CN101561970B - 一种微波车辆检测雷达的控制方法 - Google Patents

Abstract

本发明公开了一种微波车辆检测雷达的控制方法，包括以下步骤：将微波检测雷达工作参数赋值；距离向脉冲压缩；分别提取各目标车辆的子回波，判断是否有行进的车辆；对各行进车辆的子回波数据进行速度搜索，每搜索一次得到一个匹配滤波函数，并进行方位向脉冲压缩后计算峰度值；如果得到最大峰度值，则最大峰度值处所对应的搜索速度即为车辆行驶的速度，然后用此速度计算出方位向调频斜率，并进行方位向脉冲压缩，然后将各距离门信号相加通过与设定的门限值比较得到车长；如果没有得到最大峰度值，则返回上一个步骤继续搜索。本发明的监控车道多，检测范围大；测速更准确，能准确检测慢速甚至静止车辆；能估计出车辆长度，便于交通控制。

Description

一种微波车辆检测雷达的控制方法

技术领域

本发明涉及一种微波车辆检测雷达的控制方法，主要用来检测多车道中行驶车辆的速度、数量以及车辆长度信息。

背景技术

在道路交通监测领域，对车辆速度的检测通常有基于视频目标识别技术检测仪、基于地感线圈技术检测仪、基于红外或激光技术的检测仪以及基于微波技术的检测雷达等实用产品。由于采用的技术不同，相应的设备有各自的特点和一定的不足。

基于视频目标识别技术检测仪在检测车辆位置时易受到摄相机安装倾角、路面倾斜度产生的梯形误差的影响，同时由于车身形状、车身阴影、摄相机自身抖晃以及雨雪等自然条件的影响而会有较大的误差，因此应用领域受到限制。

基于地感线圈技术检测仪在安装时，预埋线圈的施工复杂，还要封路并且破坏路面。当车辆超速和重载较多的情况下，线圈的破损率较高，甚至有些路段的线圈平均寿命仅数月，同时，基于地感线圈技术检测仪在受到雨水干扰时也容易产生误报。

基于红外或激光技术的检测仪测量比较准确，但也具有如下缺点：受到激光测速原理的限制，激光光束必须要瞄准垂直与激光光束的平面反射点，又由于被测车辆距离太远、且处于移动状态，或者车体平面不大，而导致激光测速成功率低、难度大，特别是执勤警员的工作强度很大、很易疲劳；鉴于激光测速的原理，激光测速器不可能在运动中使用，只能在静止状态下应用；因此，激光测速仪不能称之为“流动电子警察”，在静止状态下使用时，司机很容易发现有检测，因此达不到预期目的；由于红外激光的直线传播特性导致其测速盲区大，目前市场较为成熟的红外或激光类测速仪漏车率较高，并且成本高，即使不含取景和控制部分的价格也比较高。目前，在实际的交通控制和管理中，基于微波技术的车辆检测雷达使用的比较多。这类检测设备按功能上可分为两类，第一类是手持或车载类测速雷达，这种雷达工作时一次只能对一个车道进行监控，测量的结果主要作为超速违规的依据；第二类检测雷达主要起到信息监控的作用，使用时通常安装在车道的一侧，对多车道进行实时、全面和准确的监控，并且可以给出某时刻车道上车辆的微波成像图以及给出每个车辆的车长等信息，测量的结果通过通信装置送指挥中心，供交通管理使用。

无论那种方式的微波车辆检测雷达，原理上都是测量车辆的多普勒频移，进而获得车辆的速度。如果雷达安装在车辆的前进方向或反方向，此时目标的多普勒频移的绝对值最大，测量比较准确；而如果雷达安装在车道的一侧，此时雷达检测到的多普勒频移很小，则测量误差较大。如果车辆速度比较慢甚至停止时，侧视工作的检测雷达测量误差就更大，甚至无法检测到车辆。以上分析的原因是目前现有侧视类微波车辆检测雷达普遍存在的问题，即对具有一定速度的车辆检测比较准确，但对慢速车辆检测效果大打折扣，而且很难检测车辆的长度等信息。

发明内容

发明目的：本发明的目的是为克服现有道路车辆检测雷达控制方法的不足，提供一种新的控制方法，采用这种控制方法的雷达可以全面采集和检测道路车辆信息，在车流量较大，甚至发生交通堵塞情况下仍然可以获得较为准确的检测车辆信息，另外还可以获得车长信息。

技术方案：一种微波车辆检测雷达的控制方法，包括以下步骤：

步骤一、对检测雷达工作参数赋值；

步骤二、距离向脉冲压缩，对采集到的目标回波信号进行脉冲压缩处理，得到各个车道内是否存在车辆；

步骤三、分别提取出各目标车辆的子回波，包括行进车辆的子回波数据和停止车辆的子回波数据，通过车辆与雷达之间的距离是否变化即是否产生多普勒效应来判断车辆是移动的还是停止的：即如果没有多普勒效应，则整个方位向都将有目标车辆的回波信号，则可从距离向脉冲压缩后的回波数据的图形中得到车辆的速度为零，即为停止的车辆；如果有多普勒效应，则只有在部分车道的方位向上有回波信号，即为行进车辆；

步骤四、对行进车辆的各子回波数据进行速度搜索，每搜索一次得到一个匹配滤波函数，进行方位向脉冲压缩后计算峰度值；

步骤五、如果得到最大峰度值，则最大峰度值处所对应的搜索速度即为车辆行驶的速度，然后根据此速度计算出方位向调频斜率，并对方位向数据进行脉冲压缩，然后将目标子回波的距离门相加，将相加的结果与设定的门限值比较得到车长；如果没有得到最大峰度值，则返回步骤四继续搜索。

其中，所述的门限值的取值范围为30～60dB。

其中，所述的步骤一中的雷达工作参数包括雷达的架设高度、雷达对地面倾角、雷达距车道的距离、车道中间绿化带的宽度、车道的宽度以及雷达本身的系统参数。

其中，所述的步骤二包括如下步骤：设雷达发射的线性调频脉冲信号为s(τ)＝w_r(τ)exp{j2πf₀τ+jπK_rτ²}，雷达采集的某点目标回波数据首先经解调至基带，将距离频率中心置零，解调后的点目标回波表达式为s₀(τ，t)＝A₀w_r[τ-2R(t)/c]w_a(t-t_c)exp{-j4πf₀R(t)/c}exp{jπK_r(τ-2R(t)/c)²}，上述两公式中：A₀为任意复常数，τ为距离向时间变量，t为方位向时间变量，t_c为波束中心偏离时间， $w_r\left(\mathrm{\τ}\right)=\mathrm{rect}\left(\frac{\mathrm{\τ}}{T}\right)$ 为距离向包络即矩形窗函数，脉冲持续的时间T＝5.2μs，w_a(t)为方位向包络函数即sinc平方型函数，B为线性调频信号的带宽，f₀为雷达载频，距离向调频斜率 $K_r=\frac{B}{T},$ R(t)为瞬时斜距；处理该回波的步骤如下：

(1)对雷达采集的点目标回波信号s₀(τ，t)在距离向做快速傅立叶变换，得到回波信号的距离向频谱 $S_0(f_{\mathrm{\τ}},t)=A_0{A}_1{W}_r\left(f_{\mathrm{\τ}}\right)w_a(t-t_c)\exp \{-j\frac{4\mathrm{\π}(f_0+f_{\mathrm{\τ}})R\left(t\right)}{c}\}\exp \{-j\frac{\mathrm{\π}{f_{\mathrm{\τ}}}^2}{K_r}\},$ 其中A₀和A₁为任意复常数，t为方位向时间变量，t_c为波束中心偏离时间，W_r(f_τ)＝w_r(f_τ/K_r)是距离频谱的包络， $w_r\left(\mathrm{\τ}\right)=\mathrm{rect}\left(\frac{\mathrm{\τ}}{T}\right)$ 为距离向包络即矩形窗函数，f_τ为距离向频率变化量，p_r(τ)为窗函数W_r(f_τ)的逆傅立叶变换函数，T为脉冲持续的时间，w_a(t)为方位向包络函数即sinc平方型函数，f₀为雷达载频，K_r为距离向调频斜率，R(t)为瞬时斜距，c为光速；

(2)由匹配滤波原理得到参考基带回波信号为h(τ)，对h(τ)做快速傅立叶变换，以获得基带参考信号的频谱 $H\left(f_{\mathrm{\τ}}\right)=W_r\left(f_{\mathrm{\τ}}\right)\exp \left\{j\mathrm{\π}\frac{{f_{\mathrm{\τ}}}^2}{K_r}\right\},$ 其中W_r(f_τ)＝w_r(f_τ/K_r)是距离频谱的包络， $w_r\left(\mathrm{\τ}\right)=\mathrm{rect}\left(\frac{\mathrm{\τ}}{T}\right),$ f_τ为距离向频率变化量，其取值范围为从

到

而变化间隔为

f_s为采样频率，M为距离向采样点数，距离向调频斜率 $K_r=\frac{B}{T},$ 其中T＝5.2μs为脉冲持续时间，B为线性调频信号的带宽；

(3)雷达接收到的面目标回波信号由多个散射点组成，对面目标信号的距离向进行脉冲压缩处理，也即是先将回波信号的距离向频谱和基带参考信号的频谱相乘得到S₀(f_τ，t)H(f_τ)，然后对其进行逆快速傅立叶变换，得面目标信号的距离向脉冲压缩信号

$r(m,n)=\left\{\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\α}}_k{e}^{j4\mathrm{\π}{f}_m[x_k\cos \left(\mathrm{nt}\right)+y_k\sin \left(\mathrm{nt}\right)]/c}\right\}\×e^{j\left[4\mathrm{\π}{f}_m\mathrm{\Δ}{R}_0\left(\mathrm{nt}\right)\right]}+e(m,n)\text{,}$

其中，K表示散射点的个数，α_k、x_k和y_k分别表示第k个散射点的复幅度、横坐标和纵坐标，ΔR₀(nt)表示距离移动，即第n个脉冲所跟踪目标位置与雷达测量之间的差，e(m，n)表示噪声和杂波，c为光速，变量m＝1，2，…，M，变量n＝1，2，…，N，M为距离门数目，N为距离门中的脉冲数， $f_m=f_0+\frac{K_r}{\mathrm{\π}}{t}_m$ 为离散的频率，f₀为雷达载频，K_r为距离向调频斜率，t_m为取样时间。

其中，所述的步骤四包括如下步骤：

(1)采用初次逼近的搜索算法以较大搜索间隔进行粗略搜索：以初始搜索中心速度为中心，以粗略搜索间隔左右各N次的搜索，N为10～100之间的任一整数，正侧视条件下方位向调频斜率 $f_{\mathrm{dr}}=\frac{2{V_a}^2}{\mathrm{\λR}},$ 其中V_a为车辆行驶的速度，λ为雷达的工作波长，R＝15+(k-12)×p_r为某一距离门中心到雷达的斜距，变量k表示提取的某一距离门，p_r为距离向分辨率；所述的初始搜索中心速度为50.0km/h，粗略搜索间隔为0.5km/h；

(2)从第i个目标子回波r_i(m，n)中提取一个幅度最大的距离门p(n)，并对该距离门做快速傅立叶变换，得到信号频谱P(f_t)，然后以每次速度搜索得到的方位向调频斜率，并计算出参考信号频谱，表示为 $H_{\mathrm{azi}}\left(f_t\right)=\exp \{-\mathrm{j\π}\frac{{f_t}^2}{f_{\mathrm{dr}}}\},$ 其中f_t为选择的距离门方位向频率变化量，f_dr为每次搜索获得的方位向调频斜率，信号频谱与参考信号频谱相乘后做逆快速傅立叶变换，获得基带匹配滤波器结果p′(n)，n＝1，2，…，N，N为距离门脉冲数目；

(3)每搜索一次速度，进行一次步骤(2)的操作，并对方位向压缩后的信号p′(n)计算一次峰度值，最终形成峰度曲线；

(4)在粗略搜索的基础上，从形成的峰度曲线中取最高点周围的区域，以精确搜索间隔进行精确搜索，重复步骤(2)和(3)的过程，最终峰度曲线尖峰处对应的搜索速度即为车辆行驶的速度。所述的精确搜索间隔为0.1km/h，所述的最高点周围区域为峰度曲线中最高点处左右各5.0km/h之间。

其中，所述的步骤五包括如下步骤：

(1)在步骤四的基础上得到各目标车辆行驶的速度，即得到各目标子回波的方位向调频斜率f_dri，形成各目标子回波的方位向参考函数 $H_{\mathrm{az}}\left(f_t\right)=\exp \{-\mathrm{j\π}\frac{{f_t}^2}{f_{\mathrm{dri}}}\},$ 然后分别对各目标回波信号进行方位向压缩，从而获得第i个车辆对应的二维微波图像r′_i(m，n)，其中m＝1，2，…，M，n＝1，2，…，N，N为距离门脉冲数目，M为移动目标的距离门数目，ft为选择的距离门方位向频率变化量；

(2)对r′_i(m，n)各距离门进行累加，得到

其中p_m(n)为某一单元信号的值，m＝1，2，…，M，n＝1，2，…，N，N为距离门脉冲数目，M为移动目标的距离门数目；

(3)通过对

计算得

对

形成的曲线加一门限值进行截取，得到移动目标的长度；所述的门限值的取值范围为30～60dB。

本发明的原理是：

利用多普勒调频斜率f_dr来获取车道内车辆的移动速度，其中f_dr的表达式为

$f_{\mathrm{dr}}=\frac{2}{\mathrm{\λ}}\frac{d^{2}R\left(t\right)}{d{t}^2}=\frac{2{V_a}^2}{\mathrm{\λ}{R}_0}---\left(1\right)$

式(1)中， $R\left(t\right)=\sqrt{{R_0}^2+{{V_a}^{2}t}^2}\≈R_0+\frac{{V_a}^2{t}^2}{2R_0}$ 为目标与雷达的距离变化量，V_a为车辆移动的速度，R₀为波束中心斜距，t为方位向变化时间变量。由式(1)可知，为了测算出V_a，可以通过精确估算f_dr反演得到，因此(1)式既是测量速度V_a的一种方法，也是实现方位向成像的前提。

当估算得到方位向调频斜率后，进行方位向压缩，然后对某一车辆目标提取方位向压缩后的距离向信号p_m(n)，其中m＝1，2，…，M，n＝1，2，…，N，N为距离门的脉冲数目，M为该车辆目标所占有的距离门数目，则有

将(2)式变形为

形成曲线并加一门限值截取可以估计出移动目标的长度。

本发明利用最大修正峰度对准准则就可以实现以上要求，峰度(kurtosis)是与随机变量的四阶中心矩有关的一个统计量，描述了变量所有取值分布的陡缓程度。

峰度定义为

$\mathrm{kurtosis}=\frac{E\left[{(x-\mathrm{\μ})}^4\right]}{{\mathrm{\σ}}^4}---\left(3\right)$

其中x是随机变量，μ为其均值，σ为其标准偏差，E(·)代表数学期望操作。

对于一个有限长序列X＝{x₀，x₁，…，x_N-1}，其峰度表示该序列N个取样值分布的平缓程度，此时峰度的计算可用时间平均代替(3)的集平均，即

$\mathrm{kurtosis}=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{\left(\frac{x_i-\stackrel{\‾}{X}}{\mathrm{\σ}}\right)}^4---\left(4\right)$

其中 $\stackrel{\‾}{X}=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_i,$ ${\mathrm{\σ}}^2=\frac{1}{N-1}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{X})}^2.$

实际中，目标强散射点分布各不相同，回波包络会有起伏，且伴有随机噪声，未对准的相邻回波相加得到的和包络能量必然会分散变为均匀。但是，波形特征可能会由于不同的包含强散射点的距离单元的包络相加，而变得更加尖锐，从而造成错误对准。为了避免错误对准，采用最大修正峰度对准准则。

针对峰度应用于包络对准的缺陷，对式(4)进行修正，有

$\mathrm{kurtosi}{s}^{\′}=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{{(x_i-\stackrel{\‾}{X})}^4}{{{\mathrm{\σ}}^{\′}}^2}---\left(5\right)$

其中 $\stackrel{\‾}{X}=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_i,$ ${\mathrm{\σ}}^{\′}=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}\frac{x_i}{\left|\right|X\left|\right|}{(i-\frac{N-1}{2})}^2,$ $\left|\right|X\left|\right|=\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{x}_i^2.$ 在本发明的实际应用中，X＝{x₀，x₀，…，x_N-1}为每次速度搜索方位向压缩后某一较强距离门信号得到的序列，N为方位向单元个数或采样个数。

由以上推导可知，峰度可以衡量序列数值分布的平缓程度，可以衡量包络波形的尖锐程度或均匀程度，方位向聚焦的越好则峰度值越大，所以以最大峰度作为准则完成方位向调频斜率的精确估算，是一种可行的方法。利用最大修正峰度对准准则来估计目标移动速度时，由(1)式可知，速度搜索与方位向调频斜率的搜索是等价的。

有益效果：(1)监控车道多，检测范围大，根据微波测量原理，雷达检测范围与天线的技术指标有关，同时更与雷达系统处理与分辨目标的能力有关，本发明采用的控制方法对面目标进行匹配滤波处理，能对大范围多车道内的车辆信息进行快速监测，做到同时对监测带内的多个目标进行监控，无一遗漏；(2)测速更准确，能准确检测慢速甚至静止车辆，对于慢速甚至静止目标的监测一直是基于微波技术的检测雷达的技术难点，本发明提供的控制方法能从根本上解决这个问题，通过对回波信号的处理，首先能确定车道内是否有(包括静止的)车辆，然后区分静止和运动的车辆，进而估计运动车辆的速度，测速信息准确，误差小，尤其适合早晚城市交通拥挤等情况；(3)可以给出某一时刻雷达监控范围内的所有车辆的微波图像，并能估计出车辆长度，视频类交通测量仪器受黑天、雨雪、冰雹、浓雾和阴霾天气等自然条件影响比较大，而微波图像能全天时、全天后工作，能提供反映各个车辆位置的图像，并且通过对微波图像的分析，能获取车长信息，便于交通控制。

附图说明

图1是本发明车辆检测雷达控制方法的工作流程图。

图2是本发明雷达的工作状态图。

图3是本发明的信号处理模块原理框图。

图4-a至4-i3是本发明车辆检测雷达控制方法的实例处理结果示意图：

4-a、为三个车辆目标的距离向脉冲压缩结果；

4-b、提取得到的目标1的子回波；

4-c、提取得到的目标2的子回波；

4-d、提取得到的目标3的子回波；

4-e1、目标1分别进行粗略搜索结果；

4-e2、目标1分别进行精细搜索结果；

4-f1、目标2分别进行粗略搜索结果；

4-f2、目标2分别进行精细搜索结果；

4-g1、目标3分别进行粗略搜索结果；

4-g2、目标3分别进行精细搜索结果；

4-h1、车辆目标1的方位向压缩后的图像；

4-h2、车辆目标2的方位向压缩后的图像；

4-h3、车辆目标3的方位向压缩后的图像；

4-i1、目标1长度估计曲线(门限值设为50dB)；

4-i2、目标2长度估计曲线(门限值设为50dB)；

4-i3、目标3长度估计曲线(门限值设为50dB)。

具体实施方式

下面结合附图对本发明做更进一步的说明。

如图1所示，本发明包括如下步骤：

步骤一、程序初始化，即将检测雷达相关工作参数赋值；

步骤二、距离向脉冲压缩，即对采集到的目标回波信号进行脉冲压缩处理，得到各个车道内是否存在车辆；

步骤三、从距离压缩后的整个回波信号中提取出各个车辆的目标子回波数据，判断出各个目标是行进中还是停止，并为后面的处理步骤提供基础；

对步骤三的进一步说明如下：分别提取出各目标车辆的子回波，从而分别对各个子回波数据进行处理和分析，子回波数据包括行进车辆的子回波数据和停止车辆的子回波数据，通过车辆与雷达之间的距离是否变化即是否产生多普勒效应来判断车辆是移动的还是停止的。如果没有多普勒效应，那么整个方位向都将有目标车辆的回波信号，则从距离向脉冲压缩后的回波数据的图形中可以得到车辆的速度为零，即为停止的车辆；如果有多普勒效应，那么只有在部分车道方位向上有回波信号，则可以在接下来的步骤中估计出车辆行进的速度。

步骤四、对行进车辆的各子回波数据进行速度搜索(即方位向调频斜率)，每搜索一次得到一个匹配滤波函数，进行方位向压缩后计算峰度值；

步骤五、如果得到最大峰度值，那么最大峰值处所对应的搜索速度即为车辆行驶的速度，根据获得的车辆行驶速度可以计算方位向调频斜率并对方位向数据进行脉冲压缩，从而得到目标车辆的最终微波成像图，通过与设定的门限值比较估计得到车长；如果没有得到最大峰度值，则返回步骤四继续搜索。

如图2所示，图中标注1是微波车辆检测雷达，阴影部分是雷达的波束照射范围，x为平行于车道方向的坐标轴，y为垂直于车道方向的坐标轴，z为雷达架设高度方向坐标轴，R₀为波束照射区中心到雷达的距离，R(t)为目标与雷达之间的瞬时距离，t为车辆行驶时间变量，h为雷达架设的高度。

如图3所示，本发明的硬件包括接收回波信号的模数转换器(AD)，以及对接收到的信号进行处理的数字信号处理组件。其中数字信号组件包括先进先出队列(FIFO)、复杂可编程逻辑器件(CPLD)、异步通讯装置(UART)、通讯接口(RS232)和信号处理器(DSP)。雷达工作时，CPLD产生控制信号对AD、FIFO和UART进行控制，雷达接收机将接收的正交回波信号I和Q送入AD转换器进行采样，得到数字信号并存储在FIFO中等待处理，DSP依次处理数字回波信号，最后将处理结果经UART控制发送到RS232实时传输到信息中心。

下面以同时检测三辆行进的车辆进一步说明本发明的检测方法，其中，处理的数据为雷达样机采集在公路上行驶车辆的实测回波数据。

1、程序初始化，将检测雷达参数赋值。

在DSP器件中输入雷达架设高度为5.0m、雷达对地面倾角为30°、雷达距离车道的距离为5.0m、车道中间绿化带的宽度0.0m以及车道的宽度3.0m等工作参数，另外还包括雷达本身的系统参数，其中载频为10.5GHz、距离向分辨率为0.15m、脉冲宽度为5.2μs、脉冲重复频率为2048Hz、线性调频信号的带宽为40MHz、斜视角为0°、采样频率为100MHz，并做好接收和处理回波数据的准备。

2、距离向脉冲压缩，对采集到的目标回波信号进行脉冲压缩处理，主要判断车道内有无车辆。

雷达发射具有线性调频特性的脉冲，接收天线接收到目标反射的回波信号，形成两路正交的回波信号I和Q，两路回波经AD转换器采样后变成数字回波信号。雷达采集数据最终以二维形式进行存储，横坐标是方位向采样点数，纵坐标是距离向采样点数，可以从距离压缩后的图4-a看出，图中给出的是截取雷达监测车道内的部分距离门数据。

设雷达发射的线性调频脉冲信号为s(τ)＝w_r(τ)exp{j2πf₀τ+jπKrτ²}，雷达采集的某点目标回波数据首先进行解调处理，以便将距离频率中心置零。解调后的点目标回波数据为s₀(τ，t)＝A₀w_r[τ-2R(t)/c]w_a(t-t_c)exp{-j4πf₀R(t)/c}exp{jπK_r(τ-2R(t)/c)²}。以上两式的参数含义如下：A₀为任意复常数，τ为距离向时间变量，t为方位向时间变量，波束中心偏离时间t_c＝0， $w_r\left(\mathrm{\τ}\right)=\mathrm{rect}\left(\frac{\mathrm{\τ}}{T}\right)$ 为距离向包络即矩形窗函数，脉冲持续的时间T＝5.2μs，w_a(t)为方位向包络函数，即sinc平方型函数，线性调频信号的带宽B＝40MHz，雷达载频f₀＝10.5GHz，距离向调频斜率 $K_r=\frac{B}{T},$ R(t)为瞬时斜距。

具体处理过程如下：

(1)对雷达采集得到的目标回波信号s₀(τ，t)在距离向做快速傅立叶变换，得到回波信号的距离向频谱 $S_0(f_{\mathrm{\τ}},t)=A_0{A}_1{W}_r\left(f_{\mathrm{\τ}}\right)w_a(t-t_c)\exp \{-j\frac{4\mathrm{\π}(f_0+f_{\mathrm{\τ}})R\left(t\right)}{c}\}\exp \{-j\frac{\mathrm{\π}{f_{\mathrm{\τ}}}^2}{K_r}\},$ 其中A₀和A₁是两个任意副常数，此处取A₀A₁＝1，W_r(f_τ)＝w_r(f_τ/K_r)是距离频谱的包络， $w_r\left(\mathrm{\τ}\right)=\mathrm{rect}\left(\frac{\mathrm{\τ}}{T}\right)$ 为距离向包络即矩形窗函数，f_τ为距离向频率变化量，其范围为从

到

而变化间隔为

采样频率f_s＝100MHz，距离向采样点数M＝1024，w_a(t)为方位向包络函数即sinc平方型函数，f₀＝10.5GHz为雷达载频，T＝5.2μs为脉冲持续时间，B＝40MHz为雷达发射线性调频信号的带宽，距离向调频斜率 $K_r=\frac{B}{T},R\left(t\right)$ 为瞬时斜距，光速c＝3×10⁸m/s；

(2)由匹配滤波原理得到距离向参考基带回波信号为h(τ)，并对h(τ)做快速傅立叶变换以获得基带参考信号的频谱 $H\left(f_{\mathrm{\τ}}\right)=W_r\left(f_{\mathrm{\τ}}\right)\exp \left\{j\mathrm{\π}\frac{{f_{\mathrm{\τ}}}^2}{K_r}\right\},$ 其中W_r(f_τ)＝w_r(f_τ/K_r)是距离频谱的包络， $w_r\left(\mathrm{\τ}\right)=\mathrm{rect}\left(\frac{\mathrm{\τ}}{T}\right),$ f_τ为距离向频率变化量，其范围为从

到

而变化间隔为

采样频率f_s＝100MHz，距离向采样点数M＝1024，脉冲持续时间T＝5.2μs，线性调频信号的带宽B＝40MHz，距离向调频斜率 $K_r=\frac{B}{T};$

(3)将上述步骤(1)和步骤(2)得到的距离向频谱与基带参考信号的频谱相乘，然后对相乘的结果进行逆快速傅立叶变换，获得三个正在行驶车辆在雷达距离向分布情况，如图4-a所示，图中目标3在第15距离门对应的距离上，目标2在第14距离门对应的距离上，目标1在第12距离门对应的距离上。另外，图4-a的上下边缘处回波是由车道栅栏等静止物体反射产生的。

3、提取行进车辆的子回波。

分别从整个回波数据中提取出各目标车辆从而形成各个车辆的子回波，图4-b、4-c和4-d为三个目标距离压缩后的子回波平面图。从图中可以观察到，三个目标车辆的子回波数据只在部分方位向上有回波信号，即目标车辆与雷达之间产生多普勒效应，说明这三个目标车辆是以一定的速度在行驶。

4、对行进的车辆进行速度搜索。

根据步骤3获得的各个行进车辆的子回波，对其进行速度搜索以计算峰度值，每个子回波的最大峰度峰值所对应的搜索速度即是该车辆的行进速度。

具体处理步骤如下：

(1)以初始搜索中心速度Va_init＝50km/h为中心，以0.5km/h为搜索间隔左右各搜索100次，这是粗略搜索。方位向调频斜率 $f_{\mathrm{dr}}=\frac{2{V_a}^2}{\mathrm{\λR}},$ 其中V_a＝Va_init+0.5i为速度搜索范围，变量i是整数，其变化范围为从-100到100，λ＝0.028m为工作波长，R＝15+(k-12)×p_r为某一距离门的中心斜距，变量k＝1，2，…，25表示提取的某一距离门，p_r＝1.5m为距离向分辨率。

(2)从第i个目标子回波中提取一个幅度最大值对应的距离门，在本实例中，即目标1提取第12个距离门、目标2提取第14个距离门、目标3提取第15个距离门，并对这些距离门在方位向做快速傅立叶变换得到信号频谱P(f_t)，得到方位向匹配滤波器的参考信号频谱 $H_{\mathrm{axi}}\left(f_t\right)=\exp \{-\mathrm{j\π}\frac{{f_t}^2}{f_{\mathrm{dr}}}\},$ 其中 $f_{\mathrm{dr}}=\frac{2{V_a}^2}{\mathrm{\λR}},$ f_t为距离门方位向频率变化量，其取值范围从-PRF/2到PRF/2-PRF/N，取值间隔为PRF/N，N＝10240为方位向采样点数，PRF＝2048Hz为脉冲重复频率，然后对信号频谱和参考信号频谱相乘并做逆快速傅立叶变换，得到方位向脉冲压缩结果；

(3)每搜索一次速度，进行一次步骤(2)的操作，并对该距离门信号根据公式(5)，即修正后的峰度值公式计算一次峰度值，最终形成峰度曲线，结果见图4-e1、4-f1和4-g1；

(4)在粗略搜索的基础上，从形成的峰度曲线中取出最高点，以这个最高点所对应的速度为中心，在左右各5km/h范围内，以精确搜索间隔0.1km/h，进行左右各50次的精确搜索，重复(2)和(3)的过程，最终峰度曲线尖峰处对应的速度即为车辆行驶的速度，结果见附图4-e2、4-f2和4-g2。

5、方位向脉冲压缩并估计车长。

对各个车辆做微波成像处理，结果见图4-h1、4-h2和4-h3，通过对微波图像分析可获得每个车辆的车长信息。

具体步骤如下：

(1)在步骤4的基础上，得到各行进车辆的速度信息，进而得到各子回波数据的方位向调频斜率，由此计算出方位向最佳匹配滤波器频谱函数 $H_{\mathrm{az}}\left(f_t\right)=\exp \{-\mathrm{j\π}\frac{{f_t}^2}{f_{\mathrm{dri}}}\},$ 其中 $f_{\mathrm{dr}}=\frac{2{V_a}^{{\′}^2}}{\mathrm{\λR}},$ V′_a为估计出的目标车辆速度，f_t为距离门方位向频率变化量，其取值范围为从-PRF/2到PRF/2-PRF/N，取值间隔为PRF/N，N＝10240为方位向采样点数，PRF＝2048Hz为脉冲重复频率，这样可以对各目标子回波进行方位向脉冲压缩处理，得到3个车辆的二维微波图像，结果如图4-h1、4-h2和4-h3所示，分别对应目标1、目标2和目标3；

(2)对各目标对应的距离门按式

进行累加，其中m＝1，2，…，M，n＝1，2，…，N，N＝10240为距离门的脉冲数目，M＝25为移动目标的距离向单元数目，通过设定门限值50dB，可以估计出移动目标的长度。在本实例中，目标1的长度估计是子回波成像图4-h1的第11、12、13个距离门进行相加；目标2的长度估计是子回波成像图4-h2的第13、14、15个距离门相加；目标3的长度估计是子回波成像图4-h3的第14、15、16个距离门相加。

最终检测结果见表1和附图4-i1、4-i2和4-i3，其中表1为实例中对车辆的速度和长度的估计结果，对车长的估计见图4-i1、4-i2和4-i3。

表1 车辆的速度和长度的实际和测量结果

Claims (6)

1.一种微波车辆检测雷达的控制方法，其特征是包括以下步骤：

步骤一、对检测雷达工作参数赋值；

步骤二、距离向脉冲压缩，对采集到的目标回波信号进行脉冲压缩处理，得到各个车道内是否存在车辆；

步骤三、分别提取出各目标车辆的子回波，包括行进车辆的子回波数据和停止车辆的子回波数据，通过车辆与雷达之间的距离是否变化即是否产生多普勒效应来判断车辆是移动的还是停止的：即如果没有多普勒效应，则整个方位向都将有目标车辆的回波信号，则可从距离向脉冲压缩后的回波数据的图形中得到车辆的速度为零，即为停止的车辆；如果有多普勒效应，则只有在部分车道的方位向上有回波信号，即为行进车辆；

步骤四、对行进车辆的各子回波数据进行速度搜索，每搜索一次得到一个匹配滤波函数，进行方位向脉冲压缩后计算峰度值；

步骤五、如果得到最大峰度值，则最大峰度值处所对应的搜索速度即为车辆行驶的速度，然后根据此速度计算出方位向调频斜率，并对方位向数据进行脉冲压缩，然后将目标子回波的距离门相加，将相加的结果与设定的门限值比较得到车长；如果没有得到最大峰度值，则返回步骤四继续搜索。

2.根据权利要求1所述的一种微波车辆检测雷达的控制方法，其特征在于：所述的步骤一中的雷达工作参数包括雷达的架设高度、雷达对地面倾角、雷达距车道的距离、车道中间绿化带的宽度、车道的宽度以及雷达本身的系统参数。

3.根据权利要求1所述的一种微波车辆检测雷达的控制方法，其特征在于：所述的步骤二包括如下步骤：

设雷达发射的线性调频脉冲信号为s(τ)＝w_r(τ)exp{j2πf₀τ+jπK_rτ²}，雷达采集的某点目标回波数据首先经解调至基带，将距离频率中心置零，解调后的点目标回波表达式为s₀(τ，t)＝A₀w_r[τ-2R(t)/c]w_a(t-t_c)exp{-j4πf₀R(t)/c}exp{jπK_r(τ-2R(t)/c)²}，上述两公式中：A₀为任意复常数，τ为距离向时间变量，t为方位向时间变量，t_c为波束中心偏离时间，

为距离向包络即矩形窗函数，脉冲持续的时间T＝5.2μs，w_a(t)为方位向包络函数即sinc平方型函数，B为线性调频信号的带宽，f₀为雷达载频，距离向调频斜率

R(t)为瞬时斜距；

处理该回波的步骤如下： 

(1)对雷达采集的点目标回波信号s₀(τ，t)在距离向做快速傅立叶变换，得到回波信号的距离向频谱

其中A₀和A₁为任意复常数，t为方位向时间变量，t_c为波束中心偏离时间，W_r(f_τ)＝w_r(f_τ/K_r)是距离频谱的包络，

为距离向包络即矩形窗函数，f_τ为距离向频率变化量，p_r(τ)为窗函数W_r(f_τ)的逆傅立叶变换函数，T为脉冲持续的时间，w_a(t)为方位向包络函数即sinc平方型函数，f₀为雷达载频，K_r为距离向调频斜率，R(t)为瞬时斜距，c为光速；

(2)由匹配滤波原理得到参考基带回波信号为h(τ)，对h(τ)做快速傅立叶变换，以获得基带参考信号的频谱

其中W_r(f_τ)＝w_r(f_τ/K_r)是距离频谱的包络，

f_τ为距离向频率变化量，其取值范围为从 

到 

而变化间隔为 

f_s为采样频率，M为距离向采样点数，距离向调频斜率

其中T＝5.2μs为脉冲持续时间，B为线性调频信号的带宽；

(3)雷达接收到的面目标回波信号由多个散射点组成，对面目标信号的距离向进行脉冲压缩处理，也即是先将回波信号的距离向频谱和基带参考信号的频谱相乘得到S₀(f_τ，t)H(f_τ)，然后对其进行逆快速傅立叶变换，得面目标信号的距离向脉冲压缩信号 

其中，K表示散射点的个数，α_k、x_k和y_k分别表示第k个散射点的复幅度、横坐标和纵坐标，ΔR₀(nt)表示距离移动，即第n个脉冲所跟踪目标位置与雷达测量之间的差，e(m，n)表示噪声和杂波，c为光速，变量m＝1，2，…，M，变量n＝1，2，…，N，M为距离门 数目，N为距离门中的脉冲数，

为离散的频率，f₀为雷达载频，K_r为距离向调频斜率，t_m为取样时间。

4.根据权利要求1所述的一种微波车辆检测雷达的控制方法，其特征在于：所述的步骤四包括如下步骤：

(1)采用初次逼近的搜索算法以较大搜索间隔进行粗略搜索：以初始搜索中心速度为中心，以粗略搜索间隔左右各N次的搜索，N为10～100之间的任一整数，正侧视条件下方位向调频斜率

其中V_a为车辆行驶的速度，λ为雷达的工作波长，R＝15+(k-12)×p_r为某一距离门中心到雷达的斜距，变量k表示提取的某一距离门，p_r为距离向分辨率；

(2)从第i个目标子回波r_i(m，n)中提取一个幅度最大的距离门p(n)，并对该距离门做快速傅立叶变换，得到信号频谱P(f_t)，然后以每次速度搜索得到的方位向调频斜率，并计算出参考信号频谱，表示为

其中f_t为选择的距离门方位向频率变化量，f_dr为每次搜索获得的方位向调频斜率，信号频谱与参考信号频谱相乘后做逆快速傅立叶变换，获得基带匹配滤波器结果p′(n)，n＝1，2，…，N，N为距离门脉冲数目；

(3)每搜索一次速度，进行一次步骤(2)的操作，并对方位向压缩后的信号p′(n)计算一次峰度值，最终形成峰度曲线；

(4)在粗略搜索的基础上，从形成的峰度曲线中取最高点周围的区域，以精确搜索间隔进行精确搜索，重复步骤(2)和(3)的过程，最终峰度曲线尖峰处对应的搜索速度即为车辆行驶的速度。

5.根据权利要求4所述的一种微波车辆检测雷达的控制方法，其特征在于：步骤(1)的初始搜索中心速度为50.0km/h，粗略搜索间隔为0.5km/h，步骤(4)中的精确搜索间隔为0.1km/h，所述的最高点周围区域为峰度曲线中最高点处左右各5.0km/h之间。 

6.根据权利要求1所述的一种微波车辆检测雷达的控制方法，其特征在于：所述的门限值的取值范围为30～60dB。 

Images