基于雙目視覺與毫米波雷達融合的主動避障方法研究

錢波, 陳潔, 徐淇, 王紅星, 黃鄭*

(1.國網江蘇省電力有限公司常州供電分公司， 江蘇， 常州 213000；2.江蘇方天電力技術有限公司， 江蘇， 南京 211102)

0 引言

隨著雷達測控技術的發展，毫米波雷達被廣泛應用在避障控制系統中，構建優化的毫米波雷達主動避障控制系統需要研究毫米波雷達主動避障方法，這在機器人控制、飛行器控制以及無人駕駛汽車控制等方面具有重要意義[1]。毫米波雷達主動避障方法的研究建立在對毫米波雷達信號檢測和特征分析的基礎上的，構建毫米波雷達主動避障的參數融合和信號特征分析模型，通過模糊度參數采集和信號融合實現對毫米波雷達主動避障的參數自適應調節[2-3]。根據上述分析可得，直接采用毫米波雷達進行動態避障存在誤差較大等問題[4-5]，為此本文提出的基于雙目視覺的毫米波雷達主動避障方法。本文方法在提高毫米波雷達主動避障和自適應控制能力方面有優越的性能。

1 毫米波雷達信號處理與檢測

1.1 毫米波雷達信號處理模型

為了實現基于雙目視覺的毫米波雷達主動避障控制的構建，采用單脈沖雷達跟蹤和信號檢測方法。構建毫米波雷達主動信號采集的回波分析模型，得到雷達信號的輸出間距dx，在y軸方向得到多個目標單脈沖輸出信號特征分量，設置毫米波雷達信號的輸出陣元間隔為dy，根據接收機帶寬分析和AD采樣結果，得到單脈沖雷達分辨單元滿足：

r(e)=dx+dyn(t)

(1)

式中，n(t)表示分離出的噪聲分量。在接收機帶寬遠大于脈沖信號帶寬的情況下，采用自相關頻譜特征檢測方法進行雙目視覺下的毫米波雷達脈沖信號融合和濾波處理[6]，根據回波相位角分布構建毫米波雷達脈沖的信號檢測模型，得到雙目視覺下毫米波雷達信號的互相關特征量為

q=∑e=1r(e)+Rs(ψ)+h(t)

(2)

其中，Rs(ψ)為毫米波雷達脈沖信號的特征分量，h(t)為雷達毫米波探測的互相關函數。采用條件廣義的似然比檢測方法引入互相關函數，并采用匹配濾波檢測方法實現雙目視覺下毫米波雷達信號融合處理。

根據瑞利目標的假設檢驗結果，得到雙目視覺下毫米波雷達信號的融合度為v，基于奈曼-皮爾遜檢測準則[7]得到雙目視覺下毫米波雷達目標方位角和擴展角的關系為

jh=s0+(q+v)+h(t)

(3)

其中，s0表示雙目視覺下毫米波雷達目標分布的二維譜峰，簡稱尺度。根據式(3)獲取的毫米波雷達目標方位角和擴展角之間的關系，構建雙目視覺下毫米波雷達目標主動避障的信號處理模型，如圖1所示。

圖1 雙目視覺下毫米波雷達目標主動避障信號處理模型

1.2 毫米波雷達信號檢測

在雙目視覺下毫米波雷達目標主動避障信號處理模型的基礎上對毫米波雷達目標參數進行估計，將雙目視覺下毫米波雷達目標參數估計問題轉化為信號檢測問題，采用回波檢測和自適應跟蹤探測方法完成毫米波雷達信號檢測。首先采用雙目視覺跟蹤檢測方法對毫米波雷達目標主動避障的回波成像進行處理，根據處理結果對基于雙目視覺的毫米波雷達信號特征進行分析，得到毫米波雷達主動避障的尺度因子：

d(j)=w(s)+jhm+s0

(4)

其中，m表示復共軛數值。結合單個目標回波的采樣點特征分析[8]，得到毫米波雷達脈沖信號的輸出均值記為w(s)，把毫米波雷達脈沖信號的時域和頻域結合在一起，根據最大波束形成方法進行多個目標的波達方向分辨處理[9]，得到信號高分辨融合結果為

Z=x(t)+[yp+∫j=1dj]

(5)

式中，x(t)表示輸入的高分辨汽車自動避障毫米波雷達探測信號，yp表示加窗操作下的毫米波雷達目標信號的輸出脈沖展寬。根據最大波峰檢測結果，獲取引起信噪比估計值突變的目標DOA估計結果為

kp=Zf(s)+myp+giv

(6)

其中，f(s)為最大波峰檢測結果參數，根據DOA估計結果，在多瑞利目標情況下實現毫米波雷達信號特征提取，輸出為giv。利用毫米波雷達探測回波沖激響應進行障礙物檢測，估計單個目標的信噪比，得到雙目視覺下毫米波雷達目標的空間聚類參數估計結果，根據估計結果，采用回波檢測和自適應跟蹤探測方法對毫米波雷達信號進行檢測，其表達式為

A=kp+f(s)+giv

(7)

2 毫米波雷達主動避障控制優化

2.1 雙目視覺下毫米波雷達信號譜特征提取

根據上述檢測到的毫米波雷達信號進行雙目視覺下毫米波雷達信號譜特征提取，采集雙目視覺毫米波雷達信號的空間頻譜特征量，根據信號的頻譜分布特性進行波束形成處理[10-11]，得到不同尺度和時延下的雙目視覺毫米波雷達信號的脈沖波束為

u(m)=f(t)kp+(A+Cx)

(8)

其中，Cx為空間頻譜特征量參數，A∈Cn×n(n×n維復數空間)為雙目視覺毫米波雷達避障的模糊度矩陣，f(t)為多目標檢測時虛警概率分布下的雙目視覺毫米波雷達信號的采樣頻率。估計出對應單個目標的信噪比，得到測距分量為r(t)，則：

r(t)=j(r)+seg(t)+∫m=1u(m)dm

(9)

其中，g(t)為雙目視覺毫米波雷達的反射回波，j(r)為背景干擾，提取雙目視覺毫米波雷達信號的譜分量，根據測距結果進行避障控制，得到雙目視覺毫米波雷達目標避障輸出se。根據DOA估計結果，在偏差和均方根誤差的約束下，得到雙目視覺毫米波雷達信號的頻譜特征分離結果為

dp(a)=τ+t+sef+∑t=1r(t)

(10)

其中，τ為雙目視覺毫米波雷達信號的時延分量，f為頻域分解特征，t為先驗信息的確定因素。根據信號的頻譜分布特性進行波束形成處理，采用波譜增益聚類分析方法對毫米波雷達信號增強處理，根據處理結果提取雙目視覺下毫米波雷達信號譜特征

B=Etdp(a)+R(λ)+(t)

(11)

其中，Et為毫米波雷達測距分量，R(λ)為毫米波雷達測距DOA參數，(t)為多個目標的徑向距離。

2.2 雷達目標避障控制

根據提取的毫米波雷達信號譜特征進行雷達目標避障控制，設置信號采樣的間距為d=λmin/4，在同一分辨單元內，得到毫米波雷達目標的避障控制分量為

Pf=d+(a2+c1)+tqB

(12)

其中，a2與c1為雙目視覺毫米波雷達頻譜分量，tq表示任意一個m×n維矩陣A中雙目視覺毫米波雷達信號的空間分布域。雙目視覺毫米波雷達信號的多次回波數據：

w(t,i)=[pf+a(u)]+lg

(13)

式中，a(u)為準平穩隨機模型下的毫米波雷達信號的空間參數估計結果。根據參數估計結果實現毫米波雷達目標的探測和定位，位置參數定位結果為lg。根據兩目標信噪比的比值結合濾波檢測方法，得到避障控制律：

X(o)=A(t)+θ(t)+w(t,i)

(14)

其中，A(t)為毫米波雷達脈沖的復包絡，θ(t)為單脈沖雷達系統中的信號分布相位。根據式(14)確定參數t0，其表達式如下：

t0=X(o)+A(t)+θ(t)f0

(15)

其中，f0為單脈沖比實部的均值估計。根據毫米波雷達信號探測結果[12-15]得到避障參數優化解析式：

L=Xi+(e(p)+t0)

(16)

式中，Xi(i=1,2,…,n)表示毫米波雷達軌跡參數，e(p)表示避障輸出結果。通過幅度、回波相位角的參數融合結果實現雷達主動避障。

3 實驗測試分析

為了驗證本文方法在實現毫米波雷達主動避障中的應用性能進行仿真測試分析。設置毫米波雷達的單脈沖比為0.36，信噪比為-24 dB，毫米波雷達信號的檢測序列可標記為0 000 101 111 000，波束寬度為12，虛警概率為0.014，根據上述參數設定進行毫米波雷達主動避障的仿真分析，得到雷達信號時域波形如圖2所示。

圖2 雷達信號時域波形

根據圖2的雷達信號時域分布，在不同毫米波雷達軌跡參數下進行避障參數估計，將本文的避障參數估計狀態與實際的避障參數估計狀態進行對比，對比結果如圖3所示。

(a) X1下的避障參數估計結果

分析圖3得知，在不同毫米波雷達軌跡參數下，本文方法進行毫米波雷達主動避障的參數定位估計與實際避障參數估計結果擬合度較高。采用本文提出的基于雙目視覺的毫米波雷達主動避障方法、文獻[4]提出的基于車車通信的毫米波雷達主動避障方法和文獻[5]提出的基于多傳感器的無人機避障方法進行毫米波雷達主動避障測試，比較3種方法的雷達避障軌跡偏離誤差，得到對比結果如圖4所示。

圖4 3種方法的避障偏離誤差對比結果

分析圖4得知，本文方法進行毫米波雷達主動避障的偏離誤差比文獻[4]提出的基于車車通信的毫米波雷達主動避障方法和文獻[5]提出的基于多傳感器的無人機避障方法的毫米波雷達主動避障的偏離誤差小，避障精準度高。

4 總結

針對傳統的毫米波雷達主動避障方法存在的避障偏離誤差較大的問題，本文提出了基于雙目視覺的毫米波雷達主動避障方法。采用單脈沖雷達跟蹤和信號檢測方法構建毫米波雷達主動信號采集的回波分析模型，采用回波檢測和自適應跟蹤探測方法進行毫米波雷達信號檢測，根據信號的頻譜分布特性進行波束形成處理，根據兩目標信噪比的比值結合濾波檢測方法得到避障控制律，實現雙目視覺下的雷達主動避障處理。研究得知，本文方法進行毫米波雷達主動避障的偏離誤差較小，避障效果較好。