DE102022117030A1

DE102022117030A1 - Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen

Info

Publication number: DE102022117030A1
Application number: DE102022117030.6A
Authority: DE
Inventors: Hsiao-Ning WANG
Original assignee: Cubtek Inc
Current assignee: Cubtek Inc
Priority date: 2021-10-27
Filing date: 2022-07-08
Publication date: 2023-04-27
Also published as: TW202206844A; CN116027330A; US20230128625A1; TWI813046B

Abstract

Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen, bei dem eine Eingangssignalmatrix von einer Array-Antenne empfangen wird, wobei es sich bei der Eingangssignalmatrix um ein gesendetes Signal oder ein reflektiertes Signal mindestens eines Zielobjekts handelt, und wobei das Verfahren die folgenden Schritte aufweist: Schritt S1: Eingeben einer Eingangssignalmatrix in ein erstes Rechenmodell und Eingeben von mehreren winkelabhängigen Verfolgungsmatrizen zum Vergleich, wobei, wenn die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen, eine Anzahl von Zielobjekten und ein grob geschätzter Zielwinkel entsprechend der Position des Zielobjekts erhalten werden; Schritt S2: Eingeben der Anzahl der Zielobjekte in ein zweites Rechenmodell für die Einzelwertzerlegung, um eine Rauschsignalmatrix zu erhalten; Schritt S3: Bestimmen eines iterativen Winkelbereichs durch den in Schritt S1 erhaltenen, grob geschätzten Zielwinkel; und Schritt S4: Eingeben der mehreren dem iterativen Winkelbereich zugeordneten Verfolgungsmatrizen und der Rauschsignalmatrix in ein drittes Rechenmodell und Durchführen der winkelmäßigen Iteration zum Erhalten eines genauen Zielwinkels.

Description

Die Erfindung betrifft ein Messverfahren, insbesondere ein Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen.
In der heutigen Gesellschaft sind Antennenmodule weit verbreitet. Im Bereich der drahtlosen Kommunikation und Radarerfassung werden beispielsweise die Antennenmodule benötigt, um drahtlose Signale zur Signalübertragung oder Positionserfassung zu senden und zu empfangen. In einer Umgebung mit mehreren Antennen-Signalquellen treten jedoch Probleme der gegenseitigen Interferenz zwischen Signalen, der Übertragung des besten Signalpfads, der Auswahl der besten Signalquelle usw. auf, die von Entwicklern im Antennenbereich gelöst werden müssen.
Beispielsweise werden Netzwerksignale und Telekommunikationssignale bei den üblich genutzten Mobiltelefonen durch die Verbindung der Antennen und der Basisstationen übertragen. Daher ist es ein dringender Wunsch auf dem Gebiet der Mobilkommunikation, wie das Mobiltelefon die Basisstation mit dem besseren Signal für die Verbindung zwischen mehreren Basisstationen mit unterschiedlichen langen und kurzen Entfernungen und unterschiedlichen Übertragungswegen auswählt, um bessere Telekommunikationssignale und Netzsignale zu erhalten. In einem anderen Beispiel, wie beispielsweise einem Fahrzeugradarerfassungssystem, wird es hauptsächlich verwendet, um Objekte um das Fahrzeug herum zu erfassen, wodurch Hindernisse bestätigt werden und das Kollisionsrisiko beim Fahren vermieden wird. Darüber hinaus kann das Fahrzeugradarerfassungssystem sogar beim automatischen Fahren verwendet werden. Das Prinzip des Fahrzeugradarerfassungssystems besteht darin, den Abstand zwischen den Objekten um das Fahrzeug herum und dem Fahrzeug durch die Radarantenne zu erfassen, wenn sich das Fahrzeug bewegt. Die herkömmlichen Radarlösungen basieren auf 2 bis 3 Sendeantennen und 3 bis 4 Empfangsantennen, wobei beim bildgebenden Radar mehrere Multiple-Input-Multiple-Output-Antennenarrays (MIMO) verwendet werden, um eine hochauflösende Kartierung der Umgebung durchzuführen und eine hochpräzise Bildqualität zu bieten. Unter allen äußeren Umgebungsbedingungen gibt es kein Fuzzy-Sensing-Problem des Dopplers, was dazu beiträgt, Entscheidungen über große Entfernungen und Weitsicht zu treffen, um Kollisionen zwischen Fahrzeugen und Objekten oder Fahrzeugen zu vermeiden und Verkehrsunfälle zu verhindern.
Oben wird eine beste Signalsuchtechnik für Mobiltelefone und Basisstationen beschrieben. Da das Signal des Mobiltelefons bei der Suche nach der Basisstation weniger dringend und gefährlich ist, kann die von der Radarantenne des Mobiltelefons verwendete Zielsignalerfassung mit einer längeren Berechnungszeit durchgeführt werden. Durch wiederholtes Suchen nach dem Standort der Basisstation und Bestimmen der Signalstärke der Basisstation kann ein besseres Signal empfangen werden. Darüber hinaus ist der Standort der Basisstation fest, sodass auch der Standort der Basisstation besser bestimmt werden kann.
Die Fahrzeugradarantenne soll jedoch Kollisionen vermeiden, wenn sich das Fahrzeug bewegt, so dass die Fahrzeugradarantenne die Anzahl und Position von Objekten in kurzer Zeit genau erfassen muss. Daher ist ein genaueres und schnelleres Signaloperationsverfahren erforderlich, um den oben erwähnten Zweck zu erreichen.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen zu schaffen, mit dem vermieden wird, dass die Position von Zielobjekten nicht genau bestimmt werden kann und die Berechnungszeit für die Erfassung der Zielobjekte zu lang ist.
Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen, das die im Anspruch 1 angegebenen Merkmale aufweist. Weitere vorteilhafte Weiterbildungen der Erfindung gehen aus den Merkmalen der Unteransprüche hervor.
Gemäß der Erfindung wird ein Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen bereitgestellt, bei dem eine Eingangssignalmatrix von einer Array-Antenne empfangen wird, wobei es sich bei der Eingangssignalmatrix um ein gesendetes Signal oder ein reflektiertes Signal mindestens eines Zielobjekts handelt, und wobei das Verfahren die folgenden Schritte aufweist:

Schritt S1: Eingeben einer Eingangssignalmatrix in ein erstes Rechenmodell und Eingeben von mehreren winkelabhängigen Verfolgungsmatrizen zum Vergleich, wobei, wenn die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen, eine Anzahl von Zielobjekten und ein grob geschätzter Zielwinkel entsprechend der Position des Zielobjekts erhalten werden;
Schritt S2: Eingeben der Anzahl der Zielobjekte in ein zweites Rechenmodell für die Einzelwertzerlegung, um eine Rauschsignalmatrix zu erhalten;
Schritt S3: Bestimmen eines iterativen Winkelbereichs durch den in Schritt S1 erhaltenen, grob geschätzten Zielwinkel; und
Schritt S4: Eingeben der mehreren dem iterativen Winkelbereich zugeordneten Verfolgungsmatrizen und der Rauschsignalmatrix in ein drittes Rechenmodell und Durchführen der winkelmäßigen Iteration zum Erhalten eines genauen Zielwinkels.

Auf diese Weise können durch die Kombination des ersten Rechenmodells, des zweiten Rechenmodells und des dritten Rechenmodells der vorliegenden Erfindung die Anzahl und die relevanten Winkelinformationen genauer der Zielobjekte erhalten werden. Außerdem kann die Betriebsgeschwindigkeit verbessert werden, so dass die vorliegende Erfindung auf mehr unterschiedliche Gerätetypen angewendet werden kann.
Im Folgenden werden die Erfindung und ihre Ausgestaltungen anhand der Zeichnung näher erläutert. In der Zeichnung zeigt:

1 einen schematischen Ablauf des erfindungsgemäßen Verfahrens zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen;
2 einen detaillierten Ablauf des Schritts S1 des erfindungsgemäßen Verfahrens;
3 eine schematische Darstellung eines ersten Ausführungsbeispiels des erfindungsgemäßen Verfahrens für nur ein Zielobjekt;
4 eine schematische Darstellung eines zweiten Ausführungsbeispiels des erfindungsgemäßen Verfahrens für zwei Zielobjekte;
5 eine grafische Darstellung eines zweiten Ausführungsbeispiels des erfindungsgemäßen Verfahrens, wobei sich die Zielobjekte im Winkel von 12 bzw. 21 Grad befinden; und
6 eine grafische Darstellung eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens, wobei sich die Zielobjekte im Winkel von -1 bzw. 1 Grad befinden.

Nachfolgend wird die vorliegende Erfindung anhand der konkreten Ausführungsbeispiele detailliert beschrieben. Zu erwähnen ist jedoch, dass Bestandteile der vorliegenden Erfindung, die in diesen Ausführungsbeispielen erwähnt werden, in Bezug auf Verhältnisse, Abmessungen, Verformungsbeträge oder Verschiebungen dargestellt, die für die Beschreibung geeignet sind, und nicht auf die Verhältnisse der tatsächlichen Elemente gezeichnet sind.
Radar-Array-Antennen haben mehrere Zwecke, z. B. das Erfassen von Objekten, das Beobachten des Wetters, das Verfolgen von Objekten und so weiter. Bei der zur Erfassung von Objekten verwendeten Radar-Array-Antenne werden auch viele verschiedene Algorithmen verwendet, wie z. B. OMP [OMP = Orthogonal Matching Pursuit], MUSIC [MUSIC = Multiple Signal Classification], den iterativen Sparse-Asymptotic-Minimum-Varianz-Algorithmus [SAMV] usw., um Signalbeurteilungen und den Betrieb vorzunehmen.
Bei OMP handelt es sich um ein Objekterfassungsverfahren, durch das zunächst ein Korrelationsvergleich zwischen dem Eingangssignalmatrix [Reflexionssignal des Zielobjekts, das von der Radarantenne empfangen wird] und dem winkelbezogenen Lenkvektor durchgeführt wird. Entsprechend der Korrelation zwischen der Eingangssignalmatrix und dem Lenkvektor wird ein Residualwert durch die Residuenanalyse der statischen Regression berechnet. Damit werden die Anzahl der Objekte und der Winkel, in dem sich die Objekte befinden, erhalten. Das OMP-Verfahren gewährleistet schnelle Berechnungen. Um jedoch die schnellen Berechnungen zu erzielen, ist die Erfassungsgenauigkeit von OMP-Verfahren jedoch nicht hoch. Durch das OMP-Verfahren können keine genauen Winkelinformationen des Zielobjekts erhalten werden. Das heißt, durch das OMP-Verfahren kann nur festgestellt werden, dass sich das Zielobjekt innerhalb eines Winkelbereichs befindet.
Das MUSIC-Verfahren zur Objekterfassung besteht darin, zuerst das reflektierte Signal des Zielobjekts, das von der Radararrayantenne empfangen wird, in eine Kovarianzmatrix umzuwandeln und dann eine Singulärwertzerlegung (SVD) gemäß der Anzahl von Zielobjekten und der Kovarianzmatrix zum Erhalten einer Rauschmatrix durchzuführen. Schließlich werden die Rauschmatrix und ein winkelbezogener Steuervektor iteriert, um die Winkelinformationen des Zielobjekts zu erhalten. Das MUSIC-Verfahren kann hochpräzise Winkelinformationen erhalten. Um hochpräzise Winkelinformationen zu erhalten, ist der für das MUSIC-Verfahren erforderliche Berechnungsaufwand jedoch sehr groß, was zu einer sehr langsamen Berechnungsgeschwindigkeit führt. Darüber hinaus muss das MUSIC-Verfahren die Anzahl der Zielobjekte kennen, bevor die Berechnung vorgenommen wird, was zu einem begrenzten Anwendungsbereich für MUSIC führt.
In 1 und 2 ist ein erfindungsgemäßes Verfahren 100 gezeigt, bei dem eine Eingangssignalmatrix von einer Array-Antenne empfangen wird. Bei der Eingangssignalmatrix handelt es sich um ein gesendetes Signal oder ein reflektiertes Signal mindestens eines Zielobjekts. Bei der erfindungsgemäßen Array-Antenne handelt es sich um eine Array-Antenne mit mehreren Eingängen und mehreren Ausgängen [Abk. MIMO für Multi-Input-Multi-Output]. Mehrere Antennen am Sender können verwendet werden, um Signale unabhängig voneinander zu senden, wobei mehrere Antennen am Empfänger verwendet werden können, um die ursprünglichen Informationen gleichzeitig zu empfangen und wiederherzustellen. Die Eingangssignalmatrix besteht aus den vom Zielobjekt reflektierten Signalen, die von der am Fahrzeug angeordnete Radar-Array-Antenne empfangen werden. Dies kann als ADAS [Abk. Advanced Driver Assistance System, dt. »fortschrittliches Fahrerassistenzsystem«] verwendet werden, wie z. B. FCW [Abk. Forward Collision Warning, dt. »Vorwärtskollisionswarnung«], BSD [Abk. Blind Spot Detection, dt. »Totwinkelerfassung«] usw., worauf die Erfindung jedoch nicht beschränkt sein soll. Alle Teile, die in Anzahl, Position und Winkel des Zielobjekts erfasst werden müssen, können mit dem erfindungsgemäßen Verfahren durchgeführt werden. Ein weiteres Beispiel kann auch die Signalverbindungsbeurteilung zwischen Mobiltelefon und Basisstation sein. Hinsichtlich der Signalverbindung muss das Mobiltelefon eine Verbindungserfassung mehrerer Basisstationen durchführen, um die beste Basisstation für die Verbindung zu ermitteln. In diesem Fall gilt das erfindungsgemäße Verfahren. Das erfindungsgemäße Verfahren weist die folgenden Schritte auf:

Schritt S1: Eingeben einer Eingangssignalmatrix in ein erstes Rechenmodell [z. B. OMP-Modell] und Eingeben von mehreren winkelabhängigen Verfolgungsmatrizen zum Vergleich. Wenn die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen, können eine Anzahl von Zielobjekten und ein grob geschätzter Zielwinkel entsprechend der Position des Zielobjekts erhalten werden. Die Verfolgungsmatrix setzt sich aus winkelabhängigen Lenkvektoren zusammen. Der Lenkvektor ist durch die folgende Gleichung [1] wie folgt darstellbar: $v (k) = [\begin{matrix} e^{- j k sin θ_{1}} \\ e^{- j k 2 sin θ_{2}} \\ □ \\ e^{- j k sin θ_{n}} \end{matrix}]$
wobei v(k) Lenkvektor ist.

Im Ausführungsbeispiel der vorliegenden Erfindung werden ein Schritt S1a, ein Schritt S1b, ein Schritt S1c, ein Schritt S1d und ein Schritt S1e verwendet, um zu bestimmen, ob die mehreren Verfolgungsmatrizen die Bedingungen des ersten Betriebsmodells erfüllen. Im Folgenden werden die Inhalte von Schritt S1a, Schritt S1b, Schritt S1c, Schritt S1d und Schritt S1e beschrieben:

Schritt S1a: Feststellen mit dem ersten Rechenmodell, ob die Eingangssignalmatrix mit den mehreren Verfolgungsmatrizen korreliert ist. Wenn eine der mehreren Verfolgungsmatrizen keine Korrelation mit der Eingangssignalmatrix aufweist, wird Schritt S1a wiederholt. Es wird wieder festgestellt, ob die nächsten Verfolgungsmatrizen mit der Eingangssignalmatrix korreliert ist. Wenn eine der mehreren Verfolgungsmatrizen eine Korrelation mit der Eingangssignalmatrix hat, wird Schritt S1b durchgeführt.

Der Winkelbereich der mehreren Verfolgungsmatrizen reicht von -90 Grad bis 90 Grad. Ein erster Abstandswinkel wird als Abstandseinheit genommen, um die Korrelation der jeweiligen Verfolgungsmatrizen mit der Eingangssignalmatrix nacheinander festzustellen. Bei der Korrelation handelt es sich um die Winkelkorrelation der jeweiligen Verfolgungsmatrizen mit der Eingangssignalmatrix. Der Wert des ersten Abstandswinkels liegt zwischen 1/18 und 1/180 [1 Grad bis 10 Grad] des Winkelbereichs der Verfolgungsmatrizen. Der erste Abstandswinkel kann je nach Benutzerbedarf eingestellt werden.
Schritt S1b: Definieren der mit der Eingangssignalmatrix korrelierten Verfolgungsmatrix als eine erste Verfolgungsmatrix. Unter Verwendung der ersten Verfolgungsmatrix und der Eingangssignalmatrix wird ein Restwert berechnet. Bei dem ersten Rechenmodel wird das Verfahren der kleinsten Quadrate verwendet, um den Restwert zu berechnen.
Schritt S1c: Vergleichen des Restwerts mit einem Restschwellenwert. Wenn der Restwert zu einem Zeitpunkt stark abnimmt und kleiner oder gleich dem Restschwellenwert ist, was angibt, dass die erste Verfolgungsmatrix die Bedingungen des ersten Betriebsmodells erfüllt, kann das erste Rechenmodell die Anzahl der Zielobjekte und den grob geschätzten Zielwinkel erhalten. Wenn der Restwert größer als der Restschwellenwert ist, wird Schritt S1d durchgeführt. Wenn der Restwert größer als der Restschwellenwert ist, bedeutet dies, dass mehrere Zielobjekte vorhanden sind, oder dass eine Korrelation zwischen der ersten Verfolgungsmatrix und der Eingangssignalmatrix besteht, aber die Korrelation ist gering.
Schritt S1d: Ermitteln des Reduktionsbereichs des Restwerts. Wenn der Reduktionsbereich des Restwerts größer als ein Signifikanzschwellenwert ist, bedeutet dies, dass die erste Verfolgungsmatrix eine hohe Korrelation mit der Eingangssignalmatrix aufweist. In diesem Fall wird Schritt S1e durchgeführt. Wenn der Reduktionsbereich des Restwerts kleiner als der Signifikanzschwellenwert ist, kehrt der Ablauf direkt zu Schritt S1a zurück, wobei die Korrelation zwischen der Eingangssignalmatrix und den anderen Verfolgungsmatrizen weiter ermittelt wird, bis der Restwert kleiner oder gleich dem Restschwellenwert ist. Damit können die Anzahl der Zielobjekte und der grob geschätzte Zielwinkel durch das erste Rechenmodell erhalten werden. Der Reduktionsbereich des Restwerts ist kleiner als der Signifikanzschwellenwert, was anzeigt, dass die erste Verfolgungsmatrix eine Korrelation mit der Eingangssignalmatrix aufweist, aber die Korrelation gering ist.
Schritt S1e: Speichern der ersten Verfolgungsmatrix und Umwandeln der Eingangssignalmatrix in eine zweite Eingangssignalmatrix unabhängig von der ersten Verfolgungsmatrix. Zurückkehrend zu Schritt S1a wird die Korrelation zwischen der zweiten Eingangssignalmatrix und den anderen Verfolgungsmatrizen festgestellt, bis der Restwert kleiner oder gleich dem Restschwellenwert ist, so dass die Anzahl der Zielobjekte und den grob geschätzten Zielwinkel durch das erste Rechenmodell erhalten werden können.
Schritt S2: Umwandeln der Eingangssignalmatrix in eine Kovarianzmatrix sowie Eingeben der Kovarianzmatrix und der durch das erste Rechenmodell erhaltenen Anzahl der Zielobjekte in ein zweites Rechenmodell für die Einzelwertzerlegung, um eine Rauschsignalmatrix zu erhalten. Die Eingangssignalmatrix wird durch Gleichung [2] in die Kovarianzmatrix umgewandelt. $R = E {{yy}^{H}},$
wobei RR die Kovarianzmatrix und y die Eingangssignalmatrix ist.
Schritt S3: Bestimmen eines iterativen Winkelbereichs durch den in Schritt S1 erhaltenen, grob geschätzten Zielwinkel, wobei sich der iterative Winkelbereich durch Addieren/Subtrahieren eines zulässigen Winkels zu/von dem grob geschätzten Zielwinkel ergibt. Der zulässige Winkel ist kleiner als der erste Abstandswinkel.
Schritt S4: Eingeben der mehreren dem iterativen Winkelbereich zugeordneten Verfolgungsmatrizen und der Rauschsignalmatrix in ein drittes Rechenmodell [z. B. Multiple Signal Classification, MUSIC] und Durchführen der winkelmäßigen Iteration zum Erhalten eines genauen Zielwinkels. Bei dem iterativen Winkelbereich wird ein zweiter Abstandswinkel als Abstandseinheit verwendet, wobei die Verfolgungsmatrizen und der Rauschsignalmatrix jeweils im Abstand des zweiten Abstandswinkels nacheinander in das dritte Rechenmodell für die winkelmäßige Iteration eingegeben werden.
Ferner liegt der zweite Abstandswinkel zwischen 1/10 und 1/100 des iterativen Winkelbereichs. Das dritte Rechenmodell führt die Iteration des iterativen Winkelbereichs und der Rauschsignalmatrix durch orthogonale Berechnung durch. Nach der Iteration des dritten Rechenmodells kann eine Winkel- und Leistungskurve erhalten werden. Der Winkel, der dem offensichtlichen Spitzenwert auf der Kurve entspricht, ist der genaue Zielwinkel.
Es ist ein Fahrzeugradar 1 vorgesehen [siehe 3 und 4], das eine Erfassungsbezugslinie L aufweist, wobei die Erfassungsbezugslinie L senkrecht zu dem Fahrzeugradar 1 verläuft. Die Erfassungsbezugslinie L verläuft in der negativen Richtung nach oben und in der positiven Richtung nach unten. In 3 ist ein erstes Ausführungsbeispiel gemäß der Erfindung dargestellt. Es wird angenommen, dass es ein Objekt 2 gibt, das sich basierend auf der Erfassungsbezugslinie L im Winkel von -12 Grad befindet. In 4 ist ein zweites Ausführungsbeispiel gemäß der Erfindung dargestellt. Es wird angenommen, dass es ein erstes Objekt 3a und ein zweites Objekt 3b gibt, wobei sich das erste Objekt 3a basierend auf der Erfassungsbezugslinie L im Winkel von -12 Grad und das zweite Objekt 3b im Winkel von -21 Grad befindet. Das Folgende beschreibt die eigentlichen Erfassungsschritte der vorliegenden Erfindung im ersten Ausführungsbeispiel.
Bezug nehmend auf 1 bis 3 wird in Schritt S1 die Eingangssignalmatrix in das erste Rechenmodell eingegeben, wobei die mehreren Verfolgungsmatrizen zum Vergleich eingegeben werden. Wenn die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen, können die Anzahl der Zielobjekte und der grob geschätzte Zielwinkel erhalten werden. Die Eingangssignalmatrix wird durch Empfangen des von dem Objekt 2 reflektierten Signals durch das Fahrzeugradar 1 erhalten. Die mehreren Verfolgungsmatrizen bestehen aus winkelbezogenen Lenkvektoren. Der Bereich der mehreren Verfolgungsmatrizen reicht von -90 Grad bis 90 Grad. Bei Schritt S1 wird durch die Schritte S1a bis S1e zu bestimmen, ob die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen.
In Schritt S1a wird durch das erste Rechenmodell eine Korrelation der mehreren Verfolgungsmatrizen mit der Eingangssignalmatrix von -90 Grad bis 90 Grad jeweils nacheinander im Abstand des ersten Abstandswinkels ermittelt. Wenn eine der Verfolgungsmatrizen keine Korrelation mit der Eingangssignalmatrix hat, wird Schritt S1a wiederholt.
Im ersten Ausführungsbeispiel ist der erste Abstandswinkel auf 5 Grad eingestellt. Beispielsweise wird durch das erste Rechenmodell eine Korrelation der dem Winkel von -40 Grad zugeordneten Verfolgungsmatrix mit der Eingangssignalmatrix durchgeführt. Da der Winkel von -12 Grad, in dem sich das Objekt 2 befindet, sehr verschieden von dem der Verfolgungsmatrix zugeordneten Winkel [-40 Grad] ist, bestimmt das erste Rechenmodell, dass die Verfolgungsmatrix von -40 Grad keine Korrelation mit dem Eingangssignalmatrix hat. Daher wiederholt das erste Rechenmodell Schritt S1a, wobei die Korrelation der den jeweiligen nächsten Winkeln zugeordneten Verfolgungsmatrizen mit der Eingangssignalmatrix nacheinander ermittelt wird.
Wenn dagegen eine der Verfolgungsmatrizen eine Korrelation mit der Eingangssignalmatrix hat, wird Schritt S1b durchgeführt. Beispielsweise wird im ersten Ausführungsbeispiel durch das erste Rechenmodell eine Korrelation der dem Winkel von -10 Grad zugeordneten Verfolgungsmatrix mit der Eingangssignalmatrix durchgeführt. Da die Differenz zwischen dem Winkel [-12 Grad] des Objekts 2 und dem Winkel der Verfolgungsmatrix [-10 Grad] extrem klein ist, bestimmt das erste Rechenmodell, dass die Verfolgungsmatrix [-10 Grad] mit dem Eingangssignalmatrix korreliert ist. In diesem Fall wird der Schritt S1b fortgesetzt.
In Schritt S1b wird die Verfolgungsmatrix, die mit der Eingangssignalmatrix korreliert ist, als erste Verfolgungsmatrix definiert. Das erste Rechenmodell führt die Berechnung des Restwerts durch das Verfahren der kleinsten Quadrate gemäß der ersten Verfolgungsmatrix und der Eingangssignalmatrix durch.
Bei dem ersten Rechenmodell ist die Verfolgungsmatrix, deren Winkel -10 Grad beträgt, beispielsweise im ersten Ausführungsbeispiel die erste Verfolgungsmatrix. Damit wird die Berechnung des Restwerts durchgeführt. Der Ausgangswert des Restwerts beträgt 100 %. In Schritt S1b wird die Verfolgungsmatrix, deren Winkel -10 Grad beträgt, als die erste Verfolgungsmatrix definiert, wobei der Restwert berechnet wird. Zu diesem Zeitpunkt ist der Anfangswert des Restwerts 90%. In Schritt S1c wird der Restwert zu 50 % berechnet, und der Restwert ist immer noch größer als der Restschwellenwert (50 % > 10 %), so dass Schritt S1d durchgeführt werden muss.
In Schritt S1c werden der Restwert und der Restschwellenwert verglichen. Wenn der Restwert zu einem Zeitpunkt stark abnimmt und kleiner oder gleich dem Restschwellenwert ist, bedeutet dies, dass die erste Verfolgungsmatrix die Bedingung des ersten Rechenmodells erfüllt. Dann kann das erste Rechenmodell die Anzahl der Zielobjekte und den grob geschätzten Zielwinkel erhalten. Wenn der Restwert größer als der Restschwellenwert ist, wird Schritt S1d durchgeführt.
Beispielsweise wird im ersten Ausführungsbeispiel der Restschwellenwert auf 10% eingestellt, wobei der Restwert nach Berechnung 5% beträgt. Da es nur ein Objekt 2 gibt und die Differenz zwischen dem Winkel [-12 Grad], in dem sich das Objekt befindet, und dem Winkel der ersten Verfolgungsmatrix [-10 Grad] extrem klein ist, wird der Restwert gleichzeitig stark reduziert und ist kleiner als der Restschwellenwert (5 % < 10 %). Daher kann das erste Rechenmodell erhalten, dass der grob geschätzte Zielwinkel -10 Grad beträgt. Da der Restwert nur eine einmalige große Reduzierung zeigt und kleiner ist als der Restschwellenwert (5 % < 10 %), sodass die Anzahl der vom ersten Rechenmodell erhaltenen Zielobjekte eins ist.
Da das erste Ausführungsbeispiel die Anzahl [1] von Zielobjekten und den grob geschätzten Zielwinkel [-10 Grad] in Schritt S1c erhalten hat, bedeutet dies, dass der Zweck [Ermitteln der Anzahl der Zielobjekte und des grob geschätzten Zielwinkels] von Schritt S1 erreicht wurde. Aus diesem Grund ist es unnötig, die Schritte S1d und S1e auszuführen, wobei der Schritt S2 fortgesetzt werden kann.
In Schritt S2 wird die Eingangssignalmatrix in die Kovarianzmatrix umgewandelt, wobei die Kovarianzmatrix und die Anzahl von Zielobjekten in das zweite Rechenmodell eingegeben werden, um eine Singulärwertzerlegung [Singular Value Decomposition, SVD] durchzuführen und die Rauschmatrix zu erhalten. Im ersten Ausführungsbeispiel werden die Kovarianzmatrix und die Anzahl [eins] der Zielobjekte in das zweite Rechenmodell für die Einzelwertzerlegung eingegeben, um die Rauschmatrix zu erhalten.
In Schritt S3 wird der iterative Winkelbereich durch Addieren/Subtrahieren eines zulässigen Winkels zu/von dem grob geschätzten Zielwinkel erhalten, wobei der zulässige Winkel kleiner ist als der erste Abstandswinkel. Im ersten Ausführungsbeispiel wird der zulässige Winkel auf 3 Grad eingestellt. Durch Addieren/Subtrahieren des zulässigen Winkels [3 Grad] zu/von dem grob geschätzten Zielwinkel [-10 Grad] ergibt sich der iterative Winkelbereich im Bereich von -7 bis -13 Grad, wobei der zulässige Winkel [3 Grad] kleiner ist als der erste Abstandswinkel [5 Grad].
In Schritt S4 werden die mehreren dem iterativen Winkelbereich zugeordneten Verfolgungsmatrizen und die Rauschsignalmatrix in das dritte Rechenmodell eingegeben. Bei dem dritten Rechenmodell werden die Verfolgungsmatrizen und die Rauschsignalmatrix durch eine orthogonale Berechnung winkelmäßig iteriert, um einen genauen Zielwinkel zu erhalten. Bei dem iterativen Winkelbereich wird der zweite Abstandswinkel als Abstandseinheit verwendet, wobei die jeweils zugeordneten Verfolgungsmatrizen nacheinander in das dritte Rechenmodell eingegeben werden.
Im ersten Ausführungsbeispiel wird der zweite Abstandswinkel beispielsweise auf 0,1 Grad eingestellt. Die dem iterativen Winkelbereich [im Bereich von -7 bis -13 Grad] zugeordneten Verfolgungsmatrizen und die Rauschsignalmatrix werden im Abstand des zweiten Abstandswinkels [0,1 Grad] nacheinander in das dritte Rechenmodell [Multiple Signal Classification, MUSIC] eingegeben. Bei dem dritten Rechenmodell werden die dem iterativen Winkelbereich [-7 bis -13 Grad] zugeordneten Verfolgungsmatrizen und die Rauschsignalmatrix durch eine orthogonale Berechnung winkelmäßig iteriert, um den genauen Zielwinkel [-12 Grad] zu erhalten.
Nach der Iteration durch das dritte Rechenmodell kann eine Winkel-Leistung-Kurve erhalten werden. Der Winkel, in dem sich das Objekt 2 befindet, ist -12 Grad. Daher hat die Kurve nur eine offensichtliche höchste Spitze an der Position von -12 Grad, was anzeigt, dass -12 Grad der genaue Zielwinkel ist.
Wie in 3 gezeigt, kann das Fahrzeugradar 1 im ersten Ausführungsbeispiel ein Objekt 2 im Winkel von -12 Grad durch die erfindungsgemäßen Schritte S1 bis S4 erfassen, wobei es keine anderen Objekte in den anderen Winkeln gibt.
Im Folgenden werden die eigentlichen Erfassungsschritte im zweiten Ausführungsbeispiel der vorliegenden Erfindung weiter beschrieben:

Bezug nehmend auf 1 bis 4 wird in Schritt S1 die Eingangssignalmatrix in das erste Rechenmodell eingegeben, wobei die mehreren Verfolgungsmatrizen zum Vergleich eingegeben werden. Wenn die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen, können die Anzahl der Zielobjekte und der grob geschätzte Zielwinkel erhalten werden. Die Eingangssignalmatrix wird durch Empfangen der von dem ersten Objekt 3a und dem zweiten Objekts 3b reflektierten Signale durch das Fahrzeugradar 1 erhalten. Die mehreren Verfolgungsmatrizen bestehen aus winkelbezogenen Lenkvektoren. Der Bereich der mehreren Verfolgungsmatrizen reicht von -90 Grad bis 90 Grad. Bei Schritt S1 wird durch die Schritte S1a bis S1e zu bestimmen, ob die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen.

In Schritt S1a wird durch das erste Rechenmodell eine Korrelation der mehreren Verfolgungsmatrizen mit der Eingangssignalmatrix von -90 Grad bis 90 Grad jeweils nacheinander im Abstand des ersten Abstandswinkels ermittelt. Wenn eine der Verfolgungsmatrizen keine Korrelation mit der Eingangssignalmatrix hat, wird Schritt S1a wiederholt.
Im zweiten Ausführungsbeispiel ist der erste Abstandswinkel auf 5 Grad eingestellt. Beispielsweise wird durch das erste Rechenmodell eine Korrelation der dem Winkel von -40 Grad zugeordneten Verfolgungsmatrix mit der Eingangssignalmatrix durchgeführt. Da der Winkel von -12 Grad, in dem sich das erste Objekt 3a befindet, und der Winkel von 21 Grad, in dem sich das zweite Objekt 3b befindet, sehr verschieden von dem der Verfolgungsmatrix zugeordneten Winkel [-40 Grad] ist, bestimmt das erste Rechenmodell, dass die Verfolgungsmatrix von -40 Grad keine Korrelation mit dem Eingangssignalmatrix hat. Daher wiederholt das erste Rechenmodell Schritt S1a, wobei die Korrelation der den jeweiligen nächsten Winkeln zugeordneten Verfolgungsmatrizen mit der Eingangssignalmatrix nacheinander ermittelt wird.
Wenn dagegen eine der Verfolgungsmatrizen eine Korrelation mit der Eingangssignalmatrix hat, wird Schritt S1b durchgeführt. Beispielsweise wird im zweiten Ausführungsbeispiel durch das erste Rechenmodell eine Korrelation der dem Winkel von -15 Grad zugeordneten Verfolgungsmatrix mit der Eingangssignalmatrix durchgeführt. Da die Differenz zwischen dem Winkel [-12 Grad] des ersten Objekts 3a und dem Winkel der Verfolgungsmatrix [-15 Grad] klein ist, bestimmt das erste Rechenmodell, dass die Verfolgungsmatrix [-15 Grad] mit dem Eingangssignalmatrix korreliert ist. In diesem Fall wird der Schritt S1b fortgesetzt.
In Schritt S1b wird die Verfolgungsmatrix, die mit der Eingangssignalmatrix korreliert ist, als erste Verfolgungsmatrix definiert. Das erste Rechenmodell führt die Berechnung des Restwerts durch das Verfahren der kleinsten Quadrate gemäß der ersten Verfolgungsmatrix und der Eingangssignalmatrix durch.
Bei dem ersten Rechenmodell ist die Verfolgungsmatrix, deren Winkel -15 Grad beträgt, beispielsweise im zweiten Ausführungsbeispiel die erste Verfolgungsmatrix. Damit wird die Berechnung des Restwerts durchgeführt. Der Ausgangswert des Restwerts beträgt 100 %.
In Schritt S1c werden der Restwert und der Restschwellenwert verglichen. Wenn der Restwert zu einem Zeitpunkt stark abnimmt und kleiner oder gleich dem Restschwellenwert ist, bedeutet dies, dass die erste Verfolgungsmatrix die Bedingung des ersten Rechenmodells erfüllt. Dann kann das erste Rechenmodell die Anzahl der Zielobjekte und den grob geschätzten Zielwinkel erhalten. Wenn der Restwert größer als der Restschwellenwert ist, wird Schritt S1d durchgeführt.
Beispielsweise wird im zweiten Ausführungsbeispiel der Restschwellenwert auf 10% eingestellt, wobei der Restwert nach Berechnung 90% beträgt. Der Restwert ist immer noch größer als der Restschwellenwert (90 % > 10 %), so dass der nächste Schritt [Schritt S1d] durchgeführt werden muss.
In Schritt S1d wird der Reduktionsbereich des Restwerts ermittelt. Wenn der Reduktionsbereich des Restwerts kleiner als der Signifikanzschwellenwert ist, kehrt der Ablauf direkt zu Schritt S1a zurück, wobei die Korrelation zwischen der Eingangssignalmatrix und den anderen Verfolgungsmatrizen weiter ermittelt wird, bis der Restwert kleiner als der Restschwellenwert ist. Wenn der Reduzierungsbereich des Restwerts größer als der Signifikanzschwellenwert ist, wird Schritt S1e durchgeführt.
Im zweiten Ausführungsbeispiel wird der Signifikanzschwellenwert beispielsweise auf 35% eingestellt. Der Restwert wird mit 90% berechnet, aber die Reduzierung [um 10%] des Restwerts ist kleiner als der Signifikanzschwellenwert (35%), was bedeutet, dass die erste Verfolgungsmatrix [mit dem Winkel von 15 Grad] mit der Eingangssignalmatrix korreliert ist. Die Korrelation ist jedoch nicht hoch. Daher kehrt das erste Rechenmodell zu Schritt S1a zurück, um die Korrelation der nächsten Verfolgungsmatrix [mit dem Winkel von -10 Grad] mit der Eingangssignalmatrix zu ermitteln.
Anschließend wiederholt das erste Rechenmodell die Schritte S1a bis S1d. Da die Differenz zwischen dem Winkel [-12 Grad], in dem sich das erste Objekt 3a befindet, und dem Winkel [-10 Grad] der Verfolgungsmatrix klein ist, bestimmt das erste Betriebsmodell, dass die Verfolgungsmatrix mit einem Winkel von -10 Grad mit der Eingangssignalmatrix korreliert ist. In Schritt S1b wird die Verfolgungsmatrix mit einem Winkel von -10 Grad als erste Verfolgungsmatrix definiert, wobei der Restwert berechnet wird. Zu diesem Zeitpunkt beträgt der Anfangswert des Restwerts 90%. In Schritt S1c wird der Restwert zu 50% berechnet. Da der Restwert immer noch größer ist als der Restschwellenwert (50 % > 10 %), so dass Schritt S1d durchgeführt werden muss. In Schritt S1d ist der Reduktionsbereich des Restwerts [von 90 % auf 50 %, eine Reduktion um 40 %] größer als die Signifikanzschwellenwert [35 %], so dass Schritt S1e fortgesetzt wird. Die Reduktion des Restwerts [um 40 %] ist größer als der Signifikanzschwellenwert, was darauf hinweist, dass die erste Verfolgungsmatrix [mit dem Winkel von -10 Grad] stark mit der Eingangssignalmatrix korreliert ist.
In Schritt S1e wird die erste Verfolgungsmatrix gespeichert, wobei die Eingangssignalmatrix in die zweite, von der ersten Verfolgungsmatrix unabhängige Eingangssignalmatrix umgewandelt wird, wobei der Ablauf zu S1a zurückkehrt, um die Korrelation zwischen der zweiten Eingangssignalmatrix und den anderen mehreren Verfolgungsmatrizen zu ermitteln, bis der Restwert kleiner oder gleich dem Restschwellenwert ist. Damit kann das erste Rechenmodell die Anzahl der Zielobjekte und den grob geschätzten Zielwinkel erhalten.
Im zweiten Ausführungsbeispiel wird die erste Verfolgungsmatrix [mit dem Winkel von -10 Grad] gespeichert, wobei die Eingangssignalmatrix in die zweite, von der ersten Verfolgungsmatrix [mit dem Winkel von -10 Grad] unabhängige Eingangssignalmatrix [unabhängig vom Winkel von -10 Grad] umgewandelt wird, wobei der Ablauf zu S1a zurückkehrt, um die Korrelation zwischen dem nächsten Verfolgungsmatrix [mit dem Winkel von -5 Grad] und der zweiten Eingangssignalmatrix zu ermitteln, bis der Restwert kleiner oder gleich dem Restschwellenwert [10%] ist. Dabei wird die erste Verfolgungsmatrix [mit dem Winkel von -10 Grad] gespeichert, die darstellt, dass einer der grob geschätzten Zielwinkel -10 Grad beträgt.
Wie oben erwähnt, durchläuft im zweiten Ausführungsbeispiel das erste Rechenmodell die Schritte S1a bis S1e. Schließlich können die Anzahl von 2 Zielobjekten [das erste Objekt 3a und das zweite Objekt 3b] und die jeweiligen, grob geschätzten Zielwinkel von -10 bzw. 20 Grad erhalten werden.
In Schritt S2 wird die Eingangssignalmatrix in eine Kovarianzmatrix umgewandelt, wobei die Kovarianzmatrix und die durch das erste Rechenmodell erhaltenen Anzahl der Zielobjekte in ein zweites Rechenmodell für die Einzelwertzerlegung eingegeben, um eine Rauschsignalmatrix zu erhalten. Im zweiten Ausführungsbeispiel werden die Kovarianzmatrix und die Anzahl von 2 Zielobjekten in das zweite Rechenmodell für die Einzelwertzerlegung eingegeben, um die Rauschsignalmatrix zu erhalten.
In Schritt S3 ergibt sich der iterative Winkelbereich durch Addieren/Subtrahieren des zulässigen Winkels zu/von dem grob geschätzten Zielwinkel, wobei der zulässige Winkel kleiner als der ersten Abstandswinkel ist. Im zweiten Ausführungsbeispiel wird der zulässige Winkel beispielsweise auf 3 Grad eingestellt. Durch Addieren/Subtrahieren des zulässigen Winkels [3 Grad] zu/von dem grob geschätzten Zielwinkel [-10 Grad bzw. 20 Grad] ergibt sich der iterative Winkelbereich von -7 Grad bis -13 Grad sowie von 17 Grad bis 23. Der zulässige Winkel [3 Grad] ist kleiner als der Abstandswinkel [5 Grad].
In Schritt S4 werden die mehreren dem iterativen Winkelbereich zugeordneten Verfolgungsmatrizen und der Rauschsignalmatrix in ein drittes Rechenmodell eingegeben, wodurch die mehreren Verfolgungsmatrizen und die Rauschsignalmatrix unter Verwendung der orthogonalen Berechnung winkelmäßig iteriert, um den genauen Zielwinkel zu erhalten. Bei dem iterativen Winkelbereich wird der zweite Abstandswinkel als Abstandseinheit verwendet, wobei die jeweils zugeordneten Verfolgungsmatrizen nacheinander in das dritte Rechenmodell eingegeben werden.
Im zweiten Ausführungsbeispiel wird der zweite Abstandswinkel beispielsweise auf 0,1 Grad eingestellt. Die dem iterativen Winkelbereich [im Bereich von -7 bis -13 Grad sowie von 17 Grad bis 23 Grad] zugeordneten Verfolgungsmatrizen und die Rauschsignalmatrix werden im Abstand des zweiten Abstandswinkels [0,1 Grad] nacheinander in das dritte Rechenmodell eingegeben. Bei dem dritten Rechenmodell werden die dem iterativen Winkelbereich [-7 bis -13 Grad sowie von 17 Grad bis 23 Grad] zugeordneten Verfolgungsmatrizen und die Rauschsignalmatrix durch die orthogonale Berechnung winkelmäßig iteriert, um den genauen Zielwinkel [-12 Grad sowie 21 Grad] zu erhalten.
Nach der Iteration durch das dritte Rechenmodell kann eine Winkel-Leistung-Kurve erhalten werden [siehe 5]. Der Winkel, in dem sich das erste Objekt 3a befindet, ist -12 Grad, wobei der Winkel, in dem sich das zweite Objekt 3b befindet, 21 Grad ist. Daher hat die Kurve offensichtlich höchste Spitzen jeweils an den Positionen von -12 Grad bzw. 21 Grad, was anzeigt, dass -12 Grad und 21 Grad der genaue Zielwinkel sind.
Wie in 4 gezeigt, kann das Fahrzeugradar 1 im zweiten Ausführungsbeispiel ein erstes Objekt 3a im Winkel von -12 Grad und ein zweites Objekt 3b im Winkel von 21 Grad durch die erfindungsgemäßen Schritte S1 bis S4 erfassen, wobei es keine anderen Objekte in den anderen Winkeln gibt.
In 6 ist ein weiteres Ausführungsbeispiel dargestellt, wobei nach der Berechnung von Schritt S1 bis Schritt S4 der vorliegenden Erfindung erhalten wird, dass die Kurve offensichtlich höchste Spitzen an den Positionen des Winkels von -1 Grad und 1 Grad aufweist, was bedeutet, dass sich an den Positionen im Winkel von -1 Grad bzw. 1 Grad jeweils ein Zielobjekt befindet. Wie in 6 gezeigt, kann die Kurve, selbst wenn die Winkel, in denen sich die Zielobjekte befinden, sehr ähnlich sind [wie z. B. -1 Grad und 1 Grad], unter Verwendung des erfindungsgemäßen Verfahrens immer noch offensichtlich höchste Spitzen an der entsprechenden Winkelposition genau darstellen. Daher kann der Benutzer durch die Kurve schnell und eindeutig erkennen, dass sich jeweils ein Zielobjekt an Positionen im Winkel von -1 Grad bzw. 1 Grad befindet.
Zusammengefasst lassen sich mit dem erfindungsgemäßen Verfahren beispielsweise folgende Vorteile realisieren:

1. Erfindungsgemäß wird durch das erste Rechenmodell zuerst ein größerer Bereich ermittelt, um die Winkel, die nicht mit der Eingangssignalmatrix in Beziehung stehen, auszuschließen. Auf diese Weise werden die Anzahl von Zielobjekten und der grob geschätzte Zielwinkel erhalten, wodurch die Rechengeschwindigkeit durch das erfindungsgemäße Verfahren in erheblichem Maße verbessert wird.
2. Erfindungsgemäß wird durch die Kombination des zweiten Rechenmoduls und des dritten Rechenmoduls der grob geschätzte Zielwinkel detaillierter zerlegt, woraufhin der genaue Zielwinkel durch winkelmäßige Iteration erhalten wird. Damit ist eine genauere Ermittlung der Position des Zielobjekts gewährleistet.
3. Unter Verwendung der Singulärwertzerlegung (SVD) zur Ermittlung der Rauschsignalmatrix und unter Verwendung der orthogonalen Berechnung zur Durchführung einer winkelmäßigen Iteration hat die durch das dritte Rechenmodell erhaltene Kurve nur an der Position des genauen Zielwinkels einen offensichtlich höchsten Spitzenwert, so dass der Benutzer die Winkelinformationen des Zielobjekts klarer erkennen kann.

Die vorstehende Beschreibung stellt die Ausführungsbeispiele der Erfindung dar und soll nicht die Ansprüche beschränken. Alle gleichwertigen Änderungen und Modifikationen, die gemäß der Beschreibung und den Zeichnungen der Erfindung von einem Fachmann vorgenommen werden können, gehören zum Schutzbereich der vorliegenden Erfindung.

Claims

Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen, bei dem eine Eingangssignalmatrix von einer Array-Antenne empfangen wird, wobei es sich bei der Eingangssignalmatrix um ein gesendetes Signal oder ein reflektiertes Signal mindestens eines Zielobjekts handelt, und wobei das Verfahren die folgenden Schritte aufweist: Schritt (S1): Eingeben einer Eingangssignalmatrix in ein erstes Rechenmodell und Eingeben von mehreren winkelabhängigen Verfolgungsmatrizen zum Vergleich, wobei, wenn die mehreren Verfolgungsmatrizen die Bedingungen des ersten Rechenmodells erfüllen, eine Anzahl von Zielobjekten und ein grob geschätzter Zielwinkel entsprechend der Position des Zielobjekts erhalten werden; Schritt (S2): Eingeben der Anzahl der Zielobjekte in ein zweites Rechenmodell für die Einzelwertzerlegung, um eine Rauschsignalmatrix zu erhalten; Schritt (S3): Bestimmen eines iterativen Winkelbereichs durch den in Schritt (S1) erhaltenen, grob geschätzten Zielwinkel; und Schritt (S4): Eingeben der mehreren dem iterativen Winkelbereich zugeordneten Verfolgungsmatrizen und der Rauschsignalmatrix in ein drittes Rechenmodell und Durchführen der winkelmäßigen Iteration zum Erhalten eines genauen Zielwinkels.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass Schritt (S1) ferner einen Schritt (Sla) aufweist: Feststellen mit dem ersten Rechenmodell, ob die Eingangssignalmatrix mit den mehreren Verfolgungsmatrizen korreliert ist, wobei, wenn eine der mehreren Verfolgungsmatrizen keine Korrelation mit der Eingangssignalmatrix aufweist, Schritt (Sla) wiederholt wird, um festzustellen, ob die nächsten Verfolgungsmatrizen mit der Eingangssignalmatrix korreliert ist, und wobei, wenn eine der mehreren Verfolgungsmatrizen eine Korrelation mit der Eingangssignalmatrix hat, Schritt (S1b) durchgeführt wird, in dem eine Restwertberechnung gemäß der korrelierten Verfolgungsmatrix und der Eingangssignalmatrix stattfindet.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass in Schritt (S1b) die mit der Eingangssignalmatrix korrelierte Verfolgungsmatrix als eine erste Verfolgungsmatrix definiert wird, wobei der Restwert unter Verwendung der ersten Verfolgungsmatrix und der Eingangssignalmatrix berechnet wird.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass Schritt (S1) ferner einen Schritt (S1c) aufweist, in dem der Restwert mit einem Restschwellenwert verglichen wird, wobei, wenn der Restwert zu einem Zeitpunkt stark abnimmt und kleiner oder gleich dem Restschwellenwert ist, das erste Rechenmodell die Anzahl der Zielobjekte und den grob geschätzten Zielwinkel erhält, und wenn der Restwert größer als der Restschwellenwert ist, Schritt (S1d) zum Ermitteln des Reduktionsbereichs des Restwerts durchgeführt wird.
Verfahren nach Anspruch 4, dadurch gekennzeichnet, dass, wenn der Reduktionsbereich des Restwerts in Schritt (S1d) größer als ein Signifikanzschwellenwert ist, Schritt (S1e) durchgeführt wird, wobei es sich bei Schritt (S1e) um Speichern der ersten Verfolgungsmatrix und Umwandeln der Eingangssignalmatrix in eine von der ersten Verfolgungsmatrix unabhängige, zweite Eingangssignalmatrix handelt, wobei der Ablauf zu Schritt (Sla) zurückkehrt, um feststellen, ob die zweite Eingangssignalmatrix mit den anderen mehreren Verfolgungsmatrizen korreliert ist, und wobei, wenn der Reduktionsbereich des Restwerts kleiner als der Signifikanzschwellenwert ist, der Ablauf direkt zu Schritt (Sla) zurückkehrt, wobei die Korrelation der Eingangssignalmatrix mit den anderen mehreren Verfolgungsmatrizen ermittelt wird.
Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass der Winkelbereich der mehreren Verfolgungsmatrizen in Schritt (Sla) von -90 Grad bis 90 Grad reicht, wobei ein erster Abstandswinkel als Abstandseinheit genommen wird, um die Korrelation der jeweiligen Verfolgungsmatrizen mit der Eingangssignalmatrix nacheinander festzustellen.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass der Wert des ersten Abstandswinkels zwischen 1/18 und 1/180 des Winkelbereichs der Verfolgungsmatrizen liegt.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass in Schritt (S1b) bei dem ersten Rechenmodell das Verfahren der kleinsten Quadrate verwendet wird, um den Restwert zu berechnen.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in Schritt (S2) die Eingangssignalmatrix zunächst in eine Kovarianzmatrix umgewandelt wird, wobei die Kovarianzmatrix und die Anzahl der Zielobjekte für die Einzelwertzerlegung verwendet werden.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass sich der iterative Winkelbereich in Schritt (S3) durch Addieren/Subtrahieren eines zulässigen Winkels zu/von dem grob geschätzten Zielwinkel ergibt.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass der zulässige Winkel kleiner als der ersten Abstandswinkel ist.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass bei dem iterativen Winkelbereich in Schritt (S4) ein zweiter Abstandswinkel als Abstandseinheit verwendet wird, wobei die Verfolgungsmatrizen und der Rauschsignalmatrix jeweils im Abstand des zweiten Abstandswinkels nacheinander in das dritte Rechenmodell für die winkelmäßige Iteration eingegeben werden.
Verfahren nach Anspruch 12, dadurch gekennzeichnet, dass der zweite Abstandswinkel zwischen 1/10 und 1/100 des iterativen Winkelbereichs liegt.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das dritte Rechenmodell in Schritt (S4) die Iteration des iterativen Winkelbereichs und der Rauschsignalmatrix durch orthogonale Berechnung durchführt.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass nach der Iteration des dritten Rechenmodells eine Winkel- und Leistungskurve erhalten werden kann, wobei der Winkel, der dem offensichtlichen Spitzenwert auf der Kurve entspricht, der genaue Zielwinkel ist.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Eingangssignalmatrix aus den vom Zielobjekt reflektierten Signalen besteht, die von der an einem Fahrzeug angeordnete Radar-Array-Antenne empfangen werden.