複素自己組織化マップに基づく地中レーダシステムとそのカンボジアでの地雷可視化実験

摘要

This paper first describes the origin of the merit of the complex-valued neural networks (CVNNs) briefly. Then it reports recent progress in an adaptive ground penetrating radar imaging system based on a CVNN, i.e., a complex-valued self-organizing map (CSOM). In the CSOM processing, we deal with feature vectors that represent complex-amplitude texture in space and frequency domains. We developed a switched walled linearly tapered slot antenna (walled-LTSA) array for the front-end. A higher resolution results in a better classification quality. To realize a high resolution in range and azimuth directions, we utilize a wide frequency bandwidth in frequency stepping operation, and a special switching scheme for the walled LTSA. We conducted experiments in Cambodia. In this paper, we report successful plastic landmine visualization, not only for targets buried in normal sand but also for those in wet laterite soil at the Siem Reap test site. Adaptive coherent radar imaging is one of the most potential application fields of the CVNNs.%本稿は、まずはじめに複素ニューラルネットワークの利点がどのように生まれるか、簡単に考察する。次に、複素ニューラルネットワーク、特に複素自己組織化マップ（CSOM）を利用した適応的な地中レーダ技術の最近の進展について報告する。われわれはCSOMを、空間および周波数空間における複素テクスチャを適応分類するために用いている。またWalled LTSAと名付けた広帯域で狭開口のアンテナを開発し、それをアレイ化して特殊なスイッチング手法と組み合わせ、地中からの散乱・反射のデータを高分解能で取得している。カンボジアのシエムリアプで行ったプラスチック地雷の可視化実験についても報告する。湿ったラテライト土に埋設されたプラスチック地雷をうまく可視化することに成功した。このようなレーダ・イメージングの分野は、今後も複素ニューラルネットワークの最も有望な利用分野の一つであると考えている。