JP7115402B2 - レーダ装置 - Google Patents

Description

本開示は、移動体に搭載されるレーダ装置に関する。

車両等の移動体に搭載されるレーダ装置は、トンネルや立体駐車場など、非常に多くの反射点が検出される環境で使用されると、物標の誤検出が生じ易くなる。
特許文献１には、レーダ装置において、検出ピーク数のばらつきによって、自車両が誤検出の生じ易い特定環境下にあるか否かを判定し、特定環境下にあると判定された場合に、検出ピークを抽出する際の閾値を高くすることで誤検出を抑制する技術が記載されている。

特開２０１６－２０６０１１号公報

しかしながら、発明者等による詳細な検討の結果、以下の課題が見出された。
トンネル等の壁面に囲われた特定環境内では、反射点の数が増大するだけでなく、電波の拡散が抑制されるため、遠距離に存在する物標からの反射電力が特定環境外と比較して大きな電力で検出される。特に、２周波ＣＷ（以下、２ＦＣＷ）やＦＣＭ等のように、信号の位相差、換言すれば差信号の位相を利用して距離を算出する方式では、算出された距離に、位相折返しによる曖昧性（以下、アンビギュイティ）が含まれる。つまり、信号の位相が１回転する距離が検知上限距離となり、検知上限距離より遠くに位置する物標は、位相折返しによって、検知上限距離内の物標（以下、ゴースト）として誤検出される。このようなゴーストは、ピーク検出に用いる閾値を変化させるだけでは取り除くことができず、ゴーストを除去するための特別な処理であるゴースト除去処理を別途実施する必要がある。但し、ゴースト除去処理は、ゴーストの誤判定により検出物標を不要に削除することを避ける必要があり、また、レーダ装置における処理量負荷を増大させるため、必要なときにだけ実施することが望ましい。

本開示の１つの局面は、移動体に搭載されるレーダ装置において、移動体が特定環境下にあるか否かの判定精度を向上させる技術を提供することにある。

本開示の一態様は、移動体に搭載されるレーダ装置であって、スペクトラム生成部（７０：Ｓ１１０～Ｓ１６０）と、ピーク抽出部（７０：Ｓ１７０）と、特徴量算出部（７０：Ｓ３１０，Ｓ４１０）と、分布記憶部（７２）と、環境判定部（７０：Ｓ４２０～Ｓ４６０）と、を備える。

スペクトラム生成部は、１種類以上の変調方式を用い、各変調方式による変調波をレーダ波として送受信することで得られる信号を解析することで、１次元スペクトラム及び２次元スペクトラムのうち少なくとも一方を生成する。ピーク抽出部は、変調方式毎に生成される１次元スペクトラム及び２次元スペクトラムのうち少なくとも一方からピークを抽出する。特徴量算出部は、ピーク抽出部にて抽出された各ピークに対応づけられる情報を用いて、予め決められた一種類以上の特徴量を算出する。分布記憶部には、特徴量毎に予め生成され、特徴量が与えられたときに、特徴量が取得されたときの環境が予め設定された特定環境である確率を表す分布である肯定分布、及び特徴量が取得されたときの環境が特定環境以外の非特定環境である確率を表す分布である否定分布が予め記憶される。環境判定部は、特徴量算出部での算出結果から肯定分布を用いて特定環境確率を算出すると共に、否定分布を用いて非特定環境確率を算出する。環境判定部は、更に、特徴量毎に算出される特定環境確率と非特定環境確率とを統合した結果に従って、移動体が特定環境下にあるか非特定環境下にあるかを判定する。但し、特徴量は、特定環境で算出された場合と非特定環境で算出された場合とで異なった分布形状に従う。

このような構成によれば、特定環境下にあるか否かの判定を、複数の特徴量を組み合わせて行うことができるため、判定精度を向上させることができる。なお、１次元スペクトラム及び２次元スペクトラムの座標軸に対応づけられる物理量は、変調方式によって異なる。１次元スペクトラムの座標軸は、例えば、２ＦＣＷでは相対速度に対応づけられ、ＦＭＣＷでは距離及び相対速度に対応づけられる。また、２次元スペクトラムの座標軸は、例えば、２ＦＣＷでは相対速度と方位とに対応づけられ、ＦＭＣＷでは、距離及び相対速度と方位とに対応づけられ、ＦＣＭでは、距離と相対速度とに対応づけられる。なお、ＦＭＣＷは、Frequency Modulated Continuous Waveの略であり、ＣＷは、Continuous Waveの略であり、ＦＣＭは、Fast-Chirp Modulationの略である。２ＦＣＷの２Ｆは、２つの周波数という意味である。

車載システムの構成を示すブロック図である。 使用するレーダ波の変調方式に関する説明図である。 物標検出処理のフローチャートである。 物標検出処理で生成されるＦＦＴスペクトラムや方位展開された２次元スペクトラムを例示する説明図である。 ＦＦＴスペクトラム及び２次元スペクトラムにおける判定エリアを例示する説明図である。 第１特徴量のヒストグラム及び正規分布である。 第２特徴量のヒストグラム及び正規分布である。 第４特徴量，第５特徴量，及び第４特徴量に類似する特徴量のヒストグラムである。 第６特徴量のヒストグラムである。 第７特徴量及び第８特徴量のヒストグラムである。 第９特徴量及び第１０特徴量のヒストグラムである。 第１実施形態における環境判定処理のフローチャートである。 第２実施形態における環境判定処理のフローチャートである。 非特定環境を走行中に算出される統合確率と、フィルタ処理前及びフィルタ処理後のログベイズ比とを処理サイクル毎にプロットしたグラフである。 特定環境を走行中に算出される統合確率と、フィルタ処理前及びフィルタ処理後のログベイズ比とを処理サイクル毎にプロットしたグラフである。 第３実施形態における物標検出処理のフローチャートである。 学習処理のフローチャートである。

以下、図面を参照しながら、本開示の実施形態を説明する。
［０．特定環境について］
まず、本開示で扱う特定環境について説明する。

まっすぐな形状のトンネル内では、天井もしくは路側物からの反射が自車後方に一列に並ぶため、レーダによって検出される天井もしくは路側物の方位は、トンネル内を接近する車両の検出方位と一致する。また、トンネル内では、電波の拡散がなく、遠距離に存在する物標の反射電力がトンネル外と比較して大きな電力で検出される。このため、距離の算出に電波の位相を利用する（即ち、距離の算出にアンビギュイティを有する）変調方式では、位相が１回転する検知距離より遠距離に存在する物標が、検知距離内で検出されてしまい、いわゆるゴーストが発生する。以下、このようなゴーストを遠距離ゴーストという。

そして、複数の変調方式を利用して、それぞれの変調で検出されたピーク等の情報を比較して物標を検出するレーダの場合、ある変調方式で検出される遠距離ゴーストと、他の変調方式で検出される近距離の天井からの反射波とが、同じような距離及び方位で検出され、これらが同一物標に基づく反射点であると誤認される場合がある。すると、近距離に物標が存在すると誤判定され、警報等を誤作動させる原因となる。本開示では、少なくともこのような状況、即ち、遠距離ゴーストが近距離物標として誤検出される可能性がある環境を、特定環境とする。但し、本開示において扱うことのできる特定環境は、これに限定されるものではない。

［１．第１実施形態］
［１－１．構成］
車載システム１は、図１に示すように、レーダ装置１０と運転支援ＥＣＵ１００とを備える。ＥＣＵは、Electronic Control Unitの略である。この車載システム１は、移動体である四輪自動車等の車両に搭載される。レーダ装置１０は、例えば、車両の後端かつ左右端のそれぞれに取り付けられ、レーダ装置１０の検知範囲内に車両の直進方向に沿った後方向、及び直進方向に直交する横方向が含まれるように配置される。レーダ装置１０が搭載された車両を自車ともいう。

レーダ装置１０は、レーダ波を発射して反射波を受信し、その受信信号Ｓｒに基づいて、レーダ波を反射した物標までの距離Ｒ、物標の速度Ｖ、物標の方位θを観測する。レーダ装置１０は、これらの観測値（Ｒ，Ｖ，θ）から、横位置ｘ、縦位置ｙ、横速度Ｖｘ、縦速度Ｖｙの推定値を算出し、これら推定値（ｘ，ｙ，Ｖｘ，Ｖｙ）を運転支援ＥＣＵ１００に入力する。なお、横位置ｘは、車載システム１を搭載する車両の車幅方向に沿った位置であり、縦位置ｙは、車両の進行方向に沿った位置である。

運転支援ＥＣＵ１００は、レーダ装置１０から入力される各物標の推定値（ｘ，ｙ，Ｖｘ，Ｖｙ）に基づいて、運転者による車両の運転を支援するための各種処理を実行する。運転支援に関する処理には、例えば、接近物があることを運転者に警報を発する処理や、ブレーキシステムやステアリングシステム等を制御することにより、接近物との衝突回避や、自動で車線変更するための車両制御を実行する処理等が含まれてもよい。

レーダ装置１０は、送信回路２０と、分配器３０と、送信アンテナ４０と、受信アンテナ５０と、受信回路６０と、処理ユニット７０と、出力ユニット８０とを備える。
送信回路２０は、送信アンテナ４０に送信信号Ｓｓを供給するための回路である。送信回路２０は、ミリ波帯の高周波信号を、送信アンテナ４０の上流に位置する分配器３０に入力する。送信回路２０は、具体的には、図２に示すように、予め設定された処理サイクルごとに、第１変調期間と第２変調期間とを交互に繰り返し、各変調期間で生成された高周波信号を分配器３０に入力する。なお、第１変調期間では、周波数が三角波状に増加、減少するように周波数変調された高周波信号を生成する。第２変調期間では、周波数が交互に切り替わる高周波信号を生成する。処理サイクルは、第１変調期間と第２変調期間との合計期間より長く設定されており、第２変調期間の終了後、次の処理サイクルの第１変調期間が始まるまでの期間を処理期間という。

つまり、レーダ装置１０は、第１変調期間では第１変調波としてＦＭＣＷを送受信するＦＭＣＷレーダとして動作し、第２変調期間では第２変調波として２周波ＣＷ（以下、２ＦＣＷ）を送信する２ＦＣＷレーダとして動作する。なお、２ＦＣＷで使用される２つの周波数は、所定の上限距離（例えば、１５０ｍ）の範囲で、距離を一意に測定できるように設定される。２ＦＣＷで使用する周波数が異なる二つの信号を、以下では、第１信号及び第２信号という。また、ＦＭＣＷの波形は、上記所定の上限距離とは異なる距離の範囲で、距離を一意に特定できるように設定される。なお、第一変調による上限距離と、第二変調による上限距離は同じ距離でもよい。

図１に戻り、分配器３０は、送信回路２０から入力される高周波信号を、送信信号Ｓｓとローカル信号Ｌとに電力分配する。
送信アンテナ４０は、分配器３０から供給される送信信号Ｓｓに基づいて、送信信号Ｓｓに対応する周波数のレーダ波を発射する。

受信アンテナ５０は、物標にて反射されたレーダ波である反射波を受信するためのアンテナである。この受信アンテナ５０は、複数のアンテナ素子５１が一列に配置されたリニアアレーアンテナとして構成される。各アンテナ素子５１による反射波の受信信号Ｓｒは、受信回路６０に入力される。

受信回路６０は、受信アンテナ５０を構成する各アンテナ素子５１から入力される受信信号Ｓｒを処理して、アンテナ素子５１毎のビート信号ＢＴを生成し出力する。具体的に、受信回路６０は、アンテナ素子５１毎に、当該アンテナ素子５１から入力される受信信号Ｓｒと分配器３０から入力されるローカル信号Ｌとをミキサ６１を用いて混合することにより、アンテナ素子５１毎のビート信号ＢＴを生成して出力する。

但し、ビート信号ＢＴを出力するまでの過程には、受信信号Ｓｒを増幅する過程、ビート信号ＢＴから不要な信号成分を除去する過程、及び、ビート信号ＢＴをデジタルデータに変換する過程が含まれる。このように、受信回路６０は、生成したアンテナ素子５１毎のビート信号ＢＴをデジタルデータに変換して出力する。出力されたアンテナ素子５１毎のビート信号ＢＴは、処理ユニット７０に入力される。以下では、第１変調期間に取得されるビート信号ＢＴのＡ／Ｄ変換データを第１変調データ、第２変調期間に取得されるビート信号ＢＴのＡ／Ｄ変換データを第２変調データという。

処理ユニット７０は、ＣＰＵ７１と、例えば、ＲＡＭ又はＲＯＭ等の半導体メモリ（以下、メモリ７２）と、を有するマイクロコンピュータを備える。また、処理ユニット７０は、高速フーリエ変換（以下、ＦＦＴ）処理等を実行するコプロセッサを備えてもよい。

処理ユニット７０は、物標検出処理を少なくとも実行する。物標検出処理は、アンテナ素子５１毎のビート信号ＢＴを解析することにより、レーダ波を反射した物標毎の推定値（ｘ，ｙ，Ｖｘ，Ｖｙ）を算出する処理である。

［１－２．処理］
［１－２－１．物標検出処理］
処理ユニット７０が実行する物標検出処理を、図３のフローチャートを用いて説明する。

本処理は、車載システム１が起動すると、処理サイクル毎に繰り返し実行される。
本処理が起動すると、処理ユニット７０は、Ｓ１１０にて、第１変調期間が終了したか否か、即ち、第１変調データの取得が終了したか否かを判定する。処理ユニット７０は、第１変調データの取得が終了していなければ、同ステップを繰り返すことで待機し、第１変調データの取得が終了していれば、処理をＳ１２０に移行する。

Ｓ１２０では、処理ユニット７０は、第１変調データを、アンテナ素子５１毎、かつ、アップチャープ及びダウンチャープのそれぞれについて周波数解析処理を実行することでパワースペクトラムを算出する。

ここでは、周波数解析処理としてＦＦＴ処理を実行する。ＦＦＴは、Fast Fourier Transformの略である。ＦＦＴによって得られるパワースペクトラムをＦＦＴスペクトラムという。ＦＦＴスペクトラムでは、反射波のパワーが周波数ビン毎に表される。周波数ビンは、ＦＦＴスペクトラムの単位目盛りとなる周波数範囲であり、ＦＦＴの対象となるデータのサンプル数とサンプリング周波数とによって決まる。

なお、アップチャープは、ＦＭＣＷにおいて、時間とともに周波数が増加する信号であり、ダウンチャープは、ＦＭＣＷにおいて、時間とともに周波数が減少する信号である。以下では、アップチャープのＦＦＴペクトラムをＵＰ－ＦＦＴスペクトラム及びダウンチャープのＦＦＴペクトラムをＤＮ－ＦＦＴスペクトラムという。これらＵＰ－ＦＦＴスペクトラム及びＤＮ－ＦＦＴスペクトラムが１次元スペクトラムに相当する。

処理ユニット７０は、ＵＰ－ＦＦＴスペクトラム及びＤＮ－ＦＦＴスペクトラムのそれぞれについて、各アンテナ素子５１から得られたＦＦＴスペクトラムを平均した平均ＦＦＴスペクトラムを算出する。更に、処理ユニット７０は、平均ＦＦＴスペクトラム上で信号レベルが予め設定された閾値以上となるピークを有する周波数ビンを抽出する。

続くＳ１３０では、処理ユニット７０は、Ｓ１２０にて算出されたＵＰ－ＦＦＴスペクトラム及びＤＮ－ＦＦＴスペクトラムのそれぞれについて、方位演算を実行する。
方位演算では、各チャネルの同一周波数ビンで検出されるピークの位相が、チャネル毎に異なることを利用して方位展開する。この方位演算により、周波数ビン及び方位を座標軸とする２次元スペクトラムを生成する。方位演算にはＭＵＳＩＣ等の高分解アルゴリズムを用いてもよい。ＭＵＳＩＣは、Multiple Signal Classificationの略である。これに限らず、ビームフォーミング等を用いてもよい。また、方位演算は、少なくとも、先のＳ１２０にてＦＦＴスペクトラム上でピークが検出された全ての周波数ビンについて実行する。以下では、アップチャープの２次元スペクトラムをＵＰスペクトラム、ダウンチャープの２次元スペクトラムをＤＮスペクトラムという。

続くＳ１４０では、処理ユニット７０は、第２変調期間が終了したか否か、即ち、第２変調データの取得が終了したか否かを判定する。処理ユニット７０は、第２変調期間が終了していなければ、同ステップを繰り返すことで待機し、第２変調期間が終了していれば、処理をＳ１５０に移行する。

Ｓ１５０では、処理ユニット７０は、第２変調データをアンテナ素子５１毎かつ第１信号及び第２信号のそれぞれについて周波数解析処理を実行してパワースペクトラムを生成し、パワースペクトラム上のピークを検出する。ここでは、Ｓ１２０と同様に、周波数解析処理としてＦＦＴ処理を用いる。このＦＦＴ処理の結果として得られるＦＦＴスペクトラムも１次元スペクトラムに相当する。

なお、２ＦＣＷにおける第１信号及び第２信号の周波数は十分に接近しているため、第１信号から検出されるドップラ周波数と、第２信号から検出されるドップラ周波数とは、略同じ大きさとなる。つまり、第１信号のＦＦＴスペクトラムと第２信号のＦＦＴスペクトラムでは、同じ周波数ビンにてピークが検出される。その結果、第１信号のＦＦＴスペクトラムと第２信号のＦＦＴスペクトラムとは、同様の形状となるため、図４には、一方のＦＦＴスペクトラムのみを示す。

そして、第１信号及び第２信号のそれぞれについて、アンテナ素子５１毎に得られたＦＦＴスペクトラムを平均化した平均ＦＦＴスペクトルを算出し、パワーが予め設定された閾値以上となるピークを有する周波数ビンを抽出する。

更に、二つの平均ＦＦＴスペクトラムから同一周波数ビンにて検出される２つのピーク周波数成分の位相差Δθから距離を算出する。但し、実際の位相差は、Δθであるか２ｎπ＋Δθであるかを区別できないため、位相差Δθから算出される距離は、アンビギュイティを有する。ｎは整数である。

続くＳ１６０では、処理ユニット７０は、第１信号及び第２信号のいずれか一方のＦＦＴスペクトラム（以下、ＭＦ－ＦＦＴスペクトラム）を用い、Ｓ１３０と同様に、方位演算を実行する。この方位演算により、生成される２次元ペクトラムを、ＭＦスペクトラムという。方位演算は、少なくとも、先のＳ１５０にてＭＦ－ＦＦＴスペクトラム上でピークが検出された全ての周波数ビンについて実行する。

続くＳ１７０では、処理ユニット７０は、Ｓ１３０にて生成されたＵＰスペクトラム及びＤＮスペクトラム、並びにＳ１６０にて生成されたＭＦスペクトラムから、予め設定された閾値以上のパワーを有する全てのピークを対象ピークとして抽出する。

続くＳ１８０では、処理ユニット７０は、Ｓ１７０にて抽出された対象ピーク間で、同一物標に基づくと推定されるピーク同士を対応づけるピークマッチングを行うことで、当該サイクルでの瞬時値を生成する。

具体的には、ＭＦスペクトラム上の対象ピークから特定される方位、距離、及び相対速度に基づいて、ＵＰスペクトラム及びＤＮスペクトラムで対象ピークが現れる周波数ビンの推定範囲を設定し、その推定範囲内に存在するピークを抽出する。

ここで設定される推定範囲は、図４に示すように、いずれも対象ピークと同一方位に設定され、周波数ビンの範囲が距離と相対速度とに応じて可変設定される。具体的には、対象ピークに対応する反射点が自車両に接近中である場合、周波数ビンの範囲は、ＵＰスペクトラムの方がＤＮスペクトラムより低く設定される。対象ピークに対応する反射点が自車両から離隔中である場合、周波数ビンの範囲は、ＵＰスペクトラムの方がＤＮスペクトラムより高く設定される。これは、ドップラシフトによりアップチャープで検出される周波数とダウンチャープで検出される周波数との大小関係が変化するＦＭＣＷの特性に基づく。但し、対象ピークに対応する反射点と自車両との相対速度がゼロである場合、２ＦＣＷでのピークは、低周波ノイズに埋もれて検出できないため、ＦＭＣＷのピークとのマッチングが不能となる。この場合、ＦＭＣＷの中だけで、すなわち、ＵＰスペクトラムのピークとＤＮスペクトラムのピークとのマッチングが行われる。

以下では、ＸＸスペクトラム上のピークをＸＸピークという。但し、ＸＸは、ＭＦ－ＦＦＴ、ＵＰ－ＦＦＴ、ＤＮ－ＦＦＴ、ＭＦ、ＵＰ、及びＤＮのいずれかを表す。
そして、ＭＦピークに対応するＵＰピーク及びＤＮピークがいずれも抽出された場合の瞬時値を（ＭＦ，ＵＰ，ＤＮ）で表す。ＭＦピークに対応するＵＰピークのみが抽出された場合の瞬時値を（ＭＦ，ＵＰ）で表す。ＭＦピークに対応するＤＮピークのみが抽出された場合の瞬時値を（ＭＦ，ＤＮ）で表す。

更に、ＭＦピークを用いることなく、ＵＰピークとＤＮピークとを用いて、ＦＭＣＷレーダにおける公知の手法を用いて抽出される瞬時値を（ＵＰ，ＤＮ）で表す。
続くＳ１９０では、処理ユニット７０は、Ｓ１８０で生成された瞬時値を用いて、トラッキングを実行することにより物標を検出する。トラッキングでは、前回の処理サイクルで検出されている物標及び物標候補（以下、物標等）から、今回の処理サイクルで物標等が検出されることが予測される距離及び方位（以下、予測位置）を算出する。また、瞬時値からその瞬時値により表される反射点（以下、ピーク対応点）の距離及び方位（以下、検出位置）を算出する。そして、予測位置と検出位置との差が予め設定された許容範囲内にあれば、物標等と瞬時値とは、同一の対象からの反射であると対応付け、履歴接続を実施する。そして、どの物標にも対応づけることができなければ、新規に検出された履歴接続がない瞬時値であるとして、その瞬時値を新たな物標候補とする。また、物標候補は、所定回の処理サイクルに渡って履歴接続が確認された場合に、正式な物標として認識される。

続くＳ２００では、処理ユニット７０は、自車両が走行している周囲の状況が特定環境であるか否かを判定する環境判定処理を実行する。環境判定処理の詳細については後述する。

続くＳ２１０では、処理ユニット７０は、Ｓ２００での環境判定処理の結果、特定環境であると判定した場合は、処理をＳ２２０に移行し、特定環境ではないと判定した場合は、処理をＳ２３０に移行する。

Ｓ２２０では、処理ユニット７０は、物標等毎に、その物標等が虚像であるか否かを判定し、判定結果に従って虚像フラグを設定して、処理をＳ２３０に進める。物標等が虚像であるか否かの判定は、例えば、物標等及びその物標等と履歴接続のある瞬時値に対応づけられる情報から一つ以上の特徴量を抽出し、環境判定処理と同様の手法を用いて確率的に判定してもよい。

Ｓ２４０では、処理ユニット７０は、Ｓ１９０にて検出された物標に関する推定値（ｘ，ｙ，Ｖｘ，Ｖｙ）を生成し、出力ユニット８０を介して運転支援ＥＣＵ１００に出力して、処理を終了する。推定値には、虚像フラグＦが含まれてもよい。

なお、運転支援ＥＣＵ１００では、推定値に虚像フラグＦが含まれる場合、例えば、虚像フラグを警報オンオフ情報として用い、虚像フラグＦがオンに設定された推定値（すなわち、物標）については、警報、ブレーキシステム、及びステアリングシステム等を制御する対象から除外してもよい。なお、虚像フラグＦは、その他の種々の制御に用いてもよい。

物標検出処理において、Ｓ１１０～Ｓ１６０がスペクトラム生成部に相当し、Ｓ１７０がピーク抽出部に相当する。
［１－２－２．特徴量／肯定分布／否定分布］
処理ユニット７０が、先のＳ２００で実行する環境判定処理について説明する前に、環境判定処理で使用する特徴量、肯定分布、否定分布、肯定確率、及び否定確率について説明する。

特徴量は、ＭＦスペクトラム、ＵＰスペクトラム及びＤＮスペクトラムから抽出される情報、並びに、これらのスペクトラムを生成する過程で得られるＭＦ－ＦＦＴスペクトラム、ＵＰ－ＦＦＴスペクトラム、ＤＮ－ＦＦＴスペクトラムから抽出される情報である。また、これらの情報を組み合わせて演算することによって得られる情報を用いてもよい。ここでは、１０個の特徴量について説明する。１０個の特徴量を第１～第１０特徴量Ｄ１～Ｄ１０という。

また、図５に示すように、ＦＦＴスペクトラム及び２次元スペクトラムにおいて、予め設定された周波数閾値以上の領域を判定エリアという。周波数閾値は、自車速、即ち、レーダ装置１０を搭載する移動体の移動速度に応じて設定される。これは、停止物が自車速相当の相対速度を有することからわかるように、ＦＭＣＷのスペクトラムでは、相対速度に応じて判定エリアとすべき周波数帯がオフセットするためである。なお、自車が前進し、停止物がレーダ装置１０の設置位置より後方で検出される場合、停止物は正の相対速度を有する。また、停止物がレーダ装置１０の設置位置より前方で検出される場合、停止物は負の相対速度を有する。また、周波数閾値は、自車の近傍かつ側方に位置する路側物等からの反射電力が判定エリアに混入しない程度に高い周波数に設定される。これは、自車後方の遠距離に位置する停止物は自車の真後に近い方向で検出されるが、自車の近傍かつ側方に位置する停止物は、真横方向にて検出されるためである。
更に、判定エリアで検出されるピークを、判定用ピークという。この周波数閾値に対応づけられる距離が閾値距離に相当する。

第１特徴量Ｄ１は、２次元スペクトラム上の判定用ピークの総数である。
第２特徴量Ｄ２は、２次元スペクトラム上の判定用ピークの平均電力である。
第３特徴量Ｄ３は、２次元スペクトラム上の判定用ピークの電力分散である。

第４特徴量Ｄ４は、２次元スペクトラム上の判定用ピークの平均方位である。
第５特徴量Ｄ５は、２次元スペクトラム上の判定用ピークの方位分散である。
第６特徴量Ｄ６は、ＦＦＴスペクトラム上の判定用ピーク毎に、方位展開によって１個の判定用ピークから、２次元スペクトラム上で分離される判定用ピークの数の平均値（以下、平均到来波数）である。

第７特徴量Ｄ７は、ＦＦＴスペクトラム上の判定用ピークの平均電力である。
第８特徴量Ｄ８は、ＦＦＴスペクトラム上の判定用ピークの電力分散である。
第９特徴量Ｄ９は、ＦＦＴスペクトラムのノイズフロアに対する電力比（すなわち、Ｓ／Ｎ）である。

第１０特徴量Ｄ１０は、ＦＦＴスペクトラムのノイズフロアに対する電力比の分散である。
ここでは、第４特徴量Ｄ４で用いる判定用ピークの方位は、自車両の後正面方向に対する差分を用いる。但し、第４特徴量Ｄ４として、後正面方向に対する差分の代わりに、単純に、判定用ピークの方位を用いてもよい。また、第３特徴量Ｄ３、第５特徴量Ｄ５、第８特徴量Ｄ８及び第１０特徴量Ｄ１０は、実際には分散そのものではなく、分散の逆数に係数を乗じた値が用いられる。また、ここでは、２次元スペクトラムから抽出する特徴量として、判定用ピークの平均電力及び電力分散が例示されているが、第９特徴量Ｄ９及び第１０特徴量と同様に、単なる平均電力及び電力分散の代わりに、ノイズフロアに対する電力比及び電力分散を用いてもよいし、判定用ピークの代わりに２次元スペクトラムを用いてもよい。電力、電力比、及び電力分散を算出する対象としてピークの代わりにスペクトラムを用いた場合、スペクトラムではピーク以外の電力も用いる点が異なる。第１特徴量Ｄ１では、２次元スペクトラム上の判定用ピークの総数を用いているが、ＦＦＴスペクトラム上の判定用ピークの総数を用いてもよい。

そして、第ｉ特徴量Ｄｉが取得されたときに、自車両が特定環境を走行中である確率を表す分布を肯定分布とし、自車両が特定環境以外の非特定環境を走行中である確率を表す分布を否定分布とする。肯定分布及び否定分布は、移動体を走行させて事前に収集した特徴量に基づき、その特徴量が特定環境及び非特定環境のいずれで取得されたかを手動で対応づけた結果を学習データとして、この学習データに基づいて生成される。

肯定分布は、特定環境を走行中に収集される多数の第ｉ特徴量Ｄｉを用いてヒストグラムを生成し、正規分布に則る特徴量であれば、更に正規分布を求めることで生成される。同様に、否定分布は、非特定環境を走行中に収集される多数の第ｉ特徴量Ｄｉを用いてヒストグラムを生成し、正規分布に則る特徴量であれば、更に正規分布を求めることで生成される。つまり、肯定分布及び否定分布を用いて確率を算出する場合、正規分布に則る特徴量であれば正規分布を用いて算出が行われ、正規分布に則らない特徴量であればヒストグラムを用いて算出が行われる。図６～図１１には、第１特徴量Ｄ１～第１０特徴量Ｄ１０のヒストグラムを例示する。特に第１特徴量Ｄ１及び第２特徴量Ｄ２については、正規分布も例示する。

肯定確率Ｐ（Ｐ）は、走行中に特定環境が出現する確率であり、否定確率Ｐ（Ｎ）は、走行中に非特定環境が出現する確率である。
第１特徴量Ｄ１～第１０特徴量Ｄ１０のそれぞれについて生成された肯定分布及び否定分布、並びに、肯定確率Ｐ（Ｐ）及び否定確率Ｐ（Ｎ）は、メモリ７２に記憶される。メモリ７２において、肯定分布及び否定分布を記憶する領域が分布記憶部に相当する。

［１－２－３．環境判定処理］
処理ユニット７０が実行する環境判定処理を、図１２のフローチャートを用いて説明する。

Ｓ４１０では、処理ユニット７０は、先のＳ１７０で検出される対象ピークのうち、判定エリアに属する判定用ピークに基づいて、第１特徴量Ｄ１～第１０特徴量Ｄ１０を算出する。各特徴量の算出には、予め設定されたいずれか一つのＦＦＴスペクトラム又は２次元スペクトラムを用いてもよいし、複数のＦＦＴスペクトラム又は２次元スペクトラムを用いてもよい。複数のスペクトラムを用いる場合は、スペクトラム毎に特徴量を算出してもよいし、各スペクトラムでの算出値の平均を特徴量としてもよい。

続くＳ４２０では、処理ユニット７０は、第１特徴量Ｄ１～第１０特徴量Ｄ１０のそれぞれについて、特定環境確率Ｐ（Ｄｉ｜Ｐ）及び非特定環境確率Ｐ（Ｄｉ｜Ｎ）を算出する。具体的には、メモリ７２に記憶された肯定分布及び否定分布から、Ｓ４１０で算出された第ｉ特徴量Ｄｉの値に対応する確率を読み取る。

続くＳ４３０では、処理ユニット７０は、（１）～（３）式に従って、統合確率ＰＰを算出する。この式では、特定環境確率Ｐ（Ｄｉ｜Ｐ）及び非特定環境確率Ｐ（Ｄｉ｜Ｎ）が独立した事象であると仮定してベイズ推定を適用するナイーブベイズを用いて、自車両が走行中の環境が特定環境である確率を算出する。

（２）式は、全ての特徴量Ｄ１～Ｄ１０についての特定環境確率Ｐ（Ｄｉ｜Ｐ）を合成した確率を表し、（３）式は、全ての特徴量Ｄ１～Ｄ１０について非特定環境確率Ｐ（Ｄｉ｜Ｎ）を合成した確率を表す。但し、（２）式及び（３）式の代わりに、（４）式及び（５）式を用いることで、演算量を削減すると共に、ソフトウェア上の桁落ちを抑制してもよい。

続くＳ４４０では、処理ユニット７０は、Ｓ４３０にて算出された統合確率ＰＰが、予め設定された閾値ＴＨより大きいか否かを判定する。統合確率ＰＰが閾値ＴＨより大きければ、処理をＳ４５０に移行し、統合確率ＰＰが閾値ＴＨ以下であれば、処理をＳ４６０に移行する。なお、閾値ＴＨは、非特定環境が特定環境であると誤判定される確率が可能な限り小さくなるように、実験等によって決定される。

Ｓ４５０では、処理ユニット７０は、自車が走行中の環境は特定環境であると判定して、環境判定処理を終了する。
Ｓ４６０では、処理ユニット７０は、自車が走行中の環境は非特定環境であると判定して、環境判定処理を終了する。

環境判定処理において、Ｓ４１０が特徴量算出部に相当し、Ｓ４２０～Ｓ４６０が環境判定部に相当する。
［１－３．効果］
以上詳述した第１実施形態によれば、以下の効果を奏する。

（１ａ）レーダ装置１０は、複数の変調方式による受信信号から算出されるＦＦＴスペクトラム、及び２次元スペクトラムから複数の特徴量Ｄ１～Ｄ１０を抽出する。そして、各特徴量Ｄ１～Ｄ１０について算出される特定環境確率Ｐ（Ｄｉ｜Ｐ）及び非特定環境確率Ｐ（Ｄｉ｜Ｎ）を統合した統合確率ＰＰを用いて、自車両が特定環境下にあるか否かを判定する。このため、レーダ装置１０によれば、特徴量Ｄ１～Ｄ１０によって表現される複数の要素を考慮して特定環境であるか否かを判定できるため、判定精度を向上させることができる。その結果、特定環境下にあるときだけゴースト判定を実施させることができ、レーダ装置１０の処理負荷を軽減できる。

（１ｂ）レーダ装置１０では、特定環境確率Ｐ（Ｄｉ｜Ｐ）及び非特定環境確率Ｐ（Ｄｉ｜Ｎ）を統合する際に、各事象が独立であると仮定するナイーブベイズの手法を利用している。このため、特徴量Ｄｉの追加削除を簡単に行うことができ、特定環境下にあるか否かの判定精度を適宜調整できる。

（１ｃ）レーダ装置１０では、統合確率ＰＰを評価する閾値ＴＨを、非特定環境を特定環境であると誤判定されることが可能な限り抑制されるように設定される。つまり、非特定環境であるにも関わらずゴーストを除去する処理が実施されると、実在する物標をゴーストとして誤判定して、危険を見逃す可能性があるが、このような事態が発生することを抑制できる。逆に言えば、特定環境を非特定環境と誤判定しても、ゴーストが除去されず、ゴーストの基づく誤警報が増えるだけで、危険を見逃すことはないため、これらを考慮して閾値ＴＨは、安全側に設定される。ただし、閾値ＴＨは、走行環境、自車速、舵角等のオドメトリ情報、及び走行環境に応じて可変設定されてもよい。

［２．第２実施形態］
［２－１．第１実施形態との相違点］
第２実施形態は、基本的な構成は第１実施形態と同様であるため、相違点について以下に説明する。なお、第１実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。

第１実施形態では、特定環境の判定に統合確率ＰＰを用いる。これに対し、第２実施形態では、ログベイズ比を用いる点で、第１実施形態と相違する。つまり、環境判定処理の内容が一部相違する。

［２－２．処理］
処理ユニット７０が、図１２に示した第１実施形態の環境判定処理に代えて実行する第２実施形態の虚像判定処理について、図１３のフローチャートを用いて説明する。なお、Ｓ４１０～Ｓ４２０及びＳ４５０～Ｓ４６０の処理は、第１実施形態での処理と同様であるため、説明を省略する。

Ｓ４２０に続くＳ４３２では、処理ユニット７０は、（６）（７）式に従って、ログベイズ比ＬＢを算出する。但し、ｌｏｇＰ（Ｄ｜Ｐ）及びｌｏｇＰ（Ｄ｜Ｎ）は、前述の（４）（５）式を用いて算出する。

LB＝TH＋log P(D|P)－log P(D|N) （６）
TH＝log P(P)－log P(N)＋Ａ （７）
（７）式におけるＡは、実験的に設定される定数であり、０であってもよい。ＴＨは、閾値であり、ＬＢが正値であれば特定環境、ＬＢが負値であれば非特定環境と判定できるように設定される。

続くＳ４３４では処理ユニット７０は、ログベイズ比ＬＢに対して、値の急激な変化を抑制するフィルタ処理を実行する。なお、Ｓ４３２にて算出されたログベイズ比をＬＢ［ｎ］、フィルタ処理後のログベイズ比をＬＢｆ［ｎ］、前回の処理サイクルで算出されたフィルタ処理後のログベイズ比をＬＢｆ［ｎ－１］で表す。また、係数αは、０＜α≦１の実数である。フィルタ処理では、（８）式に示す演算を実行する。フィルタ処理後のログベイズ比ＬＢｆ［ｎ］を、単にログベイズ比ＬＢｆとも表記する。

ＬＢｆ［ｎ］＝α×ＬＢ［ｎ］＋（１－α）ＬＢｆ［ｎ－１］ （８）
続くＳ４４２では、処理ユニット７０は、ログベイズ比ＬＢｆが０より大きいか否かを判定する。ログベイズ比ＬＢｆが０より大きければ、自車が走行中の環境は特定環境であるとして、処理をＳ４５０に移行し、ログベイズ比ＬＢｆが０以下であれば、自車が走行中の環境は非特定環境であるとして、処理をＳ４６０に移行する。

［２－３．動作例］
図１４及び図１５は、いずれも、上側のグラフが（４）式によって算出されるゴースト確率ＰＧを示す。また、下側のグラフが（６）式によって算出されるフィルタ処理前のログベイズ比ＬＢ、及び（８）式によって算出されるフィルタ処理後のログベイズ比ＬＢｆを、処理サイクル毎にプロットした結果を示す。なお、図１４は、自車が走行する環境が非特定環境である場合、図１５は、自車が走行する環境が特定環境である場合を示す。

図１４に示すように２５番目の処理サイクルでは、外乱により、非特定環境下であるにも関わらず、統合確率ＰＰが５０％を超える大きな値となると共に、ログベイズ比ＬＢが正値となる。つまり、統合確率ＰＰやフィルタ処理前のログベイズ比ＬＢを用いて特定環境であるか否かの判定を行った場合に、誤った判定結果が得られる可能性がある。これに対して、フィルタ処理後のログベイズ比ＬＢｆは負値のままであり、正しい判定結果が得られる。

なお、（７）式のパラメータＡを調整することで、閾値ＴＨを変化させることができる。例えば、Ａ＝０に設定した場合、特定環境を非特定環境であると誤判定する確率と、逆に非特定環境を特定環境であると誤判定する確率とが等しくなる。

例えば、車載システム１が、自車に接近する物標に対して警報を発生させるシステムとして作動する場合を考える。この場合、非特定環境（例えば、一般道）を特定環境（例えば、トンネル）であると誤判定してシステムが無駄に作動するより、特定環境を非特定環境であると誤判定してシステムが作動しない方が、より問題である可能性が高い。つまり、危険がない状況で警報が発生するより、危険がある状況で警報が発生しない方が問題となる。

また、例えば、車載システム１が、物標候補の中からゴースト(すなわち、虚像)を検出して削除した上で、自車に接近する物標に対して警報を発生させるシステムとして作動する場合を考える。この場合、非特定環境を特定環境であると誤判定して、システムが無駄に作動すると、検知すべき物標を不要に削除してしまう可能性がある。

従って、これらの事態が発生することを抑制するために、Ａ＞０に設定すること、すなわち、図１４において、閾値ＴＨをプラス側にシフトさせることで、非特定環境を特定環境であると誤判定する確率をより低下させてもよい。また、車載システム１が実現する処理によっては、逆に、Ａ＜０に設定し、閾値ＴＨをマイナス側にシフトさせることで、特定環境を非特定環境であると誤判定する確率をより低下させてもよい。

［２－４．効果］
以上詳述した第２実施形態によれば、前述した第１実施形態の効果（１ａ）～（１ｃ）を奏し、さらに、以下の効果を奏する。

（２ａ）ログベイズ比ＬＢｆは、今回の処理サイクルで得られたフィルタ処理前のログベイズ比ＬＢ［ｎ］と前回の処理サイクルで得られたフィルタ処理後のログベイズ比ＬＢｆ［ｎ－１］とを、係数αを用いて混合するフィルタ処理を行うことで算出している。このため、外乱により異常なログベイズ比ＬＢ［ｎ］が突発的に算出されたとしても、特定環境であるか否かの判定が直ちに追従することがなく、安定した判定結果を得ることができる。

（２ｂ）ログベイズ比ＬＢｆを用いることで、統合確率ＰＰを用いる場合と比較して、より演算量を削減できる。
（２ｃ）ログベイズ比ＬＢの演算に、閾値ＴＨが組み込まれており、閾値ＴＨの調整も簡易に行うことができる。

［３．第３実施形態］
［３－１．第１実施形態との相違点］
第３実施形態は、基本的な構成は第１実施形態と同様であるため、相違点について以下に説明する。なお、第１実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。

第１実施形態では、特定環境であるか否かを判定するに当たり、メモリ７２に予め記憶された肯定分布及び否定分布を用い、その値は不変である。これに対し、第３実施形態では、メモリ７２に記憶された肯定分布及び否定分布を学習処理によって適宜更新する点で、第１実施形態と相違する。つまり、物標検出処理の内容が一部相違する。

また、本実施形態では、動作モードとして、学習処理を実行する学習モードが存在する。なお、学習処理を実行する前であっても、メモリ７２には、肯定分布及び否定分布の初期値が記憶されているものとする。

［３－２．物標検出処理］
処理ユニット７０が、図３に示した第１実施形態の物標検出処理に代えて実行する第３実施形態の物標検出処理について、図１６のフローチャートを用いて説明する。なお、本実施形態の物標検出処理は、Ｓ１７５及びＳ２４０が追加されている以外は、第１実施形態での処理と同様であるため、この相違点について説明する。

Ｓ１７０に続くＳ１７５では、処理ユニット７０は、レーダ装置１０の動作モードが学習モードであるか否かを判定し、学習モードであれば、処理をＳ２４０に移行し、学習モードでなければ、処理をＳ１８０に移行する。動作モードの設定は、処理ユニット７０の外部に設けられた入力装置からの入力操作によって行われる。

Ｓ２４０では、処理ユニット７０は、学習処理を実行して処理を終了する。なお、学習処理は、特定環境であるか否かの判定に用いる確率分布を生成、更新する処理である。
［３－３．学習処理］
処理ユニット７０が、Ｓ２５０で実行する学習処理を、図１７のフローチャートを用いて説明する。

Ｓ３１０では、処理ユニット７０は、先のＳ１７０で検出される対象ピークのうち、判定エリアに属する判定用ピークに基づいて、第１特徴量Ｄ１～第１０特徴量Ｄ１０を算出する。

各特徴量の算出には、予め設定されたいずれか一つのＦＦＴスペクトラム又は２次元スペクトラムを用いてもよいし、複数のＦＦＴスペクトラム又は２次元スペクトラムを用いてもよい。複数のスペクトラムを用いる場合は、スペクトラム毎に特徴量を算出してもよいし、各スペクトラムでの算出値の平均を特徴量としてもよい。

Ｓ３２０では、処理ユニット７０は、Ｓ３１０にて算出された特徴量を、教師データと対応づけてメモリ７２に記憶する。教師データは、自車両が走行中の環境が特定環境であるか否かを表すデータであり、学習モードのときに、例えば、車両の乗員が特定環境であるか非特定環境であるかを判断した結果を、逐次、処理ユニット７０に対して入力することで設定される。また、ナビ、カメラ、及び衛星測位システム（例えば、ＧＰＳ）等からどのような環境を走行しているのかを判定できる装置がシステムに含まれている場合（例えば、データ収集専用の車両である場合）は、それらの装置から教師データが取得されてもよい。なお、教師データに対応づけられた特徴量（以下、教師データ付き特徴量）は、図６～図１１中のヒストグラムに示すように、特徴量毎かつ教師データ（即ち、特定環境か否か）毎に蓄積される。

続くＳ３３０では、処理ユニット７０は、更新タイミングであるか否かを判定し、更新タイミングであれば、処理をＳ３４０に移行し、更新タイミングでなければ、処理を終了する。更新タイミングは、Ｓ３２０の処理によりメモリ７２に蓄積された教師データ付き特徴量が、肯定分布及び否定分布の生成，更新に必要な数に達していることを保証するタイミングであればよい。

Ｓ３４０では、処理ユニット７０は、蓄積された教師データ付き特徴量に基づいて、特徴量の種類毎に肯定分布及び否定分布を生成すると共に、肯定確率Ｐ（Ｐ）及び否定確率Ｐ（Ｎ）を生成する。具体的には、図６～図１１中のヒストグラムに示された特徴量の分布を、正規分布で表すことで、図６及び図７中に示すような肯定分布及び否定分布が生成される。図８～図１１のヒストグラムについても、図示は省略するが、同様にして肯定分布及び否定分布が生成される。肯定確率Ｐ（Ｐ）及び否定確率Ｐ（Ｎ）は、特定環境下で収集された特徴量の数、及び非特定環境下で収集された特徴量の数をそれぞれ集計した結果を用いて算出される。但し、肯定確率Ｐ（Ｐ）及び否定確率Ｐ（Ｎ）は、固定値であってもよい。

続くＳ３５０では、処理ユニット７０は、Ｓ３４０にて生成された肯定分布及び否定分布によって、メモリ７２に記憶されている肯定分布及び否定分布を更新して、処理を終了する。

図６～図１１に示すように、第１特徴量Ｄ１、第４特徴量Ｄ４～第６特徴量Ｄ６，第８特徴量Ｄ８、及び第１０特徴量Ｄ１０については、非特定環境より特定環境の方が小さな値となる傾向がある。また、第２特徴量Ｄ２、第７特徴量Ｄ７、及び第９特徴量Ｄ９については、非特定環境より特定環境の方が大きな値となる傾向がある。

なお、図８に示すように、第４特徴量Ｄ４として、後方正面方向に対するピークの方位差の平均を用いているが、第４特徴量Ｄ４の代わりに、又は第１～第８特徴量Ｄ１～Ｄ８に加えて、ピークの平均方位を用いてもよい。

学習処理において、Ｓ３１０が特徴量算出部に相当し、Ｓ３２０が収集部に相当し、Ｓ３３０～Ｓ３５０が学習部に相当する。
［３－４．効果］
以上詳述した第３実施形態によれば、前述した第１実施形態の効果（１ａ）～（１ｃ）を奏し、さらに、以下の効果を奏する。

（３ａ）学習モードを用いることで、メモリ７２に記憶されている肯定分布及び否定分布を更新できるため、特定環境であるか否かの判定精度を、逐次、向上させることができる。

［４．他の実施形態］
以上、本開示の実施形態について説明したが、本開示は前術の実施形態に限定されることなく、種々変形して実施することができる。

（４ａ）上記実施形態では、環境判定処理を、第１～第１０特徴量Ｄ１～Ｄ１０を用いて行っているが、本開示は、これに限定されるものではない。例えば、車載カメラの画像から得られる自車両周囲の情報や、自車両の位置情報と地図情報とを用いて得られる情報を組み合わせて、特定環境であるか否かを判定するように構成されてもよい。

（４ｂ）上記実施形態では、ログベイズ比ＬＢの算出に用いる特徴量として、第１～第１０特徴量Ｄ１～Ｄ１０を用いているが、肯定分布と否定分布との間に明確な違いが生じる特徴量であればよい。また、統合確率ＰＰの算出に用いる特徴量の数も、１０個に限定されるものではなく、１～９個でも１１個以上でもよい。

（４ｃ）上記実施形態において、（４）（５）式を用いて、ｌｏｇ確率であるｌｏｇ Ｐ（Ｄ｜Ｐ）及びｌｏｇ Ｐ（Ｄ｜Ｎ）を求めた場合、非常に小さな値になり易い。但し、最終的に算出される統合虚像確率ＰＧは、これらの値の比で求められる。従って、ｌｏｇＰ（Ｄｉ｜Ｒ）及びｌｏｇＰ（Ｄ｜Ｉ）の中で最大値を、ＭＡＸとして、それぞれから最大値を減じた結果を、ｌｏｇ確率として用いてもよい。

（４ｄ）上記実施形態において、レーダ装置１０は、検知範囲内に車両の直進方向に沿った後方向が含まれるように配置されるが、本開示はこれに限定されるものではない。例えば、レーダ装置１０は、検知範囲内に車両の直進方向に沿った前方向が含まれるように配置されてもよい。この場合、特徴量で用いる方位は、例えば、前方正面方向を基準方向に対する方位差として算出してもよい。

（４ｄ）本開示に記載の処理ユニット７０及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の処理ユニット７０及びその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の処理ユニット７０及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されてもよい。処理ユニット７０に含まれる各部の機能を実現する手法には、必ずしもソフトウェアが含まれている必要はなく、その全部の機能が、一つあるいは複数のハードウェアを用いて実現されてもよい。

（４ｅ）上記実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。また、上記実施形態の構成の一部を省略してもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加又は置換してもよい。

（４ｆ）前術したレーダ装置１０の他、当該レーダ装置１０を構成要素とするシステム、当該レーダ装置１０としてコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移的実態的記録媒体、環境判定方法など、種々の形態で本開示を実現することもできる。

１…車載システム、１０…レーダ装置、２０…送信回路、３０…分配器、４０…送信アンテナ、５０…受信アンテナ、５１…アンテナ素子、６０…受信回路、６１…ミキサ、７０…処理ユニット、７１…ＣＰＵ、７２…メモリ、８０…出力ユニット、１００…運転支援ＥＣＵ。

Claims (15)

1. 移動体に搭載されるレーダ装置であって、
   １種類以上の変調方式を用い、各変調方式による変調波をレーダ波として送受信することで得られる信号を解析することで、１次元スペクトラム及び２次元スペクトラムのうち少なくとも一方を生成するように構成されたスペクトラム生成部（７０：Ｓ１１０～Ｓ１６０）と、
   前記変調方式毎に生成される前記１次元スペクトラム及び前記２次元スペクトラムのうち少なくとも一方からピークを抽出するように構成されたピーク抽出部（７０：Ｓ１７０）と、
   前記ピーク抽出部にて抽出された各ピークに対応づけられる情報を用いて、予め決められた一種類以上の特徴量を算出するように構成された特徴量算出部（７０：Ｓ３１０，Ｓ４１０）と、
   前記特徴量毎に予め生成され、前記特徴量が与えられたときに、該特徴量が取得されたときの環境が予め設定された特定環境である確率を表す分布である肯定分布、及び該特徴量が取得されたときの環境が前記特定環境以外の非特定環境である確率を表す分布である否定分布が予め記憶された分布記憶部（７２）と、
   前記特徴量算出部での算出結果から前記肯定分布を用いて特定環境確率を算出すると共に、前記否定分布を用いて非特定環境確率を算出し、前記特徴量毎に算出される前記特定環境確率と前記非特定環境確率とを統合した結果に従って、前記移動体が前記特定環境下にあるか前記非特定環境下にあるかを判定するように構成された環境判定部（７０：Ｓ４２０～Ｓ４６０）と、
   を備え、
   前記特徴量は、前記特定環境で算出された場合と前記非特定環境で算出された場合とで異なった分布形状に従う、
   レーダ装置。
2. 請求項１に記載のレーダ装置であって、
   前記特徴量算出部は、前記ピーク抽出部で抽出されたピークの平均方位を、前記特徴量の一つとして算出する、
   レーダ装置。
3. 請求項１又は請求項２に記載のレーダ装置であって、
   前記特徴量算出部は、前記ピーク抽出部で抽出されたピークの方位の分散を、前記特徴量の一つとして算出する、
   レーダ装置。
4. 請求項２又は請求項３に記載のレーダ装置であって、
   前記特徴量算出部は、前記ピーク抽出部で抽出されたピークの方位として、予め設定された基準方向に対する方位差を用いる、
   レーダ装置。
5. 請求項１から請求項４までのいずれか１項に記載のレーダ装置であって、
   前記特徴量算出部は、前記ピーク抽出部で抽出された複数のピークの平均電力、前記複数のピークのノイズフロアに対する平均電力比、前記複数のピークの電力の分散、及び前記複数のピークのノイズフロアに対する電力比の分散のうち少なくとも一つを、前記特徴量の一つとして算出する、
   レーダ装置。
6. 請求項１から請求項５までのいずれか１項に記載のレーダ装置であって、
   前記特徴量算出部は、前記ピーク抽出部で抽出されたピークの総数を、前記特徴量の一つとして算出する、
   レーダ装置。
7. 請求項１から請求項６までのいずれか１項に記載のレーダ装置であって、
   前記スペクトラム生成部は、前記変調方式の少なくとも１つにて得られる信号に対してＦＦＴを実行することで前記１次元スペクトラムとしてのＦＦＴスペクトラムを生成し、該ＦＦＴスペクトラムを周波数ビン毎に方位展開することで、前記２次元スペクトラムを生成するように構成された、
   レーダ装置。
8. 請求項７に記載のレーダ装置であって、
   前記特徴量算出部は、前記ＦＦＴスペクトラム上で検出される複数のピークの平均電力、前記複数のピークのノイズフロアに対する電力比、前記複数のピークの電力分散、及び前記複数のピークのノイズフロアに対する電力分散のうち少なくとも一つを、前記特徴量の一つとして算出する、
   レーダ装置。
9. 請求項７又は請求項８に記載のレーダ装置であって、
   前記特徴量算出部は、前記ＦＦＴスペクトラムの平均電力、前記ＦＦＴスペクトラムのノイズフロアに対する電力比、前記ＦＦＴスペクトラムの電力分散、及び前記ＦＦＴスペクトラムのノイズフロアに対する電力比の分散のうち少なくとも一つを、前記特徴量の一つとして算出する、
   レーダ装置。
10. 請求項７から請求項９までのいずれか１項に記載のレーダ装置であって、
    前記特徴量算出部は、前記ＦＦＴスペクトラムで抽出されるピークの総数を、前記特徴量の一つとして算出する、
    レーダ装置。
11. 請求項８から請求項１０までのいずれか１項に記載のレーダ装置であって、
    前記特徴量算出部は、前記ＦＦＴスペクトラム上のピークを方位展開したときに、前記ＦＦＴスペクトラム上の１つのピークから、前記２次元スペクトラム上で分離されるピークの数の平均を、前記特徴量の一つとして算出する、
    レーダ装置。
12. 請求項１から請求項１１までのいずれか１項に記載のレーダ装置であって、
    前記特徴量算出部は、前記移動体の移動速度に応じて設定される閾値距離以上で検出されるピークを用いて前記特徴量を算出する、
    レーダ装置。
13. 請求項１から請求項１２までのいずれか１項に記載のレーダ装置であって、
    前記変調方式には、ＦＭＣＷ変調が少なくとも含まれ、
    前記スペクトラム生成部は、前記ＦＭＣＷ変調におけるアップチャープ及びダウンチャープをいずれも前記変調方式の一つとして、少なくとも一方について前記１次元スペクトラムと前記２次元スペクトラムとを生成する
    レーダ装置。
14. 請求項１から請求項１３までのいずれか１項に記載のレーダ装置であって、
    前記変調方式には多周波ＣＷ変調またはＦＣＭ変調が少なくとも含まれる
    レーダ装置。
15. 請求項１から請求項１４までのいずれか１項に記載のレーダ装置であって、
    前記特徴量算出部にて算出された前記特徴量を、前記特徴量が取得されたときの環境が前記特定環境であるか前記非特定環境であるかを示す教師データに対応づけて収集する収集部（７０：Ｓ３１０～Ｓ３２０）と、
    予め設定された更新タイミングに従って、前記収集部によって収集された前記特徴量を用いて、前記肯定分布及び前記否定分布を生成し、前記分布記憶部の記憶内容を更新する学習部（７０：Ｓ３３０～Ｓ３５０）と、
    を更に備えるレーダ装置。

Images