В этом примере показано, как моделировать автомобильный радар в Simulink ®, включающий адаптивный круиз-контроль (ACC), который является важной функцией усовершенствованной системы помощи водителю (ADAS). В примере рассматриваются сценарии с одной целью и несколькими целями. Он показывает, как частотно-модулированные сигналы непрерывной волны (FMCW) и множественной частотной манипуляции (MFSK) могут быть обработаны для оценки дальности и скорости окружающих транспортных средств.
Доступные примеры реализации
Этот пример включает четыре модели Simulink:
Оценка дальности радиолокатора FMCW: slexFMCWExample.slx
Оценка дальности и скорости радиолокатора FMCW для нескольких целей: slexFMCWMultiExample.slx
РЛС MFSK Оценка дальности и скорости множественных целей: slexMFSKMultiExample.slx
Радарный Диапазон FMCW, Скорость и Угловая Оценка Нескольких Целей: slexFMCWMultiTargetsDOAExample.slx
В следующей модели показана сквозная радиолокационная система FMCW. Настройка системы аналогична настройке адаптивного круиз-контроля MATLAB ® Automotive с использованием технологии FMCW. Единственное различие между этой моделью и вышеупомянутым примером состоит в том, что эта модель имеет свип-сигнал FMCW, который симметричен вокруг несущей частоты.
На рисунке показан поток сигналов в модели. Блоки Simulink, составляющие модель, делятся на две основные секции: секцию Radar и секцию Channel и Target. Затененный блок слева представляет радиолокационную систему. В этом разделе формируется и передается сигнал FMCW. Этот раздел также содержит приемник, который фиксирует радиолокационное эхо и выполняет ряд операций, таких как дехирпирование и интегрирование импульсов, для оценки целевого диапазона. Затененный блок справа моделирует распространение сигнала через пространство и его отражение от автомобиля. Выход системы, предполагаемый диапазон в метрах, отображается в блоке дисплея слева.
Радар
Радиолокационная система состоит из совместно расположенных передатчика и приемника, установленных на транспортном средстве, движущемся по прямой дороге. Он содержит компоненты обработки сигналов, необходимые для извлечения информации из возвращенного целевого эха.
FMCW - создает сигнал FMCW. Форма сигнала FMCW является обычным выбором в автомобильной РЛС, поскольку она обеспечивает способ оценки дальности с помощью РЛС с непрерывной волной (CW). Расстояние пропорционально сдвигу частоты между переданным сигналом и принятым эхом. Сигнал имеет ширину полосы 150 МГц.
Transmitter - Передает сигнал. Рабочая частота передатчика - 77 ГГц.
Receiver Preamp - Принимает эхо-сигнал цели и добавляет шум приемника.
Radar Platform - Имитирует траекторию движения радиолокационного транспортного средства.
Signal Processing - Обрабатывает принятый сигнал и оценивает дальность целевого транспортного средства.
В пределах РЛС эхо цели проходит несколько этапов обработки сигнала, прежде чем можно будет оценить целевой диапазон. Подсистема обработки сигналов состоит из двух высокоуровневых этапов обработки.
Этап 1: Первый этап дегиркулирует принятый сигнал, умножая его на передаваемый сигнал. Эта операция создает частоту биений между целевым эхо-сигналом и передаваемым сигналом. Целевой диапазон пропорционален частоте биений. Эта операция также уменьшает полосу пропускания, необходимую для обработки сигнала. Затем 64 сдвига буферизируются для формирования базы данных. Размеры базы данных являются быстрыми и медленными. Затем эта база данных передается в Matrix Sum блок, где выборки медленного времени интегрированы для повышения отношения сигнал/шум. Затем данные передаются в Range Response блок, который выполняет операцию БПФ для преобразования частоты биений в диапазон. Обработка радиолокационных сигналов хорошо поддается параллелизации, поэтому радиолокационные данные затем разделяются в диапазоне на 5 части перед дальнейшей обработкой.
Этап 2: Второй этап состоит из 5 параллельных цепочек обработки для обнаружения и оценки цели.
В рамках этапа 2, каждый Detection and Estimation Chain блок состоит из 3 этапов обработки.
Обработка обнаружения: Данные радара сначала передаются на детектор постоянной частоты ложной тревоги (CFAR) с одномерным усреднением ячеек (CA), который работает в диапазоне измерений. Этот блок идентифицирует обнаружения или попадания.
Кластеризация обнаружения: Затем обнаружения передаются на следующий шаг, где они агрегируются в кластеры с использованием алгоритма пространственной кластеризации приложений с шумом на основе плотности в DBSCAN Clusterer блок. Блок кластеризации группирует обнаружения в диапазоне с использованием обнаружений, идентифицированных CA CFAR блок.
Оценка параметров: После идентификации обнаружений и кластеров, последним шагом является Range Estimator блок. На этом этапе оценивают дальность обнаруженных целей в радиолокационных данных.
Канал и цель
Часть модели Канал и Цель моделирует распространение сигнала и отражение от целевого транспортного средства.
Channel - имитирует распространение сигнала между радиолокационным транспортным средством и целевым транспортным средством. Канал может быть установлен либо как канал свободного пространства линии визирования, либо как двухлучевой канал, где сигнал поступает в приемник как по прямому пути, так и по отраженному пути от земли. По умолчанию выбран канал свободного пространства.
Car - Отражает сигнал происшествия и имитирует траекторию целевого транспортного средства. Подсистема, показанная ниже, состоит из двух частей: целевой модели для моделирования эха и модели платформы для моделирования динамики целевого транспортного средства.
В подсистеме Car целевое транспортное средство моделируется как точечная цель с заданным сечением РЛС. Сечение радара используется для измерения того, насколько мощность может быть отражена от цели.
В сценарии этой модели радиолокационное транспортное средство начинает движение со скоростью 100 км/ч (27,8 м/с), в то время как целевое транспортное средство начинает движение со скоростью 43 метров перед радиолокационным транспортным средством со скоростью 96 км/ч (26,7 м/с). Положения и скорости как РЛС, так и целевых аппаратов используются в канале распространения для вычисления задержки, доплеровской характеристики и потери сигнала.
Изучение модели
Несколько диалоговых параметров модели вычисляются вспомогательной функцией helperslexFMCWParam. Чтобы открыть функцию из модели, щелкните значок Modify Simulation Parameters блок. Эта функция выполняется один раз при загрузке модели. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, измените значения в структуре в командной строке или отредактируйте вспомогательную функцию и повторно запустите ее для обновления структуры параметров.
Результаты и отображение
Спектрограмма сигнала FMCW ниже показывает, что сигнал линейно сдвигается на диапазон 150 МГц приблизительно каждые 7 микросекунд. Эта форма сигнала обеспечивает разрешение приблизительно 1 метр.
Спектр дехирпированного сигнала показан ниже. Рисунок показывает, что частота биений, вводимая мишенью, составляет приблизительно 100 кГц. Следует отметить, что после дехирпирования сигнал имеет только одну частотную составляющую. Результирующая оценка дальности, рассчитанная на основе этой частоты биений, как показано в общей модели выше, находится в пределах разрешения диапазона 1 метр.
Однако этот результат получается с каналом распространения свободного пространства. В действительности распространение между транспортными средствами часто включает в себя множество путей между передатчиком и приемником. Следовательно, сигналы от различных трактов могут складываться либо конструктивно, либо деструктивно в приемнике. В следующем разделе задается распространение в двухлучевом канале, который является простейшим многолучевым каналом.
Выполните моделирование и просмотрите спектр дехирпированного сигнала.
Заметим, что больше нет доминирующей частоты биений, потому что в этом диапазоне сигнал от прямого пути и отраженный путь разрушительно объединяются, тем самым подавляя друг друга. Это также можно увидеть из расчетного диапазона, который больше не соответствует наземной истине.
Пример модели ниже показывает аналогичную сквозную радиолокационную систему FMCW, которая имитирует 2 цели. В этом примере оценивается как дальность, так и скорость обнаруженных целей.
Модель по существу аналогична предыдущему примеру с 4 первичными различиями. Эта модель:
содержит две цели,
использует обработку по диапазону-доплеровскому соединению, которая происходит в Range-Doppler Response блок,
обрабатывает только подмножество данных в диапазоне, а не всю базу данных в нескольких цепочках, и
выполняет обнаружение с использованием двумерного CA CFAR.
Радар
В этой модели используется обработка по диапазону-доплеровскому соединению в подсистеме обработки сигналов. Совместная обработка в области диапазона-доплеровской области позволяет оценить доплеровскую характеристику по множественным сдвигам, а затем использовать эту информацию для разрешения связи диапазона-доплеровской характеристики, что приводит к лучшим оценкам дальности.
Подсистема обработки сигналов подробно показана ниже.
Этапы, составляющие подсистему обработки сигналов, аналогичны предшествующему примеру. Каждый этап выполняет следующие действия.
Этап 1: На первом этапе снова выполняется дефирмирование и сборка базы данных с 64 зачистками. Затем база данных передается в Range-Doppler Response блок вычисления дальностно-доплеровской карты входного сигнала. Затем база данных передается в Range Subset блок, который получает подмножество базы данных, которая будет подвергнута дальнейшей обработке.
Этап 2: Второй этап - это этап, на котором происходит обработка обнаружения. Детектором в этом примере является CA CFAR 2-D блок, работающий как в диапазоне, так и в доплеровских размерах.
Этап 3: Кластеризация происходит в DBSCAN Clusterer блок с использованием как диапазона, так и доплеровских размеров. Результаты кластеризации затем отображаются Plot Clusters блок.
Этап 4: Четвертый и последний этап оценивает дальность и скорость целей по карте дальности-доплеровской карты с помощью Range Estimator и Doppler Estimator блоки соответственно.
Как упоминалось в начале примера, РЛС FMCW использует сдвиг частоты для получения дальности цели. Однако движение цели также может вводить сдвиг частоты из-за эффекта Доплера. Следовательно, частота биений имеет как информацию о диапазоне, так и информацию о скорости. Диапазон обработки и доплеровский диапазон одновременно позволяют удалить эту неоднозначность. До тех пор, пока свип будет достаточно быстрым, чтобы цель оставалась в одном и том же затворе диапазона для нескольких свипов, доплеровский сдвиг может быть вычислен для нескольких свипов и затем использоваться для коррекции начальных оценок диапазона.
Канал и цель
Теперь в сцене есть два целевых автомобиля, помеченных как Автомобиль и Грузовик, и каждый автомобиль имеет связанный канал распространения. Автомобиль стартует в 50 метрах перед радиолокационным аппаратом и движется со скоростью 60 км/ч (16,7 м/с). Грузовик стартует на высоте 150 метров перед радиолокационным аппаратом и движется со скоростью 130 км/ч (36,1 м/с).
Изучение модели
Несколько диалоговых параметров модели вычисляются с помощью вспомогательной функции helperslexFMCWMultiPerformedParam. Чтобы открыть функцию из модели, щелкните значок Modify Simulation Parameters блок. Эта функция выполняется один раз при загрузке модели. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, измените значения в структуре в командной строке или отредактируйте вспомогательную функцию и повторно запустите ее для обновления структуры параметров.
Результаты и отображение
Сигнал FMCW, показанный ниже, аналогичен сигналу предыдущей модели.
Две цели могут быть визуализированы на карте доплеровского диапазона ниже.
На карте правильно показаны две цели: одна на 50 метров и одна на 150 метров. Поскольку радар может измерять только относительную скорость, ожидаемые значения скорости для этих двух транспортных средств составляют соответственно 11,1 м/с и -8,3 м/с, где отрицательный знак указывает на то, что грузовик удаляется от радиолокационного транспортного средства. Точные оценки скорости могут быть трудно вывести из карты диапазона-доплеровской карты, но оцененные диапазоны и скорости показаны численно в блоках отображения в модели слева. Как можно видеть, оценки скорости хорошо соответствуют ожидаемым значениям.
Чтобы иметь возможность производить оценку дальности и скорости соединения с использованием вышеуказанного подхода, стреловидность должна быть достаточно быстрой, чтобы гарантировать, что транспортное средство приблизительно неподвижно во время стреловидности. Это часто приводит к более высокой стоимости оборудования. MFSK представляет собой новую форму сигнала, разработанную специально для автомобильной РЛС, чтобы она могла достигать одновременной оценки дальности и скорости при более длительных свипах.
В приведенном ниже примере показано, как использовать сигнал MFSK для оценки дальности и скорости. Настройка сцены аналогична предыдущей модели.
Первичные различия между этой моделью и предыдущей заключаются в блоке формы сигнала и подсистеме обработки сигнала. Сигнал MFSK по существу состоит из двух свипов FMCW с фиксированным сдвигом частоты. Сдвиг в этом случае происходит на отдельных этапах. Из параметров блока формы сигнала MFSK время свип-сигнала может быть вычислено как произведение времени шага и количества шагов на свип-сигнал. В этом примере время сдвига немного превышает 2 мс, что на несколько порядков больше, чем 7 микросекунд для FMCW, использованного в предыдущей модели. Для получения дополнительной информации о форме сигнала MFSK см. пример одновременной оценки дальности и скорости с использованием формы сигнала MFSK.
Подсистема обработки сигналов описывает, как сигнал обрабатывается для формы сигнала MFSK. Сигнал сначала дискретизируется в конце каждого шага и затем преобразуется в частотную область через БПФ. Одномерный CA CFAR детектор используется для идентификации пиков, соответствующих целям, в спектре. Затем для оценки дальности и скорости движения целевых транспортных средств используют частоту в каждом местоположении пика и разность фаз между двумя передачами.
Изучение модели
Несколько диалоговых параметров модели вычисляются вспомогательной функцией helperslexMFSKMultiParam. Чтобы открыть функцию из модели, щелкните значок Modify Simulation Parameters блок. Эта функция выполняется один раз при загрузке модели. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, измените значения в структуре в командной строке или отредактируйте вспомогательную функцию и повторно запустите ее для обновления структуры параметров.
Результаты и отображение
Оценочные результаты показаны в модели, совпадающей с результатами, полученными из предыдущей модели.
Можно улучшить угловое разрешение радара, используя матрицу антенн. В этом примере показано, как разрешить движение трех целевых транспортных средств по отдельным полосам перед транспортным средством, несущим антенную решетку.
При таком сценарии радар едет по центральной полосе шоссе на скорости 100 км/ч (27,8 м/с). Первый целевой аппарат движется на 20 метров вперед по той же полосе, что и радар на скорости 85 км/ч (23,6 м/с). Второй целевой аппарат едет со скоростью 125 км/ч (34,7 м/с) по правой полосе и находится на 40 метров впереди. Третье целевое транспортное средство движется со скоростью 110 км/ч (30,6 м/с) по левой полосе и находится впереди на 80 метров. Антенная решетка радиолокационного аппарата представляет собой 4-элементную однородную линейную решетку (ULA).
Начало системы координат сценария находится на радиолокационном аппарате. Дальность, скорость и угол движения целевых аппаратов относительно РЛС:
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 в себя оценку направления прихода в дополнение к диапазону и доплеровской обработке.
Обработка очень похожа на ранее рассмотренную модель FMCW Multiple Target. Однако в этой модели существует 5 ступеней вместо 4.
Этап 1: Аналогично ранее обсуждавшейся модели FMCW Multiple Target, этот этап выполняет дехирпинг, формирование базы данных и обработку диапазона-доплера. Затем база данных передается в Range Subset блок, тем самым получая подмножество базы данных, которое будет подвергаться дальнейшей обработке.
Этап 2: Второй этап - Phase Shift Beamformer заблокируйте, где beamforming происходит на основе указанных углов взгляда, которые определены в функции помощника параметра helperslexFMCWMultiTargetsDOAParam.
Этап 3: Третий этап - это этап, на котором происходит обработка обнаружения. Детектор в этом примере снова CA CFAR 2-D блок, работающий как в диапазоне, так и в доплеровских размерах.
Этап 4: Кластеризация происходит в DBSCAN Clusterer блок с использованием диапазона, доплеровских и угловых размеров. Результаты кластеризации затем отображаются Plot Clusters блок.
Этап 5: Четвертый и последний этап оценивает дальность и скорость целей по карте дальности-доплеровской карты с помощью Range Estimator и Doppler Estimator блоки соответственно. Кроме того, оценка направления поступления (DOA) выполняется с использованием пользовательского блока, который имеет реализацию системы фазированных массивов Toolbox™ оценщика Root MUSIC.
Изучение модели
Несколько параметров диалога модели вычислены функцией помощника helperslexFMCWMultiTargetsDOAParam. Чтобы открыть функцию из модели, щелкните значок Modify Simulation Parameters блок. Эта функция выполняется один раз при загрузке модели. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, измените значения в структуре в командной строке или отредактируйте вспомогательную функцию и повторно запустите ее для обновления структуры параметров.
Результаты и отображение
Расчетные результаты показаны в модели и хорошо соответствуют ожидаемым значениям.
Первая модель показывает, как использовать РЛС FMCW для оценки дальности целевого транспортного средства. Информация, полученная из эхо-сигнала, такая как расстояние до целевого транспортного средства, является необходимым вводом в полную автомобильную систему ACC.
В примере также обсуждается, как выполнять комбинированную обработку диапазона-доплеровскую обработку для получения информации о дальности и скорости целевых транспортных средств. Однако следует отметить, что когда время развертки является длительным, способность системы оценивать скорость ухудшается, и возможно, что обработка соединения больше не может обеспечивать точную компенсацию для связи дальность-доплеровская связь. Дополнительную информацию по этой теме можно найти в примере MATLAB Automotive Adaptive Cruise Control Using FMCW Technology.
В следующей модели показано, как выполнить оценку того же диапазона и скорости с использованием сигнала MFSK. Эта форма сигнала может обеспечить оценку дальности соединения и скорости с помощью более длинных свипов, тем самым уменьшая требования к аппаратным средствам.
Последней моделью является радар FMCW с антенной решеткой, которая выполняет оценку дальности, скорости и угла.