0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

雷达收发器在ADAS和自动驾驶中的重要地位

星星科技指导员 来源:Renesas 作者: Marta Martínez Váz 2022-04-22 17:03 次阅读

在这篇专门讨论汽车雷达的博客的最后一篇文章中,我们分析了影响探测范围的 MMIC 雷达收发器的参数。在这里,我们将解释如何提高检测精度,重点关注视场以及范围和角度分辨率。确实,仅仅“看”得越远越好。能够区分距离或角度(方位)接近的两个目标也很重要。

图像

1.1 距离分辨率

雷达的距离分辨率定义为区分放置在相同角方向(方位)但距雷达不同距离的不同目标的能力。两个目标反射的信号在时域中发生偏移。

pYYBAGJib1WAZaDBAABDzMUl1bk289.jpg

图 1 发射和接收的雷达信号(2 个目标)。

在执行 FFT(快速傅立叶变换)之后,获得了对应于每个目标的两个单独的基带频率(频移)。

poYBAGJib1WAF4WrAAAiWEOpROY207.jpg

图 2 两个检测到的目标的频移(基带频率)。

两个目标越接近,基带频率Δ f 1和Δ f 2之间的差异越小。在某个时刻,雷达系统将无法再将它们分开。该最小频移/距离对应于一个 FFT bin。在观察时间T c内可以解析的最小频率差 Δ f为:

pYYBAGJib1WAXyN5AAAFEw94LGQ589.png

(1)

Δ f可以通过增加观察时间来改善(即最小化)。

目标之间的距离 Δ R与 Δ f直接相关:

poYBAGJib1WAczK9AAAFOjTZq60548.png

(2)

其中 c 为光速。

其中S是发射雷达信号的斜率(以 Hz/s 为单位的啁啾率)。由于带宽是信号斜率及其持续时间的乘积,因此距离分辨率 d res可以写成信号带宽的函数:

pYYBAGJib1aASj11AAAF24yt9sI975.png

(3)

因此,雷达芯片的带宽将对可实现的距离分辨率产生直接影响:

表 1 距离分辨率与雷达信号带宽。

pYYBAGJib7WAV11MAAAThUvfM40877.png

对于需要高分辨率的应用,例如成像雷达,将需要大带宽。然而,远程雷达等其他应用不需要厘米数量级的精度,因此较小的带宽就足够了。考虑这一点很重要,因为最大雷达范围与带宽成反比:

poYBAGJib1aAMiODAAAGnyFrpDk826.png

(4)

对于给定的采样率F s,增加带宽将减小检测范围。

1.2 视野

以明确的方式确定目标(方位)的方向也很重要。这只能在雷达的视场 (FOV) 内实现,它定义了雷达在方位角(水平面)和仰角(垂直面)的角度覆盖范围。

图像图像汽车雷达使用多个接收天线来确定反射信号的到达角 (AoA),从而确定障碍物的角位置。因此,天线阵列的几何形状将成为视场的限制因素。

如果考虑单个发射天线,FOV 将由接收天线的几何形状和辐射特性决定。让我们考虑两个接收天线相隔距离 d 的情况。

pYYBAGJib1aAQF3nAAAZ-mrYaec533.jpg

图 5 用于确定 AoA 的接收天线。

可以通过比较每个天线接收到的信号的相移来计算信号的到达角。接收信号的相移取决于频率(波长)和天线之间的距离,如图 6 所示:

poYBAGJib1aAefuyAAAGVRbrns0193.png

(5)

到达角的明确测量的角度范围是相位差从 -180° 到 +180° 单调变化的范围,因此从纯几何的角度来看,理论 FOV 由下式给出:

pYYBAGJib1aARi5mAAAIMTQULY8295.png

(6)

当可以检测到从 -90° 到 +90° 的所有到达角时,可实现最大视野。这是当天线之间的距离等于工作频率波长的一半时的情况,即:

pYYBAGJib1aAVDdwAAADHsQ_jOg424.png

poYBAGJib1aADCgTAAA9C6F2cwQ630.jpg

图 6 两个接收天线的相位差,d = λ/2。

对于 77GHz 的汽车雷达,理论 FOV 可以通过使用大约 2mm 的天线之间的间隔来最大化。这是假设使用的天线是各向同性的辐射器。在现实生活中,视场将进一步受到天线辐射模式的限制。

现在让我们考虑一下,接收天线是两个均匀的线性贴片阵列,如图 8 所示。

pYYBAGJib1aAavvQAAAi6SVx2c8411.jpg

图 7 线性贴片阵列作为接收天线,用于确定方位角和仰角的 AoA。

在这种情况下,方位角上的天线方向图很宽(相当于贴片天线),因此它对FOV的影响是有限的。主要的限制效应是行之间的间距 dx,FOV 可以使用 eq. (6)。

对于仰角 FOV,垂直行中的所有贴片都被视为单个天线。为了计算理论 FOV,我们需要考虑行的相位中心(即行的总辐射起源的假想点)。仰角的理论 FOV 将受到每个垂直行 (dy) 的相位中心之间的垂直间距的限制。如果这种分离是半个波长,我们原则上可以获得最大 FOV。然而,在这种情况下,天线的半功率波束宽度 (HPBW) 要小得多(~20-25°),因此无法在天线波束之外进行检测。在这种情况下,辐射方向图将成为 FOV 的限制因素。

1.3 角度分辨率

与距离分辨率的情况一样,能够区分以不同角度(方位)放置但距离相同的两个单独目标也很重要。这里,由于信号延迟引起的频移不能用于识别来自每个目标的信号。同样,需要特殊的分集,在不同的位置有多个天线。

角分辨率θ res表示雷达可以分辨的最小角间距。对于单个发射天线,它可以计算为:

poYBAGJib1aAGseMAAAGgEU2Ezk420.png

(7)

N是接收天线的数量,θ是到达角。对于接近视轴方向 ( θ = 0°) 的轴承,角分辨率最大:

pYYBAGJib1eAc8ALAAAFtDTslUQ249.png

(8)

如果我们考虑天线是分开的

pYYBAGJib1aAVDdwAAADHsQ_jOg424.png

,为了最大化FOV,角分辨率将与频率无关,仅由接收天线的数量决定。

poYBAGJib1eAYxvcAAAFb2uM8MU529.png

(9)

因此,可以通过增加天线数量来提高分辨率。这只能通过向雷达 MMIC 收发器添加更多通道来实现。通过使用多根发射天线进行 MIMO(多输入多输出)和超分辨率后处理,可以进一步提高分辨率。

1.4 结论

在本条目中,介绍了确定雷达系统精度的参数。距离分辨率与雷达收发器的性能直接相关,而角分辨率和视场也取决于雷达系统中使用的天线的几何形状。

审核编辑:郭婷

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 收发器
    +关注

    关注

    10

    文章

    3393

    浏览量

    105850
  • 天线
    +关注

    关注

    68

    文章

    3181

    浏览量

    140699
  • 雷达
    +关注

    关注

    50

    文章

    2896

    浏览量

    117280
收藏 人收藏

    评论

    相关推荐

    MEMS技术自动驾驶汽车的应用

    的核心作用 MEMS传感以其微小但功能强大的特性,自动驾驶汽车中发挥着至关重要的作用。它们能够实时监测和控制车辆的各种参数,为
    的头像 发表于 11-20 10:19 141次阅读

    汽车雷达回波发生的技术原理和应用场景

    的波束并向前传播,以模拟真实的雷达工作环境。应用场景 自动驾驶系统的开发和测试:自动驾驶系统的开发和测试过程,汽车电子
    发表于 11-15 14:06

    激光雷达自动驾驶的应用

    自动驾驶技术正逐渐改变我们的出行方式,而激光雷达(LiDAR)作为实现这一技术的关键传感之一,其重要性不言而喻。激光雷达通过发射激光脉冲并
    的头像 发表于 10-27 10:34 453次阅读

    自动驾驶HiL测试方案案例分析--ADS HiL测试系统#ADAS #自动驾驶 #VTHiL

    自动驾驶
    北汇信息POLELINK
    发布于 :2024年10月22日 15:20:19

    自动驾驶HiL测试方案介绍#ADAS #自动驾驶 #VTHiL

    自动驾驶
    北汇信息POLELINK
    发布于 :2024年10月12日 18:02:07

    FPGA自动驾驶领域有哪些优势?

    领域的主要优势: 高性能与并行处理能力: FPGA内部包含大量的逻辑门和可配置的连接,能够同时处理多个数据流和计算任务。这种并行处理能力使得FPGA处理自动驾驶复杂的图像识别、传感
    发表于 07-29 17:11

    FPGA自动驾驶领域有哪些应用?

    的数据处理和预处理,实现实时计算和反馈。 二、数据传输与处理FPGA自动驾驶扮演着数据传输和处理的角色。它能够支持多种传感(如激光雷达
    发表于 07-29 17:09

    深度学习自动驾驶的关键技术

    随着人工智能技术的飞速发展,自动驾驶技术作为其中的重要分支,正逐渐走向成熟。自动驾驶系统,深度学习技术发挥着至关
    的头像 发表于 07-01 11:40 667次阅读

    标贝数据采集标注自动驾驶场景中落地应用实例

    AI数据服务作为人工智能和机器学习的基础,自动驾驶领域中有着重要地位。与其他人工智能应用场景相比,自动驾驶的落地场景相对复杂,想要让汽车本身的算法做到处理更多、更复杂的场景,就需要运
    的头像 发表于 05-28 14:22 469次阅读
    标贝数据采集标注<b class='flag-5'>在</b><b class='flag-5'>自动驾驶</b>场景中落地应用实例

    未来已来,多传感融合感知是自动驾驶破局的关键

    技术 ,摄像头和雷达等多传感的探测数据 在前端(数据获取时)交互验证,让自动驾驶系统能感知到“看不见”的危险。 例如,反向车道有强远光灯干扰的情况下,当
    发表于 04-11 10:26

    自动驾驶汽车技术 | 车载雷达系统

    自动驾驶汽车技术 | 车载雷达系统
    的头像 发表于 03-20 08:09 2828次阅读
    <b class='flag-5'>自动驾驶</b>汽车技术 | 车载<b class='flag-5'>雷达</b>系统

    语音数据集自动驾驶的应用与挑战

    随着人工智能技术的快速发展,自动驾驶汽车已经成为交通领域的研究热点。语音数据集自动驾驶中发挥着重要的作用,为驾驶员和乘客提供了更加便捷和安
    的头像 发表于 12-25 09:48 520次阅读

    LabVIEW开发自动驾驶的双目测距系统

    挑战,包括激光雷达、单目测距和双目视觉技术等。在当前的高级辅助驾驶技术(ADAS,双目视觉技术距离检测方面表现出色,它可以精确地测量物
    发表于 12-19 18:02

    自动驾驶的新宠:毫米波雷达技术的探索与挑战

    随着科技的不断进步,自动驾驶汽车的发展已经成为交通产业的一大趋势。在这个过程,毫米波雷达技术的应用发挥着至关重要的作用。本文将对毫米波雷达
    的头像 发表于 12-07 11:32 1620次阅读
    <b class='flag-5'>自动驾驶</b>的新宠:毫米波<b class='flag-5'>雷达</b>技术的探索与挑战

    传感自动驾驶的应用

    传感自动驾驶的应用
    的头像 发表于 11-27 17:06 750次阅读
    传感<b class='flag-5'>器</b><b class='flag-5'>在</b><b class='flag-5'>自动驾驶</b><b class='flag-5'>中</b>的应用