CN104215952A - 基于微动特性的车载目标识别系统及其识别方法 - Google Patents

Abstract

本发明属于车辆目标识别技术领域，特别涉及基于微动特性的车载目标识别系统及其识别方法。该基于微动特性的车载目标识别系统包括：安装在车辆前方的信号发射模块、安装在车辆前方的信号接收模块、设置在车辆上的模数转换器、设置在车辆上的数字信号处理器、以及安装在车辆操控台上的显示器；所述模数转换器的输入端电连接所述信号接收模块的输出端，输出端电连接所述数字信号处理器的输入端；所述数字信号处理器的输出端电连接显示器。

Description

基于微动特性的车载目标识别系统及其识别方法

技术领域

本发明属于车辆目标识别技术领域，特别涉及基于微动特性的车载目标识别系统及其识别方法，可用于识别行车环境中的车辆和行人。

背景技术

交通安全主动探测系统可以有效避免驾驶员疏忽、异常天气以及夜间行驶等因素导致的交通安全问题。车载探测系统获取目标信息，利用探测结果可以提前发现危险目标并进行报警，同时使驾驶人员有充分的反应时间尽量避免事故发生。现有车载探测系统通常选用毫米波雷达。毫米波雷达首先发射调频连续波信号，然后通过接收的回波提取目标的距离和速度信息。驾驶人员需要对行车环境和目标信息有更好的判断，因此，需要有效识别不同的目标。

目前，目标识别分为基于结构特征的目标识别和基于高分辨距离像的目标识别。基于结构特征的目标识别方法主要是利用目标自身的结构特性，如长度、宽度和厚度等具有明显几何特性的特征。基于高分辨距离像的目标识别方法主要利用目标回波特性的距离像。上述方法主要适用于脉冲体制雷达，对车辆和行人识别率低。

发明内容

本发明的目的在于提出基于微动特性的车载目标识别系统及其识别方法。本发明适用于车载系统，可以向驾驶人员提供更详细的行车环境和目标信息，可以有效地识别行车环境中的车辆和行人。

本发明的思路是：微多普勒频率是目标或者目标上微运动部件运动形式在雷达目标回波中的体现。因此，对雷达目标回波中的微多普勒信息进行分析处理，能够得到目标或者目标上微运动部件运动形式的相关信息。由于不同类型的目标决定了其微运动形式的差异，对微多普勒信号的时频分析便有助于提取关于目标类别的信息，从而实现目标类别的判断。本发明通过微多普勒时频分析，获取特征频率有效地识别车辆和行人。

为实现上述技术目的，本发明采用如下技术方案予以实现。

技术方案一：

基于微动特性的车载目标识别系统，其特征在于，包括：安装在车辆前方的信号发射模块、安装在车辆前方的信号接收模块、设置在车辆上的模数转换器、设置在车辆上的数字信号处理器、以及安装在车辆操控台上的显示器；所述模数转换器的输入端电连接所述信号接收模块的输出端，输出端电连接所述数字信号处理器的输入端；所述数字信号处理器的输出端电连接显示器。

该技术方案的特点和进一步改进在于：

所述基于微动特性的车载目标识别系统，还包括用于产生周期性的三角波的三角波发生器，所述信号发射模块包括发射天线、载波信号源和混频器；所述混频器的两个输入端对应电连接三角波发生器和载波信号源；

所述信号接收模块包括接收天线、信号分配器、90度移相器、第一变频器、第二变频器；所述信号分配器的输入端电连接接收天线，所述信号分配器的两个输出端对应电连接第一变频器的第一输入端和第二变频器的第一输入端，所述混频器的输出端分别电连接发射天线、第一变频器的第二输入端、以及90度移相器的输入端，所述90度移相器的输出端电连接第二变频器的第二输入端，所述模数转换器的输入端分别电连接第一变频器的输出端和第二变频器的输出端。

在第一变频器和模数转换器之间依次串接有第一抗泄露滤波器和第一低通滤波器，在第二变频器和模数转换器之间依次串接有第二抗泄露滤波器和第二低通滤波器；所述第一变频器的输出端电连接第一抗泄露滤波器的输入端，所述第二变频器的输出端电连接第二抗泄露滤波器的输入端；所述第一抗泄露滤波器的输出端电连接第一低通滤波器的输入端，所述第二抗泄露滤波器的输出端电连接第二低通滤波器的输入端；所述模数转换器的输入端分别电连接第一低通滤波器的输出端和第二低通滤波器的输出端。

技术方案二：

基于微动特性的目标识别方法，基于上述基于微动特性的车载目标识别系统，其特征在于，包括以下步骤：

S1：信号发射模块向车辆前方发射射频信号，并将射频信号传输至信号接收模块；

S2：所述信号接收模块接收回波信号，然后，根据射频信号和回波信号，生成相互正交的I通道差频模拟信号和Q通道差频模拟信号；

S3：所述模数转换器分别对I通道差频模拟信号和Q通道差频模拟信号进行模数转换，将模数转换得出的I通道差频数字信号和Q通道差频数字信号发送至数字信号处理器；

S4：所述数字信号处理器将I通道差频数字信号和Q通道差频数字信号合并为回波基频信号；通过对所述回波基频信号进行恒虚警检测，来判断对应时刻是否出现目标；所述目标为车辆或行人；

S5：对应时刻有目标出现时，所述数字信号处理器得出对应目标的速度；然后根据对应目标的速度，得出对应目标的类别。

该技术方案的特点和进一步改进在于：

所述基于微动特性的车载目标识别系统还包括用于产生周期性的三角波的三角波发生器，所述信号发射模块包括发射天线、载波信号源和混频器；所述混频器的两个输入端对应电连接三角波发生器和载波信号源；所述信号接收模块包括接收天线、信号分配器、90度移相器、第一变频器、第二变频器；

所述信号分配器的输入端电连接接收天线，所述信号分配器的两个输出端对应电连接第一变频器的第一输入端和第二变频器的第一输入端，所述混频器的输出端分别电连接发射天线、第一变频器的第二输入端、以及90度移相器的输入端，所述90度移相器的输出端电连接第二变频器的第二输入端；所述模数转换器的输入端分别电连接第一变频器的输出端和第二变频器的输出端；

在步骤S1中，所述三角波发生器产生周期性的三角波，根据三角波产生周期性的线性调频连续波，所述线性调频连续波的周期为所述三角波的周期，所述三角波的幅度用于控制线性调频连续波的频率；然后，将线性调频连续波传输至所述混频器；所述载波信号源生成载波信号，并将所述载波信号传输至所述混频器；所述混频器对线性调频连续波和载波信号进行混频，得到射频信号，然后将射频信号分别发送至发射天线、第一变频器、以及90度移相器；所述发射天线向车辆前方发射所述射频信号。

在步骤S2中，所述接收天线接收回波信号，并将回波信号分别发送至第一变频器和第二变频器，所述90度移相器对所述射频信号进行90度移相处理，将移相处理后信号发送至第二变频器；所述第一变频器对所述回波信号和所述射频信号进行混频处理，得出I通道差频模拟信号；所述第二变频器对所述回波信号和所述移相处理后信号进行混频处理，得出Q通道差频模拟信号。

在步骤S3中，所述I通道差频模拟信号表示为I(t)，t为离散时间变量，所述Q通道差频模拟信号表示为Q(t)；

在步骤S4中，所述数字信号处理器将I通道差频数字信号I(t)和Q通道差频数字信号Q(t)合并为回波基频信号s(t)；

在步骤S4中，得出所述目标的距离R和所述目标的速度v：

$R=\frac{c}{4\mathrm{\Δf}}\frac{f_b^{+}+f_b^{-}}{2T}$

$v=\frac{c(f_b^{+}-f_b^{-})}{{4f}_0}$

其中，c为光速，Δf为线性调频连续波的最大频偏，f₀为线性调频连续波的中心频率，正向调频时差拍信号频率，为负向调频时差拍信号频率，和分别为：

$f_b^{+}=f_t-f_r,$ $f_b^{-}=f_r-f_t$

其中，f_t为射频信号的频率，f_r为回波信号的频率；

在步骤S5中，所述目标的速度v，判断目标的类别，当目标的速度v超过设定速度阈值时，所述目标的类别为车辆；反之当目标的速度v小于或等于设定速度阈值时，所述目标的类别为行人。

在步骤S5中，对应时刻有目标出现时，所述数字信号处理器对对应回波基频信号进行时频分析，得出对应回波基频信号的时频谱S(t,f)，S(t,f)为：

S(t,f)＝∫s(τ)·w(τ-t)·exp(-j2πfτ)dτ

其中，f表示离散频率变量，τ时间积分变量，w(t)表示窗函数，

然后得出对应回波基频信号的时频图，所述对应回波基频信号的时频图为S(t,f)离散化后时频图；

然后，根据S(t,f)离散化后时频图，得出对应目标的时频特征，所述对应目标的时频特征为时频熵f₁或对应目标的平均瞬时多普勒谱的熵f₂，f₁为：

$f_1=-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}{\log }_{10}{p}_{\mathrm{ij}}$

其中，i、j分别表示对应回波基频信号的时频图中第i行第j列位置处的像素点，M和N分别为对应回波基频信号的时频图的行数和列数，S(t_i,f_j)表示对应回波基频信号的时频图中第i行第j列位置处的像素点的能量；

f₂为：

$f_2=-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ρ}}_k{\log }_{10}{\mathrm{\ρ}}_k$

其中，F(f_k)为F(f)的第k个傅里叶变换值，K为g(t)的快速傅里叶变换点数，S(t,f_k)为对应回波基频信号的时频图中第k列的所有能量值构成的列向量，|S(t,f_k)|表示对S(t,f_k)取模。

在步骤S5中，在累积获得l个目标的时频熵之后，根据每个目标的时频熵，得出对应的训练样本；当对应目标的时频特征为时频熵f₁时，l＝M×N，当对应目标的时频特征为对应目标的平均瞬时多普勒谱的熵f₂时，l＝K；第i个训练样本包括：第i个目标的时频特征x_i，以及第i个目标的分类标记y_i，i取1至l；当第i个目标的速度超过设定速度阈值时，y_i＝1，否则y_i＝-1；

然后求解以下优化问题：

$\begin{array}{cc}\underset{w,b}{\min }& \frac{1}{2}{\left|\right|w\left|\right|}^2,\\ s.t.& y_i[(w\·x_i)+b]\≥1,i=1,...,l\end{array}$

其中，w和b为待求解的两个参数(标量)，||w||表示w的绝对值；

如果(w·x_i)+b)>0，则第i个目标为车辆目标，否则第i个目标为行人目标。

本发明的有益效果为：第一，本发明适用于车载探测系统，能够向驾驶人员提供更详细的行车环境和目标信息。第二，本发明基于目标的微多普勒特性，通过时频分析，可以有效地识别行车环境中的车辆和行人。

附图说明

图1为本发明的基于微动特性的车载目标识别系统的结构示意图；

图2为本发明的基于微动特性的车载目标识别方法的流程图；

图3为本发明中三角波发生器产生的三角波和线性调频连续波的关系示意图；

图4为本发明实施例中恒虚警检测的流程图；

图5为本发明进行目标类别判断的流程图；

图6为仿真实验得出的多散射点恒虚警检测的结果示意图。

具体实施方式

下面结合附图对本发明作进一步说明：

参照图1，为本发明的基于微动特性的车载目标识别系统的结构示意图。该基于微动特性的车载目标识别系统包括：安装在车辆前方的信号发射模块、安装在车辆前方的信号接收模块、设置在车辆上的模数转换器、设置在车辆上的数字信号处理器(DSP芯片)、以及安装在车辆操控台上的显示器。所述模数转换器的输入端电连接所述信号接收模块的输出端，输出端电连接所述数字信号处理器的输入端；所述数字信号处理器的输出端电连接显示器。

本发明实施例中，还设置有用于产生周期性的三角波的三角波发生器，三角波发生器根据产生的周期性的三角波的幅度，产生线性调频连续波，其中三角波的周期即为调频连续波的周期。上述信号发射模块包括发射天线、载波信号源和混频器；所述混频器的两个输入端对应电连接三角波发生器和载波信号源；混频器用于对载波信号源产生的载波信号和调频连续波进行混频处理，产生两路相同的信号。所述混频器的输出端分别电连接发射天线、第一变频器的第二输入端、以及90度移相器的输入端，对于混频器产生的两路相同的信号，一路信号作为发射信号向外发射(通过发射天线向外发射)，另一路传输给信号接收部分(即90度移相器和第一变频器)。

上述信号接收模块包括接收天线、信号分配器、90度移相器、第一变频器、第二变频器；所述信号分配器的输入端电连接接收天线，所述信号分配器的两个输出端对应电连接第一变频器的第一输入端和第二变频器的第一输入端，信号分配器将接收到的回波信号分别发送至第一变频器和第二变频器。上述90度移相器的输出端电连接第二变频器的第二输入端，90度移相器将接收到的信号进行90度移相处理，然后将经90度移相处理的信号传输至第二变频器。每个变频器对接收的两组信号进行下变频处理，其中，第一变频器产生I通道差频模拟信号，第二变频器产生Q通道差频模拟信号。所述模数转换器的输入端分别电连接第一变频器的输出端和第二变频器的输出端，模数转换器用于对接收到的信号进行模数转换(分别对I通道差频模拟信号、生Q通道差频模拟信号进行采样)，由于模数转换器的输出端电连接所述数字信号处理器的输入端，所以数字信号处理器接收到经模数转换后的信号。

本发明实施例中，数字信号处理器将接收的信号合并为回波基频信号，然后通过恒虚警检测获取目标的距离、速度信息；同时，通过对回波基频信号进行时频分析，并提取对应目标的时频特征，将对应目标的时频特征传输给支持向量机(SVM)分类器进行判决，得出目标识别结果。数字信号处理器将目标的距离、速度信息以及目标识别结果呈献给驾驶员，保证其有效识别车辆和行人，进行预判。

本发明实施例中，在第一变频器和模数转换器之间依次串接有第一抗泄露滤波器和第一低通滤波器，在第二变频器和模数转换器之间依次串接有第二抗泄露滤波器和第二低通滤波器；所述第一变频器的输出端电连接第一抗泄露滤波器的输入端，所述第二变频器的输出端电连接第二抗泄露滤波器的输入端；所述第一抗泄露滤波器的输出端电连接第一低通滤波器的输入端，所述第二抗泄露滤波器的输出端电连接第二低通滤波器的输入端；所述模数转换器的输入端分别电连接第一低通滤波器的输出端和第二低通滤波器的输出端。

本发明实施例还提出了一种基于微动特性的车载目标识别方法，参照图2，为本发明的基于微动特性的车载目标识别方法的流程图。该基于微动特性的车载目标识别方法，以上述基于微动特性的车载目标识别系统为基础，包括以下步骤：

S1：信号发射模块向车辆前方发射射频信号，并将射频信号传输至信号接收模块。

具体地说，三角波发生器产生周期性的三角波，根据三角波产生周期性的线性调频连续波，所述线性调频连续波的周期为所述三角波的周期，所述三角波的幅度用于控制线性调频连续波的频率。参照图3，为本发明中三角波发生器产生的三角波和线性调频连续波的关系示意图。图3中，横轴表示本发明中三角波的电压，纵轴表示线性调频连续波的频率，T⁺为波形正半周持续时间，T^-为波形负半周持续时间。由图3看出，三角波形式表现为正半周时间点电压从0线性增加，负半周时间点电压从最高值线性降低。对于本发明的三角波发生器，主要通过压控信号源实现，压控信号源输出的信号频率随输入信号的电压而改变，并且频率调谐率是线性的。

然后，将线性调频连续波传输至所述混频器；所述载波信号源生成载波信号，并将所述载波信号传输至所述混频器；所述混频器对线性调频连续波和载波信号进行混频，得到射频信号，然后将射频信号分别发送至发射天线、第一变频器、以及90度移相器；所述发射天线向车辆前方发射所述射频信号。

本发明实施例中，射频信号由正斜率调频信号和负斜率调频信号构建而成，其中，正斜率调频信号s(t₀)和负斜率调频信号s(t₁)分别为：

s(t₀)＝cos(2π(f₀t₀+Kt₀ ²/2))

s(t₁)＝cos(2π(f₀t₁-Kt₁ ²/2))

其中，K为线性调频连续波的调频斜率，f₀为中心频率，t₀为正周期时间点，t₁为负周期时间点。

S2：所述信号接收模块接收回波信号，然后，根据射频信号和回波信号，生成相互正交的I通道差频模拟信号和Q通道差频模拟信号。

具体地说，接收天线接收回波信号(前方目标或散射点的回波信号)，并将回波信号分别发送至第一变频器和第二变频器，所述90度移相器对所述射频信号进行90度移相处理，将移相处理后信号发送至第二变频器；所述第一变频器对所述回波信号和所述射频信号进行混频处理，得出I通道差频模拟信号；所述第二变频器对所述回波信号和所述移相处理后信号进行混频处理，得出Q通道差频模拟信号。

本发明实施例中，接收天线接收的回波信号的多普勒频移f_d为：

$f_d=\frac{{2f}_{0}v}{c}$

其中，v表示目标速度，c为光速。

接收天线接收的回波信号的延迟效应f_delay为：

$f_{\mathrm{delay}}=\frac{4\mathrm{R\Δf}}{\mathrm{cT}}$

其中，R表示目标与车辆的距离，T为调频连续波的周期，Δf为调频连续波的最大频偏。

S3：所述模数转换器分别对I通道差频模拟信号和Q通道差频模拟信号进行模数转换，将模数转换得出的I通道差频数字信号和Q通道差频数字信号发送至数字信号处理器。

具体地说，在步骤S3中，所述I通道差频模拟信号表示为I(t)，t为离散时间变量，所述Q通道差频模拟信号表示为Q(t)；当t为I通道差频模拟信号的正半周波形持续时间(Q通道差频模拟信号的正半周波形持续时间)时，I(t)和Q(t)的具体形式分别为：

I(t)＝Acos(πKt²)

Q(t)＝Asin(πKt²)

当t为I通道差频模拟信号的负半周波形持续时间(Q通道差频模拟信号的负半周波形持续时间)时，I(t)和Q(t)的具体形式分别为：

I(t)＝Acos(-πKt²)

Q(t)＝Asin(-πKt²)

S4：所述数字信号处理器将I通道差频数字信号和Q通道差频数字信号合并为回波基频信号；通过对所述回波基频信号进行恒虚警检测，来判断对应时刻是否出现目标；所述目标为车辆或行人；

具体地说，回波基频信号表示为s(t)，当t为I通道差频模拟信号的正半周波形持续时间(Q通道差频模拟信号的正半周波形持续时间)时，s(t)的具体形式为：

$s\left(t\right)=I\left(t\right)+\mathrm{jQ}\left(t\right)={\mathrm{Ae}}^{{\mathrm{j\πKt}}^2}$

当t为I通道差频模拟信号的负半周波形持续时间(Q通道差频模拟信号的负半周波形持续时间)时，s(t)的具体形式为：

$s\left(t\right)=I\left(t\right)+\mathrm{jQ}\left(t\right)={\mathrm{Ae}-}^{{\mathrm{j\πKt}}^2}$

其中，K为线性调频连续波的调频斜率，A为常数(与目标散射率有关的常数)。

在步骤4中，对所述回波基频信号进行恒虚警检测，其具体过程为：

参照图4，为本发明实施例中恒虚警检测的流程图。采用单元平均恒虚警检测器，将回波基频信号s(t)送到由2L+1个延迟距离单元构成的延迟线上，检测距离单元D位于中心位置，两侧各取L个距离单元为参考单元，分别对应不同离散时间的输入信号。将所有参考单元中的s值求和后再除以2L就可以得到被检测单元处杂波背景的均值估计

$\widehat{\mathrm{\μ}}=\frac{1}{2L}\underset{t=D-L}{\overset{D+L}{\mathrm{\Σ}}}s\left(t\right)$

其中，检测门限K'为设定的门限乘子。当调整门限乘子K'的大小时，可以改变门限U₀的大小，从而保证了虚警率大小的恒定。当输入信号(回波基频信号s(t))超过检测门限时，判定为检测距离单元D所对应时刻出现目标，传输到下一步；未达到回波基频信号s(t)门限时，则判定为杂波或噪声，不予考虑。

在步骤S4中，得出所述目标的距离R和所述目标的速度v：

$R=\frac{c}{4\mathrm{\Δf}}\frac{f_b^{+}+f_b^{-}}{2T}$

$v=\frac{c(f_b^{+}-f_b^{-})}{{4f}_0}$

其中，c为光速，Δf为线性调频连续波的最大频偏，f₀为线性调频连续波的中心频率，正向调频时差拍信号频率，为负向调频时差拍信号频率，和分别为：

$f_b^{+}=f_t-f_r,$ $f_b^{-}=f_r-f_t$

其中，f_t为射频信号的频率，f_r为回波信号的频率。

S5：对应时刻有目标出现时，所述数字信号处理器得出对应目标的速度；然后根据对应目标的速度，得出对应目标的类别。

参照图5，为本发明进行目标类别判断的流程图。在步骤S5中，所述目标的速度v，判断目标的类别，当目标的速度v超过设定速度阈值时，所述目标的类别为车辆；反之当目标的速度v小于或等于设定速度阈值时，所述目标的类别为行人。

对应时刻有目标出现时，所述数字信号处理器对对应回波基频信号进行时频分析，得出对应回波基频信号的时频谱S(t,f)，S(t,f)为：

S(t,f)＝∫s(τ)·w(τ-t)·exp(-j2πfτ)dτ

其中，f表示离散频率变量，τ时间积分变量，w(t)表示窗函数，

然后得出对应回波基频信号的时频图，所述对应回波基频信号的时频图为S(t,f)离散化后时频图；

然后，根据S(t,f)离散化后时频图，得出对应目标的时频特征，所述对应目标的时频特征为时频熵f₁、对应目标的平均瞬时多普勒谱的熵f₂或对应目标的平均瞬时多普勒谱最大值所占比重f₃，f₁为：

$f_1=-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}{\log }_{10}{p}_{\mathrm{ij}}$

其中，i、j分别表示对应回波基频信号的时频图中第i行第j列位置处的像素点，M和N分别为对应回波基频信号的时频图的行数和列数，S(t_i,f_j)表示对应回波基频信号的时频图中第i行第j列位置处的像素点的能量；

f₂为：

$f_2=-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ρ}}_k{\log }_{10}{\mathrm{\ρ}}_k$

其中，F(f_k)为F(f)的第k个傅里叶变换值，F(f)＝FFT(g(t))，F(f)为g(t)的快速傅里叶变换值，K为g(t)的快速傅里叶变换点数，S(t,f_k)为对应回波基频信号的时频图中第k列的所有能量值构成的列向量，|S(t,f_k)|表示对S(t,f_k)取模。F(f)为平均瞬时多普勒谱，对于任意的时刻t′，时频谱S(t′,f)反映了该时刻目标所有散射点的瞬时频率。g(t)是散射点瞬时频率的线性组合，因此可以通过对g(t)进行快速傅里叶变换得到散射点的瞬时频率即F(f)。行走的人体目标时频谱中包含的瞬时频率分量比车辆要多，因此车辆平均瞬时频谱的熵比行走的人体目标要小。

f₃为：f₃＝max(ρ)，其中，f₃描述了平均瞬时多普勒谱的最大值所占总能量的比例，归一化后最大值越大，特征三就越大。

步骤S5中，在累积获得l个目标的时频熵之后，根据每个目标的时频熵，得出对应的训练样本；当对应目标的时频特征为时频熵f₁时，l＝M×N，当对应目标的时频特征为对应目标的平均瞬时多普勒谱的熵f₂时，l＝K；第i个训练样本包括：第i个目标的时频特征x_i，以及第i个目标的分类标记y_i，i取1至l；当第i个目标的速度超过设定速度阈值时，y_i＝1，否则y_i＝-1；

然后求解以下优化问题：

$\begin{array}{cc}\underset{w,b}{\min }& \frac{1}{2}{\left|\right|w\left|\right|}^2,\\ s.t.& y_i[(w\·x_i)+b]\≥1,i=1,...,l\end{array}$

其中，w和b为待求解的两个参数(标量)，||w||表示w的绝对值；在得出w和b之后，根据w和b，建立分类面(w·x)+b＝0；然后根据分类面(w·x)+b＝0，对目标类别进行识别；

如果(w·x_i)+b)>0，则第i个目标为车辆目标，否则第i个目标为行人目标。

本发明的效果可以通过以下仿真实验进行说明：

1)仿真条件

信号发射模块的参数如下：载频f₀＝3GHz，Nyquist采样率30MHz，信号接收模块的观测窗口为[10,2000]m。目标参数为：观测区间内有3个散射点，分别位于[600,780,1200]m，3个散射点的后向散射系数分别为1、0.5和0.8，3个散射点的散射点速度分别为100m/s、60m/s和15m/s，在进行恒虚警检测时，参数L＝24，理论恒虚警率设为为1×10^-6。背景噪声为零均值的高斯白噪声，方差为σ²，定义信噪比

$\mathrm{SNR}=20{\log }_{10}\frac{\min \left(A\right)}{\mathrm{\σ}}$

2)仿真内容

利用以上仿真参数进行恒虚警检测过程，参照图6，为仿真实验得出的多散射点恒虚警检测的结果示意图。图6中，横轴表示时间，单位为s，纵轴表示经恒虚警处理后的回波基频信号的幅度，单位为v。

3)仿真结果分析

由图6可以看出，通过恒虚警检测，能够在正确的位置上得到3个散射点，即3个检测目标。如果恒虚警概率选的过低，则图中检测门限会上移，导致散射系数较小的第二个目标被误认为杂波或噪声，淹没在噪声里，造成漏警；反之，检测门限会下移，导致过多虚警现象的产生。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.基于微动特性的车载目标识别系统，其特征在于，包括：安装在车辆前方的信号发射模块、安装在车辆前方的信号接收模块、设置在车辆上的模数转换器、设置在车辆上的数字信号处理器、以及安装在车辆操控台上的显示器；所述模数转换器的输入端电连接所述信号接收模块的输出端，输出端电连接所述数字信号处理器的输入端；所述数字信号处理器的输出端电连接显示器。

2.如权利要求1所述的基于微动特性的车载目标识别系统，其特征在于，还包括用于产生周期性的三角波的三角波发生器，所述信号发射模块包括发射天线、载波信号源和混频器；所述混频器的两个输入端对应电连接三角波发生器和载波信号源；

所述信号接收模块包括接收天线、信号分配器、90度移相器、第一变频器、第二变频器；所述信号分配器的输入端电连接接收天线，所述信号分配器的两个输出端对应电连接第一变频器的第一输入端和第二变频器的第一输入端，所述混频器的输出端分别电连接发射天线、第一变频器的第二输入端、以及90度移相器的输入端，所述90度移相器的输出端电连接第二变频器的第二输入端，所述模数转换器的输入端分别电连接第一变频器的输出端和第二变频器的输出端。

3.如权利要求1所述的基于微动特性的车载目标识别系统，其特征在于，在第一变频器和模数转换器之间依次串接有第一抗泄露滤波器和第一低通滤波器，在第二变频器和模数转换器之间依次串接有第二抗泄露滤波器和第二低通滤波器；所述第一变频器的输出端电连接第一抗泄露滤波器的输入端，所述第二变频器的输出端电连接第二抗泄露滤波器的输入端；所述第一抗泄露滤波器的输出端电连接第一低通滤波器的输入端，所述第二抗泄露滤波器的输出端电连接第二低通滤波器的输入端；所述模数转换器的输入端分别电连接第一低通滤波器的输出端和第二低通滤波器的输出端。

4.基于微动特性的目标识别方法，基于权利要求1所述的基于微动特性的车载目标识别系统，其特征在于，包括以下步骤：

S1：信号发射模块向车辆前方发射射频信号，并将射频信号传输至信号接收模块；

S2：所述信号接收模块接收回波信号，然后，根据射频信号和回波信号，生成相互正交的I通道差频模拟信号和Q通道差频模拟信号；

S3：所述模数转换器分别对I通道差频模拟信号和Q通道差频模拟信号进行模数转换，将模数转换得出的I通道差频数字信号和Q通道差频数字信号发送至数字信号处理器；

S4：所述数字信号处理器将I通道差频数字信号和Q通道差频数字信号合并为回波基频信号；通过对所述回波基频信号进行恒虚警检测，来判断对应时刻是否出现目标；所述目标为车辆或行人；

S5：对应时刻有目标出现时，所述数字信号处理器得出对应目标的速度；然后根据对应目标的速度，得出对应目标的类别。

5.如权利要求4所述的基于微动特性的目标识别方法，其特征在于，所述基于微动特性的车载目标识别系统还包括用于产生周期性的三角波的三角波发生器，所述信号发射模块包括发射天线、载波信号源和混频器；所述混频器的两个输入端对应电连接三角波发生器和载波信号源；所述信号接收模块包括接收天线、信号分配器、90度移相器、第一变频器、第二变频器；

所述信号分配器的输入端电连接接收天线，所述信号分配器的两个输出端对应电连接第一变频器的第一输入端和第二变频器的第一输入端，所述混频器的输出端分别电连接发射天线、第一变频器的第二输入端、以及90度移相器的输入端，所述90度移相器的输出端电连接第二变频器的第二输入端；所述模数转换器的输入端分别电连接第一变频器的输出端和第二变频器的输出端；

在步骤S1中，所述三角波发生器产生周期性的三角波，根据三角波产生周期性的线性调频连续波，所述线性调频连续波的周期为所述三角波的周期，所述三角波的幅度用于控制线性调频连续波的频率；然后，将线性调频连续波传输至所述混频器；所述载波信号源生成载波信号，并将所述载波信号传输至所述混频器；所述混频器对线性调频连续波和载波信号进行混频，得到射频信号，然后将射频信号分别发送至发射天线、第一变频器、以及90度移相器；所述发射天线向车辆前方发射所述射频信号。

6.如权利要求5所述的基于微动特性的目标识别方法，其特征在于，在步骤S2中，所述接收天线接收回波信号，并将回波信号分别发送至第一变频器和第二变频器，所述90度移相器对所述射频信号进行90度移相处理，将移相处理后信号发送至第二变频器；所述第一变频器对所述回波信号和所述射频信号进行混频处理，得出I通道差频模拟信号；所述第二变频器对所述回波信号和所述移相处理后信号进行混频处理，得出Q通道差频模拟信号。

7.如权利要求4所述的基于微动特性的目标识别方法，其特征在于，在步骤S3中，所述I通道差频模拟信号表示为I(t)，t为离散时间变量，所述Q通道差频模拟信号表示为Q(t)；

在步骤S4中，所述数字信号处理器将I通道差频数字信号I(t)和Q通道差频数字信号Q(t)合并为回波基频信号s(t)；

在步骤S4中，得出所述目标的距离R和所述目标的速度v：

$R=\frac{c}{4\mathrm{\Δf}}\frac{f_b^{+}+f_b^{-}}{2T}$

$v=\frac{c(f_b^{+}-f_b^{-})}{{4f}_0}$

其中，c为光速，Δf为线性调频连续波的最大频偏，f₀为线性调频连续波的中心频率，正向调频时差拍信号频率，为负向调频时差拍信号频率，和分别为：

$f_b^{+}=f_t-f_r,$ $f_b^{-}=f_r-f_t$

其中，f_t为射频信号的频率，f_r为回波信号的频率；

在步骤S5中，所述目标的速度v，判断目标的类别，当目标的速度v超过设定速度阈值时，所述目标的类别为车辆；反之当目标的速度v小于或等于设定速度阈值时，所述目标的类别为行人。

8.如权利要求7所述的基于微动特性的目标识别方法，其特征在于，在步骤S5中，对应时刻有目标出现时，所述数字信号处理器对对应回波基频信号进行时频分析，得出对应回波基频信号的时频谱S(t,f)，S(t,f)为：

S(t,f)＝∫s(τ)·w(τ-t)·exp(-j2πfτ)dτ

其中，f表示离散频率变量，τ时间积分变量，w(t)表示窗函数，

然后得出对应回波基频信号的时频图，所述对应回波基频信号的时频图为S(t,f)离散化后时频图；

然后，根据S(t,f)离散化后时频图，得出对应目标的时频特征，所述对应目标的时频特征为时频熵f₁或对应目标的平均瞬时多普勒谱的熵f₂，f₁为：

$f_1=-\underset{j=1}{\overset{M}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_{\mathrm{ij}}{\log }_{10}{p}_{\mathrm{ij}}$

其中，i、j分别表示对应回波基频信号的时频图中第i行第j列位置处的像素点，M和N分别为对应回波基频信号的时频图的行数和列数，S(t_i,f_j)表示对应回波基频信号的时频图中第i行第j列位置处的像素点的能量；

f₂为：

$f_2=-\underset{k=1}{\overset{K}{\mathrm{\Σ}}}{\mathrm{\ρ}}_k{\log }_{10}{\mathrm{\ρ}}_k$

其中，F(f_k)为F(f)的第k个傅里叶变换值，K为g(t)的快速傅里叶变换点数，S(t,f_k)为对应回波基频信号的时频图中第k列的所有能量值构成的列向量，|S(t,f_k)|表示对S(t,f_k)取模。

9.如权利要求8所述的基于微动特性的目标识别方法，其特征在于，在步骤S5中，在累积获得l个目标的时频熵之后，根据每个目标的时频熵，得出对应的训练样本；当对应目标的时频特征为时频熵f₁时，l＝M×N，当对应目标的时频特征为对应目标的平均瞬时多普勒谱的熵f₂时，l＝K；第i个训练样本包括：第i个目标的时频特征x_i，以及第i个目标的分类标记y_i，i取1至l；当第i个目标的速度超过设定速度阈值时，y_i＝1，否则y_i＝-1；

然后求解以下优化问题：

$\begin{array}{cc}\underset{w,b}{\min }& \frac{1}{2}{\left|\right|w\left|\right|}^2,\\ s.t.& y_i[(w\·x_i)+b]\≥1,i=1,...,l\end{array}$

其中，w和b为待求解的两个参数(标量)，||w||表示w的绝对值；

如果(w·x_i)+b)>0，则第i个目标为车辆目标，否则第i个目标为行人目标。