[论文解读] CFAR-Based Interference Mitigation for FMCW Automotive Radar Systems

Jianping Wang|arXiv (Cornell University)|Jan 4, 2021

Radar Systems and Signal Processing参考文献 23被引用 4

一句话总结

本文提出两种基于CFAR的干扰抑制技术——CFAR-Z与CFAR-AC，用于FMCW汽车雷达系统。通过在时频域中利用一维CFAR检测器检测干扰（表现为短啁啾状分量），并采用置零或幅度校正方法，有效抑制干扰，同时保留有用的目标信号，在保持低计算复杂度的前提下，实现优于现有方法的信号与干扰加噪声比（SINR）及互相关系数，适用于实时处理。

ABSTRACT

In this paper, constant false alarm rate (CFAR) detector-based approaches are proposed for interference mitigation of Frequency modulated continuous wave (FMCW) radars. The proposed methods exploit the fact that after dechirping and low-pass filtering operations the targets' beat signals of FMCW radars are composed of exponential sinusoidal components while interferences exhibit short chirp waves within a sweep. The spectra of interferences in the time-frequency ($t$-$f$) domain are detected by employing a 1-D CFAR detector along each frequency bin and then the detected map is dilated as a mask for interference suppression. They are applicable to the scenarios in the presence of multiple interferences. Compared to the existing methods, the proposed methods reduce the power loss of useful signals and are very computationally efficient. Their interference mitigation performances are demonstrated through both numerical simulations and experimental results.

研究动机与目标

• 解决在多个FMCW雷达同时运行的密集汽车雷达环境中，干扰日益增加的挑战。
• 开发一种计算高效、可实时运行的干扰抑制方法，以保留被强干扰影响而退化的弱目标信号。
• 克服现有方法的局限性，如信号能量损失、对先验信号模型的依赖或复杂的系统重构。
• 利用干扰（短啁啾）与目标混叠信号（指数正弦）在时频域中的显著谱特征差异，实现有效检测与抑制。

提出的方法

• 在时频（t-f）域的每个频率通道上应用一维CFAR检测器，以检测因瞬态特性而表现为短啁啾状的干扰分量。
• 将检测到的干扰图进行膨胀处理，生成二值掩码，以识别时频平面上受干扰影响的区域。
• 对于CFAR-Z，将识别出的干扰区域在时频谱中置零，随后通过逆短时傅里叶变换（ISTFT）重建混叠信号。
• 对于CFAR-AC，利用邻近非干扰区域导出的增益因子，对受影响区域实施幅度校正，以保留信号能量。
• 将重建后的混叠信号用于生成距离剖面，并通过CFAR检测器评估目标检测性能。
• 在STFT前进行零填充，并在ISTFT后移除，以最小化窗函数引起的边缘效应。

实验结果

研究问题

• RQ1 基于CFAR的检测方法能否在FMCW雷达信号的时频域中有效区分干扰分量与目标混叠信号？
• RQ2 在抑制干扰的同时，CFAR-Z与CFAR-AC在保留有用信号能量方面表现如何比较？
• RQ3 干扰抑制对目标检测性能的影响如何，特别是对弱目标或距离相近目标的影响？
• RQ4 与现有信号处理或基于深度学习的方法相比，所提方法是否能实现低计算开销的实时处理？

主要发现

• CFAR-AC与CFAR-Z在所有测试方法中达到最高的互相关系数与信号与干扰加噪声比（SINR），优于小波去噪（WD）与自适应噪声 canceller（ANC）。
• CFAR-AC与ANC方法在目标距离处的范围剖面中产生最高的峰值幅度，最接近参考信号，表明对有用信号能量的保留效果更优。
• CFAR-Z方法的峰值幅度低于CFAR-AC，表明因过度置零导致有用信号能量部分损失。
• CFAR-Z与CFAR-AC方法成功检测到原本被WD与ANC方法遗漏的第四个静止目标（22.5 m处），证明检测概率得到提升。
• 四种方法（WD、ANC、CFAR-Z、CFAR-AC）均较原始信号改善了目标检测性能，其中CFAR-Z与CFAR-AC使原本被遮蔽的弱目标得以检测。
• 所提方法计算效率高，适用于汽车雷达系统中的实时实现，而无需复杂信号重构或高采样率，优于其他方法。