摘要
近年来,毫米波雷达在高级驾驶员辅助系统(ADAS)中的使用呈现了爆发式的增长。毫米波雷达通过发射并处理接收到的电磁波,可以精确地测量出目标的距离,速度和角度,受天气,光线等环境因素的影响小,非常适合汽车雷达应用。TI 的 AWR1642 是业内第一款基于 RF-CMOS 工艺,将中射频电路,VCO,ADC 和 DSP 集成在单颗芯片内的 SoC, 它的出现极大降低了汽车雷达的成本和开发难度,在车厂得到了广泛的应用。雷达的探测距离,速度和角度的最大值,最小值和分辨率是其最重要的性能指标。这些指标受波形制式,算法,中射频电路性能,DSP 处理能力和内存大小等因素综合影响。一般来说汽车雷达需要达到 100 到 200Km/h 的最高检测速度,AWR1642 受中射频电路性能的限制,很难在满足其它性能指标的前提下支持这么高的检测速度。本文分析了基于中国剩余定理,基于多普勒相偏补偿假设和基于目标跟踪假设这三种适合 AWR1642 的速度扩展算法,可以克服硬件电路的限制,大幅度提高雷达的最高检测速度。用户可以使用这些方法,在不牺牲其它性能指标的情况下,将 AWR1642 雷达的最高检测速度提高到车厂的要求。
1.背景
同摄像头和激光雷达相比,毫米波雷达可以在较低的成本下获得极高的分辨率,同时不受雨,雾,雪和光线等周围环境的影响。因此毫米波雷达在 ADAS 领域被广泛采用,成为当前最流行的传感器技术之一。图 1 给出了毫米波雷达在 ADAS 上的一些典型应用。
图 1. 雷达在 ADAS 上的典型应用
从汽车雷达的发展方向上看,传统的24GHz 频段的雷达正逐步被77GHz频段的雷达所取代。TI 的AWR1642 是一款采用45nm 低功耗RF-CMOS 工艺的高集成度单芯片77GHz 雷达传感器片上系统 (SoC). AWR1642 可以通过一颗芯片实现原来需要多个芯片才能实现的雷达,大大降低了汽车雷达的成本和设计难度。AWR1642发射
FMCW 波形(线性调频连续波,如图2) ,接收端通过中射频电路将接收到的反射信号放大,混频到基带后再进行 ADC 采样,采样值通过芯片集成的600MHz主频TI C674x DSP 处理,提取出目标的距离,速度和角度信息。
图 2. FMCW 波形
雷达的最远探测距离𝑅𝑚𝑎𝑥与接收到的目标反射能量和相关累计时间成正比,而距离分辨率∆𝑅, 速度分辨率∆𝑉和最高探测速度𝑉𝑚𝑎𝑥 和图2中的FMCW 波形参数存在下面的关系:
(1)
(2)
(3)
中频带宽(𝐹𝐼𝐹)是雷达接收机的重要性能指标,它表示接收机对天线接收到的反射信号进行放大和混频后,转换到基带的零中频信号(zero IF)的带宽。雷达接收机对于距离为R的目标形成的零中频信号的频率𝑓𝐼𝐹 可以用公式(4)表示
(4)
受中射频电路设计难度和成本的制约,毫米波雷达芯片的𝐹𝐼𝐹存在一定的限制,比如 TI 的 AWR1642 的𝐹𝐼𝐹满足公式(5). 超过芯片𝐹𝐼𝐹以外的目标反射信号会被低通滤波器抑制,只有满足公式 (6) 的目标才能被检测到。
𝐹𝐼𝐹 = 5 𝑀𝐻𝑧, 𝑓𝑜𝑟 𝐴𝑊𝑅1642 (5)
𝑓𝐼𝐹 < 𝐹𝐼𝐹 (6)
我们从公式(1)可以看出,更小的距离分辨率需要更大的扫频带宽(𝐵),同时从公式(3)可以发现更高的目标检测速度需要更短的chirp 扫频周期(𝑇𝑐), 这两个需求加起来会导致目标在接收机形成的𝑓𝐼𝐹 接近并超过芯片的𝐹𝐼𝐹.
表 1 是一个典型的汽车盲点检测雷达(BSD)的系统参数。结合公式(4), (5), (6),要达到 80 m 的最大距离, AWR1642 的波形斜率(Slope)不能超过9.375 MHz/us. 结合公式(1), 要达到0.36 m 的距离分辨率(∆𝑅), 扫频带宽(B)不能小于400MHz. 在扫频带宽和波形斜率的限制下,chirp 周期(𝑇𝑐)最小只能选择为42.66 us, 结合公式(3), 这时能实现的最高速度(𝑉𝑚𝑎𝑥)为22.86 m/s, 无法达到30 m/s 的系统要求。
表 1.一个典型的BSD雷达参数要求
雷达系统参数 | 指标要求 | 说明 |
最大距离𝑅𝑚𝑎𝑥 | 80 m | 雷达可以检测到RCS=10 𝑚2的目标的最远距离 |
距离分辨率 ∆𝑅 | 0.36 m | 雷达可以区分出两个目标的最小间隔距离 |
最高速度𝑉𝑚𝑎𝑥 | ±30 m/s | ±108 Km/h,车辆接近雷达速度为负,车辆远离雷达速度为正 |
速度分辨率 ∆𝑉 | 0.52 m/s | 在相同距离时,雷达可以区分出两个目标的最小速度差异 |
本文将介绍几种速度扩展算法,在公式(3)计算出的最高速度基础上进行扩展,在不降低其它性能指标的前提下提高雷达可以支持的最高速度。
2.信号处理流程
汽车雷达的信号处理流程和天线的设计密切相关。AWR1642 是一个 2T4R 的雷达芯片,如图 3 所示以 TI 的 AWR1642 Boostpack 为代表,一般基于 AWR1642 汽车雷达的天线设计为四根接收天线等间隔𝜆⁄2,两根发射天线间隔2λ. 这样的天线设计通常使用下面两种发射波形配置:
•1T4R, 使用图 3 中 Tx1 连续发射 chirp,Rx1/2/3/4 作为接收天线,这种配置是最简单的雷达波形,适合探测距离比较远,检测速度要求比较高的场景。
•2T4R TDM MIMO, 使用图3 中Tx1 和Tx2 在时间上轮流发射chirp,Rx1/2/3/4 作为接收天线,这种配置可以通过虚拟天线算法,将 Rx1/2/3/4 在连续两个 chirp 周期内的接收天线数据联合使用,虚拟出
1T8R 的天线阵列以获取更高的角度分辨率。
针对上面介绍的发射波形配置,AWR1642 上的典型信号处理流程如图4 所示。
•首先通过距离维(Range)和速度维(Doppler)FFT计算获得目标距离和速度的二维反射能量剖面(Profile)
•接着通过特定的目标检测算法(例如CFAR-CA, CFAR-OS 等)分别在距离维和速度维上从噪声中检测获得反射点(即检测目标)
•(只针对 TDM MIMO)矫正接收 Tx2 的虚天线组(图 3右边空心的四根虚拟接收天线)相对于接收 Tx1 的虚天线组(图 3 右边四根绿色实心虚拟接收天线)上的多普勒相偏(因为 Tx2 和 Tx1 虚天线组空口发送时间不同,累积的多普勒相偏将影响角度估计)
•然后采用特定的角度估计算法(例如FFT, MUSIC 等) ,通过分析所有接收天线(TDM MIMO 下为虚天线) 上对于目标的反射信号峰值相位变化来估计目标的角度
•最后通过聚类算法将属于同一个物体的反射点归为一个簇,再通过对聚类以后的簇进行目标跟踪,可以获得可靠的物体的距离,移动速度和角度。这些信息通过CAN 总线发给车辆的中央处理单元来以实现不同的
ADAS 应用。
图 3. AWR1642 雷达天线波形配置
图 4. AWR1642 上的雷达信号链
针对本节介绍的雷达天线波形配置和信号处理链,下面将介绍几种适用的速度扩展算法。
3.基于中国剩余定理的速度扩展算法
从公式(3)可知,雷达可检测的最高速度𝑉𝑚𝑎𝑥 和chirp周期𝑇𝑐 成反比,雷达需要支持的𝑉𝑚𝑎𝑥越高,𝑇𝑐 就需要越小。但受 AWR1642 中频带宽𝐹𝐼𝐹限制,𝑇𝑐 无法设置的过小。这导致如果仅仅通过图 4 的常规信号链,很难在
AWR1642 上满足汽车雷达的检测速度要求。
当一个目标的实际速度𝑉𝑟大于雷达的最高检测速度𝑉𝑚𝑎𝑥时,通过 Doppler 维 FFT 得到的速度将发生模糊,我们定义这个模糊速度为𝑉𝑎 . 目标的模糊速度𝑉𝑎 和实际速度𝑉𝑟 之间满足公式(7)
𝑉𝑎 = 𝑉𝑟 𝑚𝑜𝑑 𝑉𝑚𝑎𝑥 (7) 公式(7)告诉我们模糊速度𝑉𝑎是实际速度𝑉𝑟对最高检测速度𝑉𝑚𝑎𝑥的余数,而通过公式(3)我们知道最高检测速度𝑉𝑚𝑎𝑥 由 chirp 周期𝑇𝑐 相关。那么如果我们能定义两种不同𝑇𝑐 的 chirp,这两种 chirp 对应的𝑉𝑚𝑎𝑥 不同,同一个目标的 𝑉𝑟 在这两种 chirp 下检测得到的𝑉𝑎也不同。根据中国剩余定理(如果一个自然数对一组互质的因子分别取余数,那么在知道余数和互质因子的情况下,一定可以计算出原始的自然数), 我们能够从这两个 chirp 下计算的𝑉𝑎恢复出目标的实际速度𝑉𝑟. 中国剩余定理通过余数求解原始自然数的过程是通过求解方程来实现的,在DSP 软件上很难实现。
针对表 1 的 BSD 雷达指标,我们根据中国剩余定义的思路,设计了图 5 所示的 fast-slow chirp 的波形,并采用一种简单的算法来扩展检测速度。
Fast chirp Slow chirp
Tc_1 Tc_2
图 5. Fast-slow chirp 波形
fast-slow chirp的具体参数如表2所示。
表 2.Fast-slow chirp波形参数
波形参数 | Fast chirp | Slow chirp | 说明 |
Idle time (us) | 3 | 14.8 | Fast/Slow chirp 使用同一个 profile,通过设置不同的 Idle time 获得不同的𝑇𝑐 |
ADC start time (us) | 4.8 | 4.8 | 一致 |
Ramp end time (us) | 56 | 56 | 一致 |
Slope (MHz/us) | 8 | 8 | 一致 |
Bandwidth (MHz) | 408 | 408 | 一致,大于 400MHz,可以支持 0.36m 的距离分辨率要求 |
Num of ADC samples | 256 | 256 | 一致 |
ADC sampling rate (ksps) | 5000 | 5000 | 一致 |
Num of chirps | 64 | 64 | 一致 |
Chirp period (us) | 59 | 70.8 | 根据公式(3),Fast/Slow chirp 支持的最大速度分别为 16.53m/s 和 13.77m/s |
从表 2 可以看出,单独的 Fast chirp 和 Slow chirp 都不能达到 30m/s 的最大检测速度。因为 Fast chirp 和 Slow chirp 的最高检测速度和速度分辨率不同,物体的实际速度在两种 chirp 的 2D-FFT 结果中对应的 Doppler 索引不同。我们可以根据这个特点,对物体的实际速度是否超过 Fast chirp 的最大检测速度做出假设,并依照这个假设推算出在 Slow chirp 上对应的 Doppler 索引,然后通过 Slow chirp 这个 Doppler 索引上的目标反射能量值判断之前的假设是否成立。我们对图 4 的雷达信号链,在 Doppler 维 CFAR 中增加表 3 所示的速度扩展算法。表 3 中的算法可以支持最高 3 倍的速度扩展,将表 2 中波形配置的最高检测速度提高到 48 m/s. 图 6 是在 AWR1642 Boostpack 上采用本节所介绍的速度扩展算法在高速公路上的实际测试,可以看出 AWR1642 成功检测到了30m/s 速度的前方运行车辆。
表 3.基于中国剩余定理的速度扩展算法描述
速度扩展算法:
1:对Fast-chirp进行Doppler维CFAR,获得目标在速度维上的峰值索引PeakIdx_fast,并记录下峰值能量为
PeakVal_fast
2:对PeakIdx_fast进行内插,获得目标的速度为Vel_fast
3:假设目标的速度V_hypo分别为Vel_fast-2*Vmax_fast, Vel_fast, Vel_fast+2*Vmax_fast
4:对于以上三个假设速度V_hypo, 分别计算出其在Slow-chirp上对应的速度索引PeakIdx_slow_hypo
5:提取Slow-chirp的2D-FFT结果在索引PeakIdx_slow_hypo上对应的能量PeakVal_slow_hypo, 同时记录其左右两个索引上的能量
6:当PeakVal_slow_hypo 大于其左右两个索引上的信号能量,且与PeakVal_fast 的差值小于门限Threshold, 判定这个假设速度V_hypo为目标实际速度的一个备选值Vel_candidate
7:从验证通过的所有备选值Vel_candidate中选出能量最大的一个Vel_candidate_max
8:输出目标的速度Vel为Vel_candidate_max
图 6. 速度扩展算法的测试结果
4.基于 Doppler 相偏补偿假设的速度扩展算法
图 3 中 2T4R TDM MIMO 的雷达工作方式, 通过 Tx1 和 Tx2 在时间上轮流发射 chirp,合并四根接收天线在连续两个 chirp 周期内的接收数据,虚拟出 1T8R 的天线阵列以获取更高的角度分辨率。但是在这一工作方式下等效的 chirp 周期(𝑇𝑐) 相对于 1T4R 的方式延长了一倍,导致雷达的最大检测速度(𝑉𝑚𝑎𝑥)也下降了一半。上一节介绍的基于中国剩余定理的速度扩展算法可以用来提高 TDM MIMO 下雷达的最大检测速度,但是需要使用 fast-slow chirp 的特殊波形,本节将介绍一种不需要改变波形设计的简单的速度扩展算法将 TDM MIMO 方式下雷达的最大检测速度提高一倍。
雷达信号处理中对于目标距离和速度的检测是根据2D-FFT 结果的幅度值进行的,而对于目标角度的检测是根据所有天线(TDM MIMO下为所有虚天线)上2D-FFT对应目标点的相位进行的。如图7 所示,2T4R TDM MIMO 的工作方式下由于运动目标的多普勒效应,Tx2 形成的四根虚拟天线相对于Tx1 形成的四根虚拟天线将会产生一个多普勒相偏∆𝜑。角度估计前必须要对这个多普勒相偏进行矫正,才能保证角度估计的正确性。
图 7. TDM MIMO 相偏补偿原理图
速度为𝑉𝑟的运动目标产生的多普勒频偏∆𝑓和多普勒相偏∆𝜑如公式(8)和(9)所示
(8)
4𝜋 ∗ 𝑉𝑟 ∗ 𝑓𝑐 ∗ 𝑇𝑐 (9)
∆𝜑 = 2𝜋 ∗ ∆𝑓 ∗ 𝑇𝑐 =
𝑐
对于发射天线数𝑁𝑇𝑥 = 2, 接收天线数𝑁𝑅𝑥 = 4的情况,假设在 8 根虚天线 (𝑁𝑇𝑥 ∗ 𝑁𝑅𝑥 = 8) 上对应目标的 2D-FFT 结果序列为𝑋(𝑚, 𝑛), 其中𝑚表示这个 2D-FFT 结果对应的发射天线编号 (0 < 𝑚 ≤ 𝑁𝑇𝑥 − 1), 𝑛 表示这个 2D-FFT 结果对应的接收天线编号 (0 < 𝑛 ≤ 𝑁𝑅𝑥 − 1) , 那么相偏补偿可以采用公式 (10) 进行
𝑋′(𝑚,𝑛) = 𝑋(𝑚, 𝑛) ∗ 𝑒−𝑗∗𝑚∗∆𝜑 , (0 < 𝑚 ≤ 𝑁𝑇𝑥 − 1,0 < 𝑛 ≤ 𝑁𝑅𝑥 − 1) (10) 从公式(9)可知,只有首先知道目标的实际速度𝑉𝑟才能知道实际相偏∆𝜑。为了便于分析,我们定义雷达估计出的目标速度为𝑉𝑒𝑠𝑡, 相偏为∆𝜑𝑒𝑠𝑡.
(11)
如前面讨论的,目标实际速度𝑉𝑟和雷达估计出的速度𝑉𝑒𝑠𝑡之间满足公式(12).
𝑉𝑟 = 𝑉𝑒𝑠𝑡 + 2 ∗ 𝑘 ∗ 𝑉𝑚𝑎𝑥 , 𝑘 = ⋯ , −1,0,1,⋯ (12)
•case 1: 𝑉𝑟 < 𝑉𝑚𝑎𝑥
当目标的实际速度𝑉𝑟小于雷达最大检测速度𝑉𝑚𝑎𝑥 时(𝑘 = 0),目标实际速度𝑉𝑟等于雷达估计出的速度𝑉𝑒𝑠𝑡
𝑉𝑟 = 𝑉𝑒𝑠𝑡 (13)
此时目标的多普勒相偏∆𝜑可以由𝑉𝑒𝑠𝑡带入公式(9)直接计算
∆𝜑= ∆𝜑𝑒𝑠𝑡 (14) 将∆𝜑𝑒𝑠𝑡带入公式(10), 可以通过𝑉𝑒𝑠𝑡完全纠正多普勒相偏∆φ, 后续的角度 FFT 可以获得目标角度对应的 FFT 峰值。
•case 2 𝑉𝑟 > 𝑉𝑚𝑎𝑥
当目标的实际速度𝑉𝑟大于雷达最大检测速度𝑉𝑚𝑎𝑥时(𝑘 ≠ 0),雷达计算的速度是一个模糊值.
𝑉𝑟 = 𝑉𝑒𝑠𝑡 + 2 ∗ 𝑘 ∗ 𝑉𝑚𝑎𝑥 , 𝑘 = ⋯ ,−1,1,⋯ (15) 结合公式(3), (9), (11)和(15),可以得到:
∆𝜑 = ∆𝜑𝑒𝑠𝑡 + 𝑘 ∗ 𝜋 , 𝑘 = ⋯ ,−1,1, ⋯ (16) 从公式(16)可知,目标实际产生的相偏∆𝜑等于雷达估计出的相偏值∆𝜑𝑒𝑠𝑡加上π的整数倍,如果将∆𝜑𝑒𝑠𝑡带入公式(10),无法纠正多普勒相偏∆φ,后续的角度 FFT 无法获得目标角度对应的 FFT 峰值。只有对∆𝜑𝑒𝑠𝑡 按照公式(16) 进行修正,再带入公式(10)后,才能完全纠正多普勒相偏∆φ, 后续的角度 FFT 才可以获得目标角度对应的 FFT 峰值。
根据上面的分析,我们可以采用表 4 的算法来对 TDM MIMO 的雷达工作方式进行速度扩展
表 4.基于Doppler相偏补偿假设的速度扩展算法描述
速度扩展算法: 1:根据公式(11)由雷达估计的目标速度𝑉𝑒𝑠𝑡计算多普勒相偏∆𝜑𝑒𝑠𝑡 2:将∆𝜑𝑒𝑠𝑡带入公式(10)对虚天线(𝑚, 𝑛)上的目标2D-FFT的结果𝑋(𝑚,𝑛)进行多普勒相偏矫正,得到𝑋′(𝑚, 𝑛) 3:对序列𝑋′(𝑚, 𝑛)进行角度FFT,并计算FFT结果的幅度平方,保存结果到set0,”uncorrected set” 4:对序列𝑋′(𝑚, 𝑛)按照下面的公式进行符号调整 𝑋′′(𝑚,𝑛) = 𝑐𝑜𝑛𝑗[𝑋′(𝑚, 𝑛)], if (m = 1) 5:对序列𝑋′′(𝑚, 𝑛)进行角度FFT,并计算FFT结果的幅度平方,保存结果到set1,”corrected set” 6:在set0和set1中搜索最大值,并记录下最大值所在的set 7:如果最大值在set1中出现,按照下面的公式来进行速度扩展 𝑉𝑐𝑜𝑟𝑟 = 𝑉𝑒𝑠𝑡 + 2𝑉𝑚𝑎𝑥, if (𝑉𝑒𝑠𝑡 < 0) 𝑉𝑐𝑜𝑟𝑟 = 𝑉𝑒𝑠𝑡 − 2𝑉𝑚𝑎𝑥, if (𝑉𝑒𝑠𝑡 > 0) 8:如果最大值在set0中出现,不进行速度扩展 𝑉𝑐𝑜𝑟𝑟 = 𝑉𝑒𝑠𝑡 |
图 8 和图 9 分别给出了采用表 4 的算法在𝑉𝑟 < 𝑉𝑚𝑎𝑥和𝑉𝑟 > 𝑉𝑚𝑎𝑥情况下,set0 和 set1 中 FFT 峰值的情况,形象地说明了算法的工作原理。
图 8. . 𝐕 < 𝐕𝐦𝐚𝐱下速度扩展算法的例子
图 9. 𝐕 > 𝐕𝐦𝐚𝐱下速度扩展算法的例子
5.基于目标跟踪假设的速度扩展算法
如图10 所示,通常的雷达处理分为不同的层次,目标检测层输出点云给上层,点云中的每个点包含一个目标反射点的距离,径向速度和角度等信息。目标跟踪层根据检测层的点云输入,结合目标的历史记录,完成点云到目标的对应(association), 并最终实现目标的定位(Localization),向上层输出可以跟踪的目标列表及其对应的属性。
图 10. 雷达处理的分层结构
基于AWR1642汽车雷达的速度扩展算法研究
前面介绍的两种速度扩展算法都是在目标检测层来提高雷达的最大检测速度,并没有利用到目标的历史信息。那么我们也可以先假设目标检测层得到的速度值𝑉𝑒𝑠𝑡是一个模糊的速度,按照公式(12)假定目标的实际速度有若干个可能的取值,然后把这几种假设都提交给目标跟踪层。目标跟踪的模块图如图 11 所示,一般采用 Kalman 滤波器为检测到的每个目标建立一个 tracker,目标检测层提交的每个测量值首先要和跟踪层已经存在的 tracker 进行关联 (Association), 关联成功后,将这个测量值带入 Kalman 滤波方程,利用 tracker 的预测值对本次测量值进行调整 (Refine),从而得到更加可靠的目标信息。基于目标跟踪假设的速度扩展算法,就是在做关联的时候把目标检测层提供的几种不同速度假设都进行处理。根据打分的结果(Scoring,也就是和tracker 历史信息匹配的程度) 来判断一个假设是否成立,对于成立的假设认为它是一个合理的速度值,带入对应的 tracker 进行后续的处理。这样通过目标跟踪算法判断了目标和合理速度值,解决了目标检测层最大检测速度不够的问题。
图 11. 目标跟踪的模块图
6.总结
本文比较研究了适合 TI AWR1642 的几种雷达速度扩展算法。基于中国剩余定理的速度扩展算法适用面广,速度估计的准确度高,但是需要结合 Fast-slow chirp 的特殊波形。基于 Doppler 相偏补偿假设的速度扩展算法非常适合 TDM-MIMO 的波形配置,不需要改变雷达的波形,但是当前只能支持最大两倍的速度扩展。基于目标跟踪假设的速度扩展算法充分利用了目标跟踪的历史信息,对目标检测层的要求低,但是加大了目标跟踪的计算量,对目标速度突变的响应受跟踪周期影响。每一种算法都有各自的优点和适用范围,用户在雷达系统设计的时候可以根据自己系统的特点,来选用适合的算法来提高雷达系统的最高检测速度。
参考文献
1.Sriram Murali and Pankaj Gupta, “FMCW Radar System Overview, Session #1: FMCW Radar Signal Processing”, TI internal document, 2015
2.TIDEP-0092, Short Range Radar Reference Design Using AWR1642
3.Michael Livshitz, “Tracking Radar Targets with Multiple Reflection Points”, TI internal document, 2017