mmWave 材料分類レーダーの構築

概要

エンジニアが、電磁シグネチャに基づいて材料を分類できる概念実証（POC）ミリ波（mmWave）レーダーを開発しました。このプロジェクトは、欧州の建物におけるアスベスト検出の高コストかつ侵襲的な手法を、物理的なラボサンプリングから非破壊レーダースキャンへ置き換えることを目的としています。

プロトタイプは、市販の開発ボードを組み合わせて構築され、試作フェーズを加速し、初期のハードウェア設計リスクを低減しました。

コアコンポーネント: システムはレーダー機能に Texas Instruments IWRL6432 BOOST、制御と接続に ESP32 開発キットを使用しています。
機械設計: 著者は「エレクトロニクス優先」アプローチを採用し、最初からカスタム PCB を設計するのではなく、既存の開発ボードを囲む形で 3D プリントされた機械ケースを設計しました。

レーダーは周波数変調連続波（FMCW）原理で動作し、送信機は単一トーンではなく線形周波数スイープ（チャープ）を放射します。DSP チェーンはこれらのエコーを材料シグネチャに変換し、以下の段階を経ます。

チャープ生成と特性評価: 実際の出力スイープ（開始周波数、スロープ、帯域幅）を特定し、下流の精度を保証します。
ミキシングとビート信号: 受信エコーを送信チャープと混合し、反射体の距離に比例した低周波の「ビート」トーンを生成します。
レンジ FFT: 高速フーリエ変換（FFT）によりビート信号の周波数を距離に変換し、範囲（材料内部の深さ）に対する反射エネルギーを提供します。
Capon ビームフォーミング（AOA）: MIMO 受信アレイを使用し、Capon（MVDR）ビームフォーミングで各レンジビンの到来角（AOA）を分解し、鋭い角度密度スペクトラムを作成します。

最終出力は、レンジごと・角度ごとの密度「スペクトル」― 電磁指紋であり、分類モデルへの入力テンソルとして機能します。

材料を分類するために、システムは DSP チェーンで生成された密度スペクトルを入力とする畳み込みニューラルネットワーク（CNN）を使用します。モデルは材料の電磁特性、特に複素誘電率（$\epsilon'$ と $\epsilon''$）を学習します。

概念実証結果: 分類器は、さまざまな環境と向きでクラスごとに 500 KB のスペクトルデータを含むデータセットで訓練されました。システムは以下の材料組み合わせを正しく分類しました。

アンテナ形状を最適化し、Texas Instruments ハードウェアの特性に合わせるため、著者はオープンソースの FDTD シミュレータ openEMS を使用しました。

シミュレーション最適化手法:

伝達関数近似: フルウェーブシミュレーションの高い計算コスト（1 時間以上）を回避するため、ディラックパルスの代わりにガウシアンパルスを用いて TX から RX への伝達関数を算出し、シミュレーションの安定性を保ちました。
畳み込み: 計算した伝達関数とチャープを畳み込むことで、シミュレーション時間を 1 時間から約 2 分に短縮しました。
周波数領域解析: ボード図を用いて、シミュレートされた受信信号を実測出力と比較検証しました。

技術的には POC は成功したものの、資金不足と市場の懐疑的姿勢によりプロジェクトは中止されました。潜在顧客は、完成し規制クリアされた製品が手元にない限り、意向表明書（LOI）にサインすることを渋りました。

主要なエンジニアリング・スタートアップの教訓:

プロジェクトに関する議論では、技術の有用性や特定の応用に対する重要な視点が浮き彫りになりました。

"アスベストはそんな風に動作しません。触れなければ問題ありません… 恐怖からくる被害の方が大きいです。"

批評家は、POC が実際に核心的価値提案――材料内部のアスベスト破片検出――を証明したのか、単に異なるバルク材料の分類を示しただけなのかを疑問視しました。

"何か見落としていない限り、'POC' デバイスはこの点に全く取り組んでいないように思えます… 単に他の一般的な材料を分類しただけです。"

他の貢献者は、モダリティを拡張して材料特性の不連続性を検出することを提案し、皮膚がん検出や汎用産業検査への応用可能性を示唆しました。