论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results

这篇具有很好参考价值的文章主要介绍了论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

120~140GHz宽带MIMO雷达:系统设计和成像结果

摘要

        本文提出了一种工作频率在120 GHz ~ 140 GHz之间的宽带FMCW MIMO雷达传感器。该传感器基于SiGe技术制造的雷达芯片组,并使用MIMO方法来提高角度分辨率。MIMO操作通过发射机的时域复用实现。该雷达能够通过使用FFT处理和延迟和波束形成器产生2D图像。本文给出了雷达系统的总体设计、图像重建算法和初步成像结果。

1 介绍

        在毫米波频率下工作的雷达系统是工业、汽车和安全应用中位置测量和成像任务的有趣解决方案。与传统的军事或空中交通管制雷达系统相比,这种新型雷达使用更高的频率,即更短的波长。雷达系统在更高频率下工作的趋势主要是由高性能、低成本毫米波集成电路(IC)的可用性驱动的。本文提出的雷达传感器基于0.13 μm SiGe:BiCMOS技术制造的芯片,最大fT为250 GHz。由于在100 GHz以上的频率上可用的更大带宽,该芯片组可以提供良好的距离分辨率。在单通道传感器中使用该芯片组演示了5mm的距离分辨率[1]。

        除了距离分辨率外,雷达系统的另一个性能参数是角分辨率。角分辨率通常定义为阵列的3dB波束宽度,与波长与阵列尺寸的比值有关[2]。为了保持传感器的尺寸和模数转换器(ADC)的数量小,但仍能实现高角分辨率,这种新型雷达传感器主要在时域多路复用(TDM)多输入多输出(MIMO)配置下工作。与单输入多输出(SIMO)配置相比,减少了ADC通道的数量,同时增加了传感器的角分辨率[3][4]。

        通过将低成本毫米波集成电路与传感器的MIMO操作相结合,可以实现具有高距离和角分辨率的紧凑型雷达传感器[5][6]。

2 理论

A MIMO阵列设计

       本文中使用的TX/RX配置和由此产生的虚拟阵列如图1所示。所述MIMO阵列包括2个发射阵元和6个接收阵元,所述发射阵元位于所述外部位置。这些阵元以3毫米的间隔均匀排布。黑点表示虚拟阵元的位置。虚拟阵列的孔径比TX/RX阵列的物理尺寸大,从而增加了角分辨率。还可以观察到在虚拟阵列的中心有一个阵元间隙。“缺失”的阵元用黑叉标记。这种不均匀性对雷达图像的影响和可能的校正方法见第4-A节。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图1 给出了雷达传感器的TX/RX配置和由此产生的虚拟阵列。黑色叉标记缺失虚拟阵元的位置。

        其在角分辨率和视场(FOV)方面的成像性能取决于其虚拟阵列的尺寸Dvirtual和元件间距delement [2]。角分辨率近似由下式给出

         论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测 (1)

        第一个混叠或栅瓣发生在

        论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测  (2)

B FMCW MIMO雷达信号模型

        单个点目标引起的FMCW雷达传感器的复拍或中频信号可表示为

          论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测(3)

        离散时间序列n = 1,2,…,N。发射频率的chirp由其起始频率f0和带宽B决定[7]。时间延迟τ是由波从发射机位置xTX传播到目标并返回到xRX的接收器引起的。假设阵列远场有目标,距离为R,角度为θ,则延时为

         论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测(4)

        或

         论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测 (5)

       其中xV是虚拟阵元的位置。由NTX个发送和NRX个接收阵元组成的MIMO阵列可以用Nv = NTX*NRX阵元组成的虚拟阵列来表示。虚拟阵元的位置可以通过对实际发射和接收位置进行卷积得到。MIMO阵列具有与具有单个发射阵元和Nv个接收阵元的阵列相同的属性[8]。

       利用发射机的时域复用(TDM)产生Nv个时域接收信号矢量sIF [xV]。因此,完整的MIMO数据集可以用N*NV矩阵表示

      论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测   (6)

       其中列为不同虚拟阵元SIF [xV]的复时域信号。N*NV复矩阵SIF是2-C节中图像重建算法的基础。

C 图像重建

        将用于距离处理的快速傅里叶变换(FFT)和用于方位处理的延迟和波束形成器相结合,用于重建MIMO雷达传感器成像的场景[6]。首先,通过在时间方向上应用FFT计算距离压缩数据矩阵论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

       在第二步中,延迟和波束形成器使用加权向量补偿沿虚拟阵列的各自虚拟阵元的传播延迟或相移

     论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测    (7)

       波束形成操作可以写成矢量表示法

      论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测   (8)

        其中论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测是来自角度θ的图像或信号的估计。因此,可以计算显示距离和角度信息的二维雷达图像。

3 140GHz MIMO雷达传感器

A 模块框图

        所实现的雷达传感器框图如图2所示。chirp发生器在6.67 ms内产生从15 GHz到17.5 GHz的线性频率chirp扫描。chirp信号被馈送到射频前端,在那里它被分配到TX和RX芯片组。在芯片上实现了最终频率范围为120 GHz至140 GHz的倍频。RX芯片的差分中频信号被路由到中频板,该中频板连接到射频前端的背面。中频级由低成本的FR4材料制成,提供单端差分转换、抗混叠低通滤波和放大功能。完整的MIMO雷达传感器如图3所示。在中频级之后,使用多通道AD转换器同时对6个接收信号进行采样。使用2 MHz的采样率,每个通道获得13340个样本并传输到PC进行进一步处理。在初始步骤中,根据(6)对数据进行排序,并使用希尔伯特变换向下转换为复基带

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图2 实现的雷达传感器的模块框图

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图3 完整的雷达传感器,前端插入中频板并连接到chirp发生器,电源和ADC。

B TX/RX SiGe芯片组和天线

        该雷达传感器采用专用的TX和RX芯片组。TX和RX芯片的框图如图4所示。由chirp发生器产生的chirp被馈送到芯片并乘以8,得到120 GHz到140 GHz的输出频率。后续输出缓冲器提供2dBm至5dBm的输出功率。模拟天线增益在3dBi到4dBi之间的宽带片上天线用于发射和接收倍增chirp信号。通过将发射和接收信号混合,在接收机中产生差分中频信号。关于使用的雷达芯片组和片上天线的更详细的描述可以在[1]中找到。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图4 SiGe BiCMOS TX(上)和RX(下)雷达芯片组框图。

C 雷达前端

        第3-B节中描述的SiGe雷达芯片组集成在多层射频印刷电路板(PCB)上。射频部分采用厚度为127 μm的Rogers RO3003作为衬底材料。为了保持chirp信号的键合线尽可能短,芯片被放置在激光铣削的腔中。由于片上天线,不需要120千兆赫的粘合线。虽然键合线在100 GHz以上的频率上是可行的,但片上天线提供的带宽比[9]中提出的混合天线解决方案更大。图5显示了芯片组集成到射频前端PCB中的情况。采用平面威尔金森分频器构成的对称配电网将chirp信号送入芯片。为了优化射频前端与芯片的键合线接口,进行了全波三维电磁仿真。芯片之间的间距为3mm。内层用于将接收器的中频输出信号以及电源和控制信号路由到射频前端背面的板对板连接器。射频前端的尺寸为55*50mm2。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图5 雷达芯片组与片上天线集成到射频前端PCB和chirp分配网络的最后阶段。

4 测量

A 标定和插值

        为了减少系统测量误差对图像重建的影响,进行了标定。这些误差包括不同信道的不同路径长度或接收机增益的变化。因此,以单个角反为目标进行了校准测量,并确定了每个通道的相位偏移。为了证明标定的正确操作,在稍微不同的位置对目标进行了额外的测量,并将标定应用于时域数据。图6将标定后的测量阵列响应与仿真结果进行了对比。经标定后,测量结果与仿真结果吻合较好。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图6 角度0°左右的目标的仿真与测量结果比较。计算结果与实测结果吻合较好。

        第二步,插入缺失虚拟阵元的数据。插补过程对阵列响应的影响如图7所示。插值后的数据集相当于均匀间隔的阵列。因此,降低了阵列响应的旁瓣电平(SLL)。矩形窗口用于所有呈现的图像。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图7 数据插值对阵列功率方向图的影响。副瓣电平大大降低。

B 测量结果

        为了验证该雷达传感器在多目标场景下的二维成像能力,将三个角反放置在空房间中,雷达传感器对场景进行扫描。测量场景如图8所示。三个角反的位置用红圈标出。采用不同的chirp长度和带宽对MIMO雷达传感器进行了测试。图9和图10为第2-C节图像重建算法生成的二维雷达图像。图9是由范围为120 GHz到125 GHz的chirp生成的。chirp持续时间为1.67 ms,产生的距离分辨率为3 cm。在雷达图像中可以清楚地识别出三个角反及其混叠。由于传感器的可用带宽很大,可以使用[10]中提出的技术来抑制混叠。墙被近似地复制为一个点目标。动态范围为20dB时,方位角方向的副瓣仍然可见。

        chirp带宽逐渐增大至20 GHz,距离分辨率达到7.5mm,并对图像进行重构。在图10中,描绘了以20 GHz chirp带宽产生的雷达图像的细节。chirp持续时间为6.67 ms。第三个角反被放大了。可以观察到,在距离维度上,目标被限制为一个长度为7.5 mm的单个分辨率单元。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图8 有三个角反放置在不同位置的房间。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图9 房间的二维雷达图像。三个角反及其混叠用实线和虚线标记。chirp带宽为5GHz。

论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results,论文解读,人工智能,自动驾驶,目标跟踪,算法,目标检测

图10 chirp带宽20 GHz产生的图像缩放到CC3。峰值被限制在单个距离单元内。

5 结论

        本文演示了一种工作在120 GHz到140 GHz频率范围内的宽带FMCW MIMO雷达传感器。传感器使用专用的TX或RX芯片组和发射机的时域多路复用来实现MIMO功能。在传感器硬件的基础上,提出了一种将延迟和波束形成器与FFT相结合的信号处理技术。利用MIMO雷达传感器产生的数据和成像算法计算了二维雷达图像。

        由于所提出的MIMO雷达传感器采用线性TX/RX阵列,无法获得目标的仰角信息。像安全扫描仪这样的应用程序需要3D信息。因此,所提出的MIMO雷达传感器是迈向能够产生3D图像的二维 RX/TX MIMO阵列的中间步骤。文章来源地址https://www.toymoban.com/news/detail-824714.html

到了这里,关于论文解读--Wideband 120 GHz to 140 GHz MIMO Radar:System Design and Imaging Results的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【论文阅读】Deep Instance Segmentation With Automotive Radar Detection Points

    基于汽车雷达检测点的深度 实例分割 一个区别: automotive radar  汽车雷达 : 分辨率低,点云稀疏,语义上模糊,不适合直接使用用于密集LiDAR点开发的方法  ; 返回的物体图像不如LIDAR精确,可以在雨,雪,雨夹雪,冰雹,雾,泥和尘土中返回; 在夜间和阴天条件下也比激

    2024年02月13日
    浏览(52)
  • 【论文解读】(如何微调BERT?) How to Fine-Tune BERT for Text Classification?

    论文地址:https://arxiv.org/pdf/1905.05583.pdf 论文年份:2019年05月 论文代码: https://github.com/xuyige/BERT4doc-Classification 论文引用量:1191 (截止2023-04-28) 论文阅读前提:熟悉NLP、深度学习、Transformer、BERT、多任务学习等。 现在NLP任务方式大多都是对BERT进行微调。例如:我们要做一个

    2024年02月07日
    浏览(42)
  • 【Deformable DETR 论文+源码解读】Deformable Transformers for End-to-End Object Detection

    上一篇讲完了DETR相关原理和源码,打算继续再学习DETR相关改进。这次要解读的是21年发表的一篇论文: ICLR 2021:Deformable DETR: Deformable Transformers for End-to-End Object Detection 。 先感谢这位知乎大佬,讲的太细了: Deformable DETR: 基于稀疏空间采样的注意力机制,让DCN与Transformer一起玩

    2023年04月16日
    浏览(49)
  • 【论文阅读】A Comparative Study on Camera-Radar Calibration Methods

    综述文 compare three types of the calibration methods presented in previous studies on fusing camera and radar in terms of calibration accuracy. Experimental results show that one type of the methods is not appropriated to the camera-radar calibration, and the methods belonging to the other types provide quite similar accuracy. ADAS:advanced driver assist

    2024年02月05日
    浏览(45)
  • 【论文笔记】CRN: Camera Radar Net for Accurate, Robust, Efficient 3D Perception

    原文链接:https://arxiv.org/abs/2304.00670   本文提出两阶段融合方法CRN,能使用相机和雷达生成语义丰富且位置精确的BEV特征。具体来说,首先将图像透视特征转换到BEV下,该步骤依赖雷达,称为雷达辅助的视图变换(RVT)。由于转换得到的BEV特征并非完全精确,接下来的多模

    2024年02月03日
    浏览(67)
  • 【论文笔记】Scene Reconstruction From 4D Radar Data with GAN and Diffusion

    原文链接:https://kth.diva-portal.org/smash/get/diva2:1799731/FULLTEXT01.pdf 本文使用深度生成模型(DGM)实现以4D雷达为条件的图像生成,以提供雷达数据的另一可视化方法并增强可解释性。 实验中的雷达和RGB相机固定在路面上方并经过时空同步。雷达和图像的数据对会作为网络的训练数

    2024年02月03日
    浏览(51)
  • 毫米波雷达成像论文阅读笔记: IEEE TPAMI 2023 | CoIR: Compressive Implicit Radar

    原始笔记链接:https://mp.weixin.qq.com/s?__biz=Mzg4MjgxMjgyMg==mid=2247486680idx=1sn=edf41d4f95395d7294bc958ea68d3a68chksm=cf51be21f826373790bc6d79bcea6eb2cb3d09bb1860bba0af0fd5e60c448ca006976503e460#rd ↑ uparrow ↑ 点击上述链接即可阅读全文 毫米波雷达成像论文阅读笔记: IEEE TPAMI 2023 | CoIR: Compressive Implicit Radar Ab

    2024年02月12日
    浏览(36)
  • 【论文笔记】A Robust Diffusion Modeling Framework for Radar Camera 3D Object Detection

    原文链接:https://openaccess.thecvf.com/content/WACV2024/html/Wu_A_Robust_Diffusion_Modeling_Framework_for_Radar_Camera_3D_Object_WACV_2024_paper.html 本文使用概率去噪扩散模型的技术,提出完全可微的雷达-相机框架。使用校准矩阵将雷达点云投影到图像上后,在特征编码器和BEV下的Transformer检测解码器中

    2024年01月18日
    浏览(59)
  • 英伟达文本生成3D模型论文:Magic3D: High-Resolution Text-to-3D Content Creation解读

    摘要:DreamFusion 最近展示了使用预训练的文本到图像扩散模型来优化神经辐射场 (NeRF) 的实用性,实现了显着的文本到 3D 合成结果。然而,该方法有两个固有的局限性:(a)NeRF 的优化极慢和(b)NeRF 上的低分辨率图像空间监督,导致处理时间长的低质量 3D 模型。在本文中,

    2024年04月17日
    浏览(47)
  • 论文阅读--Cell-free massive MIMO versus small cells

    论文信息 Ngo H Q, Ashikhmin A, Yang H, et al. Cell-free massive MIMO versus small cells[J]. IEEE Transactions on Wireless Communications, 2017, 16(3): 1834-1850.   无蜂窝大规模MIMO中没有小区或者小区边界的界定,所有接入点通过回程网络进行相位相干协作,并通过时分双工(TDD)操作为同一时频资源中的

    2024年02月07日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包