JP2016114468A - 目標検出装置 - Google Patents

Abstract

【課題】適正なスレッショルド係数を設定して、目標の検出性能の低下やクラッタの誤検出を防止することができるようにする。【解決手段】 複数確率分布モデル想定型パラメータ推定部１２が、予め用意されている複数のクラッタ確率分布モデルの中から、振幅検波部１１により生成されたレンジビン信号に対応する確率分布モデルを選択し、スレッショルド係数設定部１３が、複数確率分布モデル想定型パラメータ推定部１２により選択された確率分布モデルの確率分布パラメータと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率とを用いて、目標の検出処理に用いるスレッショルド係数Ｔｈを設定する。【選択図】図２

Description

この発明は、観測対象である目標が存在している方位及び距離を検出する目標検出装置に関するものである。

電波を空間に放射したのち、観測対象である目標に反射されて戻ってきた前記電波の反射波を受信し、その反射波の受信信号から、目標が存在している方位及び距離を検出する目標検出装置がある。
この目標検出装置は、例えば、反射波の受信信号を検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ（Ｃｏｎｓｔａｎｔ Ｆａｌｓｅ Ａｌａｒｍ Ｒａｔｅ）処理を実施することで、目標が存在している可能性があるレンジビンを検出する。
このとき、ＣＦＡＲ処理では、レンジビン信号における複数のセルのうち、目標を検出する対象の注目セルの振幅値と閾値を比較し、注目セルの振幅値が閾値より高ければ、注目セルに目標が存在している可能性があると判定するが、この閾値は、一般的に、注目セルの前後の複数のセルであるリファレンスセルの振幅値に対してスレッショルド係数が乗算されたものが用いられる。

以下の特許文献１には、予めクラッタの変動を示す確率分布モデルであるＫ−分布を用意し、Ｋ−分布の確率分布パラメータ（形状パラメータ、尺度パラメータ）として、Ｋ−分布とレンジビン信号の分布との尤度が最も高くなる確率分布パラメータを探索し、その確率分布パラメータと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率とを用いて、目標の検出処理に用いるスレッショルド係数を設定するようにしている目標検出装置が開示されている。
また、以下の特許文献２には、予めクラッタの変動を示す確率分布モデルがＷｅｉｂｕｌｌ分布である例が開示されている。

実開平５−７９４８６号公報 特開２０１１−２０３２１４号公報

従来の目標検出装置は以上のように構成されているので、予め用意されている確率分布モデルが、クラッタの変動を正確に表していれば、適正なスレッショルド係数を設定することが可能であるが、予め用意されている確率分布モデルが、クラッタの変動を正確に表していない場合、不当に大きなスレッショルド係数が設定されて目標の検出性能が低下する状況や、不当に小さなスレッショルド係数が設定されて、クラッタを誤って目標として検出する状況が発生してしまうという課題があった。

この発明は上記のような課題を解決するためになされたもので、適正なスレッショルド係数を設定して、目標の検出性能の低下やクラッタの誤検出を防止することができる目標検出装置を得ることを目的とする。

この発明に係る目標検出装置は、観測対象である目標に反射された電波である目標反射波及びクラッタを受信して、電波の受信信号を出力する電波受信手段と、電波受信手段から出力された受信信号を検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成するレンジビン信号生成手段と、予め用意されているクラッタの変動を示す複数の確率分布モデルの中から、レンジビン信号生成手段により生成されたレンジビン信号に対応する確率分布モデルを選択し、その選択した確率分布モデルの確率分布パラメータと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率とを用いて、目標の検出処理に用いるスレッショルド係数を設定するスレッショルド係数設定手段とを設け、目標候補検出手段が、レンジビン信号生成手段により生成されたレンジビン信号における複数のセルのうち、目標を検出する対象の注目セル以外の複数のセルの振幅値と、そのスレッショルド係数とから閾値を算出し、注目セルの振幅値が閾値より高ければ、注目セルに目標が存在している可能性があると判定するようにしたものである。

この発明によれば、スレッショルド係数設定手段が、予め用意されているクラッタの変動を示す複数の確率分布モデルの中から、レンジビン信号生成手段により生成されたレンジビン信号に対応する確率分布モデルを選択し、その選択した確率分布モデルの確率分布パラメータと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率とを用いて、目標の検出処理に用いるスレッショルド係数を設定するように構成したので、適正なスレッショルド係数を設定することができるようになり、その結果、目標の検出性能の低下やクラッタの誤検出を防止することができる効果がある。

この発明の実施の形態１による目標検出装置を示す構成図である。 この発明の実施の形態１による目標検出装置の目標候補検出処理部７−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図である。 目標候補検出処理部７−ｌのレンジ方向ＣＦＡＲ処理部１４の処理内容を示す説明図である。 航跡検出処理部９による目標航跡の検出処理を示す説明図である。 この発明の実施の形態２による目標検出装置を示す構成図である。 この発明の実施の形態２による目標検出装置のパラメータ発散判定型目標候補検出処理部２０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図である。 この発明の実施の形態３による目標検出装置を示す構成図である。 この発明の実施の形態３による目標検出装置のパラメータ探索範囲限定型目標候補検出処理部３０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図である。 この発明の実施の形態４による目標検出装置を示す構成図である。 この発明の実施の形態４による目標検出装置のパラメータ推定手順簡略型目標候補検出処理部４０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図である。 パラメータ推定手順簡略型目標候補検出処理部４０−ｌの処理手順を示すフローチャートである。 この発明の実施の形態５による目標検出装置を示す構成図である。 この発明の実施の形態５による目標検出装置のテーブル参照型目標候補検出処理部５０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図である。

以下、この発明をより詳細に説明するために、この発明を実施するための形態について、添付の図面にしたがって説明する。
実施の形態１．
図１はこの発明の実施の形態１による目標検出装置を示す構成図である。
図１において、送信機１は例えばＩＱ変調が施されている高周波信号を生成し、その高周波信号を送信電波として送信アンテナ２に出力する。
送信アンテナ２は送信機１から出力された送信電波を空間に放射する。送信アンテナ２から放射された電波は、観測対象である目標（例えば、船舶、飛行機など）に反射されるほか、海面などに反射される。

受信アンテナ３−１〜３−Ｌはフェーズドアレーアンテナを構成しており、観測対象である目標に反射された電波である目標反射波や、海面などに反射された電波をクラッタとして受信する。
受信機４−１〜４−Ｌは受信アンテナ３−１〜３−Ｌにより受信された電波に帯域制限をかけてから、電波の位相を検波して、その電波の受信信号を出力する。

Ａ／Ｄ変換器５−１〜５−Ｌは受信機４−１〜４−Ｌから出力された受信信号を、受信機４−１〜４−Ｌの帯域幅から定まる距離分解能を単位とするレンジビン毎にＡ／Ｄ変換して、レンジビン毎のディジタル信号を出力する。
ビーム形成部６は例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、Ａ／Ｄ変換器５−１〜５−Ｌから出力されたレンジビン毎のディジタル信号に対するＤＢＦ（Ｄｉｇｉｔａｌ ｂｅａｍ ｆｏｒｍｉｎｇ）処理を実施することでＬ個の方向にアンテナパターンを形成し、各々の方向から到来してきた電波の受信信号として、Ｉ／Ｑデータであるビーム受信信号＃１〜＃Ｌを生成する。
なお、受信アンテナ３−１〜３−Ｌ、受信機４−１〜４−Ｌ、Ａ／Ｄ変換器５−１〜５−Ｌ及びビーム形成部６から電波受信手段が構成されている。

目標候補検出処理部７−１〜７−Ｌは例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、ビーム形成部６により生成されたビーム受信信号＃１〜＃Ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ処理を実施することで、目標が存在している可能性があるレンジビンを検出する。
メモリ回路８は目標候補検出処理部７−１〜７−Ｌの検出結果を格納する記憶媒体である。
航跡検出処理部９は例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、目標候補検出処理部７−１〜７−Ｌにより検出されたレンジビンの時間的な変化から目標の航跡を検出する処理を実施する。なお、航跡検出処理部９は航跡検出手段を構成している。

図１の例では、目標検出装置の構成要素の一部であるビーム形成部６、目標候補検出処理部７−１〜７−Ｌ、メモリ回路８及び航跡検出処理部９のそれぞれが専用のハードウェアで構成されているものを想定しているが、ビーム形成部６、目標候補検出処理部７−１〜７−Ｌ、メモリ回路８及び航跡検出処理部９がコンピュータによって構成されていてもよい。
コンピュータによって構成される場合には、メモリ回路８をコンピュータのメモリ上に構成するとともに、ビーム形成部６、目標候補検出処理部７−１〜７−Ｌ及び航跡検出処理部９の処理内容を記述しているプログラムをコンピュータのメモリに格納して、当該コンピュータのＣＰＵが当該メモリに格納されているプログラムを実行するようにすればよい。

図２はこの発明の実施の形態１による目標検出装置の目標候補検出処理部７−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図である。
図２において、振幅検波部１１はビーム形成部６により生成されたビーム受信信号＃ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成する処理を実施する。なお、振幅検波部１１はレンジビン信号生成手段を構成している。

複数確率分布モデル想定型パラメータ推定部１２は予め用意されている複数のクラッタ確率分布モデル（クラッタの変動を示す確率分布モデル）の中から、振幅検波部１１により生成されたレンジビン信号に対応する確率分布モデルを選択する処理を実施する。
即ち、複数確率分布モデル想定型パラメータ推定部１２は予め用意されているクラッタ確率分布モデル毎に、振幅検波部１１により生成されたレンジビン信号の分布との尤度が最大になる確率分布パラメータ（例えば、尺度パラメータ、形状パラメータ）を探索して、当該確率分布モデルが、その探索した確率分布パラメータを用いた場合のレンジビン信号の分布との尤度を算出し、複数のクラッタ確率分布モデルの中から、そのレンジビン信号の分布との尤度が最も大きいクラッタ確率分布モデルを選択する処理を実施する。
また、複数確率分布モデル想定型パラメータ推定部１２は、その選択したクラッタ確率分布モデルについて探索した確率分布パラメータを出力する。

スレッショルド係数設定部１３は複数確率分布モデル想定型パラメータ推定部１２から出力された確率分布パラメータと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率とを用いて、目標の検出処理に用いるスレッショルド係数を設定する処理を実施する。
なお、複数確率分布モデル想定型パラメータ推定部１２及びスレッショルド係数設定部１３からスレッショルド係数設定手段が構成されている。

レンジ方向ＣＦＡＲ処理部１４はセル設定処理部１５、リファレンスセル振幅加算処理部１６、係数乗算処理部１７及び振幅比較部１８から構成されており、振幅検波部１１により生成されたレンジビン信号における複数のセルのうち、目標を検出する対象の注目セルの前後に存在している複数のリファレンスセル（注目セル以外の複数のセル）の振幅値と、スレッショルド係数設定部１３により設定されたスレッショルド係数とから閾値を算出し、注目セルの振幅値が閾値より高ければ、注目セルに目標が存在している可能性があると判定して、注目セルのレンジビンを出力する処理を実施する。なお、レンジ方向ＣＦＡＲ処理部１４は目標候補検出手段を構成している。

セル設定処理部１５は振幅検波部１１により生成されたレンジビン信号における複数のセルのうち、いずれか１つのセルを注目セルに設定し、その注目セルの前後の複数のセルをリファレンスセルに設定する処理を実施する。なお、レンジビン信号における全てのセルを順番に注目セルに設定する。リファレンスセルは注目セルの前後の複数のセルに限るものではなく、例えば、注目セルの前の複数のセルや、注目セルの後の複数のセルであってもよい。
リファレンスセル振幅加算処理部１６はセル設定処理部１５により設定された複数のリファレンスセルの振幅値を加算する処理を実施する。

係数乗算処理部１７はリファレンスセル振幅加算処理部１６により加算された振幅値に対してスレッショルド係数設定部１３により設定されたスレッショルド係数を乗算し、スレッショルド係数乗算後の振幅値を閾値に設定する処理を実施する。
振幅比較部１８はセル設定処理部１５により設定された注目セルの振幅値と係数乗算処理部１７により設定された閾値を比較し、その注目セルの振幅値が閾値より高ければ、注目セルに目標が存在している可能性があると判定して、注目セルのレンジビンを出力する処理を実施する。

次に動作について説明する。
送信機１は、例えば、ＩＱ変調が施されている高周波信号を生成し、その高周波信号を送信電波として送信アンテナ２に出力する。これにより、送信アンテナ２から電波が空間に放射される。
送信アンテナ２から放射された電波は、観測対象である目標（例えば、船舶、飛行機など）に反射されるほか、海面などに反射される。

受信アンテナ３−１〜３−Ｌは、目標に反射された電波である目標反射波や、海面などに反射された電波をクラッタとして受信する。
受信機４−１〜４−Ｌは、受信アンテナ３−１〜３−Ｌにより受信された電波に帯域制限をかけてから、電波の位相を検波して、その電波の受信信号を出力する。
Ａ／Ｄ変換器５−１〜５−Ｌは、受信機４−１〜４−Ｌから電波の受信信号を受けると、受信機４−１〜４−Ｌの帯域幅から定まる距離分解能を単位とするレンジビン毎に当該受信信号をＡ／Ｄ変換して、レンジビン毎のディジタル信号を出力する。

ビーム形成部６は、Ａ／Ｄ変換器５−１〜５−Ｌからレンジビン毎のディジタル信号を受けると、そのディジタル信号に対するＤＢＦ処理を実施することでＬ個の方向にアンテナパターンを形成し、各々の方向から到来してきた電波の受信信号として、Ｉ／Ｑデータであるビーム受信信号＃１〜＃Ｌを生成する。
目標候補検出処理部７−１〜７−Ｌは、ビーム形成部６がビーム受信信号＃１〜＃Ｌを生成すると、そのビーム受信信号＃１〜＃Ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ処理を実施することで、目標が存在している可能性があるレンジビンを検出する。

以下、目標候補検出処理部７−ｌ（ｌ＝１，２，・・・，Ｌ）の処理内容を具体的に説明する。
図３は目標候補検出処理部７−ｌのレンジ方向ＣＦＡＲ処理部１４の処理内容を示す説明図である。
目標候補検出処理部７−ｌの振幅検波部１１は、ビーム形成部６がビーム受信信号＃ｌを生成すると、そのビーム受信信号＃ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成する。
例えば、送信機１により生成される高周波信号がＩＱ変調されており、ビーム形成部６により生成されたビーム受信信号＃ｌがＩ／Ｑデータであれば、そのビーム受信信号＃ｌにおけるＩ成分の２乗値とＱ成分の２乗値との和の平方根をとることでレンジビン信号を求めることができる。

なお、スレッショルド係数設定部１３によりスレッショルド係数Ｔｈが設定される前の事前処理段階であれば、振幅検波部１１により生成されたレンジビン信号は、複数確率分布モデル想定型パラメータ推定部１２に入力される。
既にスレッショルド係数Ｔｈが設定されており、実際に目標を検出する処理段階であれば、振幅検波部１１により生成されたレンジビン信号は、レンジ方向ＣＦＡＲ処理部１４に入力される。

複数確率分布モデル想定型パラメータ推定部１２には、例えば、Ｒａｙｌｅｉｇｈ分布、Ｋ−分布、Ｗｅｉｂｕｌｌ分布（ワイブル分布）などのクラッタ確率分布モデルが複数用意されている。
これらのクラッタ確率分布モデルは、確率分布パラメータｐ_１，ｐ_２，・・・，ｐ_Ｎにより定まる確率密度関数Ｇ（ｚ_ｔ，ｚ_ｒ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）により表される。明細書の文章中では、電子出願の関係上、文字の上に“＾”の記号を付することができないので、例えば、ｐ_１ハットのように表記している。
ここで、ｚ_ｔは注目セルの振幅値、ｚ_ｒは複数のリファレンスセルの振幅値の加算値であり、Ｇ（ｚ_ｔ，ｚ_ｒ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）は、確率分布パラメータがｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハットである注目セルの振幅値ｚ_ｔと複数のリファレンスセルの振幅加算値ｚ_ｒとに関する確率密度関数をそれぞれ表している。

隣接するレンジビンに相関がなく、注目セルの振幅値ｚ_ｔと複数のリファレンスセルの振幅加算値ｚ_ｒとに相関がない場合、確率密度関数Ｇ（ｚ_ｔ，ｚ_ｒ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）は、下記の式（１）に示すように、注目セルの振幅値ｚ_ｔに関する確率密度関数ｐ_ｔ（ｚ_ｔ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）と、複数のリファレンスセルの振幅加算値ｚ_ｒに関する確率密度関数ｐ_ｒ（ｚ_ｒ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）とから表される。

複数のリファレンスセルの振幅加算値ｚ_ｒに関する確率密度関数ｐ_ｒ（ｚ_ｒ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）は、数式として表すのが困難であっても数値的に求めることができる。
具体的には、隣接レンジビン間のクラッタが互いに独立である場合、確率密度関数Ｇ（ｚ_ｔ，ｚ_ｒ｜ｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハット）を離散フーリエ変換した後に、リファレンスセル数だけ乗算を繰り返し、複数のリファレンスセルの振幅加算値ｚ_ｒの確率密度関数ｐ_{ｒ，ｃｏｎｖ}の特性関数を求めた後、これを離散フーリエ逆変換することにより数値的に確率密度関数ｐ_{ｒ，ｃｏｎｖ}が求まる。

隣接レンジビン間の相関がある場合は、注目セルの振幅値ｚ_ｔと複数のリファレンスセルの振幅加算値ｚ_ｒの同時確率密度関数を定式化する必要がある。
例えば、以下の非特許文献１には、同時確率密度関数の定式化に関する記載がある。
［非特許文献１］
福島，高橋，平田，“相関のあるクラッタ環境を想定したCFAR方式，”信学技法SIP-2014-57, pp.189-194.

複数確率分布モデル想定型パラメータ推定部１２は、振幅検波部１１からレンジビン信号が与えられると、予め用意されているクラッタ確率分布モデル毎に、当該クラッタ確率分布モデルと振幅検波部１１により生成されたレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハットを探索し、当該クラッタ確率分布モデルが、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハットを用いた場合の尤度である最大尤度Ｉ_ｍａｘを算出する。
複数確率分布モデル想定型パラメータ推定部１２は、クラッタ確率分布モデル毎に最大尤度Ｉ_ｍａｘを算出すると、それらの最大尤度Ｉ_ｍａｘを比較し、予め用意されている複数のクラッタ確率分布モデルの中で、最大尤度Ｉ_ｍａｘが最も大きいクラッタ確率分布モデルを選択する。
複数確率分布モデル想定型パラメータ推定部１２は、最大尤度Ｉ_ｍａｘが最も大きいクラッタ確率分布モデルを選択すると、そのクラッタ確率分布モデルについて探索した確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハットをスレッショルド係数設定部１３に出力する。

スレッショルド係数設定部１３は、複数確率分布モデル想定型パラメータ推定部１２から確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハットを受けると、その確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎハットと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率Ｐ_ｆａとを用いて、目標の検出処理に用いるスレッショルド係数Ｔｈを設定する。
具体的には、下記の式（２）において、右辺が、予め設定されている誤警報確率Ｐ_ｆａと一致するように、右辺の積分期間を定めるＴｈを調整し、一致したときのＴｈを目標の検出処理に用いるスレッショルド係数として係数乗算処理部１７に出力する。

レンジ方向ＣＦＡＲ処理部１４のセル設定処理部１５は、振幅検波部１１により生成されたレンジビン信号における複数のセルのうち、いずれか１つのセルを注目セルに設定し、その注目セルの前後の複数のセルをリファレンスセルに設定する。
図３の例では、合計１１個のセルを処理対象として、注目セルの前後５つのセルをリファレンスセルに設定している。
なお、セル設定処理部１５は、後述する振幅比較部１８での判定処理が行われる毎に、例えば、レンジビン信号における注目セルを図中右方向に１つ移動することで、レンジビン信号における全てのセルを順番に注目セルに設定する。
したがって、レンジビン信号における全てのセルを注目セルとして、振幅比較部１８での判定処理が行われるまで、レンジ方向ＣＦＡＲ処理部１４の処理が繰り返される。

リファレンスセル振幅加算処理部１６は、セル設定処理部１５が複数のリファレンスセルを設定すると、複数のリファレンスセルの振幅値を加算し、複数のリファレンスセルの振幅加算値ｚ_ｒを係数乗算処理部１７に出力する。
係数乗算処理部１７は、リファレンスセル振幅加算処理部１６から複数のリファレンスセルの振幅加算値ｚ_ｒを受けると、下記の式（３）に示すように、複数のリファレンスセルの振幅加算値ｚ_ｒに対してスレッショルド係数設定部１３により設定されたスレッショルド係数Ｔｈを乗算することで閾値Ｔを算出する。
Ｔ＝ｚ_ｒ×Ｔｈ （３）

振幅比較部１８は、係数乗算処理部１７が閾値Ｔを算出すると、セル設定処理部１５により設定された注目セルの振幅値ｚ_ｔと閾値Ｔを比較し、その注目セルの振幅値ｚ_ｔが閾値Ｔ以上であれば（ｚ_ｔ≧Ｔ）、注目セルに目標が存在している可能性があると判定して、その注目セルのレンジビンをメモリ回路８に格納する。
レンジビン信号における全てのセルを注目セルとして、振幅比較部１８の判定処理が完了すると、レンジ方向ＣＦＡＲ処理部１４の処理が終了するが、これはビーム受信信号＃ｌの１フレーム分の処理の終了であり、複数フレームについて同様の処理が繰り返される。

航跡検出処理部９は、目標候補検出処理部７−１〜７−Ｌにより検出されたレンジビンの時間的な変化から目標の航跡を検出する。
ここで、図４は航跡検出処理部９による目標航跡の検出処理を示す説明図である。
航跡検出処理部９では、図４に示すように、メモリ回路８により格納されている目標候補検出処理部７−１〜７−Ｌにより検出されたレンジビンを複数フレーム分解析することで、同一目標が時間的に移動していると判定することが可能な航跡を調べることで目標を検出する。
目標航跡を調べる手法の１つとしては、ＭＨＴ（Ｍｕｌｔｉｐｌｅ Ｈｙｐｏｔｈｅｓｉｓ Ｔｒａｃｋｉｎｇ）が知られている（非特許文献２を参照）。
［非特許文献２］
D.B.Reid, “An algorithm for tracking multiple targets,”IEEE Trans. Automn. Control, Vol.AC-24, no.6, pp.843-854, Dec. 1979

以上で明らかなように、この実施の形態１によれば、複数確率分布モデル想定型パラメータ推定部１２が、予め用意されている複数のクラッタ確率分布モデルの中から、振幅検波部１１により生成されたレンジビン信号に対応する確率分布モデルを選択し、スレッショルド係数設定部１３が、複数確率分布モデル想定型パラメータ推定部１２により選択された確率分布モデルの確率分布パラメータと、クラッタを誤って目標反射波と判定してしまう確率である誤警報確率Ｐ_ｆａとを用いて、目標の検出処理に用いるスレッショルド係数Ｔｈを設定するように構成したので、適正なスレッショルド係数Ｔｈを設定することができるようになり、その結果、目標の検出性能の低下やクラッタの誤検出を防止することができる効果を奏する。

なお、この実施の形態１では、受信アンテナ３−１〜３−Ｌがアレーアンテナを構成している例を示したが、アレーアンテナの代わりに、開口面アンテナを用いてレーダ周囲を観測することで、目標を検出する構成にも適用することが可能である。

実施の形態２．
図５はこの発明の実施の形態２による目標検出装置を示す構成図であり、図５において、図１と同一符号は同一または相当部分を示すので説明を省略する。
パラメータ発散判定型目標候補検出処理部２０−１〜２０−Ｌは例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、ビーム形成部６により生成されたビーム受信信号＃１〜＃Ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ処理を実施することで、目標が存在している可能性があるレンジビンを検出する。

図６はこの発明の実施の形態２による目標検出装置のパラメータ発散判定型目標候補検出処理部２０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図であり、図６において、図２と同一符号は同一または相当部分を示すので説明を省略する。
発散判定型パラメータ推定部２１は複数の確率分布モデルとして、Ｋ−分布とＷｅｉｂｕｌｌ分布（Ｋ−分布の確率分布パラメータは、尺度パラメータｂ_Ｋハットと形状パラメータｖ_Ｋハットからなり、例えば、確率分布パラメータｐ_１ハットが尺度パラメータｂ_Ｋハットに対応し、確率分布パラメータｐ_２ハットが形状パラメータｖ_Ｋハットに対応する。また、Ｗｅｉｂｕｌｌ分布の確率分布パラメータは、尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハットと形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットからなり、例えば、確率分布パラメータｐ_１ハットが尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハットに対応し、確率分布パラメータｐ_２ハットが形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットに対応する）が用意されており、Ｋ−分布の確率分布パラメータにおける形状パラメータｖ_Ｋハットが無限大に発散するか否かを判定し、その形状パラメータｖ_Ｋハットが無限大に発散する場合、振幅検波部１１により生成されたレンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。
一方、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散しない場合、Ｋ−分布の確率分布パラメータとして、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｋ−分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_Ｋを算出する。
また、Ｗｅｉｂｕｌｌ分布の確率分布パラメータとして、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する。
発散判定型パラメータ推定部２１はＫ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}以上であれば、レンジビン信号に対応する確率分布モデルとしてＫ−分布を選択し、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}より小さければ、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。なお、発散判定型パラメータ推定部２１はスレッショルド係数設定手段を構成している。

次に動作について説明する。
上記実施の形態１と比べて、目標候補検出処理部７−１〜７−Ｌとパラメータ発散判定型目標候補検出処理部２０−１〜２０−Ｌが異なり、特に複数確率分布モデル想定型パラメータ推定部１２が、発散判定型パラメータ推定部２１に置き換わっている点だけが相違している。
このため、この実施の形態２では、発散判定型パラメータ推定部２１の処理内容だけを説明する。

発散判定型パラメータ推定部２１には、複数の確率分布モデルとして、Ｋ−分布とＷｅｉｂｕｌｌ分布が用意されている。
発散判定型パラメータ推定部２１は、振幅検波部１１からレンジビン信号が与えられると、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_Ｋハット、形状パラメータｖ_Ｋハット）を探索する処理を実施し、その際、Ｋ−分布の形状パラメータｖ_Ｋハットが予め設定された値ｖ_ｍａｘに到達しても、Ｋ−分布の最大尤度Ｉ_Ｋが見つからない場合（未だＫ−分布の尤度が大きくなる余地がある場合）、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散すると判定する。一方、Ｋ−分布の形状パラメータｖ_Ｋハットが予め設定された値ｖ_ｍａｘに到達する前に、Ｋ−分布の最大尤度Ｉ_Ｋが見つかる場合、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散しないと判定する。
因みに、クラッタが、形状パラメータが２以上のＷｅｉｂｕｌｌ分布に従って変動している場合、Ｋ−分布の形状パラメータｖ_Ｋハットは無限大に発散する。

発散判定型パラメータ推定部２１は、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散する場合、振幅検波部１１により生成されたレンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。
発散判定型パラメータ推定部２１は、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択すると、Ｗｅｉｂｕｌｌ分布の確率分布パラメータとして、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハット、形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハット）を探索し、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットをスレッショルド係数設定部１３に出力する。

発散判定型パラメータ推定部２１は、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散しない場合、Ｋ−分布の確率分布パラメータとして、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｋ−分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_Ｋを算出する。
また、Ｗｅｉｂｕｌｌ分布の確率分布パラメータとして、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する。

発散判定型パラメータ推定部２１は、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}以上であれば（Ｉ_Ｋ≧Ｉ_{Ｗｅｉｂｕｌｌ}）、レンジビン信号に対応する確率分布モデルとしてＫ−分布を選択し、レンジビン信号の分布との尤度がＩ_Ｋになる場合のＫ−分布の確率分布パラメータｐ_１ハット，ｐ_２ハットをスレッショルド係数設定部１３に出力する。
一方、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}より小さければ（Ｉ_Ｋ＜Ｉ_{Ｗｅｉｂｕｌｌ}）、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択し、レンジビン信号の分布との尤度がＩ_{Ｗｅｉｂｕｌｌ}になる場合のＷｅｉｂｕｌｌ分布の確率分布パラメータｐ_１ハット，ｐ_２ハットをスレッショルド係数設定部１３に出力する。

以降の処理は、上記実施の形態１と同様であるため説明を省略するが、この実施の形態２によれば、上記実施の形態１と同様に、クラッタの変動を正確に表している確率分布モデルを選択することができるため、目標の検出性能の低下やクラッタの誤検出を防止することができる効果が得られる。

実施の形態３．
図７はこの発明の実施の形態３による目標検出装置を示す構成図であり、図７において、図１と同一符号は同一または相当部分を示すので説明を省略する。
パラメータ探索範囲限定型目標候補検出処理部３０−１〜３０−Ｌは例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、ビーム形成部６により生成されたビーム受信信号＃１〜＃Ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ処理を実施することで、目標が存在している可能性があるレンジビンを検出する。

図８はこの発明の実施の形態３による目標検出装置のパラメータ探索範囲限定型目標候補検出処理部３０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図であり、図８において、図２と同一符号は同一または相当部分を示すので説明を省略する。
探索範囲限定型パラメータ推定部３１は複数の確率分布モデルとして、Ｋ−分布とＷｅｉｂｕｌｌ分布が用意されており、Ｋ−分布の確率分布パラメータとして、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｋ−分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_Ｋを算出する。

また、探索範囲限定型パラメータ推定部３１はＫ−分布の確率分布パラメータにおける形状パラメータｖ_Ｋハットが無限大に発散するか否かを判定し、その形状パラメータｖ_Ｋハットが無限大に発散する場合、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択するとともに、Ｗｅｉｂｕｌｌ分布における形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットの探索範囲を２以上のものに限定して、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する。
一方、その形状パラメータｖ_Ｋが無限大に発散しない場合、Ｗｅｉｂｕｌｌ分布における形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットの探索範囲を２未満のものに限定して、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する。
また、探索範囲限定型パラメータ推定部３１は形状パラメータｖ_Ｋが無限大に発散しない場合、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}以上であれば、レンジビン信号に対応する確率分布モデルとしてＫ−分布を選択し、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}より小さければ、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。なお、探索範囲限定型パラメータ推定部３１はスレッショルド係数設定手段を構成している。

次に動作について説明する。
上記実施の形態１と比べて、目標候補検出処理部７−１〜７−Ｌとパラメータ探索範囲限定型目標候補検出処理部３０−１〜３０−Ｌが異なり、特に複数確率分布モデル想定型パラメータ推定部１２が、探索範囲限定型パラメータ推定部３１に置き換わっている点だけが相違している。
このため、この実施の形態３では、探索範囲限定型パラメータ推定部３１の処理内容だけを説明する。

探索範囲限定型パラメータ推定部３１には、複数の確率分布モデルとして、Ｋ−分布とＷｅｉｂｕｌｌ分布が用意されている。
探索範囲限定型パラメータ推定部３１は、振幅検波部１１からレンジビン信号が与えられると、Ｋ−分布の確率分布パラメータとして、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_Ｋハット、形状パラメータｖ_Ｋハット）を探索し、Ｋ−分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_Ｋを算出する。
ただし、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散する場合、尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索することができず、最大尤度Ｉ_Ｋを算出することができない。

また、探索範囲限定型パラメータ推定部３１は、上記実施の形態２における発散判定型パラメータ推定部２１と同様に、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散するか否かを判定する。
探索範囲限定型パラメータ推定部３１は、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散すると判定すると、そのレンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。
また、探索範囲限定型パラメータ推定部３１は、Ｗｅｉｂｕｌｌ分布における形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットの探索範囲を２以上のものに限定して、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハット、形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハット）を探索し、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットをスレッショルド係数設定部１３に出力する。

探索範囲限定型パラメータ推定部３１は、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散しないと判定すると、Ｗｅｉｂｕｌｌ分布における形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットの探索範囲を２未満のものに限定して、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する。

また、探索範囲限定型パラメータ推定部３１は、Ｋ−分布の形状パラメータｖ_Ｋハットが無限大に発散しない場合、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}以上であれば（Ｉ_Ｋ≧Ｉ_{Ｗｅｉｂｕｌｌ}）、レンジビン信号に対応する確率分布モデルとしてＫ−分布を選択し、レンジビン信号の分布との尤度がＩ_Ｋになる場合のＫ−分布の確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_Ｋハット、形状パラメータｖ_Ｋハット）をスレッショルド係数設定部１３に出力する。
一方、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}より小さければ（Ｉ_Ｋ＜Ｉ_{Ｗｅｉｂｕｌｌ}）、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択し、レンジビン信号の分布との尤度がＩ_{Ｗｅｉｂｕｌｌ}になる場合のＷｅｉｂｕｌｌ分布の確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハット、形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハット）をスレッショルド係数設定部１３に出力する。

以降の処理は、上記実施の形態１と同様であるため説明を省略するが、この実施の形態３によれば、上記実施の形態１と同様に、クラッタの変動を正確に表している確率分布モデルを選択することができるため、目標の検出性能の低下やクラッタの誤検出を防止することができる効果が得られる。
また、この実施の形態３によれば、Ｋ−分布の形状パラメータｖ_Ｋハットの発散の有無に応じて、Ｗｅｉｂｕｌｌ分布の形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハットを探索する際の探索範囲を限定することができるため、処理負荷を低減することができる効果が得られる。

実施の形態４．
図９はこの発明の実施の形態４による目標検出装置を示す構成図であり、図９において、図１と同一符号は同一または相当部分を示すので説明を省略する。
パラメータ推定手順簡略型目標候補検出処理部４０−１〜４０−Ｌは例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、ビーム形成部６により生成されたビーム受信信号＃１〜＃Ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ処理を実施することで、目標が存在している可能性があるレンジビンを検出する。

図１０はこの発明の実施の形態４による目標検出装置のパラメータ推定手順簡略型目標候補検出処理部４０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図であり、図１０において、図２と同一符号は同一または相当部分を示すので説明を省略する。
推定手順簡略型パラメータ推定部４１は複数の確率分布モデルとして、Ｋ−分布とＷｅｉｂｕｌｌ分布が用意されており、Ｗｅｉｂｕｌｌ分布の確率分布パラメータとして、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する。

また、推定手順簡略型パラメータ推定部４１は探索したＷｅｉｂｕｌｌ分布の確率分布パラメータｐ_１ハット，ｐ_２ハットにおける形状パラメータＩ_{Ｗｅｉｂｕｌｌ}ハットが２以上である場合、そのレンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。
一方、探索したＷｅｉｂｕｌｌ分布の確率分布パラメータｐ_１ハット，ｐ_２ハットにおける形状パラメータＩ_{Ｗｅｉｂｕｌｌ}ハットが２未満である場合、Ｋ−分布の確率分布パラメータとして、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハットを探索し、Ｋ−分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_Ｋを算出する。

推定手順簡略型パラメータ推定部４１はＫ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}以上であれば、レンジビン信号に対応する確率分布モデルとしてＫ−分布を選択し、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}より小さければ、レンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択する。なお、推定手順簡略型パラメータ推定部４１はスレッショルド係数設定手段を構成している。

次に動作について説明する。
上記実施の形態１と比べて、目標候補検出処理部７−１〜７−Ｌとパラメータ推定手順簡略型目標候補検出処理部４０−１〜４０−Ｌが異なり、特に複数確率分布モデル想定型パラメータ推定部１２が、推定手順簡略型パラメータ推定部４１に置き換わっている点だけが相違している。
このため、この実施の形態４では、推定手順簡略型パラメータ推定部４１の処理内容だけを説明する。
図１１はパラメータ推定手順簡略型目標候補検出処理部４０−ｌの処理手順を示すフローチャートである。

推定手順簡略型パラメータ推定部４１には、複数の確率分布モデルとして、Ｋ−分布とＷｅｉｂｕｌｌ分布が用意されている。
推定手順簡略型パラメータ推定部４１は、振幅検波部１１からレンジビン信号が与えられると、Ｗｅｉｂｕｌｌ分布の確率分布パラメータとして、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハット、形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハット）を探索し、Ｗｅｉｂｕｌｌ分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を算出する（図１１のステップＳＴ１）。

推定手順簡略型パラメータ推定部４１は、Ｗｅｉｂｕｌｌ分布の確率分布パラメータｐ_１ハット，ｐ_２ハットを探索すると、その確率分布パラメータにおける形状パラメータＩ_{Ｗｅｉｂｕｌｌ}ハットが２以上であるか否かを判定し、その形状パラメータＩ_{Ｗｅｉｂｕｌｌ}ハットが２以上であれば（ステップＳＴ２：ＹＥＳの場合）、そのレンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択し、Ｗｅｉｂｕｌｌ分布とレンジビン信号の分布との尤度がＩ_{Ｗｅｉｂｕｌｌ}になる場合の確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_{Ｗｅｉｂｕｌｌ}ハット、形状パラメータｖ_{Ｗｅｉｂｕｌｌ}ハット）をスレッショルド係数設定部１３に出力する（ステップＳＴ３）。

推定手順簡略型パラメータ推定部４１は、Ｗｅｉｂｕｌｌ分布の形状パラメータＩ_{Ｗｅｉｂｕｌｌ}ハットが２未満であれば（ステップＳＴ２：ＮＯの場合）、Ｋ−分布の確率分布パラメータとして、Ｋ−分布とレンジビン信号の分布との尤度が最大になる確率分布パラメータｐ_１ハット，ｐ_２ハット（尺度パラメータｂ_Ｋハット、形状パラメータｖ_Ｋハット）を探索し、Ｋ−分布が、その探索した確率分布パラメータｐ_１ハット，ｐ_２ハットを用いた場合の尤度である最大尤度Ｉ_Ｋを算出する（ステップＳＴ４）。

推定手順簡略型パラメータ推定部４１は、Ｋ−分布の最大尤度Ｉ_ＫとＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}を比較し、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}以上であれば（ステップＳＴ５：ＹＥＳの場合）、そのレンジビン信号に対応する確率分布モデルとしてＫ−分布を選択し、そのレンジビン信号の分布との尤度がＩ_Ｋになる場合のＫ−分布の確率分布パラメータｐ_１ハット，ｐ_２ハットをスレッショルド係数設定部１３に出力する（ステップＳＴ６）。
一方、Ｋ−分布の最大尤度Ｉ_ＫがＷｅｉｂｕｌｌ分布の最大尤度Ｉ_{Ｗｅｉｂｕｌｌ}より小さければ（ステップＳＴ５：ＮＯの場合）、そのレンジビン信号に対応する確率分布モデルとしてＷｅｉｂｕｌｌ分布を選択し、レンジビン信号の分布との尤度がＩ_{Ｗｅｉｂｕｌｌ}になる場合のＷｅｉｂｕｌｌ分布の確率分布パラメータｐ_１ハット，ｐ_２ハットをスレッショルド係数設定部１３に出力する（ステップＳＴ３）。

以降の処理は、上記実施の形態１と同様であるため説明を省略するが、この実施の形態４によれば、上記実施の形態１と同様に、クラッタの変動を正確に表している確率分布モデルを選択することができるため、目標の検出性能の低下やクラッタの誤検出を防止することができる効果が得られる。
また、この実施の形態４によれば、Ｗｅｉｂｕｌｌ分布の形状パラメータＩ_{Ｗｅｉｂｕｌｌ}ハットが２以上である場合、Ｋ−分布の確率分布パラメータｐ_１ハット，ｐ_２ハットを探索する処理を省略することができるため、処理負荷を低減することができる効果が得られる。

実施の形態５．
図１２はこの発明の実施の形態５による目標検出装置を示す構成図であり、図１２において、図１と同一符号は同一または相当部分を示すので説明を省略する。
テーブル参照型目標候補検出処理部５０−１〜５０−Ｌは例えばＣＰＵを実装している半導体集積回路、あるいは、ワンチップマイコンなどから構成されており、ビーム形成部６により生成されたビーム受信信号＃１〜＃Ｌを検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成し、そのレンジビン信号に対するＣＦＡＲ処理を実施することで、目標が存在している可能性があるレンジビンを検出する。

図１３はこの発明の実施の形態５による目標検出装置のテーブル参照型目標候補検出処理部５０−ｌ（ｌ＝１，２，・・・，Ｌ）を示す構成図であり、図１３において、図２と同一符号は同一または相当部分を示すので説明を省略する。
テーブル参照型スレッショルド係数設定部５１は各確率分布モデルの確率分布パラメータとスレッショルド係数の対応関係を示すテーブルが用意されており、そのテーブルを参照して、複数確率分布モデル想定型パラメータ推定部１２から出力された確率分布パラメータに対応するスレッショルド係数を設定し、そのスレッショルド係数を係数乗算処理部１７に出力する処理を実施する。
なお、複数確率分布モデル想定型パラメータ推定部１２及びテーブル参照型スレッショルド係数設定部５１からスレッショルド係数設定手段が構成されている。

次に動作について説明する。
上記実施の形態１と比べて、目標候補検出処理部７−１〜７−Ｌとテーブル参照型目標候補検出処理部５０−１〜５０−Ｌが異なり、特にスレッショルド係数設定部１３が、テーブル参照型スレッショルド係数設定部５１に置き換わっている点だけが相違している。
このため、この実施の形態５では、主にテーブル参照型スレッショルド係数設定部５１の処理内容を説明する。

テーブル参照型スレッショルド係数設定部５１には、複数確率分布モデル想定型パラメータ推定部１２に用意されている複数の複数確率分布モデルについて、確率分布パラメータとスレッショルド係数の対応関係を示すテーブルが用意されている。
複数確率分布モデル想定型パラメータ推定部１２は、上記実施の形態１と同様に、予め用意されている複数のクラッタ確率分布モデルの中から、振幅検波部１１により生成されたレンジビン信号に対応する確率分布モデルを選択し、その選択した確率分布モデルを示す番号ｍと、その選択したクラッタ確率分布モデルについて探索した確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎｍハットとをテーブル参照型スレッショルド係数設定部５１に出力する。

テーブル参照型スレッショルド係数設定部５１は、予め用意されている複数のテーブルのうち、複数確率分布モデル想定型パラメータ推定部１２から出力された番号ｍに対応する確率分布モデルのテーブルを参照して、複数確率分布モデル想定型パラメータ推定部１２から出力された確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎｍハットに対応するスレッショルド係数を設定し、そのスレッショルド係数を係数乗算処理部１７に出力する。

以降の処理は、上記実施の形態１と同様であるため説明を省略するが、この実施の形態５によれば、上記実施の形態１と同様に、クラッタの変動を正確に表している確率分布モデルを選択することができるため、目標の検出性能の低下やクラッタの誤検出を防止することができる効果が得られる。
また、この実施の形態５によれば、複数確率分布モデル想定型パラメータ推定部１２から確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_ｍＮハットを受ける毎に、確率分布パラメータｐ_１ハット，ｐ_２ハット，・・・，ｐ_Ｎｍハットからスレッショルド係数を設定する必要がないため、処理負荷を低減することができる効果が得られる。

この実施の形態５では、複数確率分布モデル想定型パラメータ推定部１２がテーブル参照型目標候補検出処理部５０−１〜５０−Ｌに実装されているものを示したが、複数確率分布モデル想定型パラメータ推定部１２の代わりに、発散判定型パラメータ推定部２１、 探索範囲限定型パラメータ推定部３１又は推定手順簡略型パラメータ推定部４１が実装されているものであってもよい。

なお、本願発明はその発明の範囲内において、各実施の形態の自由な組み合わせ、あるいは各実施の形態の任意の構成要素の変形、もしくは各実施の形態において任意の構成要素の省略が可能である。

１ 送信機、２ 送信アンテナ、３−１〜３−Ｌ 受信アンテナ（電波受信手段）、４−１〜４−Ｌ 受信機（電波受信手段）、５−１〜５−Ｌ Ａ／Ｄ変換器（電波受信手段）、６ ビーム形成部（電波受信手段）、７−１〜７−Ｌ 目標候補検出処理部、８ メモリ回路、９ 航跡検出処理部（航跡検出手段）、１１ 振幅検波部（レンジビン信号生成手段）、１２ 複数確率分布モデル想定型パラメータ推定部（スレッショルド係数設定手段）、１３ スレッショルド係数設定部（スレッショルド係数設定手段）、１４ レンジ方向ＣＦＡＲ処理部（目標候補検出手段）、１５ セル設定処理部、１６ リファレンスセル振幅加算処理部、１７ 係数乗算処理部、１８ 振幅比較部、２０−１〜２０−Ｌ パラメータ発散判定型目標候補検出処理部、２１ 発散判定型パラメータ推定部（スレッショルド係数設定手段）、３０−１〜３０−Ｌ パラメータ探索範囲限定型目標候補検出処理部、３１ 探索範囲限定型パラメータ推定部（スレッショルド係数設定手段）、４０−１〜４０−Ｌ パラメータ推定手順簡略型目標候補検出処理部、４１ 推定手順簡略型パラメータ推定部（スレッショルド係数設定手段）、５０−１〜５０−Ｌ テーブル参照型目標候補検出処理部、５１ テーブル参照型スレッショルド係数設定部（スレッショルド係数設定手段）。

Claims (9)

1. 観測対象である目標に反射された電波である目標反射波及びクラッタを受信して、電波の受信信号を出力する電波受信手段と、
   前記電波受信手段から出力された受信信号を検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成するレンジビン信号生成手段と、
   予め用意されているクラッタの変動を示す複数の確率分布モデルの中から、前記レンジビン信号生成手段により生成されたレンジビン信号に対応する確率分布モデルを選択し、その選択した確率分布モデルの確率分布パラメータと、前記クラッタを誤って前記目標反射波と判定してしまう確率である誤警報確率とを用いて、前記目標の検出処理に用いるスレッショルド係数を設定するスレッショルド係数設定手段と、
   前記レンジビン信号生成手段により生成されたレンジビン信号における複数のセルのうち、前記目標を検出する対象の注目セル以外の複数のセルの振幅値と、前記スレッショルド係数とから閾値を算出し、前記注目セルの振幅値が前記閾値より高ければ、前記注目セルに前記目標が存在している可能性があると判定する目標候補検出手段と
   を備えた目標検出装置。
2. 前記目標候補検出手段は、前記レンジビン信号における全てのセルを順番に前記注目セルとして、前記閾値を算出する処理と、前記注目セルに前記目標が存在している可能性があるか否かを判定する処理とを繰り返し実施することで、前記目標が存在している可能性があるレンジビンを検出することを特徴とする請求項１記載の目標検出装置。
3. 前記目標候補検出手段により検出されたレンジビンの時間的な変化から目標の航跡を検出する航跡検出手段を備えたことを特徴とする請求項２記載の目標検出装置。
4. 前記スレッショルド係数設定手段は、予め用意されている確率分布モデル毎に、当該確率分布モデルと前記レンジビン信号生成手段により生成されたレンジビン信号の分布との尤度を算出し、前記複数の確率分布モデルの中から、前記尤度の算出結果に基づいて前記レンジビン信号に対応する確率分布モデルを選択することを特徴とする請求項１から請求項３のうちのいずれか１項記載の目標検出装置。
5. 前記スレッショルド係数設定手段は、予め用意されている複数の確率分布モデルの中から、前記レンジビン信号に対応する確率分布モデルを選択する際、予め用意されている確率分布モデル毎に、当該確率分布モデルの確率分布パラメータとして、前記レンジビン信号の分布との尤度が高まる確率分布パラメータを探索し、
   前記複数の確率分布モデルが、その探索した確率分布パラメータを用いた場合の前記レンジビン信号の分布との尤度に基づいて、前記レンジビン信号に対応する確率分布モデルを選択することを特徴とする請求項４記載の目標検出装置。
6. 前記スレッショルド係数設定手段は、前記複数の確率分布モデルとして、Ｋ−分布とワイブル分布が用意されており、
   前記Ｋ−分布の確率分布パラメータにおける形状パラメータが無限大に発散する場合、前記レンジビン信号に対応する確率分布モデルとして前記ワイブル分布を選択し、
   前記Ｋ−分布の形状パラメータが無限大に発散しない場合、前記Ｋ−分布及び前記ワイブル分布の確率分布パラメータとして、前記レンジビン信号の分布との尤度が高まる確率分布パラメータを探索して、前記Ｋ−分布及び前記ワイブル分布が、その探索した確率分布パラメータを用いた場合の前記レンジビン信号の分布との尤度を算出し、
   前記Ｋ−分布の尤度が前記ワイブル分布の尤度より大きければ、前記レンジビン信号に対応する確率分布モデルとして前記Ｋ−分布を選択し、前記Ｋ−分布の尤度が前記ワイブル分布の尤度より小さければ、前記レンジビン信号に対応する確率分布モデルとして前記ワイブル分布を選択することを特徴とする請求項４記載の目標検出装置。
7. 前記スレッショルド係数設定手段は、前記複数の確率分布モデルとして、Ｋ−分布とワイブル分布が用意されており、
   前記Ｋ−分布の確率分布パラメータとして、前記レンジビン信号の分布との尤度が高まる確率分布パラメータを探索して、前記Ｋ−分布が、その探索した確率分布パラメータを用いた場合の前記レンジビン信号の分布との尤度を算出し、
   前記Ｋ−分布の確率分布パラメータにおける形状パラメータが無限大に発散する場合、前記レンジビン信号に対応する確率分布モデルとしてワイブル分布を選択し、
   前記Ｋ−分布の確率分布パラメータにおける形状パラメータが無限大に発散しない場合、前記ワイブル分布の確率分布パラメータにおける形状パラメータの探索範囲を２未満のものに限定して、前記レンジビン信号の分布との尤度が高まる前記ワイブル分布の確率分布パラメータを探索し、前記ワイブル分布が、その探索した確率分布パラメータを用いた場合の前記レンジビン信号の分布との尤度を算出し、前記Ｋ−分布の尤度が前記ワイブル分布の尤度より大きければ、前記レンジビン信号に対応する確率分布モデルとして前記Ｋ−分布を選択し、前記Ｋ−分布の尤度が前記ワイブル分布の尤度より小さければ、前記レンジビン信号に対応する確率分布モデルとして前記ワイブル分布を選択することを特徴とする請求項４記載の目標検出装置。
8. 前記スレッショルド係数設定手段は、前記複数の確率分布モデルとして、Ｋ−分布とワイブル分布が用意されており、
   前記ワイブル分布の確率分布パラメータとして、前記レンジビン信号の分布との尤度が高まる確率分布パラメータを探索して、前記ワイブル分布が、その探索した確率分布パラメータを用いた場合の前記レンジビン信号の分布との尤度を算出し、
   前記探索した確率分布パラメータにおける形状パラメータが２以上である場合、前記レンジビン信号に対応する確率分布モデルとして前記ワイブル分布を選択し、
   前記探索した確率分布パラメータにおける形状パラメータが２未満である場合、前記Ｋ−分布の確率分布パラメータとして、前記レンジビン信号の分布との尤度が高まる確率分布パラメータを探索して、前記Ｋ−分布が、その探索した確率分布パラメータを用いた場合の前記レンジビン信号の分布との尤度を算出し、前記Ｋ−分布の尤度が前記ワイブル分布の尤度より大きければ、前記レンジビン信号に対応する確率分布モデルとして前記Ｋ−分布を選択し、前記Ｋ−分布の尤度が前記ワイブル分布の尤度より小さければ、前記レンジビン信号に対応する確率分布モデルとして前記ワイブル分布を選択することを特徴とする請求項４記載の目標検出装置。
9. 観測対象である目標に反射された電波である目標反射波及びクラッタを受信して、電波の受信信号を出力する電波受信手段と、
   前記電波受信手段から出力された受信信号を検波して、各レンジビンの振幅値を格納しているセルが連なっているレンジビン信号を生成するレンジビン信号生成手段と、
   予め用意されているクラッタの変動を示す複数の確率分布モデルの中から、前記レンジビン信号生成手段により生成されたレンジビン信号に対応する確率分布モデルを選択し、各確率分布モデルの確率分布パラメータと前記目標の検出処理に用いるスレッショルド係数の対応関係を示すテーブルを参照して、その選択した確率分布モデルの確率分布パラメータに対応するスレッショルド係数を設定するスレッショルド係数設定手段と、
   前記レンジビン信号生成手段により生成されたレンジビン信号における複数のセルのうち、前記目標を検出する対象の注目セル以外の複数のセルの振幅値と、前記スレッショルド係数とから閾値を算出し、前記注目セルの振幅値が前記閾値より高ければ、前記注目セルに前記目標が存在している可能性があると判定する目標候補検出手段と
   を備えた目標検出装置。

Images