CN113167856A - 干扰抑制方法和信号复原方法 - Google Patents

Abstract

一种干扰抑制方法，其中，a.提供时间信号(10)，b.确定该时间信号(10)的干扰区域(16)，c.通过消除该时间信号(18)的干扰区域(16)提供修改的时间信号(18)，d.确定修改的时间信号(18)的频谱(20)并确定被消除的干扰区域(16)的消除频谱(28)，e.确定该频谱(20)的实频率分量(30)，f.根据来自该消除频谱(28)的实频率分量(30)的表征参数确定修改的消除频谱(34)，g.从该频谱(20)中减去修改的消除频谱(34)以提供校正的频谱(36)。此外，描述了两种以所述干扰抑制方法为基础的信号复原方法。

Description

干扰抑制方法和信号复原方法

本发明涉及干扰抑制方法及信号复原方法。

Marvasti等人在“Sparse Signal Processing Using iterative Method withAdaptive Threshold(IMAT)”中描述了这种方法。在该方法中首先提供时间信号，其中，该时间信号的部分区域是未知的。该部分区域内的值被归零以提供一个修改的时间信号，其接着借助傅立叶变换被转换为频谱。因为归零的部分区域，在频谱内出现相应的干扰分量，该干扰分量也被称为旁瓣或旁波瓣。这样的旁瓣分布在实频率分量周围，但具有比实频率分量低的振幅。与之相应，人们对于频谱内的振幅最大频率分量可以说它是实频率分量。它们借助极限值被识别。为了复原时间信号的部分区域的频率分量，高于极限值的频率分量经受傅立叶逆变换。由此得到校正的时间信号，其填充归零的部分区域。由此，原始时间信号已部分被重建。校正的时间信号再次经历所述的步骤，其中校正的时间信号被考虑用于确定频谱。由此，伴随新的极限值和相应频率范围得到时间信号的进一步校正。在此利用了以下事实，由于对校正的时间信号的进一步处理，旁瓣在频谱中已具有较低振幅，由此可以使用较小的极限值。该迭代过程被重复多次，直至获得期望质量级的频谱或时间信号。

IMAT方法需要大量的傅立叶变换，这特别是存储和计算密集的。因此，该方法尤其只能以高成本在移动应用中、即在移动对象内的雷达信号的实时评估中实现。这在提供司机辅助功能或自动驾驶功能的汽车应用中尤其如此。在此，经常使用FMCW雷达(调频连续波)，此时需要傅立叶变换以解析距离、速度、方位角和仰角的检测。

因此，任务是提供计算更有效的信号复原方法和干扰抑制方法。

该任务通过根据权利要求1的特征的干扰抑制方法、根据权利要求3的信号复原方法以及根据权利要求4的信号复原方法来完成。在从属权利要求中说明了有利的变型实施方式。

该方法尤其适用在以下范围，此时只能付出相应高昂的成本来维持计算能力。尤其是，该方法适用于在移动物体中构成的雷达系统。它例如可以是用于机动车或其它自动驾驶车辆的雷达系统。这样的雷达系统例如可被设计为调频连续波雷达、即FMCW雷达。

FMCW雷达的工作方式是早就已知的。尤其是，它以若干连续的线性调频脉冲或频率斜坡的形式发出雷达波，雷达波在视野内的物体处被反射，所反射的雷达波被接收天线检测到。然后，通过多次傅立叶变换来评估所检测到的信号。通过傅立叶变换，可针对每次检测相对于距离、速度及仰角和方位角解析时间信号的信息。下述方法可仅用于一个上述维度或者也可用于多个上述的维度。下文中以举例的方式进行了说明，而为了简化起见仅涉及用在唯一维度中的情况，以使得能够更简单理解该方法的工作方式。将该方法扩展到另一维度或其它维度可类似地进行。

根据权利要求1所述的干扰抑制方法，在第一步骤a中提供时间信号。这样的时间信号例如可以是雷达系统的测量信号或另一个源的时间信号。尤其是，该时间信号以数字信号形式来提供。为此，可以借助模数转换器将模拟测量信号转换为数字测量信号。数字时间信号具有多个采样点，它们来自对模拟信号的采样。

在另一步骤b中确定时间信号的干扰区域。干扰区域具有真正时间信号的干扰。这种干扰可能基于不同的原因。在雷达系统中，例如这可能是因为另一雷达系统发出的雷达信号引起的。由于干扰区域内的干扰，在该范围内的时间信号无法被用于进一步处理，因为鉴于该频谱内的干扰分量，无法对由干扰分量引起的雷达实际检测和干扰检测作出可靠说明。

有用于确定和检测这种干扰区域的相应算法，例如Barjenbruch等人的“A methodfor interference cancellation in automotive radar”，2015IEEE MTT-S智能移动微波国际会议(ICMIM)，2015，或者Fischer等人的“Robust detection and mitigation ofmutual interference in automotive radar”，2015年第16届国际雷达研讨会(IRS)，2015年第143-148页。所述干扰区域且特别是其干扰点、即时间信号的相关采样点被存储，以便提供所述信息以便进一步处理。例如该信息可被存储在干扰矩阵中。干扰区域可在数学上例如被描述为窗函数。例如如此选择窗函数，即，将在受干扰区域内的采样点设为零，其中在干扰区域外的采样点保持其值不变。

在步骤c中提供修改的时间信号，做法是消除时间信号的干扰区域。通过将干扰区域设置为零来有利地消除干扰区域。尤其是，受干扰影响的时间信号的采样点被置零。受干扰影响的采样点也称为干扰点。因此，修改的时间信号包含原始时间信号连同其采样点以及归零的干扰点。

在步骤d中确定修改的时间信号的频谱并确定所消除的干扰区域的消除频谱。使用傅立叶变换从修改的时间信号确定该频谱。根据对干扰区域的了解，例如通过窗函数的傅立叶变换来确定消除频谱。基于所消除的干扰区域，得到与未受干扰信号的频谱不同的频谱。尤其在了解消除频谱的情况下可以消除该差异。这样的消除频谱对应于干扰分量的变化过程、即所谓的旁瓣，其中这些干扰分量取决于干扰区域、即尤其是窗函数。这些干扰分量分布在构成时间信号的一部分的每个实频率周围。频谱中的干扰分量的振幅取决于周围分布有干扰分量的实频率振幅。但在这种情况下，干扰分量所具有的振幅小于关联频率。尤其是，频谱中的干扰分量的分布还取决于实频率的相位、频率和振幅。因为干扰分量总是具有比周围布置有旁瓣的频率分量更低的振幅，因此可以将实际频率分量与干扰分量区分开。

在步骤e中，确定频谱的实频率或实频率分量。这样的实频率分量是可肯定从中知道它是当前时间信号内的实际频率分量的频率分量。因此，实频率分量并非基于通过所消除的干扰区域被引入频谱中的干扰分量。如已经提到地，频率分量及干扰分量分布在其周围的振幅总是大于干扰分量。这些实频率或实频率分量例如可借助极限值来确定。也能确定总体最大值及局部最大值。关于所确定的频率分量，可以肯定地说它们是时间信号的实频率分量。关于实频率，确定表征参数、优选确定多个表征参数。表征参数尤其是实频率分量的振幅、相位和/或频率。特别是，可以在步骤e中确定单个实频率或多个实频率。在此情况下，称呼“实频率分量”并非指实部或虚部，而是指频率是实际上存在于时间信号中的还是由窗函数作为干扰频率生成的。

在步骤f中，根据来自消除频谱的安全频率的表征参数来确定修改的消除频谱。在确定实频率或实频率分量时确定所述表征参数。此外，因为知晓干扰区域、特别是窗函数，也知道了消除频谱。可以依据这个或这些表征参数使消除频谱适应于实频率分量。尤其使消除频谱移位至实频率并适应于实频率振幅和相位，由此得到修改的消除频谱。修改的消除频谱对应于干扰分量在所确定的实频率周围的分布。通过适应于相位、频率和振幅，可以非常精确地确定消除频谱的曲线变化过程。

在步骤g中，从频谱中减去修改的消除频谱以提供校正的频谱。由此可以从频谱中除去通过实频率所引入的干扰分量。换句话说，实频率分量及其表征参数被确定，并且在基于消除频谱知道了干扰分量变化过程的情况下将这些干扰分量从频谱中除去。因此，校正的频谱被清理掉实频率的干扰分量。如果根据步骤e确定多个实频率，则可以在步骤g中除去所有所确定的实频率的干扰分量。

与概述中已做简介的IMAT相比，此处仅在步骤d中执行唯一一次傅立叶变换。关于IMAT方法，进行了三次傅立叶变换来提供第一校正的频谱。另外，所提出的方法的计算运算更易于计算，由此节约了计算能力。

尤其有利地在校正的频谱上针对另一个实频率分量执行步骤e至步骤g。

由此，校正的频谱作为起始点被考虑用于确定其它实频率或实频率分量。在确定其它实频率时已经不再考虑在步骤e后所确定的实频率分量，因为其干扰分量已根据步骤g被除去。接着，用新确定的实频率进行其它步骤f和g。在确定了表征参数之后，可以确定修改的消除频谱，并且可以进行从在步骤e中所依据的频谱中减去。由此提供进一步校正的频谱。在第一遍之后所提供的校正的频谱对应于第一质量级，其中，第二遍的校正的频谱对应于第二质量级，以此类推。步骤e至g尤其可被重复多次。通过去除干扰分量，在频谱内或许出现先前被干扰分量叠加的其它实频率分量。迭代过程逐步复原了未受干扰的时间信号的频谱。

与IMAT方法相比，由此将使得能够实现以较低的计算成本提供高质量的校正的频谱。尤其是，根据所提出的方法，只需执行唯一一次傅立叶变换。在IMAT方法中必须对第一质量级执行三次傅立叶变换，并且对每个附加质量级还要执行两次以上的傅立叶变换。因此，利用所提出的方法提供了特别有效的干扰抑制。

根据权利要求3所述的信号复原方法至少包括权利要求1或前述说明的步骤a至步骤e。该方法至少关于这些点是相同的。

作为步骤a至步骤e的附加步骤，所确定的实频率被用于信号复原以复原干扰区域。尤其是，可以从频谱中读出这个或这些实频率的频率、相位和振幅。借助这些参数，可以在干扰区域内复原实际时间信号。由此可以实现简单的信号复原。

除了步骤a至步骤e之外，还可以执行步骤f至步骤g以及随后的其它实频率分量的确定。由此，所确定的实频率分量更多，从而可以实现改善的时间信号复原。根据权利要求2的步骤e至步骤g也可以进行多次，以增加所确定的实频率并由此改善在干扰区域内的时间信号复原。

因此，执行根据权利要求1的方法的步骤a至步骤g以复原信号，其中，步骤e至步骤g可以执行多次。然后，确定安全频率以复原时间信号的干扰区域。为了复原时间信号，相应的频率以其振幅、频率和相位相加。由此可以在干扰区域内复原时间信号。尤其是，由此提供复原的时间信号，其包含具有复原的干扰区域的原始时间信号。

在此情况下，与根据IMAT方法相比，信号复原的效率要高得多，因为在此也只执行一次单独的傅立叶变换。

另一种信号复原方法至少包括权利要求1的步骤a至步骤g。然后，将校正的频谱考虑用于确定时间信号。这例如可以通过傅立叶逆变换来进行。由此根据校正的频谱提供完整且复原的时间信号。

还有如下可能，如权利要求2所记载的，根据权利要求1的方法的步骤e至步骤g也可被执行多次。由此提供高质量的频谱，其接着借助傅立叶逆变换提供复原的时间信号。在此方法中只需要两次傅立叶变换即可复原信号。尤其当要复原具有高质量水平的时间信号时，所述的信号复原方法与IMAT方法相比特别有效。

所述的干扰抑制方法及信号复原方法均基于相同的原理。以下将解释该原理的有利变型设计。它们可以按意义被用于根据权利要求1、2、3和4的所有三种方法。

建议通过傅立叶变换来确定频谱。

特别有利地针对多空间维度来确定所述频谱和消除频谱。

这尤其是特别在FMCW雷达的情况下使用雷达的时间信号时是特别有利的，因为在这样的系统中通常要经过多次傅立叶变换。每次傅立叶变换都解析另一维度。例如在第一步骤中解析距离，在第二步骤中解析速度，在第三步骤中解析方位角和在第四步骤中解析仰角。由此提供一个多维空间，可以在该多维空间内确定多次雷达探测。此时，在频谱中确定各不同参数例如相位、振幅、频率等，以由此推断出相对于雷达的距离、速度、方位角或仰角。另外，信噪比随着每个其它解析的维度的增加而增大。被解析的维度尤其是距离、速度、仰角和/或方位角。关于多维，至少两个、三个或四个维度被解析，例如所述探测的距离和速度。

此时要注意的是，在IMAT方法中，对于每个其它维度，每个质量级别都需要两次附加的傅立叶变换。如果要解析4个维度，则在IMAT方法中必须先执行8次傅立叶变换以提供第一质量级的修正的频谱用于4个维度，4次傅立叶变换以确定4维频谱，然后4次傅立叶逆变换以确定校正的时间信号。此外，需要4次傅立叶变换以从校正的时间信号中确定校正的频谱。总共有12次傅立叶变换和8次附加的傅立叶变换用于每个附加质量等级。关于所提出的方法，仅需要4次傅立叶变换，因为校正直接在频谱中进行。另外，为了获得频谱，在常规的FMCW雷达中无论如何都要处理傅立叶变换。

有利地，高精度确定实频率分量的表征参数。

精确确定表征参数如频率、振幅和/或相位是特别有利的。由此也可以精确提供修改后的消除频谱。由此有针对性地从频谱中除去干扰分量。如果表征参数被不正确地确定，则可能无法正确消除干扰分量，由此可能产生有误的校正的频谱。

已知有各种不同方法可以高精度地确定表征参数，尤其是零填充、内插(EricJacobsen和Peter Kootsookos：Fast,Accurate Frequency Estimators，IEEE信号处理杂志，第123-127页，2007年5月)和查找表(DE102012106790A1)。

建议通过窗函数来提供干扰区域的消除。

这种窗函数至少包括该干扰区域。它们至少是所有干扰点。有利地，至少所有干扰点都被设置为零值。例如窗函数被用到时间信号上，由此消除干扰区域。窗函数也可以涉及时间信号的无干扰分量的区域，就是说，不是干扰点的采样点。例如，窗函数大致延伸超过干扰区域的宽度。由此可以确保在修改的时间信号内未留有干扰边缘区域。

或者，该窗函数也可以通过不同的函数、尤其是平滑的矩形函数来设计。这种平滑的矩形函数包括矩形函数，但其不会从0突然跳到1或反跳，而是平滑下降。过渡区域被称为过渡分量并且例如可以通过cos2或sin²函数提供。平滑的矩形函数的过渡分量例如减小了时间信号的不受干扰影响但位于干扰边缘区域的那部分的振幅。平滑的矩形函数的矩形分量优选覆盖整个干扰区域，其中该过渡分量被用到未受干扰的时间信号的未受干扰的区域或边缘区域。由此，时间信号的几个采样点的振幅被减小，由此准备好消除频谱的干扰分量相对于所属实频率具有较小振幅，并且还随着相对频率增大而更快速下降。因此，与使用纯矩形函数时相比，在第一遍时可被确定的实频率分量的数量更大。

窗函数有利地通过矩形函数或平滑函数来构成。平滑的矩形函数也优选作用于与干扰区域相邻的时间信号区域。

该方法尤其被用于在雷达系统中即使在接收信号出现干扰时也很精确地确定目标。尤其是，由此也可以测知迄今因为干扰而无法被确定的目标。该方法是如此有效，以致即使利用效率低的机动车硬件也能实时执行该方法。

以下，结合多幅附图来示例性说明干扰抑制方法和信号复原方法，其中：

图1示出了时间信号；

图2示出了时间信号的未受干扰的频谱、频谱和校正的频谱；

图3示出了消除频谱以及修改的消除频谱；

图4a和图4b示出了不同的窗函数；

图5示出了干扰抑制方法和信号复原方法的流程图。

下文以简单的方式示意性说明了信号复原方法和干扰抑制方法。在此，所述方法的描述和执行依据在唯一维度中的雷达信号解析进行。原则上，该方法原是研发用于雷达系统、尤其是FMCW雷达的，其在四个维度中解析。但为了不超出说明书范围，特意选择在一个维度内的解析用于说明。如果该方法的过程本身是已知的，则可通过简单方式实现将该方法适配于多维度、特别是4维度。

在图1中，时间信号10由实线表示。时间信号10将由雷达系统提供。在这种情况下，它是FCMW雷达的线性调频脉冲的差拍信号。所发出的并在物体处被反射且又被接收到的信号与发射天线的输出信号混合并通过低通滤波器被滤波。混合信号被相应转换为数字信号，数字信号具有采样点0到512。沿X轴12绘制这些采样点，其中相对于Y轴13绘制数字信号的幅值。可以看出，对于采样点250至280存在信号干扰14。该区域也被称为干扰区域16。例如与反射信号一起被接收的外部辐射可能引发这种信号干扰14。

下面说明的信号复原方法以及干扰抑制方法的一些步骤在图5中作为流程图被示出并且在下面将详细说明。

时间信号的提供作为第一步骤a进行。

在另一步骤b中确定时间信号10是否具有信号干扰14。这例如可以借助确定时间信号10的干扰区域16的算法来进行。干扰区域16在此包括干扰点，干扰点包括时间信号10的在此发生信号干扰14的采样点。该算法已针对时间信号10确定了采样点250到280为干扰点。干扰区域或干扰点将针对其它方法被存储。这可以例如以干扰矩阵形式完成。

在步骤c中，通过将其设定至0值来消除在干扰区域16内的时间信号10的所有采样点。由此提供一个修改的时间信号18。该修改的时间信号18对应于时间信号10，其中，在干扰区域16内，虚线表示修改的时间信号变化过程。尤其是，在干扰区域16内的针对所属采样点、即干扰点的时间信号的幅值被设置为零值。

根据步骤d，确定频谱和消除频谱。该频谱来自修改的时间信号18。这可以例如通过傅立叶变换来计算。由修改的时间信号18产生的频谱20在图2中由点划线示出。另外，图2通过实线示出对应于未受干扰的时间信号的实际频谱22。因此，实际频谱22对应于没有发生干扰的对比情况。在图2中，相对于X轴24绘制频率，相对于Y轴26绘制振幅。

图3示例性示出了消除频谱28。相对于X轴27a示出了频率，相对于Y轴27b示出了振幅。该消除频谱来自窗函数，窗函数在步骤c中被用于消除时间信号10的干扰区域16。该窗函数被选择为矩形函数，其将干扰点的时间信号10设置为零。在图4的a)中举例示出了窗函数。干扰点的消除导致在频谱内针对每个实频率分量出现一个干扰分量，干扰分量的表现与消除频谱28相对应。换句话说，消除频谱28分布在每个实频率分量的周围，其取决于频率分量的振幅、频率和相位。消除频谱的这些所谓干扰分量28a也被称为旁瓣，其强度或振幅低于实频率分量。

修改的时间信号可以在数学上针对FMCW雷达的单独的线性调频脉冲被表述如下。在此，线性调频脉冲的持续时间假定为T_c，其中，干扰出现在时间t₀处并且具有持续时间T_Int。

第一项在此表示频率分量，第二项表示窗函数。矩形函数rect被选择为将干扰区域内的振幅设定至零。

公式(1)的傅立叶变换(即频谱)得到了

在这里，相比于未受干扰的信号，出现第二si函数，其以目标频率f₀折叠。si函数以幅值A₀和相位

被加权。δ(f-f₀)是狄拉克函数，其在除了f-f₀外的任何位置上都是零。消除函0数的干扰分量28a在图3中被示出。

消除频谱来自干扰矩阵的傅立叶变换或所用的窗函数。利用借助傅立叶变换所确定的消除频谱而知道了通过窗函数所引入的相应的干扰分量28a如何分布在目标频率且与此相应地在实频率分量周围。

因此，频谱和消除频谱现在是已知的。还知道了干扰分量28a具有比相关的实频率分量小的振幅。

在另一步骤e中确定频谱的实频率分量。例如这可借助极限值分析进行。在此，频谱最大值被确定且一个极限值被设定。超过该极限值的所有频率分量都可被视为实频率分量。或者，也可以搜索绝对最大值或局部最大值，其中，在足够大的频谱频宽范围内的局部最大值必然表示一个最大值。

现在，可以从所述频率分量中肯定地知道它是修改的时间信号18的实频率分量，而不是干扰分量。现在，针对所述实频率分量来确定表征参数如振幅、相位和频率。

关于图2，示出了频谱22，其关于FMCW雷达的雷达测量检测到两个目标。频谱22包括在频率值50处具有最大振幅的第一目标30和在频率值约75处的第二目标32。可以依据曲线22的变化过程识别实频率分量。

该频谱是线性调频脉冲的分辨率与距离维度的关系。在此，可以借助于最大振幅来确定目标，其中，相关联的频率值能够被转换为检测的实际距离。该距离与测得的频率值成正比。这意味着较高的频率值对应于较大的距离。频率值50和75对应于时间信号10的实频率分量。

在图2中可以看出，与实际频谱22相比，来自修改的时间信号18的频谱20具有干扰分量20a。干扰分量20a分布在实频率分量30周围并具有比其低的振幅。在此，干扰分量20a的振幅高于第二实频率分量32的振幅。

现在将确定第一实频率分量30的振幅、频率和相位。例如，这可以通过在概述中已提到的方法来进行，由此提供精确的确定。在根据其中一种所述方法确定了实频率之后，可以在插值方法中借助单点DFT如下所述地确定振幅和相位：

在此，变量是采样间隔T_s、具有k个采样点的离散信号x[k]。信号x[k]和采样点在此情况下可以是多维的。由此得到频率值S(f₀)作为具有振幅|S(f₀)|和相位

的复值。|S(f₀)|在此对应于实频率分量的振幅。消除频谱的振幅A₀允许从公式2的第一部分中推导出：

其中，f-f₀＝0。在公式(4)变换至如下之后得到消除频谱的振幅A₀，

或者如已选择的那样，也可以使用零填充方法或查找表。

在另一步骤f中考虑现在已知的表征参数来确定修改的消除频谱。消除频谱28是已知的。现在，表征参数被用于校正消除频谱的振幅、调整其相位并使其位移至目标频率f₀、即在此是第一实频率30。这在图3中以图形方式被示出，这里，变换通过箭头33被示出。由此得到修改的消除频谱34。该修改的消除频谱34对应于通过窗函数已被引入频谱中的干扰分量。

现在，在步骤g中从频谱20中消除修改的消除频谱34。特别是，频谱20被减掉修改的消除频谱34，由此得到校正的频谱36。该校正的频谱36在图2中以虚线被示出。因为现在已去除了干扰分量，故从频谱中出现第二实频率分量32。与频谱20相比，可以识别出该第二实频率分量。另外，现在可以在图2中看到第二实频率32的干扰分量36a。

频谱20与校正的频谱36的比较清楚表明了干扰分量被主动抑制。由此，可以清楚无疑地识别出第二频率分量32。而在受干扰的时间信号10的情况下并非如此。另外，由于傅立叶变换数量少并且数学运算简单，因此计算成本与已知方法相比较低。

为了完成对校正的频谱36的进一步优化，根据步骤h，校正的频谱36可被当作进一步校正的基础。因此，校正的频谱36被当作步骤e的基础。

然后，在步骤e.2中确定另外的实频率分量。由于已经清除了频谱中的干扰分量，故不再考虑已知的实频率分量。对重新确定的实频率分量进行评估以确定其表征参数，以便接着在步骤g.2中从步骤e所依据的校正的频谱中减去修改的消除频谱，以提供第二级别的校正的频谱。

这些步骤可重复多次以提供频谱迭代改进并消除相应的干扰分量。在图5中，步骤被标示为e.x、f.x、g.x和h.x，其中，x代各自迭代步骤的编号。

关于步骤e，可以仅确定单个实频率分量或者确定多个实频率分量。在后者情况下，可以在单次过程中消除各种实频率分量的干扰分量。

该方法的前面描述例如涉及一种雷达系统、尤其是FMCW雷达，其仅在一个维度上、即在距离维度上被解析。原则上，该方法也可被用在一个较高维度空间中，它尤其可以关于距离、速度、仰角和/或方位角进行解析。因此存在多个时间信号以及多维频谱、多维校正的频谱、多维消除频谱和多维修改的消除光谱。

迭代过程次数可以取决于各种不同的因素。例如设定迭代步骤数量、要确定的目标数或某个极限值。

在确定实频率分量时例如可使用极限值，其中高于极限值的所有频率分量都被认为是实频率分量。该极限值例如被设定为比频谱最大振幅低5％、10％或15％。原则上也可借助公式(5)估算该极限值，该公式确定干扰分量相对于频率分量幅值的最大幅值。对于每个迭代步骤，极限值都会被相应减小。相应地，所有高于该极限值的频率分量都被视为时间信号的实频率分量。

原则上，不需要将信号的以及频谱的校正用于所有实频率分量。特别是，不必再在频谱中校正低振幅的实频率分量。

原则上，在评估FMCW雷达的测量数据或测量信号时，维度大多通过傅立叶变换一个接一个地来确定。在大多数情况下，首先是距离维度、然后是速度维度、最后是角度维度通过傅立叶变换来确定。在这种情况下，该方法可被用在每个步骤之间。例如该方法可以在距离维度解析之后被采用并且校正的频谱用于解析其它维度。但该方法也可以在提供2、3或乃至提供4维度之后进行。

代替例如被用来提供关于图1的修改的时间信号18的矩形信号，也可以选择另一窗口函数。例如根据图4中的a)的窗函数38代表矩形函数。相对于X轴40绘制出了时间或采样点，相对于Y轴42绘制出了介于1和0之间的系数。该系数在此确定振幅或各采样点的减小值。矩形函数对应于沿X轴40的干扰区域16的宽度，因此包含干扰点。

代替矩形函数38，也可以使用如图4中的b)所示的平滑的矩形函数44。其包括在干扰区域16的宽度范围的矩形函数38，其中在两端没有发生从1到0的减小，而是进行从1到0的平滑过渡。该过渡能以各种不同的方式进行。在此情况下，在数学上选择cos²函数。从1到0的过渡可以延及在5到30个采样点之间的宽度。由此，一方面，时间信号10的采样点的振幅被减小，尽管在此范围中未出现干扰分量14。另一方面，由此有利地调整消除频谱的过程及其干扰分量。通过选择合适的窗函数，可以获得与矩形函数相比更低的干扰分量幅值，参见公式(2)和公式(5)，以及在相对于目标频率或实频率分量的相对频率增大时获得更快速的下降。该方法由此更加鲁棒。

为了提供干扰被抑制的频谱而在先说明的方法步骤也可以被用于复原或重建时间信号。在第一变型中，例如可以执行根据图5和先前说明部分的步骤a至步骤e。然后执行步骤i。在此情况下考虑所确定的实频率分量的表征参数如频率、相位和幅值，以复原所消除的干扰区域。为此明确考虑幅值、频率和相位并且以正弦函数形式将其相加。

在此，可以在第一次经过步骤e.1之后利用实频率分量的表征参数，或者多次执行步骤e至步骤h以确定其它实频率分量。在执行多个迭代步骤之后可以高质量地再重建时间信号。

在用于重建时间信号的另一变型中，至少执行根据图5和所属在先实施方式的步骤a至步骤g，然后在步骤j中根据校正的频谱确定时间信号。校正的频谱例如可以通过傅立叶逆变换被转换为时间信号，干扰分量在此已被消除。

在此可行的是，校正的频谱在第一次进行了步骤a至步骤g之后发生，或者相应地执行多次步骤e至步骤g和步骤h。步骤h分别比步骤e至步骤g少进行一次。由此获得频谱的进一步改进。另外，因执行少量的傅立叶变换和傅立叶逆变换而可以实现时间信号的有效重建。

附图标记

10 时间信号

12 x轴(采样点)

13 y轴(振幅)

14 信号干扰

16 干扰区域

18 修改的时间信号

20 频谱

20a 干扰分量

22 实际频谱

24 x轴(频率)

26 y轴(振幅)

27a x轴(频率)

27b y轴(振幅)

28 消除频谱

28a 干扰分量/旁瓣

30 第一目标/第一频率分量

32 第二目标/第二频率分量

33 箭头

34 修改的消除频谱

36 校正的频谱

36a 干扰分量

38 矩形函数(窗函数)

40 x轴(时间/采样点)

42 y轴(系数)

44 平滑的矩形函数(窗函数)

a 步骤

b 步骤

c 步骤

d 步骤

e.x 步骤

f.x 步骤

g.x 步骤

h.x 步骤

i 步骤

j 步骤。

Claims (9)

1.一种用于干扰抑制的方法，其中，

a.提供时间信号(10)，

b.确定所述时间信号(10)的干扰区域(16)，

c.通过消除所述时间信号(18)的所述干扰区域(16)提供修改的时间信号(18)，

d.确定所述修改的时间信号(18)的频谱(20)并确定被消除的所述干扰区域(16)的消除频谱(28)，

e.确定所述频谱(20)的实频率分量(30)，

f.根据来自所述消除频谱(28)的实频率分量(30)的表征参数确定修改的消除频谱(34)，

g.从所述频谱(20)中减去所述修改的消除频谱(34)以提供校正的频谱(36)。

2.根据权利要求1所述的方法，其特征在于，在所述校正的频谱(36)上针对另一实频率分量(32)执行步骤e至步骤g。

3.一种用于信号复原的方法，其中，至少执行权利要求1的步骤a至步骤e，其中，利用所确定的实频率分量(30)来复原所述时间信号(10)的所述干扰区域(16)。

4.一种用于信号复原的方法，其中，至少执行权利要求1的步骤a至步骤g，其中，根据所述校正的频谱(36)确定复原的时间信号。

5.根据权利要求1至5中任一项所述的方法，其特征在于，通过傅立叶变换来确定所述频谱(20)。

6.根据权利要求1至5中任一项所述的方法，其特征在于，针对多个空间维度来确定所述频谱(20)和所述消除频谱(28)。

7.根据权利要求1至6中任一项所述的方法，其特征在于，高精度地确定所述实频率分量(30,32)的表征参数。

8.根据权利要求1至7中任一项所述的方法，其特征在于，通过窗函数(38,44)提供所述干扰区域(16)的消除。

9.根据权利要求8所述的方法，其特征在于，所述窗函数(38,44)通过矩形函数(38)或也涉及与所述干扰区域相邻的时间信号区域的平滑的矩形函数(44)构成。

Images