技术领域
[0001] 本发明涉及毫米波雷达领域，尤其涉及一种基于置信度加权的毫米波雷达远距离目标测角方法。
相关背景技术
[0002] 近年来，随着科技的进步和工业的发展汽车数量逐渐增多，毫米波雷达作为感知层的核心硬件，能够在汽车行驶中反馈距离、角度、速度等信息，辅助驾驶人员感知周围的行驶环境，因此对毫米波雷达的需求量越来越大、对其功能性要求越来越强烈；但是由于汽车毫米波雷达阵元数目少、天线孔径小导致其角度测量精度较差，限制了毫米波雷达更广泛的应用；目前，在车载雷达中常用的角度测量方法主要包括脉冲计数法、脉冲交叉相关法，然而，脉冲计数法的分辨率受限于脉冲宽度无法对小角度变化进行精确测量，脉冲交叉相关法计算复杂度较高，这些问题都导致车载毫米波雷达无法有效估计远距离范围和高速移动目标的到达角。
具体实施方式
[0013] 为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如后。
[0014] FFT算法是一种非线性的依赖关系，当 接近0°时，角度的估算精度较高，接近90°时，角度的估算精度降低；DBF算法在高信噪比下性能表现较好，但在低信噪比下，分辨率和定位精度会降低；
DML算法在低信噪比下的性能表现较好，但在高信噪比下容易传声估计误差；
由于三种测角方法的互补性，根据三种算法结果进行置信度双重因子加权处理，得到一个更稳定可靠的测角结果，本发明提供如下技术方案：一种基于置信度加权的毫米波雷达远距离目标测角方法，包括以下步骤：
S1、雷达信号采集以及预处理，具体步骤如下：
雷达信号采集：配置毫米波雷达波形参数，通过天线发射和接收信号，获得256个Chirp、8个虚拟接收通道以及512个距离采样点；
距离FFT：为了得到目标的距离信息，将每个Chirp上的AD采样数据进行距离FFT操作，作为矩阵的行向量进行存储，若一共有256个Chirp，则得到256×512的矩阵，每一列称为一个距离向数据；
多普勒FFT：为了得到目标的速度信息，在每一个距离维上做FFT变换得到行向量为距离、列向量为速度的矩阵；
非相干累加：由于有多个接收通道做非相干累加可以提高信号的信噪比、增强对目标信号的检测能力，先对8个复数矩阵的各个元素进行求模得到幅值矩阵，再进行累加求平均；
恒虚警率检测：由于接收到的回波包含干扰波、目标波，比如：需要检测运动车辆，地面杂波、噪声以及人为干扰都是干扰项；对地面某一区域进行成像，则地面杂波被视为目标波；恒虚警率检测算法通过自适应地调整检测门限来保持恒定的虚警率，从而再不同环境条件下实现可靠的目标检测；
S2、置信度加权角度估算处理；
通过FFT（快速傅里叶变换）、DBF（数字波束形成技术）以及DML（确定性最大似然）三种互补测角算法分别计算测角结果，再利用三种测角结果进行置信度双重因子加权处理，更准确地估计出雷达目标角度结果，具体步骤如下：
S201、建立雷达信号模型；
均匀直线阵包括N个天线单元，空间中存在M个不同方向的目标，阵元间距为d，第m个目标的方向记为 ，对应的信号波形记为 ，在窄带远场条件下，天线阵的接收信号模型为：
；
其中， 表示信号的噪声值， 为空间方向矢量：
；
其中， 为导向矢量，是阵列天线所有阵元对具有单位能量窄带信源的响应，表达式为：
；
其中，为雷达电磁波波长；
S202、计算FFT、DBF、DML三种方法测角结果；
FFT测角是接收信号 在完成距离FFT、多普勒FFT后进行FFT测量信号到达的角度，在距离FFT、多普勒FFT得到的峰值基础上进行角度FFT，FFT的点数为天线的阵列数N，FFT后得到目标对应的相位变化量 表示为：
；
FFT测角结果为：
；
其中，表示目标反射回波相对于天线的角度；
DBF测角通过构造视场范围内各个角度的导向矢量和阵列的回波信号相乘得到各个角度下的能量值，由于目标所处方向的回波与导向矢量相干叠加，这些方向的能量会得到增强，噪声是非相干的得不到增强，而能量得到增强的方向对应极大值的位置也就是信号的方向，因此通过寻找最大值得到实际回波的方向而达到测角的目的；在所有天线可以覆盖到的角度上都取一个方向向量，得到一个导向矢量矩阵：
；
其中，k表示天线覆盖到的角度，根据雷达天线波束取值范围为 ，天线阵的接收信号经过导向矢量相乘之后得到的信号输出即天线覆盖到的各个角度的能量值为：
；
在 中进行遍历，当 模值最大时，能量值为极大值，此时对应的角度 为来波的角度，完成DOA估计，DBF测角结果为：
；
其中， 表示能量值去最大值时 对应的值；
DML测角利用最大似然准则，将背景噪声和接收噪声当作大量独立的噪声源发射的信号，因而将噪声过程视为平稳高斯随机白噪声过程，信号波形则被视为确定性信号，但输入波形是待估计的位置参数；确定性最大似然估计算法中的未知参数是信号参数和噪声方差，通过最大化似然估计可以得到DML测角结果 ：
；
；
其中， 为接收信号的协方差矩阵， 为 的伪逆矩阵， 为 的正交
投影矩阵；
S203、对三种测角结果进行置信度双重因子加权处理；
空间中存在M个不同方向的目标，第m个目标的FFT测角结果为 ，第m个目标的DBF测角结果为 ，第m个目标的DML测角结果为 ，多目标的FFT、DBF以及DML结果矩阵P可表示为：
；
对三种测角结果分别做数据归一化处理：
；
；
；
多目标的FFT、DBF以及DML结果的归一化矩阵G可表示为：
[0015] 其中， 表示当前数据， 表示当前数据归一化后的结果，取值范围为[0，1]，表示当前测角结果中的最小值， 表示当前测角结果中的最大值；计算当前数据在三种测角算法中的信息熵：
；
；
；
其中， 表示当前数据FFT测角结果的信息熵， 表示当前数据DBF测
角结果的信息熵， 表示当前数据DML测角结果的信息熵，
；
；
；
其中， 表示FFT测角结果的总信息熵， 表示DBF测角结果的总信息熵，
表示DML测角结果的总信息熵；
计算测角的第一个置信度权重因子 ：
；
；
；
其中， 表示FFT测角的第一个置信度权重因子， 表示DBF测角的第一
个置信度权重因子， 表示DML测角的第一个置信度权重因子；
计算测角的第二个置信度权重因子 ，步骤如下：
取M个目标FFT、DBF、DML三种测角方法的平均值，
；
；
；
其中， 表示FFT测角算法所有目标角度的平均值， 表示DBF测角算法
所有目标角度的平均值， 表示DML测角算法所有目标角度的平均值；
计算M个目标FFT、DBF、DML三种测角方法的标准差，
；
；
；
其中， 表示FFT测角算法目标角度的标准差， 表示DBF测角算法目标
角度的标准差， 表示DML测角算法目标角度的标准差；
计算FFT、DBF、DML三种测角方法对应的影响系数，
；
；
；
其中， 表示FFT测角算法的影响系数， 表示DBF测角算法的影响系数，
表示DML测角算法的影响系数；
计算得到测角的第二个置信度权重因子 ：
；
；
；
其中， 表示FFT测角算法的第二个置信度权重因子， 表示DBF测角算
法的第二个置信度权重因子， 表示DML测角算法的第二个置信度权重因子；
由第一个置信度权重因子 和第二个置信度权重因子 计算得到置信度双重因子 ：
；
；
；
其中， 表示FFT测角算法的置信度双重因子， 表示DBF测角算法的置信
度双重因子， 表示DML测角算法的置信度双重因子；
采用置信度双重因子 对FFT、DBF、DML三种测角结果进行加权处理得到测角结果：
。
[0016] 以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
