【技术实现步骤摘要】
本申请涉及雷达设备以及操作雷达设备的方法。此外，本申请涉及用于训练在这样的雷达设备中使用的机器学习逻辑的训练方法。
技术介绍
1、由于诸如硅锗(sige)和精细几何互补金属氧化物半导体(cmos)工艺等低成本半导体技术的快速发展，毫米波频率范围的应用在过去几年中赢得了人们极大的兴趣。高速双极和金属氧化物半导体(mos)晶体管的可用性已经致使对处于例如24ghz、60ghz、77ghz和80ghz以及超过100ghz的毫米波应用的集成电路的需求不断增长。这样的应用包括例如汽车雷达系统和多吉比特通信系统。
2、在一些雷达系统中，雷达与目标之间的距离是通过以下方式来确定的：发射调频信号(frequency modulated signal)，接收调频信号的反射(也称为回波)，并且基于调频信号的发射与接收之间的时间延迟和/或频率差来确定距离。因此，一些雷达系统包括用于发射射频(rf)信号的发射天线和用于接收反射的rf信号的接收天线，以及用于生成发射信号和用于接收rf信号的相关联rf电路。在一些情况下，可以使用多个天线来使用相控阵技术(phased array technique)来实现定向波束。具有多个芯片组的多输入多输出(mimo)配置也可以用于执行相干和非相干信号处理。
3、除只确定到目标的距离外，在很多应用中，对检测到的目标进行跟踪是期望的，例如，以确定目标如何从雷达帧到雷达帧而移动。虽然在存在单个目标(例如，单个人)的情况下，这是相对直接的，但在场景中存在多个目标(例如，多个人)的情况下，这可能会成为更大
4、用于跟踪的一种方法使用对所获取的雷达数据的数字滤波，例如使用扩展卡尔曼滤波器或无迹卡尔曼滤波器。卡尔曼滤波器或其他数字滤波器可以基于各种参数来执行跟踪。
技术实现思路
1、提供了根据权利要求1所述的雷达设备和根据权利要求9所述的方法。从属权利要求限定了另外的实施例。
2、根据一个实施例，提供了一种雷达设备，该雷达设备包括：
3、被配置为发送雷达信号并且被配置为接收反射雷达信号的雷达前端，
4、被配置为基于所接收的反射雷达信号提供数字雷达数据的处理电路装置，
5、被配置为处理数字雷达数据以获取关于对雷达信号进行了反射的物体的信息的数字滤波器，以及
6、机器学习逻辑，包括：
7、被配置为基于数字雷达数据设置数字滤波器的参数的策略网络，以及
8、包括多个头部(head)的奖励值生成网络，每个头部被配置为：针对由策略网络进行的参数的设置，提供相应期望奖励值，
9、其中雷达设备还被配置为：基于由多个头部生成的期望奖励值的分布(distribution)，检测由雷达设备捕获的场景无法可靠地处理。
10、根据另一实施例，提供了一种方法，该方法包括：
11、发射雷达信号并且接收反射雷达信号；
12、基于所接收的反射雷达信号，提供数字雷达数据；
13、对数字雷达数据进行数字滤波，以获取关于对雷达信号进行了反射的物体的信息；
14、通过机器学习逻辑的策略网络，基于数字雷达数据设置数字滤波的参数；
15、通过包括多个头部的机器学习逻辑的奖励值生成网络，针对由策略网络进行的参数的设置，为多个头部中的每个头部提供相应期望奖励值；以及
16、基于由多个头部生成的期望奖励值的分布，来检测所捕获的场景无法可靠地处理。
17、以上概述仅旨在给出对一些实施例的简要概述，而不应当被解释为限制，因为其他实施例可以包括与上述实施例不同的特征。
本文档来自技高网...【技术保护点】
1.一种雷达设备(100)，包括：
2.根据权利要求1所述的雷达设备(100)，其中所述雷达设备(100)被配置为：基于所述期望奖励值的所述分布与预定义分布参数的比较，来确定由所述雷达设备(100)捕获的所述场景(10、120)无法可靠地处理。
3.根据权利要求1或2所述的雷达设备(100)，其中所述雷达设备(100)被配置为：通过确定期望奖励值中的一个期望奖励值是否位于在所述期望奖励值的均值附近的预定义范围之外，来确定由所述雷达设备(100)捕获的所述场景(10、120)无法可靠地处理。
4.根据权利要求1至3中任一项所述的雷达设备(100)，其中所述多个头部(h1……hn)被配置为：基于所述数字雷达数据(rd、rd2)的噪声，生成相应奖励值。
5.根据权利要求1至4中任一项所述的雷达设备(100)，其中所述机器学习逻辑(14、1407)还包括被配置为基于所述雷达数据生成上下文变量(z、z')的上下文网络(97)，所述上下文变量(z、z')表征由所述雷达设备(100)捕获的场景(10、120)，其中所述奖励值生成网络(22、95、
6.根据权利要求1至5中任一项所述的雷达设备(100)，其中所述信息(td)包括跟踪信息。
7.根据权利要求1至6中任一项所述的雷达设备(100)，其中所述数字滤波器包括卡尔曼滤波器。
8.根据权利要求1至7中任一项所述的雷达设备(100)，其中所述奖励值生成网络(22、95、1202)包括评论家网络。
9.一种操作雷达设备(100)的方法，包括：
10.根据权利要求9所述的方法，其中确定所捕获的场景(10、120)无法可靠地处理包括：将所述期望奖励值的所述分布与预定义分布参数进行比较。
11.根据权利要求9或10所述的方法，其中确定所捕获的场景(10、120)无法可靠地处理包括：确定期望奖励值中的一个期望奖励值是否位于在所述期望奖励值的均值附近的预定义范围之外。
12.根据权利要求9至11中任一项所述的方法，其中为所述多个头部(h1……hn)中的每个头部提供相应期望奖励值包括：基于所述数字雷达数据(rd、rd2)的噪声，生成相应奖励值。
13.根据权利要求9至12中任一项所述的方法，还包括由所述机器学习逻辑(14、1407)的上下文网络(97)基于所述雷达数据(rd、rd2)生成上下文变量(z、z')，所述上下文变量(z、z')表征所捕获的场景(10、120)，其中为所述多个头部中的每个头部提供相应期望奖励值包括：基于所述上下文变量(z、z')，生成相应奖励值。
14.根据权利要求9至13中任一项所述的方法，其中所述信息(td)包括跟踪信息。
15.根据权利要求9至14中任一项所述的方法，其中所述数字滤波包括卡尔曼滤波。
...【技术特征摘要】
1.一种雷达设备(100)，包括：
2.根据权利要求1所述的雷达设备(100)，其中所述雷达设备(100)被配置为：基于所述期望奖励值的所述分布与预定义分布参数的比较，来确定由所述雷达设备(100)捕获的所述场景(10、120)无法可靠地处理。
3.根据权利要求1或2所述的雷达设备(100)，其中所述雷达设备(100)被配置为：通过确定期望奖励值中的一个期望奖励值是否位于在所述期望奖励值的均值附近的预定义范围之外，来确定由所述雷达设备(100)捕获的所述场景(10、120)无法可靠地处理。
4.根据权利要求1至3中任一项所述的雷达设备(100)，其中所述多个头部(h1……hn)被配置为：基于所述数字雷达数据(rd、rd2)的噪声，生成相应奖励值。
5.根据权利要求1至4中任一项所述的雷达设备(100)，其中所述机器学习逻辑(14、1407)还包括被配置为基于所述雷达数据生成上下文变量(z、z')的上下文网络(97)，所述上下文变量(z、z')表征由所述雷达设备(100)捕获的场景(10、120)，其中所述奖励值生成网络(22、95、1202)被配置为：基于所述上下文变量(z、z')，生成相应奖励值。
6.根据权利要求1至5中任一项所述的雷达设备(100)，其中所述信息(td)包括跟踪信息。
7.根据权利要求1至6中任一项所述的雷达设备(100)，其中所述数字滤波器包括卡尔曼...
【专利技术属性】
技术研发人员：J·欧特，A·桑特拉，L·泽瓦德埃，
申请(专利权)人：英飞凌科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。