CN116106847A - 毫米波雷达二维联合超分辨测角方法、装置及存储介质 - Google Patents
毫米波雷达二维联合超分辨测角方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116106847A CN116106847A CN202310078679.5A CN202310078679A CN116106847A CN 116106847 A CN116106847 A CN 116106847A CN 202310078679 A CN202310078679 A CN 202310078679A CN 116106847 A CN116106847 A CN 116106847A
- Authority
- CN
- China
- Prior art keywords
- angle measurement
- dimensional
- target
- angle
- matrix
- 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.)
- Granted
Links
- 238000000691 measurement method Methods 0.000 title claims abstract description 42
- 239000011159 matrix material Substances 0.000 claims description 190
- 238000005259 measurement Methods 0.000 claims description 168
- 238000001228 spectrum Methods 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 48
- 238000004422 calculation algorithm Methods 0.000 claims description 41
- 238000005070 sampling Methods 0.000 claims description 37
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- 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
- 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
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/62—Sense-of-movement determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种毫米波雷达二维联合超分辨测角方法、装置、控制器及计算机存储介质，方法包括根据回波数据获取目标信息数组，并得到第一二维测角数据矩阵，对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱，对目标方位维空间谱进行谱峰搜索处理，得到目标方位角信息，根据采样矩阵求逆算法和目标方位角信息得到第二二维测角数据矩阵，并根据第二二维测角数据矩阵得到俯仰维空间谱，进而得到目标俯仰角信息，其中，本申请无需已知信源个数，无需进行两维角度估计结果的配对，能在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，并提供目标的俯仰维角度信息，进而进行高精度的目标探测与识别。
Description
技术领域
本申请涉及毫米波雷达技术领域，具体涉及一种毫米波雷达二维联合超分辨测角方法、装置、控制器及计算机存储介质。
背景技术
随着近年来技术发展，毫米波雷达传感器具有全天时、全天候，对光照变化和天气条件不敏感的特点，逐渐成为智能驾驶领域的关键部件，毫米波雷达传感器被广泛应用于交通监测、智能驾驶等领域，随着这些领域的技术不断发展，当前相关领域技术人员对毫米波雷达的角度估计性能有了更高的要求；
现有技术中，为了测量目标的俯仰角度，毫米波雷达的天线阵列被设计成二维面阵，然而，由于雷达尺寸有限，阵列天线孔径不能任意增大，角度分辨率受到限制，且由于成本限制，毫米波雷达传感器硬件资源有限，高复杂度的超分辨测角算法实现困难，即二维面阵的两维均采用超分辨测角算法时，要求虚拟面阵满阵，但由于成本与尺寸的限制，当前技术无法在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，且无法提供目标的俯仰维角度信息，进而无法有效的进行高精度的目标探测与识别。
发明内容
本申请实施例提供一种毫米波雷达二维联合超分辨测角方法、毫米波雷达二维联合超分辨测角装置、控制器及计算机存储介质，至少能保证，本申请方案能在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，并提供目标的俯仰维角度信息。
第一方面，本申请实施例提供了一种毫米波雷达二维联合超分辨测角方法，应用于二维面阵毫米波雷达，所述方法包括：
根据所述二维面阵毫米波雷达的回波数据获取目标信息数组，并根据所述目标信息数组得到第一二维测角数据矩阵；
根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；
对所述目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据所述目标方位角度索引得到目标方位角信息；
根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，并根据所述第二二维测角数据矩阵得到俯仰测角数据向量；
根据所述俯仰测角数据向量得到俯仰维空间谱；
对所述俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据所述目标俯仰维角度得到目标俯仰角信息。
在一些实施例中，所述根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱，包括：
根据预设的目标角度范围进行离散化处理，构造超完备基矩阵；
根据所述第一二维测角数据矩阵得到多组线性预测权重；
根据所述超完备基矩阵和所述线性预测权重进行加权计算处理，得到所述目标方位维空间谱。
在一些实施例中，所述根据所述第一二维测角数据矩阵得到多组线性预测权重，包括：
对所述第一二维测角数据矩阵的主子阵进行空间平滑处理，得到多快拍数据；
根据所述多快拍数据得到协方差矩阵；
对所述协方差矩阵进行噪声对角加载添加处理，得到协方差逆矩阵；
根据所述协方差逆矩阵计算多组线性预测权重。
在一些实施例中，所述根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，包括：
根据所述目标方位角信息得到方位角目标个数；
在所述方位角目标个数大于1的情况下，遍历所述目标方位角信息对应的多个目标方位角，并根据多个目标方位角中的非当前方位角构造采样矩阵；
根据所述采样矩阵得到自相关矩阵，并对所述自相关矩阵进行噪声对角加载添加处理，得到自相关逆矩阵；
根据所述自相关逆矩阵得到当前方位角的所述第二二维测角数据矩阵。
在一些实施例中，所述根据所述第二二维测角数据矩阵得到俯仰测角数据向量，包括：
对所述第二二维测角数据矩阵进行方位维快速傅里叶变换处理，得到目标方位角索引；
根据所述目标方位角索引得到俯仰测角数据向量。
在一些实施例中，所述目标信息数组包括距离信息、速度信息和信噪比信息。
第。二方面，本申请实施例提供了一种毫米波雷达二维联合超分辨测角装置，所述装置设置于二维面阵毫米波雷达，所述装置包括采样模块、天线阵列分析模块、测角数据矩阵生成模块、方位角测角模块、峰值搜索模块和俯仰维测角模块；
所述采样模块、所述天线阵列分析模块和所述测角数据矩阵生成模块用于根据所述二维面阵毫米波雷达的回波数据获取目标信息数组，并根据所述目标信息数组得到第一二维测角数据矩阵；
所述方位角测角模块用于根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；
所述峰值搜索模块用于对所述目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据所述目标方位角度索引得到目标方位角信息；
所述俯仰维测角模块用于根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，并根据所述第二二维测角数据矩阵得到俯仰测角数据向量，根据所述俯仰测角数据向量得到俯仰维空间谱，以使所述峰值搜索模块对所述俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据所述目标俯仰维角度得到目标俯仰角信息。
在一些实施例中，所述二维面阵毫米波雷达的二维面阵包括多个发射天线和多个接收天线，所述二维面阵中的阵元根据预设的最小阵元间隔进行稀疏排布，所述最小阵元间隔为半波长。
第三方面，本申请实施例提供了一种控制器，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中任意一项实施例所述的毫米波雷达二维联合超分辨测角方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于执行如第一方面中任意一项实施例所述的毫米波雷达二维联合超分辨测角方法。
本申请至少具有以下有益效果：所述方法包括，根据所述二维面阵毫米波雷达的回波数据获取目标信息数组，并根据所述目标信息数组得到第一二维测角数据矩阵；根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；对所述目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据所述目标方位角度索引得到目标方位角信息；根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，并根据所述第二二维测角数据矩阵得到俯仰测角数据向量；根据所述俯仰测角数据向量得到俯仰维空间谱；对所述俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据所述目标俯仰维角度得到目标俯仰角信息，其中，本申请无需已知信源个数，无需进行两维角度估计结果的配对，在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，并提供目标的俯仰维角度信息，进而满足相关领域技术人员的需求，有效的进行高精度的目标探测与识别。
附图说明
图1为本申请一实施例提出的毫米波雷达二维联合超分辨测角方法的流程图；
图2为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的另一流程图；
图3为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的另一流程图；
图4为本申请另一实施例提出的毫米波雷达二维联合超分辨测角装置的示意图；
图5为本申请另一实施例提出的毫米波雷达二维联合超分辨测角装置的阵列天线排布方式的示意图；
图6为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的方位维测角结果图；
图7为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的俯仰维测角结果图；
图8是在方位维采用传统FFT测角方法的结果图；
图9是在方位维采用传统FFT测角方法时俯仰维FFT测角的结果图；
图10为本申请另一实施例提出的控制器的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
在一些实施例中，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语第一、第二等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
毫米波雷达传感器具有全天时、全天候，对光照变化和天气条件不敏感的特点，逐渐成为智能驾驶领域的关键部件，可以提供精确的距离和速度信息。随着智能驾驶应用的发展，对毫米波雷达的角度估计性能有了更高的要求，包括角度超分辨、增加俯仰角度信息，以生成4D点云数据用于高精度的目标探测与识别毫米波雷达传感器被广泛应用于交通监测、智能驾驶等领域，随着这些领域的技术不断发展，当前相关领域技术人员对毫米波雷达的角度估计性能有了更高的要求；
现有技术中，为了测量目标的俯仰角度，毫米波雷达的天线阵列被设计成二维面阵，然而，由于雷达尺寸有限，阵列天线孔径不能任意增大，角度分辨率受到限制。现有相关方法包括，数字波束形成算法(DBF)、快速傅里叶变换(FFT)测角方法、多重信号分类算法(MUSIC)与旋转不变子空间(ESPRI T)算法；
现有相关方法存在以下问题：数字波束形成(DBF)与快速傅里叶变换(FFT)测角方法不能突破瑞利限，其角度分辨率由天线孔径决定；多重信号分类算法(MUSIC)与旋转不变子空间(ESPRI T)算法可以实现超分辨测角，但需要已知信源个数，由于成本限制，毫米波雷达传感器硬件资源有限，高复杂度的超分辨测角算法实现困难，且由于天线阵列被设计成二维面阵，在L形虚拟阵列下，需要进行两维的测角结果匹配，系统复杂度较高，在两维均采用超分辨测角算法时，要求虚拟面阵满阵，这受到成本与尺寸的限制。
为至少解决上述问题，本申请公开了一种毫米波雷达二维联合超分辨测角方法、毫米波雷达二维联合超分辨测角装置、控制器及计算机存储介质，本申请通过根据回波数据获取目标信息数组，并得到第一二维测角数据矩阵，对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱，对目标方位维空间谱进行谱峰搜索处理，得到目标方位角信息，根据采样矩阵求逆算法和目标方位角信息得到第二二维测角数据矩阵，并根据第二二维测角数据矩阵得到俯仰维空间谱，进而得到目标俯仰角信息，其中，本申请无需已知信源个数，无需进行两维角度估计结果的配对，能在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，并提供目标的俯仰维角度信息，进而进行高精度的目标探测与识别。
下面结合附图，对本申请实施例作进一步描述。
参考图1，图1为本申请一实施例提出的毫米波雷达二维联合超分辨测角方法的流程图，在一些实施例中，毫米波雷达二维联合超分辨测角方法，应用于二维面阵毫米波雷达中的毫米波雷达二维联合超分辨测角装置，毫米波雷达二维联合超分辨测角方法包括但不限于有以下步骤S110、步骤S120、步骤S130、步骤S140、步骤S150和步骤S160；
步骤S110，根据二维面阵毫米波雷达的回波数据获取目标信息数组，并根据目标信息数组得到第一二维测角数据矩阵；
在一些实施例中，毫米波雷达二维联合超分辨测角方法，应用于二维面阵毫米波雷达中的毫米波雷达二维联合超分辨测角装置，其中，毫米波雷达二维联合超分辨测角装置连接的二维面阵包含多个发射天线和多个接收天线，阵元间稀疏排布，最小阵元间隔为半波长，限制天线单元间的耦合，抑制旁瓣的生成；本申请通过时分复用的方式将原始二维面阵等效成其它形状的虚拟面阵，生成虚拟二维面阵，其中，虚拟二维面阵中最长的行阵列作为虚拟二维面阵的方位维主子阵，与二维满阵的阵列天线超分辨测角方法相比，本申请的二维面阵采用稀疏阵列设计可节省成本并在有限空间下可实现。
在一些实施例中，目标信息数组包括距离信息、速度信息和信噪比信息，根据目标信息数组得到第一二维测角数据矩阵包括，基于二维面阵毫米波雷达回波数据采用距离多普勒二维FFT、恒虚警检测的信号处理方法解析目标信息数组；遍历目标信息数组，测量目标的角度，并针对每个目标，根据其距离和多普勒索引抽取所有接收通道的二维FFT数据，将其保存在虚拟阵列映射的二维数组中，没有虚拟阵元的格点做补零处理，得到第一二维测角数据矩阵。
在一些实施例中，本申请根据目标信息数组得到第一二维测角数据矩阵包括，本申请根据虚拟二维面阵中天线单元的索引将目标的多通道数据进行重新排列获得第一二维测角数据矩阵。
步骤S120，根据加权线性预测超分辨测角算法对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；
在一些实施例中，根据加权线性预测超分辨测角算法对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱，包括：遍历目标信息数组，构造目标的二维测角数据矩阵；对二维测角数据矩阵的方位维主子阵采用加权线性预测超分辨测角算法进行方位维的角度估计，得到目标在方位维的空间谱，其中，方位维主子阵上述实施例中提到虚拟二维面阵中最长的行阵列。
步骤S130，对目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据目标方位角度索引得到目标方位角信息；
在一些实施例中，本申请通过对空间谱进行谱峰搜索，获取目标方位维的角度索引以及相应的信噪比，将索引转换为角度即得到目标方位角信息。
步骤S140，根据采样矩阵求逆算法和目标方位角信息得到第二二维测角数据矩阵，并根据第二二维测角数据矩阵得到俯仰测角数据向量；
在一些实施例中，本申请通过对第二二维测角数据矩阵进行方位维快速傅里叶变换处理，得到目标方位角索引，并根据目标方位角索引得到俯仰测角数据向量，即通过对当前方位角的二维测角数据矩阵做方位维FFT处理，根据目标方位维的角度索引构造俯仰测角数据向量。
步骤S150，根据俯仰测角数据向量得到俯仰维空间谱；
在一些实施例中，本申请对通过俯仰测角数据向量采用快速傅里叶变换FFT处理，进而有效的得到俯仰维的空间谱。
步骤S160，对俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据目标俯仰维角度得到目标俯仰角信息。
在一些实施例中，本申请通过上述步骤S110至步骤S160，能在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，并提供目标的俯仰维角度信息，相对于现有技术中的数字波束形成(DBF)与快速傅里叶变换(FFT)测角方法不能突破瑞利限、多重信号分类算法(MUSIC)与旋转不变子空间(ESPRI T)算法需要已知信源个数、在L形虚拟阵列下，需要进行两维的测角结果匹配，系统复杂度较高、在两维均采用超分辨测角算法时，要求虚拟面阵满阵，这受到成本与尺寸的限制等问题，本申请具有以下优点：本申请与数字波束形成或FFT的测角方法相比实现了超分辨测角，且无需已知信源个数；本申请与二维满阵的阵列天线超分辨测角方法相比，本申请的二维面阵采用稀疏阵列设计可节省成本并在有限空间下可实现；本申请与L形二维面阵的阵列天线超分辨测角方法相比，无需进行两维角度估计结果的配对；本申请解决了串行二维测角算法流程中，方位角采用超分辨测角时，其空间谱无俯仰相位信息进而无法获取俯仰角的问题，通过上述优点满足相关领域技术人员的需求，进而更加有效的进行高精度的目标探测与识别。
在一些实施例中，根据加权线性预测超分辨测角算法对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱，包括：根据预设的目标角度范围进行离散化处理，构造超完备基矩阵；根据第一二维测角数据矩阵得到多组线性预测权重；根据超完备基矩阵和线性预测权重进行加权计算处理，得到目标方位维空间谱。
在一些实施例中，根据第一二维测角数据矩阵得到多组线性预测权重，包括：对第一二维测角数据矩阵的主子阵进行空间平滑处理，得到多快拍数据；根据多快拍数据得到协方差矩阵；对协方差矩阵进行噪声对角加载添加处理，得到协方差逆矩阵；根据协方差逆矩阵计算多组线性预测权重。
在一些实施例中，对应上述实施例，根据加权线性预测超分辨测角算法对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱的具体过程如下：
根据预设的目标角度范围进行离散化处理，构造超完备基矩阵包括：设置空间谱点数N，对雷达探测目标角度范围进行离散化，构造超完备基矩阵A：
A＝[a1(θ1) ,a2(θ2),...,aN(θN)] (1)
其中，an(θn)是目标角度为θn的导向矢量；
根据多快拍数据得到协方差矩阵包括：取目标二维测角数据矩阵的主子阵数据，为阵列接收的目标单快拍数据y，采用一次空间平滑方法得到多快拍数据Y：
其中，
为原始单快拍数据的共轭转置，通过一次空间平滑后Y快拍数为2，这使得其协方差矩阵的秩升为2，可在方位维分辨开两个目标；
基于多快拍数据，计算其协方差矩阵R：
其中，YH(l)表示Y(l)取共轭转置；
对协方差矩阵进行噪声对角加载添加处理，得到协方差逆矩阵包括：对协方差矩阵添加噪声级的对角加载，使协方差矩阵为非奇异矩阵，计算协方差矩阵的逆矩阵
(协方差逆矩阵)：
其中，I为M阶的对角单位矩阵，α为噪声因子；
根据协方差逆矩阵计算多组线性预测权重包括：基于协方差矩阵的逆矩阵
计算M组线性预测权值WLP(i)：
其中，i的取值为1到M，T为对角矩阵且第i个对角元素为1，其余对角元素为0；
根据超完备基矩阵和线性预测权重进行加权计算处理，得到目标方位维空间谱包括：基于采用超完备基矩阵A，对M组线性预测权值加权计算得到空间谱PLP(θn)：
通过上述公式(1)至(6)对应过程，本申请根据加权线性预测超分辨测角算法对第一二维测角数据矩阵进行方位维角度估计处理，在采用稀疏阵列设计可节省成本和空间、无需已知信源个数、无需进行两维角度估计结果的配对的情况下，得到目标方位维空间谱，且通过对M组线性预测权值加权计算得到加权线性预测空间谱，使得目标方位维空间谱更加平滑，并减少目标方位维空间谱中假目标的出现。
参考图2，图2为本申请一实施例提出的毫米波雷达二维联合超分辨测角方法的另一流程图，在一些实施例中，根据采样矩阵求逆算法和目标方位角信息得到第二二维测角数据矩阵，包括但不限于有以下步骤S210、步骤S220、步骤S230和步骤S240；
步骤S210，根据目标方位角信息得到方位角目标个数；
步骤S220，在方位角目标个数大于1的情况下，遍历目标方位角信息对应的多个目标方位角，并根据多个目标方位角中的非当前方位角构造采样矩阵；
步骤S230，根据采样矩阵得到自相关矩阵，并对自相关矩阵进行噪声对角加载添加处理，得到自相关逆矩阵；
步骤S240，根据自相关逆矩阵得到当前方位角的第二二维测角数据矩阵。
在一些实施例中，本申请当方位维峰值数量(方位角目标个数)大于1时对第二二维测角数据矩阵采用采样矩阵求逆算法处理，包括，遍历当前目标方位维测角结果，在方位角目标个数大于1时，利用采样矩阵求逆算法处理其二维测角数据矩阵，并采用自适应波束形成方法，基于线性约束最小方差准则，将非当前目标的角度信号作为干扰，求解最优权值向量，具体的过程如下：
在采用一次空间平滑方法的条件下，可在角度维区分开两个同距同速的目标，两目标的角度分别用φ1和φ2表示，φ1和φ2即表征多个目标方位角的情况。当估计φ1的俯仰角时，采用φ2构造采样矩阵S，即根据多个目标方位角中的非当前方位角构造前方位角的采样矩阵，公式如下：
根据采样矩阵S，计算采样矩阵S的自相关矩阵Q：
Q＝S*SH (8)
基于自相关矩阵Q，添加噪声级的对角加载，使自相关矩阵为非奇异矩阵，计算自相关矩阵的逆矩阵
其中，β为噪声因子；
计算二维测角数据矩阵与自相关矩阵的逆矩阵的乘积，得到φ1的二维测角数据矩阵
(采用采样矩阵求逆算法处理后的第二二维测角数据矩阵)：
其中，X为本申请中的采用采样矩阵求逆算法处理前的二维测角数据矩阵。
通过上述公式(7)至(10)，本申请能得到俯仰角的二维测角数据矩阵(采用采样矩阵求逆算法处理后的第二二维测角数据矩阵)，进而对当前方位角的二维测角数据矩阵(第二二维测角数据矩阵)做方位维FFT处理，根据目标方位维的角度索引构造俯仰测角数据向量；对俯仰测角数据向量采用FFT处理，得到俯仰维的空间谱；对俯仰维的空间谱进行谱峰搜索得到目标俯仰维角度的索引，将索引转换为角度即得到俯仰角，得到目标俯仰角信息，解决了串行二维测角算法流程中，方位角采用超分辨测角时，其空间谱无俯仰相位信息进而无法获取俯仰角的问题。
参考图3，图3为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的另一流程图，其中，图3中流程步骤为本申请的完整步骤，具体如下：
步骤S301：基于毫米波雷达回波数据解析目标信息数组；
步骤S302：遍历目标信息数组构造二维测角数据矩阵；
步骤S303：对雷达探测目标角度范围进行离散化，构造超完备基矩阵；
步骤S304：基于二维测角数据矩阵主子阵数据采用空间平滑方法得到多快拍数据；
步骤S305：计算多快拍数据的协方差矩阵；
步骤S306：对协方差矩阵添加噪声级的对角加载并计算协方差矩阵的逆矩阵；
步骤S307：基于协方差矩阵的逆矩阵计算多组线性预测权值；
步骤S308：基于超完备基矩阵与线性预测权值加权计算得到空间谱；
步骤S309：遍历空间谱，获取目标方位维角度信息；
步骤S310：判断目标个数是否大于1个，在大于一个的情况下跳转至步骤S311；在等于一个的情况下跳转至步骤S316；
步骤S311：遍历方位维角度信息测俯仰角；
步骤S312：采用非当前方位目标角度构造采样矩阵；
步骤S313：计算采样矩阵的自相关矩阵；
步骤S314：对自相关矩阵添加噪声级的对角加载后求其逆矩阵；
步骤S315：在二维测角数据矩阵中乘上自相关矩阵的逆矩阵；
步骤S316：对二维测角数据矩阵做方位维FFT；
步骤S317：根据目标方位角索引构建俯仰测角数据向量；
步骤S318：对俯仰测角数据向量做FFT；
步骤S319：对俯仰维空间谱进行谱峰搜索解析目标俯仰角。
通过上述步骤S301至步骤S319，本申请无需已知信源个数，无需进行两维角度估计结果的配对，能在有限的天线尺寸、阵元个数以及硬件资源下实现方位维的超分辨测角，并提供目标的俯仰维角度信息，进而进行高精度的目标探测与识别。
参考图4，图4为本申请另一实施例提出的毫米波雷达二维联合超分辨测角装置的示意图，本申请第二方面的实施例提供了一种毫米波雷达二维联合超分辨测角装置，装置设置于二维面阵毫米波雷达，装置包括采样模块、天线阵列分析模块、测角数据矩阵生成模块、方位角测角模块、峰值搜索模块和俯仰维测角模块；
采样模块、天线阵列分析模块和测角数据矩阵生成模块用于根据二维面阵毫米波雷达的回波数据获取目标信息数组，并根据目标信息数组得到第一二维测角数据矩阵；
方位角测角模块用于根据加权线性预测超分辨测角算法对第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；
峰值搜索模块用于对目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据目标方位角度索引得到目标方位角信息；
俯仰维测角模块用于根据采样矩阵求逆算法和目标方位角信息得到第二二维测角数据矩阵，并根据第二二维测角数据矩阵得到俯仰测角数据向量，根据俯仰测角数据向量得到俯仰维空间谱，以使峰值搜索模块对俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据目标俯仰维角度得到目标俯仰角信息。
具体的，对应上述中的毫米波雷达二维联合超分辨测角方法，采样模块、天线阵列分析模块、测角数据矩阵生成模块、方位角测角模块、峰值搜索模块和俯仰维测角模块具有以下功能：
距离多普勒信息解析模块，用于处理距离多普勒二维回波信号，获取目标的距离索引、速度索引以及信噪比；
采样模块，用于根据目标的距离、多普勒信息获取距离多普勒频谱中对应的数据，输出所有虚拟阵列单元对应通道的目标测角数据；
天线阵列分析模块，用于根据天线阵列坐标检测虚拟阵列天线的主子阵的行索引，并将虚拟阵列相对位置映射到二维矩阵中；
测角数据矩阵生成模块，用于根据天线阵列坐标对目标测角数据进行重构，生成二维测角数据矩阵；
基于加权线性预测超分辨的方位角测角模块，用于根据二维测角数据矩阵的主子阵数据，构建空间平滑多快拍数据，采用加权线性预测超分辨测角算法计算方位角的空间谱；
峰值搜索模块，用于对角度维的空间谱进行目标检测，得到目标的角度索引以及对应的信噪比；
基于采样矩阵求逆的俯仰维测角模块，用于根据超分辨方位角的测角结果，当目标数目大于1时遍历结果，利用采样矩阵求逆的方法得到当前目标的二维测角数据矩阵，对其做方位维FFT后取得俯仰维的测角数据，通过俯仰维FFT处理后可得到目标的俯仰角度。
参考图5，图5为本申请另一实施例提出的毫米波雷达二维联合超分辨测角装置的阵列天线排布方式的示意图在一些实施例中，二维面阵毫米波雷达的二维面阵包括多个发射天线和多个接收天线，二维面阵中的阵元根据最小阵元间隔进行稀疏排布，最小阵元间隔为半波长。
本申请中的二维面阵包含4个发射天线和4个接收天线，天线单元的具体实际相对位置与虚拟面阵排布如图5所示：四个发射天线Tx1、Tx2、Tx3、Tx4竖直方向的阵元间距为半波长，水平方向的阵元间距为两倍的波长；四个接收天线Rx1、Rx2、Rx3、Rx4均匀直线排布且间距为半波长；对应的虚拟面阵在图片下方的虚线部分，第一行和第三行均包含4个阵元，第二行包含8个阵元，为方位维主子阵。根据天线阵元的坐标将虚拟阵列映射到3行8列的二维数组中，用于存储目标二维测角数据。
在一些实施例中，该毫米波雷达二维联合超分辨测角装置符合供上述任意一项实施例的毫米波雷达二维联合超分辨测角方法运行的运行环境，使毫米波雷达二维联合超分辨测角装置具备上述任意一项实施例的毫米波雷达二维联合超分辨测角方法的功能与效果。
参考图6至图9，图6为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的方位维测角结果图；图7为本申请另一实施例提出的毫米波雷达二维联合超分辨测角方法的俯仰维测角结果图；图8是在方位维采用传统FFT测角方法的结果图；图9是在方位维采用传统FFT测角方法时俯仰维FFT测角的结果图；
图6和图7是采用本申请提出的一种毫米波雷达二维联合超分辨测角方法得到的目标方位角和俯仰角估计结果空间谱，目标1的方位角为-5°，俯仰角为10°；目标2的方位角为5°，俯仰角为15°；测试所采用的天线阵列主子阵为8个均匀阵元，且间隔为半波长，目标1与目标2的角度间隔已经超出瑞利限，方位角结果可以准确测出，经过采样矩阵求逆的方法测得的俯仰角也与理论值相符。
图8和图9是采用传统的FFT方法得到的目标方位角和俯仰角结果图，其中，方位维无法区分开两个目标，相应的俯仰角测量也与理论值不符，可以看出本申请方法相对于传统FFT方法相比实现了超分辨测角，能有效的区分方位角目标和俯仰角目标，且能在有限的天线尺寸、阵元个数以及硬件资源下进行，进而实现高精度的目标探测与识别。
参考图10,图10是本发明实施例提供的控制器的结构示意图。
本发明的一些实施例提供了一种控制器，控制器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任意一项实施例的毫米波雷达二维联合超分辨测角方法，例如，执行以上描述的图1中的方法步骤S110至步骤S160、图2中的方法步骤S210和步骤S240。
本发明实施例的控制器1000包括一个或多个处理器1010和存储器1020，图10中以一个处理器1010及一个存储器1020为例。
处理器1010和存储器1020可以通过总线或者其他方式连接，图10中以通过总线连接为例。
存储器1020作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器1020可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器1020可选包括相对于处理器1010远程设置的存储器1020，这些远程存储器可以通过网络连接至控制器1000，同时，上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
在一些实施例中，处理器执行计算机程序时按照预设间隔时间执行上述任意一项实施例的毫米波雷达二维联合超分辨测角方法。
本领域技术人员可以理解，图10中示出的装置结构并不构成对控制器1000的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
在图10所示的控制器1000中，处理器1010可以用于调用存储器1020中储存的毫米波雷达二维联合超分辨测角方法，从而实现毫米波雷达二维联合超分辨测角方法。
基于上述控制器1000的硬件结构，提出本发明的毫米波雷达二维联合超分辨测角装置的各个实施例，同时，实现上述实施例的毫米波雷达二维联合超分辨测角方法所需的非暂态软件程序以及指令存储在存储器中，当被处理器执行时，执行上述实施例的毫米波雷达二维联合超分辨测角方法。
此外，本发明实施例的还提供了一种毫米波雷达二维联合超分辨测角装置，该毫米波雷达二维联合超分辨测角装置包括由上述的控制器。
在一些实施例中，由于本发明实施例的毫米波雷达二维联合超分辨测角装置具有上述实施例的控制器，并且上述实施例的控制器能够执行上述实施例的毫米波雷达二维联合超分辨测角方法，因此，本发明实施例的毫米波雷达二维联合超分辨测角装置的具体实施方式和技术效果，可以参照上述任一实施例的毫米波雷达二维联合超分辨测角方法的具体实施方式和技术效果。
本发明实施例的还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于执行上述的毫米波雷达二维联合超分辨测角方法，例如，可使得上述一个或多个处理器执行上述方法实施例中的毫米波雷达二维联合超分辨测角方法，例如，执行以上描述的图1中的方法步骤S110至步骤S160、图2中的方法步骤S210和步骤S240。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络节点上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、装置可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机可读存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机可读存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本申请的较佳实施进行了具体说明，但本申请并不局限于上述实施方式，熟悉本领域的技术人员在不违背本申请精神的前提下还可做出种种等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种毫米波雷达二维联合超分辨测角方法，应用于二维面阵毫米波雷达，其特征在于，所述方法包括：
根据所述二维面阵毫米波雷达的回波数据获取目标信息数组，并根据所述目标信息数组得到第一二维测角数据矩阵；
根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；
对所述目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据所述目标方位角度索引得到目标方位角信息；
根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，并根据所述第二二维测角数据矩阵得到俯仰测角数据向量；
根据所述俯仰测角数据向量得到俯仰维空间谱；
对所述俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据所述目标俯仰维角度得到目标俯仰角信息。
2.根据权利要求1所述的毫米波雷达二维联合超分辨测角方法，其特征在于，所述根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱，包括：
根据预设的目标角度范围进行离散化处理，构造超完备基矩阵；
根据所述第一二维测角数据矩阵得到多组线性预测权重；
根据所述超完备基矩阵和所述线性预测权重进行加权计算处理，得到所述目标方位维空间谱。
3.根据权利要求2所述的毫米波雷达二维联合超分辨测角方法，其特征在于，所述根据所述第一二维测角数据矩阵得到多组线性预测权重，包括：
对所述第一二维测角数据矩阵的主子阵进行空间平滑处理，得到多快拍数据；
根据所述多快拍数据得到协方差矩阵；
对所述协方差矩阵进行噪声对角加载添加处理，得到协方差逆矩阵；
根据所述协方差逆矩阵计算多组线性预测权重。
4.根据权利要求1所述的毫米波雷达二维联合超分辨测角方法，其特征在于，所述根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，包括：
根据所述目标方位角信息得到方位角目标个数；
在所述方位角目标个数大于1的情况下，遍历所述目标方位角信息对应的多个目标方位角，并根据多个目标方位角中的非当前方位角构造采样矩阵；
根据所述采样矩阵得到自相关矩阵，并对所述自相关矩阵进行噪声对角加载添加处理，得到自相关逆矩阵；
根据所述自相关逆矩阵得到当前方位角的所述第二二维测角数据矩阵。
5.根据权利要求1所述的毫米波雷达二维联合超分辨测角方法，其特征在于，所述根据所述第二二维测角数据矩阵得到俯仰测角数据向量，包括：
对所述第二二维测角数据矩阵进行方位维快速傅里叶变换处理，得到目标方位角索引；
根据所述目标方位角索引得到俯仰测角数据向量。
6.根据权利要求1所述的毫米波雷达二维联合超分辨测角方法，其特征在于，所述目标信息数组包括距离信息、速度信息和信噪比信息。
7.一种毫米波雷达二维联合超分辨测角装置，所述装置设置于二维面阵毫米波雷达，其特征在于，所述装置包括采样模块、天线阵列分析模块、测角数据矩阵生成模块、方位角测角模块、峰值搜索模块和俯仰维测角模块；
所述采样模块、所述天线阵列分析模块和所述测角数据矩阵生成模块用于根据所述二维面阵毫米波雷达的回波数据获取目标信息数组，并根据所述目标信息数组得到第一二维测角数据矩阵；
所述方位角测角模块用于根据加权线性预测超分辨测角算法对所述第一二维测角数据矩阵进行方位维角度估计处理，得到目标方位维空间谱；
所述峰值搜索模块用于对所述目标方位维空间谱进行谱峰搜索处理，得到目标方位角度索引，并根据所述目标方位角度索引得到目标方位角信息；
所述俯仰维测角模块用于根据采样矩阵求逆算法和所述目标方位角信息得到第二二维测角数据矩阵，并根据所述第二二维测角数据矩阵得到俯仰测角数据向量，根据所述俯仰测角数据向量得到俯仰维空间谱，以使所述峰值搜索模块对所述俯仰维空间谱进行谱峰搜索处理，得到目标俯仰维角度索引，并根据所述目标俯仰维角度得到目标俯仰角信息。
8.根据权利要求7所述的毫米波雷达二维联合超分辨测角装置，其特征在于，所述二维面阵毫米波雷达的二维面阵包括多个发射天线和多个接收天线，所述二维面阵中的阵元根据预设的最小阵元间隔进行稀疏排布，所述最小阵元间隔为半波长。
9.一种控制器，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的毫米波雷达二维联合超分辨测角方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于执行如权利要求1至6中任意一项所述的毫米波雷达二维联合超分辨测角方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310078679.5A CN116106847B (zh) | 2023-01-18 | 2023-01-18 | 毫米波雷达二维联合超分辨测角方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310078679.5A CN116106847B (zh) | 2023-01-18 | 2023-01-18 | 毫米波雷达二维联合超分辨测角方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116106847A true CN116106847A (zh) | 2023-05-12 |
| CN116106847B CN116106847B (zh) | 2023-11-07 |
Family
ID=86255762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310078679.5A Active CN116106847B (zh) | 2023-01-18 | 2023-01-18 | 毫米波雷达二维联合超分辨测角方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116106847B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120268313A1 (en) * | 2011-04-21 | 2012-10-25 | Denso Corporation | Radar device for detecting azimuth of target |
| US20190317191A1 (en) * | 2018-04-11 | 2019-10-17 | Infineon Technologies Ag | Human Detection and Identification in a Setting Using Millimiter-Wave Radar |
| CN110501682A (zh) * | 2019-09-29 | 2019-11-26 | 北京润科通用技术有限公司 | 一种车载雷达测量目标方位角的方法及车载雷达 |
| CN110673086A (zh) * | 2019-10-31 | 2020-01-10 | 上海无线电设备研究所 | 一种基于数字阵列雷达的二维角度超分辨方法 |
| CN112415485A (zh) * | 2020-11-09 | 2021-02-26 | 森思泰克河北科技有限公司 | 毫米波雷达的角度超分辨方法、装置及终端设备 |
| CN114879139A (zh) * | 2022-07-13 | 2022-08-09 | 广东大湾区空天信息研究院 | 一种车载4d毫米波雷达的联合测角方法、装置及相关设备 |
| CN115327473A (zh) * | 2022-10-17 | 2022-11-11 | 广东大湾区空天信息研究院 | 等效多快拍的4d毫米波雷达测角方法、装置及相关设备 |
| CN115480245A (zh) * | 2022-09-21 | 2022-12-16 | 南京航空航天大学 | 一种基于二维超分辨算法的机载雷达前视三维成像技术 |
-
2023
- 2023-01-18 CN CN202310078679.5A patent/CN116106847B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120268313A1 (en) * | 2011-04-21 | 2012-10-25 | Denso Corporation | Radar device for detecting azimuth of target |
| US20190317191A1 (en) * | 2018-04-11 | 2019-10-17 | Infineon Technologies Ag | Human Detection and Identification in a Setting Using Millimiter-Wave Radar |
| CN110501682A (zh) * | 2019-09-29 | 2019-11-26 | 北京润科通用技术有限公司 | 一种车载雷达测量目标方位角的方法及车载雷达 |
| CN110673086A (zh) * | 2019-10-31 | 2020-01-10 | 上海无线电设备研究所 | 一种基于数字阵列雷达的二维角度超分辨方法 |
| CN112415485A (zh) * | 2020-11-09 | 2021-02-26 | 森思泰克河北科技有限公司 | 毫米波雷达的角度超分辨方法、装置及终端设备 |
| CN114879139A (zh) * | 2022-07-13 | 2022-08-09 | 广东大湾区空天信息研究院 | 一种车载4d毫米波雷达的联合测角方法、装置及相关设备 |
| CN115480245A (zh) * | 2022-09-21 | 2022-12-16 | 南京航空航天大学 | 一种基于二维超分辨算法的机载雷达前视三维成像技术 |
| CN115327473A (zh) * | 2022-10-17 | 2022-11-11 | 广东大湾区空天信息研究院 | 等效多快拍的4d毫米波雷达测角方法、装置及相关设备 |
Non-Patent Citations (2)
| Title |
|---|
| 杨雪亚;刘张林;: "面阵二维角度估计的RELAX算法", 中国电子科学研究院学报, vol. 7, no. 03, pages 229 - 234 * |
| 杨雪亚;陈伯孝;褚洪伟;: "基于行列合成的实值二维Root-MUSIC算法", 现代雷达, vol. 32, no. 05, pages 48 - 52 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116106847B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111373282B (zh) | 用于fmcw雷达系统的雷达处理链 | |
| CN112415485B (zh) | 毫米波雷达的角度超分辨方法、装置及终端设备 | |
| CN113109781B (zh) | 波达方向估计方法、雷达和可移动设备 | |
| CN106486769B (zh) | 用于线性相控阵天线的空间插值方法和设备 | |
| CN114879139B (zh) | 一种车载4d毫米波雷达的联合测角方法、装置及相关设备 | |
| CN115327473B (zh) | 等效多快拍的4d毫米波雷达测角方法、装置及相关设备 | |
| CN116106847B (zh) | 毫米波雷达二维联合超分辨测角方法、装置及存储介质 | |
| CN116990794A (zh) | 基于ddma波形调制的mimo雷达目标检测方法及装置 | |
| CN115546526B (zh) | 三维点云聚类方法、装置及存储介质 | |
| CN111812634A (zh) | 警戒线目标监测方法、装置和系统 | |
| CN115469286A (zh) | 基于毫米波汽车雷达最小冗余mimo阵列的超分辨测角方法 | |
| CN116500620A (zh) | 毫米波雷达的数据处理方法、装置、存储介质及无人车 | |
| WO2021196165A1 (zh) | 频率分析方法、装置及雷达 | |
| Zhao et al. | Multiple-target localization by millimeter-wave radars with trapezoid virtual antenna arrays | |
| CN114265058A (zh) | Mimo雷达目标测角方法、装置、电子设备及存储介质 | |
| JP4275425B2 (ja) | レーダ装置 | |
| CN114167361A (zh) | 一种捷变频雷达数据流控制设计方法 | |
| CN116256716B (zh) | 基于加权线性拟合的毫米波雷达超分辨方法和系统 | |
| WO2019163632A1 (ja) | 方位推定方法及び方位推定装置 | |
| CN114879138B (zh) | 一种毫米波雷达二维角度计算方法、装置及相关设备 | |
| Heidenreich et al. | Computational aspects of maximum likelihood DOA estimation of two targets with applications to automotive radar | |
| CN113406615B (zh) | 二进制相位调制阵列雷达的目标跟踪方法及装置 | |
| Bialer et al. | A Multi-radar Joint Beamforming Method | |
| CN109752688B (zh) | 一种针对传感器阵列系统的临近信源角度差值计算方法 | |
| CN116224244A (zh) | Rang-Doppler图的生成方法及相关装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |