【《雷达回波信号的定时算法设计案例》2700字】

雷达回波信号的定时算法设计案例目录TOC\o"1-3"\h\u27720雷达回波信号的定时算法设计案例 1196531.1引言 195351.2常规的定时算法 147811.2.1峰值检测算法 1306581.2.2传统回波质心算法 2191001.2.3双尺质心算法 3279521.3改进的定时算法 540251.3.1边沿阈值定时算法 5138831.3.2匹配滤波算法 61.1引言激光雷达定时的精度关键在于对脉冲波发射时刻和回波接收时刻的选择，对于激光雷达回波信号能否精准定时决定了测距的精确度，一般来说定时的方法应用最多的是两种：恒比定时法和全波形分析法，第一种方法的原理是将回波信号分为两部分，一部分做相位时延，另一部分做幅度衰减，再将二者相减，得到一个基准脉冲，但是根据第二章误差部分的分析，本文使用的雷达产品回波会有串扰导致信号的强度波动较大，接收电路的特性又会让脉冲展宽，受到以上两个因素的影响，恒比定时法显然不适用于本文，在此不去深究。第二种全波形分析法，近年来得益于高速AD技术的发展，全波形分析法越来越受到大家的青睐，质心算法，函数拟合算法常用的算法，这几个算法优点在于能够利用好多个点的幅度和对应的时间信息，在这些算法的基础上，可以很好的比较不同检测方法的精度差距。综合评估各个算法的优劣性。1.2常规的定时算法1.2.1峰值检测算法图3-1不同目标距离的回波信号 回波脉冲波形由于受到背景光噪声，电路噪声导致波形幅度衰减，不过光束主要的能量都在波峰位置，所以如果利用初始波形与每个回波信号的峰值作为时间基准，可以求出一组时延信息（如图3-1所示），但是由此也引出一个问题，根据第二章AD采样器可知，雷达硬件在一个激光脉冲周期内最多能采到448个点，最小的时间精度约为111.61ps，可分辨的最小距离约为为1.3cm，采用直接对回波信号求最大值，对于同一距离测量多次数据，受到串扰的影响下，只要有些数据最大值处对应的时间坐标差别有一个点，那就意味着带来了1.3cm的极差，这对于实际应用来说是无法接受的，如果先考虑定时精度问题，可以每次测量取多次的平均值作为一次测量目标的输出，研究定时算法的精度问题时本文采取的是这个方法。1.2.2传统回波质心算法 质心可以理解为图形的质量中心，一般利用高速的ADC采样，根据采样得到的幅度和时间信息，选取有效信号部分的多个采样点，用质心公式计算出质心的位置并作为定时的时间基准，这个算法最大的优点是可以用到整个回波波形的信息，这样使得误差更小，因为像上一节提到的峰值检测法只是单纯的利用了峰值处一个点的信息，只要回波信号受到干扰导致了信号的偏移，那么定时的误差就会很大，从而导致极差很大，传统的质心算法原理如下式(3-1)所示 Tcenter= 上式中，Tcenter—回波信号的质心时刻，tn—回波信号选取的采样点的时间坐标，图3-2各离散采样点的时间和强度信息 从图3-2可以看出Tcenter 根据第二章DTOF的计算原理，求出回波信号和发射信号的质心时刻，Tcenter2和T D=11.2.3双尺质心算法 该算法是对上述传统的质心算法的一种改良，不同于传统质心算法的是，双尺质心算法先将波形的最大值找到，然后再最大值附近做一些处理（如图3-3所示）图3-3双尺质心算法流程图 首先利用寻找峰值或最大值的函数找到波形的峰值时刻，选择一个大小合适的窗，从峰值处等距向两侧滑动，做到尽量包括整个上升下降沿的包络，在具体实验中，可以在一定范围内选取时间窗的尺寸，然后仿真比较每次的效果，从而筛选出最佳窗函数尺寸，这个方法的核心就在于从峰值附近取采样点，可以最大限度减小噪声的影响，使精度做到更高。缺点是程序更为复杂，需要先用到之前提到的峰值检测算法，再结合质心算法，一定程度上来说，是上述两个算法的结合。1.3改进的定时算法1.3.1边沿阈值定时算法 对不同距离处的回波信号分析就可以发现，信号在上升沿和下降沿线性度好，据此给出一个新的定时基准的思路，以波形的上升沿和下降沿线性度好的位置作为定时的基准（如图3-4所示）图3-4边沿阈值定时算法流程图对于这个基准的选取，需要选择合适的阈值，阈值分为固定阈值和自适应阈值两种，在进行仿真实验之前，不能确定哪个是更好的算法，固定阈值即对每一个回波波形，都取固定的幅值I作为基准时刻，再求出与发射波形的时间差，而自适应阈值对波形的峰峰值取一定比例，作为基准时刻的幅值，自适应的优点是基准定时的误差不会受到回波信号幅度值衰减的影响。阈值算法还有几个需要解决的问题，一方面，数据需要更加细化，在每个点之间再做一些插值，让离散波形更加逼近连续波形，另一方面，对于自适应阈值算法，最大值与最小值的比例值的选择也是一个需要优化的问题，自适应阈值会存在一个最优的比例范围，在后续的工作中这个值需要被找到。1.3.2匹配滤波算法 对于定时的精度无非就是追求一个时间基准，我们希望在这个时刻去做基准使得求出的时间差误差最小，通常我们需要基于一个准则，比如在那个基准时刻信噪比是最大的，这样定时精度受到噪声干扰是最小的。在信号处理领域，有一个概念叫作相关性，对于线性系统，假设发射信号为s(t),噪声信号为n(t),接收信号为st+n(t),其中 Sf= E=−∞设匹配滤波器的冲激响应为ℎ(t),经过匹配滤波后的输出信号用式(3-5)表示 yt=其中输出函数ys yst假设输出信号在t0 yst 对于噪声来说，平均功率为： yn2因此得到输出信号信噪比： SNR=| 当式(3-9)满足最大信噪比时，有： Hf= 转换为时域即： ht=K图3-5匹配滤波算法流程图 根据上述推导过程，当匹配滤波器的冲激响应h(t)满足式(3-11)时，输出信号的信噪比是最大的，在数学上，匹配滤波器的本质就是对输入信号s(t)做相关运算，在t0这个时刻，信号的各个频率分量是同相叠加的，最后得到最大的输出值。这个值只与信号的能量有关系。匹配滤波器具有两方面的重要特征，从幅频特性来看，匹配滤波器和输入信号的幅频特性完全一样，这就导致在信号强的频率