کاهش تداخل در رادار خودرو با حذف کننده نویز تطبیقی در متلب

کاهش تداخل در رادار خودرو با حذف کننده نویز در MATLAB

در این بخش پروژه کاهش تداخل در رادار خودرو با حذف کننده نویز تطبیقی در نرم افزار MATLAB آماده کرده ایم که براساس مقاله Automotive Radar Interference Mitigation using Adaptive Noise Canceller انجام شده است. در ادامه توضیحاتی از معرفی پروژه ارائه شده و فیلم و تصاویر خروجی پروژه در محیط متلب قرار داده شده است.

رادار خودرویی در سیستم ADAS

از آنجایی که مردم همچنان به دنبال تجربه رانندگی ایمن تر و راحت تر هستند، سیستم های پیشرفته کمک راننده (ADAS) و بازار وسایل نقلیه خودران اخیرا تا حد زیادی در حال رشد است. رادار خودرویی mmWave یکی از حسگر های کلیدی در سیستم ADAS و خودران می باشد که به دلیل پوشش گسترده، قابلیت اطمینان بالا، قابلیت شناسایی اهداف در همه شرایط آب و هوایی و تمام روز، بسیار مورد توجه قرار گرفته است. با توجه به این که تولید موج پیوسته با فرکانس مدوله شده (FM-CW) با استفاده از نوسان گر کنترل شده با ولتاژ (VCO) نسبتا ساده تر بوده و باند فرکانس پژواک های دریافتی پس از پردازش کششی باریک است، رادار خودرو FMCW برای مشتریان مقرون به صرفه است و در بازار فعلی به طور گسترده در دسترس می باشد. به طور معمول، هر خودرو به حداقل پنج حسگر رادار خودرو برای عملکرد های ADAS مانند کروز کنترل تطبیقی (ACC) ، تشخیص نقطه کور (BSD) و هشدار ترافیک متقاطع (CTA) مجهز است. با افزایش چشمگیر تعداد رادار های خودرو در جاده ها، تداخل بین این رادار ها شدیدتر خواهد بود. تداخل، حساسیت سنسور رادار را کاهش می دهد یا به طور بالقوه می تواند یک هدف نا درست ایجاد کند که به نوبه خود ممکن است باعث تشخیص اشتباه شود.

شکل تداخل در سناریوی جاده

معرفی پروژه

تداخل در رادار های خودرویی (رادار موج پیوسته با فرکانس مدوله شده (FMCW)) می تواند سطح نویز را که در بیشتر موارد رخ می‌ دهد، افزایش دهد یا در موقعیت ‌های نادر یک هدف نادرست و اشتباه ایجاد کند. برای پرداختن به افزایش کف نویز (Noise floor) به دلیل تداخل، ما یک روش کم هزینه محاسبه را با استفاده از حذف کننده نویز تطبیقی ​​برای افزایش نسبت سیگنال به تداخل (SIR) پیشنهاد کردیم. در یک گیرنده مربعی، تداخل در نیمه مثبت طیف فرکانس با تداخل در نیمه منفی طیف فرکانس مرتبط است، در حالی که فرکانس های ضربه از اهداف واقعی همیشه در فرکانس مثبت وجود دارند. بنابراین، ما قدرت فرکانس منفی را به عنوان نشانه تداخل تخمین زدیم و اجزای فرکانس مثبت و فرکانس منفی را به ترتیب به کانال اصلی و مرجع یک حذف کننده نویز تطبیقی ​​وارد کردیم. برای حل فیلتر بهینه از الگوریتم حداقل میانگین مربع (LMS) استفاده شد. در نتیجه هر دو شبیه سازی و آزمایش عملکرد کاهش تداخل خوبی را نشان دادند.

---

---

تصاویری از خروجی