シラバス参照

講義概要/Course Information

2024/07/19 現在

科目基礎情報/General Information

授業科目名 /Course title (Japanese)	センサ信号処理学特論
英文授業科目名 /Course title (English)	Advanced Signal Processing of Sensor Systems
科目番号 /Code
開講年度 /Academic year	2024年度	開講年次 /Year offered	全学年
開講学期 /Semester(s) offered	後学期	開講コース・課程 /Faculty offering the course	博士前期課程、博士後期課程
授業の方法 /Teaching method	講義	単位数 /Credits	2
科目区分 /Category	大学院専門教育科目 - 専門科目Ⅱ
開講類・専攻 /Cluster/Department	機械知能システム学専攻
担当教員名 /Lecturer(s)	秋田　学
居室 /Office	西8-609（秋田）
公開E-mail /e-mail	akita.manabu@uec.ac.jp
授業関連Webページ /Course website	特になし
更新日 /Last update	2024/03/18 16:50:23	更新状況 /Update status	公開中 /now open to public

講義情報/Course Description

主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters）	センサシステムの具体例としてレーダ（Radar)をとりあげ，そこで用いられている代表的な信号処理手法の原理，アルゴリズム，適用制約条件など実システムを踏まえた演習問題に取り組む． 本講義では，信号処理は確率論、信号解析、スペクトル解析、フィルタ理論、信号検出理論、適応信号処理，超分解能信号処理な広範囲な内容が含まれている．これら信号処理技術の実センサシステムへの応用例を知り，それぞれの信号処理技術の特性を理解しつつ体系的に修得することを目標とする．   As a specific example of a sensor system, we pick up the radar system in this class. In this class we will deal with the principle, algorithm, and application constraint conditions of the typical signal processing method based on the real operating system.   The signal processing includes the contents associated with a wide variety of subjects such as probability theory, signal analysis, spectrum analysis, filter theory, signal detection theory, adaptive signal processing, and super resolution signal processing technique. The goal of this class is to learn the applications of these signal processing techniques in actual sensor systems, and to understand the characteristics of each signal processing technique.
前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters）	電磁気学学および演習、計測システム工学、信号処理学 Electromagnetism Fundamentals，Instrumentation Engineering，Signal Processing
前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters）	確率統計、プログラミング演習、基礎制御工学および演習 Probability and Statistics，Computer Programming and Applications，Control Engineering Theory and Practice
教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters）	特になし /None 講義に使うスライドを公開する．
授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters）	英語タイプCc：説明：日本語／教材・資料：日本語 １．ガイダンス、レーダの概要 レーダの起源や、基本的動作原理を概説し、レーダの利点、また微弱電力検出の難しさ等を説明する。 ２．レーダ方程式、最大探知距離 レーダの送信電力等から、目標が探知可能となる最大探知距離計算法を講義する。またそれを習得するための演習を行う。 ３．確率密度 レーダ受信信号から、目標の有無を自動的に判断する(CFAR)ためには、雑音電力の確率密度分布が重要となる。確率密度の基礎と、確率変数の和やルートを取るなどの変換後の確率分布の導出法について演習を行う。 ４．CWレーダのドップラ周波数の推定 レーダにおける距離、速度、角度の計測は、周波数ステップ方向、パルス繰り返し、方向アレーアンテナ素子方向の計測信号のフーリエ変換により求められる。フーリ級数、複素フーリエ級数、フーリエ変換、離散フーリエ変換等の理論を復習し、速度推定等への利活用等の実例について演習を行う。 ５．位相差を用いるレーダによる距離推定 ２周波CWレーダを例にして，速度推定・距離推定の実例について演習を行う。 ６．自己相関→パワースペクトル、畳込み積分→パルス圧縮 周波数拡散されたレーダ送信から、距離が局在した短パルスを得るレーダがパルス圧縮レーダ（通信では同種の処理を逆拡散と呼ばれる）である。パルス圧縮は、送信波と受信波の自己（相互）相関であり、畳込み積分（実際には周波数軸状の積）として計算される。これら一連のパルス圧縮レーダの基礎について演習を行う。 ７．角度推定法、超分解能スペクトル推定（MUSIC） 超分解能スペクトル推定法としてMUSIC法を概説し、フーリエ変換（FFT法）とスペクトル推定分解能の差異等について演習を行う。 ８．最尤推定法、圧縮センシング 超分解能スペクトル推定法として，最尤推定法と圧縮センシングを概説する。MUSIC法との差異について演習を行う。   As a specific example of a sensor system, we pick up the radar system in this class. In this class we will deal with the principle, algorithm, and application constraint conditions of the typical signal processing method based on the real operating system.   The signal processing includes the contents associated with a wide variety of subjects such as probability theory, signal analysis, spectrum analysis, filter theory, signal detection theory, adaptive signal processing, and super resolution signal processing technique. The goal of this class is to learn the applications of these signal processing techniques in actual sensor systems, and to understand the characteristics of each signal processing technique. 1. Guidance, radar overview The origin of radar, the basic principle, the advantages of radar and the difficulty of detecting weak power is explained. 2. Radar equation, maximum detection range The calculation method for the maximum detection range of the target from the transmission power of the radar and range is explained. The method is learned through exercises. 3. Probability density The probability density distribution of noise power is important for automatic detection of targets (CFAR) from the radar received signal. The basics of probability density and derivation of the probability distribution after conversion such as summing and taking roots. The basics of probability density and derivation of the probability distribution is also learned through exercises. 4. Spectrum estimation by Fourier transform (Pulse Doppler filter) The range, velocity, and angle of the target are estimated by Fourier transform of received signals in frequency step direction, pulse repetition direction, and array element direction. We will review the theories of the Fourier series, complex Fourier series, Fourier transform, discrete Fourier transform, etc., The utilization of Fourier transform for velocity estimation is learned through exercises. 5. Range Estimation by Radar using Phase Difference Target velocity and range estimation using two-frequency CW radar is learned through exercises. 6. Autocorrelation （power spectrum）and  Convolution（pulse compression） A radar that obtains a short pulse associated with the target range from a spread spectrum transmission is pulse compression radar. Pulse compression is a cross-correlation of transmitted and received signals and is calculated as a convolution (actually a product of frequency domain). Exercises will be conducted on the basics of these series of pulse compression radars. 7. Angle estimation method, super-resolution spectrum estimation (MUSIC) MUSIC method as a super-resolution spectral method is explained. The difference of resolution between the Fourier transform (FFT method) and super-resolution spectrum is learned through exercises. 8.Maximum Likelihood Estimation and Compressed Sensing As super-resolution spectral estimation methods, an overview of Maximum Likelihood Estimation and Compressed Sensing are also explained. The differences between MUSIC and these methods will be learned through exercises.
実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience
授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters）	ディジタル信号処理を復習しておくこと Review of digital signal processing will help you.
成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters）	(a)評価方法 課題を出し、レポートを提出する。レポートでは講義で学んだ信号処理技術が応用された実センサシステムの一例を示して，同センサの性能を信号処理の観点から説明する課題を課し，理解度を評価する． (b)評価基準 レポートによる評価点を100満点に換算して60点を合格最低ラインとする． (c)到達レベル センサシステムにおける探知距離計算、信号検出論、高分解能スペクトル推定法を用いた信号処理の基礎を理解し、演習課題により活用できるレベルに到達することを目指す。 It will be judged whether the contents of the subjects above are understood. The passing mark is 60%.
オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters）	適宜相談に応じる
学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters）	レーダ信号処理技術は信号検出，雑音抑圧，高分解能処理，適応信号処理など最先端の技術が応用されている．本講義はその一端に触れるに過ぎないが、他の種々の計測システムに用いられている信号処理を理解する上でも役立つものである。   Various techniche such as signal detection, noise suppression, super-resolution processing, and adaptive signal processing are applied to radar signal processing. Although in this class, only a part of them are introduced, it is useful for understanding the signal processing used in various other measurement systems.
その他 /Others	特になし /None
キーワード /Keywords	ディジタル信号処理，目標検出，不要信号抑圧，高分解能信号処理 Digital signal processing，Target detection，Suppression of interference，super-resolution method