DE102021110060A1

DE102021110060A1 - Systeme, vorrichtungen und verfahren zur radardetektion

Info

Publication number: DE102021110060A1
Application number: DE102021110060.7A
Authority: DE
Inventors: Maximilian Eschbaumer; Simon Achatz
Original assignee: Infineon Technologies AG
Current assignee: Infineon Technologies AG
Priority date: 2021-04-21
Filing date: 2021-04-21
Publication date: 2022-10-27
Also published as: US20220342039A1

Abstract

Gemäß mindestens einer Ausführungsform weist eine MIMO-Radar-Anordnung auf: einen Radar-Empfänger, der eingerichtet ist, Radar-Empfangsdaten aus mittels einer Vielzahl von Radar-Empfangsantennen empfangenen Funk-Empfangssignalen zu erzeugen. Die Anordnung weist ferner einen oder mehrere Signalprozessoren auf, die eingerichtet sind: Frequenzdomänen-Daten für eine Entfernungs-Doppler-Klasse basierend auf den Radar-Empfangsdaten zu erzeugen und einen oder mehrere Peaks aus den erzeugten Frequenzdomänen-Daten zu ermitteln. Die Radar-Anordnung weist ferner ein trainiertes maschinelles-Lernen-Modul auf, das eingerichtet ist, unter Verwendung von jedem der ein oder mehreren Peaks zugehörigen Frequenzdomänen-Daten als Eingabe, einen oder mehrere Ausgabe-Werte zu erzeugen, welche eine jeweilige Anzahl an detektierten Objekten innerhalb einer jeden Entfernungs-Doppler-Klasse anzeigen.

Description

Technisches Gebiet
Verschiedene Ausführungsformen betreffen allgemein Radar-Anordnungen und Verfahren zur Radardetektion.
Hintergrund
Das Schätzen des Ankunftswinkels von Objekten innerhalb des Sichtfelds eines Radarsystems, insbesondere eines Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radarsystems, erfordert Kenntnis der erwarteten Anzahl an Zielen in einer Entfernungs-Doppler-Klasse. Diese Kenntnis ist sehr wichtig für das Auswählen der Winkelschätzungs-Algorithmen und für viele fortgeschrittene Algorithmen für die Ankunftsrichtungs-Algorithmen, wie beispielsweise eine Mehr-Signal-Klassifizierung (MUSIC), eine Schätzung von Signal-Parametern mittels Rotations-Invarianz-Technik-(ESPRIT)Algorithmen.
12 zeigt ein Beispiel eines MIMO-Radars 1200, welches ein Array von N Sendeantennen 1210 und ein Array von M Empfangsantennen 1220 aufweist. Das MIMO-Radar 1200 hat daher ein virtuelles Array von N × M virtuellen Kanälen bzw. Kanalelementen.
Für ein MIMO-Radar weisen derzeitige oder Stand der Technik Verfahren zur Objekterkennung wie in 13 gezeigte Verarbeitungen auf. Der Ansatz bzw. die Verarbeitung weisen ein Erlangen von Daten durch das virtuelle Array 1310 eines MIMO-Radars (z.B. eines 1 × M Virtueller-Kanal-Arrays) auf. Die erlangen Daten werden über die Zeit über verschiedene bzw. mehrere Momentaufnahmen akkumuliert, um das Signalzu-Rausch-Verhältnis (SNR) 1320 zu erhöhen (z.B. N-mal). Nach dem Erfassen der mehreren Momentaufnahmen von Daten weist die Verarbeitung in 1430 ein Berechnen einer Kovarianz-Matrix und dann ein Anwenden bestimmter Verfahrensschritte 1340, z.B. eine Eigenwert-Dekomposition (EVD) aufweisend, auf.
Dieser Ansatz hat allerdings Nachteile. Zum Beispiel müsste ein eingebettetes System für ein hochauflösendes Radar (HRR) mit bis zu 128 virtuellen Kanälen die EVD auf einer 128x128 Matrix durchführen, was rechenintensiv wäre und viel Zeit erfordert. Ferner ist das Erfassen mehrerer Momentaufnahmen von Daten auch zeitaufwändig und könnte zusätzliche Hardware, wie beispielsweise einen Speicher zur Datenerfassung und Datenspeicherung, benötigen.
Figurenliste
In den Zeichnungen beziehen sich die gleichen Bezugszeichen im Allgemeinen auf dieselben Teile in den verschiedenen Ansichten. Die Zeichnungen sind nicht notwendigerweise maßstabsgetreu, sondern der Schwerpunkt liegt im Allgemeinen auf der Veranschaulichung der Prinzipien der Erfindung. In der folgenden Beschreibung werden verschiedene Ausführungsformen der Erfindung beschrieben unter Bezugnahme auf die folgenden Zeichnungen, in denen:

1 eine Radar-Anordnung zeigt.
2 ein FMCW (frequenzmoduliertes Dauerstrich-) Radarsystem darstellt.
3 eine Radarvorrichtung mit einer Vielzahl von Sendeantennen und eine Vielzahl von Empfangsantennen zeigt.
4 eine Radarvorrichtung mit einer Vielzahl von MMICs (Monolithisch integrierte Mikrowellen-Schaltungen) zeigt.
5 die Verarbeitung von unter Verwendung von zwei MMICs empfangenen Radarsignalen darstellt.
6 einen Daten-Würfel zeigt.
7 Diagramme zeigt, welche virtuelle Radar-Kanäle darstellen.
8 ein Diagramm zeigt, welches die ideale Beziehung zwischen Antennenanzahl und Phase darstellt.
9 ein Diagramm zeigt, welches ein Beispiel der Beziehung zwischen Antennenanzahl und Phase darstellt, wie es in praktischen Anwendungen vorkommen kann.
10 Diagramme zeigt, welche virtuelle Radar-Kanäle in dem Fall von zwei MMICs darstellt.
11 einen Vergleich eines Real-Empfängers und mit einem I/Q-Empfänger zeigt.
12 einen Aspekt eines MIMO-Radars zeigt.
13 ein Flussdiagramm zeigt, welches eine Verarbeitung zur Objekterkennung unter Verwendung eines MIMO-Radars darstellt.
14 ein beispielhaftes Flussdiagramm zeigt, welches eine Verarbeitung zur Radar-Objekterkennung unter Verwendung einer MIMO-Radar-Anordnung darstellt.
15 einen Radar-Prozessablauf gemäß beispielhaften Ausführungsformen der vorliegenden Offenbarung zeigt.
16A eine beispielhafte graphische Repräsentation eines Ergebnisses einer 2D FFT gemäß Ausführungsformen der vorliegenden Offenbarung zeigt.
16B eine beispielhafte graphische Darstellung eines Azimut-Spektrums aus den Entfernungs-Doppler-Daten zeigt.
17 einen Daten-Würfel mit einer innerhalb des Daten-Würfels hervorgehobenen beispielhaften Entfernungs-Doppler-Klasse zeigt.
18A-18C Graphen beispielhafter Phasenmuster zeigt.
19 eine graphische Repräsentation eines neuronalen Netzwerks zeigt.
20 ein Flussdiagramm zeigt, welches ein Verfahren zur Radar-Objektanzahl-Ermittlung darstellt.

Beschreibung
Die folgende ausführliche Beschreibung bezieht sich auf die beigefügten Zeichnungen, welche zur Veranschaulichung spezifische Details und Ausführungsformen, in denen die Erfindung ausgeführt werden kann, zeigen.
Das Wort „beispielhaft“ wird hierin in der Bedeutung von „als ein Beispiel, ein Exemplar oder eine Erläuterung dienend“ verwendet. Jede hierin als „beispielhaft“ beschriebene Ausführungsform bzw. Ausgestaltung ist nicht zwangsläufig als bevorzugt oder vorteilhaft gegenüber anderen Ausführungsformen bzw. Ausgestaltungen zu deuten.
Die Wörter „Viel-“ und „mehrere“ in der Beschreibung und den Ansprüchen beziehen sich ausdrücklich auf eine Menge größer als eins. Die Ausdrücke „Gruppe (von)“, „Set [von]“, „Sammlung (von)“, „Abfolge (von)“, „Sequenz (von)“, „Gruppierung (von)“, etc., und dergleichen in der Beschreibung und in den Ansprüchen, falls vorhanden, beziehen sich auf eine Menge gleich oder größer als eins, d.h. ein oder mehrere. Jeder in der Pluralform ausgedrückte Begriff, der nicht ausdrücklich „Vielzahl“ und „mehrere“ benennt, bezieht sich ebenfalls auf eine Menge gleich oder größer als eins. Die Ausdrücke „geeignete Teilmenge “, „verringerte Teilmenge“ und „kleinere Teilmenge“ beziehen sich auf eine Teilmenge eines Sets, welche nicht gleich dem Set ist, d.h. eine Teilmenge eines Sets, welche weniger Elemente als das Set aufweist.
Die Ausdrücke „mindestens ein“ und „ein oder mehrere“ können als eine numerische Menge größer als oder gleich eins (z.B. eins, zwei, drei, vier, [...], etc.) aufweisend verstanden werden.
Die Verwendung von Aufzählungsadjektiven „erste“, „zweite“, „dritte“, etc., wie hierin zum Beschreiben eines gemeinsamen Objekts verwendet, geben, sofern nicht anders spezifiziert, lediglich an, dass auf verschiedene Instanzen gleichartiger Objekte verwiesen wird, und implizieren nicht, dass die derart beschriebenen Objekte in einer bestimmten Reihenfolge stehen müssen, sei es zeitlich, räumlich in der Rangfolge oder auf andere Art und Weise.
Der Ausdruck „Daten“, wie hierin verwendet, kann verstanden werden als Informationen in jeder geeigneten analogen oder digitalen Form aufweisend, z.B. bereitgestellt als eine Datei, einen Teil einer Datei, einen Satz von Dateien, ein Signal oder Datenstrom, ein Teil eines Signals oder Datenstroms, und dergleichen. Ferner kann der Ausdruck „Daten“ auch in der Bedeutung als eine Referenz zu Informationen verwendet werden, z.B. in Form einer Hinweisadresse. Der Ausdruck Daten ist jedoch nicht auf die voranstehend beschriebenen Beispiele beschränkt und kann verschiedene Formen annehmen und jede Information repräsentieren, wie im Stand der Technik verstanden.
Der Ausdruck „Prozessor“ oder „Controller“, wie zum Beispiel hierin verwendet, kann als jede Art von Entität verstanden werden, die ein Handhaben von Daten, Signalen, etc. ermöglicht. Die Daten, Signale, etc. können gemäß ein oder mehreren spezifischen Funktionen, die durch den Prozessor oder Controller ausgeführt werden, gehandhabt werden.
Ein Prozessor oder Controller kann daher eine analoge Schaltung, eine digitale Schaltung, eine Mischsignalschaltung, eine Logikschaltung, ein Prozessor, ein Mikroprozessor, eine zentrale Recheneinheit (CPU), eine neuromorphe Recheneinheit (NCU), eine Grafikverarbeitungseinheit (GPU), ein digitaler Signalprozessor (DSP), eine programmierbare Gatter-Anordnung (FPGA), eine integrierte Schaltung, eine anwendungsspezifische integrierte Schaltung (ASIC), etc., oder irgendeine Kombination davon sein oder aufweisen. Jede andere Art der Implementierung der jeweiligen Funktionen, welche im Folgenden ausführlicher beschrieben werden, können auch als ein Prozessor, ein Controller bzw. eine Logikschaltung verstanden werden. Es wird verstanden, dass zwei (oder mehr) der hierin ausführlich beschriebenen Prozessoren, Controller bzw. Logikschaltungen als eine einzige Entität mit äquivalenter Funktionalität oder dergleichen realisiert sein können und dass umgekehrt jeder hierin ausführlich beschriebene einzelne Prozessor, Controller bzw. Logikschaltung als zwei (oder mehr) separate Entitäten mit äquivalenter Funktionalität oder dergleichen realisiert sein kann.
Eine „Schaltung“, wie hierin verwendet, wird verstanden als jede Art von Logik implementierender Entität, welche Hardware zur besonderen Verwendung oder einen Prozessor, der Software ausführt, aufweisen kann. Eine Schaltung kann daher eine analoge Schaltung, eine digitale Schaltung, eine Mischsignalschaltung, eine Logikschaltung, ein Prozessor, ein Mikroprozessor, ein Signalprozessor, eine zentrale Recheneinheit („CPU“), eine Grafikverarbeitungseinheit („GPU“), eine neuromorphe Recheneinheit (NCU), einen digitaler Signalprozessor („DSP“), eine programmierbare Gatter-Anordnung (FPGA), eine integrierte Schaltung, eine anwendungsspezifische integrierte Schaltung (ASIC), etc., oder irgendeine Kombination davon sein oder aufweisen. Jede andere Art der Implementierung der jeweiligen Funktionen, welche im Folgenden ausführlicher beschrieben werden, kann auch als eine „Schaltung“ verstanden werden. Es wird verstanden, dass zwei (oder mehr) der hierin ausführlich beschriebenen Schaltungen als eine einzige Entität mit im Wesentlichen äquivalenter Funktionalität realisiert sein können und dass umgekehrt jede hierin ausführlich beschriebene einzelne Schaltung als zwei (oder mehr) separate Entitäten mit im Wesentlichen äquivalenter Funktionalität realisiert sein kann. Darüber hinaus können sich Bezüge zu einer „Schaltung“ auf zwei oder mehr Schaltungen, die zusammen eine einzige Schaltung bilden, beziehen.
Die hierin verwendeten Ausdrücke „Modul“, „Komponente,“ „System“, „Schaltung“, „Element“, „Teil“ „Schaltkreis“ und dergleichen beziehen sich auf ein Set ein oder mehrerer elektronischer Komponenten, einer computerbezogenen Entität, Hardware, Software (z.B. in Ausführung), und/oder Firmware. Zum Beispiel kann ein Schaltkreis oder ähnlicher Ausdruck ein Prozessor, ein auf einem Prozessor laufender Prozess, ein Controller, ein Objekt, ein ausführbares Programm, eine Speichervorrichtung und/oder ein Computer mit einer Verarbeitungs-Vorrichtung sein Zur Veranschaulichung: eine auf einem Server laufende Anwendung und der Server können auch ein Schaltkreis sein. Ein oder mehrere Schaltungen können sich innerhalb desselben Schaltkreises befinden und ein Schaltkreis kann auf einem Computer und/oder verteilt zwischen zwei oder mehr Computern lokalisiert sein. Ein Satz von Elementen oder ein Satz von anderen Schaltungen kann hierin beschrieben werden, wobei der Ausdruck „Satz“ als „ein oder mehrere“ interpretiert werden kann.
Wie hierin verwendet, kann ein „Signal“ durch eine Signalkette übertragen bzw. geleitet werden, in welcher das Signal verarbeitet wird, um Charakteristika, wie beispielsweise eine Phase, eine Amplitude, eine Frequenz usw., zu verändern. Das Signal kann als das selbe Signal bezeichnet werden, auch wenn solche Charakteristika adaptiert werden. Solange ein Signal weiterhin dieselben Informationen codiert, kann das Signal im Allgemeinen als dasselbe Signal betrachtet werden.
Wie hierin verwendet, kann ein Signal, das einen Wert oder andere Informationen „anzeigt“ ein digitales oder analoges Signal sein, das den Wert bzw. die anderen Informationen in einer Art und Weise codiert oder anderweitig kommuniziert, die von einer anderen Komponente, die das Signal empfängt, decodiert werden und/oder eine Reaktion dieser veranlassen kann. Das Signal kann vor dem Empfang durch die empfangende Komponente in einem computerlesbaren Speichermedium gespeichert oder gepuffert werden. Die empfangende Komponente kann das Signal aus dem Speichermedium abrufen. Ferner kann ein „Wert“, der eine Menge, einen Zustand oder einen Parameter „anzeigt“ physisch als ein digitales Signal, ein analoges Signal oder gespeicherte Bits ausgeführt sein, die den Wert codierten oder anderweitig kommunizieren.
Es wird verstanden, dass, wenn ein Element als mit einem anderen Element „verbunden“ oder „gekoppelt“ beschrieben wird, das Element mit dem anderen Element derart physisch verbunden bzw. gekoppelt sein kann, dass Strom und/oder elektromagnetische Strahlung (z.B. ein Signal) entlang eines durch die Elemente gebildeten elektrisch leitenden Pfads fließen kann. Zwischen dem Element und dem anderen Element können, wenn die Elemente als zueinander gekoppelt bzw. verbunden beschrieben werden, dazwischenliegende elektrisch leitende, induktive oder kapazitive Elemente vorhanden sein. Ferner kann ein Element ohne einen physischen Kontakt oder dazwischenliegende Komponenten imstande sein, einen Spannungs- oder Stromfluss oder eine Ausbreitung einer elektromagnetischen Welle in dem anderen Element zu induzieren, wenn diese zueinander gekoppelt bzw. verbunden sind. Ferner kann, wenn eine Spannung, ein Strom oder ein Signal als an ein Element „angelegt“ beschrieben wird, die Spannung, der Strom bzw. das Signal über eine physische Verbindung oder mittels einer kapazitiven, elektromagnetischen oder induktiven Kopplung, welche keine physische Verbindung beinhaltet, zu dem Element geleitet werden.
Wie hierin verwendet, kann „Speicher“ als ein nicht-transitorisches computerlesbares Medium verstanden werden, in welchem Daten oder Informationen zum Abruf gespeichert werden können. Hierin enthaltene Bezugnahmen auf „Speicher“ können daher verstanden werden als bezugnehmend auf einen flüchtigen oder nicht-flüchtigen Speicher, aufweisend einen Direktzugriffsspeicher („RAM“), einen Festwertspeicher („ROM“), einen Flash-Speicher, einen Halbleiterspeicher, ein Magnetband, eine Festplatte, ein optisches Laufwerk, etc., oder irgendeine Kombination davon Ferner fallen Register, Schiebe-Register, Prozessor-Register, Daten-Puffer, etc. hierin ebenfalls unter den Ausdruck Speicher. Einzelne als „Speicher“ oder „ein Speicher“ bezeichnete Komponente(n) kann aus mehr als einer unterschiedlichen Art von Speicher bestehen kann und sich daher auf eine kollektive Komponente, die ein oder mehrere Arten von Speichern aufweist, beziehen. Jede einzelne Speicher-Komponente kann in mehrere kollektiv äquivalente Speicher-Komponenten aufgeteilt sein, und vice versa. Obgleich ein Speicher separat von ein oder mehreren anderen Komponenten dargestellt werden kann (beispielsweise in den Zeichnungen), kann der Speicher in einer anderen Komponente integriert sein, wie beispielsweise auf einem gemeinsamen integrierten Chip.
Der Begriff „Software“ bezieht sich auf jede Art von ausführbarer Instruktion, einschließlich Firmware.
Beispielhafte Ausführungsformen der vorliegenden Offenbarung können durch einen oder mehrere Computer (bzw. Rechenvorrichtungen) realisiert sein, die auf einem Speichermedium (z.B. nicht-transitorisches computerlesbares Speichermedium gespeicherte computer-ausführbare Instruktionen auslesen und ausführen, um die Funktionen von ein oder mehreren der hierin beschriebenen Ausführungsform(en) der Offenbarung durchzuführen. Der/die Computer kann/können eine oder mehrere einer zentralen Recheneinheit (CPU), einer Mikroprozessoreinheit (MPU) oder anderer Schaltungen aufweisen oder beinhalten. Diese können ein Netzwerk separater Computer oder separate Computer-Prozessoren aufweisen. Die computer-ausführbaren Instruktionen können zu dem Computer zum Beispiel von einem Netzwerk oder einem nicht-flüchtigen computerlesbaren Speichermedium bereitgestellt werden. Das Speichermedium kann zum Beispiel eines oder mehrere von einer Festplatte, einem Direktzugriffsspeicher (RAM), einem Nurlese-Speicher (ROM), einem Speicher verteilter Computersysteme, einem optischen Laufwerk (wie beispielsweise einer CD (Compact-Disk), einer DVD (Digital-Versatile-Disk oder einer Blu-ray-Disk (BD), einer Flashspeicher-Vorrichtung, einer Speicherkarte, und dergleichen aufweisen. Zur Veranschaulichung werde spezifische Details und Ausführungsformen, in denen die Erfindung ausgeführt werden kann, beschrieben.
1 zeigt eine Radar-Anordnung 100. Die Radar-Anordnung 100 weist eine Radarvorrichtung 101, welche eine Antennen-Anordnung 102 und eine Radar-Steuer-Vorrichtung 103 aufweist, auf. Die Radar-Steuer-Vorrichtung 103 weist einen oder mehrere (Radar-)Sender 104, einen Duplexer 105 (d.h. eine Schaltung zum Separieren gesendeter Signale von empfangenen Signalen), einen (Radar-)Empfänger 106 und einen Controller 107 auf. Die Radar-Anordnung kann mehrere Sendeantennen in der Form eines Sendeantennen-Arrays und mehrere Empfangsantennen in der Form eines Empfangsantennen-Arrays aufweisen.
Zur Detektion eines Objekts 108 steuert der Controller 107 die ein oder mehreren Sender 104, den Duplexer 105 und der Empfänger 106 wie folgt:

1. Der eine oder die mehreren Sender 104 übermitteln ein Sendesignal 109 mittels der Antennen-Anordnung 102.
2. Das Sendesignal 109 wird von einem Ziel reflektiert;
3. Die Radarvorrichtung 101 empfängt das Echo 110 des Sendesignals als Empfangssignal.

Anhand des empfangenen Signals berechnet die Radar-Steuer-Vorrichtung 103 (z.B. eine Radar-Signal-Verarbeitungs-Schaltung 111) Informationen über die Position und Geschwindigkeit des Objekts 108.
Zum Beispiel kann die Radarvorrichtung 101 in/an einem Fahrzeug installiert sein, um nahegelegene Objekte, insbesondere für autonomes Fahren, zu detektieren.
Das Sendesignal 109 kann eine Vielzahl von Pulsen aufweisen. Eine Pulsübertragung weist die Übertragung von kurzen Hochleistungs-Bursts in Verbindung mit Zeit, in denen die Radarvorrichtung 101 auf Echos 110 abhört, auf. Dies ist typischerweise nicht optimal für eine hoch-dynamische Situation, wie in einem selbstfahrenden Automobil-Szenario.
Daher kann stattdessen ein Dauerstrich (CW) als Sendesignal verwendet werden. Da ein Dauerstrich nur eine Geschwindigkeits-Ermittlung ermöglicht, aber keine Entfernungs-Informationen (aufgrund des Fehlens eines Zeitmarkers, der eine Entfernungsberechnung ermöglichen könnte) bereitstellt, ist ein Ansatz ein frequenzmoduliertes Dauerstrich-(FMCW)-Radar oder ein phasenmoduliertes Dauerstrich-(PMCW)-Radar.
2 stellt ein FMCW-Radarsystem 200 dar. Anstatt des Sendens eines Sendesignals mit einer konstanten Frequenz wird in einem FMCW-Radarsystem die Frequenz des Sendesignals gemäß einem Sägezahn-Kurvenverlauf 201 (oder alternativ einem Dreieck) periodisch erhöht und zurückgesetzt. Der Sägezahn-Kurvenverlauf 201 kann zum Beispiel durch eine Rampenschaltung (bzw. „Rampeneinheit“) erzeugt werden. Der Sägezahn-Kurvenverlauf 201 frequenzmoduliert einen Oszillator 202 und das resultierende Sendesignal wird in eine Sendeantenne 203 eingespeist (mittels eines Funkfrequenz-(RF)-Frontends).
Eine Empfangsantenne 204 empfängt das Echo des Sendesignals (zusätzlich zu Rauschen, etc.) als Empfangssignal. Ein Mischer 205 mischt das Sendesignal mit dem Empfangssignal. Das Ergebnis des Mischens wird von einem Tiefpassfilter 206 gefiltert und von einem Spektrum-Analysator 207 verarbeitet.
Das Sendesignal hat die Form einer Sequenz von Chirps, die aus der Modulation einer Sinuskurve mit dem Sägezahn-Kurvenverlauf 201 resultieren. Ein einzelner Chirp 208 entspricht der Sinuskurve des durch einen „Zahn“ des Sägezahn-Kurvenverlauf 201 frequenzmodulierten Oszillatorsignals von der minimalen Frequenz bis zur maximalen Frequenz.
Wie weiter unten ausführlich beschrieben wird, führt der Spektrum-Analysator 207 (z.B. implementiert durch die Radar-Signal-Verarbeitungs-Schaltung 111) zwei FFT (Schnelle-Fourier-Transformation) Stufen aus, um Entfernungs-Informationen (durch eine FFT der ersten Stufe, auch als Entfernungs-FFT bezeichnet) sowie Geschwindigkeits-Informationen (durch eine FFT der zweiten Stufe, auch als Doppler-FFT) bezeichnet aus dem Empfangssignal zu extrahieren. Es ist darauf hinzuweisen, dass der Spektrum-Analysator 207 mit digitalen Abtastwerten arbeitet, weshalb eine A/D-(Analog-zu-Digital)-Wandlung in dem Pfad von der Empfangsantenne 204 zu dem Spektrum-Analysator 207 enthalten ist. Zum Beispiel ist das Filter 206 ein Analog-Filter und ein Analog-zu-Digital-Wandler (ADC) ist zwischen dem Filter 206 und dem Spektrum-Analysator 207 angeordnet. Zumindest einige der verschiedenen Komponenten des Empfangspfads können entsprechend ein Teil eines digitalen oder analogen Frontends sein.
Um ferner eine Ermittlung einer Richtung des Objekts 108 bezüglich der Radarvorrichtung 101 zu ermöglichen, kann die Antennen-Anordnung 101 eine Vielzahl von Empfangsantennen, d.h. ein Array von Empfangsantennen, aufweisen. Die Richtung eines Objekts 108 kann dann von den Phasendifferenzen, mittels denen die Empfangsantennen ein Echo von dem Objekt 110 empfangen werden, ermittelt werden, beispielsweise mittels FFT der dritten Stufe (auch als Winkel-FFT bezeichnet). Demgemäß kann ein Radar-Empfänger für jede Empfangsantenne einen Mischer 205, ein Analog-Filter 206 und einen ADC aufweisen.
Die mittels einer Vielzahl von Antennen empfangenen Signale können mittels einer MMIC (Monolithisch integrierte Mikrowellen-Schaltung) verarbeitet werden.
3 zeigt eine Radarvorrichtung 300, welche eine Vielzahl von Sendeantennen und Empfangsantennen hat. Die Radarvorrichtung 300 weist ein MMIC 310 auf, welche einen (spannungsgesteuerten) Oszillator mit Rampeneinheit 301, welcher Sendeverstärker 302 (einen für jede Sendeantenne) und Mischer 303 mit einem Sendesignal, wie mit Bezug auf 2 beschrieben, versorgt, aufweist.
In dem Beispiel von 3 sind zwei der Sendeverstärker 302 durch einen Leistungsverstärker 311, zu welchem das Sendesignal mittels einer Sendesignal-Schnittstelle 312 bereitgestellt wird, bereitgestellt. Allerdings können auch alle der Sendeverstärker innerhalb der MMIC 310 bereitgestellt sein.
In der MMIC 310 gibt es einen Mischer 303 für jede Empfangsantenne. Analog-Filter 304 (entsprechend zu Filter 206) filtern die gemischten Signale und Analog-zu-Digital-Wandler (ADCs) 305 erzeugen digitale Signale von den gefilterten analogen Signalen. Die MMIC 310 übermittelt ihre Ausgabe mittels einer Digital-Schnittstelle 306 an einen Radar-Signalprozessor 307.
Der Radar-Signalprozessor 307 hat eine Radar-Signal-Verarbeitungs-Schaltung 308 (zum Beispiel entsprechend der Radar-Signal-Verarbeitungs-Schaltung 111) implementiert einen Spektrum-Analysator und führt eine Objekterkennung und Ermittlung der Ankunftsrichtung durch, wie unten mit Bezug auf 5 erläutert.
Da eine Anzahl an Empfangssignalen, die ein MMIC parallel verarbeiten kann, begrenzt ist (und daher kann ein MMIC nur eine begrenzte Anzahl an Empfangsantennen abdecken), können mehrere MMICs kaskadiert sein, um die Verwendung einer größeren Anzahl an Empfangsantennen zu ermöglichen und daher die Winkelauflösung der Radarvorrichtung 101 zu verbessern.
4 zeigt eine Radarvorrichtung 400 mit einer Vielzahl von MMICs 406. Die Radarvorrichtung 400 weist einen (spannungsgesteuerten) Oszillator mit Rampeneinheit 401 auf, welcher Sendeverstärker 402 (einen für jede Sendeantenne) und Mischer 403 der MMIC 406 mit einem Sendesignal versorgt, wie mit Bezug auf 2 beschrieben.
Es gibt in jeder MMIC 406 für jede Empfangsantenne der jeweiligen MMIC 406 einen Mischer 403. Analog-Filter 404 (entsprechend zu Filter 206) filtert die gemischten Signale und Analog-zu-Digital-Wandler (ADCs) 405 erzeugen digitale Signale aus den gefilterten analogen Signalen. Ähnlich wie zu dem Beispiel von 3 können die MMICs 406 deren Ausgaben mittels einer Digital-Schnittstelle an einen Radar-Signalprozessor ((nicht gezeigt) in 4) übermitteln, welcher einen Spektrum-Analysator implementiert und eine Objekterkennung und Ermittlung der Ankunftsrichtung durchführt, wie im Folgenden mit Bezug auf 5 erläutert.
5 stellt die Verarbeitung von unter Verwendung von zwei MMICs empfangenen Radarsignalen 501, 502 dar.
Die MMICs 501, 502 sind zum Beispiel Teil des Empfängers 106. Jede MMIC 501, 502 ist mit einer Vielzahl von Antennen gekoppelt und wird von der jeweiligen Vielzahl von Antennen mit empfangenen Signalen versorgt. Die MMICs 501, 502 führen eine Verarbeitung der empfangenen Signale durch, wie beispielsweise eine Verstärkung, eine Frequenz-Abwärts-Wandlung (zum Beispiel die Funktionalität des Mischers 205 und des Filters 206) und eine A/D-Wandlung. Die MMICs können auch den Duplexer 105 implementieren, d.h. diese können eingerichtet sein, Sendesignale von Empfangssignalen zu trennen. Jede MMIC 501, 502 führt die resultierenden digitalisierten Empfangssignale einer jeweiligen ersten FFT-(Schnelle-Fourier-Transformation)-Stufe 503, 504 und einer jeweiligen zweiten FFT-Stufe 505, 506 (z.B. implementiert mittels eines Radar-Signalprozessors 307) zu. Basierend auf den Ausgaben der FFT-Stufen 503-506 ermittelt der Radar-Signalprozessor 307 Entfernungs-Informationen sowie Geschwindigkeits-Informationen (z.B. in der Form einer R/D-(Entfernungs-/Doppler)-Karte) für eines oder mehrere Objekte in 507.
Es wird darauf hingewiesen, dass jede zweite FFT-Stufe 505, 506 ein zweidimensionales FFT-Ergebnis (wobei eine Dimension der Entfernung die die andere Dimension der Geschwindigkeit entspricht) für jede Antenne (und zwar basierend auf der Verarbeitung der Abtastwert des mittels dieser bestimmten Antenne empfangenen Empfangssignals) ausgibt. Das Ergebnis der ersten FFT-Stufe 505 weist, für jede Empfangsantenne, einen komplexen Wert für eine Entfernungs-Klasse.
Die FFT der zweiten FFT-Stufe 506 erfolgt für jede Entfernungs-Klasse über das Ergebnis der ersten FFT-Stufe 505 über mehrere Chirps, um pro Entfernungs-Klasse einen komplexen Wert für jede Doppler-Klasse zu erzeugen. Daher weist das Ergebnis der zweiten FFT-Stufe 506 für jede Empfangsantenne einen komplexen Wert für jede Kombination von Doppler-Klasse und Entfernungs-Klasse (d.h. für jede Doppler/Entfernungs-Klasse) auf. Dies kann als Bereitstellen einer antennen-spezifischen R/D-Karte betrachtet werden.
Um eine aggregierte R/D-Karte zu erzeugen, werden die MMIC-spezifischen R/D-Karten miteinander kombiniert, z.B. durch Aufsummieren, z.B. durch kohärente oder nicht-kohärente Integration. Die Geschwindigkeit und Entfernung bestimmter Objekte kann geschätzt werden, indem Peaks in der R/D-Karte identifiziert werden, z.B. mittels eines CFAR-(konstante Falsch-Alarm-Rate)-Algorithmus. Es ist darauf hinzuweisen, dass, da eine FFT-Ausgabe im Allgemeinen aus komplexen Werten besteht, eine Peak-Auswahl in einer FFT-Ausgabe (wie beispielsweise die aggregierte R/D-Karte) als eine Auswahl basierend auf absoluten Werten (d.h. komplexe Beträge der komplexen Ausgaben) oder Potenz (d.h. Quadrate der absoluten Werte) verstanden werden kann.
In 508 kann der Radar-Signalprozessor 307 ferner die Richtung des einen oder der mehreren Objekte ermitteln. Dies kann basierend auf den Differenzen der Phasen der ausgegebenen Werte der FFT der zweiten Stufe zwischen verschiedenen Empfangsantennen erfolgen und kann eine FFT der dritten Stufe (Winkel-FFT) aufweisen.
Basierend auf den Ergebnissen dieser Verarbeitung kann in 509 ein weiteres Verarbeiten (z.B. durch eine weitere Komponente, wie beispielsweise einem Fahrzeug-Controller) durchgeführt werden, wie beispielsweise eine Objekt-Klassifikation, eine Nachverfolgung, ein Erzeugen einer Objekt-Liste und eine Entscheidungsfindung (z.B. beim autonomen Fahren). Hierfür kann der Radar-Signalprozessor 307 die Verarbeitungs-Ergebnisse mittels einer Ausgabe-Schnittstelle 309 ausgeben.
In dem Fall von zwei MMIC 501, 502 wird der Daten-Würfel, welcher die digitalisierten Empfangssignale für alle Empfangsantennen beinhaltet, in zwei Teile, einen für jede MMIC 501, 502, geteilt.
6 zeigt einen Daten-Würfel 600. Der Daten-Würfel 600 weist digitale Abtastwerte der Empfangssignale von M Antennen, die ein in zwei Empfangsantennen-Sub-Arrays geteiltes Empfangsantennen-Array 603 bilden, auf. Zum Beispiel verarbeitet die erste MMIC 501 von dem ersten Empfangsantennen-Sub-Array empfangene Empfangssignale und die zweite MMIC 502 verarbeitet von dem zweiten Empfangsantennen-Sub-Array empfangene Empfangssignale. Insbesondere führen die MMICs 501, 502 eine Analog/Digital-Wandlung durch, um die digitalisierten Abtastwerte zu erzeugen.
Zum Beispiel wird das empfangene Signal für jeden Chirp abgetastet, um L Abtastwerte (z.B. L = 512) zu haben.
Die für jeden Chirp gesammelten L Abtastwerte werden von der jeweiligen ersten FFT-Stufe 503, 504 verarbeitet.
Die FFT der ersten Stufe wird für jeden Chirp und jede Antenne durchgeführt, so dass das Ergebnis des Verarbeitens des Daten-Würfels 600 mittels der ersten FFT-Stufe 503, 504 auch drei Dimensionen hat und die Größe des Daten-Würfels 600 haben kann, aber hat nicht länger Werte für L Abtast-Zeiten, sondern Werte für L Entfernungs-Klassen.
Das Ergebnis des Verarbeitens des Daten-Würfels 600 mittels der ersten FFT-Stufe 503, 504 wird dann von der zweiten FFT-Stufe 505, 506 zusammen mit den Chirps (für jede Antenne und für jede Entfernungs-Klasse) verarbeitet.
Die Richtung der FFT der ersten Stufe wird als wird als Schnelle-Zeit bezeichnet, wohingegen die Richtung der FFT der zweiten Stufe als Langsame-Zeit bezeichnet wird.
Das Ergebnis der FFT der zweiten Stufe ergibt, wenn dieses über die Antennen aggregiert wird, eine Entfernungs-/Doppler-(R/D)-Karte 601, welche FFT-Peaks 602 aufweist (d.h. Peaks von FFT-Ausgabe-Werten (in Form absoluter Werte) für bestimmte Entfernungs-/Geschwindigkeits-Kombinationen (d.h. für bestimmte Entfernungs-/Doppler-Klassen), welche der Radar-Signalprozessor 307 als zu den detektierten Objekten 108 (einer bestimmten Entfernung und Geschwindigkeit) zugehörig erwartet).
In der praktischen Anwendung fügen Phasen-Fehler zwischen mehreren kaskadierten MMICs 501, 502 Phasen-Fehler zu den FFT-Ergebnissen der zweiten Stufe zwischen verschiedenen Antennen hinzu, welche einen Verlust der Winkelpräzision oder sogar einen Verlust der Sensitivität verursachen. Zur Winkeldetektion kann eine Winkel-FFT in Antennen-Richtung (vertikale Achse des Daten-Würfels in 6) durchgeführt werden.
Hochfrequenz-Signale mit denselben Eigenschaften (Sendesignale und Empfangssignale) müssen dieselbe Länge von deren Quelle und/oder zu deren Ziel haben, um eine unausgewogene Verzögerung zu vermeiden. Eine Symmetrie der Verzögerung kann durch Siliziumdesign und durch Radar-PCB (gedruckte Leiterplatte) und Antennendesign definiert werden. Leider erzeugen Änderungen der Temperatur, der Spannung und ein Altern zu asymmetrischen Veränderungen der Verzögerung. Eine kleine Verzögerung erzeugt einen Phasen-Fehler, wohingegen eine große Verzögerung einen Phasen-Fehler und einen Frequenz-Fehler erzeugen würde, wenn die sich während den Chirps eines FMCW-Radars schnell ändernde Frequenz berücksichtigt wird.
Selbst einzelne MMICs sind nicht perfekt; obgleich bei deren Design die strengsten Maßnahmen ergriffen werden, können all diese Maßnahmen nicht jede potentielle Variation abdecken, wenn Herstellungsvariationen, durch ECU-Bedingungen induzierte Variationen und ein Altern berücksichtigt werden.
Zum Beispiel stellen die in dem MMIC 310 gezeigten Pfeile die verschiedenen Pfade dar, welche potentielle Verzögerungen verursachen.
Das Prinzip von MIMO (Mehrfach-Eingabe-Mehrfach-Ausgabe) dient der Erweiterung der Apertur der Radarvorrichtung unter Verwendung virtueller Kanäle, welche durch die Kombination des Empfangsantennen-Array und des Sendeantennen-Array gebildet werden. In dem Beispiel von 3, bei dem es drei Sendeantennen (Tx1 bis Tx3) und vier Empfangsantennen (Rx1 bis Rx4) gibt, ist das Ergebnis 12 virtuelle Kanäle, wie in 7 dargestellt.
7 zeigt Diagramme 701, 702, welche virtuelle Radar-Kanäle darstellen. Das erste Diagramm 701 zeigt das virtuelle Empfangsantennen-Array der MMIC 310 unter der Annahme, dass die MMIC 310 perfekt (d.h. fehlerfrei) ist. Jede Sendeantenne erzeugt eine virtuelle Empfangsantenne pro tatsächlicher Empfangsantenne (Rx1 bis Rx4), was in zwölf als (Rx'1 bis Rx'12) bezeichneten virtuellen Empfangsantennen resultiert. Mit den idealen Phasendifferenzen zwischen Tx1, Tx2 und Tx3 bilden die virtuellen Empfangsantennen ein Antennen-Array gleichmäßig beabstandeter Empfangsantennen.
Das zweite Diagramm 702 zeigt das virtuelle Empfangsantennen-Array der MMIC 310 unter der Annahme, dass die MMIC Phasen-Fehler (-Versatze) zwischen dessen Sendeantennen hat. Tx1 wird als Referenz verwendet und für Tx2 und Tx3 zeigen die gestrichelten Pfeile die theoretische Position mit den theoretischen Phasen, wohingegen die durchgezogenen Pfeile Beispiele von Phasen-Fehlern zeigen. Da jede Phase einer horizontalen Position in dem virtuellen Empfangsantennen-Array zugeordnet ist, haben die Phasen-Fehler von Tx2 und Tx3 den Effekt, dass, unter der Annahme, dass ein Radar-Signal von links ankommt, die Positionen der virtuellen Empfangsantennen Rx'5 bis Rx'8 nach links verschoben sind (da Tx2„zu zeitig“ ist). Die virtuellen Empfangsantennen Rx'6 bis Rx'12 sind nach rechts verschoben (da Tx3„zu spät“ ist).
Dementsprechend wird die Ermittlung des Ankunftswinkels unter Verwendung der virtuellen Empfangsantennen Fehler haben.
In einer praktischen Radarvorrichtung, z.B. in einer Radar-ECU (elektronische Steuereinheit) in einem Fahrzeug, können Fehler recht gut kompensiert werden bei dem abschließenden Test der Radarvorrichtung, indem entsprechende Kalibrierungsvariablen (bzw. Kalibrierungswerte) ermittelt und eingestellt werden. Dennoch wird eine Radarvorrichtung während ihrer Lebensdauer typischerweise Bedingungen ausgesetzt sein, die im Vergleich zu den mit den Kalibrierungsvariablen kompensierten Phasenänderungen asymmetrische Phasenänderungen verursachen. Diese können zum Beispiel asymmetrische Sperrschicht-Temperaturen zwischen Tx-Pfaden und Rx-Pfaden, asymmetrische Sendeleistungen zwischen Tx-Pfaden, asymmetrische Verluste auf den HF-Schaltungs-Substraten aufgrund ungleicher Temperaturen auf dem Substrat und asymmetrische Verluste und asymmetrische Verstärkungen zwischen den Rx-Pfaden sein.
Eine unter Verwendung eines einzelnen MMIC implementierte Radarvorrichtung; ein externer Leistungsverstärker (wie in 3 dargestellt) ist von ähnlichen Fehlern betroffen wie eine Radarvorrichtung mit einer einzelnen MMIC (und alle Sendeverstärker innerhalb der MMIC), außer, dass die Amplitude der Fehler aufgrund der durch das LO-Signal, welches über zwei Komponenten anstatt einer Komponenten geht, induzierte Phasen-Fehler verschieden ist.
8 zeigt ein Diagramm 800, welches die ideale Beziehung zwischen Antennenanzahl (bzw. die Anzahl von Rx-Kanälen, angezeigt entlang der x-Achse) und der Phase (entlang der y-Achse angezeigt) darstellt.
Die ideale Beziehung ist, dass sich die Phase linear über das Empfangsantennen-Array verändert (gemäß der Richtung, die das Objekt 108 bezüglich der Antennen-Anordnung 102 hat). Es ist darauf hinzuweisen, dass angenommen wird, dass die Antennen in der Reihenfolge nummeriert sind, wie diese in dem Antennen-Array angeordnet sind.
9 zeigt ein Diagramm 900, welches ein Beispiel der Beziehung zwischen Antennenanzahl und Phase darstellt, wie es in einer praktischen Anwendung auftreten kann.
Es wird angenommen, dass die ersten vier Abtastwerte (von links nach rechts) eine erste Abtast-Gruppe 901 bilden, die zu von einer ersten Komponente versorgten Kanälen gehört, und dass die fünften bis achten Abtastwerte eine zweite Abtast-Gruppe 902 bilden, die zu von einer zweiten Komponente versorgten Kanälen gehört. Wie durch die Linien 903, 904 dargestellt, gibt es eine nahezu lineare Beziehung zwischen Phase und Antennenanzahl innerhalb jeder Abtast-Gruppe 901, 902. Allerdings gibt es zwischen den Abtast-Gruppen 901, 902 eine Diskontinuität aufgrund eines Phasen-Fehlers zwischen den Komponenten.
Wenn verschiedene MMICs kaskadiert sind, um ein kohärentes EmpfangsArray mit Tx-Kanälen, die von jedem der MMICs kommen, zu bilden, erzeugen die kombinierten Effekte der Verzögerungen viel größere komplexe Mess-Fehler. Ein Beispiel wäre es zwei der MMIC 310 nebeneinander anzuordnen (z.B. gesteuert durch eine Master-MMIC, welcher Oszillations- und Takt-Signale zu den MMICs verteilt; die Master-MMIC kann eine dedizierte MMIC oder eine der beiden MMICs sein).
Zusätzlich zu den Ursprüngen der Verzögerungs-Fehler innerhalb einer MMIC (wie in 3 dargestellt) können zusätzliche Fehler aufgrund von Asymmetrien zwischen den MMICs, insbesondere bei der Verteilung von Oszillations-Signalen und Takt-Signalen zu den MMICs, auftreten.
10 zeigt Diagramme 1001, 1002, welche virtuelle Radar-Kanäle in dem Fall von zwei MMICs darstellen. In diesem Beispiel gibt es eine MMIC mit zwei Sendeantennen (Tx1, Tx2) und vier Empfangsantennen (Rx1 bis Rx4) und eine MMIC mit einer Sendeantenne (Tx3) und vier Empfangsantennen (Rx5 bis Rx8). Dies resultiert in 24 virtuellen Empfangsantennen (Rx'1 bis Rx'24).
Das erste Diagramm 1001 zeigt das virtuelle Empfangsantennen-Array der MMICs unter der Annahme, dass die MMICs perfekt (d.h. fehlerfrei) sind. Mit den idealen Phasendifferenzen zwischen Tx1, Tx2 und Tx3 bilden die virtuellen Empfangsantennen ein Antennen-Array gleichmäßig beabstandeter Empfangsantennen.
Das zweite Diagramm 1002 zeigt das virtuelle Empfangsantennen-Array, bei dem die MMICs Phasen-Fehler (Versatze) zwischen deren Sendeantennen haben. Im Einzelnen sind in dem zweiten Diagramm die Ergebnisse von Phasen-Fehlern zwischen Sendeantennen (angezeigt durch #1, #2) und zwischen den MMICs (angezeigt durch #3) angezeigt.
Es zeigt sich, dass die Komplexität der Fehler im Vergleich zur Verwendung eines einzelnen MMIC drastisch steigt, wenn mehrere MMICs verwendet werden.
Bei kaskadierten Radar-Komponenten können durch differenzielle Phasen-Verzögerungen zwischen dem (zu Mischern 303 bereitgestellten) lokalen Oszillations-Signal an jedem der Empfangs-Sub-Arrays von, z.B. einer ersten MMIC und einer zweiten MMIC, zusätzliche Empfangs-Fehler auftreten. In ähnlicher Weise können Takt-Verschiebungen von ADC-Takten zu Mess-Fehlern führen.
Dies resultiert in Gruppen von Abtastwerten (z.B. Ausgabe-Abtastwerte der Doppler FFT-Stufe) mit Phasendifferenzen, welche zu einer in 9 dargestellten Situation führen (zur Vereinfachung unter der Annahme von zwei MMICs und einem einzelnen Sender).
Typischerweise verwendet eine MMIC zwei Haupttechniken zum Abtasten eines Signals: Real-Abtastung oder I/Q-(in-Phase/Quadratur)-Abtastung. Während die voranstehenden Beispiele auf die Real-Abtastung fokussiert waren, finden die hierin beschriebenen Ansätze auch auf die I/-Abtastung Anwendung, für welche verschiedene Mess-Fehler durch die MMIC erzeugt und während der Signal-Verarbeitung in der Frequenzdomäne korrigiert werden können.
Zum Beispiel können I/Q-Abtast-Schaltungen aufgrund deren Komplexität unter einer Asymmetrie entlang der Rx-Kanäle leiden. Diese Asymmetrie wird typischerweise Winkel-Fehler (d.h. Fehler bei der Winkeldetektion von Objekten) erzeugen.
11 zeigt einen Vergleich eines Real-Empfängers 1101 und eines I/Q-Empfängers 1102.
Der Real-Empfänger 1101 weist, wie mit Bezug auf 2 und 3 erläutert, pro Empfangspfad einen Mischer 1103, einen Filter 1104 und einen Analog-zu-Digital-Wandler 1105 auf.
Der I/Q-Empfänger 1102 weist zwei solche Blöcke auf, wobei die Mischer eines Blocks mit einem Oszillations-Signal versorgt werden, welches eine 90°-Phasenverschiebung bezüglich des zu den Mischern des anderen Blocks versorgten Oszillations-Signals hat.
Im Folgenden werden Beispiele bereitgestellt für Fälle eines MIMO-Radarsystems (z.B. FMCW), welches eine oder mehrere Radarvorrichtungen, insbesondere ein oder mehrere Radar-Sender und ein oder mehrere Radar-Empfänger, aufweist. Das MIMO-Radarsystem kann jede Art der Modulation (zum Beispiel: TDM (Zeitmultiplexverfahren), DDM (Dopplermultiplexverfahren), BPSK (Binäre Phasenumtastung)) verwenden. Die Ausführungsformen gelten für ein Radarsystem mit einer einzelnen MMIC oder mit mehreren MMICs. Das MIMO-Radarsystem kann auch ein PMCW-Radarsystem oder ein OFDM-(Orthogonales Frequenzmultiplexverfahren)-Radarsystem sein. Die Ausführungsformen können auch für ein Radarsystem gelten, welches MMICs mit oder ohne Signal-Verarbeitungs-Möglichkeiten verwendet.
14 zeigt ein Blockdiagramm, welches einen Prozessablauf 1400 für eine mittels einer MIMO-Radar-Anordnung implementierten Radar-Objekterkennung darstellt. Der Prozess kann die Verwendung von Standard-Verfahren zum Betreiben einer Radarverarbeitung aufweisen. Die für den Prozessablauf 1400 verwendete MIMO-Radar-Anordnung kann jedes wie hierin beschriebene MIMO-Radarsystem aufweisen. Zum Beispiel weist die MIMO-Radar-Anordnung Sende- und Empfangsantennen und virtuelle Kanäle auf, wie in 12 dargestellt.
In 14 werden, in 1410, Radar-Empfangsdaten erlangt. Zum Beispiel erlangt ein virtuelles Array 1410 des MIMIO Radarsystems Radar-Empfangssignale von virtuellen Kanälen, welche dann digitalisiert werden können. Zum Beispiel kann, wie in 15 gezeigt, ein MIMO-Radarsystem einen Radar- oder Daten-Würfel 1510 erzeugen, welcher die digitalisierte Version von mittels den virtuellen Kanälen eines virtuellen Arrays für das MIMO-Radarsystem erzeugten Signalen ist.
Nach dem Erlangen der Radar-Empfangsdaten können, bei 1420, Frequenzdomänen-Daten erlangt werden. Wie voranstehend beschrieben, können die Radar-Empfangsdaten verarbeitet werden, um Entfernungs-Doppler-Klassen-Daten oder eine Entfernungs-Doppler-Klassen-Karte zu erzeugen. Insbesondere kann eine 2D FFT durchgeführt werden. 15 zeigt zum Beispiel, dass eine 2D FFT auf Daten des Daten- oder Radar-Würfels 1510 durchgeführt werden kann.
Die 2D FFT kann als zwei ein-dimensionale (1D) FFTs durchgeführt werden. Also kann die 2D FFT, wie hierin beschrieben, in Stufen durchgeführt werden. Zum Beispiel können zwei FFT-(Schnelle-Fourier-Transformation)-Stufen auf die digitalisierten Empfangsdaten bzw. den Daten-Würfel 1500 durchgeführt werden, um Entfernungs-Informationen (eine FFT der ersten Stufe bzw. Entfernungs-FFT) sowie Geschwindigkeits-Informationen (eine FFT der zweiten Stufe bzw. Doppler FFT) zu extrahieren. Die Entfernungs-Doppler-Klassen-Daten können in der Form komplexer Werte vorliegen.
16A zeigt eine beispielhafte Entfernungs-Doppler-Karte 1600 mit Peaks 1610, 1620 und 1630. Ein Peak-Detektions-Verfahren oder Peak-Detektions-Algorithmus, wie eines/einer, der beispielsweise mittels einer Rechenvorrichtung, die Instruktionen oder Software (z.B. mindestens einen Signalprozessor aufweisend) aufweist, implementiert werden kann, kann implementiert sein, um solche Peaks zu identifizieren.
16B zeigt ein graphisches Beispiel von anhand von Entfernungs-Doppler-Daten identifizierten Peaks. Der Graph 1650 zeigt ein Beispiel einer graphischen 2D Darstellung von Leistung über (Azimut-)Winkel, wobei die graphische Darstellung von Entfernungs-Doppler-Daten erzeugt werden kann. Wie zu sehen ist, können zwei Peaks 1660 und 1670 identifiziert werden, z.B. unter Verwendung bekannter Peak-Identifizierungs-Prozesse bzw. Peak-Identifizierungs-Verfahren.
17 zeigt ein Beispiel eines Daten-Würfels, wobei eine Entfernungs-Doppler-Klasse 1720 entlang der Virtueller-Kanal-Dimension hervorgehoben ist.
Der Prozess weist, bei 1420, ein Identifizieren oder Finden von Zielen anhand der Entfernungs-Doppler-Daten und ein Extrahieren oder Erlangen der Frequenzdomäne, die den identifizierten Zielen in den Entfernungs-Doppler-Daten zugeordnet ist, von den virtuellen Kanälen auf. Wie hierin beschrieben, kann ein Peak-Auswahl- oder Peak-Detektions-Verfahren oder Peak-Auswahl- oder Peak-Detektions-Ansatz verwendet werden, um eine Anzahl an Peaks oder Anzahl an Zielen von den Entfernungs-Doppler-Daten zu identifizieren. Also können lokale Maxima der Entfernungs-Doppler-Daten identifiziert oder lokalisiert werden. Basierend auf der Peak-Identifizierung werden Frequenzdomänen-Daten, welche den detektierten bzw. identifizierten Peaks zugeordnet sind, von den Entfernungs-Doppler-Daten erlangt. Diese erlangten Frequenzdomänen-Daten können jeweilige komplexe Werte von jedem der virtuellen Kanäle sein. Also werden an der Position der identifizierten Peaks komplexe Werte über die virtuellen Kanäle hinweg von dem Daten-Würfel extrahiert bzw. erlangt. In manchen Fällen können die komplexen Werte weiterverarbeitet werden und zum Beispiel können Amplituden- und/oder Phasen-Daten anhand der extrahierten komplexen Werte erzeugt oder ermittelt werden. In Ausführungsformen kann, wie hierin nachstehend erläutert, die Anzahl an Zielen (welche nur durch Winkel separiert sein können) innerhalb jedes Peaks der identifizierten Peaks geschätzt werden.
Der Graph 1530 kann ein Beispiel von anhand eines 2D FFT erzeugten Entfernungs-Doppler-Klassen-Daten sein. Wie in dem beispielhaften Graph 1530 zu sehen ist, können vier Peaks bzw. Peak-Positionen identifiziert werden. Nach dem Identifizieren der Peaks werden die Frequenzdomänen-Daten, z.B. komplexe Werte, die den identifizierten Peak-Positionen zugeordnet sind, für eine weitere Verwendung erlangt, z.B. von den virtuellen Kanälen. Also können für jeden Peak der Entfernungs-Doppler-Karte die jeweiligen Frequenzdomänen-Daten (z.B. komplexe Werte über alle bzw. jeden der virtuellen Kanäle) extrahiert und dann verwendet werden.
In beispielhaften Ausführungsformen der vorliegenden Offenbarung können hierin verwendete maschinelles-Lernen-Module die Anzahl von Objekten bzw. Zielen in Frequenzdomänen-Daten ermitteln. Das trainierte maschinelles-Lernen-Modul kann die eingegebenen Werte der Frequenzdomänen-Daten, z.B. komplexen Werte, Phasenwerte, und/oder Amplitudenwerte, analysieren. Das maschinelles-Lernen-Modul ermittelt oder schätzt die Anzahl an Zielen anhand der Entfernungs-Doppler-Klassen-Daten, wobei die Anzahl an Zielen ausgegeben wird. Die Ausgabe bzw. die ausgegebenen Werte kann/können in anderweitigen Radar-Anwendungen, aufweisend ein Schätzen der Richtung des jeweiligen Objekts, verwendet werden.
Unter Bezugnahme auf 14 kann nach dem Erlangen der Frequenzdomänen-Daten anhand der Peak-Detektion ein maschinelles-Lernen-Modul verwendet werden, welches die erlangten Frequenzdomänen-Daten verwendet. Im Einzelnen erzeugt, bei 1430, ein trainiertes maschinelles-Lernen-Modul mit dem Bezugszeichen 1440 gekennzeichnete Ausgaben bzw. Ausgabe-Werte, welche die Anzahl an Zielen anzeigen. Die erzeugten ein oder mehreren Ausgabe-Werte zeigen eine Anzahl bzw. eine Schätzung von in den Radar-Empfangsdaten detektierten oder vorhandenen Objekten an.
Zum Beispiel werden in beispielhaften Ausführungsformen der vorliegenden Offenbarung für jeden identifizierten Peak in der Entfernungs-Doppler-Karte die entsprechenden Frequenzdomänen-Daten (z.B. komplexe Werte, Phasenwerte und/oder Amplitudenwerte) in das neuronale Netzwerk eingegeben. Die Frequenzdomänen-Daten eines jeden identifizierten Peaks können in das maschinelles-Lernen-Modul für jeden identifizierten Peak jeweils separat bzw. individuell eingegeben oder eingespeist werden. Das maschinelles-Lernen-Modul gibt dann einen Werte oder Werte aus, der/die eine ermittelte geschätzte Anzahl an Zielen für den jeweiligen identifizierten Peak entsprechend der eingegebenen Frequenzdomänen-Daten anzeigt/anzeigen.
Unter manchen Umständen kann das maschinelles-Lernen-Modul als eine Vielzahl von maschinelles-Lernen-Modulen implementiert sein. So kann jedes der Vielzahl von maschinelles-Lernen-Modulen einen jeweiligen Satz der einem der identifizierten Peaks zugeordneten Frequenzdomänen-Daten übernehmen. Folglich können mehrere maschinelles-Lernen-Module parallel arbeiten.
Dementsprechend kann die Summe bzw. Gesamtheit der durch das maschinelles-Lernen-Modul aus jeden eingegebenen Frequenzdomänen-Daten (jeweils für einen Peak der Entfernungs-Doppler-Karte) ausgegebenen Werte die Gesamtanzahl der detektierten Ziele aller Peaks anzeigen, z.B. für eine Entfernungs-Doppler-Karte.
In verschiedenen Ausführungsformen kann das maschinelles-Lernen-Modul unter Verwendung eines Trainings-Datensatzes trainiert werden. Der Datensatz kann Frequenzdomänen-Daten und Ziel-Daten aufweisen. Der Datensatz kann variierende Frequenzdomänen-Werte (komplexe Werte, Amplitudenwerte und/oder Phasenwerte) und variierende Daten zur Ziel-Anzahl aufweisen. Zum Beispiel können die Frequenzdomänen-Daten in dem Datensatz verschiedenen Ankunftswinkeln der Ziele/Objekte, verschiedenen Rauschpegeln und verschiedenen Leistungspegeln der Radar-Empfangsdaten zugeordnet sein.
In verschiedenen Ausführungsformen kann der Trainings-Datensatz anhand von Simulationen erzeugt bzw. generiert werden. Ein Simulator für ein MIMO-Radar, z.B. ein oder mehrere Prozessoren, die Instruktionen ausführen, um MIMO-Radar Simulationen auszuführen, kann Radar-Empfangsdaten oder Frequenzdomänen-Daten erzeugen. Der Simulator kann Simulationen mit variablen Einstellungen ausführen, um Radarempfangsdaten oder Frequenzdomänen-Daten zu erzeugen basierend auf variierenden Kombinationen von Ankunftswinkeln der Ziele/Objekte, Rauschpegeln und Leistungspegel von Radar-Empfangsdaten.
In anderen Fällen kann der Trainings-Datensatz oder Teile davon mittels Messungen realer Radar-Empfangsdaten erlangt oder erzeugt werden. In einem Beispiel kann ein MIMO-Radar-Testexperiment eine kontrollierte Umgebung verwenden, wie beispielsweise eine Antennen-Testkammer. Radar-Empfangsdaten können in der Antennen-Testkammer erlangt werden; MIMO-Radar-Testexperimente können durchgeführt werden., um Radar-Empfangssignale oder Radar-Empfangsdaten zu erzeugen. Die MIMO-Radar-Testexperimente können Radar-Empfangsdaten für eine variierende Kombination bestimmter Parameter, wie beispielsweise der Anzahl von Radar-Zielen, den Winkeln der Radar-Ziele, den Leistungspegeln von Radar-Empfangssignalen und Rauschpegeln, erzeugt werden. Die mittels den MIMO-Radar-Experimenten erzeugten Radar-Empfangsdaten können dann, z.B. unter Verwendung einer oder mehrerer Rechenvorrichtungen, entsprechend in Trainings-Daten für das neuronale Netzwerk verarbeitet werden.
Zusammengefasst können Frequenzdomänen-Daten, die mittels Simulationen oder realen Bedingungen und/oder experimentell/durch Testen erzeugt werden, können dann verwendet werden, um ein maschinelles-Lernen-Modul zu trainieren.
18A-18B zeigen drei Graphen, welche ein jeweiliges beispielhaftes Phasenmuster für 1, 2 bzw. 3 Ziele innerhalb einer Entfernungs-Doppler-Klasse für eine MIMO-Radar-Anordnung mit 32 virtuellen Kanälen zeigen. Die zugrundeliegenden Daten, welche diese graphisch repräsentierten Phasenmuster erzeugen, können als Eingabe in ein maschinelles-Lernen-Modul verwendet werden. Das maschinelles-Lernen-Modul erzeugt ein Ergebnis bzw. eine Ausgabe, welche eine korrekte bzw. genaue Anzahl an Zielen bzw. Objekten anzeigt. Die Phasenmuster-Daten können, wie verdeutlicht, von den Radar-Empfangsdaten erlangt werden. Ferner können solche Phasenmuster-Daten mittels MIMO-Radar-Simulationen erzeugt werden.
In verschiedenen Fällen liegt ein zur Objektanzahl-Ermittlung verwendetes maschinelles-Lernen-Modul in der Form eines neuronalen Netzwerks vor. 19 zeigt eine beispielhafte Repräsentation eines neuronalen Netzwerks. Ein neuronales Netzwerk kann eine Eingabe-Schicht, eine Ausgabe-Schicht und ein oder mehrere verborgene Schichten aufweisen. jede Schicht weist einen oder mehrere Knoten bzw. Neuronen. Jede Schicht erzeugt eine jeweilige Ausgabe von bzw. unter Verwendung von der empfangenen Eingabe. Die Ausgabe einer Schicht kann gewichtet und an die nächste Schicht bereitgestellt werden.
Gemäß Ausführungsformen weist ein trainiertes neuronales Netzwerk hierin eine Eingabe-Schicht, welche Eingabe-Werte bezüglich der Frequenzdomänen-Schicht empfängt, und eine Ausgabe-Schicht zum Erzeugen von Ausgabe-Werten, welche die Anzahl an Zielen bzw. Objekten anzeigen, auf. Die Art des implementierten neuronalen Netzwerks kann, um einige zu nenne, ein Feedforward Netzwerk, ein Faltungsnetzwerk, ein rekurrentes Netzwerk, ein Autoencoder sein. Beim neuronalen Netzwerk wird die Eingabe bzw. der Eingabe-Vektor in die Eingabe-Schicht eingegeben. Diese Eingaben werden wiederum in jedem Knoten einer ersten verborgenen Schicht mit einem Skalierungsfaktor und einem Versatzfaktor (während der Trainingsphase des neuronalen Netzwerks werden diese Faktoren für jede Verbindung basierend auf dem bekannten Backpropagierungs-Algorithmus angepasst) miteinander kombiniert. Dieser Prozess erfolgt zwischen allen verborgenen Schichten bis zu den Knoten in der Ausgabe-Schicht. Die Knoten in der Ausgabe-Schicht erzeugen einen Ausgabe-Wert bzw. Ausgabe-Werte, der/die eine Anzahl bzw. Menge an Zielen anzeigen.
Andere maschinelles-Lernen-Module können zum Ermitteln einer Anzahl bzw. Menge an Objekten aus Frequenzdomänen-Daten verwendet werden. In mindestens einem Beispiel kann ein trainiertes maschinelles-Lernen-Modul ein maschinelles-Lernen-Modul aufweisen, welches einen Klassifikations-Algorithmus zum Ermitteln der Anzahl an Zielen bzw. Objekten aus den eingegebenen Frequenzdomänen-Daten implementiert. Beispiele von Klassifikations-Algorithmen weisen, um einige zu nennen, Entscheidungsbäume (Random Forest), Logistische Regressionen, Naive Bayes-Klassifikatoren, K-nächste Nachbarn und Stützvektormaschinen auf.
20 zeigt ein Flussdiagramm, welches ein Verfahren zur Radar-Objektanzahl-Ermittlung darstellt. Dieser Ablauf kann für mehrere Radare für jede Doppler-Klasse durchgeführt werden.
Der Prozess bzw. das Verfahren weist auf: Erzeugen von Radar-Empfangsdaten aus Funk-Empfangssignalen, wobei die Funk-Empfangssignale mittels einer Vielzahl von Radar-Empfangsantennen empfangen werden/wurden, in 2010. Das Verfahren weist ein Erzeugen von Frequenzdomänen-Daten für eine oder mehrere Entfernungs-Doppler-Klassen basierend auf den Radar-Empfangsdaten, bei 2020, und ein Ermitteln eines oder mehrerer Peaks aus den erzeugten Frequenzdomänen-Daten, bei 2030, auf. Das Verfahren weist, bei 2040, auf: Erzeugen, mittels eines trainierten maschinelles-Lernen-Modul, unter Verwendung zumindest eines Teils der Frequenzdomänen-Daten, welche den ermittelten ein oder mehreren Peaks zugeordnet sind, von ein oder mehreren Ausgabe-Werten, welche für jede Entfernungs-Doppler-Klasse eine jeweilige Anzahl an detektieren Objekten anzeigen. Also können die ein oder mehreren Ausgabe-Werte des maschinelles-Lernen-Modul die Anzahl an detektierten Objekten (in einer Winkel-Domäne) für jeden (Entfernungs-Doppler) Peak anzeigen.
Das Verfahren oder Aspekte davon kann/können wiederholt oder beispielsweise für verschiedene Entfernungs-Doppler-Klassen angewendet werden.
In Ausführungsformen kann die Anzahl an Zielen gemäß den hierin beschriebenen beispielhaften Ausführungsformen geschätzt werden. Die hierin beschriebenen Zielanzahl- oder Mengenschätzungs-Verfahren oder Zielanzahl- oder Mengenschätzungs-Vorrichtungen können für eine nachfolgende Verarbeitung verwendet bzw. angewendet werden. In verschiedenen Beispielen wird die Schätzung der Menge an Zielen durchgeführt bevor irgendein Winkelschätzungs-Algorithmus, welcher die Verwendung zusätzlicher FFTs aufweisen kann, angewendet wird. Die von dem maschinelles-Lernen-Modul/neuronalen Netzwerk ein oder mehreren ausgegebenen Werte können gespeichert werden und/oder können als Eingabe zu einer oder mehrerer Verarbeitungs-Vorrichtungen durch diese weiterverarbeitet werden. Die Verarbeitungs-Vorrichtungen können ein geeignetes Winkelschätzungs-Verfahren oder -Algorithmus implementieren. In einem Fall kann die ermittelte geschätzte Anzahl bzw. Menge an Zielen als Eingabe für einen Winkelschätzer, wie beispielsweise einer Mehr-Signal-Klassifizierung (MUSIC) Schätzers oder eines iterativen Schätzers, dienen. Die hierin beschriebenen Ziel-Schätzungs-Vorrichtungen und Ziel-Schätzungs-Verfahren können eine Rechenzeit für Winkelschätzungs-Verfahren, welche eine vorherige Eingabe der Anzahl an Zielen benötigen, einsparen.
Das Verfahren nach 20 kann durch hierin beschriebene Vorrichtungen und Systeme implementiert werden.
Die folgenden Beispiele beziehen sich auf weitere Aspekte dieser Offenbarung:
Beispiel 1 ist eine Radar-Anordnung für ein Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radar, die Radar-Anordnung aufweisend:

einen Radar-Empfänger, der eingerichtet ist, Radar-Empfangsdaten aus mittels einer Vielzahl von Radar-Empfangsantennen empfangenen Funk-Empfangssignalen zu erzeugen;
mindestens einen Signalprozessor, der eingerichtet ist:
- Frequenzdomänen-Daten für eine oder mehrere Entfernungs-Doppler-Klassen basierend auf den Radar-Empfangsdaten zu erzeugen;
- einen oder mehrere Peaks aus den erzeugten Frequenzdomänen-Daten zu ermitteln;
ein trainiertes maschinelles-Lernen-Modul, das eingerichtet ist, unter Verwendung der Frequenzdomänen-Daten von jedem virtuellen Kanal, der jedem der ein oder mehreren ermittelten Peaks jeweils zugeordnet ist, als Eingabe, einen oder mehrere Ausgabe-Werte zu erzeugen, welche eine Anzahl an detektierten Objekten innerhalb jeder der ein oder mehreren Entfernungs-Doppler-Klassen anzeigt.

Beispiel 2 ist der Gegenstand nach Beispiel 1, wobei der mindestens eine Signalprozessor, der eingerichtet sein kann, Frequenzdomänen-Daten für die ein oder mehreren Entfernungs-Doppler-Klassen zu erzeugen, den mindestens einen Signalprozessor zum Durchführen einer zwei-dimensionalen (2D) Schnelle-Fourier-Transformation (FFT) der erzeugten Radar-Empfangsdaten aufweist.
Beispiel 3 ist der Gegenstand nach Beispiel 1 oder 2, wobei die als Eingabe zu dem trainierten maschinelles-Lernen-Modul verwendeten Frequenzdomänen-Daten komplexe Werte aufweisen können.
Beispiel 4 ist der Gegenstand nach Beispiel 3, wobei der mindestens eine Signalprozessor eingerichtet sein kann, die komplexen Werte von den erzeugten Frequenzdomänen-Daten, die den ein oder mehreren ermittelten Peaks zugeordnet sind, von jedem virtuellen Kanal zu erlangen und die komplexen Werte als Eingabe an das trainierten maschinelles-Lernen-Modul bereitzustellen.
Beispiel 5 ist der Gegenstand nach Beispiel 1 oder 2, wobei die als Eingabe zu dem trainierten maschinelles-Lernen-Modul verwendeten Frequenzdomänen-Daten für jeden der ein oder mehreren ermittelten Peaks zugehörige Phasenwerte und/oder Amplitudenwerte aufweisen kann.
Beispiel 6 ist der Gegenstand nach Beispiel 5, wobei der mindestens eine Signalprozessor eingerichtet sein kann, die Phasenwerte und/oder Amplitudenwerte von den erzeugten Frequenzdomänen-Daten zu erlangen und die Vielzahl von Phasenwerten und/oder Amplitudenwerten als Eingabe an das trainierte Lern-Modul bereitzustellen.
Beispiel 7 ist der Gegenstand nach einem der Beispiele 1 bis 6, welcher ferner aufweisen kann: ein Sendearray, welches eine Vielzahl von Sendeantennen aufweist, wobei die jeweilige Sendeantenne eingerichtet ist, Sende-Funksignale zu senden; und ein Empfangsarray, welches die Vielzahl von Empfangsantennen aufweist, wobei das Empfangsarray eingerichtet ist, Funksignale zu empfangen, wobei die Empfangs-Funksignale die Sende-Funksignale nach einer Reflektion an einem oder mehreren Zielen sind.
Beispiel 8 ist der Gegenstand nach einem der Beispiele 1 bis 7, wobei das trainierte maschinelles-Lernen-Modul ein mit einem Trainings-Datensatz, der empfangene Frequenzdomänen-Daten entsprechend einer variierenden Anzahl an unter variierenden Winkel-Bereichen angeordneten Zielen aufweist, trainiertes maschinelles-Lernen-Modell sein kann.
Beispiel 9 ist der Gegenstand nach einem der Beispiele 1 bis 8, wobei das trainierte maschinelles-Lernen-Modul ein trainiertes neuronales Netzwerk sein kann, das zumindest eine Eingabe-Schicht, eine Ausgabe-Schicht und ein oder mehrere verborgene Schichten aufweist, wobei jede Schicht einen oder mehrere Knoten hat.
Beispiel 1A ist ein Verfahren für ein Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radar, das Verfahren aufweisend:

Erzeugen von Radar-Empfangsdaten aus Funk-Empfangssignalen, wobei die Funk-Empfangssignale mittels einer Vielzahl von Radar-Empfangsantennen empfangen werden;
Erzeugen von Frequenzdomänen-Daten für eine oder mehrere Entfernungs-Doppler-Klassen basierend auf den Radar-Empfangsdaten;
Ermitteln eines oder mehrerer Peaks aus den erzeugten Frequenzdomänen-Daten für die ein oder mehreren Entfernungs-Doppler-Klassen;
Erzeugen, mittels eines trainierten maschinelles-Lernen-Modul, unter Verwendung zumindest eines Teils der Frequenzdomänen-Daten eines jeden virtuellen Kanals, der den jeweiligen ermittelten ein oder mehreren Peaks zugeordnet ist, ein oder mehrerer Ausgabe-Werte, welche eine jeweilige Anzahl an detektierten Objekte für jede der ein oder mehreren Entfernungs-Doppler-Klassen anzeigen.

Beispiel 2A ist der Gegenstand nach Beispiel 1A, wobei das Erzeugen der Frequenzdomänen-Daten für die ein oder mehreren Entfernungs-Doppler-Klassen ein Durchführen einer zwei-dimensionalen Schnelle-Fourier-Transformation (2D FFT) auf die erzeugten Radar-Empfangsdaten für jede der ein oder mehreren Entfernungs-Doppler-Klassen aufweisen kann.
Beispiel 3A ist der Gegenstand nach Beispiel 1A oder 2A, wobei die als Eingabe verwendeten Frequenzdomänen-Daten komplexe Werte aufweisen können.
Beispiel 4A ist der Gegenstand nach Beispiel 3A, welcher ferner aufweisen kann: Erlangen der komplexen Werte von den erzeugten Frequenzdomänen-Daten, die den ein oder mehreren ermittelten Peaks zugeordnet sind, von jedem virtuellen Kanal und Bereitstellen der komplexen Werte als Eingabe zu dem trainierten maschinelles-Lernen-Modul.
Beispiel 5A ist der Gegenstand nach Beispiel 3A, wobei die als Eingabe zu dem trainierten maschinelles-Lernen-Modul verwendeten Frequenzdomänen-Daten entsprechend zu jedem der ein oder mehreren ermittelten Peaks eine jeweilige Vielzahl von Phasenwerten und/oder Amplitudenwerten aufweisen können.
Beispiel 6A ist der Gegenstand nach Beispiel 5A, welcher ferner aufweisen kann: Erlangen der Vielzahl von Phasenwerten und/oder Amplitudenwerten von den den ermittelten ein oder mehreren Peaks zugeordneten Frequenzdomänen-Daten und Bereitstellen der Vielzahl von Phasenwerten und/oder Amplitudenwerten als Eingabe zu dem trainierten Lern-Modul.
Beispiel 7A ist der Gegenstand nach einem der Beispiele 1A bis 6A, welcher ferner aufweisen kann: Senden der Sende-Funksignale mittels einer Vielzahl von Sendeantennen; und Empfangen der Empfangs-Funksignale durch ein Empfangsarray, welches die Vielzahl von Empfangsantennen aufweist, wobei die Empfangs-Funksignale die Sende-Funksignale nach einer Reflektion an einem oder mehreren Zielen sind.
Beispiel 8A ist der Gegenstand nach einem der Beispiele 1A bis 7A, wobei das trainierte maschinelles-Lernen-Modul ein mit einem Trainings-Datensatz, der empfangene Frequenzdomänen-Daten entsprechend einer variierenden Anzahl an unter variierenden Winkel-Bereichen angeordneten Zielen aufweist, trainiertes maschinelles-Lernen-Modell sein kann.
Beispiel 9A ist der Gegenstand nach einem der Beispiele 1A bis 8A, wobei das trainierte maschinelles-Lernen-Modul ein trainiertes neuronales Netzwerk ist, welches zumindest eine Eingabe-Schicht, eine Ausgabe-Schicht und ein oder mehrere verborgene Schichten aufweist, wobei jede Schicht einen oder mehrere Knoten hat.
Beispiel 10A ist der Gegenstand nach einem der Beispiele 1A bis 8A, wobei das maschinelles-Lernen-Modul das Ausführen eines Klassifikations-Algorithmus aufweist.
Beispiel 1B ist ein computerimplementiertes Verfahren zum Trainieren eines maschinelles-Lernen-Moduls zum Schätzen einer Anzahl an Zielen in Radarsignalen, wobei das Verfahren aufweist:

Erlangen eines Datensatzes, der eine Anzahl an Zielen und zugeordnete Frequenzdomänen-Daten aufweist, wobei die Frequenzdomänen-Daten auf Radar- Empfangsdaten aus einem Bereich einer Menge an Radar-Zielen, einem Bereich von Winkeln der Radar-Ziele, einem Bereich von Leistungspegeln und einem Bereich von Rauschpegeln in den Radar-Empfangsdaten basieren; und
Trainieren eines maschinelles-Lernen-Moduls unter Verwendung des erzeugten Datensatzes zum Erzeugen eines oder mehrerer Ausgabe-Werte, welche eine Schätzung einer Anzahl an Zielen anhand der eingegebenen Frequenzdomänen-Daten bereitstellen.

Beispiel 2B ist der Gegenstand nach Beispiel 1B, welcher ferner aufweisen kann: Erzeugen des die Frequenzdomänen-Daten aufweisenden Datensatzes, wobei das Erzeugen des Datensatzes aufweist: Erzeugen des Radar-Empfangs für den Bereich der Menge an Radar-Zielen, dem Bereich von Winkeln der Radar-Ziele, einem Bereich von Leistungspegeln und einem Bereich von Rauschpegeln; und Erzeugen des die Frequenzdomänen-Daten aufweisenden Datensatzes aus den erzeugten Radar-Empfangsdaten.
Beispiel 3B ist der Gegenstand nach Beispiel 2B, wobei das Erzeugen der Radar-Empfangsdaten das Ausführen einer oder mehrerer Simulationen eines Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radarsystem, welches eine Vielzahl von Sendeantennen und eine Vielzahl von Empfangsantennen hat, aufweisen kann, wobei die ein oder mehreren Simulationen den Bereich der Menge an Radar-Zielen, den Bereich von Winkeln der Radar-Ziele, einen Bereich von Leistungspegeln und den Bereich von Rauschpegeln berücksichtigen.
Beispiel 4B ist der Gegenstand nach Beispiel 2B oder 3B, wobei die erzeugten Frequenzdomänen-Daten komplexe Werte aufweisen können
Beispiel 5B ist der Gegenstand nach Beispiel 2B oder 3B, wobei die erzeugten Frequenzdomänen-Daten Phasenwerte und/oder Amplitudenwerte aufweisen können.
Beispiel 6B ist der Gegenstand nach einem der Beispiele 1B bis 5B, wobei das maschinelles-Lernen-Modul ein neuronales Netzwerk sein kann, welches eine Eingabe-Schicht, eine Ausgabe-Schicht und ein oder mehrere verborgene Schichten aufweist, wobei jede Schicht einen oder mehrere Knoten aufweist.
Beispiel 7B ist der Gegenstand nach einem der Beispiele 1B bis 5B, wobei das maschinelles-Lernen-Modul das Ausführen eines Klassifikations-Algorithmus aufweist.
Beispiel IC ist ein nicht-transitorisches computer-lesbares Speichermedium, das Instruktionen enthält, welche, wenn diese durch einen oder mehrere Prozessoren ausgeführt werden, den Prozessor veranlassen, die Funktionen des Verfahrens nach einem der Beispiele 1B bis 7B durchzuführen.
Der Umfang der Offenbarung wird daher durch die beigefügten Ansprüche angegeben und alle Änderungen, die unter die Bedeutung und den Äquivalenzbereich der Ansprüche fallen, sind daher einbezogen.
Es versteht sich, dass Implementierungen der hierin ausführlich beschriebenen Verfahren veranschaulichenden Charakter haben und daher als geeignet, in einer entsprechenden Vorrichtung implementiert zu werden, verstanden werden. Ebenso versteht sich, dass Implementierungen von hierin ausführlich beschriebenen Vorrichtungen als geeignet, als ein entsprechendes Verfahren implementiert zu werden, verstanden werden Es wird daher verstanden, dass eine einem hierin ausführlich beschriebenen Verfahren zugeordnete Vorrichtung eine oder mehrere Komponenten aufweisen kann, die eingerichtet sind, jeden Aspekt des zugehörigen Verfahrens durchzuführen.
Alle in der voranstehenden Beschreibung definierten Akronyme gelten ferner in allen hierin aufgenommenen Ansprüchen.

Claims

Eine Radar-Anordnung für ein Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radar, die Radar-Anordnung aufweisend: einen Radar-Empfänger, der eingerichtet ist, Radar-Empfangsdaten aus mittels einer Vielzahl von Radar-Empfangsantennen empfangenen Funk-Empfangssignalen zu erzeugen; mindestens einen Signalprozessor, der eingerichtet ist: Frequenzdomänen-Daten für eine oder mehrere Entfernungs-Doppler-Klassen basierend auf den Radar-Empfangsdaten zu erzeugen; einen oder mehrere Peaks aus den erzeugten Frequenzdomänen-Daten zu ermitteln; ein trainiertes maschinelles-Lernen-Modul, das eingerichtet ist, unter Verwendung der Frequenzdomänen-Daten von jedem virtuellen Kanal, der jedem der ein oder mehreren ermittelten Peaks jeweils zugeordnet ist, als Eingabe, einen oder mehrere Ausgabe-Werte zu erzeugen, welche eine jeweilige Anzahl an detektierten Objekten innerhalb jeder der Entfernungs-Doppler-Klassen anzeigt.
Die Radar-Anordnung nach Anspruch 1, wobei der mindestens eine Signalprozessor, der eingerichtet ist, Frequenzdomänen-Daten für die ein oder mehreren Entfernungs-Doppler-Klassen zu erzeugen, den mindestens einen Signalprozessor zum Durchführen einer zwei-dimensionalen (2D) Schnelle-Fourier-Transformation (FFT) der erzeugten Radar-Empfangsdaten aufweist.
Die Radar-Anordnung nach Anspruch 1 oder 2, wobei die als Eingabe zu dem trainierten maschinelles-Lernen-Modul verwendeten Frequenzdomänen-Daten komplexe Werte aufweisen.
Die Radar-Anordnung nach Anspruch 3, wobei der mindestens eine Signalprozessor eingerichtet ist, die komplexen Werte von den erzeugten Frequenzdomänen-Daten, die den ein oder mehreren ermittelten Peaks zugeordnet sind, von jedem virtuellen Kanal zu erlangen und die komplexen Werte als Eingabe an das trainierte maschinelles-Lernen-Modul bereitzustellen.
Die Radar-Anordnung nach Anspruch 1 oder 2, wobei die als Eingabe zu dem trainierten maschinelles-Lernen-Modul verwendeten Frequenzdomänen-Daten für jeden der ein oder mehreren ermittelten Peaks jeweils zugehörige Phasenwerte und/oder Amplitudenwerte aufweisen.
Die Radar-Anordnung nach Anspruch 5, wobei der mindestens eine Signalprozessor eingerichtet ist, die Phasenwerte und/oder Amplitudenwerte von den erzeugten Frequenzdomänen-Daten zu erlangen und die Vielzahl an Phasenwerten und/oder Amplitudenwerten als Eingabe zu dem trainierten Lern-Modul bereitzustellen.
Die Radar-Anordnung nach einem der Ansprüche 1 bis 6, ferner aufweisend: ein Sendearray, welches eine Vielzahl von Sendeantennen aufweist, wobei die jeweilige Sendeantenne eingerichtet ist, Sende-Funksignale zu senden; und ein Empfangsarray, welches die Vielzahl von Empfangsantennen aufweist, wobei das Empfangsarray eingerichtet ist, Funksignale zu empfangen, wobei die Empfangs-Funksignale die Sende-Funksignale nach einer Reflektion an einem oder mehreren Zielen sind.
Die Radar-Anordnung nach einem der Ansprüche 1 bis 7, wobei das trainiertes maschinelles-Lernen-Modul ein mit einem Trainings-Datensatz, welcher empfangene Frequenzdomänen-Daten entsprechend einer variierenden Anzahl an unter variierenden Winkel-Bereichen angeordneten Zielen aufweist, trainiertes maschinelles-Lernen-Modell ist.
Die Radar-Anordnung nach einem der Ansprüche 1 bis 8, wobei das trainiertes maschinelles-Lernen-Modul ein trainiertes neuronales Netzwerk ist, welches zumindest eine Eingabe-Schicht, eine Ausgabe-Schicht und eine oder mehrere verborgene Schichten aufweist, wobei jede Schicht einen oder mehrere Knoten hat.
Die Radar-Anordnung nach einem der Ansprüche 1 bis 8, wobei das maschinelles-Lernen-Modul das Ausführen eines Klassifikations-Algorithmus aufweist.
Ein Verfahren für ein Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radar, das Verfahren aufweisend: Erzeugen von Radar-Empfangsdaten aus Funk-Empfangssignalen, wobei die Funk-Empfangssignale mittels einer Vielzahl von Radar-Empfangsantennen empfangen werden; Erzeugen von Frequenzdomänen-Daten für eine oder mehrere Entfernungs-Doppler-Klassen basierend auf den Radar-Empfangsdaten; Ermitteln eines oder mehrerer Peaks aus den erzeugten Frequenzdomänen-Daten jeweils für jede der Entfernungs-Doppler-Klassen; Erzeugen, mittels eines trainierten maschinelles-Lernen-Modul, unter Verwendung der Frequenzdomänen-Daten von jedem virtuellen Kanal, der den jeweiligen ermittelten ein oder mehreren Peaks zugeordnet ist, als Eingabe, ein oder mehrerer Ausgabe-Werte, welche eine jeweilige Anzahl an detektierten Objekten für jede Entfernungs-Doppler-Klasse anzeigen.
Das Verfahren nach Anspruch 11, wobei das Erzeugen der Frequenzdomänen-Daten für eine Entfernungs-Klasse ein Durchführen einer zwei-dimensionalen Schnellen-Fourier-Transformation (FFT) der erzeugten Radar-Empfangsdaten für jede der Entfernungs-Doppler-Klassen aufweist.
Das Verfahren nach Anspruch 11 oder 12, wobei die als Eingabe verwendeten Frequenzdomänen-Daten komplexe Werte aufweisen.
Die Radar-Anordnung nach Anspruch 13, ferner aufweisend: Erlangen der komplexen Werte von den erzeugten Frequenzdomänen-Daten, die den ein oder mehreren ermittelten Peaks zugeordnet sind, von jedem virtuellen Kanal und Bereitstellen der komplexen Werte als Eingabe zu dem trainierten maschinelles-Lernen-Modul.
Das Verfahren nach Anspruch 13, wobei die als Eingabe zu dem trainierten maschinelles-Lernen-Modul verwendeten Frequenzdomänen-Daten für jeden der ein oder mehreren ermittelten Peaks jeweils zugehörige Phasenwerte und/oder Amplitudenwerte aufweisen.
Das Verfahren nach Anspruch 15, ferner aufweisend: Erlangen der Vielzahl von Phasenwerten und/oder Amplitudenwerten von den den ein oder mehreren ermittelten Peaks zugehörigen erzeugten Frequenzdomänen-Daten und Bereitstellen der Vielzahl von Phasenwerten und/oder Amplitudenwerten als Eingabe zu dem trainierten Lern-Modul.
Das Verfahren nach einem der Ansprüche 1 bis 6, ferner aufweisend: Senden der Sende-Funksignale mittels einer Vielzahl von Sendeantennen; und Empfangen der Empfangs-Funksignale durch ein Empfangsarray, welches die Vielzahl von Empfangsantennen aufweist, wobei die Empfangs-Funksignale die Sende-Funksignale nach einer Reflektion an einem oder mehreren Zielen sind.
Ein computerimplementiertes Verfahren zum Trainieren eines maschinelles-Lernen-Moduls zum Schätzen einer Anzahl an Zielen in Radarsignalen, das Verfahren aufweisend: Erlangen eines Datensatzes, der eine Anzahl an Zielen und zugeordnete Frequenzdomänen-Daten aufweist, wobei die Frequenzdomänen-Daten auf Radar-Empfangsdaten aus einem Bereich einer Menge an Radar-Zielen, einem Bereich von Winkeln der Radar-Ziele, einem Bereich von Leistungspegeln und einem Bereich von Rauschpegeln in den Radar-Empfangsdaten basieren; und Trainieren eines maschinelles-Lernen-Moduls unter Verwendung des erzeugten Datensatzes zum Erzeugen eines oder mehrerer Ausgabe-Werte, welche eine Schätzung einer Anzahl an Zielen anhand der eingegebenen Frequenzdomänen-Daten bereitstellen.
Das Verfahren nach Anspruch 18, ferner aufweisend: Erzeugen des die Frequenzdomänen-Daten aufweisenden Datensatzes, wobei das Erzeugen des Datensatzes aufweist: Erzeugen des Radar-Empfangs für den Bereich der Menge an Radar-Zielen, dem Bereich von Winkeln der Radar-Ziele, einem Bereich von Leistungspegeln und einem Bereich von Rauschpegeln; und Erzeugen des die Frequenzdomänen-Daten aufweisenden Datensatzes aus den erzeugten Radar-Empfangsdaten.
Das Verfahren nach Anspruch 19, wobei das Erzeugen der Radar-Empfangsdaten das Ausführen einer oder mehrerer Simulationen eines Mehrfach-Eingabe-Mehrfach-Ausgabe-(MIMO)-Radarsystem, welches eine Vielzahl von Sendeantennen und eine Vielzahl von Empfangsantennen hat, aufweist, wobei die ein oder mehreren Simulationen den Bereich der Menge an Radar-Zielen, den Bereich von Winkeln der Radar-Ziele, einen Bereich von Leistungspegeln und den Bereich von Rauschpegeln berücksichtigen.