阅读说明：本技术 从车辆上支持的检测器接收到的信号中移除干扰 (Removing interference from signals received by detectors supported on a vehicle ) 是由 孙顺桥 C·A·阿尔卡德 于 2020-03-04 设计创作，主要内容包括：说明性示例检测器设备(20)包括被配置成用于接收包括干扰的相应信号的多个接收器组件(24)。处理器(26)被配置成用于通过确定相应信号的相关性来标识主成分,并且将被标识的主成分从相应信号中移除以提供与相应信号对应的没有干扰的输出。(An illustrative example detector device (20) includes a plurality of receiver components (24) configured to receive respective signals including interference. A processor (26) is configured to identify the principal component by determining a correlation of the respective signals, and remove the identified principal component from the respective signals to provide an output corresponding to the respective signals without interference.)

从车辆上支持的检测器接收到的信号中移除干扰

背景技术

电子器件和技术的进步已使得将各种特征结合在机动车辆上成为可能。已研发了各种感测技术(诸如，雷达以及激光雷达)以用于检测在车辆附近或路径中的对象。此类系统对于例如对象检测、泊车协助、和巡航控制调整特征而言是有用的。

与此类汽车感测技术的涌现相关联的一个困难在于来自更多车辆的更多信号增加了一个车辆的传感器与另一车辆上的传感器干扰的可能性。在例如雷达的情况中，一个传感器具有发射器和接收器。发射的信号或辐射与在接收器处检测到的反射信号相比具有更高的能量。如果一个车辆上的发射器正大体上面向另一车辆上的接收器，从该一个车辆发射的信号将导致与由该接收器接收到的来自附近目标的任何反射的干扰。

此类干扰可妨碍雷达传感器准确地检测一个或多个目标对象的能力，因为干扰信号与由接收器检测到的任何反射信号相比将通常具有高得多的幅度。很难以高效计算的方式处理此类干扰。与先前提出的方法相关联的处理成本对于通常用于车辆雷达的计算设备的类型而言过高。此外，作为处理干扰的结果而改变反射信号可扭曲目标标识或定位的结果，这是不期望的。

发明内容

说明性示例检测器设备包括被配置成用于接收包括干扰的相应信号的多个接收器组件。处理器被配置成用于根据相应信号的相关性标识主成分，并且将被标识的主成分从相应信号中移除以提供与相应信号对应的没有干扰的输出。

在具有前述段落的设备的一个或多个特征的示例实施例中，处理器被配置成用于通过确定相应信号的样本的协方差矩阵来确定相关性。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，处理器被配置成用于标识协方差矩阵的主成分。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，处理器被配置成用于通过执行协方差矩阵的奇异值分解来标识主成分。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，处理器被配置成用于通过根据协方差矩阵的奇异值分解确定正交投影矩阵并且将正交投影矩阵应用至相应信号的矩阵，来移除被标识的主成分。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，处理器被配置成用于通过执行协方差矩阵的线性回归或对角化来标识主成分。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，接收器组件分别包括天线。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，接收到的信号包括反射雷达信号，并且干扰包括来自至少一个其他检测器设备的发射。

一种处理包括干扰并且分别由多个接收器组件接收到的信号的方法的说明性示例实施例包括：标识接收到的信号的相关性的主成分，以及将被标识的主成分从接收到的信号中移除，以提供与信号对应的没有干扰的输出。

具有前述段落的方法的一个或多个特征的示例实施例包括通过确定相应信号的样本的协方差矩阵来确定相关性。

在具有前述段落中的任一个的方法的一个或多个特征的示例实施例中，标识主成分包括标识协方差矩阵的主成分。

在具有前述段落中任一个的方法的一个或多个特征的示例实施例中，标识主成分包括执行协方差矩阵的奇异值分解。

在具有前述段落中任一个的方法的一个或多个特征的示例实施例中，移除被标识的主成分包括：根据协方差矩阵的奇异值分解确定正交投影矩阵，以及将正交投影矩阵应用至分别接收到的信号的矩阵。

在具有前述段落中任一个的方法的一个或多个特征的示例实施例中，标识主成分包括执行协方差矩阵的线性回归和对角化。

在具有前述段落中任一个的方法的一个或多个特征的示例实施例中，接收器组件分别包括天线。

检测器设备的说明性示例实施例包括：用于接收包括干扰的相应信号的装置；以及信号处理装置，该信号处理装置用于根据相应信号的相关性标识主成分并且将被标识的主成分从相应信号中移除，以提供与相应信号对应的没有干扰的输出。

在具有前述段落的设备的一个或多个特征的示例实施例中，信号处理装置进一步用于通过确定相应信号的样本的协方差矩阵来确定相关性，并且主成分是根据协方差矩阵标识的。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，信号处理装置通过执行协方差矩阵的奇异值分解来标识主成分，并且信号处理装置通过根据协方差矩阵的奇异值分解确定正交投影矩阵并且将该正交投影矩阵应用至相应信号的矩阵来移除被标识的主成分。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，信号处理装置通过执行协方差矩阵的线性回归或对角化来标识主成分。

在具有前述段落中任一个的设备的一个或多个特征的示例实施例中，用于接收的装置包括多个天线，并且信号处理装置包括处理器。

通过以下

具体实施方式

，至少一个公开的示例实施例的各种特征和优点对于本领域的技术人员而言将变得显而易见。伴随具体实施方式的附图可以被简要描述如下。

附图说明

图1示意性地示出包括根据本发明的实施例设计的检测器设备的车辆。

图2示意性地示出了干扰信号。

图3示意性地示出了包括干扰的示例的接收到的信号特性。

图4是总结用于将干扰从接收到的信号中移除的示例方法的流程图。

具体实施方式

图1示意性地示出了在车辆22上支持的检测器设备20。示例检测器设备可用于出于一个或多个目的检测车辆22路径或附近中的对象。检测器设备的示例使用包括自适应巡航控制、自主车辆控制和驾驶员协助。在一些实施例中，检测器设备20使用雷达技术，并且在其他实施例中，检测器设备20使用激光雷达技术。

检测器设备20包括多个接收器组件24，其检测指向接收器组件24的辐射。在一些示例中，接收器组件24各自包括天线。尽管并未示出，检测器设备20可包括与每一个接收器组件24相关联的发射器。发射器从车辆22发射信号或波，并且从辐射路径中的对象反射的任何反射信号或波返回朝向车辆22，在车辆22处，该任何反射信号或波由接收器组件24检测到。处理器26包括用于处理接收到的信号以用于检测或标识车辆22的路径或附近中的对象的已知能力。例如，处理器26被配置成用于或合适地编程以用于基于接收到的信号标识或确定距离(range)、距离变化率以及角度信息。

如图1中示意性地示出，另一设备的发射器30(其可在例如被支持在另一车辆上)发射在32处示意性地示出的信号或波。来自发射器30的发射通常指向接收器组件24。当该信号或波32由接收器组件24接收时，与从目标对象反射的信号或波相比，该信号或波32通常具有高得多的幅度或信号强度。因为来自发射器30的信号32可能与从目标对象的反射在相同的时间并且在相同的频率带中被接收，因此信号32导致干扰并且可妨碍处理器26作出有关目标对象的适当确定的能力。

图2和图3示出了示例情景，其中干扰波或信号32与接收到的信号34重合。在接收器组件24处所得的接收到的信号可由图3中的曲线36表示。如38处所示，由信号或波32引起的干扰具有比接收到的信号的剩余部分高得多的幅度。

处理器26被配置成用于或合适地编程以用于有效地将干扰从接收到的信号中移除，使得接收到的信号可被处理以用于标识或检测一个或多个目标对象。图4是总结用于将干扰从接收到的信号中移除的示例方法的流程图40。在42处，信号或波在接收器组件24中的每一个处被接收。那些接收到的信号中的每一个包括干扰。在一些实施例中，四个天线接收一个或多个信号，而在其他实施例中，存在八个接收包括干扰的信号的天线。

图4的示例包括在44处建立接收到的信号的相关性。在示例实施例中，通过确定包括干扰的接收到的信号的协方差矩阵来确定或建立相关性。在一些实施例中，从接收器组件天线中的每一个获取时间序列样本，并且那些样本出于建立相关性的目的而被视作接收到的信号。

在使用雷达信号的示例实施例中，在一个脉冲或啁啾(chirp)期间，包括干扰的接收到的样本可被表示为其中N是包括干扰的损坏的样本的数量，并且M_r是接收天线的数量。X＝X_R+X_I，其中X_R是从目标对象反射的信号，并且X_I是干扰信号。在44处确定的用于建立接收到的信号的相关性的协方差矩阵可被表示为R＝XX^H。此类协方差矩阵表示了与接收到的信号相对应的数据的所有可能的相关性。

在46处，例如通过执行协方差矩阵R的奇异值分解来确定相关性的主成分。其他示例实施例包括使用协方差矩阵的线性回归或对角化以用于标识主成分，该主成分对应于干扰。奇异值分解SVD(R)可被表示为[U,Σ,V]。标识接收到的信号的相关性的主成分将干扰信号从接收到的信号的剩余数据(其是从一个或多个目标对象反射的辐射)中标识或分离。鉴于干扰通常具有如图4中的38处所示的大得多的幅度，主成分标识方法将干扰从信号的剩余部分中分离。

在48处，将被标识的主成分从信号中移除。在50处提供与信号对应的没有干扰的输出。在一个示例实施例中使用正交投影矩阵来有效地使用接收到的信号的基础数据替换干扰，从而完成移除被标识的主成分。与信号对应的没有干扰的输出可被表示为其中P⊥是正交投影矩阵P⊥＝＝I–U(:,1)*U(:,1)^H，其中I是单位矩阵。使用该方法，接收到的信号的干扰由与最大奇异值对应的奇异向量表示。

在50处提供的输出可随后用于已知的雷达距离以及多普勒信号处理，以用于例如测角、目标检测或目标标识。

示例技术的一个特征在于其仅需要相对小的计算预算，由此处理是快速的，并且可由各种不昂贵的处理器完成。不存在出于从接收到的信号中分离和移除干扰的目的而进行繁重或复杂的计算的需要。例如，确定协方差矩阵和奇异值矩阵分解涉及相对轻量的计算。

示例技术的一个方面在于其利用以下事实：诸如图1中示出的信号或波32之类的干扰信号将由所有天线从相同的角度接收，这允许主成分分析准确地将干扰从信号数据的剩余部分中分离。

公开的示例技术有效地使用阵列样本在时间序列中表征诸如图1中示出的发射器30之类的干扰源(interferer)而不需要阵列校准。基于正交投影的方法对于减少信号样本时间序列中的干扰是有效的。不需要估计干扰的幅度或相。公开的示例技术的另一个特征在于与信号对应的没有干扰的输出将不包括伪影，否则该伪影将对二维快速傅里叶变换(FFT)频谱产生影响。相应地，干扰可从接收到的信号中被高效地并且有效地移除，从而允许已知的用于对象检测或标识的信号处理继续。

前述描述本质上是示例性的，而不是限制性的。对所公开的示例的不一定背离本发明的实质的变化和修改对于本领域技术人员而言可变得显而易见。赋予本发明的法律保护范围仅可通过研究所附权利要求书来确定。