基于STFT的汽车雷达抗干扰处理方法

黄志忠

(桂林航天工业学院，广西 桂林 541004)

0 引言

高级驾驶辅助系统(Advanced Driving Assistance System,ADAS)通过障碍物检测、交通标志识别、车辆和驾驶员状态监控、通信等技术手段来避免交通事故的发生，从而提高驾驶的安全性和自动驾驶的可靠性。毫米波雷达具有全天时全天候工作能力，在检测障碍物和环境感知方面具有诸多优势，是ADAS系统中重要的传感器。

毫米波汽车雷达的应用场景主要有2个方面[1]：

(1)盲点检测

毫米波雷达位于车辆周围(前面、后面、侧面或车辆4个角)，检测驾驶员视觉几乎看不到的位置，主要用于车辆起步和停靠或泊车辅助。该场景下雷达探测距离一般小于10 m，主要由24 GHz短程雷达完成。

(2)自适应巡航控制

毫米波雷达位于车辆前部和侧面，探测前方远处的车辆或其他障碍物，适用于一般驾驶和自动驾驶的告警。该模式下对雷达的检测信噪比和作用距离(最大200 m或更远)要求较高，主要由24 GHz或77 GHz中远程雷达实现[2]。

汽车雷达在复杂的交通环境中工作，面临着许多有意或无意的干扰，其中以附近工作的同类型汽车雷达的干扰为主，导致目标检测时出现严重的虚警或漏警问题。本文首先介绍了几种国内外研究较多的抗干扰技术，然后从实用的角度介绍了基于短时傅里叶变换(Short-Time Fourier Transform,STFT)的抗干扰处理方法，通过仿真表明其有效性。

1 汽车雷达抗干扰方法

由于频谱资源和系统体积的限制，汽车雷达一般工作在24 GHz或77 GHz频段。工作于密集射频信号环境中的汽车雷达随时会受到干扰，例如后面汽车的前视雷达、迎面而来的汽车雷达、转弯汇车的侧视雷达等。当前学者们从理论上研究的抗干扰技术，主要包括空域规避和发射复杂雷达波形2种方法。

(1) 空域规避：通过使用窄波束和电子扫描波束的方式，减少发射信号空间重叠的可能性。如远距汽车巡航控制雷达的发射波束宽度设置为10°左右，在方位上采用波束形成方式扫描覆盖区域。还有相关研究通过自适应波束形状，在特定方向形成接收凹口以抑制干扰。采用窄波束或自适应波束形成无疑会使毫米波雷达设计成本急剧增加，而且强干扰依然能够从天线旁瓣进入接收机。如果在凹口方向或波束盲区存在重要目标，还会造成目标信息的丢失。所以，空域规避处理方法在汽车雷达的实际使用中非常有限。

(2) 发射复杂雷达波形：在时域或频域上对雷达发射信号波形进行设计，使其具有独特性，避免相干信号的干扰。如在时间上随机改变调频连续波chirp的斜率，在频域上改变调频连续波的开始频率和截止频率。或者对发射信号进行相位编码，采用正交编码、伪随机编码、噪声编码等方式以获得良好的抗干扰性能[3]。编码长度越长其抗干扰效果越好，但是信号产生电路会更复杂，信号处理硬件和算法设计难度大幅增加，导致系统成本上升。其次，相位编码信号会受多普勒频移的影响，对目标检测不利。复杂波形在频域上相当于扩展带宽，使雷达前端设计带宽增加，干扰信号更容易进入系统。

2 基于STFT的处理方法

从低成本和可靠性的角度考虑，还是采用一般的线性调频连续波(LFMCW)信号，频域上是一个chirp信号。如果雷达在一个探测周期内发射一段连续线性扫频信号，那么目标反射的回波与发射信号混频后就会得到一个差频信号，频率差Δf与目标距离R成正比，它们的关系为：

(1)

式中,c为光速；T为扫频时间；B为扫频带宽。

常规的线性调频体制雷达发射信号及信号处理相对比较简单，如图1所示，只要对混频去斜后的基带信号采样做快速傅里叶变换(FFT)，然后通过检测频率点即可换算出目标的距离。

图1 LFMCW雷达工作原理Fig.1 Working principle of LFMCW radar

在复杂的交通环境中，同频段同体制的汽车雷达之间极易造成相互干扰，会导致虚假目标的产生，如果干扰信号幅度太大(直达波)，甚至会导致无法检测目标。

根据式(1)可知，如果存在一个真实的目标，其反射回波经过去斜以后是一个单频信号，其频谱在时间分布上呈一条直线，并且其频率值对应一个相应的距离,即时延。再者，不同雷达之间工作是不同步的，其时间几乎不可能对准。基于以上2点，可以采用STFT处理方法，将真实目标和干扰信号分离。

STFT也称滑窗式或分时傅里叶变换，是一种简单有效的时频分析方法。其基本原理是将信号在时间轴上分段截取，截取长度由所选窗函数决定，然后对窗内信号进行傅里叶变换得到频谱[4-5]。滑动时间窗，不断重复以上操作，直到信号结束。最后将所有变换结构按照先后顺序排列，可得到信号的时变频谱。其计算方法为：

(2)

式中，x(n)为信号；w(n-k)为窗函数；L为窗函数长度。

基于STFT的处理步骤如图2所示，对混频去斜以后的基带信号进程AD采样，然后做STFT。分析其频谱在时间上是否呈直线连续分布，如果不是，则为干扰信号，通过幅值门限将其滤除。重复以上分析，直到剩余频谱呈直线分布或没有可检测到的频谱分量。如果存在呈直线分布的频谱，标记频谱出现时间，再将信号反变换恢复到时域。将时域信号做FFT，恒虚警检测目标，然后将目标距离与频谱出现时间做对比，如果一致则为真实目标，否则为虚假目标。

图2 信号处理流程Fig.2 Signal processing flow

基于STFT域的处理方法，要求雷达前端和量化位数有足够的动态范围，能够同时对强干扰信号和小目标进行线性处理。通过分析可得，如果存在同向同斜率的线性调频干扰信号，则会出现虚假目标。如果存在反向或不同斜率的线性调频干扰信号，则会把噪底抬高甚至会淹没真实目标。上述方法对这些干扰均可做到很好的抑制。

3 仿真验证

存在同向同斜率干扰信号的仿真结果如图3所示。

(a) 信号时频特性

(b) 直接FFT的检测结果

(c) STFT的时频分布图3 同向同斜率干扰信号仿真结果Fig.3 Simulation results of same direction and same slopeinterference signals

对于同向同斜率干扰信号，直接对混频去斜后的基带信号进行FFT，可以发现有2个目标的存在。但是对信号进行STFT后发现，150 m处目标对应的频率分量出现时间在同步脉冲延迟4 μs处而非1 μs，所以可以判断该目标为虚假目标。

图4～图7分别为存在同向不同斜率干扰信号和存在反向调制干扰信号的仿真结果。

(a) 信号时频特性

(b) 直接FFT的检测结果

(c) STFT的时频分布图4 同向不同斜率干扰信号仿真结果Fig.4 Imulation results of jamming signals modulated by different slopes in the same direction

(a) 幅度滤波后的STFT的时频分布

(b) 幅度滤波后的检测结果图5 本文方法处理同向不同斜率干扰信号的仿真结果Fig.5 Simulation results of jamming signals modulated by different slopes in the same direction processed by the proposed method

(a) 信号时频特性

(b) 直接FFT的检测结果

(c) STFT的时频分布图6 反向调制干扰信号的仿真结果Fig.6 Simulation results of jamming signal modulated in opposite direction

(a) 幅度滤波后的STFT的时频分布

(b) 幅度滤波后的检测结果图7 本文方法处理反向调制干扰信号的仿真结果Fig.7 Simulation results of jamming signals modulated in opposite direction processed by the proposed method

对于同向不同斜率的干扰信号和反向调制的干扰信号，假设干扰来自其他雷达的直达波，幅度大于目标回波20 dB。如果直接对混频去斜后的基带信号进行FFT，可以发现无法检测到任何目标,如图4(b)和6图(b)所示。对信号做STFT后发现存在一个幅度较大的倒“V”型频谱图4(c)和图6(c)所示，可以断定存在与发射信号有频率交叉干扰信号。对该频谱做幅度门限滤除后检测到被淹没的目标如图5(a)和图7(a)所示。对信号做反变换恢复时域，然后再做FFT即可检测到真实目标，如图5(b)和图7(b)所示。

4 结束语

汽车雷达工作的电磁环境比较复杂，随时随地都可能存在干扰，但依然能够找到很多解决方法。空间自适应波束形成、复杂发射波形设计等方法都会使硬件系统更复杂，处理更困难。线性调频连续波具有电路设计简单、成本低廉，信号处理简单可靠的优势，依然是当前毫米波汽车雷达主流的工作波形。本文的研究结果表明，即使是完全相同型号的汽车雷达，其工作时不可能完全同步。首先，必须对接收信号进行时频特性同时分析处理，相当于对接收信号预先做出判断干扰是否存在，然后再进行处理。与常规的直接处理相比具有抗干扰能力，而且不增加硬件设计成本。通过理论分析和仿真结果表明，基于STFT的时频域联合处理方法可以在一定程度上解决汽车雷达的干扰问题。