CN118068313A - 一种毫米波雷达、波达角测量方法和装置 - Google Patents

Abstract

本发明公开了一种毫米波雷达、波达角测量方法和装置，当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用数据信号计算稀疏循环天线阵列对应的协方差矩阵；根据协方差矩阵的特征分解结果，确定稀疏循环天线阵列内子阵列的阵元数量和平滑次数；根据阵元数量和平滑次数对子阵列进行前后向平滑，生成降维矩阵；根据降维矩阵确定数据信号对应的波达角，从而通过结合稀疏循环天线阵列进行波达角测角，能够显著提高角分辨率，实现单次快拍下的高分辨率测角。

Description

一种毫米波雷达、波达角测量方法和装置

技术领域

本发明涉及毫米波测量技术领域，尤其涉及一种毫米波雷达、波达角测量方法和装置。

背景技术

随着汽车行业向智能化、自动化的方向发展，高级辅助驾驶系统(AdvancedDriver Assistance System，ADAS)被广泛部署在汽车上，而辅助驾驶功能需要车载传感器对车身周围环境信息进行实时、精准的感知。毫米波雷达有着探测距离远、测距和测速精准、可以全天时全天候工作、尺寸小、价格低廉等优势，在辅助驾驶系统中发挥着重要作用。

车载毫米波雷达要实现较高的角分辨率，大多使用MIMO（Multiple-InputMultiple-Output）技术并采用稀疏阵列，稀疏阵列一般包括最小冗余阵、互质阵、嵌套阵，传统的数字波束合成(Digital Beam Forming，DBF)或者傅里叶变换（FFT）对稀疏阵列进行DOA测角，会形成很高的栅瓣干扰，且不能突破瑞利极限，导致信号难以分辨。

现有技术还提出了使用超分辨DOA算法进行DOA测角，但由于其大多需要积累多个快拍的观测，而车载毫米波雷达处于高速运动的环境，该多快拍、复杂运算的超分辨算法并不适用于该场景，难以实现高分辨率的测角。

发明内容

本发明提供了一种毫米波雷达、波达角测量方法和装置，解决了现有的超分辨DOA算法进行测角大多需要积累多个快拍的观测，而车载毫米波雷达处于高速运动的环境，该多快拍、复杂运算的超分辨算法并不适用于该场景，难以实现高分辨率的测角的技术问题。

本发明第一方面提供的一种毫米波雷达，包括雷达本体和稀疏循环天线阵列，所述稀疏循环天线阵列安装于所述雷达本体上；

所述稀疏循环天线阵列包括多个阵元；

所述阵元沿第一间距和第二间距交替设置；

所述阵元的阵元位置满足所述第一间距和所述第二间距构成的预设位置关系。

可选地，所述第一间距与所述第二间距均大于半波长；

所述第一间距与所述第二间距之间存在互质关系。

可选地，所述预设位置关系为：

；

其中，为第i个阵元位置，/>为第一间距，/>为第二间距，/>为第一间距的已出现次数，/>为第二间距的已出现次数。

本发明第二方面提供了一种波达角测量方法，应用于本发明第一方面任一项所述的毫米波雷达连接的处理器，所述方法包括：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用所述数据信号计算所述稀疏循环天线阵列对应的协方差矩阵；

根据所述协方差矩阵的特征分解结果，确定所述稀疏循环天线阵列内子阵列的阵元数量和平滑次数；

根据所述阵元数量和所述平滑次数对所述子阵列进行前后向平滑，生成降维矩阵；

根据所述降维矩阵确定所述数据信号对应的波达角。

可选地，所述当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用所述数据信号计算所述稀疏循环天线阵列对应的协方差矩阵，包括：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，计算所述数据信号和所述数据信号的共轭转置矩阵的乘值，得到所述稀疏循环天线阵列对应的协方差矩阵。

可选地，所述根据所述协方差矩阵的特征分解结果，确定所述稀疏循环天线阵列内子阵列的阵元数量和平滑次数，包括：

对所述协方差矩阵进行特征分解，得到多个特征值；

将大于预设特征阈值的特征值数量确定为信源数量；

按照所述信源数量构建匹配条件，并确定所述稀疏循环天线阵列内子阵列符合所述匹配条件的阵元数量和平滑次数。

可选地，所述根据所述阵元数量和所述平滑次数对所述子阵列进行前后向平滑，生成降维矩阵，包括：

按照所述阵元数量从所述协方差矩阵提取所述子阵列对应的子阵列协方差矩阵；

根据所述子阵列协方差矩阵和所述平滑次数进行前向平滑，确定前向平滑协方差矩阵；

根据所述子阵列协方差矩阵和所述平滑次数进行后向平滑，确定后向平滑协方差矩阵；

对所述前向平滑协方差矩阵和所述后向平滑协方差矩阵求和后取均值，生成降维矩阵。

可选地，所述根据所述降维矩阵确定所述数据信号对应的波达角，包括：

对所述降维矩阵进行特征值分解，生成多个降维特征值和特征向量矩阵；

按照所述信源数量从多个所述降维特征值选取信号特征值，并将剩余的降维特征值确定为噪声特征值；

创建第一导向矢量，并采用所述噪声特征值对应的特征向量构建噪声子空间矩阵；

按照所述第一导向矢量对所述噪声子空间矩阵进行遍历，确定稀疏循环天线阵列的第一谱函数；

将所述第一谱函数中的谱峰确定为所述数据信号对应的波达角。

可选地，所述根据所述降维矩阵确定所述数据信号对应的波达角，包括：

计算所述降维矩阵对应的降维逆矩阵，并构建第二导向矢量；

采用所述第二导向矢量和所述降维逆矩阵，计算稀疏循环天线阵列的第二谱函数；

将所述第二谱函数中的谱峰确定为所述数据信号对应的波达角。

本发明第三方面提供了一种波达角测量装置，应用于本发明第一方面任一项所述的毫米波雷达连接的处理器，所述装置包括：

协方差矩阵计算模块，用于当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用所述数据信号计算所述稀疏循环天线阵列对应的协方差矩阵；

子阵列参数确定模块，用于根据所述协方差矩阵的特征分解结果，确定所述稀疏循环天线阵列内子阵列的阵元数量和平滑次数；

降维矩阵生成模块，用于根据所述阵元数量和所述平滑次数对所述子阵列进行前后向平滑，生成降维矩阵；

波达角确定模块，用于根据所述降维矩阵确定所述数据信号对应的波达角。

从以上技术方案可以看出，本发明具有以下优点：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用数据信号计算稀疏循环天线阵列对应的协方差矩阵；根据协方差矩阵的特征分解结果，确定稀疏循环天线阵列内子阵列的阵元数量和平滑次数；根据阵元数量和平滑次数对子阵列进行前后向平滑，生成降维矩阵；根据降维矩阵确定数据信号对应的波达角，从而通过结合稀疏循环天线阵列进行波达角测角，能够显著提高角分辨率，实现单次快拍下的高分辨率测角。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种毫米波雷达的稀疏循环天线阵列示意图；

图2为本发明实施例中的一种波达角测量方法的步骤流程图；

图3为本发明实施例中一种毫米波雷达的稀疏循环天线阵列示意图；

图4为本发明实施例提供的针对3个目标信源的数据信号的仿真试验结果图；

图5为本发明实施例提供的针对4个目标信源的数据信号的仿真试验结果图；

图6为本发明实施例提供的针对单个目标信源的数据信号的仿真试验结果图；

图7为本发明实施例提供的一种波达角测量方法的结构框图。

具体实施方式

本发明实施例提供了一种毫米波雷达、波达角测量方法和装置，用于解决现有的超分辨DOA算法进行测角大多需要积累多个快拍的观测，而车载毫米波雷达处于高速运动的环境，该多快拍、复杂运算的超分辨算法并不适用于该场景，难以实现高分辨率的测角的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

请参阅图1，图1为本发明实施例提供的一种毫米波雷达的稀疏循环天线阵列示意图。

本发明提供的一种毫米波雷达，包括雷达本体和稀疏循环天线阵列，稀疏循环天线阵列安装于雷达本体上；

稀疏循环天线阵列包括多个阵元；

阵元沿第一间距和第二间距交替设置；

阵元的阵元位置满足第一间距和第二间距构成的预设位置关系。

毫米波雷达指的是通过采用MIMO技术形成的稀疏循环天线阵列构建的雷达，其中稀疏循环天线阵列安装于雷达本体上，且为一维阵列，且相邻两个阵元之间的间距分别为交替设置的第一间距和第二间距，第一间距与第二间距互质且大于半波长。

在本发明实施例中，稀疏循环天线阵列由多个阵元构成，在阵列中相邻的两个阵列之间的间距分别为交替设置的第一间距和第二间距/>，即第一、二个阵元的间距为/>，第二、三阵元的间距为/>，第三、四阵元的间距为/>，第四、五阵元的间距为/>，依次循环重复。此外，每个阵元的阵元位置满足第一间距和第二间距构成的预设位置关系。

预设位置关系为：

；

其中，为第i个阵元位置，/>为第一间距，/>为第二间距，/>为第一间距的已出现次数，/>为第二间距的已出现次数。

在本发明的一个示例中，第一间距与第二间距均大于半波长；

第一间距与第二间距之间存在互质关系。

在现有的信号方向估计过程中，由于不同的信源角度可能对应同一导向矢量，即存在以下关系：

；

其中，和/>分别为不同的信源角度，j为虚数的表示形式，j²=-1，且均处于；/>为阵元在稀疏循环天线阵列内的阵元位置，且满足。由上式可得：

；

其中，为/>的正弦值和/>的正弦值之间的差值，/>为/>的自然数倍数。

由于测角范围为，可推导得到/>。可以推导出，当/>之间存在互质关系时，/>，即/>，因此，对于本发明实施例的毫米波雷达和稀疏循环阵列，不同信源角度对应不同的导向矢量，方向估计无模糊。

在本发明实施例中，提供了一种毫米波雷达，包括雷达本体和稀疏循环天线阵列，该稀疏循环天线阵列安装在雷达本体上以收发数据信号并传输至后续的处理器进行信号处理。该稀疏循环天线阵列包括多个阵元，相邻阵元两两之间依次以第一间距和第二间距交替设置。该第一间距和第二间距之间存在互质关系，可以通过角分辨率的要求对其间距和数量进行灵活调整，且第一间距和第二间距均大于半波长，使得稀疏循环天线阵列的孔径能够大幅扩展，显著提高角分辨率，从而实现单次快拍下的高分辨率测角。

请参阅图2，图2为本发明实施例中的一种波达角测量方法的步骤流程图。

本发明实施例提供了一种波达角测量方法，其应用于上述任一实施例毫米波雷达连接的处理器，方法包括：

步骤201，当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用数据信号计算稀疏循环天线阵列对应的协方差矩阵；

在本发明的一个示例中，步骤201可以包括以下子步骤：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，计算数据信号和数据信号的共轭转置矩阵的乘值，得到稀疏循环天线阵列对应的协方差矩阵。

在本实施例中，稀疏循环天线阵列对外部的数据信号进行实时监听，当其检测到存在数据信号发送至本毫米波雷达时，通过稀疏循环天线阵列在单次快拍中数据信号，进一步对该数据信号以矩阵形式解析，将其与对应的共轭转置矩阵进行点乘，生成稀疏循环天线阵列在单次快拍内对应的协方差矩阵：

；

其中，T为快拍数量，单次快拍则为1，为t时刻捕获的数据信号的矩阵，/>为t时刻的数据信号的共轭转置矩阵。

在具体实现中，可以通过下述过程获取：在接收到ADC数据后，将数据整理为距离维*速度维*天线维的三维矩阵D1，第一步进行距离维FFT、多普勒维FFT，获得矩阵D2；第二步对D2进行天线维度的非相干累积后，进行CFAR检测，获取能量较高的速度门和距离门索引；第三步，对于上述能量较高的速度距离门，利用上一步获取的距离和速度索引代入D2，即可获得/>，即1*天线维的数据，用于（Direction Of Arrival，DOA）波达方向角度估计。

波达方向（Direction Of Arrival）估计，又称为角谱估计（Angle spectralestimation）、波达角（Angle Of Arrival）估计。一个信源有很多可能的传播路径和到达角。如果几个发射机同时工作，每个信源在接收机处形成潜在的多径分量。因此，接收天线能估计出这些到达角就显得很重要，目的是估计出哪个发射机在工作以及发射机所处的方向，简单的说就是利用己方雷达接收来自目标发射机的来波方向进行估计。

步骤202，根据协方差矩阵的特征分解结果，确定稀疏循环天线阵列内子阵列的阵元数量和平滑次数；

在本发明的一个示例中，步骤202可以包括以下子步骤：

对协方差矩阵进行特征分解，得到多个特征值；

将大于预设特征阈值的特征值数量确定为信源数量；

按照信源数量构建匹配条件，并确定稀疏循环天线阵列内子阵列符合匹配条件的阵元数量和平滑次数。

在选择子阵列时，需要同时考虑三个因素：子阵列的重复性、阵元个数、空间平滑的次数。子阵列的重复性，指的是无论是前向或后向平滑，子阵列的阵元排列必须是完全一致的。而阵元数量P和平滑次数L，其互为反比关系，即P越大则L越小。

为选取到P和L都尽可能大的子阵列，同时平衡信源数量和阵列利用率，在计算得到数据信号的协方差矩阵后，可以先对信源数量进行估算以构建匹配条件，具体可以先对协方差矩阵进行特征分解，以获取到从大至小排序的多个特征值。与此同时可以按照预设特征阈值对各个特征值进行判断，统计大于预设特征阈值的特征值对应的特征值数量，将其确定为信源数量K。

值得一提的是，在出厂过程中，稀疏循环天线阵列的阵元数量已定，为进一步降低计算损耗，可以直接设定一个定值作为阵元数量和平滑次数。

按照信源数量构建匹配条件，即，通过检索阵元数量和平滑次数的组合，选取阵元数量和平滑次数的差值绝对值最小的组合作为稀疏循环天线阵列内子阵列符合匹配条件的阵元数量和平滑次数。

请参阅图1，在本实施例中，右向箭头表示前向平滑，左向箭头表示后向平滑，第一种选择下P=4、L=4，第二种选择下P=5、L=2，结合匹配条件可知，第一种选择能对更多的信源进行DOA估计。

步骤203，根据阵元数量和平滑次数对子阵列进行前后向平滑，生成降维矩阵；

在本发明的一个示例中，步骤203可以包括以下子步骤：

按照阵元数量从协方差矩阵提取子阵列对应的子阵列协方差矩阵；

根据子阵列协方差矩阵和平滑次数进行前向平滑，确定前向平滑协方差矩阵；

根据子阵列协方差矩阵和平滑次数进行后向平滑，确定后向平滑协方差矩阵；

对前向平滑协方差矩阵和后向平滑协方差矩阵求和后取均值，生成降维矩阵。

在本实施例中，在计算得到合适的阵元数量和平滑次数的组合后，按照该阵元数量选取多个阵元构建子阵列，并按照阵元数量对协方差矩阵进行截取，以获取到其对应的子阵列协方差矩阵。例如子阵列的阵元数量为4时，则首个子阵列协方差矩阵从协方差矩阵的左上角起依次选取纵横尺寸皆为4个元素的矩阵作为子阵列协方差矩阵。

根据子阵列协方差矩阵和平滑次数，对该子阵列进行前向平滑，确定前向平滑协方差矩阵：

；

其中，为第l个子阵列的协方差矩阵，/>为平滑次数。

同样地，对子阵列进行后向平滑确定后向平滑协方差矩阵，其滑动方向与前向平滑相反，后向平滑协方差矩阵/>为前向平滑协方差矩阵/>的共轭倒序矩阵。

在本发明实施例中，由于其稀疏循环天线阵列内第一间距和第二间距的设计特征，其前向平滑的次数通常与后向平滑的次数相等，此时可以直接对前向平滑协方差矩阵和后向平滑协方差矩阵求和后取均值，生成降维矩阵作为后续波达角计算的数据基础：

；

步骤204，根据降维矩阵确定数据信号对应的波达角。

在本发明的一个示例中，步骤204可以包括以下子步骤：

对降维矩阵进行特征值分解，生成多个降维特征值和特征向量矩阵；

按照信源数量从多个降维特征值选取信号特征值，并将剩余的降维特征值确定为噪声特征值；

创建第一导向矢量，并采用噪声特征值对应的特征向量构建噪声子空间矩阵；

按照第一导向矢量对噪声子空间矩阵进行遍历，确定稀疏循环天线阵列的第一谱函数；

将第一谱函数中的谱峰确定为数据信号对应的波达角。

特征值分解指的是将某一矩阵分解为一组特征值与特征向量所组成的向量矩阵的乘积的过程。

在本发明实施例中，在计算得到降维矩阵后，为确定噪声子空间，可以先直接对降维矩阵进行特征值分解，得到多个从高至低排序的降维特征值及其对应的特征向量矩阵，按照信源数量从多个降维特征值中选取信号特征值，并将多个降维特征值内剩余部分确定为噪声特征值，采用噪声特征值对应的特征向量构建噪声子空间，获取其对应的噪声子空间矩阵，与此同时构建第一导向矢量。

对降维矩阵进行特征值分解，获得噪声子空间/>：

；

式中，和/>分别表示信号和噪声子空间矩阵，/>和/>分别表示信号和噪声的特征值组成的矩阵；/>表示降维矩阵进行特征值分解后的降维特征值的集合，将这些特征值由大到小排列，前K个特征值为信号的特征值，K为信源数量，其余为噪声特征值；该K个特征值分别为特征值矩阵/>的对角线上的元素，/>为以噪声特征值作为矩阵对角线元素组成的矩阵；/>和/>表示降维矩阵进行特征值分解后的特征向量组成的矩阵，由/>和/>组成，/>为/>的共轭转置矩阵，/>为/>的共轭转置矩阵，/>为/>的共轭转置矩阵。

再构建第一导向矢量：

；

其中，表示选择的子阵列中的各阵元位置，表示目标波达方向。

在完成第一导向矢量的构建后，可以按照第一导向矢量对噪声子空间矩阵进行遍历，确定稀疏循环天线阵列的第一谱函数，将第一谱函数中的谱峰确定为数据信号对应的波达角。

；

其中，为/>的共轭转置矩阵。

在本发明的另一个示例中，步骤204可以包括以下子步骤：

计算降维矩阵对应的降维逆矩阵，并构建第二导向矢量；

采用第二导向矢量和降维逆矩阵，计算稀疏循环天线阵列的第二谱函数；

将第二谱函数中的谱峰确定为数据信号对应的波达角。

在本发明实施例中，可以通过先计算降维矩阵的逆，再构建第二导向矢量，最后计算阵列空间的谱函数/>，谱峰为数据信号对应的波达角：

；

其中，第二导向矢量与第一导向矢量相同。

在具体实现中，在使用本实施例稀疏循环天线阵列的情况下，可以直接用多重信号分类（MUSIC）或最优波束形成（MVDR）算法进行波达角的估计。

为进一步体现本发明实施例中阵列和测角准确度，以图3中所示例的稀疏循环阵列为例。单位长度d为半波长，发射天线的位置为、接收天线为/>，则其MIMO天线阵列的阵元位置为/>，相邻两个阵元的间距为3d和4d，且交替循环。

选择合适的子阵列，并计算降维矩阵。示例中选择的子阵列包含6个阵元，平滑次数等于8，其中包含4次前向与4次后向平滑。利用降维矩阵，用MUSIC或MVDR方法计算稀疏循环天线阵列的波谱。

针对3个目标信源的数据信号的仿真试验的结果如图4所示，针对4个目标信源的数据信号的仿真试验的结果如图5所示，两次试验的目标波达角分别与，快拍数等于1，图4和图5中，本发明的MUSIC和MVDR谱可以准确估计多个目标数据信号的波达角，角分辨率为2°，远高于采用半波长均匀阵列进行测角的瑞利极限9.59°；图6为单快拍下对单个目标数据信号的实测结果。因此，可以证明，本发明实施例的稀疏循环天线阵列设计及测角方法在单快拍的条件下，可以对单个或多个目标实现高分辨、无模糊的测角。空间平滑算法原本只适合于阵元等间隔的线性阵，用于相干信号的DOA估计，而在本发明实施例中，通过稀疏循环天线阵列的设计和对应方法的实施例，有效扩充了该算法的使用场景。

在本发明实施例中，当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用数据信号计算稀疏循环天线阵列对应的协方差矩阵；根据协方差矩阵的特征分解结果，确定稀疏循环天线阵列内子阵列的阵元数量和平滑次数；根据阵元数量和平滑次数对子阵列进行前后向平滑，生成降维矩阵；根据降维矩阵确定数据信号对应的波达角，从而通过结合稀疏循环天线阵列进行波达角测角，能够显著提高角分辨率，实现单次快拍下的高分辨率测角。

请参阅图7，图7示出了本发明实施例的一种波达角测量装置的结构框图。

本发明实施例提供了一种波达角测量装置，应用于本发明任一实施例的毫米波雷达连接的处理器，装置包括：

协方差矩阵计算模块701，用于当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用数据信号计算稀疏循环天线阵列对应的协方差矩阵；

子阵列参数确定模块702，用于根据协方差矩阵的特征分解结果，确定稀疏循环天线阵列内子阵列的阵元数量和平滑次数；

降维矩阵生成模块703，用于根据阵元数量和平滑次数对子阵列进行前后向平滑，生成降维矩阵；

波达角确定模块704，用于根据降维矩阵确定数据信号对应的波达角。

可选地，协方差矩阵计算模块701具体用于：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，计算数据信号和数据信号的共轭转置矩阵的乘值，得到稀疏循环天线阵列对应的协方差矩阵。

可选地，子阵列参数确定模块702具体用于：

对协方差矩阵进行特征分解，得到多个特征值；

将大于预设特征阈值的特征值数量确定为信源数量；

按照信源数量构建匹配条件，并确定稀疏循环天线阵列内子阵列符合匹配条件的阵元数量和平滑次数。

可选地，降维矩阵生成模块703具体用于：

按照阵元数量从协方差矩阵提取子阵列对应的子阵列协方差矩阵；

根据子阵列协方差矩阵和平滑次数进行前向平滑，确定前向平滑协方差矩阵；

根据子阵列协方差矩阵和平滑次数进行后向平滑，确定后向平滑协方差矩阵；

对前向平滑协方差矩阵和后向平滑协方差矩阵求和后取均值，生成降维矩阵。

可选地，波达角确定模块704具体用于：

对降维矩阵进行特征值分解，生成多个降维特征值和特征向量矩阵；

按照信源数量从多个降维特征值选取信号特征值，并将剩余的降维特征值确定为噪声特征值；

创建第一导向矢量，并采用噪声特征值对应的特征向量构建噪声子空间矩阵；

按照第一导向矢量对噪声子空间矩阵进行遍历，确定稀疏循环天线阵列的第一谱函数；

将第一谱函数中的谱峰确定为数据信号对应的波达角。

可选地，波达角确定模块704具体用于：

计算降维矩阵对应的降维逆矩阵，并构建第二导向矢量；

采用第二导向矢量和降维逆矩阵，计算稀疏循环天线阵列的第二谱函数；

将第二谱函数中的谱峰确定为数据信号对应的波达角。

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。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，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。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种毫米波雷达，其特征在于，包括雷达本体和稀疏循环天线阵列，所述稀疏循环天线阵列安装于所述雷达本体上；

所述稀疏循环天线阵列包括多个阵元；

所述阵元沿第一间距和第二间距交替设置；

所述阵元的阵元位置满足所述第一间距和所述第二间距构成的预设位置关系；

所述第一间距与所述第二间距均大于半波长；

所述第一间距与所述第二间距之间存在互质关系；

所述预设位置关系为：

；

其中，为第i个阵元位置，/>为第一间距，/>为第二间距，/>为第一间距的已出现次数，为第二间距的已出现次数。

2.一种波达角测量方法，其特征在于，应用于权利要求1所述的毫米波雷达连接的处理器，所述方法包括：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用所述数据信号计算所述稀疏循环天线阵列对应的协方差矩阵；

根据所述协方差矩阵的特征分解结果，确定所述稀疏循环天线阵列内子阵列的阵元数量和平滑次数；

根据所述阵元数量和所述平滑次数对所述子阵列进行前后向平滑，生成降维矩阵；

根据所述降维矩阵确定所述数据信号对应的波达角。

3.根据权利要求2所述的方法，其特征在于，所述当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用所述数据信号计算所述稀疏循环天线阵列对应的协方差矩阵，包括：

当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，计算所述数据信号和所述数据信号的共轭转置矩阵的乘值，得到所述稀疏循环天线阵列对应的协方差矩阵。

4.根据权利要求2所述的方法，其特征在于，所述根据所述协方差矩阵的特征分解结果，确定所述稀疏循环天线阵列内子阵列的阵元数量和平滑次数，包括：

对所述协方差矩阵进行特征分解，得到多个特征值；

将大于预设特征阈值的特征值数量确定为信源数量；

按照所述信源数量构建匹配条件，并确定所述稀疏循环天线阵列内子阵列符合所述匹配条件的阵元数量和平滑次数。

5.根据权利要求2所述的方法，其特征在于，所述根据所述阵元数量和所述平滑次数对所述子阵列进行前后向平滑，生成降维矩阵，包括：

按照所述阵元数量从所述协方差矩阵提取所述子阵列对应的子阵列协方差矩阵；

根据所述子阵列协方差矩阵和所述平滑次数进行前向平滑，确定前向平滑协方差矩阵；

根据所述子阵列协方差矩阵和所述平滑次数进行后向平滑，确定后向平滑协方差矩阵；

对所述前向平滑协方差矩阵和所述后向平滑协方差矩阵求和后取均值，生成降维矩阵。

6.根据权利要求4所述的方法，其特征在于，所述根据所述降维矩阵确定所述数据信号对应的波达角，包括：

对所述降维矩阵进行特征值分解，生成多个降维特征值和特征向量矩阵；

按照所述信源数量从多个所述降维特征值选取信号特征值，并将剩余的降维特征值确定为噪声特征值；

创建第一导向矢量，并采用所述噪声特征值对应的特征向量构建噪声子空间矩阵；

按照所述第一导向矢量对所述噪声子空间矩阵进行遍历，确定稀疏循环天线阵列的第一谱函数；

将所述第一谱函数中的谱峰确定为所述数据信号对应的波达角。

7.根据权利要求2所述的方法，其特征在于，所述根据所述降维矩阵确定所述数据信号对应的波达角，包括：

计算所述降维矩阵对应的降维逆矩阵，并构建第二导向矢量；

采用所述第二导向矢量和所述降维逆矩阵，计算稀疏循环天线阵列的第二谱函数；

将所述第二谱函数中的谱峰确定为所述数据信号对应的波达角。

8.一种波达角测量装置，其特征在于，应用于权利要求1所述的毫米波雷达连接的处理器，所述装置包括：

协方差矩阵计算模块，用于当接收到稀疏循环天线阵列在单次快拍捕获的数据信号时，采用所述数据信号计算所述稀疏循环天线阵列对应的协方差矩阵；

子阵列参数确定模块，用于根据所述协方差矩阵的特征分解结果，确定所述稀疏循环天线阵列内子阵列的阵元数量和平滑次数；

降维矩阵生成模块，用于根据所述阵元数量和所述平滑次数对所述子阵列进行前后向平滑，生成降维矩阵；

波达角确定模块，用于根据所述降维矩阵确定所述数据信号对应的波达角。