CN1808176A - 车辆传感器系统和方法 - Google Patents

Abstract

一种用于确定汽车雷达系统的检测区域内的物体的目标参数的方法(100)，该方法包括步骤：(a)由范围序列建立目标范围(101)；(b)在目标范围上停留初始停留时间以获得感测数据(102)；(c)根据物体在目标范围处的存在和不存在的概率密度分布，确定感测数据是与目标范围处的物体的存在还是与物体的不存在相对应(103)，如果无法做出该确定，则重复步骤(b)－(c)直到可以做出确定为止；(d)如果在步骤(c)中确定感测数据对应于物体的存在，则在前进到步骤(e)之前在目标范围处停留延长的停留时间以获得用来确定物体的目标参数的额外感测数据(104)；和(e)在重复步骤(b)－(e)之前将范围序列的下一个(105)作为目标范围。

Description

车辆传感器系统和方法

技术领域

本发明总的涉及一种用于检测车辆周围物体的存在的系统和方法，尤其涉及一种以减少的射频(RF)传输和计算开销来检测物体的存在并且估计其参数的车辆雷达系统和方法。

背景技术

车辆感测系统正在日益普及。这些系统用来检测和跟踪与运动车辆有关的物体。车辆感测系统的例子包括支持诸如自动巡航控制(ACC)之类的长距离应用的雷达，和支持诸如辅助停车(parking aid)、停车-起步(stop&go)和预防碰撞(pre-crash)检测之类的较短距离应用的短距离雷达(SRR)。这里尤其感兴趣的是SRR。

在其当前的实现方案中，SSR是为安装在机动车辆上而设计的24-GHz相干脉冲雷达，能够检测0到30米范围和方位(bearing)中的物体。为此，雷达在特定的离散范围处“停留”(dwell)，以在换到离散范围的序列中的下一范围之前搜索在该范围处物体的存在。典型的系统在每40毫秒周期内完成一个0-30米扫描。由观测到物体的特定范围确定该物体的物体范围。然而，物体的其他目标参数的估计(如方位)需要通过雷达的切换波束(switche-beam)单脉冲设计获得的额外信息。具体地说，雷达可以在两个重叠的天线方向图(称为和波束(sum beam)及差波束(difference beam))之间切换。按照单脉冲理论的规定，使用来自每个天线波束的信号计算物体方位。

尽管日益普及，但SRR和其他车辆感测系统依旧面临重要的问题。比较重要的问题之一是与确定目标参数相关的停留时间。特别地，即使没有物体存在，在每个范围处也常常用足够的停留来估计目标参数。这容易使系统的整体工作变慢，这在车辆感测系统中尤其成问题，因为通常车辆和物体都在快速运动，因此本质上需要立即检测物体。

因此，需要一种更有效确定目标参数的车辆感测系统以增加工作速度，最小化计算开销并且减少RF发射。本发明尤其满足该需要。

发明内容

因此，提供确定在汽车雷达系统的检测区域内的物体的目标参数的解决方案。该方法包括步骤：(a)从范围序列中建立目标范围；(b)在所述目标范围上停留初始停留时间以获得感测数据；(c)根据物体在所述目标范围处的存在和不存在的概率密度分布，确定感测数据是对应于所述目标范围处的物体的存在还是物体的不存在，如果无法做出所述确定，则重复步骤(b)-(c)直到可以做出所述确定为止；(d)如果在步骤(c)中确定所述感测数据对应于物体的存在，则在前进到步骤(e)之前在所述目标范围处停留延长的停留时间以获得用来确定所述物体的目标参数的额外感测数据；和(e)在重复步骤(b)-(e)之前将所述范围序列的下一个作为目标范围。

通过用于感测车辆周边附近的物体的系统提供另一个解决方案。该系统包括至少一个被配置成执行下述步骤的计算机：(a)从范围序列中建立目标范围；(b)在所述目标范围上停留初始停留时间以获得感测数据；(c)根据物体在所述目标范围处的存在和不存在的概率密度分布，确定感测数据是对应于所述目标范围处的物体的存在还是物体的不存在，如果无法做出所述确定，则重复步骤(b)-(c)直到可以做出所述确定为止；(d)如果在步骤(c)中确定所述感测数据对应于物体的存在，则在前进到步骤(e)之前在所述目标范围处停留延长的停留时间以获得用来确定所述物体的目标参数的额外感测数据；和(e)在重复步骤(b)-(e)之前将所述范围序列的下一个作为目标范围。

通过与车辆雷达系统组合来感测车辆周边附近的物体的系统提供另一个解决方案。所述系统包括：(a)数据处理器；(b)输入端，用来从所述车辆雷达系统接收雷达数据；(c)可操作地连接到所述数据处理器的存储器，所述存储器包括至少以下指令：(i)检测模块，用于从范围序列中建立目标范围，指示所述车辆雷达系统在所述目标范围上停留初始停留时间以获得雷达数据；并且根据物体在所述目标范围处的存在和不存在的概率密度分布，确定所述雷达数据是对应于所述目标范围处的物体的存在还是物体的不存在，如果无法确定所述物体的存在或不存在，则重复初始停留时间来收集更多雷达数据；(ii)收集模块，用于在所述检测模块确定物体存在之后在所述目标范围处停留延长的停留时间以获得用来确定所述物体的目标参数的额外感测数据；和(iii)状态估计模块，用于从所述额外感测数据中确定所述物体的目标参数。

附图说明

现在将参照附图以示例的方式描述本发明，其中：

图1示出本发明的方法的优选实施例的流程图。

图2示出本发明的系统的优选实施例的流程图。

图3示出图2所示的系统的检测模块的优选实施例的流程图。

图4示出在特定量的目标范围处存在物体的情况下、以及在特定量的目标范围处不存在物体的情况下的概率密度分布的例子。

图5示出图2所示的系统的收集模块的优选实施例的流程图。

图6示出图2所示的系统的状态估计模块的优选实施例的流程图。

图7示出典型的车辆雷达安装。

具体实施方式

这里描述的是用于快速并准确地确定车辆周围物体的存在的车辆检测系统和方法。这里使用的术语“车辆”指的是任何相对于其他物体运动的基本实体。最好，车辆装载一个或多个人以供运输或娱乐的目的。这些车辆的例子包括汽车(小汽车和卡车)、飞机、船舶(包括个人船只、小船、轮船和潜水艇)以及轨道车辆(包括火车、有轨电车和地铁)。还希望车辆可以静止而物体可以相对于它运动(例如，双向的收费)。最好，车辆是汽车，这里结合汽车描述本发明。

这里使用的术语“车辆感测系统”指的是基于车辆的传感系统，其检测车辆周围物体的存在并且确定物体的诸如速度和方位之类的目标参数。车辆感测系统典型地将某个范围作为目标，并且“停留”在其上来收集数据。获得的数据可以是离散的读数或雷达脉冲，或者是一串读数或雷达脉冲。获得的数据质量通常是停留时间的函数，较长停留时间等于较高质量的数据(即，较高的信噪比，其提高确定的目标参数的准确性)。例如，感测系统可以基于回波电磁辐射(例如激光、雷达)、声学(例如声纳、超声波)和热成像(例如红外)。最好，感测系统基于电磁回波，特别是雷达。在特定优选实施例中，雷达是短距离雷达(SRR)。该系统是公知的，因此这里将不再详细讨论其细节。为了说明的目的，这里的描述具体考虑SRR，但本发明不限于该实施例。

本发明提供一种以减少的计算资源的花费和RF发射来检测车辆周围物体的系统和方法。为此，本发明的系统和方法在投入计算资源并且发射大量RF来确定在特定范围处的物体的目标参数之前，首先确定物体是否很可能在该特定范围处存在。特别地，申请人认识到在现有技术的方法中，停留一段足够检测物体并且足够计算其目标参数的一段时间来检测物体是低效的。为了提高效率，申请人应用统计分析和概率密度分布来在停留更久以确定目标参数之前，确定最初获得的数据是否与物体的存在相一致。因此，本发明的一个方面提供一种在获得足够数据来确定物体目标参数之前确定物体的存在的方法。

参照图1，示出本发明的方法的流程图100。(值得一提的是，尽管这里按照步骤描述了本发明，但这是为了便于理解，而不是意图限制本发明的范围。实际上，应当认为一个或多个步骤的功能可以合并或分成其他步骤。)在步骤101中，从范围的序列中初始化目标范围。接着，在步骤102中获得目标范围的雷达数据。在步骤103中，根据一个或多个概率密度分布，确定数据是对应于目标范围处物体的存在还是物体的不存在。如果在步骤103中无法做出确定，则重复步骤102来收集在同一目标范围处的额外数据，直到可以做出该确定为止。如果在步骤103中确定雷达数据对应于物体的存在，则在前进到步骤105之前在步骤104中确定物体的目标参数。在步骤105中，在重复步骤102-105之前将下一序列范围建立为目标范围。下面将更详细地考虑该方法的细节和它在系统中的集成。

参照图2，示出本发明的系统的优选实施例的流程图200。在该流程图和本申请中的所有流程图中，实线表示控制流，而虚线表示数据流。椭圆表示实现某功能处理的模块；菱形是判决；而两条并行线表示数据存储。图2所示的方法在每个感测周期执行一次。周期时间取决于使用的具体感测系统。例如，在SRR系统中，扫描时间接近每40毫秒一次。

处理在“扫描开始”202处开始，对应于扫描的第一或初始化的范围。检测模块203确定在当前段(bin)中是否存在物体。如果没有检测到物体，则在方框208做出关于是否需要在当前周期(即扫描)中考虑另外的范围的判断。如果是的话，则在步骤204中雷达进行递增处理考虑下一范围。如果检测到物体，则收集模块205在递增到步骤204中的范围之前收集在当前范围处的额外雷达数据。每个在段中检测到的物体导致额外的雷达数据被置入收集数据存储器206中。状态估计模块207处理这些数据并且将其输出到物体列表存储器209中。该输出表示在当前周期中观测到的所有物体的列表。按照物体参数(即，状态)的估计值来描述每个物体，物体参数可以包括范围、方位和多普勒速度。在这样考虑了所有范围之后完成扫描，在“扫描完成”210处结束。

值得注意的是，仅仅对包括检测到物体的段调用收集模块。这样，因为判决结果确定是否应当收集额外的雷达数据，因此必须实时地(on the fly)执行检测判决。这对于不包含物体的大多数段来说在停留时间上提供了很大的优点。原本浪费在空段上的时间现在可以用于其他目的，如在实际包含物体的段上停留更久。这提高了输出到物体列表存储器的、估计的物体参数的精确度。

并没有要求状态估计模块在特定段中收集额外的雷达数据之后马上执行它的功能。它可以马上执行功能，或者在对特定扫描收集了所有这样的数据之后执行。应当根据系统设计的考虑确定适当的实现。下面将详细描述每个模块功能。

检测模块

在步骤102中，在通过感测系统在步骤101中产生目标范围的数据之后，所述数据被发送到检测模块或处理单元以确定是否存在物体。图3提供了检测模块203的流程图。该模块负责执行关于当前范围段是否包含物体的实时确定。模块203具有两个可能的判决输出：“存在物体”301和“没有物体”302。检测模块203实现顺序检测算法。特别地，目标范围的数据由感测系统产生并且由检测模块203评估，直到可以做出适当的检测判决为止。另一种方法是将判决基于固定数量的发射的雷达脉冲。然而最好使用顺序方法，因为它减少了大于一半的所需的平均脉冲数。

顺序检测算法的理想实现要求在每个雷达脉冲之后进行判决。可能有三种判决之一作为结果：“没有物体”302、“存在物体”301和“没有判决”303。如果做出后者的判决，则发射另一脉冲。然而可能不方便在每个发射的脉冲之后做出判决。例如，没有足够的计算速度来在期望的脉冲重复间隔(PRI)执行该任务。在这种情况下，搜索停留模块304可能在每个判决之间发射了超过一个脉冲。用于考虑每个判决的雷达脉冲数量是计算要求和判决性能之间的折衷。

在优选实施例中，在顺序判决之间发射大于一个的一定量的脉冲。对于该实施例，雷达接收机对该数量的脉冲求积分来产生单个复数值，该复数值由同相和正交分量值构成。使用该复数值来执行每个顺序检测判决。

在优选实施例中，使用顺序概率比测试(SPRT)执行检测判决。SPRT的一般概念是公知的(见例如A.Wald，Sequential Analysis，New York：Wiley，1947)，尽管据申请人了解，该技术从未被用于对机动车辆雷达的物体检测应用。

在将该方法应用于机动车雷达时，基于正在收集的有噪声的雷达信号观测(包括N个这样的观测)来考虑计算出的信号幅度m_N。为了描述的目的，这里f₀(m)是当对给定的幅度在特定范围处实际上存在物体时m_N的概率密度函数，而f₁(m)是当在特定范围处实际上不存在这样的物体时m_N的概率密度函数。

概率密度函数描述随机变量的观测特定值的似然程度。特别地，在特定间隔内包含的观测值的概率是通过在该间隔上对概率密度函数求积分确定的。同样地，在任何特定值上的概率密度函数的值与在以该值为中心的无穷小间隔内观测随机变量的概率成正比。根据SPRT理论，比率r提供物体是否存在的相对概率的测量：

$r=\frac{f_1\left(m_N\right)}{f_0\left(m_N\right)}---\left(1\right)$

当满足下面的不等式时可以做出物体存在的判决：

r＜B          (2)

同样地，当满足下面的不等式时可以做出不存在物体的判决：

r＞A          (3)

如果任何一个不等式都不满足，则无法做出判决，并且必须在进行另一雷达观测之后重复分析。阈值A和B可以基于检测的概率(即，1-α)和误警报的概率(即，β)要求。特别地，Wald建议下面的近似：

$A\≈\frac{1-\mathrm{\β}}{\mathrm{\α}}---\left(4\right)$

$B\≈\frac{\mathrm{\β}}{1-\mathrm{\α}}---\left(5\right)$

在优选实施例中，检测的概率1-α被设为0.95(即，95％)，而误警报率β被设为0.01(即，1％)。

由于雷达观测包括相当的噪声部分，因此信号幅度mN最好计算为N个观测的相干积分，如下面等式所示：

$m_N=\sqrt{\frac{{I_N}^2+{Q_N}^2}{N}}---\left(6\right)$

其中

I_N＝i₁+i₂+…+i_N

Q_N＝q₁+q₂+…+q_N

在上面的等式中，i_x和q_x是分别来自同相和正交雷达接收机信道的第x有噪声的雷达观测。

概率密度函数f₀(m)和f₁(m)的计算取决于观测噪声的特性。在优选实施例中，在同相和正交接收机信道上的噪声被模型化为具有0均值和相等方差的独立标准变量。在这个假设下，在没有物体情况下的概率密度函数f₁(m)服从瑞利(Rayleigh)分布：

$f_1\left(m\right)=\frac{m}{{\mathrm{\σ}}^2}\exp (-\frac{m^2}{2{\mathrm{\σ}}^2})---\left(7\right)$

在上面的等式中，σ²是对单个观测的接收机信道的方差。要注意概率密度函数f₁(m)与观测的数量N无关。这是因为对信号幅度m_N的相干积分定义包括归一化因数来维持恒定方差。图4图解对σ等于10的瑞利分布401。要注意分布的峰值出现在值σ处。

在存在物体情况下的概率密度函数402f₀(m)要求假定的物体尺寸(magnitude)。该尺寸具有这样的解释，即，如果出现具有该尺寸的物体，则我们将希望达到所指定的检测概率。因此，该尺寸被认为是满足检测要求处的阈值。

给出上述假设的接收机信道噪声特性，在存在物体情况下的概率密度函数服从赖斯(Rice)分布。在优选实施例中，这由简单得多的高斯分布来近似：

$f_0\left(m\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}\exp (-\frac{{(m-m_{\mathrm{TN}})}^2}{2{\mathrm{\σ}}^2})---\left(8\right)$

在上面的等式中，m_TN是满足性能要求处的阈值。只要阈值m_TN至少比噪声标准差σ大1.5倍，那么高斯分布就与赖斯分布非常近似。图4图解等式(8)中定义的分布402(σ等于10，m_TN等于28)。要注意的是分布的峰值出现在值m_TN处。

阈值m_TN依赖于观测数量N。对于相关积分的实施例，它由下面等式计算：

$m_{\mathrm{TN}}=m_{T1}\sqrt{N}---\left(9\right)$

在上面的等式中，m_T1对应于当仅收集了一个有噪声的观测时的阈值。之所以依赖于观测数量N，是因为积分增加了期望物体的尺寸，因而在该问题的公式中，分布402f₀(m)的整体形状向右移动，随着增加的每个观测与平稳分布401f₁(m)分离开。这增加了可以做出检测的可信度。

在优选实施例中，阈值m_T1被确定为在接收机信道中的有效噪声的倍数，如下面等式所示：

m_T1＝Dσ  (10)

在上面等式中，参数D表示期望的噪声乘数。例如，噪声乘数D可以具有大约在2.0和5.0之间的值。这对应于从比噪声高的6dB到14dB范围的阈值(即，6dB＝20log₁₀(2.0))。

在替代实施例中，检测模块203的上述实现改为非相干积分。相干积分和非相关积分之间的差异和折衷对本领域技术人员是公知的。例如，相干积分在信噪比上提供了很大优势。然而，由于雷达不稳定或物体移动而可能产生的物体相位变化不会影响非相干积分。在将之前所述的实施例改为非相干积分时，我们如下重新定义我们的信号幅度m_N：

$m_N=\sqrt{{\left(i_N\right)}^2+{\left(q_N\right)}^2}---\left(11\right)$

与相干积分的实施例不同，第N信号幅度m_N现在只依赖于第N相干观测i_N和q_N。还需要如下重新定义SPRT判决比r：

$r=\frac{f_1\left(m_1\right)f_1\left(m_2\right)...f_1\left(m_N\right)}{f_0\left(m_1\right)f_0\left(m_2\right)...f_0\left(m_N\right)}---\left(12\right)$

因此，使用概率密度函数f₀(m)和f₁(m)与观测信号幅度m₁，m₂，…m_N一起来计算SPRT判决比r。使用等式(7)计算概率密度函数f₁(m)。然而，概率密度函数f₀(m)需要对由等式(8)所规定的进行一点修改：

$f_0\left(m\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}\exp (-\frac{{(m-m_{T1})}^2}{2{\mathrm{\σ}}^2})---\left(13\right)$

使用等式(10)计算阈值m_T1。

另一替代实施例特别应用于雷达-雷达处理并且是相干实施例的推广，它涉及快速傅立叶变换(FFT)。FFT数据的计算和解释对于本领域技术人员是公知的。在该实施例中，将使用N个有噪声的观测执行复数FFT。将在得到的频谱数据中搜索峰值的存在，峰值幅度值在经过适当缩放之后将提供计算出的信号幅度m_N。

继续描述同相或正交接收信道中存在的噪声的标准差σ的估计。可以使用各种本领域技术人员公知的技术来执行该任务。在优选实施例中，使用在一段时间上的所有雷达观测的指定子集来计算σ。具体地说，当且仅当观测是当前扫描的特定目标范围的第一观测、并且对该特定目标范围确定没有物体的判决时，才将该观测包括在该子集中。估计噪声参数σ等于计算出的该指定子集的标准差。

收集模块

当确定在特定范围处存在物体时，立即收集额外的雷达数据以供随后处理。图5提供收集模块205的流程图。如上所述，在优选实施例中，SRR具有两个重叠的天线波束(和与差)，并且来自两个波束的数据对于估计物体方位是必需的。因此，收集模块205示出了来自和波束与差波束两者的雷达数据的收集。为此，收集模块205包括两个子模块：和波束停留子模块501，用于使用和波束收集雷达数据；以及差波束停留子模块502，用于使用差波束收集雷达数据。对每个子模块，雷达停留一定数量的发射脉冲。来自每个停留的脉冲被积分并作为单个复数值输出。

收集和与差波束雷达数据的处理重复一定次数。在优选实施例中，它被重复恒定的次数。在替代实施例中，它重复的次数可以依赖于诸如物体范围、估计的物体信噪比等因素。

在每次停留期间，从同相和正交雷达接收机信道收集数据，并且将数据置于收集数据存储器206中。当做出特定目标范围的所有所需数据都已经被收集和存储的判决时，收集模块退出。

状态估计模块

图6提供状态估计模块207的流程图。该模块使用来自收集数据存储器206的数据来估计检测物体的状态或目标参数。这里使用的术语“目标参数”指的是从一系列关于观测到的相对于车辆的物体的位置和运动的雷达数据中得出的计算，包括例如范围、方位和多普勒速度。该模块输出包括所有检测到的物体的描述，并且被置入物体列表存储器209中。

第一子模块是物体积分603。该子模块获得之前由收集模块收集的特定段的数据，并且对和与差波束数据执行单独的积分运算。在优选实施例中，该子模块对来自每个波束的数据执行复数FFT。在替代实施例中，该子模块对来自每个波束的数据执行相干积分。在第三实施例中，该子模块对来自每个波束的数据执行非相干积分。如前面所述，相干和非相干积分的使用之间存在公知的折衷。然而，最好使用FFT实施例，因为它保留了相干积分的信噪比优势，而不会由于物体运动而引入性能下降。FFT实施例还提供估计物体的多普勒速度的能力。

第二子模块是参数估计604。该子模块接受由物体积分子模块产生的每个段的积分数据。该子模块的用途是估计每个检测到的物体的参数值。在优选实施例中，这些参数包括范围、方位和多普勒速度。

在FFT实施例中，物体积分模块603的输出是提供在离散数量的频率段上的幅度和相位值的频谱数据。如本领域技术人员所公知，FFT将数据从采样时间域变换到采样频域(即，频率段)表示。在优选实施例中，在和-信道频谱数据中的幅度峰值的频率位置确定物体的多普勒速度。由多普勒频率计算多普勒速度的方法对于本领域技术人员是公知的。

在一个实施例中，估计的多普勒频率等于包含最大幅度值的段频率。在优选实施例中，通过内插法更精确地确定多普勒频率，内插法涉及最大幅度值的一个或多个相邻值。内插可以涉及估计的基本频谱峰值的频率、幅度和/或相位值的求精(refinement)。执行频谱内插的方法对本领域技术人员是公知的。在另一实施例中，保留概率以识别在频谱数据中的多于一个的局部最大值，以及估计与作为单独物体的每个局部最大值相关联的随后参数。在再一个实施例中，可以对差-信道数据搜索频谱峰值的存在，以便识别并估计在和信道数据中不容易观测的物体的参数。

假定识别了和或差信道中的频谱峰值，那么现在确定在相同频率上的其他信道(即，分别为差或和)的值。在优选实施例中，和与差信道中得到的复数值被用来确定物体方位。该技术和关于单脉冲天线理论的各种替代实现对本领域技术人员是公知的。

最后，可以估计物体范围。在一个实施例中，根据其中收集了雷达数据的段的范围确定物体范围。然而在某些实现中，可以在几个相邻的范围段中检测单个物理物体。在优选实施例中，使用范围中的内插来估计幅度峰值的位置。内插的范围值提供估计的物体范围。

一旦计算出目标参数后，可以结合其他SRR传感器所产生的目标、结合SRR之外的技术实现的传感器所生成的目标、用跟踪算法对目标参数进一步处理，以及/或者所述目标参数被用于许多车辆应用，如辅助停车、停车-起步和预防碰撞检测。此外，希望随着时间的发展，能开发出另外的使用检测的SRR目标的应用。

系统架构

希望本发明的方法可以以许多系统配置中的任一个来实践。本质上，该方法要求具有一个或多个感测系统的系统。最好，该方法在存在或具有其他功能的系统，例如用于自动巡航控制(ACC)或停车-起步交通的系统中进行实践。参照图7，示出了典型的SRR车辆配置。四个SRR传感器701(a)-701(d)安装在前保险杠702的横板(fascia)后。应当理解的是，类似的SRR传感器系统可以装在车辆的侧部和后部。

当前采用的SRR传感器能够检测最大距离30m的范围和方位内的物体。预期未来几代的SRR传感器将具有更大的范围。传感器通过自动控制区域网络(CAN)总线704与称为雷达判决单元(RDU)703的中央计算机通信。RDU 703负责传感器联合，以及车辆应用的实现。除了碰撞检测应用之外，前保险杠系统的应用可以包括辅助停车、停车-起步巡航控制(即，在停车-起步交通条件下车辆自动与后面的车保持适当距离)。最好，图2的系统驻留在传感器系统的软件中，但也存在替代实施例。例如，图2的系统的各部分可以位于单独的电子控制单元(ECU)中。因此，计算分析在各个传感器之间分布的程度或者在一个或多个处理单元中汇集的程度，是本领域技术人员可根据本公开执行的最优化问题。

Claims (23)

1.一种用于确定机动车雷达系统的检测区域内的物体的目标参数的方法，所述方法包括步骤：

(a)从范围序列中建立目标范围；

(b)在所述目标范围上停留初始停留时间以获得感测数据；

(c)根据物体在所述目标范围处的存在和不存在的概率密度分布，确定所述感测数据是对应于所述目标范围处的物体的存在还是物体的不存在，如果无法做出所述确定，则重复步骤(b)-(c)直到可以做出所述确定为止；

(d)如果在步骤(c)中确定所述感测数据对应于物体的存在，则在前进到步骤(e)之前在所述目标范围处停留延长的停留时间以获得用来确定所述物体的目标参数的额外感测数据；和

(e)在重复步骤(b)-(e)之前将所述范围序列的下一个作为目标范围。

2.如权利要求1所述的方法，其中在步骤(c)中，所述确定是通过使用顺序概率比测试(SPRT)做出的。

3.如权利要求1所述的方法，其中在步骤(c)中，如果r＜B则确定物体存在，而如果r＞A则确定物体不存在，其中，

$r=\frac{f_1\left(m_N\right)}{f_0\left(m_N\right)}$

f₀(m)是当在给定的雷达值的特定范围处实际上存在物体时的概率密度函数，

f₁(m)是当在给定的雷达值的特定范围处实际上不存在该物体时的概率密度函数，

m_N是正在收集的基于在N个观测中观测的有噪声的雷达信号计算出的信号幅度，

$A\≈\frac{1-\mathrm{\β}}{\mathrm{\α}},$

$B\≈\frac{\mathrm{\β}}{1-\mathrm{\α}},$

1-α是检测的概率，并且

β是误警报的概率。

4.如权利要求3所述的方法，其中，1-α大约是0.95，而β大约是0.01。

5.如权利要求3所述的方法，其中

$f_0\left(m\right)=\frac{1}{\mathrm{\σ}\sqrt{2\mathrm{\π}}}\exp (-\frac{{(m-m_{\mathrm{TN}})}^2}{2{\mathrm{\σ}}^2}),$ 且

$f_1\left(m\right)=\frac{m}{{\mathrm{\σ}}^2}\exp (-\frac{m^2}{2{\mathrm{\σ}}^2}),$

其中

σ是感测数据中存在的噪声的标准差，

m_N是正在收集的基于在N个观测中观测的有噪声的雷达信号计算出的信号幅度，

m_TN是满足性能要求的检测阈值。

6.如权利要求5所述的方法，其中m_TN至少比σ大1.5倍。

7.如权利要求1所述的方法，还包括：

(f)基于在步骤(d)获得的额外雷达数据确定目标参数。

8.如权利要求7所述的方法，其中，所述目标参数包括范围、方位和多普勒速度。

9.如权利要求7所述的方法，其中，将目标参数数据发送给处理器以支持诸如辅助停车、停车-起步、或预防碰撞检测之类的车辆应用。

10.如权利要求7所述的方法，其中，在对所述范围序列中的所有范围执行步骤(b)之后执行所述步骤(f)。

11.如权利要求7所述的方法，其中，在每次执行步骤(c)后执行所述步骤(f)。

12.如权利要求1所述的方法，其中，所述初始停留是基于获得固定数量的雷达数据的。

13.如权利要求1所述的方法，其中在步骤(c)中，如果不能做出关于所述数据是对应于物体的存在还是物体的不存在的确定，则增加所述初始停留时间以获得额外的雷达数据。

14.如权利要求1所述的方法，其中，一旦在步骤(c)中做出了判决，则终止所述初始停留。

15.如权利要求14所述的方法，其中，所述延长的停留时间在步骤(c)中做出了物体存在的判决之后立即开始。

16.如权利要求1所述的方法，其中，所述延长的停留时间是固定的。

17.如权利要求1所述的方法，其中，所述延长的停留时间基于物体范围和估计的信噪比中的至少一个。

18.如权利要求1所述的方法，其中，延长的停留时间与步骤(b)的初始停留时间之比大于2。

19.如权利要求1所述的方法，其中，所述感测数据是雷达数据，包括具有同相和正交分量的复数值。

20.如权利要求1所述的方法，其中，在步骤(b)中使用相干积分或非相干积分。

21.如权利要求1所述的方法，其中，对延长的停留时间数据使用FFT来估计目标参数。

22.一种用于感测车辆周边附近的物体的系统，所述系统包括至少一个被配置成执行下述步骤的计算机：

(a)从范围序列中建立目标范围；

(b)在所述目标范围上停留初始停留时间以获得感测数据；

(c)根据物体在所述目标范围处的存在和不存在的概率密度分布，确定感测数据是对应于所述目标范围处的物体的存在还是物体的不存在，如果无法做出所述确定，则重复步骤(b)-(c)直到可以做出所述确定为止；

(d)如果在步骤(c)中确定所述感测数据对应于物体的存在，则在前进到步骤(e)之前在所述目标范围处停留延长的停留时间以获得用来确定所述物体的目标参数的额外感测数据；和

(e)在重复步骤(b)-(e)之前将所述范围序列的下一个作为目标范围。

23.一种与车辆雷达系统组合来感测车辆周边附近的物体的系统，所述系统包括：

数据处理器；

输入端，用来从所述车辆雷达系统接收雷达数据；

可操作地连接到所述数据处理器的存储器，所述存储器包括至少以下指令：

检测模块，用于从范围序列中建立目标范围，指示所述车辆雷达系统在所述目标范围上停留初始停留时间以获得雷达数据；并且根据物体在所述目标范围处的存在和不存在的概率密度分布，确定所述雷达数据是对应于所述目标范围处的物体的存在还是物体的不存在，如果无法确定所述物体的存在或不存在，则重复初始停留时间来收集更多雷达数据；

收集模块，用于在所述检测模块确定物体存在之后在所述目标范围处停留延长的停留时间以获得用来确定所述物体的目标参数的额外感测数据；和

状态估计模块，用于从所述额外感测数据中确定所述物体的目标参数。

Images