Monthly Archives: 8 月 2024

微波车辆检测器的应用 一、 什么是微波车辆检测器（RTMS） RTMS（Remote Traffic Microwave Sensor 远程交通微波雷达检测器）是一种用于监测交通状况的再现式雷达装置。它可以测量微波投影区域内目标的距离，通过距离来实现对多车道的静止车辆和行驶车辆的检测，并且利用雷达线性调频技术原理，对路面发射微波，通过对回波信号进行高速实时的数字化处理分析，检测车流量、速度、车道占有率和车型信息等交通流基本信息的非接触式交通检测设备。 二、 微波车辆检测器的应用领域 微波车辆检测器（RTMS）主要应用于高速公路、城市快速路、普通公路交通流调查站和桥梁的交通参数采集，提供车流量、速度、车道占有率和车型等实时信息，此信息可用隔离接触器连接到控制器或通过串行接口连接到其他系统，为交通控制管理、信息发布等提供数据支持。 三、传统微波车辆检测器存在的缺陷 　　1、测速精度差 在车流量较小、不同车辆行驶速度差距较大的情况下 ,传统微波车辆检测器的单车瞬时车速测速精度非常差。在车流量很大 ,车辆行驶速度相差不大的情况下，车辆平均速度的精度大概仅能达到在90%左右。 　　2、采用测装方式，会出现小车被边道大车遮挡的问题，造成漏车问题。 3、 安装环境苛刻，只能够安装于平坦笔直的道路，需要独立的安装杆件。 四、多目标雷达的优势 多目标雷达采用先进的多目标跟踪技术，与传统微波车检器不同，能够实时跟踪64个目标，准确获取每个车辆的x、y坐标。可采用正向或斜向安装，极高的速度精度，测速精度可达99%。安装非常便捷，不受安装地点的地形条件影响。

多目标雷达在卡口测速定位的应用 目前传统的测速卡口每个车道要安装一个平板测速雷达，并且要求要安装于车道正上方。而现在的多目标雷达可以用一个雷达最多可以检测6至8个车道，大大降低了卡口的建造成本，同时安装方式更加灵活，用户可以选择路侧安装或者龙门架安装。 雷达在智能交通领域运用比较多的是雷达测速仪，卡口测速抓拍雷达等。随着智慧城市的兴起，车流量雷达、多目标雷达也逐渐普及起来。作为智能交通系统眼睛的传感器，实时搜集道路交通状况，以便更好控制的车流越来越重要。常见的解决方案有视频和雷达，后者很好的解决采用视频技术在夜晚及雨天雾天影响等问题。据瑞士RFbeam公司介绍，采用多目标雷达与相机结合的方案已经在智能交通领域崭露头角，雷达配合相机可以在一张照片上面同时显示多辆车的速度、距离、角度等信息，有效的监控道路车辆状况。 在新技术应用上，传感器发挥着巨大而独特的作用，除了以上技术应用领域以外，随着城市道路交通的智能化发展，传感器作为一种必不可少的技术已经得到广泛的运用，比如我们常见的图像传感器、雷达传感器等。 随着国家相关法律法规的出台，物联网的逐步普及，会有更多的传感器将会被开发运用起来，为智能交通和智慧城市的建设添砖加瓦。未来传感器将想着智能化、可移动化、微型化、集成化、多样化等方面发展。

从构造和原理解析毫米波雷达和激光雷达 随着自动驾驶的火热，激光雷达受到前所未有的追捧，因为其具有高精度、大信息量、不受可见光干扰的优势。但我们可以注意到，目前主流的自动驾驶方案并未完全抛弃毫米波雷达，这又是什么原因呢？ 一、引子 首先要明确，这里要讲的雷达是发射电磁波的正经雷达，而不是发射机械波的倒车雷达。 二战军迷和历史研究者大概对雷达技术的渊源了如指掌：第一台实用雷达就是用于探测试图半夜从空中越过英吉利海峡的德农——坐着飘在天上的金属壳的德农。之后雷达既在太平洋夜战中碾压过岛国训练有素的战列舰观察兵的光荣时刻，也有过在贝卡谷地被犹太人的反辐射导弹炸成渣渣的惨痛历史。 雷达从战争机器转职交通行业的初期伴随着无数车主的血泪——雷达测速。而现在雷达成为了车主摆脱油门的助手——自适应巡航的主传感器，以及并线的保护神——盲点监测和并线辅助用传感器，还偶尔扮演避免追尾事故的最后一道防线——自动紧急制动用传感器。 二、构造和原理 目前车载雷达的频率主要分为24GHz频段和77GHz频段，其中77GHz频段代表着未来的趋势：这是国际电信联盟专门划分给车用雷达的频段。严格来说77GHz的雷达才属于毫米波雷达，但是实际上24GHz的雷达也被称为毫米波雷达。 在工程实践中，雷达天线具体实现的方法有很多种。目前车载雷达中比较常见的是平面天线阵列雷达，因为相比其他实现方式，平面雷达没有旋转机械部件，从而能保证更小的体积和更低的成本。下面以目前常见的平板天线雷达为例，介绍车载雷达的构造和原理。 先对车载雷达有个直观地认识： 炸开看看： 其中这一片就是天线阵列，如下图所示： 其中从上至下分别是10条发射天线TX1，然后是2条发射天线TX2，最后是4条接收天线RX1至RX4。 两组发射天线分别负责探测近处和远处的目标，其覆盖范围如下图所示： 这里因为近处的视角（FOV）比较大，大概有90度，所以需要更多天线，而远处的视角小，大概只有20度，所以两根天线就够了。 雷达装在车上的样子如下图所示： 雷达通过天线发射和接收电磁波，所发射的电磁波并非各向均匀的球面波，而是以具有指向性的波束的形式发出，且在各个方向上具有不同的强度，如下图所示： 雷达主要测量目标的三个参数：位置、速度和方位角。下面简单说说这三个参数的测量原理。 位置和速度 这两个参数的测量原理在小学科普课本里就讲了：雷达波由发射天线发出、被目标反射后，由接收天线接收雷达回波。通过计算雷达波的飞行时间，乘以光速再除以2就可以得到雷达和目标之间的距离。 而根据多普勒效应，通过计算返回接收天线的雷达波的频率变化就可以得到目标相对于雷达的运动速度，简单地说就是相对速度正比于频率变化量。当目标和自车接近时，回波的频率相比发射频率有所升高，反之则频率降低。 实现位置和速度的测量的具体方法根据雷达采用的调制方式的不同而有所不同。雷达的调制简单来说就是为了实现雷达回波的识别和飞行时间的测量，需要在雷达发射的电磁波上加入标记和时间参考。在车载雷达中主要使用幅值调制和频率调制两种方式。 方位角 通过并列的接收天线收到同一目标反射的雷达波的相位差计算得到目标的方位角。原理如下图所示：   其中方位角αAZ可以通过两个接收天线RX1和RX2之间的几何距离d以及两天线收到雷达回波的相位差b通过简单的三角函数计算得到。 三、应用实例 毫米波雷达最常见的三种用途是： ACC（自适应巡航） BSD&LCA（盲点监测和变道辅助） AEB（自动紧急制动，通常配合摄像头进行数据融合） 作为已经量产多年的技术，我想就不用再介绍以上功能的具体内容了。让我们来说点更有趣的事： a) 雷达的数据处理流程 实现ACC等功能的核心技术是目标识别与跟踪。在接收天线收到雷达回波并解调后，控制器对模拟信号进行数字采样并做相应的滤波。接下来用FFT手段将信号变换至频域。接下来寻找信号中特定的特征，例如频域的能量峰值。在这一步还不能得到我们需要的目标，获取的仅仅是雷达波的反射点的信息。 并且，对于很多高性能雷达来说，此时获得的多个反射点可能来自一个物体，例如一辆货车可能形成5-10个反射点。所以首先还要将很可能属于同一物体的反射点匹配到同一个反射点集群中。接下来通过跟踪各个反射点集群，形成对物体的分布的猜测。 在下一个测量循环中，例如通过卡曼滤波，基于上一次的物体分布，预测本测量循环中可能的物体分布，然后尝试将当前得到的反射点集群与预测结果进行匹配，例如通过比较物体的位置和速度等参数。当反射点集群与上一测量循环得到的物体信息匹配成功时，就得到了该物体的“轨迹”，同时该物体的可信度增加，反之则可信度下降。只有当一个物体的可信度超过一定门限时，该物体才会成为我们关心的目标而进入所谓的目标列表。 b) 关于雷达的两个小问题 雷达到底能不能探测到静止目标？ 很多早期的ACC系统不会对静止物体作出反应，也就是说，如果前方有静止物体，例如在进入探测范围之前就停在前方的车辆，ACC并不会将该车作为目标，不会发出减速请求。所以有人以为雷达无法探测静止物体，这其实是一个误解。 通过之前的叙述，我们可以看到，雷达探测能力只和物体的雷达波反射特性有关，不涉及其任何运动特性，所以只要物体的雷达反射截面足够大，该物体不存在无法探测的问题。早期ACC不对静止物体作出反应主要是由于目标分类的缘故。由于早期的雷达的角分辨率较低，导致高度方向和横向的分辨率较低，无法很好的区分可以越过的物体，例如井盖，或者可以从下方穿过的物体，例如路牌。 所以为了避免ACC误动作，比如在高速公路上由于路牌而制动，设计成不对从探测到开始就保持的静止物体进行反应，因为无法判断该物体是基础设施还是交通参与者。另一方面，即使是早期的ACC系统，由于雷达保存了该目标的历史信息，如果已经探测到的车辆从行驶中制动到停止，系统仍然能够将该物体划分为交通参与者，从而进行制动。 相比激光雷达的优势？ 随着自动驾驶的火热，激光雷达受到前所未有的追捧，因为其具有高精度、大信息量、不受可见光干扰的优势。但我们可以注意到，目前主流的自动驾驶方案并未完全抛弃毫米波雷达，这又是什么原因呢？ 首先就是大家都知道的天气原因。激光的波长远小于毫米波雷达(nm vs

MIMO雷达基础理解 多输入多输出（Multiple-input Multiple-output）雷达的概念由Fishie于2004年首次提出。并不是说MIMO技术是从2004年才开始，而是FIshie第一次将MIMO通信的空间分集观点引入到了雷达中。 基于多阵元天线，MIMO雷达采用M个通道发射相互正交的信号，多波形信号在空间保持独立，经过目标的散射，被N个接收阵元接收，每个阵元都采用M个匹配滤波器对回波进行匹配，从而可以得到M*N个通道的回波数据。 可以看出形成的观测通道数（M*N）可以成倍与物理阵元数（M+N），但由于发射的信号为正交信号，则无法像相控阵那样通过波束形成在空间功率合成了，从而发射波束的主瓣增益将降低1/M。 天线阵在空间的分布不同就发展出了二种主要的体制：统计MIMO雷达和相参MIMO雷达。 统计MIMO雷达（分布式） 发射阵在空间散布，目标回波是有大量散射体的回波叠加而成，接收机利用正交性分离出不同位置的回波，这些回波认为是相互统计独立的，目标发射信号功率近似稳定，这对目标检测是有益的，可以有效克服由目标闪烁导致的雷达性能下降。 相参MIMO雷达（紧凑式） 发射/接收阵元在空间上分布紧凑，这个紧凑是指天线阵元的间距在发射信号的波长量级时，远场目标回波对于收发天线阵是相关的。 相参MIMO雷达又可以分为单站和双站，单站大家好理解；双站是说收、发分别紧凑配置，收发之间满足双站雷达的条件。 对于相参MIMO雷达，各发射和接收单元的位置是已知的，对接收端匹配滤波后的MN个输出信号进行移相相加，可以在一个或多个方向上形成波束。

多目标跟踪雷达的基本原理与要素 多目标跟踪雷达的原理可以参考下图。在自适应滤波与增益确定的地方与单目标跟踪流程相同。整体是一个递推的过程，每一时刻雷达接收到的目标回波后，将这些回波与之前已经确定的目标航迹进行数据关联，没有进入跟踪门的目标回波认为是新目标的回波，并建立新的航迹用于下一时刻的数据相关。在本时刻相关上的目标航迹通过自适应滤波，对目标下一时刻的位置进行预测，并将本次的目标回波进行滤波后输出。在数据关联更新和滤波的过程中确定目标变化增益。当航迹没有被新的目标回波更新时，使用预测值对其进行更新，当较长一段时间没有被更新时，认为该条航迹的目标已经超出视野，该条航迹作废。 因此多目标跟踪雷达的基本原理还有跟踪波门的控制，航迹起始，数据关联，航迹撤销等。 1、 跟踪波门机制 是指多目标跟踪过程中对每条航迹划分的跟踪范围的确定，跟踪波门可每时刻变化，它的中心位置始终在被跟踪目标上一时刻预测的位置。 跟踪波门机制的主要目的为： 1） 确定跟新数据：当观测到目标回波根据跟踪波门机制被认定为某一航迹的回波时，利用这一新观测到的目标回波更新航迹数据。但一般可能有多个回波同时落入一条航迹的跟踪波门范围内，因此在跟踪波门内的所有候选回波均有可能是真实的目标回波，并用来更新目标的状态。具体使用哪个回波与采用“最近邻”和“全邻”等相关算法有关。 2） 建立新的临时航迹：当某时刻观测到的回波不能与之前任何一个已经建立的航迹相关时，这时，这些回波可能是雷达观测范围内新出现的目标的回波或者是其他原因造成的虚警，可以用这些新的回波建立新的临时航迹。若该目标回波在观测一定时间内，不能形成稳定的目标航迹则认为该临时航交所虚警并撤销该条航迹。 2、 航迹关联 航迹关联过程是将本时刻接收到的所有回波与所有已知航迹进行目标关联，判断多个回波都是属于哪一个目标航迹的过程。航迹关联过程多目标跟踪的另一个核心部分。 通过跟踪波门机制可粗略的进行联合。但在多目标回波的环境下，特别是两目标轨迹相近或者交错时，目标回波难以区分，不能断定回波属于哪个目标航迹。此时，可能多个目标回波位于同一个航迹跟踪波门内，也可能只有单个目标回波却被划到多个跟踪波门内。最邻近法计算简单，易于编程实现。但在目标密集的环境或杂波干扰的环境下，使用效果不是很好。对于那些目标轨迹相近或者轨迹交叉的目标来说，离航迹统计距离最小的回波不一定就是目标航迹的回波，因此该方法在实际使用时很可能会出现跟踪错误或丢失目标的现象。 3、 航迹起始和航迹撤销 航迹起始是航迹的初始化的过程。一般经过上述目标关联剩下的目标回波，既不能与已知目标航迹相关的目标回波，本身需要进行回波之间的关联，关联后确定为新的目标航迹的初始位置，并认为此时是临时航迹。一旦形成新的临时航迹，则需采用一定规则来确认是目标，而非虚警。常用的方法有当N次扫描中能进行M次相关时（M<N）确定航迹起始的方法和基于后验概率的决策方法等。 航迹撤销是清除多余目标航迹或假目标航迹的一种决策方法。当被跟踪的目标逃离跟踪范围或者被判定为虚警目标时，每时刻不能被录取到目标回波更新，为避免存储和计算的冗余，跟踪系统必须做出撤销航迹的决定。和航迹起始的方法相同，常用的方法有N次扫描中能进行M次相关时（M<N）确定航迹起始的方法和基于后验概率的决策方法等。

雷达搜索过程的多目标跟踪雷达技术 关于复杂目标环境下的单目标跟踪方面的理论已经十分完善。现在复杂环境下的目标跟踪会造成交叉、分叉。因此该算法在工程中的应用较少，目前最优贝叶斯算法和多假设法被认为是数据互联的最优方法，国内外许多的先进雷达系统都采用了此算法。 多目标跟踪技术为目标状态估计和航迹管理两个方面。前一方面，负责提供跟踪目标的运动轨迹预测估计；后一方面负责雷达回波与航迹配对的关系以及航迹的建立和撤销。对于滤波器设计方面，不紧要考虑滤波器能适应匀速运动目标，而且还要适应变速或机动的目标。 由于航迹关联中测量值与航迹的关联，需要知道上一时刻对本时刻目标到达的位置的预测，如果预测错误，那么下一时刻雷达的测量值与航迹要正确关联几乎是不可能的。因此目标状态估计是多目标跟踪技术中的核心问题，正确建立目标模型是首要考虑的问题。 目前看来，对跟踪主要的负面影响包括杂波和虚警，在不能有效去除这些干扰的情况下。杂波和虚警会干扰跟踪的正确性。因此，当观测的来源不能确定时，必须在进行目标状态估计之前，将本次观测量与其他的数据建立航迹关联。 目标状态估计的目的就是将雷达本周期探测到的多个目标的回波建立或关联到多个目标的航迹，并进行噪声滤除，根据历史数据和本次的航迹更新的数据，预测下一雷达接收回波出现的位置。