使用虚拟阵列增加角度分辨率

打开脚本

此示例介绍了MIMO雷达中的虚拟阵列的形成如何帮助增加角度分辨率。它显示了如何使用相控阵系统工具箱™模拟相干MIMO雷达信号处理链。

介绍

有两种类别的多输入多输出（MIMO）雷达。多晶雷达形成第一类。它们通常被称为统计MIMO雷达。连贯的MIMO雷达形成第二类，是这个例子的重点。相干MIMO雷达信号处理的好处是通过形成虚拟阵列来增加物理天线阵列的角度分辨率。

虚拟阵列

可以由准模型MIMO雷达创建虚拟阵列，其中发射和接收阵列密切相关。为了更好地理解虚拟阵列概念，首先看一下传统相控阵雷达的双向模式。相控阵雷达的双向模式是其发射阵列图案和接收阵列图案的乘积。例如，考虑具有2元件发射阵列的77GHz毫米波雷达和4元件接收阵列。

FC = 77E9;C = 3E8;lambda = c / fc;nt = 2;nr = 4;

如果两个阵列具有半波长间距，则有时被称为全阵列，则双向图案靠近接收阵列图案。

dt = lambda / 2;Dr = lambda / 2;txarray = phased.ula（nt，dt）;rxarray = phased.ula（nr，dr）;Ang = -90：90;Pattx =模式（TxArray，Fc，Ang，0，'类型'那'powerdb'）;patrx =模式(rxarray、fc和0'类型'那'powerdb'）;Pat2way = Pattx + Patrx;Helperplot multipledbpattn（Ang，[Pat2way Pattx Patrx]，[ -  30 0]，......{'双向模式'那'tx pattern'那'rx模式'}，......'全/完整数组的模式 -  2TX，4RX'那......{' - '那' - '那' - 。'}）;

如果用薄阵列替换完整的传输阵列，这意味着元素间距越宽于半波长，则双向模式具有较窄的波束宽度。请注意，即使薄发射阵列具有光栅裂片，那些光栅叶片也不存在于双向图案中。

dt = nr * lambda / 2;txarray = phased.ula（nt，dt）;Pattx =模式（TxArray，Fc，Ang，0，'类型'那'powerdb'）;Pat2way = Pattx + Patrx;Helperplot multipledbpattn（Ang，[Pat2way Pattx Patrx]，[ -  30 0]，......{'双向模式'那'tx pattern'那'rx模式'}，......“薄/全阵列模式- 2Tx, 4Rx”那......{' - '那' - '那' - 。'}）;

该系统的双向模式对应于具有2×4 = 8个元素的虚拟接收阵列的模式。因此，通过仔细选择发射机和接收阵列的几何形状，我们可以增加系统的角度分辨率而不向阵列添加更多天线。

varray = phased.ula（nt * nr，dr）;Patv =模式（Varray，Fc，Ang，0，'类型'那'powerdb'）;Helperplot MultipledBoattern（Ang，[Pat2way Patv]，[ -  30 0]，......{'双向模式'那'虚拟阵列模式'}，......'薄/全阵列的模式和虚拟阵列'那......{' - '那' - '}，[1 2]）;

MIMO雷达中的虚拟阵列

在相干的MIMO雷达系统中，发射阵列的每个天线发送正交波形。由于这种正交性，可以在接收阵列处恢复发送的信号。然后可以堆叠对应于每个正交波形的物理接收阵列的测量以形成虚拟阵列的测量。

注意，由于发射阵列中的每个元件独立地辐射，因此没有发送波束形成，因此发射模式广泛并覆盖大型视野（FOV）。这允许同时照明FOV中的所有目标。然后，接收数组可以生成多个光束以处理所有目标回波。与需要连续扫描的传统阵列雷达相比，覆盖整个FOV，这是MIMO雷达对于需要快速反应时间的应用的另一个优点。

TDM-MIMO雷达仿真

时分多路复用（TDM）是在发射信道中实现正交性的一种方法。该示例的其余部分显示了如何模拟和模拟TDM-MIMO频率调制的连续波（FMCW）汽车雷达系统。波形特性适应采用FMCW技术的汽车自适应巡航控制（雷达工具箱）例子。

波形= HelperdesignfmcwwaveForm（C，Lambda）;fs = waveform.samplerate;

想象一下，FOV中有两辆汽车，分离为20度。如该示例的前一阵列图案图所示，4元件接收阵列的3DB波束宽度约为30度，因此传统的处理无法分离角域中的两个目标。雷达传感器参数如下：

变送器= Phased.Transmitter（'峰值功率'，0.001，'获得'，36）;Receiver = phased.receiverProamp（'获得'，40，'噪音文件'，4.5，'采样率'，fs）;txradiator =相位的.Radiator（'传感器'，txarray，“OperatingFrequency”，fc，......'繁殖'，C，'progersinputport'，真的）;rxcollector = phased.collector（'传感器'，rxarray，“OperatingFrequency”，fc，......'繁殖'，C）;

定义自我车辆的位置和运动和FOV中的两辆汽车。

RADAR_SPEED = 100 * 1000/3600;%自我车速100公里/小时radarmotion = phased.platform（'初始位置'，[0; 0; 0.5]，'速度'，[RADAR_SPEED; 0; 0]）;car_dist = [40 50];传感器和汽车之间的距离（米）car_speed = [-80 96] * 1000/3600;％km / h  - > m / scar_az = [-10 10];car_rcs = [20 40];car_pos = [car_dist。* cosd（car_az）; car_dist。* sind（car_az）; 0.5 0.5];cars = phased.radartarget（'veslrcs'，car_rcs，'繁殖'，C，“OperatingFrequency”，FC）;carmotion = phased.platform（'初始位置'，car_pos，'速度'，[car_speed; 0 0; 0 0]）;

假设传播模型是自由空间。

channel = phased.freespace（'繁殖'，C，......“OperatingFrequency”，fc，'采样率'，fs，'twowaypropagation'，真的）;

然后可以模拟由TDM MIMO雷达的物理阵列接收的原始数据多维数据集如下：

rng (2017);Nsweep = 64;Dn = 2;％抽取因子fs = fs / dn;XR =复杂（零（FS * Waveform.sweeptime，NR，Nsweep））;w0 = [0; 1];％重量以启用/禁用辐射元件为了m = 1: Nsweep％更新雷达和目标位置[RADAR_POS，RADAR_VEL] = radarmotion（waveborm.sweeptime）;[tgt_pos，tgt_vel] = carmotion（waveform.sweeptime）;[〜，tgt_ang] = rangeangle（tgt_pos，radar_pos）;％传输FMCW波形sig =波形（）;txsig =发射器（SIG）;％切换传输元素W0 = 1-W0;txsig = txradiator（txsig，tgt_ang，w0）;％传播信号并反映目标txsig =通道（TXSIG，RADAR_POS，TGT_POS，RADAR_VEL，TGT_VEL）;TXSIG =汽车（TXSIG）;％dechirp收到的雷达返回rxsig = rxcollector（txsig，tgt_ang）;rxsig =接收器（rxsig）;dechirpsig = dechirp（rxsig，sig）;百分比恢复以减少计算要求为了n =大小（XR，2）： -  1：1 XR（：，n，m）=枯萎（DecHirpsig（：，n），dn，'冷杉'）;结尾结尾

虚拟阵列处理

必须处理由物理阵列接收的数据多维数据集以形成虚拟阵列数据多维数据集。对于在该示例中使用的TDM-MIMO雷达系统，通过拍摄数据多维数据集的每一页，可以从两个连续扫描中恢复对应于两个发射天线元件的测量。

nvsweep = nsweep / 2;XR1 = XR（：，：，1：2：结束）;XR2 = XR（：，:,2：2：结束）;

现在数据多维数据集XR1包含与第一发送天线元素对应的返回，以及数据多维数据集XR2.包含对应于第二发送天线元件的返回。因此，来自虚拟阵列的数据多维数据集可以形成为：

XRV = CAT（2，XR1，XR2）;

接下来，对虚拟数据多维数据集执行范围 - 多普勒处理。因为范围 - 多普勒处理是线性的，所以保留相位信息。因此，稍后可以使用所得到的响应来对虚拟孔径执行进一步的空间处理。

nfft_r = 2 ^ nextpow2（尺寸（XRV，1））;nfft_d = 2 ^ nextpow2（尺寸（XRV，3））;rngdop = phased.rangedopplerresponse（'繁殖'，C，......'dopperoutput'那'速度'那“OperatingFrequency”，fc，'采样率'，fs，......'rangemethod'那FFT的那'prfsource'那'财产'那......'RangeWindow'那'Hann'那'prf'，1 /（nt * waveborm.sweeptime），......'sweepslope'，waveform.sweepbandwidth / waveform.sweeptime，......'RangeFftLengthSource'那'财产'那'RangefftLength'，nfft_r，......'dopplerfftlengthsource'那'财产'那'dopplerfftlength'，nfft_d，......'dopplerwindow'那'Hann'）;[resp，r，sp] = RNGDOP（XRV）;

所结果的分别地是包含虚拟阵列中的每个元素的范围多普勒响应的数据多维数据集。作为图示，示出了虚拟阵列中的第一元素的范围 - 多普勒映射映射。

PlotResponse（RNGDOP，挤压（XRV（：，1，:)）;

可以在从每对发射和接收元件上对测距多普勒图执行检测以识别场景中的目标。在该示例中，对在第一发送元件和第一接收元件之间获得的地图上执行简单的基于阈值的检测，其对应于虚拟阵列中的第一元件处的测量。基于上图中所示的范围 - 多普勒映射，阈值设定为10 dB以下最大峰值。

respmap =挤压（mag2db（abs（abs（：，1，:)）））;Ridx = Helperrddetection（Respmap，-10）;

基于检测到的目标范围，可以从虚拟阵列数据多维数据集中提取相应的范围切口以执行进一步的空间处理。为了验证虚拟阵列与物理阵列相比提供更高分辨率，下面的代码提取两个目标的范围剪切，并将它们组合成单个数据矩阵。然后在这些虚拟阵列测量上执行BeamScan算法以估计目标的方向。

XV =挤压（总和（REAC（RIDX，：），1））';doa = phased.beamscanestimator（'sensorarray'varray,'繁殖'，C，......“OperatingFrequency”，fc，'doaoutputport'，真的，'numsignals'2，'扫描'，Ang）;[pdoav，target_az_est] = doa（xv）;fprintf（'target_az_est = [％s] \ n'，num2str（target_az_est））;

Target_az_est = [-6 10]

两个目标成功分开。两辆汽车的实际角度为-10和10度。

下图比较了虚拟和物理接收数组的空间谱。

doarx =分阶段。BeamscanEstimator ('sensorarray'，rxarray，'繁殖'，C，......“OperatingFrequency”，fc，'doaoutputport'，真的，'扫描'，Ang）;pdoarx = doarx（xr）;HelperplotMultipledBPoattern（Ang，Mag2dB（ABS（[PDOAV PDOARX]）），[ -  30 0]，......{'虚拟数组'那'物理阵列'}，......“虚拟阵列和物理阵列的空间频谱”，{' - '那' - '}）;

在该示例中，在范围 - 多普勒地图上执行检测而不进行虚拟阵列数据多维数据集的空间处理。这是因为SNR很高。如果SNR低，则还可以在整个范围 - 多普勒映射上盲目地处理虚拟阵列，以最大化检测前的SNR。

相位编码的MIMO雷达

虽然TDM-MIMO雷达的加工链相对简单，但它一次只使用一个发射天线。因此，它不利用发射阵列的全部容量。为了提高效率，还有其他正交波形可用于MIMO雷达。

使用与示例相同的配置，实现正交性的一个方案是具有一个元件始终发送相同的FMCW波形，而第二发送元件反转每个扫描的FMCW波形的相位。这种方式，两个发射元素都在所有扫描中都处于活动状态。对于第一次扫描，两个元素发送相同的波形，并且对于第二次扫描，两个元素将波形与相对相位相同，等等。这基本上编码了与Hadamard代码的不同元素的连续扫描。它类似于MIMO通信系统中使用的Alamouti代码。

MIMO雷达还可以采用MIMO雷达中的相位编码波形。在这种情况下，每个辐射元件可以传输唯一编码的波形，并且接收器可以具有与每个相位编码波形中的每一个对应的匹配的滤波器组。然后可以恢复并处理信号以形成虚拟阵列。