现代雷达车载应用——第3章 MIMO雷达技术 3.1节 基于MIMO雷达的虚拟阵列合成

????????经典著作，值得一读，英文原版下载链接【免费】ModernRadarforAutomotiveApplications资源-CSDN文库。

3 MIMO雷达技术

????????自20世纪90年代末以来，带有少量天线的汽车雷达已被用于高级驾驶员辅助系统(ADAS)的目的。这些早期的汽车雷达主要提供目标探测和速度信息。然而，当前一代用于ADAS的汽车雷达在分辨近距离目标方面的能力相当有限。激光雷达系统具有更好的角度分辨率(小于1度)，已被引入4级和5级自动驾驶系统。激光雷达可以提供点云。通过使用深度神经网络，如PointNet[1]和PointNet++[2]，点云可以导致目标识别。然而，由于使用光谱波长，激光雷达容易受到恶劣天气条件的影响，例如雾、雨、雪和空气中的灰尘。此外，激光雷达的成本也很高。另一方面，采用毫米波技术的汽车雷达有可能以比激光雷达低得多的成本提供点云，并且对天气条件更具鲁棒性。这种雷达被称为“高端雷达”或成像雷达[3]。以前为高分辨率相机传感器和激光雷达系统保留的计算机视觉技术[1,2]可以应用于成像雷达数据以识别目标。例如，可以使用PointNet基于成像雷达的二维(2D)雷达点来识别汽车[4]。成像雷达一直吸引着那些开发全自动驾驶汽车的公司、主要一级供应商和汽车雷达初创公司的兴趣。

????????除了灵敏度外，对汽车雷达的重要要求是高分辨率、低硬件成本和小尺寸。多输入多输出(MIMO)雷达技术由于能够以相对较少的天线和接收机实现高角度分辨率而受到汽车雷达界的广泛关注。由于这种能力，它已被用于当前一代用于ADAS的汽车雷达以及用于自动驾驶的下一代高分辨率成像雷达。对于自动驾驶来说，方位和仰角信息都是至关重要的。特别是，需要目标的高度信息才能使用上穿和下穿行驶的功能。两种典型场景如图3.1所示。从路上的金属饮料罐上开车和从路上的钢制人行天桥下开车都是安全的。为了满足这一要求，要求阵列在方位角和仰角上都有较大的孔径。MIMO雷达是自动驾驶高分辨率成像雷达的理想选择。在MIMO雷达中，首先在距离域和多普勒域对目标进行识别。然后，可以合成具有数百个元素的大型虚拟阵列，以提供方位角和仰角的高分辨率。因此，可以以更低的成本生成与激光雷达性能相似的点云。

图3.1 汽车雷达需要提供高程分辨率，以实现上穿和下穿驾驶功能

????????在本章中，我们介绍了使用MIMO技术的成像雷达的概念，给出了通过级联多个雷达收发器来合成数百个虚拟阵列元素的一些示例，每个雷达收发器支持少量天线，并讨论了设计挑战。

3.1 基于MIMO雷达的虚拟阵列合成

????????在目前最先进的汽车FMCW雷达中，单天线接收即可估计目标的距离和多普勒参数。然而，为了估计目标的角度参数，需要一个接收天线阵列。在MIMO雷达中，天线以一种保证其正交性的方式传输波形。在每个接收天线处，利用波形正交性提取每个发射天线的贡献。对于具有Mt个发射天线、单元间距为dt的均匀发射天线阵列和具有Mr个接收天线、单元间距为dr的均匀接收天线阵列，可以合成具有Mt个Mr单元的虚拟阵列。合成阵列的阵列响应，即MIMO雷达对应的阵列，可以表示为at(θt) * ar(θr)。其中*表示克罗内克积，at(θt) 和ar(θr)分别为发射和接收阵列导向矢量，对应于出发方向(DOD)θt和到达方向(DOA) θr，定义如下：

(3.1)

(3.2)

????????图3.2显示了两个MIMO雷达配置，有Mt=2个发射天线，Mr个接收天线[6]。一个是交替模式，其dr=2dt、dt=λ/2，另一个是堆叠模式，其dt=Mrdr、dr=λ/2。这里，λ=c/fc是波长。可以验证这两种阵列配置，当θt=θr时，合成虚拟阵列相当于有MtMr个阵元、间距为dr的均匀线阵列(ULAs)。

????????需要注意的是，由于MIMO雷达发射正交波形，当使用各向同性阵列元素时，阵列波束模式(也称为MIMO雷达阵列因子)是全向的。因此，MIMO雷达失去了传统相控阵雷达系统所具有的相干阵列处理增益优势，N元相控阵的相干阵列处理增益为10 logN [7];在给定的角方向上，阵列响应的信噪比小于具有发射波束形成的相控阵雷达。尽管如此，在汽车应用场景中，MIMO雷达的高分辨率测角能力及其低成本被视为比相干处理增益损失更重要。

????????图3.2 不同MIMO雷达虚拟阵列配置图示，使用TDM或DDM模式，有Mt=2个发射天线和Mt个接收天线：(a)交错模式dr=2dt、dt=λ/2；(b)堆叠模式dt=Mrdr、dr=λ/2。不同的颜色表示发射天线发送不同的时隙或编码。