文献

J-GLOBAL ID：202202277984356824   整理番号：22A1066877

レーダ目標検出精度改善のためのDeep Image Priorによる雑音低減手法

Denoising Method Using Deep Image Prior for Improving Accuracy of Radar Target Detection

著者 (3件)： 遠藤康司 (慶応大 大学院理工学研究科) ,  山本幸平 (慶応大 大学院理工学研究科) ,  大槻知明 (慶応大 大学院理工学研究科)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 121  号： 391(RCS2021 251-299)  ページ： 241-246 (WEB ONLY)  発行年： 2022年02月23日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： MIMO(Multiple-Input Multiple-Output)FMCW(Frequency-Modulated Continuous Wave)レーダは,非接触での行動認識や生体信号検出を可能とし,これら目的を達成するために,目標の位置推定は極めて重要である.一般的に,MIMO FMCWレーダを用いた位置推定では,距離と角度で区切られた領域の信号強度を表すレンジアングルマップを得ることができる.これにCFAR(Constant False Alarm Rate)のようなアルゴリズムで閾値を超える信号強度を検出することで,物体の位置を検出できる.しかし,レンジアングルマップ上には雑音やマルチパス成分が生じ,閾値の設定次第で,目標のいない位置に誤警報が発生する可能性がある.そのため,雑音を低減することで,閾値の敏感さを改善し,誤警報を低減することが求められている.本稿では,Deep Image Prior(DIP)を用いてレンジアングルマップ上の雑音を低減する手法を提案する.DIPは,画像の雑音除去を可能にする事前学習を要しない深層学習技術の一つである.提案法では,レンジアングルマップを画像とみなしてDIPを適用することで雑音を低減する.そして,代表的な閾値設定アルゴリズムであるCell-Averaging CFAR(CA-CFAR)に基づき,雑音除去後のレンジアングルマップ上で物体位置を検出する.室内環境における人物位置検出実験を通じて,DIPを用いた提案法は,DIPを用いない手法と比較して,誤警報数を低減し,CA-CFARの閾値設定の敏感さを改善しながら人物を検出できることを確認した.(著者抄録)

シソーラス用語： *CWレーダ ,  周波数変調 ,  MIMOシステム ,  *物体認識 ,  位置測定 ,  測定精度 ,  機械学習 ,  *雑音低減 ,  画像処理
準シソーラス用語： Deep Image Prior ,  *FMCWレーダ ,  レーダー目標認識 ,  検出精度 ,  深層学習

分類 (2件)： レーダ  (ND13010H) ,  雑音一般  (ND04010J)

引用文献 (10件)：

• N. Knudde, B. Vandersmissen, K. Parashar, I. Couckuyt, A. Jalalvand, A. Bourdoux, and T. Dhaene, “Indoor tracking of multiple persons with a 77 GHz MIMO FMCW radar,” In Proc. of IEEE European Radar Conference (EURAD) pp. 61-64, Oct. 2017.
• Y. Kim, I. Alnujaim, and D. Oh, “Human Activity Classification Based on Point Clouds Measured by Millimeter Wave MIMO Radar with Deep Recurrent Neural Networks,” IEEE Sensors Journal, vol. 21, no. 12, pp. 13522-13529, 15 June15, 2021.
• K. Yamamoto, K. Endo and T. Ohtsuki, “Remote Sensing of Heartbeat based on Space Diversity Using MIMO FMCW Radar,” in Proc. of IEEE GLOBECOM, Dec. 2021.
• E. Balevi, A. Doshi, and J. G. Andrews, “Massive MIMO channel estimation with an untrained deep neural network,” IEEE Trans. on Wireless Commun., vol.19, no.3, pp. 2079-2090, Mar. 2020.
• E. Balevi, A. Doshi, and J. G. Andrews, “Massive MIMO channel estimation with an untrained deep neural network,” IEEE Trans. on Wireless Commun., vol.19, no.3, pp. 2079-2090, Mar. 2020.

タイトルに関連する用語 (5件)： レーダ ,  目標 ,  検出精度 ,  雑音低減 ,  手法