SE506796C2 - Förfarande för störningseliminering i en radar - Google Patents

Description

506 796 2 lineärt frekvenssvep. Eftersom det mottagna och det utsända frekvenssvepet är parallella, sinsemellan tidsförskjutna en tid lika med gångtiden, blir därför för ett fixt mål skillnaden i frekvens mellan utsänd och mottagen signal konstant. Denna konstanta frekvensskillnad ges av produkten mellan gångtiden till målet och frekvenssvepets lutning uttryckt i frekvens per tidsenhet.

Si gnalbehandlingen i en lineär FMCW-radar består väsentligen i att utsänd i och mottagen signal blandas, så att skillnadssignalen ( svävningssignalen, engelska: the beat signal) alstras. Denna signal är summan av ett antal sinusvågor, där varje sinusvåg representerar ett radarmål. Sinusvågorna har olika frekvens, amplitud och faslägen enligt principerna att stor amplitud motsvarar starkt mål, hög frekvens motsvarar mål på stort avstånd. Dopplereffekten (inbördes hastigheten) påverkar främst faslägena.

För att bestämma vilka mål inklusive storlek och relativ hastighet som observeras, frekvensanalyseras skillnadssignalen. Frekvensanalysen göres med fördel digitalt genom att skillnadssignalen får passera ett anti-alias- filter och samplas med konstant samplingstakt, varefter den 'samplade signalen multipliceras med en fönsterfunktion med uppgift att reducera signalens amplitud i början och slutet av samplingsperioden och skickas till en signalprocessor, som utför en diskret Fouriertransfomi, DFT, oftast med en snabb algoritm, s k FFT, Fast Fourier Transform.

Fouriertransformen är i allmänhet komplex men har för en reell tidssignal (skillnadssignal) vissa symmctriegenskaper. För att kunna använda FFI'- algoritmer väljs antalet sampel oftast som en tvåpotens (256, 512. lO24,...). 256 sampel ger 256 FlT-koefficienter, men om signalen är reell ger symmetriegenskaperna att av dessa 256 värden endast 128 (egentligen 129) är oberoende.

Genom Fouriertransformering, t ex genom FFT, delas signalen upp på ett antal diskreta frekvenskomponenter, sinusar. Varje frekvens svarar enligt ovan mot ett avstånd. Beloppet hos en komplex FFT-koefñcient är ett mått på radarmålarean (mottagen effekt) för målet i motsvarande frekvenslucka (avståndslucka). FFT-n gör en s k koherent integration av målsignalen, vilket är fördelaktigt. Den fortsatta signalbehandlingen i systemet göres digitalt på de beräknade FFT-koefficientema. 3 506 796 Det kan visas att den nominella bredden hos en avståndslucka är omvänt proportionell mot frekvenssvinget hos det linjära FMCW-svepet under samplingstiden. För en avståndsupplösning på 1 m krävs frekvenssvinget 150 MHz. För att ändra avståndsupplösningen kan t ex frekvenssvepets lutning ändras under bibehållande av samma konstanta samplingstid.

Samplingstakten begränsar de frekvenser hos svävningssignalen som kan studeras och därmed det totala observerade avståndsområdet. Bredden av detta "nyttoband“, som ligger parallellt med det lineära FMCW-svepet, är ofta mindre än 1 MHz.

En linjär FMCW-radar kan störas om den tar emot andra signaler än egen utsänd signal reflekterad från olika mål. Radarn kan störas av andra radarer, bl a av pulsradarer, pulskompressionsradarer och andra FMCW- radarer. Korta störningar uppkommer bl a då det lineära svepet i FMCW- radarn störs av vilofrekvensen eller frekvensåtergången från en annan FMCW-radar.

En kort stöming (pulsliknande) under samplingstiden har liten utsträckning i tidsdomänen och är därmed mycket bredbandig i frekvensdomänen. En kort men stark stöming påverkar endast några få sampel av svävnings- signalen men kan totalt maskera många frekvensluckor i Fourier- transformen. "Brusnivån" i Fouriertransformen tycks höjas, varvid små mål kan maskeras av störningen.

En känd metod för undertryckning av korta störningar är att eliminera stömingen i tidsdomänen genom att sätta in ett lågt värde , t ex O, ("klippa") under den tid störning detekteras. Klippning till 0 kan i och för sig eliminera stömingen ur tidssignalen men introducerar i stället störningar i den komplexa FFT-n, genom att även nyttosignalen påverkas.

Bl a kommer mål med stor kontrast att breddas ( få sidlober, "skuldror").

Störningarna i FFT-n kan modifieras, men aldrig elimineras, genom olika kompromisser i klippningens utförande.

En annan metod beskrivs i vår samtidigt inlämnade patentansökan 9604775-8. Enligt denna metod detekteras och elimineras störningar i 506 796 4 svävningssignalen i tidsdomänen och rekonstrueras svävningssignalen under den störda delen genom prediktion utgående från ostörda sampel. Ändamålet med föreliggande uppfinning är att erbjuda ett förfarande för eliminering av korta störningar som arbetar i frekvensdomänen istället för tidsdomänen. Förfarandet kännetecknas av att de korta störningamas bidrag till Fouriertransformen i frekvensdomänen filtreras bort ur Fouriertransformen genom ett FlR-filter med komplexa koefficienter. i Förfarandet har bl a den fördelen att ingen extra Signalbehandling krävs mellan sampling och Fouriertransfomiering i fomi av t ex DFI' eller FFT.

En annan fördel är att metoden ger mycket liten breddning av skarpa kontraster i Fouriertransforrnen. Förfarandet är dessutom mycket snabbt, och mycket lätt att realisera i en signalprocessor.

Enligt ett fördelaktigt förfarande införes minst en faktor per kort stöming i FlR-filtret. För att erhålla reella koefñcienter kan emellertid enligt ett annat fördelaktigt förfarande införas minst en ytterligare faktor per kort störning.

Detekteringen av korta stömingar kan antingen ske i tidsdomänen eller frekvensdomänen. Om detekteringen av korta störningar sker i tidsdomänen beräknas, enligt ytterligare ett fördelaktigt förfarande, FIR- filtrets filterkoefficienter i varje faktor ur stömingens läge i tidsdomänen.

Enligt ett altemativt fördelaktigt förfarande, där detekteringen av korta störningar sker i frekvensdomänen, bestämmes filtrets filterkoefficienter adaptivt ur Fouriertransfonnen.

Uppfinningen kommer nedan att beskrivas närmare under hänvisning till bifogade figurer, där: Figur l schematiskt visar principen för hur en lineär FMCW-radar fungerar.

Figur 2 visar exempel på lämpliga frekvenssvep i ett tids-frekvensdiagram.

Figur 3 visar ett exempel på en simulerad FMCW-svävningssignal.

Figur 4 visar FFI' -n för svävningssignalen enligt figur 3.

Figur 5 visar svävningssignalen enligt figur 3 med en kort adderad pulsstöming.

Figur 6 visar FFT-n för den störda svävningssignalen enligt figur 5. 5 506 796 Figur 7 visar den störda FPT-n i figur 6 filtrerad genom ett FIR-filter.

Den i figur l visade radam innefattar en sändardel 1 och en mottagardel 2.

En antenn 3 är ansluten till sändardelen och mottagardelen via en cirkulator 4. l sändardelen ingår en oscillatorstyranordning 5 kopplad till en oscillator 6 med variabel frekvens. Frekvenssvep från oscillatorstyranordningen 5 styr oscillatorn 6 så att en signal med periodiskt varierande frekvens genereras, vilken signal via en riktkopplare 7 och cirkulatom 4 sänds ut på antennen 3. Perioden hos ett frekvenssvep, se figur 2, har väsentligen tre delar i form av en konstant vilofrekvens 30, ett lineärt frekvenssvep 31 och en snabb återgång 32 till vilofrekvensen.

Oscillatorn 6 arbetar med fördel inom Gigahertzområdet, t ex 77 GHz. Av antennen 3 mottagen reflekterad signal förs via cirkulatom till en blandare 8, där den reflekterade signalen blandas med den utsända signalen. Efter förstärkning i förstärkaren 9 och filtrering i filtret 10 erhålls en skillnadsignal eller svävningssignal som ligger till grund för den fortsatta signalbearbetningen för detektering och eliminering av störningar och syntes av den ostörda nyttosignalen i ett processorblock l l som även kan innehålla en s k FFI' processor ll'. l det följande diskuteras först karakteriseringen av Fouriertransformen (DFT-n eller FFI-n) för en pulsstörning.

En given följd av sampel betecknas x(0),..., x(N-l). Definitionen av DFI' är: X(n) = E x(k) * exp(-2*:t*i*n*k/N), där i betyder den komplexa enheten. DFT-n är en linjär funktion av insignalen. För en pulsstörning som är = A vid sampel k = K och 0 för övrigt, fås DFI: X(n) = A * exp(-2*1t*i*n*K/N) = A * (exp(-2*:t*i*K/N))“ eller annorlunda uttryckt: X(O) = A X(n+l) = X(n) * exp(-2*Jt*i*K/N) 506 796 6 Varje (komplext) värde i DFT för en puls vid sampel K fås följaktligen ur föregående värde genom multiplikation med ett komplext tal (med absolutbelopp 1) som kan beräknas ur pulsens läge i tidsserien. DFT (FFT) av pulsen har alltså konstant belopp med lineär fas.

I det följande diskuteras ett filter för att eliminera en pulsstöming. i Antag att en pulsstöming har detekterats vid tidssampel K i en samplad signal med N sampel. Det som sägs i föregående diskussion angående karakteriserlngen av Fouriertransformen kan då uttryckas enligt följande.

Om X(n) är DFI" för en pulsstörning vid sampel K i en tidssignal av längden N gäller: X(n+l) - X(n) * exp(-2*:t*i*K/N) = 0 eller: FIR-filtret med (komplexa) koefficienter I l -exp(-2*:t*i*K/N)l eliminerar pulsstömingen ur den störda DFT-n (FFT-n).

En pulsfonnad störnings inverkan diskuteras nedan under hänvisning till figurerna 3 till 7.

I figur 3 visas ett exempel på en simulerad FMCW tidssignal eller svävningssignal 33 samplad i 1024 punkter. Figur 4 visar motsvarande FFT 34 av signalen under användande av Hammingfönster. I figur 5 har en pulsstöming 35 inlagts i svävningssignalen 33 nära sampel 300. l figur 6 visas hur den pålagda pulsstömingen påverkar FFf-n. En jämförelse med figur 4 visar att nästan all information i FFI-n har dränkts av pulsstörningen. Endast det starkaste målet 36 är fortfarande synligt med reducerad kontrast. l exemplet ovan är 2*1r*K/N = 2*it*300/ 1024 = 1.841. Pulstörningen 35 bör alltså för detta specifika fall filtreras bort genom FIR-filtret [ 1 -exp(-i*l.841)]. I figur 7 visas de störda FFT-erna i figur 6 frltrerade med detta filter. Vid en jämförelse av figur 4 och 7 framgår att filtret åstadkommer en mycket god rekonstruktion av svävningssignalens FFT. En Y A sne 796 skillnad är att skarpa konturer har breddats med ett antal sampel. Närmare bestämt filterlängden minus ett, dvs i detta fall ett sampel. Denna skillnad i pulsbreddning är mycket mindre än den påverkan konventionella metoder för pulseliminering ger.

I det följande diskuteras utvidgning till flera pulsstörningar.

Då flera pulsstörningar detekteras används ett filter som fås genom polynommultiplikation av ett antal faktorer, en för varje pulsstöming. l exemplet ovan elimineras en stöming vid sampel 300 av ett filter med koefficientema [l agml, där a300 = -exp(-i*2*:t*300/ 1024). På samma sätt elimineras en störning nära sampel 800 av ett filter med koefficienter I l agwl. Störningar både vid sampel 300 och 800 elimineras av ett filter vars koefficienter fås ur faltningen av de båda små filtren. Faltningen kan utföras som polynommultiplikation om filtren skrivs med skiftoperatom q eller z-operatorn: ll + asixfíll * ll + asixfl-ll = ll + (asixi-l-axixfififl + asixfaxixfï-zl Filtret blir i exemplet av andra ordningen. l det allmänna fallet får filtret samma ordning som antalet pulsstörningar. Bredden av skarpa kontraster i den rekonstruerade FFf-n är lika många sampel som antalet pulsstörningar.

De komplexa koefficienterna i filtret kan göras reella genom multiplikation med en komplexkonjugerad faktor: [1 + a*z'1| * [1 + conj(a)*z'l] =[ l + 2*Re(a) * íl + z'2] eftersom det komplexa talet a har absolutbelopp 1. Man ersätter då varje första ordningens faktor med komplexa koefficienter med en andra ordningens faktor med reella koefficienter.

Det resulterande reella filtret nollar talföljden A * exp(-2*p*i*K/N)n, n = 0,1,... . Filtret nollar då real- och imaginärdel var för sig. Man se att 506 796 3 detta är ekvivalent med de kända trigonometriska identitetema (funktionsnamnet f kan tolkas som sinus eller cosinus) f(ot+6) + f(a-6) = 2 * cos(6) * f(a) Steget till ett reellt filter av högre ordning har i- allmänhet inga positiva effekter, utan bidrar bl a till ökad breddning av kontraster i FFT-n. i l det föregående har förutsatts att pulsstömingama detekteras i tidssignalen (tidsdomänen), men att de elimineras i Fourierdomänen ur de störda komplexa FPT-ema. Det är emellertid fullt möjligt att detektera störningar i de komplexa FFT-erna. Om man söker efter en pulsstöming kan man genom adaptiva metoder bestämma koefficienterna a i det filter [ l + a*z']] som effektivast minskar effekten hos FlT-n. Detta är ett standardproblem i adaptiv Signalbehandling, se Haykin, Adaptive Filter Theory, 3rd Ed., Prentice.Hall 1996. Koefficientema kan bestämmas med gängse algoritmer, tex LMS, normerad LMS, RLS, som kan hantera komplexa koefficienter.

På motsvarande sätt kan filter för flera pulsstömingar bestämmas. Det är viktigt att tillräcklig ordning på filtret ansätts. Filtrets ordning bör _ åtminstone motsvara antalet förväntade pulsstörningar.

Claims (5)

9 506 796 Patentkrav

1. Förfarande för eliminering av korta störningar, såsom pulsstömingar, i en radar av FMCW-typ med lineärt frekvenssvep, där utsänd och mottagen signal blandas för bildande av en nyttosignal i form av en skillnadssignal, svävningssignal, med en våg för varje mål, vilka vågors frekvens, amplitud och fas innehåller målinformation, och vilken svävningssignal samplas och Fouriertransformeras, kännetecknat av att de korta störningarnas bidrag till Fouriertransformen i frekvensdomänen filtreras bort ur Fouriertransformen genom ett FlR-filter med komplexa koefficienter.

2. Förfarande enligt patentkravet 1, kännetecknat av att i FlR-filtret införes minst en faktor per kort störning.

3. Förfarande enligt patentkravet 2, kännetecknat av att i FlR-filtret införes minst en ytterligare faktor per kort störning för erhållande av reella koefficienter.

4. Förfarande enligt något av patentkraven 2 eller 3, där detektering av korta störningar sker i tidsdomänen, kännetecknat av att FlR-filtrets ñlterkoefñcienter i varje faktor beräknas ur störningens läge i tidsdomänen.

5. Förfarande enligt något av patentkraven 1-3, där detektering av korta störningar sker i frekvensdomänen , kännetecknat av att FIR- filtrets filterkoefficienter bestämmes adaptivt ur Fouriertransformen.