| 講演名 | 2021-11-04 機械学習向けマイクロドップラー模擬データ生成のためのRCS解析 大橋 諒太郎(三菱電機), 末延 博(三菱電機), 笹川 大(三菱電機), 瀧川 道生(三菱電機), 稲沢 良夫(三菱電機), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 著者らは，機械学習を用いたドローンのマイクロドップラー（μ-D: micro-Doppler）特性による機種識別において，電磁界解析を用いた模擬データによる学習用データの拡張を検討している．μ-D特性を算出するためには，稼働する散乱体のレーダ断面積（RCS: Radar Cross Section）時間特性が必要となる．本稿では，構造の一部が稼働する散乱体のRCS特性を簡易的に高速で計算する手法を提案する．本手法では，散乱体を稼働部と静止部で分離し，可動部の回転と影領域を考慮して各々の散乱界を合成することで回転稼働する散乱体全体のRCS特性を算出する．提案する計算手法を用いてドローンのRCS特性とμ-D特性を計算した結果，フルモデルを用いた解析結果や測定結果と良く対応する結果が得られた． |
| 抄録(英) | We investigate the expansion of training data by simulated data for a machine learning model that identifies drones from micro-Doppler (μ-D) signatures. In order to obtain the μ-D signatures, the time characteristics of radar cross section (RCS) are needed. In this paper, we propose a simple, fast method to calculate the RCS of a scatter with rotator. In this method, the scatter is divided into moving parts and static parts, and the entire RCS of scatter is calculated by summation of the observation angle characteristics of scattered field of the moving parts and the scattered field of the static parts. The RCS and μ-D signature of a drone calculated by proposed method agree well with the full-model analysis and experimental results. |
| キーワード(和) | レーダ断面積 / マイクロドップラー / ドローン |
| キーワード(英) | radar cross section / micro-doppler / drone |
| 資料番号 | EMT2021-32 |
| 発行日 | 2021-10-28 (EMT) |
| 研究会情報 | |
| 研究会 | EMT / IEE-EMT |
|---|---|
| 開催期間 | 2021/11/4(から2日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 電磁界理論一般 |
| テーマ（英） | Electromagnetic Theory, etc. |
| 委員長氏名（和） | 出口 博之(同志社大) / 松島 章(熊本大) |
| 委員長氏名（英） | Hiroyuki Deguchi(Doshisha Univ.) / Akira Matsushima(Kumamoto Univ.) |
| 副委員長氏名（和） | 川口 秀樹(室蘭工大) |
| 副委員長氏名（英） | Hideki Kawaguchi(Muroran Inst. of Tech) |
| 幹事氏名（和） | 中 良弘(宮崎大) / 山本 伸一(三菱電機) / 川口 秀樹(室蘭工大) / 鈴木 敬久(都立大) |
| 幹事氏名（英） | Yoshihiro Naka(Miyazaki Univ.) / Shinichi Yamamoto(Mitsubishi Electric) / Hideki Kawaguchi(Muroran IT) / Yukihisa Suzuki(Tokyo Metropolitan Univ.) |
| 幹事補佐氏名（和） | 新納 和樹(京大) / 杉坂 純一郎(北見工大) |
| 幹事補佐氏名（英） | Kazuki Niino(Kyoto Univ.) / Junichiro Sugisaka(Kitami Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Electromagnetic Theory / Technical Meeting on Electromagnetic Theory |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 機械学習向けマイクロドップラー模擬データ生成のためのRCS解析 |
| サブタイトル（和） | |
| タイトル（英） | A Radar Cross Section Analysis to Generate Micro-Doppler Signatures Simulation Data for Machine Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | レーダ断面積 / radar cross section |
| キーワード(2)（和/英） | マイクロドップラー / micro-doppler |
| キーワード(3)（和/英） | ドローン / drone |
| 第 1 著者 氏名（和/英） | 大橋 諒太郎 / Ryotaro Ohashi |
| 第 1 著者 所属（和/英） | 三菱電機株式会社(略称：三菱電機) Mitsubishi Electric Corporation(略称：Mitsubishi Electric Corp.) |
| 第 2 著者 氏名（和/英） | 末延 博 / Hiroshi Suenobu |
| 第 2 著者 所属（和/英） | 三菱電機株式会社(略称：三菱電機) Mitsubishi Electric Corporation(略称：Mitsubishi Electric Corp.) |
| 第 3 著者 氏名（和/英） | 笹川 大 / Dai Sasakawa |
| 第 3 著者 所属（和/英） | 三菱電機株式会社(略称：三菱電機) Mitsubishi Electric Corporation(略称：Mitsubishi Electric Corp.) |
| 第 4 著者 氏名（和/英） | 瀧川 道生 / Michio Takikawa |
| 第 4 著者 所属（和/英） | 三菱電機株式会社(略称：三菱電機) Mitsubishi Electric Corporation(略称：Mitsubishi Electric Corp.) |
| 第 5 著者 氏名（和/英） | 稲沢 良夫 / Yoshio Inasawa |
| 第 5 著者 所属（和/英） | 三菱電機株式会社(略称：三菱電機) Mitsubishi Electric Corporation(略称：Mitsubishi Electric Corp.) |
| 発表年月日 | 2021-11-04 |
| 資料番号 | EMT2021-32 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | EMT-226 |
| ページ範囲 | pp.19-24(EMT), |
| ページ数 | 6 |
| 発行日 | 2021-10-28 (EMT) |