CN104914433A - 一种基于链表排序的os-cfar多目标提取的实现方法 - Google Patents
一种基于链表排序的os-cfar多目标提取的实现方法 Download PDFInfo
- Publication number
- CN104914433A CN104914433A CN201510336604.8A CN201510336604A CN104914433A CN 104914433 A CN104914433 A CN 104914433A CN 201510336604 A CN201510336604 A CN 201510336604A CN 104914433 A CN104914433 A CN 104914433A
- Authority
- CN
- China
- Prior art keywords
- cfar
- frequency spectrum
- chained list
- ascending order
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于链表排序的OS-CFAR多目标提取的实现方法,属于交通雷达目标检测领域。雷达目标回波经相干检波后得到多普勒差频信号,然后对差频信号做FFT变换,得到信号的频谱。最后利用OS-CFAR在频域进行恒虚警检测,从而在杂波背景中检测出有效目标的谱线。本发明首先对频谱检测单元xi两边共2L个参考单元的数据以升序的方式插入链表;然后取链表的第m个单元数据乘以门限因子K作为判决门限;接着检测单元xi+1,首先销毁当前链表中的参考单元xi-L和xi+1,然后将新的参考单元xi和xi+L+1升序插入到链表中,直至遍历所有单元,生成检测门限。本发明相比传统的数组排序,无需挪动数据和重复排序,增强了OS-CFAR恒虚警的实时性。
Description
技术领域
本发明属于交通雷达目标检测领域,具体涉及一种基于链表排序的OS-CFAR多目标提取的实现方法。
背景技术
智能交通系统是交通系统的发展方向,目前雷达检测是构建智慧城市的重要组成部分。在交通雷达系统中,获得车辆目标的速度,距离,角度都是根据雷达接收到的回波信号分析出来的。如果不能正确的从频域中检测出各个目标的谱峰,将直接导致该雷达漏警、虚警等误判断操作。CFAR检测是一个提供自适应门限检测的信号处理算法,是用来提供相对来说可以避免背景噪声、杂波和干扰变化影响的检测阀值,并且使自动检测在均匀背景中具有恒定的检测概率。
有序统计OS-CFAR方法不依赖于干扰功率电平,对多目标检测有着良好的抗干扰功率的能力,在多目标检测跟踪中被广泛使用。传统的基于数组排序OS-CFAR方法有着冗余的操作过程,重复的排序和赋值操作消耗大量的系统CPU资源。为了解决上述技术问题,我们采用基于链表排序结构的有序统计OS-CFAR检测方法,它的优势在于链表结构的高效重排数据能力,降低了排序过程中数组间频繁的赋值操作,减少目标检测的运算时间,进而满足了交通雷达系统处理实时性要求。
发明内容
为了解决以上的技术问题,本发明提供了一种基于链表排序的OS-CFAR多目标提取的实现方法。该识别方法包括如下步骤:
本发明据以采用以下技术方案:
步骤1:对频谱检测单元xi左右两边2L个参考单元的数据{xi-L,...,xi-1,xi+1...,xi+L}以升序的方式插入一个链表,得到一个升序链表
步骤2:取升序链表的第m个单元数据作为杂波功率电平的估计,并乘以门限因子K作为检测单元xi的判决门限。
步骤3:判断检测单元i+1是否越界。若越界,进入步骤5,否则进入步骤4;
步骤4:首先删除并销毁当前链表中的参考单元xi-L和xi+1,接着按照升序排序将新的参考单元xi和xi+L+1插入到链表中,得到一个新的升序链表令i=i+1并返回步骤2;
步骤5:频谱遍历完成,生成OS-CFAR恒虚警检测后的频谱,通过极值法确定频谱谱峰位置。
步骤1所述升序链表数据结构,该链表由2L个结点结构体组成,每个结构体中包含了相应频谱单元的频谱幅值、频谱下标,以及指向下一个结点的指针。每次建立一个新的结点单元时候,使用malloc()函数为结构体分配空间并赋值。链表结构方便添加、删除,而不影响排列顺序,非常适用于OS-CFAR算法。为获得检测单元xi的参考单元的升序链表,最好的情况是频谱参考单元在排序之前,幅值从大到小,那么按升序排列只需要2L-1次幅值比较;最坏的情况是频谱参考单元在排序之前赋值从小到大,那么按升序排列需要L×(2L-1)次幅值比较。期间,因新结点插入导致的next指针赋值操作在2L-1~4L-3之间。
步骤2中查找升序链表的第m个结点的幅值作为杂波功率电平的估计,对该检测单元的估计电平乘以K作为判决门限U0,U0=K·x(m)。在工程中,m的取值一般满足L<m<2L,通常m的取值在1.5L的附近。对于K、L、m的选取需与虚警率Pf满足以下关系:
其中,Γ(·)为伽马函数,L的长度影响着系统抗多目标干扰的能力。
步骤4进入对下一个检测单元的检测,首先要在参考单元升序链表中去除参考单元xi-L和被检测单元xi+1,并使用free()函数释放xi-L和xi+1占用的内存空间,删除这两个单元进行3~4L-1次比较,以及2次指针赋值操作。接着按照升序排序将新的参考单元xi和xi+L+1插入到链表中,需要进行2~4L-3次比较以及2~4次指针赋值操作。最后返回步骤2进入循环操作。
步骤5遍历整个频谱完成OS-CFAR门限后,记录好OS-CFAR的门限,销毁链表并释放内存空间,在大于门限的频谱上寻找极值点,便是目标对应的谱峰,从确定的谱峰上得到目标的信息。为了完成长度为N点的频谱检测,使用基于链表结构的有序统计OS-CFAR的算法复杂度如表1所示。
表1链表结构和数组结构的平均算法复杂度比较
假设频谱点数为2048,排序缓冲器2L=20,该算法平均比较次数约为81920次,赋值次数约为10240;传统的数组排序算法的需要比较次数约为409600次,赋值次数约为614400次。根据本发明的一个具体实施例中的基于链表的OS-CFAR检测程序运行时间的测试,使用CCS5.5软件的profile功能对该程序进行了100次测试。将测试结果进行统计发现基于链表方法的OS-CFAR检测平均运行时间为4.28ms,数组排序(以冒泡法为例)的平均运行时间为321.37ms,多次测试结果如表2所示。
表2测试时间数据
链表法 | 数组法 | |
测试1 | 4.28ms | 321.34ms |
测试2 | 4.28ms | 321.46ms |
测试3 | 4.28ms | 321.30ms |
测试4 | 4.28ms | 321.29ms |
测试5 | 4.28ms | 321.32ms |
相比现有技术,本发明具有以下有益效果:
(1)本发明方法可以有效的检测出多个不同速度的运动目标。
(2)本发明方法在DSP(TMS320C6748)上快速运行,多次测试运行的统计平均时间为4.2ms(主频时钟为456M),比传统的数组排序方法速度提高了大约80倍。
附图说明
图1为本发明的一个具体实施例中的OS-CFAR检测器的原理框图:
图2为本发明的一个具体实施例中的OS-CFAR门限生成的流程图;
图3为本发明的一个具体实施例中OS-CFAR的排序缓冲器大小与虚警率的关系;
图4为本发明的一个具体实施例中的多目标恒虚警门限设定结果;
具体实施方式
下面结合附图对本发明的技术方案进行详细说明。
如图1本发明的一个具体实施例中的OS-CFAR算法检测一个被检测单元的门限的原理框图。有效的设置参考单元的大小与门限提高检测器的检测性能。
如图2根据本发明的一个具体实施例的基于链表结构的有序统计OS-CFAR多目标提取的流程图所示。本发明首先对频谱检测单元xi左右两边共2L个参考单元的数据{xi-L,...,xi-1,xi+1...,xi+L}以升序的方式插入一个链表,得到一个升序链表然后取升序链表的第m个单元数据作为杂波功率电平的估计,并乘以门限因子K作为检测单元xi的判决门限;接着对单元xi+1做检测,首先删除并销毁当前链表中的参考单元xi-L和xi+1,然后按照升序排序将新的参考单元xi和xi+L+1插入到链表中,得到一个新的升序链表直至遍历完所有频谱单元,生成OS-CFAR恒虚警检测后的频谱。最终通过极值法确定频谱谱峰,获取目标信息。最后通过极值法确定频谱谱峰来获取目标信息。
如图3根据本发明的一个具体实施例中的参数设计,设定门限增益K=5.5,样本选择m=1.5L,链表长度L对虚警概率Pf的影响。
如图4根据本发明的一个具体实施例中的硬件实现,将该原理通过C语言编写成代码移植到DSP硬件上,对两个行人目标进行检测,其中一个人行走,一个人慢跑。DSP硬件所得到的回波频谱以及该发明所运算出来的检测门限结果。
Claims (5)
1.一种基于链表排序的OS-CFAR多目标提取的实现方法,其特征在于:该方法包括如下步骤:
步骤1:对频谱检测单元xi左右两边2L个参考单元的数据{xi-L,…,xi-1,xi+1…,xi+L}以升序的方式插入一个链表,得到一个升序链表
步骤2:取升序链表的第m个单元数据作为杂波功率电平的估计,并乘以门限因子K作为检测单元xi的判决门限;
步骤3:判断检测单元i+1是否越界。若越界,进入步骤5,否则进入步骤4;
步骤4:首先删除并销毁当前链表中的参考单元xi-L和xi+1,接着按照升序排序将新的参考单元xi和xi+L+1插入到链表中,得到一个新的升序链表令i=i+1并返回步骤2;
步骤5:频谱遍历完成,生成OS-CFAR恒虚警检测后的频谱,通过极值法确定频谱谱峰位置。
2.根据权利要求1所述的一种基于链表排序的OS-CFAR多目标提取的实现方法,其特征在于:所述步骤1中升序链表数据结构,该链表由2L个结点结构体组成,每个结构体中包含了相应频谱单元的频谱幅值、频谱下标以及指向下一个结点的指针。每次建立一个新的结点单元时候,使用malloc()函数为结构体分配空间并赋值。为获得检测单元xi的参考单元的升序链表,最好的情况是频谱参考单元在排序之前,幅值从大到小,那么按升序排列只需要2L-1次幅值比较;最坏的情况是频谱参考单元在排序之前赋值从小到大,那么按升序排列需要L×(2L-1)次幅值比较。期间,因新结点插入导致的next指针赋值操作在2L-1~4L-3之间。
3.根据权利要求1所述的一种基于链表排序的OS-CFAR多目标提取的实现方法,其特征在于:所述步骤2中查找升序链表的第m个结点的幅值作为杂波功率电平的估计,对该检测单元的估计电平乘以K作为判决门限U0,U0=K·x(m)。在工程中,m的取值一般满足L<m<2L,通常m的取值在1.5L的附近。对于K、L、m的选取需与虚警率Pf满足以下关系:
其中,Γ(·)为伽马函数。
4.根据权利要求1所述的一种基于链表排序的OS-CFAR多目标提取的实现方法,其特征在于:所述步骤4中删除并销毁参考单元xi-L和xi+1需要进行3~4L-1次比较,以及2次指针赋值操作,并使用free()函数释放xi-L和xi+1占用的内存空间;按照升序排序将新的参考单元xi和xi+L+1插入到链表中,需要进行2~4L-3次比较,以及最多4次指针赋值操作。传统的数组结构的排序方法,对每个检测单元的参考单元进行排序,需要的频谱幅度比较次数为(2L+2)×(2L-1)/2,元素初始化之后的赋值次数为0~6L。
5.根据权利要求1所述的一种基于链表排序的OS-CFAR多目标提取的实现方法,其特征在于:步骤5遍历整个频谱完成OS-CFAR门限后,记录好OS-CFAR的门限,销毁链表并释放内存空间,在大于门限的频谱上寻找极值点,便是目标对应的谱峰,从确定的谱峰上得到目标的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510336604.8A CN104914433A (zh) | 2015-06-15 | 2015-06-15 | 一种基于链表排序的os-cfar多目标提取的实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510336604.8A CN104914433A (zh) | 2015-06-15 | 2015-06-15 | 一种基于链表排序的os-cfar多目标提取的实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104914433A true CN104914433A (zh) | 2015-09-16 |
Family
ID=54083665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510336604.8A Pending CN104914433A (zh) | 2015-06-15 | 2015-06-15 | 一种基于链表排序的os-cfar多目标提取的实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914433A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242272A (zh) * | 2015-09-29 | 2016-01-13 | 西安知几天线技术有限公司 | 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法 |
CN106872957A (zh) * | 2017-03-30 | 2017-06-20 | 安徽工程大学 | 一种目标检测方法 |
CN108241091A (zh) * | 2016-12-27 | 2018-07-03 | 北京普源精电科技有限公司 | 利用频谱仪进行2fsk信号峰值搜索的方法及频谱仪 |
CN108717352A (zh) * | 2018-05-28 | 2018-10-30 | 武汉大学 | 一种提高计算机运算速度的并发筛选插入排序方法 |
CN109164424A (zh) * | 2018-07-16 | 2019-01-08 | 南京理工大学 | 一种有序统计类恒虚警门限快速计算方法 |
CN110376558A (zh) * | 2019-07-22 | 2019-10-25 | 西安电子工程研究所 | 一种有序统计cfar的dsp实现方法 |
CN111366904A (zh) * | 2020-04-10 | 2020-07-03 | 南京理工大学 | 一种基于二维频谱相干合并的cfar检测方法 |
CN112668015A (zh) * | 2019-12-12 | 2021-04-16 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
CN116643248A (zh) * | 2023-07-26 | 2023-08-25 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872014A (zh) * | 2010-06-18 | 2010-10-27 | 深圳麒景雷信科技有限公司 | 基于改进的cosgo-cfar的目标信号检测方法 |
CN102495403A (zh) * | 2011-12-19 | 2012-06-13 | 无锡市雷华科技有限公司 | 一种雷达信号处理方法 |
-
2015
- 2015-06-15 CN CN201510336604.8A patent/CN104914433A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872014A (zh) * | 2010-06-18 | 2010-10-27 | 深圳麒景雷信科技有限公司 | 基于改进的cosgo-cfar的目标信号检测方法 |
CN102495403A (zh) * | 2011-12-19 | 2012-06-13 | 无锡市雷华科技有限公司 | 一种雷达信号处理方法 |
Non-Patent Citations (3)
Title |
---|
敖友云: ""基数排序算法的链表实现"", 《科技创新导报》 * |
邬健 等: ""自适应伪码捕获中的一种CFAR检测法"", 《国外电子测量技术》 * |
闵俊红: ""基于FPGA的多功能雷达信号处理器"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105242272A (zh) * | 2015-09-29 | 2016-01-13 | 西安知几天线技术有限公司 | 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法 |
CN105242272B (zh) * | 2015-09-29 | 2017-10-27 | 大连楼兰科技股份有限公司 | 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法 |
CN108241091A (zh) * | 2016-12-27 | 2018-07-03 | 北京普源精电科技有限公司 | 利用频谱仪进行2fsk信号峰值搜索的方法及频谱仪 |
CN106872957A (zh) * | 2017-03-30 | 2017-06-20 | 安徽工程大学 | 一种目标检测方法 |
CN108717352B (zh) * | 2018-05-28 | 2021-07-06 | 武汉大学 | 一种提高计算机运算速度的并发筛选插入排序方法 |
CN108717352A (zh) * | 2018-05-28 | 2018-10-30 | 武汉大学 | 一种提高计算机运算速度的并发筛选插入排序方法 |
CN109164424A (zh) * | 2018-07-16 | 2019-01-08 | 南京理工大学 | 一种有序统计类恒虚警门限快速计算方法 |
CN110376558A (zh) * | 2019-07-22 | 2019-10-25 | 西安电子工程研究所 | 一种有序统计cfar的dsp实现方法 |
CN112668015A (zh) * | 2019-12-12 | 2021-04-16 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
CN112668015B (zh) * | 2019-12-12 | 2022-02-01 | 华控清交信息科技(北京)有限公司 | 一种数据处理方法、装置和用于数据处理的装置 |
CN111366904A (zh) * | 2020-04-10 | 2020-07-03 | 南京理工大学 | 一种基于二维频谱相干合并的cfar检测方法 |
CN111366904B (zh) * | 2020-04-10 | 2023-01-24 | 南京理工大学 | 一种基于二维频谱相干合并的cfar检测方法 |
CN116643248A (zh) * | 2023-07-26 | 2023-08-25 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
CN116643248B (zh) * | 2023-07-26 | 2023-11-14 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914433A (zh) | 一种基于链表排序的os-cfar多目标提取的实现方法 | |
CN106330385B (zh) | 一种干扰类型识别方法 | |
CN103076602B (zh) | 针对多目标背景的雷达自适应恒虚警率融合检测方法 | |
CN107290741B (zh) | 基于加权联合距离时频变换的室内人体姿态识别方法 | |
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN104714225B (zh) | 一种基于广义似然比的动态规划检测前跟踪方法 | |
CN103217673B (zh) | 一种非均匀Weibull杂波背景下的CFAR检测方法 | |
CN102879766A (zh) | 一种高频地波雷达弱目标检测跟踪方法和装置 | |
CN101452075B (zh) | 基于平均周期的海上小目标检测方法 | |
CN107678019B (zh) | 基于ca-cfar的雷达信号多目标检测方法及装置 | |
CN104914422A (zh) | 一种自适应tbd雷达微弱目标检测方法 | |
CN105403863B (zh) | 基于多特征提取的雷达脉冲重复间隔调制识别方法 | |
CN101984360A (zh) | 基于frft的归一化泄露lms自适应动目标检测器 | |
CN104408927A (zh) | 一种基于调频连续波雷达的车型分类方法 | |
CN109991595A (zh) | 一种基于毫米波雷达的距离测量方法及相关装置 | |
CN110929842A (zh) | 非合作无线电信号突发时间区域精确智能检测方法 | |
CN115453483A (zh) | 一种雷达目标信号检测方法及相关设备 | |
CN103605120B (zh) | 距离扩展目标内禀模态局部奇异值有序融合检测方法 | |
CN109143184A (zh) | 一种扫描雷达的双门限检测方法 | |
CN103576131A (zh) | 距离扩展目标内禀模态特征能量智能融合检测方法 | |
CN112327286A (zh) | 低复杂度下日常活动分类方法、装置、设备及存储介质 | |
Salmasi et al. | Design and analysis of fractal detector for high resolution radars | |
Tantum et al. | Comparison of algorithms for land mine detection and discrimination using ground penetrating radar | |
Bhattacharyya et al. | Automatic target recognition (atr) system using recurrent neural network (rnn) for pulse radar | |
Yun et al. | Radar signal recognition algorithms based on neural network and grey relation theory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150916 |
|
WD01 | Invention patent application deemed withdrawn after publication |