CN115698750A - 高分辨率和计算效率高的雷达技术 - Google Patents

高分辨率和计算效率高的雷达技术 Download PDF

Info

Publication number
CN115698750A
CN115698750A CN202180037631.9A CN202180037631A CN115698750A CN 115698750 A CN115698750 A CN 115698750A CN 202180037631 A CN202180037631 A CN 202180037631A CN 115698750 A CN115698750 A CN 115698750A
Authority
CN
China
Prior art keywords
eigenvectors
eigenvector
signal
candidate
generating
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.)
Pending
Application number
CN202180037631.9A
Other languages
English (en)
Inventor
V.斯洛博德扬宇克
R.里米尼
U.费尔南多
N.J.迈尔斯
V.瓦拉达拉扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN115698750A publication Critical patent/CN115698750A/zh
Pending legal-status Critical Current

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
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • 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
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
    • G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
    • G01S13/343—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal using sawtooth modulation
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/288—Coherent receivers
    • G01S7/2883—Coherent receivers using FFT processing
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/356—Receivers involving particularities of FFT processing
    • 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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01Q—ANTENNAS, i.e. RADIO AERIALS
    • H01Q3/00—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system
    • H01Q3/26—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture
    • H01Q3/30—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture varying the relative phase between the radiating elements of an array
    • H01Q3/34—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture varying the relative phase between the radiating elements of an array by electrical means
    • H01Q3/42—Arrangements for changing or varying the orientation or the shape of the directional pattern of the waves radiated from an antenna or antenna system varying the relative phase or relative amplitude of energisation between two or more active radiating elements; varying the distribution of energy across a radiating aperture varying the relative phase between the radiating elements of an array by electrical means using frequency-mixing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computing Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了用于基于雷达信号的本征空间分析来确定至少一个目标的一个或多个属性的方法、系统、计算机可读介质和装置。在一些实施例中，基于主分量分析来识别用于形成信号或噪声子空间的本征向量的子集。在一些实施例中，基于使用离散傅立叶变换(DFT)或其他频谱分析技术估计目标的总数来识别本征向量的子集。在一些实施例中，DFT被用于识别要在其中执行本征空间分析的感兴趣的区域。在一些实施例中，DFT被用于估计目标的一个属性，并且执行本征空间分析以估计目标的不同属性，结果被组合以生成视场的多维表示。

Description

高分辨率和计算效率高的雷达技术
技术领域
本公开的方面涉及用于通过在从接收到的雷达信号生成的本征空间(eigenspace)中执行对接收到的雷达信号的分析来检测雷达目标的属性(例如，范围、方位角、仰角、速度等)的技术。
背景技术
一种雷达检测方法包括使用离散傅立叶变换(DFT)来识别雷达目标的属性。另一种计算效率低得多的方法使用一种称为MUSIC(多发射器位置和信号参数估计)的技术。MUSIC算法对本征空间执行分析，本征空间包括表示接收到的雷达信号的信号子空间和表示高斯白噪声的噪声子空间。通过从接收到的雷达信号生成的协方差矩阵中提取本征值(eigenvalue)和对应的本征向量(eigenvector)来构造本征空间。MUSIC的计算效率较低，因为本征空间可能相当大，这取决于天线元件的数量以及所确定的参数或属性的数量。由于计算量大，MUSIC(以及一般基于本征空间的方法)不适合诸如汽车雷达的实时应用。
附加地，大多数雷达方法不适合探测附近的对象(例如，目标距离等于或小于发送信号的波长)。例如，在调频连续波(FMCW)雷达系统中，发送天线元件与接收天线元件之间的能量耦合会使得使用传统的基于DFT的数字处理难以区分从目标接收的信号的能量。
在汽车设置中，超声波传感器是雷达探测目标的一种替代。超声波传感器有其自身的缺点。例如，在汽车中安装超声波传感器通常需要在汽车的保险杠上钻孔，损害了结构完整性和美观性。附加地，超声波传感器中的压电谐振器对温度变化很敏感，需要补偿电路和耗时的校准。对于检测具有小表面积的对象(例如，窄杆)或具有倾斜的平坦表面的对象，超声波传感器也远不如雷达精确，使得声波被偏转远离传感器。
发明内容
描述了提供用于基于本征空间分析来检测雷达目标的属性的技术的某些实施例。在一些实施例中，本征空间技术(例如，使用MUSIC)与使用DFT或其他频谱分析技术执行的处理相结合，使得与单独使用本征空间技术相比，可以更有效地执行处理。某些实施例还旨在通过执行预处理来识别本征空间的相关部分或感兴趣的区域，并从考虑中消除不相关的部分或区域，从而提高本征空间分析的准确性和效率。
在某些实施例中，雷达装置包括信号发生器、多个天线和一个或多个处理器。信号发生器被配置为生成雷达信号用于发送。多个天线被配置为在雷达信号被反射回来(例如，从目标)之后接收反射的雷达信号。多个天线中的每个天线响应于反射的雷达信号而生成相应的接收信号。一个或多个处理器被配置为生成信号阵列作为所接收信号的数字表示，并使用信号阵列来计算协方差矩阵。一个或多个处理器还被配置为使用主分量分析来确定协方差矩阵的一个或多个本征向量，并且基于该一个或多个本征向量来确定至少一个目标的一个或多个属性。一个或多个本征向量包括协方差矩阵的所有本征向量的子集。
在某些实施例中，雷达装置的一个或多个处理器被配置为对接收信号进行频谱分析，以生成视场中目标的总数的初始估计，生成信号阵列作为接收信号的数字表示，并使用该信号阵列计算协方差矩阵，以及使用信号阵列计算协方差矩阵。一个或多个处理器还被配置为确定协方差矩阵的本征向量以及对应于本征向量的本征值，并且使用本征值和初始估计来生成目标的总数的最终估计。
在某些实施例中，雷达装置的一个或多个处理器被配置为对接收信号执行频谱分析以识别包含潜在目标的感兴趣的区域，生成信号阵列作为接收信号的数字表示，并且使用信号阵列来计算协方差矩阵。一个或多个处理器还被配置为确定协方差矩阵的本征向量以及对应于本征向量的本征值，使用协方差矩阵的本征向量的子集形成子空间，以及生成包括表示多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列。在生成导引阵列之后，一个或多个处理器通过将来自导引阵列的向量的子集投影到子空间来生成投影的集合，然后基于该投影的集合生成伪频谱。向量的子集对应于感兴趣的区域。
在某些实施例中，雷达装置的一个或多个处理器被配置为对接收到的信号应用离散傅立叶变换(DFT)以在范围域(range domain)中生成仓(bin)的集合，将来自该仓的集合中的第一仓识别为对应于一个或多个目标，生成第一信号阵列作为接收信号的对应于第一仓的部分的数字表示，以及使用第一信号阵列来计算第一协方差矩阵。一个或多个处理器还被配置为确定第一协方差矩阵的本征向量以及对应于第一协方差矩阵的本征向量的本征值，使用第一协方差矩阵的本征向量的子集形成第一子空间，生成包括表示多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列，以及通过将来自导引阵列的向量投影到第一子空间上来生成投影的第一集合。附加地，一个或多个处理器被配置为基于投影的第一集合来生成第一伪频谱，并基于第一伪频谱来确定第一目标的到达方向。
附图说明
通过示例的方式说明了本公开的各个方面。在附图中，相似的附图标记表示相似的元素。
图1示出了其中可以实现本公开的某些实施例的雷达系统的简化图。
图2示出了在存在发送器到接收器泄漏的情况下从接收到的雷达信号重建的复合正弦信号的示例。
图3A示出了当存在发送器到接收器泄漏并且目标足够远以使目标能够被分辨时使用DFT生成的范围频谱的示例。
图3B示出了当存在发送器到接收器泄漏并且目标太近以使目标能够被分辨时使用DFT生成的范围频谱的示例。
图4示出了在本征空间中执行以生成可用于检测目标的伪频谱的处理的示例。
图5示出了通过将变化频率的频调投影到信号子空间上而生成的伪频谱的曲线图。
图6示出了从最大到最小排序的本征值的集合。
图7示出了线性尺度上的本征值分布。
图8以对数示出图7的本征值分布。
图9示出了在存在发送器到接收器泄漏的情况下使用MUSIC生成的伪频谱的示例。
图10示出了根据某些实施例的用于估计与信号子空间相关联的本征向量的示例过程。
图11示出了MUSIC对估计到达角的问题的适用性。
图12示出了根据某些实施例的用于基于估计目标的总数来改进本征空间分析的精确度的过程。
图13示出了根据某些实施例的用于基于识别感兴趣的区域来简化本征空间分析的过程。
图14示出了根据某些实施例的用于基于使用DFT识别单个距离仓(range bin)来简化本征空间分析的过程。
图15是可以结合本公开的实施例的示例电子设备的框图。
图16是示出根据某些实施例的确定目标的一个或多个属性的方法的流程图。
图17是示出根据某些实施例的估计视场中目标的总数的方法的流程图。
图18是示出根据某些实施例的基于识别感兴趣的区域来生成伪频谱的方法的流程图。
图19A和图19B是示出根据某些实施例的确定目标到达方向的方法的流程图。
具体实施方式
现在将结合附图描述几个说明性实施例，附图形成本文的一部分。尽管下面描述了其中可以实现本公开的一个或多个方面的特定实施例，但是在不脱离所附权利要求的范围的情况下，可以使用其他实施例并且可以进行各种修改。
图1示出了其中可以实现本公开的某些实施例的示例雷达系统100。本文描述的雷达技术可以用于检测任意数量场景中的目标，包括陆基、飞行和水上目标。一般地，目标可以是任何物理对象，例如人、交通标志、车辆等等。因此，本文描述的雷达技术具有很多实际应用。如从下面的讨论将变得明显的，与传统的雷达系统相比，本文描述的实施例提供了显著的性能改进，特别是在目标定位得足够近以引起发送器到接收器泄漏的情况下，或者当有多个目标彼此靠近时。
在某些实施例中，实现本文描述的一种或多种雷达技术的雷达系统(例如，雷达系统100)是机动车辆内的组件，并且用于检测与向机动车辆的操作者提供辅助(例如，向人类驾驶员或基于自主计算机的代理提供停车辅助)相关的目标。例如，雷达系统100的天线可以安装在车辆上，使得雷达信号从面向车辆的一个或多个侧面(例如，前部和/或后部)的天线发送和接收。在汽车设置中，雷达系统100可以用于检测行驶时经常遇到的静止或移动目标，诸如电线杆、交通标志、街道路缘、行人、墙壁、支撑柱或梁等。因此，雷达系统100可以耦合或结合到车辆控制器(例如，电子控制单元或传感器控制器)，使得关于雷达系统100检测到的目标的信息(例如，位置、速度、距离、方向)从雷达系统100传送到车辆控制器，以允许车辆控制器基于传送的信息启动关于车辆操作的一些动作(例如，控制转向、加速或制动，或者显示示出车辆环境中的目标的地图)。例如，车辆控制器可以使用来自雷达系统100的信息来基于诸如避免碰撞的安全考虑来确定从车辆的当前位置到另一位置(例如，停车位)的路径。作为另一示例，车辆控制器可以使用来自雷达系统100的信息来在车辆行驶时主动监视车辆环境中的目标，以便确定车辆操纵(例如，车道改变、速度改变、转弯等)对于避免即将发生的碰撞或降低潜在碰撞的可能性是否是必要的，或者确定车辆操作者请求的车辆操纵(例如，手动转向或制动输入)是否可以安全地执行。
在一些实施例中，实现本文描述的一种或多种雷达技术的雷达系统可以是移动或手持计算设备(例如，智能手机或可穿戴耳机)的组件。例如，在某些实施例中，雷达系统100可以用于向在智能手机的处理器上执行的增强现实应用传达关于目标的信息。然后，增强现实应用可以基于关于目标的信息生成增强现实呈现(例如，通过将虚拟对象放置到相对于目标位置的位置的增强现实场景中，并更新虚拟对象的位置，使得虚拟对象跟踪目标的运动)。作为另一示例，雷达系统100可以集成到可穿戴耳机中或耦合到可穿戴耳机，使得在耳机的处理器上执行的应用使用关于目标的信息来帮助耳机的用户在佩戴耳机的同时导航他们的本地环境。
雷达系统100是包括压控振荡器(VCO)110的FMCW雷达系统。VCO110是信号发生器101的组件，其生成频率随时间变化的调频正弦信号105。VCO 110不限于任何特定类型的VCO，并且可以例如使用晶体振荡器、电感-电容器电路或其他VCO设计来实现。调频正弦信号105与由信号发生器101生成的基信号103组合。具体地，混频器120将基信号103与正弦信号105相乘以生成信号105的频移版本，用于经由发送(Tx)天线112发送。VCO110仅仅是实现信号发生器的一种方式的示例，信号发生器被配置为生成用于由发送天线发送的雷达信号。例如，VCO 110可以用诸如频率合成器的数字控制振荡器(DCO)代替，该数字控制振荡器被配置为生成其频率取决于由信号发生器101产生的数字控制信号的信号。作为另一示例，在某些实施例中，实现本文描述的一种或多种雷达技术的雷达系统可以是脉冲雷达系统，其中雷达信号作为脉冲而不是连续波来发送。因此，信号发生器101可以使用被配置为生成脉冲信号(例如，作为基信号103的啁啾脉冲序列)的脉冲发生器来实现，其中脉冲信号与被配置为输出具有固定频率的信号以形成用于传输的雷达信号的本地振荡器(LO)产生的信号混合。
发送天线112可以被配置为以全向方式发送信号105的频移版本，即，发送天线112可以是全向天线。附加地，在一些实施例中，发送天线112可以使用波束成形来操作，以在信号已经被频移之后通过对信号105进行相移来发送定向波束。因此，在一些实施例中，发送天线112的输入可以由耦合到混频器120的输出的移相器来提供。
来自发送天线112的信号从对应于雷达目标的对象109反射并在接收(Rx)天线114处被收集。像发送天线114一样，接收天线114可以是全向的，但不必是全向的。在接收天线114处接收到的信号基本上是从发送天线112发送的信号的延迟和较弱版本，并且与由VCO110生成的调频正弦信号105混合，以对接收到的雷达信号进行解调并生成信号127。解调通常使用模拟拍频操作(描绘为混频器122)在模拟域中执行，该模拟拍频操作将信号127生成为连续波正弦曲线，其频率与发送和接收之间的时间延迟成比例，并且因此与对象109的距离成比例。
尽管在图1中仅示出了一个发送天线112和一个接收天线114，但是雷达系统100可以包括被配置为发送雷达信号的多个发送天线(例如，发送天线阵列)和被配置为在雷达信号被反射回来之后接收反射的雷达信号的多个接收天线(例如，接收天线阵列)。具体地，接收天线阵列中的每个天线可以被配置为接收对应于已经由发送天线阵列发送并且反射回来(例如，离开环境中的目标)的雷达信号的反射的雷达信号。发送天线阵列可以与接收天线阵列分离。可替代地，在一些实现中，雷达系统100的天线阵列包括在作为发送天线操作与作为接收天线操作之间切换的一个或多个天线。当雷达系统100使用发送天线阵列或接收天线阵列实现时，阵列的天线元件通常等距地间隔开。例如，天线阵列可以形成为一维天线阵列，其中天线沿着一条线排列，其中相邻天线间隔相同的距离。天线阵列也可以是二维阵列(例如，具有多行接收天线的接收天线阵列)。
发送天线元件的数量不必与接收天线元件的数量相同。例如，在一个实施例中，单个发送天线112用于以全向方式发送信号105的频移版本(如上所述)，并且多个接收天线114被配置为接收反射的雷达信号(例如，由单个发送天线112发送的信号在从目标反射回来之后从不同方向到达的反射)。作为另一示例，在另一实施例中，多个发送天线用于发送相移信号，这些信号通过相长干涉或相消干涉组合以形成沿期望方向(例如，与发送天线阵列成90度)发送的波束。类似地，波束成形可以通过对反射的雷达信号进行相移来应用于接收天线阵列中的天线。
由于在发送天线112和接收天线114之间存在一个或多个耦合或泄漏路径117，信号127是表示从对象109接收到的信号的能量以及耦合的能量的复合信号。这是因为泄漏能量与从对象109接收的信号一起由混频器122处理。尽管图1将耦合路径描绘为在空中，但发送器到接收器的相互耦合也可以沿着电路路径发生，例如，通过其上安装有发送和接收天线的电路基板。耦合强度取决于发送天线和接收天线之间的距离。如果发送天线112和接收天线114彼此足够接近，则泄漏能量可能遮蔽来自对象109的反射。
图2示出了在存在发送器到接收器泄漏的情况下从接收到的雷达信号重建的复合正弦信号的示例。复合正弦曲线信号对应于图1中的信号127，并且包括对应于从目标接收到的信号的第一正弦曲线210和对应于发送器到接收器泄漏的第二正弦曲线220。如图2所示，正弦曲线210具有比正弦曲线220低得多的振幅。因此，泄漏能量压倒了来自目标的能量，使得即使不是不可能，也很难检测到目标。当目标位于附近时(例如在近似等于或小于发送信号波长的距离处)可以发生图2中表示的场景，使得目标在发送天线的近场内。
返回图1，信号127由信号处理子系统130内的模数转换器(ADC)132转换成数字信号。信号处理子系统130可以位于容纳发送天线112和接收天线114的同一雷达设备上。可替代地，信号处理子系统130的至少一些组件(诸如执行信号分析的一个或多个处理器或电路(由框134表示))可以被远程定位。由信号处理子系统130执行的信号分析涉及确定对象109的一个或多个属性，例如对象的距离(例如，基于多普勒效应的范围测量)，或到达方向(例如，方位角和/或仰角测量)。例如，信号分析可以涉及数字信号处理，包括将DFT应用于ADC132的输出以生成范围频谱，然后检测范围频谱中的峰值以估计对象109的距离对应于峰值所在的频率或距离仓。如上所述，使用常规雷达处理(例如，仅使用DFT检测)来检测目标的能力取决于目标足够远，使得来自目标的信号不会被发送器到接收器泄漏所压倒。
信号处理子系统130可以使用硬件、软件或硬件和软件的组合来实现。例如，在一些实施例中，信号处理子系统130包括被配置为执行存储在非暂时性计算机可读存储介质上的程序代码的数字信号处理器(DSP)，其中程序代码使DSP根据本文描述的雷达技术执行处理。可替代地，信号处理子系统130可以被实现为专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他电路。信号处理子系统130还可以包括一个以上的处理器(例如，诸如DSP的通用和/或专用处理器的组合)。因此，应当理解，图1仅仅是实现信号处理子系统的一种方式的示例，其它实现也是可能的。例如，尽管在图1中示出为在数字域中操作，但是信号处理子系统130可以被配置为在模拟域中执行某些处理步骤。例如，在某些实施例中，可以使用信号处理子系统130中的模拟电路来执行本征分解。
图3A示出了当存在发送器到接收器泄漏并且目标足够远以使目标能够被分辨时使用DFT(用快速傅立叶变换(FFT)实现的)生成的范围频谱的示例。如图3A所示，泄漏能量由以1.5厘米(cm)为中心的波瓣表示，目标由以15厘米为中心的波瓣表示。尽管泄漏能量强于来自目标的信号的能量(在图3A中以分贝(dB)表示)，但是目标仍然可以被分辨，因为波瓣被很好地分离。
图3B示出了当存在发送器到接收器泄漏并且目标太近(在本示例中，在6厘米的距离处)以使目标能够被分辨时使用DFT生成的范围频谱的示例。在图3B中，不是两个分离良好的波瓣，而是以1.5厘米为中心的单个波瓣。
除了泄漏之外，成功实现用于汽车应用的雷达(例如，在汽车工程师协会(SAE)自主级别3或更高级操作的自动车辆中的自动停车)的一个显著限制是低角度分辨率，这限制了雷达传感器分辨彼此靠近的多个目标或识别目标在特定车道内的位置的能力。为了克服在汽车和其他应用中存在发送器到接收器泄漏的情况下分辨附近对象的问题，并且为了提高测量对象的精度(例如，具有增强的角度分辨率)，本文描述了涉及使用本征空间分析的技术，该技术例如可以作为由图1中的信号处理子系统130完成的信号分析的一部分来执行。
在某些实施例中，本征空间分析包括使用MUSIC算法的处理。在MUSIC方法中，接收到的雷达信号被处理以构建表示接收信号加上高斯噪声的本征空间。如图4所示，本征空间包括信号子空间和与信号子空间正交的噪声子空间。
图4示出了在本征空间中执行以生成可用于检测目标的伪频谱的处理的示例。在图4中，本征空间包括形成信号子空间410的多个本征向量和形成噪声子空间420的多个本征向量。在MUSIC算法中，从协方差矩阵计算本征向量及其对应的本征值，其中协方差矩阵是使用由一个或多个天线元件接收到的信号生成的。MUSIC对由具有M个天线元件的天线阵列接收到的且来自D个目标的信号X如下进行建模：
Figure BDA0003953333380000091
其中矩阵A的每一列是来自M个天线元件中的每一个对特定入射信号的到达方向θ的响应(例如，对来自视场内特定方向的入射信号的响应)的导引向量a(θ)，s是包含接收信号波形的向量，即，向量s的每个元素si是对应于具有入射角θi的给定信号的时域波形，并且w是表示噪声的复向量。元素X和A的元素通常也是复的(complex)。
MUSIC算法计算X矩阵的协方差矩阵，以及本征向量及其对应的协方差矩阵本征值。本征向量属于信号子空间或噪声子空间。对应于到达方向的导引向量位于信号子空间中，因此与噪声子空间正交。通过搜索所有可能的导引向量来找到那些垂直于(正交于)噪声本征向量所跨越的空间的导引向量，可以估计到达方向。
为了确定所有入射源(即目标)的方向，通常分析视场中的每个角度θ，以计算伪频谱PMU(θ)＝1/d2，该伪频谱与任何特定导引向量Y在噪声子空间上的投影范数成反比：
Figure BDA0003953333380000092
Figure BDA0003953333380000101
其中EN是一个M×N矩阵，其列是噪声本征向量。为N个噪声本征向量的集合中的每个本征向量提供单独的列。入射源的角度是范数最小化的角度，并且因此是与伪频谱中的峰值相关联的角度。伪频谱可以类似地通过投影到信号子空间上来计算，以定位范数最大化的角度(这在图4中示出)。
MUSIC可以用于估计源信号的到达方向以及目标的其他属性。在图4的示例中，被估计的属性是范围。频调415在数学上由向量表示(类似于上述用于角度分辨率的导引向量)，并且对应于特定频率处的连续波或正弦信号。可以改变该频率以将所得频调投影到信号子空间410上并计算投影的能量。投影419的能量类似于上述投影的范数，并且其值可以在0和1之间变化。在频率fk处的离散时间复频调
Figure BDA0003953333380000102
其中fs是采样率(例如，1赫兹)的情况下，投影的能量可以被计算为频调的内积和从接收信号的协方差矩阵(例如，内积的L2范数的平方)生成的本征向量矩阵Vs的函数：||sH(ωk)·Vs||2。
如果特定频率处的频调位于信号子空间410中，则投影的能量大约等于1。因此，剩余能量(1-Eproj)最小化。伪频谱可以作为剩余能量的倒数的函数来计算，使得当频调位于信号子空间中时，伪频谱的振幅最大化，例如：
Figure BDA0003953333380000103
图5示出了通过将变化频率的频调投影到信号子空间上而生成的伪频谱的曲线图。伪频谱的振幅以分贝表示为频率的函数。在图5的示例中，频调的频率在500和1500赫兹(Hz)之间变化。如图5所示，伪频谱峰值在1000Hz的频率处，其可以被映射到目标的距离上。
与基于DFT的检测相比，MUSIC提供了更高的角度分辨率，但计算成本很高。MUSIC算法的计算复杂性的主要来源是需要从信号阵列X的协方差矩阵中提取本征值和对应的本征向量。这是一个计算密集型操作，使得MUSIC的实现对于诸如汽车雷达的实时应用具有挑战性。
计算复杂性的另一个来源是需要搜索导引阵列A的所有可能的导引向量a(θ)，这需要大的复值矩阵的乘法。导引阵列A的维数取决于被估计的属性。应用于估计单个属性/参数的MUSIC在本文被称为1D MUSIC。如果要估计两个或更多个属性(例如，范围和方位角，或方位角和仰角)(2D MUSIC)，则导引阵列A由具有(ANum Ang PointsxRNum Range pointsxENum Elem Noise Array)2数量的复数元素的复数矩阵表示，即，角点的数量乘以距离点/仓的数量，再乘以噪声阵列中的元素数量，其中噪声阵列中的元素数量等于接收天线元素的数量。
附加地，MUSIC中信号和噪声子空间的确定依赖于视场中目标数量的准确估计。相反，基于DFT的检测不需要预先知道目标的数量。通常，目标的数量是从本征值分布的形状导出的，其中“大”本征值与目标相关联，“小”本征值与噪声相关联。很难从分布中确定有多少个目标。如果目标数量未被正确地估计，则子空间和通过投影到任一子空间上而生成的伪频谱将是不准确的。MUSIC可以计算本征值和本征向量的数量，但它本身并不能提供正确估计目标数量的方法。
图6示出了从最大到最小排序的本征值的集合600。一般地，与信号子空间相关联的本征值的集合610中的值比与噪声子空间相关联的本征值的集合620中的值大得多。与噪声子空间相关联的本征值通常具有相似的幅度。如图7和图8所示，识别哪些本征值与信号子空间相关联(剩余的本征值与噪声子空间相关联)可能是困难的。
图7示出了线性尺度上的本征值分布。尽管出于说明的目的在图6中仅示出了几个本征值，但实际上本征值的数量可以相当大(例如，在100的数量级上)。如图7所示，分布曲线的特征在于标记与信号子空间相关联的本征值和与噪声子空间相关联的本征值之间的边界的拐点或弯点710。精确地识别曲线拐点710的位置是一项重要的任务。这在图8中更清楚地示出，图8示出了与图7中相同的分布，但是是对数。图8中的轴没有根据对数标度(例如，100、1000、10000等的间隔)进行标记。然而，图8中的本征值分布对应于对图7中的本征值分布应用对数(log)函数的结果，并且因此是相同本征值分布的对数视图。如图8所示，当将本征值分布视为对数时，仅通过评估本征值分布不能精确地识别拐点的位置。
图9示出了在存在发送器到接收器泄漏的情况下使用MUSIC生成的伪频谱的示例。图9中的伪频谱的特征在于对应于位于约6厘米距离处的目标的峰值910和由发送器到接收器泄漏产生的峰值920。类似于来自图3A的示例，泄漏的贡献与目标的贡献被很好地分离。然而，与传统的DFT分析相比，MUSIC的使用能够分辨更近的目标。例如，返回参考图3B中的示例，位于6厘米距离处的相同目标不能被分辨，因为其在基于DFT的频谱中的能量与泄漏的能量重叠。
如上所述，使用MUSIC和一般本征空间分析的挑战之一是识别哪些本征值(及其对应的本征向量)与信号子空间相关联，哪些与噪声子空间相关联。在某些实施例中，通过使用主分量分析(PCA)将本征向量的子集识别为与信号子空间相关联，降低了本征空间分析的计算复杂度。例如，如图10所示，在一个实施例中，执行迭代PCA算法，其中一次估计一个本征向量。
图10示出了用于估计与信号子空间相关联的本征向量的示例过程1000。过程1000有效地计算协方差矩阵的本征向量的集合，而不必求助于通过特征分解来计算所有本征向量。在某些实施例中，图10中描绘的处理可以由雷达系统的信号处理子系统(例如，图1中的信号处理子系统130)来执行。过程1000生成p个本征向量的集合，其中p可以被设置为对应于雷达应用在任何给定时间点预期的目标的最大数量的数量。例如，在汽车雷达应用中，p可以设置在3-5之间。
在1002处，从接收到的雷达信号生成协方差矩阵Rxx。
在1004处，通过随机选择初始本征向量的元素(每个值)来猜测初始本征向量vp(0)。初始本征向量是候选本征向量，其将被迭代细化，直到本征向量估计收敛到特定本征向量，该特定本征向量将被存储为对应于p个主分量的最终本征向量估计的集合的一部分。
在1006处，通过细化当前本征向量估计(例如，来自1004的初始本征向量)来生成下一个本征向量估计/候选，以计算对于某个标量α满足本征向量约束Rxxv＝αv的新本征向量估计，并且使得当前本征向量的集合形成正交基。例如，在1006处的处理可以包括通过计算vp(k)←Rxx·vp(k-1)然后计算
Figure BDA0003953333380000121
来实施本征向量约束，其中H是厄米转置运算(即，取本征向量vj的转置，然后取本征向量vj中每个元素的复共轭)，以更新本征向量vp(k)，使得它与直到该点为止构建的基正交，例如[v1,v2...vp-1]，其中正交基中的每个本征向量是先前收敛到的最终本征向量。通过如下将估计的本征向量的范数设置为值1，正交性通过Gram-Schmidt正交化得到进一步确保：
Figure BDA0003953333380000122
在1008处，作为细化当前本征向量估计的一部分，确定当前本征向量估计，即，在1006中估计的本征向量vp(k)是否类似于来自先前迭代的本征向量估计vp(k-1)。相似性可以通过计算本征向量之间的差的范数(例如，vp(k)-vp(k-1)的L2范数)以及检查该范数是否大于某个阈值来确定。如果范数超过阈值，则本征向量被认为是不相似的。因此，在1008处的处理可以涉及计算相似性度量(例如，L2范数)，其值指示候选本征向量(例如，来自1004的初始本征向量)和下一个候选本征向量(例如，来自1006的当前本征向量估计)之间的相似性程度，然后基于将相似性度量的值与阈值进行比较来确定候选本征向量和下一个候选本征向量是否不相似。
在1010处，如果当前本征向量估计vp(k)和先前本征向量估计vp(k-1)不相似，则当前本征向量估计被用作下一次迭代的起点，并且过程循环回到1006以继续细化估计以生成下一个候选。以这种方式，基于根据1008中的处理确定候选本征向量和下一候选本征向量不相似，候选本征向量可以被下一候选本征向量替换。一旦本征向量估计变得相似，意味着迭代估计已经收敛到特定的本征向量vp，处理进行到1012。
在1012处，当前本征向量估计被识别为主分量并被存储为最终本征向量。因此，基于根据1008中的处理确定候选本征向量和下一候选本征向量是相似的，当前本征向量估计可以被识别为最终本征向量之一。处理循环回到1004，猜测另一个随机本征向量，并继续直到识别和存储p个最终本征向量。
图11示出了MUSIC对估计到达角的问题的适用性。通常，具有撞击天线元件阵列的波长λ的平面波对于每个天线元件将到达不同的角度，并且可以表示为具有角度φi的相位旋转的正弦曲线，其中
Figure BDA0003953333380000131
相位旋转在天线元件上线性增加，并且是到达角θi的函数，因为相位旋转对应于在天线元件上空间变化的正弦曲线的频率，估计正弦曲线的频率(例如，使用MUSIC或DFT)等同于估计到达角。与传统的基于DFT的检测相比，本征空间分析将实现更大程度的角度分辨率，允许间隔更近(角度间隔更小)的目标彼此区分。
如图11所示，如果接收到的信号来自两个目标，则每个目标被表示为其频率可以被估计的单独的正弦曲线。如果通过本征空间分析来估计频率，则应该有两个本征向量，它们的本征值在使用天线元件接收的信号生成的协方差矩阵的本征向量中最大。
图12示出了用于基于估计目标的总数来改进本征空间分析的精确度的过程1200。在图12所示的实施例中，过程1200包括使用DFT来估计视场中的目标的数量。然而，也可以使用可以基于频谱分析估计目标数量的其他技术。在某些实施例中，诸如图1的实施例，图12中的处理可以由信号处理子系统执行，例如，作为由信号处理子系统130执行的信号分析的一部分。
在1202处，获得对应于接收到的雷达信号的原始数据。通过由ADC(例如，ADC132)处理在一个或多个天线元件处接收的接收雷达信号并对雷达信号的数字化版本进行采样，可以获得原始数据。
在1204处，将DFT应用于1202中获得的原始数据以生成DFT频谱。1204中的处理生成范围域中的一维仓阵列(例如，根据延迟或范围索引排列的仓)。仓的振幅可以被映射到表示作为距离的函数的振幅的DFT频谱上(例如，类似于图3A中的绘图)。在图12所示的实施例中，DFT用于估计原始数据中表示的一个或多个目标的范围。由DFT估计的范围信息可以用作基于本征空间分析估计的范围信息的补充，或者由于本征空间分析将提供更精确的范围信息而被丢弃。其他频谱分析技术可以用作1204中的范围DFT的替代，以生成仓的集合。例如，1204中的处理可以涉及为了估计目标的不同属性(例如到达角)而执行的DFT，或者1204中的处理可以使用恒定虚警率(CFAR)检测来执行。
在1206处，基于在1204中执行的DFT的结果来生成视场中的目标的总数的估计。目标的数量可以被估计为例如等于DFT频谱中的峰值的数量。
在1208处，调节1202中获得的原始数据以准备用于本征空间处理的原始数据。步骤1208可以与步骤1204中的处理并行地执行。原始数据的调节包括将原始数据转换成表示接收到的雷达信号的信号向量的集合，例如，由每个单独天线元件接收到的信号的单独信号向量。
在1210处，使用经调节的原始数据生成信号阵列。例如，信号阵列可以是通过组合在1208中生成的信号向量而形成的2D阵列。信号阵列表示从每个天线元件接收的信号，并且还表示可能存在于接收信号中的高斯噪声。附加地，在1210处，使用信号阵列生成协方差矩阵。可以通过对信号阵列的向量执行统计相关来计算协方差值，从而生成协方差矩阵。
在1212处，从1210中生成的协方差阵列中提取本征值及其对应的本征向量。在某些实施例中，通过常规特征分解提取本征向量和本征值。然而，在其他实施例中，可以使用PCA以计算效率更高的方式提取本征向量及其对应的本征值，例如，收敛到与信号子空间相关联的本征向量的集合的迭代PCA算法，如上面结合图10所讨论的。
在1214处，基于诸如Akaike信息标准(AIC)的一个或多个启发来细化在1206处生成的目标的总数的估计。例如，启发式算法可以应用于在1212中提取的本征值的分布，以基于阈值和/或基于分布的形状来识别目标的数量。如先前结合图7和图8所解释的，使用本征值分布来识别与信号子空间相关联的本征值可能是困难的。这里，在1206中生成的估计可以用作启发式算法的输入，例如以检查基于一个或多个启发生成的估计是否可信，或者约束基于一个或多个启发生成的估计，使得在1214中生成的估计在1206中生成的估计的某个范围内。1214中的处理是可选的；在某些实施例中，在1206中生成的估计被用作目标数量的最终估计。
在1216处，目标数量的最终估计(例如，在1214中生成的考虑到来自1206的估计的估计)被输入到本征空间分析。例如，在最终估计中指示的目标的总数可以用于选择用于构建信号子空间的对应数量的最大本征向量(每个目标一个本征向量)，或者用于选择用于构建噪声子空间的剩余的较小本征向量。如前所述的，一旦构建了信号子空间或噪声子空间，就可以通过投影到子空间上来生成伪频谱。以这种方式，可以应用在1206中生成的估计来提高所得伪频谱的精度。然后可以使用伪频谱来估计目标的属性(例如，范围、方位角、仰角或其任意组合)。
图13示出了用于基于识别感兴趣的区域来简化本征空间分析的过程1300。在某些实施例中，诸如图1的实施例，图13中的处理可以由信号处理子系统执行，例如，作为由信号处理子系统130执行的信号分析的一部分。
在1302处，获得对应于接收到的雷达信号的原始数据。1302中的处理类似于图12的1202中的处理，并且可以以相同的方式执行。
在1304处，对原始数据执行DFT(或一些其他类型的频谱分析)以估计视场中目标的范围和方位。1304中的处理在范围域和方位角域中产生二维(2D)仓阵列。二维阵列中的每个仓表示距离和角度的特定组合。其他类型的2D DFT也可以应用于识别感兴趣的区域，例如，执行DFT以估计范围和高度。
在1306处，从1304中执行的DFT的结果识别感兴趣的区域。特别地，具有足够高值(例如，高于某个阈值)的仓可以被识别为感兴趣的区域(即，存在潜在目标的区域)。感兴趣的区域可以表示为距离范围和角度范围。
在1308处，调节1302中获得的原始数据以准备用于本征空间处理的原始数据。步骤1308可以与步骤1304中的处理并行执行，并且可以以与图12的1208中的处理相同的方式执行。
在1310处，使用经调节的原始数据生成信号阵列，并且使用该信号阵列生成协方差矩阵。步骤1310类似于图12的步骤1210中的处理，并且可以以相同的方式执行。
在1312处，从1310中生成的协方差阵列中提取本征值及其对应的本征向量。步骤1312类似于图12的步骤1212中的处理，并且可以以相同的方式执行。
在1314处，估计视场中目标的总数。步骤1314类似于图12的步骤1214，并且可以以类似的方式执行(例如，使用应用于在1312中生成的本征值的分布的启发式算法)，除了在图13的实施例中，没有输入目标数量的附加估计以生成目标数量的最终估计。
在1316处，通过将与噪声子空间相关联的本征向量组合来生成噪声阵列。如前所述，与噪声子空间相关联的本征向量是其对应本征值最小的本征向量。因此，可以使用在从考虑中消除与最大本征值相关联的若干个本征向量(等于在1314中估计的目标的数量)之后剩余的本征向量来生成噪声阵列。
在1318处，使用噪声阵列生成伪频谱，并对伪频谱进行处理以估计一个或多个目标的属性(例如，范围、方位角、仰角或其任意组合)。1318中伪频谱的生成和处理可以涉及类似于图12的1216中的本征空间分析的处理，例如，投影到由噪声阵列表示的噪声子空间上以生成伪频谱，以及识别伪频谱中的峰值以确定与此类峰值相关联的参数的值。然而，通过仅考虑在1306中识别出的感兴趣的区域，可以以更有效的方式生成伪频谱。例如，在1318中，不是搜索所有可能的导引向量以找到与噪声子空间正交的那些，而是只有那些对应于感兴趣的区域的导引向量(例如，对应于被识别为感兴趣的距离和/或角度的导引向量)可以被投影到噪声子空间上，以便生成伪频谱。这导致需要执行的矩阵乘法的数量显著减少，因为雷达视场中的物理空间通常大部分是空的，在任何给定的时间点存在相对较少的对象。附加地，尽管在1304中执行的DFT可以用于估计相同的属性(例如，范围和方位角)，但是在1318中生成的伪频谱允许以更高的精度来估计属性。
图14示出了用于基于使用DFT识别各个距离仓来简化本征空间分析的过程1400。在某些实施例中，诸如图1的实施例，图14中的处理可以由信号处理子系统执行，例如，作为由信号处理子系统130执行的信号分析的一部分。
在1402处，获得对应于接收到的雷达信号的原始数据。1402中的处理类似于图12的1202中的处理，并且可以以相同的方式执行。
在1404处，对原始数据执行DFT以估计视场中目标的范围。在一些实施例中，作为使用DFT的替代，可以对原始数据执行另一类型的频谱分析以估计视场中目标的范围。1404中的处理可以以与图12的1204中的处理相同的方式执行。如上面结合图12的实施例所讨论的，使用DFT生成的范围估计不一定依赖于目标距离的最终估计。然而，在图14的实施例中，在1404中使用DFT生成的范围估计被用作最终估计，因为基于DFT的检测通常提供足够的范围分辨率(时域中的精度)，除了在诸如前面描述的近场场景的某些情况下，在这种情况下发送器到接收器泄漏会不利地影响DFT的结果。这里，依靠基于DFT的范围估计可以通过从本征空间分析中省略范围估计来简化本征空间分析。这降低了用于在下面的步骤1416中生成伪频谱的导引阵列的维数，使得能够比如果应用本征空间分析来估计范围和诸如方位的一些其他属性更快地执行本征空间分析。
在1406处，单个距离仓被识别为与一个或多个目标相关联。距离仓可以被识别为其值在所有仓中最高的仓。在某些实施例中，距离仓可以被识别为其值超过阈值的仓。
在1408处，使用在1402中获得的原始数据来生成信号阵列，但仅针对在1406中识别出的距离仓。因此，在1408中生成的信号阵列表示完整信号阵列的一部分，该部分包括对应于所识别出的距离仓的信号向量。这限制了1410中用于提取本征值和本征向量的信号阵列的大小，减少了提取所需的计算量。
在1410处，例如通过应用于1408中生成的信号阵列的特征分解来提取本征值和本征向量。
在1412处，估计视场中目标的总数。1412中的处理可以以与图13的1314相同的方式执行。
在1414处，噪声阵列是从与噪声子空间相关联的本征向量生成的。1414中的处理可以以与图13的1316相同的方式执行。
在1416处，例如基于投影到由在1414中生成的噪声阵列所表示的噪声子空间上，针对在1406中识别出的距离仓生成伪频谱。
在1418处，对在1416中生成的伪频谱进行处理以确定在1406中识别出的距离仓的一个或多个方位角值。方位角值可以被确定为对应于伪频谱中峰值的位置的角度。当与对应于1406中识别出的距离仓的范围估计相组合时，这产生一个或多个范围-方位角值对，每个值对表示视场中目标的距离和到达角。可以重复1406至1418中的处理以识别多个距离仓(例如，下一个最高值仓)。跨多个距离仓确定的范围-方位角值对可以被组合以生成指示视场中每个目标的距离和到达角度的范围-方位角图(例如，其图形图或数字表示)。
图15是可以结合本公开的实施例的电子设备1500的示例的内部组件的框图。例如，设备1500可以表示具有包括传感器系统(例如，雷达系统)的附加系统的片上系统(SOC)，所有这些都集成在单片集成电路或芯片上。应当注意，图15仅旨在提供各种组件的概括图示，可以适当地利用其中的任何或所有组件。可以注意到，在一些实例中，图15所示的组件可以被定位到单个物理设备和/或分布在各种联网设备之间，这些设备可以被布置在不同的物理位置。
设备1500被示出包括硬件元件，这些硬件元件可以经由总线1505电耦合(或者可以在适当的情况下以其他方式通信)。硬件元件可以包括处理单元1510，其可以包括但不限于一个或多个通用处理器、一个或多个专用处理器(诸如数字信号处理(DSP)芯片、图形加速处理器、专用集成电路(ASIC)等)和/或其他处理结构或部件。根据期望的功能，一些实施例可以具有单独的DSP 1520。处理单元1510可以包括能够执行本文所讨论的雷达系统的数字信号处理的处理器。在某些实施例中，处理单元1510包括实现图1所示信号处理子系统的一个或多个处理器。
设备1500还可以包括一个或多个输入设备控制器1570，其可以控制但不限于车载触摸屏、触摸板、麦克风、按钮、拨号盘、开关等；以及一个或多个输出设备控制器1515，其可以控制但不限于显示器、发光二极管(LED)、扬声器等。
设备1500还可以包括无线通信接口1530，其可以包括但不限于调制解调器、网卡、红外通信设备、无线通信设备和/或芯片组(诸如蓝牙设备、IEEE802.11设备、IEEE802.16.4设备、WiFi设备、WiMax设备、包括4G、5G等的蜂窝通信设施)等。无线通信接口1530可以允许与网络、无线接入点、其他计算机系统和/或本文描述的任何其他电子设备交换数据。可以经由发送和/或接收无线信号1534的一个或多个无线通信天线1532来执行通信。
取决于期望的功能，无线通信接口1530可以包括单独的收发器，以与基站收发器站(例如，蜂窝网络的基站)和/或接入点进行通信。这些不同的数据网络可以包括各种网络类型。另外，无线广域网(WWAN)可以是码分多址(CDMA)网络、时分多址(TDMA)网络、频分多址(FDMA)网络、正交频分多址(OFDMA)网络、WiMax(IEEE 802.16)等。CDMA网络可以实现诸如cdma2000、宽带CDMA(W-CDMA)等的一种或多种无线电接入技术(RAT)。Cdma2000包括IS-95、IS-2000和/或IS-856标准。TDMA网络可以实现全球移动通信系统(GSM)、数字高级移动电话系统(D-AMPS)或一些其他RAT。OFDMA网络可以采用LTE、高级LTE等，包括4G和5G技术。
设备1500还可以包括传感器控制器1540。这种控制器可以结合和/或控制但不限于一个或多个雷达系统、一个或多个加速度计、陀螺仪、相机、磁力计、高度计、麦克风、接近传感器、光传感器等。具体地，传感器控制器1540可以使用一个或多个天线1544发送和/或接收传感器信号1542，诸如雷达发送(Tx)信号和雷达接收(Rx)信号。天线1544的示例可以是图1所示的Tx天线112和Rx天线114。传感器控制器1540还可以包括雷达系统的各种组件，诸如信号发生器的一个或多个实例(例如，VCO 110与混频器120组合)，以及接收器组件(例如混频器122和ADC 132)。
设备1500的实施例还可以包括卫星定位系统(SPS)接收器1580，其能够使用SPS天线1582从一个或多个SPS卫星接收信号1584。SPS接收器1580可以使用常规技术从SPS系统(诸如全球导航卫星系统(GNSS)(例如，全球定位系统(GPS))、伽利略、Glonass、指南针、日本上空的准天顶卫星系统(QZSS)、印度上空的印度区域导航卫星系统(IRNSS)、中国上空的北斗等)的卫星提取设备的位置。此外，SPS接收器1580可以与各种增强系统(例如，基于卫星的增强系统(SBAS))一起使用，这些增强系统可以与一个或多个全球和/或区域导航卫星系统相关联或以其他方式被允许与这些卫星系统一起使用。作为示例但不是限制，SBAS可以包括提供完整性信息、差分校正等的增强系统，例如广域增强系统(WAAS)、欧洲地球静止导航覆盖服务(EGNOS)、多功能卫星增强系统(MSAS)、GPS辅助地理增强导航或GPS和地理增强导航系统(GAGAN)等。因此，如本文所使用的，SPS可以包括一个或多个全球和/或区域导航卫星系统和/或增强系统的任何组合，并且SPS信号可以包括SPS、类SPS和/或与这样的一个或多个SPS相关联的其他信号。
设备1500还可以包括存储器1560和/或与存储器1560通信。存储器1560可以包括但不限于本地和/或网络可访问存储器、磁盘驱动器、驱动器阵列、光存储设备、固态存储设备，诸如随机存取存储器(“RAM”)和/或只读存储器(“ROM”)，其可以是可编程的、可闪存更新的等等。这种存储设备可以被配置为实现任何适当的数据存储，包括但不限于各种文件系统、数据库结构等。
设备1500的存储器1560还可以包括软件元件(未示出)，如本文所述，包括操作系统、设备驱动程序、可执行库和/或嵌入在计算机可读介质中的其他代码，诸如一个或多个应用程序，其可以包括由各种实施例提供的计算机程序，和/或可以被设计为实现由其他实施例提供的方法和/或配置系统。然后，在一个方面，这样的代码和/或指令可以用于配置和/或适配通用计算机(或其他设备)以根据所描述的方法执行一个或多个操作。
图16至图18、图19A和图19B是示出根据各种实施例的方法的流程图。尽管图16至图18、图19A和图19B示出了按顺序排列的各种框，但是替代实施例可以以提供由图16至图18、图19A和图19B中所示的框所提供的功能的方式变化，例如，通过添加、省略、组合、分离、重新排序和以其他方式改变框中所示的功能。在诸如图1的实施例的某些实施例中，关于图16至图18、图19A和图19B中的框所描述的功能可以由诸如雷达系统100的雷达系统来执行。在功能性涉及数据处理的情况下，数据处理可以由雷达系统的信号处理子系统(例如，信号处理子系统130)来执行。此外，在某些实施例中，数据处理可以至少部分地由耦合到雷达系统的独立计算机系统来执行。用于执行图16至图18、图19A和图19B中所示的功能的部件可以包括硬件和/或软件部件，包括例如用于生成用于由一个或多个发送天线发送的雷达信号的部件(例如，信号发生器101)、用于对接收到的雷达信号进行调节或执行初步处理以用于进一步处理或分析的部件(例如，混频器122和ADC132)，以及用于基于接收到的雷达信号检测或确定目标属性的部件(例如，信号处理子系统130)。
图16是示出根据某些实施例的确定目标的一个或多个属性的方法1600的流程图。在1602处，雷达信号被发送(例如，通过雷达系统的一个或多个发送天线)。如上所述，雷达信号可以全向或定向方式发送。当由多个天线(例如，发送天线阵列)发送时，1602中的雷达信号可以是来自多个发送天线的信号通过建设性和/或破坏性干扰以相干方式组合的结果。1602中的雷达信号可以被发送到雷达系统视场内的环境中。
在1604处，由多个天线(例如，接收天线阵列)接收反射的雷达信号。反射的雷达信号可以对应于在反射离开环境中的一个或多个目标之后到达多个天线的1602中的雷达信号。多个天线中的每个天线可以被配置为响应于反射的雷达信号来生成相应的接收信号。每个接收到的信号取决于目标相对于天线的方向、目标的距离、目标的速度和/或目标的其他属性。如果环境中有多个目标(例如，视场内的两个或更多个目标)，则每个目标可以对接收信号做出贡献，使得接收信号包括关于多个目标的信息。
在1606处，生成信号阵列作为接收信号的数字表示。例如，可以通过使用一个或多个ADC将来自多个天线的接收信号转换成对应的数字信号，在模拟或数字域中对接收信号进行采样，并将数字信号的值组合成二维阵列来生成信号阵列，其中信号阵列的每一列表示对应于在特定时间点来自多个天线的接收信号的数字信号值。
在1608处，使用信号阵列计算协方差矩阵。协方差矩阵可以是表示信号阵列中不同值对之间的协方差的值的二维矩阵。
在1610处，通过主分量分析(PCA)来确定一个或多个本征向量。一个或多个本征向量可以形成协方差矩阵的所有本征向量的子集。与确定所有本征向量相比，仅确定所有可能本征向量的子集导致计算操作的显著减少。在某些实施例中，1610中的一个或多个本征向量的确定使用迭代PCA算法来执行，诸如上面结合图10描述的迭代PCA算法。
在1612处，基于在1610中确定的一个或多个本征向量来确定至少一个目标的一个或多个属性。一个或多个属性的确定可以涉及基于DFT的处理和/或基于MUSIC的处理，以确定视场中有多少个目标、目标的距离、目标的速度、目标的方向(例如，方位角和/或仰角)和/或其他目标属性。
图17是示出根据某些实施例的估计视场中目标的总数的方法1700的流程图。在1702处，雷达信号被发送。在1704处，反射的雷达信号由多个天线接收，以在每个天线处生成相应的接收信号。框1702和1704分别对应于图16中的框1602和1604，并且可以以相同的方式实现。
在1706处，对接收到的信号执行频谱分析，以生成视场中目标的总数的初始估计。在某些实施例中，1706中的频谱分析可以涉及DFT(例如，如上面结合图12的框1204和1206所描述的范围DFT)。
在1708处，生成信号阵列作为接收信号的数字表示。框1708对应于图16的框1606，并且可以以相同的方式实现。
在1710处，使用来自框1708的信号阵列计算协方差矩阵。框1710对应于图16的框1608，并且可以以相同的方式实现。
在1712处，确定来自框1710的协方差矩阵的本征向量以及对应于本征向量的本征值。如上所述，每个本征向量具有对应的本征值，并且两者的值可以通过特征分解来计算。
在1714处，使用来自框1712的本征值和来自框1706的初始估计来生成视场中目标的总数的最终估计。在某些实施例中，框1714中的最终估计基于应用一个或多个启发来生成，例如，如上面结合图12的框1214所描述的。此外，如上所述，初始估计可以被用于检查基于一个或多个启发而生成的估计是否可信，或者用于约束基于一个或多个启发而生成的估计。
图18是示出根据某些实施例的基于识别感兴趣的区域来生成伪频谱的方法1800的流程图。在1802处，雷达信号被发送。在1804处，使用多个天线接收反射的雷达信号，以在每个天线处生成相应的接收信号。框1802和1804分别对应于图16中的框1602和1604，并且可以以相同的方式实现。
在1806处，对接收到的信号执行频谱分析以识别包含潜在目标的感兴趣的区域。在某些实施例中，1806中的频谱分析可以涉及DFT(例如，如上面结合图13的框1304和1306所描述的范围-方位角DFT)。
在1808处，生成信号阵列作为接收信号的数字表示。框1808对应于图16的框1606，并且可以以相同的方式实现。
在1810处，使用来自框1808的信号阵列计算协方差矩阵。框1810对应于图16的框1608，并且可以以相同的方式实现。
在1812处，确定来自框1810的协方差矩阵的本征向量以及对应于本征向量的本征值。框1812对应于图17的框1712，并且可以以相同的方式实现。
在1814处，使用来自框1812的本征向量的子集来形成子空间。框1814中的子空间可以是信号子空间(目标对接收到的信号的贡献)或噪声子空间(表示高斯噪声)。例如，如上面结合图13的框1316所讨论的，噪声子空间可以表示为通过组合与噪声子空间相关联的本征向量而形成的噪声阵列。
在1816处，生成导引阵列。导引阵列包括表示多个天线对从视场中的不同方向接收的信号的响应的向量。具体地，导引阵列模拟天线如何响应来自目标的入射信号(例如，来自框1804的反射的雷达信号)。可以基于关于天线如何被配置的了解来生成导引阵列。例如，假设多个天线中的每个天线与任何相邻天线间隔距离d，以角度θ到达天线阵列的入射信号可以首先到达其中一个天线，并且每个后续天线可以接收延迟某个因子的相同信号，使得第i个天线的延迟Δi等于
Figure BDA0003953333380000231
其中c是光速。因此，导引阵列中的矢量可以表示为θ和入射信号的角频率ω的函数，如下所示：
Figure BDA0003953333380000232
在1818处，通过将来自导引阵列的向量的子集投影到框1814中形成的子空间上来生成投影的集合。具体地，框1818中的向量的子集对应于框1806中识别出的感兴趣的区域。如以上结合图13的框1318所讨论的，仅投影对应于感兴趣的区域的那些导引向量(例如，对应于被识别为感兴趣的距离和/或角度的导引向量)避免了必须搜索所有可能的导引向量(例如，找到与噪声子空间正交的那些)。
在1820处，基于来自框1818的投影的集合生成伪频谱。1820中的伪频谱的值可以作为投影的能量的函数来计算，例如，基于每个投影的范数，如上面结合图4所讨论的。
图19A和图19B是示出根据某些实施例的确定目标到达方向的方法1900的流程图。在1902处，雷达信号被发送。在1904处，使用多个天线接收反射的雷达信号，以在每个天线处生成相应的接收信号。框1902和1904分别对应于图16中的框1602和1604，并且可以以相同的方式实现。
在1906处，对接收到的信号执行频谱分析，以在范围域中生成仓的集合。框1906中的频谱分析可以例如涉及如上面结合图14的框1404所讨论的范围DFT。
在1908处，将框1906中生成的仓的集合中的第一仓识别为对应于一个或多个目标。例如，如上面结合图14的框1406所讨论的，距离仓可以被识别为其值在所有仓中最高的仓或者其值超过某个阈值的仓。
在1910处，生成信号阵列作为接收到的信号的对应于第一仓的部分的数字表示。1910中的信号阵列可以以与图16的框1606中的信号阵列的生成类似的方式生成，除了在形成信号阵列时不考虑不对应于第一仓的接收信号。这简化了用于后续处理(例如，基于MUSIC的分析)的所得信号阵列。
在1912处，使用来自框1910的信号阵列计算协方差矩阵。框1912中的协方差矩阵的计算可以以与上面结合图16的框1608所讨论的相同的方式来实现。
在1914处，确定来自框1912的协方差矩阵的本征向量以及对应于本征向量的本征值。框1914对应于图17的框1712，并且可以以相同的方式实现。
在1916处，使用来自框1914的本征向量的子集来形成子空间。框1916对应于图18的框1814，并且可以以相同的方式实现。
在1918处，生成包括表示多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列。框1918对应于图18的框1816，并且可以以相同的方式实现。
在1920处，通过将来自导引阵列的向量投影到框1916中形成的子空间上来生成投影的集合。框1920中投影的集合的生成可以以与图18的框1818类似的方式执行，除了可以投影导引阵列中的所有向量而不是投影向量的子集。
在1922处，基于来自框1920的投影的集合生成伪频谱。框1922对应于图18的框1820，并且可以以相同的方式实现。
在1924处，基于来自框1922的伪频谱确定目标的到达方向。例如，如上面结合图14的框1418所讨论的，到达方向可以是对应于伪频谱中峰值的位置的角度。
可以重复框1908至框1924，以确定一个或多个附加目标的到达方向。例如，基于框1908中的处理，可以将框1906中生成的仓的集合的第二距离仓识别为对应于一个或多个目标。以这种方式，可以从对同一接收信号的集合执行的频谱分析(例如，框1906中的频谱分析)的结果来确定不同范围处的目标的方向。
对于本领域技术人员来说显而易见的是，可以根据特定要求进行实质性的变化。例如，还可以使用定制硬件，和/或特定元件可以在硬件、软件(包括可移植软件，诸如小程序等)或两者中实现。此外，可以采用与诸如网络输入/输出设备的其他计算设备的连接。
参照附图，可以包括存储器的组件可以包括非暂时性机器可读介质。本文使用的术语“机器可读介质”和“计算机可读介质”是指参与提供使机器以特定方式操作的数据的任何存储介质。在上面提供的实施例中，各种机器可读介质可以参与向处理单元和/或其他设备提供指令/代码以供执行。附加地或可替代地，机器可读介质可以用于存储和/或携带这样的指令/代码。在很多实现中，计算机可读介质是物理和/或有形存储介质。这种介质可以采取多种形式，包括但不限于非易失性介质、易失性介质和传输介质。计算机可读介质的常见形式包括，例如，磁性和/或光学介质、穿孔卡、纸带、具有孔图案的任何其他物理介质、RAM、PROM、EPROM、闪存EPROM、任何其他存储芯片或盒式存储器、如下文所述的载波、或计算机可以从中读取指令和/或代码的任何其他介质。
本文使用的术语“和”和“或”可以包括多种含义，预期这些含义也至少部分地取决于使用这些术语的上下文。典型地，如果用于关联列表(诸如A、B或C)，则“或”意在表示在此用于包含性意义的A、B和C，以及在此用于排他性意义的A、B或C。另外，本文中使用的术语“一个或多个”可以用于以单数描述任何特征、结构或特性，或者可以用于描述特征、结构或特性的某些组合。然而，应当注意，这仅仅是说明性示例，并且要求保护的主题不限于该示例。此外，如果用于关联诸如A、B或C的列表，术语“至少一个”可以被解释为意味着A、B和/或C的任何组合，诸如A、AB、AA、AAB、AABBCCC等。
本文讨论的方法、系统和设备是示例。各种实施例可以根据需要省略、替代或添加各种过程或组件。例如，关于某些实施例描述的特征可以组合在各种其他实施例中。可以以类似的方式组合实施例的不同方面和元素。本文提供的附图的各种组件可以体现在硬件和/或软件中。而且，技术是进化的，并且因此，很多元素是示例，它们不会将本公开的范围限制于那些特定示例。
鉴于此描述实施例可以包括特征的不同组合。以下编号条款描述了实现示例：
条款1.一种装置，包括：信号发生器，被配置为生成雷达信号；至少一个发送天线，被配置为发送雷达信号；多个天线，被配置为接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；以及一个或多个处理器，被配置为：生成信号阵列作为接收信号的数字表示；使用信号阵列计算协方差矩阵；确定协方差矩阵的一个或多个本征向量，其中一个或多个本征向量包括协方差矩阵的所有本征向量的子集，并且其中为了确定一个或多个本征向量，一个或多个处理器执行主分量分析；并且基于一个或多个本征向量确定至少一个目标的一个或多个属性。
条款2.根据条款1的装置，其中，为了执行主分量分析，一个或多个处理器被配置为一次一个地识别一个或多个本征向量，一个或多个本征向量中的每个本征向量对应于主分量并且进一步对应于至少一个目标的不同目标。
条款3.根据条款1或条款2的装置，其中，为了执行主分量分析，一个或多个处理器被配置为：生成随机本征向量作为一个或多个本征向量的初始猜测；以及迭代地细化随机本征向量，直到随机本征向量的值收敛到一个或多个本征向量中的第一本征向量。
条款4.根据条款1-条款3的任一项的装置，其中，为了执行主分量分析，一个或多个处理器被配置为：生成候选本征向量，如果候选本征向量包括在一个或多个本征向量中，则候选本征向量形成正交基；以及通过以下操作迭代地细化候选本征向量：生成下一候选本征向量；计算相似性度量，相似性度量的值指示候选本征向量与下一候选本征向量之间的相似性程度；基于将相似性度量的值与阈值进行比较，确定候选本征向量和下一候选本征向量是不相似的；并且基于确定候选本征向量和下一候选本征向量是不相似的，用下一候选本征向量替换候选本征向量。
条款5.根据条款1-条款4的任一项的装置，其中，为了执行主分量分析，一个或多个处理器被配置为：生成候选本征向量，如果候选本征向量包括在一个或多个本征向量中，则候选本征向量形成正交基；以及通过以下操作迭代地细化候选本征向量：生成下一候选本征向量；计算相似性度量，相似性度量的值指示候选本征向量与下一候选本征向量之间的相似性程度；基于将相似性度量的值与阈值进行比较，确定候选本征向量和下一候选本征向量是相似的；并且基于确定候选本征向量和下一候选本征向量是相似的，将下一候选本征向量识别为一个或多个本征向量中的本征向量。
条款6.根据条款1-条款5的任一项的装置，其中，为了确定至少一个目标的一个或多个属性，一个或多个处理器被配置为：使用一个或多个本征向量形成信号子空间；将不同频率的频调投影到信号子空间上；并且基于投影的频调来生成伪频谱。
条款7.根据条款6的装置，其中，一个或多个处理器被配置为基于伪频谱来确定一个或多个属性。
条款8.根据条款1-条款7的任一项的装置，其中，一个或多个属性包括至少一个目标的距离和至少一个目标的到达方向中的至少一个。
条款9.一种装置，包括：信号发生器，被配置为生成雷达信号；至少一个发送天线，被配置为发送雷达信号；多个天线，被配置为接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；以及一个或多个处理器，被配置为：对接收信号执行频谱分析，以生成视场中目标的总数的初始估计；生成信号阵列作为接收信号的数字表示；使用信号阵列计算协方差矩阵；确定协方差矩阵的本征向量以及对应于本征向量的本征值；并且使用本征值和初始估计来生成目标的总数的最终估计。
条款10.根据条款9的装置，其中，一个或多个处理器进一步被配置为：基于目标的总数的最终估计来识别协方差矩阵的本征向量的子集。
条款11.根据条款10的装置，其中，一个或多个处理器进一步被配置为：通过排除其本征值为最大的多个本征向量来识别本征向量的子集，所排除的本征向量的数量等于目标的总数的最终估计；使用本征向量的子集形成噪声子空间；通过将引导阵列的向量投影到噪声子空间上来生成投影的集合；并且基于投影的集合生成伪频谱。
条款12.根据条款11的装置，其中，一个或多个处理器还被配置为：基于伪频谱来识别至少一个目标的一个或多个属性。
条款13.根据条款9-条款12的任一项的装置，其中，为了执行频谱分析，一个或多个处理器被配置为对接收信号应用离散傅立叶变换(DFT)。
条款14.根据条款13的装置，其中，为了生成目标的总数的初始估计，一个或多个处理器被配置为将每个目标识别为对应于由DFT产生的频谱中的相应峰值。
条款15.根据条款9-条款12的任一项的装置，其中，为了执行频谱分析，一个或多个处理器被配置为使用接收信号作为输入来执行恒定虚警率(CFAR)检测算法。
条款16.一种装置，包括：信号发生器，被配置为生成雷达信号；至少一个发送天线，被配置为发送雷达信号；多个天线，被配置为接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；以及一个或多个处理器，被配置为：对接收信号执行频谱分析，以识别包含潜在目标的感兴趣的区域；生成信号阵列作为接收信号的数字表示；使用信号阵列计算协方差矩阵；确定协方差矩阵的本征向量以及对应于本征向量的本征值；使用协方差矩阵的本征向量的子集形成子空间；生成包括表示多个天线对从视场中的不同方向接收的信号的响应的向量的引导阵列；通过将来自引导阵列的向量的子集投影到子空间上来生成投影的集合，其中向量的子集对应于感兴趣的区域；并且基于投影的集合生成伪频谱。
条款17.根据条款16的装置，其中，为了执行频谱分析，一个或多个处理器被配置为对接收信号应用离散傅立叶变换(DFT)以生成在范围域表示接收信号的仓的集合，并且其中一个或多个处理器被配置为基于仓的集合的值来识别感兴趣的区域。
条款18.根据条款17的装置，其中，一个或多个处理器被配置为将感兴趣的区域识别为与其值超过阈值的仓相关联的距离。
条款19.根据条款16-条款18的任一项的装置，其中，为了执行频谱分析，一个或多个处理器被配置为对接收信号应用离散傅立叶变换(DFT)以生成在方位角或仰角域中表示接收信号的仓的集合，并且其中一个或多个处理器被配置为基于仓的集合的值来识别感兴趣的区域。
条款20.根据条款19的装置，其中，一个或多个处理器被配置为将感兴趣的区域识别为与其值超过阈值的仓相关联的角度。
条款21.一种装置，包括：信号发生器，被配置为生成雷达信号；至少一个发送天线，被配置为发送雷达信号；多个天线，被配置为接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；以及一个或多个处理器，被配置为：对接收信号执行频谱分析，以在范围域中生成仓的集合；将来自仓的集合中的第一仓识别为对应于一个或多个目标；生成第一信号阵列，作为接收信号的对应于第一仓的部分的数字表示；使用第一信号阵列计算第一协方差矩阵；确定第一协方差矩阵的本征向量以及对应于第一协方差矩阵的本征向量的本征值；使用第一协方差矩阵的本征向量的子集形成第一子空间；生成包括表示多个天线对从视场中的不同方向接收的信号的响应的向量的引导阵列；通过将来自引导阵列的向量投影到第一子空间上来生成投影的第一集合；基于投影的第一集合生成第一伪频谱；并且基于第一伪频谱来确定第一目标的到达方向。
条款22.根据条款21的装置，其中，一个或多个处理器被配置为基于第一仓的值超过阈值来识别第一仓。
条款23.根据条款21或条款22的装置，其中，一个或多个处理器进一步被配置为：基于对应于第一协方差矩阵的本征向量的本征值的分布来估计与第一仓相关联的目标的总数；以及通过排除其本征值为最大的多个本征向量来识别本征向量的第一子集，所排除的本征向量的数量等于估计的目标的总数。
条款24.根据条款23的装置，其中，为了估计与第一仓相关联的目标的总数，一个或多个处理器被配置为将Akaike信息准则应用于本征值的分布。
条款25.根据条款21-条款24的任一项的装置，其中，一个或多个处理器进一步被配置为：将来自仓的集合中的第二仓识别为对应于一个或多个目标；生成第二信号阵列，作为接收信号的对应于第二仓的部分的数字表示；使用第二信号阵列计算第二协方差矩阵；确定第二协方差矩阵的本征向量以及对应于第二协方差矩阵的本征向量的本征值；使用第二协方差矩阵的本征向量的子集形成第二子空间；通过将来自引导阵列的向量投影到第二子空间上来生成投影的第二集合；基于投影的第二集合生成第二伪频谱；并且基于第二伪频谱来确定第二目标的到达方向。
条款26.根据条款25的装置，其中，一个或多个处理器进一步被配置为：基于第一目标的到达方向、第二目标的到达方向、与第一仓相关联的距离以及与第二仓相关联的距离来生成视场的范围-方位角表示。
条款27.一种方法，包括：发送雷达信号；通过多个天线接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；生成信号阵列作为接收信号的数字表示；使用信号阵列计算协方差矩阵；确定协方差矩阵的一个或多个本征向量，其中一个或多个本征向量包括协方差矩阵的所有本征向量的子集，并且其中一个或多个本征向量是通过主分量分析确定的；以及基于一个或多个本征向量确定至少一个目标的一个或多个属性。
条款28.根据条款27的方法，其中，主分量分析包括：一次一个地识别一个或多个本征向量，一个或多个本征向量中的每个本征向量对应于主分量并且进一步对应于至少一个目标的不同目标。
条款29.根据条款27或条款28的方法，其中，主分量分析包括：生成随机本征向量作为一个或多个本征向量的初始猜测；迭代地细化随机本征向量，直到随机本征向量的值收敛到一个或多个本征向量中的第一本征向量。
条款30.根据条款27-条款29的任一项的方法，其中，主分量分析包括：生成候选本征向量，如果候选本征向量包括在一个或多个本征向量中，则候选本征向量形成正交基；以及通过以下操作迭代地细化候选本征向量：生成下一候选本征向量；计算相似性度量，相似性度量的值指示候选本征向量与下一候选本征向量之间的相似性程度；基于将相似性度量的值与阈值进行比较，确定候选本征向量和下一候选本征向量是不相似的；以及基于确定候选本征向量和下一候选本征向量是不相似的，用下一候选本征向量替换候选本征向量。
条款31.根据条款27-条款30的任一项的方法，其中，主分量分析包括：生成候选本征向量，如果候选本征向量包括在一个或多个本征向量中，则候选本征向量形成正交基；以及通过以下操作迭代地细化候选本征向量：生成下一候选本征向量；计算相似性度量，相似性度量的值指示候选本征向量与下一候选本征向量之间的相似性程度；基于将相似性度量的值与阈值进行比较，确定候选本征向量和下一候选本征向量是相似的；以及基于确定候选本征向量和下一候选本征向量是相似的，将下一候选本征向量识别为一个或多个本征向量中的本征向量。
条款32.根据条款27-条款31的任一项的方法，其中，确定至少一个目标的一个或多个属性包括：使用一个或多个本征向量形成信号子空间；将不同频率的频调投影到信号子空间上；以及基于投影的频调来生成伪频谱。
条款33.根据条款32的方法，其中，一个或多个属性是基于伪频谱确定的。
条款34.根据条款27-条款33的任一项的方法，其中，一个或多个属性包括至少一个目标的距离和至少一个目标的到达方向中的至少一个。
条款35.一种方法，包括：发送雷达信号；通过多个天线接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；对接收信号执行频谱分析，以生成视场中目标的总数的初始估计；生成信号阵列作为接收信号的数字表示；使用信号阵列计算协方差矩阵；确定协方差矩阵的本征向量以及对应于本征向量的本征值；使用本征值和初始估计来生成目标的总数的最终估计。
条款36.根据条款35的方法，还包括：基于目标的总数的最终估计来识别协方差矩阵的本征向量的子集。
条款37.根据条款36的方法，还包括：通过排除其本征值为最大的多个本征向量来识别本征向量的子集，所排除的本征向量的数量等于目标的总数的最终估计；使用本征向量的子集形成噪声子空间；通过将引导阵列的向量投影到噪声子空间上来生成投影的集合；以及基于投影的集合生成伪频谱。
条款38.根据条款37的方法，还包括：基于伪频谱来识别至少一个目标的一个或多个属性。
条款39.根据条款35-条款38的任一项的方法，执行频谱分析包括对接收信号应用离散傅立叶变换(DFT)。
条款40.根据条款39的方法，生成目标的总数的初始估计包括将每个目标识别为对应于由DFT产生的频谱中的相应峰值。
条款41.根据条款35-条款38的任一项的方法，其中，执行频谱分析包括使用接收信号作为输入来执行恒定虚警率(CFAR)检测算法。
条款42.一种方法，包括：发送雷达信号；通过多个天线接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；对接收信号执行频谱分析，以识别包含潜在目标的感兴趣的区域；生成信号阵列作为接收信号的数字表示；使用信号阵列计算协方差矩阵；确定协方差矩阵的本征向量以及对应于本征向量的本征值；使用协方差矩阵的本征向量的子集形成子空间；生成包括表示所述多个天线对从视场中的不同方向接收的信号的响应的向量的引导阵列；通过将来自引导阵列的向量的子集投影到子空间上来生成投影的集合，其中向量的子集对应于感兴趣的区域；以及基于投影的集合生成伪频谱。
条款43.根据条款42的方法，执行频谱分析包括：对接收信号应用离散傅立叶变换(DFT)以生成在范围域中表示接收信号的仓的集合；以及基于仓的集合的值来识别感兴趣的区域。
条款44.根据条款43的方法，其中，感兴趣的区域被识别为与其值超过阈值的仓相关联的距离。
条款45.根据条款42-条款44的任一项的方法，其中，执行频谱分析包括：对接收信号应用离散傅立叶变换(DFT)以生成在方位角或仰角域中表示接收信号的仓的集合；以及基于仓的集合的值来识别感兴趣的区域。
条款46.根据条款45的方法，其中，感兴趣的区域被识别为与其值超过阈值的仓相关联的角度。
条款47.一种方法，包括：发送雷达信号；通过多个天线接收反射的雷达信号，其中多个天线中的每个天线被配置为响应于反射的雷达信号而生成相应的接收信号；对接收信号执行频谱分析，以在范围域中生成仓的集合；将来自仓的集合中的第一仓识别为对应于一个或多个目标；生成第一信号阵列，作为接收信号的对应于第一仓的部分的数字表示；使用第一信号阵列计算第一协方差矩阵；确定第一协方差矩阵的本征向量以及对应于第一协方差矩阵的本征向量的本征值；使用第一协方差矩阵的本征向量的子集形成第一子空间；生成包括表示多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列；通过将来自导引阵列的向量投影到第一子空间上来生成投影的第一集合；基于投影的第一集合生成第一伪频谱；以及基于第一伪频谱来确定第一目标的到达方向。
条款48.根据条款47的方法，其中，基于第一仓的值超过阈值来识别第一仓。
条款49.根据条款47或条款48的方法，还包括：基于对应于第一协方差矩阵的本征向量的本征值的分布来估计与第一仓相关联的目标的总数；以及通过排除其本征值为最大的多个本征向量来识别本征向量的第一子集，所排除的本征向量的数量等于估计的目标的总数。
条款50.根据条款49的方法，其中，估计与第一仓相关联的目标的总数包括将Akaike信息准则应用于本征值的分布。
条款51.根据条款47-条款50的任一项的方法，还包括：将来自仓的集合中的第二仓识别为对应于一个或多个目标；生成第二信号阵列，作为接收信号的对应于第二仓的部分的数字表示；使用第二信号阵列计算第二协方差矩阵；确定第二协方差矩阵的本征向量以及对应于第二协方差矩阵的本征向量的本征值；使用第二协方差矩阵的本征向量的子集形成第二子空间；通过将来自导引阵列的向量投影到第二子空间上来生成投影的第二集合；基于投影的第二集合生成第二伪频谱；以及基于第二伪频谱来确定第二目标的到达方向。
条款52.根据条款51的方法，还包括：基于第一目标的到达方向、第二目标的到达方向、与第一仓相关联的距离以及与第二仓相关联的距离来生成视场的范围-方位角表示。

Claims (52)

1.一种装置，包括：
信号发生器，被配置为生成雷达信号；
至少一个发送天线，被配置为发送所述雷达信号；
多个天线，被配置为接收反射的雷达信号，其中所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；以及
一个或多个处理器，被配置为：
生成信号阵列作为所述接收信号的数字表示；
使用所述信号阵列计算协方差矩阵；
确定所述协方差矩阵的一个或多个本征向量，其中，所述一个或多个本征向量包括所述协方差矩阵的所有本征向量的子集，并且其中，为了确定所述一个或多个本征向量，所述一个或多个处理器执行主分量分析；并且
基于所述一个或多个本征向量确定至少一个目标的一个或多个属性。
2.根据权利要求1所述的装置，其中，为了执行所述主分量分析，所述一个或多个处理器被配置为一次一个地识别所述一个或多个本征向量，所述一个或多个本征向量中的每个本征向量对应于主分量并且进一步对应于所述至少一个目标的不同目标。
3.根据权利要求2所述的装置，其中，为了执行所述主分量分析，所述一个或多个处理器被配置为：
生成随机本征向量作为所述一个或多个本征向量的初始猜测；以及
迭代地细化所述随机本征向量，直到所述随机本征向量的值收敛到所述一个或多个本征向量中的第一本征向量。
4.根据权利要求2所述的装置，其中，为了执行所述主分量分析，所述一个或多个处理器被配置为：
生成候选本征向量，如果所述候选本征向量包括在所述一个或多个本征向量中，则所述候选本征向量形成正交基；以及
通过以下操作迭代地细化所述候选本征向量：
生成下一候选本征向量；
计算相似性度量，所述相似性度量的值指示所述候选本征向量与所述下一候选本征向量之间的相似性程度；
基于将所述相似性度量的所述值与阈值进行比较，确定所述候选本征向量和所述下一候选本征向量是不相似的；并且
基于确定所述候选本征向量和所述下一候选本征向量是不相似的，用所述下一候选本征向量替换所述候选本征向量。
5.根据权利要求2所述的装置，其中，为了执行所述主分量分析，所述一个或多个处理器被配置为：
生成候选本征向量，如果所述候选本征向量包括在所述一个或多个本征向量中，则所述候选本征向量形成正交基；以及
通过以下操作迭代地细化所述候选本征向量：
生成下一候选本征向量；
计算相似性度量，所述相似性度量的值指示所述候选本征向量与所述下一候选本征向量之间的相似性程度；
基于将所述相似性度量的所述值与阈值进行比较，确定所述候选本征向量和所述下一候选本征向量是相似的；并且
基于确定所述候选本征向量和所述下一候选本征向量是相似的，将所述下一候选本征向量识别为所述一个或多个本征向量中的本征向量。
6.根据权利要求1所述的装置，其中，为了确定所述至少一个目标的所述一个或多个属性，所述一个或多个处理器被配置为：
使用所述一个或多个本征向量形成信号子空间；
将不同频率的频调投影到所述信号子空间上；并且
基于所投影的频调生成伪频谱。
7.根据权利要求6所述的装置，其中，所述一个或多个处理器被配置为基于所述伪频谱来确定所述一个或多个属性。
8.根据权利要求1所述的装置，其中，所述一个或多个属性包括所述至少一个目标的距离和所述至少一个目标的到达方向中的至少一个。
9.一种装置，包括：
信号发生器，被配置为生成雷达信号；
至少一个发送天线，被配置为发送所述雷达信号；
多个天线，被配置为接收反射的雷达信号，其中所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；以及
一个或多个处理器，被配置为：
对所述接收信号执行频谱分析，以生成视场中目标的总数的初始估计；
生成信号阵列作为所述接收信号的数字表示；
使用所述信号阵列计算协方差矩阵；
确定所述协方差矩阵的本征向量以及对应于所述本征向量的本征值；并且
使用所述本征值和所述初始估计来生成所述目标的总数的最终估计。
10.根据权利要求9所述的装置，其中，所述一个或多个处理器进一步被配置为：
基于所述目标的总数的所述最终估计来识别所述协方差矩阵的本征向量的子集。
11.根据权利要求10所述的装置，其中，所述一个或多个处理器进一步被配置为：
通过排除其本征值为最大的多个本征向量来识别所述本征向量的子集，所排除的本征向量的数量等于所述目标的总数的所述最终估计；
使用所述本征向量的子集形成噪声子空间；
通过将导引阵列的向量投影到所述噪声子空间上来生成投影的集合；并且
基于所述投影的集合生成伪频谱。
12.根据权利要求11所述的装置，其中，所述一个或多个处理器进一步被配置为：
基于所述伪频谱来识别至少一个目标的一个或多个属性。
13.根据权利要求9所述的装置，其中，为了执行所述频谱分析，所述一个或多个处理器被配置为对所述接收信号应用离散傅立叶变换(DFT)。
14.根据权利要求13所述的装置，其中，为了生成所述目标的总数的所述初始估计，所述一个或多个处理器被配置为将每个目标识别为对应于由所述DFT产生的频谱中的相应峰值。
15.根据权利要求9所述的装置，其中，为了执行所述频谱分析，所述一个或多个处理器被配置为使用所述接收信号作为输入来执行恒定虚警率(CFAR)检测算法。
16.一种装置，包括：
信号发生器，被配置为生成雷达信号；
至少一个发送天线，被配置为发送所述雷达信号；
多个天线，被配置为接收反射的雷达信号，其中所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；以及
一个或多个处理器，被配置为：
对所述接收信号执行频谱分析，以识别包含潜在目标的感兴趣的区域；
生成信号阵列作为所述接收信号的数字表示；
使用所述信号阵列计算协方差矩阵；
确定所述协方差矩阵的本征向量以及对应于所述本征向量的本征值；
使用所述协方差矩阵的所述本征向量的子集形成子空间；
生成包括表示所述多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列；
通过将来自所述导引阵列的向量的子集投影到所述子空间上来生成投影的集合，其中所述向量的子集对应于所述感兴趣的区域；并且
基于所述投影的集合生成伪频谱。
17.根据权利要求16所述的装置，其中，为了执行所述频谱分析，所述一个或多个处理器被配置为对所述接收信号应用离散傅立叶变换(DFT)以生成在范围域表示所述接收信号的仓的集合，并且其中，所述一个或多个处理器被配置为基于所述仓的集合的值来识别所述感兴趣的区域。
18.根据权利要求17所述的装置，其中，所述一个或多个处理器被配置为将所述感兴趣的区域识别为与其值超过阈值的仓相关联的距离。
19.根据权利要求16所述的装置，其中，为了执行所述频谱分析，所述一个或多个处理器被配置为对所述接收信号应用离散傅立叶变换(DFT)以生成在方位角或仰角域中表示所述接收信号的仓的集合，并且其中，所述一个或多个处理器被配置为基于所述仓的集合的值来识别所述感兴趣的区域。
20.根据权利要求19所述的装置，其中，所述一个或多个处理器被配置为将所述感兴趣的区域识别为与其值超过阈值的仓相关联的角度。
21.一种装置，包括：
信号发生器，被配置为生成雷达信号；
至少一个发送天线，被配置为发送所述雷达信号；
多个天线，被配置为接收反射的雷达信号，其中所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；以及
一个或多个处理器，被配置为：
对所述接收信号执行频谱分析，以在范围域中生成仓的集合；
将来自所述仓的集合中的第一仓识别为对应于一个或多个目标；
生成第一信号阵列，作为所述接收信号的对应于所述第一仓的部分的数字表示；
使用所述第一信号阵列计算第一协方差矩阵；
确定所述第一协方差矩阵的本征向量以及对应于所述第一协方差矩阵的所述本征向量的本征值；
使用所述第一协方差矩阵的所述本征向量的子集形成第一子空间；
生成包括表示所述多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列；
通过将来自所述导引阵列的向量投影到所述第一子空间上来生成投影的第一集合；
基于所述投影的第一集合生成第一伪频谱；并且
基于所述第一伪频谱来确定第一目标的到达方向。
22.根据权利要求21所述的装置，其中，所述一个或多个处理器被配置为基于所述第一仓的值超过阈值来识别所述第一仓。
23.根据权利要求21所述的装置，其中，所述一个或多个处理器进一步被配置为：
基于对应于所述第一协方差矩阵的所述本征向量的本征值的分布来估计与所述第一仓相关联的目标的总数；以及
通过排除其本征值为最大的多个本征向量来识别本征向量的第一子集，所排除的本征向量的数量等于所估计的目标的总数；
24.根据权利要求23所述的装置，其中，为了估计与所述第一仓相关联的目标的总数，所述一个或多个处理器被配置为将Akaike信息准则应用于本征值的所述分布。
25.根据权利要求21所述的装置，其中，所述一个或多个处理器进一步被配置为：
将来自所述仓的集合中的第二仓识别为对应于一个或多个目标；
生成第二信号阵列，作为所述接收信号的对应于所述第二仓的部分的数字表示；
使用所述第二信号阵列计算第二协方差矩阵；
确定所述第二协方差矩阵的本征向量以及对应于所述第二协方差矩阵的所述本征向量的本征值；
使用所述第二协方差矩阵的所述本征向量的子集形成第二子空间；
通过将来自所述导引阵列的向量投影到所述第二子空间上来生成投影的第二集合；
基于所述投影的第二集合生成第二伪频谱；并且
基于所述第二伪频谱来确定第二目标的到达方向。
26.根据权利要求25所述的装置，其中，所述一个或多个处理器进一步被配置为：
基于所述第一目标的所述到达方向、所述第二目标的所述到达方向、与所述第一仓相关联的距离以及与所述第二仓相关联的距离来生成所述视场的范围-方位角表示。
27.一种方法，包括：
发送雷达信号；
通过多个天线接收反射的雷达信号，其中，所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；
生成信号阵列作为所述接收信号的数字表示；
使用所述信号阵列计算协方差矩阵；
确定所述协方差矩阵的一个或多个本征向量，其中，所述一个或多个本征向量包括所述协方差矩阵的所有本征向量的子集，并且其中，所述一个或多个本征向量是通过主分量分析确定的；以及
基于所述一个或多个本征向量确定至少一个目标的一个或多个属性。
28.根据权利要求27所述的方法，其中，所述主分量分析包括：
一次一个地识别所述一个或多个本征向量，所述一个或多个本征向量中的每个本征向量对应于主分量并且进一步对应于所述至少一个目标的不同目标。
29.根据权利要求28所述的方法，其中，所述主分量分析包括：
生成随机本征向量作为所述一个或多个本征向量的初始猜测；
迭代地细化所述随机本征向量，直到所述随机本征向量的值收敛到所述一个或多个本征向量中的第一本征向量。
30.根据权利要求28所述的方法，其中，所述主分量分析包括：
生成候选本征向量，如果所述候选本征向量包括在所述一个或多个本征向量中，则所述候选本征向量形成正交基；以及
通过以下操作迭代地细化所述候选本征向量：
生成下一候选本征向量；
计算相似性度量，所述相似性度量的值指示所述候选本征向量与所述下一候选本征向量之间的相似性程度；
基于将所述相似性度量的所述值与阈值进行比较，确定所述候选本征向量和所述下一候选本征向量是不相似的；以及
基于确定所述候选本征向量和所述下一候选本征向量是不相似的，用所述下一候选本征向量替换所述候选本征向量。
31.根据权利要求28所述的方法，其中，所述主分量分析包括：
生成候选本征向量，如果所述候选本征向量包括在所述一个或多个本征向量中，则所述候选本征向量形成正交基；以及
通过以下操作迭代地细化所述候选本征向量：
生成下一候选本征向量；
计算相似性度量，所述相似性度量的值指示所述候选本征向量与所述下一候选本征向量之间的相似性程度；
基于将所述相似性度量的所述值与阈值进行比较，确定所述候选本征向量和所述下一候选本征向量是相似的；并且
基于确定所述候选本征向量和所述下一候选本征向量是相似的，将所述下一候选本征向量识别为所述一个或多个本征向量中的本征向量。
32.根据权利要求27所述的方法，其中，确定所述至少一个目标的所述一个或多个属性包括：
使用所述一个或多个本征向量形成信号子空间；
将不同频率的频调投影到所述信号子空间上；以及
基于所投影的频调生成伪频谱。
33.根据权利要求32所述的方法，其中，所述一个或多个属性是基于所述伪频谱确定的。
34.根据权利要求27所述的方法，其中，所述一个或多个属性包括所述至少一个目标的距离和所述至少一个目标的到达方向中的至少一个。
35.一种方法，包括：
发送雷达信号；
通过多个天线接收反射的雷达信号，其中，所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；
对所述接收信号执行频谱分析，以生成视场中目标的总数的初始估计；
生成信号阵列作为所述接收信号的数字表示；
使用所述信号阵列计算协方差矩阵；
确定所述协方差矩阵的本征向量以及对应于所述本征向量的本征值；
使用所述本征值和所述初始估计来生成所述目标的总数的最终估计。
36.根据权利要求35所述的方法，还包括：
基于所述目标的总数的所述最终估计来识别所述协方差矩阵的本征向量的子集。
37.根据权利要求36所述的方法，还包括：
通过排除其本征值为最大的多个本征向量来识别所述本征向量的子集，所排除的本征向量的数量等于所述目标的总数的所述最终估计；
使用所述本征向量的子集形成噪声子空间；
通过将导引阵列的向量投影到所述噪声子空间上来生成投影的集合；以及
基于所述投影的集合生成伪频谱。
38.根据权利要求37所述的方法，还包括：
基于所述伪频谱来识别至少一个目标的一个或多个属性。
39.根据权利要求35所述的方法，执行所述频谱分析包括对所述接收信号应用离散傅立叶变换(DFT)。
40.根据权利要求39所述的方法，生成所述目标的总数的所述初始估计包括将每个目标识别为对应于由所述DFT产生的频谱中的相应峰值。
41.根据权利要求35所述的方法，其中，执行所述频谱分析包括使用所述接收信号作为输入来执行恒定虚警率(CFAR)检测算法。
42.一种方法，包括：
发送雷达信号；
通过多个天线接收反射的雷达信号，其中，所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；
对所述接收信号执行频谱分析，以识别包含潜在目标的感兴趣的区域；
生成信号阵列作为所述接收信号的数字表示；
使用所述信号阵列计算协方差矩阵；
确定所述协方差矩阵的本征向量以及对应于所述本征向量的本征值；
使用所述协方差矩阵的所述本征向量的子集形成子空间；
生成包括表示所述多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列；
通过将来自所述导引阵列的向量的子集投影到所述子空间上来生成投影的集合，其中所述向量的子集对应于所述感兴趣的区域；以及
基于所述投影的集合生成伪频谱。
43.根据权利要求42所述的方法，执行所述频谱分析包括：
对所述接收信号应用离散傅立叶变换(DFT)以生成在范围域中表示所述接收信号的仓的集合；以及
基于所述仓的集合的值来识别所述感兴趣的区域。
44.根据权利要求43所述的方法，其中，所述感兴趣的区域被识别为与其值超过阈值的仓相关联的距离。
45.根据权利要求42所述的方法，其中，执行所述频谱分析包括：
对所述接收信号应用离散傅立叶变换(DFT)以生成在方位角或仰角域中表示所述接收信号的仓的集合；以及
基于所述仓的集合的值来识别所述感兴趣的区域。
46.根据权利要求45所述的方法，其中，所述感兴趣的区域被识别为与其值超过阈值的仓相关联的角度。
47.一种方法，包括：
发送雷达信号；
通过多个天线接收反射的雷达信号，其中，所述多个天线中的每个天线被配置为响应于所述反射的雷达信号而生成相应的接收信号；
对所述接收信号执行频谱分析，以在范围域中生成仓的集合；
将来自所述仓的集合中的第一仓识别为对应于一个或多个目标；
生成第一信号阵列，作为所述接收信号的对应于所述第一仓的部分的数字表示；
使用所述第一信号阵列计算第一协方差矩阵；
确定所述第一协方差矩阵的本征向量以及对应于所述第一协方差矩阵的所述本征向量的本征值；
使用所述第一协方差矩阵的所述本征向量的子集形成第一子空间；
生成包括表示所述多个天线对从视场中的不同方向接收的信号的响应的向量的导引阵列；
通过将来自所述导引阵列的向量投影到所述第一子空间上来生成投影的第一集合；
基于所述投影的第一集合生成第一伪频谱；以及
基于所述第一伪频谱来确定第一目标的到达方向。
48.根据权利要求47所述的方法，其中，基于所述第一仓的值超过阈值来识别所述第一仓。
49.根据权利要求47所述的方法，还包括：
基于对应于所述第一协方差矩阵的所述本征向量的本征值的分布来估计与所述第一仓相关联的目标的总数；以及
通过排除其本征值为最大的多个本征向量来识别本征向量的第一子集，所排除的本征向量的数量等于所估计的目标的总数；
50.根据权利要求49所述的方法，其中，估计与所述第一仓相关联的所述目标的总数包括将Akaike信息准则应用于所述本征值的分布。
51.根据权利要求47所述的方法，还包括：
将来自所述仓的集合中的第二仓识别对应于一个或多个目标；
生成第二信号阵列，作为所述接收信号的对应于所述第二仓的部分的数字表示；
使用所述第二信号阵列计算第二协方差矩阵；
确定所述第二协方差矩阵的本征向量以及对应于所述第二协方差矩阵的所述本征向量的本征值；
使用所述第二协方差矩阵的所述本征向量的子集形成第二子空间；
通过将来自所述导引阵列的向量投影到所述第二子空间上来生成投影的第二集合；
基于所述投影的第二集合生成第二伪频谱；以及
基于所述第二伪频谱来确定第二目标的到达方向。
52.根据权利要求51所述的方法，还包括：
基于所述第一目标的所述到达方向、所述第二目标的所述到达方向、与所述第一仓相关联的距离以及与所述第二仓相关联的距离来生成所述视场的范围-方位角表示。
CN202180037631.9A 2020-05-27 2021-03-30 高分辨率和计算效率高的雷达技术 Pending CN115698750A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US16/885,239 US11740327B2 (en) 2020-05-27 2020-05-27 High resolution and computationally efficient radar techniques
US16/885,239 2020-05-27
PCT/US2021/024934 WO2021252048A2 (en) 2020-05-27 2021-03-30 High resolution and computationally efficient radar techniques

Publications (1)

Publication Number Publication Date
CN115698750A true CN115698750A (zh) 2023-02-03

Family

ID=78402208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180037631.9A Pending CN115698750A (zh) 2020-05-27 2021-03-30 高分辨率和计算效率高的雷达技术

Country Status (6)

Country Link
US (1) US11740327B2 (zh)
EP (1) EP4158375A2 (zh)
KR (1) KR20230016181A (zh)
CN (1) CN115698750A (zh)
BR (1) BR112022023149A2 (zh)
WO (1) WO2021252048A2 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11876582B2 (en) * 2020-07-20 2024-01-16 Metawave Corporation Hybrid beam steering radar
US20220357423A1 (en) * 2021-04-29 2022-11-10 Qualcomm Incorporated Phase based search procedure for radar detection
US20230228845A1 (en) * 2022-01-19 2023-07-20 Aptiv Technologies Limited Radar System with Sequential Two-Dimensional Angle Estimation
US20230333232A1 (en) * 2022-04-15 2023-10-19 Gm Cruise Holdings Llc Radar interference detection and mitigation
CN117805749A (zh) * 2023-12-29 2024-04-02 上海保隆汽车科技股份有限公司 毫米波雷达阵元间距误差测量方法和校准方法

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0448890B1 (en) * 1990-03-30 1997-12-29 Koninklijke Philips Electronics N.V. Method of processing signal data on the basis of prinicipal component transform, apparatus for performing the method
US5262789A (en) * 1992-04-30 1993-11-16 General Electric Company Source identification system for closely separated spatial sources
US5262785A (en) * 1992-04-30 1993-11-16 General Electric Co. Small target doppler detection system
US7103537B2 (en) * 2000-10-13 2006-09-05 Science Applications International Corporation System and method for linear prediction
US7058147B2 (en) * 2001-02-28 2006-06-06 At&T Corp. Efficient reduced complexity windowed optimal time domain equalizer for discrete multitone-based DSL modems
US9819449B2 (en) * 2002-05-14 2017-11-14 Genghiscomm Holdings, LLC Cooperative subspace demultiplexing in content delivery networks
EP1253581B1 (en) * 2001-04-27 2004-06-30 CSEM Centre Suisse d'Electronique et de Microtechnique S.A. - Recherche et Développement Method and system for speech enhancement in a noisy environment
US8942082B2 (en) * 2002-05-14 2015-01-27 Genghiscomm Holdings, LLC Cooperative subspace multiplexing in content delivery networks
KR100754384B1 (ko) * 2003-10-13 2007-08-31 삼성전자주식회사 잡음에 강인한 화자위치 추정방법 및 장치와 이를 이용한카메라 제어시스템
US7509170B2 (en) * 2005-05-09 2009-03-24 Cardiac Pacemakers, Inc. Automatic capture verification using electrocardiograms sensed from multiple implanted electrodes
GB2447675B (en) * 2007-03-20 2009-06-24 Toshiba Res Europ Ltd Wireless communication apparatus
US7884763B2 (en) * 2008-06-30 2011-02-08 Cisco Technology, Inc. Orthogonal/partial orthogonal beamforming weight generation for MIMO wireless communication
US8385971B2 (en) * 2008-08-19 2013-02-26 Digimarc Corporation Methods and systems for content processing
US8688616B2 (en) * 2010-06-14 2014-04-01 Blue Prism Technologies Pte. Ltd. High-dimensional data analysis
JP5600499B2 (ja) * 2010-07-01 2014-10-01 日本電産エレシス株式会社 電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム
JP5677830B2 (ja) * 2010-12-22 2015-02-25 日本電産エレシス株式会社 電子走査型レーダ装置、受信波方向推定方法及び受信波方向推定プログラム
US20120321202A1 (en) * 2011-06-20 2012-12-20 Michael Benjamin Selkowe Fertik Identifying information related to a particular entity from electronic sources, using dimensional reduction and quantum clustering
WO2013175558A1 (ja) * 2012-05-21 2013-11-28 トヨタ自動車株式会社 レーダ装置、角度検証方法
ITRM20120381A1 (it) * 2012-08-02 2014-02-03 Mbda italia spa Metodo ed apparato di filtraggio stap di un segnale di eco radar
US9307926B2 (en) * 2012-10-05 2016-04-12 Volcano Corporation Automatic stent detection
JPWO2015088030A1 (ja) * 2013-12-12 2017-03-16 日本電産エレシス株式会社 反射波到来方向の推定方法、及びプログラム
US11340345B2 (en) * 2015-07-17 2022-05-24 Origin Wireless, Inc. Method, apparatus, and system for wireless object tracking
FR3034874B1 (fr) * 2015-04-09 2017-04-28 Thales Sa Procede de separation de sources pour signaux parcimonieux
JP6598244B2 (ja) * 2015-10-05 2019-10-30 株式会社デンソーテン レーダ装置、レーダ装置の信号処理装置、および信号処理方法
JP2017173227A (ja) * 2016-03-25 2017-09-28 パナソニック株式会社 レーダ装置及びレーダ方法
US9846228B2 (en) * 2016-04-07 2017-12-19 Uhnder, Inc. Software defined automotive radar systems
JP2017223461A (ja) * 2016-06-13 2017-12-21 パナソニックＩｐマネジメント株式会社 レーダ装置および検出方法
US10222472B2 (en) * 2016-09-30 2019-03-05 Veoneer Us, Inc. System and method for detecting heading and velocity of a target object
US11412937B2 (en) * 2017-03-29 2022-08-16 Texas Instruments Incorporated Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
US10135554B1 (en) * 2017-06-01 2018-11-20 Apple Inc. Robust super-resolution processing for wireless ranging
US10466345B1 (en) * 2017-06-01 2019-11-05 Apple Inc. Time-of-arrival estimation with subspace methods
WO2019014771A1 (en) * 2017-07-20 2019-01-24 UNIVERSITé LAVAL METHOD AND SYSTEM FOR SECOND ORDER DETECTION FOR TELEMETRY APPLICATIONS
US11119186B2 (en) * 2017-12-07 2021-09-14 Texas Instruments Incorporated Radar processing chain for frequency-modulated continuous wave radar systems
US10637544B1 (en) * 2018-04-24 2020-04-28 Genghiscomm Holdings, LLC Distributed radio system
US10327221B1 (en) * 2018-05-25 2019-06-18 Apple Inc. Super-resolution technique for time-of-arrival estimation
WO2021137191A1 (en) * 2019-12-31 2021-07-08 Vayyar Imaging Ltd. Systems and methods for shaping beams produced by antenna arrays
US11866983B2 (en) * 2020-02-26 2024-01-09 Magna Electronics Inc. Radar scanning system for static obstacle detection for power door movement
US20210364616A1 (en) * 2020-05-21 2021-11-25 Hertzwell Pte. Ltd. Radar system and computer-implemented method for radar target detection

Also Published As

Publication number Publication date
US11740327B2 (en) 2023-08-29
US20210373127A1 (en) 2021-12-02
WO2021252048A3 (en) 2022-07-07
EP4158375A2 (en) 2023-04-05
WO2021252048A2 (en) 2021-12-16
BR112022023149A2 (pt) 2022-12-20
KR20230016181A (ko) 2023-02-01

Similar Documents

Publication Publication Date Title
US11740327B2 (en) High resolution and computationally efficient radar techniques
Jia et al. Effect of sensor motion on time delay and Doppler shift localization: Analysis and solution
EP2263097B1 (en) Autonomous sonar system and method
EP2572545B1 (en) Determining the geographic locaton of a portable electronic device
EP3227703B1 (en) Methods and systems for spectral analysis of sonar data
Northardt et al. Spatial compressive sensing for direction-of-arrival estimation with bias mitigation via expected likelihood
JP2007147554A (ja) レーダ信号処理装置
CN107121665B (zh) 一种基于稀疏阵的近场相干源的无源定位方法
US11243311B2 (en) Method and device for determining a position of a mobile object
US11555881B2 (en) Locating method for localizing at least one object using wave-based signals and locating system
Li et al. A Barankin-type bound on direction estimation using acoustic sensor arrays
EP1682923B1 (fr) Procede de localisation d un ou de plusieurs emetteurs
RU2515179C1 (ru) Способ определения направления на гидроакустический маяк-ответчик в условиях многолучевого распространения навигационного сигнала
Penhale et al. Direction of arrival estimation in practical scenarios using moving standard deviation processing for localization and tracking with acoustic vector sensors
RU2524401C1 (ru) Способ обнаружения и пространственной локализации подвижных объектов
Yu et al. Low-complexity 2D direction-of-arrival estimation for acoustic sensor arrays
RU2586078C2 (ru) Однопозиционный пассивный радиоэлектронный комплекс для определения горизонтальных координат, элементов движения цели и коэффициента километрического затухания электромагнитного излучения цели
RU2524399C1 (ru) Способ обнаружения малоразмерных подвижных объектов
JP2007263948A (ja) 画像レーダ装置
Park et al. Resolution enhancement of coherence sources impinge on a uniform circular array with array expansion
Venus et al. Graph-based simultaneous localization and bias tracking
RU2521608C1 (ru) Способ скрытного обнаружения подвижных объектов
JP2006078270A (ja) レーダ装置
US12028150B2 (en) Communication control apparatus and method of artificial satellite
US11953584B2 (en) Three-dimensional location estimation using multiplicative processing of sensor measurements

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