TWI813046B - 利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法 - Google Patents
利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法 Download PDFInfo
- Publication number
- TWI813046B TWI813046B TW110139954A TW110139954A TWI813046B TW I813046 B TWI813046 B TW I813046B TW 110139954 A TW110139954 A TW 110139954A TW 110139954 A TW110139954 A TW 110139954A TW I813046 B TWI813046 B TW I813046B
- Authority
- TW
- Taiwan
- Prior art keywords
- angle
- target
- input signal
- input
- tracking function
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 129
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 15
- 230000000875 corresponding effect Effects 0.000 claims description 17
- 238000000926 separation method Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000007423 decrease Effects 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S2013/0236—Special technical features
- G01S2013/0245—Radar with phased array antenna
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
Abstract
本發明提供一種利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其係藉由陣列天線接收輸入訊號矩陣,輸入訊號矩陣為至少一目標物之發射訊號或反射訊號,該方法包含有:步驟S1:將輸入訊號矩陣輸入至第一運算模型,獲得目標物數量及對應於目標物所在位置之粗估目標角度;步驟S2:將目標物數量及輸入訊號矩陣輸入至第二運算模型進行奇異值分解,並取得雜訊矩陣;步驟S3:藉由步驟S1中所取得之粗估目標角度取得疊代角度範圍;步驟S4:將疊代角度範圍所對應的複數追蹤函數及雜訊矩陣輸入至第三運算模型並進行角度範圍的疊代,藉此得到精準目標角度。
Description
本發明係有關一種估測方法,特別是指一種利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法。
天線模組在現今社會中應用廣泛,例如在無線通訊、雷達偵測領域中,都需要利用天線模組進行無線訊號的發射、接收,以進行訊號傳遞或者是位置偵測。而在多天線訊號源環境中,訊號之間的相互干擾問題、如何進行最佳訊號路徑的傳遞、如何選擇最佳訊號來源等,都會是天線領域中所極力發展跟解決的議題。
舉例來說,大眾使用的手機係透過天線與基地台的連接,進行網路訊號以及電信訊號的傳遞,因此,手機如何在複數個遠近距離不同以及傳遞路徑不同的基地台中,選擇訊號較佳的基地台進行連線,則以得到更佳的電信訊號及網路訊號,便為手機通訊領域中所亟欲解決的課題。在另一例子中,如汽車雷達偵測系統,主要用於車輛周邊物體的偵測,藉此進行障礙物的確認,而可以輔助駕駛避免發生碰撞危險,更進一步的,甚至可以主動的進行自動駕駛。而汽車之雷達系統的偵測原理,係在車輛行進時透過雷達天線偵測車輛周圍的物體與車輛之間的距離,傳統的雷達解決方案是基於2到3個發射天線和3到4個接收天線,成像雷達利用數倍的多輸入多輸出天線陣列(MIMO)對周圍環境進行高解析度測繪,提供了高精度圖像品質,在任何外在環境條件下,沒有多普勒的模糊感測問題,有助於實現長距離和寬視野決策,以避免車輛與物體或者車輛之間發生碰撞,防止交通事故的發生。
其中,上述舉例手機與基地台的最佳訊號搜尋技術中,由於手機尋找基地台的訊號較無急迫性及危險性,因此手機雷達天線所使用的目標訊號偵測方法,可使用運算時間較長的訊號偵測方法來反覆搜尋基地台的位置,以及判斷基地台的訊號強度,以此接收到更良好的訊號。而且基地台的位置固定,所以基地台的位置也較好判斷。
然而,汽車的雷達天線,是為了避免車輛在行進時,發生碰撞,所以車輛雷達系統需在短時間內精準的偵測物體的數量以及位置,因此需要更精準、迅速的訊號運算方法來達到上述目的。
本發明之主要目的,在於解決習知的目標訊號偵測方法,無法精準的判斷目標物位置,以及偵測運算時間過長的問題。
為達上述目的,本發明提供一種利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其係藉由一陣列天線接收一輸入訊號矩陣,輸入訊號矩陣為至少一目標物之發射訊號或反射訊號,利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法包含有下列步驟:步驟S1:將輸入訊號矩陣輸入至一第一運算模型,並輸入複數與角度相關的追蹤函數進行比對,當複數追蹤函數滿足第一運算模型之條件時,獲得一目標物數量及一對應於目標物所在位置之粗估目標角度;步驟S2:將目標物數量及輸入訊號矩陣輸入至一第二運算模型進行奇異值分解,並取得一雜訊矩陣;步驟S3:藉由步驟S1中所取得之粗估目標角度取得一疊代角度範圍;步驟S4:將疊代角度範圍所對應的複數追蹤函數及雜訊矩陣輸入至一第三運算模型並進行角度範圍的疊代,藉此得到一精準目標角度。
藉此,本發明透過第一運算模型、第二運算模型及第三運算模性的結合,以此便可更精準的得到目標物的數量以及角度的相關資訊,且可提高運算的速率,使本發明可運用於更多不同類別的設備上。
為便於說明本發明於上述創作內容一欄中所表示的中心思想,茲以具體實施例表達。實施例中各種不同物件係按適於列舉說明之比例,而非按實際元件的比例予以繪製,合先敘明。
雷達陣列天線係擁有多種用途,例如偵測物體、觀測天氣、追蹤物體等等。而運用於偵測物體的雷達陣列天線亦透過許多不同的演算法,例如正交匹配追蹤(Orthogonal Matching Pursuit, OMP)、多訊號分類(MUltiple SIgnal Classification, MUSIC)、疊代稀疏漸近最小方差算法(SAMV)等等,以進行訊號的判斷以及運算。
正交匹配追蹤(Orthogonal Matching Pursuit, OMP)之物體偵測方法,係先進行輸入訊號矩陣(雷達陣列天線所接收到的目標物之反射訊號),以及與角度相關的導引向量(steering vector)之間的相關性比對,並根據輸入訊號矩陣以及導引向量之間的相關性,透過留數定理(residue theorem)進行殘值的計算,以此得到物體的數量以及物體所在的角度。正交匹配追蹤(OMP)具有快速計算的能力,然而為了實現快速計算的能力,正交匹配追蹤(OMP)的偵測精度並不高,正交匹配追蹤(OMP)並無法得到目標物的精準角度資訊,僅能知道目標物位於一個角度範圍內。
多訊號分類(MUltiple SIgnal Classification, MUSIC)之物體偵測方法,係先將雷達陣列天線所接收到的目標物之反射訊號所轉換的共變異數矩陣,再根據目標物的數量以及共變異數矩陣,進行奇異值分解(Singular Value Decomposition, SVD)以得到一個雜訊矩陣,最後將雜訊矩陣及一個與角度相關的導引向量,進行疊代,以得到目標物的角度資訊。多訊號分類(MUSIC)可得到高精度的角度資訊,但為了得到高精度的角度資訊,多訊號分類(MUSIC)所需處理的計算量非常龐大,導致多訊號分類(MUSIC)的計算速度非常慢,而且多訊號分類(MUSIC)需先知道目標物的數量才能進行運算,導致多訊號分類(MUSIC)所能運用的範圍有限。
請參閱圖1至圖2所示,係揭示本發明實施例之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法100,其係藉由一陣列天線接收一輸入訊號矩陣,所述輸入訊號矩陣為至少一目標物之發射訊號或反射訊號,其中,於本發明之實施例,所述陣列天線係為多輸入多輸出(Multi-input Multi-output, MIMO)陣列天線,其可利用發射端的多個天線各自獨立發送訊號,並同時利用接收端的多個天線接收並恢復原資訊;所述輸入訊號矩陣係由設置於車體之雷達陣列天線接收所述目標物之反射訊號而得,藉此作為車體的先進駕駛輔助系統(Advanced Driver Assistance Systems, ADAS)例如:前車防撞警示(Forward Collision Warning, FCW)、盲點偵測(Blind Spot Detection, BSD)等,但不以此為限,舉凡需要進行目標物數量、位置及角度檢測的部分都可以運用本發明之方法進行,另舉例亦可為手機與基地台之連線判斷,手機因為連線訊號的關係,需要進行複數個基地台之連線檢測,以判斷最佳基地台來進行連線,因此也適用於本發明之方法。本發明係包含有下列步驟:
步驟S1:將所述輸入訊號矩陣輸入至一第一運算模型(如Orthogonal Matching Pursuit, OMP),並輸入複數與角度相關的追蹤函數進行比對,當所述複數追蹤函數滿足所述第一運算模型之條件時,便可獲得一目標物數量及一對應於所述目標物所在位置之粗估目標角度。其中,所述複數追蹤函數係由與角度相關的導引向量(steering vector)所組成,導引向量可由式(1)表示。
…(1),其中,v(k)為導引向量。
於本發明實施例中,係利用一步驟S1a、一步驟S1b、一步驟S1c、一步驟S1d及一步驟S1e判斷所述複數追蹤矩陣是否滿足所述第一運算模型之條件,以下說明步驟S1a、步驟S1b、步驟S1c、步驟S1d及步驟S1e之內容:
步驟S1a:所述第一運算模型係比對所述輸入訊號矩陣與所述複數追蹤函數有無相關性,若所述複數追蹤函數的其中之一與所述輸入訊號矩陣沒有相關性,便重複步驟S1a,進行下一個所述複數追蹤函數與所述輸入訊號矩陣的相關性比對;若所述複數追蹤函數的其中之一與所述輸入訊號矩陣有相關性時,進行步驟S1b。
更進一步的,所述複數追蹤函數之角度範圍係從-90度至90度,並以一第一間隔角度為單位,依序將對應的所述複數追蹤函數與所述輸入訊號矩陣進行相關性比對。其中,相關性的比對,係比對所述複數追蹤函數與所述輸入訊號矩陣之間的角度相關性。所述第一間隔角度之值為所述複數追蹤函數之角度範圍的1/18至1/180(1度至10度)之間,使用者可根據需求,進行所述第一間隔角度之設定。
步驟S1b:定義與所述輸入訊號矩陣有相關性之所述複數追蹤函數,為一第一追蹤函數,並以所述第一追蹤函數及所述輸入訊號矩陣進行一殘值之計算。其中,於本實施例中,所述第一運算模型係透過最小平方法進行所述殘值之運算。
步驟S1c:將所述殘值與一殘留閾值進行比對,若所述殘值呈一次性的大幅減少,且低於或等於所述殘留閾值時(表示所述第一追蹤函數滿足所述第一運算模型之條件),所述第一運算模型便可取得所述目標物數量及所述粗估目標角度;若所述殘值大於所述殘留閾值時,便進行步驟S1d。其中,若所述殘值大於所述殘留閾值,代表所述目標物數量可能為複數個,或是所述第一追蹤函數與所述輸入訊號矩陣有相關性,但相關性低。
步驟S1d:進行所述殘值的減少幅度比對。若所述殘值的減少幅度大於一顯著閾值時,代表所述第一追蹤函數與所述輸入訊號矩陣有高相關性,並繼續進行步驟S1e;若所述殘值的減少幅度小於所述顯著閾值時,直接回到步驟S1a,繼續進行所述輸入訊號矩陣與其他所述複數追蹤函數之相關性比對,直到所述殘值低於或等於所述殘留閾值,讓所述第一運算模型可取得所述目標物數量及所述粗估目標角度。其中,所述殘值的減少幅度小於所述顯著閾值,代表所述第一追蹤函數與所述輸入訊號矩陣有相關性,但相關性低。
步驟S1e:儲存所述第一追蹤函數,並將所述輸入訊號矩陣轉換為一與所述第一追蹤函數無關的第二輸入訊號矩陣,並回到步驟S1a,進行所述第二輸入訊號矩陣與其他所述複數追蹤函數之相關性比對,直到所述殘值低於或等於所述殘留閾值,讓所述第一運算模型可取得所述目標物數量及所述粗估目標角度。
步驟S2:將所述輸入訊號矩陣轉換為一共異變數矩陣,並將所述共異變數矩陣以及所述第一運算模型取得之所述目標物數量,輸入至一第二運算模型進行奇異值分解,並取得一雜訊矩陣。其中,所述輸入訊號矩陣係透過式(2)轉換為所述共異變數矩陣。
R=E{yyH
}…(2),其中,R為所述共異變數矩陣;y為所述輸入訊號矩陣。
步驟S3:藉由步驟S1中所取得之所述粗估目標角度取得一疊代角度範圍,其中,係取所述粗估目標角度相加及相減一容許角度為所述疊代角度範圍,且所述容許角度小於所述第一間隔角度。
步驟S4:將所述疊代角度範圍所對應的所述複數追蹤函數,以及所述雜訊矩陣輸入至一第三運算模型(如MUltiple SIgnal Classification, MUSIC),並進行角度範圍的疊代,藉此得到一精準目標角度。其中,所述疊代角度範圍係以一第二間隔角度為單位,依序輸入至所述第三運算模型,並與所述雜訊矩陣進行角度範圍的疊代。
更進一步的,所述第二間隔角度為所述疊代角度範圍的1/10至1/100之間;所述第三運算模型係透過正交運算方式,進行所述疊代角度範圍與所述雜訊矩陣的疊代,且經過所述第三運算模型疊代後,可取得一角度與功率之曲線,而所述曲線上具有明顯峰值所對應之角度即為所述精準目標角度。
請配合圖3及圖4所示,有一車用雷達1,其具有一偵測基準線L,偵測基準線L係與車用雷達1呈相互垂直,偵測基準線L向上為負方向,偵測基準線L向下為正方向。其中,如圖3所示,為本發明之第一實施例,係假設有一物體2,並以偵測基準線L為基準,物體2所在的角度係為-12度;如圖4所示,為本發明之第二實施例,係假設有一第一物體3a及一第二物體3b,並以偵測基準線L為基準,第一物體3a所在的角度係為-12度;第二物體3b所在的角度係為21度。以下係先說明本發明於第一實施例中,實際的偵測步驟:
請配合圖1至圖3所示,於步驟S1中,係將所述輸入訊號矩陣輸入至所述第一運算模型,並輸入所述複數追蹤函數進行比對,當所述複數追蹤函數滿足所述第一運算模型之條件時,便可獲得所述目標物數量及所述粗估目標角度。其中,所述輸入訊號矩陣係由車用雷達1接收物體2之反射訊號而得;所述複數追蹤函數係由與角度相關的導引向量(steering vector)所組成,且所述複數追蹤函數之範圍係從-90度至90度;步驟S1係透過步驟S1a至步驟S1e,判斷所述複數追蹤函數是否滿足所述第一運算模型之條件。
於步驟S1a中,所述第一運算模型係將所述複數追蹤函數,以所述第一間隔角度為單位,依序從-90度至90度,與所述輸入訊號矩陣進行相關性比對。若所述複數追蹤函數的其中之一與所述輸入訊號矩陣沒有相關性,便重複步驟S1a。
以第一實施例為例,係設定所述第一間隔角度為5度。舉例來說,當所述第一運算模型進行角度為-40度之所述複數追蹤函數,與所述輸入訊號矩陣之相關性比對時,由於物體2所在的角度(-12度),與所述複數追蹤函數之角度(-40度)差距極大,所以所述第一運算模型便判定,角度為-40度之所述複數追蹤函數與所述輸入訊號矩陣沒有相關性,因此所述第一運算模型便重複步驟S1a,依序進行下個角度之所述複數追蹤函數與所述輸入訊號矩陣的相關性比對。
相反的,若所述複數追蹤函數的其中之一與所述輸入訊號矩陣有相關性,進行步驟S1b。以第一實施例為例,當所述第一運算模型進行角度為-10度之所述複數追蹤函數,與所述輸入訊號矩陣之相關性比對時,由於物體2所在的角度(-12度),與所述複數追蹤函數之角度(-10度)差距極小,所以所述第一運算模型便判定,角度為-10度之所述複數追蹤函數與所述輸入訊號矩陣有相關性,繼續進行步驟S1b。
於步驟S1b中,定義與所述輸入訊號矩陣有相關性之所述複數追蹤函數為所述第一追蹤函數,而所述第一運算模型便根據所述第一追蹤函數及所述輸入訊號矩陣,透過最小平方法進行所述殘值之運算。
以第一實施例為例,所述第一運算模型係定義角度為-10度之所述複數追蹤函數,為所述第一追蹤函數,並進行所述殘值之運算。其中,所述殘值之初始值為100%。
於步驟S1c中,對所述殘值及所述殘留閾值進行比對,若所述殘值呈一次性的大幅減少,且低於或等於所述殘留閾值,即表示所述第一追蹤函數滿足所述第一運算模型之條件,所述第一運算模型便可取得所述目標物數量及所述粗估目標角度;若所述殘值大於所述殘留閾值時,便進行步驟S1d。
以第一實施例為例,係設定所述殘留閾值為10%,所述殘值經計算過後為5%。由於物體2僅有1個,且所在的角度(-12度)與所述第一追蹤函數之角度(-10度)差距極小,所以所述殘值會呈一次性的大幅減少,且低於所述殘留閾值(5%<10%),因此所述第一運算模型便可取得所述粗估目標角度為-10度。再者,由於所述殘值僅呈一次性的大幅減少,就低於所述殘留閾值(5%<10%),因此所述第一運算模型便可取得所述目標物數量為1個。
由於第一實施例已在步驟S1c取得所述目標物數量(1個)以及所述粗估目標角度(-10度),即表示已達成步驟S1的目的(取得所述目標物數量以及所述粗估目標角度),因此便不須再進行步驟S1d及步驟S1e,即可繼續進行步驟S2。
於步驟S2中,係將所述輸入訊號矩陣轉換為所述共異變數矩陣,並將所述共異變數矩陣及所述目標物數量,輸入至所述第二運算模型進行奇異值分解(Singular Value Decomposition,SVD),以取得所述雜訊矩陣。以第一實施例為例,係將所述共異變數矩陣及所述目標物數量(1個),輸入至所述第二運算模型進行奇異值分解,以取得所述雜訊矩陣。
於步驟S3中,係取所述粗估目標角度相加及相減所述容許角度為所述疊代角度範圍,且所述容許角度小於所述第一間隔角度。以第一實施例為例,係將所述容許角度設定為3度,以此將所述粗估目標角度(-10度)相加及相減所述容許角度(3度),並取得所述疊代角度範圍為-7度至-13度。其中,所述容許角度(3度)小於所述第一間隔角度(5度)。
於步驟S4中,將對應所述疊代角度範圍的所述複數追蹤函數,以及所述雜訊矩陣輸入至所述第三運算模型,讓所述第三運算模型透過正交運算方式,進行所述複數追蹤函數與所述雜訊矩陣之角度疊代,以得到所述精準目標角度。其中,所述疊代角度範圍係以所述第二間隔角度為單位,依序將對應的所述複數追蹤函數,輸入至所述第三運算模型。
以第一實施例為例,係設定所述第二間隔角度為0.1度。對應所述疊代角度範圍(-7度至-13度)之所述複數追蹤函數,係以所述第二間隔角度(0.1度)為單位,依序與所述雜訊矩陣輸入至所述第三運算模型(如MUltiple SIgnal Classification, MUSIC),讓所述第三運算摸型透過正交運算方式,依序進行對應所述疊代角度範圍(-7度至-13度)的所述複數追蹤函數,與所述雜訊矩陣之角度疊代,以得到所述精準目標角度(-12度)。
其中,經過所述第三運算模型疊代後,係可取得所述角度與功率之曲線,由於物體2的所在角度為-12度,因此所述曲線僅會在-12度的位置,有一個明顯的最高峰值表示-12度為所述精準目標角度。
如上所述,如圖3所示,於第一實施例中,車用雷達1係可透過本發明之步驟S1至步驟S4,偵測到有一個所在角度為-12度之物體2,且其餘角度並無其他物體。
以下係繼續說明本發明於第二實施例中,實際的偵測步驟:
請配合圖1至圖4所示,於步驟S1中,係將所述輸入訊號矩陣輸入至所述第一運算模型,並輸入所述複數追蹤函數進行比對,當所述複數追蹤函數滿足所述第一運算模型之條件時,便可獲得所述目標物數量及所述粗估目標角度。其中,所述輸入訊號矩陣係由車用雷達1,接收第一物體3a及第二物體3b之反射訊號而得;所述複數追蹤函數係由與角度相關的導引向量(steering vector)所組成,且所述複數追蹤函數之範圍係從-90度至90度;步驟S1係透過步驟S1a至步驟S1e,判斷所述複數追蹤函數是否滿足所述第一運算模型之條件。
於步驟S1a中,所述第一運算模型係將所述複數追蹤函數,以所述第一間隔角度為單位,依序從-90度至90度,與所述輸入訊號矩陣進行相關性比對。若所述複數追蹤函數的其中之一與所述輸入訊號矩陣沒有相關性,便重複步驟S1a。
以第二實施例為例,係設定所述第一間隔角度為5度。舉例來說,當所述第一運算模型進行角度為-40度之所述複數追蹤函數,與所述輸入訊號矩陣之相關性比對時,由於第一物體3a所在的角度(-12度)以及第二物體3b所在的角度(21度),與所述複數追蹤函數之角度(-40度)差距極大,所以所述第一運算模型便判定,角度為-40度之所述複數追蹤函數與所述輸入訊號矩陣沒有相關性,因此所述第一運算模型便重複步驟S1a,依序進行下個角度之所述複數追蹤函數與所述輸入訊號矩陣的相關性比對。
相反的,若所述複數追蹤函數的其中之一與所述輸入訊號矩陣有相關性,進行步驟S1b。以第二實施例為例,當所述第一運算模型進行角度為-15度之所述複數追蹤函數,與所述輸入訊號矩陣之相關性比對時,由於第一物體3a所在的角度(-12度),與所述複數追蹤函數之角度(-15度)之差距小,所以所述第一運算模型便判定,角度為-15度之所述複數追蹤函數與所述輸入訊號矩陣有相關性,繼續進行步驟S1b。
於步驟S1b中,定義與所述輸入訊號矩陣有相關性之所述複數追蹤函數為所述第一追蹤函數,而所述第一運算模型便根據所述第一追蹤函數及所述輸入訊號矩陣,透過最小平方法進行所述殘值之運算。
以第二實施例為例,所述第一運算模型係定義,角度為-15度之所述複數追蹤函數為所述第一追蹤函數,並進行所述殘值之運算。其中,所述殘值之初始值為100%。
於步驟S1c中,對所述殘值及所述殘留閾值進行比對,若所述殘值呈一次性的大幅減少,且低於或等於所述殘留閾值,即表示所述第一追蹤函數滿足所述第一運算模型之條件,所述第一運算模型便可取得所述目標物數量及所述粗估目標角度;若所述殘值大於所述殘留閾值,便進行步驟S1d。
以第二實施例為例,係設定所述殘留閾值為10%,所述殘值經計算過後為90%。所述殘值仍大於所述殘留閾值(90%>10%),因此須進行下一個步驟(步驟S1d)。
於步驟S1d中,進行所述殘值的減少幅度比對。若所述殘值的減少幅度小於所述顯著閾值時,直接回到步驟S1a,繼續進行所述輸入訊號矩陣與其他所述複數追蹤函數之相關性比對,直到所述殘值低於所述殘留閾值;若所述殘值的減少幅度大於所述顯著閾值時,進行步驟S1e。
以第二實施例為例,係設定所述顯著閾值為35%。所述殘值經計算過後為90%,惟所述殘值的減少幅度(減少10%)小於所述顯著閾值(35%),代表所述第一追蹤函數(角度為-15度)與所述輸入訊號矩陣有相關性,但並非高相關性,因此所述第一運算模型便會回到步驟S1a,進行下個所述複數追蹤函數(角度為-10度)與所述輸入訊號矩陣之相關性比對。
接續上述,所述第一運算模型便重複步驟S1a至步驟S1d。於步驟S1a中,由於第一物體3a所在的角度(-12度)與所述複數追蹤函數之角度(-10度)之差距小,所以所述第一運算模型便判定,角度為-10度之所述複數追蹤函數與所述輸入訊號矩陣有相關性。於步驟S1b中,係定義角度為-10度之所述複數追蹤函數為所述第一追蹤函數,並進行所述殘值之運算。此時,所述殘值之起始值為90%。於步驟S1c中,所述殘值經計算過後為50%,所述殘值仍大於所述殘留閾值(50%>10%),因此須進行步驟S1d。於步驟S1d中,所述殘值的減少幅度(從90%減少至50%,減少了40%)大於所述顯著閾值(35%),因此繼續進行步驟S1e。其中,所述殘值的減少幅度(減少40%)大於所述顯著閾值,代表所述第一追蹤函數(角度為-10度)與所述輸入訊號矩陣有高相關性。
於步驟S1e中,儲存所述第一追蹤函數,並將所述輸入訊號矩陣轉換為與所述第一追蹤函數無關的所述第二輸入訊號矩陣,並回到步驟S1a,進行所述第二輸入訊號矩陣與其他所述複數追蹤函數之相關性比對,直到所述殘值低於或等於所述殘留閾值,讓所述第一運算模型可取得所述目標物數量及所述粗估目標角度。
以第二實施例為例,係儲存所述第一追蹤函數(角度為-10度),並將所述輸入訊號矩陣轉換為與所述第一追蹤函數(角度為-10度)無關的所述第二輸入訊號矩陣(與-10度無關),並回到步驟S1a,進行下個所述複數追蹤函數(角度為-5度)與所述第二輸入訊號矩陣之相關性比對,直到所述殘值低於或等於所述殘留閾值(10%)。其中,儲存所述第一追蹤函數(角度為-10度),代表所述粗估目標角度的其中之一個為-10度。
如上所述,於第二實施例中,所述第一運算模型透過步驟S1a至步驟S1e,最後可取得所述目標物數量為2個(第一物體3a及第二物體3b),以及所述粗估目標角度為-10度及20度。
於步驟S2中,係將所述輸入訊號矩陣轉換為所述共異變數矩陣,並將所述共異變數矩陣及所述目標物數量,輸入至所述第二運算模型進行奇異值分解(Singular Value Decomposition,SVD),以取得所述雜訊矩陣。以第二實施例為例,係將所述共異變數矩陣及所述目標物數量(2個),輸入至所述第二運算模型進行奇異值分解,以取得所述雜訊矩陣。
於步驟S3中,係取所述粗估目標角度相加及相減所述容許角度為所述疊代角度範圍,且所述容許角度小於所述第一間隔角度。以第二實施例為例,係將所述容許角度設定為3度,以此將所述粗估目標角度(-10度及20度)相加及相減所述容許角度(3度),並取得所述疊代角度範圍為-7度至-13度以及17度至23度。其中,所述容許角度(3度)小於所述第一間隔角度(5度)。
於步驟S4中,將對應所述疊代角度範圍的所述複數追蹤函數,以及所述雜訊矩陣輸入至所述第三運算模型(如MUltiple SIgnal Classification, MUSIC),讓所述第三運算模型透過正交運算方式,進行所述複數追蹤函數與所述雜訊矩陣之角度疊代,以得到所述精準目標角度。其中,所述疊代角度範圍係以所述第二間隔角度為單位,依序將對應的所述複數追蹤函數,輸入至所述第三運算模型。
以第二實施例為例,係設定所述第二間隔角度為0.1度。對應所述疊代角度範圍(-7度至-13度以及17度至23度)之所述複數追蹤函數,係以所述第二間隔角度(0.1度)為單位,依序與所述雜訊矩陣輸入至所述第三運算模型,讓所述第三運算摸型透過正交運算方式,依序進行對應所述疊代角度範圍(-7度至-13度以及17度至23度)的所述複數追蹤函數,與所述雜訊矩陣之角度疊代,以得到所述精準目標角度(-12度及21度)。
其中,請參閱圖5,經過所述第三運算模型疊代後,係可取得所述角度與功率之曲線,由於第一物體3a的所在角度為-12度及第二物體3b的所在角度為21度,因此所述曲線僅會在-12度及21度的位置,有明顯的最高峰值表示-12度及21度為所述精準目標角度。
如上所述,如圖4所示,於第二實施例中,車用雷達1係可透過本發明之步驟S1至步驟S4,偵測到有一個所在的角度為-12度之第一物體3a以及所在的角度為21度之第二物體3b,且其餘角度並無其他物體。
更進一步的,請參閱圖6,於本發明其他實施例中,經過本發明之步驟S1至步驟S4的計算後,得到所述曲線在角度為-1度及1度的位置,有明顯的最高峰值,代表角度為-1度及1度的位置各別有一個所述目標物。更詳而言之,如圖6所示,代表利用本發明之方法,即使所述目標物之間的角度非常相近(角度為-1度及1度),所述曲線仍可以精準的在對應的角度位置(角度為-1度及1度),呈現有明顯的最高峰值,因此使用者可直接透過所述曲線,快速且明確的得知在角度為-1度及1度的位置各別有一個所述目標物。
藉此,本發明具有以下優點:
1.本發明透過所述第一運算模型,先進行初步較大範圍的運算,將大部分與所述輸入訊號矩陣無關的角度進行排除,並以此得到所述目標物數量以及所述粗估目標角度,使得本發明的運算速度可進一步的提升。
2.本發明透過所述第二運算模型及所述第三運算模型之組合,將所述粗估目標角度進行更細部的分解,並經過角度疊代,得到所述精準目標角度。使得本發明可達到更精準的判斷所述目標物之位置的目的。
3.本發明運用奇異值分解(SVD)所計算出來的所述雜訊矩陣,以及運用正交運算方式進行角度疊代,使所述第三運算模型所取得之所述曲線,僅會在所述精準目標角度有明顯的最高峰值,以此讓使用者可更清楚的知道所述目標物之角度資訊。
雖然本發明是以一個最佳實施例作說明,精於此技藝者能在不脫離本發明精神與範疇下作各種不同形式的改變。以上所舉實施例僅用以說明本發明而已,非用以限制本發明之範圍。舉凡不違本發明精神所從事的種種修改或改變,俱屬本發明申請專利範圍。
100:利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法
S1~S4:步驟S1a~S1e:步驟
1:車用雷達2:物體
3a:第一物體 3b:第二物體
L:偵測基準線
[圖1]係本發明實施例之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法之流程示意圖。
[圖2]係本發明實施例之步驟S1之細部流程示意圖。
[圖3]係本發明第一實施例之實施狀態示意圖,用於表示目標物只有一個的情況。
[圖4]係本發明第二實施例之實施狀態示意圖,用於表示目標物有兩個以上的情況。
[圖5]係本發明第二實施例之曲線圖,用於表示目標物分別在角度為-12度及角度為21度的位置。
[圖6]係本發明其他實施例之曲線圖,用於表示目標物分別在角度為-1度及角度為1度的位置。
100:利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法
S1~S4:步驟
Claims (16)
- 一種利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其係藉由一陣列天線接收一輸入訊號矩陣,該輸入訊號矩陣為至少一目標物之發射訊號或反射訊號,該方法包含有下列步驟:步驟S1:將該輸入訊號矩陣輸入至一第一運算模型,該第一運算模型根據該輸入訊號矩陣及複數與角度相關的追蹤函數進行一殘值之計算,該第一運算模型預設有一殘留閾值,當該殘值低於或等於該殘留閾值時,該第一運算模型輸出一目標物數量及一對應於目標物所在位置之粗估目標角度;步驟S2:將該目標物數量及該輸入訊號矩陣輸入至一第二運算模型進行奇異值分解,並取得一雜訊矩陣;步驟S3:藉由該步驟S1中所取得之該粗估目標角度取得一疊代角度範圍;以及步驟S4:將該疊代角度範圍所對應的該複數追蹤函數及該雜訊矩陣輸入至一第三運算模型並進行角度範圍的疊代,藉此得到一精準目標角度。
- 如請求項1所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S1中,更包括有一步驟S1a與一步驟S1b,於該步驟S1a中,該第一運算模型係比對該輸入訊號矩陣與該複數追蹤函數有無相關性,若該複數追蹤函數的其中之一與該輸入訊號矩陣沒有相關性,便重複該步驟S1a,進行下一個該複數追蹤函數與該輸入訊號矩陣的相關性比對;若該複數追蹤函數的其中之一與該輸入訊號矩陣有相關性,則進行該步驟S1b:根據有相關性的該複數追蹤函數及該輸入訊號矩陣,進行該殘值之計算。
- 如請求項2所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S1b中,定義與該輸入訊號矩陣有相關性的該複數追蹤函數為一第一追蹤函數,以該第一追蹤函數及該輸入訊號矩陣進行該殘值之計算。
- 如請求項3所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S1中,更包括有一步驟S1c與一步驟S1d,於該步驟S1c中,將該殘值與該殘留閾值進行比對,若該殘值呈一次性的大幅減少,並低於或等於該殘留閾值時,該第一運算模型便取得該目標物數量及該粗估目標角度;若該殘值大於該殘留閾值時,則進行該步驟S1d:進行該殘值的減少幅度比對。
- 如請求項4所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S1d中,若該殘值的減少幅度大於一顯著閾值時,進行一步驟S1e:儲存該第一追蹤函數,並將該輸入訊號矩陣轉換為一與該第一追蹤函數無關的第二輸入訊號矩陣,回到該步驟S1a,進行該第二輸入訊號矩陣與其他該複數追蹤函數之相關性比對;若該殘值的減少幅度小於該顯著閾值時,直接回到該步驟S1a,進行該輸入訊號矩陣與其他該複數追蹤函數之相關性比對。
- 如請求項2所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S1a中,該複數追蹤函數之角度範圍係從-90度至90度,並以一第一間隔角度為單位依序將對應的該複數追蹤函數與該輸入訊號矩陣進行相關性比對。
- 如請求項6所述之利用大型多輸入多輸出陣列天線進行高角度 解析之目標物角度估測方法,其中,該第一間隔角度為該複數追蹤函數之角度範圍的1/18至1/180之間。
- 如請求項3所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S1b中,該第一運算模型係透過最小平方法進行該殘值之運算。
- 如請求項1所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S2中,該輸入訊號矩陣係先轉換為一共異變數矩陣,再與該目標物數量進行奇異值分解。
- 如請求項6所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S3中,係取該粗估目標角度相加及相減一容許角度為該疊代角度範圍。
- 如請求項10所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,該容許角度小於該第一間隔角度。
- 如請求項10所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S4中,係將該疊代角度範圍以一第二間隔角度為單位依序輸入至該第三運算模型,並與該雜訊矩陣進行角度範圍的疊代。
- 如請求項12所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,該第二間隔角度為該疊代角度範圍的1/10至1/100之間。
- 如請求項1所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S4中,該第三運算模型係透過正 交運算方式,進行該疊代角度範圍與該雜訊矩陣的疊代。
- 如請求項1所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,於該步驟S4中,經過該第三運算模型疊代後可取得一角度與功率之曲線,而該曲線上之最高峰值所對應之角度為該精準目標角度。
- 如請求項1所述之利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法,其中,該輸入訊號矩陣係由設置於車體之雷達陣列天線經過目標物之反射訊號而得。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110139954A TWI813046B (zh) | 2021-10-27 | 2021-10-27 | 利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法 |
US17/728,381 US20230128625A1 (en) | 2021-10-27 | 2022-04-25 | Method for estimating object angle with high-angle analysis using large-scale mimo array antenna |
CN202210466777.1A CN116027330A (zh) | 2021-10-27 | 2022-04-29 | 利用大型阵列天线进行高角度解析的目标物角度估测方法 |
DE102022117030.6A DE102022117030A1 (de) | 2021-10-27 | 2022-07-08 | Verfahren zum Ermitteln und zur flächenübergreifenden Analyse von Zielobjektwinkel unter Verwendung einer großflächigen Array-Antenne mit mehreren Eingängen und mehreren Ausgängen |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110139954A TWI813046B (zh) | 2021-10-27 | 2021-10-27 | 利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202206844A TW202206844A (zh) | 2022-02-16 |
TWI813046B true TWI813046B (zh) | 2023-08-21 |
Family
ID=81323555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110139954A TWI813046B (zh) | 2021-10-27 | 2021-10-27 | 利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230128625A1 (zh) |
CN (1) | CN116027330A (zh) |
DE (1) | DE102022117030A1 (zh) |
TW (1) | TWI813046B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI834271B (zh) * | 2022-09-01 | 2024-03-01 | 為昇科科技股份有限公司 | 高解析天線陣列系統 |
CN116908834B (zh) * | 2023-09-06 | 2023-11-24 | 齐鲁工业大学(山东省科学院) | 基于毫米波雷达的多目标定位跟踪方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760546A (zh) * | 2014-01-23 | 2014-04-30 | 西安电子科技大学 | 一种雷达用低空目标波达方向估计方法 |
US20150097717A1 (en) * | 2013-10-07 | 2015-04-09 | National Chiao Tung University | Method and electronic apparatus for angle estimation verification |
CN108828504A (zh) * | 2018-03-30 | 2018-11-16 | 西安电子科技大学 | 基于部分相关波形的mimo雷达目标方向快速估计方法 |
US20190064339A1 (en) * | 2017-08-30 | 2019-02-28 | Wistron Neweb Corporation | Angle Estimating Method and Radar System |
US20190068273A1 (en) * | 2016-04-12 | 2019-02-28 | Mitsubishi Electric Corporation | Receiving apparatus and receiving method, and program and recording medium |
CN111220977A (zh) * | 2020-01-16 | 2020-06-02 | 深圳大学 | 基于角度及频率域滤波的似然music低仰角估计方法 |
US20200256949A1 (en) * | 2019-02-13 | 2020-08-13 | National Chiao Tung University | Signal processing method |
US20210025972A1 (en) * | 2018-06-21 | 2021-01-28 | Robert Bosch Gmbh | Method for calibrating a mimo radar sensor for motor vehicles |
CN112731326A (zh) * | 2020-12-24 | 2021-04-30 | 深圳大学 | 非高斯噪声下的雷达信号波形与目标角度联合估计方法 |
CN113093136A (zh) * | 2021-03-31 | 2021-07-09 | 桂林电子科技大学 | 一种频率分集阵列雷达去目标位置模糊成像方法 |
-
2021
- 2021-10-27 TW TW110139954A patent/TWI813046B/zh active
-
2022
- 2022-04-25 US US17/728,381 patent/US20230128625A1/en active Pending
- 2022-04-29 CN CN202210466777.1A patent/CN116027330A/zh active Pending
- 2022-07-08 DE DE102022117030.6A patent/DE102022117030A1/de active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150097717A1 (en) * | 2013-10-07 | 2015-04-09 | National Chiao Tung University | Method and electronic apparatus for angle estimation verification |
CN103760546A (zh) * | 2014-01-23 | 2014-04-30 | 西安电子科技大学 | 一种雷达用低空目标波达方向估计方法 |
US20190068273A1 (en) * | 2016-04-12 | 2019-02-28 | Mitsubishi Electric Corporation | Receiving apparatus and receiving method, and program and recording medium |
US20190064339A1 (en) * | 2017-08-30 | 2019-02-28 | Wistron Neweb Corporation | Angle Estimating Method and Radar System |
CN108828504A (zh) * | 2018-03-30 | 2018-11-16 | 西安电子科技大学 | 基于部分相关波形的mimo雷达目标方向快速估计方法 |
US20210025972A1 (en) * | 2018-06-21 | 2021-01-28 | Robert Bosch Gmbh | Method for calibrating a mimo radar sensor for motor vehicles |
US20200256949A1 (en) * | 2019-02-13 | 2020-08-13 | National Chiao Tung University | Signal processing method |
CN111220977A (zh) * | 2020-01-16 | 2020-06-02 | 深圳大学 | 基于角度及频率域滤波的似然music低仰角估计方法 |
CN112731326A (zh) * | 2020-12-24 | 2021-04-30 | 深圳大学 | 非高斯噪声下的雷达信号波形与目标角度联合估计方法 |
CN113093136A (zh) * | 2021-03-31 | 2021-07-09 | 桂林电子科技大学 | 一种频率分集阵列雷达去目标位置模糊成像方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102022117030A1 (de) | 2023-04-27 |
CN116027330A (zh) | 2023-04-28 |
TW202206844A (zh) | 2022-02-16 |
US20230128625A1 (en) | 2023-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI813046B (zh) | 利用大型多輸入多輸出陣列天線進行高角度解析之目標物角度估測方法 | |
WO2013140747A1 (ja) | レーダ装置 | |
US20220035019A1 (en) | Signal processing method, radar system, and vehicle | |
EP3988961A1 (en) | Radar system with modified orthogonal linear antenna subarrays | |
US9715014B2 (en) | Antenna array, radar system, vehicle and method | |
US11709246B2 (en) | Radar apparatus | |
WO2021129581A1 (zh) | 一种信号处理方法及装置 | |
US20200088867A1 (en) | Method, Apparatus and Device for Doppler Compensation in a Time Switched MIMO Radar System | |
EP4288795A2 (en) | Apparatus, system, and method of generating radar target information | |
CN114384529A (zh) | 一种基于移动平台的多基地多目标定位方法及系统 | |
EP4043919A1 (en) | Angle-finding process for sparse uniform arrays | |
US20220214425A1 (en) | Radar apparatus, system, and method | |
CN113325363A (zh) | 确定波达方向的方法、装置及相关设备 | |
TWI775659B (zh) | 用於多輸入多輸出系統的高角度解析處理方法 | |
US20240103151A1 (en) | Multiple-Target, Simultaneous Beamforming for Four-Dimensional Radar Systems | |
EP4382962A1 (en) | An ego velocity estimator for radar systems | |
CN115276727B (zh) | 用于多输入多输出(mimo)系统的独立发射和接收信道校准 | |
US20230384440A1 (en) | Super-Resolution Based on Iterative Multiple-Source Angle-of-Arrival Estimation | |
KR101413010B1 (ko) | 무인 수중 운동체 수중 회수 시스템 및 그 회수 방법 | |
CN113030933B (zh) | 雷达的目标方位角计算方法、雷达装置及可读存储介质 | |
CN113115437A (zh) | 定位标签与基站前后位置关系判定方法及系统 | |
Hattori et al. | MAP estimation using two temporally consecutive data for ultrasonic sensor arrays | |
CN117111008A (zh) | 基于迭代多源到达角估计的超分辨率 | |
KR20240048809A (ko) | 레이더 제어 장치 및 제어 방법 | |
WO2020097903A1 (zh) | 测角方法以及雷达设备 |