利用近场汽车雷达模型进行切向速度估计

本工作研究汽车雷达系统中的切向速度估计问题，探讨传统考虑模型的局限性。传统汽车雷达通常基于远场模型，估计目标的距离、径向速度和到达角（DOA），但无法估计目标二维速度的切向分量，而该分量是对动态环境进行可靠感知的关键参数。为应对这一挑战，我们引入近场雷达模型，该模型考虑了随时间和空间在距离、径向速度和多普勒方面的各种迁移分量。传统上，这些迁移效应会导致用于估计目标参数的似然函数发生模糊。然而，如果模型设定正确，这些迁移效应对切向速度估计具有信息价值。我们利用 Cramér-Rao 界和模糊函数对切向速度估计进行可辨识性分析。本研究的见解促使我们采用分离阵列配置，并开发一种基于最大似然的高效算法，该算法旨在利用目标迁移进行切向速度估计，同时保持实际的计算复杂度。除切向速度估计外，所提算法还减轻了距离、径向速度和多普勒维度的似然模糊。仿真验证了理论可行性研究，并评估了算法在单目标和多目标场景下的性能。所提方法提高了汽车雷达的精度和可靠性，增强了高级驾驶辅助系统和自动驾驶车辆的态势感知能力。