公开/公告号CN114896713A
专利类型发明专利
公开/公告日2022-08-12
原文格式PDF
申请/专利权人 北京理工大学;
申请/专利号CN202210116238.5
申请日2022-01-30
分类号G06F30/17(2020.01);G06F30/27(2020.01);G06N3/12(2006.01);G06F111/04(2020.01);G06F111/06(2020.01);
代理机构北京理工大学专利中心 11120;北京理工大学专利中心 11120;
代理人李爱英;付雷杰
地址 100081 北京市海淀区中关村南大街5号
入库时间 2023-06-19 16:20:42
法律状态公告日
法律状态信息
法律状态
2022-08-30
实质审查的生效 IPC(主分类):G06F30/17 专利申请号:2022101162385 申请日:20220130
实质审查的生效
技术领域
本发明属于车载毫米波雷达技术领域,特别涉及一种基于多目标分解分层遗传算法的雷达多元天线阵列设计方法。
背景技术
毫米波雷达是测量被测物体相对距离、相对速度、方位的高精度传感器,早期被应用于军事领域。近些年,随着雷达技术的发展与进步,毫米波雷达目前已广泛应用于汽车辅助驾驶、无人机防撞、智能交通监测等多个民用领域。
车载毫米波雷达通常采用线性调频连续波体制,能同时获得较高的距离和速度分辨率;但受限于车载应用对雷达体积和成本的限制,其发射和接收天线阵列孔径较小,导致角度分辨能力有限。
为突破传统毫米波雷达角度分辨率及探测精度瓶颈,可采用分布式(多元天线)雷达体制。基于空间分集的思想,分布式雷达系统利用多部雷达空间位置的差异形成虚拟大孔径,大幅提高角度分辨率和测量精度。
雷达多元天线构成超大、超稀疏阵列,存在着严重的栅瓣效应,会导致测角模糊、精度下降等问题。通过优化稀疏阵列中阵元位置可以有效降低天线方向图栅瓣。阵元位置优化的目的是采用尽可能少的阵元来实现期望的方向图,但该问题是一个高度的非线性优化问题,难以直接求出解析解,所以需要通过遗传算法、模拟退火等优化算法求解。
在车载应用环境中,由于雷达视场角大,探测目标数量多,需要对不同波束指向下的天线方向图进行联合优化,但传统的稀疏阵列优化方法难以同时对多个波束指向下的天线方向图进行联合优化设计,即无法适用于车载应用。此外,为保证稀疏阵列测角性能,还需考虑远场条件约束,需要对车载应用环境下稀疏阵列探测模式进行设计。
发明内容
本发明克服了现有技术的不足之一,提供了一种基于多目标分解分层遗传算法的雷达多元天线阵列设计方法,通过毫米波雷达多元天线的组合探测模式设计与阵元位置的优化,可有效抑制多波束指向下的天线方向图栅瓣,实现高精度测角。
根据本公开的一方面,提出了一种基于多目标分解分层遗传算法的雷达多元天线阵列设计方法,所述方法包括:
基于车载毫米波雷达多元天线阵列探测系统,构建所述车载毫米波雷达多元天线阵列优化模型;
利用多目标分解的分层遗传算法对所述车载毫米波雷达多元天线阵列优化模型进行求解,得到所述车载毫米波雷达多元天线阵列构型。
在一种可能的实现方式中,所述基于车载毫米波雷达多元天线阵列探测系统,构建所述车载毫米波雷达多元天线阵列优化模型,包括:
基于所述车载毫米波雷达多元天线阵列探测系统构建所述车载毫米波雷达多元天线阵列优化目标函数和约束条件;
根据所述车载毫米波雷达多元天线阵列优化目标函数和约束条件,得到所述车载毫米波雷达多元天线阵列优化模型。
在一种可能的实现方式中,所述车载毫米波雷达多元天线阵列探测系统包括M个n发m收的毫米波雷达,组成近距离子系统、中距离子系统和远距离子系统,其中,M,n,m均为正整数。
在一种可能的实现方式中,所述近距离子系统中雷达数量为Num
所述中距离子系统中雷达数量为Num
所述远距离子系统中雷达数量为Num
在一种可能的实现方式中,所述车载毫米波雷达多元天线阵列优化目标函数包括权重峰值旁瓣比W
权重峰值旁瓣比W
峰值旁瓣起伏水平HL
其中,Num表示波束指向个数,ω
在一种可能的实现方式中,所述车载毫米波雷达多元天线阵列优化约束条件包括:
其中,D
在一种可能的实现方式中,所述利用多目标分解的分层遗传算法对所述车载毫米波雷达多元天线阵列优化模型进行求解,包括:
步骤P1:根据个体二进制编码规则,初始化多个待优化的车载毫米波雷达多元天线阵列的阵元间距的子种群;
步骤P2:计算各个所述车载毫米波雷达多元天线阵列的阵元间距的子种群内每个个体的加权适应度值;
步骤P3:根据所述每个个体的加权适应度值判断是否满足低层遗传操作迭代终止条件,若满足执行步骤P5,否则执行步骤P4;
步骤P4:根据各个所述车载毫米波雷达多元天线阵列的阵元间距的子种群预先设置的选择、交叉、变异规则进行遗传操作后得到子代种群,跳转步骤P3;
步骤P5:判断各个所述车载毫米波雷达多元天线阵列的阵元间距的子种群是满足全局迭代终止条件,若满足即结束操作,否则执行步骤P6;
步骤P6:计算各个所述车载毫米波雷达多元天线阵列的阵元间距的子种群的平均适应度后,以所述车载毫米波雷达多元天线阵列的阵元间距的子种群为单位进行高层选择、交叉、变异遗传操作;
步骤P7:判断车载毫米波雷达多元天线阵列的阵元间距的子种群的当前状态是否满足高层遗传操作的终止条件,若满足跳转至步骤P2,否则跳转至步骤P6,以实现对所述车载毫米波雷达多元天线阵列优化模型进行。
本公开的基于多目标分解分层遗传算法的雷达多元天线阵列设计方法,基于车载毫米波雷达多元天线阵列探测系统,构建所述车载毫米波雷达多元天线阵列优化模型;利用多目标分解的分层遗传算法对所述车载毫米波雷达多元天线阵列优化模型进行求解,得到所述车载毫米波雷达多元天线阵列构型。能够降低毫米波雷达稀疏阵列天线方向图栅瓣,使得毫米波雷达多元天线阵列具有良好的多目标角度测量能力,提升车载毫米波雷达的环境感知性能。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解,并且构成说明书的一部分。其中,表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案,但并不构成对本申请技术方案的限制。
图1示出了根据本公开一实施例的基于多目标分解分层遗传算法的雷达多元天线阵列设计方法流程图;
图2示出了根据本公开另一实施例的车载毫米波雷达多元天线阵列构型优化设计方法流程图。
图3示出了根据本公开一实施例的车载毫米波雷达多元天线阵列探测系统示意图。
图4示出了根据本公开一实施例的车载毫米波雷达多元天线阵列布局示意图。
图5示出了根据本公开一实施例的基于多目标分解的分层遗传算法流程示意图。
图6示出了根据本公开一实施例的车载毫米波雷达多元天线阵列优化设计结果示意图。
图7示出了根据本公开一实施例的近距离子系统不同波束指向下阵列天线方向图。
图8示出了根据本公开一实施例的中距离子系统不同波束指向下阵列天线方向图。
图9示出了根据本公开一实施例的远距离子系统不同波束指向下阵列天线方向图。
图10示出了根据本公开一实施例的近距离子系统不同波束指向下峰值旁瓣水平示意图。
图11示出了根据本公开一实施例的中距离子系统不同波束指向下峰值旁瓣水平示意图。
图12示出了根据本公开一实施例的远距离子系统不同波束指向下峰值旁瓣水平示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征,在不相冲突前提下可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的基于多目标分解分层遗传算法的雷达多元天线阵列设计方法。通过设计一种车载毫米波雷达多元天线组合探测模式,构建相应的稀疏阵列优化模型;再采用基于多目标分解的分层遗传算法,对构建的多目标优化模型进行求解,最终得到车载毫米波雷达多元天线阵列构型。
图1和图2分别示出了根据本公开一实施例的基于多目标分解分层遗传算法的雷达多元天线阵列设计方法流程图。如图1和图2所示,该方法可以包括:
步骤S1:基于车载毫米波雷达多元天线阵列探测系统,构建所述车载毫米波雷达多元天线阵列优化模型。
其中,车载毫米波雷达多元天线阵列探测系统包括M个n发m收的毫米波雷达,M,n,m均为正整数,其中,毫米波雷达间间距与毫米波雷达内天线单元间距均不同。
图3示出了根据本公开一实施例的车载毫米波雷达多元天线阵列探测系统示意图。
如图3所示,为满足远场平面波假设与分辨率要求,该系统可以包括近距离子系统、中距离子系统和远距离子系统3个子系统。其中,近距离子系统中雷达数量为Num
在一示例中,步骤S1可以包括:
步骤S11:基于车载毫米波雷达多元天线阵列探测系统构建车载毫米波雷达多元天线阵列优化目标函数和约束条件;
步骤S12:根据车载毫米波雷达多元天线阵列优化目标函数和约束条件,得到车载毫米波雷达多元天线阵列优化模型。
图4示出了根据本公开一实施例的雷达稀疏阵列布局示意图。
对任意一个包含i个相邻毫米波雷达构成的子系统,该毫米波雷达子系统阵列布局如图4所示。该毫米波雷达子系统阵列包含i×(n+m)个阵元,相应的虚拟阵元数为i
其中,发射阵元位置P
其中,l
相应的,接收阵元位置P
其中,l
此时,在该毫米波雷达子系统阵列中,第i
因此,此配置下的毫米波雷达稀疏阵列天线方向函数可表示为:
指向角度θ
f
归一化方向函数,可得:
对于F
其中,FOV表示毫米波雷达视场角;θ
为了更好地抑制不同波束指向下的雷达阵列天线方向图栅瓣,本发明中构建了多波束指向下联合栅瓣抑制目标函数,其目标函数具体为:权重峰值旁瓣比W
其中,Num表示波束指向个数,ω
在典型的城市道路或高速公路场景中,毫米波雷达须满足长距离、宽视角、窄波束探测要求,以实现高精度的环境感知。具体来说,要求毫米波雷达在径向和横向上都能提供大范围的覆盖,并能在任意范围内分辨相邻车道的多个目标,此外,毫米波雷达阵列还需满足远场假设。
以任意一个由i个相邻雷达构成的子系统为例,假定该子系统的探测距离为R
R
L
假设该子系统阵列实际孔径与虚拟孔径长度分别为D
考虑典型高速公路或城市道路,当车辆位于道路中间,车载毫米波雷达的探测范围需要覆盖双向多条车道,定义为±D
其中,λ为波长,k为常系数,D
综合考虑本发明所设计的多组合探测模式,可以得到3种模式下的系统优化模型为:
通过上述过程,能够设计车载雷达多元天线阵列组合探测模式,并构建了相应的稀疏阵列优化模型。
步骤S2:利用多目标分解的分层遗传算法对所述车载毫米波雷达多元天线阵列优化模型进行求解,得到所述车载毫米波雷达多元天线阵列构型。
传统的遗传算法仅使用一个种群进行进化操作,个体的多样化程度低,不易得到全局最优值。此外,本发明构建的阵元位置优化模型中,包含有多个优化目标函数,传统方法难以同时对其优化。因此,本发明设计了分层遗传算法结构,并采用多目标分解方法改进了适应度函数,进而利用改进后的遗传算法进行稀疏阵列优化。
图5示出了根据本公开一实施例的基于多目标分解的分层遗传算法流程示意图。
在一示例中,如图5所示,步骤S2可以包括:
步骤P1:根据个体二进制编码规则,初始化多个待优化的车载毫米波雷达多元天线阵列的阵元间距的子种群。
步骤P2:计算各个车载毫米波雷达多元天线阵列的阵元间距的子种群内每个个体的加权适应度值。
其中,每个个体的加权适应度值为:
式中,λ
步骤P3:根据每个个体的加权适应度值判断是否满足低层遗传操作迭代终止条件,若满足执行步骤P5,否则执行步骤P4;
步骤P4:根据各个车载毫米波雷达多元天线阵列的阵元间距的子种群预先设置的选择、交叉、变异规则进行遗传操作后得到子代种群,跳转步骤P3;
步骤P5:判断各个车载毫米波雷达多元天线阵列的阵元间距的子种群是满足全局迭代终止条件,若满足结束操作,否则执行步骤P6;
步骤P6:计算各个车载毫米波雷达多元天线阵列的阵元间距的子种群的平均适应度后,以所述车载毫米波雷达多元天线阵列的阵元间距的子种群为单位进行高层选择、交叉、变异遗传操作;
步骤P7:判断车载毫米波雷达多元天线阵列的阵元间距的子种群的当前状态是否满足高层遗传操作的终止条件,若满足跳转至步骤P2,否则跳转至步骤P6,以实现对车载毫米波雷达多元天线阵列优化模型进行。
下面以车载毫米波雷达多元天线阵列包括3个2发6收子雷达为例进行说明。
设定的3种模式下的探测距离、角度分辨率与视场角分别为:
此时,可反推出阵列设计时实孔径与虚拟孔径约束分别为:
因此,整个系统的优化模型可表示为:
min f(PSLR)=(W
s.t.D
D
D
对上述优化模型进行求解,遗传算法全局参数设置与各个种群的遗传操作参数设置分别如下表1与表2所示:
表1全局参数设置表
表2子种群参数设置表
图6示出了根据本公开一实施例的车载毫米波雷达稀疏阵列优化设计结果示意图;图7、图8、图9分别示出了根据本公开一实施例的车载毫米波雷达近距离子系统、中距离子系统、远距离子系统不同波束指向下阵列天线方向示意图。
理想条件下,采用本发明方法对阵列架构进行优化设计,可得到优化结果如图6所示。基于最优阵列构型,可得到各子系统指向不同角度时天线方向图如图7-9所示,可以看出,近距离子系统中,左雷达阵列主瓣宽度约为5.4°,峰值栅瓣约-10.16dB;中距离子系统中,左双雷达阵列主瓣宽度约1.45°,峰值栅瓣约-12.08dB;远距离子系统中,三雷达阵列主瓣宽度约为0.66°,峰值栅瓣约-11.88dB。
图10、图11、图12分别示出了根据本公开一实施例的车载毫米波雷达近距离子系统、中距离子系统、远距离子系统不同波束指向下峰值旁瓣水平示意图。
为进一步分析多波束指向下天线方向图栅瓣抑制效果,该阵列构型对应的三种模式下,视场角内所有波束指向下的峰值栅瓣结果如图10-12所示。可以看出,近距离子系统中,在整个视场角内,阵列天线方向图峰值栅瓣起伏小于0.01dB;中距离子系统中,整个视场角内,阵列天线方向图峰值栅瓣起伏小于0.02dB;远距离子系统中,整个视场角内,阵列天线方向图峰值栅瓣起伏小于0.1dB。
本公开的基于多目标分解分层遗传算法的雷达多元天线阵列设计方法,基于车载毫米波雷达多元天线阵列探测系统,构建所述车载毫米波雷达多元天线阵列优化模型;利用多目标分解的分层遗传算法对所述车载毫米波雷达多元天线阵列优化模型进行求解,得到所述车载毫米波雷达多元天线阵列构型。通过雷达多元天线组合探测模式设计与阵元位置的优化,可有效抑制多波束指向下的天线方向图栅瓣,提升车载毫米波雷达的环境感知性能。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
机译: 基于遗传算法的自适应天线阵列处理方法及系统
机译: 基于遗传算法的自适应天线阵列处理方法及系统
机译: 基于遗传算法的自适应天线阵列处理方法及系统