[論文レビュー] Cognitive Radars: A Reality?

Maria Greco, Fulvio Gini+2 more|arXiv (Cornell University)|Feb 28, 2018

Radar Systems and Signal Processing参考文献 45被引用数 4

ひとこと要約

この論文は、環境状態にリアルタイムで適応する認知レーダーシステムを検討し、アクティブおよびパassingレーダーの両方に認知的原則を適用する。干渉が強い周波数帯域では動的波形適応を提案し、パassingレーダーではソース・オブ・オポチュニティの選択を実施し、環境からの学習と適応的センシングによりミッション目標を最適化することで、実現可能性と性能向上を示している。

ABSTRACT

This paper describes some key ideas and applications of cognitive radars, highlighting the limits and the path forward. Cognitive radars are systems based on the perception-action cycle of cognition that sense the environment, learn from it relevant information about the target and the background, then adapt the radar sensor to optimally satisfy the needs of their mission according to a desired goal. The concept of cognitive radar was introduced originally for active radar only. In this paper we describe how this paradigm can be applied also to passive radar. In particular, we describe (i) cognitive active radars that work in a spectrally dense environment and change the transmitted waveform on-the-fly to avoid interference with the primary user of the channel, such as broadcast or communication systems, (ii) cognitive active radars that adjust transmit waveform parameters to achieve a specified level of target tracking performance, and (iii) cognitive passive radars, that contrary to the active radars cannot directly change the transmitted waveforms, but can instead select the best source of opportunity to improve detection and tracking performance.

研究の動機と目的

• 認知的レーダーシステムの実現可能性を調査する。このシステムは、リアルタイムで環境認識、学習、適応的行動を統合する。
• 認知レーダーのパラダイムをアクティブレーダーからパassingレーダーシステムへ拡張する。
• スペクトルの混雑状態を解消するため、認知アクティブレーダーが主なユーザー（放送・通信システムなど）との干渉を回避できるようにする。
• 送信波形パラメータの動的調整により、ターゲット追跡性能を最適化する。
• 環境学習に基づき、最良の利用可能なソース・オブ・オポチュニティを選択することで、パassingレーダーの検出および追跡性能を向上させる。

提案手法

• 認知アクティブレーダーは、リアルタイムのスペクトルセンシングにより主ユーザーを検出し、干渉を回避するため動的波形再構成を実行する。
• 帯域幅、中心周波数、パルス圧縮などの波形パラメータは、環境フィードバックとミッション目標に基づいて調整される。
• レーダーが環境をセンシングし、ターゲットおよび背景の特徴を学習し、それに応じて送信戦略を適応させる、知覚-行動サイクルが実装される。
• パassingレーダーでは、信号強度、ドップラー、指向性を基に、最適なインスパイラー・オブ・オポチュニティ（例：テレビまたはラジオ信号）を選択する学習が行われる。
• 認知エンジンは機械学習および最適化技術を用い、環境データを最適なレーダー設定にマッピングする。
• 追跡精度と検出性能に基づき、波形およびソース選択を継続的に最適化するフィードバックループが統合される。

実験結果

リサーチクエスチョン

• RQ1 認知レーダーの原則は、アクティブレーダーからパassingレーダーシステムへ効果的に拡張可能か？
• RQ2 認知アクティブレーダーは、スペクトルが密集した環境において、主ユーザーとの干渉を回避するため、どのように波形を動的に適応させるか？
• RQ3 パassingレーダーにおいて、検出および追跡性能を最大化するために、最適なソース・オブ・オポチュニティの選定にどのような基準を設けるべきか？
• RQ4 リアルタイム学習と適応は、認知レーダーシステムにおけるターゲット追跡精度をどの程度向上させるか？
• RQ5 認知レーダーを実用的技術として実現するにあたり、実装上の制限および課題は何か？

主な発見

• 認知アクティブレーダーは、リアルタイムスペクトルセンシングに応じて波形を動的再構成することで、主ユーザーとの干渉を効果的に回避できる。
• 適応的波形制御により、変化する環境条件や干渉レベル下でも一貫したターゲット追跡性能を維持できる。
• パassingレーダーでは、信号品質およびターゲットジオメトリに基づき、最も適したインスパイラー・オブ・オポチュニティを知的に選択することで、検出および追跡性能が向上する。
• 閉ループシステムにおける知覚、学習、行動の統合は、レーダーシステムの適応性とミッション効果性を顕著に向上させる。
• 本論文は、認知レーダーが理論的に妥当であるだけでなく、実用的にも実現可能であることを確認しており、アクティブおよびパassingレーダーアーキテクチャへの実装に明確な道筋が示されている。