CN107683423A - 用于调频连续波雷达中的对象检测的低复杂度超分辨率技术 - Google Patents

Abstract

在所描述的示例中，对象检测的方法采用低复杂度技术的分层法。初始基于FFT的检测和范围估计(201)给出在瑞利极限内或具有由大幅变化的反射强度造成的不同大小的一组对象的粗略范围估计。对于每组所检测的峰值，该方法将输入解调为近似直流电(203)、过滤掉其它峰值(204)，并且取信号的十分之一(205)以减少数据大小。该方法然后对该有限的数据大小实行超分辨率方法(206)。所得到的精细范围估计(207)使用FFT处理提供相对于粗略估计(202)的距离。

Description

用于调频连续波雷达中的对象检测的低复杂度超分辨率技术

技术领域

本申请涉及雷达对象检测和对应的对象位置确定。

背景技术

在传统对象检测技术中，由所谓的瑞利距离限制用于解析两个附近对象(雷达反射)的最小距离。这些技术经常无法发现在较大对象附近的较小对象。再者，存在被称为超分辨率技术的几种技术，并且这几种技术可以甚至在传统极限之下区分对象，但是超分辨率技术在计算上昂贵，并且很少实施。

发明内容

在所描述的示例中，对象检测的方法采用低复杂度技术的分层法。初始基于FFT的检测和范围估计给出在瑞利极限内或具有由大幅变化的反射强度造成的不同大小的一组对象的粗略范围估计。对于每组所检测的峰值，该方法将输入解调为近似直流电、过滤掉其它峰值，并且取信号的十分之一以减少数据大小。该方法然后对该有限的数据大小实行超分辨率方法。所得到的精细范围估计提供相对于使用FFT处理的粗略估计的距离。

附图说明

图1示出示例实施例适用的常规FMCW雷达。

图2示出示例实施例的信号数据处理。

图3示出在多信号分类算法中涉及的步骤。

图4示出在矩阵束算法中涉及的步骤。

图5示出作为具有相同反射率的不同范围的两个对象的常规处理的结果。

图6示出作为不同范围的两个对象的常规处理的结果，其中一个对象具有少25dB的反射率。

图7示出作为具有相同反射率的不同范围的两个对象的根据示例实施例的处理的结果。

图8示出作为不同范围的两个对象的根据示例实施例的处理的结果，其中一个对象具有少25dB的反射率。

具体实施方式

在所描述的示例中，使用经典方法实行初始对象检测。在FMCW(调频连续波)雷达的上下文中，这通过输入数据的快速傅里叶变换并且然后通过搜索高值幅度来完成。在检测到潜在的对象之后，围绕所检测的对象或反射中的每个实行超分辨率算法。为了减少该搜索的计算复杂度，信号被解调(所以所检测的对象位于近似DC值)，并且然后被子采样(所以减少操作数据点的数量)。然后超分辨率技术对该减少的数据集起作用，从而减少计算复杂度。

FMCW雷达经常用于确定对象的位置及其移动的速度。这些雷达用于汽车、工业测量和其它应用中。图1示出典型FMCW技术。

由斜坡振荡器101和压控振荡器(VCO)102生成的啁啾信号(其中频率被线性改变)由天线103传输，并且从(多个)对象104反射该啁啾信号。由天线105接收该信号，并且在混合器106中该信号与所传输的信号混合，并且如由以下给出的，所得到的拍频107取决于对象的距离：

因此，如果可估计用于多个对象的拍频或多个拍频，则可估计到这些对象的距离。在上面的等式中，R是对象的范围，B是啁啾信号的带宽，T_r是啁啾的持续时间，并且c是光的速度。

在最常用的对象检测和距离估计技术中，使用傅里叶变换估计频率。通常，使用FFT(快速傅里叶变换)。在108中示出的FFT输出的峰值对应于所检测的对象，并且峰值的频率对应于距离。在该技术中，用于求解两个对象并且确定它们的相应的距离的最小距离被称为瑞利极限，并且通过以下给出该最小距离：

在关于该检测的另一个问题中，当两个紧密间隔开的对象的反射率是不同的时，较大的对象趋于隐藏较小的对象。

为了克服上面的限制，已经提出超分辨率技术。本文中描述了两种此类技术。

第一技术被称为MUSIC(多信号分类)，MUSIC(多信号分类)将信号自相关矩阵301Rs分成信号子空间和噪声子空间302。这通过首先使用奇异值分解(SVD)303来完成：

R_s＝QΛQ^H

并且然后从具有最低特征值304的特征向量提取噪声子空间：

Q_n＝Q(:,N-M,N)

N:数据维度，M:信号维度

该技术然后使用以下等式305创建正交于噪声子空间的MUSIC伪谱：

并且最终实行上面频谱中峰值的搜索，以在306中确定对象的存在和位置。

第二技术被称为MPM(矩阵束方法)，MPM(矩阵束方法)创建具有延迟的信号向量的汉克尔(Hankel)矩阵401：

S＝[s₀s₁s₂…s_L-1s_L]＝[S₀s_L]＝[s₀S₁]

s_n＝[s(n)s(n+1)…s(n+N-L-1)]^T

并且然后在402中解决矩阵束的广义特征值问题(这些特征值对频率估计进行编码)

S₁-ξS₀

用于解决广义特征值问题的步骤如下：实行信号值分解(SVD)403，并且在404中选取M个最高特征值：

S^HS＝UΛU^H；U_M＝U(:,1:M)

并且在405中提取两个特征向量矩阵：

U_0M＝U(1:L-1,:),U_1M＝U(2:L,:)

并且在406中实行第二SVD：

并且在407中从所得到的特征值(广义特征值)提取频率。

已经提出这些技术的各种变型。但是这些技术的各种变型都具有实行信号向量的特征分析的共同操作。对于N的数据大小，特征分析具有N³量级的计算要求。对于正常的应用，N为1000的量级。因此，这些技术对于实施嵌入式实时应用是不可行的。

在FMCW雷达应用中，可使用速度、方位角和仰角的额外的信号维度，其影响在于将数据大小增加几个量级。

在图2的所提出的低复杂度技术中，超分辨率技术与基于FFT的方法组合，以创建分层做法。首先，在201中实行基于FFT的检测和范围估计。这给出在瑞利极限内或具有由大幅变化的反射强度造成的不同大小的一组对象的粗略范围估计202。对于每组所检测的峰值，在203中输入被解调为近似DC，在204中过滤掉其它峰值(或其它对象组)，并且然后在205中对信号进行子采样以减少数据大小。然后在206中对该有限的数据大小实行超分辨率方法。所得到的精细范围估计207提供相对于使用FFT处理所完成的粗略估计的距离。

以下研究示出在两个示例中使用信号带宽＝4GHz、啁啾持续时间＝125微秒，以及在5.9m和6m处的两个对象的参数的模拟结果，两个示例为：(a)对象具有相同的反射率；以及(b)对象的反射率相差25dB。依据RCS(雷达横截面)测量反射率。

图5和图6中示出常规的基于FFT的处理的输出。图5(对应于两个对象的相同的RCS)示出对应于两个对象的两个峰值501和峰值502。在图6中，在一个对象的RCS低25dB的情况下，较小的对象不能被检测到并且随着较大对象601的峰值的扩散被隐藏。所使用的数据大小是512。

然后使用示例实施例的技术，数据被减少到32，导致计算复杂度减少到16³倍(reduction by a factor of 16³)。图7和图8中示出MUSIC方法的输出。图7示出对于相同的RCS的情况的更陡的峰值701和峰值702。图8示出对于25dB RCS差的情况仍然遗漏了对象。

提供来自图7和图8的MPM矩阵束方法的模拟的图像输出是不实际的。然而，如果矩阵束在该减少的数据集上运行，则矩阵束提供用于以下的两个距离估计：相同的RCS；以及25dB RCS差。对于相同的RCS：距离估计是距离1＝6.0012m并且距离2＝5.8964m。对于25dBRCS差：距离估计是距离1＝5.9990m并且距离2＝5.8602m。在该实例中，对象被放置在5.9m和6m处，所以MPM方法以大大减少的复杂度准确地提供距离。

Claims (12)

1.一种对象检测的方法，其包括：

生成具有线性改变频率的信号；

在待检测的对象的方向上传输所述信号；

从所述对象接收反射信号；

将接收的信号与传输的信号混合，以形成与到所述对象的距离成比例的外差频率或拍频；

对所述拍频实行傅里叶变换，其中傅里叶变换输出的峰值对应于检测的所述对象，并且所述峰值的频率对应于到所述对象的所述距离的粗略估计；

针对每组检测的峰值，将所述输入信号解调为近似直流电；

过滤掉其它峰值；

对得到的信号取十分之一以减少数据大小；以及

对减少的数据集实行超分辨率计算，相对于由傅里叶变换计算给出的所述粗略估计给出更精确的距离估计。

2.根据权利要求1所述的方法，其中实行所述超分辨率计算采用所述减少的数据集的特征分析。

3.根据权利要求1所述的方法，其中实行所述超分辨率计算采用多信号分类算法即MUSIC算法。

4.根据权利要求3所述的方法，还包括：

将信号自相关矩阵分成信号子空间和噪声子空间；

对所述子空间实行奇异值分解；

通过提取具有最低特征值的特征向量，提取所述噪声子空间；

创建正交于所述噪声子空间的MUSIC伪谱；以及

在上面的伪谱中搜索峰值。

5.根据权利要求1所述的方法，其中实行所述超分辨率计算采用矩阵束方法算法即MPM算法。

6.根据权利要求5所述的方法，还包括：

创建具有延迟的信号向量的Hankel矩阵；

计算所述矩阵的广义特征值；

实行奇异值分解；

选择最高特征值；

提取两个特征向量矩阵；

实行第二奇异值分解；以及

搜索得到的特征值内的峰值。

7.一种用于对象检测的装置，其包括：

线性斜坡发生器；

由所述线性斜坡发生器的输出控制的压控振荡器；

可操作用于传输所述压控振荡器的输出的天线；

可操作用于接收从多个对象反射的信号的天线；

混合器，所述混合器可操作用于将所述压控振荡器的输出与所接收的反射信号混合，从而形成与到反射所述信号的所述对象的距离成比例的拍频；以及

处理器，所述处理器可操作用于对所述拍频实行傅里叶变换，其中傅里叶变换输出的峰值对应于检测的所述对象，并且所述峰值的频率对应于到所述对象的距离的估计；

其中所述处理器还可操作用于：针对每组检测的峰值，将所述傅里叶变换的输出解调为近似直流电；对所解调的数据进行子采样；以及对子采样的数据集实行超分辨率计算。

8.根据权利要求7所述的装置，其中所述处理器还可操作用于通过采用所述子采样的数据集的特征分析，实行所述超分辨率计算。

9.根据权利要求7所述的装置，其中所述处理器还可操作用于通过采用多信号分类算法即MUSIC来实行所述超分辨率计算。

10.根据权利要求9所述的装置，其中所述处理器还可操作用于：

将所述信号自相关矩阵分成信号子空间和噪声子空间；

对所述子空间实行奇异值分解；

通过提取具有最低特征值的特征向量，提取所述噪声子空间；

创建正交于所述噪声子空间的MUSIC伪谱；以及

在上面的频谱中搜索峰值。

11.根据权利要求7所述的装置，其中所述处理器还可操作用于通过采用所述矩阵束方法算法，实行所述超分辨率计算。

12.根据权利要求11所述的装置，其中所述处理器还可操作用于：

创建具有延迟的信号向量的Hankel矩阵；

计算所述矩阵的广义特征值；

实行奇异值分解；

选择最高特征值；

提取两个特征向量矩阵；

实行第二奇异值分解；以及

搜索得到的特征值内的峰值。