威尼斯人棋牌-威尼斯欢乐娱人城-首页

信号处理方法和装置与流程

文档序号:24892247发布日期:2021-04-30 13:19
信号处理方法和装置与流程

本申请涉及通信领域,尤其涉及信号处理方法和装置。



背景技术:

雷达探测广泛地应用于各种领域,例如,高级驾驶辅助系统(advanceddriverassistantsystem,adas)、无人驾驶领域等。随着技术发展,对雷达探测提出了更高距离分辨率、更高角度分辨率的需求。

雷达可通过发射更大带宽来提升距离分辨率,通过设置更多的多输入多输出(multipleinputmultipleoutput,mimo)阵列来实现更高的角度分辨率。设置有mimo阵列的雷达可以称为mimo雷达。mimo雷达可以支撑大量的发射天线轮流发射,但由于mimo雷达采用天线轮流发射,导致其单天线的相对脉冲重复周期(pulserepetitioninterval,pri)较长,从而降低了mimo雷达对目标运动速度的探测范围,导致超过mimo雷达最大速度探测范围外的目标运动速度混叠到探测范围内,造成目标的速度模糊。

为了解决上述问题,业界还提出了一种单输入多输出(simpleinputmultipleoutput,simo)+mimo的雷达探测机制。在simo+mimo机制下,雷达既可以工作在mimo模式下,也可以工作simo模式下。雷达可以分别通过simo模式和mimo模式探测目标,并基于simo模式和mimo模式的pri周期不同,利用在simo模式下获取的信号对在mimo模式下获取的信号进行速度匹配解模糊处理。但是随着技术进步,对simo+mimo模式下获取的信号进行速度匹配解模糊处理的精度依然面临着挑战。



技术实现要素:

本申请提供一种信号处理方法和装置,能够提高simo+mimo模式下对信号进行速度匹配解模糊处理的精度。

第一方面,提供了一种信号处理方法,包括:获取nr1×m1个信号,所述nr1×m1个信号是雷达在simo模式下向目标发送的m1个信号的回波信号,所述simo模式对应于1个发射通道和nr1个接收通道,nr1、m1为大于1的整数;获取nt×nr2×m2个信号,该nt×nr2×m2个信号是雷达在mimo模式下向所述目标发送的m2个信号的回波信号,所述mimo模式对应于nt个发送通道和nr2个接收通道,nt、nr2、m2为大于1的整数;对所述nr1×m1个信号进行第一信号处理,以获取第一处理数据,所述第一信号处理包括依次进行以下处理:距离fft分析、线性预测和多普勒fft分析,所述线性预测用于预测经过距离fft分析得到的fft数据的时域之前或之后的fft数据;对所述nt×nr2×m2个信号进行第二信号处理,以获取第二处理数据,所述第二信号处理包括距离fft分析和多普勒fft分析;根据所述第一处理数据和第二处理数据,进行速度匹配解模糊处理。

可选地,上述所述线性预测用于预测经过距离fft分析得到的fft数据的时域之前或之后的fft数据,是指预测得到的fft数据对应的时域信号是经过距离fft分析得到的fft数据的时域信号之前或之后的信号。

可选地,上述经过距离fft分析得到的fft数据,可以在进行其它类型的信号处理之后(例如,接收通道的相干叠加),再进行线性预测。

在雷达探测场景中,simo的信号发射个数m1远小于mimo雷达的信号的发射个数nt×m2,simo模式下测量的速度分辨率δv和速度测量精度σv相对mimo模式较差,或者说simo模式和mimo模式下分别获取的目标的δv和σv范围不匹配,这对速度匹配解模糊处理的精度产生了不利影响。因此,本申请方案对simo模式下获取的回波信号进行包括线性预测在内的第一信号处理以得到第一处理数据。由于线性预测相当于扩展了simo模式下获取的信号个数,因此可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,从而有利于提高根据simo模式和mimo模式获取的信号进行速度匹配解模糊处理的精度。

结合第一方面,在第一方面的某些实现方式中,所述第一信号处理包括依次进行以下处理:距离fft分析、接收通道的相干叠加、线性预测、多普勒fft分析、cfar。

在对simo模式下的获取的nr1×m1个信号进行距离fft分析之后,将不同接收通道对应的fft数据进行相干叠加,并利用叠加后的fft数据进行线性预测,然后基于线性预测后的数据进行速度匹配解模糊处理。线性预测可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,从而使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,有利于提高根据simo模式和mimo模式获取的信号进行速度匹配解模糊处理的精度。

结合第一方面,在第一方面的某些实现方式中,所述第一信号处理包括依次进行以下处理:距离fft分析、线性预测、多普勒fft分析、信号叠加、cfar。

在对simo模式下的获取的nr1×m1个信号进行距离fft分析之后,分别将不同接收通道对应的fft数据进行线性预测,并基于线性预测得到的fft数据进行速度匹配解模糊处理。线性预测可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,从而在simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,有利于提高根据simo模式和mimo模式获取的信号进行速度匹配解模糊处理的精度。

结合第一方面,在第一方面的某些实现方式中,所述第二信号处理还包括依次进行以下处理:距离fft分析、多普勒fft分析、信号叠加、cfar。

结合第一方面,在第一方面的某些实现方式中,对所述nr1×m1个信号进行第一信号处理,以获取第一处理数据,包括:对所述nr1×m1个信号进行距离fft分析,得到nr1×m1个1维fft数据;对所述nr1×m1个1维fft数据进行接收通道的相干叠加,得到m1个1维fft数据;对所述m1个1维fft数据进行线性预测,得到m1+y个1维fft数据,y为正整数;对所述m1+y个1维fft数据进行多普勒fft分析,得到1个距离-多普勒频谱图;对所述1个距离-多普勒频谱图进行cfar检测,得到所述第一处理数据。

在雷达探测场景中,对simo模式下获取的回波信号进行距离fft分析之后,首先将多个接收通道对应的fft数据进行相干叠加,以及对叠加后的fft数据进行线性预测,并经过后续的数据处理得到第一处理数据。由于进行了线性预测,因此可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,从而有利于提高根据simo模式和mimo模式获取的信号进行速度解模糊处理的精度。

结合第一方面,在第一方面的某些实现方式中,对所述nr1×m1个信号进行第一信号处理,以获取第一处理数据,包括:对所述nr1×m1个信号进行距离fft分析,得到nr1×m1个1维fft数据;基于不同的接收通道,分别对所述nr1×m1个1维fft数据进行线性预测,得到nr1×(m1+y)个1维fft数据,y为正整数;基于不同的接收通道,分别对所述nr1×(m1+y)个1维fft数据进行多普勒fft分析,获得nr1个第一距离-多普勒频谱图;对nr1个第一距离-多普勒频谱图进行信号叠加,获得1个第二距离-多普勒频谱图;对所述1个第二距离-多普勒频谱图进行cfar检测,得到所述第一处理数据。

在雷达探测场景中,对simo模式下获取的回波信号进行距离fft分析之后,首先针对不同接收通道获取的fft数据分别进行线性预测,然后再进行多普勒fft和信号叠加,并经过后续的数据处理得到第一处理数据,由于进行了线性预测,因此可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,从而有利于提高根据simo模式和mimo模式获取的信号进行速度解模糊处理的精度。

结合第一方面,在第一方面的某些实现方式中,所述对所述nt×nr2×m2个信号进行第二信号处理,以获取第二处理数据,包括:对所述nt×nr2×m2个信号进行距离fft分析,得到nt×nr2×m2个1维fft数据;对所述nt×nr2×m2个1维fft数据分别进行多普勒fft分析,获得nt×nr2个第三距离-多普勒频谱图;对nt×nr2个第三距离-多普勒频谱图进行信号叠加,获得1个第四距离-多普勒频谱图;对所述1个第四距离-多普勒频谱图进行cfar检测,得到所述第二处理数据。

第二方面,提供了一种信号处理的装置。该装置具有实现上述方法的功能,其包括用于实行上述方法方面所描述的步骤或功能相对应的部件。所述步骤或功能可以通过App实现,或硬件(如电路)实现,或者通过硬件和App结合来实现。

在一种可能的设计中,上述装置包括一个或多个处理器和通信单元。所述一个或多个处理器被配置为支撑所述装置实行上述方法的功能。例如,向接入网设备发送随机接入信号。所述通信单元用于支撑所述装置与其他设备通信,实现接收和/或发送功能。

可选地,所述装置还可以包括一个或多个存储器,所述存储器用于与处理器耦合,其保存装置必要的程序指令和/或数据。所述一个或多个存储器可以和处理器集成在一起,也可以与处理器分离设置。本申请并不限定。

可选地,所述装置可以为雷达系统。

可选地,所述装置还可以为芯片。

第三方面,提供了一种计算机可读存储介质,用于存储计算机程序,该计算机程序包括用于实行第一方面或第一方面中任一种可能实现方式中的方法的指令。

第四方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序代码,当所述计算机程序代码在计算机上运行时,使得计算机实行上述第一方面或第一方面中任一种可能实现方式中的方法。

第五方面,提供了一种雷达系统,包括处理器和接收器,所述处理器用于实行上述第一方面或第一方面中任一种可能实现方式中的方法。

第六方面,提供了一种智能车,包括处理器和接收器,所述处理器用于实行上述第一方面或第一方面中任一种可能实现方式中的方法。

附图说明

图1是本申请一实施例的雷达探测系统的示意图。

图2是本申请一实施例的信号处理方法的流程示意图。

图3是本申请一实施例的信号处理方法的流程示意图。

图4是本申请又一实施例的信号处理方法的流程示意图。

图5是本申请一实施例的simo+mimo模式的信号发射示意图。

图6是本申请一实施例的对信号进行前向预测扩展的示意图。

图7是本申请一实施例的对信号进行后向预测扩展的示意图。

图8是本申请一实施例的信号处理的装置的结构示意图。

图9是本申请一实施例的信号处理的装置的结构示意图。

具体实施方式

下面将结合附图,对本申请中的技术方案进行描述。

图1是本申请一实施例的雷达探测系统100的示意图。该雷达探测系统100可以工作在simo模式下,也可以工作在mimo模式下。如图1所示,雷达探测系统100包括发射机110、接收机120以及处理单元130。其中,发射机110可包括nt个发射天线,每个发射天线对应一个发射通道。接收机120包括nr个接收天线,每个接收天线对应一个接收通道。nt个发射天线和nr个接收天线可以组成mimo天线阵列。

当雷达探测系统100工作在mimo模式下时,可以利用nt个发射通道中的至少两个发射通道向目标发射信号,并利用nr个接收通道中的至少两个接收通道接收目标反射的回波信号。

当雷达探测系统100工作在simo模式下时,可以利用nt个发射通道中的其中一个发射通道向目标发射信号,并利用nr个接收通道中的至少两个接收通道接收目标反射的回波信号。

换句话说,simo模式和mimo模式可以共用同一套发射天线和接收天线(例如,mimo天线阵列)。可选地,simo模式和mimo模式也可以分别使用不同的发射天线和接收天线,本申请实施例对此不作限定。

可选地,雷达探测系统100在simo模式和mimo模式使用的接收通道数目可以相同,也可以不同。

处理单元130可以用于控制发射机110发送信号,或者控制接收机120接收信号,并且还可以用于处理待发送的信号或接收到的信号。

处理单元130可以包括中央处理器(centralprocessorunit,cpu)、现场可编程门阵列(fieldprogrammablegatearray,fpga)或专用集成电路(applicationspecificintegratedcircuit,asic),或者也可以为其它类型的处理芯片。

在本申请实施例中,图1的雷达探测系统100的结构仅仅作为示例,而非限定。本领域技术人员能够理解,上述雷达探测系统100还可以包括更多或更少的模块或单元。

在本申请实施例中,上述雷达探测系统100也可以简称为雷达。

simo模式主要用途包括对mimo模式下的探测目标进行速度匹配解模糊,因此,业界从雷达更新周期考虑,尽量减少了simo模式下发射的信号个数。这导致在进行速度解模糊处理时,simo模式下的目标的速度分辨率δv和速度测量精度σv。均与mimo模式下的目标的速度分辨率δv和速度测量精度σv存在较大的差别,从而影响了对信号进行速度匹配解模糊处理的精度。为了解决上述问题,本申请实施例提出了一种信号处理方法和装置,可以提高simo+mimo雷达探测机制下对信号进行速度匹配解模糊的精度。

在该方法中可以通过对simo模式下获取的信号进行线性预测(linearprediction),并利用线性预测后的信号进行速度匹配解模糊处理,从而提高了对信号进行速度匹配解模糊的精度。

图2是本申请一实施例的信号处理方法的流程示意图。图2的方法基于simo+mimo雷达探测机制,该方法可以由图1中的雷达100实行。图2的方法包括:

s201、获取nr1×m1个信号,所述nr1×m1个信号是雷达在simo模式下向目标发送的m1个信号的回波信号,所述simo模式对应于1个发射通道和nr1个接收通道,nr1、m1为大于1的整数。

s202、获取nt×nr2×m2个信号,nt×nr2×m2个信号是雷达在mimo模式下向所述目标发送的m2个信号的回波信号,所述mimo模式对应于nt个发送通道和nr2个接收通道,nr2、nt、m2为大于1的整数。

其中,雷达在simo模式下使用1个发射通道和nr1个接收通道进行信号的发送和接收。具体地,雷达通过1个发射通道发送了m1个信号,该m1个信号经过目标反射之后,nr1个接收通道共接收nr1×m1个信号。

雷达在mimo模式下使用nt个发射通道和nr2个接收通道进行信号的发送和接收。具体地,雷达通过nt个发射通道发送nt×m2个信号,其中,每个发射通道发送m2个信号。该nt×m2个信号经过目标反射之后,nr2个接收通道共获取nt×nr2×m2个信号。

可选地,nr1和nr2可以相同,也可以不同。

可选地,上述信号可以是叽叽(chirp)信号。或者,上述信号也可以是使用其它单位计量的信号。

s203、对所述nr1×m1个信号进行第一信号处理,以获取第一处理数据,所述第一信号处理包括依次进行以下处理:距离fft分析、线性预测和多普勒fft分析,所述线性预测用于基于预测经过距离fft分析得到的fft数据的时域之前或之后的fft数据。

其中,上述所述线性预测用于预测经过距离fft分析得到的fft数据的时域之前或之后的fft数据,是指预测得到的fft数据对应的时域信号是经过距离fft分析得到的fft数据的时域信号之前或之后的信号。在另一种说明中,线性预测可以指根据已有采样点信息或信号,按照线性函数计算未来或过去某一信号的数学方法。上述采样点信息例如包括经过fft分析得到的fft数据。

可选地,线性预测也可以称为线性扩展(linearexpansion)或线性估计。

所述线性预测包括以下至少一项:前向预测扩展、后向预测扩展。前向预测扩展是指利用已有采样点信息或者信号对未来某一信号进行预测,后向预测扩展是指利用已有采样点信息或信号对过去某一信号进行预测。

fft分析用于实现对时域信号进行频域分析。根据分析结果表征的特征不同,fft分析可以包括多种类型,例如,距离fft分析、多普勒fft分析或者角度fft分析。其中,距离fft分析用于分析信号的频谱与观测目标的距离之间的对应关系。多普勒fft分析用于分析信号的频谱与观测目标的速度之间的对应关系。角度fft分析用于分析信号的频谱与观测目标的角度之间的对应关系。

可选地,上述fft分析也可以被其它时频分析的方式替代,例如离散傅里叶变换(discretefouriertransform,dft)分析。

可选地,所述第一信号处理还可以包括其他类型的信号处理方式,例如,信号叠加(或者说,信号积累)、目标检测等。其中目标检测的常用方式为恒虚警检测(constantfalsealarmratedetection,cfar)、恒漏警检测、最大值检测、特征值检测。上述信号叠加可以包括信号的相干叠加或非相干叠加。

其中,cfar可以指雷达系统中保持虚警概率恒定条件下,对信号进行检测,以判定是否存在目标的方法。虚警概率可以指雷达探测过程中,采用门限检测的方法时,由于噪声的存在,实际不存在目标却误判为有目标的概率。

恒漏警检测可以指雷达系统中保持漏警概率恒定的条件下,对信号进行检测,以判定是否存在目标的方法。漏警概率可以指雷达探测过程中,采用门限检测的方法时,由于噪声的存在,实际存在目标却误判为没有目标的概率。

最大值检测可以指雷达系统中通过检测信号中最大值是否大于预定值的方式,判定是否存在目标的方法。

特征值检测可以指雷达系统中检测信号是否存在特征值,以判定是否存在目标的方法。特征值用可以指表示目标特征的数据。

作为示例,所述第一信号处理可以依次包括以下类型的处理,距离fft分析、不同接收通道的相干叠加、线性预测、多普勒fft分析、cfar。下文中将结合图3详细描述该示例中的第一信号处理的过程。

作为另一示例,所述第一信号处理可以依次包括以下类型的处理:距离fft分析、多普勒fft分析、信号叠加、cfar。其中,上述信号叠加可以是相干叠加,也可以是非相干叠加。下文中将结合图4详细描述该示例中的第一信号处理的过程。

可选地,第一信号处理中可以不包括信号叠加或目标检测。

可选地,假设在simo模式下发送m1个信号的起始时刻为第一时刻t1,在mimo模式下发送m2个信号的起始时刻为第二时刻t2,则时间间隔δt=|t2-t1|小于预设值。应理解,由于simo模式下和mimo模式下获取的信号需用于速度匹配解模糊处理。因此,上述m1个信号和m2个信号应尽可能同时发送。作为示例而非限定,可以在一个帧的时间内发送所述m1个信号和所述m2个信号。

s204、对所述nt×nr2×m2个信号进行第二信号处理,以获取第二处理数据,所述第二信号处理包括距离fft分析和多普勒fft分析。

可选地,所述第一信号处理还可以包括其他类型的信号处理方式,例如,信号叠加、cfar等。

s205、根据所述第一处理数据和第二处理数据,进行速度匹配解模糊处理。

可选地,在获取第一处理数据和第二处理数据之后,速度匹配解模糊处理包括多种方式,例如,可以采用中国余数定理进行速度匹配解模糊处理。或者,利用接收信号和发射信号的参数进行信号重建,以实现速度匹配解模糊处理。其中,接收信号的参数包括第一处理数据和第二处理数据。

在本申请实施例中,在雷达探测场景中,simo的信号发射个数m1远小于mimo雷达的信号的发射个数nt×m2,simo模式下测量的速度分辨率δv和速度测量精度σv相对mimo模式较差,或者说simo模式和mimo模式下分别获取的目标的δv和σv范围不匹配,这对速度匹配解模糊处理的精度产生了不利影响。因此,本申请方案对simo模式下获取的回波信号进行包括线性预测在内的第一信号处理以得到第一处理数据。由于线性预测相当于扩展了simo模式下获取的信号个数,因此可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,从而有利于提高根据simo模式和mimo模式获取的信号进行速度匹配解模糊处理的精度。

图3是本申请一实施例的信号处理方法的流程示意图。假设雷达在simo模式下发送了m1个信号,则nr1个接收通道共获得nr1×m1个信号。雷达在mimo模式下通过每个发射通道发射了m2个信号,则nr2个接收通道共获得nt×nr2×m2个信号。

其中,s301~s305用于描述在simo模式下获取的信号进行第一信号处理的过程,s306~s309用于描述在mimo模式下获取的信号进行第二信号处理的过程。s310用于描述速度匹配解模糊的过程。simo模式下获取的信号可以称为simo信号。mimo模式下获取的信号可以称为mimo信号。图3的方法包括:

s301、对simo模式下获取的nr1×m1个simo信号进行距离fft处理,获得nr1×m1个一维fft(1dimensionfft,1dfft)数据。

其中,在本申请实施例中,1维fft数据是指对获取的时域信号只进行1维fft变换之后得到的数据。其中,每个1维fft数据中可以包括l个fft数据,l表示进行距离fft分析的fft点数。l为正整数,例如,l=512。

s302、对nr1个接收通道获得的nr1×m1个1维fft数据进行相干叠加,获得m1个1维fft数据。

s303、对m1个1维fft数据进行线性预测,得到m1+y个1维fft数据。

其中,上述线性预测的y个1维fft数据可以是对m1个1维fft数据进行前向预测扩展,也可以是后向预测扩展,或者也可以是前向预测扩展+后向预测扩展。y为正整数。

可选地,在s302和s303中,也可以不对nr1个接收通道获得的全部nr1×m1个1维fft数据进行相干叠加,而是任意选择某一个接收通道对应的m1个1维fft数据进行线性预测。

s304、对线性预测得到的m1+y个1维fft数据进行多普勒fft分析,得到1个距离-多普勒频谱图。

s305、对该距离-多普勒频谱图进行cfar检测,得到第一处理数据。

可选地,cfar也可以被恒漏警检测、最大值检测、特征值检测替代。

s306、对mimo模式下获取的nt×nr2×m2个mimo信号进行距离fft分析,得到nt×nr2×m2个1维fft数据。

s307、对所述nt×nr2×m2个1维fft数据分别进行多普勒fft分析,获得nt×nr2个第三距离-多普勒频谱图。

s308、对nt×nr2个第三距离-多普勒频谱图进行信号叠加,获得1个第四距离-多普勒频谱图。

可选地,对nt×nr2个第三距离-多普勒频谱图进行信号叠加,可以包括nt×nr2个第三距离-多普勒频谱图中的所有频谱图,也可以包括部分频谱图。

s309、对所述1个第四距离-多普勒频谱图进行cfar检测,得到所述第二处理数据。

s310、根据所述第一处理数据和第二处理数据,进行速度匹配解模糊处理。

在图3中,在雷达探测场景中,对simo模式下获取的回波信号进行距离fft分析之后,首先将多个接收通道对应的fft数据进行相干叠加,以及对叠加后的fft数据进行线性预测,并经过后续的数据处理得到第一处理数据。由于进行了线性预测,因此可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,从而有利于提高根据simo模式和mimo获取的信号进行速度解模糊处理的精度。

图4是本申请又一实施例的信号处理方法的流程示意图。假设雷达在simo模式下发送了m1个信号,则nr1个接收通道共获得nr1×m1个信号。雷达在mimo模式下通过每个发射通道发射了m2个信号,则nr个接收通道共获得nt×nr2×m2个回波数据。

其中,s401~s405用于描述在simo模式下获取的信号进行第一信号处理的过程,s406~s409用于描述在mimo模式下获取的信号进行第二信号处理的过程。s410用于描述速度匹配解模糊的过程。simo模式下获取的信号可以称为simo信号。mimo模式下获取的信号可以称为mimo信号。图4的方法包括:

s401、对simo模式下获取的nr1×m1个simo信号进行距离fft处理,获得nr1×m1个一维fft(1dimensionfft,1dfft)数据。

在本申请实施例中,1维fft数据是指对获取的时域信号只进行1维fft变换之后得到的数据。其中,每个1维fft数据中可以包括l个fft数据,l表示进行距离fft分析的fft点数。l为正整数,例如,l=512。

s402、基于不同的接收通道,分别对所述nr1×m1个1维fft数据进行线性预测,得到nr1×(m1+y)个1维fft数据。

例如,基于不同的接收通道,上述nr1×m1个1维fft数据可以被划分为nr1组1维fft数据,每组1维fft数据包括m1个fft数据。可以对每组1维fft数据进行线性预测,最终获得nr1×(m1+y)个1维fft数据。

其中,上述线性预测的y个1维fft数据可以是对m1个1维fft数据进行前向预测扩展,也可以是后向预测扩展,或者也可以是前向预测扩展+后向预测扩展。

s403、基于不同的接收通道,分别对所述nr1×(m1+y)个1维fft数据进行多普勒fft分析,获得nr1个第一距离-多普勒频谱图。

s404、对nr1个第一距离-多普勒频谱图进行信号叠加,获得1个第二距离-多普勒频谱图。

可选地,上述信号叠加的方式可以是相干叠加,也可以是非相干叠加。

s405、对该第二距离-多普勒频谱图进行cfar检测,得到第一处理数据。

s406、对所述nt×nr2×m2个信号进行距离fft分析,得到nt×nr2×m2个1维fft数据。

s407、对所述nt×nr2×m2个1维fft数据分别进行多普勒fft分析,获得nt×nr2个第三距离-多普勒频谱图。

s408、对nt×nr2个第三距离-多普勒频谱图进行信号叠加,获得1个第四距离-多普勒频谱图。

s409、对所述1个第四距离-多普勒频谱图进行cfar检测,得到所述第二处理数据。

可选地,cfar也可以被恒漏警检测、最大值检测、特征值检测替代。

s410、根据所述第一处理数据和第二处理数据,进行速度匹配解模糊处理。

在图4中,在雷达探测场景中,对simo模式下获取的回波信号进行距离fft分析之后,首先针对不同接收通道获取的fft数据分别进行线性预测,然后再进行多普勒fft和信号叠加,并经过后续的数据处理得到第一处理数据,由于进行了线性预测,因此可以提高simo模式下获取的目标的速度分辨率δv和速度测量精度σv,使得simo模式和mimo模式下分别获取的目标的速度分辨率δv和速度测量精度σv的范围更加接近,从而有利于提高根据simo模式和mimo模式获取的信号进行速度解模糊处理的精度。

接下来将结合附图,继续描述本申请实施例中的线性预测的方法。

图5是本申请一实施例的simo+mimo模式的信号发射示意图。如图5所示,雷达在simo模式下发射m1个信号,在mimo模式下通过nt个发射天线发射nt×m2个信号。在simo模式下测量的目标的最大无模糊速度范围vmax、速度分辨率δv和速度测量精度σv分别表示为公式(1)-(3):

其中,λ表示发射信号波长,tc1表示simo模式下发射信号的pri,snr表示接收信号中目标的信噪比。

在mimo模式下测量的目标的最大无模糊速度范围vmax、速度分辨率δv和速度测量精度σv分别表示为公式(4)-(6):

其中,λ表示发射信号波长,tc2表示mimo模式下发射信号的pri,snr表示接收信号中目标的信噪比。

在simo+mimo雷达发射模式下,simo模式的主要作用是对mimo模式获取的信号进行速度匹配解模糊处理,而对cfar检测、测距测角等帮助不大。在这种情况下,simo的信号发射个数m1远小于mimo雷达的信号的发射个数nt×m2。

因此,根据公式(1)至(6)的对比可知,simo模式下的测量的目标的vmax远大于mimo模式的vmax。但是simo模式下测量的δv和σv相对mimo模式较差,或者说simo模式和mimo模式下分别获取的目标的δv和σv范围不匹配,这对速度匹配解模糊的精度产生不利影响。

本申请实施例提出的信号处理的方法,可以采用线性预测(或者说线性扩展)的方法对在simo模式下获取的信号进行线性预测,从而达到提高simo的速度分辨率和速度精度的目的,进而提高了速度匹配解模糊的精度。

对在simo模式下获取的nr1×m1个信号进行距离fft处理之后,得到nr1×m1个1维fft数据。基于上述nr1×m1个1维fft数据进行线性预测,可包括但不限于以下几种情况。

(i).对所述nr1×m1个1维fft数据进行接收通道的相干叠加,得到m1个1维fft数据,对所述m1个1维fft数据进行线性预测。

(ii).根据对应的不同接收通道将所述nr1×m1个1维fft数据划分为nr1组1维fft数据,每组1维fft数据包括m1个1维fft数据,分别对每组1维fft数据进行线性预测。

(iii).根据对应的不同接收通道将所述nr1×m1个1维fft数据划分为nr1组1维fft数据,每组1维fft数据包括m1个1维fft数据,任意选择1组1维fft数据进行线性预测。

接下来以线性预测是针对m1个1维fft数据进行线性预测为例进行说明。

m1个1维fft数据可表示为[x1,x2,…,xm1],每个xi(i=1,2,…,m1)表示一个l×1的向量,l为正整数。l表示距离fft分析的fft点数,作为示例,l=512或1024。

其中,线性预测包括前向预测扩展和后向预测扩展。前向预测扩展是指利用已有采样点信息或者信号对未来某一信号进行预测,后向预测扩展是指利用已有采样点信息或信号对过去某一信号进行预测。

接下来分别先容前向预测扩展和后向预测扩展的方法。下文中将引入测量样本的概念,测量样本表示用于进行线性预测的样本信号的集合。样本信号可以包括上述1维fft数据。例如,测量样本可以包括上述m1个1维fft数据中的全部或部分数据,测量样本还可以包括之前若干次线性预测得到的fft数据。例如,在第一次线性预测的计算过程中,样本信号可以在[x1,x2,…,xm1]中选择。

作为示例,测量样本可表示为[xm-p+1,…,xm],其中测量样本中包括p个1维fft数据,p>1。

(a)前向预测扩展

图6是本申请一实施例的对数据进行前向预测扩展的原理示意图。前向预测扩展还可以称为前向估计或前向扩展。前向预测扩展是指根据已有的测量样本[xm-p+1,…,xm],估计第m+1个信号

如图6所示,在前向预测扩展中,可以将前向估计信号表示为利用测量样本[xm-p+1,…,xm],可以将表示为如下公式(7)。

其中,aj(j=1,2,…,p)表示传递系数。

aj的集合可以表示为估计传递系数集合af=[ap,…,a2,a1]t,aj(j=1,2,…,p)表示传递系数。如下公式(8)示出了估计af的推导公式。

其中,xf=[xm-p,…,xm-1]。需要说明的是,xm-p也属于已知的样本信号。

具体地,可以利用最小二乘的方法对af进行求解。具体地,如下公式(9)所示,使公式(9)中的范数最小的解即为af的解。

通过求解公式(9),af的解表示为公式(10)。

其中,表示xf的转置共轭矩阵。

(b)后向预测扩展

图7是本申请一实施例的对数据进行后向扩展的原理示意图。后向预测扩展还可以称为后向估计或后向扩展。

如图7所示,后向预测扩展是指根据测量样本[xm-p+1,…,xm],估计第m-p个信号后向估计信号可以表示为公式(11)。

其中,xb=[xm-p+1,…,xm]。

bj(j=1,2,…,p)表示后向预测扩展的传递系数。bj的集合可表示为ab=[bp,…,b1]t

估计出传递系数bj即可以进行信号的后向预测估计。ab可如下公式(12)表示。

其中,表示xb的转置共轭矩阵。

需要说明的是,如图6和图7所示,因为测量样本[xm-p+1,…,xm]为复信号,因此,各个样本之间的复相差(或者说,相位相差)为例如,xm-1与xm之间的复相差为

可选地,作为示例,在simo+mimo的模式下,如果同一帧内先发射mimo信号,再发射simo信号,并且mimo信号和simo信号的波形、周期等参数一致的情况下,simo的后向估计信号存在与mimo的测量参数重合的现象。对于重合的情况可以利用mimo的测量结果对simo的估计值进行校正。

前文中结合图1至图7先容了本申请实施例的信号处理方法,下文中将结合图8和图9,先容本申请实施例中的装置。

图8是本申请一实施例的信号处理的装置600的示意性框图。装置600能够实行本申请图2至图4中的方法。装置600包括:

获取单元610,用于获取nr1×m1个信号,所述nr1×m1个信号是雷达在simo模式下向目标发送的m1个信号的回波信号,所述simo模式对应于1个发射通道和nr1个接收通道,nr1、m1为大于0的整数。

所述获取单元610还用于获取nt×nr2×m2个信号,nt×nr2×m2个信号是雷达在mimo模式下向所述目标发送的m2个信号的回波信号,所述mimo模式对应于nt个发送通道和nr2个接收通道,nt、nr2、m2为大于0的整数。

处理单元620,用于对所述nr1×m1个信号进行第一信号处理,以获取第一处理数据,所述第一信号处理包括依次进行以下处理:距离fft分析、线性预测和多普勒fft分析,所述线性预测用于预测经过距离fft分析得到的fft数据的时域之前或之后的fft数据。

所述处理单元620还用于对所述nt×nr2×m2个信号进行第二信号处理,以获取第二处理数据,所述第二信号处理包括距离fft分析和多普勒fft分析。

所述处理单元620还用于根据所述第一处理数据和第二处理数据,进行速度匹配解模糊处理。

可选地,上述装置600可以包括图1中的雷达100。上述获取单元610和上述处理单元620可以被图1中的处理单元130。其中获取单元610获取的信号可以是通过图1中的接收机120接收的信号。

图9是本申请一实施例的信号处理的装置700的示意性框图。装置700能够实行本申请图2至图4中的方法。装置700包括:一个或多个存储器710,一个或多个通信接口720,一个或多个处理器730。该处理器730用于控制通信接口720收发信号,该存储器710用于存储计算机程序,该处理器730用于从存储器2010中调用并运行该计算机程序,使得该装置700实行本申请的方法实施例中的相应流程和/或操作。例如,装置700可以实行图2-图4中实行的步骤,为了简洁,此处不再赘述。

可选地,上述装置700可以包括图1中的雷达100。上述处理器730可以包括图1中的处理单元130。上述通信接口720可以包括图1中的接收机120。

本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机App和电子硬件的结合来实现。这些功能究竟以硬件还是App方式来实行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。

在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不实行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。

所述功能如果以App功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以App产品的形式体现出来,该计算机App产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)实行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:u盘、移动硬盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1

威尼斯人棋牌|威尼斯欢乐娱人城

XML 地图 | Sitemap 地图