摘要：超分辨波达方位角估计是车载毫米波雷达实现目标精准定位及跟踪需要解决的关键问题。针对车载场景中常见的阵列孔径受限、少快拍、低信噪比以及信源相干的情况,该文提出了一种基于距离多普勒域原子范数最小化(RD-ANM)的车载毫米波雷达动目标超分辨DOA估计方法:首先,构建了基于动目标雷达回波的距离多普勒域阵列接收信号;其次,设计了动目标多普勒耦合相位补偿矢量,用以削弱目标运动对DOA估计的影响;最后,提出了基于原子范数框架的多目标超分辨DOA估计方法。相较于车载毫米波雷达现使用的DOA估计算法,该文算法能够在基于低信噪比条件和单快拍处理前提下获得较高的测角分辨率和估计精度,以及拥有不牺牲阵列孔径对相干信号进行处理的稳健性能。理论分析、数值仿真以及实测实验验证了该文算法的有效性。

摘要：毫米波雷达作为一种重要的车载传感器,在自动驾驶领域得到了广泛地应用。近年来随着汽车智能化程度的提高,高质量雷达点云的生成受到了人们的极大关注。传统毫米波雷达点云成像由于存在杂波点太多、有效点云稀疏等缺点而限制了其在自动驾驶领域的发展。因此,如何提高毫米波雷达点云密度和质量成为了业界研究的重点问题。近年来,随着多输入多输出(MIMO)技术以及控制多片级联同步技术的成熟,使得毫米波雷达天线的角度分辨率得到了极大提升,推动了毫米波雷达在点云成像上的发展。在此基础上,本文设计了一套完整的毫米波雷达系统级点云成像算法,并使用TI公司的AWR2243级联雷达开发套件对实际场景进行数据采集,生成了较为致密可信的毫米波雷达三维点云图像,基本实现了对车载平台侧面场景的有效还原。