[技術(shù)前沿]一種面向密集道路汽車?yán)走_(dá)場(chǎng)景的相互干擾抑制算法
調(diào)頻陸續(xù)在波（FMCW）毫米波雷達(dá)可在全天候條件下工作，從而在汽車行業(yè)得到廣泛采用。由于道路上毫米波雷達(dá)的密度增加，安裝在自車輛上的主雷達(dá)面臨相互干擾的問題。
傳統(tǒng)的檢測(cè)方案一般采用一維快速傅里葉變換（FFT），然后對(duì)中頻（IF）信號(hào)采用恒虛警報(bào)率（CFAR）來取得目標(biāo)檢測(cè)。但是，在相互干擾的情況下，中頻信號(hào)的行為異常，傳統(tǒng)的信號(hào)處理框架容易導(dǎo)致漏檢和誤檢。
論文《A Mutual Interference Mitigation Algorithm for Dense On-Road Automotive Radars Scenario》提出了一種針對(duì)中頻 (IF) 信號(hào)的加權(quán)拍頻信號(hào)歸一化算法，然后采用傳統(tǒng)的檢測(cè)方案作為相互干擾緩解機(jī)制。
論文鏈接：http://ieeexplore.ieee.org/document/10234787
加權(quán)拍頻信號(hào)歸一化算法的實(shí)現(xiàn)很簡(jiǎn)單，因?yàn)椴粫?huì)干擾架構(gòu)中的任何處理模塊，例如混頻器、LPF、FFT 和 CFAR 模塊。仿真結(jié)果表明，所提方法提高了信干噪比（SINR），從而降低了漏檢目標(biāo)的概率。
注：在FMCW雷達(dá)中，中頻（IF Signal）、差頻、拍頻（beat signal）、差拍本質(zhì)上都是指同一個(gè)概念。
一、概述
調(diào)頻陸續(xù)在波 (FMCW) 雷達(dá)工作在不同的頻率范圍，即 24 GHz、60 GHz、77 GHz 和 80 GHz，以便實(shí)現(xiàn)遠(yuǎn)程雷達(dá) (LRR) 和短程雷達(dá) (SRR) 應(yīng)用 [1] 。 這些雷達(dá)傳感器采用單芯片構(gòu)建，輸入功率低，可在霧、雪、雨和無光條件下工作，給予如跟蹤 [2]、環(huán)境感知 [3]、成像 [4]、分類 [5]、艙內(nèi)健康監(jiān)測(cè)系統(tǒng) [6]、納米和微米物體檢測(cè) [ 7]和場(chǎng)景成像[8]各種功能。
汽車行業(yè)正在順利獲得給予毫米波雷達(dá)和其他汽車傳感器（攝像頭、激光雷達(dá)、超聲波等）以及多傳感器融合，將現(xiàn)有的L1、L2升級(jí)到L4系統(tǒng)[9]。隨著道路交通中毫米波雷達(dá)密度的增加，雷達(dá)會(huì)產(chǎn)生無意干擾的問題。汽車行業(yè)正在研究各種方法來檢測(cè)干擾，然后減輕干擾，以及從損壞的信號(hào)中恢復(fù)信號(hào)[10]。
脈沖幅度控制、噪聲消除器和參差脈沖重復(fù)頻率 (PRF) 等信號(hào)處理技術(shù)用于減少干擾影響 [11]、[12]。脈沖壓縮等傳統(tǒng)方法也應(yīng)用于 FMCW 傳感器數(shù)據(jù)以減輕干擾 [13]。此外，OFDM-MIMO（正交頻分復(fù)用-多輸入多輸出）和認(rèn)知雷達(dá)技術(shù)用于執(zhí)行可調(diào)Q因子小波變換并抑制干擾 [14]。
文獻(xiàn)[15]提出了一種修剪精確線性時(shí)間已知變化數(shù)（PELT-KCN）算法，順利獲得利用峰值變化和加權(quán)包絡(luò)歸一化（WEN）來抑制 FMCW 雷達(dá)干擾。 此外，研究界嘗試將短時(shí)傅里葉變換（STFT）技術(shù)與拍頻插值[16]和一維恒虛警率（CFAR）歸零[17]相結(jié)合來減輕干擾。同時(shí)，該問題也順利獲得 OS-CFAR 和基于全局最近鄰擴(kuò)展卡爾曼濾波器（GNN-EKF）的目標(biāo)跟蹤得到解決[18]。
最初，這種干擾緩解問題僅限于信號(hào)處理和目標(biāo)跟蹤，后來擴(kuò)展到機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）技術(shù)的新興領(lǐng)域，全連接卷積神經(jīng)網(wǎng)絡(luò)和量化卷積神經(jīng)網(wǎng)絡(luò)（CNN）也是雷達(dá)干擾緩解的潛在候選者[19]、[20]。
從文獻(xiàn)[11]-[13]來看，這些傳統(tǒng)技術(shù)對(duì)于脈沖雷達(dá)來說已經(jīng)得到了很好的開展，并且對(duì)于當(dāng)前的毫米波LFM波雷達(dá)也具有適用性。需要注意的是，參差PRF和脈沖幅度控制技術(shù)需要重新設(shè)計(jì)波形合成器。ML 和 DL 技術(shù)非常適合研究， 同時(shí)，數(shù)據(jù)收集和數(shù)據(jù)大小對(duì)于開發(fā)基于干擾抑制的 ML 和 DL 算法至關(guān)重要 [19]、[20]。
在不改變現(xiàn)有硬件或數(shù)據(jù)收集的情況下，最優(yōu)的解決方案應(yīng)該非常輕便可行。這促使 ■十大网投正规信誉官网■十大网投靠谱平台 提出了一種加權(quán)拍頻信號(hào)歸一化算法，用于減輕時(shí)域中的相互干擾，從而順利獲得 FFT 和 CFAR 取得檢測(cè)結(jié)果。這種方法不會(huì)中斷 CFAR 檢測(cè)或跟蹤框架的實(shí)際過程，該算法可作為 IF 信號(hào)和 FFT 模塊之間的附加模塊。
本文的結(jié)構(gòu)如下，第二節(jié)介紹數(shù)學(xué)模型和建議的方法。隨后，第三節(jié)和第四節(jié)分別給出了模擬結(jié)果和結(jié)論。
二、相互干擾緩解
本節(jié)推導(dǎo)了相互干擾的數(shù)學(xué)模型， 然后提出加權(quán)拍頻信號(hào)歸一化算法。
2.1 數(shù)學(xué)模型
汽車?yán)走_(dá)通常采用FMCW雷達(dá)，考慮如圖 1（a） 所示的密集道路交通模型，其中主雷達(dá)位于自我車輛上，其他輔助雷達(dá)位于交通參與者上，這里的交通參與者是指其他道路車輛。
主雷達(dá)面臨著視場(chǎng)（FOV）內(nèi)二次雷達(dá)的相互干擾，反之亦然。毫米波雷達(dá)的主要職責(zé)是探測(cè)視場(chǎng)內(nèi)的目標(biāo)，以執(zhí)行自動(dòng)巡航控制、緊急制動(dòng)輔助、路徑跟蹤等功能。
圖1：場(chǎng)景圖解及傳統(tǒng)檢測(cè)算法步驟
1）無干擾環(huán)境
主雷達(dá)發(fā)射持續(xù)時(shí)間為 Tc、斜率為 S、載波頻率為 fc 的快頻波信號(hào)。發(fā)射信號(hào) s(t) 的數(shù)學(xué)表示為： 
這里，A 是傳輸信號(hào)的振幅，B 是帶寬。斜率 S 的計(jì)算公式為： 
作為雷達(dá)算法工程師，公式和信號(hào)模型需要熟記于心，都是很簡(jiǎn)單的。fc(max) 和 fc(min) 是 fc 的最大和最小頻率。根據(jù)公式（1），指數(shù)信號(hào)的第一部分包含 fc。而公式（1）中指數(shù)信號(hào)的第二部分給予了傳輸信號(hào)的頻率，其值為： 
信號(hào) s(t) 碰到目標(biāo)，反射回來的信號(hào)為 r(t)。FOV范圍內(nèi)N個(gè)目標(biāo)的接收信號(hào)模型為 ：
這里，Ai 是接收到的振幅，τi 是目標(biāo) i 的往返時(shí)間延遲。 
同時(shí)，目標(biāo)i對(duì)應(yīng)的往返行程為： 
R0i 是目標(biāo) i 的起始范圍，c 是自由空間中的速度，vi 是第 i 個(gè)移動(dòng)目標(biāo)的速度。同樣，fdri 是目標(biāo) i 的多普勒頻移，計(jì)算公式為： 
其中，λ 表示波長。如圖 1（b） 所示，接收信號(hào) r(t) 送入混頻器，然后進(jìn)行低通濾波（LPF）。高頻被去除，下變頻后的信號(hào)為： 
在上述下變頻后的IF信號(hào)上，應(yīng)用快速傅立葉變換（FFT）和恒虛警率（CFAR）檢測(cè)方案來檢測(cè)目標(biāo)。為了簡(jiǎn)化和更好地理解，假設(shè)FOV 內(nèi)沒有任何相互干擾的兩個(gè)目標(biāo)，并遵循圖 1(b)所示的流程。因此，拍頻頻率可視化如圖 2（a）所示。相應(yīng)地，目標(biāo)檢測(cè)結(jié)果可視化如圖 2(b) 所示。
圖2：(a) 無干擾的節(jié)拍信號(hào) (b) 無干擾環(huán)境下的檢測(cè) (c) 有干擾的節(jié)拍信號(hào)和 (d) 干擾環(huán)境下的檢測(cè)
2）干擾環(huán)境
在這種情況下，主雷達(dá)的總接收信號(hào)有兩個(gè)原因。第一個(gè)信號(hào)是主雷達(dá)從 N 個(gè)目標(biāo)發(fā)射-反射回來的信號(hào)，如公式(8)所示。第二個(gè)信號(hào)來自 M 個(gè)二次雷達(dá)發(fā)射和一次雷達(dá)接收，如圖 1(a) 所示。
在此模型中，假定所有毫米波雷達(dá)都是同一類型：相同的頻率、帶寬和Chirp持續(xù)時(shí)間。接收信號(hào)的模型為：
整個(gè)接收到的信號(hào)經(jīng)過混頻器和 LPF 后得到 IF 信號(hào)，即： 
與無干擾情況類似，IF 信號(hào)順利獲得 FFT 和 CFAR 塊來取得目標(biāo)檢測(cè)結(jié)果。為簡(jiǎn)化問題，考慮兩個(gè)目標(biāo)（N = 2）和兩個(gè)干擾源（M = 2）。
有干擾的情況下的IF 信號(hào)如圖 2(c) 所示，相應(yīng)的檢測(cè)結(jié)果如圖 2(d) 所示，可以看出，由于雷達(dá)相互干擾，目標(biāo)存在漏檢。
2.2 加權(quán)拍頻信號(hào)歸一化算法
加權(quán)拍頻信號(hào)歸一化算法可以識(shí)別IF信號(hào)的變化，并順利獲得將IF信號(hào)包絡(luò)與閾值進(jìn)行比較來進(jìn)一步最小化幅度。 其中，閾值是順利獲得使用前向和后向樣本計(jì)算，IF包絡(luò)順利獲得閾值進(jìn)行歸一化。
因此，順利獲得消除干擾信號(hào)來提高信號(hào)干擾比（SINR)，該算法的偽代碼順利獲得將IF 信號(hào)作為輸入來減輕干擾，流程如下所示:
輸入：IF信號(hào) 
輸出：加權(quán)拍頻信號(hào)歸一化IF信號(hào)
步驟1：前向滑窗，順利獲得長度為 l 的前向滑動(dòng)窗口估計(jì)最大包絡(luò)。
步驟2：前后滑窗，順利獲得長度為 l 的前后滑動(dòng)窗口估計(jì)最大包絡(luò)。
步驟3：估計(jì)最小值，選擇前向或后向包絡(luò)的最小值。
步驟4：估計(jì)權(quán)重，IF 信號(hào)順利獲得每個(gè)滑動(dòng)窗口中的權(quán)重 wt 進(jìn)行歸一化。
2.3 加權(quán)拍頻信號(hào)歸一化算法處理流程
加權(quán)拍頻信號(hào)歸一化算法可以消除干擾效應(yīng),并減少誤檢的數(shù)量，加權(quán)拍頻信號(hào)歸一化算法可以作為一個(gè)額外的處理塊來實(shí)現(xiàn)，從而不用修改現(xiàn)有的硬件。
加權(quán)拍頻信號(hào)歸一化算法消除干擾效果的方法是在時(shí)域IF信號(hào)中進(jìn)行的，順利獲得使用前后向加窗技術(shù)可以消除IF信號(hào)內(nèi)的毛刺， 該過程適用于每一個(gè)Chirp信號(hào)，不需要任何先驗(yàn)信息。圖3給出了在存在干擾的情況下檢測(cè)目標(biāo)的改進(jìn)流程。
圖3：加權(quán)拍頻信號(hào)歸一化算法處理流程
三、仿真結(jié)果
3.1 仿真場(chǎng)景
設(shè)置毫米波雷達(dá)參數(shù)為：
（1）工作頻率為 77GHz、線性調(diào)頻脈沖持續(xù)時(shí)間為 59μs、帶寬為 99MHz、采樣頻率為 5MHz。
（2）目標(biāo)1和目標(biāo)2分別在 30 m 和 55 m 處，同時(shí)雷達(dá)的最大范圍為80m，干擾引入到同頻率的毫米波雷達(dá)中。
由于干擾，出現(xiàn)了如圖2（c）所示的被破壞的IF信號(hào)，同時(shí)，在IF上應(yīng)用 STFT 的時(shí)頻圖如圖 4 所示。圖 4(a)顯示了無干擾 IF 信號(hào)上的 STFT，而圖 4(b)顯示了受干擾IF 信號(hào)上的 STFT。
圖4：IF 信號(hào)的STFT
3.2目標(biāo)檢測(cè)
如圖3所示，加權(quán)拍頻信號(hào)歸一化算法塊用于處理IF信號(hào)。在該算法中，窗口是可調(diào)參數(shù)，它以滑動(dòng)方式向前和向后移動(dòng)。在處理后的IF 信號(hào)上應(yīng)用一維 FFT，然后應(yīng)用CA-CFAR檢測(cè)技術(shù)，其中有1個(gè)保護(hù)單元和6個(gè)參考單元。
在無干擾情況下，在30 m和55 m處檢測(cè)到兩個(gè)目標(biāo)，如圖2(b)所示。
在干擾的情況下，傳統(tǒng)的檢測(cè)算法（見圖1(b)）會(huì)導(dǎo)致漏檢（見圖2(d)）。
為了檢測(cè)淹沒在干擾中的目標(biāo)，論文使用了所提出的算法流程（參見圖 3）。圖5(a)和圖5(c)分別描繪了窗口大小為80和200的加權(quán)和歸一化拍頻信號(hào)。
圖5：IF信號(hào)（a 和 c）和檢測(cè)（b 和 d）窗口長度分別為 80 和 200 。
同樣，可以順利獲得采用所提出的流程從圖 5（b） 和圖 5(d) 中觀察到成功的檢測(cè)。表 I 中給予了所有情況的 SNR。還觀察到，與圖 2(d) 相比，功率譜有所增加，這是 CA-CFAR 檢測(cè)（30 m 和 55 m）的主要原因 。
表1： SNR變化
3.3 窗長大小的影響
本算法唯一可調(diào)的參數(shù)是窗長大小，窗長對(duì)目標(biāo)檢測(cè)的影響如表2所示。
表2：窗長對(duì)目標(biāo)檢測(cè)的影響
實(shí)驗(yàn)觀察到較小窗長（20 和 50）存在錯(cuò)誤檢測(cè)。窗長（90）的進(jìn)一步增加既不會(huì)導(dǎo)致錯(cuò)誤檢測(cè)，也不會(huì)導(dǎo)致漏檢。此外，窗長的增加（超過 2500）會(huì)導(dǎo)致漏檢。
圖6：顯示了窗口長度為20的目標(biāo)檢測(cè)
圖6（a）顯示了窗口長度為20的目標(biāo)檢測(cè)，在5m、30m和55m處觀察目標(biāo)。其中， 5m處的檢測(cè)為誤報(bào)，這種誤報(bào)背后的原因是由于窗長較小，與 CFAR 閾值相比噪聲功率增加。
此外，圖 6(b) 給出了 30m處的一個(gè)目標(biāo)檢測(cè)，即使場(chǎng)景中存在兩個(gè)目標(biāo)。由于兩個(gè)目標(biāo)都落在相同的窗長內(nèi)，因此會(huì)出現(xiàn)這種漏檢。順利獲得權(quán)重歸一化后，功率會(huì)降低，導(dǎo)致CFAR算法漏檢。因此，必須選擇合適的窗長，以便取得真實(shí)的目標(biāo)信息。
四、總結(jié)
道路中毫米波雷達(dá)密度的增加導(dǎo)致雷達(dá)間干擾，傳統(tǒng)的接收機(jī)架構(gòu)（由混頻器、LPF、FFT和CFAR組成）無法減輕相互干擾，導(dǎo)致目標(biāo)漏檢。
本文提出的加權(quán)拍頻信號(hào)歸一化算法來處理IF信號(hào)，順利獲得該算法，IF信號(hào)的突然波動(dòng)以前后向滑動(dòng)窗口的方式被歸一化。
加權(quán)拍頻信號(hào)歸一化算法很容易實(shí)現(xiàn)，因?yàn)樗粫?huì)干擾任何現(xiàn)有的接收器架構(gòu)處理模塊。仿真結(jié)果表明，選擇較小的窗長會(huì)導(dǎo)致錯(cuò)誤目標(biāo)增加。此外，較大的窗長會(huì)導(dǎo)致漏檢。順利獲得適當(dāng)?shù)拇伴L可以檢測(cè)到干擾范圍內(nèi)的淹沒目標(biāo)，并且不會(huì)出現(xiàn)誤報(bào)或漏檢。
這個(gè)算法研究的未來方向可以集中于窗長大小的最優(yōu)選擇或基于IF信號(hào)歷史的自適應(yīng)窗長。此外，還可以順利獲得裁剪干擾信號(hào)并順利獲得尋找自適應(yīng)權(quán)重對(duì)其進(jìn)行處理來進(jìn)一步修改算法。
擴(kuò)展閱讀：
1、FMCW汽車?yán)走_(dá)干擾及干擾緩解算法仿真(含MATLAB代碼)
2、雷達(dá)著作翻譯 | 《現(xiàn)代雷達(dá)在汽車中的應(yīng)用》第4章干擾和干擾緩解（4.1 | 4.1.2.1小節(jié)）
3、城市“電子戰(zhàn)”（City EW） | 汽車?yán)走_(dá)傳感器的反干擾技術(shù)
關(guān)注微博
關(guān)注微信
關(guān)注公眾號(hào)
關(guān)注抖音號(hào)