CN117991265A - 最大似然解角方法、装置、集成电路和雷达系统 - Google Patents
最大似然解角方法、装置、集成电路和雷达系统 Download PDFInfo
- Publication number
- CN117991265A CN117991265A CN202211351537.3A CN202211351537A CN117991265A CN 117991265 A CN117991265 A CN 117991265A CN 202211351537 A CN202211351537 A CN 202211351537A CN 117991265 A CN117991265 A CN 117991265A
- Authority
- CN
- China
- Prior art keywords
- maximum likelihood
- target
- angle
- grid
- searched
- 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 abstract description 86
- 238000007476 Maximum Likelihood Methods 0.000 title claims abstract description 84
- 238000001514 detection method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 8
- 208000001992 Autosomal Dominant Optic Atrophy Diseases 0.000 claims description 5
- 206010011906 Death Diseases 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims 2
- 239000013598 vector Substances 0.000 description 31
- 230000006870 function Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 101100037618 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) ant-1 gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007723 transport mechanism 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—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
- 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
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)
Abstract
一种最大似然解角方法、装置、集成电路和终端设备，方法包括：基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的DOA；及以目标初始的DOA为初始值，通过迭代运算得到目标最终的DOA；目标最终的DOA角的精度高于目标初始的DOA。本公开实施例还提供了可使用该方法的装置、集成电路和雷达系统，本公开实施例可保证估计精度并降低运算复杂度。
Description
技术领域
本公开实施例涉及但不限于目标探测技术，更具体地，涉及一种最大似然解角方法、装置、集成电路和雷达系统。
背景技术
对于雷达系统中目标的到达方向角(DOA：Direction of Arrival)估计，存在多种不同的检测方法，其中数字波束成形是最常用的方法之一，该方法的原理可以用下式表示：
上述公式中，右边为数字波束成形(DBF：Digital BeamForming)在角度θ上的合成能量，v(θ)为θ方向上的导向矢量，表示共轭转置，y是接收向量，y的各分量的值为各个接收通道的信号输出。每一个反射物会在对应的Pbfm(θ,y)处产生一个峰，多个峰代表多个反射物；如果两个或多个的峰靠得太近时，在Pbfm(θ,y)处只形成一个峰，针对这种情况，数字波束成形的方法很难分辨出多个反射物，分辨率不高。
发明内容
本公开实施例提供了一种最大似然解角方法，应用于雷达系统，所述方法包括：基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的DOA；以所述目标初始的DOA为初始值，通过迭代运算得到所述目标最终的DOA；所述目标最终的DOA角的精度高于所述目标初始的DOA。
可选的，所述迭代运算可采用牛顿迭代法或高斯-牛顿迭代法。
可选的，所述基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的DOA，可包括：基于所述第一网格得到待搜索角度集合；根据探测到的目标个数K，基于最大似然估计的搜索模型对所述待搜索角度集合进行K维搜索，K为正整数；基于所述K维搜索的结果得到K个目标初始的DOA。
本申请实施例公开了一种最大似然解角的方法，可应用于雷达系统中波达方向估计中，所述方法可包括：获取真实目标的数量；基于所述真实目标的数量，对待搜索角度空间进行至少一次离散化-最大似然估计处理，以得到第一目标网格；以及对所述第一目标网格进行迭代运算以得到各所述真实目标的角度；其中，所述离散化-最大似然估计处理包括将所述待搜索角度空间离散化形成网格结构后，进行最大似然估计以得到第一真实目标所在的网格。
可选的，基于所述真实目标的数量，对待搜索角度空间进行一次离散化-最大似然估计处理时，进行最大似然估计所得到的第一真实目标所在的网格为所述第一目标网格。
可选的，基于所述真实目标的数量，对待搜索角度空间进行至少两次离散化-最大似然估计处理时，所述离散化-最大似然估计处理还可包括：对所述第一真实目标所在的网格再次进行空间离散化形成更小颗粒度的网格结构后，再次进行最大似然估计以得到第二真实目标所在的网格；依次循环，直至最终得到的第M真实目标所在的网格精度满足需求；其中，M为大于等于2的整数。
可选的，对所述第一目标网格进行迭代运算时，当相邻两次迭代运算的结果因子之间的差值小于预设值所对应的角度信息为各所述真实目标所对应的角度。
可选的，所述迭代运算可采用牛顿迭代法或高斯-牛顿迭代法等迭代法。
本公开实施例还提供了一种雷达系统中的最大似然解角装置，包括存储器和处理器，所述存储器存储有计算机程序，其中，所述处理器执行所述计算机程序时实现本公开任一实施例所述的最大似然解角方法。
本公开实施例还提供了一种非瞬态计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序被处理器执行时实现本公开任一实施例所述的最大似然解角方法。
本公开实施例还提供了一种集成电路，所述集成电路包括：信号收发通道，设置为发射探测信号，以及接收回波信号；模数电路模块，设置为对所述回波信号进行预处理，转换成数字信号；基带处理模块，设置为基于所述数字信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的DOA；及，以所述目标初始的DOA为初始值，通过迭代运算得到所述目标最终的DOA；所述目标最终的DOA角的精度高于所述目标初始的DOA。
本公开实施例还提供了一种雷达系统，包括：承载体；如本公开任一实施例所述的集成电路，设置在所处承载体上；以及天线，设置在所述承载体上，与所述集成电路电连接，用于发射探测信号和接收回波信号。
本公开实施例还提供了一种终端设备，可包括：设备本体；以及设置于所述设备本体上的如本申请任一实施例所述的无线电器件；其中，所述无线电器件用于目标检测和/或通信，以向所述设备本体的运行提供参考信息。
本公开上述实施例的最大似然解角方法、装置、集成电路和雷达系统，可以在保持最大似然算法优势的情况下，有效降低复杂度，提高运算效率，具有高精度、低成本和易使用的特点。
本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的其他优点可通过在说明书、权利要求书以及附图中所描述的方案来实现和获得。
附图说明
附图用来提供对本公开技术方案的理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开的技术方案，并不构成对本公开技术方案的限制。附图中各部件的形状和大小不反映真实比例，目的只是示意说明本公开内容。
图1为一种示例性的物理天线阵列的示意图；
图2为本公开一实施例最大似然解角方法的流程图；
图3为图2步骤110中最大似然估计方法的流程图；
图4为本公开一实施例最大似然解角装置的示意图；
图5为本公开一实施例集成电路的示意图。
具体实施方式
本公开描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本邻域的普通技术人员来说显而易见的是，在本公开所描述的实施例包含的范围内可以有更多的实施例和实现方案。
本公开的描述中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本公开中被描述为“示例性的”或者“例如”的任何实施例不应被解释为比其他实施例更优选或更具优势。本文中的“和/或”是对关联对象的关联关系的一种描述，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。“多个”是指两个或多于两个。另外，为了便于清楚描述本公开实施例的技术方案，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本邻域技术人员可以理解“第一”、“第二”等字样并不对数量和执行次序进行限定，并且“第一”、“第二”等字样也并不限定一定不同。
在描述具有代表性的示例性实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本邻域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本邻域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本公开实施例的精神和范围内。
本文中，DOA也可称为波达角、到达方向角、方位角、波达方向、到达角等。
本申请实施例公开了一种最大似然解角的方法，可应用于雷达系统中波达方向估计中，通过针对多目标到达方向的检测(即DoA)过程中，基于最大似然算法解角时，可待搜索角度空间θ离散化成网格化后，基于最大似然算法进行粗略的估计，以确定目标所在的网格点，然后可根据需求决定是对该网格点进行进行网格化操作及粗略估计处理，还是直接对所确定的网格点进行预设规则的迭代的收敛处理，进而在所确定的网格点中确定各目标的角度信息。在该方法中，由于采用了一次或多次的网格粗略估计来将后续精准迭代运算处理的范围大大的缩小，而且还可通过多次循环的筛选来适应性的满足不同的场景及算力处理资源的需求，进而使得在确保角度估计精确度的前提下，合理的利用算力处理资源，同时还能灵活适用于不同的应用场景。
具体的，上述的最大似然解角的方法可包括：
首先，可在针对混频后得到中频信号进行模数转换、采样、距离维FFT和速度维FFT处理后，继续恒虚警处理以得到当前场景中真实目标的数量，一般情况下，均会得到至少两个以上真实的目标(例如3个或5个等)。
然后，可基于上述所得到真实目标的数量，对待搜索角度空间进行至少一次(如一次、两次或三次等)离散化-最大似然估计处理，以得到第一目标网格。该离散化-最大似然估计处理就是将预设的待搜索角度空间离散化形成网格结构后，进行最大似然估计以得到第一真实目标所在的网格，以及对第一目标网格进行迭代运算以得到各所述真实目标的角度，即通过网格化处理，结合常规的最大似然估计，可先将真实目标所对应的角度空间进行缩小。在实际的应用场景中，可基于需求进行一次或多次的网格化处理，以将所确定的真实目标所在相对比较合适的颗粒度的网格，当进行两次及以上次的网格化处理时，网格化的颗粒度是逐渐减小的。比如，在±90度的测角范围内，可先以10°的颗粒度(相邻的估计角度相差10°)进行一次离散化-最大似然估计处理后，针对所确定的网格再以1°的颗粒度再在进行一次离散化-最大似然估计处理，后续甚至还可根据再次确定的网格以0.1°的颗粒度进行离散化-最大似然估计处理；总之，本申请实施例不对离散化-最大似然估计处理的次数进行限制，只要且每次所确定目标网格范围逐渐缩小，且最终所确定的网格满足系统的要求即可，同时基于同一个硬件结构，还可针对不同的应用场景进行对应次数的循环处理，只要其在硬件结构所支持的范围内，使得最终的处理结果能够满足当前场景的需求即可。
需要注意的是，在一些应用场景中，只要进行上述的离散化-最大似然估计处理即可实现角度估计的需求，只要最终所确定的角度信息精度满足场景的需求即可。
最后，为了进一步的提升目标估计的角度精度，还可基于上述最终所确定的目标网格，继续迭代运算处理，若是迭代运算处理的结果满足收敛规则，则就可以确定最终的各真实目标的角度信息。
下面就以FMCW雷达为例进行详细说明：
雷达系统可以包括物理天线阵列，物理天线阵列可以包括至少一个发射天线和多个接收天线。其中，多个接收天线间隔排布，其相邻间隔与所述发射天线所发射的探测信号的相位相关，相邻接收天线之间的间隔可以相等或不等。例如，相邻接收天线之间的间隔不大于半个相位周期所对应的距离。相邻的发射天线与接收天线之间的间距可根据隔离相邻的发射天线和接收天线的泄露信号强度、馈线布置等而设置。
为了精准地估计目标的DOA，雷达系统(也可称为雷达)可以利用更多的发射天线和接收天线构建MIMO通道来进行DOA估计。MIMO通道表示利用物理天线阵列中的任一发射天线和任一接收天线而构建的虚拟通道。要探测的目标的位置可以表示为(r,θ)，θ为目标的角度，r为雷达到目标的距离。为了满足远场条件，目标到雷达的距离r需要满足r＞＞2m2/λ，其中，λ＝c/f，为自由空间的波长，c为光速，f为工作频率，m＝d'+3d。
图1为一种示例性的物理天线阵列的示意图，如图所示，物理天线阵列包括沿着Y方向放置的一支发射天线TX和四支接收天线RXi，i＝1,2,3,4(即图中的RX1、RX2、RX3和RX4)，相邻接收天线之间的距离为d，接收天线RX1和发射天线TX之间的距离为d'。虽然图1中的物理天线阵列以1支发射天线为例，但其他示例中可以有更多的发射天线如2支、4支等等。
发射天线TX发射的探测信号由目标反射得到回波信号，回波信号到达接收天线RXi的相位可以表示为Pi(i＝1,2,3,4)。由于探测目标满足远场条件，因此可以确定各接收天线接收到的回波信号与发射天线发射的探测信号之间的相位差：
其中，i＝1,2,3,4；θ∈(-90°,90°)。
雷达系统用于估计DOA的参数包括导向矢量v和接收信号y。导向矢量v是MIMO通道中所有接收天线所表示的阵元对具有单位能量窄带信源的响应，当信号sinθ从θ方向入射至MIMO通道时，导向矢量提供了利用MIMO通道之间的空间相位差而构建的对应信号sinθ的向量矩阵。
以图1所示的物理天线阵列而构建的MIMO通道为例，以接收天线RX1所在的虚拟通道为基准，利用其他接收天线RX2、RX2和RX4相对于RX1之间的孔径信息(d、2d、3d)，得到该MIMO通道的导向矢量v(θ)为：
若调整基准，导向矢量v(θ)的表示方式会有所不同，但MIMO通道内各虚拟通道之间的相位差不变。
接收信号y表示为当信号sinθ从θ方向入射至MIMO通道而形成的信号矩阵。仍以图1为例，为了简化分析，令RX收到的信号幅度相同，此时雷达的接收信号y为：
其中，N为噪声。
雷达系统利用所发射的多个探测信号各自所对应的回波信号，形成信号帧。利用上述参数和信号帧进行DOA估计，由此得到所探测到的物体(即目标)与雷达之间的角度信息。
对于雷达系统中多目标的DOA估计，数字波束成形是最常用的方法之一，但是基于数字波束成形方法检测多目标DOA分辨率不高。针对这一问题，利用最大似然估计(Deterministic Maximum Likelihood，DML)进行多目标的DOA检测，可以改进分辨率。但在最大似然解角过程中，需要对待搜索的角度组合进行迭代计算，计算量很大。同时，根据最大似然估计的检测原理可知，该方法输出的结果有格点效应，其性能提高主要依靠提高网格的细密程度。要提高目标探测的精准度，就需要提高算法的复杂度，导致计算量过大。
为了避免密集的离散样本网格带来的计算复杂度高的问题，如图2所示，本公开一实施例提供了一种最大似然解角的方法，应用于雷达系统，该方法包括：
步骤110，基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的到达方向角DOA；
步骤120，以所述目标初始的DOA为初始值，通过迭代运算得到所述目标最终的DOA；所述目标最终的DOA角的精度高于所述目标初始的DOA。
本公开实施例先将待搜索角度空间离散化成较粗的网格进行最大似然估计，得到目标粗略的DOA，再将该粗略的DOA作为初始值进行迭代运算，能够得到更为精确的DOA，从而能够在保证DOA估计精度的同时降低计算的复杂度。
在本公开一示例性的实施例中，如图3所示，所述基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的DOA，包括：
步骤1101，基于所述第一网格得到待搜索角度集合；
本步骤中，可以将整个待搜索角度空间离散化成第一网格，基于第一网格得到包括多个待搜索角度的集合，称为待搜索角度集合。待搜索角度空间在不同的场景下可以有不同的设置，例如是0°～360°、0°～180°、-90°～90°或者其他的角度范围。
步骤1103，根据探测到的目标个数K，基于最大似然估计的搜索模型对所述待搜索角度集合进行K维搜索，K为正整数；
在一示例中，可以对雷达阵列接收信号进行希尔伯特变换得到瞬时相位分量，根据瞬时相位分量构造协方差矩阵，并求得特征值，然后根据该特征值以及预先训练的模型得到的目标个数K。但是，目标个数K也可以根据其他算法来估计，本实施例对此不做限制。
本步骤可以通过以下方式来实现：根据目标个数K，从待搜索角度集合中任意选择K个待搜索角度，每种选择方式得到一个待搜索角向量(包括K个待搜索角度)，从而得到基于第一网格构建的多个待搜索角向量。然后将多个待搜索角向量分别输入预设的最大似然估计的搜索模型中，得到与多个待搜索角向量分别对应的模型输出结果，即K维搜索结果。
本步骤中，待搜索角向量的个数与待搜索角度集合中待搜索角度的个数有关，而待搜索角度的个数又与第一网格的疏密有关，第一网格越细密(即颗粒度越小)，待搜索角度越多，组合得到的待搜索角向量的个数也越大。反之，第一网格越粗疏(即颗粒度越大)，待搜索角度越少，组合得到的待搜索角向量的个数越小。在本实施例中，因为后续的迭代运算可以提到DOA估计的精度，因此在同样的精度要求下，相对传统的最大似然解角方法，本实施例的第一网络可以设置的相对粗疏，从而降低运算复杂度。
步骤1105，基于所述K维搜索的结果得到K个目标初始的DOA。
本步骤可以从模型输出结果中选取目标模型输出结果，并根据目标模型输出结果对应的待搜索角向量得到目标的DOA。在搜索模型是最大化搜索模型的情况下，根据模型输出结果中的最大值对应的待搜索角向量得到目标的DOA。在搜索模型是最小化搜索模型的情况下，根据模型输出结果中的最小值对应的待搜索角向量得到目标的DOA。
本实施例使用最大似然估计得到目标DOA(即最大似然解角)的具体算法如下：
假定接收天线接收的回波信号y＝[y0,y1,…,yant-1]T，ant表示接收天线的个数；令Θ＝[θ1,θ2,…,θK]，表示待搜索角向量，θ1,θ2,…,θK分别为K个目标的待搜索角度，对应的导向矢量v(θi)组成矩阵VΘ：
VΘ＝[v(θ1),v(θ2),…,v(θK)]
其中：v(θi)表示角度θi对应的导向矢量，i＝1,2,…,K，K为正整数；dj表示第j根天线相对于天线阵零点的坐标与信号波长的比值，j＝0,1,…,ant-1。
MLE使用的最大化搜索模型可以表示为：
或/>
其中，||x||表示x的范数，表示VΘ的伪逆矩阵，/>表示VΘ的共轭矩阵，/>表示/>的逆矩阵。
使用该最大化搜索模型可搜索到一组导向矢量，使得接收信号在其组成的空间上的正交投影的参量最大，该组导向矢量对应的待搜索角向量即估计得到的K个目标初始的DOA。
等价地，最大似然估计的最小化搜索模型可以表示为：
即使用该最小化搜索模型搜索到一组导向矢量，使得接收信号减去其正交投影之后残留的能量最小，该组导向矢量对应的待搜索角向量即估计得到的K个目标初始的DOA。
本实施例最大似然解角的算法即是基于第一网格构建待搜索角向量，通过最大似然估计方法找到使得最小(或/>最大)的待搜索角向量，作为目标初始的DOA。
本公开一示例性的实施例中，上述步骤120中的迭代运算采用牛顿迭代法，表示如下：
Θn＝Θn-1-μHv
其中，Θn为第n次迭代的多目标的DOA，n＝1,2,3,…，μ是一个给定参数，取值在0到1之间；
H为每次迭代的Hessian矩阵，为梯度函数，有：
其中， 为拉普拉斯算式。
以为初始值进行迭代后，利用上述公式更新多目标的DOA，当迭代收敛或达到最大迭代次数时，此时的Θn-1即精度更高的目标最终的DOA。
本公开另一示例性的实施例中，上述步骤120中的迭代运算可以采用高斯-牛顿迭代法，高斯-牛顿迭代法是牛顿迭代法的简化算法，相对于牛顿迭代法，区别在于其Hessian矩阵H改为通过以下简化的方式求解：
Hij＝2Re(ri*rj)
在本公开一示例性的实施例中，所述第一网格可以表示为多个待搜索角度的集合，该集合包括等函数差值分布的N个预设的待搜索角度，N为大于等于2的正整数。所述预设的待搜索角度对应的函数可以用f(θ)表示，相邻的预设的待搜索角度之间存在以下关系：
f(θi)-f(θi+1)＝f(θi+1)-f(θi+2)
基于该公式，假设任意相邻的两个预设的待搜索角度的函数的差值为0.1，并以0°为起始搜索角度，可以得到等式f(0)-f(θ1)＝0.1，基于该等式可以计算得到θi+1，然后基于f(θ1)-f(θ2)＝0.1计算得到f(θ2)，依次类推，可以得到其他预设的待搜索角度。雷达系统可以将得到的多个预设的待搜索角度的集合保存到存储器中，需要确定目标的DOA时，从存储器中取出预设的待搜索角度集合。上述差值为0.1仅仅是示例性，本实施例不对两个预设的待搜索角度的函数的差值做限定。
在本实施例的一示例中，该待搜索角度集合包括N个等间隔的待搜索角度。相邻待搜索角度之间的间隔(如0.5°、1°、2°等等)可以称为网格的颗粒度。根据本实施例的方法，在同样的精度要求的前提下，第一网格的颗粒度(如1°)可以大于传统最大似然估计方法的网格颗粒度(如0.5°)，进而使得最大似然解角算法的复杂度小于传统的最大似然解角算法的复杂度，同通过采用上述迭代运算，还能达到传统最大似然估计方法采用较细颗粒度的网格进行最大似然解角的精度。此外，传统最大似然估计方法所估计出的DOA的精度被网络的细密程度所限制，而本公开实施例的最大似然解角的精度则可随着迭代次数的增加而逐步提升。
本公开一实施例还提供了一种雷达系统中的最大似然解角装置，如图4所示，包括存储器40和处理器60，所述存储器50存储有计算机程序，所述处理器60执行所述计算机程序时能够实现本公开任一实施例所述的最大似然解角方法。本实施例的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(NetworkProcessor，简称NP)、微处理器等等，也可以是其他常规的处理器等；所述处理器还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)、离散逻辑或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件；也可以是上述器件的组合。即上述实施例的处理器可以是实现本发明实施例中公开的各方法、步骤及逻辑框图的任何处理器件或器件组合。如果部分地以软件来实施本公开实施例，那么可将用于软件的指令存储在合适的非易失性计算机可读存储媒体中，且可使用一个或多个处理器在硬件中执行所述指令从而实施本公开实施例的方法。
本公开一实施例还提供了一种非瞬态计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时能够实现本公开任一实施例所述的最大似然解角方法。
本公开一实施例还提供了一种集成电路，本公开上述实施例提供的最大似然解角方法可适用于该集成电路中，如图5所示，该集成电路201包括：信号收发通道2011，设置为通过天线发射探测信号和接收回波信号；模数电路模块2012，设置为将所述回波信号转换成数字信号，转换之前还可以进行滤波等预处理；数字信号处理模块2013，可针对上述的数字信号进行诸如距离维FFT、速度维FFT、恒虚警处理等以得到真实目标的数量，后续基于真实目标的数量等，将待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的到达方向角DOA；及，以目标(即图中的目标物)初始的DOA为初始值，通过迭代运算得到目标最终的DOA；目标最终的DOA角的精度高于目标初始的DOA。
在该集成电路中，还可以包括其他数字电路、数字功能模块以及运行控制设备，各类数字电路为集成电路的基础构成，不同的数字电路可以实现集成电路的不同功能。数字功能模块用于检测各个数字电路工作是否正常；运行控制设备可以对数字功能模块进行统一的配置管理。该集成电路可以采用统一的数字控制器通过数字控制接口与片上系统的数字功能模块连接，再通过配置模块和状态机实现对片上系统中数字功能模块运行状态的统一配置管理，提高了集成电路中片上系统的运行控制效率。
在本实施例的一个示例中，所述探测信号为毫米波信号，所述迭代运算采用牛顿迭代法或高斯-牛顿迭代法。
在本实施例的一个示例中，所述集成电路可以为毫米波雷达芯片。
本公开一实施例还提供了一种雷达系统，包括：承载体；如本公开任一实施例所述的集成电路，设置在所处承载体上；以及天线，设置在所述承载体上，与所述发收通道电连接，用于发射探测信号和接收回波信号。
在本实施例的一个示例中，所述天线包括多支发射天线和多支接收天线，所述集成电路中的信号收发通道为MIMO通道。
在本实施例的一个示例中，所述集成电路和天线集成在毫米波雷达芯片上。
在一个可选的实施例中，上述集成电路可以为毫米波雷达芯片。集成电路中的数字功能模块的种类可以根据实际需求确定。例如，在毫米波雷达芯片，数据处理模块可以用于诸如距离维多普勒变换、速度维多普勒变换、恒虚警检测、波达方向检测、点云处理等，用于获取目标的距离、角度、速度、形状、尺寸、表面粗糙度及介电特性等信息。
可选的，所述集成电路可为AiP(Antenna-In-Package，封装内天线)芯片结构、AoP(Antenna-On-Package，封装上天线)芯片结构或AoC(Antenna-On-Chip，片上天线)芯片结构。
在一个可选的实施例中，所述集成电路还可相互之间相互结合，以用于形成级联结构，为了阐述简便，在此便不予赘述，但应当理解的是，本领域人员基于本申请所记载的内容应当获悉的技术均应包含在本申请所记载的范围内。
在一些可选的实施例中，本申请还提供一种无线电器件，包括：承载体；如上述任一实施例所述的集成电路，所述集成电路可设置在承载体上；天线，设置在承载体上，或者与所述集成电路集成为一体器件设置在所述承载体上(即此时该天线可为AiP、AoP或AoC结构中所设置的天线)；其中，所述集成电路与天线连接(即此时传感芯片或集成电路未集成有天线，如常规的SoC等)，用于收发无线电信号。其中，承载体可以为印刷电路板PCB(如开发板、采数板或设备的主板等)，第一传输线可以为PCB走线。
在一些可选的实施例中，本申请还提供一种终端设备，包括：设备本体；以及设置于设备本体上的如上述任一实施例中所阐述的无线电器件；其中，该无线电器件可用于实现目标检测和/或无线通信等功能。
具体地，在上述实施例的基础上，在本申请的一个可选的实施例中，无线电器件可以设置在设备本体的外部，或者设置在设备本体的内部，而在本申请的其他可选的实施例中，无线电器件还可以一部分设置在设备本体的内部，一部分设置在设备本体的外部。本申请实施例对此不作限定，具体可视情况而定。
在一个可选的实施例中，上述设备本体可为应用于诸如智慧城市、智能住宅、交通、智能家居、消费电子、安防监控、工业自动化、舱内检测(如智能座舱)、医疗器械及卫生保健等领域的部件及产品。例如，该设备本体可为智能交通运输设备(如汽车、自行车、摩托车、船舶、地铁、火车等)、安防设备(如摄像头)、液位/流速检测设备、智能穿戴设备(如手环、眼镜等)、智能家居设备(如扫地机器人、门锁、电视、空调、智能灯等)、各种通信设备(如手机、平板电脑等)等，以及诸如道闸、智能交通指示灯、智能指示牌、交通摄像头及各种工业化机械臂(或机器人)等，也可为用于检测生命特征参数的各种仪器以及搭载该仪器的各种设备，例如汽车舱内生命特征检测、室内人员监控、智能医疗设备、消费电子设备等。
需要说明的是，无线电器件可通过发射及接收无线电信号实现诸如目标检测和/或通信等功能，以向设备本体提供检测目标信息和/或通讯信息，进而辅助甚至控制设备本体的运行。
例如，当上述的设备本体应用于先进驾驶辅助系统(即ADAS)时，作为车载传感器的无线电器件(如毫米波雷达)则可辅助ADAS系统实现诸如自适应巡航、自动刹车辅助(即AEB)、盲点检测预警(即BSD)、辅助变道预警(即LCA)、倒车辅助预警(即RCTA)、泊车辅助、后方车辆示警、防碰撞(如车门开门预警/防碰撞等)、行人探测等应用场景。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
Claims (14)
1.一种最大似然解角方法，应用于雷达系统，所述方法包括：
基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的到达方向角DOA；
以所述目标初始的DOA为初始值，通过迭代运算得到所述目标最终的DOA；所述目标最终的DOA角的精度高于所述目标初始的DOA。
2.根据权利要求1所述的方法，其特征在于，
所述迭代运算采用牛顿迭代法或高斯-牛顿迭代法。
3.根据权利要求2所述的方法，其特征在于，
所述基于接收信号和待搜索角度空间离散化而成的第一网格进行最大似然估计，得到目标初始的DOA，包括：
基于所述第一网格得到待搜索角度集合；
根据探测到的目标个数K，基于最大似然估计的搜索模型对所述待搜索角度集合进行K维搜索，K为正整数；
基于所述K维搜索的结果得到K个目标初始的DOA。
4.一种最大似然解角的方法，应用于雷达系统中波达方向估计中，所述方法包括：
获取真实目标的数量；
基于所述真实目标的数量，对待搜索角度空间进行至少一次离散化-最大似然估计处理，以得到第一目标网格；以及
对所述第一目标网格进行迭代运算以得到各所述真实目标的角度；
其中，所述离散化-最大似然估计处理包括将所述待搜索角度空间离散化形成网格结构后，进行最大似然估计以得到第一真实目标所在的网格。
5.根据权利要求4所述的方法，其特征在于，基于所述真实目标的数量，对待搜索角度空间进行一次离散化-最大似然估计处理时，进行最大似然估计所得到的第一真实目标所在的网格为所述第一目标网格。
6.根据权利要求4所述的方法，其特征在于，基于所述真实目标的数量，对待搜索角度空间进行至少两次离散化-最大似然估计处理时，所述离散化-最大似然估计处理还包括：
对所述第一真实目标所在的网格再次进行空间离散化形成更小颗粒度的网格结构后，再次进行最大似然估计以得到第二真实目标所在的网格；依次循环，直至最终得到的第M真实目标所在的网格精度满足需求；其中，M为大于等于2的整数。
7.根据权利要求4所述的方法，其特征在于，对所述第一目标网格进行迭代运算时，当相邻两次迭代运算的结果因子之间的差值小于预设值所对应的角度信息为各所述真实目标所对应的角度。
8.根据权利要求4-7中任一项所述的方法，其特征在于，所述迭代运算采用牛顿迭代法或高斯-牛顿迭代法。
9.一种雷达系统中的最大似然解角装置，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一所述的最大似然解角方法。
10.一种非瞬态计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一所述的最大似然解角方法。
11.一种集成电路，其特征在于，包括：
信号收发通道，设置为通过天线发射探测信号和接收回波信号；
模数电路模块，设置为将所述回波信号转换成数字信号；
数字信号处理模块，对所述数字信号采用如权利要求1-8中任一项所述的最大似然解角方法进行波达方向估计。
12.根据权利要求11所述的集成电路，其特征在于，所述探测信号为毫米波信号。
13.一种无线电器件，其特征在于，包括：
承载体；
如权利要求11或12所述的集成电路，设置在所处承载体上；以及
天线，设置在所述承载体上，与所述集成电路电连接，用于发射探测信号和接收回波信号。
14.一种终端设备，其特征在于，包括：
设备本体；以及
设置于所述设备本体上的如权利要求13所述的无线电器件；
其中，所述无线电器件用于目标检测和/或通信，以向所述设备本体的运行提供参考信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211351537.3A CN117991265A (zh) | 2022-10-31 | 2022-10-31 | 最大似然解角方法、装置、集成电路和雷达系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211351537.3A CN117991265A (zh) | 2022-10-31 | 2022-10-31 | 最大似然解角方法、装置、集成电路和雷达系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117991265A true CN117991265A (zh) | 2024-05-07 |
Family
ID=90887520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211351537.3A Pending CN117991265A (zh) | 2022-10-31 | 2022-10-31 | 最大似然解角方法、装置、集成电路和雷达系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117991265A (zh) |
-
2022
- 2022-10-31 CN CN202211351537.3A patent/CN117991265A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gamba | Radar signal processing for autonomous driving | |
| US11506776B2 (en) | Method and device with improved radar resolution | |
| US20190120955A1 (en) | System and method for camera radar fusion | |
| KR20220119396A (ko) | 카메라 맵 및/또는 레이더 정보를 이용한 오브젝트 사이즈 추정 | |
| US11808846B2 (en) | Angle-finding process for sparse uniform arrays | |
| CN112816960A (zh) | 车内生命探测方法、装置、设备和存储介质 | |
| US12078751B2 (en) | Radar apparatus, system, and method | |
| Cui et al. | 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars | |
| Pandey et al. | Classification of automotive targets using inverse synthetic aperture radar images | |
| US20130106647A1 (en) | Identifying a Location of a Target Object Using a Monopulse Radar System and Space-Time Adaptive Processing (STAP) | |
| KR20200065827A (ko) | 레이더 영상 재구성 기반 객체 추적 장치 및 방법 | |
| CN112859033A (zh) | 目标探测的方法、装置及相关设备 | |
| CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
| CN114708257B (zh) | Sar运动舰船目标检测方法及装置 | |
| Kavya et al. | DoA estimation for micro and nano UAV targets using AWR2243 cascaded imaging radar | |
| Gao et al. | Static background removal in vehicular radar: Filtering in azimuth-elevation-doppler domain | |
| Li et al. | Enhanced beamspace MUSIC for cost‐effective FMCW automotive radar | |
| Aloi et al. | Comparative analysis of single-channel direction finding algorithms for automotive applications at 2400 MHz in a complex reflecting environment | |
| CN105044721A (zh) | 机载正前视扫描雷达角超分辨方法 | |
| Hong et al. | Radar signal decomposition in steering vector space for multi-target classification | |
| CN109507634B (zh) | 一种任意传感器阵列下的基于传播算子的盲远场信号波达方向估计方法 | |
| Kang et al. | Body gesture recognition based on polarimetric micro-Doppler signature and using deep convolutional neural network | |
| CN117991265A (zh) | 最大似然解角方法、装置、集成电路和雷达系统 | |
| Kwak et al. | Multi‐view convolutional neural network‐based target classification in high‐resolution automotive radar sensor | |
| CN113325362A (zh) | 确定波达方向的方法、装置及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |