CN113325414A - 目标检测设备及存储器 - Google Patents
目标检测设备及存储器 Download PDFInfo
- Publication number
- CN113325414A CN113325414A CN202110224375.6A CN202110224375A CN113325414A CN 113325414 A CN113325414 A CN 113325414A CN 202110224375 A CN202110224375 A CN 202110224375A CN 113325414 A CN113325414 A CN 113325414A
- Authority
- CN
- China
- Prior art keywords
- dimensional fft
- result
- data
- average value
- engine
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 110
- 230000015654 memory Effects 0.000 title claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000008030 elimination Effects 0.000 claims abstract description 21
- 238000003379 elimination reaction Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 115
- 238000004590 computer program Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 239000000872 buffer Substances 0.000 claims description 14
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000003139 buffering effect Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 101100523539 Mus musculus Raf1 gene Proteins 0.000 description 2
- 102100033479 RAF proto-oncogene serine/threonine-protein kinase Human genes 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
-
- 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
- G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
- G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
- G01S13/346—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal using noise modulation
-
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
-
- 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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
- G01S3/143—Systems for determining direction or deviation from predetermined direction by vectorial combination of signals derived from differently oriented antennae
-
- 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
-
- 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
-
- 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)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种目标检测设备及存储器,包括:依次连接的一维快速傅里叶变换FFT引擎、第一模块、二维FFT引擎和恒虚警率CFAR模块;第一模块,用于接收一维FFT引擎输出的一维FFT结果;第一模块还用于将对一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果输出至二维FFT引擎;和/或,第一模块还与CFAR模块连接,第一模块还用于将基于一维FFT结果得到的FFT噪底数据输出至CFAR模块。通过对该一维FFT结果进行零多普勒消除处理或者基于该一维FFT结果得到的FFT噪底数据,从而基于该噪底数据和/或经过零多普勒消除处理所得到的二维FFT结果进行目标检测时,可以剔除该一维FFT结果中的噪声所造成的干扰,进而可以提高所确定出的目标检测结果的准确性。
Description
本申请要求于2020年02月28日提交中国专利局、申请号为202010131618.7、发明名称为“一种确定波达方向的方法、装置及设备”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
技术领域
本申请涉及雷达技术领域,特别是涉及一种目标检测设备及存储器。
背景技术
在雷达检测场景中,雷达系统可以对接收到的回波信号进行模拟数字转换(analog-to-digital conversion,ADC),得到ADC数据(即数字信号),从而通过对该ADC数据进行相应的处理,可以实现雷达系统的目标检测。
但是,实际应用,在对回波信号进行模拟数字转换时,通常会受到干扰,从而使得所得到的ADC数据中存在噪声信息,进而使得基于包含噪声信息的ADC数据所得到的目标检测结果的准确性较低。
发明内容
本申请实施例提供了一种目标检测设备及存储器,以提高雷达系统进行目标检测时的准确性。
第一方面,本申请实施例提供了一种目标检测设备,所述目标检测设备包括:
依次连接的一维快速傅里叶变换FFT引擎、第一模块、二维FFT引擎和恒虚警率CFAR模块;
所述第一模块,用于接收所述一维FFT引擎输出的一维FFT结果;
所述第一模块还用于将对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果输出至所述二维FFT引擎;和/或,
所述第一模块还与所述CFAR模块连接,所述第一模块还用于将基于所述一维FFT结果得到的FFT噪底数据输出至所述CFAR模块。
在该实施方式中,通过对一维FFT结果进行零多普勒消除处理或者基于该一维FFT结果得到的FFT噪底数据,可以进一步基于该噪底数据和/或经过零多普勒消除处理所得到的二维FFT结果进行目标检测,剔除该一维FFT结果中的噪声所造成的干扰,进而可以提高所确定出的目标检测结果的准确性。
在一种可能的实施方式中,所述第一模块包括:
第一平均值计算引擎,与所述一维FFT引擎连接,用于根据所述一维FFT结果中任意一组目标数据计算在多普勒门维度的第一平均值;以及
零多普勒计算引擎,分别与所述一维FFT引擎连接、所述第一平均值计算引擎和所述二维FFT引擎连接;
其中,所述零多普勒计算引擎用于计算所述第一目标数据中各个数据在多普勒门维度的值与所述第一平均值之间的差值,并将所述差值作为当前组目标数据对应的所述零多普勒消除结果输出至所述二维FFT引擎。
在该实施方式中,针对于每组目标数据,通过第一平均值计算引擎以及零多普勒计算引擎,可以得到各组目标数据分别对应的零多普勒消除结果,如此,可以实现对一维FFT结果进行零多普勒消除处理,以便于剔除该一维FFT结果中的噪声所造成的干扰,提高检测准确性。
在一种可能的实施方式中,所述第一模块用于将基于所述一维FFT结果得到的FFT噪底数据输出至所述CFAR模块时,所述第一模块还包括:
第二平均值计算引擎,分别与所述零多普勒计算引擎和所述CFAR模块连接;
其中,所述第二平均值计算引擎用于根据所述零多普勒消除结果的复数模长,计算出所述第一目标数据对应的复数模长的第二平均值,并将所述第二平均值作为所述FFT噪底数据输出至所述CFAR模块。
在该实施方式中,通过第二平均值计算引擎进一步根据零多普勒消除结果计算出FFT噪底数据,从而可以基于该噪底数据进行目标检测时,可以剔除该一维FFT结果中的噪声所造成的干扰,提高检测结果的准确性。
在一种可能的实施方式中,所述第一模块还包括:
至少一个存储器,设置在所述一维FFT引擎与所述零多普勒计算引擎之间的链路中,用于缓存所述一维FFT结果中每组目标数据在多普勒门维度的值;
其中,同组目标数据中的各个数据在距离门维度的值相同,不同组目标数据在距离门维度的值不同。
在该实施方式中,通过在一维FFT引擎与零多普勒计算引擎之间的链路中设置存储器,可以对一维FFT引擎输出的结果进行缓存,并可以向零多普勒计算引擎推送数据,如此可以避免计算出的中间数据在检测设备中发生丢失。
在一种可能的实施方式中,所述至少一个存储器包括第一存储器以及第二存储器,目标检测设备还包括多路复用器,则,所述一维FFT引擎通过所述多路复用器分别与所述第一存储器以及所述第二存储器连接。
在一种可能的实施方式中,一维FFT引擎输出的数据可以通过多路复用器被存储于不同的存储器中,从而目标设备可以对不同存储器中的数据进行并列计算,提高检测效率。
在一种可能的实施方式中,所述第一存储器用于缓存所述一维FFT结果中在多普勒门维度的值为奇数的数据,所述第一存储器用于缓存所述一维FFT结果中在多普勒门维度的值为偶数的数据。
在该实施方式中,对于一维FFT引擎在每个时钟周期输出的两个FFT点,可以通过这两个FFT点在距离门维度的值(如序列号等),确定将这两个FFT点在多普勒门维度的值缓存至哪个存储器中,以此实现对一维FFT引擎输出数据的多路存储。
在一种可能的实施方式中,所述目标检测设备还包括第一外接配置接口以及第二外接配置接口,所述第一外接配置接口用于对所述第一平均值计算引擎中的第一权重值进行配置,所述第一权重值用于对所述第一平均值进行调整,所述第二外接配置接口用于对所述第二平均值计算引擎中的第二权重值进行配置,所述第二权重值用于对所述第二平均值进行调整。
在该实施方式中,可以根据应用场景的不同,为第一平均值计算引擎以及第二平均值计算引擎设置不同的权重值,从而实现对提取噪声信息的过程进行精细化的调整,提高噪声信息的计算精度。
在一种可能的实施方式中,所述第一权重值具体用于将所述第一平均值调整为所述第一平均值与所述第一权重值的乘积,所述第二权重值具体用于将所述第二平均值调整为所述第二平均值与所述第二权重值的乘积。
在该实施方式中,为第一平均值计算引擎以及第二平均值计算引擎各自配置的第一权重值以及第二权重值,具体可以是通过对原先的平均值赋予相应的权重,来实现对噪声提取过程的精细化调整,如此,有助于提高噪声信息的计算精度。
第二方面,本申请实施例还提供了一种存储器,所述存储器应用于上述第一方面所述的目标检测设备;
所述存储器至少包括第一存储器以及第二存储器,所述第一存储器用于缓存一维FFT结果中在多普勒门维度的值为奇数的数据,所述第一存储器用于缓存所述一维FFT结果中在多普勒门维度的值为偶数的数据。
第三方面,本申请实施例还提供了一种设备,包括:处理器和存储器;
所述存储器,用于存储指令或计算机程序;
所述处理器,用于根据所述指令或计算机程序,执行如下操作:
对模拟数字转换ADC数据进行一维快速傅里叶变换,得到一维FFT结果;
对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果;
对所述零多普勒消除结果进行二维的快速傅里叶变换,得到二维FFT结果,所述二维FFT结果用于目标检测;
和/或,
对所述一维FFT结果进行处理,得到FFT噪底数据,并根据所述FFT噪底数据进行目标检测。
在一种可能的实施方式中,所述处理器,用于根据所述指令或计算机程序,执行如下操作:
根据所述一维FFT结果中任意一组目标数据计算在多普勒门维度的第一平均值;
计算所述第一目标数据中各个数据在多普勒门维度的值与所述第一平均值之间的差值,并将所述差值作为当前组目标数据对应的所述零多普勒消除结果。
在一种可能的实施方式中,所述处理器,用于根据所述指令或计算机程序,执行如下操作:
根据所述零多普勒消除结果的复数模长,计算出所述第一目标数据对应的复数模长的第二平均值,并将所述第二平均值作为所述FFT噪底数据。
在一种可能的实施方式中,所述储存器还用于缓存所述一维FFT结果中每组目标数据在多普勒门维度的值,其中,同组目标数据中的各个数据在距离门维度的值相同,不同组目标数据在距离门维度的值不同。
在一种可能的实施方式中,所述处理器,用于根据所述指令或计算机程序,还执行如下操作:
利用第一权重值对所述第一平均值进行调整,得到调整后的第一平均值;
利用第二权重值对所述第二平均值进行调整,得到调整后的第二平均值;
则,所述处理器,用于根据所述指令或计算机程序,具体执行如下操作:
计算所述第一目标数据中各个数据在多普勒门维度的值与所述调整后的第一平均值之间的差值;
计算所述第一目标数据对应的复数模长的第二平均值,并将调整后的第二平均值,作为所述第一目标数据在多普勒门维度的波动值。
在一种可能的实施方式中,所述处理器,用于根据所述指令或计算机程序,具体执行如下操作:
计算所述第一权重值与所述第一平均值的乘积,得到所述调整后的第一平均值;
计算所述第二权重值与所述第二平均值的乘积,得到所述调整后的第二平均值。
在本申请实施例的上述实现方式中,第一模块可以对一维FFT引擎输出的第一FFT结果进行零多普勒消除处理,得到零多普勒消除结果,和/或,第一模块可以基于所述一维FFT结果得到FFT噪底数据,这样,CFAR模块可以基于噪底数据和/或经过零多普勒消除处理所得到的二维FFT结果完成目标检测。
实际应用中,如果模拟信号到数字信号的转换过程受到了干扰,则一维FFT结果在多普勒门维度会产生较大的波动,因此,通过对该一维FFT结果进行零多普勒消除处理或者基于该一维FFT结果得到的FFT噪底数据,从而基于该噪底数据和/或经过零多普勒消除处理所得到的二维FFT结果进行目标检测时,可以剔除该一维FFT结果中的噪声所造成的干扰,进而可以提高所确定出的目标检测结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种目标检测设备的硬件结构示意图;
图2为本申请实施例中另一种目标检测设备的硬件结构示意图;
图3为本申请实施例中另一种目标检测设备的硬件结构示意图;
图4为本申请实施例中又一种目标检测设备的硬件结构示意图;
图5为本申请实施例中又一种目标检测设备的硬件结构示意图;
图6为本申请实施例中再一种目标检测设备的硬件结构示意图;
图7为本申请实施例中再一种目标检测设备的硬件结构示意图;
图8为本申请实施例中一种在SRAM中缓存数据的数据结构;
图9为本申请实施例中一种设备的硬件结构示意图。
具体实施方式
在雷达检测过程中,雷达系统的接收天线接收到回波信号后,可以对该回波信号进行信号采样,得到基带信号,并对该基带信号进行由模拟信号至数字信号的转换,得到ADC数据(也即为数字信号)。然后,雷达系统可以基于该ADC数据检测出当前可检测区域内是否存在目标(如人、车辆等)。但是,雷达系统的对于目标的检测结果准确性较低,即当可检测区域内存在目标时,雷达系统可能会误识别为不存在,而当可检测区域内不存在目标时,雷达系统可能误识别为存在。
发明人经研究发现,影响雷达系统的对于目标检测结果的准确性的重要原因在于,雷达系统是直接基于ADC数据进行目标检测,而实际应用中,在对基带进行ADC转换的过程中,可能会受到一定的干扰,这使得所得到的ADC数据中存在较多的噪声信息,从而直接基于包含该噪声信息的ADC数据进行目标检测时,其中的噪声信息会降低雷达系统对于目标检测的准确性。
基于此,本申请实施例提供了一种目标检测设备,旨在提高雷达系统进行目标检测时的准确性。具体实现时,目标检测设备可以包括:依次连接的一维快速傅里叶变换FFT引擎、第一模块、二维FFT引擎和恒虚警率CFAR模块;所述第一模块,用于接收所述一维FFT引擎输出的一维FFT结果;所述第一模块还用于将对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果输出至所述二维FFT引擎;和/或,所述第一模块还与所述CFAR模块连接,所述第一模块还用于将基于所述一维FFT结果得到的FFT噪底数据输出至所述CFAR模块。实际应用中,如果模拟信号到数字信号的转换过程受到了干扰,则一维FFT结果在多普勒门维度会产生较大的波动,因此,通过对该一维FFT结果进行零多普勒消除处理或者基于该一维FFT结果得到的FFT噪底数据,从而基于该噪底数据和/或经过零多普勒消除处理所得到的二维FFT结果进行目标检测时,可以剔除该一维FFT结果中的噪声所造成的干扰,进而可以提高所确定出的目标检测结果的准确性。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面将结合附图对本申请实施例中的各种非限定性实施方式进行示例性说明。显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
参阅图1,图1示出了本申请实施例中一种目标检测设备的硬件结构示意图。该目标检测设备可以包括一维FFT(Fast Fourier Transform,快速傅里叶变换)引擎、第一模块、二维FFT引擎以及CFAR(Constant False-Alarm Rate,恒虚警率)模块。
如图1所示,一维FFT引擎、第一模块、二维FFT引擎以及CFAR模块可以依次连接。
一维FFT引擎可以对ADC数据进行一维的快速傅里叶变换,得到一维FFT结果,其中,ADC数据可以是通过对雷达基带信号进行ADC转换后所得到,其具体实现在此不做过多赘述。若模拟信号到数字信号之间的进行转换的过程中,收到了干扰,则,一维FFT引擎所输出的一维FFT结果中也可能会包含较多的噪声信息,从而可能会影响最终目标检测结果的准备性。
为此,本实施例中,一维FFT引擎可以与第一模块连接,该第一模块可以接收到一维FFT引擎所输出的一维FFT结果,并可以该一维FFT结果进行零多普勒消除处理,得到零多普勒消除结果;然后,第一模块可以将该零多普勒消除结果输出至与第一模块相连的二维FFT引擎,并由该二维FFT引擎对该零多普勒消除结果进行二维的快速傅里叶变换,得到二维FFT结果;接着,二维FFT引擎可以将该二维FFT结果输出给CFAR模块,并由该CFAR模块根据该二维FFT结果进行目标检测。由于第一模块对一维FFT结果进行了零多普勒消除处理,剔除了一维FFT结果中的噪声信息,这使得二维FFT结果输出给CFAR模块的二维FFT结果中不包含噪声信息或者包含相对较少的噪声信息,从而CFAR模块基于该二维FFT结果所确定的目标检测结果的准确性更高,也即减少了一维FFT结果中的噪声数据对最终所确定的目标检测结果的影响。
在另一种实施方式中,第一模块也可以是基于该一维FFT结果得到噪底数据,例如,可以是基于对一维FFT结果进行零多普勒消除处理后所得到的零多普勒消除结果而进一步计算得到FFT噪底数据,该噪底数据可以体现该噪声信息。由于根据一维FFT结果得到FFT噪底数据后,即为提取出了FFT结果中的噪声信息,从而CRAF在进行目标检测时,可以参考该噪声信息来进行目标检测,也即考虑了噪声信息对确定目标检测结果的影响,进而可以提高最终所确定的目标检测结果的准确性。
值得注意的是,图1所示的目标检测设备仅作为一种示例性说明,并不用于限定目标检测设备中的各个部件的连接关系局限于图1所示连接。比如,在其它可能的实施方式中,目标检测设备的硬件结构可以如图2所示。
其中,一维FFT引擎、二维FFT引擎以及CFAR模块可以依次直接连接。而第一模块可以同时与一维FFT引擎与CFAR模块连接。图2中所示的各个部件的具体功能可以参见前述图1所示的实施例的相关之处描述,在此不做赘述。
参阅图3,图3示出了本申请实施例中另一种目标检测设备的硬件结构示意图,在该实施例中,第一模块具体可以包括第一平均值计算引擎以及零多普勒计算引擎。
如图3所示,一维FFT引擎可以分别与第一平均值计算引擎以及零多普勒计算引擎连接,零多普勒计算引擎还可以与第一平均值计算引擎以及二维FFT引擎连接,二维FFT引擎可以与CFAR模块连接。
本实施例中,第一模块对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果的具体实现可以是:
第一平均值计算引擎可以是接收一维FFT引擎输出的一维FFT结果,并根据该一维FFT结果中任意一组目标数据(以下称之为第一目标数据)计算出其在多普勒门维度的第一平均值,然后,可以将各组目标数据分别对应的第一平均值输出给零多普勒计算引擎;
零多普勒计算引擎可以计算出第一目标数据中各个数据在多普勒门维度的值与该第一平均值之间的差值,依次可以得到各组目标数据的数据在多普勒门维度的值与其对应的第一平均值之间的差值;然后,可以将该差值作为当前组目标数据对应的零多普勒消除结果,以此可以得到各组目标数据分别对应的零多普勒消除结果;最后,零多普勒计算引擎可以将各组目标数据分别对应的零多普勒消除结果发送给二维FFT引擎。
在进一步可能的实施例中,第一模块中还可以包括第二平均值计算引擎,并利用该第二平均值计算引擎计算得到FFT噪底数据。如图4所示,图4示出了又一种目标检测设备的硬件结构示意图。在图3所示的硬件结构的基础上,图4中的第一模块还可以包括第二平均值计算引擎,其可以分别与所述零多普勒计算引擎和所述CFAR模块连接。
对于零多普勒计算引擎所输出的零多普勒消除结果,第二平均值计算引擎可以计算出该零多普勒消除结果的复数模长,并进一步计算出所述第一目标数据对应的复数模长的第二平均值,第一目标数据为一维FFT结果中的任意一组目标数据。然后,第二平均值计算引擎可以将各组目标数据分别对应的第二平均值作为FFT噪底数据输出给CFAR模块。
在一个可选的实施例中,对于第c短周期(FMCW中为chirp,即啁啾),设置range-gate(距离门)的FFT(快速傅里叶变换)的输出为yk[c];其中,k为距离维FFT之后的离散频率的序号(也即range-gate index);第一平均值计算引擎可采用以下公式(1)获取range-gate k的第一噪声估计:
另外,为了进一步提升噪声估计的精确度,可以基于多普勒FFT时的窗函数、多普勒FFT的点数等因素设置第一估计因子,并将该第一估计因子乘以上述获得的第一噪声估计来与第二噪声估计进行比较,并将较小的值输出为真实的噪声估计进行后续的诸如恒虚警检测等操作进行处理。
可选的,上述求取第二噪声估计是可以通过做Doppler-Gate的FFT得到.对于某些特别的l,可以进一步简化,比如可以选择的l∈{0,N/4,N/2,3N/4}或者其中的一个或多个.这样一来,可以得到:
即,不用做乘法,进而可有效减小计算量。
在又一种可能的实施方式中,目标检测设备还可以包括至少一个存储器,该存储器可以设置在一维FFT引擎与零多普勒计算引擎之间的链路中。如图5所示,在图3所示的目标检测设备的基础上,还可以增设至少一个存储器(图5中仅以一个存储器作为一种示例,其也可以是多个存储器)。
其中,目标检测设备所包括的存储器可以用于缓存一维FFT结果中每组目标数据在多普勒门维度的值;并且,存储器在缓存目标数据时,同组目标数据中的各个数据在距离门维度的值可以相同,不同组目标数据在距离门维度的值可以不同。
值得注意的是,实际应用中,目标检测设备可以是图1至图5中的任意一种结构,也可以是集成图1至图5中一种或多种结构。例如,在又一种可能的实施例中,目标检测设备的具体结构可以如图6所示。
图6所示的目标检测设备,可以包括一维FFT引擎、至少一个存储器(图6中以一个为例示出,具体实现时可以是多个存储器)、第一平均值计算引擎、第二平均值计算引擎、零多普勒计算引擎、二维FFT引擎以及恒虚警率CFAR模块。
如图6所示,一维FFT引擎分别连接至少一个存储器以及第一平均值计算引擎,一维FFT引擎所输出的结果可以在该存储器中进行缓存,同时,还可以送往第一平均值计算引擎中参与相应的计算。
该存储器可以与零多普勒计算引擎连接,并将缓存的数据送往还零多普勒计算引擎。示例性的,该存储器例如可以是静态随机存取存储器(Static Random-Access Memory,SRAM)等。
同时,第一平均值计算引擎也可以与该零多普勒计算引擎连接,并将所计算得到的结果送往该零多普勒计算引擎。
零多普勒计算引擎还可以分别与所述第二平均值计算引擎以及二维FFT引擎连接,用于将该引擎处理得到的结果送往该第二平均值计算引擎以及二维FFT引擎。
二维FFT引擎可以与CFAR模块连接,将该引擎处理得到的二维FFT结果发送给CFAR模块;同时,第二平均值计算引擎也可以与该CFAR模块连接,用于将计算结果发送给该CFAR模块。
对于经过ADC转换所得到的ADC数据,可以利用一维快速傅里叶变换引擎对该ADC数据进行一维快速傅里叶变换,得到每个ADC数据对应的一维FFT结果,该一维FFT结果为复数,包括实部和虚部。所得到的一维FFT结果,包括距离门维度的信息以及多普勒门维度的信息。其中,ADC数据可以是通过对雷达基带信号进行ADC转换后所得到,其具体实现在此不做过多赘述。
由于ADC数据中可能存在噪声信息,因此,对该ADC数据进行一维快速傅里叶变换后所得到的一维FFT结果中,也包含有噪声信息。基于此,本实施中,可以从多普勒门维度提取该一维FFT结果中的噪声信息,以便于后续进行目标检测。
与该一维FFT引擎连接的存储器,可以对一维FFT引擎输出的一维FFT结果进行缓存,同时,一维FFT引擎还可以将输出的一维FFT结果送往第一平均值计算引擎。
在硬件处理过程中,每个时钟周期,一维FFT引擎可以输出两个一维FFT点,即一维FFT结果中的两个点的数据,则,存储器在每个时钟周期可以缓存两个FFT点的数据。并且,这两个FFT点在距离门门维度的值相同,在多普勒门维度的值不同。存储器在缓存该一维FFT结果时,可以将一维FFT结果按照其在距离门维度的值进行分组,得到多组数据,被划分为同一组的数据在距离门维度的值相同(为便于描述,以下将称之为目标数据),相应的,不同组的目标数据在距离门维度的值不同。作为一种示例,可以利用序列号对每组目标数据进行标识,以便于各组目标数据之间的区分。
而第一平均值计算引擎,可以对每个时钟周期所接收到的两个FFT点在多普勒门维度的值进行累加,计算出第一目标数据在多普勒门维度的值的总和,从而可以计算出第一目标数据在多普勒门维度的第一平均值,该第一平均值也为复数。其中,该第一目标数据是指一维FFT结果中的任意一组目标数据。以此可以计算出每组目标数据所对应的第一平均值。
当具有同一距离门维度值的所有数据(即一组目标数据)均送给第一平均值计算引擎时,第一平均值计算引擎计算出一组目标数据在多普勒门维度的第一平均值,并可以将该组目标数据对应的第一平均值送给零多普勒计算引擎。同时,存储器可以将该缓存的该组目标数据在多普勒门维度的值也送给该零多普勒计算引擎,从而从零多普勒计算引擎可以计算出该组目标数据中各个数据在多普勒门维度的值与该第一平均值之间的差值,该差值即为零多普勒消除结果。
零多普勒计算引擎,可以将每组目标数据对应的零多普勒消除结果送给二维FFT引擎,以便二维FFT引擎对该组目标数据对应的零多普勒消除结果进行二维的快速傅里叶变换,得到二维FFT结果。然后,二维FFT引擎,可以将得到的二维FFT结果送给CFAR模块,以便CFAR基于该二维FFT结果进行目标检测。
值得注意的是,本实施例中,CFAR在进行目标检测时,不仅仅基于每组目标数据对应的二维FFT结果,还根据该组目标数据所对应的波动值来确定雷达系统的可检测范围内是否存在目标。
具体的,零多普勒计算引擎可以将每组目标数据对应的零多普勒消除结果(也即为每组数据中各个数据在多普勒门维度的值与第一平均值的差值)发送给第二平均值计算引擎。第二平均值计算引擎,可以对该组目标数据中所有数据对应的差值的复数模长进行求和运算,并进一步计算出这些数据对应的差值的复数模长的平均值(为便于区分,后续称之为第二平均值),并将该第二平均值作为该组目标数据在多普勒门维度的FFT噪底数据(也可称为波动值)。以此,可以确定出一维FFT结果中每组目标数据对应的FFT噪底数据。该FFT噪底数据即可以反映该组目标数据的各个数据在多普勒维度的值的波动情况。
可以理解,当对雷达基带信号进行ADC转换的过程受到了干扰,则每组目标数据中的各个数据在多普勒维度的值通常会存在较大的波动,因此,可以利用FFT噪底数据(波动值)的大小,来表征ADC数据(或者一维FFT结果)中的噪声信息。这样,在后续的目标检测过程中,可以基于该噪声信息辅助确定雷达系统的可检测范围内是否存在目标。
当然,实际应用中,也可以是采用其它方式来定义该FFT噪底数据,比如,在其它实施方式中,在计算出该组目标数据中各个数据对应的差值的复数模长的和值后,可以直接将该和值作为该组目标数据在多普勒门维度的波动值;又比如,在计算该组目标数据对应的平均值时,可以计算出该组目标数据中的部分数据所对应的差值的复数模长的平均值,并将该部分数据所对应的平均值作为该组目标数据对应的FFT噪底数据等。本实施例中,并不限定波动值的具体表现形式。
第二平均值计算引擎可以将每组目标数据对应的波动值送给CFAR模块,这样,CFAR模块可以从第二平均值计算引擎处获取波动值,从二维FFT引擎获取二维FFT结果,从而可以基于该二维FFT结果以及每组目标数据对应的波动值完成相应的目标检测。
本实施例中,在从一维FFT结果中提取出表征噪声信息的FFT噪底数据后,由于结合该FFT噪底数据以及二维FFT结果进行综合考量,以确定出雷达系统的可检测范围内是否存在目标,这相比于直接基于一维FFT结果(或ADC数据)确定是否存在目标的实施方式而言,可以有效提高目标检测的准确性。并且,采用硬件的方式从一维FFT结果中提取出噪声信息,可以使得数据处理效率较高,延时较低。
作为一种示例性的具体实施方式,CFAR模块可以计算出在存在FFT噪底数据的情况下,根据二维FFT结果确定雷达系统的可检测区域内存在目标的概率P,并且,当概率P大于预设阈值时,则确定检测到存在目标,并输出相应的目标检测信息,而当概率P不大于预设阈值时,则可以确定不存在目标。
当然,在其他可能的实施方式中,也可以是仅仅基于二维FFT结果完成目标检测,确定雷达系统的可检测区域内是否存在目标。
上述实施例中,是以目标检测设备包括一个存储器进行示例性说明,而在其它可能的实施方式中,目标检测设备也可以包括两个或者两个以上的存储器。下面,以目标检测设备包括SRAM0以及SRAM1两个存储器为了进行示例性说明。参阅图7,图7示出了本申请实施例中又一种目标检测设备的硬件结构示意图。
本实施例中,目标检测设备可以包括:
一维FFT引擎、多路复用器、第一存储器(SRAM0)、第二存储器(SRAM1)、平均值计算引擎0(即上述第一平均值计算引擎)、平均值计算引擎1(即上述第二平均值计算引擎)、零多普勒计算引擎、二维FFT引擎以及恒虚警率CFAR模块。
如图7所示,一维FFT引擎可以与多路复用器连接,多路复用器可以将一维FFT引擎所输出的结果传递给SRAM0和/或SRAM1中进行缓存,同时,还可以送往平均值计算引擎0中参与相应的计算。
本实施例中,当多路复用器接收到一维FFT引擎在每个时钟周期输出的两个FFT点时,可以根据这两个FFT点在距离门维度的值(如序列号等),确定将这两个FFT点在多普勒门维度的值缓存至哪个SRAM。示例性的,当FFT点在距离门维度的值为奇数时,多路复用器可以将该FFT点在多普勒门维度的值缓存至SRAM0,而当FFT点在距离门维度的值为偶数时,可以将该FFT点在多普勒门维度的值缓存至SRAM1。其中,SRAM中的每个地址可以缓存两个FFT点的数据。
例如,如图8所示,当FFT点在距离门维度的值为1、3、5、7等奇数时,快速傅里叶变换引擎在每个时钟周期所输出的两个FFT点在多普勒门维度的值可以依次缓存至SRAM0中的地址0、地址1至地址(n/2-1)。其中,假设一维FFT结果中每组具有相同距离门维度的值的FFT点的数量为n,并且每个FFT点在多普勒门维度的值依次用多普勒门维度值0至多普勒维度值n-1进行标识。类似的,当FFT点在距离门维度的值为2、4、6、8等偶数时,一维FFT引擎在每个时钟周期所输出的两个FFT点在多普勒门维度的值可以依次缓存至SRAM1中的地址0、地址1至地址(n/2-1)。这样,在缓存每组具有相同距离门维度的值的FFT点在多普勒门维度的数据时,SRAM0或者SRAM1的深度最大为该组FFT点的数据的二分之一。
同时,SRAM0或SRAM1在缓存数据的同时,多路复用器还可以将每个时钟周期的一维FFT引擎输出两个FFT点的数据送往与其连接的平均值计算引擎0中,以便于平均值计算引擎0对FFT点在多普勒门维度的值进行求和。并且,当同一距离门维度的FFT点全部送入平均值计算引擎0时,平均值计算引擎0在计算出该组FFT点在多普勒门维度的值的总和后,可以进一步计算出该组FFT点在多普勒门维度的值的平均值,也即为前述实施例中的第一平均值。这样,平均值计算引擎0处理平均值的最大带宽为每个时钟周期处理两个FFT点,因此前级数据传输和平均值计算处理能力相同,不会引起数据的堵塞。
当平均值计算引擎0计算出第一平均值后,可以将该第一平均值送入与该平均值计算引擎0连接的零多普勒计算引擎,并根据该组FFT点在距离门维度的值自动触发SRAM0或者SRAM1,将缓存的FFT点在多普勒门维度的值送入零多普勒计算引擎,以便由该零多普勒计算引擎进行零多普勒消除计算,具体可以是由零多普勒计算引擎计算出每个FFT点在多普勒门维度的值与该第一平均值之间的差值,该差值也即为每个数据对应的零多普勒消除结果。实际应用中,考虑到前级处理能力及带宽设计要求,每个时钟周期可以处理2个FFT点对应的差值计算。
实际应用中,在平均值计算引擎0将第一平均值送入零多普勒计算引擎后,可以开始计算下一组FFT点在多普勒门维度的第一平均值,并将该下一组FFT点在多普勒门维度的值缓存至另一个SRAM中,以此可以提高对一维FFT结果的处理效率。
零多普勒计算引擎在计算出每个FFT点在多普勒门维度的值与该第一平均值之间的差值后,可以将该组FFT点中的每个FFT点所对应的差值送入与该零多普勒引擎连接的平均值计算引擎1,由平均值计算引擎1计算出每个FFT点对应的差值的复数模长,并对该组所有FFT点对应的差值的复数模长进行求和运算,然后,进一步计算出这些复数模长的平均值,即为前述实施例中的第二平均值,该第二平均值可以作为表征一维FFT结果(或者ADC数据)中的噪声信息的波动值,从而可以在距离门维度提取出一维FFT结果中的噪声信息。接着,平均值计算引擎1可以将波动值送入恒虚警率(Constant False Alarm Rate,CFAR)模块,以便于完成后续的目标检测。
同时,零多普勒计算引擎在计算出每个FFT点在多普勒门维度的值与该第一平均值之间的差值后,还可以将该组FFT点中的每个FFT点所对应的差值送入与该零多普勒计算引擎连接的二维FFT引擎,由二维FFT引擎对该差值(零多普勒消除结果)进行二维的快速傅里叶变换,得到二维FFT结果。然后,二维FFT引擎,可以将得到的二维FFT结果送给CFAR模块,以便CFAR基于该二维FFT结果进行目标检测。
这样,CFAR模块可以得到每组FFT点对应的表征噪声信息的波动值以及二维FFT结果,从而基于二维FFT结果以及相应的噪声信息进行目标检测,所得到的目标检测结果的准确性可以得到提高。并且,采用硬件的方式从一维FFT结果中提取出噪声信息,可以使得数据处理效率较高,延时较低。
进一步的,本实施例中还可以根据应用场景的不同,对提取噪声信息的过程进行精细化的调整,提高噪声信息的计算精度。具体实现时,如图7所示,该目标检测设备中还可以包括第一外接配置接口以及第二外接配置接口,该第一外接配置接口可以对平均值计算引擎0中的第一权重值(即图7中的参数0)进行配置,该第一权重值用于对平均值计算引擎0所计算得到的第一平均值进行调整,该第二外接配置接口可以对平均值计算引擎1中的第二权重值(即图7中的参数1)进行配置,该第二权重值用于对平均值计算引擎1所计算得到的第二平均值进行调整。例如,第一权重值,可以将该第一平均值调整为第一平均值与第一权重值的乘积,第二权重值,将该第二平均值调整为第二平均值与第二权重值的乘积等。其中,第一权重值以及第二权重值可以是预先进行设定,例如可以是通过深度学习或者经验设定等方式进行确定。
这样,当雷达系统应用于不同的场景时,通过利用第一权重值以及第二权重值调整提取噪声信息过程中的第一平均值以及第二平均值,可以实现对不同场景下的噪声信息作出精细化的调整,从而使得雷达系统在不同的应用场景下的目标检测结果均可以达到较高的准确性,提高了方案实施的灵活性。
作为一种示例,针对于不同的应用场景,可以预先学习到每种应用场景所对应的第一权重值以及第二权重值,并建立各应用场景与第一权重值以及第二权重值的对应关系,这样,当确定雷达系统所处的应用场景时,即可根据该对应关系确定该应用场景所对应的第一权重值以及第二权重值。
实际应用中,雷达系统所处的应用场景可以是由用户(如技术人员等)进行选择。比如,雷达系统可以向用户提供多种应用场景的候选项,由用户从多个候选项中选择当前雷达系统所应用的场景,当然,也可以是由用户输入该应用场景等。这样,雷达系统可以响应于用户针对于应用场景的选择操作,确定用户所选择的应用场景所对应的第一权重值以及第二权重值,从而基于该第一权重值以及第二权重值提取相应的噪声信息。
需要说明的是,在其他可能的硬件实施方式中,目标检测设备也可以配置有3个或者3个以上的SRAM等。
此外,本申请实施例还提供了一种设备。参阅图9,图9示出了本申请实施例中一种设备的硬件结构示意图,该设备900可以包括处理器901以及存储器902。
其中,所述存储器902,用于存储指令或计算机程序;
所述处理器901,用于根据所述指令或计算机程序执行如下操作:
对ADC数据进行一维快速傅里叶变换,得到一维FFT结果;
对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果;
对所述零多普勒消除结果进行二维的快速傅里叶变换,得到二维FFT结果,所述二维FFT结果用于目标检测;
和/或,
对所述一维FFT结果进行处理,得到FFT噪底数据,并根据所述FFT噪底数据进行目标检测。
本实施例中,对于雷达的基带信号进行ADC转换后所得到的ADC数据,处理器901可以先进行一维的快速傅里叶变换,得到每个ADC数据对应的一维FFT结果,每个一维FFT结果为复数,包括实部和虚部。所得到的一维FFT结果,包括距离门维度的信息以及多普勒门维度的信息。
由于ADC数据中可能存在噪声信息,因此,处理器901对该ADC数据进行一维快速傅里叶变换后所得到的一维FFT结果中,也包含有噪声信息。基于此,本实施中,处理器可以从多普勒门维度提取该一维FFT结果中的噪声信息,以便于后续进行目标检测。
具体实现时,处理器901可以将一维FFT结果按照其在距离门维度的值进行分组,得到多组数据,被划分为同一组的数据在距离门维度的值相同(为便于描述,以下将称之为目标数据),相应的,不同组的目标数据在距离门维度的值不同。作为一种示例,可以利用序列号对每组目标数据进行标识,以便于各组目标数据之间的区分。
然后,针对于每组目标数据,处理器901可以计算出该组目标数据在多普勒维度的波动值(也即为前述FFT噪底数据),该波动值即可以反映该组目标数据的各个数据在多普勒维度的值的波动情况,从而表征ADC数据中的噪声信息。
具体实现时,处理器901对于一维FFT结果中的任意一组目标数据,以下称之为目标第一目标数据,可以计算出该第一目标数据在多普勒门维度的第一平均值,具体可以是对该第一目标数据中各个数据在多普勒门维度进行累加求和,并进一步计算出这些数据在多普勒门维度的平均值(即为前述第一平均值),该第一平均值也为复数;然后,处理器901可以计算出该第一目标数据中各个数据在多普勒维度的值与该第一平均值之间的差值,并进一步分别计算出各个数据对应的差值的复数模长;最后,处理器401可以对该第一目标数据中所有数据对应的差值复数模长进行求和运算,并进一步计算出这些数据对应的差值的复数模长的第二平均值,并将第二平均值作为第一目标数据在多普勒门维度的波动值。以此,可以确定出一维FFT结果中每组目标数据对应的波动值。
然后,处理器901可以计算出在存在噪声信息波动值的情况下,根据一维FFT结果确定雷达系统的可检测区域内存在目标的概率P,并且,当概率P大于预设阈值时,则确定检测到存在目标,并输出相应的目标检测信息,而当概率P不大于预设阈值时,则可以确定不存在目标。本实施例中,在从一维FFT结果中提取出表征噪声信息的波动值后,处理器901可以结合该波动值以及一维FFT结果进行综合考量,以确定出雷达系统的可检测范围内是否存在目标,这相比于直接基于一维FFT结果确定是否存在目标的实施方式而言,可以有效提高目标检测的准确性。
在进一步可能的实施方式中,还可以为上述计算过程中的第一平均值以及第二平均值配置不同的权重值,以调整所提取的噪声信息对于确定目标检测结果时的影响比重。具体实现时,针对于一维FFT结果中的任意一组目标数据,当计算出第一目标数据在多普勒门维度的第一平均值后,处理器901可以利用第一权重值对该第一平均值进行调整,具体可以是计算出该第一平均值与第一权重值的乘积,得到调整后的第一平均值;然后,处理器901可以计算出该第一目标数据中各个数据在多普勒维度的值与该调整后的第一平均值之间的差值,并进一步分别计算出各个数据对应的差值的复数模长;最后,处理器901可以对该第一目标数据中所有数据对应的差值复数模长进行求和运算,计算出这些数据对应的差值的复数模长的第二平均值,并进一步计算出该第二平均值与第二权重值之间的乘积,将该乘积作为第一目标数据在多普勒门维度的波动值。
其中,第一权重值以及第二权重值可以是预先进行设定,例如可以是通过深度学习或者经验设定等方式进行确定。这样,当雷达系统应用于不同的场景时,通过调整提取噪声信息过程中的第一平均值以及第二平均值的权重值,可以对不同场景下的噪声信息作出精细化的调整,从而使得雷达系统在不同的应用场景下的目标检测结果均可以达到较高的准确性。
作为一种示例,针对于不同的应用场景,可以预先学习到每种应用场景所对应的第一权重值以及第二权重值,并建立各应用场景与第一权重值以及第二权重值的对应关系,这样,当确定雷达系统所处的应用场景时,即可根据该对应关系确定该应用场景所对应的第一权重值以及第二权重值。
实际应用中,雷达系统所处的应用场景可以是由用户(如技术人员等)进行选择。比如,雷达系统可以向用户提供多种应用场景的候选项,由用户从多个候选项中选择当前雷达系统所应用的场景,当然,也可以是由用户输入该应用场景等。这样,雷达系统可以响应于用户针对于应用场景的选择操作,确定用户所选择的应用场景所对应的第一权重值以及第二权重值,从而基于该第一权重值以及第二权重值完成目标检测。
本实施例中,雷达系统可以对ADC数据进行一维快速傅里叶变换,得到一维FFT结果;然后,可以计算该一维FFT结果中每组目标数据在多普勒门维度的波动值,其中,同组目标数据中的各个数据在距离门维度的值相同,不同组目标数据在距离门维度的值不同,从而根据该一维FFT结果以及该一维FFT结果中每组目标数据在多普勒门维度的波动值,可以确定出目标检测结果。实际应用中,如果模拟信号到数字信号的转换过程受到了干扰,则每组目标数据在多普勒门维度会产生较大的波动,因此,每组目标数据在多普勒门维度的波动值大小,可以表征ADC数据中的噪声信息,从而在基于由ADC数据得到的一维FFT结果以及该波动值进行目标检测时,由于提取出了该ADC数据中的噪声信息(即波动值/FFT噪底数据),因此,所确定出的目标检测结果的准确性可以得到有效提高。
本申请实施例中提到的“第一权重值”、“第一平均值计算引擎”等名称中的“第一”只是用来做名字标识,并不代表顺序上的第一。该规则同样适用于“第二”等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。以上所描述的硬件实施例仅仅是示意性的,可以根据实际的需要选择其中的部分或者全部部件来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请示例性的实施方式,并非用于限定本申请的保护范围。
Claims (15)
1.一种目标检测设备,其特征在于,所述目标检测设备包括:
依次连接的一维快速傅里叶变换FFT引擎、第一模块、二维FFT引擎和恒虚警率CFAR模块;
所述第一模块,用于接收所述一维FFT引擎输出的一维FFT结果;
所述第一模块还用于将对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果输出至所述二维FFT引擎;和/或,
所述第一模块还与所述CFAR模块连接,所述第一模块还用于将基于所述一维FFT结果得到的FFT噪底数据输出至所述CFAR模块。
2.根据权利要求1所述的目标检测设备,其特征在于,所述第一模块包括:
第一平均值计算引擎,与所述一维FFT引擎连接,用于根据所述一维FFT结果中第一目标数据计算在多普勒门维度的第一平均值,所述第一目标数据为所述一维FFT结果中任意一组目标数据;以及
零多普勒计算引擎,分别与所述一维FFT引擎连接、所述第一平均值计算引擎和所述二维FFT引擎连接;
其中,所述零多普勒计算引擎用于计算所述第一目标数据中各个数据在多普勒门维度的值与所述第一平均值之间的差值,并将所述差值作为当前组目标数据对应的所述零多普勒消除结果输出至所述二维FFT引擎。
3.根据权利要求2所述的目标检测设备,其特征在于,所述第一模块用于将基于所述一维FFT结果得到的FFT噪底数据输出至所述CFAR模块时,所述第一模块还包括:
第二平均值计算引擎,分别与所述零多普勒计算引擎和所述CFAR模块连接;
其中,所述第二平均值计算引擎用于根据所述零多普勒消除结果的复数模长,计算出所述第一目标数据对应的复数模长的第二平均值,并将所述第二平均值作为所述FFT噪底数据输出至所述CFAR模块。
4.根据权利要求2所述的目标检测设备,其特征在于,所述第一模块还包括:
至少一个存储器,设置在所述一维FFT引擎与所述零多普勒计算引擎之间的链路中,用于缓存所述一维FFT结果中每组目标数据在多普勒门维度的值;
其中,同组目标数据中的各个数据在距离门维度的值相同,不同组目标数据在距离门维度的值不同。
5.根据权利要求1所述的目标检测设备,其特征在于,所述第一模块还包括:至少一个存储器,所述至少一个存储器包括第一存储器以及第二存储器,目标检测设备还包括多路复用器,则,所述一维FFT引擎通过所述多路复用器分别与所述第一存储器以及所述第二存储器连接。
6.根据权利要求5所述的目标检测设备,其特征在于,所述第一存储器用于缓存所述一维FFT结果中在多普勒门维度的值为奇数的数据,所述第一存储器用于缓存所述一维FFT结果中在多普勒门维度的值为偶数的数据。
7.根据权利要求3所述的目标检测设备,其特征在于,所述目标检测设备还包括第一外接配置接口以及第二外接配置接口,所述第一外接配置接口用于对所述第一平均值计算引擎中的第一权重值进行配置,所述第一权重值用于对所述第一平均值进行调整,所述第二外接配置接口用于对所述第二平均值计算引擎中的第二权重值进行配置,所述第二权重值用于对所述第二平均值进行调整。
8.根据权利要求7所述的目标检测设备,其特征在于,所述第一权重值具体用于将所述第一平均值调整为所述第一平均值与所述第一权重值的乘积,所述第二权重值具体用于将所述第二平均值调整为所述第二平均值与所述第二权重值的乘积。
9.一种存储器,其特征在于,所述存储器应用于权利要求1至4任一项所述的目标检测设备;
所述存储器至少包括第一存储器以及第二存储器,所述第一存储器用于缓存一维FFT结果中在多普勒门维度的值为奇数的数据,所述第一存储器用于缓存所述一维FFT结果中在多普勒门维度的值为偶数的数据。
10.一种设备,其特征在于,包括:处理器和存储器;
所述存储器,用于存储指令或计算机程序;
所述处理器,用于根据所述指令或计算机程序,执行如下操作:
对模拟数字转换ADC数据进行一维快速傅里叶变换,得到一维FFT结果;
对所述一维FFT结果进行零多普勒消除处理后得到零多普勒消除结果;
对所述零多普勒消除结果进行二维的快速傅里叶变换,得到二维FFT结果,所述二维FFT结果用于目标检测;
和/或,
对所述一维FFT结果进行处理,得到FFT噪底数据,并根据所述FFT噪底数据进行目标检测。
11.根据权利要求10所述的设备,其特征在于,所述处理器,用于根据所述指令或计算机程序,执行如下操作:
根据所述一维FFT结果中任意一组目标数据计算在多普勒门维度的第一平均值;
计算所述第一目标数据中各个数据在多普勒门维度的值与所述第一平均值之间的差值,并将所述差值作为当前组目标数据对应的所述零多普勒消除结果。
12.根据权利要求11所述的设备,其特征在于,所述处理器,用于根据所述指令或计算机程序,执行如下操作:
根据所述零多普勒消除结果的复数模长,计算出所述第一目标数据对应的复数模长的第二平均值,并将所述第二平均值作为所述FFT噪底数据。
13.根据权利要求11所述的设备,其特征在于,所述储存器还用于缓存所述一维FFT结果中每组目标数据在多普勒门维度的值,其中,同组目标数据中的各个数据在距离门维度的值相同,不同组目标数据在距离门维度的值不同。
14.根据权利要求10所述的设备,其特征在于,所述处理器,用于根据所述指令或计算机程序,还执行如下操作:
利用第一权重值对所述第一平均值进行调整,得到调整后的第一平均值;
利用第二权重值对所述第二平均值进行调整,得到调整后的第二平均值;
则,所述处理器,用于根据所述指令或计算机程序,具体执行如下操作:
计算所述第一目标数据中各个数据在多普勒门维度的值与所述调整后的第一平均值之间的差值;
计算所述第一目标数据对应的复数模长的第二平均值,并将调整后的第二平均值,作为所述第一目标数据在多普勒门维度的波动值。
15.根据权利要求14所述的设备,其特征在于,所述处理器,用于根据所述指令或计算机程序,具体执行如下操作:
计算所述第一权重值与所述第一平均值的乘积,得到所述调整后的第一平均值;
计算所述第二权重值与所述第二平均值的乘积,得到所述调整后的第二平均值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020101316187 | 2020-02-28 | ||
CN202010131618 | 2020-02-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113325414A true CN113325414A (zh) | 2021-08-31 |
CN113325414B CN113325414B (zh) | 2024-06-11 |
Family
ID=77414405
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110210917.4A Pending CN113325363A (zh) | 2020-02-28 | 2021-02-25 | 确定波达方向的方法、装置及相关设备 |
CN202110224375.6A Active CN113325414B (zh) | 2020-02-28 | 2021-03-01 | 目标检测设备及存储器 |
CN202110227781.8A Active CN113325408B (zh) | 2020-02-28 | 2021-03-01 | 噪声估计的方法、装置及相关设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110210917.4A Pending CN113325363A (zh) | 2020-02-28 | 2021-02-25 | 确定波达方向的方法、装置及相关设备 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110227781.8A Active CN113325408B (zh) | 2020-02-28 | 2021-03-01 | 噪声估计的方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (3) | CN113325363A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660585A (zh) * | 2022-02-18 | 2022-06-24 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
CN116990773A (zh) * | 2023-09-27 | 2023-11-03 | 广州辰创科技发展有限公司 | 基于自适应门限的低慢小目标检测方法、装置和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140040422A (ko) * | 2012-09-26 | 2014-04-03 | (주)엠아이웨어 | Data Matrix Bank Filter를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법 |
KR20150100051A (ko) * | 2014-02-24 | 2015-09-02 | (주)디지탈엣지 | 레이더 고도계 장치 및 방법 |
KR20160054349A (ko) * | 2014-11-06 | 2016-05-16 | 재단법인대구경북과학기술원 | 클러터를 제거하기 위한 레이더 신호 처리 장치 및 방법 |
CN106443626A (zh) * | 2016-09-23 | 2017-02-22 | 西安思丹德信息技术有限公司 | 一种无人区域目标检测方法 |
CN110095762A (zh) * | 2019-05-27 | 2019-08-06 | 广东工业大学 | 雷达二维恒虚警检测方法、系统、装置及可读存储介质 |
CN110531336A (zh) * | 2019-09-20 | 2019-12-03 | 山东大学 | 一种物体检测识别方法及系统 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2119850B1 (zh) * | 1970-12-29 | 1976-02-06 | Labo Cent Telecommunicat | |
US7266042B1 (en) * | 2006-03-31 | 2007-09-04 | The United States Of America As Represented By The Secretary Of The Navy | Multi-stage maximum likelihood target estimator |
JP4709117B2 (ja) * | 2006-10-06 | 2011-06-22 | 三菱電機株式会社 | レーダ装置及び測角装置 |
RU2379704C1 (ru) * | 2008-06-09 | 2010-01-20 | Открытое акционерное общество "Корпорация "Фазотрон-Научно-исследовательский институт радиостроения" | Способ разрешения групповой цели |
JP5633407B2 (ja) * | 2011-02-04 | 2014-12-03 | 三菱電機株式会社 | レーダ装置 |
EP2677343B1 (en) * | 2011-02-18 | 2021-03-24 | Mitsubishi Electric Corporation | Passive radar device |
CN102288944B (zh) * | 2011-05-12 | 2013-09-25 | 西安电子科技大学 | 基于地形匹配的数字阵列米波雷达超分辨测高方法 |
CA2774377C (en) * | 2012-02-02 | 2017-05-02 | Raytheon Canada Limited | Knowledge aided detector |
DE102012024999A1 (de) * | 2012-12-19 | 2014-06-26 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Einstellen einer Detektionsschwelle für ein Empfangssignal eines Frequenzmodulations-Dauerstrich-Radarsensors eines Kraftfahrzeugs abhängig vom Rauschpegel, Radarsensor und Kraftfahrzeug |
CN103197294B (zh) * | 2013-03-03 | 2014-10-01 | 西安电子科技大学 | 多频融合最大似然低空目标仰角估计方法 |
CN103399291B (zh) * | 2013-07-22 | 2015-04-08 | 西安电子科技大学 | 基于快速稀疏恢复的超分辨波达方向估计方法 |
CN104833947B (zh) * | 2015-04-03 | 2017-10-31 | 西北大学 | 一种任意阵接收对称虚拟变换2d‑doa分离算法 |
JP6598244B2 (ja) * | 2015-10-05 | 2019-10-30 | 株式会社デンソーテン | レーダ装置、レーダ装置の信号処理装置、および信号処理方法 |
CN105334488B (zh) * | 2015-10-19 | 2017-10-24 | 西安电子科技大学 | 基于信源数估计的栅格偏移优化目标到达角估计方法 |
US10871551B2 (en) * | 2015-12-31 | 2020-12-22 | Herbert U Fluhler | Least squares fit classifier for improved sensor performance |
CN110520750B (zh) * | 2017-03-03 | 2023-11-14 | Iee国际电子工程股份公司 | 用于使用mimo雷达对物体进行无线检测的方法和系统 |
CN107153180B (zh) * | 2017-06-15 | 2020-02-07 | 中国科学院声学研究所 | 一种目标信号检测方法及系统 |
CN107340495A (zh) * | 2017-06-28 | 2017-11-10 | 西安电子科技大学 | 一种基于阵列雷达的目标波达方向快速估计方法 |
CN107870315B (zh) * | 2017-11-06 | 2021-07-30 | 重庆邮电大学 | 一种利用迭代相位补偿技术估计任意阵列波达方向方法 |
CN108092701B (zh) * | 2017-11-21 | 2020-12-01 | 东南大学 | 混合波束成形hbf系统波束选择方法、装置及存储介质 |
KR102074372B1 (ko) * | 2018-01-29 | 2020-02-06 | (주)스마트레이더시스템 | 길쌈 신경회로망을 이용한 레이더 신호 처리 장치 및 방법 |
CN108459312B (zh) * | 2018-03-26 | 2022-05-03 | 西安电子科技大学 | 基于复合多径因子估计的加权多频最大似然仰角估计方法 |
CN108549059B (zh) * | 2018-03-26 | 2022-05-03 | 西安电子科技大学 | 一种复杂地形条件下的低空目标仰角估计方法 |
CN108828504B (zh) * | 2018-03-30 | 2022-06-10 | 西安电子科技大学 | 基于部分相关波形的mimo雷达目标方向快速估计方法 |
CN108761380B (zh) * | 2018-05-23 | 2022-05-03 | 西安电子科技大学 | 一种用于提高精度的目标波达方向估计方法 |
US10921436B2 (en) * | 2018-08-13 | 2021-02-16 | Nxp B.V. | MIMO radar coding for resolving velocity ambiguity |
CN110837079B (zh) * | 2018-08-16 | 2021-10-19 | 杭州海康威视数字技术股份有限公司 | 一种基于雷达的目标检测方法及装置 |
WO2020039797A1 (ja) * | 2018-08-22 | 2020-02-27 | 古野電気株式会社 | エコーデータ処理装置、レーダ装置、エコーデータ処理方法、および、エコーデータ処理プログラム |
CN109188423B (zh) * | 2018-08-29 | 2020-11-10 | 电子科技大学 | 一种基于多源聚类的分布式多目标跟踪方法 |
CN109932679B (zh) * | 2019-02-28 | 2020-11-06 | 南京航空航天大学 | 一种传感器列系统最大似然角度分辨率估计方法 |
CN109946665B (zh) * | 2019-03-07 | 2023-04-21 | 西安电子科技大学 | 基于阵列雷达的获取真实目标的方法 |
CN110161489B (zh) * | 2019-05-21 | 2022-11-01 | 西安电子科技大学 | 一种基于伪框架的强弱信号测向方法 |
CN110501682B (zh) * | 2019-09-29 | 2021-07-27 | 北京润科通用技术有限公司 | 一种车载雷达测量目标方位角的方法及车载雷达 |
-
2021
- 2021-02-25 CN CN202110210917.4A patent/CN113325363A/zh active Pending
- 2021-03-01 CN CN202110224375.6A patent/CN113325414B/zh active Active
- 2021-03-01 CN CN202110227781.8A patent/CN113325408B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140040422A (ko) * | 2012-09-26 | 2014-04-03 | (주)엠아이웨어 | Data Matrix Bank Filter를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법 |
KR20150100051A (ko) * | 2014-02-24 | 2015-09-02 | (주)디지탈엣지 | 레이더 고도계 장치 및 방법 |
KR20160054349A (ko) * | 2014-11-06 | 2016-05-16 | 재단법인대구경북과학기술원 | 클러터를 제거하기 위한 레이더 신호 처리 장치 및 방법 |
CN106443626A (zh) * | 2016-09-23 | 2017-02-22 | 西安思丹德信息技术有限公司 | 一种无人区域目标检测方法 |
CN110095762A (zh) * | 2019-05-27 | 2019-08-06 | 广东工业大学 | 雷达二维恒虚警检测方法、系统、装置及可读存储介质 |
CN110531336A (zh) * | 2019-09-20 | 2019-12-03 | 山东大学 | 一种物体检测识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
M. Z. BUTT , ET AL: "Range and Doppler estimation of multiple moving targets for pulsed Doppler radars with CFAR detector at very low SNRs", 《2014 INTERNATIONAL CONFERENCE ON EMERGING TECHNOLOGIES (ICET)》, pages 147 - 152 * |
侯志等: "复杂探测背景下的 LFMCW 雷达动目标二维检测方法", 《西安电子科技大学学报(自然科学版)》, pages 167 - 172 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660585A (zh) * | 2022-02-18 | 2022-06-24 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
CN114660585B (zh) * | 2022-02-18 | 2023-08-01 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
CN116990773A (zh) * | 2023-09-27 | 2023-11-03 | 广州辰创科技发展有限公司 | 基于自适应门限的低慢小目标检测方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113325363A (zh) | 2021-08-31 |
CN113325408B (zh) | 2024-05-31 |
CN113325408A (zh) | 2021-08-31 |
CN113325414B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3703052B1 (en) | Echo cancellation method and apparatus based on time delay estimation | |
CN113325414A (zh) | 目标检测设备及存储器 | |
CN113376613B (zh) | 用于雷达探测的恒虚警检测方法、装置及电子设备 | |
CN111398910A (zh) | 雷达信号检测方法、装置、电子设备及存储介质 | |
CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
US5515300A (en) | Coherent signal power detector using higher-order statistics | |
JP2014002085A (ja) | 信号処理装置、レーダ装置、信号処理方法、およびプログラム | |
WO2014197139A1 (en) | System and method for distribution free target detection in a dependent non-gaussian background | |
JP6215543B2 (ja) | レーダ装置 | |
CN116486259B (zh) | 遥感图像中的点目标的提取方法和装置 | |
CN117491998A (zh) | 一种步进频率合成孔径成像方法及系统 | |
CN107315169B (zh) | 基于二阶统计量相似度的杂波协方差矩阵估计方法 | |
CN115474228A (zh) | 状态检测方法、装置、终端及存储介质 | |
CN106371095A (zh) | 基于脉冲压缩技术的距离向成像方法和距离向成像系统 | |
CN110988836B (zh) | 一种脉冲到达时间的测量方法及系统 | |
CN114492530A (zh) | 基于生成式对抗网络的主动声呐探测波形识别方法及装置 | |
US11835649B2 (en) | Method and apparatus for radar signal processing using convolutional neural network | |
US9374246B2 (en) | Radio frequency digital receiver system and method | |
JP6751063B2 (ja) | レーダ信号処理装置、レーダ信号処理方法、およびプログラム | |
CN107271966B (zh) | 一种获取实时脉冲多普勒谱的方法及装置 | |
US5903483A (en) | Frequency domain kernel processor | |
El Mashade | Target multiplicity performance analysis of radar CFAR detection techniques for partially correlated chi-square targets | |
CN111308436A (zh) | 基于体积相关函数的雷达空时自适应处理方法及装置 | |
KR20160027698A (ko) | 통신 신호에 대한 tdoa/fdoa 정보 추정 장치 및 방법 | |
JP2022028419A (ja) | 信号処理装置、信号処理方法、および信号処理システム |
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 |