Этот пример показывает, как смоделировать автомобильный радар в Simulink ®, который включает адаптивный круиз-контроль (ACC), который является важной функцией расширенной системы помощи драйверу (ADAS). Пример исследует сценарии с одной целью и несколькими целями. Это показывает, как частотно-модулированные волны непрерывной волны (FMCW) и множественной манипуляции со сдвигом частоты (MFSK) могут быть обработаны, чтобы оценить область значений и скорость окружающих транспортных средств.
Доступные реализации примера
Этот пример включает четыре модели Simulink:
Оценка радиолокационной области значений FMCW: slexFMCWExample.slx
Радиолокационная область значений и оценка скорости нескольких целей FMCW: slexFMCWMultiTargetsExample.slx
Оценка радиолокационной области значений и скорости нескольких целей МФСК: slexMFSKMultiTargetsExample.slx
Оценка радиолокационной области значений FMCW, скорости и угла для нескольких целей: slexFMCWMultiTargetsDOAExample.slx
Следующая модель показывает сквозную радиолокационную систему FMCW. Настройка системы подобна примеру MATLAB ® Automotive Adaptive Cruise Control с использованием технологии FMCW. Единственное различие между этой моделью и вышеупомянутым примером заключается в том, что эта модель имеет свип формы волны FMCW, который симметричен вокруг несущей частоты.
Рисунок показывает поток сигналов в модели. Блоки Simulink, которые составляют модель, разделены на два основных раздела, раздел Radar и раздел Channel и Target. Затененный блок слева представляет собой радиолокационную систему. В этом разделе формируется и передается сигнал FMCW. Этот раздел также содержит приемник, который захватывает радиолокационное эхо и выполняет ряд операций, таких как дешифрование и импульсное интегрирование, чтобы оценить целевую область значений. Затененный блок справа моделирует распространение сигнала через пространство и его отражение от автомобиля. Выход системы, предполагаемая область значений в метрах, показан в блоке отображения слева.
Радар
Радиолокационная система состоит из совместно расположенных передатчика и приемника, установленного на транспортном средстве, движущемся по прямой дороге. Он содержит компоненты обработки сигналов, необходимые для извлечения информации из возвращенного целевого эхо-сигнала.
FMCW - Создает сигнал FMCW. Сигнал FMCW является общим выбором в автомобильном радаре, потому что он предоставляет способ оценить область значений с помощью радара непрерывной волны (CW). Расстояние пропорционально смещению частоты между переданным сигналом и принятым эхо-сигналом. Сигнал пропускает полосу пропускания 150 МГц.
Transmitter - Передает форму волны. Рабочая частота передатчика составляет 77 ГГц.
Receiver Preamp - Получает целевое эхо и добавляет шум приемника.
Radar Platform - Моделирует траекторию транспортного средства.
Signal Processing - Обрабатывает принятый сигнал и оценивает область значений действия целевого транспортного средства.
В радаре целевое эхо проходит несколько шагов обработки сигнала, прежде чем можно будет оценить целевую область значений. Подсистема обработки сигналов состоит из двух высокоуровневых этапов обработки.
Каскад 1: Первый каскад дешифрует принятый сигнал, умножая его на переданный сигнал. Эта операция создает частоту пульсации между целевым эхо-сигналом и переданным сигналом. Целевая область значений пропорциональна частоте пульсации. Эта операция также уменьшает полосу пропускания, необходимую для обработки сигнала. Затем 64 сдвига буферизуются, чтобы сформировать datacube. Размерности datacube являются быстродействующими и медленными. Этот datacube затем передается в Matrix Sum блок, где медленно-временные выборки интегрированы, чтобы увеличить отношение сигнал/шум. Данные затем передаются в Range Response блок, который выполняет операцию БПФ для преобразования частоты пульсации в диапазон. Обработка радиолокационных сигналов хорошо поддается параллелизации, поэтому радиолокационные данные затем разделяются в область значений на 5 части перед дальнейшей обработкой.
Этап 2: Второй этап состоит из 5 параллельных цепей обработки для обнаружения и оценки цели.
На этапе 2 каждый Detection and Estimation Chain блок состоит из 3 этапов обработки.
Обработка обнаружения: Радиолокационные данные сначала передаются на 1-мерный детектор средней ячейки (CA) постоянной скорости ложного предупреждения (CFAR), который работает в размерности области значений. Этот блок идентифицирует обнаружения или попадания.
Кластеризация Обнаружения: Обнаружения затем передаются на следующий шаг, где они агрегируются в кластеры с помощью основанного на плотности пространственного кластеризации приложений с шумом алгоритма в DBSCAN Clusterer блок. Блок кластеризации кластеризует обнаружения в области значений, используя обнаружения, идентифицированные CA CFAR блок.
Оценка параметра: После выявления обнаружений и кластеров, последним шагом является Range Estimator блок. Этот шаг оценивает область значений обнаруженных целей в радиолокационных данных.
Канал и цель
Часть Channel и Target модели моделирует распространение сигнала и отражение от целевого транспортного средства.
Channel - Моделирует распространение сигнала между транспортным средством и целевым транспортным средством. Канал может быть установлен как канал свободного пространства линии видимости или как канал с двумя лучами, где сигнал поступает в приемник как по прямому пути, так и по отраженному пути от земли. Выбор по умолчанию является каналом свободного пространства.
Car - Отражает падающий сигнал и имитирует траекторию целевого транспортного средства. Подсистема, показанная ниже, состоит из двух частей: целевой модели для симуляции эха и модели платформы для симуляции динамики целевого транспортного средства.
В Подсистеме Автомобиля целевое транспортное средство моделируется как точечная цель с заданным радарным сечением. Сечение радара используется, чтобы измерить, какая степень может быть отражена от цели.
В сценарии этой модели радиолокационное транспортное средство стартует в источник, перемещаясь со скоростью 100 км/ч (27,8 м/с), в то время как целевое транспортное средство стартует с 43 метров перед радиолокационным транспортным средством, перемещаясь со скоростью 96 км/ч (26,7 м/с). Положения и скорости как радара, так и транспортных средств используются в канале распространения, чтобы вычислить задержку, Допплер и потери сигнала.
Исследование модели
Несколько диалоговых параметров модели вычисляются вспомогательной функцией helperslexFMCWParam. Чтобы открыть функцию из модели, нажмите Modify Simulation Parameters блок. Эта функция выполняется один раз, когда модель загружена. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, либо измените значения в структуре в командной строке, либо отредактируйте функцию helper и перезапустите ее, чтобы обновить структуру параметра.
Результаты и отображения
Спектрограмма сигнала FMCW ниже показывает, что сигнал линейно охватывает диапазон 150 МГц приблизительно каждые 7 микросекунд. Эта форма волны обеспечивает разрешение приблизительно 1 метр.
Спектр дешифрованного сигнала показан ниже. Рисунок показывает, что частота пульсации, введенная мишенью, составляет приблизительно 100 кГц. Обратите внимание, что после дешифровки сигнал имеет только одну частотную составляющую. Получившаяся оценка области значений, рассчитанная на основе этой частоты пульсации, как показано в общей модели выше, хорошо находится в пределах разрешения области значений 1 метр.
Однако этот результат получается с каналом распространения свободного пространства. В действительности, распространение между транспортными средствами часто включает в себя несколько путей между передатчиком и приемником. Поэтому сигналы от различных путей могут добавляться или конструктивно, или разрушительно в приемнике. Следующий раздел устанавливает распространение на двухлучевой канал, который является простейшим многолучевым каналом.
Запустите симуляцию и наблюдайте спектр дешифрованного сигнала.
Обратите внимание, что больше нет доминирующей частоты пульсации, потому что в этой области значений сигнал от прямого пути и отраженного пути объединяются разрушительно, тем самым подавляя друг друга. Это также видно по оценочной области значений, которая больше не соответствует основной истине.
Пример модели ниже показывает аналогичную сквозную радиолокационную систему FMCW, которая имитирует 2 цели. Этот пример оценивает и область значений, и скорость обнаруженных целей.
Модель по существу совпадает с предыдущим примером с 4 первичными различиями. Эта модель:
содержит две цели,
использует обработку соединения диапазона-Допплера, которая происходит в Range-Doppler Response блок,
обрабатывает только подмножество данных в области значений, а не весь datacube в нескольких цепях, и
выполняет обнаружение с помощью 2-мерного CA CFAR.
Радар
Эта модель использует обработку соединений диапазона-Допплера в подсистеме обработки сигналов. Совместная обработка в области диапазона-Доплера позволяет оценить Доплер через несколько свипов и затем использовать эту информацию для разрешения связывания диапазон-Доплер, получая лучшие оценки области значений.
Подсистема обработки сигналов подробно показана ниже.
Каскады, которые составляют подсистему обработки сигналов, аналогичны предыдущему примеру. Каждый этап выполняет следующие действия.
Этап 1: Первый этап снова выполняет дешифрование и сборку datacube с 64 свипами. Затем datacube передается в Range-Doppler Response блок для вычисления карты диапазона-Допплера входного сигнала. Затем datacube передается в Range Subset блок, который получает подмножество datacube, которое будет подвергаться дальнейшей обработке.
Этап 2: Второй этап - это место, где происходит обработка обнаружения. Детектор в этом примере является CA CFAR 2-D блок, который действует как в области значений, так и в доплеровских размерностях.
Этап 3: Кластеризация происходит в DBSCAN Clusterer блок с использованием как области значений, так и размерностей Доплера. Результаты кластеризации затем отображаются Plot Clusters блок.
Этап 4: Четвертый и последний этап оценивает диапазон и скорость целей из карты Доплера области значений с помощью Range Estimator и Doppler Estimator блоки, соответственно.
Как упоминалось 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 пульсации имеет и область значений, и связанную информацию о скорости. Область значений обработки и Допплер в то же время позволяют нам удалить эту неоднозначность. Пока свип является достаточно быстрым, так что цель остается в том же диапазоне ворот для нескольких свипов, Доплер может быть вычислен через несколько свипов, а затем использоваться, чтобы исправить начальные оценки области значений.
Канал и цель
Теперь в сцене есть два целевых транспортных средств, помеченных как Автомобиль и Грузовик, и каждое транспортное средство имеет связанный канал распространения. Машина запускается на 50 метров перед транспортным средством радара и перемещается со скоростью 60 км/ч (16,7 м/с). Грузовик стартует в 150 метрах перед транспортным средством радара и движется со скоростью 130 км/ч (36,1 м/с).
Исследование модели
Несколько диалоговых параметров модели вычисляются вспомогательной функцией helperslexFMCWMultiTargetsParam. Чтобы открыть функцию из модели, нажмите Modify Simulation Parameters блок. Эта функция выполняется один раз, когда модель загружена. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, либо измените значения в структуре в командной строке, либо отредактируйте функцию helper и перезапустите ее, чтобы обновить структуру параметра.
Результаты и отображения
Сигнал FMCW, показанный ниже, такой же, как и в предыдущей модели.
Две цели могут быть визуализированы на карте Доплера диапазона ниже.
На карте правильно показаны две цели: одна на 50 метрах и одна на 150 метрах. 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 отрицательный знак указывает, что грузовик удаляется от радара. Точные оценки скорости могут оказаться трудными для вывода из карты Доплера диапазона, но оценённые области значений и скорости показаны численно в блоках отображения в модели слева. Как видно, оценки скорости хорошо соответствуют ожидаемым значениям.
Чтобы иметь возможность выполнять область значений соединения и оценку скорости с помощью вышеописанного подхода, стреловидность должна быть довольно быстрой, чтобы убедиться, что транспортное средство является приблизительно стационарной во время стреловидности. Это часто приводит к более высокой стоимости оборудования. MFSK является новой формой волны, разработанной специально для автомобильного радара, чтобы он мог достичь одновременной области значений и скорости с более длинными свипами.
В приведенном ниже примере показано, как использовать форму волны MFSK для выполнения оценки области значений и скорости. Настройка сцены аналогична настройке предыдущей модели.
Основные различия между этой моделью и предыдущей состоят в блоке формы волны и подсистеме обработки сигналов. Форма волны MFSK по существу состоит из двух FMCW-стрелы с фиксированным смещением частоты. Свип в этом случае происходит на дискретных шагах. Из параметров блока формы волны MFSK время свипа может быть вычислено как продукт времени шага и количества шагов на свип. В этом примере время свипа немного превышает 2 мс, что на несколько порядков больше, чем 7 микросекунд для FMCW, используемой в предыдущей модели. Для получения дополнительной информации о форме волны MFSK смотрите Одновременную оценку области значений и скорости с использованием примера формы волны MFSK.
Подсистема обработки сигналов описывает, как сигнал обрабатывается для формы волны MFSK. Сначала сигнал дискретизируется в конце каждого шага, а затем преобразуется в частотный диапазон через БПФ. Одномерная CA CFAR детектор используется для идентификации peaks, которые соответствуют целям, в спектре. Затем частота в каждом пиковом местоположении и различие фаз между двумя свипами используются, чтобы оценить область значений и скорость целевых транспортных средств.
Исследование модели
Несколько диалоговых параметров модели вычисляются вспомогательной функцией helperslexMFSKMultiTargetsParam. Чтобы открыть функцию из модели, нажмите Modify Simulation Parameters блок. Эта функция выполняется один раз, когда модель загружена. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, либо измените значения в структуре в командной строке, либо отредактируйте функцию helper и перезапустите ее, чтобы обновить структуру параметра.
Результаты и отображения
Предполагаемые результаты показаны в модели, совпадая с результатами, полученными из предыдущей модели.
Можно улучшить угловое разрешение радара при помощи массива антенн. Этот пример показывает, как разрешить три целевых автомобиля, движущихся по отдельным полосам перед транспортным средством, несущим антенную решетку.
В этом сценарии радар движется по центральной полосе шоссе со скоростью 100 км/ч (27,8 м/с). Первое целевое транспортное средство двигается на 20 метров вперед по той же полосе, что и радар, со скоростью 85 км/ч (23,6 м/с). Второе целевое транспортное средство едет со скоростью 125 км/ч (34,7 м/с) по правой полосе и на 40 метров вперед. Третье целевое транспортное средство едет со скоростью 110 км/ч (30,6 м/с) по левой полосе и на 80 метров впереди. Антенная решетка радарного транспортного средства является 4-элементным равномерным линейным массивом (ULA).
Источник системы координат сценария находится в радиолокационном транспортном средстве. Основная истина области значений, 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 в себя оценку направления поступления в дополнение к области значений и доплеровской обработке.
Обработка очень похожа на ранее обсуждавшуюся модель FMCW Multiple Target. Однако в этой модели существует 5 этапов вместо 4.
Этап 1: Подобно ранее обсуждавшейся модели FMCW Multiple Target, этот этап выполняет дешифрование, образование датакуба и обработку Доплера диапазона. Затем datacube передается в Range Subset блок, таким образом получая подмножество datacube, которое будет подвергаться дальнейшей обработке.
Этап 2: Второй этап является Phase Shift Beamformer блок, где формирование луча происходит на основе заданных углов обзора, которые заданы в helperslexFMCWMultiTargetsDOAParam параметра helper.
Этап 3: Третий этап - это место, где происходит обработка обнаружения. Детектор в этом примере снова является CA CFAR 2-D блок, который действует как в области значений, так и в доплеровских размерностях.
Этап 4: Кластеризация происходит в DBSCAN Clusterer блок с использованием области значений, Допплера и угловых размерностей. Результаты кластеризации затем отображаются Plot Clusters блок.
Этап 5: Четвертый и последний этап оценивает диапазон и скорость целей из карты Доплера области значений с помощью Range Estimator и Doppler Estimator блоки, соответственно. В сложение оценка направления прибытия (DOA) выполняется с использованием пользовательского блока, который имеет реализацию Phased Array System Toolbox™ Root MUSIC Estimator.
Исследование модели
Несколько диалоговых параметров модели вычисляются вспомогательной функцией helperslex FMCWM ulti Targets DOAP aram. Чтобы открыть функцию из модели, нажмите Modify Simulation Parameters блок. Эта функция выполняется один раз, когда модель загружена. Он экспортирует в рабочую область структуру, на поля которой ссылаются диалоговые окна. Чтобы изменить любые параметры, либо измените значения в структуре в командной строке, либо отредактируйте функцию helper и перезапустите ее, чтобы обновить структуру параметра.
Результаты и отображения
Предполагаемые результаты показаны в модели и хорошо соответствуют ожидаемым значениям.
Первая модель показывает, как использовать радар FMCW для оценки области значений целевого транспортного средства. Информация, полученная из эхо-сигнала, например расстояние до целевого транспортного средства, являются необходимыми входами в полную систему ACC автомобиля.
В примере также обсуждается, как выполнить комбинированную обработку Доплера диапазона, чтобы вывести информацию о области значений и скорости целевых транспортных средств. Однако следует отметить, что, когда время развертки является большим, способность системы оценивать скорость ухудшается, и возможно, что совместная обработка больше не может обеспечить точную компенсацию для диапазонно-допплеровской связи. Больше обсуждений по этой теме можно найти в примере автомобильного адаптивного круиз-контроля MATLAB с использованием технологии FMCW.
Следующая модель показывает, как выполнить ту же область значений и оценку скорости с помощью формы волны MFSK. Эта форма волны может достичь области значений соединений и оценки скорости с более длинными свипами, таким образом снижая требования к оборудованию.
Последняя модель является радаром FMCW с антенной решеткой, которая выполняет оценку области значений, скорости и угла.