В этом примере показано, как смоделировать автомобильный радар в Simulink, который включает адаптивный круиз-контроль (ACC), который является важной функцией продвинутой системы помощи водителю (ADAS). Пример исследует сценарии с единой целью и несколькими целями. Это показывает, как модулируемая частотой непрерывная волна (FMCW) и формы волны нескольких манипулирований сдвига частоты (MFSK) могут быть обработаны, чтобы оценить область значений и скорость окружающих транспортных средств.
Доступные реализации в качестве примера
Этот пример включает четыре модели Simulink®:
Радарная Оценка Области значений FMCW: slexFMCWExample.slx
Радарная Область значений FMCW и Оценка Скорости Нескольких Целей: slexFMCWMultiTargetsExample.slx
Радарная Область значений MFSK и Оценка Скорости Нескольких Целей: slexMFSKMultiTargetsExample.slx
Радарная Область значений FMCW, Скорость и Угловая Оценка Нескольких Целей: slexFMCWMultiTargetsDOAExample.slx
Следующая модель показывает сквозную радиолокационную систему FMCW. Системная настройка похожа на MATLAB Автомобильный Адаптивный Круиз-контроль Используя Технологический пример FMCW. Единственная разница между этой моделью и вышеупомянутым примером - то, что эта модель имеет развертку формы волны FMCW, которая симметрична вокруг несущей частоты.
Рисунок показывает поток сигналов в модели. Блоки Simulink, которые составляют модель, разделены на два главных раздела, раздел Radar и раздел Channel и Target. Теневой блок слева представляет радиолокационную систему. В этом разделе сигнал FMCW сгенерирован и передан. Этот раздел также содержит получатель, который получает радарное эхо и выполняет ряд операций, таких как dechirping и импульсное интегрирование, чтобы оценить целевой диапазон. Теневой блок на правильных моделях распространение сигнала через пробел и его отражение от автомобиля. Выход системы, предполагаемой области значений в метрах, показывают в блоке отображения слева.
Радар
Радиолокационная система состоит из соразмещенного передатчика и получателя, смонтированного на транспортном средстве, проходящем прямая дорога. Это содержит компоненты обработки сигналов, должен был извлечь информацию из возвращенного целевого эха.
FMCW - Создает сигнал FMCW. Форма волны FMCW является общим выбором в автомобильном радаре, потому что это обеспечивает способ оценить область значений с помощью радара непрерывной волны (CW). Расстояние пропорционально перемещению частоты между переданным сигналом и полученным эхом. Сигнал развертывает пропускную способность 150 МГц.
Transmitter - Передает форму волны. Рабочая частота передатчика составляет 77 ГГц.
Receiver Preamp - Получает целевое эхо и добавляет шум получателя.
Radar Platform - Симулирует радарную траекторию транспортного средства.
Signal Processing - Обрабатывает полученный сигнал и оценивает область значений целевого транспортного средства.
В Радаре целевое эхо проходит несколько шагов обработки сигналов, прежде чем целевой диапазон сможет быть оценен. Подсистема обработки сигналов, показанная более подробно ниже, состоит из четырех первичных этапов.
Этап 1: первая стадия dechirps полученный сигнал путем умножения его с переданным сигналом. Эта операция производит частоту удара между целевым эхом и переданным сигналом. Целевой диапазон пропорционален частоте удара. Эта операция также уменьшает пропускную способность, требуемую обработать сигнал. Затем 64 развертки буферизуются, чтобы сформировать datacube. datacube размерности являются быстро-разовыми по сравнению с медленно-разовым. Этот datacube затем передается Matrix Sum блокируйтесь, где медленно-разовые выборки интегрированы, чтобы повысить отношение сигнал-шум. Данные затем передаются Range Response блокируйтесь, который выполняет операцию FFT, чтобы преобразовать частоту удара, чтобы расположиться.
Этап 2: второй этап - то, где обработка обнаружения происходит. Детектор в этом примере является 1-мерным детектором постоянного ложного сигнального уровня (CFAR) усреднения ячейки (CA), который действует в размерности области значений.
Этап 3: обнаружения затем передаются третьей стадии, где они агрегированы в кластеры с помощью Основанной на плотности Пространственной Кластеризации Приложений с Шумовым алгоритмом в DBSCAN Clusterer блок. Кластеризирующийся блок кластеризирует обнаружения в области значений с помощью обнаружений, идентифицированных CA CFAR блок.
Этап 4: четвертым и заключительным этапом является Range Estimator блок. Этот этап оценивает область значений обнаруженных целей в радарных данных.
Образуйте канал и предназначайтесь
Канал и Целевая часть модели симулируют распространение сигнала и отражение от целевого транспортного средства.
Channel - Симулирует распространение сигнала между радарным транспортным средством и целевым транспортным средством. Канал может быть установлен или как канал свободного пространства угла обзора или как канал 2D луча, куда сигнал прибывает в получатель и через прямой путь и через отраженный путь от земли. Выбором по умолчанию является канал свободного пространства.
Car - Отражает инцидентный сигнал и симулирует целевую траекторию транспортного средства. Подсистема, показанная ниже, состоит из двух частей: целевая модель, чтобы симулировать эхо и модель платформы, чтобы симулировать динамику целевого транспортного средства.
В Автомобильной подсистеме целевое транспортное средство моделируется как цель точки с заданным радарным сечением. Радарное сечение используется, чтобы измериться, сколько степени может быть отражено от цели.
В сценарии этой модели радарное транспортное средство запускается в начале координат, перемещающемся на уровне 100 км/ч (27,8 м/с), в то время как целевое транспортное средство запускается на уровне 43 метров перед радарным транспортным средством, перемещающимся на уровне 96 км/ч (26,7 м/с). Положения и скорости и радара и целевых транспортных средств используются в канале распространения, чтобы вычислить задержку, Доплера и потерю сигнала.
Исследование модели
Несколько диалоговых параметров модели вычисляются функцией помощника helperslexFMCWParam. Чтобы открыть функцию из модели, нажмите на Modify Simulation Parameters блок. Эта функция выполняется однажды, когда модель загружается. Это экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, или измените значения в структуре в командной строке или отредактируйте функцию помощника и повторно выполните его, чтобы обновить структуру параметра.
Результаты и отображения
Спектрограмма FMCW сигнализирует ниже показов, что сигнал линейно развертывает промежуток 150 МГц приблизительно каждые 7 микросекунд. Эта форма волны обеспечивает разрешение приблизительно 1 метра.
Спектр сигнала dechirped показывают ниже. Фигура указывает, что частота удара, введенная к установленному сроку, составляет приблизительно 100 кГц. Обратите внимание на то, что после dechirp, сигнал имеет только одну частотную составляющую. Получившаяся оценка области значений, вычисленная от этой частоты удара, как отображено в полной модели выше, хорошо в 1-метровом разрешении области значений.
Однако этот результат получен с каналом распространения свободного пространства. В действительности распространение между транспортными средствами часто включает разнообразные пути между передатчиком и получателем. Поэтому сигналы от различных путей могут добавить или конструктивно или пагубно в получателе. Следующий раздел устанавливает распространение на канал 2D луча, который является самым простым многопутевым каналом.
Запустите симуляцию и наблюдайте спектр сигнала dechirped.
Обратите внимание на то, что больше нет доминирующей частоты удара, потому что в этой области значений, сигнал от прямого пути и отраженного пути объединяется пагубно, таким образом, уравновешивая друг друга. Это может также быть замечено по предполагаемой области значений, которая больше не совпадает с основной истиной.
Модель в качестве примера ниже показов подобная сквозная радиолокационная система FMCW, которая симулирует 2 цели. Этот пример оценивает и область значений и скорость обнаруженных целей.
Модель является по существу тем же самым как предыдущим примером с тремя первичными различиями. Эта модель:
содержит две цели,
обработка соединения Доплера области значений использования, которая происходит в Range-Doppler Response блокируйтесь, и
выполняет обнаружение с помощью 2-мерного CFAR CA.
Радар
Эта модель использует соединение Доплера области значений, обрабатывающее в подсистеме обработки сигналов. Обработка соединения в области Доплера области значений позволяет оценить Доплера через несколько разверток и затем использовать ту информацию, чтобы разрешить Доплера области значений, связывающегося, приводя к лучшим оценкам области значений.
Подсистему обработки сигналов показывают подробно ниже.
Этапы, которые составляют подсистему обработки сигналов, похожи на предшествующий пример. Каждый этап выполняет следующие действия.
Этап 1: первая стадия снова выполняет dechirping и блок datacube с 64 развертками. datacube затем передается Range-Doppler Response блокируйтесь, чтобы вычислить карту Доплера области значений входного сигнала.
Этап 2: второй этап - то, где обработка обнаружения происходит. Детектором в этом примере является CA CFAR 2-D блокируйтесь, который действует и в области значений и в Доплеровских размерностях.
Этап 3: Кластеризация происходит в DBSCAN Clusterer блокируйте использование и область значений и Доплеровские размерности. Кластеризирующиеся результаты затем отображены Plot Clusters блок.
Этап 4: четвертый и заключительный этап оценивает область значений и скорость целей из карты Доплера области значений с помощью Range Estimator и Doppler Estimator блоки, соответственно.
Как упомянуто в начале примера, радар FMCW использует сдвиг частоты, чтобы вывести область значений цели. Однако движение цели может также ввести сдвиг частоты из-за эффекта Доплера. Поэтому частота удара имеет и область значений и связанную информацию о скорости. Обработка области значений и Доплера одновременно позволяет нам удалить эту неоднозначность. Пока развертка достаточно быстра так, чтобы цель осталась в том же логическом элементе области значений для нескольких разверток, Доплер может быть вычислен через несколько разверток и затем раньше может корректировать начальные оценки области значений.
Образуйте канал и предназначайтесь
Существует теперь два целевых транспортных средства в сцене, помеченной как Автомобиль и Грузовик, и каждое транспортное средство имеет связанный канал распространения. Автомобиль запускает 50 метров перед радарным транспортным средством и перемещается со скоростью 60 км/ч (16,7 м/с). Грузовик запускается на уровне 150 метров перед радарным транспортным средством и перемещается со скоростью 130 км/ч (36,1 м/с).
Исследование модели
Несколько диалоговых параметров модели вычисляются функцией помощника helperslexFMCWMultiTargetsParam. Чтобы открыть функцию из модели, нажмите на Modify Simulation Parameters блок. Эта функция выполняется однажды, когда модель загружается. Это экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, или измените значения в структуре в командной строке или отредактируйте функцию помощника и повторно выполните его, чтобы обновить структуру параметра.
Результаты и отображения
Сигнал FMCW, показанный ниже, эквивалентен в предыдущей модели.
Две цели могут визуализироваться в карте Доплера области значений ниже.
Карта правильно показывает две цели: один на уровне 50 метров и один на уровне 150 метров. Поскольку радар может только измерить относительную скорость, ожидаемые значения скорости для этих двух транспортных средств составляют 11,1 м/с и-8.3 м/с, соответственно, где знак минус указывает, что Грузовик переезжает от радарного транспортного средства. Точные оценки скорости могут затруднить, чтобы вывести из карты Доплера области значений, но предполагаемые области значений и скорости показывают численно в блоках отображения в модели слева. Как видно, оценки скорости совпадают с ожидаемыми значениями хорошо.
Чтобы смочь сделать, объединенная оценка области значений и скорости с помощью вышеупомянутого подхода, развертка должна быть довольно быстрой, чтобы гарантировать, что транспортное средство является приблизительно стационарным во время развертки. Это часто переводит в более высокие затраты на оборудование. MFSK является новой формой волны, специально разработанной для автомобильного радара так, чтобы это могло достигнуть одновременной области значений и оценки скорости с более длинными развертками.
Пример ниже показов, как использовать форму волны MFSK, чтобы выполнить оценка скорости и область значений. Настройка сцены совпадает с предыдущей моделью.
Первичные различия между этой моделью и предыдущим находятся в блоке формы волны и подсистеме обработки сигналов. Форма волны MFSK по существу состоит из двух разверток FMCW со смещением фиксированной частоты. Развертка в этом случае происходит на дискретных шагах. От параметров блока формы волны MFSK время развертки может быть вычислено как продукт времени шага и количество шагов на развертку. В этом примере время развертки - немного более чем 2 мс, который является несколькими порядками, больше, чем эти 7 микросекунд для FMCW, используемого в предыдущей модели. Для получения дополнительной информации о форме волны MFSK смотрите Одновременную Оценку Области значений и Скорости Используя пример Формы волны MFSK.
Подсистема обработки сигналов описывает, как сигнал обрабатывается для формы волны MFSK. Сигнал сначала произведен в конце каждого шага и затем преобразован в частотный диапазон через БПФ. 1-мерный CA CFAR детектор используется, чтобы идентифицировать peaks, который соответствует целям в спектре. Затем частота в каждом пиковом местоположении и разности фаз между двумя развертками используется, чтобы оценить область значений и скорость целевых транспортных средств.
Исследование модели
Несколько диалоговых параметров модели вычисляются функцией помощника helperslexMFSKMultiTargetsParam. Чтобы открыть функцию из модели, нажмите на Modify Simulation Parameters блок. Эта функция выполняется однажды, когда модель загружается. Это экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, или измените значения в структуре в командной строке или отредактируйте функцию помощника и повторно выполните его, чтобы обновить структуру параметра.
Результаты и отображения
Предполагаемые результаты показывают в модели, совпадая с результатами, полученными из предыдущей модели.
Можно улучшить угловое разрешение радара при помощи массива антенн. В этом примере показано, как разрешить три целевых транспортных средства, перемещающиеся в отдельных маршрутах перед транспортным средством, перевозящим антенную решетку.
В этом сценарии радар перемещается в центральном маршруте магистрали на уровне 100 км/ч (27,8 м/с). Первое целевое транспортное средство перемещается 20 метров вперед в том же маршруте как радар на уровне 85 км/ч (23,6 м/с). Второе целевое транспортное средство перемещается на уровне 125 км/ч (34,7 м/с) в правильном маршруте и составляет 40 метров вперед. Третье целевое транспортное средство перемещается на уровне 110 км/ч (30,6 м/с) в левом маршруте и составляет 80 метров вперед. Антенная решетка радарного транспортного средства является универсальной линейной матрицей (ULA) с 4 элементами.
Источник системы координат сценария в радарном транспортном средстве. Область значений основной истины, скорость и угол целевых транспортных средств относительно радара
Range (m) Speed (m/s) Angle (deg)
---------------------------------------------------------------
Car 1 20 4.2 0
Car 2 40.05 -6.9 -2.9
Car 3 80.03 -2.8 1.4Подсистема обработки сигналов теперь включает направление оценки прибытия в дополнение к области значений и Доплеру, обрабатывающему.
Обработка очень похожа на ранее обсужденную модель FMCW Multiple Target. Однако в этой модели, существует 5 этапов вместо 4.
Этап 1: Подобно ранее обсужденной модели FMCW Multiple Target этот этап выполняет dechirping, datacube формирование и Доплер области значений, обрабатывающий.
Этап 2: вторым этапом является Phase Shift Beamformer блокируйтесь, где beamforming происходит на основе заданных углов взгляда, которые заданы в функции помощника параметра helperslexFMCWMultiTargetsDOAParam.
Этап 3: третья стадия - то, где обработка обнаружения происходит. Детектором в этом примере является снова CA CFAR 2-D блокируйтесь, который действует и в области значений и в Доплеровских размерностях.
Этап 4: Кластеризация происходит в DBSCAN Clusterer блок с помощью области значений, Доплера и угловых размерностей. Кластеризирующиеся результаты затем отображены Plot Clusters блок.
Этап 5: четвертый и заключительный этап оценивает область значений и скорость целей из карты Доплера области значений с помощью Range Estimator и Doppler Estimator блоки, соответственно. Кроме того, оценка направления прибытия (DOA) выполняется с помощью пользовательского блока, который показывает реализацию Корня Phased Array System Toolbox Средство оценки MUSIC.
Исследование модели
Несколько диалоговых параметров модели вычисляются функцией помощника helperslexFMCWMultiTargetsDOAParam. Чтобы открыть функцию из модели, нажмите на Modify Simulation Parameters блок. Эта функция выполняется однажды, когда модель загружается. Это экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, или измените значения в структуре в командной строке или отредактируйте функцию помощника и повторно выполните его, чтобы обновить структуру параметра.
Результаты и отображения
Предполагаемые результаты показывают в модели и совпадают с основной истиной хорошо. Оценки области значений в 1 метре, оценки скорости в 0,3 м/с, и угловые оценки в 0,1 градусах.
Первая модель показывает, как использовать радар FMCW, чтобы оценить область значений целевого транспортного средства. Информацией, выведенной из эха, такого как расстояние до целевого транспортного средства, являются необходимые входные параметры к полной автомобильной системе ACC.
Пример также обсуждает, как выполнить объединенного Доплера области значений, обрабатывающего, чтобы вывести и область значений и информацию о скорости целевых транспортных средств. Однако стоит отметить, что, когда время развертки долго, системная возможность оценки скорости ухудшается, и возможно, что объединенная обработка больше не может предоставлять точную компенсацию за Доплера области значений, связывающегося. Больше обсуждения этой темы может быть найдено в MATLAB Автомобильным Адаптивным Круиз-контролем Используя Технологический пример FMCW.
Следующая модель показывает, как выполнить ту же область значений и оценку скорости с помощью формы волны MFSK. Эта форма волны может достигнуть объединенной области значений и оценки скорости с более длинными развертками, таким образом уменьшая требования к аппаратным средствам.
Последняя модель является радаром FMCW, показывающим антенную решетку, которая выполняет область значений, скорость и угловую оценку.