CN112285698B - 一种基于雷达传感器的多目标跟踪装置及方法 - Google Patents

一种基于雷达传感器的多目标跟踪装置及方法 Download PDF

Info

Publication number
CN112285698B
CN112285698B CN202011554441.8A CN202011554441A CN112285698B CN 112285698 B CN112285698 B CN 112285698B CN 202011554441 A CN202011554441 A CN 202011554441A CN 112285698 B CN112285698 B CN 112285698B
Authority
CN
China
Prior art keywords
target
targets
radar sensor
value
signal
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
Application number
CN202011554441.8A
Other languages
English (en)
Other versions
CN112285698A (zh
Inventor
鄢家厚
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.)
Sichuan Shuzheng Intelligent Technology Co ltd
Original Assignee
Sichuan Shuzheng Intelligent Technology 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 Sichuan Shuzheng Intelligent Technology Co ltd filed Critical Sichuan Shuzheng Intelligent Technology Co ltd
Priority to CN202011554441.8A priority Critical patent/CN112285698B/zh
Publication of CN112285698A publication Critical patent/CN112285698A/zh
Application granted granted Critical
Publication of CN112285698B publication Critical patent/CN112285698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
    • G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
    • G01S13/726—Multiple target tracking
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种基于雷达传感器的多目标跟踪装置及方法，包括：雷达模块，用于锁定所述预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，并接收所述预设区域内多个目标反射的回波信号；处理模块，根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度，并根据所述移动距离和移动速度，确定对应目标的移动轨迹，并传输到显示模块显示。通过雷达传感器的检测和多目标跟踪方法实现了对多个目标的跟踪，提高了多目标跟踪的效率的准确性。

Description

一种基于雷达传感器的多目标跟踪装置及方法
技术领域
本发明涉及目标跟踪技术领域，特别涉及一种基于雷达传感器的多目标跟踪装置及方法。
背景技术
目标跟踪是机器视觉的核心问题之一，是一个融合图像处理、模式识别、人工智能及自动控制等不同领域先进成果的高新技术，在军事制导、车辆追踪、产品检测等众多领率有着重要的实用价值和发展前景。
然而，由于多目标跟踪比单目标跟踪要复杂的多，在跟踪多目标的过程中容易出现交叉等情况，可能导致不能够准确地识别并跟踪目标，丢失跟踪目标或跟踪到错误的目标，还有基于红外传感器的目标追踪装置易受雨天、雾霾等干扰，且发射头要对准目标，在实际生活场景中应用较难，雷达传感器具备宽发射角，强干扰能力，可以解决这一问题。
因此，提供一种基于雷达传感器的多目标跟踪装置及方法。
发明内容
本发明一种基于雷达传感器的多目标跟踪装置及方法，通过雷达传感器的检测和多目标跟踪方法实现了对多个目标的跟踪，提高了多目标跟踪的效率和准确性。
一种基于雷达传感器的多目标跟踪装置，包括：
雷达模块，用于锁定预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，同时，接收所述预设区域内多个目标反射的回波信号；
处理模块，用于根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度，并根据所述移动距离和移动速度，确定对应目标的移动轨迹，并传输到显示模块显示。
在一种可能实现的方式中，
所述处理模块，包括：
信号获取单元，用于基于环形器接收所述回波信号，并通过所述环形器的出口进入耦合器，所述耦合器将所述回波信号分为第一回波信号和第二回波信号；
信号放大单元，用于接收所述第一回波信号和第二回波信号，并对回波信号进行放大整形处理，得到第一放大信号和第二放大信号；
信号转换单元，用于对所述第一放大信号和第二放大信号进行滤波以及AD模数转换，得到第一数字信号和第二数字信号；
信号截取单元，用于从所述第一数字信号和第二数字信号中截取有效的回波信号段，获得第一有效信号和第二有效信号。
在一种可能实现的方式中，还包括：
距离测量单元，用于接收并基于所述第一有效信号，获得对应点的距离，过程如下：
获取所述第一有效信号的信号数据，并基于所述信号数据筛选出所述第一有效信号的所有波峰点以及所述所有波峰点分别对应的时刻；
所述所有波峰点对应的时刻与光速的乘积，即为所述所有波峰点的距离；
速度测量单元，用于接收并基于所述第二有效信号，获得对应点的速度，过程如下：
将所述第二有效信号与来自雷达传感器的预设本振信号进行脉冲压缩处理获得差频信号，并将所述差频信号与本身混频后通过带通滤波，得到平方率信号；
对所述平方率信号进行采样，得到序列信号，并对所述序列信号进行补零处理，得到n个点，且对所述n个点进行傅里叶变换，获得n个点的频谱信号；
获得所述n个点的频谱信号中每个点的多普勒频率，当所述n个点中任一点的频率小于预设频率值时，对所述频谱信号进行多普勒频率补偿；
并对补偿后的频谱信号进行配对调试，判断所述n个点对应的目标是否存在，若存在，基于所述n个点的频谱信号中每个点的频率，并根据速度计算公式，得到对应点的速度。
在一种可能实现的方式中，
所述处理模块根据所述移动距离和移动速度，确定对应目标的移动轨迹，包括：
测量子模块，用于获得所述预设区域中多个点的距离和速度，并将其转化为空间坐标信息和速度信息；
获取子模块，用于采用聚类算法对多个点进行聚类，并基于聚类结果获取所述目标的数目和初始状态信息；
计算子模块，用于对多个目标进行排序，基于所述目标的初始状态信息，按照顺序计算目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并计算所述状态值与所述观测值的后验关联概率；
绘制子模块，基于所述目标多个时刻的状态值，并绘制每个目标的轨迹。
在一种可能实现的方式中，
所述获取子模块采用聚类算法对多个点进行聚类，并基于聚类结果得到所述目标的数目和初始状态信息，包括：
排序单元，用于基于空间坐标信息对所有点进行排序，并标记为未分类；
选取单元，用于从所述多个点的集合中随机选取一个点作为第一聚类中心；
第一计算单元，用于按照顺序对所述多个点进行分类，计算每个点到第一聚类中心的距离，所述距离大于预设距离阈值的点作为第一类别点，其他点作为第一未分类点；
第二计算单元，用于随机选择所述第一未分类点中的一个点作为第二聚类中心，计算第一未分类点到第二聚类中心的距离，所述距离大于预设距离阈值的点作为第二类别点，其他点作为第二未分类点；
基于所述第二计算单元对每次未分类的点进行再次分类，直到所有点完成分类；
第三计算单元，用于计算每个类别中每个点与对应的聚类中心的均方差之和，当所述均方差之和小于等于预设阈值时，表明各个类别之间已经完全被分离，否则，重新基于选取单元、第一计算单元、第二计算单元对每个点进行分类，直到所述均方差之和小于等于预设阈值；
获取单元，用于获取所述类别的种类，即为所述目标的数目，对同一类别中的点的空间坐标取均值，作为所述目标的距离，对同一类别中的点的速度取均值，作为所述目标的速度，所述距离和速度一起组成所述目标的初始状态信息。
在一种可能实现的方式中，计算子模块，用于对多个目标进行排序，包括：
获取所述目标的移动信息，所述移动信息包括目标移动的幅度、每幅度移动的距离、停顿的次数；
设置所述移动的幅度为第一优先级、所述每幅度移动的距离为第二优先级、所述停顿的次数为第三优先级；
基于第一优先级对所述目标进行排序，按照移动的幅度从大到小进行排序；
若检测到目标移动的幅度相同，则将所述目标进行第二优先级排序，按照每幅度移动的距离从大到小进行排序；
若检测到目标每幅度移动的距离相同，则将所述目标进行第三优先级排序，按照停顿的次数从少到多进行排序；
若检测到目标停顿的次数相同，则对所述目标进行随机排序，完成对多个目标的排序。
在一种可能实现的方式中，所述计算子模块基于所述目标的初始状态信息得到所述目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并判断所述状态值与所述观测值的后验关联概率，包括：
基于所述目标的数目和初始状态信息，并根据如下公式计算所述目标t时刻的状态值：
Figure 198202DEST_PATH_IMAGE001
其中，
Figure 753948DEST_PATH_IMAGE002
表示所述目标在t时刻的状态值，
Figure 962075DEST_PATH_IMAGE003
表示所述目标的状态传输函 数，
Figure 603272DEST_PATH_IMAGE004
表示所述目标的初始状态值，
Figure 164835DEST_PATH_IMAGE005
表示所述目标的初始距离，
Figure 339202DEST_PATH_IMAGE006
表示所述目 标的初始速度；
Figure 983810DEST_PATH_IMAGE007
表示所述目标在t-1时刻的状态值；
根据如下公式计算雷达传感器在t时刻的观测值：
Figure 49986DEST_PATH_IMAGE008
其中，
Figure 211977DEST_PATH_IMAGE009
表示所述雷达传感器在t时刻的观测值，
Figure 476736DEST_PATH_IMAGE010
表示所述雷达传感器的脉冲累 计数，
Figure 26666DEST_PATH_IMAGE011
表示所述雷达传感器的多普勒通道标号，取值为v=1,2,…,S，
Figure 158569DEST_PATH_IMAGE012
表示所述雷 达传感器在t时刻的观测数据，
Figure 593092DEST_PATH_IMAGE013
表示所述雷达传感器在t时刻的观测噪声，
Figure 40254DEST_PATH_IMAGE014
表示 所述雷达传感器滤波过程中的过程噪声，
Figure 433189DEST_PATH_IMAGE015
表示所述多普勒通道标号的最大取值，T表示所 述雷达传感器的雷达脉冲重复周期；
基于所述状态值和观测值，计算所述状态值与所述观测值的后验关联概率：
Figure 739537DEST_PATH_IMAGE016
其中，
Figure 571227DEST_PATH_IMAGE017
表示所述目标的状态值与观测值在t时刻的后验关联概率，
Figure 574692DEST_PATH_IMAGE018
表示所述雷 达传感器的扫描预设区域的扫描系数，取值为
Figure 76212DEST_PATH_IMAGE019
，
Figure 666593DEST_PATH_IMAGE020
表示所述雷达传感器检测来 自杂波的先验概率，
Figure 567553DEST_PATH_IMAGE021
表示归一化因子，取值范围为
Figure 599094DEST_PATH_IMAGE022
Figure 97947DEST_PATH_IMAGE023
；
将所述多个目标按照顺序依次进行计算，并最终得到每个目标的状态值、观测值及后验关联概率；
判断所述每个目标后验关联概率是否大于预设概率值，若是，基于所述状态值可反应目标t时刻的状态，并继续对下一时刻的状态值进行检测；
否则，重新检测所述每个目标的初始状态信息，并获取t时刻的新的状态值，并基于所述新的状态值来计算新的后验关联概率，直到所述新的后验关联概率大于所述预设概率值。
在一种可能实现的方式中，
所述绘制子模块基于所述目标多个时刻的状态值，绘制每个目标的轨迹，包括：
获取目标多个时刻下的状态值，解析所述状态值所包括的目标的位置、速度、方向信息，并在预设区域内标注每个时刻下所述目标的位置，绘制目标的轨迹。
在一种可能实现的方式中，一种基于雷达传感器的多目标跟踪方法，包括：
基于雷达模块锁定预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，同时，接收所述预设区域内多个目标反射的回波信号；
根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度；
根据所述移动距离和移动速度，并运用聚类算法和排序方法，确定对应目标的移动轨迹，并传输到显示模块显示。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于雷达传感器的多目标跟踪装置的结构图；
图2为本发明实施例中处理模块的结构图；
图3为本发明实施例中获取子模块的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，如图1所示，包括：
雷达模块，用于锁定预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，同时，接收所述预设区域内多个目标反射的回波信号；
处理模块，用于根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度，并根据所述移动距离和移动速度，确定对应目标的移动轨迹，并传输到显示模块显示。
在该实施例中，所述雷达传感器发射的雷达信号为毫米波信号，毫米波信号相较于激光信号对电子、杂波和多径反射的抗干扰能力强。
在该实施例中，所述显示模块的实施方式可以是显示频、手机、电脑终端等。
上述设计方案的有益效果是：用运所述雷达传感器进行信号的发射和接收，受环境影响小，抗干扰能力强，可以接收到完整的信号，对之后目标的跟踪提供准确的数据；并且通过雷达传感器的检测和多目标跟踪方法实现了对多个目标的跟踪，提高了多目标跟踪的效率和准确性。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，如图2所示，所述处理模块，包括：
信号获取单元，用于基于环形器接收所述回波信号，并通过所述环形器的出口进入耦合器，所述耦合器将所述回波信号分为第一回波信号和第二回波信号；
信号放大单元，用于接收所述第一回波信号和第二回波信号，并对回波信号进行放大整形处理，得到第一放大信号和第二放大信号；
信号转换单元，用于对所述第一放大信号和第二放大信号进行滤波以及AD模数转换，得到第一数字信号和第二数字信号；
信号截取单元，用于从所述第一数字信号和第二数字信号中截取有效的回波信号段，获得第一有效信号和第二有效信号。
在该实施例中，所述环形器的存在是因为雷达传感器发射和接收信号共用一个天线，环形器的作用就是把发射信号和接收信号区分出来。
在该实施例中，对所述第一放大信号和第二放大信号进行滤波采用平滑滤波法，来抑制和消除毛刺干扰，更好地保留或分离出较长周期的有用信号。
在该实施例中，所述第一有效信号和第二有效信号是指频率在4000-8000MHz。
上述设计方案的有益效果是：所述雷达传感器所接收到的回波信号及其微弱，通过信号放大单元对其进行放大处理，便于实现对信号的识别，所接收的到信号混有大量的噪声，通过对其滤波、截取，消除了造成的干扰，对接收信号所做的一系列信号处理，对之后目标的跟踪提供准确的数据，提高目标跟踪的效率。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，还包括：
距离测量单元，用于接收并基于所述第一有效信号，获得对应点的距离，过程如下：
获取所述第一有效信号的信号数据，并基于所述信号数据筛选出所述第一有效信号的所有波峰点以及所述所有波峰点分别对应的时刻；
所述所有波峰点对应的时刻与光速的乘积，即为所述所有波峰点的距离；
速度测量单元，用于接收并基于所述第二有效信号，获得对应点的速度，过程如下：
将所述第二有效信号与来自雷达传感器的预设本振信号进行脉冲压缩处理获得差频信号，并将所述差频信号与本身混频后通过带通滤波，得到平方率信号；
对所述平方率信号进行采样，得到序列信号，并对所述序列信号进行补零处理，得到n个点，且对所述n个点进行傅里叶变换，获得n个点的频谱信号；
获得所述n个点的频谱信号中每个点的多普勒频率，当所述n个点中任一点的频率小于预设频率值时，对所述频谱信号进行多普勒频率补偿；
并对补偿后的频谱信号进行配对调试，判断所述n个点对应的目标是否存在，若存在，基于所述n个点的频谱信号中每个点的频率，并根据速度计算公式，得到对应点的速度。
在该实施例中，所述差频信号是指将第二有效信号和预设本振信号进行合波后获得频率为两者之差的信号，由于第二有效信号的频率很宽，对其的识别比较困难，所以要得到差频信号。
在该实施例中，通过差频信号与本身混频得到的平方率信号为中频信号，便于采样和进行傅里叶变换。
在该实施例中，对序列进行补零处理后进行傅里叶变换可以使序列的频谱变得更细致，提高序列频谱的分辨率。
在该实施例中，对所述频谱信号进行多普勒补偿可以解决相位编码的多普勒敏感问题，有利于后面对高速运动目标的检测。
在该实施例中，所述频谱信号包括正向频谱信号和反向频谱信号，若正向频谱信号和反向频谱信号在调试过程中能够配对，则证明此点对应的目标存在。
在该实施例中，所述速度计算公式为
Figure 644466DEST_PATH_IMAGE024
，其中
Figure 83537DEST_PATH_IMAGE025
表示雷达传感器的输出 波长，k表示线性调制速率，单位为赫兹每秒，f为对应点的多普勒频率，t表示获取对应点对 应的时刻。
上述设计方案的有益效果是：通过检测波峰点与所述波峰点对应的时刻，快速地得到距离信息，通过多普勒频率补偿，可以得到精确的速度信息，本距离、速度测量单元实现了对距离、速度快速又精确的测量，为多目标跟踪提供了精确的数据。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，根据所述移动距离和移动速度，确定对应目标的移动轨迹，包括：
测量子模块，用于获得所述预设区域中多个点的距离和速度，并将其转化为空间坐标信息和速度信息；
获取子模块，用于采用聚类算法对多个点进行聚类，并基于聚类结果获取所述目标的数目和初始状态信息；
计算子模块，用于对多个目标进行排序，基于所述目标的初始状态信息，按照顺序计算目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并计算所述状态值与所述观测值的后验关联概率；
绘制子模块，基于所述目标多个时刻的状态值，并绘制每个目标的轨迹。
在该实施例中，所述初始状态信息包括目标的速度信息和距离信息。
在该实施例中，所述状态值为包含了所述目标的位置、速度、方向等信息的值。
在该实施例中，所述观测值是基于雷达传感器的相关参数获得关于目标的静态指数。
在该实施例中，所述后验关联概率用于表示目标的状态值和观测值的关联性。
上述设计方案的有益效果是：通过聚类算法对多个点进行聚类，可以精确快速地实现对目标的分类，通过判断状态值与观测值的后验关联概率，可以精确的实现对目标的跟踪。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，如图3所示，所述获取子模块采用聚类算法对多个点进行聚类，并基于聚类结果得到所述目标的数目和初始状态信息，包括：
排序单元，用于基于空间坐标信息对所有点进行排序，并标记为未分类；
选取单元，用于从所述多个点的集合中随机选取一个点作为第一聚类中心；
第一计算单元，用于按照顺序对所述多个点进行分类，计算每个点到第一聚类中心的距离，所述距离大于预设距离阈值的点作为第一类别点，其他点作为第一未分类点；
第二计算单元，用于随机选择所述第一未分类点中的一个点作为第二聚类中心，计算第一未分类点到第二聚类中心的距离，所述距离大于预设距离阈值的点作为第二类别点，其他点作为第二未分类点；
基于所述第二计算单元对每次未分类的点进行再次分类，直到所有点完成分类；
第三计算单元，用于计算每个类别中每个点与对应的聚类中心的均方差之和，当所述均方差之和小于等于预设阈值时，表明各个类别之间已经完全被分离，否则，重新基于选取单元、第一计算单元、第二计算单元对每个点进行分类，直到所述均方差之和小于等于预设阈值；
获取单元，用于获取所述类别的种类，即为所述目标的数目，对同一类别中的点的空间坐标取均值，作为所述目标的距离，对同一类别中的点的速度取均值，作为所述目标的速度，所述距离和速度一起组成所述目标的初始状态信息。
在该实施例中，所述距离阈值的设定是为了避免将距离过远的两个点归为一类，所述距离阈值的取值为10cm。
在该实施例中，基于空间坐标信息对所有点进行排序是指：计算每个点的空间坐标位置与所述多目标跟踪装置发射信号的位置之间的距离，按照距离从小到大进行排序。
上述设计方案的有益效果是：通过随机选取聚类中心，对所有点进行分类，得到目标类别，并通过每个点与对应的聚类中心的均方差之和判断目标类别分离的准确性和完整性，实现了对目标的高精度分类。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，计算子模块，用于对多个目标进行排序，包括：
获取所述目标的移动信息，所述移动信息包括目标移动的幅度、每幅度移动的距离、停顿的次数；
设置所述移动的幅度为第一优先级、所述每幅度移动的距离为第二优先级、所述停顿的次数为第三优先级；
基于第一优先级对所述目标进行排序，按照移动的幅度从大到小进行排序；
若检测到目标移动的幅度相同，则将所述目标进行第二优先级排序，按照每幅度移动的距离从大到小进行排序；
若检测到目标每幅度移动的距离相同，则将所述目标进行第三优先级排序，按照停顿的次数从少到多进行排序；
若检测到目标停顿的次数相同，则对所述目标进行随机排序，完成对多个目标的排序。
上述设计方案的工作原理及有益效果是：通过获取目标的移动信息，并对移动信息进行优先级排序，根据优先级的顺序对目标的移动信息进行检测，并根据检测结果对目标进行排序，到达最后一个优先级后，若还没有对所有目标完成排序，则对剩余目标进行随机排序，完成对目标的排序，可以使计算子模块有序的进行计算，提高计算效率，从而提高目标跟踪的效率。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，所述计算子模块基于所述目标的初始状态信息得到所述目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并判断所述状态值与所述观测值的后验关联概率，包括：
基于所述目标的数目和初始状态信息，并根据如下公式计算所述目标t时刻的状态值：
Figure 31902DEST_PATH_IMAGE001
其中，
Figure 937541DEST_PATH_IMAGE002
表示所述目标在t时刻的状态值，
Figure 938732DEST_PATH_IMAGE003
表示所述目标的状态传输函 数，
Figure 588020DEST_PATH_IMAGE004
表示所述目标的初始状态值，
Figure 656470DEST_PATH_IMAGE005
表示所述目标的初始距离，
Figure 60906DEST_PATH_IMAGE006
表示所述目 标的初始速度；
Figure 50859DEST_PATH_IMAGE007
表示所述目标在t-1时刻的状态值；
根据如下公式计算雷达传感器在t时刻的观测值：
Figure 8232DEST_PATH_IMAGE008
其中，
Figure 259084DEST_PATH_IMAGE009
表示所述雷达传感器在t时刻的观测值，
Figure 772105DEST_PATH_IMAGE010
表示所述雷达传感器的脉冲累 计数，
Figure 249354DEST_PATH_IMAGE011
表示所述雷达传感器的多普勒通道标号，取值为v=1,2,…,S，
Figure 568340DEST_PATH_IMAGE012
表示所述雷 达传感器在t时刻的观测数据，
Figure 611382DEST_PATH_IMAGE013
表示所述雷达传感器在t时刻的观测噪声，
Figure 731523DEST_PATH_IMAGE014
表示 所述雷达传感器滤波过程中的过程噪声，
Figure 227226DEST_PATH_IMAGE015
表示所述多普勒通道标号的最大取值，T表示所 述雷达传感器的雷达脉冲重复周期；
基于所述状态值和观测值，计算所述状态值与所述观测值的后验关联概率：
Figure 349903DEST_PATH_IMAGE016
其中，
Figure 450714DEST_PATH_IMAGE017
表示所述目标的状态值与观测值在t时刻的后验关联概率，
Figure 305538DEST_PATH_IMAGE018
表示所述雷 达传感器的扫描预设区域的扫描系数，取值为
Figure 616433DEST_PATH_IMAGE019
，
Figure 713440DEST_PATH_IMAGE020
表示所述雷达传感器检测来 自杂波的先验概率，
Figure 403179DEST_PATH_IMAGE021
表示归一化因子，取值范围为
Figure 694483DEST_PATH_IMAGE022
Figure 492674DEST_PATH_IMAGE023
；
将所述多个目标按照顺序依次进行计算，并最终得到每个目标的状态值、观测值及后验关联概率；
判断所述每个目标后验关联概率是否大于预设概率值，若是，基于所述状态值可反应目标t时刻的状态，并继续对下一时刻的状态值进行检测；
否则，重新检测所述每个目标的初始状态信息，并获取t时刻的新的状态值，并基于所述新的状态值来计算新的后验关联概率，直到所述新的后验关联概率大于所述预设概率值。
在该实施例中，所述状态传输函数与所述目标的运动过程有关，根据不同的实际情况有不同的取值。
上述设计方案的有益效果是：通过加入状态传输函数可以获取所述目标的动态过程，使得所述目标在下一时刻获得的状态值更加准确，依据雷达传感器获得的杂波先验概率使获得的后验关联概率使得观测值和状态值的关联结果更加准确，最终绘制的所述目标的轨迹更加准确。
本发明实施例提供一种基于雷达传感器的多目标跟踪装置，所述绘制子模块基于所述目标多个时刻的状态值，绘制每个目标的轨迹，包括：
获取目标多个时刻下的状态值，解析所述状态值所包括的目标的位置、速度、方向信息，并在预设区域内标注每个时刻下所述目标的位置，绘制目标的轨迹。
上述设计方案的有益效果是：基于所述目标多个时刻的状态值，绘制每个目标的轨迹，通过对目标轨迹的获取，实现了对目标的跟踪。
本发明实施例提供一种基于雷达传感器的多目标跟踪方法，包括：
基于雷达模块锁定预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，同时，接收所述预设区域内多个目标反射的回波信号；
根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度；
根据所述移动距离和移动速度，并运用聚类算法和排序方法，确定对应目标的移动轨迹，并传输到显示模块显示。
上述设计方案的有益效果是：用运所述雷达传感器进行信号的发射和接收，受环境影响小，抗干扰能力强，可以接收到完整的信号，对之后目标的跟踪提供准确的数据；并且通过雷达传感器的检测和多目标跟踪方法实现了对多个目标的跟踪，提高了多目标跟踪的效率和准确性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (5)

1.一种基于雷达传感器的多目标跟踪装置，其特征在于，包括：
雷达模块，用于锁定预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，同时，接收所述预设区域内多个目标反射的回波信号；
处理模块，用于根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度，并根据所述移动距离和移动速度，确定对应目标的移动轨迹，并传输到显示模块显示；
其中，所述处理模块，包括：
信号获取单元，用于基于环形器接收所述回波信号，并通过所述环形器的出口进入耦合器，所述耦合器将所述回波信号分为第一回波信号和第二回波信号；
信号放大单元，用于接收所述第一回波信号和第二回波信号，并对回波信号进行放大整形处理，得到第一放大信号和第二放大信号；
信号转换单元，用于对所述第一放大信号和第二放大信号进行滤波以及AD模数转换，得到第一数字信号和第二数字信号；
信号截取单元，用于从所述第一数字信号和第二数字信号中截取有效的回波信号段，获得第一有效信号和第二有效信号；
所述处理模块根据所述移动距离和移动速度，确定对应目标的移动轨迹，包括：
测量子模块，用于获得所述预设区域中多个点的距离和速度，并将其转化为空间坐标信息和速度信息；
获取子模块，用于采用聚类算法对多个点进行聚类，并基于聚类结果获取所述目标的数目和初始状态信息；
计算子模块，用于对多个目标进行排序，基于所述目标的初始状态信息，按照顺序计算目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并计算所述状态值与所述观测值的后验关联概率；
绘制子模块，基于所述目标多个时刻的状态值，并绘制每个目标的轨迹；
所述计算子模块基于所述目标的初始状态信息，按照顺序计算目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并计算所述状态值与所述观测值的后验关联概率，包括：
基于所述目标的数目和初始状态信息，并根据如下公式计算所述目标t时刻的状态值：
Figure DEST_PATH_IMAGE001
其中，
Figure 555937DEST_PATH_IMAGE002
表示所述目标在t时刻的状态值，
Figure 516940DEST_PATH_IMAGE003
表示所述目标的状态传输函数，
Figure 70149DEST_PATH_IMAGE004
表示所述目标的初始状态值，
Figure 142011DEST_PATH_IMAGE005
表示所述目标的初始距离，
Figure 316640DEST_PATH_IMAGE006
表示所述目标的初始速度；
Figure 933697DEST_PATH_IMAGE007
表示所述目标在t-1时刻的状态值；
根据如下公式计算雷达传感器在t时刻的观测值：
Figure 193777DEST_PATH_IMAGE008
其中，
Figure 803750DEST_PATH_IMAGE009
表示所述雷达传感器在t时刻的观测值，
Figure 832886DEST_PATH_IMAGE010
表示所述雷达传感器的脉冲累计数，
Figure 119380DEST_PATH_IMAGE011
表示所述雷达传感器的多普勒通道标号，取值为v=1，2，…，S，
Figure 866756DEST_PATH_IMAGE012
表示所述雷达传感器在t时刻的观测数据，
Figure 280420DEST_PATH_IMAGE013
表示所述雷达传感器在t时刻的观测噪声，
Figure 898483DEST_PATH_IMAGE014
表示所述雷达传感器滤波过程中的过程噪声，
Figure 122922DEST_PATH_IMAGE015
表示所述多普勒通道标号的最大取值，T表示所述雷达传感器的雷达脉冲重复周期；
基于所述状态值和观测值，计算所述状态值与所述观测值的后验关联概率：
Figure 92015DEST_PATH_IMAGE016
其中，
Figure 43791DEST_PATH_IMAGE017
表示所述目标的状态值与观测值在t时刻的后验关联概率，
Figure 47519DEST_PATH_IMAGE018
表示所述雷达传感器的扫描预设区域的扫描系数，取值为
Figure 681674DEST_PATH_IMAGE019
，
Figure 138063DEST_PATH_IMAGE020
表示所述雷达传感器检测来自杂波的先验概率，
Figure 893530DEST_PATH_IMAGE021
表示归一化因子，取值范围为
Figure 299235DEST_PATH_IMAGE022
；
将所述多个目标按照顺序依次进行计算，并最终得到每个目标的状态值、观测值及后验关联概率；
判断所述每个目标后验关联概率是否大于预设概率值，
若是，基于所述状态值用来反应目标t时刻的状态，并继续对下一时刻的状态值进行检测；
否则，重新检测所述每个目标的初始状态信息，并获取t时刻的新的状态值，并基于所述新的状态值来计算新的后验关联概率，直到所述新的后验关联概率大于所述预设概率值。
2.根据权利要求1所述的一种基于雷达传感器的多目标跟踪装置，其特征在于，所述处理模块，还包括：
距离测量单元，用于接收并基于所述第一有效信号，获得对应点的距离，过程如下：
获取所述第一有效信号的信号数据，并基于所述信号数据筛选出所述第一有效信号的所有波峰点以及所述所有波峰点分别对应的时刻；
所述所有波峰点对应的时刻与光速的乘积，即为所述所有波峰点的距离；
速度测量单元，用于接收并基于所述第二有效信号，获得对应点的速度，过程如下：
将所述第二有效信号与来自雷达传感器的预设本振信号进行脉冲压缩处理获得差频信号，并将所述差频信号与本身混频后通过带通滤波，得到平方率信号；
对所述平方率信号进行采样，得到序列信号，并对所述序列信号进行补零处理，得到n个点，且对所述n个点进行傅里叶变换，获得n个点的频谱信号；
获得所述n个点的频谱信号中每个点的多普勒频率，当所述n个点中任一点的多普勒频率小于预设频率值时，对所述频谱信号进行多普勒频率补偿；
并对补偿后的频谱信号进行配对调试，判断所述n个点对应的目标是否存在，若存在，基于所述n个点的频谱信号中每个点的多普勒频率，并根据速度计算公式，得到对应点的速度。
3.根据权利要求1所述的一种基于雷达传感器的多目标跟踪装置，其特征在于，计算子模块，用于对多个目标进行排序，包括：
获取所述目标的移动信息，所述移动信息包括目标移动的幅度、每幅度移动的距离、停顿的次数；
设置所述移动的幅度为第一优先级、所述每幅度移动的距离为第二优先级、所述停顿的次数为第三优先级；
基于第一优先级对所述目标进行排序，按照移动的幅度从大到小进行排序；
若检测到目标移动的幅度相同，则将所述目标进行第二优先级排序，按照每幅度移动的距离从大到小进行排序；
若检测到目标每幅度移动的距离相同，则将所述目标进行第三优先级排序，按照停顿的次数从少到多进行排序；
若检测到目标停顿的次数相同，则对所述目标进行随机排序，完成对多个目标的排序。
4.根据权利要求1所述的一种基于雷达传感器的多目标跟踪装置，其特征在于，所述绘制子模块基于所述目标多个时刻的状态值，绘制每个目标的轨迹，包括：
获取目标多个时刻下的状态值，解析所述状态值所包括的目标的位置、速度、方向信息，并在预设区域内标注每个时刻下所述目标的位置，绘制目标的轨迹。
5.一种基于雷达传感器的多目标跟踪方法，其特征在于，包括：
基于雷达模块锁定预设区域的多个目标，并基于雷达传感器向预设区域内发射雷达信号，同时，接收所述预设区域内多个目标反射的回波信号；
根据所述雷达信号以及回波信号，确定每个所述目标的移动距离和移动速度；
根据所述移动距离和移动速度，并运用聚类算法和排序方法，确定对应目标的移动轨迹，并传输到显示模块显示；
根据所述移动距离和移动速度，确定对应目标的移动轨迹，包括：
获得所述预设区域中多个点的距离和速度，并将其转化为空间坐标信息和速度信息；
采用聚类算法对多个点进行聚类，并基于聚类结果获取所述目标的数目和初始状态信息；
对多个目标进行排序，基于所述目标的初始状态信息，按照顺序计算目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并计算所述状态值与所述观测值的后验关联概率；
基于所述目标多个时刻的状态值，并绘制每个目标的轨迹；
其中，基于所述目标的初始状态信息，按照顺序计算目标后续时刻的状态值，并由所述雷达传感器获得后续时刻的观测值，并计算所述状态值与所述观测值的后验关联概率，包括：
基于所述目标的数目和初始状态信息，并根据如下公式计算所述目标t时刻的状态值：
Figure 114744DEST_PATH_IMAGE023
其中，
Figure 58429DEST_PATH_IMAGE024
表示所述目标在t时刻的状态值，
Figure 352007DEST_PATH_IMAGE025
表示所述目标的状态传输函数，
Figure 48437DEST_PATH_IMAGE026
表示所述目标的初始状态值，
Figure 34847DEST_PATH_IMAGE027
表示所述目标的初始距离，
Figure 465828DEST_PATH_IMAGE028
表示所述目标的初始速度；
Figure 563097DEST_PATH_IMAGE029
表示所述目标在t-1时刻的状态值；
根据如下公式计算雷达传感器在t时刻的观测值：
Figure 881077DEST_PATH_IMAGE008
其中，
Figure 835127DEST_PATH_IMAGE009
表示所述雷达传感器在t时刻的观测值，
Figure 753404DEST_PATH_IMAGE010
表示所述雷达传感器的脉冲累计数，
Figure 638053DEST_PATH_IMAGE011
表示所述雷达传感器的多普勒通道标号，取值为v=1，2，…，S，
Figure 325386DEST_PATH_IMAGE012
表示所述雷达传感器在t时刻的观测数据，
Figure 653599DEST_PATH_IMAGE013
表示所述雷达传感器在t时刻的观测噪声，
Figure 793593DEST_PATH_IMAGE014
表示所述雷达传感器滤波过程中的过程噪声，
Figure 248977DEST_PATH_IMAGE015
表示所述多普勒通道标号的最大取值，T表示所述雷达传感器的雷达脉冲重复周期；
基于所述状态值和观测值，计算所述状态值与所述观测值的后验关联概率：
Figure 790816DEST_PATH_IMAGE030
其中，
Figure 289931DEST_PATH_IMAGE017
表示所述目标的状态值与观测值在t时刻的后验关联概率，
Figure 917221DEST_PATH_IMAGE018
表示所述雷达传感器的扫描预设区域的扫描系数，取值为
Figure 143672DEST_PATH_IMAGE019
，
Figure 805598DEST_PATH_IMAGE020
表示所述雷达传感器检测来自杂波的先验概率，
Figure 475613DEST_PATH_IMAGE021
表示归一化因子，取值范围为
Figure 590200DEST_PATH_IMAGE022
；
将所述多个目标按照顺序依次进行计算，并最终得到每个目标的状态值、观测值及后验关联概率；
判断所述每个目标后验关联概率是否大于预设概率值，
若是，基于所述状态值用来反应目标t时刻的状态，并继续对下一时刻的状态值进行检测；
否则，重新检测所述每个目标的初始状态信息，并获取t时刻的新的状态值，并基于所述新的状态值来计算新的后验关联概率，直到所述新的后验关联概率大于所述预设概率值。
CN202011554441.8A 2020-12-25 2020-12-25 一种基于雷达传感器的多目标跟踪装置及方法 Active CN112285698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011554441.8A CN112285698B (zh) 2020-12-25 2020-12-25 一种基于雷达传感器的多目标跟踪装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011554441.8A CN112285698B (zh) 2020-12-25 2020-12-25 一种基于雷达传感器的多目标跟踪装置及方法

Publications (2)

Publication Number Publication Date
CN112285698A CN112285698A (zh) 2021-01-29
CN112285698B true CN112285698B (zh) 2021-04-20

Family

ID=74426080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011554441.8A Active CN112285698B (zh) 2020-12-25 2020-12-25 一种基于雷达传感器的多目标跟踪装置及方法

Country Status (1)

Country Link
CN (1) CN112285698B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112911249B (zh) * 2021-03-23 2023-03-24 浙江大华技术股份有限公司 目标对象的跟踪方法、装置、存储介质及电子装置
CN114063022A (zh) * 2021-11-12 2022-02-18 苏州苏试试验集团股份有限公司 信号处理方法、装置、存储介质和电子终端
CN117765031B (zh) * 2024-02-21 2024-05-03 四川盎芯科技有限公司 一种边缘智能设备的图像多目标预跟踪方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770024A (zh) * 2010-01-25 2010-07-07 上海交通大学 多目标跟踪方法
CN104155650A (zh) * 2014-08-14 2014-11-19 电子科技大学 一种基于熵权值法点迹质量评估的目标跟踪方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101236253B (zh) * 2008-03-07 2010-07-07 中国科学院上海光学精密机械研究所 高精度测速测距激光雷达系统及测速测距方法
CN101425069B (zh) * 2008-11-12 2010-07-14 哈尔滨工业大学 视频场景关联值的获取方法及应用该方法的视频快速浏览和检索方法
US10310068B2 (en) * 2014-12-08 2019-06-04 Northrop Grumman Systems Corporation Variational track management
CN105022059A (zh) * 2015-07-01 2015-11-04 南京森斯尔智能科技有限公司 一种相参处理的安防监控雷达系统的多目标跟踪方法
CN105717505B (zh) * 2016-02-17 2018-06-01 国家电网公司 利用传感网进行多目标跟踪的数据关联方法
CN106468771B (zh) * 2016-09-21 2019-01-11 电子科技大学 一种低可观测高杂波条件下的多目标检测与跟踪方法
CN106814353A (zh) * 2017-01-24 2017-06-09 成都泰格微电子研究所有限责任公司 一种雷达信号处理系统
CN109031278A (zh) * 2018-06-23 2018-12-18 中国人民解放军海军航空大学青岛校区 一种基于幅度的对海雷达多目标融合跟踪方法
CN110658510B (zh) * 2018-06-28 2023-01-10 北京瑞特森传感科技有限公司 一种激光雷达和测距方法
CN109284677B (zh) * 2018-08-16 2022-06-03 昆明理工大学 一种贝叶斯滤波目标跟踪算法
CN110361727A (zh) * 2019-07-22 2019-10-22 浙江大学 一种毫米波雷达多目标跟踪方法
CN110824468B (zh) * 2019-11-18 2021-08-13 湖南纳雷科技有限公司 基于雷达控制球机跟踪多目标的方法及系统
CN111580084B (zh) * 2020-05-13 2021-02-02 中国人民解放军国防科技大学 一种面向多距离扩展目标的多伯努利检测前跟踪方法
CN111929676B (zh) * 2020-07-30 2022-07-08 上海交通大学 一种基于密度聚类的x波段雷达目标检测与跟踪方法
CN112068122B (zh) * 2020-09-09 2023-02-17 中国航空工业集团公司雷华电子技术研究所 基于跟踪信息的相位编码信号的多普勒补偿方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101770024A (zh) * 2010-01-25 2010-07-07 上海交通大学 多目标跟踪方法
CN104155650A (zh) * 2014-08-14 2014-11-19 电子科技大学 一种基于熵权值法点迹质量评估的目标跟踪方法

Also Published As

Publication number Publication date
CN112285698A (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN112285698B (zh) 一种基于雷达传感器的多目标跟踪装置及方法
US8718323B2 (en) Batch detection association for enhanced target descrimination in dense detection environments
US6437728B1 (en) A-scan ISAR target recognition system and method
CN109102702A (zh) 基于视频车辆检测和雷达信号融合的车辆测速方法
EP0888560B1 (en) Improved method of moment estimation and feature extraction for devices which measure spectra as a function of range or time
US5539408A (en) Method for the detection, localization and velocity determination of moving targets from raw radar data from a coherent, single- or multi-channel image system carried along in a vehicle
EP3494404B1 (en) System and method for detecting heading and velocity of a target object
CN105487060B (zh) 一种双通道四斜率调制的多目标提取方法
CN109655822A (zh) 一种改进的航迹起始方法
CN112051568B (zh) 一种两坐标雷达的俯仰测角方法
WO2021238710A1 (zh) 人体手部与手势识别的方法及装置、显示设备
CN110109095A (zh) 目标特征辅助多源数据的关联方法
CN106468772B (zh) 一种基于距离-多普勒量测的多站雷达人体跟踪方法
CN115061113B (zh) 用于雷达的目标检测模型训练方法、装置及存储介质
Cui et al. 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars
CN111323757B (zh) 一种航海雷达目标检测方法及装置
US20230184926A1 (en) Radar anti-spoofing system for identifying ghost objects created by reciprocity-based sensor spoofing
KR101968327B1 (ko) 항적 거리 보상 장치 및 방법
Chang et al. An MHT algorithm for UWB radar-based multiple human target tracking
CN111680537A (zh) 一种基于激光红外复合的目标检测方法及系统
CN115575965A (zh) 一种激光雷达多回波判别方法和装置
CN115546526A (zh) 三维点云聚类方法、装置及存储介质
Kim et al. Deep-learning based multi-object detection and tracking using range-angle map in automotive radar systems
CN116027288A (zh) 生成数据的方法、装置、电子设备及存储介质
CN111723797A (zh) 一种确定三维目标的包围框的方法及系统

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