实现迭代自适应方法（IAA）的波束成形技术与流程

实现迭代自适应方法(iaa)的波束成形技术
技术领域
1.本文所描述的各方面总体上涉及雷达系统，并且更具体地涉及实现用于雷达波束成形的迭代自适应方法(iaa)的技术。


背景技术：

2.雷达系统通常要求允许doa(到达方向)估计被执行的天线阵列。用于执行doa估计算法的方法通常分为两类：经典方法和自适应方法。经典的方法实现低复杂度和低分辨率的解决方案，而自适应方法实现高复杂度和高分辨率的解决方案。这些技术中的每一者都具有显著的缺点。
附图说明
3.结合到本说明书并构成本说明书的一部分的附图图示本公开的各个方面，并且与说明书一起，进一步用于解释各个方面的原理，并使相关领域的技术人员能够制造和使用各个方面。
4.图1a图示出根据本公开的一方面的示例性mimo雷达设备的框图。
5.图1b图示出根据本公开的一方面的示出与图1a的mimo雷达设备相关联的附加细节和处理流程的框图。
6.图2图示出根据本公开的一方面的与不同的波束成形算法的两个目标相对应的snr相对于方位角图。
7.图3图示出根据本公开的一方面的与不同波束成形算法相对应的分辨率相对于snr图。
8.图4图示出根据本公开的一方面的与不同波束成形算法相对应的峰值最大旁瓣功率比相对于snr图。
9.图5图示出根据本公开的一方面的与降低复杂度的迭代自适应方法(rc-iaa)算法相关联的方法流程。
10.图6a图示出根据本公开的一方面的示例性mimo雷达设备的框图。
11.图6b图示出根据本公开的一方面的示出与图6a的mimo雷达设备相关联的附加细节和处理流程的框图。
12.图6c图示出根据本公开的一方面的将元件空间(32个元件)转换为波束空间(7个波束)的示例。
13.图7a-图7c图示出根据本公开的一方面的与bs-iaa相关联的步骤。
14.图8a-图8b图示出根据本公开的一方面的与不同的波束成形算法的两个目标相对应的snr相对于方位角图。
15.图9图示出根据本公开的一方面的与不同波束成形算法相对应的分辨率相对于snr图。
16.图10图示出根据本公开的一方面的与不同波束成形算法相对应的峰值最大旁瓣
功率比相对于snr图。
17.图11图示出根据本公开的一方面的与波束空间迭代自适应方法(rc-iaa)算法相关联的方法流程。
18.将参照附图描述本公开的示例性方面。其中要素第一次出现的附图通常由附图标记中最左面的数字指示。
具体实施方式
19.在下面的描述中，阐述了众多具体细节以便提供对本公开的各个方面的完全理解。然而，对本领域技术人员将显而易见的是，可以在没有这些具体细节的情况下实践各个方面，所描述各个方面包括结构、系统和方法。本文的描述和表示是由本领域的经验/技术人员使用来向本领域其他技术人员最有效地传递其工作的实质的手段。在其他实例中，未详细地描述公知的方法、过程、组件、和电路，以避免不必要地使本公开的各个方面变得模糊。
20.多输入多输出(mimo)雷达是一种实现分布在孔径上的数字接收机和波形生成器的先进型的相控阵列雷达。mimo雷达信号在阵列内使用紧密间隔的天线传播，以获得更好的空间分辨率、多普勒分辨率、和动态距离。在传统的相控阵列mimo雷达系统中，需要附加的天线和相关的硬件来改善空间分辨率。为了实现这一点，传统的mimo雷达系统从多个发射天线(表示为ntx)发射相互正交的信号，并且然后使用一组匹配滤波器从接收天线(nrx)中的每一个接收天线中提取这些波形。例如，如果mimo雷达系统有3个发射天线和4个接收天线，则由于所发射的信号的正交性，可以从接收机中提取12个信号。也就是说，通过对接收到的信号执行数字信号处理，仅使用7个天线来创建12个元件的“虚拟”天线阵列，从而获得与其相控阵列对应空间分辨率相比更精细的空间分辨率。
21.波束成形在mimo雷达系统内用作到达方向(doa)算法的一部分，用以动态标识雷达信号的doa。但是，如上文所述，经典的doa估计算法和自适应doa估计算法都存在缺点。具体而言，传统的波束成形方法缺乏某些应用(诸如例如自动驾驶雷达系统)所需的空间分辨率。因此，自适应波束成形系统试图解决传统波束成形解决方案的缺点，但是通过引入大量复杂度来实现更高的空间分辨率来这样做，这进而需要大量的处理功率和增加的系统成本。
22.更具体地，经典波束成形系统通常依赖于延迟叠加(delay-and-sum：das)波束成形技术，以通过实现具有恒定系数的空间滤波器来提供低复杂度和低分辨率的解决方案。基于所期望的滤波器模式(空间频率响应)来导出滤波器系数。另一方面，自适应波束成形可通过以虚拟阵列输出操作来用作高复杂度和高分辨率波束成形解决方案，该虚拟阵列输出同样具有等于发射天线数量乘以接收天线数量的尺寸。此类“全虚拟阵列”自适应波束成形解决方案可以基于接收到的信号统计信息来调整滤波器响应，其中调整的目标是最小化一些标准。例如，对于mvdr(最小方差无失真响应)，目标是在所期望的方向上的单位增益约束下最小化波束成形输出功率。
23.然而，因为实际的mimo雷达系统通常实现大量天线(例如，30个或更多个接收天线和发射天线)，虚拟阵列的尺寸可以表示数十到数千个虚拟信道。因此，因为自适应波束成形算法使用整个虚拟阵列作为计算的一部分，如下文进一步详细讨论的，涉及这些虚拟阵
列的计算(例如，虚拟阵列可以表示的大矩阵的求逆)在计算上要求非常高，并且是数值上不稳定的操作。
24.此外，目前的自适应波束成形(bf)算法可称为“超分辨率算法”，并且传统上用于实现雷达应用所需的高空间分辨率，但限于两个方面。首先，自适应波束成形要求信号处理被实现成执行接收到的信号的协方差(cov)矩阵的估计，并且为了提供cov矩阵的准确估计，需要许多信号“快照”。然而，在实际应用中，快照的数量通常是有限的，在一些情况下，只有单个快照是可用的。在此类少量快照的情况下估计cov矩阵会产生病态cov矩阵，这会导致错误并使系统性能降级。其次，作为自适应波束成形算法的一部分，需要对cov矩阵进行求逆，并且该计算是高度复杂的操作。如果cov矩阵也是病态矩阵，则使该问题进一步变复杂，此类矩阵求逆计算在数值上是不稳定的操作。
25.因此，为了解决这些问题，本文所描述的各方面实现了用于mimo雷达的自适应波束成形的两种替代方法。这些方法中的第一种方法包括在本文中被称为“降低复杂度”的迭代自适应方法(rc-iaa)算法，该算法在本公开的第1节中进一步详细描述，并且涉及图1a-图5。这些方法中的第二种方法包括在本文中被称为“波束空间”迭代自适应方法(rc-iaa)算法，该算法在本公开的第2节中进一步详细描述，并且涉及图6a-图11。
26.第1节-用于波束成形的降低复杂度的迭代自适应方法(rc-iaa)算法
27.本节所讨论的rc-iaa算法是通过使用具有nrx
×
nrx的尺寸的减小的尺寸的cov矩阵来实现。同样，为了执行全虚拟阵列处理，传统自适应波束成形算法所使用的cov矩阵尺寸具有nrxntx
×
nrxntx的尺寸。该尺寸的减小显著地降低了自适应波束成形的计算复杂度。另外，本文所描述的各方面还基于用于cov矩阵估计的迭代自适应方法(iaa)，该方法甚至从单个快照中估计出良好的cov矩阵。
28.如下文进一步所讨论的，本文描述的各方面使用两个步骤的过程实现自适应波束成形算法。在第一步骤中，传统的延迟叠加(das)波束成形被应用于从同一rx天线接收的匹配滤波器输出。因此，das波束成形器的输出的数量等于rx天线的数量(nrx)。然后，作为第二步骤，自适应波束成形(例如capon或正弦波的幅度和相位估计(apes))被应用于第一步骤的nrx的输出。该方法的主要优点在于，自适应波束成形被应用于尺寸为nrx而不是为nrx xntx的矩阵，如针对虚拟矩阵的情形。因此，与cov矩阵估计相关的问题以及与cov矩阵求逆相关联的计算变得不那么关键。尽管该方法导致自适应波束成形器中的自由度(即为空的数量)的一些损失，但考虑到由于在虚拟阵列中尺寸的减少而获得的处理优点，该权衡是可以接受的。
29.用于实现自适应波束成形算法的传统方法还包括使用capon或可替代地apes作为第二步骤的两个步骤的方法。但是为了获得良好的cov矩阵，需要多个快照l才能满足条件l>nrx。但是同样，如上所述，通常只有单个快照是可用的。此外，本文所描述的各方面利用单个快照，因为在执行波束成形之前应用了距离和多普勒处理(其一种匹配滤波器)。因此，如本文进一步描述的各方面为每个距离多普勒元获得单个虚拟阵列输出(单个快照)。传统的两步方法无法以该方式使用单个快照执行自适应波束成形。
30.图1a图示根据本公开的一方面的示例性mimo雷达设备的框图。mimo雷达设备100可以被实现为用于任何合适类型的雷达应用的独立设备或组件例如，mimo雷达设备100可以被实现为汽车或其他设备的一部分，该部分经由本文所描述的方面来标识目标的位置
(即，距离和方向)。
31.在一方面，mimo雷达设备100可以包括处理电路102、存储器104、包括任何合适数量ntx的发射天线的发射天线阵列120和包括任何合适数量nrx的接收天线的接收天线阵列130。图1a中所示的组件是为了易于解释而提供的，并且各方面包括实现如图1a所示的附加的、较少的或替代的组件的设备100。例如，mimo雷达设备100可以包括一个或多个功率源、显示接口、外围设备、端口、收发机，等等。为了提供附加的示例，mimo雷达设备100可以进一步实现任何适当数量的匹配滤波器以及延迟叠加(das)电路，如参考图1b进一步讨论的。
32.在一方面，可以利用本文参考示例框图150进一步描述的功能来标识mimo雷达设备100的各个组件，如参考图1b所示出和所描述。例如，mimo雷达设备100可以执行本文进一步讨论的自适应波束成形算法以标识雷达信号的doa，并且对接收到的雷达信号进行处理，以确定到视场中的一个或多个检测到的目标的距离和方向。为此，mimo雷达设备100可被配置成经由包括在发射天线阵列120中的发射天线中的每一个发射天线来发射雷达信号，该发射天线阵列120可以根据任何合适的协议、频率和/或频带(例如，毫米波频带)。此外，所发射的雷达信号可以从一个或多个目标反射，并且这些信号反射可以由被包括在接收天线阵列130中的接收天线中的每一个接收天线接收。然后，可以根据本文所讨论的自适应波束成形算法进一步处理这些接收到的反射，以标识从其反射信号的目标的距离和doa。
33.如在本节和其他节中进一步引用的，在本节以及其他节中描述的各方面可以操作的术语“毫米波频率(mm-wave frequency)”例如可以包括高于20ghz、24ghz、28ghz等直到上界频率的频率和频带。例如，毫米波频带可以包括范围从20ghz到300ghz、从24ghz到300ghz等的频率。这可以包括例如已知与毫米波频带相关联或以其他方式指代毫米波频带的各种频带，诸如24ghz、28ghz、37ghz、39ghz、40ghz、47ghz、60ghz等。
34.为此，处理电路102可被配置成可用于控制本文所讨论的mimo雷达设备100的任何适当数量和/或类型的计算机处理器。可以利用由mimo雷达设备100实现的一个或多个处理器(或其合适的部分)来标识处理电路102。如本文所讨论的，例如可以利用由mimo雷达设备100实现的一个或多个处理器(诸如主机处理器、数字信号处理器、一个或多个微处理器、微控制器、专用集成电路(asic)、现场可编程门阵列(fpga)的部分(或全部)等)来标识处理电路102。在任何情况下，各方面包括处理电路102，该处理电路102被配置成实行用于执行算术、逻辑和/或输入/输出(i/o)操作，和/或用于控制mimo雷达设备100的一个或多个组件的操作的指令，以执行与本文所描述的各方面相关联的各种功能。
35.例如，处理电路102可以包括一个或多个微处理器核、存储器寄存器、缓冲器、时钟等，并且可以生成与电子组件相关联的电子控制信号，以控制、调整和/或修改如本文所讨论的mimo雷达设备100的一个或多个组件的操作。此外，各方面包括与存储器104和/或mimo雷达设备100的其他组件进行通信和/或控制与存储器104和/或mimo雷达设备100的其他组件相关联的功能的处理电路102。这可以包括，例如，在经由发射天线阵列120发射之前对信号进行调节，并且处理经由接收天线阵列130接收到的经反射的雷达信号。
36.在一方面，存储器104存储数据和/或指令，使得当指令被处理电路102执行时，处理电路102执行如本文所描述的各种功能。存储器104可以被实现为任何公知的易失性和/或非易失性存储器，包括例如只读存储器(rom)、随机存取存储器(ram)、闪存、磁存储介质、光盘、可擦除可编程只读存储器(eprom)、可编程只读存储器(prom)等等。存储器104可以是
不可移动的、可移动的、或两者的组合。
37.例如，存储器104可以被实现为存储一个或多个可执行指令(诸如例如，逻辑、算法、代码等)的非暂态计算机可读介质。如下文进一步所讨论的，存储在存储器104中的指令、逻辑、代码等由图1a所示的各种模块表示，这些模块可使本文所公开的各方面能够在功能上被实现。可替代地，如果经由硬件实现本文所描述的各方面，则图1a中所示的与存储器104相关联的模块可以包括用于促进控制和/或监测此类硬件组件的操作的指令和/或代码。换言之，图1a中所示的模块是为了易于对关于硬件与软件组件之间的功能关联进行解释而提供的。因此，各方面包括处理电路102，该处理电路102与一个或多个硬件组件一起执行存储在这些相应模块中的指令，以执行与如本文进一步讨论的各方面相关联的各种功能。
38.在一方面，存储在匹配滤波器控制电路105中的可执行指令可以与处理电路102一起促进已知的延迟的信号或模板与未知信号的相关性，以检测未知信号中模板的存在。例如，可以将该已知信号作为经由发射阵列120发射的雷达信号的一部分来发射。因此，匹配滤波器控制电路105可以用于检测作为一个或多个雷达信号处理操作的一部分的已知信号。例如，匹配滤波器控制电路可根据可以作为已知雷达系统处理操作的一部分来执行的任何合适的技术(包括已知技术)来检测经由接收天线阵列130接收到的已知信号。这可以包括，例如，使用脉冲压缩或其他匹配滤波来利用多普勒效应以标识移动的目标和/或到所标识的目标的距离。匹配滤波器的功能参考雷达信号处理操作通常被理解，并且因此，本文不进一步详细描述匹配滤波器控制电路105的操作。
39.现在参考图1b，图1b图示根据本公开的一方面的示例自适应波束成形技术的框图150，各方面包括mimo雷达设备100，该mimo雷达设备100包括耦合到接收天线阵列130内的每个天线的多个匹配滤波器(表示为mf 1、mf 2等)。框图150是用于说明目的，并且因此出于简洁和清楚的目的，不示出各个组件(诸如滤波器、放大器等)之间的任何附加的连接。如上文所述，匹配滤波器可以具有用于检测经由每个天线接收到的已知信号的任何合适的架构和配置。在一方面，匹配滤波器可以经由匹配滤波器控制电路105被调整、被控制、被监测和/或处理每个相应的所接收的信号，该匹配滤波器控制电路105可以在各个方面被实现为基于软件的解决方案、基于硬件的解决方案或基于软件和硬件两者的解决方案的组合。
40.如图1b所示，接收天线阵列130内的每个相应的接收天线被耦合到与发射天线阵列120内的发射天线的数量ntx相等的多个匹配滤波器。因此，匹配滤波器的总数量等于虚拟阵列的尺寸，该尺寸为如图1b所示的(ntxxntx)。换言之，虚拟阵列输出被表示为来自每个匹配滤波器的信号输出。作为下面将进一步使用的示例，假设发射天线的数量ntx为6，而接收天线nrx的数量为16。因此，在该示例中，总共有96个匹配滤波器，每个滤波器提供形成96个元素虚拟阵列的部分的输出。当然，这只是一个示例，本文所描述的各方面不限于此方面，并且可以分别包括任何合适数量的发射天线ntx和接收天线nrx。
41.如上所讨论的，传统的自适应波束成形系统利用全虚拟阵列作为完整的虚拟阵列处理的一部分，鉴于较大的虚拟阵列尺寸，这明显是复杂的，而且是处理器密集的。与该方法相反，本文所描述的各方面有利地利用较低复杂度的两步骤方法。包含这两个步骤的算法的概要在表2a-表2b中示出，并在下文进一步讨论。作为该方法的一部分，第一步骤包括使用与接收天线的数量nrx相等的延迟叠加(das)电路块。因此，在示例框图150中，mimo雷
达设备100包括das电路块155.1-155.nrx，其中每个das电路块155被耦合到与如图1b所示的接收天线阵列130内的每个接收天线相关联的一组匹配滤波器的输出。
42.可以利用被配置成使匹配滤波器中的每一个匹配滤波器的输出时间对准的任何合适类型的硬件组件来实现das电路块155.1-155.nrx。这些组件可以包括例如确保每个匹配滤波器的输出基本上彼此时间对准，并且一起被相加以建设性地添加为波束成形操作的一部分的任何适当类型的延迟元件、加法器电路、相关器等。可根据任何合适的技术来实现das电路块155.1-155.nrx以实现该功能，包括已知根据波束成形系统用于此类操作的技术。在一方面，das电路块155.1-155.nrx可以经由如图1a所示的延迟叠加算法107被调整、被控制、被监测和/或处理每个相应的所接收的信号，该延迟叠加算法107可以与处理电路102一起工作来这样做。在各个方面，延迟叠加算法107可以被实现为基于软件的解决方案、基于硬件的解决方案或基于软件和基于硬件两者的解决方案的组合。
43.在一方面，由das电路块155.1-155.nrx提供的输出构成经由接收天线阵列130接收到的雷达信号的初始功率谱估计。因此，das电路块155.1-155.nrx用于将通常用于自适应波束成形算法且具有ntx x nrx的尺寸的虚拟阵列的初始尺寸提取为具有等于接收天线数量nrx的尺寸的初始功率谱估计。
44.在一方面，在下表2a-2b中进一步详细示出的降低复杂度迭代自适应方法(rc-iaa)算法被实现为本文所描述的两个步骤的组合。因此，各方面包括经由如图1a所示的处理电路102执行存储在rc-iaa算法模块111中的指令来执行rc-iaa算法，这包括延迟叠加算法模块107的执行(步骤1)和iaa算法电路块109的执行(步骤2)。同样，上文所描述的第一步骤由das电路块155.1-155.nrx执行，并提供具有等于接收天线数量nrx的尺寸的初始功率谱估计。
45.因此，所描述的rc-iaa算法的各方面实现了两个步骤。在第一步骤中，如下面参考表2a进一步详细地示出的和描述的，使用das波束成形算法执行初始das频谱估计。
46.然后，在参考下表2b更详细地示出和描述的第二步骤中，算法根据所谓迭代自适应方法(iaa)来实现，该算法对前述初始功率谱估计进行操作。下表1提供了iaa算法的一般形式。iaa是已知的基于加权最小二乘最小化的频谱估计技术。然而，本文所描述的各方面不限于iaa技术的该特定实现方式，并且可以在不脱离本公开的精神和范围的情况下实现其他变体。
表1
–
iaa算法的一般形式。
47.现在转到表2b和rc-iaa算法的第二步骤，在第一步骤(das波束成形-表2a)中获得的初始功率谱估计被表示为虚拟引导矩阵a。在一方面，rc-iaa算法的第二步骤根据迭代自适应方法(iaa)的应用，对该虚拟引导矩阵a进行操作。
48.参考下表2a，rc-iaa算法使用以下符号：
49.频谱网格:
50.tx引导向量:a
t
(θ
i
)
51.rx引导向量:a
r
(θ
i
)
52.用于频谱估计的窗:w
53.方向θ
i
上的功率:p
i
54.同样,如下面的表2a所示，第一步骤包括定初始das频谱估计，该初始das频谱估计定义了初始tx引导向量初始接收引导向量初始虚拟引导向量、被定义为p
i
的带加窗的das功率估计、以及与构建虚拟引导矩阵a(：，i)相关联的操作。此外，为了展示本文所描述的rc-iaa算法方面的复杂度水平，示出了得到以mac计的所测得的复杂度的若干示例参数。
表2a
表2b
55.如上表2b进一步详细示出的，iaa协方差(cov)矩阵估计表示为r
iaa
，而iaa协方差矩阵估计的逆表示为在一方面，可以使用cholesky分解来计算cov矩阵估计的逆，尽管这是通过示例而非限制的方式，并且任何合适的技术可以根据各个方面被实现成用于计算协方差矩阵估计的逆。因此，iaa算法的该部分形成“外循环”，在该“外循环”中，参考对虚拟引导矩阵a的功率估计的计算来执行多次迭代(在该示例中为5次，即迭代
次数
＝5(iter
num
＝5))。
56.在一方面，iaa算法使用嵌套在如上文所述的外循环中的第二个“内循环”来操作。在该内部嵌套的循环中，针对每个i值迭代地计算由θ
i
定义的方向上的功率，直到达到最大频谱样本数(在该例中为200，即n网格＝200(ngrid＝200))。因此，iaa算法用于迭代地更新和评估不同方向θ
i
的每次迭代的多个样本上的功率，直到计算出适当的加权波束成形组合。然后，如图2所示，将该加权波束成形组合被输出为波束成形输出信号和/或数据。在一方面，与波束成形输出相关联的信号和/或数据(例如，权重和相位)然后可用于标识一组接收到的雷达信号的doa。例如，波束成形输出可以与(例如，在lut中)存储的数据相关，以从波束成形输出中导出波束图案，可以根据该波束图案计算doa。
57.换言之，通过在上文所描述的rc-iaa算法的第二步骤中实现iaa技术，当cov矩阵被建模为r＝a diag(p)a
h
(参见表1中的第4行)时，迭代地估计cov矩阵，其中a为引导向量的矩阵，p＝diag(p)为来自所有到达角(aoa)的功率的对角矩阵(即谱估计)。一旦cov矩阵被估计出，内循环中的功率谱就被估计出(见表1第5-8行)。然后，一旦获得更好的频谱估计，cov矩阵就被再次估计，依此类推。同样，各方面包括经由如图1b所示的das波束成形算法计算如表1第1-2行所示的初始频谱估计。
58.因此，使用上述表2a-2b中所示的示例值，针对大约5m的总体rc-iaa算法，计算以mac计的总体复杂度值。与用于计算波束成形数据的其他传统技术相比，rc-iaa算法的复杂
度和性能在下表3中进一步详细示出。表3
59.所列出的第一个算法是应用于如图1b所示的整个虚拟阵列的das bf。该算法可用于以非自适应或静态方式计算波束成形数据。为了减少空间滤波器的旁瓣，通常应用加窗函数，这在该示例中是使用切比雪夫窗(chebyshev window)(-60db)来进行模拟的。还在如上文表2a所概括的rc-iaa算法的第一部分中使用该das bf算法。如表2a和表3所示，该算法具有4m的最低复杂度，但也是非自适应的。
60.上表3中的第二个算法是应用于如图1b所示的整个虚拟阵列的iaa算法。虽然该算法允许自适应波束成形计算，但考虑到本文所述的较大的元素虚拟阵列的使用，这需要大量的复杂度(55m)。
61.第三种算法是本公开的各方面所涉及的rc-iaa，该rc-iaa在上表2a和表2b中被概括并且在右栏中给出了相应的复杂度分析。如从复杂度分析结果可以看出，与非自适应解决方案相比，rc-iaa只引入了少量的复杂度以实现自适应波束成形解决方案(5m相对于4m)，并且与iaa虚拟阵列解决方案相比，复杂度显著地更少(5m相对于55m)。
62.图2-图4提供比较表2中所示的不同算法的各种性能度量的图。例如，图2图示出根据本公开的一方面的与不同的波束成形算法相对应的两个目标的snr相对于方位角图。图2所示的图描绘了具有2度的方位角空间的两个目标的空间频谱。从该比较中可以看出，尽管rc-iaa算法与全虚拟阵列iaa算法相比，复杂度有所降低，但rc-iaa算法有足够的空间分辨率来标识隔开两度而定位的目标的doa。注意，尽管das波束成形算法和rc-iaa算法的复杂度如上文所述相似，但非自适应das波束成形算法缺乏区分这两个不同目标的空间分辨率。
63.图3图示出根据本公开的一方面的与不同波束成形算法相对应的分辨率相对于snr图。同样，针对如上表3所示每个单独的算法提供数据。在该示例中，分辨率被定义为目标之间的最小间距，使得在它们之间观察到-10db的差。从图3可以看出，rc-iaa算法与全虚拟阵列iaa算法相比，尽管复杂度显著降低，但在snr为70db的频带上最多牺牲了一定分辨率度。
64.图4图示出根据本公开的一方面的与不同波束成形算法相对应的峰值旁瓣功率相对于snr图。参考图3所示的图，将旁瓣的峰值功率与最大功率之间的平均比率作为snr的函数而绘制出。从图4可以看出，对于非自适应das波束成形算法，峰值旁瓣比被限制为60db。该性能限制是与切比雪夫窗相关联的旁瓣的结果，在该示例中，切比雪夫窗为60db的窗。然而，rc-iaa算法提供了几乎跟踪全虚拟阵列iaa算法的性能的稳健的解决方案。
65.综上所述，本节中描述的各方面提供了与应用于全虚拟阵列的iaa技术类似的超分辨率频谱估计。经由rc-iaa算法实现的自适应波束成形解决方案的分辨率显著地优于非自适应das波束成形解决方案，如图2-图4中的图所示并在本文其他地方所讨论的。此外，与das波束成形算法相比，rc-iaa算法的应用只需要稍微增加一点复杂度，而应用于整个虚拟阵列的iaa技术遭受非常高的复杂度(超过所描述的rc-iaa算法方面的十倍)。
66.图5图示出根据本公开的一方面的与降低复杂度的迭代自适应方法(rc-iaa)算法相关联的方法流程。参考图5，方法流程500可以是由一个或多个处理器和/或存储设备执行的和/或以其他方式与一个或多个处理器相关联的计算机实现的方法。例如，这些处理器和/或存储设备可以例如与如参考图1a-1b所示出的和所描述的设备100相关联。在一方面，方法流程500可经由一个或多个处理器(例如，如图1a所示的处理电路102)执行存储在合适的存储介质(例如，如图1a所示的诸如存储器104之类的非暂态计算机可读存储介质)上的指令来执行。
67.方法流程500可以通过将匹配滤波应用于一组接收到的信号中的每一个信号来生成虚拟天线阵列输出(框502)而开始。这可以包括，例如，使用如参考图1b所示出的和所描述的匹配滤波器，该匹配滤波器产生到das波束成形电路块155.1-155.nrx的虚拟阵列输出。
68.方法流程500可以通过对虚拟天线阵列输出执行das波束成形来生成关于接收到的信号的初始功率谱估计(框504)而继续。这可以包括，例如，使用参考如图1b所示的das波束成形电路块155.1-155.nrx所示出的和所描述的das波束成形算法。也参考表2a示出和描述了该das波束成形算法的示例。
69.方法流程500可以通过使用关于接收到的信号的初始功率谱估计来确定初始cov矩阵估计(框506)而继续。这可以包括，例如，使用参考如图1b所示的iaa算法电路块109所示出的和所描述的iia波束成形算法。继续该示例，iaa电路块109也可以被实现为执行如图5所示的方法流程500的剩余的步骤。作为示例，初始cov矩阵估计可以根据如表2b所示的iaa算法的外循环来执行。
70.假设尚未达到最大迭代次数，方法流程500可以继续(框508
–
否)。换言之，iaa算法可以如表2a所示前进，并且继续执行本文所讨论的处理操作，以进行合适数量(例如5次)的迭代。
71.假设未达到最大迭代次数，方法流程500可通过评估多个(例如，200个)功率谱样本来继续计算一个方向上的功率(框510)。作为示例，功率计算可以根据表2b所示的iaa算法的内循环来执行。继续该示例，方法流程500可以继续在外循环内迭代地计算一个方向上的功率，直到达到最后一个样本(框512
–
是)。当这发生时，方法流程500可以使用所计算出的一个方向上的功率来更新cov矩阵估计，并且然后对附加方向重复该过程，直到达到最大迭代次数(例如，5次)(框508
–
是)。一旦发生这种情况，iaa算法可以使用cov矩阵的最新近计算和每个方向上的功率计算来生成波束成形数据(框514)。
72.第2节-用于波束成形的波束空间迭代自适应方法(bs-iaa)算法
73.本节讨论的bs-iaa算法与rc-iaa算法类似，也提供了相对于现有自适应波束成形技术的较低复杂度解决方案，因为该算法不将iaa算法应用于整个虚拟阵列。然而，bs-iaa实现了如下文进一步所描述的附加步骤。bs-iaa算法的第一步骤与第1节讨论的rc-iaa算
法的第一步相似或相同。具体而言，本节中描述的bs-iaa算法也可以使用das波束成形来估计初始频谱。然而，不是将iaa算法应用于das波束成形步骤的输出，而是引入了中间步骤，该中间步骤将感兴趣区域(roi)检测为怀疑一个或多个目标位于其中的一个或多个角度区域。作为第三步骤，对检测到的roi中的每一个roi执行局部自适应波束成形算法，从而显著地改善roi上的分辨率。局部自适应波束成形算法是基于iaa算法与波束空间处理相结合，如下文进一步所讨论的。
74.因此，bs-iaa算法方面也提供相对于上文所描述的经典的成形和自适应波束成形技术的优点。具体而言，bs-iaa波束成形算法提供了与高级自适应波束成形方法(诸如全虚拟阵列iaa自适应波束成形)相等(或几乎相等)的高分辨率输出。此外，与现有的自适应波束成形解决方案相比，本节中描述的bs-iaa算法方面也可以以降低的复杂度来实现。如下文进一步所讨论的，这是由于加性波束成形仅被应用于怀疑包含目标的区域，而现有的超分辨率方法要求在角轴网格的每个点处应用自适应波束成形计算。此外，使用波束空间处理能够实现cov矩阵的尺寸的减小，从而显著降低其逆的复杂度。
75.图6a图示根据本公开的一方面的示例性mimo雷达设备的框图。如图6a所示的mimo雷达设备600可以利用与第1节中参考图1a-1b所示出和所描述的mimo雷达设备100相同或基本上类似的部件来实现，并且因此本节仅进一步描述mimo雷达设备100和mimo雷达设备600之间的差异。尽管在第1节和2节中将mimo雷达设备100和mimo雷达设备600作为单独的设备进行描述，但是本文所描述的各方面可以在单个设备上或在单独的设备上实现。例如，单个mimo雷达设备可以将mimo雷达设备100和mimo雷达设备600的功能组合到单个mimo雷达设备中，该单个mimo雷达设备被配置为分别地或彼此组合执行rs-iaa算法、bs-iaa算法或rs-iaa和bs-iaa算法两者。
76.在一方面中，mimo雷达设备600可以包括处理电路602、存储器604、包括任何合适数量ntx的发射天线的发射天线阵列620和包括任何合适数量nrx的接收天线的接收天线阵列630。这些组件可以分别与处理电路102、存储器104、发射天线阵列120和接收天线阵列130相同或以基本类似的方式操作，如第1节中参考图1a所示的mimo雷达设备100所述。
77.此外，像mimo雷达设备100那样，mimo雷达设备600还可以包括匹配滤波器控制电路605，该匹配滤波器控制电路605能够以与第1节所描述的mimo雷达设备100的匹配滤波器控制电路105相同或基本上类似的方式起作用，并且可以检测作为一个或多个雷达信号处理操作的一部分的已知信号。mimo雷达设备600还存储可执行代码、逻辑、指令等，以促进bs-iaa算法的执行，如本节中进一步所讨论的。因此，mimo雷达设备600包括存储在存储器604中的多个模块，这些模块构成与bs-iaa算法的整体操作相关联的不同的执行的功能，如下文进一步所述。
78.在一方面，波束空间迭代自适应方法(bs-iaa)算法被实现为本文所描述的三个步骤的组合。包含这些步骤中的每一个步骤的bs-iaa算法的概要在表4a-表4c中示出，并在下文进一步讨论。因此，各方面包括经由如图6a所示的处理电路602执行存储在bs-iaa算法模块611中的指令来执行bs-iaa算法，这包括延迟叠加算法模块607的执行(步骤1)、roi检测算法模块608的执行(步骤2)、和iaa算法电路块609的执行(步骤3)。
79.现在参考图6b，图6b图示出根据本公开的一方面的示例自适应波束成形技术的框图650，各方面包括以与上文参考mimo雷达设备100、框图150、和图1a-图1b所讨论的相同或
基本上类似的方式配置的实现多个匹配滤波器(表示为mf 1、mf 2，等等)的mimo雷达设备600。因此，每个匹配滤波器可以经由匹配滤波器控制电路605被调整、被控制、被监测和/或处理每个相应的所接收的信号，该匹配滤波器控制电路605可以在各个方面同样被实现为基于软件的解决方案、基于硬件的解决方案或基于软件和硬件两者的解决方案的组合。
80.因此，如图6b所示，虚拟阵列被表示为从每个匹配滤波器输出进行每个信号的聚合。bs-iaa算法中的第一步骤与上文参考mimo雷达设备100、框图150、和图1a-1b所示出的和所讨论的第一步骤相同或基本上类似。因此，bs-iaa算法的第一步骤还包括使用与接收天线的数量nrx相等的延迟叠加(das)电路块来执行das波束成形和确定初始功率谱估计。
81.das电路块655.1-655.nrx也可以被实现为与如图1b所示的das电路块155.1-155.nrx相同或基本上类似。在一方面，das电路块655.1-655.nrx可以经由如图6a所示的延迟叠加算法607被调整、被控制、被监测和/或处理每个相应的所接收的信号，该延迟叠加算法607可以与处理电路602一起工作来这样做。同样，在各个方面，延迟叠加算法607可以被实现为基于软件的解决方案、基于硬件的解决方案或基于软件和基于硬件两者的解决方案的组合。
82.在任何情况下，为了清楚起见，bs-iaa算法的第一步骤(包括初始频谱估计)同样在下表4a中重现，并包括与bs-iaa算法相关的一些附加符号。如下表4a所示，为了减少波束图案的旁瓣，各方面包括使用加窗函数(例如，汉明窗或切比雪夫窗)作为das波束成形步骤的一部分。该加窗函数也可以用作第1部分中参考图1b的步骤1das波束成形算法的一部分。通过减少旁瓣，可以确保远目标不会彼此遮挡(即不影响)。
表4a
83.如上表4a所示，bs-iaa算法的第一步骤用于执行das波束成形，以提供初始频谱估计，该bs-iaa算法与表2a所示的das波束成形算法类似。但是，表4a所示的das波束成形算法(作为bs-iaa算法的一部分使用)实现波束空间处理来这样做。为了提供附加的清晰度，下面将参考图6b中的插图680进一步详细地解释波束空间处理。
84.如图6b的插图680所示，元件空间信号被表示为x，其表示在每个物理天线的输出处或者在表4a所示的示例中，作为本节中描述的bs-iaa方面的第一步的一部分在虚拟天线阵列信道的输出处取得的信号。此外，波束空间信号被表示为x
bs
，并且表示应用固定(即非自适应)das波束成形之后的信号。因此，b
bs
表示代表固定波束成形方向的矩阵，w
bs
表示自适应波束成形(例如capon或最小方差无失真响应(mvdr))的向量。
85.在理解如上述所定义的以下符号的情况下，根据如图6b的插图680所示的波束空间处理而使用的波束空间变换具有以下属性。首先，通常n
bs
<n，并且因此降低了波束空间中的自适应波束成形的复杂度。其次，固定波束成形矩阵通常是正交的，使得例如在使用离散傅里叶变换(dft)波束成形时就是这种情况。
86.相对于capon波束成形的使用，在此外，cov矩阵r具有等于n
×
n的尺寸。在波束空间中，其中是bs中的尺寸为n
bs
×
n
bs
的cov矩阵，并且a
bs
＝b
bs
a。
87.均匀线性阵列(ula)的阵列对称性通常用于使用被称为前向-后向(fb)平均的技术来改善cov矩阵估计。该技术在波束空间中的cov矩阵上的应用由rbsfb＝{rbs}给出。fb平均的附加的优点在于，cov矩阵变为实数，并且因此这减少了进一步计算中所需的复数乘法的数量。作为波束空间变换的示例，图6c图示出根据本公开的方面的元件空间(32个元件)被变换为波束空间(7个波束)的示例。如图6c所示，波束扇区位于垂直线之间。
88.因此，bs-iaa算法的第一步骤实现波束空间处理，以使用虚拟阵列提供初始频谱估计。相对于表4a所示的das波束成形算法，还提供了以下假设。
89.1.roi中的数字索引为网格的20％，n
roi
＝40；
90.2.活动扇区数量n
活动扇区
＝5(n
actsect
＝5)；
91.3.活动扇区的所有索引都在roi中，每扇区的roi索引(网格的样本)数：n
样本_扇区
(n
samp_sect
)＝20/20＝10。
92.同样，表4a中的das波束成形步骤可以实现加窗以减少波束图案的旁瓣。然而，加窗函数可能导致波束主瓣的加宽，这产生降低的空间分辨率。因此，为了改善分辨率，各方面包括在第二步骤中检测感兴趣区域，该感兴趣区域指示怀疑发现目标的区域，并且然后在第三步骤中应用局部自适应波束成形以进一步改善这些检测到的区域中的分辨率。
93.如下文进一步详细讨论的，bs-iaa算法的第二步骤因此使用由das波束成形提供的初始功率谱估计(步骤1)来标识波束空间中的一个或多个感兴趣区域(roi)。与bs-iaa算法的第二步骤相关联的示例算法如下表4b中示出。法的第二步骤相关联的示例算法如下表4b中示出。表4b
94.在各个方面，可以使用任何数量的合适技术来执行roi检测，诸如包括有序统计恒虚警率(os-cfar)或单元平均恒虚警率(ca-cfar)的经典检测方法中的一者。由于os-cfar和ca-cfar是已知的技术，本文不再进一步描述关于如表4b所示的roi检测算法的该部分的附加细节。在表4b所示的示例roi检测算法中，roi检测算法实现os-cfar来检测频谱中的峰值。下面参考图7a-7c进一步讨论roi检测算法。
95.在一方面，roi检测算法实现在图7a中被表示为“thr”的检测阈值，以从所估计的频谱中检测roi。该阈值可以是任何合适的值，包括基于特定应用、当前噪声环境、预期噪声环境、信道条件等而选择的预定值或动态调整值。然而，为了确保不错过目标，各方面包括实现表示避免由于噪声引起的错误检测和确保不错过目标之间的权衡的相对低检测阈值thr。例如，thr值可以表示距本底噪声若干分贝(例如3、5、6、10等)值。在“错过”目标的情况下，目标附近区域的最终频谱估算将与das波束成形频谱相同(即das波束成形是频谱估算准确度的下限)。
96.在一方面，具有超过阈值thr的功率的频谱的部分定义了区域702，如图7b所示。各方面进一步包括使用roi检测算法来计算每个峰值(即区域702)周围的roi。在各个方面，roi的宽度由das的波束图案(即，由波束图案的主瓣的宽度)决定。因此，roi检测算法用于基于所期望的所选择的阈值来标识很可能包含感兴趣目标的波束空间区域。因此，如图7b所示，检测到的roi定义作为整个波束扇区集合的子集的活动波束扇区。
97.如下文参考表4c进一步所讨论的，各方面包括：作为第三步骤，bs-iaa算法有利地仅在使用波束空间处理的检测到的roi中的每个roi中指示的活动波束扇区上执行iaa算法(如上文所讨论的并在下表4c中进一步描述的)，以减少标识所期望的波束成形图案和doa所需的时间和复杂度。与bs-iaa算法的第二步骤相关联的示例算法在下表4c中示出。
表4c
98.如上表4c所示，在iaa(外)循环中，cov矩阵r
iaa
被迭代地估计(类似于表1中第4行相对于)。换言之，iaa cov矩阵估计是基于roi中的样本，且进行对角加载。
99.接下来，对于每个活动的波束扇区(即，与每个检测到的roi相关联的波束扇区)，波束变换被定义为b
bs
，该波束变换是一组尺寸为n
bs
×
n的扇区矩阵，其中n
bs
是波束扇区的尺寸。然后使用dft矩阵(n
×
n)的行来使用上文所讨论的波束空间处理技术来产生b
bs
矩阵。因此，用于处理每一个活动波束扇区的bs-cov矩阵由给出。同样，运算符re{}被用作前向-后向平均的结果。该矩阵r
iaa bs
的尺寸是n
bs
×
n
bs
，而不是原来cov矩阵r
iaa
中的n
×
n。因此，矩阵r
iaa bs
向求逆有利地需要操作，而不是o(n3)操作。另外，r
iaa bs
是实矩阵，其进一步降低了附加计算的复杂度。逆cov矩阵可通过以下表达式乘以上述表4a中的每个活动波束扇区的矩阵r
yy bs
：
100.因此，如上表4c所示，r
iaa bs
矩阵用于估计特定波束扇区的功率(类似于表1中的、使用iaa对矩阵进行操作的内循环)。然而，根据一方面，本节所描述的bs-iaa算法的第三
步骤还通过操作将引导向量转换成波束空间，如表4c的最内的循环所指示。iaa算法的该循环描述了相对于索引j的另一个循环，这使得算法根据表4c所示的roi扇区索引对每个检测到的roi进行循环(即重复)(即在roi_扇区_索引(roi_sector_inx)上进行循环)。所得计算产生波束空间中的引导向量p
j
，其中功率随着每次通过
‘
j’循环而更新。因此，一旦所有波束扇区的功率估计完成，cov矩阵将像原始iaa方法一样再次被估计(参见表1)。
101.图7c示出一旦在与特定检测到的roi相关联的活动波束上完成了第三步骤后bs-iaa算法的总体结果。如上所述，在第1节中，该波束成形数据随后可用于基于bs-iaa算法提供的高分辨率来标识与单个检测到的目标相关联的doa。此外，与现有的非自适应(das)和全虚拟阵列自适应相比，bs-iaa算法获得的高分辨率自适应波束成形方案仍提供显著降低的复杂度。
102.上文参考表4c所描述的cov矩阵估计技术只是根据本节讨论的bs-iaa算法方面可以实现的cov矩阵估计的一个示例。各方面包括一旦在如上所述的bs-iaa算法的步骤2中检测到roi，则使用任何合适类型的cov矩阵估计技术。例如，在一方面，如表4c所示的cov矩阵r_iaa的估计可代替地如等式1所示计算。
103.等式1：
104.该可代替的用于cov矩阵估计的方法更准确，但具有更高的复杂度。此外，等式1中求和的第二个矩阵(a
notp
)应当只计算一次，因为它不会随着迭代而改变。因此，期望的应用、成本和实现的硬件可以驱动关于cov估计的特定实现方式的决策。
105.因此，使用上述表4a-4c中所示的示例值，针对大约9.5m的bs-iaa算法，计算以mac计的总体复杂度值。与用于计算波束成形数据的其他传统技术相比，bs-iaa算法的复杂度和性能在下表5中进一步详细示出。表5
106.上表5中的第一种算法和第二种算法(das虚拟阵列和iaa虚拟阵列)与上文第1节中讨论的相同，并从表3中再现。第三种算法是第2节所讨论的本公开的各方面所涉及的bs-iaa，上表4a-4c中概括了该算法以及相应的复杂度分析。如从复杂度分析的结果可以看出，与非自适应解决方案相比，bs-iaa引入了一些附加的复杂度以实现自适应波束成形解决方
案(9.5m相对于4m)，但与iaa虚拟阵列解决方案相比，复杂度显著地更少(9.5m相对于55m)。
107.图8a、图8b、图9和图10提供比较表5中所示的不同算法的各种性能度量的图。例如，图8a-图8b图示出根据本公开的一方面的与不同的波束成形算法的两个目标的snr相对于方位角图。图8a-图8b在不同的x轴比例下描绘了相同的值。图8a图示出-1.0至+0.8度方位角范围内的snr，而图8b图示出-0.2至+0.15度方位角范围内的snr。从该比较中可以看出，尽管bs-iaa算法与全虚拟阵列iaa算法相比，复杂度有所降低，但bs-iaa算法有足够的空间分辨率来标识隔开两度而定位的目标的doa。注意，非自适应das波束成形算法缺乏区分这两个不同目标的空间分辨率。
108.图9图示出根据本公开的一方面的与不同波束成形算法相对应的分辨率相对于snr图。同样，针对如上表5所示每个单独的算法提供数据。在该示例中，分辨率被定义为目标之间的最小间距，使得在它们之间观察到-10db的差。从图9可以看出，bs-iaa算法与全虚拟阵列iaa算法相比，尽管复杂度显著降低，但在snr为70db的频带上，最多牺牲了四分之一的分辨率度。
109.图10图示出根据本公开的一方面的与不同波束成形算法相对应的峰值最大旁瓣功率比相对于snr图。参考图10所示的图，将旁瓣的峰值功率与最大功率之间的平均比率作为snr的函数而绘制出。从图10可以看出，对于非自适应das波束成形算法和bs-iaa算法，峰值旁瓣比被限制为60db。该性能限制是与切比雪夫窗相关联的旁瓣的结果，在该示例中，切比雪夫窗为60db的窗。然而，bs-iaa算法提供了几乎跟踪全虚拟阵列iaa算法的性能的稳健的解决方案。
110.综上所述，本节中描述的bs-iaa算法方面提供了与应用于全虚拟阵列的iaa算法类似的峰值估计的准确度。在没有检测到峰值的区域中，bs-iaa至少表现得与非自适应das波束成形解决方案一样好。因此，与全虚拟阵列iaa解决方案相比，bs-iaa方面实现了类似的分辨率，但是这样做的复杂度显着降低(例如，系数为5-10，这取决于阵列和算法参数)。
111.图11图示出根据本公开的一方面的与波束空间迭代自适应方法(bs-iaa)算法相关联的方法流程。参考图11，方法流程1100可以是由一个或多个处理器和/或存储设备执行的和/或以其他方式与一个或多个处理器相关联的计算机实现的方法。例如，这些处理器和/或存储设备可以例如与如参考图6a-6b所示出的和所描述的设备600相关联。在一方面，方法流600可经由一个或多个处理器(例如，如图6a所示的处理电路602)执行存储在合适的存储介质(例如，如图6a所示的诸如存储器604之类的非暂态计算机可读存储介质)上的指令来执行。
112.方法流程1100可以通过将匹配滤波应用于一组接收到的信号中的每一个信号来生成虚拟天线阵列输出(框1102)而开始。这可以包括，例如，使用如参考图6b所示出的和所描述的匹配滤波器，该匹配滤波器产生到das波束成形电路块655.1-655.nrx的虚拟阵列输出。
113.方法流程1100可以通过对虚拟天线阵列输出执行das波束成形来生成关于接收到的信号的初始功率谱估计(框1104)而继续。这可以包括，例如，使用参考如图6b所示的das波束成形电路块655.1-655.nrx所示出的和所描述的das波束成形算法。也参考表4a示出和描述了该das波束成形算法的示例。
114.方法流程1100可以通过使用关于接收到的信号的初始功率谱估计来检测roi(框
1106)而继续。例如，这可以包括参考如图6b所示的roi检测算法电路块608所示出的和描述的并且参考表4b更详细讨论的roi检测算法的使用。
115.方法流程1100可以通过使用关于所检测的roi的初始功率谱估计来确定初始cov矩阵估计(框1108)而继续。这可以包括，例如，使用参考如图6b所示的iaa算法电路块609所示出的和所描述的iia波束成形算法。继续该示例，iaa电路块609也可以被实现为执行如图11所示的方法流程1100的剩余的步骤。作为示例，初始cov矩阵估计可以根据如表6c所示的iaa算法的外循环来执行。
116.假设尚未达到最大迭代次数，方法流程100可以继续(框1110
–
否)。换言之，iaa算法可以如表6c所示前进，并且继续执行本文所讨论的处理操作，以进行合适数量(例如5次)的迭代。
117.假设未达到最大迭代次数，方法流程1100可通过评估多个(例如，200个)功率谱样本继续计算第一个检测到的roi(假设检测到超过一个roi)内的第一个波束扇区的功率(框1112)。作为示例，这些功率计算可以根据表6c所示的iaa算法的两个内循环来执行。继续该示例，方法流程1100可以继续在外循环内迭代地计算波束空间中每个被标识的roi的功率，直到对检测到的roi中的所有波束扇区的功率进行了估计(框1114
–
是)。一旦针对roi内的每个波束扇区估计功率，则方法流程1110可包括递增到下一个roi(框1108)以更新初始功率谱估计(即cov矩阵)。
118.因此，对于多次迭代中的每一次迭代，方法100用于迭代地更新初始功率估计，直到对与一个或多个所标识的roi中的每一个roi相关联的活动波束扇区执行功率估计，以生成波束成形数据(框1118)。示例
119.以下示例涉及进一步的各个方面。
120.示例1是一种执行波束成形的方法，该方法包括：对多个接收到的信号中的每一个信号应用匹配滤波以生成用于多输入多输出(mimo)雷达系统的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形以生成与多个接收到的信号相关联的初始功率谱估计；以及基于迭代自适应方法(iaa)生成波束成形数据，该迭代自适应方法(iaa)包括使用初始功率谱估计作为初始功率估计的多次迭代，以及在多个不同波束方向中的一个波束方向上迭代地更新和评估初始功率估计。
121.在示例2中，如示例1的主题，其中mimo雷达系统包括多个发射天线ntx和多个接收天线nrx，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
122.在示例3中，如示例1-2中的任何组合的主题，其中初始功率谱估计包括等于接收天线的数量nrx的尺寸。
123.在示例4中，如示例1-3的任何组合的主题，其中生成波束成形数据包括使用初始功率谱估计来初始地估计协方差(cov)矩阵，并且在初始功率估计被迭代地更新和评估时迭代地重新估计cov矩阵。
124.在示例5中，如示例1-4的任何组合的主题，其中生成波束成形数据包括：针对多次迭代中的每一次迭代在预定数量的频谱样本上更新和评估多个不同波束方向中的一个波束方向上的初始功率估计。
125.在示例6中，如示例1-5的任何组合的主题，其中生成波束成形数据包括：针对多个不同波束方向中的每一个波束方向，重复更新和评估多个不同波束方向中的每一个波束方向的初始功率估计。
126.示例7是一种具有存储在其上的指令的非暂态计算机可读介质，当该指令由一个或多个处理器执行时，使一个或多个处理器通过以下操作执行波束成形：对多个接收到的信号中的每一个信号应用匹配滤波以生成用于多输入多输出(mimo)雷达系统的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形以生成与多个接收到的信号相关联的初始功率谱估计；以及基于迭代自适应方法(iaa)来生成波束成形数据，该迭代自适应方法(iaa)用于使用初始功率谱估计作为初始功率估计的多次迭代，以及在多个不同波束方向中的一个波束方向上评估初始功率估计。
127.在示例8中，如示例7的主题，其中mimo雷达系统包括多个发射天线ntx和多个接收天线nr，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
128.在示例9中，如示例7-8中的任何组合的主题，其中初始功率谱估计包括等于接收天线的数量nrx的尺寸。
129.在示例10中，如示例7-9的任何组合的主题，其中该指令进一步使一个或多个处理器通过使用初始功率谱估计来初始地估计协方差(cov)矩阵，并且在初始功率估计被迭代地更新和评估时迭代地重新估计cov矩阵来生成波束成形数据。
130.在示例11中，如示例7-10的任何组合的主题，其中该指令进一步使一个或多个处理器通过以下操作生成波束成形数据：针对多次迭代中的每一次迭代在预定数量的频谱样本上更新和评估多个不同波束方向中的一个波束方向上的初始功率估计。
131.在示例12中，如示例7-11的任何组合的主题，其中该指令进一步使一个或多个处理器通过针对多个不同波束方向中的每一个波束方向重复更新和评估多个不同波束方向中的每一个波束方向的初始功率估计来生成波束成形数据。
132.示例13是一种执行波束成形的方法，该方法包括：对多个接收到的信号中的每一个信号应用匹配滤波以生成用于多输入多输出(mimo)雷达系统的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形以生成与多个接收到的信号相关联的初始功率谱估计；使用初始功率谱估计来标识波束空间中的一个或多个感兴趣区域(roi)，该一个或多个roi包括基于波束功率超过检测阈值而与检测到的目标相关联的一个或多个波束扇区；以及基于迭代自适应方法生成波束成形数据，迭代自适应方法是：针对来自一个或多个所标识的roi中的每个所标识的roi，使用初始功率谱估计作为波束空间中的初始功率估计，以及针对每个roi的多次迭代中的每一次迭代，迭代地更新初始功率估计，直到对与一个或多个所标识的roi中的每一个所标识的roi相关联的每个活动波束扇区执行功率估计。
133.在示例14中，如示例13的主题，其中标识一个或多个roi的动作包括有序统计恒虚警率(os-cfar)检测。
134.在示例15中，如示例13-14的任何组合的主题，其中一个或多个roi中的每一个roi基于围绕具有超过检测阈值的功率的相应波束的一部分形成的波束空间中的区域。
135.在示例16中，如示例13-15的任何组合的主题，其中一个或多个roi中的每一个roi具有基于作为das波束成形的结果生成的波束图案的相应波束宽度。
136.在示例17中，如示例13-16的任何组合的主题，其中mimo雷达系统包括多个发射天线ntx和多个接收天线nrx，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
137.在示例18中，如示例13-17中的任何组合的主题，其中初始功率谱估计包括等于接收天线的数量nrx的尺寸。
138.示例19是一种具有存储在其上的指令的非暂态计算机可读介质，当该指令由一个或多个处理器执行时，使一个或多个处理器通过以下操作执行波束成形：对多个接收到的信号中的每一个信号应用匹配滤波以生成用于多输入多输出(mimo)雷达系统的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形以生成与多个接收到的信号相关联的初始功率谱估计；使用初始功率谱估计来标识波束空间中的一个或多个感兴趣区域(roi)，该一个或多个roi包括基于波束功率超过检测阈值而与检测到的目标相关联的一个或多个波束扇区；以及基于迭代自适应方法(iaa)生成波束成形数据，该迭代自适应方法(iaa)针对来自一个或多个所标识的roi中的每个所标识的roi，使用初始功率谱估计作为波束空间中的初始功率估计，以及针对每个roi的多次迭代中的每一次迭代，迭代地更新初始功率估计，直到对与一个或多个所标识的roi中的每一个所标识的roi相关联的每个活动波束扇区执行功率估计。
139.在示例20中，如示例19的主题，其中指令进一步使一个或多个处理器使用有序统计恒虚警率(os-cfar)检测来标识一个或多个roi。
140.在示例21中，如示例19-20的任何组合的主题，其中该指令进一步使一个或多个处理器基于围绕具有超过检测阈值的功率的相应波束的一部分形成的波束空间中的区域来标识一个或多个roi。
141.在示例22中，如示例19-21的任何组合的主题，其中该指令进一步使一个或多个处理器标识具有基于作为das波束成形的结果生成的波束图案的相应波束宽度的一个或多个roi。
142.在示例23中，如示例19-22的任何组合的主题，其中mimo雷达系统包括多个发射天线ntx和多个接收天线nrx，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
143.在示例24中，如示例19-23中的任何组合的主题，其中初始功率谱估计包括等于接收天线的数量nrx的尺寸。
144.示例25是一种执行波束成形的方法，该方法包括：对多个接收到的信号中的每一个信号应用匹配滤波装置以生成用于多输入多输出(mimo)雷达系统装置的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形装置以生成与多个接收到的信号相关联的初始功率谱估计；以及基于迭代自适应方法(iaa)生成波束成形数据，该迭代自适应方法(iaa)包括使用初始功率谱估计作为初始功率估计的多次迭代，以及在多个不同波束方向中的一个波束方向上迭代地更新和评估初始功率估计。
145.在示例26中，如示例25的主题，其中mimo雷达系统装置包括多个发射天线ntx和多个接收天线nrx,，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
146.在示例27中，如示例25-26中的任何组合的主题，其中初始功率谱估计包括等于接
收天线的数量nrx的尺寸。
147.在示例28中，如示例25-27的任何组合的主题，其中生成波束成形数据包括使用初始功率谱估计来初始地估计协方差(cov)矩阵，并且在初始功率估计被迭代地更新和评估时迭代地重新估计cov矩阵。
148.在示例29中，如示例25-28的任何组合的主题，其中生成波束成形数据包括：针对多次迭代中的每一次迭代在预定数量的频谱样本上更新和评估多个不同波束方向中的一个波束方向上的初始功率估计。
149.在示例30中，如示例25-29的任何组合的主题，其中生成波束成形数据包括：针对多个不同波束方向中的每一个波束方向，重复更新和评估多个不同波束方向中的每一个波束方向的初始功率估计。
150.示例31是一种具有存储在其上的指令的非暂态计算机可读装置，当该指令由一个或多个处理器装置执行时，使一个或多个处理器装置通过以下操作执行波束成形：对多个接收到的信号中的每一个信号应用匹配滤波装置以生成用于多输入多输出(mimo)雷达系统装置的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形装置以生成与多个接收到的信号相关联的初始功率谱估计；以及基于迭代自适应方法(iaa)来生成波束成形数据，该迭代自适应方法(iaa)用于使用初始功率谱估计作为初始功率估计的多次迭代，以及在多个不同波束方向中的一个波束方向上评估初始功率估计。
151.在示例32中，如示例31的主题，其中mimo雷达系统装置包括多个发射天线ntx和多个接收天线nr，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
152.在示例33中，如示例31-32中的任何组合的主题，其中初始功率谱估计包括等于接收天线数量nrx的尺寸。
153.在示例34中，如示例31-33的任何组合的主题，其中该指令进一步使一个或多个处理器装置用于生成波束成形数据包括使用初始功率谱估计来初始地估计协方差(cov)矩阵，并且在初始功率估计被迭代地更新和评估时迭代地重新估计cov矩阵。
154.在示例35中，如示例31-34的任何组合的主题，其中该指令进一步使一个或多个处理器装置用于通过以下操作生成波束成形数据：针对多次迭代中的每一次迭代在预定数量的频谱样本上更新和评估多个不同波束方向中的一个波束方向上的初始功率估计。
155.在示例36中，如示例31-35的任何组合的主题，其中该指令进一步使一个或多个处理器装置用于通过针对多个不同波束方向中的每一个波束方向重复更新和评估多个不同波束方向中的每一个波束方向的初始功率估计来生成波束成形数据。
156.示例37是一种执行波束成形的方法，该方法包括：对多个接收到的信号中的每一个信号应用匹配滤波装置以生成用于多输入多输出(mimo)雷达系统装置的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形装置以生成与多个接收到的信号相关联的初始功率谱估计；使用初始功率谱估计来标识波束空间中的一个或多个感兴趣区域(roi)，该一个或多个roi包括基于波束功率超过检测阈值而与检测到的目标相关联的一个或多个波束扇区；以及基于迭代自适应方法生成波束成形数据，迭代自适应方法是：针对来自一个或多个所标识的roi中的每个所标识的roi，使用初始功率谱估计作为波束空间中的初始功率估计，以及针对每个roi的多次迭代中的每一次迭代，迭代地更新初始功率估
计，直到对与一个或多个所标识的roi中的每一个所标识的roi相关联的每个活动波束扇区执行功率估计。
157.在示例38中，如示例37的主题，其中标识一个或多个roi的动作包括有序统计恒虚警率(os-cfar)检测。
158.在示例39中，如示例37-38的任何组合的主题，其中一个或多个roi中的每一个roi基于围绕具有超过检测阈值的功率的相应波束的一部分形成的波束空间中的区域。
159.在示例40中，如示例37-39的任何组合的主题，其中一个或多个roi中的每一个roi具有基于作为das波束成形的结果生成的波束图案的相应波束宽度。
160.在示例41中，如示例37-40的任何组合的主题，其中mimo雷达系统装置包括多个发射天线ntx和多个接收天线nrx，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
161.在示例42中，如示例37-41中的任何组合的主题，其中初始功率谱估计包括等于接收天线的数量nrx的尺寸。
162.示例43是一种具有存储在其上的指令的非暂态计算机可读介质装置，当该指令由一个或多个处理器装置执行时，使一个或多个处理器装置通过以下操作执行波束成形：对多个接收到的信号中的每一个信号应用匹配滤波装置以生成用于多输入多输出(mimo)雷达系统的虚拟天线阵列输出；使用虚拟天线阵列输出执行延迟叠加(das)波束成形装置以生成与多个接收到的信号相关联的初始功率谱估计；使用初始功率谱估计来标识波束空间中的一个或多个感兴趣区域(roi)，该一个或多个roi包括基于波束功率超过检测阈值而与检测到的目标相关联的一个或多个波束扇区；以及基于迭代自适应方法(iaa)生成波束成形数据，该迭代自适应方法(iaa)针对来自一个或多个所标识的roi中的每个所标识的roi，使用初始功率谱估计作为波束空间中的初始功率估计，以及针对每个roi的多次迭代中的每一次迭代，迭代地更新初始功率估计，直到对与一个或多个所标识的roi中的每一个所标识的roi相关联的每个活动波束扇区执行功率估计。
163.in example 44,the subject matter of example 43,wherein the instructions further cause the one or more processor means to identify the one or more rois using an ordered-statistic constant false-alarm rate(os-cfar)detection.
164.在示例45中，如示例43-44的任何组合的主题，其中该指令进一步使一个或多个处理器装置基于围绕具有超过检测阈值的功率的相应波束的一部分形成的波束空间中的区域来标识一个或多个roi。
165.在示例46中，如示例43-45的任何组合的主题，其中该指令进一步使一个或多个处理器装置标识具有基于作为das波束成形的结果生成的波束图案的相应波束宽度的一个或多个roi。
166.在示例47中，如示例43-46的任何组合的主题，其中mimo雷达系统装置包括多个发射天线ntx和多个接收天线nrx，并且其中虚拟天线阵列输出具有等于发射天线的数量与接收天线的数量的乘积(ntx)(nrx)的尺寸。
167.在示例48中，如示例43-47中的任何组合的主题，其中初始功率谱估计包括等于接收天线的数量nrx的尺寸。
168.如所示出和所描述的设备。
169.如所示出和所描述的方法。结论
170.具体方面的前述描述将如此充分地揭示本公开的一般性质，以至于其他人可以通过应用本领域技术内的知识就容易地修改和/或改变诸如这些具体方面之类的各种应用，而无需过度实验，而不背离本公开的一般概念。因此，基于本文展现的教导教示和指导，这些改编和修改旨在落入所公开各个方面的等同物的含义和范围内。应理解，本文中的措辞或术语是出于描述而非限制的目的，使得本说明书的术语或措辞将由本领域技术人员根据教示和指导来解释。
171.说明书中对“一个方面”、“方面”、“示例方面”等的引用指示所描述的方面可包括特定的特征、结构或特性，但是每个方面可以不一定包括该特定的特征、结构或特性。而且，此类短语不一定是指同一方面。此外，当结合方面描述特定的特征、结构或特性时，认为结合无论是否被明确描述的其他方面而影响此类特征、结构或特性是在本领域技术人员的知识范围之内的。
172.本文所描述的示例性方面是出于说明性目的而提供的，而不是限制性的。其他示例性方面是可能的，并且可以对示例性方面进行修改。因此，说明书并不意味着限制本公开。相反，本公开的范围仅根据所附权利要求及其等价物来限定。
173.各个方面可实现为硬件(例如电路)、固件、软件或其组合。各方面还可实现为储存在机器可读介质上的指令，这些指令可由一个或多个处理器读取和执行。机器可读介质可包括用于存储或传送机器(例如，计算设备)可读形式的信息的任何机制。例如，机器可读介质可包括只读存储器(rom)；随机存取存储器(ram)；磁盘存储介质；光存储介质；闪存设备；电、光、声或其他形式的传播信号(例如，载波、红外信号、数字信号等)等等。进一步地，固件、软件、例程、指令在本文中可被描述为执行特定动作。然而，应当理解，此类描述仅仅是出于方便起见，并且此类动作实际上由计算设备、处理器、控制器、或其他设备执行固件、软件、例程、指令等而导致的。进一步地，任何实现方式变体可以由通用计算机执行。
174.出于本讨论的目的，术语处理电路摂或处理器电路摂应理解为(多个)电路、(多个)处理器、逻辑或其组合。例如，电路可以包括模拟电路、数字电路、状态机逻辑、其他结构电子硬件或其组合。处理器可以包括微处理器、数字信号处理器(dsp)、或其他硬件处理器。处理器可以利用指令“硬编码”，以根据本文描述的各个方面来执行相应的(多个)功能。可替代地，处理器可以访问内部和/或外部存储器以检索存储在存储器中的指令，当该指令由处理器执行时，执行与处理器相关联的(多个)相应功能，和/或与具有包含在其中的处理器的组件的操作相关的一个或多个功能和/或操作。
175.在本文所描述的一个或多个示例性方面中，处理电路可以包括存储数据和/或指令的存储器。存储器可以是任何公知的易失性和/或非易失性存储器，包括例如只读存储器(rom)、随机存取存储器(ram)、闪存存储器、磁存储介质、光盘、可擦除可编程只读存储器(eprom)、和可编程只读存储器(prom)。存储器可以是不可移动的、可移动的、或两者的组合。