Zwei grundlegende Herausforderungen für das Automobilradar betreffen die Robustheit gegenüber Interferenzen im gleichen Frequenzband, sowie die Verbesserung der Winkelauflösung zur präzisen Lokalisierung von Objekten und Personen. In der vorliegenden Forschungsarbeit werden neue Ansätze der modernen Signalverarbeitung für Automobilradarsensoren basierend auf Deep Learning (DL) erforscht um die Leistungsfähigkeit und die Robustheit von konventionellen Verfahren zur Interferenzunterdrückung sowie zur Winkelschätzung zu übertreffen. Für das Training von datenbasierten DL Verfahren werden spezielle Datensätze benötigt, welche mittels neuartigen hybriden Verfahren erzeugt werden. Anschliessend wird sowohl die Effektivität dieser hybriden Verfahren als auch die Robustheit der trainierten Modelle gegenüber Modellabweichungen und Nichtidealitäten demonstriert. Am Beispiel der Interferenzunterdrückung werden die Vorteile von DL in der Automobilradarsignalverarbeitung aufgezeigt. Die erfolgreiche Validierung der Konzepte erfolgt anhand von Messungen von Interferenzen im 77 GHz-Frequenzband. Des Weiteren wird gezeigt, dass die vorgestellten Verfahren wirkungsvoll eingesetzt werden können, um eine präzise Lokalisierung von Zielen zu realisieren. Mit hybriden Datensätzen werden drei verschiedene Konzepte untersucht um eine hochauflösende Winkelschätzung zu realisieren. Hierbei wird eine Leistungsfähigkeit erzielt die den Stand der Technik übertrifft, ohne dass eine sensorspezifische Kalibrierung erforderlich ist


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Hybride Deep Learning-Verfahren zur Interferenzunterdrückung und hochauflösenden Winkelschätzung für Automobilradaranwendungen


    Beteiligte:

    Ausgabe :

    1. Auflage


    Erscheinungsdatum :

    2022


    Format / Umfang :

    VIII, 141 Seiten


    Anmerkungen:

    Illustrationen, Diagramme
    Langzeitarchivierung durch Gottfried Wilhelm Leibniz Bibliothek - Niedersächsische Landesbibliothek



    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Deutsch



    Klassifikation :

    BKL:    53.84 Ortungstechnik, Radartechnik / 55.20 Straßenfahrzeugtechnik / 54.72 Künstliche Intelligenz