Verkehr

KOGNITIVES AUTOMOBILRADAR

Radare werden immer kleiner und günstiger und ihre softwaregesteuerte Sensorik ermöglicht völlig neue Sensing-Strategien und Signalprozessierungs-Algorithmen, die adaptiv sind und aus Erfahrung lernen können. Damit können sie moderne Fahrerassistenz-Systeme revolutionieren und mit anderen Sensoren den Weg für das autonome Fahren ebnen.

Architektur eines kognitiven Fahrzeugradars, das Feedback vorangegangener Messungen und externe Quellen für eine adaptive, optimale Ausleuchtung der Szene nutzt.
© Fraunhofer FHR

Architektur eines kognitiven Fahrzeugradars, das Feedback vorangegangener Messungen und externe Quellen für eine adaptive, optimale Ausleuchtung der Szene nutzt.

Adaptive Kanalauswahl für die Positionsbestimmung: Mit ausgeklügelten Metriken errechnet der Prozesser aus den Messdaten die Wahrscheinlichkeit der Parameterverteilung (blau) und erreicht in nur wenigen Schritten Werte, die sich nahe dem tatsächlichen Parameterwert (rot) konzentrieren.
© Fraunhofer FHR

Adaptive Kanalauswahl für die Positionsbestimmung: Mit ausgeklügelten Metriken errechnet der Prozesser aus den Messdaten die Wahrscheinlichkeit der Parameterverteilung (blau) und erreicht in nur wenigen Schritten Werte, die sich nahe dem tatsächlichen Parameterwert (rot) konzentrieren.

Die Schaltungstechnik für Millimeterwellen-Radare hat in jüngster Zeit mit der Entwicklung von Halbleiter-Oszillatoren und -Amplifiern, effizienteren Schaltungen zwischen Übertragungs- und Empfangsmodi sowie digitalen Wellenform-Generatoren große Fortschritte gemacht. Grundlegende Funktionen wie das Mischen, Filtern und Modulieren sind damit nicht mehr wie bisher stark von der Hardware abhängig, sondern können von Softwaremodulen kontrolliert werden. Das ermöglicht kompakte und günstige Multikanal-Radarsysteme mit enormer Vielseitigkeit und Rekonfigurierbarkeit. Diese Vorteile begünstigen das Design von Signalerzeugungs- und Prozessierungsalgorithmen, die eine steigende Zahl an Freiheitsgraden ermöglichen, um den Radarbetrieb „on the fly” zu optimieren. Vielversprechend sind die softwaregesteuerten low-cost Radarsysteme vor allem für Automotive-Anwendungen, wo die Anpassungsfähigkeit des Radars hinsichtlich Bandbreite, Messzeiten oder Kanalzuweisung entscheidend für die zuverlässige Informationsgewinnung aus der jeweiligen Umgebung ist.

Automotive-Radare müssen sich an unterschiedliche Szenarien anpassen können. So ist z. B. der Verkehr in der Stadt geprägt von einer hohen Zieldichte und –Vielfältigkeit,  die trotz sehr heterogenem Hintergrund zuverlässig erkannt werden muss. Auf der Autobahn bestehen die Herausforderungen dagegen Ziele mit hoher Geschwindigkgeit und in großer Entfernung zu erfassen. Fahrerassistenzsysteme sollen hier flexibel diverse Aufgaben wie aktive Geschwindigeitsregelung, Spurhalteassistenz oder Fußgängerdetektion erfüllen. Das setzt eine hohe Schätzgenauigkeit von Abständen und Entfernungen, der relativen Geschwindigkeit und der Winkelposition sowie die Auflösung mehrerer unterschiedlicher Ziele in der relevanten Umgebung vorraus.

Diesen Herausforderungen stellt sich die Arbeitsgruppe „Adaptive Wahrnehmung”. Sie arbeitet für Ihre Kunden und Partner aus der Automobilindustrie am Arraydesign für Multikanal-Systeme und an neuartigen digitalen Strahlformungs-Verfahren. Ihr Ziel ist es, die räumliche Auflösung so zu verbessern, dass auch solche Ziele zuverlässig erkannt und unterschieden werden können, die sich in selber Entfernung und mit selber Geschwindigkeit bewegen. Darüber hinaus erforschen sie Radarsysteme, die ihre Sensing- und Processing-Abläufe adaptiv anpassen können, um deren Performance auch über die Zeit  zu steigern.

Das kognitive Radar tastet seine Umgebung adaptiv ab. Dabei passt es seine Parameter an, indem es auf Informationen aus vorherigen Messungen, wie die Anzahl der Ziele, ihre Parameter, das Rauschniveau und die Clutter-Verteilung, sowie auf Wissen aus anderen Quellen, wie weiteren Sensoren oder kartografischen Datenbanken, zurückgreift. Der Aufbau eines kognitiven Systems besteht in der Regel aus vier Elementen: der beleuchteten Szene, dem Sensor, einem Prozessor, der durch die Verarbeitung der Rohdaten und Schätzung der Szenen-Parameter die Wahrnehmung der Szene erzeugt, und einem kognitiven Controller. Dieser optimiert dynamisch die operativen Parameter des Systems und weist die Ressourcen für die nächste Messung zu.

Eine Herausforderung für die räumliche Auflösung ist das Übertragen und Empfangen der Kanalauswahl für die Positionsbestimmung. Anders als bei der Abstands- und Geschwindigkeitsbestimmung, bei der Bandbreite, Messzeit und -anzahl entscheidend sind, um nahgelegene Ziele auflösen zu können, hängt die Genauigkeit der Winkelschätzung von der Länge des Antennenarrays ab. Je länger, also je mehr Antennenelemente, desto genauer wird sie. Diese Elemente müssten aber adäquat verteilt sein, um Abtaststörungen (Aliasing) zu verhindern, und würden zusätzliche Tx- und Rx-Module mit großen Mengen an zu prozessierenden Daten benötigen, was deutlich höhere Systemkosten zur Folge hätte. Deshalb entwickeln die Fraunhofer FHR-Wissenschaftler neue Compressed Sensing Algorithmen, die Informationen auch aus dünn besetzten Anntenenarrays ermitteln können und bereits superauflösende Eigenschaften bewiesen haben.

Der aktuelle Fokus liegt darüber hinaus auf der adaptiven Auswahl der Empfangskanäle und Transmitter-Aktivierungs-Sequenzen in einem Zeit-Multiplexverfahren, das den kosteneffizienten Multiple Input-Multiple Output (MIMO)-Betrieb ermöglicht. Informationen aus vorherigen Messungen werden dazu mit einem Baesschen Filter sequentiell in die wahrscheinliche Verteilung der Winkelposition einbezogen. Mit komplexen statistischen Metriken zur Optimierung der Kanalauswahl für die nächste Messung erreichen die Forscher so eine sehr schnelle Annäherung an den aktuellen Wert der Winkelposition.

In einem nächsten Schritt sollen Initialexperimente zu kognitivem MIMO durchgeführt und die neu entwickelten Algorithmen um die Fähigkeit erweitert werden, vorher festgelegte Messstrategien zu entwickeln und einzusetzen, was vor allem in Szenarien nützlich ist, die eine Vorausschau oder Prognose erfordern. Die Arbeitsgruppe unterstützt mit ihren Lösungen so Unternehmen dabei, die einzigartigen  Sensoreigenschaften von Radar für das effizientere und sicherere Fahren voll auszuschöpfen.