CN108020838B - 一种毫米波雷达信号在自适应巡航中的处理方法 - Google Patents

Abstract

本发明涉及一种毫米波雷达信号在自适应巡航中的处理方法，用于获取和处理车辆附近目标障碍物当前时刻的毫米波雷达信号，包括如下步骤：S10.根据导航信息获取当前位置的道路属性；S20.根据道路属性选择信号处理模式、滤波模型；S30.利用滤波模型对毫米波雷达的信号进行积累、滤波；S40.对步骤S30中获得信号进行恒虚警处理；S50.根据恒虚警处理的结构完成目标检测、角度计算。本发明提出融合导航场景信息到毫米波雷达信号处理的方法，根据不同的道路信息选择不同的滤波参数，最终对雷达信号的判断更准确，为后续自适应导航的点迹识别提供准确的基础。同时能够适应高速公路、普通公路和城市道路等多种路况的目标的探测，并利用雷达测速信息，提高跟踪的精度。

Description

一种毫米波雷达信号在自适应巡航中的处理方法

技术领域

本发明涉及车载电子领域，特别涉及一种毫米波雷达信号在自适应巡航中的处理方法。

背景技术

由于毫米波雷达能直接测量距离和速度信息，应用于自适应巡航系统以及预碰撞系统上有着天然的优势。因此，在汽车上应用毫米波雷达，也是目前自适应巡航最主流的解决方案，有着巨大的市场前景。然而，目前的自适应巡航系统大多是仅采集前方目标的速度信息以及距离信息进行自适应处理，而没有考虑到当前路面的交通状况以及当前道路的状态。当路面交通状况复杂、道路崎岖弯折时，会增加毫米波雷达数据处理的难度和识别率。

现有技术的自适应巡航系统中，其具体通过获取车辆附近目标障碍物当前时刻的点迹以及最近时间段内的航迹，并对所述目标障碍物下一时间的航迹进行预测，从而提前做出相应的动作，如制动或者控制车速等，因此如何精确地识别障碍物的点迹，是后续的雷达信号数据处理是否准确的先决条件。由于在不同的环境中，毫米波雷达所获取的信号均不相同，如在城市道路中，由于干扰大，毫米波雷达的信号会出现很多噪声；或者是在高速路上，由于速度快，毫米波雷达的检测精度将需要加大等。但是现有技术当中并没有可以根据道路属性自适应调整雷达信号处理方式的先例。

发明内容

本发明为了解决上述技术问题，提供了一种毫米波雷达信号在自适应巡航中的处理方法。

一种毫米波雷达信号在自适应巡航中的处理方法，用于获取和处理车辆附近目标障碍物当前时刻的毫米波雷达信号，包括如下步骤：

S10. 根据导航信息获取当前车辆所在道路的道路属性；

S20. 根据所述道路属性选择信号处理模式，并根据所述信号处理模式选择所采用的滤波模型；

S30. 利用所述滤波模型对所述毫米波雷达的信号进行积累、滤波；

S40. 对步骤S30中获得信号进行恒虚警处理；

S50. 根据恒虚警处理的结果完成目标检测、角度计算，并完成目标信号的合成。

进一步的，所述道路属性包括高速公路、普通公路以及城市道路。

进一步的，所述滤波模型包括动目标检测、动目标显示以及自适应动目标显示中的一种或多种，所述步骤S30包括如下子步骤：

判断道路属性；

当道路属性为高速公路时，所述滤波模型仅采用动目标检测；

当道路属性为普通公路时，所述滤波模型为动目标检测与动目标显示协同滤波；

当道路属性为城市道路时，所述滤波模型为自适应动目标显示。

进一步的，所述动目标检测具有多个等级的阶级数，且阶级数与车辆的速度呈负相关。其中所述动目标检测阶级数的等级数为3个。

进一步的，所述动目标显示有多个等级的脉冲数，所述脉冲数与道路状态复杂程度呈正相关。其中所述动目标显示脉冲数的等级数为两个。

所述恒虚警处理包括如下子步骤：

S41. 根据所述道路属性选择准则，根据所获得的信号前后关系计算出噪声功率估计值；

S42. 根据距离大小选择距离参数，并与所述噪声功率估计值进行张量积计算，获得恒虚警门限；

S43. 将所述恒虚警门限与当前时刻的信号值进行比较，判定当前时刻信号是否为虚警。

进一步的，所述步骤S10包括如下子步骤：

S11. 获取导航信息中的当前车辆所处的位置信息以及地图信息；

S12. 从地图信息中获取路名，并根据所述路名判断所述道路属性。

本发明的毫米波雷达信号在自适应巡航中的处理方法所起到的有益效果包括：

1. 本发明提出融合导航场景信息到毫米波雷达信号处理的方法，根据不同的道路信息选择不同的滤波参数，最终对雷达信号的判断更加准确，为后续自适应导航的点迹识别提供准确的基础。

2. 本发明的毫米波信号处理能够适应高速公路、普通公路和城市道路等多种路况的目标的探测，并利用雷达测速信息，提高跟踪的精度。

附图说明

图1为本发明实施例1中的方法流程图。

图2为本发明实施例2中的毫米波雷达信号滤波流程图。

图3为本发明实施例3中的恒虚警处理原理图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征更易被本领域技术人员理解，从而对本发明的保护范围作出更为清楚的界定。

实施例1：

如图1所示，本发明的毫米波雷达信号在自适应巡航中的处理方法，主要用于获取和处理车辆附近目标障碍物当前时刻的毫米波雷达信号，在获取的过程中，由于毫米波雷达的信号接收容易受到车速、道路交通状况等影响，为了消除周围环境对毫米波雷达信号的影响，需要针对各种环境对信号处理方式进行调整，本实施例提供的是根据车辆所在地理位置自动识别道路属性的毫米波雷达信号处理方法，具体如下：

S10. 根据导航信息获取当前车辆所在道路的道路属性，道路属性指的是道路的类型，该道路属性可以但不仅限于高速公路、普通公路以及城市道路中的一种，其划分依据主要采取的是道路的复杂程度以及平均车速。

例如高速公路，高速公里的特点在于其比较平直，平均车速相对较高；而普通公路指的是一般的国道以及城郊道路，其限速较低，但是车流相对不多，车辆在形式当中的平均车速基本上可以达到限速上限；另外城市道路则是在城市内的道路，道路路况复杂，且车流量大，平均车速较低，信号噪声较大。

S20. 根据道路属性选择信号处理模式，并根据所述信号处理模式选择所采用的滤波模型。具体的，在不同的道路属性下，针对每种道路的特性制定不同的滤波方法，使虚警率更加低，信号识别的正确率。

S30. 利用滤波模型对毫米波雷达的信号进行积累，在完成信号的积累之后，对其进行滤波。其中对滤波的方式可以将有效信号在原始信号中提取出来。通常在路况越复杂的情况，噪声就会越大，因此根据车速和噪声的情况滤波的模式。

本实施例中，滤波模型包括动目标检测MTD、动目标显示MTI以及自适应动目标显示AMTI。在进行滤波的时候包括如下子步骤：

判断道路属性，在确定了道路的属性之后进行如下的判定：

1）当道路属性为高速公路时，滤波模型仅采用动目标检测MTD，由于道路相对平直，因此其进采用动目标检测即可较好地对原始信号进行滤波。

2）当道路属性为普通公路时，滤波模型为动目标检测MTD与动目标显示MTI协同滤波；

3）当道路属性为城市道路时，滤波模型为自适应动目标显示AMTI，该滤波模型对复杂的噪声信号状态下处理能力较高。

S40. 对步骤S30中获得信号进行恒虚警处理，通过恒虚警处理后实现动态识别虚警情况，从而保障较高的有效信号识别率。

S50. 根据恒虚警处理的结果完成目标检测、角度计算，并完成目标信号的合成。

实施例2：

本实施例与实施例1的区别在于：本实施例中的动目标检测具有多个等级的阶级数，且阶级数与车辆的速度呈负相关。即车速越高时，动目标检测的阶级数就越低，本实施例中动目标检测阶级数的等级数为3个。当车辆速度高是选择低阶级数，反之则选择高阶级数。

另外，动目标显示也有多个等级的脉冲数，所述脉冲数与道路状态复杂程度呈正相关。道路状态越复杂，其噪点就越高，从而需要较高的脉冲数来控制噪声。在本实施例中，动目标显示脉冲数的等级数为两个。在城市道路上通常会采用高脉冲数来进行滤波。

实施例3：

本实施例与实施例1的区别在于：如图2所示。本实施例中的恒虚警处理包括如下子步骤：如图3所示，

S41. 根据当前车辆所在位置的道路属性选择准则，例如根据环境的复杂度从高到低选择均值类准则、有序统计类准则或自动筛选类准则。根据所获得的信号前后关系计算出噪声功率估计值；在本实施例中，在相邻的两个雷达信号之间还设有一保护单元信号，用于分离和识别雷达信号数据。

S42. 根据距离大小选择距离参数α，α随距离的增大而减小，并与所述噪声功率估计值进行张量积计算，获得恒虚警门限；

S43. 将恒虚警门限与当前时刻的信号值进行比较，判定当前时刻信号是否为虚警。当门限值大于当前时刻的信号值时，则输出高电平，当前信号为有效信号。否则判定为无有效信号。

另外，本实施例还提供一种道路属性的识别方案，如下所示：

S11. 获取导航信息中的当前车辆所处的位置信息以及地图信息；

S12. 从地图信息中获取路名，并根据路名判断所述道路属性。可以从地图数据中找到路名与道路属性的映射关系，如省道国道通常为普通公路，城市公路通常在市区内等。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (8)

1.一种毫米波雷达信号在自适应巡航中的处理方法，用于获取和处理车辆附近目标障碍物当前时刻的毫米波雷达信号，其特征在于，包括如下步骤：

S10. 根据导航信息获取当前车辆所在道路的道路属性；

S20. 根据所述道路属性选择信号处理模式，并根据所述信号处理模式选择所采用的滤波模型；

S30. 利用所述滤波模型对所述毫米波雷达的信号进行积累、滤波；

S40. 对步骤S30中获得信号进行恒虚警处理；

S50. 根据恒虚警处理的结果完成目标检测、角度计算，并完成目标信号的合成；

其中，所述道路属性包括高速公路、普通公路以及城市道路；所述滤波模型包括动目标检测、动目标显示以及自适应动目标显示中的一种或多种。

2.根据权利要求1所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述步骤S30包括如下子步骤：

判断道路属性；

当道路属性为高速公路时，所述滤波模型仅采用动目标检测；

当道路属性为普通公路时，所述滤波模型为动目标检测与动目标显示协同滤波；

当道路属性为城市道路时，所述滤波模型为自适应动目标显示。

3.根据权利要求2所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述动目标检测具有多个等级的阶级数，且阶级数与车辆的速度呈负相关。

4.根据权利要求3所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述动目标检测阶级数的等级数为3个。

5.根据权利要求2所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述动目标显示有多个等级的脉冲数，所述脉冲数与道路状态复杂程度呈正相关。

6.根据权利要求5所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述动目标显示脉冲数的等级数为两个。

7.根据权利要求1所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述恒虚警处理包括如下子步骤：

S41. 根据所述道路属性选择准则，根据所获得的信号前后关系计算出噪声功率估计值；

S42. 根据距离大小选择距离参数，并与所述噪声功率估计值进行张量积计算，获得恒虚警门限；

S43. 将所述恒虚警门限与当前时刻的信号值进行比较，判定当前时刻信号是否为虚警。

8.根据权利要求1所述的毫米波雷达信号在自适应巡航中的处理方法，其特征在于，所述步骤S10包括如下子步骤：

S11. 获取导航信息中的当前车辆所处的位置信息以及地图信息；

S12. 从地图信息中获取路名，并根据所述路名判断所述道路属性。

Images