摘要
随着自动驾驶技术的发展，毫米波雷达因具有抗干扰能力强、能够全天时全天候工作等优点得到广泛应用。然而，受限于体积、功耗等因素，毫米波雷达天线的真实孔径大小有限，导致雷达测角分辨率较低。在有限孔径条件下实现雷达的高精度、高分辨率角度估计具有十分重要的研究价值。本文基于调频连续波（Frequency Modulated Continuous Wave，FMCW）体制毫米波雷达的信号处理流程，对波达方向（Direction of Arrival，DOA）估计算法进行研究，针对车载前向毫米波雷达研究了速度解模糊和单快拍测角方法，针对人员检测的应用场景研究了人体空间信息检测和生命体特征检测方法。论文的主要研究工作如下： （1）针对毫米波雷达阵列的信号处理问题，建立一维阵列信号模型并采用时分的多输入多输出技术以增大天线孔径。基于该模型研究了传统波束形成法、最小方差无畸变波束形成器法、多重信号分类法、确定性最大似然算法（Deterministic Maximum Likelihood，DML）的原理并探究影响各算法角估计性能的因素，为车载前向毫米波雷达和人员检测应用中测角方法提供理论基础。 （2）针对车载前向毫米波雷达存在速度模糊的问题，提出了一种基于特殊波形和中国剩余定理的速度解模糊方法。该方法先构造周期不同的快慢复合锯齿波波形，再基于中国剩余定理给出真实速度候选项，最后匹配快慢周期内目标的能量以解速度模糊。相比于传统的速度解模糊方法，本文所提方法不仅能够显著拓展雷达速度检测范围，还具有计算复杂度低、鲁棒性好和无需多目标配对的优点。针对车载前向毫米波雷达中单快拍测角引起角分辨率低的问题，提出了基于DML算法的 DOA 估计方法。与其他传统DOA算法相比，DML算法在多种信噪比和阵列条件下均具有准确的检测性能。实验结果表明，DML算法在两发四收阵列条件下的角度分辨率显著高于其他DOA算法。 （3）针对基于毫米波雷达的人员检测场景，提出了一种人体空间位置信息检测方法。该方法采用距离-角度-速度的信号处理流程构建多快拍信号，在方位角维度使用Capon算法生成距离方位角热力图，通过恒虚警检测器筛选出目标，在俯仰角维度使用传统波束形成法完成二维DOA估计。仿真和实验结果表明，所提方法能够同时提高雷达系统的实时性和角度估计的准确性。针对静止人员检测需求，提出基于生命体特征检测技术。首先将目标回波信号的相位解缠绕，再通过特定频率的带通滤波器提取出呼吸信号，进而能够有效地区分静止人员和静止物体，并判断人员是否处于正常呼吸状态。实验结果表明，所提方法能够有效提升雷达系统对静止目标的检测跟踪能力。
NETL