完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
作者:Arun T. Vemuri,德州仪器 (ti) 基尔比实验室系统工程师 引言 在超声波测距车载应用中,例如:超声波泊车辅助 (UPA) 和盲点探测 (BSD) 等,系统发射的超声波被周围物体反射回来。系统接收反射波(回波),然后将物体的回波振幅与某个阈值比较,从而实现探测物体的目的。物体越靠近系统,其回波也越强。因此,阈值随时间而变化,是一种相对常见的情况。本文将向您论述,该阈值无需变化,可以保持固定不变。 超声波测距 小轿车中使用的高级驾驶员辅助系统 (ADAS) 便是一种超声波测距应用。安装在车载前后保险杠和后视镜上的超声波传感器发射出超声波,然后接收周围物体反射回来的超声波。超声波的传播时间(飞行时间)用于计算到物体的距离,从而帮助驾驶员泊车:寻找泊车点,或者探测驾驶员盲点区域内的物体。车载前后保险杠安装的传感器达到 4 个之多,另外,每个后视镜上还各装有一个传感器。 在超声波高级驾驶员辅助系统中,压电式传感器一般用于将电信号转换为超声波,然后再把反射回来的超声波转换为电信号。接受反射回波时,压电式超声波传感器的低接收机灵敏度通常会导致电信号非常微弱。 图 1 显示了用于处理回波电压的典型信号链。TI PGA450-Q1 是一款集成车载超声波传感器信号调节器,适用于 UPA 系统等应用。 图 1 使用回波处理探测物体的 ADAS 超声波接收机接收到的回波信号s(t)被噪声破坏。图 1 所示输入相关噪声η(t)为外部环境噪声和所有信号链组成部分的和,其与时间(t)相关。被破坏的信号 u(t) 经由放大器使用增益 K 放大,然后通过一个模数转换器 (ADC) 被数字化。数字化的 AM 信号经过一个带通滤波器 (BPF) 按线路传输。该滤波器主要用于改善信号的信噪比。把经滤波后的信号 y(t) 与阈值 L 比较,以探测某个物体的存在。BPF 的后面一般会有一个振幅解调器,其将信号转换为基带,以进行比较。但是,本文为了方便说明,我们忽略了这种解调器。因此,探测物体的关键是阈值 (L) 的选择。那么,我们如何选择 L 呢? 回波振幅 发射器产生的超声波为一系列载波频率下的正弦波脉冲,并以声压级 (SPL) 来描述。SPL 的计算方法如下: 其中,Prms 为 RMS 声压,而 pref 为基准声压。常用基准声压为 20 μPa,即 0.0002 μbar。 传感器对某个物体产生的超声波 SPL,取决于物体到传感器的距离。特别需要请注意的是,声压同距离成反比例关系: 其中,p 为声波压力,而 d 为物体到传感器的距离。超声波传感器规范说明了30cm 距离的 SPL。由该值,利用这一距离定律,我们便可以计算出任意距离 x的 SPL: 其中,x 为传感器和物体之间的距离,并且 x > 30 cm。因此,x 距离的 SPL 为: 也就是说,超声波从传感器传播到物体过程中,会损失声压。 声波从物体反射回来,返回到传感器,声压进一步损失。另外,由于空气和物体都会吸收一部分声压,所接收回波的 SPL 可以通过方程式 3 进行近似计算。具体方程式请见本页末尾处,方程式中 α 为空气吸收系数。请注意,空气吸收的 SPL 与声波在空气中传播的距离与正比。换句话说,SPL 损失与 x 成正比。我们使用因数 2,是因为声波在传感器和物体之间传播两次—一次从传感器到物体,一次从物体到传感器。根据方程式 1,传感器接收的回波脉冲的声压计算方法如下: 超声波接收机将接收到的声波转换为电信号。转换过程受到接收机灵敏度 (dB)的影响。1 μPa 声压产生 10 V 时,接收机灵敏度为 0 dB。因此,利用方程式 5和 6,可以把以 dB 表示的接收机灵敏度转换为 V/μPa。 其中,γ 为以 V/μPa为单位的接收机灵敏度。方程式 5 可以重写为: 我们可以将方程式 4、5 和 6 组合为方程式 7(见本页末尾),以计算超声波接收机产生的电压。方程式 7 可以简写为: 其中,增益(K)为一个常量。 方程式 8 表明,随着物体到传感器的距离 x 增加,回波电压下降。换句话说,物体越靠近,回波振幅变大,而物体远离时,回波振幅变小。 图 2 表明,接收到的电压与物体到传感器的距离有关,假设参数取值情况如下: 30cm 距离时发射 SPL= 106 dB l 空气吸收=1.3 dB/m l 物体吸收=0 dB l 接收机灵敏度=–85 dB 图 2 接收机电压为物体到传感器距离的函数 可变阈值方案 前一小节表明,从物体接收到的回波的振幅,会随物体到传感器的距离增加而减小。另外,由图1我们知道,回波处理路径的输入信号为u(t) = s(t) + η(t),其中s(t)为回波信号,而η(t)为输入相关噪声。换句话说,回波信号振幅不仅随距离增加而减小,并且会被噪声破坏,而回波处理系统只能通过处理回波信号来探测某个物体的存在。选择阈值时,一种常用的方法是阈值方案。使用这种方法时,阈值随时间而变化。特别是,超声波刚被发射出来时,阈值较大,之后,随着经过时间的增加而减小。这种方法的基本原理是,利用信号振幅的可预测衰变,确定阈值大小:越靠近物体,回波和阈值越大,从而实现物体探测。离物体越远,回波和阈值就越小。 图3描述了可变阈值方法的概念。该图显示了不同距离时物体回波解调举例。TI PGA450-Q1 评估模块的一个测试装置用于收集波形数据。该图显示了一种可能的阈值方案。 图 3 一个可能阈值方案的解调回波信号波形 尽管这种可变阈值方案方法原则上有效,但它存在两个缺点: 1、可变阈值方案要求器件内部有存储器,以将时间与阈值关系存储至方案表中。如果阈值有 3 个可能的取值(如图 3 所示),则该表就会有 6 种可能的输入。另外,对于车载中使用的高级驾驶员辅助系统 (ADAS) 来说,用户需要输入多种可能的传感器安装位置,因为传感器可以安装于车载保险杠或者后视镜上任何位置。例如,如果一个传感器有 10 个可能的安装位置,那么器件就需要存储多达 60 个位置数据。这就增加了器件的成本,因为要求使用更多的存储空间。 2、在车载保险杠和反视镜上安装好传感器后,系统制造厂商会“校准”方案表。校准过程就是确定各个阈值,以及切换阈值的时间。这种校准通常是一项耗时费钱的工作,特别是一个表中需要多个输入数据时更是这样。 总之,可变阈值方案的主要缺点是,它增加了超声波测距系统的总成本。 固定阈值 可变阈值方法使用基于时间变化的阈值,与这种方法不的同是,固定阈值方法将信号噪声用作基线。系统噪声用于确定阈值,这样物体不存在就不对其进行探测。 另外,由图 1 我们知道,回波处理路径输入信号为 u(t) = s(t) + η(t)。回波信号是一系列载波频率 fc(t) 下的正弦波脉冲,其计算方法如下: 其中,S 为回波信号振幅。因此,方程式 10 给出了放大信号的 RMS 值: 请注意,这种一连串的脉冲仅短暂出现,从而让信号振幅看似受到长时间调制。 带通滤波器 (BPF) 的y (t) 输出可以表示为: 其中,?(BPF) 为 BPF 的数字滤波器函数,而?(ADC) 为 ADC 的量化函数。假设回波信号的基准时间为 t0 = 0(通常为发射器发射超声波的时间),则 y(t) < L、tend < t < tobject 和 y(tobject) ≥ L,并且 tend 大于零且为所发射脉冲初始脉冲群的末尾时,则可以声明 tobject 时探测到物体的存在。问题是,“我们可以选择使用一个固定阈值,弃用可变阈值方案吗?”要回答这个问题,我们可以利用方程式12,并假设t为一个瞬间值,从而照顾到各个噪声组成部分: 变量定义如下: K=放大器增益 ηext(t)=外部噪声 ηamp(t)=放大器噪声 ηADC(t) = ADC电路噪声 q(t) = ADC量化 ηBPF(t) =BPF计算数学误差 各个噪声组成部分彼此不相关。另外,我们假设每个噪声组成部分为零平均值和非零方差高斯。 把方程式9和12代入方程式11后,BPF输出变为: 根据方程式9,BPF噪声的RMS为: 其中,Q 为 BPF 的品质因数,fs 为 ADC 采样频率,而所有噪声项均为 RMS值。知道方程式 14 所表示噪声的 RMS,并假设 6.6 波峰因数的情况下,所选阈值为: 上述方程式可以表示为: 换句话说,我们可以利用方程式 15 选择固定阈值。图 4 显示了使用固定阈值的举例回波响应。 图 4 使用固定阈值处理回波数据 使用这种方法的一个明显优点是,它仅需要存储一个输入数据。如果一个传感器有 10 个可能的安装位置,只需总共存储 10 个输入数据便可。相比前面介绍的可变阈值方法,存储空间需求减少了 6 倍。请注意,如果放大器增益 (K) 改变,方程式 15 同样也提供了一种调节阈值的机制。 方程式 15 提供了一种确定阈值大小的分析方法。一般而言,需要利用噪声分析确定阈值大小。进行噪声分析的一种替代方法是,使用一个阈值对车载上安装的传感器进行校准。可将物体放置到传感器规定测距范围的最远处,然后完成测距校准。所选择的阈值需足够大,以在没有物体时超过处理后信号的噪声值,并确保仅在有物体时信号能够穿过该阈值。请注意,在使用这种方法选择阈值时,也应考虑 BPF 衰减。最后,为了提高物体探测系统的稳健性,信号的振幅必须在某段时间大于固定阈值。 |
|
相关推荐 |
|
只有小组成员才能发言,加入小组>>
1895 浏览 0 评论
5123 浏览 2 评论
8341 浏览 1 评论
3334 浏览 1 评论
7300 浏览 0 评论
新能源车维修技术交流,维修技术思维导图指南(12-09持继更新,分享原文件)
4341浏览 3评论
2148浏览 3评论
1013浏览 1评论
《新能源车维修技术自学,链接汇总AI智能分类》超4000案例
5803浏览 1评论
1759浏览 0评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-11-28 18:49 , Processed in 1.019079 second(s), Total 54, Slave 43 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号