CN209496136U - 基于mimo的毫米波雷达有轨电车防碰撞预警系统 - Google Patents
基于mimo的毫米波雷达有轨电车防碰撞预警系统 Download PDFInfo
- Publication number
- CN209496136U CN209496136U CN201821838598.1U CN201821838598U CN209496136U CN 209496136 U CN209496136 U CN 209496136U CN 201821838598 U CN201821838598 U CN 201821838598U CN 209496136 U CN209496136 U CN 209496136U
- Authority
- CN
- China
- Prior art keywords
- mimo
- millimetre
- wave radar
- tramcar
- submodule
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 claims abstract description 46
- 230000004888 barrier function Effects 0.000 claims abstract description 13
- 238000001914 filtration Methods 0.000 claims description 3
- VIKNJXKGJWUCNN-XGXHKTLJSA-N norethisterone Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](C)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 VIKNJXKGJWUCNN-XGXHKTLJSA-N 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000000034 method Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000003044 adaptive effect Effects 0.000 abstract description 3
- 238000009434 installation Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本实用新型公开了基于MIMO的毫米波雷达有轨电车防碰撞预警系统。系统包括MIMO的毫米波雷达、高清相机以及终端显示模块;所述MIMO的毫米波雷达包括收发分置的天线分系统、射频模块、信号处理模块;所述天线分系统实现对有轨电车周围环境雷达的发射和接收,通过射频模块中的射频实现信号处理模块与天线分系统的信息交互,所述信号处理模块对数据进行处理得到周围环境的点迹信息,并根据点迹信息进行航迹处理,同时显示在终端显示模块上;所述高清相机用于核实障碍物。本实用新型集MIMO技术、毫米波雷达技术、图像处理技术于一体,探测准确度高、障碍物探测距离远、环境适应能力更强、安装更加方便、体积小。
Description
技术领域
本实用新型涉及轨道交通防碰撞技术领域,具体地,涉及一种基于MIMO 的毫米波雷达有轨电车防碰撞预警系统。
背景技术
有轨电车障碍物探测系统主要利用图像处理技术来探测障碍物的相关信息,并将采集的信息传输至终端,通过软件分析出前方障碍物的相关信息。目前,有轨电车障碍物探测主要有两种方法,一种是采用相机将障碍物拍照通过图像识别将障碍物的信息传输至显示终端。这种探测方法受天气影响较大,当出现大雾或下雨天气时图像出现模糊,不容易分辨出障碍物,容易出现虚警,影响列车的运行。另一种是采用激光雷达技术和图像识别技术来进行有轨电车障碍物探测。这种探测方法设备体积较大不利于安装,探测距离短,角度分辨率低,轨道两侧的物体容易识别为障碍物出现虚警,当有障碍物时司机处理时间短,不能更好的起到预警的作用。
文中,
MIMO:Multiple-Input Multiple-Output多输入多输出
DBF:Digital Beam Forming数字波束形成
FFT:Fast Fourier Transformation快速傅里叶变换
FIFO:First Input First Output先进先出
DMA:Direct Memory Access直接内存存储
GO-CFAR:Constant False-Alarm Rate单元极大值恒虚警率检测法
DDR:Double Data Rate SDRAM,双倍速率SDRAM
实用新型内容
本实用新型解决的技术问题在于克服现有技术的缺陷,提供一种基于MIMO 的毫米波雷达有轨电车防碰撞预警系统,具有障碍物探测距离远、环境适应能力更强、安装更加方便、体积小的特点。
本实用新型目的通过以下技术方案实现:
本实用新型提供一种基于MIMO的毫米波雷达有轨电车防碰撞预警系统,包括MIMO的毫米波雷达、高清相机以及终端显示模块;所述MIMO的毫米波雷达包括收发分置的天线分系统、射频模块、信号处理模块;所述天线分系统实现对有轨电车周围环境雷达的发射和接收,通过射频模块中的射频实现信号处理模块与天线分系统的信息交互,所述信号处理模块对数据进行处理得到周围环境的点迹信息,并根据点迹信息进行航迹处理,同时显示在终端显示模块上;所述高清相机用于核实障碍物。
进一步地,所述信号处理模块包括AD子模块、滤波子模块、FPGA子模块和DSP子模块,所述FPGA子模块用于点迹处理,所述DSP子模块用于航迹处理。
进一步地,所述FPGA子模块采用xilinx公司的Zynq7z020芯片;所述DSP 子模块采用TI公司的TMS320F28335。
进一步地,所述AD子模块采用ADI公司的AD8285芯片。
进一步地,所述射频模块采用收发一体的射频芯片。
进一步地,所述天线分系统采用的型号为77GHzT2R4。
相对于现有技术,本实用新型的有益效果为:
本实用新型集基于MIMO技术的毫米波雷达、图像处理技术于一体,障碍物探测距离远、环境适应能力更强、安装更加方便、体积小。其中,设计了基于 MIMO的毫米波雷达,功能全面,结构精简;毫米波雷达巧妙利用FFT原理,采用空间三维FFT对有轨电车周围环境目标的数据进行处理;采用GO-CFAR 算法,计算简洁,提高了恒虚警率;准确得到其探测目标的距离信息、速度信息和角度信息;障碍物判断更加精准、有效保障了有轨电车的安全运行。具体地,采用MIMO技术,收发一体的射频模块,尤其采用多发多收的天线分系统,使得在确保大数据量的情况下,进一步减少体积。
附图说明
图1为实施例1基于MIMO的毫米波雷达有轨电车防碰撞预警系统框图。
图2为实施例1基于MIMO的毫米波雷达原理框图。
图3为实施例1基于MIMO的毫米波雷达数据处理流程图。
图4为实施例1基于MIMO的毫米波雷达的实现图。
图5为实施例1基于MIMO的毫米波雷达的数据表。
具体实施方式
下面结合具体实施方式对本实用新型作进一步的说明。其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本专利的限制;为了更好地说明本实用新型的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
实施例1
如图1所示,本实施例提供一种基于MIMO的毫米波雷达有轨电车防碰撞预警系统。本预警系统主要有三部分组成,包括MIMO的毫米波雷达、高清相机以及终端显示模块。
如图2所示,其中的MIMO的毫米波雷达包括收发分置的天线分系统、射频模块、信号处理模块;所述天线分系统实现对有轨电车周围环境雷达的发射和接收,通过射频模块中的射频实现信号处理模块与天线分系统的信息交互,所述信号处理模块对数据进行处理得到周围环境的点迹信息,并根据点迹信息进行航迹处理,同时显示在终端显示模块上;由MIMO的毫米波雷达监测出障碍物后,进一步通过高清相机明确核实障碍物。
MIMO的毫米波雷达系统采用线性调频连续波工作体制。其中,天线分系统采用型号为77GHzT2R4,为两发四收,虚拟8通道的MIMO体制。
射频模块采用收发一体的射频芯片,本实施例中,射频芯片选用 CAL77A2T4R,芯片内部集成了收发通道及锁相环。
射频芯片及天线设计在同一块板子上,以避免电磁干扰。
所述信号处理模块包括AD子模块、滤波子模块、FPGA子模块和DSP子模块,所述FPGA子模块用于点迹处理,所述DSP子模块用于航迹处理。FPGA 和DSP组成信号处理基带板,FPGA选用xilinx公司的Zynq7z020芯片,芯片内部提供双核ARM Cortex-A9MPCore处理系统,主要完成点迹的处理;DSP选用 TI公司的TMS320F28335,主要完成航迹的处理。
AD子模块采用ADI公司的AD8285芯片作为采集的核心部分。AD8285为 4通道分时采集,AD8285参考时钟为50MHz,每个通道的采样时钟为12.5MHz,发射周期为100us。如图5所示,四个通道并行运算,两个发射天线交替发射每个天线发射128个周期,共形成8张1024*128个点数的数据表。
本实施例基于MIMO的毫米波雷达的实现如图4所示。
距离算法:有轨电车周围信息数据通过AD通道1至AD通道4进行采集,分别经由4路进行数据处理。AD通道1数据通过低通滤波器进行滤波处理后,存储到FIFO中后,进行一维FFT处理;同理,AD通道2至AD通道4数据也低通滤波器进行滤波处理后,存储到FIFO中后,进行一维FFT处理;各通道数据互不干扰,由各通道一维FFT处理后得到距离信息。一维FFT处理后的数据通过 DMA存储到DDR中。
速度算法:一维FFT处理后的数据通过DMA存储到DDR3中。在进行速度算法前,进行天线的相位校正,通过DMA从DDR中调取的数据,存储至FIFO,进行二维FFT处理后,采用GO-CFAR算法得到有效目标,然后通过目标的坐标位置计算出有效目标的速度信息。
角度算法:二维FFT处理后的数据通过DMA存储到DDR3中,在进行速度算法前,从DDR3中调取,通过DMA存储至FIFO中,进行三维FFT处理后,在进行长短基线比相测角,得到角度信息。
具体地,防碰撞预警数据处理流程如图3所示,包括以下步骤:
步骤一:发射毫米波到有轨电车周围环境,并采集周围反馈数据,将数据进行一维FFT后,得到距离信息;
具体地,发射周期内采样点数为1250个,通过低通滤波之后选取1024个数据点进行一维FFT计算,然后将计算结果通过DMA直接存储至DDR3中。采用四个通道并行运算,多个发射天线交替发射,每个天线发射128个周期,共形成8张1024*128个点数的数据表。采集数据进行一维FFT后,形成多张数据表格如图5所示,然后对每张数据表格进行以列为单位的数据积累得到1024 个值,最后进行谱峰搜索,计算出有效谱峰下的频率值对应的距离信息。
步骤二:将一维处理后的数据进行二维FFT,得到速度信息。
一维FFT处理后将启动二维FFT的运算,通过DMA获取一维FFT处理后的数据放入FIFO中以列为单位进行运算,每列为128点,每张表格进行1024 次,将二维FFT运算后的结果通过DMA在存入DDR3中。二维FFT运算之后将以行为单位进行1024点的数据积累得到128个数值,然后进行谱峰搜索,根据GO-CFAR算法判断目标的有效性,最后计算出有效目标的速度信息。
具体地,进行一维FFT和二维FFT分别进行距离信息、速度信息的测量原理过程如下:
距离/多普勒处理是通过观测回波频率的脉冲到脉冲间的变化,提取出非模糊的距离和多普勒信息。在本实施例中采用的是锯齿波调频信号,距离/多普勒处理的形式包括两级离散傅里叶变换,差频信号数字化等。回波的傅里叶变换导出频率域的距离信息,可以形成一连串距离单元。
对于每个距离单元而言,脉冲序列的傅里叶变换导出脉冲到脉冲间的相位变化,这种相位变化就对应于这一距离上的目标的多普勒频移。这里距离单元的概念是指在雷达照射区内相同的距离环带内为同一距离元,距离单元的宽度代表距离分辨率,通常距离单元的大小与LFMCW的扫频宽度有关。
式(1)中,ΔR为每个距离单元对应的距离,C=3×108m/s为传播速度,B 为扫频宽度。根据设计指标扫频带宽为500MHz,ΔR=0.3m。
速度分辨率与扫频周期的个数有关
式(2)中,fc为扫频周期的起始频率,n为扫频周期数。
速度分辨率为Δνmax=0.075m/s
下面从数学角度上推导使用DFT进行距离/多普勒处理的原理。连续时间信号x(t)的傅里叶变换为
对连续时间信号x(t)进行采样得到x(m,l),表示第m个重复周期的第l个采样点,如果对x(t)采样了Nr个重复周期,每个重复周期采样Ns个点,那么就有m=0,1,2,L,Nr,l=0,1,2,L,Ns,因此式(3)又可表示为
式中fΔ为距离差频信号,fd为多普勒频率,Tr为锯齿波重复周期,Ts为采样频率的倒数,有等式Tr=TSNS。式(4)为二维的DFT。将式(5)代入式(4) 中,简化得到
由式(6)看到,如果离散信号x(m,l)是差频信号的采样信号,那么对它做DFT 就可以将原信号中所带有的距离和多普勒信息分离并提取出来。为加快运算速度,采用了快速傅里叶变换(Fast Fourier Transform,FFT)。
步骤三:将二维FFT处理后的数据进行三维FFT得到角度信息。
8张表二维FFT计算结束后,进行角度的测量,取每张表中同一位置的数据形成8点数据,然后进行8点的FFT运算共进行1024*128次。将三维FFT的计算结果通过DBF算法完成角度的测量。
具体地,进行角度信息测量的过程如下:
N个阵元,P个空间信号,s1(n)~sp(n)si其中i=1,2,...p(p≤N)到达各阵元的方向角用θi表示,称为波达方向角,定义为信号si(n)到达阵元的直射线与阵元法线之间的夹角。以阵元1为基准点,即空间信号si(n)在参考阵元上的接收信号等于si(n),这一信号到达其他阵元的时间相对参考阵元存在延迟,令信号si(n)电波传播延迟在第2个阵元引起的相位差为ωi,则波达方向θi与相位差ωi之间的关系为:
si(n)到达第k个阵元的电波与到达参考阵元的电波之间的相位差为
信号si(n)在第k个阵元上接收信号为
若阵列由N个阵元组成,则信号si(n)到达各阵元的相位差所组成的向量为
称为Si(n)的操作矢量或方向矢量,p个信号在第k个阵元上的观测或接收信号
x(n)=[x1(n),x2(n),...,xN(n)]T,e(n)=[e1(n),e2(n),...,eN(n)]T
s(n)=[s1(n),s2(n),...,sN(n)]T,A(ω)=[α1(ω1),α2(ω2),...,αp(ωp)]T
阵列信号处理的数学模型:
x(n)=A(ω)s(n)+e(n)
阵列信号处理的问题:
已知数据向量x(1),...,x(N),求空间参数ω1,...,ωp
(1)DOA波束形成法(DBF):
关键:求ωk
最大幅值对应的ωk为所求。
(2)Music(多信号分类)
观测空间=信号子空间+噪声子空间
特征值分解后,信号子空间与大特征值对应,噪声子空间与小特
征值对应。
谱峰搜索:
求:P(ω)取峰值时p个ω就给出了ω1,...,ωp
步骤四:根据距离信息、速度信息、角度信息得到目标的点迹信息;根据周围环境的点迹信息,进行有轨电车的航迹变更。
根据距离信息、速度信息、角度信息根据ML准则完成目标的凝聚,最终输出点迹信息。
本实施例主要解决基于MIMO的毫米波雷达技术在有轨电车上的应用,技术指标如表1所示。
表1技术指标
本实施例基于MIMO的毫米波雷达技术在不同场景下能够有效的探测出列车前方的障碍物,有效达到有轨电车防碰撞预警的作用;且体积小,安装方便。
显然,上述实施例仅仅是为清楚地说明本实用新型的技术方案所作的举例,而并非是对本实用新型的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本实用新型权利要求的保护范围之内。
Claims (6)
1.一种基于MIMO的毫米波雷达有轨电车防碰撞预警系统,其特征在于,包括MIMO的毫米波雷达、高清相机以及终端显示模块;所述MIMO的毫米波雷达包括收发分置的天线分系统、射频模块、信号处理模块;所述天线分系统实现对有轨电车周围环境雷达的发射和接收,通过射频模块中的射频实现信号处理模块与天线分系统的信息交互,所述信号处理模块对数据进行处理得到周围环境的点迹信息,并根据点迹信息进行航迹处理,同时显示在终端显示模块上;所述高清相机用于核实障碍物。
2.根据权利要求1所述的基于MIMO的毫米波雷达有轨电车防碰撞预警系统,其特征在于,所述信号处理模块包括AD子模块、滤波子模块、FPGA子模块和DSP子模块,所述FPGA子模块用于点迹处理,所述DSP子模块用于航迹处理。
3.根据权利要求2所述的基于MIMO的毫米波雷达有轨电车防碰撞预警系统,其特征在于,所述FPGA子模块采用xilinx公司的Zynq7z020芯片;所述DSP子模块采用TI公司的TMS320F28335。
4.根据权利要求3所述的基于MIMO的毫米波雷达有轨电车防碰撞预警系统,其特征在于,所述AD子模块采用ADI公司的AD8285芯片。
5.根据权利要求4所述的基于MIMO的毫米波雷达有轨电车防碰撞预警系统,其特征在于,所述射频模块采用收发一体的射频芯片。
6.根据权利要求4或5所述的基于MIMO的毫米波雷达有轨电车防碰撞预警系统,其特征在于,所述天线分系统采用的型号为77GHzT2R4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201821838598.1U CN209496136U (zh) | 2018-11-08 | 2018-11-08 | 基于mimo的毫米波雷达有轨电车防碰撞预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201821838598.1U CN209496136U (zh) | 2018-11-08 | 2018-11-08 | 基于mimo的毫米波雷达有轨电车防碰撞预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN209496136U true CN209496136U (zh) | 2019-10-15 |
Family
ID=68150358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201821838598.1U Expired - Fee Related CN209496136U (zh) | 2018-11-08 | 2018-11-08 | 基于mimo的毫米波雷达有轨电车防碰撞预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN209496136U (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109343052A (zh) * | 2018-11-08 | 2019-02-15 | 湖南铁路科技职业技术学院 | 基于mimo的毫米波雷达有轨电车防碰撞预警方法及系统 |
CN113204025A (zh) * | 2021-04-20 | 2021-08-03 | 中山联合汽车技术有限公司 | 车身状态的确定系统及方法 |
-
2018
- 2018-11-08 CN CN201821838598.1U patent/CN209496136U/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109343052A (zh) * | 2018-11-08 | 2019-02-15 | 湖南铁路科技职业技术学院 | 基于mimo的毫米波雷达有轨电车防碰撞预警方法及系统 |
CN109343052B (zh) * | 2018-11-08 | 2024-04-19 | 湖南铁路科技职业技术学院 | 基于mimo的毫米波雷达有轨电车防碰撞预警方法及系统 |
CN113204025A (zh) * | 2021-04-20 | 2021-08-03 | 中山联合汽车技术有限公司 | 车身状态的确定系统及方法 |
CN113204025B (zh) * | 2021-04-20 | 2024-02-27 | 中山联合汽车技术有限公司 | 车身状态的确定系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109343052A (zh) | 基于mimo的毫米波雷达有轨电车防碰撞预警方法及系统 | |
Lee et al. | Human–vehicle classification using feature‐based SVM in 77‐GHz automotive FMCW radar | |
KR102254466B1 (ko) | 광학 거리 측정 시스템을 이용한 자동적인 실시간 적응형 스캐닝 방법과 시스템 | |
CN110456343B (zh) | 一种基于fmcw毫米波雷达的即时定位方法及系统 | |
US11506776B2 (en) | Method and device with improved radar resolution | |
US20160069994A1 (en) | Sense-and-avoid systems and methods for unmanned aerial vehicles | |
CN110531336A (zh) | 一种物体检测识别方法及系统 | |
US11275170B2 (en) | Use of dual processing channels for stationary and moving objects illuminated by radar | |
EP3039447A1 (en) | Radar system and associated apparatus and methods | |
Bączyk et al. | Passive ISAR imaging of air targets using DVB-T signals | |
CN209496136U (zh) | 基于mimo的毫米波雷达有轨电车防碰撞预警系统 | |
CN112782685B (zh) | 基于mimo雷达的多声源定位与声音重构方法及系统 | |
US10877145B2 (en) | Method and device for tracking objects, in particular moving objects, in the three-dimensional space of imaging radar sensors | |
Li et al. | Pioneer study on near-range sensing with 4D MIMO-FMCW automotive radars | |
KR20220141748A (ko) | 레이더 신호로부터 표적 정보를 추출하는 방법 및 컴퓨터 판독가능 저장 매체 | |
Vriesman et al. | An experimental analysis of rain interference on detection and ranging sensors | |
Garry et al. | Passive ISAR part I: framework and considerations | |
Zhang et al. | Comparison of impulse radar and spread-spectrum radar in through-wall imaging | |
CN113419238A (zh) | 基于毫米波雷达的山体滑坡监测方法、电子设备、存储介质 | |
CN111183369A (zh) | 传感器阵列成像设备 | |
Barkhatov et al. | Toward 3D passive radar exploiting DVB-T2 transmitters of opportunity | |
Holder et al. | Radar signal processing chain for sensor model development | |
CN102998659B (zh) | 基于脉间调制的多普勒频谱赋形方法及系统 | |
Hoffmann et al. | Filter-based segmentation of automotive sar images | |
Kalender et al. | Security applications with synthetic aperture radar (SAR) systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191015 |