CN110231617B - 目标障碍物方位探测方法、装置、车载雷达及存储介质 - Google Patents
目标障碍物方位探测方法、装置、车载雷达及存储介质 Download PDFInfo
- Publication number
- CN110231617B CN110231617B CN201910464363.3A CN201910464363A CN110231617B CN 110231617 B CN110231617 B CN 110231617B CN 201910464363 A CN201910464363 A CN 201910464363A CN 110231617 B CN110231617 B CN 110231617B
- Authority
- CN
- China
- Prior art keywords
- target
- target obstacle
- signal
- matrix
- covariance matrix
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000006870 function Effects 0.000 claims abstract description 87
- 238000001228 spectrum Methods 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 108
- 239000013598 vector Substances 0.000 claims description 44
- 230000009466 transformation Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 238000009499 grossing Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 abstract description 11
- 238000005070 sampling Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 206010041235 Snoring Diseases 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- G01S13/06—Systems determining position data of a target
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于车载雷达技术领域，提出一种车载雷达探测目标障碍物的方法、装置、车载雷达及存储介质。通过基于构造的信号子空间和噪声子空间的空间谱函数的特征值与预设的门限值，确定目标数量的准确性，并在目标数量准确时，基于特征值，利用实值求根MUSIC算法确定每个目标的角度，在目标数量不准确时，基于特征值和多项式的根更新目标数量，并重新构建信号子空间和噪声子空间的空间谱函数，进一步来确定目标的准确性。能够减少采样信号较少情况下目标数量误估计，而导致的虚警或者漏检问题。
Description
技术领域
本发明属于车载雷达技术领域，尤其涉及一种目标障碍物方位探测方法、装置、车载雷达及存储介质。
背景技术
随着智能驾驶技术的发展，车辆在行驶过程中对目标物体位置(障碍物)的探测精度要求越来越高。而常见的车载毫米波雷达由于具有环境适应性好，测量精度受雨、雪、雾等恶劣天气环境因素的影响较小，且成本相对较低的优点，而广泛应用于车辆对目标物体位置的探测中。目前，车载毫米波雷达对接收到的目标物体的反射信号，通过傅里叶变换、多重信号分类算法(Multiple Signal Classification，MUSIC)或者求根MUSIC(ROOT-MUSIC)算法等信号处理方式进行处理，根据信号处理结果估计出目标物体的角度值。而傅里叶变换的过程虽然简单高效，但是其分辨率受限于雷达天线的等效孔径大小，因此无法准确识别出目标物体的角度，MUSIC算法或者ROOT-MUSIC算法对目标物体角度估计的准确率依赖于对目标数量的估计，而在采样信号较少的情况下容易发生对目标数量误估的现象，从而导致出现虚警或者漏检的问题。
发明内容
有鉴于此，本发明实施例提供了目标障碍物方位探测方法、装置、车载雷达及存储介质，以解决现有技术中在采样信号较少的情况下容易发生对目标数量误估的现象，从而导致出现虚警或者漏检的问题。
本发明实施例的第一方面提供了一种目标障碍物方位探测方法，包括：
当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；
计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；
基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；
当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度；
当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值的数量更新所述目标数量，并返回执行所述基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。
可选地，所述当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号，包括：
当接收到目标障碍物的回波信号时，对所述回波信号进行数字信号处理，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号；
对所述数字信号进行恒虚警检测和峰值检测，确定所述目标障碍物的距离门和多普勒门；
根据所述距离门和所述多普勒门从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。
可选地，所述计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量，包括：
对所述矢量信号的协方差矩阵进行平滑处理，构建空间平滑协方差矩阵；
对所述空间平滑协方差矩阵进行酉变换，将其从复矩阵变换为实数矩阵；
对所述实数矩阵进行特征值分解，得到所述实数矩阵的特征值以及特征值对应的特征向量；
基于所述特征值估计所述目标障碍物的目标数量。
可选地，所述空间谱函数为复系数多项式函数，在所述当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度之前，包括：
根据预设的第一变换公式，将所述空间谱函数包含的复系数进行保角变换，得到实数多项式函数；
构造所述实数多项式函数的系数矩阵，对所述实数多项式函数的系数矩阵进行求解，得到所述空间谱函数对应的特征值。
可选地，所述当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度，包括：
若检测到所述特征值中包含有共轭值，则删除所述共轭值，得到目标特征值；
从所述目标特征值中提取预设数量的目标特征值，根据预设的第二变换公式，将所述预设数量的目标特征值进行映射变换，得到复数特征值；
若所述复数特征值与预设单位圆的距离均小于或者等于预设的门限值，则确定所述目标数量准确；
若有所述复数特征值与预设单位圆的距离大于预设的距离门限值，则确定所述目标数量不准确。
本发明实施例的第二方面提供了一种车载雷达探测目标障碍物方位的装置，包括：
提取模块，用于在当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；
估计模块，用于计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；
构造模块，用于基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；
第一确定模块，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度；
第二确定模块，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值更新所述目标数量，并返回所述构造模块。
可选地，其特征在于，所述提取模块包括:
得到子单元，用于在当接收到目标障碍物的回波信号时，对所述回波信号进行数字信号处理，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号；
确定子单元，用于对所述数字信号进行恒虚警检测和峰值检测，确定所述目标障碍物的距离门和多普勒门；
提取子单元，用于根据所述距离门和所述多普勒门从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。
可选地，所述估计模块包括：
构建子单元，用于对所述矢量信号的协方差矩阵进行平滑处理，构建空间平滑协方差矩阵；
变换子单元，用于对所述空间平滑协方差矩阵进行酉变换，将其从复矩阵变换为实数矩阵；
得到子单元，用于对所述实数矩阵进行特征值分解，得到所述实数矩阵的特征值以及特征值对应的特征向量；
估计子单元，用于基于所述特征值估计所述目标障碍物的目标数量。
本发明实施例的第三方面提供了一种车载雷达，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一实施例所述目标障碍物方位探测方法。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上任一实施例所述目标障碍物方位探测方法。
本发明实施例与现有技术相比存在的有益效果是：当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度；当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值更新所述目标数量，并返回执行所述基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。通过基于构造的信号子空间和噪声子空间的空间谱函数的特征值与预设的门限值，确定目标数量的准确性，并在目标数量准确时，基于特征值确定每个目标的角度，在目标数量不准确时，基于特征值的数量更新目标数量，并重新构建信号子空间和噪声子空间的空间谱函数，进一步来确定目标的准确性。能够减少采样信号较少情况下目标数量误估计，而导致的虚警或者漏检问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的目标障碍物方位探测方法的实现流程；
图2是图1中S101的具体实施流程；
图3是图1中S102的具体实施流程；
图4是本发明第二实施例提供的目标障碍物方位探测方法的实现流程；
图5是图1中S104的具体实施过程；
图6是本发明提供的车载雷达探测目标障碍物方位的装置示意图；
图7是本发明提供的车载雷达的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。如图1所示，是本发明第一实施例提供的目标障碍物方位探测方法的实现流程，本实施例的执行主体为车载雷达。详述如下：
S101，当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号。
具体地，车载雷达在进行目标障碍物探测时，首先发射探测信号，该探测信号在遇到障碍物之后会返回，进一步被雷达系统截获。雷达系统截获到的返回信号为所述目标障碍物的回波信号。雷达系统通过分析回波信号可以确定目标障碍物的方位。具体地，如图2所示，是图1中S101的具体实施流程。由图2可知，S101包括：
S1011，当接收到目标障碍物的回波信号时，对所述回波信号进行数字信号处理，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号。
具体地，对所述回波信号进行数字信号处理，如对所述回波信号进行距离维和多普勒维的傅里叶变换，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号。进一步地，可以基于所述距离信息、速度信息以及角度信息的数字信号生成三维矩阵。所述三维矩阵的维度分别对应为所述距离信息的数字信号、所述速度信息的数字信号、所述角度信息的数字信号。
S1012，对所述数字信号进行恒虚警检测和峰值检测，确定所述目标障碍物的距离门和多普勒门。
具体地，所述恒虚警检测首先对输入数字信号的进行预处理，确定噪声门限，然后将确定的噪声门限与输入的数字信号进行对比，确定所述数字信号中包含的表示目标障碍物的位置信号，通过峰值检测，从所述目标障碍物的位置信号中获取目标障碍物的距离门和多普勒门。
S1013，根据所述距离门和所述多普勒门从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。
具体地，所述距离门表示目标障碍物距离车载雷达的距离，所述多普勒门表示多普勒所在的位置。根据所述距离门和所述多普勒门可以从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。需要说明的是，在车载雷达中，所述回波信号由所述车载雷达的接收系统(接收天线阵列接收)，回波信号的波束以及信号强弱与接收天线阵列的阵元相关。在本实施例中，假设所述角度信息的矢量信号为X＝{x1,x2,…,xm}T，其中，{}T表示向量的转置。X表示m×1列向量，其中，m是车载雷达中天线阵元的个数。
S102，计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量。
具体地，在对雷达的阵列计算过程中(处理与雷达的天线阵列阵元相关的数据)，前向空间平滑或者后向空间平滑是阵列信号处理中协方差估计的一种算法，而当该算法应用于波束空间的阵列信号处理时，可以用实数运算代替复数运算，从而减少运算量。因此，在本实施例中，将所述矢量信号的协方差矩阵首先进行前向空间平滑或者后向空间平滑处理之后，再进行计算，具体地，如图3所示，是图1中S102的具体实施流程。由图3可知，S102，包括：
S1021，对所述矢量信号的协方差矩阵进行平滑处理，构建空间平滑协方差矩阵。
具体地，假设所述矢量信号为所述X＝{x1,x2,…,xm}T，则X的协方差表示为：
其中，Xn＝{xn,xn+1,…,xn+L-1}T为所述矢量信号X的子集，(·)H表示矩阵的共轭转置，L为选取的所述矢量信号的长度，在本实施例中，L需满足以下公式L＝M-N+1，N为空间平滑的次数，则平滑后的协方差矩阵可以表示为：
其中，JL表示反对角线元素为1，其它位置元素为0的L×L维交换矩阵，(·)*表示矩阵复共轭。需要说明的是，空间平滑后的协方差矩阵为L维方阵，而不是M维。
S1022，对所述空间平滑协方差矩阵进行酉变换，将其从复矩阵变换为实数矩阵。
具体地，可以利用公式：R＝PHRfbssP对协方差矩阵进行酉变换，将其从负矩阵变换为实数矩阵。其中，P为稀疏酉矩阵，定义如下：
其中，I表示单位矩阵，0表示列全零的列向量，j为虚数符号。
S1023，对所述实数矩阵进行特征值分解，得到所述实数矩阵的特征值以及特征值对应的特征向量。
具体地，在本实施例中，假设对实数矩阵R进行特征值分解，得到特征值λ，及其对应的特征向量U。
S1024，基于所述特征值估计所述目标障碍物的目标数量。
具体地，根据特征值，利用AIC算法完成对所述目标障碍物的目标数量的初步估计，具体在AIC算法中，需要首先假设目标障碍的目标数量KAIC，并定义AIC算法中的梯度及检测因子α，在本实施例中，梯度定义为：gn＝λn+1/λn，其中，λn为第n个特征值，通过比较gn/gn+1与α的大小，来确定所述目标数量。具体地，当gn/gn+1均大于α时，确定所述目标数量为1，当有gn/gn+1小于或者等于α时，确定所述目标数量为KAIC。
S103，基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。
在基于矩阵特征空间分解进行信号处理的过程中，通常从几何的角度将信号处理的观测空间分解为信号子空间和噪声子空间，且信号子空间和噪声子空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值对应的特征向量组成。在本实施例中，将所述特征值按照从大到小的顺序排列，依次获取与所述目标数量对应的特征值，并由与所述目标数量对应的特征值的特征向量构成所述信号子空间，由剩余的特征值的特征向量构成所述噪声子空间。具体地，在本实施例中，构造的所述空间谱函数为：
其中，a为信号的导向矢量，u为噪声信号，P为稀疏酉矩阵。
具体地，所述空间谱函数为复系数多项式函数，如图4所示，是本发明第二实施例提供的目标障碍物方位探测方法的实现流程。由图4可知，本实施例与图1所示实施例相比，主要区别在于S204与S205，S201～S203与图1对应的实施例的S101～S103相同，S206～S207与图1对应的实施例的S104～S105相同，S201～S203的实施过程请参阅上一实施例中S101～S103的相关描述，S206～S207的实施过程请参阅上一实施例中S104～S105的相关描述，在此不做详细赘述。S204与S205详述如下：
S204，根据预设的第一变换公式，将所述空间谱函数包含的复系数进行保角变换，得到实数多项式函数；
具体地，所述预设的第一变换公式为：u＝(-j)(z-j)/(z+j)，通过该第一变换公式可以将z平面上的半圆映射为u平面上的-1到1之间的实数直线，既有如下公式成立：
φl(u)＝(-j)l-1(u-j)l-1(u+j)L-1,l＝1,2,…L
其中，φl(u)为u的多项式，cl为u多项式的系数，可以构成L×1的行向量。
进一步地，可以用矩阵C＝[c1；c2；…,cL]表示系数矩阵。因此，可以将
转换为：
其中，v＝[1,u1,…,uL-1]T。所述
为所述实数多项式函数。
S205，构造所述实数多项式函数的系数矩阵，对所述实数多项式函数的系数矩阵进行求解，得到所述空间谱函数对应的特征值。
具体地，在本实施例中，将f(u)的系数按照从高阶到低阶顺序，可以表示为{β1,β2,…,β2L-1}，进而构造如下矩阵：
对该矩阵进行特征值分解即可得到所述空间谱函数对应的特征值。
S104，当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度。
具体地，由于噪声信号的存在，所述空间谱函数的特征值对应为复数，为了降低噪声对回波信息的干扰，对特征值与预设的门限值进行了比较，所述预设的门限值可以用来降低噪声信号的干扰，通常在没有噪声信号的状态下，特征值应该分布在单位圆周上，由于存在噪声信号的干扰，所述特征值分布在单元圆周附近，如果特征值远离单位圆周，则说明该信号受噪声信号干扰较大，可删除该特征值。以降低噪声对目标障碍物的目标数量估计的影响。
如图5所示，是图1中S104的具体实施过程。由图5可知，S104，包括：
S1041，若检测到所述特征值中包含有共轭值，则删除所述共轭值，得到目标特征值。
具体地，由于噪声信号的干扰，所述特征值为复数，且包含有共轭值，在本实施例中，首先删除所述特征值中包含的共轭值，得到有效的目标特征值。
S1042，从所述目标特征值中提取预设数量的目标特征值，根据预设的第二变换公式，将所述预设数量的目标特征值进行映射变换，得到复数特征值。
所述预设的第二变换公式为：
利用该公式可以将z平面上的根
是否在单位圆附近，得到复数特征值。
S1043，若所述复数特征值与预设单位圆的距离均小于或者等于预设的门限值，则确定所述目标数量准确。
具体地，假设所述预设的门限值为ε，利用
来确定所述复数特征值与预设单位圆的距离是否小于或者等于预设的门限值。
S1044，若有所述复数特征值与预设单位圆的距离大于预设的距离门限值，则确定所述目标数量不准确。
通常在没有噪声信号的状态下，特征值应该分布在单位圆周上，由于存在噪声信号的干扰，所述特征值分布在单元圆周附近，如果特征值远离单位圆周，则说明该信号受噪声信号干扰较大，因此通过预设的门限值可以用来检测回波信号受噪声信号干扰的情况，进一步确定目标数量的准确性。
S105，当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值更新所述目标数量，并返回执行所述基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。
在车载雷达中，多个目标处于相同速度相同距离的概率相对较低，因此，当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时基于所述特征值的数量更新所述目标数量遵循如下原则：如果初步估计的目标数量为1，则将所述目标数量修正为2；如果初步估计所述目标数量为3，则将所述目标数量修正为2；如果所述目标数量为2或者1时均不准确，则将所述目标数量再修正为3。需要说明的是，当目标数量大于3时，对目标障碍物出现漏检或者误检的概率很低，因此，本申请主要是针对目标数量小于等于3而提出的。
通过上述分析可知，本发明提出的目标障碍物方位探测方法，当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度；当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值的数量更新所述目标数量，并返回执行所述基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。通过基于构造的信号子空间和噪声子空间的空间谱函数的特征值与预设的门限值，确定目标数量的准确性，并在目标数量准确时，基于特征值确定每个目标的角度，在目标数量不准确时，基于特征值更新目标数量，并重新构建信号子空间和噪声子空间的空间谱函数，进一步来确定目标的准确性。能够减少采样信号较少情况下目标数量误估计，而导致的虚警或者漏检问题。
图6是本发明提供的车载雷达探测目标障碍物方位的装置示意图。如图6所示，该实施例的车载雷达探测目标障碍物方位的装置6包括：提取模块610、估计模块620、构造模块630、第一确定模块640以及第二确定模块650。其中，
提取模块610，用于在当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；
估计模块620，用于计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量。
构造模块630，用于基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；
第一确定模块640，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度。
第二确定模块650，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值的数量更新所述目标数量，并返回构造模块。
具体地，所述提取模块具体用于：
在当接收到目标障碍物的回波信号时，对所述回波信号进行数字信号处理，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号；
对所述数字信号进行恒虚警检测和峰值检测，确定所述目标障碍物的距离门和多普勒门；
根据所述距离门和所述多普勒门从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。
具体地，所述估计模块620具体用于：
对所述矢量信号的协方差矩阵进行平滑处理，构建空间平滑协方差矩阵；
对所述空间平滑协方差矩阵进行酉变换，将其从复矩阵变换为实数矩阵；
对所述实数矩阵进行特征值分解，得到所述实数矩阵的特征值以及特征值对应的特征向量；
基于所述特征值估计所述目标障碍物的目标数量。
可选地，在另一实施方式中，在构造模块630与第一确定模块640之间，还包括变换模块与求解模块(图6中未示出)，其中，
变换模块，用于根据预设的第一变换公式，将所述空间谱函数包含的复系数进行保角变换，得到实数多项式函数。
求解模块，用于构造所述实数多项式函数的系数矩阵，对所述实数多项式函数的系数矩阵进行求解，得到所述空间谱函数对应的特征值。
可选地，所述第一确定模块640具体用于：
在若检测到所述特征值中包含有共轭值，则删除所述共轭值，得到目标特征值；
从所述目标特征值中提取预设数量的目标特征值，根据预设的第二变换公式，将所述预设数量的目标特征值进行映射变换，得到复数特征值；
若所述复数特征值与预设单位圆的距离均小于或者等于预设的门限值，则确定所述目标数量准确；
若有所述复数特征值与预设单位圆的距离大于预设的距离门限值，则确定所述目标数量不准确。
图7是本发明提供的车载雷达的示意图。如图7所示，该实施例的车载雷达7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72，例如鼾声样本取样程序。所述处理器70执行所述计算机程序72时实现上述各个鼾声取样方法实施例中的步骤，例如图1所示的步骤101至105。或者，所述处理器70执行所述计算机程序72时实现上述样本取样设备实施例中各模块/单元的功能，例如图6所示模块610至650的功能。
示例性的，所述计算机程序72可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述车载雷达7中的执行过程。例如，所述计算机程序72可以被分割成获取模块、确定模块、音频信号录制模块、提取模块(虚拟装置中的模块)，各模块具体功能如下：
提取模块，用于在当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；
估计模块，用于计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；
构造模块，用于基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；
第一确定模块，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述特征值确定每个所述目标障碍物的角度；
第二确定模块，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述特征值更新所述目标数量，并返回执行所述基于所述目标数量以及所述特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个通信单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标障碍物方位探测方法，其特征在于，包括：
当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；
计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；
基于所述目标数量以及所述协方差矩阵的特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；
当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述空间谱函数的特征值确定每个所述目标障碍物的角度；
当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述空间谱函数的特征值的数量更新所述目标数量，并返回执行所述基于所述目标数量以及所述协方差矩阵的特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数。
2.如权利要求1所述的目标障碍物方位探测方法，其特征在于，所述当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号，包括：
当接收到目标障碍物的回波信号时，对所述回波信号进行数字信号处理，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号；
对所述数字信号进行恒虚警检测和峰值检测，确定所述目标障碍物的距离门和多普勒门；
根据所述距离门和所述多普勒门从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。
3.如权利要求1所述的目标障碍物方位探测方法，其特征在于，所述计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量，包括：
对所述矢量信号的协方差矩阵进行平滑处理，构建空间平滑协方差矩阵；
对所述空间平滑协方差矩阵进行酉变换，将其从复矩阵变换为实数矩阵；
对所述实数矩阵进行特征值分解，得到所述实数矩阵的特征值以及特征值对应的特征向量；
基于所述实数矩阵的特征值估计所述目标障碍物的目标数量。
4.如权利要求3所述的目标障碍物方位探测方法，其特征在于，所述空间谱函数为复系数多项式函数，在所述基于所述目标数量以及所述协方差矩阵的特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数与所述当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述空间谱函数的特征值确定每个所述目标障碍物的角度之间，包括：
根据预设的第一变换公式，将所述空间谱函数包含的复系数进行保角变换，得到实数多项式函数；
构造所述实数多项式函数的系数矩阵，对所述实数多项式函数的系数矩阵进行求解，得到所述空间谱函数对应的特征值；
其中，所述预设的第一变换公式：u＝(-j)(z-j)/(z+j)；
所述u表示实数多项式函数，所述z表示复系数。
5.如权利要求1所述的目标障碍物方位探测方法，其特征在于，所述当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述空间谱函数的特征值确定每个所述目标障碍物的角度，包括：
若检测到所述空间谱函数的特征值中包含有共轭值，则删除所述共轭值，得到目标特征值；
从所述目标特征值中提取预设数量的目标特征值，根据预设的第二变换公式，将所述预设数量的目标特征值进行映射变换，得到复数特征值；
若所述复数特征值与预设单位圆的距离均小于或者等于预设的门限值，则确定所述目标数量准确；
若有所述复数特征值与预设单位圆的距离大于预设的距离门限值，则确定所述目标数量不准确；
其中，所述预设的第二变换公式：
所述
表示复数特征值，所述
表示目标特征值。
6.一种车载雷达探测目标障碍物方位的装置，其特征在于，包括：
提取模块，用于在当接收到目标障碍物的回波信号时，从所述回波信号中提取包含所述目标障碍物的角度信息的矢量信号；
估计模块，用于计算所述矢量信号的协方差矩阵，基于所述协方差矩阵的特征值估计所述目标障碍物的目标数量；
构造模块，用于基于所述目标数量以及所述协方差矩阵的特征值，构造所述回波信号中的信号子空间和噪声子空间的空间谱函数；
第一确定模块，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量准确时，基于所述空间谱函数的特征值确定每个所述目标障碍物的角度；
第二确定模块，用于当基于所述空间谱函数的特征值与预设的门限值，确定所述目标数量不准确时，基于所述空间谱函数的特征值更新所述目标数量，并返回所述构造模块。
7.如权利要求6所述的车载雷达探测目标障碍物方位的装置，其特征在于，所述提取模块包括：
得到子单元，用于在当接收到目标障碍物的回波信号时，对所述回波信号进行数字信号处理，得到包含所述目标障碍物的距离信息、速度信息以及角度信息的数字信号；
确定子单元，用于对所述数字信号进行恒虚警检测和峰值检测，确定所述目标障碍物的距离门和多普勒门；
提取子单元，用于根据所述距离门和所述多普勒门从所述数字信号中提取出所述目标障碍物的角度信息，生成所述角度信息的矢量信号。
8.如权利要求6所述的车载雷达探测目标障碍物方位的装置，其特征在于，所述估计模块包括：
构建子单元，用于对所述矢量信号的协方差矩阵进行平滑处理，构建空间平滑协方差矩阵；
变换子单元，用于对所述空间平滑协方差矩阵进行酉变换，将其从复矩阵变换为实数矩阵；
得到子单元，用于对所述实数矩阵进行特征值分解，得到所述实数矩阵的特征值以及特征值对应的特征向量；
估计子单元，用于基于所述实数矩阵的特征值估计所述目标障碍物的目标数量。
9.一种车载雷达，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述目标障碍物方位探测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述目标障碍物方位探测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464363.3A CN110231617B (zh) | 2019-05-30 | 2019-05-30 | 目标障碍物方位探测方法、装置、车载雷达及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464363.3A CN110231617B (zh) | 2019-05-30 | 2019-05-30 | 目标障碍物方位探测方法、装置、车载雷达及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110231617A CN110231617A (zh) | 2019-09-13 |
| CN110231617B true CN110231617B (zh) | 2021-06-18 |
Family
ID=67858252
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910464363.3A Active CN110231617B (zh) | 2019-05-30 | 2019-05-30 | 目标障碍物方位探测方法、装置、车载雷达及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110231617B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110531337B (zh) * | 2019-09-29 | 2021-06-29 | 北京润科通用技术有限公司 | 基于隶属度分析的目标可信度计算方法及装置 |
| CN113138367A (zh) * | 2020-01-20 | 2021-07-20 | 中国科学院上海微系统与信息技术研究所 | 一种目标定位方法、装置、电子设备及存储介质 |
| CN113325362A (zh) * | 2020-02-28 | 2021-08-31 | 加特兰微电子科技(上海)有限公司 | 确定波达方向的方法、装置及设备 |
| CN112639524B (zh) * | 2020-04-30 | 2022-05-17 | 华为技术有限公司 | 一种目标检测方法及装置 |
| WO2021258358A1 (zh) * | 2020-06-24 | 2021-12-30 | 华为技术有限公司 | 目标检测方法、装置、雷达以及车辆 |
| CN112068218A (zh) * | 2020-09-14 | 2020-12-11 | 北京数衍科技有限公司 | 行人脚步的自适应检测方法和装置 |
| CN113311405B (zh) * | 2021-05-27 | 2023-06-20 | 深圳大学 | 一种区域人数统计方法、装置、计算机设备及存储介质 |
| CN113406613B (zh) * | 2021-06-16 | 2024-02-09 | 深圳大学 | 一种人员检测方法、装置、设备和存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101795150A (zh) * | 2010-03-09 | 2010-08-04 | 西安电子科技大学 | 强弱信号的波达方向与信源数估计方法 |
| CN103364772A (zh) * | 2013-07-14 | 2013-10-23 | 西安电子科技大学 | 基于实数域广义多重信号分类算法的目标低仰角估计方法 |
| CN104237860A (zh) * | 2014-09-10 | 2014-12-24 | 电子科技大学 | 一种双基地mimo雷达跟踪定位及欺骗干扰识别方法 |
| CN107085205A (zh) * | 2017-04-19 | 2017-08-22 | 西安电子科技大学 | 基于杂波协方差矩阵结构信息的自适应检测方法 |
| US9864044B2 (en) * | 2014-06-25 | 2018-01-09 | Raytheon Company | Methods and systems for improving signal to phase noise in radars |
| CN108008393A (zh) * | 2017-10-19 | 2018-05-08 | 中国科学院声学研究所 | 一种导向向量修正空时自适应检测方法 |
| CN108693509A (zh) * | 2018-04-08 | 2018-10-23 | 中国人民解放军海军航空大学 | 频控阵雷达空距频聚焦动目标积累检测方法 |
| CN109683126A (zh) * | 2019-01-14 | 2019-04-26 | 极目光(深圳)科技有限公司 | 波达角测量方法、信号处理设备及存储介质 |
-
2019
- 2019-05-30 CN CN201910464363.3A patent/CN110231617B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101795150A (zh) * | 2010-03-09 | 2010-08-04 | 西安电子科技大学 | 强弱信号的波达方向与信源数估计方法 |
| CN103364772A (zh) * | 2013-07-14 | 2013-10-23 | 西安电子科技大学 | 基于实数域广义多重信号分类算法的目标低仰角估计方法 |
| US9864044B2 (en) * | 2014-06-25 | 2018-01-09 | Raytheon Company | Methods and systems for improving signal to phase noise in radars |
| CN104237860A (zh) * | 2014-09-10 | 2014-12-24 | 电子科技大学 | 一种双基地mimo雷达跟踪定位及欺骗干扰识别方法 |
| CN107085205A (zh) * | 2017-04-19 | 2017-08-22 | 西安电子科技大学 | 基于杂波协方差矩阵结构信息的自适应检测方法 |
| CN108008393A (zh) * | 2017-10-19 | 2018-05-08 | 中国科学院声学研究所 | 一种导向向量修正空时自适应检测方法 |
| CN108693509A (zh) * | 2018-04-08 | 2018-10-23 | 中国人民解放军海军航空大学 | 频控阵雷达空距频聚焦动目标积累检测方法 |
| CN109683126A (zh) * | 2019-01-14 | 2019-04-26 | 极目光(深圳)科技有限公司 | 波达角测量方法、信号处理设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于CA-CFAR检测下多假目标的压制干扰门限;吴筑莉等;《电子信息对抗技术》;20180131;第33卷;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110231617A (zh) | 2019-09-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110231617B (zh) | 目标障碍物方位探测方法、装置、车载雷达及存储介质 | |
| CN111736131B (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
| EP3721258A1 (en) | Radar processing chain for fmcw radar systems | |
| CN111220960B (zh) | 多站雷达下的目标特征提取方法和装置 | |
| CN111398943B (zh) | 目标姿态的确定方法及终端设备 | |
| CN109324315A (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
| CN103777189A (zh) | 一种基于信息几何复自回归模型的雷达弱目标检测方法 | |
| CN108398659B (zh) | 一种矩阵束与求根music结合的波达方向估计方法 | |
| CN104076360A (zh) | 基于压缩感知的二维sar稀疏目标成像方法 | |
| CN111751798A (zh) | 一种雷达测角方法 | |
| EP4083654A1 (en) | Radar communication with interference suppression | |
| CN108020834B (zh) | 基于改进edpca的运动目标检测方法、装置及电子设备 | |
| CN107450046B (zh) | 低仰角多径环境下的波达角估计方法 | |
| Zhou et al. | A Two-Component $ K $–Lognormal Mixture Model and Its Parameter Estimation Method | |
| Choi et al. | Two-dimensional evolutionary programming-based CLEAN | |
| CN111044987B (zh) | 基于汽车雷达的环境目标速度解模糊方法、系统及介质 | |
| CN111812634A (zh) | 警戒线目标监测方法、装置和系统 | |
| CN109782246B (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
| He et al. | DOA estimation of wideband signals based on iterative spectral reconstruction | |
| CN114114246A (zh) | 穿墙雷达成像方法、系统、终端设备及可读存储介质 | |
| Hu et al. | High resolution 3D imaging in MIMO radar with sparse array | |
| CN107238813B (zh) | 近场信号源波达方向和波达时间确定方法及装置 | |
| Rademacher | Bayesian methods and confidence intervals for automatic target recognition of SAR canonical shapes | |
| CN116027317B (zh) | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 | |
| CN111814688B (zh) | 基于FFTc的数字波束形成角度捕获方法及装置、存储介质 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20190913 Assignee: Shenzhen Huaxun ark Photoelectric Technology Co.,Ltd. Assignor: SHENZHEN HUAXUN FANGZHOU MICROELECTRONIC SCIENCE & TECHNOLOGY Co.,Ltd. Contract record no.: X2022980007114 Denomination of invention: Target obstacle azimuth detection method, device, vehicle mounted radar and storage medium Granted publication date: 20210618 License type: Common License Record date: 20220606 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230720 Address after: 518000 107, building 37, chentian Industrial Zone, chentian community, Xixiang street, Bao'an District, Shenzhen, Guangdong Province Patentee after: Shenzhen Huaxun ark Intelligent Information Technology Co.,Ltd. Address before: 518102 East, 2nd floor, building 37, chentian Industrial Zone, Baotian 1st Road, Xixiang street, Bao'an District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN HUAXUN FANGZHOU MICROELECTRONIC SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231130 Address after: Building 7-6, Industrial Control Cloud Creation Port, No. 58 Hongtu Avenue, Honggutan District, Nanchang City, Jiangxi Province, 330000 Patentee after: Jiangxi Huaxun Fangzhou Intelligent Technology Co.,Ltd. Address before: 518000 107, building 37, chentian Industrial Zone, chentian community, Xixiang street, Bao'an District, Shenzhen, Guangdong Province Patentee before: Shenzhen Huaxun ark Intelligent Information Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |