【最新成果】基于多普勒域补偿的车载雷达距离角度联合成像算法（视频）

原创李毅, 夏伟杰雷达学报

点击蓝色“雷达学报”关注

背景介绍

在传统车载MIMO毫米波雷达中，主要采用距离多普勒角度三维FFT方法完成目标估计，得到目标的距离、多普勒、角度和信号幅度等信息。然而随着车载毫米波雷达应用场景改变，急需实现高性能高分辨率前视成像，并增强目标探测和识别能力，因此传统的信号处理框架需要改变以满足现代汽车自动驾驶需求。

目前，现有方法的在以下两个方面存在不足。首先是相干处理间隔内距离多普勒走动问题。不同于传统的车载毫米波前视、角雷达等近距离跟踪、防撞等简单任务，车载雷达其应用场景已经从密集的城市环境拓展到高速公路等复杂路况。然而高速运动目标限制了相干处理间隔的选取，从而限制了雷达的最大探测距离。此外，它也限制了长时间相干积分方法的实施。其次是高分辨成像。车载毫米波雷达环绕成像，小型快速移动物体远距探测，以及目标分类等各种任务都需要高分辨率的前视图像作为输入。传统毫米波雷达主要采用数字波束形成来实现角度估计，这虽然有利于在嵌入式设备中通过单快拍实现。然而，这些方法不具备高分辨率角度测量能力。

该工作拟发表在《雷达学报》2023年第5期的论文“基于多普勒域补偿的车载雷达距离角度联合成像算法”（李毅，夏伟杰，周建江，楚咏焱）。

团队工作

近年来，南京航空航天大学夏伟杰教授和周建江教授团队对车载毫米波雷达信号处理领域等开展了深入研究。

根据车载毫米波雷达时分多输入多输出的前视成像体制，提出多普勒域补偿和点对点回波校正方法，完成多域信号解耦合，同时完成距离多普勒走动校正和多普勒解模糊。由于有限阵元数及强噪声干扰限制了传统单维度距离角度成像准确性，因此，该文提出一种基于改进贝叶斯匹配追踪方法（IBMP）的多域联合估计算法。该方法基于伯努利-高斯模型，在最大后验准则约束下迭代更新估计参数和支撑域，实现了多维联合信号的高精度重构。仿真和实测结果表明该文方法能够有效解决距离走动问题，并提高雷达前视成像的角度分辨率，具有较强噪声鲁棒性。

图1 基于多普勒补偿的多维联合估计算法流程图

论文介绍

该文首先对车载平台与目标相对运动引起的瞬时多普勒信息和距离走动信息、通道相位跳变等问题进行描述和论证推导。可知目标多普勒走动的条件与目标发生距离走动的条件一致，因此为了避免在距离慢时间域进行复杂的双参数校正，仅在多普勒快时间域进行插值完成多普勒/距离走动校正，并且通过点对点补偿相位完成了多普勒距离解耦合、通道相位校正以及多普勒解模糊。

图2 点目标仿真结果

以目标1为例，图3（a）显示了目标1的速度剖面，可以看到一个强烈的虚假峰值在2.56 m/s处，这是真实目标-15 m/s的模糊目标。同理，对于目标2和3，如图3(b)所示,同样可以观察两个目标的虚假模糊位置。可以计算出虚假峰值比真实峰值低约7 dB。因此，通过在两个可能性中选择更强的峰值能有效地确定真实的目标速度，完成目标解模糊。

图3 仿真目标速度维剖面

更一步，针对现有算法在低信噪比下雷达成像性能较差的问题,研究了基于贝叶斯理论的复杂环境下雷达距离角度成像方法。通过重排距离角度回波信号，通过引入伯努利-高斯模型，在最大后验准则约束下迭代更新估计参数和支撑域，实现了信号的高精度重构。为加速算法求解，采用基于树结构的快速搜索方法和增量迭代方法。

图4 基于树结构的搜索策略

可以明显看出，强噪声环境使得GPSR方法、BCS方法无法清晰地对场景目标进行重构，在成像的散射目标附近，存在虚警、漏警的情况，导致成像效果较差，FBMP方法虽然能恢复大部分点目标，但对低于角度分辨率的两个目标也无法完全重建。相比而言，本文提出的方法（IBMP）得到的点目标清晰可分辨，且目标能量基本得到聚集，而且相较于FBMP方法具有更低的计算复杂度。