雷达系统、雷达信号处理装置、车辆行驶控制装置以及方法及电脑程序的制作方法
【技术领域】
[0001] 本发明设及一种通过雷达识别一台或多台前方行驶车辆的配置的技术。
【背景技术】
[0002] W往，在车载雷达系统中使用利用FMCW (Rrequen巧Modulated Continuous Wave :频率调制连续波）雷达、多频率CW(Continuous Wave :连续波）雷达W及脉冲雷达的 方式的电子扫描式雷达。在运样的雷达系统中，一般地，将被调制的连续波或脉冲波作为 "发送波"从发送天线放射，将通过前方行驶车辆反射而返回到接收天线的入射波作为"接 收波"接收。然后，基于利用接收波的天线信号（接收信号）推断前方行驶车辆的位置W及 速度。W搭载有雷达系统的车辆为基准，通过到前方行驶车辆的距离W及前方行驶车辆的 方向规定前方行驶车辆的位置。另外，在本说明书中，将搭载有雷达系统的车辆称为"本车 辆"，将行驶在本车辆前面的车辆称为"前方行驶车辆"。"前方行驶车辆"行驶在与本车辆行 驶的车道相同的车道上或与该车道相邻的同一方向的车道上。
[0003] 在车载雷达系统中，前方行驶车辆的"方向"可W通过包含道路的面（近似"平 面"）内的方位（azimuth)规定。因此，在本说明书中，对于被雷达探测的物体，存在将"方 向（direction)"与"方位（azimuth)"作为相同含义的用语来使用的情况。 阳004] 前方行驶车辆的方向能够用入射波的入射方向值0A direction Of Arrival)」的 角度表示。在雷达技术的领域中，像前方行驶车辆那样反射发送波的物体有时被称为"目标 (target)"。目标作为"反射波"的波源发挥功能。目标为到达至接收天线的波、即接收波 的信号源。
[0005] 在车载用的雷达系统中，追求使用小型且价格低廉的天线。例如将四个或五个天 线元件作为构成构件的阵列天线用作接收用天线。在阵列天线中，根据天线元件的排列方 式有直线阵列式、平面阵列式、环形阵列式W及共形阵列式。
[0006] 若基于从运样的阵列天线的各天线元件获得的接收信号，能够通过信号处理技 术，推断反射发送波的物体的方位（入射方向）。然而，在反射发送波的物体的个数为多个 时，通过各个物体产生的反射波W不同的角度入射到接收天线上。因此，从接收天线生成多 个入射波重叠的复杂的信号。并且，在车载雷达系统中，物体的配置关系W及距离相对于阵 列天线动态变化。因此，为了基于阵列天线的接收信号正确推断一台或多台前方行驶车辆 的各方位，需要使用电脑高速进行庞大的运算。
[0007] 为了推断入射方向，提出了处理阵列天线的接收信号的各种算法的方案。公知的 入射方向推断算法包括W下方法（参照专利文献1及2)。
[0008] (1)数字波束（DBF :Digital Beam Former)法
[0009] (2) Capon 法
[0010] 做线形预测法 柳川 （4)最小范数法
[0012] (5)MUSIC(M叫tiple SI即al Classification:多重信号分类）法
[0013] (6)ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques:利用旋转不变因子技术来推断信号参数）法
[0014] 一般地，方向推断的角度分辨率越高，信号处理所需的运算的量就越大。在上述的 入射方向推断方法（1)到（6)中，角度分辨率W从方法（1)到方法（6)的顺序变高，运算量 增加。角度分辨率特别高的MUSIC法W及ESPR口法也被称为"超分辨率算法"，对阵列天线 的接收信号需要高速进行运算量较多的处理。具体来说，根据超分辨率算法，从各阵列天线 的接收信号的数据作成自相关矩阵。然后，通过该自相关矩阵的特征值展开（eigenvalue decomposition)来推断接收波的入射方向。矩阵的特征值展开指的是将矩阵分解成在对角 成分中具有特征值的对角矩阵，也被称为"特征值分解"。在进行自相关矩阵的特征值展开 时，求自相关矩阵的特征值W及特征矢量（例如专利文献3)。
[0015] 入射方向的推断精度随着去除自相关矩阵的噪声成分而提高。因为遍历性，能 够使总体均值与时间平均值相等，因此用接收数据的时间平均值作成自相关矩阵。例如， 在FMCW雷达中，优选尽量使差频信号的数据组（能够转换成频率区域的数据的恒定时间区 间的时间序列数据）的样本数、即快照数目多，来使用平均化的自相关矩阵。因此，为了在 前方行驶车辆的位置可W总是变化的情况下提高入射方向推断的精度，需要进行高速的抽 样，被抽样的数据的存储器容量也增大。
[0016] 在先技术文献
[0017] 专利文献
[0018] 专利文献1 :日本特开2009-156582号公报
[0019] 专利文献2 :日本特开2006-275840号公报
[0020] 专利文献3 :日本特开2006-047282号公报
[0021] 专利文献4 :日本特开2007-040806号公报
[0022] MUSIC等超分辨率算法的运算处理量较多。为了与运样的运算处理量相对应，需要 高速动作、且高价的车载用微处理器。从运样的情况出发，进行了用于降低运算处理量的尝 试，W使性能相对较低的微处理器也可W工作（例如，参照专利文献4)。
[0023] 然而，即使通过专利文献4等技术降低了运算处理量，处理量也依然很多。因此， 需要一种能够利用于车载用雷达、将处理量抑制得更低的识别目标的技术。
【发明内容】
[0024] 本发明的例示性的雷达系统构成为包括：阵列天线，其具有分别响应一个或多个 入射波而输出接收信号的多个天线元件；W及信号处理电路，其构筑有已学习完的神经网 络，所述信号处理电路构接收所述接收信号，将所述接收信号或从所述接收信号生成的二 次信号向所述神经网络输入，用所述接收信号或所述二次信号、W及所述神经网络的学习 数据进行运算，从所述神经网络输出表示所述入射波的个数的信号。
[0025] 根据本发明的例示性的雷达系统，能够将接收信号或从所述接收信号生成的二次 信号向已学习完的神经网络输入，来获得表示入射波的个数的信号。神经网络的运算所需 的运算处理量与MCUSIC等超分辨率算法所需的运算处理相比是相对非常少的，并且，通过 预先充分地进行神经网络的学习，能够提高入射波的个数的判断精度。
[00%] 在某方式中，将上述入射波的个数作为表示前方行驶车辆的配置的信息进行获 取。
【附图说明】
[0027] 图1为示出利用本发明的车辆的识别处理的步骤的图。
[0028] 图2的（a)为示出具有直线状配置的Μ个天线元件的阵列天线AA与多个入射波 k化为1到Κ的整数）的关系的图，图2的化）为示出接收第k个入射波的阵列天线ΑΑ的 图。
[0029] 图3为示出一般的层次型神经网络的结构模型的图。
[0030] 图4为示出高斯型核函数的波形的概要的图。
[0031] 图5的（a)、化）、（C)、（d)为示出本车辆5行驶在第一车道时的前方行驶车辆 巧-1) W及/或巧-2)的行驶情况和教师信号Τι的图。 阳03引图6的（a)、化）、（C)、（d)为示出本车辆5行驶在第二车道时的前方行驶车辆 巧-1) W及/或巧-2)的行驶情况和教师信号T2的图。
[003引图7的（a)、化）、（C)、（d)、（e)为本车辆5行驶在S个车道中的中央车道时的前 方行驶车辆巧-1)、巧-2) W及/或巧-3)的行驶情况和教师信号T3的图。
[0034] 图8为示出学习处理的步骤的流程图。
[0035] 图9为示出前方行驶车辆的识别处理的步骤的流程图。
[0036] 图10为示出利用本发明的车辆行驶控制装置1的基本构成的一个例子的框图。
[0037] 图11为示出利用本发明的车辆行驶控制装置1的基本构成的其他例子的框图。
[0038] 图12为用于详细地说明本发明的更加具体的实施方式的框图。
[0039] 图13为示出本实施方式的雷达系统100的更加详细的构成例的框图。
[0040] 图14为示出基于Ξ角波生成电路生成的信号调制的发送信号的频率变化的图。
[0041] 图15为示出"上行"期间的拍频化化及"下行"期间的拍频fd的图。
[00创图16为示出通过具有处理器PR W及存储器装置MD的硬件实现信号处理电路30 的方式的框图。
[0043] 图17为示出作为向神经网络的输入不利用差频信号的雷达系统100a的构成例的 框图。 W44] 图18为示出车辆行驶控制装置1 (图12)的处理步骤的流程图。 W45] 图19为示出利用SAGE法的入射方向推断处理的步骤的流程图。
[0046] 标号说明
[0047] 1车辆行驶控制装置
[0048] 10雷达天线
[0049] 11i、1!2、…、叫天线元件
[0050] 20、20a收发电路
[0051] 21 Ξ角波生成电路 阳化 2] 22 VC0 阳05引 23分配器 阳054] 24混频器 阳化5] 25、25a滤波器
[0056] 26、26a 开关
[0057] 27、27a A/D 转换器 阳05引 28控制器
[0059] 30、30a信号处理电路 W60] 31存储器
[0061] 32接收强度计算部 阳0创 33距离检测部 阳〇6引 34速度检测部
[0064] 35 DBF (数字波束形成）处理部 W65] 36方位检测部
[0066] 37目标转移处理部
[0067] 50车载摄像头 W側 52图像处理电路
[0069] 60行驶支援电子控制装置
[0070] 82 电脑 阳07U 84数据库 阳0巧 80通信设备
[0073] 100、100a 雷达系统
[0074] 300雷达信号处理装置 阳0巧]400、400a物体检测装置 阳076] 500车载摄像头系统
[0077] AA阵列天线 阳〇7引 TA发送天线
[0079] 順神经网络
[0080] AU入射方向推断单元 W81] PR处理器
[0082] MD存储器装置
[0083] 化"上行"期间的拍频
[0084] fd "下行"期间的拍频 阳0化]Si、S2、...，Βμ接收信号
[0086] Θ剧Θ Κ入射方向的角度
【具体实施方式】
[0087] <用语说明>
[0088] "车辆"为包括产生用于行驶的驱动力的发动机W及/或电动机的在道路上行驶的 交通工具（Vehicle)。车辆包括四轮汽车、Ξ轮汽车W及鞍乘式摩托车。车辆行驶的一部分 或全部既可W通过自动控制执行，也可W构成为无人行驶。
[0089] "接收信号"是来自阵列天线的各天线元件的输出信号（包括模拟?数字运两者）。
[0090] "二次信号"意味着处理接收信号而获得的信号。二次信号例如包括：差频信号、 含有相关系数的非对角成分的信号W及解析信号（analytic signal)。在此，"解析信号" 指的是用接收信号（实数成分）与接收信号的正交信号（虚数成分）之和表示的复信号。 接收信号的正交信号例如可W通过希尔伯特变换从接收信号生成。
[0091] "学习数据"为适用于向神经网络各节点的各输入的权重值。
[0092] "入射波"为从目标（波源或信号源）来到阵列天线的电磁波。在阵列天线搭载于 本车辆的前面时，作为入射波的波源发挥功能的目标的典型例子是前方行驶车辆。
[0093] <本申请发明人的想法>
[0094] 在汽车的防碰撞系统和自动驾驶等安全技术中，并排在仅到本车辆相同距离的位 置行驶（并行）的多个车辆（目标）的识别是尤其不可缺少的。在本说明书中，"相同距 离"不仅是完全相同的距离，也包括具有与雷达系统的距离相关的分辨率W下的差值的情 况。在那样的情况下，考虑到对于车辆的识别，推断入射波的方向是必不可少的。
[0095] W往进行的用阵列天线推断入射波的方向的技术W如何正确地确定各入射波的 入射方向（角度）为目的。正确地确定各入射波是因为意味着正确地确定前方行驶车辆的 位置。
[0096] 如上所述，开发了使用自相关矩阵的各种方法，来实现能够W较高的精度确定来 方向的分辨率。然而，用于自相关矩阵的生成W及特征矢量的计算的运算量依然非常多，需 要使用具有与其相符的处理能力的处理器。高性能的处理器成为使成本增加的原因。
[0097] 另外，在使用自相关矩阵的各种方法中，当检测相关高的多个入射波时，需要使用 空间平均法。在计算时，由于阵列天线的阵列的次元减少一个，因此能够检测的入射波数量 也同时减少。虽然 SAGE (Space-Alternating Generalized Expectation-maximization ： 空间交替期望最大化）法等最大似然推断法能够检测相关高的多个入射波，但作为预备知 识需要入射波数量的信息。
[0098] 在将入射波的方向推断技术应用于车载用雷达系统的情况下，优选实现较为高速 的响应。其理由是因为，在道路中，本车辆的位置及速度W及前方行驶车辆的位置及速度时 刻变化，因此需要正确且高速地进行识别。并且，为了进行车辆的防碰撞、碰撞被害减轻W 及车道保持辅助，需要不断用图像传感器W及其他雷达获取周围的信息，来进行各种信号 处理。W进行运样的各种信号处理为目的，不可W无止境地搭载处理能力高的处理器。并 且，即使采用高性能的处理器，也未必能够获得所谓的足够程度的高速响应。因此，对削减 入射方向推断算法的运算量进行了各种研究。
[0099] 本申请发明者们从与W往完全不同的观点研究了用于减少雷达系统的信号处理 所需的运算量的方法。W往，欲W较高的精度识别各入射波的入射方向的理由是因为若利 用其识别结果，则能够正确地掌握前方行驶车辆的台数和位置。然而，最终想获取的信息还 是存在几台前方行驶车辆W及各前方行驶车辆在哪个车道上行驶。
[0100] 本申请发明者们不计算各入射波的入射方向，而是进行了判断前方行驶车辆的台 数W及前方行驶车辆行驶的车道的方法的研究。其结果是，发现若对阵列天线的信号处理 使用神经网络，则即使没有正确地求出各个前方行驶车辆的方向（反射波的入射方向），也 能够直接确定前方行驶车辆的台数W及前方行驶车辆行驶的车道。由此，能够大幅削减用 于掌握前方行驶车辆的行驶情况的所需的信号处理的计算量。 阳1〇U 另外，在通过自适应巡航控制（W下，有时记述为"ACC"。）处理方式行驶的情况 下，若存在表示在同一车道（W及相邻的车道）上是否存在前方行驶车辆的信息W及表示 到前方行驶车辆的距离和前方行驶车辆的速度的信息，则大多没有必要求得