DE112020005792T5

DE112020005792T5 - Systeme und verfahren zum entrauschen von radardaten

Info

Publication number: DE112020005792T5
Application number: DE112020005792.5T
Authority: DE
Inventors: Alessandro Foi; Lucio Azzari
Original assignee: Noiseless Imaging Ltd Oy; Teledyne Flir Commercial Systems Inc
Current assignee: Noiseless Imaging Ltd Oy; Teledyne Flir Commercial Systems Inc
Priority date: 2019-11-27
Filing date: 2020-11-25
Publication date: 2022-09-15
Also published as: WO2021108729A1; US20220413092A1

Abstract

Es werden Techniken für Systeme und Verfahren zum Entrauschen von Radardaten offengelegt. In einem Beispiel umfasst ein Verfahren den Empfang von Radardaten. Das Verfahren umfasst ferner die Durchführung einer ersten Transformation in Verbindung mit den Radardaten, um transformierte Radardaten zu erhalten. Die transformierten Radardaten sind mit einem Standortparameter und einer Varianz verbunden, die unabhängig von dem Standortparameter ist. Das Verfahren umfasst ferner die Durchführung einer zweiten Transformation der transformierten Radardaten, um dimensional reduzierte Radardaten zu erhalten. Das Verfahren umfasst ferner ein Filtern der dimensional reduzierten Radardaten, um entrauschte dimensional reduzierte Radardaten zu erhalten. Es werden auch verwandte Vorrichtungen und Systeme bereitgestellt.

Description

QUERVERWEIS AUF VERWANDTE ANMELDUNGEN
Diese Anmeldung beansprucht Priorität und Nutzen der am 27. November 2019 eingereichten vorläufigen US-Patentanmeldung Nr. 62/941,595 mit dem Titel „RADAR DATA DENOISING SYSTEMS AND METHODS“, die hiermit durch Bezugnahme in vollem Umfang einbezogen wird.
TECHNISCHES GEBIET
Eine oder mehrere Ausführungsformen beziehen sich allgemein auf die Radarverarbeitung und insbesondere, zum Beispiel, auf Systeme und Verfahren zur Rauschunterdrückung (Entrauschen) von Radardaten.
STAND DER TECHNIK
Radarsysteme werden üblicherweise zur Erkennung von Zielen (z. B. Objekten, geografischen Merkmalen oder anderen Arten von Zielen) verwendet, z. B. von Zielen in der Nähe von Wasserfahrzeugen, Flugzeugen, Fahrzeugen oder festen Standorten. Die Radarsysteme können Radarsignale senden (z. B. ausstrahlen) und Rücksignale empfangen. Solche Rücksignale können auf Reflexionen der gesendeten Radarsignale durch Ziele beruhen.
ZUSAMMENFASSUNG DER ERFINDUNG
In einer oder mehreren Ausführungsformen umfasst ein Verfahren den Empfang von Radardaten. Das Verfahren umfasst ferner die Durchführung einer ersten Transformation in Verbindung mit den Radardaten, um transformierte Radardaten zu erhalten. Die transformierten Radardaten sind mit einem Standortparameter und einer Varianz verbunden, die unabhängig von dem Standortparameter ist. Das Verfahren umfasst ferner die Durchführung einer zweiten Transformation der transformierten Radardaten, um dimensional reduzierte Radardaten zu erhalten. Das Verfahren umfasst ferner ein Filtern der dimensional reduzierten Radardaten, um entrauschte dimensional reduzierte Radardaten zu erhalten.
In einer oder mehreren Ausführungsformen umfasst ein System einen Empfänger, der zum Empfang von Radardaten ausgebildet ist. Das System umfasst ferner einen Prozessor, der mit dem Empfänger gekoppelt ist. Das System enthält ferner ein nicht-transitorisches maschinenlesbares Medium mit darin gespeicherten Anweisungen, die, wenn sie von dem Prozessor ausgeführt werden, den Prozessor veranlassen, Vorgänge auszuführen. Die Vorgänge umfassen die Durchführung einer ersten Transformation in Verbindung mit den Radardaten, um transformierte Radardaten zu erhalten. Die transformierten Radardaten sind mit einem Standortparameter und einer Varianz verbunden, die unabhängig von dem Standortparameter ist. Die Vorgänge umfassen ferner die Durchführung einer zweiten Transformation der transformierten Radardaten, um dimensional reduzierte Radardaten zu erhalten. Die Vorgänge umfassen ferner das Filtern der dimensional reduzierten Radardaten, um entrauschte dimensional reduzierte Radardaten zu erhalten.
Der Umfang der Erfindung wird durch die Ansprüche definiert, die durch Bezugnahme in diesen Abschnitt aufgenommen werden. Ein vollständigeres Verständnis der Ausführungsformen der Erfindung wird dem Fachmann durch die Betrachtung der folgenden detaillierten Beschreibung einer oder mehrerer Ausführungsformen ermöglicht, ebenso wie die Erkenntnis zusätzlicher Vorteile der Erfindung. Es wird auf die beigefügten Zeichnungsblätter verwiesen, die zunächst kurz beschrieben werden.
Figurenliste

1 zeigt ein Blockdiagramm eines Radarsystems in Übereinstimmung mit einer oder mehreren Ausführungsformen der vorliegenden Offenbarung.
2 zeigt eine Standardabweichung in Abhängigkeit von einem Abstand.
3 zeigt eine Standardabweichung in Abhängigkeit von einem Winkel.
4 zeigt ein Flussdiagramm einer beispielhaften Filterpipeline gemäß einer oder mehrerer Ausführungsformen der vorliegenden Offenbarung.
5 zeigt ein Beispiel für die spektrale Leistungsdichte des Rauschens.
6 zeigt ein Beispiel für die spektrale Leistungsdichte im Bereich einer diskreten Kosinus-Transformation des Rauschen.
7A zeigt einen Logarithmus eines Absolutwerts eines verrauschten Bildes.
7B zeigt einen Logarithmus eines entrauschten Bildes, das durch Entrauschen des verrauschten Bildes aus 7A in Übereinstimmung mit einer oder mehreren Ausführungsformen der vorliegenden Offenbarung erhalten wurde.
8A zeigt einen Logarithmus eines Absolutwertes eines verrauschten Bildes.
8B zeigt einen Logarithmus eines entrauschten Bildes, das durch Entrauschen des verrauschten Bildes aus 8A erhalten wurde.
9 zeigt ein beispielhaftes Verfahren zum Vereinfachen des Entrauschens von Radardaten gemäß einer oder mehreren Ausführungsformen der vorliegenden Offenbarung.

Ausführungsformen der vorliegenden Offenbarung und ihre Vorteile lassen sich am besten anhand der folgenden detaillierten Beschreibung verstehen. Es wird darauf hingewiesen, dass gleiche Referenznummern verwendet werden, um gleiche Elemente zu identifizieren, die in einer oder mehreren der Figuren dargestellt sind.
DETAILLIERTE BESCHREIBUNG
Die nachstehende detaillierte Beschreibung ist als Beschreibung verschiedener Ausbildungen der betreffenden Technologie gedacht und ist nicht dazu gedacht, die einzigen Ausbildungen zu repräsentieren, in denen die betreffende Technologie angewendet werden kann. Die beigefügten Zeichnungen sind Bestandteil der detaillierten Beschreibung und werden in diese aufgenommen. Die detaillierte Beschreibung enthält spezifische Details, um ein umfassendes Verständnis der Technologie zu ermöglichen. Dem Fachmann wird jedoch klar sein, dass die betreffende Technologie nicht auf die hier dargelegten spezifischen Details beschränkt ist und unter Verwendung einer oder mehrerer Ausführungsformen praktiziert werden kann. In einem oder mehreren Fällen werden Strukturen und Komponenten in Form eines Blockdiagramms dargestellt, um die Konzepte der betreffenden Technologie nicht zu verdecken. Eine oder mehrere Ausführungsformen der vorliegenden Offenbarung werden durch eine oder mehrere Figuren veranschaulicht und/oder in Verbindung mit diesen beschrieben und sind in den Ansprüchen dargelegt.
Es werden verschiedene Systeme und Verfahren zum Entrauschen von Radardaten offengelegt. In einigen Ausführungsformen empfängt ein Empfänger für ein Radarsystem elektromagnetische (EM) Signale, die mit einer Szene verbunden sind. Bei den empfangenen EM-Signalen handelt es sich in der Regel um Reflexionen von gesendeten Signalen, die auf Objekte in der Szene auftreffen. Solche empfangenen EM-Signale können als Radarrückkehrsignale, Radarrückkehrdaten oder einfach als Radardaten bezeichnet werden. Bei den gesendeten Signalen kann es sich um Impulssignale, Rampensignale (z. B. im Fall von frequenzmodulierten Dauerstrichsignalen (FMCW)) oder andere anwendungsabhängige Signaltypen handeln. Eine Pipeline, die in Übereinstimmung mit einer oder mehreren Ausführungsformen bereitgestellt wird, kann zur Verarbeitung der Radardaten verwendet werden, um die Radardaten zu entrauschen und eine Schätzung/Erwartung der Radardaten zu erhalten, die nicht durch Rauschen verfälscht sind. Zur Erleichterung des Entrauschens (der Rauschunterdrückung) kann die Pipeline verschiedene Datentransformationen enthalten, wie z. B. varianzstabilisierende Transformationen und Transformationen zur Verringerung der Dimensionalität. In einigen Fällen kann das Rauschen in den Radardaten durch eine Rician-Verteilung (z. B. auch als Rice-Verteilung bezeichnet) modelliert werden. Durch die Verwendung der Pipeline gemäß verschiedenen Ausführungsformen können Rauschen/Störsignale aus Radarsignalen entfernt werden, um das Signal-Rausch-Verhältnis (SNR) zu verbessern und die Erkennung und Verfolgung von Objekten von Interesse über größere Entfernungen und mit geringerer Radarsignalamplitude zu ermöglichen.
In einem Aspekt können die empfangenen EM-Signale vom Radarsystem in Basisbanddaten (z. B. komplexwertige Basisbanddaten) umgewandelt werden, die in einem dreidimensionalen Array der Größe N mal M mal L (z. B. auch als N×M×L bezeichnet) angeordnet werden können. Die dreidimensionale Anordnung kann als Radardatenwürfel, Radarmessmatrix oder einfach als Messmatrix bezeichnet werden. N kann mit Abstands-Bins (z. B. auch als Abstandszellen oder Abstandsindizes bezeichnet) assoziiert sein und wird als „fast-time“-Dimension bezeichnet. M kann mit übertragenen Signalen (z. B. Impulsen oder Rampen) verknüpft sein und wird als „slow-time“-Dimension bezeichnet. L kann mit Sensoren (z. B. Empfängerantennen) verbunden sein und wird als räumliche Dimension bezeichnet.
1 zeigt ein Blockdiagramm eines Radarsystems 100 gemäß einer oder mehrerer Ausführungsformen der vorliegenden Offenbarung. Die Anordnung und Art der Komponenten kann variiert werden, ohne vom Geist oder Umfang der hier dargelegten Ansprüche abzuweichen. Es können zusätzliche Komponenten, andere Komponenten und/oder weniger Komponenten vorgesehen werden. In verschiedenen Ausführungsformen kann das Radarsystem 100 für den Einsatz auf Wasserfahrzeugen, in Flugzeugen, Fahrzeugen, an festen Standorten oder in anderen Umgebungen ausgebildet werden und für verschiedene Anwendungen, wie z. B. Freizeitnavigation, kommerzielle Navigation, militärische Navigation, andere Arten der Navigation oder andere Anwendungen verwendet werden. In einem Aspekt kann das Radarsystem 100 als relativ kompakte, tragbare Einheit implementiert werden, die von einem Benutzer bequem installiert werden kann. Zum Beispiel kann das Radarsystem 100 in einem mobilen Gerät installiert werden.
Das Radarsystem 100 umfasst eine Sendeschaltung 105, eine Empfängerschaltung 120, einen Speicher 125, Prozessoren 130, eine Anzeige 135, ein maschinenlesbares Medium 140 und andere Komponenten 145. Die Senderschaltung 105 umfasst ein oder mehrere Sendeantennenelemente (TX) und geeignete Schaltungen zur Erzeugung von Radarsignalen und zur Bereitstellung solcher Radarsignale für die TX-Antennenelemente, so dass diese Radarsignale von den TX-Antennenelementen übertragen werden können. Solche gesendeten Radarsignale werden in 1 als Signale 150 bezeichnet. Die Sendeschaltung 105 kann einen Wellenformgenerator enthalten, der verschiedene Wellenformen erzeugt, die als Radarsignale verwendet werden können. Solche Wellenformen können Impulse unterschiedlicher Länge (z. B. unterschiedliche Impulsbreiten), FMCW-Signale und/oder andere für Radaranwendungen geeignete Wellenformen umfassen. FMCW-Signale können z. B. als ansteigende, abfallende oder ansteigende/abfallende Frequenz-Sweeps (z. B. Up-Chirps, Down-Chirps oder Up/Down-Chirps) implementiert werden. Die Sendeschaltung 105 kann einen oder mehrere Leistungsverstärker enthalten, die die Radarsignale vom Wellenformgenerator empfangen und die Radarsignale auf das/die TX-Antennenelement(e) der Sendeschaltung 105 leiten. In einigen Fällen können die Eigenschaften der Radarsignale zumindest teilweise auf den von den Prozessoren 130 empfangenen Steuersignalen basieren.
Die Empfängerschaltung 120 kann einen oder mehrere Sensoren und Schaltungen zur Verarbeitung der von den Sensoren empfangenen Radarsignale umfassen. Bei den Sensoren kann es sich um Empfangsantennen (RX) handeln (z. B. phasengesteuerte Antennengruppen). Solche empfangenen Radarsignale werden in 1 als Signale 155 bezeichnet. Die Sensoren können die Radarsignale 155 empfangen, bei denen es sich um Reflektionen der gesendeten Radarsignale 150 von Zielen/Objekten handeln kann. Diese empfangenen Radarsignale 155 können als Rücksignale bezeichnet werden. Die Empfängerschaltung 120 kann geeignete Schaltungen zur Verarbeitung dieser Rücksignale enthalten. Die Empfängerschaltung 120 kann einen oder mehrere rauscharme Verstärker (LNAs) zur Verstärkung der empfangenen Radarsignale 155 enthalten. Die Empfängerschaltung 120 kann einen Demodulator enthalten, um die Radarsignale 155 zu empfangen und die empfangenen Radarsignale 155 in das Basisband umzuwandeln. In einigen Fällen kann der Demodulator I-Signale und Q-Signale auf der Grundlage der empfangenen Radarsignale 155 erzeugen. Die Empfängerschaltung 120 kann Filter (z. B. Tiefpassfilter) enthalten, die auf die Radarsignale (z. B. Basisband-Radarsignale) angewendet werden. Die Empfängerschaltung 120 kann eine Analog-Digital-Schaltung (ADC) enthalten, um die empfangenen Radarsignale 155 oder gefilterte Versionen davon, die analoge Signale sind, in digitale Radarsignale umzuwandeln. Die digitalen Radarsignale können den Prozessoren 130 zur weiteren Verarbeitung zur Verfügung gestellt werden, um Radaranwendungen (z. B. Zielerfassungsanwendungen) zu erleichtern. Das Radarsystem 100 kann mit einem oder mehreren Verstärkern, Modulatoren (z. B. Abwärtskonvertern, Aufwärtskonvertern), Phaseneinstellern, Beamforming-Komponenten, Digital-Analog-Wandlern (DACs), ADCs, verschiedenen Schnittstellen, Wandlern und/oder anderen analogen und/oder digitalen Komponenten ausgestattet sein.
Die Prozessoren 130 können als jede geeignete Verarbeitungsvorrichtung (z. B. Mikrocontroller, Prozessor, anwendungsspezifische integrierte Schaltung (ASIC), Logikvorrichtung, feldprogrammierbares Gate-Array (FPGA), Schaltung oder andere Vorrichtung) implementiert werden, die vom Radarsystem 100 verwendet werden kann, um geeignete Anweisungen auszuführen, wie z. B. nicht-transitorische maschinenlesbare Anweisungen (z. B. Software), die auf dem maschinenlesbaren Medium 140 gespeichert und in den Speicher 125 geladen sind. Auf einer RX-Seite können die Prozessoren 130 beispielsweise so ausgebildet sein, dass sie die von der Empfängerschaltung 120 empfangenen Radardaten empfangen und verarbeiten, die Radardaten, die verarbeiteten Radardaten und/oder andere mit den Radardaten verknüpfte Daten in dem Speicher 125 speichern und die Radardaten, die verarbeiteten Radardaten und/oder andere mit den Radardaten verknüpfte Daten zur Verarbeitung, Speicherung und/oder Anzeige bereitstellen. In diesem Beispiel können die Ausgaben der Prozessoren 130 Darstellungen von verarbeiteten Radardaten sein oder daraus abgeleitet werden, die von der Anzeige 135 zur Präsentation für einen oder mehrere Benutzer angezeigt werden können. Auf der TX-Seite können die Prozessoren 130 Radarsignale oder zugehörige Signale erzeugen, um zu bewirken, dass Radarsignale erzeugt und der Senderschaltung 105 zugeführt werden, so dass diese Radarsignale von dem/den TX-Antennenelement(en) der Senderschaltung 105 gesendet werden können. In einer Ausführungsform können die Prozessoren 130 verwendet werden, um Radarrückkehrdaten zu verarbeiten (z. B. Transformationen wie Fast-Fourier-Transformationen (FFT) und diskrete Kosinustransformationen durchzuführen, eine Erkennungsverarbeitung an den FFT-Ausgängen durchzuführen), die über die Empfängerschaltung 120 empfangen werden, Zieldaten zu erzeugen, Abschwächungsmaßnahmen durchzuführen oder die Durchführung von Abschwächungsmaßnahmen zu veranlassen, wenn dies in Reaktion auf die Zieldaten angemessen ist, und/oder andere Vorgänge.
Der Speicher 125 umfasst in einer Ausführungsform eine oder mehrere Speichervorrichtungen, die zum Speichern von Daten und Informationen, einschließlich Radardaten, ausgebildet sind. Der Speicher 125 kann eine oder mehrere verschiedene Arten von Speichervorrichtungen umfassen, einschließlich flüchtiger und nichtflüchtiger Speichervorrichtungen, wie z. B. Direktzugriffsspeicher (RAM), dynamischer RAM (DRAM), statischer RAM (SRAM), nichtflüchtiger Direktzugriffsspeicher (NVRAM), Festwertspeicher (ROM), programmierbarer Festwertspeicher (PROM), löschbarer programmierbarer Festwertspeicher (EPROM), elektrisch löschbarer programmierbarer Festwertspeicher (EEPROM), Flash-Speicher, Festplattenlaufwerk und/oder andere Arten von Speicher. Wie oben beschrieben, können die Prozessoren 130 so ausgebildet sein, dass sie im Speicher 125 gespeicherte Softwarebefehle ausführen, um Verfahrens- und Prozessschritte und/oder Vorgänge durchzuführen. Die Prozessoren 130 können so ausgebildet sein, dass sie in dem Speicher 125 Daten speichern, wie z. B., als nicht einschränkende Beispiele, Filterkoeffizienten, Beamforming-Koeffizienten und Objekt-/Zielerfassungsdaten.
Die Anzeige 135 kann zur Darstellung von Radardaten, Bildern oder Informationen verwendet werden, die vom Radarsystem 100 empfangen oder verarbeitet werden. In einer Ausführungsform kann das Display 135 ein Multifunktionsdisplay mit einem Touchscreen sein, der so ausgebildet ist, dass er Benutzereingaben zur Steuerung des Radarsystems 100 empfängt.
Das Radarsystem 100 kann verschiedene andere Komponenten 145 enthalten, die zur Implementierung anderer Funktionen verwendet werden können, wie z. B. Sensoren, Aktoren, Kommunikationsmodule/-knoten, andere Benutzersteuerungen, Kommunikation mit anderen Geräten, zusätzliche und/oder andere Benutzerschnittstellengeräte und/oder andere Komponenten. In einigen Ausführungsformen können andere Komponenten 145 einen Feuchtigkeitssensor, einen Wind- und/oder Wassertemperatursensor, ein Barometer, eine Kamera mit sichtbarem Spektrum, eine Infrarotkamera und/oder andere Sensoren umfassen, die Messungen und/oder andere Sensorsignale liefern, die einem Benutzer angezeigt und/oder von anderen Geräten des Radarsystems 100 verwendet werden können, um eine Betriebssteuerung des Radarsystems 100 zu ermöglichen. Zum Beispiel können solche Sensorsignale verwendet werden, um Umgebungsbedingungen zu kompensieren, wie Windgeschwindigkeit und/oder -richtung, Seegangsgeschwindigkeit, -amplitude und/oder - richtung und/oder ein Objekt in einer Bahn (z. B. Sichtlinie) des Radarsystems 100. Bildgeber (z. B. Kameras mit sichtbarem Spektrum, Infrarotkameras) können verwendet werden, um ein Situationsbewusstsein für eine Szene zu schaffen, z. B. durch Bereitstellung von Bilddaten in Verbindung mit erfassten Radardaten. In einigen Fällen können Sensorinformationen verwendet werden, um Bewegungen (z. B. Positions- und/oder Geschwindigkeitsänderungen) zu korrigieren, die mit dem Radarsystem 100 zwischen den Strahlenemissionen verbunden sind, um z. B. eine verbesserte Ausrichtung der entsprechenden Radarrückläufe/Proben zu ermöglichen und/oder um Bilder auf der Grundlage der gemessenen Ausrichtungen und/oder Positionen der Radarsystem-Baugruppe/- Antennen 100 zu erzeugen. In einigen Fällen kann ein externer Orientierungs- und/oder Positionssensor allein oder in Kombination mit einem oder mehreren integrierten Sensoren verwendet werden. In einigen Fällen können alternativ oder zusätzlich zu den Sensoren und/oder anderen Geräten, die Teil des Radarsystems 100 sind, die Sensoren und/oder anderen Geräte zusammen mit dem Radarsystem 100 aufgestellt werden. Solche Sensoren und/oder andere Geräte können Daten an das Radarsystem 100 liefern (z. B. über drahtgebundene und/oder drahtlose Kommunikation).
In einigen Fällen kann das Radarsystem 100 eine oder mehrere Kameras mit sichtbarem Spektrum und/oder eine oder mehrere Infrarotkameras umfassen, um beispielsweise Bilddaten einer vom Radarsystem 100 gescannten Szene zu erfassen. In einer Ausführungsform umfassen die anderen Komponenten 145 eine Kommunikationsschnittstelle, die mit einem anderen Gerät kommunizieren kann, das mit einigen oder allen Funktionen des Radarsystems 100 implementiert sein kann. Eine solche Kommunikation kann über geeignete drahtgebundene oder drahtlose Signale erfolgen (z. B. Wi-Fi™ , Bluetooth™ oder andere standardisierte oder proprietäre drahtlose Kommunikationstechniken). In einem Beispiel kann sich das Radarsystem 100 an einer ersten Position befinden (z. B. auf einer Brücke eines Wasserfahrzeugs in einer Ausführungsform) und mit einem persönlichen elektronischen Gerät (z. B. einem Mobiltelefon in einer Ausführungsform) kommunizieren, das sich an einer zweiten Position befindet (z. B. zusammen mit einem Benutzer an einer anderen Stelle des Wasserfahrzeugs). In diesem Zusammenhang kann das persönliche elektronische Gerät des Benutzers Radardaten und/oder andere Informationen vom Radarsystem 100 empfangen. Infolgedessen kann ein Benutzer auf bequeme Weise relevante Informationen (z. B. Radarbilder, Warnungen oder andere Informationen) erhalten, auch wenn er sich nicht in der Nähe des Radarsystems 100 befindet.
In einer oder mehreren Ausführungsformen werden hier Techniken zur Erleichterung des Entrauschens von Radardaten bereitgestellt. In einigen Aspekten können solche Radardaten durch Rauschen verfälscht werden, das genau als heteroskedastisches komplexes Gauß-Rauschen (z. B. komplexes Gauß-Rauschen mit einer ungleichmäßigen Varianz) über Sensoren in einem Detektorarry (z. B. die Empfängerschaltung 120) modelliert werden kann. Das Detektorarry kann zum Beispiel ein Antennenarray sein, das mehrere Antennenelemente umfasst. Eine solche Heteroskedastizität kann die Ungleichmäßigkeit der Rauschvarianz von Sensor zu Sensor und in Bezug auf eine Abstandskomponente beinhalten/charakterisieren. In einigen Fällen sind die Rauschproben in Bezug auf die Abstands- und Doppler-Komponenten korreliert. Auf der Grundlage einer solchen Rauschmodellierung und -charakterisierung wird eine Pipeline zum Filtern des Rauschens aus strahlgeformten Amplitudendaten bereitgestellt. Die Pipeline kann eine mehrkanalige Implementierung eines BM3D-Filters enthalten, der Frame für Frame betrieben wird. In einigen Fällen bleiben am Ausgang des Filters feine Strukturen erhalten, während das Rauschen nahezu vollständig abgeschwächt wird.
Wenn ein ausgesendetes Signal von einem Objekt in einer Szene (z. B. einem potenziellen Ziel in der Szene) reflektiert und von einem Radarsystem empfangen wird, kann in einigen Ausführungsformen die Empfänger-Durchlassbandbreite des Radarsystems bestimmen, wie viel der empfangenen Signalenergie vom Radarsystem erfasst wird. Eine Messmatrix (z. B. auch als Radardatenmatrix bezeichnet) für einen einzelnen Erfassungsstrahl (z. B. einen einzelnen Sensor) kann wie folgt erstellt werden: $[\begin{matrix} r c_{0,0} & \dots & r c_{0, j} & \dots & r c_{0, M - 1} \\ ⋮ & ⋱ & ⋮ & ⋰ & ⋮ \\ r c_{i,0} & \dots & r c_{i, j} & \dots & r c_{i, M - 1} \\ ⋮ & ⋰ & ⋮ & ⋱ & ⋮ \\ r c_{N - 1,0} & \dots & r c_{N - 1, j} & \dots & r c_{N - 1, M - 1} \end{matrix}]$
Die Messmatrix hat eine Größe von N Zeilen und M Spalten, wobei jede Zeile mit einem Abstandsindex (z. B. „fast-time“-Achse) und jede Spalte mit einer Rampe (z. B. „slow-time“-Achse) verbunden ist. Jede Zeile der Matrix (1) steht für eine Reihe von Messungen aus demselben Abstands-Bin über M aufeinander folgende Rampen. Die Abstandszellenwerte rc_i,j der Messmatrix können die abgetastete Signalenergie sein, die von einem Empfänger des Radarsystems für eine einzelne räumliche Dimension (z. B. einen einzelnen Sensor) erfasst wird. In der obigen Messmatrix werden die Abstandszellenwerte rc_i,j für einen Abstandsindex i = [0, N-1] und einen Rampenindex j = [0, M-1] bereitgestellt, so dass die Messmatrix das abgetastete Signal für jeden Abstandsindex (z. B. 0^ter Abstandsindex bis (N-1)^ter Abstandsindex) und jede Rampe (z. B. 0^ter Rampe bis (M-1)^ter Rampe) liefert. Zum Beispiel ist ein Abstandszellenwert rc_0,0 die abgetastete Signalenergie für einen nullten Abstandsindex und eine erste Rampe (z. B. Rampe 0). In einem Aspekt kann ein Abstandszellenwert rc_i,j ein Ergebnis sein, das sich aus der Abtastung der vom Empfänger des Radarsystems empfangenen Radarrückkehrdaten und der Anwendung eines Fensters auf die abgetasteten Daten ergibt. Im Falle mehrerer Sensoren kann die Messmatrix die Größe N×M×L haben, wobei L die Anzahl der Sensoren ist. In diesem Zusammenhang ist im obigen Beispiel L = 1.
Nur zur Erläuterung: Das Detektorarry umfasst vier Sensoren, und die Radardaten sind mit 64 Rampen und 512 Abstands-Bins verknüpft. Allgemeiner ausgedrückt, kann das Detektorarry weniger oder mehr als vier Sensoren haben und/oder die Radardaten können mit mehr oder weniger als 64 Rampen und/oder mehr oder weniger als 512 Abstands-Bins verknüpft sein. Für jede zeitliche Instanz im obigen Beispiel ist ein Frame der Daten ein komplexwertiges 512×64×4-Array (z. B. N = 512, M = 64, L = 4), wobei die drei Dimensionen des Arrays jeweils die Abstands-, Doppler- (z. B. Geschwindigkeit) und Sensor-/Array-Komponenten darstellen. In einem Aspekt können die Radardaten als Radardatenwürfel dargestellt werden. In dem Radardatenwürfel liefert eine „slow-time“-Achse eine Anzahl von Rampen (z. B. 64 Rampen in diesem Beispiel), eine „fast-time“-Achse liefert eine Anzahl von Abstands-Bins für einen bestimmten Impuls und stellt eine Abstandsverzögerung dar (z. B. 512 Abstands-Bins in diesem Beispiel), und eine räumliche Achse liefert eine Anzahl von Sensoren (z. B. 4 in diesem Beispiel). In einem Aspekt können die vier Sensoren für das Beamforming verwendet werden. In einem Beispiel ergibt das Beamforming eine Winkelauflösung von 181 Winkeln pro π, von denen nur eine Amplitudenkomponente für die Verfolgung beibehalten wird. In diesem Beispiel ist die Eingabe für die Verfolgung ein reellwertiges nichtnegatives 512×64×181-Array. Jeder der 181 Winkel kann als ein Kanal bezeichnet werden.
In einem Fall werden die hier vorgestellten Techniken durch eine Analyse der Rauscheigenschaften des komplexwertigen 512×64×4-Arrays als Eingabe und bei der Modellierung der Rauschausbreitung durch den Beamforming-Prozess erleichtert. Die Daten von jedem Sensor des Arrays können als komplexe Variable mit einem unbekannten Mittelwert und einer bekannten Varianz modelliert werden. In einem Aspekt kann die Varianz vom Abstand und dem spezifischen Array abhängen, aber nicht von den Doppler- oder zeitlichen Komponenten, wie in Tabelle I und 2 dargestellt. 2 zeigt die Standardabweichung des Rauschens in Abhängigkeit von dem Abstand. Die Standardabweichung ist durch ihren Wert bei einem Abstand von etwa 250 normalisiert. Entkopplung und Beamforming können auf die vier Array-Komponenten wirken. Die Varianz als Funktion der Winkelkomponente kann aus der Varianz der vier Array-Eingänge berechnet werden, was zu einem in 3 dargestellten Standardabweichungsprofil führt. 3 zeigt die Standardabweichung des Rauschens in Abhängigkeit von den 181 Winkeln. Tabelle I: Standardabweichung von vier Kanälen

Ch1 Ch2 Ch3 Ch4

st.dev. 516.57 541.11 576.66 522.29
4 zeigt ein Flussdiagramm einer beispielhaften Filterpipeline 400 in Übereinstimmung mit einer oder mehreren Ausführungsformen der vorliegenden Offenbarung. In einer Ausführungsform können die Prozessoren 130 von 1 verwendet werden, um das Beispielverfahren von 4 durchzuführen. Es ist zu beachten, dass die Prozessoren 130 und ihre verschiedenen Komponenten nur beispielhaft genannt sind und dass jedes andere geeignete System zur Durchführung des gesamten oder eines Teils des Verfahrens 400 verwendet werden kann.
Bei dem Verfahren 400 werden verrauschte Radardaten 435 bereitgestellt (z. B. als verrauschte Sequenz). Im obigen Beispiel können die verrauschten Radardaten 435 als ein 512×64×4-Array bereitgestellt werden. In Block 405 werden die verrauschten Radardaten 435 strahlgeformt und ein absoluter Wert (z. B. eine Größe) berechnet, um Amplitudendaten zu erhalten. Um das Beamforming durchzuführen, können für jede Abstandszelle vier Strahlen von den vier Sensoren berechnet werden. In einem Aspekt können die Amplitudendaten einer Rician-Verteilung mit einem unbekannten Ortsparameter und einem bekannten Skalenparameter folgen. Der Skalenparameter kann beispielsweise durch ein Tensorprodukt aus einer abstandsmäßigen Standardabweichung 440 und einer kanalmäßigen Standardabweichung 445 gegeben sein, wie in den und dargestellt. In einigen Fällen kann eine Ausgabe von Block 405 als Größen-Bilder bezeichnet werden. Rician-Variablen können auch einer signalabhängigen Varianz unterliegen. Mit anderen Worten, die Varianz der Amplitude kann nicht nur von dem bekannten Skalenparameter, sondern auch von dem unbekannten Ortsparameter abhängen.
In Block 410 wird eine varianzstabilisierende Transformation (VST) an den in Block 405 ausgegebenen Amplitudendaten durchgeführt, um die Varianz der Amplitudendaten zu stabilisieren. Die varianzstabilisierende Transformation kann auf der abstandsmäßigen Standardabweichung 440 und der kanalweisen Standardabweichung 445 basieren, wie sie in den und dargestellt sind. Eine solche Verarbeitung der Amplitudendaten kann nachfolgende Filteroperationen (z. B. Entrauschoperationen) erleichtern. In einigen Fällen können die Amplitudendaten so verarbeitet werden, dass die Varianz des stabilisierten Signals einheitlich und unabhängig von dem unbekannten Ortsparameter ist. In einem Aspekt können die Amplitudendaten unter Verwendung einer VST für Rician-Daten stabilisiert werden, wie es ein Fachmann verstehen würde.
In Block 415 wird eine Dimensionalitäts-Reduktions-Transformation an den stabilisierten Daten durchgeführt. Eine solche dimensionale Reduktion kann durchgeführt werden, um die Rauschunterdrückung zu erleichtern (z. B. um die Rauschunterdrückung effizienter und effektiver zu gestalten). Strahlgeformte Daten können im Allgemeinen stark redundant und durch Rauschen verunreinigt sein, das über die Kanäle hinweg stark korreliert ist. In einem Aspekt kann die datengesteuerte dimensionale Reduktion über eine Singulärwertzerlegung (SVD) einer Interkanal-Kovarianzmatrix der stabilisierten Daten durchgeführt werden. Andere Techniken zur dimensionalen Reduktion, wie z. B. die CUR-Zerlegung, können zur Umsetzung der dimensionalen Reduktion durchgeführt werden. Die dimensionale Reduktion kann entsprechend einer Anzahl von Komponenten 450 durchgeführt werden, die für die Filterung beibehalten werden sollen. In einer Implementierung kann eine Teilmenge der Kanalkomponenten (z. B. die wichtigsten Kanalkomponenten) für die Verarbeitung (z. B. Filterung) beibehalten werden. Die Anzahl der Kanalkomponenten 450, die für die Verarbeitung beibehalten werden, kann (z. B. von einem Benutzer) auf der Grundlage der Anwendung (z. B. Entrauschleistung), der Rechenkosten (z. B. Zeit, Komplexität), der Benutzerpräferenzen und/oder anderer Überlegungen ausgewählt werden. In einigen Fällen kann die Anzahl der Kanäle, die für die Verarbeitung beibehalten werden sollen, mit Hilfe statistischer Methoden bestimmt werden. Beispielsweise kann die Anzahl der Kanäle durch die Durchführung von Tests auf der Grundlage der Größe der Singulärwerte im Vergleich zu verschiedenen Gesetzen und Verteilungen (z. B. Marchenko-Pastur-Gesetz und Tracy-Widom-Verteilung) und/oder einer allgemeinen Kreuzvalidierung bestimmt werden. In einigen Fällen können die Kanäle, die beibehalten werden, als informative Kanäle bezeichnet werden, während die anderen Kanäle als uninformativ/geräuschhaft bezeichnet/behandelt werden können. Zum Beispiel können von den 181 Kanälen die 6 signifikantesten Kanalkomponenten für die Filterung beibehalten werden, während die restlichen 175 Kanalkomponenten als marginal signifikant und von Rauschen dominiert verworfen werden. In diesem Beispiel wird aus dem reellwertigen 512×64×181-Array ein reellwertiges 512×64×6-Array. Da das Rauschen in den 181 Kanälen stark korreliert ist, ist die Varianz der sechs beibehaltenen Kanäle nicht einheitlich, obwohl die sechs singulären Vektoren orthonormal sind und die stabilisierte Rauschvarianz einheitlich ist (z. B. Einheitsvarianz, Varianz von eins). Darüber hinaus ist das Rauschen innerhalb jedes der sechs beibehaltenen Kanäle in Bezug auf den Abstand und den Doppler korreliert. In einem Aspekt kann eine Leistungsspektraldichte (PSD) jedes Kanals durch adaptive Skalierung eines Rausch-PSD-Modells 455 (z. B. eines vorkalibrierten Rausch-PSD-Modells) erhalten werden, wie in 5 dargestellt.
In Block 420 wird ein Mehrkanal-Entrauschungsfilter auf den Ausgang von Block 415 angewendet. In einem Aspekt können Techniken für BM3D verwendet werden, um den Mehrkanal-Entrauschungsfilter zu implementieren. So kann der Mehrkanal-Entrauschungsfilter beispielsweise eine modifizierte Version von BM3D für korrelierte Daten sein. Der Filter kann eine Blockanpassung auf einem ersten Kanal (z. B. dem Kanal mit dem größten SNR) durchführen und dieselben nichtlokalen Strukturen für alle Kanäle verwenden, die unabhängig voneinander gefiltert werden. In einem Beispiel kann der Filter eine diskrete Kosinustransformation (DCT) verwenden (z. B. eine 8×8 DCT). Kenntnis der Rauschvarianz des DCT-Koeffizienten (z. B. PSD im DCT-Bereich), um Rauschen vom Signal zu trennen. Diese PSD in der DCT-Domäne kann aus der PSD jedes Kanals (z. B. der Fourier-Domänen-PSD jedes Kanals) berechnet werden. 6 zeigt eine PSD im DCT-Bereich des Rauschens, das einen 8×8-Block betrifft.
In einem nicht einschränkenden Beispiel kann der Entrauschungssfilter (z. B. ein BM3D-basierter Entrauschungsfilter) wie folgt angewendet werden. Die Mehrkanaldaten können als dreidimensionales Array organisiert werden, in dem die verschiedenen Kanäle entlang der dritten Dimension gestapelt sind. Die Array-Dimension kann durch N×M×L_r (z. B. 512×64×6 im obigen Beispiel) bestimmt werden, wobei L_r die Anzahl der reduzierten Kanäle ist. In bestimmten Fällen kann der erste Kanal derjenige sein, der den größten Teil der Signalenergie enthält und den höchsten SNR aufweist. In solchen Fällen kann der Blockabgleich nur für den ersten Kanal durchgeführt werden, und die Position der abgeglichenen Blöcke kann für den Abgleich der Blöcke in den anderen Kanälen verwendet werden. Jeder Kanal kann einzeln entrauscht werden (z. B. unter Verwendung von BM3D-Techniken oder BM3D-basierten Techniken), wobei die gleichen Anpassungspositionen (z. B. Blockkoordinaten), die für den ersten Kanal gefunden wurden, für jeden Block verwendet werden können. Dies kann sinnvoll sein, da bei einigen Kanälen das SNR nicht ausreicht, um eine zuverlässige Blockanpassung durchzuführen.
Nach dem Entrauschen wird in Block 425 eine inverse Dimensionalitäts-Reduktions-Transformation (z. B. eine inverse Transformation der in Block 415 durchgeführten Dimensionalitäts-Reduktions-Transformation) an der Ausgabe von Block 420 durchgeführt. Im obigen Beispiel wird durch die inverse Transformation ein 512×64×181 gefiltertes Array (z. B. ein 512×64×181 gefiltertes Array mit niedrigem Rang) rekonstruiert. In Block 430 wird eine inverse varianzstabilisierende Transformation (z. B. eine inverse Transformation der varianzstabilisierenden Transformation, die in Block 410 durchgeführt wurde) an einem Ausgang von Block 425 durchgeführt, um eine entrauschte Sequenz 460 bereitzustellen. Die entrauschte Sequenz 460 enthält entrauschte strahlgeformte Radaramplitudendaten.
Die und zeigen die Auswirkungen der Rauschunterdrückung auf einen Frame, wobei die Doppler- und Abstandskomponenten für einen der 181 Winkel dargestellt werden. Insbesondere zeigt 7A einen Logarithmus eines absoluten Wertes eines verrauschten Bildes und 7B einen Logarithmus eines entrauschten Bildes, das durch Entrauschen des verrauschten Bildes aus 7A erhalten wurde. 8A und 8B illustrieren ein entsprechendes Ergebnis in Bezug auf die 181 Winkel für eine der 64 Doppler-Komponenten. Insbesondere veranschaulicht 8A einen Logarithmus eines absoluten Wertes eines verrauschten Bildes, und 8B veranschaulicht einen Logarithmus eines entrauschten Bildes, das durch Entrauschen des verrauschten Bildes aus 8A erhalten wurde. Die und zeigen beide, dass das Rauschen im Wesentlichen entfernt wurde, während kleinere Merkmale, sowohl diffus als auch lokalisiert, erhalten blieben.
Bei den vorgenannten Verfahren wurden vorkalibrierte Parameter und Merkmale des Rauschmodells verwendet. In einigen Ausführungsformen können die eingesetzten Systeme diese Parameter und Merkmale regelmäßig beim Hochfahren und/oder als Inline-Verarbeitung selbst kalibrieren. In einem Aspekt kann eine solche Selbstkalibrierung ähnlich wie bei einem VBM4D-Ansatz durchgeführt werden. Solche Parameter und Merkmale können anhand von verrauschten Kalibrierungsdaten kalibriert werden. In einigen Fällen kann die Neukalibrierung auf entrauschten Daten beruhen.
In einer oder mehreren Ausführungsformen kann die Filterpipeline für die frameby-frame Verarbeitung der Daten verbessert werden, indem zeitliche Strukturen in den Daten genutzt werden. In einigen Fällen kann eine starke Dekorrelation in Bezug auf tangentiale Diagonalen im Doppler-Abstand-Zeit-Volumen erzielt werden, was einem Objekt entspricht, das sich mit konstanter Geschwindigkeit in Bezug auf einen Beobachter bewegt. In einem Beispiel können Shearlet-Atome verwendet werden. In einem anderen Beispiel können beim Block-Matching Penalty-Terme verwendet werden, um Trajektorien entlang dieser Diagonalen zu bevorzugen. In einem Aspekt kann die Filterungspipeline auf die Optimierung der Ausgabe eines Trackers abgestimmt werden. Eine Abhängigkeit der Position eines lokalen Winkelmaximums von der Anzahl signifikanter Komponenten, die nach der dimensionalen Reduktion (z. B. SVD-basierte dimensionale Reduktion) erhalten bleiben, kann bestimmt werden, um eine solche Abstimmung zu erleichtern.
Obwohl das Vorstehende die Schätzung eines Erwartungswerts von verrauschten Rician-Daten beschreibt, kann in anderen Ausführungsformen eine Schätzung der Amplitude der unbekannten komplexwertigen rauschfreien Daten durchgeführt werden. Eine solche Schätzung kann zu einem Hintergrundpegel führen, der über einen ganzen Frame hinweg annähernd gleichförmig und gleich Null ist, was zu einem erhöhten Kontrast führen kann. In einem solchen Fall kann eine geeignete inverse VST (z. B. relativ zu einer inversen Ricianbasierten VST) durchgeführt werden. In einigen Aspekten kann eine Phase der Radardaten verwendet werden, um eine verbesserte Winkelgenauigkeit zu ermöglichen.
9 zeigt einen Beispielprozess 900 zur Erleichterung der Rauschunterdrückung von Radardaten in Übereinstimmung mit einer oder mehreren Ausführungsformen der vorliegenden Offenbarung. In einer Ausführungsform können die Prozessoren 130 von 1 verwendet werden, um den Beispielprozess von 9 durchzuführen. Es ist zu beachten, dass die Prozessoren 130 und ihre verschiedenen Komponenten nur beispielhaft genannt sind und dass jedes andere geeignete System zur Durchführung des gesamten oder eines Teils des Verfahrens 900 verwendet werden kann. Es ist zu beachten, dass ein oder mehrere Vorgänge kombiniert, weggelassen und/oder in einer anderen Reihenfolge durchgeführt werden können, wie gewünscht. In einigen Ausführungsformen kann das Verfahren 900 eine Entrauschungspipeline sein oder als solche bezeichnet werden, um entrauschte Radardaten zu erzeugen. Die Ausgabedaten aus dem Betrieb können von der Rauschunterdrückungspipeline verarbeitet werden, um Rauschen zu mindern (z. B. zu entfernen, zu reduzieren, zu eliminieren). In einigen Aspekten kann die Entrauschungspipeline ein BM3D-Entrauschungssystem verwenden. Wie weiter unten beschrieben, kann die Entrauschungspipeline in einem gleitenden Zeitfenster arbeiten, wobei für ein bestimmtes Bild vergangene und zukünftige Bilder in einem gemeinsamen Filteransatz verwendet werden können. In dieser Hinsicht kann die Entrauschungspipeline einen räumlich-zeitlichen Filter verwenden.
In Block 905 können Datenframes empfangen werden. Die Daten können als verrauschter Burst von Datenframes bezeichnet werden. In einem Aspekt umfassen die Frames verrauschte Radardaten. In einem Aspekt können die Datenframes eine Ausgabe von Block 415 von 4 sein. In Block 910 kann ein Block-Matching durchgeführt werden, um die nachfolgende Konstruktion von räumlich-zeitlichen Volumen zu erleichtern. Block-Matching kann verwendet werden, um Blöcke entlang überlappender Abschnitte vergangener und zukünftiger Frames zu verfolgen, und die Positionen der besten Übereinstimmungen können in einer Tabelle gespeichert werden (z. B. als Übereinstimmungstabelle bezeichnet). Bei jedem neu eintreffenden Frame kann ein Satz von Referenzblöcken aus einem Referenzbild ausgewählt werden. Ein Referenzblock kann ein Block sein, der beim Block-Matching als Referenz verwendet wird, um ein räumlich-zeitliches Volumen zu erstellen. Für jeden Referenzblock können ähnliche Blöcke (z. B. solche, die ein bestimmtes Ähnlichkeitskriterium erfüllen) in vergangenen und zukünftigen Frames gefunden werden. Zum Beispiel können die Frames 915 untersucht werden, um nach Bildblöcken 920A-920D zu suchen, die mit einem Referenzbildblock 925 übereinstimmen (z. B. ein bestimmtes Ähnlichkeitskriterium erfüllen). In diesem Beispiel können die Bildblöcke 920A und 920B aus vergangenen Frames und die Bildblöcke 920C und 920D aus zukünftigen Frames stammen. Es ist anzumerken, dass Bilder als zukünftige Frames oder vergangene Frames bezeichnet werden können, basierend auf ihrer zeitlichen Position entlang einer Bewegungstrajektorie relativ zu einer zeitlichen Position, die mit einem Referenzframe verbunden ist. In einigen Fällen kann die Entrauschungskomplexität auf einem einstellbaren Parameter basieren, der einen Abstand (z. B. in Pixeln) zwischen aufeinanderfolgenden Referenzblöcken angibt. Ein kleinerer Abstand kann mit einer feineren Rauschunterdrückung, aber einer höheren Komplexität (z. B. einer höheren Anzahl von Operationen) verbunden sein. In Block 930 kann eine Bewegungsvektorbasis-Nichtgleichförmigkeitskorrektur (MVBNUC) durchgeführt werden, um die Nichtgleichförmigkeit (z. B. räumliches Rauschen) zu schätzen.
Als solches kann ein gleitendes Zeitfenster verwendet werden, in dem für ein bestimmtes Bild vergangene und zukünftige Bilder verwendet werden können. Die innerhalb des Zeitfensters enthaltenen Bilder können in einem Puffer (z. B. einem so genannten Blockpuffer) gespeichert werden, in dem mögliche Blöcke (z. B. alle möglichen Blöcke), die zu den Frames gehören, transformiert werden können. Beispielsweise können die Blöcke durch Anwendung von zwei trennbaren eindimensionalen Transformationen transformiert und in vektorisierter Form gespeichert werden. Blocktrajektorien-Berechnungen mittels Block-Matching können verwendet werden, um Blöcke entlang des Zeitfensters zu verfolgen. Positionen im Blockpuffer von Übereinstimmungen (z. B. beste Übereinstimmungen) können in einer Tabelle gespeichert werden (z. B. als Übereinstimmungstabelle bezeichnet). In einigen Fällen können längere Zeitfenster mit einer höheren Entrauschungsqualität, aber einer höheren Anzahl von Vorgänge verbunden sein. In einer Ausführungsform kann eine Überlappung zwischen aufeinanderfolgenden erfassten Frames eine sinnvolle Länge des Zeitfensters bestimmen. Das Zeitfenster kann beispielsweise als Array mit einer Anzahl vergangener und zukünftiger Frames bereitgestellt werden (z. B. [N_past, Nfuture]). Hier kann ein Multiskalen-Block-Matching-Ansatz verwendet werden, z. B. kann das Block-Matching zunächst auf eine herunterskalierte Version der Frames angewendet werden, und die Ergebnisse werden als Vorhersage für die nächst feinere Skala verwendet.
Die Ergebnisse des Blockabgleichs in Operation 910 können einer Stufe der gemeinsamen Filterung zugeführt werden. Die Stufe der gemeinsamen Filterung kann in den Blöcken 935, 945, 955, 960 und 965 durchgeführt werden. In Block 935 können räumlichzeitliche Volumina auf der Grundlage der Ergebnisse des Block-Matching konstruiert werden. Die Daten 915 können untersucht werden, um nach Bildblöcken 920A-920D zu suchen, die mit einem Referenzbildblock 925 übereinstimmen (z. B. ein bestimmtes Ähnlichkeitskriterium erfüllen). Der Referenzbildblock 925 und die Bildblöcke 920A-920D können eine Bewegungstrajektorie definieren und zusammengefügt werden, um ein räumlich-zeitliches Volumen 940 zu konstruieren. In einem Aspekt können einzelne raumzeitliche Volumina durch Abrufen/Extrahieren und Stapeln von Blöcken (z. B. Indizes, die in der Übereinstimmungstabelle gefunden werden) erstellt werden, wobei jedes Volumen durch einen entsprechenden Satz gestapelter Blöcke gebildet wird. In diesem Zusammenhang können die in der Übereinstimmungstabelle gespeicherten Einträge (z. B. Werte) verwendet werden, um einzelne raum-zeitliche Gruppen durch Abrufen der entsprechenden Blöcke aus dem Blockpuffer zu erstellen. In einer Implementierung kann zum Beispiel jede Spalte in der Übereinstimmungstabelle die Indizes im Blockpuffer enthalten, die zum Abrufen der Blöcke benötigt werden, die das raumzeitliche Volumen bilden. Die extrahierten Blöcke (auf die in einigen Fällen bereits die 2D-Transformation angewendet wurde) werden, um ein raumzeitliches Volumen der zeitlichen Länge N ∈ [1, N_t] zu bilden, gestapelt und werden durch Anwendung einer eindimensionalen Transformation der Länge N entlang der dritten Dimension des Volumens in zeitlicher Richtung dekorreliert. Darüber hinaus können in einigen Fällen die ursprünglichen raumzeitlichen Koordinaten der Blöcke verwendet werden, um die Trajektorie des raumzeitlichen Volumens zu erstellen, die später für die raumzeitliche Interpolation verwendet werden kann. Wenn die gewählte Transformation für die zeitliche Dekorrelation dies erfordert (z. B. die Haar-Transformation), kann die Länge der Gruppe auf eine Potenz von 2 beschränkt werden (z. B. N = 2^k , wobei k eine beliebige positive ganze Zahl sein kann).
In Block 945 kann eine 3-D-Transformation auf die räumlich-zeitlichen Volumina angewendet werden, um 3-D-Spektren zu erhalten. Die 3-D-Transformation kann auf einer PSD basieren. In einigen Fällen muss die Berechnung der neuen PSDs nur einmal als Kalibrierungsschritt durchgeführt werden. Zum Beispiel können in Block 950 die neuen PSDs bestimmt werden. In dieser Hinsicht müssen die PSDs nicht während der Bearbeitung der Radardaten geschätzt werden, sondern können in einigen Ausführungsformen als integrierte Kalibrierungsparameter behandelt werden.
In Block 945 kann eine dekorrelierende 3-D-Transformation auf die raum-zeitlichen Volumina angewendet werden. Eine solche dekorrelierende 3D-Transformation kann eine diskrete Kosinustransformation (DCT), eine diskrete Sinustransformation (DST), eine diskrete Wavelet-Transformation (DWT), eine diskrete Fourier-Transformation (DFT) oder eine andere geeignete Transformation (z. B. trennbare, orthogonale Transformationen) umfassen, die typischerweise Bildsignale dekorrelieren. In einer Ausführungsform kann eine DCT für den Transformationsvorgang verwendet werden.
Eine dekorrelierende 3-D-Transformation kann durch eine trennbare kaskadierte Zusammensetzung von niederdimensionalen Transformationen angewendet werden. Beispielsweise kann für die räumliche Dekorrelation eine 2-D-Transformation (z. B. eine trennbare DCT der Größe 8×8) auf jeden der Bildblöcke (z. B. mit einer Größe von 8×8) angewandt werden, die im raumzeitlichen Volumen gestapelt sind, und für die zeitliche Dekorrelation kann eine 1-D-Transformation der Länge N (z. B. eine 1-D-DCT, deren Länge der Länge des raumzeitlichen Volumens entspricht) angewandt werden. Wie dem Fachmann klar sein dürfte, kann die Reihenfolge dieser beiden kaskadierten Transformationen umgekehrt werden, was zu einem identischen Ergebnis führt.
In Block 955 kann eine Verkleinerung der 3-D-Spektren der raum-zeitlichen Volumina durchgeführt werden. In einigen Aspekten können die mit der Verkleinerung verbundenen Schwellenwerte von der Standardabweichung des Rauschens und der PSD-Matrix abhängen. Beispielsweise können die 3-D-Spektren durch harte Schwellenwerte verkleinert werden, um die Spektralkoeffizienten (z. B. die Amplitude der Spektralkoeffizienten) auf der Grundlage der Standardabweichung des Rauschens in jedem Koeffizienten zu ändern. Die Schwellenwerte können unter Verwendung der PSD-Matrix und ihres entsprechenden Skalierungsfaktors (z. B. skaliert der Skalierungsfaktor die PSD) bestimmt werden. Der Skalierungsfaktor kann eine Standardabweichung des Rauschens nach der De-Blurring-Stufe sein. Die Anzahl der erhaltenen Nicht-Null-Koeffizienten kann zur Bestimmung der Gewichtung des räumlich-zeitlichen Volumens für die konvexe Kombination verwendet werden. In einigen Fällen kann der Grad der Verkleinerung der 3-D-Spektren ein einstellbarer Parameter sein. Höhere Werte für den Parameter können beispielsweise zu einem stärkeren Entrauschen (Denoising) und Glättung führen. In einigen „Denoising“-Implementierungen können während einer Hard-Thresholding-Phase die Varianzen der transformierten räumlich-zeitlichen Gruppe adaptiv in Abhängigkeit von der relativen räumlichen Position der Blöcke, die die Gruppe bilden, und den PSDs bestimmt werden. In einigen Fällen übernimmt die in Block 930 durchgeführte MVBNUC die Schätzung der Ungleichmäßigkeit (z. B. des räumlichen Rauschens).
Die Verkleinerung kann Schwellenwertbildung (z. B. harte Schwellenwertbildung, weiche Schwellenwertbildung oder andere), Skalierung, Wiener-Filterung oder andere Vorgänge umfassen, die für die Regularisierung von Signalen in einem Transformationsbereich geeignet sind. In verschiedenen Ausführungsformen werden die Spektralkoeffizienten auf der Grundlage der entsprechenden Koeffizienten-Standardabweichungen des Rauschens, das in jeden Spektralkoeffizienten eingebettet sein kann, durch Verkleinern modifiziert. So kann z. B. in einer Ausführungsform das Verkleinern durch harte Schwellenwerte für die Spektralkoeffizienten auf der Grundlage der entsprechenden Standardabweichungen der Koeffizienten erfolgen (z. B. indem ein Wert auf 0 gesetzt wird, wenn er einen Schwellenwert nicht erreicht). In einem anderen Beispiel kann die Verkleinerung in zwei oder mehr Stufen erfolgen, wobei die Schwellenwertbildung in früheren Stufen durchgeführt werden kann, um eine Schätzung für die in späteren Stufen durchgeführte Wiener Filterung zu liefern.
An den verkleinerten 3-D-Spektren können auch andere Operationen zur weiteren Verarbeitung oder Manipulation durchgeführt werden. In einer Ausführungsform können die Spektralkoeffizienten beispielsweise durch gemeinsames α-Rooting oder andere Techniken zur Schärfung und/oder Verbesserung des Kontrasts in Bildern durch Verstärkung geeigneter Spektralkoeffizienten weiter modifiziert werden. In anderen Beispielen können die Koeffizienten der verkleinerten 3D-Spektren durch Bildwiederherstellung, Entschärfung, Schärfung, Entzerrung, Super-Auflösung oder andere Verfahren weiter modifiziert werden. Während ungenau modelliertes und/oder suboptimal unterdrücktes Rauschen die Verbesserung und andere Vorgänge oft unwirksam macht oder, schlimmer noch, dazu führt, dass die Verbesserung und andere Vorgänge die Bilder eher verschlechtern als verbessern, kann eine nahezu optimale Unterdrückung des Rauschens, die durch Ausführungsformen der Offenlegung erreicht werden kann, die Wirksamkeit der Verbesserung und anderer Vorgänge vorteilhaft verbessern, wie hier weiter erläutert wird.
In Block 960 kann eine inverse 3-D-Transformation auf die verkleinerten 3-D-Spektren angewandt werden, um gefilterte raum-zeitliche Volumen zu erhalten. Die Inverse der dekorrelierenden 3-D-Transformation kann auf die verkleinerten 3-D-Spektren angewendet werden, um gefilterte raum-zeitliche Volumina zu erhalten. Kaskadierte trennbare inverse 2-D- und 1-D-Transformationen können in beliebiger Reihenfolge angewendet werden, um gefilterte raum-zeitliche Volumina zu erhalten. In Block 965 können Blöcke aus den gefilterten raum-zeitlichen Volumina mit Hilfe geeigneter Aggregationsverfahren aggregiert werden, um gefilterte Frames (z. B. eine entrauschte Folge 970 von Frames) zu erzeugen. Die entrauschte Sequenz 970 kann die entrauschte Sequenz 460 aus 4 sein oder diese enthalten. In verschiedenen Ausführungsformen kann die Aggregation zum Beispiel eine gewichtete Mittelwertbildung von Bildblöcken umfassen. In einigen Ausführungsformen können die Gewichte für die Mittelwertbildung zum Teil auf der Standardabweichung der Koeffizienten basieren.
In einigen Ausführungsformen, als nicht einschränkende Beispiele, kann die Erkennungsverarbeitung an der entrauschten Sequenz 970 durchgeführt werden, um Erkennungsdaten zu erzeugen, einschließlich der Durchführung von Constant False Alarm Rate (CFAR)-Schemata, Clutter-Map-Schemata, Schwellenwertschemata und/oder Zentroid-Verarbeitung. CFAR-Schemata können durchgeführt werden, um die adaptive Bestimmung von Erkennungsschwellen auf der Grundlage von Radarrückmeldungen aus mehreren benachbarten Entfernungszellen zu erleichtern. CMAP-Verfahren können durchgeführt werden, um das Herausfiltern von Störsignalen (z. B. statischen Störsignalen) zu erleichtern. Bei Clutter kann es sich beispielsweise um Radarrückmeldungen von einem oder mehreren Objekten handeln, die für die Radaranwendung nicht von Interesse sind, wie z. B. in manchen Fällen Bäume. Ein Objekt von Interesse kann auch als Ziel bezeichnet werden. Ob ein Objekt von Interesse ist, hängt im Allgemeinen von der Anwendung ab. Schwellenwertverfahren können durchgeführt werden, um die Bestimmung zu erleichtern, ob eine momentane Radarrückkehr in einer Entfernungszelle einen Schwellenwert überschreitet und als Erkennung eines Ziels betrachtet werden sollte. In einigen Fällen kann das Vorhandensein und/oder die Bewegung eines Ziels in einer messbaren Weise (z. B. oberhalb einer Schwellenwahrscheinlichkeit für das Vorhandensein eines Ziels und/oder oberhalb eines Schwellenwerts für die Bewegung) durch ein Radarsystem als Erkennung des Ziels bezeichnet werden. Die Centroid-Verarbeitung kann durchgeführt werden, um den genauen Standort von gruppierten Erkennungen auf der Grundlage des Intensitätszentrums zu bestimmen.
Erkennungsdaten können Erkennungen umfassen, die mit einem oder mehreren Zielen verbunden sind (z. B. und/oder Daten zur Ableitung solcher Erkennungen); Informationen über die Schwerpunktposition in Reichweite, Doppler und/oder Azimut; Signalintensität für Radarrückkehrsignale; SNR für erkannte Signale, um Informationen über Rauschen/Störsignale in der Umgebung eines Ziels bereitzustellen; Informationen über die Größe einer Erkennung in Reichweite (z. B., Tiefe), Doppler (z. B. Doppler-Streuung) und Azimut (z. B. Breite des Ziels); und/oder ein Zeitstempel (z. B. ein Zeitpunkt, zu dem die Erkennungsinformationen erhalten wurden). Die Erkennungsdaten können beispielsweise die Bestimmung der Geschwindigkeit ermöglichen (z. B. relativ zu dem Radarsystem, das die Impulse/Rampen ausgesendet und die Radarrückkehrdaten empfangen hat) und folglich die Erkennung von Zielen zumindest auf der Grundlage einer solchen bestimmten Geschwindigkeit erleichtern. In einigen Ausführungsformen werden die entrauschten Daten unmittelbar nach ihrer Verfügbarkeit verarbeitet, um Erkennungsdaten zu erzeugen. Beispielsweise können die Erkennungsdaten unmittelbar nach ihrer Verfügbarkeit zur Verarbeitung an einen Tracker gesendet werden. Der Tracker kann die Erkennungsdaten sofort nach Verfügbarkeit verarbeiten, um eine aktualisierte Ausgabe der Radarspuren zu liefern. Wenn der Tracker zusätzliche Erfassungsdaten erhält, kann er die Radarspuren auf der Grundlage der zusätzlichen Erfassungsdaten aktualisieren und/oder filtern. Die Radarspuren, die nicht mit den zusätzlichen Erkennungsdaten verknüpft sind, können bis zur nächsten Aktualisierung nachgeführt/extrapoliert werden.
Der Tracker erzeugt Zieldaten. Die Zieldaten können Informationen enthalten, die mit einem oder mehreren vom Radarsystem erfassten Zielen oder potenziellen Zielen verbunden sind. Solche Informationen können z. B. den Standort eines Ziels und die Geschwindigkeit (z. B. Geschwindigkeit und Richtung) eines Ziels umfassen. Im Folgenden werden nicht begrenzte Beispiele für die Erzeugung von Zieldaten aufgeführt. Die Erzeugung von Zieldaten kann durch Zielverfolgungsalgorithmen erfolgen, z. B. durch die Zuordnung neuer Kontakte zu vorhandenen Spuren. In einem Aspekt beziehen sich Spuren eines Ziels auf Radarbeobachtungen (z. B. aufeinanderfolgende Radarbeobachtungen) des Ziels. Die Generierung von Zieldaten kann durch Aktualisierung/Filterung neuer Spurpositionen unter Verwendung von Informationen wie z. B. Schwerpunktpositionsinformationen von neu zugeordneten Kontakten erfolgen. Die Generierung von Zieldaten kann durch Extrapolation/Coasting von Positionen von Spuren erfolgen, die in der aktuellen Abtastung/Iteration keine neuen Erkennungsdaten erhalten (z. B. keine Zuordnung). Die Generierung von Zieldaten kann durch die Initiierung neuer Tracks mit nicht assoziierten Kontakten erfolgen. Die Generierung von Zieldaten kann durch das Beenden von Tracks ohne aktuelle Assoziationen erfolgen. In einem Aspekt erzeugt der Tracker Szeneninformationen einer Szene. Die Szeneninformationen können Zieldaten (z. B. Informationen, die mit interessanten Objekten verbunden sind) und andere Informationen (z. B. Informationen, die mit nicht interessanten Objekten verbunden sind, und/oder allgemein andere Informationen, die mit der Szene verbunden sind) enthalten.
In einigen Ausführungsformen können die erzeugten Zieldaten verwendet werden, um zu bestimmen, ob und/oder welche Art von Maßnahmen durchgeführt werden sollen. Zeigen die Zieldaten an, dass keine Ziele vorhanden sind, setzt das Radarsystem die Überwachung auf Ziele fort, ohne irgendwelche Maßnahmen zur Minderung durchzuführen. Wenn die Zieldaten darauf hinweisen, dass ein oder mehrere Ziele vorhanden sind, kann das Radarsystem (z. B. ein menschlicher Bediener oder ein autonomes System) entscheiden, ob und/oder welche Art von Minderungsmaßnahmen durchzuführen sind. Wenn das Radarsystem beispielsweise als Teil einer Such- und Rettungsanwendung eingesetzt wird, kann ein Ziel eine Person sein, die gerettet werden muss, und eine Abhilfemaßnahme als Reaktion auf die Identifizierung des Ziels (z. B. Bestimmung der Position und/oder der Geschwindigkeit des Ziels) kann darin bestehen, Signale an geeignete Ersthelfer zu senden, um dem Ziel Hilfe zu leisten. Ein weiteres Beispiel: Wenn das Radarsystem als Teil einer Navigationsanwendung eines bemannten oder unbemannten Fahrzeugs verwendet wird, kann ein Ziel ein Hindernis (z. B. in Bewegung oder anderweitig) sein, das während der Navigation umfahren werden muss, und eine Abhilfemaßnahme als Reaktion auf die Identifizierung des Ziels (z. B. Bestimmung der Position und/oder Geschwindigkeit des Ziels) kann darin bestehen, das Fahrzeug (z. B. autonom oder mit menschlichem Zutun) zu manövrieren, um das Ziel zu vermeiden.
Gegebenenfalls können verschiedene Ausführungsformen, die durch die vorliegende Offenbarung bereitgestellt werden, unter Verwendung von Hardware, Software oder Kombinationen von Hardware und Software implementiert werden. Gegebenenfalls können die verschiedenen hierin beschriebenen Hardwarekomponenten und/oder Softwarekomponenten auch zu zusammengesetzten Komponenten kombiniert werden, die Software, Hardware und/oder beides umfassen, ohne dass dies vom Geist der vorliegenden Offenbarung abweicht. Gegebenenfalls können die verschiedenen hier dargelegten Hardware- und/oder Softwarekomponenten in Unterkomponenten aufgeteilt werden, die Software, Hardware oder beides umfassen, ohne dass dies vom Geist der vorliegenden Offenbarung abweicht. Darüber hinaus ist es denkbar, dass Software-Komponenten als Hardware-Komponenten implementiert werden können, und umgekehrt.
Software gemäß der vorliegenden Offenbarung, wie nichttransitorische Anweisungen, Programmcode und/oder Daten, kann auf einem oder mehreren nichttransitorischen maschinenlesbaren Datenträgern gespeichert werden. Es wird auch in Betracht gezogen, dass die hierin beschriebene Software mit einem oder mehreren Universal- oder Spezialcomputern und/oder Computersystemen, vernetzt und/oder anderweitig, implementiert werden kann. Gegebenenfalls kann die Reihenfolge verschiedener hierin beschriebener Schritte geändert, zu zusammengesetzten Schritten kombiniert und/oder in Teilschritte aufgeteilt werden, um die hierin beschriebenen Merkmale bereitzustellen.
Die vorstehende Beschreibung soll nicht dazu dienen, die vorliegende Offenbarung auf die genauen Formen oder besonderen Anwendungsbereiche zu beschränken. Die oben beschriebenen Ausführungsformen veranschaulichen die Erfindung, schränken sie aber nicht ein. Es wird davon ausgegangen, dass verschiedene alternative Ausführungsformen und/oder Modifikationen der vorliegenden Erfindung, unabhängig davon, ob sie hier ausdrücklich beschrieben oder angedeutet sind, im Lichte der Offenbarung möglich sind. Dementsprechend ist der Umfang der Erfindung nur durch die folgenden Ansprüche definiert.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

US 62941595 [0001]

Claims

Ein Verfahren, das Folgendes umfasst: Empfangen von Radardaten; Durchführen einer ersten Transformation, die mit den Radardaten verbunden ist, um transformierte Radardaten zu erhalten, wobei die transformierten Radardaten mit einem Standortparameter und einer Varianz verbunden sind, die von dem Standortparameter unabhängig ist; Durchführen einer zweiten Transformation der transformierten Radardaten, um dimensional reduzierte Radardaten zu erhalten; und Filtern der dimensional reduzierten Radardaten, um entrauschte dimensional reduzierte Radardaten zu erhalten.
Das Verfahren nach Anspruch 1, das ferner umfasst: Durchführen einer dritten Transformation der entrauschten dimensional reduzierten Radardaten, um entrauschte transformierte Radardaten zu erhalten, wobei die dritte Transformation eine inverse Transformation der zweiten Transformation umfasst; und Durchführen einer vierten Transformation der entrauschten transformierten Radardaten, um entrauschte Radardaten zu erhalten, wobei die vierte Transformation eine inverse Transformation der ersten Transformation umfasst.
Das Verfahren nach Anspruch 1, das ferner ein Beamforming der Radardaten umfasst, um strahlgeformte Radardaten zu erhalten, wobei die erste Transformation mit den strahlgeformten Radardaten verbunden ist.
Das Verfahren nach Anspruch 3, das ferner das Bestimmen einer Größe der strahlgeformten Radardaten umfasst, um Größenbilder zu erhalten, wobei die erste Transformation mit den Größenbildern verbunden ist.
Das Verfahren nach Anspruch 3, wobei die Größenbilder eine Rician-Verteilung aufweisen und wobei die erste Transformation eine varianzstabilisierende Transformation für die Rician-Verteilung umfasst.
Das Verfahren nach Anspruch 1, wobei die erste Transformation eine varianzstabilisierende Transformation umfasst.
Das Verfahren nach Anspruch 6, wobei die Radardaten eine Varianz aufweisen, die von einem Standortparameter der Radardaten abhängt.
Das Verfahren nach Anspruch 1, wobei die transformierten Radardaten eine Einheitsvarianz aufweisen.
Das Verfahren nach Anspruch 1, wobei die zweite Transformation eine Singulärwertzerlegung umfasst.
Ein System, umfasst: einen Empfänger, der für den Empfang von Radardaten ausgebildet ist; einen Prozessor, der mit dem Empfänger gekoppelt ist; und ein nicht-transitorisches maschinenlesbares Medium mit darin gespeicherten Anweisungen, die, wenn sie von dem Prozessor ausgeführt werden, den Prozessor veranlassen, Vorgänge auszuführen, die Folgendes umfassen: Durchführen einer ersten Transformation, die mit den Radardaten verbunden ist, um transformierte Radardaten zu erhalten, wobei die transformierten Radardaten mit einem Standortparameter und einer Varianz verbunden sind, die von dem Standortparameter unabhängig ist; Durchführen einer zweiten Transformation der transformierten Radardaten, um dimensional reduzierte Radardaten zu erhalten; und Filtern der dimensional reduzierten Radardaten, um entrauschte dimensional reduzierte Radardaten zu erhalten.
Das System nach Anspruch 10, wobei die Vorgänge ferner Folgendes umfassen: Durchführen einer dritten Transformation der entrauschten dimensional reduzierten Radardaten, um entrauschte transformierte Radardaten zu erhalten, wobei die dritte Transformation eine inverse Transformation der zweiten Transformation umfasst; und Durchführen einer vierten Transformation der entrauschten transformierten Radardaten, um entrauschte Radardaten zu erhalten, wobei die vierte Transformation eine inverse Transformation der ersten Transformation umfasst.
Das System nach Anspruch 10, wobei die Vorgänge ferner ein Beamforming der Radardaten umfassen, um strahlgeformte Radardaten zu erhalten, und wobei die erste Transformation mit den strahlgeformten Radardaten verbunden ist.
Das System nach Anspruch 12, wobei die Vorgänge ferner die Bestimmung einer Größe der strahlgeformten Radardaten umfassen, um Größenbilder zu erhalten, und wobei die erste Transformation mit den Größenbildern verknüpft ist.
Das System nach Anspruch 13, wobei die Größenbilder eine Rician-Verteilung aufweisen und wobei die erste Transformation eine Varianz-stabilisierende Transformation für die Rician-Verteilung umfasst.
Das System nach Anspruch 10, wobei die erste Transformation eine varianzstabilisierende Transformation umfasst.
Das System nach Anspruch 15, wobei die Radardaten eine Varianz aufweisen, die von einem Standortparameter der Radardaten abhängt.
Das System nach Anspruch 10, wobei die transformierten Radardaten eine Einheitsvarianz aufweisen.
Das System nach Anspruch 10, wobei die zweite Transformation eine Singulärwert-Zerlegung umfasst.