使用粒子群优化的用于汽车雷达的稀疏阵列设计的制作方法

本公开的实施例一般涉及操作自主车辆。更具体地，本公开的实施例涉及用于自主驾驶车辆(adv)的雷达的设计。

背景技术：

以自主模式(例如，无人驾驶)操作的车辆可以减轻乘坐者，尤其是驾驶员的一些驾驶相关责任。当以自主模式操作时，车辆可以使用车载传感器导航到各种位置，从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行进。

运动规划和控制是自主驾驶中的关键操作。运动规划和控制操作的准确性和效率很大程度上取决于车辆的传感器。诸如相机、光检测和测距(lidar)单元、雷达等的传感器用于捕获车辆周围环境的视频和电磁图像用于运动规划和控制。例如，汽车雷达发送电磁波并接收来自道路上的目标的反向散射能量。包括来自反射的电磁场的能量的接收到的雷达数据，称为雷达原始数据，可以使用快速傅立叶变换(fft)处理以提取目标的距离、多普勒速度和角度信息。雷达可以包括发射天线元件的阵列或接收天线元件的阵列。从天线元件之间的累积线性间隔确定的天线元件的阵列的大小，称为阵列孔径，与天线波束的波束宽度成反比。阵列孔径越大，波束宽度越小，并且用于辨别目标的天线波束的角分辨率越精细。传统的均匀阵列具有均匀间隔的天线元件。因此，增大传统的均匀阵列的阵列孔径可能需要增加天线元件的数量，这不利地增加了阵列的功率、复杂性和成本。

可替换地，包括非均匀间隔的天线元件的天线，称为稀疏阵列，可以用于汽车雷达，作为增大阵列孔径并因此实现更好的角分辨率而不伴随地增加天线元件的数量的方式。现有的用于设计稀疏阵列的方法包括用于设计最小孔阵列和最小冗余阵列的方法。然而，这些设计方法具有局限性。例如，这些设计方法不支持多输入多输出(mimo)阵列的设计。mimo阵列，除了接收天线元件的阵列之外还包括发射天线元件的阵列，对于汽车应用变得普遍。期望有一种设计方法以设计适用于mimo阵列以及用于汽车雷达的传统的稀疏阵列的任何大小的稀疏阵列。

技术实现要素：

本公开的第一方面实施例提供了一种用于设计包括多个天线元件的稀疏阵列雷达的计算机实现的方法，所述方法包括：针对天线元件的多个随机种子放置中的每一个，确定相应的初始成本函数；从多个随机种子放置中的每一个生成天线元件的多个候选放置；针对多个候选放置中的每一个候选放置，确定相应的成本函数；针对多个随机种子放置中的每一个，如果从由相应的随机种子放置生成的候选放置中选择的局部最优放置具有比相应的随机种子放置的初始成本函数更小的成本函数，将其随机种子放置迭代地更新为局部最优放置；以及从多个局部最优放置和不具有对应的局部最优放置的多个随机种子放置中的任一个中选择具有最小成本函数的最终候选放置。

本公开的第二方面实施例提供了一种非暂时性机器可读介质，具有指令存储在其中，所述指令在由处理器执行时使得处理器执行如本公开的第一方面实施例提供的方法。

本公开的第三方面实施例提供了一种数据处理系统，包括：处理器；连接到所述处理器以存储指令的存储器，所述指令在由所述处理器执行时导致所述处理器执行如本公开的第一方面实施例提供的方法。

附图说明

本公开的实施例通过示例的方式示出并且不限于附图中的图，在附图中相同的附图标记表示相似的元件。

图1是示出根据一个实施例的联网系统的框图。

图2是示出根据一个实施例的自主车辆的示例的框图。

图3a-3b是示出根据一些实施例的由自主车辆使用的感知和规划系统的示例的框图。

图4是示出根据一个实施例的自主驾驶系统的架构的框图。

图5是示出根据一个实施例的用于传统的稀疏阵列的设计方法中的天线元件的初始随机种子放置和天线元件中的一些可以被移动到的相邻网格位置的图。

图6a是示出根据一个实施例的用于mimo阵列的设计方法中的tx天线元件和rx天线元件的初始种子放置以及天线元件的每一个可以被移动到的相邻网格位置的图。

图6b是根据一个实施例的图6a的mimo阵列的虚拟阵列，示出当图6a的物理mimo阵列的元件移动到它们的相邻网格位置时虚拟元件的初始种子放置和虚拟元件的最终移动。

图7是根据一个实施例的设计方法中的用于确定成本函数的针对样本mimo阵列的天线元件的一个放置的作为方位角的函数的样本fft响应。

图8是示出根据一个实施例的使用粒子群优化方法设计稀疏阵列的方法的流程图。

具体实施方式

将参考以下讨论的细节描述本公开的各个实施例和方面，并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各种实施例的全面理解。然而，在某些情况下，为了提供对本公开的实施例的简要讨论，没有描述公知或常规的细节。

说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。

根据一些实施例，公开了一种用于设计具有指定阵列孔径和指定数量的天线元件的用于汽车雷达的稀疏阵列的方法。描述为粒子群优化方法的方法将多个天线元件中的每一个从初始随机种子放置开始移动到候选邻近网格位置的范围，以迭代地搜索在成本函数上改进的天线元件的放置。用于阵列的天线元件每个候选放置的成本函数可以从与候选放置相关联的fft响应的特性确定。方法可以基于随机种子放置在多个候选放置中间搜索具有最低成本函数的候选放置。可以针对大量随机种子放置重复搜索以找到具有与多个随机种子放置的每一个对应的最低成本函数的候选放置。方法可以比较与多个随机种子放置对应的最低成本函数以确定具有最小成本函数的优化的放置。随机种子的数量可以是天线孔径的网格间隔、天线元件的数量和运行搜索的计算机的计算能力的函数。粒子群优化方法有效地搜索可能的阵列放置的空间以找到多个局部最优放置，并且从多个局部最优放置中找到全局最优放置。方法可以用于有效地设计mimo阵列以及用于汽车雷达的任意阵列孔径和天线元件数量的传统的稀疏阵列。

在一个实施例中，公开了一种用于设计包括多个天线元件的稀疏阵列雷达的计算机实现的方法。方法包括生成天线元件的多个随机种子放置。方法还包括为多个随机种子放置中的每一个确定相应初始成本函数。方法进一步包括从多个随机种子放置的每一个生成天线元件的多个候选放置。方法进一步包括为从多个随机种子放置中的每一个生成的多个候选放置中的每一个确定相应成本函数。方法进一步迭代地将多个随机种子放置中的每一个更新为相应局部最优放置。如果局部最优放置具有比随机种子放置的初始成本函数低的成本函数，则从由随机种子放置生成的多个候选放置中选择用于随机种子放置的局部最优放置。方法进一步包括从多个局部最优放置和不具有对应的局部最优放置的多个随机种子放置中的任一个中选择具有最小成本函数的最终放置。

图1是示出根据本公开的一个实施例的自主车辆网络配置的框图。参考图1，网络配置100包括自主车辆101，自主车辆101可以通过网络102通信地连接到一个或多个服务器103-104。尽管示出一个自主车辆，但是多个自主车辆可以通过网络102彼此连接和/或连接到服务器103-104。网络102可以是任何类型的网络，诸如局域网(lan)、广域网(wan)诸如因特网、蜂窝网络、卫星网络、或其组合，有线或无线的网络。服务器103-104可以是任何种类的服务器或服务器群集，诸如web或云服务器、应用服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(mpoi)服务器或位置服务器等。

自主车辆指的是能够被配置为处于自主模式的车辆，在自主模式下，车辆在驾驶员很少或没有输入的情况下导航通过环境。这种自主车辆可包括具有一个或多个传感器的传感器系统，一个或多个传感器被配置为检测关于车辆在其中操作的环境的信息。车辆及其相关联的控制器使用检测的信息导航通过环境。自主车辆101可以以手动模式、完全自主模式或部分自主模式操作。

在一个实施例中，自主车辆101包括但不限于感知和规划系统110、车辆控制系统111、无线通信系统112、用户接口系统113、和传感器系统115。自主车辆101还可包括在普通车辆中包括的某些常见组件，例如引擎、车轮、转向盘、变速器等，这些组件可以被车辆控制系统111和/或感知和规划系统110使用各种通信信号和/或命令(例如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等)控制。

组件110-115可以经由互连、总线、网络或其组合彼此通信地连接。例如，组件110-115可以经由控制器局域网(can)总线彼此通信地连接。can总线是一种车辆总线标准，其被设计为允许微控制器和设备在没有主机的应用中彼此通信。它是基于消息的协议，最初被设计用于汽车内的多路电气布线，但是也用于许多其它环境中。

现在参考图2，在一个实施例中，传感器系统115包括但不限于一个或多个相机211、全球定位系统(gps)单元212、惯性测量单元(imu)213、雷达单元14以及光检测和测距(lidar)单元215。gps系统212可包括可操作以提供关于自主车辆的位置的信息的收发器。imu单元213可基于惯性加速度感测自主车辆的位置和朝向的变化。雷达单元214可以表示使用无线电信号感测自主车辆的局部环境内的对象的系统。在一些实施例中，除了感测对象之外，雷达单元214可以感测对象的速度、范围、角度和雷达截面。lidar单元215可以使用激光感测自主车辆所处的环境中的对象。lidar单元215可包括一个或多个激光源、激光扫描器以及一个或多个检测器，以及其他系统组件。相机211可包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静态相机和/或视频相机。相机可以例如通过将相机安装在旋转和/或倾斜的平台上而是机械可移动的。

传感器系统115还可包括其它传感器，诸如声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如麦克风)。音频传感器可以被配置为捕获来自自主车辆周围的环境的声音。转向传感器可以被配置为感测方向盘、车辆车轮或其组合的转向角。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在一些情况下，油门传感器和制动传感器可以集成为集成的油门/制动传感器。

在一个实施例中，车辆控制系统111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调节车辆的方向或前进方向。油门单元202用于控制电动机或引擎的速度，进而控制车辆的速度和加速度。制动单元203通过提供摩擦力以使车辆的车轮或轮胎变慢来使车辆减速。注意，图2所示的组件可以以硬件、软件或其组合实现。

返回参考图1，无线通信系统112允许在自主车辆101和外部系统，诸如设备、传感器、其他车辆等之间的通信。例如，无线通信系统112可以直接或经由通信网络与一个或多个设备(诸如通过网络102的服务器103-104)无线通信。无线通信系统112可以使用任何蜂窝通信网络或无线局域网(wlan)，例如使用wifi与另一组件或系统通信。无线通信系统112可以例如使用红外链路、蓝牙等直接与设备(例如，乘客的移动设备、车辆101内的显示设备、扬声器)通信。用户接口系统113可以是在车辆101内实现的外围设备的部分，包括例如键盘、触摸屏显示设备、麦克风和扬声器等。

自主车辆101的一些或所有功能可以由感知和规划系统110控制或管理，尤其是当在自主驾驶模式下操作时。感知和规划系统110包括必要的硬件(例如，处理器、存储器、存储设备)和软件(例如，操作系统、规划和路由程序)，以从传感器系统115、控制系统111、无线通信系统112和/或用户接口系统113接收信息，处理接收的信息，规划从起点到目的地点的路线或路径，然后基于规划和控制信息驾驶车辆101。可替换地，感知和规划系统110可以与车辆控制系统111集成在一起。

例如，作为乘客的用户可以例如经由用户界面指定行程的起始位置和目的地。感知和规划系统110获得行程相关的数据。例如，感知和规划系统110可以从mpoi服务器获得位置和路线信息，mpoi服务器可以是服务器103-104的一部分。位置服务器提供位置服务，以及mpoi服务器提供某些位置的地图服务和poi。可替换地，这种位置和mpoi信息可本地缓存在感知和规划系统110的永久存储设备中。

当自主车辆101沿着路线移动时，感知和规划系统110还可以从交通信息系统或服务器(tis)获得实时交通信息。注意，服务器103-104可以由第三方实体操作。可替换地，服务器103-104的功能可以与感知和规划系统110集成在一起。基于实时交通信息、mpoi信息和位置信息，以及由传感器系统115检测或感测的实时局部环境数据(例如，障碍物、对象、附近车辆)，感知和规划系统110可规划最佳路线，并例如经由控制系统111根据规划的路线驾驶车辆101，以安全且高效地到达指定目的地。

服务器103可以是数据分析系统，以执行用于各种客户端的数据分析服务。在一个实施例中，数据分析系统103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆(自主车辆或者是由人类驾驶员驾驶的常规车辆)收集驾驶统计123。驾驶统计123包括指示发出的驾驶命令(例如，油门、制动、转向命令)和由车辆的传感器在不同时间点捕获的车辆的响应(例如，速度、加速度、减速度、方向)的信息。驾驶统计123还可包括描述不同时间点的驾驶环境的信息，诸如路线(包括起始位置和目的地位置)、mpoi、道路状况、天气状况等。

基于驾驶统计123，机器学习引擎122出于各种目的生成或训练一组规则、算法和/或预测模型124。在一个实施例中，算法124可包括用于感知、预测、决策、规划和/或控制过程的规则或算法，这将在下面进一步详细描述。然后，算法124可以被上传到adv上以在自主驾驶期间被实时地使用。

图3a和3b是示出根据一个实施例的与自主车辆一起使用的感知和规划系统的示例的框图。系统300可以被实现为图1的自主车辆101的部分，包括但不限于感知和规划系统110、控制系统111和传感器系统115。参考图3a-3b，感知和规划系统110包括但不限于，定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306和路由模块307。

模块301-307中的一些或全部可以以软件、硬件或其组合来实现。例如，这些模块可以被安装在永久存储设备352中，被加载到存储器351中，以及由一个或多个处理器(未示出)执行。注意，这些模块中的一些或全部可以通信地连接到图2的车辆控制系统111的一些或全部模块或与之集成，模块301-307中的一些可以集成在一起作为集成模块。例如，决策模块304和规划模块305可以集成为单个模块。

定位模块301确定自主车辆300的当前位置(例如，使用gps单元212)并管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如经由用户界面登录并指定行程的起始位置和目的地。定位模块301与自主车辆300的其他组件通信，诸如地图和路线信息311，以获得与行程有关的数据。例如，定位模块301可以从位置服务器和地图与poi(mpoi)服务器获得位置和路线信息。位置服务器提供位置服务，以及mpoi服务器提供某些位置的地图服务和poi，它们可作为地图和路线信息311的一部分被缓存。当自主车辆300沿着路线移动时，定位模块301还可以从交通信息系统或服务器获得实时交通信息。

基于由传感器系统115提供的传感器数据和由定位模块301获得的定位信息，由感知模块302确定对周围环境的感知。感知信息可以表示普通驾驶员将感知到的在驾驶员正在驾驶的车辆周围的情况。感知可包括车道配置(例如，笔直或弯曲的车道)、交通灯信号、的另一车辆的相对位置、行人、建筑物、人行横道或其它交通相关标志(例如，停止标志、让步标志)等，例如以对象形式。车道配置包括描述一个或多个车道的信息，诸如，例如车道的形状(例如，笔直的或弯曲的)、车道的宽度、道路中的车道数量、单向或双向车道、合并或分离车道、驶出车道等。

感知模块302可包括计算机视觉系统或计算机视觉系统的功能，以处理和分析由一个或多个相机捕获的图像，以便识别自主车辆的环境中的对象和/或特征。对象可包括交通信号、车行道边界、其他车辆、行人和/或障碍物等。计算机视觉系统可使用对象识别算法、视频跟踪和其它计算机视觉技术。在一些实施例中，计算机视觉系统可以映射环境、跟踪对象、以及估计对象的速度等。感知模块302还可基于由诸如雷达和/或lidar的其他传感器提供的其他传感器数据检测对象。

对于每个对象，预测模块303预测对象将在该环境下表现什么。鉴于一组地图/路线信息311和交通规则312，基于感知当时驾驶环境的感知数据执行预测。例如，如果对象是在相反方向上的车辆并且当前驾驶环境包括交叉路口，则预测模块303将预测车辆将可能直线向前移动还是转弯。如果感知数据指示交叉路口没有交通灯，则预测模块303可以预测车辆在进入交叉路口之前可能必须完全停止。如果感知数据指示车辆当前处于仅左转弯车道或仅右转弯车道，则预测模块303可预测车辆将更可能分别进行左转弯或右转弯。

对于每个对象，决策模块304作出关于如何处理该对象的决策。例如，对于特定对象(例如，在交叉路线中的另一车辆)以及描述该对象的元数据(例如，速度、方向、转弯角度)，决策模块304决定如何遇到该对象(例如，超车、让行、停止、通过)。决策模块304可根据一组规则，诸如交通规则或驾驶规则312作出这些决策，这组规则可存储于永久存储设备352中。

基于对于每个感知的对象的决策，规划模块305规划用于自主车辆的路径或路线以及驾驶参数(例如，距离、速度和/或转弯角度)。也就是说，对于给定对象，决策模块304决策对该对象做什么，而规划模块305确定如何做。例如，对于给定对象，决策模块304可以决策经过对象，而规划模块305可以确定是在对象的左侧还是右侧经过。规划和控制数据由规划模块305生成，包括描述车辆300在下一个移动周期(例如，下一个路线/路径段)中将如何移动的信息。例如，规划和控制数据可指示车辆300以30英里每小时(mph)的速度移动10米，然后以25mph的速度改变到右车道。

基于规划和控制数据，控制模块306通过根据由规划和控制数据限定的路线或路径向车辆控制系统111发送适当的命令或信号来控制和驾驶自主车辆。规划和控制数据包括足够的信息以沿着路径或路线在不同时间点使用适当的车辆设置或驾驶参数(例如，油门、制动、转弯命令)将车辆从路线或路径的第一点驾驶到第二点。

在一个实施例中，规划阶段在多个规划周期(也称为命令周期，诸如在每100毫秒(ms)的时间间隔内)内执行。对于每个规划周期或命令周期，将基于规划和控制数据发出一个或多个控制命令。也就是说，对于每100ms，规划模块305规划下一个路线段或路径段，例如包括目标位置和adv到达目标位置所需的时间。可替换地，规划模块305还可指定具体速度、方向和/或转向角等。在一个实施例中，规划模块305为下一预定时间段，诸如5秒规划路线段或路径段。对于每个规划周期，规划模块305基于在先前周期中规划的目标位置规划用于当前周期(例如，下一个5秒)的目标位置。然后控制模块306基于当前周期的规划和控制数据生成一个或多个控制命令(例如，油门、制动、转向控制命令)。

注意，决策模块304和规划模块305可以被集成为集成模块。决策模块304/规划模块305可包括导航系统或导航系统的功能，以确定用于自主车辆的驾驶路径。例如，导航系统可以确定一系列速度和定向前进方向，以影响自主车辆沿着基本上避开感知的障碍物的路径的移动，同时大体使自主车辆沿着通向最终目的地的基于车行道的路径前进。目的地可以根据经由用户接口系统113的用户输入设置。当自主车辆在操作时，导航系统可以动态地更新驾驶路径。导航系统可以合并来自gps系统的数据和一个或多个地图，以便确定用于自主车辆的驾驶路径。

决策模块304/规划模块305还可包括防撞系统或防撞系统的功能，以识别、评估和避免或以其他方式越过自主车辆的环境中的潜在障碍物。例如，防撞系统可以通过操作控制系统111中的一个或多个子系统以进行转向操纵、转弯操纵、制动操纵等而引起自主车辆的导航的改变。防撞系统可以基于周围的交通模式、道路状况等自动地确定可行的避障操纵。防撞系统可被配置为使得当其他传感器系统在与自主车辆相邻的其将转向进入的区域中检测到车辆、结构壁垒等时不采取转向操纵。防撞系统可以自动地选择既可用又最大化自主车辆的乘坐者的安全的操纵。防撞系统可以选择被预测为在自主车辆的客舱中引起最小量的加速度的规避操纵。

路由模块307被配置为提供从起点到目的地点的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程，路由模块307获得路线和地图信息311并且确定从起始位置用以到达目的地位置的所有可能的路线或路径。路由模块307可以为它所确定的从起始位置用以到达目的地位置的每条路线生成地形图形式的参考线。参考线是指没有来自诸如其它车辆、障碍物或交通状况的其它的任何干扰的理想路线或路径。也就是说，如果在道路上没有其它车辆、行人或障碍物，则adv应该精确地或紧密地跟随参考线。然后，地形图被提供给决策模块304和/或规划模块305。鉴于由其它模块提供的其它数据(诸如来自定位模块301的交通状况、由感知模块302感知的驾驶环境和由预测模块303预测的交通状况)，决策模块304和/或规划模块305检查所有可能的路线，以选择和修改最佳路线中的一个。取决于在时间点的特定驾驶环境，用于控制adv的实际路径或路线可以接近或不同于由路由模块307提供的参考线。

在一个实施例中，决策模块304基于由路由模块307提供的参考线并且基于由adv感知的障碍物和/或交通信息生成粗略路径剖面。粗略路径剖面可为可存储于永久存储设备352中的路径/速度剖面313的一部分。通过选择沿着参考线的点生成粗略路径剖面。对于点的每一个，决策模块304基于关于如何遇到对象的一个或多个障碍物决策将点移动到参考线的左侧或右侧(例如，候选移动)，而其余点保持稳定。在使用作为图3a的成本函数315的部分的成本函数搜索具有最低路径成本的路径候选时，使用对路径候选的动态规划迭代地执行候选移动，从而生成粗略路径剖面。成本函数的示例包括基于以下的成本：路线路径的曲率、从adv到感知到的障碍物的距离以及adv到参考线的距离。

在一个实施例中，决策模块304基于生成的粗略路径剖面产生粗略速度剖面(作为路径/速度剖面313的部分)。粗略速度剖面指示在控制adv的特定时间点处的最佳速度。类似于粗略路径剖面，鉴于adv感知到的障碍，使用动态规划迭代在不同时间点处的候选速度，以基于作为图3a的成本函数315的部分的成本函数找到具有最低速度成本的速度候选(例如，加速或减速)。粗略速度剖面决定adv是否应该超越或避开障碍物，以及经过障碍物的左侧或右侧。

在一个实施例中，规划模块305鉴于障碍决策和/或人工屏障而重新计算粗略路径剖面，以禁止规划模块305搜索屏障的几何空间。例如，如果粗略速度剖面被确定为从左侧轻触障碍物，则规划模块305可以将屏障(以障碍物的形式)设置到障碍物的右侧，以防止adv从右侧轻触障碍物的计算。在一个实施例中，通过使用二次规划(qp)优化路径成本函数(作为成本函数315的部分)重新计算粗略路径剖面。

在一个实施例中，规划模块305使用二次规划(qp)重新计算粗略速度剖面以优化速度成本函数(作为成本函数315的部分)。可以添加类似的速度屏障约束以禁止qp求解器搜索一些禁止的速度。

注意，如上所示和所述的一些或所有组件可以用软件、硬件或其组合实现。例如，这些组件可以被实现为安装并存储在永久存储设备中的软件，软件可以由处理器(未示出)加载并执行在存储器中以执行贯穿本申请所述的处理或操作。可替换地，这些组件可被实现为编程或嵌入到专用硬件中的可执行代码，专用硬件诸如集成电路(例如，专用ic或asic)、数字信号处理器(dsp)或现场可编程门阵列(fpga)，可执行代码可经由对应的驱动器和/或操作系统从应用进行访问。此外，这些组件可以被实现为处理器或处理器内核中的特定硬件逻辑，作为软件组件经由一个或多个特定指令可访问的指令集的一部分。

图4是示出根据一个实施例的用于自主驾驶的系统架构的框图。系统架构400可以表示如图3a和3b所示的自主驾驶系统的系统架构。参考图4，系统架构400包括但不限于应用层401、规划和控制(pnc)层402、感知层403、驱动器层404、固件层405和硬件层406。应用层401可包括与自主驾驶车辆的用户或乘客交互的用户界面或配置应用，诸如，例如与用户接口系统113相关联的功能。pnc层402可包括至少规划模块305和控制模块306的功能。感知层403可包括至少感知模块302的功能。在一个实施例中，存在包括预测模块303和/或决策模块304的功能的附加层。可替换地，这样的功能可以被包括在pnc层402和/或感知层403中。系统架构400还包括驱动器层404、固件层405和硬件层406。固件层405可以至少表示传感器系统115的功能，其可以以现场可编程门阵列(fpga)的形式实现。硬件层406可以表示自主驾驶车辆的硬件，诸如控制系统111。层401-403可以经由设备驱动器层404与固件层405和硬件层406通信。

图5是示出根据一个实施例的用于传统的稀疏阵列的设计方法中的天线元件的初始随机种子放置和天线元件中的一些可以被移动到的相邻网格位置的图。传统的稀疏阵列可以用于传感器系统115的雷达元件214中。被称为粒子群优化方法的设计方法将多个天线元件中的每一个从初始随机种子放置开始移动到多个候选相邻网格位置，以迭代地搜索天线元件的放置，该放置使用成本函数对初始随机种子放置进行改进。

随着稀疏阵列的天线孔径和天线元件的数量增加以实现由较小波束宽度提供的更好的角分辨率，搜索天线元件的最优放置成指数地变得更加繁重。设计方法的目标是找到天线元件的最优放置，以便以计算有效的方式最小化成本函数。图5显示使用给定阵列孔径的1tx乘8rx传统的稀疏阵列的设计方法。在一个实施例中，可以基于波束的期望波束宽度或期望角分辨率确定阵列孔径。基于阵列孔径，确定表示为元件1和元件8的两个最外面的天线元件之间的线性距离。在一个实施例中，阵列孔径可以以雷达操作频率的波长λ为单位表示。例如，元件1和元件8可以分隔mλ放置，以产生mλ的期望阵列孔径。方法搜索阵列孔径内剩余6个天线元件的放置以最小化成本函数。

在一个实施例中，元件1和元件8之间的距离或阵列孔径可以被分成网格，其中网格间隔提供用于放置剩余6个天线元件的间隔分辨率。网格的数量和网格间隔可以是实现方法的系统的计算能力的函数。在一个实施例中，网格间隔可以是.05-.07λ。使用随机种子，剩余的6个天线元件被随机地放置在网格上，如图5中元件2-7的初始放置所示。基于8个天线元件的初始放置，方法确定天线阵列的fft响应的到达方向。方法可以处理跨目标相对于阵列的方位角的范围的fft响应。

图7是用于待讨论的mimo阵列的样本fft响应，但是显示也与用于图5的传统的稀疏阵列的fft响应相关的特性，fft响应示出跨方位角的范围以db为单位的接收到的功率。中心在0度的主瓣的特征在于3-db波束宽度602。在主瓣的两侧示出接收到的功率较低的旁瓣，其中第一旁瓣的峰值功率比主瓣的峰值功率下降差值604。为了比较阵列的天线元件的各种候选放置的fft响应以找到最优放置，可以定义成本函数。在一个实施例中，成本函数可以是主瓣的3-db波束宽度602和旁瓣的功率电平的函数。例如，成本函数可以是：

成本函数＝α·sl+β·bw

其中α、β是权重，并且任一个可以是零，sl可以是最大旁瓣的功率或所有旁瓣的平均功率，bw是主瓣的3-db波束宽度602。方法通过搜索具有最小成本函数的放置寻求优化天线元件的放置。在一个实施例中，成本函数可以使用主瓣波束宽度的其它测量，诸如第一零点波束宽度、6-db波束宽度等。

返回参考图5，方法可以基于天线元件的随机种子放置确定fft响应的初始成本函数。为了搜索具有较低成本函数的候选放置，方法可以将6个随机放置的天线元件中的一个(即，元件2-7中的一个)移动到相邻区域中的网格，同时保持其他天线元件的位置不变。在一个实施例中，相邻区域可包括天线元件的左侧和右侧的相邻网格。例如，元件2可以被移动到由相邻区域502表示的其正左侧上的网格和其正右侧上的网格，同时将其他元件保持在其当前位置。在一个实施例中，相邻区域可以在元件的每侧上包括多于一个网格。在一个实施例中，相邻区域可以是二维的，例如在方位角和仰角方向上。例如，除了将阵列孔径沿着方位角x方向划分为网格作为元件的可能放置位置之外，还可以沿着仰角y方向放置网格。元件可以被移动到包括在该元件周围的二维区域内的网格。

方法可以基于在相邻区域502中移动元件2的每个候选位置确定阵列的fft响应，同时保持其他元件固定。方法可以确定与针对每个候选放置的fft响应对应的成本函数。对于6个随机放置的天线元件中的每一个，重复这种将一个元件移动到其相邻区域中的网格同时将其他元件保持在它们的初始随机放置的位置、基于每个候选放置确定fft响应、以及确定与fft响应对应的成本函数的操作。例如，元件3、4、5、6和7可以分别移动到相邻区域503、504、505、506和507中的它们相应的左网格和右网格。存在12个元件的候选放置(每个元件2个候选移动乘以6个元件)以及与基于12个候选放置的fft响应对应的12个成本函数。方法可以确定12个成本函数中的最小值，并且将候选放置的最小成本函数与与元件的初始随机种子放置对应的初始成本函数进行比较。如果最小成本函数小于初始成本函数，则方法将阵列放置更新为与最小成本函数对应的候选放置。

从更新的阵列放置开始，方法可以重复以下操作：将一个元件移动到其相邻区域中的网格同时将其他元件保持在它们在最后更新的阵列放置中的当前位置，以获得多个候选放置，基于每个候选放置确定fft响应，确定与每个fft响应对应的成本函数，在与候选放置对应的成本函数中搜索最小成本函数，将找到的最小成本函数与最后更新的阵列放置的成本函数进行比较，并且更新阵列放置，直到最小成本函数不被进一步减小。当候选放置的最小成本函数不小于最后更新的阵列放置的成本函数时，操作停止，并且最后更新的阵列放置的成本函数被确定为随机种子放置的最小成本函数。因此，方法从初始随机种子放置开始迭代地搜索阵列放置的局部最优。

方法可以生成元件2-7的多个随机种子放置，并且可以执行所描述的操作以从每个随机种子放置开始迭代地搜索阵列放置的局部最优。方法可以比较与随机种子放置的每一个对应的相应的局部最优的成本函数，以找到全局最小成本函数。与全局最小成本函数对应的阵列放置可以被确定为阵列元件的最优放置。在一个实施例中，随机种子的数量可以由天线元件的数量和实现方法的系统的计算能力确定。在一个实施例中，为了减少针对每个候选放置确定fft的计算负担，方法可以使用元件的任何冗余间隔以滤除候选放置中的一些以计算所有可能的候选放置的子集。在一个实施例中，候选放置可包括同时将多于一个元件移动到它们的相邻区域。例如，方法可以针对每个候选放置将两个元件移动到它们的相邻区域中的网格。与针对每个候选放置仅移动一个元件相比，因为要移动多个元件的更大数量的可能组合，候选放置的数量可以增加。

图6a是示出根据一个实施例的用于mimo阵列的设计方法中的tx天线元件和rx天线元件的初始种子放置以及天线元件的每一个可以被移动到的相邻网格位置的图。mimo阵列具有3个tx元件和4个rx元件。3个tx元件中的每一个可以发射电磁场，并且来自所有3个tx元件的反射电磁场的能量可以由4个rx元件接收。虽然4个rx元件在本示例中被显示为具有小于tx元件1和tx元件2之间的间隔的孔径，但对于tx和rx元件的相对的放置没有限制，只要mimo阵列的有效孔径小于最大孔径。在一个实施例中，最大孔径是120λ。粒子群优化方法可以应用于其他几何形状的mimo阵列。基于tx和rx元件的相对的几何形状，可以基于mimo阵列确定虚拟阵列以产生有效阵列孔径。

图6b是根据一个实施例的图6a的mimo阵列的虚拟阵列，图6b示出当图6a的物理mimo阵列的元件移动到它们的相邻网格位置时虚拟元件的初始种子放置和虚拟元件的最终移动。虚拟阵列是mimo阵列作为传统的1tx乘n·rx稀疏阵列的虚拟表示，其中n是虚拟rx元件的数量。它被认为是虚拟表示，因为来自虚拟阵列的1个tx元件的n个rx元件的接收到的雷达数据实际上与来自mimo阵列的3个tx元件的4个rx元件的接收到的雷达数据相同。虚拟rx元件1-4的相对放置与图6a的mimo阵列的物理rx元件1-4的相对放置相同。为了得到虚拟rx元件5-8的放置，虚拟rx元件1-4被移位mimo阵列的tx元件1和tx元件2之间的间隔，以考虑mimo阵列的从物理rx元件1-4到tx元件1和从rx元件1-4到tx元件2在几何形状上的差别。类似地，为了得到虚拟rx元件9-12的放置，虚拟rx元件1-4被移位mimo阵列的tx元件1和tx元件3之间的间隔，以考虑从物理rx元件1-4到两个tx元件2和3在几何形状上的差别。

构造的虚拟阵列具有12个虚拟rx元件1-12以产生等效与虚拟rx元件1和虚拟rx元件12之间的距离的有效阵列孔径。注意，mimo阵列的7个物理元件(tx元件1-3和rx元件1-4)现在被虚拟地表示为虚拟阵列的12个虚拟rx元件。mimo阵列的有效阵列孔径也大于mimo阵列的任意物理元件之间的间隔。因此，与等效执行的传统阵列相比，mimo阵列具有使用更少的元件和更紧凑的设计实现期望阵列孔径和期望阵列响应的优点。

返回参考图6a，给定期望有效阵列孔径，可以确定两个最外面的tx元件(即tx元件1和3)之间的线性距离和两个最外面的rx元件(即rx元件1和4)之间的线性距离。例如，如果期望有效阵列孔径是m·λ，则在两个最外面的tx元件之间的线性距离可以是p·λ，以及在两个最外面的rx元件之间的线性距离可以是q·λ,，基于虚拟阵列是如何如上所述通过把rx元件移位mimo阵列的tx元件之间的间隔而被构建使得m·λ＝p·λ+q·λ。p·λ间隔和q·λ间隔可以被分成网格，其中网格间隔提供用于放置tx元件和rx元件的间隔分辨率。方法搜索tx元件和rx元件的放置以最小化成本函数。

在一个实施例中，使用随机种子，tx元件1-3被随机地放置在tx元件的网格上，以及rx元件1-4被随机地放置在rx元件的网格上。方法可以基于初始随机种子放置确定mimo阵列的fft响应，以及可以根据fft响应确定初始成本函数。为了搜索具有比初始成本函数低的成本函数的候选放置，方法可以将tx元件1、2或3中的一个或rx元件1、2、3或4中的一个移动到它们相应的相邻区域702、703、704、705、706、707和708中的网格，同时保持其他元件的放置不变。在这个实施例中，元件中的任一个可以被移动到在它的相邻区域中的网格以搜索候选放置，与其中两个最外面的rx元件的放置在整个搜索中保持固定的图5的传统的阵列形成对照。相邻区域可以在一个或多个维度上，诸如在方位角和仰角方向二者上，包括元件的任一侧上的一个或多个网格。把mimo阵列的物理tx元件或rx元件移动到它的相邻区域的网格可以等效于把一个或多个虚拟rx元件1-12移动到在它们的相邻区域711-722中的网格，如图6b所示。

图7是根据一个实施例的设计方法中的用于确定成本函数的针对样本mimo阵列的天线元件的一个放置的作为方位角的函数的样本fft响应。如上所述，中心在0度处的主瓣的特征在于3-db波束宽度602，并且第一旁瓣从主瓣的峰值功率下降差值604。在一个实施例中，成本函数可以是主瓣的3-db波束宽度602和旁瓣的功率电平的函数。在一个实施例中，成本函数可以使用主瓣波束宽度的其它测量，诸如第一零点波束宽度、6-db波束宽度等。

方法可以确定每个候选放置的fft响应和成本函数。方法可以确定与候选放置对应的成本函数中的最小值，并且如果最小成本函数低于与初始随机种子放置对应的初始成本函数，则可以将阵列放置更新为与最小成本函数对应的候选放置。从更新的阵列放置开始，方法可以通过重复以下操作而从初始随机种子放置开始迭代地搜索阵列放置的局部最优：将一个元件移动到其相邻区域中的网格同时将其他元件保持在它们在最后更新的阵列放置中的当前位置以获得多个候选放置，基于每个候选放置确定fft响应，确定与每个fft响应对应的成本函数，搜索与候选放置对应的成本函数中的最小成本函数，将找到的最小成本函数与最后更新的阵列放置的成本函数进行比较，以及更新阵列放置直到最小成本函数不被进一步减小。

方法可以生成tx元件1-3和rx元件1-4的多个随机种子放置，以从随机种子放置的每一个开始迭代地搜索阵列放置的局部最优。方法可以比较与随机种子放置的每一个对应的相应的局部最优的成本函数以找到全局最小成本函数。与全局最小成本函数对应的阵列放置可以被确定为用于mimo阵列的tx和rx元件的最优放置。

图8是示出根据一个实施例的使用粒子群优化方法设计稀疏阵列的方法的流程图。粒子群优化方法800可以通过处理逻辑执行，处理逻辑可包括软件、硬件或其组合。例如，粒子群优化方法800可以由图2的传感器系统115的雷达元件214执行，粒子群优化方法800可应用于设计传统的和mimo稀疏阵列。

在框803处，方法在网格上为多达n个天线元件生成随机种子放置，该网格的间隔提供了用于放置天线阵列的天线元件的间隔分辨率。方法可以确定天线阵列的孔径大小和天线阵列的天线元件的数量。在一个实施例中，可以基于天线波束的期望波束宽度或期望角分辨率确定阵列孔径。例如，基于阵列孔径，可以确定两个最外面的tx天线元件或两个最外面的rx天线元件之间的线性距离。可以基于阵列的性能、功率和成本之间的权衡确定天线元件的数量。在一个实施例中，n个随机放置的天线元件可以排除被使用以确定阵列孔径的传统的阵列的两个最外面的rx天线元件。在一个实施例中，n个随机放置的天线元件可包括mimo阵列的所有tx和rx元件。

在框805处，方法确定针对具有随机初始放置的天线阵列的fft响应，以及确定与fft响应相关联的初始成本函数。方法可以确定天线阵列的rx元件对来自一个或多个tx元件的电磁场的响应。方法可使用fft处理该响应以生成跨目标相对于阵列的方位角的范围的fft响应。成本函数用作度量以比较来自不同候选放置的fft响应以找到最优放置。在一个实施例中，成本函数可以是主瓣的3-db波束宽度和旁瓣的功率电平的函数。

在框807处，方法识别n个随机放置的天线元件中的一个或多个，并且将识别的天线元件移动到在其相邻区域中的网格，同时保持其他天线元件的放置不变，以生成多个候选放置。方法识别n个随机放置的天线元件的不同组合，并且针对识别的组合中的每一个生成候选放置的组。方法基于每个候选放置确定阵列的fft响应和与fft响应相关联的成本函数。

在框809处，方法在与候选放置对应的成本函数中找到最小成本函数。候选放置包括针对识别的n个随机放置的天线元件的不同组合中的每一个的候选放置的组。

在框811处，方法将候选放置中的最小成本函数与初始成本函数进行比较。如果最小成本函数小于初始成本函数，则在框813处，方法将阵列放置更新为与最小成本函数对应的候选放置，并将初始成本函数更新为最小成本函数。方法返回到框807以识别n个天线元件的子集的不同组合，以便针对候选放置的下一次迭代移动以及确定针对候选放置的下一次迭代的最小成本函数是否小于最后更新的阵列放置的成本函数。

在框815处，如果候选放置中的最小成本函数不小于初始成本函数，则已经找到从初始随机种子放置开始的阵列放置的局部最优。方法确定是否存在n个天线元件的更多随机种子放置要生成。

如果有更多的随机种子放置要生成，则方法返回到框803以生成用于n个天线元件的下一个随机种子放置。方法可以重复框805、807、809、811和813以确定与从随机种子放置的每一个开始的阵列放置的局部最优对应的成本函数。在一个实施例中，随机种子的数量可以由天线元件的数量和实现方法的系统的计算能力确定。

在框817处，如果不再存在随机种子放置要生成，则方法比较与随机种子放置中的每一个对应的相应的局部最优的成本函数以找到全局最小成本函数。

在框819处，方法将阵列放置更新为对应于全局最小成本函数的放置。最终的阵列放置代表所有评估的候选放置中的最佳阵列放置。

数据处理系统可以执行上述任何处理或方法，诸如粒子群优化方法，以搜索天线阵列的元件的最优放置。数据处理系统可包括许多不同的组件。这些组件可以被实现为集成电路(ic)、其部分、离散电子设备、或适于诸如计算机系统的主板或内插式卡的电路板的其它模块、或被实现为以其它方式并入计算机系统的机箱内的组件。

数据处理系统可包括一个或多个处理器、一个或多个存储器以及经由总线连接的设备。处理器可表示一个或多个通用处理器，诸如微处理器、中央处理单元(cpu)等。更特别地，处理器可以是复杂指令集计算(cisc)微处理器、精简指令集计算(risc)微处理器、超长指令字(vliw)微处理器、或实现其它指令集的处理器、或实现指令集的组合的处理器。处理器还可以是一个或多个专用处理器，诸如专用集成电路(asic)、蜂窝或基带处理器、现场可编程门阵列(fpga)、数字信号处理器(dsp)、网络处理器、图形处理器、通信处理器、密码处理器、协处理器、嵌入式处理器或能够处理指令的任何其它类型的逻辑。处理器可以被配置为执行存储在存储器中的指令用于执行本文所讨论的操作和步骤。

本文所述的处理模块/单元/逻辑、组件和其它特征可以被实现为离散硬件组件或者被集成在诸如asic、fpga、dsp或类似设备之类的硬件组件的功能性中。另外，处理模块/单元/逻辑可以被实现为硬件设备内的固件或功能电路。此外，处理模块/单元/逻辑可以以硬件设备和软件组件的任何组合实现。

已经在对计算机存储器内的数据位的操作的算法和符号表示方面呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们的工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。操作是需要对物理量进行物理操纵的那些操作。

然而，应当记住的是，所有这些和类似的术语都与适当的物理量相关联，并且仅仅是应用于这些量的方便的标记。除非特别声明，否则从以上讨论中显而易见的是，应当理解的是，在整个说明书中，使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机系统或类似电子计算设备的动作和处理，其将计算机系统的寄存器和存储器内表示为物理(电子)量的数据操纵和变换成计算机系统存储器或寄存器或其它这样的信息存储、传输或显示设备内的类似地表示为物理量的其它数据。

本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非瞬态计算机可读介质中。机器可读介质包括用于以机器(例如，计算机)可读的形式存储信息的任何机制。例如，机器可读(例如，计算机可读)介质包括机器(例如，计算机)可读存储介质(例如，只读存储器(“rom”)、随机存取存储器(“ram”)、磁盘存储介质、光存储介质、闪存设备)。

在前述附图中描述的过程或方法可以由包括硬件(例如，电路、专用逻辑等)、软件(例如，体现在非暂时性计算机可读介质上)或两者的组合的处理逻辑来执行。尽管以上根据一些顺序操作描述了过程或方法，但是应当理解的是，可以以不同的顺序执行所述的一些操作。此外，一些操作可以并行地而不是顺序地执行。

本公开的实施例不是参考任何特别编程语言描述的。将了解，可使用各种编程语言实施如本文所述的本公开的实施例的教示。

在前述说明书中，已经参考本公开的具体示例性实施例描述了本公开的实施例。显然，在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下，可以对其进行各种修改。因此，说明书和附图应被认为是说明性的而不是限制性的。