面向汽车智能驾驶的毫米波雷达建模与仿真研究

作者单位:吉林大学


论文类型:博士学位论文


摘要:智能驾驶是现代汽车领域的研究热点,是有效解决“人车安全”、“节能环保”、“共享出行”“乘车舒适”、“高效服务”、“畅想娱乐”等社会热点问题的有效途径之一,智能化是汽车发展的必然趋势。智能驾驶仿真测试技术可有效地解决真实物理测试中存在的“周期长、成本高、安全性低、可行性难”等问题,已成为智能驾驶研发的关键基础技术,也必将成为未来智能汽车准入认证中的必备基础环节。在智能驾驶研发过程中,毫米波雷达与激光雷达相比,技术更成熟、应用更广泛、成本更低廉;与可见光摄像头相比,准确性和稳定性更好,且毫米波雷达具有波长短、频段宽、波束窄,可实现对被测目标距离、速度、角度等的高精度测量,而且有较好的抗天气干扰的优势。因此,毫米波雷达是智能驾驶不可或缺的传感器,基于毫米波雷达检测的智能驾驶系统前景广阔。然而,由于汽车行驶环境复杂,影响毫米波雷达检测的因素众多,使得在实际道路上、试验场或实验室内开展雷达信号处理与目标检测的研究不仅费时、成本高,而且安全也无法保证。模拟仿真成为了解决这一问题的关键手段,也是高效、安全且可靠地开展智能驾驶系统研究急需解决的核心课题。通过对已有智能驾驶仿真测试领域研究现状的调研发现,面向汽车智能驾驶的毫米波雷达仿真模型普遍存在模型简单化、理想化,对影响雷达检测的环境因素反映不够、仿真置信度低等问题,包括雷达环境杂波建模模型简单化、缺乏对空间场景动态变化的描述,目标模型的 RCS 值往往固定不变、或计算实时性不够、不能随雷达电磁波入射方向动态变化等难点问题。本文基于对上述问题的理解,并以解决这些问题为目标开展了面向汽车智能驾驶的毫米波雷达建模与仿真研究。本文首先综合分析了面向汽车智能驾驶的毫米波雷达检测机理,包括雷达电磁波发射机理,以及雷达发射波形和雷达发射天线等引发的检测缺陷问题及其产生根源;雷达电磁波传播机理,以及雷达内部传输衰减和外部环境传播衰减等引发的检测缺陷问题及其产生根源;雷达电磁波反射机理,以及雷达目标 RCS 和雷达环境杂波等引发的检测缺陷问题及其产生根源;雷达电磁波接收与处理机理,以及雷达接收天线、雷I达接收机特性和雷达回波处理方法等引发的检测缺陷问题及其产生根源等。其次,本文在此分析的基础上提出了面向汽车智能驾驶的毫米波雷达环境杂波建模方法。针对智能驾驶交通场景中的地物特点,分析了城市交通道路、高速交通道路和乡村交通道路中的地物回波时频统计分布特性,提出了地杂波建模方法,设计了典型场景下的地物分布特征,基于毫米波雷达信号处理和数据处理算法,开展了地杂波建模方法应用验证,证实了地杂波建模方法的有效性;此外针对智能驾驶交通场景中的天气特点,通过研究雨、雪、雾等天气的回波时频统计分布特性,区分天气粒子大小、粒子间密度、风速、风向等,提出了雨、雪、雾等天气杂波的建模方法,设计了典型雨、雪、雾分布特征,基于信号处理和数据处理算法,开展了天气杂波建模方法应用验证,证实了天气杂波建模方法的有效性;针对智能驾驶交通场景中潜在的人为干扰隐患,提出了智能汽车毫米波雷达人为有源干扰的建模方法,设计典型人为干扰场景,基于信号数据处理算法,开展了人为干扰建模方法应用验证,证实了人为干扰建模方法的有效性。同时,本文还提出了一种面向汽车智能驾驶的毫米波雷达目标 RCS 实时估算方法。针对智能驾驶交通场景中的雷达目标特点,通过优化目标尺寸分布、材料构成和形状特性等因素,基于毫米波频段电磁波的传播特性,提出了一种目标 RCS 的 ARD 估算方法,包括雷达目标尺寸因子、形状因子、材料因子的计算方法;并基于该方法设计了目标 RCS 的实时估算流程。为进一步验证该方法的有效性,本文针对车辆和行人目标,开展了车辆目标静止状态、车辆目标运动状态、行人目标静止状态、行人目标运动状态的 RCS 估算方法验证试验,并通过与国际通用的电磁仿真商用软件 FEKO 的比对,验证了智能驾驶毫米波雷达目标 RCS 实时估算方法的有效性。本文进一步基于雷达目标检测机理、杂波建模方法、目标 RCS 估算方法等,建立了智能驾驶毫米波雷达仿真模型。基于概率统计理论,分析了雷达虚警的概率分布特点,提出了雷达虚警建模方法;基于雷达与目标之间的空域遮挡、雷达与环境之间的能域衰减及频域遮挡等的定量分析,提出了雷达漏报建模方法;在综合分析雷达内外部因素对测距、测速和测角影响的基础上,提出了雷达测距误差、测速误差、测角误差的建模方法。设计了典型交通场景,开展了虚警建模方法、漏报建模方法、测量误差建模方法的仿真验证,仿真结果证明了虚警、漏报、测量误差建模方法的有效性。最后,本文开展了雷达模型在汽车智能驾驶仿真测试中的应用研究。通过设计汽II车自动紧急制动(AEB)算法,构建了 AEB 算法的测试场景,开展了基于雷达模型的AEB 算法测试;同时,设计了汽车自适应巡航(ACC)算法,构建了 ACC 算法的测试场景,开展了基于雷达模型的 ACC 算法测试;仿真实验结果表明,基于本文建立的雷达模型开展的智能驾驶仿真测试,可有效测试 AEB 算法和 ACC 算法中的潜在缺陷,为智能驾驶的模拟仿真奠定了重要的技术支撑手段。本文研究的主要创新点如下:(1)提出了面向智能驾驶的毫米波雷达环境杂波建模方法,包括地杂波、天气杂波和人为干扰因素的建模方法,解决了现有智能驾驶毫米波雷达模型中环境杂波无法随空间场景动态变化的难题;(2)提出了一种面向智能驾驶的毫米波雷达目标 RCS 实时估算方法(ARD 方法),解决了现有智能驾驶毫米波雷达模型中目标 RCS 值不准确或非实时等难题;(3)建立了面向智能驾驶的毫米波雷达虚警模型、漏报模型、和测量误差模型等,解决了现有智能驾驶毫米波雷达模型简单化、理想化,不能准确有效地反映真实雷达检测机理及检测缺陷、逼真度低等问题。


关键词:智能驾驶,仿真测试,毫米波雷达,建模与仿真,杂波建模,RCS 估算


PanoCar试用(学校申请)

  • 姓名*

  • 手机号*

  • 微信号*

  • 邮箱

  • 所在学校*

  • 所在学院*

  • 导师姓名*

  • 导师电话

  • 导师邮箱

  • 试用PanoCar目的*

    • 产品选型
    • 项目招标
    • 毕业设计
    • 学术研究
    • 参加比赛
    • 学习了解
    • 其他
  • 您认为软件使用过程中哪些方面比较重要*

    • 技术支持
    • 产品功能
    • 性价比
    • 国产化替代
    • 需求定制能力
    • 仿真精度
    • 模型计算效率
    • 模型计算稳定性
    • 模型参数配置易用性
    • 模型参数库丰富程度
    • 其他
  • 您关注PanoCar哪些模块或功能*

    • 模块:车辆底盘模型
    • 模块:动力传动系统模型
    • 模块:空气动力学模型
    • 模块:转向系统模型
    • 模块:悬架系统模型
    • 模块:制动系统模型
    • 模块:轮胎模型
    • 模块:3D道路模型
    • 模块:驾驶员模型
    • 模块:驾驶操纵模型
    • 模块:I/O接口
    • 功能:Matlab/Simulink联合仿真
    • 功能:PanoCar实时平台应用
    • 功能:PanoCar本地仿真测试
    • 功能:数据后处理功能
    • 功能:动画引擎
  • 您是通过哪种途径了解到PanoCar的*

    • 官网
    • 微信公众号
    • 论文专著
    • 学术会议
    • 知乎B站等其他新媒体平台
    • 行业网站
    • 搜索引擎
    • 同行推荐
    • 他人介绍
    • 其他
  • 验证码

PanoCar试用(企业申请)

  • 姓名*

  • 手机号*

  • 所在单位*

  • 所在部门*

  • 微信号*

  • 邮箱

  • 您试用PanoCar软件的目的*

    • 产品选型
    • 项目招标
    • 学习了解
    • 其他
  • 您认为软件使用过程中哪些方面比较重要*

    • 技术支持
    • 产品功能
    • 性价比
    • 国产化替代
    • 需求定制能力
    • 仿真精度
    • 模型计算效率
    • 模型计算稳定性
    • 模型参数配置易用性
    • 模型参数库丰富程度
    • 其他
  • 您关注PanoCar哪些模块或功能*

    • 模块:车辆底盘模型
    • 模块:动力传动系统模型
    • 模块:空气动力学模型
    • 模块:转向系统模型
    • 模块:悬架系统模型
    • 模块:制动系统模型
    • 模块:轮胎模型
    • 模块:3D道路模型
    • 模块:驾驶员模型
    • 模块:驾驶操纵模型
    • 模块:I/O接口
    • 功能:Matlab/Simulink联合仿真
    • 功能:PanoCar实时平台应用
    • 功能:PanoCar本地仿真测试
    • 功能:数据后处理功能
    • 功能:动画引擎
  • 您是通过哪种途径了解到PanoCar的*

    • 官网
    • 微信公众号
    • 论文专著
    • 学术会议
    • 知乎B站等其他新媒体平台
    • 行业网站
    • 搜索引擎
    • 同行推荐
    • 他人介绍
    • 其他
  • 验证码