CN102289938A - 双列垂直雷达波的车辆分型方法 - Google Patents

Abstract

本发明一种双列垂直雷达波的车辆分型方法，在道路侧向装有微波车辆检测器，微波车辆检测器采用阵列式双微波雷达，微波车辆检测器是由向量分解模块、频率分析模块及微处理器组成。本发明方法是对回波特征的综合识别分析，对回波的特征值进行分析，得出一组分型结果，对回波的频率进行分析，再得出一组分型结果；最后将这两个分型结果进行加权处理得出最后的车辆分型结果。由于本产品在神经网络方面采用了二级小网络分型的方法，因此可以大大地提高分型速度，解决了车辆分型的实时性问题，并提高分型的准确性和稳定性。

Description

双列垂直雷达波的车辆分型方法

技术领域

本发明涉及数字雷达波检测技术，具体涉及一种基于双列雷达波的车辆分型方法。

背景技术

随着国家公路系统的日益发达，交通量数据采集分析的意义也越来越重大。应运而生的就是交通量调查系统的产生。现如今的交通量调查系统的基本组成都是由车辆检测器、运算处理单元、上位机软件三部分组成，其中对车辆检测器的研究主要分为以下几种方式：线圈检测方式、视频检测方式、微波检测方式、超声波检测方式、磁力检测方式、激光检测方式。

目前在微波检测领域中，微波检测器主要有两种使用方式：路边侧向模式和前方正向模式。工作原理为：通过一台微波雷达发射一束连续频率调制微波（FMCW）在检测路面上，投映一个微波带。每当车辆通过这个微波投映区时，都会向微波检测器反射一个微波信号，微波检测器接收反射的微波信号，并计算接收频率和时间的变化参数以得出车辆的速度和长度。其中前方正向模式用一台微波检测器实时监测一条单车道的交通情况。路边侧向模式可以使用一台微波检测器同时监测多条车道，并提供每条车道的交通信息。

以上两种方式都只能实现对速度和车流量的数据采集，并不能对通过检测区域的每一辆车的车型进行具体的辨别。

发明内容

针对现有对车辆检测存在的缺点和不足，本发明提出一种对通过检测区域的所有车辆的速度、车流量、时间占有率、车头间距、车型分类、跟车百分比、地点车速、行驶方向、行驶车道、车型分类等数据的采集的方法。

解决上述技术问题的具体技术措施是：一种双列垂直雷达波的车辆分型方法，其特征是：

⑴检测装置设置：在道路侧向装有微波车辆检测器，微波车辆检测器采用阵列式调频连续双微波雷达，微波车辆检测器是由向量分解模块、频率分析模块及微处理器组成：

⑵发射波与回波：微波车辆检测器在一个周期内向固定方向发射一种频率随时间线性地增加的连续波，并连续地接收来自该方向的回波，任何时刻的回波频率和同时刻的发射波频率之差，正比于目标物和雷达站的距离，对差拍信号进行频谱分析，分离出来自不同距离处目标物的回波信号，最小可分辨距离h由下式决定： 

h =c/kF

式中c为光速，F为发射连续波的频率跨度，k是量级为1的常数；

将采集的回波导入运算处理单元，通过回波特征综合识别算法，对回波进行分析，得出分型结果；

⑶向量分解模块解析：当回波导入向量分解模块时，此模块对一维的回波做向量分解，将一维信号分解到二维及多维空间里，本发明发射波格式为X，通过对X格式波做相关运算取第N个零点作为采样点，连续采M个波，将回波分解到M维空间中：

采样序列为：

 M维空间为：              

作                       

则A为轨迹协方差矩阵，A为一个M×M的矩阵，且A必定是一个满秩矩阵。对A进行特征值分解，得

其中，U为A的特征向量矩阵，

为对角阵，

对角线上的值为A的特征值

，

，

，，

……取A最大的两个特征值对应的特征向量作为二维平面的两个坐标轴，此平面即为最大主元平面，得到状态转移轨迹X在此平面上的投影得出点图，对于这些点的分布做分维数分析，不同目标回波的的特征值对应一个分型结果；

⑷频率分析模块解析:本发明在车速提取上采用了Chirp ZT，对于大小不同的车辆，其在特定路段上的行驶速度有一定的分布规律。通过对回波的Chirp ZT分析，运用Doppler原理：

并解除多值性以后，提取出目标的行驶速度，然后将其速度并入概率分布计算，得出相应的车辆分型结果；

⑸神经网络集成：以上向量分解模块及频率分析模块中，每种分型方法自成一个小型神经网络，这些一输入多输出的小型神经网络对于同一回波信号都有一个分型结果，将几个分型结果进行加权处理得出最后的车辆分型结果；

下式Y为最后分型结果，P1为向量分解模块分型结果，P2为频率分析模块分型结果，P3为可扩展磁模块分型结果，则：

Y =a·P 1+b·P 2+c·P 3；

其中a，b，c为根据Bayes准则提取到的自适应系数，且a +b +c =1，即式中的c=1-a-b，由三个权值变为两个权值。

本发明的有益效果：本发明系统针对设备的分型采用特有的回波特征值分析算法，通过两个特征值提取模块对回波的特性分析，实现了一种基于双列垂直雷达波的车辆分型方法。这项雷达波检测技术可以中央隔离带的树丛及隔离护栏等障碍检测到部分被遮挡的车辆，从而大大降低了隔离带对检测精度的影响。通过两个数字雷达，解决了对通过检测区域车辆的车型分类功能，是检测精度更精确。

由于采用了二级小网络分型的方法，因此可以大大地提高分型速度，解决了车辆分型的实时性问题，并提高分型的准确性和稳定性。

附图说明

图1是本发明检测装置道路设置示意图。

具体实施方式

结合附图详细说明本发明的方法。

一种双列垂直雷达波的车辆分型方法：

⑴检测装置设置：按常规方式在道路侧向装有微波车辆检测器，如图1所示，微波车辆检测器采用常规阵列式双微波雷达，微波车辆检测器是由向量分解模块、频率分析模块及微处理器组成，在微处理器中装有本发明计算方法软件。

 ⑵发射波与回波：微波车辆检测器采用调频连续波雷达，微波车辆检测器在一个周期内向固定方向发射一种频率随时间线性地增加的连续波，并连续地接收来自该方向的回波。任何时刻的回波频率和同时刻的发射波频率之差，始终正比于目标物和雷达站的距离。将从发射机内引出的一部分能量作为本振信号而连续地同回波信号进行混频，并对差拍信号进行频谱分析，就可分离出来自不同距离处目标物的回波信号。最小可分辨距离h 由下式决定： 

h=c / kF

式中c为光速，F为发射连续波的频率跨度，k是量级为1的常数。

将采集的回波导入运算处理单元，通过对目标距离的确定，可以得到车辆所处的车道数。当多车道同时上车时，就不会对最终的车型分类造成干扰。

将采集的回波导入运算处理单元，通过回波特征综合识别算法，对回波进行分析，得出分型结果。

⑶向量分解模块解析：当回波导入向量分解模块时，此模块对一维的回波做向量分解，将一维信号分解到二维甚至多维空间里。由于本产品发射波格式为X，通过对X格式波做相关运算取第N个零点作为采样点，连续采M个波，将回波分解到M维空间中。

采样序列为：

M维空间为：              

作                       

则A为轨迹协方差矩阵，A为一个M×M的矩阵，且A必定是一个满秩矩阵。对A进行特征值分解，得

其中，U为A的特征向量矩阵，

为对角阵，

对角线上的值为A的特征值

，

，

，

，

等。取A最大的两个特征值对应的特征向量作为二维平面的两个坐标轴，此平面即为最大主元平面。因此可得状态转移轨迹X在此平面上的投影得出点图。

最后对于这些点的分布做分维数分析。通过大量实验证明，不同目标回波的此特征值差异明显并且差异稳定。每一个不同的特征值对应一个分型结果，由此可得出一组分型结果。

⑷频率分析模块解析: 由于车辆分型对实时性有较高要求，因此对于算法的运算量就有比较高的要求。为解决这个问题，在车速提取上采用了Chirp ZT。Chirp ZT的最大优点在于运算量小，分辨率高。FMCW技术是在高精度雷达测距中使用的主要技术之一。其基本原理为，发射波为高频连续波，其频率随时间按照三角波规律变化。接收的回波的频率与发射的频率变化规律相同，都是三角波规律，只是有一个时间差，利用这个微小的时间差可计算出目标距离。

对于大小不同的车辆，其在特定路段上的行驶速度在通常情况下有一定的分布规律。通过对回波的Chirp ZT分析，运用Doppler原理：

并解除多值性以后，提取出目标的行驶速度，然后将其速度并入概率分布计算，得出相应的车辆分型结果。

当目标棱角分明时，回波中高频所占能量份额较多；当目标棱角不明显时，回波中低频所占能量份额较多。因此，Chirp ZT后对于不同目标回波能量高频部分或者低频部分做百分比计算，可以判断出目标棱角度，将此棱角度对于车辆进行一一对应，又得出一组分型结果。

⑸神经网络集成：以上两种模块中，每种分型方法都自成一个小型神经网络。这些一输入多输出的小型神经网络对于同一回波信号都有一个分型结果。最后将这几个分型结果进行加权处理得出最后的车辆分型结果。

下式中，最后分型结果为Y，向量分解模块分型结果为P1，频率分析模块分型结果为P2，可扩展磁模块分型结果为P3，则：

Y =a·P 1+b·P 2+c·P 3；

其中a，b，c为根据Bayes准则提取到的自适应系数，且a +b +c =1，即式中的c=1-a-b。因此，可由三个权值变为两个权值。由于Bayes准则一般适用于两个类之间的权值处理，而本产品的加权处理部分涉及到三个类之间的权值处理，因此本产品中的a，b两个门限计算中的错误概率由两部分组成。由于a，b，c得自适应性和整个Y式结果的分类性，因此这也是一个小型的神经网络，这些一输入多输出的小型神经网络对于同一回波信号都有一个分型结果，将这几个分型结果按上述公式进行加权处理得出最后的车辆分型结果。

Claims (1)

1.一种双列垂直雷达波的车辆分型方法，其特征是：

⑴检测装置设置：在道路侧向装有微波车辆检测器，微波车辆检测器采用阵列式调频连续双微波雷达，微波车辆检测器是由向量分解模块、频率分析模块及微处理器组成；

⑵发射波与回波：微波车辆检测器在一个周期内向固定方向发射一种频率随时间线性地增加的连续波，并连续地接收来自该方向的回波，任何时刻的回波频率和同时刻的发射波频率之差，正比于目标物和雷达站的距离，对差拍信号进行频谱分析，分离出来自不同距离处目标物的回波信号，最小可分辨距离h由下式决定： 

h =c / kF

式中c为光速，F为发射连续波的频率跨度，k是量级为1的常数；

将采集的回波导入运算处理单元，通过回波特征综合识别算法，对回波进行分析，得出分型结果；

⑶向量分解模块解析：当回波导入向量分解模块时，此模块对一维的回波做向量分解，将一维信号分解到二维及多维空间里，本发明发射波格式为X，通过对X格式波做相关运算取第N个零点作为采样点，连续采M个波，将回波分解到M维空间中：

采样序列为：

 M维空间为：

       

作                       

则A为轨迹协方差矩阵，A为一个M×M的矩阵，且A必定是一个满秩矩阵；对A进行特征值分解，得

其中，U为A的特征向量矩阵，

为对角阵，对角线上的值为A的特征值，

，

，

，

……取A最大的两个特征值对应的特征向量作为二维平面的两个坐标轴，此平面即为最大主元平面，得到状态转移轨迹X在此平面上的投影得出点图，对于这些点的分布做分维数分析，不同目标回波的特征值对应一个分型结果；

⑷频率分析模块解析:本发明在车速提取上采用了Chirp ZT，对于大小不同的车辆，其在特定路段上的行驶速度有一定的分布规律，通过对回波的Chirp ZT分析，运用Doppler原理：

并解除多值性以后，提取出目标的行驶速度，然后将其速度并入概率分布计算，得出相应的车辆分型结果；

⑸神经网络集成：以上向量分解模块及频率分析模块中，每种分型方法自成一个小型神经网络，这些一输入多输出的小型神经网络对于同一回波信号都有一个分型结果，将几个分型结果进行加权处理得出最后的车辆分型结果；

下式Y为最后分型结果，P1为向量分解模块分型结果，P2为频率分析模块分型结果，P3为可扩展磁模块分型结果，则：

Y =a·P 1+b·P 2+c·P 3；

其中a，b，c为根据Bayes准则提取到的自适应系数，且a +b +c =1，即式中的c=1-a-b，由三个权值变为两个权值。