CN110161472A - 一种基于信号复用的宽带车载毫米波雷达解速度模糊方法 - Google Patents

Abstract

本发明公开一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，该方法步骤为：首先对接收的中频时域信号进行二维FFT处理，并完成目标检测和参数估计；其次，根据系统感兴趣的目标速度范围，计算出目标真实速度参数的所有可能取值；随后根据最佳划分系数从主信号中提取子信号，并根据雷达系统参数，对目标每一个可能的速度值计算相对应的二维DFT旋转因子；最后利用计算出的二维DFT旋转因子，对子信号进行二维DFT运算，其中对应频谱幅度最大的速度值即为目标真实速度的估计值。该方法能够解决现有解速度模糊技术方案中需要辅助信号且复杂度较高的问题，明显地提高了系统的时间利用率，降低系统整体复杂度并具有较高的鲁棒性。

Description

一种基于信号复用的宽带车载毫米波雷达解速度模糊方法

技术领域

本发明属于雷达信号处理和汽车电子技术领域，尤其涉及一种基于信号复用的宽带车载毫米波雷达解速度模糊方法。

背景技术

车载毫米波雷达的研究始于20世纪70年代，早期受到元器件的研制，系统集成度低，硬件成本高、体积大，主要停留在实验阶段。随着集成电路的快速发展以及无人驾驶的深入研究，车载毫米波雷达技术已逐渐走向商业化，目前运用较为广泛的是在24GHz和77GHz这两个频段。

在无人驾驶汽车和高级驾驶辅助系统中，车载毫米波雷达拥有小体积、低成本以及全天气适应性等独特优点，相比激光雷达、超声波雷达以及摄像头等传感器有着明显的优势和难以替代的地位。车载毫米波雷达的发射信号波形主要有连续波、脉冲连续波、线性调频连续波以及步进频率连续波等等，不同雷达波形因距离和速度分辨率不同而适用于不同场景。其中线性调频连续波因其信号产生和处理相对简单，能同时获得较高的距离和速度分辨率，而且不会有连续波雷达中存在的距离盲区问题，因此被广泛应用于车载毫米波雷达产品中。

FMCW信号通过二维FFT完成目标的距离和速度解耦合，能够同时检测多个目标，其距离和速度分辨率与扫频带宽和扫频间隔成反比。不同于激光雷达、微波雷达以及摄像头等传感器，毫米波雷达对目标的速度信息较为敏感。在车载场景下，目标与雷达的相对速度较大且低成本芯片的采样速率较低，目标的多普勒带宽往往大于系统的扫频重复频率，多普勒频率模糊现象难以避免，严重影响了系统对目标速度参数的估计。

目前针对车载毫米波雷达解速度模糊算法的研究中，通常是采用多重脉冲重复频率或多载频方案，利用目标在不同脉冲重复频率或不同载波信号下模糊速度不同的特性，根据余数定理来完成目标速度的解模糊处理。不管是采取多重脉冲重复频率还是多载频的工作方式，都至少需要两组不同的扫频重复频率或载波频率的FMCW信号，分别对其做目标检测和参数估计后，再进行目标匹配和解速度模糊。此类需要辅助信号的解模糊算法，计算复杂度都较高，辅助信号的存在只是为了完成目标的解模糊处理，时间利用率低。而且该类算法能够成功实现速度解模糊依赖于两组信号对目标准确检测和估计，缺少任意一组数据都将无法完成，因此该类算法的鲁棒性较低，在低信噪比情况下速度解模糊的准确率不高。

发明内容

发明目的：针对目前车载毫米波雷达解速度模糊方案中存在的时间利用率低、复杂度较高等问题，提出一种低复杂度、高时间利用率且高鲁棒性的速度解模糊方法。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，所述的方法步骤包括：

(1)对接收天线接收并混频得到的线性调频连续波中频信号进行二维FFT处理并进行目标检测，得到目标的快时间维频率估计值以及可能存在模糊的目标速度估计值；将上述中频信号记为主信号；

(2)根据车载毫米波雷达系统所需要测量的目标速度范围，由步骤1中模糊的目标速度估计值和在主信号下目标的最大无模糊速度值，计算出目标真实速度的所有可能取值；

(3)设置最佳划分系数并按照该系数从主信号中提取相应的子信号，其中最佳划分系数是经过多次仿真实验后确定的，是使得目标速度解模糊成功率达到最高的划分系数；

(4)对目标每一个可能的速度值，根据雷达系统参数值，计算在子信号下相对应的快、慢时间维DFT旋转因子；

(5)利用计算出的快、慢时间维DFT旋转因子，对子信号进行二维DFT运算，比较目标每一个可能速度下的运算结果，取出对应幅值最大的速度值，即可得到目标真实速度参数的估计值。

进一步的，所述步骤(1)中，对主信号进行二维FFT处理，并进行目标检测和参数估计，可以得到目标的快时间维频率估计值及可能存在模糊的速度估计值

进一步的，所述步骤(2)中，根据系统所需要测量的目标速度范围，即目标的最大相对速度v_max和最小相对速度v_min，计算目标真实速度参数的所有可能取值V_m：

式(1)中，和分别表示向上取整和向下取整，Z为整数，为目标的模糊速度估计值，为在主信号下目标的最大无模糊速度值，其计算公式为：

式(2)中，f_T＝1/T为扫频重复频率，T为扫频重复周期，c为电磁波在自由空间中的传播速度，f₁为主信号的载波频率，B为主信号的扫频带宽。

进一步的，所述步骤(3)中，设置最佳划分系数并按照该系数从主信号中提取相应的子信号，其中最佳划分系数η是根据仿真实验确定的，具体方法为：

划分系数从0.50到0.99，以0.01的步长进行划分，经过多次仿真实验最后选取目标速度解模糊成功率最高的划分系数作为最佳划分系数η。

最佳划分系数η确定后，通过依次提取主信号中每个扫频信号的后(1-η)N_q个采样点，N_q为主信号中单个扫频信号总采样点数，便可得到子信号X^sub，子信号也同样属于线性调频连续波，其扫频重复频率与主信号相同，而载频为f₂＝f₁+ηB，扫频带宽为(1-η)B，扫频时间为(1-η)T。

进一步的，所述步骤(4)中，对目标每一个可能速度值，分别计算在子信号下对应的快、慢时间维DFT旋转因子，具体方法为：

根据由主信号计算所得的目标快时间维频率估计值以及系统采样频率f_s，计算其在子信号下的快时间维DFT旋转因子：

式中，N_q为单个扫频下主信号采样点数，(1-η)N_q为单个扫频下子信号采样点数。

对V_m中的每个速度可能值v_p，根据扫频重复周期T以及子信号X^sub的载波频率f₂和带宽(1-η)B，计算其在子信号下的慢时间维DFT旋转因子：

式中，N_s为系统慢时间维采样点数，即扫频个数。

进一步的，所述步骤(5)中，利用计算所得的快、慢时间维DFT旋转因子，对子信号进行二维DFT处理，不考虑信噪比极低的极限情况，对应频谱幅值最大的速度可能值即为真实的目标速度参数估计值：

有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：

本发明方法能够有效地解决现有车载毫米波雷达解速度模糊方案中需要辅助信号、时间利用率低且计算复杂度较高的问题，利用主信号和子信号的载频差异完成速度解模糊，显著提高时间利用率，降低系统整体复杂度，而且不需要额外的多目标匹配算法，具有较高的鲁棒性。

附图说明

图1为本发明方法流程图；

图2为本发明方法具体实施方式中发射信号示意图；

图3为本发明具体实施方式中在不同系数η及不同目标数量下本方案的解模糊错误率的比较；

图4为本发明具体实施方式中不同信噪比及不同目标数量下的传统方案漏警率；

图5为本发明具体实施方式中不同信噪比及不同目标数量下的所提方案漏警率；

图6为本发明具体实施方式中在不同带宽下所提方案的解速度模糊错误率的比较。

具体实施方式

下面结合具体实施案例，进一步阐明本发明，应理解这些实施案例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

本具体实施方式中，车载毫米波雷达的实际系统参数如表1所示。

表1实际系统参数

本发明实施案例中，毫米波雷达采用一发四收的天线阵列，发射一组载波频率为f₁、扫频带宽为B的锯齿波信号，发射信号时频关系如图2所示。其中，扫频周期为T的锯齿波信号接收并混频得到的中频信号记为主信号，扫频周期为(1-η)T的锯齿波信号(图2中虚线部分)接收并混频得到的中频信号记为子信号。本具体实施方式公开了一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，具体包括以下步骤：

步骤1：将主信号记为X，其中对主信号进行二维FFT处理，并用二维CFAR算法检测目标的二维频谱峰值，分别得到目标的快、慢时间维频率估计值 根据慢时间维频率计算出目标可能存在模糊的速度值

步骤2：由表1中的实际系统参数，计算出主信号下目标最大的无模糊速度结合系统所需要测量的目标速度范围，即v_min＝-40、v_max＝20，由式(1)计算出目标真实速度参数的所有可能取值V_m；

步骤3：由仿真结果，如图3所示，选择对应解模糊成功率最高的系数η＝0.85作为本案例的最佳划分系数，并根据该系数提取主信号中每个扫频信号采样点的后面(1-η)N_q个数据点，得到子信号X^sub，其中此时子信号载频为f₂＝f₁+ηB，带宽为(1-η)B；

步骤4：根据步骤1所得的目标快时间维频率以及采样频率f_s＝2MHz，由式(3)计算子信号下的快时间维DFT旋转因子再对V_m中的每个速度可能值v_p，由式(4)计算其在子信号下的慢时间维DFT旋转因子其中

步骤5：利用步骤4中计算出的快、慢时间维DFT旋转因子，由式(5)对子信号进行二维DFT处理，比较目标各个可能速度下的运算结果，其中对应频谱幅值最大的速度可能值即为目标真实速度参数的估计值。

图4、图5分别为不同信噪比及不同目标数量下传统方案和本方案漏警率的比较仿真图。传统方案采用多载频解模糊方案，系统带宽、总检测时间均和本方案相同，两组不同载频的锯齿波信号各自占用一半长度的帧时间，且两个载频差异为3GHz。由于传统方案的解模糊性能不仅取决于方案本身，还与两组信号间的目标匹配算法有关，为了比较本方案与传统方案在解速度模糊性能上的差异，此处仿真并未考虑匹配算法对传统方案的性能影响。在单目标场景中，传统方案在信噪比低于-19dB时，系统虚警率才开始出现明显恶化，而本方案在信噪比低于-22dB时，系统虚警率才开始逐渐升高，因此本方案将传统方案中虚警率恶化点提高了3dB。同时，在高信噪比的多目标场景中，本方案漏警率相比于传统方案的漏警率较小，而且传统方案的漏警率计算结果是在目标匹配算法零错误的情况下才能达到的。

图6为本方案在不同带宽下的解速度模糊错误率的比较。从图中可以看出，当回波信号信噪比大于-15dB时，本方案在不同扫频带宽下解模糊错误率无限接近于零。随着扫频带宽的增加，本方案的解模糊错误率逐渐减小，当扫频带宽大于2GHz时，本方案在整个仿真信噪比范围内均能取得很好的速度解模糊性能。

Claims (6)

1.一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，其特征在于，该方法包括如下步骤：

(1)对接收天线接收并混频得到的线性调频连续波中频信号进行二维FFT处理并进行目标检测，得到目标的快时间维频率估计值以及可能存在模糊的目标速度估计值，将上述中频信号记为主信号；

(2)根据车载毫米波雷达系统所需要测量的目标速度范围，由步骤1中模糊的目标速度估计值和在主信号下目标的最大无模糊速度值，计算出目标真实速度的所有可能取值；

(3)设置最佳划分系数并按照该系数从主信号中提取相应的子信号，其中最佳划分系数是使得目标速度解模糊成功率达到最高的划分系数；

(4)对目标每一个可能的速度值，根据雷达系统参数值，计算在子信号下相对应的快、慢时间维DFT旋转因子；

(5)利用计算出的快、慢时间维DFT旋转因子，对子信号进行二维DFT运算，比较目标每一个可能速度下的运算结果，取出对应幅值最大的速度值，即可得到目标真实速度参数的估计值。

2.根据权利要求1所述的一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，其特征在于，所述步骤(1)中，对主信号进行二维FFT处理，并进行目标检测和参数估计，可以得到目标的快时间维频率估计值及可能存在模糊的速度估计值

3.根据权利要求2所述的一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，其特征在于，所述步骤(2)中，根据系统所需要测量的目标速度范围，即目标的最大相对速度v_max和最小相对速度v_min，计算目标真实速度参数的所有可能取值V_m：

式(1)中，和分别表示向上取整和向下取整，Z为整数，为目标的模糊速度估计值，为在主信号下目标的最大无模糊速度值，其计算公式为：

式(2)中，f_T＝1/T为扫频重复频率，T为扫频重复周期，c为电磁波在自由空间中的传播速度，f₁为主信号的载波频率，B为主信号的扫频带宽。

4.根据权利要求3所述的一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，其特征在于，所述步骤(3)中，设置最佳划分系数并按照该系数从主信号中提取相应的子信号，具体方法为：

(3.1)选取目标速度解模糊成功率最高的划分系数作为最佳划分系数η；

(3.2)通过依次提取主信号中每个扫频信号的后(1-η)N_q个采样点，N_q为主信号中单个扫频信号总采样点数，便可得到子信号X^sub，子信号也同样属于线性调频连续波，其扫频重复频率与主信号相同，而载频为f₂＝f₁+ηB，扫频带宽为(1-η)B，扫频时间为(1-η)T。

5.根据权利要求4所述的一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，其特征在于，所述步骤(4)中，对目标每一个可能速度值，分别计算在子信号下对应的快、慢时间维DFT旋转因子，具体方法为：

根据由主信号计算所得的目标快时间维频率估计值以及系统采样频率f_s，计算其在子信号下的快时间维DFT旋转因子：

式中，N_q为单个扫频下主信号采样点数，(1-η)N_q为单个扫频下子信号采样点数；

对V_m中的每个速度可能值v_p，根据扫频重复周期T以及子信号X^sub的载波频率f₂和带宽(1-η)B，计算其在子信号下的慢时间维DFT旋转因子：

式中，N_s为系统慢时间维采样点数，即扫频个数。

6.根据权利要求5所述的一种基于信号复用的宽带车载毫米波雷达解速度模糊方法，其特征在于，所述步骤(5)中，利用计算所得的快、慢时间维DFT旋转因子，对子信号进行二维DFT处理，对应频谱幅值最大的速度可能值即为真实的目标速度参数估计值：

。