CN112363115B - 一种抵抗恶劣天气对雷达传感器影响的方法 - Google Patents

一种抵抗恶劣天气对雷达传感器影响的方法 Download PDF

Info

Publication number
CN112363115B
CN112363115B CN202011159733.1A CN202011159733A CN112363115B CN 112363115 B CN112363115 B CN 112363115B CN 202011159733 A CN202011159733 A CN 202011159733A CN 112363115 B CN112363115 B CN 112363115B
Authority
CN
China
Prior art keywords
signal
doppler
radar sensor
detection
target
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
CN202011159733.1A
Other languages
English (en)
Other versions
CN112363115A (zh
Inventor
刘双可
朱欣恩
卢煜旻
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.)
Sijie Microelectronics Xiamen Co ltd
Original Assignee
Shanghai Silicon Microelectronics 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 Shanghai Silicon Microelectronics Co ltd filed Critical Shanghai Silicon Microelectronics Co ltd
Priority to CN202011159733.1A priority Critical patent/CN112363115B/zh
Publication of CN112363115A publication Critical patent/CN112363115A/zh
Application granted granted Critical
Publication of CN112363115B publication Critical patent/CN112363115B/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
    • 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
    • G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种抵抗恶劣天气对雷达传感器影响的方法，包括S1：对多普勒雷达传感器输出的信号进行采样的步骤；S2：对采样的信号进行检测处理，根据检测处理的结果与预设值进行比对，从而判别检测区域内是否存在运动目标；S3：若判定检测目标无效时，返回步骤S1；步骤S2对采样的信号进行检测处理包括信号斜率的计算：kn＝sn‑sn‑1，n＝2，…N；当|kn|＞TH1时认定该信号对应的是无效检测目标(TH1为一预设检测阈值)；步骤S2对采样的信号进行检测处理还包括目标频谱能量与杂散的比值：当|r|＜TH2时，认定该信号对应无效的检测目标，(TH2为一预设检测阈值)；当|kn|≤TH1时且|r|≥TH2时，认定该信号对应的是有效检测目标。

Description

一种抵抗恶劣天气对雷达传感器影响的方法
技术领域
本发明属于雷达监测技术领域，具体地说是涉及一种抵抗恶劣天气对雷达传感器影响的方法。
背景技术
多普勒雷达传感器可以检测到运动的目标，它具有无接触、穿透性好、高灵敏度等特点，因此可以被广泛的在路灯、交通指示灯、显示面板等设备中，用来检测行人或车辆等运动目标，然后根据检测结果作相应的操作，如改变灯光亮度、发出一定的提示信息等。多普勒雷达在室外的应用很容易受到恶劣天气的影响，如雨雪天气。飘落的雨水或雪花可能会使多普勒雷达传感器产生误触发，使雷达传感器错误的认为检测范围内存在运动的人或车等目标。该现象限制了多普勒雷达传感器在户外的应用。
为此，现有技术中提出了多个方案来解决这一问题：现有技术方案1：降低雷达传感器的检测灵敏度。现有技术方案2：在传感器周边增加物理防护，遮挡掉雨雪。现有技术方案3：采用深度学习、模式识别等高级检测方法，对不同场景不同天气等应用情况进行学习，从而准确的对有效目标和雨雪干扰进行判别。但是上述问题仍旧存在诸多问题，如：现有技术方案1的缺点：可以去除较小的雨雪影响，但在雨雪较大的情况下，传感器会接收到较大的多普勒信号，仍会产生误报。现有技术方案2的缺点：在传感器周边增加物理防护会改变原有设备的外观结构，可能会带来美观或结构安装等方面的问题。此外在恶劣天气下，雨雪的强度、方向都是随机的，很难在不影响检测的基础上进行完全遮挡。现有技术方案3的缺点：深度学习、模式识别等高级检测方法需要的大量不同的场景进行学习完善。此外，这类高级算法对计算资源要求较高，需要配置符合其计算要求的硬件资源，成本可能较高，不利于普遍推广。
发明内容
本发明的目的是提供一种抵抗恶劣天气对雷达传感器影响的方法，其意在降低恶劣天气对雷达监测的影响。
为解决上述技术问题，本发明的目的是这样实现的：
一种抵抗恶劣天气对雷达传感器影响的方法，
包括
S1：对多普勒雷达传感器输出的信号进行采样的步骤；
S2：对采样的信号进行检测处理，根据检测处理的结果与预设值进行比对，从而判别检测区域内是否存在运动目标；
S3：若判定检测目标无效时，返回步骤S1；
所述步骤S2对采样的信号进行检测处理包括信号斜率的计算：kn＝sn-sn-sn-1，n＝2，...N；
其中sn为采样信号的第n个采样值，kn为该时刻信号的斜率，当|kn|>TH1时认定该信号对应的是无效检测目标(TH1为一预设检测阈值)；
所述步骤S2对采样的信号进行检测处理还包括目标频谱能量与杂散的比值：r＝pmax/∑pn,n＝0,1,…N；
pn为该时频谱分布曲线中第n根谱线对应的信号能量，pmax为其中最大值，当|r|<TH2时，认定该信号对应无效的检测目标，(TH2为一预设检测阈值)；
当|kn|≤TH1时且|r|≥TH2时，认定该信号对应的是有效检测目标。
在上述方案的基础上并作为上述方案的优选方案：所述步骤S1中采样的步骤包括采集道路的多普勒信息。
在上述方案的基础上并作为上述方案的优选方案：在所述采集道路的多普勒信息之前，还包括在道路表面、边沿、个车道边线位置都部署若干间隔设置的多普勒微波雷达传感器的步骤。
在上述方案的基础上并作为上述方案的优选方案：所述步骤S2对采样的信号进行检测处理还包括对多普勒信息进行预处理以形成多普勒信号频率的步骤。
在上述方案的基础上并作为上述方案的优选方案：所述对多普勒信息进行预处理的步骤包括使用多普勒预处理单元进行预处理。
本发明相比现有技术突出且有益的技术效果是：本发明中在基本的多普勒检测的基础上，增加了信号特征的判断，利用检测到的信号特征判断检测到的是否为真实有效的运动目标。自然界的雨雪具有随机、无规律的特点，虽然会使多普勒雷达传感器产生较大的多普勒信号(如图1所示)，相比于正常的运动目标产生的多普勒信号(如图4所示)，雨雪产生的信号变化更快，突变大，在数学上的体现就是信号波形的斜率较大(如图2和图5所示)。从信号的频谱能量分布来看，雨雪的信号能量分布比较分散，而不是如同正常运动目标产生的信号频谱一般，具有能量集中的信号主峰。此外还可以提取、分析和比较信号在时域或频域的离散性、连续性等信号特征。利用以上的信号特征，可以有效的区分检测目标是否为雨雪干扰，抵御雨雪天气的干扰，判断检测目标是否有效。从而解决了雨雪等恶劣天气对多普勒雷达传感器的影响，扩大了多普勒雷达传感器的适用范围；从算法层面上解决了雨雪干扰的问题，避免对产品外观形态的改变；在基础的多普勒算法基础上增加信号特征判断和识别，不需要额外占用过多的计算存储资源，有利于降低成本。
附图说明
图1是雨雪多普勒信号分布示意图；
图2是雨雪多普勒信号斜率分布示意图；
图3是雨雪多普勒信号频谱能量分布示意图；
图4是运动目标多普勒信号分布示意图；
图5是运动目标多普勒信号斜率分布示意图；
图6是运动目标多普勒信号频谱能量分布示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合实施例,对技术方案进行清楚、完整地描述，
多普勒微波雷达传感器是采用多普勒效应的一种移动物体检测传感器。适用于人或物体运动时信号的采集在立体范围内主要为非接触式，且不受气候条件影响，易于隐蔽微波是指频率在300-300G范围内极高频电磁波,其波长范围从1m-1m微波具有直线(视距)传播，不受其他电磁波干扰,频带宽，系统体积小等特点。首先在通信领域得到广泛应用，其次，微波技术另一个重要应用当属雷达，使用微波雷达对远距离移动目标进行测速、测距、侧方位等。现有技术中已经出现了众多的多普勒微波雷达传感器，并且对多普勒微波雷达传感器的信号采集以及预处理也已经是本领域熟练掌握和使用的。本申请正时基于这一基础上，针对背景技术中指出的技术问题提出了新的解决方案。具体如下：
本申请公开了一种抵抗恶劣天气对雷达传感器影响的方法，
包括
S1：对多普勒雷达传感器输出的信号进行采样的步骤；
S2：对采样的信号进行检测处理，根据检测处理的结果与预设值进行比对，从而判别检测区域内是否存在运动目标；
S3：若判定检测目标无效时，返回步骤S1；
所述步骤S2对采样的信号进行检测处理包括信号斜率的计算：kn＝sn-sn-1，n＝2，...N；
其中sn为采样信号的第n个采样值，kn为该时刻信号的斜率，当|kn|>TH1时认定该信号对应的是无效检测目标(TH1为一预设检测阈值)；
所述步骤S2对采样的信号进行检测处理还包括目标频谱能量与杂散的比值：r＝pmax/∑pn,n＝0,1,…N；
pn为该时频谱分布曲线中第n根谱线对应的信号能量，pmax为其中最大值，当|r|<TH2时，认定该信号对应无效的检测目标，(TH2为一预设检测阈值)；
当|kn|≤TH1时且|r|≥TH2时，认定该信号对应的是有效检测目标。
进一步优选步骤S1中采样的步骤包括采集道路的多普勒信息。优选的，在采集道路的多普勒信息之前，还包括在道路表面、边沿、个车道边线位置都部署若干间隔设置的多普勒微波雷达传感器的步骤，从而实现多方位的采集道路的多普勒信息。
进一步优选步骤S2对采样的信号进行检测处理还包括对多普勒信息进行预处理以形成多普勒信号频率的步骤；优选所述对多普勒信息进行预处理的步骤包括使用多普勒预处理单元进行预处理，由此实现对设置在道路表面、边沿、各车道边线位置的多普勒微波雷达传感器采集到的信号进行预处理，需要说明的是，预处理的步骤包括对采样信号再时间域进行滤波、降噪、加窗等，然后通过数字信号处理技术，将时域信号转化成频域信号，通过比较时域信号的幅值或者频域信号的强度，可以对检测区域内是否存在目标进行预判，通过信号的频域信息可以计算目标的多普勒速度。需要说明的是，对多普勒信息的预处理属于现有技术。
由此，本发明中在基本的多普勒检测的基础上，增加了信号特征的判断，利用检测到的信号特征判断检测到的是否为真实有效的运动目标。自然界的雨雪具有随机、无规律的特点，虽然会使多普勒雷达传感器产生较大的多普勒信号(如图1所示)，相比于正常的运动目标产生的多普勒信号(如图4所示)，雨雪产生的信号变化更快，突变大，在数学上的体现就是信号波形的斜率较大(如图2和图5所示)。从信号的频谱能量分布来看(如图3和图6所示)，雨雪的信号能量分布比较分散，而不是如同正常运动目标产生的信号频谱一般，具有能量集中的信号主峰。此外还可以提取、分析和比较信号在时域或频域的离散性、连续性等信号特征。利用以上的信号特征，可以有效的区分检测目标是否为雨雪干扰，抵御雨雪天气的干扰，判断检测目标是否有效。
上述实施例仅为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

Claims (5)

1.一种抵抗恶劣天气对雷达传感器影响的方法，其特征在于：
包括
S1：对多普勒雷达传感器输出的信号进行采样的步骤；
S2：对采样的信号进行检测处理，根据检测处理的结果与预设值进行比对，从而判别检测区域内是否存在运动目标；
S3：若判定检测目标无效时，返回步骤S1；
所述步骤S2对采样的信号进行检测处理包括信号斜率的计算：kn＝sn-sn-1，n＝2，...N
其中sn为采样信号的第n个采样值，kn为该时刻信号的斜率，当|kn|>TH1时认定该信号对应的是无效检测目标，TH1为一预设检测阈值；
所述步骤S2对采样的信号进行检测处理还包括目标频谱能量与杂散的比值：r＝pmax/∑pn，n＝0,1,…N；
pn为该时刻频谱分布曲线中第n根谱线对应的信号能量，pmax为其中最大值，当|r|<TH2时，认定该信号对应无效的检测目标，TH2为一预设检测阈值；
当|kn|≤TH1时且|r|≥TH2时，认定该信号对应的是有效检测目标。
2.根据权利要求1所述的一种抵抗恶劣天气对雷达传感器影响的方法，其特征在于：所述步骤S1中采样的步骤包括采集道路的多普勒信息。
3.根据权利要求2所述的一种抵抗恶劣天气对雷达传感器影响的方法，其特征在于：在所述采集道路的多普勒信息之前，还包括在道路表面、边沿、个车道边线位置都部署若干间隔设置的多普勒微波雷达传感器的步骤。
4.根据权利要求1所述的一种抵抗恶劣天气对雷达传感器影响的方法，其特征在于：所述步骤S2对采样的信号进行检测处理还包括对多普勒信息进行预处理以形成多普勒信号频率的步骤。
5.根据权利要求1所述的一种抵抗恶劣天气对雷达传感器影响的方法，其特征在于：所述对多普勒信息进行预处理的步骤包括使用多普勒预处理单元进行预处理。
CN202011159733.1A 2020-10-27 2020-10-27 一种抵抗恶劣天气对雷达传感器影响的方法 Active CN112363115B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011159733.1A CN112363115B (zh) 2020-10-27 2020-10-27 一种抵抗恶劣天气对雷达传感器影响的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011159733.1A CN112363115B (zh) 2020-10-27 2020-10-27 一种抵抗恶劣天气对雷达传感器影响的方法

Publications (2)

Publication Number Publication Date
CN112363115A CN112363115A (zh) 2021-02-12
CN112363115B true CN112363115B (zh) 2022-09-02

Family

ID=74512297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011159733.1A Active CN112363115B (zh) 2020-10-27 2020-10-27 一种抵抗恶劣天气对雷达传感器影响的方法

Country Status (1)

Country Link
CN (1) CN112363115B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4014019A (en) * 1975-09-11 1977-03-22 The United States Of America As Represented By The Secretary Of The Navy Real time analog doppler processor for weather radar
US5247307A (en) * 1990-11-09 1993-09-21 Thomson-Csf Process for the recognition of an aerial target from its radar echo
CN102156282A (zh) * 2011-03-25 2011-08-17 电子科技大学 一种基于微多普勒效应的雷达目标检测方法
CN110275149A (zh) * 2019-06-24 2019-09-24 湖北博微瑞天信息技术有限公司 一种雷达微多普勒测量系统及方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4622555A (en) * 1982-09-02 1986-11-11 Motorola, Inc. Coded pulse Doppler radar with clutter-adaptive modulation and method therefore
US5157403A (en) * 1991-10-04 1992-10-20 General Electric Co. Noise correction in radars for diffuse targets
US5442359A (en) * 1994-06-30 1995-08-15 Unisys Corporation Apparatus and method for mitigating range-doppler ambiguities in pulse-doppler radars
JPH08179037A (ja) * 1994-12-22 1996-07-12 Mitsubishi Electric Corp レーダ装置
US6127965A (en) * 1998-07-23 2000-10-03 Eaton-Vorad Technologies, L.L.C. Method and apparatus for rejecting rain clutter in a radar system
WO2015081498A1 (zh) * 2013-12-03 2015-06-11 南充鑫源通讯技术有限公司 一种微波感应控制方法及装置
JP6279931B2 (ja) * 2014-02-27 2018-02-14 株式会社東芝 レーダ装置、誘導装置及びレーダ信号処理方法
US10048370B2 (en) * 2015-07-07 2018-08-14 Honeywell International Inc. Estimating weather and ground reflectivity with doppler spectral information
CN106093908A (zh) * 2016-08-09 2016-11-09 西安电子科技大学 一种基于分块分段aic模型的雷达目标检测方法
US10627481B2 (en) * 2017-08-28 2020-04-21 Gm Global Technology Operation Llc Multi-resolution doppler processing
CN110426697A (zh) * 2019-07-05 2019-11-08 上海矽杰微电子有限公司 一种雷达目标检测方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4014019A (en) * 1975-09-11 1977-03-22 The United States Of America As Represented By The Secretary Of The Navy Real time analog doppler processor for weather radar
US5247307A (en) * 1990-11-09 1993-09-21 Thomson-Csf Process for the recognition of an aerial target from its radar echo
CN102156282A (zh) * 2011-03-25 2011-08-17 电子科技大学 一种基于微多普勒效应的雷达目标检测方法
CN110275149A (zh) * 2019-06-24 2019-09-24 湖北博微瑞天信息技术有限公司 一种雷达微多普勒测量系统及方法

Also Published As

Publication number Publication date
CN112363115A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN106646457B (zh) 基于微波的人员行为检测方法与装置
CN113391282B (zh) 一种基于雷达多维特征融合的人体姿态识别方法
CN114419825B (zh) 基于毫米波雷达和摄像头的高铁周界入侵监测装置及方法
WO2014108889A1 (en) A method for mitigating rain clutter interference in millimeter-wave radar detection
CN111398909B (zh) 一种基于倒谱分析的杂波环境无人机检测方法
CN107462873A (zh) 一种雷达干扰快速识别方法
CN111830508A (zh) 一种采用毫米波雷达的道闸防砸系统和方法
Cai et al. Foreign objects intrusion detection using millimeter wave radar on railway crossings
CN114814832A (zh) 基于毫米波雷达的人体跌倒行为实时监测系统及监测方法
CN116990773A (zh) 基于自适应门限的低慢小目标检测方法、装置和存储介质
CN114325623A (zh) 一种基于毫米波雷达的人体肢体运动信息测量方法
CN109872527B (zh) 基于重力感应的行人闯红灯监控装置及监控方法
JP2013541696A (ja) 人物の識別装置および識別方法
CN112363115B (zh) 一种抵抗恶劣天气对雷达传感器影响的方法
CN114545387A (zh) 一种基于毫米波雷达数据拟合的高空抛物检测判别方法
CN114002663A (zh) 一种基于毫米波雷达的有无人检测方法
CN108107410A (zh) 一种异型雷达联合判决目标检测方法
CN109766737B (zh) 基于图像处理的室内人体姿态初步分类方法
Kruse et al. Target classification based on near-distance radar sensors
KR102356347B1 (ko) 특징점 기반 신경망 학습을 이용한 보안 감시용 레이다 시스템 및 그 보안 감시 방법
Kondapalli et al. Real-time rain severity detection for autonomous driving applications
Wu et al. Sea-clutter region extraction based on image segmentation methods for over-the-horizon radar
TW202129595A (zh) 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法
CN117970277B (zh) 目标检测方法
CN116125466B (zh) 船舶人员隐藏威胁性物品携带检测方法、装置及电子设备

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
CP03 Change of name, title or address

Address after: No. 0459, Unit 209, No. 62 Chengyi North Street, Software Park Phase III, Torch High tech Zone, Xiamen City, Fujian Province, 361000

Patentee after: Sijie Microelectronics (Xiamen) Co.,Ltd.

Address before: 201800 room j461, building 6, 1288 Yecheng Road, Jiading District, Shanghai

Patentee before: SHANGHAI SILICON MICROELECTRONICS Co.,Ltd.

CP03 Change of name, title or address