CN112068100A - 二维多普勒fft峰值捕获方法、动目标感知方法及应用 - Google Patents

二维多普勒fft峰值捕获方法、动目标感知方法及应用 Download PDF

Info

Publication number
CN112068100A
CN112068100A CN202010920123.2A CN202010920123A CN112068100A CN 112068100 A CN112068100 A CN 112068100A CN 202010920123 A CN202010920123 A CN 202010920123A CN 112068100 A CN112068100 A CN 112068100A
Authority
CN
China
Prior art keywords
frame
data
peak
dimensional doppler
doppler fft
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.)
Pending
Application number
CN202010920123.2A
Other languages
English (en)
Inventor
林均仰
孔德立
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Sidian Microsystems Co ltd
Original Assignee
Nanjing Sidian Microsystems Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Sidian Microsystems Co ltd filed Critical Nanjing Sidian Microsystems Co ltd
Priority to CN202010920123.2A priority Critical patent/CN112068100A/zh
Publication of CN112068100A publication Critical patent/CN112068100A/zh
Pending legal-status Critical Current

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
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
    • 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

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

本发明提供了一种二维多普勒FFT峰值捕获方法、动目标感知方法及应用，解决了现有技术中系统成本高、功耗高的问题。该基于二维多普勒FFT峰值捕获方法包括：获取二维多普勒FFT数据并进行逐帧分割；提取分割得到的数据中位于目标范围内的数据；将位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；逐帧查找筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。

Description

二维多普勒FFT峰值捕获方法、动目标感知方法及应用
技术领域
本发明涉及雷达探测技术领域，具体涉及一种二维多普勒FFT峰值捕获方法、动目标感知方法及应用。
背景技术
毫米波是指波长从0.1～1cm的电磁波，其对应的频率范围为30～300GHz。毫米波雷达在车载雷达，智能机器人，生命体征测量，手势识别等领域都有着广泛的应用。传统的毫米波雷达系统一般包含射频模拟前端、数模转换、数字信号处理单元等部分，其中数字信号处理单元通常采用高性能数字信号处理器(DSP)。但是，这类DSP通常有系统复杂，成本高、功耗大等缺点，并不适用于物联网，智能感知交互等低成本、小尺寸、以及低功耗的应用场景。
发明内容
有鉴于此，本发明的目的在于提供二维多普勒FFT峰值捕获方法、动目标感知方法及应用。
为了实现上述目的，本发明一实施例提供的技术方案如下：
一种二维多普勒FFT峰值捕获方法，包括：
获取二维多普勒FFT数据并进行逐帧分割；
提取分割得到的数据中位于目标范围内的数据；
将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。
本发明还提供一种基于二维多普勒FFT峰值的动目标感知方法的实施例，包括：
逐帧分割二维多普勒FFT峰值数据；
将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
本发明还提供一种基于二维多普勒FFT峰值的动目标感知方法的实施例，包括：
获取二维多普勒FFT数据并进行逐帧分割；
提取分割得到的数据中位于目标范围内的数据；
将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据输出；
逐帧分割所述峰值数据；
将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
一实施例中，所述方法还包括：
将所述预设数量的峰值数据点相应的峰值点位置信息输出。
本发明还提供一种二维多普勒FFT峰值捕获模块的实施例，包括：
帧同步控制单元，用于获取二维多普勒FFT数据并进行逐帧分割；
目标区域控制单元，用于提取分割得到的数据中位于目标范围内的数据；
阈值比较单元，用于将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
捕获单元，用于逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。
本发明还提供一种基于二维多普勒FFT峰值的动目标感知模块的实施例，包括：
帧同步控制单元，用于逐帧分割二维多普勒FFT峰值数据；
多帧状态锁存单元，用于将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
感知单元，用于根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
本发明还提供一种毫米波雷达芯片的实施例，包括二维多普勒FFT峰值捕获模块和二维多普勒FFT峰值捕获模块，其中，
所述二维多普勒FFT峰值捕获模块包括：
帧同步控制单元，用于获取二维多普勒FFT数据并进行逐帧分割；
目标区域控制单元，用于提取分割得到的数据中位于目标范围内的数据；
阈值比较单元，用于将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
捕获单元，用于逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据输出；
所述二维多普勒FFT峰值捕获模块包括：
帧同步控制单元，用于逐帧分割所述峰值数据；
多帧状态锁存单元，用于将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
感知单元，用于根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
一实施例中，所述捕获单元还用于将所述预设数量的峰值数据点相应的峰值点位置信息输出。
一实施例中，还包括二维数据帧缓存模块，用于实时保存获取的二维多普勒FFT数据。
一实施例中，所述毫米波雷达芯片通过GPIO接口将动目标感知结果进行输出。
本申请的技术方案中，通过对二维多普勒FFT数据进行分割并逐帧求模运算，从而可以筛出其中的峰值数据点用作后续的动目标感知，不需要外部处理器的参与即可实现单芯片对运动目标的感知，功耗低且系统结构简单，有效降低了系统的实施成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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中记载的一些实施例，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为本发明一实施方式二维多普勒FFT峰值捕获方法的流程图；
图2为本发明一实施方式基于二维多普勒FFT峰值的动目标感知方法的流程图；
图3为本发明一实施方式基于二维多普勒FFT峰值的动目标感知方法的流程图；
图4为本发明一实施方式二维多普勒FFT峰值捕获模块的模块图；
图5是本发明一实施方式基于二维多普勒FFT峰值的动目标感知模块的模块图；
图6是本申请一实施方式毫米波雷达芯片的模块图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
参图1，介绍本申请二维多普勒FFT峰值捕获方法的一具体实施方式，在本实施方式中，该方法包括：
S11、获取二维多普勒FFT数据并进行逐帧分割。
在一个实施例中，二维多普勒FFT峰值捕获方法可以是用于雷达芯片或者依托雷达芯片实现，在具体的结构中，毫米波雷达芯片可以连接有发射天线和接收天线，毫米波雷达芯片通过发射天线发射射频信号并通过接收天线接收回波信号，同时，对接收的回波信号完成数字信号处理，获得二维多普勒FFT数据。这里获得的二维多普勒FFT数据可以是缓存在一个二维数据帧缓存单元中，以供后续的处理。
本步骤中，通过将二维多普勒FFT数据进行逐帧分割，可以实现后续的逐帧独立处理。
S12、提取分割得到的数据中位于目标范围内的数据。
获取的二维多普勒FFT数据中，通常包括大量感兴趣的目标区域(即设定的检测范围)之外的数据，因此，需要将这部分感兴趣的目标区域之外的数据进行筛除，也即只提取分割得到的数据中位于目标范围内的数据。具体的目标范围可以根据不同的应用场景进行设置。
S13、将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据。
在目标范围内的不同距离上，对应设置有不同的距离阈值，通过将不同距离上数据中大于对应距离阈值的数据进行筛选，可供用于获取相应的峰值数据点。
S14、逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。
每帧中查找的峰值数据点的数量可以是预先进行设置，并且，在一些实施例中，在查找到峰值数据点后，相应的峰值数据和峰值点位置信息也可以是择一地输出。
参图2，介绍本申请基于二维多普勒FFT峰值的动目标感知方法的一具体实施方式，在本实施方式中，该方法包括：
S21、逐帧分割二维多普勒FFT峰值数据。
将二维多普勒FFT峰值数据进行逐帧分割以实现数据的逐帧独立处理。
S22、将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存。
这里的预设阈值与具体的应用场景相匹配，例如，本实施方式中感知的动目标可以是快速运动的目标如高速行使的车辆、也可以是微动目标如人体呼吸或者心跳产生的胸腔微小运动等。而对应不同的应用场景，相应二维多普勒FFT峰值数据会对应不同的阈值，通过与该阈值的比较可以获得各FFT峰值数据所对应的比对结果并锁存。
S23、根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
在具体的比对过程中，例如存在某帧二维多普勒FFT峰值数据大于预设阈值，则认定对应存在运动目标；而如果连续多帧二维多普勒FFT峰值数据都持续小于预设阈值，则认定对应不存在运动目标。
当然，这里根据多帧峰值数据的比对结果判断是否存在运动目标可以是例如根据运动目标感测精度和灵敏度的需求进行设定。在灵敏度要求较高的场景中，可以是根据更少帧的峰值数据的比对结果进行判断；而在感测精度要求更高的场景中，可以是相应利用更多帧的峰值数据的比对结果进行判断。
参图3，介绍本申请基于二维多普勒FFT峰值的动目标感知方法的一具体实施方式。在本实施方式中，该方法包括：
S31、获取二维多普勒FFT数据并进行逐帧分割。
S32、提取分割得到的数据中位于目标范围内的数据。
S33、将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据。
S34、逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据输出。
S35、逐帧分割所述峰值数据。
S36、将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存。
S37、根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
在一些实施例中，步骤S34还可以同步将峰值数据点相应的位置信息进行输出，以满足需要位置信息的一些应用场景。
并且，本申请实施方式中的基于二维多普勒FFT峰值的动目标感知方法是利用在先实施方式中的二维多普勒FFT峰值捕获方法进行峰值数据的捕获，再实施基于二维多普勒FFT峰值的动目标感知方法，由于在在先的实施方式中已经对此作了详细的阐述，因此在此不再赘述。
参图4，本申请还提供一种二维多普勒FFT峰值捕获模块的实施方式。在本实施方式中，该二维多普勒FFT峰值捕获模块包括帧同步控制单元、目标区域控制单元、阈值比较单元、以及捕获单元。
帧同步控制单元用于获取二维多普勒FFT数据并进行逐帧分割；目标区域控制单元用于提取分割得到的数据中位于目标范围内的数据；阈值比较单元用于将位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；捕获单元用于逐帧查找筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。
参图5，本申请还提供一种基于二维多普勒FFT峰值的动目标感知模块的实施方式。在本实施方式中，该基于二维多普勒FFT峰值的动目标感知模块包括帧同步控制单元、多帧状态锁存单元、以及感知单元。
帧同步控制单元用于逐帧分割二维多普勒FFT峰值数据；多帧状态锁存单元用于将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；感知单元用于根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
参图6，本申请还提供一种毫米波雷达芯片的实施方式。在本实施方式中，该雷达芯片包括二维数据帧缓存模块、二维多普勒FFT峰值捕获模块、以及二维多普勒FFT峰值捕获模块。
配合参照图4和图5，二维数据帧缓存模块用于实时保存获取的二维多普勒FFT数据。二维多普勒FFT峰值捕获模块包括帧同步控制单元、目标区域控制单元、阈值比较单元和捕获单元，帧同步控制单元用于从二维数据帧缓存模块中获取二维多普勒FFT数据并进行逐帧分割；目标区域控制单元用于提取分割得到的数据中位于目标范围内的数据；阈值比较单元，用于将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；捕获单元用于逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据输出。二维多普勒FFT峰值捕获模块包括帧同步控制单元、多帧状态锁存单元和感知单元，帧同步控制单元用于逐帧分割捕获单元输出的峰值数据和峰值数据位置信息；多帧状态锁存单元用于将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；感知单元用于根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
本实施方式中，毫米波雷达芯片可以例如通过GPIO接口或其它形式的接口将动目标感知结果进行输出。
本申请通过上述实施方式，具有以下有益效果：通过对二维多普勒FFT数据进行分割并逐帧求模运算，从而可以筛出其中的峰值数据点用作后续的动目标感知，不需要外部处理器的参与即可实现单芯片对运动目标的感知，功耗低且系统结构简单，有效降低了系统的实施成本。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个实施例的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (10)

1.一种二维多普勒FFT峰值捕获方法，其特征在于，包括：
获取二维多普勒FFT数据并进行逐帧分割；
提取分割得到的数据中位于目标范围内的数据；
将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。
2.一种基于二维多普勒FFT峰值的动目标感知方法，其特征在于，包括：
逐帧分割二维多普勒FFT峰值数据；
将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
3.一种基于二维多普勒FFT峰值的动目标感知方法，其特征在于，包括：
获取二维多普勒FFT数据并进行逐帧分割；
提取分割得到的数据中位于目标范围内的数据；
将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据输出；
逐帧分割所述峰值数据；
将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
将所述预设数量的峰值数据点相应的峰值点位置信息输出。
5.一种二维多普勒FFT峰值捕获模块，其特征在于，包括：
帧同步控制单元，用于获取二维多普勒FFT数据并进行逐帧分割；
目标区域控制单元，用于提取分割得到的数据中位于目标范围内的数据；
阈值比较单元，用于将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
捕获单元，用于逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据和峰值点位置信息输出。
6.一种基于二维多普勒FFT峰值的动目标感知模块，其特征在于，包括：
帧同步控制单元，用于逐帧分割二维多普勒FFT峰值数据；
多帧状态锁存单元，用于将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
感知单元，用于根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
7.一种毫米波雷达芯片，其特征在于，包括二维多普勒FFT峰值捕获模块和二维多普勒FFT峰值捕获模块，其中，
所述二维多普勒FFT峰值捕获模块包括：
帧同步控制单元，用于获取二维多普勒FFT数据并进行逐帧分割；
目标区域控制单元，用于提取分割得到的数据中位于目标范围内的数据；
阈值比较单元，用于将所述位于目标范围内的数据逐帧进行求模值运算，并筛出大于预设对应距离阈值的数据；
捕获单元，用于逐帧查找所述筛出的数据中预设数量的峰值数据点，并将相应的峰值数据输出；
所述二维多普勒FFT峰值捕获模块包括：
帧同步控制单元，用于逐帧分割所述峰值数据；
多帧状态锁存单元，用于将分割得到的峰值数据与预设阈值进行比对，并将比对结果进行锁存；
感知单元，用于根据锁存的多帧峰值数据的比对结果，判断是否存在运动目标。
8.根据权利要求7所述的毫米波雷达芯片，其特征在于，所述捕获单元还用于将所述预设数量的峰值数据点相应的峰值点位置信息输出。
9.根据权利要求7所述的毫米波雷达芯片，其特征在于，还包括二维数据帧缓存模块，用于实时保存获取的二维多普勒FFT数据。
10.根据权利要求7所述的毫米波雷达芯片，其特征在于，所述毫米波雷达芯片通过GPIO接口将动目标感知结果进行输出。
CN202010920123.2A 2020-09-04 2020-09-04 二维多普勒fft峰值捕获方法、动目标感知方法及应用 Pending CN112068100A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010920123.2A CN112068100A (zh) 2020-09-04 2020-09-04 二维多普勒fft峰值捕获方法、动目标感知方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010920123.2A CN112068100A (zh) 2020-09-04 2020-09-04 二维多普勒fft峰值捕获方法、动目标感知方法及应用

Publications (1)

Publication Number Publication Date
CN112068100A true CN112068100A (zh) 2020-12-11

Family

ID=73665572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010920123.2A Pending CN112068100A (zh) 2020-09-04 2020-09-04 二维多普勒fft峰值捕获方法、动目标感知方法及应用

Country Status (1)

Country Link
CN (1) CN112068100A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103344949A (zh) * 2013-06-18 2013-10-09 中国人民解放军海军航空工程学院 基于Radon-线性正则模糊函数的雷达微弱动目标检测方法
CN105577229A (zh) * 2015-12-07 2016-05-11 中国电子科技集团公司第十研究所 Cpu辅助gpu实现扩频信号快速捕获方法
CN106646446A (zh) * 2017-03-15 2017-05-10 中国人民解放军国防科学技术大学 脉冲压缩捷变频雷达的动目标检测方法
US20190227156A1 (en) * 2018-01-22 2019-07-25 Infineon Technologies Ag System and method for human behavior modelling and power control using a millimeter-wave radar sensor
CN111366919A (zh) * 2020-03-24 2020-07-03 南京矽典微系统有限公司 基于毫米波雷达的目标检测方法和装置、电子设备、存储介质
CN111366904A (zh) * 2020-04-10 2020-07-03 南京理工大学 一种基于二维频谱相干合并的cfar检测方法
CN111427021A (zh) * 2020-04-16 2020-07-17 北京遥感设备研究所 车载毫米波雷达信号峰值检测的动态阈值计算方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103344949A (zh) * 2013-06-18 2013-10-09 中国人民解放军海军航空工程学院 基于Radon-线性正则模糊函数的雷达微弱动目标检测方法
CN105577229A (zh) * 2015-12-07 2016-05-11 中国电子科技集团公司第十研究所 Cpu辅助gpu实现扩频信号快速捕获方法
CN106646446A (zh) * 2017-03-15 2017-05-10 中国人民解放军国防科学技术大学 脉冲压缩捷变频雷达的动目标检测方法
US20190227156A1 (en) * 2018-01-22 2019-07-25 Infineon Technologies Ag System and method for human behavior modelling and power control using a millimeter-wave radar sensor
CN111366919A (zh) * 2020-03-24 2020-07-03 南京矽典微系统有限公司 基于毫米波雷达的目标检测方法和装置、电子设备、存储介质
CN111366904A (zh) * 2020-04-10 2020-07-03 南京理工大学 一种基于二维频谱相干合并的cfar检测方法
CN111427021A (zh) * 2020-04-16 2020-07-17 北京遥感设备研究所 车载毫米波雷达信号峰值检测的动态阈值计算方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
林均仰;黄庚华;舒嵘;: "远距离目标跟踪监测激光雷达的现状与发展", 红外, no. 03 *
陈大海;王磊磊;陶坤宇;: "距离-多普勒二维处理在防撞雷达中的应用", 制导与引信, no. 04 *
韩孟飞;崔嵬;王永庆;吴嗣亮;: "极低载噪比高动态信号的捕获策略研究与仿真", 系统仿真学报, no. 23 *
魏晗;张长江;胡敏;: "红外车辆目标的自动模糊分割", 光电工程, no. 08, pages 119 - 123 *

Similar Documents

Publication Publication Date Title
EP3640674B1 (en) Gesture recognition method, terminal, and storage medium
CN111399642B (zh) 手势的识别方法、装置、移动终端和存储介质
US10891473B2 (en) Method and device for use in hand gesture recognition
CN110007366B (zh) 一种基于多传感器融合的生命搜寻方法以及系统
CN107944381B (zh) 人脸跟踪方法、装置、终端及存储介质
CN113762130B (zh) 一种毫米波雷达手势检测识别方法
CN115343704A (zh) 基于多任务学习的fmcw毫米波雷达的手势识别方法
Gan et al. Gesture recognition system using 24 GHz FMCW radar sensor realized on real-time edge computing platform
Qian et al. Parallel lstm-cnn network with radar multispectrogram for human activity recognition
CN116482680B (zh) 一种身体干扰识别方法、装置、系统和存储介质
US11604254B2 (en) Radar-based posture recognition apparatus and method and electronic device
CN112380903B (zh) 一种基于WiFi-CSI信号增强的人体活动识别方法
CN115469303A (zh) 一种检测人体姿态和生命体征的认知生物雷达方法与装置
CN112068100A (zh) 二维多普勒fft峰值捕获方法、动目标感知方法及应用
Feng et al. DAMUN: A domain adaptive human activity recognition network based on multimodal feature fusion
CN113051972A (zh) 一种基于WiFi的手势识别系统
CN108919217B (zh) 一种点云数据处理方法、装置、控制器及雷达传感器
CN102890822A (zh) 具有物体位置侦测功能的装置及其侦测方法
Müller et al. Aircraft marshaling signals dataset of fmcw radar and event-based camera for sensor fusion
Zhou et al. Efficiently user-independent ultrasonic-based gesture recognition algorithm
Sheng et al. DyLiteRADHAR: Dynamic Lightweight Slowfast Network for Human Activity Recognition Using MMWAVE Radar
Bannon et al. Exploring gesture recognition with low-cost CW radar modules in comparison to FMCW architectures
Salami et al. Tesla-Rapture: A Lightweight Gesture Recognition System from mmWave Radar Point Clouds
CN114818777B (zh) 有源角度欺骗干扰识别模型的训练方法及装置
Han et al. Algorithm for interference filtering of Wi-Fi gesture recognition

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