， ，，

(東南大學信息科學與工程學院， 江蘇南京 211189)

0 引言

隨著經(jīng)濟的發(fā)展，公路交通運輸量日益增大， 汽車作為主要運輸手段，已成為當今社會生活中不可缺少的工具。隨著汽車數(shù)量的快速增加，交通事故頻繁發(fā)生，由此導致的生命財產(chǎn)損失數(shù)目驚人。車載雷達對于減少司機的負擔和錯誤判斷、提高交通安全以及降低惡性交通事故發(fā)生率將起到重要的作用。

調(diào)頻連續(xù)波(FMCW)雷達具有結(jié)構(gòu)簡單、無測距盲區(qū)等優(yōu)點，特別適用于汽車防撞雷達[1]。目前，調(diào)頻連續(xù)波雷達一般采用三角波或鋸齒波作為發(fā)射波形。三角波體制雷達計算復雜度低，但存在多目標配對困難的問題，可通過改變?nèi)遣⊕哳l周期去除虛假目標[2]。鋸齒波體制雷達通過二維FFT對速度和距離解耦合，計算復雜度較高[3]。車載防撞雷達應用場景比較復雜，雷達接收信號中除了目標回波，還有雷達接收機噪聲信號、路旁護欄雜波信號和大型建筑物回波信號等，這些雜波干擾信號都會影響雷達對目標的檢測，如何抑制這些雜波信號是保證車載防撞雷達檢測性能的一個關(guān)鍵問題。數(shù)字波束形成技術(shù)可以形成窄波束以抑制感興趣范圍外的雜波干擾目標回波信號，提高檢測概率[4]。實際應用中，由于雷達體積和成本限制，一般接收天線陣列較小，影響波束形成雜波抑制性能。

本文設計了一種低復雜度的信號處理模塊。在預處理階段，對頻域信號進行相位校準，合成一個具有更大孔徑的等效虛擬陣列接收信號，并利用加窗波束形成抑制雜波干擾信號，提高檢測概率。在恒虛警檢測中，本文提出一種改進CFAR算法，通過自適應改變噪聲電平估計樣本，減小目標峰值對后續(xù)頻譜單元干擾噪聲電平估計的影響。針對三角波的多目標配對，本文提出一種多步匹配算法，利用先驗信息壓縮匹配空間，降低配對復雜度，并有效去除虛假目標。

1 系統(tǒng)特點及波形選擇

該車載防撞雷達系統(tǒng)主要用于偵測前向及相鄰兩車道內(nèi)的車輛，并獲取前向物體的距離、速度和方位角信息，信息更新頻率為20 Hz，作用有效距離為2～70 m，應用環(huán)境中存在的路旁金屬護欄、指示牌和高樓等雜波干擾信號嚴重影響雷達的性能。

綜合考慮雷達尺寸、成本和方位角估計精度等因素，系統(tǒng)采用2×3的天線陣列。由于系統(tǒng)硬件限制，兩個發(fā)射天線不能同時或者通過頻率分集發(fā)射信號，因此本系統(tǒng)通過時間分集方式，兩根天線輪流發(fā)射相同的寬波束調(diào)頻連續(xù)波，通過相位校準可將接收的不同發(fā)射天線的目標回波信號合成一個具有更大孔徑的虛擬接收陣列信號，并對虛擬陣列接收信號采用數(shù)字波束形成窄波束抑制雜波干擾信號，根據(jù)目標中頻信號進行多目標檢測和距離、速度及方位角估計。

目前，連續(xù)波雷達一般采用三角波或鋸齒波作為發(fā)射信號波形，為降低成本，本系統(tǒng)選用存儲空間需求小、計算復雜度較低的三角波作為發(fā)射信號波形。

2 三角波雷達測距、測速原理

雷達通過天線向前方發(fā)射調(diào)頻連續(xù)波，并接收目標的反射信號?？紤]目標前方存在一個距離為r、相對速度為v(以靠近雷達為正)的目標，變周期三角波發(fā)射信號與目標反射信號時頻關(guān)系如圖1所示。

圖1 變周期三角波體制雷達信號時頻關(guān)系圖

當存在多個目標時，采用單一掃頻周期的三角波信號存在多目標配對問題，一些文獻提出了MTD頻域配對法[5]，根據(jù)相同目標回波的中頻信號具有相似的頻譜峰值、頻譜寬度等進行配對。這些方法會存在相似目標配對紊亂、計算復雜等缺點。在實際雷達系統(tǒng)中一般采用變周期三角波進行多目標的配對[6]。

假定存在n個目標，則在第i(i=1,2)個掃頻周期的上掃頻段目標j(j∈{1,…,n})的中頻信號頻率與下掃頻段目標k(k∈{1,…,n})的中頻信號頻率配對的結(jié)果為

(1)

(2)

式中，μi=B/Ti，Ti為第i個掃頻周期。

由式(1)和式(2)可以看出，真實目標距離和速度與μi是無關(guān)的，即在兩個掃頻周期內(nèi)進行配對得到的距離和速度結(jié)果是相同的，而虛假目標的速度和距離結(jié)果不同。如果兩個不同掃頻周期內(nèi)的兩組距離和速度值相同，則認為該組值為某一個目標的距離速度參數(shù)值。

3 算法模塊設計

3.1 信號預處理

3.1.1 相位校準

在連續(xù)波雷達系統(tǒng)中，最簡單的數(shù)字波束形成系統(tǒng)可以由一個發(fā)射天線和多個接收天線組成，發(fā)射天線發(fā)射一個寬波束覆蓋指定的區(qū)域，對中頻采樣數(shù)據(jù)進行快速傅里葉變換(FFT)，然后對頻域信號進行波束形成，抑制雜波干擾信號。

本系統(tǒng)采用2×3的天線陣列，采用時間分集的方式通過兩個發(fā)射天線輪流發(fā)射相同的信號，3個接收天線接收目標回波信號。由于系統(tǒng)要求的角度測量精度需達到1°，為獲得更高的測角精度，通過將接收的不同發(fā)射天線的目標回波信號合成，使2×3的天線陣列變?yōu)?×6的虛擬天線陣列，獲得更高的測角精度和波束形成增益[7]，如圖2所示。

圖2 虛擬陣列

如圖2所示，兩個發(fā)射天線間距為3d，接收天線間距為d，d=λ/2，λ為波長。虛擬陣列接收信號由接收天線陣列分別接收發(fā)射天線1和2的發(fā)射信號所對應的目標回波信號組成。由于系統(tǒng)采用時間分集發(fā)射信號，發(fā)射間隔內(nèi)目標運動引起的相位差異使得虛擬陣列天線3和4之間的相位差Δφ3,4=φ4-φ3≠φd(φd為天線間距引起的相位差)，在高信噪比條件下，可以利用虛擬接收天線3,4和5進行校準。接收天線3和4之間的相位差Δφ3,4=φd+φv，φv為發(fā)射間隔內(nèi)目標運動對應的相位變化， Δφ4,5=φd，則需補償?shù)南辔徊瞀う?Δφ4,5-Δφ3,4。

3.1.2 數(shù)字波束形成

雷達接收信號中的雜波干擾信號會影響雷達對目標的檢測，通過對陣列接收信號采用加窗數(shù)字波束形成技術(shù)形成窄波束接收，獲得陣列增益的同時抑制感興趣范圍以外的雜波干擾信號，提高目標檢測概率。對進行相位校準后的頻域信號進行波束形成，如圖3所示。

圖3 數(shù)字波束形成

圖3中，h=[h1,…,h6]T=(w⊙as(θ))H為復權(quán)矢量，窗函數(shù)w提供旁瓣控制的數(shù)據(jù)加權(quán)；導向矢量as(θ)提供對來自θ方向的信號的最大相干積累，z為波束形成輸出矢量。

考慮一個單目標信號，對目標所在頻譜通道的復矢量進行相位校準和波束形成，仿真結(jié)果如圖4所示。

圖4 波束形成增益對比

如圖4所示，由于FFT(FFT點數(shù)：256)后能夠得到較高的信噪比，與均勻線性陣列相比，虛擬陣列相位校準對波束形成增益影響很小。

3.2 恒虛警檢測

3.2.1 CFAR檢測算法

準確設定檢測門限的前提條件是精確已知干擾功率，但是對一般雷達系統(tǒng)而言，干擾功率是未知的。為使雷達系統(tǒng)具有恒定的虛警概率，實際干擾噪聲功率電平可以實時地從數(shù)據(jù)中進行估計，從而相應地調(diào)整雷達檢測門限[8]。恒虛警檢測的原理如圖5所示。

圖5 CFAR檢測

針對多目標應用場景，如果干擾目標存在于兩個參考窗內(nèi)，采用單元平均(CA)CFAR將會使噪聲功率估計值變大，增大漏警率。單元平均選小(SOCA)CFAR算法對兩個參考窗分別求均值，選取兩個估計值中更小的值，該值更可能接近噪聲功率，但在雜波邊緣處會產(chǎn)生虛警。單元平均選大(GOCA)CFAR算法與SOCA CFAR算法相反，選取兩個估計值中較大的，能夠避免雜波邊緣處的虛警，但對多目標的遮蔽效應較敏感。有序統(tǒng)計(OS)CFAR算法對參考單元內(nèi)的數(shù)據(jù)進行升序排序，選擇其中第kOS個元素作為干擾功率電平的估計，對于由緊鄰目標引起的遮蔽效應極不敏感，但是復雜度較高[9]。

3.2.2 CFAR檢測算法改進

車載雷達應用場景比較復雜，多目標遮蔽效應會導致漏檢率增大，本文提出一種自適應改變噪聲電平估計樣本的改進CFAR算法。在CFAR檢測過程中加入一個反饋操作，當該頻譜單元存在目標時，用估計得到的干擾噪聲功率電平代替該頻譜單元值，減小對后續(xù)頻譜單元干擾噪聲功率電平估計的影響，從而減小目標遮蔽效應。改進CFAR算法的步驟為：

待檢測矢量z=[z1,z2,…,zM]；

fori=1∶M

該頻譜單元存在目標；

end

end

綜合考慮性能與復雜度，本系統(tǒng)采用單元平均選小準則的改進CFAR算法，與SOCA CFAR算法的檢測性能對比如圖6所示。

圖6 CFAR算法對比

如圖6所示，存在3個頻譜位置相近的目標，采用改進的CFAR算法能夠正確檢測到全部目標。在檢測到目標后，用估計的噪聲功率電平替代目標峰值，避免目標頻譜峰值對鄰近頻譜單元干擾噪聲功率電平估計的影響，有效減小目標遮蔽效應。

3.3 變周期多目標配對

3.3.1 容差函數(shù)配對算法

由于實際中頻信號頻率計算不可避免地存在誤差，在判斷兩個速度距離信息組合是否相等時需要建立容差函數(shù)，如果兩者的誤差在容差內(nèi)，則判斷是相等的[10]。

假設中頻信號采樣頻率為fs， FFT點數(shù)為NFFT，則得到的信號頻譜觀察細度為Δf=fs/NFFT，由此可根據(jù)式(1)計算FMCW雷達的測距精度為Δr=cTfs/2BNFFT，建立目標的距離容差函數(shù)：

(3)

如果在兩個周期內(nèi)測得的距離差小于此容差值，則認為相等。

同理，可以建立速度容差函數(shù)：

(4)

但在實際工程中，由于采用的FFT點數(shù)較少等原因，會導致距離和速度容差函數(shù)值較大，只利用容差函數(shù)值，結(jié)果中仍存在較多虛假目標。針對這個問題，本文提出一種利用先驗信息壓縮匹配空間的多步配對算法，能夠在頻率配對過程中有效去除虛假目標，并降低計算復雜度。

3.3.2 多目標配對算法改進

在三角波體制雷達中，雖然僅根據(jù)一個掃頻段的中頻信號頻率值無法得到目標的距離和速度信息，但可以利用先驗信息，根據(jù)同一目標在不同掃頻段的中頻信號頻率間的內(nèi)在聯(lián)系壓縮頻率配對空間，去除虛假目標。

(5)

式中，vmax為系統(tǒng)感興趣范圍內(nèi)的最大相對速度。

(6)

(7)

變周期多目標配對算法具體步驟為：

1) 相同掃頻周期上下掃頻段配對：

fori=1∶N1

計算能夠配對的范圍：

forj=1∶N2

度矩陣中對應的距離和速度值；

end

end

end

同理，進行第二個掃頻周期的配對。

2) 不同掃頻周期相同掃頻段配對：

fori=1∶N1

計算能夠配對的范圍：

forj=1∶N3

end

end

同理，進行下掃頻的配對。

3) 容差函數(shù)配對：計算步驟1)和2)中均配對成功的組合對應的距離和速度差值，若均小于對應的距離和速度容差函數(shù)值，則認為是同一目標。

4) 若某一檢測結(jié)果在另一掃頻周期中存在多個配對結(jié)果，則計算速度-距離平面的歐氏距離，取最短距離對應的配對結(jié)果。

3.4 方位角估計及點跡凝聚

3.4.1 波達方向估計算法的選擇

針對配對得到的目標，利用目標所在陣列頻譜通道的復矢量對其方位角進行估計。目前，工程上常用的方位角估計算法有比相法、和差波束法、Music法、Esprit法和Capon法等。由于車載防撞雷達系統(tǒng)應用場景比較復雜，一個頻譜通道內(nèi)可能存在多個目標的回波信號，采用比相法或和差波束法會有較大誤差，Music法需要對源目標個數(shù)進行估計，Esprit法穩(wěn)健性較差。綜合考慮，選擇穩(wěn)健性較高的Capon法進行方位角估計。

3.4.2 波達方向估計的穩(wěn)健性修正

(8)

3.4.3 點跡凝聚

系統(tǒng)信息更新頻率為20 Hz，即一幀時長為50 ms。一幀時間內(nèi)會進行多次檢測，同一目標可能會檢測出多個相距較近的點，采用質(zhì)心法對點跡進行凝聚，點跡凝聚算法步驟為：

1) 找出(剩余)點跡中幅度最大的點；

2) 搜索以該點為中心，角度差小于2°、距離差小于1 m的點跡，采用質(zhì)心法對距離、速度及角度信息進行凝聚；

3) 重復步驟1)和2)，直到遍歷所有點。

一幀內(nèi)進行K次檢測，目標被正確檢測次數(shù)大于(等于)K0次，則進行點跡凝聚，否則作為虛假目標舍去，K0大小根據(jù)漏警率和虛警率決定。

4 算法仿真結(jié)果

雷達系統(tǒng)部分參數(shù)如表1所示。

表1 雷達系統(tǒng)參數(shù)表

設置3個車道，本車雷達處于中間車道(圖7中原點位置)，在雷達前方設置多個目標以及指示牌，道路兩旁存在護欄，目標車輛RCS=20 dBm2，接收信號信噪比根據(jù)雷達方程計算得到，目標相對位置如圖7所示。

圖7 仿真場景示意圖

采用本文設計算法進行多周期目標檢測，檢測結(jié)果如圖8所示。

圖8 仿真結(jié)果

如圖8所示，所有目標均被正確檢測，沒有產(chǎn)生虛假目標，部分路旁護欄雜波也被檢測。將仿真結(jié)果與實際值比較，目標測距誤差均值為0.48 m，測速誤差均值為0.16 m/s，測角誤差均值為0.12°，均在系統(tǒng)誤差允許范圍內(nèi)。

5 結(jié)束語

本文設計了一種LFMCW車載防撞雷達系統(tǒng)信號處理模塊，該模塊通過合成虛擬陣列獲得更大的接收天線孔徑，采用數(shù)字波束形成窄波束對感興趣范圍內(nèi)目標進行檢測，采用自適應改變噪聲電平估計樣本的改進恒虛警檢測算法有效減小了目標遮蔽效應，同時利用基于先驗信息的多目標配對算法壓縮配對空間，在頻率配對階段能夠有效去除虛假目標并降低計算復雜度。仿真結(jié)果顯示，該算法能正確檢測出雷達前方目標，誤差均在系統(tǒng)允許范圍內(nèi)。

[1] 簡森林,何宗銳. 基于步進頻連續(xù)波雷達的射頻對消[J]. 雷達科學與技術(shù), 2016, 14(2):189-193.

[2] LIN J J, LI Y P, HSU W C, et al. Design of an FMCW Radar Baseband Signal Processing System for Automotive Application[J]. Springerplus, 2016, 5(1):1-16.

[3] SONG M, LIM J, SHIN D J. The Velocity and Range Detection Using the 2D-FFT Scheme for Automotive Radars[C]∥IEEE International Conference on Network Infrastructure and Digital Content, Beijing:IEEE, 2014:507-510.

[4] WANG W,WANG R, DENG Y, et al. Improved Digital Beam-Forming Approach with Scaling Function for Range Multi-Channel Synthetic Aperture Radar System[J]. IET Radar, Sonar and Navigation, 2016, 10(2):379-385.

[5] 楊建宇,凌太兵,賀峻. LFMCW雷達運動目標檢測與距離速度去耦合[J].電子與信息學報, 2004, 26(2):169-173.

[6] ISSAKOV V. Microwave Circuits for 24 GHz Automotive Radar in Silicon-Based Technologies[M]. Berlin:Springer, 2010:9-11.

[7] FISCHER C, ANDRES M, BLOECHER H, et al. Adaptive Super-Resolution with a Synthetic Aperture Antenna[C]∥9th European Radar Conference, Amsterdam:IEEE, 2012:250-253.

[8] RICHARDS M A. Fundamentals of Radar Signal Processing[M]. New York:McGraw-Hill, 2005:260-263.

[9] TAO D, ANFINSEN S N, BREKKE C. Robust CFAR Detector Based on Truncated Statistics in Mul-tiple-Target Situations[J]. IEEE Trans on Geoscience and Remote Sensing, 2015, 54(1):1-18.

[10] 宋洋. 一種改進的車載雷達多目標檢測方法[J]. 電子科技, 2014, 27(11):135-138.