电子产品世界

汽车雷达网络的目标分类算法

目标分类系统的主要任务是针对目标回波信号特征计算给定向量的分类关系，分类器定义了一组不同的目标类别。分类器的工作可以分为学习阶段和分类阶段，在学习阶段分类器对若干特征和经过独立标记的特征向量进行自动分析；在分类阶段，要对每个被检测到的目标生成特征向量，与此同时，识别算法采用最大似然方法进行判决，以判别特征向量属于哪个类，如图3所示。在汽车应用中，由于分类任务很复杂，通常一个给定的向量需要考虑几个特征，因而要采用多个分类器，其优点是在学习阶段能够在一次迭代过程中评估某个特征对决策过程的影响，并自动剔除对决策过程影响较小的项目。文献[4]给出了基于汽车雷达传感器的目标分类系统的系统结构和信号处理过程，它可以识别六种不同的雷达目标的类别，包括：步行者、骑自行车的人、车辆、人群、树木和交通标志等(图3)，文献[4]最后给出了基于近距离雷达网络的实验结果。

图3：车载雷达对目标分类的处理过程

对77GHz毫米波汽车雷达的技术指标

目前，自适应巡航控制(ACC)系统主要还是在一些豪华汽车上采配置，但是，其它一些制造商也在考虑推出具有这种系统配置的普及型汽车，因为，随着消费需求的增长、汽车规模经济的扩大以及小型化、低成本的毫米波雷达收发器技术的发展[5]，以前豪华上才有的配置也将在大多数普及型车辆中，预计今后几年汽车雷达系统将相当普及。

表2 国际标准所支持的汽车雷达的频段

表1所示为国际标准组织所支持的汽车雷达专用频段[6]，汽车雷达中采用了远距离传感器(FDS)和近距离传感器(NDS)两种毫米波雷达传感器。

汽车雷达的任务和技术实现上的难点是在观测区域内检测所有目标，并能够在多目标情况下，测量目标的距离、相对速度和目标的方位角。目前，自适应巡航控制系统对远距离传感器(FDS)的要求如表3所示：

表3：对远距离传感器的要求

在方位角方向上做相对窄的观察，对典型的ACC功能来说已经足够了，但是，这对汽车电子应用系统中的舒适和安全系统却有一定局限性。表现在：通过配置碰撞预警和碰撞规避等安全功能，汽车的安全性将大为增加，这些应用需要智能雷达传感器覆盖汽车周边广角的区域，因此，对雷达传感器提出了角度分辨率的要求，这主要通过近距离传感器(NDS)构成的网络，配备相应的计算算法来实现。表4给出了对近距离传感器的指标要求。

表4：对近距离传感器的要求

一般来说，靠单一NDS并不具备角分辨率和估算角度的能力，只有当NDS构成所要求的网络才能达到0.5°那样的角估计精度。

精确估算运动目标位置的算法

文献[7]详细介绍了传统的基于不同步工作方式的单接收机、双接收机和四接收机构成的汽车雷达系统的特点，提出为了完成对目标速度、距离和方位角的测量，要采用一组NDS构成同步汽车雷达网络，并采用基于一组非线性方程的多重计算方法来提高对运动目标位置的估算精度。

图4：4个NDS构成的汽车网络对单目标实现位置测量的实例

图4所示为4个NDS构成的汽车网络对单目标实现位置测量的实例。在笛卡尔坐标系中，四个传感器的位置用二维向量表示，目标向量由表示。

Di,j是被测距离，它是发送信号的NDSi到被测目标之间的距离与接收信号的NDSj 到反射信号的目标之间的距离之和，因此，距离Di,j可以表示为两个距离Ri和Rj之和：

在一个测量周期中，通过电扫开关的控制，每个NDS轮流担当一次发射机，因此，有16种距离的组合：

下列非线性方程描述了所有的距离测量的情况：

1 2 3

关键词： 汽车雷达 网络系统 汽车电子