CN110618426A - 雷达系统中的天线间距和目标角度估计的联合优化 - Google Patents

雷达系统中的天线间距和目标角度估计的联合优化 Download PDF

Info

Publication number
CN110618426A
CN110618426A CN201910393685.3A CN201910393685A CN110618426A CN 110618426 A CN110618426 A CN 110618426A CN 201910393685 A CN201910393685 A CN 201910393685A CN 110618426 A CN110618426 A CN 110618426A
Authority
CN
China
Prior art keywords
mapping
arrival
spacing
antennas
receive antennas
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910393685.3A
Other languages
English (en)
Inventor
O·比尔勒
N·加尼特
D·李维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN110618426A publication Critical patent/CN110618426A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4021—Means for monitoring or calibrating of parts of a radar system of receivers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q1/00—Details of, or arrangements associated with, antennas
    • H01Q1/27—Adaptation for use in or on movable bodies
    • H01Q1/32—Adaptation for use in or on road or rail vehicles
    • H01Q1/3208—Adaptation for use in or on road or rail vehicles characterised by the application wherein the antenna is used
    • H01Q1/3233—Adaptation for use in or on road or rail vehicles characterised by the application wherein the antenna is used particular used as part of a sensor or in a security system, e.g. for automotive radar, navigation systems
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q21/00—Antenna arrays or systems

Abstract

一种雷达系统和一种用于配置雷达系统的方法涉及一个或多个发射天线以发射射频信号，以及一个或多个接收天线以基于由所述一个或多个发射天线发射的所述射频信号来接收反射能量。将一个或多个发射天线和一个或多个接收天线布置成阵列。处理器联合确定布置成所述阵列的所述一个或多个发射天线与所述一个或多个接收天线之间的间距以及由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的映射。联合确定是指考虑到所述映射的间距确定以及考虑到间距的映射确定两者。

Description

雷达系统中的天线间距和目标角度估计的联合优化
引言
本公开涉及雷达系统中的天线间距和目标角度估计的联合优化
车辆(例如，汽车、卡车、建筑设备、农场设备、自动化制造设备)越来越多地使用传感器来检测在其附近的物体。所述检测可以用于增强或自动化车辆操作。示例性传感器包括相机、光探测和测距(激光雷达)系统、无线电探测和测距(雷达)系统。雷达系统可以包括多个天线。当多个近距离目标从雷达系统以相同距离和速度出现时，解析并准确估计它们的到达角是雷达应用中众所周知的挑战。在具有多个天线的常规雷达系统中，确定天线之间的间隔，使得标准的波束成形算法将在目标角度处提供窄主瓣(即，最大振幅响应)并且在其他角度处提供低旁瓣或振幅。这种方法是间接的，因为它是基于主瓣与旁瓣之间的隐含关系以及对目标角度的估计。分析确定到达角估计对天线间距的依赖性是困难的。因此，希望提供雷达系统中的天线间距和目标角度估计的联合优化。
发明内容
在一个示例性实施例中，雷达系统包括一个或多个发射天线以发射射频信号，以及一个或多个接收天线以基于由所述一个或多个发射天线发射的所述射频信号来接收反射能量。所述一个或多个发射天线和所述一个或多个接收天线被布置成阵列。所述雷达系统还包括处理器以联合确定布置成所述阵列的所述一个或多个发射天线与所述一个或多个接收天线之间的间距以及由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的映射。联合确定是指考虑到所述映射的间距确定以及考虑到间距的映射确定两者。
除了本文描述的一个或多个特征之外，由神经网络执行由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的所述映射。
除了本文描述的一个或多个特征之外，对于涉及指定位置处的指定数量的目标的一组场景根据迭代过程训练所述神经网络，所述迭代过程使用由所述一个或多个接收天线获得的所述数据作为输入。
处理本文描述的一个或多个特征之外，使用根据所述映射的估计到达角与根据产生所述数据的目标位置的实际到达角之间的差值作为反馈来训练所述神经网络。
除了本文描述的一个或多个特征之外，模拟所述目标位置。
除了本文描述的一个或多个特征之外，所述雷达系统还包括交替开关以实施训练所述神经网络的所述迭代过程和依次确定所述间距的过程。
除了本文描述的一个或多个特征之外，确定初始间距的所述映射，然后基于所述映射来确定所述间距。
除了本文描述的一个或多个特征之外，确定初始映射的所述间距，然后基于所述间距来确定所述映射。
除了本文描述的一个或多个特征之外，所述雷达系统设置在车辆中以提供信息来增强或自动化所述车辆的操作。
在另一个示例性实施例中，一种配置雷达系统的方法包括：将一个或多个发射天线和一个或多个接收天线布置成阵列；以及联合确定布置成所述阵列的所述一个或多个发射天线与所述一个或多个接收天线之间的间距以及由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的映射。所述联合确定是指考虑到所述映射确定所述间距和考虑到所述间距确定所述映射两者。
除了本文描述的一个或多个特征之外，所述方法还包括由神经网络执行由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的所述映射。
除了本文描述的一个或多个特征之外，所述方法还包括对于涉及指定位置处的指定数量的目标的一组场景根据迭代过程训练所述神经网络，所述迭代过程使用由所述一个或多个接收天线获得的所述数据作为输入。
处理本文描述的一个或多个特征之外，所述方法还包括使用根据所述映射的估计到达角与根据产生所述数据的目标位置的实际到达角之间的差值作为反馈来训练所述神经网络。
除了本文描述的一个或多个特征之外，所述方法还包括模拟目标位置。
除了本文描述的一个或多个特征之外，所述方法还包括配置交替开关以实施训练所述神经网络的所述迭代过程和依次确定所述间距的过程。
除了本文描述的一个或多个特征之外，所述联合确定包括确定初始间距的所述映射，然后基于所述映射来确定所述间距。
除了本文描述的一个或多个特征之外，所述联合确定包括确定初始映射的所述间距，然后基于所述间距来确定所述映射。
在一个示例性实施例中，一种车辆包括雷达系统，所述雷达系统包括一个或多个发射天线以发射射频信号，以及一个或多个接收天线以基于由所述一个或多个发射天线发射的所述射频信号来接收反射能量。所述一个或多个发射天线和所述一个或多个接收天线被布置成阵列。处理器确定布置成所述阵列的所述一个或多个发射天线与所述一个或多个接收天线之间的间距以及由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的映射。联合确定是指考虑到所述映射的间距确定以及考虑到间距的映射确定两者。所述车辆还包括车辆控制器以使用来自所述雷达系统的信息来增强或自动化所述车辆的操作。
除了本文描述的一个或多个特征之外，由神经网络执行由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的所述映射。
除了本文描述的一个或多个特征之外，确定初始间距的所述映射，然后基于所述映射来确定所述间距，或者确定初始映射的所述间距，然后基于所述间距来确定所述映射。
从以下结合附图的详细描述中，本公开的以上特征和优点以及其它特征和优点将容易显而易见。
附图说明
其他特征、优点和细节仅借助于示例出现在具体实施方式中，该详细描述参考附图，其中：
图1是涉及根据一个或多个实施例的雷达系统的场景的框图；
图2详述了根据一个或多个实施例的经历天线间距和目标角度估计的联合优化的示例性雷达系统的各方面；并且
图3是根据一个或多个实施例的执行天线间距和目标角度估计的联合优化的方法的工艺流程。
具体实施方式
以下描述仅仅具有示例性本质并且不旨在限制本公开、其应用或用途。应当理解的是，在整个附图中，对应的附图标号指示相同或对应的部分和特征。
如前所述，具有多个天线的雷达系统必须区分出现在相同范围内的多个目标的相对角度。虽然目标到达角估计取决于天线阵列配置(即，天线之间的间距)，但是这种依赖性难以通过分析确定。本文详述的系统和方法的实施例涉及雷达系统中天线间距和目标角度估计的联合优化。机器学习方法被迭代地应用于多个到达角度以集中于天线间距配置和用于到达角估计的参数。
根据示例性实施例，图1是涉及雷达系统110的场景的框图。图1中所示的车辆100是汽车101。参考图2进一步详述的雷达系统110被示出在汽车101的发动机罩下方。根据备选或另外的实施例，一个或多个雷达系统110可以位于车辆100中或车辆上的其他位置。还示出了另一个传感器115(例如，相机、声纳、激光雷达系统)。由雷达系统110和一个或多个其他传感器115获得的信息可以被提供给控制器120(例如，电子控制单元(ECU))以用于图像或数据处理、目标识别和后续车辆控制。
控制器120可以使用所述信息来控制一个或多个车辆系统130。在示例性实施例中，车辆100可以是自主车辆，并且控制器120可以使用来自雷达系统110和其他源的信息来执行已知的车辆操作控制。在备选实施例中，控制器120可以使用来自雷达系统110和其他源的信息来增强车辆操作，作为已知系统(例如，防撞系统、自适应巡航控制系统、驾驶员警报)的一部分。雷达系统110和一个或多个其他传感器115可以用于检测物体140，诸如图1中所示的行人145。控制器120可以包括处理电路，其可以包括专用集成电路(ASIC)、电子电路、处理器(共享、专用或组)和执行一个或多个软件或固件程序的存储器、组合逻辑电路，和/或提供所述功能性的其他合适部件。
图2详述了根据一个或多个实施例的经历天线间距和目标角度估计的联合优化的示例性雷达系统110的各方面。示例性雷达系统110包括四个天线210a、210b、210c、210d(通常称为210)。根据一个示例性实施例，天线210a、210d可以是发射天线，而天线210b、210c可以是接收天线。天线210的数量和布置不受图2中所示的示例性实施例的限制。天线210之间的示例性距离在图2中指示。天线210a和210b之间的距离是Δ1，天线210b和210c之间的距离是Δ2，而天线210c和210d之间的距离是Δ3。
出于解释目的，四个目标140-1、140-2、140-3、140-4(总体上被称为140)被示出距雷达系统110大致相同的范围。指示每个目标140从天线阵列210的中心的到达角。到目标140-1的角度被指示为θ1，到目标140-2的角度被指示为θ2，到目标140-3的角度被指示为θ3(在该示例中为0度)，并且到目标140-4的角度被指示为θ4。根据备选实施例，由天线210发射或接收的信号由雷达系统110的处理器220或由控制器120处理。参考图3详述的联合优化过程还可以使用处理器220、控制器120或两者的组合来执行。类似于控制器120，处理器220可以包括处理电路，其可以包括专用集成电路(ASIC)、电子电路、处理器(共享、专用或组)和执行一个或多个软件或固件程序的存储器、组合逻辑电路，和/或其他合适部件。
图3是根据一个或多个实施例的执行天线间距和目标角度估计的联合优化的方法300的工艺流程。在框310处，生成目标位置包括根据示例性实施例在不同的角度下离线模拟目标140，或者在备选实施例中利用以不同角度定位的目标140在线(即，实时)执行测试。如进一步讨论的，在框310处生成目标位置的过程被迭代地执行(例如，多达数千次)。在框360处，配置天线位置开始于天线210的位置的初始配置(即，天线210之间的初始距离)。
对于一组目标位置(由框310提供)和天线位置的配置(在框360处设定)，在框320处获得天线输出可以指代模拟雷达接收器输出或从接收天线210获得输出。在框330处，从天线输出(在框320处获得的)估计到达角涉及根据示例性实施例的机器学习过程。机器学习、特别是通过神经网络实施机器学习是众所周知的，并且这里仅作一般描述。神经网络涉及使用训练数据来学习功能。通常，所述功能可以被描述为分类。在当前应用中，天线输出(在框320处获得的)被分类为指定数量的目标及其到达角。分类可以被视为映射，并且在框340处确定的估计误差用于相对于迭代改进映射，如进一步讨论的。
在框340处，确定估计误差是指将在框330处估计的到达角与根据在框310处生成的目标位置的到达角进行比较。即，将根据神经网络的估计值与基本真值进行比较。在框340处确定的估计误差可以用于根据基于交替开关350的不同操作的不同实施例的天线间距和目标角度估计的联合优化，所述交替开关交替地闭合开关355a或355b(总体上称为355)。即，交替开关350确保在给定时间仅开关355中的一者闭合。
根据一个示例性实施例，优化在框330处执行的目标角度估计，之后优化在框360处配置的天线间距。因此，根据示例性实施例，开关355a闭合并且开关355b最初断开。针对在框310处生成目标位置、在框320处获得天线输出、在框330处估计到达角、在框340处确定估计误差以及在框330与340之间循环的迭代保持在框360处设定的天线位置的配置，以确定最小化每次迭代的估计误差的神经网络的参数。可以通过使用估计误差(在框340处确定的)作为反馈来修改神经网络的参数以改进对到达角的估计(在框330处)。即，可以修改神经网络的参数以最小化估计误差度量，诸如(例如)每个真实到达角度(根据在框310处生成的目标位置)与多个目标中最接近的估计到达角(在框330估计的)之间的差值的平方误差。
一旦根据在多次迭代中处理的这种内循环(即，开关355a闭合的循环)来优化神经网络参数，开关355a断开并且开关355b由交替开关350闭合。在框330在保持优化的神经网络参数的情况下，，然后在框360处改变天线位置的配置作为外循环的一部分，直到在框340处确定的估计误差不再基于修改框360处的天线位置而降低。即，估计误差(在框340处确定的)可以用作反馈以迭代地优化天线位置(在框360处)的配置。与估计误差(在框340处确定的)相关的度量可以用作反馈以重新配置天线位置(在框360处)。示例性度量例如是每个真实到达角度(根据在框310处生成的目标位置)与多个目标之间的最接近估计到达角(在框330处估计的)之间的差值的平方误差。
根据备选示例性实施例，以相反顺序执行天线间距和目标角度估计的联合优化。即，在优化目标角度估计之前(根据内循环、基于开关355a闭合)，首先优化天线间距(根据外循环、基于开关355b闭合)。在开关355a断开并且开关355b闭合的情况下，在框310处迭代地生成目标位置。对于每次迭代，执行框320、330、340和360处的过程。具体地，在框360处，在框340处确定的估计误差用于修改天线间距。框310、320、330、340和360处的过程循环(即，外循环)可以重复数千次迭代，直到估计误差最小化。在完成天线位置(即，间距)的外循环优化之后，开关355a闭合并且开关355b断开以使用内循环(如前所述)来优化最小化估计误差的神经网络参数。
根据另外的备选实施例，可以执行内循环和外循环优化的组合。本文出于解释目的而讨论的示例性顺序并不旨在限制可以联合优化到达角估计和天线位置的各种方式。当图3中所示的过程完成时，根据在框360确定的间距来布置雷达系统110的天线210，并且根据在框330训练的神经网络在雷达系统110的后续操作期间估计到达角。联合优化表示在框360处确定的天线间距和在框330处确定的到达角估计是互补的。即，在框360处确定的天线间距是在框330处确定的到达角估计映射的最佳天线间距，并且在框330处确定的到达角估计映射是针对在框360处确定的天线间距的最佳到达角估计映射。
虽然已经参考示例性实施例描述了以上公开，但是本领域技术人员将会理解，在不脱离本公开的范围的情况下，可进行各种改变并且可用等同物替换其元件。另外，在不脱离本公开的实质范围的情况下，可进行许多修改以使特定的情况或材料适应本公开的教导。因此，希望本公开不限于所公开的特定实施例，而是将包括落入本申请范围内的所有实施例。

Claims (10)

1.一种雷达系统，其包括：
一个或多个发射天线，其发射射频信号；
一个或多个接收天线，其基于由所述一个或多个发射天线发射的所述射频信号来接收反射能量，其中所述一个或多个发射天线和所述一个或多个接收天线被布置成阵列；
处理器，其被配置为联合确定布置成所述阵列的所述一个或多个发射天线与所述一个或多个接收天线之间的间距以及由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的映射，其中所述联合确定是指考虑到所述映射的间距确定以及考虑到间距的映射确定两者。
2.根据权利要求1所述的雷达系统，其中由神经网络执行由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的所述映射。
3.根据权利要求2所述的雷达系统，其中对于涉及指定位置处的指定数量的目标的一组场景根据迭代过程训练所述神经网络，所述迭代过程使用由所述一个或多个接收天线获得的所述数据作为输入，并且使用根据所述映射的估计到达角与根据产生所述数据的目标位置的实际到达角之间的差值作为反馈来训练所述神经网络。
4.根据权利要求3所述的雷达系统，其还包括交替开关以实施训练所述神经网络的所述迭代过程和依次确定所述间距的过程。
5.根据权利要求1所述的雷达系统，其中确定初始间距的所述映射，然后基于所述映射来确定所述间距，或者确定初始映射的所述间距，然后基于所述间距来确定所述映射。
6.根据权利要求1所述的雷达系统，其中所述雷达系统设置在车辆中以提供信息来增强或自动化所述车辆的操作。
7.一种配置雷达系统的方法，所述方法包括：
将一个或多个发射天线和一个或多个接收天线布置成阵列；
联合确定布置成所述阵列的所述一个或多个发射天线与所述一个或多个接收天线之间的间距以及由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的映射，其中所述联合确定是指考虑到所述映射确定所述间距和考虑到所述间距确定所述映射两者。
8.根据权利要求7所述的方法，其还包括由神经网络执行由所述一个或多个接收天线获得的数据与在所述数据中检测到的一个或多个目标的到达角之间的所述映射。
9.根据权利要求8所述的方法，其还包括：对于涉及指定位置处的指定数量的目标的一组场景根据迭代过程训练所述神经网络，所述迭代过程使用由所述一个或多个接收天线获得的所述数据作为输入；使用根据所述映射的估计到达角与根据产生所述数据的目标位置的实际到达角之间的差值作为反馈来训练所述神经网络；以及配置交替开关以实施训练所述神经网络的所述迭代过程和依次确定所述间距的过程。
10.根据权利要求7所述的方法，其中所述联合确定包括确定初始间距的所述映射，然后基于所述映射来确定所述间距，或者所述联合确定包括确定初始映射的所述间距，然后基于所述间距来确定所述映射。
CN201910393685.3A 2018-06-18 2019-05-13 雷达系统中的天线间距和目标角度估计的联合优化 Pending CN110618426A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/010698 2018-06-18
US16/010,698 US20190383900A1 (en) 2018-06-18 2018-06-18 Joint optimization of antenna spacing and target angle estimation in a radar system

Publications (1)

Publication Number Publication Date
CN110618426A true CN110618426A (zh) 2019-12-27

Family

ID=68724858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910393685.3A Pending CN110618426A (zh) 2018-06-18 2019-05-13 雷达系统中的天线间距和目标角度估计的联合优化

Country Status (3)

Country Link
US (1) US20190383900A1 (zh)
CN (1) CN110618426A (zh)
DE (1) DE102019112503A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11435438B2 (en) * 2019-12-30 2022-09-06 Woven Planet North America, Inc. Dynamic sparse radar array for scenarios
CN111487582A (zh) * 2020-05-28 2020-08-04 北京爱笔科技有限公司 获得蓝牙阵列天线参数标定模型、到达角的方法和装置
CN112689771B (zh) * 2020-11-13 2022-01-11 华为技术有限公司 雷达认证方法及装置、计算机存储介质
CN114679205B (zh) * 2021-12-30 2023-12-08 电子科技大学长三角研究院(衢州) 合作式mimo雷达和通信一体化系统的联合优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5768477A (en) * 1996-09-10 1998-06-16 Southwest Research Institute Radio direction finding system for narrowband multiple signals
US20090046000A1 (en) * 2007-08-17 2009-02-19 Mitsubishi Electric Corporation In-vehicle mount radar device
US20160033254A1 (en) * 2014-07-31 2016-02-04 Ossia, Inc. Techniques for determining distance between radiating objects in multipath wireless power delivery environments

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018203684A1 (de) * 2018-03-12 2019-09-12 Zf Friedrichshafen Ag Identifikation von Objekten mittels Radardaten

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5768477A (en) * 1996-09-10 1998-06-16 Southwest Research Institute Radio direction finding system for narrowband multiple signals
US20090046000A1 (en) * 2007-08-17 2009-02-19 Mitsubishi Electric Corporation In-vehicle mount radar device
US20160033254A1 (en) * 2014-07-31 2016-02-04 Ossia, Inc. Techniques for determining distance between radiating objects in multipath wireless power delivery environments

Also Published As

Publication number Publication date
US20190383900A1 (en) 2019-12-19
DE102019112503A1 (de) 2019-12-19

Similar Documents

Publication Publication Date Title
CN110618426A (zh) 雷达系统中的天线间距和目标角度估计的联合优化
CN109407093B (zh) 解决宽孔径雷达到达角模糊度的多普勒测量
CN108535720B (zh) 用于改进的卡尔曼滤波目标跟踪的自适应过程噪声描述
CN108333588B (zh) 用来获得角度模糊度解析的迭代方法
US11327170B2 (en) Azimuth and elevation radar imaging with single-dimension antenna arrays of radar system
CN110806580B (zh) 移动平台上的雷达系统中的振动减轻
EP3982160A1 (en) Method and system for indoor multipath ghosts recognition
CN110658390B (zh) 利用天线和检测装置确定天线和车辆的对准误差的方法
CN109752699B (zh) 基于距离-啁啾图中曲线检测的目标检测
US11428782B2 (en) Neural network-based object surface estimation in radar system
CN110940973B (zh) 一种用于雷达目标检测的角度测量方法及装置
US11181614B2 (en) Antenna array tilt and processing to eliminate false detections in a radar system
CN110361709B (zh) 一种基于动态虚警概率的车载毫米波雷达目标识别方法
CN109001690B (zh) 基于馈电网络的时域空间域结合的雷达目标检测方法
US10401485B2 (en) Method to resolve interfering targets jointly at multiple dimensions
US11933887B2 (en) Apparatus and method for controlling radar
US11169253B2 (en) Discriminate among and estimate velocities of multiple objects using multi-node radar system
US20240094377A1 (en) High resolution radar simulation to train vehicle radar system neural network
US10948590B2 (en) Estimation and compensation of transceiver position offsets in a radar system for targets at unknown positions
US20220236409A1 (en) Ambiguity mitigation based on common field of view of radar systems
US20230176179A1 (en) Radar system with enhanced processing for increased contrast ratio, improved angular separability and accuracy, and elimination of ghost targets in a single-snapshot
CN112208523A (zh) 一种用于车辆碰撞预警系统最小碰撞时间估算的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191227