用于测试目标物体作为单点散射中心的方法与流程
本申请涉及基于车辆的雷达系统和方法，尤其涉及确定目标物体是单点散射中心的程度的方法以及用于执行该方法的系统。
背景技术：
自定位(即确定主车辆的精确位置)是精确自动驾驶或诸如防撞系统之类的驾驶员辅助方案的最重要功能之一。当前的汽车导航系统通常使用gps导航系统来估计车辆位置。然而，由于诸如由建筑物引起的反射和来自卫星的gps信号的遮挡之类的影响，这种gps导航系统不足以实现道路车辆的精确自定位。为了克服这个问题，过去已经详细阐述了许多基于地标的自我定位方法。
众所周知的是为车辆配备雷达系统/模块。这种雷达系统能够检测来自附近的物体的雷达反射(即雷达探测)并处理关于所述雷达反射的数据。通常，当前自定位和映射(slam)过程所需的信息是从雷达模块在多次连续扫描中提供的这种(反射/检测)数据中收集的，以识别例如固定地标。该映射信息随时间更新，并且执行各个基于雷达的地图与gps地图的精确叠加。以这种方式，例如由gps确定的地理位置由来自雷达返回的这种本地数据精确地完善。
因此，为了减少由非精确叠加引入的误差的累积，这些雷达图像的基于地标的对准是优选的解决方案。在基于地标的slam过程中，关键任务是确定环境中(即在车辆附近)的一个或更多个合适的地标(即物体)，其可以作为合适的且高质量的位置参考(锚点)以用于各个地图的精确叠加。
可用的地标确定方法基于例如信杂比、点扩散函数匹配、图像分析(例如通过梯度分析或模板匹配等)、似然比检验、范围区间方差分析或差分干涉图方法。但是，这些方法不适用于汽车环境。地标此前都是从某个视角通过单扫描观察来检查。由于汽车环境的复杂性，这些方法通常不够稳健。
确定物体是否是单点散射中心可以有助于确定地标是否合适，因此目的是确定被测散射中心(sut)是单点散射中心的程度。例如，脉冲多普勒雷达信号处理可用于将反射信号分离成多个“峰值”，这些“峰值”出现在二维(2d)谱域(称为距离多普勒图)中。从多个雷达接收器通道收集的该谱数据用于执行这里提出的单点散射中心测试。
已知若干现有技术可用于确定目标响应是否源自单点散射中心，如ep3144696a1中所述。分析目标响应是否源自单点散射中心的一种方法涉及所测量的雷达响应与相应的所谓的系统相关点扩散函数(psf)之间的(复值)互相关。雷达系统的psf描述了其对理想单点散射目标的响应。如果相关系数低于(例如预定的)阈值，则认为目标不是单点散射中心。
互相关涉及计算复杂性。另外，这种方法不是很灵敏。
技术实现要素：
本发明的一个目的是提供一种方法，该方法使得能够可靠地判断所识别出的目标物体是否是单点散射中心并且具有低计算量。
该目的通过包括权利要求1的特征的方法来实现。
尤其是，提供了一种用于确定目标物体是单点散射中心的程度的基于车辆的方法。该车辆包括雷达系统，该雷达系统包括至少一个雷达发射元件和多个天线接收器元件或通道。所述至少一个发射元件被配置成向目标物体发射雷达信号，而所述多个天线接收器元件中的每一个被配置成接收从目标物体反射的雷达信号。
根据该方法，a)从所述至少一个雷达发射元件向目标物体发射雷达信号，以及b)在接收器元件处接收在步骤a)中发射的信号从目标物体的反射信号。此外，作为步骤c)，执行反射信号的频率变换，以便为所述多个接收器元件中的每一个创建距离多普勒图。
雷达信号通常被“发射”为l个相同波形的序列(其中l是大于1的整数)。在反射的时域信号已经在接收器通道处被下变频并采样之后，它们被布置在二维数据矩阵中。例如，每个单独的反射信号(也称为“差拍信号”)可以存储在包括k个样本的数据矩阵的行中(其中k是大于1的整数)。因此，相应的时域数据矩阵具有l行和k列。通常，数据矩阵通过二维频率变换处理，产生包括所谓的距离多普勒频率“区间”的所谓的距离多普勒图。由于反射雷达信号的多普勒频移是车辆和/或目标物体运动的结果，各距离多普勒频率区间对应于从雷达系统到潜在目标的距离和由目标的相对径向接近速率引起的相对多普勒频移。
根据本发明，为多个接收器元件的距离多普勒图提供了后处理步骤。首先，通过从距离多普勒图中的每一个中选择相应的值作为对应于相应接收器元件的射束向量的元素来生成射束向量(步骤d)。由于反射信号的频率变换通常通过使用复指数的傅立叶变换来执行，因此距离多普勒图包括与频域中的幅度和相位信息相对应的复数值。如果为雷达系统提供n个接收器元件(其中n是大于1的整数)，则在频率变换之后存在n个距离多普勒图，并且射束向量包括n个元素，各元素从对应于接收器元件中的一个的距离多普勒图中选择。
此后，通过傅立叶变换处理光束向量，并且计算由傅立叶变换而得的峰值幅度(步骤e)。该傅立叶变换优选地作为离散傅立叶变换执行，即对于每个离散频率步骤，作为射束向量的元素乘以包括相应频率的相位因子的和。尤其是，对于离散傅立叶变换，使用快速傅立叶变换(fft)的算法。另外，计算参考值，该参考值取决于射束向量的元素(步骤f)。最后，将峰值幅度与参考值进行比较，以确定目标物体是单点散射中心的程度。
参考值对应于作为单点散射中心的物体(即，如上所述产生理想点扩散函数(psf)的物体)的峰值幅度所期望的值。因此，比较步骤g)提供了反射信号与这种理想点扩散函数的偏差的量度。换句话说，相当大的偏差表示目标物体包括多于一个的散射元素。
由于后处理步骤d)至g)主要基于傅立叶变换，因此本发明的方法非常稳健并且具有低计算复杂度并因此具有低计算成本，尤其是与使用互相关的方法相比。此外，该方法非常灵敏，因为单点散射中心的预期峰值被用作参考值，因此可以识别出与预期峰值幅度的小偏差。
在从属权利要求、说明书和附图中描述了本发明的有利实施方式。
根据有利实施方式，该方法的步骤f)包括基于射束向量元素的绝对值之和来计算参考值。在这种情况下，参考值是射束向量元素的幅度的“非相干”总和，即，不考虑由于接收器元件之间的相移引起的幅度的减小，这可能由多于一个的散射目标引起。因此，以这种方式计算出的参考值是可以实现的最大值。因此，由于射束向量的傅立叶变换的任何峰值幅度小于或等于该参考值，因此该方法的灵敏度得到改善。另外，绝对值之和的计算具有非常低的计算复杂度。
根据另一实施方式，步骤g)包括计算所接收到的反射信号的不确定性，并且将该不确定性结合到峰值幅度与参考值的比较中。例如，可以基于特定时间段内反射信号的标准偏差来计算反射信号的不确定性。此后，可以通过使用傅立叶变换的标准定理将计算出的不确定性转换到频域，并且可以确定峰值幅度和/或参考值的相应不确定性。因此，反射信号的不确定性可以用作步骤g)的比较的定义标准，即，当将峰值幅度与参考值进行比较时使用。因此，通过考虑反射信号的不确定性，可以改善根据步骤g)的比较的可靠性。
此外，步骤g)可以包括计算峰值幅度和参考值的相对偏差，并且将该相对偏差与阈值进行比较。通过该比较，为判定目标物体是否是单点散射中心定义明确的标准。如果使用阈值的恒定值，则该判定是“硬”判定。然而，优选地基于反射信号的信噪比来计算阈值。通过阈值的这种“动态”计算，目标物体是否是单点散射中心的判定在某种程度上“软化”。因此，相对偏差与阈值的比较相对于噪声信号变得更加稳健，并且关于目标物体的单个散射行为的判定更加可靠。
优选地，在执行步骤e)之前，即在射束向量的傅立叶变换之前，对射束向量的元素进行归一化，以便评估射束向量的元素的相位。因此，仅考虑射束向量的元素之间的相位变化，即射束向量的元素的所谓“相位轨迹”。结果表明，为了可靠地判定目标物体是否是单点散射中心，仅比较步骤g)就足以分析该射束向量的相位轨迹。因此，可以减少用于执行该方法的计算工作量。
根据另一实施方式，在射束向量元素被归一化之前计算射束向量元素的绝对值。基于这些绝对值的最大值，可以确定第二参考值，其可以在步骤g)中用于与由傅立叶变换而得的峰值幅度的额外比较。因此，通过使用该第二标准，改善了比较步骤g)的可靠性。
优选地，步骤d)包括：从例如在积分的(例如，非相干积分的)距离多普勒图中确定的局部幅度最大值(“峰值”)的频率位置处的n个单独的距离多普勒图中提取对应于射束向量的元素的相应值(例如，n个相应的复值)。尤其是，这种非相干积分(nci)距离多普勒图可以形成为从雷达系统的各个接收器元件或通道中提取的n个可用距离多普勒图的非相干平均值。
本发明的另一主题是基于车辆的雷达系统，其包括如上所述的至少一个雷达发射元件和多个天线接收器元件以及被配置成将发射信号输出到所述至少一个雷达发射元件并接收来自所述多个天线接收器元件的信号的控制器。另外，控制器还被配置成执行如上所述的确定目标物体是单点散射中心的程度的方法。
附图说明
下面通过示例参考有利实施方式和附图来描述本发明。在附图中，
图1是根据本发明的实施方式的基于车辆的雷达系统；
图2是根据本发明的另一实施方式的方法的流程图；
图3a和图3b是由本发明方法产生的单个散射物体的结果的示例；
图4a、图4b和图4c是由本发明方法产生的源自两个散射物体的信号的叠加结果的示例；以及
图5a、图5b和图5c是由本发明方法产生的源自两个散射物体的信号的叠加的结果的另一示例。
具体实施方式
图1示出了基于车辆的雷达系统，以下称为系统10。该系统10包括天线阵列12，其包括至少一个发射元件14和接收元件阵列，以下称为多个天线16。已经认识到，构成天线阵列12的天线元件中的一个或更多个可用于发射雷达信号18并输出表示由该系统10的视野中的第一物体24a或第二物体24b反射的反射雷达信号20的检测信号30。在该示例中，发射元件14和多个天线16被图示为不同的元件仅是为了简化系统10的说明。如果第一和第二物体(目标物体)是静止的并且它们是单点散射中心，则它们可以适合作为地标，例如a用于自定位和映射(slam)过程。
系统10包括控制器26，该控制器26被配置成将发射信号28输出到发射元件14，并且被配置成从各天线接收检测信号30，例如来自第一天线16a的第一信号30a和来自第二天线16b的第二信号30b。检测信号30中的每一个对应于由多个天线16中的每一个检测到的反射雷达信号20。控制器26包括处理器27，例如微处理器、数字信号处理器或其它控制/信号调节电路，例如模拟和/或数字控制电路，包括用于处理数据的专用集成电路(asic)。控制器26包括存储器(未示出)，包括非易失性存储器，例如用于存储一个或更多个例程、阈值和捕获的数据的电可擦除可编程只读存储器(eeprom)。处理器27执行一个或更多个例程以执行用于确定控制器26所接收到的检测信号30是否指示存在第一物体24a和/或第二物体24b的步骤(如下面参照图2所述)。
此外，控制器26包括接收器29，该接收器29被配置成接收来自各天线(例如，第一天线16a和第二天线16b)的对应于由多个天线16中的每一个检测到的反射雷达信号20的天线信号(例如，第一信号30a和第二信号30b)。控制器26可以包括混频器(未示出)和本地振荡器(未示出)，以便解调检测到的信号30。混频器和本地振荡器可以是接收器29的一部分。
为了满足客户指定的汽车雷达系统的角度分辨率要求，这种系统通常使用具有相对窄的发射和接收射束宽度的天线来在视野中扫描物体。发射元件14在视野22中朝向第一物体24a和/或第二物体24b辐射或发射雷达信号18，并且多个天线16中的每一个检测被系统10的视野22中的第一物体24a和/或第二物体24b反射的反射雷达信号。反射雷达信号20的特性取决于第一物体24a或第二物体24b的反向散射属性或雷达截面(rcs)。该特性还取决于第一物体24a和/或第二物体24b相对于天线阵列12的距离、方向和相对运动，这影响反射雷达信号20的多普勒频移。
如果在视野22中存在多个物体，则反射的雷达信号20可能根据物体相对于接收天线(多个天线16)之间的相对位置和/或接近速率差异而彼此干扰。第一物体24a和第二物体24b之间的相对位置差异被示为δrx和δry，并且可以根据由天线16从这些散射中心检测到的反射雷达信号20之间的相对相位差来表现。由于相对相位差跨多个天线16变化的事实，这可能导致检测到的信号30对来自物体的散射中心的信号表现出不同的干扰特性。这导致跨多个天线16的不同的距离分布和多普勒分布。
图2示出了确定目标物体24a、24b是单点散射中心的程度的本发明方法的流程图。在步骤110，雷达信号18从雷达发射元件14发射到目标物体24a、24b(参见图1)。雷达信号18的发射由控制器26输出的发射信号28触发。在步骤120，在接收器元件16处接收从目标物体24a、24b反射并对应于在步骤110发射的信号18的信号20。对应于反射信号20的检测信号30由接收器元件16输出并由控制器26接收。
检测信号30是时域信号，控制器26在步骤130采样并执行频率变换(例如傅立叶变换)，以便为每个检测信号30(即，对于每个接收器元件16)创建频率分布。已知由发射的雷达信号引起的雷达反射的频率变换指示到目标的距离。另选地，由频率变换产生的频率分布可以表征为多普勒分布。因此，反射信号的频率变换产生所谓的距离多普勒图，其包括针对接收器元件16中的每一个的距离多普勒频率“区间”(范围)。由于反射雷达信号的多普勒频移(车辆和/或目标物体的运动结果)，各距离多普勒频率区间对应于雷达系统10(即天线16)与目标物体24a、24b之间的距离，并且对应于由目标物体24a、24b的相对径向接近速率引起的相对多普勒频移。
由反射信号的频率变换产生的距离多普勒图包括幅度和相位信息。因此，将频率分布图或距离多普勒图的数据表示为包括幅度和相位信息的复数值是方便的。
如果雷达系统10包括n个接收器通道(物理或虚拟元件)或天线16，则在步骤140进一步评估n个复值距离多普勒图。
在各非相干积分(nci)距离多普勒图中确定局部幅度最大值(“峰值”)的频率位置。这种峰值通常来自单个散射中心或目标物体。然而，由于来自目标物体24a、24b的信号之间的干扰在空间中彼此相对接近(并且具有相似的多普勒频移)，对应于不同目标物体的最大值无法在频率分布图或距离多普勒图中解析。因此，通过该方法执行后处理步骤140至170，以便判定反射信号20是来自单个目标物体(例如24a)还是来自至少两个目标物体24a、24b。
因此，在步骤140通过从幅度的最大或“峰值”位置处的n个距离多普勒图中的每一个中选择相应的复数值来生成所谓的射束向量。因此，射束向量包括n个元素，各元件对应于相应的接收器通道(元件或天线)16。在150处，通过离散傅立叶变换处理射束向量，该变换由下式定义：
其中x(n)是在步骤140产生的射束向量，作为离散傅立叶变换的“输入”，以及
ωk＝2πk/n(2)
应当注意，离散傅立叶变换(dft)在具有m个值的实践中执行，其中m通常是2的幂并且n≤m，使用快速傅立叶变换(fft)的算法。如果n<m，即对于n+1到m，则离散傅立叶变换的输入用零填充原始射束向量中缺失的元素(所谓的“补零”)，以便隐式地内插所得到的变换函数的数据点。
接下来，以频率ωpeak确定由离散傅立叶变换而得的峰值幅度amax，即
离散傅立叶变换可以被视为包括调谐到中心频率ωk的n个带通滤波器。离散傅立叶变换也可以被认为是对于每个输入信号x(n)通过与相位因子相乘来执行复合解调或频移，即相对于相位的“下变换”。应当注意，离散傅立叶变换隐含地执行元素x(n)的所谓相干求和，因为在执行求和之前它们被乘以相位因子
关于如上定义的射束向量的傅立叶变换的重要观察如下：只有在与相位因子
xdc,ssr(n)是由单点散射中心产生的“下变换”光束向量。
因此，只有单点散射中心的“干净”或理想信号才会产生最大幅度tmax，该最大幅度tmax是通过光束向量元素的绝对值的“非相干”求和来计算的：
应注意，tmax始终大于或等于amax，amax是根据执行相干求和的离散傅立叶变换确定的。这是因为绝对值之和总是大于或等于和的绝对值的事实。这样，tmax在160处被计算为第一参考值，其表示可以从单点散射中心预期的离散傅立叶变换的最大幅度。
最后，在170处比较峰值幅度amax和参考值tmax，以便判定目标物体或被测点散射中心(sut)是否是单点散射中心。为了进行该比较，计算amax相对于tmax的相对偏差：
根据检测信号30的信噪比将该偏差与阈值进行比较。如果偏差大于阈值，则判定该目标物体或被测散射中心(sut)不是单点散射中心。
为了执行上述方法步骤，不必考虑射束向量x(n)的元素之间的幅度变化。因此，可以在执行离散傅立叶变换之前对幅度进行归一化，以便分析元素x(n)的相位与理想或“干净”单点散射中心的偏差。但是，作为可选的附加测试，还可以通过计算第二个参考值来考虑射束向量元素的幅度变化：
tmax,am+ph＝n·max(|x(n)|)(7)
根据该公式，在执行归一化之前计算射束向量的元素的绝对值的最大值，并且将该最大值乘以n。通过这种方式，考虑射束向量元素的幅度和相位变化来计算相对于第二参考值tmaxam+ph的第二相对偏差：
通过计算该第二偏差并将其与相应的阈值进行比较，可以提高关于单点散射中心的测试的可靠性。
图3、图4和图5示出了由本发明方法产生的结果的示例。在图3中，分析了理想单点散射中心的模拟数据，而图4和图5示出了用于分析源自两个不同散射中心的模拟信号的叠加的结果。
图3a示出了信号a的相位轨迹，其被模拟用于理想的单点散射中心，如图1中的目标物体24a。假设相对于接收元件16的入射角为+30°(参见图1)，并且假设初始相位
在图3a中，接收器元件16的数量呈现在x轴上，而在y轴上呈现以rad为单位的展开相位305。展开相位意味着在相位函数达到+π或-π.时，不会考虑相位为2π的典型跳跃。换句话说，所示的模拟信号通过“展开”对那些相位跳跃进行校正(为了更好的可视化)。应注意，这样的2π相位跳跃不会影响根据本发明方法执行的傅立叶变换的结果，因为exp(i2π)＝1。因此，在执行本发明方法之前不需要展开相位。
从上述输入数据生成射束向量，即，使用如图3a所示的恒定幅度和相位作为针对各接收器元件的复数值。因此，射束向量包括对应于八个接收器通道(元件)的本示例的八个元件。
在图3b中，在y轴上示出了射束向量的傅立叶变换的幅度310，而在x轴上示出了以度为单位的相应的到达角。由于与到达角的对应，这种傅立叶变换也称为“射束成形”傅立叶变换。在执行作为快速傅立叶变换(fft)的傅立叶变换之前，这里光束向量用零填充多达64个元素，以便增加傅立叶变换的频率数据点的数量，这是常见的做法。由于频率数据点的增加，通过这种人工插值改善了傅立叶变换的最大值的识别。然而，通过这种方法不改变傅立叶变换的分辨率，并且图3b的傅立叶变换示出了具有恒定幅度和频率的信号的sinx/x典型形状。
为了评估傅立叶变换的幅度响应310，确定幅度响应310的幅度最大值320。确定这样的最大值是数值数学中的常见做法，这里不再详细讨论。应注意，由于输入数据，图3b中的当前傅立叶变换的最大值位于与预期的30°的入射角相对应的空间频率。
为了判定输入数据是否源自单点散射中心，第一和第二参考值tmax和tmax,am+ph分别如上面根据公式(4)和(8)所述进行计算。对于第一参考值，仅考虑输入射束向量的相位，即，将幅度归一化为1.0。对于第二参考值，如上所述考虑幅度和相位信息，以便提高关于单点散射中心的测试的可靠性。第一和第二参考值分别在图3b中被示出为细虚线和粗虚线。应注意，由于恒定幅度被设置为1.0，因此两个参考值对于本示例是一致的。
另外，幅度最大值320和参考值330、340也是一致的，即，根据公式(7)和(9)计算的偏差为零。因此，图3中所示的结果表明，可以通过本发明的方法适当地识别源自单点散射中心的数据。
在图4a和图5a中，示出了两个不同信号a和b的相位轨迹以及它们的叠加的相位轨迹。信号a与图3中使用的信号相同，即入射角为+30°，初始相位为π_0＝0，幅度为安培＝1.0。第二信号b具有信号a的一半幅度，即amp＝0.5，并且初始相位为amp＝1.0。对于图4a，信号b的入射角为-40°，而对于图5a，信号b的入射角为+40°。
信号a和b的各个相位轨迹分别在图4a和图5a中示出为405、505和406、506。另外，示出了信号a和信号b的复值叠加，即，图4a和图5a中的相位的叠加407、507，而在图4b和5b)中分别示出了振幅的叠加408、508。
在图4c和图5c中，傅立叶变换410、510的幅度被呈现用于信号的叠加，如图4a和图b)以及图5a和图b)所示。计算相应的第一参考值430、530(仅考虑相位，归一化幅度)和第二参考值440、540(考虑幅度和相位)，如参照图3b针对330、340所描述的。针对每个幅度响应410、510，将这些参考值与相应的幅度最大值420、520进行比较。
图4c和图5c表明叠加信号的傅立叶变换的幅度最大值与参考值之间存在显著偏差。可以预期，根据公式(7)并仅考虑相位计算出的相对偏差远小于根据公式(9)并考虑幅度和相位计算出的偏差。然而，即使对于具有相似的+30°和+40°的入射角的信号a和b，在仅考虑相位时傅立叶变换的幅度最大值与第一参考值之间也存在-2.65％的显著偏差。该偏差足以识别存在两个散射中心，即被测信号源自非单个散射源。
对于图4c中分析的信号，幅度最大值与第一参考值之间的偏差为-5.47％并且远大于图5c，由于信号a和b在两种情况下的入射角的差异(即对于图4c和图5c)，可以预期第二参考值与幅度最大值之间的相对偏差大于-30％。因此，通过考虑第二参考值，可以大大提高关于单点散射中心的本测试的可靠性。然而，如果考虑两个参考值，则计算工作量略微增加。
应注意的是，在图4a和图5a中的叠加407、507的相位轨迹中已经可以观察到“轻微的不规则性”，即与直线略微偏离。因此，还可以通过仅分析相位轨迹来执行关于单点散射中心的测试，即，不执行射束形成傅立叶变换。然而，可能无法明确地识别相位轨迹中与直线的偏差，特别是对于具有低信噪比的数据。
相反，根据本发明的方法，可以以可靠的方式识别幅度最大值与预期参考值的偏差。对于可以从接收数据估计的给定信噪比，针对如根据公式(7)和(9)计算出的第一和第二参考值与幅度最大值之间的偏差定义相应阈值。如果偏差的绝对值大于相应的阈值，则被测散射中心(sut)被识别为不是单点散射中心。
参考数字列表
10雷达系统
12天线阵列
14发射元件
16天线
16a第一天线
16b第二天线
18发射雷达信号
20反射雷达信号
22视野
24a第一物体
24b第二物体
26控制器
27处理器
28发射信号
29接收器
30检测信号
110至170方法步骤
310、410、510傅立叶变换的幅度响应
320、420、520傅立叶变换的幅度最大值
330、430、530第一参考值
340、440、540第二参考值
305、405、505针对第一单个散射信号的相位轨迹
406、506针对第二单个散射信号的相位轨迹
407、507针对叠加的相位轨迹
408、508针对叠加的幅度
- 还没有人留言评论。精彩留言会获得点赞！