| Fachbereiche | |
|---|---|
| Buchreihen (99) |
1420
|
| Nachhaltigkeit |
3
|
| Gesundheitswesen |
3
|
| Geisteswissenschaften |
2425
|
| Naturwissenschaften |
5433
|
| Ingenieurwissenschaften |
1827
|
| Allgemeine Ingenieurwissenschaften | 292 |
| Maschinenbau und Verfahrenstechnik | 876 |
| Elektrotechnik | 702 |
| Bergbau- und Hüttenwesen | 30 |
| Architektur und Bauwesen | 76 |
| Allgemein |
97
|
|
Leitlinien Unfallchirurgie
5. Auflage bestellen |
|
Inhaltsverzeichnis, Datei (100 KB)
Leseprobe, Datei (220 KB)
Zusammenfasung
Diese Arbeit untersucht Verfahren zur Zieldetektion und Positionsbestimmung in
einem Radarnetzwerk. Ausgehend von bekannten Verfahren der Signalverarbei-
tung werden neue Methoden zur Erhöhung der Leistungsfähigkeit erarbeitet. Ein
experimentelles Radarnetzwerk für den Einsatz an einem Automobil wird vorge-
stellt.
Ein Radarnetzwerk besteht aus einem Verbund von mehreren am Fahrzeug
angebrachten Einzelsensoren. Die Sensoren vermessen getrennt voneinander die
Umgebung und melden die gemessenen Entfernungen an einen Zentralrechner.
Der Rechner vergleicht die gemessenen Entfernungen der Einzelsensoren mitein-
ander und bestimmt im Trilaterationsverfahren den Zielwinkel. Der Einzelsensor
kommt ohne Winkelmessung aus und ist deshalb einfacher aufgebaut als ein win-
kelmessender Sensor.
Die Umfeldwahrnehmung durch Radarsysteme ermöglicht viele Komfort- und
Sicherheitsanwendungen für ein Automobil. Muss ein weiter Beobachtungsbereich
um das Automobil abgedeckt werden, ist ein Radarnetzwerk mit einfachen Ein-
zelsensoren besonders günstig.
Im Rahmen dieser Arbeit wurde die Signalverarbeitung für linear frequenz-
modulierte (LFM) Dauerstrichradare im 77GHz Bereich und für ein Radarnet-
werk entwickelt. Erstmals wurde ein Radarnetzwerk aufgebaut, welches mit 77GHz
LFM Sensoren arbeitet.
Die vorliegende Arbeit beschreibt zunächst die klassischen LFM- und Radar-
netzwerktechniken. Sie zeigt anschlieÿend, worin die besonderen Anforderungen
an die LFM Sensoren im Radarnetzwerk liegen. Für das Trilaterationsverfahren
werden hohe Messgenauigkeit und Detektions-Wahrscheinlichkeit benötigt. Ins-
besondere müssen die Sensoren in Mehrzielsituationen mit einer relativ hohen
Anzahl von Zielen funktionieren.
Beim Aufbau des 77GHz LFM-Radarnetzwerkes hat sich herausgestellt, dass
die etablierten LFM-Signalverarbeitungs-Verfahren für ein Radarnetzwerk ver-
bessert werden müssen. Bisherige LFM-Verfahren trennen zwischen Signal-Vor-
verarbeitung und Zielverfolgung. Diese Arbeit stellt für den Einzelsensor einen
Tracker vor, der in die LFM-Vorverarbeitung integriert ist. Es ergibt sich ein
groÿer Gewinn an Messgenauigkeit und Trackstabilität.
Auf der Seite der Netzwerkverarbeitung wurden bisher erste Erfahrungen ge-
macht, Trilateration und Tracking in einem nichtlinearen Tracker zusammenzu-
führen. Dies wurde auch in dem vorgestellten Netzwerk untersucht. Zusätzlich
wird ein neues Verfahren vorgestellt, in dem auch die LFM-Signalverarbeitung
der Einzelsensoren in die Netzwerkverarbeitung integriert ist.
Abschlieÿend wird das Experimental-System vorgestellt, und Messergebnisse
präsentiert. Insgesamt zeigt sich, dass die Integration von Verarbeitungsschrit-
ten in LFM-Sensoren, im Radarnetzwerk sowie im Gesamtsystem eine wesentlich
ezientere Verwertung der Messdaten zulässt.
| ISBN-13 (Printausgabe) | 3865375464 |
| ISBN-13 (Printausgabe) | 9783865375469 |
| ISBN-13 (E-Book) | 9783736915466 |
| Buchendformat | A5 |
| Sprache | Englisch |
| Seitenanzahl | 206 |
| Auflage | 1 |
| Band | 0 |
| Erscheinungsort | Göttingen |
| Promotionsort | Göttingen |
| Erscheinungsdatum | 16.08.2005 |
| Allgemeine Einordnung | Dissertation |
| Fachbereiche |
Elektrotechnik
|
| Schlagwörter | Dauerstrichradar (CW-Radar), 77-GHz-Radarnetzwerke, linear frequenzmoduliertes Dauerstrichradar (LFMCW), automotive Radarsensorik, radarbasierte Positionsbestimmung, Trilateration, Mehrzielverfolgung, Radarsignalverarbeitung, Zielentfernungsmessung, Doppler-Geschwindigkeitsmessung, CFAR-Zieldetektion, erweiterter Kalman-Filter, Sensordatenfusion, Frequenzschätzung mittels Fast-Fourier-Transformation (FFT). |