ミリ波レーダーの原理や構造をわかりやすく解説

利用される方式としては、FMCW (周波数変調連続波) が主流です。これは電波の周波数を連続的に変化させて発信し、その反射を利用して対象までの距離や速度を求める仕組みです。さらに、MIMO (マルチ入力・マルチ出力アンテナ)  (注1) やデジタルビームフォーミング (電波を特定方向へ集中させる制御技術) と組み合わせることで、複数の物体を同時に安定して検出できます。また、自動運転 (注2) 向けに使用されるカメラやLiDAR (レーザーを使った距離測定技術) と比べ、雨・霧・暗所といった環境の影響を受けにくいため、屋外でも安定した検知性能を発揮します。

一方で、さらに高い周波数であるサブミリ波/テラヘルツ波 (300GHz以上) を使えば、分解能は向上しますが、「材料損失 (物体を通過する際の減衰)」や「大気吸収 (空気中の分子や水蒸気による減衰)」が増えるため、到達距離や実装には工夫が必要です。

ミリ波レーダー、LiDAR、カメラの特性を、天候や光の影響という観点で整理します。

ミリ波レーダーは、「やまびこ」のように反射した電波を利用して動作します。アンテナから電波を出すと、物体にぶつかって跳ね返ってきます。その戻ってくるタイミングや変化を調べることで、「どのくらい離れているか (距離)」「どちらにどのくらい動いているか (速度)」「どの方向にあるか (角度)」を知ることができます。

使われる信号は「チャープ信号 (注7)」と呼ばれ、時間とともに音階が少しずつ上がっていく笛の音のように、周波数が変化する仕組みになっています。戻ってきた信号と比べることで、対象物までの距離を高い精度で測定できます。また、動く物体からの反射波は、救急車のサイレンが近づくと高く、遠ざかると低く聞こえるのと同じドップラー効果によって変化するため、その違いから速度を算出できます。

さらに、複数のアンテナを使えば、電波がどの方向から戻ってきたのかもわかるため、三次元的に「距離・速度・方向」を同時に把握できます。しかも光のように暗さや天候に左右されにくいので、昼夜や雨の日でも安定して検知できるのが大きな特長です。

まず距離は、送信信号と反射信号の周波数差をもとに算出します。周波数の差が大きいほど、対象が遠くにあることを意味します。また、チャープ信号の帯域を広く取るほど、近い距離にある複数の物体も細かく分離して検出できるようになります。言い換えれば、「より高解像度のレーダー画像」を得られます。

速度の推定には、時間方向で信号を解析する「ドップラー処理」を用います。物体がこちらに近づいているか離れているかで反射波の周波数がわずかに変化するため、その変化量から移動速度を求めます。観測時間を長くすればするほど、速度の分解能は高まり、わずかな速度差も識別可能になります。

さらに、複数アンテナを使って信号の到来角 (電波が特定の点に到達するときの入射角) を比較することで、同じ距離や速度にある物体でも角度の違いによって見分けることができます。これにより、複数ターゲットが近接している場合でも、高精度に識別することが可能になります。

ミリ波レーダーは、FMCW方式 (周波数を連続的に変化させて対象を測定する方法) により、距離・速度・角度を同時に計測できるのが特長です。シンセサイザーで生成したチャープ信号を送信し、対象から返ってきた反射波を受信します。送信波と受信波の周波数差から距離を算出し、さらにドップラー効果を解析して対象の移動速度を求めます。複数のアンテナを組み合わせれば信号の到来方向も推定でき、三次元的な位置情報を得ることが可能です。

これらの測定結果は、そのままでは点の集まりにすぎません。そこで「検出 → グルーピング → 追跡 → 識別」という流れで処理を行い、物体判別につなげます。まず、受信信号からノイズを除去し目的の信号を検出 (CFAR処理) することで、実際の物体に対応する信号を取り出します。次に、クラスタリング (近接する点をまとめる処理) でデータを整理し、カルマンフィルター (観測データから動きを予測して追跡する手法) を用いたトラッキングで同一物体を時間的に追跡します。最後に、機械学習により「歩行者」「自転車」「車両」といったカテゴリへ分類することで、夜間や屋外の複雑な環境でも安定した検知・識別が可能になります。

FMCW方式とMIMO処理の組み合わせにより、高精度な距離・速度・角度を同時に推定できます。FMCW方式で距離と速度を測定し、MIMO処理では複数のアンテナで同時にデータを送受信することから、電波の方向や距離の測定精度が向上します。空間分解能が改善されることで、通信性能や信号処理の精度が大幅に向上し、高精度な測角が可能となります。

次に環境耐性では、ミリ波は霧や雨、粉じん、逆光、夜間といった光学センサーが苦手とする条件でも検知性能を維持します。可視光や近赤外線に比べて散乱の影響を受けにくく、屋外の連続監視や夜間運用に強みがあります。画像を扱わないためプライバシー配慮が容易で、在室検知や人流計測のような用途にも適しています。現場ではレーダーで確実に検出し、必要に応じてカメラやLiDARで識別・可視化する構成を取ることで、天候や照度が変動しても安定性と精度を両立できます。

実装面の強みとしては、波長が短いことからアンテナとRF回路 (無線通信などで使用される高周波 (Radio Frequency) の信号を扱う電子回路) を小型化しやすく、モジュール全体を省スペースにまとめられます。近年はRF、A/D (注8)、デジタル・シグナル・プロセッサ (注9) など同一パッケージに収めた製品が普及し、アンテナ素子を半導体チップのパッケージ内に統合する技術である「アンテナ一体型パッケージ (Antenna in Package、AiP)」の採用で配線や筐体設計も簡素化できます。これにより電力効率のよい常時稼働が可能になり、バッテリー駆動のドローンやロボット、壁面・天井設置のビル設備など、設置自由度の高いシナリオに適合します。設置台数の最適化や死角の最小化も行いやすく、ライフサイクルコストの面でも優位です。

最後に分解能と拡張性について、ミリ波は広い帯域を確保しやすく、距離・角度分解能を高めやすい特性を持ちます。特に77～81GHz帯では数GHz級の帯域を活用した高分解能設計が一般化しており、近接した物体の分離や小さな動きの検知に効果を発揮します。MIMOの採用で測角精度をさらに向上させることができ、ソフトウェアの更新でアルゴリズムを容易に進化させられるため、拡張の可能性も大きいのが特徴です。今後は5Gミリ波通信 (注10) やエッジAI (注11) との連携が進み、通信とセンシングを統合した運用、地図を必要としない自律走行、設備の予兆保全など、応用範囲のさらなる拡大が期待されます。

前方監視、死角検知、後側方の衝突回避、ACC (自動追従) (注12)、AEB (自動緊急ブレーキ) に広く用いられています。77～81GHzの広帯域を使うと近接する車両や歩行者・自転車を細かく分離でき、合流時や交差点右折時の見通し支援でも効果を発揮します。車両周囲の360度レーダーとカメラ/LiDARのセンサーフュージョン (注13) を行い、AIで識別精度を高めることで、夜間や降雨時でも安定した認識を実現します。近距離の駐車支援や自動バレーパーキング (車が自動で駐車スペースを探し、駐車するシステム) でも、超音波と組み合わせて低速域の安全性を高められます。

工場では自動搬送車 (AGV) や自律移動ロボット (AMR)、協働ロボットの周辺安全監視、搬送ラインの人の立入検知、屋外ヤードの入出庫監視に活用します。粉じんや照度変化に強いため、光学センサーでは難しい現場でも安定した運用ができます。ビルや店舗では60GHz帯による在室検知・人数推定を使い、暖房・換気・空調システムや照明を需要連動制御して省エネを図ります。さらに、エレベーターや自動ドアの誤開防止、個人情報を扱わない匿名トラッキング、スマートリテール (注14) において顧客が棚の前に滞在する時間を分析する機能など、プライバシー配慮が求められるシーンでも導入しやすい点が評価されています。

ドローン (無人航空機) は、障害物回避や高度維持、狭い場所での自律飛行に有効です。霧や薄暗さの影響を受けにくいため、夜間やトンネル・橋梁・プラント内部の近接点検でも信頼性を確保できます。通信・GNSS (全球測位衛星システム、注15)・ビジョンカメラを併用すると位置の誤差を修正できます。AIがレーダーから得られる反射パターンを学習することで、細いワイヤーや枝の検出率を高められます。ドローンステーションと連携した自動離発着・遠隔運航管理、巡回警備、災害時の捜索支援、倉庫内のピッキング支援など、運用の自動化と省人化にも直結します。

KDDIのドローン取り組みの詳細は以下をご覧ください。

導入・運用では「ハード設計」「信号処理」「規制適合」「量産品質」の四つの観点でつまずきやすいポイントが生まれます。以下では主な課題と、現実的に取り得る対策をそれぞれ整理します。

• 角度分解能とハード規模のトレードオフ
  課題: 高い角度分解能を得るには、多くのアンテナ素子が必要ですが、ハードウェアが大規模化します。
  対策: MIMOや合成開口レーダー (注16)、スパースアレイ (注17)、デジタルビームフォーミング技術などを利用します。これにより、小さなアンテナでも広範囲をカバーし、仮想的にアンテナ素子の数を増やして分解能を高めることができます。
  
  
• マルチパスや金属環境での誤反射 (ゴースト)
  課題: 電波が反射して誤認識を引き起こすことがあります
  対策: CFARアルゴリズム、クラスタリング、トラッキングを組み合わせて異常値を抑制し、時系列データの整合性を保つことで誤検知を減らします。
  
  
• ほかのシステムとの共存・規制適合 (特に60GHz帯)
  課題: ほかのシステムとの電波干渉を避ける必要があります。
  対策: 出力、占有帯域、デューティー比など地域の規制を遵守し、使用する周波数帯を効率的に管理する「チャネル計画」を立てたり、ほかの信号を検出して干渉を避ける「リッスン機能」を活用したりして、電波干渉を回避します。
  
  
• 熱設計・校正・量産ばらつき
  アンテナ一体型パッケージを使用し、温度変化による性能のずれを補正する仕組みを導入して、製造工程で位相や振幅を調整するプロセスを組み込むことで、安定した性能を確保します。

ミリ波レーダーは、環境耐性と高分解能を両立し、距離・速度・角度を同時に取得できるセンサーです。自動車・産業・ビル・ドローンなどに広がり、都市部や密集地帯での超高速通信や低遅延通信を実現する「5G」などの通信技術やAI解析との組み合わせで、より安全かつ効率的なシステム設計を実現します。導入時は、目的・距離範囲・環境条件・規制を踏まえて、帯域・アンテナ構成・アルゴリズムを最適化させましょう。