８、ＹＥＳ）、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性を抑圧する（ステップＳ９）。よって、図１３の左下欄において、当該スキャン間相関画像の各セル値Ａ_ｘｙ ^―の２次元分布のうちの、当該スキャン画像の各セル値Ａ_ｘｙの２次元分布と、当該確率分布の各セル値Ａ_ｘｙ ^～の２次元分布とが、一致している大部分において、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性を維持することができる。

【0051】

図１３の右上欄では、当該スキャン画像の各セル値Ａ_ｘｙの２次元分布と、当該確率分布の各セル値Ａ_ｘｙ ^～の２次元分布とが、一部分のみで一致している。そして、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ以上である２次元範囲において（ステップＳ８、ＮＯ）、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性を維持する（ステップＳ１０）。一方で、重み付け加算部２７は、当該スキャン画像の各セル値Ａ_ｘｙが所定閾値Ａ_ｔｈ未満である２次元範囲において（ステップＳ８、ＹＥＳ）、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性を抑圧する（ステップＳ９）。よって、図１３の右下欄において、当該スキャン間相関画像の各セル値Ａ_ｘｙ ^―の２次元分布のうちの、当該スキャン画像の各セル値Ａ_ｘｙの２次元分布と、当該確率分布の各セル値Ａ_ｘｙ ^～の２次元分布とが、一致している一部分のみで、当該確率分布の各セル値Ａ_ｘｙ ^～の冗長性を維持することができる。

【0052】

図１４の左上欄では、過去の８枚の物標画像Ｔ１～Ｔ８において、互いに離れた複数の物標Ｔ、Ｔ’のうち、物標Ｔに着目しており、物標Ｔ’に着目していない。図１４の右上欄では、スキャン間ラグ１の自己相関画像Ａ（＋１）において、前回のスキャンの次の最新のスキャンにおける物標Ｔの予測位置の確率分布を生成するが、前回のスキャンの次の最新のスキャンにおける物標Ｔ’の予測位置の確率分布と分離できない。

【0053】

図１４の左下欄では、最新のスキャン画像ＳＬにおいて、スキャン間ラグ１の自己相関画像Ａ（＋１）と比べて、ほぼ同一の位置に物標Ｔを検出するが、多少ずれた位置に物標Ｔ’も検出する。図１４の右下欄では、最新のスキャン間相関画像ＣＬにおいて、スキャン間ラグ１の自己相関画像Ａ（＋１）と最新のスキャン画像ＳＬとを重み付け加算する。着目している物標Ｔについては、ＳＣ比を向上させることができ、物標Ｔを追尾することができるが、着目していない物標Ｔ’については、ＳＣ比を低減させることができる。

【0054】

このように、物標Ｔの予測位置の確率分布とスキャン画像上の物標Ｔとの重なり部分について、物標Ｔの予測位置の確率分布の冗長性成分を維持することができる。そして、互いに離れた複数の物標Ｔ、Ｔ’のうち、着目物標Ｔ（Ｔ’としてもよい）については、ＳＣ比を向上させることができ、物標Ｔ（Ｔ’としてもよい）を追尾することができるが、他の物標Ｔ’（Ｔとしてもよい）については、ＳＣ比を低減させることができる。

【0055】

なお、従来技術では、前回のスキャン間相関画像ＣＰにおいて、３次元フーリエ変換により、互いに離れた複数の物標Ｔ、Ｔ’の速度ｖ、ｖ’を算出する。すると、複数の物標Ｔ、Ｔ’について、時間周波数・空間周波数領域における平面がねじれの関係にあり、複数の物標Ｔ、Ｔ’の速度ｖ、ｖ’を高精度に算出することができない。

【産業上の利用可能性】

【0056】

本開示のレーダ物標追尾装置及びレーダ物標追尾プログラムは、クラッタ（シークラッタ等）の強度が高いときでも、自己相関処理に基づくスキャン間相関を用いて、ＳＣ比を向上させたうえで、物標（船舶等）を追尾することができる。

【符号の説明】

【0057】

Ｒ：レーダ物標追尾システム
Ｔ、Ｔ’：物標
１：レーダ送受信装置
２：レーダ物標追尾装置
３：レーダ表示装置
２１：スキャン画像取得部
２２：スキャン間相関画像記憶部
２３：物標画像抽出部
２４：自己相関処理部
２５：自己相関検出部
２６：予測分布生成部
２７：重み付け加算部
２８：クラスタリング処理部
ＣＰ：前回のスキャン間相関画像
ＰＬ：最新の予測分布画像
ＳＬ：最新のスキャン画像
ＣＬ：最新のスキャン間相関画像
Ｃ：クラッタ
Ｔ１～Ｔ８：過去の物標画像
Ａ（－４）～Ａ（＋３）：自己相関画像

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】