基于环境噪声的毫米波雷达动态阈值计算 下载: 853次
1 引 言
具有调频连续波(FMCW)体制的车载毫米波雷达发射线性调频脉冲信号[1],发射信号与目标回波进行混频产生拍频信号,然后对该拍频信号进行采样后,再对采样后的信号进行数字信号处理。目前,对车载毫米波雷达数字信号进行处理的过程为,通过距离维的傅里叶变换(FFT)来计算目标距离,再经脉冲积累后进行速度维的多普勒FFT,即通过二维傅里叶变换(2D⁃FFT)的计算来得到距离⁃多普勒(R⁃D)图,对每个采样点计算模值后进行多接收通道的非相干合并[2]。要确定真实目标点,就需要在R⁃D图中找出目标功率峰值点[3],此时最为重要的就是确定峰值检测的阈值。文献[4]将恒虚警检测(CFAR)方法用于处理在有噪声干扰条件下的信号检测,但是在单元平均恒虚警中,检测概率常常因为参考单元中存在干扰目标而发生偏差。文献[5]提出了一种包括检测电路的GO⁃CFAR(greatest⁃of constant false alarm rate)探测器,这种改进后的探测器可以在复杂的非平稳环境中自动检测并抑制隐藏在回波信号中的干扰信号,但其中方法的复杂度高。文献[6]提出了一种基于统计特性和桥梁方法的弱小目标检测方法,该方法能够减少弱小目标虚警率过高的问题,但是会存在丢失小信号的情况。
虽然现在关于毫米波雷达的研究越来越多,但想在汽车市场上有大范围应用,需要保证雷达要低成本同时还要有更突出的可靠性和稳定性。因此,本文提出一种基于雷达环境噪声统计和目标功率分布特性的动态阈值计算方法,通过改进峰值检测的阈值来提高系统的可靠性和稳定性。大量实验结果表明,所提方法在提取雷达位置和速度信息上有较高的可靠性和稳定性。
2 FMCW 雷达模型
2.1 FMCW雷达原理
毫米波雷达原理是通过发射信号与接收信号进行相干解调,得到一个差频信号来确定目标速度和距离。FMCW雷达系统锯齿波工作原理[7⁃8]如
FMCW雷达发射的信号经运动目标反射后,接收信号和发射信号有相同的形状,只是在时间轴上向后平移了一个时间
当目标静止时,不会存在多普勒效应,所以锯齿波FMCW雷达的发射信号与回波信号的频差是常数fΔ,表达式为
式中:
雷达检测目标时,二者是相对运动的,运动的目标之间存在着多普勒效应,差拍信号的频差也因此不断变化。从多普勒频率中能够得到目标的速度和距离信息,因此,在不断变化的差拍信号的频差中能够找到运动目标的距离和速度信息。
从数学角度分析锯齿波FMCW信号进行R⁃D处理的原理。
不考虑初始相位问题,假设发射信号为
式中:
对发射信号和接收信号进行混频,可以得到中频信号
将
式中:由于
所以(5)式可化简为
式中:
2.2 距离⁃多普勒变换
锯齿波调制的FMCW雷达差拍信号是一个线性调频连续波,其关系式和距离R有关,也和速度有关,因此存在速度距离耦合现象,故需要经2D⁃FFT之后,得到距离速度谱,通过峰值搜索找到对应的目标。每个峰值点对应一个坐标,每个坐标分别对应一个频率,频率对应速度和距离信息[9⁃10]。锯齿波FMCW 2D⁃FFT的处理过程如
从
3 雷达信号处理
3.1 雷达回波基带信号处理流程
FMCW车载毫米波雷达主要分为两个模块,即射频前端模块和信号处理模块。射频前端模块的主要功能:首先发射FMCW信号,信号遇到物体反射形成的回波信号被天线接收,然后回波信号经滤波后,与原信号一起经过混频器混频得到中频信号(IF),将得到的中频信号输入到A/D模块中进行模数转换,将转换后的数字信号传到数字信号处理(DSP)模块中,得到目标的距离和速度信息。所以射频前端模块的好坏直接决定雷达的性能。信号处理模块也是雷达重要的组成部分,通过嵌入不同的信号处理方法,提取从射频前端采集的中频信号,获得特定类型的目标信息。信号处理系统一般以数字信号处理为核心实现复杂的处理方法,满足雷达的实时性需求[11]。系统框图如
根据前面的研究,距离不同的目标的回波信号会产生大小不同的回波差频信号,速度不同的目标的回波也会有不同的多普勒频移。因此,通过分析锯齿波回波的差频信号,再对时频结果进行分析配对,可以得出运动目标的速度和距离等参数信息。
3.2 CFAR检测方法
在实际使用雷达的过程中,目标周围的环境会反射雷达信号的同时产生噪声和杂波。这些噪声和杂波与目标反射的雷达信号夹杂在一起返回接收系统,同时雷达本身的电子器件在运行过程中也会产生干扰。由于背景噪声、杂波和电子器件这些信号的影响,很难找到一个合适的阈值来提取峰值频率,因此需要一种能够自适应调整检测门限的方法。在FMCW雷达中,最常见的是单元平均恒虚警率检测方法(CA⁃CFAR)[12⁃13],其原理如
CA⁃CFAR方法的主要问题是在强干扰附近容易漏检小目标。由于目标和干扰靠得很近,对小目标进行检测时,强干扰会进入到邻近单元,从而提高检测门限,最终无法探测出小目标,出现漏检现象。
具有CA⁃CFAR结构的系统主要是从检测目标两侧的参考单元来估计功率的,并按照得到的功率来设置门限,但由于背景噪声和杂波无法准确估计,门限值无法准确估计,从而造成虚警。为此,本文提出了一种改进的基于直方图统计模型的方法估计每个距离门的噪声水平[14]。该方法根据不同距离门雷达信号衰减的强弱,动态分配阈值增益,得到自适应峰值检测阈值。相比CA⁃CFAR方法,所提方法从估计的噪声水平和检测目标的阈值上进行改进,使得其在小信号条件下仍能检测到目标,从而减小虚警率,提高检测性能。
4 改进的FMCW目标检测
4.1 方法流程
4.2 2D⁃FFT
假设每一个脉冲采样点为N,M为每帧积累的回波数,接收天线通道数为K。分别对每一个脉冲进行FFT,得到距离向FFT结果,然后对一帧内的多个脉冲进行多普勒FFT,非相干合并后得到R⁃D图,表达式为
式中:
4.3 直方图统计估计
保留2D⁃FFT计算的幅度值中除符号位外高于有效S1位的数值,并剔除低于S2位的数值,分成
式中:
第
式中:
4.4 峰值搜索
对每一个距离门进行局部峰值检测,并且和峰值检测门限(噪声水平)进行比较,大于检测门限的值被判定为局部极值。峰值搜索过程为
则局部峰值为
式中:
4.5 动态阈值增益分配
对于雷达发射的电磁波信号来说,能量随着距离增大而衰减,因此对于具有相同雷达散射截面积(RCS)的目标,距离越远,功率幅度值越小,因此需要不同距离门分配不同的阈值增益。假设阈值为
式中:≪为向左移位符号。
4.6 阈值检测
只对距离维峰值搜索得到的峰值点进行检测。在峰值点两侧各取
在每个速度门内进行CFAR检测,只对局部峰值
式中:
5 外场实验
为了进一步测试雷达信号处理整体方法的有效性和性能,进行外场实验。通过静态实验和动态实验来验证所提方法。
5.1 静态测试
以雷达为原点,在距雷达38 m处放置一个三角形反射器进行距离测量实验,结果如
另外从距离和角度两方面对静态测试的结果进行分析,实验数据如表
表 1. 静态测试距离测量结果
Table 1. Measurement results of static test distance
|
表 2. 静态测试角度测量结果
Table 2. Measurement results of static test angle
|
5.2 动态测试
仍假设雷达处于原点处,通过行人接近雷达(实验1)、行人远离雷达(实验2)、汽车以30 km/h接近雷达(实验3)、汽车以30 km/h远离雷达(实验4)、汽车以60 km/h接近雷达(实验5)、汽车以60 km/h远离雷达(实验6)6个实验的距离和速度对所提方法进行验证,结果如图
并对动态测试的距离测量结果和速度测量结果进行分析对比,结果如表
表 3. 动态测试距离测量结果
Table 3. Measurement results of dynamic test distance
|
表 4. 动态测试速度测量结果
Table 4. Measurement results of dynamic test speed
|
5.3 结果分析
由
6 结 论
提出了一种基于环境噪声与目标功率统计的车载毫米波雷达动态阈值计算方法。目标峰值功率检测首先对R⁃D图全部点的幅度值进行直方图统计;然后对直方图统计得到的峰值进行峰值搜索,找出局部峰值,并在距离向进行动态增益分配,进而将得到的自适应阈值作为雷达目标峰值检测的依据;最后运用峰值搜索的局部峰值来估计判决门限,将结果作为判决目标的标准。通过实验证明,所提动态阈值计算方法有效提高了车载毫米波雷达在实际复杂车道应用场景下的目标检测能力。
[1] 丁鹭飞, 耿富录, 陈建春. 雷达原理[M]. 5版. 北京: 电子工业出版社, 2013: 45-64.
Ding L F, Geng F L, Chen J C. Radar principles[M]. 5th ed. Beijing: Electronic Industry Press, 2013: 45-64.
[2] Winkler V. Range Doppler detection for automotive FMCW radars[C]//2007 European Radar Conference, October10‒12, 2007, Munich, Germany. New York: IEEE Press, 2007: 166-169.
[3] Schwartz R. Minimax CFAR detection in additive Gaussian noise of unknown covariance (Corresp.)[J]. IEEE Transactions on Information Theory, 1969, 15(6): 722-725.
[4] Scharf L, Lytle D. Signal detection in Gaussian noise of unknown level: an invariance application[J]. IEEE Transactions on Information Theory, 1971, 17(4): 404-411.
[5] Kim J H, Bell M R. A computationally efficient CFAR algorithm based on a goodness-of-fit test for piecewise homogeneous environments[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(3): 1519-1535.
[6] 于博, 马书浩, 李红艳, 等. 远红外车载图像实时行人检测与自适应实例分割[J]. 激光与光电子学进展, 2020, 57(2): 021507.
[7] 严鑫. 毫米波雷达多目标检测与参数估计方法研究[D]. 南京: 东南大学, 2017: 18-22.
Yan X. Multi-target detection and parameter estimation algorithm for millimeter wave radar[D]. Nanjing: Southeast University, 2017: 18-22.
[8] 辛海涛. 锯齿波FMCW汽车防撞雷达信号处理系统研究[D]. 西安: 西安电子科技大学, 2011: 6-8.
Xin H T. Research on the signal processing system of sawtooth wave FMCW automobile collision avoidance radar[D]. Xi'an: Xi'an University of Electronic Technology, 2011: 6-8.
[9] 郑世良. 车载毫米波雷达关键技术研究[D]. 哈尔滨: 哈尔滨工业大学, 2017: 6-10.
Zheng S L. Key technology of vehicle millimeter wave[D]. Harbin: Harbin Institute of Technology, 2017: 6-10.
[10] 蒋留兵, 宋占龙, 车俐. 锯齿波多目标防撞雷达系统研究[J]. 计算机仿真, 2020, 8: 67-72, 152.
Jiang L B, Song Z L, Che L. Research on sawtooth wave multi-target collision avoidance radar system[J]. Computer Simulation, 2020, 8: 67-72, 152.
[11] GavinChenGG. 毫米波雷达(一). [2020⁃05⁃05]. https://blog.csdn.net/ChenGuiGan/article/details/88079503.
[12] 张浩然. 车载毫米波雷达障碍物检测系统设计[D]. 济南: 山东大学, 2019: 23-26.
Zhang H R. Design of obstacle detection system for vehicle⁃mounted millimeter-wave radar[D]. Jinan: Shandong University, 2019: 23-26.
[13] 李立凯, 卢炽华, 邹斌. 基于深度学习的目标检测与可行域分割研究[J]. 激光与光电子学进展, 2020, 57(12): 121013.
[14] 赵琼, 李宝清, 李唐薇. 基于改进YOLO v3的目标检测方法[J]. 激光与光电子学进展, 2020, 57(12): 121502.
[15] 孙元, 孙梧雨, 韦家军, 等. 基于恒虚警检测的汽车主动防撞毫米波雷达信号处理方法[J]. 兵工自动化, 2017, 36(9): 45-49.
Sun Y, Sun W Y, Wei J J, et al. CFAR based signals processing of millimeter-wave radar for automotive anti-collision[J]. Ordnance Industry Automation, 2017, 36(9): 45-49.
Article Outline
孙宾宾, 沈涛, 贾磊, 李洪鹏, 崔晓荣, 陈雨魁. 基于环境噪声的毫米波雷达动态阈值计算[J]. 激光与光电子学进展, 2021, 58(3): 0328002. Sun Binbin, Shen Tao, Jia Lei, Li Hongpeng, Cui Xiaorong, Chen Yukui. Dynamic Threshold Calculation for Millimeter Wave Radar Based on Environmental Noise[J]. Laser & Optoelectronics Progress, 2021, 58(3): 0328002.