论文部分内容阅读
车联网作为智能交通系统研究的重点领域与集中体现,在实现车辆与周围环境信息交互的同时,还应具备雷达感知功能。由于车载通信系统射频前端结构与雷达系统越来越接近,车联网利用通信信号实现雷达测距测速定位等功能是具有研究价值的。正交频分复用(OFDM)技术作为雷达通信一体化的一项关键技术,在利用其实现雷达测距测速方面已经取得了一些成果。为了解决一体化系统中测角定位的问题,本文将多输入多输出(MIMO)技术与OFDM技术相结合,重点研究了车载环境下基于MIMO-OFDM信号的角度距离估计方法。首先,介绍了雷达通信一体化系统的应用场景和MIMO-OFDM基本系统结构,并阐述了一种交错形式的OFDM帧结构;此帧结构不是选择连续的OFDM子载波分配到多天线上,而是将每个OFDM符号中特定位置的子载波分配到不同的天线上发送,由于载波间相互正交,所以天线之间不会产生干扰。并且交错帧结构可以使得每根天线的带宽都等于信号带宽,提高了带宽的利用率。由于信号带宽决定了参数估计的分辨率,所以此结构可以提高参数估计的分辨率。其次,车载环境下车辆发送信号为同频信号以及多径效应的存在,可能使得接收信号具有相关性。为了解决角度估计时由于信号相关而导致的空间分辨率低的问题,结合交错帧结构以及MIMO技术,在车载MIMO-OFDM信号的基础上提出了一种新的去相关DOA估计方法,并阐述了该方法的原理及推导过程。通过仿真,与空间平滑类算法在性能上进行了对比。仿真结果表明该方法不仅可以同时估计出相关和不相关信号的DOA,并且在分辨率和抗噪声性能上相比于传统算法都有所提高。最后,为了实现车载环境下的定位功能,定位参数的准确估计显得至关重要。针对车载环境下MIMO-OFDM系统中定位参数估计问题,提出了一种基于MIMO信道矩阵的空时域角度距离估计方法;此方法利用了两个一维的空域S-MUSIC和一个一维的时域T-MUSIC算法并结合了时域滤波和空域滤波技术。与传统的算法相比该方法能高分辨的估计出频率选择性MIMO信道下信号的DOA、时延,从而准确的得到目标的角度及距离信息。根据仿真分析,本文方法具有较高的分辨率,并且具有良好的抗噪声性能。