數(shù)字波束成形在車(chē)載毫米波雷達(dá)中的應(yīng)用①

姜海濤， 白 杰

(同濟(jì)大學(xué)汽車(chē)學(xué)院，上海 201804)

0 引 言

車(chē)載毫米波雷達(dá)是先進(jìn)駕駛輔助系統(tǒng)(ADAS)和自動(dòng)駕駛的重要傳感器。多發(fā)多收(MIMO)雷達(dá)系統(tǒng)在近些年獲得了較多關(guān)注。MIMO雷達(dá)由多個(gè)發(fā)射天線(TX)和接收天線(RX)組成。與單發(fā)多收(SIMO)雷達(dá)相比，MIMO雷達(dá)可以用一組不同位置的發(fā)射天線發(fā)送互不干擾的波形信號(hào)，從而使接收天線可以不模糊接收。接收天線共同組成一個(gè)大型的虛擬陣列，從而顯著提高雷達(dá)的角分辨率。對(duì)于緊急制動(dòng)(AEB)和自適應(yīng)巡航(ACC)，可以有效的區(qū)分不同車(chē)道上的多目標(biāo)。更重要的是，MIMO雷達(dá)具有更低的成本和重量。MIMO雷達(dá)系統(tǒng)主要難點(diǎn)是如何尋找合適的發(fā)射信號(hào)可以讓RX不模糊接收。本文提出采用分頻復(fù)用(FDM)的數(shù)字波束成形技術(shù)解決。并且設(shè)計(jì)了一款新的調(diào)頻連續(xù)波(FMCW)信號(hào)，可以在多目標(biāo)環(huán)境下同時(shí)不模糊的測(cè)量目標(biāo)的距離和速度。同時(shí)，目標(biāo)的方位角也將準(zhǔn)確測(cè)出[1]。

1 MIMO雷達(dá)系統(tǒng)設(shè)計(jì)

1.1 天線排布和虛擬陣列

MIMO雷達(dá)的一個(gè)主要優(yōu)點(diǎn)是可以通過(guò)虛擬陣列顯著提高角分辨率。設(shè)計(jì)了一種天線排布，如圖1所示，由2個(gè)間距為4λ的發(fā)射天線和8個(gè)間距為λ/2的接收天線組成。從而組成一個(gè)1發(fā)16收的虛擬陣列，提高了系統(tǒng)的最大角分辨率和最大角度不模糊值。

圖1 天線排布和虛擬陣列

如圖2所示，解釋了MIMO雷達(dá)提高角分辨率的原理。τ是信號(hào)到達(dá)相鄰接收天線的時(shí)差：

(1)

式中，c是光速，λ是波長(zhǎng)，θ是目標(biāo)方位角，相鄰兩個(gè)RX的相位差1θ：

λ=c×T

(2)

T是時(shí)間，將等式(1)和(2)帶入(3)：

1.2 波形設(shè)計(jì)

為兩個(gè)TX設(shè)計(jì)了一個(gè)新型FDM波形,每一個(gè)TX采用FMCW發(fā)射信號(hào)，發(fā)射周期為T(mén)chirp，帶寬為B。同時(shí)，兩個(gè)TX之間在頻率域相差fshift，如圖3所示。這種情況下，每個(gè)RX就可以區(qū)分開(kāi)兩個(gè)發(fā)射波形了[2]。

圖2 相鄰兩個(gè)RX的相位差

為了使RX可以不模糊的接收兩個(gè)TX的信號(hào)，要求兩個(gè)TX之間的頻率差大于由目標(biāo)引起的最大頻率變化：

(6)

圖3 發(fā)射信號(hào)波形

2 基于FDM的數(shù)字波束成形技術(shù)

從信號(hào)處理角度看，中頻信號(hào)的獲取主要利用FFT算法進(jìn)行傅里葉變換，如圖3所示。第一次FFT可以獲得距離方向的頻率信息，以此為基礎(chǔ)進(jìn)行第二次FFT變換，可以獲得速度多普勒的頻率信息。即使在多目標(biāo)環(huán)境下，目標(biāo)的距離和速度可以同時(shí)不模糊的測(cè)出。測(cè)量的結(jié)果放在距離-多普勒矩陣(RDM)里，如圖4所示。對(duì)于8個(gè)RX，由于2個(gè)TX發(fā)出特定波形，每個(gè)RX可以分別接收2個(gè)回波信號(hào)，達(dá)到虛擬陣列的效果。信號(hào)處理的最后一步就是利用數(shù)字波束成形技術(shù)，是雷達(dá)系統(tǒng)獲得高角度分辨率[3,7]。

MIMO雷達(dá)最主要優(yōu)點(diǎn)之一是可以利用虛擬陣列達(dá)到高角度分辨率。假設(shè)一個(gè)MIMO雷達(dá)由M個(gè)TX和N個(gè)RX組成，則其將組成一個(gè)MN個(gè)元素的虛擬陣列，相當(dāng)于由1個(gè)TX和MN個(gè)RX組成的SIMO雷達(dá)的效果，但體積和成本遠(yuǎn)小于SIMO雷達(dá)[7]。

圖4 距離和速度維的信號(hào)處理[7]

圖5 用于波束成形的虛擬陣列[7]

如圖5所示，從前至后，第一個(gè)矩陣表示由TX1和RX1產(chǎn)生的RDM，第八個(gè)矩陣表示由TX1和RX8產(chǎn)生的RDM，第九個(gè)矩陣則表示由TX2和RX1產(chǎn)生的RDM，即將兩個(gè)二維RDM組成一個(gè)三維RDM，然后沿著虛擬陣列數(shù)目方向進(jìn)行數(shù)字波束成形技術(shù)，最終形成距離-多普勒-角度的三維矩陣[4,5,7]。

3 仿真結(jié)果與分析

對(duì)算法進(jìn)行仿真驗(yàn)證，其中，相關(guān)雷達(dá)參數(shù)如下：中心載波頻率f=24GHz，帶寬fsw=100MHz，TX1和TX2之間的頻率差fshift=30MHz，發(fā)射信號(hào)周期Tchirp=0.02s，采樣頻率fs=0.1MHz。

為了與傳統(tǒng)的SIMO雷達(dá)進(jìn)行比較，仿真中設(shè)計(jì)了3個(gè)目標(biāo)。目標(biāo)的方位參數(shù)[距離，速度，方位角，俯仰角]分別為[100m，20m/s，10°，15°]，[100m，20m/s，11°，17°]和[100m，20m/s，60°，70°]，如圖6所示，是通過(guò)距離-多普勒矩陣算出的目標(biāo)距離和速度。

圖6 目標(biāo)的距離和速度

圖7 MIMO雷達(dá)(左)和SIMO雷達(dá)(右)所測(cè)的方位角

如圖7所示，為水平方向MIMO雷達(dá)和SIMO雷達(dá)測(cè)得的方位角。圖中可以看出，在1°范圍內(nèi)，傳統(tǒng)的SIMO雷達(dá)不能分辨出目標(biāo)1和目標(biāo)2。但是由于虛擬陣列和數(shù)字波束成形技術(shù)，MIMO雷達(dá)可以不模糊的分辨出目標(biāo)1和2。說(shuō)明MIMO雷達(dá)可以提升水平方向角度分辨率[6]。

圖8 MIMO雷達(dá)(左)和SIMO雷達(dá)

(右)所測(cè)的俯仰角

如圖8所示，為俯仰方向MIMO雷達(dá)和SIMO雷達(dá)測(cè)得的俯仰角。圖中可以看出，在2°范圍內(nèi)，傳統(tǒng)的SIMO雷達(dá)不能分辨出目標(biāo)1和目標(biāo)2。但是由于虛擬陣列和數(shù)字波束成形技術(shù)，MIMO雷達(dá)可以不模糊的分辨出目標(biāo)1和2。說(shuō)明MIMO雷達(dá)可以提升俯仰方向角度分辨率。

圖9 MIMO雷達(dá)測(cè)得的方位角和俯仰角，左為三維圖，右為俯視圖

如圖9所示，可以直觀看出利用數(shù)字波束成形技術(shù)的MIMO雷達(dá)的測(cè)角能力。特別是對(duì)目標(biāo)1和目標(biāo)2的檢測(cè)。證明了MIMO雷達(dá)水平方位角分辨率達(dá)到1°，俯仰方向俯仰角分辨率達(dá)到2°。

4 結(jié) 論

一個(gè)基于數(shù)字波束成形技術(shù)的MIMO雷達(dá)系統(tǒng)被提出，由于虛擬陣列的產(chǎn)生，角分辨率可以顯著提高。實(shí)驗(yàn)表明該方法實(shí)現(xiàn)了水平方向1°角分辨率和俯仰方向2°角分辨率。下一步將會(huì)對(duì)波形和算法進(jìn)行優(yōu)化，增加對(duì)行人或小型目標(biāo)的檢測(cè)與分辨，進(jìn)一步提高ADAS和無(wú)人駕駛中雷達(dá)檢測(cè)的能力。

[1] Li X R, Zhang Z, Mao W X, et al. A study of frequency diversity MIMO radar beamforming[C].Signal Processing (ICSP), 2010 IEEE 10th International Conference on. IEEE, 2010: 352-356.

[2] Fuhrmann D R, San Antonio G. Transmit beamforming for MIMO radar systems using partial signal correlation[C].Signals, Systems and Computers, 2004. Conference Record of the Thirty-Eighth Asilomar Conference on. IEEE, 2004, 1: 295-299.

[3] Duly A J, Love D J, Krogmeier J V. Time-division beamforming for MIMO radar waveform design[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(2): 1210-1223.

[4] Rabideau D J. Adaptive MIMO radar waveforms[C].Radar Conference, 2008. RADAR'08. IEEE. IEEE, 2008: 1-6.

[5] 廖理,夏義華. 雙載頻線性調(diào)頻連續(xù)波雷達(dá)測(cè)距研究[J]. 空軍預(yù)警學(xué)院學(xué)報(bào),2014,28(05):328-330.

[6] 江冰,周騰,唐玥. 一種性?xún)r(jià)比高的TDM MIMO雷達(dá)系統(tǒng)設(shè)計(jì)和實(shí)驗(yàn)[J]. 現(xiàn)代雷達(dá),2017,39(02):61-65.. DOI：10.16592/j.cnki.1004-7859.2017.02.011.

[7] Alex Z, Matthias K, Hermann R. Waveform design for FMCW MIMO radar based on frequency division[C]. Signals, Systems and Computers, 2013. Conference Record of Radar Symposium Conference on. IEEE, 2013, 1:77-80.