CN113219447A - 一种基于毫米波阵列的输电线距离稳定测量方法 - Google Patents

一种基于毫米波阵列的输电线距离稳定测量方法 Download PDF

Info

Publication number
CN113219447A
CN113219447A CN202110386816.2A CN202110386816A CN113219447A CN 113219447 A CN113219447 A CN 113219447A CN 202110386816 A CN202110386816 A CN 202110386816A CN 113219447 A CN113219447 A CN 113219447A
Authority
CN
China
Prior art keywords
distance
millimeter wave
value
transmission line
power transmission
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
CN202110386816.2A
Other languages
English (en)
Inventor
张庆
董毅
胡立平
滕贤亮
马李锋
王琳
沈健
张敏
潘树国
陈力
陆新宇
高旺
魏建胜
任杰
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.)
Southeast University
NARI Group Corp
State Grid Beijing Electric Power Co Ltd
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Southeast University
NARI Group Corp
State Grid Beijing Electric Power Co Ltd
Nari Technology Co Ltd
NARI Nanjing Control System 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 Southeast University, NARI Group Corp, State Grid Beijing Electric Power Co Ltd, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Southeast University
Priority to CN202110386816.2A priority Critical patent/CN113219447A/zh
Publication of CN113219447A publication Critical patent/CN113219447A/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
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/08—Systems for measuring distance only
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
    • G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
    • 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

Landscapes

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

Abstract

本发明公开了一种基于毫米波阵列的输电线距离稳定测量方法，步骤1、设计毫米波阵列排布位置，以实现其测量范围的全覆盖；步骤2、设计基于时间域的有效目标距离最小值提取算法，其中包括提取每帧距离最小值、滤除无效目标距离以及输出一段时间内有效目标距离最小值；步骤3、将最后持续输出的数据进行卡尔曼抗差滤波处理，以实现数据平滑，从而提高系统的抗粗差干扰能力。本发明提供的一种基于毫米波阵列的输电线距离稳定测量方法，在实时跟踪输电线路的基础上，准确且稳定地测量出机械设备与输电线的距离。

Description

一种基于毫米波阵列的输电线距离稳定测量方法
技术领域
本发明涉及一种基于毫米波阵列的输电线距离稳定测量方法，属于电力自动化技术领域。
背景技术
输电线路是确保电力正常输送的通道，是电力系统重要的基础设施。随着国民经济和社会基础设施建设的快速发展，城市输电线路的密度越来越高，在输电线路周围的施工作业也变得不可避免，施工过程中吊车等大型机械或特种作业车引起的输电线路短路事故时有发生。因此，如何确定输电线路与机械设备之间距离就显得十分重要，准确地确定输电线路距离也为机械碰线预警提供了有效依据。
现有技术中采用SR37F毫米波雷达传感器进行测距时，传回的是所有测得的目标物的距离、方位角等信息，虽然能够进行实时测量，但是无法稳定地对输电线路进行跟踪，为此，需要在实时对输电线路进行测距的同时，提高测量结果的稳定性与可靠性。
发明内容
目的：为了克服现有技术中存在的不足，本发明提供一种基于毫米波阵列的输电线距离稳定测量方法，将毫米波雷达传回的目标物距离信息通过算法的处理，解决了雷达多点多帧返回、输出不稳定且受环境物体干扰较大等问题，从而保证能够对输电线的距离进行稳定和实时的测量。
技术方案：为解决上述技术问题，本发明采用的技术方案为：
一种基于毫米波阵列的输电线距离稳定测量方法，包括如下步骤：毫米波雷达每隔t时间发送一帧数据，每帧数据包括m个目标物的距离值，方位角；
取每i帧数据中目标物距离最小值
Figure BDA0003013499430000021
以及对应的方位角ai，其中，i为计算周期T内第i帧数据，i取值为
Figure BDA0003013499430000029
根据判别公式对计算周期T内所有帧数据的目标物距离最小值进行计算，去除掉满足判别公式的无效目标的距离值，得到剩余的目标物距离值集合设置为Dj，其中，j为第j个计算周期，所述判别公式如下：
Figure BDA0003013499430000022
其中，d*为目标物相隔时间t的距离变化量阈值，a*目标物相隔时间t的方位角变化量阈值；
取集合Dj中目标物距离最小值
Figure BDA0003013499430000023
Figure BDA0003013499430000024
作为毫米波雷达与输电线距离值。
作为优选方案，将所有计算周期获取的
Figure BDA0003013499430000025
经卡尔曼抗差滤波进行平滑，获取优化后的毫米波雷达与输电线距离值
Figure BDA0003013499430000026
其中，j为第j个计算周期。
作为优选方案，d*、a*根据毫米波雷达安装的机械设备t时间的移动吊臂移动距离变化值、方位角变化量确定。
作为优选方案，所述毫米波雷达数量设置为多个，两个毫米波雷达之间呈125°夹角排列在机械设备的移动吊臂上。
作为优选方案，t设置为30ms，T设置为1s。
作为优选方案，d*设置为0.3m、a*设置为20°。
作为优选方案，当
Figure BDA0003013499430000027
ai为空值时，
Figure BDA0003013499430000028
赋值为1000m，ai赋值为0。
有益效果：本发明提供的一种基于毫米波阵列的输电线距离稳定测量方法，对毫米波阵列的排布进行设计，增大其测量范围，接着采用基于时间域的有效目标距离最小值提取算法和基于卡尔曼抗差滤波的整秒测量数据处理算法进行处理，在实时跟踪输电线路的基础上，准确且稳定地测量出机械设备与输电线的距离。
附图说明
图1是本发明所述的基于毫米波雷达阵列的输电线距离稳定测量方法实时流程图；
图2是毫米波阵列测距效果及角度覆盖范围示意图；
图3是无效目标滤除算法流程图；
图4是基于时间域的有效目标距离最小值提取算法流程图；
图5是实例实地场景图；
图6是实例静态实验示意图；
图7是实例静态实验数据分析示意图；
图8是实例动态实验示意图；
图9是实例动态实验数据分析示意图；
图10是静态实验算法处理前后数据统计分析。
具体实施方式
下面结合具体实施例对本发明作更进一步的说明。
如图1所示，一种基于毫米波阵列的输电线距离稳定测量方法，包括如下步骤：
步骤1、设计毫米波阵列排布位置，以实现其测量范围的全覆盖；
步骤2、设计基于时间域的有效目标距离最小值提取算法，其中包括提取每帧距离最小值、滤除无效目标距离以及输出一段时间内有效目标距离最小值；
步骤3、将最后持续输出的数据进行卡尔曼抗差滤波处理，以实现数据平滑，从而提高系统的抗粗差干扰能力。
实施例1：
一种基于毫米波阵列的输电线距离稳定测量方法，具体步骤如下：
步骤1，设计毫米波阵列，由于毫米波雷达的测量范围为前方120°扇形面，因此大型机械车辆作业时雷达测距会出现测量盲区从而无法实时跟踪输电线路，故提出了设计毫米波阵列排布位置的方法，以实现雷达工作时对周围环境物体的全方位检测，本发明对于毫米波雷达的空间覆盖角度和支架结构等进行了安装及计算，如附图2所示：首先在吊臂正前方安装一个毫米波雷达，接着在其左右两侧夹角为125°的位置再各安装一个毫米波雷达，实现测量范围最大化，从而降低误测漏测的现象。
步骤2，上述步骤中将安装好的雷达进行目标物的测量并接收目标物距离信息，首先考虑到雷达测距时多点目标物多帧扫描返回距离与方位角信号、输出不稳定且受环境物体干扰较大的问题，本发明提出对一段时间内的测距最小值进行提取并作为最终距离值的方法(经综合考量本文中该时间域取1秒钟)，即在雷达测到的众多目标信息中，通过处理，最后得到一个距离值，以1Hz的频率输出。具体算法设计如下所示：
毫米波雷达每30ms传来一帧数据，每一帧数据内含有小于等于10组雷达和目标物之间的距离信息，首先提取每一帧数据中距离值最小的那个目标，并将其距离值输出，达到初步提高算法稳定性的目的，将该距离值定义为dmin：
Figure BDA0003013499430000041
其中，i表示1秒内的雷达接收到的第i帧数据，m表示该帧数据中雷达检测到的目标物的个数，
Figure BDA0003013499430000051
表示第i帧数据的第m个目标物的距离值，
Figure BDA0003013499430000052
表示第i帧数据检测到的距离最小值。
将雷达接收的每一帧数据都如此处理，当时间到达1秒钟后，即输出的每帧距离最小值达到30个左右后，就进行无效目标的判断与滤除。
基于雷达会时不时探测到异常值或跳变值，从而导致输电线跟踪出现误差的问题，提出了滤除无效目标距离值的方法。本文将毫米波雷达中的异常值或者跳变值分为以下两种情况：
(1)空目标信息
当毫米波雷达前方未探测到目标物，此时
Figure BDA0003013499430000053
没有数据输出，于是将
Figure BDA0003013499430000054
距离值设置为1000m，方位角设置为0°，并以此作为输出。
(2)无效目标信息
毫米波雷达在进行输电线路的实时跟踪测量时，出现非输电线的目标为无效目标信息。该类目标信息可分为两类：①输电线路在无效目标物体与毫米波雷达中间时，此类无效目标会自动被最小值提取算法滤除，因此不会对结果产生影响；②无效目标物体在输电线与毫米波雷达中间，这类无效目标是具有出现时间短、在雷达检测时易带来输出值的连续跳变等特点，并且此类无效目标无法被最小值提取算法滤除，从而对输电线距离的跟踪带来影响，因此需要滤除此类目标信息。
处理空目标时，直接将距离值赋为1000m，方位角赋为0°作为输出，即表示未探测到任何目标物的距离信息。
处理无效目标时，应该考虑其出现的时间长短，本发明现在是以雷达探测1s内的距离最小值作为输出，基于吊臂缓慢运动的特性，因此考虑，倘若该无效目标在雷达探测区域内出现持续0.5s以上，即连续出现15帧及以上，则将该目标定义为有效目标，需要将其距离值输出，倘若该无效目标在雷达探测区域内出现持续不足0.5s，则认为该目标应被剔除，不予考虑。对于无效目标的判定如下：
①当前后两帧雷达输出的距离最小值之差大于0.3m时，即1s内的距离变化大于4m左右，认为该帧测到的目标物为无效目标，需要去除。
②当前后两帧雷达输出的方位角变化大于20°时，认为该帧测到的目标物为无效目标，需要去除。
Figure BDA0003013499430000061
其中，
Figure BDA0003013499430000062
和
Figure BDA0003013499430000063
表示前后两帧毫米波雷达探测到的距离最小值，ai+1和ai表示前后两帧距离最小值目标对应的方位角。即当毫米波雷达前后两帧的输出值满足上面两个式子之一时，就暂定出现了无效目标。
当滤除一包数据内的无效目标后，就需要将1s内剩余的帧数所对应的距离值进行比较，取出1秒钟内雷达传感器得到的最小距离值，用此距离值来作为最终值
Figure BDA0003013499430000064
并进行输出。
Figure BDA0003013499430000065
其中，
Figure BDA0003013499430000071
表示1秒内第i帧检测到的有效目标物的距离最小值，
Figure BDA0003013499430000072
表示第j秒内的最终距离值。
附图5为实例测试场景，附图6为静态实验效果图，将毫米波雷达静态放置于输电线下方，并保持一段时间的静止，与此同时，对输电线的距离和方位角数据进行采集，附图8为动态实验效果图，将毫米波雷达托举于人头顶，接着人在输电线下方做上下蹲起运动，使得雷达做上下往复运动，循环几次的同时对输电线的距离和方位角数据进行采集。附图7和附图9分别为静态动态实验数据分析，附图10为静态数据统计，观察附图7和附图9可知，原始数据杂乱无章，返回了雷达测到的所有目标物的距离与方位角，难以进行准确的输电线距离跟踪与测量，经过基于时间域的每帧距离最小值提取算法后，距离与角度相较于之前略微稳定，进一步地，通过观察附图10中距离和方位角的均值与方差可知，所测输电线距离的精度和稳定性有了较大提高。
步骤3，采用卡尔曼抗差滤波对连续输出的数据进行平滑。将最后持续输出的数据进行卡尔曼抗差滤波处理，以实现数据的平滑，从而提高系统的抗粗差干扰能力。
假设第K个历元的卡尔曼滤波动力学方程和观测方程为：
Xk＝Φk，k-1Xk-1+Wk
Lk＝BkXk+ek
Vk＝BkXk-Lk
其中Xk为当前时刻的状态参数(预测)，Xk-1为上一个时刻的状态参数，Φk，k-1为两个时刻间的状态转移矩阵，Wk为两个历元间的动态噪声矩阵，是零均值高斯白噪声；第二个式子为观测状态方程，其中Lk为观测向量，Bk为观测矩阵，ek为观测噪声，是与Wk互不相关的零均值高斯白噪声，方差为Rk，Vk为Lk的残差向量。
状态参数抗差解及协方差矩阵为：
Figure BDA0003013499430000081
Figure BDA0003013499430000082
Figure BDA0003013499430000083
其中，
Figure BDA0003013499430000084
为状态预报向量，
Figure BDA0003013499430000085
为状态预报向量的协方差矩阵，
Figure BDA0003013499430000086
为等价权矩阵，I为单位矩阵。目前，有许多种等价权函数可以用来计算等价权矩阵
Figure BDA0003013499430000087
如丹麦法权函数、Huber权函数、IGG I方案、IGG III方案等等，由于考虑到测量先验信息，本文采用三段法的IGG III方案等价权函数。
倘若观测值残差采用上一个历元的状态向量而非当前历元，则可以有效抵制异常较大粗差对正常观测值的影响，那么，对应的观测残差向量应该如下：
Vk＝BkXk-1-Lk
在等价权矩阵
Figure BDA0003013499430000091
的初值设定中，令
Figure BDA0003013499430000092
其中，R为观测误差方差矩阵。本发明中，由于不涉及多维变量，因此所有的矩阵都是一维的。因此，可将对应的卡尔曼增益矩阵变换如下：
Figure BDA0003013499430000093
观测误差方差矩阵R采用三段法，具体公式如下：
Figure BDA0003013499430000094
式中，k0和k1为常量，通常选为k0＝1.0～1.5，k1＝2.5～8.0；
Figure BDA0003013499430000095
为标准化残差，且
Figure BDA0003013499430000096
其中Vi为观测残差，该值为前后两次状态量之差即|Xk-Xk-1|，σ0为方差因子，此处设为前后两次状态的时间差|Currtime-Passtime|与一个常数Vel的乘积，该常数越大，所允许的跳变值范围也就越大，反之，所允许的跳变值范围就越小，考虑到实际测试现场以及大型机械吊臂的运动速度，Vel被定为2.0。综上所述，当观测值小于一定范围时，其观测误差方差值保持不变；当观测值超出一定范围，并保持在一个阈值中时，采用根据观测值大小适当改变观测误差方差值的处理手法，随之降低权重；当观测值出现明显异常时，采用将观测误差方差值放大的处理手法，从而大大降低权重，此处令常数c＝|Xk-Xk-1|2/4。
如附图7与附图9可知，在经过该算法的最终处理后，输电线的距离和方位角信息跟踪良好，输出结果的稳定性和精度都有所提高，算法的可行性得到了较好的验证。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：包括如下步骤：
毫米波雷达每隔t时间发送一帧数据，每帧数据包括m个目标物的距离值，方位角；
取每i帧数据中目标物距离最小值
Figure FDA0003013499420000011
以及对应的方位角ai，其中，i为计算周期T内第i帧数据，i取值为
Figure FDA0003013499420000012
根据判别公式对计算周期T内所有帧数据的目标物距离最小值进行计算，去除掉满足判别公式的无效目标的距离值，得到剩余的目标物距离值集合设置为Dj，其中，j为第j个计算周期，所述判别公式如下：
Figure FDA0003013499420000013
其中，d*为目标物相隔时间t的距离变化量阈值，a*目标物相隔时间t的方位角变化量阈值；
取集合Dj中目标物距离最小值
Figure FDA0003013499420000014
Figure FDA0003013499420000015
作为毫米波雷达与输电线距离值。
2.根据权利要求1所述的一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：还包括如下步骤：
将所有计算周期获取的
Figure FDA0003013499420000016
经卡尔曼抗差滤波进行平滑，获取优化后的毫米波雷达与输电线距离值
Figure FDA0003013499420000017
其中，j为第j个计算周期。
3.根据权利要求1或2所述的一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：d*、a*根据毫米波雷达安装的机械设备t时间的移动吊臂移动距离变化值、方位角变化量确定。
4.根据权利要求1或2所述的一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：所述毫米波雷达数量设置为多个，两个毫米波雷达之间呈125°夹角排列在机械设备的移动吊臂上。
5.根据权利要求1或2所述的一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：t设置为30ms，T设置为1s。
6.根据权利要求1或2所述的一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：d*设置为0.3m、a*设置为20°。
7.根据权利要求1或2所述的一种基于毫米波阵列的输电线距离稳定测量方法，其特征在于：当
Figure FDA0003013499420000021
ai为空值时，
Figure FDA0003013499420000022
赋值为1000m，ai赋值为0。
CN202110386816.2A 2021-04-09 2021-04-09 一种基于毫米波阵列的输电线距离稳定测量方法 Pending CN113219447A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110386816.2A CN113219447A (zh) 2021-04-09 2021-04-09 一种基于毫米波阵列的输电线距离稳定测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110386816.2A CN113219447A (zh) 2021-04-09 2021-04-09 一种基于毫米波阵列的输电线距离稳定测量方法

Publications (1)

Publication Number Publication Date
CN113219447A true CN113219447A (zh) 2021-08-06

Family

ID=77086897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110386816.2A Pending CN113219447A (zh) 2021-04-09 2021-04-09 一种基于毫米波阵列的输电线距离稳定测量方法

Country Status (1)

Country Link
CN (1) CN113219447A (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124080A (ja) * 1994-10-20 1996-05-17 Honda Motor Co Ltd 車両の障害物検出装置
JP2000258525A (ja) * 1999-03-05 2000-09-22 Sharp Corp ミリ波レーダ
JP2006201030A (ja) * 2005-01-20 2006-08-03 Chugoku Electric Power Co Inc:The レーザー光利用接近検知システム
JP2006290051A (ja) * 2005-04-06 2006-10-26 Nissan Motor Co Ltd 駐車支援装置及び駐車支援方法
JP2014115119A (ja) * 2012-12-06 2014-06-26 Toyota Motor Corp 物体検出装置
CN106772340A (zh) * 2016-12-08 2017-05-31 北京国网富达科技发展有限责任公司 用于架空输电线路的树障测量系统及方法
CN106918811A (zh) * 2017-04-05 2017-07-04 中国石油大学(华东) 一种逆合成孔径雷达船只成像时窗选取方法
CN106990403A (zh) * 2017-04-28 2017-07-28 西安电子科技大学 基于多波段两级信息融合的低空目标跟踪方法
CN108108335A (zh) * 2017-12-26 2018-06-01 北京邮电大学 一种野值剔除方法及装置
CN108919838A (zh) * 2018-08-27 2018-11-30 河海大学常州校区 一种基于双目视觉的无人机输电线路自动跟踪方法
CN109062233A (zh) * 2018-08-15 2018-12-21 广东电网有限责任公司 一种输电线路无人机自动驾驶巡检方法
US20190066270A1 (en) * 2016-03-02 2019-02-28 Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) External interference removal device
WO2019239365A1 (en) * 2018-06-13 2019-12-19 Purohit Ankit System and method for position and orientation tracking of multiple mobile devices
US20200211219A1 (en) * 2017-08-22 2020-07-02 Sony Corporation Signal processing apparatus, signal processing method, program, mobile object, and signal processing system
CN111856448A (zh) * 2020-07-02 2020-10-30 山东省科学院海洋仪器仪表研究所 基于双目视觉和雷达的海上障碍物识别方法及系统
CN112505684A (zh) * 2020-11-17 2021-03-16 东南大学 恶劣环境路侧视角下雷达视觉融合的车辆多目标跟踪方法
US20210103027A1 (en) * 2019-10-07 2021-04-08 Metawave Corporation Multi-sensor fusion platform for bootstrapping the training of a beam steering radar

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08124080A (ja) * 1994-10-20 1996-05-17 Honda Motor Co Ltd 車両の障害物検出装置
JP2000258525A (ja) * 1999-03-05 2000-09-22 Sharp Corp ミリ波レーダ
JP2006201030A (ja) * 2005-01-20 2006-08-03 Chugoku Electric Power Co Inc:The レーザー光利用接近検知システム
JP2006290051A (ja) * 2005-04-06 2006-10-26 Nissan Motor Co Ltd 駐車支援装置及び駐車支援方法
JP2014115119A (ja) * 2012-12-06 2014-06-26 Toyota Motor Corp 物体検出装置
US20190066270A1 (en) * 2016-03-02 2019-02-28 Kabushiki Kaisha Kobe Seiko Sho (Kobe Steel, Ltd.) External interference removal device
CN106772340A (zh) * 2016-12-08 2017-05-31 北京国网富达科技发展有限责任公司 用于架空输电线路的树障测量系统及方法
CN106918811A (zh) * 2017-04-05 2017-07-04 中国石油大学(华东) 一种逆合成孔径雷达船只成像时窗选取方法
CN106990403A (zh) * 2017-04-28 2017-07-28 西安电子科技大学 基于多波段两级信息融合的低空目标跟踪方法
US20200211219A1 (en) * 2017-08-22 2020-07-02 Sony Corporation Signal processing apparatus, signal processing method, program, mobile object, and signal processing system
CN108108335A (zh) * 2017-12-26 2018-06-01 北京邮电大学 一种野值剔除方法及装置
WO2019239365A1 (en) * 2018-06-13 2019-12-19 Purohit Ankit System and method for position and orientation tracking of multiple mobile devices
CN109062233A (zh) * 2018-08-15 2018-12-21 广东电网有限责任公司 一种输电线路无人机自动驾驶巡检方法
CN108919838A (zh) * 2018-08-27 2018-11-30 河海大学常州校区 一种基于双目视觉的无人机输电线路自动跟踪方法
US20210103027A1 (en) * 2019-10-07 2021-04-08 Metawave Corporation Multi-sensor fusion platform for bootstrapping the training of a beam steering radar
CN111856448A (zh) * 2020-07-02 2020-10-30 山东省科学院海洋仪器仪表研究所 基于双目视觉和雷达的海上障碍物识别方法及系统
CN112505684A (zh) * 2020-11-17 2021-03-16 东南大学 恶劣环境路侧视角下雷达视觉融合的车辆多目标跟踪方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LIANG Y等: "Research on Preceding Vehicle Detection Method Based on Millimeter Wave Radar and Deep Learning Visual", SOUTH CHINA UNIVERSITY OF TECHNOLOGY, 31 December 2019 (2019-12-31) *
张开元;吉兴全;于永进;: "采用ARUKF算法的电力系统动态状态估计", 中国科技论文, no. 11, 15 November 2019 (2019-11-15) *
王诒国等: "基于马氏距离的抗差卡尔曼滤波算法在组合导航中的应用", 北京测绘, vol. 34, no. 12, 31 December 2020 (2020-12-31) *

Similar Documents

Publication Publication Date Title
CN109270501B (zh) 一种用于全固态vts雷达的海杂波抑制方法
CN112731307B (zh) 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN105319537A (zh) 基于空间相关性的航海雷达同频干扰抑制方法
CN106291498B (zh) 一种基于粒子滤波的检测跟踪联合优化方法
CN112462355B (zh) 一种基于时频三特征提取的对海目标智能检测方法
CN108919223A (zh) 宽带雷达目标自适应结构化匹配滤波方法
CN109901154B (zh) 基于递推rtht-tbd的自适应调整方法
CN103197297B (zh) 基于认知框架的雷达动目标检测方法
CN113269889B (zh) 一种基于椭圆域的自适应点云目标聚类方法
CN110865343A (zh) 基于lmb的粒子滤波检测前跟踪方法及系统
CN111562570A (zh) 基于毫米波雷达的面向自动驾驶的车辆感知方法
CN110133612A (zh) 一种基于跟踪反馈的扩展目标检测方法
CN105261028A (zh) 基于能量聚集度测度的海陆杂波场景分割方法
CN110398735B (zh) 一种基于多雷达的感知数据处理方法及系统
Ren et al. Improved shape-based distance method for correlation analysis of multi-radar data fusion in self-driving vehicle
CN113219447A (zh) 一种基于毫米波阵列的输电线距离稳定测量方法
CN108196238A (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
CN111694009A (zh) 一种定位系统、方法以及装置
CN113866754B (zh) 基于高斯分布波门的运动目标航迹关联方法
CN113093174B (zh) 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法
Lu et al. Research on rainfall identification based on the echo differential value from X-band navigation radar image
CN114859304A (zh) 一种抗智能拖引干扰的数据互联方法
CN110412531B (zh) 杂波情况下基于幅值信息的接收站路径优化方法
CN109696662A (zh) 一种基于k统计分布模型背景的目标检测方法
CN114384487A (zh) 一种基于XGBoost的气象雷达地物回波识别方法

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