DE102019114551A1

DE102019114551A1 - Detektion interferenzbedingter störungen bei fmcw-radarsystemen

Info

Publication number: DE102019114551A1
Application number: DE102019114551.1A
Authority: DE
Inventors: Paul Meissner; Mate Andras Toth
Original assignee: Infineon Technologies AG
Current assignee: Infineon Technologies AG
Priority date: 2019-05-29
Filing date: 2019-05-29
Publication date: 2020-12-03
Also published as: US20200379081A1; US20230341511A1; US11681011B2

Abstract

Im Folgenden wird ein Verfahren für ein Radarsystem beschrieben, das zur Detektion von Störungen in dem empfangenen Radarsignal verwendet werden kann. Gemäß einem Ausführungsbeispiel umfasst das Verfahren das Bereitstellen eines digitalen Radarsignals mittels eines Radarempfängers, wobei das digitale Radarsignal eine Vielzahl von Segmenten umfasst; das Berechnen eines Hüllkurven-Signals, das die Hüllkurve eines Segments des digitalen Radarsignals repräsentiert; und das Ermitteln eines Zeitpunkts des Beginns eines in dem betrachteten Segment des digitalen Radarsignals enthaltenen Interferenzsignals unter Verwendung mindestens eines statistischen Parameters des Hüllkurven-Signals.

Description

TECHNISCHES GEBIET
Die vorliegende Beschreibung betrifft das Gebiet der Radarsensoren, insbesondere in Radarsensoren eingesetzte Signalverarbeitungsmethoden, welche eine Detektion störenden Interferenzen ermöglichen.
HINTERGRUND
Radarsensoren werden in einer Vielzahl von Applikationen zum Detektieren von Objekten eingesetzt, wobei das Detektieren üblicherweise das Messen von Abständen und Geschwindigkeiten der detektieren Objekte umfasst. Insbesondere im Automobilbereich besteht ein größer werdender Bedarf an Radarsensoren, die unter anderem in Fahrassistenzsystemen (Advanced driver assistance systems, ADAS) wie z.B. in Abstandsregeltempomat- (ACC, Adaptive Cruise Control, oder Radar Cruise Control) Systemen verwendet werden können. Solche Systeme können automatisch die Geschwindigkeit eines Automobils anpassen, um so einen sicheren Abstand zu anderen, vorausfahrenden Automobilen (sowie von anderen Objekten und von Fußgängern) einzuhalten. Weitere Anwendungen im Automobilbereich sind z.B. Totwinkeldetektion (blind spot detection), Spurwechselassistent (lane change assist) und dergleichen. Im Bereich des autonomen Fahrens werden Radarsensoren sowie Systeme mit mehreren Sensoren eine wichtige Rolle für die Steuerung autonomer Fahrzeuge spielen.
Da Automobile zunehmend mit Radarsensoren ausgestattet sind, steigt das Wahrscheinlichkeit von Interferenzen. Das heißt, ein von einem ersten Radarsensor (eingebaut in ein erstes Fahrzeug) abgestrahltes Radarsignal kann in die Empfangsantenne eines zweiten Radarsensors (eingebaut in ein zweites Fahrzeug) einstreuen. Im zweiten Radarsensor kann das erste Radarsignal mit einem Echo des zweiten Radarsignals interferieren und dadurch den Betrieb des zweiten Radarsensors beeinträchtigen.
ZUSAMMENFASSUNG
Im Folgenden wird ein Verfahren für ein Radarsystem beschrieben, das zur Detektion von Störungen in dem empfangenen Radarsignal verwendet werden kann. Gemäß einem Ausführungsbeispiel umfasst das Verfahren das Bereitstellen eines digitalen Radarsignals mittels eines Radarempfängers, wobei das digitale Radarsignal eine Vielzahl von Segmenten umfasst; das Berechnen eines Hüllkurven-Signals, das die Hüllkurve eines Segments des digitalen Radarsignals repräsentiert; und das Ermitteln eines Zeitpunkts des Beginns eines in dem betrachteten Segment des digitalen Radarsignals enthaltenen Interferenzsignals unter Verwendung mindestens eines statistischen Parameters des Hüllkurven-Signals.
Des Weiteren wird ein Radarsystem beschrieben. Gemäß einem Ausführungsbeispiel weist das System einen Radarempfänger auf, der dazu ausgebildet ist, ein digitales Radarsignal bereitzustellen, das eine Vielzahl von Segmenten umfasst. Das System weist weiter eine Recheneinheit auf, die dazu ausgebildet ist, ein Hüllkurven-Signal zu berechnen, das die Hüllkurve eines Segments des digitalen Radarsignals repräsentiert. Die Recheneinheit ist weiter dazu ausgebildet einen Zeitpunkts eines Beginns eines in dem Segment des digitalen Radarsignals enthaltenen Interferenzsignals unter Verwendung mindestens eines statistischen Parameters des Hüllkurven-Signals zu ermitteln.
Figurenliste
Nachfolgend werden Ausführungsbeispiele anhand von Abbildungen näher erläutert. Die Darstellungen sind nicht zwangsläufig maßstabsgetreu und die Ausführungsbeispiele sind nicht nur auf die dargestellten Aspekte beschränkt. Vielmehr wird Wert darauf gelegt, die den Ausführungsbeispielen zugrunde liegenden Prinzipien darzustellen. In den Abbildungen zeigt:

1 ist eine Skizze zur Illustration des Funktionsprinzips eines FMCW-Radarsystems zur Abstands- und/oder Geschwindigkeitsmessung.
2 umfasst zwei Zeitdiagramme zur Illustration der Frequenzmodulation (FM) des vom FMCW-System erzeugen HF-Signals.
3 ist ein Blockdiagramm zur Illustration der grundlegenden Struktur eines FMCW-Radarsystems.
4 ist eine Skizze zur Illustration eines Beispiels wie Störsignale in die Empfangsantenne eines Radarsensors eingestreut werden können
5 ist ein Schaltbild zur Illustration eines vereinfachten Beispiels eines Radar-Transceivers sowie eines weiteren Radar-Transceiver, der Interferenzen verursacht.
6 zeigt in einem Zeitdiagram (Frequenz über Zeit) ein Beispiel eines ausgesendeten Radarsignals mit mehreren Sequenzen von Chips, wobei jede Sequenz eine bestimmte Anzahl von Chirps aufweist, die für eine Messung verwendet werden.
7 zeigt ein Zeitdiagramm eines Sendesignals eines Radarsensors ein das Interferenz verursachende Sendesignal (Störsignal) eines weiteren Radarsensors (Störers), wobei die Signalverläufe (Frequenz über Zeit) dieser Signale sich teilweise überlappen.
8 zeigt ein Zeitdiagramm eines exemplarischen Signalverlaufs eines Radarsignals (nach der Mischung ins Basisband), das ein Radarecho von einem Radar-Ziel (Target) sowie ein Störsignal (Interferenz) beinhaltet.
9a-c illustrieren in einem exemplarischen Zeitdiagramm das Ergebnis der Bestimmung der Hüllkurve eines Basisbandsignals mit einer interferenzbedingten Störung mit unterschiedlichen Berechnungsmethoden.
10 illustriert die Identifizierung eines Signalsegments, das im Wesentlichen eine interferenzbedingten Störung beinhaltet, anhand der zuvor bestimmten Hüllkurve des Basisbandsignals.
11 und 12 illustrieren eine alternative Herangehensweise zu 10.
13 ist ein Flussdiagramm zur Illustration eines Ausführungsbeispiels des hier beschriebenen Verfahrens.

DETAILLIERTE BESCHREIBUNG
1 illustriert in einem schematischen Diagramm die Anwendung eines frequenzmodulierten Dauerstrichradarsystems (Frequency-Modulated Continuous-Wave Radar System) - meist als FMCW-Radarsystem bezeichnet - als Sensor für die Messung von Abständen und Geschwindigkeiten von Objekten, die üblicherweise als Radar-Ziele (Radar-Targets) bezeichnet werden. Im vorliegenden Beispiel weist die Radarvorrichtung 1 separate Sende- (TX-) und Empfangs- (RX-) Antennen 5 bzw. 6 auf, was als bistatische oder pseudo-monostatische Radarkonfiguration bezeichnet wird. Es sei jedoch angemerkt, dass auch eine einzige Antenne verwendet werden kann, die gleichzeitig als Sendeantenne und als Empfangsantenne dient (monostatische Radarkonfiguration). Die Sendeantenne 5 strahlt ein kontinuierliches HF-Signal s_RF(t) ab, welches beispielsweise mit einer Art Sägezahnsignal frequenzmoduliert ist (periodische, lineare Frequenzrampe). Das abgestrahlte Signal s_RF(t) wird am Radar-Target T zurückgestreut und das zurückgestreute/reflektierte Signal y_RF(t) (Echosignal) wird von der Empfangsantenne 6 empfangen. 1 zeigt ein vereinfachtes Beispiel; in der Praxis sind Radarsensoren Systeme mit mehreren Sende-(TX-) und Empfangs- (RX-) Kanälen, um auch den Einfallswinkel (Direction ofArrival, DoA) der zurückgestreuten/reflektierten Signals y_RF(t) bestimmen und somit das Radar-Target T genauer lokalisieren zu können.
2 illustriert exemplarisch die erwähnte Frequenzmodulation des Signals s_RF(t). Wie in 2 (oberes Diagramm) dargestellt, ist das abgestrahlte HF-Signal s_RF(t) aus einer Menge von „Chirps“ zusammengesetzt, d.h. das Signal s_RF(t) umfasst eine Sequenz von sinusoiden Signalverläufen (waveforms) mit steigender Frequenz (Up-Chirp) oder fallender Frequenz (Down-Chirp). Im vorliegenden Beispiel steigt die Momentanfrequenz f_LO(t) eines Chirps beginnend bei einer Startfrequenz f_START innerhalb einer Zeitspanne T_CHIRP linear auf eine Stoppfrequenz f_STOP an (siehe unteres Diagramm in 2). Derartige Chirps werden auch als lineare Frequenzrampen bezeichnet. In 2 sind drei identische lineare Frequenzrampen dargestellt. Es sei jedoch angemerkt, dass die Parameter f_START, f_STOP, T_CHIRP sowie die Pause zwischen den einzelnen Frequenzrampen variieren können. Die Frequenzänderung muss auch nicht zwangsläufig linear sein (linearer Chirp). Abhängig von der Implementierung können beispielsweise auch Sendesignale mit exponentieller oder hyperbolischer Frequenzvariation (exponentielle bzw. hyperbolische Chirps) verwendet werden. Für eine Messung wird immer eine Sequenz von Frequenzrampen ausgesendet und das resultierende Echosignal wird im Basisband ausgewertet, um ein oder mehrere Radar-Targets zu detektieren.
3 ist ein Blockdiagramm, welches exemplarisch eine mögliche Struktur einer Radarvorrichtung 1 (Radarsensor) darstellt. Demnach sind zumindest eine Sendeantenne 5 (TX-Antenne) und zumindest eine Empfangsantenne 6 (RX-Antenne) mit einem in einem Chip integrierten HF-Frontend 10 verbunden, welches all jene Schaltungskomponenten beinhalten kann, die für die HF-Signalverarbeitung benötigt werden. Diese Schaltungskomponenten umfassen beispielsweise einen Lokaloszillator (LO), HF-Leistungsverstärker, rauscharme Verstärker (LNA, low-noise amplifier), Richtkoppler (z.B. Rat-Race-Koppler, Zirkulatoren, etc.) sowie Mischer für das Heruntermischen (down-conversion) der HF-Signale in das Basisband oder ein Zwischenfrequenzband (ZF-Band). Das HF-Frontend 10 kann - ggf. zusammen mit weiteren Schaltungskomponenten - in einem Chip integriert sein, der üblicherweise als monolithisch integrierte Mikrowellenschaltung (monolithically microwave integrated circuit, MMIC) bezeichnet wird. Das Basisband wird manchmal auch als ZF-Band bezeichnet (je nach Implementierung). Im Folgenden wird nicht weiter zwischen Basisband und ZF-Band unterschieden und lediglich der Begriff Basisband verwendet. Basisbandsignale sind jene Signale, auf deren Grundlage die Detektion von Radar-Targets durchgeführt wird.
Das dargestellte Beispiel zeigt ein bistatisches (oder pseudo-monostatisches) Radarsystem mit separaten RX- und TX-Antennen. Im Falle eines monostatischen Radarsystems würde dieselbe Antenne sowohl zum Abstrahlen als auch zum Empfangen der elektromagnetischen (Radar-) Signale verwendet. In diesem Fall kann beispielsweise ein Richtkoppler (z.B. ein Zirkulator) dazu verwendet werden, die abzustrahlenden HF-Signale von den empfangenen HF-Signalen (Radarechosignale) zu separieren. Wie erwähnt weisen Radarsysteme in der Praxis meist mehrere Sende- und Empfangskanäle mit mehreren Sende- bzw. Empfangsantennen auf (Antennen-Arrays), was unter anderem eine Messung der Richtung (DoA), aus der die Radarechos empfangen werden, ermöglicht. Bei derartigen MIMO-Systemen (MIMO = Multiple-Input Multiple-Output) sind die einzelnen TX-Kanäle und RX-Kanäle üblicherweise jeweils gleich oder ähnlich aufgebaut und können auf mehrere integrierte Schaltungen (MMICs) verteilt sein.
Im Falle eines FMCW-Radarsystems können die über die TX-Antenne 5 abgestrahlten HF-Signale z.B. im Bereich von ca. 20 GHz bis 100 GHz liegen (z.B. im Bereich von ca. 76-81 GHz in manchen Anwendungen). Wie erwähnt, beinhaltet das von der RX-Antenne 6 empfangene HF-Signal die Radarechos (Chirp-Echosignale), d.h. jene Signalkomponenten, die an einem oder an mehreren Radar-Targets zurückgestreut werden. Das empfangene HF-Signal y_RF(t) wird ins Basisband heruntergemischt und im Basisband mittels analoger Signalverarbeitung weiter verarbeitet (siehe 3, analoge Basisband-Signalverarbeitungskette 20). Die genannte analoge Signalverarbeitung umfasst im Wesentlichen eine Filterung und ggf. eine Verstärkung des Basisbandsignals. Das Basisbandsignal wird schließlich digitalisiert (siehe 3, Analog-Digital-Wandler 30) und im Digitalbereich weiterverarbeitet. Die digitale Signalverarbeitungskette kann zumindest teilweise als Software realisiert sein, welche auf einem Prozessor, beispielsweise einem Mikrocontroller oder einem digitalen Signalprozessor (siehe 3, Recheneinheit 40) ausgeführt werden kann. Das Gesamtsystem wird in der Regel mittels eines System-Controllers 50 gesteuert, welche ebenfalls zumindest teilweise als Software implementiert sein kann, die auf einem Prozessor wie z.B. einem Mikrocontroller ausgeführt wird. Das HF-Frontend 10 und die analoge Basisband-Signalverarbeitungskette 20 sowie der Analog-Digital-Wandler 30 und optional auch die Recheneinheit 40 (oder Teile davon) können gemeinsam in einem einzigen MMIC (d.h. einem HF-Halbleiterchip) integriert sein. Alternativ können die einzelnen Komponenten auch auf mehrere MMICs verteilt sein. Die Recheneinheit 40 oder Teile davon können in dem System-Controller 50 enthalten sein.
In den hier beschriebenen Beispielen ist mit „Recheneinheit“ jede Struktur oder Gruppe funktionaler Entität gemeint, die dazu ausgebildet sind, die notwendigen Funktionen (Berechnungen) durchzuführen. Eine Recheneinheit kann einen oder mehrere Prozessoren umfassen, die dazu ausgebildet sind, Software/Firmware-Instruktionen auszuführen. Die Recheneinheit kann aber (zusätzlich oder alternativ) auch festverdrahtete Hardware-Einheiten aufweisen, die speziell dazu ausgelegt sind, bestimmte Berechnungen schnell durchzuführen (z.B. einen CFAR-Algorithmus oder eine schnelle Fourier-Transformation, etc.). Die Recheneinheit ist nicht notwendigerweise in einem Chip integriert, sondern kann auch auf mehrere Chips verteilt sein.
Der System-Controller 50 kann in einem separaten Chip integriert sein und dazu ausgebildet sein, mit dem MMIC 100 (oder mehreren MMICs) über eine oder mehrere Kommunikationsverbindungen zu kommunizieren. Geeignete Kommunikationsverbindungen sind z.B. ein Serial Peripheral Interface (SPI) Bus oder Low-Voltage Differential Signalling (LVDS) gemäß dem TIA/EIA-644 Standard. Teile der erwähnten Recheneinheit können in dem System-Controller 50 integriert sein. Die Recheneinheit oder Teile davon können auch in dem Radar-MMIC integriert sein.
Neben Echosignalen kann das empfangene Radarsignal y_RF(t) (vgl. 1) auch Störsignale enthalten, die von anderen HF-Quellen insbesondere von anderen Radarsensoren verursacht werden. Diese Störsignale interferieren mit den Echosignalen von realen Radar-Targets. 4 illustriert ein einfaches Beispiel zur Darstellung wie ein Störer (Interferer) die empfangenen Echosignale stören kann. In 4 ist eine Straße mit drei Fahrspuren und vier Fahrzeugen V1, V2, V3 und V4 dargestellt. Zumindest die Fahrzeuge V1 und V4 sind mit Radarsensoren ausgestattet. Der Radarsensor des Fahrzeugs V1 strahlt ein HF-Radarsignal s_RF(t) ab (4, Pfeile mit durchgezogenen Linien) und das empfangene HF-Radarsignal y_RF(t) beinhaltet die Radarechos von den vorausfahrenden Fahrzeugen V2 und V3 sowie von dem entgegenkommenden Fahrzeug V4 (4, Pfeile mit gestrichelten Linien). Des Weiteren beinhaltet das vom Radarsensor des Fahrzeugs V1 empfangene HF-Radarsignal y_RF(t) ein Radarsignal (Störsignal), das von dem Radarsensor des entgegenkommenden Fahrzeugs V4 erzeugt wurde (4, Pfeil mit strichpunktierter Linie). Für den Radarsensor des Fahrzeugs V1 ist der Radarsensor des Fahrzeugs V4 ein Störer (Interferer).
Das vom Radarsensor des Fahrzeugs V1 empfangene Signal y_RF(t) kann im Fall von U Radar-Targets und V Störern wie folgt geschrieben werden: $y_{R F} (t) = y_{R F, T} (t) + y_{R F, I} (t), w o b e i$
$y_{R F} (t) = \sum_{i = 0}^{U - 1} A_{T, i} \cdot s_{R F} (t - Δ t_{T, i}) und$
$y_{R F, I} (t) = \sum_{k = 0}^{V - 1} A_{I, k} \cdot s_{R F, k}^{'} (t - Δ t_{I, k}) .$
In den obigen Gleichungen (1) bis (3) entsprechen die Signalkomponenten y_RF,T(t) und y_RF,I(t) des empfangenen Signals y_RF(t) den Radarechos von realen Radar-Targets T_i bzw. den Störsignalen. In der Praxis können mehrere Radarechos und mehrere Störer vorhanden sein. Die Gleichung (2) repräsentiert daher die Summe der Radarechos, die von U verschiedenen Radar-Targets T_i verursacht werden, wobei A_T,i die Dämpfung des ausgesendeten Radarsignals s_RF(t) und Δt_T,i die Hin- und Rücklaufzeit (Round Trip Delay time, RTDT) für ein bestimmtes Radar-Target T_i bezeichnen. Gleichermaßen repräsentiert die Gleichung (3) die Summe der Störsignale, die von V Störern verursacht werden. Dabei bezeichnen A_I,k die Dämpfung des von einem Störer abgestrahlten Störsignals $s_{R F, k}^{'} (t)$
und Δt_I,k die zugehörige Signallaufzeit (für jeden Störer k = 0, 1, ..., V - 1). Es sei angemerkt, dass das vom Fahrzeug V1 abgestrahlte Radarsignal s_RF(t) und das vom Fahrzeug V4 ausgestrahlte Störsignal _SRF,0'(t) (Index k = 0 für Fahrzeug V4) in der Regel unterschiedliche Chirp-Sequenzen mit verschiedenen Chirp-Parametern (Start-/Stoppfrequenz, Chirp-Dauer, Wiederholrate, etc.) aufweisen werden. Des Weiteren kann die Amplitude der empfangenen Störsignalkomponente y_RF,I(t) deutlich höher sein als die Amplitude der Echosignalkomponente y_RF,T(t). In der Regel werden die Störsignalkomponenten deutlich höhere Amplituden aufweisen als die Signalkomponenten der Radarechos.
5 illustriert eine exemplarische Implementierung eines Radar-Transceivers 1 gemäß dem Beispiel aus 3 detaillierter. In dem vorliegenden Beispiel ist insbesondere das HF-Frontend 10 des „eigenen“ Radar-Transceivers 1 sowie auch das HF-Frontend 10' eines anderen (störenden) Radarsensors 1' dargestellt. Es sei angemerkt, dass 5 einen vereinfachten Schaltplan darstellt, um die grundlegende Struktur des HF-Frontends 10 mit einem Sendekanal (TX-Kanal TX1) und einem Empfangskanal (RX-Kanal RX1) zu zeigen. Wie erwähnt sind tatsächliche Implementierungen, die stark von der konkreten Applikation abhängen können, üblicherweise komplexer und weisen mehrere TX- und/oder RX-Kanäle auf, die auch in verschiedenen MMICs integriert sein können.
Das HF-Frontend 10 umfasst einen Lokaloszillator 101 (LO), der ein HF-Oszillatorsignal s_LO (t) erzeugt. Das HF-Oszillatorsignal s_LO (t) ist im Betrieb - wie oben unter Bezugnahme auf 2 beschrieben - frequenzmoduliert und wird auch als LO-Signal bezeichnet. In Radaranwendungen liegt das LO-Signal üblicherweise im SHF- (Super High Frequency, Zentimeterwellen-) oder im EHF- (Extremely High Frequency, Millimeterwellen-) Band, z.B. im Intervall von 76 GHz bis 81 GHz bei manchen automobilen Anwendungen. Manche Radarsysteme arbeiten im 24 GHz ISM-Band (Industrial, Scientific and Medical Band). Das LO-Signal s_LO(t) wird sowohl im Sendesignalpfad TX1 (im TX-Kanal) als auch im Empfangssignalpfad RX1 (im RX-Kanal) verarbeitet.
Das Sendesignal s_RF(t) (vgl. 2), das von der TX-Antenne 5 abgestrahlt wird, wird durch Verstärken des LO-Signals s_LO(t), beispielsweise mittels des HF-Leistungsverstärkers 102, erzeugt und ist damit lediglich eine verstärkte und ggf. phasenverschobene Version des LO-Signals s_LO(t). Der Ausgang des Verstärkers 102 kann mit der TX-Antenne 5 gekoppelt sein (im Falle einer bistatischen/pseudo-monostatischen Radarkonfiguration). Das Empfangssignal y_RF(t), welches von der RX-Antenne 6 empfangen wird, wird der Empfängerschaltung im RX-Kanal und damit direkt oder indirekt dem HF-Port des Mischers 104 zugeführt. Im vorliegenden Beispiel wird das HF-Empfangssignal y_RF(t) (Antennensignal) mittels des Verstärkers 103 (Verstärkung g) vorverstärkt. Der Mischer 104 empfängt also das verstärkte HF-Empfangssignal g · y_RF(t). Der Verstärker 103 kann z.B. ein LNA (low noise amplifier) sein. Dem Referenz-Port des Mischers 104 ist das LO-Signal s_LO(t) zugeführt, sodass der Mischer 104 das (vorverstärkte) HF-Empfangssignal y_RF(t) in das Basisband heruntermischt. Das heruntergemischte Basisbandsignal (Mischerausgangssignal) wird mit y_BB(t) bezeichnet. Dieses Basisbandsignal y_BB(t) wird zunächst analog weiterverarbeitet, wobei die analoge Basisbandsignalverarbeitungskette 20 im Wesentlichen eine Verstärkung und eine (z.B. Bandpass- oder Tiefpass-) Filterung bewirkt, beispielsweise um unerwünschte Seitenbänder und Spiegelfrequenzen zu unterdrücken. Das resultierende analoge Ausgangssignal, welches einem Analog-Digital-Wandler (siehe 3, ADC 30) zugeführt ist, wird mit y(t) bezeichnet. Verfahren für die digitale Weiterverarbeitung des digitalisierten Ausgangssignals (digitales Radarsignal y[n]) sind an sich bekannt (beispielsweise die Range-Doppler-Analyse) und werden daher hier nicht weiter im Detail diskutiert.
Im vorliegenden Beispiel mischt der Mischer 104 das vorverstärkte HF-Empfangssignal g · y_RF(t) (d.h. das verstärkte Antennensignal) hinunter ins Basisband. Das Mischen kann in einer Stufe erfolgen (also vom HF-Band direkt ins Basisband) oder über eine oder mehrere Zwischenstufen (also vom HF-Band in ein Zwischenfrequenzband und weiter ins Basisband). In diesem Fall umfasst der Empfangsmischer 104 effektiv mehrere in Serie geschaltete einzelne Mischerstufen. Des Weiteren kann die Mischerstufe einen IQ-Mischer enthalten, der zwei Basisbandsignale (In-Phase und Quadratursignal) erzeugt, die als Realteil und Imaginärteil eines komplexen Basisbandsignals interpretiert werden können.
5 zeigt des Weiteren einen Teil (den TX-Kanal des HF-Frontends 10') eines weiteren Radarsensors 1', der für den Radarsensor 1 einen Störer darstellt. Das HF-Frontend 10' des Radarsensors 1' beinhaltet einen weiteren Lokaloszillator 101', der ein LO-Signal s_LO'(t) erzeugt, welches von dem Verstärker 102' verstärkt wird. Das verstärkte LO-Signal wird als HF-Radarsignal s_RF,O'(t) über die Antenne 5' des Radarsensors 1' abgestrahlt (vgl. Gleichung (3)). Dieses HF-Radarsignal s_RF,O'(t) trägt zu der von der Antenne 6 des anderen Radarsensors 1 empfangenen Störsignalkomponente y_RF,I(t) bei und kann die erwähnten Interferenzen verursachen.
6 illustriert schematisch ein Beispiel eines FM-Schemas wie es in FMCW-Radarsensoren üblicherweise bei der Frequenzmodulation (FM) des LO-Signals s_LO (t) verwendet wird. In dem dargestellten Beispiel wird für jede Messung eine Sequenz von Chirps erzeugt. In 6 enthält die erste Sequenz nur 16 Chirps. In der Praxis kann eine Sequenz jedoch wesentlich mehr Chirps aufweisen, beispielsweise 128 oder 256 Chirps. Eine Anzahl, die einer Zweierpotenz entspricht, erlaubt bei der nachfolgenden digitalen Signalverarbeitung (z.B. bei der Range/Doppler-Analyse) die Verwendung effizienter FFT- (Fast Fourier Transform) Algorithmen. Zwischen den einzelnen Sequenzen kann eine Pause sein.
7 und 8 illustrieren anhand eines Beispiels wie ein Störer die Radarechos, die in dem vom Radarsensor 1 empfangenen HF-Signal y_RF(t) enthalten sind, stören kann. 7 zeigt in einem Diagramm (Frequenz über der Zeit) einen von dem Radarsensor 1 abgestrahlten Chirp mit einer Chirp-Dauer von 60µs (7, durchgezogene Linie). Die Startfrequenz des abgestrahlten Signals s_RF(t) beträgt ungefähr 76250 MHz und die Stopfrequenz ungefähr 76600 MHz. Ein von einem anderen Radarsensor erzeugtes Störsignal y_RF,I(t) beinhaltet einen Up-Chirp mit einer Startfrequenz von ungefähr 76100 MHz, einer Stopfrequenz von ungefähr 76580 MHz und einer Chirp-Dauer von 30 µs sowie einen darauf folgenden Down-Chirp, der bei der Stopfrequenz des vorhergehenden Chirps startet und bei der Startfrequenz des vorhergehenden Chirps endet und eine Chirp-Dauer von 10 µs aufweist (7, strichpunktierte Linie). Die Bandbreite B des Basisbandsignals des Radarsensors wird im Wesentlichen von der Basisbandsignalverarbeitungskette 20 bestimmt und ist in 7 durch die gestrichelten Linien angedeutet. 8 zeigt einen exemplarischen Signalverlauf des (vorverarbeiteten) Basisbandsignals y(t) des Radarsensors 1. Man kann sehen, dass die Signalkomponenten aufgrund der Interferenz in jenen Zeitintervallen eine signifikante Amplitude aufweisen, in denen die Frequenzen von Sendesignal und Störsignal eine Frequenzdifferenz aufweisen, die kleiner oder gleich der Bandbreite B des Radarsensors ist (siehe 7 und 8). Im vorliegenden Beispiel tritt die Interferenz drei Mal während der Chirp-Dauer von 60 µs auf, nämlich bei ungefähr 7 µs, 28 µs und 42 µs. Wie erwähnt ist die Leistung des Störsignals üblicherweise höher sein als die Leistung der Radarechos von realen Targets. Des Weiteren sind (abgesehen von hier nicht betrachteten Ausnahmen) die Störsignale und das Sendesignal des betrachteten Radarsensors 1 unkorreliert, weshalb die Interferenz als Rauschen (im Sinne einer breitbandigen Störung) angesehen werden kann und somit das Grundrauschen (noise floor) erhöht.
Es wurden verschiedene Konzepte zur Unterdrückung von interferenzbedingten Störungen vorgeschlagen. Einige Konzepte setzen voraus, dass einzelne von einer Störung beeinträchtigte Signalsegmente des digitalen Radarsignals y[n] (die einem Chirp im HF-Sendesignal s_RF(t) zugeordnet werden können) als „beeinträchtigt“ identifiziert werden. Die beeinträchtigten Signalsegmente werden in der Regel verworfen und bei der weiteren Signalverarbeitung nicht berücksichtigt. Andere Konzepte setzen voraus, dass einzelne von einer Störung beeinträchtigte Samples des digitalen Radarsignals y[n] als „beeinträchtigt“ identifiziert werden. In diesem Fall muss das betroffene Signalsegment nicht als Ganzes verworfen werden, sondern die betroffenen Samples können gezielt (z.B. mittels Interpolation/Approximation) korrigiert werden, um die Störung zu unterdrücken.
Die im folgenden beschriebenen Konzepte zielen darauf ab, Samples oder Gruppen aufeinanderfolgender Samples, die potentiell von Störungen beeinträchtigt sind und daher für die Objektdetektion nicht berücksichtigt werden können (und sollen), zuverlässig und robust (d.h. unabhängig von der konkreten Situation) zu identifizieren. Wie in 8 dargestellt manifestieren sich Interferenzen als vergleichsweise kurzer Pulse, die im Folgenden als Interferenz-Bursts (Interference Burst) bezeichnet werden. Innerhalb eines solchen Burst nimmt die Frequenz zunächst ab und anschließend wieder zu. Um einen Interferenz-Burst möglichst genau aus dem digitalen Radarsignal „herausschneiden“ zu können, ist es notwendig, den Beginn (onset) und das Ende des jeweiligen Burst möglichst genau und zuverlässig zu detektieren. Die hier beschriebenen Konzepte verwenden zu diesem Zweck die Hüllkurve des digitalen Radarsignals y[n], das beispielsweise segmentweise verarbeitet wird.
9a-c sind Timing-Diagramme, die exemplarisch ein 1024-Sample-Segment eines digitalen Radarsignals y[n] darstellen, in dem ein Interferenzsignal (im vorliegenden Beispiel ein Interferenz-Burst) enthalten ist. In einem ersten Schritt wird eine Einhüllende (Envelope) des betrachteten Signalsegments ermittelt, was auf unterschiedliche Weise erfolgen kann. Die Ergebnisse der unterschiedlichen Ansätze der Berechnung der Hüllkurve sind in den Diagrammen (a) bis (c) der 9 dargestellt. Eine Möglichkeit, ein die Einhüllende repräsentierendes Signal x_env [n] zu berechnen, ist die Berechnung des Absolutwertes der analytischen Darstellung (analytic representation) digitalen Radarsignals y[n]. Diagramm (a) der 9 zeigt ein exemplarisches Segment des digitalen Radarsignals und den Absolutwert des zugehörigen analytischen Signals. Der Absolutwert repräsentiert die Einhüllende x_env [n]. Eine analytisches Signal ist ein komplexwertiges Signal, dessen Imaginärteil die Hilberttransformierte des Realteils ist. Sofern im HF-Frontend (siehe 5, HF-Frontend 10) des Radarsensors ein IQ-Mischer zur Erzeugung des Basisbandsignals verwendet wird, ist das digitale Radarsignal y[n] bereits ein analytisches Signal (Realteil und Imaginärteil entsprechend In-Phase- und Quadraturkomponente). Sofern ein reelles Basisbandsignal erzeugt wird, kann der zugehörige Imaginärteil mittels eines Hilbert-Transformators erzeugt werden. In diesem Fall ist das die Einhüllende repräsentierende Signal x_env [n]: $x_{e n v} [n] = \sqrt{y {[n]}^{2} + H {y [n]}^{2},}$
wobei y[n] das reelle Basisbandsignal und $H {y [n]}$
das zugehörige Hilbert-transformierte Signal bezeichnet (also den zu y[n]gehörigen Imaginärteil).
Ein Hilbert-Transformator kann z.B. als Allpass, der eine konstante Phasenantwort von π/2 aufweist, implementiert werden. Der Allpass kann als Finite-Impulse-Response-Filter implementiert sein. Die Erzeugung eines analytischen Signals mittels eines Hilbert-Transformators und anschließender Berechnung der Hüllkurve durch Bildung des Absolutwertes des komplexwertigen, analytischen Signals, ist an sich bekannt und wird daher hier nicht weiter diskutiert.
Eine weitere Möglichkeit, ein die Einhüllende repräsentierendes Signal zu berechnen, ist die Approximation eines Effektivwertes (RMS, root mean-square, Wert) unter Verwendung eines gleitenden Durchschnittes der momentanen Signalisierung. Das Ergebnis dieses Ansatzes ist in Diagramm (b) der 9 dargestellt. In diesem Fall ist das die Einhüllende repräsentierende Signal x_env [n]: $x_{e n v} [n] = \sqrt{\frac{1}{L} \sum_{i = n - L / 2 + 1}^{n + L / 2} y {[i]}^{2},} (f \ddot{u} r geradzahlige L)$
wobei L die Fensterlänge repräsentiert, die für die Berechnung des gleitenden Durchschnitts verwendet wird In einem Beispiel wird L = 30 verwendet. Auch das Quadrat des RMS-Wertes wäre als ein die Einhüllende repräsentierendes Signal geeignet.
Eine weitere Möglichkeit, ein die Einhüllende repräsentierendes Signal zu berechnen, besteht in der Verwendung eines Cell-Averaging-CFAR-Algorithmus, der in Radar-Systemen auch andere Zwecke verwendet werden kann. Die Parameter für den CFAR-Algorithmus können so gewählt werden, dass die Hüllkurve mit der gewünschten Genauigkeit geliefert wird. Das Ergebnis ist ähnlich wie bei der Approximation gemäß Gleichung 5, jedoch kann abhängig von der konkreten Implementierung in den Recheneinheiten (siehe 4, Ziffer 40) der Radarsensoren bereits eine Hardware-Beschleunigung für die Durchführung des CFAR-Algorithmus vorgesehen sein, was eine sehr schnelle Berechnung des die Hüllkurve repräsentierenden Signals x_env [n] erlaubt. Das Ergebnis dieses Ansatzes ist in Diagramm (c) der 9 dargestellt.
An dieser Stelle sei angemerkt, dass bei den hier beschriebenen Beispielen immer ein Segment des digitalen Radarsignals y[n] betrachtet wird. Das ermittelte Hüllkurven-Signal x_env [n] ist daher ein endliches Signal, das zu dem betrachteten Segment des digitalen Radarsignals y[n] gehört. In den hier beschriebenen Beispielen ist die Länge (Anzahl der Samples) des Segment des digitalen Radarsignals y[n] und damit die Länge des zugehörigen Hüllkurven-Signals x_env [n] N Samples, wobei N = 1024. Je nach der verwendeten Berechnungsmethode kann das Hüllkurven-Signals x_env [n] auch weniger als N Samples umfassen. Das betrachtete Segment des digitalen Radarsignals y[n] kann üblicherweise einem bestimmten Chirp der ausgesendeten Chirp-Sequenz (d.h. des ausgesendeten HF-Sendesignals s_RF(t)) zugeordnet werden. Für eine Chirp-Sequenz mit M Chirps (siehe 6, exemplarische Sequenz mit 16 Chirps) können also M korrespondierende Segmente des digitalen Radarsignals y[n] ermittelt werden (und damit auch M korrespondierende Hüllkurven-Signale x_env [n]). Die hier beschriebenen Konzepte können für jedes der Hüllkurven-Signale x_env [n] separat angewendet werden. Wenn im Folgenden auf das digitale Radarsignal y[n] Bezug genommen wird, ist meist das aktuell betrachtete Segment des digitalen Radarsignals y[n] gemeint.
Man sieht in 9, dass alle drei der oben genannten Möglichkeiten zur Berechnung des Signals x_env [n] (in der Folge als Hüllkurven-Signal bezeichnet) zu einem ähnlichen Ergebnis führen. Nachdem das Hüllkurven-Signal x_env [n], das die Hüllkurve des betrachteten Segments des digitalen Radarsignals y[n] repräsentiert, berechnet wurde, werden als nächstes der Beginn und das Ende des Interferenz-Bursts detektiert. Die hier beschriebenen Ausführungsbeispiele verwenden einen statistischen Ansatz, um die Detektion robuster zu machen. Ein erstes Beispiel wird im Folgenden anhand von den Diagrammen aus 10 erläutert.
Gemäß 10, Diagramm (a), werden für das Signal x_env [n] fortlaufend statistische Parameter berechnet, nämlich ein laufender Mittelwert µ[n] und eine laufende Standardabweichung σ[n], d.h. $μ [n] - \frac{1}{n - n_{0} + 1} \sum_{i = n_{0}}^{n} x_{e n v} [i], und$
$σ [n] = \sqrt{\frac{1}{n - n_{0} + 1} \sum_{i = n_{0}}^{n} {(x_{e n v} [i] - μ [i])}^{2}}, {wobei n = n}_{0}, n_{0} + 1, n_{0} + 2, \dots$
wobei im vorliegenden Beispiel aus 10 für den Startindex n₀ = 0 gilt. IN jedem Zeitschritt, d.h. für jeden Zeitindex n wird die Ungleichung $x_{e n v} [n] > μ [n] + λ \cdot σ [n]$
ausgewertet, wobei λ ein konstanter, vorbestimmter Parameter ist. In anderen Worten, das Hüllkurven-Signal x_env [n] wird mit einem Schwellenwert µ[n] + λ · σ[n] verglichen, der von statistischen Parametern abhängt, die das Hüllkurven-Signal x_env [n] selbst charakterisieren und von diesem abhängen. Die Ungleichung 8 wird für ansteigende Zeitindizes n = 0, 1, 2, ... ausgewertet. Wenn die Ungleichung 8 für eine bestimmte Anzahl von aufeinanderfolgenden Samples (z.B. für n = n₁, n₁ + 1, n₁ + 2 ) erfüllt ist, dann wird der Zeitindex des ersten dieser aufeinanderfolgenden Samples (also n = n₁) als Zeitpunkt des Beginns (onset) eines Interferenz-Bursts definiert. Der entsprechende Sample x_env[n₁] ist in Diagramm (a) der 10 mit einem Kreis markiert. An dieser Stelle sei angemerkt, dass das Hüllkurven-Signal x_env [n] segmentweise verarbeitet wird, wobei im vorliegenden Beispiel die Segmentlänge N gleich 1024 ist (d.h. n = 0,1, ... , 1023). Jedes verarbeitete Segment kann einem bestimmten Chirp in dem ausgesendeten HF-Signal s_RF(t) zugeordnet werden, was bei den hier beschriebenen Konzepten jedoch nicht notwendigerweise der Fall sein muss.
10, Diagramm (b), illustriert die Detektion des Zeitpunkts des Endes des Interferenz-Bursts. Dieser kann auf dieselbe Weise erfolgen, wie die Detektion des Beginns des Interferenz-Bursts, beispielsweise, indem die oben beschriebene Methode auf das „umgedrehte“ (reversed) Signal $x_{e n v}^{'} [n] = x_{e n v} [N-1-n]$
angewendet wird (für Signalsegmente mit N Samples, d.h. n = 0, ..., N - 1). Ein Umdrehen des Signals x_env[n] ist jedoch nicht unbedingt nötig; alternativ können die Gleichungen (6) und (7) entsprechend angepasst werden.
Ein anderer Ansatz zur Detektion des Beginns (onset) eines Interferenz-Bursts anhand des zuvor berechneten Hüllkurven-Signals x_env [n] wird im Folgenden anfand der 11 und 12 erläutert. Gemäß dem Beispiel aus 11 werden für das Signal x_env[n] fortlaufend statistische Parameter berechnet, nämlich eine „lokale“ Standardabweichung σ[n] (d.h. die Standardabweichung der Samples in einem gleitenden Fenster (moving window)) und ein skalierter Mittelwert der lokalen Standardabweichung σ[n]. Dabei wird das Signal x_env[n] wie im vorherigen Beispiel segmentweise betrachtet, d.h. die Segmente für n = 0 + s_i,... , N - 1 + s_i, wobei N die Länge des Segmentes (z.B. N = 1024) und s_i den Startindex des i-ten Segments (z.B. s₁ = 0, s₂ = 1024, etc.) bezeichnet. Im Folgenden wird als illustratives Beispiel das Signalsegment x_env[n], für n = 0, ..., 1023, betrachtet. Die einzelnen Segmente des Hüllkurven-Signals x_env [n] können jeweils einem bestimmten Chirp im ausgesendeten HF-Signal s_RF(t) zugeordnet sein, was jedoch nicht notwendigerweise der Fall sein muss.
Die erwähnte Standardabweichung σ[n] eines gleitenden Fensters mit K Samples kann wie folgt berechnet werden: $σ [n] = \sqrt{\frac{1}{K} \sum_{i = n - K / 2 + 1}^{n + K / 2} {(x_{e n v} [i] - μ [i])}^{2},} mit$
$μ [n] = \frac{1}{K} \sum_{i = n - K / 2 + 1}^{n + K / 2} x_{e n v} [i], f \ddot{u} r n = 0,1, \dots, N - 1.$
Die Fensterlänge ist in diesem Beispiel eine gerade Zahl. Um die Standardabweichung σ[n] für Zeitindizes n < K/2 - 1 und n ≥ N - K/2 berechnen zu können, kann das betrachtete Segment des Signals x_env [i] an den Rändern mit Nullen ergänzt werden (Zero-Padding). Alternativ kann auch der Definitionsbereich von σ[n] entsprechend verkleinert werden. Der untere Signalverlauf (waveform) in 11 repräsentiert die „lokale Standardabweichung σ[n] gemäß Gleichung 9.
Diese gemäß Gleichung 9 berechnete Standardabweichung σ[n] wird fortlaufend mit einem Schwellenwert λ · σ verglichen, der ebenfalls ein statistischer Parameter ist, nämlich im vorliegenden Beispiel ein skalierter Mittelwert der Standardabweichung des betrachteten Segments. Der Schwellenwert kann demnach wie folgt berechnet werden: $λ \cdot \bar{σ} = λ \cdot \frac{1}{N} \sum_{n = 0}^{N - 1} σ [n],$
wobei λ ein vorbestimmter konstanter Skalierungsfaktor ist. Am Beginn und am Ende eines Interferenz-Bursts wird die lokale, für das gleitende Fenster berechnete Standardabweichung σ[n] ansteigen. Für jeden Zeitindex n wird geprüft, ob der der zugehörige Wert σ[n] oberhalb des Schwellenwert λ · σ liegt, d.h. es wird folgende Ungleichung ausgewertet: $σ [n] > λ \cdot \bar{σ} .$
Die Ungleichung 12 wird für ansteigende Zeitindizes n = 0, 1, 2, ..., ausgewertet. Wenn die Ungleichung 12 für eine bestimmte Anzahl von aufeinanderfolgenden Samples (z.B. für n = n₁, n₁ + 1, n₁ + 2 ) erfüllt ist, dann wird der Zeitindex des ersten dieser aufeinanderfolgenden Samples (also n = n₁) als Zeitpunkt des Beginns (onset) eines Interferenz-Bursts definiert (analog zu dem vorherigen Beispiel aus 10). In ähnlicher Weise kann der Zeitpunkt des Endes des Interferenz-Bursts ermittelt werden. Dafür kann die Ungleichung 12 wird für fallende Zeitindizes n = N - 1, N - 2, N - 3, ..., ausgewertet werden, und wenn die Ungleichung 12 für eine bestimmte Anzahl von aufeinanderfolgenden Samples (z.B. für n = n₂, n₂ - 1, n₂ - 2 ) erfüllt ist, dann wird der Zeitindex des ersten dieser aufeinanderfolgenden Samples (also n = n₂) als Zeitpunkt des Endes des Interferenz-Bursts definiert.
Alle zwischen den detektierten Zeitindizes n₁ und n₂ liegenden Zeitindizes n (d.h. n₁ < n < n₂) können als zu dem Interferenz-Burst gehörig definiert werden und das digitale Radarsignal y[n] wird im Abschnitt n₁ < n ≤ n₂ als durch Interferenz beeinträchtigt angesehen (siehe 12). In der nachfolgenden digitalen Signalverarbeitung können die durch Interferenz beeinträchtigte Abschnitte speziell berücksichtigt werden, beispielsweise um in diesem Abschnitten durch geeignete Interpolations-/Approximationsmethoden das ungestörte Signal zumindest näherungsweise wiederherzustellen.
Es versteht sich, dass, wenn ein Interferenz-Burst am Anfang des betrachteten Signalsegments y[n] (und damit auch in x_env [n]) liegt, der Beginn des Interferenz-Bursts unter Umständen mit den oben beschriebenen Ansätzen nicht ohne weiteres detektiert werden kann. Das gilt gleichermaßen auch für die Detektion des Endes des Interferenz-Bursts, wenn dieser am Ende des betrachteten Signalsegments y[n] liegt. In diesen Fällen wird nur das Ende (Index n₂) des Interferenz-Bursts (wenn er am Anfang des Signalsegments liegt) oder der Anfang (Index n₁) des Interferenz-Bursts (wenn er am Ende des Signalsegments liegt) detektiert. In diesem Fall ist der durch Interferenz beeinträchtigte Abschnitt 0 ≤ n ≤ n₂ bzw. n₁ ≤ n ≤ N - 1. Die Fälle „Interferenz-Burst liegt am Anfang des Segments“ und „Interferenz-Burst liegt am Anfang des Segments“ können anhand verschiedener Kriterien unterschieden werden (z.B. durch Vergleich des Hüllkurven-Signals x_env[n] mit einem festen, vordefinierten Schwellenwert. Des Weiteren kann auch der Fall auftreten, dass ein Segment von mehreren Interferenz-Bursts beeinträchtigt sind. In diesem Fall kann das Segment z.B. in Untersegmente mit jeweils einem Interferenz-Burst zerlegt werden und diese Untersegmente werden entsprechend den hier beschriebenen Konzepten verarbeitet. Auch das Vorhandensein mehrerer Interferenz-Bursts kann z.B. mittels eines festen, vordefinierten Schwellenwert erkannt werden.
Mehrere Aspekte des hier beschriebenen Verfahrens werden im Folgenden anhand des Flussdiagramms aus 13 zusammengefasst, wobei es sich nicht um eine vollzählige sondern lediglich um eine exemplarische Aufzählung von technischen Merkmalen handelt. Gemäß 13 liefert ein Radarempfänger (siehe z.B. 5, RX-Kanal RX1, Basisbandsignalverarbeitung 20 und ADC 30) ein digitales Radarsignal y[n], welches eine Vielzahl von Segmenten umfasst (siehe 13, Schritt S1). Die Verarbeitung des Radarsignal y[n] kann segmentweise erfolgen. In den hier beschriebenen Beispielen kann jedes der Segmente einem bestimmten Chirp (vgl. 6) im HF-Sendesignal s_RF(t) zugeordnet werden (Eins-zu-eins-Zuordnung), was jedoch nicht notwendigerweise der Fall sein muss.
Gemäß 13 wird das ein Hüllkurven-Signal x_env [n] berechnet, das die Hüllkurve eines Segments des digitalen Radarsignals y[n] repräsentiert. (siehe 13, Schritt S2). Das heißt, es kann für jedes Segment des digitalen Radarsignals y[n] ein Hüllkurven-Signal x_env [n] ermittelt werden (Segment für Segment). Die Berechnung muss jedoch nicht zwangsläufig für jedes Segment des digitalen Radarsignals y[n] durchgeführt werden. In den hier beschriebenen Beispielen wird jedoch für jedes Segment, das später für eine Radar-Messung weiterverarbeitet wird, ein Hüllkurven-Signal x_env[n] berechnet. Anschließend wird - unter Verwendung mindestens eines statistischen Parameters des Hüllkurven-Signals x_env [n] - ein (Start-) Zeitpunkt berechnet, an dem ein in dem betrachteten Segment des digitalen Radarsignals y[n] enthaltenes Interferenzsignal beginnt (siehe 13, Schritt S3). Um den mindestens einen statistischen Parameter des Hüllkurven-Signals x_env [n] zu ermitteln, kann eine statistische Analyse des Hüllkurven-Signals x_env [n] durchgeführt werden. Insbesondere können Mittelwerte und Standardabweichungen berechnet werden.
Gemäß einem Beispiel beinhaltet das Ermitteln des erwähnten (Start-) Zeitpunkts (in den weiter oben beschriebenen Beispielen durch den Zeitindex n₁ bezeichnet) das Ermitteln des mindestens einen statistischen Parameters des Hüllkurven-Signals x_env [n] für eine Vielzahl aufeinanderfolgender Zeitindizes des Hüllkurven-Signals x_env[n], das Berechnen eines Schwellenwertes (vgl. Gleichung 8, Schwellenwert µ[n] + λ · σ[n]) für jeden der aufeinanderfolgenden Zeitindizes basierend auf dem zugehörigen mindestens einen statistischen Parameter sowie das Detektieren des Zeitindex n₁, der den Zeitpunkts des Beginns des Interferenzsignals (Bursts) repräsentiert. Die Detektion basiert dabei auf einem Vergleich des Hüllkurven-Signals x_env[n] mit den zugehörigen Schwellenwerten (vgl. Gleichung 8 und 10) für die Vielzahl aufeinanderfolgender Zeitindizes. Der mindestens eine statistische Parameter kann ein Mittelwert und eine Standardabweichung des Hüllkurven-Signals x_env [n] sein, die jeweils in einem variablen Zeitfenster berechnet werden. Variables Zeitfenster bedeutet, dass die (zeitliche) Länge des Zeitfensters variiert. Es beginnt z.B. bei einem festen Startindex (z.B. n=0) und endet bei dem aktuell betrachteten Zeitindex n des Hüllkurven-Signals x_env[n]. Das heißt, jedem Zeitindex n des Hüllkurven-Signals x_env[n] kann ein Mittelwert µ[n] und eine Standardabweichung σ[n] zugeordnet werden. Entsprechend kann für jeden Zeitindex n des Hüllkurven-Signals x_env[n] ein Schwellenwert µ[n] + λ · σ[n] berechnet werden.
Gemäß einem weiteren Ausführungsbeispiel beinhaltet das Ermitteln des erwähnten (Start-) Zeitpunkts des Interferenzsignals (Bursts) das Ermitteln eines statistischen Parameters (z.B. Standardabweichung σ[n]) des Hüllkurven-Signals x_env [n] für eine Vielzahl aufeinanderfolgender Zeitindizes. Anschließend wird ein Schwellenwert (z.B. λ - σ, siehe Gleichung 11) basierend auf den ermittelten statistischen Parametern berechnet. Das heißt, es wird in diesem Beispiel für jedes Hüllkurven-Signals x_env[n] ein (einziger) Schwellenwert berechnet. Anschließend wird der erwähnte Zeitindex detektiert, der den Zeitpunkts des Beginns des Interferenzsignals repräsentiert. Diese Detektion basiert auf einem Vergleich der für eine Vielzahl aufeinanderfolgender Zeitindizes ermittelten statistischen Parameter mit dem einen Schwellenwert (siehe Gleichung 12). Der mindestens eine statistische Parameter kann eine Standardabweichung σ[n] des Hüllkurven-Signals x_env[n] sein, die in einem gleitenden Zeitfenster (mit z.B. konstanter Länge) berechnet wird, und der Schwellenwert kann basierend auf einem Mittelwert σ der ermittelnden Standardabweichungen σ[n] berechnet werden. Anders als in dem zuvor beschriebenen Beispiel werden in diesem Fall nicht die Samples des Hüllkurven-Signals x_env [n] mit einem (Variablen) Schwellenwert vergleichen, sondern - für jeden Zeitindex - die berechneten Standardabweichungen σ[n] mit einem für das jeweilige Segment ermittelten, konstanten Schwellenwert.

Claims

Ein Verfahren, das folgendes aufweist: Bereitstellen eines digitalen Radarsignals (y[n]) mittels eines Radarempfängers, wobei das digitale Radarsignal (y[n]) eine Vielzahl von Segmenten umfasst; Berechnen eines Hüllkurven-Signals (x_env[n]), das die Hüllkurve eines Segments des digitalen Radarsignals (y[n]) repräsentiert; Ermitteln eines Zeitpunkts (n₁) eines Beginns eines in dem Segments des digitalen Radarsignals (y[n]) enthaltenen Interferenzsignals unter Verwendung mindestens eines statistischen Parameters des Hüllkurven-Signals (x_env[n]).
Das Verfahren gemäß Anspruch 1, wobei das Ermitteln des Zeitpunkts (n₁) folgendes umfasst: statistisches Analysieren des Hüllkurven-Signals (x_env[n]), um den mindestens einen statistischen Parameter des Hüllkurven-Signals (x_env[n]) zu erzeugen.
Das Verfahren gemäß Anspruch 1 oder 2, wobei das Berechnen des Hüllkurven-Signals (x_env[n]) folgendes umfasst: Berechnen eines Absolutwertes eines analytischen Signals, welches das digitale Radarsignal (y[n]) repräsentiert, wobei das digitale Radarsignal (y[n]) vom Radarempfängers bereits als analytisches Signal bereitgestellt wird oder das analytische Signal basierend auf dem digitale Radarsignal (y[n]) unter Verwendung einer Hilbert-Transformation berechnet wird.
Das Verfahren gemäß Anspruch 1 oder 2, wobei das Berechnen des Hüllkurven-Signals (x_env[n]) folgendes umfasst: Berechnen eines RMS-Signals basierend auf dem digitalen Radarsignal (y[n]), und Verwenden des RMS-Signals als Hüllkurven-Signals (x_env[n]).
Das Verfahren gemäß Anspruch 1 oder 2, wobei das Berechnen des Hüllkurven-Signals (x_env[n]) folgendes umfasst: Verwenden eines CFAR-Algorithmus zur Ermittlung des Hüllkurven-Signals (x_env[n]).
Das Verfahren gemäß einem der Ansprüche 1 bis 5, wobei das Ermitteln des Zeitpunkts (n₁) folgendes umfasst: Ermitteln des mindestens einen statistischen Parameters (µ[n], σ[n]) des Hüllkurven-Signals (x_env[n]) für eine Vielzahl aufeinanderfolgender Zeitindizes des Hüllkurven-Signals (x_env[n]); Berechnen eines Schwellenwertes (µ[n] + λ · σ[n]) für jeden der aufeinanderfolgenden Zeitindizes basierend auf dem zugehörigen mindestens einen statistischen Parameter; Detektieren eines Zeitindex (n₁), der den Zeitpunkts des Beginns eines Interferenzsignals repräsentiert, basierend auf einem Vergleich des Hüllkurven-Signals (x_env[n]) für die Vielzahl aufeinanderfolgender Zeitindizes mit den zugehörigen Schwellenwerten (µ[n] + λ · σ [n]).
Das Verfahren gemäß Anspruch 6, wobei der mindestens eine statistische Parameter einen Mittelwert und eine Standardabweichung des Hüllkurven-Signals (x_env[n]) in einem variablen Zeitfenster umfasst.
Das Verfahren gemäß Anspruch 7, wobei das variablen Zeitfenster sich von einem festgelegten Start-Zeitindex bis zu einem variablen End-Zeitindex erstreckt.
Das Verfahren gemäß einem der Ansprüche 1 bis 5, wobei das Ermitteln des Zeitpunkts (n₁) folgendes umfasst: Ermitteln eines statistischen Parameters (σ[n]) des Hüllkurven-Signals (x_env[n]) für eine Vielzahl aufeinanderfolgender Zeitindizes des Hüllkurven-Signals (x_env[n]); Berechnen eines Schwellenwertes (λ · σ) basierend auf den für eine Vielzahl aufeinanderfolgender Zeitindizes ermittelten statistischen Parameter (σ[n]), Detektieren eines Zeitindex (n₁), der den Zeitpunkts des Beginns eines Interferenzsignals repräsentiert, basierend auf einem Vergleich der für eine Vielzahl aufeinanderfolgender Zeitindizes ermittelten statistischen Parameter (σ[n]) mit dem Schwellenwert (λ · σ).
Das Verfahren gemäß Anspruch 9, wobei der mindestens eine statistische Parameter eine Standardabweichung des Hüllkurven-Signals (x_env[n]) in einem gleitenden Zeitfenster umfasst, und wobei der Schwellenwert basierend auf einem Mittelwert der ermittelnden Standardabweichungen berechnet wird.
Ein Radarsystem, das folgendes aufweist: einen Radarempfänger, der dazu ausgebildet ist, ein digitales Radarsignal (y[n]) bereitzustellen, wobei das digitale Radarsignal (y[n]) eine Vielzahl von Segmenten umfasst; eine Recheneinheit (40 ,50), die dazu ausgebildet ist, ein Hüllkurven-Signal (x_env[n]) zu berechnen, das die Hüllkurve eines Segments des digitalen Radarsignals (y[n]) repräsentiert; einen Zeitpunkts (n₁) eines Beginns eines in dem Segments des digitalen Radarsignals (y[n]) enthaltenen Interferenzsignals unter Verwendung mindestens eines statistischen Parameters des Hüllkurven-Signals (x_env[n]) zu ermitteln.
Das Radarsystem gemäß Anspruch 11, wobei zur Ermittlung des Zeitpunkts (n₁) die Recheneinheit (40 ,50) dazu ausgebildet ist: mindestens einen statistischen Parameter (µ[n], σ[n]) des Hüllkurven-Signals (x_env[n]) für eine Vielzahl aufeinanderfolgender Zeitindizes des Hüllkurven-Signals (x_env[n]) tu ermitteln; einen Schwellenwert (µ[n] + λ · σ[n]) für jeden der aufeinanderfolgenden Zeitindizes basierend auf dem zugehörigen mindestens einen statistischen Parameter zu berechnen; und einen Zeitindex (n₁), der den Zeitpunkts des Beginns eines Interferenzsignals repräsentiert, basierend auf einem Vergleich des Hüllkurven-Signals (x_env[n]) für die Vielzahl aufeinanderfolgender Zeitindizes mit den zugehörigen Schwellenwerten (µ[n] + λ · σ[n]) zu detektieren.
Das Radarsystem gemäß Anspruch 12, wobei der mindestens eine statistische Parameter einen Mittelwert und eine Standardabweichung des Hüllkurven-Signals (x_env[n]) in einem variablen Zeitfenster umfasst.
Das Radarsystem gemäß Anspruch 11, wobei zur Ermittlung des Zeitpunkts (n₁) die Recheneinheit (40 ,50) dazu ausgebildet ist: einen statistischen Parameter (σ[n]) des Hüllkurven-Signals (x_env[n]) für eine Vielzahl aufeinanderfolgender Zeitindizes des Hüllkurven-Signals (x_env[n]) zu ermitteln; einen Schwellenwertes (λ · σ) basierend auf den für eine Vielzahl aufeinanderfolgender Zeitindizes ermittelten statistischen Parameter (σ[n]) zu berechnen; und einen Zeitindex (n₁), der den Zeitpunkts des Beginns eines Interferenzsignals repräsentiert, basierend auf einem Vergleich der für eine Vielzahl aufeinanderfolgender Zeitindizes ermittelten statistischen Parameter (σ[n]) mit dem Schwellenwert (λ · σ) zu detektieren.
Das Radarsystem gemäß Anspruch 14, wobei der mindestens eine statistische Parameter eine Standardabweichung des Hüllkurven-Signals (x_env[n]) in einem gleitenden Zeitfenster umfasst, und wobei der Schwellenwert basierend auf einem Mittelwert der ermittelnden Standardabweichungen berechnet wird.