车辆雷达系统中的静止干扰的自适应缓解的制作方法

引言

本公开涉及车辆雷达系统中的静止干扰的缓解。来自主车辆、仪表盘，天线罩和/或天线外壳的雷达反射可引起强短距离回波，所述短距离回波可以屏蔽来自实际目标的信号；可以使雷达接收器饱和；且/或可以缩短最大检测距离。常见的雷达技术已经基于若干方法解决了由这类短距离回波引起的静止干扰。举例来说，在一种方法中，将车辆雷达系统所进行的一些检测分类为干扰，且因此，从任何目标和/或到达方向(doa)分析中去除与那些检测对应的距离-多普勒频段。另外或在替代方法中，车辆雷达系统相对于主车辆向前移动以避免车辆混响。此外或在其它方法中，修改零多普勒混频器偏差阈值以缓解静止干扰的影响，同时从多普勒处理中去除dc泄漏。然而，前述方法存在若干缺点，包含：完全丧失检测能力；在移动车辆中的实施方案的不可行性；对主车辆的小振动的敏感性。

因此，希望提供用于缓解车辆雷达系统中的静止干扰的技术。

技术实现要素：

在一个示例性实施例中，本公开提供一种操作车辆的方法。所述方法包含：在车辆运动期间从车辆的雷达系统的发射天线发射无线电波；在雷达系统的多个接收天线处接收返回信号，所述返回信号包含来自接收所发射无线电波的目标的回送无线电波和短距离干扰；产生针对返回信号的多个雷达数据阵列，其中每个雷达数据阵列表示在对应接收器天线处接收到的返回信号；估计每个雷达数据阵列的返回信号中存在的短距离干扰量；从雷达数据阵列中的每一个中减去短距离干扰的估计值，以获得多个无杂波雷达数据阵列；使用多个无杂波雷达数据阵列来检测目标；并且基于对目标的检测相对于目标来导航车辆。

除本文中所描述的特征中的一或多个外，检测目标还包含：检测目标的距离和到达方向中的至少一个。在一实施例中，多个雷达数据阵列包含相应距离-多普勒映射，并且估计短距离干扰量还包含：至少基于相应距离-多普勒映射中的一个来学习短距离干扰的随机模型。检测目标还包含：至少立基于多个无杂波雷达数据阵列中的一个来对关于最大似然函数的最优化问题求解。可以对关于最大似然函数的近似值的最优化问题求解。近似值包含对多个无杂波阵列的非相干求和。估计短距离干扰量还包含：确定距离-多普勒映射的杂波特征向量，所述杂波特征向量不包含距离多普勒映射的非多普勒区域。

在另一示例性实施例中，公开了一种车辆的雷达系统。雷达系统包含发射天线、多个接收天线和处理器。发射天线从雷达系统发射无线电波。多个接收天线从接收所发射无线电波的目标接收回送无线电波，其中回送无线电波包含短距离干扰。处理器配置成产生针对返回信号的多个雷达数据阵列，其中每个雷达数据阵列表示在对应接收器天线处接收到的返回信号；估计每个雷达数据阵列的返回信号中存在的短距离干扰量；从雷达数据阵列中的每一个中减去短距离干扰的估计值，以获得多个无杂波雷达数据阵列；并且使用至少多个无杂波雷达数据阵列来检测目标。

除本文中所描述的特征中的一或多个外，处理器还配置成通过检测目标的距离和到达方向中的至少一个来检测目标。在一实施例中，多个雷达数据阵列包含相应距离-多普勒映射，并且处理器还配置成通过至少基于相应距离-多普勒映射中的一个来学习短距离干扰的随机模型，以估计短距离干扰量。处理器还配置成通过至少立基于多个无杂波雷达数据阵列中的一个来对关于最大似然函数的最优化问题求解，以检测目标。处理器还配置成对关于最大似然函数的近似值的最优化问题求解。近似值可以是对多个无杂波阵列的非相干求和。处理器还配置成通过确定距离-多普勒映射的杂波特征向量来估计短距离干扰量，所述杂波特征向量不包含距离多普勒映射的非多普勒区域。

在又一示例性实施例中，公开了一种车辆。车辆包含雷达系统和导航系统。雷达系统包含发射天线、多个接收天线和处理器。发射天线配置成从雷达系统发射无线电波。多个接收天线配置成从接收所发射无线电波的目标接收回送无线电波，其中所述回送无线电波包含短距离干扰。处理器配置成产生针对返回信号的多个雷达数据阵列，其中每个雷达数据阵列表示在对应接收器天线处接收到的返回信号；估计每个雷达数据阵列的返回信号中存在的短距离干扰量；从雷达数据阵列中的每一个中减去短距离干扰的估计值，以获得多个无杂波雷达数据阵列；并且使用至少多个无杂波雷达数据阵列来检测目标。导航系统配置成基于对目标的检测来导航车辆。

除本文中所描述的特征中的一或多个外，处理器还配置成检测目标的距离和到达方向中的至少一个。在一实施例中，多个雷达数据阵列包含相应距离-多普勒映射，并且处理器还配置成通过至少基于相应距离-多普勒映射中的一个来学习短距离干扰的随机模型，以估计短距离干扰量。处理器还配置成通过至少立基于多个无杂波雷达数据阵列中的一个来对关于最大似然函数的最优化问题求解，以检测目标。处理器还配置成对关于最大似然函数的近似值的最优化问题求解。处理器还配置成通过确定距离-多普勒映射的杂波特征向量来估计短距离干扰量，所述杂波特征向量不包含距离多普勒映射的非多普勒区域。

本公开的上述特征和优点以及其它特征和优点易于通过以下结合附图所做的详细描述而变得显而易见。

附图说明

其它特征、优点和细节仅借助于实例呈现在以下详细描述中，详细描述参考图式，在图式中：

图1a呈现根据本公开的一或多个实施例的用于缓解车辆雷达系统中的静止干扰的操作环境的一实例；

图1b示出针对与车辆雷达系统的多个雷达天线对应的多个信道从距离模块和多普勒模块获得的多个距离-多普勒映射；

图2a呈现根据本公开的一或多个实施例的用于缓解车辆雷达系统中的静止干扰的距离-多普勒映射的一实例，所述距离-多普勒映射包含定义的低位多普勒频移；

图2b呈现根据本公开的一或多个实施例的用于缓解车辆雷达系统中的静止干扰的距离-多普勒映射的另一实例；

图2c示出从跨图2b的距离-多普勒映射的不同距离频段(rangebin)进行求和导出的杂波特征向量；

图3呈现根据本公开的一或多个实施例的说明车辆雷达系统中的静止干扰的缓解的距离-多普勒映射的一实例；

图4呈现根据本公开的一或多个实施例的在车辆雷达系统中的静止干扰的缓解存在和不存在的情况下的平均零-多普勒幅度的实例图；

图5呈现根据本公开的一或多个实施例的车辆雷达系统中的静止干扰衰减的一实例；

图6呈现根据本公开的一或多个实施例的用于缓解车辆雷达系统中的静止干扰的方法的一实例；

图7呈现根据本公开的一或多个实施例的用于学习短距离干扰的统计模型的方法的一实例；且

图8呈现根据本公开的一或多个实施例的可以实施车辆雷达系统中的静止干扰的自适应缓解的计算系统的一实例。

具体实施方式

以下描述本质上仅是示例性的，并且不旨在限制本公开、其应用或用途。应理解，在整个附图中，对应附图标记表示相似或对应部件和特征。

在至少一些实施例中，本公开认识到并解决了车辆雷达系统中的静止干扰的缓解问题。本公开的实施例包含单独或以组合方式允许或以其它方式促进车辆雷达系统中的静止干扰的自适应缓解的系统、车辆和技术。更具体地说但并非排它地，本公开的实施例可以使用由车辆雷达系统观测到的距离-多普勒数据阵列来学习静止干扰的随机模型。随机模型可以特定于接收信道，并且可以允许调整来自信道的距离-多普勒频段的静止干扰量；因此，产生无杂波(即，不含静止干扰)的第二距离-多普勒频段。本公开的实施例可以利用无杂波距离-多普勒映射来实施目标检测。这种检测可以基于最大似然(ml)检测器或ml检测器的近似值。

仅出于说明的目的，参考汽车来说明本公开的实施例。实际上，本公开不限于此方面，并且本公开的原理和实践要素可以应用于其它类型的车辆和移动目标。

参考图式，图1a呈现根据本公开的一或多个实施例的用于自适应缓解车辆雷达系统105中的静止干扰的操作环境100的一实例。如所示出，车辆雷达系统105安装在车辆110上，且检测相对于车辆110定位的目标(移动或静止的)。举例来说，目标中的第一个可以是道路上相对于车辆110定位的车辆(静止或在运动中)；目标中的第二个可以是静止结构，如树、实用邮筒、建筑物或类似物；且第三个目标可以包含人，行人或车辆(机动或其它)的操作者中任一者。

为此，车辆雷达系统105可以将第一无线电波102发送到车辆110的环境中。第一无线电波102的至少一部分可以在车辆110的环境中从一或多个目标104反射并且可以返回到车辆雷达系统105。第一无线电波102的第二部分可以从车辆110中所含有的结构(如车辆110的仪表盘和/或天线罩或含有车辆雷达系统105的至少一部分的另一种类型的外壳)反射。在车辆110的运动期间，车辆雷达系统105可以去除由第一无线电波102的第二部分产生的信号中的至少一些，从而减少或甚至完全去除由第一无线电波102的第二部分产生的短距离干扰。

更具体地说，车辆雷达系统105可以包含雷达单元130，所述雷达单元可以使用具有天线1251到125n(n是自然数)的至少一个天线阵列120发送第一无线电波102。为此，天线1251到125n中的至少一个可以是发送第一无线电波102的发射天线。雷达单元130还可以使用天线1251到125n的阵列接收第二无线电波106，将接收到的第二无线电波106在多个信道中进行处理，每个信道都与天线1251到125n的阵列中的相应天线相关联。如本文中所公开，第二无线电波106可以包含从一或多个目标104反射的无线电波。此外，第二无线电波106可以包含已经从车辆110内的结构反射的第一无线电波102的一部分。

在一些实施例中，雷达单元130可以包含处理电路(图1a中未描绘)，所述处理电路可以按定义的采样率f(以频率为单位的实数)检测接收到的无线电波。因此，雷达单元130可以响应于检测到的无线电波而产生信号(模拟或数字)，其中所述信号具有同相(i)分量和正交(q)分量。所述信号表示接收到的无线电波并且可被组织在帧中。帧是或包含数据结构，所述数据结构含有响应于在限定时刻处或在限定时段期间产生的信号而(例如由处理电路)产生的一或多个数据集。因此，帧与检测间隔期间的限定时刻对应。数据集中的每一个包含在帧中包含复数数据。

车辆雷达系统105还包含距离模块140，所述距离模块可以接收由雷达单元130产生的信号(例如i/q数据)的至少一部分。作为响应，距离模块140可以通过将离散快速傅里叶变换(fft)应用于接收到的信号数据来产生距离数据。，距离数据涉及复域并且指示或以其它方式表示接收到的无线电波的能量分布，来作为与车辆雷达系统105的距离(r，以长度为单位的实数)的函数。

车辆雷达系统105还包含多普勒模块150，所述多普勒模块可以接收距离数据并且可以产生多普勒频移数据来作为距离的函数。为此，多普勒模块150可以将离散fft应用于距离数据。

图1b示出针对与多个雷达天线1251到125n对应的多个信道从距离模块140和多普勒模块150获得的多个距离-多普勒映射。针对多个信道获得距离-多普勒映射。信道以堆叠阵列示出。最前面的距离-多普勒映射200示出了频段编号xy，其中索引x指示距离频段索引，且索引y指示多普勒频段索引。距离模块140和多普勒模块150的输出包含具有多个距离-多普勒频段的距离多普勒映射。距离-多普勒频段中的每一个指示或以其它方式表示以定义的多普勒频移从定义距离接收到的电磁(em)能量的量。

再次参考图1a，车辆雷达系统105还包含检测器模块170，所述检测器模块可以处理距离-多普勒映射并且可以确定在距离-多普勒频段(或单元)处是否存在所定义量的em能量。在这点上，检测器模块170可以将对应于定义的距离-多普勒频段的复数数据与阈值量进行比较。在数据的幅度例如大于或等于阈值量的情况下，检测器模块170可以在定义的距离-多普勒频段处建立对em能量的检测。相反，在数据的幅度例如小于阈值量的情况下，检测器模块170可确定在距离-多普勒频段中存在噪声。

替代提供(例如发送和/或使得可用)直接从多普勒阵列的多普勒模块150到检测器模块170的距离，车辆雷达系统105包含干扰处理模块160，所述干扰处理模块可以去除在雷达单元130处接收到的无线电波中可能存在的短距离干扰的至少一部分。因此，干扰处理模块160可以对与一组距离-多普勒映射对应的数据进行操作，以在车辆110(且因此车辆雷达系统105)的移动期间产生短距离干扰量的估计值。可以从所述组距离-多普勒映射中的每一个(或在一些情况下，至少一个)中去除估计的干扰量，从而产生无杂波的或基本上不含短距离干扰的第二组距离-多普勒映射。无杂波距离-多普勒映射是指去除短距离干扰或短距离干扰的随机模型的距离-多普勒映射。

干扰处理模块160可以将来自第二组距离-多普勒映射的信号提供(例如发送和/或使得可用)到检测器模块170以供检测。因此，相对于使用包含静止干扰的第一组距离-多普勒映射的检测，使用第二组距离-多普勒映射的目标检测和/或doa检测可以更为精确。

车辆110还包含导航系统107，所述导航系统可以用于基于来自雷达系统105的结果来导航车辆110。具体地说，雷达系统105可以使用第二组距离-多普勒映射来确定了目标104的参数并且将参数提供给导航系统107。参数包含：目标104的距离、目标104的多普勒速度、目标104的方位位置、目标104的高度等。导航系统107基于目标104的这些参数来操作车辆110。一般来说，导航系统107基于参数来导航车辆110以避免与目标104接触。在各种实施例中，导航系统107控制车辆110的各个方面，如导向系统、车辆速度和加速度、制动等，以便操作车辆110。

参考图1b，可以将在所有接收信道上具有相同距离-多普勒(rd)索引的频段写为向量之和，如下：

y＝a(θ)s+z+n。(1)

此处，y表示在给定距离-多普勒(rd)频段处的天线阵列120的响应向量；a(θ)表示在定义的方位角θ处的导向向量(或波束形成向量)；s表示来自目标的未知反射；z表示干扰；并且n表示热噪声。干扰包含短距离干扰，所述短距离干扰由从包含车辆雷达系统105的车辆110或另一车辆中所含有的结构的反射引起。干扰z还可以包含其它干扰源。

针对每个天线，在方位角θ0处检测到的目标的天线响应向量是：

x＝a(θ0)s+n(2)

为了估计到达方向(doa)θ0，将归一化导向向量(或权重)w(θ)定义为：

其中||·||是幅度函数。可以通过对以下最优化问题求解来确定doaθ0：

θ0＝argmaxθ|w(θ)^hx|²(4)

换句话说，doa利用使从角度θ0收集到的功率最大化的权重w来确定。此处，w(θ)^h是权重w(θ)的厄米共轭。

不打算受理论和模拟的约束，在一些实施例中，可以假设热噪声n和干扰z是相互独立并且由相应高斯破坏(即，n～cn(0，σ²i)和z～cn(μz，∑z))来表示的随机量。此处，c是常数，n(·)表示正态分布函数；σ²表示噪声的标准差，且i表示n×n单位矩阵。此外，μz和∑z分别表示干扰的均值和协方差。这类量可以由车辆雷达系统105估计(例如通过在长时间没有目标时测量环境并且使用常见方法估计均值和协方差。

检测器模块170可以使用或以其它方式利用由以下最优化问题的解给出的doa的最大似然(ml)估计量：

上述公式(4)中所述的最优化问题可以通过均值去除和白化进行求解。具体地说，可以将表示响应向量的估计值的新阵列响应向量定义为：

通过利用奇异值分解(svd)并且定义

ww^h＝(σ²i+∑z)^-1(7)

公式(4)中的前述最优化问题可以重述如下：

公式(8)中重述的最优化问题与传统doa最优化问题相同，但具有经修改的导向向量和白化的中心阵列响应。因此，公式(8)中重述的最优化问题的解如下：

在一些实施例中，检测器模块170可以对公式(9)中的ml最优化问题求解以估计到达方向。

另外或在其它实施例中，检测器模块170可以实施到达方向的低复杂度非相干检测器和估计量。不打算受理论和/或建模的约束，可以将干扰向量视为是不相关的。因此，协方差∑z是具有n个不同方差{σ1，σ2，…，σn}的对角n×n矩阵，其中如所提及，n是车辆雷达系统105中的接收信道的数量。干扰向量是不相关的，且因此协方差是沿对角线具有不同方差的对角矩阵。

一些接收信道的噪声可能比其它接收信道的噪声更大。

因此，可以将doa的估计量转换成以下最优化问题：

公式(11)中的最优化问题可以同等方式陈述如下：

可以通过在接收信道上执行非相干加权求和来降低公式(12)中的最优化问题的复杂度，从而产生以下经简化的最优化问题。

在每个时间步长处计算干扰信号的最佳估计值。在已经估计并减去不相关的干扰信号之后执行非相干求和。

检测器模块170可以对公式(13)中的前述最优化问题求解以估计到达方向。在这类场景中，检测器模块170可以被称为非相干检测器。

不打算受理论和/或建模的约束，如从公式(5)中可以发现，在车辆110的移动期间，可以通过估计干扰量并从接收到的回送无线电波中去除估计的干扰量而在车辆雷达系统105中缓解静止干扰。为此，如从公式(6)中可以发现，可以在零多普勒频移和一组定义的小多普勒频移处学习干扰的随机模型。如本文中所公开，这种模型可以由均值μz(对于每个接收信道)和协方差矩阵∑z来表征。在模型中一般不考虑参数σ，这是因为对于近距离目标而言，归因于近距离目标的高信噪比，，所述参数通常可忽略不计。

更具体地说，在一些实施例中，对于每个接收信道，可以在距离-多普勒映射中针对非多普勒区域学习μz和∑z。非多普勒区域包含一组定义的低位(例如小)多普勒频移。

图2a示出包含多个多普勒频段的说明性距离-多普勒映射。突出显示包含零多普勒频移和/或最小幅度多普勒频移的非多普勒零区域频段202，即{-δv，0，δv}。

图2b示出图2a的具有所选距离频段204的距离-多普勒映射。在配置非多普勒零区域频段202时或之后，干扰处理模块160使用在不包含非多普勒零区域频段202的多普勒频段206处所选距离内的距离频段来确定杂波特征向量(由于道路杂波、仪表盘杂波等)。在图2b的实例中，在除多普勒频段63、64和65之外的所有多普勒频段上选择从距离频段4到距离频段15的距离频段。然而，图2b中所示出的所选距离频段仅用于说明目的。对于每个多普勒频段，对所选距离频段(例如从距离频段4到距离频段15)的值求和以产生图2c中所示出的杂波特征向量的值。杂波特征向量用于确定相对于所选运动边界，车辆是否处于运动中。选择运动边界以限定将回波信号与干扰信号分离的运动。选择运动边界以确保来自环境的静态部分的信号中没有一个或只有极少信号驻留于零多普勒频段中。杂波特征向量的每个分量是由距离数n归一化的所有所选距离内的能量之和。由于不包含多普勒频段63、64和65，因而杂波特征向量的长度为124，即，比图2a和2b中的距离频段的数量少三个。

干扰处理模块160估计干扰信号并在检测器中的信号的非相干求和之前减去干扰信号。

进一步参考图1a，干扰处理模块160还可以将阈值应用于杂波特征向量，以便识别含有道路杂波的多普勒频段。随后将其用于估计车辆的速度。在一定速度内，零多普勒频段(即，表示零相对速度的多普勒频段)含有来自静止干扰信号而不是环境的返回。杂波特征向量的分量的低值可以指示与杂波/仪表盘相关联的返回，并且高值可来源于阈值偏差。具体地说，干扰处理模块160可以应用第一阈值(例如35分贝(db))，以便将二进制值(例如1或0)分配给多普勒频移(或多普勒频段)。二进制值1指示含有杂波的多普勒频段。

干扰处理模块160可以对杂波特征向量的所得二进制值求和以确定与帧对应的运动量，所述二进制值产生用于确定杂波特征向量的距离-多普勒映射。干扰处理模块160可以将求和值与第一阈值(例如9db)和第二阈值(例如100db)进行比较。响应于确定所述值大于第一阈值且小于第二阈值，干扰处理模块160可以确定距离-多普勒映射与车辆110处于运动时的测量值对应。响应于这种确定，干扰处理模块160可以将表示短距离干扰模型的统计更新。在这点上，干扰处理模块160可以使用α滤波器α来确定例如当前帧k的平均值：

其中dk表示输入复数阵列，所述输入复数阵列表示作为复数阵列的天线阵列响应。不打算受理论和/或建模的约束，将平均值用作车辆雷达系统105中存在的短距离干扰的均值μz的代表值。仅在车辆运动的持续时间内估计以便确保随时间推移，在对干扰的估计中仅包含干扰信号。(当车辆静止时，零多普勒频段包含干扰信号与环境信号的组合。)

当干扰为正态分布时，对大量样本求平均值可以提供对干扰的预期值的近似值。另外，干扰处理模块160可以确定近似平均值的圆标准差ck。干扰处理模块160可以使用接收信道的相应距离-多普勒映射来确定相应接收信道的多个ck值。将标准差ck用作对所估计干扰信号的完整性的指示符。所述指示允许操作者从天线阵列响应中仅减去有意义的估计。

对于具有低标准差的距离-多普勒频段，干扰处理模块160可以从所定义帧的距离-多普勒映射中减去近似平均值。具体地说，将校正值确定为：

其中如果ck小于定义的阈值，那么否则sk＝0。定义的阈值的实例是值1。

此外，干扰处理模块160可以至少利用校正值以通过用替换零多普勒区域中定义的多普勒频移处的距离值来产生距离-多普勒值的无杂波阵列(也被称为“纯净阵列”)。如本文中所公开，干扰处理模块160可以将针对相应接收信道的无杂波阵列提供给检测器模块170以进行目标检测。

车辆雷达系统105可以在功能上耦合到控制系统(图1a中未描绘)，所述控制系统可以接收指示车辆110附近的一或多个目标的目标信息。目标信息可以由检测器模块170使用根据本文中所描述的各个方面的无杂波距离-多普勒映射来产生。控制系统可以实施控制过程以至少使用目标信息来调整车辆110的操作。经调整的操作可导致车辆110加速、减速、停止、受操纵、其组合或类似动作。

为了说明本公开的技术的性能，图3呈现在不去除静止干扰的情况下在车辆雷达系统(例如车辆雷达系统105)中观测到的距离-多普勒映射310的一实例。距离-多普勒映射310在垂直于距离-多普勒平面的方向上呈现距离-多普勒频段的幅度。如从距离-多普勒映射310中可以看出，区域315包含零-多普勒频移附近的检测(由大小合适的幅度表示)。也可以从图式330中看出这类检测，所述图式呈现距离-多普勒映射310的俯视图，其中横坐标表示距离(以米为单位)，且纵坐标表示多普勒频移(以米为单位)。区域315中的检测可归因于例如来源于车辆(例如车辆110)的仪表盘的短距离回波，车辆包含车辆雷达系统和/或天线罩或含有车辆雷达系统的至少一部分的另一种类型的外壳。

在应用本公开的技术之后，可从距离-多普勒映射310中去除静止干扰的影响。具体地说，去除根据本公开的各个方面的静止干扰产生距离-多普勒映射320，其中去除区域315内的几乎所有检测。如在图式340中可以看出，在将本公开的技术应用于距离-多普勒映射310之后，没有检测保留在区域315内。

为了进一步说明本公开的技术的性能，图4呈现根据本公开的一或多个实施例的在车辆雷达系统中的静止干扰的缓解存在和不存在的情况下的平均零-多普勒幅度的实例曲线400。更具体地说，在去除根据本公开的各个方面的静止干扰之前，迹线410在测量的限定时间间隔(例如12603个帧或大约21分钟)内呈现平均零-多普勒幅度(实线412)和标准差(虚线414)。相反，在去除根据本公开的各个方面的静止干扰之后，迹线450在相同的限定时间间隔内呈现平均零-多普勒幅度(实线452)和标准差(虚线454)。

此外，图5示出根据本公开的一或多个实施例的示出由图1a的车辆110的仪表盘引起的短距离干扰的衰减量的实例图表曲线500，所述车辆包含图1的车辆雷达系统105。如迹线550所示出，衰减量取决于距离，并且平均衰减等于约12.3db，在短距离下，最小值约为5db，且最大值为23db。

图6示出根据本公开的一或多个实施例的用于缓解车辆雷达系统中的静止干扰的实例方法600的流程图。如所提及，车辆雷达系统可以安装在汽车或另一种类型的车辆中。根据本公开，实例方法600可以完全或部分地由车辆雷达系统(例如图1a的车辆雷达系统105)实施。然而，本公开不限于此方面，并且具有一或多个处理器、一或多个存储器装置和/或其它类型的计算资源的任何计算系统也可以完全或部分地实施实例方法600。在一些实施例中，计算系统可以体现或可以包含车辆雷达系统的一部分。例如，在一个实施例中，根据本公开的各个方面，计算系统可以体现或可以包含图1a的距离模块140、图1a的多普勒模块150、图1a的干扰处理模块160和/或图1a的检测器模块170。

在框610处，车辆雷达系统可以产生对在车辆雷达系统的运动期间在输入雷达信号中所存在的短距离干扰量的估计值。如所提及，车辆雷达系统(例如车辆雷达系统105)安装在如汽车、飞机、农业机械等运输工具上。无论何种类型，车辆可为有人驾驶或无人驾驶的。在框620处，车辆雷达系统可以从与相应接收器信道对应的一组雷达数据阵列中减去来自每个雷达数据阵列(例如距离-多普勒映射)的短距离干扰量。减法运算产生一组无杂波雷达数据阵列。在框630处，车辆雷达系统可以至少使用所述组无杂波雷达数据阵列来执行目标检测和/或doa检测。

图7示出根据本公开的一或多个实施例的用于产生车辆雷达系统中的短距离干扰量的估计值的实例方法700的流程图。如本文中所描述，产生这种估计值可以包含：学习短距离干扰的统计模型(例如均值和方差)。实例方法700可以完全或部分地由根据本公开的车辆雷达系统(例如车辆雷达系统105)来实现。如所提及，本公开不限于此方面，并且具有一或多个处理器、一或多个存储器装置和/或其它类型的计算资源的任何计算系统也可以完全或部分地实现实例方法700。在一些实施例中，计算系统可以体现或可以包含车辆雷达系统的一部分。例如，在一个实施例中，根据本公开的各个方面，计算系统可以体现或可以包含图1a的距离模块140、图1a的多普勒模块150、图1a的干扰处理模块160和/或图1a的检测器模块170。

在框710处，车辆雷达系统可以在距离-多普勒映射内配置非多普勒区域。在框720处，车辆雷达系统确定不包含非多普勒区域的距离-多普勒映射的杂波特征向量。在框730处，车辆雷达系统确定杂波特征向量中所存在的运动量。在框740处，车辆雷达系统确定运动量是否满足定义的标准。响应于否定确定，实例方法700结束。相反，响应于肯定确定，车辆雷达系统至少基于与距离-多普勒映射对应的信道来更新短距离干扰的统计。

图8呈现可用于实施本公开的一或多个实施例的计算系统800的一实例。举例来说，计算系统800可以至少与配置成测试各种系统的系统对应。计算系统800可以与接口装置、转换装置和/或网络模拟装置对应。计算系统800可用于实施配置成执行本文中所描述的若干方法(例如方法600、700)的系统的硬件组件。尽管示出一个实例计算系统800，但计算系统800包含通信路径826，所述通信路径经由通信接口824将计算系统800连接到一或多个附加系统(图8中未描绘)。计算系统800与附加系统可经由通信路径826和通信接口824进行通信，例如以在它们之间传送数据。

计算系统800包含一或多个处理器，如处理器802。处理器802连接到通信基础设施804(例如通信总线、交叉条或网络)。计算系统800可以包含显示接口806，所述显示接口转发来自通信基础设施804(或来自未示出的帧缓冲器)的图形、文本内容和其它数据以在显示单元808上进行显示。计算系统800还包含主存储器810(优选地，随机存取存储器(ram))，并且也可以包含辅助存储器812。辅助存储器812内也可以含有一或多个磁盘驱动器814。可移动存储驱动器816从可移动存储单元818读取和/或向所述可移动存储单元写入。如将了解，可移动存储单元818包含其中存储有计算机软件和/或数据的计算机可读介质。

在替代实施例中，辅助存储器812可以包含用于允许将计算机程序或其它指令加载到计算系统中的其它类似构件。这种构件可以包含例如可移动存储单元820和接口822。

虽然已经参考示例性实施例描述了以上发明，但是本领域的技术人员应理解，在不脱离本公开的范围的情况下，可以进行各种改变并且可以用等同物替换其元件。另外，在不脱离本公开的基本范围的情况下，可以进行许多修改以使特定情况或材料适应本公开的教导。因此，希望本公开不限于所公开的特定实施例，而是将包含落入本公开的范围内的所有实施例。