CN111896947A - 一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法 - Google Patents

Abstract

本发明涉及雷达技术领域，具体地说，是一种用于汽车毫米波雷达的快速超分辨跟踪方法。包括平面阵列天线，射频前端，信号预处理模块，恒虚警检测模块，目标检测模块，超分辨测向模块，跟踪处理模块。利用了此系统的测角和目标检测跟踪方法，可以使MIMO阵列雷达在快速测向的基础上同时具有目标超分辨的能力，并且满足了汽车毫米波雷达对实时性的要求，增强提高了处理周期。

Description

一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法

技术领域

本发明涉及雷达技术领域，具体地说，是一种用于汽车毫米波雷达的快速超分辨跟踪方法。

背景技术

目前，国内外汽车毫米波雷达中多使用阵列雷达或TD-MIMO雷达，在阵列雷达或MIMO雷达中为了使雷达具有角度分辨力，多采用空间超分辨的方法。常用的方法有多重信号分类(multiple signal classification，MUSIC)方法，各种改进的多重信号分类方法，旋转不变因子(Estimating signal parameters viarotational invariancetechniques，ESPRIT)方法等。空间超分辨算法的主要缺点是数据量大，计算量大，算法复杂度高，导致测向时间过长，不能满足汽车毫米波雷达对实时性的要求，严重制约了处理周期。

常见的阵列雷达测角方案如美国亚德诺半导体公司(ADI)和德州仪器(TI) 的解决方案则是基于三维快速傅里叶变换(3DFFT)的数字波束形成(DBF)方法，这种方法相对于空间超分辨算法虽然计算复杂度在一定程度上降低，但测角精度受 FFT点数的影响较大，而且没有角分辨能力。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种快速的汽车毫米波雷达超分辨目标跟踪系统，以及应用此系统的测角和目标检测跟踪方法，从而可以使 MIMO阵列雷达在快速测向的基础上同时具有目标超分辨的能力。

为实现上述目的，本发明提供如下技术方案：

一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法，其特征在于，包括平面阵列天线，射频前端，信号预处理模块，恒虚警检测模块，目标检测模块，超分辨测向模块，跟踪处理模块，所述平面阵列天线包括发射印刷阵列天线和接收印刷阵列天线，所述射频前端主要包括发射通道、接收通道、信号发生器、单边带调制器，且产生发射波形，产生本地振荡器，发射雷达信号和对雷达信号接收混频至零中频，所述信号预处理模块主要由微控制器的信号处理工具箱构成，所述恒虚警检测模块由MCU的处理器核0构成，负责对雷达回波信号复平面检测提取目标回波信号，所述目标检测模块由MCU的处理器核1构成，且主要提取恒虚警检测后目标的速度、距离、角度并对目标预分类，所述超分辨测向模块由MCU的处理器核1构成，且通过超分辨算法对选定目标点做超分辨处理，所述跟踪处理模块由MCU的处理器核2构成，且负责对目标的跟踪和聚类。

本发明进一步改进，所述发射通道由倍频器，单刀单置开关、移相器，功率放大器组成，所述倍频器用来将信号发生器产生的信号倍频，所述单刀单置开关用来开关倍频后的信号，信号通过移相器和功率放大器输出给发射天线，完成信号的发射，所述接收通道由低噪声放大器，混频器，高通滤波器，可变增益放大器，低通滤波器和模拟数字转换器组成，所述回波信号通过接收天线后进入接收通道的低噪声放大器，后经混频器将信号混频到基带，基带信号通过一个二阶高通滤波器滤除发射泄露信号之后经可变增益放大器，调节信号幅度，信号经过低通滤波器的信号调理电路进入模拟数字转换器采样为数字信号，所述信号发生器主要由压控振荡器，锁相环，时序引擎，计数器，分频器，时钟锁相环和量化器组成，用来产生本振信号，所述单边带调制器主要由混频器，直接数字频率合成器和倍频器组成，用来产生雷达需要的各种信号。

本发明进一步改进，所述超分辨测向模块是在目标检测模块得到目标的位置和分类信息后仅对护栏内的运动目标做空间超分辨测向处理。

本发明进一步改进，所述对目标实现快速超分辨跟踪的步骤如下：

(1)提取目标参数；

(2)运动目标的角度空间超分辨解算；

(3)目标跟踪与滤波。

本发明进一步改进，所述步骤(1)的具体步骤如下：

1a)对8个通道的基带回波信号采样，并做二维快速傅里叶变换(2DFFT)；

1b)对2DFFT后的二维复平面求模，并将8个通道的复平面模值求平均，得到一个二维实平面矩阵，对这个二维实平面矩阵做局域峰值检测，即对每一个点先在距离维与旁边两个点比较大小，再在多普勒维与旁边两个点比较大小，同时生成一个0-1的位图使用位域来指示二维平面局域峰值的位置；

1c)对每一个局部峰值点做恒虚警检测(CFAR)；对于单元平均，CA-CFAR 的阈值判断由式(1)决定：

s_CUT≥α*sum(RC) (1)

式中，s_CUT是待测单元的值，α是缩放因子，可通过式(2)计算：

式中，P_FA是虚警概率，N是参考单元的个数；

1d)对目标点做距离，速度以及角度的初步解算，由于FFT的点数有限，目标的距离和速度不会刚好落在某个距离单元或速度单元上，因此在利用检测矩阵和CFAR检测结果解算目标模糊多普勒估计值时，分别利用峰值列表中目标的距离单元和速度单元值所对应的距离多普勒单元及其前后各一个距离多普勒单元的幅度值分别进行距离维度和多普勒维度的二阶多项式插值，根据插值结果，结果幅度最大值所对应的距离单元值记为fB,max值，记插值结果幅度最大值所对应的多普勒单元值记为fd,max值，完成插值后，根据距离和速度的公式进行距离和速度的计算；距离、速度公式如下式(3)、(4)：

式中fsweep是等效扫频带宽，Tchirp是等效扫频时间，同时根据长短基线法解出目标的角度并通过解模糊确定真实的目标角度；

1e)在得出目标的距离速度和角度信息后，利用车辆的车速信息，转弯半径信息等对目标做预分类。主要类别有护栏，运动目标和护栏内静止物等。

本发明进一步改进，所述步骤(2)的具体步骤如下：

2a)根据步骤(1)中预分类的结果，提取护栏内的运动目标；

2b)对2a)中提取的目标使用MUSIC算法做角度的空间超分辨解算；

所述MUSIC算法是利用接收数据的协方差矩阵分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，实现信号的参数估计，MUSIC算法首先对阵列的协方差矩阵进行特征分解：

将特征值从大到小排列，判断大特征值的个数，K(信源个数)个大特征值对应的特征矢量张成的子空间S＝span{v₁,v₂…v_K}＝span{α(θ₁),...,α(θ_K)}，称为信号子空间，8-K个小特征值所对应的特征矢量所张成的子空间 N＝span{v_K+1,...,v₈}，称为噪声子空间，显然，S⊥N，噪声子空间的投影矩阵为：

其中E₈＝[v_K+1,...,v₈]，MUSIC算法的谱函数为：

得到谱函数后对波达方向进行搜索，从而可以得到目标的角度信息。

本发明进一步改进，所述步骤(3)的具体步骤如下：

3a)坐标转换，坐标转换是对信号处理目标检测的极坐标目标做坐标转换，转换到车身的笛卡尔坐标系；

3b)静态物检测，在转换到车身坐标系下检测静止反射点，并根据静止目标的特性对目标聚类，确定目标的属性，如护栏，墙面，障碍物，道路分隔栏，隧道等；

3c)跟踪数据关联，将反射点关联到已存在的跟踪目标，在数据关联中采用卡方检验技术关联跟踪数据；

3d)跟踪滤波，一旦反射点被关联上，则通过无迹卡尔曼滤波对关联的反射点进行滤波处理，更新跟踪目标的位置和速度信息；

3e)跟踪状态更新，更新跟踪存活目标计数器，检测计数器和目标丢失计数器等跟踪信息；

3f)对跟踪目标进行预测，根据上一次的跟踪目标信息和跟踪状态更新情况对本次的跟踪目标进行预测，时间间隔为雷达一个更新周期，预测值被送入3c) 作为已存在的跟踪目标；

3g)跟踪保持和删除，根据跟踪状态更行情况确定每个跟踪目标是保持跟踪还是删除跟踪目标。

本发明的有益效果：本发明利用了此系统的测角和目标检测跟踪方法，可以使MIMO阵列雷达在快速测向的基础上同时具有目标超分辨的能力，并且满足了汽车毫米波雷达对实时性的要求，增强提高了处理周期。

附图说明

图1为本发明的系统方框图；

图2为本发明的射频前端方框图；

图3为本发明方法流程图；

图4为本发明中峰值点列表peaklist的原理图；

图5为本发明的空间超分辨测向流程图；

图6为本发明的目标跟踪与滤波流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例：结合附图1，附图2对本发明用于汽车毫米波雷达的快速超分辨跟踪系统做进一步的描述。

本发明的系统包括平面阵列天线，射频前端，信号预处理模块，恒虚警检测模块，目标检测模块，超分辨测向模块，跟踪处理模块。

本实施例中，平面阵列天线包括M个发射天线和N个接收天线通道，通道个数M和N根据用户需要选择，本实施例中选取通道个数M为2，N为4。本实施例中采用分时MIMO体制。这样可以减少天线数量，增加天线有效孔径，并且天线收发分置可以提高收发天线的隔离度，降低发射泄露带来的影响。

本实施例中，射频前端包括发射通道、接收通道、信号发生器、单边带调制器等。发射通道由倍频器，单刀单置开关、移相器，功率放大器等组成，倍频器用来将信号发生器产生的信号倍频，本实施例采用三倍频器，单刀单置开关用来开关倍频后的信号，信号通过移相器和功率放大器输出给发射天线，完成信号的发射。接收通道由低噪声放大器，混频器，高通滤波器，可变增益放大器，低通滤波器和模拟数字转换器组成，回波信号通过接收天线后进入接收通道的低噪声放大器，然后经过混频器将信号混频到基带，基带信号通过一个二阶高通滤波器滤除发射泄露信号之后经可变增益放大器，调节信号幅度，信号经过低通滤波器的信号调理电路进入模拟数字转换器采样为数字信号。信号发生器主要由压控振荡器，锁相环，时序引擎，计数器，分频器，时钟锁相环和量化器等组成，用来产生本振信号。单边带调制器主要由混频器，直接数字频率合成器和倍频器组成，用来产生雷达需要的各种信号，本案例是用来产生线性调频信号。

本实施例中，信号预处理模块包括串并转换器和信号处理工具箱SPT，信号处理工具箱具有专门的快速傅里叶变换知识产权(intellectual property，IP)核，矩阵运算IP核，直方图计算IP核，排序器等专用硬件加速器。信号预处理模块主要实现雷达回波数字信号的串并转换和通道重排，实现雷达回波数字信号距离维的FFT、矩阵的转置以及速度维的FFT等，并对二维FFT的模值做局部峰值点搜索，并给出局部峰值点列表peaklist。

本实施例中，恒虚警检测模块包括MCU的核0，本案例使用的MCU为三核处理器，核0处理器的主频为240MHz。本模块包括三种恒虚警检测方法，可以通过配置选择。三种检测方法分别是二维单元平均恒虚警检测(CA-CFAR)，距离维有序统计类恒虚警检测(OS-CFAR)和多普勒维有序统计类恒虚警检测。其中二维单元平均恒虚警检测是在局部峰值点周围做CA-CFAR，有序统计类恒虚警检测则是在距离维或多普勒维对局部峰值点排序做恒虚警检测。

本实施例中，目标检测模块包括MCU的核1，本案例使用的MCU为三核处理器，核1处理器的主频为240MHz。目标检测模块主要用来对做完恒虚警检测的目标提取距离，速度和角度信息，其中距离信息通过2DFFT的目标距离维位置做二项式插值得到，插值后的距离维索引位置乘以系统的距离分辨力就是目标的距离，速度信息则通过2DFFT的目标多普勒维位置做二项式插值得到，插值后的多普勒索引位置乘以系统的速度分辨力就是目标的速度，角度信息则用干涉仪的多基线法利用一条基线通过相位差测目标的方位角，并通过另一条长度不同的基线通过相位差来解角模糊，从而得到目标真正的角度信息。在得到了目标的距离、速度、角度信息后利用车速信息，转向角信息，转弯半径信息等解算出目标在车身坐标系下的位置和对地速度。给对地静止的目标打上标签静止物，并做护栏判别。如果静止目标在护栏外则剔除目标，如果在护栏内则保留目标，如果对地运动目标在护栏内则对目标打上运动物标签，如果对地运动目标在护栏外则同样剔除目标。

本实施例中，超分辨测向模块由MCU的处理器核1构成，本案例使用的 MCU为三核处理器，核1处理器的主频为240MHz。本案例使用的超分辨测向算法为子空间类算法的多重信号分类(multiple signal classification，MUSIC)方法。经目标检测模块输出的目标，超分辨测向模块首先判断目标是否是运动物，如果是运动物则做MUSIC测向，如果不是则跳过继续判断下一个目标直到所有目标遍历完成。

本实施例中，目标跟踪模块由MCU的处理器核1构成，本案例使用的MCU 为三核处理器，核2处理器的主频为180MHz。目标跟踪模块先进行坐标转换将信号处理目标检测模块给出的目标点从极坐标系转换到车身笛卡尔坐标系，然后利用联合概率数据关联(JointProbabilistic Data Association,JPDA)算法对目标聚类，根据聚类信息通过目标的形状，速度，位置，能量等信息给出目标的类型，主要包括行人，非机动车，机动车，护栏等几种分类。对每一类目标点加权提取目标质点的速度、距离、角度信息，并做扩展卡尔曼滤波。滤波后的目标信息不断更新，根据目标更新情况维持或删除跟踪目标。

下面结合附图3，附图4，附图5，附图6对本发明实现快速超分辨的方法做进一步描述，其具体步骤如下：

步骤1.提取目标参数

1a)对8个通道的基带回波信号采样，并做二维快速傅里叶变换(2DFFT)。

1b)对2DFFT后的二维复平面求模，并将8个通道的复平面模值求平均，得到一个二维实平面矩阵，对这个二维实平面矩阵做局域峰值检测，即对每一个点先在距离维与旁边两个点比较大小，再在多普勒维与旁边两个点比较大小，同时生成一个0-1的位图使用位域来指示二维平面局域峰值的位置。本案例距离维256个点，多普勒维128个点，如图4所示，位域指示存储类似于计算机对二维矩阵的存储，先存储多普勒维后存储距离维，对于一个32bit的数据，其最低位 (LSB)映射D0_R0，其最高位(MSB)则映射D31_R0。对于任意Dm_Rn则表示其为二维平面上第m个多普勒单元第n个距离单元。

1c)对每一个局部峰值点做恒虚警检测(CFAR)。本实施例是选取的二维单元平均恒虚警检测方法，选取参考单元4个，保护单元2个。对于单元平均， CA-CFAR的阈值判断由式(1)决定：

s_CUT≥α*sum(RC) (1)

式中，s_CUT是待测单元的值，α是缩放因子，可通过式(2)计算。

式中，P_FA是虚警概率，N是参考单元的个数。

1d)对目标点做距离，速度以及角度的初步解算，由于FFT的点数有限，目标的距离和速度不会刚好落在某个距离单元或速度单元上，因此在利用检测矩阵和CFAR检测结果解算目标模糊多普勒估计值时，分别利用峰值列表中目标的距离单元和速度单元值所对应的距离多普勒单元及其前后各一个距离多普勒单元的幅度值分别进行距离维度和多普勒维度的二阶多项式插值，根据插值结果，结果幅度最大值所对应的距离单元值记为fB,max值,记插值结果幅度最大值所对应的多普勒单元值记为fd,max值。完成插值后，根据距离和速度的公式进行距离和速度的计算。距离、速度公式如下式(3)、(4)：

式中fsweep是等效扫频带宽，Tchirp是等效扫频时间。同时根据长短基线法解出目标的角度并通过解模糊确定真实的目标角度。

1e)在得出目标的距离速度和角度信息后，利用车辆的车速信息，转弯半径信息等对目标做预分类。主要类别有护栏，运动目标和护栏内静止物等。

(2)运动目标的角度空间超分辨解算：

2a)根据步骤(1)中预分类的结果，提取护栏内的运动目标。

2b)对2a)中提取的目标使用MUSIC算法做角度的空间超分辨解算。

MUSIC算法是利用接收数据的协方差矩阵分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，实现信号的参数估计。如图5所示，在本实施例中，MUSIC算法首先对阵列的协方差矩阵R进行特征分解：

将特征值从大到小排列，判断大特征值的个数，K(信源个数)个大特征值对应的特征矢量张成的子空间S＝span{v₁,v₂…v_K}＝span{α(θ₁),...,α(θ_K)}，称为信号子空间。8-K个小特征值所对应的特征矢量所张成的子空间 N＝span{v_K+1,...,v₈}，称为噪声子空间。显然，S⊥N。噪声子空间的投影矩阵为：

其中E₈＝[v_K+1,...,v₈]。MUSIC算法的谱函数为：

得到谱函数后对波达方向进行搜索，从而可以得到目标的角度信息。

(3)目标跟踪与滤波：

3a)坐标转换，坐标转换是对信号处理目标检测的极坐标目标做坐标转换，转换到车身的笛卡尔坐标系。

3b)静态物检测，在转换到车身坐标系下检测静止反射点，并根据静止目标的特性对目标聚类，确定目标的属性，如护栏，墙面，障碍物，道路分隔栏，隧道等。

3c)跟踪数据关联，将反射点关联到已存在的跟踪目标，在数据关联中采用卡方检验技术关联跟踪数据。

3d)跟踪滤波，一旦反射点被关联上，则通过无迹卡尔曼滤波(Unscented KalmanFilter,UKF)对关联的反射点进行滤波处理，更新跟踪目标的位置和速度信息。

3e)跟踪状态更新，更新跟踪存活目标计数器，检测计数器和目标丢失计数器等跟踪信息。

3f)对跟踪目标进行预测，根据上一次的跟踪目标信息和跟踪状态更新情况对本次的跟踪目标进行预测，时间间隔为雷达一个更新周期。预测值被送入3c) 作为已存在的跟踪目标。

3g)跟踪保持和删除，根据跟踪状态更行情况确定每个跟踪目标是保持跟踪还是删除跟踪目标。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (7)

1.一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法，其特征在于，包括平面阵列天线，射频前端，信号预处理模块，恒虚警检测模块，目标检测模块，超分辨测向模块，跟踪处理模块，所述平面阵列天线包括发射印刷阵列天线和接收印刷阵列天线，所述射频前端主要包括发射通道、接收通道、信号发生器、单边带调制器，且产生发射波形，产生本地振荡器，发射雷达信号和对雷达信号接收混频至零中频，所述信号预处理模块主要由微控制器的信号处理工具箱构成，所述恒虚警检测模块由MCU的处理器核0构成，负责对雷达回波信号复平面检测提取目标回波信号，所述目标检测模块由MCU的处理器核1构成，且主要提取恒虚警检测后目标的速度、距离、角度并对目标预分类，所述超分辨测向模块由MCU的处理器核1构成，且通过超分辨算法对选定目标点做超分辨处理，所述跟踪处理模块由MCU的处理器核2构成，且负责对目标的跟踪和聚类。

2.根据权利要求1所述的一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法，其特征在于，所述发射通道由倍频器，单刀单置开关、移相器，功率放大器组成，所述倍频器用来将信号发生器产生的信号倍频，所述单刀单置开关用来开关倍频后的信号，信号通过移相器和功率放大器输出给发射天线，完成信号的发射，所述接收通道由低噪声放大器，混频器，高通滤波器，可变增益放大器，低通滤波器和模拟数字转换器组成，所述回波信号通过接收天线后进入接收通道的低噪声放大器，后经混频器将信号混频到基带，基带信号通过一个二阶高通滤波器滤除发射泄露信号之后经可变增益放大器，调节信号幅度，信号经过低通滤波器的信号调理电路进入模拟数字转换器采样为数字信号，所述信号发生器主要由压控振荡器，锁相环，时序引擎，计数器，分频器，时钟锁相环和量化器组成，用来产生本振信号，所述单边带调制器主要由混频器，直接数字频率合成器和倍频器组成，用来产生雷达需要的各种信号。

3.根据权利要求1所述的一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法，其特征在于，所述超分辨测向模块是在目标检测模块得到目标的位置和分类信息后仅对护栏内的运动目标做空间超分辨测向处理。

4.根据权利要求1所述的一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法，其特征在于，所述对目标实现快速超分辨跟踪的步骤如下：

(1)提取目标参数；

(2)运动目标的角度空间超分辨解算；

(3)目标跟踪与滤波。

5.根据权利要求4所述的一种用于汽车毫米波雷达的快速超分辨跟踪方法，其特征在于，所述步骤(1)的具体步骤如下：

1a)对8个通道的基带回波信号采样，并做二维快速傅里叶变换(2DFFT)；

1b)对2DFFT后的二维复平面求模，并将8个通道的复平面模值求平均，得到一个二维实平面矩阵，对这个二维实平面矩阵做局域峰值检测，即对每一个点先在距离维与旁边两个点比较大小，再在多普勒维与旁边两个点比较大小，同时生成一个0-1的位图使用位域来指示二维平面局域峰值的位置；

1c)对每一个局部峰值点做恒虚警检测(CFAR)，对于单元平均，CA-CFAR的阈值判断由式(1)决定：

s_CUT≥α*sum(RC) (1)

式中，s_CUT是待测单元的值，α是缩放因子，可通过式(2)计算：

式中，P_FA是虚警概率，N是参考单元的个数；

1d)对目标点做距离，速度以及角度的初步解算，由于FFT的点数有限，目标的距离和速度不会刚好落在某个距离单元或速度单元上，因此在利用检测矩阵和CFAR检测结果解算目标模糊多普勒估计值时，分别利用峰值列表中目标的距离单元和速度单元值所对应的距离多普勒单元及其前后各一个距离多普勒单元的幅度值分别进行距离维度和多普勒维度的二阶多项式插值，根据插值结果，结果幅度最大值所对应的距离单元值记为fB,max值，记插值结果幅度最大值所对应的多普勒单元值记为fd,max值，完成插值后，根据距离和速度的公式进行距离和速度的计算；距离、速度公式如下式(3)、(4)：

式中fsweep是等效扫频带宽，Tchirp是等效扫频时间，同时根据长短基线法解出目标的角度并通过解模糊确定真实的目标角度；

1e)在得出目标的距离速度和角度信息后，利用车辆的车速信息，转弯半径信息等对目标做预分类。主要类别有护栏，运动目标和护栏内静止物。

6.根据权利要求4所述一种用于汽车毫米波雷达的快速超分辨跟踪方法，其特征在于，所述步骤(2)的具体步骤如下：

2a)根据步骤(1)中预分类的结果，提取护栏内的运动目标；

2b)对2a)中提取的目标使用MUSIC算法做角度的空间超分辨解算；

所述MUSIC算法是利用接收数据的协方差矩阵分离出信号子空间和噪声子空间，利用信号方向向量与噪声子空间的正交性来构成空间扫描谱，实现信号的参数估计，MUSIC算法首先对阵列的协方差矩阵进行特征分解：

将特征值从大到小排列，判断大特征值的个数，K(信源个数)个大特征值对应的特征矢量张成的子空间S＝span{v₁,v₂…v_K}＝span{α(θ₁),...,α(θ_K)}，称为信号子空间，8-K个小特征值所对应的特征矢量所张成的子空间N＝span{v_K+1,...,v₈}，称为噪声子空间，显然，S⊥N，噪声子空间的投影矩阵为：

其中E₈＝[v_K+1,...,v₈]，MUSIC算法的谱函数为：

得到谱函数后对波达方向进行搜索，从而可以得到目标的角度信息。

7.根据权利要求3所述一种用于汽车毫米波雷达的快速超分辨跟踪方法，其特征在于，所述步骤(3)的具体步骤如下：

3a)坐标转换，坐标转换是对信号处理目标检测的极坐标目标做坐标转换，转换到车身的笛卡尔坐标系；

3b)静态物检测，在转换到车身坐标系下检测静止反射点，并根据静止目标的特性对目标聚类，确定目标的属性，如护栏，墙面，障碍物，道路分隔栏，隧道等；

3c)跟踪数据关联，将反射点关联到已存在的跟踪目标，在数据关联中采用卡方检验技术关联跟踪数据；

3d)跟踪滤波，一旦反射点被关联上，则通过无迹卡尔曼滤波对关联的反射点进行滤波处理，更新跟踪目标的位置和速度信息；

3e)跟踪状态更新，更新跟踪存活目标计数器，检测计数器和目标丢失计数器等跟踪信息；

3f)对跟踪目标进行预测，根据上一次的跟踪目标信息和跟踪状态更新情况对本次的跟踪目标进行预测，时间间隔为雷达一个更新周期，预测值被送入3c)作为已存在的跟踪目标；

3g)跟踪保持和删除，根据跟踪状态更行情况确定每个跟踪目标是保持跟踪还是删除跟踪目标。

Images