レーダー断面積（RCS: Radar Cross Section）は、目標物体がレーダー電波をどの程度反射するかを定量的に表す指標です。RCSはレーダーシステムの探知距離を左右する最も重要なパラメータの一つであり、ステルス技術の根幹をなす概念でもあります。

RCSは単位面積（$\text{m}^2$）の次元を持ちますが、必ずしも目標の物理的な断面積とは一致しません。同じ大きさの物体でも、形状や材質、周波数、偏波、入射角によってRCSは大きく変化します。

本記事の内容

• RCSの厳密な定義と物理的意味
• 単純形状のRCS解析解の導出（球体、平板、コーナーリフレクタ）
• 周波数領域によるRCSの変化（レイリー・ミー・光学領域）
• RCSの統計モデル（Swerlingモデル I–IV）
• ステルス技術の基本原理
• Pythonによるシミュレーション

前提知識

この記事を読む前に、以下の記事を読んでおくと理解が深まります。

• レーダー方程式
• CFAR検出

RCSの定義

厳密な定義

レーダー断面積 $\sigma$ は、以下のように定義されます。

$$ \boxed{\sigma = \lim_{R \to \infty} 4\pi R^2 \frac{|E_s|^2}{|E_i|^2}} $$

ここで、

• $R$ : レーダーから目標までの距離
• $E_i$ : 目標位置における入射電界の振幅
• $E_s$ : 目標から距離 $R$ における散乱電界の振幅

この定義の物理的意味を理解するために、各項を分解して考えましょう。

物理的意味

$4\pi R^2 |E_s|^2$ は、距離 $R$ における散乱電界のパワー密度に全球面の面積 $4\pi R^2$ を掛けたものです。これは、目標が散乱波を等方的に放射すると仮定した場合の「等価的な全散乱パワー」に比例する量です。

$|E_i|^2$ は入射波のパワー密度に比例します。

したがって、RCSは「入射パワー密度のうち、どれだけの面積分に相当する電力が等方散乱されたか」を表す等価的な面積です。大雑把に言うと、RCSが大きいほどレーダーによく映るということです。

dBsmでの表記

RCSは通常 $\text{dBsm}$（dB square meters）で表記されます。

$$ \sigma_{\text{dBsm}} = 10 \log_{10}\left(\frac{\sigma}{1\,\text{m}^2}\right) $$

例えば、$\sigma = 1\,\text{m}^2$ は $0\,\text{dBsm}$、$\sigma = 0.01\,\text{m}^2$ は $-20\,\text{dBsm}$ です。

典型的な目標のRCSの目安は以下の通りです。

単純形状のRCS

導電性球体のRCS

半径 $a$ の完全導体球のRCSを導出します。球は最も基本的な散乱体であり、RCSの理解の出発点です。

光学領域（$a \gg \lambda$）において、球体のRCSは幾何光学近似により求められます。入射波が球面に当たると、その反射波は球の曲率に応じて広がりながら散乱されます。

球体の表面の微小面積 $dA$ に入射した電力 $S_i \, dA$ は、球面の曲率により $4\pi R^2$ の全球面に広がって散乱されます。球体の幾何学的断面積は $\pi a^2$ ですから、入射パワーは $S_i \pi a^2$ です。

この電力が等方的に散乱されると仮定し、RCSの定義に当てはめると、

$$ \begin{align} \sigma &= \lim_{R \to \infty} 4\pi R^2 \frac{S_s}{S_i} \end{align} $$

ここで、距離 $R$ における散乱パワー密度 $S_s$ は、

$$ S_s = \frac{S_i \pi a^2}{4\pi R^2} $$

代入すると、

$$ \sigma = 4\pi R^2 \cdot \frac{S_i \pi a^2}{4\pi R^2 S_i} = \pi a^2 $$

$$ \boxed{\sigma_{\text{sphere}} = \pi a^2} $$

光学領域における導電性球体のRCSは、幾何学的断面積 $\pi a^2$ に等しくなります。これは球が全方位からの入射に対して同じRCSを持つ（等方性）ことを意味します。この性質から、球体はRCSの校正に使われます。

平板のRCS

$a \times b$ の長方形完全導体平板に、法線方向から平面波が入射する場合のRCSを導出します。

平板上の電流分布は、物理光学近似（PO近似）により、入射波の磁界の2倍で近似されます。

$$ \bm{J}_s = 2\hat{n} \times \bm{H}_i $$

ここで、$\hat{n}$ は平板の法線方向単位ベクトルです。

この電流分布からの散乱電界を遠方界近似で計算し、RCSの定義に代入します。法線方向（後方散乱方向）では、平板上の全電流の寄与が同位相で加算されるため、

$$ |E_s| \propto \frac{A}{\lambda R}|E_i| $$

ここで、$A = ab$ は平板の面積です。

RCSの定義に代入すると、

$$ \begin{align} \sigma &= \lim_{R \to \infty} 4\pi R^2 \frac{|E_s|^2}{|E_i|^2} \\ &= 4\pi R^2 \cdot \frac{A^2}{\lambda^2 R^2} \\ &= \frac{4\pi A^2}{\lambda^2} \end{align} $$

$$ \boxed{\sigma_{\text{flat plate}} = \frac{4\pi A^2}{\lambda^2}} $$

平板の法線方向RCSは面積の2乗に比例し、波長の2乗に反比例します。例えば、$1\,\text{m} \times 1\,\text{m}$ の平板（$A = 1\,\text{m}^2$）に $\lambda = 0.03\,\text{m}$（10GHz）の電波が入射する場合、

$$ \sigma = \frac{4\pi \times 1^2}{0.03^2} \approx 13{,}963\,\text{m}^2 \approx 41.4\,\text{dBsm} $$

平板は法線方向に対して非常に大きなRCSを示しますが、角度が少しでもずれるとRCSは急激に減少します。この性質がステルス設計の重要な指針になります。

コーナーリフレクタのRCS

三面コーナーリフレクタは、3枚の平面が互いに直交する構造です。入射波は3回の反射を経て、入射方向にほぼ平行に戻ります（再帰反射性）。

一辺 $a$ の正三面コーナーリフレクタのRCSは、物理光学近似により次のように導出されます。

コーナーリフレクタの再帰反射面積は、入射方向からの射影面積 $A_{\text{eff}}$ で決まります。3回の反射により、等価的に面積 $A_{\text{eff}}$ の平板が再帰反射を行うと見なせます。

正三面コーナーリフレクタの場合、対角線方向からの入射に対する等価平板面積は、

$$ A_{\text{eff}} = \frac{\sqrt{3}}{3} a^2 $$

これを平板のRCSの式に代入すると、

$$ \begin{align} \sigma &= \frac{4\pi A_{\text{eff}}^2}{\lambda^2} \\ &= \frac{4\pi}{3} \cdot \frac{a^4}{\lambda^2} \\ &= \frac{4\pi a^4}{3\lambda^2} \end{align} $$

$$ \boxed{\sigma_{\text{corner}} = \frac{4\pi a^4}{3\lambda^2}} $$

なお、軸方向（各面に対して $45°$）からの入射に対しては、

$$ \sigma_{\text{corner,max}} = \frac{12\pi a^4}{\lambda^2} $$

と表されることもあります（方向による違い）。コーナーリフレクタのRCSは $a^4 / \lambda^2$ に比例するため、サイズを少し変えるだけでRCSが大幅に変わります。この性質を利用して、レーダーの校正用リフレクタや航行安全用の反射器として使われます。

周波数領域によるRCSの変化

目標のサイズ $a$ と波長 $\lambda$ の比（電気的サイズ $ka = 2\pi a / \lambda$）によって、散乱のメカニズムは大きく異なり、3つの領域に分類されます。

レイリー領域（$ka \ll 1$）

目標サイズが波長に比べて十分小さい領域です。この領域では、目標は入射波に対してほぼ一様な電界を受け、電気双極子として振る舞います。

球体のRCSはレイリー散乱の理論から次のように与えられます。

$$ \sigma_{\text{Rayleigh}} = \frac{9\pi^5 a^2}{4} \left(\frac{2a}{\lambda}\right)^4 \cdot \left|\frac{\epsilon_r – 1}{\epsilon_r + 2}\right|^2 $$

完全導体球（$\epsilon_r \to \infty$）の場合、

$$ \sigma_{\text{Rayleigh}} = 9\pi a^2 (ka)^4 = \frac{9 \times 16 \pi^5 a^6}{\lambda^4} = \frac{144 \pi^5 a^6}{\lambda^4} $$

レイリー領域のRCSは $\lambda^{-4}$（$f^4$）に比例して急激に増大します。これは、波長が短くなる（周波数が高くなる）ほど散乱が強くなることを意味します。

ミー領域（$ka \sim 1$）

目標サイズと波長が同程度の領域です。この領域では、厳密な電磁波散乱理論（球体の場合はミー散乱理論）による解析が必要です。

RCSは周波数に対して複雑な振動を示し、共振ピークが現れます。これは、目標表面を伝搬するクリーピング波（creeping wave）が干渉するためです。

光学領域（$ka \gg 1$）

目標サイズが波長に比べて十分大きい領域です。幾何光学近似や物理光学近似が適用できます。

球体のRCSは前述の通り $\sigma = \pi a^2$ に収束し、周波数にほとんど依存しなくなります。

Swerlingモデル

概要

実際のレーダー目標のRCSは、目標の向きや姿勢の変化により時間的に変動します。この変動を統計的にモデル化したのがSwerlingモデルです。Swerlingは1960年に4つのモデルを提唱しました。

分類

Swerlingモデルは、RCSの確率分布と変動の時間スケールの2つの軸で分類されます。

確率分布：

• 指数分布（Swerling I, II）: 多数の散乱中心が等しい強度を持ち、独立な位相でランダムに散乱する場合に相当。複雑形状の目標（航空機など）のモデル。
• 4次カイ二乗分布（Swerling III, IV）: 1つの支配的な散乱中心と多数の小散乱中心がある場合に相当。

変動の時間スケール：

• スキャン間変動（Swerling I, III）: RCSはスキャン間で変動するが、1スキャン中は一定（slow fluctuation）
• パルス間変動（Swerling II, IV）: RCSはパルスごとに独立に変動（fast fluctuation）

確率密度関数

Swerling I / II（指数分布）:

RCSの確率密度関数は、

$$ p(\sigma) = \frac{1}{\bar{\sigma}} \exp\left(-\frac{\sigma}{\bar{\sigma}}\right), \quad \sigma \geq 0 $$

ここで、$\bar{\sigma}$ は平均RCSです。

Swerling III / IV（4次カイ二乗分布、自由度4）:

$$ p(\sigma) = \frac{4\sigma}{\bar{\sigma}^2} \exp\left(-\frac{2\sigma}{\bar{\sigma}}\right), \quad \sigma \geq 0 $$

Swerling III/IVモデルでは、確率密度関数がピークを持ち、RCSが極端に小さくなる確率がSwerling I/IIに比べて低くなります。これは支配的な散乱中心が存在するためです。

検出確率への影響

Swerlingモデルの違いは、レーダーの検出確率に大きな影響を与えます。一般に、

• Swerling I（指数分布・スキャン間変動）が最も検出が困難
• Swerling II（指数分布・パルス間変動）はパルス積分の効果で検出しやすい
• Swerling III/IV（4次カイ二乗分布）はRCSの変動が小さいため検出しやすい

ステルス技術の概要

RCS低減の原理

ステルス技術とは、目標のRCSを低減させることで、レーダーに対する探知距離を短縮する技術です。レーダー方程式から、探知距離 $R$ はRCSの4乗根に比例するため、

$$ R \propto \sigma^{1/4} $$

RCSを $1/100$（$-20\,\text{dB}$）にすると、探知距離は $1/\sqrt[4]{100} \approx 1/3.16$ に短縮されます。

形状制御（シェーピング）

最も基本的なRCS低減手法は、目標の形状を工夫して入射レーダー波を送信方向以外に反射させることです。

• 直交面の除去: コーナーリフレクタのような直交する面の組み合わせを避ける
• 表面の傾斜: 平面をレーダー方向に正対させず、鋭角に傾斜させる
• エッジのアライメント: すべてのエッジを少数の方向に統一し、RCSのスパイクを限定的な角度に集中させる（B-2爆撃機のような全翼機形状）

電波吸収材（RAM: Radar Absorbing Material）

電波吸収材は、入射した電波のエネルギーを熱に変換することでRCSを低減する材料です。

代表的な電波吸収材：

• ソールズベリースクリーン: 波長の $\lambda/4$ 前方に抵抗シートを配置し、反射波を干渉的に打ち消す構造
• ダルレンバッハ層: 損失性誘電体層の裏面に導体板を配置する構造
• ジョーマン吸収体: 多層の抵抗カードと誘電体スペーサを交互に積層する広帯域吸収体

Pythonによるシミュレーション

球体のRCS（周波数依存性）

レイリー領域からミー領域、光学領域にわたる球体のRCSの周波数依存性をプロットします。

import numpy as np
import matplotlib.pyplot as plt
from scipy.special import spherical_jn, spherical_yn

def mie_rcs(a, wavelength, n_terms=50):
    """
    完全導体球のミー散乱によるRCSを計算
    a: 球の半径 [m]
    wavelength: 波長 [m]
    n_terms: 級数の項数
    """
    k = 2 * np.pi / wavelength
    ka = k * a
    sigma = 0.0

    for n in range(1, n_terms + 1):
        # 球ベッセル関数と球ノイマン関数
        jn = spherical_jn(n, ka)
        yn = spherical_yn(n, ka)
        # 球ベッセル関数の微分
        jn_d = spherical_jn(n, ka, derivative=True)
        yn_d = spherical_yn(n, ka, derivative=True)

        # ミー係数 (完全導体球)
        a_n = -jn / (jn + 1j * yn)          # TEモード
        b_n = -jn_d / (jn_d + 1j * yn_d)    # TMモード

        sigma += (2 * n + 1) * ((-1)**n) * (b_n - a_n)

    rcs = (wavelength**2 / np.pi) * np.abs(sigma)**2
    return rcs

# パラメータ
a = 0.1  # 球の半径 [m]

# 周波数範囲
ka_values = np.logspace(-1, 1.5, 500)
wavelengths = 2 * np.pi * a / ka_values

# RCS計算
rcs_values = np.array([mie_rcs(a, lam, n_terms=80) for lam in wavelengths])
rcs_norm = rcs_values / (np.pi * a**2)  # πa^2 で正規化

# レイリー近似
rcs_rayleigh = 9 * (ka_values)**4 * (np.pi * a**2)
rcs_rayleigh_norm = rcs_rayleigh / (np.pi * a**2)

# プロット
plt.figure(figsize=(12, 7))
plt.loglog(ka_values, rcs_norm, 'b-', linewidth=2, label='Mie (Exact)')
plt.loglog(ka_values, rcs_rayleigh_norm, 'r--', linewidth=1.5,
           label='Rayleigh approx.')
plt.axhline(y=1.0, color='g', linestyle=':', linewidth=1.5,
            label=r'Optical limit ($\sigma = \pi a^2$)')

# 領域の注釈
plt.axvspan(0.1, 0.5, alpha=0.1, color='red', label='Rayleigh region')
plt.axvspan(0.5, 5, alpha=0.1, color='yellow', label='Mie region')
plt.axvspan(5, 32, alpha=0.1, color='green', label='Optical region')

plt.xlabel('$ka = 2\\pi a / \\lambda$', fontsize=14)
plt.ylabel('$\\sigma / \\pi a^2$', fontsize=14)
plt.title('RCS of Conducting Sphere vs Electrical Size', fontsize=14)
plt.grid(True, alpha=0.3, which='both')
plt.legend(fontsize=11)
plt.xlim([0.1, 32])
plt.ylim([1e-4, 10])
plt.tight_layout()
plt.show()

レイリー領域（$ka \ll 1$）ではRCSが $(ka)^4$ に比例して急激に増大し、ミー領域（$ka \sim 1$）では共振振動が見られ、光学領域（$ka \gg 1$）では $\sigma \to \pi a^2$ に収束する様子が確認できます。

各種形状のRCS比較

球体、平板、コーナーリフレクタのRCSを代表的なサイズで比較します。

import numpy as np
import matplotlib.pyplot as plt

# 周波数範囲
freq = np.linspace(1e9, 20e9, 500)  # 1 GHz ~ 20 GHz
c = 3e8
lam = c / freq

# 各形状のパラメータ
a_sphere = 0.5    # 球の半径 [m]
A_plate = 1.0     # 平板面積 [m^2] (1m x 1m)
a_corner = 0.3    # コーナーリフレクタの辺長 [m]

# RCS計算（光学領域の近似）
sigma_sphere = np.ones_like(freq) * np.pi * a_sphere**2
sigma_plate = 4 * np.pi * A_plate**2 / lam**2
sigma_corner = 4 * np.pi * a_corner**4 / (3 * lam**2)

# dBsm変換
sigma_sphere_dB = 10 * np.log10(sigma_sphere)
sigma_plate_dB = 10 * np.log10(sigma_plate)
sigma_corner_dB = 10 * np.log10(sigma_corner)

plt.figure(figsize=(12, 7))
plt.plot(freq / 1e9, sigma_sphere_dB, 'b-', linewidth=2,
         label=f'Sphere (a={a_sphere}m)')
plt.plot(freq / 1e9, sigma_plate_dB, 'r-', linewidth=2,
         label=f'Flat plate (A={A_plate}m²)')
plt.plot(freq / 1e9, sigma_corner_dB, 'g-', linewidth=2,
         label=f'Corner reflector (a={a_corner}m)')

plt.xlabel('Frequency [GHz]', fontsize=13)
plt.ylabel('RCS [dBsm]', fontsize=13)
plt.title('RCS Comparison of Different Shapes', fontsize=14)
plt.grid(True, alpha=0.3)
plt.legend(fontsize=12)
plt.tight_layout()
plt.show()

平板とコーナーリフレクタのRCSは周波数の2乗に比例して増大しますが、球体のRCSは光学領域では周波数に依存せず一定です。

Swerlingモデルのシミュレーション

Swerling I/IIとSwerling III/IVの確率密度関数と、それに基づくRCS変動のモンテカルロシミュレーションを行います。

import numpy as np
import matplotlib.pyplot as plt

# 平均RCS
sigma_bar = 1.0  # [m^2]

# Swerling I/II (指数分布)
sigma_range = np.linspace(0, 5 * sigma_bar, 1000)
pdf_sw12 = (1 / sigma_bar) * np.exp(-sigma_range / sigma_bar)

# Swerling III/IV (4次カイ二乗分布, 自由度4)
pdf_sw34 = (4 * sigma_range / sigma_bar**2) * np.exp(-2 * sigma_range / sigma_bar)

fig, axes = plt.subplots(1, 2, figsize=(14, 5))

# 確率密度関数
axes[0].plot(sigma_range / sigma_bar, pdf_sw12 * sigma_bar, 'b-',
             linewidth=2, label='Swerling I/II (Exponential)')
axes[0].plot(sigma_range / sigma_bar, pdf_sw34 * sigma_bar, 'r-',
             linewidth=2, label='Swerling III/IV (Chi-sq, dof=4)')
axes[0].set_xlabel(r'$\sigma / \bar{\sigma}$', fontsize=13)
axes[0].set_ylabel('PDF', fontsize=13)
axes[0].set_title('RCS Probability Density Functions', fontsize=13)
axes[0].legend(fontsize=11)
axes[0].grid(True, alpha=0.3)
axes[0].set_xlim([0, 5])

# モンテカルロシミュレーション
N_samples = 200

# Swerling I (指数分布からのサンプル)
rcs_sw1 = np.random.exponential(sigma_bar, N_samples)

# Swerling III (4次カイ二乗: ガンマ分布 shape=2, scale=sigma_bar/2)
rcs_sw3 = np.random.gamma(2, sigma_bar / 2, N_samples)

scan_idx = np.arange(N_samples)
axes[1].plot(scan_idx, 10 * np.log10(rcs_sw1 + 1e-12), 'b-',
             linewidth=0.8, alpha=0.7, label='Swerling I')
axes[1].plot(scan_idx, 10 * np.log10(rcs_sw3 + 1e-12), 'r-',
             linewidth=0.8, alpha=0.7, label='Swerling III')
axes[1].axhline(y=10 * np.log10(sigma_bar), color='k', linestyle='--',
                alpha=0.5, label=f'Mean RCS = {sigma_bar} m²')
axes[1].set_xlabel('Scan Number', fontsize=13)
axes[1].set_ylabel('RCS [dBsm]', fontsize=13)
axes[1].set_title('RCS Fluctuation (Monte Carlo)', fontsize=13)
axes[1].legend(fontsize=11)
axes[1].grid(True, alpha=0.3)
axes[1].set_ylim([-30, 15])

plt.tight_layout()
plt.show()

# 統計量の表示
print("=== Swerling I (指数分布) ===")
print(f"  平均 RCS: {np.mean(rcs_sw1):.3f} m² (理論値: {sigma_bar})")
print(f"  標準偏差: {np.std(rcs_sw1):.3f} m² (理論値: {sigma_bar})")
print(f"  変動係数: {np.std(rcs_sw1)/np.mean(rcs_sw1):.3f} (理論値: 1.0)")

print("\n=== Swerling III (4次カイ二乗) ===")
print(f"  平均 RCS: {np.mean(rcs_sw3):.3f} m² (理論値: {sigma_bar})")
print(f"  標準偏差: {np.std(rcs_sw3):.3f} m² (理論値: {sigma_bar/np.sqrt(2):.3f})")
print(f"  変動係数: {np.std(rcs_sw3)/np.mean(rcs_sw3):.3f} (理論値: {1/np.sqrt(2):.3f})")

Swerling I/II（指数分布）ではRCSの変動が非常に大きく、平均値を大きく下回ることが頻繁に起こります。一方、Swerling III/IV（4次カイ二乗分布）では変動が比較的小さく、極端に小さなRCSになる確率が低いことが確認できます。

平板のRCS角度依存性

平板のRCSが入射角に対してどのように変化するかを可視化します。

import numpy as np
import matplotlib.pyplot as plt

# パラメータ
c = 3e8
freq = 10e9          # 10 GHz
lam = c / freq       # 波長 [m]
k = 2 * np.pi / lam
a = 0.5              # 平板の幅 [m]
b = 0.5              # 平板の高さ [m]

# 入射角（法線方向 = 0°）
theta = np.linspace(-90, 90, 2000)
theta_rad = np.deg2rad(theta)

# 物理光学近似による平板のRCS角度依存性
# σ(θ) = (4π/λ²) * A² * sinc²(ka sinθ) * sinc²(kb sinθ2)
# 1次元の場合（x方向のみ）: σ(θ) = (4πA²/λ²) * sinc²(ka sinθ)
u = k * a * np.sin(theta_rad)
# sinc関数: sin(u)/u
with np.errstate(divide='ignore', invalid='ignore'):
    sinc_val = np.where(np.abs(u) < 1e-10, 1.0, np.sin(u) / u)

sigma = (4 * np.pi * (a * b)**2 / lam**2) * sinc_val**2
sigma_dBsm = 10 * np.log10(sigma + 1e-20)

# 法線方向のRCS
sigma_normal = 4 * np.pi * (a * b)**2 / lam**2

plt.figure(figsize=(12, 6))
plt.plot(theta, sigma_dBsm, 'b-', linewidth=1.5)
plt.axhline(y=10 * np.log10(sigma_normal), color='r', linestyle='--',
            alpha=0.5, label=f'Normal incidence: {10*np.log10(sigma_normal):.1f} dBsm')
plt.xlabel('Incidence Angle [deg]', fontsize=13)
plt.ylabel('RCS [dBsm]', fontsize=13)
plt.title(f'Flat Plate RCS vs Angle ({a}m × {b}m, f={freq/1e9:.0f} GHz)',
          fontsize=14)
plt.xlim([-90, 90])
plt.ylim([-40, 50])
plt.grid(True, alpha=0.3)
plt.legend(fontsize=12)
plt.tight_layout()
plt.show()

平板のRCSは法線方向で最大となり、角度がずれるとsinc関数に従って急激に減衰します。この特性がステルス設計における形状制御（シェーピング）の基本原理です。

まとめ

本記事では、レーダー断面積（RCS）の理論と計算について解説しました。

• RCSの定義 $\sigma = \lim_{R \to \infty} 4\pi R^2 |E_s|^2 / |E_i|^2$ は、目標の等価的な散乱面積を表す
• 光学領域における球体のRCSは $\pi a^2$、平板のRCSは $4\pi A^2/\lambda^2$、コーナーリフレクタのRCSは $4\pi a^4/(3\lambda^2)$ である
• 周波数に対してRCSはレイリー領域（$\propto f^4$）、ミー領域（共振振動）、光学領域（収束）の3つの振る舞いを示す
• Swerlingモデル（I–IV）は、RCSの統計的変動を指数分布または4次カイ二乗分布で分類する
• ステルス技術は形状制御と電波吸収材によりRCSを低減し、探知距離を $\sigma^{1/4}$ に比例して短縮する

次のステップとして、以下の記事も参考にしてください。

• レーダー方程式
• CFAR検出
• フェーズドアレイレーダー