CN117938603A - 一种利用感知信号进行感知处理的方法和装置及设备 - Google Patents
一种利用感知信号进行感知处理的方法和装置及设备 Download PDFInfo
- Publication number
- CN117938603A CN117938603A CN202211291287.9A CN202211291287A CN117938603A CN 117938603 A CN117938603 A CN 117938603A CN 202211291287 A CN202211291287 A CN 202211291287A CN 117938603 A CN117938603 A CN 117938603A
- Authority
- CN
- China
- Prior art keywords
- frequency
- information
- distance information
- signal sequence
- speed information
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 47
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 138
- 230000008447 perception Effects 0.000 claims abstract description 15
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims description 67
- 238000004590 computer program Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 9
- 230000001133 acceleration Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 14
- 239000000523 sample Substances 0.000 description 11
- 238000003860 storage Methods 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000007476 Maximum Likelihood Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000003874 inverse correlation nuclear magnetic resonance spectroscopy Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种利用感知信号进行感知处理的方法和装置及设备，该方法包括：生成沿信号资源块的对角线分布的第一感知信号序列并发送；接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D‑DFT，根据1D‑DFT结果计算出所述目标的距离信息和速度信息。本申请将调制符号域的归一化感知信号包含的目标的距离及速度信息同时解算，大大降低了感知信号感知处理计算的复杂度，波形结构极大的降低了感知信号的开销。
Description
技术领域
本申请涉及无线通信技术领域，特别涉及一种利用感知信号进行感知处理的方法和装置及设备。
背景技术
6G通感一体化(Joint Communication and Sensing，JCAS)波形(waveform)设计的目标是设计合适的波形，使得通信信号与感知信号能在相同频段工作，共享无线资源和硬件资源。目前，通感一体化波形设计的一个主要研究思路是基于现有4G/5G通信系统波形正交频分复用(Orthogonal Frequency Division Multiplexing，OFDM)，6G通感一体化的一个重要应用是无线感知定位。
如图1为网格信号资源块，网格状信号资源块在时域和频域的感知信号均等间隔分布，图中深灰色为感知信号符号，浅灰色为通信符号。OFDM雷达主流的测距测速解算方为法采用最大似然估计算法(Maximum Likelihood Estimation，MLE)，对图1中网格状信号资源块携带的调制符号域(Modulation Symbol Domain)的归一化后的调制符号矩阵做二阶离散傅里叶变换(2D-DFT)以获得被测目标的距离速度信息。该方法存在以下问题：
1)2D-DFT需先对调制符号矩阵逐行做一阶离散傅里叶变换1D-DFT，再将结果矩阵做逐列1D-IDFT。当测距测速的精度要求高时，傅里叶变换的阶数会很高，造成最大似然估计算法的计算复杂度极大；
2)最大似然估计算法需要的感知波形为感知信号在频域和时域等间隔网格状分布，该波形的感知开销很大，会对通信性能造成较大影响。
发明内容
为了解决相关技术中网格状信号资源块在时域和频域的感知信号均等间隔分布，造成最大似然估计算法的计算复杂度极大及波形感知开销大的问题，本申请提供了能够降低计算复杂度和减少波形感知开销的方案。
根据本申请实施例第一方面，本申请提供一种利用感知信号进行感知处理的方法，该方法包括：
生成沿信号资源块的对角线分布的第一感知信号序列并发送；
接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
在一个或多个可能的实施例中，生成沿信号资源块的对角线分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同。
在一个或多个可能的实施例中，根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号计算包含距离信息的频率及包含速度信息的频率；
根据包含距离信息的频率计算距离信息，根据包含速度信息的频率计算速度信息。
在一个或多个可能的实施例中，根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中，所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
在一个或多个可能的实施例中，利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
在一个或多个实施例中，根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
在一个或多个实施例中，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与所述第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
根据本申请实施例第二方面，提供一种利用感知信号进行感知处理的设备，所述设备包括存储器和处理器；
其中，所述存储器用于存储计算机程序；
所述处理器用于读取所述存储器中的程序并执行：
生成沿信号资源块的对角线分布的第一感知信号序列并发送；
接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
在一个或多个可能的实施例中，所述处理器生成沿信号资源块的对角线间隔分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同。
在一个或多个可能的实施例中，所述处理器根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号计算包含距离信息的频率及包含速度信息的频率；
根据包含距离信息的频率计算距离信息，根据包含速度信息的频率计算速度信息。
在一个或多个可能的实施例中，所述处理器根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中，所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
在一个或多个可能的实施例中，所述处理器利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
在一个或多个可能的实施例中，所述处理器根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
在一个或多个可能的实施例中，所述处理器在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与所述第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
根据本申请实施例第三方面，提供一种利用感知信号进行感知处理的装置，包括：
感知信号生成模块，用于生成沿信号资源块的对角线分布的第一感知信号序列并发送；
感知信号接收模块，用于接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
感知信息获取模块，用于利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
在一个或多个可能的实施例中，感知信号生成模块生成沿信号资源块的对角线分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同。
在一个或多个可能的实施例中，感知信息获取模块根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号计算包含距离信息的频率及包含速度信息的频率；
根据包含距离信息的频率计算距离信息，根据包含速度信息的频率计算速度信息。
在一个或多个可能的实施例中，感知信息获取模块根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中，所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
在一个或多个可能的实施例中，感知信息获取模块利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
在一个或多个可能的实施例中，感知信息获取模块根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
在一个或多个可能的实施例中，感知信号接收模块在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与所述第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
根据本申请实施例的第四方面，提供一种芯片，所述芯片与设备中的存储器耦合，使得所述芯片在运行时调用所述存储器中存储的程序指令，实现本申请实施例上述各个方面以及各个方面涉及的任一可能涉及的方法。
根据本申请实施例的第五方面，提供一种计算机可读存储介质，该计算机存储介质存储有程序指令，当其在计算机上运行时，使得计算机执行本申请实施例上述各个方面以及各个方面涉及的任一可能涉及的方法。
根据本申请实施例的第六方面，提供一种计算机程序产品，当所述计算机程序产品在电子设备上运行时，使得所述电子设备执行实现本申请实施例上述各个方面以及各个方面涉及的任一可能涉及的方法。
利用本申请提供的利用感知信号进行感知处理的方法和装置及设备，具有以下有益效果：
将调制符号域的归一化感知信号包含的目标反射物的距离及速度信息同时解算，大大降低了感知信号感知处理计算的复杂度，波形结构极大的降低了感知信号的开销，且越高阶的DFT处理，相比传统的网格状波形，本申请中的对角线形波形感知开销减少越多。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为相关技术中网格状信号资源块的结构示意图；
图2为相关技术中连续发射的多个信号资源块示意图；
图3为相关技术中OFDM雷达信号收发机框图示意图；
图4为本申请实施例中利用感知信号进行感知处理的方法流程示意图；
图5为本申请实施例中提供对角线性感知信号所在的信号资源块的结构示意图；
图6为本申请实施例中对角线形感知信号对应的d(k)做1D-DFT的结果示意图；
图7a为利用线性运动模型根据Profile A预测目标匀速运动时在未来不同时刻对应的速度距离的1D-DFT结果示意图；
图7b为利用线性运动模型根据Profile B预测目标匀速运动时在未来不同时刻对应的速度距离的1D-DFT结果示意图；
图7c为利用线性运动模型根据Profile A预测目标匀加速运动时在未来不同时刻对应的速度距离的1D-DFT结果示意图；
图7d为利用线性运动模型根据ProfileB预测目标匀加速运动时在未来不同时刻对应的速度距离的1D-DFT结果示意图；
图8为本申请实施例中利用感知信号进行感知处理的装置结构示意图；
图9为利用感知信号进行感知处理的设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
现有OFDM雷达的主流测距测速算法是基于调制符号域的最大似然估计算法(maximum likelihood estimation，MLE)。以某交通监控场景为例，简要介绍该算法。该场景内的雷达的指标要求如表1所示：
表1：交通监控场景指标要求
距离分辨率ΔR是位于同一方位角的两个目标能被雷达区分开来的最小距离。距离分辨率由雷达工作带宽B决定：
其中，C0代表光速。
速度分辨率Δv是位于同一方位角的两个目标能被雷达区分开来的最小速度。速度分辨率由雷达感知信号持续时间Tb决定：
其中，C0代表光速，fc代表载波频率，Tb为感知信号时域持续时间。
由于基于DFT的雷达信号处理结果是周期性的。因此，OFDM雷达有个最大非模糊测距范围，即最大探测距离。其表达式如下：
其中，C0代表光速，Δf代表子载波间隔，Nf代表频域感知信号数目，Nc代表总子载波数目。
同理，最大探测速度为：
结合公式(1)-(4)，符合表1指标要求的感知信号波形可以设计为如图1所示的时频资源，本实施例后续称此时频资源为网格状信号资源块。信号资源块的时域持续时长Tb为30ms，包含239个时隙，频域带宽为400MHz，包含3359个符号，感知信号在每个时隙分布在符号2和符号9，频域间隔7个符号。该网格状信号资源块波形能够实现距离分辨率0.375m，速度分辨率0.65km/h，最大探测距离1250m，最大探测速度2300km/h。
该网格状信号资源块在时域和频域的感知信号均等间隔分布。对图1中资源块携带的调制符号域感知信号数据矩阵做DFT处理，可以得到该时刻的距离速度雷达图。
当图1所示的网格状信号资源块在时域连续发射时，如图2所示，在多个不同的时刻t0、t1、t2…，连续发射感知信号，通过对各个网格状信号资源块携带的调制符号域信息做DFT处理，可以得到动态距离速度雷达图。
以下为基于调制符号域的OFDM雷达信号处理过程：
如图3所示为发射端以图1和图2所示波形发送感知信号的整体过程示意图，具体如下：
调制符号域信号dTx(m,n)经过IFFT(Inverse Fast Fourier Transform，快速傅里叶逆变换)、插入CP(Cyclic Prefix，循环前缀)、数模变换后，由发射天线发射。感知信号在空间被待感知目标反射，回波被接收天线接收，经过模数变换、去CP、FFT后生成接收端调制符号域信号dRx(m,n)。dRx(m,n)的表达式如下：
其中，A(m,n)为感知信号的信号强度变化，两个指数项和分别携带了待感知目标的距离信息R和速度信息v，m、n代表感知信号在感知信号矩阵中的行数、列数，Tsym代表OFDM符号时长，fc代表载波频率，Δf代表子载波间隔。
把dRx(m,n)逐项除以dTx(m,n)可以将感知信号携带的信息消除，并以矩阵形式表示：
其中：
矢量yR(m)中Nf个单元的线性相位变化包含了待感知目标的距离信息，可以由IDFT求出：
IDFT结果在Nf个采样点中，会有一个采样点取得最大值，利用该最大值采样点的序号ppeak和下式(10)，可以得到目标物体的距离。
矢量yD(n)中Nt个单元的线性相位变化包含了待感知目标的速度信息，可以由DFT求出：
DFT结果在Nt个采样点中，会有一个采样点取得最大值，利用该最大值采样点的序号qpeak和下式(12)，可以得到目标物体的速度。
式(6)还可以用矩阵形式表示：
先对式(13)中矩阵D(m,n)每行数据做DFT变换，再将行DFT变换的结果做每列IDFT变换，即可得到雷达距离-速度图像。
当测距测速的精度要求高时，傅里叶变换的阶数会很高，造成最大似然估计算法的计算复杂度极大。以图1所示感知信号波形为例，一次DFT的计算复杂度为O(N2)，N为DFT的阶数。对图1所示感知信号波形的一个网格状信号资源块做2D-DFT，其计算复杂度高达960O(N2)，即2N3＝221,184,000次复数相乘运算，才可以得到一次距离速度雷达图。
另外，最大似然估计算法需要的感知波形为感知信号在频域和时域等间隔网格状分布。该波形的感知开销很大，会对通信性能造成较大影响。
鉴于此，本申请实施例提出一种利用感知信号进行感知处理的方法，如图4所示，该方法包括：
步骤401，生成沿信号资源块的对角线分布的第一感知信号序列并发送；
信号资源块包括不同时域位置和频域位置对应的资源，对于网格状的信号资源块，本申请实施例中沿信号资源块的对角线分布感知信号，提供了一种对角线形感知波形，这样对角线上的多个感知序号进行编号后形成一维的感知信号序列，发送一维的感知信号序列进行目标探测。
步骤402，接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
在一个或多个可能的实施例中，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与发送的第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
归一化处理后的归一化感知信号序列同时包含距离信息和速度信息。
步骤403，利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
本申请实施例中的调制符号域的归一化感知信号序列为一维序列，因此仅需要进行一阶离散傅里叶变换1D-DFT，在得到的1D-DFT结果同时包含目标的距离信息和速度信息，本申请可以将调制符号域的归一化感知信号包含的目标反射物的距离及速度信息同时解算，大大降低了感知信号感知处理计算的复杂度，波形结构极大的降低了感知信号的开销，且越高阶的DFT处理，相比传统的网格状感知波形，本申请中的对角线形波形感知开销减少越多。
在一个或多个可能的实施例中，生成沿信号资源块的对角线分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同，具体的结构如图5所示，对角线形感知波形一次距离速度解算所需的信号资源块与图1所示网格状信号资源块一致。信号资源块的时域持续时长Tb为30ms，包含239个时隙，频域带宽为400MHz，包含3359个符号，感知信号在每个时隙分布在符号2和符号9，频域间隔7个符号。感知信号分布在该信号资源块的对角线上。在每个时隙的符号2和符号9发射感知信号。通过这种方式，无论在频域还是在时域，都均匀分布有480个感知信号。
发射端调制符号域的第一感知信号序列dTx(k)经过OFDM处理后由发射天线发射。感知信号在空间被待感知目标反射，回波被接收天线接收。接收端得到调制符号域的第二感知信号序列dRx(k)。将调制符号域的第二感知信号序列dRx(k)做归一化处理，得到调制符号域的归一化感知信号序列，本申请实施例将调制符号域的归一化感知信号序列定义为矢量d(k)，具体采用如下计算方式得到：
其中：
矢量d(k)有N＝480个单元，这些单元的线性相位变化既包含了待感知目标的距离信息，也包含了待感知目标的速度信息。以距离R＝40m和速度v＝5m/s的目标为例，对归一化感知信号序列d(k)做N＝480阶1D-DFT变换：
对归一化感知信号序列d(k)做N＝480阶1D-DFT变换结果如图6所示。1D-DFT变换结果包括两个峰值位置，两个峰值位置在频域分别对应第一采样点序号l1和第二采样点序号l2，第一采样点序号和第二采样点序号为DFT采样点序号。以距离R＝40m和速度v＝5m/s的目标为例，1D-DFT变换结果包含两个峰值，其中一个峰值位于DFT采样点序号81处，记为l1，另一个峰值位于DFT采样点序号134处，记为l2。
在一个或多个可能的实施例中，根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率；
利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息。
由第一采样点序号l1和第二采样点序号l2求得两个DFT频率fH和fL：
两个DFT频率fH和fL中的一个包含目标的距离信息，另一个包含速度信息。即两个DFT频率fH和fL中，其中一个为包含距离信息的频率，另一个为包含速度信息的频率。如图6所示，fH为107.5MHz，fL为26.5MHz。
在一个或多个可能的实施例中，利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
本申请实施例通过一个信号资源块沿资源块携带的调制符号域的归一化感知信号，解算出的距离和速度会存在模糊度，需要采用多时相数据融合方法来确定正确的距离速度信息。
即上述两个DFT频率fH和fL中，一种可能的情况为，fH为包含距离信息的频率，fL为包含速度信息的频率，另一种可能的情况为，fL为包含距离信息的频率，fH为包含速度信息的频率。则距离和速度可以由公式(20)或(21)解得：
以上述距离R＝40m和速度v＝5m/s的目标产生的1D-DFT的结果为例，1D-DFT的结果与距离R＝10m和速度v＝20m/s的目标产生的1D-DFT的结果一样。这是由于距离信息和速度信息包含在没有标记的DFT频率fH和fL中。通过图5中DFT结果所示的两个峰值索引l1和l2，可以得到两个距离速度。其中一个是正确的距离速度值，另一个是不正确的距离速度值。
本申请实施例记为这两个距离速度值分别记为profile A和profile B:
Profile A:R＝40m，v＝5m/s；
Profile B:R＝10m，v＝20m/s。
本申请实施例采用多时相数据融合方法来，来选择公式(20)和(21)的一个来确定正确的距离速度信息，即从profile A和profile B中选择一组正确的取值。
在一个或多个可能的实施例中，根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
目标的运动特征根据目标的运动场景确定，为反应速度和距离随时间变化的特征，可以但不限于为匀速运动特征或匀加速运动特征，如果为匀加速运动特征，在不同的场景下根据目标的运动特性确定对应的加速度。
在一个或多个可能的实施例中，根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
在得到上述第三距离信息和第四速度信息、第四距离信息和第四速度信息、第五距离信息和第五速度信息时，可以根据包含距离信息的频率为包含速度信息的频率为/>求解对应的DFT峰值位置，从而得到对应ID-DFT结果，本申请实施例将预测的ID-DFT结果与实际的ID-DFT结果进行对比，匹配正确率高，且采用多个时刻进行对比确定匹配度，提高了匹配结果的精确度。当然，也可以将上述第三距离信息和第四速度信息、第四距离信息和第四速度信息，与第五距离信息和第五速度信息进行匹配，根据匹配结果确定正确的一组速度信息和距离信息。
本申请实施例以交通监测场景为例，线性运动模型(linear motion model)是运动学研究经常采用的模型。所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。该模型假设在足够短的时间内，目标要么保持匀速运动，要么保持匀加速运动。假设交通监测场景中车辆符合线性运动模型。并假设Profile A和Profile B是由对时刻t0＝0发射的对角线形感知波形携带的d(k)做1D-FFT获得的。对符合匀速运动线性运动模型的车辆，可以分别预测时刻t0解算得到的Profile A和Profile B对应车辆在时刻t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms对应的距离速度。
对符合匀加速运动线性运动模型的车辆，假定车辆的最大加速度为5.4m/s2。加速度5.4m/s2对应在5秒内从0加速到100km/h的加速度。通常认为加速度5.4m/s2是高性能轿车的最大加速能力。Profile A和Profile B对应的匀加速运动的车辆在时刻t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms的距离速度也可以估计。Profile A和Profile B在t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms时刻的距离速度预测值如表2所示。
表2
图7a为利用线性运动模型根据Profile A预测目标匀速运动时在未来不同时刻对应的速度距离的1D-DFT结果，利用线性运动模型根据Profile A得到的在t0对应的速度为5m/s，距离为40m，预测目标匀速运动时在未来不同时刻t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms的距离速度，并根据预测的距离速度得到对应的1D-DFT结果，图7b为利用线性运动模型根据Profile B预测目标匀速运动时在未来不同时刻对应的速度距离的1D-DFT结果，利用线性运动模型根据Profile A得到的在t0对应的速度为20m/s，距离为10m，预测目标匀速运动时在未来不同时刻t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms的距离速度，并根据预测的距离速度得到对应的1D-DFT结果，图7c为利用线性运动模型根据Profile A预测目标匀加速运动时在未来不同时刻对应的速度距离的1D-DFT结果，利用线性运动模型根据Profile A得到的在t0对应的速度为5m/s，距离为40m，预测目标匀加速运动时在未来不同时刻t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms的距离速度，并根据预测的距离速度得到对应的1D-DFT结果，图7d为利用线性运动模型根据ProfileB预测目标匀加速运动时在未来不同时刻对应的速度距离的1D-DFT结果，利用线性运动模型根据Profile A得到的在t0对应的速度为20m/s，距离为10m，预测目标匀加速运动时在未来不同时刻t1＝30ms、t2＝60ms、t3＝90ms、t4＝120ms的距离速度，并根据预测的距离速度得到对应的1D-DFT结果。
各图对应的峰值放大后示意如虚线框内所示，各虚线框内从右向左的峰值依次代表t0＝0ms、t1＝30ms、t2＝60ms、90ms时、t4＝120ms时的1D-DFT结果。由图7a可知，时间的改变引起的DFT结果中峰值位置的移动变化极小。由于DFT采样点是整数，距离和速度的估计值被量化到固定间隔的采样点上。如果yR(k)和yD(k)携带的频率不能落在其中某个采样点上，真实频率就会量化到附近的采样点，从而引入量化误差。由于车辆的速度是恒定的，恒定的速度使得fL不会随时间变化。且车辆的速度很低(5m/s)，低的速度导致在120ms内的距离改变极小。因此，fH的变化也很小。在时刻t1-t4的峰值能量分布在DFT采样点序号78-81和133-134之间。在某些相邻的时刻，峰值采样点序号甚至没有发生变化。例如在时刻t1的峰值采样点序号与在时刻t2的峰值采样点序号都是80。对图7b所示的profile B匀速运动，可以看出与图7a的结果有显著不同。由于车辆的速度是恒定的，恒定的速度使得fH不会随时间变化。且车辆的速度很高(20m/s)，高的速度导致在120ms内的距离改变很大。因此，fL的变化也很大。由以上分析，对于匀速运动，通过比较预测的两个1D-DFT结果和实际的1D-DFT结果，可以确定在时刻t0得到的两个profile中哪个是正确的。
在交通监控应用中，车辆的加速度受限于车辆的性能，不可能有很大加速度。尽管车辆的加速度是完全不可预知的，而且加速度不为0的车辆会导致时变的fH和fL。但是，Profile A和Profile B在时刻t1-t4对应的1D-DFT结果还是有显著不同。对于Profile A，由于受限的加速度，速度的改变不会很大。时刻t0时的低速度(5m/s)和小的加速度导致fH和fL在时刻t1-t4的变化都很小，各峰值随时间的变化移动很小，如图7c所示。对于ProfileB，时刻t0时的高速度(20m/s)导致fL的变化很大，从而使图7d中的各时刻的峰值比图7c中的峰值更稀疏。因此，时刻t0时的速度是区分Profile A和Profile B的重要因素。交通监控应用场景中的低加速度使得加速度对DFT结果随时间变化的影响不大。计算复杂度大大减小。同上，对于匀速运动，通过比较预测的两个1D-DFT结果和实际的1D-DFT结果，可以确定在时刻t0得到的两个profile中哪个是正确的。
相关技术中对图1所示一个网格状感知信号波形做2D-DFT，其计算复杂度为960O(N2)，可以得到一次距离速度雷达图。使用本申请实施例提出的对角线形感知波形及对应感知信号处理算法，对一个信号资源块处理的计算复杂度为O(N2)。相关技术中网格状波形的感知信号开销为本申请实施例中对角线波形的感知信号开销为/>
本申请的波形结构极大的降低了感知信号的开销。且越高阶的DFT处理，相比传统的网格状波形，本申请中的对角线形波形感知开销减少越多。
根据公式(1)-(4)，本申请和相关技术从时频域感知信号的分布来讲，距离分辨率、速度分辨率、最大探测距离、最大探测速度等指标性能是完全一样的。
请参阅图8，本申请实施例还提供一种利用感知信号进行感知处理的装置，包括：
感知信号生成模块801，用于生成沿信号资源块的对角线分布的第一感知信号序列并发送；
感知信号接收模块802，用于接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
感知信息获取模块803，用于利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
在一个或多个可能的实施例中，感知信号生成模块生成沿信号资源块的对角线分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同。
在一个或多个可能的实施例中，感知信息获取模块根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号计算包含距离信息的频率及包含速度信息的频率；
根据包含距离信息的频率计算距离信息，根据包含速度信息的频率计算速度信息。
在一个或多个可能的实施例中，感知信息获取模块根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中，所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
在一个或多个可能的实施例中，感知信息获取模块利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
在一个或多个可能的实施例中，感知信息获取模块根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
在一个或多个可能的实施例中，感知信号接收模块在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与所述第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
本申请实施例所提供的上述利用感知信号进行感知处理的装置与本申请上述实施例提供利用感知信号进行感知处理方法属于同一发明构思，上述实施例提供的利用感知信号进行感知处理方法的各种实施方式，可以应用到本实施例中的利用感知信号进行感知处理的装置进行实施，这里不再重述。
上面从模块化功能实体的角度对本申请实施例中的利用感知信号进行感知处理的装置进行了描述，下面从硬件处理的角度对本申请实施例中的利用感知信号进行感知处理设备进行描述。
请参阅图9，本申请实施例中利用感知信号进行感知处理设备包括：
处理器900、存储器901、收发机902以及总线接口903。
处理器900负责管理总线架构和通常的处理，存储器901可以存储处理器900在执行操作时所使用的数据。收发机902用于在处理器900的控制下接收和发送数据。
总线架构可以包括任意数量的互联的总线和桥，具体由处理器900代表的一个或多个处理器和存储器901代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器900负责管理总线架构和通常的处理，存储器901可以存储处理器900在执行操作时所使用的数据。
本申请实施例揭示的流程，可以应用于处理器900中，或者由处理器900实现。在实现过程中，信号处理流程的各步骤可以通过处理器900中的硬件的集成逻辑电路或者软件形式的指令完成。处理器900可以是通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器901，处理器900读取存储器901中的信息，结合其硬件完成信号处理流程的步骤。
具体地，处理器900，用于读取存储器901中的程序并执行：
所述处理器用于读取所述存储器中的程序并执行上述实施例提供的利用感知信号进行感知处理的方法。
本申请实施例还提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行本申请上述实施例提供的利用感知信号进行感知处理的方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其它可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。
以上对本申请所提供的技术方案进行了详细介绍，本申请中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (16)
1.一种利用感知信号进行感知处理的方法，其特征在于，包括：
生成沿信号资源块的对角线分布的第一感知信号序列并发送；
接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
2.根据权利要求1所述的方法，其特征在于，生成沿信号资源块的对角线分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同。
3.根据权利要求1或2所述的方法，其特征在于，根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号计算包含距离信息的频率及包含速度信息的频率；
根据包含距离信息的频率计算距离信息，根据包含速度信息的频率计算速度信息。
4.根据权利要求3所述的方法，其特征在于，根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中，所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
5.根据权利要求3所述的方法，其特征在于，利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
6.根据权利要求4所述的方法，其特征在于，根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
7.根据权利要求1或2所述的方法，其特征在于，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与所述第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
8.一种利用感知信号进行感知处理的设备，其特征在于，所述设备包括存储器和处理器；
其中，所述存储器用于存储计算机程序；
所述处理器用于读取所述存储器中的程序并执行：
生成沿信号资源块的对角线分布的第一感知信号序列并发送；
接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
9.根据权利要求8所述的设备，其特征在于，所述处理器生成沿信号资源块的对角线间隔分布的第一感知信号序列，包括：
生成沿信号资源块的对角线等间隔分布的第一感知信号序列；
其中，所述第一感知信号序列包括多个感知信号，且所述信号资源块在时域和频域上分别包括的感知信号的数量相同。
10.根据权利要求8或9所述的设备，其特征在于，所述处理器根据1D-DFT结果计算出目标的距离信息和速度信息，包括：
根据1D-DFT结果确定第一峰值位置对应的第一采样点序号，及第二峰值位置对应的第二采样点序号；
根据所述第一采样点序号和第二采样点序号计算包含距离信息的频率及包含速度信息的频率；
根据包含距离信息的频率计算距离信息，根据包含速度信息的频率计算速度信息。
11.根据权利要求10所述的设备，其特征在于，所述处理器根据所述第一采样点序号和第二采样点序号求解包含距离信息的频率及包含速度信息的频率，包括：
确定频率fH和频率fL，其中，l1为第一采样点序号，l2为第二采样点序号；
根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率；
其中，所述线性运动模型为根据目标的运动特征，建立的预测所述目标在不同时间对应的距离和速度的模型。
12.根据权利要求10所述的设备，其特征在于，所述处理器利用包含距离信息的频率求解距离信息，利用包含速度信息的频率求解速度信息，包括：
利用包含距离信息的频率为求解距离信息；
利用包含速度信息的频率为求解速度信息；
其中，Δf代表感知信号序列的子载波间隔，Nc代表感知信号序列的总子载波数目，R为距离，C0代表光速，Nsym代表持续时间Tb内感知信号序列的符号数，fc代表载波频率，Tb为感知信号序列的时域持续时间。
13.根据权利要求11所述的设备，其特征在于，所述处理器根据所述目标的线性运动模型，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，或者确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率，包括：
利用频率fH求解第一距离信息，利用频率fL求解第一速度信息，利用fL求解第二距离信息，利用fH求解第二速度信息；
利用所述线性运动模型根据所述第一距离信息和第一速度信息预测未来不同时刻的第三距离信息和第四速度信息，并确定未来不同时刻的第三距离信息和第四速度信息对应的第一1D-DFT结果；
利用所述线性运动模型根据所述第二距离信息和第二速度信息预测未来不同时刻的第四距离信息和第四速度信息，并确定未来不同时刻的第四距离信息和第四速度信息对应的第二1D-DFT结果；
到达未来不同时刻测量得到第五距离信息和第五速度信息，并确定所述第五距离信息和第五速度信息对应的第三1D-DFT结果；
确定所述第一1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fH为包含距离信息的频率，确定频率fL为包含速度信息的频率，确定所述第二1D-DFT结果与所述第三1D-DFT结果相匹配时，确定频率fL为包含距离信息的频率，确定频率fH为包含速度信息的频率。
14.根据权利要求8或9所述的设备，其特征在于，所述处理器在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列，包括：
将所述第二感知信号序列与所述第一感知信号序列相比，得到调制符号域的归一化感知信号序列。
15.一种利用感知信号进行感知处理的装置，其特征在于，包括：
感知信号生成模块，用于生成沿信号资源块的对角线分布的第一感知信号序列并发送；
感知信号接收模块，用于接收被目标反射回来的第二感知信号序列，在调制符号域对所述第二感知信号序列进行归一化处理，得到调制符号域的归一化感知信号序列；
感知信息获取模块，用于利用所述调制符号域的归一化感知信号序列进行一阶离散傅里叶变换1D-DFT，根据1D-DFT结果计算出所述目标的距离信息和速度信息。
16.一种计算机程序介质，其特征在于，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～7任一所述方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211291287.9A CN117938603A (zh) | 2022-10-17 | 2022-10-17 | 一种利用感知信号进行感知处理的方法和装置及设备 |
| PCT/CN2023/096397 WO2024082633A1 (zh) | 2022-10-17 | 2023-05-25 | 一种利用感知信号进行感知处理的方法和装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211291287.9A CN117938603A (zh) | 2022-10-17 | 2022-10-17 | 一种利用感知信号进行感知处理的方法和装置及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117938603A true CN117938603A (zh) | 2024-04-26 |
Family
ID=90736788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211291287.9A Pending CN117938603A (zh) | 2022-10-17 | 2022-10-17 | 一种利用感知信号进行感知处理的方法和装置及设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117938603A (zh) |
| WO (1) | WO2024082633A1 (zh) |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080310547A1 (en) * | 2007-06-08 | 2008-12-18 | Nokia Siemens Networks Oy | Multi-code precoding for sequence modulation |
| CN114205046B (zh) * | 2021-12-21 | 2022-12-09 | 清华大学 | 一种通信感知一体化网络干扰协调方法及装置 |
| CN114599086B (zh) * | 2022-03-04 | 2023-05-09 | 北京邮电大学 | 一种通信感知一体化方法、装置、基站及系统 |
| CN114866124A (zh) * | 2022-04-28 | 2022-08-05 | 东南大学 | 基于时延对齐调制的通感一体化信号设计与波束赋形方法 |
-
2022
- 2022-10-17 CN CN202211291287.9A patent/CN117938603A/zh active Pending
-
2023
- 2023-05-25 WO PCT/CN2023/096397 patent/WO2024082633A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024082633A1 (zh) | 2024-04-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110290581B (zh) | 一种5g系统中的快速时频同步方法及终端 | |
| CN110824438B (zh) | 用于处理ofdm雷达信号的方法和装置 | |
| Zhang et al. | A novel CSI-based fingerprinting for localization with a single AP | |
| CN110149656B (zh) | 无线信号覆盖测试方法及装置 | |
| CN110412557B (zh) | 一种基于ofdm信号的测量速度和距离的方法及装置 | |
| US11044134B2 (en) | Method and device of estimating timing location of round trip time | |
| CN109672635A (zh) | 一种时域相关性估计方法、装置及设备 | |
| CN114900256B (zh) | 通信场景识别方法和装置 | |
| Geng | A novel waveform design for OFDM-based joint sensing and communication system | |
| CN117938603A (zh) | 一种利用感知信号进行感知处理的方法和装置及设备 | |
| CN113935402A (zh) | 时差定位模型的训练方法、装置及电子设备 | |
| CN105527624B (zh) | 一种雷达回波动态估算噪声的方法和气象雷达系统 | |
| CN108028824A (zh) | 一种确定时间偏移的方法及装置 | |
| CN102647389B (zh) | 观察到达时间差定位中处理相关的方法和设备 | |
| CN112036607B (zh) | 基于出力水平的风电出力波动预测方法、装置及存储介质 | |
| CN113156390B (zh) | 雷达信号处理方法及设备、计算机可读存储介质 | |
| CN115051899A (zh) | 频偏估计方法及装置、计算机可读存储介质 | |
| Zhang et al. | Moving target detection based on OFDM radar | |
| Choi | Multiple Target Detection For OFDM Radar Based On Convolutional Neural Network | |
| CN116256716B (zh) | 基于加权线性拟合的毫米波雷达超分辨方法和系统 | |
| CN112468425A (zh) | 帧头结构和系统时间同步方法 | |
| Dao et al. | Research on Improved Algorithm of Frequency Estimation Based on Complex Modulation. | |
| CN114584445B (zh) | 信号的频率估计方法、装置、电子设备和介质 | |
| WO2024016190A1 (zh) | 基于正交频分复用ofdm信号的参数估计方法、装置及设备 | |
| CN115604060B (zh) | 峰值检测方法、装置、电子设备及存储介质 |
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 |