本論文では、FMCWレーダーシステムのためのFFT-MUSIC法に基づくレンジ・ドップラー・イメージング法を提案する。車載レーダにおける車両や人物の動き認識の重要性が高まる中、従来のディープラーニングネットワークを用いた認識手法は、従来のレーダが提供する距離、速度、角度情報のみに依存するため、認識精度が低下している。そのため、最近では様々なタイプの画像レーダー法が提案されている。その中でも、レンジドップラーイメージングアルゴリズムが広く用いられている。このアルゴリズムは、車両や人の距離特性と速度特性の両方を同時に解析することができる。しかし、FFTアルゴリズムに基づく従来のレンジドップラーイメージングでは分解能に限界があり、ターゲットの詳細な情報を得ることができません。FFTアルゴリズムは多くのアプリケーションで広く使用されていますが、その低解像度特性は詳細な情報を提供する能力を制限する可能性があります。特に、速度分解能を向上させるには、かなりの量のデータを抽出する必要があることが多い。この問題に対処するため、本論文ではFFT-MUSICに基づくレンジドップラーイメージング法を提案する。この手法はRemcom社のWaveFarer®ソフトウェアパッケージを用いてシミュレーションされました。提案されたアルゴリズムは、従来のFFT法ではレンジと速度が近すぎて解像できないいくつかのケースにおいて、2台の移動車両を効果的に識別することができる。提案アルゴリズムは、従来のアルゴリズムの約2倍の速度分解能を向上させることが確認できる。さらに、屋内環境において、提案アルゴリズムは屋内マルチパスの詳細な表現を提供し、従来のアルゴリズムを凌駕する。提案手法によって提供される高解像度レーダーイメージングは、ターゲット認識の向上を可能にし、その結果、実用的なアプリケーションにおける全体的な性能を向上させる。
