CN117783998A - 用于确定到达方向角的方法和设备 - Google Patents
用于确定到达方向角的方法和设备 Download PDFInfo
- Publication number
- CN117783998A CN117783998A CN202311252193.5A CN202311252193A CN117783998A CN 117783998 A CN117783998 A CN 117783998A CN 202311252193 A CN202311252193 A CN 202311252193A CN 117783998 A CN117783998 A CN 117783998A
- Authority
- CN
- China
- Prior art keywords
- targets
- candidate
- function
- candidate number
- objective function
- 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
- 238000000034 method Methods 0.000 title claims description 47
- 238000011156 evaluation Methods 0.000 claims abstract description 72
- 230000008859 change Effects 0.000 claims abstract description 7
- 239000013598 vector Substances 0.000 claims description 61
- 238000004364 calculation method Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 135
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000007792 addition Methods 0.000 description 15
- 238000007476 Maximum Likelihood Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 238000012854 evaluation process Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method 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
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000758 substrate Substances 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
- 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
- G01S13/006—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
-
- 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
- G01S13/44—Monopulse radar, i.e. simultaneous lobing
- G01S13/4454—Monopulse radar, i.e. simultaneous lobing phase comparisons monopulse, i.e. comparing the echo signals received by an interferometric antenna arrangement
-
- 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
- G01S7/358—Receivers using I/Q 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
- G01S13/88—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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/04—Details
- G01S3/06—Means for increasing effective directivity, e.g. by combining signals having differently oriented directivity characteristics or by sharpening the envelope waveform of the signal derived from a rotating or oscillating beam antenna
-
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/46—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems
- G01S3/48—Systems for determining direction or deviation from predetermined direction using antennas spaced apart and measuring phase or time difference between signals therefrom, i.e. path-difference systems the waves arriving at the antennas being continuous or intermittent and the phase difference of signals derived therefrom being measured
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
一种设备,被配置成:接收指示天线处接收的从目标反射的雷达信号的输入数据集;确定用于表示可能的到达方向角的搜索空间的多个点上的评估的目标函数;针对第一候选数目的目标评估所述目标函数;基于第二候选数目的目标执行分支度量函数的第一评估,其中所述分支度量函数指示所述目标函数的改变;以及如果所述分支度量函数大于预定阈值,则针对所述第二候选数目的目标评估所述目标函数;如果所述分支度量函数小于所述预定阈值,则针对所述第一候选数目的目标评估所述目标函数,其中所述评估是基于所述第一候选数目的目标中的具有不同的第二候选到达方向角的至少一个目标。
Description
技术领域
本公开涉及一种用于在指示天线阵列处接收的雷达信号的数据集中确定多个目标中的每一个的到达方向角的设备和方法。具体来说,其涉及使用确定性最大似然技术。本公开还涉及一种被配置成执行所述方法的例如调频连续波FMCW等雷达系统。
背景技术
确定性最大似然(DML)到达方向(DoA)估计是一种用于在多个天线元件处接收到的雷达信号中确定从多个目标中的每一个反射的分量雷达信号的到达方向角的技术。天线元件可以是FMCW雷达的一部分。
发明内容
根据本公开的第一方面,提供一种设备,其包括处理器,所述处理器被配置成:
接收指示多个天线元件处接收的雷达信号的振幅和相位的输入数据集,其中所述雷达信号已经从未知数目的目标反射;
基于输入数据集确定用于搜索空间的多个点上的评估的目标函数,所述搜索空间的所述点表示来自所述多个目标的所述雷达信号的可能的到达方向角,且其中目标函数的评估指示所述多个目标的可能的到达方向角与输入数据集之间的对应关系;
针对第一候选数目的目标K评估目标函数,其中第一候选数目的目标中的每一目标具有各自对应于搜索空间中的点的相应的第一候选到达方向角;
基于相比于第一候选数目的目标包括多一个目标的第二候选数目的目标(K+1)执行分支度量函数的第一评估,其中所述分支度量函数指示基于具有第一候选到达方向角的第一候选数目的目标的目标函数的评估与基于第二候选数目的目标的目标函数的评估之间的目标函数的改变,且包括第一候选数目的目标的相应的第一候选到达方向角的函数;以及
如果分支度量函数大于预定阈值λ,则处理器被配置成:
针对第二候选数目的目标K+1评估目标函数,其中所述评估是基于第二候选数目的目标K+1中的具有相应的第一候选到达方向角的第一候选数目的目标K以及第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有额外目标第一候选到达方向角的额外目标;
如果分支度量函数小于预定阈值λ,则处理器被配置成:
针对第一候选数目的目标K评估目标函数,其中所述评估是基于第一候选数目的目标K中的具有不同的第二候选到达方向角的至少一个目标。
在一个或多个实施例中,预定阈值λ是基于目标的候选数目。
在一个或多个实施例中,所述目标函数被公式化使得针对第一候选数目的目标K的目标函数的评估包括两个或两个以上子函数的函数,并且
其中分支度量函数包括所述两个或两个以上子函数和额外目标波束控制向量中的至少一个的函数,所述额外目标波束控制向量表示额外目标第一候选到达方向角下所述额外目标的所述多个天线元件处的预期响应。
在一个或多个实施例中,所述处理器被配置成,在分支度量函数小于预定阈值λ的情况下,不针对第二候选数目的目标K+1评估目标函数,其中所述评估是基于第二候选数目的目标K+1中的具有相应的第一候选到达方向角的第一候选数目的目标K以及第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有额外目标第一候选到达方向角和搜索空间中的任何其它到达方向角的额外目标。
因此,在一个或多个例子中,与第一候选到达方向角组合对额外目标的搜索终止。
在一个或多个实施例中,分支度量函数还是额外目标第一候选到达方向角(所述角由a K+1表示)的函数,包括相比于第一候选数目的目标所述多一个目标的角度,
其中所述额外目标第一候选到达方向角包括搜索空间中的任何角度。
在一个或多个实施例中,当分支度量函数小于预定阈值λ且处理器已经针对第一候选数目的目标K评估目标函数时,其中所述评估是基于第一候选数目的目标K中的具有不同的第二候选到达方向角的至少一个目标;
所述处理器被配置成:
基于相比于第一候选数目的目标包括多一个目标的第二候选数目的目标(K+1)再评估分支度量函数,其中所述分支度量函数是包括改变为所述不同的第二候选到达方向角的目标和保持为第一候选到达方向角的目标的已评估目标函数的目标的候选到达方向角的函数。
在一个或多个实施例中,处理器被配置成,作为针对第一候选数目的目标K的目标函数的所述评估和分支度量函数的第一评估的一部分:
确定波束控制向量的波束控制矩阵A,其中每一波束控制向量表示第一候选数目的目标K中的一个相应目标,且其中每一波束控制向量包括一函数,所述函数表示来自在第一候选到达方向角中的一个相应到达方向角下从目标中的一个相应目标反射的单位振幅的雷达信号的在所述多个天线元件处的预期响应;
确定子函数B,其中B=(AHA)-1
确定子函数y,其中y=AH x且x表示输入数据集,且其中y表示输入数据集与波束控制矩阵的波束控制向量的相关;
将具有额外目标第一候选到达方向角的额外目标限定为波束控制向量a K+1;
计算c,其中c=BAH a K+1;
计算d,其中
计算z,其中z=y H c;
且其中分支度量函数包括d(|z|2-2Re{z yK+1}+|yK+1|2)且与预定阈值进行比较。
在一个或多个实施例中,处理器另外被配置成,在分支度量函数大于预定阈值λ的情况下:
计算其包括第二候选数目的目标的波束控制矩阵且用于在分支度量函数的后续计算中使用;
计算其用于在分支度量函数的后续计算中使用;以及
计算其用于在分支度量函数的后续计算中使用。
在一个或多个实施例中,处理器被配置成输出到达方向角的最终集合,其包括产生目标函数的最大和最小评估中的所述一个评估的到达方向角。
在一个或多个例子中,目标函数的评估包括基于矩阵A的多个候选矩阵的目标函数的重复评估,所述多个候选矩阵各自包括相应搜索空间上的不同的到达方向角向量,其中到达方向角的所述集合是从所述多个候选矩阵中的提供搜索空间上目标函数的最大和最小评估中的一个评估的一个候选矩阵导出的。
在一个或多个实施例中,所述设备包括调频连续波FMCW雷达系统。
在一个或多个实施例中,所述输入数据集包括已经经过距离-多普勒处理的数据集,使得所述输入数据集表示在距天线元件预定距离范围和相对于天线元件的预定径向速率范围处已经从目标反射的雷达信号。
在一个或多个例子中,目标函数的此确定包括基于波束成形方法确定目标函数,如本领域的技术人员将了解。
在一个或多个例子中,以下中的一个:
目标函数被公式化,使得其评估后获得的值越大,则其评估中使用的可能的到达方向角是实现输入数据集的接收的到达方向角的概率越大,且其中第一评估过程和第二评估过程中目标函数的所述评估被配置成使目标函数最大化;以及
目标函数被公式化,使得其评估后获得的值越小,则其评估中使用的可能的到达方向角是实现输入数据集的接收的到达方向角的概率越大,且其中第一评估过程和第二评估过程中目标函数的所述评估被配置成使目标函数最小化。
根据本公开的第二方面,我们提供一种用于评估目标函数的方法,所述方法由处理器执行,包括:
接收指示多个天线元件处接收的雷达信号的振幅和相位的输入数据集,其中所述雷达信号已经从未知数目的目标反射;
基于输入数据集确定用于搜索空间的多个点上的评估的目标函数,所述搜索空间的所述点表示来自所述多个目标的所述雷达信号的可能的到达方向角,且其中目标函数的评估指示所述多个目标的可能的到达方向角与输入数据集之间的对应关系;
针对第一候选数目的目标K评估目标函数,其中第一候选数目的目标中的每一目标具有各自对应于搜索空间中的点的相应的第一候选到达方向角;
基于相比于第一候选数目的目标包括多一个目标的第二候选数目的目标(K+1)执行分支度量函数的第一评估,其中所述分支度量函数指示基于具有第一候选到达方向角的第一候选数目的目标的目标函数的评估与基于第二候选数目的目标的目标函数的评估之间的目标函数的改变,且包括第一候选数目的目标的相应的第一候选到达方向角的函数;以及
如果分支度量函数大于预定阈值λ,则:
针对第二候选数目的目标K+1评估目标函数,其中所述评估是基于第二候选数目的目标K+1中的具有相应的第一候选到达方向角的第一候选数目的目标K以及第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有额外目标第一候选到达方向角的额外目标;
如果分支度量函数小于预定阈值λ,则:
针对第一候选数目的目标K评估目标函数,其中所述评估是基于第一候选数目的目标K中的具有不同的第二候选到达方向角的至少一个目标。
在一个或多个实施例中,所述目标函数被公式化使得针对第一候选数目的目标K的目标函数的评估包括两个或两个以上子函数的函数,并且
其中分支度量函数包括所述两个或两个以上子函数和额外目标波束控制向量中的至少一个的函数,所述额外目标波束控制向量表示额外目标第一候选到达方向角下所述额外目标的所述多个天线元件处的预期响应。
在一个或多个实施例中,所述处理器被配置成,在分支度量函数小于预定阈值λ的情况下,不针对第二候选数目的目标K+1评估目标函数,其中所述评估是基于第二候选数目的目标K+1中的具有相应的第一候选到达方向角的第一候选数目的目标K以及第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有额外目标第一候选到达方向角和搜索空间中的任何其它到达方向角的额外目标。
根据本公开的第三方面,我们提供一种包括计算机程序代码的非暂时性计算机可读介质,所述计算机程序代码被配置成在被执行时执行第二方面的方法。
虽然本公开容许各种修改和替代形式,但其细节已经以举例的方式在图式中示出且将详细地描述。然而,应理解,超出所描述的特定实施例的其它实施例也是可能的。也涵盖落在所附权利要求书的精神和范围内的所有修改、等效物和替代实施例。
以上论述并不希望表示当前或将来权利要求集的范围内的每个示例实施例或每个实施方案。图式和以下详细描述还例示各种示例实施例。考虑结合附图的以下详细描述可以更全面地理解各种示例实施例。
附图说明
现将仅举例参看附图描述一个或多个实施例,附图中:
图1示出设备和FMCW系统的示例实施例;
图2示出一对天线元件的示例实施例,其示出到达方向角;
图3示出多个天线元件的示例实施例,其中所述天线元件可以是真实天线元件或虚拟天线元件或某一组合;
图4示出与图3分布相同但投影在均匀网格上的天线元件的示例实施例,其中天线元件之间的间隔为λ/2;
图5示出表示目标函数的可能的评估的搜索树,其中每一节点表示一个或多个目标的到达方向角的组合,且其中所述节点布置为层,其中所述树中的每一层表示所考虑的特定数目的目标;
图6示出流程图,其示出示例方法;以及
图7示出示例计算机可读介质。
具体实施方式
图1示出FMCW系统100的示例实施例。所述系统包括设备101,所述设备可包括处理器102,用于处理指示由天线阵列103接收的雷达信号104的数据。雷达信号104可包括来自一个或多个目标105、106的反射。
天线阵列103包括多个天线元件107-111。所述天线元件中的一个或多个可被配置成发射雷达信号,所述雷达信号可包括将从目标105、106反射的FMCW啁啾112。天线元件107-111中的两个或两个以上可被配置成接收从目标105、106反射的雷达信号104A、104B。
例如FMCW及其它等雷达系统具有许多应用,并且可在汽车领域中用于检测车辆附近的目标,目的是使驾驶更安全并且更舒适。可以估计到目标105、106的距离和目标的相对速率。使用若干天线元件107-111来发射和接收雷达信号允许确定此目标存在的方向,并且所述方向通常表示为相对于天线元件的方向的角。
从第一目标105反射的雷达信号104A在天线元件107-111处具有到达方向角θ1。从第二目标106反射的雷达信号104B在天线元件107-111处具有到达方向角θ2。然而,由天线元件107-111接收到的雷达信号104包括信号104A和104B与噪声的组合。还应了解,到达方向角可表示反射的雷达信号104A、104B的以方位角和仰角中的一个或两个表示的到达角。
有必要处理接收到的雷达信号以任选地确定目标的数目(如果未知或未以其它方式确定)和K个目标的到达方向角θk,所述到达方向角在此例子中包括θ1和θ2。
确定性最大似然(DML)到达方向(DoA)估计是用于确定从其接收雷达信号104A、104B以创建由天线元件107-111接收到的雷达信号104的观察组合的最可能(包括很可能)角的已知过程。
所发射的雷达信号由目标105、106反射并由雷达系统100的接收天线元件接收,并且取决于反射波的到达方向角θ1和θ2,实现发射天线元件、目标105、106和接收天线元件之间的不同路径长度,使得天线元件之间的接收到的雷达信号存在相位差。对这些相位差实行分析,以估计目标的到达方向角。
基于来自天线阵列103的数据的到达方向角估计对于雷达系统100来说很重要。如果接收到的雷达信号来源于一个目标105,则天线元件107-111处的信号强度大体上相同,但由于天线元件107-111与目标105之间存在路径长度差,雷达信号的相位将不同,并且随到达方向角而变。
图2示出两个示例天线元件,所述天线元件可包括接收雷达信号104A的天线元件107和108。路径长度差由dsinθ给出,其中d是天线元件间隔,并且θ是到达方向角。
当多个目标105、106反射时,这些信号的线性组合将被接收。由于所述线性组合,每个天线元件107-111的振幅和相位都会变化,并且必须用于估计目标105、106的DoA角。
在实践中,目标105、106的数目是未知的,并且也必须进行估计。在一个或多个例子中,来自天线阵列103的数据可经预处理以分析目标所处的空间。
使用例如FMCW雷达信号等雷达信号,可以使用已知的距离-多普勒处理技术来量化接收到的信号的距离和多普勒移位(即,频率改变)。对于检测到能量(高于阈值)的每一距离-多普勒组合,可实行DoA估计。距离-多普勒预处理基于目标与天线阵列103的距离和目标的(多普勒)来分离目标,并且因此预期每个距离-多普勒通道(bin)的目标的数目为低。FMCW信号的性质决定了雷达场景中距离和多普勒量化的精细程度。利用适当设计的雷达系统,可以合理地假设一个距离-多普勒通道的雷达数据中存在一个目标的可能性大于一个距离-多普勒通道的雷达数据中存在两个目标的可能性,并且存在2个目标的可能性大于存在3个目标的可能性,等等。在已知例子中,因此,典型的是,用于对DoA问题求解的算法以首先搜索DoA角范围内的仅一个目标开始,接着搜索两个目标的DoA角的所有组合,接着搜索三个目标的DoA角的所有组合,等等。当这些搜索中的每个搜索指示找到的候选DoA与接收到的雷达数据信号的匹配程度时,如果与接收到的信号的匹配足够接近(例如,高于阈值置信水平),则可以停止搜索更多目标。雷达系统中的噪声是不大可能发生精确匹配的原因。由于在雷达系统中估计了噪声功率,因此可以导出阈值以评估匹配。
确定性最大似然DoA估计是一种对于给定数目的目标,可以确定最可能的DoA角以及这些DoA角与接收到的雷达信号的匹配程度的技术。在一个或多个例子中,DML算法可以被配置成寻找使得与接收到的雷达数据的匹配最大化的DoA角。如果利用DML的K目标搜索基于已知噪声性质找到的匹配过差(例如,低于阈值匹配水平),则进行利用DML的(K+1)目标搜索。对(K+1)个目标的DML搜索比对K个目标的搜索更复杂。因此,在实际实施方案中,由于用以搜索更多目标的计算资源的限制,必须在特定的K之后停止。此外,系统缺陷(振幅和相位失真、噪声)也限制了可成功地估计的目标的数目。因此,在一个或多个例子中,K的实际值为1到2,或1到3,或1到4,或1到5个潜在目标。
可以对检测到足够能量的每一距离-多普勒通道实行DoA估计。在富雷达场景中,这意味着可能必须在一个系统循环内多次实行DoA估计。因此,DoA估计过程的相应复杂性较低是很重要的。
DoA估计从在天线元件处接收到的雷达信号开始,或更具体地说,从表示在天线元件107-111处接收到的所反射雷达信号的输入数据集开始。输入数据集可以用N维向量x=(x1…,xN)T共同表示,所述N维向量通常被称为快照,并且其中T代表转置,使得x是列向量。天线元件的数目是N。在系统循环期间,由设备101接收到的雷达信号可包括表示在天线元件107-111中的每个天线元件处接收到的信号的数据。在一个或多个例子中,在系统循环期间,由设备接收到的雷达信号可包括从一个或多个距离-多普勒通道提取的输入数据集或快照。在一个或多个例子中,可以仅对包括能量高于某一阈值的雷达信号的那些距离-多普勒通道实行DoA估计。因此,无论是否执行了距离-多普勒处理,都可以对输入数据集执行以下过程。
以DoA角θ1从目标接收到的信号将在天线元件107-111处产生响应。所述响应在天线元件之间具有恒定的振幅和相位关系,所述关系特定于DoA角θ1和天线元件107-111的相对位置。响应可以用以下向量表示:a1=a(θ1)。当至少两个天线元件的距离≤λ/2并且DoA角θ可介于-90度与90度之间时,任何两个单目标响应都将不同,并且因此可以明确地确定单目标响应的DoA角。对于多个目标,比如K个目标,天线响应将是K个单目标响应的线性组合,即
其中n表示加性噪声,并且sk表示目标的复振幅,并且x表示表示天线元件107-111处接收的雷达信号的输入数据集,且a k包括向量(此项技术中称为波束控制向量)且包括DoA的函数,其中
且(d1,…,dN)是天线元件或虚拟天线元件的相对位置。向量an 携载归因于来源于角θn的平面波的路径长度差的天线元件之间的相对相位特性。换句话说,波束控制向量表示具有单位振幅的单个目标或多个目标中的一个的天线元件处的预期响应,且包括到达方向角的函数。
图3示出具有天线元件301-308的示例天线阵列300,所述天线元件分隔作为操作波长的不同分数的距离d。举例来说,天线阵列300可被配置成根据MIMO方案操作,其中两个虚拟天线元件301、305的位置指示发射器的位置并分隔13λ/2,并且虚拟天线元件301、302、303、303指示天线间隔为(0,1,4,6)λ/2的接收阵列,在此特定例子中,所述接收阵列形成最小冗余阵列。所述天线元件一起形成虚拟天线阵列,其中相对元件位置(d1,…,d8)=(0,1,4,6,13,14,17,19)λ/2。因此,在一个或多个例子中,取决于天线阵列的配置,天线阵列300可包括真实和虚拟天线元件的组合。在其它例子中,天线阵列300可包括全部真实天线元件,即,其中雷达系统将使用一个发射器301天线和八个接收天线301-308的情境。因此,术语天线元件可以指代真实(现实)天线元件以及虚拟天线元件。
由设备执行的处理基于前述输入数据集。如果执行任选的距离-多普勒处理,则输入数据集可来自距离-多普勒通道。
将提供DML-DoA确定的大体描述,然后是示例实施例设备101的实施例。
因此,概括来说,输入数据集或快照用向量x表示。快照表示N个天线元件107-111处接收的所反射雷达信号的振幅和相位。如果应用距离-多普勒处理,则快照可包括从距离-多普勒通道提取的N个天线元件处接收的所反射雷达信号,如本领域的技术人员将了解。此外,我们假定,快照中存在K个目标(例如,K个目标含于一个距离-多普勒通道中),其具有相应的可能的DoA角θ1、θ2、...、θK。K个目标可用波束控制矩阵A表示,所述波束控制矩阵由K个波束控制向量(a 1,...,a K)组成。如上文所提及,波束控制向量是具有单位振幅的单个目标的预期响应,且由下式给出:
其中(d1,…,dN)是天线元件的相对位置(所述天线元件可以是真实天线元件或真实与虚拟天线元件的组合,如本领域的技术人员将了解)。
信号振幅向量s表示个别目标的复振幅。此外,我们假定,快照被天线噪声损毁,且噪声为具有方差σ2的相同且独立分布的零均值高斯。因此,x=As+n。由于高斯噪声假设,可以将快照的联合概率密度函数写为
·其中(n=x-As)
s和A的最大似然(ML)估计可通过最小化找到(数学上,可通过区分log(p(x))相对于s以及通过要求等于零来对最大化求解)
·Q=|x-As|2
为了对此等式求解,也就是说,找到相对于目标的K个最可能的DoA角及其复振幅,可遵循自举方法。
假定A为已知的,也就是说,为了提议表示为A的波束控制向量的候选集合,可以通过在最小平方的意义上使Q最小化来找到s:
·
此结果代回到Q的表达式中。因此,如本领域的技术人员将了解,在一些数学格式编排之后,得到
·Q=x H(I-ΠA)x,其中ΠA=A(AHA)-1AH
此矩阵ΠA称为到A的列空间上的投影。因为波束控制矩阵A是表示候选DoA角θ=θ1、θ2、...、θK的K个波束控制向量的函数,所以DML问题现可公式化为针对K维向量θ的搜索
·θ DML=arg min θ Q
Q的等效表示法是使用迹算子(Tr())且因此Q由下式给出
·Q=x H(I-ΠA)x=Tr((I-ΠA)x H x)
此格式实现使用多个快照估计DoA角的一般化。
通过使用样本协方差矩阵得到
代替于使Q最小化,DML准则还可公式化为最大化准则:
·单快照:θ DML=arg max θ x HΠA x=arg max θ Tr(ΠA x H x)
·多快照:
在这些表达式中,DML目标函数等于:
f(ΠA,x)=x HΠA x=Tr(ΠA x H x)
或在多个快照的情况下:
使用矩阵ΠA产生针对DML准则的紧凑型表示法。
作为DML算法的准备,可以限定例如1维搜索空间开始(但所述原理可扩展到2维搜索空间),所述1维搜索空间的粒度(即,搜索空间中的点)反映分辨率和/或想要的准确性。
可选择范围[-π/2,π/2]内的Nθ个离散点。将理解,如果所要视场较小,则可相应地选择例如具有窄角范围上的较少离散点的较小的搜索空间。因此,搜索空间中的每一点例如借助于函数对应于到达方向角。
利用此搜索空间或点的网格及针对K个可能的目标的搜索,搜索空间具有大小例如,在搜索K=2个目标及网格大小Nθ=256的情况下,待探究的离散点的数目等于NK=1/2Nθ(Nθ-1)~215=32k。
我们现提供DML算法的粗略轮廓。
粗略DML算法轮廓
·针对n=1:NK,
-选择A=(a 1,…,a K),即,候选到达方向角的集合
-计算ΠA=A(AHA)-1AH(投影算子信号空间)
-评估DML目标函数f(ΠA,x)(或)
·结束
在此针对-环路中,线路选择、计算和评估可视为“内环路”,其针对每一目标执行。应注意,在此针对-环路中,为了清晰起见未示出使其成为K维搜索的针对K个目标的搜索。即,其示出为1维环路,但在更一般情况中,存在K个嵌套环路。每一环路表示K维搜索空间的一个维度。
随着算法的进行,到达方向角的不同组合输入到波束控制向量且评估目标函数。因此,因为选择如由波束控制矩阵表示的波束控制向量的每一候选集合,必须跟踪DML目标函数的最大值(或最小值,这取决于目标函数如何公式化)。因此,每一指数n与候选波束控制向量的集合唯一地相关联,且因此还具有可能的目标中的每一个的K个候选DoA角的集合。对于其DML目标函数为最大(或高于阈值)的指数n决定K个目标的DoA的最大似然估计值。同样,取决于目标函数如何公式化,对于其DML目标函数为最小(或低于阈值)的指数n可决定K个目标的DoA的最大似然估计值。
如本领域的技术人员将了解,目标函数的评估可涉及执行与波束控制向量的相关,如将在下文更详细地描述。一般来说,对于非均匀线性阵列,可使用大小Nθ的补零FFT实行与网格上的所有波束控制向量的相关。
图4示出投影在均匀网格上的相同天线元件(包括虚拟天线元件),其中天线元件间隔为λ/2。此投影示出如何可将表示从(虚拟)天线元件提取的雷达信号的数据插入在将使用例如FFT等傅里叶变换处理分析的值的向量中。图4还示出具有长度Nθ的零值插入的输入数据集的生成,其中Nθ表示搜索空间的离散点的数目。因此,零值插入的输入数据集是从指示在天线元件301-308处接收到的所反射雷达信号的输入数据集导出,并包括所述添加的零值条目。当具有非均匀线性天线元件阵列时,可能需要零值插入,即虚拟天线元件位于作为λ/2的倍数的位置处,但不是在λ/2的每个倍数处都存在虚拟天线,如图4所示。在图4的例子中,我们具有处于位置{0,1,4,6,13,14,17,19}xλ/2处的天线元件。因此,不存在存在于位置{2,3,5,7,8,9,10,11,12,15,16,18}xλ/2处的天线元件。在这些位置处插入零值条目。
在一个或多个例子中,可以通过在输入数据集中在指示雷达信号的数据之后的位置处添加零值条目来执行零值插入以将输入数据集填充到预定数目的条目。因此,可以执行填充,因为希望在Nθ个到达方向角下评估目标函数。使用FFT执行相关,可以通过在位置{20,21,…,Nθ-1}xλ/2处使用零值条目扩展输入数据集(例如,向量)x来有效地实现此目的。
FFT可用于获得形成目标函数的评估的部分的相关。其优点是,当测试DoA角的非均匀网格时,存在约θ=0的DoA的较稠密网格和约θ=±π/2的DoA的不太稠密的网格。在图4中,示出2x4 MRAMIMO阵列(最小冗余阵列多入多出技术)的快照必须如何提供到FFT。2x4MRA MIMO雷达阵列产生具有8个元件的非均匀虚拟阵列。如上文所提及,此虚拟阵列具有相对位置(d1,…,d8)=(0,1,4,6,13,14,17,19)λ/2处的虚拟元件。FFT还可用于通过在最后天线元件之后附上零来增加搜索网格的密度。FFT长度的典型选择为Nθ=256,使得FFT的输出表示快照与Nθ=256个波束控制向量的相关。
现将描述由设备100执行的过程的实施例。
回顾DML目标函数等于:
f(∏A,x)=x H∏A x,其中ΠA=A(AHA)-1AH
因此,还可将DML目标函数写为:
f(ΠA,x)=x HA(AHA)-1AH x=y H(AHA)-1 y,
其中y=AH x。
y=AH x的解释为y是快照与K个波束控制向量的相关。利用此解释,可限定以下步骤以降低内环(即,上文叙述的选择、计算、评估步骤)的复杂性:
·步骤1:可计算快照与内环外部的网格上的所有波束控制向量的相关,且应要求在内环中选择K个相关值来构建y。利用此方法,一旦在环路外部,就完成快照与波束控制向量的相关。
·步骤2:通过选择适当的1D搜索网格(或更多维搜索网格),可利用大小Nθ的补零FFT实行与网格上的所有波束控制向量的相关。借助于FFT执行相关的选择的优点是,自动测试DoA角的非均匀网格,存在约θ=0的DoA角的较稠密网格和约θ=±π/2的DoA角的不太稠密的网格。图4中,示出2x4 MRA MIMO阵列的快照必须如何插入在FFT的输入中。2x4 MRAMIMO雷达阵列产生具有8个元件的非均匀虚拟阵列。如上文所提及,此虚拟阵列具有相对位置(d1,…,d8)=(0,1,4,6,13,14,17,19)λ/2处的虚拟元件。FFT还可用于通过在最后天线元件之后附上零来增加搜索网格的密度。FFT长度的典型选择为Nθ=256,使得FFT的输出表示快照与Nθ=256个波束控制向量的相关。
·步骤3:对于小K(例如,K=2或3),可容易地以符号方式预先计算(AHA)-1。其为大小KxK的矩阵。因此,不在DML算法的内环中实行KxK矩阵的逆转,且逆转被在以符号方式预先计算的矩阵中替换适当值代替。对于大K,以符号方式预先计算矩阵及替换相应信息变为不切实际的。
作为一例子,我们希望通过关注双目标情况来说明所呈现的构想。
波束控制矩阵A现由2个波束控制向量A=(a k a n)组成。在DML算法的核心中,必须计算矩阵AHA的逆。如上在步骤3中提出,可以符号方式确定此逆,且我们将此矩阵称为B。
·
其中值αk,n为2个波束控制向量之间的内积,且可针对特定阵列计算一次并存储在查找表(LUT)中。一般来说,此LUT将具有大小Nθ 2,但如果使用FFT执行相关步骤,则αk,n为(k-n)的函数,且因此LUT的大小随Nθ为线性的。表的大小具有总长度2Nθ,且通过利用对称性,可以将其大小减小到Nθ/2。
示例图5示出搜索树500,其中节点表示利用DoA角的不同组合的目标函数的可能的评估。第一层501示出当提出存在一个目标且因此K=1时的候选DoA角。节点的第二层502示出当提出存在包括第一和第二目标的两个目标时DoA角的不同的可能的组合。节点的第三层503表示三个目标(K=3)的DoA角的不同的可能的组合,且因此示出第一、第二和第三目标的可能的DoA角的所有组合。
我们现将描述可由设备101执行的递归过程。
层501中的K=1分支表示波束成形谱的计算,即,针对大小Nθ的点的搜索网格上的单个目标的DML搜索。Nθ节点表示波束成形谱的Nθ值,其可用于在一个目标存在于表示所反射雷达信号的振幅和相位的输入数据集中的情况下找到最可能的目标。下一层502(K=2)由节点组成且因此表示在两个可能的DoA角的所有可能的组合上评估的DML目标函数。在现有技术DML搜索中,循序地实行针对K=1、K=2、K=3的搜索,仅再使用如针对K=2确定的波束成形结果。因此,第二层502(K=2)与第三层503(K=3)之间的线路并不是当前技术水平的DML解决方案中存在的事物。
由设备101执行的所提议的算法是基于DML目标函数的递归公式。应了解,可取决于所使用的代数公式,以许多不同方式表示目标函数。因此,我们在下文提供可以递归方式处理的示例公式,但其它公式是可能的。
假定针对DoA角集合[θ1,θ2,…,θK](K个目标)计算DML目标函数,且现在想要计算额外目标θK+1的DML目标函数。K个目标可与K个波束控制向量A=[a 1…a K]相关联,且DML目标函数可利用f(ΠA,x)=x HA(AHA)-1AH x=y H(AHA)-1 y=y HBy计算,其中y=AH x且B=(AHA)-1。
因此,目标函数f(ΠA,x)包括两个子函数y=AH x和B=(AHA)-1的函数。
假定已经确定B且想要计算与波束控制向量a K+1相关联的额外目标θK+1的DML目标函数。波束控制向量的集合可利用矩阵表示且现在我们必须计算可示出:
其中c=BAH a K+1,且DML目标函数现可利用计算,其中/>且/>此为所接收快照x与第(K+1)波束控制向量a K+1的相关)。
通过替换前面的结果,我们得到
其中z=y H c。
在一个或多个例子中,y HBy可被称为路径度量。在一个或多个例子中,d(|z|2-2Re{z yK+1}+|yK+1|2)可被称为分支度量函数。在一个或多个例子中,可被视为经扩展路径的路径度量。
因此,分支度量函数被公式化使得(其包括子函数y(及yK+1))与额外目标波束控制向量a K+1组合的函数。额外目标波束控制向量表示所提议的额外目标第一候选到达方向角下额外目标的所述多个天线元件处的预期响应。所提议的额外目标第一候选到达方向角可通过特定搜索策略确定或可为预定角度。
应了解,此不是适于递归方式的评估的目标函数的仅有公式。然而,在一个或多个例子中,此公式或类似于其的公式可实现以递归方式有效地计算目标函数。
我们已经在上文示出如何获得计算DML目标函数的递归方式。利用此方法,可以在执行由树500的节点表示的目标函数的评估时跟踪DoA角的最可能的集合。在一个或多个例子中,我们提供一种用于遍历树以及确定何时完成算法的策略。应记住,我们并不凭经验知晓待搜索的树的深度,即,我们不知晓快照中存在多少目标。因此,在一个或多个例子中,我们提供一种方法来:
·确定路径扩展是否很可能有效且值得探索(例如从一个层502移动到另一层503);也就是说,确定是否应基于候选到达方向角的相同集合但在考虑额外目标的情况下评估目标函数;以及
·比较搜索树500的不同深度处的DML目标函数结果。
在一个或多个例子中,已发现,可使用循序解码。循序解码是用于具有大状态空间的代码的近似解码技术。在一个或多个例子中,当DML搜索使用循序解码算法时,性能与复杂性之间存在良好折衷。然而,代替于最大似然搜索,其变为估计值。
在一个或多个例子中,上文提及的分支度量函数d(|z|2-2Re{z yK+1}+|yK+1|2)与预定阈值λ进行比较,其可被称为路径扩展损失。在一些例子中,这可能是有利的,因为DoA角估计问题不具有唯一解决方案,且出于这个原因,相对于具有许多目标的解决方案,我们亲睐具有很少目标的解决方案。
DoA角估计问题可转化为K目标的搜索,其使下式最小化:
此优化准则由2个部分组成:第一部分为均方误差(‖x-As‖2)且第二部分(λ‖s‖0)可视为稀疏性提升损失。在凸优化中,通常使用l1-或l2-范数来相对于许多目标亲睐很少目标。l0-范数由于其非凸特性而较难跟踪,但对于我们的DoA搜索算法,其可充当路径损失。λ的值应为正,以便惩罚非稀疏解。λ的准确值是性能与计算复杂性之间的折衷。
(3)中公式化的目标函数是优值(FOM)数,即越高越好。然而,在其它实施方案中,目标函数可公式化,使得FOM越低越好。尽管如此,在当前例子中,在针对高FOM的搜索中,应减去路径损失λ。由于‖s‖0是s中的非零条目的数目且因此等于假设的目标数目,所以我们发现,对于每个路径扩展,应从总度量减去路径损失值λ。
因此,在一个或多个例子中,我们将分支度量(其包括分支度量函数)限定为:
d(|z|2-2Re{z yK+1}+|yK+1|2)-λ (4)
回顾z=y H c及c=BAH a K+1,及
其结果是,在一个或多个例子中,如果
d(|z|2-2Re{z yK+1}+|yK+1|2)<λ
在确定经扩展路径的路径度量时FOM不存在增加,且因此扩展路径无益且不应实行。
在节点处修剪搜索树,且应针对一个或多个不同的DoA角继续路径搜索。在某一时刻处,探索所有路径扩展,且算法以传回可与具有最高FOM的节点相关联的DoA角的集合而完成。
因此,概括来说,包括可与任何所需存储器相关联的处理器102的设备101被配置成:
接收指示多个天线元件处接收的雷达信号的振幅和相位的输入数据集x,其中所述雷达信号已经从未知数目的目标反射;以及
基于输入数据集确定目标函数Qopt,用于搜索空间的多个点上的评估,搜索空间的点表示来自所述多个目标的所述雷达信号的可能的到达方向角,且其中目标函数的评估指示所述多个目标的可能的到达方向角与输入数据集之间的对应关系。换句话说,目标函数的评估的输出可以是指示所提议的到达方向角是原本会致使接收输入数据集的到达方向角的程度的优值。
针对候选数目的目标中的每一个的搜索空间的可能的DoA角上的搜索现由处理器执行,所述处理器被配置成:
针对第一候选数目的目标K,例如至少K=2个目标,评估目标函数Qopt,其中第一候选数目的目标的每一目标具有各自对应于搜索空间中的点的相应的第一候选到达方向角。
接着基于相比于第一候选数目的目标包括多一个目标的第二候选数目的目标(K+1)评估分支度量函数。分支度量函数可包括第一候选数目的目标的相应的第一候选到达方向角及额外目标第一候选到达方向角下的额外目标的函数。分支度量函数可视为额外目标到第一候选数目的目标的添加将产生较大优值的预测。具体来说,分支度量函数可表示由额外目标的添加所导致的对目标函数的评估的改变。
如果分支度量函数大于预定阈值λ,则处理器被配置成移动到树中的更深层,即考虑多一个目标的层。处理器102接着评估第二候选数目的目标(即,K+1个目标)的目标函数。所述评估是基于原始K个目标维持其相应的第一候选到达方向角,以及具有额外目标第一候选到达方向角的另外的第K+1目标的添加。
然而,如果分支度量函数小于预定阈值λ,则处理器被配置成评估第一候选数目的目标K的目标函数,即,不进行到树500的更深层。实际上,所述评估是基于第一候选数目的目标K中的至少一个被给予不同的第二候选到达方向角。在其它例子中,评估K个目标中的一个以上的目标函数,或所有K个目标具有不同的第二候选到达方向角。在此例子中,搜索进行到同一层(例如,树500中的层502)中的不同节点。
可以设想,预定阈值或“路径损失”越大,则搜索树500中将被访问的节点越少。这已经在每快照的目标的数目为四个且搜索树也限于四个目标的深度的情况下测试。将预定阈值设定为零,λ=0,实现树中每个节点的全量搜索。对于大小256的点的离散搜索网格,必须分析1.8x108节点以找到四个DoA角的最可能的集合。通过例如将路径损失增加到λ=3,受访节点(进行10000次实验)的平均数减小到1.4x107。在另一示例测试情境中,每快照的目标的数目为三个,且搜索树限于三个的深度。全量搜索需要访问2.8x106节点,而在λ=3的情况下,受访节点的平均数减小到3.1x105。应了解,预定阈值的设定表示折衷。因此,增加预定阈值将降低计算复杂性,但所估计DoA角相对于真实DoA角的准确性可能降低,且未检测目标的概率(错过检测概率)可能增加。
在一个或多个其它例子中,代替于上文阐释的FOM度量例子,还可以利用基于等式(3)的度量实行DoA搜索。
在一个或多个例子中,树一的根部以度量M0=‖x‖2开始且随着目标的候选数目的每一次增加(或“路径扩展”)而增加分支度量λ-d(|z|2-2Re{z yK+1}+|yK+1|2)。利用此方法,度量应随每个路径扩展减小。
对于B的递归计算,在层501处以B=1/N开始(N为天线的数目),其中K=1。此可用于针对K=2、3、...等目标计算B。
在一个或多个例子中,在目标的候选数目增加时遵循的过程(所谓的“路径扩展部分”)可概述如下:
·假定我们处于树500中的某一节点(其中,节点表示特定候选数目的目标处的候选到达方向角的集合),且具有
ο路径变量A(表示节点处假设的候选DoA角的K个候选波束控制向量),
ο路径变量(或子函数)B
ο路径变量y(输入数据集或快照与K个波束控制向量相关,在上文被称为子函数)
ο表示在节点中终止的路径的FOM或度量的路径度量
·路径经提议以利用波束控制向量表示的DoA角(额外目标第一候选到达方向角)扩展a K+1
·进行以下计算-
οc=BAH a K+1。注意AH a K+1可从查找表(LUT)读取,其是如之前限定的相应αk,n值:
ο部分BAH a K+1可自先前计算获得,/>也可从LUT读取,且/>等于N。
οz=y H c
ο总分支度量d(|z|2-2Re{z yK+1}+|yK+1|2)-λ
·如果总分支度量小于0,则探索的路径扩展没有前景且应终止。候选DoA角中的一个或多个应改变,且应进行目标函数的再评估。
·如果总分支度量大于0,则路径扩展是有前景的,且路径变量和路径度量可更新
ο
ο
ο
ο路径度量(新节点)=路径度量(旧节点)+d(|z|2-2Re{z yK+1}+|yK+1|2)-λ
图6示出示出一种实施递归搜索的示例方式的示例流程图。
步骤601包括算法的开始。树中的深度在1处开始,即存在一个目标的提议。可执行目标函数的评估,或相关,以确定产生输入数据集的一个目标的可能性。
步骤602包括处理器被配置成接下来考虑深度的扩展。即,到K=2。如先前所提到,这可通过确定分支度量来评估。
步骤603表示分支度量与预定阈值的比较。
步骤604示出分支度量大于阈值,其是在额外目标的情况下进行目标函数的进一步评估的算法中的决定因素。步骤604还示出路径变量的重新计算。
框605中更详细地示出步骤602、603和604。因此,步骤603包括更详细的步骤606和607。步骤606包括计算A、B和y及路径度量。
步骤607示出计算c、d、z和分支度量。
步骤608示出针对候选数目的目标的较大数目计算和y。
步骤609包括步骤608之后的步骤,且表示树中的深度增加了一,即考虑额外目标。
从步骤609或步骤603到达步骤610(如果分支度量小于阈值)。步骤610包括处理器102确定是否存在候选角的任何其它组合以在当前深度处评估。如果是,则对它们进行评估,且方法进行到步骤602。如果否,则方法进行到步骤611,其中方法提出仅存在较少目标,即,使树中的当前深度减小一个目标。
现可执行不同候选角下目标函数的评估。
步骤612示出确定树的搜索是否已完成,即到达深度=0。如果否,则方法进行到步骤610。如果是,则方法进行到步骤613,其中输出产生目标函数的最大(或最小,如果此评估公式化)评估的候选DoA角(和候选数目的目标)。
因此,概括来说,在图6中,示出利用循序搜索和递归DML的DoA估计。这仅仅是一种使用DML目标函数的所提议递归计算的方式。利用此方法,一次探索单个路径。在搜索期间,将跟踪到目前为止最佳的路径,且一旦没有路径扩展可用于进一步探索,算法就将终止并输出关联到最佳路径的DoA角的集合。
为了限制计算的数目,具有包括值的可用的查找表(LUT)是便利的。这些值取决于所使用的天线阵列和所挑选的搜索网格。当要搜索的DoA角θ在sin(θ)中均匀的网格上挑选时,此LUT可以是1维表。此外,所接收快照x与所有可能的波束控制向量的相关可在搜索之前实行以免在搜索期间多次重新计算这些值,即,每一可能的波束控制向量a k(且因此DoA角)的值/>可在搜索开始之前计算(例如,利用FFT)并存储在LUT中,使得它们可在必须处理路径扩展时检索。
应了解,一个或多个替代实施例是可能的。举例来说,分支度量和预定阈值可被配置成执行全量树搜索直至特定深度(即,目标的预定最大数目=Kmax)。
设备可被配置成针对树500中的不同深度跟踪最佳路径,不仅仅是最佳总体路径。因此,可确定针对各个深度的目标函数的最佳评估。
具有最大深度的循序搜索。由于天线缺陷的缘故,可靠地估计超出某一目标数目(例如,K=3或4)的DoA角变得困难。
预定阈值λ原则上是取决于信噪比的值,且是固定的。在其它例子中,预定阈值λ可基于所考虑的目标的候选数目,或换句话说,树500中的当前深度。在增加的深度处,区分正确的路径扩展与假路径扩展变得更困难。因此,在树的不同深度处应用不同的路径损失值可能是有利的。
连同路径变量一起,可以计算每一节点的伪谱。这也可以递归方式进行。伪谱是可与节点中假设的DoA角相关联的复振幅的集合,即,连同所估计的DoA角一起,其提供目标的复振幅的估计值。伪谱由s=By给出。因此,成功路径扩展之后的伪谱更新为其在替换后给出/>
其中s=d(y-z*)。 (5)
计算复杂性
如本公开中提议的DML的递归公式的计算复杂性如下。首先,我们进行从K目标节点到K+1目标节点的非条件性路径扩展探索,即分支度量计算。此涉及4个步骤
·c=BAH a K+1的计算。注意AH a K+1可从查找表(LUT)读取,其是如之前限定的相应αk,n值:且一起形成K维向量。此向量与KxK矩阵B相乘。复杂性是K2复乘和K(K-1)复加。
·的计算。注意/>还可从阿尔法LUT读取。因此,计算涉及2K维向量的内积和一个减法。所涉及的复杂性为K复乘和K复加(应注意,d为实值)。
·z=y H c的计算。这也是内积:K复乘和K-1复加。
·总分支度量的计算:d(|z|2-2Re{z yK+1}+|yK+1|2)-λ。成本为(小于)3个复乘3个(实)加和一个除法(除以1/d)。
在当前算法中,当分支度量>0时进一步探索路径扩展。因此,存在非条件性计算(分支度量)和条件性计算。如果分支度量>0,则实行以下计算
·此并非真正的计算,而是簿记动作。
·使用/>为厄尔米特的性质,总复杂性为K(K-1)/2乘法、(K-1)(K+2)/2缩放和K(K-1)/2复加
·此并非真正的计算,而是适当的簿记动作。
·路径度量(新节点)=路径度量(旧节点)+d(|z|2-2Re{z yK+1}+|yK+1|2)-λ。成本为一个(实)加法。
概述我们每(K+1)目标节点具有:
·2K2+2K+2复乘
·(3K2-K+6)/2复加
这是最坏情况计算,假定实行条件性和非条件性计算两者,且将实乘和实加计数为复杂运算。可以通过替换表达式中的K-1,将计算转化为K目标节点
·2K2-2K+2复乘
·(3K2-7K+10)/2复加
直接方法的复杂性由2个部分组成
·的计算。此为KxK复矩阵的逆转。使用高斯消除,复杂性涉及(2K3+3K2-5K)/6复乘、(2K3+3K2-5K)/6复加和K(K+1)/2复除。复除可写成复乘和缩放。因此,我们也将其计数为复乘。总复杂性因此为(K3+3K2-K)/3复乘和(2K3+3K2-5K)/6复加。
·在计算之后,必须将所得矩阵与/>预乘且与/>后乘。这是K维向量与KxK矩阵的乘法,继之以2K维向量的内积。所涉及的复杂性为K2+K复乘和K2 -1复加。
概述我们每K目标节点评估具有:
·(K3+6K2+2K)/3复乘
·(2K3+9K2-11K)/6复加
本文中所描述的方法和处理器可通过以相同方式但在2维中导出波束成形谱而针对2D天线阵列容易地扩展。
图7示出包括计算机程序代码的例如非暂时性计算机程序产品等示例计算机程序产品,所述计算机程序代码在由设备101的处理器102执行时致使设备101执行本文中所描述并且还在图6例示的方法。所述计算机程序产品可包括本公开的一方面。
除非明确陈述特定次序,否则可以任何次序执行以上图式中的指令和/或流程图步骤。并且,本领域的技术人员将认识到,虽然已经论述一个示例指令集/方法,但是在本说明书中的材料可以多种方式组合从而还产生其它例子,并且应在此详细描述提供的上下文内来进行理解。
在一些示例实施例中,上文描述的指令集/方法步骤实施为体现为可执行指令集的功能和软件指令,所述可执行指令集在计算机或以所述可执行指令编程和控制的机器上实现。此类指令经过加载以在处理器(例如,一个或多个CPU)上执行。术语处理器包括微处理器、微控制器、处理器模块或子系统(包括一个或多个微处理器或微控制器),或其它控制或计算装置。处理器可指代单个组件或多个组件。
在其它例子中,本文示出的指令集/方法以及与其相关联的数据和指令存储于相应存储装置中,所述存储装置被实施为一个或多个非暂时性机器或计算机可读或计算机可用存储介质。此类计算机可读或计算机可用存储介质被视为物品(或制品)的部分。物品或制品可以指代任何所制造的单个组件或多个组件。如本文所定义的非暂时性机器或计算机可用介质不包括信号,但此类介质可能够接收并处理来自信号和/或其它瞬时介质的信息。
本说明书中论述的材料的示例实施例可整体或部分地经由网络、计算机或基于数据的装置和/或服务实施。这些可以包括云、因特网、内联网、移动装置、台式计算机、处理器、查找表、微控制器、消费者设备、基础架构,或其它致能装置和服务。如本文和权利要求书中可使用,提供以下非排他性定义。
在一个例子中,使本文论述的一个或多个指令或步骤自动化。术语自动化或自动(和其类似变型)意指使用计算机和/或机械/电气装置控制设备、系统和/或过程的操作,而不需要人类干预、观测、努力和/或决策。
应了解,据称将耦合的任何组件可直接或间接地耦合或连接。在间接耦合的情况下,可在据称将耦合的两个组件之间安置额外的组件。
在本说明书中,已经依据选定的细节集合而呈现示例实施例。然而,本领域的一般技术人员将理解,可以实践包括这些细节的不同选定集合的许多其它示例实施例。希望所附权利要求书涵盖所有可能的示例实施例。
Claims (10)
1.一种设备,其特征在于,包括被配置成进行以下操作的处理器:
接收指示多个天线元件处接收的雷达信号的振幅和相位的输入数据集,其中所述雷达信号已经从未知数目的目标反射;
基于所述输入数据集确定用于搜索空间的多个点上的评估的目标函数,所述搜索空间的所述点表示来自所述多个目标的所述雷达信号的可能的到达方向角,且其中所述目标函数的评估指示所述多个目标的所述可能的到达方向角与所述输入数据集之间的对应关系;
针对第一候选数目的目标K评估所述目标函数,其中所述第一候选数目的目标中的每一目标具有各自对应于所述搜索空间中的点的相应的第一候选到达方向角;
基于相比于所述第一候选数目的目标包括多一个目标的第二候选数目的目标K+1执行分支度量函数的第一评估,其中所述分支度量函数指示基于具有所述第一候选到达方向角的所述第一候选数目的目标的所述目标函数的评估与基于所述第二候选数目的目标的所述目标函数的评估之间的所述目标函数的改变,且包括所述第一候选数目的目标的所述相应的第一候选到达方向角的函数;以及
如果所述分支度量函数大于预定阈值λ,则所述处理器被配置成:
针对所述第二候选数目的目标K+1评估所述目标函数,其中所述评估是基于所述第二候选数目的目标K+1中的具有所述相应的第一候选到达方向角的所述第一候选数目的目标K以及所述第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有额外目标第一候选到达方向角的额外目标;
如果所述分支度量函数小于所述预定阈值λ,则所述处理器被配置成:
针对所述第一候选数目的目标K评估所述目标函数,其中所述评估是基于所述第一候选数目的目标K中的具有不同的第二候选到达方向角的至少一个目标。
2.根据权利要求1所述的设备,其特征在于,所述目标函数被公式化使得所述第一候选数目的目标K的所述目标函数的所述评估包括两个或两个以上子函数的函数,并且
其中所述分支度量函数包括所述两个或两个以上子函数和额外目标波束控制向量中的至少一个的函数,所述额外目标波束控制向量表示所述额外目标第一候选到达方向角下所述额外目标的所述多个天线元件处的预期响应。
3.根据在前的任一项权利要求所述的设备,其特征在于,所述处理器被配置成,在所述分支度量函数小于所述预定阈值λ的情况下,不针对所述第二候选数目的目标K+1评估所述目标函数,其中所述评估是基于所述第二候选数目的目标K+1中的具有所述相应的第一候选到达方向角的所述第一候选数目的目标K以及所述第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有所述额外目标第一候选到达方向角和所述搜索空间中的任何其它到达方向角的所述额外目标。
4.根据在前的任一项权利要求所述的设备,其特征在于,当所述分支度量函数小于所述预定阈值λ且所述处理器已经针对所述第一候选数目的目标K评估所述目标函数时,其中所述评估是基于所述第一候选数目的目标K中的具有不同的第二候选到达方向角的至少一个目标;
所述处理器被配置成:
基于相比于所述第一候选数目的目标包括多一个目标的所述第二候选数目的目标K+1再评估所述分支度量函数,其中所述分支度量函数是包括改变为所述不同的第二候选到达方向角的目标和保持为所述第一候选到达方向角的目标的已评估目标函数的所述目标的所述候选到达方向角的函数。
5.根据在前的任一项权利要求所述的设备,其特征在于,所述处理器被配置成,作为针对所述第一候选数目的目标K的所述目标函数的所述评估和所述分支度量函数的所述第一评估的一部分:
确定波束控制向量的波束控制矩阵A,其中每一波束控制向量表示所述第一候选数目的目标K中的一个相应目标,且其中每一波束控制向量包括一函数,所述函数表示来自在所述第一候选到达方向角中的一个相应到达方向角下从所述目标中的一个相应目标反射的单位振幅的雷达信号的在所述多个天线元件处的所述预期响应;
确定子函数B,其中B=(AHA)-1
确定子函数y,其中y=AH x且x表示所述输入数据集,且其中y表示所述输入数据集与所述波束控制矩阵的所述波束控制向量的相关;
将具有所述额外目标第一候选到达方向角的所述额外目标限定为波束控制向量,a K+1;
计算c,其中c=BAH a K+1;
计算d,其中
计算z,其中z=y H c;
且其中所述分支度量函数包括d(|z|2-2Re{z yK+1}+|yK+1|2)且与所述预定阈值进行比较。
6.根据权利要求5所述的设备,其特征在于,所述处理器另外被配置成,在所述分支度量函数大于所述预定阈值λ的情况下:
计算其包括所述第二候选数目的目标的所述波束控制矩阵且用于在所述分支度量函数的后续计算中使用;
计算其用于在所述分支度量函数的后续计算中使用;以及
计算其用于在所述分支度量函数的后续计算中使用。
7.一种用于评估目标函数的方法,所述方法由处理器执行,其特征在于,包括:
接收指示多个天线元件处接收的雷达信号的振幅和相位的输入数据集,其中所述雷达信号已经从未知数目的目标反射;
基于所述输入数据集确定用于搜索空间的多个点上的评估的目标函数,所述搜索空间的所述点表示来自所述多个目标的所述雷达信号的可能的到达方向角,且其中所述目标函数的评估指示所述多个目标的所述可能的到达方向角与所述输入数据集之间的对应关系;
针对第一候选数目的目标K评估所述目标函数,其中所述第一候选数目的目标中的每一目标具有各自对应于所述搜索空间中的点的相应的第一候选到达方向角;
基于相比于所述第一候选数目的目标包括多一个目标的第二候选数目的目标K+1执行分支度量函数的第一评估,其中所述分支度量函数指示基于具有所述第一候选到达方向角的所述第一候选数目的目标的所述目标函数的评估与基于所述第二候选数目的目标的所述目标函数的评估之间的所述目标函数的改变,且包括所述第一候选数目的目标的所述相应的第一候选到达方向角的函数;以及
如果所述分支度量函数大于预定阈值λ,则:
针对所述第二候选数目的目标K+1评估所述目标函数,其中所述评估是基于所述第二候选数目的目标K+1中的具有所述相应的第一候选到达方向角的所述第一候选数目的目标K以及所述第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有额外目标第一候选到达方向角的额外目标;
如果所述分支度量函数小于所述预定阈值λ,则:
针对所述第一候选数目的目标K评估所述目标函数,其中所述评估是基于所述第一候选数目的目标K中的具有不同的第二候选到达方向角的至少一个目标。
8.根据权利要求7所述的方法,其特征在于,所述目标函数被公式化使得所述第一候选数目的目标K的所述目标函数的所述评估包括两个或两个以上子函数的函数,并且
其中所述分支度量函数包括所述两个或两个以上子函数和额外目标波束控制向量中的至少一个的函数,所述额外目标波束控制向量表示所述额外目标第一候选到达方向角下所述额外目标的所述多个天线元件处的预期响应。
9.根据权利要求7或权利要求8所述的方法,其特征在于,在所述分支度量函数小于所述预定阈值λ的情况下,不针对所述第二候选数目的目标K+1评估所述目标函数,其中所述评估是基于所述第二候选数目的目标K+1中的具有所述相应的第一候选到达方向角的所述第一候选数目的目标K以及所述第二候选数目的目标K+1中的剩余目标,所述剩余目标包括具有所述额外目标第一候选到达方向角和所述搜索空间中的任何其它到达方向角的所述额外目标。
10.一种非暂时性计算机可读介质,其特征在于,包括被配置成执行根据权利要求7所述的方法的计算机程序代码。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP22198193.9A EP4345493A1 (en) | 2022-09-27 | 2022-09-27 | Method and apparatus for determination of direction of arrival angle |
EP22198193.9 | 2022-09-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117783998A true CN117783998A (zh) | 2024-03-29 |
Family
ID=83506704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311252193.5A Pending CN117783998A (zh) | 2022-09-27 | 2023-09-26 | 用于确定到达方向角的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240118404A1 (zh) |
EP (1) | EP4345493A1 (zh) |
CN (1) | CN117783998A (zh) |
-
2022
- 2022-09-27 EP EP22198193.9A patent/EP4345493A1/en active Pending
-
2023
- 2023-09-19 US US18/469,949 patent/US20240118404A1/en active Pending
- 2023-09-26 CN CN202311252193.5A patent/CN117783998A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240118404A1 (en) | 2024-04-11 |
EP4345493A1 (en) | 2024-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109375154B (zh) | 一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法 | |
CN101487888B (zh) | 一种空间谱谱峰搜索方法 | |
CN109597020A (zh) | 一种使用互质线阵进行低复杂度角度估计的方法 | |
JP2012103132A (ja) | レーダ装置 | |
CN112881972B (zh) | 一种阵列模型误差下基于神经网络的波达方向估计方法 | |
CN106501765B (zh) | 一种基于平方和与半定规划的最大似然波达方向估计方法 | |
Theis et al. | An algorithm for estimating the optimal regularization parameter by the L-curve | |
CN109471063B (zh) | 基于延迟快拍的均匀线列阵高分辨波达方向估计方法 | |
CN111983552A (zh) | 一种基于差分共阵的嵌套阵列快速doa估计方法与装置 | |
Chen et al. | Iterative subspace alternating projection method for GNSS multipath DOA estimation | |
CN113064147A (zh) | 一种低信噪比下新型匹配场被动定位方法 | |
Chintagunta et al. | DOD and DOA estimation using the spatial smoothing in MIMO radar with the EmV sensors | |
Molaei et al. | Efficient clustering of non-coherent and coherent components regardless of sources’ powers for 2D DOA estimation | |
CN116155326B (zh) | 超大规模mimo混合场信道下的去伪峰信道估计方法 | |
CN117783998A (zh) | 用于确定到达方向角的方法和设备 | |
EP4249944A1 (en) | Direction of arrival (doa) estimation using circular convolutional network | |
CN111896929A (zh) | 非均匀mimo雷达的dod/doa估计算法 | |
KR102005099B1 (ko) | W대역 밀리미터파 공대지레이더에서 단일 채널 신호의 표적 식별률이 반영된 이중편파 채널 신호를 이용하는 표적 식별 장치 및 그 방법 | |
Ahmad et al. | Direction‐of‐arrival estimation via coarray‐domain RELAX algorithm with source number estimation | |
US20240111012A1 (en) | Method and apparatus for determination of direction of arrival angle | |
CN114679356B (zh) | 一种不依赖于似然函数的信道全维参数提取方法、装置及存储介质 | |
CN113093111B (zh) | 基于压缩感知和遗传算法的均匀圆阵解调二维相干信号方法及系统 | |
US20240142617A1 (en) | Method and apparatus for determination of direction of arrival angle | |
US20230152435A1 (en) | Method and apparatus for determination of direction of arrival angle | |
Pinto et al. | Multi-step knowledge-aided iterative Conjugate Gradient for direction finding |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |