| 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 | 2026-06-17 16:15 ［特別講演］ミリ波レーダを用いたレーダイメージングによるドローンの検知・識別技術 ○小川拳史・中村僚兵（防衛大）  SANE2026-29 |
|
| 抄録 | （和） | 近年，ドローンの社会実装が進む一方で，ドローンが犯罪やテロに利用される事件が増加している．そのため，ドローン検知・識別システムの実現が喫緊の課題となっている．筆者らは，これまでにレーダイメージングによるドローンの検知・識別手法について検討を行ってきた．本稿では，ミリ波レーダを用いたレーダイメージングにより，ドローンの高分解能な逆合成開口レーダ（ISAR:Inverse Synthetic Aperture Radar）画像を生成し，生成したISAR画像を深層学習の一種である畳み込みニューラルネットワーク（CNN:Convolutional Neural Network）によって学習することで，ドローンの機種を識別する技術について紹介する．本技術の有効性を検証するために，5種のドローン（3DR Solo, DJI Phantom3, DJI Mavic Pro, Parrot Anafi, DJI Mavic Mini）に対して，2つのケースの実験を行った．ケース1では，屋内の理想的な環境下において電動スライダー上を等速直線運動で移動するドローンのISAR画像を生成し，CNNによる分類を行った．実験結果から5種のドローンを高い精度で分類できることを示している．ケース2では，屋内で飛行するドローンのISAR画像を生成し，ケース1において事前学習されたCNNモデルに追加学習を行い，CNNによる分類を行うことでケース1同等の識別精度を達成している．これらの検証から，ISAR画像を特徴量とするCNNによるドローン識別が有効であることを示している． |
| （英） | With the development of drone technology, concerns have been raised regarding the potential application of drones in terrorism and other crimes. Accordingly, a drone detection system that can classify incoming drones is needed to contain potential drone threats. We have conducted research on drone detection and classification technique using radar imaging. This paper introduces a drone classification technique by generating high-resolution inverse synthetic aperture radar (ISAR) images, and then training convolutional neural networks (CNN), a type of deep learning, with generated ISAR images. Two experimental cases were investigated using five types of drones (3DR Solo, DJI Phantom 3, DJI Mavic Pro, Parrot Anafi, DJI Mavic Mini) to demonstrate the effectiveness of our proposed method. In case 1, we tested drones moving in linear uniform motion on an electronic slider under ideal conditions in the laboratory and generated the ISAR images of the drones. The models of five drones could be classified with high accuracy by learning the features of the ISAR images. In case 2, we classified the flying drones by fine-tuning pre-trained CNN models in Case 1 with generated ISAR imagery. Notably, its classification accuracy was comparable to that of Case 1. The experimental results indicated that ISAR imagery features are valid for drone classification. | |
| キーワード | （和） | ミリ波レーダ / レーダイメージング / 逆合成開口レーダ / 深層学習 / ドローン / / / |
| （英） | Millimeter-Wave Radar / Radar Imaging / Inverse Synthetic Aperture Radar / Deep Learning / Drone / / / | |
| 文献情報 | 信学技報, vol. 126, no. 71, SANE2026-29, pp. 132-132, 2026年6月. | |
| 資料番号 | SANE2026-29 | |
| 発行日 | 2026-06-10 (SANE) | |
| 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 | SANE2026-29 |
|
| 研究会情報 | |
| 研究会 | SANE |
| 開催期間 | 2026-06-17 - 2026-06-17 |
| 開催地（和） | 三菱電機株式会社 情報技術総合研究所 |
| 開催地（英） | Information Technology R&D Center, MITSUBISHI Electric Corp. |
| テーマ（和） | レーダ，追尾，EW技術及び一般 |
| テーマ（英） | Radar, Tracking, EW Technologies and general |
| 講演論文情報の詳細 | |
| 申込み研究会 | SANE |
| 会議コード | 2026-06-SANE |
| 本文の言語 | 日本語 |
| タイトル（和） | ミリ波レーダを用いたレーダイメージングによるドローンの検知・識別技術 |
| サブタイトル（和） | |
| タイトル（英） | Drone Detection and Classification Technique Using Radar Imaging with Millimeter-Wave Radar |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ミリ波レーダ / Millimeter-Wave Radar |
| キーワード(2)（和/英） | レーダイメージング / Radar Imaging |
| キーワード(3)（和/英） | 逆合成開口レーダ / Inverse Synthetic Aperture Radar |
| キーワード(4)（和/英） | 深層学習 / Deep Learning |
| キーワード(5)（和/英） | ドローン / Drone |
| 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） | 小川 拳史 / Kenshi Ogawa / オガワ ケンシ |
| 第1著者 所属（和/英） | 防衛大学校 (略称： 防衛大) National Defense Academy of Japan (略称： NDA) |
| 第2著者 氏名（和/英/ヨミ） | 中村 僚兵 / Ryohei Nakamura / ナカムラ リョウヘイ |
| 第2著者 所属（和/英） | 防衛大学校 (略称： 防衛大) National Defense Academy of Japan (略称： NDA) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-17 16:15:00 |
| 発表時間 | 30分 |
| 申込先研究会 | SANE |
| 資料番号 | SANE2026-29 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.71 |
| ページ範囲 | p.132 |
| ページ数 | 1 |
| 発行日 | 2026-06-10 (SANE) |
[研究会発表申込システムのトップページに戻る]