CN117111008A - 基于迭代多源到达角估计的超分辨率 - Google Patents

Abstract

本文档描述了用于基于迭代多源到达角估计的超分辨率的技术和系统。电磁传感器接收到的波束向量可以包括关于多个对象的信息，但是如果对象较为接近，则对象最初可能在多普勒距离仓中显示为单个对象。对从波束向量导出的第一角度和从第一角度导出的与第二对象相关联的后续第二角度执行迭代操作，第一角度和第二角度可以被细化并朝着它们实际的相应值收敛。迭代操作包括执行仅涉及作为未知数的第一角度值和第二角度值的计算。噪声已经被近似为具有零均值的随机高斯噪声。附加地，与稀疏通道阵列相关联的相位模糊已经被消除。计算可以要求较少的计算复杂度并保持准确度，从而导致更安全且可靠的跟踪系统。

Description

基于迭代多源到达角估计的超分辨率

背景技术

交通工具的高级安全或驾驶系统可以使用电磁传感器(例如，雷达)来跟踪附近的对象。这些对象可以包括其他交通工具、行人和动物，以及无生命对象(诸如树木和路牌)。传感器收集数据，包括不同维度(例如，距离、多普勒、方位角、仰角)中的信息，该数据可以被处理以估计对象的位置、轨迹和移动。

在雷达系统中，从雷达数据中导出的角度分辨率可能会受到限制。当多个对象彼此接近时，这种限制可能会阻碍雷达系统准确地检测这些对象。例如，雷达检测最初可能不准确地将两个对象标识为一个对象。目前有几种提高雷达系统中的角度分辨率的方法。然而，特别是在汽车应用中，期望保持准确度的更快的方法。

发明内容

本文档描述了用于基于迭代多源到达角估计的超分辨率(super-resolution)的技术和系统。电磁传感器接收到的波束向量可以包括关于多个对象的信息，但是如果对象较为接近，则对象最初可能在多普勒距离仓(Doppler-range bin)中显示为单个对象。对从波束向量导出的第一角度和从第一角度导出的与第二对象相关联的后续第二角度执行迭代操作，第一角度和第二角度可以被细化并朝着它们实际的相应值收敛。迭代操作包括执行仅涉及作为未知数的第一角度值和第二角度值的计算。噪声已经被近似为具有零均值的随机高斯噪声。附加地，与稀疏通道阵列相关联的相位模糊已经被消除。计算可以要求较少的计算复杂度并保持准确度，从而导致更安全且可靠的跟踪系统。

在一个示例中，方法包括：基于由电磁传感器接收的电磁信号，确定与第一对象相对于电磁传感器的位置相关联的初始第一角度估计。方法进一步包括：针对初始迭代并且基于初始第一角度估计，确定与第二对象相对于电磁传感器的位置相关联的初始第二角度估计。方法进一步包括：针对初始迭代并且基于初始第二角度估计，确定经更新的第一角度估计。方法进一步包括：针对后续迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计。方法进一步包括：针对后续迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计。方法进一步包括：响应于确定迭代循环条件被满足，将经更新的第一角度估计和经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪第一对象和第二对象。

可以由硬件或者硬件和在其上执行的软件的组合来执行这些和其他描述的技术。例如，计算机可读存储介质(CRM)可以具有存储在其上的指令，并且当该指令被执行时将处理器配置成用于执行所描述的技术。系统可以包括用于执行所描述技术的装置。处理器或处理器单元可以是被配置成用于执行本文所描述的方法和技术的系统的一部分。

本发明内容介绍了与基于迭代多源到达角估计的超分辨率相关的简化概念，在具体实施方式和附图中进一步描述该简化概念。本发明内容并非旨在标识出要求保护的主题的必要特征，也并非旨在用于确定要求保护的主题的范围。尽管主要在汽车雷达系统的背景下进行描述，但是用于基于迭代多源到达角估计的超分辨率的技术可以应用于期望处理电磁信号的准确度和计算效率的其他应用。此外，这些技术也可以应用于检测对象的到达角的其他电磁传感器。

附图说明

本文档中参考附图描述了基于迭代多源到达角估计的超分辨率的细节，附图可以使用相同数字来引用类似特征和组件，以及使用连字符编号来指定这些类似特征和组件的变化。附图组织如下：

图1示出了根据本公开的技术的其中可以应用基于迭代多源到达角估计的超分辨率的示例环境；

图2示出了根据本公开的技术的包括被配置成用于基于迭代多源到达角估计的超分辨率的系统的示例交通工具；

图3-1至图3-3示出了根据本公开的技术的利用天线阵列并且被配置成用于基于迭代多源到达角估计的超分辨率的示例雷达系统；

图4示出了根据本公开的技术的用于基于迭代多源到达角估计的超分辨率的迭代过程的示例流程图；以及

图5示出了根据本公开的技术的用于基于迭代多源到达角估计的超分辨率的示例方法。

具体实施方式

概述

目标的到达角(angle-of arrival,AOA)(例如，方位角)是可以从雷达数据中导出的维度之一。使用雷达系统检测和跟踪驾驶环境中的对象(例如，目标)的交通工具需要这些对象的准确的AOA信息，以安全地在环境中导航。如果每个对象的AOA彼此接近，则彼此接近的对象有时可能会显示为单个对象。这给雷达系统设计者提出了提高确定每个对象的AOA的准确度的挑战。

测定目标的AOA是汽车雷达信号处理的一项重要任务。传统上，多输入多输出(MIMO)雷达系统和传感器通常利用快速傅立叶变换(FFT)和/或相位比较来解决单个目标测定问题。然而，如果两个接近的目标处于相同的距离多普勒仓(bin)中，则FFT和相位比较方法都无法产生具有汽车应用所需准确度的结果。对于其中更高的准确度导致提高的安全性的这些应用和其他应用而言，需要超分辨率方法。

已经尝试了许多超分辨率方法来提高确定与对象相关的AOA的准确度。这些方法通常可以分为两类：子空间方法和优化方法。子空间方法计算多个快照(例如，独立样本)的波束向量的协方差矩阵，并且利用协方差矩阵的特殊特征来估计角度。子空间方法通常要求源(例如，对象或目标)的数量的输入，并且可能需要在多个角度上扫描，这在计算上可能是低效的。

一些优化方法可以将角度测定问题视为非线性优化问题，定义优化目标(例如，最小化波束向量误差)，并且搜索具有最佳性能的角度。这些方法计算起来可能很耗时。其他优化方法是基于均匀线性阵列(ULA)的，并且揭示了源的角度和ULA的波束向量之间的解析关系。通常使用迭代函数将角度收敛到估计值。

相比之下，本文描述的技术涉及迭代优化方法，该迭代优化方法不限于ULA，而是可以应用于利用非均匀线性阵列(非ULA)的雷达系统。这些技术的准确度可以与传统方法相当或优于传统方法。附加地，这些技术可以比传统方法中的一些在计算上更加高效。这些技术的提高的准确度和效率可以带来更安全的驾驶体验。

示例环境

图1示出了根据本公开的技术的其中可以应用基于迭代多源到达角估计的超分辨率的示例环境100。在所描绘的环境100中，交通工具102通过至少部分地依赖于雷达系统104的输出在道路上行驶。尽管示出为客车，但是交通工具102可以表示其他类型的机动交通工具(例如，卡车、摩托车、公共汽车、拖拉机、半挂车)、非机动交通工具(例如，自行车)、有轨交通工具(例如，火车)、水运工具(例如，船只)、飞行器(例如，飞机)、或航天器(例如，卫星)等。

雷达系统104可以安装在任何移动平台上、安装到任何移动平台或与任何移动平台集成，包括移动机械或机器人设备。例如，雷达系统104的组件可以布置在交通工具102的前部、后部、顶部、底部或侧部，在保险杠内，集成到侧镜中，形成为前灯和/或尾灯的一部分，或在对象需要检测的任何其他内部位置或外部位置。交通工具102可以包括多个雷达系统104(诸如第一雷达系统和第二雷达系统)，以提供包含交通工具102外部的特定感兴趣区域的自定义(custom)视场106。充当交通工具102的感知系统的一部分，雷达系统104通过启用高级安全或自主驾驶特征来辅助驾驶交通工具102。交通工具子系统可以依赖于雷达系统104来在特定视场(FOV)106内检测是否有任何对象(例如，对象108、110和112)出现环境100中。

雷达系统104被配置成用于通过辐射视场106内的对象108、110和112来检测对象108、110和112。例如，对象108可以是静止对象或移动对象，并且包括反射雷达信号的一种或多种材料。对象110和对象112可以是另一个交通工具、交通标志、障碍物、动物、行人或任何其他对象或碎片。在所描绘的环境100中，从对象110反射的雷达信号具有相对于雷达系统104的AOA 124。类似地，从对象112反射的雷达信号具有相对于雷达系统104的AOA 126。在一些情况下，对象110和对象112可能彼此相对接近，或者它们可能相对于它们的AOA看起来彼此接近。在这些情况下，AOA 124和AOA 126可能具有彼此接近的值，并且对象110和对象112的雷达检测可能最初作为单个检测出现在相同的多普勒距离仓中。

雷达系统104可以包括硬件组件和在其上执行的软件组件的组合。例如，雷达系统104的非瞬态计算机可读存储介质(CRM)可以存储机器可执行指令，当该机器可执行指令被雷达系统104的处理器执行时，使得雷达系统104输出关于在视场106中检测到的对象的信息。作为一个示例，雷达系统104包括信号处理组件，该信号处理组件可以包括雷达单片式微波集成电路(MMIC)114和雷达处理器116。雷达MMIC 114和雷达处理器116可以是物理上分离的组件，或者它们的功能可以被包括在单个集成电路内。同样，在一些方面，可以存在其他处理器。在该示例中，雷达系统104还包括对象检测模块118和输出管理器120。在一些方面中，对象检测模块118可以被存储在另一系统的CRM上。在其他示例中，可以使用与图1中所示的组件布置和组件数量不同的组件布置或组件数量来执行与雷达系统104相关联的操作。这些组件接收雷达信号以生成检测222。检测226可以用于更新对象跟踪和对对象进行分类。

在对象110和对象112出现在相同的多普勒距离仓中的情况下，对象检测模块118可以利用迭代过程来生成对象110和对象112的准确检测222。迭代过程接收初始第一角度估计(例如，AOA 124)，并且使用波束向量和通道(例如，天线元件)间距来估计初始第二角度(例如，AOA 126)。初始第二角度估计然后可以用于更新第一角度估计。附加地，对于非ULA，可以在迭代过程期间对波束向量进行归一化，以减少或消除相位模糊。这个迭代过程一直持续到两个角度都收敛到它们相应的值，或者已经执行了一定数量的迭代。这个迭代过程可以是计算高效且相当准确的。

示例系统

图2示出了根据本公开的技术的包括被配置成用于基于迭代多源到达角估计的超分辨率的系统的示例交通工具102-1。交通工具102-1是交通工具102的示例。被包括在交通工具102-1中的是雷达系统104-1，雷达系统104-1是雷达系统104的示例。交通工具102-1进一步包括通信链路202，雷达系统104-1可以使用通信链路202与其他基于交通工具的系统204通信。通信链路202可以是有线或无线的链路，并且在一些情况下包括通信总线(例如，CAN总线)。其他基于交通工具的系统204基于通过链路202从雷达系统104-1接收的信息(诸如从雷达系统104-1输出的数据，包括指示在FOV中所标识和跟踪的一个或多个对象的信息)执行操作。

类似于雷达系统104，雷达系统104-1包括雷达MMIC 114-1和雷达处理器1216-1。雷达MMIC 114-1包括一个或多个收发器/接收器206、定时/控制电路系统208和模数转换器(ADC)210。

雷达系统104-1进一步包括非瞬态计算机可读存储介质(CRM)212(例如，存储器、长期存储、短期存储)，计算机可读存储介质(CRM)212存储用于雷达系统104-1的指令。CRM212存储对象检测模块118-1(包括超分辨率子模块218)和输出管理器120-1。与雷达系统104-1的操作相关的其他指令同样可以被存储在CRM 212中。雷达系统104-1的组件经由链路214进行通信。例如，对象检测模块118-1通过链路214从MMIC 114-1接收低水平雷达数据216。对象检测模块118-1经由超分辨率子模块218和其他子模块(未示出)处理低水平雷达数据216，以生成检测122-1。

超分辨率模块218利用迭代过程来增加对象检测模块118-1的角度分辨率。例如，对于处于相同的多普勒距离仓中的两个对象，超分辨率模块218可以将与相应的多普勒距离仓相关联的初始角度估计分离为与两个对象相关联的两个单独的角度。迭代过程通过将噪声近似为具有零均值的随机高斯噪声来消除噪声变量。迭代过程还减少或消除了由天线通道的阵列间距大于可操作频率的半波长而引起的相位模糊。结果是一个角度可以被表示为另一个角度的函数的期望值。然后可以迭代地求解每个角度的值。迭代过程可以在保持准确度的同时在计算上非常便宜。

雷达处理器116-1还通过链路214从CRM 212接收指令，以执行输出管理器120-1。输出管理器120-1将与对象相关的角度信息分发到存储在CRM 212中的执行其他雷达任务(包括雷达检测和跟踪功能以及检测122-1的生成)的其他模块。输出管理器120-1使得检测122-1可用于其他基于交通工具的系统204。

其他基于交通工具的系统204可以包括自主控制系统204-1、安全系统204-2、定位系统204-3、交通工具对交通工具系统204-4、乘员接口系统204-5、多传感器跟踪器204-6和未示出的其他系统。可以基于检测122-1来推断和分类FOV中的对象，并且该信息可以输出到其他基于交通工具的系统204。以这种方式，响应于雷达系统104-1组合和分析由接收到的信号生成的雷达数据216，其他基于交通工具的系统204可以接收由雷达系统104-1检测到的一个或多个对象的指示。其他基于交通工具的系统204可以执行驾驶功能或其他操作，其他操作可以包括使用雷达系统104-1的输出来辅助确定驾驶决策。例如，自主控制系统204-1可以提供自动巡航控制，并监测雷达系统204-1，以获得指示FOV中存在对象的输出，例如，用于降低速度并防止与交通工具102-1的路径中的对象发生碰撞。当从雷达系统104-1获得的数据指示一个或多个对象在交通工具102-1前方穿过时，安全系统204-2或乘员接口系统204-5可以提供警报或执行特定操纵。因为超分辨率子模块218可以比传统方法更快地提供对象角度信息，所以基于交通工具的系统204可以更快地访问检测122-1，从而带来更安全且更可靠的驾驶体验。

示例实现

图3-1至图3-3示出了根据本公开的技术的利用天线阵列300-1并且被配置成用于基于迭代多源到达角估计的超分辨率的示例雷达系统(例如，雷达系统104、104-1)。图3-1示出了具有M个接收通道302的天线阵列300-1的示例。每个接收通道被布置成与原点304相距一定距离。例如，接收通道302-1距原点304的距离为d₁ 306-1，接收通道302-2距原点304的距离为d₂ 306-2，接收通道302-3距原点304的距离为d₃ 306-3，并且接收通道302-M距原点304的距离为d_m 306-M。天线阵列300-1可以是如图3-2所示的稀疏ULA 300-2，在稀疏ULA300-2中，每个接收通道302之间的距离间隔相同的距离(例如，距离d_2-1 312等于距离d_3-2314等于距离d_m-(m-1))。同样，天线阵列可以是如图3-3所示的稀疏非ULA 300-3。在稀疏非ULA 300-3中，至少两对接收通道302之间的距离(例如，距离d_2-1 316和距离d_3-2 318)是不相等的。在其他方面，天线阵列可以是密集的，或者可以是均匀或非均匀的稀疏通道和密集通道的组合。

天线阵列接收由源s₁ 308-1和源s₂ 308-2分别从角度θ₁ 310-1和θ₂ 310-2散射的雷达信号。在该示例中，角度θ₁ 310-1和θ₂ 310-2的值彼此相对接近，使得在将FFT应用于信号之后，源s₁ 308-1和源s₂ 308-2的散射信号处于相同的多普勒距离仓中。

测定源s₁ 308-1和源s₂ 308-2的角度可以通过本文所描述的基于经典信号模型(等式1)的方法来完成：

其中，是校准后的波束向量，A(θ)表示转向矩阵，以及/>表示源的信号强度，在雷达应用中，/>与源s₁ 308-1和源s₂ 308-2的雷达截面(RCS)相关。如果存在M个通道和N个源，则(等式1)的矩阵形式为：

其中，已知量是波束向量以及通道间距d₁ 306-1、d₂ 306-2、d₃ 306-3和d_m 306-M。角度{θ_n}、信号强度{s_n}和噪声{n_m}都是未知数。

在两个源的情况下，设sinθ_n为T_n，T₁和T₂可以通过等式3进行关联：

其中，d_m表示通道m的方位角位置，x_m表示通道m处的经校准的波束向量，是噪声项n_m和n_m-1的组合。如果噪声项{n_m}是随机高斯噪声n_m～N(0,σ²)，则/>也是具有零均值和σ²的方差的随机高斯噪声/>如果d_m-1＝d_m-1-d_m-2＝d，则等

式3的左侧可以简化为和

如果将对数函数应用于两侧(等式5)

噪声项可以被分离(等式6)：

考虑高信噪比(SNR)情况，其中，σ²＜＜1，泰勒级数可以应用于噪声项(等

式7)：

该噪声项也是方差为的零均值高斯随机变量。

因此，一个角度可以被明确地表示为另一个角度的函数的期望(例如，角度θ₁310-1和θ₂ 310-2)(等式8)

2kπ与稀疏阵列空间引起的相位模糊有关。如果稀疏空间等于或小于λ/2，则将不存在相位模糊(例如，k＝0)。附加地，等式8给出了仅两个未知角度θ₁ 310-1和θ₂ 310-2之间的关系，并且是互逆的(例如，T₁≈f(T₂))。

相比之下，一些传统的方法利用线性回归来计算接近源的角度。例如，对于N个源，第N个源的角度θ_N是根据所有其他源的角度(θ₁,…θ_N-1))来估计的。如果T_n＝sinθ_n，则可以获得以下关系(等式9)：

其中，是波束向量/>和角度θ₁,…θ_N-1的函数。/>是高斯随机噪声。/>可以递归地计算并且由以下等式(等式10)给出：

其中初始条件为(等式11和等式12)：

在这种情况下，等式9中的通过线性回归(等式13)计算：

对于如先前所述的两个源问题(N＝2)，等式9可以简化为(等式14)：

通过用代替/>等式14等效于等式4。

然而，由于在等式7中执行的近似估计，等式4可以重新排列为等式8。对于需要计算效率的应用，等式8可能优于等式13，因为等式8不需要像等式13那样的矩阵求逆和乘法。附加地，本示例中描述的传统方法仅适用于具有λ/2间距的ULA，而本公开中的技术可以应用于稀疏ULA和非ULA。

以涉及相位模糊的情况作为示例。无相位模糊k＝0将是|sinθ₁-sinθ₂|<0.25，或在系统的视轴中|θ₁-θ₂|<14.5°，这意味着视轴中的角度差小于14.5°的情况。对于大于14.5°的角度差，需要具有不同通道间距的子阵列。对于具有若干间距为l₁(l₁>0.5λ)的ULA子阵列的雷达系统，等

式8变为等式15：

由于角度在±90°范围内，因此T₂的范围为-1<T₂<1。如果则相位模糊数由(等式16)界定：

可能存在最大的可能的k值。使另一个通道与现有通道间隔l₂，可以形成线性三元素子阵列，使得d₂-d₁＝l₂并且d₃-d₂＝l₁。通过让

并且将n₀表示为n₁和n₂的最大公约数(n₀＝gcd(n₁,n₂))，并且如果n₀l₀≤0.5λ，则相位模糊的整数k可以通过以下步骤来确定。所有可能的模糊整数k都可以代入等式15，并且针对不同的k值进行(T₂-T₁)的计算。这些(T₂-T₁)值可以代入等式3的左侧，并且可以选择使等式3的两侧之间的差最小的k值：

将所述技术对照传统方法进行测试的结果已在测试环境中显示出显著的改进。计算效率(例如，计算速度)可以是更常规的方法的十倍。附加地，所描述的技术的均方根误差(RMSE)可以在低SNR情况下比一些常规方法得到改进，并且在较高SNR的情况下类似。

图4示出了根据本公开的技术的用于基于迭代多源到达角估计的超分辨率的迭代过程的示例流程图400。在步骤402，超分辨率模块(例如，超分辨率子模块218)接收初始角度初始角度可以由对接收到的波束向量执行的FFT的峰值确定，当与多个源相关的信息与波束向量相关联时，FFT可以产生接近于最强源的角度的角度。具体而言，当两个源彼此非常接近时，相关联的FFT在初始处理期间可能在多普勒距离仓内具有单个峰值的外观。步骤402发生在迭代循环开始之前(例如，迭代计数i为0)。

步骤404至410是迭代过程。在一些方面中，未示出的其他步骤可以被包括在该迭代过程中。在步骤404处，迭代计数递增1。在步骤406处，根据估计/>在第一迭代期间，i＝0，/>是根据初始角度估计/>来估计的。在步骤408处，角度/>是基于/>的估计来估计的。/>的估计基于将/>代入等式8或等式15(取决于系统)并求解/>同样，的估计基于将/>代入等式8或等式15并求解/>在步骤410处，做出是继续迭代循环还是输出结果的决定。在一些方面中，中断迭代循环并输出结果的决定是基于是否已经执行了最小次数的迭代(例如，i≥2)或者角度/>和/>是否已经收敛到它们相应的值。两个角度的收敛可以取决于来自当前迭代的角度值与来自上次(例如，先前)迭代的角度值之间的差低于阈值(例如，/>)或阈值百分比(例如，1％)。在一些情况下，来自当前迭代的角度的sin与来自上次迭代的角度的sin之间的差(例如，/>被视为满足收敛标准。同样，如果已经执行了最大次数的迭代(例如，i>i_最大)，则可以中断迭代循环。

如果已经满足条件中的任何条件，则中断迭代循环，并且流程图400继续至步骤412。在步骤412处，输出角度和/>的值。这些角度可以为对象检测和跟踪功能提供关于与每个角度相关的相应对象的准确的AOA信息。迭代过程可以以对于汽车应用而言是优选的及时的方式计算和输出角度/>和/>从而使交通工具的各种驾驶系统能够安全且可靠地运行。

示例方法

图5示出了根据本公开的技术的用于基于迭代多源到达角估计的超分辨率的示例方法500。方法500被示出为被执行的多组操作(或动作)，但不必限于在本文中示出操作的次序或组合。此外，可以重复、组合或重组任何一个或多个操作，以提供其他方法。

在步骤502处，确定与第一对象的位置相关联的初始第一角度估计。初始第一角度估计可以从接收到的电磁信号中导出。电磁信号可以是波束向量的形式(例如，由MIMO雷达系统接收)。在一些方面中，FFT可以应用于查找表示一个或多个对象的峰值。在许多情况下，与峰值相关联的初始第一角度估计可以近似于由波束向量描述的最强源(例如，第一对象)的实际角度。

在步骤504处，在初始迭代期间确定与第二对象的位置相关联的初始第二角度估计。初始第二角度估计是基于初始第一角度估计的。在一些方面中，初始第二角度估计是通过将初始第一角度估计代入等式8或等式15(取决于MIMO雷达系统)来计算的。例如，等式8可以用于仅具有(多个)ULA的MIMO雷达系统，而等式15可以用于具有(多个)非ULA的MIMO雷达系统。

在步骤506处，针对初始迭代确定经更新的第一角度估计。经更新的第一角度估计是基于初始第二角度估计的，并且可以使用在步骤504中使用的等式的互逆(reciprocal)来计算。

在步骤508处，针对后续迭代确定经更新的第二角度估计。经更新的第二角度估计是基于经更新的第一角度估计的，并且是使用与步骤504中使用的相同的等式来计算的。

在步骤510处，针对后续迭代确定经更新的第一角度估计。经更新的第一角度估计是基于经更新的第二角度估计的，并且是使用与步骤504中使用的相同的等式来计算的。一旦执行了步骤510，就评估继续迭代循环(例如，步骤508和步骤510)的条件。中断循环的条件可以包括确定经更新的第一角度估计和经更新的第二角度估计是否已经收敛到它们相应的值，或者是否已经执行了最大次数的迭代。如果这些条件中的至少一个条件没有被满足，则迭代循环可以继续附加的迭代，直到这些条件已经被满足为止。

在步骤512处，响应于迭代循环条件被满足，将经更新的第一角度估计和经更新的第二角度估计输出到对象跟踪系统。经更新的第一角度估计和经更新的第二角度估计可以由对象跟踪系统用于检测和跟踪环境中的对象。这种超分辨率方法对于汽车应用和需要快速且准确地处理电磁信号以确保安全性和可靠性的其他应用而言可以是理想的。

附加示例

以下提供了基于迭代多源到达角估计的超分辨率的一些附加示例。

示例1：一种方法，方法包括：基于由电磁传感器接收的电磁信号，确定与第一对象相对于电磁传感器的位置相关联的初始第一角度估计；针对初始迭代并且基于初始第一角度估计，确定与第二对象相对于电磁传感器的位置相关联的初始第二角度估计；针对初始迭代并且基于初始第二角度估计，确定经更新的第一角度估计；针对后续迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计；针对后续迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计；以及响应于确定迭代循环条件被满足，将经更新的第一角度估计和经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪第一对象和第二对象。

示例2：示例1的方法，方法进一步包括：响应于确定迭代循环条件未被满足：针对附加迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计；以及针对附加迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计。

示例3：前述示例中的任一项的方法，其中，迭代循环条件包括经更新的第一角度估计和经更新的第二角度估计的收敛。

示例4：前述示例中的任一项的方法，其中，经更新的第一角度估计和经更新的第二角度估计的收敛包括：当前迭代的经更新的第一角度估计与先前迭代的经更新的第一角度估计之间的差低于阈值或阈值百分比；以及当前迭代的经更新的第二角度估计与先前迭代的经更新的第二角度估计之间的差低于阈值或阈值百分比。

示例5：前述示例中的任一项的方法，其中，迭代循环条件包括最小次数的后续迭代。

示例6：前述示例中的任一项的方法，其中：确定初始第一角度估计包括计算对电磁信号的快速傅立叶变换；以及基于快速傅立叶变换，确定电磁信号的峰值，最大值与初始第一角度估计相对应。

示例7：前述示例中的任一项的方法，其中：电磁信号包括波束向量；并且波束向量包括与第一对象和第二对象相关的信息。

示例8：前述示例中的任一项的方法，其中，电磁传感器包括多输入多输出(MIMO)雷达传感器，MIMO雷达传感器包括天线通道的至少一个稀疏阵列。

示例9：前述示例中的任一项的方法，其中，确定初始第二角度估计、经更新的第一角度估计和经更新的第二角度估计是基于减少由天线通道的至少一个稀疏阵列引起的相位模糊。

示例10：前述示例中的任一项的方法，其中，至少一个稀疏阵列是均匀线性阵列，并且均匀线性阵列的天线通道各间隔相同的距离，该距离等于或大于电磁信号的可操作频率的波长。

示例11：前述示例中的任一项的方法，其中，至少一个稀疏阵列是非均匀线性阵列，非均匀线性阵列包括非均匀线性阵列的间隔第一距离的至少第一对天线通道和非均匀线性阵列的间隔第二距离的至少第二对天线通道，第二距离不同于第一距离。

示例12：前述示例中的任一项的方法，其中，非均匀线性阵列的波束向量被归一化，以近似均匀线性阵列的波束向量。

示例13：前述示例中的任一项的方法，其中，确定初始第二角度估计、经更新的第一角度估计和经更新的第二角度估计包括将电磁信号中的噪声近似为具有零均值的高斯随机噪声。

示例14：前述示例中的任一项的方法，其中，确定初始第二角度估计、经更新的第一角度估计和经更新的第二角度估计包括确定初始第二角度估计的期望值、经更新的第一角度估计的期望值和经更新的第二角度估计的期望值。

示例15：一种系统，系统包括：至少一个处理器，至少一个处理器被配置成用于：基于由电磁传感器接收的电磁信号，确定与第一对象相对于电磁传感器的位置相关联的初始第一角度估计；针对初始迭代并且基于初始第一角度估计，确定与第二对象相对于电磁传感器的位置相关联的初始第二角度估计；针对初始迭代并且基于初始第二角度估计，确定经更新的第一角度估计；针对后续迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计；针对后续迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计；响应于确定迭代循环条件被满足，将经更新的第一角度估计和经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪第一对象和第二对象；以及响应于确定迭代循环条件未被满足：针对附加迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计；以及针对附加迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计。

示例16：前述示例中的任一项的系统，其中，迭代循环条件包括：经更新的第一角度估计和经更新的第二角度估计的收敛；或者最小次数的后续迭代。

示例17：前述示例中的任一项的系统，其中，处理器被配置成用于通过至少以下方式来确定初始第一角度估计：计算对电磁信号的快速傅立叶变换；以及基于快速傅立叶变换，确定电磁信号的峰值，峰值与初始第一角度估计相对应。

示例18：前述示例中的任一项的系统，其中，电磁传感器包括多输入多输出(MIMO)雷达传感器，MIMO雷达传感器包括天线通道的至少一个稀疏阵列；以及处理器被配置成用于通过至少减少由天线通道的至少一个稀疏阵列引起的相位模糊来确定初始第二角度估计、经更新的第一角度估计和经更新的第二角度估计。

示例19：前述示例中的任一项的系统，其中，处理器被配置成用于通过至少将电磁信号中的噪声近似为具有零均值的高斯随机噪声来确定初始第二角度估计、经更新的第一角度估计和经更新的第二角度估计。

示例20：一种计算机可读存储介质，计算机可读存储介质包括指令，指令在被执行时将处理器配置成用于：基于由电磁传感器接收的电磁信号，确定与第一对象相对于电磁传感器的位置相关联的初始第一角度估计；针对初始迭代并且基于初始第一角度估计，确定与第二对象相对于电磁传感器的位置相关联的初始第二角度估计；针对初始迭代并且基于初始第二角度估计，确定经更新的第一角度估计；针对后续迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计；针对后续迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计；响应于确定迭代循环条件被满足，将经更新的第一角度估计和经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪第一对象和第二对象；以及响应于确定迭代循环条件未被满足：针对附加迭代并且基于经更新的第一角度估计，确定经更新的第二角度估计；以及针对附加迭代并且基于经更新的第二角度估计，确定经更新的第一角度估计。

结语

虽然在前述描述中描述并且在附图中示出了本公开的各种实施例，但应当理解，本公开不限于此，而是可以在接下来的权利要求的范围内以各种方式实施为实践。根据前述描述，将显而易见的是，可以做出各种更改而不偏离由接下来的权利要求所限定的本公开内容的精神和范围。与角度分辨率相关联的问题可能发生在其他系统中。因此，尽管被描述为用于提高雷达系统中的角度分辨率的方式，但是前述说明书的技术可以应用于将从超分辨率方法受益的其他系统。此外，这些技术还可以应用于要求快速处理传感器数据同时保持准确度的其他主系统。

除非上下文另有明确规定，否则“或”和语法上相关的术语的使用表示无限制的非排他性替代方案。如本文所使用的，引述一列项目中的“至少一者”的短语是指这些项目的任何组合，包括单个成员。作为示例，“a、b或c中的至少一者”旨在涵盖：a、b、c、a-b、a-c、b-c、和a-b-c，以及具有多个相同元素的任何组合(例如，a-a、a-a-a、a-a-b、a-a-c、a-b-b、a-c-c、b-b、b-b-b、b-b-c、c-c、和c-c-c，或者a、b和c的任何其他排序)。

Claims (20)

1.一种方法，所述方法包括：

基于由电磁传感器接收的电磁信号，确定与第一对象相对于所述电磁传感器的位置相关联的初始第一角度估计；

针对初始迭代并且基于所述初始第一角度估计，确定与第二对象相对于所述电磁传感器的位置相关联的初始第二角度估计；

针对所述初始迭代并且基于所述初始第二角度估计，确定经更新的第一角度估计；

针对后续迭代并且基于所述经更新的第一角度估计，确定经更新的第二角度估计；

针对所述后续迭代并且基于所述经更新的第二角度估计，确定所述经更新的第一角度估计；以及

响应于确定迭代循环条件被满足，将所述经更新的第一角度估计和所述经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪所述第一对象和所述第二对象。

2.如权利要求1所述的方法，所述方法进一步包括：

响应于确定所述迭代循环条件未被满足：

针对附加迭代并且基于所述经更新的第一角度估计，确定所述经更新的第二角度估计；以及

针对所述附加迭代并且基于所述经更新的第二角度估计，确定所述经更新的第一角度估计。

3.如权利要求1所述的方法，其特征在于，所述迭代循环条件包括所述经更新的第一角度估计和所述经更新的第二角度估计的收敛。

4.如权利要求3所述的方法，其特征在于，所述经更新的第一角度估计和所述经更新的第二角度估计的所述收敛包括：

当前迭代的所述经更新的第一角度估计与先前迭代的所述经更新的第一角度估计之间的差低于阈值或阈值百分比；以及

当前迭代的所述经更新的第二角度估计与先前迭代的所述经更新的第二角度估计之间的差低于所述阈值或所述阈值百分比。

5.如权利要求1所述的方法，其特征在于，所述迭代循环条件包括最小次数的所述后续迭代。

6.如权利要求1所述的方法，其特征在于：

确定所述初始第一角度估计包括计算对所述电磁信号的快速傅立叶变换；以及

基于所述快速傅立叶变换，确定所述电磁信号的峰值，所述最大值与所述初始第一角度估计相对应。

7.如权利要求1所述的方法，其特征在于：

所述电磁信号包括波束向量；并且

所述波束向量包括与所述第一对象和所述第二对象相关的信息。

8.如权利要求1所述的方法，其特征在于，所述电磁传感器包括多输入多输出(MIMO)雷达传感器，所述MIMO雷达传感器包括天线通道的至少一个稀疏阵列。

9.如权利要求8所述的方法，其特征在于，确定所述初始第二角度估计、所述经更新的第一角度估计和所述经更新的第二角度估计是基于减少由天线通道的所述至少一个稀疏阵列引起的相位模糊。

10.如权利要求9所述的方法，其特征在于，所述至少一个稀疏阵列是均匀线性阵列，并且所述均匀线性阵列的所述天线通道各间隔相同的距离，所述距离等于或大于所述电磁信号的可操作频率的波长。

11.如权利要求9所述的方法，其特征在于，所述至少一个稀疏阵列是非均匀线性阵列，所述非均匀线性阵列包括所述非均匀线性阵列的间隔第一距离的至少第一对天线通道和所述非均匀线性阵列的间隔第二距离的至少第二对天线通道，所述第二距离不同于所述第一距离。

12.如权利要求11所述的方法，其特征在于，所述非均匀线性阵列的波束向量被归一化，以近似均匀线性阵列的波束向量。

13.如权利要求1所述的方法，其特征在于，确定所述初始第二角度估计、所述经更新的第一角度估计和所述经更新的第二角度估计包括将所述电磁信号中的噪声近似为具有零均值的高斯随机噪声。

14.如权利要求1所述的方法，其特征在于，确定所述初始第二角度估计、所述经更新的第一角度估计和所述经更新的第二角度估计包括：确定所述初始第二角度估计的期望值、所述经更新的第一角度估计的期望值、和所述经更新的第二角度估计的期望值。

15.一种系统，所述系统包括：

至少一个处理器，所述至少一个处理器被配置成用于：

基于由电磁传感器接收的电磁信号，确定与第一对象相对于所述电磁传感器的位置相关联的初始第一角度估计；

针对初始迭代并且基于所述初始第一角度估计，确定与第二对象相对于所述电磁传感器的位置相关联的初始第二角度估计；

针对所述初始迭代并且基于所述初始第二角度估计，确定经更新的第一角度估计；

针对后续迭代并且基于所述经更新的第一角度估计，确定经更新的第二角度估计；

针对所述后续迭代并且基于所述经更新的第二角度估计，确定所述经更新的第一角度估计；

响应于确定迭代循环条件被满足，将所述经更新的第一角度估计和所述经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪所述第一对象和所述第二对象；以及

响应于确定所述迭代循环条件未被满足：

针对附加迭代并且基于所述经更新的第一角度估计，确定所述经更新的第二角度估计；以及

针对所述附加迭代并且基于所述经更新的第二角度估计，确定所述经更新的第一角度估计。

16.如权利要求15所述的系统，其特征在于，所述迭代循环条件包括：

所述经更新的第一角度估计和所述经更新的第二角度估计的收敛；或者

最小次数的所述后续迭代。

17.如权利要求15所述的系统，其特征在于，所述处理器被配置成用于通过至少以下方式来确定所述初始第一角度估计：

计算对所述电磁信号的快速傅立叶变换；以及

基于所述快速傅立叶变换，确定所述电磁信号的峰值，所述峰值与所述初始第一角度估计相对应。

18.如权利要求15所述的系统，其特征在于：

所述电磁传感器包括多输入多输出(MIMO)雷达传感器，所述MIMO雷达传感器包括天线通道的至少一个稀疏阵列；并且

所述处理器被配置成用于通过至少减少由天线通道的所述至少一个稀疏阵列引起的相位模糊来确定所述初始第二角度估计、所述经更新的第一角度估计、和所述经更新的第二角度估计。

19.如权利要求15所述的系统，其特征在于，所述处理器被配置成用于通过至少将所述电磁信号中的噪声近似为具有零均值的高斯随机噪声来确定所述初始第二角度估计、所述经更新的第一角度估计、和所述经更新的第二角度估计。

20.一种计算机可读存储介质，所述计算机可读存储介质包括指令，所述指令在被执行时将处理器配置成用于：

基于由电磁传感器接收的电磁信号，确定与第一对象相对于所述电磁传感器的位置相关联的初始第一角度估计；

针对初始迭代并且基于所述初始第一角度估计，确定与第二对象相对于所述电磁传感器的位置相关联的初始第二角度估计；

针对所述初始迭代并且基于所述初始第二角度估计，确定经更新的第一角度估计；

针对后续迭代并且基于所述经更新的第一角度估计，确定经更新的第二角度估计；

针对所述后续迭代并且基于所述经更新的第二角度估计，确定所述经更新的第一角度估计；

响应于确定迭代循环条件被满足，将所述经更新的第一角度估计和所述经更新的第二角度估计输出到对象跟踪系统，以分别用于跟踪所述第一对象和所述第二对象；以及

响应于确定所述迭代循环条件未被满足：

针对附加迭代并且基于所述经更新的第一角度估计，确定所述经更新的第二角度估计；以及

针对所述附加迭代并且基于所述经更新的第二角度估计，确定所述经更新的第一角度估计。