Zugl.: Ulm, Univ., Diss., 2008

Karlsruhe, Universiẗat, Diss., 2007.

Zugl.: München, Techn. Univ., Diss., 2007

Zugl.: München, Techn. Univ., Diss., 2008

Zugl.: München, Techn. Univ., 2007

Zugl.: Saarbrücken, Univ., Diss., 2009

Conventional FMCW radar principle was implemented on Symeo 61 GHz LPR®-1DHP-R radar sensor system. There were few limitations of the FMCW implementation which needed to be removed. First, target separation in multi target environment was not possible for objects at same distance. For example, there are two targets, one is moving and one is static. When the moving target approaches the static target and becomes parallel to static target, which means they are at the same distance. At this point, the system is unable to distinguish between two targets. Second, high resolution in velocity measurement was needed. To overcome these limitations Range Doppler Signal Processing was proposed. For the implementation of the Range Doppler algorithm, first of all proof of concept is needed. Simulations are performed using MATLAB to simulate Range Doppler algorithm using raw data from the sensor. After successful simulation, prototype is developed using python. This also provides the real time visualization of Range Doppler signal processing along with peak detection with distance and velocity measurements. With the Range Doppler implementation, separation between static and moving target becomes possible. Later the algorithm is implemented on Texas Instrument DSP in C considering the resource limitations of the target hardware. To validate the Range Doppler implementation and to determine the measurements accuracy, multiple test setups are created. Two main local testing environments have been setup, linear unit and turntable. The system is tested on these environments for different velocities and distances along with multiple targets and on different surfaces. Furthermore, the system is tested at an industrial site for detecting the fluid speed, which is also possible with the Range Doppler implementation.

Conventional FMCW radar principle was implemented on Symeo 61 GHz LPR®-1DHP-R radar sensor system. There were few limitations of the FMCW implementation which needed to be removed. First, target separation in multi target environment was not possible for objects at same distance. For example, there are two targets, one is moving and one is static. When the moving target approaches the static target and becomes parallel to static target, which means they are at the same distance. At this point, the system is unable to distinguish between two targets. Second, high resolution in velocity measurement was needed. To overcome these limitations Range Doppler Signal Processing was proposed. For the implementation of the Range Doppler algorithm, first of all proof of concept is needed. Simulations are performed using MATLAB to simulate Range Doppler algorithm using raw data from the sensor. After successful simulation, prototype is developed using python. This also provides the real time visualization of Range Doppler signal processing along with peak detection with distance and velocity measurements. With the Range Doppler implementation, separation between static and moving target becomes possible. Later the algorithm is implemented on Texas Instrument DSP in C considering the resource limitations of the target hardware. To validate the Range Doppler implementation and to determine the measurements accuracy, multiple test setups are created. Two main local testing environments have been setup, linear unit and turntable. The system is tested on these environments for different velocities and distances along with multiple targets and on different surfaces. Furthermore, the system is tested at an industrial site for detecting the fluid speed, which is also possible with the Range Doppler implementation.

Moderne Fahrzeuge verfügen über verschiedene Assistenzsysteme, welche den Fahrer unterstützen können. Damit diese Systeme auf die jeweilige Verkehrssituation reagieren können, ist eine Erkennung des Fahrzeugumfelds notwendig. Dabei werden verschiedene Sensoren eingesetzt, welche die Umgebung erfassen können. Entfernungen und Geschwindigkeiten lassen sich z.B. sehr gut mit Radar-Sensoren bestimmen. Aus diesen Sensordaten kann ein virtuelles Umfeldmodell erstellt werden. Dazu sind mehrere Algorithmen erforderlich, welche die Sensordaten aufbereiten und auswerten. Um diese Algorithmen testen zu können, wurde von BMW ein Tool zur Darstellung der Sensordaten entwickelt. Das „Radar Analysis Tool“ (RAT) kann die Sensordaten aufgezeichneter Testfahrten abspielen. Dabei ist es möglich, implementierte Algorithmen mit den aufgezeichneten Daten zu testen. Das Ziel dieser Arbeit ist die Implementierung mehrerer Algorithmen zur Umfeldmodellierung, welche nach verschiedenen Eigenschaften verglichen werden. Dabei werden auch neue Ansätze entwickelt und implementiert. Anhand des Vergleichs lässt sich erkennen, welche Algorithmen besonders gut für den Einsatz im Fahrzeug geeignet sind. Eine Voraussetzung für die Implementierung der Algorithmen ist die Erweiterung des Tools RAT. Dabei wird z.B. eine neue 2D-Ansicht des Fahrzeugumfelds hinzugefügt. Außerdem wird eine neue Schnittstelle entwickelt, welche die einfache Anbindung von Algorithmen in RAT ermöglicht. Um die verschiedenen Algorithmen auswählen zu können, wird zusätzlich eine Konfiguration implementiert. Dadurch müssen keine Änderungen am Quellcode des Tools vorgenommen werden, um die Algorithmen zu wechseln. Um die Algorithmen vergleichen zu können, wird ein Konzept zur Auswertung entworfen. Anhand der Auswertung lassen sich die Vor- und Nachteile der jeweiligen Verfahren erkennen. Diese Ergebnisse helfen, die Auswahl von Algorithmen für den finalen Einsatz im Fahrzeug zu treffen.