調頻連續波毫米波雷達的智能駕駛感知

黃 迪，陳凌珊

（上海工程技術大學 機械與汽車工程學院，上海201620）

0 引 言

智能駕駛或自動駕駛是車輛自發性的根據當前行駛的路況來輔助駕駛者駕駛［1］，或者在滿足安全需求條件下控制車輛正常行駛，從而減輕駕駛者的駕駛疲勞，把駕駛員從駕駛勞動中釋放出來，同時規避了人類駕駛員獨有的安全隱患。在未來的城市里，自動駕駛的高度普及，解決城市擁堵問題，形成高效、安全的交通網絡。

目前智能駕駛功能的實現有兩個方向：一是研究對象交通或者道路本身，在汽車行駛過程中給汽車提供與其相關的路況信息［2］，就像拉力賽車的領航員一樣；二是研究對象是汽車本身，車輛有感知周圍的能力，知道周圍的環境，理解環境的意義。有定位能力，即知道自己處于當前環境的位置和姿勢。有決策能力，即根據自身的定位和對周圍環境的感知決定車輛該怎么行駛。

本文討論汽車本身的感知能力，能通過各類的傳感器獲取周圍環境的能力。目前比較主流的感知傳感器有超聲波雷達、激光雷達、毫米波雷達、單目攝像頭。每種傳感器都有自己的優缺點，攝像頭可以分辨物體的距離、大小、顏色，包含的信息比較豐富，但是對光的敏感度比較高；激光雷達測距精度高、準確度高、相應時間快，但是成本高，濃霧、雨雪天會對其有較大的影響；超聲波雷達結構簡單，價格便宜且體積小巧，但是受天氣和溫度變化的影響很大，且距離很短；毫米波雷達不受天氣情況影響，能夠感知到的距離較遠，且能識別到毫米級的移動，但是對靜止不動的物體精度較低，開發成本高［3-4］。

1 調頻連續毫米波

1.1 毫米波波形

毫米波雷達是一種可以發射毫米級波長信號的雷達，在汽車行業經常使用76-81GHZ頻率下可以檢測到零點幾毫米的位移。而調頻連續波是一種連續發射變頻的毫米量級信號的技術，在電磁信號發射的路徑上被物體反射，根據反射回來的變頻信號與發出去的信號處理比較，可以推導出該物體的方位、速度和加速度。圖1為在時間和振幅維度上的連續調頻信號波形。圖2為頻率隨時間的變化，其中線性調頻脈沖的斜率為頻率的變化率，帶寬B，持續時間T c，起始頻率f c。圖3為調頻毫米波雷達的架構，Tx為發送調頻信號，R x為接收物體反射回來的同一斜率S的調頻信號，發送的信號和收到的信號混頻之后獲得一個中頻信號。

對于兩個正弦波形x1和x2，式（1）和式（2）：

圖1 時域振幅上的變頻波Fig.1 Variable frequency wave in time domain amplitude

圖2 頻率變化率為S的變頻波Fig.2 A variable frequency wave with a frequency change rate of S

圖3 毫米波收發架構Fig.3 Millimeter wave transceiver architecture

其頻率為兩個正弦波形頻率的差值，其相位為兩個正弦波形相位的差值，式（3）：

如圖4所示，信號c1為t0時刻雷達Tx端發送變頻率為S的調頻信號，c2為t1時刻雷達R x端收到物體反射c1的對應的變頻信號，兩個信號混頻輸出一個頻率不變的中頻信號。

圖4 混頻信號Fig.4 Mixing signal

雷達信號從發送到物體反射回R x這段時間可以由電磁波信號以光速在物體和雷達間反射的距離來計算，式（4）：

在R x收到多個物體反射回來的信號時，混頻后將輸出不同頻率的中頻信號，當收到多個頻率后，在時域上將會疊加為一個復雜的波形，這里使用傅里葉變換處理這個復雜的疊加波形，分離不同頻率的中頻信號。而每個頻率代表信號返回R x的時間不同，基于光速c不變，所以每個頻率也就能映射到距離上，雷達便能探測到物體的存在。

1.2 速度探測

對于速度的探測，同一個物體在雷達Tx發出兩個調頻信號的Tc時間內，距離基本保持不變，因此很難通過映射距離的中頻信號的頻率來計算出物體的速度。但是在T c間隔得到的兩個中頻信號的相位不同，因此可以通過相位差來計算得到物體的速度，式（5）和式（6）：

由于是通過相位差來計算速度的，而相位差有周期性，因此可測得的最大速度為式（7）：

在同一距離上若有多個速度不同的物體，則需要一次發射出一組等時間間隔的調頻信號。在R x收到一組調頻信號后，得到一組頻率相同但相位不同的中頻信號。而同一個物體在相同的時間T c后相位的變化是一致的，因此速度不同的物體會有不同的相位差。對這一組中頻信號做傅里葉變換，分離出不同相位差峰值的信號，通過（6）式計算得到不同速度的物體。

1.3 方位角

雷達可以通過發射天線和接收天線的排列來計算物體在水平面上與雷達的角度，如圖5所示。

估算該方位角，需要使用到兩個或以上的接收天線，物體與兩個天線的距離差會導致傅里葉變換峰值的相位變換，式（8）：

其中：

將（9）式帶入（8）式得到（10）式：

公式成立的前提在于θ較小時si n（θ）≈θ，因此只有在θ較小時公式（10）才比較準確。

圖5 收發天線布局Fig.5 Transceiver Antenna Layout

2 雷達檢測質量

在實際使用毫米波雷達檢測目標時，會遇到真實世界里不確定性的干擾，導致雷達出現誤報和漏報的情況。為了減少誤報漏報率，需要先對檢測到的目標做可信度分析。

假設一個目標的可能性分布服從高斯分布，式（11）：

噪聲的可能性分布服從瑞利分布，式（12）：

則在某距離存在目標的最大似然函數為式（13）：

其中，C為常數。

l l f值越大，此處存在目標的可能性就越大，定一個閾值H，當l l f大于閾值H，雷達將其視為一個有效目標，小于閾值H，雷達將其視為一個噪聲。

3 目標追蹤

為了描述物體的位置、速度和方向信息，定義雷達的坐標系如圖6所示。

其中：方位角θ逆時針為正，順時針為負。

要追蹤目標首先得區分目標物是靜止的還是運動的。由于多普勒速度是絕對速度在目標和雷達的徑向方向的分量，因此當雷達相對于目標物靜止，則多普勒速度為零，但若物體相對雷達與目標徑向的垂直方向運動，如公式（14），則絕對速度對于徑向速度的分量將為0，也就是多普勒速度為零。

圖6 雷達坐標Fig.6 Radar coordinate

這種情況通常出現在相鄰車道目標車經過雷達的垂直方向的場景，會造成雷達識別出目標點有速度但距離又沒有變的情況。

目標速度檢測實際上是檢測目標的多普勒速度。計算目標車相對主車的速度，需要除了多普勒速度之外的目標相對雷達的線速度，式（15）：

把相對速度在笛卡爾坐標系下分解為v x和v y，則多普勒速度可以表示為式（16）：

要求解兩個未知數，需要至少兩個不相關條件，即同一目標物的第二個檢測點，式（17）和式（18）：

因此需要一個緩存區來存儲雷達所有目標可能性大于閾值的檢測點列表，存儲多個計算周期的檢測點列表，并找到同一個目標的檢測點。

如果某個檢測點是靜止的目標點，那么它和雷達間的相對速度都是由主車運動提供的。根據主車的動態參數估算出靜態檢測點的相應的多普勒速度，再與真實檢測點的多普勒速度對比，若插值大于式（19）計算出的閾值，則標記為運動點。式（20）為估算的靜止的多普勒速度。

在緩沖區當前和歷史的檢測點列表選取未聚類的高質量的點，一次一個的循環當前列表里的檢查點，在歷史周期里選擇與當前周期所循環點多普勒速度差值較小，且距離相近的點，一個周期最多找到一個。

若在一個循環里找到兩個以上的檢測點，則將其聚類為一個目標。根據公式（16）計算出當前目標相對速度。

4 實 驗

使用Nuscence毫米波雷達數據庫，由計算出反射點相對速度聚類多個檢測點得到一個動／靜態的目標。如圖7聚類感知5個動態目標，最靠近主車雷達的目標聚類如圖8所示。

圖7 雷達感知動靜目標Fig.7 Radar senses moving and moving targets

圖8 動態目標Fig.8 Dynamic targets

5 結束語

通過對毫米波雷達信號的處理，從雷達反射混頻后的中頻信號得到一個目標物的多個檢測點，再對其進行濾波處理，得到高質量的檢查點，對這些點進行一定周期的存儲，用來做時間序列上的分析，聚類輸出為雷達感知的動、靜態目標，最后使用NuScenes數據庫的雷達信號進行感知實驗，結果良好。