自動運転のための全天候性型走行環境認識技術の研究開発

自动驾驶全天候驾驶环境识别技术研发

基本信息

批准号：
15H05528
负责人：
松波勲
金额：
$ 9.9万
依托单位：
The University of Kitakyushu
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (A)
财政年份：
2015
资助国家：
日本
起止时间：
2015-04-01 至 2019-03-31
项目状态：
已结题

项目摘要

レーダの空間分解能を向上させるため、レーダ方式にステップドFM方式を採用した。本研究では、Khatri-Rao積位相拡張処理（以下、KR積）を用いた帯域拡張による超高分解能化を提案した。この手法はステップドFM方式の各周波数ステップが位相検波されることに着目しており、KR積は検波後の位相の複素成分を用いて仮想的に拡張する。周波数ステップ数をNとすると、拡張の自由度は2N-1となることから、理論的に距離分解能を1/2にすることができることを提案している。さらに独立成分分析により干渉環境化、ノイズ環境下における複数目標分離に関しても提案している。まずシミュレーションにてKR積の理論分解能の評価を行った。スペクトルホールをつるくとピーク対サイドローブ比が劣化するが、提案手法のKR積処理を施すと、ピーク対サイドローブ比が改善し、半値角（ピーク電力から-3dB）における距離分解能も1/2まで改善することに成功した。また、実験にてKR積の理論分解能の評価を行った。実験シナリオで目標としてサイズの異なる球体2個を回転台に載せ、この回転台を回転させることで距離分解能の評価を行ったその結果、KR積処理を用いることで従来では分離できなかった2目標を分離することができており、距離分解能も2/3を達成することに成功した。加えて、本研究は2次元形状推定手法の確立を開発目標としていたが、手法の開発過程で新たに、3次元形状推定が可能であることも発見することができた。レーダの距離情報と角度情報から、各レーダ散乱点をMUSICアルゴリズムにより処理することで、物体の3次元形状推定が可能であることをシミュレーションで明らかにすることに成功した。

为了提高雷达的空间分辨率，雷达方法采用步进FM方法。在本研究中，我们提出了利用Khatri-Rao乘积相扩展处理（以下简称KR乘积）通过频带扩展来实现超高分辨率。该方法的重点是对步进调频方法的每个频率步进行相位检测，并且利用检测后相位的复数分量对KR乘积进行虚拟扩展。如果频率步数为N，则扩展的自由度为2N-1，因此提出理论上可以将距离分辨率减半。此外，我们还提出了在噪声环境中使用独立分量分析和多目标分离的干扰环境。首先，我们通过模拟评估了KR产品的理论分辨率。平滑谱孔会降低峰旁瓣比，但通过应用所提出方法的 KR 乘积处理，峰旁瓣比得到改善，并且半功率角处的距离分辨率（距峰值 -3 dB） power）也减少了1/2，我们成功地将其提高到2。我们还通过实验评估了KR产品的理论分辨率。在实验场景中，将两个不同尺寸的球体作为目标放置在转盘上，通过旋转转盘来评估距离分辨率。结果，通过使用KR产品加工，两个常规无法分离的目标被分离出来。经评估，距离分辨率也成功达到了2/3。另外，本研究的开发目标是建立2D形状估计方法，但在开发该方法的过程中，我们发现3D形状估计也是可能的。我们通过仿真成功证明，通过使用来自雷达距离和角度信息的 MUSIC 算法处理每个雷达散射点，可以估计物体的三维形状。