Radarsignalverarbeitung und Modulationskonzepte
Im Zuge verschiedener Forschungsprojekte zu 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.
Steigende und sich stetige ändernde Anforderungen an die Radarsensorik in den verschiedenen Anwendungsbereichen im Straßenverkehr und der Industrie, sowie neue Einsatzbereiche für Radare, beispielsweise an UAVs, stellen immer neue Herausforderungen an die Signalverarbeitung. Gemeinsam mit Industriepartner und unterstützt durch öffentliche Förderung werden neben aktuellen analogen Modulationsarten wie der Chirp-Sequence-Modulation auch neuartige digitale Radarverfahren wie OFDM und PN (Pseudo Noise) am Institut erforscht und entwickelt. Neben Hardware-naher Signalverarbeitung und Modulationskonzeption werden am Institut neue und verbesserte Signalverarbeitungsmethoden und Algorithmen entwickelt und erforscht, welche eine hochauflösende und leistungsfähige Bildgebung ermöglichen. Hierbei werden neben der Verbesserung etablierter Methoden auch neuartige leistungsfähige Ansätze basierend auf Compressed Sensing und Machine Learning erforscht. Durch die Auswertung von Radardaten mittels maschineller Lernverfahren können zusätzliche Informationen über die Umgebung von Fahrzeugen gewonnen werden. So ermöglichen neuronale Netze beispielsweise die zuverlässige Erkennung von Gesten, welche von leicht-verletzbaren Verkehrsteilnehmern zum Zwecke der Kommunikation mit einem Fahrzeug ausgeführt werden. Die Erkennung solcher Gesten stellt einen wichtigen Baustein zur Bewältigung komplexer Verkehrsszenarien durch autonome Fahrzeuge dar.
Ein weiteres Themengebiet sind die durch die steigende Verbreitung von KfZ-Radarsensensoren vermehrt auftretenden Interferenzen, die die Funktionalität der Radarsensoren bis zum Totalausfall einschränken können. Auswirkungen und Eigenschaften dieser Effekte werden untersucht und entsprechende Gegenmaßnahmen entwickelt, die typische Verkehrsszenarien mit vielfachen Sensoren berücksichtigen. Verfahren wie das Frequenz-Hopping mit diskreten Kanälen, fahrtrichtungsabhängiger Wechsel der Frequenz sowie die Kooperation der Radarsensoren werden betrachtet. Die Arbeiten am Institut umfassen die Untersuchung der Störungen zwischen FMCW-, Chirp-Sequence-, PN- und OFDM-modulierten Radaren.
Sowohl für den Automobil- als auch für den UAV-Bereich werden unterschiedlichste Synthentic-Aperture-Radar-Prozessierungsmethoden zur effizienten und ultrahochauflösenden Umgebungsrepräsentation erforscht. Hierbei stehen zum einen die Erkennung von Hindernissen und zum anderen die Detektion von vergrabenen Objekten – zum Beispiel Anti-Personen-Minen - im Vordergrund.
Kompetenzen
- Adaptive Radare und Modulation
- OFDM-Radare
- PN-Radare
- Chirp-Sequence-Radare
- Interferenzvermeidung und Minderung
- Hardware-nahe Signalverarbeitung und Korrektur von Hardware-Nichtidealitäten
- Signalverarbeitung bei (in)kohärenten Radarnetzwerken
- Radarzielsimulation
- Gestenerkennung mittels Machine-Learning
- SAR-Prozessierung
Förderprojekte Neben einer Vielzahl bilateraler Industrieprojekte werden folgende Forschungsprojekte bearbeitet:
- „BinoMIMO“: Hochauflösende Binokulare MIMO Millimeterwellenradare
- „IMIKO Radar“: Interferenzminimierung durch Kooperation bei Radarsensoren
- „INTUITIVER“: Radarbasierte Fußgänger-Intentionserkennung
- „InnoSÜD“: Radarzielsimulation für Kfz-Radarsensorik
- „KoRaTo“: Kooperative Apertursynthese für Radar-Tomographie
- „SecForCARs“: Test von Kfz-Radarsensoren durch Radarzielsimulatore
- PN-Radarnetzwerke mit Phasenrausch-Unterdrückung
- Urs-Endress-Stiftung: Projekt „Findmine“, Drohnen-gestützte Minendetektion mittels GPSAR