車用毫米波雷達傳感器組網

1引言

隨著人們對汽車駕駛過程當中安全性、舒適性要求的不斷提高，汽車雷達被廣泛的應用在汽車的自適應巡航系統，防碰撞系統以及駕駛支援系統中。其中，毫米波雷達因探測精度高、硬件體積小和不受惡劣天氣影響等優點而被廣泛采用。但是傳統的單一雷達傳感器還是存在著諸如探測范圍小、可靠性低等缺點。特別是在復雜的行駛狀況下，并線、移線、轉彎、上下坡以及道路兩旁的靜態護欄、標志牌、行人都會使得雷達對主目標的識別十分困難，誤報率很高。

種雷達傳感器集成在一起構成的一個網絡系統綜合了各種傳感器的優勢，實現了信息分析、綜合和平衡,利用數據間的冗余性和互補特性進行容錯處理,克服了單一傳感器可靠性低、有效探測范圍小等缺點,有效地降低了雷達的誤報率。由此構成的新的、高精度的傳感器網絡，能夠極大地改善汽車雷達網絡系統的性能.

2雷達網絡的構成原理

圖1所示的雷達網絡由四個等距離分布在安全杠上的近距離毫米波雷達傳感器(Near distance sensor，NDS)構成，每個雷達傳感器均采用FMCW體制。該傳感器網絡可在35米的范圍內實現水平方位角為120°的覆蓋面。這種近距離、大覆蓋面的雷達傳感器網絡可以在車速不高，路面狀況比較復雜的情況下(例如市內交通)，監控汽車前向較大范圍內的目標。如果需要遠距離探測，可以在安全杠中間增加一個遠距離雷達傳感器。隨著77 GHz汽車雷達傳感器技術的成熟,近/遠距離雷達傳感器都傾向于采用77 GHz MMIC(毫米波集成電路)技術實現，采用這種技術容易做出一體化的設計方案，使收發模塊的成本大為降低。

在圖2所示傳感器網絡系統框圖中[2]，基于77GHz MMIC技術的雷達傳感器是構成汽車雷達網絡的前端關鍵硬件，后端的信息處理需要用數字信號處理器等高速運算單元來完成。傳感器、數字信號處理單元以及數據融合決策系統之間采用以太網、高速串行連接的方式傳送數據，以滿足高數據率的傳輸要求。數據融合系統采用分布式體系結構，即每個近距離傳感器對獲得的回波信號先進行局部處理,然后送入融合中心進行融合以獲得目標的方位、速度信息?？刂破魇钦麄€雷達網絡系統的最終決策機構，它負責識別目標的距離和速度信息是否對行車安全構成威脅，并通過聲光的形式提示駕駛員或者直接作用于車載控制系統加以調整。

圖2 雷達網絡系統結構圖

2 汽車雷達網絡關鍵技術解決方案

與單個雷達傳感器相比，多傳感器組網的優勢在于測量精度高，誤報率低以及多目標識別的優越性能。測量精度高、誤報率低源于數據融合技術，這就要求每個傳感器在時間、頻率上精確同步；多目標識別取決于系統自身對目標的識別分類能力。因此，在整個雷達網絡包括每個雷達傳感器的設計上都要圍繞著這兩點來進行。

2.1 近距離傳感器設計

近距離雷達傳感器主要擔負著汽車前向35米內的目標探測，是汽車雷達網絡在復雜路況下發揮效能關鍵部分。近距離雷達傳感器主要包括射頻單元、接收機和各個傳感器的之間的精確時間同步控制[2]。在天線的設計上，既要符合所示的波束寬度的要求，同時又不能增大傳感器的體積。因此可以采用印刷體線性陣列天線。接收機主要由一些低頻元件、抗混疊濾波器和模數轉換裝置構成。這些低頻元件所產生的噪聲可以淹沒微弱的回波信號，是影響探測距離的主要因素之一，因此要盡可能的降低噪聲參數。此外，模數轉換的采樣頻率應該依據近距離傳感器的性能參數來確定[2]。近距離傳感器的原理圖如圖3所示。

圖3近距離傳感器結構圖

圖4 同步系統框圖

2.2 同步控制

雷達組網后,同樣是通過測量發射信號和回波信號之間的頻率差來確定目標的位置。但不同于單個雷達探測，汽車雷達網絡測量目標的距離和速度是通過對每個傳感器測得的目標信息進行數據融合而得到的。為了測量目標距離以及產生一致的波形，發射機和接收機要有統一的時間標準,這就是時間上的同步。為了能接收和放大回波信號,雷達傳感器的發射機和接收機必須工作在相同的頻率,當發射機頻率捷變時,接收機本振要作相應的變化,即要實現頻率上的同步。汽車雷達網絡對傳感器之間的時間同步控制誤差要求在10ns內。所以高精度時間頻率同步系統是汽車雷達傳感器組網的關鍵技術。圖4給出了基于DDS同步時鐘源的配置 [3]，各個收發單元上的DDS同步時鐘源的參考頻率源應采用高穩定度的原子鐘(如銣、銫原子鐘)。各收發單元的原子鐘要定期的用同一時間基準來校準。用作校準的時間基準的精度要更高一些,它們可以是GPS(導航星全球定位系統),羅蘭C或彩色電視發射臺發射的時間基準信號.

2.3汽車雷達網絡的目標分類算法

目標分類系統的主要任務是針對目標回波信號特征計算給定向量的分類關系，分類器定義了一組不同的目標類別。分類器的工作可以分為研究階段和分類階段，在研究階段分類器對若干特征和經過獨立標記的特征向量進行自動分析；在分類階段，要對每個被檢測到的目標生成特征向量。與此同時，識別算法采用最大似然方法進行判決，以判別特征向量屬于哪個類，如圖5所示。在汽車應用中，由于分類任務很復雜，通常一個給定的向量需要考慮幾個特征，因而要采用多個分類器，其優點是在研究階段能夠在一次迭代過程中評估某個特征對決策過程的影響，并自動剔除對決策過程影響較小的項目。文獻[4]給出了基于汽車雷達