專利名稱：車輛傳感器系統(tǒng)和方法
技術(shù)領(lǐng)域：
本發(fā)明總的涉及一種用于檢測車輛周圍物體的存在的系統(tǒng)和方法，尤其涉及一種以減少的射頻(RF)傳輸和計算開銷來檢測物體的存在并且估計其參數(shù)的車輛雷達系統(tǒng)和方法。
背景技術(shù)：
車輛感測系統(tǒng)正在日益普及。這些系統(tǒng)用來檢測和跟蹤與運動車輛有關(guān)的物體。車輛感測系統(tǒng)的例子包括支持諸如自動巡航控制(ACC)之類的長距離應(yīng)用的雷達，和支持諸如輔助停車(parking aid)、停車-起步(stop&go)和預防碰撞(pre-crash)檢測之類的較短距離應(yīng)用的短距離雷達(SRR)。這里尤其感興趣的是SRR。
在其當前的實現(xiàn)方案中，SSR是為安裝在機動車輛上而設(shè)計的24-GHz相干脈沖雷達，能夠檢測0到30米范圍和方位(bearing)中的物體。為此，雷達在特定的離散范圍處“停留”(dwell)，以在換到離散范圍的序列中的下一范圍之前搜索在該范圍處物體的存在。典型的系統(tǒng)在每40毫秒周期內(nèi)完成一個0-30米掃描。由觀測到物體的特定范圍確定該物體的物體范圍。然而，物體的其他目標參數(shù)的估計(如方位)需要通過雷達的切換波束(switche-beam)單脈沖設(shè)計獲得的額外信息。具體地說，雷達可以在兩個重疊的天線方向圖(稱為和波束(sum beam)及差波束(difference beam))之間切換。按照單脈沖理論的規(guī)定，使用來自每個天線波束的信號計算物體方位。
盡管日益普及，但SRR和其他車輛感測系統(tǒng)依舊面臨重要的問題。比較重要的問題之一是與確定目標參數(shù)相關(guān)的停留時間。特別地，即使沒有物體存在，在每個范圍處也常常用足夠的停留來估計目標參數(shù)。這容易使系統(tǒng)的整體工作變慢，這在車輛感測系統(tǒng)中尤其成問題，因為通常車輛和物體都在快速運動，因此本質(zhì)上需要立即檢測物體。
因此，需要一種更有效確定目標參數(shù)的車輛感測系統(tǒng)以增加工作速度，最小化計算開銷并且減少RF發(fā)射。本發(fā)明尤其滿足該需要。

發(fā)明內(nèi)容
因此，提供確定在汽車雷達系統(tǒng)的檢測區(qū)域內(nèi)的物體的目標參數(shù)的解決方案。該方法包括步驟(a)從范圍序列中建立目標范圍；(b)在所述目標范圍上停留初始停留時間以獲得感測數(shù)據(jù)；(c)根據(jù)物體在所述目標范圍處的存在和不存在的概率密度分布，確定感測數(shù)據(jù)是對應(yīng)于所述目標范圍處的物體的存在還是物體的不存在，如果無法做出所述確定，則重復步驟(b)-(c)直到可以做出所述確定為止；(d)如果在步驟(c)中確定所述感測數(shù)據(jù)對應(yīng)于物體的存在，則在前進到步驟(e)之前在所述目標范圍處停留延長的停留時間以獲得用來確定所述物體的目標參數(shù)的額外感測數(shù)據(jù)；和(e)在重復步驟(b)-(e)之前將所述范圍序列的下一個作為目標范圍。
通過用于感測車輛周邊附近的物體的系統(tǒng)提供另一個解決方案。該系統(tǒng)包括至少一個被配置成執(zhí)行下述步驟的計算機(a)從范圍序列中建立目標范圍；(b)在所述目標范圍上停留初始停留時間以獲得感測數(shù)據(jù)；(c)根據(jù)物體在所述目標范圍處的存在和不存在的概率密度分布，確定感測數(shù)據(jù)是對應(yīng)于所述目標范圍處的物體的存在還是物體的不存在，如果無法做出所述確定，則重復步驟(b)-(c)直到可以做出所述確定為止；(d)如果在步驟(c)中確定所述感測數(shù)據(jù)對應(yīng)于物體的存在，則在前進到步驟(e)之前在所述目標范圍處停留延長的停留時間以獲得用來確定所述物體的目標參數(shù)的額外感測數(shù)據(jù)；和(e)在重復步驟(b)-(e)之前將所述范圍序列的下一個作為目標范圍。
通過與車輛雷達系統(tǒng)組合來感測車輛周邊附近的物體的系統(tǒng)提供另一個解決方案。所述系統(tǒng)包括(a)數(shù)據(jù)處理器；(b)輸入端，用來從所述車輛雷達系統(tǒng)接收雷達數(shù)據(jù)；(c)可操作地連接到所述數(shù)據(jù)處理器的存儲器，所述存儲器包括至少以下指令(i)檢測模塊，用于從范圍序列中建立目標范圍，指示所述車輛雷達系統(tǒng)在所述目標范圍上停留初始停留時間以獲得雷達數(shù)據(jù)；并且根據(jù)物體在所述目標范圍處的存在和不存在的概率密度分布，確定所述雷達數(shù)據(jù)是對應(yīng)于所述目標范圍處的物體的存在還是物體的不存在，如果無法確定所述物體的存在或不存在，則重復初始停留時間來收集更多雷達數(shù)據(jù)；(ii)收集模塊，用于在所述檢測模塊確定物體存在之后在所述目標范圍處停留延長的停留時間以獲得用來確定所述物體的目標參數(shù)的額外感測數(shù)據(jù)；和(iii)狀態(tài)估計模塊，用于從所述額外感測數(shù)據(jù)中確定所述物體的目標參數(shù)。


現(xiàn)在將參照附圖以示例的方式描述本發(fā)明，其中圖1示出本發(fā)明的方法的優(yōu)選實施例的流程圖。
圖2示出本發(fā)明的系統(tǒng)的優(yōu)選實施例的流程圖。
圖3示出圖2所示的系統(tǒng)的檢測模塊的優(yōu)選實施例的流程圖。
圖4示出在特定量的目標范圍處存在物體的情況下、以及在特定量的目標范圍處不存在物體的情況下的概率密度分布的例子。
圖5示出圖2所示的系統(tǒng)的收集模塊的優(yōu)選實施例的流程圖。
圖6示出圖2所示的系統(tǒng)的狀態(tài)估計模塊的優(yōu)選實施例的流程圖。
圖7示出典型的車輛雷達安裝。
具體實施例方式
這里描述的是用于快速并準確地確定車輛周圍物體的存在的車輛檢測系統(tǒng)和方法。這里使用的術(shù)語“車輛”指的是任何相對于其他物體運動的基本實體。最好，車輛裝載一個或多個人以供運輸或娛樂的目的。這些車輛的例子包括汽車(小汽車和卡車)、飛機、船舶(包括個人船只、小船、輪船和潛水艇)以及軌道車輛(包括火車、有軌電車和地鐵)。還希望車輛可以靜止而物體可以相對于它運動(例如，雙向的收費)。最好，車輛是汽車，這里結(jié)合汽車描述本發(fā)明。
這里使用的術(shù)語“車輛感測系統(tǒng)”指的是基于車輛的傳感系統(tǒng)，其檢測車輛周圍物體的存在并且確定物體的諸如速度和方位之類的目標參數(shù)。車輛感測系統(tǒng)典型地將某個范圍作為目標，并且“停留”在其上來收集數(shù)據(jù)。獲得的數(shù)據(jù)可以是離散的讀數(shù)或雷達脈沖，或者是一串讀數(shù)或雷達脈沖。獲得的數(shù)據(jù)質(zhì)量通常是停留時間的函數(shù)，較長停留時間等于較高質(zhì)量的數(shù)據(jù)(即，較高的信噪比，其提高確定的目標參數(shù)的準確性)。例如，感測系統(tǒng)可以基于回波電磁輻射(例如激光、雷達)、聲學(例如聲納、超聲波)和熱成像(例如紅外)。最好，感測系統(tǒng)基于電磁回波，特別是雷達。在特定優(yōu)選實施例中，雷達是短距離雷達(SRR)。該系統(tǒng)是公知的，因此這里將不再詳細討論其細節(jié)。為了說明的目的，這里的描述具體考慮SRR，但本發(fā)明不限于該實施例。
本發(fā)明提供一種以減少的計算資源的花費和RF發(fā)射來檢測車輛周圍物體的系統(tǒng)和方法。為此，本發(fā)明的系統(tǒng)和方法在投入計算資源并且發(fā)射大量RF來確定在特定范圍處的物體的目標參數(shù)之前，首先確定物體是否很可能在該特定范圍處存在。特別地，申請人認識到在現(xiàn)有技術(shù)的方法中，停留一段足夠檢測物體并且足夠計算其目標參數(shù)的一段時間來檢測物體是低效的。為了提高效率，申請人應(yīng)用統(tǒng)計分析和概率密度分布來在停留更久以確定目標參數(shù)之前，確定最初獲得的數(shù)據(jù)是否與物體的存在相一致。因此，本發(fā)明的一個方面提供一種在獲得足夠數(shù)據(jù)來確定物體目標參數(shù)之前確定物體的存在的方法。
參照圖1，示出本發(fā)明的方法的流程圖100。(值得一提的是，盡管這里按照步驟描述了本發(fā)明，但這是為了便于理解，而不是意圖限制本發(fā)明的范圍。實際上，應(yīng)當認為一個或多個步驟的功能可以合并或分成其他步驟。)在步驟101中，從范圍的序列中初始化目標范圍。接著，在步驟102中獲得目標范圍的雷達數(shù)據(jù)。在步驟103中，根據(jù)一個或多個概率密度分布，確定數(shù)據(jù)是對應(yīng)于目標范圍處物體的存在還是物體的不存在。如果在步驟103中無法做出確定，則重復步驟102來收集在同一目標范圍處的額外數(shù)據(jù)，直到可以做出該確定為止。如果在步驟103中確定雷達數(shù)據(jù)對應(yīng)于物體的存在，則在前進到步驟105之前在步驟104中確定物體的目標參數(shù)。在步驟105中，在重復步驟102-105之前將下一序列范圍建立為目標范圍。下面將更詳細地考慮該方法的細節(jié)和它在系統(tǒng)中的集成。
參照圖2，示出本發(fā)明的系統(tǒng)的優(yōu)選實施例的流程圖200。在該流程圖和本申請中的所有流程圖中，實線表示控制流，而虛線表示數(shù)據(jù)流。橢圓表示實現(xiàn)某功能處理的模塊；菱形是判決；而兩條并行線表示數(shù)據(jù)存儲。圖2所示的方法在每個感測周期執(zhí)行一次。周期時間取決于使用的具體感測系統(tǒng)。例如，在SRR系統(tǒng)中，掃描時間接近每40毫秒一次。
處理在“掃描開始”202處開始，對應(yīng)于掃描的第一或初始化的范圍。檢測模塊203確定在當前段(bin)中是否存在物體。如果沒有檢測到物體，則在方框208做出關(guān)于是否需要在當前周期(即掃描)中考慮另外的范圍的判斷。如果是的話，則在步驟204中雷達進行遞增處理考慮下一范圍。如果檢測到物體，則收集模塊205在遞增到步驟204中的范圍之前收集在當前范圍處的額外雷達數(shù)據(jù)。每個在段中檢測到的物體導致額外的雷達數(shù)據(jù)被置入收集數(shù)據(jù)存儲器206中。狀態(tài)估計模塊207處理這些數(shù)據(jù)并且將其輸出到物體列表存儲器209中。該輸出表示在當前周期中觀測到的所有物體的列表。按照物體參數(shù)(即，狀態(tài))的估計值來描述每個物體，物體參數(shù)可以包括范圍、方位和多普勒速度。在這樣考慮了所有范圍之后完成掃描，在“掃描完成”210處結(jié)束。
值得注意的是，僅僅對包括檢測到物體的段調(diào)用收集模塊。這樣，因為判決結(jié)果確定是否應(yīng)當收集額外的雷達數(shù)據(jù)，因此必須實時地(on the fly)執(zhí)行檢測判決。這對于不包含物體的大多數(shù)段來說在停留時間上提供了很大的優(yōu)點。原本浪費在空段上的時間現(xiàn)在可以用于其他目的，如在實際包含物體的段上停留更久。這提高了輸出到物體列表存儲器的、估計的物體參數(shù)的精確度。
并沒有要求狀態(tài)估計模塊在特定段中收集額外的雷達數(shù)據(jù)之后馬上執(zhí)行它的功能。它可以馬上執(zhí)行功能，或者在對特定掃描收集了所有這樣的數(shù)據(jù)之后執(zhí)行。應(yīng)當根據(jù)系統(tǒng)設(shè)計的考慮確定適當?shù)膶崿F(xiàn)。下面將詳細描述每個模塊功能。
檢測模塊在步驟102中，在通過感測系統(tǒng)在步驟101中產(chǎn)生目標范圍的數(shù)據(jù)之后，所述數(shù)據(jù)被發(fā)送到檢測模塊或處理單元以確定是否存在物體。圖3提供了檢測模塊203的流程圖。該模塊負責執(zhí)行關(guān)于當前范圍段是否包含物體的實時確定。模塊203具有兩個可能的判決輸出“存在物體”301和“沒有物體”302。檢測模塊203實現(xiàn)順序檢測算法。特別地，目標范圍的數(shù)據(jù)由感測系統(tǒng)產(chǎn)生并且由檢測模塊203評估，直到可以做出適當?shù)臋z測判決為止。另一種方法是將判決基于固定數(shù)量的發(fā)射的雷達脈沖。然而最好使用順序方法，因為它減少了大于一半的所需的平均脈沖數(shù)。
順序檢測算法的理想實現(xiàn)要求在每個雷達脈沖之后進行判決?？赡苡腥N判決之一作為結(jié)果“沒有物體”302、“存在物體”301和“沒有判決”303。如果做出后者的判決，則發(fā)射另一脈沖。然而可能不方便在每個發(fā)射的脈沖之后做出判決。例如，沒有足夠的計算速度來在期望的脈沖重復間隔(PRI)執(zhí)行該任務(wù)。在這種情況下，搜索停留模塊304可能在每個判決之間發(fā)射了超過一個脈沖。用于考慮每個判決的雷達脈沖數(shù)量是計算要求和判決性能之間的折衷。
在優(yōu)選實施例中，在順序判決之間發(fā)射大于一個的一定量的脈沖。對于該實施例，雷達接收機對該數(shù)量的脈沖求積分來產(chǎn)生單個復數(shù)值，該復數(shù)值由同相和正交分量值構(gòu)成。使用該復數(shù)值來執(zhí)行每個順序檢測判決。
在優(yōu)選實施例中，使用順序概率比測試(SPRT)執(zhí)行檢測判決。SPRT的一般概念是公知的(見例如A.Wald，Sequential Analysis，New YorkWiley，1947)，盡管據(jù)申請人了解，該技術(shù)從未被用于對機動車輛雷達的物體檢測應(yīng)用。
在將該方法應(yīng)用于機動車雷達時，基于正在收集的有噪聲的雷達信號觀測(包括N個這樣的觀測)來考慮計算出的信號幅度mN。為了描述的目的，這里f0(m)是當對給定的幅度在特定范圍處實際上存在物體時mN的概率密度函數(shù)，而f1(m)是當在特定范圍處實際上不存在這樣的物體時mN的概率密度函數(shù)。
概率密度函數(shù)描述隨機變量的觀測特定值的似然程度。特別地，在特定間隔內(nèi)包含的觀測值的概率是通過在該間隔上對概率密度函數(shù)求積分確定的。同樣地，在任何特定值上的概率密度函數(shù)的值與在以該值為中心的無窮小間隔內(nèi)觀測隨機變量的概率成正比。根據(jù)SPRT理論，比率r提供物體是否存在的相對概率的測量r=f1(mN)f0(mN)---(1)]]>當滿足下面的不等式時可以做出物體存在的判決r＜B (2)同樣地，當滿足下面的不等式時可以做出不存在物體的判決r＞A (3)如果任何一個不等式都不滿足，則無法做出判決，并且必須在進行另一雷達觀測之后重復分析。閾值A(chǔ)和B可以基于檢測的概率(即，1-α)和誤警報的概率(即，β)要求。特別地，Wald建議下面的近似A≈1-βα---(4)]]>B≈β1-α---(5)]]>在優(yōu)選實施例中，檢測的概率1-α被設(shè)為0.95(即，95％)，而誤警報率β被設(shè)為0.01(即，1％)。
由于雷達觀測包括相當?shù)脑肼暡糠?，因此信號幅度mN最好計算為N個觀測的相干積分，如下面等式所示
mN=IN2+QN2N---(6)]]>其中IN＝i1+i2+…+iNQN＝q1+q2+…+qN在上面的等式中，ix和qx是分別來自同相和正交雷達接收機信道的第x有噪聲的雷達觀測。
概率密度函數(shù)f0(m)和f1(m)的計算取決于觀測噪聲的特性。在優(yōu)選實施例中，在同相和正交接收機信道上的噪聲被模型化為具有0均值和相等方差的獨立標準變量。在這個假設(shè)下，在沒有物體情況下的概率密度函數(shù)f1(m)服從瑞利(Rayleigh)分布f1(m)=mσ2exp(-m22σ2)---(7)]]>在上面的等式中，σ2是對單個觀測的接收機信道的方差。要注意概率密度函數(shù)f1(m)與觀測的數(shù)量N無關(guān)。這是因為對信號幅度mN的相干積分定義包括歸一化因數(shù)來維持恒定方差。圖4圖解對σ等于10的瑞利分布401。要注意分布的峰值出現(xiàn)在值σ處。
在存在物體情況下的概率密度函數(shù)402f0(m)要求假定的物體尺寸(magnitude)。該尺寸具有這樣的解釋，即，如果出現(xiàn)具有該尺寸的物體，則我們將希望達到所指定的檢測概率。因此，該尺寸被認為是滿足檢測要求處的閾值。
給出上述假設(shè)的接收機信道噪聲特性，在存在物體情況下的概率密度函數(shù)服從賴斯(Rice)分布。在優(yōu)選實施例中，這由簡單得多的高斯分布來近似f0(m)=1σ2πexp(-(m-mTN)22σ2)---(8)]]>在上面的等式中，mTN是滿足性能要求處的閾值。只要閾值mTN至少比噪聲標準差σ大1.5倍，那么高斯分布就與賴斯分布非常近似。圖4圖解等式(8)中定義的分布402(σ等于10，mTN等于28)。要注意的是分布的峰值出現(xiàn)在值mTN處。
閾值mTN依賴于觀測數(shù)量N。對于相關(guān)積分的實施例，它由下面等式計算mTN=mT1N---(9)]]>
在上面的等式中，mT1對應(yīng)于當僅收集了一個有噪聲的觀測時的閾值。之所以依賴于觀測數(shù)量N，是因為積分增加了期望物體的尺寸，因而在該問題的公式中，分布402f0(m)的整體形狀向右移動，隨著增加的每個觀測與平穩(wěn)分布401f1(m)分離開。這增加了可以做出檢測的可信度。
在優(yōu)選實施例中，閾值mT1被確定為在接收機信道中的有效噪聲的倍數(shù)，如下面等式所示mT1＝Dσ (10)在上面等式中，參數(shù)D表示期望的噪聲乘數(shù)。例如，噪聲乘數(shù)D可以具有大約在2.0和5.0之間的值。這對應(yīng)于從比噪聲高的6dB到14dB范圍的閾值(即，6dB＝20log10(2.0))。
在替代實施例中，檢測模塊203的上述實現(xiàn)改為非相干積分。相干積分和非相關(guān)積分之間的差異和折衷對本領(lǐng)域技術(shù)人員是公知的。例如，相干積分在信噪比上提供了很大優(yōu)勢。然而，由于雷達不穩(wěn)定或物體移動而可能產(chǎn)生的物體相位變化不會影響非相干積分。在將之前所述的實施例改為非相干積分時，我們?nèi)缦轮匦露x我們的信號幅度mNmN=(iN)2+(qN)2---(11)]]>與相干積分的實施例不同，第N信號幅度mN現(xiàn)在只依賴于第N相干觀測iN和qN。還需要如下重新定義SPRT判決比rr=f1(m1)f1(m2)...f1(mN)f0(m1)f0(m2)...f0(mN)---(12)]]>因此，使用概率密度函數(shù)f0(m)和f1(m)與觀測信號幅度m1，m2，…mN一起來計算SPRT判決比r。使用等式(7)計算概率密度函數(shù)f1(m)。然而，概率密度函數(shù)f0(m)需要對由等式(8)所規(guī)定的進行一點修改f0(m)=1σ2πexp(-(m-mT1)22σ2)---(13)]]>使用等式(10)計算閾值mT1。
另一替代實施例特別應(yīng)用于雷達-雷達處理并且是相干實施例的推廣，它涉及快速傅立葉變換(FFT)。FFT數(shù)據(jù)的計算和解釋對于本領(lǐng)域技術(shù)人員是公知的。在該實施例中，將使用N個有噪聲的觀測執(zhí)行復數(shù)FFT。將在得到的頻譜數(shù)據(jù)中搜索峰值的存在，峰值幅度值在經(jīng)過適當縮放之后將提供計算出的信號幅度mN。
繼續(xù)描述同相或正交接收信道中存在的噪聲的標準差σ的估計?？梢允褂酶鞣N本領(lǐng)域技術(shù)人員公知的技術(shù)來執(zhí)行該任務(wù)。在優(yōu)選實施例中，使用在一段時間上的所有雷達觀測的指定子集來計算σ。具體地說，當且僅當觀測是當前掃描的特定目標范圍的第一觀測、并且對該特定目標范圍確定沒有物體的判決時，才將該觀測包括在該子集中。估計噪聲參數(shù)σ等于計算出的該指定子集的標準差。
收集模塊當確定在特定范圍處存在物體時，立即收集額外的雷達數(shù)據(jù)以供隨后處理。圖5提供收集模塊205的流程圖。如上所述，在優(yōu)選實施例中，SRR具有兩個重疊的天線波束(和與差)，并且來自兩個波束的數(shù)據(jù)對于估計物體方位是必需的。因此，收集模塊205示出了來自和波束與差波束兩者的雷達數(shù)據(jù)的收集。為此，收集模塊205包括兩個子模塊和波束停留子模塊501，用于使用和波束收集雷達數(shù)據(jù)；以及差波束停留子模塊502，用于使用差波束收集雷達數(shù)據(jù)。對每個子模塊，雷達停留一定數(shù)量的發(fā)射脈沖。來自每個停留的脈沖被積分并作為單個復數(shù)值輸出。
收集和與差波束雷達數(shù)據(jù)的處理重復一定次數(shù)。在優(yōu)選實施例中，它被重復恒定的次數(shù)。在替代實施例中，它重復的次數(shù)可以依賴于諸如物體范圍、估計的物體信噪比等因素。
在每次停留期間，從同相和正交雷達接收機信道收集數(shù)據(jù)，并且將數(shù)據(jù)置于收集數(shù)據(jù)存儲器206中。當做出特定目標范圍的所有所需數(shù)據(jù)都已經(jīng)被收集和存儲的判決時，收集模塊退出。
狀態(tài)估計模塊圖6提供狀態(tài)估計模塊207的流程圖。該模塊使用來自收集數(shù)據(jù)存儲器206的數(shù)據(jù)來估計檢測物體的狀態(tài)或目標參數(shù)。這里使用的術(shù)語“目標參數(shù)”指的是從一系列關(guān)于觀測到的相對于車輛的物體的位置和運動的雷達數(shù)據(jù)中得出的計算，包括例如范圍、方位和多普勒速度。該模塊輸出包括所有檢測到的物體的描述，并且被置入物體列表存儲器209中。
第一子模塊是物體積分603。該子模塊獲得之前由收集模塊收集的特定段的數(shù)據(jù)，并且對和與差波束數(shù)據(jù)執(zhí)行單獨的積分運算。在優(yōu)選實施例中，該子模塊對來自每個波束的數(shù)據(jù)執(zhí)行復數(shù)FFT。在替代實施例中，該子模塊對來自每個波束的數(shù)據(jù)執(zhí)行相干積分。在第三實施例中，該子模塊對來自每個波束的數(shù)據(jù)執(zhí)行非相干積分。如前面所述，相干和非相干積分的使用之間存在公知的折衷。然而，最好使用FFT實施例，因為它保留了相干積分的信噪比優(yōu)勢，而不會由于物體運動而引入性能下降。FFT實施例還提供估計物體的多普勒速度的能力。
第二子模塊是參數(shù)估計604。該子模塊接受由物體積分子模塊產(chǎn)生的每個段的積分數(shù)據(jù)。該子模塊的用途是估計每個檢測到的物體的參數(shù)值。在優(yōu)選實施例中，這些參數(shù)包括范圍、方位和多普勒速度。
在FFT實施例中，物體積分模塊603的輸出是提供在離散數(shù)量的頻率段上的幅度和相位值的頻譜數(shù)據(jù)。如本領(lǐng)域技術(shù)人員所公知，F(xiàn)FT將數(shù)據(jù)從采樣時間域變換到采樣頻域(即，頻率段)表示。在優(yōu)選實施例中，在和-信道頻譜數(shù)據(jù)中的幅度峰值的頻率位置確定物體的多普勒速度。由多普勒頻率計算多普勒速度的方法對于本領(lǐng)域技術(shù)人員是公知的。
在一個實施例中，估計的多普勒頻率等于包含最大幅度值的段頻率。在優(yōu)選實施例中，通過內(nèi)插法更精確地確定多普勒頻率，內(nèi)插法涉及最大幅度值的一個或多個相鄰值。內(nèi)插可以涉及估計的基本頻譜峰值的頻率、幅度和/或相位值的求精(refinement)。執(zhí)行頻譜內(nèi)插的方法對本領(lǐng)域技術(shù)人員是公知的。在另一實施例中，保留概率以識別在頻譜數(shù)據(jù)中的多于一個的局部最大值，以及估計與作為單獨物體的每個局部最大值相關(guān)聯(lián)的隨后參數(shù)。在再一個實施例中，可以對差-信道數(shù)據(jù)搜索頻譜峰值的存在，以便識別并估計在和信道數(shù)據(jù)中不容易觀測的物體的參數(shù)。
假定識別了和或差信道中的頻譜峰值，那么現(xiàn)在確定在相同頻率上的其他信道(即，分別為差或和)的值。在優(yōu)選實施例中，和與差信道中得到的復數(shù)值被用來確定物體方位。該技術(shù)和關(guān)于單脈沖天線理論的各種替代實現(xiàn)對本領(lǐng)域技術(shù)人員是公知的。
最后，可以估計物體范圍。在一個實施例中，根據(jù)其中收集了雷達數(shù)據(jù)的段的范圍確定物體范圍。然而在某些實現(xiàn)中，可以在幾個相鄰的范圍段中檢測單個物理物體。在優(yōu)選實施例中，使用范圍中的內(nèi)插來估計幅度峰值的位置。內(nèi)插的范圍值提供估計的物體范圍。
一旦計算出目標參數(shù)后，可以結(jié)合其他SRR傳感器所產(chǎn)生的目標、結(jié)合SRR之外的技術(shù)實現(xiàn)的傳感器所生成的目標、用跟蹤算法對目標參數(shù)進一步處理，以及/或者所述目標參數(shù)被用于許多車輛應(yīng)用，如輔助停車、停車-起步和預防碰撞檢測。此外，希望隨著時間的發(fā)展，能開發(fā)出另外的使用檢測的SRR目標的應(yīng)用。
系統(tǒng)架構(gòu)希望本發(fā)明的方法可以以許多系統(tǒng)配置中的任一個來實踐。本質(zhì)上，該方法要求具有一個或多個感測系統(tǒng)的系統(tǒng)。最好，該方法在存在或具有其他功能的系統(tǒng)，例如用于自動巡航控制(ACC)或停車-起步交通的系統(tǒng)中進行實踐。參照圖7，示出了典型的SRR車輛配置。四個SRR傳感器701(a)-701(d)安裝在前保險杠702的橫板(fascia)后。應(yīng)當理解的是，類似的SRR傳感器系統(tǒng)可以裝在車輛的側(cè)部和后部。
當前采用的SRR傳感器能夠檢測最大距離30m的范圍和方位內(nèi)的物體。預期未來幾代的SRR傳感器將具有更大的范圍。傳感器通過自動控制區(qū)域網(wǎng)絡(luò)(CAN)總線704與稱為雷達判決單元(RDU)703的中央計算機通信。RDU 703負責傳感器聯(lián)合，以及車輛應(yīng)用的實現(xiàn)。除了碰撞檢測應(yīng)用之外，前保險杠系統(tǒng)的應(yīng)用可以包括輔助停車、停車-起步巡航控制(即，在停車-起步交通條件下車輛自動與后面的車保持適當距離)。最好，圖2的系統(tǒng)駐留在傳感器系統(tǒng)的軟件中，但也存在替代實施例。例如，圖2的系統(tǒng)的各部分可以位于單獨的電子控制單元(ECU)中。因此，計算分析在各個傳感器之間分布的程度或者在一個或多個處理單元中匯集的程度，是本領(lǐng)域技術(shù)人員可根據(jù)本公開執(zhí)行的最優(yōu)化問題。
權(quán)利要求
1.一種用于確定機動車雷達系統(tǒng)的檢測區(qū)域內(nèi)的物體的目標參數(shù)的方法，所述方法包括步驟(a)從范圍序列中建立目標范圍；(b)在所述目標范圍上停留初始停留時間以獲得感測數(shù)據(jù)；(c)根據(jù)物體在所述目標范圍處的存在和不存在的概率密度分布，確定所述感測數(shù)據(jù)是對應(yīng)于所述目標范圍處的物體的存在還是物體的不存在，如果無法做出所述確定，則重復步驟(b)-(c)直到可以做出所述確定為止；(d)如果在步驟(c)中確定所述感測數(shù)據(jù)對應(yīng)于物體的存在，則在前進到步驟(e)之前在所述目標范圍處停留延長的停留時間以獲得用來確定所述物體的目標參數(shù)的額外感測數(shù)據(jù)；和(e)在重復步驟(b)-(e)之前將所述范圍序列的下一個作為目標范圍。
2.如權(quán)利要求1所述的方法，其中在步驟(c)中，所述確定是通過使用順序概率比測試(SPRT)做出的。
3.如權(quán)利要求1所述的方法，其中在步驟(c)中，如果r＜B則確定物體存在，而如果r＞A則確定物體不存在，其中，r=f1(mN)f0(mN)]]>f0(m)是當在給定的雷達值的特定范圍處實際上存在物體時的概率密度函數(shù)，f1(m)是當在給定的雷達值的特定范圍處實際上不存在該物體時的概率密度函數(shù)，mN是正在收集的基于在N個觀測中觀測的有噪聲的雷達信號計算出的信號幅度，A≈1-βα,]]>B≈β1-α,]]>1-α是檢測的概率，并且β是誤警報的概率。
4.如權(quán)利要求3所述的方法，其中，1-α大約是0.95，而β大約是0.01。
5.如權(quán)利要求3所述的方法，其中f0(m)=1σ2πexp(-(m-mTN)22σ2),]]>且f1(m)=mσ2exp(-m22σ2),]]>其中σ是感測數(shù)據(jù)中存在的噪聲的標準差，mN是正在收集的基于在N個觀測中觀測的有噪聲的雷達信號計算出的信號幅度，mTN是滿足性能要求的檢測閾值。
6.如權(quán)利要求5所述的方法，其中mTN至少比σ大1.5倍。
7.如權(quán)利要求1所述的方法，還包括(f)基于在步驟(d)獲得的額外雷達數(shù)據(jù)確定目標參數(shù)。
8.如權(quán)利要求7所述的方法，其中，所述目標參數(shù)包括范圍、方位和多普勒速度。
9.如權(quán)利要求7所述的方法，其中，將目標參數(shù)數(shù)據(jù)發(fā)送給處理器以支持諸如輔助停車、停車-起步、或預防碰撞檢測之類的車輛應(yīng)用。
10.如權(quán)利要求7所述的方法，其中，在對所述范圍序列中的所有范圍執(zhí)行步驟(b)之后執(zhí)行所述步驟(f)。
11.如權(quán)利要求7所述的方法，其中，在每次執(zhí)行步驟(c)后執(zhí)行所述步驟(f)。
12.如權(quán)利要求1所述的方法，其中，所述初始停留是基于獲得固定數(shù)量的雷達數(shù)據(jù)的。
13.如權(quán)利要求1所述的方法，其中在步驟(c)中，如果不能做出關(guān)于所述數(shù)據(jù)是對應(yīng)于物體的存在還是物體的不存在的確定，則增加所述初始停留時間以獲得額外的雷達數(shù)據(jù)。
14.如權(quán)利要求1所述的方法，其中，一旦在步驟(c)中做出了判決，則終止所述初始停留。
15.如權(quán)利要求14所述的方法，其中，所述延長的停留時間在步驟(c)中做出了物體存在的判決之后立即開始。
16.如權(quán)利要求1所述的方法，其中，所述延長的停留時間是固定的。
17.如權(quán)利要求1所述的方法，其中，所述延長的停留時間基于物體范圍和估計的信噪比中的至少一個。
18.如權(quán)利要求1所述的方法，其中，延長的停留時間與步驟(b)的初始停留時間之比大于2。
19.如權(quán)利要求1所述的方法，其中，所述感測數(shù)據(jù)是雷達數(shù)據(jù)，包括具有同相和正交分量的復數(shù)值。
20.如權(quán)利要求1所述的方法，其中，在步驟(b)中使用相干積分或非相干積分。
21.如權(quán)利要求1所述的方法，其中，對延長的停留時間數(shù)據(jù)使用FFT來估計目標參數(shù)。
22.一種用于感測車輛周邊附近的物體的系統(tǒng)，所述系統(tǒng)包括至少一個被配置成執(zhí)行下述步驟的計算機(a)從范圍序列中建立目標范圍；(b)在所述目標范圍上停留初始停留時間以獲得感測數(shù)據(jù)；(c)根據(jù)物體在所述目標范圍處的存在和不存在的概率密度分布，確定感測數(shù)據(jù)是對應(yīng)于所述目標范圍處的物體的存在還是物體的不存在，如果無法做出所述確定，則重復步驟(b)-(c)直到可以做出所述確定為止；(d)如果在步驟(c)中確定所述感測數(shù)據(jù)對應(yīng)于物體的存在，則在前進到步驟(e)之前在所述目標范圍處停留延長的停留時間以獲得用來確定所述物體的目標參數(shù)的額外感測數(shù)據(jù)；和(e)在重復步驟(b)-(e)之前將所述范圍序列的下一個作為目標范圍。
23.一種與車輛雷達系統(tǒng)組合來感測車輛周邊附近的物體的系統(tǒng)，所述系統(tǒng)包括數(shù)據(jù)處理器；輸入端，用來從所述車輛雷達系統(tǒng)接收雷達數(shù)據(jù)；可操作地連接到所述數(shù)據(jù)處理器的存儲器，所述存儲器包括至少以下指令檢測模塊，用于從范圍序列中建立目標范圍，指示所述車輛雷達系統(tǒng)在所述目標范圍上停留初始停留時間以獲得雷達數(shù)據(jù)；并且根據(jù)物體在所述目標范圍處的存在和不存在的概率密度分布，確定所述雷達數(shù)據(jù)是對應(yīng)于所述目標范圍處的物體的存在還是物體的不存在，如果無法確定所述物體的存在或不存在，則重復初始停留時間來收集更多雷達數(shù)據(jù)；收集模塊，用于在所述檢測模塊確定物體存在之后在所述目標范圍處停留延長的停留時間以獲得用來確定所述物體的目標參數(shù)的額外感測數(shù)據(jù)；和狀態(tài)估計模塊，用于從所述額外感測數(shù)據(jù)中確定所述物體的目標參數(shù)。
全文摘要
一種用于確定汽車雷達系統(tǒng)的檢測區(qū)域內(nèi)的物體的目標參數(shù)的方法(100)，該方法包括步驟(a)由范圍序列建立目標范圍(101)；(b)在目標范圍上停留初始停留時間以獲得感測數(shù)據(jù)(102)；(c)根據(jù)物體在目標范圍處的存在和不存在的概率密度分布，確定感測數(shù)據(jù)是與目標范圍處的物體的存在還是與物體的不存在相對應(yīng)(103)，如果無法做出該確定，則重復步驟(b)－(c)直到可以做出確定為止；(d)如果在步驟(c)中確定感測數(shù)據(jù)對應(yīng)于物體的存在，則在前進到步驟(e)之前在目標范圍處停留延長的停留時間以獲得用來確定物體的目標參數(shù)的額外感測數(shù)據(jù)(104)；和(e)在重復步驟(b)－(e)之前將范圍序列的下一個(105)作為目標范圍。
文檔編號G01S13/93GK1808176SQ20061000516
公開日2006年7月26日 申請日期2006年1月13日 優(yōu)先權(quán)日2005年1月13日
發(fā)明者邁克爾·J·帕拉蒂, 羅伯特·G·埃格里, 魏雙慶 申請人:M/A-Com公司