CN113030868B - 一种毫米波雷达角度超分辨方法 - Google Patents

一种毫米波雷达角度超分辨方法 Download PDF

Info

Publication number
CN113030868B
CN113030868B CN202110330715.3A CN202110330715A CN113030868B CN 113030868 B CN113030868 B CN 113030868B CN 202110330715 A CN202110330715 A CN 202110330715A CN 113030868 B CN113030868 B CN 113030868B
Authority
CN
China
Prior art keywords
matrix
signal
subspace
covariance matrix
millimeter wave
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.)
Active
Application number
CN202110330715.3A
Other languages
English (en)
Other versions
CN113030868A (zh
Inventor
张习之
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.)
Changsha Microbrain Intelligent Technology Co ltd
Original Assignee
Changsha Microbrain Intelligent Technology Co ltd
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 Changsha Microbrain Intelligent Technology Co ltd filed Critical Changsha Microbrain Intelligent Technology Co ltd
Priority to CN202110330715.3A priority Critical patent/CN113030868B/zh
Publication of CN113030868A publication Critical patent/CN113030868A/zh
Application granted granted Critical
Publication of CN113030868B publication Critical patent/CN113030868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G06F17/156—Correlation function computation including computation of convolution operations using a domain transform, e.g. Fourier transform, polynomial transform, number theoretic transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Discrete Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种毫米波雷达角度超分辨方法，步骤包括：获取采样数据；对采样数据进行FFT处理，得到距离向序列和第一信号协方差矩阵；对第一信号协方差矩阵相加，重构得到第二信号协方差矩阵；将第二信号协方差矩阵分解为信号和噪声子空间矩阵，并求得权值向量；利用权值向量重构噪声子空间矩阵，利用广义逆矩阵处理信号子空间矩阵；利用子空间矩阵构成空间谱密度函数方程；遍历角度寻找峰值以估算角度。本发明的毫米波雷达结构简单、发射功率低、分辨率与灵敏度高、雷达尺寸小，综合利用信号子空间与噪声子空间的信息，对MUSIC算法进行优化，提高了角分辨率，显著提高毫米波雷达在远距离模式下的检测能力。

Description

一种毫米波雷达角度超分辨方法
技术领域
本发明属于雷达技术领域，尤其涉及一种毫米波雷达角度超分辨方法。
背景技术
近年来，车载毫米波雷达的应用范围大幅度拓展，毫米波雷达在盲区报警、倒车警告以及辅助驾驶等方面应用较为广泛。然而受限于车载雷达的尺寸、功率、天线设计等问题，车载毫米波雷达在在长距离模式下，无法有效区分出相同径向距离下，切向距离相近、速度相近的多个目标，从而导致了雷达的角分辨率下降，影响雷达性能。常用的MUSIC算法形成的空间谱主瓣较大，容易掩盖角度相近的两个目标，对角分辨率的提高有限。因此需要对算法进行优化，以提高毫米波雷达的角分辨率。
发明内容
有鉴于此，本专利提出一种毫米波雷达角度超分辨方法，对雷达回波ADC信号进行采集与距离FFT处理，得到一维距离向序列，并处理得到噪声协方差矩阵。然后对协方差矩阵进行复共轭变换后，与原协方差矩阵进行相加，得到新的协方差矩阵。对协方差矩阵进行奇异值分解，得到特征值向量。对特征值向量进行区分操作，得到信号和噪声子空间。通过对信号子空间进行广义逆变换、对噪声子空间进行特征向量加权等操作得到空间谱函数。最后结合角度范围与空间谱函数，通过寻求峰值来得到到达角的估计值。
本发明公开的一种毫米波雷达角度超分辨方法，方法包括以下步骤：
对毫米波雷达回波信号进行ADC数据采集，得到采样数据；
对所述采样数据进行一维FFT处理，得到距离向序列，并处理得到第一信号协方差矩阵；
对所述第一信号协方差矩阵进行复共轭运算后与所述第一信号协方差矩阵进行相加，重构得到第二信号协方差矩阵；
对所述第二信号协方差矩阵进行奇异值分解，根据特征值向量将所述第二信号协方差矩阵分解为信号和噪声子空间矩阵，并求得权值向量；
利用所述权值向量重构噪声子空间矩阵，利用广义逆矩阵处理信号子空间矩阵；
利用所述子空间矩阵构成空间谱密度函数方程；
遍历角度寻找峰值以估算角度。
进一步的，所述对所述第一信号协方差矩阵进行复共轭运算后与所述第一信号协方差矩阵进行相加，重构得到第二信号协方差矩阵的步骤包含以下计算过程：
所述第一信号协方差矩阵为RXX，定义交换矩阵：
构造互协方差矩阵RYY＝JRXXJH,JH为所述交换矩阵J的共轭转置,重构的第二信号协方差矩阵为：
进一步的，所述根据特征值向量将所述第二信号协方差矩阵分解为信号和噪声子空间矩阵，并求得权值向量的计算过程为：
对特征矩阵进行奇异值分解：R＝USV，其中，S为特征值对角矩阵，U为特征向量构成的矩阵，特征值由大到小排列为λ＝(λ1，λ2...λn)，对应的特征值向量为：U＝(q1,q2...qn)；
已知阵元数为n，信源数为m,取前m大的特征值构成信号子空间特征值对角矩阵：∑SS，取后(n-m)大的特征值构成噪声子空间特征值对角矩阵：∑NN，信号子空间为对应的前m个特征向量扩展成的矩阵：∑SS＝span(q1...qm)；噪声子空间为对应的后(n-m)个特征向量扩展成的矩阵：∑NN＝span(qm+1...qn)；
噪声子空间对应的特征值向量为：∑NN，权值向量为：
进一步的，所述利用所述权值向量重构噪声子空间矩阵，利用广义逆矩阵处理信号子空间矩阵的计算步骤如下：
信号子空间对应的特征值向量如下：λSS＝(λ1...λm)；
重构后的信号子空间矩阵为：
重构后的噪声子空间矩阵为：其中/>是ENN的共轭转置矩阵。
进一步的，所述空间谱密度函数的计算步骤如下：
阵列导向矩阵为A＝[a(ω1)...a(ωk)]，则阵列导向矢量为：
ωi为对应的角度系数；
谱密度函数为：其中θ是雷达视场里的角度，a(θ)H是a(θ)的共轭转置。
本发明的有益效果：
毫米波雷达通过软件方法进行改进，不增加硬件成本，不需要通过提高发射功率去提高目标检测准确率，具有稳定的探测性能与良好的环境适应性，结构简单、发射功率低、分辨率与灵敏度高、雷达尺寸小。
通过对信号子空间进行特征重构的方式优化了MUSIC算法，构造了新的空间谱函数，极大的提高了远距离下毫米波雷达的雷达角分辨率，使得毫米波雷达可以更好的在远距离下区分目标。
附图说明
图1为本发明改进MUSIC算法的毫米波雷达角度超分辨方法流程图；
图2为本发明改进MUSIC算法的毫米波雷达角度超分辨方法区分结果。
具体实施方式
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
本发明的目的是找到一种方法，使得空间谱主瓣减小，提高角分辨率。
有鉴于此，本发明提出一种毫米波雷达角度超分辨方法，对雷达回波ADC信号进行采集与距离FFT处理，得到一维距离向序列，并处理得到噪声协方差矩阵。然后对协方差矩阵进行复共轭变换后，与原协方差矩阵进行相加，得到新的协方差矩阵。对协方差矩阵进行奇异值分解，得到特征值向量。对特征值向量进行区分操作，得到信号和噪声子空间。通过对信号子空间进行广义逆变换、对噪声子空间进行特征向量加权等操作得到空间谱函数。最后结合角度范围与空间谱函数，通过寻求峰值来得到到达角的估计值。
如图1所示，本发明公开的一种毫米波雷达角度超分辨方法，方法包括以下步骤：
S10：对毫米波雷达回波信号进行ADC数据采集，得到采样数据；
S20：对采样数据进行一维FFT处理，得到距离向序列，并处理得到第一信号协方差矩阵；
S30：对第一信号协方差矩阵进行复共轭运算后与第一信号协方差矩阵进行相加，重构得到第二信号协方差矩阵；
第一信号协方差矩阵为RXX，定义交换矩阵：
构造互协方差矩阵RYY＝JRXXJH,JH为所述交换矩阵J的共轭转置,重构的第二信号协方差矩阵为：
S40：对第二信号协方差矩阵进行奇异值分解，根据特征值向量将第二信号协方差矩阵分解为信号和噪声子空间矩阵，并求得权值向量；
对特征矩阵进行奇异值分解：R＝USV，其中，S为特征值对角矩阵，U为特征向量构成的矩阵，特征值由大到小排列为λ＝(λ1，λ2...λn)，对应的特征值向量为：U＝(q1,q2...qn)；
已知阵元数为n，信源数为m,取前m大的特征值构成信号子空间特征值对角矩阵：∑SS，取后(n-m)大的特征值构成噪声子空间特征值对角矩阵：∑NN，信号子空间为对应的前m个特征向量扩展成的矩阵：∑SS＝span(q1...qm)；噪声子空间为对应的后(n-m)个特征向量扩展成的矩阵：∑NN＝span(qm+1...qn)；
噪声子空间对应的特征值向量为：∑NN，权值向量为：
S50：利用权值向量重构噪声子空间矩阵，利用广义逆矩阵处理信号子空间矩阵；
信号子空间对应的特征值向量如下：λSS＝(λ1...λm)；
重构后的信号子空间矩阵为：
重构后的噪声子空间矩阵为：其中/>是ENN的共轭转置矩阵。
S60：利用子空间矩阵构成空间谱密度函数方程；
阵列导向矩阵为A＝[a(ω1)...a(ωk)]，则阵列导向矢量为：
ωi为对应的角度系数；
谱密度函数为：其中θ是雷达视场里的角度，a(θ)H是a(θ)的共轭转置。
S70：遍历角度寻找峰值以估算角度。
根据上述实施例的方法研制样机进行试验验证，试验结果如图2所示，本发明改进MUSIC算法的毫米波雷达角度超分辨方法相对于传统的MUSIC算法，空间谱主瓣明显减小，显著提高了角分辨率。
本发明的有益效果：
毫米波雷达通过软件方法进行改进，不增加硬件成本，不需要通过提高发射功率去提高目标检测准确率，具有稳定的探测性能与良好的环境适应性，结构简单、发射功率低、分辨率与灵敏度高、雷达尺寸小。
通过对信号子空间进行特征重构的方式优化了MUSIC算法，构造了新的空间谱函数，极大的提高了远距离下毫米波雷达的雷达角分辨率，使得毫米波雷达可以更好的在远距离下区分目标。
上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (3)

1.一种毫米波雷达角度超分辨方法，其特征在于，方法包括以下步骤：
对毫米波雷达回波信号进行ADC数据采集，得到采样数据；
对所述采样数据进行一维FFT处理，得到距离向序列，并处理得到第一信号协方差矩阵；
对所述第一信号协方差矩阵进行复共轭运算后与所述第一信号协方差矩阵进行相加，重构得到第二信号协方差矩阵；
对所述第二信号协方差矩阵进行奇异值分解，根据特征值向量将所述第二信号协方差矩阵分解为信号和噪声子空间矩阵，并求得权值向量，计算过程为：
对特征矩阵进行奇异值分解：R＝USV，其中，S为特征值对角矩阵，U为特征值向量构成的矩阵，特征值由大到小排列为λ＝(λ1，λ2...λn)，对应的特征值向量为：U＝(q1，q2…qn)；
已知阵元数为n，信源数为m，取前m大的特征值构成信号子空间特征值对角矩阵：∑ss，取后(n-m)大的特征值构成噪声子空间特征值对角矩阵：∑NN，信号子空间为对应的前m个特征向量扩展成的矩阵：∑SS＝span(q1...qm)；噪声子空间为对应的后(n-m)个特征向量扩展成的矩阵：∑NN＝span(qm+1...qn)；
噪声子空间对应的特征值向量为：∑NN，权值向量为：
利用所述权值向量重构噪声子空间矩阵，利用广义逆矩阵处理信号子空间矩阵，计算步骤如下：
信号子空间对应的特征值向量如下：λSS＝(λ1...λm)；
重构后的信号子空间矩阵为：
重构后的噪声子空间矩阵为：其中/>是ENN的共轭转置矩阵；
利用所述子空间矩阵构成空间谱密度函数方程；
遍历角度寻找峰值以估算角度。
2.根据权利要求1所述的一种毫米波雷达角度超分辨方法，其特征在于，所述对所述第一信号协方差矩阵进行复共轭运算后与所述第一信号协方差矩阵进行相加，重构得到第二信号协方差矩阵的步骤包含以下计算过程：
所述第一信号协方差矩阵为RXX，定义交换矩阵：
构造互协方差矩阵RYY＝JRXXJH，JH为所述交换矩阵J的共轭转置，重构的第二信号协方差矩阵为：
3.根据权利要求1所述的一种毫米波雷达角度超分辨方法，其特征在于，所述空间谱密度函数的计算步骤如下：
阵列导向矩阵为A＝[a(ωi)...a(ωk)]，则阵列导向矢量为：
ωi为对应的角度系数；
谱密度函数为：其中θ是雷达视场里的角度，a(θ)H是a(θ)的共轭转置。
CN202110330715.3A 2021-03-29 2021-03-29 一种毫米波雷达角度超分辨方法 Active CN113030868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110330715.3A CN113030868B (zh) 2021-03-29 2021-03-29 一种毫米波雷达角度超分辨方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110330715.3A CN113030868B (zh) 2021-03-29 2021-03-29 一种毫米波雷达角度超分辨方法

Publications (2)

Publication Number Publication Date
CN113030868A CN113030868A (zh) 2021-06-25
CN113030868B true CN113030868B (zh) 2024-06-21

Family

ID=76473320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110330715.3A Active CN113030868B (zh) 2021-03-29 2021-03-29 一种毫米波雷达角度超分辨方法

Country Status (1)

Country Link
CN (1) CN113030868B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114428236B (zh) * 2022-04-06 2022-07-01 南京楚航科技有限公司 一种车载毫米波雷达角度置信度估计方法
CN114706056B (zh) * 2022-04-28 2023-05-02 珠海微度芯创科技有限责任公司 基于协方差拟合的毫米波雷达高分辨测角方法、装置和介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109975807A (zh) * 2019-03-27 2019-07-05 东南大学 一种适用于毫米波车载雷达的降维子空间测角方法
CN110082741A (zh) * 2019-03-14 2019-08-02 哈尔滨工程大学 一种基于伪数据重构的超分辨波达角估计算法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106788653B (zh) * 2016-11-25 2020-11-27 西安电子科技大学 一种基于协方差矩阵重构的自适应波束形成方法
US10775482B2 (en) * 2018-04-11 2020-09-15 Infineon Technologies Ag Human detection and identification in a setting using millimeter-wave radar
CN109581352B (zh) * 2018-12-10 2021-11-16 南京莱斯电子设备有限公司 一种基于毫米波雷达的超分辨测角系统
CN110673086A (zh) * 2019-10-31 2020-01-10 上海无线电设备研究所 一种基于数字阵列雷达的二维角度超分辨方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110082741A (zh) * 2019-03-14 2019-08-02 哈尔滨工程大学 一种基于伪数据重构的超分辨波达角估计算法
CN109975807A (zh) * 2019-03-27 2019-07-05 东南大学 一种适用于毫米波车载雷达的降维子空间测角方法

Also Published As

Publication number Publication date
CN113030868A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN109932680B (zh) 一种基于平移互质阵列的非圆信号波达方向估计方法
CN104698433B (zh) 基于单快拍数据的相干信号doa估计方法
CN113030868B (zh) 一种毫米波雷达角度超分辨方法
CN103353595B (zh) 基于阵列内插压缩感知的米波雷达测高方法
CN107037392B (zh) 一种基于压缩感知的自由度增加型互质阵列波达方向估计方法
CN109633522B (zh) 基于改进的music算法的波达方向估计方法
CN110412499B (zh) 基于压缩感知理论下的rss算法的宽带doa估计算法
Li et al. DOA estimation of time-modulated linear array based on sparse signal recovery
Zhang et al. Two-dimensional direction of arrival estimation for coprime planar arrays via polynomial root finding technique
CN107783078B (zh) 一种波束-多普勒酉esprit多目标角度估计方法
CN107493106B (zh) 一种基于压缩感知的频率和角度联合估计的方法
CN113253192B (zh) 一种用于非圆信号的互质线阵级联doa估计方法
CN111693947A (zh) 基于互质阵列doa估计的改进music方法
CN105929373A (zh) 一种用于浅埋目标高分辨率透视成像雷达杂波抑制方法
CN111308416B (zh) 基于四阶累积量的近场非圆信源参数估计方法
Xiao et al. A weighted forward-backward spatial smoothing DOA estimation algorithm based on TLS-ESPRIT
CN109521393A (zh) 一种基于信号子空间旋转特性的波达方向估计算法
Pan et al. Enhanced doa estimation with co-prime array in the scenario of impulsive noise: A pseudo snapshot augmentation perspective
CN106980105B (zh) 电磁矢量传感器阵列空间旋转解相干测向方法
CN108594165B (zh) 一种基于期望最大化算法的窄带信号波达方向估计方法
Ganguly et al. An efficient DOA estimation and jammer mitigation method by means of a single snapshot compressive sensing based sparse coprime array
CN116699511A (zh) 一种多频点信号波达方向估计方法、系统、设备及介质
CN112327292A (zh) 一种二维稀疏阵列doa估计方法
He et al. DOA estimation of wideband signals based on iterative spectral reconstruction
Ertan et al. Spatial and temporal smoothing for covariance estimation in super-resolution angle estimation in automotive radars

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
GR01 Patent grant
GR01 Patent grant