基于SystemVue汽車(chē)?yán)走_(dá)系統(tǒng)研究

(煙臺(tái)汽車(chē)工程職業(yè)學(xué)院，山東 煙臺(tái) 265500)

0 引言

高級(jí)輔助駕駛系統(tǒng)(ADAS)是目前智能汽車(chē)發(fā)展的重要方向，其中汽車(chē)?yán)走_(dá)在該系統(tǒng)中扮演了重要的角色，汽車(chē)毫米波雷達(dá)可以探測(cè)前方車(chē)輛目標(biāo)，并對(duì)目標(biāo)的屬性和某些場(chǎng)景進(jìn)行分類(lèi)[1]。汽車(chē)?yán)走_(dá)可根據(jù)探測(cè)距離和功能分為：長(zhǎng)距雷達(dá)、短距雷達(dá)和BSD掃描角雷達(dá)。

ADAS工程師根據(jù)不同功能和場(chǎng)景應(yīng)用，利用毫米波雷達(dá)輸入信息進(jìn)行汽車(chē)行為控制，為用戶(hù)打造穩(wěn)定、舒適、可靠、可依賴(lài)的輔助駕駛功能，如ACC、LKA，F(xiàn)CW。汽車(chē)?yán)走_(dá)傳感器能夠提供給ADAS系統(tǒng)目標(biāo)的空間位置和目標(biāo)的類(lèi)型信息。因此，汽車(chē)?yán)走_(dá)系統(tǒng)對(duì)目標(biāo)的距離、速度、方位信息的測(cè)量至關(guān)重要。

SystemVue是一款EDA軟件，是由德科技公司(Keysight，原安捷倫電子測(cè)量部)研發(fā)的一款商用軟件，主要用于電子系統(tǒng)設(shè)計(jì)，可以完成通信、雷達(dá)等電子系統(tǒng)的信號(hào)流模塊化的仿真設(shè)計(jì)[2]。該軟件包括豐富的射頻模塊和信號(hào)處理算法庫(kù)[3]。用戶(hù)也可以根據(jù)自己的實(shí)際需求進(jìn)行模塊的二次開(kāi)發(fā)，可以采用C/C++，或者采用MATLAB進(jìn)行定制的算法開(kāi)發(fā)。軟件使用者可以根據(jù)汽車(chē)?yán)走_(dá)的用途，設(shè)計(jì)不同功能的雷達(dá)系統(tǒng)，SystemVue射頻電路仿真庫(kù)包含有通用算法庫(kù)和汽車(chē)?yán)走_(dá)仿真庫(kù)，主要包括雷達(dá)環(huán)境、雷達(dá)及目標(biāo)運(yùn)動(dòng)平臺(tái)、收發(fā)天線(xiàn)、雷達(dá)信號(hào)及數(shù)據(jù)處理。

其中，雷達(dá)環(huán)境包括雷達(dá)目標(biāo)仿真，軟件使用者可以根據(jù)雷達(dá)系統(tǒng)精度設(shè)置復(fù)雜目標(biāo)多散射點(diǎn)模型，進(jìn)而驗(yàn)證數(shù)據(jù)處理的聚類(lèi)和目標(biāo)識(shí)別算法，汽車(chē)?yán)走_(dá)庫(kù)針對(duì)行人目標(biāo)提供了多散射點(diǎn)的行人目標(biāo)，軟件使用者可以設(shè)置行人不同的運(yùn)動(dòng)狀態(tài)，接收端采集的行人回波數(shù)據(jù)經(jīng)過(guò)短時(shí)傅立葉變換可以提取行人的微多普勒特性，從而完成行人識(shí)別的功能；汽車(chē)?yán)走_(dá)庫(kù)還提供雷達(dá)雜波的仿真模塊，用戶(hù)可以根據(jù)所要評(píng)估的雷達(dá)系統(tǒng)選擇不同路況條件(柏油、水泥、泥土)，并加入雷達(dá)的運(yùn)動(dòng)平臺(tái)參數(shù)，生成汽車(chē)?yán)走_(dá)的檢測(cè)背景雜波；此外，汽車(chē)?yán)走_(dá)仿真庫(kù)還提供了產(chǎn)生誤報(bào)目標(biāo)，如下水道井蓋、減速帶的目標(biāo)回波生成的解決方案，真實(shí)還原雷達(dá)工作的電磁環(huán)境。

毫米雷達(dá)射頻電路的性能直接影響雷達(dá)的探測(cè)精度和目標(biāo)的檢測(cè)性能，SystemVue通用算法庫(kù)提供了頻率源模塊，用戶(hù)可以根據(jù)實(shí)際情況設(shè)置頻率源的相噪，進(jìn)而驗(yàn)證毫米波雷達(dá)的探測(cè)精度及多目標(biāo)環(huán)境的弱目標(biāo)檢測(cè)性能，此外影響毫米波雷達(dá)的射頻參數(shù)還包括：FMCW線(xiàn)性度、LNA噪聲系數(shù)、接收通道間的不一致性等等。

SystemVue仿真庫(kù)提供基于汽車(chē)?yán)走_(dá)信號(hào)處理流程仿真解決方案，主要包括2-D FFT算法用于生成目標(biāo)的距離多普勒分布，恒虛警處理(CFAR)用于多目標(biāo)檢測(cè)。用戶(hù)可以根據(jù)系統(tǒng)設(shè)計(jì)需求采取不同的求角算法。關(guān)于雷達(dá)數(shù)據(jù)處理SystemVue仿真庫(kù)提供IMM-Kalman濾波模塊。關(guān)于目標(biāo)關(guān)聯(lián)SystemVue沒(méi)有提供現(xiàn)成的模塊，雷達(dá)系統(tǒng)設(shè)計(jì)工程師可以根據(jù)仿真場(chǎng)景二次開(kāi)發(fā)相關(guān)模塊完成多目標(biāo)關(guān)聯(lián)和跟蹤處理。

1 汽車(chē)?yán)走_(dá)仿真框架設(shè)計(jì)

目前，汽車(chē)?yán)走_(dá)系統(tǒng)研發(fā)采用芯片商提供的片上集成芯片，分為射頻芯片和數(shù)字單片機(jī)芯片[4]。射頻芯片[5]主要采用壓控VCO產(chǎn)生中頻信號(hào)，二次上變頻到工作頻點(diǎn)77 GHz，限于目前毫米波芯片的制作工藝，早期的汽車(chē)?yán)走_(dá)采用較長(zhǎng)周期的三角連續(xù)波體制[6]，單周期波形達(dá)到ms量級(jí)，長(zhǎng)周期三角波調(diào)頻連續(xù)波進(jìn)行多目標(biāo)檢測(cè)會(huì)產(chǎn)生“鬼影”目標(biāo)，需要進(jìn)行額外的數(shù)據(jù)處理進(jìn)行假目標(biāo)剔除。隨著毫米波雷達(dá)射頻制作工藝的提升，新一代的毫米波雷達(dá)采用快調(diào)頻鋸齒波信號(hào)(Fast-Chirp)，雷達(dá)相干處理周期發(fā)射短周期FMCW脈沖串信號(hào)，該種毫米波雷達(dá)與軍用PD雷達(dá)體制類(lèi)似，快調(diào)頻FMCW信號(hào)可以借鑒PD雷達(dá)信號(hào)處理方式，易采用流水線(xiàn)處理，目標(biāo)速度模糊可以采用發(fā)射不同重復(fù)頻率的脈沖串進(jìn)行求解。因此，本文中毫米波雷達(dá)系統(tǒng)采用快調(diào)頻FMCW信號(hào)進(jìn)行雷達(dá)系統(tǒng)設(shè)計(jì)和信號(hào)處理算法設(shè)計(jì)。

1.1 汽車(chē)?yán)走_(dá)波形參數(shù)選擇

本仿真中汽車(chē)?yán)走_(dá)系統(tǒng)設(shè)計(jì)采用快調(diào)頻FMCW信號(hào)，發(fā)射信號(hào)帶寬為200 MHz，回波信號(hào)與本地的發(fā)射信號(hào)進(jìn)行去斜處理，產(chǎn)生頻率較低的差頻信號(hào)，信號(hào)時(shí)頻分布如圖1所示，其中實(shí)線(xiàn)為發(fā)射信號(hào)，虛線(xiàn)為回波信號(hào)。發(fā)射信號(hào)的表達(dá)式為：

S(t)=Acos[2πf0×(t-nT)+0.5ut2]

(1)

圖1 發(fā)射信號(hào)和回波信號(hào)時(shí)頻分布圖

其中：連續(xù)調(diào)頻周期T為51.2 μs，u為調(diào)頻斜率，信號(hào)帶寬為200 MHz，相干處理周期脈沖個(gè)數(shù)為128個(gè)。利用汽車(chē)?yán)走_(dá)庫(kù)里的波形模塊，設(shè)置波形參數(shù)如圖2所示。

圖2 FMCW模塊參數(shù)設(shè)置

1.2 汽車(chē)?yán)走_(dá)射頻性能仿真

SystemVue算法庫(kù)提供了射頻器件庫(kù)[7]，其中頻率源模塊可以設(shè)置雷達(dá)系統(tǒng)頻率源相噪等級(jí)，放大器模塊可以設(shè)置放大器的噪聲系數(shù)、非線(xiàn)性特性。用戶(hù)可以根據(jù)實(shí)際情況設(shè)置射頻參數(shù)，通過(guò)后面的信號(hào)處理觀測(cè)射頻指標(biāo)對(duì)雷達(dá)分辨力的影響。隨著汽車(chē)?yán)走_(dá)性能的提升，汽車(chē)?yán)走_(dá)系統(tǒng)將會(huì)變得越來(lái)越復(fù)雜，汽車(chē)?yán)走_(dá)庫(kù)提供射頻多通道參數(shù)設(shè)置：幅相不一致以及IQ不平衡的參數(shù)設(shè)置，根據(jù)用戶(hù)需求可以靈活配置相控陣系統(tǒng)。

1.3 汽車(chē)?yán)走_(dá)天線(xiàn)性能仿真

汽車(chē)?yán)走_(dá)庫(kù)提供了相控陣發(fā)射和接收模塊，相控陣模塊可以根據(jù)用戶(hù)需求設(shè)置天線(xiàn)的形式、天線(xiàn)個(gè)數(shù)、加窗形式，并且用戶(hù)可以根據(jù)需求導(dǎo)入天線(xiàn)方向如圖3所示。

圖3 天線(xiàn)單元方向圖

1.4 汽車(chē)?yán)走_(dá)信號(hào)處理

通常長(zhǎng)距汽車(chē)?yán)走_(dá)探測(cè)距離[8]約200～300 m即可以滿(mǎn)足ACC需求，發(fā)射天線(xiàn)口發(fā)射的電磁波經(jīng)空口傳播到達(dá)目標(biāo)，經(jīng)由目標(biāo)反射，返回接收天線(xiàn)，回波信號(hào)通過(guò)4個(gè)單元的接收陣列接收回波信號(hào)，每個(gè)通道信號(hào)經(jīng)過(guò)LNA，回波信號(hào)與本地發(fā)射信號(hào)混頻得到差頻信號(hào)，得到IQ兩路的差頻信號(hào)，差頻信號(hào)的最大頻率范圍不超過(guò)10 MHz。本仿真中ADC采樣頻率10 MHz即可以滿(mǎn)足條件。經(jīng)過(guò)ADC采樣得到目標(biāo)回波的差頻信號(hào)經(jīng)過(guò)1維FFT處理得到目標(biāo)距離信息，為了減少近距離目標(biāo)的旁瓣影響可以進(jìn)行加窗處理，目標(biāo)的距離分辨力會(huì)有所惡化。慢時(shí)間維信號(hào)回波經(jīng)過(guò)第2維FFT處理得到目標(biāo)速度信息，與距離維處理一致，加窗處理速度分辨力會(huì)變差?；夭ㄐ盘?hào)經(jīng)過(guò)2D-FFT處理可以得到觀測(cè)區(qū)域的目標(biāo)速度距離多普勒譜，處理結(jié)果如圖4所示。

圖4 目標(biāo)距離速度譜

雷達(dá)回波數(shù)據(jù)經(jīng)過(guò)脈沖多普勒處理后，數(shù)據(jù)進(jìn)入CFAR[9]模塊，由于汽車(chē)?yán)走_(dá)工作場(chǎng)景雜波和目標(biāo)非常密集，為了獲得較好的檢測(cè)性能，通常采用OS-CFAR完成多目標(biāo)檢測(cè)。經(jīng)過(guò)恒虛警處理后得到目標(biāo)距離多普勒譜矩陣位置的序號(hào)，利用4個(gè)通道存在目標(biāo)位置的采樣數(shù)據(jù)做相差求角，這樣就可以獲取目標(biāo)的角度信息，其處理流程如圖5所示。

圖5 信號(hào)處理流程

2 汽車(chē)?yán)走_(dá)超分辨算法改進(jìn)

限于成本的約束，目前汽車(chē)?yán)走_(dá)通常只有4個(gè)接收通道，因此汽車(chē)?yán)走_(dá)無(wú)法采用類(lèi)似軍用雷達(dá)的和差測(cè)角技術(shù)，而是主要采用相差測(cè)角的方式來(lái)完成角度測(cè)量，當(dāng)雷達(dá)距離分辨力不高的情況下，該算法可以滿(mǎn)足一般場(chǎng)景的需求，而當(dāng)目標(biāo)落入相同距離和多普勒門(mén)情況，相差求角方法將會(huì)失效。對(duì)于較高分辨雷達(dá)，高密集目標(biāo)場(chǎng)景不同散射點(diǎn)落入同一個(gè)距離和多普勒門(mén)的概率較高，為了在空間區(qū)分不同散射點(diǎn)，通常采用超分辨算法[10]，如MUSIC、ESPRIT或其算法改進(jìn)。

由于波束形成受限于陣列長(zhǎng)度，基于波束形成的非參數(shù)化的波達(dá)角估計(jì)分辨率受限于瑞利極限。超瑞利極限的方法稱(chēng)為超分辨方法，最早的超分辨算法是著名的MUSIC和ESPRIT算法，這兩種算法屬于特征結(jié)構(gòu)的子空間方法。子空間方法建立在傳感器個(gè)數(shù)比信源個(gè)數(shù)多的基礎(chǔ)上，經(jīng)過(guò)對(duì)回波快拍數(shù)據(jù)協(xié)方差數(shù)據(jù)進(jìn)行特征值或奇異值分解，則目標(biāo)的信號(hào)分量一定位于一個(gè)低秩的子空間。在特定條件下，這個(gè)子空間將確定信號(hào)的波達(dá)方向，由于線(xiàn)性空間的概念引入角度估計(jì)中，子空間算法實(shí)現(xiàn)了角度估計(jì)分辨率的突破。汽車(chē)?yán)走_(dá)通常單元個(gè)數(shù)比較少，因此可以分辨的目標(biāo)有限。汽車(chē)?yán)走_(dá)設(shè)計(jì)者應(yīng)根據(jù)雷達(dá)不同用途，平衡雷達(dá)帶寬、角度分辨力、天線(xiàn)單元個(gè)數(shù)的參數(shù)選取。

在實(shí)際處理中，得到的數(shù)據(jù)是在有限的時(shí)間范圍內(nèi)的有限快拍，在這段時(shí)間內(nèi)認(rèn)為空間源信號(hào)的方位不發(fā)生變化，空間源信號(hào)的包絡(luò)隨時(shí)間變化滿(mǎn)足平穩(wěn)隨機(jī)過(guò)程，其統(tǒng)計(jì)特性不隨時(shí)間變化。此外，陣列信號(hào)處理算法需要知道入射信號(hào)的源數(shù)，實(shí)際當(dāng)中信源個(gè)數(shù)往往未知，然后再估計(jì)信源的方向。汽車(chē)?yán)走_(dá)的快拍信號(hào)是經(jīng)過(guò)距離多普勒處理之后的峰值數(shù)據(jù)，通常同一個(gè)距離多普勒門(mén)的信源較少，可以直接根據(jù)數(shù)據(jù)協(xié)方差較大的特征值個(gè)數(shù)判斷信源數(shù)，經(jīng)過(guò)速度距離處理后的數(shù)據(jù)的SNR較高，因此估計(jì)的目標(biāo)的信源個(gè)數(shù)比較準(zhǔn)確。

此外，超分辨算法需要經(jīng)過(guò)特征值分解及角度搜索掃描，由于限于汽車(chē)?yán)走_(dá)DSP處理能力，因此需對(duì)超分辨算法進(jìn)行變換，將信號(hào)的復(fù)數(shù)數(shù)據(jù)經(jīng)過(guò)矩陣變換轉(zhuǎn)化為實(shí)數(shù)，因此數(shù)據(jù)協(xié)方差數(shù)據(jù)特征值分解轉(zhuǎn)換為實(shí)數(shù)特征值分解，復(fù)數(shù)角度搜索轉(zhuǎn)換為實(shí)數(shù)角度搜索，大大減少了數(shù)據(jù)的存儲(chǔ)和處理負(fù)擔(dān)。

首先給出經(jīng)典譜MUSIC估計(jì)公式：

(2)

其中:ei為量測(cè)數(shù)據(jù)特征向量，a(θ)為角度搜索向量。

通常超分辨算法需要對(duì)快拍協(xié)方差數(shù)據(jù)求逆運(yùn)算，然而汽車(chē)?yán)走_(dá)的信號(hào)處理芯片處理能力較差，因此，需要對(duì)超分辨算法進(jìn)行改進(jìn)以降低求角算法的運(yùn)算量。本文提出采用酉矩陣變換MUSIC算法進(jìn)行改進(jìn)，具體方法如下：

1)構(gòu)造U矩陣：

(3)

天線(xiàn)單元數(shù)為奇數(shù)，

(4)

天線(xiàn)單元數(shù)為偶數(shù)。

2)構(gòu)造角度掃描向量：

a′(θ)=Ua(θ)

(5)

a(θ)=[1,ejφ(θ),ej2φ(θ),…,ej(M-1)φ(θ)]T

(6)

=e-j(M-1)φ(θ)/2a(θ)=

[e-j(M-1)φ(θ)/2,…,e-j(1/2)φ(θ),ej(1/2)φ(θ),…,ej(M-1)φ(θ)/2]T

(7)

因此得到掃描向量表達(dá)式為：

(8)

(9)

可見(jiàn)，采用酉變換MUSIC算法重構(gòu)快拍協(xié)方差數(shù)據(jù)，將快拍協(xié)方差轉(zhuǎn)變?yōu)閷?shí)數(shù)矩陣，從而將求逆運(yùn)算和角度搜索簡(jiǎn)化為實(shí)數(shù)運(yùn)算，因此將大大降低汽車(chē)?yán)走_(dá)超分辨求角的運(yùn)算量。

本文使用SystemVue里面的MatlabScript模塊嵌入酉變換MUSIC算法來(lái)實(shí)現(xiàn)，得到空間譜估計(jì)結(jié)果如圖6所示。

圖6 目標(biāo)角度

3 仿真結(jié)果分析

本文采用的基于SystemVue汽車(chē)?yán)走_(dá)系統(tǒng)的仿真步驟如下：

1)構(gòu)建雷達(dá)傳感器平臺(tái)參數(shù)，設(shè)置汽車(chē)?yán)走_(dá)車(chē)載平臺(tái)信息，初始坐標(biāo)、初始速度、加速度信息。構(gòu)建被探測(cè)目標(biāo)的RCS散射點(diǎn)分布，目標(biāo)初始坐標(biāo)、速度、加速度信息，用也可以根據(jù)實(shí)際需求控制平臺(tái)橫滾，縱滾，方位角度控制平臺(tái)和目標(biāo)做復(fù)雜運(yùn)動(dòng)，或通過(guò)文件形式導(dǎo)入目標(biāo)運(yùn)動(dòng)軌跡；

2)構(gòu)建目標(biāo)相對(duì)于天線(xiàn)位置關(guān)系，該仿真流程主要是計(jì)算目標(biāo)相對(duì)于天線(xiàn)陣面的角度關(guān)系，雷達(dá)坐標(biāo)系下可以輸出目標(biāo)相對(duì)于雷達(dá)的方位角以及俯仰角；

3)構(gòu)建發(fā)射波形以及發(fā)射參數(shù)通道設(shè)置，用可以根據(jù)不同的仿真條件設(shè)置波形的發(fā)射周期，脈寬，線(xiàn)型調(diào)頻斜率。發(fā)射射頻通道可以采用單通道發(fā)射，多通道發(fā)射或者不同通道分時(shí)發(fā)射；

4)設(shè)置發(fā)射天線(xiàn)天線(xiàn)參數(shù)，包括天線(xiàn)單元個(gè)數(shù)，天線(xiàn)單元間距，發(fā)射接收天線(xiàn)根據(jù)目標(biāo)的方位和俯仰角度以及平臺(tái)與目標(biāo)的相對(duì)位置和運(yùn)動(dòng)關(guān)系生成目標(biāo)回波數(shù)據(jù)；

5)接收通道采用多通道接收通道，可以根據(jù)求角精度配置接收單元的個(gè)數(shù)，設(shè)置低噪聲放大器參數(shù)，包括：LNA的噪聲系數(shù)以及放大器線(xiàn)型度設(shè)置，根據(jù)波形的工作帶寬和濾波器參數(shù)加入通道噪聲；根據(jù)通道不一致性配置不同通道的幅度誤差、相位誤差，以及各自通道IQ不平衡參數(shù)。

6)設(shè)置頻率相噪?yún)?shù)，將回波信號(hào)與本地信號(hào)進(jìn)行去斜處理，通過(guò)ADC模塊進(jìn)行數(shù)字化，設(shè)置ADC采樣頻率，量化位數(shù)，峰峰值等參數(shù)，將數(shù)字化的回波數(shù)據(jù)進(jìn)行信號(hào)處理，根據(jù)不同處理進(jìn)行不同的加窗處理，完成速度距離頻譜估計(jì)；對(duì)距離維數(shù)據(jù)做CFAR檢測(cè)，記錄所有目標(biāo)的采樣點(diǎn)序號(hào)，將所有通道下的目標(biāo)復(fù)數(shù)數(shù)據(jù)分組存儲(chǔ)，利用該數(shù)據(jù)做超分辨處理。

7)利用目標(biāo)分組的通道數(shù)據(jù)做求角運(yùn)算，按照第2節(jié)的算法對(duì)矩陣進(jìn)行酉變換處理，并對(duì)酉變換后的實(shí)數(shù)數(shù)據(jù)進(jìn)行協(xié)方差奇異值分解，根據(jù)奇異值大小確定目標(biāo)的個(gè)數(shù)，利用實(shí)數(shù)掃描矩陣求得目標(biāo)空間頻譜，提取峰值點(diǎn)的角度信息，完整提取目標(biāo)距離、速度、方位信息。

通過(guò)以上流程，基于SystemVue可以完成汽車(chē)?yán)走_(dá)整系統(tǒng)的設(shè)計(jì)，包括雷達(dá)波形生成，射頻器件仿真，雷達(dá)天線(xiàn)，雷達(dá)電磁環(huán)境模擬以及雷達(dá)信號(hào)處理。根據(jù)仿真預(yù)設(shè)的目標(biāo)空間信息，通過(guò)信號(hào)處理抽取了目標(biāo)的距離、速度及角度信息。根據(jù)表1可以對(duì)比雷達(dá)測(cè)量值與真值的差別，進(jìn)而可以估計(jì)雷達(dá)的測(cè)量精度。

表1 目標(biāo)真值與測(cè)量值對(duì)比

4 結(jié)論

本文基于SystemVue實(shí)現(xiàn)了汽車(chē)?yán)走_(dá)系統(tǒng)的模擬仿真，并給出了針對(duì)汽車(chē)?yán)走_(dá)目標(biāo)信息提取的完整解決方案。本文利用SystemVue汽車(chē)?yán)走_(dá)仿真庫(kù)完成了包括雷達(dá)射頻和信號(hào)處理的系統(tǒng)性能評(píng)估，與單純的信號(hào)處理仿真相比，本文考慮了所有可能影響雷達(dá)性能的因素，如射頻、雷達(dá)工作的電磁環(huán)境。本文解決方案更真實(shí)、更全面地反映了雷達(dá)系統(tǒng)的性能。同時(shí)，本文針對(duì)汽車(chē)?yán)走_(dá)信號(hào)處理芯片處理能力較差的問(wèn)題，提出了改進(jìn)的酉變換MUSIC測(cè)角算法，大大降低了汽車(chē)?yán)走_(dá)超分辨求角的運(yùn)算量。