车辆雷达系统中基于神经网络的射频网络设计技术方案

一种设计雷达系统的方法，包括实施神经网络的监督学习过程，以确定与雷达系统的多个贴片天线中的每一个相对应的权重。多个贴片天线中的每一个都根据权重来确定尺寸。中的每一个都根据权重来确定尺寸。中的每一个都根据权重来确定尺寸。

【技术实现步骤摘要】
车辆雷达系统中基于神经网络的射频网络设计


[0001]本主题公开涉及车辆雷达系统中基于神经网络的射频(RF)网络设计。

技术介绍

[0002]车辆(例如汽车、卡车、建筑设备、农业设备、自动化工厂设备)越来越多地包括传感器，以获得关于车辆及其周围环境的信息。例如，该信息有助于车辆的半自主和自主操作。示例性传感器包括照相机、光探测和测距(激光雷达)系统以及无线电探测和测距(雷达)系统。雷达系统可以包括具有多个贴片天线的射频网络，以接收由雷达系统视野中的一个或多个对象反射发射能量而产生的反射能量。射频网络还包括在附加处理之前处理反射能量的部件。因此，期望在车辆的雷达系统中提供基于神经网络的射频网络设计。

技术实现思路

[0003]在一个示例性实施例中，一种设计雷达系统的方法包括实施神经网络的监督学习过程，以确定对应于雷达系统的多个贴片天线中的每一个的权重。所述多个贴片天线中的每一个都根据权重来确定尺寸。
[0004]除了本文描述的一个或多个特征之外，实施监督学习过程还确定与在雷达系统的射频网络内组合所述多个贴片天线的输出中所使用的多个射频馈线中的每一个相对应的馈线权重。根据馈线权重确定多个射频馈线中的每一个的相对厚度。
[0005]除了本文描述的一个或多个特征之外，实施监督学习过程包括基于与多个代表性贴片天线中的每一个相关联的选定权重，从代表雷达系统的所述多个贴片天线的多个代表性贴片天线中的每一个获得加权输出。监督学习过程的最后一次迭代的选定权重是对应于雷达系统的所述多个贴片天线中的每一个的权重。
[0006]除了本文描述的一个或多个特征之外，实施监督学习过程包括将来自所述多个代表性贴片天线中的两个或多个的加权输出相加，以获得所述多个代表性贴片天线中的每组两个或多个的和，对每个和执行非线性操作以获得非线性输出，在每个非线性操作的输出处基于与每个代表性射频馈线相关联的选定馈线权重，将每个非线性输出加权为加权非线性输出，用于监督学习过程的最后迭代的选定馈线权重是与雷达系统的射频网络的所述多个射频馈线中的每一个相对应的馈线权重。
[0007]除了本文描述的一个或多个特征之外，实施监督学习过程包括执行一个或多个附加组合级别，包括执行由两个或多个非线性操作产生的加权非线性输出的相加，对相加的结果执行下一个非线性操作，以及通过选择附加馈线权重来提供下一个非线性操作的加权结果，以最终提供射频网络的一个或多个输出。
[0008]除了本文描述的一个或多个特征之外，实施监督学习过程包括从一个或多个下变频器获得基带信号。所述一个或多个下变频器中的每一个获得射频网络的一个或多个输出中的一个。
[0009]除了本文描述的一个或多个特征之外，实施监督学习过程还包括进一步处理来自
一个或多个下变频器中的每一个的基带信号，以获得一个或多个对象的位置，所述一个或多个对象的反射能量是来自所述多个代表性贴片天线中的每一个的加权输出的一部分。
[0010]除了本文描述的一个或多个特征之外，作为监督学习过程的一部分，模拟来自所述多个代表性贴片天线中的每一个的加权输出，包括反射能量。
[0011]除了本文描述的一个或多个特征之外，进一步的处理包括使用模数转换器进行滤波、放大和转换。
[0012]除了本文描述的一个或多个特征之外，进一步的处理包括使用检测神经网络。
[0013]除了本文描述的一个或多个特征之外，实施监督学习过程包括获得指示所述一个或多个对象的实际位置的地面实况数据。
[0014]除了本文描述的一个或多个特征之外，实施监督学习过程包括通过将实际位置与基于进一步处理获得的位置进行比较来获得损失。
[0015]除了本文所述的一个或多个特征之外，实施监督学习过程包括在多次迭代的每次迭代中更新每个选定的权重和每个选定的馈线权重，迭代的次数基于损失。
[0016]在另一个示例性实施例中，雷达系统包括多个贴片天线，它们是雷达系统的射频网络的一部分。所述多个贴片天线中的每一个的相对尺寸是不均匀的，并且基于通过神经网络实施的监督学习过程。该雷达系统还包括处理电路，用于基于由所述多个贴片天线接收的反射信号来检测和定位一个或多个对象。
[0017]除了本文描述的一个或多个特征之外，雷达系统还包括作为射频网络和馈电模块的部分的多个射频馈线，以组合来自所述多个贴片天线中的两个或更多个的输出，从而最终提供一个或多个射频网络输出。所述多个射频馈线中的每一个的厚度是不均匀的，并且基于通过神经网络实施的监督学习过程。
[0018]除了本文描述的一个或多个特征之外，雷达系统还包括一个或多个下变频器，所述一个或多个下变频器中的每一个基于一个或多个射频网络输出中的一个提供基带信号。
[0019]除了本文描述的一个或多个特征，雷达系统还包括一个或多个数字信道。所述一个或多个数字信道中的每一个包括功率放大器、滤波器和模数转换器，并且与所述一个或多个下变频器中的一个相对应，以基于由所述一个或多个下变频器中的一个输出的基带信号来提供数字信号。
[0020]除了本文描述的一个或多个特征之外，处理电路基于来自所述一个或多个数字信道中的每一个的数字信号获得所述一个或多个对象中的每一个的位置。
[0021]除了本文描述的一个或多个特征之外，处理电路实施第二神经网络来检测和定位所述一个或多个对象，并且第二神经网络的参数作为由神经网络实施的监督学习过程的一部分被更新。
[0022]除了本文描述的一个或多个特征之外，雷达系统设置在车辆中，并且由雷达系统提供的所述一个或多个对象中的每一个的位置用于控制车辆的操作。
[0023]当结合附图时，根据以下详细描述，本公开的上述特征和优点以及其他特征和优点将变得显而易见。
附图说明
[0024]其他特征、优点和细节仅作为示例出现在以下详细描述中，详细描述参考附图，其
中:
[0025]图1是具有雷达系统的车辆的框图，该雷达系统包括根据一个或多个实施例的基于神经网络的射频(RF)网络设计；
[0026]图2详细描述了根据一个或多个实施例由基于神经网络的射频网络设计产生的示例性雷达系统的各方面；
[0027]图3是根据一个或多个实施例的执行基于神经网络的射频网络设计的方法的过程流程；和
[0028]图4示出了图3所示方法的过程。
具体实施方式
[0029]以下描述本质上仅仅是示例性的，并不旨在限制本公开、其应用或用途。应当理解，在所有附图中，相应的附图标记表示相似或相应的部件和特征。
[0030]如前所述，雷达系统是可用于获取车辆信息的示例性传感器之一。一组贴片天线可用于接收来自一个或多个对象的反射能量，所述一个或多个对象反射从雷达系统发射的发射能量。贴片天线数量的增加提高了信噪比，并扩大了最大可探测范围。贴片天线数量的增加也提供了更大的天线阵列尺寸，因此增加了雷达系统的角度分辨率。然而，执行诸如将接收到的反射频率下变频到基带频率和模数转换等过程的接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种设计雷达系统的方法，所述方法包括:实施神经网络的监督学习过程，以确定与雷达系统的多个贴片天线中的每一个相对应的权重；和根据权重确定所述多个贴片天线中的每一个的尺寸。2.根据权利要求1所述的方法，其中，实施所述监督学习过程还确定与在所述雷达系统的射频网络内组合所述多个贴片天线的输出时使用的多个射频(RF)馈线中的每一个相对应的馈线权重，根据所述馈线权重确定所述多个射频馈线中的每一个的相对厚度。3.根据权利要求2所述的方法，其中，实施所述监督学习过程包括：基于与所述多个代表性贴片天线中的每一个相关联的所选权重，从代表所述雷达系统的所述多个贴片天线的多个代表性贴片天线中的每一个获得加权输出，所述监督学习的最后一次迭代的所选权重是对应于所述雷达系统的所述多个贴片天线中的每一个的权重；并且包括将来自所述多个代表性贴片天线中的两个或更多个的加权输出相加，以获得所述多个代表性贴片天线中的每组两个或更多个的总和；对每个总和执行非线性操作以获得非线性输出；基于与每个非线性操作的输出处的每个代表性射频馈线相关联的所选馈线权重，将每个非线性输出加权为加权非线性输出，监督学习的最后一次迭代所选择的馈线权重是与所述雷达系统的射频网络的所述多个射频馈线中的每一个相对应的馈线权重。4.根据权利要求3所述的方法，其中实施所述监督学习过程包括：执行一个或多个附加的组合级别，所述一个或多个组合级别包括执行由两个或多个非线性操作产生的加权非线性输出的相加；对相加的结果执行下一个非线性操作；以及通过选择附加馈线权重来提供下一个非线性操作的加权结果，以最终提供所述射频网络的一个或多个输出。5.根据权利要求4所述的方法，其中所述所述监督学习过程包括：从一个或多个下变频器获得基带信号，所述一个或多个下变频器中的每一个获得所述射频网络的一个或多个输出中的一个；以及进一步处理来自所述一个或多个下变频器中的每一个的基带信号，以获得一个或多个对象的位置，所述一个或多个对象的反射能量是来自所述多个代表性贴片天线中的每一个的加权输出的一部分，其中来自所述多个代表性贴片天线中的每一个的...

【专利技术属性】
技术研发人员：O比亚勒，N加内特，A乔纳斯，O吉瓦蒂，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：