車用毫米波雷達傳感器組網(wǎng)技術(shù)研究

2.2 同步控制

雷達組網(wǎng)后,同樣是通過測量發(fā)射信號和回波信號之間的頻率差來確定目標的位置。但不同于單個雷達探測，汽車雷達網(wǎng)絡(luò)測量目標的距離和速度是通過對每個傳感器測得的目標信息進行數(shù)據(jù)融合而得到的。為了測量目標距離以及產(chǎn)生一致的波形，發(fā)射機和接收機要有統(tǒng)一的時間標準,這就是時間上的同步。為了能接收和放大回波信號,雷達傳感器的發(fā)射機和接收機必須工作在相同的頻率,當發(fā)射機頻率捷變時,接收機本振要作相應(yīng)的變化,即要實現(xiàn)頻率上的同步。汽車雷達網(wǎng)絡(luò)對傳感器之間的時間同步控制誤差要求在10ns內(nèi)。所以高精度時間頻率同步系統(tǒng)是汽車雷達傳感器組網(wǎng)的關(guān)鍵技術(shù)。圖4給出了基于DDS同步時鐘源的配置[3]，各個收發(fā)單元上的DDS同步時鐘源的參考頻率源應(yīng)采用高穩(wěn)定度的原子鐘(如銣、銫原子鐘)。各收發(fā)單元的原子鐘要定期的用同一時間基準來校準。用作校準的時間基準的精度要更高一些,它們可以是GPS(導(dǎo)航星全球定位系統(tǒng)),羅蘭C或彩色電視發(fā)射臺發(fā)射的時間基準信號.

2.3汽車雷達網(wǎng)絡(luò)的目標分類算法

目標分類系統(tǒng)的主要任務(wù)是針對目標回波信號特征計算給定向量的分類關(guān)系，分類器定義了一組不同的目標類別。分類器的工作可以分為研究階段和分類階段，在研究階段分類器對若干特征和經(jīng)過獨立標記的特征向量進行自動分析；在分類階段，要對每個被檢測到的目標生成特征向量。與此同時，識別算法采用最大似然方法進行判決，以判別特征向量屬于哪個類，如圖5所示。在汽車應(yīng)用中，由于分類任務(wù)很復(fù)雜，通常一個給定的向量需要考慮幾個特征，因而要采用多個分類器，其優(yōu)點是在研究階段能夠在一次迭代過程中評估某個特征對決策過程的影響，并自動剔除對決策過程影響較小的項目。文獻[4]給出了基于汽車雷達傳感器的目標分類系統(tǒng)的系統(tǒng)結(jié)構(gòu)和信號處理過程，它可以識別六種不同的雷達目標的類別，包括：步行者、騎自行車的人、車輛、人群、樹木和交通標志等。

圖5 汽車雷達對目標的分類處理過程

圖6 汽車雷達網(wǎng)絡(luò)對單目標

實現(xiàn)測量

3 運動目標位置估算算法

FMCW雷達的基本原理是利用發(fā)射和回波信號之間的頻率差來確定目標的距離和速度[5]。傳統(tǒng)體制的FMCW采用等周期調(diào)頻，在測量單個目標的情況下，簡單可行，表現(xiàn)了良好的實時性和測距測速功能。但是當前方出現(xiàn)多個目標的時候，雷達就會出現(xiàn)判斷上的困難。為了識別多個目標的距離和速度，可以采用變周期的 FMCW波形作為發(fā)射信號。文獻[6]給出了采用變周期的發(fā)射信號測量目標的距離和速度的算法。

對于本文所討論的雷達網(wǎng)絡(luò)系統(tǒng)而言，四個近距離雷達傳感器即是發(fā)射機又是接收機。如圖6所示，通過電掃開關(guān)的控制，其中的一個NDS擔當發(fā)射機，反射信號被四個NDS同時接收。經(jīng)過信號處理之后，因各個NDS之間位置的不同，可以得到四組關(guān)于被測目標的距離和相對速度值(r1, 1 v1, 1)、(r1, 2 v1, 2)、(r1, 3 v1, 3)、(r1, 4 v1, 4)。這種采用單基地發(fā)射多基地接收的雷達網(wǎng)絡(luò)體制，盡管對傳感器之間的時間同步控制要求很高，但是可以避免鄰近傳感器之間的相互干擾。

汽車雷達網(wǎng)絡(luò)測量目標的距離和速度是通過對每個傳感器測得的目標信息進行數(shù)據(jù)融合而得到的。在一個測量周期中，每個NDS輪流擔當一次發(fā)射機。因此有16種距離和相對速度的組合，用向量表示為：

在笛卡爾坐標系中用目標的狀態(tài)向量他t來表述目標的位置矢量和相對速度矢量：

(2)

每個傳感器在笛卡爾坐標系中的位置用向量s表示為：

(3)

對于每個傳感器而言，如果已知該傳感器和目標在坐標系中的位置，那么目標的距離可以由下面的非線性方程來計算：

(4)

同理，得到關(guān)于目標的相對速度的方程：

(5)

綜合方程(1)、(2)、(4)、(5) , 可以得到目標的狀態(tài)向量與四個傳感器測得的目標的距離速度的多個非線性方程，用向量函數(shù)表示成：

(6)

其導(dǎo)數(shù)矩陣，也就是雅可比矩陣為：

(7)