雷达装置以及雷达装置中的信号处理方法与流程

本发明涉及雷达装置以及雷达装置中的信号处理方法，特别是，涉及识别并除去杂波的雷达装置以及雷达装置中的信号处理方法。

背景技术：

雷达装置当前用于各种领域。雷达装置之一有被称为双频CW(Continuous Wave：连续波)雷达的种类的雷达装置。该双频CW雷达与FMCW(Frequency Modulated Continuous Wave：调频连续波)雷达相比，速度的检测灵敏度较高。另外，对行人等反射强度较弱的目标的检测是有用的。另一方面，该双频CW雷达只要是具有速度的目标则即使较小也能够检测。可知，因此对不需要检测的雨雪等的杂波也进行检测。在此，杂波是指由于雷达的电波被海面、雨等反射而产生的不需要的反射波。

已知有基于接收信号的功率电平的变动来判定这样的杂波的存在的技术(例如参照专利文献1)。上述的技术利用相对于成为检测对象的目标(海上的船等)的功率变动较大，雨雪杂波(被雨、雪等反射而产生的不需要的反射波)的功率变动相对较小。

专利文献1：日本特开2011－2425号公报

另一方面，在成为检测对象的目标为陆地上的车辆的车载雷达中，目标的功率变动与海上的船相比较小。另外，现有技术以杂波的功率变动较小为前提。但是，该现有技术中，在受到风等的影响的情况下，雨滴杂波(被雨、水滴等反射而产生的不需要的反射波)的功率变动较大。如上述那样，在陆地上，在杂波与目标之间，功率变动之差不容易产生明确的不同。另外，利用现有技术的方法精度良好地识别并除去杂波较困难。

技术实现要素：

本发明是鉴于这样的问题而完成的，目的在于提供提高识别、除去杂波的能力提高的雷达装置。

本发明的雷达装置利用多普勒效应至少检测与目标的相对速度，具备频率分析部、目标化部、雨天判定部、以及参数更新部。

频率分析部在预先设定的每个测定周期获取根据发送信号和接收信号生成的差频信号。并且，通过对该差频信号进行频率分析而生成功率谱。目标化部提取从利用频率分析部生成的功率谱提取的峰值中、在预先设定的目标化阈值以上且在整个测定周期内确认出历史连接的峰值作为目标。另外，将到上次的测定周期为止通过目标化部检测出、并且未确认出与在这次的测定周期检测出的峰值的历史连接的峰值的数目设为误检测数。雨天判定部在误检测数比预先设定的雨天辨别阈值大的情况下，判定为是雨天。参数更新部在通过雨天判定部判定为是雨天的情况下，以误检测数越多越成为较大的值的方式更新目标化阈值。

换句话说，在雨天的情况下，由于雨滴等而产生的杂波(进而功率谱上的峰值也)增大。另外，随之作为不被目标化而消失的峰值的数目的误检测数也增加。因此，能够根据该误检测数判断是否为雨天。

在本发明中，在判定为是雨天的情况下，使目标化阈值增大。因此，在本发明中，能够抑制杂波被错误地目标化。即，能够提高识别、除去该杂波的能力。

此外，权利要求书所记载的括号内的附图标记表示与作为一个方式后述的实施方式所记载的具体的单元的对应关系，并不对本发明的技术范围进行限定。

另外，本发明除了上述的雷达装置之外，还能够以将该雷达装置作为构成要素的系统、用于使计算机作为该雷达装置发挥作用的程序、以及杂波除去方法等各种方式实现。

附图说明

在附图中：

图1是表示实施方式所涉及的车载系统的概略结构的框图。

图2是表示实施方式所涉及的雷达装置所使用的双频CW的发送方式的时序图。

图3是安装于车载系统的处理单元所执行的目标检测处理的流程图。

图4是在目标检测处理中执行的目标化处理的流程图。

图5是表示基于目标化处理的动作例的说明图。

图6是在目标化处理中执行的参数更新处理的流程图。

图7是按照每个频率BIN示出了目标检测的误检测数的测定结果的分布图。

图8是雨天辨别阈值的设定中使用的非雨天似然度的图表。

图9是表示使雨天辨别阈值变化时的雨天判定能力的变化的ROC(Receiver Operating Characteristic：受试者工作特征)曲线。

图10是表示误检测的检测事例以及误检测数的计算结果的图表。

图11是表示将雷达装置设置在车辆的左右的情况下的检测事例以及误检测数的计算结果、以及雨天判定的判定结果的图表。

具体实施方式

以下，使用附图对应用本发明的实施方式进行说明。

＜整体构成＞

图1表示应用了该实施方式所涉及的雷达装置的车载系统1的整体的概要构成。如图1所示，该车载系统1具备雷达装置10和驾驶辅助ECU(Electronic Control Unit：电子控制单元)100。该车载系统1安装于四轮汽车等车辆。此外，本发明所涉及的信号处理方法由该雷达装置执行，因此在该雷达装置的功能的说明中一并说明。

雷达装置10发射雷达波并接收反射波。另外，该雷达装置10基于该接收信号来观测到反射了雷达波的前方物体亦即目标的距离R、目标的速度V、以及目标的方位θ。并且，该雷达装置10将观测值(Rz，Vz，θz)输入至驾驶辅助ECU100。

驾驶辅助ECU100基于从雷达装置10输入的各目标的观测值(Rz，Vz，θz)来执行用于支援驾驶员对车辆的驾驶的各种处理。作为与驾驶辅助有关的处理，例如有向驾驶员警告显示存在接近物的处理、通过控制制动器系统、操舵系统等，执行用于避免与接近物碰撞的车辆控制的处理等。

雷达装置10具备发送电路20、分配器30、发送天线40、接收天线50、接收电路60、处理单元70、以及输出单元80，构成为所谓的双频CW雷达。

发送电路20是用于将发送信号Ss供给至发送天线40的电路。发送电路20将毫米波段的高频信号输入至位于发送天线40的上游的分配器30。具体而言，发送电路20以较短的时间间隔交替地生成第一频率(f1)的高频信号和频率与第一频率(f1)稍有不同的第二频率(f2)的高频信号并输入至分配器30。

分配器30将从发送电路20输入的高频信号功率分配为发送信号Ss和本地信号L。

发送天线40基于从分配器30供给的发送信号Ss向本车辆前方发射与发送信号Ss对应的频率的雷达波。由此，如图2所示，交替地输出第一频率(f1)的雷达波和第二频率(f2)的雷达波。

接收天线50是用于接收从目标反射的雷达波(反射波)的天线。该接收天线50构成为多个天线元件51配置为一列的线性阵列天线。基于各天线元件51的反射波的接收信号Sr被输入至接收电路60。

接收电路60对从构成接收天线50的各天线元件51输入的接收信号Sr进行处理。并且，该接收电路60生成每个天线元件51的差频信号BT并进行输出。具体而言，该接收电路60针对每个天线元件51，使用混频器61混合从该天线元件51输入的接收信号Sr与从分配器30输入的本地信号L，由此生成每个天线元件51的差频信号BT并进行输出。

但是，在到输出差频信号BT为止的过程中包含放大接收信号Sr的过程、从差频信号BT除去不需要的信号成分的过程、以及将差频信号BT转换为数字数据的过程。这样，接收电路60将生成的每个天线元件51的差频信号BT转换为数字数据并进行输出。输出的每个天线元件51的差频信号BT被输入至处理单元70。

处理单元70由具备功能性地执行本发明所涉及的各种单元的CPU(Central Processing Unit：中央处理器)70A、作为记录介质的ROM(Read Only Memory：只读存储器)70B、RAM(Random Access Memory：随机存储器)70C、执行快速傅立叶变换(FFT)处理等的协处理器70D、以及时钟70E的公知的微型计算机构成。在ROM70B预先储存有表示后述的各种程序(目标检测处理等)的代码。因此，CPU70A被构成为能够将储存于ROM70B的程序调出至其工作区，并执行各程序。另外，RAM70C用于在CPU70A执行其处理时暂时地保管数据。如后述那样，协处理器70D作为专门处理，负责快速傅立叶变换。时钟70E产生动作用的时钟信号。

这样，处理单元70执行包含通过分析每个天线元件51的差频信号BT来计算反射了雷达波的每个目标的观测值(Rz，Vz，θz)的目标检测处理的、被给予的各种处理。

＜目标检测处理＞

按照图3所示的流程图对处理单元70(即，CPU70A)所执行的目标检测处理进行说明。每当收发雷达波时反复执行本处理。以下，也将本处理的执行周期称为测定周期。

若启动本处理，则处理单元70在S110中获取按照每个天线元件51生成的差频信号BT(数字数据)。

在S120中，处理单元70按照每个天线元件51并且按照差频信号BT所包含的每个第一以及第二差频信号，对获取到的差频信号BT执行FFT处理(频率分析处理)生成功率谱。功率谱按照每个频率BIN表示反射波的功率。在此，由于处理对象为双频CW，所以频率BIN与本车辆和反射了雷达波的物体的相对速度对应。

此外，在此所提及的第一差频信号是指通过混频器61混合接收信号Sr和第一频率(f1)的本地信号L时生成的差频信号BT。另外，第二差频信号是指通过混频器61混合接收信号Sr和第二频率(f2)的本地信号L时生成的差频信号BT。雷达波的收发所需要的时间微小。因此，第一差频信号中包含第一频率(f1)的雷达波的反射波成分。另外，第二差频信号中包含第二频率(f2)的雷达波的反射波成分。

在S130中，处理单元70通过FFT处理按照每个天线元件51计算将功率谱平均后的平均功率谱。并且，在S130中，该处理单元70从该平均功率谱提取功率在预先设定的峰值检测阈值以上的峰值(利用频率BIN识别)。此外，在第一频率(f1)与第二频率(f2)之间存在频率差。但是，由于该差微小而在频率BIN单位中能够忽略，所以在计算平均功率谱时不会成为问题。

在S140中，处理单元70将到上次的测定周期为止检测出的目标作为已知目标，追踪上述的已知目标。并且，在S140中，该处理单元70执行通过上述已知目标的追踪，从在先前的S130检测出的峰值提取确认出与已知目标的历史连接(即为同一目标)的峰值的跟踪处理。在跟踪处理中，处理单元70例如基于已知目标的观测值(Rz，Vz，θz)，求出在这次的测定周期中的已知目标的推定观测值。并且，在该跟踪处理中，该处理单元70跟推定观测值一起求出将各峰值作为暂定目标的暂定观测值，并将具有与推定观测值的距离(相似度)在规定值以下的暂定观测值的峰值判断为存在连接关系。此外，该跟踪处理并不限定于此，能够使用公知的方法。

在S150中，处理单元70执行从未被目标化的峰值提取基于目标的峰值的目标化处理。在接下来的S160中，处理单元70生成关于成为跟踪处理的对象的目标(除去通过跟踪处理判断为消失的目标)以及通过目标化处理新提取出的目标的观测值(Rz，Vz，θz)。并且，在S160中，处理单元70经由输出单元80输入至驾驶辅助ECU100，并结束本处理。

此外，观测值(Rz，Vz，θz)通过双频CW雷达中的公知的方法生成。特别是，观测值Vz基于观测到的峰值的频率信息(频率点)生成。另外，观测值Rz、θz基于观测到的峰值的相位信息(第一以及第二差频信号间的相位差以及天线元件间的相位差)生成。

＜目标化处理＞

接下来，按照图4所示的流程图对在先前的S150执行的目标化处理的详细内容进行说明。

若启动本处理，则处理单元70在S210中根据这次的测定周期检测出的峰值，生成除了在跟踪处理(S140)中判断为与已有目标存在连接关系的峰值之外列举出的当前时刻峰值列表。处理单元70按照列举出的峰值，在当前时刻峰值列表存储检测出该峰值的频率BIN(以下称为“峰值BIN”)和表示针对该峰值确认出的历史连接的次数的连接数计数值Cr，连接数计数值Cr初始设定为0。

在S220中，处理单元70将判断为不是目标的峰值的数目亦即误检测数的计数值C_fa复位为0。

在S230中，处理单元70从前时刻峰值列表选择一个对象峰值。此外，前时刻峰值列表是指列举出在上次的测定周期没有判断出是否为目标的峰值的峰值列表。另外，前时刻峰值列表使用在上次的测定周期的S340(后述)中生成的列表。

在S240中，处理单元70将从对象峰值的距离(频率BIN为单位的距离)在附图标记L[BIN](L为整数)以内的当前时刻峰值作为连接峰值，参照当前时刻峰值列表探索连接峰值。

在S250中，处理单元70由探索的结果判断是否提取出连接峰值，并在提取出连接峰值的情况下将处理移至S260。

在S260中，处理单元70将提取出的连接峰值从当前时刻峰值列表删除。在接下来的S270中，处理单元70使对象峰值的连接数计数值Cr自加1(Cr←Cr+1)。

在S280中，处理单元70判断连接数计数值Cr是否比目标化阈值α大。在此，目标化阈值α是指用于根据反射波检测降低噪声后的目标信息的阈值。而且，若连接数计数值Cr比目标化阈值α大，则该处理单元70将处理移至S290。然后，处理单元70将对象峰值目标化(跟踪的对象化)，并从前时刻峰值列表删除而使处理进入S330。另一方面，若连接数计数值Cr在目标化阈值α以下，则处理单元70跳过S290而使处理进入S330。此外，处理单元70在雷达装置10的启动时将目标化阈值α设定为初始值(例如2)。之后，处理单元70在后述的S430、S440将目标化阈值α更新、复位。

在先前的S250中，处理单元70在未提取出连接峰值的情况下将处理移至S300。并且，该处理单元70判断对象峰值的峰值BIN是否在天气辨别对象区域W(参照图7)内。此外，对于天气辨别对象区域W的设定方法在下文中进行描述。

处理单元70在对象峰值的峰值BIN在天气辨别对象区域W内的情况下，将处理移至S310。并且，该处理单元70使误检测数计数值C_fa自加1(C_fa←C_fa+1)并使处理进入S320。另一方面，处理单元70在对象峰值的峰值BIN在天气辨别对象区域W外的情况下，跳过S310而使处理进入S320。

在S320中，处理单元70从前时刻峰值列表删除对象峰值并使处理进入S330。

在S330中，处理单元70判断是否针对前时刻峰值列表列举的出全部的前时刻峰值，将上述的S240～S320的处理执行完毕。该处理单元70在存在还未执行处理的前时刻峰值的情况下返回至S230并反复执行上述的处理。另一方面，处理单元70在针对全部的前时刻峰值处理完毕的情况下，使处理进入S340。处理单元70对前时刻峰值列表合并当前时刻峰值列表，生成在下次的测定周期使用的前时刻峰值列表。

在S350中，处理单元70执行根据天气更新目标化阈值α的参数更新处理，并结束本处理。

参照图5对本处理的动作例进行说明。将在某个测定周期(时刻t1)中最终生成的前时刻峰值列表设为{P1(0)，P2(0)，P3(1)}。此外，Pi(Cr)表示构成峰值列表的峰值。另外，括号内的数字表示连接数计数值Cr。并且，将目标化阈值α设定为2。

在测定周期(时刻t2)中，处理单元70生成当前时刻峰值列表{P4(0)，P5(0)，P6(0)}。另外，设为确认出峰值P1、P4间、以及峰值P3、P6间的历史连接。该情况下，从当前时刻峰值列表删除峰值P4、P6而剩下峰值P5。另一方面，处理单元70从前时刻峰值列表删除没有连接峰值的峰值P2，并使剩下的各峰值P1、P3的连接数计数值Cr自加1。因此，前时刻峰值列表成为{P1(1)，P3(2)}。结果，合并两个峰值列表后的新的前时刻峰值列表成为{P1(1)，P3(2)，P5(0)}。另外，此时，由于未确认出历史连接而被删除的前时刻峰值为一个(峰值P2)，所以误检测数计数值为C_fa＝1。

在测定周期(时刻t3)中，处理单元70生成当前时刻峰值列表{P7(0)，P8(0)}。另外，设为该处理单元70在峰值P4、P7间、峰值P3、P8间确认出历史连接。该情况下，处理单元70从当前时刻峰值列表删除峰值P7、P8，从而当前时刻峰值列表变空。该处理单元70从前时刻峰值列表删除没有连接峰值的峰值P1，并且使剩下的各峰值P3、P5的连接数计数值自加1。并且，进行了自加1的峰值P3的连接数计数值为Cr＝3而大于目标化阈值α(＝2)，所以峰值P3被目标化。另外，峰值P3从前时刻峰值列表删除。结果，合并两个峰值列表后的新的前时刻峰值列表成为{P5(1)}。另外，此时由于未确认出历史连接而被删除的前时刻峰值为一个(峰值P1)，所以误检测数计数值为C_fa＝1。

在测定周期(时刻t4)中，处理单元70生成当前时刻峰值列表{P9(0)}。另外，设为该处理单元70在峰值P5、P9间确认出历史连接。此外，峰值P10在跟踪处理中被确认出与已知目标的历史连接，因此在当前时刻峰值列表不进行列出。该情况下，处理单元70从当前时刻峰值列表删除峰值P9，当前时刻峰值列表变空。没有从前时刻峰值列表删除的峰值，连接数计数值自加1。结果，合并两个峰值列表后的新的前时刻峰值列表成为{P5(2)}。另外，此时由于不存在未确认出历史连接而被删除的前时刻峰值，所以误检测数计数值为C_fa＝0。

＜参数更新＞

接下来，按照图6所示的流程图对处理单元70在先前的S350中执行的参数更新处理的详细内容进行说明。

若启动本处理，则处理单元70在S410中基于误检测数计数值C_fa，使用(1)式或者(2)式，计算每N(例如N＝100)个周期的误检测数k(n)。其中，在测定周期数n未达到N的期间使用(1)式，在测定周期数n达到N之后使用(2)式。

[式1]

k(n)＝β·k(n-1)+(1-β)·C_fa (2)

其中、

在S420中，处理单元70判断误检测数k(n)是否在雨天辨别阈值Kth以上。此外，处理单元70使用利用以下的方法预先设定的阈值作为雨天辨别阈值Kth。即，处理单元70设为K＝k(n)，并将通过(3)式求出的非雨天似然度L(K)比预先设定的允许值小的K(整数值)设定为雨天辨别阈值Kth。

[式2]

其中，λ是在假设通过按照每个频率BIN对非雨天时的误检测数(将非雨天误检测为雨天的次数)进行计数而求出的分布(参照图7)遵循泊松分布时，在天气辨别对象区域W的非雨天时的每个测定周期(N个周期)的误检测数的总和。另外，λ是根据测定结果等按经验设定的值。此外，图7中，跟非雨天时的误检测数一起也示出了雨天时的误检测数(将雨天误检测为非雨天的次数)的分布。而且，在先前的S300中也使用的天气辨别对象区域W基于该误检测数的分布被设定。另外，天气辨别对象区域W采用考虑雨天与非驾驶的不同较大地出现的范围(在此是第8个BIN～第20个BIN)。

图8是设为N＝100、λ＝23而求出的非雨天似然度L(K)的图表。另外，若将非雨天似然度L(K)的允许值设为0.01，则可知雨天辨别阈值Kth设定在35以上即可。图9是使雨天辨别阈值Kth变化而求出正确地检测雨天的概率(检测率)以及将非雨天误检测为雨天的概率(误检测率)的ROC曲线。另外，在Kth＝35的情况下，可知检测率为91.8％，误检测率为0.08％。其中，该ROC曲线是使用50周期以后的测定结果而求出的曲线。

返回至图6，在k(n)≥Kth的情况下(S420：是)，处理单元70判断为是雨天并使处理进入S430，更新目标化阈值α并结束本处理。另一方面，在k(n)＜Kth的情况下(S420：否)，处理单元70判断为是非雨天并使处理进入S440，将目标化阈值α复位为初始值并结束本处理。

此外，在S430中，处理单元70将目标化阈值α更新为使用通过(4)式计算出的每个周期1BIN的误检测率P_fa，并通过(5)式计算出的值。

[式3]

其中，γ是假目标的产生率，Ceil(a)意味着将a的值进位为整数值。另外，(5)式基于表示假目标的产生率γ的(6)式。在该(6)式中，若基于不是目标的杂波等的峰值(每个周期1BIN的误检测率P_fa)在L[BIN]的范围内，并在α周期连续地观测到，则被目标化。另外，这意味着产生假目标。

[式4]

γ＝(L·P_fa)^α (6)

＜实验＞

图10基于通过使雷达装置10在雨天时动作而得到的数据。另外，在图10中，在每个测定周期表示产生了误检测的频率BIN并且表示每100个周期的误检测数k(n)变化的状况。如图所示，误检测在各种频率BIN中产生。但是，成为误检测数的计数对象的是第8个BIN～第20个BIN的天气辨别对象区域W内的误检测。在该图中，可知从K(n)超过雨天辨别阈值Kth(＝35)的102～103周期附近开始正确地判定为是雨天。

＜效果＞

如上述所说明的那样，雷达装置10根据不被目标化而消失的峰值的数目亦即误检测数来判断是否为雨天。另外，该雷达装置10在判断为是雨天的情况下，以误检测数k(n)越多越成为较大的值的方式更新目标化阈值α。因此，根据该雷达装置10，能够抑制杂波被错误地目标化。结果，该雷达装置10能够提高识别并除去杂波的能力。

此外，在本实施方式中，雷达装置10具备频率分析部、目标化部、雨天判定部、以及参数更新部。频率分析部在预先设定的每个测定周期获取根据发送信号和接收信号生成的差频信号。并且，通过对该差频信号进行频率分析而生成功率谱。目标化部提取从通过频率分析部生成的功率谱提取的峰值中、在预先设定的目标化阈值以上且在整个测定周期内确认出历史连接的峰值作为目标。另外，将到上次的测定周期为止通过目标化部被检测出、并且未确认出与在这次的测定周期检测出的峰值的历史连接的峰值的数目设为误检测数。雨天判定部在误检测数比预先设定的雨天辨别阈值大的情况下，判定为是雨天。参数更新部在通过雨天判定部判定为是雨天的情况下，以误检测数越多越成为较大的值的方式更新目标化阈值。

此外，在本实施方式中，通过图3所示的步骤S 110以及步骤S120的处理，功能性地构成频率分析单元。另外，通过图3的步骤S150的处理，功能性地构成目标化单元。并且，通过图6所示的步骤S410以及步骤S420的处理，功能性地构成雨天判定单元。另外，通过图6的步骤S430的处理，功能性地构成参数更新单元。

＜其它的实施方式＞

在上述内容中对本发明的实施方式进行了说明，但本发明并不限定于上述实施方式，能够采用各种方式。

(1)在上述实施方式中，对雷达装置10为一个的情况进行了说明。并且，在上述实施方式中，例如，也可以在车辆的左右安装该雷达装置10。在车辆的左右安装雷达装置10的情况下，即使是雨天，也有由于车辆的行进方向、风向，而如图11所示，该雷达装置10仅能够在单侧检测出雨天的情况。因此，也可以构成为在车辆的左右的任意一方检测出雨天的情况下，雷达装置10更新双方的目标化阈值α。

(2)在上述实施方式中，将是否为雨天的判定结果使用于目标化阈值α的更新、复位，而仅在雷达装置10内使用。并且，在上述实施方式中，也可以构成为将该判定结果跟观测值一起提供至驾驶辅助ECU100等外部装置。

(3)在上述实施方式中，作为雷达波使用了双频CW。并且，在上述实施方式中，也可以使用采用三种以上的频率的多频CW。

(4)在上述实施方式中，示出了用于判定等的参数的具体例。并且，在上述实施方式中，并不限定于该具体例，以满足要求的性能的方式适当地设定即可。

(5)本发明的各构成要素为概念上的要素，并不限定于上述实施方式。例如，也可以使一个构成要素具有的功能分散为多个构成要素、将多个构成要素具有的功能集中为一个构成要素。另外，也可以将上述实施方式的构成的至少一部分置换为具有相同的功能的公知的构成。另外，也可以将上述实施方式的构成的至少一部分附加、置换到其它的上述实施方式的构成等。

附图标记说明

1…车载系统，10…雷达装置，20…发送电路，30…分配器，40…发送天线，50…接收天线，51…天线元件，60…接收电路，61…混频器，70…处理单元，70A…CPU，70B…ROM，70C…RAM，70D…协处理器，70E…时钟，80…输出单元，100…驾驶辅助ECU。