CN114185038A - 一种基于毫米波雷达网实现超高角度分辨力的方法及系统 - Google Patents

Abstract

本发明提供一种基于毫米波雷达网实现超高角度分辨力的方法及系统，该方法包括通过至少两个子雷达系统向外发射波形相位同步信号；通过发射天线阵元发送正交波形信号，以及通过接收天线阵元同时接收回波信号；对雷达网系统数字波束形成的各个虚拟接收通道中的数据进行调频连续波信号处理，在每个接收通道输出匹配连接有滤波器，至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿；通过多输入多输出雷达网实现方位角上目标超分辨力处理。本发明系统应用于上述的方法。本发明通过毫米波雷达实现自适应组网，并结合于多输入多输出虚拟天线的数字波束形成技术来实现毫米波雷达的角度超高分辨力以及目标直接成像的目的。

Description

一种基于毫米波雷达网实现超高角度分辨力的方法及系统

技术领域

本发明涉及自动驾驶安全辅助技术领域，具体涉及一种基于毫米波雷达网实现超高角度分辨力的方法以及应用该方法的系统。

背景技术

随着人类社会的发展和技术进步，自动驾驶是未来汽车技术发展的必然方向。但由于汽车的普及和城市住宅环境的拓展，人们驾驶私家车上下班和购物及办事已经是成为普通工薪阶层的自然选择，但随着城市交通堵塞的日益严重，人们每天行驶在路上的时间也越来越多，安全驾驶私家车也逐渐变成了一种的耗费精神和体力的活动。自动驾驶可以把人们从每天长时间的疲劳驾驶环境中解脱出来，也是未来人们生活中的刚性需求。

除了普通私家车的自动驾驶需求，由于未来对驾驶的安全性和舒适性要求越来越高，长途运货大卡车、公务车、校车、班车、公共汽车、出租车和网约车等车辆由于驾驶时间长和行车路径固定，逐渐使用自动驾驶技术也是大势所趋。另外，未来的军事对抗更加激烈，驾驶环境更恶劣，军用运输车采用无人自动驾驶技术也未来军事和战争的必然选择。

自动驾驶是采用人工智能技术代替传统中的人实现车辆的无人自动驾驶，但智能化的前提和核心便是机器对环境和目标信息的自动感知和精准测量，而毫米波雷达就是目前自动驾驶感知的最核心和最重要的感知系统。

目前，自动驾驶感知技术主要基于图像、激光雷达、低分辨力毫米波雷达作为主要环境和目标信息传感器，图像感知器可以采集目标和环境的外形图像，易于实现目标和环境的识别和分类。激光雷达可以对环境图形进行精确三维扫描测绘，并形成带距离信息的三维环境和目标点云。低分辨力毫米波雷达提供运动目标如车辆作为点目标的位置和速度信息。多传感器感知信息通过融合处理实现对环境和目标的全面认知并进行后续的路径规划和控制操作。

因此，现有技术中存在的问题包括以下方面：

1.图像信息没有目标的距离和速度信息，深度学习处理时间长，实时性差。在夜晚和照明不好的环境下，无法进行目标识别。

2.自动驾驶系统中的远距离大功率激光雷达价格昂贵，一般在价格在10万美元以上，比大部分轿车本身价格要贵很多，无法大规模推广和应用。MEMS或固态激光雷达目前还不适用于自动驾驶，另外激光雷达采用机械扫描，可靠性差，维护成本高。同时激光雷达一般不能测目标速度，产生的数据量，信号处理难度大。

3.图像和激光雷达传感器在恶劣天气和环境中如在有雾霾、烟尘、雨雪天气等环境下无法正常使用采集数据和工作。

4.低分辨力毫米波雷达可以精确测速和测距，但把大目标如车辆当成点目标，无法进行目标识别，和图像传感器和激光雷达处理结果数据融合难度大。虽然在恶劣天气环境下可以使用，但无法与其它传感器如图像采集器联合使用。

5.用于自动驾驶感知的低分辨力毫米波雷达目标一般是处于前向位置的，所以无法用经典的合成孔径雷达(SAR)方法实现雷达的角度高分辨力和目标成像的。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于毫米波雷达网实现超高角度分辨力的方法及其系统，该方法和系统通过自动驾驶系统中的多毫米波雷达实现自适应组网，并结合于多输入多输出虚拟天线的数字波束形成技术来实现毫米波雷达的角度超高分辨力以及目标直接成像的目的。

为解决上述问题，本发明所采用的技术方案如下：

一种基于毫米波雷达网实现超高角度分辨力的方法，包括以下步骤：判断是否进入高角度分辨力工作模式，如是，通过至少两个子雷达系统向外发射波形相位同步信号；通过发射天线阵元发送正交波形信号，以及通过接收天线阵元同时接收回波信号；对雷达网系统数字波束形成的各个虚拟接收通道中的数据进行调频连续波信号处理，在每个接收通道输出匹配连接有滤波器；至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿；将上述处理后的数据通过FFT或非线性DFT处理后，通过构建的高分辨力的多输入多输出雷达网实现方位角上目标超分辨力处理。

进一步的方案是，在得到各个目标距离的角度高分辨力数据后，将所有的角度高分辨力数据组合在一起形成目标的距离-方位二维图像；若要保持高角度分辨力模式，则继续执行高角度分辨力模式的工作步骤；若切换到正常的低角度分辨力模式，控制释放两个子雷达系统，各个雷达系统独立工作。

更进一步的方案是，通过组合预设数量的雷达收发天线阵元，形成任意规模的多输入多输出雷达网，其中，雷达收发天线阵元的基本线性调频波形由主雷达系统输出到至少两个子雷达系统上。

更进一步的方案是，所述由主雷达系统进行多通道频率、相位及幅度补偿，包括：由主雷达系统进行由于线路延时导致的多通道频率、相位和幅度补偿；由主雷达系统进行由于多个雷达子系统相对随机位移产生的相位差而导致的相位补偿。

更进一步的方案是，在接收回波信号时通过匹配滤波器予以分开，并作加权合成算法处理形成数字波束，其中，该数字波束的宽度和天线阵元的口径成反比。

更进一步的方案是，所述通过发射天线阵元发送正交波形信号，包括：在信道空间域上使用Hadamard正交波形编码，以保持每个发射天线使用线性调频编码信号，以及不同天线发射波形之间的正交性；其中，设计码长为2k的2k正交编码波形，Hadamard正交波形编码表示为公式(9)：

然后，将获取到的Hadamard正交波形编码叠加到线性调频编码上，形成发射天线阵元所发送的正交波形信号。

更进一步的方案是，所述对雷达网系统数字波束形成的各个虚拟通道中的数据进行调频连续波信号处理，包括：利用FMCW雷达进行混频输出处理，假设最小可接收信噪比是(S/N)_MIN,最小可接收目标信号功率P_MIN为公式(5)：

P_MIN＝kT₀BF_n(S/N)_MIN (5)

其中，kT₀B＝白噪声功率，F_n＝系统噪声系数；

则毫米波雷达最大目标检测距离为公式(6)：

其中：PT＝雷达发射功率，G_T＝发射天线增益，G_R＝接收天线增益，σ＝目标雷达截面积，λ＝雷达发射信号波长，L_S＝系统处理损失。

更进一步的方案是，所述由主雷达系统进行由于线路延时导致的多通道频率、相位和幅度补偿，包括：假设发射天线阵元数目是N，接收天线阵元数目是M，总共有N×M个虚拟接收通道数据；假设在校准测试过程中使用的线性调频波形的调频斜率是K_C，每个接收通道经过A/D变换后的数据采样点数目为L_C，将所有接收通道的目标距离进行FFT变换后，第(i，j)通道最大幅度输出的数据系列号是p_ij(1≤p_ij≤L_CA)，同时这个最大幅度输出的复数值c_ij，得到频率校准矩阵P和相位及幅度校准矩阵C，表示为公式(14)和公式(15)：

选择(1，1)通道作为参考通道，根据公式(14)、(15)得到两个归一化矩阵，如公式(16)、(17)：

在雷达实际运行中，若使用的线性调频波形的调频斜率是K，每个接收通道经过A/D变换后的数据采样点数目是L，则第(i,j),(1≤i≤N,1≤j≤M)通道第l(1≤l≤L)组数据的补偿相位为公式(18)：

若第(i,j)通道的第l原始采样复数据是x_i,j(l)，经通道频率、相位及幅度补偿后的数据为公式(19)：

更进一步的方案是，所述由主雷达系统进行由于多个雷达子系统相对随机位移产生的相位差而导致的相位补偿，包括：定义三个雷达子系统的坐标矢量为公式(20)：

当确定三个雷达子系统的三维位置坐标以及雷达收发天线阵元的位置后，选定一个固定距离和一个特定方向上的目标点作为数字波束形成聚焦点，该聚焦点的幅度定义为雷达位置坐标矢量的非线性函数

定义以下雷达板坐标估计代价函数，表示为公式(21)：

由公式(21)可得出，该代价函数的梯度矢量定义为公式(22)：

其中，优化中用到的海色矩阵定义如公式(23)：

若三个雷达子系统的位置发生随机变化后，根据多变量优化算法快速搜索到雷达子系统的真实三维坐标，并进行相应的相位补偿实现精准的数字波束形成。

由此可见，本发明结合于汽车的前向毫米波雷达通过联网和MIMO虚拟天线数字波束形成处理，采用多变量优化闭环自适应方法，可以达到目标角分辨力约0.1度左右，与激光雷达角分辨力相当，该毫米波雷达可以完全取代激光雷达对目标和环境实现实时成像感知，不但大大减低了自动驾驶系统的成本，也使得自动驾驶可以在恶劣天气和环境下全天候使用，让自动驾驶大规模使用并走入千家万户成为可能。

一种基于毫米波雷达网实现超高角度分辨力的系统，该系统应用于上述的一种基于毫米波雷达网实现超高角度分辨力的方法实现方位角上目标超分辨力处理，该系统包括；主雷达系统以及至少两个子雷达系统，通过组合预设数量的雷达收发天线阵元，形成任意规模的多输入多输出雷达网，其中，雷达收发天线阵元的基本线性调频波形由主雷达系统输出到至少两个子雷达系统上；

通过至少两个子雷达系统向外发射波形相位同步信号，主雷达系统对雷达网系统数字波束形成过程中的各个虚拟接收通道中的数据进行调频连续波信号处理，至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿，并通过构建的高分辨力的多输入多输出雷达网实现方位角上目标超分辨力处理。

由此可见，本发明通过由主雷达系统、子雷达系统、MIMO雷达网所组成的协作系统来实现自适应组网，并结合于多输入多输出虚拟天线的数字波束形成技术来实现毫米波雷达的角度超高分辨力以及目标直接成像的目的。

下面结合附图和具体实施方式对本发明作进一步详细说明。

附图说明

图1是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例的流程图。

图2是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例中调频连续波(FMCW)雷达的MIMO波形时空编码方法(包括线性调频编码和Hadamard正交波形编码)的原理图。

图3是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例中调频连续波(FMCW)雷达的虚拟天线数字波束形成处理的原理图。

图4是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例中雷达子系统中收发模块的发射正交波形信号调制的原理图。

图5是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例中单板雷达子系统实际收发天线阵元的原理图。

图6是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例中单板雷达子系统形成的虚拟接收天线的原理图。

图7是本发明一种基于毫米波雷达网实现超高角度分辨力的方法实施例中关于雷达子系统位置坐标的多变量优化算法的流程图。

图8是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例的原理图。

图9是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中调频连续波(FMCW)雷达信号接收和处理的原理图。

图10是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中调频连续波(FMCW)雷达接收天线阵元角度分辨力的原理图。

图11是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中多输入多输出(MIMO)雷达网天线角度分辨力等效8单元阵元的原理图。

图12是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中通用多输入多输出雷达多发射天线波形产生电路的原理图。

图13是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中多输入多输出雷达时空域二位相位编码的原理图。

图14是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中自动驾驶毫米波多输入多输出雷达网天线阵的原理图。

图15是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中自动驾驶多输入多输出毫米波雷达网超高分辨力数字波束形成的原理图。

图16是本发明一种基于毫米波雷达网实现超高角度分辨力的系统实施例中多输入多输出毫米波雷达网实现虚拟天线目标角度高分辨处理的原理图。

具体实施方式

一种基于毫米波雷达网实现超高角度分辨力的方法实施例：

如图1所示，一种基于毫米波雷达网实现超高角度分辨力的方法，在对目标实现超高角度分辨力时，执行以下步骤：

步骤S1，判断是否进入高角度分辨力工作模式，如是，通过至少两个子雷达系统向外发射波形相位同步信号。

步骤S2，通过发射天线阵元发送正交波形信号，以及通过接收天线阵元同时接收回波信号。

步骤S3，对雷达网系统数字波束形成的各个虚拟接收通道中的数据进行调频连续波(FMCW)信号处理，在每个接收通道输出匹配连接有滤波器。

步骤S4，至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿。

步骤S5，将上述处理后的数据通过FFT或非线性DFT处理后，通过构建的高分辨力的多输入多输出(MIMO)雷达网实现方位角上目标超分辨力处理。

在上述步骤S5中，在得到各个目标距离的角度高分辨力数据后，将所有的角度高分辨力数据组合在一起形成目标的距离-方位二维图像。

其中，若要保持高角度分辨力模式，则继续执行高角度分辨力模式的工作步骤；若切换到正常的低角度分辨力模式，控制释放两个子雷达系统，各个雷达系统独立工作。

在本实施例中，通过组合预设数量的雷达收发天线阵元，形成任意规模的MIMO雷达网，其中，雷达收发天线阵元为MIMO雷达收发天线阵元，雷达收发天线阵元的基本线性调频波形由主雷达系统输出到至少两个子雷达系统上。

在本实施例中，在接收回波信号时通过匹配滤波器予以分开，并作加权合成算法处理形成数字波束，其中，该数字波束的宽度和天线阵元的口径成反比。

在上述步骤S2中，通过发射天线阵元发送正交波形信号，包括：在信道空间域上使用Hadamard正交波形编码，以保持每个发射天线使用线性调频编码信号，以及不同天线发射波形之间的正交性。

其中，设计码长为2k的2k正交编码波形，Hadamard正交波形编码表示为公式(9)：

然后，将获取到的Hadamard正交波形编码叠加到线性调频编码上，形成发射天线阵元所发送的正交波形信号。

在上述步骤S3中，对雷达网系统数字波束形成的各个虚拟通道中的数据进行FMCW信号处理，包括：利用FMCW雷达进行混频输出处理，假设最小可接收信噪比是(S/N)_MIN,最小可接收目标信号功率P_MIN为公式(5)：

P_MIN＝kT₀BF_n(S/N)_MIN (5)

其中，kT₀B＝白噪声功率，F_n＝系统噪声系数；

则毫米波雷达最大目标检测距离为公式(6)：

其中：PT＝雷达发射功率，G_T＝发射天线增益，G_R＝接收天线增益，σ＝目标雷达截面积，λ＝雷达发射信号波长，L_S＝系统处理损失。

在上述步骤S4中，由主雷达系统进行多通道频率、相位及幅度补偿，包括：由主雷达系统进行由于线路延时导致的多通道频率、相位和幅度补偿；由主雷达系统进行由于多个雷达子系统相对随机位移产生的相位差而导致的相位补偿。

具体的，由主雷达系统进行由于线路延时导致的多通道频率、相位和幅度补偿，包括：假设发射天线阵元数目是N，接收天线阵元数目是M，总共有N×M个虚拟接收通道数据；

假设在校准测试过程中使用的线性调频波形的调频斜率是K_C，每个接收通道经过A/D变换后的数据采样点数目为L_C，将所有接收通道的目标距离进行FFT变换后，第(i，j)通道最大幅度输出的数据系列号是p_ij(1≤p_ij≤L_CA)，同时这个最大幅度输出的复数值c_ij，得到频率校准矩阵P和相位及幅度校准矩阵C，表示为公式(14)和公式(15)：

选择(1，1)通道作为参考通道，根据公式(14)、(15)得到两个归一化矩阵，如公式(16)、(17)：

在雷达实际运行中，若使用的线性调频波形的调频斜率是K，每个接收通道经过A/D变换后的数据采样点数目是L，则第(i,j),(1≤i≤N,1≤j≤M)通道第l(1≤l≤L)组数据的补偿相位为公式(18)：

若第(i,j)通道的第l原始采样复数据是x_i,j(l)，经通道频率、相位及幅度补偿后的数据为公式(19)：

具体的，由主雷达系统进行由于多个雷达子系统相对随机位移产生的相位差而导致的相位补偿，包括：

定义三个雷达子系统的坐标矢量为公式(20)：

当确定三个雷达子系统的三维位置坐标以及雷达收发天线阵元的位置后，选定一个固定距离和一个特定方向上的目标点作为数字波束形成聚焦点，该聚焦点的幅度定义为雷达位置坐标矢量的非线性函数

定义以下雷达板坐标估计代价函数，表示为公式(21)：

由公式(21)可得出，该代价函数的梯度矢量定义为公式(22)：

其中，优化中用到的海色矩阵定义如公式(23)：

若三个雷达子系统的位置发生随机变化后，根据多变量优化算法快速搜索到雷达子系统的真实三维坐标，并进行相应的相位补偿实现精准的数字波束形成。

具体的，本实施例的雷达为FMCW雷达，FMCW雷达和普遍脉冲雷达不同在目标检测方面有着显著的不同，首先FMCW雷达是发射和接收天线分开的，而普通雷达一般是发射和接收天线合用的。由于FMCW雷达的信号处理方式也与普通雷达不同，导致它们最后目标信号检测灵敏度也不同。另外，毫米波波段下目标散射特性也不同于常规雷达。如果FMCW雷达混频后输出的中频输出信号，最小可接收信噪比是(S/N)_MIN,最小可接收目标信号功率P_MIN为公式(5)。

通过以上FMCW雷达距离方程可以计算出毫米波雷达在各种环境下最大目标检测距离。如果考虑应用典型FMCW毫米波雷达参数，如雷达射频频率77GHz、天线发射功率10dBm(10mW)、收放天线增益27dBi、可靠目标检测中频信噪比(S/N)5dB、目标雷达截面积5dBsm、雷达系统噪声系数18dB以及系统损失4dB。可以估算出FMCW雷达在天气晴朗情况下(3.5dB/km衰减因子)可以可靠检测350米以内的目标。如果在恶劣天气环境下(150mm/hr大雨，50dB/km衰减因子)，可以可靠检测到150米以内的目标。

在本实施例中，对于自动驾驶感知毫米波雷达，因为波形必须为线性调频连续波信号，所以无法选择任意的时空二维编码。本发明选择在空间域上进行比较简单的Hadamard正交波形编码，这样每个发射天线既可以保持使用线性调频信号，又可以保证不同天线发射波形之间的正交性。但Hadamard码只能实现同步正交，即公式(4)中的t只能是零，这对于距离很近的毫米波雷达应该不是问题。Hadamard编码码长一般是2的幂次，具体编码可以通过以下Walsh矩阵实现：

码长为2的两个Hadamard正交波形编码为：

码长为4的四个Hadamard正交波形可以用以下矩阵进行编码：

同样，设计码长为2^k的2^k正交编码波形，可以由以下递推公式获得公式(9)。

如图2所示，Hadamard编码可以叠加到线性调频编码上面(以两个Hadamard正交波形S1和S2为例)：

针对图2的两个发射天线雷达复合编码波形，在第一个时间周期段内，进行两个发射天线的复合发射波形处理，结果为公式(10)：

S_a＝S₁+S₂ (10)

在第二个时间周期段内，两个发射天线复合信号为公式(11)：

S_b＝S₁-S₂ (11)

在相应雷达接收处理端虚拟数字波束形成方案如图3所示，两个发射天线发射信号可以提供虚拟接收通道按照以下方式重建出来，如公式(12)和(13)所示：

当接收虚拟通道形成以后，如图16所示，可以进一步处理实现FMCW高角度分辨力处理，一般采用FFT处理(线性等距离虚拟天线阵)或者DFT处理(非线性虚拟天线阵)。

在本实施例中，对于MIMO雷达波形时空编码调制和多系统同步技术方案，如图4所示，图4为雷达子系统中一个收发模块的发射正交波形调制方案，其中，ΔΦ代表波形移相，对于Hadamard编码发射信号，信号相位要么没有移相(移0°)，要么反相(移180°)，让移相很简单。

所以，每个子系统可以独立进行MIMO虚拟波束形成处理。三个雷达子系统可以考虑按照以下方法在普通家庭轿车前端安装，实现在方位和仰角方向上的角分辨力大幅度提高。三个FMCW雷达的天线装配在车前端类似一个共形阵天线，它们其实是附着于车体的表面且位置固定的阵列天线，考虑MIMO雷达要形成很多虚拟天线单元，所以系统实际形成的是一个非平面的共形虚拟天线阵。

本实施例采用目前国际上通用的单个收发模块含3个发射天线阵元和4个接收天线阵元，通过多个收发模块的组合，可以形成任意规模的MIMO虚拟天线阵实现目标角度超分辨。

图4中的收发模块有一个20GHz的基本线性调频波形可以从主雷达板输出到其它两个辅助测视雷达板上，所以雷达网系统中所有收发天线阵元都可以采用统一相位全相参的线性调频波形，这对于发布式的雷达网系统数字波束形成具有重要意义。

在本实施例中，对于MIMO雷达网天线阵设计和实时方案，本发明选择在三个同样的雷达子系统中有四个类似于图4的收发模块，这样每个雷达子系统中共有12个发射天线阵元和16个接收天线阵元，总共192个虚拟天线数字波束。

其中，雷达网中的子雷达系统的接收天线阵和发射天线如图5所示，经过所有的正交发射波形处理，所得的虚拟接收天线如图6所示。总共虚拟天线波束数目是192个。可见，本发明可最大限度的拓展虚拟天线数量和目标角度分辨力。

在本实施例中，对于MIMO多通道频率、相位和幅度校准和补偿实现方案，如果要实现分辨力很高的目标成像，数字波束形成的过程中的各个虚拟通道的相位全相参性至关重要，但分布式的雷达网系统又让多个虚拟通道之间的相位差异性变得不可避免。

因此，最终相位差异有两种主要原因：一种是由于每个收发通道的不同线路差异导致信号延时的差异，进而带来接收信号混频处理以后各通道的频率和相位的不一致性，需要补偿掉；另一种导致多通道之间相位差异是由于车辆运动过程中多个子雷达系统物理位置之间产生相对变化而产生。显然这两种因素导致的相位差异都必须要被精准校准并补偿掉，否则无法形成具有高角度分辨力的目标图像。

其中，对于多通道线路差异致频率、相位和幅度校准和补偿方案，此相位误差是由于印刷电路板设计布线过程中，每个通道信号线长短不一致和制作工艺的不稳定性而导致的多通道之间信号传输延时差异。此类电路布线路径差异只需要在线路板生产以后校准一次，但每次信号接收到后都需要补偿处理。由于延时带来回报频率的不同，校准值包括频率、相位和幅度差异，单个角反射器被置于收发天线阵正前方法线方向，并处于远场位置(20米以外)。

假设发射阵元数目是N，接收阵元数目是M，总共有N×M个虚拟接收通道数据。另外，假设在校准测试过程使用的线性调频波形调频斜率是K_C，每个通道A/D变换以后的数据数目是L_CA由于FFT变换时输入数据大多需要补零使得数据数目是2的幂数，实际FFT输出数据点数是L_C。在所有通道距离FFT变换以后，第(i，j)通道最大幅度输出的数据系列号是p_ij(1≤p_ij≤L_CA)，同时这个最大幅度输出的复数值c_ij。最后得到以下两个关键校准矩阵：即频率校准矩阵P和相位及幅度校准矩阵C，如公式(14)和公式(15)。

如果选择第一个(1，1)通道作为参考通道，公式(14)和(15)被修改成如下的两个归一化矩阵，如公式(16)和(17)。

在雷达实际运行中，如果使用的线性调频波形调频斜率是K，每个通道A/D变换后数据采样点数目是L。由于频率偏差，第(i,j),(1≤i≤N,1≤j≤M)通道第l(1≤l≤L)数据的补偿相位为公式(18)。

如果第(i,j)通道的第l原始采样复数据是x_i,j(l)，经频率和相位及幅度补偿后的数据为公式(19)。

对于多个子雷达系统之间随机位移产生的相位差补偿方案，在多个雷达板组成的雷达网的系统，微小的雷达板移动和错位都会让MIMO雷达网的虚拟天线的数字波束形成处理结果变成非相参处理，失去应有的角度高分辨力。因为三个雷达子系统都是按照在汽车的前保险杠的不同位置，尽管系统最初是正常工作的，但经过长时间的高速运动、颠簸甚至是碰撞，三块电路板的相对位置变换基本上是肯定的。对于每一块电路板的三维位置，基本上由其上的三个不同点所定义，可以不失一般性仅考虑线路板的三个角位置点：(x₁,y₁,z₁),(x₂,y₂,z₂),(x₃,y₃,z₃)。由于有三个雷达子系统，总共有27个位置参数决定三个电路板的相对位置，它们的微小变化会带来板上的天线阵元的位置变化，导致虚拟通道的相位偏移，最终使得形成的数字波束分辨力下降和增益减小。

本实施例定义三个子系统的坐标矢量为公式(20)。

当三个雷达子系统三维位置坐标完全确定，以及所有雷达收发天线阵的位置也完全确定。如果选定一个固定距离和一个特定方向上的一个目标点作为数字波束形成聚焦点。这个聚焦波束的幅度可以定义为雷达位置坐标矢量的非线性函数

雷达系统位置坐标(如公式20)估计的越准确，虚拟波束幅度Peak值越大，定义以下雷达板坐标估计代价函数，如公式(21)：

代价函数的梯度矢量定义为公式(22)。

另外，优化中用到的海色矩阵定义如公式(23)。

如果三块雷达板的位置有随机变化的话，按照图7的多变量优化算法，能很快地搜索到雷达板的真实三维坐标，并进行相应的相位补偿实现精准的数字波束形成。经过所有的校准和补偿处理以后，MIMO雷达网可以实现以下表(表1)中的目标超高分辨力。最终达到的角度分辨力不但和激光雷达相近，在大尺寸情况甚至超高了激光雷达的角分辨力。

表1：不同宽度的自动驾驶车可实现的角度分辨力比较

所以，本发明结合于汽车的前向毫米波雷达通过联网和MIMO虚拟天线数字波束形成处理，采用多变量优化闭环自适应方法，可以达到目标角分辨力约0.1度左右，与激光雷达角分辨力相当，该毫米波雷达可以完全取代激光雷达对目标和环境实现实时成像感知，不但大大减低了自动驾驶系统的成本，也使得自动驾驶可以在恶劣天气和环境下全天候使用，让自动驾驶大规模使用并走入千家万户成为可能。

一种基于毫米波雷达网实现超高角度分辨力的系统实施例：

一种基于毫米波雷达网实现超高角度分辨力的系统，该系统应用于上述的一种基于毫米波雷达网实现超高角度分辨力的方法进行实现超高角度分辨力，如图8所示，该系统包括；主雷达系统以及至少两个子雷达系统，通过组合预设数量的雷达收发天线阵元，形成任意规模的MIMO雷达网，其中，雷达收发天线阵元的基本线性调频波形由主雷达系统输出到至少两个子雷达系统上。

在本实施例中，通过至少两个子雷达系统向外发射波形相位同步信号，主雷达系统对雷达网系统数字波束形成过程中的各个虚拟接收通道中的数据进行FMCW信号处理，至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿，并通过构建的高分辨力的MIMO雷达网实现方位角上目标超分辨力处理。

具体的，对于毫米波雷达来说，目标成像需要雷达在距离和方位角二维方向同时实现超高分辨力。距离高辨力可以通过发射大带宽波性实现，主要技术关键是如何实现方位角上目标超分辨力。

本实施例的毫米波雷达发射线性调频连续波(FMCW)信号，也称为FMCW雷达，本发明提出将现有三个雷达(一般自动驾驶汽车前方有一个前向主雷达和两个前侧向雷达)可按照常规工作模式单独工作，但在需要高分辨力目标成像的时候零时自适应组合成一个全相参的毫米波雷达网通过MIMO虚拟数字波束形成实现目标角度高分辨力成像，如图8所示。MIMO雷达网和非雷达网正常工作模式有主控雷达系统任意控制切换，所以本发明不涉及现有自动驾驶中的汽车雷达硬件系统结构改变。

对于本实施例中的FMCM毫米波雷达信号处理和角度分辨力，由于汽车FMCW雷达的波形是线性调频波形，相应的基本雷达信号接收和处理如图9所示，主要功能包括：当正交波形信号发射以后，接收的目标回波信号和参考信号混频产生差频信号，然后经过低通滤波和A/D变换以后成数字信号，最后由二维FFT产生目标距离和速度信息。

如果雷达只有一个发射天线，接收天线是一个N单元的天线阵，如图10所示：

当信号处理以后，雷达目标的角度估计分辨力为：

其中，λ是波形信号载频，d是相邻天线阵元距离一般选为λ/2。显然雷达角度分辨力跟天线的总孔径有关(Nd)，天线阵物理尺寸越大，雷达角度分辨力越高。由于毫米波雷达受到汽车安装要求和方便，单板雷达尺寸不可能太大，无法达到目标成像的角度分辨力要求。所以本发明采用多输入多输出(MIMO)虚拟天线数字波束形成实现超高角度分辨力。

在本实施例中，通过多输入多输出(MIMO)虚拟天线实现超高雷达角度分辨力，MIMO雷达收发天线阵元可以同时发射和接收多个正交波形，通过特殊处理可以获得等效的虚拟大接收天线提高雷达的角度分辨力。

采用MIMO雷达收发天线阵元可以提高雷达角度分辨力，如图11所示，一个八天线单元的实际接收天线阵的角度分辨力等同于一个两发射天线单元和四接收天线单元的MIMO雷达虚拟天线。由于MIMO雷达虚拟天线可以大大减少实际天线单元数目使得毫米波雷达小型化同时能保持角度高分辨力。一般来说如果MIMO雷达收发天线阵元具有N_TX实际发射天线单元和N_RX实际接收天线单元，并采用合理的实际天线单元结构设计，等效虚拟天线接收单元数N_MIMO为：N_MIMO＝N_TX·N_RX。

MIMO雷达虚拟天线的实现条件是每个发射天线单元必须同时发射独立的正交波形，才有可能在雷达接收端实现虚拟接收天线阵提高角度分辨力。如果L发射天线单元发射以下编码雷达波形，如公式(3)：

{x₁(t),x₂(t),…,x_L(t)} (3)

那么公式(3)中的发射波形必须满足以下非同步正交条件：

当然，几乎所有的雷达波形都可以等效为相位调制波形，所以MIMO雷达的一般性波形产生电路如图12所示。

由此可见，MIMO雷达波形在时间域上要求有脉冲压缩功能(如类噪声信号或线性调频信号等)同时不同天线之间的空域不相关性。所以MIMO雷达波形设计可以归结为在时间-空间域上二维相位编码的问题，如图13所示。

如图14所示，为了提高雷达系统的总体角度分辨力，本实施例采用的系统技术是使用三个子天线阵安装在汽车前保险杠的不同部位，由于采用的MIMO雷达技术，三个子系统不需要在同一个平面上，距离也可以不同。图14中的子系统有单独的收发天线阵(天线阵元位置仅为示例，不代表真实天线阵元设计结果)。

在本实施例中，信号接收和处理方法如图2所示，由于使用三组正交波形，他们可以在接收时候通过匹配滤波器予以分开，并作加权合成处理形成总的数字形成波束，波束的宽度和天线总的口径(也就是图8中的D)成反比。对于一般的小型车辆，接收天线的等效口径可以增大到10到15倍，所以，如图15所示，处理后MIMO雷达天线的接收波束宽度可以减小到0.1-0.2°左右，与激光雷达角分辨力相近也能雷达成像要求。

图15中的数字波束形成可以由MIMO雷达网在某一个特定距离和特定多普勒频率上采样出的MIMO雷达虚拟天线多通道数据通过非线性DFT实现(如图16所示)。方位角度上的虚拟天线数目N等于雷达网中总发射阵元的数目乘以总接收天线阵元数目。

如图16所示，MIMO雷达虚拟天线数字波束形成提高角度分辨力效果可以在图16中反映出来，原来无法分辨的两个目标通过MIMO处理以后可以分辨出来，如果总的实际天线阵元数目愈多分辨力提高效果更显著。

因此，现有技术所实现的目标校准是比较基本的辅助雷达安装位置校准，是一次性的校准，并且需要参照物，本发明根据高分辨力成像效果校准的，无需参照物；现有技术所采用的是开环线性自回归方法，本发明采用多变量优化闭环自适应方法，精度高；现有技术在安装时一次性校准，本发明随时可以校准；现有技术估计校准精度大约在毫米量级，本发明估计精度到微米量级(准确度高100-1000倍)。另外，本发明包含两种校准方式，精确度更高。

由此可见，本发明通过由主雷达系统、子雷达系统、MIMO雷达网所组成的协作系统来实现自适应组网，并结合于多输入多输出虚拟天线的数字波束形成技术来实现毫米波雷达的角度超高分辨力以及目标直接成像的目的。

上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种基于毫米波雷达网实现超高角度分辨力的方法，其特征在于，包括以下步骤：

判断是否进入高角度分辨力工作模式，如是，通过至少两个子雷达系统向外发射波形相位同步信号；

通过发射天线阵元发送正交波形信号，以及通过接收天线阵元同时接收回波信号；

对雷达网系统数字波束形成的各个虚拟接收通道中的数据进行调频连续波信号处理，在每个接收通道输出匹配连接有滤波器；

至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿；

将上述处理后的数据通过FFT或非线性DFT处理后，通过构建的高分辨力的多输入多输出雷达网实现方位角上目标超分辨力处理。

2.根据权利要求1所述的方法，其特征在于：

在得到各个目标距离的角度高分辨力数据后，将所有的角度高分辨力数据组合在一起形成目标的距离-方位二维图像；

若要保持高角度分辨力模式，则继续执行高角度分辨力模式的工作步骤；若切换到正常的低角度分辨力模式，控制释放两个子雷达系统，各个雷达系统独立工作。

3.根据权利要求2所述的方法，其特征在于：

通过组合预设数量的雷达收发天线阵元，形成任意规模的多输入多输出雷达网，其中，雷达收发天线阵元的基本线性调频波形由主雷达系统输出到至少两个子雷达系统上。

4.根据权利要求2所述的方法，其特征在于，所述由主雷达系统进行多通道频率、相位及幅度补偿，包括：

由主雷达系统进行由于线路延时导致的多通道频率、相位和幅度补偿；

由主雷达系统进行由于多个雷达子系统相对随机位移产生的相位差而导致的相位补偿。

5.根据权利要求2所述的方法，其特征在于：

在接收回波信号时通过匹配滤波器予以分开，并作加权合成算法处理形成数字波束，其中，该数字波束的宽度和天线阵元的口径成反比。

6.根据权利要求2至5任一项所述的方法，其特征在于，所述通过发射天线阵元发送正交波形信号，包括：

在信道空间域上使用Hadamard正交波形编码，以保持每个发射天线使用线性调频编码信号，以及不同天线发射波形之间的正交性；

其中，设计码长为2k的2k正交编码波形，Hadamard正交波形编码表示为公式(9)：

然后，将获取到的Hadamard正交波形编码叠加到线性调频编码上，形成发射天线阵元所发送的正交波形信号。

7.根据权利要求2至5任一项所述的方法，其特征在于，所述对雷达网系统数字波束形成的各个虚拟通道中的数据进行调频连续波信号处理，包括：

利用FMCW雷达进行混频输出处理，假设最小可接收信噪比是(S/N)_MIN,最小可接收目标信号功率P_MIN为公式(5)：

P_MIN＝kT₀BF_n(S/N)_MIN (5)

其中，kT₀B＝白噪声功率，F_n＝系统噪声系数；

则毫米波雷达最大目标检测距离为公式(6)：

其中：PT＝雷达发射功率，G_T＝发射天线增益，G_R＝接收天线增益，σ＝目标雷达截面积，λ＝雷达发射信号波长，L_S＝系统处理损失。

8.根据权利要求4所述的方法，其特征在于，所述由主雷达系统进行由于线路延时导致的多通道频率、相位和幅度补偿，包括：

假设发射天线阵元数目是N，接收天线阵元数目是M，总共有N×M个虚拟接收通道数据；

假设在校准测试过程中使用的线性调频波形的调频斜率是K_C，每个接收通道经过A/D变换后的数据采样点数目为L_C，将所有接收通道的目标距离进行FFT变换后，第(i，j)通道最大幅度输出的数据系列号是p_ij(1≤p_ij≤L_CA)，同时这个最大幅度输出的复数值c_ij，得到频率校准矩阵P和相位及幅度校准矩阵C，表示为公式(14)和公式(15)：

选择(1，1)通道作为参考通道，根据公式(14)、(15)得到两个归一化矩阵，如公式(16)、(17)：

在雷达实际运行中，若使用的线性调频波形的调频斜率是K，每个接收通道经过A/D变换后的数据采样点数目是L，则第(i,j),(1≤i≤N,1≤j≤M)通道第l(1≤l≤L)组数据的补偿相位为公式(18)：

若第(i,j)通道的第l原始采样复数据是x_i,j(l)，经通道频率、相位及幅度补偿后的数据为公式(19)：

9.根据权利要求4所述的方法，其特征在于，所述由主雷达系统进行由于多个雷达子系统相对随机位移产生的相位差而导致的相位补偿，包括：

定义三个雷达子系统的坐标矢量为公式(20)：

当确定三个雷达子系统的三维位置坐标以及雷达收发天线阵元的位置后，选定一个固定距离和一个特定方向上的目标点作为数字波束形成聚焦点，该聚焦点的幅度定义为雷达位置坐标矢量的非线性函数

定义以下雷达板坐标估计代价函数，表示为公式(21)：

由公式(21)可得出，该代价函数的梯度矢量定义为公式(22)：

其中，优化中用到的海色矩阵定义如公式(23)：

若三个雷达子系统的位置发生随机变化后，根据多变量优化算法快速搜索到雷达子系统的真实三维坐标，并进行相应的相位补偿实现精准的数字波束形成。

10.一种基于毫米波雷达网实现超高角度分辨力的系统，其特征在于，该系统应用于如权利要求1至9任一项所述的一种基于毫米波雷达网实现超高角度分辨力的方法实现方位角上目标超分辨力处理，该系统包括：

主雷达系统以及至少两个子雷达系统，通过组合预设数量的雷达收发天线阵元，形成任意规模的多输入多输出雷达网，其中，雷达收发天线阵元的基本线性调频波形由主雷达系统输出到至少两个子雷达系统上；

通过至少两个子雷达系统向外发射波形相位同步信号，主雷达系统对雷达网系统数字波束形成过程中的各个虚拟接收通道中的数据进行调频连续波信号处理，至少两个子雷达系统将接收到的数据传输给主雷达系统，由主雷达系统进行多通道频率、相位及幅度补偿，并通过构建的高分辨力的多输入多输出雷达网实现方位角上目标超分辨力处理。

Images