CN107783090A - 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法 - Google Patents

基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法 Download PDF

Info

Publication number
CN107783090A
CN107783090A CN201610728043.0A CN201610728043A CN107783090A CN 107783090 A CN107783090 A CN 107783090A CN 201610728043 A CN201610728043 A CN 201610728043A CN 107783090 A CN107783090 A CN 107783090A
Authority
CN
China
Prior art keywords
passage
data
frequency sweep
unmanned plane
point
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.)
Granted
Application number
CN201610728043.0A
Other languages
English (en)
Other versions
CN107783090B (zh
Inventor
田雨农
王鑫照
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Roiland Technology Co Ltd
Original Assignee
Dalian Roiland Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Roiland Technology Co Ltd filed Critical Dalian Roiland Technology Co Ltd
Priority to CN201610728043.0A priority Critical patent/CN107783090B/zh
Publication of CN107783090A publication Critical patent/CN107783090A/zh
Application granted granted Critical
Publication of CN107783090B publication Critical patent/CN107783090B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/93Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/933Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,属于信号处理领域,为了解决毫米波雷达的固定翼无人机防撞系统雷达信号处理问题,技术要点是包括:S1.AD数据采集;S2.去直流;S3.窗函数处理;S4.FFT变换;S5.CFAR门限检测;S6.二进制检测;S7.配对处理;S8.速度和/或距离和/或角度解算。该方法可以实现对前方障碍物的相对距离以及相对速度的检测,同时可以实现目标方向角的检测功能。

Description

基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法
技术领域
本发明属于信号处理领域,涉及一种雷达信号处理方法。
背景技术
无人机就是无人驾驶飞机,是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机。按应用领域,可分为军用与民用。无人机的民用领域还可以细分为两大类:一类是行政部门,如气象、警用、测绘、环境保护、科学研究和灾害预防和管理等;一类是商用,如影视航拍、农林植保、电力能源巡检等。目前,我国无人机在政府部门已得到了广泛的应用,在商用领域也在加快推广。
美国消费电子协会数据显示,2015年全球民用无人机有望售出40万架,市场规模预计会比去年增长55%,达到1.3亿美元。而到2018年,预计全球无人机市场规模将会攀升到至少10亿美元,市场需求将会很快爆发。
民用无人机虽然当前国内市场规模并不大,但用途广泛,未来发展空间巨大。2013年国内民用无人机需求规模为0.5亿美元,预计未来10年我国民用无人机将保持20%以上的速度增长,至2022年无人机市场规模有望接近3亿美元。
无人机主要分为旋翼无人机和固定翼无人机。这两种无人机的飞行原理不同,所以各有各的特点。多旋翼无人机是依靠多个旋翼产生的升力来平衡飞行器的重力,让飞行器可以飞起来,通过改变每个旋翼的转速来控制飞行器的平稳和姿态。所以多旋翼飞行器可以悬停,在一定速度范围内以任意的速度飞行,基本上就是一个空中飞行的平台,可以在平台上加装传感器,相机等,甚至机械手之类的仪器,操作简单,经过简单的培训人人都可以操作。目前无人机旋翼公司主要有大疆,parrot等公司。
固定翼无人机靠螺旋桨或者涡轮发动机产生的推力作为飞机向前飞行的动力,主要的升力来自机翼与空气的相对运动。所以,固定翼飞机必须要有一定的无空气的相对速度才会有升力来飞行。因为这个原理,固定翼飞行器具有飞行速度快,比较经济,运载能力大的特点。固定翼的无人机也是非常有用的,在有大航程,高度的需求时,一般选择固定翼无人机,比如电力巡线,公路的监控等等。
固定翼飞机与旋翼机比较时既有优势也有劣势。固定翼飞机由于它们在没有电源的时有天然的滑翔能力,在空中面对驾驶与技术错误时更为宽容。固定翼飞机也有能力在低电量时带着更大载重飞到更远的距离。但是当需要精确的任务时,固定翼飞机就处于劣势了。由于它们必须要有空气流过它们的机翼来产生升力。这意味着它们必须保持向前运动,就是说它们不能像飞行器一样在一个地点上盘旋,因此不能提供一个精确的相机位置水平。所以,用于更长时间与更大载重的任务,一架固定翼是最好的选择。
无人机发展多年,如何让无人机感知距离,回避障碍,一直都是个很大的难题。国外相关机构统计,每10000h飞行中,直升机平均会发生10次事故,各类事故中,因与低空飞行时的障碍物相撞而引起的事故比例约占35%,已经远远超过其他事故原因。威胁无人机室外低空飞行安全的物体主要有树木等自然物体以及电力线、电线杆、建筑物等人造物体,其中,由于电力线体积小,难以用肉眼发现,对无人机的飞行安全危害最大。
最早的测距方式其实有点像倒车雷达,透过类似蝙蝠的“听觉”,向测距对像射出电波,感知反射后判定物件的方向和位置。法国无人机公司Parrot旗下的AR.Drone无人机,最早就透过超声波方式往下方测距,让无人机能固定在同一高度上飞行;而零度无人机的探索者第二代(XIRO Xplorer 2)则采用特殊红外线方式360度测距,藉此回避障碍物。然而,雷达式测距的最大限制是:它需要先发射电波,然后侦察电波反射;在续航力和电波发射功率的限制下,很难进行长距离的测距:例如Parrot Bebop Drone的超声波定高,最高距离只有8米,而零度探索者2的最大回避半径,则只有6米。大疆Phantom 4或是YuneecTyphoon H透过双目感应器,只要在光线良好的环境下,它的自动避障距离比超声波雷达式避障要远得多:大疆的双目感应器可以判断最远约15米的障碍,比Parrot Bebop Drone远了接近一倍。但是采用视觉实现避障,环境变化会对其避障功能产生巨大的影响,大大影响其避障功能。
上述技术方法,主要是通过采用视觉传感器、红外传感器以及超声波雷达传感器对无人机飞行环境中的障碍物做出避障行为,但是由于这些传感器作用距离较近造成固定翼无人机快速飞行过程中避障反应时间短,且易受到恶劣天晴以及突发环境变化影响而导致避障失败等缺点。
发明内容
为了解决毫米波雷达的固定翼无人机防撞系统雷达信号处理问题,本发明的技术方案是:
一种基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,包括:
S1.AD数据采集;
S2.去直流;
S3.窗函数处理;
S4.FFT变换;
S5.CFAR门限检测;
S6.二进制检测;
S7.配对处理;
S8.速度和/或距离和/或角度解算。
有益效果:本发明给出一种基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,该方法可以实现对前方障碍物的相对距离以及相对速度的检测,同时可以实现目标方向角的检测功能。由于采用了更多信号处理方法,可以使得防撞系统,能够输出更准备更稳定的目标信息,可以为固定翼无人机做出更精准的障碍物目标的检测。
附图说明
图1线性调频三角波FMCW在一个扫频周期内的频率变化图;
图2旋翼无人机短距离防撞系统信号处理流程图。
具体实施方式
实施例1:一种基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,包括:
S1.AD数据采集;
S2.去直流;
S3.窗函数处理;
S4.FFT变换;
S5.CFAR门限检测;
S6.二进制检测;
S7.配对处理;
S8.速度和/或距离和/或角度解算。
作为一种实施例,所述步骤S1中:
(1)将通道1和通道2中的连续IQ数据,通过AD采样进行数字化处理;
(2)将通道1和通道2中采集到的数据分为三角波的上扫频数据和下扫频数据,去除前部分数据点所述去除前部分数据点,就是在AD采集到的数据中,先去除掉AD采集到的前部分数据点,一般在50~70个点,比如,如果采集到700个点,去除掉前50个点,从51到700的数据去直流并进行FFT变换。之所以要去除掉这部分点有两个原因,一是这些数据里面,部分数据是由于波形在转变的时候,电压产生的脉冲,导致这部分数据异常,第二个原因是由于距离模糊度的原因。这部分不是之前说的导致距离分辨率降低的原因,其实是发射波形的线性度,导致这个分辨率降低。
作为一种实施例,所述步骤S2中:
(1)将通道1和通道2中,分别计算各自通道三角波上、下扫频IQ数据的均值;
(2)将各自通道三角波上、下扫频IQ的每一个数据减掉上一步计算得到的均值,从而完成去直流的目的,降低直流部分对目标门限检测的影响。
所述步骤S3中,将通道1和通道2中,三角波的上、下扫频段各自去直流后的时域数据进行加窗处理,选择汉宁窗和/或海明窗,降低旁瓣,从而提高目标的检测性能;汉宁窗会导致主瓣加宽并降低,但是旁瓣会显著减小。海明窗与汉宁窗都是余弦窗,只是加权系数不同。海明窗加权的系数能使旁瓣达到更小。
作为一种实施例,所述步骤S5中:
(1)将通道1中的三角波上扫频FFT变换后的各个点的复数模值和通道2中的三角波上扫频FFT变换后的对应点上的复数模值,进行平均处理,再将通道1中的三角波下扫频FFT变换后的各个点的复数模值和通道2中的三角波下扫频FFT变换后的对应点上的复数模值,进行平均处理;
(2)将平均处理后的数据,进行CFAR门限检测。CFAR门限检测可以选择单元平均选小的门限检测方法SO-CFAR,保护单元可以选择1到2个点,窗点数可以选择15~20个。
所述步骤S6中:对CFAR门限检测后的数据,令每一个数据为一个距离单元,即距离门1到距离门n,n为FFT变换的点数,对每一个距离单元的数据均进行二进制检测,即如果该距离单元的数据过门限,则记为1,如果没过门限,则记为0。然后进行多周期累计,如果某一个距离单元的门限累计1的个数超过K个,则输出该点坐标值,否则不作为过门限的目标输出,其中:K表示累计1的个数。这样可以提高对目标的检测概率。
二进制检测后,当同时满足要求过门限的点数不唯一的时,只选择输出过门限的第一个峰值点,主要是考虑到对无人机飞机危险程度最大的为距离无人机最近的物体,所以并不是找所有过门限的最大峰值点,而是选择第一个过门限的峰值。
作为一种实施例,所述步骤S7中:在通过CFAR检测以及二进制检测后,对于上扫频和下扫频段过门限的点进行配对处理,如果上下扫频过门限的点坐标值相差超过阈值,不能确定为同一个目标的上下扫频时,不进行配对处理。作为一种方案,该阈值设置为上下扫频过门限的点的坐标值相差25个点及以上。
将配对后的峰值点,计算其对应的频率值,设通道1中上扫频段第一个过门限点的峰值坐标为p1_up,则该点对应的频率值为f1_up,对应的FFT变换后的数据为a_p1_up+1j*b_p1_up,相位为通道2中上扫频段对应的该点FFT变换后的数据为a_p2_up+1j*b_p2_up,相位为设通道1中下扫频段第一个过门限点的峰值坐标为p1_down,则该点对应的频率值为f1_down;其中:a表示I路的数据值,b表示Q路的数据值,a_p1_up表示在a+j*b组成的数组中,过门限的峰值点对应的坐标为p1_up,b_p1_up表示在a+j*b组成的数组中,过门限的峰值点对应的坐标为p1_up。
作为一种实施例,所述步骤S8中,距离的解算方法是:将得到的通道1中上扫频频率值f1_up和下扫频对应的频率值f1_down,根据公式得到无人机前向障碍物目标的距离,其中,T为三角波周期,T=20ms,B为调频带宽,B=200MHz,c为光速,c=3.0×108
速度的解算方法是:将得到的通道1中上扫频频率值f1_up和下扫频对应的频率值f1_down,根据公式得到无人机前向障碍物目标的速度,其中f0为中心频率,f0=24.125GHz;
角度的解算方法是:通道1和通道2中,根据各自上扫频分别计算得到的相位根据计算公式得到相位差为Δψ;
根据公式计算方位角,其中,λ为波长,d为天线间距。
实施例2:作为对实施例1的技术方案的补充,本实施例专利通过采用毫米波雷达传感器实现固定翼无人机避障功能。由于毫米波雷达工作波长介于1mm~10mm之间,与其他的探测方式相比,主要有探测性能稳定、环境适应良好、尺寸小、价格低,可以在相对恶劣的雨雪天气使用等优点,而且毫米波雷达的作用距离远,针对固定翼无人机系统中,为能够准确获取固定翼无人机飞行前方障碍物目标距离、速度以及方位角的解算,本实施例设计了一种基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法。
本实施例主要是完成旋翼无人机对其飞行前方环境障碍物的距离、速度以及方位角进行测量。前方障碍物主要针对人,树、墙、网以及高压线等目标。
本实施例所设计的毫米波雷达的工作频率在24GHz或77GHz,采用FMCW连续波体制,采用线性调频其距离分辨率高。波形采用线性调频三角波FMCW,主要是因为本实施例要实现对目标距离以及速度的计算。通过三角波的上扫频和下扫频可以实现目标距离以及速度解算。本实施例设计的固定翼无人机的最大飞行速度为120km/h,无人机防撞的最大测距为120m。
本实施例主要是给出基于毫米波雷达的固定翼无人机防撞信号处理部分的设计以及信号处理方法。
本实施例设计的雷达中心频率f为24.125GHz。发射波形选择三角波,周期为20ms,带宽为200MHz。发射波形如图1所示。
本实施例通过单路IQ数据实现对目标距离速度的解算,由于本实施例实现目标方位角的计算,所以本实施例采用双接收天线的方式,即双通道IQ数据,通过对双通道各自上扫频段的计算实现该目标的测角功能。
图2给出固定翼无人机防撞毫米波雷达信号处理流程图,具体实现步骤如下:
1、AD数据采集即数据处理
(1)将通道1和通道2中的连续IQ数据,通过AD采样进行数字化处理;
(2)将通道1和通道2中采集到的数据分为三角波的上扫频数据和下扫频数据,并分别选取线性度好的数据做后续处理;
2、去直流
(1)将通道1和通道2中,分别计算各自通道三角波上、下扫频IQ数据的均值;
(2)将各自通道三角波上、下扫频IQ的每一个数据减掉上一步计算得到的均值,从而完成去直流的目的,降低直流部分对目标门限检测的影响。
3、窗函数处理
将通道1和通道2中,三角波的上、下扫频段各自去直流后的时域数据进行加窗处理,可以选择汉宁窗、海明窗等,降低旁瓣,从而提高目标的检测性能;汉宁窗会导致主瓣加宽并降低,但是旁瓣会显著减小。海明窗与汉宁窗都是余弦窗,只是加权系数不同。海明窗加权的系数能使旁瓣达到更小。
4、FFT变换
将通道1和通道2中,加窗后的三角波的上、下扫频段数据进行FFT变换,将时域数据转换成频率数据。
5、CFAR门限检测
(1)将通道1中的三角波上扫频FFT变换后的各个点的复数模值和通道2中的三角波上扫频FFT变换后的对应点上的复数模值,进行平均处理,同理将通道1中的三角波下扫频FFT变换后的各个点的复数模值和通道2中的三角波下扫频FFT变换后的对应点上的复数模值,进行平均处理;
(2)将平均后的数据,进行CFAR门限检测。CFAR门限检测可以选择单元平均选小的门限检测方法SO-CFAR,保护单元可以选择1到2个点,窗点数可以选择15~20个。
6、二进制检测
对CFAR门限检测后的数据,令每一个数据为一个距离单元,即距离门1到距离门n,n为FFT的点数。对每一个距离单元的数据均进行二进制检测,即如果该距离单元的数据过门限,则记为1,如果没过门限,则记为0。然后进行多周期累计,如果某一个距离单元的门限累计1的个数超过K个,则输出该点坐标值,否则不作为过门限的目标输出。这样可以提高对目标的检测概率。
(3)二进制检测后,当同时满足要求过门限的点数很多的时候,只选择输出过门限的第一个峰值点,主要是考虑到对无人机飞机危险程度最大的为距离无人机最近的物体,所以并不是找所有过门限的最大峰值点,而是选择第一个过门限的峰值。
7、配对处理
通过CFAR检测以及二进制检测,对于上扫频和下扫频段过门限的点进行配对处理。如果上下扫频过门限的点坐标值相差太大,不能确定为同一个目标的上下扫频时,不进行配对处理。
8、速度、距离解算
(1)将配对成功后的峰值点,计算其对应的频率值,设通道1中上扫频段第一个过门限点的峰值坐标为p1_up,则该点对应的频率值为f1_up,对应的FFT后的数据为a_p1_up+1j*b_p1_up,相位,通道2中上扫频段对应的该点FFT后的数据为a_p2_up+1j*b_p2_up,相位;设通道1中下扫频段第一个过门限点的峰值坐标为p1_down,则该点对应的频率值为f1_down;
(2)将步骤三中得到的通道1中上扫频频率值f1_up和下扫频对应的频率值f1_down,根据公式,其中,T为三角波周期,T=20ms,B为调频带宽,B=200MHz,c为光速,;根据公式,其中为中心频率,=24.125GHz。根据这两个公式,得到无人机前向障碍物目标的距离和速度;
9、角度解算
通道1和通道2中,根据各自上扫频分别计算得到的相位和,计算根据计算公式得到相位差为。
根据公式,计算方位角,其中,d为天线间距。
至此,完成单次检测完成旋翼无人机防撞毫米波雷达对无人机运行前方障碍物距离、速度以及方位角等信息的的解算功能。
10、为了提高解算目标的距离、速度以及角度信息的准确性,采用多次周期数据滑窗处理方式,即将多个周期的各个通道的AD采集到的IQ数据进行平均处理。采用多周期滑窗式的处理方法可以有效的提高检测目标的准确度。采用滑窗的周期数个数的选择主要是依据目标在该周期数内,没有发生跨距离单元情况为前提,然后考虑到芯片处理能力能够达到实时性的原则。
实施例3:对于上述各方案中,峰值处理,本实施例提供一种应用于无人机信号的峰值处理方法:
设置一个峰值点阈值因子α,其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值,使得该差值绝对值不得大于该峰值点阈值因子α:
表达式如下:
|L_max(k)-L_max(k-1)|≤α;
其中:L_max(k)为k周期的过门限最大峰值点坐标,L_max(k-1)为上一周期的最大峰值点坐标,k表示第k时刻;vmax为无人机最大飞行速度,λ为毫米波雷达波长,fs为采样率,N为FFT的点数;
如果k时刻,过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内,则认为第k周期的峰值点有效;如果k时刻,过门限最大峰值点超过所设置的峰值点阈值因子α,则k时刻输出的峰值点用k-1时刻的峰值点进行替换。
作为上述技术手段的解释,在相邻周期的一个时间单元内,当前周期解算出的峰值点,与上个周期的峰值点,如果在相邻周期内,速度没有发生变化,则峰值点在相邻周期内也会保持不变,但是如果在相邻周期时间内,无人机水平飞行速度发生变化,会导致当前周期的峰值点在上一周期的峰值点发生一定的变化,如果是无人机靠近目标,则当前周期的点数会小于上一周期的点数,如果无人机远离目标,则当前周期的点数会大于上一周期的点数,该峰值点的变化范围即是所设计的峰值点阈值因子α,该因子选取的取值范围,主要取决于在相邻周期内,无人机的最大飞行速度,即公式其中vmax为无人机最大飞行速度,λ为毫米波雷达波长,fs为采样率,N为FFT的点数。
但是如果旋翼无人机飞行环境发生突变后,对应的过门限的峰值点数也可能会连续发生超出所设计的阈值因子。如果不进行修正,发生突变后,每个周期检测到的过门限最大峰值点都会超过设置的阈值因子,每次过门限最大峰值点坐标都会被修正为上一时刻的峰值点坐标,即同理值也会保持突变前的值,不能适应突变后的值。为了提高无人机对各种环境的适应能力,为此引入一个峰值点突变累计因子φ。
设置一个峰值点突变累计因子φ,该峰值点突变累计因子φ的定义为,如果从k时刻开始,连续b个周期,b的取值范围为5~10,过门限最大峰值点与前一周期的过门限最大峰值点相比,都超过阈值门限因子a,则第k+b时刻,将当前时刻解算出的过门限最大峰值点作为当前时刻的过门限最大峰值点。为了保证跟踪的实时性,建议b的取值为5~10个。
通过上一步得出过门限最大峰值点后,为了提高表系统值测量的精度,提出提高测距精度的谱最大估计算法。
理想情况下,回波差频信号的频谱只有一个谱线,但是实际在使用过程中,由于采样存在栅栏效应,离散频谱最大幅值谱线必然会发生偏移谱峰位置,从而通过峰值点计算出的距离值与实际距离将会存在一定的误差。当谱峰发生偏移的时候,相对于主瓣峰值所对应的中央谱线将会两种情况,即左偏或是右偏。如果过门限最大值峰值点的左右峰值中,左边峰值大于右边峰值,则中央谱线所在的位置,在最大峰值点与左边峰值点之间,反之,则在最大峰值点与右边峰值点之间。
由于FFT计算得到的频谱对连续距离普等间距采样,其频谱幅值最大点必定位于其曲线的主瓣内,主瓣内有且仅有两个采样点。设过门限最大峰值点A1的坐标为(a1,k1),其中,a1表示过门限最大峰值点的值,k1表示过门限峰值点对应的幅度值;最大峰值点左右两边,次峰值点坐标为A3(a3,k3),设所求的中央峰值点A为(amax,kmax),则e=amax-a1,则A1点,关于A点对称点A2坐标为(a2,k1)=(a1+2e,k1),复包络的零点A4为(a4,k1)=(a3+e,0);
其中:a2、a3、a4是对应点的过门限最大峰值点的值,k3、k4是对应点的过门限峰值点对应的幅度值;
A2、A3和A4近似为一条直线,其线性关系为:
设定误差E与偏差e进行比对,如果|e|<E,则此时的过门限峰值点的值则为所要求的中央峰值点的值,如果偏差e大于所设定的误差E时,β为修正因子,取值范围为1.5~1.9,该修正因子的选取理由是:由于初始的时候A点对称点A2坐标为(a2,k1)=(a1+2e,k1),初始条件时A点横轴坐标点与A2横轴坐标是关于最大峰值点对称的,即A2的坐标点是a1+2e,如果偏差e大于所设定的误差E时,说明A2的坐标选取过大,也即是最大峰值点在a1+2e之间,2倍的偏差e需要进行取小,本发明采用的修正方法是,通过改变修正因子β的大小从而改变l值,然后进行e的不断迭代,直到e小于设定的误差E为止。修正因子β的取值原则可以根据所需求达到的E值进行选取,如果E需求精度不高,修正因子β可以选择1.9进行修正,如果E需求精度很高,可能需要多次迭代达到要求,则需要修正因子β尽量选择小一点,可以选择1.5进行修正,本发明给出了一个快速解算出最大峰值点的修正因子的区间范围值,即修正因子β=1.5~1.9。改变修正因子计算出e的值,以计算得到中央峰值点的值amax=a1+e。
作为另一种实施例,还包括步骤:距离跟踪:设置一个阈值因子ε,其用于限制当前距离数据H(k)与上一周期出现的距离数据H(k-1)的差值绝对值,使得该差值绝对值不得大于该阈值因子ε;
表达式如下:
|H(k)-H(k-1)|≤ε,ε取值范围为0.8~1.3;
如果k时刻的数据与k-1时刻的绝对值差值,在所设置的阈值因子ε范围内,则认为第k周期的峰值点有效;如果k时刻,数据超过所设置的阈值因子ε,则k时刻输出的数据用k-1时刻的数据进行替换。
设置一个突变累计因子θ,该突变累计因子θ的定义为,如果从k时刻开始,连续b个周期,数据与前一周期的数据相比,都超过阈值门限因子θ,则第k+b时刻,将当前时刻解算出的数据作为当前时刻的数据。
作为一种实施例,具体到本实施例中,对于上述未执行距离跟踪或执行了距离跟踪的,输出时,对于单次输出的距离数据,采用滑窗算法进行距离值的输出;
第k时刻的数据等于滑窗中的Nc个值去掉最大值和最小值后的均值,作为最后的数据输出,其计算公式为
其中Nc表示滑窗所采用的数据点数。
采用峰值跟踪算法和跟踪算法,可以有效避免由于单次或是多次峰值搜索的错误而导致一次或是多次数据解算的异常现象,如在单次峰值搜索过程中,发生峰值跳变,相邻周期之间的峰值差值很大,同时由与峰值的跳变,而引起的发生很大的跳变,即该周期内,峰值跳变引起的的跳变范围,已经远远大于由无人机速度引起的一个周期所产生的距离变化范围。由此峰值跟踪以及跟踪可以有效避免这种异常峰值导致的异常值,从而有效地的提高跟踪的数据的稳定度。
以上为基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法的设计说明。以上所述,仅为本发明创造较佳的具体实施方式,但本发明创造的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内,根据本发明创造的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明创造的保护范围之内。

Claims (9)

1.一种基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,包括:
S1.AD数据采集;
S2.去直流;
S3.窗函数处理;
S4.FFT变换;
S5.CFAR门限检测;
S6.二进制检测;
S7.配对处理;
S8.速度和/或距离和/或角度解算。
2.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,所述步骤S1中:
(1)将通道1和通道2中的连续IQ数据,通过AD采样进行数字化处理;
(2)将通道1和通道2中采集到的数据分为三角波的上扫频数据和下扫频数据,去除前部分数据点所述去除前部分数据点。
3.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,所述步骤S2中:
(1)将通道1和通道2中,分别计算各自通道三角波上、下扫频IQ数据的均值;
(2)将各自通道三角波上、下扫频IQ的每一个数据减掉上一步计算得到的均值。
4.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,所述步骤S3中,将通道1和通道2中,三角波的上、下扫频段各自去直流后的时域数据进行加窗处理,选择汉宁窗和/或海明窗。
5.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,所述步骤S5中:
(1)将通道1中的三角波上扫频FFT变换后的各个点的复数模值和通道2中的三角波上扫频FFT变换后的对应点上的复数模值,进行平均处理,再将通道1中的三角波下扫频FFT变换后的各个点的复数模值和通道2中的三角波下扫频FFT变换后的对应点上的复数模值,进行平均处理;
(2)将平均处理后的数据,进行CFAR门限检测。
6.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,所述步骤S6中:
对CFAR门限检测后的数据,令每一个数据为一个距离单元,对每一个距离单元的数据均进行二进制检测,然后进行多周期累计,如果某一个距离单元的门限累计1的个数超过K个,则输出该点坐标值,否则不作为过门限的目标输出,其中:K表示累计1的个数。
二进制检测后,当同时满足要求过门限的点数不唯一的时,只选择输出过门限的第一个峰值点。
7.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,所述步骤S7中:在通过CFAR检测以及二进制检测后,对于上扫频和下扫频段过门限的点进行配对处理,如果上下扫频过门限的点坐标值相差超过阈值,不能确定为同一个目标的上下扫频时,不进行配对处理。
8.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,将配对后的峰值点,计算其对应的频率值,设通道1中上扫频段第一个过门限点的峰值坐标为p1_up,则该点对应的频率值为f1_up,对应的FFT变换后的数据为a_p1_up+1j*b_p1_up,相位为通道2中上扫频段对应的该点FFT变换后的数据为a_p2_up+1j*b_p2_up,相位为设通道1中下扫频段第一个过门限点的峰值坐标为p1_down,则该点对应的频率值为f1_down;其中:a表示I路的数据值,b表示Q路的数据值,a_p1_up表示在a+j*b组成的数组中,过门限的峰值点对应的坐标为p1_up,b_p1_up表示在a+j*b组成的数组中,过门限的峰值点对应的坐标为p1_up。
9.如权利要求1所述的基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法,其特征在于,步骤S8中,
距离的解算方法是:将得到的通道1中上扫频频率值f1_up和下扫频对应的频率值f1_down,根据公式得到无人机前向障碍物目标的距离,其中,T为三角波周期,B为调频带宽,c为光速;
速度的解算方法是:将得到的通道1中上扫频频率值f1_up和下扫频对应的频率值f1_down,根据公式得到无人机前向障碍物目标的速度,其中f0为中心频率;
角度的解算方法是:通道1和通道2中,根据各自上扫频分别计算得到的相位根据计算公式得到相位差为Δψ;根据公式计算方位角,其中,λ为波长,d为天线间距。
CN201610728043.0A 2016-08-25 2016-08-25 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法 Active CN107783090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610728043.0A CN107783090B (zh) 2016-08-25 2016-08-25 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610728043.0A CN107783090B (zh) 2016-08-25 2016-08-25 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法

Publications (2)

Publication Number Publication Date
CN107783090A true CN107783090A (zh) 2018-03-09
CN107783090B CN107783090B (zh) 2021-05-11

Family

ID=61439053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610728043.0A Active CN107783090B (zh) 2016-08-25 2016-08-25 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法

Country Status (1)

Country Link
CN (1) CN107783090B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728129A (zh) * 2017-09-08 2018-02-23 国网山东省电力公司电力科学研究院 一种用于电力线检测的毫米波雷达及无人机
CN111650564A (zh) * 2020-02-26 2020-09-11 惠州市德赛西威智能交通技术研究院有限公司 一种cfar后峰值点统计的车载雷达失效检测方法
CN112859069A (zh) * 2021-01-14 2021-05-28 上海为彪汽配制造有限公司 一种雷达安防监控方法及系统
CN118091593B (zh) * 2024-04-25 2024-06-28 中国人民解放军海军航空大学 基于参考单元筛选的posglt-cfar检测算法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030128156A1 (en) * 2001-02-06 2003-07-10 Masayuki Kishida FM-CW radar processing device
EP1602937B1 (en) * 2004-05-31 2011-08-31 Fujitsu Ten Limited FMCW radar
CN105445714A (zh) * 2015-11-24 2016-03-30 大连楼兰科技股份有限公司 汽车前向防撞系统信号处理方法
CN105539447A (zh) * 2015-12-29 2016-05-04 大连楼兰科技股份有限公司 基于组合波形的汽车变道辅助系统的信号处理方法和汽车变道辅助系统
CN105629234A (zh) * 2015-12-29 2016-06-01 大连楼兰科技股份有限公司 汽车变道辅助系统信号处理方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030128156A1 (en) * 2001-02-06 2003-07-10 Masayuki Kishida FM-CW radar processing device
EP1602937B1 (en) * 2004-05-31 2011-08-31 Fujitsu Ten Limited FMCW radar
CN105445714A (zh) * 2015-11-24 2016-03-30 大连楼兰科技股份有限公司 汽车前向防撞系统信号处理方法
CN105539447A (zh) * 2015-12-29 2016-05-04 大连楼兰科技股份有限公司 基于组合波形的汽车变道辅助系统的信号处理方法和汽车变道辅助系统
CN105629234A (zh) * 2015-12-29 2016-06-01 大连楼兰科技股份有限公司 汽车变道辅助系统信号处理方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吴鹏飞: "基于双通道射频前端的汽车变道辅助雷达设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
李星: "反舰导弹复杂攻防对抗仿真系统实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107728129A (zh) * 2017-09-08 2018-02-23 国网山东省电力公司电力科学研究院 一种用于电力线检测的毫米波雷达及无人机
CN111650564A (zh) * 2020-02-26 2020-09-11 惠州市德赛西威智能交通技术研究院有限公司 一种cfar后峰值点统计的车载雷达失效检测方法
CN112859069A (zh) * 2021-01-14 2021-05-28 上海为彪汽配制造有限公司 一种雷达安防监控方法及系统
CN118091593B (zh) * 2024-04-25 2024-06-28 中国人民解放军海军航空大学 基于参考单元筛选的posglt-cfar检测算法

Also Published As

Publication number Publication date
CN107783090B (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
CN107783133A (zh) 毫米波雷达的固定翼无人机防撞系统及防撞方法
CN107783118A (zh) 基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法
CN107783128A (zh) 基于毫米波雷达的固定翼无人机多目标防撞系统
CN102891453A (zh) 一种基于毫米波雷达的无人机巡检线路走廊方法与装置
CN107577241A (zh) 一种基于避障系统的消防无人机航迹规划方法
CN107783090A (zh) 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理方法
CN107783119A (zh) 应用在避障系统中的决策融合方法
CN105182326A (zh) 一种利用方位信息的目标跟踪快速方法及装置
Lishchenko et al. Proposals for improving of air surveillance informativity in MIMO radar systems based on two-dimensional radars
Zhahir et al. Current development of UAV sense and avoid system
CN107783114A (zh) 旋翼无人机远距离复杂环境防撞毫米波雷达信号处理系统及方法
CN107783098A (zh) 旋翼无人机防撞毫米波雷达信号处理装置
CN106019242A (zh) 一种天基双基地雷达飞行状态的配置方法
Kollias et al. Agile weather observations using a dual-polarization X-band phased array radar
CN107783130A (zh) 基于组合波形的无人驾驶汽车复杂环境防碰撞系统信号处理方法
CN105270602A (zh) 多旋翼(多轴)飞行器实现无线电信号测向定位方法和装置
CN107783122A (zh) 基于毫米波雷达的固定翼无人机防撞系统雷达信号处理装置
CN111366929A (zh) 一种基于fmcw毫米波雷达的无人机防撞预警信号处理系统
CN110794391A (zh) 一种基于无人机集群组网平台的无源定位优化布站方法
US20220252716A1 (en) Radar based system for processing radar data representing range and radial velocty of a detected object
CN102759732A (zh) 一种探测空气动力飞行器的新方法
CN107783124A (zh) 基于组合波形的旋翼无人机复杂环境防碰撞雷达系统及信号处理方法
SantaPietro Persistent wide area surveillance from an airship
CN107783112A (zh) 基于组合波形的旋翼无人机复杂环境防碰撞系统信号处理方法
Kunstmann et al. Weather detection with an AESA-based airborne sense and avoid radar

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant