毫米波雷達多目標檢測與參數(shù)估計算法研究.pdf_第1頁
已閱讀1頁,還剩122頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著社會經濟的發(fā)展和人民生活水平的提高,汽車作為交通運輸?shù)闹饕侄?,已成為當今社會生活中不可缺少的工具。在汽車給人類帶來巨大便利的同時,隨之而來的安全問題也不容忽視,車載防撞雷達作為一種主動式安全防御措施逐漸成為大家關注的焦點,而毫米波雷達憑借體積小、重量輕、成本低、全天候、高分辨率等獨特優(yōu)點受到許多國家和研究機構的青睞。本文以車載防撞雷達為研究背景,針對毫米波雷達多目標檢測和參數(shù)估計算法中的一些關鍵技術展開研究,并設計了一種低復雜度的

2、毫米波車載雷達信號處理模塊,應用于24GHz汽車前防撞雷達系統(tǒng)。
  首先,闡述了毫米波雷達的研究背景及意義,介紹國內外研究現(xiàn)狀,主要包括產品級研究進展和毫米波雷達關鍵技術研究進展,對不同體制連續(xù)波雷達測距測速原理進行了詳細推導,為后續(xù)研究和仿真提供了理論基礎。
  其次,研究了毫米波線性調頻連續(xù)波(Linear Frequency Modulated Continuous Wave,LFMCW)雷達中的多目標配對和速度解模

3、糊算法。首先,針對現(xiàn)有變周期三角波LFMCW雷達利用容差函數(shù)進行多目標配對方法在目標數(shù)較多時算法復雜度較高的缺點,提出一種利用先驗信息壓縮頻率配對空間的多步配對算法,降低配對復雜度。然后,針對現(xiàn)有鋸齒波LFMCW雷達多重脈沖重復頻率(Pulse Recurrence Frequency,PRF)解速度模糊算法復雜度高、魯棒性差等缺點,提出一種改進算法,該算法根據(jù)模糊速度計算可能的速度值,得到對應的慢時間維離散傅里葉變換(Discrete

4、 Fourier Transform,DFT)因子及其頻譜幅度值,最大頻譜幅度值對應的速度值即為不模糊速度,極大降低了解模糊算法復雜度。
  然后,研究了恒虛警概率(Constant False Alarm Rate,CFAR)檢測算法。在分析恒虛警概率檢測目標遮蔽和自遮蔽效應形成原因的基礎上,提出了一種能夠自適應改變噪聲電平估計樣本的改進CFAR算法,該算法在CFAR檢測過程中加入一個反饋操作,當某一頻譜單元存在目標時,用估計得

5、到的噪聲功率電平代替該頻譜單元值,減小對后續(xù)頻譜單元噪聲功率電平估計的影響,從而減小目標遮蔽與自遮蔽效應。針對二維CFAR算法,根據(jù)雷達速度計算不同距離單元的靜止雜波所處的速度單元,將二維平面劃分為噪聲區(qū)與雜波區(qū),對不同區(qū)域采用不同的CFAR準則進行檢測,在保證虛警概率的前提下提高目標檢測概率。
  最后,針對變周期三角波車載防撞雷達幀結構層次不清,實用性差的問題,提出一種多層次、低復雜度的幀結構及其設計方法,以采樣間隔為最小時間

6、單位更有利于系統(tǒng)同步,采用固定長度的子時隙和時隙時間使幀結構更加簡單,降低硬件實現(xiàn)成本。利用現(xiàn)有系統(tǒng)硬件結構進行虛擬陣列的設計,通過調整發(fā)射天線間距并采用時間分集方式形成具有更大孔徑的虛擬接收陣列,獲得更高的波束成形增益。在此基礎上,設計一種低復雜度的信號處理模塊,該模塊由信號預處理、波束成形、CFAR檢測和多目標配對等子模塊組成,并在ADSP-BF707平臺上進行實現(xiàn),應用于24GHz汽車前防撞雷達系統(tǒng)。實測結果顯示,該模塊算法能夠實

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論