Radar image x and y with two targets Interfered time domain signal Car as target with mutliple reflection centers and box model

Radarsignalverarbeitung, Modulation und Interferenz

Im Zuge der Forschung an Radaren für KfZ-, UAV- und Industrieanwendungen beschäftigt sich das Institut mit der Verbesserung und Erweiterung der zugrundeliegenden Signalverarbeitungsmethoden sowie der Entwicklung neuer Konzepte und Methoden für aktuelle und zukünftige Radare.

Zusammen mit Industriepartnern forscht das Institut an adaptiven Modulationsverfahren, die sich den stetig ändernden Anforderungen im Straßenverkehr anpassen. Die Kombination mehrerer Messungen oder die Variation der Rampensteigung ermöglichen es beispielsweise, die etablierte Chirp-Sequence-Modulation flexibler zu betreiben und so die Auflösung zu verbessern und der aktuellen Verkehrssituation anzupassen. Des Weiteren werden neue Methoden zur Signalgenerierung und -verarbeitung für zukünftige volladaptive digitale Radarverfahren wie OFDM und PN (Pseudo Noise) am Institut erforscht und entwickelt.

Ein weitereres Themengebiet sind die durch die steigende Verbreitung von KfZ-Radarsensensoren vermehrt auftretenden Interferenzen, die die Funktionalität der Radarsensoren bis zum Totalausfall einschränken. Auswirkungen und Eigenschaften dieser Effekte werden untersucht und entsprechende Gegenmaßnahmen entwickelt, die Verfahren wie beispielsweise das Frequenz-Hopping oder das digitale Beamforming nutzen. Die Arbeiten am Institut umfassen die Untersuchung der Störungen zwischen FMCW-, Chirp-Sequence-, PN- und OFDM-modulierten Radaren.

Neben der Hardware-nahen Signalverarbeitung sind auch höhere Ebenen der Radarsignalverarbeitung Gegenstand der Forschung am Institut. Die Kombination hochauflösender Radare der nächsten Generation im 77 GHz-Band mit neuartigen Algorithmen, die beide am Institut und zusammen mit Kooperationspartnern entwickelt werden, erlaubt es, ausgedehnte Radarziele wie Fahrzeuge zu unterscheiden und anhand ihrer geschätzten Länge, Breite und Orientierung zu klassifizieren, um so Verkehrsszenarien zu analysieren. Maschinelle Lernverfahren ermöglichen die Erkennung von Bewegungen und Gesten von Personen im Straßenverkehr. Mit Hilfe dieser neuartigen Prozessierungen werden zukünftige Fahrerassistenzsysteme und autonome Fahrzeuge in die Lage versetzt, die momentane Verkehrslage genauer und robuster zu erfassen und Gefahrenstellen frühzeitig und zuverlässig zu detektieren.

Zusätzlich forscht das Institut an Syntentic-Aperture-Radar-Prozessierungsmethoden, die in der Lage sind, während der Vorbeifahrt ultrahochaufgelöste Radarbilder der Umgebung zu generieren. Hierbei werden Kompensationsalgorithmen für die bei der Eigenbewegung auftretenden Doppler- und Range-Migrationen und andere Nichtidealitäten untersucht und entwickelt.

Kompetenzen

  • Adaptive Radare und Modulation
    • OFDM-Radare
    • PN-Radare
    • Chirp-Sequence-Radare
  • Interferenzvermeidung und Minderung
  • Objekterkennung und Klassifikation
  • Gestenerkennung mithilfe Machine Learning
  • SAR-Prozessierung

Förderprojekte
Neben einer Vielzahl bilateraler Industrieprojekte werden folgende Forschungsprojekte bearbeitet:

  • „TC a-drive“: Adaptive Kfz-Radarsensorik
  • „KoRRund“: Radarsensornetzwerke für Kraftfahrzeuge
  • „Radar4FAD“: Code-modulierte Kfz-Radarsensoren
  • „RobustSense“: Polarimetrische Kfz-Radarsensoren

Radar Signal Processing, Modulation, and Interference

As part of its research in the field of automotive radar, UAV, and industrial applications, the Institute of Microwave Engineering works on improving and enhancing the underlying signal processing methods as well as on developing new concepts and methods for current and future radar systems.

Together with various leading industry partners, adaptive modulation methods are being investigated in order to accommodate the ever changing demands of traffic situations. In the case of the well-established chirp-sequence modulation, the combination of multiple measurements and the variation of the ramp slope allows the radar to flexibly adjust its parameters, like resolution, thereby adapting to the current traffic situation. New methods for signal generation and processing for future fully-adaptive digital radar approaches like OFDM and PN (pseudo noise) are being investigated and further developed.

Another research area at the Institute is that of radar interference. The increasing number of radar sensors in automotive scenarios increases the probability of interference between the sensors, leading to a reduction in sensor operability up to total loss of operation. Impact and properties of this interference are being investigated and counter-measures developed, using approaches like frequency hopping or digital beamforming. Hereby interference effects between FMCW, chirp-sequence, PN, and OFDM modulated radars are considered.

In addition to hardware related signal processing, higher level radar processing is an area of research for the Institute and its industry partners. The combination of next-gen high-resolution radars at 77 GHz and newly developed algorithms allows for the detection, distinction, and classification of extended objects like vehicles on the road based on their estimated length, width, and orientation. Using machine learning methods, motion and gestures of pedestrians can be recognized. These new methods allow future driver assistance systems and autonomous vehicles a more accurate and robust analysis of traffic scenarios and the early detection of potential dangers with a higher reliability than traditional techniques.

Furthermore, the Institute investigates complex synthetic aperture (SAR) processing methods, that allow the extraction of ultra-high-resolution radar images of the environment on the fly. For this, algorithms to compensate for Doppler- and range-migration effects due to the ego-motion of the sensor and other nonlinearities are being investigated and developed.

Skills / Expertise

  • Adaptive radars and modulation
    • OFDM radars
    • PN Radars
    • Chirp-sequence radars
  • Interference prevention and mitigation
  • Object detection and classification
  • Gesture recognition using machine learning
  • SAR processing

Funded Projects
In addition to a variety of bilateral industrial projects the following research projects are handled:

  • TC a-drive: "Adaptive automotive radar sensors"
  • KoRRund: "Radar sensor networks for automotive applications"
  • Radar4FAD: "Code modulated automotive radar sensors"
  • RobustSense: "Polarimetric automotive radar sensors"

« Zurück zur Übersicht « Back to overview