基于于多波束实孔径雷达图像,提升汽车雷达方位角分辨率的成像方法

2020-09-21来源: 互联网关键字:汽车雷达  无人驾驶  微波雷达  合成孔径技术

针对汽车雷达方位角分辨率受方位向天线长度限制的问题, 该文提出一种基于多波束实孔径雷达图像融合来提升汽车雷达方位角分辨率的成像方法。该方法首先利用相控阵天线波束电扫描来获取前视实孔径雷达图像, 然后根据汽车雷达成像几何关系通过多张多角度实孔径雷达图像相参累加来提升雷达方位角分辨率。计算机仿真结果验证了该方法在提升汽车雷达方位角分辨率的有效性。


无人驾驶技术通过车载传感系统感知道路环境, 自动控制车辆的转向和速度, 从而使车辆能够安全、可靠地在道路上行驶。前视微波成像雷达是车载传感系统的重要组成部分。

 

与超声波、 摄像头、激光雷达相比, 微波雷达不仅具有高距离分辨率、高角度分辨率、 高速度分辨率, 还具有不受恶劣天气及极端光线影响的优势 。微波前视成像雷达距离向通过宽带信号脉冲压缩技术来获取高距离分辨率, 方位向通过实孔径成像或数字阵列合成处理来获取较高的方位分辨率。


1.  低成本微波成像雷达实现有难度


受雷达角分辨瑞利限的约束, 要提高雷达方位角分辨率就需要提高雷达工作频率和雷达方位孔径天线长度, 这些给低成本微波成像雷达的实现带来了较大的工程实现难度 。

 

数字阵列超分辨处理技术也能够提升雷达方位角分辨率, 但阵列超分辨处理技术运算量大一般难以满足汽车雷达实时性的要求。针对汽车雷达方位角分辨率受方位向天线长度限制的问题, 本文提出一种基于多波束实孔径雷达图像融合来提升汽车雷达方位角分辨率的成像方法, 本方法通过多波束实孔径雷达图像相参合成来提升雷达方位分辨率。从本质上讲, 本文方法利用合成孔径技术提升了雷达方位角分辨率。 

 

相比于传统合成孔径处理, 本文方法的处理可以在实孔径雷达图像域进行, 而且雷达数据合成不受单个雷达指向波束条件约束。因此, 本文方法更加有利于提升雷达的方位角分辨率。

 

本文首先介绍了提升汽车雷达方位角分辨率的成像方式和雷达回波信号模型;然后根据汽车雷达成像方式和信号模型, 提出了一种提升汽车雷达方位角分辨率的成像方法;最后通过计算机仿真验证了本文所提方法的准确性。

 

2.  成像方式及回波信号模型

车载微波前视成像雷达的距离向与汽车平台的运动方向一致, 而方位向与汽车平台的运动方向垂直。雷达距离向通过发射大时宽 - 带宽信号并利用脉冲压缩技术实现距离向的高分辨率, 方位向通常通过实孔径成像或数字阵列合成处理来获取较高的方位分辨率。 

 

本文所提车载微波前视成像雷达工作方式如图 1 所示, 汽车雷达首先通过方位窄波束匀速扫描实现对前方区域的观测, 雷达波束扫描范围为 。雷达方位波束扫描可以通过波束机械扫描和相控阵电扫描实现, 为了实现更加灵活的波束指向, 本文采用相控阵电扫描方式来实现方位波束扫描。

 

由于汽车雷达最大作用距离一般要小于 300 m ,因此通常采用收发分置的连续波雷达工作体制。假设车载毫米波前视成像雷达发射连续波可以写成

 


如图 1 所示, 假设车载前视成像雷达在 t 时刻,点目标(x, y)对应的雷达回波可以写成

 

 


其中, c 为光速, 为汽车前进速度, x, y 分别表示目标的距离和方位位置。连续波体制雷达通常采用去斜接收, 去斜参考信号可以写成

 


由式(7)可以看出, 连续波信号经过去斜处理后,距离信号为快时间的 1 次函数, 利用傅里叶变换即可得到脉冲压缩后 sinc 状的窄脉冲信号。式(6)第 2 个相位项中的斜距将随着慢时间 t 变化而变化, 该项可产生多普勒频率, 第 3 个相位项为去斜线性调频信号特有的残余时频相位(Residual Video Phase,RVP) 。


由于傅里叶变换后雷达回波信号在频域,此时对应的雷达信号 4 dB 分辨率为, 利用线性调频信号的时频对应关系, 转化到距离几何 3 dB 分辨率可以写成

 

 

此外, 雷达的方位向角分辨率则由方位向双程天线方向图决定, 角度分辨率约为双程天线方位图 3 dB 波束宽度 。

 

假设雷达工作频率为 96 GHz,天线长度为 0.3 m, 雷达天线对应的 3 dB 波束宽度为 0.38°, 则在 200 m 斜距处转化到垂直于视线方向的几何分辨率为 1.33 m, 较差的分辨率在一定程度上限制了前视雷达的应用。

 

3.  成像方法与处理流程

为了提升垂直于视线方向的几何分辨率, 这里采用合成孔径技术来提升方位几何分辨率。如图 2 所示, 汽车雷达观测目 标的合成孔径长度为 , 整个观测过程对应 N 个采样时刻, 每个采样时刻对应的观测角度分别为θ 1 , θ 2 , ···, θ N, 通过这 N 个时刻雷达回波数据相参积累即可实现雷达方位分辨率的改善。 

 

 

这种成像方法可以对前方区域连续成像, 这与传统合成孔径雷达(Synthetic Aperture Radar, SAR)的条带模式相似;

 

但对于每个观测目标来说, 雷达通过雷达波束扫描实现目标的多角度观测, 并通过多角度雷达观测数据相参积累来提升目标的方位几何分辨率, 这又与传统 SAR 的高分辨率聚束模式相似。

 

以目标观测中心时刻为基准, 根据合成孔径原理, 目标垂直于雷达中心时刻观测视线方向的几何分辨率可以表示成

 

 

根据上述车载微波前视成像雷达利用多角度合成孔径技术来提升方位角分辨率的工作方式和雷达回波信号模型, 图 3 给出了本文所提成像方法的处理流程图, 本成像方法主要包含距离向处理和方位向处理两大处理步骤。 

 

 

其中, 通过距离向脉冲压缩处理即可得到实孔径雷达图像, 通过方位向多张实孔径雷达图像相参累加即可获得方位角分辨率得到明显提升的高分辨率雷达图像。

 

(1) 移除 RVP 相位:对去斜后的雷达回波进行快速傅里叶变换(Fast Fourier Transform, FFT)即可直接得到脉冲压缩的雷达数据。但由于式(6)中的 RVP 项存在, 去斜后的回波脉冲在时间上无法对齐, 这给时域加权抑制脉冲压缩旁瓣带来困难。


因 此, 需要通过传递函数来移除 RVP 项,

 


其中, f 表示去斜接收后的距离残差频率。

 

(2) 距离向时域加窗处理:在移除 RVP 项后,雷达回波数据通过逆快速傅里叶变换(Inverse Fast Fourier Transform, IFFT)转换到时域, 此时利用时域加窗函数来抑制距离脉冲压缩信号的旁瓣, 时域余弦窗函数为

 

 

其中, 是根据不同的旁瓣抑制要求来调整余弦窗函数的参数。根据式(6)可得, 完成距离向脉冲压缩后的实孔径雷达图像可以表示为

 

 

其中, A 为反映雷达回波强度的复常数, k > 1 为时域加窗处理导致的分辨率展宽系数。从严格意义上来讲加窗后脉冲压缩的信号并不是标准的 sinc 函数,这里利用 sinc 仅仅来表示目标的分辨率和距离位置。

 

式(2)中的最后一项可由于目 标斜距随时间 t 变化产生多普勒频率, 本文通过这个时变相位利用合成孔径处理技术来提升车载前视雷达的方位角分辨率。


(3) 成像区域打网格处理:为了实现通过多角度雷达观测数据相参积累来提升目标的方位几何分辨率的目 标, 这里采用后向投影(Back Projection,BP)处理算法。BP 算法首先需要对目 标区域进行打网格处理, 成像区域打网格处理如图 4 所示, 其中网格的距离方位为 , 方位角度范围是, 网格的距离间隔和方位角度间隔分别,网格的距离间隔和方位角度间隔分别为 和 需要小于距离和方位角度的最优分辨率。

 

 

(4) 多角度雷达回波数据相位校正:从前面提到的车载微波前视成像雷达工作方式来看, 雷达通过相控阵波束电扫描来实现对一定角度范围内的目标观测成像。相控阵天线通过移相器和延时线来实现雷达波束电扫描, 此时会引入附加的相位, 这在一定程度上会影响后续多角度雷达观测数据相参积累。

 

因此, 在针对每个网格进行雷达回波数据相参积累之前, 需要对不同角度观测的雷达回波数据进行相位校正如图 3 所示, 相位校正函数可通过暗室数据测量来获取。

 

(5) 网格内多角度雷达回波相参积累:针对每个成像网格, 先利用相位补偿函数对不同角度观测得到雷达回波数据进行相位补偿, 然后再将雷达回波数据在指定网格内进行累加, 其中相位补偿函数 可以表示为

 

 

此外, 由于距离向雷达回波数据采样率较为有限, 在选择指定网格雷达回波数据时, 需要进行雷达回波数据的 sinc 插值或者升采样处理, 从而能够精确完成距离徙动校正处理(Range Cell Migration Correction, RCMC)。 

 

在网格内多角度雷达回波数据相参积累过程中, 各个网格的计算相互独立, 这种情况可以采用 GPU 并行计算提升运算速度 ,从而满足汽车雷达实时性的需求。


4.  成像仿真

为了验证本文所提方法的有效性, 这里开展点目 标仿真试验, 雷达仿真参数如表 1 所示。根据表 1 中参数, 可以计算得到方位向单程法向

[1] [2]
关键字:汽车雷达  无人驾驶  微波雷达  合成孔径技术 编辑:鲁迪 引用地址:http://news.eeworld.com.cn/qcdz/ic511032.html 本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:Melexis 推出全新 QVGA 分辨率飞行时间传感器 IC,进一步完善第三代产品组合
下一篇:雷达技术的进步和驾驶舱内感应技术的发展

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

ibeoNEXT固态激光雷达采用ams VCSEL技术助力未来自动驾驶汽车
长城汽车采用Ibeo的固态激光雷达(Solid-stateLiDAR)和艾迈斯半导体VCSEL技术助力实现未来的自动驾驶汽车。·Ibeo的固态激光雷达(Solid-stateLiDAR)解决方案中采用艾迈斯半导体VCSEL技术·长城汽车公司将基于以艾迈斯半导体VCSEL技术为核心的Ibeo固态激光雷达解决方案用于其即将推出的自动驾驶系统中·ams与ibeo正在紧密配合,以期确保该高性能优质产品的顺利量产中国,2020年10月19日——全球领先的高性能传感器解决方案供应商艾迈斯半导体(amsAG,瑞士股票交易所股票代码:AMS)宣布,在汽车LiDAR传感器技术和相关软件领域的专家和全球技术领导者
发表于 2020-10-19
ibeoNEXT固态激光<font color='red'>雷达</font>采用ams VCSEL技术助力未来自动驾驶<font color='red'>汽车</font>
NXP三大战略发展汽车雷达市场
本文作者:NXP执行副总裁Torsten Lehmann我们在汽车雷达中看到了巨大的发挥潜力,以及为什么NXP引领着为全世界更多人带来更安全驾驶的道路。如果汽车制造商打算在量产汽车上安装更多的安全雷达系统,以满足监管要求和消费者的期望,那么这些系统需要先进的技术,形成一个跨车型的可扩展、完整的系统解决方案,以及可以不断扩展或伸缩到未来的能力。汽车制造商通过与半导体公司和Tier1的紧密合作来实现这一目标。在半导体方面,NXP正引领着将这些解决方案推向市场,并将它们投入到真正拯救生命的工作中。机会随着从24GHz到77GHz的转换以及更大的可用带宽,雷达系统获得了探测小目标的能力。这种性能提升为盲点检测(BSD)和自动紧急制动
发表于 2020-10-16
LeddarTech合作Flex 为ADAS和自动驾驶汽车研发激光雷达传感器
据外媒报道,L1至L5高级驾驶辅助系统(ADAS)和自动驾驶(AD)传感技术领导者LeddarTech宣布与Flex达成了合作协议,两家公司将合作研发激光雷达评估工具包以及研发汽车激光雷达传感器设计、研发和生产所需的相关服务。Flex是一家全球领先的制造、供应链、技术公司。此次合作将结合LeddarTech的传感技术以及Flex的汽车解决方案专业知识和设计服务,为客户提供得到优化的汽车激光雷达传感器。(图片来源:LeddarTech)LeddarTech非常欢迎Flex成为其Leddar生态系统团队的一员,而且该团队由技术和行业领导者们组成。此次合作结合了LeddarTech传感平台和生态系统的灵活性和可扩展性,加上Flex
发表于 2020-10-14
LeddarTech合作Flex 为ADAS和自动驾驶<font color='red'>汽车</font>研发激光<font color='red'>雷达</font>传感器
如何提升汽车雷达方位角分辨率?
针对汽车雷达方位角分辨率受方位向天线长度限制的问题, 该文提出一种基于多波束实孔径雷达图像融合来提升汽车雷达方位角分辨率的成像方法。该方法首先利用相控阵天线波束电扫描来获取前视实孔径雷达图像, 然后根据汽车雷达成像几何关系通过多张多角度实孔径雷达图像相参累加来提升雷达方位角分辨率。计算机仿真结果验证了该方法在提升汽车雷达方位角分辨率的有效性。无人驾驶技术通过车载传感系统感知道路环境, 自动控制车辆的转向和速度, 从而使车辆能够安全、可靠地在道路上行驶。前视微波成像雷达是车载传感系统的重要组成部分。 与超声波、 摄像头、激光雷达相比, 微波雷达不仅具有高距离分辨率、高角度分辨率、 高速度分辨率, 还具有不受恶劣天气
发表于 2020-10-10
如何提升汽车<font color='red'>雷达</font>方位角分辨率?
汽车智能驾驶多光谱激光雷达的波段研究
在汽车智能驾驶系统中,激光雷达由于其独特的三维成像能力,成为场景探测感知传感器群组中不可或缺的组成部分。为提升单一波长激光雷达在物性探测分类和状态上的性能,借鉴多光谱探测具有物性探测能力的原理,论文对适用于汽车智能驾驶的多光谱激光雷达的波段选择进行了可行性研究,利用主成分分析法对智能驾驶中典型目标进行光谱计算及分析。结合激光光源特性以及光电探测器的特性,综合多光谱激光雷达波段选择方法和智能驾驶应用场景中典型目标地物光谱特性,以及商用激光雷达的可获得性,得出了适用汽车智能驾驶的多光谱激光雷达的波长可以选择 808 nm、905 nm、1 064 nm、1 310 nm,并通过测试验证了多光谱激光雷达所选波长的有效性。为了更好地利
发表于 2020-10-10
<font color='red'>汽车</font>智能驾驶多光谱激光<font color='red'>雷达</font>的波段研究
谁来为汽车自动驾驶的安全事故负责?
的自动驾驶系统给了安全员一种错觉,认为车辆可以自行判断前方的路况,而自己可以偷懒去看手机。这也是自动驾驶技术等级中 L3 级别的困境。车辆可以高度自动驾驶,但是出了事故要算驾驶员的。那么怎么可以让驾驶员放心的休息或者娱乐游戏呢? 回到 Uber 这辆车,难道它就没有任何问题么?从调查来看,问题也很多。 在 Uber 车辆撞到行人前的 10 秒中,车辆本来识别到这个行人并避免车祸的。但是一系列系统的误判导致了车辆未曾减速就撞了上去。报告中有几个关键数据:在 9.9 秒到 5.8 秒中,汽车从 56 公里加速到 70 公里;在 5.6 秒,汽车毫米波雷达(Radar)第一次检测到前方有物体,并识别其为“汽车”,5.2 秒,汽车
发表于 2020-10-10
谁来为<font color='red'>汽车</font>自动驾驶的安全事故负责?
小广播
换一换 更多 相关热搜器件
电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2020 EEWORLD.com.cn, Inc. All rights reserved