具有多普勒模糊估计的距离和到达方向偏移

摘要

一种车辆、用于车辆的雷达系统，以及通过雷达系统确定物体的径向速度的方法。该雷达系统包括发射机，接收机和处理器。发射机向物体发射源信号，且接收机用于接收该物体对该源信号的反射。处理器获得与物体的径向速度有关的多普勒测量，其中，多普勒测量包括多普勒模糊度，获得物体的径向速度的距离走动速率，以及使用该距离走动速率解算多普勒测量的多普勒模糊度，以获得该物体的径向速度。

权利要求

1.一种通过雷达系统确定物体的径向速度的方法，包括：获取与所述物体的径向速度有关的多普勒测量，其中，所述多普勒测量包括多普勒模糊度；

获取所述物体的所述径向速度的距离走动速率；

使用所述距离走动速率解算所述多普勒测量的所述多普勒模糊度以获得所述物体的所述径向速度。

2.根据权利要求1所述的方法，其中，所述距离走动速率进一步包括在距离-多普勒-波束-距离速率-到达方向(DOA)速率能量图中定位距离单元中的最大能量峰值，以及确定连接所述距离单元的曲线。

3.根据权利要求1所述的方法，进一步包括对雷达信号执行拉冬变换以获得拉冬参数空间。

4.根据权利要求3所述的方法，进一步包括执行以下中的至少一项：(i)从所述拉冬参数空间中的峰值确定距离走动速率；(ii)从所述拉冬参数空间中的峰值确定达到方向速率；及(iii)降低由于距离偏移和到达方向偏移中的至少一个导致的功率损耗。

5.根据权利要求3所述的方法，进一步包括对距离和到达方向变换项执行作为傅里叶变换的拉冬变换以减少确定拉冬变换的计算成本。

6.一种用于车辆的雷达系统，包括：

用于向物体发射源信号的发射机；

用于接收该物体对所述源信号的反射的接收机；及

处理器，配置为：

从所述反射获得与所述物体的径向速度有关的多普勒测量，其中，所述多普勒测量包括多普勒模糊度；

获取所述物体的所述径向速度的距离走动速率；

使用所述距离走动速率解算所述多普勒测量的所述多普勒模糊度，以减少物体的径向速度的模糊度。

7.根据权利要求6所述的系统，其中，所述处理器进一步配置为通过在距离-多普勒-波束-距离速率-到达方向速率能量图中定位距离单元中的最大能量峰值来获得所述距离走动速率并确定连接距离单元的曲线。

8.根据权利要求6所述的系统，所述处理器进一步配置为对雷达信号执行拉冬变换以获得拉冬参数空间。

9.根据权利要求8所述的系统，所述处理器进一步配置为执行以下中的至少一项：(i)从所述拉冬参数空间中的峰值确定距离走动速率；(ii)从所述拉冬参数空间中的峰值确定达到方向速率；及(iii)降低由于距离偏移和到达方向偏移中的至少一个导致的功率损耗。

10.根据权利要求8所述的系统，其中，所述处理器进一步配置为对距离和到达方向变换项执行作为傅里叶变换的所述拉冬变换以减少确定所述拉冬变换的计算成本。

说明书

具有多普勒模糊估计的距离和到达方向偏移

[0001] 引言

[0002] 本发明涉及雷达系统中的距离和到达方向参数的测量，具体涉及用于减少多普勒中的模糊并且估计偏移下的距离和到达方向参数的方法。

[0003] 车辆中使用的雷达系统制造成具有尽可能大的探测距离。增加探测范围的一种方式包括增加雷达积分时间。此外，距离和到达方向的分辨率随着雷达系统中所使用的频率的增加而降低。积分时间的增加和分辨率的降低导致雷达系统在距离或达到方向参数上遇到相干极限。超过距离相干极限或到达方向相干极限的雷达系统的探测距离将不会随积分时间的增加而增加。在雷达系统中提供降低的多普勒模糊是可取的。

发明内容

[0004] 在一示例性实施例中，公开了一种通过雷达系统确定物体的径向速度的方法。该方法包括获得与物体的径向速度有关的多普勒测量，其中，多普勒测量包括多普勒模糊，获得物体的径向速度的距离走动速率，以及使用该距离走动速率解算多普勒测量的多普勒模糊度，以获得该物体的径向速度。

[0005] 除本文描述的一个或多个特征之外，获得距离走动速率进一步包括在距离-多普勒-波束-距离速率-到达方向(DOA)速率能量图中定位距离单元中的最大能量峰值。该方法进一步包括确定连接距离单元的曲线以获得距离走动速率。该方法进一步包括对雷达信号执行拉冬变换以获得拉冬参数空间。该方法进一步包括执行以下中的至少一项：从拉冬参数空间中的峰值确定距离走动速率；从拉冬参数空间中的峰值确定达到率方向；及降低由于距离偏移和到达方向偏移中的至少一个导致的功率损耗。该方法进一步包括对距离和到达方向变换项执行作为傅里叶变换的拉冬变换以减少确定拉冬变换的计算成本。该方法进一步包括使用由解算多普勒模糊度确定的径向速度相对于物体导航车辆。

[0006] 在另一示例性实施例中，公开了一种车辆的雷达系统。该雷达系统包括用于向物体发射源信号的发射机，用于接收该物体对所述源信号的反射的接收机，及处理器。该处理器配置为获得与物体的径向速度有关的多普勒测量，其中，多普勒测量包括多普勒模糊，获得物体的径向速度的距离走动速率，以及使用该距离走动速率解算出多普勒测量的多普勒模糊度，以减少该物体的径向速度的模糊度。

[0007] 除本文描述的一个或多个特征之外，该处理器进一步配置为通过在距离-多普勒-波束-距离速率-到达方向速率能量图中定位距离单元中的最大能量峰值以获得距离走动速率。该处理器进一步配置为确定连接距离单元的曲线以获得距离走动速率。该处理器进一步配置为对雷达信号执行拉冬变换以获得拉冬参数空间。该处理器进一步配置为执行以下中的至少一项：从拉冬参数空间中的峰值确定距离走动速率；从拉冬参数空间中的峰值确定达到率方向；及减少由于距离偏移和到达方向偏移中的至少一个导致的功率损耗。该处理器进一步配置为对距离和到达方向变换项执行作为傅里叶变换的拉冬变换以减少确定拉冬变换的计算成本。该处理器进一步配置为使用由解算多普勒模糊确定的径向速度相对于物体导航车辆。

[0008] 在又一示例性实施例中，公开了一种车辆。该车辆包括用于向物体发射源信号的发射机，用于接收该物体对所述源信号的反射的接收机，及处理器。该处理器配置为获得与物体的径向速度有关的多普勒测量，其中，多普勒测量包括多普勒模糊度，获得物体的径向速度的距离走动速率，以及使用该距离走动速率解算出多普勒测量的多普勒模糊度以获得该物体的径向速度。

[0009] 除本文描述的一个或多个特征之外，该处理器进一步配置为通过在距离-多普勒-波束-距离速率-到达方向速率能量图中定位距离单元中的最大能量峰值以获得距离走动速率。该处理器进一步配置为确定连接距离单元的曲线以获得距离走动速率。该处理器进一步配置为对雷达信号执行拉冬变换以获得拉冬参数空间。该处理器进一步配置为执行以下中的至少一项：从拉冬参数空间中的峰值确定距离走动速率；从拉冬参数空间中的峰值确定达到率方向；及降低由于距离偏移和到达方向偏移中的至少一个导致的功率损耗。该处理器进一步配置为对距离和到达方向变换项执行作为傅里叶变换的拉冬变换以减少确定拉冬变换的计算成本。

[0010] 当结合附图阅读以下详细描述时，本发明的上述特征和优点以及其他特征和优点将变得显而易见。

附图说明

[0011] 其他特征、优点和细节仅作为示例出现在下面详细描述中，详细描述参照附图，其中：

[0012] 图1是根据各种实施例的具有相关轨迹规划系统的车辆；

[0013] 图2示出了物体运动对距离单元之间的迁移的影响；

[0014] 图3示出了横向运行对达到方向测量的影响；

[0015] 图4示出了示意性地示出涉及目标迁移减轻过程的雷达系统的示意图；

[0016] 图5示出了使用傅里叶变换获得的距离-多普勒能量图；

[0017] 图6示出了不同距离走动速率的拉冬变换对功耗降低的影响；

[0018] 图7示出了方位角参数的各种功率谱；及

[0019] 图8示出了执行式(7)的傅里叶变换获得的拉冬变换参数空间。

具体实施方式

[0020] 以下描述仅为示例性的，并不旨在限制本发明，及其应用或用途。应该理解的是，在整个附图中，相应的附图标记表示相同或相应的部件和特征。

[0021] 根据示例性实施例，图1是根据各种实施例的具有在100处描绘的相关轨迹规划系统的车辆10。通常，轨迹规划系统100为车辆10的自动驾驶确定轨迹规划。车辆10通常包括底盘12、车身14、前轮16，及后轮18。车身14设置在底盘12上并基本上包围车辆10的部件。车身14和底盘12可以联合构成框架。车轮16和18各自在车身相应拐角附近可旋转联接到底盘12上。

[0022] 在各种实施例中，车辆10是自主车辆且轨迹规划系统100结合到车辆10(以下称为自主车辆10)。例如，自主车辆100是自动控制地将乘客从一个位置运送到另一个位置的车辆。在所示实施例中，自主车辆10描述为客车，但应理解的是任何其他车辆，包括摩托车、货车、运动型多功能车(SUVs)、休闲车(RVs)、海船、飞机等，亦可使用。在一示例性实施例中，自主车辆10是所谓的四级或五级自动化系统。四级自动化系统表示“高度自动化”，指的是即使人类驾驶员没有对干预请求做出适当响应，自动驾驶系统实现动态驾驶任务的各个方面的驾驶模式特定性能。五级自动化系统表示“全自动化”，指的是自动驾驶系统在可由人类驾驶员管理的所有道路和环境条件下实现动态驾驶任务的所有方面的全时性能。

[0023] 如图所示，自主车辆10通常包括推进系统20、传动系统22、转向系统24、制动系统26、传感器系统28、致动器系统30、至少一个数据存储装置32和至少一个控制器34。在各种实施例中，推进系统20可包括内燃机、诸如牵引电动机的电机，和/或燃料电池推进系统。传动系统22配置为根据选择的速比将动力从推进系统20传送到车轮16和18。根据各种实施例，传动系统22可以包括级比自动变速器、无级变速器或其他适当的变速器。制动系统26构造无级变速器出向车轮16和18提供制动转矩。在各种实施例中，制动系统26可包括摩擦制动器、线控制动器，及再生制动系统，例如，电机，和/或其他适当的制动系统。转向系统24影响车轮16和18的位置。出于说明性的目的，尽管描述为包括方向盘，但是在本发明的范围内预期的一些实施例中，转向系统24可以不包括方向盘。

[0024] 传感器系统28包括感测自主车辆10的外部环境和/或内部环境的可观察状况的一个或多个感应装置40a-40n。感应装置40a-40n可包括，但不限于，雷达、激光雷达、全球定位系统，光学相机、热像仪、超声波传感器和/或其他传感器。在各种实施例中，车辆10包括含有雷达传感器阵列的雷达系统，该雷达阵列的雷达传感器位于沿着车辆10的多个位置。在运行中，雷达传感器发出电磁源脉冲48，其在车辆10处由传感器视场中的一个或多个物体50反射回来。源脉冲48是线性调频(LFM)脉冲或“啁啾”脉冲并获得一个或多个物体50的距离、多普勒和到达方向测量。当雷达系统遇到相干极限时，这些测量能够在距离和/或到达方向上迁移，从而限制信号功率。本发明公开的的雷达系统提供用于打破或超过这些相干极限并用于解算多普勒模糊度的处理器。下面将讨论这些方法。

[0025] 致动器系统30包括控制一个或多个车辆特征的一个或多个致动器装置42a-42n，例如，但不限于推进系统20、传动系统22、转向系统24和制动系统26。在各种实施例中，车辆特征可以进一步包括内部和/或外部车辆特征，例如，但不限于，车门、后备箱，以及车厢特征，例如，通风、音乐、照明等(未编号)。

[0026] 控制器34包括至少一个处理器44和计算机可读存储设备或介质46。处理器44可以是任何定制或商用处理器、中央处理单元(CPU)、图形处理单元(GPU)、与控制器34相关的几个处理器中的辅助处理器、基于半导体的微处理器(以微芯片或芯片组的形式)、宏处理器、其任何组合，或通常用于执行指令的任何设备。例如，计算机可读存储设备或介质46可以包括只读存储器(ROM)、随机存取存储器(RAM)和保活存储器(KAM)中的易失性和非易失性存储器。保活存储器是可用于在处理器44断电时存储各种操作变量的持久性或非易失性存储器。计算机可读存储设备或介质46可以使用许多已知存储设备中的任何一种来实现，例如，PROMs(可编程只读存储器)、EPROMs(电子可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、闪存，或任何其他能够存储数据的电、磁、光或组合存储设备，其中一些代表由控制器34用于控制自主车辆10的可执行指令。

[0027] 这些指令可以包括一个或多个独立的程序，每个程序包括用于实现逻辑功能的可执行指令的有序列表。当处理器44执行这些指令时，这些指令接收并处理来自传感器系统28的信号，执行用于自动控制自主车辆10的部件的逻辑、计算、方法和/或算法，并对致动器系统30产生控制信号以基于所述逻辑、计算、方法和/或算法自动控制自主车辆10的部件。
尽管图1中只示出了一个控制器34，自主车辆10的实施例可包括任何数量的控制器34，这些控制器通过任何合适的通信介质或通信介质的组合进行通信，并协作处理传感器信号并执行逻辑、计算、方法和/或算法，及生成控制信号以自动控制自主车辆10的特征。

[0028] 轨迹规划系统100基于物体及它们在车辆环境中的位置的确定来导航自主车辆10。在各种实施例中，控制器34在车辆10上的多个位置操作多个雷达以使用多个啁啾信号确定物体50的参数(即，距离、仰角和方位角，和多普勒频率)。在确定物体的各种参数时，为了相对于物体50导航车辆10，控制器34可以操作一个或多个致动器装置42a-n、推进系统
20、传动系统22、转向系统24和/或制动器26。

[0029] 在雷达系统中，啁啾信号的长度受帧持续时间T的限制。对于给定帧持续时间来说，具有足够大的径向速度的物体可在帧持续时间期间从一个位置移动到另一个位置。这将导致距离迁移，因为代表目标的峰值将分布在多个距离库中。雷达系统的距离相干极限如式(1)所示：

[0030]

[0031] 其中Vradial是径向速度，ΔR是雷达的距离分辨率，T是帧持续时间。同样地，同样，如果目标以足够的角速度横跨过雷达系统的视场中，代表目标的峰值将分布在多个距离库中。同样地，表示到达方向相干极限的方程，如式(2)所示：

[0032]

[0033] 其中ΔDOA是雷达的角分辨率，等于波束宽度。由于在帧期间在单元之间迁移的目标的范围和/或到达方向，不满足式(1)或式(2)的标准的帧持续时间失去其有效性。

[0034] 图2示出了物体运动对距离单元之间的迁移的影响。距离-啁啾图202示出了静止或具有由式(1)的距离相关极限限制的径向速度的物体的距离。啁啾指数是啁啾编号。每个啁啾都具有持续时间，且该啁啾指数和时间有关。距离-啁啾图202示出了在整个帧持续时间内保持在大约100米的距离内物体。距离-多普勒图204与距离-啁啾图202有关并显示了明确定义的(非模糊的)距离和多普勒参数值。

[0035] 相比之下，距离-啁啾图206示出了违反了由式(1)的距离相关极限限制的径向速度的物体的距离。距离啁啾图206示出了在帧持续时间内从帧开始时保持在大约100米的距离内到帧结束时保持在大约100米的距离内的物体的距离变化。因为距离值分布在几个距离库中，与距离-啁啾图206有关的距离-多普勒图208显示了距离正在偏移的目标。

[0036] 图3示出了横向运行对达到方向测量300的影响。针对方位角绘制了信号功率。对于静态的或缓慢移动的目标，功率谱302指示20度的峰值。对于移动的目标，功率谱304具有在一定角度范围内扩展的宽峰值，从而降低信号功率并扩展到达方向参数。

[0037] 另一个限制发生在雷达系统的最大多普勒频率。对于给定的雷达脉冲重复频率(PRF)，大于二分之一脉冲重复频率的多普勒频率将被混叠从而被错误估计。这个现象称为多普勒模糊。

[0038] 图4示出了示意性地示出涉及目标迁移减轻过程的雷达系统400的示意图。波形发生器402生成波形并将波形提供给发射机404。发射机404包括用于从波形产生电磁源信号并将源信号提供给将源信号传播到环境中的发射机天线(Tx)。在接收机天线(Rx)处接收来自物体的源信号的反射，并在接收机406处产生电信号。接收机406将信号转换成数字信号并采样该数字信号。然后将采样的信号提供给对该采样的信号执行拉冬变换的数字处理器408。拉冬变换生成距离-多普勒-波束-距离速率-达到方向速率能量图。峰值探测器410在距离-多普勒-波束-距离速率-达到方向速率能量图中定位峰值。探测器412从距离-多普勒-波束-距离速率-达到方向速率能量图中提取探测。然后多普勒解算器414使用距离走动速率解算出多普勒模糊。

[0039] 拉冬变换是广义的傅里叶变换，其中积分路径是动态的。拉冬变换如下面的式(3)-(5)所示：

[0040]

[0041] 其中，式(3)中的R(n，m，p)项由下式给出：

[0042]

[0043] 式(4)中的D(m，ch，q)项由下式给出：

[0044]

[0045] 其中，n是啁啾中的样本指数，m是帧中的啁啾指数，ch是传感器阵列中的指数，k是距离库指数，l是多普勒库指数，θ是到达仓方向，p是距离走动斜率，q是到达走动斜率方向，fs是采样频率，d是天线阵子间距直径，λ是信号波长，及RPI是脉冲重复间隔。

[0046] 图5示出了使用傅里叶变换的距离-多普勒能量图500。这幅图示出了使用式(3)-(5)的拉动变换获得的积分线。该能量图500示出了不同啁啾处的不同距离值。峰值探测器410，图4在距离-多普勒-波束-距离速率-到达方向速率能量图中定位峰值能量，其中该峰值能量是根据绘制的积分线502。探测器412，图4探测到这些单元格以确定距离走动速率。
然后多普勒解算器414使用该距离走动速率确定明确的多普勒值，如式(8)所示。多普勒解算器接收径向速度的两种表示。多普勒测量和距离走动速率，在图5中示出为积分线502的斜率。多普勒测量准确但不明确。距离走动速率不准确但明确。因此，距离走动速率用来解算多普勒模糊度，如式(8)所示：

[0047]

[0048] 其中指数k确定多普勒假设，PRI是脉冲重复间隔，PRF是脉冲重复频率，nChirps是帧内啁啾数量，且λ是信号波长。

[0049] 图6示出了拉冬变换对功耗600降低中不同距离走动速率参数的影响。图6示出了距离参数的各种功率谱，第一功率谱602描绘了不应用距离走动校正的距离值。第一功率谱的峰值是平坦的且具有降低能量，导致距离精度低和探测距离减少。应用+5库的距离走动速率产生光谱604，并应用+10库的距离走动速率产生光谱606。光谱604和606具有比光谱602更宽的峰值，从而降低了精度和探测距离。应用-5库的距离走动速率产生光谱608，并应用-10库的距离走动速率产生光谱610。光谱608具有比光谱602更明确更精细的峰值。光谱
610具有更明确的峰值。因此，应用-10库的距离走动速率能够降低探测距离的损失并提高距离参数的精度。

[0050] 图7示出了方位角参数700的各种功率谱。第一功率谱702描绘了不应用到达方向走动校正方位角的值。第一功率谱的峰值不平坦且宽，导致方位角精度低和探测距离减少。应用+5度的距离走动速率产生光谱704，并应用+10度的距离走动速率产生光谱706。光谱
704和706具有比光谱702更宽的峰值，光谱702的峰值不稳定，形成了两者之间具有谷值的两个独立峰值，从而在方位角值上产生更低的精度，并减小了探测距离。应用-5度的距离走动速率产生光谱708，并应用-10度的距离走动速率产生光谱710。光谱708具有比光谱702更明确更精细的峰值。光谱710具有更明确的峰值。从而，应用-10度的距离走动速率能够降低探测距离的损失并提高方位角参数的精度。

[0051] 通过重新排列如式6所示的求和项，能够使式(3)的拉冬变换的实现有效：

[0052]

[0053] 然后，可以使用如式(7)中表达的快速傅立叶变换，以更低的计算

[0054] 能力有效地计算式(6)的总和：

[0055]

[0056] 应用式(7)得到如图8所示的拉冬参数空间。

[0057] 图8示出了通过执行式(7)的傅里叶变换获得的拉冬变换参数空间。对每个k-l-θ点，都有一个目标的p-q参数空间。为了提取具有正确距离走动速率和到达方向走动速率的探测802，执行峰值探测。为了消除错误探测并减少计算量，可执行阈值测试。

[0058] 虽然本发明已参照示例性实施例进行了描述，但本领域技术人员应理解，在不偏离其范围的情况下，可以对其进行各种更改并可用同等物取代其元件。此外，在不脱离本发明的基本范围的情况下，可以进行许多修改以使特定情况或材料适应本公发明的教导。因此，本发明旨在不限于所公开的特定实施例，而是将包括其范围内的所有实施例。