公开/公告号CN113189576A
专利类型发明专利
公开/公告日2021-07-30
原文格式PDF
申请/专利权人 电子科技大学;
申请/专利号CN202110380676.8
申请日2021-04-09
分类号G01S13/58(20060101);G01S13/60(20060101);G01S13/931(20200101);G01S7/35(20060101);
代理机构51203 电子科技大学专利中心;
代理人陈一鑫
地址 611731 四川省成都市高新区(西区)西源大道2006号
入库时间 2023-06-19 12:04:09
技术领域
本发明属于信号处理技术,具体涉及压缩感知技术。
背景技术
线性调频连续波(Linear Frequency Modulated Continuous Wave,LFMCW)体制可同时测量目标距离和速度信息,在多目标场景中表现良好,运算量小,被广泛应用于车载雷达。LFMCW体制常用波形有三角波模式,慢速斜坡模式,快速斜坡(High Speed Ramp,HSR)模式等,在实际应用中,HSR模式相较前两者,具有单目标距离速度无耦合,且多目标无需配对等优势,因此本发明研究HSR模式LFMCW车载雷达信号处理方法。
车载雷达工作环境复杂,且不再局限于前向预警等简单应用,逐渐向着自动驾驶发展,因此要求其具有高距离、速度、角度分辨率,这三维只需在其中一维实现分辨即可将目标分开。因此若能在距离、速度维实现高分辨则可大大降低对角分辨率的要求。
HSR模式传统的测距测速方法是二维快速傅里叶变换(two-Dimensional FastFourier Transform,2D-FFT),其具体实施方法是先将回波与发射波进行混频得到差拍信号,再用低速模数转换器(Analog-Digital Converter,ADC)对差拍信号进行采样,在数字域内进行频率估计。称一个斜坡期间的时间为快时间,多个斜坡期间的时间为慢时间,沿快时间维进行FFT,可以根据距离频率获得目标距离,沿慢时间维进行FFT,可以根据多普勒频率获得目标速度,此2D-FFT结果称为距离-多普勒谱。若探测静止目标,则只需进行距离维的FFT即可。距离维频率分辨率Δf与发射信号的单斜坡时长Tr成反比,而Δf与发射信号的调频斜率k有关,又
压缩感知(Compressed Sensing,CS)理论是Donoho等人于2004年提出的,其三大要素是:测量信号,感知矩阵,重构算法。此技术利用信号的稀疏性,通过感知矩阵将高维稀疏信号投影为低维信号,若已知低维的测量信号及感知矩阵,通过适当的重构算法即可恢复出高维稀疏信号。
通过2D-FFT,可以实现目标在距离域和多普勒域的分离,但是基于此算法的距离分辨率受限于信号带宽,速度分辨率受限于信号发射时长,且由于FFT固有的栅栏效应,测距测速精度受到限制。为解决这一问题,现在提出一种基于压缩感知的快速斜坡模式LFMCW车载雷达信号处理方法。
发明内容
本发明所要解决的技术问题是,传统2D-FFT算法的距离分辨率受限于信号带宽,速度分辨率受限于信号发射时长,但增大信号带宽会增加硬件资源要求,增加信号发射时长会降低雷达数据率。
本发明为打破传统距离分辨率与信号带宽的联系,速度分辨率与信号发射时长的联系,将雷达探测场景模型化为距离-速度二维网格平面,考虑到车载雷达工作环境中目标个数的有限性,因此目标在此二维网格平面稀疏,基于此提出一种基于压缩感知的快速斜坡模式LFMCW车载雷达信号处理方法,该方法包括:
步骤1:根据发射HSR信号的相关参数,以及对距离、速度的分辨率要求设计感知矩阵;假设发射信号中心频率为f
若雷达工作场景只需距离一维超分辨,距离感知矩阵A
若雷达工作场景需要距离速度二维超分辨,距离速度感知矩阵A
步骤2:将接收信号回波与本振信号,即发射信号进行混频,得到模拟差拍基带信号,忽略回波相对于发射波的相位变化;若一帧只发射一个斜坡用于测距,目标回波
步骤3:将模拟差拍基带信号通过采样频率为f
步骤4:将步骤1输出的感知矩阵及步骤3输出的测量信号输入正交匹配追踪(Orthogonal Matching Pursuit,OMP)重构系统,
输入:测量向量y,感知矩阵A,信号的稀疏度;
输出:稀疏向量的估计;
步骤5:根据重构系统输出的稀疏信号s估计目标的距离、速度信息。
进一步的,所述正交匹配追踪重构系统步骤如下:
(1)初始化:残差r
(2)寻找最佳匹配原子;
(3)更新支撑集;
(4)通过最小二乘法估计出向量中对应位置的非零元素;
(5)更新残差;
(6)验证是否满足迭代停止条件,若不满足返回第(2)步,否则停止迭代进入第(7)步;
(7)输出重构的稀疏向量。
基于压缩感知的HSR模式LFMCW车载雷达信号处理框图如图1所示。
本发明的有益效果是:
在不增加信号带宽和时宽的前提下,有效提高目标距离、速度分辨率及精度;
可根据不同场景的要求自适应选择距离一维超分辨,距离速度二维联合超分辨;
可根据不同场景对分辨率、运算量的不同要求,自适应设计本系统的感知矩阵,以满足不同的场景需求。
附图说明
图1为基于压缩感知的HSR模式LFMCW车载雷达信号处理框图;
图2为多个动目标距离一维测量结果;(a)为FFT结果图,(b)为基于CS的方法结果图;
图3为多个动目标距离速度二维测量结果;(a)为FFT结果图,(b)为基于CS的方法结果图;
图4为单个动目标重构误差与压缩比的关系;
图5为单个动目标重构误差与信噪比的关系;(a)为距离绝对误差曲线图,(b)为速度绝对误差曲线图;
图6为本方法与FFT方法探测单个动目标的性能对比;(a)为距离绝对误差曲线图,(b)为速度绝对误差曲线图。
具体实施方式
步骤1:令发射的HSR模式的LFMCW信号中心频率为77GHz,带宽为500MHz,一个斜坡的时宽为32μs,一帧内共32个斜坡。模拟多个动目标场景,目标1、2分别位于18m、18.15m处,速度分别为9m/s、10m/s。设ADC的采样率f
步骤2:比较多个动目标场景下距离一维传统FFT算法和基于CS方法的估计结果。选取步骤1产生的一个斜坡的数字差拍基带信号做1D-FFT处理,结果如图2(a)所示;设计距离感知矩阵,将测量信号与感知矩阵输入OMP重构算法系统,输出稀疏信号s,根据s峰值所在索引估计目标的距离、速度信息,测量结果如图2(b)所示。比较图2(a)(b)两图,本方法能够分辨两个目标而FFT算法只检测到一个目标,距离性能优于传统算法,打破了距离分辨率与信号带宽的联系,本方法的测距误差是距离轴所划分的网格点造成的。
步骤3:比较多个动目标场景下距离速度二维传统FFT算法和基于CS方法的估计结果。将步骤1产生的所有斜坡的数字差拍基带信号做2D-FFT处理,结果如图3(a)所示;设计距离速度感知矩阵,将测量信号与感知矩阵输入OMP重构算法系统,输出稀疏信号s,根据s峰值所在横坐标估计目标的距离、速度信息,测量结果如图3(b)所示。比较图3(a)(b)两图,本方法能够分辨两个目标而FFT算法只检测到一个目标,距离性能优于后者,打破了距离分辨率与信号带宽的联系,速度分辨率与信号发射时长的联系,本方法的测距、测速误差是距离轴、速度轴所划分的网格点造成的。
步骤4:模拟单个动目标场景,目标位于为1m处,速度为7.5m/s。模拟产生数字差拍基带信号,此信号亦为CS模型的测量信号。
步骤5:定义压缩比为CS模型的距离(速度)网格数与实际距离(速度)维采样点数的比值,即
步骤6:假设信噪比为加性高斯白噪声,分析信噪比SNR对重构绝对误差的影响,每一信噪比下,独立进行100次蒙特卡洛实验重构稀疏向量。在单个动目标场景中,令信噪比以5dB为步进,从-20dB取到10dB,分别观察压缩比为1.5,2,2.5,3时目标距离、速度绝对均值误差随信噪比的变化,结果如图5(a)、(b)所示。观察图5,在信噪比小于-5dB时,由于噪声影响,重构误差比较大,随着信噪比的增大,重构误差趋近于0,重构性能优良。
步骤7:分析在不同SNR下,本方法与传统FFT方法的绝对误差的比较。模拟一个单个动目标场景,目标位于为10m处,速度为19m/s。模拟产生数字差拍基带信号,此信号亦为CS模型的测量信号。令信噪比以5dB为步进,从-30dB取到10dB,CS模型的压缩比为2,每一信噪比下只重构一次,单个动目标距离、速度绝对误差的对比结果分别如图6(a)、(b)所示。观察图6,在信噪比较小时,两个方法的误差都比较大,随着信噪比的增大,本方法距离绝对误差小,测距精度高,速度绝对误差小,测速精度高,鲁棒性好,性能明显优于传统FFT方法。
将经过实验验证,本方法可突破信号带宽对距离分辨率的限制,信号发射时长对速度分辨率的限制,且距离、速度精度均优于传统FFT方法,有较好的鲁棒性,所以基于CS的信号处理方法优于传统方法。
机译: 基于压缩感知的信号处理方法及装置
机译: 基于压缩感知的信号处理方法及装置
机译: 基于压缩感知的信号处理方法及装置