【技术实现步骤摘要】
本主题公开涉及用于训练车辆雷达系统神经网络的高分辨率雷达模拟。
技术介绍
1、车辆(例如，汽车、摩托车、建筑设备、农场设备、自动化工厂设备)包括多个传感器，以提供用于控制其操作方面的信息。一些传感器(例如惯性测量单元、转向角传感器)提供关于车辆的信息，而其他传感器(例如雷达系统、激光雷达系统、相机)提供关于车辆周围物体的信息。雷达系统指示其视野内物体的距离、角度和相对速度。因此，期望提供高分辨率雷达模拟来训练车辆雷达系统神经网络。
技术实现思路
1、在一个示例性实施例中，一种系统包括发射发射信号的雷达系统的发射器，以及基于一个或多个物体对一个或多个发射信号的反射来接收接收信号的雷达系统的接收器。该系统还包括处理器，该处理器利用通过模拟比雷达系统更高分辨率的雷达系统获得的参考数据来训练神经网络，以获得训练的神经网络。经训练的神经网络基于获得和处理车辆中接收的信号来增强对一个或多个物体的检测。基于对一个或多个物体的检测来控制车辆的一个或多个操作。
2、除了这里描述的一个或多个特征之外，处理器模拟更高分辨率的雷达系统，以包括比雷达系统跨越更宽孔径的更多天线或更紧密间隔的天线。
3、除了这里描述的一个或多个特征之外，处理器模拟更高分辨率的雷达系统，以包括比雷达系统更多的发射信号或更紧密间隔的发射信号。
4、除了这里描述的一个或多个特征之外，处理器模拟更高分辨率的雷达系统，以包括比雷达系统更高的带宽。
5、除了这里描述的一个或多个特征之外，处理
6、除了这里描述的一个或多个特征之外，处理器通过从激光雷达系统获得反射点来训练神经网络。
7、除了这里描述的一个或多个特征之外，处理器通过生成反射点来训练神经网络。
8、除了这里描述的一个或多个特征之外，处理器通过以下来训练神经网络：通过处理模拟的接收信号，以获得指示第一组距离(range)、第一组多普勒频率假设和第一组角度假设处的强度的数据立方体，以及通过处理模拟的高分辨率接收信号来获得指示第二组距离、第二组多普勒频率假设和第二组角度假设处的强度的高分辨率数据立方体，第二组距离、第二组多普勒频率假设和第二组角度假设的数量大于第一组距离、第一组多普勒频率假设和第一组角度假设的数量。
9、除了这里描述的一个或多个特征之外，处理器通过向神经网络提供数据立方体并获得神经网络输出来训练神经网络。
10、除了这里描述的一个或多个特征之外，处理器通过获得指示神经网络输出和高分辨率数据立方体之间的匹配的度量并基于该度量更新神经网络的参数来训练神经网络。
11、在另一示例性实施例中，非暂时性计算机可读介质存储指令，当由一个或多个处理器处理时，该指令使得一个或多个处理器实现一种方法。该方法包括获得由雷达系统的发射器发射的一个或多个发射信号被一个或多个物体反射并由雷达系统的接收器接收该接收信号而产生的接收信号。该方法还包括利用通过模拟比雷达系统更高分辨率的雷达系统获得的参考数据训练神经网络，以获得训练的神经网络。经训练的神经网络基于获得和处理车辆中接收的信号来增强对一个或多个物体的检测。基于对一个或多个物体的检测来控制车辆的一个或多个操作。
12、除了这里描述的一个或多个特征之外，该方法还包括模拟更高分辨率的雷达系统，以包括比雷达系统跨越更宽孔径的更多天线或更紧密间隔的天线。
13、除了这里描述的一个或多个特征之外，该方法还包括模拟更高分辨率的雷达系统，以包括比雷达系统更多的发射信号或更紧密间隔的发射信号。
14、除了这里描述的一个或多个特征之外，该方法还包括模拟更高分辨率的雷达系统，以包括比雷达系统更高的带宽。
15、除了这里描述的一个或多个特征之外，该方法还包括通过使用反射点上的雷达系统的参数获得模拟的接收信号，以及通过使用高分辨率雷达系统的高分辨率参数获得模拟的高分辨率接收信号，来训练神经网络。
16、除了这里描述的一个或多个特征之外，该方法还包括通过从激光雷达系统获得反射点来训练神经网络。
17、除了这里描述的一个或多个特征之外，该方法还包括通过生成反射点来训练神经网络。
18、除了这里描述的一个或多个特征之外，该方法还包括通过处理模拟的接收信号以获得指示第一组距离、第一组多普勒频率假设和第一组角度假设处的强度的数据立方体，以及通过处理模拟的高分辨率接收信号以获得指示第二组距离、第二组多普勒频率假设和第二组角度假设处的强度的高分辨率数据立方体，来训练神经网络，第二组距离、第二组多普勒频率假设和第二组角度假设的数量大于第一组距离、第一组多普勒频率假设和第一组角度假设的数量。
19、除了这里描述的一个或多个特征之外，该方法还包括通过向神经网络提供数据立方体并获得神经网络输出来训练神经网络。
20、除了这里描述的一个或多个特征之外，该方法还包括通过获得指示神经网络输出和高分辨率数据立方体之间的匹配的度量来训练神经网络，并基于该度量更新神经网络的参数。
21、当结合附图时，从以下详细描述中，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。
本文档来自技高网...【技术保护点】
1.一种系统，包括:
2.根据权利要求1所述的系统，其中所述处理器被配置为模拟所述更高分辨率的雷达系统，以包括比所述雷达系统跨越更宽孔径的更多天线或更紧密间隔的天线。
3.根据权利要求1所述的系统，其中所述处理器被配置为模拟所述更高分辨率的雷达系统，以包括比所述雷达系统更多的发射信号或更紧密间隔的发射信号。
4.根据权利要求1所述的系统，其中所述处理器被配置为模拟所述更高分辨率的雷达系统，以包括比所述雷达系统更高的带宽。
5.根据权利要求1所述的系统，其中所述处理器被配置为通过使用反射点上的雷达系统的参数获得模拟的接收信号以及通过使用高分辨率雷达系统的高分辨率参数获得模拟的高分辨率接收信号，来训练所述神经网络，并且处理器被配置成通过从激光雷达系统获得反射点来训练神经网络，或者处理器被配置成通过生成反射点来训练神经网络，或者处理器被配置成通过以下来训练神经网络：通过处理模拟的接收信号以获得指示第一组距离、第一组多普勒频率假设和第一组角度假设处的强度的数据立方体，以及通过处理模拟的高分辨率接收信号以获得指示第二组距离、第二组多普勒频率假
6.一种被配置成存储指令的非暂时性计算机可读介质，所述指令当被一个或多个处理器处理时，使得所述一个或多个处理器实现一方法，该方法包括:
7.根据权利要求6所述的非暂时性计算机可读介质，其中所述方法还包括模拟更高分辨率的雷达系统，以包括比所述雷达系统跨越更宽孔径的更多天线或更紧密间隔的天线。
8.根据权利要求6所述的非暂时性计算机可读介质，其中所述方法还包括模拟更高分辨率的雷达系统，以包括比雷达系统更多的发射信号或更紧密间隔的发射信号。
9.根据权利要求6所述的非暂时性计算机可读介质，其中所述方法还包括模拟较高分辨率雷达系统，以包括比所述雷达系统更高的带宽。
10.根据权利要求6所述的非暂时性计算机可读介质，其中该方法还包括通过使用反射点上的雷达系统的参数获得模拟的接收信号以及通过使用高分辨率雷达系统的高分辨率参数获得模拟的高分辨率接收信号，来训练神经网络，并且该方法还包括通过从激光雷达系统获得反射点来训练神经网络，或者该方法还包括通过生成反射点来训练神经网络，或者所述方法还包括通过以下来训练神经网络：通过处理模拟的接收信号以获得指示第一组距离、第一组多普勒频率假设和第一组角度假设处的强度的数据立方体，以及通过处理模拟的高分辨率接收信号以获得指示第二组距离、第二组多普勒频率假设和第二组角度假设处的强度的高分辨率数据立方体，第二组距离、第二组多普勒频率假设和第二组角度假设的数量大于第一组距离、第一组多普勒频率假设和第一组角度假设的数量，通过向神经网络提供数据立方体并获得神经网络输出，以及通过获得指示神经网络输出和高分辨率数据立方体之间的匹配的度量并基于该度量更新神经网络的参数。
...【技术特征摘要】
1.一种系统，包括:
2.根据权利要求1所述的系统，其中所述处理器被配置为模拟所述更高分辨率的雷达系统，以包括比所述雷达系统跨越更宽孔径的更多天线或更紧密间隔的天线。
3.根据权利要求1所述的系统，其中所述处理器被配置为模拟所述更高分辨率的雷达系统，以包括比所述雷达系统更多的发射信号或更紧密间隔的发射信号。
4.根据权利要求1所述的系统，其中所述处理器被配置为模拟所述更高分辨率的雷达系统，以包括比所述雷达系统更高的带宽。
5.根据权利要求1所述的系统，其中所述处理器被配置为通过使用反射点上的雷达系统的参数获得模拟的接收信号以及通过使用高分辨率雷达系统的高分辨率参数获得模拟的高分辨率接收信号，来训练所述神经网络，并且处理器被配置成通过从激光雷达系统获得反射点来训练神经网络，或者处理器被配置成通过生成反射点来训练神经网络，或者处理器被配置成通过以下来训练神经网络：通过处理模拟的接收信号以获得指示第一组距离、第一组多普勒频率假设和第一组角度假设处的强度的数据立方体，以及通过处理模拟的高分辨率接收信号以获得指示第二组距离、第二组多普勒频率假设和第二组角度假设处的强度的高分辨率数据立方体，第二组距离、第二组多普勒频率假设和第二组角度假设的数量大于第一组距离、第一组多普勒频率假设和第一组角度假设的数量，处理器被配置为通过向神经网络提供数据立方体并获得神经网络输出来训练神经网络，并且处理器被配置为通过获得指示神经网络输出和高分辨率数据立方体之间的匹配的度量并基于该度量更新神经网络的参数来训练神经网络。
6.一种被配置成存储指令的非暂时性计算...
【专利技术属性】
技术研发人员：O·比亚勒，Y·海特曼，D·利瓦伊，
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：
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。