基于多检测对象和多步规划的雷达系统中的天线选择的制作方法

1.本主题公开涉及基于多个检测对象和多步规划的雷达系统中的天线选择。


背景技术：

2.载具(例如，汽车、卡车、建筑设备、农业设备、自动化工厂设备)越来越多地包括传感器，以获取关于载具及其周围环境的信息。例如，该信息有助于载具的半自动和自动操作。示例性传感器包括摄像头、光探测和测距(光达(lidar))系统以及无线电探测和测距(雷达)系统。一种多输入多输出(mimo)雷达系统具有多个发射天线元件和多个接收天线元件。发射和接收信道的数量可以少于发射和接收天线元件的数量。因此，期望在雷达系统中基于多个检测到的对象和多步规划来提供天线选择。


技术实现要素：

3.在一个示例性实施例中，一种方法包括配置自适应开关以将多个接收信道耦合到多个天线元件的子集作为经选择的天线元件，并用经选择的天线元件接收反射信号。该方法还包括处理在多个接收信道中的相应一个接收信道处在每个经选择的天线元件处接收的每个反射信号，以获得多个接收信道中的每个接收信道处的数字信号，并且处理来自多个接收信道中的每个接收信道的数字信号，以估计基于反射信号检测到的每个对象的到达方向(doa)。生成自适应开关的一组候选配置，以基于每个对象的doa进行评估。评估自适应开关的一组候选配置包括使用决策树执行多步评估，其中所述一组候选配置的每一个都作为根，并且在决策树的最后一步检查输出的准确性。基于以所述一组候选配置中的每一个作为决策树的根而获得的准确度，从自适应开关的所述一组候选配置中选择经选择的候选配置。在接收用于下一次迭代的反射信号之前，根据自适应开关的所述一组候选配置中的所选择的候选配置来配置自适应开关。
4.除了这里描述的一个或多个特征之外，处理每个反射信号包括对每个反射信号进行放大、混合和执行模数转换。
5.除了这里描述的一个或多个特征之外，估计每个对象的到达方向包括执行迭代过程来检测两个或多个对象。
6.除了这里描述的一个或多个特征之外，执行迭代过程包括检测和移除两个或多个对象中导致最强反射的对象，然后在下一次迭代之前移除该对象。
7.除了这里描述的一个或多个特征之外，该方法还包括从一组初始配置生成所述一组候选配置。评估自适应开关的一组初始配置以获得候选配置是基于每个对象的doa的，包括确定每个对象的波波罗夫斯基-扎凯界(bobrovski-zakai bound，bzb)。
8.除了这里描述的一个或多个特征之外，确定每个对象的bzb是基于实行metropolis-hastings(mh)算法来模拟每个对象。
9.除了这里描述的一个或多个特征之外，该方法还包括固定耦合到多个天线元件的子集中除一个之外的所有天线元件的、多个接收信道中的除一个之外的所有接收信道，以
留下一个未固定的接收信道，并且通过依次将一个未固定的接收信道耦合到多个天线元件中的、没有耦合到所述多个接收信道中的除一个之外的所有接收信道的每个天线元件来生成一组初始配置。
10.除了这里描述的一个或多个特征之外，通过使用决策树执行多步评估来评估候选配置包括使用每个候选配置作为决策树的根，以在多步评估的每个步骤生长子树。
11.除了这里描述的一个或多个特征之外，使用决策树包括基于随机切换来生长每个子树。
12.除了这里描述的一个或多个特征之外，选择所选择的候选配置是基于聚集误差统计和在多步评估的最后一步计算均方根误差(rmse)，以选择相应的根作为所选择的候选配置。
13.在另一个示例性实施例中，雷达系统包括多个天线元件和多个接收信道。每个接收信道包括一个模数转换器(adc)以输出数字信号。雷达系统包括自适应开关，以将多个接收信道耦合到多个天线元件的子集，作为经选择的天线元件。经选择的天线元件接收由于雷达系统所发射的发射信号被多个对象反射而产生的反射信号，并且多个接收信道中的每一个基于来自与其耦合的经选择的天线元件的反射信号而输出数字信号。控制器处理来自多个接收信道中的每一个的数字信号，以估计基于反射信号检测到的每个对象的到达方向(doa)，并基于每个对象的doa生成要评估的自适应开关的一组候选配置。评估自适应开关的一组候选配置包括使用决策树执行多步评估，其中一组候选配置的每一个都作为根，并且在决策树的最后一步检查输出的准确性。控制器还基于以所述一组候选配置中的每一个作为决策树的根而获得的精度，从自适应开关的所述一组候选配置中选择经选择的候选配置，并且在接收用于下一次迭代的反射信号之前，根据自适应开关的所述一组候选配置中经选择的候选配置来配置自适应开关。
14.除了这里描述的一个或多个特征之外，多个接收信道中的每一个还包括放大器和混频器。
15.除了这里描述的一个或多个特征之外，控制器基于执行迭代过程来检测两个或多个对象来估计每个对象的doa。
16.除了这里描述的一个或多个特征之外，迭代过程包括检测和移除两个或多个对象中导致最强反射的对象，然后在下一次迭代之前移除该对象。
17.除了这里描述的一个或多个特征之外，控制器从一组初始配置生成所述一组候选配置，并且评估自适应开关的所述一组初始配置，以通过确定每个对象的bobrovski-zakai边界(bzb)来基于每个对象的doa获得所述一组候选配置。
18.除了这里描述的一个或多个特征之外，控制器基于实行metropolis-hastings(mh)算法来模拟每个对象来确定每个对象的bzb。
19.除了这里描述的一个或多个特征之外，控制器将耦合到多个天线元件的子集的除一个之外的所有天线元件的、多个接收信道中的除一个之外的所有接收信道固定，以留下一个未固定的接收信道，并通过依次将一个未固定的接收信道耦合到多个天线元件中的、未耦合到多个接收信道中的除一个之外的所有接收信道的每一个天线元件来生成一组初始配置。
20.除了这里描述的一个或多个特征之外，控制器通过使用决策树执行多步评估来评
估一组候选配置，该决策树通过使用一组候选配置的每一个作为决策树的根来在多步评估的每一步生长子树。
21.除了这里描述的一个或多个特征之外，控制器通过基于随机切换生长每个子树来使用决策树。
22.除了这里描述的一个或多个特征之外，控制器基于聚集误差统计和在多步评估的最后一步计算均方根误差(rmse)来选择选择的候选配置，以选择相应的根作为选择的候选配置。
23.当结合附图时，根据以下详细描述，本公开的上述特征和优点以及其他特征和优点将变得显而易见。
附图说明
24.其他特征、优点和细节仅作为示例出现在以下详细描述中，该详细描述参考了附图，其中：
25.图1是根据一个或多个实施例的载具的框图，该载具在雷达系统中基于多个检测到的对象和多步规划采用天线选择；
26.图2是根据一个或多个实施例的雷达系统的示例性接收部分的框图，该接收部分基于多个检测到的对象和多步规划来执行天线选择；和
27.图3是根据一个或多个实施例的为雷达系统的给定发射和接收迭代确定开关矩阵的方法的流程图。
具体实施方式
28.如前所述，多种类型的传感器可用于载具中。某些应用要求比其他应用更高的角度分辨率。角度分辨率是指从载具的某一点(即到达方向doa)到对象的角度精度。例如，自动驾驶应用需要比其他应用更高的角度分辨率，因为由传感器获得的关于自动驾驶载具周围对象的信息对于自动驾驶载具的正确操作至关重要。光达系统提供的数据密度有助于获得必要的角度分辨率。然而，例如，与雷达系统相比，光达系统更加昂贵，并且在消费者应用中成本过高。几个(例如三到七个)雷达系统的套件也可以实现必要的角度分辨率，但也会被证明成本过高。
29.本文详述的系统和方法的实施例涉及基于多个检测到的对象和多步规划的雷达系统中的天线选择。对于高分辨率成像雷达来说，具有大孔径阵列(即，大量天线元件)的雷达系统是理想的，但是获得并初始处理由天线元件接收的信号的发射和接收信道可能成本过高。因此，如详细描述的，发射和接收信道的数量少于天线元件的全部集合，并且切换方案用于将一组发射和接收信道耦合到可用天线元件的子集。根据一个或多个实施例，切换是基于多步规划的，并且还考虑了检测到多个对象的场景。多步规划意味着使用决策树来考虑在一个以上的发射和接收周期之后每个切换场景所获得的doa的精度。因此，为下一步(即，下一个发送和接收周期)选择的给定切换场景基于决策树的多个步骤之后得到的准确度。
30.根据示例性实施例，图1是载具100的框图，载具100在雷达系统110中基于多个检测到的对象150a、150b(通常称为150)和多步规划来采用天线选择。图1所示的示例性载具
100是汽车101。载具100包括具有发射部分105、接收部分115和雷达控制器120的雷达系统110。例如，雷达系统110可以是多输入多输出雷达系统。载具100可以包括一个或多个其他传感器140(例如，摄像头、光达系统)，以获得关于对象150或载具100本身的信息。雷达系统110的发射部分105射出发射信号106，雷达系统110的接收部分115接收反射信号116。反射信号116是发射信号106的被雷达系统110的视场中的对象150反射的一部分。参照图2进一步详细描述接收部分115。
31.控制器130可以从雷达系统110以及一个或多个其他传感器140获得信息。控制器130可以基于该信息控制载具100的半自动或自动操作。这里详述的天线选择可以由雷达控制器120单独执行或者与控制器130结合执行。雷达控制器120和控制器130可以包括处理电路，该处理电路可以包括专用集成电路(asic)、电子电路、处理器(共享的、专用的或成组的)和执行一个或多个软件或固件程序的存储器、组合逻辑电路和/或提供所述功能的其他合适的部件。
32.图2是根据一个或多个实施例的雷达系统110的示例性接收部分115的框图，该接收部分115基于多个检测到的对象150和多步规划来执行天线选择。接收部分115包括接收天线元件210-1至210-n(通常称为210)。接收部分115还包括接收信道230-1至230-m(通常称为230)。如接收信道230-1所示，每个接收信道230通常包括rf放大器231，其放大接收的射频(rf)信号(即，由相应的接收天线元件210检测到的被接收反射116的部分)。混频器232将接收的rf信号转换成中频(if)信号，if信号由中频放大器233放大。模数转换器(adc)234向控制器(即，雷达控制器120和/或控制器130)提供数字化信号用于处理。
33.接收天线元件210的数量n大于接收信道230的数量m。因此，自适应开关220在给定时间将m个接收信道230中的一些或全部耦合到n个接收天线元件210的相应子集。出于解释的目的，假设在雷达系统110的每次发射和接收迭代中选择对应于m个(而不是少于m个)接收信道230的m个接收天线元件210。待操作的接收天线元件210的选择是基于自适应开关220的，其可以例如以开关矩阵g的形式实现。开关矩阵g可以通过雷达控制器120或控制器130的处理来更新，如参考图3进一步详细描述的。如前所述，考虑到任意数量的检测到的对象150并根据多步规划来提供开关矩阵g。
34.图3是根据一个或多个实施例的为雷达系统110的给定发射和接收迭代确定开关矩阵g的方法300的流程图。在框310，该过程包括利用接收天线元件210获得和采样反射信号116，该接收天线元件210是根据针对最近的发射和接收迭代k-1设置的开关矩阵g
k-1
来选择的，其中迭代是k＝1,...,k-1。在框320，估计基于在迭代k-1接收的反射信号116检测到的每个对象150的doa。
35.在框330，执行一过程来生成候选开关矩阵{gk}的集合，将在下一次发射和接收迭代k中使用的开关矩阵gk将从所述候选开关矩阵的集合中选择。在框340，利用候选开关矩阵{gk}集合进行多步规划。例如，开发了决策树，其中候选开关矩阵{gk}集合中的每个候选充当根。在框350，与最佳子树相关联的根(即，候选开关矩阵{gk}集合中的候选)被选择作为下一次发射和接收迭代k的开关矩阵gk。最佳子树指的是在决策树的最后一级产生最准确的doa估计的子树。这些过程中的每一个都将进一步详述。
36.在框310，该过程包括在第(k-1)次迭代时获得和采样反射信号116。在第(k-1)次迭代中根据开关矩阵g
k-1
选择的每个接收天线元件210获得反射信号116的一部分(即，接收
信号)，并将接收信号提供给相应的接收信道230。使用n个接收天线单元210中的m个并获得j个样本的接收信号的基带模型或矢量由下式给出：
[0037][0038]
标号k指的是发送和接收迭代(例如，(k-1))，标号j指的是样本1到j。在等式1中，a是操纵矢量的数组每个操纵矢量对应于接收信号到接收天线元件210的方向，所述接收天线元件210获得反射信号116的部分。具有较高功率的操纵矢量建议对doa进行估计。一种已知的多信号分类(music)算法是用于区分紧密间隔的对象150的频率估计方法，其在doa估计中使用操纵矢量，如参考框320所详述的。
[0039]
等式1中的信号序列s
jk
和噪声序列υ
jk
相互独立，并且具有协方差矩阵：
[0040]
cov(s
jk
)＝rs(等式2)
[0041][0042]
信号协方差矩阵在等式2中为rs。在等式3，单位矩阵im的大小为m，其中m是接收信道230的数量，qie噪声的平方被认为是已知的。在第k次迭代的矢量x
jk
(例如，k-1次迭代)组成观测矩阵xk＝[x
1k
,...,x
jk
]。因此，当前和过去的观测矩阵[x1,...,x
k-1
]在框310是可用的。
[0043]
在框320，估计相对于每个检测到的对象150的角度(例如，doa)包括迭代过程，在该迭代过程中，与当前最强信号相关联的对象150被检测然后被移除，以便于检测与下一个最强信号相关联的对象150。这被称为clean算法。如前所述，doa估计还使用music算法进行检测分类。因此，使用music-clean，使得music算法用于根据clean算法在每次迭代时估计与最强信号相关联的对象150的doa。
[0044]
在每次迭代k，j个样本被聚集以构建协方差矩阵：
[0045][0046]
在等式4，h表示埃尔米特转置(hermitian transpose)。与最强信号相关联的对象150的doa被估计为累积music
1,k＝1,...,k-1
响应的模式。在k-1次迭代中累积地使用music算法，来估计具有最强信号的对象150的doa。在只有两个对象150的示例性情况下，弱对象150的doa的估计是通过从接收信号频谱中减去强对象150的贡献而获得的，由下式给出：
[0047][0048]
在等式5中的奇异值分解(svd)产生奇异值矢量。
[0049][0050][0051][0052]
与弱信号相关联的对象150的doa被估计为累积music
2,k＝1,...,k-1
响应的模式。也就是说，在k-1次迭代中累积地使用music算法来估计具有较弱信号的对象150的doa
根据示例性情况，该对象是唯一的其他对象150。
[0053]
在框330，该过程包括生成候选开关矩阵{gk}的集合。候选的完整集合将包括n个接收天线元件210的完整集合中的m个接收天线元件210的每个可能的组合。然而，不是评估n个接收天线单元210中的m个的每个组合，而是首先评估一组初始组合，如详细描述的，以在框330选择候选开关矩阵{gk}的集合。对于候选开关矩阵{gk}，生成决策树(在框340)，以最终选择将由开关矩阵gk定义的接下来的m个接收天线单元210(在框350)。
[0054]
在框330，通过固定对应于m个接收信道230中除一个之外的所有接收信道(即，对于m-1个接收信道230)的接收天线元件210，产生初始组合。然后，将(n-m-1)个剩余接收天线单元210中的每一个依次添加到固定集合中，以生成每个初始组合。根据示例性实施例，固定可以意味着保留(即，与m-1个接收信道230相对应的接收天线元件210从先前的迭代中被保留)。根据用于解释目的的示例，m＝3且n＝5，使得存在三个接收信道230和五个接收天线元件210a1、a2、a3、a4和a5。假设a3和a5被固定为针对两个接收信道230的接收天线元件210，则a1、a2和a4中的每一个被添加到a3和a5以生成初始组合。也就是说，a1、a3和a5是接收天线元件210的一个初始组合，a2、a3、a5是接收天线元件210的第二初始组合，并且a4、a3和a5是接收天线元件210的第三初始组合。
[0055]
继续框330处的过程，在接收天线元件210的初始组合被生成之后，表示接收天线元件210的初始组合的子集的候选开关矩阵{gk}的集合被生成。评估初始候选的标准是bobrovski-zakai边界(bzb)。使用metropolis-hastings(mh)算法来模拟用于检测的对象150。具体而言，mh算法被两次使用以生成单目标二维样本其中在两个对象150的示例性情况下，i＝1，2。当i＝1时，使用强对象150的参数和等式9(如下)的协方差矩阵。当i＝2时，使用弱对象150的参数和等式10(如下)的协方差矩阵。
[0056]
对于每个n，其中n是对象150的数量的指数，评估doa估计误差上的bzb。对于两个目标的典型情况，将bzb与clean算法相结合，进行两步bzb—clean边界估计。在第一步，通过减去弱对象150的贡献，为强对象150(即，对应于较强信号的对象150)导出bzb。然后，在第二步，通过减去强对象150的贡献来导出弱对象150的bzb。在每个步骤中，获得协方差矩阵：
[0057][0058][0059]
也就是说，对于接收天线元件210的每个初始组合，使用每个等式9和10的协方差矩阵以便分别获得bzb1和bzb2。bzb1和bzb2是独立评估的，使得bzb1和bzb2都具有高得分的候选才是感兴趣的。可以保留预定数量的具有最高{bzb1，bzb2}的初始组合，或者可以保留超过预定阈值的具有{bzb1，bzb2}的所有初始组合作为候选开关矩阵{gk}。
[0060]
框330处的过程可以通过为每次迭代固定对应于m个接收信道230中除了不同的一个之外的所有接收信道230的接收天线元件210来重复。一旦获得了指定接收天线元件210的初始候选子集的候选开关矩阵{gk}，则在框340执行多步规划过程。来自候选开关矩阵{gk}集合的每个候选开关矩阵都位于决策树的根级别。子树(即额外的层次)是通过随机切换生长的。也就是说，m个接收天线单元210的随机组合是决策树的下一级。在开发了预定深
度的决策树之后，基于聚集误差统计和计算均方根误差(rmse)来评估最后一级，均方根误差是每个子树的每个组合的平均误差。在框350，具有最小rmse的子树被追溯到其根，以选择候选开关矩阵{gk}之一。
[0061]
虽然已经参考示例性实施例描述了上述公开，但是本领域技术人员将理解，在不脱离其范围的情况下，可以进行各种改变，并且等同物可以替代其元件。此外，在不脱离本公开的基本范围的情况下，可以进行许多修改以使特定情况或材料适应本公开的教导。因此，意图是本公开不限于所公开的特定实施例，而是将包括落入其范围内的所有实施例。