CN110646773A - 一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统 - Google Patents
一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统 Download PDFInfo
- Publication number
- CN110646773A CN110646773A CN201910922912.7A CN201910922912A CN110646773A CN 110646773 A CN110646773 A CN 110646773A CN 201910922912 A CN201910922912 A CN 201910922912A CN 110646773 A CN110646773 A CN 110646773A
- Authority
- CN
- China
- Prior art keywords
- target
- period
- echo signal
- echo
- millimeter wave
- 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
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
- G01S7/418—Theoretical aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明公开了一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统,包括,根据采集到的每个周期的线性调频连续波信号及其对应每个周期内的回波信号估算所述回波信号在每个周期对应的目标角度;比较所述回波信号在多个相干处理周期内的目标角度是否一致,若所述回波信号在多个相干处理周期内的目标角度一致,则判断为所述回波信号所对应的待分辨目标为真实目标,若所述回波信号在多个相干处理周期内的目标角度不一致,则判断为所述回波信号所对应的待分辨目标为虚假目标。相比现有技术,能够实现远距离检测到弱目标的同时,极大地降低虚假目标的个数,最终实现低虚警概率约束的低信噪比目标检测技术。
Description
技术领域
本发明涉及一种汽车毫米波雷达的目标检测领域,尤其涉及一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统。
背景技术
汽车毫米波雷达传感器,可以满足车辆对全天气候的适应性的要求。对于汽车毫米波雷达应用而言,实际运行道路环境复杂,各种目标的雷达反射截面积(RCS,RadarCross Section)存在较大差异,而雷达需要及时及早发现潜在的目标,并对目标进行参数估计和跟踪。
现有的雷达探测目标的方法主要包括以下步骤:
汽车毫米波雷达发射多个周期的线性调频信号(LFM,Linear FrequencyModulation)信号,对线性调频信号中每个周期中的脉冲进行采样,进行距离维傅里叶变换(FFT,Fast Fourier Transform),得到距离维处理结果。再对应于某一个距离单元,对多个脉冲的回波进行速度维FFT处理,也即进行第二次FFT处理,此时可以得到一个距离-多普勒矩阵。
得到距离-多普勒矩阵之后,采用恒虚警概率(CFAR,Constant False AlarmRatio)检测算法进行目标检测,此时得到的目标参数信息包括目标距离和速度,得到检测的目标结果后,在多个阵元之间进行目标角度估计,得到目标以上的参数信息后,进行目标的跟踪滤波和航迹管理模块。
目标检测、角度估计(DOA,Degree of Arrival)、目标跟踪以及航迹管理模块如图1和图2所示。首先进行目标检测,判定是否存在目标,在得到确切的目标时,启动目标角度估计模块进行角度估计,采用的方法可以使用传统的波束扫描FFT方法,也可以采用一些超分辨算法如MUSIC(Multiple SIgnal Classification)算法等,得到目标的以上信息后,将信息输入跟踪滤波模块以及航迹管理模块,将目标信息最终显示在终端呈现给用户。
但是,对于传统的信号处理方法,无论是采用何种目标DOA估计算法,其仅在目标检测后进行,如果在CFAR检测时,考虑到避免产生太多的虚假目标,此时有可能一些远距离RCS较小的目标就无法被及时探测到,例如远处的人目标。为了对弱目标也即RCS较小的远距离目标进行检测,当前做法主要是采用降低检测门限的方法。然而,由于检测门限降低,会带来大量的虚警,产生大量的假目标,严重影响实际系统运行。
因此,如何解决现有的基于汽车毫米波雷达的弱目标检测方法在及时探测到弱目标,同时也减少虚警的产生已成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统,用以解决现有的基于汽车毫米波雷达的弱目标检测方法在探测弱目标时,容易产生大量虚警的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于汽车毫米波雷达的弱目标检测方法,包括以下步骤:
获取雷达发射的多个相干处理周期的线性调频连续波信号以及雷达发射的线性调频连续波信号探测目标时,在待分辨目标上反射产生的多个相干处理周期的回波信号;
根据每个周期的线性调频连续波信号及其对应每个周期内的回波信号估算所述回波信号在每个周期对应的目标角度;
比较所述回波信号在多个相干处理周期内的目标角度是否一致,若所述回波信号在多个相干处理周期内的目标角度一致,则判断为所述回波信号所对应的待分辨目标为真实目标,若所述回波信号在多个相干处理周期内的目标角度不一致,则判断为所述回波信号所对应的待分辨目标为虚假目标。
优选的,根据每个周期的线性调频连续波信号及其对应每个周期内的回波信号估算所述回波信号在每个周期对应的目标角度,包括,
分别使用每个周期的线性调频连续波信号及其对应每个周期内的回波信号构建出每个周期内的回波信号的二维角度-多普勒的矩阵图;
根据稀疏恢复算法,分别使用每个周期的回波信号的二维角度-多普勒的矩阵图构建,由二维角度-多普勒的矩阵图上的不同网格点所对应的空时导向矢量乘以其对应的幅度叠加而成的每个周期的回波信号的空时矩阵模型;
分别将所述每个周期的回波信号空时矩阵模型转化为l1范数问题以求解出所述每个周期的回波信号空时矩阵模型的反射系数向量;
根据所述每个周期的回波信号的空时矩阵模型的反射系数向量求解所述回波信号在每个周期对应的目标角度。
优选的,所述空时矩阵模型为:
xc=Φ(d)αC+n
其中,xc表示回波信号,Φ(d)表示空时字典矩阵,αC表示反射系数向量,n表示噪声,
优选的,分别将所述每个周期的回波信号空时矩阵模型转化为l1范数问题以求解出所述每个周期的回波信号空时矩阵模型的反射系数向量,包括,
使用套索算法构造惩罚函数模型压缩所述时空矩阵模型的系数,所述惩罚函数模型为:
通过半正定规划算法求解所述惩罚函数模型的最优解所对应的所述每个周期的回波信号空时矩阵模型的反射系数向量。
优选的,比较所述回波信号在多个相干处理周期内的目标角度前,还包括以下步骤:
将所述回波信号在多个相干处理周期内的目标角度拼接为以所述回波信号的周期为列/行向量,以所述回波信号的目标角度为行/列向量的二维拼接矩阵;
对所述二维拼接矩阵进行非相参积累,以得到所述回波信号的目标检测向量;
根据所述回波信号的目标检测向量来比较所述回波信号在多个相干处理周期内的目标角度是否一致。
一种汽车毫米波雷达弱目标的跟踪方法,包括以下步骤:
通过汽车毫米波雷达,采用上述任一项的基于汽车毫米波雷达的弱目标检测方法获得汽车毫米波雷达的真实目标;
将所述汽车毫米波雷达的真实目标输入到目标跟踪模块以实现对所述真实目标的实时跟踪定位,并将所述目标跟踪模块跟踪真实目标得到跟踪信息和定位信息发送至航迹管理模块中显示。
一种计算机系统,包括存储器、处理器以及存储在存储器上并可在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上述任一所述方法的步骤。
本发明具有以下有益效果:
1、本发明中的一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统与传统方法不同,传统方法首先进行目标检测,检测得到目标后再进行目标角度测量,而本发明首先进行角度测量,根据角度测量结果反过来确定是否存在目标,即在对目标进行定位时,通过比较多个相干处理周期的目标角度估计值来判断监测到的回波信号所对应的目标是否为真实目标,从而能够实现远距离检测到弱目标的同时,极大地降低虚假目标的个数,最终实现低虚警概率约束的低信噪比目标检测技术。此外,本发明中采用稀疏恢复的方法对汽车毫米波雷达目标角度进行估计,能实现低信噪比情况下的目标角度估计。
2、在本发明的优选方案中,本发明将多帧数据拼接成一个二维矩阵,充分利用目标角度的稳定性和噪声角度的随机性,并采用非相干处理方法,形成一个新的向量,再输入后续CFAR处理模块实现真实目标检测,能有效消除信噪比。
3、在本发明的优选方案中,本发明采用稀疏恢复思想对回波信号所对应的待分辨目标的目标角度估计,实现在目标信噪比较低的情况下完成对待分辨目标的角度估计值。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是现有技术中经典FMCW发射序列;
图2是现有技术中目标检测和DOA估计关系图;
图3是本发明优选实施例的二维角度-多普勒的矩阵图获取方法;
图4是本发明优选实施例的多个CPI测量角度拼接矩阵;
图5是本发明优选实施例的基于稀疏恢复的角度测量输出;
图6是本发明优选实施例多帧数据非相参积累检测及处理流程;
图7是本发明中的基于汽车毫米波雷达的弱目标检测方法的流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
在汽车主动安全领域,汽车毫米波雷达传感器因为能够全天候工作,不受光线、雾霾、沙尘暴等恶劣天气的影响,已成为业界公认的主流选择,拥有巨大的市场需求,因而也是汽车电子厂商当前的主要研发方向。这类应用在欧美日汽车已经普及化,目前这些地区几乎所有的汽车均开始配备汽车毫米波雷达传感器,其中包括汽车防撞雷达、汽车盲区检测雷达等。
发射多个周期的频率调制连续波(FMCW,Frequency Modulation ContinuousWave)信号,每一个扫频周期为Tchirp,可以对于多目标场景中的每个目标同时进行距离和径向速度测量,发射的波形如图1所示。
这种波形体制是当前应用最为广泛的,可以同时对多个目标进行距离和速度的测量,这种波形已经应用于汽车雷达、天波超视觉雷达的船只检测以及海啸检测。
脉冲重复周期是一个重要的参数,一个短时的Tchirp其回波信号去斜后的信号频率fB为一个负的频率。回波信号混频后,基带信号通过FFT可以测量差频信号fB。目标距离R可以通过差频信号fB和相对延迟τ,目标距离R为:
其中c表示光速,Tchirp和fSW表示重复周期和信号带宽。
实施例一:
如图7所示,本发明公开了一种基于汽车毫米波雷达的弱目标检测方法,包括以下步骤:
获取雷达发射的多个相干处理周期的线性调频连续波信号以及雷达发射的线性调频连续波信号探测目标时,在待分辨目标上反射产生的多个相干处理周期的回波信号;
根据每个周期的线性调频连续波信号及其对应每个周期内的回波信号估算所述回波信号在每个周期对应的目标角度;
比较所述回波信号在多个相干处理周期内的目标角度是否一致,若所述回波信号在多个相干处理周期内的目标角度一致,则判断为所述回波信号所对应的待分辨目标为真实目标,若所述回波信号在多个相干处理周期内的目标角度不一致,则判断为所述回波信号所对应的待分辨目标为虚假目标。
本发明中的一种基于汽车毫米波雷达的弱目标检测方法与传统方法不同,传统方法首先进行目标检测,检测得到目标后再进行目标角度测量,而本发明首先进行角度测量,根据角度测量结果反过来确定是否存在目标,即在对目标进行定位时,先对回波信号所对应的待分辨目标的目标角度估计,通过比较多个相干处理周期的目标角度估计值来判断监测到的回波信号所对应的目标是否为真实目标,从而能够实现远距离检测到弱目标的同时,极大地降低虚假目标的个数,最终实现低虚警概率约束的低信噪比目标检测技术。
此外,本实施例还公开了一种计算机系统,包括存储器、处理器以及存储在存储器上并可在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上述实施例任一所述方法的步骤。
实施例二:
实施例二是实施例一的拓展实施例,其与实施例一的不同之处在于,对于所述回波信号二维角度-多普勒的矩阵图获取、基于稀疏恢复的目标角度估计、如何更比较DOA估计的多CPI数据拼接进行了细化。
(1)回波信号的二维角度-多普勒的矩阵图获取
汽车毫米波雷达的每个阵元发射多个相干处理周期的线性调频(LFM,LinearFrequency Modulation)连续波信号,对线性调频连续波信号中每个周期中的脉冲进行采样,进行距离维傅里叶变换(FFT,Fast Fourier Transform),得到距离维处理结果。再对应于某一个距离单元,对多个脉冲的回波信号进行速度维FFT处理,也即进行第二次FFT处理,得到雷达上每个阵元的二维角度-多普勒的矩阵图。毫米波雷达单个阵元的二维角度-多普勒的矩阵图获取如图3所示。
对每个阵元均进行以上处理,假设接收阵元共有N个,共计可以得到N个二维角度-多普勒的矩阵图。
(2)基于稀疏恢复的目标角度估计
对于目标角度估计,则假设待分辨目标为个别目标来自于某些方向,首先将角度划分为Ns离散的网格点,构成一个完备集,其中Ns=ρsN,且Ns>>N,也就是说划分的网格分辨率远远大于雷达空域分辨率。雷达回波可以看作是来自不同方向信号回波的叠加,可以表示为
也就是说,回波信号xc可以看作是不同网格点对应的空时导向矢量s(fs,i)乘以其对应的幅度α(n)叠加而成,其中1≤n≤Ns,n表示噪声。
上述等式可以表示为矩阵形式,也就是空时矩阵模型:
xc=Φ(d)αC+n
其中,
为空时字典矩阵,
其中,xc表示回波信号,Φ(d)表示空时字典矩阵,αC表示反射系数向量,n表示噪声,
s(fs,i)为空时导向矢量,T表示转置符号,fs,i表示第i个点的空间频率,表示第Ns个点对应的空间频率,α(Ns)表示对应于该网格点的幅度,Ns=ρsN,且Ns>>N。
由于行的维数远远低于列的维数,所以上式是病态的。由于这一问题为l0范数问题,鉴于其高度不连续性使得求解非常困难,一般将其转化为l1范数问题来近似求解。
LASSO(Least absolute shrinkage and selection operator)是求解该问题常用的一种方法,它通过构造一个惩罚函数得到一个较为精炼的模型,使得它压缩一些系数,同时设定一些系数为零,所述惩罚函数模型可表示为
使用半正定规划(SDPs)高效求解出所述每个周期的回波信号的空时矩阵模型的反射系数向量,并通过所述每个周期的回波信号的空时矩阵模型的反射系数向量求解出所述回波信号在每个周期对应的目标角度。
(3)DOA(Degree of Arrival,角度估计)估计的多个相干处理周期(CPI,CoherentProcessing Interval)数据拼接
对于每一个相干处理周期,采用稀疏恢复的方法得到角度扫描的向量,将多个相干处理周期数据,按照不同的时刻进行拼接,每一个CPI对应于矩阵的一行,此时得到一个二维矩阵,如图4所示。
稀疏恢复的角度测量方法对于目标信噪比不敏感,在目标信噪比为0dB左右时依然可以准确测量角度,但是有可能由于一些噪声信号会产生虚假的测量结果,对于真实目标,目标角度测量具有相对稳定性,而对于噪声引起的测量结果,由于噪声的随机性,使得对于不同CPI数据角度测量结果具有随机性,因而可以根据真实目标其目标角度测量值存在一定的稳定性,而由噪声产生的(虚假目标)的目标角度信息则具有随机性这一特性,在目标检测前进行角度测量,然后根据角度测量的多个数据帧信号,根据多个CPI得到的角度测量结果是否具有连续性等特征来判断雷达接收的回波信号所对应的目标是否为真实目标的。
图5为采用稀疏恢复得到的角度测量结果,由图可知,目标角度为10°方向的带分辨目标为真实目标,而其它较低的一些输出为噪声引起的结果。
(5)多帧数据非相参积累后检测
在优选方案中,本发明中目标角度的分辨可以由稀疏回复的各帧DOA数据,采用非相参积累,形成目标检测向量,再将目标检测向量输入后续CFAR处理模块实现对真实目标检测。
此外,如图6所示,在本实施例中还公开了一种汽车毫米波雷达弱目标的跟踪方法,包括以下步骤:
通过汽车毫米波雷达,采用上述的基于汽车毫米波雷达的弱目标检测方法获得汽车毫米波雷达的真实目标;将所述汽车毫米波雷达的真实目标输入到目标跟踪模块以实现对所述真实目标的实时跟踪定位,并将所述目标跟踪模块跟踪真实目标得到跟踪信息和定位信息发送至航迹管理模块中显示。
此外,在本实施例中,还公开了一种计算机系统,包括存储器、处理器以及存储在存储器上并可在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上述方法的步骤。
综上可知,本发明中的检测方法、跟踪方法及系统与传统方法不同,传统方法首先进行目标检测,检测得到目标后再进行目标角度测量,而本发明首先进行角度测量,根据角度测量结果反过来确定是否存在目标,提出一种新的汽车毫米波雷达处理方案。本发明将多帧数据,也即多个CPI的角度测量结果进行联合处理,而非直接将每帧的角度测量结果直接输入后续的目标跟踪和航迹管理模块。本发明将多帧数据拼接成一个二维矩阵,充分利用目标角度的稳定性和噪声角度的随机性,并采用非相干处理方法,形成目标检测向量,再将目标检测向量输入后续CFAR处理模块实现对真实目标检测。
且本发明提出采用稀疏恢复的方法对汽车毫米波雷达目标角度进行估计,实现低信噪比情况下的目标角度估计。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于汽车毫米波雷达的弱目标检测方法,其特征在于,包括以下步骤:
获取雷达发射的多个相干处理周期的线性调频连续波信号以及雷达发射的线性调频连续波信号探测目标时,在待分辨目标上反射产生的多个相干处理周期的回波信号;
根据每个周期的线性调频连续波信号及其对应每个周期内的回波信号估算所述回波信号在每个周期对应的目标角度;
比较所述回波信号在多个相干处理周期内的目标角度是否一致,若所述回波信号在多个相干处理周期内的目标角度一致,则判断为所述回波信号所对应的待分辨目标为真实目标,若所述回波信号在多个相干处理周期内的目标角度不一致,则判断为所述回波信号所对应的待分辨目标为虚假目标。
2.根据权利要求1所述的基于汽车毫米波雷达的弱目标检测方法,其特征在于,根据每个周期的线性调频连续波信号及其对应每个周期内的回波信号估算所述回波信号在每个周期对应的目标角度,包括,
分别使用每个周期的线性调频连续波信号及其对应每个周期内的回波信号构建出每个周期内的回波信号的二维角度-多普勒的矩阵图;
根据稀疏恢复算法,分别使用每个周期的回波信号的二维角度-多普勒的矩阵图构建,由二维角度-多普勒的矩阵图上的不同网格点所对应的空时导向矢量乘以其对应的幅度叠加而成的每个周期的回波信号的空时矩阵模型;
分别将所述每个周期的回波信号空时矩阵模型转化为l1范数问题以求解出所述每个周期的回波信号空时矩阵模型的反射系数向量;
根据所述每个周期的回波信号空时矩阵模型的反射系数向量求解所述回波信号在每个周期对应的目标角度。
5.根据权利要求3所述的基于汽车毫米波雷达的弱目标检测方法,其特征在于,比较所述回波信号在多个相干处理周期内的目标角度前,还包括以下步骤:
将所述回波信号在多个相干处理周期内的目标角度拼接为以所述回波信号的周期为列/行向量,以所述回波信号的目标角度为行/列向量的二维拼接矩阵;
对所述二维拼接矩阵进行非相参积累,以得到所述回波信号的目标检测向量;
根据所述回波信号的目标检测向量来比较所述回波信号在多个相干处理周期内的目标角度是否一致。
6.一种汽车毫米波雷达弱目标的跟踪方法,其特征在于,包括以下步骤:
通过汽车毫米波雷达,采用权利要求1至5中任一项所述的基于汽车毫米波雷达的弱目标检测方法获得汽车毫米波雷达的真实目标;
将所述汽车毫米波雷达的真实目标输入到目标跟踪模块以实现对所述真实目标的实时跟踪定位,并将所述目标跟踪模块跟踪真实目标得到跟踪信息和定位信息发送至航迹管理模块中显示。
7.一种计算机系统,包括存储器、处理器以及存储在存储器上并可在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上述权利要求1至6任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910922912.7A CN110646773B (zh) | 2019-09-27 | 2019-09-27 | 一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910922912.7A CN110646773B (zh) | 2019-09-27 | 2019-09-27 | 一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110646773A true CN110646773A (zh) | 2020-01-03 |
CN110646773B CN110646773B (zh) | 2023-04-07 |
Family
ID=69011668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910922912.7A Active CN110646773B (zh) | 2019-09-27 | 2019-09-27 | 一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110646773B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157995A (zh) * | 2020-01-06 | 2020-05-15 | 电子科技大学 | 一种汽车雷达侧视角度超分辨成像方法 |
CN111562570A (zh) * | 2020-04-30 | 2020-08-21 | 南京理工大学 | 基于毫米波雷达的面向自动驾驶的车辆感知方法 |
CN111679266A (zh) * | 2020-06-18 | 2020-09-18 | 成都纳雷科技有限公司 | 汽车毫米波雷达稀疏阵列栅瓣虚假目标识别方法及系统 |
CN111751796A (zh) * | 2020-07-03 | 2020-10-09 | 成都纳雷科技有限公司 | 一种基于一维线阵的交通雷达角度测量方法、系统及装置 |
CN111796270A (zh) * | 2020-07-08 | 2020-10-20 | 电子科技大学 | 周界安防雷达横向穿越目标检测方法、系统、介质及设备 |
CN112099015A (zh) * | 2020-08-26 | 2020-12-18 | 浙江理工大学 | 提升毫米波雷达检测估计性能的自适应波形设计方法 |
CN112578361A (zh) * | 2020-11-26 | 2021-03-30 | 中国人民解放军空军工程大学 | 米波雷达高精度二维角估计算法 |
CN113534089A (zh) * | 2021-07-09 | 2021-10-22 | 厦门精益远达智能科技有限公司 | 一种基于雷达的目标检测方法、装置以及设备 |
CN114217284A (zh) * | 2021-12-03 | 2022-03-22 | 珠海安自达科技有限公司 | 一种基于特征的雷达运动目标检测和干扰抑制方法及系统 |
CN115356734A (zh) * | 2022-10-19 | 2022-11-18 | 福思(杭州)智能科技有限公司 | 探测对象的检测方法、装置、存储介质和电子装置 |
CN115656961A (zh) * | 2022-12-26 | 2023-01-31 | 南京楚航科技有限公司 | 一种基于并行处理器的os-cfar处理方法及系统 |
WO2023056991A3 (zh) * | 2022-05-20 | 2023-09-21 | 加特兰微电子科技(上海)有限公司 | Mimo传感器及到达角近似度判断方法和目标信息匹配方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009025159A (ja) * | 2007-07-19 | 2009-02-05 | Mitsubishi Electric Corp | レーダ装置 |
CN104950297A (zh) * | 2015-06-25 | 2015-09-30 | 西安电子科技大学 | 基于矩阵1范数拟合的阵元误差估计方法 |
CN105445701A (zh) * | 2015-11-11 | 2016-03-30 | 西安电子科技大学 | Ddma-mimo雷达目标的单脉冲角度估计方法 |
CN107544061A (zh) * | 2017-09-11 | 2018-01-05 | 深圳大学 | 基于知识的稀疏恢复空时自适应处理方法及系统 |
WO2018158353A1 (en) * | 2017-03-03 | 2018-09-07 | Iee International Electronics & Engineering S.A. | Method and system for obtaining an adaptive angle-doppler ambiguity function in mimo radars |
CN109085555A (zh) * | 2018-08-08 | 2018-12-25 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于多通道特征的假目标抑制方法 |
CN109581352A (zh) * | 2018-12-10 | 2019-04-05 | 南京莱斯电子设备有限公司 | 一种基于毫米波雷达的超分辨测角系统 |
CN109633598A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于特征分析的阵列雷达目标检测方法 |
-
2019
- 2019-09-27 CN CN201910922912.7A patent/CN110646773B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009025159A (ja) * | 2007-07-19 | 2009-02-05 | Mitsubishi Electric Corp | レーダ装置 |
CN104950297A (zh) * | 2015-06-25 | 2015-09-30 | 西安电子科技大学 | 基于矩阵1范数拟合的阵元误差估计方法 |
CN105445701A (zh) * | 2015-11-11 | 2016-03-30 | 西安电子科技大学 | Ddma-mimo雷达目标的单脉冲角度估计方法 |
WO2018158353A1 (en) * | 2017-03-03 | 2018-09-07 | Iee International Electronics & Engineering S.A. | Method and system for obtaining an adaptive angle-doppler ambiguity function in mimo radars |
CN107544061A (zh) * | 2017-09-11 | 2018-01-05 | 深圳大学 | 基于知识的稀疏恢复空时自适应处理方法及系统 |
CN109085555A (zh) * | 2018-08-08 | 2018-12-25 | 中国航空工业集团公司雷华电子技术研究所 | 一种基于多通道特征的假目标抑制方法 |
CN109581352A (zh) * | 2018-12-10 | 2019-04-05 | 南京莱斯电子设备有限公司 | 一种基于毫米波雷达的超分辨测角系统 |
CN109633598A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于特征分析的阵列雷达目标检测方法 |
Non-Patent Citations (5)
Title |
---|
JUNHUI QIAN ET AL.: ""Robust adaptive beamforming for multiple-input multiple-output radar with spatial filtering techniques"", 《SIGNAL PROCESSING》 * |
WEI ZHANG ET AL.: ""Enhanced Detection of Doppler-Spread Targets for FMCW Radar"", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
WEI ZHANG ET AL.: ""Space time adaptive processing based on sparse recovery and clutter reconstructing"", 《IET RADAR, SONAR & NAVIGATION》 * |
毕欣等: "车载LFMCW雷达多运动目标探测算法研究", 《传感器与微系统》 * |
陈文鹤等: "毫米波汽车防撞雷达波形设计", 《计算机测量与控制》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111157995A (zh) * | 2020-01-06 | 2020-05-15 | 电子科技大学 | 一种汽车雷达侧视角度超分辨成像方法 |
CN111562570A (zh) * | 2020-04-30 | 2020-08-21 | 南京理工大学 | 基于毫米波雷达的面向自动驾驶的车辆感知方法 |
CN111679266A (zh) * | 2020-06-18 | 2020-09-18 | 成都纳雷科技有限公司 | 汽车毫米波雷达稀疏阵列栅瓣虚假目标识别方法及系统 |
CN111751796B (zh) * | 2020-07-03 | 2023-08-22 | 成都纳雷科技有限公司 | 一种基于一维线阵的交通雷达角度测量方法、系统及装置 |
CN111751796A (zh) * | 2020-07-03 | 2020-10-09 | 成都纳雷科技有限公司 | 一种基于一维线阵的交通雷达角度测量方法、系统及装置 |
CN111796270A (zh) * | 2020-07-08 | 2020-10-20 | 电子科技大学 | 周界安防雷达横向穿越目标检测方法、系统、介质及设备 |
CN112099015A (zh) * | 2020-08-26 | 2020-12-18 | 浙江理工大学 | 提升毫米波雷达检测估计性能的自适应波形设计方法 |
CN112099015B (zh) * | 2020-08-26 | 2024-02-09 | 浙江理工大学 | 提升毫米波雷达检测估计性能的自适应波形设计方法 |
CN112578361A (zh) * | 2020-11-26 | 2021-03-30 | 中国人民解放军空军工程大学 | 米波雷达高精度二维角估计算法 |
CN112578361B (zh) * | 2020-11-26 | 2023-11-03 | 中国人民解放军空军工程大学 | 米波雷达高精度二维角估计算法 |
CN113534089A (zh) * | 2021-07-09 | 2021-10-22 | 厦门精益远达智能科技有限公司 | 一种基于雷达的目标检测方法、装置以及设备 |
CN113534089B (zh) * | 2021-07-09 | 2024-05-14 | 厦门精益远达智能科技有限公司 | 一种基于雷达的目标检测方法、装置以及设备 |
CN114217284A (zh) * | 2021-12-03 | 2022-03-22 | 珠海安自达科技有限公司 | 一种基于特征的雷达运动目标检测和干扰抑制方法及系统 |
WO2023056991A3 (zh) * | 2022-05-20 | 2023-09-21 | 加特兰微电子科技(上海)有限公司 | Mimo传感器及到达角近似度判断方法和目标信息匹配方法 |
CN115356734A (zh) * | 2022-10-19 | 2022-11-18 | 福思(杭州)智能科技有限公司 | 探测对象的检测方法、装置、存储介质和电子装置 |
CN115656961A (zh) * | 2022-12-26 | 2023-01-31 | 南京楚航科技有限公司 | 一种基于并行处理器的os-cfar处理方法及系统 |
CN115656961B (zh) * | 2022-12-26 | 2023-03-10 | 南京楚航科技有限公司 | 一种基于并行处理器的os-cfar处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110646773B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110646773B (zh) | 一种基于汽车毫米波雷达的弱目标检测方法、跟踪方法及系统 | |
CN110907929B (zh) | 一种基于双门限检测的车载雷达目标检测方法及装置 | |
EP1672379B1 (en) | System and method for reducing a radar interference signal | |
CN114270216A (zh) | 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质 | |
KR102013205B1 (ko) | 레이더 신호 처리 모의 장치 및 방법 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
Trizna | Errors in bathymetric retrievals using linear dispersion in 3-D FFT analysis of marine radar ocean wave imagery | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN114609623B (zh) | 单脉冲雷达的目标检测方法、装置和计算机设备 | |
CN113050059A (zh) | 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法 | |
CN116027318A (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
CN114708257B (zh) | Sar运动舰船目标检测方法及装置 | |
US20210323560A1 (en) | Vehicle speed calculation method, system, device, and storage medium | |
Holder et al. | Modeling and simulation of radar sensor artifacts for virtual testing of autonomous driving | |
CN113419238A (zh) | 基于毫米波雷达的山体滑坡监测方法、电子设备、存储介质 | |
US11378674B2 (en) | Object position and movement estimation using radar | |
CN113514833A (zh) | 一种基于海浪图像的海面任意点波向的反演方法 | |
CN113093168A (zh) | 测距测速方法、装置、雷达及可读存储介质 | |
CN110907930B (zh) | 一种基于角度估计的车载雷达目标检测估计方法及装置 | |
CN116430344A (zh) | 一种基于改进相位特征的海面慢速小目标检测方法 | |
CN116500620A (zh) | 毫米波雷达的数据处理方法、装置、存储介质及无人车 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN114280612B (zh) | 一种绝缘体目标的毫米波雷达恒虚警检测方法 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
Sowjanya et al. | Performance comparison of DAS and BP algorithms for Synthetic Aperture Radar Imaging |
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 |