| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-11-04 14:15 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・末延 博・笹川 大・瀧川道生・稲沢良夫（三菱電機）  EMT2021-32 |
|
| 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． |
| （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 / / / / / |
| （英） | radar cross section / micro-doppler / drone / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 226, EMT2021-32, pp. 19-24, 2021年11月. | |
| 資料番号 | EMT2021-32 | |
| 発行日 | 2021-10-28 (EMT) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EMT2021-32 |
|
| 研究会情報 | |
| 研究会 | EMT IEE-EMT |
| 開催期間 | 2021-11-04 - 2021-11-05 |
| 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. |
| 講演論文情報の詳細 | |
| 申込み研究会 | EMT |
| 会議コード | 2021-11-EMT-EMT |
| 本文の言語 | 日本語 |
| 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（英） | |
| 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 |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 大橋 諒太郎 / Ryotaro Ohashi / オオハシ リョウタロウ |
| 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/ヨミ） | 末延 博 / Hiroshi Suenobu / スエノブ ヒロシ |
| 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/ヨミ） | 笹川 大 / Dai Sasakawa / ササカワ ダイ |
| 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/ヨミ） | 瀧川 道生 / Michio Takikawa / タキカワ ミチオ |
| 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/ヨミ） | 稲沢 良夫 / Yoshio Inasawa / イナサワ ヨシオ |
| 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.) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-11-04 14:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | EMT |
| 資料番号 | EMT2021-32 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.226 |
| ページ範囲 | pp.19-24 |
| ページ数 | 6 |
| 発行日 | 2021-10-28 (EMT) |
[研究会発表申込システムのトップページに戻る]