CN115469286A - 基于毫米波汽车雷达最小冗余mimo阵列的超分辨测角方法 - Google Patents

Abstract

本发明提供一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，涉及雷达信号处理技术领域。本发明采用非均匀间隔最小冗余天线阵列，加入时分MIMO设计，在保证体积小的前提下，采用了增加雷达天线孔径和MUSIC超分辨测角算法相结合的设计思路，以达到提高毫米波汽车雷达测角性能的目的。同时，为减少运动目标速度对信号相位的影响，对目标信号做速度相位补偿处理，进一步提高了MUSIC超分辨测角算法的性能。

Description

基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法

技术领域

本发明涉及雷达信号处理技术领域，具体涉及一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法。

背景技术

常见的阵列雷达测角方法如美国亚德诺半导体公司(ADI)和德州仪器(TI)的测角方案都是基于三维FFT的数字波束合成方法，这种方法相对于空间超分辨算法虽然计算复杂度较低，但其测角精度受阵元数和FFT点数影响较大，且没有角度分辨能力。

从二十世纪七十年代末，以MUSIC算法为代表的，特征子空间类算法开始兴起。这类算法的共同点是对阵列接收的数据进行数学分解(如特征分解，奇异值分解或QR分解等)，将其划分为两个互相正交的子空间：一个是与阵列流型空间一致信号子空间；一个是与信号子空间正交的噪声子空间。子空间分解类算法就是利用两个子空间的正交特性构造出“针状”空间谱峰，从而提高算法的分辨力。正是因为MUSIC算法在一定条件下具有很高的分辨力、估计精度和稳定性，所以吸引了大量学者深入研究和分析。

然而，现有的毫米波汽车雷达测角性能较差，随着智能网联汽车的大力发展，毫米波汽车雷达的性能也亟待提高。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，改善了现有的汽车雷达角度分辨性能低的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明提供一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，包括：

S1、根据给定的毫米波汽车雷达系统参数，得到雷达发射信号模型和最小冗余天线阵列；

S2、将最小冗余天线阵列接收到的雷达回波信号与原始发射信号进行混频，得到差频信号；

S3、对差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，对每个阵元的二维复平面数组分别求模后进行非相参积累得到一个实平面数组，对所述实平面数组做CFAR检测，得到过门限的目标信号及其对应的距离维和速度维的通道索引号；目标信号用向量X_i表示，其中i＝1，2，3...N_t*N_r，根据索引号求得目标的距离和速度信息；

S4、对目标信号数据向量X_i按N_t*N_r个阵元顺序排列，利用天线校正系数作校正处理，得到向量X_p；根据目标速度对向量X_p进行速度相位补偿，得到向量X_input；

S5、对向量X_input进行MUSIC超分辨算法处理，得到目标的角度分辨信息。

优选的，所述雷达发射信号模型包括：

其中，f_c表示雷达工作中心频率；λ表示雷达载频波长；B表示雷达发射信号带宽；T表示雷达发射信号单个chrip周期；N表示雷达发射信号单帧chirp个数；f_s表示雷达回波信号的采样频率；c表示电磁波在空气中的传播速度；N_t表示雷达发射天线数；N_r表示接收天线数。

优选的，所述S2具体包括：

根据雷达发射信号模型，得到雷达回波信号模型：

将雷达回波信号与原始发射信号进行混频，经高通滤波后，得到差频信号，第i个周期的差频信号的表达式为s_if(t,i)，写为：

其中，K为信号增益，与接收天线增益、距离、RCS等有关；τ为信号时延，

R₀为探测目标距离；v为探测目标速度；μ为B/T，表示调频斜率；

为初始相位。

优选的，所述S3具体包括：

对步骤S2中得到的差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，分别求模后进行非相参积累得到一个实平面数组，对其做CFAR检测，将其中过门限的信号作为目标信号；目标信号对应的快速度维和慢速度维的通道索引号分别用Index_R和Index_V表示，在相应距离速度单元上最小冗余天线阵列的目标信号数据用向量X_i表示，其中i＝1，2，3...N_t*N_r；根据索引号求得目标的距离和速度信息。

优选的，其特征在于，所述天线校正系数的获取方式包括：

将测试角反放置于汽车雷达天线法线方向且满足远场条件的位置，采集回波数据，校正测得的测试角反角度为0度，得到N_t*N_r个通道的合成校正系数p，其中，

优选的，根据目标速度对向量X_p进行速度相位补偿包括：对向量X_p做如下处理，得到向量X_input：

其中，因目标速度v远小于光速c，所以

趋近于0。

优选的，所述S5具体包括：

S501、将阵元域向量X_input转换为波束域信号X，其共轭转置表示为X^H，得到协方差矩阵的最大似然估计

S502、对

进行特征分解，其中U为特征矢量矩阵，∑是由特征值组成的对角矩阵，进一步分解得到信号子空间特征矢量矩阵

和噪声子空间特征矢量矩阵

及由特征值组成的对角矩阵∑_S和∑_N；

S503、根据分解后的结果估计信源个数，其中对角矩阵∑_S中特征值个数即为信源个数；

S504、理想条件下信号子空间与噪声子空间是相互正交的，即信号子空间的导向矢量a(θ)与噪声子空间

正交，但因噪声存在，a(θ)与

不能完全正交，所以求角度估计是以最小优化搜索实现的，即：

其中，信号子空间的导向矢量a(θ)由最小冗余阵列的排列确定，表示为：

其中，Arr表示最小冗余阵列的排列顺序，

得到MUSIC算法的谱估计公式；

S505、在波达方向范围内对步骤S504中得到的谱估计公式P_MUSIC进行谱峰搜索，找到谱峰位置，谱峰位置对应的角度即为需要估计的目标角度。

(三)有益效果

本发明提供了一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法。与现有技术相比，具备以下有益效果：

本发明采用非均匀间隔最小冗余天线阵列，加入时分MIMO设计，在保证体积小的前提下，采用了增加雷达天线孔径和MUSIC超分辨测角算法相结合的设计思路，以达到提高毫米波汽车雷达测角性能的目的。同时，为减少运动目标速度对信号相位的影响，对目标信号做速度相位补偿处理，进一步提高了MUSIC超分辨测角算法的性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法的框图；

图2为发明实施例的流程图；

图3为本发明实施例所设计的一种最小冗余MIMO阵列示意图；

图4为本发明实施案例中最小冗余MIMO阵列波束方向图；

图5为本发明实施案例中二维FFT处理结果；

图6为本发明实施案例中MUSIC算法角度分辨结果；

图7为本发明实施案例中最小冗余阵列与均匀阵列角度分辨率比较结果。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例通过提供一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，解决了现有汽车雷达角度分辨性能低的技术问题，实现提高了汽车雷达测角的精度和分辨能力。

本申请实施例中的技术方案为解决上述技术问题，总体思路如下：

在雷达系统中天线模块是其中极为复杂和昂贵的部分，而且会严重影响雷达系统的效率，所以需要不断完善和升级天线模块。阵列天线作为其中一员，已经在雷达系统中得到了较为广泛的应用。上世纪四十年代至今，对均匀间隔天线阵列的研究已经非常深入。均匀天线阵列阵元间距必须满足不大于半波长，才能保证可视区域内只存在一个主瓣，不出现栅瓣。这个原因导致了其不可避免的缺点。当发射波长较小时，阵元间距也要求很小，从而导致出现阵元间的互耦问题。当要求天线阵列的分辨率较高时，其孔径需要很大，若采用均匀阵列，则需要数量较大的天线阵列，这不仅会增加成本还会导致雷达天线体积过大。本发明实施例提供一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，在保证体积小的前提下，采用了增加雷达孔径和超分辨测角算法两种方法相结合的设计思路，以达到提高汽车雷达测角性能的目的。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

为方便介绍本发明的详细内容，首先对本发明所涉及的术语作以下定义：

定义1：MIMO阵列

MIMO是Multiple Input Multiple Output的缩写，是指多输入多输出雷达阵列，即指雷达阵列的多个接收天线和多个发射天线。

定义2：CFAR检测

CFAR检测为恒虚警检测处理算法的缩写。该算法可以有效筛选出目标信号，大大降低计算量。

定义3：FFT处理

FFT处理即快速傅里叶变换。

定义4：最小冗余阵

最小冗余阵属于稀布阵中的一种，它能以最小的冗余度实现最大的阵列孔径，提高了角度分辨率，改善了阵元间的互耦问题，减轻了信号处理的负担，还降低了系统复杂度和制造成本。冗余度是通过考察阵列中任意两个阵元接收信号的相关延迟的重复程度来定义阵列的一种方法。相关延迟重复越多，那么阵列的冗余度就越高，阵列的孔径利用率降低，分辨率就会变差。

阵列冗余度可以定义为：

阵列冗余度的数值越小，阵列的冗余越小。

均匀阵和最小冗余阵的冗余度对比

可见相同阵元数的情况下，均匀阵的冗余度比最小冗余阵的冗余度大的多。

本发明实施例提供一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，如图1所示，包括：

S1、根据给定的毫米波汽车雷达系统参数，得到雷达发射信号模型和最小冗余天线阵列；

S2、将最小冗余天线阵列接收到的雷达回波信号与原始发射信号进行混频，得到差频信号；

S3、对差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，对每个阵元的二维复平面数组分别求模后进行非相参积累得到一个实平面数组，对所述实平面数组做CFAR检测，得到过门限的目标信号及其对应的距离维和速度维的通道索引号；目标信号用向量X_i表示，其中i＝1，2，3...N_t*N_r，根据索引号求得目标的距离和速度信息；

S4、对目标信号数据向量X_i按N_t*N_r个阵元顺序排列，利用天线校正系数作校正处理，得到向量X_p；根据目标速度对向量X_p进行速度相位补偿，得到向量X_input；

S5、对向量X_input进行MUSIC超分辨算法处理，得到目标的角度分辨信息。

本发明实施例采用非均匀间隔最小冗余天线阵列，加入时分MIMO设计，在保证体积小的前提下，采用了增加雷达天线孔径和MUSIC超分辨测角算法相结合的设计思路，以达到提高毫米波汽车雷达测角性能的目的。同时，为减少运动目标速度对信号相位的影响，对目标信号做速度相位补偿处理，进一步提高了MUSIC超分辨测角算法的性能。

下面对各个步骤进行详细描述，其具体流程如图2所示：

在步骤S1中，根据给定的毫米波汽车雷达系统参数，得到雷达发射信号模型和最小冗余天线阵列。具体实施过程如下：

毫米波汽车雷达系统参数包括：

雷达工作中心频率，用f_c表示；雷达载频波长，用λ表示；雷达发射信号带宽，用B表示；雷达发射信号单个chrip周期，用T表示；λ为B/T，表示调频斜率；

为初始相位；雷达发射信号单帧chirp个数，用N表示；雷达回波信号的采样频率，用f_s表示；电磁波在空气中的传播速度，用c表示；雷达发射天线数，用N_t表示；接收天线数，用N_r表示；t为时间，表示当前时刻。根据上述参数得到第i个chirp周期对应的雷达发射信号模型为：

根据所需的阵列孔径大小和天线阵元个数，通过计算机利用穷尽枚举法求得最小冗余阵的排列形式。先设定阵列的孔径长度Ma，然后在固定孔径下搜索可能存在的排列，记录下满足最小冗余阵定义的排列形式，如果没有搜索到符合条件的阵列，修改Ma的值重新进行搜索。对于搜索到的符合条件的阵列计算其阵列的冗余度，选取冗余度最小的阵列排列即为所求，该阵列的排列顺序用Arr表示。

以具体阵列孔径大小和天线阵元个数为例：

根据所需的阵列孔径大小20和天线阵元个数8，通过计算机利用穷尽枚举法求得最小冗余阵的排列形式。针对本发明实施例，先设定阵列的孔径长度Ma＝20，然后在固定孔径下搜索可能存在的排列，记录下满足最小冗余阵定义的排列形式，如果没有搜索到符合条件的阵列，修改孔径长度的值重新进行搜索。对于搜索到的符合条件的阵列计算其阵列的冗余度，选取冗余度最小的阵列排列即为所求。

以四阵元线阵为例，阵列

任意两个阵元的距离为{2，3，6，1，4，3}，去掉重复的元素得到集合{1，2，3，4，6}。而4元最小冗余阵为

任意两个阵元间的距离为{1，2，3，4，5，6}。此种排列的阵元间距中多了5，共有六个互异的距离元素，所以它是最小冗余阵。

根据上述方法，得到本案例设计的最小冗余MIMO阵列的四个接收天线为1，3，7，10。虚拟后的8阵元天线阵列Arr为1，3，7，10，11，13，17，20，得到8个阵元对应的差频信号，该最小冗余MIMO阵列如图3所示，其波束方向图如图4所示。

在步骤S2中，将最小冗余天线阵列接收到的雷达回波信号与原始发射信号进行混频，得到差频信号。具体实施过程如下：

根据雷达发射信号模型，可以得到雷达回波信号模型：

其中，K为信号增益，与接收天线增益、距离、RCS等有关；τ为信号时延，

R₀为探测目标距离；v为探测目标速度；μ为B/T，表示调频斜率；

为初始相位。

毫米波汽车雷达系统中N_t个发射天线，N_r个接收天线，N_t个发射天线分时发射相同的线性调频连续波信号，总发射周期为N_t*T。经虚拟后，可等效为N_t*N_r个接收天线阵列，由此得到N_t*N_r个阵元差频信号。

将雷达回波信号与原始发射信号进行混频，经高通滤波后，得到差频信号。第i个周期的差频信号的表达式为s_if(t,i)，可以写为：

在步骤S3中，对差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，对每个阵元的二维复平面数组分别求模后进行非相参积累得到一个实平面数组，对所述实平面数组做CFAR检测，得到过门限的目标信号及其对应的距离维和速度维的通道索引号；目标信号用向量X_i表示，其中i＝1，2，3...N_t*N_r，根据索引号求得目标的距离和速度信息。具体实施过程如下：

对步骤S2中得到的差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，对每个阵元的二维复平面数组分别求模后进行非相参积累得到一个实平面数组，对其做CFAR检测，将其中过门限的信号作为目标信号。目标信号对应的距离维(快速度维)和速度维(慢速度维)的通道索引号分别用Index_R和Index_V表示，在相应距离速度单元上最小冗余天线阵列的目标信号数据用向量X_i表示，其中i＝1，2，3...N_t*N_r。根据索引号即可求得目标的距离和速度信息，若想得到更精确的距离速度可以分别作插值处理。

在本发明实施例中，得到8个阵元的二维复平面数组，分别求模后，对8个阵元做非相参积累处理，得到一个实平面数组，对其做CFAR检测，将其中过门限的信号作为目标信号。目标信号对应的距离维和速度维的通道索引号分别用Index_R＝155和Index_V＝83表示，在相应距离速度单元上最小冗余天线阵列的接收信号数据用向量X_i表示，其中i＝1，2，3…8。根据索引号即可求得目标的距离和速度信息，若想得到更精确的距离速度可以作插值处理。

在步骤S4中，对N_t*N_r个阵元分别得到的目标信号数据向量X_i按阵元顺序排列；利用天线校正系数作校正处理，得到向量X_p；根据目标速度对向量X_p进行速度相位补偿，得到向量X_input。具体实施过程如下：

对N_t*N_r个阵元分别得到的目标信号数据向量X_i按阵元顺序排列，利用测得的天线校正系数作校正处理，得到向量X_p，根据步骤S3中得到的目标速度对根据目标速度对向量X_p进行速度相位补偿，得到向量X_input，作为MUSIC超分辨算法的输入信号。

由于目标速度v远小于光速c，所以

趋近于0。

其中，天线校正系数的获取过程如下：

测试汽车雷达发射和接收天线的合成校正系数p，将测试角反放置于汽车雷达天线法线方向且满足远场条件的位置，采集回波数据，校正测得的测试角反角度为0度，从而得到N_t*N_r个通道的合成校正系数p。并通过采集到的回波数据，验证各个通道的接收信号相位稳定性是否满足信号处理需求。其中，

在步骤S5中，对向量X_input进行MUSIC超分辨算法处理，从而得到目标的角度分辨信息。具体实施过程如下：

S501、由阵元域向量X_input转换为波束域信号X，其共轭转置表示为X^H。得到协方差矩阵的最大似然估计

S502、对

进行特征分解，其中U为特征矢量矩阵，∑是由特征值组成的对角矩阵。进一步分解可以得到信号子空间特征矢量矩阵

和噪声子空间特征矢量矩阵

及由特征值组成的对角矩阵∑_S和∑_N。

S503、估计信源个数：其中对角矩阵∑_S中特征值个数即为信源个数；

S504、已知理想条件下信号子空间与噪声子空间是相互正交的，即信号子空间的导向矢量a(θ)与噪声子空间

正交。但由于噪声存在，所以a(θ)与

不能完全正交。所以求角度估计是以最小优化搜索实现的。即：

其中，信号子空间的导向矢量a(θ)由最小冗余阵列的排列确定，可以表示为：

其中，Arr表示最小冗余阵列的排列顺序，

从而得到MUSIC算法的谱估计公式；

S505、在波达方向范围内对步骤S504中得到的谱估计公式P_MUSIC进行谱峰搜索，找到谱峰位置。谱峰位置对应的角度即为需要估计的目标角度。

至此，已经完成了目标的距离、速度和角度信息的估计。

在具体实施过程中，通过以上操作估计出，两个目标的速度距离和角度信息分别为：(60.06m，1.978m/s，0°)和(60.06m，1.978m/s，3°)，如图5和图6所示。图5中两个谱峰对应的角度值即为角度分辨得到的两个目标角度值。

为了验证本发明实施例的有效性，将本发明实施例所设计的毫米波汽车雷达最小冗余MIMO阵列与8阵元均匀阵的角度分辨能力进行比较。设置雷达回波中目标信号信噪比为-15dB，从-20到20度，每隔2度选取一个角度值做比较。记录两种阵列可分辨的最小角度。在雷达回波信号中所加噪声为高斯白噪声，两种阵列的角度估计均采用MUSIC算法。能够分辨出的角度差越小的天线阵列的分辨率越高。比较结果如图7所示。

综上所述，与现有技术相比，具备以下有益效果：

本发明实施例采用非均匀间隔最小冗余天线阵列，加入时分MIMO设计，在保证体积小的前提下，采用了增加雷达天线孔径和MUSIC超分辨测角算法相结合的设计思路，以达到提高毫米波汽车雷达测角性能的目的。同时，为减少运动目标速度对信号相位的影响，对目标信号做速度相位补偿处理，进一步提高了MUSIC超分辨测角算法的性能。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，包括：

S1、根据给定的毫米波汽车雷达系统参数，得到雷达发射信号模型和最小冗余天线阵列；

S2、将最小冗余天线阵列接收到的雷达回波信号与原始发射信号进行混频，得到差频信号；

S3、对差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，对每个阵元的二维复平面数组分别求模后进行非相参积累得到一个实平面数组，对所述实平面数组做CFAR检测，得到过门限的目标信号及其对应的距离维和速度维的通道索引号；目标信号用向量X_i表示，其中i＝1，2，3...N_t*N_r，根据索引号求得目标的距离和速度信息；

S4、对目标信号数据向量X_i按N_t*N_r个阵元顺序排列，利用天线校正系数作校正处理，得到向量X_p；根据目标速度对向量X_p进行速度相位补偿，得到向量X_input；

S5、对向量X_input进行MUSIC超分辨算法处理，得到目标的角度分辨信息。

2.如权利要求1所述的基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，所述雷达发射信号模型包括：

其中，f_c表示雷达工作中心频率；λ表示雷达载频波长；B表示雷达发射信号带宽；T表示雷达发射信号单个chrip周期；N表示雷达发射信号单帧chirp个数；f_s表示雷达回波信号的采样频率；c表示电磁波在空气中的传播速度；N_t表示雷达发射天线数；N_r表示接收天线数。

3.如权利要求2所述的基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，所述S2具体包括：

根据雷达发射信号模型，得到雷达回波信号模型：

将雷达回波信号与原始发射信号进行混频，经高通滤波后，得到差频信号，第i个周期的差频信号的表达式为s_if(t,i)，写为：

其中，K为信号增益，与接收天线增益、距离、RCS等有关；τ为信号时延，

R₀为探测目标距离；v为探测目标速度；μ为B/T，表示调频斜率；

为初始相位。

4.如权利要求1所述的基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，所述S3具体包括：

对步骤S2中得到的差频信号在快时间维和慢时间维分别进行FFT处理，得到N_t*N_r个阵元的二维复平面数组，分别求模后进行非相参积累得到一个实平面数组，对其做CFAR检测，将其中过门限的信号作为目标信号；目标信号对应的快速度维和慢速度维的通道索引号分别用Index_R和Index_V表示，在相应距离速度单元上最小冗余天线阵列的目标信号数据用向量X_i表示，其中i＝1，2，3...N_t*N_r；根据索引号求得目标的距离和速度信息。

5.如权利要求1～4任一所述的基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，所述天线校正系数的获取方式包括：

将测试角反放置于汽车雷达天线法线方向且满足远场条件的位置，采集回波数据，校正测得的测试角反角度为0度，得到N_t*N_r个通道的合成校正系数p，其中，

6.如权利要求1～4任一所述的基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，根据目标速度对向量X_p进行速度相位补偿包括：对向量X_p做如下处理，得到向量X_input：

其中，因目标速度v远小于光速c，所以

趋近于0。

7.如权利要求1～4任一所述的基于毫米波汽车雷达最小冗余MIMO阵列的超分辨测角方法，其特征在于，所述S5具体包括：

S501、将阵元域向量X_input转换为波束域信号X，其共轭转置表示为X^H，得到协方差矩阵的最大似然估计

S502、对

进行特征分解，其中U为特征矢量矩阵，∑是由特征值组成的对角矩阵，进一步分解得到信号子空间特征矢量矩阵

和噪声子空间特征矢量矩阵

及由特征值组成的对角矩阵∑_S和∑_N；

S503、根据分解后的结果估计信源个数，其中对角矩阵∑_S中特征值个数即为信源个数；

S504、理想条件下信号子空间与噪声子空间是相互正交的，即信号子空间的导向矢量a(θ)与噪声子空间

正交，但因噪声存在，a(θ)与

不能完全正交，所以求角度估计是以最小优化搜索实现的，即：

其中，信号子空间的导向矢量a(θ)由最小冗余阵列的排列确定，表示为：

其中，Arr表示最小冗余阵列的排列顺序，

得到MUSIC算法的谱估计公式；

S505、在波达方向范围内对步骤S504中得到的谱估计公式P_MUSIC进行谱峰搜索，找到谱峰位置，谱峰位置对应的角度即为需要估计的目标角度。

Images