李瀚超+陳章進(jìn)+姜鵬程

摘 要： 提出一種用于汽車?yán)走_(dá)防撞技術(shù)的全頻目標(biāo)識別（FSTR）算法，該方案采用24 GHz毫米波雷達(dá)，在FPGA平臺上進(jìn)行信號處理。通過python軟件實(shí)現(xiàn)算法并進(jìn)行仿真，仿真結(jié)果和FPGA實(shí)際運(yùn)行的結(jié)果一致。該方案的雷達(dá)掃頻信號為100 Hz的鋸齒波，采樣頻率為480 kHz，離散傅里葉變換（DFT）點(diǎn)數(shù)為4 096點(diǎn)，每一幀數(shù)據(jù)的時間間隔為10 ms，滿足車輛行駛實(shí)時性的要求。通過對道路行駛測得的數(shù)據(jù)比較，相比主流的恒虛警率（CFAR）算法，本算法抗干擾能力更強(qiáng)，精確度更高。

關(guān)鍵詞： 雷達(dá)； 汽車防撞； 全頻； 離散傅里葉變換

中圖分類號： TN911.72?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）23?0171?04

Abstract： A full spectrum target recognition （FSTR） algorithm used for collision avoidance technology of automotive radar is proposed. A 24 GHz millimeter?wave radar is used in the scheme to process the signal on FPGA platform. The FSTR algorithm is realized with the python software， and its simulation result is consistent with the actual running result processed by FPGA. The items of the scheme can meet the real?time requirement of vehicle travel， which includes that the radar sweet?frequency signal is the 100 Hz sawtooth wave， the sampling frequency is 480 kHz， the discrete Fourier transform （DFT） count is 4 096， and the time interval of each frame data is 10 ms. The comparison result of the data measured in vehicle travelling shows that， in comparison with the constant false?alarm rate （CFAR） algorithm， the FSTR algorithm has stronger anti?interference ability and higher accuracy.

Keywords： radar； automobile collision avoidance； full spectrum； DFT

0 引 言

經(jīng)濟(jì)的發(fā)展提高了人們的生活質(zhì)量。隨著汽車數(shù)量的增多，交通事故的數(shù)量也增加了。根據(jù)美國各州公路工作者協(xié)會資料顯示，司機(jī)從感知、判斷到制動產(chǎn)生效果需要[1]3 s，當(dāng)前大部分科研工作者把精力放在減少司機(jī)感知的時間上。主流的汽車防撞預(yù)警技術(shù)以圖像識別和紅外等為主[2?3]，但這些技術(shù)受環(huán)境影響很大，惡劣環(huán)境下，往往不能減少司機(jī)感知的時間。圖像識別技術(shù)在白天的準(zhǔn)確率很高，但在晚上和霧天，準(zhǔn)確率大大下降[2]。紅外識別技術(shù)受到雨滴的影響，在雨天效果很差[3]。基于毫米波雷達(dá)的汽車防撞預(yù)警技術(shù)具有不受天氣環(huán)境影響的優(yōu)點(diǎn)，可以適應(yīng)各種環(huán)境。本方案采用24 GHz毫米波雷達(dá)，在FPGA平臺上進(jìn)行信號處理，通過python軟件實(shí)現(xiàn)算法并進(jìn)行仿真。本方案提出的全頻目標(biāo)識別（Full Spectrum Target Recognition，F(xiàn)STR）算法與主流的恒虛警率（Constant False?Alarm Rate，CFAR）算法[4]比較，F(xiàn)STR算法的虛警率更低，抗干擾的能力更強(qiáng)，更加適應(yīng)復(fù)雜的路況環(huán)境。

1 雷達(dá)測距原理

本文方案使用的是載波頻率為24 GHz毫米波雷達(dá)。調(diào)制信號[Tramp]是100 Hz的鋸齒波，調(diào)制寬度[BSW=]150 MHz，雷達(dá)載波頻率[fc=24] GHz，在低速環(huán)境下，多普勒效應(yīng)對距離的誤差[5]小于0.1 m。因而本方案忽略多普勒效應(yīng)，使用一次DFT計(jì)算得到距離信息。

2 全頻目標(biāo)識別算法與FPGA實(shí)現(xiàn)

雷達(dá)測距的表現(xiàn)與目標(biāo)物的反射面積、目標(biāo)物的材質(zhì)有關(guān)，金屬之類反射率比較高的材料在雷達(dá)測距上的表現(xiàn)更好。雷達(dá)在汽車行駛時，可以測到多個目標(biāo)，但在安全層面，只有最近的目標(biāo)物才是影響汽車安全的關(guān)鍵，因而用以預(yù)警的目標(biāo)物在頻譜上應(yīng)該滿足兩個條件：相對在整個頻譜上，幅值足夠大；在量測到多個目標(biāo)物時，應(yīng)取距離最近的目標(biāo)用以預(yù)警。針對這兩點(diǎn)，本文提出一種全頻目標(biāo)識別算法，該算法可以分為兩部分：第一部分提取頻譜上所有目標(biāo)物的頻率；第二部分選取最近的可能目標(biāo)頻率用以預(yù)警。本文采用的是4 096點(diǎn)DFT基2算法，因?yàn)镈FT具有對稱性，前2 048個數(shù)據(jù)已能滿足實(shí)驗(yàn)要求。

2.1 所有目標(biāo)物提取算法

根據(jù)式（13）得到頻率和DFT序號之間的關(guān)系，由每一個數(shù)據(jù)序號對應(yīng)的幅值大小判斷其是否是一個可能的目標(biāo)。首先，求得2 048個數(shù)據(jù)中的最大值[Gmax，]然后將2 048個數(shù)據(jù)按照序號分成[N=256]組，每組[M=2 048N=]8個元素，例如數(shù)據(jù)1～8為一組，9～16為第二組，以此類推。在多次實(shí)驗(yàn)比較中，[N=256]是一個較合適的參數(shù)。經(jīng)過計(jì)算得到64組中每組數(shù)據(jù)的最大值[Gk，][k=1，2，…，255，256]和[Gk]對應(yīng)的序號[nk，]從而得到兩個集合[G=G1，G2，…，G255，G256，][n=n1，n2，…，n255，n256]。endprint

考慮到目標(biāo)物應(yīng)滿足在頻譜上的幅值足夠大的條件，設(shè)定閾值[F1=0.6Gmax，]若[Gk，][k=1，2，…，255，256]大于閾值[F1，]則認(rèn)為存在一個目標(biāo)，將[Gk]存入集合[T，]將[nk]存入集合[T_n。]

2.2 最近目標(biāo)識別算法

集合[T]已包含所有可能的目標(biāo)物的幅值大小，[T_n]包含目標(biāo)物對應(yīng)的序號。在安全層面，只有最近的目標(biāo)物才需要預(yù)警，但由于路面環(huán)境復(fù)雜，頻譜會出現(xiàn)一些干擾信號，這些干擾信號會造成虛警。雷達(dá)測距的好壞和目標(biāo)物的面積有關(guān)，一個良好目標(biāo)物在頻譜上往往表現(xiàn)成一個主峰和一些次峰的疊加，只有主峰才是準(zhǔn)確的目標(biāo)信息。FSTR的第二部分用于準(zhǔn)確地識別最近的目標(biāo)距離。

設(shè)定閾值[F2=0.8Gmax，]用以區(qū)分同一目標(biāo)內(nèi)多個波峰的主峰。最近目標(biāo)識別算法流程如圖2所示。

2.3 FPGA架構(gòu)

本文方案采用DE2?115FPGA開發(fā)板，主頻為50 MHz，數(shù)據(jù)位為32位，地址位為12位。FPGA架構(gòu)見圖3。DFT模塊輸出使能信號AvEn，數(shù)據(jù)信號Avdata和地址信號AvEn，Max Group將DFT的輸出經(jīng)過處理后輸出256組數(shù)據(jù)中的最大值到RAM中，當(dāng)DFT輸出2 048個數(shù)據(jù)后，F(xiàn)STR開始讀RAM的數(shù)據(jù)進(jìn)行運(yùn)算，最后輸出目標(biāo)物的幅值Target和序號Target_n。

3 實(shí)驗(yàn)結(jié)果比較

本文使用的是載波頻率為24 GHz毫米波雷達(dá)。調(diào)制信號[Tramp]是100 Hz的鋸齒波，調(diào)制寬度[BSW=]150 MHz，雷達(dá)載波頻率[fc=]24 GHz，采樣頻率是480 kHz，DFT點(diǎn)數(shù)為4 096。根據(jù)式（13），式（14），本方案距離的分辨率是1 m，能測到的最遠(yuǎn)距離是300 m。

3.1 不同算法實(shí)驗(yàn)數(shù)據(jù)比較

雷達(dá)的準(zhǔn)確度和環(huán)境的復(fù)雜程度成反比，環(huán)境越是復(fù)雜，雷達(dá)受到的干擾越多。經(jīng)過大量測試發(fā)現(xiàn)頻譜的干擾主要來自兩方面；一個是毛刺信號，另一個是環(huán)境干擾。毛刺信號見圖4（b）。圖4（a）是卡車距離19 m拍到的圖片，圖4（b）是該圖片對應(yīng)的頻譜。在頻譜圖里，實(shí)線表示頻率大小，虛線表示CFAR的閾值，實(shí)線大于虛線表示識別出目標(biāo)。圓點(diǎn)表示FSTR識別出的目標(biāo)。從圖4（b）可以看到，CFAR和FSTR都識別出卡車，但CFAR在3 m附近將毛刺信號也認(rèn)作是目標(biāo)，這就是毛刺虛警。由于毛刺虛警顯示的距離比實(shí)際距離小，若駕駛員根據(jù)毛刺虛警制動就會產(chǎn)生與后車碰撞的危險(xiǎn)。FSTR因?yàn)橐匀l譜的最大值作為判斷參考，因此不會出現(xiàn)毛刺虛警。

環(huán)境虛警是由于復(fù)雜環(huán)境導(dǎo)致雷達(dá)信號出現(xiàn)干擾，距離計(jì)算出現(xiàn)偏差。圖5（b）是卡車行駛至測試車30 m前的頻譜圖，在目標(biāo)卡車的右側(cè)車道還有一輛卡車，因此頻譜更復(fù)雜。此時CFAR認(rèn)為頻譜內(nèi)沒有目標(biāo)物，嚴(yán)重出錯，F(xiàn)STR計(jì)算的結(jié)果更符合實(shí)際情況。對該卡車測得的165幀數(shù)據(jù)進(jìn)行FSTR和CFAR比較，結(jié)果見表1，可見FSTR在準(zhǔn)確率上高于CFAR。

3.2 FPGA與仿真結(jié)果比較

圖6（a）中，AvData輸出的是整個頻譜，肉眼可以判斷的目標(biāo)序號是828，幅值大小是49 836，與Target和Target_n的輸出相同。圖6（b）中可以看出在DFT輸出最后一個數(shù)據(jù)后，整個FSTR的運(yùn)行時間約為300 ps，運(yùn)算時間足夠快。

3.3 目標(biāo)時域分析

圖9是目標(biāo)卡車在30 s中的距離變化，可以看到卡車的距離從20 m逐漸增加到53 m，距離隨時間的變化有許多小毛刺，毛刺的產(chǎn)生有兩個原因：卡車與測試車的速度變化大；環(huán)境干擾。這表明單憑1幀的數(shù)據(jù)判斷距離仍然會有誤差。圖9在20 s左右的時候出現(xiàn)了161 m的數(shù)據(jù)，經(jīng)檢查，應(yīng)該是測試環(huán)境出現(xiàn)問題或者開發(fā)板受到干擾所致。

4 結(jié) 論

本文提出一種應(yīng)用于雷達(dá)汽車防撞技術(shù)的FSTR算法。通過路上測試發(fā)現(xiàn)該算法可以有效識別出目標(biāo)物。相比主流的CFAR算法，F(xiàn)STR算法可以避免毛刺虛警，不會出現(xiàn)嚴(yán)重的誤判。由于雷達(dá)本身的準(zhǔn)確度和環(huán)境的干擾問題，只憑1幀的數(shù)據(jù)識別目標(biāo)距離的準(zhǔn)確度還是較低，如果結(jié)合前后幾幀的數(shù)據(jù)進(jìn)行目標(biāo)識別可以提高目標(biāo)的準(zhǔn)確度。

參考文獻(xiàn)

[1] AASHTO. A policy on geometric design of highways and streets [R]. Washington， DC： American Association of State Highway and Transportation Officials， 2001.

[2] 伍宗富，陳日新，朱明旱.基于圖像識別的汽車智能防撞系統(tǒng)研究與實(shí)現(xiàn)[J].機(jī)械與電子，2008（9）：56?60.

[3] 蔣曉玲，孟志強(qiáng)，陳燕東，等.汽車追尾防撞紅外測距系統(tǒng)[J].光電子技術(shù)，2011，31（1）：67?72.

[4] 蔣鐵珍，武虎，吳凱，等.毫米波汽車防撞雷達(dá)恒虛警率門限設(shè)定方法[J].紅外與毫米波學(xué)報(bào)，2005，24（3）：217?220.

[5] SONG M， LIM J， SHIN D J. The velocity and range detection using the 2D?FFT scheme for automotive radars [C]// Proceedings of 2014 the 4th IEEE International Conference on Network Infrastructure and Digital Content. [S.l.]： IEEE， 2014： 507?510.

[6] PETER T.雷達(dá)目標(biāo)識別導(dǎo)論[M].北京：電子工業(yè)出版社，2013.endprint