点击蓝色“雷达学报”关注
电脑端视频播放地址(雷达学报b站学习平台):
随着科学技术的发展,自动驾驶技术正在逐步从理论探索转向实际工程应用。传感器作为具备测量和感知功能的器件,在这一过程中扮演着重要角色,能够帮助驾驶人员和高级驾驶辅助系统对周围的目标进行检测、识别和跟踪,为驾驶操作提供决策依据。作为高级驾驶辅助系统核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势,提供了关键的感知能力,逐渐成为国内外学者及厂商关注的焦点。
汽车毫米波雷达以汽车作为平台,其核心性能指标主要有距离、速度、角度分辨率、视场范围等,此外,精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求,雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是汽车毫米波雷达在实际应用中需要面对的三个重点问题,因此受到了相关领域的广泛关注和研究。近年来,东南大学黄岩副教授团队对汽车毫米波雷达信号处理技术开展了相关工作,针对汽车毫米波雷达点云成像、SAR成像和抗互干扰三个方面进行了深入研究。图 2 东南大学黄岩副教授团队
在汽车毫米波雷达点云成像方面,设计了一套完整的毫米波雷达系统级点云成像算法,生成了较为致密可信的毫米波雷达三维点云图像;在汽车毫米波雷达SAR成像方面,改进了传统距离徙动算法,并将其应用于汽车场景,实现了高精度SAR成像;针对汽车毫米波雷达抗互扰方面,提出了联合目标检测与干扰抑制半参数化方法,联合实现了汽车场景目标检测和信号干扰抑制。基于以上研究基础,结合国内外当前的汽车毫米波雷达信号处理的相关研究,课题组对汽车毫米波雷达信号处理技术进行了综述。图 3 课题组在汽车毫米波雷达信号处理的相关研究成果该工作已发表在《雷达学报》2023年第5期的论文“汽车毫米波雷达信号处理技术综述”(黄岩,张慧,兰吕鸿康,邓坤)。
首先,该文总结讨论了汽车毫米波点云成像处理各方法的关键技术与研究成果。该文将点云处理技术分为三类:阵列信号处理方法、深度学习方法、多传感器融合方法,对各类方法的流程、特点进行介绍,汇总相关论文的成像处理方法同时分析了其主要优缺点。其中毫米波雷达点云成像算法处理流程如图 4 所示,基于信号处理、基于深度学习方法相关论文如表 1 和表 2 所示。表 2 基于深度学习方法实现点云处理相关论文汇总
接下来,针对合成孔径雷达(SAR)成像体制,该文对毫米波雷达SAR成像技术在汽车场景的相关应用进行了综述。首先,针对汽车毫米波SAR基础成像算法,总结了SAR经典成像(如RDA, RMA, BPA等)在汽车毫米波雷达上的应用,车载毫米波SAR基础成像算法总结如表 3 所示。
然后,从毫米波宽波束子孔径处理、SAR成像运动补偿、斜前视与MIMO-SAR成像三个方面阐述了汽车毫米波SAR成像的新应用,部分SAR成像运动补偿如图 5 所示。图 5 部分SAR成像运动补偿结果
接着,该文针对汽车毫米波雷达干扰抑制问题进行了综述,从汽车毫米波雷达互扰模型展开,将现有抗互扰方法分为3类:雷达系统和波形设计、系统协调和策略方法和信号处理方法,并对每类方法的代表性工作进行了详细介绍。此外,本文着重介绍了信号处理抗互扰技术,将该方法细分为滤波、干扰消除重构、信号分离和基于数据驱动的方法,并简要总结了各类信号处理方法的适用场景与优缺点。汽车雷达干扰抑制的信号处理方法对比总结如表4所示,部分信号干扰消除结果如图 6 所示。最后,该文进行了总结,并对汽车毫米波雷达在点云成像、SAR成像和互扰抑制三个方面将面临的挑战和未来的研究方向进行了展望。黄岩,副教授,博士生导师,主要研究方向为雷达信号处理、雷达抗干扰、通信感知一体化及人工智能应用技术。
张慧,副研究员,硕士生导师,主要研究方向为汽车毫 米波雷达系统及信号处理。兰吕鸿康,硕士生,主要研究方向为汽车毫米波雷达信号处理、雷达点云成像。邓坤,硕士生,主要研究方向为汽车毫米波雷达信号处理、SAR成像。编辑:谭大宁
欢迎转发本号原创内容,转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。本号发布信息旨在传播交流,其内容由作者负责,不代表本号观点。如涉及文字、图片、版权等问题,请在20日内与本号联系,我们将第一时间处理。《雷达学报》拥有最终解释权。