Gépjármű radarok működése és karakterizációs lehetőségei

Átírás

1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Szélessávú Hírközlés és Villamosságtan Tanszék Gépjármű radarok működése és karakterizációs lehetőségei Szakdolgozat Készítette Bársony Kristóf Konzulens dr. Seller Rudolf, Magosi Zoltán (TU Graz) május 17.

2 Tartalomjegyzék Kivonat 3 Abstract 4 Bevezető 5 1. Radar elmélet Bevezetés Radar egyenlet Doppler-effektus FMCW radar analízis Bevezetés FMCW jel FMCW radar jelfeldolgozás Fourier-transzformáció Diszkrét Fourier-transzformáció Gyors Fourier-transzformáció Jelfeldolgozás FMCW radar felbontás FMCW radar architektúra Automotív radarok elemzése Rövid fejlődéstörténet Alkalmazások Nagy hatótávolságú radaralkalmazások Közepes hatótávolságú radaralkalmazások Kis hatótávolságú radaralkalmazások

3 Gépjármű radarokra vonatkozó frekvencia szabályozások Az automotív radarok jövője Radar szimulációs modell A radar általános jellemzői Céltárgy és környezet jellemzői MATLAB szimuláció - Doppler becslés Radar target szimulálás Anritsu MG3690C-vel Kísérleti radar target szimulátor bemutatása Rohde Schwarz ARTS9510 radar target szimulátor rövid bemutatása Felépítés Szimulációs megoldások összegzése Mérések a Continental ARS 308 típusú automotív radarral Continental ARS 308 típusú radar rövid bemutatása Radar elve, modulációja Antenna jellemzése Érzékelés, pontosság, működési üzemmódok További technikai paraméterek Mérések ismertetése és elemzése Mérési összeállítás Autópályán a leállósávban Városi forgalom Csendes utcai környezet Referenciamérés Mérés mozgó radarral A mérés hibái és fejlődési lehetőségek Köszönetnyilvánítás 52 Irodalomjegyzék 53 Függelék 59 F.1. MATLAB kódok F.2. FMCW szimuláció F.3. Mérési eredmények

4 Kivonat A radarelmélet általános áttekintése után a gépjármű radarok jellemzőit, alkalmazásait elemzem részletesen. Mélyrehatóan megvizsgálom az automotív radarok alapos megismeréséhez elengedhetetlen FMCW radarok modulációját, jelfeldolgozását. Szakdolgozatomban kitérek a jelenlegi automotív radartechnikai és szenzorfúziós komplex vezetést segítő rendszerek alkalmazásaira, majd röviden felvázolom a bennük rejlő jövőbeni lehetőségeket is. A radarszenzorok fejlődése mellett elengedhetetlen az állandó jellegű, hatékony és alapos tesztelés valamint szimulálás. A radar szimulációs modelljét befolyásoló tényezők ismertetése után különböző lehetséges szimulálási megoldásokat mutatok be az egyszerű szimulációktól kezdve a sokoldalú szimulálási beállításokkal rendelkező radar target generátorokig. A TU Graz Institut für Fahrzeugtechnik támogatásával lehetőségem nyílt változatos környezetben terepi méréseket végeznem a Continental ARS 308 típusú automotív radarral. Mérési eredményeimről és tapasztalataimról a szakdolgozatom végén számolok be. 3

5 Abstract This is my abstract of my thesis The Operation and Possibilities of Characterization of Automotive Radars. After a general overview of the radar theory, I analyze the radar characteristics and its applications in detail. I examine extensively the FMCW radar modulation and signal processing in order to better understand the automotive radars. In my thesis I deal with the applications of the current automotive radar technique and the complex sensor fusion ADAS systems and then I rough out the future opportunities inherent in them as well. In addition to the development of radar sensors, the continuous effective and thorough testing and simulation are essential. After giving a description of the radar system modell influencing factors, I present possible solutions of testing from simple simulations to radar target generators, possessing versatile settings. With the contribution of TU Graz Institut für Fahrzeugtechnik, I had the opportunity to conduct meausurements with Continental ARS 308 automotive radar. The results and my experiences are summarized at the end of my thesis. 4

6 Bevezető A 21. század embere teljesen magától értetődőnek veszi, hogy van autója, amit nap mint nap használ a munkába járáshoz, bevásárláshoz, sürgős elintéznivalók megoldásához, utazgatáshoz. Felpörgött világunkban a percekre betáblázott napirendünk tartásakor elengedhetetlen eszköz, amely egyszerű megoldást biztosít, hogy gyorsan és kényelmesen eljussunk egyik helyről a másikra. A kényelem és a gyorsaság mellett nem szabad elfelejtkezni a biztonságról sem, amely minden igyekezet ellenére még mindig megrendítő statisztikákat mutat ben az Európai Unió tagállamain belül közúti balesetben an haltak meg, ami azt jelenti, hogy minden egyes nap több, mint 70 ember veszti életét az európai utakon. Magyaroszágon a évben történt baleset során, 626 embert hiába vártak haza [18]. Másik fontos kérdés, amely ebben a témában mindig felmerül: a környezetvédelem. Az utakon egyre több autó közlekedik, hatalmas forgalmi dugók alakulnak ki nap mint nap a városban, autópályák bevezető szakaszain, hihetetlen módon szennyeződik Földünk légköre, károsodik az emberek egészsége. Csak 2015-ben autó talált gazdára hazánkban [45]. Szemléletesebben: ez 175 km-es kocsisort jelent egy kétsávos autópályán, ha átlagosan 4.5 méteres személyautó hosszal számolunk. Az emberi gondatlanságot, valamint az emberi természetből fakadó korlátokat a modern technika vívmányai segítségével jelentős mértékben kompenzálhatjuk, akár a biztonságot, akár a gazdaságosabb vezetési stílust tekintjük. A vezetés során az emberi tényező minél effektívebb kiküszöbölése, azaz a teljesen autonóm közlekedés megvalósítása egyet jelent a balesetmentes, idő- és energiahatékony közlekedéssel. Az autonóm közlekedés felé vezető úton az egyes mérföldköveket a jelenlegi fejlett vezetést segítő rendszerek (Advanced Driver Assistance Systems) jelentik. Az automotív radarok az ADAS rendszerek szerves részét képezik. A radarszenzorok egyik legnagyobb előnye, hogy éjszaka és különböző szélsőséges időjárási körülmények (eső, köd) között is a céltárgyakat megbízhatóan detektálják. Az infraszenzorok, a látható fény tartományában működő kamerák bejövő adatai mellett kiváló kiegészítő 5

7 információkat nyerhetünk a radarszenzorok adataiból. Szakdolgozatom első fejezetében röviden összefoglalom a radarelmélet alapvető összefüggéseit, valamint rövid történeti áttekintést adok a radar születésétől napjainkig. Az FMCW radarok mélyebb megismerése alapvető fontosságú, hiszen a jelenlegi gépjármű radarok túlnyomórészt ezt a modulációt alkalmazzák. A második fejezetben részletesen kitérek a jelforma és a jelfeldolgozás jellemzésére, valamint az FMCW radar felépítésére. Már régóta foglalkoztatja a mérnököket a radarok gépjárművekbe való implementálhatósága, ezért az automotív radartechnika komoly fejlesztési múltra tekint vissza. Az évtizedek folyamán számos frekvenciasávban történtek fejlesztések, a jelenleg legnépszerűbb a GHz-es, az úgynevezett W sáv. A harmadik fejezetben a gépjárműradarok fejlődési ívét mutatom be: a múltbeli kísérletektől kezdve, a jelenlegi W-sávbeli alkalmazásokon keresztül, a lehetséges jövőbeli fejlesztési irányzatokig. A radarszenzorok intenzív fejlődésével felmerül az igény a minél optimálisabb, valósághűbb tesztelésre. Szimulációs modellek megalkotásával, valamint radar target generátorok használatával egyszerűbb, költség- és időtakarékosabb tesztelési megoldásokat kapunk. A negyedik fejezetben ezért igyekszem a lehetséges megoldásokat minél jobban feltérképezni és a radar target generátorok alapelveit áttekinteni. A Technische Universität Graz Institut für Fahrzeugtechnik közreműködésével terepi méréseket is végezhettem. Az ötödik fejezetben a Continental ARS 308 típusú automotív radarral végzett mérési eredményeimet mutatom be, és tapasztalataimat foglalom össze. 6

8 1. fejezet Radar elmélet 1.1. Bevezetés A radar szó a Radio (Aim) Detection and Ranging szavak összetételéből származik. A kifejezést az 1940-es évek óta egyre szélesebb körben használják és azóta a világon minden nyelven ugyanazt az eszközt értik alatta. A radar rádióhullámok visszaverődése alapján képes különböző tárgyak helyzetét, kiterjedését, sebességét meghatározni [55] [36]. James Clerk Maxwell elektromos és mágneses tér összefüggéseit és kölcsönhatásait leíró egyenletei, valamint Heinrich Hertz karlsruhei, elektromágneses hullámok létének bizonyítására szolgáló kísérletei voltak az első mérföldkövei az elektromágnesességen alapuló kommunikációnak és ezzel együtt a radarnak is. A radar egyik előfutárának Christian Hülsmeyer 1904-ben megalkotott "telemobiloszkópját" tekintjük, amely akár rossz időjárási körülmények között is detektálta a vízi járműveket. Az 1 méter hullámhosszon működő berendezés tulajdonképpen kvázi monosztatikus rendszerként működött, melynek adóantennája egy dipólantennarács, az irányított vevőantennája pedig egy parabolaantenna volt, amely 360 fokban körbeforgott. Amint a visszavert jel elérte a vevőt, egy csengőt kezdett működtetni, jelezve a detektált céltárgyat (hajót, vonatot). Albert Wallace Hull találmánya, a magnetron segítségével hatékonyan lehetett nagy teljesítményű, VHF jelet előállítani. Ez tette lehetővé, hogy viszonylag kisméretű radarberendezések egyre nagyobb frekvencián is működjenek, növelve ezzel a felbontást. A II. világháború idején a radar haditechnikai alkalmazásainak kiemelkedően fontos szerep jutott főként az ellenséges repülőrajok és csatahajók felderítésénél. A briteknél a HomeChain, a németeknél a Freya és annak haditengerészeti megfelelője a Seetakt segítette a felderítést. A világháború alatt kulcsszereplővé vált radaralkalmazások a későbbi 7

9 évtizedekben a civil repülés biztonságát és hatékonyságát növelték, valamint az ipar, az űrtechnológia és a közúti közlekedés területén megkerülhetetlenné váltak. [25] [50] A radar általános esetben adóból, vevőből, az adatokat feldolgozó és megjelenítő egységből áll. Elektromágneses hullámokat állít elő, majd az adóantenna segítségével kisugározza a térbe. Ha a sugárzás útjában elektromosan vezetőképes felület található, akkor arról a hullámok visszaverődnek. Amennyiben a visszavert elektromágneses energia egy részét képes érzékelni a vevőantenna a kibocsátás helyén, akkor a kisugárzás irányában céltárgyat detektáltunk. A visszavert frekvencia megváltozását a tárgy azonos irányú sebessége okozza (Doppler-effekt). A vett jel általában nagyon kis teljesítményű, ezért a jelfeldolgozás előtt különböző erősítő és zajszűrő áramkörök segítségével a vett jel tulajdonságait optimalizálják. [33] [26] 1.2. Radar egyenlet Az általános radar egyenlet levezetésénél feltételezzük, hogy a tárgy "pontszerű", azaz átmérője kisebb a megvilágításhoz képest (D < R γ BW ), az egyéb külső környezeti hatásoktól pedig eltekintünk. A levezetéshez és a könnyebb megértéséhez az 1.1. ábra is a segítségünkre lesz ábra. A radar elv ábrázolása Az adóantenna P T x teljesítménnyel sugároz, ekkor a következő összefüggést kapjuk a teljesítménysűrűségre az R távolságra lévő céltárgynál (target): S t = P T x 4πR 2 (1.1) 8

10 A fenti egyenlet egy ideális körsugárzó antenna teljesítménysűrűségére vonatkozik, azonban a valóságban a hatékonyság növelése érdekében minél nagyobb irányítottságra törekszünk: S t = P T x G T x 4πR 2 (1.2) A visszaverődő jel teljesítményét a céltárgy különböző tulajdonságai is befolyásolják, mint például az objektum alakja, mérete, anyaga, pozíciója. Az előbb felsorolt jellemzőket egy változóban, az úgynevezett hatásos keresztmetszetben (RCS - Radar Cross Section) foglaljuk össze. A céltárgy RCS-e egy fiktív felület, amellyel jellemezni tudjuk a tárgyról visszaverődő elektromágneses hullámok mennyiségét: P t = S t σ = P T x G T x 4πR 2 σ (1.3) A P t visszaverődő teljesítmény teljesítménysűrűségére a radar pozíciójában a következő összefüggést írhatjuk fel: S r = P t 4πR = P T x G T x σ (1.4) 2 (4πR 2 ) 2 Az antenna A r hatásos felületével a visszavert hullám teljesítménysűrűségéből P r teljesítményt nyel el. P Rx = S r A r = P T x G T x σ A r (4πR 2 ) 2 (1.5) A következő összefüggés írható fel az antenna nyeresége és hatásfoka között: Ebből következik a radaregyenlet: A r = 4πA r λ 2 (1.6) P Rx = P T x G T x G Rx λ 2 (4π) 3 R 4 σ (1.7) Amennyiben a vevő és az adó ugyanaz az antenna (monosztatikus eset), akkor az antennanyereségek megegyeznek egymással (G T x = G Rx ). Az általános radaregyenlet 9

11 R távolságra kifejezve: P R = 4 T x G T x G Rx λ 2 σ (4π) 3 P Rx A radarjelek hullámterjedését befolyásoló tényezőket figyelembe vettük az egyenlet felírásánál, de a gyakorlati alkalmazásához további szempontokat is figyelembe kell vennünk. Egy adott radarberendezés legfontosabb jellemzői (P T x, G, λ) konstansnak tekinthetők. A hatásos radar keresztmetszet viszont nagyon tág határok között mozoghat pozíciójától függően, valamint nagyon erős frekvenciafüggése is van, de a gyakorlatban általában 1m 2 az értéke. P Rxmin a legkisebb vett teljesítmény, amit a vevő még képes megkülönböztetni a zajtól. Ez gyakorlatilag meghatározza a legnagyobb távolságot, ameddig a radar "ellát". Kiterjedt céltárgy radaregyenlete P R max = 4 T x G T x G Rx λ 2 σ (4π) 3 P Rxmin Kiterjedt céltárgy alatt olyan objektumokat értünk, melyek átmérője nagyobb a megvilágításnál az adott helyen (D >> R γ BM ). Főként a képalkotó radaroknál van jelentősége ennek a feltételnek, ahol a radar a föld felszínét világítja meg. Az 1.2. ábrán látható, síkban kiterjedt céltárgy megvilágítását optikai analógiával mutatjuk be ábra. Síkban kiterjedt céltárgy megvilágítása A kiterjedt céltárgyról visszaverődő jel összefüggésben van egy úgynevezett "virtuális fókuszponttal", és úgy vehetjük, mintha ez a virtuális forrás sugározna. Ekkor 10

12 a vevőnél a teljesítménysűrűségre a következő összefüggés írható fel: Radaregyenlet síkban kiterjedt céltárgyra: A radar maximális hatótávolsága: [33] [23] [56]. S r = P T x G T x 4π(2R) 2 (1.8) P Rx = S r A r = P T x G T x G Rx λ 2 4 (4π) 2 R 2 (1.9) R max = P T x G T x G Rx λ 2 4 (4π) 2 P Rxmin 1.3. Doppler-effektus A XIX. század közepén egy osztrák tudós zenészeket ültetett egy mozgó vonatra, akik a trombitán ugyanazt a hangot folyamatosan játszották. Az állomáson lévő megfigyelők ugyanazt a hangot a vonat közeledésekor egyre magasabbnak hallották, távolodáskor pedig egyre mélyebbnek. A kísérlet megismétlésekor a vonatállomásra is ültetett zenészeket, akik ugyanazt a hangot játszották. A "mozgó" és az "álló" hangok interferáltak egymással, és egy lüktető ritmust érzékeltek. A tudóst Christian Dopplernek hívták, és ez a híres kísérlete bizonyítja a róla elnevezett hatást [30] ábra. Doppler-effektus ábrázolása Számtalan alkalmazása előfordul; asztronómiában a vöröseltolódást ezzel magya- 11

13 rázzák, illetve a traffipax radarja is Doppler-elven működik. Az effektus radaros alkalmazásainál a Doppler-hatást a radar és a céltárgy egymáshoz viszonyított mozgása hozza létre. A Doppler-effektusnál csak a hullámterjedés irányával megegyező sebességkomponens (v r radiális sebesség) számít. A Doppler-frekvenciára a következő összefüggést írhatjuk fel: ω D = 2πf D = 2π λ dr dt = 4πv r λ Legegyszerűbb esetben a céltárgy az antenna irányában mozog. Közeledéskor pozitív, fordított esetben negatív lesz a Doppler-frekvencia ábra. CW radar jelének frekvenciatartománybeli ábrázolása 12

14 2. fejezet FMCW radar analízis A gépjárműiparban használt radarszenzorok túlnyomórészt FMCW radarok. Ezért különösen fontos az FMCW radar működésének, felépítésének, alkalmazásainak mélyreható ismerete Bevezetés Az FMCW (Frequency Modulated Continous Wave) radar folyamatos vivőfrekvenciáját egy periodikus függvénnyel moduláljuk, amely lehet fűrészfog vagy szinuszoid (2.1. ábra) [31]. Az FMCW radarokat néhány alapvető tulajdonságuk teszi alkalmassá az automotív alkalmazásokban. A CW (Continuous Wave) radarral ellentétben, az FMCW radar képes a céltárgy távolságát is mérni. Erre a pulzus radar is képes, ugyanakkor meglehetősen nagy csúcsteljesítmény (peak power) szükséges a megfelelő működéshez. A sebességméréshez elengedhetetlen Doppler-frekvencia meghatározása ugyanakkor hiányzik a pulzus radaroknál. Az FM moduláció viszont lehetővé teszi mind a sebesség-, mind a távolságmérést. 13

15 2.1. ábra. Leggyakrabban használt FM modulációs jelalakok valamint a kisugárzott és a vett jelek különbségei 2.2. FMCW jel Vizsgáljuk meg alaposabban az FMCW jelalakját. Egy B s magasságú, fűrészfog alakú hullámformán mutatjuk be, hogyan nyerhető ki a szükséges információ a jelből. A kisugárzott LFM jel alakját a 2.2. ábrán láthatjuk és az időbeli frekvencia változását a következő egyenlet írja le: f t (t k ) = f c + B s T s (t k kt s ) kt s t < (k + 1)T s, k = 0, ±1, ±2,... (2.1) ahol f c a vivőfrekvencia, T s a növekvő chirp pásztázási (sweep) ideje, B s a jel sávszélessége, t k -val pedig a chirp-ön belüli időt jelöltük. Ideális esetben kisugárzott jel A t cos(φ T (t k )) fázisa integrállal kifejezve: ϕ T (t k ) = 2π t k 0 f T (ξ)dξ = 2π(f c t k γt2 k γ k T s t k ) ϕ 0 (2.2) ahol γ = Bs T s az LFM jel meredekségét jellemző chirp rate (magyarul?). A 2.3. ábrán egy álló helyzetű, pontszerűnek tekinthető testről visszaverődő jel útja látható. A 2.4. ábrán pedig egy radarhoz v r radiális sebességgel közeledő, R távolságra lévő, 14

16 2.2. ábra. 0.1 ms periódusidejű, 20kHz sávszélességű LFM jelalak időtartományban pontszerűnek tekinthető céltárgyról visszaverődő jelet láthatunk. Távolodó céltárgy esetén a Doppler-effektust figyelembe véve a késleltetési időre a következő összefüggés érvényes: t d = 2(R + v rt) c + v r 2(R + v rt) c (2.3) Jó közelítéssel a fénysebességhez képest a test radiális sebessége elhanyagolható. Továbbra is ideális esetet feltételezve a vett jelet A r exp( iϕ R (t k )) összeszorozzuk a folyamatosan kisugárzott jellel. A szorzás eredményeként kapott két jelet aluláteresztő szűrővel szűrjük. A megmaradt alacsony frekvenciájú, Doppler- és a beat frekvenciákat tartalmazó jelet, IF középfrekvenciának vagy beat jelnek nevezzük. A beat jel A T A R amplitúdóját az egyszerűbb számítás érdekében egységnyinek vesszük. A fentiek alapján a beat jel fázisa ϕ B (t k ) = ϕ T (t k ) ϕ B (t k t d ) egy up chirpre: 2πf c t d πγ(t s t d ) 2 2πγt k (T s t d ) 2 0 t k < t d ϕ B (t k ) = (2.4) 2πf c t d πγt 2 d 2πγt k t d t k < T s A beat jel számunkra érdemi információt a [t d, T s ] tartományban tartalmaz (2.4. ábra) ezért a 2.4 egyenlet erre a tartományra vonatkozó részével számolunk tovább. A 2.3 egyenletet a 2.4 egyenletbe behelyettesítve, átrendezés után jó közelítéssel a 15

17 2.3. ábra. Álló helyzetű céltárgy következő összefüggést kapjuk: 2R ϕ B (t k ) = 2π(f c c + f 2v r c c t + 2R c γt k) (2.5) ahol t a teljes vizsgált időtartományt jelenti. A céltárgy távolságára vonatkozó információt megkapjuk a beat frekvenciából: f b = γ 2R c = B s 2R T s c (2.6) A céltárgy távolsága: R = f bc 2γ = f bct s 2B s (2.7) A sebességre vonatkozó információt a Doppler-frekvencia hordozza: A céltárgy v r radiális sebessége: f D = 2v r c f c (2.8) v r = f Dc 2f c (2.9) 16

18 2.4. ábra. Közeledő céltárgy [43], [33], [41]. 17

19 2.3. FMCW radar jelfeldolgozás Ebben a fejezetben a Fourier-transzformációk elméleti alapjainak rövid áttekintése után az FMCW radarok jelfeldolgozásának működését mutatom be. A Fouriertranszformációk levezetéséhez a [22], [20], [21], [58], [59] forrásokban kiváló segítséget, és hasznos információt kaptam Fourier-transzformáció A Fourier-transzformáció során időben folytonos jeleket képezhetünk frekvenciatartományba és vissza időtartományba. A Fourier-analízis alapja, hogy minden időben folytonos jel különböző frekvenciájú és amplitúdójú szinuszoid jelekre bontható fel. f(t) = A(ν)cos(2πνt) (2.10) Integrállal kifejezve: ν= A(ν)cos(2πνt)dν (2.11) ahol A(ν) a jel amplitúdóját jelenti minden frekvencián, amely azonban nem tartalmaz fázisinformációt. Az amplitúdót komplex síkon ábrázolva, valamint a szinuszoid jelet Euler-formulával felírva a A(ν)cos(2πνt) jel hozzáadott fázisinformációval: F (ν) = e 2πiνt (2.12) Miután minden frekvencián összegeztük a komponenseket a következő összefüggést kapjuk, amely egyben az inverz Fourier-transzformáció: f(t) = F (ν)e 2πiνt dν (2.13) 18

20 Megfordítva a transzformációt megkapjuk a Fourier-transzformációt, amellyel meghatározhatjuk a jelek frekvencia tartománybeli alakját: F (ν) = f(t)e 2πiνt dt (2.14) Diszkrét Fourier-transzformáció Amikor az időtartománybeli mintavételezett jel értékeit frekvencia tartományba képezzük le, Diszkrét Fourier-transzformációról (továbbiakban DFT) beszélünk. A DFT-nek számtalan alkalmazása létezik a képfeldolgozástól kezdve a spektrumanalízisen keresztül a telekommunikációs feladatokig. A gyakorlatban lehetetlen a frekvenciát és az időt folyamatosan vizsgálni, ezért a DFT-nél adott időpontokban mintavételezett kvantált értékekkel számolunk. A folyamatos Fourier-transzformációval összehasonlítva, a diszkrét esetben integrálás helyett N mintát adunk össze, valamint az összes frekvencia helyett csak bizonyos frekvenciákat vizsgálunk. Az előbb leírtak és a 2.14 alapján a Diszkrét Fourier-transzformációt a következő egyenlet definiálja: X[k] = N 1 n=0 kn i2π x[i]e N k = 0, 1, 2,..., N 1 (2.15) ahol x[n] az időtartományban mintavételezett jel értékeit, valamint N a minták számát jelöli. Az időbeli mintavételezést az alábbi egyszerű összefüggés mutatja be: T m = 1 f m (2.16) ahol T m az egyes minták közötti eltelt időtartamot (mintavételi időt) jelenti, az f m -el pedig a mintavételi frekvenciát definiáljuk. A frekvenciatartománybeli felbontás a következőképpen írható fel: f = f m N = 1 Nt m (2.17) ahol f a frekvencia felbontást, Nt m pedig a teljes vizsgálati időt jelenti. Ha növelni szeretnénk a frekvencia felbontást, tartsuk adott értéken az f m mintavételi frekvenciát miközben növeljük a minták számát. Másik lehetséges megoldás, ha a minták számának állandó értéken tartása mellett csökkentjük a mintavételi frekvenciát. 19

21 Gyors Fourier-transzformáció A Diszkrét Fourier-transzformáció legnagyobb hátránya az óriási számításigény. DFT komplexitása N 2, míg a Gyors Fourier-transzformációnál (továbbiakban FFT) elegendő Nlog 2 N műveletet elvégeznünk. Ez főleg a számításigényes feladatoknál jelent jelentős számolási hatékonyságot. Az FFT alapötletét a szinuszoid jelek periodikusságának kihasználása adta. Bontsuk fel a 2.15 egyenletet páros és páratlan tagok összegére: F [k] = N/2 1 p=0 k(2p) 2π x[2p]e N N/2 1 + p=0 k(2p+1) 2π x[2p + 1]e N (2.18) Megfelelő egyenletrendezés után szimmetriaazonosságokat állapíthatunk meg a koszinusz, szinusz és e-ados tagokban egyaránt. Ebből az következik, hogy minden ismétlődik k = N/2 után, tehát megfeleződik a DFT kiszámolásához szükséges műveletek száma. Bontsuk fel a páros és páratlan tagok összegét a saját páros és páratlan tagjaik összegére egészen addig, amíg mindegyik összeg csak egy tagból fog állni. Az algoritmus műveletigénye Nlog 2 N nagyságrendűre fog csökkenni. Az FFT szemléletes és részletes levezetése [59]-ben ismerhető meg Jelfeldolgozás A jelfeldolgozás egyik lehetséges módszere a két dimenziós gyors Fourier-transzformáció (továbbiakban 2D-FFT). Másik módszer az idő-frekvencia analízis (TFA), amelyre nem térek ki, viszont bővebb információ a [37]-ban található. A 2D-FFT analízist a 2.2 fejezetben megismert LFM jelalakra fogom végrehajtani. Első lépésként a 2.5 egyenlet egydimenziós t változóját kétdimenziós idővé t = t k + kt s alakítjuk, ahol t k a chirp-ön belüli időt, kt s pedig a korábbi chirp-ök idejét jelenti. Majd a 2.5 egyenletbe behelyettesítve és a 2.6-t és 2.8-t felhasználva a következő egyenleteket kapjuk: ϕ B (t k ) = 2π{f c 2R c + f dkt s + (f b + f D )t k } (2.19) f B2D (t k ) = f c 2R c + f dkt s + (f b + f D )t k (2.20) 20

22 ahol f B2D (t k ) a két dimenziós térben a beat frekvencia(?). Eredményként megkapjuk a beat jelet: s B (t k ) = K 1 k=0 e iϕ B(t k ) kt s t k < (k + 1)T s (2.21) A beat minden egyes periódusát f m = 1/T m mintavételi frekvenciával mintavételezzük. s B [nt s ] = K 1 N 1 e i2π{fc 2R c +f dkt s+(f b +f D )nt s} k=0 n=0 (2.22) A 2.22 egyenlet Fourier-transzformációja minden chirpre a következőképpen alakul: S B,1D (k, p) = K 1 k=0 N 1 n=0 e i2π{fc 2R c +f dkt s+(f b +f D )nt s} n p i2π( e N ) = K 1 k=0 N 1 n=0 e i2π[fc 2R c +f dkt s+{(f b +f D )nt s n p N }] (2.23) Az s B [nt s ] Fourier spektrumának maximuma S B,1D (k, p) tartalmazza a távolságés a sebességinformációkat: p = NT s (f b + f D ) (2.24) Ezután a transzformáció után csak közelítő értéket tudunk megállapítani a távolságra, mivel f b >> f D. A 2.23 egyenletben a frekvencia a chirp indexétől, k-tól függ, mivel S B,1D (k, p) spektrumában a frekvencia 2πkf D T s k függvényében változik. A második Fourier transzformációt a S B,1D (k, p) spektrumon hajtjuk végre. S B,2D (l, p) = K 1 k=0 e i2π(fc 2R c +f DkT s) t k i2π( e K K 1 = k=0 e i2π{fc 2R c +(f DkT s i2π( t k K )} (2.25) Ahogy az előző transzformációnál, itt is az abszolút maximum értékből S B,2D (l, p) tudjuk a sebességre vonatkozó információt kinyerni: l = f D T s k (2.26) A 2.5. ábrán egy sebesség-távolság Doppler-térkép látható, amelyen jól látható a 2D-FFT végeredménye. Az automotív FMCW radarok sebesség- és távolságméré- 21

23 séhez szükséges két dimenziós Gyors Fourier-transzformáció részletesebb elemzését, valamint kiváló szimulációs eredményeket a [41] publikációban olvashatunk. Természetesen a jelfeldolgozás minősége, pontossága különböző technikai megoldásokkal, algoritmusokkal tovább javítható. Szakdolgozatom keretein belül csak a jelfeldolgozás alapjaira szorítkoztam ábra. Több céltárgy detektálása szimulált Doppler-térképen [37] 2.4. FMCW radar felbontás Távolságbeli felbontás A távolságbeli felbontási képesség megmutatja, hogy a radar két egymáshoz közeli tárgyat meddig képes különálló céltárgyként detektálni. R 1 és R 2 távolságra lévő két céltárgy frekvenciabeli különbsége: f b = f B1 f B2 = 2B s ct s R 1 R 2 = 2B s ct s R (2.27) A T s periódusidőből következik a minimális beat frekvencia f Bmin /T s, amelyből kifejezhető a minimális távolságbeli felbontás: f Bmin = 1 T = 2B s ct R min R min = c 2B s (2.28) 22

24 Az összefüggésből egyértelműen látszik, hogy a felbontás és a sávszélesség között fordított arányosság áll fent, ezért érdemes arra törekedni, hogy a céltárgyat az FM jel teljes tartományában detektálni lehessen. T s csökkentése a felbontás romlását okozza. [23] Sebességbeli felbontás A sebességbeli felbontás a Doppler érzékenységből f D vezethető le. Hasonlóan az előzőekhez a sweep időé lesz a meghatározó szerep, ugyanis: f D = 1 T s (2.29) v r -re a következő összefüggést kapjuk: [33]. v r = c 2f c f D = c 2f c T s (2.30) 2.5. FMCW radar architektúra Ebben a részben bemutatom az FMCW radar felépítését a jel útját végigkísérve a jelgenerálástól egészen a jelfeldolgozásig. A rendszer könnyebb megértéséhez segítséget nyújt a radar blokkdiagramját ábrázoló 2.6. ábra. A jelgenerátor által előállított moduláló (fűrészfog, háromszög, szinuszoid) jel a feszültségvezérelt oszcillátor (VCO) bemeneti jeleként funkcionál. A VCO feszültséggel arányos frekvenciájú jelet állít elő, ezért kiválóan alkalmazható FM és PM modulációk megvalósításához. A feszültségvezérelt oszcillátor frekvenciamodulált jelét teljesítményosztó segítségével két részre osztjuk: a kisugárzandó jelre és a referenciajelre. A kisugárzandó jel ezután egy nagy nyereségű adóantennán távozik, majd a céltárgy távolságától függő időbeli eltolással a vevőantennára érkezik. A gyenge teljesítményű, vett jelet LNA segítségével felerősítik, majd a keverő áramkörökben a vevő optimalizált jelét és a teljesítményosztó referenciajelét összeszorozzák. Aluláteresztő szűrés és AD-konvertálás után, a korábban ismertetett jelfeldolgozási technikák és algoritmusok használatával kinyerhetőek a számunkra szükséges információk. [33] 23

25 2.6. ábra. FMCW radar blokkdiagramja 24

26 3. fejezet Automotív radarok elemzése 3.1. Rövid fejlődéstörténet Az alapötlet, hogy egy gépjárművet radarszenzorral szereljenek fel, egészen az es évekig nyúlik vissza. A Cadillac Cyclone XP-74 típusú futurisztikus tanulmányautóba implementáltak először radaralapú ütközéselhárító rendszert a General Motors tervező mérnökei. A módosított repülőgépradarok az autó elején található extravagáns, fekete műanyag kúpok mögött helyezkednek el. A vezetőnek a műszerfalon hangjelzés és figyelmeztető fény jelzi az előtte felbukkanó lehetséges veszélyforrást. A kor technikai fejlettségének megfelelően, a radar csöves technológiával készült, valamint viszonylag egyszerű céltárgyfelismerő képességgel rendelkezett. Ennek ellenére hatalmas technikai újításnak számított abban az időben, és a mai gépjármű radarok ősének tekintjük [19] [23]. Az 1970-es évek közepére, a kezdeti 10 GHz-es frekvenciáról fokozatosan áttértek a magasabb 35 GHz-es illetve 50 GHz-es frekvenciára, amely kisebb antennaméretet, ezáltal könnyebb implementálhatóságot eredményezett. A változáshoz jelentősen hozzájárult a mikroprocesszorok valamint a digitális jelfeldolgozás megjelenése [32]. Az első, csak tranzisztorokból álló automotív radart Ulmban fejlesztették ki az 1970-es években, amely működési frekvenciája 35 GHz volt és elérte a 2 méteres felbontást [35]. Egy hatalmas méretű beruházás keretein belül, az amerikai Greyhound nevű vállalat 1992-ben, 1500 buszba VORAD-típusú gépjármű-felismerő rendszert tett. A Greyhound buszokban fázisvezérelt antennarácsot használtak: K-sávú (24,15 GHz), előrenéző, 3.5 fokos nyaláb, gépjárművek detektálása X-sávú (10,525 GHz), oldalra felszerelt 140 fokos nyaláb, holttérfelderítés 25

27 3.1. ábra. Cadillac Cyclone típusú tanulmányautó 1959-ből Az FMCW modulált jelet 0.5 mw-os teljesítménnyel sugározták ki, amellyel körülbelül 100 méteres hatótávolságot értek el sofőr több, mint egy éven keresztül összesen 400 millió kilométeren tesztelte. Ez idő alatt a balesetek száma drasztikusan csökkent, és a vállalat történetének legjobb baleseti statisztikáját produkálta. Ennek ellenére egy évvel később, 1993-ban az összes buszból kiszerelték a teljes rendszert. A rendőrség sebességmérő radarjaival azonos frekvencián működő buszradarok ugyanis interferáltak a személygépjárművek traffipaxjelző-berendezéseivel. A másik oka a sofőrök szakszervezetének tiltakozása volt, miszerint a fedélzeti számítógép memóriájából utólag is hozzáférhetővé váltak vezetéssel kapcsolatos adatok, és az esetleges balesetek is sokkal könnyebben rekonstruálhatóvá váltak [32] [47]. Az első automatikus távolságtartó rendszerek (AICC, ACC, ICC) az 1990-es évek közepétől jelentek meg. A mikrohullámú integrált áramkörtervezés fejlődésével az új szabvány a GHz-es frekvenciatartományt határozta meg az ACC-nak ban a Mercedes Benz mutatta be a DISTRONIC [5] nevű rendszerét, amely már ebben a frekvenciatartományban működött ban pedig DISTRONIC PLUS került a felső kategóriás modellekbe, egy 76 GHz-es nagy hatótávolságú, és két 24 GHz-es rövid hatótávolságú radarszenzorral, valamint egy úgynevezett PRE-SAFE Brake rendszerrel, amely tovább növelte a gépjárműben ülők biztonságát. A PRE- SAFE Brake akkor is figyelmeztet a felbukkanó veszélyre, ha a tempomatot éppen nem használjuk, illetve vészhelyzetben a rendszer automatikusan fékezni kezdi az autót, ezzel is csökkentve a becsapódás sebességét [40] [39]. Az elmúlt évtizedben 26

28 az automotív radarok fejlesztésének területén robbanásszerű változásnak lehettünk tanúi [44]. Egyre több gyártó felismerte, hogy az automotív radarszenzorok már nem a prémiumkategória modelljeinek extráihoz tartoznak, hanem egyre inkább az egyszerű személyautók elengedhetetlen, biztonsági kockázatot csökkentő tartozékai Alkalmazások Ebben az alfejezetben a különböző alkalmazásokat hatótávolság szerinti csoportosításban mutatom be. Természetesen vannak átfedések a csoportok között. A nagy hatótávolságú radaralkalmazásokhoz (Long Range Radar - LRR) előrenéző, keskeny antennanyalábra van szükség. Közepes hatótávolságú alkalmazásokat (Mid Range Radar - MRR) közepes távolság- és sebességérzékelésre fejlesztették ki. A nagy felbontás és a megbízható pontosságú detektálás kiemelten fontos rövid hatótávolságban (Short Range Radar - SRR), többek között a parkolás segítésekor [9]. A 3.1 táblázat segítségével szeretnék egy összefoglaló képet adni a különböző hatótávolságok legfontosabb követelményeiről Nagy hatótávolságú radaralkalmazások Adaptive Cruise Control - ACC A fejlesztésekben a nagy hatótávolságú radarok csoportján belül az ACC kezdetektől fogva kulcsfontosságú szerepet töltött be. A rendszer tulajdonképpen intelligens tempomatként, a sofőr által előre beállított követési távolsághoz állapítja meg a jármű pillanatnyi sebességét [38]. Mindennapos forgalmi szituáció az autópályán, ha a belső sávba bejön egy másik jármű az autó elé. Ekkor a sofőr beavatkozása (fékpedál lenyomása) nélkül az autó automatikusan visszalassít a kívánt követési távolság eléréséig. Amint felszabadul az előtte lévő sáv, újra visszagyorsít a beállított sebességre. Emergency Break Az Emergency Break Assistant funkció tulajdonképpen egy több lépcsőből álló, összetett folyamat. A gépjármű előtt lévő lehetséges veszélyforrásra először hangés fényjelzés figyelmeztet. Ha a rendszer nem észlel beavatkozást, mérsékelten fékezni kezd. Amennyiben ez sem elegendő, maximális erősségű fékezés is aktiválódik az ütközés elkerülése vagy tompítása érdekében. Megfelelő tervezéssel nemcsak a sze- 27

29 3.1. táblázat. Radaralkalmazások követelményei [9] Típus LRR MRR SRR Maximum adó teljesítmény 55 dbm -9dBm/MHz -9dBm/MHz Frekvencia sáv GHz GHz GHz Sávszélesség 600 MHz 600 MHz 4 GHz Hatótávolság m m m Távolságbeli felbontás R 0.5 m 0.5 m 0.1 m Távolságbeli pontosság δr 0.1 m 0.1 m 0.02 m Sebességbeli felbontás v 0.6 m/s 0.6 m/s 0.6 m/s Sebességbeli pontosság δv 0.1 m/s 0.1 m/s 0.1 m/s Szögpontosság δϕ Azimuth nyílásszög ϕ max ± 15 ± 40 ± 80 Elevációs nyílásszög ϑ max ± 5 ± 5 ± 10 Méret 74x77x58 mm 50x50x50 mm 50x50x20 mm mélyautóknál, hanem a hatalmas, áruval megrakott kamionoknál is alkalmazható ez az életmentő fejlesztés, mint például a Volvo Collision Warning with Emergency Brake (CW-EB) rendszere [51] Közepes hatótávolságú radaralkalmazások Cross Traffic Alert A Cross Traffic Alert alkalmazás nagy segítség lehet, ha a parkolóhelyről hátramenetben kiállva a parkoló autóktól nem belátható az út, ahova kitolatunk. Ilyenkor figyelmeztet a CTA a közelgő veszélyre, a gépjármű oldalára telepített radarszenzorok segítségével. Többek között a Ford innovatív BLIS [53] [10], valamint a Mazda i-activsense rendszere is rendelkezik ilyen funkcióval. Pedestrian Detection Az EU-tagállamokban a halálos közúti balesetekben az elhunytak 22%-a gyalogos volt 2014-ben. A gyalogos halálos balesetek száma sokkal lassabban csökken, mint a többi közúti baleseté. Különösen veszélyeztettek az idősek, valamint nagyobb a kockázat a városi régiókban [24]. A gyalogosok megbízható detektálása ezért kiemelkedően fontos szerepet játszik az autógyártóknál. Az érzékelésnél a radarszenzor feladata a céltárgyak távolságának és sebességének meghatározása, amelyet egy első szélvédőn elhelyezett automatikus képfelismerő kamera támogat. A kétfajta frek- 28

30 venciatartományban működő szenzor egymást kiegészítve növeli az érzékelési pontosságot. Kritikus helyzetben hasonló eljárást követ a rendszer, mint vészfékezéskor [7]. Blind Spot Detection Az autó oldalán A holttér "megvilágításához" két szenzorra van szükség, amelyek antennanyalábjai a 3.2. ábrán láthatóan vannak irányítva. Amint a holttérbe érkezik egy autó, a visszapillantó tükörben figyelmeztető jelzés villan fel, amely egészen addig jelez, amíg a közeledő gépjármű ki nem kerül az autó holtteréből. Többek között a Subaru Safety Technology fejlesztésének is része a Blind Spot Detection [49] ábra. Holttér megvilágítás Lane Change Assist A sávváltást segítő asszisztens nagyon hasonló a holttér felderítését segítő radaralkalmazáshoz. Ha egy gépjármű holttérben halad miközben indexeléssel sávot szeretnénk váltani, az asszisztens intenzívebb jelzést ad a várható vészhelyzet miatt [49]. A sofőr támogatása ebben az esetben passzív módon történik, de léteznek aktív megoldások is, például a Mercedes új E-osztályánál [4] [42]. Többsávos utakon (autópálya, autóút) elég csak irányt jelezni a előző manőver előtt és után. A többit a gépjármű megoldja, figyelembe véve azt is, ha esetleg a szomszédos sáv foglalt. 29

31 Kis hatótávolságú radaralkalmazások Parking Assist Az aktív parkolást segítő alkalmazásoknál első lépésként a megfelelő parkolóhely kiválasztása is hozzátartozik. A Parking Assist aktiválása után, viszonylag lassabb sebességgel (35 km/h) és az esetleges parkoló autóktól maximum 1.5 méterre haladva, a rendszer maga is megtalálja a lehetséges helyeket [15]. Miután az autót lefékeztük, elengedjük a kormányt és a pedálokat. Az autó magától beáll a kívánt helyre, legyen szó merőleges vagy párhuzamos parkolásról. Számos autómárkánál megtalálhatók parkolást segítő alkalmazások, mint például a BMW-nél [15], vagy a KIA-nál [8]. Stop and Go Belvárosi forgalomban, vagy forgalmi dugóban vehető igénybe a Stop and Go (máshol Traffic Jam Assist) alkalmazás, amely lehetővé teszi a sofőr nélküli vezetést ezekben a forgalmi szituációkban. Az alkalmazás aktiválásával, a rendszer meghatározza a jármű útját a felfestett sávok és a környező autók helyzete alapján. Hasonló a működési elve az Adaptive Cruise Control-hoz, de csak 65 km/h-ig működik, forgalmas környezetben [3]. Amint megszűnik a forgalom, a műszerfalon jelzés villan fel a gépjármű irányításának visszavételére. Ez a kényelmi funkció már elérhető az Audinál [3], és 2018-ig tervezik bevezetni a Peugeot-nál valamint a Citroen-nél [29] Gépjármű radarokra vonatkozó frekvencia szabályozások Az automotív radarok Jelenleg két különböző frekvenciasávot használnak: a 24 GHz, illetve a 77 GHz körüli sávot. További frekvenciasávok (10 GHz alatt, illetve 100 GHz felett) lehetőségeinek kiaknázása, kutatása jelenleg is folyik, de gyakorlati szerepük napjainkban nem jelentős. Magas frekvenciatartományban az eső és a köd csillapítása válik meghatározóvá, alacsony frekvenciákon az egyre nagyobb szenzorméret valamint az alacsony felbontás szab határt az automotív radarok tervezésénél. Manapság igen komoly verseny folyik a két frekvenciasáv között. A 77 GHz-es sáv a nagy teljesítményű szenzorok megvalósítási lehetőségeinek szélesebb skáláját kínálja, mint a 24 GHz-es. Ezenkívül nem hanyagolható el a korábban említett érzékelőméret, amelyet az antenna apertúrája határoz meg. A közeljövőben a nagy felbontású 30

32 SRR szenzorok abszolút sávszélessége 4 GHz körül lesz. A 77 GHz-es sáv további előnyeként említhető, hogy ez csak 5%-os relatív sávszélességet jelent szemben a 24 GHz 17%-ánál, amely jelentősen megkönnyíti az antenna tervezését. Ahogy a 3.3. ábrán láthatjuk, 24 GHz-en nem megengedett a nagy adóteljesítmény széles sávszélességen. A technikai feltételek mellett a különböző döntéshozó testületek (CEPT - Európa, FCC - USA) is befolyásolják a frekvenciasávok meghatározását. Az állandóan módosuló előírásokat, direktívákat az egyes országok hivatalos frekvenciaszabályozásért felelős szervei is felülírhatják, amely állandó konfliktusforrásként jelentkezik. Ennek ellenére a cél az, hogy minél inkább egységessé váljanak a követelmények az egész világon. Közelmúltbeli állás szerint, a világon majdnem mindenütt elérhető GHz-es sáv mellett, a közvetlenül mellette lévő GHZ-es sáv is használható automotív radaralkalmazásokra. Ez tette lehetővé a 24 GHz-es UWB gépjármű radarok cseréjét a SRR eszközöknél [9] ábra. Gépjármű radarokat érintő frekvencia szabályozások [44] 3.3. Az automotív radarok jövője A gépjármű radarok jövőjéről számtalan tanulmány, értekezés született, illetve jelenleg is a kutatókat és az autóipart komolyan foglalkoztatja. Az autókban ülők biztonságát, kényelmét, és nem utolsósorban az alacsonyabb fogyasztást szem előtt tartva az irány egyértelműen az autonóm járművek fejlesztése. Baleseti statisztikák alapján belátható, hogy a balesetek legnagyobb része a sofőr gondatlansága miatt 31

33 következett be. A passzív biztonsági rendszerek (biztonsági öv, légzsák) mellett itt kapnak szerepet a fentebb bemutatott, aktív biztonsági megoldások, amelyek kiegészítik, vagy sok esetben kiküszöbölik a vezető korlátait. A komplex, biztonságos vezetést segítő rendszerek (Advanced Driver Assistance Systems) jövője a még szorosabb és összetettebb szenzorfúziós megoldásokban kutatható, amelynek továbbra is fontos része marad az automotív radartechnika. Az automotív radarok egyik lehetséges továbbfejlesztési iránya - a jelenlegi W-sáv lehetőségeinek kiaknázása mellett - a magasabb frekvenciatartományban ( GHz) való kutatás. A magasabb frekvencia miatt, jobb felbontás és pontosság érhető el. A biztonságosabb közlekedést az Európai Unió is felkarolta, amikor meghirdette a "Cselekvés az utak biztonságáért" évtizedét 2011 és 2020 között. Fő célja a halálos közúti balesetek drasztikus csökkentése, így jelentős szerepet kapott az automotív radarszenzorok minél intenzívebb fejlesztése is. Érdekes tisztázandó kérdés lehet a jövőben, ha az autonóm rendszer hibájából történik a baleset, akkor a gyártó hogyan és milyen mértékben vonható felelősségre. Véleményem szerint a technika fejlődésével a megfelelő jogi szabályozások is életbe lépnek majd. Tömören összegezve a 3.4. ábrán látható a jövő, amelynek egy része már számos alkalmazás révén meg is valósult. A "feet off" ma is forgalomban működő megoldásai az ACC, az Emergency Brake Assist stb. A "hands off" jelenleg csak bizonyos időbeli és környezetbeli korlátok közé szorítva működik, mint például az aktív Lane Change Assist. A napi forgalomszintű "eyes off" megoldások még a jövőre várnak, de ígéretes kutatási eredményeket láthattunk például a teljesen autonóm GoogleCar-nál [28], [39], [16] ábra. Az autonóm vezetést segítő rendszerek fejlődési iránya 32

34 4. fejezet Radar szimulációs modell Különösen az automotív radar alkalmazásoknál fontos egyszerre több céltárgy megfelelő pontosságú azonosítása. Az előző fejezetben ismertetett alkalmazások kifejezetten összetett radartechnológiai megoldásokat igényelnek. Ezeknek a fejlett vezetést segítő rendszereknek a fejlődésével (Advanced Driver Assistance Systems - ADAS) felmerül az igény a teljes rendszer, illetve alkotóelemeinek, egyes szenzorainak, algoritmusainak megbízható, és a valóságot minél jobban megközelítő tesztelésére. Elsőre logikusnak tűnhet az automotív radarrendszer valós környezetben való (gépjárműbe implementálva például országúton) tesztelése. Ez azonban jelentős költségnövekedéssel és időráfordítással jár. Olyan szimulációs modellek megalkotása, valamint olyan radar target szimulátorok használata, amelyek a lehető legpontosabban leírják a radar, a gépjármű, a környezet és a céltárgy tulajdonságait, sokkal biztonságosabb, költséghatékonyabb és időtakarékosabb tesztelést tesznek lehetővé. További előnyükként említhető, hogy laboratóriumi tesztelés során az összes előrelátható szituáció kipróbálható, megismételhető, különböző beállításokkal kikísérletezhető. A szimulálás és tesztelés előtt nélkülözhetetlen a radar és céltárgy paramétereinek és ezek hatásainak ismerete, amelyről rövid áttekintést adok a következő alfejezetekben. A fejezet további részeiben az automotív radarok különböző lehetséges szimulációs megoldásait ismertetem: az egyszerű MATLAB-szimulációtól kezdve, a precízebb Anritsu-s radarjel generáláson keresztül, egészen a radarszenzorok tesztelésére is képes radar target generátorokig, ahol egy kísérleti target generátort és a Rohde Schwarz hihetetlenül sokoldalú fejlesztését vizsgálom meg közelebbről. 33

35 4.1. A radar általános jellemzői A szimulációs modell legfontosabb alkotóeleme természetesen maga a radar. Egyes paraméterei alapvetően meghatározzák a képességeit, ezért a szimuláció során sem szabad ezeket figyelmen kívül hagyni. A maximális hatótávolságot az adóteljesítmény, az antenna nyeresége és a vevő érzékenysége határozza meg. Ezenkívül az adóteljesítmény az antenna fizikai paramétereit is meghatározza. A távolságbeli felbontást a pásztázási sávszélesség befolyásolja. A radar frekvenciája számos jellemzőre hatással van, többek között az eszköz méretére, a hullámterjedési veszteségekre, a céltárgy felbontására és az antenna irányítottságára. A szkennelés gyorsaságától, valamint a nyaláb szélességétől függ a szögbeli felbontás és a detektálás valószínűsége. Automotív radarok esetén az esetek döntő többségében, a gépjárműre rögzített radar maga is mozgásban van. Ezért mindig a radar sebességéhez mért relatív sebességgel kell számolni [12] Céltárgy és környezet jellemzői A teljes radar szimulációs modell elengedhetetlen része a céltárgy és a mérési környezet alapos megismerése és feltérképezése. Automotív radarok szempontjából a céltárgy legfontosabb tulajdonságai a sebessége és a távolsága. Fontos jellemzője még az RCS, amely alapján jó közelítéssel beazonosítható, hogy az objektum milyen típusú (gyalogos, kerékpáros, személygépjármű, kamion). Ami a hullámterjedési modellt illeti, egyszerűbb esetben a kétutas terjedéssel érdemes kalkulálni. A kisugárzott jel főként az úttesten és más járműveken reflektálódik, amely természetesen a céltárgyról visszaverődő jelre is igaz. A különböző útvonalat bejáró jelek a vevőnél összegződnek vagy kioltódnak. Emiatt erős fluktuációra számíthatunk, amely hatékony modellezési megoldást követel. Az elhagyatott, sík területen haladó utaknál ez a hatás jelentősen kisebb, de egy sűrű, forgalmas városi környezetben, vagy erdei utakon a fluktuációt tovább növelheti rengeteg felületi visszaverődés valamint a clutter [1] [2] MATLAB szimuláció - Doppler becslés Egy beépített, FMCW radar alapú ACC szimulációs modellt használtam MAT- LAB környezetben, számos külső paraméterbeállítási lehetőséggel. Megpróbáltam minél jobban az 5. fejezetben bemutatott radar tulajdonságait szimulálni, azonban 34

36 a modell korlátai ezt nem minden esetben tették lehetővé. A szimuláció segítségével Doppler-becslést végezhetünk egy mozgó céltárgy sebességére és távolságára. A 77 GHz-en működő FMCW radar hatótávolsága maximum 200 m, felbontása 1 m. A pásztázási időre a modell az aktuális maximális hatótávolság megtételéhez szükséges idő 5 és 6-szorosa közötti értéket alkalmaz (jelenleg ez az érték 5.5). A szimulációban a radar sebessége 50km/h, ezért a gépjármű maximális sebességét 315km/h-ra állítottam, ugyanis az ARS 308 típusú radar közeledő jármű esetén 265km/h relatív sebességet képes még kezelni. A személyautó RCS-t a távolság függvényében határozzuk meg [27]. Az antennára vonatkozó adatokat a Continental radar adatai alapján adtam meg. fénysebesség: c = m/s működési frekvencia: fc = Hz maximális hatótávolság: range_max = 200m pásztázási idő: tm = 2ms pásztázási sávszélesség: bw = Hz radar sebessége: radar_speed = 50km/h céltárgy távolsága: car_dist = 50m céltárgy sebessége (közeledő): car_speed = 100km/h céltárgy RCS: car_rcs = 100 szimulációs chirp-ök száma: Nsweep = 64 antenna apertúra: ant_aperture = m 2 antenna adóteljesítmény tx_ppower = W A F.2 függelékben található az FMCW szimulált jelalakja, valamint a vett jel és dechirped jel spektruma. A szimuláció végén a kezdeti beállításoknak megfelelő végeredményt kaptam a 4.1. ábrán látható Doppler-térképen. 35

37 4.1. ábra. Doppler-becslés végeredménye (MATLAB kód: [1]) 4.4. Radar target szimulálás Anritsu MG3690C-vel Az egyszerű MATLAB-környezetben való szimulálásnál sokkal összetettebb és valósághűbb szimulációk létrehozására van lehetőség az Anritsu mérési elrendezésével (4.2. ábra). A MG3690C mikrohullámú jelgenerátor segítségével különböző tulajdonságú radarjeleket állíthatunk elő igen széles, 0.1 Hz - 70 GHz-es tartományban. A MA2411B típusú teljesítményszenzorral valamint a ML2490A teljesítménymérővel mérhetjük a generált jelet. Megfelelő szoftveres környezetet a PowerMax nevű szoftver biztosítja, amely lehetővé teszi az eredmények megjelenítését és dokumentálását grafikus és numerikus módon is. Mozgó tárgyak szimulálását egy beépített Step Delay funkció egyszerűsíti le. A céltárgy mozgása miatt a visszaverődő jel amplitúdója folyamatosan változik, amelyet az AM funkcióval szimulálhatunk. A szimulálás szoftveres támogatására LabVIEW modulokat is használhatunk, amelyet az NI és Anritsu szoros együttműködése tesz lehetővé [11]. A különböző mérési beállításokról a [12] útmutatóban olvashatunk, a műszerek részletes dokumentációit itt találjuk: [14] [13] 36

38 4.2. ábra. Mérési elrendezés target szimuláláshoz 4.5. Kísérleti radar target szimulátor bemutatása A radar megbízható és teljeskörű tesztelése számos megoldandó kérdést vet fel. Hogyan oldható meg a a környezeti hatások valamint a különböző távolságú és sebességű céltárgyak szimulálása? Amennyiben elegendő nagyságú, méréshez alkalmas tér áll a rendelkezésre, megadott távolságokat és szögbeli pozíciókat sarokreflektorok segítségével lehet tesztelni. Megadott sebességű objektum megbízható generálása és reprodukálhatósága már sokkal nehezebb feladat. A [48] tanulmány egy mozgó részek nélküli megoldást, a radar target generátort elemzi. Segítségével röviden áttekintem a target szimulátorok alapelvét, és azoknak egy lehetséges megvalósítási módját. Ebben segítségemre lesz a 4.3. ábra is. A tesztelendő radarszenzor kisugárzott jelét a generátor tölcsérantennája veszi. A vett jelet 2 GHz-es alapsávra keverjük, amelyhez szükség van egy helyi oszcillátorra is. A lekevert jelet teljesítményosztó segítségével két részre osztjuk, így lehetőségünk nyílik két céltárgy szimultán generálására. Ezután két vektormodulátorral frekvenciaeltolást adunk az alapsávi jelhez. Így a DDS IQ-szintézerek által generált frekvenciatartománybeli eltolással állítjuk elő a mozgó céltárgy sebességinformációját tartalmazó Doppler-effektust. A két céltárgy távolságának szimulálása eltérő módon történik. A 4.3. ábrán látható 1. szimulált céltárgy esetében a szükséges egymodusú fényvezető szálon keresztül adjuk hozzá. Az optikai szál végein RF-optikai, és optikai-rf átalakítók találhatók. A konvertálások és az optikai szál együttes hatása révén fix 50 méteres távolságnak megfelelő késést adunk hozzá a jelhez. A másik céltárgy esetében méteres tartományban binárisan kapcsolható optikai és koaxiális késleltetési vonalakat használunk. Az objektum 37