エレガントなSciPy ―Pythonによる科学技術計算

111

4.7　実世界の応用例：レーダデータの解析

以前のレンジトレースと比べてください。サイドローブの振幅が劇的に減少していますが、代償

も払っています。ピークの幅が少し広がり、先端がなまってしまいました。このため、レーダの分

解能、つまり、レーダが

2

つの近接する標的を識別する能力も、低下しています。窓関数の選択

は、サイドローブの振幅と分解能の折り合いをつけることです。それでも、

V

sim

のトレースを見

ると、窓関数によって、小さな標的を隣の大きな標的から識別する能力が格段に向上したと言える

でしょう。

実測されたレーダデータのレンジトレースでも、窓関数を掛けたおかげでサイドローブが減少し

ました。この違いは、

2

つの標的グループ間の溝の深さに最もよく現れています。

4.7.3

　レーダ画像

単一のトレースを解析する方法がわかったので、次にこの手法を拡張してレーダ画像を解析して

みましょう。

本節で使うデータ例は、パラボラアンテナを使用したレーダで生成しました。このアンテナは、

半値幅

2

度の広がり角を持つ、指向性の強い円形のペンシルビームを生成します。レーダが垂直

入射の平面信号を受けると、距離

60 m

において直径約

2 m

の円形領域が照射されます。この領域

外では、エネルギーが急速に減衰しますが、それでも領域外からの強いエコーはまだ見えます。

ペンシルビームの方位角（左右の位置）と仰角（上下の位置）を変化させることで、ビームを

ターゲットとなる標的範囲のあちこちをスイープできます。反射波が受信されると、反射物（レー ...