论文部分内容阅读
智能驾驶推动了智能交通系统(ITS)的发展,车辆在行驶过程中,利用车载雷达通信一体化信号,将估计出的目标信号波达角度(Direction of Arrival,DOA)联合车辆的测距、测速信息就可以实现车辆网环境中车辆的定位。但是由于智能汽车信号传播过程中的多径干扰或者使用相同的频点进行车辆和障碍物检测会导致接收端处理信号相干,为了消除车辆间相干信号对DOA估计的负面影响,提出基于车载雷达通信一体化的去相干DOA估计算法。论文围绕车联网应用场景下DOA估计存在的问题,研究用于解决车载一体化环境下的1-D和2-D DOA去相干计算理论。详细的研究安排如下:(1)分析车载雷达、通信一体化系统在IOV(Internet of Vehicles)应用场景当中的模型,提出1-D DOA估计的算法。用于IOV场景的传统1-D DOA估计算法,由于条件要求苛刻,在低信噪比、小快拍数和非等强多目标等应用条件下鲁棒性较差。同时,无法消除车联网中信号相干的情况。因此,研究一种适合IOV场景的子空间投影合成谱去相干算法。该算法在保证DOA估计精度的同时,消除了相干信号的影响,同时在低信噪比和小角度情况下提高了算法的估计精度和鲁棒性,并通过仿真实验分析了该方法的有效性。(2)车辆在IOV环境当中并非时刻处于相同的水平面上,因此研究二维角度的DOA估计对于实现智能驾驶至关重要。由于传统的2-D DOA估计方法必须进行复杂的频谱的峰值搜索以及可能的俯仰角,方位角的匹配过程,增加了计算的时间复杂度,严重影响了车联网的实时探测需求。本文研究了一项新颖的2-D DOA估计方法,加强了算法在降维过程中的严谨性,降低了算法的搜索复杂度,同时也消除了相干信号对DOA估计的干扰,得到的俯仰角及方位角是一一对应关系,避免了重复的角度配对过程。实验分析表明本文提出的算法能够消除信号的相干性,具有较高的估计精度和分辨率,也具有较好的鲁棒性。