CN105197108B - 一种基于汽车辅助驾驶系统的多目标测向系统及其方法 - Google Patents

Abstract

本发明提供了本发明提供了一种基于汽车辅助驾驶系统的多目标测向系统，系统包括信号处理模块以及系统融合与决策模块，信号处理模块包括方向盘控制模块、红外成像模块、毫米波雷达测向测距测速模块；系统融合与决策模块包括总线控制器及驱动器一、总线控制器及驱动器二、红外图像处理以及显示控制单元、车载液晶显示器、车载嵌入式计算机、声光报警系统；本发明解决了汽车辅助驾驶系统中车载雷达存在的一些问题例如频谱配对、前方车辆位置判断以及在过弯时广告牌和路上车辆的判断等问题。

Description

一种基于汽车辅助驾驶系统的多目标测向系统及其方法

技术领域

本发明涉及的是一种探测技术，具体的说是一种基于汽车辅助驾驶系统的多目标测向系统及其方法。

背景技术

最近在无线电、网络和云计算技术的进展使得基于物联网的服务和发展得到了迅速的发展。物联网是将多样的物理和电子设备与互联网相连来提高对人类的服务质量。作为一种新兴技术，物联网在现有的工业电子系统有许多应用，例如交通系统和制造业系统。现在，科研人员将更多的技术融入物联网，例如，传感器、GPS设备以及移动设备。智能交通系统在物联网中扮演重要的角色，是一种新兴的提高交通系统性能和增强交通安全的有效方式。当驾驶员在开车途中，在汽车尾部存在一定的盲区，从后视镜中也难以观察到，因此辅助驾驶系统被引入到汽车电子系统中，它最开始是在汽车的自适应巡航系统中得到应用。雷达系统是辅助驾驶系统中的一个重要组成部分，其可以同时探测多个目标。然而在其具体应用中存在一些难以解决的问题例如频谱配对、临近目标位置判断以及弯道驾驶时临近车道和广告牌等的判断。

经对现有文献检索发现，目前尚未利用波达方向估计进行频谱配对、临近目标位置判断以及弯道驾驶时临近车道和广告牌等的判断的研究，但是利用其它信息对目标进行测向和频谱配对等的研究已有报道，相关文献如下：

1. 2003年，史林等人在《调频连续波雷达频谱配对信号处理方法》中首次采用的上、下扫频段差拍频谱面积配对的方法，但是对处于同一距离具有不同速度的目标不能分辨。

2. 2011年，潘勇先等人在《一种调频连续波距离-速度配对处理方法》中提出利用同一目标产生的回波频谱的幅度在正/负调制段总是具有最大的相似性这一点来实现频谱配对问题，但是当两个目标具有相同距离和速度时，这种方法无法正确分辨目标。

3. 2012年，卢继华等人首次在发明专利《基于干涉原理的汽车防撞雷达高精度测角方法》中，提出一种基于干涉原理的汽车防撞雷达高精度测角方法，基于长基线/短波长以及互质波长的干涉原理，并结合干涉原理实现方向角去模糊，从而得到高精度方向角。但是该方法只适用于对单个目标进行测向，无法对多个目标进行同时估计，因此实现不了上述频谱配对等功能。

4. 2013年，Philipp Heidenreich在《Fast maximum likelihood DOAestimation in the two-target case with applications to automotive radar》中将最大似然方法应用到由于护栏反射产生的虚假目标去除中，但是并没有对频谱配对和汽车过弯等具体细节进行讨论。

5. 2011年，钟霞等人在《汽车防撞雷达对弯道行驶目标的车道识别》中，根据安装在本车上的防撞雷达对前方车辆的实时探测数据，计算前车行驶车道半径，通过与本车所在车道半径进行比较，从而判断前方汽车是否与本车在同一车道，但是对道路旁边的广告牌等并没有具体办法进行识别。

发明内容

本发明的目的主要为提高汽车辅助驾驶系统对驾驶员的安全性，解决车载雷达在对多个目标进行探测的过程中的一些难以解决的问题例如频谱配对、临近目标位置判断以及弯道驾驶时临近车道和广告牌等的判断。汽车辅助驾驶系统通过实时监测各个模块传送的参数信息是否超过车辆行驶中的安全阈值，如果一旦超过，该系统会通过对驾驶员进行告警，让驾驶员对车辆的行进路线进行修正，避免事故的发生。

本发明提供了一种基于汽车辅助驾驶系统的多目标测向系统，所述系统包括信号处理模块以及系统融合与决策模块，

所述信号处理模块包括：

用于获取方向盘的转角、油门、刹车值的方向盘控制模块；

用于获取前方障碍物的距离、位置速度的红外成像模块；

用于获取前方车辆、护栏、广告牌等障碍物的距离、位置速度的毫米波雷达测向测距测速模块；

所述系统融合与决策模块包括总线控制器及驱动器一、总线控制器及驱动器二、红外图像处理以及显示控制单元、车载液晶显示器、车载嵌入式计算机、声光报警系统；

所述信号处理模块将采集到的数据通过方向盘控制模块、红外成像模块和毫米波雷达测向测距测速模块进行处理，获得汽车在运动状态下的各种参数信息，所述信号处理模块得到的参数信息通过信息融合与决策模块进行红外数据和雷达数据之间的融合，所述信号处理模块处理后的信息通过总线控制器及驱动器一将处理后的参数送到红外图像处理以及显示控制单元，通过对传送的参数进行进一步处理与融合，将车辆的位置信息以及其周围环境情况显示到车载液晶显示器上，另一路参数通过总线控制器及驱动器二传送到一个小型嵌入式计算机中，通过对数据进行分析，计算机控制声光报警系统给出，追尾报警、侧翻报警以及线路偏离报警的提示，并在液晶显示器上进行显示。

一种基于汽车辅助驾驶系统的多目标测向方法，利用上述的系统，通过毫米波雷达测向测距测速模块对雷达回波方向进行精确重构，其方法的步骤如下：

(1)、毫米波雷达测向模块中的均匀线阵安装在汽车前端和汽车周围；

(2)、利用辅助阵元构造互耦矩阵来消除互耦影响，利用雷达回波在空域的稀疏特性，对整个空间进行离散化网格处理；

(3)、为了补偿孔径损失，对接收数据的协方差矩阵进行向量化处理形成新的协方差向量；

(4)、通过对新的协方差向量进行非自适应线性投影测量得到最终的测量向量；

(5)、通过正交匹配追踪等算法对雷达回波方向进行精确重构。

上述步骤(2)的方法如下：

假设K个窄带目标回波入射到阵元数为M的均匀线阵上，其中M＞K，阵列与地面水平平行，相邻阵元之间的距离为半波长，K个雷达回波从不同方向入射到阵列上，车载雷达线阵积累N个快拍的输出为：

X(t)＝A(θ)S(t)+N(t)，t＝1，...，N

其中X(t)＝[x₁(t)，x₂(t)，...，x_M(t)]^T是M×1维的阵列输出向量，S(t)＝[s₁(t)，s₂(t)，...，s_K(t)]^T是K×1信号向量，N(t)＝[n₁(t)，n₂(t)，...，n_M(t)]^T是M×1维的零均值方差为σ²的加性高斯白噪声向量，(·)^T，(·)^H和E{·}分别代表矩阵转置、共轭转置以及数学期望，A(θ)＝[a(θ₁)，a(θ₂)，...，a(θ_K)]为阵列流形矩阵，为第k个信号的导向矢量，其中v_k＝exp(-j2πd sin(θ_k)/λ)；

在存在未知互耦时，车载雷达的接收数据写为：

X＝CA(θ)S+N

矩阵X为M×N维接收数据矩阵，矩阵S为M×N维信号矩阵，矩阵N为M×N维噪声矩阵，矩阵C为M×M维互耦矩阵，根据互易原则，互耦矩阵是一个带状对称拓普利兹矩阵，其第一行为c＝[c₁，c₂，…，c_p，0，…，0]，满足0＜|c_p|＜|c_p-1|＜…＜c₁＝1，其中p为互耦自由度，在阵元间距大于(p-1)d时，互耦影响可忽略不计，互耦矩阵写为：

构造一个由潜在导向矢量列向量构成的过完备字典其中a为潜在方向的导向矢量；在多快拍情况下，用U表示信号矩阵，当且仅当时，矩阵U的第l行U(l，：)不为零，其中k代表有信号入射的方向，则车载雷达的接收数据可以写为如下形式：

X＝CΨU+N

为了消除互耦的影响，定义一个选择矩阵F＝[0_(M-2p)×p I_M-2p 0_(M-2p)×p]，对于矩阵C和Ψ，有如下关系：

FCΨ＝FΨG，

FC^*Ψ＝FΨG^*

式中G＝diag[f(v₁)，f(v₂)，...，f(v_L)]为一对角矩阵，对角线元素由f(v₁)，f(v₂)，...，f(v_L)构成，v_i＝exp(-j2πd sin(θ_i)/λ)，这时新的接收数据矩阵在矩阵F的作用下可以写为

其中并且有FX＝X(2p+1：M-2p，：)；新的协方差矩阵可以表示为(·)^H代表矩阵的共轭转置，其中R_U＝E{UU^H}为矩阵U的协方差矩阵，I_M-2p是(M-2p)×(M-2p)维单位阵；因为矩阵R_U和G为对角矩阵，所以GR_UG^H也为对角矩阵；因此新的协方差矩阵可以写为其中是新的信号协方差矩阵。

上述步骤(3)的方法如下：

为了补偿孔径损失，对进行向量化操作：

其中vec(·)是将矩阵逐列堆成一个列向量，r是由构建的一个(M-2p)²维列向量，是一个(M-2p)²维列向量，它由矩阵的对角线元素构成；⊙定义为Khatri-Rao(KR)积，最后对r进行非自适应线性投影测量，可以得到下式

其中Φ是P×(M-2p)²维随机高斯矩阵，原来对两个参数联合优化的问题转化为如下问题：

上述问题转化成一个标准的利用压缩感知重构信号的问题，利用现有的正交匹配追踪算法对其进行精确重构，最后得到高精度的目标角度估计。

本发明在汽车的四周摆放天线阵列，为了方便处理阵列通常设置为均匀线阵，与地面平行摆放。然而由于车载雷达频率一般频率较高，通常在24GHz，天线之间距离较近，天线之间的互耦作用不可忽略，所以本发明利用互耦矩阵特有的结构，通过设置辅助阵元来消除互耦作用的影响，然后利用目标在空域的稀疏性，通过压缩感知理论对多个目标进行同时测向，从而为汽车辅助驾驶系统提供有用信息。

附图说明

图1为汽车辅助安全驾驶系统示意图。

图2为调频连续波雷达波形示意图，解释频谱配对问题；

图3为车载雷达探测的视角示意图，主要为对相邻和前方车道车辆的探测；

图4为汽车转弯示意图，利用车载雷达对路边广告牌进行判断。

具体实施方式

如图1所示，本发明提供了一种基于汽车辅助驾驶系统的多目标测向系统，所述系统包括信号处理模块以及系统融合与决策模块，

所述信号处理模块包括：

用于获取方向盘的转角、油门、刹车值的方向盘控制模块；

用于获取前方障碍物的距离、位置速度的红外成像模块；

用于获取前方车辆、护栏、广告牌等障碍物的距离、位置速度的毫米波雷达测向测距测速模块；

所述系统融合与决策模块包括总线控制器及驱动器一、总线控制器及驱动器二、红外图像处理以及显示控制单元、车载液晶显示器、车载嵌入式计算机、声光报警系统；

所述信号处理模块将采集到的数据通过方向盘控制模块、红外成像模块和毫米波雷达测向测距测速模块进行处理，获得汽车在运动状态下的各种参数信息，所述信号处理模块得到的参数信息通过信息融合与决策模块进行红外数据和雷达数据之间的融合，所述信号处理模块处理后的信息通过总线控制器及驱动器一将处理后的参数送到红外图像处理以及显示控制单元，通过对传送的参数进行进一步处理与融合，将车辆的位置信息以及其周围环境情况显示到车载液晶显示器上，另一路参数通过总线控制器及驱动器二传送到一个小型嵌入式计算机中，通过对数据进行分析，计算机控制声光报警系统给出，追尾报警、侧翻报警以及线路偏离报警的提示，并在液晶显示器上进行显示。

一种基于汽车辅助驾驶系统的多目标测向方法，利用上述的系统，通过毫米波雷达测向测距测速模块对雷达回波方向进行精确重构，其方法的步骤如下：

(1)、毫米波雷达测向模块中的均匀线阵安装在汽车前端和汽车周围；

(2)、利用辅助阵元构造互耦矩阵来消除互耦影响，利用雷达回波在空域的稀疏特性，对整个空间进行离散化网格处理；

(3)、为了补偿孔径损失，对接收数据的协方差矩阵进行向量化处理形成新的协方差向量；

(4)、通过对新的协方差向量进行非自适应线性投影测量得到最终的测量向量；

(5)、通过正交匹配追踪等算法对雷达回波方向进行精确重构。

具体方法如下：

假设K个窄带目标回波入射到阵元数为M(M＞K)的均匀线阵上，相邻阵元之间的距离为半波长。K个信号从从不同方向入射到阵列上，这时线阵积累N个快拍的输出为X(t)＝A(θ)S(t)+N(t)，t＝1，...，N，其中X(t)＝[x₁(t)，x₂(t)，...，x_M(t)]^T是M×1维的阵列输出向量，S(t)＝[s₁(t)，s₂(t)，...，s_K(t)]^T是K×1信号向量，N(t)＝[n₁(t)，n₂(t)，...，n_M(t)]^T是M×1维的零均值方差为σ²的加性高斯白噪声向量。(·)^T，(·)^H和E{·}分别代表矩阵转置、共轭转置以及数学期望。A(θ)＝[a(θ₁)，a(θ₂)，...，a(θ_K)]为阵列流形矩阵，为第k个信号的导向矢量，其中v_k＝exp(-j2πd sin(θ_k)/λ)。

不考虑互耦时的阵列接收数据的协方差矩阵为R＝E{X(t)X^H(t)}＝A(θ)R_SA^H(θ)+σ²I_M，其中R_S＝E{S(t)S^H(t)}为信号协方差矩阵，I_M为M×M维单位矩阵。考虑互耦影响时，阵列接收数据的协方差矩阵为R_MC＝CA(θ)R_SA^H(θ)C^H+σ²I，这里矩阵C为M×M维互耦矩阵。一般来说，阵元之间互耦系数大小与阵元之间的距离成反比，根据互易原则，互耦矩阵是一个带状对称拓普利兹矩阵，其第一行为c＝[c₁，c₂，…，c_p，0，…，0]，满足0＜|c_p|＜|c_p-1|＜…＜c₁＝1，其中p为互耦自由度，在阵元间距大于(p-1)d时，互耦影响可忽略不计，互耦矩阵一般可以写为：

对包含互耦的协方差矩阵R_MC进行特征分解，可以写为R_MC＝U_s∑_sU_s ^H+U_n∑_nU_n ^H，其中U_S和U_N分别信号子空间和噪声子空间，对应K个大特征值和M-K个小特征值。然而在实际应用中，采样数据是有限的，阵列协方差矩阵可以用来近似估计，其中N为快拍数。可以通过对进行特征分解来得到对应估计的信号子空间和噪声子空间假设互耦系数是先验已知的，并且span{Ca(θ₁)，Ca(θ₂)，...，Ca(θ_K)}和张成的是同一个空间。的正交补空间为可以表示为其中||·||代表矩阵的Frobenius范数，传统的空间谱估计算法通过对如下函数进行谱峰搜索得到目标的角度信息。

然而在很多情况下，互耦系数无法得知，那么上述方法就不能再对目标进行有效估计。在存在未知互耦的时候，大多数现有算法都无法应用。因此基于压缩感知理论，本发明提出一种新的适用于存在未知互耦情况的测向方法，比传统算法具有更高的估计精度。

压缩感知理论主要利用空域的稀疏特性将角度空间离散化，对于线阵来说离散的网格数可以为L＝180，(L＞＞M)，只有其中的几个网格有回波信号，这样回波信号在整个空域就是稀疏的。构造一个由潜在导向矢量列向量构成的过完备字典在多快拍情况下，用U表示信号矩阵，当且仅当时，矩阵U的第l行U(l，：)不为零，在不存在互耦时，接收数据可以表示为X＝ΨU+N，其中X和N分别代表M×N维阵列输出矩阵和噪声矩阵。这样波达方向估计问题可以表示为一个联合稀疏重构问题。利用一个P×M维非自适应线性投影测量矩阵Φ，并且Φ与Ψ之间互不相关，那么得到的矩阵测量矩阵Y可以精确重构未知矩阵U，Y的表达式为Y＝[y(1) y(2)…y(N)]＝ΦΨU+ΦN，多个快拍构成了测量矩阵Y。这里Φ一般为随机高斯矩阵，其与任何矩阵都不相关，可以很好的重构信号，一旦得到矩阵U的估计，那么目标的角度信号随之也就得到。

在存在未知互耦时，接收数据写为的定义与U相同。因为未知互耦C的存在，必须通过对下式中的和C进行联合优化：

其中||U||_g，h定义为这里采用的设置为g＝2，h＝1。因为上式是一个复杂的非凸优化问题，无法在多项式时间内进行求解，因此必须采取一些方法来去除互耦的影响，将其转化为一个凸优化问题。下面首先引入一个定理：

定理：定义一个选择矩阵F＝[0_(M-2p)×p I_M-2p 0_(M-2p)×p]，对于矩阵C和Ψ，有如下关系：

FCΨ＝FΨG，

FC^*Ψ＝FΨG^*

式中G＝[f(v₁)，f(v₂)，...，f(v_L)]，

下面对上面定理进行证明：

第二个关系式与第一个关系式的证明过程类似。这时新的接收数据矩阵在矩阵F的作用下可以写为其中并且有FX＝X(2p+1：M-2p，：)。可以看出只有阵列中心的阵元参与了波达方向估计。虽然阵列孔径有所损失，但是互耦影响得到了有效的抑制。新的协方差矩阵可以表示为其中R_U＝E{UU^H}为矩阵U的协方差矩阵，I_M-2p是(M-2p)×(M-2p)维单位阵。因为矩阵R_U和G为对角矩阵，所以GR_UG^H也为对角矩阵。因此新的协方差矩阵可以写为其中是新的信号协方差矩阵。从上式可以看出所有的互耦系数都进入到新的信号新的信号协方差矩阵中，因此不需要对和C进行联合优化。

为了补偿孔径损失，对进行向量化操作：

其中vec(·)是将矩阵逐列堆成一个列向量，r是由构建的一个(M-2p)²维列向量，也是一个(M-2p)²维列向量，它由矩阵的对角线元素构成。⊙定义为Khatri-Rao(KR)积，其定义如下：

定义1：对具有相同列数的两个矩阵它们的KR积定义为

其中代表克罗内克积，其定义如下：

对两个向量和来说，它们的克罗内克积定义为：

下面给出一个对本文推导很有帮助的性质：

性质1：定义两个矩阵和另一个为向量同时定义矩阵Q＝diag(q)，那么它们之间满足如下性质：

vec(BQD^H)＝(D^*⊙B)q

下面对该性质进行简单证明：

矩阵B、D和Q的积可以表示为

对上式进行向量化操作，并利用克罗内克积的定义，可以得出

性质1得到证明。因此得到r的表达式，然而由于求解的是单次测量向量问题，所以本文所提算法不能估计的目标不能大于阵元数。但是与同类算法相比，本文算法具有较低的计算复杂度。最后对r进行非自适应线性投影测量，可以得到下式

其中Φ是P×(M-2p)²维随机高斯矩阵。因此原来对两个参数联合优化的问题可以转化为如下问题：

因此上述问题转化成一个标准的利用压缩感知重构信号的问题，可以利用现有的许多算法对其进行精确重构，例如正交匹配追踪算法。最后可以得到高精度的目标角度估计。

实施例：

对于在多个雷达回波出现时的频谱配的问题，图2所示的是调频连续波雷达的波形，其中实线、短虚线和长虚线分别代表发射信号、接收信号和差频信号。图中只画出存在一个目标回波时的波形，其中发射机的发射频率f_t，其平均频率为f_t0，f_t0的变化周期为T_m，其中T_m通常为百分之几秒。f_r为目标反射回波的频率，与发射频率具有相同的变化规律，但是延迟了t_R，t_R＝2R/c。发射频率调制的最大偏差为±Δf，f_b是在发射信号和接收信号之间的差频，它的平均值是f_bav。

如图2所示，发射频率和接收频率可以表示为， 差频f_b可以表示为对于距离为R的目标回波，在一个测量周期的平均差频值f_bav可以表示为因为T_m＞＞2R/c，所以目标距离可以表示为这里f_m＝1/T_m是调制频率。当移动目标的距离为R，径向速度为υ，回波频率f_r为这里f_d是多普勒频率，正负号代表信号调制前后的梯度，当f_d＜f_bav时，差频可以表示为 因此距离和速度可以表示为

然而在实际情况中，车载雷达可能在非常短的时间内接收多个目标回波信号。其中的难题就是如何区别在正负斜率两侧的频率是同一个目标的频率，从图2中可以看出，如果在时刻t₃之前有K个目标回波，在时刻t₃之后同样有K个目标回波，这样就存在K²种配对方式，实际上正确的配对方式只有K种，其于K²-K种配对方式都是错误的。然而对于时刻t₃前后的同一个目标回波却具有相同的角度信息，它可以作为一个重要参数对频谱进行的正确的配对。

如图3所示，如果在同一车道上，车载雷达探测到两辆汽车的探测距离小于安全距离，这是警报就会触发用来提醒驾驶员两辆车距离太近。如果汽车在相邻的车道，那么警报就不应该被触发。可以看出在不同车道，车载雷达探测到的角度区别很大，这可以作为判断汽车在相邻车道还是同一车道的重要信息。除此之外，在车道中间有护栏的时候，角度信息同样可以作为判断护栏的重要信息，因为其角度信息具有连续性，回波稳定，与路上行驶的汽车有很大的不同。

如图4所示，当汽车在转弯过程中，同样要判断汽车是在同一车道还是相邻车道，路边的广告牌同样可以通过车载雷达接收的角度信息来判断，广告牌的雷达回波具有两个特点，一是回波较稳定，在相对长的时间内都有角度信息，另一点车载雷达测量得到的广告牌的角度与车道上的汽车的角度具有较大的差别，可以通过角度信息判断广告牌的存在，避免虚警的产生。

在汽车的四周摆放天线阵列，为了方便处理阵列通常设置为均匀线阵，与地面平行摆放。然而由于车载雷达频率一般频率较高，通常在24GHz，天线之间距离较近，天线之间的互耦作用不可忽略，所以本发明利用互耦矩阵特有的结构，通过设置辅助阵元来消除互耦作用的影响，然后利用目标在空域的稀疏性，通过压缩感知理论对多个目标进行同时测向，从而为汽车辅助驾驶系统提供有用信息。

Claims (2)

1.一种基于汽车辅助驾驶系统的多目标测向系统，其特征在于：所述多目标测向系统包括信号处理模块以及系统融合与决策模块，所述信号处理模块包括：

用于获取方向盘的转角、油门、刹车值的方向盘控制模块；

用于获取前方障碍物的距离、位置速度的红外成像模块；

用于获取前方车辆、护栏、广告牌的距离、位置速度的毫米波雷达测向测距测速模块；

所述系统融合与决策模块包括总线控制器及驱动器一、总线控制器及驱动器二、红外图像处理以及显示控制单元、车载液晶显示器、车载嵌入式计算机、声光报警系统；

所述信号处理模块将采集到的数据通过方向盘控制模块、红外成像模块和毫米波雷达测向测距测速模块进行处理，获得汽车在运动状态下的各种参数信息，所述信号处理模块得到的参数信息通过系统融合与决策模块进行红外数据和雷达数据之间的融合；

信号处理模块处理后的信息通过总线控制器及驱动器一将处理后的参数送到红外图像处理以及显示控制单元，通过对传送的参数进行进一步处理与融合，将车辆的位置信息以及其周围环境情况显示到车载液晶显示器上，另一路参数通过总线控制器及驱动器二传送到车载嵌入式计算机中，通过对数据进行分析，车载嵌入式计算机控制声光报警系统给出，追尾报警、侧翻报警以及线路偏离报警提示，并在车载液晶显示器上进行显示。

2.一种基于汽车辅助驾驶系统的多目标测向方法，其特征在于利用权利要求1所述的多目标测向系统，通过毫米波雷达测向测距测速模块对雷达回波方向进行精确重构，其方法的步骤如下：

（1）、毫米波雷达测向测距测速模块中的均匀线阵安装在汽车前端和汽车周围；

（2）、利用辅助阵元构造互耦矩阵来消除互耦影响，利用雷达回波在空域的稀疏特性，对整个空间进行离散化网格处理；

（3）、为了补偿孔径损失，对接收数据的协方差矩阵进行向量化处理形成新的协方差向量；

（4）、通过对新的协方差向量进行非自适应线性投影测量得到最终的测量向量；

（5）、通过正交匹配追踪算法对雷达回波方向进行精确重构。