CN107884757B - 恒虚警目标检测方法、装置及车辆 - Google Patents
恒虚警目标检测方法、装置及车辆 Download PDFInfo
- Publication number
- CN107884757B CN107884757B CN201610874309.2A CN201610874309A CN107884757B CN 107884757 B CN107884757 B CN 107884757B CN 201610874309 A CN201610874309 A CN 201610874309A CN 107884757 B CN107884757 B CN 107884757B
- Authority
- CN
- China
- Prior art keywords
- detection
- reference units
- radar echo
- echo signal
- clutter
- 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.)
- Active
Links
Images
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details 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
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开公开了一种恒虚警目标检测方法、装置及车辆,所述方法包括:对接收的雷达回波信号进行预处理;根据预处理后得到的信号,获取检测单元和多个参考单元;分别获取检测单元的检测统计量,以及多个参考单元中的每一个参考单元的检测统计量;根据检测单元的检测统计量、多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定雷达回波信号的杂波背景情况;采用与杂波背景情况相对应的恒虚警处理模式,对雷达回波信号中的目标进行检测。本公开,通过对杂波背景情况进行判断区分,以根据目标信号所处的杂波背景情况,自适应采用不同的恒虚警处理模式,提高了检测准确率和效率,降低了复杂杂波背景下的目标检测损失。
Description
技术领域
本公开涉及汽车控制技术领域,具体地,涉及一种恒虚警目标检测方法、装置及车辆。
背景技术
近年来,汽车等机动车保有量大量增多,道路拥挤超负荷,交通事故频繁发生。利用车载雷达进行避撞,保证驾车安全成为研究热点。
然而车载雷达工作环境和条件十分苛刻,快速行驶的车辆避撞过程的时间极短,技术要求很高。且当噪声信号的幅度超过检测门限时,雷达(或其他检测系统)就会误认为发现目标,产生"虚警"。
恒虚警率(Constant False-Alarm Rate,CFAR)技术是车载雷达系统中控制虚警率的重要手段,在雷达自动检测过程中起着极其重要的作用。
相关技术中,利用CFAR检测器对杂波功率水平进行估计。但CFAR检测器的检测概率直接受信噪比的影响,在信噪比不高的环境中,不可避免会出现虚警和漏警的情况。
且对于干扰目标来说,无论其数目还是分布都是具有随机性的。当干扰杂波背景随机变化时,会使得背景噪声功率水平值偏离实际值。因此,采用相关技术的方法,将导致虚警概率和检测概率发生偏离,无法准确检测出杂波功率水平,从而无法准确进行目标检测,影响到车辆的安全行驶。
发明内容
本公开的目的是提供一种恒虚警目标检测方法、装置及车辆,以解决雷达回波信号中的目标检测不准确的问题。
为了实现上述目的,第一方面,提供一种恒虚警目标检测方法,包括:
对接收的雷达回波信号进行预处理;
根据预处理后得到的信号,获取检测单元和多个参考单元;
分别获取所述检测单元的检测统计量,以及所述多个参考单元中的每一个参考单元的检测统计量;
根据所述检测单元的检测统计量、所述多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定所述雷达回波信号的杂波背景情况;
采用与所述杂波背景情况相对应的恒虚警处理模式,对所述雷达回波信号中的目标进行检测,包括:
当所述雷达回波信号的杂波背景情况为均匀分布时,对所述多个参考单元进行自适应删除;根据删除后剩余的参考单元,获取统计量;根据检测概率和虚警概率,获取第二阈值门限乘积因子;根据所述统计量和第二阈值门限乘积因子,获取目标检测结果;
当所述雷达回波信号的杂波背景情况为非均匀分布时,采用删除均值恒虚警处理模式,对所述雷达回波信号中的目标进行检测。
在一个实施例中,根据所述检测单元的检测统计量、所述多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定所述雷达回波信号的杂波背景情况的步骤包括:
根据所述检测单元的检测统计量和所述第一阈值门限乘积因子,获取一门限值;
将所述多个参考单元中的每一个参考单元的检测统计量分别与所述门限值进行比较;
若一参考单元的检测统计量小于所述门限阈值时,则将该参考单元归为第一类参考窗;
根据所述第一类参考窗中的参考单元的数量,确定所述雷达回波信号的杂波背景情况。
在一个实施例中,根据所述第一类参考窗中的参考单元的数量,确定所述雷达回波信号的杂波背景情况的步骤包括:
当所述第一类参考窗中的参考单元的数量大于或等于参考单元总数的二分之一时,所述雷达回波信号的杂波背景情况为均匀分布;
当所述第一类参考窗中的参考单元的数量小于参考单元总数的二分之一时,所述雷达回波信号的杂波背景情况为非均匀分布。
在一个实施例中,所述采用删除均值恒虚警处理模式,对所述雷达回波信号中的目标进行检测的步骤包括:
基于ODV删除算法对所述多个参考单元进行自适应删除;
对删除后剩余的参考单元进行最大似然估计,获取统计量;
获取第三阈值门限乘积因子;
根据所述统计量和第三阈值门限乘积因子,获取目标检测结果。
在一个实施例中,所述对接收的雷达回波信号进行预处理的步骤包括:
将接收到的雷达回波信号进行匹配滤波;
将匹配滤波后得到的信号进行平方律检波,获取杂波序列。
第二方面,提供一种恒虚警目标检测装置,包括:
预处理模块,用于对接收的雷达回波信号进行预处理;
滑窗处理模块,用于根据预处理后得到的信号,获取检测单元和多个参考单元;
检测统计量获取模块,用于分别获取所述检测单元的检测统计量,以及所述多个参考单元中的每一个参考单元的检测统计量;
杂波背景确定模块,用于根据所述检测单元的检测统计量、所述多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定所述雷达回波信号的杂波背景情况;
目标检测模块,用于采用与所述杂波背景情况相对应的恒虚警处理模式,对所述雷达回波信号中的目标进行检测,包括:
当所述雷达回波信号的杂波背景情况为均匀分布时,对所述多个参考单元进行自适应删除;根据删除后剩余的参考单元,获取统计量;根据检测概率和虚警概率,获取第二阈值门限乘积因子;根据所述统计量和第二阈值门限乘积因子,获取目标检测结果;
当所述雷达回波信号的杂波背景情况为非均匀分布时,采用删除均值恒虚警处理模式,对所述雷达回波信号中的目标进行检测。
在一个实施例中,所述杂波背景确定模块包括:
门限值获取子模块,用于根据所述检测单元的检测统计量和所述第一阈值门限乘积因子,获取一门限值;
比较子模块,用于将所述多个参考单元中的每一个参考单元的检测统计量分别与所述门限值进行比较;
参考窗确定子模块,用于若一参考单元的检测统计量小于所述门限阈值时,则将该参考单元归为第一类参考窗;
杂波背景确定子模块,用于根据所述第一类参考窗中的参考单元的数量,确定所述雷达回波信号的杂波背景情况。
在一个实施例中,所述杂波背景确定子模块,用于在所述第一类参考窗中的参考单元的数量大于或等于参考单元总数的二分之一时,将所述雷达回波信号的杂波背景情况确定为均匀分布;在所述第一类参考窗中的参考单元的数量小于参考单元总数的二分之一时,将所述雷达回波信号的杂波背景情况确定为非均匀分布。
在一个实施例中,当所述雷达回波信号的杂波背景情况为非均匀分布时,所述目标检测模块具体用于:
基于ODV删除算法对所述多个参考单元进行自适应删除;对删除后剩余的参考单元进行最大似然估计,获取统计量;获取第三阈值门限乘积因子;根据所述统计量和第三阈值门限乘积因子,获取目标检测结果。
在一个实施例中,所述预处理模块包括:
匹配滤波子模块,用于将接收到的雷达回波信号进行匹配滤波;
平方律检波子模块,用于将匹配滤波后得到的信号进行平方律检波,获取杂波序列。
第三方面,提供一种车辆,包括上所述的恒虚警目标检测装置。
通过上述技术方案,对杂波背景情况进行判断区分,以根据目标信号所处的杂波背景情况,自适应采用不同的恒虚警处理模式,提高了检测准确率和效率,降低了复杂杂波背景下的目标检测损失;可适用于多种不同的杂波背景,利用了单元平均恒虚警(ACCA-CFAR)和删除均值恒虚警(CMLD-CFAR)在均匀背景下和非均匀背景下的检测优势。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本公开一实施例的恒虚警目标检测方法的流程示意图;
图2是本公开一实施例的采用恒虚警目标检测方法对雷达回波信号进行目标检测的流程示意图;
图3是本公开一实施例的单元平均恒虚警的处理流程示意图;
图4是本公开一实施例的利用基于ODV的删除算法对参考单元进行自适应删除的流程示意图;
图5是本公开一实施例的在单元平均恒虚警模式下的对检测单元数据进行处理的示意图;
图6是本公开一实施例的删除均值恒虚警的处理流程示意图;
图7是本公开一实施例的在删除均值恒虚警模式下的对检测单元数据进行处理的示意图;
图8是本公开一实施例的恒虚警目标检测装置的结构示意图;
图9是本公开另一实施例的恒虚警目标检测装置的结构示意图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
参见图1,为本公开一实施例的恒虚警目标检测方法的流程示意图。该方法包括以下步骤:
在步骤S11中,对接收的雷达回波信号进行预处理。参见图2,本公开实施例中,对雷达(例如,车载雷达)接收到的雷达回波信号的预处理包括:将雷达回波信号依次经匹配滤波器进行匹配滤波,以及经平方律检波器进行平方律检波。
接收到的雷达回波信号包括同相分量和正交分量两路信号,经匹配滤波后,由平方律检波器求得检测单元内回波采样的功率值。
具体的,经过匹配滤波后的杂波包络信号,经平方律检波之后服从指数分布,按照Swerling建立的四种模型,雷达回波信号中的目标信号与杂波服从相同的分布。平方律检波器利用平方律检波得到的检测统计量为:
Ds(v)=I(v)2+Q(v)2(1)
I(v)是雷达回波信号的同相分量,Q(v)是雷达回波信号的正交分量。
在步骤S12中,根据预处理后得到的信号,获取检测单元和多个参考单元。
在本公开的一实施例中,雷达回波信号的同相分量I和正交分量Q经过平方律检波后构成杂波序列,杂波序列以串行方式进入寄存器。在寄存器内,前窗N/2和后窗N/2个杂波样本为参考单元,构成参考滑窗;滑窗中心样本为检测单元。由此,通过前窗和后窗共N个杂波样本估算参考滑窗内的背景杂波功率,并根据检测门限,可判定检测单元内是否存在目标。
参见图2,D为检测单元;X1至XN为参考单元,参考单元的总数为N。其中,X1至Xn为检测单元的前沿参考滑窗的采样值,其长度为N/2;Xn+1至XN为检测单元的后沿参考滑窗的采样值,其长度为N/2。在一些实施例中,检测单元D的两侧分别有保护单元P,其不参与背景杂波功率的估计,当环境中存在尺寸较大的目标,即目标占据多个距离单元时,对目标中心所在单元的背景杂波功率估计值就不会受到临近单元的干扰,背景杂波功率能够被正确估计,得到正确的门限值,可以避免目标的“自遮蔽效应”。
在步骤S13中,分别获取检测单元的检测统计量,以及多个参考单元中的每一个参考单元的检测统计量。
在本公开的一实施例中,可根据上式(1)分别获取检测单元和每个参考单元的检测统计量。
在步骤S14中,根据检测单元的检测统计量、多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定雷达回波信号的杂波背景情况。
在本公开的一个实施例中,根据式(2)获取雷达回波信号的杂波背景情况,以对雷达回波信号的杂波背景进行区分。
DK<T×D,(K=1,……,N) (2)
其中,D为检测单元的检测统计量Ds(v)。T为参考滑窗内的第一阈值门限乘积因子。DK为参考单元Xk的检测统计量。将D与T相乘的结果作为门限值与每个参考单元的检测统计量进行比较。
在一个实施例中,在给定虚警概率Pfa和窗长N时,第一阈值门限乘积因子T可由式Pfa=Pd|S=0=(1+T)-N得到。
在本公开的一实施例中,当参考单元的检测统计量满足式(2)时,将该参考单元归为第一类参考窗。否则,将该参考单元归为第二类参考窗。
由此,第一类参考窗组成较低幅度值集合M0,第二类参考窗组成较高幅度值集合M1。
在本公开的一实施例中,通过第一类参考窗中包括的参考单元的数量,确定雷达回波信号的杂波背景情况。具体的,当第一类参考窗中包括的参考单元的数量大于或等于参考单元总数的二分之一(N/2)时,雷达回波信号的杂波背景情况为瑞利均匀分布。当第一类参考窗中包括的参考单元的数量小于N/2时,雷达回波信号的杂波背景情况为非均匀分布(例如,K分布)。
在步骤S15中,采用与杂波背景情况相对应的恒虚警处理模式,对雷达回波信号中的目标进行检测。
在本公开的一实施例中,雷达回波信号的杂波背景情况为均匀分布(例如,瑞利均匀分布),即目标信号在均匀分布背景时,采用单元平均恒虚警(CA-CFAR)处理模式,进行目标检测。雷达回波信号的杂波背景情况为非均匀分布,即目标信号在非均匀分布背景(例如,K分布)时,采用删除均值恒虚警(CMLD-CFAR)处理模式,进行目标监测。
本公开实施例的恒虚警目标检测方法,对杂波背景情况进行判断区分,以根据目标信号所处的杂波背景情况,自适应采用不同的恒虚警处理模式,提高了检测效率,降低了复杂杂波背景下的目标检测损失;可适用于多种不同的杂波背景,利用了单元平均恒虚警(ACCA-CFAR)和删除均值恒虚警(CMLD-CFAR)在均匀背景下和非均匀背景下的检测优势。
参见图3,为本公开一实施例的单元平均恒虚警(CA-CFAR)的处理流程示意图。
在步骤31中,对多个参考单元进行自适应删除。
在本公开的一实施例中,对于判定为均匀分布背景的参考窗采样数据,利用基于ODV的删除算法对参考单元进行自适应删除,以对其余的参考单元进行单元平均恒虚警处理。
基于ODV的删除算法是用p个最小的参考单元代表背景功率的初始估计,然后进行连续的基于ODV统计量的假设检验。
参见图4,利用基于ODV的删除算法对参考单元进行自适应删除包括以下步骤:
在步骤41中,对参考单元采样值数据{Xi}按幅值进行排序,排序后的序列为{X(1)<=X(2)<=…X(k)<=…<=X(N)}。
在步骤42中,取x=X(N-k)。
当x在区间[X(p+1),X(N)]上取值时,ODV统计量V(x)是递增函数。为了删除算法中进行连续的假设检验,定义序列Vk,Vk=V(x)|x=X(N-k),其中,k=0,1,…,N-p-1。
在步骤43中,形成有序集合Ex={X(1),X(2),…X(p),x},集合长度为p+1。
在步骤44中,计算ODV统计量Vk,作为集合的形状参数。
在步骤45中,执行基于ODV的假设检验,对于k=0,1,…,N-p-1,重复步骤42到步骤44,直到dk=0或k=N-p为止。
在步骤46中,确定所需要删除的参考单元数为i=k。
在第k步,基于ODV的假设检验的自适应判决准则进行判决。
基于ODV的假设检验的自适应判决准则为式(3)所示。
其中,Sk是与Vk相应的门限;假设Hnh表明第k个子集Ex|x=X(N-k)是非均匀的,Hh表明第k个子集Ex|x=X(N-k)是均匀的。连续的ODV假设检验被重复执行直到Hh为真时,算法停止。
继续参见图3,在步骤32中,根据删除后剩余的参考单元,获取统计量Z。
确定了删除单元个数i后,采用最小的N-i个单元来估计噪声功率水平。统计量Z可由式(4)获取。
其中,xi为检测单元的采样值。继续参见图3,在步骤33中,获取第二阈值门限乘积因子。
在本公开的一实施例中,对于均匀背景分布,假设接收噪声是高斯白噪声,平方律检波输出服从指数分布,目标模型是SwerlingⅡ型,各参考单元统计独立同分布(IID),其概率密度函数表达式为式(5)所示。
其中,μ是背景杂波回波加热噪声总的平均功率水平,λ是目标信号的平均功率与杂噪功率比。根据检测器的杂波背景假设,可得检测概率Pd的表达式为式(6)所示。
则Pfa的表达式为Pfa=Pd|S=0=(1+T)-N,由此可得到第二阈值门限乘积因子T。
继续参见图3,在步骤34中,根据第二阈值门限乘积因子T和统计量Z,获取目标检测结果。
在本公开的一实施例中,根据式(7)所示的自适应判决准则进行目标检测。
其中,H1表示目标存在,H0表示目标不存在。Ti是根据所设定的虚警概率Pfa确定的第二阈值门限乘积因子。统计量Z与对应门限系数相乘后可得到最终的检测门限。
基于式(7)完成检测单元的假设检验,根据奈曼皮尔逊准则,输出CFAR检测器的判决结果,即输出检测单元中是否有目标。
奈曼皮尔逊判决准则为:指定一个虚警概率的容许值PFD,使得检测概率达PD到最大。其中,检测概率PD和虚警概率Pfa通常在设计雷达时决定,而在信噪比不变的情况下检测概率PD的增大意味着虚警概率Pfa也会随之增大。
参见图5,为本公开一实施例的在单元平均恒虚警模式下的对检测单元数据进行处理的示意图。基于统计量ODV的单调性,用p个最小参考单元来代表背景功率的初始估计,然后,进行连续的基于ODV统计量的假设检验,确定所需删除的参考单元数目,对干扰目标进行自适应的删除,由此,可在多目标环境下具有良好的检测性能。另一方面,基于统计量ODV的单调性,自动选择CFAR检测参数和估计背景噪声,从而增强了系统对未知目标检测的鲁棒性。
参见图6,为本公开一实施例的删除均值恒虚警的处理流程示意图。
在步骤61中,基于ODV删除算法对参考单元进行自适应删除。
在本公开的一实施例中,先将所有参考单元按幅值进行降幂排序,然后放弃最大的部分参考单元,将其余参考单元的均值作为估计单元杂波功率水平的样本。具体的,可采用阈值补偿技术,将所有参考单元按幅值进行降幂排序,然后放弃最大的k/3个参考单元(k可由前述步骤46中所确定),将其余参考单元的均值作为估计单元杂波功率水平的样本。
在步骤62中,对删除后剩余的参考单元进行最大似然估计,获取统计量Z。
在步骤63中,获取第三阈值门限乘积因子T。
对于非均匀背景分布,建立K分布,其是有两个参数概率分布的杂波分布统计模型。由一个快变调制分量和一个慢变调制分量组成,各参考单元统计独立同分布(IID),其概率密度函数表达式为式(8)所示。
其中,v为形状参数,其决定了杂波分布的特征。b为尺度参数,受杂波分布中值与雷达反射截面积的影响。Γ(.)为伽马函数,Kv-1为修正贝塞尔函数。对于判定为非均匀背景分布的参考单元进行删除均值恒虚警(CMLD-CFAR)处理,其虚警概率表示为式(9)所示。
其中,aj为式(10)所示,cj为式(11)所示
其中,M和N为分别为前沿参考滑窗长度和后沿参考滑窗长度。
利用数值方法解式(9)至式(11)就可以得到第三阈值门限乘积因子T。
在步骤64中,根据第三阈值门限乘积因子T和统计量Z,获取目标检测结果。
将统计量Z与得到的第三阈值门限乘积因子T相乘得到检测门限。在本公开的一实施例中,可基于上述式(7)完成检测单元信号的假设检验,最后根据奈曼皮尔逊准则,输出CFAR检测器的判决结果,即输出检测单元中是否有目标的检测结果。
参见图7,为本公开一实施例的在删除均值恒虚警模式下的对检测单元数据进行处理的示意图。本公开实施例的删除均值恒虚警处理方法是对OS-CFAR的改进,是一种阈值补偿技术,假设左窗、右窗之和的参考单元总数为N,则先将所有参考单元按幅值进行降幂排序,然后放弃最大的部分参考单元,将其余参考单元的均值作为估计单元杂波功率水平的样本。再将样本输入ML估计器(最大似然估计估计器)进行最大似然估计,以获取检测门限。再将检测单元D与检测门限通过比较器进行比较,得到目标检测结果。
本公开实施例中,对于均匀杂波背景,使用多个单元估计杂波功率水平;在非均匀杂波背景下,采用阈值补偿技术,将所有参考单元按幅值进行降幂排序,然后放弃最大的k/3个参考单元,将其余参考单元的均值作为估计单元杂波功率水平的样本,由此,可改善恒虚警检测器在非均匀杂波背景和多目标环境下的适应性与性能。
参见图8为本公开一实施例的恒虚警目标检测装置的结构示意图。该恒虚警目标检测装置800包括:
预处理模块801,用于对接收的雷达回波信号进行预处理;
滑窗处理模块802,用于根据预处理后得到的信号,获取检测单元和多个参考单元;
检测统计量获取模块803,用于分别获取检测单元的检测统计量,以及多个参考单元中的每一个参考单元的检测统计量;
杂波背景确定模块804,用于根据检测单元的检测统计量、多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定雷达回波信号的杂波背景情况;
目标检测模块805,用于采用与杂波背景情况相对应的恒虚警处理模式,对雷达回波信号中的目标进行检测。
在一个实施例中,杂波背景确定模块804包括:
门限值获取子模块8041,用于根据检测单元的检测统计量和第一阈值门限乘积因子,获取一门限值;
比较子模块8042,用于将多个参考单元中的每一个参考单元的检测统计量分别与门限值进行比较;
参考窗确定子模块8043,用于若一参考单元的检测统计量小于门限阈值时,则将该参考单元归为第一类参考窗;
杂波背景确定子模块8044,用于根据第一类参考窗中的参考单元的数量,确定雷达回波信号的杂波背景情况。
在一个实施例中,杂波背景确定子模块8044,用于在第一类参考窗中的参考单元的数量大于或等于参考单元总数的二分之一时,将雷达回波信号的杂波背景情况确定为均匀分布;在第一类参考窗中的参考单元的数量小于参考单元总数的二分之一时,将雷达回波信号的杂波背景情况确定为非均匀分布。
在一个实施例中,目标检测模块805,用于在雷达回波信号的杂波背景情况为均匀分布时,采用单元平均恒虚警处理模式,对雷达回波信号中的目标进行检测;在雷达回波信号的杂波背景情况为非均匀分布时,采用删除均值恒虚警处理模式,对雷达回波信号中的目标进行检测。
在一个实施例中,在雷达回波信号的杂波背景情况为均匀分布时,目标检测模块805,用于:
对多个参考单元进行自适应删除;根据删除后剩余的参考单元,获取统计量;获取第二阈值门限乘积因子;根据统计量和第二阈值门限乘积因子,获取目标检测结果。
在一个实施例中,当所述雷达回波信号的杂波背景情况为非均匀分布时,目标检测模块805,用于:
基于ODV删除算法对多个参考单元进行自适应删除;对删除后剩余的参考单元进行最大似然估计,获取统计量;获取第三阈值门限乘积因子;根据统计量和第三阈值门限乘积因子,获取目标检测结果。
在一个实施例中,预处理模块801包括:
匹配滤波子模块8011,用于将接收到的雷达回波信号进行匹配滤波;
平方律检波子模块8012,用于将匹配滤波后得到的信号进行平方律检波,获取杂波序列。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
相应的,本公开实施例还提供一种车辆包括上述恒虚警目标检测装置。
图9是根据一示例性实施例示出的一种用于恒虚警目标检测方法的装置900的框图。例如,装置900可以被提供为车辆。参照图9,装置900包括:电子控制单元901、图像采集装置902、数字信号处理器(DSP)903、汽车刹车系统904、方向盘转角传感器905、轮速传感器906、发动机系统907、CAN总线908和车载雷达909等。
其中,车载雷达909可为用于实现盲区检测的毫米波雷达、用于辅助倒车的雷达等等。在一个实施例中,车载雷达909可包括微处理器,用于执行上述恒虚警目标检测方法,以实现根据雷达回波信号准确进行目标检测,提高车辆行驶安全性。在另一些实施例中,车载雷达909可将雷达回波信号发送到相应的处理器(例如,一专门用于处理雷达回波信号且与整车CAN总线908连接的处理器),该相应的处理器执行上述恒虚警目标检测方法,以准确进行目标检测,提高车辆行驶安全性。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (9)
1.一种恒虚警目标检测方法,其特征在于,包括:
对接收的雷达回波信号进行预处理;
根据预处理后得到的信号,获取检测单元和多个参考单元;
分别获取所述检测单元的检测统计量,以及所述多个参考单元中的每一个参考单元的检测统计量;
根据所述检测单元的检测统计量、所述多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定所述雷达回波信号的杂波背景情况;
当所述雷达回波信号的杂波背景情况为均匀分布时,对所述多个参考单元进行自适应删除;根据删除后剩余的参考单元,获取统计量;获取第二阈值门限乘积因子;根据所述统计量和第二阈值门限乘积因子,获取目标检测结果;
当所述雷达回波信号的杂波背景情况为非均匀分布时,采用删除均值恒虚警处理模式,对所述雷达回波信号中的目标进行检测;
其中,所述采用删除均值恒虚警处理模式,对所述雷达回波信号中的目标进行检测,包括:
基于ODV删除算法对所述多个参考单元进行自适应删除;
对删除后剩余的参考单元进行最大似然估计,获取统计量;
获取第三阈值门限乘积因子;
根据所述统计量和第三阈值门限乘积因子,获取目标检测结果;
其中,所述基于ODV删除算法对所述多个参考单元进行自适应删除,包括:将所述多个参考单元的采样值按幅值进行降幂排序,删除排序在前的预设数量个参考单元,并将未删除的参考单元的均值作为最大似然估计杂波功率水平的样本。
2.根据权利要求1所述的方法,其特征在于,根据所述检测单元的检测统计量、所述多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定所述雷达回波信号的杂波背景情况的步骤包括:
根据所述检测单元的检测统计量和所述第一阈值门限乘积因子,获取一门限值;
将所述多个参考单元中的每一个参考单元的检测统计量分别与所述门限值进行比较;
若一参考单元的检测统计量小于所述门限阈值时,则将该参考单元归为第一类参考窗;
根据所述第一类参考窗中的参考单元的数量,确定所述雷达回波信号的杂波背景情况。
3.根据权利要求2所述的方法,其特征在于,根据所述第一类参考窗中的参考单元的数量,确定所述雷达回波信号的杂波背景情况的步骤包括:
当所述第一类参考窗中的参考单元的数量大于或等于参考单元总数的二分之一时,所述雷达回波信号的杂波背景情况为均匀分布;
当所述第一类参考窗中的参考单元的数量小于参考单元总数的二分之一时,所述雷达回波信号的杂波背景情况为非均匀分布。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述对接收的雷达回波信号进行预处理的步骤包括:
将接收到的雷达回波信号进行匹配滤波;
将匹配滤波后得到的信号进行平方律检波,获取杂波序列。
5.一种恒虚警目标检测装置,其特征在于,包括:
预处理模块,用于对接收的雷达回波信号进行预处理;
滑窗处理模块,用于根据预处理后得到的信号,获取检测单元和多个参考单元;
检测统计量获取模块,用于分别获取所述检测单元的检测统计量,以及所述多个参考单元中的每一个参考单元的检测统计量;
杂波背景确定模块,用于根据所述检测单元的检测统计量、所述多个参考单元中的每一个参考单元的检测统计量以及第一阈值门限乘积因子,确定所述雷达回波信号的杂波背景情况;
目标检测模块,用于当所述雷达回波信号的杂波背景情况为均匀分布时,对所述多个参考单元进行自适应删除;根据删除后剩余的参考单元,获取统计量;获取第二阈值门限乘积因子;根据所述统计量和第二阈值门限乘积因子,获取目标检测结果;
所述目标检测模块,还用于当所述雷达回波信号的杂波背景情况为非均匀分布时,采用删除均值恒虚警处理模式,对所述雷达回波信号中的目标进行检测;
当所述雷达回波信号的杂波背景情况为非均匀分布时,所述目标检测模块具体用于:
基于ODV删除算法对所述多个参考单元进行自适应删除;对删除后剩余的参考单元进行最大似然估计,获取统计量;获取第三阈值门限乘积因子;根据所述统计量和第三阈值门限乘积因子,获取目标检测结果;
其中,所述基于ODV删除算法对所述多个参考单元进行自适应删除,具体包括:将所述多个参考单元的采样值按幅值进行降幂排序,删除排序在前的预设数量个参考单元,并将未删除的参考单元的均值作为最大似然估计杂波功率水平的样本。
6.根据权利要求5所述的装置,其特征在于,所述杂波背景确定模块包括:
门限值获取子模块,用于根据所述检测单元的检测统计量和所述第一阈值门限乘积因子,获取一门限值;
比较子模块,用于将所述多个参考单元中的每一个参考单元的检测统计量分别与所述门限值进行比较;
参考窗确定子模块,用于若一参考单元的检测统计量小于所述门限阈值时,则将该参考单元归为第一类参考窗;
杂波背景确定子模块,用于根据所述第一类参考窗中的参考单元的数量,确定所述雷达回波信号的杂波背景情况。
7.根据权利要求6所述的装置,其特征在于,所述杂波背景确定子模块,用于在所述第一类参考窗中的参考单元的数量大于或等于参考单元总数的二分之一时,将所述雷达回波信号的杂波背景情况确定为均匀分布;在所述第一类参考窗中的参考单元的数量小于参考单元总数的二分之一时,将所述雷达回波信号的杂波背景情况确定为非均匀分布。
8.根据权利要求5-7任一项所述的装置,其特征在于,所述预处理模块包括:
匹配滤波子模块,用于将接收到的雷达回波信号进行匹配滤波;
平方律检波子模块,用于将匹配滤波后得到的信号进行平方律检波,获取杂波序列。
9.一种车辆,其特征在于,包括上述权利要求5-8任一项所述的恒虚警目标检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610874309.2A CN107884757B (zh) | 2016-09-30 | 2016-09-30 | 恒虚警目标检测方法、装置及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610874309.2A CN107884757B (zh) | 2016-09-30 | 2016-09-30 | 恒虚警目标检测方法、装置及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107884757A CN107884757A (zh) | 2018-04-06 |
CN107884757B true CN107884757B (zh) | 2020-10-23 |
Family
ID=61769205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610874309.2A Active CN107884757B (zh) | 2016-09-30 | 2016-09-30 | 恒虚警目标检测方法、装置及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107884757B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856604B (zh) * | 2018-11-13 | 2020-12-22 | 上海无线电设备研究所 | 一种二维缩比快速恒虚警检测方法 |
WO2020113441A1 (zh) * | 2018-12-04 | 2020-06-11 | 深圳市大疆创新科技有限公司 | 目标检测方法、装置和无人机 |
CN109613527B (zh) * | 2018-12-13 | 2022-11-08 | 北京无线电测量研究所 | 一种运动目标的检测门限生成方法及装置 |
CN111727380A (zh) * | 2018-12-26 | 2020-09-29 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及计算机可读存储介质 |
CN109633597A (zh) * | 2019-01-23 | 2019-04-16 | 广州辰创科技发展有限公司 | 一种可变均值滑窗恒虚警检测算法及存储介质 |
CN110095762B (zh) * | 2019-05-27 | 2022-12-27 | 广东工业大学 | 雷达二维恒虚警检测方法、系统、装置及可读存储介质 |
EP3978946A4 (en) * | 2019-05-29 | 2023-07-12 | Kyocera Corporation | ELECTRONIC APPARATUS, ELECTRONIC APPARATUS CONTROL METHOD, AND ASSOCIATED PROGRAM |
CN110426691A (zh) * | 2019-07-02 | 2019-11-08 | 中国航空工业集团公司雷华电子技术研究所 | 一种雨杂波环境下的恒虚警检测方法 |
CN110261838B (zh) * | 2019-07-02 | 2022-05-17 | 中国航空工业集团公司雷华电子技术研究所 | 一种道面外来物探测方法、装置及探测雷达 |
WO2021007704A1 (en) * | 2019-07-12 | 2021-01-21 | Huawei Technologies Co., Ltd. | Method and apparatus for object detection system |
CN112526498B (zh) * | 2019-08-29 | 2023-12-12 | 比亚迪股份有限公司 | 车辆以及车载雷达的目标检测方法和装置 |
CN110596709A (zh) * | 2019-10-18 | 2019-12-20 | 富临精工先进传感器科技(成都)有限责任公司 | 一种车载毫米波雷达自适应检测多目标的方法 |
CN110940977B (zh) * | 2019-12-02 | 2021-10-19 | 中国船舶重工集团公司第七一九研究所 | 一种适配海况变化的恒虚警检测器及恒虚警检测方法 |
CN112986970A (zh) * | 2019-12-13 | 2021-06-18 | 华为技术有限公司 | 目标检测方法和装置 |
CN111157953B (zh) * | 2019-12-18 | 2023-10-31 | 南京理工大学 | 一种强地杂波下两级门限恒虚警检测算法 |
CN113325405A (zh) * | 2020-02-28 | 2021-08-31 | 加特兰微电子科技(上海)有限公司 | 恒虚警目标检测方法、装置、集成电路、传感器及设备 |
CN111337894B (zh) * | 2020-03-04 | 2022-04-01 | 清华大学 | 一种智能参考单元平均恒虚警检测方法 |
CN111610515A (zh) * | 2020-03-31 | 2020-09-01 | 宁波锐眼电子科技有限公司 | 检测方法、装置、毫米波雷达和计算机可读存储介质 |
CN111929679B (zh) * | 2020-08-04 | 2023-11-21 | 南京理工大学 | 一种自适应加权截断统计恒虚警检测方法 |
CN112285654B (zh) * | 2020-10-19 | 2024-02-09 | 中国人民解放军陆军边海防学院 | 一种基于边境环境自适应的低小慢目标恒虚警检测方法 |
JP7113878B2 (ja) * | 2020-10-28 | 2022-08-05 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
JP7223197B2 (ja) * | 2020-10-28 | 2023-02-15 | 京セラ株式会社 | 電子機器、電子機器の制御方法、及びプログラム |
CN112965040B (zh) * | 2021-02-05 | 2024-01-23 | 重庆邮电大学 | 一种基于背景预筛选的自适应cfar目标检测方法 |
CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
CN113406593A (zh) * | 2021-07-28 | 2021-09-17 | 武汉大学 | 一种外辐射源雷达自适应分时杂波图恒虚警检测方法 |
CN114814863A (zh) * | 2022-04-22 | 2022-07-29 | 北京一径科技有限公司 | 一种基于sipm的回波检测方法、装置、设备及存储介质 |
CN114578384B (zh) * | 2022-05-07 | 2022-09-09 | 成都凯天电子股份有限公司 | 一种用于激光大气系统的自适应恒虚警检测方法 |
CN116973860B (zh) * | 2023-09-19 | 2024-01-02 | 杭州岸达科技有限公司 | 雷达回波信号自适应混检方法、混检装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2248076A1 (de) * | 1972-09-30 | 1974-04-04 | Messerschmitt Boelkow Blohm | Radarempfaenger fuer ein zielverfolgungsradar |
CN101271160A (zh) * | 2007-03-21 | 2008-09-24 | 中国科学院电子学研究所 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
CN101833084A (zh) * | 2010-05-05 | 2010-09-15 | 北京航空航天大学 | 一种基于dsp的高速恒定虚警率检测器及其检测方法 |
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 |
CN101975940A (zh) * | 2010-09-27 | 2011-02-16 | 北京理工大学 | 基于分割组合的sar图像自适应恒虚警率目标检测方法 |
CN103353594A (zh) * | 2013-06-17 | 2013-10-16 | 西安电子科技大学 | 二维自适应雷达恒虚警检测方法 |
CN103760543A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的恒虚警目标检测方法 |
CN104459644A (zh) * | 2014-11-07 | 2015-03-25 | 中国电子科技集团公司第二十八研究所 | 一种用于雷达视频信号检测的自适应恒虚警检测方法 |
CN104502899A (zh) * | 2014-12-27 | 2015-04-08 | 长安大学 | 一种自适应的恒虚警率目标检测方法 |
-
2016
- 2016-09-30 CN CN201610874309.2A patent/CN107884757B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2248076A1 (de) * | 1972-09-30 | 1974-04-04 | Messerschmitt Boelkow Blohm | Radarempfaenger fuer ein zielverfolgungsradar |
CN101271160A (zh) * | 2007-03-21 | 2008-09-24 | 中国科学院电子学研究所 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
CN101833084A (zh) * | 2010-05-05 | 2010-09-15 | 北京航空航天大学 | 一种基于dsp的高速恒定虚警率检测器及其检测方法 |
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 |
CN101975940A (zh) * | 2010-09-27 | 2011-02-16 | 北京理工大学 | 基于分割组合的sar图像自适应恒虚警率目标检测方法 |
CN103353594A (zh) * | 2013-06-17 | 2013-10-16 | 西安电子科技大学 | 二维自适应雷达恒虚警检测方法 |
CN103760543A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的恒虚警目标检测方法 |
CN104459644A (zh) * | 2014-11-07 | 2015-03-25 | 中国电子科技集团公司第二十八研究所 | 一种用于雷达视频信号检测的自适应恒虚警检测方法 |
CN104502899A (zh) * | 2014-12-27 | 2015-04-08 | 长安大学 | 一种自适应的恒虚警率目标检测方法 |
Non-Patent Citations (1)
Title |
---|
非均匀杂波背景下雷达恒虚警检测技术研究;NGUYEN KHOA SANG;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160115;第55-57页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107884757A (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107884757B (zh) | 恒虚警目标检测方法、装置及车辆 | |
CN108089165B (zh) | 用于在用于机动车的雷达传感器中进行失明识别的方法 | |
CN106461772B (zh) | 雷达装置以及雷达装置中的信号处理方法 | |
CN110531337B (zh) | 基于隶属度分析的目标可信度计算方法及装置 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN107271973A (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN111157953A (zh) | 一种强地杂波下两级门限恒虚警检测算法 | |
CN107024680B (zh) | 一种基于双删除门限的目标检测方法 | |
CN114114192A (zh) | 集群目标检测方法 | |
CN110531362B (zh) | 一种高分辨率运动声呐知识基的目标检测方法 | |
CN112965040A (zh) | 一种基于背景预筛选的自适应cfar目标检测方法 | |
CN115128571B (zh) | 一种基于毫米波雷达的多人与非机动车识别方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN115032606B (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
CN112492888A (zh) | 用于物体检测系统的方法和装置 | |
CN115356692A (zh) | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 | |
CN111337894B (zh) | 一种智能参考单元平均恒虚警检测方法 | |
CN111337920B (zh) | 一种防止云雾干扰的弹载雷达对地探测方法及装置 | |
CN111273249B (zh) | 一种基于雷达虚警预处理时间的智能杂波分区方法 | |
CN109283507B (zh) | 一种基于时频域特征的雷达目标识别方法及系统 | |
CN113759335A (zh) | 一种基于时间反演的超宽带回波去噪和能量检测方法 | |
CN111830488A (zh) | 一种基于gm-apd激光测距系统的回波信号数据处理方法及系统 | |
KR20170054168A (ko) | 레이더 시스템의 씨파를 기반으로 하는 신호 처리 방법 및 그 장치 | |
CN111521978B (zh) | 雷达信号目标角度检测方法、装置、计算机设备及介质 |
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 |