确定雷达检测的到达方向的方法和系统与流程

1.本公开涉及确定雷达检测的到达方向的方法和系统。


背景技术：

2.检测接收到的雷达信号的入射角是各种应用中的重要任务，特别是用于至少部分自主驾驶车辆。
3.因此，需要提供检测接收到的雷达信号的入射角的改进方法。


技术实现要素：

4.本公开提供了一种计算机实现方法、计算机系统和非暂时性计算机可读介质。在从属权利要求、说明书和附图中给出了实施方式。
5.在一个方面，本公开涉及一种确定雷达检测的到达方向的计算机实现方法，该方法包括由计算机硬件组件执行(换言之：实施)的以下步骤：获取雷达检测的复值波束向量；通过机器学习模块在复域对该复值波束向量进行处理；以及获得作为所述机器学习模块的输出的所述到达方向。
6.换句话说，可以提供用于处理复值雷达天线阵列响应的网络。换句话说，可以提供用于到达方向估计的复值神经网络。
7.根据另一方面，所述机器学习模块包括多个密集层。
8.根据另一方面，所述多个密集层中的每个密集层后面是相应的复激活函数。
9.根据另一方面，所述机器学习模块还包括另一密集层。
10.根据另一方面，所述另一密集层之后是平方层、卷积层或实激活函数中的至少一者。
11.利用本文所述的方法，机器学习模块(例如(人工)神经网络)可以关于网络可学习参数来优化目标函数。由于复域中的函数或级数的最小值可能没有被很好地定义，所以可以在实域中表达目标函数。利用本文所述的方法，可以在复域中处理数据以提取尽可能多的信息(尤其是相位关系)。为了制定目标函数，可以提供从复域到实域的映射(例如组合复数的幅度和相位信息)。该映射之后可以是一个或更多个实值卷积和实值激活，但是复域到实域映射(例如abs-square)也可以在一个或更多个复值卷积之前。应当理解，复域中的操作并不限于密集层。
12.根据另一方面，所述计算机实现方法还包括由计算机硬件组件执行的以下步骤：基于复值波束向量确定多个相位差。
13.根据另一方面，所述多个相位差是针对间隔开预定距离的天线以及针对间隔比所述预定距离大至少大致50％的天线来确定的。
14.根据另一方面，所述计算机实现方法还包括由计算机硬件组件执行的以下步骤：基于多个相位差扩展多个角度，例如使用共享mlp(多层感知器)。
15.根据另一方面，所述另一密集层之后是平方层，并且所述计算机实现方法还包括
由计算机硬件组件执行的以下步骤：组合所述平方层的输出和多个扩展角度。所述组合可以例如包括扩展维度(以匹配平方层的输出的维度和所述多个扩展角度的维度)，并然后连接相同维度的数据。
16.根据另一方面，所述机器学习模块还包括卷积层、实激活函数和密集组合层中的至少一者。
17.根据另一方面，所述机器学习模块还包括类概率激活函数。
18.在另一方面，本公开涉及一种计算机系统，该计算机系统包括被配置成执行本文所述的计算机实现方法的若干或所有步骤的多个计算机硬件组件。
19.该计算机系统可以包括多个计算机硬件组件(例如处理器，例如处理单元或处理网络；至少一个存储器，例如存储器单元或存储器网络；以及至少一个非暂时性数据存储装置)。应当理解，可以提供另外的计算机硬件组件并用于在计算机系统中执行计算机实现方法的步骤。所述非暂时性数据存储装置和/或存储器单元可以包括计算机程序，用于指示计算机例如使用处理单元和至少一个存储器单元来执行本文描述的计算机实现方法的若干或所有步骤或方面。
20.在另一方面，本公开涉及一种包括如本文所述的计算机系统和雷达传感器的车辆。
21.根据另一方面，所述雷达传感器包括多个天线，其中，所述天线中的至少一些被间隔开预定距离，并且所述天线中的至少一些被间隔开比所述预定距离大至少基本上50％的距离。
22.在另一方面，本公开涉及一种非暂时性计算机可读介质，其包括用于执行本文所述的计算机实现方法的若干或所有步骤或方面的指令。所述计算机可读介质可以被配置为：光学介质，例如光盘(cd)或数字多功能盘(dvd)；磁介质，例如硬盘驱动器(hdd)；固态驱动器(ssd)；只读存储器(rom)，例如闪存；等等。此外，计算机可读介质可以被配置为可经由诸如互联网连接的数据连接来访问的数据存储装置。该计算机可读介质例如可以是在线数据储存库或云存储。
23.本公开还涉及一种用于指示计算机执行本文所述的计算机实现方法的若干或所有步骤或方面的计算机程序。
附图说明
24.本文结合以下示意性示出的附图描述了本公开的示例性实施方式和功能：
25.图1是根据各种实施方式的机器学习模块的架构；
26.图2是短程雷达虚拟天线阵列布局的图示；
27.图3是中程雷达虚拟天线阵列布局的图示；
28.图4是根据各种实施方式的机器学习模块的架构。
29.图5是示出根据各种实施方式的确定雷达检测的到达方向的方法的流程图；
30.图6是根据各种实施方式的到达方向确定系统；以及
31.图7是具有多个计算机硬件组件的计算机系统，所述多个计算机硬件组件被配置成执行根据各种实施方式的确定雷达检测的到达方向的计算机实现方法的步骤。
32.附图标记列表
33.100 根据各种实施方式的机器学习模块的架构
34.102 波束向量
35.104 第一密集层
36.106 第一复激活函数
37.108 点线
38.110 另一密集层
39.112 平方绝对值
40.114 卷积层
41.116 实激活函数
42.118 点线
43.120 卷积层
44.122 实激活函数
45.124 密集组合特征
46.126 最后的激活函数
47.128 角网格
48.200 短程雷达虚拟天线阵列布局的图示
49.300 中程雷达虚拟天线阵列布局的图示
50.400 根据各种实施方式的机器学习模块的架构
51.402 计算相位差
52.404 计算φ153.406 计算φ254.408 扩展φ1和φ255.410 扩展维度和连接
56.500 示出根据各种实施方式的确定雷达检测的到达方向的方法的流程图
57.502 获取雷达检测的复值波束向量的步骤
58.504 通过机器学习模块在复域中对复值波束向量进行处理的步骤
59.506 获得作为机器学习模块的输出的到达方向的步骤
60.600 根据各种实施方式的到达方向确定系统
61.602 波束向量获取电路
62.604 机器学习电路
63.606 到达方向获得电路
64.608 连接
65.700 根据各种实施方式的计算机系统
66.702 处理器
67.704 存储器
68.706 非暂时性数据存储装置
69.708 雷达传感器
70.710 连接
具体实施方式
71.为了定位属于雷达反射的对象，需要确定接收到的em(电磁)波的入射角。
72.根据各种实施方式，可以以尊重底层复域并胜过现有实值方法的方式来提供神经网络。
73.图1示出了根据各种实施方式的机器学习模块(例如人工神经网络)的架构100，该机器学习模块具有m个密集连接的复值层，其后跟随k个卷积层120，其内核可以被设置为标识(identity)。
74.网络输入可以是复值天线阵列响应(进一步称为波束向量)102，其可以乘以校准矩阵以校正生产缺陷。尽管神经网络也能够学习校准，但是可以应用校准以更好地归纳，因为校准对于每个单元是唯一的。
75.可以通过一个或更多个密集连接层计算复值输入和可以在训练期间优化的复值权重矩阵的内积来处理波束向量102。复值非线性激活函数被应用于每个内积运算的结果。
76.例如，复值波束向量102可以被提供给第一密集层104，其之后可以是第一复激活函数106。可以提供另外的密集层，每个密集层之后是另外的复激活，如点线108所示。
77.定义用于复值输入的激活函数不是一个微不足道的任务，因为它应该考虑输入的相位和绝对值。根据各种实施方式，具有复心型(等式1)的模型可以用作激活函数：
[0078][0079]
复心型随其相位衰减复值在所述一个或更多个密集连接层之后，可以应用最后一个没有激活函数的密集连接层(换言之：另一密集层)110。可以计算该层输出的平方绝对值112，其可以被认为是将数据从复域转移到实域的激活函数。该输出然后可以通过在实域中的运算(例如一个或更多个卷积层114、120)进行处理，以细化输出并实现位置不变编码。每个卷积层114、120之后可以是实激活函数116、122。可以提供跟随有实激活函数的其它卷积层，如点线118所指示的。
[0080]
框“密集组合特征”124用于组合由卷积学习的特征(在它们不被设置为标识的情况下)。
[0081]
最后的激活函数126(例如softmax或sigmoid)可以为每个输出神经元生成类概率值，其对应于到达角，其可以在角网格128中提供。角网格128可以是网络的输出(换言之：角网格128可以是分类结果)。角网格128可以被解释为目标从由角网格128的各个单元表示的不同角度反射的概率。
[0082]
根据各种实施方式，可以提供用于利用子奈奎斯特(sub-nyquist)采样相控阵的到达方向(doa)估计的复值神经网络。
[0083]
为了将经典方法应用于doa估计，需要关于奈奎斯特标准的均匀采样线性阵列。这意味着阵列元素需要至少间隔λ/2(其中λ是信号的波长)以无歧义地采样信号。对于较大的间隔，doa的确定可能变得存在歧义。
[0084]
图2示出了短程雷达虚拟天线阵列布局的图示200。
[0085]
图3示出了中程雷达虚拟天线阵列布局的图示300。
[0086]
图4示出了根据各种实施方式的机器学习模块的架构400。图4的各个部分可以与图1所示的架构100相似或相同，从而可以使用相同的附图标记并且可以省去重复的描述。
[0087]
波束向量102可以被提供给(如图1所示的网络中的)第一密集层104，并且用于图4所示的左分支中的处理。
[0088]
此外，可以提供波束向量102用于图4的右分支(402、404、406、408)中的处理。
[0089]
作为第一预处理步骤，虚拟阵列需要被折叠，使得所有元素位于一条线上(图3中的三个垂直偏离的元素需要向下移动)。之后，可以采集所有λ间隔对并且可以采集所有1.5λ间隔对，并且可以计算这些对之间的相位差(402)。
[0090]
对于分别包含λ和1.5λ间隔对的相位差的复数，包含λ间隔对的相位差的复数将被进一步称为z1和z2。在404中，φ1可以被确定为z1中的复数的自变量，并且可以包含λ间隔对的实值相位差。在406中，φ2可以被确定为从z1和z2两者导出的经修改复数的自变量，从而得出来自(虚拟)λ/2间隔对的实值相位差。这可以通过将z2除以z1来实现。作为最后一步，在408中，φ1和φ2可以被扩展成目标角网格的大小。因此，可以应用多层感知器(mlp)，其共享φ1和φ2的权重，以便确保两个向量将以相同的方式扩展。
[0091]
来自类似“相位比较”路径(402、404、406、408)的扩展向量可以使得网络能够学习注意来自网络的左路径(104、106、108、110、112)的类功率谱向量中的特定区域。来自左路径的结果和来自右路径的结果可以在它们的维度上扩展并连接(410)。
[0092]
一个或更多个卷积114、120可以应用于堆叠在一起的三个向量，其权重可以沿角维度共享。最后的实值密集层124组合由卷积生成的特征，随后是激活函数126，其产生期望的类概率值。
[0093]
图5示出了示出根据各种实施方式的确定雷达检测的到达方向的方法的流程图500。在502，可以获取雷达检测的复值波束向量。在504，可以通过机器学习模块在复域中对复值波束向量进行处理。在506，可以获得作为机器学习模块的输出的到达方向。
[0094]
根据各种实施方式，机器学习模块可以包括多个密集层。
[0095]
根据各种实施方式，所述多个密集层中的每个密集层后面是相应的复激活函数。
[0096]
根据各种实施方式，所述机器学习模块还可以包括另一密集层。
[0097]
根据各种实施方式，所述另一密集层之后可以是平方层、卷积层或实激活函数中的至少一者。
[0098]
根据各种实施方式，该方法还可以包括基于复值波束向量确定多个相位差。
[0099]
根据各种实施方式，所述多个相位差是针对间隔开预定距离的天线以及针对间隔比所述预定距离大至少大致50％的天线来确定的。
[0100]
根据各种实施方式，该方法还可以包括基于多个相位差扩展多个角度。
[0101]
根据各种实施方式，所述另一密集层之后是平方层，并且所述方法还可以包括将所述平方层的输出与所述多个扩展角度组合。
[0102]
根据各种实施方式，所述机器学习模块还可以包括卷积层、实激活函数和密集组合层中的至少一者。
[0103]
根据各种实施方式，所述机器学习模块还可以包括类概率激活函数。
[0104]
步骤502、504、506中的每一个以及上述其它步骤都可以由计算机硬件组件来执行。
[0105]
图6示出了根据各种实施方式的到达方向确定系统600。该到达方向确定系统600可以包括波束向量获取电路602、机器学习电路604和到达方向获得电路606。
[0106]
波束向量获取电路602可以被配置为获取雷达检测的复值波束向量。机器学习电路604可以被配置为在复域中对复值波束向量进行处理。到达方向获得电路606可以被配置为获得作为机器学习模块的输出的到达方向。
[0107]
波束向量获取电路602、机器学习电路604以及到达方向获得电路606可以彼此联接，例如经由电连接608(诸如电缆或计算机总线)或经由任何其它合适的电连接来交换电信号。
[0108]“电路”可以理解为任何类型的逻辑实现实体，其可以是专用电路或执行存储在存储器、固件或它们的任何组合中的程序的处理器。
[0109]
图7示出了具有多个计算机硬件组件的计算机系统700，所述多个计算机硬件组件被配置为执行根据各种实施方式的确定雷达检测的到达方向的计算机实现方法的步骤。计算机系统700可以包括处理器702、存储器704和非暂时性数据存储装置706。雷达传感器708可以作为该计算机系统700的一部分提供(如图7所示)，或者可以被提供在该计算机系统700的外部。
[0110]
处理器702可以执行存储器704中提供的指令。非暂时性数据存储装置706可以存储计算机程序，包括可以被传送到存储器704然后由处理器702执行的指令。雷达传感器708可以获取雷达测量值，复值波束向量可以基于这些雷达测量值来确定。
[0111]
处理器702、存储器704和非暂时性数据存储装置706可例如经由电连接710(例如电缆或计算机总线)或经由任何其它合适的电连接彼此联接以交换电信号。雷达传感器708可以例如经由外部接口联接到计算机系统700，或者可以作为计算机系统的一部分提供(换言之：计算机系统内部，例如经由电连接710联接)。
[0112]
术语“联接”或“连接”旨在分别包括直接“联接”(例如经由物理链路)或直接“连接”以及间接“联接”或间接“连接”(例如经由逻辑链路)。
[0113]
应当理解，对于上述方法之一所描述的内容可以类似地适用于到达方向确定系统600和/或计算机系统700。