CN116507939A - 使用低秩近似的有效到达方向估计 - Google Patents
使用低秩近似的有效到达方向估计 Download PDFInfo
- Publication number
- CN116507939A CN116507939A CN202180073182.3A CN202180073182A CN116507939A CN 116507939 A CN116507939 A CN 116507939A CN 202180073182 A CN202180073182 A CN 202180073182A CN 116507939 A CN116507939 A CN 116507939A
- Authority
- CN
- China
- Prior art keywords
- results
- matrix
- radar
- doa
- coefficient
- 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
Links
- 239000011159 matrix material Substances 0.000 claims abstract description 88
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 51
- 230000004044 response Effects 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 14
- 230000001419 dependent effect Effects 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 239000013598 vector Substances 0.000 description 13
- 230000001965 increasing effect Effects 0.000 description 12
- 230000008901 benefit Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000003491 array Methods 0.000 description 5
- 230000035559 beat frequency Effects 0.000 description 5
- 230000000670 limiting effect Effects 0.000 description 5
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000000116 mitigating effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006735 deficit Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000003897 fog Substances 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 description 1
- 206010011906 Death Diseases 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G01S13/02—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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/35—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
- 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
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- 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
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
- G01S7/0232—Avoidance by frequency multiplex
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Complex Calculations (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
新颖并且有用的到达方向(DOA)估计系统和方法,其复杂度为O(N logN)阶,这允许DOA相关的校准。在一个实施例中,架构包括在FFT操作之前和之后与系数乘法并行操作的若干快速傅里叶变换(FFT)机。使用奇异值分解使用失真矩阵的最优低秩近似来计算这些前置系数和后置系数。从失真矩阵C=B/F的奇异值分解来计算用于每个秩的FFT操作之前和之后的前置校准系数和后置校准系数的值,其中B是数字波束成形(DBF)矩阵,并且F是理想FFT矩阵。还公开了获取波束成形矩阵B的方法。架构实施K×N×log2N操作,其针对相对低的秩显著小于完整矩阵乘法所需的N2操作,其中K是近似的秩,并且N是FFT的长度。公开了用于计算校准系数的电路和方法以及这近似于通用波束成形矩阵的简单证明。
Description
技术领域
本文公开的主题涉及成像雷达、声纳、超声和其他传感器的领域,以经由FMCW信号执行范围测量和/或经由数字波束成形和阵列处理执行角度测量,并且更具体地涉及一种用于使用低秩近似(LRA)技术估计到达方向(DOA)的有效机制。
背景技术
近年来,许多行业正在移动到自主解决方案,诸如机动车行业、递送等。这些自主平台应该在环境中操作,同时与静止物体和移动物体交互。出于该目的,这些系统需要传感器套件,该传感器套件允许它们以可靠且有效的方式感测周围环境。例如,为了使自主汽车规划道路上有其他汽车的路线,轨迹规划器必须具有环境的3D地图,它具有移动物体的指示。
恶劣的天气和较差的能见度(由于雾、烟尘、沙、暴风等)也会使视觉传感器劣化。它们在估计径向速度方面也受到限制。光检测和测距(LIDAR)设备被用于通过用激光照射目标来测量到目标的距离。然而,这些设备很昂贵,具有移动部件并且范围非常有限。雷达是一种增强技术,并且不是一种替代技术。
由于视觉传感器在光学(例如激光)技术的范围准确性和可靠性问题方面的自然限制,生成该3D地图的最佳解决方案是经由雷达技术。这就提出了现代雷达无法符合的一组新要求。
通常,接收天线的孔径越大,接收到的辐射越多,这导致更高的灵敏度,或者等效地,导致更窄的主瓣。因此,接收天线可以接收较弱的信号,并且提供关于它们的方向的相对准确的指示。
另一方面,包括机动车成像雷达的车载雷达通常具有较小的孔径。尽管机动车雷达发送的信号相对较弱,因为它们受到功耗和调节的限制,但取决于链路预算,它们可能需要较低的灵敏度,因为范围相对较短,并且从目标反射的信号相对较强。然而,车载雷达不需要检测点目标,诸如由导弹检测到的飞机,但是确实需要高准确性以提供环境信息的图像,该图像被用作一个或多个追踪和后处理算法和/或同时定位和映射(SLAM)算法(其检测附近的诸如其他汽车或行人等障碍物的地点,以从原始雷达检测生成物体列表)的输入。具有高准确性的窄波瓣将能够提供目标图像的更清晰的轮廓线。波瓣宽度仅由等效孔径确定,该等效孔径被归一化到发送的雷达信号的波长,并且不是由孔径内的接收天线元件的数量确定,这会影响灵敏度(即,检测弱反射信号的能力)以及模糊度分辨率和旁瓣水平。
成像雷达的另一关键性能参数是天线阵列的旁瓣水平。从强目标反射出来的旁瓣可能会遮蔽弱目标或导致错误检测。例如,位于旁瓣方向的大型物体(诸如墙)会导致来自墙的反射出现在主瓣中。这将遮蔽源自障碍物(诸如行人)的反射,或产生可能导致车辆停止的幻影障碍物。
因此,在机动车成像雷达中,尽可能减少旁瓣是至关重要的。另外,需要一种具有高方位角和仰角分辨率和准确性的紧凑型雷达开关阵列天线,它提供增加的有效孔径,同时使用满足成本、空间、功率和可靠性要求的少量发送(TX)和接收(RX)元件。
最近,雷达在机动车行业中的应用已经开始出现。高端机动车已经具有雷达,该雷达为驾驶员提供停车辅助和车道偏离警告。当前,对自动驾驶汽车的兴趣与日俱增,并且有人认为它是未来几年机动车行业的主要驱动力。
自动驾驶汽车为雷达技术在机动车中的应用提供了新的视角。机动车雷达将能够在车辆控制中发挥积极作用,而不是仅辅助驾驶员。因此它们很可能成为车辆的自主控制系统的关键传感器。
雷达比其他替代方案(诸如声纳或LIDAR)更优选,因为它受天气条件的影响较小,并且可以被制造得非常小,以减少所部署的传感器对车辆空气动力学和外观的影响。调频连续波(FMCW)雷达是一种与其他雷达相比提供若干优点的雷达。例如,它确保周围物体的范围和速度信息可以被同时检测。该信息对于自动驾驶车辆的控制系统提供安全且无碰撞的操作非常重要。
针对较短范围的检测,如在机动车雷达中,FMCW雷达通常被使用。FMCW雷达在机动车应用中的若干益处包括:(1)FMCW调制相对容易生成,由于低带宽处理提供了大带宽、高平均功率、高准确性、低成本,并且允许非常好的范围分辨率,并且允许使用多普勒频移来确定速度,(2)FMCW雷达可以在短范围内以良好性能操作,(3)FMCW传感器可以被制造得很小,具有带振荡器的单个RF传输源,该振荡器也被用于下转换接收信号,(4)由于传输是连续的,所以固态组件的适度输出功率是足够的。
安装在汽车中的雷达系统应该能够实时提供由控制系统所需的信息。需要一种能够提供足够的计算功率以满足实时系统要求的基带处理系统。处理系统对接收到的信号执行数字信号处理,以提取有用信息,诸如周围物体的范围和速度。
当前,车辆(尤其是汽车)越来越多地被配备有被设计为在关键情况下辅助驾驶员的技术。除了相机和超声传感器之外,随着关联技术的成本降低,汽车制造商转向雷达。雷达的吸引力在于,它在任何天气条件下都提供多个物体的速度和距离的快速且清晰的测量。相关的雷达信号被调频,并且可以利用频谱分析器进行分析。通过这种方式,雷达组件的开发人员可以被自动地检测、测量和显示时域和频域中的信号,甚至高达500GHz的频率。
现在,在自主车辆领域中使用雷达也引起了极大的兴趣,这种雷达有望在未来变得越来越普遍。毫米波机动车雷达适用于防止碰撞和自主驾驶。与超声雷达和激光雷达相比,毫米波频率(从77至81GHz)不易受到雨、雾、雪和其他天气因素、灰尘和噪声的影响。这些机动车雷达系统通常包括高频雷达发送器,该高频雷达发送器沿着已知方向发送雷达信号。发送器能够以连续或脉冲模式发送雷达信号。这些系统还包括被连接至适当天线系统的接收器,该接收器接收来自于所发送的雷达信号的回波或反射。每个这种反射或回波表示由所发送的雷达信号照射的物体。
先进的驾驶员辅助系统(ADAS)是为自动化、适应并且增强车辆系统而开发的系统,以实现安全且更好的驾驶。安全特征被设计为通过提供警示驾驶员潜在问题的技术来避免发生碰撞和意外,或者通过实施保护措施并且接管车辆的控制来避免碰撞。自适应特征可以使照明自动化,提供自适应巡航控制,使制动自动化,合并GPS/交通警告,连接至智能手机,警示驾驶员其他汽车或危险,保持驾驶员在正确的车道中或示出盲点。
有许多形式的ADAS可用:一些特征被内置在汽车中或作为附加封装可用。此外,存在可用的售后解决方案。ADAS依赖于来自多个数据源的输入,包括机动车成像、LIDAR、雷达、图像处理、计算机视觉和车载联网。来自主要车辆平台外部的其他来源(诸如其他车辆,称为车辆对车辆(V2V)或车辆对基础设施系统(例如,移动电话或Wi-Fi数据网络))的附加输入是可能的。
先进的驾驶员辅助系统当前是机动车电子设备中增长最快的细分中的一个细分,随着车辆安全系统ISO 26262中的行业质量标准的采用率稳定提高,开发了特定于技术的标准,诸如用于图像传感器质量的IEEE 2020和诸如车辆信息API等通信协议。
近年来,许多行业正在移动到自主解决方案,诸如机动车行业、速递等。这些自主平台在环境中操作,同时与静止物体和移动物体交互。出于该目的,这些系统需要传感器套件,该传感器套件允许它们以可靠且有效的方式感测周围环境。例如,为了使自主车辆规划道路上有其他车辆的路线,轨迹规划器必须具有环境的3D地图,它具有移动物体的指示。
恶劣的天气和较差的能见度(例如雾、烟尘、沙、暴雨或暴雪等)也会使视觉传感器劣化。它们在估计径向速度方面也受到限制。光检测和测距设备(LIDAR)被用于通过用激光照射该目标来测量到目标的距离。然而,这些很昂贵,因为大多数具有移动部件并且范围非常有限。因此,机动车雷达被视为一种增强而非替代技术。
在机动车领域中,雷达传感器是舒适和安全功能的关键组件,例如自适应巡航控制(ACC)或碰撞缓解系统(CMS)。随着同时彼此接近操作的机动车雷达传感器的数量越来越多,雷达传感器可能会从其他雷达传感器接收信号。接收外来信号(干涉)可能会导致出现诸如幻影目标或信噪比降低等问题。这种机动车干涉场景在图1中示出,其中有来自若干周围车辆的直接干涉。
减少阵列中的天线元件数量的众所周知的方式是通过使用称为‘虚拟阵列’的MIMO技术,其中可分离(例如正交)波形是从不同的天线(通常同时)发送的,并且借助于数字处理,更大的有效阵列被生成。该‘虚拟阵列’的形状是发射天线和接收天线的位置的特殊卷积。
还已知的是,借助于带通采样,去斜坡信号(de-ramped signal)能够以较低的A/D频率进行采样,同时以与所设计的带通滤波器匹配的范围来保存目标的范围信息。
由于(尤其)硬件复杂度分辨率的线性递增,在角度、范围和多普勒维度上同时实现高分辨率是一个重大挑战。
另外,到达方向(DOA)估计是任何雷达系统中的关键组成部分。针对成像雷达,这通常是以数字方式执行的,并且通常被称为数字波束成形(DBF)。属于该类别的现有技术方法包括可以被实施为矩阵乘法的线性操作。其他非线性方法通常被称为超分辨率技术。然而,这些技术需要显著更高的计算功率,并且难以在低成本的消费者传感器中实施。
然而,现有技术的DOA估计技术的一个问题是通常需要的计算数量。通常,该问题的解决方案是(1)使用附加的计算功率,(2)降低帧率,或(3)减少范围多普勒仓(range-doppler bin)的数量,或以上的任何组合。因此,期望具有一种雷达系统,该雷达系统在不损害以上参数的情况下执行DOA估计并且呈现相对低的计算负载。另外,与现有技术的全DBF计算相比,雷达应该实现可比较的旁瓣水平(SLL)。
发明内容
本发明提供了一种到达方向(DOA)估计系统和方法,其具有的复杂度为O(N logN)阶,这允许DOA相关的校准。在一个实施例中,架构包括在FFT操作之前和之后与系数乘法并行操作的若干快速傅里叶变换(FFT)机。使用奇异值分解使用失真矩阵的最优低秩近似来计算这些前置系数和后置系数。从失真矩阵C=B/F的奇异值分解来计算用于每个秩的FFT操作之前和之后的前置校准系数和后置校准系数的值,其中B是数字波束成形(DBF)矩阵,并且F是理想FFT矩阵。还公开了一种获取波束成形矩阵B的方法。
该架构实施K×N×log2N操作,其针对相对低的秩显著小于完整矩阵乘法所需的N2操作,其中K是近似的秩,并且N是快速傅里叶变换的长度。还公开了一种用于计算校准系数的电路和方法以及这近似于通用波束成形矩阵的简单证明。
因此,根据本发明,提供了一种在雷达系统中使用的估计信号的到达方向(DOA)的方法,包括:接收输入数据;将输入数据逐元素乘以多个前置系数集合,以产生第一多个结果;对所述多个第一结果执行多个快速傅里叶变换操作,以生成第二多个结果;将所述第二多个结果逐元素乘以所述多个后置系数集合,以产生第三多个结果;以及对所述第三多个结果求和,以产生近似DOA估计。
根据本发明,还提供了一种在雷达系统中使用的估计信号的到达方向(DOA)的方法,包括:接收输入数据x;将输入数据x的每个元素乘以前置系数Vk的k个集合,以产生k个第一结果diag(Vk)·x;对所述k个第一结果执行k个快速傅里叶变换操作F,以生成k个第二结果F·diag(Vk)·x;将所述k个第二结果逐元素地乘以后置系数Uk的k个集合,以产生k个第三结果Uk o(F·diag(Vk)·x);对所述k个第三结果求和,以产生近似DOA估计y;以及其中所述值k是所述近似的秩。
根据本发明,还提供了一种在雷达系统中使用的用于估计信号的到达方向(DOA)的装置,包括可操作以接收接收天线阵列响应x的雷达信号处理电路,所述雷达信号处理电路可操作以将所述天线阵列响应的每个元素乘以前置系数Vk的k个集合,以产生k个第一结果diag(Vk)·x;对所述k个第一结果执行k个快速傅里叶变换操作F,以生成k个第二结果F·diag(Vk)·x;将所述k个第二结果逐元素地乘以后置系数Uk的k个集合,以产生k个第三结果Uk o(F·diag(Vk)·x);对所述k个第三结果求和,以产生近似DOA估计y;以及其中所述值k是所述近似的秩。
根据本发明,还提供了一种机动车雷达传感器,包括印刷电路板(PCB)装配件,该PCB装配件包括在所述PCB装配件的一侧上制作的多个发送天线、在所述PCB装配件的相对侧上制作的多个接收天线以及被耦合至所述多个发送天线和所述多个接收天线的收发器,所述收发器可操作以生成发送信号并且向所述一个或多个发送天线供应发送信号,并且接收反射回到所述一个或多个接收天线的波的信号,雷达信号处理电路被耦合至所述收发器并且可操作以接收输入数据x;将所述输入数据x的每个元素乘以前置系数Vk的k个集合,以产生k个第一结果diag(Vk)·x;对所述k个第一结果执行k个快速傅里叶变换操作F,以生成k个第二结果F·diag(Vk)·x;将所述k个第二结果逐元素地乘以后置系数Uk的k个集合,以产生k个第三结果Uk o(F·diag(Vk)·x);对所述k个第三结果求和,以产生近似DOA估计y;以及其中所述值k是所述近似的秩。
附图说明
本发明在以下示例性实施例中参照附图进一步详细解释,其中相同或类似的元件可以部分地由相同或类似的附图标记指示,并且各种示例性实施例的特征是可组合的。本发明在本文中仅通过示例参照附图描述,其中:
图1是图示了示例街景的图,该街景包含被配备有机动车雷达传感器单元的若干车辆;
图2是图示了包含多个接收器和发送器的示例雷达系统的图;
图3是图示了根据本发明构造的示例雷达收发器的图;
图4是图示了根据本发明的示例MIMO FMCW雷达的高级框图;
图5是图示了根据本发明构造的示例数字雷达处理器(DRP)IC的框图;
图6是图示了使用低秩近似(LRA)技术的示例到达方向(DOA)估计的高级框图;
图7是图示了基于低秩近似的DOA估计的示例方法的图;以及
图8是图示了计算前置系数和后置系数的示例方法的图。
具体实施方式
在以下详细描述中,许多具体细节被陈述,以便提供对本发明的透彻理解。然而,本领域技术人员将理解,本发明可以在没有这些具体细节的情况下实践。在其他实例中,众所周知的方法、程序和组件未被详细描述,以免混淆本发明。
在已经公开的那些益处和改进中,通过结合附图进行的以下描述,本发明的其他目的和优点将变得显而易见。本发明的详细实施例在本文中公开。然而,要理解的是,所公开的实施例仅仅是能够以各种形式实施的本发明的说明。另外,结合本发明的各种实施例给出的示例中的每个示例旨在是说明性的,而不是限制性的。
被视为本发明的主题在说明书的结论部分中特别指出并且明显要求保护。然而,当与附图一起阅读时,通过参照以下详细描述,本发明可以关于组织和操作方法以及其目的、特征和优点来最佳地理解。
附图构成了本说明书的一部分,并且包括本发明的说明性实施例,并且图示了本发明的各种目的和特征。进一步地,附图不一定按比例绘制,一些特征可以被夸大以示出特定组件的细节。另外,附图中所示的任何测量、规范等均旨在是说明性的而非限制性的。因此,本文公开的具体结构细节和功能细节不应被解释为限制,而仅仅作为用于教导本领域技术人员以各种方式使用本发明的代表性基础。进一步地,在认为适当的情况下,附图标记可以在附图中被重复以指示对应或类似的元件。
因为本发明的所图示实施例大部分可以使用本领域技术人员已知的电子组件和电路来实施,所以为了理解和了解本发明的基础概念并且为了不混淆或分散本发明的教导,细节将不以任何超出认为必要的程度来解释。
说明书中对方法的任何引用均应该适当变通地应用于能够执行该方法的系统。说明书中对系统的任何引用均应该适当变通地应用于可以由该系统执行的方法。
在整个说明书和权利要求中,除非上下文另有清晰规定,否则以下术语采用本文明确关联的含义。尽管可以,但是本文使用的短语“在一个实施例中”、“在示例实施例中”和“在一些实施例中”不一定指相同的(多个)实施例。此外,尽管可以,但是本文使用的短语“在另一实施例中”、“在替代实施例中”和“在一些其他实施例中”不一定指不同的实施例。因此,如下所述,在不脱离本发明的范围或精神的情况下,本发明的各种实施例可以被容易地组合。
另外,如本文使用的,除非上下文另有清晰规定,否则术语“或者”是包括性的“或者”运算符,并且等同于术语“和/或”。术语“基于”不是排他性的,并且允许基于未描述的附加因素,除非上下文另有清晰规定。另外,在整个说明书中,“一”、“一个”和“该”的含义包括复数引用。“在...中”的含义包括“在...中”和“在...上”。
调频连续波(FMCW)雷达是使用调频的雷达。FMCW雷达的操作理论是发送频率不断提高(或降低)的连续波。这种波被称为啁啾(chirp)。啁啾波形10的示例如图4所示。由物体反射后的发送波由接收器接收。在接收器处发送12和接收(即,反射)14的啁啾波形的示例如图5中所示。
考虑到雷达在机动车应用中的使用,车辆制造商当前可以使用24GHz和77GHz处的具有不同的带宽的四个频带。虽然24GHz ISM带具有的最大带宽为250MHz,但76至81GHz超宽带(UWB)提供高达5GHz。具有高达4GHz带宽的带位于77至81GHz的频率之间。它当前正在用于许多应用。注意,用于该应用的其他分配频率包括122GHz和244GHz,具有的带宽仅为1GHz。由于信号带宽确定范围分辨率,因此在雷达应用中具有足够的带宽是重要的。
常规的数字波束成形FMCW雷达的特征在于在径向、角度和多普勒维度上的分辨率非常高。成像雷达基于众所周知的相控阵技术,该技术使用均匀线性分布阵列(ULA)。众所周知,线性阵列架构的远场波束图案是使用傅里叶变换获得的。范围测量值通过对去斜坡信号执行傅里叶变换被获得,该去斜坡信号是通过将所发送信号与所接收信号的共轭相乘而生成的。雷达范围分辨率由雷达的RF带宽确定,并且等于光速c除以RF带宽的两倍。多普勒处理是通过在慢时间维度上执行傅里叶变换来执行的,并且其分辨率受到相干处理间隔(CPI)的限制,即,用于多普勒处理的总传输时间。
当在机动车应用中使用雷达信号时,期望在单个测量周期内同时确定多个物体的速度和距离。普通脉冲雷达无法容易地处置这种任务,因为基于周期内发送和接收信号之间的时间偏移,仅距离可以被确定。如果速度也要被确定,则调频信号被使用,例如线性调频连续波(FMCW)信号。脉冲多普勒雷达还能够直接测量多普勒偏移。发送和接收信号之间的频率偏移也被称为拍频(beat frequency)。拍频具有多普勒频率分量fD和延迟分量fT。多普勒分量包含关于速度的信息,并且延迟分量包含关于范围的信息。在范围和速度的两个未知数的情况下,需要两次拍频测量以确定期望的参数。在第一信号之后,具有线性修改频率的第二信号被立即合并到测量值中。
利用FM啁啾序列可以在单个测量周期内确定两个参数。由于单个啁啾与整个测量周期相比非常短,因此每个拍频都主要由延迟分量fT确定。以这种方式,范围可以在每个啁啾之后被直接确定。确定序列内的若干连续啁啾之间的相移允许使用傅里叶变换来确定多普勒频率,从而可以计算车辆的速度。注意,速度分辨率随着测量周期长度的增加而提高。
多输入多输出(MIMO)雷达是一种使用多个TX和RX天线发送和接收信号的雷达。阵列中的每个发送天线独立地辐照与从另一天线辐照的信号不同的波形信号。可替选地,信号可以是相同的,但是在非重叠时间处发送。属于每个发送器天线的反射信号可以在接收器天线中被容易地分离,因为(1)正交波形被用于传输,或者(2)因为它们在非重叠时间处接收。创建虚拟阵列,它包含从每个发送天线到每个接收天线的信息。因此,如果我们具有M数量个发送天线和N数量个接收天线,那么通过仅使用M+N数量个物理天线,我们将在虚拟阵列中具有M·N个独立的发送和接收天线对。MIMO雷达系统的该特性导致了若干优点,诸如提高的空间分辨率、增加的天线孔径以及可能用以检测缓慢移动物体的更高灵敏度。
如上述声明的,从不同的TX天线发送的信号是正交的。可以通过使用时分复用(TDM)、频分复用或空间编码来获得所发送波形的正交性。在本文呈现的示例和描述中,TDM被使用,它每次仅允许单个发送器进行发送。
本发明的雷达通过与全MIMO FMCW相对实施时分复用MIMO FMCW雷达来降低复杂度、成本和功耗。与全MIMO雷达相比,机动车MIMO成像雷达的时分复用方法具有显著的成本和功率益处。全MIMO雷达同时从多个发送阵列元件发送若干可分离的信号。这些信号通常需要使用所匹配的滤波器组在每个接收信道处被分离。在这种情况下,完整虚拟阵列将被同时填充。
利用时分复用MIMO,一次仅一个发送(TX)阵列元件正在发送。发送侧被大大简化,并且每个接收(RX)信道不需要匹配的滤波器组。在从阵列中的所有TX元件进行发送所花费的时间中,虚拟阵列将被逐渐填充。
图示了包含多个接收器和发送器的示例雷达系统的高级框图如图2所示。雷达系统(通常用280引用)包括:数字雷达处理器(DRP)/信号处理器282,用于执行包括利用本发明的低秩近似(LRA)机制的到达方向(DOA)估计的信号处理功能;多个N个发送器设备TX1至TXN 284,被各自耦合至发送天线288;多个M个接收器设备RX1至RXM 286,被各自耦合至接收天线290。TX数据线292将DRP连接至发送器设备,RX线294将接收器设备连接至DRP,并且控制信号296由DRP分别提供给发送器设备284和接收器设备286中的每个。注意,N和M可以是大于1的任何正整数。
图示了根据本发明构造的示例雷达收发器的图如图3中所示。雷达收发器(通常用80引用)包括发送器82、接收器84和控制器83。发送器82包括非线性跳频定序器88、FMCW啁啾发生器90、本地振荡器(LO)94、混频器92、功率放大器(PA)96和天线98。
接收器84包括天线100、RF前端101、混频器102、IF块103、ADC 104、快时间范围处理106、慢时间处理(多普勒和精细范围)108以及方位角和仰角处理110。
在操作中,非线性跳频定序器88生成非线性起始跳频序列。用于每个啁啾的起始频率被输入到FMCW啁啾发生器90,该FMCW啁啾发生器90用于生成在特定起始频率处的啁啾波形。啁啾经由混频器92被上转换到根据LO 94的适当带(例如,80GHz带)。上转换后的RF信号经由PA 96被放大并且输出到天线98,该天线98在MIMO雷达的情况下可以包括天线阵列。
在接收侧,到达天线100的回波信号被输入到RF前端块101。在MIMO雷达中,接收天线100包括天线阵列。来自RF前端电路的信号经由混频器102与发送的信号混合,以生成被输入到IF滤波器块103的拍频。IF块的输出经由ADC 104被转换为数字,并且被输入到快时间处理块106以生成粗略范围数据。慢时间处理块108用于生成精细范围数据和多普勒速度数据。方位角和仰角数据然后经由方位角/仰角处理块110被计算。4D图像数据112被输入到下游图像处理和检测。注意,在一个实施例中,方位角/仰角处理块110利用本发明的低秩近似(LRA)机制来实施到达方向(DOA)估计。
图示了根据本发明的示例MIMO FMCW雷达的高级框图如图4所示。雷达收发器传感器(通常用40引用)包括多个发送电路66、多个接收电路58、包括本地振荡器(LO)61的斜坡或啁啾发生器60、非线性跳频定序器62、可选的TX元件定序器75(虚线)以及数字雷达处理器(DRP)/信号处理块44,它在一个实施例中包括利用本发明的低秩近似(LRA)机制实施到达方向(DOA)估计的块45。在操作中,雷达收发器传感器通常与主机42通信,并且可以由主机42控制。每个发送块包括功率放大器70和天线72。发送器接收啁啾发生器60的发送信号输出,该发送信号输出被馈送到每个发送块中的PA。可选的TX元件定序器(虚线)生成控制发送元件序列的多个启用信号64。要了解的是,DOA估计可以被实施在具有或没有TX元件定序以及具有或没有MIMO操作的雷达系统中。进一步地,DOA估计不被限于MIMO FMCW雷达中的实施方式,而是也可以使用其他类型的雷达系统来实施。
每个接收块包括天线58、低噪声放大器(LNA)50、混频器52、中频(IF)块54和模数转换器(ADC)56。信号处理块44可以包括能够处理、接收或发送数据或指令的任何合适的电子设备。例如,处理单元可以包括以下一个或多个:微处理器、中央处理单元(CPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、图形处理单元(GPU)或这种设备的组合。如本文描述的,术语“处理器”旨在涵盖单个处理单元、多个处理器、处理器、多个处理单元或其他适当配置的一个或多个计算元件。
例如,处理器可以包括一个或多个通用CPU核心以及可选地一个或多个专用核心(例如DSP核心、浮点、门阵列等)。一个或多个通用核心执行通用操作码,而专用核心执行特定于其意图的功能。
附接或嵌入式存储器包括动态随机存取存储器(DRAM)或扩展数据输出(EDO)存储器或者其他类型的存储器,诸如ROM、静态RAM、闪存和非易失性静态随机存取存储器(NVSRAM)、可移除存储器、磁泡存储器等或者以上任何一种的组合。存储器存储可以由设备使用的电子数据。例如,存储器可以存储电气数据或内容,诸如例如雷达相关数据、音频和视频文件、文档和应用、设备设置和用户偏好、定时和控制信号或者各种模块、数据结构或数据库的数据等。存储器可以被配置为任何类型的存储器。
所发送和接收的信号被混合(即,相乘)以生成要由信号处理单元44处理的信号。乘法过程生成两个信号:一个信号的相位等于相乘信号之差,并且另一信号的相位等于相位之和。和信号被滤除,并且差信号由信号处理单元处理。信号处理单元对接收到的数字信号执行所有所需的处理,并且还控制所发送的信号。由信号处理块执行的若干功能包括确定粗略范围、速度(即,多普勒)、精细范围、仰角、方位角,执行干涉检测、缓解和避免,执行同时定位和映射(SLAM)等。
图示了本发明的示例数字雷达处理器IC的框图如图5所示。雷达处理器IC(通常用390引用)包括若干芯片服务功能392(包括温度传感器电路396、看门狗定时器398、上电复位(POR)电路400等)、包括功率域电路402的PLL系统394、包括并行FFT引擎406的雷达处理单元(RPU)404、数据分析器电路408、直接存储器访问(DMA)电路410和DOA估计/LRA机制411、包括TX/RX控制块414的CPU块412、安全核心块418以及L1和L2缓存存储器电路424和DOA估计/LRA机制425、存储器系统426和接口(I/F)电路428。在一个实施例中,RPU被配置为在RPU中或在CPU中或部分地在两者中利用本发明的低秩近似(LRA)机制来实施到达方向(DOA)估计。
TX/RX控制电路414可以包含用于消除频率源建立时间的建立时间控制、相互干涉、检测、缓解和避免块416。安全核心块418包括系统看门狗定时器电路系统420和RFBIST电路,被适配成执行雷达系统中的RF元件的连续测试。I/F电路包括用于雷达输出数据430、TX控制432、RX控制434、外部存储器436和RF时钟438的接口。
注意,取决于特定实施方式,数字雷达处理器电路390可以在单片硅上或跨若干集成电路被实施。类似地,取决于特定实施方式,发送器和接收器电路可以在单个IC上或跨若干IC被实施。
在一个实施例中,DRP 390被用于基于机动车雷达FMCW MIMO的系统。这种系统需要多个发送器和接收器信道来实现期望的范围、方位角、仰角和速度。信道数量越高,分辨率性能越好。取决于实施方式,多个发送信道可以被合并到单个芯片中,并且多个接收信道可以被合并到单个芯片中。该系统可以包括多个TX和RX芯片。每个TX和RX芯片均可作为适配成实现最大系统性能的大型系统的一部分进行操作。在一个实施例中,该系统还包括至少一个控制信道。控制通道可操作以配置TX和RX设备。
本发明提供了一种紧凑型雷达开关阵列天线,它具有高方位角和仰角分辨率和准确性,并且增加了有效孔径,同时使用了少量的TX和RX元件。本发明还提供了一种紧凑型雷达天线阵列,它具有高方位角和仰角分辨率和准确性,并且增加了有效孔径,同时减少了不需要的旁瓣。
本发明的一个实施例涉及一种使用少量发送和接收阵列元件来增加雷达开关/MIMO天线阵列的有效孔径的方法。物理雷达接收/发送元件的阵列被布置在至少两个相对的RX行和至少两个相对的TX列中,使得每行包括彼此均匀间隔开的多个接收元件,并且每列包括彼此均匀间隔开的多个发送元件,该阵列形成矩形物理孔径。
用作开关阵列,来自一列的第一TX元件被激活以在预定时隙期间发送雷达脉冲。第一传输的反射由所有RX元件接收,从而在由矩形物理孔径内的第一TX元件的地点确定的原点附近虚拟地复制两个相对的RX行。
在不同的时隙期间,该过程对所有剩余的TX元件重复,从而在由矩形物理孔径内的每个激活的TX元件的地点确定的原点附近虚拟地复制两个相对的RX行。在每个时间段期间,来自每个TX元件的传输的反射由所有RX元件接收。以这种方式,利用复制的两个相对的RX行来实现具有的尺寸为矩形物理孔径的尺寸的两倍的矩形虚拟孔径。该虚拟孔径确定雷达波束宽度和旁瓣。
注意,以上复制方法在MIMO或混合开关/MIMO设计中同样良好地工作,其中一些信号由多个TX阵列元件使用稍后在接收器中分离的正交波形来同时发送。
到达方向(DOA)估计
注意,本发明的DOA估计/LRA机制适用于多种类型的雷达,并且不旨在被限于本文公开的示例雷达系统。例如,LRA波束成形适用于包含均匀线性阵列(ULA)的雷达,其中所有天线传感器位于一个线上,并且针对任何两个相邻的传感器,相邻传感器之间的距离相同。MIMO FMCW雷达在本文中呈现,例如仅为了辅助图示本发明的DOA估计机制的原理。
数字波束成形(DBF)是一种众所周知的技术,用于确定目标所在的方向,也称为到达方向(DOA)。具有多个天线元件的阵列天线被用于接收来自目标的反射波。通过应用到达方向(DOA)估计方法(诸如众所周知的波束成形方法)来确定目标的方向。
在使用例如阵列天线的到达方向估计方法中,波束成形器方法在许多方向中扫描阵列天线的主瓣,并且将输出功率最大的方向确定为到达方向。注意,主瓣的宽度确定角度分辨率。因此,如果期望提高分辨率,使得多个目标的方向可以被确定,则阵列的孔径长度优选地通过增加天线元件的数量来增大。从阵列接收信号的相关矩阵的特征值和特征向量来确定到达方向的最小范数方法以及其扩展算法(诸如多信号分类(MUSIC)和经由旋转不变性技术估计信号参数(ESPRIT))也是如此。考虑到这些技术,由于相关矩阵的程度(即,天线元件的数量)确定能够被检测到的目标的数量,因此天线元件的数量被优选地增加,以便可以确定许多目标的方向。
通常,在雷达的校准过程期间,波束成形矩阵被计算,并且在DOA估计期间,该矩阵乘以阵列响应向量。DBF矩阵由与DOA相关的校准向量{b1,…,bN}组成,其中N是要被估计的DOA角度的数量(即,在方位角和/或仰角中要扫描的角度数量),bi∈CP,并且P是天线元件的数量。因此,DBF矩阵B可以被编写如下
令x为阵列响应,例如在具体多普勒仓中。然后DOA估计可以被表达如下
y=Bx
其中并且|yi|2表示从方向i接收的能量,/>表示通常(但不一定)经过范围和多普勒处理后虚拟阵列行或列上的数据,并且P表示虚拟阵列的行或列的长度。注意,y是波束成形的结果,该波束成形是从每个方向反射多少能量的度量。y中的每个元素对应于不同的方向(即,角度)。它可以被认为是输入数据x的频谱。
针对理想均匀线性阵列(ULA)的特殊情况,校准向量是对应转向向量a(θ)的匹配滤波器。因此,此处转向向量具有以下形式
其中d是天线元件之间的距离,并且λ是信号波长。在这种特殊情况下,标准快速傅里叶变换(FFT)操作可以被用于DOA估计,作为要被扫描的具体角度的匹配滤波器,如下面的等式(4)中提供的。
其中N≥P,其中N表示FFT的长度,并且P表示接收天线元件的数量。值N通常是比P大的最小的2的幂。该FFT操作的结果是扫描中的每个方向的众所周知的sinc响应。注意,通常在实践中,窗口函数在FFT操作之前被使用,以便降低sinc响应的旁瓣水平(SLL)。
与DBF矩阵B相乘相比,使用FFT运算的一个优点是降低了计算复杂度。通用矩阵乘法需要N2次操作,而FFT计算只需要NlogN次操作。针对天线元件数量相对高(例如P≈100)并且DOA估计必须被执行的范围多普勒仓的数量高的高分辨率雷达,这种计算复杂度的差异非常重要,并且是针对实时实施方式的一个重大挑战。然而,出现了一个问题,即,低复杂度FFT仅对理想的均匀阵列有效,而没有任何损伤。
因此,针对理想的均匀线性天线阵列,相对简单的FFT操作可以被使用,具有用于DOA估计的NlogN次操作。然而,在现实世界中,当不同元件的天线图案由于制造公差和其他影响而不相同时,用于每个DOA的不同复数校正向量被使用,它用于尽可能多地校正天线损伤,即,使用数字波束成形(DBF)矩阵。该操作需要N2次操作(即,矩阵乘法),并且在高分辨率雷达的情况下,其中N可能超过100个元素,需要对每个范围多普勒进行该操作(在方位角和仰角的情况下进行两次)。这一事实使得标准计算对于这种雷达系统是不可行的。
DBF DOA估计的低秩近似(LRA)
以上问题的解决方案包括应用附加的计算功率、降低帧率和/或减少范围多普勒仓的数量。可替选地,基于低秩近似的DOA机制可以被使用,该机制试图解决以上问题,同时需要相对低的计算负载并且不损害其他参数。进一步地,基于LRA的DOA机制实现了与全DBF计算相当的SLL。
在实践中,当ULA被使用(即,不一定密集)时,即使在考虑有损伤的阵列时,DBF矩阵也类似于具有附加恒定相位增益校准的FFT矩阵。因此,它可以被编写为
其中B是DBF矩阵,F是FFT或DFT矩阵,w是恒定相位增益校准和窗口。注意,DBF矩阵B可以使用下文描述的技术或使用任何其他公知的方法来导出。还要注意,等式(5)表示具有失真的FFT矩阵,以示出本发明的机制试图确定的估计器的类型。计算B的实际方法对于本发明来说不是关键的,因为无论如何计算B(如果它足够类似于FFT矩阵),该机制都近似于B。矩阵F是针对与波束成形矩阵B操作产生的N个方向相对应的空间频率(DOA)计算的。在不损失一般性的情况下,等式(5)可以被表达为
B=F·(I+∈)·diag(w) (6)
其中I是单位矩阵,并且∈对应于阵列与理想ULA的失真。
图示了DBF DOA估计的示例低秩近似的高级框图如图6中所示。LRA电路(通常用120引用)包括多个前置乘法器122、FFT计算块124、后置乘法器126和加法器128。图示了基于低秩近似的DOA估计的示例方法的图如图7中所示。
本发明的LRA近似方法利用了B类似于FFT矩阵F的事实。在一个实施例中,它使用并行工作的K个FFT机124,其中K是近似的秩。在每次FFT操作之前,天线阵列响应x 121经由乘法器122乘以称为前置系数Vk的系数集合(步骤150)。然后FFT在乘法结果X·V中的每个乘法结果X·V中被执行(步骤152)。类似地,在每次FFT操作之后,每个FFT仓经由乘法器126乘以称为后置系数Uk的不同系数集合(步骤154)。FFT操作的K个结果经由加法器128来求和在一起(步骤156),以生成近似DOA估计方法的输出y 129(步骤158),其中运算符表示众所周知的阿达玛乘积(Hadamard product)或逐元素乘法。
因此,图6图示了DBF矩阵的矩阵乘法的K秩近似。这种近似假设,即使天线阵列不理想,它也接近FFT矩阵,具有一些偏差。在一个实施例中,从失真矩阵C=B/F的奇异值分解(即,逐元素或阿达玛除法)来计算用于每个秩的FFT操作之前和之后的校准系数的值,其中B是DBF矩阵,并且F是理想FFT矩阵。该架构实施K×N×log2N次操作,它针对低秩而言显著小于完整矩阵乘法所需的N2次操作。在实践中,发现秩为4足以补偿3D相位中心未对准和天线信道之间的弱泄漏。因此,最大的四个值被使用,并且剩余的值被归零。这是失真矩阵C的最优低秩近似。
注意,针对K=P,近似是完美的,并且可以实施任何期望的DBF矩阵。然而,这在计算上甚至比上面描述的矩阵乘法更密集。在一个实施例中,可以选择K≤P,同时仍然实现高度准确的近似。针对理想的ULA天线,K=1是足够的,并且事实上等同于输入和输出乘以恒定向量的单个FFT操作。在示例实施例中,值4被选择用于K,这产生了令人满意的结果(即,四个最大的奇异值)。这如图6中所示,其中示例电路使用四个前置乘法器、四个FFT计算块和四个后置乘法器。要了解的是,可以根据特定应用使用任何期望的秩来实施本发明的LRA机制。
要注意的是,在高分辨率雷达中,需要处理的数据量通常是巨大的。在一个实施例中,匹配滤波器(即,最大似然(ML))被用于估计DOA。其他技术通常是更计算密集的。在均匀线性阵列(ULA)的情况下,匹配滤波器变为FFT,特别是针对ULA。注意,由于FFT的计算效率,使用任何其他替代方法都可能需要更多的计算。
例如,考虑具有256个范围仓的雷达,1024个多普勒仓总共产生256×1024=262,144个范围多普勒仓、N=128个方位角仓和M=32个仰角仓。在理想ULA的情况下,可以经由FFT执行ML空间处理(即,方位角和仰角),具有的复杂度为NxMxlog2(NxM)≈50e3。然而,针对非ULA阵列,需要全矩阵乘法,具有的复杂度为NxMx(N+M)≈655e3,增加了大于13的因数。考虑到针对每个范围多普勒仓来执行空间处理,全矩阵乘法针对每个CPI需要大约1580亿次以上的计算。然而,在低成本的消费者雷达传感器中,这种高数量的计算是不实际的。
市场上现有的雷达通常具有相对小的阵列大小,例如3x4、6x8、12x16。针对具有小阵列的雷达,估计DOA的处理负载是可行的,甚至可以在软件中被执行。然而,即使使用大小仅为12x16的阵列,计算次数(即,乘法)也变得令人望而却步,并且需要硬件解决方案。因此,使用N2次计算的现有技术针对较大阵列大小(诸如48x48)的雷达是不实际的。本文描述的LRA方法(其复杂度为K×N×log2N)在效率上更接近于‘纯’或‘全’FFT DBF机制,但产生的性能足够接近于全矩阵乘法方法。
为了克服这些问题,在一个实施例中,本发明的DOA估计机制使用最大似然估计(MLE)匹配滤波器,其是不理想的。MLE匹配滤波器提供了针对来自特定方向的能量的数量的指标。向量‘b’如等式(1)所示生成,特别是针对特定方位角或仰角,例如25度。这些可以被认为是FFT系数,该FFT系数是对应于某些傅里叶频率的复数。这些系数实际上测量空间频率。关于雷达天线,空间频率推断出相控阵中的方向。这是一种计算从25度方向接收的能量的数量的方法。这可以针对要被扫描的所有期望DOA角度X1…XP(即,目标的线性组合)被重复。该标准模型用于相控阵,并且被称为转向向量。匹配滤波器正是复共轭。
每个向量‘b’对应于θ1、…θN个方向。如早前所示,利用大量的虚拟天线(例如128个),计算的数量变得过分大。雷达的分辨率与孔径大小相关。元件之间间隔较大的雷达具有较大的孔径,并且这意味着具有较窄的波束宽度,从而提供更好的分辨率。然而,无论孔径大小如何,所需DOA计算的数量都与元件的数量相关。
要注意的是,即使雷达不像现有技术的相控阵雷达那样同时从所有元件发送,但在数学上是相同的。例如,从多个天线同时发送的信号在空中进行组合。在DBF中,由多个接收天线元件接收的信号以数字方式求和。从数学上讲,这表示相同的事情。尽管如此,要注意的是,本发明中描述的技术适用于任何DBF设置,无论是TD-MIMO、同时发送MIMO(诸如OFDM)或甚至具有单个发送器的接收器的全ULA。
在一个实施例中,接收天线元件被组织为ULA。针对每个方向,有不同的系数集合。在标准波束成形方案中,利用理想的ULA,该矩阵成为用于具体{θk}的离散傅里叶变换(DFT)矩阵。角度的集合被选择,并且给定的频率集合被非常有效地计算。在FFT中,期望利用对称性,例如偶和奇、正和负等。匹配滤波器针对具体的频率集合被计算。DOA估计通常针对具体的频率集合。因此,在ULA和一组所选DOA的情况下,标准FFT操作可以被使用。
在一个实施例中,数据乘以校准窗口向量,并且然后DFT作为矩阵乘法被执行。这在SLAM之前形成了系统的输出。
因此,一般来说,期望计算数量B·X,但它通常是O(N2)阶,这需要太多的计算。相反,数量B·X如上面描述地那样使用FFT操作来近似。注意,近似B的计算的等式不是FFT矩阵,而是足够接近它。失真矩阵是使用B计算的,B是使用任何期望的众所周知的技术计算的。假设B接近于FFT,并且失真矩阵使用B来计算。然后奇异值分解(SVD)被计算以确定前置系数和后置系数。
在一个实施例中,DOA估计机制可以在硬件中优雅且有效地实施,其中X表示虚拟元件阵列。在范围/多普勒处理之后,DOA估计被计算。针对虚拟阵列中的每个范围、多普勒和行,方位角处理被执行,表示256×1024×128=33.5百万次计算。如果仰角也要被估计,假设方位角和仰角的分辨率相同,则需要执行附加的33.5百万次计算。注意,针对仰角,不同的系数以及不同的秩可以被使用,因为用于方位角和仰角的秩不需要相同,并且可以不同。秩越高,近似越好。秩和其他相关参数可以被动态地编程和选择。
波束成形矩阵B的确定
在下文中,我们公开了一种通过阵列响应矩阵A的逆来测量波束成形矩阵B的方法。
回顾一下,波束成形矩阵被定义为以下关系
y=Bx
其中并且|yn|2表示从方向n∈[1,N]接收的能量。在范围和多普勒处理之后,/>通常(但不一定)表示虚拟阵列行或列中存在的复值数据,并且P表示虚拟阵列的行或列的长度。
虽然通常每个方向N可以表示任何任意的选择角度,但在傅里叶波束成形(或与傅里叶波束成形密切相关的波束成形,如本发明中的情况)中,N个可能的角度值由输入波长λ、阵列间距d和FFT长度NFFT确定,如下所示:
注意,NFFT>P,并且通常是2的幂(由于FFT效率),而P由虚拟行或列的范围确定,并且通常不被认为是2的幂。我们将与NFFT=P的特殊情况相对应的角度称为自然角或正交角,因为它们对应于长度为P的DFT的正交(空间)频率。
阵列响应矩阵由等式(7)的互反关系定义如下
其中表示环境的复数后向散射分布(通常但不一定在范围多普勒仓处),/>表示到达角θn处的该复数后向散射,n∈[1,N],w是恒定相位增益校准和窗口化向量,并且diag(w)-1是对角线上具有w元素的对角矩阵的逆(并且也是对角矩阵)。注意,/>是环境的性质(即,环境中存在的东西),并且它在原理上不同于y,y是经由波束成形等式(7)感知的环境。我们从左边乘以diag(w),并且使用表示恒定相位增益校准数据/>的定义将等式(9)重写为
在索引表示法中,第p个元素由以下给出
注意,A是P×N维的。
如果我们构造受控的测量设置(例如在消声室中,或杂波最小的室外设置),使得环境只有RCS R的单点目标(我们在不损失一般性的情况下将其设置为一个),并且在角度q0处,那么:
其中δi,j是克罗内克德尔塔(Kroenecker delta)函数)。
然后我们有:
注意,符号表示实验的第p个元素,其中目标处于角度q0处,即,利用这种设置,虚拟阵列上的数据/>为我们给出了阵列响应矩阵的单列/>通过以不同角度重复该实验,我们原则上可以检索A矩阵的所有列。
注意,所需的设置等式(12)是一种理想化,需要无限的信噪比(SNR),但出于实际目的,它可以在瞄准线周围~3dB视场(FOV)内的典型消声室中实现。由于我们移动得离该FOV更远,SNR劣化到等式(12)不再成立的点。等式(12)成立的最大角度被称为t θFOV。我们将该FOV内的角度集合标记为
我们将在该FOV内测量的角度总数定义为Q。因此,测量的阵列响应Ameasured是P×Q维的。
/>
这些Q个测量角度不被约束为属于任何角度网格。我们继续将测量的阵列响应的行插值到由阵列长度P定义的角度网格,即,我们使用从Q个角度到集合的简单插值来重新采样
的大小(即,在自然网格上定义的FOV内的角度数量)被定义为/>注意,角度/>对应于sinc阵列响应的空值。因此,在这种插值之后,我们得到了维度为的Ainterpolated。
为了完成Ainterpolated到P×P矩阵,我们将FOV外的所有阵列空值角的理想阵列响应向量相加,即,我们将列添加到Ainterpolated的左侧和右侧,使得
其中,vp是自然角的网格上的理想阵列响应(傅里叶矩阵)的第p行。
我们假设,像波束成形矩阵B那样,A与傅里叶逆变换矩阵略有不同:
因此,
这完成了逆,因为
注意,这产生了结果而我们想要在/>中的结果。
因此,我们在傅里叶平面中经由进行零填充。
/>
校准系数计算
图示了计算前置系数和后置系数的示例方法的图如图8中所示。在一个实施例中,假设DBF矩阵类似于FFT矩阵,LRA架构中的系数以最优方式来计算。为此,首先下面的残差矩阵或失真矩阵C被计算(步骤130)如下
C=B/F (25)
其中除法操作逐元素来执行Cij=Bij/Fij。另外,C与具有相同的维度。注意,在理想ULA的情况下,C的所有元素都是1,并且它也具有秩1。然后C的奇异值分解被计算(步骤132)如下以生成V(步骤134)和U(步骤136),即,[U,S,V]=SVD(C)。因此,对失真矩阵C的分解产生三个矩阵。
其中并且/>是由C的奇异值组成的对角矩阵,/>表示奇异值的对角矩阵,H表示转置,N表示傅里叶变换的长度,并且P表示处理方向中的虚拟阵列元素的数量(例如非虚拟或虚拟有效阵列行或列)。注意,/>包括奇异值的对角矩阵,类似于非矩形矩阵的特征值。最后,LRA机制中的秩k的前置系数和后置系数使用第k个奇异值来计算
该操作的结果是如下给出的近似残差矩阵(步骤138)
其中并且/>(步骤140)。因此,/>也与B具有相同的维度。CK具有秩K,并且根据矩阵近似引理或Eckart-Young-Mirsky定理,它是相对于众所周知的弗罗贝尼乌斯(Frobenius)方法和谱范数近似残差矩阵C的最优秩K矩阵。
为了示出等式(27)和(28)的系数是图6的架构和电路中的系数,比较现有技术的基于DBF和LRA的DOA估计操作。一方面,DBF方法从天线阵列响应x计算用于扫描方向θi的以下DOA估计yi,如下所示
/>
然后我们用CK近似C,以获得
将等式(31)插入等式(30)中产生以下结果
因此,
其中运算符表示众所周知的阿达玛乘积或逐元素乘法。注意,等式(33)与图6的电路中实施的操作完全相同。具体地,diag(V)·x是每个元素与校准前置系数的乘积。F·diag(V)·x对结果应用FFT。/>是FFT之后的后校准值的逐元素乘法。在k上的总和是在k个秩上的总和,例如在本文公开的示例中为4。
用于实现相同功能性的组件的任何布置被有效地“关联”,使得期望的功能性被实现。因此,本文中组合以实现特定功能性的任何两个组件可以被视为彼此“关联”,使得期望的功能性被实现,而与架构或中间组件无关。同样地,如此关联的任何两个组件也可以视为彼此“可操作地连接”或“可操作地耦合”,以实现期望的功能性。
此外,本领域技术人员将认识到,上述操作之间的边界仅仅是说明性的。多个操作可以被组合为单个操作,单个操作可以被分布在附加操作中,并且操作可以至少部分地在时间上重叠执行。此外,替代实施例可以包括特定操作的多个实例,并且操作的顺序在各种其他实施例中可以被更改。
本文使用的术语仅用于描述特定的实施例,并且不旨在限制本发明。如本文使用的,单数形式“一”、“一个”和“该”也旨在包括复数形式,除非上下文另有清晰指示。还要理解的是,当在本说明书中使用时,术语“包括”和/或“包含”指定所声明特征、整数、步骤、操作、元件和/或组件的存在,但是不排除一个或多个其他特征、整数、步骤、操作、元件、组件和/或其群组的存在或者添加
在权利要求中,被放置在括号之间的任何附图标记都不应被解释为限制权利要求。在权利要求中使用诸如“至少一个”和“一个或多个”等引入性短语不应被解释为意味着由不定冠词“一”或“一个”引入另一权利要求元素将包含这种引入的权利要求元素的任何特定权利要求限制于仅包含一个这种元素的发明,即使同一权利要求包括引入性短语“一个或多个”或“至少一个”以及不定冠词(诸如“一”或“一个”)也是如此。这同样适用于定冠词的使用。除非另外声明,否则诸如“第一”、“第二”等术语被用于任意地区分这种术语描述的元素。因此,这些术语不一定旨在指示这种元素的时间或其他优先化。某些措施被记载在相互不同的权利要求中这一事实并不指示这些措施的组合无法被有利地使用。
下面的权利要求中的所有部件或步骤加上功能元件的对应结构、材料、行动和等效物旨在包括用于与具体要求保护的其他要求保护的元件组合地执行功能的任何结构、材料或行动。本发明的描述已经出于图示和描述的目的呈现,但是并不旨在是详尽的或将本发明限制为所公开的形式。由于本领域技术人员将容易地想到许多修改和改变,因此其意图是本发明不被限于本文描述的有限数量的实施例。因此,要了解的是,在本发明的精神和范围内,可以诉诸所有合适的变型、修改和等效物。实施例被选择和描述是为了最佳地解释本发明的原理和实际应用,并且使本领域的其他普通技术人员能够针对各种实施例理解本发明,这些实施例具有适于所设想的特定用途的各种修改。
Claims (19)
1.一种在雷达系统中使用的估计信号的到达方向(DOA)的方法,包括:
接收输入数据;
将所述输入数据逐元素地乘以多个前置系数集合,以产生第一多个结果;
对所述多个第一结果执行多个快速傅里叶变换操作,以生成第二多个结果;
将所述第二多个结果逐元素地乘以所述多个后置系数集合,以产生第三多个结果;以及
对所述第三多个结果求和,以产生近似DOA估计。
2.根据权利要求1所述的方法,还包括:针对要被扫描的每个期望的方位角和/或仰角方向角来计算不同的近似DOA估计。
3.根据权利要求1所述的方法,其中,从失真矩阵的奇异值分解来计算所述前置系数和所述后置系数。
4.根据权利要求3所述的方法,其中,通过取阵列响应的逆来确定所述失真矩阵。
5.根据权利要求4所述的方法,其中,通过在受控环境中用单个目标在多个角度上执行测量集合来确定所述阵列响应。
6.一种在雷达系统中使用的估计信号的到达方向(DOA)的方法,包括:
接收输入数据x;
将所述输入数据x的每个元素乘以前置系数Vk的k个集合,以产生k个第一结果diag(Vk)·x;
对所述k个第一结果执行k个快速傅里叶变换操作F,以生成k个第二结果F·diag(Vk)·x;
将所述k个第二结果逐元素地乘以后置系数Uk的k个集合,以产生k个第三结果
对所述k个第三结果求和,以产生近似DOA估计y;以及
其中,所述值k是所述近似的秩。
7.根据权利要求6所述的方法,还包括:针对要被扫描的每个期望的方位角和/或仰角方向角来计算不同的近似DOA估计y。
8.根据权利要求6所述的方法,其中,所述近似秩k针对方位角和仰角DOA估计是不同的。
9.根据权利要求6所述的方法,其中,从失真矩阵的奇异值分解来计算所述前置系数Vk和所述后置系数Uk,其中是C的奇异值的对角矩阵,H表示所述转置,N表示快速傅里叶变换的长度,并且P表示处理方向中的虚拟阵列元素的数量。
10.根据权利要求9所述的方法,其中,通过取阵列响应的逆来确定所述失真矩阵。
11.根据权利要求10所述的方法,其中,通过在受控环境中用单个目标在多个角度上执行测量集合来确定所述阵列响应。
12.一种在雷达系统中使用的用于估计信号的到达方向(DOA)的装置,包括:
雷达信号处理电路,所述雷达信号处理电路操作以接收接收天线阵列响应x;
所述雷达信号处理电路操作以:
将所述天线阵列响应的每个元素乘以前置系数Vk的k个集合,以产生k个第一结果diag(Vk)·x;
对所述k个第一结果执行k个快速傅里叶变换操作F,以生成k个第二结果F·diag(Vk)·x;
将所述k个第二结果逐元素地乘以后置系数Uk的k个集合,以产生k个第三结果
对所述k个第三结果求和,以产生近似DOA估计y;以及
其中,所述值k是所述近似的秩。
13.根据权利要求12所述的装置,其中,所述雷达信号处理电路操作以针对要被扫描的每个期望的方位角和/或仰角方向角来计算不同的近似DOA估计y。
14.根据权利要求12所述的装置,其中,所述近似秩k针对方位角和仰角DOA估计是不同的。
15.根据权利要求12所述的装置,其中,从失真矩阵的奇异值分解来计算所述前置系数Vk和所述后置系数Uk,其中是C的奇异值的对角矩阵,H表示转置,N表示快速傅里叶变换的长度,并且P表示处理方向中的虚拟阵列元素的数量。
16.根据权利要求15所述的装置,其中,通过取阵列响应的逆来确定所述失真矩阵。
17.根据权利要求16所述的装置,其中,通过在受控环境中用单个目标在多个角度上执行测量集合来确定所述阵列响应。
18.一种机动车雷达传感器,包括:
印刷电路板(PCB)装配件,包括:
多个发送天线,所述多个发送天线被制作在所述PCB装配件的一侧上;
多个接收天线,所述多个接收天线被制作在所述PCB装配件的相对侧上;以及
收发器,所述收发器被耦合至所述多个发送天线和所述多个接收天线,所述收发器操作以生成发送信号并且向所述一个或多个发送天线供应所述发送信号,并且接收反射回到所述一个或多个接收天线的波的信号;
雷达信号处理电路,所述雷达信号处理电路被耦合至所述收发器并且操作以:
接收输入数据x;
将所述输入数据x的每个元素乘以前置系数Vk的k个集合,以产生k个第一结果diag(Vk)·x;
对所述k个第一结果执行k个快速傅里叶变换操作F,以生成k个第二结果F·diag(Vk)·x;
将所述k个第二结果逐元素地乘以后置系数Uk的k个集合,以产生k个第三结果
对所述k个第三结果求和,以产生近似DOA估计y;以及
其中,所述值k是所述近似的秩。
19.根据权利要求18所述的传感器,其中,从失真矩阵的奇异值分解来计算所述前置系数Vk和所述后置系数Uk,其中是C的奇异值的对角矩阵,H表示转置,N表示快速傅里叶变换的长度,并且P表示处理方向中的虚拟阵列元素的数量。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IL278587A IL278587A (en) | 2020-11-09 | 2020-11-09 | Estimating an efficient direction of arrival using a low degree approximation |
IL278587 | 2020-11-09 | ||
PCT/IL2021/051332 WO2022097158A2 (en) | 2020-11-09 | 2021-11-09 | Efficient direction of arrival estimation using low rank approximation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116507939A true CN116507939A (zh) | 2023-07-28 |
Family
ID=81458645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180073182.3A Pending CN116507939A (zh) | 2020-11-09 | 2021-11-09 | 使用低秩近似的有效到达方向估计 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230375690A1 (zh) |
EP (1) | EP4241099A4 (zh) |
JP (1) | JP2023548435A (zh) |
CN (1) | CN116507939A (zh) |
IL (1) | IL278587A (zh) |
WO (1) | WO2022097158A2 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116816208A (zh) * | 2023-08-30 | 2023-09-29 | 同致电子科技(厦门)有限公司 | 一种车门雷达静止障碍物识别增强方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7804445B1 (en) * | 2006-03-02 | 2010-09-28 | Bae Systems Information And Electronic Systems Integration Inc. | Method and apparatus for determination of range and direction for a multiple tone phased array radar in a multipath environment |
EP2845191B1 (en) * | 2012-05-04 | 2019-03-13 | Xmos Inc. | Systems and methods for source signal separation |
DE102015218538A1 (de) * | 2015-09-28 | 2017-03-30 | Robert Bosch Gmbh | Radarvorrichtung und Verfahren zur Abstands- und Geschwindigkeitsschätzung von Objekten |
US10229092B2 (en) * | 2017-08-14 | 2019-03-12 | City University Of Hong Kong | Systems and methods for robust low-rank matrix approximation |
DE102018108648B4 (de) * | 2018-04-11 | 2021-11-11 | Infineon Technologies Ag | Fmcw radar mit störsignalunterdrückung |
-
2020
- 2020-11-09 IL IL278587A patent/IL278587A/en unknown
-
2021
- 2021-11-09 CN CN202180073182.3A patent/CN116507939A/zh active Pending
- 2021-11-09 WO PCT/IL2021/051332 patent/WO2022097158A2/en active Application Filing
- 2021-11-09 EP EP21888844.4A patent/EP4241099A4/en active Pending
- 2021-11-09 JP JP2023550748A patent/JP2023548435A/ja active Pending
- 2021-11-09 US US18/030,277 patent/US20230375690A1/en active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116816208A (zh) * | 2023-08-30 | 2023-09-29 | 同致电子科技(厦门)有限公司 | 一种车门雷达静止障碍物识别增强方法 |
CN116816208B (zh) * | 2023-08-30 | 2023-12-22 | 同致电子科技(厦门)有限公司 | 一种车门雷达静止障碍物识别增强方法 |
Also Published As
Publication number | Publication date |
---|---|
EP4241099A2 (en) | 2023-09-13 |
JP2023548435A (ja) | 2023-11-16 |
WO2022097158A2 (en) | 2022-05-12 |
US20230375690A1 (en) | 2023-11-23 |
EP4241099A4 (en) | 2024-05-01 |
IL278587A (en) | 2022-06-01 |
WO2022097158A3 (en) | 2022-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gamba | Radar signal processing for autonomous driving | |
US11852717B2 (en) | Imaging methods using frequency-scanned radar | |
US11811142B2 (en) | Skewed MIMO antenna array for use in automotive imaging radar | |
CN112639519B (zh) | 雷达系统中的两阶段信号处理的装置和方法 | |
US10359512B1 (en) | Systems and methods for stereo radar tracking | |
US10768276B2 (en) | Decentralised radar system | |
CN111708027A (zh) | 分布式孔径汽车雷达系统 | |
EP3848723A1 (en) | Electronic device, method for controlling electronic device, and electronic device control program | |
Gao et al. | Perception through 2d-mimo fmcw automotive radar under adverse weather | |
Yuan et al. | A novel approach to unambiguous Doppler beam sharpening for forward-looking MIMO radar | |
US20230375690A1 (en) | Efficient Direction Of Arrival Estimation Using Low Rank Approximation | |
US11598846B2 (en) | FMCW radar system and method using up and down chirp similarity to determine length of target | |
EP3855213A1 (en) | Electronic device, electronic device control method, and electronic device control program | |
EP3825717A1 (en) | Electronic device, electronic device control method, and electronic device control program | |
Belyaev et al. | The range of pedestrian detection with automotive radar | |
CN112789516B (zh) | 用于汽车成像雷达的偏斜mimo天线阵列 | |
WO2023032600A1 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
WO2023032620A1 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
Zaumseil et al. | Radar-based near field environment perception using back projection algorithm | |
WO2023032619A1 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
WO2023032610A1 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
WO2023131941A1 (en) | Extended virtual array in an automotive mimo radar | |
CN117908021A (zh) | 一种雷达成像方法及装置 | |
CN117724084A (zh) | 用于四维雷达系统的多目标、同时波束形成 | |
Ilioudis | Distributed sensing for MIMO radar systems |
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 |