CN113678023A

CN113678023A - 雷达装置

Info

Publication number: CN113678023A
Application number: CN202080027981.2A
Authority: CN
Inventors: 清水直继; 藤津圣也
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2019-04-10
Filing date: 2020-04-09
Publication date: 2021-11-19
Anticipated expiration: 2040-04-09
Also published as: JP2020173164A; DE112020001840T5; WO2020209347A1; JP7115402B2; US20220026525A1

Abstract

搭载于移动体的雷达装置(10)的特征量计算部(S410)使用与提取出的各峰值建立对应关系的信息，计算预先决定的一种以上的特征量(D1～D10)。环境判定部(S420～S460)根据特征量计算部中的计算结果，使用表示是特定环境的概率的肯定分布计算特定环境概率(P(Di|P))，并且使用表示是非特定环境的概率的否定分布计算非特定环境概率(P(Di|N))。环境判定部进一步根据统合按照每个特征量计算的特定环境概率和非特定环境概率而得到的结果，判定移动体(车辆)处于特定环境下还是处于非特定环境下。根据本发明，能够在搭载于移动体的雷达装置中，提高移动体是否处于特定环境下的判定精度。

Description

雷达装置

相关申请的交叉引用

本国际申请主张基于在2019年4月10日向日本专利厅申请的日本专利申请第2019－074876号的优先权，通过参照而将日本专利申请第2019－074876号的全部内容引用到本国际申请。

技术领域

本公开涉及搭载于移动体的雷达装置。

背景技术

搭载于车辆等移动体的雷达装置若在隧道、立体停车场等检测到非常多的反射点的环境中使用，则容易产生物标的误检测。

在专利文献1中记载有如下技术：在雷达装置中，根据检测峰值数量的偏差，判定本车辆是否处于容易产生误检测的特定环境下，在判定为处于特定环境下的情况下，通过提高提取检测峰值时的阈值来抑制误检测。

专利文献1：日本特开2016－206011号公报

然而，发明人等进行的详细研究的结果是，发现了以下的课题。

在隧道等被墙面包围的特定环境内，不仅反射点的数量增大，而且电波的扩散也受到抑制，因此来自存在于远距离的物标的反射功率以比特定环境外大的功率被检测到。特别是，在如双频CW、FCM等那样利用信号的相位差、换言之差信号的相位来计算距离的方式中，计算出的距离包含由相位折返引起的含糊性。换句话说，信号的相位旋转一圈的距离为检测上限距离，位于比检测上限距离更远的位置的物标由于相位折返而被误检测为检测上限距离内的物标。这样的幻影仅通过改变用于峰值检测的阈值并不能够去除，而需要另外实施用于去除幻影的特别的处理亦即幻影去除处理。但是，对于幻影去除处理而言，需要避免因幻影的误判定而不必要地删除检测物标，另外，会使雷达装置中的处理量负荷增大，所以优选仅在必要时实施。

发明内容

在本公开的一个方面，也可以提供在搭载于移动体的雷达装置中，提高移动体是否处于特定环境下的判定精度的技术。

本公开的一个方式是搭载于移动体的雷达装置，其具备：频谱生成部、峰值提取部、特征量计算部、分布存储部以及环境判定部。

频谱生成部通过使用一种以上的调制方式，对通过收发基于各调制方式的调制波作为雷达波而获得的信号进行解析，来生成一维频谱以及二维频谱中的至少一方。峰值提取部从按照每种调制方式生成的一维频谱以及二维频谱中的至少一方提取峰值。特征量计算部使用与由峰值提取部提取出的各峰值建立对应关系的信息，计算预先决定的一种以上的特征量。在分布存储部中，预先存储有按照每个特征量预先生成的肯定分布以及否定分布，其中，上述肯定分布是表示在给予了特征量时，获取到特征量时的环境是预先设定的特定环境的概率的分布，上述否定分布是表示在给予了特征量时，获取到特征量时的环境是特定环境以外的非特定环境的概率的分布。环境判定部根据特征量计算部中的计算结果，使用肯定分布计算特定环境概率，并且使用否定分布计算非特定环境概率。环境判定部进一步根据统合按照每个特征量计算的特定环境概率和非特定环境概率而得到的结果，判定移动体是处于特定环境下还是处于非特定环境下。其中，在特定环境下计算特征量的情况下和在非特定环境下计算特征量的情况下，遵循不同的分布形状。

根据这样的结构，能够组合多个特征量来进行是否处于特定环境下的判定，所以能够提高判定精度。此外，与一维频谱以及二维频谱的坐标轴建立对应关系的物理量根据调制方式而不同。例如，在2FCW中，一维频谱的坐标轴与相对速度建立对应关系，在FMCW中，一维频谱的坐标轴与距离以及相对速度建立对应关系。另外，例如，在2FCW中，二维频谱的坐标轴与相对速度和方位建立对应关系，在FMCW中，二维频谱的坐标轴与距离以及相对速度和方位建立对应关系，在FCM中，二维频谱的坐标轴与距离和相对速度建立对应关系。应予说明的是，FMCW是Frequency Modulated Continuous Wave(调频连续波)的缩写，CW是Continuous Wave(连续波)的缩写，FCM是Fast-Chirp Modulation(快速线性调频调制)的缩写。2FCW的2F是两个频率的意思。

附图说明

图1是表示车载系统的结构的框图。

图2是有关所使用的雷达波的调制方式的说明图。

图3是物标检测处理的流程图。

图4是例示通过物标检测处理生成的FFT频谱、方位展开后的二维频谱的说明图。

图5是例示FFT频谱以及二维频谱中的判定区域的说明图。

图6是第一特征量的直方图以及正态分布。

图7是第二特征量的直方图以及正态分布。

图8是第四特征量、第五特征量以及与第四特征量相似的特征量的直方图。

图9是第六特征量的直方图。

图10是第七特征量以及第八特征量的直方图。

图11是第九特征量以及第十特征量的直方图。

图12是第一实施方式中的环境判定处理的流程图。

图13是第二实施方式中的环境判定处理的流程图。

图14是按照每个处理周期绘制在非特定环境中行驶时计算的统合概率、以及滤波处理前和滤波处理后的对数贝叶斯比的图表。

图15是按照每个处理周期绘制在特定环境中行驶时计算的统合概率、以及滤波处理前和滤波处理后的对数贝叶斯比的图表。

图16是第三实施方式中的物标检测处理的流程图。

图17是学习处理的流程图。

具体实施方式

以下，参照附图对本公开的实施方式进行说明。

[0.特定环境]

首先，对在本公开中涉及的特定环境进行说明。

在笔直形状的隧道内，由于来自顶棚或路侧物的反射在本车后方排成一列，所以由雷达检测的顶棚或路侧物的方位与在隧道内接近的车辆的检测方位一致。另外，在隧道内，没有电波的扩散，存在于远距离的物标的反射功率以比隧道外大的功率被检测。因此，在对距离的计算利用电波的相位(即，距离的计算具有含糊性)的调制方式中，存在于比相位旋转一圈的检测距离远距离的物标被在检测距离内检测出，而产生所谓的幻影。以下，将这样的幻影称为远距离幻影。

而且，在利用多个调制方式，对通过各个调制检测出的峰值等信息进行比较来检测物标的雷达的情况下，存在通过某个调制方式检测的远距离幻影和通过其它调制方式检测的来自近距离的顶棚的反射波以相同的距离以及方位被检测出，而将这些误认为是基于同一物标的反射点的情况。于是，误判定为物标存在于近距离，而成为使警报等误工作的原因。在本公开中，至少将这样的状况、即存在将远距离幻影误检测为近距离物标的可能性的环境设为特定环境。但是，在本公开中能够处理的特定环境并不限定于此。

[1.第一实施方式]

[1－1.结构]

如图1所示，车载系统1具备雷达装置10和驾驶辅助ECU100。ECU是ElectronicControl Unit(电子控制单元)的缩写。该车载系统1搭载于作为移动体的四轮汽车等车辆。雷达装置10例如分别安装于车辆的后端以及左右端，配置为在雷达装置10的检测范围内包含沿着车辆的前进方向的后方以及与前进方向正交的横向。也将搭载有雷达装置10的车辆称为本车。

雷达装置10发射雷达波并接收反射波，基于其接收信号Sr，观测到反射雷达波的物标为止的距离R、物标的速度V、物标的方位θ。雷达装置10根据这些观测值(R，V，θ)计算横向位置x、纵向位置y、横向速度Vx、纵向速度Vy的推断值，并将这些推断值(x，y，Vx，Vy)输入至驾驶辅助ECU100。此外，横向位置x是沿着搭载车载系统1的车辆的车宽方向的位置，纵向位置y是沿着车辆的行进方向的位置。

驾驶辅助ECU100基于从雷达装置10输入的各物标的推断值(x，y，Vx，Vy)，执行用于辅助驾驶员对车辆的驾驶的各种处理。在有关驾驶辅助的处理中，例如，可以包括向驾驶员发出存在接近物的警报的处理、通过控制制动系统、转向系统等来执行用于避免与接近物的碰撞、自动变更车道的车辆控制的处理等。

雷达装置10具备发送电路20、分配器30、发送天线40、接收天线50、接收电路60、处理单元70以及输出单元80。

发送电路20是用于向发送天线40供给发送信号Ss的电路。发送电路20将毫米波段的高频信号输入至位于发送天线40的上游的分配器30。具体而言，如图2所示，发送电路20按照每个预先设定的处理周期，交替地反复第一调制期间和第二调制期间，并将在各调制期间生成的高频信号输入至分配器30。此外，在第一调制期间，生成高频信号，该高频信号被频率调制为频率增加、减少成三角波状。在第二调制期间，生成频率交替地切换的高频信号。处理周期被设定为比第一调制期间和第二调制期间的合计期间长，将第二调制期间结束之后，开始下一个处理周期的第一调制期间之前的期间称为处理期间。

换句话说，雷达装置10在第一调制期间作为收发FMCW作为第一调制波的FMCW雷达动作，在第二调制期间作为发送双频CW(以下，2FCW)作为第二调制波的2FCW雷达动作。此外，在2FCW中使用的两个频率被设定为能够在规定上限距离(例如，150m)的范围内唯一地测定距离。以下，将在2FCW中使用的频率不同的两个信号称为第一信号以及第二信号。另外，FMCW的波形被设定为能够在不同于上述规定上限距离的距离范围内唯一地确定距离。此外，基于第一调制的上限距离和基于第二调制的上限距离也可以是相同的距离。

返回到图1，分配器30将从发送电路20输入的高频信号功率分配为发送信号Ss和本地信号L。

发送天线40基于从分配器30供给的发送信号Ss，发射与发送信号Ss对应的频率的雷达波。

接收天线50是用于接收被物标反射的雷达波亦即反射波的天线。该接收天线50被构成为将多个天线元件51配置成一列的线性阵列天线。各天线元件51的反射波的接收信号Sr被输入至接收电路60。

接收电路60对从构成接收天线50的各天线元件51输入的接收信号Sr进行处理，生成并输出每个天线元件51的差拍信号BT。具体而言，接收电路60通过按照每个天线元件51，使用混频器61混合从该天线元件51输入的接收信号Sr和从分配器30输入的本地信号L，来生成并输出每隔天线元件51的差拍信号BT。

其中，直到输出差拍信号BT为止的过程包括：放大接收信号Sr的过程、从差拍信号BT去除不必要的信号成分的过程、以及将差拍信号BT转换为数字数据的过程。这样，接收电路60将所生成的每个天线元件51的差拍信号BT转换为数字数据并输出。输出的每个天线元件51的差拍信号BT被输入至处理单元70。以下，将在第一调制期间获取的差拍信号BT的A/D转换数据称为第一调制数据，将在第二调制期间获取的差拍信号BT的A/D转换数据称为第二调制数据。

处理单元70具备微型计算机，该微型计算机具有CPU71、以及例如RAM或者ROM等半导体存储器(以下，存储器72)。另外，处理单元70也可以具备执行高速傅立叶变换(以下，FFT)处理等的协处理器。

处理单元70至少执行物标检测处理。物标检测处理是通过解析每个天线元件51的差拍信号BT，来计算反射雷达波的每个物标的推断值(x，y，Vx，Vy)的处理。

[1－2.处理]

[1－2－1.物标检测处理]

使用图3的流程图对由处理单元70执行的物标检测处理进行说明。

若启动车载系统1，则按每个处理周期反复执行本处理。

若启动本处理，则处理单元70在S110中判定第一调制期间是否结束，即第一调制数据的获取是否结束。若第一调制数据的获取未结束，则处理单元70通过反复该步骤而待机，若第一调制数据的获取结束，则将处理移至S120。

在S120中，处理单元70通过对第一调制数据按照每个天线元件51并针对上行线性调频以及下行线性调频分别执行频率解析处理，来计算功率谱。

在这里，作为频率解析处理执行FFT处理。FFT是Fast Fourier Transform(高速傅立叶变换)的缩写。将通过FFT获得的功率谱称为FFT频谱。在FFT频谱中，按照每个频率仓表示反射波的功率。频率仓是成为FFT频谱的单位刻度的频率范围，由成为FFT的对象的数据的样本数和取样频率来决定。

此外，在FMCW中，上行线性调频是频率与时间一起增加的信号，在FMCW中，下行线性调频是频率与时间一起减少的信号。以下，将上行线性调频的FFT频谱称为UP－FFT频谱，以及将下行线性调频的FFT频谱称为DN－FFT频谱。这些UP－FFT频谱以及DN－FFT频谱相当于一维频谱。

处理单元70对UP－FFT频谱以及DN－FFT频谱中的每个频谱，计算将从各天线元件51获得到的FFT频谱平均而得到的平均FFT频谱。并且，处理单元70在平均FFT频谱上提取具有信号电平为预先设定的阈值以上的峰值的频率仓。

在接下来的S130中，处理单元70对在S120中计算出的UP－FFT频谱以及DN－FFT频谱分别执行方位运算。

在方位运算中，利用在各通道的同一频率仓检测出的峰值的相位根据每个通道而不同的情况，来进行方位展开。通过该方位运算，生成以频率仓以及方位为坐标轴的二维频谱。在方位运算中也可以使用MUSIC等高分辨率算法。MUSIC是Multiple SignalClassification(多信号分类)的缩写。并不局限于此，也可以使用波束成形等。另外，至少对在之前的S120中在FFT频谱上检测出峰值的所有频率仓执行方位运算。以下，将上行线性调频的二维频谱称为UP频谱，将下行线性调频的二维频谱称为DN频谱。

在接下来的S140中，处理单元70判定第二调制期间是否结束，即第二调制数据的获取是否结束。若第二调制期间未结束，则处理单元70通过反复该步骤而待机，若第二调制期间结束，则处理单元70将处理移至S150。

在S150中，处理单元70对第二调制数据按照每个天线元件51并且针对第一信号以及第二信号中的每个信号执行频率解析处理来生成功率谱，并检测功率谱上的峰值。在这里，与S120相同，作为频率解析处理使用FFT处理。作为该FFT处理的结果而获得的FFT频谱也相当于一维频谱。

此外，由于2FCW中的第一信号和第二信号的频率充分接近，所以从第一信号检测出的多普勒频率和从第二信号检测出的多普勒频率为大致相同的大小。换句话说，在第一信号的FFT频谱和第二信号的FFT频谱中，在相同的频率仓中检测出峰值。其结果是，第一信号的FFT频谱和第二信号的FFT频谱为相同的形状，所以在图4中，仅示出一个FFT频谱。

然后，针对第一信号以及第二信号分别计算将按照每个天线元件51获得的FFT频谱平均化而得到的平均FFT频谱，并提取具有功率为预先设定的阈值以上的峰值的频率仓。

进一步，根据从两个平均FFT频谱中在同一频率仓检测出的两个峰值频率成分的相位差Δθ来计算距离。但是，由于实际的相位差无法区分是Δθ还是2nπ+Δθ，所以根据相位差Δθ计算的距离有含糊性。N为整数。

在接下来的S160中，处理单元70使用第一信号以及第二信号中的任意一个的FFT频谱(以下，MF－FFT频谱)，与S130同样地执行方位运算。通过该方位运算，将生成的二维频谱称为MF频谱。至少对在之前的S150中在MF－FFT频谱上检测出峰值的所有频率仓执行方位运算。

在接下来的S170中，处理单元70从在S130中生成的UP频谱和DN频谱、以及在S160中生成的MF频谱中，提取具有预先设定的阈值以上的功率的所有峰值作为对象峰值。

在接下来的S180中，处理单元70通过在S170中提取出的对象峰值间，进行将被推断为基于同一物标的峰值彼此建立对应关系的峰值匹配，来生成该周期中的瞬时值。

具体而言，基于根据MF频谱上的对象峰值确定的方位、距离以及相对速度，来设定在UP频谱以及DN频谱中出现对象峰值的频率仓的推断范围，并提取存在于该推断范围内的峰值。

如图4所示，这里设定的推断范围均被设定为与对象峰值同一方位，频率仓的范围可根据距离和相对速度可变地设定。具体而言，在与对象峰值对应的反射点正在接近本车辆的情况下，将频率仓的范围设定为UP频谱低于DN频谱。在与对象峰值对应的反射点正在远离本车辆的情况下，将频率仓的范围设定为UP频谱高于DN频谱。这基于由于多普勒频移而在上行线性调频中检测出的频率和在下行线性调频中检测出的频率的大小关系发生变化的FMCW的特性。但是，在与对象峰值对应的反射点和本车辆的相对速度为零的情况下，由于2FCW中的峰值被隐藏于低频噪声中而无法检测，所以不能与FMCW的峰值匹配。在该情况下，仅在FMCW中，即进行UP频谱的峰值与DN频谱的峰值的匹配。

以下，将XX频谱上的峰值称为XX峰值。其中，XX表示MF－FFT、UP－FFT、DN－FFT、MF、UP以及DN中的任意一个。

而且，用(MF，UP，DN)来表示与MF峰值对应的UP峰值以及DN峰值均被提取出的情况下的瞬时值。用(MF，UP)来表示仅提取出与MF峰值对应的UP峰值的情况下的瞬时值。用(MF，DN)来表示仅提取出与MF峰值对应的DN峰值的情况下的瞬时值。

并且，用(UP，DN)来表示不使用MF峰值，而使用UP峰值和DN峰值，并使用FMCW雷达中的公知的方法而提取的瞬时值。

在接下来的S190中，处理单元70使用在S180中生成的瞬时值，执行跟踪，来检测物标。在跟踪中，根据在前一次处理周期中检测出的物标以及物标候补(以下，物标等)，来计算预测在本次处理周期中检测出物标等的距离以及方位(以下，预测位置)。另外，根据瞬时值计算用该瞬时值表示的反射点(以下，峰值对应点)的距离以及方位(以下，检测位置)。而且，若预测位置与检测位置之差处于预先设定的允许范围内，则将物标等和瞬时值与是来自同一对象的反射建立对应关系，实施历史连接。而且，若不能与任何物标建立对应关系，则作为是新检测出的没有历史连接的瞬时值，将该瞬时值作为新的物标候补。另外，在经过规定次的处理周期而确认出历史连接的情况下，将物标候补识别为正式的物标。

在接下来的S200中，处理单元70执行判定本车辆所行驶的周围的状况是否是特定环境的环境判定处理。对于环境判定处理的详细内容后述。

在接下来的S210中，在判定为S200中的环境判定处理的结果为是特定环境的情况下，处理单元70将处理移至S220，在判定为不是特定环境的情况下，处理单元70将处理移至S230。

在S220中，处理单元70按照每个物标等，判定该物标等是否是虚像，并根据判定结果来设定虚像标志，并使处理进入S230。物标等是否是虚像的判定例如也可以，从与物标等以及与该物标等具有历史连接的瞬时值建立对应关系的信息中提取一个以上的特征量，并使用与环境判定处理相同的方法概率性地判定。

在S240中，处理单元70生成与在S190中检测出的物标相关的推断值(x，y，Vx，Vy)，并经由输出单元80输出至驾驶辅助ECU100，并结束处理。推断值也可以包含虚像标志F。

此外，在驾驶辅助ECU100中，在推断值包含虚像标志F的情况下，例如，将虚像标志用作警报开启关闭信息，关于虚像标志F被设定为开的推断值(即，物标)也可以从控制警报、制动系统以及转向系统等的对象中去除。此外，虚像标志F也可以用于其它的各种控制。

在物标检测处理中，S110～S160相当于频谱生成部，S170相当于峰值提取部。

[1－2－2.特征量/肯定分布/否定分布]

在对处理单元70在之前的S200中执行的环境判定处理进行说明之前，对在环境判定处理中使用的特征量、肯定分布、否定分布、肯定概率以及否定概率进行说明。

特征量是从MF频谱、UP频谱以及DN频谱中提取的信息，以及从在生成这些频谱的过程中获得的MF－FFT频谱、UP－FFT频谱、DN－FFT频谱中提取的信息。另外，也可以使用通过对这些信息组合并运算而获得的信息。在这里，对10个特征量进行说明。将10个特征量称为第一特征量D1～第十特征量D10。

另外，如图5所示，在FFT频谱以及二维频谱中，将预先设定的频率阈值以上的区域称为判定区域。频率阈值根据本车速、即搭载雷达装置10的移动体的移动速度来设定。这是因为，从停止物具有本车速相当的相对速度可知，在FMCW的频谱中，应成为判定区域的频带根据相对速度发生偏移。此外，在本车前进，且在比雷达装置10的设置位置靠后方检测到停止物的情况下，停止物具有正的相对速度。另外，在比雷达装置10的设置位置靠前方检测到停止物的情况下，停止物具有负的相对速度。另外，频率阈值被设定为来自位于本车的附近并且侧方的路侧物等的反射功率不会混入判定区域的程度的较高的频率。这是因为在接近本车的正后方的方向检测到位于本车后方的远距离的停止物，但在正横向方向检测到位于本车的附近且侧方的停止物。并且，将在判定区域检测到的峰值称为判定用峰值。与该频率阈值建立对应关系的距离相当于阈值距离。

第一特征量D1是二维频谱上的判定用峰值的总数。

第二特征量D2是二维频谱上的判定用峰值的平均功率。

第三特征量D3是二维频谱上的判定用峰值的功率方差。

第四特征量D4是二维频谱上的判定用峰值的平均方位。

第五特征量D5是二维频谱上的判定用峰值的方位方差。

第六特征量D6是按照FFT频谱上的每个判定用峰值，通过方位展开从一个判定用峰值在二维频谱上分离出的判定用峰值的数量的平均值(以下，平均到达波数)。

第七特征量D7是FFT频谱上的判定用峰值的平均功率。

第八特征量D8是FFT频谱上的判定用峰值的功率方差。

第九特征量D9是FFT频谱与本底噪声的功率比(即，S/N)。

第十特征量D10是FFT频谱与本底噪声的功率比的方差。

在这里，在第四特征量D4中使用的判定用峰值的方位使用相对于本车辆的后正面方向的差分。但是，作为第四特征量D4，也可以代替相对于后正面方向的差分，而单纯地使用判定用峰值的方位。另外，第三特征量D3、第五特征量D5、第八特征量D8以及第十特征量D10实际上不是方差本身，而是使用对方差的倒数乘以系数所得的值。另外，在这里，作为从二维频谱提取的特征量，例示出判定用峰值的平均功率以及功率方差，但与第九特征量D9以及第十特征量同样，也可以代替简单的平均功率以及功率方差，而使用与本底噪声的功率比以及功率方差，也可以代替判定用峰值而使用二维频谱。在代替峰值而使用频谱作为计算功率、功率比以及功率方差的对象的情况下，在频谱中也使用峰值以外的功率的点不同。在第一特征量D1中，使用二维频谱上的判定用峰值的总数，但也可以使用FFT频谱上的判定用峰值的总数。

而且，在获取到第i特征量Di时，将表示本车辆在特定环境中行驶的概率的分布作为肯定分布，将表示本车辆在特定环境以外的非特定环境中行驶的概率的分布作为否定分布。肯定分布以及否定分布是将基于使移动体行驶而预先收集的特征量，通过手动对在特定环境以及非特定环境中的哪一个环境下获取到该特征量建立对应关系而得到的结果作为学习数据，基于该学习数据而生成的。

肯定分布使用在特定环境中行驶时收集的多个第i特征量Di来生成直方图，若是符合正态分布的特征量，则进一步通过求出正态分布而生成。同样地，否定分布使用在非特定环境中行驶时收集的多个第i特征量Di生成直方图，若是符合正态分布的特征量，则进一步通过求出正态分布而生成。换句话说，在使用肯定分布以及否定分布来计算概率的情况下，若是符合正态分布的特征量，则使用正态分布来进行计算，若是不符合正态分布的特征量，则使用直方图来进行计算。在图6～图11中，例示第一特征量D1～第十特征量D10的直方图。特别是，对于第一特征量D1以及第二特征量D2，也例示正态分布。

肯定概率P(P)是在行驶中出现特定环境的概率，否定概率P(N)是在行驶中出现非特定环境的概率。

对第一特征量D1～第十特征量D10中的每个特征量生成的肯定分布和否定分布、以及肯定概率P(P)和否定概率P(N)被存储至存储器72。在存储器72中，存储肯定分布以及否定分布的区域相当于分布存储部。

[1－2－3.环境判定处理]

使用图12的流程图对由处理单元70执行的环境判定处理进行说明。

在S410中，处理单元70基于在之前的S170中检测的对象峰值中的属于判定区域的判定用峰值，计算第一特征量D1～第十特征量D10。在各特征量的计算中，可以使用预先设定的任意一个的FFT频谱或者二维频谱，也可以使用多个FFT频谱或者二维频谱。在使用多个频谱的情况下，可以按照每个频谱计算特征量，也可以将各频谱中的计算值的平均作为特征量。

在接下来的S420中，处理单元70针对第一特征量D1～第十特征量D10中的每个特征量，计算特定环境概率P(Di|P)以及非特定环境概率P(Di|N)。具体而言，从存储于存储器72的肯定分布以及否定分布中，读取与在S410中计算出的第i特征量Di的值对应的概率。

在接下来的S430中，处理单元70根据(1)～(3)式，计算统合概率PP。在该式中，使用假设特定环境概率P(Di|P)以及非特定环境概率P(Di|N)是独立的现象并应用贝叶斯推理的朴素贝叶斯，来计算本车辆正在行驶的环境是特定环境的概率。

[式1]

(2)式表示合成了有关所有特征量D1～D10的特定环境概率P(Di|P)后的概率，(3)式表示对所有特征量D1～D10合成了非特定环境概率P(Di|N)后的概率。但是，也可以代替(2)式以及(3)式，使用(4)式以及(5)式，从而减少运算量，并且抑制软件上的数字丢失。

[式2]

在接下来的S440中，处理单元70判定在S430中计算出的统合概率PP是否大于预先设定的阈值TH。若统合概率PP大于阈值TH，则将处理移至S450，若统合概率PP为阈值TH以下，则将处理移至S460。此外，阈值TH通过实验等来决定，以使得将非特定环境误判定为特定环境的概率尽可能减小。

在S450中，处理单元70判定为本车行驶中的环境是特定环境，并结束环境判定处理。

在S460中，处理单元70判定为本车行驶中的环境是非特定环境，并结束环境判定处理。

在环境判定处理中，S410相当于特征量计算部，S420～S460相当于环境判定部。

[1－3.效果]

根据以上详细叙述的第一实施方式，起到以下的效果。

(1a)雷达装置10从根据基于多个调制方式的接收信号计算的FFT频谱以及二维频谱中提取多个特征量D1～D10。而且，使用统合对各特征量D1～D10计算的特定环境概率P(Di|P)以及非特定环境概率P(Di|N)而得到的统合概率PP，判定本车辆是否处于特定环境下。因此，根据雷达装置10，由于能够考虑由特征量D1～D10表现的多个要素来判定是否是特定环境，所以能够提高判定精度。其结果是，能够仅在处于特定环境下时执行幻影判定，从而能够减少雷达装置10的处理负荷。

(1b)在雷达装置10中，在统合特定环境概率P(Di|P)以及非特定环境概率P(Di|N)时，利用假设各现象独立的朴素贝叶斯的方法。因此，能够简单地进行特征量Di的追加删除，能够适当地调整是否处于特定环境下的判定精度。

(1c)在雷达装置10中，将评价统合概率PP的阈值TH设定为尽可能地抑制将非特定环境误判定为特定环境。换句话说，若尽管是非特定环境但也实施去除幻影的处理，则存在将实在的物标误判定为幻影，而忽视危险的可能性，但能够抑制产生这样的情况。反之，即使将特定环境误判定为非特定环境，也不去除幻影，只是基于幻影的误警报增加，而不会忽视危险，所以考虑这些而将阈值TH设定在安全侧。但是，也可以根据行驶环境、本车速、转向角等的里程计信息、以及行驶环境可变地设定阈值TH。

[2.第二实施方式]

[2－1.与第一实施方式的不同点]

第二实施方式由于基本的结构与第一实施方式相同，所以以下对不同点进行说明。此外，与第一实施方式相同的附图标记表示相同的结构，参照之前的说明。

在第一实施方式中，对特定环境的判定使用统合概率PP。与此相对，在第二实施方式中，在使用对数贝叶斯比的点，与第一实施方式不同。换句话说，环境判定处理的内容部分不同。

[2－2.处理]

使用图13的流程图对处理单元70代替图12所示的第一实施方式的环境判定处理而执行的第二实施方式的虚像判定处理进行说明。此外，S410～S420以及S450～S460的处理由于与第一实施方式的处理相同，所以省略说明。

在接着S420的S432中，处理单元70根据(6)、(7)式，计算对数贝叶斯比LB。其中，logP(D|P)以及logP(D|N)使用上述的(4)、(5)式来计算。

LB＝TH+log P(D|P)－log P(D|N) (6)

TH＝log P(P)－log P(N)+A (7)

(7)式中的A是通过实验设定的常量，也可以是0。TH是阈值，被设定为若LB是正值，则能够判定为特定环境，若LB是负值，则能够判定为非特定环境。

在接下来的S434中，处理单元70对对数贝叶斯比LB执行抑制值急剧变化的滤波处理。此外，用LB[n]表示在S432中计算出的对数贝叶斯比，用LBf[n]表示滤波处理后的对数贝叶斯比，用LBf[n－1]表示在前一次处理周期中计算出的滤波处理后的对数贝叶斯比。另外，系数α是0＜α≤1的实数。在滤波处理中，执行(8)式所示的运算。将滤波处理后的对数贝叶斯比LBf[n]也仅记作对数贝叶斯比LBf。

LBf[n]＝α×LB[n]+(1－α)LBf[n－1] (8)

在接下来的S442中，处理单元70判定对数贝叶斯比LBf是否大于0。若对数贝叶斯比LBf大于0，则作为本车行驶中的环境是特定环境，将处理移至S450，若对数贝叶斯比LBf为0以下，则作为本车行驶中的环境是非特定环境，将处理移至S460。

[2－3.动作例]

图14以及图15均是上侧的图表示通过(4)式计算出的幻影概率PG，另外，下侧的图表示按照每个处理周期绘制出通过(6)式计算出的滤波处理前的对数贝叶斯比LB、以及通过(8)式计算出的滤波处理后的对数贝叶斯比LBf的结果。此外，图14表示本车所行驶的环境是非特定环境的情况，图15表示本车所行驶的环境是特定环境的情况。

如图14所示，在第25个处理周期，由于干扰，尽管是非特定环境下，统合概率PP也成为超过50％的较大的值，并且对数贝叶斯比LB为正值。换句话说，在使用统合概率PP、滤波处理前的对数贝叶斯比LB来进行是否是特定环境的判定的情况下，存在获得错误的判定结果的可能性。与此相对，滤波处理后的对数贝叶斯比LBf仍为负值，而获得正确的判定结果。

此外，通过调整(7)式的参数A，能够使阈值TH变化。例如，在设定为A＝0的情况下，将特定环境误判定为非特定环境的概率与相反地将非特定环境误判定为特定环境的概率相等。

例如，考虑车载系统1作为对接近本车的物标发出警报的系统来工作的情况。在该情况下，与将非特定环境(例如，一般道路)误判定为特定环境(例如，隧道)而系统不必要地工作相比，将特定环境误判定为非特定环境而系统不工作从而成为问题的可能性更高。换句话说，在发生危险的状况下不发出警报比在没有危险的状况下发出警报更成为问题。

另外，例如，考虑车载系统1作为从物标候补中检测出幻影(即，虚像)并删除，并且对接近本车的物标发出警报的系统来工作的情况。在该情况下，若将非特定环境误判定为特定环境，而系统不必要地工作，则存在不必要地删除应检测的物标的可能性。

因此，为了抑制发生这些情况，也可以通过设定为A＞0，即，在图14中，使阈值TH向正侧移位，来进一步降低将非特定环境误判定为特定环境的概率。另外，也可以通过由车载系统1实现的处理，相反地，通过设定为A＜0，使阈值TH向负侧移位，来进一步降低将特定环境误判定为非特定环境的概率。

[2－4.效果]

根据以上详细叙述的第二实施方式，起到上述的第一实施方式的效果(1a)～(1c)，并且起到以下的效果。

(2a)通过进行使用系数α对在本次处理周期中获得的滤波处理前的对数贝叶斯比LB[n]和在前一次处理周期中获得的滤波处理后的对数贝叶斯比LBf[n－1]进行混合的滤波处理，来计算对数贝叶斯比LBf。因此，即使由于干扰而突然计算出异常的对数贝叶斯比LB[n]，也不会立即追随是否是特定环境的判定，而能够获得稳定的判定结果。

(2b)通过使用对数贝叶斯比LBf，与使用统合概率PP的情况相比，能够进一步减少运算量。

(2c)在对数贝叶斯比LB的运算中，设置有阈值TH，也能够简单地进行阈值TH的调整。

[3.第三实施方式]

[3－1.与第一实施方式的不同点]

第三实施方式由于基本的结构与第一实施方式相同，所以以下对不同点进行说明。此外，与第一实施方式相同的附图标记表示相同的结构，参照之前的说明。

在第一实施方式中，在判定是否是特定环境时，使用预先存储于存储器72的肯定分布以及否定分布，其值不变。与此相对，在第三实施方式中，在通过学习处理适当地更新存储于存储器72的肯定分布以及否定分布的点，与第一实施方式不同。换句话说，物标检测处理的内容部分不同。

另外，在本实施方式中，作为动作模式，存在执行学习处理的学习模式。此外，即使在执行学习处理之前，在存储器72中，也存储有肯定分布以及否定分布的初始值。

[3－2.物标检测处理]

使用图16的流程图对处理单元70代替图3所示的第一实施方式的物标检测处理而执行的第三实施方式的物标检测处理进行说明。此外，本实施方式的物标检测处理由于除了追加了S175以及S240以外，与第一实施方式中的处理相同，所以对该不同点进行说明。

在接着S170的S175中，处理单元70判定雷达装置10的动作模式是否是学习模式，若是学习模式，则将处理移至S240，若不是学习模式，则将处理移至S180。动作模式的设定通过来自设置于处理单元70的外部的输入装置的输入操作来进行。

在S240中，处理单元70执行学习处理并结束处理。此外，学习处理是生成、更新用于是否是特定环境的判定的概率分布的处理。

[3－3.学习处理]

使用图17的流程图对处理单元70在S250中执行的学习处理进行说明。

在S310中，处理单元70基于在之前的S170中检测出的对象峰值中的属于判定区域的判定用峰值，来计算第一特征量D1～第十特征量D10。

在各特征量的计算中，可以使用预先设定的任意一个的FFT频谱或者二维频谱，也可以使用多个FFT频谱或者二维频谱。在使用多个频谱的情况下，可以按照每个频谱计算特征量，也可以将各频谱中的计算值的平均作为特征量。

在S320中，处理单元70将在S310中计算出的特征量与教师数据建立对应关系地存储至存储器72。教师数据是表示本车辆行驶中的环境是否是特定环境的数据，在是学习模式时，例如，通过将车辆的乘员判定是特定环境还是非特定环境的结果依次输入至处理单元70来设定。另外，在系统包含能够通过导航、相机以及卫星定位系统(例如，GPS)等判定正在什么样的环境中行驶的装置的情况下(例如，为数据收集专用的车辆的情况下)，也可以从这些装置中获取教师数据。此外，如图6～图11中的直方图所示，按照每个特征量并且按照每个教师数据(即，是否为特定环境)积累与教师数据建立有对应关系的特征量(以下，带有教师数据的特征量)。

在接下来的S330中，处理单元70判定是否是更新定时，若是更新定时，则将处理移至S340，若不是更新定时，则结束处理。更新定时为保证通过S320的处理积累于存储器72的带有教师数据的特征量达到肯定分布以及否定分布的生成、更新所需的数量的定时即可。

在S340中，处理单元70基于积累的带有教师数据的特征量，按照每个特征量的种类生成肯定分布以及否定分布，并且生成肯定概率P(P)以及否定概率P(N)。具体而言，通过利用正态分布表示图6～图11中的直方图所示的特征量的分布，生成图6以及图7中所示的肯定分布以及否定分布。对于图8～图11的直方图，虽然省略了图示，但也同样地生成肯定分布以及否定分布。肯定概率P(P)以及否定概率P(N)使用分别汇总了在特定环境下收集到的特征量的数量、以及在非特定环境下收集到的特征量的数量而得到的结果来计算。但是，肯定概率P(P)以及否定概率P(N)也可以是固定值。

在接下来的S350中，处理单元70根据在S340中生成的肯定分布以及否定分布，来更新存储于存储器72的肯定分布以及否定分布，并结束处理。

如图6～图11所示，对于第一特征量D1、第四特征量D4～第六特征量D6、第八特征量D8以及第十特征量D10，存在特定环境成为比非特定环境小的值的趋势。另外，对于第二特征量D2、第七特征量D7以及第九特征量D9，存在特定环境成为比非特定环境大的值的趋势。

此外，如图8所示，作为第四特征量D4，使用峰值相对于后方正面方向的方位差的平均，但也可以代替第四特征量D4、或者除了第一特征量D1～第八特征量D8以外，还使用峰值的平均方位。

在学习处理中，S310相当于特征量计算部，S320相当于收集部，S330～S350相当于学习部。

[3－4.效果]

根据以上详细叙述的第三实施方式，起到上述的第一实施方式的效果(1a)～(1c)，并且起到以下的效果。

(3a)通过使用学习模式，能够更新存储于存储器72的肯定分布以及否定分布，所以能够依次提高是否是特定环境的判定精度。

[4.其它实施方式]

以上，对本公开的实施方式进行了说明，但本公开并不限定于上述实施方式，能够进行各种变形来实施。

(4a)在上述实施方式中，使用第一特征量D1～第十特征量D10来进行环境判定处理，但本公开并不限定于此。例如，也可以被构成为将从车载相机的图像获得的本车辆周围的信息、使用本车辆的位置信息和地图信息获得的信息进行组合，来判定是否是特定环境。

(4b)在上述实施方式中，作为对数贝叶斯比LB的计算所使用的特征量，使用了第一特征量D1～第十特征量D10，但只要是在肯定分布与否定分布之间产生明确的差异的特征量即可。另外，统合概率PP的计算所使用的特征量的数量也不限定于10个，也可以为1～9个，也可以为11个以上。

(4c)在上述实施方式中，在使用(4)、(5)式，来求出log概率亦即log P(D|P)以及log P(D|N)的情况下，容易成为非常小的值。其中，以这些值之比求出最终计算的统合虚像概率PG。因此，也可以将logP(Di|R)以及logP(D|I)中的最大值作为MAX，并将从各个中减去最大值所得的结果用作log概率。

(4d)在上述实施方式中，雷达装置10配置为在检测范围内包含沿着车辆的前进方向的后方，但本公开并不限定于此。例如，雷达装置10也可以配置为在检测范围内包含沿着车辆的前进方向的前方。在该情况下，例如，可以将前方正面方向作为相对于基准方向的方位差来计算在特征量中使用的方位。

(4d)本公开所记载的处理单元70及其方法也可以通过专用计算机来实现，该专用计算机通过构成被编程为执行通过计算机程序具体化的一个或多个功能的处理器以及存储器来提供。或者，本公开所记载的处理单元70及其方法也可以通过专用计算机来实现，该专用计算机通过由一个以上的专用硬件逻辑电路构成处理器来提供。或者，本公开所记载的处理单元70及其方法也可以通过一个以上的专用计算机来实现，该专用计算机通过被编程为执行一个或多个功能的处理器以及存储器和由一个以上的硬件逻辑电路构成的处理器的组合构成。另外，计算机程序也可以作为由计算机执行的指令，存储于计算机可读取的非过渡有形记录介质。实现处理单元70所包含的各部的功能的方法无需一定包含软件，也可以使用一个或多个硬件来实现其所有功能。

(4e)也可以通过多个构成要素来实现上述实施方式中的一个构成要素所具有的多个功能、或通过多个构成要素来实现一个构成要素所具有的一个功能。另外，也可以通过一个构成要素来实现多个构成要素所具有的多个功能、或通过一个构成要素来实现由多个构成要素实现的一个功能。另外，也可以省略上述实施方式的结构的一部分。另外，也可以对其它上述实施方式的结构附加或者置换上述实施方式的结构的至少一部分。

(4f)除上述的雷达装置10外，也能够通过将该雷达装置10作为构成要素的系统、用于使计算机作为该雷达装置10发挥作用的程序、记录有该程序的半导体存储器等非过渡性实体记录介质、环境判定方法等各种形式来实现本公开。

Claims

1.一种雷达装置，搭载于移动体，所述雷达装置具备：

频谱生成部(70：S110～S160)，被构成为通过使用一种以上的调制方式，对通过收发基于各调制方式的调制波作为雷达波而获得的信号进行解析，来生成一维频谱以及二维频谱中的至少一方；

峰值提取部(70：S170)，被构成为从按照每种上述调制方式生成的上述一维频谱以及上述二维频谱中的至少一方提取峰值；

特征量计算部(70：S310、S410)，被构成为使用与由上述峰值提取部提取出的各峰值建立对应关系的信息，计算预先决定的一种以上的特征量；

分布存储部(72)，预先存储有按照每个上述特征量预先生成的肯定分布以及否定分布，其中，上述肯定分布是表示在给予了上述特征量时，获取到该特征量时的环境是预先设定的特定环境的概率的分布，上述否定分布是表示在给予了上述特征量时，获取到该特征量时的环境是上述特定环境以外的非特定环境的概率的分布；以及

环境判定部(70：S420～S460)，被构成为根据上述特征量计算部中的计算结果，使用上述肯定分布计算特定环境概率，并且使用上述否定分布计算非特定环境概率，并根据统合按照每个上述特征量计算的上述特定环境概率和上述非特定环境概率而得到的结果，来判定上述移动体处于上述特定环境下还是处于上述非特定环境下，

在上述特定环境下计算上述特征量的情况下和在上述非特定环境下计算上述特征量的情况下，遵从不同的分布形状。

2.根据权利要求1所述的雷达装置，其中，

上述特征量计算部计算由上述峰值提取部提取出的峰值的平均方位作为上述特征量之一。

3.根据权利要求1或2所述的雷达装置，其中，

上述特征量计算部计算由上述峰值提取部提取出的峰值的方位的方差作为上述特征量之一。

4.根据权利要求2或3所述的雷达装置，其中，

上述特征量计算部使用相对于预先设定的基准方向的方位差来作为由上述峰值提取部提取出的峰值的方位。

5.根据权利要求1～4中的任一项所述的雷达装置，其中，

上述特征量计算部计算由上述峰值提取部提取出的多个峰值的平均功率、上述多个峰值与本底噪声的平均功率比、上述多个峰值的功率的方差、以及上述多个峰值与本底噪声的功率比的方差中的至少一个作为上述特征量之一。

6.根据权利要求1～5中的任一项所述的雷达装置，其中，

上述特征量计算部计算由上述峰值提取部提取出的峰值的总数作为上述特征量之一。

7.根据权利要求1～6中的任一项所述的雷达装置，其中，

上述频谱生成部被构成为：通过对通过上述调制方式中的至少一种调制方式而获得的信号执行FFT来生成作为上述一维频谱的FFT频谱，并且通过按照每个频率仓将该FFT频谱方位展开来生成上述二维频谱。

8.根据权利要求7所述的雷达装置，其中，

上述特征量计算部计算在上述FFT频谱上检测出的多个峰值的平均功率、上述多个峰值与本底噪声的功率比、上述多个峰值的功率方差、以及上述多个峰值与本底噪声的功率方差中的至少一个作为上述特征量之一。

9.根据权利要求7或8所述的雷达装置，其中，

上述特征量计算部计算上述FFT频谱的平均功率、上述FFT频谱与本底噪声的功率比、上述FFT频谱的功率方差、以及上述FFT频谱与本底噪声的功率比的方差中的至少一个作为上述特征量之一。

10.根据权利要求7～9中的任一项所述的雷达装置，其中，

上述特征量计算部计算在上述FFT频谱中提取的峰值的总数作为上述特征量之一。

11.根据权利要求8～10中的任一项所述的雷达装置，其中，

在将上述FFT频谱上的峰值方位展开时，上述特征量计算部计算从上述FFT频谱上的一个峰值在上述二维频谱上分离的峰值的数量的平均来作为上述特征量之一。

12.根据权利要求1～11中的任一项所述的雷达装置，其中，

上述特征量计算部使用在阈值距离以上检测出的峰值来计算上述特征量，其中，上述阈值是根据上述移动体的移动速度而设定的。

13.根据权利要求1～12中的任一项所述的雷达装置，其中，

上述调制方式至少包括FMCW调制，

上述频谱生成部将上述FMCW调制中的上行线性调频以及下行线性调频均作为上述调制方式之一，并针对至少一方生成上述一维频谱和上述二维频谱。

14.根据权利要求1～13中的任一项所述的雷达装置，其中，

上述调制方式至少包括多频CW调制或者FCM调制。

15.根据权利要求1～14中的任一项所述的雷达装置，其中，还具备：

收集部(70：S310～S320)，与表示获取到上述特征量时的环境是上述特定环境还是上述非特定环境的教师数据建立对应关系地收集由上述特征量计算部计算出的上述特征量；

学习部(70：S330～S350)，根据预先设定的更新定时，使用由上述收集部收集到的上述特征量，生成上述肯定分布以及上述否定分布，并更新上述分布存储部的存储内容。