管理FMCW雷达系统中的干扰

您好，我的名字是Anil Mani， 我是TI的FMCW雷达的系统工程师，主要负责AWR 和IWR系列设备。 本演讲将介绍干扰问题 以及如何在TI radard中进行管理。 在本次培训结束时，您将 了解FMCW雷达发生干扰的机制， 不同类型的干扰源， 欧盟资助的减轻干扰研究结果， 称为MOSARIM报告， 以及适用于TI设备的具体方法 有助于避免或减轻干扰。 最后一节包含一系列 控制干扰的高级方法。 本节概述了降低干扰概率的方法， 减少干扰影响的随机化方法， 以及最终检测和修复 受干扰影响 的方法。 这些方法的应用 将有助于使您的雷达对干扰具有抵抗性。 然后，我们将结束演示 并得出一些结论和参考。 此图表示道路上的典型场景。 两辆支持雷达的汽车相互通过。 在过去，这是不太可能的事件。 然而，随着越来越多的77千兆赫雷达汽车 在道路中行驶，这种事件发生的可能性变得越来越高。 因此，一个雷达间歇性地 干扰另一个雷达的可能性增加。 这种干扰情况可能导致 噪声降低，导致错过检测， 在某些范围或方向上 出现盲点。 在某些情况下，它甚至可以导致幽灵物体出现， 雷达可以探测在现实生活中 不存在的目标。 同样，由于在工业环境中 使用了更多的60千兆赫雷达， 因此也会出现类似的干扰相关伪像。 我们首先简要介绍FMCW雷达。 在FMCW雷达系统中，产生并发送啁啾信号， 即具有线性斜率 频率的信号。 在该替代图中，我们示出了 作为时间的函数的发送信号的 瞬时频率。 该发射信号从其 视场中的目标反射 并在接收器处接收。 接收信号是发送信号的延迟反应。 接收到的信号使用发送的信号混合， 然后数字化 以产生ADC数据。 由于反射信号是发送信号的延迟反应， 因此混合下行信号 对应于其频率与该延迟 成比例的正弦波。 延迟永远不会为负。 因此，给定正斜率， 我们的有效对象对应于正频率。 利用通过傅立叶变换估计的 音调频率，可以估计延迟。 使用延迟和光速，可以估计到 目标的距离。 有关更多信息，请访问所示网站， 获取有关FMCW雷达的更多培训材料。 在开始本节之前，我们定义两个术语。 受害者是雷达， 其接收器受到干扰源的影响。 攻击者是一种雷达， 其发射会影响接收器。 我们开始讨论干扰 两种不同类型的干扰源， 特别是交叉干扰源 和并行干扰源。 如果受害者啁啾和攻击者啁啾 发生在同一时间段并且行进相同的带宽， 如果它们的斜率使得攻击者的啁啾 穿过受害者的IF带宽， 那么我们称攻击者为交叉干扰者。 在IF中，攻击者啁啾的能量 被观察为快速移动 通过IF带宽的啁啾。 在时域中，受干扰影响的区域 类似于小差错。 最后，在频域中对ADC cordwood 应用傅立叶变换后， 这些交叉干扰通常 会增加噪声基底并降低 强目标的SNR并掩埋弱目标， 从而影响检测并产生瞬间盲点。 最后要注意的重点是小错误持续时间 通常很短。 它由IF带宽给出， 除以攻击者和受害者之间的 斜率差。 例如，如果IF带宽为12兆赫兹， 并且斜率差为每微秒40兆赫兹， 则大约0.3微秒或最终ADC输出的 四个样本将受到干扰的影响。 第二种干扰源 称为并行干扰源。 当攻击者啁啾声和受害者啁啾声具有相同的斜率时， 它们就会发生。 这可能是每个雷达 都配置了相同啁啾声。 如果不同雷达之间的啁啾开始的延迟 在一微秒左右，则攻击者啁啾 将在受害者的整个啁啾的 IF带宽内。 因此，干扰区域 是整个啁啾。 然后与发射器芯片混合， 并行干扰信号成为ADC数据中的 恒定频率音调。 在对ADC数据应用傅里叶变换之后， 在傅立叶域中，它变为幽灵物体。 也就是说，它的行为类似于随机距离 随机速度的目标。 最后，关于并联干扰， 有一点需要注意。 并行干扰的概率非常小。 只有当两个雷达几乎同时启动时 才会发生干扰，这样攻击者的雷达信号 就会出现在受害雷达的IF带宽中。 否则，受害者的Rx将过滤掉 攻击者雷达信号。 在典型的超短程雷达中， 最大距离为20米， 目标的最大延迟为0.13微秒。 这限制了IF带宽，并且只有 当两个雷达在彼此的0.13微秒内 开始时才会发生干扰。 在研究了不同类型的干扰源之后， 我们现在继续研究减轻它们的方法。 我们从MOSARIM报告开始。 汽车雷达并不是一件新鲜事。 因此，雷达干扰多年来一直 是汽车安全的关注点。 尽管存在干扰，汽车雷达仍可用于 许多安全应用。 雷达干扰减灾（MOSARIM）是欧盟资助的 一项研究汽车雷达 干扰问题的项目， 提出减轻 干扰的方法。 它于2012年底完成。 MOSARIM报告的最终建议 在接下来的几张幻灯片中进行了总结。 这些建议同样适用于汽车和工业机器人， 并代表了当前减轻 干扰的最佳方法。 在本幻灯片中， 我们提供了一个显示该技术的表格， 然后是该技术的简要描述，然后是否 可以在TI器件中实现，最后是它的实用性 和简单性。 我们从基于CFAR的缓解方法开始。 该方法简单地增加了考虑干扰的 CFAR阈值。 这降低了检测灵敏度， 但避免了虚假的旁波束。 这可以在TI器件中实现吗？ 可以。 旧CFAR例程的检测阈值 是用户可编程的。 由于检测灵敏度的降低， 它的有用性具有争议， 但实施起来非常简单。 第二种方法称为时域抖动。 该方法涉及抖动空闲时间， 啁啾之间的时间或帧间时间， 帧之间的时间。 由于这种抖动对于攻击者 和受害者不同，因此减少了 对多于一个啁啾的干扰的可能性。 该方法可在TI器件中轻松实现。 在空闲时间内几乎可以有无限的变化。 使用软件控制也可以 使用抖动生成帧。 此方法非常有用， 尤其是对于并行干扰方案。 它很容易实现。 然而，抖动啁啾时间 可能会增加2D帧处理中的噪声底值。 第三种方法称为方向特定的 预定义频带分离。 在这种方法中，我们使用单独的波段 用于远程雷达和短程雷达， 这样它们就不会相互干扰。 它还建议在前置雷达上 使用不同的波段， 为后置雷达使用另一波段。 这在TI器件中很容易实现。 然而，它的用处值得商榷， 特别是因为汽车和机器人会转弯， 例如在交叉路口附近，使这种方法变得无效。 但是，实现和处理非常简单。 下一种方法涉及检测干扰 和修复ADC数据的方法。 必须推导和修复 受干扰影响的ADC数据区域。 使用ADC数据的统计信息 执行检测。 修复涉及插值或信号修复。 此方法可在TI器件中实现。 AWR和IWR设备提供 称为啁啾质量的旁道信息， 有助于缩小干扰区域。 这是一种非常有用的干扰抑制方法， 可以很容易地在DSP上实现。 下一个方法叫做抖动 每个啁啾的相位。 我们随机化每个啁啾的 传输相位。 由于攻击者不具有这种 随机相位的概念，因此干扰事件的 相位将被随机化，从而将干扰扩展到啁啾声。 这很容易在TI器件中实现。 最多可配置512个随机啁啾 并有效使用。 这是一种非常有用的方法， 尤其适用于并行干扰。 然而，干扰功率电平的降低 是一帧中啁啾数量的函数。 下一种方法称为数字波束成形。 在这种方法中，我们在干扰源的 方向上放置一个陷波。 这是通过在处理之前将陷波滤波器应用于接收器阵列 来完成的。 陷波滤波器适用于天线损坏。 这也可以在TI器件中实现。 但是，我们认为 如果接收器数量有限，例如四个或八个， 它可能无法正常工作。 此外，攻击者的到达方向 需要先验估计。 最后两种方法在本幻灯片中给出。 方法7涉及检测干扰并改变 发送啁啾或帧的时机。 在这种方法中， 如果检测到干扰源，我们可以通过跳转到 随机RF频率或随机时隙来避免干扰，如此图所示。 这可以在TI器件中实现， 并且可能是最有用的技术， 并且实现起来相当简单。 最后的方法涉及天线的 特定极化。 在该方法中，我们使用例如 某组天线的水平极化 和另一组的垂直授权。 如果攻击者 使用水平极化天线进行传输， 并且受害者使用垂直极化天线 作为其接收器，则来自攻击者的信号 将在受害者的天线处严重衰减。 该方法需要天线设计专业知识。 这是一种有用的方法，但只有两种不同的选择， 垂直和水平极化。 而且，该方法导致天线设计的 复杂性增加。 现在我们已经讨论MOSARIM， 发现其几乎所有建议 都可以在TI器件中实现， 我们将继续使用TI接收器中 完全可用的两个功能， 并帮助控制和减轻干扰。 首先是TI接收器 使用复杂的基带。 使用实际基带的接收器 无法过滤负反馈。 这导致实际基带接收机中的 干扰区域是复基带 接收机中干扰 区域的两倍。 因此，受干扰影响的区域 由于从负频率回落而加倍。 TI接收器使用复杂基带 具有另一个好处，即我们可以 分别查看负频率 和正频率。 这使我们能够创建所谓的信号 和图像频段监视器， 它分别监视正负频率的能量。 当没有干扰时，由于存在来自真实目标的 反射信号，信号频带中的能量 高于图像频带的 能量。 然而，当存在干扰源时， 由于交叉干扰源 穿过接收器的IF带宽，所以能量突然出现 尖峰。 这使得我们可以非常精确地 缩小确定干扰的位置， 即使干扰的位置在ADC数据中 不清晰可见。 根据我们所看到的所有工具和方法， 我们现在可以制定高级别的方法 来对抗干扰。 在接下来的几张幻灯片中， 我们将介绍一些避免、检测、定位和减轻干扰的方法。 这些方法包括频率规划， 有无同步，啁啾设计的标准化， 啁啾时间的同步， 弱化干扰的不同，使用啁啾感测 和避免干扰，减轻干扰损坏的方法， 重建受干扰损坏的ADC数据部分的 方法。 第一种方法是标准化。 标准化是指频率规划和啁啾设计， 以及时隙管理。 基于分辨率要求的频率规划 将允许不同的雷达在不同的RF频带中共存。 例如，AWR系列器件具有 4千兆赫的RF带宽， 可分为2千兆赫频带， 并由两个雷达同时使用。 如果单个制造商 正在制造所有雷达，则可以将它们制作成同步到同一时钟， 达到该特定工厂的全球时间。 如果每个雷达配置 有相同类型的啁啾和帧， 则可能导致并行干扰。 但是，如果每个雷达的帧都偏移了 大约1微秒左右到全球时间， 以便它们不会干扰其他雷达， 那么大量的雷达可以在有限的空间 和相同的带宽中共存。 例如，如果啁啾时间是100微秒， 并且最大距离 是150米 - 也就是说，发射时间小于1微秒 - 那么大约100个这样的雷达 可以在相同的带宽中共存。 同步还允许帧一个 接一个地堆叠， 以免干扰其他雷达。 例如，如果占空比为10％，则最多10个雷达 可以在不同的时隙中共存。 粗同步对于 帧的同步足够。 下一个方法为感知和避免。 在没有同步的情况下， 我们可以执行感知和避免。 XWR器件可以产生 每微秒300兆赫的快速啁啾声。 如果在啁啾期间保持发射器关闭， 则ADC数据对应于频谱。 如果其他雷达没有传输， 频谱为空。 ADC数据应仅显示 热噪声基底和噪声系数。 另一方面，如果存在来自 另一个雷达的传输， 我们预计ADC数据中的尖峰 对应于发生交叉的点。 ADC数据交叉啁啾的最大折叠 将有助于清楚地显示干扰源。 在图中，请注意干扰信号 在频率F1和F2之间啁啾。 因此，ADC输出显示F1和F2之间的能量。 如果扫描周期足够长 以覆盖多个帧，我们可以使用 离散频带数来估计 干扰雷达的数量。 我们还可以估计啁啾等 占用的帧周期带宽。 最重要的是，我们找到可以进行 无干扰传输的自由频谱或时隙。 下一个方法涉及随机化和抖动。 这对并行干扰最有帮助， 可以通过此过程进一步减轻干扰。 啁啾有多个参数可以随机化。 这些包括啁啾启动阶段， 可以使用每个线性调频器 移相器API或二进制移相器API随机化。 啁啾斜率，啁啾 开始频率和啁啾空闲时间都可以使用chirp config API进行随机化。 如果没有使用随机化选项， 则并行干扰将显示为幽灵物体。 如果应用随机化，则通过抖动破坏 并行干扰源的峰值。 随机化通过破坏不同啁啾一致性来工作， 一致性来工作，从而减少它们在2D处理期间的 影响。 减少量约为一帧中 啁啾数的10 log 10。 一旦攻击者一致性被破坏， 就可以使用CFAR算法 来消除与干扰相关的影响。 最后的方法为定位， 然后减轻影响。 在许多情况下，无论进行 何种随机化或抖动，都不可能避免一些 交叉干扰。 在这种情况下，定位 随后减轻或信号愈合是最佳选择。 定位是指找出啁啾中 哪些样本受干扰 影响的过程。 这可以通过两种方式之一完成。 首先，我们可以找出ADC数据中的异常值。 强交叉干扰信号看起来像ADC数据中的 大错误。 例如，如果您要将每个样本的能量 用于啁啾并将其绘制为时间的函数， 则在干扰源交叉的点处， 啁啾的第一个样本能量将会 大幅增加。 可以找到并设置合适的阈值， 并且可以将跨越该能量阈值的样本 标记为已经受到干扰的影响。 更好的方法是使用 前面描述的啁啾质量指标， 如信号和图像频段监视器，这是精确查找 干扰源位置的更好选择。 找到干扰点位置后， 我们现在想要减轻它们。 这里的减轻是指干扰区域 被清零并且选择性地 被过滤的过程。 因此，最简单的缓解方法 是用零替换干扰区域。 这有副作用造成可能 掩埋弱目标的旁波束。 更好的方法是用窗口遮挡。 平滑窗口用于将受干扰 影响的样本归零。 这导致较低的旁波束和较弱的目标的 更好的可检测性。 更好的方法是在空白区域中 执行线性插值，使用干扰之前的 最后一个良好ADC样本和干扰周期之后的 第一个良好ADC样本。 还有更复杂的 减轻方案。 这里，示出了基本重建方案。 在该方案中，在消隐之后， 对消隐的ADC信号执行FFT。 FFT输出值被限制， 因此只保留不受消隐过程 影响的峰值。 然后对FFT的阈值进行IFFT处理， 重建ADC数据。 这个重新创建的ADC数据 用于填充消隐区域。 在该特定示例中，重构信号 几乎与原始信号无法区分， 并且我们可以看到重建后的频谱 显示旁波束被很好地抑制。 此演讲到此结束。 需要记住的是，对其他雷达的干扰 会导致FMCW系统出现间歇性问题。 这些通常是低概率事件， 但需要进行处理。 MOSARIM进行的研究 提供了一系列减少 干扰影响的建议。 通过优化啁啾设计，可以很容易地 将这些实现到我们的雷达中。 通过使用随机化方法，并通过实施 定位和减轻技术， 我们可以处理中等水平的干扰。 TI雷达提供的啁啾质量指标的使用 有助于定位。 应探索同步和标准化方法， 因为即使在非常密集的 雷达部署情况下，这些方法也可以 最小化干扰。 最后，在无法实现同步 或标准化的情况下， 感知和避免策略较为有用。 有关更多信息，我建议查看MOSARIM报告 以及美国国家公路交通安全 管理局的雷达拥堵研究。