CN107783118A - 基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法 - Google Patents

Abstract

一种基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法，属于信号处理领域，为了解决毫米波雷达的固定翼无人机多目标防撞的问题，技术要点是：发射信号一路通过发射器辐射到无人机飞行前方的空间中，另一路则与反射回来的回波信号进行混频；通过将差频信号经过信号调理输入到FPGA芯片进行AD采样，将AD采样的双通道IQ数据发送到信号处理分系统的DSP信号处理芯片；在DSP信号处理芯片中将采样后的双通道四路IQ数据进行数字信号处理；效果是：使得该方法可以在采集数据的基础上，获得多目标障碍物的距离、速度等参数，从而检测出多目标障碍物与无人机的碰撞可能。

Description

基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法

技术领域

本发明属于信号处理领域，涉及一种基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法。

背景技术

无人机就是无人驾驶飞机，是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。按应用领域，可分为军用与民用。

无人机的民用领域还可以细分为两大类：一类是行政部门，如气象、警用、测绘、环境保护、科学研究和灾害预防和管理等；一类是商用，如影视航拍、农林植保、电力能源巡检等。目前，我国无人机在政府部门已得到了广泛的应用，在商用领域也在加快推广。

美国消费电子协会数据显示，2015年全球民用无人机有望售出40万架，市场规模预计会比去年增长55％，达到1.3亿美元。而到2018年，预计全球无人机市场规模将会攀升到至少10亿美元，市场需求将会很快爆发。

民用无人机虽然当前国内市场规模并不大，但用途广泛，未来发展空间巨大。2013年国内民用无人机需求规模为0.5亿美元，预计未来10年我国民用无人机将保持20％以上的速度增长，至2022年无人机市场规模有望接近3亿美元。

无人机主要分为旋翼无人机和固定翼无人机。这两种无人机的飞行原理不同，所以各有各的特点。多旋翼无人机是依靠多个旋翼产生的升力来平衡飞行器的重力，让飞行器可以飞起来，通过改变每个旋翼的转速来控制飞行器的平稳和姿态。所以多旋翼飞行器可以悬停，在一定速度范围内以任意的速度飞行，基本上就是一个空中飞行的平台，可以在平台上加装传感器，相机等，甚至机械手之类的仪器，操作简单，经过简单的培训人人都可以操作。目前无人机旋翼公司主要有大疆，parrot等公司。

固定翼无人机靠螺旋桨或者涡轮发动机产生的推力作为飞机向前飞行的动力，主要的升力来自机翼与空气的相对运动。所以，固定翼飞机必须要有一定的无空气的相对速度才会有升力来飞行。因为这个原理，固定翼飞行器具有飞行速度快，比较经济，运载能力大的特点。固定翼的无人机也是非常有用的，在有大航程，高度的需求时，一般选择固定翼无人机，比如电力巡线，公路的监控等等。

固定翼飞机与旋翼机比较时既有优势也有劣势。固定翼飞机由于它们在没有电源的时有天然的滑翔能力，在空中面对驾驶与技术错误时更为宽容。固定翼飞机也有能力在低电量时带着更大载重飞到更远的距离。但是当需要精确的任务时，固定翼飞机就处于劣势了。由于它们必须要有空气流过它们的机翼来产生升力。这意味着它们必须保持向前运动，就是说它们不能像飞行器一样在一个地点上盘旋，因此不能提供一个精确的相机位置水平。所以，用于更长时间与更大载重的任务，一架固定翼是最好的选择。

无人机发展多年，如何让无人机感知距离，回避障碍，一直都是个很大的难题。国外相关机构统计，每10000h飞行中，直升机平均会发生10次事故，各类事故中，因与低空飞行时的障碍物相撞而引起的事故比例约占35％，已经远远超过其他事故原因。威胁无人机室外低空飞行安全的物体主要有树木等自然物体以及电力线、电线杆、建筑物等人造物体，其中，由于电力线体积小，难以用肉眼发现，对无人机的飞行安全危害最大。

最早的测距方式其实有点像倒车雷达，透过类似蝙蝠的“听觉”，向测距对像射出电波，感知反射后判定物件的方向和位置。法国无人机公司Parrot旗下的AR.Drone无人机，最早就透过超声波方式往下方测距，让无人机能固定在同一高度上飞行；而零度无人机的探索者第二代(XIRO Xplorer 2)则采用特殊红外线方式360度测距，藉此回避障碍物。然而，雷达式测距的最大限制是：它需要先发射电波，然后侦察电波反射；在续航力和电波发射功率的限制下，很难进行长距离的测距：例如Parrot Bebop Drone的超声波定高，最高距离只有8米，而零度探索者2的最大回避半径，则只有6米。大疆Phantom 4或是YuneecTyphoon H透过双目感应器，只要在光线良好的环境下，它的自动避障距离比超声波雷达式避障要远得多：大疆的双目感应器可以判断最远约15米的障碍，比Parrot Bebop Drone远了接近一倍。但是采用视觉实现避障，环境变化会对其避障功能产生巨大的影响，大大影响其避障功能。

上述技术方法，主要是通过采用视觉传感器、红外传感器以及超声波雷达传感器对无人机飞行环境中的障碍物做出避障行为，但是由于这些传感器作用距离较近造成固定翼无人机快速飞行过程中避障反应时间短，且易受到恶劣天晴以及突发环境变化影响而导致避障失败等缺点，因此本发明专利通过采用毫米波雷达传感器实现固定翼无人机避障功能。由于毫米波雷达工作波长介于1mm～10mm之间，与其他的探测方式相比，主要有探测性能稳定、环境适应良好、尺寸小、价格低，可以在相对恶劣的雨雪天气使用等优点，而且毫米波雷达的作用距离远，

发明内容

为了解决毫米波雷达的固定翼无人机多目标防撞的问题，本发明提出了如下技术方案：一种基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法，包括如下步骤：

S1.FPGA芯片控制PLL锁相环发射具有一定幅值和频率的调制信号；

S2.射频分系统的压控振荡器VCO在PLL锁相环的作用下产生一定范围内的发射信号且发射信号的频率按照调制信号的规律进行变化，从而实现线性调频连续波FMCW的工作模式；

S3.发射信号一路通过发射器辐射到无人机飞行前方的空间中，另一路则与反射回来的回波信号进行混频；

S4.通过将差频信号经过信号调理输入到FPGA芯片进行AD采样，将AD采样的双通道IQ数据发送到信号处理分系统的DSP信号处理芯片；

S5.在DSP信号处理芯片中将采样后的双通道四路IQ数据进行数字信号处理；

S6.经过信号处理得到目标的距离、速度、角度相关信息，将该相关信息接入到无人机主控制器中或是输出通过无线传输方式传回到上位机或是终端进行实时显示。

进一步的，S7.对无人机前方障碍物距离、速度以及方位计算，无人机主控制器根据对前方目标实时更新的上述距离、速度以及方位的数据信息进行数据处理，主要包括滤波、预测处理；通过滤波以及预测算法对其前方障碍目标实时检测以及跟踪。

有益效果：上述方案，给出了一种基于毫米波雷达的固定翼无人机多目标防撞方法，使得该方法可以在采集数据的基础上，获得多目标障碍物的距离、速度等参数，从而检测出多目标障碍物与无人机的碰撞可能。

附图说明

图1基于毫米波雷达的固定翼无人机多目标防撞系统框图；

图2恒频波与线性调频三角波组和波形一个扫频周期内的频率变化图；

图3基于毫米波雷达的固定翼无人机多目标防撞系统信号处理流程图。

具体实施方式

实施例1：一种基于毫米波雷达的固定翼无人机多目标防撞系统，包括天线分系统、射频分系统、信号调理分系统、信号处理分系统；

所述天线分系统形成雷达探测所需的发射和接收波束，并将发射信号向指定区域辐射，并接收指定区域内的目标散射回波信号；

所述射频分系统，产生发射信号且发射信号的频率按照调制信号的规律进行变化，实现输出线性调频连续波；

所述信号调理分系统，对中频模拟信号的滤波和幅值放大；

所述信号处理分系统，使信号调理分系统输出的四路I/Q中频信号，采集到AD采集通道中，并进行信号处理且输出。

作为技术方案的优选，所述天线分系统包括发射天线和接收天线，所述接收天线是由三行接收天线通过背面馈电网络组成的两个接收天线，使用微带矩形贴片形成组阵；所述发射天线、接收天线通过过孔与背面微波电路连接。

所述信号处理分系统，包括ARM芯片、电源模块、串口模块和CAN模块，所述AMR芯片将信号调理分系统输出的四路I/Q中频信号，采集到ARM芯片自带的四路AD采集通道中，由ARM芯片进行信号处理，通过串口模块和/或CAN模块输出。

天线分系统包括发射天线和接收天线，所述射频分系统包括压控振荡器和混频器，所述信号处理分系统包括信号调理电路和PLL锁相环，所述信号处理分系统包括A/D转换器和ARM芯片，ARM芯片的一端连接于信号发生器，信号发生器连接于压控振荡器，压控振动器分别连接于发射器和混频器的第一端，混频器的第二端连接接收器，混频器的第三端连接信号调理电路，信号调理电路连接A/D转换器，A/D转换器连接ARM芯片的另一端。

作为一种实施例，所述的信号处理的方法是：

S1.分别计算通道1中AD采集到的三角波FMCW上、下扫频段以及恒频波CW1段IQ两路数据的均值，IQ两路各数据点分别减掉计算得到的均值；计算通道2中AD采集到的恒频波CW2段IQ两路数据的均值，IQ两路各数据点分别减去计算得到的均值；该步骤主要是起到去直流的目的，降低直流对检测附近目标的影响；

S2.分别将通道1和通道2中，各段去直流后的时域数据进行加窗处理，可以选择汉宁窗、海明窗等，降低旁瓣，从而提高目标的检测性能；

S3.对通道1中的第一段三角波FMCW上扫频段和第二段三角波FMCW下扫频段、第三段恒频波CW1段，以及通道2中的恒频波CW2段，去除前部分数据点，根据数据点数选择适当点数进行FFT变换，即时频变化，将时域数据转换成频域数据；

S4.将各段波形FFT变换后的复数模值做门限检测CFAR，输出过门限点位置，门限检测可以选择单元平均选小等方式设计相应的门限。根据过门限的点计算其对应的频率值，同时计算出恒频段过门限点对应的相位值。

S5.由通道1恒频段频率矩阵，计算得到其对应的速度矩阵；

S6.将通道1的三角波上扫频频率矩阵和下扫频对应的频率矩阵中的数据，两两进行配对计算距离和速度，相应计算得出距离矩阵和速度矩阵，从距离矩阵和速度矩阵中，找到真实目标在速度矩阵的坐标值，通过该坐标值在距离矩阵中相应坐标对应的距离值则为真实目标的距离值。

S7.通过恒频波的速度矩阵和三角波的速度矩阵进行多目标的真实速度匹配以及查找，同时获得多目标的真实距离。

S8.进行多目标的方位角计算。

作为一种实施例，所述步骤S4：

设通道1中：

三角波上扫频过门限的点数有n1个，其对应的位置矩阵为N_{_up}＝[a₁,a₂,…a_n1]，根据公式计算对应点上的频率矩阵，计算得到的频率矩阵为F_{_up}＝[f_a1,f_a2,…f_an1]；其中：f_s为采样率，M为FFT变换的点数，N为位置点，f为频率值；

三角波下扫频过门限的点数有n2个，其对应的位置矩阵为N_{_down}＝[b₁,b₂,…b_n2]，计算得到的对应的频率矩阵为F_{_down}＝[f_b1,f_b2,…f_bn2]；

恒频段过门限的点数有n3个，其对应的位置矩阵为N_{_cw1}＝[c₁,c₂,…c_n3]，计算得到的对应的频率矩阵为F_{_cw1}＝[f_c1,f_c2,…f_cn3]，同时假设峰值点对应的FFT变换后的复数据为a_cw1+1j*b_cw1，其相位根据公式计算得到，设其过门限的点对应的相位矩阵为ψ_CW1＝[ψ_c1,ψ_c2,…ψ_cn3]；

通道2中：

恒频段过门限的点数与通道1中过门限点的点数相同，其对应的位置矩阵为N_{_cw2}＝[c₁,c₂,…c_n3]，计算得到的对应的频率矩阵为F_{_cw2}＝[f_c1,f_c2,…f_cn3]，其对应的相位矩阵ψ_CW2＝[ψ′_c1,ψ′_c2,…ψ′_cn3]；其中：a表示I路的数据值，b表示Q路的数据值，a_cw1表示在a+j*b组成的数组中，过门限的峰值点对应的坐标为cw1。

若过门限的位置点等于1，则认为其是直流分量，不作为目标判定，直接剔除该位置点；

作为一种实施例，所述步骤S5中，由所述频率矩阵F_{_cw1}＝[f_c1,f_c2,…f_cn3]，根据速度计算公式得到其速度矩阵为V_{_cw1}＝[v_c1,v_c2,…v_cn3]，其中，c为光速，c＝3×10⁸，f₀为中心频率，f₀＝24.125GHz。

作为一种实施例，所述步骤S6中，将所述通道1的三角波上扫频频率矩阵F_{_up}＝[f_a1,f_a2,…f_an1]和下扫频对应的频率矩阵F_{_down}＝[f_b1,f_b2,…f_bn2]，根据公式计算其距离值，根据公式计算其速度值，其中，T为三角波周期，T＝20ms，B为调频带宽，B＝200MHz，c为光速，c＝3.0×10⁸，f₀为中心频率，f₀＝24.125GHz；根据上面描述的，将矩阵F_{_up}＝[f_a1,f_a2,…f_an1]中的数据和矩阵F_{_down}＝[f_b1,f_b2,…f_bn2]中的数据，两两进行配对计算距离和速度，计算得出的距离矩阵为其中r_aibj(1≤i≤n1,1≤j≤n2)，表示是由上扫频矩阵中F_{_up}的第i个元素与下扫频矩阵中F_{_down}第j个元素进行计算得到的距离值；计算得出的速度矩阵为其中v_aibj(1≤i≤n1,1≤j≤n2)，表示是由上扫频矩阵中F_{_up}的第i个元素与下扫频矩阵中F_{_down}第j个元素进行计算得到的速度值，从距离矩阵R和速度矩阵V中，找到真实目标在速度矩阵V的坐标值，通过该坐标值在距离矩阵R中相应坐标对应的距离值则为真实目标的距离值。

作为一种实施例，所述步骤S7，通过恒频波的速度矩阵V_{_cw1}和三角波获得速度矩阵V进行多目标的真实速度的匹配以及查找，同时获得多目标的真实距离；

具体操作如下：将恒频波速度矩阵V_{_cw1}中的每一个速度值与三角波速度矩阵V进行速度匹配，查找到与速度矩阵V_{_cw1}中相同速度值以及该速度值所在的行值和列值，在速度矩阵V中，没找到一个真实目标的速度后，将该行与列的所有数据进行删除，这样则保证频率之间唯一的配对关系。根据真实目标的速度，在速度矩阵V中所在的行值和列值，在相应的距离矩阵中找到该行和该列所对应的距离值，该距离值则为真实目标在该速度值下对应的距离值。由此完成所有真实目标距离以及速度的查找。

作为一种实施例，所述步骤S8中，通道1恒频段CW1获得的相位矩阵ψ_CW1＝[ψ_c1,ψ_c2,…ψ_cn3]和通道2恒频段CW2获得的相位矩阵ψ_CW2＝[ψ_c′₁,ψ_c′₂,…ψ_c′_n3]的对应列上的数据，通过公式计算得到其相位差，则其相位差矩阵为Δψ＝[Δψ_c1,Δψ_c2,…Δψ_cn3]，并根据公式计算方位角，其中：d为天线间距，λ为波长。

1、本发明首次给出了基于毫米波雷达的固定翼无人机多目标防撞系统的整体设计方法及其工作原理，采用锁相环PLL的方式控制VCO，提高发射波形数据的精准，从而系统的高性能，同时将毫米波雷达应用在最大速度为150km/h的固定翼无人机，最远检测距离150m。

2、本发明给出基于毫米波雷达的固定翼无人机多目标防撞系统信号处理部分的设计以及处理方法。采用恒频波以及三角波组和波形的方式，实现对多目标的检测功能。

实施例2：一种实施例1中各所述基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法，包括如下步骤：

S1.所述信号处理分系统的FPGA芯片控制PLL锁相环发射具有一定幅值和频率的调制信号，本实施例为线性调频连续三角波和恒频波的组和波形，采用锁相环可以是发射波形数据更精准，从而提高系统的性能；

S2.射频分系统的压控振荡器VCO在PLL锁相环的作用下产生一定范围内的发射信号且发射信号的频率按照调制信号的规律进行变化，从而实现线性调频连续波FMCW的工作模式。

S3.发射信号一路通过发射器辐射到无人机飞行前方的空间中，另一路则与反射回来的回波信号进行混频；回波信号与之前的发射信号相比，其频率已经发生变化，经混频器之后得到的信号就是含有目标信息的差频信号。

S4.通过将差频信号经过信号调理即信号放大、滤波后输入到FPGA芯片进行AD采样，将AD采样的双通道IQ数据发送到信号处理分系统的DSP信号处理芯片；

S5.在DSP信号处理芯片中将采样后的双通道四路IQ数据进行数字信号处理；数字信号处理主要包括FFT时频变化，CFAR门限检测以及距离、速度解耦计算、方位角的计算，对于一些场合可能需要进行动目标显示(MTI)技术和动目标检测(MTD)技术等。

S6.经过信号处理得到目标的距离、速度、角度等相关信息，通过CAN或是其他通信方式，将该相关信息接入到无人机主控制器中或是输出通过无线传输方式传回到上位机或是手机等终端进行实时显示。

作为一种实施例：还包括步骤：

S7.对无人机前方障碍物距离、速度以及方位计算，无人机主控制器根据对前方目标实时更新的上述距离、速度以及方位的数据信息进行数据处理，主要包括滤波、预测等处理；可以采用卡尔曼滤波以及预测等方法进行，通过滤波以及预测算法对其前方障碍目标实时检测以及跟踪。通过判断前方目标距离以及速度方位角，结合无人机自身的飞行速度，提前规划好避障策略，从而完成多目标环境中的避障过程。

实施例3：作为实施例1或2的补充，本实施例所设计的基于毫米波雷达的固定翼无人机多目标防撞系统最远检测距离可以达到150m或是更远的距离，是视觉传感器、红外传感器以及超声波雷达传感器等避障传感器所无法达到的距离，而且毫米波雷达可以实现固定翼飞行前方环境中目标相关信息的准确获取，如目标与无人机的相对距离、相对速度以及相对角度等，而且本系统可以实现复杂环境中多动、静目标障碍物的检测，从而实现固定翼无人机即使在复杂多动、静目标障碍物环境中，也可以快速的进行避障行为。因此，本实施例重点介绍一种高性能基于毫米波雷达传感器的固定翼无人机避障系统的实现方法。

本实施例设计的基于毫米波雷达的固定翼无人机防撞系统，该防撞系统主要是通过采用毫米波雷达传感器对固定翼无人机飞行前方环境中多动、静目标障碍物与无人机的相对距离、相对速度以及方位进行计算，通过对前方多个障碍物目标特性的感知，控制决策做出固定翼无人机的防撞。

本实施例所采用的毫米波雷达传感器工作频率在24GHz或77GHz等波段，由于毫米雷达的基本工作原理是相同的，所以并不局限于上述两种工作波段。固定翼防撞毫米波雷达系统，采用线性调频连续波体制LFMCW，主要是由于LFMCW体制的毫米波雷达系统，其距离分辨率高。本实施例说设计的波形采用线性调频三角波波形，主要是通过三角波的上扫频和下扫频实现障碍物目标距离以及速度解算。由于固定翼无人机的最大飞行速度可达到150km/h，为给出固定翼无人机2s～3s的预警时间执行避障，所以本实施例所设计的固定翼无人机防撞的最大测距为150m，比目前市面上的无人机防撞距离高出10倍以上。

本实施例首先给出一种基于毫米波雷达的固定翼无人机多目标防撞系统(下面简称高性能无人机防撞系统)总体设计方法及设计框图。

高性能无人机防撞系统是利用毫米雷达发射信号和回波信号之间的频率差来确定被测目标的距离、速度以及方位角。

无人机防撞毫米波雷达系统的工作原理是利用发射信号和回波信号之间的频率差来确定被测目标的距离、速度。该系统一般由锁相环、压控振荡器(VCO)、发射天线、接收天线、混频器及信号处理模块、数字信号处理模块以及主控制器等组成。其组成框图如图1所示，本实施例把高性能固定翼无人机毫米波雷达防撞系统主要分为天线分系统，射频分系统，信号调理分系统、信号处理分系统以及主控制系统等。

本实施例给出无人机防撞毫米波雷达的基本工作原理为：

1、FPGA芯片控制PLL锁相环来发射线性调频三角波，即输出具有一定幅值和频率的调制信号(本实施例为线性调频连续三角波和恒频波的组和波形)，采用锁相环可以是发射波形数据更精准，从而提高系统的性能。

2、压控振荡器VCO在PLL锁相环的作用下产生一定范围内的发射信号且发射信号的频率按照调制信号的规律进行变化，从而实现线性调频连续波FMCW的工作模式。

3、发射信号一路通过发射器辐射到无人机飞行前方的空间中，另一路则与反射回来的回波信号进行混频。回波信号与之前的发射信号相比，其频率已经发生变化，经混频器之后得到的信号就是含有目标信息的差频信号。

4、通过将差频信号经过信号调理即信号放大、滤波后输入到FPGA芯片进行AD采样，将AD采样的双通道思路IQ数据发送到DSP信号处理芯片。

5、在DSP芯片中将采样后的双通道四路IQ数据进行数字信号处理。数字信号处理主要包括FFT时频变化，CFAR门限检测以及距离、速度解耦计算、方位角的计算，对于一些场合可能需要进行动目标显示(MTI)技术和动目标检测(MTD)技术等。

6、然后经过一定的信号处理得到目标的距离、速度、角度等相关信息，通过CAN或是其他通信方式接入到无人机主控制器中或是输出通过无线传输方式传回到上位机或是手机等终端进行实时显示。

7、通过对无人机前方危险障碍物距离、速度以及方位的计算，无人机主控制器根据对前方目标实时更新的数据信息进行数据处理，主要包括滤波预测等处理，可以采用卡尔曼滤波以及预测等方法进行，通过滤波以及预测算法对其前方障碍目标可以做到实时检测以及跟踪，通过判断前方目标距离以及速度方位角，结合无人机自身的飞行速度，提前规划好避障策略，从而完成多目标环境中的避障过程。

本实施例下面给出高性能固定翼无人机防撞毫米波雷达信号处理部分的设计以及信号处理方法。

针对高性能固定翼无人机能够对复杂环境实现多障碍物目标进行避障行为，则要求固定翼无人机防撞毫米波雷达能够实现多目标的同时检测问题。对于毫米波实现多目标检测，主要方法有多种，本文通过一种采用三角波和恒频波的组合波形来实现多目标的准确检测功能。

本实施例是毫米波的中心频率在24GHz或77GHz，波形采用基于恒频波调制的CW信号以及三角波调制的FMCW信号组合而成的波形。波形发射形式为，第一段为三角波，工作频率变化范围为从24.025GHz变化到24.225GHz，带宽为200MHz，三角波周期为20ms，第二段为恒频波，工作频率为24.125GHz，周期为20ms。恒频波CW与线性调频三角波FMCW在一个扫频周期范围内的频率变化图如图2所示：

本实施例所设计的基于毫米波雷达的固定翼无人机多目标防撞系统，要求不仅主要对多个目标实现测距、测速功能，还有一定的测角功能，这样对于固定翼无人机对障碍物进行避障行为提供更好的空间依据，能够更好地实现旋翼无人机对飞行前方环境的感知能力以及决策判断能力。因此，本实施例采用了双通道IQ数据的采集。通过双通道的比相法实现对目标方位角的计算。

基于组和波形的旋翼无人机复杂环境防碰撞系统信号处理流程图，如图3所示，具体实现步骤如下：

1.分别计算通道1中AD采集到的三角波FMCW上、下扫频段以及恒频波CW1段IQ两路数据的均值，IQ两路各数据点分别减掉计算得到的均值；计算通道2中AD采集到的恒频波CW2段IQ两路数据的均值，IQ两路各数据点分别减去计算得到的均值。该步骤主要是起到去直流的目的，降低直流对检测附近目标的影响；

2.分别将通道1和通道2中，各段去直流后的时域数据进行加窗处理，可以选择汉宁窗、海明窗等，降低旁瓣，从而提高目标的检测性能；

3.对通道1中的第一段三角波FMCW上扫频段和第二段三角波FMCW下扫频段、第三段恒频波CW1段，通道2中的恒频波CW2段，选取各段线性度高的数据，根据数据点数选择进行适当点数的FFT变换，进行时频变化，将时域数据转换成频域数据；

4.将各段波形FFT变换后的复数模值做门限检测CFAR，输出过门限点位置，门限检测可以选择单元平均选小等方式设计相应的门限。根据过门限的点计算其对应的频率值，同时计算出恒频段过门限点对应的相位值。

设通道1中，三角波上扫频过门限的点数有n1个，其对应的位置矩阵为N_{_up}＝[a₁,a₂,…a_n1]，根据公式(f_s为采样率，M为FFT的点数，N为位置点，f为频率值)计算对应点上的频率矩阵，计算得到的频率矩阵为F_{_up}＝[f_a1,f_a2,…f_an1]；

三角波下扫频过门限的点数有n2个，其对应的位置矩阵为N_{_down}＝[b₁,b₂,…b_n2]，计算得到的频率矩阵为F_{_down}＝[f_b1,f_b2,…f_bn2]；

恒频段过门限的点数有n3个，其对应的位置矩阵为N_{_cw1}＝[c₁,c₂,…c_n3]，计算得到的频率矩阵为F_{_cw1}＝[f_c1,f_c2,…f_cn3]，同时假设峰值点对应的FFT后的复数据为a_cw1+1j*b_cw1，其相位可以根据公式计算得到，设其过门限的点对应的相位矩阵ψ_CW1＝[ψ_c1,ψ_c2,…ψ_cn3]；通道2中恒频段过门限的点数与通道1中过门限点的点数相同，其对应的位置矩阵为N_{_cw2}＝[c₁,c₂,…c_n3]，计算得到的频率矩阵为F_{_cw2}＝[f_c1,f_c2,…f_cn3]，其对应的相位矩阵ψ_CW2＝[ψ′_c1,ψ′_c2,…ψ′_cn3]。

若过门限的位置点等于1，则认为其是直流分量，不作为目标判定，直接剔除该位置点；

5.根据步骤2中通道1计算的F_{_cw1}＝[f_c1,f_c2,…f_cn3]，根据速度计算公式得到其速度矩阵为V_{_cw1}＝[v_c1,v_c2,…v_cn3]，其中，c为光速，c＝3×10⁸，f₀为中心频率，f₀＝24.125GHz。

6.将步骤2中得到的通道一三角波上扫频频率矩阵F_{_up}＝[f_a1,f_a2,…f_an1]和下扫频对应的频率矩阵F_{_down}＝[f_b1,f_b2,…f_bn2]，根据公式计算其距离值，根据公式计算其速度值，其中，T为三角波周期，T＝20ms，B为调频带宽，B＝200MHz，c为光速，c＝3.0×10⁸，f₀为中心频率，f₀＝24.125GHz。根据上面描述的，将矩阵F_{_up}＝[f_a1,f_a2,…f_an1]中的数据和矩阵F_{_down}＝[f_b1,f_b2,…f_bn2]中的数据，两两进行配对计算距离和速度。计算得出的距离矩阵为其中r_aibj(1≤i≤n1,1≤j≤n2)，表示是由上扫频矩阵中F_{_up}的第i个元素与下扫频矩阵中F_{_down}第j个元素进行计算得到的距离值；计算得出的速度矩阵为其中v_aibj(1≤i≤n1,1≤j≤n2)，表示是由上扫频矩阵中F_{_up}的第i个元素与下扫频矩阵中F_{_down}第j个元素进行计算得到的速度值。从距离矩阵R和速度矩阵V中可以看出，如果得出真实目标在速度矩阵的坐标值，通过该坐标值在距离矩阵R中相应坐标对应的距离值则为真是目标的距离值。

7.下面通过恒频波的速度矩阵V_{_cw1}和三角波获得速度矩阵V进行多目标的真实速度的匹配以及查找，同时获得多目标的真实距离。

具体操作如下：将恒频波速度矩阵V_{_cw1}中的每一个速度值与三角波速度矩阵V进行速度匹配，查找到与速度矩阵V_{_cw1}中相同速度值以及该速度值所在的行值和列值。在速度矩阵V中，没找到一个真实目标的速度后，将该行与列的所有数据进行删除，这样则保证频率之间唯一的配对关系。根据真实目标的速度，在速度矩阵V中所在的行值和列值，在相应的距离矩阵中找到该行和该列所对应的距离值，该距离值则为真实目标在该速度值下对应的距离值。由此完成所有真实目标距离以及速度的查找。

8.进行多目标的方位角计算。由于在步骤2中，计算得到通道1恒频段CW1获得的相位矩阵ψ_CW1＝[ψ_c1,ψ_c2,…ψ_cn3]和通道2恒频段CW2获得的相位矩阵ψ_CW2＝[ψ′_c1,ψ′_c2,…ψ′_cn3]，对应列上的数据，通过公式进行计算得到其相位差，则其相位差矩阵为Δψ＝[Δψ_c1,Δψ_c2,…Δψ_cn3]。根据公式计算方位角，其中，d为天线间距，λ为波长。

以上几步是基于毫米波雷达的固定翼无人机多目标防撞系统的信号处理方法的相关设计方法，实现在复杂环境中多目标距离、速度以及方位角的解算工作，完成固定翼无人机飞行前方具有多目标障碍物的复杂环境的感知工作，从而为固定翼无人机在复杂环境中做出避障行为，提供更准确的复杂环境的感知能力以及更快速的判断能力和执行能力。

实施例4：对于上述各方案中，峰值处理，本实施例提供一种应用于无人机信号的峰值处理方法：

设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α：

表达式如下：

|L_max(k)-L_max(k-1)|≤α；

其中：L_max(k)为k周期的过门限最大峰值点坐标，L_max(k-1)为上一周期的最大峰值点坐标，k表示第k时刻；v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数；

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内，则认为第k周期的峰值点有效；如果k时刻，过门限最大峰值点超过所设置的峰值点阈值因子α，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

作为上述技术手段的解释，在相邻周期的一个时间单元内，当前周期解算出的峰值点，与上个周期的峰值点，如果在相邻周期内，速度没有发生变化，则峰值点在相邻周期内也会保持不变，但是如果在相邻周期时间内，无人机水平飞行速度发生变化，会导致当前周期的峰值点在上一周期的峰值点发生一定的变化，如果是无人机靠近目标，则当前周期的点数会小于上一周期的点数，如果无人机远离目标，则当前周期的点数会大于上一周期的点数，该峰值点的变化范围即是所设计的峰值点阈值因子α，该因子选取的取值范围，主要取决于在相邻周期内，无人机的最大飞行速度，即公式其中v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数。

但是如果旋翼无人机飞行环境发生突变后，对应的过门限的峰值点数也可能会连续发生超出所设计的阈值因子。如果不进行修正，发生突变后，每个周期检测到的过门限最大峰值点都会超过设置的阈值因子，每次过门限最大峰值点坐标都会被修正为上一时刻的峰值点坐标，即同理值也会保持突变前的值，不能适应突变后的值。为了提高无人机对各种环境的适应能力，为此引入一个峰值点突变累计因子φ。

设置一个峰值点突变累计因子φ，该峰值点突变累计因子φ的定义为，如果从k时刻开始，连续b个周期，b的取值范围为5～10，过门限最大峰值点与前一周期的过门限最大峰值点相比，都超过阈值门限因子a，则第k+b时刻，将当前时刻解算出的过门限最大峰值点作为当前时刻的过门限最大峰值点。为了保证跟踪的实时性，建议b的取值为5～10个。

通过上一步得出过门限最大峰值点后，为了提高表系统值测量的精度，提出提高测距精度的谱最大估计算法。

理想情况下，回波差频信号的频谱只有一个谱线，但是实际在使用过程中，由于采样存在栅栏效应，离散频谱最大幅值谱线必然会发生偏移谱峰位置，从而通过峰值点计算出的距离值与实际距离将会存在一定的误差。当谱峰发生偏移的时候，相对于主瓣峰值所对应的中央谱线将会两种情况，即左偏或是右偏。如果过门限最大值峰值点的左右峰值中，左边峰值大于右边峰值，则中央谱线所在的位置，在最大峰值点与左边峰值点之间，反之，则在最大峰值点与右边峰值点之间。

由于FFT计算得到的频谱对连续距离普等间距采样，其频谱幅值最大点必定位于其曲线的主瓣内，主瓣内有且仅有两个采样点。设过门限最大峰值点A1的坐标为(a1,k1)，其中，a1表示过门限最大峰值点的值，k1表示过门限峰值点对应的幅度值；最大峰值点左右两边，次峰值点坐标为A3(a3，k3)，设所求的中央峰值点A为(amax，kmax)，则e＝amax-a1，则A1点，关于A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，复包络的零点A4为(a4,k1)＝(a3+e,0)；

其中：a2、a3、a4是对应点的过门限最大峰值点的值，k3、k4是对应点的过门限峰值点对应的幅度值；

A2、A3和A4近似为一条直线，其线性关系为：

令则

设定误差E与偏差e进行比对，如果|e|<E，则此时的过门限峰值点的值则为所要求的中央峰值点的值，如果偏差e大于所设定的误差E时，β为修正因子，取值范围为1.5～1.9，该修正因子的选取理由是：由于初始的时候A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，初始条件时A点横轴坐标点与A2横轴坐标是关于最大峰值点对称的，即A2的坐标点是a1+2e，如果偏差e大于所设定的误差E时，说明A2的坐标选取过大，也即是最大峰值点在a1+2e之间，2倍的偏差e需要进行取小，本发明采用的修正方法是，通过改变修正因子β的大小从而改变l值，然后进行e的不断迭代，直到e小于设定的误差E为止。修正因子β的取值原则可以根据所需求达到的E值进行选取，如果E需求精度不高，修正因子β可以选择1.9进行修正，如果E需求精度很高，可能需要多次迭代达到要求，则需要修正因子β尽量选择小一点，可以选择1.5进行修正，本发明给出了一个快速解算出最大峰值点的修正因子的区间范围值，即修正因子β＝1.5～1.9。改变修正因子计算出e的值，以计算得到中央峰值点的值amax＝a1+e。

作为另一种实施例，还包括步骤：距离跟踪：设置一个阈值因子ε，其用于限制当前距离数据H(k)与上一周期出现的距离数据H(k-1)的差值绝对值，使得该差值绝对值不得大于该阈值因子ε；

表达式如下：

|H(k)-H(k-1)|≤ε，ε取值范围为0.8～1.3；

如果k时刻的数据与k-1时刻的绝对值差值，在所设置的阈值因子ε范围内，则认为第k周期的峰值点有效；如果k时刻，数据超过所设置的阈值因子ε，则k时刻输出的数据用k-1时刻的数据进行替换。

设置一个突变累计因子θ，该突变累计因子θ的定义为，如果从k时刻开始，连续b个周期，数据与前一周期的数据相比，都超过阈值门限因子θ，则第k+b时刻，将当前时刻解算出的数据作为当前时刻的数据。

作为一种实施例，具体到本实施例中，对于上述未执行距离跟踪或执行了距离跟踪的，输出时，对于单次输出的距离数据，采用滑窗算法进行距离值的输出；

第k时刻的数据等于滑窗中的N_c个值去掉最大值和最小值后的均值，作为最后的数据输出，其计算公式为

其中N_c表示滑窗所采用的数据点数。

采用峰值跟踪算法和跟踪算法，可以有效避免由于单次或是多次峰值搜索的错误而导致一次或是多次数据解算的异常现象，如在单次峰值搜索过程中，发生峰值跳变，相邻周期之间的峰值差值很大，同时由与峰值的跳变，而引起的发生很大的跳变，即该周期内，峰值跳变引起的跳变范围，已经远远大于由无人机速度引起的一个周期所产生的距离变化范围。由此峰值跟踪以及跟踪可以有效避免这种异常峰值导致的异常值，从而有效地的提高跟踪的数据的稳定度。

以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。

Claims (2)

1.一种基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法，其特征在于，包括如下步骤：

S1.FPGA芯片控制PLL锁相环发射具有一定幅值和频率的调制信号；

S2.射频分系统的压控振荡器VCO在PLL锁相环的作用下产生一定范围内的发射信号且发射信号的频率按照调制信号的规律进行变化，从而实现线性调频连续波FMCW的工作模式；

S3.发射信号一路通过发射器辐射到无人机飞行前方的空间中，另一路则与反射回来的回波信号进行混频；

S4.通过将差频信号经过信号调理输入到FPGA芯片进行AD采样，将AD采样的双通道IQ数据发送到信号处理分系统的DSP信号处理芯片；

S5.在DSP信号处理芯片中将采样后的双通道四路IQ数据进行数字信号处理；

S6.经过信号处理得到目标的距离、速度、角度相关信息，将该相关信息接入到无人机主控制器中或是输出通过无线传输方式传回到上位机或是终端进行实时显示。

2.如权利要求1所述的基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法，其特征在于，还包括步骤：

S7.对无人机前方障碍物距离、速度以及方位计算，无人机主控制器根据对前方目标实时更新的上述距离、速度以及方位的数据信息进行数据处理，主要包括滤波、预测处理；通过滤波以及预测算法对其前方障碍目标实时检测以及跟踪。