用于在雷达系统中识别干扰的方法与流程

1.本发明涉及一种用于在雷达系统中识别干扰的方法。此外，本发明涉及一种相应的雷达系统以及一种计算机程序。


背景技术：

2.由现有技术已知，在车辆中使用雷达系统，以便检测车辆的周围环境。同样已知的是，借助于信号处理在雷达系统中也可以确定所检测的对象的其他参数，例如目标关于车辆的距离、相对速度或角度。如今已经在非常多的车辆中使用这样的雷达系统。此外，各个车辆也可以具有多于一个雷达系统。
3.然而，雷达系统的日益普及也带来如下缺点：不同的雷达系统可能相互负面影响。这样的由相互影响的雷达系统引起的干扰也被称为干涉。
4.在此经常还存在如下问题：在雷达系统中不能可靠地探测或消除干涉。


技术实现要素：

5.因此，本发明的任务是至少部分地减少上述缺点。本发明的任务特别是在雷达系统中提供对由干涉引起的干扰的更可靠的探测。
6.上述任务通过一种具有权利要求1的特征的方法、一种具有权利要求13的特征的雷达系统以及通过一种具有权利要求15的特征的计算机程序来解决。本发明的其它特征和细节由各从属权利要求、说明书和附图得出。在此，结合根据本发明的方法所描述的特征和细节当然也适用于结合根据本发明的雷达系统以及根据本发明的计算机程序，并且分别反之亦然，从而关于针对各个发明方面的公开内容始终可以相互参考。
7.所述任务特别是通过一种用于在车辆的雷达系统中识别干扰、特别是识别干涉和/或减少干涉的方法来解决。
8.在此特别是规定，实施、优选依次以所给出的顺序或以任意顺序实施以下步骤，其中也可以重复地实施个别的步骤和/或所有的步骤：
[0009]-接收雷达系统的至少一个(特别是电磁的)接收信号、优选通过雷达系统的雷达传感器和/或通过至少一个天线(或备选地以数字化的形式通过模-数转换器)来接收，
[0010]-由(接收到的)接收信号确定(特别是数字的)检测信息、优选通过雷达系统的解调器和/或通过下混频器和/或通过模-数转换器来确定，其中，优选通过模-数转换以数字的形式提供(必要时预先解调的和/或下混频的)检测信息以用于后续的步骤、特别是通过雷达系统的处理装置提供，
[0011]-实施对(所确定的)检测信息的评估、优选通过至少一个神经网络和/或通过考虑已经实施的对(在方法的先前步骤中已经由接收信号确定的)检测信息的评估(以下简称为考虑先前的评估)来实施对检测信息的评估，
[0012]-使用评估的结果、特别是神经网络的输出作为对接收信号的干扰、特别是干涉的预测(特别是预报)。
[0013]
在此可以实现如下优点：通过评估——具体地例如通过使用神经网络和/或考虑先前的评估——能够实现对干扰的更可靠的并且必要时更快速的识别。这能够通过如下方式引起：不(仅)识别刚刚存在的干扰，而是甚至能实现通过评估来预测干扰。为此，可以这样实施评估：借助于先前的评估识别在检测信息中的干扰的再次出现的走势和/或再次出现的模式和/或干扰的时间相关性。因此，如果神经元在反馈回路的意义上发生时间上的链接(如在循环神经网络中那样)，则神经网络能够实现这一点。以这种方式，可以在检测信息中确定在时间上编码的信息，所述信息对于干扰是特定的，并且因此也能够实现预测干扰。
[0014]
根据本发明的方法可以至少部分地实施为计算机执行的方法，从而在雷达系统的数字信号处理的范畴内实施：对评估的实施和/或对结果的使用和/或对检测信息的确定和/或对接收信号的接收。具体地，为此可以使用雷达系统的处理装置，所述处理装置为此例如包括处理器和存储器。也可以有利的是，仅一些步骤是计算机执行的或仅一些步骤通过处理装置来实施，而其他步骤、如“对接收信号的接收”以及部分地对检测信息的确定通过雷达系统的其他专用组件来实施。因此能够在必要时实现显著提高实施所述方法的效率。
[0015]
干扰可以特别是作为干涉和/或作为由另一个雷达系统、例如另一个车辆的引起的干涉。因此，干扰识别用于探测妨碍接收信号的干涉。这样的干涉可能例如由于不同雷达系统的雷达信号相互影响和/或干扰而引起。为此，根据本发明的方法能够相应地使用评估的结果，以便识别和/或预测在检测信息(例如，以时间信号和/或雷达谱和/或目标对象的空间分布的形式的检测信息)中的干扰、特别是由其他的雷达系统引起的干涉。由此能够显著地改善对检测信息的评估。
[0016]
在本发明的范畴内能实现的另一个优点是，作为根据本发明的方法的另一个步骤，在确定检测信息后对检测信息实施傅里叶变换，以便由所提供的检测信息获得关于在车辆的周围环境中的目标(即目标对象)的相对速度和/或距离的信息。这些信息然后可以例如用于对象探测。所述目标例如可以是在周围环境中的反射和/或对象。
[0017]
可选地可以规定，提供检测信息包括对接收信号的解调和/或下混频和/或模-数转换，以便获得作为时间信号的所提供的检测信息。这能实现可靠地检测接收信号。
[0018]
例如可以规定，所述至少一个神经网络或至少一个神经网络包括至少一个循环神经网络(rnn)，所述循环神经网络优选考虑到对时间上在先的检测信息的评估。在这里可以将神经网络的输出作为评估的结果。在此可行的是，所述输出借助于rnn的输出来确定、例如在rnn的输出通过解码器进一步处理之后。由此进行的对时间上在先的评估的考虑能实现：确定在检测信息中的在时间上编码的信息，以便由此提供对干扰的预测。为此，可以例如对于rnn的每个隐藏层都存在上下文单元，所述上下文单元对神经元的输出进行处理并且在后续的时间步骤中又输出。此外，rnn可以被训练用于实施对干扰的预测，从而在方法步骤的当前迭代中rnn的输出已经表明在后续的迭代中或在后续的迭代中的一个迭代中预计出现干扰。为此例如使用通过还要更详细描述的训练数据对rnn进行训练。所述训练可以例如借助于通过时间的反向传播(bptt)来进行。
[0019]
对于神经网络或具体地对于rnn的预测训练的一种可行的变型方案可以是，以如下训练数据来训练网络，所述训练数据由输入数据(输入)和所属的输出数据(输出)组成。在“监督学习”的范畴内，输出数据可以包含：在所属的输入数据下所期望的正确的输出。所
述正确的输出可以例如是对在随后才确定的检测信息中的干扰的预测、例如以在当前的检测信息中的标识和/或分割的形式。检测信息可以例如作为二维图像存在，在所述二维图像中可以通过输出来叠加相应的分割模板。
[0020]
为了训练(training)，例如使用在时间上相继地确定的信息(例如检测信息或由对所述检测信息的进一步处理而产生的信息的序列)e
t-2
、e
t-1
、e
t+1
的序列作为输入数据。所述信息相应地对于在时间上相继的所确定的检测信息是特定的。作为输出数据可以使用在输入数据中的干扰的(例如手动建立)的标识(标记或分割)a
t-2
、a
t-1
、a
t+1
的序列。因此，检测周期t-2的标识a
t-2
标明在信息e
t-2
中的干扰，检测周期t-1的标识a
t-1
标明在信息e
t-1
中的干扰，等等。
[0021]
以所提及的训练数据进行训练足够将网络训练为用于在当前检测周期中在输入数据中识别干扰。为了附加地还实施预测，可以改变用于训练的序列的顺序。具体地，对于输入数据所使用的(检测)信息e
t-2
、e
t-1
、e
t+1
可以在顺序方面在序列中向前移动或标识a
t-2
、a
t-1
、a
t+1
向后移动。换言之，因此可以根据配设关系a
‘
t-x
＝a
t-x-+1
来定义新的序列作为新的输出数据a
‘
。由此实现如下优点：在训练时在一个迭代(即检测周期)中，在其中作为输出数据使用的标识a
t-x-+1
不对应于在当前迭代的信息e
t-x
中的干扰，而是已经对应于后续的迭代的信息e
t-x+1
。由于该标识a
t-x-+1
对应于网络的所期望的输出，故将所述网络训练成用于由信息e
t-x
输出对标识a
t-x-+1
的预测。以这种方式也能实现对时间上在先的检测信息的评估。
[0022]
此外可选地可行的是，所述至少一个神经网络包括至少一个卷积神经网络(cnn)，所述卷积神经网络获得检测信息作为输入，并且使用所述卷积神经网络的输出作为用于循环神经网络的输入。这能实现例如减少用于通过rnn处理的检测信息的数据量和/或用于预评估提取关于干扰的信息。由此能改善通过rnn进行处理的效率。为此，例如以如下训练数据训练cnn，所述训练数据由输入数据(输入)和所属的输出数据(输出)组成。在“监督学习”的范畴内，输出数据可以包含：在所属的输入数据下所期望的正确的输出。输入数据例如是没有改变的检测信息，而输出数据是检测信息的缩小(缩放)版本或是干扰的标识。以这种方式将cnn训练为，作为输出为rnn提供优化的输入。
[0023]
在另一种可行方案中可以规定，实施对检测信息的评估包括以下步骤：
[0024]-预处理检测周期的检测信息、优选通过最大池化来预处理，特别是以便减小检测信息的数据大小，
[0025]-由经预处理的检测信息提取关于以在接收信号中的至少一个干涉的形式的干扰的信息、特别是通过卷积神经网络来提取，
[0026]-借助于所提取的信息、并且特别是借助于对时间上在先的检测信息的评估来对时间上在后的检测周期实施对所述至少一个干涉的预测、优选通过rnn来实施。
[0027]
这具有如下优点：能特别可靠并且快速地检测干扰、甚至在所述干扰妨碍检测信息之前。
[0028]
此外可选地规定，使用评估的结果、特别是神经网络的输出包括以下步骤：
[0029]-通过输出频率范围来提供预测，在所述频率范围中未来将存在干扰。
[0030]
在此所利用的是，干扰——特别是以干涉的形式——仅妨碍有限的频率范围。因此，能够借助于所述频率范围可靠地表征并且必要时甚至减少干扰。为了针对这个工作原理训练网络，可以使用如下输出数据用于训练数据，在所述输出数据中已手动地输入在输
入数据中的干扰的频率范围。
[0031]
优选地可以规定，使用评估的结果、特别是神经网络的输出包括以下步骤：
[0032]-将结果电子地输出给车辆的电子装置、优选以用于车辆的控制设备。
[0033]
由此控制装置能够在出现干扰时得知并且能够对此做出反应。例如将受干扰的检测信息舍弃。
[0034]
可选地也可以设想，评估的结果包括对检测信息的分割，所述分割指示所预测的干扰。为此，可以使用例如如下输出数据作为用于网络的训练数据，在所述输出数据中已手动地实施对于所属的输入数据的这种(所预测的)分割。
[0035]
根据另一种可行方案可以规定，通过设置(并且特别是预先实施)以下训练步骤来训练所述至少一个神经网络：
[0036]-存储多个在时间上相继地确定的检测信息、特别是相继地确定的检测信息的序列，
[0037]-通过在对在检测信息中的干扰、特别是干涉的(特别是手动的)标识来提供输出数据、特别是真值(ground-truth)数据，
[0038]-借助于由检测信息和输出数据、特别是真值数据形成的训练数据来训练神经网络。
[0039]
因此可以由检测信息的序列形成输入数据。则真值数据表示所述网络在输入所述输入数据时应当输出的所期望的输出。因此，所期望的输出可以具体地包括对干扰的预测。
[0040]
为此例如可以规定，提供真值数据包括以下步骤：
[0041]-手动地标识(特别是所预测的)干涉，以便通过训练使所述至少一个神经网络构造为用于预测作为接收信号的干扰的干涉。
[0042]
根据另一个优点可以规定，对于一个检测周期相继地发出雷达系统的分别在至少一个频率范围中的多个发射信号，以便分别接收所属的接收信号，其中，发射信号分别实施为至少一个啁啾，所述啁啾具有在所述频率范围内的在时间上变化的频率。在此可行的是，设置有其他的频率范围，在所述其他的频率范围中也可以发出发射信号。
[0043]
此外，在本发明的范畴内可以规定，每个检测周期地(迭代地)实施对检测信息的确定，并且对检测信息的确定优选分别包括以下步骤：
[0044]-实施对相应的发射信号和所属的接收信号的混合，以便分别获得基带信号，
[0045]-由所获得的基带信号确定检测信息，其中，所述检测信息对于在车辆的周围环境中的对象探测是特定的。
[0046]
由此能够通过雷达系统可靠地检测车辆的周围环境。
[0047]
还可以设想的是，评估的结果具有对如下干扰频率范围的说明，在所述干扰频率范围内在时间上在后的检测周期中预测干扰，其中，优选地，使用评估的结果包括自动地并且至少部分地调整频率范围。以这种方式能够在如下频率范围中发出发射信号，所述频率范围至少部分地位于所预测的干扰频率范围之外。由此，所述至少一个频率范围可以实施为能至少部分地改变的频率范围。这能实现可靠地减小干扰，因为避开干扰频率范围。
[0048]
本发明的主题也是一种用于探测在车辆的周围环境中的目标对象的雷达系统，所述雷达系统具有处理装置，所述处理装置调整为，使得所述处理装置实施以下步骤：
[0049]-由雷达系统的接收信号提供检测信息、例如通过对检测信息的数字接收和/或
模-数转换来提供，
[0050]-实施对检测信息的评估、特别是通过至少一个神经网络来实施，
[0051]-使用评估的结果作为对接收信号的干扰的预测。
[0052]
由此，根据本发明的雷达系统带来与详细地参照根据本发明的方法所描述的相同的优点。此外，雷达系统可以适合于实施根据本发明的方法的步骤。步骤“接收雷达系统的至少一个接收信号”和/或“确定检测信息”可以例如由雷达系统的雷达传感器至少部分地实施，以便数字地提供用于评估的检测信息。由雷达传感器实施的这些步骤必要时也可以包括解调和/或下混频。其他步骤——但必要时解调和/或下混频也——可以通过处理装置实施。换言之，处理装置可以实施根据本发明的方法的仅一部分步骤——但可选地也可以实施所有的步骤。在此可以设置有处理单元，所述处理单元在通过处理装置执行时促使处理装置实施根据本发明的方法的步骤。所述处理单元例如实施为根据本发明的计算机程序。处理装置例如具有处理器和/或存储器，所述处理单元存储在所述存储器中并且能够被处理器读取。所述处理装置例如构造为车辆的计算机和/或控制设备和/或类似物。
[0053]
雷达系统例如实施为24ghz雷达系统或77ghz雷达系统。备选地或附加地，雷达系统构造为连续波雷达、特别是构造为fmcw(英语：frequency modulated continuous wave radar，调频连续波雷达)，所述连续波雷达可以实施距离测量和/或速度测量。
[0054]
此外，所述车辆可以是机动车和/或轿车和/或自动驾驶车辆和/或电动车和/或类似物。检测信息例如由车辆侧的组件、如车辆的辅助系统和/或控制设备使用，所述辅助系统和/或控制设备有利地提供车辆的至少部分自动的行驶和/或自动泊车。
[0055]
本发明的主题也是一种计算机程序、优选计算机程序产品。在此规定，所述计算机程序具有指令，所述指令在由处理装置执行计算机程序时促使所述处理装置至少部分地实施根据本发明的方法的步骤，和/或具体地实施以下步骤：
[0056]-由雷达系统的接收信号提供检测信息、例如通过对检测信息的数字接收和/或模-数转换来提供，
[0057]-实施对(所提供的)检测信息的评估，特别是通过至少一个神经网络来实施，
[0058]-使用评估的结果作为对接收信号的干扰的预测。
[0059]
由此，根据本发明的计算机程序带来与详细地参照根据本发明的方法和/或根据本发明的雷达系统所描述的相同的优点。
附图说明
[0060]
本发明的其它优点、特征和细节由以下说明得出，在所述说明中参考附图详细地描述本发明的实施例。在此，在权利要求书和说明书中提到的特征可以分别单独地或以任意组合对于本发明是重要的。图中：
[0061]
图1分别以侧视图示出具有根据本发明的雷达系统的车辆以及在前行驶的另一个车辆的示意图，
[0062]
图2示出根据本发明的雷达系统的发射信号的示意图，
[0063]
图3示出用于可视化在检测信号中和在引起的基带信号中的干涉的示意图，
[0064]
图4示出用于可视化在时域和频域中的在基带信号中的干涉的影响的示意图，
[0065]
图5至图7示出用于可视化根据本发明的方法的示意图。
具体实施方式
[0066]
在以下附图中，对于不同实施例的相同的技术特征也使用相同的附图标记。
[0067]
在图1中示意性地示出具有根据本发明的雷达系统10的车辆1。箭头在此象征车辆1的运动方向。此外，在车辆1的周围环境2中以在前行驶的另一个车辆的形式示出目标对象230。雷达系统10在此可以接收目标对象230的反射并且根据这些反射探测目标对象230和/或重构周围环境2。为此检测接收信号202并且(至少部分地)通过处理装置15实施对接收信号202的信号处理。
[0068]
下面以进一步的细节示出雷达系统10的所描述的探测。首先，可以通过雷达系统10生成发射信号201，所述发射信号被辐射到车辆1的周围环境2中。这样的发射信号201在图2中示例性地示出。雷达系统10有利地是连续波雷达和/或fmcw雷达(英语:frequency modulated continous wave radar，调频连续波雷达)，所述雷达系统特别是提供(优选于借助多普勒效应提供)距离测量和/或速度测量。在此，例如可以涉及24ghz雷达系统或77ghz雷达系统。具体地，例如77ghz雷达系统可以在77ghz频带中运行，并且因此提供图5中示出的在f＝76ghz至77ghz之间的用于发射信号201的不同频率范围251、252、253。具体对于发射信号201所使用的频率范围可以通过雷达系统10可变地从可能的频率范围251、252、253中确定，并且因此对于不同的检测周期260而言所使用的频率范围变化。
[0069]
为了检测在车辆1的周围环境2中的目标对象230的参数、例如距离或速度或角度，可以例如在频率f方面调制发射信号201。同样如图2中所示，可以为了检测而连续地将在持续时间t1内的n个具有变化的频率f的频率啁啾作为发射信号201输出。在这样的啁啾中，频率f可以随时间在带宽b的范围内改变。例如发出128个啁啾。啁啾的中间频率可以在必要时可变地确定、也就是说对于不同的检测周期260不同地确定，并且因此啁啾的中间频率可以位于可能的频率范围251、252、253中的一个频率范围内。一个相应的啁啾的持续时间可以是t1/n，如在图2中也通过双箭头示意性示出的那样。例如可以使用线性的频率调制，在线性的频率调制中，在一个相应的啁啾中频率f在带宽b内线性地改变。在持续时间t1之后，可以在时段t2-t1内检测接收信号202(例如以每啁啾256个采样来检测)并且通过处理装置15进行评估。因此，整个检测周期260具有持续时间t2。接收信号202在图3中示出，在那里，所述接收信号如发射信号201那样位于hf(高频)频带中。
[0070]
所发出的发射信号201可以被目标对象230反射和/或反向散射并且因此可以被雷达系统10接收。随后可以将以这种方式接收的接收信号202解调和/或下混频。特别地，由此产生在图3中示出的基带信号203，其中，所述基带信号的频率fb与被反射的发射信号201的信号传播时间有关并且因此与目标对象230的距离有关。随后，可以将由接收信号202得到的信号(例如通过模-数转换和必要时另外的处理)转换成数字检测信息210。直至持续时间t1结束，由此获取的数据可以存储在每啁啾m个采样和n个啁啾的mxn矩阵中。下面示例性地从m＝256并且n＝128出发。由此可以获得具有原始数据(所述原始数据具有128x256像素)的雷达帧。那么这个表示对应于时间-频率空间。处理装置的非易失性存储器单元可以用于存储。借助于这个矩阵，可以随后通过矩阵(特别是检测信息210)的傅里叶变换确定如下谱，所述谱对于在周围环境2中的目标对象230的相对速度和/或距离是特定的。在此特别是涉及二维的谱(对应于根据检测信息210的二维矩阵)，从而不同的坐标代表不同的参数(如距离和相对速度)。检测信息210亦或由此得到的信息可以根据图7用作用于评估的输入。
[0071]
特别是当两个在空间上在彼此附近的雷达系统在相同的时刻在相同的频率范围中进行发射时，可能出现干扰并且具体地出现干涉。示例性的这种干扰者240在图3中关于时间示出，所述干扰者在其干扰频率范围方面在相应的发射信号和接收信号201、202或基带信号203附近。在图4中可视化这种干扰者204的后果。在此，干扰220可以以峰的形式在时域中出现，并且因此在频域中提高谱。这是有问题的，因为可能例如探测到假目标并且可能妨碍对真实的目标对象230的探测。
[0072]
在图6中示意性地可视化根据本发明的方法。所述方法用于识别在车辆1的雷达系统10中的这种干扰220。在此，首先接收101雷达系统10的至少一个接收信号202。随后，由接收信号202确定102检测信息210。然后通过至少一个神经网络401、402对检测信息210实施评估103。最后，根据步骤104，可以使用评估103的结果作为对接收信号202的干扰220的预测。可以对于不同的检测周期260重复这些步骤。
[0073]
在评估103中，可以首先实施检测信息210的预处理、例如最大池化。检测信息210相应于例如具有128x256像素的雷达系统的原始数据。为了减少数据量，可以将这些数据减少到例如32x32像素。在这些经减少的数据中也能识别干扰220。随后，根据图7，可以将这些数据用作cnn401的输入。cnn401可以提取关于干扰220的信息，其中，cnn401的输出可以用作对于rnn402的输入。水平的虚线箭头代表rnn402的特性，即可以考虑到先前进行的评估。因此，可以考虑到干扰者240在较长时间段上的发射行为。随后，可以将rnn402的输出用作对在下一个检测周期260中的被干扰的频率-时间范围的预测。在这里可以涉及分割404，所述分割可以通过相应的真值数据410来训练。作为另外的中间步骤，可选地还设置有对输出的解码403，以便获得分割404。
[0074]
cnn401例如可以具有如下架构，在所述架构中cnn401的输入首先通过交替实施卷积和最大池化函数来处理。换言之，可以首先设置有(例如3个)卷积层，所述卷积层分别连接一个池化层。在这里可以使用滤波器核的3x3x1和/或3x3x2的核大小。随后，cnn401的输出可以传递给rnn402。这例如包括lstm(longshort-termmemory，长短期记忆)层。最后，可以将rnn402的输出提供给解码器，所述解码器包括例如全连接层和反卷积层。
[0075]
响应于对所预测的干扰220的输出，发射信号201可以在下一个检测周期260中在(至少部分地)不同的频率范围251、252、253中发出，并且因此离开干扰频率范围。在图5中可视化对频率范围251、252、253的这种调整。由此，在下一个检测周期260中至少降低干扰220的影响。尽管如此，关于干扰220的信息可以继续以在时间上编码的方式流入到检测信息210中，从而能够继续通过评估103来预测所述干扰。也可以设想的是，为了检测这些在时间上编码的关于干扰220的信息而同时继续在干扰频率范围内检测接收信号202。
[0076]
对实施方式的前述阐述仅在示例的范畴内描述本发明。当然，只要在技术上有意义，这些实施方式的各个特征可以自由地相互组合而不脱离本发明的范畴。
[0077]
附图标记列表
[0078]
1车辆
[0079]
2周围环境
[0080]
10雷达系统
[0081]
15处理装置
[0082]
101第一方法步骤，接收
[0083]
102第二方法步骤，确定
[0084]
103第三方法步骤，评估
[0085]
104第四方法步骤，使用
[0086]
201发射信号
[0087]
202接收信号
[0088]
203在时域中的基带信号
[0089]
204在频域中的基带信号
[0090]
210检测信息
[0091]
220干涉、干扰
[0092]
230目标对象
[0093]
240干扰者
[0094]
251第一频率范围
[0095]
252第二频率范围
[0096]
253第三频率范围
[0097]
260检测周期
[0098]
401cnn，卷积神经网络
[0099]
402rnn，循环神经网络
[0100]
403解码
[0101]
404分割
[0102]
410真值数据
[0103]
f频率
[0104]
n频率啁啾的数量
[0105]
t1持续时间
[0106]
b带宽
[0107]
t2持续时间