CN113219462A - 基于时频图的目标识别方法、装置和终端设备 - Google Patents
基于时频图的目标识别方法、装置和终端设备 Download PDFInfo
- Publication number
- CN113219462A CN113219462A CN202110476931.9A CN202110476931A CN113219462A CN 113219462 A CN113219462 A CN 113219462A CN 202110476931 A CN202110476931 A CN 202110476931A CN 113219462 A CN113219462 A CN 113219462A
- Authority
- CN
- China
- Prior art keywords
- time
- frequency
- target
- identified
- vehicle
- 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.)
- Granted
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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
-
- 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
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于雷达测控技术领域,提供了一种基于时频图的目标识别方法、装置和终端设备,其中,基于时频图的目标识别方法包括:接收车载雷达各个天线通道的回波信号;根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号;基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图;根据待识别目标的时频图,识别待识别目标的类型。采用本发明能够提升车载雷达的目标识别准确率。
Description
技术领域
本发明属于雷达测控技术领域,尤其涉及一种基于时频图的目标识别方法、装置和终端设备。
背景技术
随着科学技术的飞速发展,越来越多的应用领域依托雷达实现目标识别,例如自动驾驶中车辆、行人、骑车人等的识别。目前,通常利用雷达接收的回波信号的回波强度、雷达截面积(Radar Cross-Section,RCS)、速度、高度等特征,进行目标识别。
然而,上述目标识别方案在车载雷达领域的识别准确率有限,很难继续提升识别准确率,亟需一种应用于车载雷达的识别准确率高的目标识别方案。
发明内容
有鉴于此,本发明实施例提供了一种基于时频图的目标识别方法、装置和终端设备,能够提升车载雷达的目标识别准确率。
本发明实施例的第一方面提供了一种基于时频图的目标识别方法,包括:
接收车载雷达各个天线通道的回波信号;
根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号;
基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;
对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图;
根据待识别目标的时频图,识别待识别目标的类型。
在一种可能的实现方式中,根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号,包括:
根据车载雷达的雷达参数,确定杂波信号所对应的信号区域;
去除信号区域内的信号。
在一种可能的实现方式中,根据车载雷达的雷达参数,确定杂波信号所对应的信号区域,包括:
获取车载雷达的车速、速度分辨率、探测距离范围以及距离分辨率;
根据车载雷达的车速和速度分辨率,计算杂波信号占据的速度通道范围;
根据车载雷达的探测距离范围和距离分辨率,计算杂波信号占据的距离通道范围;
将速度通道范围和距离通道范围确定为信号区域。
在一种可能的实现方式中,根据车载雷达的雷达参数,确定杂波信号所对应的信号区域,包括:
获取车载雷达的车速和载频;
根据车载雷达的车速和载频,计算杂波信号的频率分布范围;
将频率分布范围确定为信号区域。
在一种可能的实现方式中,预设时频获取算法为短时傅里叶变换算法、魏格纳分布算法或者小波变换算法。
在一种可能的实现方式中,对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图,包括:
对每个天线通道的时频谱进行时域累加,得到待识别目标的时频图。
在一种可能的实现方式中,在对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图之后,方法还包括:
对待识别目标的时频图进行滤波;
根据待识别目标的时频图,识别待识别目标的类型,包括:
根据滤波处理后的待识别目标的时频图,识别待识别目标的类型。
在一种可能的实现方式中,对待识别目标的时频图进行滤波,包括:
对待识别目标的时频图进行频域和/或时域滤波。
本发明实施例的第二方面提供了一种基于时频图的目标识别装置,包括:
接收模块,用于接收车载雷达各个天线通道的回波信号;
去除模块,用于根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号;
时频谱生成模块,用于基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;
时频图获取模块,用于对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图;
识别模块,用于根据待识别目标的时频图,识别待识别目标的类型。
在一种可能的实现方式中,去除模块还用于:
根据车载雷达的雷达参数,确定杂波信号所对应的信号区域;
去除信号区域内的信号。
在一种可能的实现方式中,去除模块还用于:
获取车载雷达的车速、速度分辨率、探测距离范围以及距离分辨率;
根据车载雷达的车速和速度分辨率,计算杂波信号占据的速度通道范围;
根据车载雷达的探测距离范围和距离分辨率,计算杂波信号占据的距离通道范围;
将速度通道范围和距离通道范围确定为信号区域。
在一种可能的实现方式中,去除模块还用于:
获取车载雷达的车速和载频;
根据车载雷达的车速和载频,计算杂波信号的频率分布范围;
将频率分布范围确定为信号区域。
在一种可能的实现方式中,预设时频获取算法为短时傅里叶变换算法、魏格纳分布算法或者小波变换算法。
在一种可能的实现方式中,时频图获取模块还用于:
对每个天线通道的时频谱进行时域累加,得到待识别目标的时频图。
在一种可能的实现方式中,基于时频图的目标识别装置还包括滤波模块,用于:
对待识别目标的时频图进行滤波;
相应的,识别模块还用于:
根据滤波处理后的待识别目标的时频图,识别待识别目标的类型。
在一种可能的实现方式中,滤波模块还用于:
对待识别目标的时频图进行频域和/或时域滤波。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明实施例通过接收车载雷达各个天线通道的回波信号,然后根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号。之后,基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;接着,对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图。最后,可以根据待识别目标的时频图,识别待识别目标的类型。如此,提供了一种区别于利用回波信号特征进行目标识别的方案,且该方案充分考虑了车载雷达领域的特点,能够从微多普勒特征的方向,提升目标的识别准确率。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于时频图的目标识别方法的步骤流程图;
图2为本发明实施例提供的一种基于时频图的目标识别装置的示意图;
图3为本发明实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如背景技术所描述的,目前通用的利用回波信号特征进行目标识别的方案,在车载雷达领域的识别准确率有限,很难继续提升识别准确率,故而亟需一种应用于车载雷达的识别准确率高的目标识别方案。目前,在非车载雷达领域,出现了一些利用目标的微多普勒特征进行目标识别的研究方向,理论上能达到更高的目标识别准确率,但是存在一些目前还不能解决的问题,例如微多普勒特征提取困难、提取准确率较低。而针对车载体制雷达领域,如毫米波雷达领域,由于其信号处理流程不同于非车载体制雷达,且其面对的多为城市道路、山区、停车场等复杂场景,存在回波微弱、干扰性强的特点,因此,无法照搬非车载雷达领域的利用目标的微多普勒特征的识别方案。
经过大量的创造性劳动,提出一种基于时频图的目标识别的技术构思,通过该时频图可以得到微多普勒特征,用于目标识别。
本发明实施例提供了一种基于时频图的目标识别方法、装置和终端设备。下面首先对本发明实施例所提供的基于时频图的目标识别方法进行介绍。
基于时频图的目标识别方法的执行主体,可以是基于时频图的目标识别装置,该基于时频图的目标识别装置可以是具有处理器和存储器的终端设备,例如毫米波雷达等车载雷达。
如图1所示,本发明实施例提供的基于时频图的目标识别方法可以包括以下步骤:
步骤S110、接收车载雷达各个天线通道的回波信号。
在一些实施例中,装载在车辆上的车载雷达,例如毫米波雷达,可以发射雷达信号,相应的,车载雷达可以接收到返回的回波信号。以毫米波雷达为例,其多个天线通道可以分时收发,如此可以得到多个天线通道的回波信号数据。
步骤S120、根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号。
由于雷达接收回波信号的时候,不可避免地会接收到杂波信号,如地杂波,若杂波信号与时频谱在频率上处于同一范围,则会造成时频谱质量下降,因此,需要对杂波信号进行去除处理。
在一些实施例中,可以根据车载雷达的雷达参数,确定杂波信号所对应的信号区域,例如通道范围或者频率分布范围。之后,去除信号区域内的信号,如此可以去除各个天线通道的回波信号中的杂波信号。
可选的,对于信号区域是通道范围的情况,此时的雷达参数可以是车载雷达的车速、速度分辨率、探测距离范围以及距离分辨率。相应的,上述根据车载雷达的雷达参数,确定杂波信号所对应的信号区域的具体处理,可以如下:
首先,获取车载雷达的车速、速度分辨率、探测距离范围以及距离分辨率。之后,根据车载雷达的车速和速度分辨率计算杂波信号占据的速度通道范围,以及根据车载雷达的探测距离范围和距离分辨率计算杂波信号占据的距离通道范围。最后,将速度通道范围和距离通道范围确定为信号区域。
可选的,对于信号区域是频率分布范围的情况,此时的雷达参数可以是车载雷达的车速和载频等雷达系统的配置参数。相应的,上述根据车载雷达的雷达参数,确定杂波信号所对应的信号区域的具体处理,可以如下:
首先,获取车载雷达的车速和载频。之后,可以根据车载雷达的车速和载频,计算杂波信号的频率分布范围,最后,可以将频率分布范围确定为信号区域。
步骤S130、基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱。
在一些实施例中,预设时频获取算法可以是短时傅里叶变换(Short TimeFourier Transform,STFT)算法、魏格纳分布(Wigner Ville Distribution,WVD)算法或者小波变换算法。可以根据实际的工程需要,选择相应的时频获取算法来生成时频谱。
以STFT算法为例,回波信号可以表示为s(t),进行STFT变换后,得到的时频谱为S(ω,t),其中,t表示时间,ω表示频率。
步骤S140、对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图。
由于毫米波雷达等车载雷达的作用距离较小,当目标较远时,回波衰减严重,导致得到的时频谱质量较差。可以对每个天线通道的时频谱进行通道积累处理,不仅可以因提高信噪比,还可以得到待识别目标的时频图。需要说明的是,时频图可以是一张用坐标系表示的图片,其横坐标是时间,纵坐标是速度,即时频图同时表征了目标在时域和速度域的分布情况。
具体的,通道积累处理可以是对每个天线通道的时频谱进行时域累加。或者,对于高分辨雷达,通道积累处理可以是将多个分辨单元的时频谱能量进行累加。或者,对于TDM-MIMO雷达,可以得到多个收发通道的回波数据,如3发4收雷达,可以等效为12个收发通道,此时,通道积累处理可以是对每一个收发通道进行时频计算,然后累计得到时频谱。
可选的,当场景目标众多且目标被其他目标遮挡时,时频图的质量会下降,对此,可以对待识别目标的时频图进行滤波,以提升时频图的质量。
在一些实施例中,可以对待识别目标的时频图进行频域滤波。进行频域滤波的目的是,消除时频图中某些频率范围内的能量异常点,可以使用均值平滑滤波、高斯滤波等滤波方法。
以均值平滑滤波为例,时频图可以表示为S(ω,t),对t=t0时刻,其时频图为S(ω,t0),ω的分布范围为ω(1)≤ω≤ω(2)。首先,遍历更新各个频率点,具体的,当ω=ω(i)时,原来的时频图表示为S(ω(i),t0),其中,ω变化范围为[ω(1),ω(2)]。之后,更新时频图为S′(ω(i),t0),其中:
在一些实施例中,可以对待识别目标的时频图进行时域滤波。进行时域滤波目的是,消除时频图中某些时间范围内的能量异常点,可以使用均值平滑滤波、高斯滤波、低通滤波等滤波方法。
同样以均值滤波为例,时频图表示为S(ω,t),对t=t0时刻,其时频图为S(ω,t0),t的分布范围为t(1)≤t≤t(2)。首先,遍历更新各个时间点,具体的,当t=t(i)时,原来的时频图表示为S(ω,t(i)),其中,t变化范围为[t(1),t(2)]。之后,更新时频图为S′(ω,t(i)),其中:
值得一提的是,可以同时采用上述频域滤波和时域滤波,其滤波顺序可以是先进行频域滤波再进行时域滤波,也可以是先进行时域滤波再进行频域滤波。如此,可以更好的提高时频图的质量。
步骤S150、根据待识别目标的时频图,识别待识别目标的类型。
在一些实施例中,在得到待识别目标的时频图后,可以从中提取出待识别目标的微多普勒特征,以用于识别出待识别目标的类型。
在本发明实施例中,通过接收车载雷达各个天线通道的回波信号,然后根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号。之后,基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;接着,对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图。最后,可以根据待识别目标的时频图,识别待识别目标的类型。如此,提供了一种区别于利用回波信号特征进行目标识别的方案,且该方案充分考虑了车载雷达领域的特点,能够从微多普勒特征的方向,提升目标的识别准确率。
基于上述实施例提供的基于时频图的目标识别方法,相应地,本发明还提供了应用于该基于时频图的目标识别方法的基于时频图的目标识别装置的具体实现方式。请参见以下实施例。
如图2所示,提供了一种基于时频图的目标识别装置200,该装置包括:
接收模块210,用于接收车载雷达各个天线通道的回波信号;
去除模块220,用于根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号;
时频谱生成模块230,用于基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;
时频图获取模块240,用于对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图;
识别模块250,用于根据待识别目标的时频图,识别待识别目标的类型。
可选的,去除模块还用于:
根据车载雷达的雷达参数,确定杂波信号所对应的信号区域;
去除信号区域内的信号。
可选的,去除模块还用于:
获取车载雷达的车速、速度分辨率、探测距离范围以及距离分辨率;
根据车载雷达的车速和速度分辨率,计算杂波信号占据的速度通道范围;
根据车载雷达的探测距离范围和距离分辨率,计算杂波信号占据的距离通道范围;
将速度通道范围和距离通道范围确定为信号区域。
可选的,去除模块还用于:
获取车载雷达的车速和载频;
根据车载雷达的车速和载频,计算杂波信号的频率分布范围;
将频率分布范围确定为信号区域。
可选的,预设时频获取算法为短时傅里叶变换算法、魏格纳分布算法或者小波变换算法。
可选的,时频图获取模块还用于:
对每个天线通道的时频谱进行时域累加,得到待识别目标的时频图。
可选的,基于时频图的目标识别装置还包括滤波模块,用于:
对待识别目标的时频图进行滤波;
相应的,识别模块还用于:
根据滤波处理后的待识别目标的时频图,识别待识别目标的类型。
可选的,滤波模块还用于:
对待识别目标的时频图进行频域和/或时域滤波。
在本发明实施例中,通过接收车载雷达各个天线通道的回波信号,然后根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号。之后,基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;接着,对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图。最后,可以根据待识别目标的时频图,识别待识别目标的类型。如此,提供了一种区别于利用回波信号特征进行目标识别的方案,且该方案充分考虑了车载雷达领域的特点,能够从微多普勒特征的方向,提升目标的识别准确率。
图3是本发明一实施例提供的终端设备的示意图。如图3所示,该实施例的终端设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述各个基于时频图的目标识别方法实施例中的步骤。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能。
示例性的,所述计算机程序32可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如,所述计算机程序32可以被分割成接收模块、去除模块、时频谱生成模块、时频图获取模块、识别模块,各模块具体功能如下:
接收模块,用于接收车载雷达各个天线通道的回波信号;
去除模块,用于根据车载雷达的雷达参数,去除各个天线通道的回波信号中的杂波信号;
时频谱生成模块,用于基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;
时频图获取模块,用于对每个天线通道的时频谱进行通道积累处理,得到待识别目标的时频图;
识别模块,用于根据待识别目标的时频图,识别待识别目标的类型。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器30、存储器31。本领域技术人员可以理解,图3仅仅是终端设备3的示例,并不构成对终端设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元,例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备,例如所述终端设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于时频图的目标识别方法,其特征在于,包括:
接收车载雷达各个天线通道的回波信号;
根据所述车载雷达的雷达参数,去除所述各个天线通道的回波信号中的杂波信号;
基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;
对每个天线通道的时频谱进行通道积累处理,得到所述待识别目标的时频图;
根据所述待识别目标的时频图,识别所述待识别目标的类型。
2.如权利要求1所述的基于时频图的目标识别方法,其特征在于,所述根据所述车载雷达的雷达参数,去除所述各个天线通道的回波信号中的杂波信号,包括:
根据所述车载雷达的雷达参数,确定所述杂波信号所对应的信号区域;
去除所述信号区域内的信号。
3.如权利要求2所述的基于时频图的目标识别方法,其特征在于,所述根据所述车载雷达的雷达参数,确定所述杂波信号所对应的信号区域,包括:
获取所述车载雷达的车速、速度分辨率、探测距离范围以及距离分辨率;
根据所述车载雷达的车速和速度分辨率,计算所述杂波信号占据的速度通道范围;
根据所述车载雷达的探测距离范围和距离分辨率,计算所述杂波信号占据的距离通道范围;
将所述速度通道范围和所述距离通道范围确定为所述信号区域。
4.如权利要求2所述的基于时频图的目标识别方法,其特征在于,所述根据所述车载雷达的雷达参数,确定所述杂波信号所对应的信号区域,包括:
获取所述车载雷达的车速和载频;
根据所述车载雷达的车速和载频,计算所述杂波信号的频率分布范围;
将所述频率分布范围确定为所述信号区域。
5.如权利要求1所述的基于时频图的目标识别方法,其特征在于,所述预设时频获取算法为短时傅里叶变换算法、魏格纳分布算法或者小波变换算法。
6.如权利要求1所述的基于时频图的目标识别方法,其特征在于,所述对每个天线通道的时频谱进行通道积累处理,得到所述待识别目标的时频图,包括:
对每个天线通道的时频谱进行时域累加,得到所述待识别目标的时频图。
7.如权利要求1所述的基于时频图的目标识别方法,其特征在于,在所述对每个天线通道的时频谱进行通道积累处理,得到所述待识别目标的时频图之后,所述方法还包括:
对所述待识别目标的时频图进行滤波;
所述根据所述待识别目标的时频图,识别所述待识别目标的类型,包括:
根据滤波处理后的所述待识别目标的时频图,识别所述待识别目标的类型。
8.如权利要求7所述的基于时频图的目标识别方法,其特征在于,所述对所述待识别目标的时频图进行滤波,包括:
对所述待识别目标的时频图进行频域和/或时域滤波。
9.一种基于时频图的目标识别装置,其特征在于,包括:
接收模块,用于接收车载雷达各个天线通道的回波信号;
去除模块,用于根据所述车载雷达的雷达参数,去除所述各个天线通道的回波信号中的杂波信号;
时频谱生成模块,用于基于预设时频获取算法以及去除后的每个天线通道的回波信号,生成相应天线通道的待识别目标的时频谱;
时频图获取模块,用于对每个天线通道的时频谱进行通道积累处理,得到所述待识别目标的时频图;
识别模块,用于根据所述待识别目标的时频图,识别所述待识别目标的类型。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476931.9A CN113219462B (zh) | 2021-04-29 | 2021-04-29 | 基于时频图的目标识别方法、装置和终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476931.9A CN113219462B (zh) | 2021-04-29 | 2021-04-29 | 基于时频图的目标识别方法、装置和终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113219462A true CN113219462A (zh) | 2021-08-06 |
CN113219462B CN113219462B (zh) | 2022-12-06 |
Family
ID=77090117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110476931.9A Active CN113219462B (zh) | 2021-04-29 | 2021-04-29 | 基于时频图的目标识别方法、装置和终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113219462B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114444545A (zh) * | 2022-01-27 | 2022-05-06 | 中国人民解放军空军军医大学 | 一种基于多视角特征量化的隐蔽空间人体行为的识别方法、装置及介质 |
CN114594430A (zh) * | 2022-03-24 | 2022-06-07 | 南京慧尔视智能科技有限公司 | 一种信号处理方法及装置 |
CN114706052A (zh) * | 2022-03-11 | 2022-07-05 | 中国第一汽车股份有限公司 | 车辆行驶前方人物的分类识别的方法、装置、设备和介质 |
CN114755637A (zh) * | 2022-03-24 | 2022-07-15 | 南京慧尔视智能科技有限公司 | 一种干扰识别方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354438A (zh) * | 2008-08-28 | 2009-01-28 | 阮树成 | 毫米波时分线性调频多目标检测汽车防撞雷达 |
CN102645649A (zh) * | 2012-05-14 | 2012-08-22 | 重庆大学 | 基于雷达目标距离像时频特征提取的雷达目标识别方法 |
CN104215952A (zh) * | 2014-08-27 | 2014-12-17 | 苏州闻捷传感技术有限公司 | 基于微动特性的车载目标识别系统及其识别方法 |
CN108919216A (zh) * | 2018-04-03 | 2018-11-30 | 北京环境特性研究所 | 一种微动特征获取方法及装置 |
CN109917347A (zh) * | 2019-04-10 | 2019-06-21 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
CN111190157A (zh) * | 2020-01-10 | 2020-05-22 | 中国地质大学(武汉) | 一种ipix雷达回波数据时频分析方法及系统 |
CN111929654A (zh) * | 2020-08-14 | 2020-11-13 | 上海雷骥电子科技有限公司 | 一种基于微多普勒技术的杂波抑制方法 |
-
2021
- 2021-04-29 CN CN202110476931.9A patent/CN113219462B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101354438A (zh) * | 2008-08-28 | 2009-01-28 | 阮树成 | 毫米波时分线性调频多目标检测汽车防撞雷达 |
CN102645649A (zh) * | 2012-05-14 | 2012-08-22 | 重庆大学 | 基于雷达目标距离像时频特征提取的雷达目标识别方法 |
CN104215952A (zh) * | 2014-08-27 | 2014-12-17 | 苏州闻捷传感技术有限公司 | 基于微动特性的车载目标识别系统及其识别方法 |
CN108919216A (zh) * | 2018-04-03 | 2018-11-30 | 北京环境特性研究所 | 一种微动特征获取方法及装置 |
CN109917347A (zh) * | 2019-04-10 | 2019-06-21 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
CN111190157A (zh) * | 2020-01-10 | 2020-05-22 | 中国地质大学(武汉) | 一种ipix雷达回波数据时频分析方法及系统 |
CN111929654A (zh) * | 2020-08-14 | 2020-11-13 | 上海雷骥电子科技有限公司 | 一种基于微多普勒技术的杂波抑制方法 |
Non-Patent Citations (1)
Title |
---|
管岳: "汽车毫米波雷达目标识别方法的研究", 《中国优秀硕士学位论文》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114444545A (zh) * | 2022-01-27 | 2022-05-06 | 中国人民解放军空军军医大学 | 一种基于多视角特征量化的隐蔽空间人体行为的识别方法、装置及介质 |
CN114706052A (zh) * | 2022-03-11 | 2022-07-05 | 中国第一汽车股份有限公司 | 车辆行驶前方人物的分类识别的方法、装置、设备和介质 |
CN114594430A (zh) * | 2022-03-24 | 2022-06-07 | 南京慧尔视智能科技有限公司 | 一种信号处理方法及装置 |
CN114755637A (zh) * | 2022-03-24 | 2022-07-15 | 南京慧尔视智能科技有限公司 | 一种干扰识别方法及装置 |
CN114755637B (zh) * | 2022-03-24 | 2023-11-14 | 南京慧尔视智能科技有限公司 | 一种干扰识别方法及装置 |
CN114594430B (zh) * | 2022-03-24 | 2024-01-23 | 南京慧尔视智能科技有限公司 | 一种信号处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113219462B (zh) | 2022-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113219462B (zh) | 基于时频图的目标识别方法、装置和终端设备 | |
CN111045008B (zh) | 基于展宽计算的车载毫米波雷达目标识别方法 | |
CN111427032B (zh) | 基于毫米波雷达的房间墙体轮廓识别方法及终端设备 | |
CN113009442B (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
CN113009441B (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
Rizik et al. | Cost-efficient FMCW radar for multi-target classification in security gate monitoring | |
CN113109783A (zh) | 航向角获取方法、装置、设备和存储介质 | |
CN114820749A (zh) | 无人车井下定位方法、系统、设备及介质 | |
CN113945219B (zh) | 动态地图生成方法、系统、可读存储介质及终端设备 | |
CN108693517B (zh) | 车辆定位方法、装置和雷达 | |
CN108020834A (zh) | 基于改进edpca的运动目标检测方法、装置及电子设备 | |
Engelhardt et al. | Occupancy grids generation using deep radar network for autonomous driving | |
CN112986945B (zh) | 雷达目标的识别方法、装置、设备和存储介质 | |
CN116467848A (zh) | 一种毫米波雷达点云仿真的方法和装置 | |
CN116129371A (zh) | 一种交通目标检测方法、装置及电子设备 | |
CN110766005B (zh) | 目标特征提取方法、装置和终端设备 | |
CN114814808A (zh) | 基于雷达的脚踢信号识别方法、雷达、存储介质及汽车 | |
CN114924246A (zh) | 目标检测方法、装置、毫米波雷达及存储介质 | |
CN112689773B (zh) | 雷达信号处理方法和雷达信号处理装置 | |
EP4285150A1 (en) | Method for detecting objects in automotive-grade radar signals | |
CN113050056B (zh) | 一种雷达工作环境识别方法、装置及终端设备 | |
CN109657628B (zh) | 一种用于确定车辆的可行驶区域的方法与设备 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN111199537A (zh) | 基于图像处理的vts系统雷达目标点迹提取方法、终端设备及计算机可读存储介质 |
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 |