電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム
【課題】記憶するデータの記憶容量とデータ取得回数を増大することなく、検出精度を高めた方位検出ができる。
【解決手段】周波数分解処理部がビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、ビート周波数毎に分解されたビート信号に基づいた複素数データを要素とする行列の特異値に基づいて受信波の波数を推定し、該推定された波数に応じた数の特異値に基づいて作成される信号部分空間によって示される信号部分空間の擬似逆行列に基づいた係数を生成し、該生成された係数に基づいて受信波の到来方向を算出する。
【解決手段】周波数分解処理部がビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、ビート周波数毎に分解されたビート信号に基づいた複素数データを要素とする行列の特異値に基づいて受信波の波数を推定し、該推定された波数に応じた数の特異値に基づいて作成される信号部分空間によって示される信号部分空間の擬似逆行列に基づいた係数を生成し、該生成された係数に基づいて受信波の到来方向を算出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、放射された送信波に対するターゲットからの反射波を用いて、このターゲットの検出を行う、車載用に好適な電子走査型レーダ装置、受信波方向推定方法及びこれに用いる受信波方向推定プログラムに関する。
【背景技術】
【０００２】
従来、車載レーダとしては、ＦＭＣＷ（Frequency Modulated Continuous Wave）レーダ、多周波ＣＷ（Continuous Wave）レーダ、及びパルスレーダ等の方式を利用した電子走査型のレーダが知られている。
上記各レーダにおいては、ターゲット（反射物）からの到来波（あるいは受信波）の方向検知の技術として、アレーアンテナの到来波方向推定方法が用いられている。
この到来波方向推定方法は、近年、受信アンテナのチャンネル数を増やすことなく高い分解能が得られる、ＡＲスペクトル推定法（図３４）やＭＵＳＩＣ（MUltiple SIgnal Classification）法等の高分解能（高精度）アルゴリズムが用いられている（特許文献１、２、３参照）。また、ＡＲスペクトル推定法は、最大エントロピー法（MEM：Maximum Entropy Method ）や線形予測法などといわれる場合もある。
これらのアルゴリズムでターゲット（反射物）からの到来波方向推定を行う場合には、複素数によって示される入力データ（複素正弦波にノイズ成分が合成されたデータ）を相関行列といった行列形式に変換してから推定処理が行われる。
【０００３】
また、車載レーダに用いられる高分解能到来波方向推定方法では、ノイズ成分を抑制し推定精度を向上させるために、過去の制御サイクルの相関行列を記憶しておき、今回の制御サイクルの相関行列との平均化（又は加算）処理をしてから方向推定処理を実行している。この相関行列の平均化処理は、少ないチャンネル数によって構成される車載用レーダにとって、方位検出精度（角度精度や分離性能）の向上に大きな効果を得ることができる（特許文献２）。
また、これらの高分解能アルゴリズムは、適当な到来波（受信波）数（ＡＲスペクトル推定法の場合はモデル次数）を設定してから推定することが必要とされる（特許文献３）。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００６−２７５８４０号公報
【特許文献２】特開２００９−１５６５８２号公報
【特許文献３】特開２００９−１６２６８８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところで、特許文献２の技術において、推定精度を高めるためには、平均化するための相関行列数を多くすることが必要となる。平均するための相関行列数を増やすためには、過去の相関行列を保持しておく期間を長くして、複数の過去の相関行列を参照する回数を増やすか、同一制御サイクルにおけるデータ取得数を増やすことが必要となる。データ量については、１回のデータ取得で生成される相関行列そのものがデータ数×データ数個の大きさとなり、演算対象のデータ量は、データ取得数に応じて増加する。また、同一制御サイクルにおけるデータ取得数を増やすことは、ＦＭＣＷ方式の場合、同一制御サイクルにおける三角波出力回数を増加させることになる。このように、推定精度を高めるためにデータ量を増やした場合には、演算負荷が増大することが課題である。
また、ＡＲスペクトル推定法は、比較的演算負荷の軽いアルゴリズムであり、距離方向に数多く存在するターゲットに対して方位推定処理も数多く行うことができるので、車載用レーダとして好適な手法である。また、ＡＲスペクトル推定法は、ＭＵＳＩＣ法と比べると受信波数（=モデル次数）の設定にセンシティブにならなくても推定できるという利点があり、モデル次数の高いほど推定精度が高くなるという傾向がある。
しかしながら、ＡＲスペクトル推定法においては、設定次数に対して信号受信波数が大幅に少なくノイズ成分が多い場合には、相関行列（正規方程式）の平均を行い、精度を高めたとしても、偽ピークが検出されてしまう場合があることが懸案であった。
また、小型・低コスト化が必要とされる車載用レーダのような用途においては、受信系の構成を少ないチャンネル（CH）数にすることが要求され、少ないチャンネル（CH）数に適した設定とする場合では、設定できる次数が制限される。また、仮に受信系のCH数を増やすことができたとしても、上記のＡＲスペクトル推定法（標準的ＡＲスペクトル推定法と定義する）においては、次数を設定できるだけであることから、より高い次数の設定と、信号受信波数に応じた適切な設定を同時に満足させることができなかった。
【０００６】
本発明は、このような事情に鑑みてなされたもので、取得するデータを記憶するメモリ容量とデータ取得回数を増大することなく、検出精度を高めた方位検出ができる電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム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】
【０００７】
（１）本発明は、移動体に搭載される電子走査型レーダ装置であり、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信部と、前記送信波及び前記受信波からビート信号を生成するビート信号生成部と、前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理部と、前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出部とを備えることを特徴とする電子走査型レーダ装置である。
【０００８】
（２）また、本発明は、上記発明において、前記方位検出部は、前記ビート信号に基づいて算出された前記複素数データに基づいて前記係数を算出する第１演算処理部を備え、前記第１演算処理部は、前記ビート信号に基づいて算出された前記複素数データに基づいて前記行列及びベクトルを生成するデータ行列データベクトル生成部と、前記生成した行列を特異値分解することにより前記特異値を算出する特異値分解部と、前記算出された特異値に基づいて前記受信波の波数を推定した波数推定値を算出する波数推定部と、該算出された波数推定値により定められる前記信号部分空間に含まれる前記擬似逆行列を算出する擬似逆行列算出部と、前記信号部分空間の擬似逆行列及び前記ベクトルから前記係数を算出する係数算出部とを備えることを特徴とする。
【０００９】
（３）また、本発明は、上記発明において、前記方位検出部は、前記算出された複素数データを元にして、該元の複素数データよりデータ数を拡張した拡張複素数データを生成するデータ拡張部を備え、前記データ行列データベクトル生成部は、前記拡張複素数データを要素とする前記行列及び前記ベクトルを生成することを特徴とする。
【００１０】
（４）また、本発明は、上記発明において、前記データ行列データベクトル生成部は、前記行列及び前記ベクトルとして、予め定められる次数に増加させた次数増加行列及び次数増加ベクトルを生成することを特徴とする。
【００１１】
（５）また、本発明は、上記発明において、前記データ行列データベクトル生成部は、前記行列及び前記ベクトルとして、前記拡張複素数データによる次数を増加させずに、前記拡張複素数データのデータ数を拡張した前記行列及び前記ベクトルを生成することを特徴とする。
【００１２】
（６）また、本発明は、上記発明において、前記方位検出部は、前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成される正規方程式により生成することを特徴とする。
【００１３】
（７）また、本発明は、上記発明において、前記方位検出部は、前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成された前記正規方程式により生成する第２演算処理部を備え、前記データ拡張部は、前記元の複素数データと前記係数に基づいた線形予測式により前記拡張複素数データを生成することを特徴とする。
【００１４】
（８）また、本発明は、上記発明において、前記係数は、自己回帰モデルを用いるスペクトル推定法において、該自己回帰モデルを示す線形方程式に基づいて算出されることを特徴とする。
【００１５】
（９）また、本発明は、上記発明において、前記データ拡張部は、前記受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける、今回の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成することを特徴とする。
【００１６】
（１０）また、本発明は、上記発明において、前記ターゲットに対応付けられた情報を、前記検知サイクルの回数に対応付けて記憶する記憶部を備え、前記データ拡張部は、前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成することを特徴とする。
【００１７】
（１１）また、本発明は、上記発明において、前記データ拡張部は、前記今回の検知サイクルにおいて算出された前記元の複素数データと、前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された過去の複素数データとに基づいて前記拡張複素数データを生成することを特徴とする。
【００１８】
（１２）また、本発明は、上記発明において、前記今回の検知サイクルと、前記過去の検知サイクルとにおいて、それぞれ検知された前記ターゲットを関連付け、前記関連付けられたターゲットに対応付けられた情報を前記記憶部に記憶させるターゲット連結処理部を備えることを特徴とする。
【００１９】
（１３）また、本発明は、上記発明において、前記ターゲット連結処理部は、前記今回及び前記過去の検知サイクルにおける前記ターゲットの関連付けを、距離及び相対速度、又は、距離、相対速度及び方位により行うことを特徴とする。
【００２０】
（１４）また、本発明は、上記発明において、前記方位検出部は、前記ターゲットに対応付けられた前記情報である前記係数を平均する係数フィルタ部を備えることを特徴とする。
【００２１】
（１５）また、本発明は、上記発明において、前記係数フィルタ部は、前記第１演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を平均する第１係数フィルタ部を備えることを特徴とする。
【００２２】
（１６）また、本発明は、上記発明において、前記係数フィルタ部は、前記第２演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を平均する第２係数フィルタ部を備えることを特徴とする。
【００２３】
（１７）また、本発明は、上記発明において、前記ビート周波数の強度値からピーク値を検出して前記ターゲットの存在を検知するピーク検知部を備え、前記方位検出部は、前記ピーク検知部によって存在が検知されたターゲットに対応する前記複素数データに基づいて、前記受信波の到来方向を算出することを特徴とする。
【００２４】
（１８）また、本発明は、上記発明において、前記複素数データに基づいて、前記受信波を受信する所望の方向の受信感度を高めるデジタルビームフォーミングに基づいて前記ターゲットの存在及び方位を検出するＤＢＦ部をさらに備え、前記ピーク検知部は、前記今回の検知サイクルにおけるビート周波数における前記デジタルビームフォーミングに基づいて前記ターゲットの方位を検出することを特徴とする。
【００２５】
（１９）また、本発明は、移動体に搭載される電子走査型レーダ装置による受信波方向推定方法であり、受信部が、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信過程と、ビート信号生成部が前記送信波及び前記受信波からビート信号を生成するビート信号生成過程と、周波数分解処理部が前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理過程と、前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出過程とを含むことを特徴とする受信波方向推定方法である。
【００２６】
（２０）また、本発明は、移動体に搭載される電子走査型レーダ装置により受信波方向推定の処理をコンピュータに実行させるためのプログラムであり、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信処理手順と、前記送信波及び前記受信波からビート信号を生成するビート信号生成処理手順と、前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理手順と、前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出手順とを実行させるためのプログラムである。
【発明の効果】
【００２７】
以上説明したように、本発明によれば、受信部が、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される。ビート信号生成部が前記送信波及び前記受信波からビート信号を生成する。周波数分解処理部が、前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する。方位検出部が、ビート信号に基づいて算出された複素数データに基づいて生成される行列の特異値に基づいて受信波の波数を推定し、該推定された波数に応じた数の特異値に基づいて作成される信号部分空間によって示される信号部分空間成分の擬似逆行列に基づいた係数を生成し、該生成された係数に基づいて受信波の到来方向を算出する。
これにより、方位検出部は、ターゲットの存在が検知されたビート周波数である検出ビート周波数の複素数データに基づいて生成される行列の特異値に基づいて到来波の波数を推定し定める。方位検出部は、推定された波数に応じた特異値に基づいて作成される信号部分空間の擬似逆行列に基づいた係数により受信波の到来方向を算出するので、検出精度を高めた方位検出ができる電子走査型レーダ装置及び受信波方向推定プログラムを提供することが可能となる。
【図面の簡単な説明】
【００２８】
【図１】本発明の第１実施形態による電子走査型レーダ装置の構成を示すブロック図である。
【図２】送信信号と、ターゲットに反射された受信信号が入力された状態を示す図である。
【図３】受信アンテナにおける受信波の説明を行う概念図である。
【図４】ビート信号を周波数分解した結果であり、ビート周波数（横軸）とそのピーク値（縦軸）とを示すグラフである。
【図５】ピーク組合せ部２４における上昇領域及び下降領域のビート周波数のマトリクスと、そのマトリクスの交点、すなわち上昇領域及び下降領域のビート周波数の組み合わせにおける距離及び相対速度とピークレベルとを示すテーブルである。
【図６】今回の検知サイクルにおけるピークのペアを確定したターゲット群毎の距離及び相対速度と周波数ポイントを示すテーブルである。
【図７】本実施形態における方位検出部の構成を示すブロック図である。
【図８】検知サイクルにおけるデータ取得処理を示すタイムチャートである。
【図９】本実施形態に適用するデータ拡張法について示す図である。
【図１０】複素数データを拡張する処理について示す図である。
【図１１】ＭＦＢＬＰ法におけるデータ行列とデータベクトルの生成と擬似逆行列で表現できることを示す図である。
【図１２】特異値分解の演算処理を示す図である。
【図１３】信号部分空間の擬似逆行列Ａ＃から算出されるＡＲ係数ａから、白色雑音の分散値とパワースペクトルを求める演算処理を示す図である。
【図１４】メモリ２１に設けられるテーブルを示す図である。
【図１５】ＡＲ係数の記憶方法、呼出方法を示す図である。
【図１６】本実施形態の処理を示すフローチャートである。
【図１７】図１６のステップＳａ１０６からステップＳａ１０８までに示した信号波数推定処理の詳細を示す図（その１）である。
【図１８】図１６のステップＳａ１０６からステップＳａ１０８までに示した信号波数推定処理の詳細を示す図（その２）である。
【図１９】ＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
【図２０】第２実施形態によるＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
【図２１】第３実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
【図２２】ＭＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
【図２３】ＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
【図２４】メモリ２１に設けられるテーブルを示す図である。
【図２５】本実施形態の処理を示すフローチャートである。
【図２６】第４実施形態の方位検出部の構成を示すブロック図である。
【図２７】本実施形態の処理を示すフローチャートである。
【図２８】第５実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
【図２９】上昇領域及び下降領域それぞれのピークを組み合わせるためのテーブルを示す図である。
【図３０】第６実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
【図３１】上昇領域及び下降領域それぞれのピークのペアを確定した結果を記憶するテーブルである。
【図３２】本実施形態による電子走査型レーダ装置の方位推定特性の効果を示す図（その１）である。
【図３３】本実施形態による電子走査型レーダ装置の方位推定特性の効果を示す図（その２）である。
【図３４】従来のＡＲスペクトル推定処理を示す図である。
【発明を実施するための形態】
【００２９】
＜ＡＲスペクトル推定の説明＞
以下、本発明の実施形態に適用するＡＲスペクトル推定法について示す。
最初に、標準的なＡＲスペクトル推定法（AR Spectral Estimation）について示す。ＡＲスペクトル推定法は、ＭＵＳＩＣ法と同じくスペクトルを推定するスペクトル推定法として知られており、ＡＲモデル（Autoregressive Model：自己回帰モデル）を用いた推定処理を行う方法である。このようなＡＲスペクトル推定法は、ＭＵＳＩＣ法が部分空間法として分類される場合に、パラメトリック法として分類される。また、ＡＲスペクトル推定法は、最大エントロピー法、線形予測法と呼ばれる場合もある。
【００３０】
ＡＲスペクトル推定法は、まず線形式によって示されるＡＲモデルを用いてモデル化して、入力データに基づいた線形式である正規方程式（自己相関行列や共分散行列と呼ばれる行列と、右辺ベクトルや相互相関ベクトルと呼ばれるベクトルも含まれる）を作成する。さらに、正規方程式に基づいて、ＡＲフィルタの係数（ＡＲ係数）と入力白色雑音の分散値を求めた後、そのＡＲ係数と入力白色雑音の分散値を用いてパワースペクトルを求め推定する手法である（図３４参照）。入力データには、時系列のデータの他、本実施形態におけるレーダのような空間方向のチャンネルデータに対しても適用できる。このようなＡＲスペクトル推定法は、自己相関行列を用いた手法と共分散行列を用いた手法に大別され、自己相関行列を用いた手法として自己相関法（Autocorrelation Method）（又は、ユールウォーカー法）とバーグ法（Burg Method）があり、共分散行列を用いた方法として共分散法（Covariance Method）と改良共分散法（Modified Covariance Method）がある。また、改良共分散法は、前向き後向き線形予測法（Forward and Backward Linear Prediction Method、ＦＢＬＰ法）とも呼ばれる。
上記のＡＲスペクトル推定法（以下、「標準的なＡＲスペクトル推定法」という）は、固有値分解を行わないので、演算負荷が比較的軽いことが特色である。
【００３１】
ところで、本実施形態に示すＡＲスペクトル推定法においては、検出した信号を信号部分空間とノイズ部分空間とに分離して検出処理を行う。ＡＲスペクトル推定法において、その信号部分空間を抽出することにより、ＡＲモデルの次数を固定値にしていても、受信信号波数に応じたスペクトル推定処理における検出特性を適応させることができる。
このようなＡＲスペクトル推定法において、標準的な改良共分散法（共分散法）に用いるデータ列によって示されるＭＦＢＬＰ法（Modified Forward and Backward Linear Prediction Method：改良前向き後向き線形予測法）を適用する［参考文献：Tufts, Kumaresan, " Estimation of Frequency of Multiple Sinusoids : Making Linear Prediction Perform Like Maximum Likelihood", IEEE Vol.70, No.9, September 1982.を参照］。このＭＦＢＬＰ法は、パラメトリック法と部分空間法とを組み合わせるような手法である。ＡＲスペクトル推定法において、ＭＦＢＬＰ法を適用することにより、共分散行列と右辺ベクトルを作成することなく、データ行列とデータベクトルから直接特異値分解を行い、疑似逆行列を求める。
なお、信号部分空間の抽出は、信号部分空間に含まれる該行列の疑似逆行列の作成により行う。
このように、本実施形態に示すＡＲスペクトル推定法は、設定次数に対して信号受信波数が少なくノイズ成分が多い場合であっても、偽ピークの発生を低減させることができるので、ＡＲスペクトル推定における推定精度を高めるよう、次数を増加させることが可能である。
【００３２】
（第１実施形態）
以下、本発明の実施形態による電子走査型レーダ装置（ＦＭＣＷ方式ミリ波レーダ）について図面を参照して説明する。
図１は、同実施形態における電子走査型レーダ装置の構成を示すブロック図である。
この図において、本実施形態による電子走査型レーダ装置は、受信アンテナ１−１〜１−ｎ、ミキサ２−１〜２−ｎ、送信アンテナ３、分配器４、フィルタ５−１〜５―ｎ、ＳＷ（スイッチ）６、ＡＤＣ（Ａ／Ｄコンバータ）７、制御部８、三角波生成部９、ＶＣＯ１０、信号処理部２０Ａを備える。
信号処理部２０Ａは、メモリ２１、周波数分離処理部２２、ピーク検知部２３、ピーク組合せ部２４、距離検出部２５、速度検出部２６、ペア確定部２７、方位検出部３０、ターゲット確定部３１、及び、ターゲット連結処理部３２を備える。
【００３３】
次に、図１を参照して、本実施形態による電子走査型レーダ装置の動作を説明する。
受信アンテナ１−１〜１−ｎは、送信波がターゲットにて反射し、このターゲットから到来する反射波、すなわち受信波を受信する。
ミキサ２−１〜２−ｎは、送信アンテナ３から送信される送信波と、受信アンテナ１−１〜１−ｎそれぞれにおいて受信された受信波が増幅器により増幅された信号とを混合して、それぞれの周波数差に対応したビート信号を生成する。
送信アンテナ３は、三角波生成部９において生成された三角波信号を、ＶＣＯ（Voltage Controlled Oscillator ）１０において周波数変調した送信信号をターゲットに対して送信波として送信する。
分配器４は、ＶＣＯ１０からの周波数変調された送信信号を、ミキサ２−１〜２−ｎ及び送信アンテナ３に分配する。
【００３４】
フィルタ５−１〜５−ｎ各々は、それぞれミキサ２−１〜２−ｎにおいて生成された各受信アンテナ１−１〜１−ｎに対応したＣｈ１〜Ｃｈｎのビート信号に対して帯域制限を行い、ＳＷ（スイッチ）６へ帯域制限されたビート信号を出力する。
ＳＷ６は、制御部８から入力されるサンプリング信号に対応して、フィルタ５−１〜５−ｎ各々を通過した各受信アンテナ１−１〜１−ｎに対応したＣｈ１〜Ｃｈｎのビート信号を、順次切り替えて、ＡＤＣ（Ａ／Ｄコンバータ）７に出力する。
ＡＤＣ７は、ＳＷ６から上記サンプリング信号に同期して入力される、各受信アンテナ１−１〜１−ｎ各々に対応したＣｈ１〜Ｃｈｎのビート信号を、上記サンプリング信号に同期してＡ／Ｄ変換してデジタル信号に変換し、信号処理部２０におけるメモリ２１の波形記憶領域に順次記憶させる。
制御部８は、マイクロコンピュータなどにより構成されており、図示しないＲＯＭなどに格納された制御プログラムに基づき、図１に示す電子走査型レーダ装置全体の制御を行う。
【００３５】
＜距離、相対速度、角度（方位）を検出する原理＞
次に、図を参照し、本実施形態における信号処理部２０において用いられる電子走査型レーダ装置とターゲットとの距離、相対速度、角度（方位）を検出する原理について簡単に説明する。
図２は、送信信号と、ターゲットに反射された受信信号が入力された状態を示す図である。
この図に示される信号は、図１の三角波生成部９において生成された信号をＶＣＯ１０において周波数変調した送信信号と、その送信信号をターゲットが反射して、受信された受信信号である。この図の例では、ターゲットが１つの場合を示す。
図２（ａ）から判るように、送信する信号に対し、ターゲットからの反射波である受信信号が、ターゲットとの距離に比例して右方向（時間遅れ方向）に遅延されて受信される。さらに、ターゲットとの相対速度に比例して、送信信号に対して上下方向（周波数方向）に変動する。そして、図２（ａ）にて求められたビート信号の周波数変換（フーリエ変換（ＦＦＴ）やＤＴＣ、アダマール変換、ウェーブレッド変換など）後において、図２（ｂ）に示されるように、ターゲットが１つの場合、上昇領域及び下降領域それぞれに１つのピーク値を有することなる。ここで、図２（ａ）は横軸が周波数、縦軸が強度を示す。
【００３６】
周波数分解処理部２２は、メモリ２１に蓄積されたビート信号のサンプリングされたデータから、三角波の上昇部分（上り）と下降部分（下り）とのそれぞれについて周波数分解、例えばフーリエ変換などにより離散時間に周波数変換する。すなわち、周波数分解処理部２２は、ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、ビート周波数毎に分解されたビート信号に基づいた複素数データを算出する。
その結果、図２（ｂ）に示すように、上昇部分と下降部分とにおいて、それぞれの周波数分解されたビート周波数毎の信号レベルのグラフが得られる。
そして、ピーク検知部２３は、図２（ｂ）に示すビート周波数毎の信号レベルからピーク値を検出し、ターゲットの存在を検出するとともに、ピーク値のビート周波数（上昇部分及び下降部分の双方）をターゲット周波数として出力する。
【００３７】
次に、距離検出部２５は、ピーク組合せ部２４から入力される上昇部分のターゲット周波数ｆuと、下降部分のターゲット周波数ｆdとから、下記式により距離ｒを算出する。式中の「・」は、乗算を示す。
ｒ＝｛Ｃ・Ｔ／（２・Δｆ）｝・｛（ｆu＋ｆd）／２｝
また、速度検出部２６は、ピーク組合せ部２４から入力される上昇部分のターゲット周波数ｆuと、下降部分のターゲット周波数ｆdとから、下記式により相対速度ｖを算出する。
ｖ＝｛Ｃ／（２・ｆ0）｝・｛（ｆu−ｆd）／２｝
上記距離ｒ及び相対速度ｖを算出する式において、
Ｃ ：光速度
Δｆ：三角波の周波数変調幅
ｆ0 ：三角波の中心周波数
Ｔ ：変調時間（上昇部分/下降部分）
ｆu ：上昇部分におけるターゲット周波数
ｆd ：下降部分におけるターゲット周波数
【００３８】
次に、本実施形態における受信アンテナ１−１〜１−ｎについて示す。
図３は、受信アンテナにおける受信波の説明を行う概念図である。
この図に示されるように、受信アンテナ１−１〜１−ｎは、間隔ｄによりアレー状に配置される。受信アンテナ１−１〜１−ｎには、アンテナを配列している面に対する垂直方向の軸に対して角度θ方向から入射される、ターゲットからの到来波（入射波、すなわち送信アンテナ３から送信した送信波に対するターゲットからの反射波）が入力する。このとき、その到来波は、受信アンテナ１−１〜１−ｎにおいて同一角度にて受信される。この同一角度、例えば角度θ及び各アンテナの間隔ｄにより求められる位相差「ｄｎ−１・sinθ」が、各隣接する受信アンテナ間にて発生する。
その位相差を利用して、アンテナ毎に時間方向に周波数分解処理された値を、アンテナ方向にさらにフーリエ変換するデジタルビームフォーミング（ＤＢＦ）や高分解能アルゴリズム等の信号処理にて上記角度θを検出することができる。
【００３９】
＜信号処理部２０における受信波に対する信号処理＞
次に、信号処理部２０Ａにおける受信波に対する信号処理について示す。
メモリ２１は、波形記憶領域が設けられている。メモリ２１は、ＡＤＣ７によってＡ／Ｄ変換された受信信号の時系列データ（上昇部分及び下降部分）を、アンテナ１−１〜１−ｎ毎に対応させて、上記波形記憶領域に記憶している。例えば、上昇部分及び下降部分それぞれにおいて２５６個をサンプリングした場合、２×２５６個×アンテナ数のデータが、上記波形記憶領域に記憶される。
周波数分解処理部２２は、例えばフーリエ変換などにより、各Ｃｈ１〜Ｃｈｎ（各アンテナ１−１〜１−ｎ）に対応するビート信号それぞれを、予め設定された分解能に応じて周波数成分に変換することによりビート周波数を示す周波数ポイントと、そのビート周波数の複素数データを出力する。例えば、アンテナ毎に上昇部分及び下降部分それぞれが２５６個のサンプリングされたデータを有する場合、アンテナ毎の複素数の周波数領域データとしてビート周波数に変換され、上昇部分及び下降部分それぞれにおいて１２８個の複素数データ（２×１２８個×アンテナ数のデータ）となる。また、上記ビート周波数は周波数ポイントにて示されている。
ここで、アンテナ毎の複素数データには、上記角度θに依存した位相差があり、それぞれの複素数データの複素平面上における絶対値（受信強度あるいは振幅など）は等価である。
【００４０】
ピーク検知部２３は、周波数変換されたビート周波数の三角波の上昇領域及び下降領域それぞれ強度のピーク値を、複素数データを用いて信号強度（または振幅など）におけるピークから、予め設定された数値を超えるピーク値を有するビート周波数を検出することにより、ビート周波数毎のターゲットの存在を検出して、ターゲット周波数を選択する。
したがって、ピーク検知部２３は、いずれかのアンテナにおける複素数データ又は、全アンテナの複素数データの加算値を周波数スペクトル化することにより、スペクトルの各ピーク値がビート周波数、すなわち距離に依存したターゲットの存在として検出することができる。全アンテナの複素数データの加算により、ノイズ成分が平均化されてＳ／Ｎ比が向上する。
【００４１】
ピーク組合せ部２４は、ピーク検知部２３から入力される図４に示すビート周波数とそのピーク値について、上昇領域及び下降領域それぞれのビート周波数とそのピーク値をマトリクス状に総当たりにて組み合わせ、すなわち上昇領域及び下降領域それぞれのビート周波数を全て組み合わせて、順次、距離検出部２５及び速度検出部２６へ出力する。ここで、図４は、横軸がビート周波数の周波数ポイントを示し、縦軸が信号のレベル（強度）を示している。
距離検出部２５は、順次入力される上昇領域及び下降領域それぞれの組み合わせのビート周波数を加算した数値によりターゲットとの上記距離ｒを演算する。
また、速度検出部２６は、順次入力される上昇領域及び下降領域それぞれの組み合わせのビート周波数の差分によりターゲットとの上記相対速度ｖを演算する。
【００４２】
ペア確定部２７は、入力される上記距離ｒ、相対速度ｖ及び下降、上昇のピーク値レベルｐｕ、ｐｄにより、図５に示すテーブルを生成し、ターゲット毎に対応した上昇領域及び下降領域それぞれのピークの適切な組み合わせを判定し、図６に示すテーブルとして上昇領域及び下降領域それぞれのピークのペアを確定し、確定した距離ｒ及び相対速度ｖを示すターゲット群番号をターゲット確定部３１へ出力する。そして、周波数分解処理部２２に、ペアが確定した周波数ポイントを送り、方位検出部６０へ送る複素数データを決定する。図６にはターゲット群番号に対応して、距離、相対速度及び周波数ポイント（上昇領域及又は下降領域）が記憶されている。図５及び図６のテーブルは、ペア確定部２７の内部記憶部に記憶されている。ここで、各ターゲット群は、方向が決定されていないため、電子走査型レーダ装置におけるアンテナアレーの配列方向に対する垂直軸に対して、受信アンテナ１−１〜１−ｎの配列方向に平行な横方向の位置は決定されていない。
【００４３】
ここで、ペア確定部２７は、例えば、過去の検知サイクルにて、最終的に確定した各ターゲットとの距離ｒ及び相対速度ｖから今回の検知サイクルにて予測される値を優先してターゲット群の組み合わせの選択を行う等の手法を用いることもできる。
【００４４】
ターゲット確定部３１は、ペア確定部２７から入力される図６の距離ｒ、相対速度ｖ、周波数ポイントと、方位検出部３０によって検出されたターゲットの方位とを結びつけた後、ターゲット連結処理部３２へ出力する。
ターゲット連結処理部３２は、メモリ２１に記憶されている過去の検知サイクルにおけるターゲットを結びつけた後、ターゲット毎に過去検知サイクル（図８）において記録されたＡＲ係数を方位検出部３０へ出力する。
また、ターゲット連結処理部３２は、今回検知サイクル（図８）において算出されたＡＲ係数に対して、ターゲット確定部３１から出力される距離、相対速度及び方位の識別情報を付して、メモリ２１に記録する。
【００４５】
方位検出部３０は、高分解能アルゴリズムのＡＲスペクトル推定処理によるスペクトル推定処理を行い、そのスペクトル推定処理の結果に基づいて対応するターゲットの方位を検出して、ターゲット確定部３１へ出力する。
このような方位検出部３０は、ビート信号に基づいて算出された複素数データであって、データ数を拡張させた拡張複素数データを生成する。方位検出部３０は、その拡張複素数データを要素とするデータ行列の特異値に基づいて受信波の波数を推定する。また、方位検出部３０は、該推定された波数に応じた個数の特異値に基づいて作成される信号部分空間によって示される信号部分空間の擬似逆行列に基づいたＡＲ係数を生成し、該生成されたＡＲ係数に基づいて受信波の到来方向を算出する。
また、方位検出部３０が生成する拡張複素数データは、今回検知サイクルにおいて取得された複素数データ及び今回の検知サイクルにて算出されるＡＲ係数と、過去検知サイクルにおいて取得されたビート信号に基づいて算出されたＡＲ係数とに基づいて生成される。
ターゲット確定部３１は、ペア確定部２７から入力される図６の距離ｒ、相対速度ｖ、周波数ポイントと、方位検出部３０によって検出されたターゲットの方位とを結びつけて現在の状態を確定し出力する。
【００４６】
以下、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の構成例について、より具体的に示す。
図７は、本実施形態における方位検出部の構成を示すブロック図である。
図７に示される方位検出部３０Ａとターゲット連結処理部３２ａとは、図１に示した方位検出部３０とターゲット連結処理部３２との一態様である。
方位検出部３０Ａは、データ拡張部３１０Ａ、ＭＦＢＬＰ部３２０Ａ、ＦＢＬＰ部３６０Ａ、及び、パワースペクトル算出部３８０Ａを備える。
【００４７】
データ拡張部３１０Ａは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ、及び、過去の検知サイクルにおいて算出されたＡＲ係数から、データ数を増加させた拡張複素数データを生成する。
なお、今回の検知サイクルにおいて取得された複素数データ（ｎ）は、周波数分解処理部２２が周波数分解したビート周波数（上昇と下降のいずれか又は両方）に応じた複素数データである。
また、データ拡張部３１０ＡにおけるＡＲ係数（ｎ−１）は、後述のＭＦＢＬＰ部３２０Ａによって過去の制御サイクルにおいて算出されたものである。ＭＦＢＬＰ部３２０Ａによって、今回の制御サイクルにおいて算出されたＡＲ係数をＡＲ係数１（ｎ）として示すと、過去（前回）の制御サイクルにおいて算出されたＡＲ係数は、ＡＲ係数１（ｎ−１）として示される。
データ拡張部３１０Ａは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ、及び、今回の検知サイクルにおいて算出されたＡＲ係数と、過去の検知サイクルにおいて算出されたＡＲ係数とから、データ数を増加させた拡張複素数データ（ｎ）を生成する。
データ拡張部３１０Ａは、データ数を拡張する元の複素数データ（ｎ）に基づいて設定可能な第２の次数（Ｍ）より増加させ、拡張複素数データを生成する。
【００４８】
なお、新規（最初）に検知したターゲットの制御サイクルにおいては、データ拡張部３１０ＡにおけるＡＲ係数は、後述のＦＢＬＰ部３６０によって、新規にターゲットを検知した制御サイクルにおいて算出されたものである。ＦＢＬＰ部３６０によって新規にターゲットを検知した制御サイクルにおいて算出されたＡＲ係数をＡＲ係数２（ｎ）として示すと、新規にターゲットを検知した次（２回目）の制御サイクルにおいて算出されたＡＲ係数は、ＡＲ係数２（ｎ−１）として示され（ただし、ｎは２である）、２回目の制御サイクルにおいて読み出される。
データ拡張部３１０Ａは、過去の検知サイクルにおいて算出されたＡＲ係数として、新規にターゲットを検知した検知サイクルにおいては、ＦＢＬＰ部３６０Ａによって生成されたＡＲ係数２（ｎ）（ただし、ｎ＝１）に基づき、２回目の検知サイクルにおいては、同じＡＲ係数２（ｎ）をＡＲ係数２（ｎー１）にした係数に基づき、３回目以降の検知サイクルにおいては、ＭＦＢＬＰ部３２０Ａによって生成されたＡＲ係数１（ｎ−１）に基づいてデータ拡張する。
【００４９】
ＭＦＢＬＰ部３２０Ａ（第１演算処理部）は、拡張複素数データ（ｎ）から作成したデータ行列とデータベクトルに基づいて、第１の次数のＡＲ係数（ＡＲ係数１（ｎ））と白色雑音の分散値とを算出する。
このようなＭＦＢＬＰ部３２０Ａは、データ行列・ベクトル作成部３２１Ａ、特異値分解部３２３、波数推定部３２４、擬似逆行列算出部３２５、及び、ＡＲ係数算出部３２６Ａを備える。
【００５０】
データ行列・ベクトル作成部３２１Ａは、「今回検知サイクル」において、データ拡張部３１０Ａによってデータ拡張された拡張複素数データから導かれるデータ行列とデータベクトルを作成する。
【００５１】
特異値分解部３２３は、「今回検知サイクル」において導かれたデータ行列に基づいて特異値分解処理を行い、特異値を算出する。
【００５２】
波数推定部３２４は、特異値分解部３２３による特異値分解処理により算出された特異値から最大の値を示す特異値を判定する。波数推定部３２４は、それぞれ算出された特異値を、算出された特異値の最大の値に基づいて正規化する。波数推定部３２４は、正規化された特異値を予め定められる閾値に基づいて判定し、その判定結果に基づいて後段の処理の波数を選択する。
【００５３】
擬似逆行列算出部３２５は、特異値分解部３２３により算出された特異値から、波数推定部３２４において判定された波数に応じて定められる信号部分空間の疑似逆行列を作成する。この信号部分空間の疑似逆行列を波数推定部３２４において判定された波数に応じて作成することにより、ノイズ成分を除去することができる。
【００５４】
ＡＲ係数算出部３２６Ａは、擬似逆行列算出部３２５によって作成された信号部分空間の疑似逆行列と、データ行列・ベクトル作成部３２１Ａによって、「今回検知サイクル」において導かれたデータ行列とから、ＡＲ係数と、入力白色雑音の分散σ２を算出する。このように、ＡＲ係数算出部３２６Ａは、検知サイクルに応じて、ターゲットの存在が検知されたビート周波数である検出ビート周波数の複素数データに基づいたＡＲ係数と、入力白色雑音の分散σ２を導くことができる。また、ＡＲ係数算出部３２６Ａは、パワースペクトル算出部３８０Ａへ、導かれたＡＲ係数（ＡＲ係数１（ｎ））と入力白色雑音の分散σ２を出力する。また、ＡＲ係数算出部３２６Ａは、ターゲット連結処理部３２ａに、導かれたＡＲ係数１（ｎ）を出力する。
パワースペクトル算出部３８０Ａは、そのＡＲ係数１（ｎ）と入力白色雑音の分散σ２に基づいて導かれるパワースペクトルから受信波の到来方向を算出する。
【００５５】
ＦＢＬＰ部３６０Ａ（第２演算処理部）は、複素数データ（ｎ）から作成した正規方程式に基づいて、第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。
このようなＦＢＬＰ部３６０Ａは、正規方程式作成部３６１及びＡＲ係数算出部３６３Ａを備える。
正規方程式作成部３６１は、周波数分解処理部２２が周波数分解したビート周波数（上昇と下降のいずれか又は両方）に応じた複素数データのそれぞれから導かれ、ＡＲスペクトル推定における第２の次数の正規方程式を作成する。
【００５６】
ＡＲ係数算出部３６３Ａは、正規方程式作成部３６１によって作成された「今回検知サイクル」における第２の次数の正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。このように、ＡＲ係数算出部３６３Ａは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出される第２の次数のＡＲ係数を得、後段のデータ拡張のための係数とする。
また、ＡＲ係数算出部３６３Ａは、ターゲット連結処理部３２ａへ、導かれたＡＲ係数（ＡＲ係数２（ｎ））を出力する。
【００５７】
なお、本実施形態において、データ拡張部３１０Ａが第１手段として機能する。データ行列・ベクトル作成部３２１Ａ、特異値分解部３２３、擬似逆行列算出部３２５及びＡＲ係数算出部３２６Ａが第２手段として機能する。波数推定部３２４が第３手段として機能する。ターゲット連結処理部３２ａが第４手段として機能する。ＦＢＬＰ部３６０が第６手段として機能する。
【００５８】
図８は、検知サイクルにおけるデータ取得処理を示すタイムチャートである。
図８には、今回制御（検知）サイクルからさかのぼって、過去に行われた過去制御（検知）サイクルが示されている。
各サイクルでは、１回のデータ取得が行われ、その１回のデータ取得を三角の波形で示す。三角の波形は、ＦＭＣＷ方式によって変調された信号を示し、右上がりのタイミングにおいて上り、右下がりのタイミングにおいて下りの検知が行われる。
また、現在データ取得されている制御（検知）サイクルを「今回制御（検知）サイクル」といい、「今回制御（検知）サイクル」より過去に行われた制御（検知）サイクルを「過去制御（検知）サイクル」という。
【００５９】
＜ＡＲモデルを用いた正規方程式の作成処理の原理＞
次に、ＡＲモデルを用いた正規方程式の作成処理について、改良共分散法（前向き後向き線形予測法）を例にして詳細に示す。
共分散行列を用いた正規方程式を式（１）に示す。
【００６０】
【数１】
【００６１】
式（１）において、左辺が共分散行列ＣxxとＡＲ係数ベクトルａの積であり、右辺が右辺ベクトルｃxxである。
共分散行列Ｃxxの要素は、式（２）として示される関係式（改良共分散関数）によって導かれる。
【００６２】
【数２】
【００６３】
式（２）において、ｘ（ｎ）は、複素数データを示し、「＊」は、複素共役を示す。
また、右辺ベクトルｃxxの要素は、式（２）において、ｋの値を「０」にすることにより導かれる。
以下、具体的な構成として５チャンネルのデータに基づいて３次の処理を行う場合を例として示す。モデル次数は任意に設定できるが、５チャンネルのデータの場合、改良共分散法では３次が最大となる。データのチャンネル数をさらに多くすると、正規方程式に適用できる次数も大きくなり、適用するモデル次数の柔軟性を高めることができる。
モデル次数を３次とした場合、共分散行列Ｃxxは、３行３列の行列式で表すことができ、その式を式（３）として示す。
【００６４】
【数３】
【００６５】
式（３）において、行列の各要素Ｃｘ３（ｋ，ｊ）は、複素数を示す。なお、式（２）におけるｘ（ｎ）、すなわち、（ｘ（０）、ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４））は、それぞれが複素数データを示す。
式（３）に示されるように、共分散行列Ｃxxは、式（４）として示される関係があることから、エルミート行列（複素数対称行列）となる。
【００６６】
【数４】
【００６７】
また、同様に、３次の処理を行う場合の右辺ベクトルｃxxを式（５）として示す。
【００６８】
【数５】
【００６９】
正規方程式とＡＲ係数の関係を示した。本実施形態におけるＦＢＬＰ部３６０における正規方程式作成部３６１は、上記の式（１）、式（２）に従って正規方程式を作成する。ＦＢＬＰ部３６０は、上記関係式を適用し、ＦＢＬＰ法によりＡＲ係数を算出する。このＦＢＬＰ法により算出されたＡＲ係数は、複素数データを拡張する演算処理に用いる。
なお、本実施形態におけるスペクトル推定処理においては、上記のＦＢＬＰ法に代え、拡張された複素数データに基づいて作成されるデータ行列から、後述のＭＦＢＬＰ法により算出されるＡＲ係数に基づいて算出される。
【００７０】
＜検知した複素数データを拡張させる線形予測処理（データ拡張法）の原理＞
続いて、図９と図１０を参照し、検知した複素数データを拡張させるデータ拡張法について示す。
ＡＲスペクトル推定法は、データ数（データ長）と次数を増やすことにより検出精度を高めることができる。
本実施形態においては、線形予測処理によるデータ拡張を行い、元となる複素数データよりデータ数を拡張させる。
図９は、本実施形態に適用するデータ拡張法について示す図である。
既知のＮ個の元データから、その既知の元データの領域に隣接する領域のデータを式（６）による演算式により拡張する。
【００７１】
【数６】
【００７２】
式（６）において、ｘハット（ｎ）は、生成されるデータ(生成データ)を示し、ａハット（ｉ）は、ＡＲ係数を示し、ｘ（ｎ−ｉ）は、元データを示す。ただし、Ｌは拡張データ数を示し、Ｍはデータ拡張を行う次数を示し、ｎは（Ｎ＋１）からＬまでの整数を示す。
【００７３】
図９（ａ）に示すように、この式（６）による演算処理により、既知のＮ個の元データから拡張されるデータ（拡張データ）は、既知の元データを含めてＬ個に拡張した拡張データを得る場合を示している。このようなデータ拡張法を、Ｂｕｒｇ法に適用した場合についての報告（データ拡張Ｂｕｒｇ法）がある［参考文献：島村,鈴木、“Ｂｕｒｇ法のためのデータ予測”、電子情報通信学会論文誌、’94/8 Vol.J77-A No.8参照］。
【００７４】
本実施形態では、前に示すデータ拡張方法を、複素数データを対象データとする後述のＭＦＢＬＰ法に適用する。
【００７５】
本実施形態のデータ拡張方法を、図９（ｂ）のように複素数データについて適用し、前向きの線形予測だけでなく、後向きの線形予測を行い、データの前後で拡張できるようにした(図１０)。コンピュータ計算実験等の研究の結果、参考文献にある実数データによるＢｕｒｇ法以外の本実施形態の方法においても安定した推定精度を保てることを検証した。
【００７６】
次に図を参照し複素数データを拡張する処理について、より詳細に示す。
図１０は、複素数データを拡張する処理について示す図である。
最初に、図１０（ａ）において、前向き線形予測式を用いて複素数データを拡張する処理について示す。
図に示されるｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５）は、拡張処理の対象（元データ）となる複素数データである。
これらの元データに対し、連続するようにデータを拡張する場合を示す。
ここで、データｘ（１）からｘ（５）の方向に線形予測する処理を前向きとし、その逆方向を後向きとする。
【００７７】
まず、前向き線形処理を行う演算式（前向き線形予測式）を式（７）として示す。
【００７８】
【数７】
【００７９】
式（７）において、ｘｆハット（ｎ）は、生成されるデータ(生成データ)を示し、ａハット（ｉ）は、ＡＲ係数を示し、ｘ（ｎ−ｉ）は、元データを示す。ただし、Ｍは、データ拡張を行う次数を示す。
前向き線形処理の対象とする元データは、次数が３の場合は（ｘ（３）、ｘ（４）、ｘ（５））で、次数が５の場合は（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））のいずれかである。
上記に示したグループの元データを、式（７）に適用することにより、前向き方向の予測データを得ることができる。
また、各グループ内のデータの順序を逆にして、式（７）に示した前向き線形処理を行う演算式を適用することにより、後向き方向のデータを得ることもできる。
【００８０】
次に、図１０（ｂ）において、後向き線形予測式を用いて複素数データを生成する処理について示す。
同じ元データを用いて、後向き線形処理を行う演算式（後向き線形予測式）を式（８）として示す。
【００８１】
【数８】
【００８２】
式（８）において、ｘｂハット（ｎ）は、生成されるデータ(生成データ)を示し、ａ＊ハット（ｉ）は、ＡＲ係数の複素共役を示し、ｘ（ｎ＋ｉ）は、元データを示す。ただし、Ｍは、データ拡張を行う次数を示す。
後ろ向き線形処理の対象とする元データは、次数が３の場合は（ｘ（１）、ｘ（２）、ｘ（３））で、次数が５の場合は（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））のいずれかである。
上記に示したグループの元データを、式（８）に適用することにより、後向き方向の予測データを得ることもできる。
また、各グループ内のデータの順序を逆にして、式（８）に示した後向き線形処理を行う演算式を適用することにより、前向き方向のデータを得ることもできる。
【００８３】
次に、図１０（ｃ）において、前向き線形予測式と後向き線形予測式とを用いて複素数データを生成する処理について示す。
この処理では、式（７）に示した前向き線形処理を行う演算式と、式（８）に示した後向き線形処理を行う演算式をそれぞれ用いる。
２つの演算式をそれぞれ用いることにより、元データの順序を反転させることなく、前方の予測演算処理と、後方の予測演算処理を行うことができる。
３次でデータ拡張する場合、前向き線形処理の対象とする元データは、（ｘ（３）、ｘ（４）、ｘ（５））であり、後向き線形処理の対象とする元データは、（ｘ（１）、ｘ（２）、ｘ（３））である。
また、５次でデータ拡張する場合、前向き線形処理の対象及び後向き線形処理の対象とする元データは、いずれも（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））である。
図１０（ｄ）は、３次の前向き線形処理及び後向き線形処理によりデータ拡張する場合を示す図である。
実数部と虚数部に分けて示した複素数データ（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））は、２つの曲線としてそれぞれ示される。実線が、実数部の変化を示し、破線が、虚数部の変化を示す。図１０（ｃ）に示したように、５チャンネルのデータに基づいて、３次のデータ拡張処理をするには、連続する３つのデータの組が、実数部と虚数部でそれぞれ２組得られる。それぞれの組の複素数データ（実数部と虚数部）は、式（７）と式（８）に示す前向きと後向きの線形予測式の複素数ｘ（ｎ−１）またはｘ（ｎ＋１）に代入される。
上記に示した、３通りの予測演算処理のいずれかを適用することにより、前方のデータ拡張処理と、後方のデータ拡張処理を行うことができる。
【００８４】
＜ＭＦＢＬＰ法によるＡＲ係数の算出処理の原理＞
次に図１１から図１３を参照し、ＭＦＢＬＰ法における特異値分解処理について示す。
最初に、ＭＦＢＬＰ法を適用するデータ行列の生成と、そのデータ行列の特異値分解について示す。
図１１は、ＭＦＢＬＰ法におけるデータ行列とデータベクトルの生成と擬似逆行列で表現できることを示す図である。
ＡＲ係数を導出するための連立一次方程式を式（９）として定義する。
【００８５】
【数９】
【００８６】
式（９）におけるデータ行列Ａとデータベクトルｈとは、チャンネル（ＣＨ）ごとに算出される複素数データ（CH）を要素とする行列とベクトルとをそれぞれ示す。ベクトルｇは、ＡＲ係数ベクトルを示す。
また、式（９）を複素数データによって示される要素に展開した式を式（１０）として示す。
【００８７】
【数１０】
【００８８】
この式（１０）において、Ｎは、複素数データのデータ数を示し、Ｍは、次数を示す。データ行列Ａとデータベクトルｈは、データ拡張されているため、Ｎが拡張後のデータ数Ｎｅを示し、Ｍを増加後の次数Ｍｅを示す。
このデータ行列Ａは、上下に２分割されたブロック行列として定義される。上段側のブロック行列はテープリッツ（toeplitz）行列であり、下段側のブロック行列は複素共役のハンケル（Hankel）行列である。
また、データベクトルｈは、データ行列Ａと同様に上下に２分割でき、上段側は複素数データのＭ番目からＮ番目までの複素数データを要素として構成され、下段側はデータ１番目から（Ｎ-Ｍ）番目までの複素数データに対応し複素共役となる複素数データを要素として構成される。
【００８９】
本実施形態のようにデータ数（CH）を拡張することにより、元のデータ（CH）数から設定可能な次数Ｍよりも、さらに高次のＭｅに設定できる。これにより、ＭＦＢＬＰ法を有効に利用することができる。つまり、ＡＲスペクトル推定法において、高次であるほど推定精度が良くなるという特性を引き出すことができる。
また、次数を増加できない状況においても、データ行列とデータベクトルの要素数が拡張されるので、スペクトル推定精度が向上する。
なお、データ行列Ａとデータベクトルｈの上段側は、前方線形予測法（ Modified Forward Linear Prediction Method : MFLP、＝共分散法 ）として使用することができ、下段側は、後方線形予測法（ Modified Backward Linear Prediction Method : MBLP ）として使用することができる。
また、式（９）は、一般化逆行列（疑似逆行列）による式（１１）として展開することができる。
【００９０】
【数１１】
【００９１】
式（１１）において、Ａ＃は、データ行列Ａの疑似逆行列を示す。
疑似逆行列Ａ＃は、データ行列Ａの行数ｍと列数ｎの関係が（ｍ>ｎ）の場合、式（１２）として示すように「過（優）決定方程式」となり、左疑似逆行列で計算できる。
【００９２】
【数１２】
【００９３】
また、疑似逆行列Ａ＃は、データ行列Ａの行数と列数の関係が（ｍ<ｎ）の場合、式（１３）として示すように「劣決定方程式」となり、右疑似逆行列で計算できる。
【００９４】
【数１３】
【００９５】
式（１２）又は式（１３）を用いることにより、擬似逆行列Ａ＃を求めることができる。
【００９６】
続いて、特異値分解の演算処理について説明する。
図１２は、特異値分解の演算処理を示す図である。
特異値分解演算処理の計算アルゴリズムは、任意のアルゴリズムを用いることができ、特に限定することはない。データ行列Ａの特異値分解の演算式（Autonne-Eckart-Young定理）を式（１４）として示す。
【００９７】
【数１４】
【００９８】
式（１４）において、Ｕは、データ行列Ａの左特異ベクトル（ＡＨＡの固有ベクトル）であり、Ｖは、データ行列Ａの右特異ベクトル（ＡＡＨの固有ベクトル）である。また、式（１４）を式（１５）として展開することができる。
【００９９】
【数１５】
【０１００】
式（１５）として示されるように、データ行列Ａと、データ行列Ａの左特異ベクトルＵ（ＡＨＡの固有ベクトル）と、データ行列Ａの右特異ベクトルＶ（ＡＡＨの固有ベクトル）とに基づいて、部分行列Σが算出される。ただし、データ行列Ａの左特異ベクトルＵと右特異ベクトルＶは、式（１６）として示すようにユニタリ行列である。
【０１０１】
【数１６】
【０１０２】
この部分行列Σは、式（１７）として示されるように、その特異値σｉを対角要素とする対角行列である。
【０１０３】
【数１７】
【０１０４】
その結果から、特異値は、固有値の正の平方根であるので、固有値と等価な値として扱うことができる。
【０１０５】
特異値分解の式（１５）、式（１６）として示された結果から、擬似逆行列を式（１８）として示す演算式により算出する。
【０１０６】
【数１８】
【０１０７】
式（１８）において、ｒは、擬似逆行列Ａ＃のランク（階数）を示す。また、部分行列Σの逆行列を式（１９）として示す。
【０１０８】
【数１９】
【０１０９】
また、式（１８）は、式（２０）として示すことができる。
【０１１０】
【数２０】
【０１１１】
このようにランクｒの値を適当な値に設定し、（特異値σｉ）−１が０に近い値の特異値（微小特異値）を切り捨ててσｉ−１を０と置き、信号部分空間の擬似逆行列Ａ＃を算出することができる（例えば、ランクｒ＝２の場合には、Σ−１＝ｄｉａｇ（σ１−１，σ２−１，０，・・・，０）である）。
なお、微小特異値の切り捨てについては、例えば、後述の波数推定数（図１７、図１８）により定める。
【０１１２】
また、式（２１）として示すように、式（１２）及び式（１３）として示した左疑似逆行列も右疑似逆行列も、特異値分解からの擬似逆行列Ａ＃から計算することができる。
【０１１３】
【数２１】
【０１１４】
上記に示したように、特異値分解することにより、擬似逆行列のランクを設定することができる。また、データ行列が正方行列でない場合であっても、そのまま擬似逆行列を算出することができる。さらに、過・劣決定に左右されること無く、計算精度を高めることができる。これにより、算出される解が安定する。
【０１１５】
続いて、信号部分空間の擬似逆行列Ａ＃からＡＲ係数ａを算出する処理について示す。
図１３は、信号部分空間の擬似逆行列Ａ＃から算出されるＡＲ係数ａから、白色雑音の分散値とパワースペクトルを求める演算処理を示す図である。
この図１３に示されるＭＦＢＬＰ法においても、基本的には、ＡＲ係数が導かれた後の処理は、標準的なＡＲスペクトル推定と同様の演算処理により導くことができる。
以上に示した演算処理を式（２２）として整理する。式（２２）は、信号部分空間のＡＲ係数ａを算出する演算式である。
【０１１６】
【数２２】
【０１１７】
式（２２）において、Σ-１は式（２３）として示される。
【０１１８】
【数２３】
【０１１９】
先に算出した疑似逆行列Ａ＃を式（２２）に代入することによりＡＲ係数を算出することができる。
なお、特異値を切り捨てる数を決定するランクｒの値は、波数推定結果に応じて設定することができる。また、ランクｒの値は、データ拡張の演算処理のためのランクｒの値と、パワースペクトルを算出する演算処理のためのランクｒの値を別の値にすることもできる。例えば、データ拡張の演算処理のためのランクｒの値は、ランクｒの設定可能な範囲の最大値に固定してもよい。このようにして算出されたＡＲ係数ａから、白色雑音の分散値を算出する。
【０１２０】
続いて、式（２２）により導かれるＡＲパラメータ推定値（ＡＲ係数ａ）に基づいて、入力白色雑音の分散σｖ２（ハット）を導く関係式を式（２４）として示す。
【０１２１】
【数２４】
【０１２２】
ＡＲモデルによる線形予測では、予測値と観測値の差（予測誤差）の平均２乗誤差や最小２乗誤差が最小となる条件から、この正規方程式が導かれる。
この正規方程式を一般的な手法により解くことにより、ＡＲ係数が導かれる。
また、式（２４）によって算出される入力白色雑音の分散σｖ２（ハット）に基づいて、パワースペクトルＳｘｘ（ω）を算出する演算式を式（２５）として示す。
【０１２３】
【数２５】
【０１２４】
式（２５）において、ωは角速度を示し、ＨＡＲ（ω）は、角速度ωにおけるＡＲフィルタの伝達関数からの周波数特性を示し、Ｓｖｖ（ω）は、角速度ωにおける入力白色雑音のパワースペクトルを示し、Ｓｖｖ（ω）＝σｖ2と表せる。この角速度ωは、本実施形態に示すレーダ装置のような方向検出に利用する場合には、受信波の位相差に換算する。
以上に示した演算式を用いることにより、ターゲットの方向と合致したピークの特徴を持つスペクトルを導くことができる。
なお、入力白色雑音の分散値を乗算しないで作成したスペクトルによって、パワースペクトルの分布を推定することも可能である。パワースペクトルの分布（スペクトルの形状）は、変わらないので、入力白色雑音の分散値を乗算する演算を省略することもできる。
【０１２５】
次に、本実施形態におけるターゲットに対応付けて記憶されるＡＲ係数を関連付ける具体的な処理について説明する。
このＡＲ係数の関連付け処理は、図７における方位検出部３０ＡのＡＲ係数算出部３２６Ａ（３６３Ａ）及びターゲット連結処理部３２ａが主として行う処理である。
図１４は、メモリ２１に設けられるテーブルを示す図である。
ターゲット連結処理部３２ａは、データ拡張部３１０Ａにおけるデータ拡張処理を行うため、図１４に示すテーブルにおいて、ターゲット毎に、今回のターゲット群（ｔ）と、確定した過去のターゲットデータから予測されたターゲット（ｔ）と、過去に確定しているターゲット（ｔ−１）とを結びつけるため以下の処理を行う。
【０１２６】
この図１４における項目（ｔ−１）の列は、１サイクル前（前回）の検知サイクルの結果を示す。
各検知サイクルの結果としては、それぞれ、確定されたターゲット毎に距離ｒ、縦位置long_d（アンテナの配列方向に対して垂直方向）、横位置late_d（アンテナの配列方向に対して平行方向の位置）、ターゲットとの相対速度ｖelo（すなわちｖ）、上りピーク周波数ポイントf_up、上りピーク周波数時のＡＲ係数AR_C_up、下りピーク周波数ポイントf_dwn、下りピーク周波数時のＡＲ係数AR_C_dwnが、メモリ２１に、図１４のテーブル形式により格納されている（正確には上りピーク周波数時のＡＲ係数AR_C_upと下りピーク周波数時のＡＲ係数AR_C_dwnの記憶領域は他より大きくなるが、表を例示するうえで便宜上同じとしている）。ここで、ターゲットの上記縦位置long_dと横位置late_dは、ターゲットとの角度（受信波の到来方向の角度）及び距離ｒとから求められる。角度がθであり距離ｒである場合、縦位置long_dはr・cosθにより、横位置late_dはr・sinθにより算出される。
【０１２７】
また、ターゲット連結処理部３２ａは、過去に確定しているターゲットの距離ｒ、縦位置long_dと横位置late_d及び相対速度veloとから、今回サイクル時の各ターゲットの距離ｒ、縦位置long_dと横位置late_d及び相対速度、ピーク周波数ポイントを予測しておく。例えば、縦位置long_dと横位置late_dとピーク周波数ポイントの予測は、前回の距離ｒ、縦位置long_dと横位置late_d及び相対速度に基づいて検知サイクル周期後の時間における移動可能な範囲を求める。相対速度の予測は、過去何サイクルかの相対速度値推移の変化の傾き等を算出して予測することができる。
例えば、ターゲット連結処理部３２ａは、過去に確定している結果から予測した距離ｒ、縦位置long_dと横位置late_dとピーク周波数ポイント及び相対速度それぞれに対応して、予め設定された移動可能範囲と周波数ポイント範囲、及び相対速度範囲を設けて、今回サイクル時で計算された各値がその範囲内に入るか否かで結びつけを行い、範囲外の場合は異なるターゲットであると判断する。
【０１２８】
そして、ターゲット連結処理部３２ａは、図１４のテーブルにおいて、今回の検知サイクルにおけるターゲットが、過去のターゲットと結びついた場合、今回の検知サイクルの結果を（ｔ−１）の結果に移し、次のサイクルの予測の結果を計算する。
また、ターゲット連結処理部３２ａは、今回のターゲット群の結果と結びつけられない過去のターゲットが存在した場合、その過去のターゲットの情報を全てクリアする。
従って、マルチパスの影響のある距離にターゲットが入り、ビート周波数におけるピーク検知されない検知サイクルになると、過去のターゲット群の結果を用いるフィルタ効果がリセットされることになる。図１４に示す本実施形態の場合、過去１回の検知サイクルのターゲットの結果をメモリ２１に記憶している。
【０１２９】
なお、ターゲット連結処理部３２ａは、今回の検知サイクルにおけるターゲットと結びつけられなかった過去のターゲットが検出された場合においても、確定されていた過去のターゲットの結果は、予め定められる所定のサイクル数だけ持続されるようにしても良い。
また、記憶される結果が順次更新されることから、過去の結果に基づいて推定する予測結果も順次更新される。ターゲット連結処理部３２ａは、マルチパスなどの影響で今回の検知サイクルにおいてターゲットが検出されなくても、さらに次の検知サイクル以降において関連付けられた場合、マルチパスなどの影響でピーク検知されないサイクル数以外の過去データをフィルタ処理に使えるようにすることができる。
また、トラッキング制御における外挿法のように、ピーク値が検知さない検知サイクルの回において、上記予測結果を今回の検知サイクルにおける結果として用い、ターゲットの存在状態を継続することも可能である。
【０１３０】
また、この図に示されるテーブルからＡＲ係数を呼び出す方法では、ターゲット連結処理部３２ａは、すでに検出されたターゲットに対応する距離ポイント情報に基づいて、推定範囲を選択することが可能となり、処理効率を向上させることができる。すなわち、ターゲット連結処理部３２ａは、記憶されたＡＲ係数を参照する際に、ターゲットとの相対速度、角度に基づいて範囲を限定することができる。そして、次の回に行われる検知サイクルでは、すでに検出されたターゲットに対応する距離ポイント情報に基づいた推定範囲を選択することが可能となる。これにより、ターゲット連結処理部３２ａは、処理効率を向上させることができる。そのため、ターゲット連結処理部３２ａは、限られた範囲の距離ポイントに対応するＡＲ係数を参照することができるので、呼び出す際の精度を高めることができる。
【０１３１】
図１５は、ＡＲ係数の記憶方法、呼出方法を示す図である。
この図に示されるＡＲ係数の記憶方法では、ターゲット連結処理部３２ａは、最終的にターゲットとして確定した距離ポイントに関係付けを行って、ＡＲ係数をメモリ２１に記憶させる。メモリ２１に書き込まれる複素数データは、今回制御サイクルによる情報である。
ターゲット連結処理部３２ａは、距離ポイント情報をキーにして参照し、メモリ２１に記憶されるＡＲ係数を呼び出す。メモリ２１から呼び出されるＡＲ係数は、過去制御サイクルによる情報である。
これにより、方位検出部３０Ａは、距離ポイント情報をキーとして、ターゲットとの関連付けを行うことができる。
【０１３２】
図１６から図２０を参照し、処理のフローを説明する。
図１６は、本実施形態の主な処理の手順を示すフローチャートである。
次に示す処理の手順における前提条件について、例えば次のように整理する。
１回（サイクル）のデータ取得によって検知される複素数データに含まれるチャンネル数Ｎ（データ数）を５ｃｈとする。データ拡張によって拡張された複素数データのチャンネル数（拡張チャンネル数）Ｎｅ（データ数）を９ｃｈとする。データ拡張により増加させた次数（増加次数）Ｍｅを５次とする。以上に示したそれぞれの値は、予め定められているものとする。
この図１６によって示される処理のフローは、レーダ全体構成でのピーク検知で選出された複数のターゲット別に、制御サイクル（図８参照）毎に繰り返される処理の手順を示し、最初にターゲットが検出された場合の手順については、後述する。
【０１３３】
ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得される。この１回の取得により得られる複素数データ（ｎ）のチャンネル数Ｎ（データ数）は５ｃｈである。この複素数データの取得は、周波数分解処理部２２によって行われ、メモリ２１に記憶されている受信波によるビート信号を読み込みアンテナ毎のビート信号から周波数変換して算出される。
続いて、ステップＳａ１０２において、ターゲット連結処理部３２ａは、メモリ２１に設けられるテーブル（図１４）に記憶されている過去（前回）制御サイクルのＡＲ係数（次数Ｍｅ）１個を呼び出し、データ拡張部３１０Ａに供給する。
【０１３４】
続いて、ステップＳａ１０３において、データ拡張部３１０Ａは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルの今回の検知サイクルにおいて取得された１個（１回分）の複素数データ、及び、ステップＳａ１０２においてメモリ２１から呼び出されたＡＲ係数（次数Ｍｅ）から、拡張複素数データを生成する。上記の前提条件に従って、この拡張複素数データに含まれるチャンネル数Ｎｅ（データ数）は９ｃｈである。このデータ拡張部３１０によるデータ拡張によりチャンネル数Ｎ（５ｃｈ）を、チャンネル数Ｎｅ（９ｃｈ）に拡張させることができる。
【０１３５】
続いて、ステップＳａ１０４において、データ行列・ベクトル作成部３２１Ａは、拡張複素数データに基づいてデータ行列Ａとデータベクトルｈとを作成する。上記の前提条件に従って、次数Ｍｅを５次とする。
ステップＳａ１０５において、特異値分解部３２３は、ステップＳａ１０４の処理により作成されたデータ行列Ａの特異値分解処理を行い、特異値を算出する。
【０１３６】
続いて、ステップＳａ１０６において、波数推定部３２４は、ステップＳａ１０５の処理により算出された、拡張複素数データに基づいたデータ行列Ａの特異値の中から最大の値を示す特異値（最大特異値）を判定する。
波数推定部３２４は、その判定の結果により、該当ターゲット群では次ステップ以降の波数推定は行わなくするか否かを決定する。波数推定部３２４は、この最大特異値判定処理により、最大特異値の値が予め設定した閾値よりも小さい場合は、該当ターゲット群に対しては次ステップ以降の波数推定処理を中断させる。
【０１３７】
ステップＳａ１０７において、波数推定部３２４は、それぞれ算出された特異値を、算出された特異値の最大の値に基づいて正規化する。この特異値の正規化処理では、各特異値を最大特異値で割った値を正規化特異値とする。レーダのように、ターゲットとの距離によって特異値（信号強度）が変動する場合は、特異値の値も変動する。それゆえ、各特異値の値を正規化して相対的に特異値間の大小関係を判定することで判定が容易となる。
ステップＳａ１０８において、波数推定部３２４は、正規化された特異値を予め定められる閾値に基づいて判定し、その判定結果に基づいて後段の処理の波数を選択する。
この波数推定ステップでは、図１８にあるように、４個の閾値を判定に用いる。このように複数の閾値を設定することにより、選択された波数を信号波数の推定値とすることができ、波数推定結果を柔軟に調整できる。
【０１３８】
図１７と図１８は、図１６においてステップＳａ１０６からステップＳａ１０８までに示された信号波数推定処理の一態様を示す図である。
ステップＳ１０６ａは、ステップＳａ１０６（図１６）に対応する最大特異値を判定する処理である。ステップＳ１０６ａによる予め設定した閾値（σmax_th）よりも最大特異値の値（σａ）が大きいか否かを判定することにより、予め設定した閾値（σmax_th）よりも最大特異値の値（σａ）が大きくない場合（ステップＳ１０６ａ：Ｎｏ）には、ステップＳ１０６ｂにおいて、得られた情報（複素数データ）の信頼度が低いと判定し、波数推定部３２４は、該当ターゲットに対しての次ステップの波数推定処理を行わなくする。最大特異値は、入力信号の強度と等価（比例する）であることから、路面マルチパス等の車載用レーダ特有のクラッタ状況による信号を受信するような場合であっても、最大特異値の値を判定することにより、間違った方位推定となることを抑制することができる。
例えば、このステップＳ１０６ｂでは、ステップＳ１０６ｂ−１に示すように、波数推定及び方位検出の双方をキャンセルすることができる。また、ステップＳ１０６ｂ−２に示すように、波数推定をキャンセルして、任意の波数（例えば、最大波数）を強制的に指定することとしてもよい。この場合、ステップＳ１０８ｉ（図１８）に進む。
【０１３９】
波数推定部３２４は、ステップＳ１０６ａによる判定により、予め設定した閾値よりも最大特異値の値が大きい場合（ステップＳ１０６ａ：Ｙｅｓ）には、ステップＳ１０７ａの処理を行う。ステップＳ１０７ａにおいて、波数推定部３２４は、ステップＳ１０６ａに対応する特異値の正規化処理を行い、各特異値σｘを最大特異値σａでそれぞれ除算した値（σｘ/σａ）を正規化特異値σｙとする。ｙは自然数を示す。
【０１４０】
図１７において示されるステップＳ１０８ａからＳ１０８ｉまでの処理は、波数推定部３２４が行うステップＳａ１０８（図１５）に対応する波数推定処理である。
ステップＳ１０８ａでは、ステップＳａ１０７（図１５）において正規化処理された特異値の中から２番目に大きな特異値（正規化第２特異値σ２）を選択し、正規化第２特異値σ２が予め定められる閾値Ｔｈ１より小さいか否かを判定する。
ステップＳ１０８ａによる判定の結果、正規化第２特異値σ２が予め定められる閾値Ｔｈ１より小さくないと判定した場合（ステップＳ１０８ａ：Ｎｏ）には、ステップＳ１０８ｃに進む。
【０１４１】
ステップＳ１０８ｂでは、ステップＳ１０８ａにおける判定の結果、正規化第２特異値σ２が予め定められる閾値Ｔｈ１より小さいと判定した場合（ステップＳ１０８ａ：Ｙｅｓ）には、推定波数を１に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４２】
ステップＳ１０８ｃでは、ステップＳａ１０７において正規化処理された特異値の中から３番目に大きな特異値（正規化第３特異値σ３）を選択し、正規化第３特異値σ３が予め定められる閾値Ｔｈ２より小さいか否かを判定する。判定の結果、正規化第３特異値σ３が予め定められる閾値Ｔｈ２より小さくないと判定した場合（ステップＳ１０８ｃ：Ｎｏ）には、ステップＳ１０８ｅに進む。
【０１４３】
ステップＳ１０８ｄでは、ステップＳ１０８ｃにおける判定の結果、正規化第３特異値σ３が予め定められる閾値Ｔｈ２より小さいと判定した場合（ステップＳ１０８ｃ：Ｙｅｓ）には、推定波数を２に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４４】
ステップＳ１０８ｅでは、ステップＳａ１０７において正規化処理された特異値の中から４番目に大きな特異値（正規化第４特異値σ４）を選択し、正規化第４特異値σ４が予め定められる閾値Ｔｈ３より小さいか否かを判定する。判定の結果、正規化第４特異値σ４が予め定められる閾値Ｔｈ３より小さくないと判定した場合（ステップＳ１０８ｅ：Ｎｏ）には、ステップＳ１０８ｇに進む。
【０１４５】
ステップＳ１０８ｆでは、ステップＳ１０８ｅにおける判定の結果、正規化第４特異値σ４が予め定められる閾値Ｔｈ３より小さいと判定した場合（ステップＳ１０８ｅ：Ｙｅｓ）には、推定波数を３に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４６】
ステップＳ１０８ｇでは、ステップＳａ１０７において正規化処理された特異値の中から５番目に大きな特異値（正規化第５特異値σ５）を選択し、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さいか否かを判定する。判定の結果、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さくないと判定した場合（ステップＳ１０８ｇ：Ｎｏ）には、ステップＳ１０８ｉに進む。
【０１４７】
ステップＳ１０８ｈでは、ステップＳ１０８ｇにおける判定の結果、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さいと判定した場合（ステップＳ１０８ｇ：Ｙｅｓ）には、推定波数を４に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４８】
ステップＳ１０８ｉでは、ステップＳ１０８ｇにおける判定の結果、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さくないと判定した場合（ステップＳ１０８ｇ：Ｎｏ）には、推定波数を５に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４９】
このようにステップＳ１０８ａからＳ１０８ｉまでの波数推定処理における判定閾値は、波数１と波数２以上とを分別する閾値Ｔｈ１、波数２と波数３以上とを分別する閾値Ｔｈ２、波数３と波数４以上とを分別する閾値Ｔｈ３、波数４と波数５とを分別する閾値Ｔｈ４の４個とする。
【０１５０】
図１６に戻り、ステップＳａ１０９において、擬似逆行列算出部３２５は、ステップＳａ１０８において波数推定部３２４によって推定された波数に応じて今回検知サイクルにおける信号部分空間の疑似逆行列を作成する処理を行う。
擬似逆行列算出部３２５は、ステップＳａ１０５において、特異値分解部３２３が算出した特異値に基づいて、前述の演算式に従って疑似逆行列を作成する。
ステップＳａ１１０において、ＡＲ係数算出部３２６は、ステップＳａ１０９において算出した擬似逆行列とデータベクトルに基づいてＡＲ係数と入力白色雑音の分散値を算出する。
【０１５１】
続いて、ステップＳａ１１１において、パワースペクトル算出部３８０は、ステップＳａ１１０において算出されたＡＲ係数と入力白色雑音の分散に基づいてパワースペクトルを算出する。
ステップＳａ１１２において、パワースペクトル算出部３８０は、算出されたパワースペクトルに基づいてターゲット数及びターゲットの方向を示す角度を検知する。
ステップＳａ１１３において、ターゲット連結処理部３２ａは、ＡＲ係数算出部３２６によって算出された次数ＭｅのＡＲ係数（ｎ）をメモリ２１に記憶させる。
以上に示した手順により、電子走査型レーダ装置は、検出精度を高めた方位検出を行うことができる。
【０１５２】
上記の図１６に示す処理の手順において、データ拡張部３１０Ａが最初にターゲットを検知した検知サイクルにおいて取得するＡＲ係数（ｎ−１）は、予め定められた値を初期値として上記に示す処理の手順を行うことも可能である。
本実施形態においては、データ拡張用のＡＲ係数（ＡＲ係数２）を１回目の検知サイクルにおいて生成するＦＢＬＰ部３６０Ａを備えていることにより、以下に示す手順を図１６に示す手順に付加して上記の初期値に代えることができる。これにより、更にターゲットを検知した時点からの検出精度を高めることができる。
以下、ＦＢＬＰ部３６０Ａが生成するＡＲ係数（ＡＲ係数２）を、２回目のターゲット検知サイクルに適用し、３回目以降は、ＭＦＢＬＰ部３２０Ａが生成するＡＲ係数（ＡＲ係数１）を適用する場合の一態様について示す。
【０１５３】
図１９は、ＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
まず、ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得された後に、ステップＳａ２０１において、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであるか否かをターゲット連結処理部３２ａの結果を参照して判定する。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルでないと判定した場合（ステップＳａ２０１：Ｎｏ）は、ステップＳａ２０５に進む。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであると判定した場合（ステップＳａ２０１：Ｙｅｓ）は、ステップＳａ２０２に進む。
【０１５４】
ステップＳａ２０２において、正規方程式作成部３６１は、最初にターゲットを検出した今回検知サイクルにおいて取得した複素数データに基づいて次数Ｍの正規方程式を作成する。
ステップＳａ２０３において、ＡＲ係数算出部３６３Ａは、正規方程式作成部３６１によって作成された正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２）を算出する。このように、ＡＲ係数算出部３６３Ａは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出される次数ＭのＡＲ係数２（ｎ）を得る。
ステップＳａ２０４において、ＡＲ係数算出部３６３Ａは、導かれたＡＲ係数２（ｎ）を、最初にターゲットを検出した検知サイクルのＡＲ係数としてターゲット連結処理部３２ａに供給する。ターゲット連結処理部３２ａは、供給されたＡＲ係数２（ｎ）をメモリー２１に記憶させる。メモリー２１に記憶させた後、ステップＳａ１１２に進む。
【０１５５】
続いて、ステップＳａ２０５において、現在の検知サイクルが、最初にターゲットを検出してから２回目の検知サイクルであるか否かをターゲット連結処理部３２ａの結果を参照して判定する。ステップＳａ２０５における判定の結果、現在の検知サイクルが、最初にターゲットを検出してから２回目の検知サイクルでないと判定した場合（ステップＳａ２０５：Ｎｏ）は、ステップＳａ１０２に進む。ステップＳａ２０５における判定の結果、現在の検知サイクルが、最初にターゲットを検出してから２回目であると判定した場合（ステップＳａ２０５：Ｙｅｓ）は、ステップＳａ２０６に進む。
【０１５６】
ステップＳａ２０６において、データ拡張部３１０Ａは、メモリー２１に記憶されている、最初にターゲットを検出した検知サイクルのＡＲ係数（次数Ｍ）をターゲット連結処理部３２ａを制御して呼び出す。
ステップＳａ２０７において、データ拡張部３１０Ａは、今回の検知サイクルにおいて取得された複素数データ、及び、最初にターゲットを検出した検知サイクルのＡＲ係数から、データ数を増加させた拡張複素数データ（次数Ｍｅ）を生成する。拡張複素数データ（次数Ｍｅ）を生成した後、ステップＳａ１０４に進む。
【０１５７】
なお、ステップＳａ１０２からステップＳａ１１３までの処理は、図１６と同じである。ただし、ステップＳａ２０５において最初にターゲットを検出してから２回目の検知サイクルであると判定された場合は、ステップＳａ１０４において、データ行列・ベクトル作成部３２１Ａは、ステップＳａ２０７において拡張された拡張複素数データに基づいてデータ行列Ａとデータベクトルｈとを作成する。
【０１５８】
本実施形態に示す手順によれば、最初にターゲットを検出してから検知２回（サイクル）目で次数ＭｅのＡＲ係数１（ｎ）が得られる。次数ＭｅのＡＲ係数１（ｎ）が次の検知サイクルにおいて参照されるため、次数Ｍｅにデータ拡張した効果は、３回目（サイクル）以降の検知サイクルに表れる。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１５９】
（第２実施形態）
図１から図２０を参照し、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の他の態様について、より具体的に示す。
この図１に示した方位検出部３０に基づいて、第１実施形態に示した処理手順と異なる処理手順について示す。図１から図１９に示す構成と同じ構成には同じ符号を付す。
図２０は、ＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
まず、ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得される。
その後、ステップＳａ２０１において、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであるか否かをターゲット連結処理部３２ａの結果を参照して判定する。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルでないと判定した場合（ステップＳａ２０１：Ｎｏ）は、ステップＳａ１０２に進む。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであると判定した場合（ステップＳａ２０１：Ｙｅｓ）は、ステップＳａ２０２に進む。
【０１６０】
ステップＳａ２０２において、正規方程式作成部３６１は、最初にターゲットを検出した今回検知サイクルにおいて取得した複素数データに基づいて次数Ｍの正規方程式を作成する。
ステップＳａ２０３において、ＡＲ係数算出部３６３Ａは、正規方程式作成部３６１によって作成された正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２）を算出する。このように、ＡＲ係数算出部３６３Ａは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出される次数ＭのＡＲ係数２（ｎ）を得る。
ステップＳａ２０７において、データ拡張部３１０Ａは、今回の検知サイクルにおいて取得された複素数データ、及び、最初にターゲットを検出した検知サイクルのＡＲ係数から、データ数を増加させた拡張複素数データ（次数Ｍｅ）を生成する。拡張複素数データ（次数Ｍｅ）を生成した後、ステップＳａ１０４に進む。
なお、ステップＳａ１０２からＳａ１１３までの処理は、図１６と同じである。
ただし、ステップＳａ２０１において最初にターゲットを検出した検知サイクルであると判定された場合は、ステップＳａ１０４において、データ行列・ベクトル作成部３２１Ａは、ステップＳａ２０７において拡張された拡張複素数データに基づいてデータ行列Ａとデータベクトルｈとを作成する。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１６１】
本実施形態に示す手順によれば、最初にターゲットを検出した検知１回目（サイクル）で次数ＭｅのＡＲ係数１（ｎ）が得られる。次数ＭｅのＡＲ係数１（ｎ）は、次の検知サイクルにおいてデータ拡張処理において参照されるため、次数Ｍｅにデータ拡張した効果は、２回（サイクル）目以降の検知サイクルに表れる。
なお、本実施形態に示す手順の場合、ターゲットを検知した最初の検知サイクルにおいて、データ拡張を行うためのＡＲ係数２（ｎ）を算出する演算と、スペクトル推定処理におけるＡＲ係数１（ｎ）を算出する演算とを、１回の検知サイクル内に処理する必要がある。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１６２】
（第３実施形態）
図１から図２５を参照し、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の他の態様について、より具体的に示す。
図２１は、本実施形態の方位検出部の構成を示すブロック図である。
この図２１に示される方位検出部３０Ｂは、図１に示した方位検出部３０の一態様である。図１、図７に示す構成と同じ構成には同じ符号を付す。
図２１に示される方位検出部３０Ｂとターゲット連結処理部３２ｂのそれぞれは、信号処理部２０Ａ（図１）における方位検出部３０とターゲット連結処理部３２である。
【０１６３】
ターゲット連結処理部３２ｂは、今回検知サイクルにおいて算出されたＡＲ係数１（ｎ）をメモリ２１に書き込んで記憶させる。ＡＲ係数１（ｎ）は、今回検知サイクルで拡張された複素数データ（拡張複素数データ）から、ＭＦＢＬＰ部３２０Ｂによって算出される。
ターゲット連結処理部３２ｂにより、メモリ２１に書き込まれたＡＲ係数１が、次の検知サイクル（ｎ回目）である今回検知サイクルにおいて呼び出された場合、そのＡＲ係数１は、過去（前回）のＡＲ係数１（ｎ−１）として呼び出される。
また、ターゲット連結処理部３２ｂは、今回検知サイクルにおいて、今回検知サイクルで検出されたデータ拡張前の複素数データから、ＦＢＬＰ部３６０Ｂによって算出されたＡＲ係数２（ｎ）をメモリ２１に書き込んで記憶させる。
ターゲット連結処理部３２ｂにより、メモリ２１に書き込まれたＡＲ係数２が、次の検知サイクル（ｎ回目）である今回検知サイクルにおいて呼び出された場合、そのＡＲ係数２は、過去（前回）のＡＲ係数２（ｎ−１）として呼び出される。
【０１６４】
つまり、本実施形態は、第１実施形態に対して、メモリ２１に記憶させるＡＲ係数の数が異なる。メモリ２１に記憶させる情報は、過去の制御サイクル数回分のＭＦＢＬＰ部３２０Ｂによって算出されたＡＲ係数（ＡＲ係数１（ｎ））と、ＦＢＬＰ部３６０Ｂによって算出されたＡＲ係数（ＡＲ係数２（ｎ））とである。
ターゲット連結処理部３２ｂは、メモリ２１に記憶されている過去の検知サイクルにおいてターゲットを結びつけた後、ターゲット毎に過去検知サイクル（図８）において記録されたＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２）、ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２）を方位検出部３０Ｂへ出力する。
また、ターゲット連結処理部３２ｂは、今回検知サイクル（図８）において取得された複素数データに基づいて算出されたＡＲ係数１（ｎ）及びＡＲ係数２（ｎ）に対して、ターゲット確定部３１から出力される距離、相対速度及び方位の識別情報を付して、メモリ２１に記録する。
【０１６５】
また、方位検出部３０Ｂは、データ拡張部３１０Ｂ、ＭＦＢＬＰ部３２０Ｂ、ＦＢＬＰ部３６０Ｂ、係数フィルタ部３７０、及び、パワースペクトル算出部３８０Ｂを備える。
データ拡張部３１０Ｂは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ（ｎ）、及び、今回の検知サイクルにおいて算出されるＡＲ係数（ＡＲ係数２（ｎ））と、過去の検知サイクルにおいて算出されたＡＲ係数（ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２））から算出される平均化ＡＲ係数２（ｎ）から、データ数を増加させた拡張複素数データ（ｎ）を生成する。
なお、今回の検知サイクルにおいて取得された複素数データ（ｎ）は、周波数分解処理部２２が周波数分解したビート周波数（上昇と下降のいずれか又は両方）に応じた複素数データである。
また、データ拡張部３１０Ｂにおける平均化ＡＲ係数２（ｎ）は、後述の係数フィルタ部３７０によって、今回及び過去の制御サイクルにおいてそれぞれ算出されたものを平均化処理したものである。例えば、平均化ＡＲ係数２（ｎ）は、係数フィルタ部３７０によって、今回の検知サイクルにおいて算出されたＡＲ係数２（ｎ）と、過去の検知サイクルにおいて算出されたＡＲ係数２（ｎ−１）とＡＲ係数２（ｎ−２）とを平均化処理した結果から導かれる。
なお、最初にターゲットを検知した制御サイクルにおいては、データ拡張部３１０Ｂにおける平均化ＡＲ係数２（ｎ）は、後述のＦＢＬＰ部３６０Ｂによって、最初にターゲットを検知した制御サイクルにおいて算出されたＡＲ係数２（ｎ）である。
【０１６６】
データ拡張部３１０Ｂは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ、及び、今回の検知サイクルにおいて算出されたＡＲ係数２（ｎ）と、過去の検知サイクルにおいて算出されたＡＲ係数２（ｎ-１）と、ＡＲ係数２（ｎ-２）とを平均化した平均化ＡＲ係数２から、データ数を増加させた拡張複素数データ（ｎ）を生成する。
データ拡張部３１０Ｂは、データ数を拡張する元の複素数データ（ｎ）に基づいて設定可能な第２の次数（Ｍ）より拡張させる。
【０１６７】
ＭＦＢＬＰ部３２０Ｂ（第１演算処理部）は、拡張複素数データ（ｎ）から作成したデータ行列とデータベクトルに基づいて、第１の次数（Ｍｅ）のＡＲ係数（ＡＲ係数１（ｎ））と白色雑音の分散値とを算出する。
このようなＭＦＢＬＰ部３２０Ｂは、データ行列・ベクトル作成部３２１Ａ、特異値分解部３２３、波数推定部３２４、擬似逆行列算出部３２５、及び、ＡＲ係数算出部３２６Ｂを備える。
ＡＲ係数算出部３２６Ｂは、擬似逆行列算出部３２５によって作成された信号部分空間の疑似逆行列と、データ行列・ベクトル作成部３２１Ａによって導かれたデータ行列とから、ＡＲ係数と、入力白色雑音の分散σ２を算出する。このように、ＡＲ係数算出部３２６Ｂは、検知サイクルに応じて、ターゲットの存在が検知されたビート周波数である検出ビート周波数の複素数データに基づいたＡＲ係数と、入力白色雑音の分散σ２を導くことができる。また、ＡＲ係数算出部３２６Ｂは、算出したＡＲ係数１（ｎ）と、入力白色雑音の分散σ２とを係数フィルタ部３７０に供給する。
また、ＡＲ係数算出部３２６Ｂは、算出したＡＲ係数１（ｎ）をターゲット連結処理部３２ｂに供給し、メモリ２１に書き込ませる。
【０１６８】
ＦＢＬＰ部３６０Ｂ（第２演算処理部）は、複素数データ（ｎ）から作成した正規方程式に基づいて、第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。
このようなＦＢＬＰ部３６０Ｂは、正規方程式作成部３６１及びＡＲ係数算出部３６３Ｂを備える。
【０１６９】
ＡＲ係数算出部３６３Ｂは、正規方程式作成部３６１によって作成された「今回検知サイクル」における第２の次数の正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。このように、ＡＲ係数算出部３６３Ｂは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出されるＡＲ係数を得、後段のデータ拡張のための係数とする。
また、ＡＲ係数算出部３６３Ｂは、ターゲット連結処理部３２ｂとＡＲ係数フィルタ部３７２へ、導かれたＡＲ係数（ＡＲ係数２（ｎ））を出力する。
【０１７０】
係数フィルタ部３７０は、ＡＲ係数フィルタ部３７１とＡＲ係数フィルタ部３７２を備える。
ＡＲ係数フィルタ部３７１は、ＡＲ係数算出部３２６Ｂによって、今回の制御サイクルにおいて算出されたＡＲ係数１（ｎ）と、ターゲット連結処理部３２ｂによってメモリ２１から呼び出された過去の制御サイクルにおいて算出されたＡＲ係数１（ｎ−１）とＡＲ係数１（ｎ−２）と、の平均化処理をして平均化ＡＲ係数１（ｎ）を算出する。
ＡＲ係数フィルタ部３７１は、平均化処理をした平均化ＡＲ係数１（ｎ）と、入力白色雑音の分散σ２をパワースペクトル算出部３８０Ｂへ出力する。
ＡＲ係数フィルタ部３７２は、ＡＲ係数算出部３６３Ｂによって、今回の制御サイクルにおいて算出されたＡＲ係数２（ｎ）と、ターゲット連結処理部３２ｂによってメモリ２１から呼び出された過去の制御サイクルにおいて算出されたＡＲ係数２（ｎ−１）とＡＲ係数２（ｎ−２）と、の平均化処理をして平均化ＡＲ係数２（ｎ）を算出する。
ＡＲ係数フィルタ部３７２は、平均化処理をした平均化ＡＲ係数２（ｎ）をターゲット連結処理部３２ｂによってメモリ２１に記憶させる。
パワースペクトル算出部３８０Ｂは、その平均化ＡＲ係数１（ｎ）と入力白色雑音の分散σ２に基づいて導かれるパワースペクトルから受信波の到来方向を算出する。
なお、ＡＲ係数フィルタ部３７１は、導かれたＡＲ係数１（ｎ）をターゲット連結処理部３２ｂに出力し、ターゲット連結処理部３２ｂによってメモリ２１に記憶させる。
【０１７１】
図２２は、ＭＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
この図２２において、次数を５次とした場合について説明する。
前述の式（２２）と式（２３）において示したように、ＡＲ係数は、信号部分空間の擬似逆行列から算出される。
算出されるＡＲ係数ベクトルは、[ａ５（１） ａ５（２） ａ５（３）ａ５（４） ａ５（５）]Ｔとして示すことができる。添え字のＴは、転置行列を示す。
今回制御サイクルにおいて算出されたＡＲ係数１（今回ＡＲ係数１）をａ１（ｔ）として示す。また、過去の制御サイクルにおいて算出されたＡＲ係数１（過去ＡＲ係数１）をａ１（ｔ−１）からａ１（ｔ−ｎ）として示す。
「今回ＡＲ係数１：ａ１（ｔ）」と「過去ＡＲ係数１：ａ１（ｔ−１）からａ１（ｔ−ｎ）」の各要素同士を平均（加算）する平均化処理によって平均ＡＲ係数１：Ａｖｅ＿ａ１（ｔ）を算出する演算式を式（２６）として示す。
【０１７２】
【数２６】
【０１７３】
式（２６）においてｋ１からｋｎ＋１は、重み係数である。
なお、本実施形態では、波数推定結果により、擬似逆行列を算出する過程においてランクを可変しているのみなので、ＡＲ係数ベクトルの次数、すなわちＡＲ係数ベクトルの要素の数は一定の値になる。これにより、ＡＲ係数ベクトルの平均化処理が可能となる。
【０１７４】
図２３は、ＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
この図２３に示される正規方程式は、上記の式（１）をＡＲ係数について整理したものである。この正規方程式は、次数を３とした場合を式（２７）として示す。
【０１７５】
【数２７】
【０１７６】
式（２７）に従って算出されたＡＲ係数ベクトルは、[ａ３（１） ａ３（２） ａ３（３）]Ｔとして示すことができる。添え字のＴは、転置行列を示す。今回制御サイクルにおいて算出されたＡＲ係数２（今回ＡＲ係数２）をａ２（ｔ）として示す。また、過去の制御サイクルにおいて算出されたＡＲ係数２（過去ＡＲ係数２）をａ２（ｔ−１）からａ２（ｔ−ｎ）として示す。
「今回ＡＲ係数２：ａ２（ｔ）」と「過去ＡＲ係数２：ａ２（ｔ−１）からａ２（ｔ−ｎ）」の各要素同士を平均（加算）する平均化処理によって平均ＡＲ係数２：Ａｖｅ＿ａ２（ｔ）を算出する演算式を式（２８）として示す。
【０１７７】
【数２８】
【０１７８】
式（２８）においてｋ１からｋｎ＋１は、重み係数である。
なお、本実施形態では、正規方程式の次数を固定していることから、ＡＲ係数ベクトルの要素の数が一定の値になる。これにより、ＡＲ係数ベクトルの平均化処理が可能となる。
【０１７９】
図２４は、メモリ２１に設けられるテーブルを示す図である。
この図２４に示されるテーブルでは、前述の図１４に示されるテーブルに対して、ＡＲ係数の項目が異なる。
追加となるＡＲ係数の項目は、上昇方向のピーク周波数時のＡＲ係数AR2_C_up、下降方向のピーク周波数時のＡＲ係数AR2_C_dwnがあり、ピーク周波数ポイントに対応するＡＲ係数２を格納する。
このピーク周波数時のＡＲ係数は、メモリ２１に、図２４のテーブル形式により格納されている（正確には、上記の項目の記憶領域は他より大きくなるが、表を例示するうえで便宜上同じとしている）。メモリ２１は、格納される上昇方向のピーク周波数時のＡＲ係数AR1_C_upとAR2_C_up、下降方向のピーク周波数時のＡＲ係数AR1_C_dwnとAR2_C_dwnを記憶する。
【０１８０】
図２５を参照し、処理のフローを説明する。
図２５は、本実施形態の処理を示すフローチャートである。
本実施形態に示す手順は、図２２、図２３に示したＡＲ係数の平均化処理を、２回目以降のターゲット検知サイクルに適用する場合の一態様を示す。
第１実施形態における図１６との相違点を中心に説明する。図１６と同じ処理を行うステップには同じ符号を附す。
次に示す処理の手順における前提条件について、例えば次のように整理する。
１回のデータ取得によって検知される複素数データに含まれるチャンネル数Ｎ（データ数）を５ｃｈとする。データ拡張前の正規方程式の次数Ｍを３次とする。データ拡張によって拡張された複素数データのチャンネル数（拡張チャンネル数）Ｎｅ（データ数）を９ｃｈとする。データ拡張後の正規方程式の次数（増加次数）Ｍｅを５次とする。以上に示したそれぞれの値は、予め定められているものとする。
この図２５によって示される処理のフローは、レーダ全体構成でのピーク検知で選出された複数のターゲット別に、制御サイクル（図８参照）毎に繰り返される。
【０１８１】
ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得される。
続いて、ステップＳａ３０１において、正規方程式作成部３６１は、抽出した今回検知サイクルにおいて取得した複素数データに基づいて、ＡＲモデルに適用する次数Ｍの正規方程式を作成する。
ステップＳａ３０２において、ＡＲ係数算出部３６３Ｂは、ステップＳａ３０１において作成された正規方程式から、次数Ｍの第２のＡＲ係数（ＡＲ係数２）を算出する。
【０１８２】
続いて、ステップＳａ３０３において、ＡＲ係数フィルタ部３７２は、メモリ２１に記憶されている、過去（前回、前々回）の検知サイクルにおいて導かれたＡＲ係数（ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２））をターゲット連結処理部３２ｂを介して呼び出す。
ステップＳａ３０４において、ＡＲ係数フィルタ部３７２は、ＡＲ係数算出部３６３Ｂによって今回の検知サイクルにおいて算出された次数ＭのＡＲ係数（今回ＡＲ係数２（ｎ））と、ターゲット連結処理部３２ｂから供給される過去（前回、前々回）の検知サイクルにおいて算出されたＡＲ係数（ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２））との平均化処理をして、平均化ＡＲ係数２（ｎ）を算出する。
なお、ステップＳａ３０４に続くステップＳａ１０３からＳａ１１０までの処理は、前述の図１６と同じである。
【０１８３】
続いて、ステップＳａ３０５において、ＡＲ係数フィルタ部３７１は、メモリ２１に記憶されている、過去（前回、前々回）の検知サイクルにおいて導かれたＡＲ係数（ＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２））をターゲット連結処理部３２ｂを介して呼び出す。
ステップＳａ３０６において、ＡＲ係数フィルタ部３７１は、ＡＲ係数算出部３２６Ｂによって今回の検知サイクルにおいて導かれた次数ＭｅのＡＲ係数１と、ターゲット連結処理部３２ｂから供給される過去（前回、前々回）の検知サイクルにおいて導かれたＡＲ係数１（ＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２））との平均化処理をして、平均化ＡＲ係数１（ｎ）を算出する。
なお、ステップＳａ３０６に続くステップＳａ１１１からＳａ１１３までの処理は、前述の図１６と同じである。
ステップＳａ３０７において、ＡＲ係数フィルタ部３７２は、算出した平均化ＡＲ係数２（ｎ）をターゲット連結処理部３２ｂによってメモリ２１に記憶させる。
【０１８４】
本実施形態に示す手順によれば、次数Ｍｅにデータ拡張した効果は、検知２回（サイクル）目以降に表れる。初回（１回目）の検知サイクルのみ、次数３次と５次のデータ拡張の演算をそれぞれ行うことにより、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１８５】
（第４実施形態）
図１から図２７を参照し、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の他の態様について、より具体的に示す。
図２６は、本実施形態の方位検出部の構成を示すブロック図である。
この図２６に示される方位検出部３０Ｃは、図１に示した方位検出部３０の一態様である。図１、図７、図１９に示す構成と同じ構成には同じ符号を付す。
図２６に示される方位検出部３０Ｃとターゲット連結処理部３２ｃのそれぞれは、信号処理部２０Ａ（図１）における方位検出部３０とターゲット連結処理部３２である。
【０１８６】
ターゲット連結処理部３２ｃは、今回検知サイクルにおいて算出されたＡＲ係数１（ｎ）をメモリ２１に書き込んで記憶させる。ＡＲ係数１（ｎ）は、今回検知サイクルで拡張された複素数データ（拡張複素数データ）から、ＭＦＢＬＰ部３２０Ｃによって導かれる。
ターゲット連結処理部３２ｃにより、メモリ２１に書き込まれたＡＲ係数１が、次の検知サイクル（ｎ回目）である今回検知サイクルにおいて呼び出された場合、そのＡＲ係数１は、過去（前回、前前回）のＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２）として呼び出される。
つまり、本実施形態は、第１実施形態に対して、メモリ２１に記憶させる情報は、次数を増加させたＡＲ係数のみである。そのＡＲ係数（ＡＲ係数１）は、ＭＦＢＬＰ部３２０Ｃによって算出される。
ターゲット連結処理部３２ｃは、メモリ２１に記憶されている過去の検知サイクルにおけるターゲットを結びつけた後、ターゲット毎に過去検知サイクル（図８）において記録されたＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２）を方位検出部３０Ｃへ出力する。
また、ターゲット連結処理部３２ｃは、今回検知サイクル（図８）において取得された複数の複素数データに基づいて算出されたＡＲ係数１（ｎ）に対して、ターゲット確定部３１から出力される距離、相対速度及び方位の識別情報を付して、メモリ２１に記録する。
つまり、本実施形態は、第１から３実施形態に対して、データ拡張のためのＡＲ係数の生成及びデータ拡張を行わずにスペクトル推定処理を行う点が異なる。
【０１８７】
方位検出部３０Ｃは、ＭＦＢＬＰ部３２０Ｃ、ＡＲフィルタ部３７１、及び、パワースペクトル算出部３８０Ｂを備える。
【０１８８】
ＭＦＢＬＰ部３２０Ｃ（第１演算処理部）は、今回の制御サイクルにおいて検出された複素数データ（ｎ）から作成したデータ行列とベクトルに基づいて、第１のＡＲ係数（ＡＲ係数）と白色雑音の分散値とを算出する。
ＭＦＢＬＰ部３２０Ｃは、データ行列・ベクトル作成部３２１Ｃ、特異値分解部３２３、波数推定部３２４、擬似逆行列算出部３２５、及び、ＡＲ係数算出部３２６Ｂを備える。
【０１８９】
データ行列・ベクトル作成部３２１Ｃは、「今回検知サイクル」において検出された複素数データ（ｎ）からデータ行列Ａとベクトルｈを作成する。
【０１９０】
このように、方位検出部３０Ｃは、自己回帰モデルを用いるスペクトル推定法により、信号部分空間成分の擬似逆行列に基づいて受信波の到来方向を算出する。
なお、本実施形態において、データ行列・ベクトル作成部３２１、特異値分解部３２３、擬似逆行列算出部３２５及びＡＲ係数算出部３２６が第２手段として機能する。波数推定部３２４が第３手段として機能する。ＡＲ係数フィルタ部３７１が第５手段として機能する。
【０１９１】
図２７は、本実施形態の処理を示すフローチャートである。
図１６、図２５と同じ処理を行うステップには同じ符号を附す。
ステップＳａ１０４’において、データ行列・ベクトル作成部３２１Ｃは、「今回検知サイクル」において検出された複素数データ（ｎ）から導かれるデータ行列Ａとベクトルｈを作成する。
ステップＳａ１１４において、ＡＲ係数フィルタ部３７１は、平均化したＡＲ係数を今回ＡＲ係数として、メモリ２１に記憶する。
このように、本実施形態においては、第１から第３実施形態に示したデータ拡張を行わない。データ拡張を行わないままＭＦＢＬＰ法を適用することが可能であり、ＭＦＢＬＰ部３２０Ｃは、所望の次数のＡＲ係数１（ｎ）を算出することができる。
また、記憶するＡＲ係数は、平均化した後のＡＲ係数にすることもでき、ＡＲ係数フィルタの効果を増すことができる（図２６の点線部参照）。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１９２】
（第５実施形態）
次に、図２８、図２９を参照し、本実施形態による電子走査型レーダ装置について説明する。
図２８は、本実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
本実施形態においては、第１から第４実施形態と同様に、方位推定を高分解能アルゴリズムで行う。図１に示す第１から第４実施形態と同じ構成については、同一の符号を付し、以下第１実施形態との相違点について説明する。
信号処理部２０Ｂにおいて周波数分解処理部２２Ｂは、アンテナ毎の上昇領域と下降領域とのビート信号を複素数データに変換し、そのビート周波数を示す周波数ポイントと、複素数データとをピーク検知部２３Ｂへ出力する。
そして、ピーク検知部２３Ｂは、上昇領域及び下降領域それぞれのピーク値と、そのピーク値の存在する周波数ポイントとを検出し、その周波数ポイントを周波数分解処理部２２Ｂへ出力される。
次に、周波数分解処理部２２Ｂは、上昇領域及び下降領域それぞれについて該当する複素数データを、方位検出部３０へ出力する。
【０１９３】
この複素数データが、上昇領域及び下降領域のそれぞれのターゲット群（上昇領域及び下降領域においてピークを有するビート周波数）となる。ここで、ピーク検知部２３Ｂは、方位検出部の波数推定処理における最大特異値判定（ステップＳ１０６ａ）と同じ機能として動作させることができるので、削除することも可能となる。
ターゲット連結処理部３２Ｂにおいて、過去に確定したターゲットと上りと下りの両方のターゲット群とを結びつける必要があるため、メモリ２１には前述のテーブルが記憶されている。
ターゲット連結処理部３２Ｂは、図１のターゲット連結処理部３２と同様な処理により、今回の検知サイクルと、過去の検知サイクルとの連結処理を行う。
【０１９４】
そして、方位検出部３０は、上昇領域及び下降領域それぞれにおいて、第１から第４実施形態に示したように、ＭＦＢＬＰ法によるデータ行列を特異値分解を行い、また、波数推定を行うことにより、ＡＲ係数を算出する。
次に、方位検出部３０は、上昇領域のＡＲ係数及び下降領域のＡＲ係数の各々について角度θを検出し、図２９に示すテーブルとしてピーク組合せ部２４Ｂへ出力する。
そして、ピーク組合わせ部２４Ｂは、図２９に示すテーブルの情報を元に、同様の角度を有する組み合わせを行い、上昇領域と下降領域とのビート周波数を組み合わせを距離検出部２５及び速度検出部２６へ出力する。
【０１９５】
距離検出部２５は、第１実施形態と同様に、組み合わせの上昇領域と下降領域とのビート周波数により距離を算出する。
また、速度検出部２６は、第１実施形態と同様に、組み合わせの上昇領域と下降領域とのビート周波数により相対速度を算出する。
ターゲット確定部３１Ｂは、上述した上昇領域及び下降領域の複素数データ、上昇領域及び下降領域における周波数ポイントと距離と相対速度と方位とを、現在の状態として確定する。
そして、ターゲット連結処理部３２Ｂは、ターゲット確定部３１Ｂから入力される、ターゲット毎に、上昇領域及び下降領域それぞれの周波数ポイントと、上昇領域及び下降領域それぞれのＡＲ係数と、距離と、縦位置と、横位置と、相対速度とを、第１から第４実施形態と同様の処理により前述のテーブルに記憶させる。
以上に示した手順により、電子走査型レーダ装置は、検出精度を高めた方位検出を行うことができる。
【０１９６】
（第６実施形態）
次に、図３０、図３１を参照し、本実施形態による電子走査型レーダ装置について説明する。
図３０は、本実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
本実施形態においては、第１実施形態と異なり、先にＡＲスペクトル推定処理等の高分解能アルゴリズムより分解能が低いＤＢＦ（Digital Beam Forming）を用いて方位推定を行い、その後にＭＦＢＬＰ法を用いたＡＲスペクトル推定処理による高分解能アルゴリズムで方位推定を行う構成である。図１に示す第１実施形態、図２８に示す第５実施形態と同じ構成については、同一の符号を付し、以下第１実施形態、第５実施形態との相違点について説明する。
この図に示されるように、図１の第１実施形態における周波数分解処理部２２とピーク検出部２３との間にＤＢＦ処理部４０が設けられ、上述したように、先にＤＢＦを用いて受信波の到来する方位を検出する点が第１実施形態と異なる。
【０１９７】
第５実施形態と同様に、周波数分解処理部２２は、入力されるビート信号を周波数分解（時間軸フーリエ変換）し、ビート周波数を示す周波数ポイントと、複素数データとを、ＤＢＦ処理部４０へ出力する。
次に、ＤＢＦ処理部４０は、入力される各アンテナに対応した複素数データを、アンテナの配列方向にフーリエ変換し、すなわち空間軸フーリエ変換を行う。
そして、ＤＢＦ処理部４０は、角度に依存、すなわち角度分解能に対応した角度チャンネル毎の空間複素数データを計算し、ビート周波数毎にピーク検知部２３に対して出力する。
【０１９８】
これにより、ＤＢＦ処理部４０から出力される角度チャンネル毎の空間複素数データ（ビート周波数単位）の示すスペクトルは、ビーム走査分解能による受信波の到来方向推定に依存したものとなる。
また、アンテナの配列方向にフーリエ変換されているため、角度チャンネル間にて複素数データを加算しているのと同じ効果を得ることができ、角度チャンネル毎の複素数データはＳ／Ｎ比が改善されており、ピーク値の検出における精度を、第１実施形態と同様に向上させることが可能となる。
上述した複素数データ及び空間複素数データともに、第１実施形態と同様に、三角波の上昇領域及び下降領域の双方にて算出される。
【０１９９】
次に、ピーク検知部２３は、ＤＢＦ処理部４０による処理の後に、ＤＢＦ結果による角度チャンネル毎にピークの検出を行い、検出された各チャンネルのピーク値を、次のピーク組合せ部２４へ角度チャンネル毎に出力する。すなわち、１６の分解能による空間軸フーリエ変換の場合、角度チャンネルの数は１５となる。
ピーク組合せ部２４では、第１実施形態と同様に、上昇領域及び下降領域におけるピーク値のあるビート周波数とそのピーク値を組み合わせて、距離検出部２５及び速度検出部２６へ、角度チャンネル毎に出力する。
【０２００】
そして、ペア確定部２７は、距離検出部２５及び速度検出部２６各々から、順次入力される上記距離ｒ及び相対速度ｖにより、図５のテーブルを角度チャンネル毎に生成し、第１実施形態と同様に、ターゲット毎に対応した上昇領域及び下降領域それぞれの適切なピークの組み合わせを、角度チャンネル毎に判定する。ここで、ＤＢＦでの分解能では、ターゲットが複数の角度チャンネルに跨って存在を示すので、近隣の角度チャンネル（マトリクス）との一致性も加味して、角度チャンネル毎に上昇領域及び下降領域それぞれのピークの適切な組み合わせを行うことができる。そして、上昇領域及び下降領域それぞれのピークのペアを確定し、確定した距離ｒ及び相対速度ｖを示すターゲット群番号をターゲット確定部３１へ出力し、図３１に示すテーブルが作成される。
図３１は、上昇領域及び下降領域それぞれのピークのペアを確定した結果を記憶するテーブルである。
ペア確定部２７は、距離ｒ及び相対速度ｖのみでなく、それぞれのターゲットの角度チャンネルの情報が得られるため、縦位置と横位置を求めることができるため、図６のテーブルに対して縦位置と横位置が含まれた、今回の検知サイクルの各ターゲット群に対応する結果を有する図３１に示すテーブルを生成する。
【０２０１】
そして、ターゲット連結処理部３２Ｃは、図３１のテーブルの情報を用いて、今回の検知サイクルにおけるターゲットと、図８の過去の検知サイクルにおけるターゲットとの結びつけの処理を行うこととなり、結びつけのパラメータとして、距離と相対速度及びピーク周波数ポイントとに加えて、縦位置と横位置を用いることとなるため、結びつけの処理をより高い精度にて行うことが可能となる。
方位検出部３０は、第１から第４実施形態に示したように波数推定を行う。
さらに、方位検出部３０からの方位情報とＤＢＦからの方位情報とに基づいてＡＮＤ論理で推定することにより、方向検知の信頼度を向上させたり、互いの方位情報を分担、例えば、近距離では角度分解能が粗くて良いのでＤＢＦの角度情報を用いたりできる効果を成す。
【０２０２】
このように、方位検出部３０は、第１から第６実施形態に示したＭＦＢＬＰ法によるスペクトル推定処理を行うことができる。
【０２０３】
（本実施形態における方向推定特性）
続いて、本実施形態による電子走査型レーダ装置の方向推定特性について示す。
図３２と図３３は、本実施形態による電子走査型レーダ装置の方位推定特性の効果を示す図である。
先行する車両が２台の場合について、ＭＦＢＬＰ法をそのまま適用した場合と、本実施形態によるデータ拡張とＡＲ係数の平均化処理を行ったＭＦＢＬＰ法を適用した場合とを比較する。この比較において、ターゲット（先行車両）までの距離を同じに設定した複素数データに基づいて、実施形態の違いによる推定結果の差を比較する。ターゲット（５５ｍ離れた先行車両）が２台であり、その結果、到来波における波数を２と推定した場合を示す。
図３２（ａ）に示すＭＦＢＬＰ法のみにおける推定結果は、チャンネル数を５CH、次数を３、波数を２としてスペクトル推定した結果である。
図に示される３つの曲線は、３サイクル分の結果を示している。この図に示されるように、ＭＦＢＬＰ法のみにおいては、パワースペクトルを示す波形のピークの位置（角度）がばらつき、安定にターゲットの位置（角度）を検出することができない。つまり、単にＭＦＢＬＰ法をそのまま適用しても安定した結果を得ることができないことが分かる。
【０２０４】
一方、本実施形態によるデータ拡張を行ったＭＦＢＬＰ法を用いた場合を図３２（ｂ）と図３３（ｃ）に示す。また、データ拡張を行わず、算出したＡＲ係数のフィルタ処理（平均化処理）をしたＭＦＢＬＰ法を用いた場合を図３３（ｄ）に示す。
図３２（ｂ）に示すデータ拡張を行ったＭＦＢＬＰ法における推定結果は、第１実施形態に基づいて、チャンネル数を９CH、次数を５、波数を２としてスペクトル推定した結果である。
図３３（ｃ）に示すデータ拡張を行ったＭＦＢＬＰ法における推定結果は、第３実施形態に基づいて、チャンネル数を９CH、次数を５、波数を２としてスペクトル推定した結果である。
図３３（ｄ）に示すＡＲ係数の平均化処理をしたＭＦＢＬＰ法における推定結果は、第４実施形態に基づいて、チャンネル数を５CH、次数を３、波数を２としてスペクトル推定した結果である。
なお、図３２（ａ）、（ｂ）、図３３（ｃ）、（ｄ）のいずれの場合も、同じ複素数データにもとづいて処理を行っている。
【０２０５】
このように、図３２（ｂ）と図３３（ｃ）、（ｄ）に示される結果には、それぞれの曲線が示すピークが急峻であり、且つ、ピークが検出される方向が安定していることが示されている。その結果、ピーク値が２つ分離して検出できており、ターゲットの車両が２台存在することが良好に検出されている。
また、本実施形態に示したように、データ取得回数が１制御サイクルに１回の複素数データに基づいた場合であっても、図３２（ｂ）と図３３（ｃ）、（ｄ）に示される推定結果から良好な推定結果を得ることができる。
【０２０６】
本実施形態による電子走査型レーダ装置は、検出ビート周波数の複素数データに基づいて、方位検出部３０において、スペクトル推定を行う方程式の次数と、推定される実際の波数とを設定して方位推定を行うことにより、検出精度を向上させることができる。
【０２０７】
本発明に係る実施形態によれば、データ拡張と次数の増加を施したＭＦＢＬＰ法の処理が、相関行列等の入力データとデータの取得回数に伴う、記憶容量と演算負荷を増大することなく、ＡＲスペクトル推定の特性を有効に活用した方位検出精度向上となる効果を奏する。
第１手段により、元の複素数データよりも長いデータ（CH）数に拡張できるので、第２手段のデータ行列とベクトルの要素数や次数を増やせる効果を奏する。
第２手段により、データ行列とベクトルから特異値分解することにより疑似逆行列を求めるので、相関行列（又は共分散行列）を求めることなく、計算精度の良いＡＲ係数を求めることができる。また、信号部分空間のＡＲ係数を求めることができるので、偽ピークを抑制した精度の良い方位検出ができる。また、元の複素数データから設定できる最大次数よりさらに次数を増加させることにより、より高次の方が推定精度が良くなるというＡＲスペクトル推定の特性が反映できる効果を奏する。
第３手段により、比較的容易で、前ステップの特異値分解処理を有効に活用した方法で信号波数を推定できるという効果を奏する。最大特異値の大きさを判定することで、間違った方位推定をすることを防止できるので、レーダ全体構成でのピーク検知なし（例えば、全距離ポイント又は任意の距離ポイント範囲の角度をスペクトル推定する場合）や、ピーク検知後でも異なる閾値で波数推定を実行すべきかどうかの判断ができる効果を奏する。
また、正規化した特異値で波数を推定することで、ターゲットの距離に依存しない波数推定判定ができる効果を奏する。さらに、複数の特異値を判定する閾値を設けることにより、特有の波数推定基準を設けることができる効果を奏する。
【０２０８】
第４手段により、データの取得回数とそれに伴う記憶容量と演算負荷を軽減できる効果を奏する。また、記憶する情報として、相関行列よりもメモリ容量が少ない、ＡＲ係数とすることができる。
第５手段により、過去制御サイクルのＡＲ係数と平均できるので、データ拡張するためのＡＲ係数の精度を高めたり、方位検出の精度を向上させたりできる効果を奏する。
第６手段により（第３実施形態）、データ拡張するためのＡＲ係数として、かならず今回制御サイクルで取得したＡＲ係数に基づいて方位検出処理を行うことができる効果を奏する。
第１から第４手段の組合せ（第１実施形態）により、次数を増加したＡＲ係数を用いてデータ拡張ができるので、高い検出精度の向上効果を奏する。
第２から第５手段の組合せ（第４実施形態）により、データ拡張しない場合でも、ＡＲ係数の平均化によりスペクトルのバラツキを低減することができる効果を奏する。
【０２０９】
以上、第１〜第４実施形態は、図１に示すＦＭＣＷ方式のレーダに用いる構成例を基に説明したが、ＦＭＣＷ方式の他のアンテナ構成にも適用することが可能である。また、データ取得からの演算を、本実施形態のマイクロコンピュータでの演算で行う他、他のデバイスやプロセッサ（FPGA,DSP,マイクロコンピュータ）等で計算させることも可能となる。
また、多周波ＣＷ、パルスレーダ等のＦＭＣＷ方式以外の他の方式においても、本発明に適用することが可能である。
本実施形態において、パワースペクトルのピークを算出してターゲット数と方位を求める形態としたが、入力白色雑音の分散値を乗算しないで作成したスペクトルで推定することも可能であるので、入力白色雑音の分散値の計算を省略することもできる。さらに、パワースペクトルの代わりに高次方程式の根を求める計算を用いて、その極で方位を推定してもよい。
【０２１０】
本実施形態に示したＭＦＢＬＰ法は、特異値分解を行い、信号部分空間の疑似逆行列を求め、ＡＲ係数を求める手法なので、標準的なＡＲスペクトル推定法よりも演算負荷は重くなる。しかし、検出する信号数に対してＡＲモデルの次数を高めに設定しても、疑ピークを抑えたパワースペクトルが算出できるので、検出精度が高い推定結果を得ることができる。実際、ＡＲモデルの次数を、設定可能な大きめの次数で固定することができ、MUSIC法のように信号部分空間とノイズ部分空間を選択してスペクトルを求めることができる。
特異値分解は、固有値分解の拡張方式で、特異行列（＝非正則行列）や長方行列においても算出できる。特異値は、固有値の正の平方根であるので、特異値と固有値は等価な値である。
しかしながら、前述の参考文献においても、上記MFBLP法に好適な受信波数の推定法については記述されておらず、ましてや車載用レーダのような少ないチャンネル数（CH）に適用された報告もない。一般的な受信波数の推定手法として、FPE（Final Prediction Error）、AIC（Akaike Information Criterion）、MDL（Minimum Description Length）等は知られているが、いずれも演算量が多くなる上に、いずれも検出精度を確保した推定については保証されていない。
本実施形態に示したように、車載用レーダにおける方位検出にＡＲスペクトル推定法を適用し、演算負荷が重くなる上記のFPE,AIC,MDL等の波数（又はモデル次数）推定手法を用いることなく、特異値分解による受信波数推定手法を適用する。特異値分解による受信波数推定手法を適用することにより、受信波数推定を比較的容易に実行でき、且つ上記MFBLP手法に直結できるという利点を得ることができる。
そして、上記受信波数推定結果を、計算した特異値分解による疑似逆行列に適用し、ノイズ部分空間を削除して、信号部分空間のみを抽出した検出精度の高い方位検出を行うことができる。
【０２１１】
なお、図１、図７、図２１、図２８、図３０における信号処理部２０Ａから２０Ｃの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、受信波から方位検出を行う信号処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
【０２１２】
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【０２１３】
なお、本実施形態において、例えばステップＳａ１０６では、予め設定した閾値よりも最大特異値の値が小さい場合には、得られた情報（複素数データ）の信頼度が低いと判定し、該当ターゲットに対しての次ステップの波数推定の処理を行わなくして、誤検出情報の提供を防いでいる。
例えば、次ステップ以降の波数推定及び方位推定の処理を行わず、当該サイクルにおけるターゲットの情報を検出できずにロストしても、レーダの認識処理として通常後ステップで行われるトラッキングによる外挿手法等を用いることにより、ロストしたターゲットの情報を疑似的に持続することができる。このような手法により、ターゲットをロストすることを回避できるので、間違った方位検出結果を出力するよりキャンセルする方が望ましいという考えに適合することができる。また、できるだけ方位検出をキャンセルしない考えにも適合でき、次ステップの波数推定を行わず、予め定められた値の任意の波数に強制的に指定する（例えば、最大次数や最小次数のいずれか）ことも可能である。このような最大特異値判定を伴った信号の波次数推定処理を行うことによって、例えばピーク検知されたターゲットの中から、ターゲット毎にさらに方位検出するか否かを判定したり、ピーク検知しない仕様としたりする場合でも効果を成すものである。そのピーク検知しない仕様とは、例えば、全ポイント、又は、任意の距離ポイントにおいて無条件に方位検知する等の処理構成のことである。
【０２１４】
また、本実施形態に示したデータ拡張法に代え、他の方法を用いることも可能である。例えば、抽出した複素数データに値を「０」とするデータを追加してＦＦＴ処理を行い、変換後の領域で位相の補正を行った後に、ＩＦＦＴ処理を行い前記位相補正による元の複素数データの領域での波形の広がりを利用しても良いし、各種のデータ外挿アルゴリズムやデータ予測アルゴリズムを適用してもよい。
【０２１５】
さらに、本実施形態に示した波数推定において、正規化固有値による閾値判定法だけでなく、固有値分解の有効ランク数を推定するフロベニウスノルム比などの手法を適用してもよい。
また、擬似逆行列を作成する際の波数は、例えば、データ拡張用のＡＲ係数を算出するためには最大の波数に固定してもよく、パワースペクトルを算出する波数と独立に設定してもよい。
【符号の説明】
【０２１６】
１−１，１−ｎ…受信アンテナ
２−１，２−ｎ…ミキサ
３…送信アンテナ
４…分配器
５−１，５−ｎ…フィルタ
６…ＳＷ
７…ＡＤＣ
８…制御部
９…三角波生成部
１０…ＶＣＯ
２０Ａ、２０Ｂ、２０Ｃ…信号処理部
２１…メモリ
２２、２２Ｂ…周波数分解処理部
２３、２３Ｂ…ピーク検知部
２４、２４Ｂ…ピーク組合せ部
２５…距離検出部
２６…速度検出部
２７…ペア確定部
３０、３０Ａ、３０Ｂ、３０Ｃ…方位検出部
３１、３１Ｂ…ターゲット確定部
３２、３２ａ、３２ｂ、３２ｃ、３２Ｂ、３２Ｃ…ターゲット連結処理部
４０…ＤＢＦ処理部
３１０Ａ、３１０Ｂ…データ拡張部
３２０Ａ、３２０Ｂ…ＭＦＢＬＰ部
３２３、３２３…特異値分解部
３２４…波数推定部
３２５…擬似逆行列算出部
３２６Ａ、３２６Ｂ、３６３…ＡＲ係数算出部
３６０…ＦＢＬＰ部
３６１…正規方程式作成部
３７０…係数フィルタ部
３７１、３７２…ＡＲ係数フィルタ部
３８０Ａ、３８０Ｂ…パワースペクトル算出部
【技術分野】
【０００１】
本発明は、放射された送信波に対するターゲットからの反射波を用いて、このターゲットの検出を行う、車載用に好適な電子走査型レーダ装置、受信波方向推定方法及びこれに用いる受信波方向推定プログラムに関する。
【背景技術】
【０００２】
従来、車載レーダとしては、ＦＭＣＷ（Frequency Modulated Continuous Wave）レーダ、多周波ＣＷ（Continuous Wave）レーダ、及びパルスレーダ等の方式を利用した電子走査型のレーダが知られている。
上記各レーダにおいては、ターゲット（反射物）からの到来波（あるいは受信波）の方向検知の技術として、アレーアンテナの到来波方向推定方法が用いられている。
この到来波方向推定方法は、近年、受信アンテナのチャンネル数を増やすことなく高い分解能が得られる、ＡＲスペクトル推定法（図３４）やＭＵＳＩＣ（MUltiple SIgnal Classification）法等の高分解能（高精度）アルゴリズムが用いられている（特許文献１、２、３参照）。また、ＡＲスペクトル推定法は、最大エントロピー法（MEM：Maximum Entropy Method ）や線形予測法などといわれる場合もある。
これらのアルゴリズムでターゲット（反射物）からの到来波方向推定を行う場合には、複素数によって示される入力データ（複素正弦波にノイズ成分が合成されたデータ）を相関行列といった行列形式に変換してから推定処理が行われる。
【０００３】
また、車載レーダに用いられる高分解能到来波方向推定方法では、ノイズ成分を抑制し推定精度を向上させるために、過去の制御サイクルの相関行列を記憶しておき、今回の制御サイクルの相関行列との平均化（又は加算）処理をしてから方向推定処理を実行している。この相関行列の平均化処理は、少ないチャンネル数によって構成される車載用レーダにとって、方位検出精度（角度精度や分離性能）の向上に大きな効果を得ることができる（特許文献２）。
また、これらの高分解能アルゴリズムは、適当な到来波（受信波）数（ＡＲスペクトル推定法の場合はモデル次数）を設定してから推定することが必要とされる（特許文献３）。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特開２００６−２７５８４０号公報
【特許文献２】特開２００９−１５６５８２号公報
【特許文献３】特開２００９−１６２６８８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
ところで、特許文献２の技術において、推定精度を高めるためには、平均化するための相関行列数を多くすることが必要となる。平均するための相関行列数を増やすためには、過去の相関行列を保持しておく期間を長くして、複数の過去の相関行列を参照する回数を増やすか、同一制御サイクルにおけるデータ取得数を増やすことが必要となる。データ量については、１回のデータ取得で生成される相関行列そのものがデータ数×データ数個の大きさとなり、演算対象のデータ量は、データ取得数に応じて増加する。また、同一制御サイクルにおけるデータ取得数を増やすことは、ＦＭＣＷ方式の場合、同一制御サイクルにおける三角波出力回数を増加させることになる。このように、推定精度を高めるためにデータ量を増やした場合には、演算負荷が増大することが課題である。
また、ＡＲスペクトル推定法は、比較的演算負荷の軽いアルゴリズムであり、距離方向に数多く存在するターゲットに対して方位推定処理も数多く行うことができるので、車載用レーダとして好適な手法である。また、ＡＲスペクトル推定法は、ＭＵＳＩＣ法と比べると受信波数（=モデル次数）の設定にセンシティブにならなくても推定できるという利点があり、モデル次数の高いほど推定精度が高くなるという傾向がある。
しかしながら、ＡＲスペクトル推定法においては、設定次数に対して信号受信波数が大幅に少なくノイズ成分が多い場合には、相関行列（正規方程式）の平均を行い、精度を高めたとしても、偽ピークが検出されてしまう場合があることが懸案であった。
また、小型・低コスト化が必要とされる車載用レーダのような用途においては、受信系の構成を少ないチャンネル（CH）数にすることが要求され、少ないチャンネル（CH）数に適した設定とする場合では、設定できる次数が制限される。また、仮に受信系のCH数を増やすことができたとしても、上記のＡＲスペクトル推定法（標準的ＡＲスペクトル推定法と定義する）においては、次数を設定できるだけであることから、より高い次数の設定と、信号受信波数に応じた適切な設定を同時に満足させることができなかった。
【０００６】
本発明は、このような事情に鑑みてなされたもので、取得するデータを記憶するメモリ容量とデータ取得回数を増大することなく、検出精度を高めた方位検出ができる電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム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】
【０００７】
（１）本発明は、移動体に搭載される電子走査型レーダ装置であり、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信部と、前記送信波及び前記受信波からビート信号を生成するビート信号生成部と、前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理部と、前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出部とを備えることを特徴とする電子走査型レーダ装置である。
【０００８】
（２）また、本発明は、上記発明において、前記方位検出部は、前記ビート信号に基づいて算出された前記複素数データに基づいて前記係数を算出する第１演算処理部を備え、前記第１演算処理部は、前記ビート信号に基づいて算出された前記複素数データに基づいて前記行列及びベクトルを生成するデータ行列データベクトル生成部と、前記生成した行列を特異値分解することにより前記特異値を算出する特異値分解部と、前記算出された特異値に基づいて前記受信波の波数を推定した波数推定値を算出する波数推定部と、該算出された波数推定値により定められる前記信号部分空間に含まれる前記擬似逆行列を算出する擬似逆行列算出部と、前記信号部分空間の擬似逆行列及び前記ベクトルから前記係数を算出する係数算出部とを備えることを特徴とする。
【０００９】
（３）また、本発明は、上記発明において、前記方位検出部は、前記算出された複素数データを元にして、該元の複素数データよりデータ数を拡張した拡張複素数データを生成するデータ拡張部を備え、前記データ行列データベクトル生成部は、前記拡張複素数データを要素とする前記行列及び前記ベクトルを生成することを特徴とする。
【００１０】
（４）また、本発明は、上記発明において、前記データ行列データベクトル生成部は、前記行列及び前記ベクトルとして、予め定められる次数に増加させた次数増加行列及び次数増加ベクトルを生成することを特徴とする。
【００１１】
（５）また、本発明は、上記発明において、前記データ行列データベクトル生成部は、前記行列及び前記ベクトルとして、前記拡張複素数データによる次数を増加させずに、前記拡張複素数データのデータ数を拡張した前記行列及び前記ベクトルを生成することを特徴とする。
【００１２】
（６）また、本発明は、上記発明において、前記方位検出部は、前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成される正規方程式により生成することを特徴とする。
【００１３】
（７）また、本発明は、上記発明において、前記方位検出部は、前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成された前記正規方程式により生成する第２演算処理部を備え、前記データ拡張部は、前記元の複素数データと前記係数に基づいた線形予測式により前記拡張複素数データを生成することを特徴とする。
【００１４】
（８）また、本発明は、上記発明において、前記係数は、自己回帰モデルを用いるスペクトル推定法において、該自己回帰モデルを示す線形方程式に基づいて算出されることを特徴とする。
【００１５】
（９）また、本発明は、上記発明において、前記データ拡張部は、前記受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける、今回の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成することを特徴とする。
【００１６】
（１０）また、本発明は、上記発明において、前記ターゲットに対応付けられた情報を、前記検知サイクルの回数に対応付けて記憶する記憶部を備え、前記データ拡張部は、前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成することを特徴とする。
【００１７】
（１１）また、本発明は、上記発明において、前記データ拡張部は、前記今回の検知サイクルにおいて算出された前記元の複素数データと、前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された過去の複素数データとに基づいて前記拡張複素数データを生成することを特徴とする。
【００１８】
（１２）また、本発明は、上記発明において、前記今回の検知サイクルと、前記過去の検知サイクルとにおいて、それぞれ検知された前記ターゲットを関連付け、前記関連付けられたターゲットに対応付けられた情報を前記記憶部に記憶させるターゲット連結処理部を備えることを特徴とする。
【００１９】
（１３）また、本発明は、上記発明において、前記ターゲット連結処理部は、前記今回及び前記過去の検知サイクルにおける前記ターゲットの関連付けを、距離及び相対速度、又は、距離、相対速度及び方位により行うことを特徴とする。
【００２０】
（１４）また、本発明は、上記発明において、前記方位検出部は、前記ターゲットに対応付けられた前記情報である前記係数を平均する係数フィルタ部を備えることを特徴とする。
【００２１】
（１５）また、本発明は、上記発明において、前記係数フィルタ部は、前記第１演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を平均する第１係数フィルタ部を備えることを特徴とする。
【００２２】
（１６）また、本発明は、上記発明において、前記係数フィルタ部は、前記第２演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を平均する第２係数フィルタ部を備えることを特徴とする。
【００２３】
（１７）また、本発明は、上記発明において、前記ビート周波数の強度値からピーク値を検出して前記ターゲットの存在を検知するピーク検知部を備え、前記方位検出部は、前記ピーク検知部によって存在が検知されたターゲットに対応する前記複素数データに基づいて、前記受信波の到来方向を算出することを特徴とする。
【００２４】
（１８）また、本発明は、上記発明において、前記複素数データに基づいて、前記受信波を受信する所望の方向の受信感度を高めるデジタルビームフォーミングに基づいて前記ターゲットの存在及び方位を検出するＤＢＦ部をさらに備え、前記ピーク検知部は、前記今回の検知サイクルにおけるビート周波数における前記デジタルビームフォーミングに基づいて前記ターゲットの方位を検出することを特徴とする。
【００２５】
（１９）また、本発明は、移動体に搭載される電子走査型レーダ装置による受信波方向推定方法であり、受信部が、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信過程と、ビート信号生成部が前記送信波及び前記受信波からビート信号を生成するビート信号生成過程と、周波数分解処理部が前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理過程と、前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出過程とを含むことを特徴とする受信波方向推定方法である。
【００２６】
（２０）また、本発明は、移動体に搭載される電子走査型レーダ装置により受信波方向推定の処理をコンピュータに実行させるためのプログラムであり、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信処理手順と、前記送信波及び前記受信波からビート信号を生成するビート信号生成処理手順と、前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理手順と、前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出手順とを実行させるためのプログラムである。
【発明の効果】
【００２７】
以上説明したように、本発明によれば、受信部が、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される。ビート信号生成部が前記送信波及び前記受信波からビート信号を生成する。周波数分解処理部が、前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する。方位検出部が、ビート信号に基づいて算出された複素数データに基づいて生成される行列の特異値に基づいて受信波の波数を推定し、該推定された波数に応じた数の特異値に基づいて作成される信号部分空間によって示される信号部分空間成分の擬似逆行列に基づいた係数を生成し、該生成された係数に基づいて受信波の到来方向を算出する。
これにより、方位検出部は、ターゲットの存在が検知されたビート周波数である検出ビート周波数の複素数データに基づいて生成される行列の特異値に基づいて到来波の波数を推定し定める。方位検出部は、推定された波数に応じた特異値に基づいて作成される信号部分空間の擬似逆行列に基づいた係数により受信波の到来方向を算出するので、検出精度を高めた方位検出ができる電子走査型レーダ装置及び受信波方向推定プログラムを提供することが可能となる。
【図面の簡単な説明】
【００２８】
【図１】本発明の第１実施形態による電子走査型レーダ装置の構成を示すブロック図である。
【図２】送信信号と、ターゲットに反射された受信信号が入力された状態を示す図である。
【図３】受信アンテナにおける受信波の説明を行う概念図である。
【図４】ビート信号を周波数分解した結果であり、ビート周波数（横軸）とそのピーク値（縦軸）とを示すグラフである。
【図５】ピーク組合せ部２４における上昇領域及び下降領域のビート周波数のマトリクスと、そのマトリクスの交点、すなわち上昇領域及び下降領域のビート周波数の組み合わせにおける距離及び相対速度とピークレベルとを示すテーブルである。
【図６】今回の検知サイクルにおけるピークのペアを確定したターゲット群毎の距離及び相対速度と周波数ポイントを示すテーブルである。
【図７】本実施形態における方位検出部の構成を示すブロック図である。
【図８】検知サイクルにおけるデータ取得処理を示すタイムチャートである。
【図９】本実施形態に適用するデータ拡張法について示す図である。
【図１０】複素数データを拡張する処理について示す図である。
【図１１】ＭＦＢＬＰ法におけるデータ行列とデータベクトルの生成と擬似逆行列で表現できることを示す図である。
【図１２】特異値分解の演算処理を示す図である。
【図１３】信号部分空間の擬似逆行列Ａ＃から算出されるＡＲ係数ａから、白色雑音の分散値とパワースペクトルを求める演算処理を示す図である。
【図１４】メモリ２１に設けられるテーブルを示す図である。
【図１５】ＡＲ係数の記憶方法、呼出方法を示す図である。
【図１６】本実施形態の処理を示すフローチャートである。
【図１７】図１６のステップＳａ１０６からステップＳａ１０８までに示した信号波数推定処理の詳細を示す図（その１）である。
【図１８】図１６のステップＳａ１０６からステップＳａ１０８までに示した信号波数推定処理の詳細を示す図（その２）である。
【図１９】ＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
【図２０】第２実施形態によるＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
【図２１】第３実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
【図２２】ＭＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
【図２３】ＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
【図２４】メモリ２１に設けられるテーブルを示す図である。
【図２５】本実施形態の処理を示すフローチャートである。
【図２６】第４実施形態の方位検出部の構成を示すブロック図である。
【図２７】本実施形態の処理を示すフローチャートである。
【図２８】第５実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
【図２９】上昇領域及び下降領域それぞれのピークを組み合わせるためのテーブルを示す図である。
【図３０】第６実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
【図３１】上昇領域及び下降領域それぞれのピークのペアを確定した結果を記憶するテーブルである。
【図３２】本実施形態による電子走査型レーダ装置の方位推定特性の効果を示す図（その１）である。
【図３３】本実施形態による電子走査型レーダ装置の方位推定特性の効果を示す図（その２）である。
【図３４】従来のＡＲスペクトル推定処理を示す図である。
【発明を実施するための形態】
【００２９】
＜ＡＲスペクトル推定の説明＞
以下、本発明の実施形態に適用するＡＲスペクトル推定法について示す。
最初に、標準的なＡＲスペクトル推定法（AR Spectral Estimation）について示す。ＡＲスペクトル推定法は、ＭＵＳＩＣ法と同じくスペクトルを推定するスペクトル推定法として知られており、ＡＲモデル（Autoregressive Model：自己回帰モデル）を用いた推定処理を行う方法である。このようなＡＲスペクトル推定法は、ＭＵＳＩＣ法が部分空間法として分類される場合に、パラメトリック法として分類される。また、ＡＲスペクトル推定法は、最大エントロピー法、線形予測法と呼ばれる場合もある。
【００３０】
ＡＲスペクトル推定法は、まず線形式によって示されるＡＲモデルを用いてモデル化して、入力データに基づいた線形式である正規方程式（自己相関行列や共分散行列と呼ばれる行列と、右辺ベクトルや相互相関ベクトルと呼ばれるベクトルも含まれる）を作成する。さらに、正規方程式に基づいて、ＡＲフィルタの係数（ＡＲ係数）と入力白色雑音の分散値を求めた後、そのＡＲ係数と入力白色雑音の分散値を用いてパワースペクトルを求め推定する手法である（図３４参照）。入力データには、時系列のデータの他、本実施形態におけるレーダのような空間方向のチャンネルデータに対しても適用できる。このようなＡＲスペクトル推定法は、自己相関行列を用いた手法と共分散行列を用いた手法に大別され、自己相関行列を用いた手法として自己相関法（Autocorrelation Method）（又は、ユールウォーカー法）とバーグ法（Burg Method）があり、共分散行列を用いた方法として共分散法（Covariance Method）と改良共分散法（Modified Covariance Method）がある。また、改良共分散法は、前向き後向き線形予測法（Forward and Backward Linear Prediction Method、ＦＢＬＰ法）とも呼ばれる。
上記のＡＲスペクトル推定法（以下、「標準的なＡＲスペクトル推定法」という）は、固有値分解を行わないので、演算負荷が比較的軽いことが特色である。
【００３１】
ところで、本実施形態に示すＡＲスペクトル推定法においては、検出した信号を信号部分空間とノイズ部分空間とに分離して検出処理を行う。ＡＲスペクトル推定法において、その信号部分空間を抽出することにより、ＡＲモデルの次数を固定値にしていても、受信信号波数に応じたスペクトル推定処理における検出特性を適応させることができる。
このようなＡＲスペクトル推定法において、標準的な改良共分散法（共分散法）に用いるデータ列によって示されるＭＦＢＬＰ法（Modified Forward and Backward Linear Prediction Method：改良前向き後向き線形予測法）を適用する［参考文献：Tufts, Kumaresan, " Estimation of Frequency of Multiple Sinusoids : Making Linear Prediction Perform Like Maximum Likelihood", IEEE Vol.70, No.9, September 1982.を参照］。このＭＦＢＬＰ法は、パラメトリック法と部分空間法とを組み合わせるような手法である。ＡＲスペクトル推定法において、ＭＦＢＬＰ法を適用することにより、共分散行列と右辺ベクトルを作成することなく、データ行列とデータベクトルから直接特異値分解を行い、疑似逆行列を求める。
なお、信号部分空間の抽出は、信号部分空間に含まれる該行列の疑似逆行列の作成により行う。
このように、本実施形態に示すＡＲスペクトル推定法は、設定次数に対して信号受信波数が少なくノイズ成分が多い場合であっても、偽ピークの発生を低減させることができるので、ＡＲスペクトル推定における推定精度を高めるよう、次数を増加させることが可能である。
【００３２】
（第１実施形態）
以下、本発明の実施形態による電子走査型レーダ装置（ＦＭＣＷ方式ミリ波レーダ）について図面を参照して説明する。
図１は、同実施形態における電子走査型レーダ装置の構成を示すブロック図である。
この図において、本実施形態による電子走査型レーダ装置は、受信アンテナ１−１〜１−ｎ、ミキサ２−１〜２−ｎ、送信アンテナ３、分配器４、フィルタ５−１〜５―ｎ、ＳＷ（スイッチ）６、ＡＤＣ（Ａ／Ｄコンバータ）７、制御部８、三角波生成部９、ＶＣＯ１０、信号処理部２０Ａを備える。
信号処理部２０Ａは、メモリ２１、周波数分離処理部２２、ピーク検知部２３、ピーク組合せ部２４、距離検出部２５、速度検出部２６、ペア確定部２７、方位検出部３０、ターゲット確定部３１、及び、ターゲット連結処理部３２を備える。
【００３３】
次に、図１を参照して、本実施形態による電子走査型レーダ装置の動作を説明する。
受信アンテナ１−１〜１−ｎは、送信波がターゲットにて反射し、このターゲットから到来する反射波、すなわち受信波を受信する。
ミキサ２−１〜２−ｎは、送信アンテナ３から送信される送信波と、受信アンテナ１−１〜１−ｎそれぞれにおいて受信された受信波が増幅器により増幅された信号とを混合して、それぞれの周波数差に対応したビート信号を生成する。
送信アンテナ３は、三角波生成部９において生成された三角波信号を、ＶＣＯ（Voltage Controlled Oscillator ）１０において周波数変調した送信信号をターゲットに対して送信波として送信する。
分配器４は、ＶＣＯ１０からの周波数変調された送信信号を、ミキサ２−１〜２−ｎ及び送信アンテナ３に分配する。
【００３４】
フィルタ５−１〜５−ｎ各々は、それぞれミキサ２−１〜２−ｎにおいて生成された各受信アンテナ１−１〜１−ｎに対応したＣｈ１〜Ｃｈｎのビート信号に対して帯域制限を行い、ＳＷ（スイッチ）６へ帯域制限されたビート信号を出力する。
ＳＷ６は、制御部８から入力されるサンプリング信号に対応して、フィルタ５−１〜５−ｎ各々を通過した各受信アンテナ１−１〜１−ｎに対応したＣｈ１〜Ｃｈｎのビート信号を、順次切り替えて、ＡＤＣ（Ａ／Ｄコンバータ）７に出力する。
ＡＤＣ７は、ＳＷ６から上記サンプリング信号に同期して入力される、各受信アンテナ１−１〜１−ｎ各々に対応したＣｈ１〜Ｃｈｎのビート信号を、上記サンプリング信号に同期してＡ／Ｄ変換してデジタル信号に変換し、信号処理部２０におけるメモリ２１の波形記憶領域に順次記憶させる。
制御部８は、マイクロコンピュータなどにより構成されており、図示しないＲＯＭなどに格納された制御プログラムに基づき、図１に示す電子走査型レーダ装置全体の制御を行う。
【００３５】
＜距離、相対速度、角度（方位）を検出する原理＞
次に、図を参照し、本実施形態における信号処理部２０において用いられる電子走査型レーダ装置とターゲットとの距離、相対速度、角度（方位）を検出する原理について簡単に説明する。
図２は、送信信号と、ターゲットに反射された受信信号が入力された状態を示す図である。
この図に示される信号は、図１の三角波生成部９において生成された信号をＶＣＯ１０において周波数変調した送信信号と、その送信信号をターゲットが反射して、受信された受信信号である。この図の例では、ターゲットが１つの場合を示す。
図２（ａ）から判るように、送信する信号に対し、ターゲットからの反射波である受信信号が、ターゲットとの距離に比例して右方向（時間遅れ方向）に遅延されて受信される。さらに、ターゲットとの相対速度に比例して、送信信号に対して上下方向（周波数方向）に変動する。そして、図２（ａ）にて求められたビート信号の周波数変換（フーリエ変換（ＦＦＴ）やＤＴＣ、アダマール変換、ウェーブレッド変換など）後において、図２（ｂ）に示されるように、ターゲットが１つの場合、上昇領域及び下降領域それぞれに１つのピーク値を有することなる。ここで、図２（ａ）は横軸が周波数、縦軸が強度を示す。
【００３６】
周波数分解処理部２２は、メモリ２１に蓄積されたビート信号のサンプリングされたデータから、三角波の上昇部分（上り）と下降部分（下り）とのそれぞれについて周波数分解、例えばフーリエ変換などにより離散時間に周波数変換する。すなわち、周波数分解処理部２２は、ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、ビート周波数毎に分解されたビート信号に基づいた複素数データを算出する。
その結果、図２（ｂ）に示すように、上昇部分と下降部分とにおいて、それぞれの周波数分解されたビート周波数毎の信号レベルのグラフが得られる。
そして、ピーク検知部２３は、図２（ｂ）に示すビート周波数毎の信号レベルからピーク値を検出し、ターゲットの存在を検出するとともに、ピーク値のビート周波数（上昇部分及び下降部分の双方）をターゲット周波数として出力する。
【００３７】
次に、距離検出部２５は、ピーク組合せ部２４から入力される上昇部分のターゲット周波数ｆuと、下降部分のターゲット周波数ｆdとから、下記式により距離ｒを算出する。式中の「・」は、乗算を示す。
ｒ＝｛Ｃ・Ｔ／（２・Δｆ）｝・｛（ｆu＋ｆd）／２｝
また、速度検出部２６は、ピーク組合せ部２４から入力される上昇部分のターゲット周波数ｆuと、下降部分のターゲット周波数ｆdとから、下記式により相対速度ｖを算出する。
ｖ＝｛Ｃ／（２・ｆ0）｝・｛（ｆu−ｆd）／２｝
上記距離ｒ及び相対速度ｖを算出する式において、
Ｃ ：光速度
Δｆ：三角波の周波数変調幅
ｆ0 ：三角波の中心周波数
Ｔ ：変調時間（上昇部分/下降部分）
ｆu ：上昇部分におけるターゲット周波数
ｆd ：下降部分におけるターゲット周波数
【００３８】
次に、本実施形態における受信アンテナ１−１〜１−ｎについて示す。
図３は、受信アンテナにおける受信波の説明を行う概念図である。
この図に示されるように、受信アンテナ１−１〜１−ｎは、間隔ｄによりアレー状に配置される。受信アンテナ１−１〜１−ｎには、アンテナを配列している面に対する垂直方向の軸に対して角度θ方向から入射される、ターゲットからの到来波（入射波、すなわち送信アンテナ３から送信した送信波に対するターゲットからの反射波）が入力する。このとき、その到来波は、受信アンテナ１−１〜１−ｎにおいて同一角度にて受信される。この同一角度、例えば角度θ及び各アンテナの間隔ｄにより求められる位相差「ｄｎ−１・sinθ」が、各隣接する受信アンテナ間にて発生する。
その位相差を利用して、アンテナ毎に時間方向に周波数分解処理された値を、アンテナ方向にさらにフーリエ変換するデジタルビームフォーミング（ＤＢＦ）や高分解能アルゴリズム等の信号処理にて上記角度θを検出することができる。
【００３９】
＜信号処理部２０における受信波に対する信号処理＞
次に、信号処理部２０Ａにおける受信波に対する信号処理について示す。
メモリ２１は、波形記憶領域が設けられている。メモリ２１は、ＡＤＣ７によってＡ／Ｄ変換された受信信号の時系列データ（上昇部分及び下降部分）を、アンテナ１−１〜１−ｎ毎に対応させて、上記波形記憶領域に記憶している。例えば、上昇部分及び下降部分それぞれにおいて２５６個をサンプリングした場合、２×２５６個×アンテナ数のデータが、上記波形記憶領域に記憶される。
周波数分解処理部２２は、例えばフーリエ変換などにより、各Ｃｈ１〜Ｃｈｎ（各アンテナ１−１〜１−ｎ）に対応するビート信号それぞれを、予め設定された分解能に応じて周波数成分に変換することによりビート周波数を示す周波数ポイントと、そのビート周波数の複素数データを出力する。例えば、アンテナ毎に上昇部分及び下降部分それぞれが２５６個のサンプリングされたデータを有する場合、アンテナ毎の複素数の周波数領域データとしてビート周波数に変換され、上昇部分及び下降部分それぞれにおいて１２８個の複素数データ（２×１２８個×アンテナ数のデータ）となる。また、上記ビート周波数は周波数ポイントにて示されている。
ここで、アンテナ毎の複素数データには、上記角度θに依存した位相差があり、それぞれの複素数データの複素平面上における絶対値（受信強度あるいは振幅など）は等価である。
【００４０】
ピーク検知部２３は、周波数変換されたビート周波数の三角波の上昇領域及び下降領域それぞれ強度のピーク値を、複素数データを用いて信号強度（または振幅など）におけるピークから、予め設定された数値を超えるピーク値を有するビート周波数を検出することにより、ビート周波数毎のターゲットの存在を検出して、ターゲット周波数を選択する。
したがって、ピーク検知部２３は、いずれかのアンテナにおける複素数データ又は、全アンテナの複素数データの加算値を周波数スペクトル化することにより、スペクトルの各ピーク値がビート周波数、すなわち距離に依存したターゲットの存在として検出することができる。全アンテナの複素数データの加算により、ノイズ成分が平均化されてＳ／Ｎ比が向上する。
【００４１】
ピーク組合せ部２４は、ピーク検知部２３から入力される図４に示すビート周波数とそのピーク値について、上昇領域及び下降領域それぞれのビート周波数とそのピーク値をマトリクス状に総当たりにて組み合わせ、すなわち上昇領域及び下降領域それぞれのビート周波数を全て組み合わせて、順次、距離検出部２５及び速度検出部２６へ出力する。ここで、図４は、横軸がビート周波数の周波数ポイントを示し、縦軸が信号のレベル（強度）を示している。
距離検出部２５は、順次入力される上昇領域及び下降領域それぞれの組み合わせのビート周波数を加算した数値によりターゲットとの上記距離ｒを演算する。
また、速度検出部２６は、順次入力される上昇領域及び下降領域それぞれの組み合わせのビート周波数の差分によりターゲットとの上記相対速度ｖを演算する。
【００４２】
ペア確定部２７は、入力される上記距離ｒ、相対速度ｖ及び下降、上昇のピーク値レベルｐｕ、ｐｄにより、図５に示すテーブルを生成し、ターゲット毎に対応した上昇領域及び下降領域それぞれのピークの適切な組み合わせを判定し、図６に示すテーブルとして上昇領域及び下降領域それぞれのピークのペアを確定し、確定した距離ｒ及び相対速度ｖを示すターゲット群番号をターゲット確定部３１へ出力する。そして、周波数分解処理部２２に、ペアが確定した周波数ポイントを送り、方位検出部６０へ送る複素数データを決定する。図６にはターゲット群番号に対応して、距離、相対速度及び周波数ポイント（上昇領域及又は下降領域）が記憶されている。図５及び図６のテーブルは、ペア確定部２７の内部記憶部に記憶されている。ここで、各ターゲット群は、方向が決定されていないため、電子走査型レーダ装置におけるアンテナアレーの配列方向に対する垂直軸に対して、受信アンテナ１−１〜１−ｎの配列方向に平行な横方向の位置は決定されていない。
【００４３】
ここで、ペア確定部２７は、例えば、過去の検知サイクルにて、最終的に確定した各ターゲットとの距離ｒ及び相対速度ｖから今回の検知サイクルにて予測される値を優先してターゲット群の組み合わせの選択を行う等の手法を用いることもできる。
【００４４】
ターゲット確定部３１は、ペア確定部２７から入力される図６の距離ｒ、相対速度ｖ、周波数ポイントと、方位検出部３０によって検出されたターゲットの方位とを結びつけた後、ターゲット連結処理部３２へ出力する。
ターゲット連結処理部３２は、メモリ２１に記憶されている過去の検知サイクルにおけるターゲットを結びつけた後、ターゲット毎に過去検知サイクル（図８）において記録されたＡＲ係数を方位検出部３０へ出力する。
また、ターゲット連結処理部３２は、今回検知サイクル（図８）において算出されたＡＲ係数に対して、ターゲット確定部３１から出力される距離、相対速度及び方位の識別情報を付して、メモリ２１に記録する。
【００４５】
方位検出部３０は、高分解能アルゴリズムのＡＲスペクトル推定処理によるスペクトル推定処理を行い、そのスペクトル推定処理の結果に基づいて対応するターゲットの方位を検出して、ターゲット確定部３１へ出力する。
このような方位検出部３０は、ビート信号に基づいて算出された複素数データであって、データ数を拡張させた拡張複素数データを生成する。方位検出部３０は、その拡張複素数データを要素とするデータ行列の特異値に基づいて受信波の波数を推定する。また、方位検出部３０は、該推定された波数に応じた個数の特異値に基づいて作成される信号部分空間によって示される信号部分空間の擬似逆行列に基づいたＡＲ係数を生成し、該生成されたＡＲ係数に基づいて受信波の到来方向を算出する。
また、方位検出部３０が生成する拡張複素数データは、今回検知サイクルにおいて取得された複素数データ及び今回の検知サイクルにて算出されるＡＲ係数と、過去検知サイクルにおいて取得されたビート信号に基づいて算出されたＡＲ係数とに基づいて生成される。
ターゲット確定部３１は、ペア確定部２７から入力される図６の距離ｒ、相対速度ｖ、周波数ポイントと、方位検出部３０によって検出されたターゲットの方位とを結びつけて現在の状態を確定し出力する。
【００４６】
以下、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の構成例について、より具体的に示す。
図７は、本実施形態における方位検出部の構成を示すブロック図である。
図７に示される方位検出部３０Ａとターゲット連結処理部３２ａとは、図１に示した方位検出部３０とターゲット連結処理部３２との一態様である。
方位検出部３０Ａは、データ拡張部３１０Ａ、ＭＦＢＬＰ部３２０Ａ、ＦＢＬＰ部３６０Ａ、及び、パワースペクトル算出部３８０Ａを備える。
【００４７】
データ拡張部３１０Ａは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ、及び、過去の検知サイクルにおいて算出されたＡＲ係数から、データ数を増加させた拡張複素数データを生成する。
なお、今回の検知サイクルにおいて取得された複素数データ（ｎ）は、周波数分解処理部２２が周波数分解したビート周波数（上昇と下降のいずれか又は両方）に応じた複素数データである。
また、データ拡張部３１０ＡにおけるＡＲ係数（ｎ−１）は、後述のＭＦＢＬＰ部３２０Ａによって過去の制御サイクルにおいて算出されたものである。ＭＦＢＬＰ部３２０Ａによって、今回の制御サイクルにおいて算出されたＡＲ係数をＡＲ係数１（ｎ）として示すと、過去（前回）の制御サイクルにおいて算出されたＡＲ係数は、ＡＲ係数１（ｎ−１）として示される。
データ拡張部３１０Ａは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ、及び、今回の検知サイクルにおいて算出されたＡＲ係数と、過去の検知サイクルにおいて算出されたＡＲ係数とから、データ数を増加させた拡張複素数データ（ｎ）を生成する。
データ拡張部３１０Ａは、データ数を拡張する元の複素数データ（ｎ）に基づいて設定可能な第２の次数（Ｍ）より増加させ、拡張複素数データを生成する。
【００４８】
なお、新規（最初）に検知したターゲットの制御サイクルにおいては、データ拡張部３１０ＡにおけるＡＲ係数は、後述のＦＢＬＰ部３６０によって、新規にターゲットを検知した制御サイクルにおいて算出されたものである。ＦＢＬＰ部３６０によって新規にターゲットを検知した制御サイクルにおいて算出されたＡＲ係数をＡＲ係数２（ｎ）として示すと、新規にターゲットを検知した次（２回目）の制御サイクルにおいて算出されたＡＲ係数は、ＡＲ係数２（ｎ−１）として示され（ただし、ｎは２である）、２回目の制御サイクルにおいて読み出される。
データ拡張部３１０Ａは、過去の検知サイクルにおいて算出されたＡＲ係数として、新規にターゲットを検知した検知サイクルにおいては、ＦＢＬＰ部３６０Ａによって生成されたＡＲ係数２（ｎ）（ただし、ｎ＝１）に基づき、２回目の検知サイクルにおいては、同じＡＲ係数２（ｎ）をＡＲ係数２（ｎー１）にした係数に基づき、３回目以降の検知サイクルにおいては、ＭＦＢＬＰ部３２０Ａによって生成されたＡＲ係数１（ｎ−１）に基づいてデータ拡張する。
【００４９】
ＭＦＢＬＰ部３２０Ａ（第１演算処理部）は、拡張複素数データ（ｎ）から作成したデータ行列とデータベクトルに基づいて、第１の次数のＡＲ係数（ＡＲ係数１（ｎ））と白色雑音の分散値とを算出する。
このようなＭＦＢＬＰ部３２０Ａは、データ行列・ベクトル作成部３２１Ａ、特異値分解部３２３、波数推定部３２４、擬似逆行列算出部３２５、及び、ＡＲ係数算出部３２６Ａを備える。
【００５０】
データ行列・ベクトル作成部３２１Ａは、「今回検知サイクル」において、データ拡張部３１０Ａによってデータ拡張された拡張複素数データから導かれるデータ行列とデータベクトルを作成する。
【００５１】
特異値分解部３２３は、「今回検知サイクル」において導かれたデータ行列に基づいて特異値分解処理を行い、特異値を算出する。
【００５２】
波数推定部３２４は、特異値分解部３２３による特異値分解処理により算出された特異値から最大の値を示す特異値を判定する。波数推定部３２４は、それぞれ算出された特異値を、算出された特異値の最大の値に基づいて正規化する。波数推定部３２４は、正規化された特異値を予め定められる閾値に基づいて判定し、その判定結果に基づいて後段の処理の波数を選択する。
【００５３】
擬似逆行列算出部３２５は、特異値分解部３２３により算出された特異値から、波数推定部３２４において判定された波数に応じて定められる信号部分空間の疑似逆行列を作成する。この信号部分空間の疑似逆行列を波数推定部３２４において判定された波数に応じて作成することにより、ノイズ成分を除去することができる。
【００５４】
ＡＲ係数算出部３２６Ａは、擬似逆行列算出部３２５によって作成された信号部分空間の疑似逆行列と、データ行列・ベクトル作成部３２１Ａによって、「今回検知サイクル」において導かれたデータ行列とから、ＡＲ係数と、入力白色雑音の分散σ２を算出する。このように、ＡＲ係数算出部３２６Ａは、検知サイクルに応じて、ターゲットの存在が検知されたビート周波数である検出ビート周波数の複素数データに基づいたＡＲ係数と、入力白色雑音の分散σ２を導くことができる。また、ＡＲ係数算出部３２６Ａは、パワースペクトル算出部３８０Ａへ、導かれたＡＲ係数（ＡＲ係数１（ｎ））と入力白色雑音の分散σ２を出力する。また、ＡＲ係数算出部３２６Ａは、ターゲット連結処理部３２ａに、導かれたＡＲ係数１（ｎ）を出力する。
パワースペクトル算出部３８０Ａは、そのＡＲ係数１（ｎ）と入力白色雑音の分散σ２に基づいて導かれるパワースペクトルから受信波の到来方向を算出する。
【００５５】
ＦＢＬＰ部３６０Ａ（第２演算処理部）は、複素数データ（ｎ）から作成した正規方程式に基づいて、第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。
このようなＦＢＬＰ部３６０Ａは、正規方程式作成部３６１及びＡＲ係数算出部３６３Ａを備える。
正規方程式作成部３６１は、周波数分解処理部２２が周波数分解したビート周波数（上昇と下降のいずれか又は両方）に応じた複素数データのそれぞれから導かれ、ＡＲスペクトル推定における第２の次数の正規方程式を作成する。
【００５６】
ＡＲ係数算出部３６３Ａは、正規方程式作成部３６１によって作成された「今回検知サイクル」における第２の次数の正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。このように、ＡＲ係数算出部３６３Ａは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出される第２の次数のＡＲ係数を得、後段のデータ拡張のための係数とする。
また、ＡＲ係数算出部３６３Ａは、ターゲット連結処理部３２ａへ、導かれたＡＲ係数（ＡＲ係数２（ｎ））を出力する。
【００５７】
なお、本実施形態において、データ拡張部３１０Ａが第１手段として機能する。データ行列・ベクトル作成部３２１Ａ、特異値分解部３２３、擬似逆行列算出部３２５及びＡＲ係数算出部３２６Ａが第２手段として機能する。波数推定部３２４が第３手段として機能する。ターゲット連結処理部３２ａが第４手段として機能する。ＦＢＬＰ部３６０が第６手段として機能する。
【００５８】
図８は、検知サイクルにおけるデータ取得処理を示すタイムチャートである。
図８には、今回制御（検知）サイクルからさかのぼって、過去に行われた過去制御（検知）サイクルが示されている。
各サイクルでは、１回のデータ取得が行われ、その１回のデータ取得を三角の波形で示す。三角の波形は、ＦＭＣＷ方式によって変調された信号を示し、右上がりのタイミングにおいて上り、右下がりのタイミングにおいて下りの検知が行われる。
また、現在データ取得されている制御（検知）サイクルを「今回制御（検知）サイクル」といい、「今回制御（検知）サイクル」より過去に行われた制御（検知）サイクルを「過去制御（検知）サイクル」という。
【００５９】
＜ＡＲモデルを用いた正規方程式の作成処理の原理＞
次に、ＡＲモデルを用いた正規方程式の作成処理について、改良共分散法（前向き後向き線形予測法）を例にして詳細に示す。
共分散行列を用いた正規方程式を式（１）に示す。
【００６０】
【数１】
【００６１】
式（１）において、左辺が共分散行列ＣxxとＡＲ係数ベクトルａの積であり、右辺が右辺ベクトルｃxxである。
共分散行列Ｃxxの要素は、式（２）として示される関係式（改良共分散関数）によって導かれる。
【００６２】
【数２】
【００６３】
式（２）において、ｘ（ｎ）は、複素数データを示し、「＊」は、複素共役を示す。
また、右辺ベクトルｃxxの要素は、式（２）において、ｋの値を「０」にすることにより導かれる。
以下、具体的な構成として５チャンネルのデータに基づいて３次の処理を行う場合を例として示す。モデル次数は任意に設定できるが、５チャンネルのデータの場合、改良共分散法では３次が最大となる。データのチャンネル数をさらに多くすると、正規方程式に適用できる次数も大きくなり、適用するモデル次数の柔軟性を高めることができる。
モデル次数を３次とした場合、共分散行列Ｃxxは、３行３列の行列式で表すことができ、その式を式（３）として示す。
【００６４】
【数３】
【００６５】
式（３）において、行列の各要素Ｃｘ３（ｋ，ｊ）は、複素数を示す。なお、式（２）におけるｘ（ｎ）、すなわち、（ｘ（０）、ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４））は、それぞれが複素数データを示す。
式（３）に示されるように、共分散行列Ｃxxは、式（４）として示される関係があることから、エルミート行列（複素数対称行列）となる。
【００６６】
【数４】
【００６７】
また、同様に、３次の処理を行う場合の右辺ベクトルｃxxを式（５）として示す。
【００６８】
【数５】
【００６９】
正規方程式とＡＲ係数の関係を示した。本実施形態におけるＦＢＬＰ部３６０における正規方程式作成部３６１は、上記の式（１）、式（２）に従って正規方程式を作成する。ＦＢＬＰ部３６０は、上記関係式を適用し、ＦＢＬＰ法によりＡＲ係数を算出する。このＦＢＬＰ法により算出されたＡＲ係数は、複素数データを拡張する演算処理に用いる。
なお、本実施形態におけるスペクトル推定処理においては、上記のＦＢＬＰ法に代え、拡張された複素数データに基づいて作成されるデータ行列から、後述のＭＦＢＬＰ法により算出されるＡＲ係数に基づいて算出される。
【００７０】
＜検知した複素数データを拡張させる線形予測処理（データ拡張法）の原理＞
続いて、図９と図１０を参照し、検知した複素数データを拡張させるデータ拡張法について示す。
ＡＲスペクトル推定法は、データ数（データ長）と次数を増やすことにより検出精度を高めることができる。
本実施形態においては、線形予測処理によるデータ拡張を行い、元となる複素数データよりデータ数を拡張させる。
図９は、本実施形態に適用するデータ拡張法について示す図である。
既知のＮ個の元データから、その既知の元データの領域に隣接する領域のデータを式（６）による演算式により拡張する。
【００７１】
【数６】
【００７２】
式（６）において、ｘハット（ｎ）は、生成されるデータ(生成データ)を示し、ａハット（ｉ）は、ＡＲ係数を示し、ｘ（ｎ−ｉ）は、元データを示す。ただし、Ｌは拡張データ数を示し、Ｍはデータ拡張を行う次数を示し、ｎは（Ｎ＋１）からＬまでの整数を示す。
【００７３】
図９（ａ）に示すように、この式（６）による演算処理により、既知のＮ個の元データから拡張されるデータ（拡張データ）は、既知の元データを含めてＬ個に拡張した拡張データを得る場合を示している。このようなデータ拡張法を、Ｂｕｒｇ法に適用した場合についての報告（データ拡張Ｂｕｒｇ法）がある［参考文献：島村,鈴木、“Ｂｕｒｇ法のためのデータ予測”、電子情報通信学会論文誌、’94/8 Vol.J77-A No.8参照］。
【００７４】
本実施形態では、前に示すデータ拡張方法を、複素数データを対象データとする後述のＭＦＢＬＰ法に適用する。
【００７５】
本実施形態のデータ拡張方法を、図９（ｂ）のように複素数データについて適用し、前向きの線形予測だけでなく、後向きの線形予測を行い、データの前後で拡張できるようにした(図１０)。コンピュータ計算実験等の研究の結果、参考文献にある実数データによるＢｕｒｇ法以外の本実施形態の方法においても安定した推定精度を保てることを検証した。
【００７６】
次に図を参照し複素数データを拡張する処理について、より詳細に示す。
図１０は、複素数データを拡張する処理について示す図である。
最初に、図１０（ａ）において、前向き線形予測式を用いて複素数データを拡張する処理について示す。
図に示されるｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５）は、拡張処理の対象（元データ）となる複素数データである。
これらの元データに対し、連続するようにデータを拡張する場合を示す。
ここで、データｘ（１）からｘ（５）の方向に線形予測する処理を前向きとし、その逆方向を後向きとする。
【００７７】
まず、前向き線形処理を行う演算式（前向き線形予測式）を式（７）として示す。
【００７８】
【数７】
【００７９】
式（７）において、ｘｆハット（ｎ）は、生成されるデータ(生成データ)を示し、ａハット（ｉ）は、ＡＲ係数を示し、ｘ（ｎ−ｉ）は、元データを示す。ただし、Ｍは、データ拡張を行う次数を示す。
前向き線形処理の対象とする元データは、次数が３の場合は（ｘ（３）、ｘ（４）、ｘ（５））で、次数が５の場合は（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））のいずれかである。
上記に示したグループの元データを、式（７）に適用することにより、前向き方向の予測データを得ることができる。
また、各グループ内のデータの順序を逆にして、式（７）に示した前向き線形処理を行う演算式を適用することにより、後向き方向のデータを得ることもできる。
【００８０】
次に、図１０（ｂ）において、後向き線形予測式を用いて複素数データを生成する処理について示す。
同じ元データを用いて、後向き線形処理を行う演算式（後向き線形予測式）を式（８）として示す。
【００８１】
【数８】
【００８２】
式（８）において、ｘｂハット（ｎ）は、生成されるデータ(生成データ)を示し、ａ＊ハット（ｉ）は、ＡＲ係数の複素共役を示し、ｘ（ｎ＋ｉ）は、元データを示す。ただし、Ｍは、データ拡張を行う次数を示す。
後ろ向き線形処理の対象とする元データは、次数が３の場合は（ｘ（１）、ｘ（２）、ｘ（３））で、次数が５の場合は（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））のいずれかである。
上記に示したグループの元データを、式（８）に適用することにより、後向き方向の予測データを得ることもできる。
また、各グループ内のデータの順序を逆にして、式（８）に示した後向き線形処理を行う演算式を適用することにより、前向き方向のデータを得ることもできる。
【００８３】
次に、図１０（ｃ）において、前向き線形予測式と後向き線形予測式とを用いて複素数データを生成する処理について示す。
この処理では、式（７）に示した前向き線形処理を行う演算式と、式（８）に示した後向き線形処理を行う演算式をそれぞれ用いる。
２つの演算式をそれぞれ用いることにより、元データの順序を反転させることなく、前方の予測演算処理と、後方の予測演算処理を行うことができる。
３次でデータ拡張する場合、前向き線形処理の対象とする元データは、（ｘ（３）、ｘ（４）、ｘ（５））であり、後向き線形処理の対象とする元データは、（ｘ（１）、ｘ（２）、ｘ（３））である。
また、５次でデータ拡張する場合、前向き線形処理の対象及び後向き線形処理の対象とする元データは、いずれも（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））である。
図１０（ｄ）は、３次の前向き線形処理及び後向き線形処理によりデータ拡張する場合を示す図である。
実数部と虚数部に分けて示した複素数データ（ｘ（１）、ｘ（２）、ｘ（３）、ｘ（４）、ｘ（５））は、２つの曲線としてそれぞれ示される。実線が、実数部の変化を示し、破線が、虚数部の変化を示す。図１０（ｃ）に示したように、５チャンネルのデータに基づいて、３次のデータ拡張処理をするには、連続する３つのデータの組が、実数部と虚数部でそれぞれ２組得られる。それぞれの組の複素数データ（実数部と虚数部）は、式（７）と式（８）に示す前向きと後向きの線形予測式の複素数ｘ（ｎ−１）またはｘ（ｎ＋１）に代入される。
上記に示した、３通りの予測演算処理のいずれかを適用することにより、前方のデータ拡張処理と、後方のデータ拡張処理を行うことができる。
【００８４】
＜ＭＦＢＬＰ法によるＡＲ係数の算出処理の原理＞
次に図１１から図１３を参照し、ＭＦＢＬＰ法における特異値分解処理について示す。
最初に、ＭＦＢＬＰ法を適用するデータ行列の生成と、そのデータ行列の特異値分解について示す。
図１１は、ＭＦＢＬＰ法におけるデータ行列とデータベクトルの生成と擬似逆行列で表現できることを示す図である。
ＡＲ係数を導出するための連立一次方程式を式（９）として定義する。
【００８５】
【数９】
【００８６】
式（９）におけるデータ行列Ａとデータベクトルｈとは、チャンネル（ＣＨ）ごとに算出される複素数データ（CH）を要素とする行列とベクトルとをそれぞれ示す。ベクトルｇは、ＡＲ係数ベクトルを示す。
また、式（９）を複素数データによって示される要素に展開した式を式（１０）として示す。
【００８７】
【数１０】
【００８８】
この式（１０）において、Ｎは、複素数データのデータ数を示し、Ｍは、次数を示す。データ行列Ａとデータベクトルｈは、データ拡張されているため、Ｎが拡張後のデータ数Ｎｅを示し、Ｍを増加後の次数Ｍｅを示す。
このデータ行列Ａは、上下に２分割されたブロック行列として定義される。上段側のブロック行列はテープリッツ（toeplitz）行列であり、下段側のブロック行列は複素共役のハンケル（Hankel）行列である。
また、データベクトルｈは、データ行列Ａと同様に上下に２分割でき、上段側は複素数データのＭ番目からＮ番目までの複素数データを要素として構成され、下段側はデータ１番目から（Ｎ-Ｍ）番目までの複素数データに対応し複素共役となる複素数データを要素として構成される。
【００８９】
本実施形態のようにデータ数（CH）を拡張することにより、元のデータ（CH）数から設定可能な次数Ｍよりも、さらに高次のＭｅに設定できる。これにより、ＭＦＢＬＰ法を有効に利用することができる。つまり、ＡＲスペクトル推定法において、高次であるほど推定精度が良くなるという特性を引き出すことができる。
また、次数を増加できない状況においても、データ行列とデータベクトルの要素数が拡張されるので、スペクトル推定精度が向上する。
なお、データ行列Ａとデータベクトルｈの上段側は、前方線形予測法（ Modified Forward Linear Prediction Method : MFLP、＝共分散法 ）として使用することができ、下段側は、後方線形予測法（ Modified Backward Linear Prediction Method : MBLP ）として使用することができる。
また、式（９）は、一般化逆行列（疑似逆行列）による式（１１）として展開することができる。
【００９０】
【数１１】
【００９１】
式（１１）において、Ａ＃は、データ行列Ａの疑似逆行列を示す。
疑似逆行列Ａ＃は、データ行列Ａの行数ｍと列数ｎの関係が（ｍ>ｎ）の場合、式（１２）として示すように「過（優）決定方程式」となり、左疑似逆行列で計算できる。
【００９２】
【数１２】
【００９３】
また、疑似逆行列Ａ＃は、データ行列Ａの行数と列数の関係が（ｍ<ｎ）の場合、式（１３）として示すように「劣決定方程式」となり、右疑似逆行列で計算できる。
【００９４】
【数１３】
【００９５】
式（１２）又は式（１３）を用いることにより、擬似逆行列Ａ＃を求めることができる。
【００９６】
続いて、特異値分解の演算処理について説明する。
図１２は、特異値分解の演算処理を示す図である。
特異値分解演算処理の計算アルゴリズムは、任意のアルゴリズムを用いることができ、特に限定することはない。データ行列Ａの特異値分解の演算式（Autonne-Eckart-Young定理）を式（１４）として示す。
【００９７】
【数１４】
【００９８】
式（１４）において、Ｕは、データ行列Ａの左特異ベクトル（ＡＨＡの固有ベクトル）であり、Ｖは、データ行列Ａの右特異ベクトル（ＡＡＨの固有ベクトル）である。また、式（１４）を式（１５）として展開することができる。
【００９９】
【数１５】
【０１００】
式（１５）として示されるように、データ行列Ａと、データ行列Ａの左特異ベクトルＵ（ＡＨＡの固有ベクトル）と、データ行列Ａの右特異ベクトルＶ（ＡＡＨの固有ベクトル）とに基づいて、部分行列Σが算出される。ただし、データ行列Ａの左特異ベクトルＵと右特異ベクトルＶは、式（１６）として示すようにユニタリ行列である。
【０１０１】
【数１６】
【０１０２】
この部分行列Σは、式（１７）として示されるように、その特異値σｉを対角要素とする対角行列である。
【０１０３】
【数１７】
【０１０４】
その結果から、特異値は、固有値の正の平方根であるので、固有値と等価な値として扱うことができる。
【０１０５】
特異値分解の式（１５）、式（１６）として示された結果から、擬似逆行列を式（１８）として示す演算式により算出する。
【０１０６】
【数１８】
【０１０７】
式（１８）において、ｒは、擬似逆行列Ａ＃のランク（階数）を示す。また、部分行列Σの逆行列を式（１９）として示す。
【０１０８】
【数１９】
【０１０９】
また、式（１８）は、式（２０）として示すことができる。
【０１１０】
【数２０】
【０１１１】
このようにランクｒの値を適当な値に設定し、（特異値σｉ）−１が０に近い値の特異値（微小特異値）を切り捨ててσｉ−１を０と置き、信号部分空間の擬似逆行列Ａ＃を算出することができる（例えば、ランクｒ＝２の場合には、Σ−１＝ｄｉａｇ（σ１−１，σ２−１，０，・・・，０）である）。
なお、微小特異値の切り捨てについては、例えば、後述の波数推定数（図１７、図１８）により定める。
【０１１２】
また、式（２１）として示すように、式（１２）及び式（１３）として示した左疑似逆行列も右疑似逆行列も、特異値分解からの擬似逆行列Ａ＃から計算することができる。
【０１１３】
【数２１】
【０１１４】
上記に示したように、特異値分解することにより、擬似逆行列のランクを設定することができる。また、データ行列が正方行列でない場合であっても、そのまま擬似逆行列を算出することができる。さらに、過・劣決定に左右されること無く、計算精度を高めることができる。これにより、算出される解が安定する。
【０１１５】
続いて、信号部分空間の擬似逆行列Ａ＃からＡＲ係数ａを算出する処理について示す。
図１３は、信号部分空間の擬似逆行列Ａ＃から算出されるＡＲ係数ａから、白色雑音の分散値とパワースペクトルを求める演算処理を示す図である。
この図１３に示されるＭＦＢＬＰ法においても、基本的には、ＡＲ係数が導かれた後の処理は、標準的なＡＲスペクトル推定と同様の演算処理により導くことができる。
以上に示した演算処理を式（２２）として整理する。式（２２）は、信号部分空間のＡＲ係数ａを算出する演算式である。
【０１１６】
【数２２】
【０１１７】
式（２２）において、Σ-１は式（２３）として示される。
【０１１８】
【数２３】
【０１１９】
先に算出した疑似逆行列Ａ＃を式（２２）に代入することによりＡＲ係数を算出することができる。
なお、特異値を切り捨てる数を決定するランクｒの値は、波数推定結果に応じて設定することができる。また、ランクｒの値は、データ拡張の演算処理のためのランクｒの値と、パワースペクトルを算出する演算処理のためのランクｒの値を別の値にすることもできる。例えば、データ拡張の演算処理のためのランクｒの値は、ランクｒの設定可能な範囲の最大値に固定してもよい。このようにして算出されたＡＲ係数ａから、白色雑音の分散値を算出する。
【０１２０】
続いて、式（２２）により導かれるＡＲパラメータ推定値（ＡＲ係数ａ）に基づいて、入力白色雑音の分散σｖ２（ハット）を導く関係式を式（２４）として示す。
【０１２１】
【数２４】
【０１２２】
ＡＲモデルによる線形予測では、予測値と観測値の差（予測誤差）の平均２乗誤差や最小２乗誤差が最小となる条件から、この正規方程式が導かれる。
この正規方程式を一般的な手法により解くことにより、ＡＲ係数が導かれる。
また、式（２４）によって算出される入力白色雑音の分散σｖ２（ハット）に基づいて、パワースペクトルＳｘｘ（ω）を算出する演算式を式（２５）として示す。
【０１２３】
【数２５】
【０１２４】
式（２５）において、ωは角速度を示し、ＨＡＲ（ω）は、角速度ωにおけるＡＲフィルタの伝達関数からの周波数特性を示し、Ｓｖｖ（ω）は、角速度ωにおける入力白色雑音のパワースペクトルを示し、Ｓｖｖ（ω）＝σｖ2と表せる。この角速度ωは、本実施形態に示すレーダ装置のような方向検出に利用する場合には、受信波の位相差に換算する。
以上に示した演算式を用いることにより、ターゲットの方向と合致したピークの特徴を持つスペクトルを導くことができる。
なお、入力白色雑音の分散値を乗算しないで作成したスペクトルによって、パワースペクトルの分布を推定することも可能である。パワースペクトルの分布（スペクトルの形状）は、変わらないので、入力白色雑音の分散値を乗算する演算を省略することもできる。
【０１２５】
次に、本実施形態におけるターゲットに対応付けて記憶されるＡＲ係数を関連付ける具体的な処理について説明する。
このＡＲ係数の関連付け処理は、図７における方位検出部３０ＡのＡＲ係数算出部３２６Ａ（３６３Ａ）及びターゲット連結処理部３２ａが主として行う処理である。
図１４は、メモリ２１に設けられるテーブルを示す図である。
ターゲット連結処理部３２ａは、データ拡張部３１０Ａにおけるデータ拡張処理を行うため、図１４に示すテーブルにおいて、ターゲット毎に、今回のターゲット群（ｔ）と、確定した過去のターゲットデータから予測されたターゲット（ｔ）と、過去に確定しているターゲット（ｔ−１）とを結びつけるため以下の処理を行う。
【０１２６】
この図１４における項目（ｔ−１）の列は、１サイクル前（前回）の検知サイクルの結果を示す。
各検知サイクルの結果としては、それぞれ、確定されたターゲット毎に距離ｒ、縦位置long_d（アンテナの配列方向に対して垂直方向）、横位置late_d（アンテナの配列方向に対して平行方向の位置）、ターゲットとの相対速度ｖelo（すなわちｖ）、上りピーク周波数ポイントf_up、上りピーク周波数時のＡＲ係数AR_C_up、下りピーク周波数ポイントf_dwn、下りピーク周波数時のＡＲ係数AR_C_dwnが、メモリ２１に、図１４のテーブル形式により格納されている（正確には上りピーク周波数時のＡＲ係数AR_C_upと下りピーク周波数時のＡＲ係数AR_C_dwnの記憶領域は他より大きくなるが、表を例示するうえで便宜上同じとしている）。ここで、ターゲットの上記縦位置long_dと横位置late_dは、ターゲットとの角度（受信波の到来方向の角度）及び距離ｒとから求められる。角度がθであり距離ｒである場合、縦位置long_dはr・cosθにより、横位置late_dはr・sinθにより算出される。
【０１２７】
また、ターゲット連結処理部３２ａは、過去に確定しているターゲットの距離ｒ、縦位置long_dと横位置late_d及び相対速度veloとから、今回サイクル時の各ターゲットの距離ｒ、縦位置long_dと横位置late_d及び相対速度、ピーク周波数ポイントを予測しておく。例えば、縦位置long_dと横位置late_dとピーク周波数ポイントの予測は、前回の距離ｒ、縦位置long_dと横位置late_d及び相対速度に基づいて検知サイクル周期後の時間における移動可能な範囲を求める。相対速度の予測は、過去何サイクルかの相対速度値推移の変化の傾き等を算出して予測することができる。
例えば、ターゲット連結処理部３２ａは、過去に確定している結果から予測した距離ｒ、縦位置long_dと横位置late_dとピーク周波数ポイント及び相対速度それぞれに対応して、予め設定された移動可能範囲と周波数ポイント範囲、及び相対速度範囲を設けて、今回サイクル時で計算された各値がその範囲内に入るか否かで結びつけを行い、範囲外の場合は異なるターゲットであると判断する。
【０１２８】
そして、ターゲット連結処理部３２ａは、図１４のテーブルにおいて、今回の検知サイクルにおけるターゲットが、過去のターゲットと結びついた場合、今回の検知サイクルの結果を（ｔ−１）の結果に移し、次のサイクルの予測の結果を計算する。
また、ターゲット連結処理部３２ａは、今回のターゲット群の結果と結びつけられない過去のターゲットが存在した場合、その過去のターゲットの情報を全てクリアする。
従って、マルチパスの影響のある距離にターゲットが入り、ビート周波数におけるピーク検知されない検知サイクルになると、過去のターゲット群の結果を用いるフィルタ効果がリセットされることになる。図１４に示す本実施形態の場合、過去１回の検知サイクルのターゲットの結果をメモリ２１に記憶している。
【０１２９】
なお、ターゲット連結処理部３２ａは、今回の検知サイクルにおけるターゲットと結びつけられなかった過去のターゲットが検出された場合においても、確定されていた過去のターゲットの結果は、予め定められる所定のサイクル数だけ持続されるようにしても良い。
また、記憶される結果が順次更新されることから、過去の結果に基づいて推定する予測結果も順次更新される。ターゲット連結処理部３２ａは、マルチパスなどの影響で今回の検知サイクルにおいてターゲットが検出されなくても、さらに次の検知サイクル以降において関連付けられた場合、マルチパスなどの影響でピーク検知されないサイクル数以外の過去データをフィルタ処理に使えるようにすることができる。
また、トラッキング制御における外挿法のように、ピーク値が検知さない検知サイクルの回において、上記予測結果を今回の検知サイクルにおける結果として用い、ターゲットの存在状態を継続することも可能である。
【０１３０】
また、この図に示されるテーブルからＡＲ係数を呼び出す方法では、ターゲット連結処理部３２ａは、すでに検出されたターゲットに対応する距離ポイント情報に基づいて、推定範囲を選択することが可能となり、処理効率を向上させることができる。すなわち、ターゲット連結処理部３２ａは、記憶されたＡＲ係数を参照する際に、ターゲットとの相対速度、角度に基づいて範囲を限定することができる。そして、次の回に行われる検知サイクルでは、すでに検出されたターゲットに対応する距離ポイント情報に基づいた推定範囲を選択することが可能となる。これにより、ターゲット連結処理部３２ａは、処理効率を向上させることができる。そのため、ターゲット連結処理部３２ａは、限られた範囲の距離ポイントに対応するＡＲ係数を参照することができるので、呼び出す際の精度を高めることができる。
【０１３１】
図１５は、ＡＲ係数の記憶方法、呼出方法を示す図である。
この図に示されるＡＲ係数の記憶方法では、ターゲット連結処理部３２ａは、最終的にターゲットとして確定した距離ポイントに関係付けを行って、ＡＲ係数をメモリ２１に記憶させる。メモリ２１に書き込まれる複素数データは、今回制御サイクルによる情報である。
ターゲット連結処理部３２ａは、距離ポイント情報をキーにして参照し、メモリ２１に記憶されるＡＲ係数を呼び出す。メモリ２１から呼び出されるＡＲ係数は、過去制御サイクルによる情報である。
これにより、方位検出部３０Ａは、距離ポイント情報をキーとして、ターゲットとの関連付けを行うことができる。
【０１３２】
図１６から図２０を参照し、処理のフローを説明する。
図１６は、本実施形態の主な処理の手順を示すフローチャートである。
次に示す処理の手順における前提条件について、例えば次のように整理する。
１回（サイクル）のデータ取得によって検知される複素数データに含まれるチャンネル数Ｎ（データ数）を５ｃｈとする。データ拡張によって拡張された複素数データのチャンネル数（拡張チャンネル数）Ｎｅ（データ数）を９ｃｈとする。データ拡張により増加させた次数（増加次数）Ｍｅを５次とする。以上に示したそれぞれの値は、予め定められているものとする。
この図１６によって示される処理のフローは、レーダ全体構成でのピーク検知で選出された複数のターゲット別に、制御サイクル（図８参照）毎に繰り返される処理の手順を示し、最初にターゲットが検出された場合の手順については、後述する。
【０１３３】
ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得される。この１回の取得により得られる複素数データ（ｎ）のチャンネル数Ｎ（データ数）は５ｃｈである。この複素数データの取得は、周波数分解処理部２２によって行われ、メモリ２１に記憶されている受信波によるビート信号を読み込みアンテナ毎のビート信号から周波数変換して算出される。
続いて、ステップＳａ１０２において、ターゲット連結処理部３２ａは、メモリ２１に設けられるテーブル（図１４）に記憶されている過去（前回）制御サイクルのＡＲ係数（次数Ｍｅ）１個を呼び出し、データ拡張部３１０Ａに供給する。
【０１３４】
続いて、ステップＳａ１０３において、データ拡張部３１０Ａは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルの今回の検知サイクルにおいて取得された１個（１回分）の複素数データ、及び、ステップＳａ１０２においてメモリ２１から呼び出されたＡＲ係数（次数Ｍｅ）から、拡張複素数データを生成する。上記の前提条件に従って、この拡張複素数データに含まれるチャンネル数Ｎｅ（データ数）は９ｃｈである。このデータ拡張部３１０によるデータ拡張によりチャンネル数Ｎ（５ｃｈ）を、チャンネル数Ｎｅ（９ｃｈ）に拡張させることができる。
【０１３５】
続いて、ステップＳａ１０４において、データ行列・ベクトル作成部３２１Ａは、拡張複素数データに基づいてデータ行列Ａとデータベクトルｈとを作成する。上記の前提条件に従って、次数Ｍｅを５次とする。
ステップＳａ１０５において、特異値分解部３２３は、ステップＳａ１０４の処理により作成されたデータ行列Ａの特異値分解処理を行い、特異値を算出する。
【０１３６】
続いて、ステップＳａ１０６において、波数推定部３２４は、ステップＳａ１０５の処理により算出された、拡張複素数データに基づいたデータ行列Ａの特異値の中から最大の値を示す特異値（最大特異値）を判定する。
波数推定部３２４は、その判定の結果により、該当ターゲット群では次ステップ以降の波数推定は行わなくするか否かを決定する。波数推定部３２４は、この最大特異値判定処理により、最大特異値の値が予め設定した閾値よりも小さい場合は、該当ターゲット群に対しては次ステップ以降の波数推定処理を中断させる。
【０１３７】
ステップＳａ１０７において、波数推定部３２４は、それぞれ算出された特異値を、算出された特異値の最大の値に基づいて正規化する。この特異値の正規化処理では、各特異値を最大特異値で割った値を正規化特異値とする。レーダのように、ターゲットとの距離によって特異値（信号強度）が変動する場合は、特異値の値も変動する。それゆえ、各特異値の値を正規化して相対的に特異値間の大小関係を判定することで判定が容易となる。
ステップＳａ１０８において、波数推定部３２４は、正規化された特異値を予め定められる閾値に基づいて判定し、その判定結果に基づいて後段の処理の波数を選択する。
この波数推定ステップでは、図１８にあるように、４個の閾値を判定に用いる。このように複数の閾値を設定することにより、選択された波数を信号波数の推定値とすることができ、波数推定結果を柔軟に調整できる。
【０１３８】
図１７と図１８は、図１６においてステップＳａ１０６からステップＳａ１０８までに示された信号波数推定処理の一態様を示す図である。
ステップＳ１０６ａは、ステップＳａ１０６（図１６）に対応する最大特異値を判定する処理である。ステップＳ１０６ａによる予め設定した閾値（σmax_th）よりも最大特異値の値（σａ）が大きいか否かを判定することにより、予め設定した閾値（σmax_th）よりも最大特異値の値（σａ）が大きくない場合（ステップＳ１０６ａ：Ｎｏ）には、ステップＳ１０６ｂにおいて、得られた情報（複素数データ）の信頼度が低いと判定し、波数推定部３２４は、該当ターゲットに対しての次ステップの波数推定処理を行わなくする。最大特異値は、入力信号の強度と等価（比例する）であることから、路面マルチパス等の車載用レーダ特有のクラッタ状況による信号を受信するような場合であっても、最大特異値の値を判定することにより、間違った方位推定となることを抑制することができる。
例えば、このステップＳ１０６ｂでは、ステップＳ１０６ｂ−１に示すように、波数推定及び方位検出の双方をキャンセルすることができる。また、ステップＳ１０６ｂ−２に示すように、波数推定をキャンセルして、任意の波数（例えば、最大波数）を強制的に指定することとしてもよい。この場合、ステップＳ１０８ｉ（図１８）に進む。
【０１３９】
波数推定部３２４は、ステップＳ１０６ａによる判定により、予め設定した閾値よりも最大特異値の値が大きい場合（ステップＳ１０６ａ：Ｙｅｓ）には、ステップＳ１０７ａの処理を行う。ステップＳ１０７ａにおいて、波数推定部３２４は、ステップＳ１０６ａに対応する特異値の正規化処理を行い、各特異値σｘを最大特異値σａでそれぞれ除算した値（σｘ/σａ）を正規化特異値σｙとする。ｙは自然数を示す。
【０１４０】
図１７において示されるステップＳ１０８ａからＳ１０８ｉまでの処理は、波数推定部３２４が行うステップＳａ１０８（図１５）に対応する波数推定処理である。
ステップＳ１０８ａでは、ステップＳａ１０７（図１５）において正規化処理された特異値の中から２番目に大きな特異値（正規化第２特異値σ２）を選択し、正規化第２特異値σ２が予め定められる閾値Ｔｈ１より小さいか否かを判定する。
ステップＳ１０８ａによる判定の結果、正規化第２特異値σ２が予め定められる閾値Ｔｈ１より小さくないと判定した場合（ステップＳ１０８ａ：Ｎｏ）には、ステップＳ１０８ｃに進む。
【０１４１】
ステップＳ１０８ｂでは、ステップＳ１０８ａにおける判定の結果、正規化第２特異値σ２が予め定められる閾値Ｔｈ１より小さいと判定した場合（ステップＳ１０８ａ：Ｙｅｓ）には、推定波数を１に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４２】
ステップＳ１０８ｃでは、ステップＳａ１０７において正規化処理された特異値の中から３番目に大きな特異値（正規化第３特異値σ３）を選択し、正規化第３特異値σ３が予め定められる閾値Ｔｈ２より小さいか否かを判定する。判定の結果、正規化第３特異値σ３が予め定められる閾値Ｔｈ２より小さくないと判定した場合（ステップＳ１０８ｃ：Ｎｏ）には、ステップＳ１０８ｅに進む。
【０１４３】
ステップＳ１０８ｄでは、ステップＳ１０８ｃにおける判定の結果、正規化第３特異値σ３が予め定められる閾値Ｔｈ２より小さいと判定した場合（ステップＳ１０８ｃ：Ｙｅｓ）には、推定波数を２に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４４】
ステップＳ１０８ｅでは、ステップＳａ１０７において正規化処理された特異値の中から４番目に大きな特異値（正規化第４特異値σ４）を選択し、正規化第４特異値σ４が予め定められる閾値Ｔｈ３より小さいか否かを判定する。判定の結果、正規化第４特異値σ４が予め定められる閾値Ｔｈ３より小さくないと判定した場合（ステップＳ１０８ｅ：Ｎｏ）には、ステップＳ１０８ｇに進む。
【０１４５】
ステップＳ１０８ｆでは、ステップＳ１０８ｅにおける判定の結果、正規化第４特異値σ４が予め定められる閾値Ｔｈ３より小さいと判定した場合（ステップＳ１０８ｅ：Ｙｅｓ）には、推定波数を３に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４６】
ステップＳ１０８ｇでは、ステップＳａ１０７において正規化処理された特異値の中から５番目に大きな特異値（正規化第５特異値σ５）を選択し、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さいか否かを判定する。判定の結果、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さくないと判定した場合（ステップＳ１０８ｇ：Ｎｏ）には、ステップＳ１０８ｉに進む。
【０１４７】
ステップＳ１０８ｈでは、ステップＳ１０８ｇにおける判定の結果、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さいと判定した場合（ステップＳ１０８ｇ：Ｙｅｓ）には、推定波数を４に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４８】
ステップＳ１０８ｉでは、ステップＳ１０８ｇにおける判定の結果、正規化第５特異値σ５が予め定められる閾値Ｔｈ４より小さくないと判定した場合（ステップＳ１０８ｇ：Ｎｏ）には、推定波数を５に定め、示されない推定波数情報を記憶する記憶領域に記録し、波数推定処理を終える。
【０１４９】
このようにステップＳ１０８ａからＳ１０８ｉまでの波数推定処理における判定閾値は、波数１と波数２以上とを分別する閾値Ｔｈ１、波数２と波数３以上とを分別する閾値Ｔｈ２、波数３と波数４以上とを分別する閾値Ｔｈ３、波数４と波数５とを分別する閾値Ｔｈ４の４個とする。
【０１５０】
図１６に戻り、ステップＳａ１０９において、擬似逆行列算出部３２５は、ステップＳａ１０８において波数推定部３２４によって推定された波数に応じて今回検知サイクルにおける信号部分空間の疑似逆行列を作成する処理を行う。
擬似逆行列算出部３２５は、ステップＳａ１０５において、特異値分解部３２３が算出した特異値に基づいて、前述の演算式に従って疑似逆行列を作成する。
ステップＳａ１１０において、ＡＲ係数算出部３２６は、ステップＳａ１０９において算出した擬似逆行列とデータベクトルに基づいてＡＲ係数と入力白色雑音の分散値を算出する。
【０１５１】
続いて、ステップＳａ１１１において、パワースペクトル算出部３８０は、ステップＳａ１１０において算出されたＡＲ係数と入力白色雑音の分散に基づいてパワースペクトルを算出する。
ステップＳａ１１２において、パワースペクトル算出部３８０は、算出されたパワースペクトルに基づいてターゲット数及びターゲットの方向を示す角度を検知する。
ステップＳａ１１３において、ターゲット連結処理部３２ａは、ＡＲ係数算出部３２６によって算出された次数ＭｅのＡＲ係数（ｎ）をメモリ２１に記憶させる。
以上に示した手順により、電子走査型レーダ装置は、検出精度を高めた方位検出を行うことができる。
【０１５２】
上記の図１６に示す処理の手順において、データ拡張部３１０Ａが最初にターゲットを検知した検知サイクルにおいて取得するＡＲ係数（ｎ−１）は、予め定められた値を初期値として上記に示す処理の手順を行うことも可能である。
本実施形態においては、データ拡張用のＡＲ係数（ＡＲ係数２）を１回目の検知サイクルにおいて生成するＦＢＬＰ部３６０Ａを備えていることにより、以下に示す手順を図１６に示す手順に付加して上記の初期値に代えることができる。これにより、更にターゲットを検知した時点からの検出精度を高めることができる。
以下、ＦＢＬＰ部３６０Ａが生成するＡＲ係数（ＡＲ係数２）を、２回目のターゲット検知サイクルに適用し、３回目以降は、ＭＦＢＬＰ部３２０Ａが生成するＡＲ係数（ＡＲ係数１）を適用する場合の一態様について示す。
【０１５３】
図１９は、ＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
まず、ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得された後に、ステップＳａ２０１において、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであるか否かをターゲット連結処理部３２ａの結果を参照して判定する。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルでないと判定した場合（ステップＳａ２０１：Ｎｏ）は、ステップＳａ２０５に進む。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであると判定した場合（ステップＳａ２０１：Ｙｅｓ）は、ステップＳａ２０２に進む。
【０１５４】
ステップＳａ２０２において、正規方程式作成部３６１は、最初にターゲットを検出した今回検知サイクルにおいて取得した複素数データに基づいて次数Ｍの正規方程式を作成する。
ステップＳａ２０３において、ＡＲ係数算出部３６３Ａは、正規方程式作成部３６１によって作成された正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２）を算出する。このように、ＡＲ係数算出部３６３Ａは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出される次数ＭのＡＲ係数２（ｎ）を得る。
ステップＳａ２０４において、ＡＲ係数算出部３６３Ａは、導かれたＡＲ係数２（ｎ）を、最初にターゲットを検出した検知サイクルのＡＲ係数としてターゲット連結処理部３２ａに供給する。ターゲット連結処理部３２ａは、供給されたＡＲ係数２（ｎ）をメモリー２１に記憶させる。メモリー２１に記憶させた後、ステップＳａ１１２に進む。
【０１５５】
続いて、ステップＳａ２０５において、現在の検知サイクルが、最初にターゲットを検出してから２回目の検知サイクルであるか否かをターゲット連結処理部３２ａの結果を参照して判定する。ステップＳａ２０５における判定の結果、現在の検知サイクルが、最初にターゲットを検出してから２回目の検知サイクルでないと判定した場合（ステップＳａ２０５：Ｎｏ）は、ステップＳａ１０２に進む。ステップＳａ２０５における判定の結果、現在の検知サイクルが、最初にターゲットを検出してから２回目であると判定した場合（ステップＳａ２０５：Ｙｅｓ）は、ステップＳａ２０６に進む。
【０１５６】
ステップＳａ２０６において、データ拡張部３１０Ａは、メモリー２１に記憶されている、最初にターゲットを検出した検知サイクルのＡＲ係数（次数Ｍ）をターゲット連結処理部３２ａを制御して呼び出す。
ステップＳａ２０７において、データ拡張部３１０Ａは、今回の検知サイクルにおいて取得された複素数データ、及び、最初にターゲットを検出した検知サイクルのＡＲ係数から、データ数を増加させた拡張複素数データ（次数Ｍｅ）を生成する。拡張複素数データ（次数Ｍｅ）を生成した後、ステップＳａ１０４に進む。
【０１５７】
なお、ステップＳａ１０２からステップＳａ１１３までの処理は、図１６と同じである。ただし、ステップＳａ２０５において最初にターゲットを検出してから２回目の検知サイクルであると判定された場合は、ステップＳａ１０４において、データ行列・ベクトル作成部３２１Ａは、ステップＳａ２０７において拡張された拡張複素数データに基づいてデータ行列Ａとデータベクトルｈとを作成する。
【０１５８】
本実施形態に示す手順によれば、最初にターゲットを検出してから検知２回（サイクル）目で次数ＭｅのＡＲ係数１（ｎ）が得られる。次数ＭｅのＡＲ係数１（ｎ）が次の検知サイクルにおいて参照されるため、次数Ｍｅにデータ拡張した効果は、３回目（サイクル）以降の検知サイクルに表れる。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１５９】
（第２実施形態）
図１から図２０を参照し、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の他の態様について、より具体的に示す。
この図１に示した方位検出部３０に基づいて、第１実施形態に示した処理手順と異なる処理手順について示す。図１から図１９に示す構成と同じ構成には同じ符号を付す。
図２０は、ＡＲ係数の初期値を定める処理の手順を示すフローチャートである。
まず、ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得される。
その後、ステップＳａ２０１において、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであるか否かをターゲット連結処理部３２ａの結果を参照して判定する。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルでないと判定した場合（ステップＳａ２０１：Ｎｏ）は、ステップＳａ１０２に進む。ステップＳａ２０１における判定の結果、現在の検知サイクルが、最初にターゲットを検出した検知サイクルであると判定した場合（ステップＳａ２０１：Ｙｅｓ）は、ステップＳａ２０２に進む。
【０１６０】
ステップＳａ２０２において、正規方程式作成部３６１は、最初にターゲットを検出した今回検知サイクルにおいて取得した複素数データに基づいて次数Ｍの正規方程式を作成する。
ステップＳａ２０３において、ＡＲ係数算出部３６３Ａは、正規方程式作成部３６１によって作成された正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２）を算出する。このように、ＡＲ係数算出部３６３Ａは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出される次数ＭのＡＲ係数２（ｎ）を得る。
ステップＳａ２０７において、データ拡張部３１０Ａは、今回の検知サイクルにおいて取得された複素数データ、及び、最初にターゲットを検出した検知サイクルのＡＲ係数から、データ数を増加させた拡張複素数データ（次数Ｍｅ）を生成する。拡張複素数データ（次数Ｍｅ）を生成した後、ステップＳａ１０４に進む。
なお、ステップＳａ１０２からＳａ１１３までの処理は、図１６と同じである。
ただし、ステップＳａ２０１において最初にターゲットを検出した検知サイクルであると判定された場合は、ステップＳａ１０４において、データ行列・ベクトル作成部３２１Ａは、ステップＳａ２０７において拡張された拡張複素数データに基づいてデータ行列Ａとデータベクトルｈとを作成する。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１６１】
本実施形態に示す手順によれば、最初にターゲットを検出した検知１回目（サイクル）で次数ＭｅのＡＲ係数１（ｎ）が得られる。次数ＭｅのＡＲ係数１（ｎ）は、次の検知サイクルにおいてデータ拡張処理において参照されるため、次数Ｍｅにデータ拡張した効果は、２回（サイクル）目以降の検知サイクルに表れる。
なお、本実施形態に示す手順の場合、ターゲットを検知した最初の検知サイクルにおいて、データ拡張を行うためのＡＲ係数２（ｎ）を算出する演算と、スペクトル推定処理におけるＡＲ係数１（ｎ）を算出する演算とを、１回の検知サイクル内に処理する必要がある。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１６２】
（第３実施形態）
図１から図２５を参照し、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の他の態様について、より具体的に示す。
図２１は、本実施形態の方位検出部の構成を示すブロック図である。
この図２１に示される方位検出部３０Ｂは、図１に示した方位検出部３０の一態様である。図１、図７に示す構成と同じ構成には同じ符号を付す。
図２１に示される方位検出部３０Ｂとターゲット連結処理部３２ｂのそれぞれは、信号処理部２０Ａ（図１）における方位検出部３０とターゲット連結処理部３２である。
【０１６３】
ターゲット連結処理部３２ｂは、今回検知サイクルにおいて算出されたＡＲ係数１（ｎ）をメモリ２１に書き込んで記憶させる。ＡＲ係数１（ｎ）は、今回検知サイクルで拡張された複素数データ（拡張複素数データ）から、ＭＦＢＬＰ部３２０Ｂによって算出される。
ターゲット連結処理部３２ｂにより、メモリ２１に書き込まれたＡＲ係数１が、次の検知サイクル（ｎ回目）である今回検知サイクルにおいて呼び出された場合、そのＡＲ係数１は、過去（前回）のＡＲ係数１（ｎ−１）として呼び出される。
また、ターゲット連結処理部３２ｂは、今回検知サイクルにおいて、今回検知サイクルで検出されたデータ拡張前の複素数データから、ＦＢＬＰ部３６０Ｂによって算出されたＡＲ係数２（ｎ）をメモリ２１に書き込んで記憶させる。
ターゲット連結処理部３２ｂにより、メモリ２１に書き込まれたＡＲ係数２が、次の検知サイクル（ｎ回目）である今回検知サイクルにおいて呼び出された場合、そのＡＲ係数２は、過去（前回）のＡＲ係数２（ｎ−１）として呼び出される。
【０１６４】
つまり、本実施形態は、第１実施形態に対して、メモリ２１に記憶させるＡＲ係数の数が異なる。メモリ２１に記憶させる情報は、過去の制御サイクル数回分のＭＦＢＬＰ部３２０Ｂによって算出されたＡＲ係数（ＡＲ係数１（ｎ））と、ＦＢＬＰ部３６０Ｂによって算出されたＡＲ係数（ＡＲ係数２（ｎ））とである。
ターゲット連結処理部３２ｂは、メモリ２１に記憶されている過去の検知サイクルにおいてターゲットを結びつけた後、ターゲット毎に過去検知サイクル（図８）において記録されたＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２）、ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２）を方位検出部３０Ｂへ出力する。
また、ターゲット連結処理部３２ｂは、今回検知サイクル（図８）において取得された複素数データに基づいて算出されたＡＲ係数１（ｎ）及びＡＲ係数２（ｎ）に対して、ターゲット確定部３１から出力される距離、相対速度及び方位の識別情報を付して、メモリ２１に記録する。
【０１６５】
また、方位検出部３０Ｂは、データ拡張部３１０Ｂ、ＭＦＢＬＰ部３２０Ｂ、ＦＢＬＰ部３６０Ｂ、係数フィルタ部３７０、及び、パワースペクトル算出部３８０Ｂを備える。
データ拡張部３１０Ｂは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ（ｎ）、及び、今回の検知サイクルにおいて算出されるＡＲ係数（ＡＲ係数２（ｎ））と、過去の検知サイクルにおいて算出されたＡＲ係数（ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２））から算出される平均化ＡＲ係数２（ｎ）から、データ数を増加させた拡張複素数データ（ｎ）を生成する。
なお、今回の検知サイクルにおいて取得された複素数データ（ｎ）は、周波数分解処理部２２が周波数分解したビート周波数（上昇と下降のいずれか又は両方）に応じた複素数データである。
また、データ拡張部３１０Ｂにおける平均化ＡＲ係数２（ｎ）は、後述の係数フィルタ部３７０によって、今回及び過去の制御サイクルにおいてそれぞれ算出されたものを平均化処理したものである。例えば、平均化ＡＲ係数２（ｎ）は、係数フィルタ部３７０によって、今回の検知サイクルにおいて算出されたＡＲ係数２（ｎ）と、過去の検知サイクルにおいて算出されたＡＲ係数２（ｎ−１）とＡＲ係数２（ｎ−２）とを平均化処理した結果から導かれる。
なお、最初にターゲットを検知した制御サイクルにおいては、データ拡張部３１０Ｂにおける平均化ＡＲ係数２（ｎ）は、後述のＦＢＬＰ部３６０Ｂによって、最初にターゲットを検知した制御サイクルにおいて算出されたＡＲ係数２（ｎ）である。
【０１６６】
データ拡張部３１０Ｂは、受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける今回の検知サイクルにおいて取得された複素数データ、及び、今回の検知サイクルにおいて算出されたＡＲ係数２（ｎ）と、過去の検知サイクルにおいて算出されたＡＲ係数２（ｎ-１）と、ＡＲ係数２（ｎ-２）とを平均化した平均化ＡＲ係数２から、データ数を増加させた拡張複素数データ（ｎ）を生成する。
データ拡張部３１０Ｂは、データ数を拡張する元の複素数データ（ｎ）に基づいて設定可能な第２の次数（Ｍ）より拡張させる。
【０１６７】
ＭＦＢＬＰ部３２０Ｂ（第１演算処理部）は、拡張複素数データ（ｎ）から作成したデータ行列とデータベクトルに基づいて、第１の次数（Ｍｅ）のＡＲ係数（ＡＲ係数１（ｎ））と白色雑音の分散値とを算出する。
このようなＭＦＢＬＰ部３２０Ｂは、データ行列・ベクトル作成部３２１Ａ、特異値分解部３２３、波数推定部３２４、擬似逆行列算出部３２５、及び、ＡＲ係数算出部３２６Ｂを備える。
ＡＲ係数算出部３２６Ｂは、擬似逆行列算出部３２５によって作成された信号部分空間の疑似逆行列と、データ行列・ベクトル作成部３２１Ａによって導かれたデータ行列とから、ＡＲ係数と、入力白色雑音の分散σ２を算出する。このように、ＡＲ係数算出部３２６Ｂは、検知サイクルに応じて、ターゲットの存在が検知されたビート周波数である検出ビート周波数の複素数データに基づいたＡＲ係数と、入力白色雑音の分散σ２を導くことができる。また、ＡＲ係数算出部３２６Ｂは、算出したＡＲ係数１（ｎ）と、入力白色雑音の分散σ２とを係数フィルタ部３７０に供給する。
また、ＡＲ係数算出部３２６Ｂは、算出したＡＲ係数１（ｎ）をターゲット連結処理部３２ｂに供給し、メモリ２１に書き込ませる。
【０１６８】
ＦＢＬＰ部３６０Ｂ（第２演算処理部）は、複素数データ（ｎ）から作成した正規方程式に基づいて、第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。
このようなＦＢＬＰ部３６０Ｂは、正規方程式作成部３６１及びＡＲ係数算出部３６３Ｂを備える。
【０１６９】
ＡＲ係数算出部３６３Ｂは、正規方程式作成部３６１によって作成された「今回検知サイクル」における第２の次数の正規方程式から導かれる第２の次数のＡＲ係数（ＡＲ係数２（ｎ））を算出する。このように、ＡＲ係数算出部３６３Ｂは、今回検知サイクルにおいて検知された受信波によるビート周波数に応じた複素数データに基づいて算出されるＡＲ係数を得、後段のデータ拡張のための係数とする。
また、ＡＲ係数算出部３６３Ｂは、ターゲット連結処理部３２ｂとＡＲ係数フィルタ部３７２へ、導かれたＡＲ係数（ＡＲ係数２（ｎ））を出力する。
【０１７０】
係数フィルタ部３７０は、ＡＲ係数フィルタ部３７１とＡＲ係数フィルタ部３７２を備える。
ＡＲ係数フィルタ部３７１は、ＡＲ係数算出部３２６Ｂによって、今回の制御サイクルにおいて算出されたＡＲ係数１（ｎ）と、ターゲット連結処理部３２ｂによってメモリ２１から呼び出された過去の制御サイクルにおいて算出されたＡＲ係数１（ｎ−１）とＡＲ係数１（ｎ−２）と、の平均化処理をして平均化ＡＲ係数１（ｎ）を算出する。
ＡＲ係数フィルタ部３７１は、平均化処理をした平均化ＡＲ係数１（ｎ）と、入力白色雑音の分散σ２をパワースペクトル算出部３８０Ｂへ出力する。
ＡＲ係数フィルタ部３７２は、ＡＲ係数算出部３６３Ｂによって、今回の制御サイクルにおいて算出されたＡＲ係数２（ｎ）と、ターゲット連結処理部３２ｂによってメモリ２１から呼び出された過去の制御サイクルにおいて算出されたＡＲ係数２（ｎ−１）とＡＲ係数２（ｎ−２）と、の平均化処理をして平均化ＡＲ係数２（ｎ）を算出する。
ＡＲ係数フィルタ部３７２は、平均化処理をした平均化ＡＲ係数２（ｎ）をターゲット連結処理部３２ｂによってメモリ２１に記憶させる。
パワースペクトル算出部３８０Ｂは、その平均化ＡＲ係数１（ｎ）と入力白色雑音の分散σ２に基づいて導かれるパワースペクトルから受信波の到来方向を算出する。
なお、ＡＲ係数フィルタ部３７１は、導かれたＡＲ係数１（ｎ）をターゲット連結処理部３２ｂに出力し、ターゲット連結処理部３２ｂによってメモリ２１に記憶させる。
【０１７１】
図２２は、ＭＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
この図２２において、次数を５次とした場合について説明する。
前述の式（２２）と式（２３）において示したように、ＡＲ係数は、信号部分空間の擬似逆行列から算出される。
算出されるＡＲ係数ベクトルは、[ａ５（１） ａ５（２） ａ５（３）ａ５（４） ａ５（５）]Ｔとして示すことができる。添え字のＴは、転置行列を示す。
今回制御サイクルにおいて算出されたＡＲ係数１（今回ＡＲ係数１）をａ１（ｔ）として示す。また、過去の制御サイクルにおいて算出されたＡＲ係数１（過去ＡＲ係数１）をａ１（ｔ−１）からａ１（ｔ−ｎ）として示す。
「今回ＡＲ係数１：ａ１（ｔ）」と「過去ＡＲ係数１：ａ１（ｔ−１）からａ１（ｔ−ｎ）」の各要素同士を平均（加算）する平均化処理によって平均ＡＲ係数１：Ａｖｅ＿ａ１（ｔ）を算出する演算式を式（２６）として示す。
【０１７２】
【数２６】
【０１７３】
式（２６）においてｋ１からｋｎ＋１は、重み係数である。
なお、本実施形態では、波数推定結果により、擬似逆行列を算出する過程においてランクを可変しているのみなので、ＡＲ係数ベクトルの次数、すなわちＡＲ係数ベクトルの要素の数は一定の値になる。これにより、ＡＲ係数ベクトルの平均化処理が可能となる。
【０１７４】
図２３は、ＦＢＬＰ法におけるＡＲ係数の平均化処理を示す図である。
この図２３に示される正規方程式は、上記の式（１）をＡＲ係数について整理したものである。この正規方程式は、次数を３とした場合を式（２７）として示す。
【０１７５】
【数２７】
【０１７６】
式（２７）に従って算出されたＡＲ係数ベクトルは、[ａ３（１） ａ３（２） ａ３（３）]Ｔとして示すことができる。添え字のＴは、転置行列を示す。今回制御サイクルにおいて算出されたＡＲ係数２（今回ＡＲ係数２）をａ２（ｔ）として示す。また、過去の制御サイクルにおいて算出されたＡＲ係数２（過去ＡＲ係数２）をａ２（ｔ−１）からａ２（ｔ−ｎ）として示す。
「今回ＡＲ係数２：ａ２（ｔ）」と「過去ＡＲ係数２：ａ２（ｔ−１）からａ２（ｔ−ｎ）」の各要素同士を平均（加算）する平均化処理によって平均ＡＲ係数２：Ａｖｅ＿ａ２（ｔ）を算出する演算式を式（２８）として示す。
【０１７７】
【数２８】
【０１７８】
式（２８）においてｋ１からｋｎ＋１は、重み係数である。
なお、本実施形態では、正規方程式の次数を固定していることから、ＡＲ係数ベクトルの要素の数が一定の値になる。これにより、ＡＲ係数ベクトルの平均化処理が可能となる。
【０１７９】
図２４は、メモリ２１に設けられるテーブルを示す図である。
この図２４に示されるテーブルでは、前述の図１４に示されるテーブルに対して、ＡＲ係数の項目が異なる。
追加となるＡＲ係数の項目は、上昇方向のピーク周波数時のＡＲ係数AR2_C_up、下降方向のピーク周波数時のＡＲ係数AR2_C_dwnがあり、ピーク周波数ポイントに対応するＡＲ係数２を格納する。
このピーク周波数時のＡＲ係数は、メモリ２１に、図２４のテーブル形式により格納されている（正確には、上記の項目の記憶領域は他より大きくなるが、表を例示するうえで便宜上同じとしている）。メモリ２１は、格納される上昇方向のピーク周波数時のＡＲ係数AR1_C_upとAR2_C_up、下降方向のピーク周波数時のＡＲ係数AR1_C_dwnとAR2_C_dwnを記憶する。
【０１８０】
図２５を参照し、処理のフローを説明する。
図２５は、本実施形態の処理を示すフローチャートである。
本実施形態に示す手順は、図２２、図２３に示したＡＲ係数の平均化処理を、２回目以降のターゲット検知サイクルに適用する場合の一態様を示す。
第１実施形態における図１６との相違点を中心に説明する。図１６と同じ処理を行うステップには同じ符号を附す。
次に示す処理の手順における前提条件について、例えば次のように整理する。
１回のデータ取得によって検知される複素数データに含まれるチャンネル数Ｎ（データ数）を５ｃｈとする。データ拡張前の正規方程式の次数Ｍを３次とする。データ拡張によって拡張された複素数データのチャンネル数（拡張チャンネル数）Ｎｅ（データ数）を９ｃｈとする。データ拡張後の正規方程式の次数（増加次数）Ｍｅを５次とする。以上に示したそれぞれの値は、予め定められているものとする。
この図２５によって示される処理のフローは、レーダ全体構成でのピーク検知で選出された複数のターゲット別に、制御サイクル（図８参照）毎に繰り返される。
【０１８１】
ステップＳａ１０１において、チャンネル（CH）毎の複素数データが今回の制御サイクル内で１回取得される。
続いて、ステップＳａ３０１において、正規方程式作成部３６１は、抽出した今回検知サイクルにおいて取得した複素数データに基づいて、ＡＲモデルに適用する次数Ｍの正規方程式を作成する。
ステップＳａ３０２において、ＡＲ係数算出部３６３Ｂは、ステップＳａ３０１において作成された正規方程式から、次数Ｍの第２のＡＲ係数（ＡＲ係数２）を算出する。
【０１８２】
続いて、ステップＳａ３０３において、ＡＲ係数フィルタ部３７２は、メモリ２１に記憶されている、過去（前回、前々回）の検知サイクルにおいて導かれたＡＲ係数（ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２））をターゲット連結処理部３２ｂを介して呼び出す。
ステップＳａ３０４において、ＡＲ係数フィルタ部３７２は、ＡＲ係数算出部３６３Ｂによって今回の検知サイクルにおいて算出された次数ＭのＡＲ係数（今回ＡＲ係数２（ｎ））と、ターゲット連結処理部３２ｂから供給される過去（前回、前々回）の検知サイクルにおいて算出されたＡＲ係数（ＡＲ係数２（ｎ−１）、ＡＲ係数２（ｎ−２））との平均化処理をして、平均化ＡＲ係数２（ｎ）を算出する。
なお、ステップＳａ３０４に続くステップＳａ１０３からＳａ１１０までの処理は、前述の図１６と同じである。
【０１８３】
続いて、ステップＳａ３０５において、ＡＲ係数フィルタ部３７１は、メモリ２１に記憶されている、過去（前回、前々回）の検知サイクルにおいて導かれたＡＲ係数（ＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２））をターゲット連結処理部３２ｂを介して呼び出す。
ステップＳａ３０６において、ＡＲ係数フィルタ部３７１は、ＡＲ係数算出部３２６Ｂによって今回の検知サイクルにおいて導かれた次数ＭｅのＡＲ係数１と、ターゲット連結処理部３２ｂから供給される過去（前回、前々回）の検知サイクルにおいて導かれたＡＲ係数１（ＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２））との平均化処理をして、平均化ＡＲ係数１（ｎ）を算出する。
なお、ステップＳａ３０６に続くステップＳａ１１１からＳａ１１３までの処理は、前述の図１６と同じである。
ステップＳａ３０７において、ＡＲ係数フィルタ部３７２は、算出した平均化ＡＲ係数２（ｎ）をターゲット連結処理部３２ｂによってメモリ２１に記憶させる。
【０１８４】
本実施形態に示す手順によれば、次数Ｍｅにデータ拡張した効果は、検知２回（サイクル）目以降に表れる。初回（１回目）の検知サイクルのみ、次数３次と５次のデータ拡張の演算をそれぞれ行うことにより、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１８５】
（第４実施形態）
図１から図２７を参照し、スペクトル推定処理において高分解能アルゴリズムとして知られるＡＲスペクトル推定法を用いる場合の他の態様について、より具体的に示す。
図２６は、本実施形態の方位検出部の構成を示すブロック図である。
この図２６に示される方位検出部３０Ｃは、図１に示した方位検出部３０の一態様である。図１、図７、図１９に示す構成と同じ構成には同じ符号を付す。
図２６に示される方位検出部３０Ｃとターゲット連結処理部３２ｃのそれぞれは、信号処理部２０Ａ（図１）における方位検出部３０とターゲット連結処理部３２である。
【０１８６】
ターゲット連結処理部３２ｃは、今回検知サイクルにおいて算出されたＡＲ係数１（ｎ）をメモリ２１に書き込んで記憶させる。ＡＲ係数１（ｎ）は、今回検知サイクルで拡張された複素数データ（拡張複素数データ）から、ＭＦＢＬＰ部３２０Ｃによって導かれる。
ターゲット連結処理部３２ｃにより、メモリ２１に書き込まれたＡＲ係数１が、次の検知サイクル（ｎ回目）である今回検知サイクルにおいて呼び出された場合、そのＡＲ係数１は、過去（前回、前前回）のＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２）として呼び出される。
つまり、本実施形態は、第１実施形態に対して、メモリ２１に記憶させる情報は、次数を増加させたＡＲ係数のみである。そのＡＲ係数（ＡＲ係数１）は、ＭＦＢＬＰ部３２０Ｃによって算出される。
ターゲット連結処理部３２ｃは、メモリ２１に記憶されている過去の検知サイクルにおけるターゲットを結びつけた後、ターゲット毎に過去検知サイクル（図８）において記録されたＡＲ係数１（ｎ−１）、ＡＲ係数１（ｎ−２）を方位検出部３０Ｃへ出力する。
また、ターゲット連結処理部３２ｃは、今回検知サイクル（図８）において取得された複数の複素数データに基づいて算出されたＡＲ係数１（ｎ）に対して、ターゲット確定部３１から出力される距離、相対速度及び方位の識別情報を付して、メモリ２１に記録する。
つまり、本実施形態は、第１から３実施形態に対して、データ拡張のためのＡＲ係数の生成及びデータ拡張を行わずにスペクトル推定処理を行う点が異なる。
【０１８７】
方位検出部３０Ｃは、ＭＦＢＬＰ部３２０Ｃ、ＡＲフィルタ部３７１、及び、パワースペクトル算出部３８０Ｂを備える。
【０１８８】
ＭＦＢＬＰ部３２０Ｃ（第１演算処理部）は、今回の制御サイクルにおいて検出された複素数データ（ｎ）から作成したデータ行列とベクトルに基づいて、第１のＡＲ係数（ＡＲ係数）と白色雑音の分散値とを算出する。
ＭＦＢＬＰ部３２０Ｃは、データ行列・ベクトル作成部３２１Ｃ、特異値分解部３２３、波数推定部３２４、擬似逆行列算出部３２５、及び、ＡＲ係数算出部３２６Ｂを備える。
【０１８９】
データ行列・ベクトル作成部３２１Ｃは、「今回検知サイクル」において検出された複素数データ（ｎ）からデータ行列Ａとベクトルｈを作成する。
【０１９０】
このように、方位検出部３０Ｃは、自己回帰モデルを用いるスペクトル推定法により、信号部分空間成分の擬似逆行列に基づいて受信波の到来方向を算出する。
なお、本実施形態において、データ行列・ベクトル作成部３２１、特異値分解部３２３、擬似逆行列算出部３２５及びＡＲ係数算出部３２６が第２手段として機能する。波数推定部３２４が第３手段として機能する。ＡＲ係数フィルタ部３７１が第５手段として機能する。
【０１９１】
図２７は、本実施形態の処理を示すフローチャートである。
図１６、図２５と同じ処理を行うステップには同じ符号を附す。
ステップＳａ１０４’において、データ行列・ベクトル作成部３２１Ｃは、「今回検知サイクル」において検出された複素数データ（ｎ）から導かれるデータ行列Ａとベクトルｈを作成する。
ステップＳａ１１４において、ＡＲ係数フィルタ部３７１は、平均化したＡＲ係数を今回ＡＲ係数として、メモリ２１に記憶する。
このように、本実施形態においては、第１から第３実施形態に示したデータ拡張を行わない。データ拡張を行わないままＭＦＢＬＰ法を適用することが可能であり、ＭＦＢＬＰ部３２０Ｃは、所望の次数のＡＲ係数１（ｎ）を算出することができる。
また、記憶するＡＲ係数は、平均化した後のＡＲ係数にすることもでき、ＡＲ係数フィルタの効果を増すことができる（図２６の点線部参照）。
このように、本実施形態に示す電子走査型レーダ装置は、検出精度を高めた方位検出ができる。
【０１９２】
（第５実施形態）
次に、図２８、図２９を参照し、本実施形態による電子走査型レーダ装置について説明する。
図２８は、本実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
本実施形態においては、第１から第４実施形態と同様に、方位推定を高分解能アルゴリズムで行う。図１に示す第１から第４実施形態と同じ構成については、同一の符号を付し、以下第１実施形態との相違点について説明する。
信号処理部２０Ｂにおいて周波数分解処理部２２Ｂは、アンテナ毎の上昇領域と下降領域とのビート信号を複素数データに変換し、そのビート周波数を示す周波数ポイントと、複素数データとをピーク検知部２３Ｂへ出力する。
そして、ピーク検知部２３Ｂは、上昇領域及び下降領域それぞれのピーク値と、そのピーク値の存在する周波数ポイントとを検出し、その周波数ポイントを周波数分解処理部２２Ｂへ出力される。
次に、周波数分解処理部２２Ｂは、上昇領域及び下降領域それぞれについて該当する複素数データを、方位検出部３０へ出力する。
【０１９３】
この複素数データが、上昇領域及び下降領域のそれぞれのターゲット群（上昇領域及び下降領域においてピークを有するビート周波数）となる。ここで、ピーク検知部２３Ｂは、方位検出部の波数推定処理における最大特異値判定（ステップＳ１０６ａ）と同じ機能として動作させることができるので、削除することも可能となる。
ターゲット連結処理部３２Ｂにおいて、過去に確定したターゲットと上りと下りの両方のターゲット群とを結びつける必要があるため、メモリ２１には前述のテーブルが記憶されている。
ターゲット連結処理部３２Ｂは、図１のターゲット連結処理部３２と同様な処理により、今回の検知サイクルと、過去の検知サイクルとの連結処理を行う。
【０１９４】
そして、方位検出部３０は、上昇領域及び下降領域それぞれにおいて、第１から第４実施形態に示したように、ＭＦＢＬＰ法によるデータ行列を特異値分解を行い、また、波数推定を行うことにより、ＡＲ係数を算出する。
次に、方位検出部３０は、上昇領域のＡＲ係数及び下降領域のＡＲ係数の各々について角度θを検出し、図２９に示すテーブルとしてピーク組合せ部２４Ｂへ出力する。
そして、ピーク組合わせ部２４Ｂは、図２９に示すテーブルの情報を元に、同様の角度を有する組み合わせを行い、上昇領域と下降領域とのビート周波数を組み合わせを距離検出部２５及び速度検出部２６へ出力する。
【０１９５】
距離検出部２５は、第１実施形態と同様に、組み合わせの上昇領域と下降領域とのビート周波数により距離を算出する。
また、速度検出部２６は、第１実施形態と同様に、組み合わせの上昇領域と下降領域とのビート周波数により相対速度を算出する。
ターゲット確定部３１Ｂは、上述した上昇領域及び下降領域の複素数データ、上昇領域及び下降領域における周波数ポイントと距離と相対速度と方位とを、現在の状態として確定する。
そして、ターゲット連結処理部３２Ｂは、ターゲット確定部３１Ｂから入力される、ターゲット毎に、上昇領域及び下降領域それぞれの周波数ポイントと、上昇領域及び下降領域それぞれのＡＲ係数と、距離と、縦位置と、横位置と、相対速度とを、第１から第４実施形態と同様の処理により前述のテーブルに記憶させる。
以上に示した手順により、電子走査型レーダ装置は、検出精度を高めた方位検出を行うことができる。
【０１９６】
（第６実施形態）
次に、図３０、図３１を参照し、本実施形態による電子走査型レーダ装置について説明する。
図３０は、本実施形態による電子走査型レーダ装置の構成例を示すブロック図である。
本実施形態においては、第１実施形態と異なり、先にＡＲスペクトル推定処理等の高分解能アルゴリズムより分解能が低いＤＢＦ（Digital Beam Forming）を用いて方位推定を行い、その後にＭＦＢＬＰ法を用いたＡＲスペクトル推定処理による高分解能アルゴリズムで方位推定を行う構成である。図１に示す第１実施形態、図２８に示す第５実施形態と同じ構成については、同一の符号を付し、以下第１実施形態、第５実施形態との相違点について説明する。
この図に示されるように、図１の第１実施形態における周波数分解処理部２２とピーク検出部２３との間にＤＢＦ処理部４０が設けられ、上述したように、先にＤＢＦを用いて受信波の到来する方位を検出する点が第１実施形態と異なる。
【０１９７】
第５実施形態と同様に、周波数分解処理部２２は、入力されるビート信号を周波数分解（時間軸フーリエ変換）し、ビート周波数を示す周波数ポイントと、複素数データとを、ＤＢＦ処理部４０へ出力する。
次に、ＤＢＦ処理部４０は、入力される各アンテナに対応した複素数データを、アンテナの配列方向にフーリエ変換し、すなわち空間軸フーリエ変換を行う。
そして、ＤＢＦ処理部４０は、角度に依存、すなわち角度分解能に対応した角度チャンネル毎の空間複素数データを計算し、ビート周波数毎にピーク検知部２３に対して出力する。
【０１９８】
これにより、ＤＢＦ処理部４０から出力される角度チャンネル毎の空間複素数データ（ビート周波数単位）の示すスペクトルは、ビーム走査分解能による受信波の到来方向推定に依存したものとなる。
また、アンテナの配列方向にフーリエ変換されているため、角度チャンネル間にて複素数データを加算しているのと同じ効果を得ることができ、角度チャンネル毎の複素数データはＳ／Ｎ比が改善されており、ピーク値の検出における精度を、第１実施形態と同様に向上させることが可能となる。
上述した複素数データ及び空間複素数データともに、第１実施形態と同様に、三角波の上昇領域及び下降領域の双方にて算出される。
【０１９９】
次に、ピーク検知部２３は、ＤＢＦ処理部４０による処理の後に、ＤＢＦ結果による角度チャンネル毎にピークの検出を行い、検出された各チャンネルのピーク値を、次のピーク組合せ部２４へ角度チャンネル毎に出力する。すなわち、１６の分解能による空間軸フーリエ変換の場合、角度チャンネルの数は１５となる。
ピーク組合せ部２４では、第１実施形態と同様に、上昇領域及び下降領域におけるピーク値のあるビート周波数とそのピーク値を組み合わせて、距離検出部２５及び速度検出部２６へ、角度チャンネル毎に出力する。
【０２００】
そして、ペア確定部２７は、距離検出部２５及び速度検出部２６各々から、順次入力される上記距離ｒ及び相対速度ｖにより、図５のテーブルを角度チャンネル毎に生成し、第１実施形態と同様に、ターゲット毎に対応した上昇領域及び下降領域それぞれの適切なピークの組み合わせを、角度チャンネル毎に判定する。ここで、ＤＢＦでの分解能では、ターゲットが複数の角度チャンネルに跨って存在を示すので、近隣の角度チャンネル（マトリクス）との一致性も加味して、角度チャンネル毎に上昇領域及び下降領域それぞれのピークの適切な組み合わせを行うことができる。そして、上昇領域及び下降領域それぞれのピークのペアを確定し、確定した距離ｒ及び相対速度ｖを示すターゲット群番号をターゲット確定部３１へ出力し、図３１に示すテーブルが作成される。
図３１は、上昇領域及び下降領域それぞれのピークのペアを確定した結果を記憶するテーブルである。
ペア確定部２７は、距離ｒ及び相対速度ｖのみでなく、それぞれのターゲットの角度チャンネルの情報が得られるため、縦位置と横位置を求めることができるため、図６のテーブルに対して縦位置と横位置が含まれた、今回の検知サイクルの各ターゲット群に対応する結果を有する図３１に示すテーブルを生成する。
【０２０１】
そして、ターゲット連結処理部３２Ｃは、図３１のテーブルの情報を用いて、今回の検知サイクルにおけるターゲットと、図８の過去の検知サイクルにおけるターゲットとの結びつけの処理を行うこととなり、結びつけのパラメータとして、距離と相対速度及びピーク周波数ポイントとに加えて、縦位置と横位置を用いることとなるため、結びつけの処理をより高い精度にて行うことが可能となる。
方位検出部３０は、第１から第４実施形態に示したように波数推定を行う。
さらに、方位検出部３０からの方位情報とＤＢＦからの方位情報とに基づいてＡＮＤ論理で推定することにより、方向検知の信頼度を向上させたり、互いの方位情報を分担、例えば、近距離では角度分解能が粗くて良いのでＤＢＦの角度情報を用いたりできる効果を成す。
【０２０２】
このように、方位検出部３０は、第１から第６実施形態に示したＭＦＢＬＰ法によるスペクトル推定処理を行うことができる。
【０２０３】
（本実施形態における方向推定特性）
続いて、本実施形態による電子走査型レーダ装置の方向推定特性について示す。
図３２と図３３は、本実施形態による電子走査型レーダ装置の方位推定特性の効果を示す図である。
先行する車両が２台の場合について、ＭＦＢＬＰ法をそのまま適用した場合と、本実施形態によるデータ拡張とＡＲ係数の平均化処理を行ったＭＦＢＬＰ法を適用した場合とを比較する。この比較において、ターゲット（先行車両）までの距離を同じに設定した複素数データに基づいて、実施形態の違いによる推定結果の差を比較する。ターゲット（５５ｍ離れた先行車両）が２台であり、その結果、到来波における波数を２と推定した場合を示す。
図３２（ａ）に示すＭＦＢＬＰ法のみにおける推定結果は、チャンネル数を５CH、次数を３、波数を２としてスペクトル推定した結果である。
図に示される３つの曲線は、３サイクル分の結果を示している。この図に示されるように、ＭＦＢＬＰ法のみにおいては、パワースペクトルを示す波形のピークの位置（角度）がばらつき、安定にターゲットの位置（角度）を検出することができない。つまり、単にＭＦＢＬＰ法をそのまま適用しても安定した結果を得ることができないことが分かる。
【０２０４】
一方、本実施形態によるデータ拡張を行ったＭＦＢＬＰ法を用いた場合を図３２（ｂ）と図３３（ｃ）に示す。また、データ拡張を行わず、算出したＡＲ係数のフィルタ処理（平均化処理）をしたＭＦＢＬＰ法を用いた場合を図３３（ｄ）に示す。
図３２（ｂ）に示すデータ拡張を行ったＭＦＢＬＰ法における推定結果は、第１実施形態に基づいて、チャンネル数を９CH、次数を５、波数を２としてスペクトル推定した結果である。
図３３（ｃ）に示すデータ拡張を行ったＭＦＢＬＰ法における推定結果は、第３実施形態に基づいて、チャンネル数を９CH、次数を５、波数を２としてスペクトル推定した結果である。
図３３（ｄ）に示すＡＲ係数の平均化処理をしたＭＦＢＬＰ法における推定結果は、第４実施形態に基づいて、チャンネル数を５CH、次数を３、波数を２としてスペクトル推定した結果である。
なお、図３２（ａ）、（ｂ）、図３３（ｃ）、（ｄ）のいずれの場合も、同じ複素数データにもとづいて処理を行っている。
【０２０５】
このように、図３２（ｂ）と図３３（ｃ）、（ｄ）に示される結果には、それぞれの曲線が示すピークが急峻であり、且つ、ピークが検出される方向が安定していることが示されている。その結果、ピーク値が２つ分離して検出できており、ターゲットの車両が２台存在することが良好に検出されている。
また、本実施形態に示したように、データ取得回数が１制御サイクルに１回の複素数データに基づいた場合であっても、図３２（ｂ）と図３３（ｃ）、（ｄ）に示される推定結果から良好な推定結果を得ることができる。
【０２０６】
本実施形態による電子走査型レーダ装置は、検出ビート周波数の複素数データに基づいて、方位検出部３０において、スペクトル推定を行う方程式の次数と、推定される実際の波数とを設定して方位推定を行うことにより、検出精度を向上させることができる。
【０２０７】
本発明に係る実施形態によれば、データ拡張と次数の増加を施したＭＦＢＬＰ法の処理が、相関行列等の入力データとデータの取得回数に伴う、記憶容量と演算負荷を増大することなく、ＡＲスペクトル推定の特性を有効に活用した方位検出精度向上となる効果を奏する。
第１手段により、元の複素数データよりも長いデータ（CH）数に拡張できるので、第２手段のデータ行列とベクトルの要素数や次数を増やせる効果を奏する。
第２手段により、データ行列とベクトルから特異値分解することにより疑似逆行列を求めるので、相関行列（又は共分散行列）を求めることなく、計算精度の良いＡＲ係数を求めることができる。また、信号部分空間のＡＲ係数を求めることができるので、偽ピークを抑制した精度の良い方位検出ができる。また、元の複素数データから設定できる最大次数よりさらに次数を増加させることにより、より高次の方が推定精度が良くなるというＡＲスペクトル推定の特性が反映できる効果を奏する。
第３手段により、比較的容易で、前ステップの特異値分解処理を有効に活用した方法で信号波数を推定できるという効果を奏する。最大特異値の大きさを判定することで、間違った方位推定をすることを防止できるので、レーダ全体構成でのピーク検知なし（例えば、全距離ポイント又は任意の距離ポイント範囲の角度をスペクトル推定する場合）や、ピーク検知後でも異なる閾値で波数推定を実行すべきかどうかの判断ができる効果を奏する。
また、正規化した特異値で波数を推定することで、ターゲットの距離に依存しない波数推定判定ができる効果を奏する。さらに、複数の特異値を判定する閾値を設けることにより、特有の波数推定基準を設けることができる効果を奏する。
【０２０８】
第４手段により、データの取得回数とそれに伴う記憶容量と演算負荷を軽減できる効果を奏する。また、記憶する情報として、相関行列よりもメモリ容量が少ない、ＡＲ係数とすることができる。
第５手段により、過去制御サイクルのＡＲ係数と平均できるので、データ拡張するためのＡＲ係数の精度を高めたり、方位検出の精度を向上させたりできる効果を奏する。
第６手段により（第３実施形態）、データ拡張するためのＡＲ係数として、かならず今回制御サイクルで取得したＡＲ係数に基づいて方位検出処理を行うことができる効果を奏する。
第１から第４手段の組合せ（第１実施形態）により、次数を増加したＡＲ係数を用いてデータ拡張ができるので、高い検出精度の向上効果を奏する。
第２から第５手段の組合せ（第４実施形態）により、データ拡張しない場合でも、ＡＲ係数の平均化によりスペクトルのバラツキを低減することができる効果を奏する。
【０２０９】
以上、第１〜第４実施形態は、図１に示すＦＭＣＷ方式のレーダに用いる構成例を基に説明したが、ＦＭＣＷ方式の他のアンテナ構成にも適用することが可能である。また、データ取得からの演算を、本実施形態のマイクロコンピュータでの演算で行う他、他のデバイスやプロセッサ（FPGA,DSP,マイクロコンピュータ）等で計算させることも可能となる。
また、多周波ＣＷ、パルスレーダ等のＦＭＣＷ方式以外の他の方式においても、本発明に適用することが可能である。
本実施形態において、パワースペクトルのピークを算出してターゲット数と方位を求める形態としたが、入力白色雑音の分散値を乗算しないで作成したスペクトルで推定することも可能であるので、入力白色雑音の分散値の計算を省略することもできる。さらに、パワースペクトルの代わりに高次方程式の根を求める計算を用いて、その極で方位を推定してもよい。
【０２１０】
本実施形態に示したＭＦＢＬＰ法は、特異値分解を行い、信号部分空間の疑似逆行列を求め、ＡＲ係数を求める手法なので、標準的なＡＲスペクトル推定法よりも演算負荷は重くなる。しかし、検出する信号数に対してＡＲモデルの次数を高めに設定しても、疑ピークを抑えたパワースペクトルが算出できるので、検出精度が高い推定結果を得ることができる。実際、ＡＲモデルの次数を、設定可能な大きめの次数で固定することができ、MUSIC法のように信号部分空間とノイズ部分空間を選択してスペクトルを求めることができる。
特異値分解は、固有値分解の拡張方式で、特異行列（＝非正則行列）や長方行列においても算出できる。特異値は、固有値の正の平方根であるので、特異値と固有値は等価な値である。
しかしながら、前述の参考文献においても、上記MFBLP法に好適な受信波数の推定法については記述されておらず、ましてや車載用レーダのような少ないチャンネル数（CH）に適用された報告もない。一般的な受信波数の推定手法として、FPE（Final Prediction Error）、AIC（Akaike Information Criterion）、MDL（Minimum Description Length）等は知られているが、いずれも演算量が多くなる上に、いずれも検出精度を確保した推定については保証されていない。
本実施形態に示したように、車載用レーダにおける方位検出にＡＲスペクトル推定法を適用し、演算負荷が重くなる上記のFPE,AIC,MDL等の波数（又はモデル次数）推定手法を用いることなく、特異値分解による受信波数推定手法を適用する。特異値分解による受信波数推定手法を適用することにより、受信波数推定を比較的容易に実行でき、且つ上記MFBLP手法に直結できるという利点を得ることができる。
そして、上記受信波数推定結果を、計算した特異値分解による疑似逆行列に適用し、ノイズ部分空間を削除して、信号部分空間のみを抽出した検出精度の高い方位検出を行うことができる。
【０２１１】
なお、図１、図７、図２１、図２８、図３０における信号処理部２０Ａから２０Ｃの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、受信波から方位検出を行う信号処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。また、「コンピュータシステム」は、ホームページ提供環境（あるいは表示環境）を備えたＷＷＷシステムも含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。
【０２１２】
また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【０２１３】
なお、本実施形態において、例えばステップＳａ１０６では、予め設定した閾値よりも最大特異値の値が小さい場合には、得られた情報（複素数データ）の信頼度が低いと判定し、該当ターゲットに対しての次ステップの波数推定の処理を行わなくして、誤検出情報の提供を防いでいる。
例えば、次ステップ以降の波数推定及び方位推定の処理を行わず、当該サイクルにおけるターゲットの情報を検出できずにロストしても、レーダの認識処理として通常後ステップで行われるトラッキングによる外挿手法等を用いることにより、ロストしたターゲットの情報を疑似的に持続することができる。このような手法により、ターゲットをロストすることを回避できるので、間違った方位検出結果を出力するよりキャンセルする方が望ましいという考えに適合することができる。また、できるだけ方位検出をキャンセルしない考えにも適合でき、次ステップの波数推定を行わず、予め定められた値の任意の波数に強制的に指定する（例えば、最大次数や最小次数のいずれか）ことも可能である。このような最大特異値判定を伴った信号の波次数推定処理を行うことによって、例えばピーク検知されたターゲットの中から、ターゲット毎にさらに方位検出するか否かを判定したり、ピーク検知しない仕様としたりする場合でも効果を成すものである。そのピーク検知しない仕様とは、例えば、全ポイント、又は、任意の距離ポイントにおいて無条件に方位検知する等の処理構成のことである。
【０２１４】
また、本実施形態に示したデータ拡張法に代え、他の方法を用いることも可能である。例えば、抽出した複素数データに値を「０」とするデータを追加してＦＦＴ処理を行い、変換後の領域で位相の補正を行った後に、ＩＦＦＴ処理を行い前記位相補正による元の複素数データの領域での波形の広がりを利用しても良いし、各種のデータ外挿アルゴリズムやデータ予測アルゴリズムを適用してもよい。
【０２１５】
さらに、本実施形態に示した波数推定において、正規化固有値による閾値判定法だけでなく、固有値分解の有効ランク数を推定するフロベニウスノルム比などの手法を適用してもよい。
また、擬似逆行列を作成する際の波数は、例えば、データ拡張用のＡＲ係数を算出するためには最大の波数に固定してもよく、パワースペクトルを算出する波数と独立に設定してもよい。
【符号の説明】
【０２１６】
１−１，１−ｎ…受信アンテナ
２−１，２−ｎ…ミキサ
３…送信アンテナ
４…分配器
５−１，５−ｎ…フィルタ
６…ＳＷ
７…ＡＤＣ
８…制御部
９…三角波生成部
１０…ＶＣＯ
２０Ａ、２０Ｂ、２０Ｃ…信号処理部
２１…メモリ
２２、２２Ｂ…周波数分解処理部
２３、２３Ｂ…ピーク検知部
２４、２４Ｂ…ピーク組合せ部
２５…距離検出部
２６…速度検出部
２７…ペア確定部
３０、３０Ａ、３０Ｂ、３０Ｃ…方位検出部
３１、３１Ｂ…ターゲット確定部
３２、３２ａ、３２ｂ、３２ｃ、３２Ｂ、３２Ｃ…ターゲット連結処理部
４０…ＤＢＦ処理部
３１０Ａ、３１０Ｂ…データ拡張部
３２０Ａ、３２０Ｂ…ＭＦＢＬＰ部
３２３、３２３…特異値分解部
３２４…波数推定部
３２５…擬似逆行列算出部
３２６Ａ、３２６Ｂ、３６３…ＡＲ係数算出部
３６０…ＦＢＬＰ部
３６１…正規方程式作成部
３７０…係数フィルタ部
３７１、３７２…ＡＲ係数フィルタ部
３８０Ａ、３８０Ｂ…パワースペクトル算出部
【特許請求の範囲】
【請求項１】
移動体に搭載される電子走査型レーダ装置であり、
送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信部と、
前記送信波及び前記受信波からビート信号を生成するビート信号生成部と、
前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理部と、
前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出部と
を備えることを特徴とする電子走査型レーダ装置。
【請求項２】
前記方位検出部は、
前記ビート信号に基づいて算出された前記複素数データに基づいて前記係数を算出する第１演算処理部
を備え、
前記第１演算処理部は、
前記ビート信号に基づいて算出された前記複素数データに基づいて前記行列及びベクトルを生成するデータ行列データベクトル生成部と、
前記生成した行列を特異値分解することにより前記特異値を算出する特異値分解部と、
前記算出された特異値に基づいて前記受信波の波数を推定した波数推定値を算出する波数推定部と、
該算出された波数推定値により定められる前記信号部分空間に含まれる前記擬似逆行列を算出する擬似逆行列算出部と、
前記信号部分空間の擬似逆行列及び前記ベクトルから前記係数を算出する係数算出部と
を備えることを特徴とする請求項１に記載の電子走査型レーダ装置。
【請求項３】
前記方位検出部は、
前記算出された複素数データを元にして、該元の複素数データよりデータ数を拡張した拡張複素数データを生成するデータ拡張部
を備え、
前記データ行列データベクトル生成部は、
前記拡張複素数データを要素とする前記行列及び前記ベクトルを生成する
ことを特徴とする請求項２に記載の電子走査型レーダ装置。
【請求項４】
前記データ行列データベクトル生成部は、
前記行列及び前記ベクトルとして、予め定められる次数に増加させた次数増加行列及び次数増加ベクトルを生成する
ことを特徴とする請求項３に記載の電子走査型レーダ装置。
【請求項５】
前記データ行列データベクトル生成部は、
前記行列及び前記ベクトルとして、前記拡張複素数データによる次数を増加させずに、前記拡張複素数データのデータ数を拡張した前記行列及び前記ベクトルを生成する
ことを特徴とする請求項３に記載の電子走査型レーダ装置。
【請求項６】
前記方位検出部は、
前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成される正規方程式により生成する
ことを特徴とする請求項３から請求項５のいずれか１項に記載の電子走査型レーダ装置。
【請求項７】
前記方位検出部は、
前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成された前記正規方程式により生成する第２演算処理部
を備え、
前記データ拡張部は、
前記元の複素数データと前記係数に基づいた線形予測式により前記拡張複素数データを生成する
ことを特徴とする請求項３から請求項６のいずれか１項に記載の電子走査型レーダ装置。
【請求項８】
前記係数は、自己回帰モデルを用いるスペクトル推定法において、該自己回帰モデルを示す線形方程式に基づいて算出される
ことを特徴とする請求項３から請求項７のいずれか１項に記載の電子走査型レーダ装置。
【請求項９】
前記データ拡張部は、
前記受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける、今回の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成する
ことを特徴とする請求項３から請求項８のいずれか１項に記載の電子走査型レーダ装置。
【請求項１０】
前記ターゲットに対応付けられた情報を、前記検知サイクルの回数に対応付けて記憶する記憶部
を備え、
前記データ拡張部は、
前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成する
ことを特徴とする請求項９に記載の電子走査型レーダ装置。
【請求項１１】
前記データ拡張部は、
前記今回の検知サイクルにおいて算出された前記元の複素数データと、前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された過去の複素数データとに基づいて前記拡張複素数データを生成する
ことを特徴とする請求項１０に記載の電子走査型レーダ装置。
【請求項１２】
前記今回の検知サイクルと、前記過去の検知サイクルとにおいて、それぞれ検知された前記ターゲットを関連付け、前記関連付けられたターゲットに対応付けられた情報を前記記憶部に記憶させるターゲット連結処理部
を備えることを特徴とする請求項１０又は請求項１２に記載の電子走査型レーダ装置。
【請求項１３】
前記ターゲット連結処理部は、
前記今回及び前記過去の検知サイクルにおける前記ターゲットの関連付けを、距離及び相対速度、又は、距離、相対速度及び方位により行う
ことを特徴とする請求項１２項に記載の電子走査型レーダ装置。
【請求項１４】
前記方位検出部は、
前記ターゲットに対応付けられた前記情報である前記係数を平均する係数フィルタ部
を備えることを特徴とする請求項１２又は請求項１３に記載の電子走査型レーダ装置。
【請求項１５】
前記係数フィルタ部は、
前記第１演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を
平均する第１係数フィルタ部
を備えることを特徴とする請求項１４に記載の電子走査型レーダ装置。
【請求項１６】
前記係数フィルタ部は、
前記第２演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を
平均する第２係数フィルタ部
を備えることを特徴とする請求項１４又は請求項１５に記載の電子走査型レーダ装置。
【請求項１７】
前記ビート周波数の強度値からピーク値を検出して前記ターゲットの存在を検知するピーク検知部
を備え、
前記方位検出部は、
前記ピーク検知部によって存在が検知されたターゲットに対応する前記複素数データに基づいて、前記受信波の到来方向を算出する
ことを特徴とする請求項１から請求項１６のいずれか１項に記載の電子走査型レーダ装置。
【請求項１８】
前記複素数データに基づいて、前記受信波を受信する所望の方向の受信感度を高めるデジタルビームフォーミングに基づいて前記ターゲットの存在及び方位を検出するＤＢＦ部
をさらに備え、
前記ピーク検知部は、
前記今回の検知サイクルにおけるビート周波数における前記デジタルビームフォーミングに基づいて前記ターゲットの方位を検出する
ことを特徴とする請求項１から請求項１７のいずれか１項に記載の電子走査型レーダ装置。
【請求項１９】
移動体に搭載される電子走査型レーダ装置による受信波方向推定方法であり、
受信部が、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信過程と、
ビート信号生成部が前記送信波及び前記受信波からビート信号を生成するビート信号生成過程と、
周波数分解処理部が前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理過程と、
前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出過程と
を含むことを特徴とする受信波方向推定方法。
【請求項２０】
移動体に搭載される電子走査型レーダ装置により受信波方向推定の処理をコンピュータに実行させるためのプログラムであり、
送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信処理手順と、
前記送信波及び前記受信波からビート信号を生成するビート信号生成処理手順と、
前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理手順と、
前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出手順と
を実行させるためのプログラム。
【請求項１】
移動体に搭載される電子走査型レーダ装置であり、
送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信部と、
前記送信波及び前記受信波からビート信号を生成するビート信号生成部と、
前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理部と、
前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出部と
を備えることを特徴とする電子走査型レーダ装置。
【請求項２】
前記方位検出部は、
前記ビート信号に基づいて算出された前記複素数データに基づいて前記係数を算出する第１演算処理部
を備え、
前記第１演算処理部は、
前記ビート信号に基づいて算出された前記複素数データに基づいて前記行列及びベクトルを生成するデータ行列データベクトル生成部と、
前記生成した行列を特異値分解することにより前記特異値を算出する特異値分解部と、
前記算出された特異値に基づいて前記受信波の波数を推定した波数推定値を算出する波数推定部と、
該算出された波数推定値により定められる前記信号部分空間に含まれる前記擬似逆行列を算出する擬似逆行列算出部と、
前記信号部分空間の擬似逆行列及び前記ベクトルから前記係数を算出する係数算出部と
を備えることを特徴とする請求項１に記載の電子走査型レーダ装置。
【請求項３】
前記方位検出部は、
前記算出された複素数データを元にして、該元の複素数データよりデータ数を拡張した拡張複素数データを生成するデータ拡張部
を備え、
前記データ行列データベクトル生成部は、
前記拡張複素数データを要素とする前記行列及び前記ベクトルを生成する
ことを特徴とする請求項２に記載の電子走査型レーダ装置。
【請求項４】
前記データ行列データベクトル生成部は、
前記行列及び前記ベクトルとして、予め定められる次数に増加させた次数増加行列及び次数増加ベクトルを生成する
ことを特徴とする請求項３に記載の電子走査型レーダ装置。
【請求項５】
前記データ行列データベクトル生成部は、
前記行列及び前記ベクトルとして、前記拡張複素数データによる次数を増加させずに、前記拡張複素数データのデータ数を拡張した前記行列及び前記ベクトルを生成する
ことを特徴とする請求項３に記載の電子走査型レーダ装置。
【請求項６】
前記方位検出部は、
前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成される正規方程式により生成する
ことを特徴とする請求項３から請求項５のいずれか１項に記載の電子走査型レーダ装置。
【請求項７】
前記方位検出部は、
前記拡張複素数データを生成する際に元とする前記係数を、前記元の複素数データに基づいて作成された前記正規方程式により生成する第２演算処理部
を備え、
前記データ拡張部は、
前記元の複素数データと前記係数に基づいた線形予測式により前記拡張複素数データを生成する
ことを特徴とする請求項３から請求項６のいずれか１項に記載の電子走査型レーダ装置。
【請求項８】
前記係数は、自己回帰モデルを用いるスペクトル推定法において、該自己回帰モデルを示す線形方程式に基づいて算出される
ことを特徴とする請求項３から請求項７のいずれか１項に記載の電子走査型レーダ装置。
【請求項９】
前記データ拡張部は、
前記受信波の到来方向を算出する処理を繰り返し行う検知サイクルにおける、今回の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成する
ことを特徴とする請求項３から請求項８のいずれか１項に記載の電子走査型レーダ装置。
【請求項１０】
前記ターゲットに対応付けられた情報を、前記検知サイクルの回数に対応付けて記憶する記憶部
を備え、
前記データ拡張部は、
前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された前記係数に基づいて前記拡張複素数データを生成する
ことを特徴とする請求項９に記載の電子走査型レーダ装置。
【請求項１１】
前記データ拡張部は、
前記今回の検知サイクルにおいて算出された前記元の複素数データと、前記ターゲットに対応付けられた情報として前記記憶部に記憶されており、前記今回の検知サイクルより過去に行われた過去の検知サイクルにおいて算出された過去の複素数データとに基づいて前記拡張複素数データを生成する
ことを特徴とする請求項１０に記載の電子走査型レーダ装置。
【請求項１２】
前記今回の検知サイクルと、前記過去の検知サイクルとにおいて、それぞれ検知された前記ターゲットを関連付け、前記関連付けられたターゲットに対応付けられた情報を前記記憶部に記憶させるターゲット連結処理部
を備えることを特徴とする請求項１０又は請求項１２に記載の電子走査型レーダ装置。
【請求項１３】
前記ターゲット連結処理部は、
前記今回及び前記過去の検知サイクルにおける前記ターゲットの関連付けを、距離及び相対速度、又は、距離、相対速度及び方位により行う
ことを特徴とする請求項１２項に記載の電子走査型レーダ装置。
【請求項１４】
前記方位検出部は、
前記ターゲットに対応付けられた前記情報である前記係数を平均する係数フィルタ部
を備えることを特徴とする請求項１２又は請求項１３に記載の電子走査型レーダ装置。
【請求項１５】
前記係数フィルタ部は、
前記第１演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を
平均する第１係数フィルタ部
を備えることを特徴とする請求項１４に記載の電子走査型レーダ装置。
【請求項１６】
前記係数フィルタ部は、
前記第２演算処理部によって算出され、前記ターゲットに対応付けられた前記係数を
平均する第２係数フィルタ部
を備えることを特徴とする請求項１４又は請求項１５に記載の電子走査型レーダ装置。
【請求項１７】
前記ビート周波数の強度値からピーク値を検出して前記ターゲットの存在を検知するピーク検知部
を備え、
前記方位検出部は、
前記ピーク検知部によって存在が検知されたターゲットに対応する前記複素数データに基づいて、前記受信波の到来方向を算出する
ことを特徴とする請求項１から請求項１６のいずれか１項に記載の電子走査型レーダ装置。
【請求項１８】
前記複素数データに基づいて、前記受信波を受信する所望の方向の受信感度を高めるデジタルビームフォーミングに基づいて前記ターゲットの存在及び方位を検出するＤＢＦ部
をさらに備え、
前記ピーク検知部は、
前記今回の検知サイクルにおけるビート周波数における前記デジタルビームフォーミングに基づいて前記ターゲットの方位を検出する
ことを特徴とする請求項１から請求項１７のいずれか１項に記載の電子走査型レーダ装置。
【請求項１９】
移動体に搭載される電子走査型レーダ装置による受信波方向推定方法であり、
受信部が、送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信過程と、
ビート信号生成部が前記送信波及び前記受信波からビート信号を生成するビート信号生成過程と、
周波数分解処理部が前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理過程と、
前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出過程と
を含むことを特徴とする受信波方向推定方法。
【請求項２０】
移動体に搭載される電子走査型レーダ装置により受信波方向推定の処理をコンピュータに実行させるためのプログラムであり、
送信された送信波を反射したターゲットから到来する受信波を受信する複数のアンテナを含んで構成される受信処理手順と、
前記送信波及び前記受信波からビート信号を生成するビート信号生成処理手順と、
前記ビート信号を予め設定された周波数帯域幅を有するビート周波数に周波数分解して、前記ビート周波数毎に分解された前記ビート信号に基づいた複素数データを算出する周波数分解処理手順と、
前記ビート信号に基づいて算出された複素数データに基づいて生成される行列から算出される特異値に基づいて前記受信波の波数を推定し、該推定された波数により定められる信号部分空間に含まれる該行列の擬似逆行列に基づいて算出される係数に基づいて前記受信波の到来方向を算出する方位検出手順と
を実行させるためのプログラム。
【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】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【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】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２７】
【図２８】
【図２９】
【図３０】
【図３１】
【図３２】
【図３３】
【図３４】
【公開番号】特開２０１２−１６３４０３（Ｐ２０１２−１６３４０３Ａ）
【公開日】平成２４年８月３０日（２０１２．８．３０）
【国際特許分類】
【出願番号】特願２０１１−２２８２５（Ｐ２０１１−２２８２５）
【出願日】平成２３年２月４日（２０１１．２．４）
【出願人】（３０００５２２４６）株式会社ホンダエレシス (105)
【Ｆターム（参考）】
【公開日】平成２４年８月３０日（２０１２．８．３０）
【国際特許分類】
【出願日】平成２３年２月４日（２０１１．２．４）
【出願人】（３０００５２２４６）株式会社ホンダエレシス (105)
【Ｆターム（参考）】
[ Back to top ]