E波段雷达角度高分辨算法研究与应用.pdf

摘要

随着智能辅助驾驶技术的飞速发展，对车载毫米波雷达技术的要求日益提高，

尤其是在角度分辨能力方面。目前，车载雷达的主要工作频率也提高到E波段

（60GHz-80GHz）的77GHz，这一频段的选择旨在提升雷达的分辨率和检测范围。

雷达角度分辨率不仅受天线阵列孔径的影响，也依赖于突破传统瑞利极限的高分

辨算法。由于车辆空间限制，仅靠增大天线阵列孔径来提高分辨率是不行的。因此，

研究和开发E波段的高分辨角度测量算法显得尤为关键。但是，这些高分辨算法

在实际应用中可能面临诸多挑战，包括算法的复杂性、对噪声的敏感度以及在多目

标环境下的鲁棒性等问题。本文针对以上现实需求开展了如下的研究：

首先，基于线性调频连续波（LFMCW）和时分复用多输入多输出技术（TDM-

MIMO）构建E波段雷达阵列信号处理的基本框架。研究获取目标距离和速度维信

息，形成距离多普勒图中的角度分辨单元。研究利用时分复用（TDM）模式下的

MIMO虚拟信道相位进行测角的原理，得出阵列瑞利极限。并就快速傅里叶变换

（FFT）和数字波束形成（DBF）两种传统算法的测角性能进行仿真对比。

其次，根据E波段下MIMO阵列的信号模型研究了多重信号分类（MUSIC）

算法、Capon算法和确定性最大似然算法（DML）的高角度分辨原理，采用与DBF

算法联合仿真的方式突出高分辨特性，得出各算法的极限分辨率以及在不同信噪

比和快拍数下的性能表现，对比三种算法各自的优势和劣势以及在不同环境中的

适用性。

然后，为解决角度高分辨算法普遍存在的算法复杂度高和算法分辨时间长的

问题，根据径向基（RBF）神经网络的结构特点，结合回波信号协方差矩阵与目标

角度信息的关联性，基于径向基函数训练神经网络进行角度分辨。仿真结果显示，

该算法在高信噪比时角度分辨性能与MUSIC算法相当，且在低信噪比时依然能够

保持不错的分辨能力。

最后，基于加特兰CAL77S244-AB雷达开发板搭建测试系统，对多个场景下

高分辨角度算法的性能和鲁棒性进行验证并分析评估了实验数据。针对雷达视场

中存在多组分辨目标的情况，提出基于距离信息分段进行角度分辨的方案，实验证

明其减少了角度分辨的时间。

关键词：E波段，MIMO，角度高分辨，神经网络，CAL77S244-AB

ABSTRACT

Withtherapiddevelopmentofintelligentdriverassistancetechnology,the

requirementsforautomotivemillimeter-waveradartechnologyhavebecomeincreasingly

demanding,especiallyintermsofangularresolution.Currently,themainoperating

frequencyofautomotiveradarhasbeenraisedto77GHzintheE-band(60GHz-80GHz),

aselectionaimedatenhancingradarresolutionanddetectionrange.Theangular

resolutionofradarisnotonlyinfluencedbytheapertureoftheantennaarraybutalso

dependsonhigh-resolutionalgorithmsthatbreakthroughthetraditionalRayleighlimit.

Duetothespatialconstraintsofvehicles,itisimpracticaltoimproveresolutionsolelyby

increasingtheapertureoftheantennaarray.Therefore,researchinganddevelopinghigh-

res