CN111175716B - 可抑制雷达近距离谐波的辅助驾驶方法 - Google Patents
可抑制雷达近距离谐波的辅助驾驶方法 Download PDFInfo
- Publication number
- CN111175716B CN111175716B CN201910905149.7A CN201910905149A CN111175716B CN 111175716 B CN111175716 B CN 111175716B CN 201910905149 A CN201910905149 A CN 201910905149A CN 111175716 B CN111175716 B CN 111175716B
- Authority
- CN
- China
- Prior art keywords
- harmonic
- target point
- scene
- model
- amplitude
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000002401 inhibitory effect Effects 0.000 title abstract description 4
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 238000009826 distribution Methods 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract description 10
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000011156 evaluation Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 9
- 238000012937 correction Methods 0.000 description 8
- 230000002596 correlated effect Effects 0.000 description 8
- 230000005477 standard model Effects 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 7
- 230000001629 suppression Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 2
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 2
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000005428 wave function Effects 0.000 description 1
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
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the 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
本发明提供一种可抑制雷达近距离谐波的辅助驾驶方法，信息发射/接收：收发器(Tx/Rx)被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号，对收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的原始目标点信息；提取感兴趣的原始目标点信息，计算该场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；当对比模块获取的原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，移动物体判断模块用于判断不对应部分是否存在移动物体。本发明既能够抑制谐波，又可以完整的保留视场中其他距离车辆较近的行人、自行车等重要物体的关键点。
Description
技术领域
本发明涉及汽车电子技术领域，特别是涉及一种可抑制雷达近距离谐波的辅助驾驶方法。
背景技术
辅助驾驶技术现如今日渐成熟，就以现在的技术看，高级辅助驾驶系统(AdvancedDriver Assistance System，ADAS)及无人驾驶系统中常用的感知设备是视觉感知设备、超声波雷达、激光雷达。
毫米波雷达在探测障碍物时，例如检测到横向穿过的车辆，毫米波雷达经过发射器多次发射波遇到该横向穿过的车辆时在低速场景下经过多次反射，多次反射会导致产生多次谐波。谐波是一种干扰因素，它是由反射产生的。谐波体现二维FFT后形成的多普勒频谱图上，表现为一个或者几个反射点，但是系统无法区分这些反射点。后续检测算法误差，系统会对毫米波检测到的点云数据进行预处理，预处理中包括对谐波进行抑制处理，即通过算法去除掉该目标点的若干个反射点。毫米波谐波抑制预处理虽然减少了虚景问题出现的几率，但是这种毫米波点云数据处理在实际场景中会因为谐波抑制算法误将其他重要物体的关键点当做反射点去除掉。比如，当横向穿过的车辆旁边刚好有行人、自行车穿过，而行人、自行车作为视场中的重要物体需要被监测时，但是表征行人或者自行车的目标点在经过谐波抑制算法时，会被错误的去除掉。所以后期以该部分点云数据为原数据进行聚类算法也是无法获得行人或者自行车的。所以如何能做到既能够抑制谐波，又可以完整的保留视场中其他距离车辆较近的行人、自行车等重要物体的关键点，即去除“虚景”点、保留“幽灵”点成为亟待解决的问题。
发明内容
为了解决上述的以及其他潜在的技术问题，本发明提供了一种可抑制雷达近距离谐波的辅助驾驶方法，解决了毫米波谐波抑制预处理虽然减少了虚景问题出现的几率，但是这种毫米波点云数据处理在实际场景中会因为谐波抑制算法误将其他重要物体的关键点当做反射点去除掉的问题。
一种可抑制雷达近距离谐波的辅助驾驶系统，包括：
至少一个收发器(Tx/Rx)，其被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号；
原始数据处理单元，所述原始数据处理单元用于对收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的原始目标点信息；
目标点提取模块，所述目标点提取模块提取感兴趣的原始目标点信息；
谐波计算模块，所述谐波阶数计算模块用于计算该场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；
移动物体判断模块，当对比模块获取的原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述移动物体判断模块用于判断不对应部分是否存在移动物体。
进一步地，所述谐波计算模块包括谐波阶数判断模块和谐波幅值计算模块。
进一步地，所述谐波阶数判断模块用于判断原始目标点信息中各个目标点产生谐波的阶数以及各个阶级谐波的位置。
进一步地，所述谐波幅值计算模块用于计算各个阶级谐波位置所属谐波的幅值。
进一步地，还包括谐波关联模块，所述谐波关联模块用于获取谐波阶数判断模块和谐波幅值计算模块之间的关联。
进一步地，所述谐波关联模块获取的关联范围包括但不限于目标点是否产生谐波、每个目标点产生谐波的阶数、每个目标点产生各个谐波阶数对应的谐波幅值、以及随时间延续视野范围内目标点变化后各个目标点、目标点产生谐波、谐波阶数和各个阶数谐波对应幅值之间的关联关系。
进一步地，当原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析，并将分析结果输出给移动物体判断模块。
进一步地，还包括分析模块，当对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析时，分析模块以该目标点回波次数、目标点幅值为输入数据，输入数据输入至场景多反模型中，获得各个目标点的谐波阶数和各个阶数谐波幅值。
进一步地，所述场景多反模型用于表征特定场景各个反射体、反射位置的反射关系，所述场景多反模型可以为S-V的多反模型或者依照特定场景实测获得的反映该特定场景反射关系的多反模型。
进一步地，所述标准场景多反模型根据测量场景环境提取特征参数，确定场景覆盖范围和高度。
进一步地，所述S-V多反模型通过测量环境，以毫米波雷达提取特征参数，获得标准模型，标准模型根据测量结果提取停车场环境，覆盖范围以7米到20米，高达10Ghz。
例如，办公室环境模型的测量范围3～28m，2-8Ghz,对户外测量范围5-17米范围内，高达3-6Ghz。工业模型环境是根据测量结果提取的，覆盖范围3-10Ghz和距离2-8米。
进一步地，所述场景多反模型包括一个或者多个标准场景多反模型和/或特定场景多反模型。
进一步地，所述特定场景多反模型将场景分为标准区和特定区，标准区根据测量场景环境提取特征参数，特定去根据特定位置反射物反射关系建模。
进一步地，还包括评估模块，所述评估模块用于评估标准场景多反模型和特定场景多反模型在特定场景中的匹配程度，评估模块评估依据包括但不限于路径损耗特征、幅度分布特征、聚类特征、反射特性特征。
进一步地，所述路径损耗特征对评估模块评估产生的影响为路径损耗特征在计算机上实现此模型涉及生成N个相关的对数正态变量代表N个不同组，然后应用适当的路径损失身体周围天线之间的距离。这个可以通过生成N个相关的正常变量来完成，添加路径损耗，然后从dB转换为线性规模，引入适当的方差和互相关系数，描述每个组的振幅分布的分布，不再现协方差矩阵C。
进一步地，所述标准场景多反模型形成参数化通道之后，可用于生成脉冲响应的集合，反过来也用于测试不同毫米波收发器结构性能。
例如典型室内和室外环境，以路径损耗、幅度分布、聚类等特征比较通用渠道模型和事实模型，模拟和测量渠道模型和事实模型的差异，以修正渠道模型。
进一步地，还包括修正渠道模型，所述修正渠道模型用于对标准场景多反模型、特定场景多反模型中的路径损耗特征、幅度分布特征、聚类特征、反射特性特征中的一种或几种进行修正。
一种可抑制雷达近距离谐波的辅助驾驶方法，包括以下步骤：
S01：信息发射/接收：收发器(Tx/Rx)被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号，对收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的原始目标点信息；
S02：提取感兴趣的原始目标点信息，计算该场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；
S03：当对比模块获取的原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，移动物体判断模块用于判断不对应部分是否存在移动物体。
进一步地，还包括谐波阶数判断模块，谐波阶数判断模块用于判断原始目标点信息中各个目标点产生谐波的阶数以及各个阶级谐波的位置。
进一步地，还包括谐波幅值计算模块，所述谐波幅值计算模块用于计算各个阶级谐波位置所属谐波的幅值。
进一步地，还包括谐波关联模块，所述谐波关联模块用于获取谐波阶数判断模块和谐波幅值计算模块之间的关联。
进一步地，所述谐波关联模块获取的关联范围包括但不限于目标点是否产生谐波、每个目标点产生谐波的阶数、每个目标点产生各个谐波阶数对应的谐波幅值、以及随时间延续视野范围内目标点变化后各个目标点、目标点产生谐波、谐波阶数和各个阶数谐波对应幅值之间的关联关系。
进一步地，当原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析，并将分析结果输出给移动物体判断模块。
进一步地，还包括分析模块，当对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析时，分析模块以该目标点回波次数、目标点幅值为输入数据，输入数据输入至场景多反模型中，获得各个目标点的谐波阶数和各个阶数谐波幅值。
进一步地，所述场景多反模型用于表征特定场景各个反射体、反射位置的反射关系，所述场景多反模型可以为S-V的多反模型或者依照特定场景实测获得的反映该特定场景反射关系的多反模型。
进一步地，所述标准场景多反模型根据测量场景环境提取特征参数，确定场景覆盖范围和高度。
进一步地，所述S-V多反模型通过测量环境，以毫米波雷达提取特征参数，获得标准模型，标准模型根据测量结果提取停车场环境，覆盖范围以7米到20米，高达10Ghz。
例如，办公室环境模型的测量范围3～28m，2-8Ghz,对户外测量范围5-17米范围内，高达3-6Ghz。工业模型环境是根据测量结果提取的，覆盖范围3-10Ghz和距离2-8米。
进一步地，所述S-V多反模型的工作原理：
用信号的离散表示脉冲响应，信号的相位角被假定为统计上的具有均匀分布的独立随机变量，之后是找到路径增益{Pk}和到达时间{Tk}的联合统计数据；
在给S-V多反模型建模时，到达时间{Tk}形成泊松到达时间序列，其具有一定范围的均值，然后概率分布中选择与每个TL相关的路径增益，选出的路径增益是到达时间Tk的函数。
进一步地，所述S-V多反模型可以使用马尔可夫模型来代替。
进一步地，所述马尔可夫模型的特征包括射线聚类效应参数，它是一种多路径模型，可以具有高拟合度的拟合数据，又能够保留在恒定速率下以泊松到达时间过程和相互独立的路径增益的基本特征，从而使其在分析中的使用相对简单。
进一步地，所述场景多反模型从光线到达聚类的物理实现开始，群集到达时间，即群集的第一光线的到达时间，被建模为具有一定固定速率A的泊松到达过程；在每个群集内，后续射线也根据泊松到达过程到达另一个群集。
例如，使固定速率X，每个聚类由许多射线组成，即：X>>A.让第l个聚类的到达时间由T1表示，z＝0,1,2，…。此外，让从lts h簇的开始测量的第k条射线的到达时间用rk1表示，k＝0,1,2，…。根据定义，对于第一个簇，TO＝0，并且对于lt簇内的第一个光线，rO1＝0.因此，根据我们的模型，T1和Tkl由独立的到达间指数概率密度函数描述。
进一步地，所述场景多反模型包括一个或者多个标准场景多反模型和/或特定场景多反模型。
进一步地，所述第一个到达的光线簇是由透射的沿着或多或少的“直接”路径前进接收器。这样的路径通常不是直线，主要包括开放空间(例如，hailways)，并且去通过一些但不是太多的墙壁，后续集群来自建筑物超结构的反射(例如，大型金属化外壁或内壁和门)。在我们的建筑中，两端金属门是附加集群的主要原因。
进一步地，所述特定场景多反模型将场景分为标准区和特定区，标准区根据测量场景环境提取特征参数，特定去根据特定位置反射物反射关系建模。
进一步地，还包括评估模块，所述评估模块用于评估标准场景多反模型和特定场景多反模型在特定场景中的匹配程度，评估模块评估依据包括但不限于路径损耗特征、幅度分布特征、聚类特征、反射特性特征。
进一步地，所述路径损耗特征对评估模块评估产生的影响为路径损耗特征在计算机上实现此模型涉及生成N个相关的对数正态变量代表N个不同组，然后应用适当的路径损失身体周围天线之间的距离。这个可以通过生成N个相关的正常变量来完成，添加路径损耗，然后从dB转换为线性规模，引入适当的方差和互相关系数，描述每个组的振幅分布的分布，不再现协方差矩阵C。
进一步地，所述标准场景多反模型形成参数化通道之后，可用于生成脉冲响应的集合，反过来也用于测试不同毫米波收发器结构性能。
例如典型室内和室外环境，以路径损耗、幅度分布、聚类等特征比较通用渠道模型和事实模型，模拟和测量渠道模型和事实模型的差异，以修正渠道模型。
进一步地，还包括修正渠道模型，所述修正渠道模型用于对标准场景多反模型、特定场景多反模型中的路径损耗特征、幅度分布特征、聚类特征、反射特性特征中的一种或几种进行修正。
一种计算机存储介质，所述计算机存储介质用于存储上述可抑制雷达近距离谐波的辅助驾驶方法所对应的软件程序和/或可抑制雷达近距离谐波的辅助驾驶系统。
如上所述，本发明的具有以下有益效果：
当横向穿过的车辆旁边刚好有行人、自行车穿过，而行人、自行车作为视场中的重要物体需要被监测时，但是表征行人或者自行车的目标点在经过谐波抑制算法时，会被错误的去除掉。所以后期以该部分点云数据为原数据进行聚类算法也是无法获得行人或者自行车的。利用本发明方法能做到既能够抑制谐波(其中包括多次谐波)，又可以完整的保留视场中其他距离车辆较近的行人、自行车等重要物体的关键点。
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的前提下，还可以根据这些附图获得其他的附图。
图1显示为本发明的一实施例的示意图。
图2显示为的另一实施例的示意图。
图3显示为另一实施例的示意图。
图4显示为另一实施例的示意图。
图5显示为另一实施例的示意图。
图6显示为另一实施例的示意图。
图7显示为三维FFT中在强度和距离维度上的切片图。
图8显示为三维FFT中在强度和速度维度的切片图。
图9显示为三维FFT的示意图。
图10显示为二维FFT的示意图。
图11显示为二维FFT的示意图。
图12显示为二维FFT的示意图。
图13显示为S-V多反模型中反射成指数衰减和功率示意图。
图14显示为S-V多反模型脉冲响应的示意图。
图15显示为目标n在K次FMCW快照后的二维FFT得到的距离-Doppler频谱。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
参见图1～图15，
一种可抑制雷达近距离谐波的辅助驾驶系统，包括：
至少一个收发器(Tx/Rx)，其被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号；
原始数据处理单元，所述原始数据处理单元用于对收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的原始目标点信息；
目标点提取模块，所述目标点提取模块提取感兴趣的原始目标点信息；
谐波计算模块，所述谐波阶数计算模块用于计算该场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；
移动物体判断模块，当对比模块获取的原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述移动物体判断模块用于判断不对应部分是否存在移动物体。
进一步地，所述谐波计算模块包括谐波阶数判断模块和谐波幅值计算模块。
进一步地，所述谐波阶数判断模块用于判断原始目标点信息中各个目标点产生谐波的阶数以及各个阶级谐波的位置。
进一步地，所述谐波幅值计算模块用于计算各个阶级谐波位置所属谐波的幅值。
进一步地，还包括谐波关联模块，所述谐波关联模块用于获取谐波阶数判断模块和谐波幅值计算模块之间的关联。
进一步地，所述谐波关联模块获取的关联范围包括但不限于目标点是否产生谐波、每个目标点产生谐波的阶数、每个目标点产生各个谐波阶数对应的谐波幅值、以及随时间延续视野范围内目标点变化后各个目标点、目标点产生谐波、谐波阶数和各个阶数谐波对应幅值之间的关联关系。
进一步地，当原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析，并将分析结果输出给移动物体判断模块。
进一步地，还包括分析模块，当对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析时，分析模块以该目标点回波次数、目标点幅值为输入数据，输入数据输入至场景多反模型中，获得各个目标点的谐波阶数和各个阶数谐波幅值。
进一步地，所述场景多反模型用于表征特定场景各个反射体、反射位置的反射关系，所述场景多反模型可以为S-V的多反模型或者依照特定场景实测获得的反映该特定场景反射关系的多反模型。
进一步地，所述标准场景多反模型根据测量场景环境提取特征参数，确定场景覆盖范围和高度。
进一步地，所述S-V多反模型通过测量环境，以毫米波雷达提取特征参数，获得标准模型，标准模型根据测量结果提取停车场环境，覆盖范围以7米到20米，高达10Ghz。
例如，办公室环境模型的测量范围3～28m，2-8Ghz,对户外测量范围5-17米范围内，高达3-6Ghz。工业模型环境是根据测量结果提取的，覆盖范围3-10Ghz和距离2-8米。
进一步地，所述场景多反模型包括一个或者多个标准场景多反模型和/或特定场景多反模型。
进一步地，所述特定场景多反模型将场景分为标准区和特定区，标准区根据测量场景环境提取特征参数，特定去根据特定位置反射物反射关系建模。
进一步地，所述第一个到达的光线簇是由透射的沿着或多或少的“直接”路径前进接收器。这样的路径通常不是直线，主要包括开放空间(例如，hailways)，并且去通过一些但不是太多的墙壁，后续集群来自建筑物超结构的反射(例如，大型金属化外壁或内壁和门)。在我们的建筑中，两端金属门是附加集群的主要原因。
进一步地，还包括评估模块，所述评估模块用于评估标准场景多反模型和特定场景多反模型在特定场景中的匹配程度，评估模块评估依据包括但不限于路径损耗特征、幅度分布特征、聚类特征、反射特性特征。
进一步地，所述路径损耗特征对评估模块评估产生的影响为路径损耗特征在计算机上实现此模型涉及生成N个相关的对数正态变量代表N个不同组，然后应用适当的路径损失身体周围天线之间的距离。这个可以通过生成N个相关的正常变量来完成，添加路径损耗，然后从dB转换为线性规模，引入适当的方差和互相关系数，描述每个组的振幅分布的分布，不再现协方差矩阵C。
进一步地，所述标准场景多反模型形成参数化通道之后，可用于生成脉冲响应的集合，反过来也用于测试不同毫米波收发器结构性能。
例如典型室内和室外环境，以路径损耗、幅度分布、聚类等特征比较通用渠道模型和事实模型，模拟和测量渠道模型和事实模型的差异，以修正渠道模型。
进一步地，还包括修正渠道模型，所述修正渠道模型用于对标准场景多反模型、特定场景多反模型中的路径损耗特征、幅度分布特征、聚类特征、反射特性特征中的一种或几种进行修正。
一种可抑制雷达近距离谐波的辅助驾驶方法，包括以下步骤：
S01：信息发射/接收：收发器(Tx/Rx)被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号，对收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的原始目标点信息；
S02：提取感兴趣的原始目标点信息，计算该场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；
S03：当对比模块获取的原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，移动物体判断模块用于判断不对应部分是否存在移动物体。
进一步地，还包括谐波阶数判断模块，谐波阶数判断模块用于判断原始目标点信息中各个目标点产生谐波的阶数以及各个阶级谐波的位置。
进一步地，还包括谐波幅值计算模块，所述谐波幅值计算模块用于计算各个阶级谐波位置所属谐波的幅值。
进一步地，还包括谐波关联模块，所述谐波关联模块用于获取谐波阶数判断模块和谐波幅值计算模块之间的关联。
进一步地，所述谐波关联模块获取的关联范围包括但不限于目标点是否产生谐波、每个目标点产生谐波的阶数、每个目标点产生各个谐波阶数对应的谐波幅值、以及随时间延续视野范围内目标点变化后各个目标点、目标点产生谐波、谐波阶数和各个阶数谐波对应幅值之间的关联关系。
进一步地，当原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析，并将分析结果输出给移动物体判断模块。
进一步地，还包括分析模块，当对比模块对原始目标点中特定位置的幅值与该目标点位置谐波部分进行分析时，分析模块以该目标点回波次数、目标点幅值为输入数据，输入数据输入至场景多反模型中，获得各个目标点的谐波阶数和各个阶数谐波幅值。
进一步地，所述场景多反模型用于表征特定场景各个反射体、反射位置的反射关系，所述场景多反模型可以为S-V的多反模型或者依照特定场景实测获得的反映该特定场景反射关系的多反模型。
进一步地，所述标准场景多反模型根据测量场景环境提取特征参数，确定场景覆盖范围和高度。
进一步地，所述S-V多反模型通过测量环境，以毫米波雷达提取特征参数，获得标准模型，标准模型根据测量结果提取停车场环境，覆盖范围以7米到20米，高达10Ghz。
例如，办公室环境模型的测量范围3～28m，2-8Ghz,对户外测量范围5-17米范围内，高达3-6Ghz。工业模型环境是根据测量结果提取的，覆盖范围3-10Ghz和距离2-8米。
进一步地，所述S-V多反模型的工作原理：
用信号的离散表示脉冲响应，信号的相位角被假定为统计上的具有均匀分布的独立随机变量，之后是找到路径增益{Pk}和到达时间{Tk}的联合统计数据；
在给S-V多反模型建模时，到达时间{Tk}形成泊松到达时间序列，其具有一定范围的均值，然后概率分布中选择与每个TL相关的路径增益，选出的路径增益是到达时间Tk的函数。
进一步地，所述S-V多反模型可以使用马尔可夫模型来代替。
进一步地，所述马尔可夫模型的特征包括射线聚类效应参数，它是一种多路径模型，可以具有高拟合度的拟合数据，又能够保留在恒定速率下以泊松到达时间过程和相互独立的路径增益的基本特征，从而使其在分析中的使用相对简单。
进一步地，所述场景多反模型从光线到达聚类的物理实现开始，群集到达时间，即群集的第一光线的到达时间，被建模为具有一定固定速率A的泊松到达过程；在每个群集内，后续射线也根据泊松到达过程到达另一个群集。
例如，使固定速率X，每个聚类由许多射线组成，即：X>>A.让第l个聚类的到达时间由T1表示，z＝0,1,2，…。此外，让从lts h簇的开始测量的第k条射线的到达时间用rk1表示，k＝0,1,2，…。根据定义，对于第一个簇，TO＝0，并且对于lt簇内的第一个光线，rO1＝0.因此，根据我们的模型，T1和Tkl由独立的到达间指数概率密度函数描述。
进一步地，所述场景多反模型包括一个或者多个标准场景多反模型和/或特定场景多反模型。
进一步地，所述特定场景多反模型将场景分为标准区和特定区，标准区根据测量场景环境提取特征参数，特定去根据特定位置反射物反射关系建模。
进一步地，还包括评估模块，所述评估模块用于评估标准场景多反模型和特定场景多反模型在特定场景中的匹配程度，评估模块评估依据包括但不限于路径损耗特征、幅度分布特征、聚类特征、反射特性特征。
进一步地，所述路径损耗特征对评估模块评估产生的影响为路径损耗特征在计算机上实现此模型涉及生成N个相关的对数正态变量代表N个不同组，然后应用适当的路径损失身体周围天线之间的距离。这个可以通过生成N个相关的正常变量来完成，添加路径损耗，然后从dB转换为线性规模，引入适当的方差和互相关系数，描述每个组的振幅分布的分布，不再现协方差矩阵C。
进一步地，所述标准场景多反模型形成参数化通道之后，可用于生成脉冲响应的集合，反过来也用于测试不同毫米波收发器结构性能。
例如典型室内和室外环境，以路径损耗、幅度分布、聚类等特征比较通用渠道模型和事实模型，模拟和测量渠道模型和事实模型的差异，以修正渠道模型。
进一步地，还包括修正渠道模型，所述修正渠道模型用于对标准场景多反模型、特定场景多反模型中的路径损耗特征、幅度分布特征、聚类特征、反射特性特征中的一种或几种进行修正。
一种可抑制雷达近距离谐波的辅助驾驶系统的应用，
辅助驾驶系统中：
至少一个收发器被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号；
原始数据处理单元用于对收发器(Tx/Rx)发射/接收信号进行预处理，获得包括但不限于目标速度、目标距离、方位角和仰角在内的原始目标点信息；
目标点提取模块提取感兴趣的原始目标点信息；
谐波计算模块用于计算该场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；
当对比模块获取的原始目标点中特定位置的幅值与该目标点位置谐波计算模块获取的谐波部分不对应时，所述移动物体判断模块用于判断不对应部分是否存在移动物体。
一种计算机存储介质，所述计算机存储介质用于存储上述可抑制雷达近距离谐波的辅助驾驶方法所对应的软件程序和/或可抑制雷达近距离谐波的辅助驾驶系统。
77GHz毫米波雷达在ADAS高速场景及低速场景如自动停车应用的情况，雷达发射信号会在强检测目标(strong RCS)，如果车辆，护栏，停车场内金属路障等，经常会形成多次反射，由于汽车雷达多采用FMCW chirp-sequence(调频连续波的序列)波形设计，其发射信号的数学表达形式为
其中ATx表示发射信号的强度，fc0表示载频，表示初始相位，μ表示信号扫描时间因数，信号扫描时间因数对带宽B和扫描持续时间Ts相关，其中μ＝B/Ts，在时间t时刻，发射信号经过n次传播得到强检测目标经过信道h(t)，接收器多收到一个因为反复反射产生的虚景，这两个信号的传播和差频信号的数学关系为：
Sbeat＝(((sTx(t)*h(t))·σRCS,n(t)*h(t))·sTx(t))*lp(t), (2)
其中大括号里面分别为卷积操作、信道响应函数运算变量h(t),σRCS，n(t)检测目标RCS与低通滤波函数lp(t)，将它应用到公式(2)中，降低转换的差频信号写作：
其中An表示信号的强度，τn表示目标n的往返周期，一个雷达快照由K次扫描组成，持续几毫秒的时间，其中目标n的信号的往返时间可以表达为：
τn＝τ0+vD,n·K·TPRI (4)
其中τ0，VD,n，K和TPRI分别是初始往返周期、多普勒速度、扫描次数、扫描和脉冲时间间隔的响应。于是，目标n的差频信号在频域的表达式，就像公式(2)那样，ω(t)表示一个窗函数。在多普勒频率范围fR到fD之间。过以上可以得到某物体的特定反射点(τn)的回波信号.考虑到在复杂场景下，回波信号会包括多次反射，结合[S-V]的多反模型，可以把表示目标n的整个回波信号表达为
其中表示目标点信号部分；Tl,τkl表示第l个反射节点到达时间及从节点l开始的第k次照射的达到时间。βkl为对应的成指数衰减的信号增益。由公式(6)得到的模型可以根据第一部分的目标信号直接推算出1次，2次,…,n次谐波的时频响应。其中信号增益的可以利用信道测量方式标定,如[Molisch]，其标定可以按照场景分类，如停车场，室外等等。
给出具体一次谐波抑制方法，如公式(5)所示，此方法可以抑制复杂环境内的多次谐波，并不局限于图15所示方案。
如图所示目标n在K次FMCW快照后的二维FFT得到的距离-Doppler频谱，其1次谐波与目标m位于相同的位置，根据公式(6)及上述的标定方案，可以根据目标n的目标点信号部分(Line-of-Sight)计算出其所有谐波信号(包括幅值与相位)，这样整个目标n谐波干扰的位置(如目标m与一次谐波的干扰)可以通过简单复数减法进行抑制，从而得到目标m正确的幅值及相位相应。
如图1所示，在一实施例中，当前车辆向正上方行驶，前方有一横向行驶的车辆，当毫米波雷达检测到目标点时，由于波的多次反射，目标点的后方相等距离延伸线方向产生一次谐波的位置如虚线所示，该一次谐波在频谱图上的位置与处于当前车辆正前方的行人作为目标点，行人以圆圈表示，在频谱图上面的位置相同。是纵坐标表示多普勒速度，横坐标表示相对距离，则靠近原点位置，节点上以三角符号表示的是距离当前车辆最近位置且处于横向车辆上的目标点(LOS1)，节点上以叉号表示的是距离当前车辆稍远位置且处于横向车辆上的目标点(LOS2).处于目标点(LOS1)延伸线上且与目标点(LOS1)与提供视野车辆距离相等位置的三角符号点为目标点(LOS1)的一次虚景谐波点，处于该一次虚景谐波点相同的位置的圆代表行人。处于目标点(LOS2)延伸线上且与目标点(LOS2)与提供视野车辆距离相等位置的叉号符号为目标点(LOS2)的一次虚景谐波点，处于该一次虚景谐波点相同的位置的圆代表行人。
如图2所示，在一实施例中，当前车辆向正上方行驶，前方有一纵向相向行驶的车辆，当毫米波雷达检测到目标点时，由于波的多次反射，目标点的后方相等距离延伸线方向产生一次谐波的位置如虚线所示，该一次谐波在频谱图上的位置与处于当前车辆正前方的立柱作为目标点，立柱以圆圈表示，在频谱图上面的位置相同。是纵坐标表示多普勒速度，横坐标表示相对距离，则靠近原点位置，当提供视野的车辆处于非常缓慢速度前行时，可以探测到立柱作为目标在多普勒速度上是静止的，但是可以看到在距离方向是具有两个脉冲，第一个脉冲是纵向车辆车身上得到的目标点(LOS1)，第二个脉冲是第一个脉冲的一次谐波点，在该处还包括立柱形成的真实目标点(LOS2),使用本方法可以去除第二个脉冲中有关第一个脉冲的部分，保留立柱形成的真实目标点部分。
如图3所示，中间是提供视野的车辆，该车辆整准备从停车位出来，此时车速非常缓慢。在提供视野车辆的左侧和右侧均有停车。VT1为一辆从左侧向右侧行驶的车辆，但是由于VT1与提供视野车辆连线之间还有停车，该停车的虚景正好在从左侧向右侧行驶的车辆处，在频谱图上表示时，停车的一次谐波点与从左侧向右行驶的车辆检测到的目标点正好在相近的位置，所以处理一次谐波点时，需要按照上述方法以S-V多反模型构建的停车场模型为基础，获得一次谐波点的幅度参数，进而计算出一次谐波在频谱图上的位置。从而将一次谐波从从左侧向右行驶的车辆目标点中检测剥离出来。使提供视野的车辆可以感知到该车辆的相对速度、距离关系，为车辆自主判断提供基础。另外，处于VT1车辆旁边的行人(圆形表示)由于与提供视野车辆的距离相同，所以表征行人的目标点在频谱图中的位置与从左侧向右行驶的车辆位置相近。而行人的移动方向与VT1车辆不同，以S-V多反模型可以结合环境信息、聚类算法和动静分离算法将行人和车辆分开。
VT2是一辆从左向右的低速行驶的车辆，当该车辆正好经过如图所示位置的20秒时间内，由于左侧停车的检测点经过一次反射形成的虚景位置在频谱图上与左侧行人(圆形表示)的位置相近。需要用本方案算法将左侧行人、从左向右低速行驶的车辆分别剥离出来。
如图4所示，车辆左侧的转弯处有墙遮挡，提供视野的车辆检测到墙时，由于多反现象出现在真实的墙体后方有墙的虚景。如果在墙的虚景位置又出现了移动的行人或者是车辆，那么在去除虚景墙时，也涉及到如何保留真实的行人和车辆的问题，特别在多次反射产生多次虚景时，在提供视野车辆与墙目标点连线的延长线上，间隔距离等于提供视野车辆与墙目标点之间距离的位置出现的障碍物、移动物体等等都会与谐波在频谱图上的位置重叠。需要分别找出各次谐波的波形函数，依次剥离。
如图5所示，在提供视野车辆准备停车时，目标停车位左侧和右侧均停有车辆，但是中间的停车位虽然没有停车但是设置有地锁。当提供视野车辆行驶到当前位置时，其检测到左侧停车的目标点，目标点的一次谐波位置很容易找到。但是如果地锁的位置正好处于左侧车辆一次谐波位置时，过滤一次谐波之后，检测到地锁的目标点也由于在频谱图上的位置与一次谐波位置靠近也被过滤掉了。提供视野车辆没有感知到地锁，而规划停至该车位，会出现碰撞风险。所以需要根据S-V模型获得地锁。并在过滤虚景谐波时，将谐波的函数有效识别出来，并根据识别函数进行谐、波剥离。这样可以保留地锁的检测点，辅助车辆提前检测到地锁。
如图6所示，在提供视野车辆准备停车时，目标停车位左侧和右侧均停有车辆，左侧车辆开车门。当提供视野车辆行驶到当前位置时，其检测到左侧停车的目标点，目标点的一次谐波位置很容易找到，过滤一次谐波之后，检测到地锁的目标点也由于在频谱图上的位置与一次谐波位置靠近也被过滤掉了。提供视野车辆没有感知到车门，而规划停至该车位，会出现碰撞车门风险。
如图7-12所示，是3维FFT中在强度和距离维度上的切片图。是3维FFT中在强度和速度维度的切片。是3维FFT的示意图。是三维FFT中提取了目标点相关的频谱图，该图中可以看到强度最高的脉冲表征目标点，在目标点侧面强度第二高的脉冲表征第一反射点，靠近第一反射点的位置还具有第一反射点对应的散射点，与第一反射点距离约等于目标点与第一反射点距离的反向位置还有第二反射点。目标物体在三维傅里叶变换频谱图中的频谱总量＝目标物体目标点频谱+目标物体反射点在频谱中的频谱数量+移动物体(行人、自行车)在频谱中的数量。
优先地，在S-V多反模型中，其实左侧停车与提供视野车辆连线的延伸线上可能出现不止一次谐波，当出现二次谐波、三次谐波、四次谐波时，这些谐波产生的虚景会影响与该二次谐波、三次谐波、四次谐波处于以提供视野车辆为圆心，与二次谐波虚景、三次谐波虚景、四次谐波虚景处于同一半径下的障碍物的检测。特别是当提供视野车辆与左侧停车的相对速度矢量也与提供视野车辆与障碍物的相对速度矢量相同时。同样以本方案算法分别找到各次谐波的波函数，将频谱图中处于相近位置的二次谐波虚景与真实障碍物、三次谐波虚景与真实障碍物、四次谐波虚景与障碍物分别分离出来。
一种计算机存储介质，所述计算机存储介质用于存储上述基于毫米波雷达的辅助驾驶方法所对应的软件程序和/或基于毫米波雷达的辅助驾驶系统。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中包括通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (5)
1.一种可抑制雷达近距离谐波的辅助驾驶方法，其特征在于，包括以下步骤：
S01：信息发射/接收：收发器被配置成放射发射雷达信号且接收所述发射雷达信号的回波信号，对收发器发射/接收信号进行预处理，获得包括目标速度、目标距离、方位角和仰角在内的原始目标点信息；
S02：提取感兴趣的原始目标点信息，计算对应场景下原始目标点的谐波阶数和谐波幅值，并从原始目标点信息中分离出各个目标点的谐波部分以及对应的谐波阶数；
S03：当对比模块获取的原始目标点中特定位置的幅值与对应目标点位置谐波计算模块获取的谐波部分不对应时，移动物体判断模块用于判断不对应部分是否存在移动物体，其中，当对比模块对原始目标点中特定位置的幅值与对应目标点位置谐波部分进行分析时，分析模块以目标点回波次数、目标点幅值为输入数据，输入数据输入至场景多反模型中，获得各个目标点的谐波阶数和各个阶数谐波幅值；所述场景多反模型用于表征特定场景各个反射体、反射位置的反射关系，所述场景多反模型具体包括S-V的多反模型或者依照特定场景实测获得的反映特定场景反射关系的多反模型。
2.根据权利要求1所述的可抑制雷达近距离谐波的辅助驾驶方法，其特征在于，所述S-V的多反模型的工作原理：
用信号的离散表示脉冲响应，信号的相位角被假定为统计上的具有均匀分布的独立随机变量，之后是找到路径增益{Pk}和到达时间{Tk}的联合统计数据；
在给S-V多反模型建模时，到达时间{Tk}形成泊松到达时间序列，其具有一定范围的均值，然后概率分布中选择与每个TL相关的路径增益，选出的路径增益是到达时间Tk的函数。
3.根据权利要求2所述的可抑制雷达近距离谐波的辅助驾驶方法，其特征在于，所述S-V的多反模型具体还包括使用马尔可夫模型来代替。
4.根据权利要求3所述的可抑制雷达近距离谐波的辅助驾驶方法，其特征在于，所述马尔可夫模型的特征包括射线聚类效应参数，它是一种多路径模型，具有高拟合度的拟合数据，又能够保留在恒定速率下以泊松到达时间过程和相互独立的路径增益的基本特征。
5.根据权利要求4所述的可抑制雷达近距离谐波的辅助驾驶方法，其特征在于，所述场景多反模型从光线到达聚类的物理实现开始，群集到达时间，即群集的第一光线的到达时间，被建模为具有一定固定速率A的泊松到达过程；在每个群集内，后续射线也根据泊松到达过程到达另一个群集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910905149.7A CN111175716B (zh) | 2019-09-24 | 2019-09-24 | 可抑制雷达近距离谐波的辅助驾驶方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910905149.7A CN111175716B (zh) | 2019-09-24 | 2019-09-24 | 可抑制雷达近距离谐波的辅助驾驶方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111175716A CN111175716A (zh) | 2020-05-19 |
| CN111175716B true CN111175716B (zh) | 2024-04-19 |
Family
ID=70650064
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910905149.7A Active CN111175716B (zh) | 2019-09-24 | 2019-09-24 | 可抑制雷达近距离谐波的辅助驾驶方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111175716B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104914411A (zh) * | 2015-05-21 | 2015-09-16 | 中国人民解放军63892部队 | 一种单脉冲雷达对交叉眼干扰的检测判别及抑制方法 |
| CN110208793A (zh) * | 2019-04-26 | 2019-09-06 | 纵目科技（上海）股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4222185B2 (ja) * | 2003-10-31 | 2009-02-12 | 株式会社日立製作所 | 補正機能付きレーダ装置 |
| EP2267477A1 (en) * | 2009-06-17 | 2010-12-29 | Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO | A method for detecting a distance, a radar system and a computer program product |
| US9924880B2 (en) * | 2015-02-11 | 2018-03-27 | Samsung Electronics Co., Ltd. | RF doppler bio-signal sensor for continuous heart rate variability and blood pressure monitoring |
-
2019
- 2019-09-24 CN CN201910905149.7A patent/CN111175716B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104914411A (zh) * | 2015-05-21 | 2015-09-16 | 中国人民解放军63892部队 | 一种单脉冲雷达对交叉眼干扰的检测判别及抑制方法 |
| CN110208793A (zh) * | 2019-04-26 | 2019-09-06 | 纵目科技（上海）股份有限公司 | 基于毫米波雷达的辅助驾驶系统、方法、终端和介质 |
Non-Patent Citations (2)
| Title |
|---|
| LFMCW车载防撞雷达信号处理模块研究;严鑫;黄永明;王海明;张铖;;雷达科学与技术(第05期);全文 * |
| 基于动态时间规整算法的车辆目标分类研究;丁帅帅 等;火力与指挥控制;第41卷(第10期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111175716A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8816899B2 (en) | Enhanced target detection using dispersive vs non-dispersive scatterer signal processing | |
| US20100109938A1 (en) | Adaptive radar | |
| US9057783B2 (en) | Change detection method and system for use in detecting moving targets behind walls, barriers or otherwise visually obscured | |
| CN112835026B (zh) | 雷达镜像目标检测方法、装置、雷达设备和车辆 | |
| CN116256746A (zh) | 基于雷达对防范区域周界空域异物入侵监测系统及方法 | |
| Fan et al. | Moving target localization behind L-shaped corner with a UWB radar | |
| CN111175714B (zh) | 可抑制雷达近距离谐波的辅助驾驶方法和存储介质 | |
| CN111175715B (zh) | 可抑制雷达近距离谐波的辅助驾驶系统、方法 | |
| US8320216B2 (en) | Active sonar system and active sonar method using fuzzy logic | |
| KR101152250B1 (ko) | 차량용 레이더의 오탐지 정보 제거장치 및 방법 | |
| CN113009448A (zh) | 多径目标的检测方法、装置、设备和存储介质 | |
| CN115343713A (zh) | 一种车载毫米波雷达障碍物探测方法，系统，雷达和汽车 | |
| CN108535709A (zh) | 道路杂波抑除 | |
| US9134410B2 (en) | Method and device for detecting a target by masked high energy reflectors | |
| CN111190154B (zh) | 可抑制雷达近距离谐波的辅助驾驶系统、方法 | |
| CN111175717B (zh) | 可抑制雷达近距离谐波的辅助驾驶方法和场景应用 | |
| Holder et al. | Modeling and simulation of radar sensor artifacts for virtual testing of autonomous driving | |
| Laribi et al. | A novel target-height estimation approach using radar-wave multipath propagation for automotive applications | |
| CN111175716B (zh) | 可抑制雷达近距离谐波的辅助驾驶方法 | |
| CN111190155B (zh) | 可抑制雷达近距离谐波的辅助驾驶系统 | |
| Gao et al. | Static background removal in vehicular radar: Filtering in azimuth-elevation-doppler domain | |
| KR20200129526A (ko) | 차량용 레이더 장치, 및 차량용 레이더 제어 방법과 시스템 | |
| CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
| 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 | |
| CN113866750A (zh) | 一种基于毫米波雷达的行人目标检测和跟踪方法 |
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 |