CN113433523B - 一种基于双框架循环rls的汽车雷达干扰抑制方法 - Google Patents
一种基于双框架循环rls的汽车雷达干扰抑制方法 Download PDFInfo
- Publication number
- CN113433523B CN113433523B CN202110669938.2A CN202110669938A CN113433523B CN 113433523 B CN113433523 B CN 113433523B CN 202110669938 A CN202110669938 A CN 202110669938A CN 113433523 B CN113433523 B CN 113433523B
- Authority
- CN
- China
- Prior art keywords
- signal
- interference
- rls
- reference signal
- target
- 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
Links
Images
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
- G01S7/41—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
-
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于双框架循环RLS的汽车雷达干扰抑制方法,包括步骤:S1、获取回波信号,根据回波信号和发射信号分别生成第一参考信号和第一期望信号输入到第一RLS自适应系统;S2、根据第一参考信号与目标信号之间的相关性,进行滤波处理,获得干扰信号的初次估计值并输入到第二RLS自适应系统;S3、将干扰信号的初次估计值作为第二参考信号,根据第一期望信号进行处理,得到经过干扰抑制后的目标信号;S4、判断残差率是否小于预设阈值,若是则输出经过干扰抑制后的目标信号,否则设置经过干扰抑制后的目标信号为第一期望信号转至步骤S2。与现有技术相比,本发明具有提高对汽车雷达干扰信号的抑制、在缺少先验学习时具有较好的干扰抑制效果等优点。
Description
技术领域
本发明涉及雷达信号处理技术领域,尤其是涉及一种基于双框架循环RLS的汽车雷达干扰抑制方法。
背景技术
汽车雷达是一种基于不同技术(比如超声波、微波)用于汽车或其他地面机动车辆的雷达。在汽车雷达领域,使用最广泛的信号是调频连续波和线性调频序列,其优点是可靠性高,抗干扰能力强,并且能够实现对雷达的准确估计。汽车雷达在工作时,会定期发送线性调频序列,并接收从某些目标反射的回波信号,将接收到的回波信号与发送的信号进行混频以获得拍频信号,再将拍频信号放入模拟低通滤波器(LPF)以确保不会出现频谱混叠,最后通过模数(AD)转换,拍频信号被转换为数字信号以进行后续处理。车辆之间的相互干扰早已成为汽车雷达行业的主要关注点,当接收信号受到干扰信号的干扰时,拍频信号可能会变得复杂,目标信号可能会同时在时域和距离多普勒域中被覆盖,尤其是当干扰是由另一个汽车雷达产生的时候,目标反射的回波信号与之相比十分微弱,如果不对这些干扰进行有效的抑制,就无法检测目标。
在实际的行车场景中,由于车辆处于运动状态,道路环境时时变化,导致接收到的干扰动态变化。对其应用自适应噪声抵消技术,可在未知外界干扰源特征和传递途径不断变化的情况下,有效的消除外界噪声的干扰。目前自适应滤波主要涉及最小均方误差(LMS)和递归最小二乘(RLS)两种算法,LMS算法虽然具有较低的复杂度,但是如图1所示,通过100次重复试验迭代500次的均方误差曲线可以看出收敛速率和跟踪性能都不如RLS算法。
RLS自适应滤波算法主要包含两个过程:滤波处理和自适应调整。
滤波处理的过程包括设滤波器阶数为M,具体如下所示:
x(n)=[x(n)x(n-1)...x(n-M+1)]T
e(n)=d(n)-y(n)=d(n)-wH(n)x(n)
其中,x(n)为滤波器参考端输入矢量(M×1维),y(n)=xH(n)w(n)=wH(n)x(n)为滤波器输出值,d(n)为滤波器主端输入的期望信号值,w(n)=[w0(n)w1(n)...wM-1(n)]H为n时刻滤波器的权系数向量(M×1维),初始状态下w(0)=0,e(n)为参考响应与输出响应之差,称为误差信号。
对于自适应调整的过程,RLS算法的自适应调整基于各时刻期望信号与滤波器输出之差的平方和(即代价函数Jn(w))最小,具体如下所示:
wopt(n)=R-1(n)r(n)
其中,wopt(n)为代价函数Jn(w)最小时的最优解,R(n)为参考输入信号的自相关矩阵(M×M维),r(n)为参考信号与期望信号的互相关向量(M×1维),λ为RLS滤波器的遗忘因子,当λ=1时(相当于算法中没有引入加权因子),滤波器等效于维纳滤波器,不具有“遗忘”功能,当λ<1时,RLS滤波器带有“遗忘”功能,即对近期数据更为敏感,以使算法具有对输入过程特性变化的快速反应能力。
完成RLS算法的滤波处理和自适应调整,需要经历以下的具体步骤:
1.初始化参数,设滤波器阶数为M
w(0)=0,P(0)=δ-1I(0<δ<<1)
其中,P(n)为输入信号自相关矩阵R(n)的逆矩阵(M×M维),即P(n)=R-1(n),I为M阶单位矩阵,算法中需要相关矩阵初始值R(0)在R(n)中占很小的比重,一般情况下δ取0.001。
2.进行滤波处理,并自适应调整更新滤波器权系数向量w(n)
e(n)=d(n)-wH(n-1)x(n)
w(n)=w(n-1)+k(n)e*(n)
对应自适应噪声抵消技术中,上式中x(n)=[x(n)x(n-1)...x(n-M+1)]T为n时刻与汽车雷达干扰相关的干扰信号(M×1维),xH(n)为x(n)的共轭转置,d(n)为n时刻汽车雷达的回波信号与发射信号混频后的拍频信号值,e(n)为n时刻的误差信号,w(n-1)为n-1时刻滤波器的权系数向量(M×1维),P(n-1)为n-1时刻输入信号自相关矩阵R(n-1)的逆矩阵(M×M维),λ为遗忘因子,k(n)为n时刻RLS滤波器的时变增益向量(M×1维),P(n)为n时刻输入信号自相关矩阵R(n)的逆矩阵(M×M维),w(n)为n时刻滤波器的权系数向量(M×1维)。
传统的RLS自适应干扰抑制算法中,为了合理构造出参考信号,需要对拍频信号中的干扰信号进行先验学习。当参考信号选取不合适时,干扰抑制的效果会明显减弱甚至算法失效,然而在实际场景中的干扰是时变且未知的,目前在雷达信号处理领域,对于自适应干扰抑制算法的参考信号相关研究较少。
发明内容
本发明的目的就是为了克服上述现有技术存在的传统的自适应算法面向实际汽车雷达场景中,由于干扰信号未知而无法有效抑制干扰的缺陷而提供一种基于双框架循环RLS的汽车雷达干扰抑制方法。
本发明的目的可以通过以下技术方案来实现:
一种基于双框架循环RLS的汽车雷达干扰抑制方法,具体包括以下步骤:
S1、获取汽车雷达接收的受干扰信号影响的回波信号,根据所述回波信号和汽车雷达的发射信号分别生成第一参考信号和第一期望信号输入到第一RLS自适应系统;
S2、所述第一RLS自适应系统根据所述第一参考信号与目标信号之间的相关性,对接收到的第一期望信号进行滤波处理,获得干扰信号的初次估计值并输入到第二RLS自适应系统;
S3、所述第二RLS自适应系统将干扰信号的初次估计值作为第二参考信号,第一期望信号作为第二期望信号进行处理,得到经过干扰抑制后的目标信号;
S4、判断经过干扰抑制后的目标信号的残差率是否小于预设阈值,若是则输出经过干扰抑制后的目标信号,否则设置经过干扰抑制后的目标信号为新的第一期望信号转至步骤S2。
所述步骤S1中第一参考信号为根据直方图干扰检测算法选取或重构的无干扰线性调频信号,具体过程为通过直方图干扰检测算法对回波信号进行检测,若检测到存在无干扰的线性调频序列,取其作为第一参考信号;否则取干扰标记长度最短的线性调频序列信号,截取所述线性调频序列信号中和干扰段同等长度的干净段来替换干扰段,由此得到第一参考信号。
所述步骤S1中第一期望信号具体为回波信号经过混频处理后得到的拍频信号,所述拍频信号包括目标信号的拍频信号值和干扰信号的拍频信号值。
所述第一参考信号与目标信号之间的相关性越强,干扰抑制效果越好,相关系数在0.5<ρ<1的范围内,能达到较好的干扰抑制效果。
所述步骤S4中预设阈值为第一参考信号与目标信号之间的相关系数为0.5时的残差率。
所述第一RLS自适应系统中设有第一自适应滤波器,接收第一参考信号,所述第二RLS自适应系统中设有第二自适应滤波器,接收第二参考信号。
进一步地,所述第一自适应滤波器和第二自适应滤波器的参数中均设置有遗忘因子,所述遗忘因子的取值范围为(0,1]。
进一步地,所述第一自适应滤波器的遗忘因子基于追踪无干扰信号进行设定,所述第二自适应滤波器的遗忘因子基于追踪干扰信号的初次估计值。
所述步骤S2第一RLS自适应系统计算干扰信号的初次估计值的公式具体如下所示:
e1(n)=dn(n)-w1 H(n-1)s1(n)
w1(n)=w1(n-1)+k1(n)e1 *(n)
其中,dn(n)是n时刻的拍频信号,s1(n)为n时刻第一自适应滤波器的输入向量,即s1(n)=[s1(n)s1(n-1)...s1(n-M1+1)]T,e1(n)为n时刻第一自适应滤波器的误差信号,w1(n-1)与w1(n)分别为n-1时刻和n时刻第一自适应滤波器的权系数向量,k1(n)为n时刻第一自适应滤波器的时变增益向量,P1(n-1)与P1(n)分别为n-1时刻和n时刻第一自适应滤波器的输入自相关矩阵的逆矩阵。
在循环中更新以上参数,得到第一RLS自适应系统的输出,利用第一参考信号与目标信号的相关性以及与干扰信号的正交性,第一自适应系统的输出逼近目标信号,等效干扰信号的初次估计值。
所述步骤S3中第二RLS自适应系统计算经过干扰抑制后的目标信号的公式具体如下所示:
e2(n)=dn(n)-w2 H(n-1)s2(n)
w2(n)=w2(n-1)+k2(n)e2 *(n)
其中,s2(n)为n时刻第二自适应滤波器的输入向量,e2(n)为n时刻第二自适应滤波器的误差信号,w2(n-1)与w2(n)分别为n-1时刻和n时刻第二自适应滤波器的权系数向量,k2(n)为n时刻第二自适应滤波器的时变增益向量,P2(n-1)与P2(n)分别为n-1时刻和n时刻第二自适应滤波器的输入自相关矩阵的逆矩阵。
在每次循环中,分别更新n时刻第二自适应滤波器的各个参数:输入向量s2(n)=[s2(n)s2(n-1)...s2(n-M2+1)]T,期望信号dn(n),误差信号e2(n),权系数向量w2(n),时变增益向量k2(n),输入自相关矩阵的逆矩阵P2(n)。由此得到第二自适应系统的输出,再次利用第一参考信号与干扰信号的相关性以及与目标信号的正交性,第二自适应系统的输出逼近干扰信号,等效于目标信号的估计,进而实现干扰抑制。
所述步骤S4中新的第一期望信号的计算公式具体如下所示:
dn'=sn+vn'
其中,dn'为新的第一期望信号,sn为目标信号,vn'为经过干扰抑制后的目标信号中残留的干扰信号。
所述残差率的计算公式如下所示:
其中,p(xi)为干扰抑制后的频谱,q(xi)为无干扰信号的频谱。
所述步骤S4中预设阈值还包括相应的循环次数上限,所述循环次数上限具体为第一参考信号与目标信号之间的相关系数首次小于0.5时对应的循环次数减1。
所述步骤S4中若缺少先验学习则取消循环次数上限,根据干扰替换方法对第一期望信号进行处理,所述干扰替换方法具体为将回波信号中标记存在干扰的部分替换为经过干扰抑制后的目标信号,其他无干扰的信号段落保持不变,先验学习具体为第一参考信号与目标信号之间的相关系数首次小于0.5时的先验实验。
与现有技术相比,本发明具有以下有益效果:
1.本发明首先通过天线接收到的回波信号中无干扰部分作为第一参考信号,对拍频信号进行RLS滤波处理,得到干扰的相关信号,再利用相关干扰作为第二参考信号,对拍频信号做二次RLS滤波处理,得到经过干扰抑制后的目标信号进行输出,提高了对汽车雷达干扰信号的抑制。
2.本发明在缺少先验学习导致循环次数上限未知时,通过干扰替换的方法来对需要进行再次循环的经过干扰抑制后的目标信号进行处理,有效解决无先验学习时对于干扰信号进行抑制时的处理效率,同时具有较好的干扰抑制效果。
附图说明
图1为本发明背景技术中LMS算法和RLS算法在100次重复试验迭代500次后取前50次的均方误差曲线对比图;
图2为本发明实测数据中汽车雷达干扰的时域分布三维图;
图3为本发明相关系数与残差率的关系图;
图4为本发明的双框架循环RLS干扰抑制方法的结构图;
图5为本发明实施例中基于实测数据的直方图干扰检测结果;
图6为本发明实施例中实测数据的距离速度三维图;
图7为本发明实施例中实测数据采用本发明方法后的距离速度三维图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
在实际场景中,汽车雷达常面临的干扰有调频连续波(FMCW)干扰。当这种干扰存在时,干扰并不会全程分布,而是在快时间域的某一段或者某几段出现。如图2所示为这FMCW干扰的拍频信号在时间域分布情况,FMCW干扰的分布规律为在每个慢时间序列中呈周期性出现,并且由于FMCW干扰的调频斜率,使得干扰在每个慢时间序列的位置有所不同。
实施例
如图4所示,一种基于双框架循环RLS的汽车雷达干扰抑制方法,具体包括以下步骤:
S1、获取汽车雷达接收的受干扰信号影响的回波信号,根据回波信号和汽车雷达的发射信号分别生成第一参考信号和第一期望信号输入到第一RLS自适应系统;
S2、第一RLS自适应系统根据第一参考信号与目标信号之间的相关性,对接收到的第一期望信号进行滤波处理,获得干扰信号的初次估计值并输入到第二RLS自适应系统;
S3、第二RLS自适应系统将干扰信号的初次估计值作为第二参考信号,第一期望信号作为第二期望信号进行处理,得到经过干扰抑制后的目标信号;
S4、判断经过干扰抑制后的目标信号的残差率是否小于预设阈值,若是则输出经过干扰抑制后的目标信号,否则设置经过干扰抑制后的目标信号为新的第一期望信号转至步骤S2。
本实施例中,根据实际场景的汽车雷达干扰确定两个RLS自适应滤波器的阶数为M1和M2,定义两个RLS自适应滤波器的初始权系数向量w1(0)=[w1(n)w1(n-1)...w1(n-M1+1)]H=0,w2(0)=[w2(n)w2(n-1)...w2(n-M2+1)]H=0;两个RLS自适应滤波器的输入信号自相关矩阵R(n)的逆矩阵P(n)的初始值:P1(0)=δ1 -1I1,P2(0)=δ2 -1I2,其中Ii为Mi阶单位矩阵,δi取0.001(i=1,2)。
步骤S1中第一参考信号为根据直方图干扰检测算法选取或重构的无干扰线性调频信号,具体过程为通过直方图干扰检测算法对回波信号进行检测,若检测到存在无干扰的线性调频序列,取其作为第一参考信号;否则取干扰标记长度最短的线性调频序列信号,截取线性调频序列信号中和干扰段同等长度的干净段来替换干扰段,由此得到第一参考信号。
步骤S1中第一期望信号具体为回波信号经过混频处理后得到的拍频信号,拍频信号包括目标信号的拍频信号值和干扰信号的拍频信号值。
第一参考信号与目标信号之间的相关性越强,干扰抑制效果越好,相关系数在0.5<ρ<1的范围内,能达到较好的干扰抑制效果。
步骤S4中预设阈值为第一参考信号与目标信号之间的相关系数为0.5时的残差率。
第一RLS自适应系统中设有第一自适应滤波器,接收第一参考信号,第二RLS自适应系统中设有第二自适应滤波器,接收第二参考信号。
第一自适应滤波器和第二自适应滤波器的参数中均设置有遗忘因子,遗忘因子的取值范围为(0,1],遗忘因子越小,对信号前面滤波过的误差遗忘的越快,对于非平稳而言跟踪性能越好,但如果遗忘因子很小则误差信号对期望信号的依赖性就会很大,可能导致输出信号错误,从而就起不到滤波器的效果。
本实施例中,第一自适应滤波器的遗忘因子基于追踪无干扰信号进行设定,可视为平稳的情况,遗忘因子取λ1=1,第二自适应滤波器的遗忘因子基于追踪干扰信号的初次估计值,为非平稳情况,遗忘因子λ2取为小于1的值,取值范围为0.95≤λ2≤0.99。
步骤S2第一RLS自适应系统计算干扰信号的初次估计值的公式具体如下所示:
e1(n)=dn(n)-w1 H(n-1)s1(n)
w1(n)=w1(n-1)+k1(n)e1 *(n)
其中,dn(n)是n时刻的拍频信号,s1(n)为n时刻第一自适应滤波器的输入向量(M1×1维),即s1(n)=[s1(n)s1(n-1)...s1(n-M1+1)]T,e1(n)为n时刻第一自适应滤波器的误差信号,w1(n-1)与w1(n)分别为n-1时刻和n时刻第一自适应滤波器的权系数向量(M1×1维),k1(n)为n时刻第一自适应滤波器的时变增益向量(M1×1维),P1(n-1)与P1(n)分别为n-1时刻和n时刻第一自适应滤波器的输入自相关矩阵的逆矩阵(M1×M1维)。
步骤S3中第二RLS自适应系统计算经过干扰抑制后的目标信号的公式具体如下所示:
e2(n)=dn(n)-w2 H(n-1)s2(n)
w2(n)=w2(n-1)+k2(n)e2 *(n)
其中,s2(n)为n时刻第二自适应滤波器的输入向量(M2×1维),e2(n)为n时刻第二自适应滤波器的误差信号,w2(n-1)与w2(n)分别为n-1时刻和n时刻第二自适应滤波器的权系数向量(M2×1维),k2(n)为n时刻第二自适应滤波器的时变增益向量(M2×1维),P2(n-1)与P2(n)分别为n-1时刻和n时刻第二自适应滤波器的输入自相关矩阵的逆矩阵。
在每次循环中,分别更新n时刻第二自适应滤波器的各个参数:输入向量s2(n)=[s2(n)s2(n-1)...s2(n-M2+1)]T,期望信号dn(n),误差信号e2(n),权系数向量w2(n),时变增益向量k2(n),输入自相关矩阵的逆矩阵P2(n)。由此得到第二自适应系统的输出,再次利用第一参考信号与干扰信号的相关性以及与目标信号的正交性,第二自适应系统的输出逼近干扰信号,等效于系统输出等效于目标信号的估计,进而实现干扰抑制。
步骤S4中新的第一期望信号的计算公式具体如下所示:
dn'=sn+vn'
其中,dn'为新的第一期望信号,sn为目标信号,vn'为经过干扰抑制后的目标信号中残留的干扰信号。
残差率的计算公式如下所示:
其中,p(xi)为干扰抑制后的频谱,q(xi)为无干扰信号的频谱,相关系数ρ与残差率ε的关系如图3所示。
步骤S4中预设阈值还包括相应的循环次数上限,循环次数上限具体为第一参考信号与目标信号之间的相关系数首次小于0.5时对应的循环次数减1。
在不同场景下,阈值检测的循环次数上限的设置不同,针对静态实验室场景,基于经验值可以设置为5次,若处于动态环境,循环次数上限会更小。
步骤S4中若缺少先验学习则取消循环次数上限,根据干扰替换方法对第一期望信号进行处理,干扰替换方法具体为将回波信号中标记存在干扰的部分替换为经过干扰抑制后的目标信号,其他无干扰的信号段落保持不变,先验学习具体为第一参考信号与目标信号之间的相关系数首次小于0.5时的先验实验。
具体实施时,基于实验室环境,通过两台汽车雷达设备分别发射雷达信号,对于其中某一雷达设备,会收到目标信号的回波信号以及另一个雷达设备的干扰信号,以此模拟了实际场景中会车时产生干扰的情况。实测数据如图2所示,包含8帧的数据,每帧含有128个线性调频序列,每个序列的ADC采样数为256,由雷达接收到的回波信号经过混频处理后得到拍频信号(256×128维)。基于实测数据,取第一帧数据进行干扰抑制处理。如附图5所示为直方图干扰检测结果,存在42个无干扰线性调频信号,取第一个线性调频序列作为第一参考信号s1,拍频信号Dn作为期望信号。
本发明的双框架循环RLS自适应干扰抑制的结构图如图4所示,用于本实施例中,包括以下步骤:
S1、滤波器参数初始化,取滤波器阶数M1=M2=2
δ1=δ2=0.001,λ1=1,λ2=0.98
P1(0)=δ1 -1I1,P2(0)=δ2 -1I2
其中,I1和I2是2×2维的单位矩阵;
其中,di(n)为拍频信号中的第i个线性调频序列(i=1,2,...,128);
e1i(n)=di(n)-w1i H(n-1)s1(n)
更新滤波器的抽头系数w1i(n)
P1i(n)=λ1 -1[P1i(n-1)-k1i(n)s1 H(n)P1i(n-1)]
w1i(n)=w1i(n-1)+k1(n)e1i *(n)
S3、利用第二自适应滤波器获得干扰抑制后的信号:
基于步骤S2中输出的e1i(n)输入第二自适应滤波器的参考端,即第二参考信号s2i(n)=e1i(n),主端仍输入期望信号di(n),分别更新n时刻第二自适应滤波器的增益向量k2i(n),自相关逆矩阵P2i(n)和权系数向量w2i(n)(i=1,2,...,128),得到系统输出为目标信号的估计
e2i(n)=di(n)-w2i H(n-1)s2i(n)
整合滤波器输出值e2i(n)成输出矩阵E(n)(256×128维):
S4、阈值检测,若高于阈值则转至步骤S2,否则系统输出:
对系统输出E(n)进行阈值检测,循环上限设置为5次,得到系统输出Eoutput(n),即经过本发明干扰抑制后的目标信号。
如图6所示分别为实际采集数据的距离速度三维图,干扰信号的存在使距离多普勒域的本底噪声拉高,目标信号被覆盖而无法检测。如图7所示为采用本发明提出的算法干扰抑制后信号的距离速度三维图干扰抑制后的平均噪声线由原来的-19.49dB下降到44.69dB,下降了25.2dB的高度,同时目标信号的尖峰探出来,此时可清楚的检测到。由此可见,采用本发明提出的“双框架循环RLS的汽车雷达干扰抑制方法”可以有效抑制汽车雷达干扰。
此外,需要说明的是,本说明书中所描述的具体实施例,所取名称可以不同,本说明书中所描述的以上内容仅仅是对本发明结构所做的举例说明。凡依据本发明构思的构造、特征及原理所做的等效变化或者简单变化,均包括于本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做各种各样的修改或补充或采用类似的方法,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (8)
1.一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,具体包括以下步骤:
S1、获取汽车雷达接收的受干扰信号影响的回波信号,根据所述回波信号和汽车雷达的发射信号分别生成第一参考信号和第一期望信号输入到第一RLS自适应系统;
S2、所述第一RLS自适应系统根据所述第一参考信号与目标信号之间的相关性,对接收到的第一期望信号进行滤波处理,获得干扰信号的初次估计值并输入到第二RLS自适应系统;
S3、所述第二RLS自适应系统将干扰信号的初次估计值作为第二参考信号,第一期望信号作为第二期望信号进行处理,得到经过干扰抑制后的目标信号;
S4、判断经过干扰抑制后的目标信号的残差率是否小于预设阈值,若是则输出经过干扰抑制后的目标信号,否则设置经过干扰抑制后的目标信号为第一期望信号转至步骤S2;
所述步骤S1中第一参考信号为根据直方图干扰检测算法选取或重构的无干扰线性调频信号,具体过程为通过直方图干扰检测算法对回波信号进行检测,若检测到存在无干扰的线性调频序列,取其作为第一参考信号;否则取干扰标记长度最短的线性调频序列信号,截取线性调频序列信号中和干扰段同等长度的干净段来替换干扰段,由此得到第一参考信号;
所述步骤S1中第一期望信号具体为回波信号经过混频处理后得到的拍频信号,所述拍频信号包括目标信号的拍频信号值和干扰信号的拍频信号值。
3.根据权利要求1所述的一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,所述步骤S4中预设阈值为第一参考信号与目标信号之间的相关系数为0.5时的残差率。
4.根据权利要求1所述的一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,所述第一RLS自适应系统中设有第一自适应滤波器,接收第一参考信号,所述第二RLS自适应系统中设有第二自适应滤波器,接收第二参考信号。
5.根据权利要求4所述的一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,所述第一自适应滤波器和第二自适应滤波器的参数中均设置有遗忘因子,所述遗忘因子的取值范围为(0,1]。
6.根据权利要求5所述的一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,所述第一自适应滤波器的遗忘因子基于追踪无干扰信号进行设定,所述第二自适应滤波器的遗忘因子基于追踪干扰信号的初次估计值。
7.根据权利要求1所述的一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,所述步骤S4中预设阈值还包括相应的循环次数上限,所述循环次数上限具体为第一参考信号与目标信号之间的相关系数首次小于0.5时对应的循环次数减1。
8.根据权利要求7所述的一种基于双框架循环RLS的汽车雷达干扰抑制方法,其特征在于,所述步骤S4中若缺少先验学习则取消循环次数上限,根据干扰替换方法对第一期望信号进行处理,所述干扰替换方法具体为将回波信号中标记存在干扰的部分替换为经过干扰抑制后的目标信号,其他无干扰的信号段落保持不变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669938.2A CN113433523B (zh) | 2021-06-17 | 2021-06-17 | 一种基于双框架循环rls的汽车雷达干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110669938.2A CN113433523B (zh) | 2021-06-17 | 2021-06-17 | 一种基于双框架循环rls的汽车雷达干扰抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113433523A CN113433523A (zh) | 2021-09-24 |
CN113433523B true CN113433523B (zh) | 2022-09-16 |
Family
ID=77756175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110669938.2A Active CN113433523B (zh) | 2021-06-17 | 2021-06-17 | 一种基于双框架循环rls的汽车雷达干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113433523B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820668B (zh) * | 2021-10-08 | 2022-08-26 | 南通大学 | 毫米波调频连续波雷达的强干扰抑制系统及其抑制方法 |
CN115281628B (zh) * | 2022-08-04 | 2023-12-22 | 上海几何伙伴智能驾驶有限公司 | 一种面向汽车智能座舱的自适应生命体征监测方法 |
US20240111020A1 (en) * | 2022-09-22 | 2024-04-04 | Nxp B.V. | Near-range interference mitigation for automotive radar system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7375676B1 (en) * | 2006-03-07 | 2008-05-20 | Lockheed Martin Corporation | Mutual interference processor for pulse radar |
JP2019100956A (ja) * | 2017-12-06 | 2019-06-24 | 国立大学法人茨城大学 | レーダ装置 |
CN111693964A (zh) * | 2020-06-05 | 2020-09-22 | 西安电子科技大学 | 基于mimo雷达的频率捷变信号转发式干扰抑制方法 |
CN112881986A (zh) * | 2021-01-15 | 2021-06-01 | 电子科技大学 | 基于优化深度模型的雷达切片存储转发式干扰抑制方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5638281A (en) * | 1991-01-31 | 1997-06-10 | Ail Systems, Inc. | Target prediction and collision warning system |
US6404328B1 (en) * | 2000-10-24 | 2002-06-11 | Delphi Technologies, Inc. | Discrimination of detected objects in a vehicle path |
ATE402468T1 (de) * | 2004-03-17 | 2008-08-15 | Harman Becker Automotive Sys | Geräuschabstimmungsvorrichtung, verwendung derselben und geräuschabstimmungsverfahren |
US7622271B2 (en) * | 2004-07-26 | 2009-11-24 | University Of Washington | Identification of aging genes through large-scale analysis |
DE102012021240A1 (de) * | 2012-10-27 | 2014-04-30 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Unterdrücken einer Interferenz in einem Empfangssignal einesRadarsensors eines Kraftfahrzeugs und entsprechende Fahrerassistenzeinrichtung |
CN103926570B (zh) * | 2014-04-22 | 2016-05-04 | 北京理工大学 | 基于多通道rls的外辐射源雷达海杂波干扰抑制方法 |
CN105228101B (zh) * | 2015-09-07 | 2018-08-24 | 同济大学 | 基于多普勒信道特性的天线辐射方向图自适应方法 |
CN107153178B (zh) * | 2017-05-18 | 2020-04-10 | 西安电子科技大学 | 外辐射源雷达参考信号含有多径干扰时的目标检测方法 |
CN111965604B (zh) * | 2020-07-24 | 2022-01-11 | 北京理工大学重庆创新中心 | 基于循环平稳的雷达干扰识别与抑制方法 |
CN112370036A (zh) * | 2020-10-20 | 2021-02-19 | 复旦大学 | 基于级联型rls自适应滤波的ppg心率提取装置和方法 |
-
2021
- 2021-06-17 CN CN202110669938.2A patent/CN113433523B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7375676B1 (en) * | 2006-03-07 | 2008-05-20 | Lockheed Martin Corporation | Mutual interference processor for pulse radar |
JP2019100956A (ja) * | 2017-12-06 | 2019-06-24 | 国立大学法人茨城大学 | レーダ装置 |
CN111693964A (zh) * | 2020-06-05 | 2020-09-22 | 西安电子科技大学 | 基于mimo雷达的频率捷变信号转发式干扰抑制方法 |
CN112881986A (zh) * | 2021-01-15 | 2021-06-01 | 电子科技大学 | 基于优化深度模型的雷达切片存储转发式干扰抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113433523A (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113433523B (zh) | 一种基于双框架循环rls的汽车雷达干扰抑制方法 | |
EP3620810A1 (en) | Radar interference detection | |
Luo et al. | RFI suppression in ultra-wideband SAR systems using LMS filters in frequency domain | |
CN112630768B (zh) | 一种改进调频连续波雷达目标检测的降噪方法 | |
EP3489710A1 (en) | Radar interference suppression | |
CN110646769B (zh) | 一种适用于lte外辐射源雷达的时域杂波抑制方法 | |
IL199302A (en) | Method for processing multi-path radar of frequency modulation (FM) signal | |
CN109669182B (zh) | 无源双基地sar动/静目标联合稀疏成像方法 | |
US10302740B2 (en) | System and method for fast adaptive range doppler compression | |
CN110806580A (zh) | 移动平台上的雷达系统中的振动减轻 | |
Lapierre et al. | Foundation for mitigating range dependence in radar space-time adaptive processing | |
CN111273237A (zh) | 基于空域矩阵滤波和干扰对消的强干扰抑制方法 | |
Jung et al. | Interference suppression and signal restoration using Kalman filter in automotive radar systems | |
Jiang et al. | Adversarial interference mitigation for automotive radar | |
Alhumaidi et al. | Interference avoidance and mitigation in automotive radar | |
CN115372925A (zh) | 一种基于深度学习的阵列稳健自适应波束形成方法 | |
US10795013B2 (en) | Multi-target detection in CDMA radar system | |
CN108152796B (zh) | 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法 | |
US5841395A (en) | Localized interference nulling preprocessor | |
CN114660562A (zh) | 自适应滤波方法及滤波器 | |
CN107976663A (zh) | 一种基于子空间投影的外辐射源雷达对目标压缩检测方法 | |
CN112462352A (zh) | 一种适用于低信噪比条件下的线谱增强方法 | |
US20220120844A1 (en) | Method for interference suppression and method for signal restoration | |
KR101733009B1 (ko) | 간섭환경에 적용 가능한 적응형 부엽차단 방법 및 장치 | |
Mahadi et al. | Low-complexity robust beamforming for a moving source |
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 |