CN108765937B - 用于etc系统的车辆识别装置、路侧单元和方法 - Google Patents

Abstract

一种用于ETC系统的车辆识别装置、路侧单元及车辆识别方法，该装置、路侧单元及方法应用于ETC系统。该系统基于毫米波雷达，应用雷达可全天候和全天时工作且不受雾、云和雨阻挡的特点，通过处理车辆反射雷达的回波信号，获得车辆的车型信息，提高ETC系统车辆识别的精度，进而能够防止车辆逃费。

Description

用于ETC系统的车辆识别装置、路侧单元和方法

技术领域

本发明涉及智能交通领域，具体涉及一种用于ETC系统的车辆识别装 置、路侧单元和方法。

背景技术

智能交通(Intelligent Transportation System，简称ITS)，能够 为交通参与者提供多样性的服务，是现阶段交通系统的发展方向，在这种 趋势下应用于电子不停车收费(Electronic Toll Collection，简称ETC) 市场规模高速增长，2012-2016年从5亿元上升到22亿元，年复合增长率 为45％(数据来源：深圳智能交通行业协会)。

现有技术中的ETC系统在识别车辆特征信息时，可能受雾、云和雨等各 种恶劣天气及复杂环境下影响，进而不能准确识别车型等特征信息，导致 出现车辆逃费的现象。

发明内容

本申请提供一种用于ETC系统的车辆识别装置、路侧单元及方法，该 装置、路侧单元及方法基于毫米波雷达，利用对车辆截面积反射雷达的回 波信号处理，获得车辆的特征信息，在根据车辆的特征信息获得车辆的车 型信息。解决现有技术中的ETC系统受雾、云和雨等各种恶劣天气及复杂 环境下影响，不能准确识别车型的问题。具体实施方案如下：

根据第一方面，一种实施例中提供一种用于ETC系统的车辆识别装置， 包括毫米波雷达模块、信号处理模块和车型识别模块，其中，

所述毫米波雷达模块，用于接收和发射毫米波雷达信号，并将接收到 的回波信号发送给所述信号处理模块；

所述信号处理模块，用于对所述回波信号进行处理，从而获得车辆的 特征信息；

所述车型识别模块，用于根据获得的所述车辆的特征信息识别出车型 信息。

进一步，所述毫米波雷达模块将接收到的回波信号发送给信号处理模 块具体为，将所述回波信号转换成零中频信号，并发送给所述信号处理模 块；

所述信号处理模块具体用于将有车辆经过所述毫米波雷达信号的辐射 范围时，对接收的所述转换成零中频信号的回波信号进行时频变换以生成 目标幅度值曲线，并将所述目标幅度值曲线与门限曲线进行比较，根据比 较结果获得驶经所述毫米波雷达信号的辐射范围内车辆的特征信息；

所述门限曲线是未有车辆驶经所述辐射范围内时，所述信号处理模块 对接收到的所述转换成零中频信号的回波信号进行时频变换所生成的幅度 值曲线。

进一步，所述毫米波雷达模块包括阵列天线；

所述毫米波雷达模块包括阵列天线；

所述阵列天线由多个包括水平方向和垂直方向的天线的子阵单元组 成，所述阵列天线用于接收毫米波雷达信号辐射范围内的目标反射回来的 毫米波雷达回波信号；

所述信号处理模块生成门限曲线具体为：

根据阵列天线的排布，采集所述辐射范围内每个距离点上对应的多次 回波信号，并根据所述回波信号求得每个距离点上对应的多次幅度值数据； 将所述每个距离对应的多次幅度值数据进行升序排列，得到每个距离对应 的有效幅度值数组并求取平均值；以距离为横坐标，连接每个距离对应的 平均值以形成幅度值曲线。

进一步，所述信号处理模块获得车辆的特征信息具体为：

将所述目标幅度值曲线与所述门限曲线进行比较，如在一定距离范围 内，所述目标幅度值曲线的幅度值大于对应的所述门限曲线的幅度值，则 检测出有车辆驶入，并且根据该距离计算得到所述车辆的车长；和/或根据 将所述目标幅度值曲线与所述门限曲线进行比较幅度值的差值获得所述车 辆的车高或车辆轮廓。

根据第二方面，另一种实施例中提供一种用于ETC系统的路侧单元， 包括第一方面所述的车辆识别装置。

根据第三方面，另一种实施例中提供一种用于ETC系统的车辆识别方 法，所述方法包括：

接收和发射毫米波雷达信号；

对毫米波雷达的回波信号进行处理，获得车辆的特征信息；

根据获得的所述车辆的特征信息识别出车型信息。

进一步，所述对毫米波雷达的回波信号进行处理，获得车辆的特征信 息的具体步骤为：

将所述回波信号转换成零中频信号；

将所述转换成零中频信号的回波信号进行时频变换以生成目标幅度值 曲线，并将所述目标幅度值曲线与门限曲线进行比较，根据比较结果获得 驶经所述毫米波雷达信号的辐射范围内车辆的特征信息；

所述门限曲线是未有车辆驶经所述辐射范围内时，对接收到的所述转 换成零中频信号的回波信号进行时频变换所生成的幅度值曲线。

进一步，所述生成门限曲线的具体方法为：

采集所述辐射范围内，每个距离点上对应的多次回波信号，并根据所 述回波信号求得每个距离点上对应的多次幅度值数据；将所述每个距离对 应的多次幅度值数据进行升序排列，得到每个距离对应的有效幅度值数组 并求取平均值；以距离为横坐标，连接每个距离对应的平均值以形成幅度 值曲线。

进一步，所述将所述目标幅度值曲线与门限曲线进行比较，根据比较 结果获得驶经所述毫米波雷达信号的辐射范围内车辆的特征信息具体步骤 为：

将所述目标幅度值曲线与所述门限曲线进行比较，如在一定距离范围 内，所述目标幅度值曲线的幅度值大于对应的所述门限曲线的幅度值，则 检测出有车辆驶入，并且根据该距离计算得到所述车辆的车长；和/或根据 将所述目标幅度值曲线与所述门限曲线进行比较幅度值的差值获得所述车 辆的车高或车辆轮廓。

进一步，至少两次获得所述车辆的多个特征信息，并利用聚类算法对 至少两次获得所述车辆的多个特征信息进行处理。

依据上述实施例的一种用于ETC系统的车辆识别装置、路侧单元及方 法，应用雷达可全天候和全天时工作，且不受雾、云和雨阻挡的特点，通 过处理车辆反射雷达的回波信号，获得车辆的车型信息，提高ETC系统车 型识别的准确性，进而防止出现车辆逃费的现象。

附图说明

图1为一种用于ETC系统的车辆识别装置的功能结构框图；

图2为一种实施例为毫米波雷达回波信号进行傅里叶时频变换后的频 谱图；

图3为一种实施例为不同车型的线性调频频谱对比图；

图4为另一种实施例为用于ETC系统的车辆识别装置的车型匹配功能 结构框图；

图5为另一种实施例为用于ETC系统的车辆识别方法的流程图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不 同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方 式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技 术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的， 或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的 一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部 分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关 操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识 即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式 结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照 本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书 和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须 的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描 述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如 无特别说明，均包括直接和间接连接(联接)。

在本发明实施例中，基于毫米波雷达，利用分析处理车辆截面积反射 的雷达回波信号，获得车辆的长度、高度及轮廓等特征信息，再通过人工 神经网络算法对特征信息进行分类，获得车辆的车型信息，提高ETC系统 车型识别的准确性，进而防止出现车辆逃费的现象。

实施例一：

请参考图1，为一种用于ETC系统的车辆识别装置的功能结构框图，该 车辆识别装置包括毫米波雷达模块110、信号处理模块120、车型识别模块 130，还可包括门限重设触发模块140。其中，毫米波雷达模块110可包括 阵列天线111和雷达射频前端112。阵列天线111由多个水平方向和垂直方 向的天线的子阵单元组成，阵列天线111的子单元按阵列排布。阵列天线 111接收毫米波雷达信号辐射范围内的目标反射回来的毫米波雷达回波信 号，也同时通过阵列天线111发射调制连续波LFM(线性调频)的毫米波雷 达信号。雷达射频前端112将阵列天线111接收到由目标返回的回波信号 进行混频和放大转换为零中频信号，同时将基带调制好的三角波的调制连 续波信号经过混频和放大后转换为毫米波雷达信号发射出去。

进一步，本实施例的毫米波雷达模块110可为毫米波雷达传感器,该毫 米波雷达传感器是使用平面微带技术制造而成，体积小，集成化程度高， 感应灵敏。此毫米波雷达传感器的雷达射频前端112由压控振荡器VCO、接 收/发射天线、低噪声RF前置放大器、耦合器和混频器组成。在较优的实 施例中，毫米波雷达模块110还可包括雷达信号调理模块113，用于接收雷 达射频前端112输出的零中频信号，并对零中频信号进行放大和滤波等处 理，获得信噪比更高的零中频信号输出给信号处理模块120。

车辆识别装置的信号处理模块120，用于将接收来自雷达信号调理模块 113处理后的信噪比更高的零中频信号进行时频变换以生成幅度值曲线。幅 度值曲线可以是幅度值随距离变化的曲线图，即X轴或Y轴表示幅度、Y轴 或X轴表示距离。幅度值曲线具体可以采用SDIF直方图的方式，也可以采 用折线图的方式。其中，幅度值曲线包括门限曲线和目标幅度值曲线。门 限曲线是未有车辆驶经毫米波雷达信号的辐射范围内时，信号处理模块120 将转换成零中频信号的回波信号进行时频变换所生成的幅度值曲线。目标 幅度值曲线则是有车辆驶经毫米波雷达信号的辐射范围内时，信号处理模 块120将转换成零中频信号的回波信号进行时频变换所生成的幅度值曲线。 本实施例中，信号处理模块120将来自雷达信号调理模块113处理后的零 中频信号进行FFT(Fast Fourier transform，快速傅里叶变换)运算，进 而构建成SDIF直方图，将直方图的目标幅度值曲线与门限曲线进行比较，根据比较结果获得驶经所述毫米波雷达信号的辐射范围内车辆的特征信 息。其中，车辆的特征信息包括车辆的长度、高度、和/或轮廓。

下面以幅度值曲线的幅度值随距离变化的直方图为例进行说明。

首先检测门限曲线。先在毫米波雷达信号的辐射范围内定义一些距离 点，距离点与车辆识别装置有效识别范围内的预设距离点相对应，信号处 理模块获得的幅度值曲线上各点的横坐标与预设距离点相对应；幅度值曲 线横坐标上相邻两点间的距离对应相邻两个预设距离点间的实际距离称为 幅度值曲线的分辨率；幅度值曲线上各点的纵坐标为该距离点的回波信号 的幅度值。

在检测门限曲线时，确定未有车辆驶经毫米波雷达信号的辐射范围内， 设定信号处理模块120获得的幅度值曲线为门限曲线。

进一步，信号处理模块120生成门限曲线具体为：根据阵列天线111 的排布，采集毫米波雷达信号的辐射范围内，每个距离点上对应的多次回 波信号，并根据采集到的多次回波信号求得每个距离点上对应的多次幅度 值数据；将所述每个距离对应的多次幅度值数据进行升序排列，得到每个 距离对应的有效幅度值数组并求取平均值；以距离为横坐标，连接每个距 离对应的平均值，生成门限曲线。

信号处理模块120将目标幅度值曲线与门限曲线进行比较具体为：将 目标幅度值曲线与门限曲线进行比较，或者直接将目标幅度值曲线上各点 的幅度值与门限曲线上对应各点的幅度值求差，如在一定的距离范围内， 目标幅度值曲线与门限曲线上对应各点的强度值的差值为正，即当目标幅 度值曲线上有连续的多个点的幅度值大于门限曲线对应的连续的多个点的 幅度值，则判断有车辆驶入。将这些连续点的幅度值形成的曲线称为有效 数据段，并可根据该距离计算得到车辆的车长。还可根据目标幅度值曲线 与门限曲线幅度值的差值获得车辆的高度和/或轮廓。

下面将以车长、车高和车辆轮廓的获得为例进行说明。

信号处理模块120为了减少多普勒效应对测距精度的影响，本方案采 用对称三角波调制。三角波调频的差频信号的频谱是离散的，对应的距离 值也是离散的，因此对应测距时存在一个定距误差。根据系统要求，可以 设定目标的测距精度为0.3m，即距离分辨力为0.3m。

根据测距精度公式：

当f_m＝500MHz时，计算得R_min为0.3m，可以满足距离分辨率≤0.3m。 其中，f_m为调制频偏，R_min为距离分辨力，c₀为光速,由公式可知，测距精 度取决于调制频偏f_m。

本实施例中，可以通过毫米波雷达的距离分辨率计算出车辆的长度。

具体的，可将有效数据段的两个端点所对应的横坐标值的差与所述幅度值 曲线的距离分辨率相乘计算得到目标车辆的车长。

雷达方程为：

其中，S/N为雷达的回波能量；P_T为发射的峰值功率；G为天线增益； σ为目标的雷达散射截面积；λ为波长，R为雷达到目标的单程距离。由雷 达方程可知雷达回波能量与目标的散射截面积的成正比和距离的四次方成 反比，因此回波能量的大小可以反映车辆的散射中心与雷达的距离，其间 接可以反映出车辆的车高。因此，驶入毫米波雷达信号辐射范围内的车辆， 其车辆的高度可以通过连续频谱上最大回波能量值获得。具体的，可将有效数据段中各点与门限曲线对应点的幅度值的差值中的最大值带入雷达方 程得到目标车辆的高度。

驶入雷达信号辐射范围的车辆，其车辆的轮廓信息可以通过判断谱峰 附近连续频谱上能量值的变化获得。具体的，可将有效数据段中各点与门 限曲线对应点的幅度值求差，将每个差值带入雷达方程得到所述有效数据 段中各点对应所述车辆轮廓上的点的高度值，进而获得所述车辆的轮廓。

在本实施例中，车长、车高和车辆轮廓的获得需将目标幅度值曲线与 门限曲线进行比较，下面将对目标幅度值曲线和门限曲线进行说明。

如图2所示，为经过零中频转换后的毫米波雷达回波信号傅里叶时频 变换后的频谱图。其中，图中实线曲线1是门限曲线，虚线曲线2是有车 辆经过毫米波雷达信号辐射区域时的目标幅度值曲线，图中圆圈内虚线曲 线2高于实线曲线1的曲线段为有效数据段。

因为雷达系统是通过目标的二次散射功率来发现目标的，也就是说雷 达系统发射的电磁波在传播中遇到的目标，一部分能量被目标吸收，另一 部分被目标重新辐射。目标的重新辐射就是所谓的二次散或反射。目标反 射电磁波的能力与系统的工作波长(或频率)、目标的几何形状以及尺寸、 对目标的入射视角和目标对电磁波的吸收能力相关。ETC系统车道上背景回 波的功率会对毫米波雷达的检测性能造成不良的影响，因此有效的背景噪 声估算，对于得到高信噪比的目标回波信号是非常重要的。本方案采用有 序统计平均背景抑制的方法设定门限曲线，基本步骤如下：在毫米波雷达 信号有效范围内，按与车辆识别装置的远近预设单位距离点，采集预定单 位距离点的毫米波雷达回波信号，并根据毫米波雷达回波信号获得在各个 单位距离点上的幅度值数据。

在每个单位距离点上采集多次该单位距离点上的幅度值数据。

将该单位距离点上的多个幅度值数据按幅值升序排列组成一组一个数 组序列，这个数组序列叫噪声谱数组序列。

舍弃该噪声谱数组序列中的低端数据，低端数据是指噪声谱数组序列 中数值相对较小的数据。目的是在实际应用中，消除部分背景功率起伏的 干扰。

对去除低端数据的噪声谱数组序列进行求取平均作为门限，也就是该 预设单位距离点的门限值。简单的说就是未有车辆驶经时，N次测量的回波 信号在预设单位距离点的幅度值的平均值，其中，N大于等于2。进一步概 括为，信号处理模块120多次测量在预设单位距离点的幅度值，并对多次 测量的预设该单位距离点的幅度值中大于阈值的幅度值求平均，得到预设 单位距离点的预定幅度值。

如图2所示，幅度值曲线分辨率为分米。通过有效数据段可以表示出 在距离雷达200分米处检测到目标车辆，有效数据段对应横坐标的宽度为 车辆的长度，即车长为40分米，最大反射场强度值为2.2，通过雷达方程 可获得该车辆的高度。将有效数据段上的点与门限曲线对应点的强度值求 差，将每一个值通过雷达方程可计算出驶入车辆对应有效数据段上每一个 点的高度值，进而获得驶入车辆的轮廓信息。其原理是，根据雷达信号在 不同距离的回波信号会在基带频谱上产生不同的谱线，驶入雷达信号辐射 范围的车辆，其车辆长度信息的获取可以通过判断频谱宽度进行识别；例 如，设定距离分辨率为0.6米，也就是说，一个4.8米长的汽车有可能产 生8根谱线，10米的车也必然会产生17根谱线。因此可以通过判断连续频 谱的宽度来判断车长。如图3所示，图中为两辆车，车长分别为4.8米和9.6米的车型的LFM频谱展宽图，从图3可以看出前一辆车长是4.8米而后 一辆车长是9.6米。进而可以通过频谱宽度来判断车辆长度。

进一步，车辆识别装置还可包括门限重设触发模块140，可用于设置信 号处理模块120每隔一个单位时间，重新设定门限，单位时间可以是半小 时、一小时或二小时等。门限重设触发模块140可包括温度监测模块、湿 度监测模块、和/或天气监测模块，其中，温度监测模块用于监测ETC系统 车道的温度变化，当温度变化时，门限重设触发模块140触发信号处理模 块120重新设定门限曲线，例如，温度变化值大于预设值正负5度时，门 限重设触发模块140触发信号处理模块120重新设定门限曲线；湿度监测 模块用于监测ETC系统车道的湿度，当湿度值变化时，门限重设触发模块 140触发信号处理模块120重新设定门限曲线；天气监测模块用于监测ETC 系统车道的天气变化，当天气变化时，门限重设触发模块触140发信号处 理模块120重新设定门限曲线，例如天气监测模块监测到天气突然下雨， 门限重设触发模块140就触发信号处理模块120重新设定门限曲线。

进一步，本实施例可采用聚类算法对车辆的长度、高度、和轮廓等各 个特征信息进行优化处理。

首先从采集到的雷达数据中选择距雷达的距离信息作为初始聚类中 心；而对于所后面多次采集的雷达数据作为其它对象，则根据它们的距离 信息与这些聚类中心的相似度，即与初始雷达数据的距离信息的差值，分 别将它们分配给与其最相似的(聚类中心所代表的)聚类。

然后再计算每个所获新聚类的聚类中心(即对聚类后的数据进行均值 处理，求取新的聚类中心)；不断重复这一过程直到计算完成为止，当聚 类中心的个数超过某一门限时，则寻找到了最佳的结果，即目标的初步特 性信息。

针对一个车辆多次的雷达回波信号，在进行车长、测距信息及幅值信 息进行K-means聚类处理。该算法接受多个输入量；然后将多个数据对象 划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较 高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的 均值所获得一个“中心对象”(引力中心)来进行计算的。

例如通过雷达回波信号的处理获取车辆的长度，具体计算过程如下：

首先N个雷达车长数据对象选择其中一个对象作为初始聚类中心；而 对于所剩下其它对象，则根据它们与这些聚类中心的相似度(即车长相似 的)，分别将它们分配给与其最相似的(聚类中心所代表的)聚类。

然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值)； 不断重复这一过程直到计算完成为止，当聚类中心的个数超过某一门限时， 则寻找到了最佳的结果，即目标车辆的长度。

车型识别模块130用于将车辆特征信息和车辆大数据模型进行匹配， 得到行经预定区域的车辆的车型信息。车辆特征信息包括车辆的长度、高 度、和/或轮廓。车辆大数据模型采用人工神经网络算法获得，支持向量机 SVM(support vector machine)、反向传播网络BP(back propagation network)等。

在本发明实施例中，基于毫米波雷达，通过分析处理车辆截面积反射 的毫米波雷达的回波信号，获得车辆的长度、高度、和/或轮廓等特征信息。 因为采用多次取平均的办法获取更准确的门限曲线，使获得车辆的长度、 高度、和/或轮廓等特征信息更准确，同时采用人工神经网络算法对车辆的 特征信息进行分类，获得准确车辆的车型信息，提高ETC系统车型识别的 准确性，进而达到防止出现车辆逃费的现象。

实施例二：

如图4所示，为用于ETC系统的车辆识别装置的车型匹配功能结构框 图。该车辆识别装置包括毫米波雷达模块211、信号处理模块212和车型识 别模块213，还可包括无线通讯模块215和车型匹配模块216。毫米波雷达 模块211，用于接收和发射毫米波雷达信号，并将接收到的回波信号发送给 信号处理模块212；信号处理模块212对回波信号进行处理，从而获得车辆 的特征信息，并将车辆的特征信息发送给车型识别模块213，车型识别模块213根据获得的车辆的特征信息识别出车型信息发送给车型匹配模块216。 无线通讯模块215用于与OBU交互获取车辆的车型信息；无线通讯模块215 通过天线214接收行经预定区域的车辆OBU返回的射频微波信号，并对其 混频、滤波、和/或放大后进行解码解析出所述车辆的OBU信息，进而获得 驶经ETC系统车道的车辆的车型信息，再将车辆的车型信息发送给车型匹 配模块216；车型匹配模块216再将车型识别模块213获取的车辆的车型信 息和OBU处获得的车型信息进行匹配，判断两者是否一致。

在本实施例中，无线通讯模块215可为5.8G的无线通讯模块，该5.8G 无线通讯模块可包括DSRC协议解析单元。另外，本实施例的用于ETC系统 的车辆识别装置可为包括如上所述的各个模块的路侧单元。当然，在实际 使用中，车辆识别装置也可为包括毫米波雷达模块211、信号处理模块212 和车型识别模块213的车辆识别装置，用于识别出车型信息并发送给车型 匹配模块216；路侧单元也可为包括天线214和无线通讯单元215的路侧单元，用于从OBU中获取车辆的车型信息并发送给车辆匹配模块216。最后， 车型匹配模块216再将从车辆识别装置获得的车辆的车型信息与从路侧单 元获得车型信息进行匹配，判断两者是否一致。

实施例三：

如图5所示，为一种用于ETC系统的车辆识别方法的流程图；

其主要步骤为：

接收和发射毫米波雷达信号。

对毫米波雷达的回波信号进行处理，获得车辆的特征信息。

根据获得的所述车辆的特征信息识别出车型信息。

具体步骤如下：

步骤301，获取毫米波雷达信号的回波信号，对回波信号进行零中频转 换。

步骤302，对进行了零中频转换的回波信号进行时频变换，以生成目标 幅度值曲线的直方图。

步骤303，比较目标幅度值曲线与门限曲线。根据比较结果，确定是否 有车辆驶经所述雷达信号的辐射范围内。

当判断未有车辆驶入雷达信号的辐射范围内时，将毫米波雷达的回波 信号进行时频变换所生成的幅度值曲线设定为门限曲线。

生成门限曲线的具体方法为：

采集毫米波雷达辐射范围内每个距离点上对应的多次回波信号，并根 据回波信号求得每个距离点上对应的多次幅度值数据；将每个距离对应的 多次幅度值数据进行升序排列，得到每个距离对应的有效幅度值数组并求 取平均值；以距离为横坐标，连接每个距离对应的平均值以形成幅度值曲 线。

步骤304，每隔预定的单位时间后重新设定门限曲线。预定的单位时间 可以是半小时、1小时或2小时等；或者，当确定所述雷达信号的辐射范围 内的环境因素发生改变时重新设定所述门限曲线，其中，所述环境因素包 括天气、温度和湿度中至少一种。

步骤305，当判断有车辆驶入雷达信号的辐射范围内时，获取有效数据 段。

将目标幅度值曲线与门限曲线进行比较，根据比较结果获得驶经毫米 波雷达信号的辐射范围内车辆的特征信息具体步骤为：

将目标幅度值曲线与门限曲线进行比较，如在一定距离范围内，目标 幅度值曲线的幅度值大于对应的门限曲线的幅度值，则检测出有车辆驶入， 并且根据该距离计算得到车辆的车长。和/或根据将所述目标幅度值曲线与 所述门限曲线进行比较幅度值的差值获得所述车辆的车高或车辆轮廓。具 体的，是将目标幅度值曲线上预设点的强度值与门限曲线上对应点的强度 值求差。当目标幅度值曲线上有连续的多个预设点的强度值与门限曲线上 对应点的强度值的差值为正时，就判断有车辆驶经所述毫米波雷达信号的 辐射范围，并将该连续的多个预设点作为有效数据段。在根据有效数据段 获得该车辆的特征信息。其中，获得该车辆特征信息的具体方法是：

车辆的长度特征信息是根据有效数据段的两个端点所对应的横坐标值 的差，将所述差与所述幅度值曲线的分辨率相乘以获得车辆的长度特征信 息。

车辆的高度特征信息是根据有效数据段中各点与门限曲线对应点的强 度值的差值中的最大值，将所述最大值带入雷达方程，获得车辆的高度特 征信息。

车辆的轮廓特征信息是根据有效数据段中各点与门限曲线对应点的强 度值求差，将每个差值带入雷达方程，计算出所述有效数据段中各点对应 所述车辆轮廓上的点的高度值，进而获得所述车辆的轮廓。

进一步，可获取多次车辆的特征信息，并利用聚类算法对多次获得的 车辆的特征信息进行处理，进而得到一个准确的车辆的特征信息。车辆的 特征信息包括车辆的高度、长度、和/或轮廓。

步骤306，根据获得驶经雷达信号的辐射范围内车辆的特征信息，采用 人工神经网络算法进行训练分类分析，进而获取该车辆的车型信息。

本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功 能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述 实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存 储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存 储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例 如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即 可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通 过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、 磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本 地设备的存储器中，或对本地设备的系统进行版本更新，当通过处理器执 行存储器中的程序时，即可实现上述实施方式中全部或部分功能。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明， 并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明 的思想，还可以做出若干简单推演、变形或替换。

Claims (8)

1.一种用于ETC系统的车辆识别装置，其特征在于，包括毫米波雷达模块、信号处理模块和车型识别模块，其中，

所述毫米波雷达模块，用于接收和发射毫米波雷达信号，并将接收到的回波信号发送给所述信号处理模块；

所述信号处理模块，用于对所述回波信号进行处理，从而获得车辆的特征信息；

所述车型识别模块，用于根据获得的所述车辆的特征信息识别出车型信息；

所述毫米波雷达模块将接收到的回波信号发送给信号处理模块具体为，将所述回波信号转换成零中频信号，并发送给所述信号处理模块；

所述信号处理模块具体用于将有车辆经过所述毫米波雷达信号的辐射范围时，对接收的所述转换成零中频信号的回波信号进行时频变换以生成目标幅度值曲线，并将所述目标幅度值曲线与门限曲线进行比较，根据比较结果获得驶经所述毫米波雷达信号的辐射范围内车辆的特征信息；

所述门限曲线是未有车辆驶经所述辐射范围内时，所述信号处理模块对接收到的所述转换成零中频信号的回波信号进行时频变换所生成的幅度值曲线；

所述车辆识别装置还可包括门限重设触发模块，用于所述ETC系统的车道的温度、湿度和/或天气发生变化时触发所述信号处理模块重新设定门限曲线；

所述门限曲线的获取方法包括：

在所述毫米波雷达模块的信号有效范围内，按与离所述车辆识别装置的远近预设至少两个单位距离点；

采集每个所述单位距离点的毫米波雷达回波信号，并根据所述毫米波雷达回波信号获取各个所述单位距离点上的幅度值数据；在每个所述单位距离点上采集多次该单位距离点上的幅度值数据，以获取每个所述单位距离点的噪声谱数组序列；所述噪声谱数组序列是将所述单位距离点上的多个幅度值数据按幅值升序排列组成的一组一个数组序列；

舍弃所述噪声谱数组序列中小于一预设值的幅度值数据，在对所述噪声谱数组序列中剩下的幅度值数据取平均值，并所述平均值作为该单位距离点的门限值。

2.如权利要求1所述的装置，其特征在于，所述毫米波雷达模块包括阵列天线；

所述阵列天线由多个包括水平方向和垂直方向的天线的子阵单元组成，所述阵列天线用于接收毫米波雷达信号辐射范围内的目标反射回来的毫米波雷达回波信号；

所述信号处理模块生成门限曲线具体为：

根据阵列天线的排布，采集所述辐射范围内每个距离点上对应的多次回波信号，并根据所述回波信号求得每个距离点上对应的多次幅度值数据；将所述每个距离对应的多次幅度值数据进行升序排列，得到每个距离对应的有效幅度值数组并求取平均值；以距离为横坐标，连接每个距离对应的平均值以形成幅度值曲线。

3.如权利要求1所述的装置，其特征在于，所述信号处理模块获得车辆的特征信息具体为：

将所述目标幅度值曲线与所述门限曲线进行比较，如在一定距离范围内，所述目标幅度值曲线的幅度值大于对应的所述门限曲线的幅度值，则检测出有车辆驶入，并且根据该距离计算得到所述车辆的车长；和/或根据将所述目标幅度值曲线与所述门限曲线进行比较幅度值的差值获得所述车辆的车高或车辆轮廓。

4.一种用于ETC系统的路侧单元，其特征在于，包括如权利要求1-3中任一项所述的车辆识别装置。

5.一种用于ETC系统的车辆识别方法，其特征在于，包括：

接收和发射毫米波雷达信号；

对毫米波雷达的回波信号进行处理，获得车辆的特征信息；

根据获得的所述车辆的特征信息识别出车型信息；

所述对毫米波雷达的回波信号进行处理，获得车辆的特征信息的具体步骤为：

将所述回波信号转换成零中频信号；

将所述转换成零中频信号的回波信号进行时频变换以生成目标幅度值曲线，并将所述目标幅度值曲线与门限曲线进行比较，根据比较结果获得驶经所述毫米波雷达信号的辐射范围内车辆的特征信息；

所述门限曲线是未有车辆驶经所述辐射范围内时，对接收到的所述转换成零中频信号的回波信号进行时频变换所生成的幅度值曲线；

所述ETC系统的车道的温度、湿度和/或天气发生变化时重新设定门限曲线；

所述门限曲线的获取方法包括：

在所述毫米波雷达模块的信号有效范围内，按与离所述车辆识别装置的远近预设至少两个单位距离点；

采集每个所述单位距离点的毫米波雷达回波信号，并根据所述毫米波雷达回波信号获取各个所述单位距离点上的幅度值数据；在每个所述单位距离点上采集多次该单位距离点上的幅度值数据，以获取每个所述单位距离点的噪声谱数组序列；所述噪声谱数组序列是将所述单位距离点上的多个幅度值数据按幅值升序排列组成的一组一个数组序列；

舍弃所述噪声谱数组序列中小于一预设值的幅度值数据，在对所述噪声谱数组序列中剩下的幅度值数据取平均值，并所述平均值作为该单位距离点的门限值。

6.如权利要求5中所述的方法，其特征在于，所述生成门限曲线的具体方法为：

采集所述辐射范围内，每个距离点上对应的多次回波信号，并根据所述回波信号求得每个距离点上对应的多次幅度值数据；将所述每个距离对应的多次幅度值数据进行升序排列，得到每个距离对应的有效幅度值数组并求取平均值；以距离为横坐标，连接每个距离对应的平均值以形成幅度值曲线。

7.如权利要求5所述的方法，其特征在于，所述将所述目标幅度值曲线与门限曲线进行比较，根据比较结果获得驶经所述毫米波雷达信号的辐射范围内车辆的特征信息具体步骤为：

将所述目标幅度值曲线与所述门限曲线进行比较，如在一定距离范围内，所述目标幅度值曲线的幅度值大于对应的所述门限曲线的幅度值，则检测出有车辆驶入，并且根据该距离计算得到所述车辆的车长；和/或根据将所述目标幅度值曲线与所述门限曲线进行比较幅度值的差值获得所述车辆的车高或车辆轮廓。

8.如权利要求5-7任一项所述的方法，其特征在于，至少两次获得所述车辆的多个特征信息，并利用聚类算法对至少两次获得所述车辆的多个特征信息进行处理。

Images