[发明专利]评估重叠目标的方法

说明书

用于评估二维雷达频谱(100)中的重叠目标(110)的方法，其中执行以下步骤：‑提供(10)二维雷达频谱(100)，‑从频谱(100)中选择(20)至少一个关注区域(120)作为输入信号(105)，‑执行输入信号(105)的评估(200)以确定关于重叠目标(110)的信息，其中评估(200)特定于模型阶数选择方法。

本发明涉及一种用于评估雷达频谱中的重叠目标的方法。此外，本发明涉及雷达系统、计算机程序和计算机可读介质。

汽车雷达传感器由于其能够监视车辆周围环境以避免潜在危险，因此在高级驾驶员辅助系统(ADAS)中越来越受到关注。由于二维(2-D)有限傅里叶变换(FFT)，目标参数(即距离和相对径向速度)可以被确定为距离多普勒(RD)频谱中的局部最大值(峰)，而无需大量计算工作。但是，由于对雷达传感器中嵌入式系统的可用带宽和存储器大小的约束，基于傅立叶的估计无法提供任意的精细距离和多普勒分辨率。RD频谱中的每个峰均被假设为单点目标。而在许多关键用例中，当共享相似的距离和相对速度的目标在RD频谱中彼此部分重叠时，可能会违反这种假设。为了克服这些约束，在出版物F.Engels等人，”Advances inautomotive radar:a framework on computationally efficient high-resolutionfrequency estimation,”IEEE Signal Processing Magazine,vol.34,no.2,pp.36-46,Mar.201中已提到参数化高分辨率算法。但是，这要求先验地知道源(即，频谱中的目标)的数量。

出版物T.Fei等人，”A novel target separation algorithm applied to thetwo dimensional spectrum for FMCW automotive radar systems”,IEEEInt.Conf.Microwaves,Antennas,Comms.and Elec.Systems,2017年11月公开了可以用于提高分辨率的改进的矩阵束方法，其中通过对奇异值进行阈值处理将输入数据矩阵的优势奇异值的数量作为对源的数量的估计。

此外，在应用高分辨率算法之前，使用一维(1-D)模型阶数选择方法来估计源的数量。但是，那些1-D MOS方法是为1-D指数信号的叠加而设计的，并不适用于2-D情况。

因此，不存在对于在2-D情况下应用参数化高分辨率算法将必要的能够估计2-D频谱中的源的数量的可靠解决方案。

本发明的目的是至少部分地避免前述的缺点。具体而言，本发明的目的是提出一种用于估计二维雷达频谱中重叠目标的数量的可靠的解决方案。

通过具有权利要求1的特征的方法和具有权利要求8的特征的雷达系统、具有权利要求9的特征的计算机程序以及具有权利要求10的特征的计算机可读介质来解决上述问题。本发明的特征和细节由从属权利要求、说明书和相应的附图得出。关于本发明的方法讨论的特征和细节也与关于本发明的雷达系统和/或计算机程序和/或计算机可读介质讨论的特征和细节相关，和/或反之亦然。

该问题具体而言通过一种用于评估二维雷达频谱中的重叠目标(源)的方法来解决，其中执行以下步骤，特别地一个接一个地执行或以任何顺序执行，其中单个步骤也可以重复执行：

-提供二维雷达频谱，

-从频谱中选择至少一个关注区域作为输入信号，其中优选地关注区域小于整个雷达频谱(仅是整个雷达频谱的一部分)，特别是具有预定大小，

-执行输入信号的评估以确定关于重叠目标的信息，优选地确定在关注区域中重叠的目标的数量(即，确切量)，其中特别地，评估特定于(或包括)模型阶数选择方法。