一种基于毫米波雷达的超分辨角度估计方法技术

本发明专利技术一种基于毫米波雷达的超分辨角度估计方法，包括以下步骤：利用接收天线分别接收发射天线的回波信号获得多阵元采样数据；分别在距离维度和速度维度加入汉宁窗；进行多通道非相干积累提升信噪比；对经过非相干积累的二维矩阵数据作二维CFAR检测，分别在距离维度进行CA

【技术实现步骤摘要】
一种基于毫米波雷达的超分辨角度估计方法


[0001]本专利技术属于雷达
，涉及一种基于毫米波雷达的超分辨角度估计方法。

技术介绍

[0002]随着毫米波器件、高速数字信号处理器以及FMCW(调频连续波)雷达信号处理技术的迅速发展。目前毫米波雷达的多目标检测技术广泛地应用在汽车自动驾驶中，自动驾驶系统主要是对道路目标进行检测，包括静目标、动目标、多个动目标的检测。相对于超声波雷达、激光雷达和汽车光学传感器(如摄像头等)，毫米波雷达凭借探测距离远、分辨率高，受雾、雨、雪等复杂天气影响较小，能全天候、全天时工作等优良特性，更加适用于自动驾驶系统，也逐渐成为自适应巡航、自动紧急制动、前向目标防撞等ADAS的主要传感器。综上所述，为获得更精确的目标信息，针对毫米波雷达多目标检测研究很有必要。
[0003]多输入多输出(MIMO)雷达是一种新概念的雷达，基于MIMO雷达的空间谱估计可以确定处在空间某一区域内多个空间信号的到达方向实现了对目标方位角进行估计。角度估计算法在计算量上耗费资源较大，但是具有高分辨率的特性已经成为了雷达重点研究方向之一
[0004]随着毫米波雷达在高分辨率、高精度探测领域的不断深入，MIMO体制雷达以及DOA超分辨率算法得到了越来越多的学者专家们的关注。对于MUSIC、ESPRIT等早期的DOA估计算法，由于它们都是建立在子空间上的算法，当入射信号为相关信号时，数据协方差矩阵特征值分解后的秩数会小于信号源数，因此此类算法不能准确分辨相干信号。为了解决此类问题，Gunjal提出了用一种新的矩阵来消除或减弱信源之间的相关性，然后通过谱峰估计来得到精确的角度估计值；姚昕彤提出一种基于子空间投影的改进型MUSIC算法，并将改进后的算法与空间平滑算法结合，该算法可以在低信噪比、小快拍数下依旧具有较高的分辨力以及较好的测向效果。

技术实现思路

[0005]为了解决在面对相干信源的情况下MUSIC算法不能准确分辨相干信号的问题，本专利技术提供本专利技术采用的技术方案是：
[0006]一种基于毫米波雷达的超分辨角度估计方法，包括以下步骤：
[0007]步骤1：设置发射天线发射锯齿波信号的参数，利用接收天线分别接收发射天线的回波信号获得多阵元采样数据；
[0008]步骤2：将多阵元采样数据重排得到三维矩阵数据，分别为距离维度数据、速度维度数据和角度维度数据，分别在距离维度和速度维度加入汉宁窗；
[0009]步骤3：根据采样点和脉冲数将加入汉宁窗三维距离维度数据和速度维度数据作二维FFT变换得到二维矩阵数据，进行多通道非相干积累提升信噪比；
[0010]步骤4：对经过非相干积累的二维矩阵数据作二维CFAR检测，分别在距离维度进行CA
‑
CFAR检测，在速度维度进行OS
‑
CFAR检测，获取包含目标的矩阵数据；
[0011]步骤5：由于目标的矩阵数据仍以点云形式存在，使用点迹凝聚方式对目标点进行分辨与聚合，从而形成唯一的目标点迹，将目标所在的距离单元信息和速度单元信息保存；
[0012]步骤6：对目标所在的速度单元进行多普勒补偿，对补偿之后的多阵元数据使用改进前后向Root
‑
MUSIC算法估计目标所在方位角。
[0013]进一步地：所述发射天线与接收天线均为等距线阵；
[0014]等效的天线阵元数为M，假设有K个不同方位的目标，接收信号表示为：
[0015]X(t)＝[X1(t),X2(t),...X
i
(t),...X
M
(t)]T
,i＝1,2,...M
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0016]其中，x
i
(t)＝A
×
S(t)+n(t),A＝[α1(θ1),α2(θ2),...α
K
(θ
K
)]为M
×
K维的接收阵列导向矢量矩阵，S＝[S1(t),S2(t),...S
K
(t)]为K个复包络形式的接收信号的K
×
1维矢量,N＝[n1(t),n2(t),...n
k
(t)]为阵列信号中的M
×
1维噪声矢量。
[0017]进一步地：所述将多阵元采样数据重排得到三维矩阵数据具体如下：根据阵元数、采样点数、脉冲数对采样数据进行数据重排得到三维矩阵数据。
[0018]进一步地：所述二维CFAR检测具体过程为：
[0019]设置参考单元数、保护单元数和尺度因子，在距离维度上使用CA
‑
CFAR算法，在速度维度上使用OS
‑
CFAR算法，判断待检测单元是否为目标点；
[0020]其中CA
‑
CFAR算法具体为：对待检测单元的距离维FFT数据进行均值化处理后，进行背景噪声功率计算，噪声功率与尺度因子相乘后得到检测门限估计值，比较检测门限估计值与待检测单元数据的大小，
[0021]如果待检测单元的数据大于等于检测门限估计值则表示存在目标，如果待检测单元的数据小于检测门限估计值则表示存在目标，否则表示没有有目标；
[0022]OS
‑
CFAR算法具体为：对待检测单元的速度维FFT数据进行排序操作后，取第k个值作为背景噪声功率值，背景噪声功率值与尺度因子相乘后得到检测门限估计值并与待检测单元数据比较大小，如果待检测单元的数据大于等于检测门限估计值则表示存在目标，如果待检测单元的数据小于检测门限估计值则表示没有目标；
[0023]最终输出包含目标的二维矩阵数据。
[0024]进一步地：所述对目标所在的速度单元进行多普勒补偿，对补偿之后的多阵元数据使用改进前后向Root
‑
MUSIC方法估计目标所在方位角的过程如下：
[0025]步骤601：由于运动目标的多普勒效应将产生一个多普勒相位偏移，这种多普勒偏移将会引起测角不准确，将二维矩阵中目标的速度信息提取出来，计算其相位偏移并补偿回二维矩阵中；
[0026][0027]其中，n代表当前速度所在的速度单元索引，N代表全部速度单元；
[0028]步骤602：根据目标的速度单元信息，将三维矩阵中目标所在的速度维度的数据提取出来，根据阵元数和采样点数将数据重排为二维矩阵，将二维矩阵划分为p个相互重叠的前向子阵和p和相互重叠的后向子阵，每个子阵的阵元数为m，分别得到前向数据X
f
(k)和后向数据X
b
(k)。对全部子阵数据的自相关矩阵进行互相关处理，然后对其加和平均可得到改进前后向空间平滑矩阵，其表示为：
[0029][0030]步骤603：令J为m
×
m的反向单位矩阵，使其中表示对R
fb
的复共轭，J矩阵如下：
[0031][0032]步骤604：对协方差矩阵R做特征值分解，得到多个目标特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的超分辨角度估计方法，其特征在于：包括以下步骤：步骤1：设置发射天线发射锯齿波信号的参数，利用接收天线分别接收发射天线的回波信号获得多阵元采样数据；步骤2：将多阵元采样数据重排得到三维矩阵数据，分别为距离维度数据、速度维度数据和角度维度数据，分别在距离维度和速度维度加入汉宁窗；步骤3：根据采样点和脉冲数将加入汉宁窗三维距离维度数据和速度维度数据作二维FFT变换得到二维矩阵数据，进行多通道非相干积累提升信噪比；步骤4：对经过非相干积累的二维矩阵数据作二维CFAR检测，分别在距离维度进行CA
‑
CFAR检测，在速度维度进行OS
‑
CFAR检测，获取包含目标的矩阵数据；步骤5：由于目标的矩阵数据仍以点云形式存在，使用点迹凝聚方式对目标点进行分辨与聚合，从而形成唯一的目标点迹，将目标所在的距离单元信息和速度单元信息保存；步骤6：对目标所在的速度单元进行多普勒补偿，对补偿之后的多阵元数据使用改进前后向Root
‑
MUSIC算法估计目标所在方位角。2.根据权利要求1所述的一种基于毫米波雷达的超分辨角度估计方法，其特征在于：所述发射天线与接收天线均为等距线阵；等效的天线阵元数为M，假设有K个不同方位的目标，接收信号表示为：X(t)＝[X1(t),X2(t),...X
i
(t),...X
M
(t)]
T
,i＝1,2,...M
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，x
i
(t)＝A
×
S(t)+n(t),A＝[α1(θ1),α2(θ2),...α
K
(θ
K
)]为M
×
K维的接收阵列导向矢量矩阵，S＝[S1(t),S2(t),...S
K
(t)]为K个复包络形式的接收信号的K
×
1维矢量,N＝[n1(t),n2(t),...n
k
(t)]为阵列信号中的M
×
1维噪声矢量。3.根据权利要求1所述的一种基于毫米波雷达的超分辨角度估计方法，其特征在于：所述将多阵元采样数据重排得到三维矩阵数据具体如下：根据阵元数、采样点数、脉冲数对采样数据进行数据重排得到三维矩阵数据。4.根据权利要求1所述的一种基于毫米波雷达的超分辨角度估计方法，其特征在于：所述二维CFAR检测具体过程为：设置参考单元数、保护单元数和尺度因子，在距离维度上使用CA
‑
CFAR算法，在速度维度上使用OS
‑
CFAR算法，判断待检测单元是否为目标点；其中CA
‑
CFAR算法具体为：对待检测单元的距离维FFT数据进行均值化处理后，进行背景噪声功率计算，噪声功率与尺度因子相乘后得到检测门限估计值，比较检测门限估计值与待检测单元数据的大小，如果待检测单元的数据大于等于检测门限估计值则表示存在目标，如果待检测单元的数据小于检测门限估计值则表示存在目标，否则表示没有有目标；OS
‑
CFAR算法具体为：对待检测单元的速度维FFT数据进行排序操作后，取第k个值作为背景噪声功率值，背景噪声功率值与尺度因子相乘后得到检测门限估计值并与待检测单元数据比较大小，如果待检测单元的数据大于等...

【专利技术属性】
技术研发人员：陈晓楠，于欣瑶，李姝雅，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：