CN113391306A - 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 - Google Patents
恒虚警率车载雷达目标检测方法及装置、设备、存储介质 Download PDFInfo
- Publication number
- CN113391306A CN113391306A CN202110509794.4A CN202110509794A CN113391306A CN 113391306 A CN113391306 A CN 113391306A CN 202110509794 A CN202110509794 A CN 202110509794A CN 113391306 A CN113391306 A CN 113391306A
- Authority
- CN
- China
- Prior art keywords
- data
- threshold
- value
- false alarm
- standard deviation
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 107
- 230000011218 segmentation Effects 0.000 claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 17
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种恒虚警率车载雷达目标检测方法及装置、电子设备、计算机可读存储介质，方法包括：将雷达回波信号数据通过平方律检波后载入参考单元前后，进行排序后分段处理，并计算每段数据的标准差，计算每段数据的标准差与第一段数据的统计分布差异获得JS散度值，根据JS散度值计算分割门限，删除大于分割门限的数据段并统计其第一数目，对第一数目与预设虚警率进行数学运算获得标称因子，对小于分割门限的数据段进行加和运算获得和值，将和值与标称因子相乘获得检测门限，当被测单元的数据大于检测门限时判断存在目标。本申请能够根据实际检测环境的变化自适应地确定大值剔除数目，提高了检测效率和准确率，同时具有较好的虚警控制能力。
Description
技术领域
本申请涉及信号检测技术领域，特别涉及一种恒虚警率车载雷达目标检测方法、一种恒虚警率车载雷达目标检测装置、一种恒虚警率车载雷达目标检测电子设备、及计算机可读存储介质。
背景技术
在复杂的交通路况中，背景噪声中提取出低信噪比目标信息，严重影响目标检测能力。检测前跟踪算法是对低信噪比目标准确检测和跟踪的关键技术之一，其思想是利用目标点轨迹运动的规律性和噪声点迹的无规律性特点，对多帧雷达回波信号图进行相参或非相参累计，实现从噪声背景中提取目标轨迹的目的。
恒虚警率检测(CFAR)就是使用自适应阈值估计技术来对目标进行自动信号检测。其中检测门限是与局部环境或杂波的平均功率有关。根据杂波估计方法的不同，相继出现了单元平均CA-CFAR，单元平均选大GO-CFAR，单元平均选小SO-CFAR。它们在不同杂波背景下，即均匀杂波背景、多目标环境、杂波边缘环境发挥着各自最佳效果。但是这些检测器有一个共同缺点，都是针对某一种杂波背景提出的，在提高该背景下检测性能的同时，却以其他背景下的CFAR损伤为代价。
随着科研的不断发展，相继出现了E-CFAR、CCA-CFAR、GCMLD-CFAR，但是这类检测器由于是将参考单元与满足某一类错误删减概率的检测阈值比较，删除超过检测阈值的参考单元，往往具有较大的运算量，并且需要干扰目标数目的先验信息，或者人为设定大值删除数目，不能从环境中自适应提取。
发明内容
本申请实施例的目的在于提供一种恒虚警率车载雷达目标检测方法、一种恒虚警率车载雷达目标检测装置、一种恒虚警率车载雷达目标检测电子设备、及计算机可读存储介质，能够在均匀环境与多目标环境中具有良好的检测性能，同时能够随检测环境进行自适应调整干扰目标的数目，提高了检测效果和检测效率。
第一方面，本申请提供了一种恒虚警率车载雷达目标检测方法，包括：
将雷达接收到的回波信号数据依次传入匹配滤波器和平方律检波器中进行处理；
将所述平方律检波器输出的数据输入CFAR检测器中进行处理获得检测门限；
将被测单元数据与所述检测门限进行比较，当所述被测单元数据大于所述检测门限时判断目标存在；
其中，所述将平方律检波器输出的数据输入CFAR检测器中进行处理获得检测门限包括以下步骤：
将平方律检波器输出的数据沿滑窗载入参考单元前后；
将参考单元载入后的数据进行排序后分成n个数据段，并计算每个数据段的标准差，其中，n为正整数；
计算每个数据段的标准差与第一数据段的标准差的统计分布差异，获得JS散度值；
计算所述JS散度值的分割门限，并统计小于所述分割门限的数据段的数目；
对所述小于所述分割门限的数据段的数目和预设虚警率进行数学运算获得标称因子；
对所述小于所述分割门限的数据段进行加和运算获得和值，将所述和值与所述标称因子相乘获得检测门限。
在一实施例中，根据如下公式计算每个数据段的标准差：
其中，n表示数据段的数目，k表示每个数据段中检测单元的个数，σj表示第j个数据段的标准差，yi表示数据段内第i个检测单元的数据值，μj为数据段内的数据均值。
在一实施例中，根据如下公式计算每个数据段的标准差与预设数据段的标准差的统计分布差异，获得JS散度值：
其中，σj表示第j个数据段的标准差，JSDj表示第j个数据段与第1个数据段的统计特性差异度量值，也即JS散度值。
在一实施例中，所述类间方差的公式为：
σ2＝λ1λ0(μ1-μ0)2
其中，λ1＝R1/R，λ0＝R0/R，
P(i)＝l(i)/R，j表示JS散度值的数目，l(i)表示JS散度值i的出现次数，p(i)表示JS散度值i对应的概率，D表示所述分割门限的初始阈值，R0表示JS散度值小于所述初始阈值的数目，其占据所有JS散度值数目的比例为λ0，R1表示JS散度值大于所述初始阈值的数目，其占据所有JS散度值数目的比例为λ0，μ0表示所有JS散度值的均值，R＝n×k，R表示所有JS散度值的数目；
遍历所有数据段对应JS散度值，当类间方差σ2取值最大时对应的阈值即为分割门限。
在一实施例中，所述标称因子通过以下公式计算得到：
其中，T表示标称因子，Pfa表示预设的虚警率，R是参考单元的总个数，标称因子T的函数
由下式计算：
其中，R1＝0，j为变量。
在一实施例中，删除JS散度值大于所述分割门限的数据段。
第二方面，本申请提供了一种恒虚警率车载雷达目标检测装置，包括：
输入模块，用于将雷达接收到的回波信号数据依次传入匹配滤波器和平方律检波器中进行处理；
处理模块，用于将平方律检波器输出的数据输入CFAR检测器中进行处理获得检测门限；
判断模块，用于将被测单元数据与所述检测门限进行比较，当所述被测单元数据大于所述检测门限时判断目标存在；
其中，处理模块包括：
载入单元，用于将平方律检波器输出的数据沿滑窗载入参考单元前后；
第一计算单元，用于将参考单元载入后的数据进行排序后分成n个数据段，并计算每个数据段的标准差，其中，n为正整数；
第二计算单元，用于计算每个数据段的标准差与第一数据段的标准差的统计分布差异，获得JS散度值；
第三计算单元，用于计算所述JS散度值的分割门限，并统计小于所述分割门限的数据段的数目；
第四计算单元，用于对所述小于所述分割门限的数据段的数目和预设虚警率进行数学运算获得标称因子；
第五计算单元，用于对所述小于所述分割门限的数据段进行加和运算获得和值，将所述和值与所述标称因子相乘获得检测门限。
在一实施例中，所述第一计算单元根据如下公式计算每个数据段的标准差：
其中，n表示数据段的数目，k表示每个数据段中检测单元的个数，σj表示第j个数据段的标准差，yi表示数据段内第i个检测单元的数据值，μj为数据段内的数据均值。
第三方面，本申请提供了一种恒虚警车载雷达目标检测电子设备，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行上述第一方面任意一项所述的恒虚警车载雷达目标检测方法。
第四方面，本申请提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成第一方面任意一项所述的恒虚警车载雷达目标检测方法。
本方案将雷达回波信号数据依次输入匹配滤波器、平方律滤波器后的数据沿滑窗输入参考单元前后，对载入参考单元后的数据排序后进行分段处理后，计算每段数据的标准差，并计算每段数据的标准差与第一段数据的统计分布差异，获得JS散度值，之后计算JS散度的分割门限，根据大于分割门限的数据段的数目和预设的虚警率进行数学运算后获得标称因子，最后计算小于分割门限的数据段的数据的和值与标称因子的乘积得到检测门限，当被测单元数据的值大于检测门限时，判断存在检测目标。由此，本发明能够有效地剔除幅度较大的异常值，将可能的干扰目标去除，从而减少干扰目标的影响。同时利用幅度较大的异常值的数目与预设的虚警率进行数学运算获得标称因子，最后利用幅度较小的数据段的数据和值与标称因子相乘获得检测门限，因此，在不需要干扰目标数目先验信息的前提下，能够实现根据实际检测环境的变化自适应地、有效地确定CFAR中的大值剔除数目，同时保证抗击目标数目依照参考单元的情况自适应地调整，能够满足在复杂交通状况下目标检测的需求，提高了检测的效率和准确率，同时能够保持较好的虚警控制能力。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍。
图1为本申请一实施例提供的恒虚警车载雷达目标检测方法的应用场景示意图；
图2为本申请一实施例提供的电子设备的结构示意图；
图3为本申请一实施例提供的恒虚警车载雷达目标检测方法的流程示意图；
图4为本申请一实施例提供的恒虚警车载雷达目标检测方法的示意图；
图5为本申请一实施例提供的恒虚警车载雷达目标检测装置的框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1为本申请实施例提供的恒虚警率车载雷达目标检测方法的应用场景示意图。如图1所示，该应用场景包括雷达客户端20和服务端30；雷达客户端20，用于向服务端30发送接收到的雷达回波信号；服务端30可以是服务器、服务器集群或云计算中心，可以对接收到的雷达回波信号进行分析处理获得检测门限，当被测单元数据大于所述检测门限时判断目标存在。
如图2所示，本实施例提供一种恒虚警率车载雷达目标检测电子设备1，包括：至少一个处理器11和存储器12，图2中以一个处理器11为例。处理器11和存储器12通过总线10连接，存储器12存储有可被处理器11执行的指令，指令被处理器11执行，以使电子设备1可执行下述的实施例中方法的全部或部分流程。在一实施例中，电子设备1可以是上述服务端30，用于执行恒虚警率车载雷达目标检测方法。
存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，简称EPROM)，可编程只读存储器(Programmable Red-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
本申请还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序可由处理器11执行以完成本申请提供的恒虚警率车载雷达目标检测方法。
参见图3和图4，图3和图4为本申请一实施例提供的恒虚警率车载雷达目标检测方法的流程示意图，如图3和图4所示，该方法可以包括以下步骤310-步骤330。
步骤310：将雷达接收到的回波信号数据依次传入匹配滤波器和平方律检波器中进行处理。
在本步骤中，接受雷达回波信号数据，并通过平方律检波对信号数据进行处理：假设y(t)是某距离单元的采样值，I(y)是信号的同相分量，Q(y)是正交分量，D(y)是y(t)经过检波后输出的结果，经过平方律检波后D(y)是如下形式：
D(y)＝I2(y)+Q2(y)
由于在雷达信号处理中一般只进行包络检波(将I(y)和Q(y)两路信号进行求绝对值)，这样会获得服从瑞利分布模型、韦布尔分布模型、K分布模型、对数正态分布模型等的幅度值，当已知杂波(已经过包络检波后)服从瑞利分布模型时，通过进行平方率检波(幅度值平方)将其转换为指数分布模型，从而简化计算。
步骤320：将平方律检波器输出的数据进行分析处理获得检测门限。
在本步骤中，将平方律检波器输出的数据进行如下处理获得检测门限：
步骤321：将平方律检波器输出的数据沿滑窗载入参考单元前后。
在本步骤中，将平方律检测波输入得数据沿滑窗载入参考单元前后，为了防止被测单元的功率可能泄露到相邻的单元中，所以和被测单元相邻的数个单元不作为背景杂波的估计，而是作为保护单元，如图2所示，被测单元前后各有一个单元作为保护单元。
步骤322：将参考单元载入后的数据进行排序后分成n个数据段，并计算每个数据段的标准差，其中，n为正整数。
在本步骤中，按照由小到大的顺序对参考单元载入后的数据进行排序，得到有序数据Y(1)≤Y(2)≤...≤Y(R)，之后，将有序数据分成n个整数段：Y(1)...Y(k),Y(k+1)...Y(2k),...,Y((n-1)k+1)...Y(R)，其中n×k＝R，n表示数据段的个数，k表示每个数据段内的数据个数，R表示参考单元的总数目。
在一个实施例中，可以根据如下公式计算每个数据段的标准差：
其中，n表示数据段的数目，k表示每个数据段中数据的个数，σj表示第j个数据段的标准差，yi表示数据段内第i个参考单元的数据值，μj为第j个数据段内的数据均值。
步骤323：计算每个数据段的标准差与第一数据段的标准差的统计分布差异，获得JS散度值。
KL散度又被称为相对熵，是信息论里面度量差异的指标，用来表示两个概率分布之间的差异程度，假设一个离散变量X的两个概率分布P，Q，则它们之间的KL散度为：
计算每段数据与第一段数据的统计分布差异，一种可能的实施方式是通过以下过程实现：
但是KL散度是不对称的，不满足作为统计分布差异指标的要求，所以本申请提出JS散度：
经过证明JS散度满足以下的数学性质，即：
1.JS(P||Q)是对称的，
2.JS(P||Q)是有界的，0≤JS(P||Q)≤1，
3.平方根
满足三角不等式定义；
JS散度在满足三大准则前提下，本身就是信息论中用来表示两个概率之间差异的距离变量，因此引入JS散度来度量各段数据之间的统计分布差异，对应于所述步骤323中计算每段数据与第一段数据的统计分布差异为：
其中，σj是第j段数据的标准差，JSDj是第j段数据与第1段数据的统计特性差异度量值，及JS散度。
步骤324：计算所述JS散度值的分割门限，并统计小于所述分割门限的数据段的数目。
在本步骤中，首先计算所述JS散度值的分割门限，之后将每个数据段的数据与所述分割门限进行比较，可以将大于分割门限的数据段标记为1，将小于分割门限的数据段标记为0，最后统计小于所述分割门限的数据段的数目。
具体的，可通过以下方式计算所述JS值的分割门限：
σ2＝λ1λ0(μ1-μ0)2
其中，λ1＝R1/R，λ0＝R0/R，
P(m)＝l(m)/R，l(m)表示JS散度值m的出现次数，p(m)表示JS散度值m对应的概率，D表示所述分割门限的初始阈值，R0表示JS散度值小于所述初始阈值的数目，其占据所有参考单元数目R的比例为λ0，R1表示JS散度值大于所述初始阈值的数目，其占据参考单元数目R的比例为λ0，μ0表示所有JS散度值的均值，R＝n×k，其中，R表示所述d参考单的元数目，n表示数据段，k表示每个数据段中数据的个数；
遍历所有数据段对应JS散度值，当类间方差σ2取值最大时对应的阈值即为分割门限。
步骤325：对所述大于所述分割门限的数据段的数目和预设虚警率进行数学运算获得标称因子。
在本步骤中，选择标识为0的数据段的数据，并统计标识为0的数据段的个数R0，将标识为1的数据段的数据删除，并统计表示为1的数据段的数据个数R1，然后利用大于所述R1和预设的虚警率进行数学运算后获得标称因子T。
在一实施例中，所述标称因子通过以下公式计算得到：
其中，T表示标称因子，Pfa表示预设的虚警率，标称因子T的函数
由下式计算：
其中，R0＝0，j为变量。
步骤326：对所述小于所述分割门限的数据段进行加和运算获得和值，将所述和值与所述标称因子相乘获得检测门限。
在本步骤中，对小于所述分割门限的数据段进行求和运算
其中，yi(i＝1...R-R2)为第i个参考单元数据，S为参考单元数据的和值。
再将所述和值S和标称因子T相乘获得检测门限。
步骤330：将被测单元数据与所述检测门限进行比较，当所述被测单元数据大于所述检测门限时判断目标存在。
在本步骤中，将被测单元的数据记为CUT，则步骤330可用下式来表示：
其中，H0表示被测单元内不存在目标，H1表示被测单元内存在目标。
由此，本申请通过JS散度值获得分割门限，当参考单元内数据段的数值大于分割门限时即被删除，并利用大于分割门限的数据段的数目和预设虚警率进行计算获得标称因子，之后将参考单元内小于分割门限的数据段的数据进行求和运算，将和值与所述标称因子相乘后获得检测门限，当被测单元数据大于检测门限时判断存在目标。能够有效地剔除幅度较大的异常值，将可能的干扰目标去除，从而减少干扰目标的影响。同时利用幅度较大的异常值的数目与预设的虚警率进行数学运算获得标称因子，最后利用幅度较小的数据段的数据和值与标称因子相乘获得检测门限，因此，在不需要干扰目标数目先验信息的前提下，能够实现根据实际检测环境的变化自适应地、有效地确定CFAR中的大值剔除数目，同时保证抗击目标数目依照参考单元的情况自适应地调整，能够满足在复杂交通状况下目标检测的需求，提高了检测的效率和准确率，同时能够保持较好的虚警控制能力。
图5是本发明一实施例的一种恒虚警车载雷达目标检测装置，如图5所示，该装置可以包括：输入模块410、处理模块420和判断模块430。
输入模块410，用于将雷达接收到的回波信号数据依次传入匹配滤波器和平方律检波器中进行处理；
处理模块420，用于将平方律检波器输出的数据输入CFAR检测器中进行处理获得检测门限；
判断模块430，用于将被测单元数据与所述检测门限进行比较，当所述被测单元数据大于所述检测门限时判断目标存在；
其中，所述处理模块420包括载入单元421、第一计算单元422、第二计算单元423、第三计算单元424、第四计算单元425和第五计算单元426。
载入单元421，用于将平方律检波器输出的数据沿滑窗载入参考单元前后；
第一计算单元422，用于将参考单元载入后的数据进行排序后分成n个数据段，并计算每个数据段的标准差，其中，n为正整数；
第二计算单元423，用于计算每个数据段的标准差与第一数据段的标准差的统计分布差异，获得JS散度值；
第三计算单元424，用于计算所述JS散度值的分割门限，并统计小于所述分割门限的数据段的数目；
第四计算单元425，用于对所述小于所述分割门限的数据段的数目和预设虚警率进行数学运算获得标称因子；
第五计算单元426，用于对所述小于所述分割门限的数据段进行加和运算获得和值，将所述和值与所述标称因子相乘获得检测门限。
上述装置中各个模块的功能和作用的实现过程具体详见上述恒虚警率车载雷达目标检测方法中对应步骤的实现过程，在此不再赘述。
在本申请所提供的几个实施例中，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种恒虚警率车载雷达目标检测方法，其特征在于，包括：
将雷达接收到的回波信号数据依次传入匹配滤波器和平方律检波器中进行处理；
将所述平方律检波器输出的数据进行分析处理获得检测门限；
将被测单元数据与所述检测门限进行比较，当所述被测单元数据大于所述检测门限时判断目标存在；
其中，所述将所述平方律检波器输出的数据进行分析处理获得检测门限包括以下步骤：
将所述平方律检波器输出的数据沿滑窗载入参考单元前后；
将参考单元载入后的数据进行排序后分成n个数据段，并计算每个数据段的标准差，其中，n为正整数；
计算每个数据段的标准差与第一数据段的标准差的统计分布差异，获得JS散度值；
计算所述JS散度值的分割门限，并统计大于所述分割门限的数据段的数目；
对所述大于所述分割门限的数据段的数目和预设虚警率进行数学运算获得标称因子；
对所述小于所述分割门限的数据段进行加和运算获得和值，将所述和值与所述标称因子相乘获得检测门限。
2.根据权利要求1所述的恒虚警车载雷达目标检测方法，其特征在于，根据如下公式计算每个数据段的标准差：
其中，n表示数据段的数目，k表示每个数据段中数据的个数，σj表示第j个数据段的标准差，yi表示数据段内第i个参考单元的数据值，μj为第j个数据段内的数据均值。
3.根据权利要求1所述的恒虚警车载雷达目标检测方法，其特征在于，根据如下公式计算每个数据段的标准差与预设数据段的标准差的统计分布差异，获得JS散度值：
其中，σj表示第j个数据段的标准差，JSDj表示第j个数据段与第一个数据段的统计特性差异度量值，也即JS散度值。
4.根据权利要求2所述的恒虚警车载雷达目标检测方法，其特征在于，根据以下公式计算所述JS散度值的分割门限：
σ2＝λ1λ0(μ1-μ0)2
其中，λ1＝R1/R，λ0＝R0/R，
P(m)＝l(m)/R，l(m)表示JS散度值m的出现次数，p(m)表示JS散度值m对应的概率，D表示所述分割门限的初始阈值，R0表示JS散度值小于所述初始阈值的数目，其占据所有参考单元数目R的比例为λ0，R1表示JS散度值大于所述初始阈值的数目，其占据参考单元数目R的比例为λ0，μ0表示所有JS散度值的均值，R＝n×k，其中，R表示所述d参考单的元数目，n表示数据段，k表示每个数据段中数据的个数；
遍历所有数据段对应JS散度值，当类间方差σ2取值最大时对应的阈值即为分割门限。
5.根据权利要求4所述的恒虚警车载雷达目标检测方法，其特征在于，所述标称因子通过以下公式计算得到：
其中，T表示标称因子，Pfa表示预设的虚警率，标称因子T的函数
由下式计算：
其中，R0＝0，j为变量。
6.根据权利要求1所述的恒虚警车载雷达目标检测方法，其特征在于，删除JS散度值大于所述分割门限的数据段。
7.一种恒虚警率车载雷达目标检测装置，其特征在于，包括：
输入模块，用于将雷达接收到的回波信号数据依次传入匹配滤波器和平方律检波器中进行处理；
处理模块，用于将平方律检波器输出的数据输入CFAR检测器中进行处理获得检测门限；
判断模块，用于将被测单元数据与所述检测门限进行比较，当所述被测单元数据大于所述检测门限时判断目标存在；
其中，处理模块包括：
载入单元，用于将平方律检波器输出的数据沿滑窗载入参考单元前后；
第一计算单元，用于将参考单元载入后的数据进行排序后分成n个数据段，并计算每个数据段的标准差，其中，n为正整数；
第二计算单元，用于计算每个数据段的标准差与第一数据段的标准差的统计分布差异，获得JS散度值；
第三计算单元，用于计算所述JS散度值的分割门限，并统计小于所述分割门限的数据段的数目；
第四计算单元，用于对所述小于所述分割门限的数据段的数目和预设虚警率进行数学运算获得标称因子；
第五计算单元，用于对所述小于所述分割门限的数据段进行加和运算获得和值，将所述和值与所述标称因子相乘获得检测门限。
8.根据权利要求7所述的恒虚警车载雷达目标检测装置，其特征在于，所述第一计算单元根据如下公式计算每个数据段的标准差：
其中，n表示数据段的数目，k表示每个数据段中数据的个数，σj表示第j个数据段的标准差，yi表示数据段内第i个参考单元的数据值，μj为第j个数据段内的数据均值。
9.一种恒虚警车载雷达目标检测电子设备，其特征在于，所述电子设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行权利要求1-6任意一项所述的恒虚警车载雷达目标检测方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序可由处理器执行以完成权利要求1-6任意一项所述的恒虚警车载雷达目标检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509794.4A CN113391306A (zh) | 2021-05-11 | 2021-05-11 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110509794.4A CN113391306A (zh) | 2021-05-11 | 2021-05-11 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113391306A true CN113391306A (zh) | 2021-09-14 |
Family
ID=77616863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110509794.4A Pending CN113391306A (zh) | 2021-05-11 | 2021-05-11 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113391306A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116643248A (zh) * | 2023-07-26 | 2023-08-25 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
| CN116736256A (zh) * | 2023-08-11 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104502899A (zh) * | 2014-12-27 | 2015-04-08 | 长安大学 | 一种自适应的恒虚警率目标检测方法 |
| CN107884757A (zh) * | 2016-09-30 | 2018-04-06 | 比亚迪股份有限公司 | 恒虚警目标检测方法、装置及车辆 |
| CN110426691A (zh) * | 2019-07-02 | 2019-11-08 | 中国航空工业集团公司雷华电子技术研究所 | 一种雨杂波环境下的恒虚警检测方法 |
| CN111398910A (zh) * | 2020-03-11 | 2020-07-10 | 四川九洲防控科技有限责任公司 | 雷达信号检测方法、装置、电子设备及存储介质 |
| CN111693961A (zh) * | 2020-06-15 | 2020-09-22 | 哈尔滨工业大学 | 一种基于kl散度单元筛选的cfar检测器 |
-
2021
- 2021-05-11 CN CN202110509794.4A patent/CN113391306A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104502899A (zh) * | 2014-12-27 | 2015-04-08 | 长安大学 | 一种自适应的恒虚警率目标检测方法 |
| CN107884757A (zh) * | 2016-09-30 | 2018-04-06 | 比亚迪股份有限公司 | 恒虚警目标检测方法、装置及车辆 |
| CN110426691A (zh) * | 2019-07-02 | 2019-11-08 | 中国航空工业集团公司雷华电子技术研究所 | 一种雨杂波环境下的恒虚警检测方法 |
| CN111398910A (zh) * | 2020-03-11 | 2020-07-10 | 四川九洲防控科技有限责任公司 | 雷达信号检测方法、装置、电子设备及存储介质 |
| CN111693961A (zh) * | 2020-06-15 | 2020-09-22 | 哈尔滨工业大学 | 一种基于kl散度单元筛选的cfar检测器 |
Non-Patent Citations (1)
| Title |
|---|
| 方卫华 等: "《大型调水工程安全信息感知、生成与利用》", 31 December 2019, 河海大学出版社 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116643248A (zh) * | 2023-07-26 | 2023-08-25 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
| CN116643248B (zh) * | 2023-07-26 | 2023-11-14 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
| CN116736256A (zh) * | 2023-08-11 | 2023-09-12 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
| CN116736256B (zh) * | 2023-08-11 | 2023-10-24 | 南京隼眼电子科技有限公司 | 雷达的识别方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113391306A (zh) | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 | |
| CN111693961B (zh) | 一种基于kl散度单元筛选的cfar检测器 | |
| CN103076602A (zh) | 针对多目标背景的雷达自适应恒虚警率融合检测方法 | |
| CN112258093A (zh) | 风险等级的数据处理方法及装置、存储介质、电子设备 | |
| CN111413682B (zh) | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 | |
| CN113376613A (zh) | 用于雷达探测的恒虚警检测方法、装置及电子设备 | |
| CN110161494B (zh) | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 | |
| Barboy et al. | Cell-averaging CFAR for multiple-target situations | |
| CN112180341B (zh) | 一种背景自适应cfar算法选择的实现方法 | |
| CN112965040A (zh) | 一种基于背景预筛选的自适应cfar目标检测方法 | |
| CN107271973A (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
| Hyun et al. | A new OS-CFAR detector design | |
| CN107024680A (zh) | 一种基于双删除门限的目标检测方法 | |
| US10378937B2 (en) | Dynamic clustering of transient signals | |
| CN112904292A (zh) | 基于重要性采样的宽带雷达检测门限确定及目标检测方法 | |
| CN110196797B (zh) | 适于信用评分卡系统的自动优化方法和系统 | |
| CN115032606B (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
| CN115934699A (zh) | 异常数据筛选方法、装置、电子设备及存储介质 | |
| Sahed et al. | Analysis of CFAR detection with multiple pulses transmission case in Pareto distributed clutter | |
| US11914019B2 (en) | Method for determining the detection threshold of a radar suited to a given environment | |
| Ng et al. | Tracking variable number of targets using sequential Monte Carlo methods | |
| Ivković et al. | False alarm analysis of the CATM-CFAR in presence of clutter edge | |
| KR970003698B1 (ko) | 다중 표적 환경에서의 검파기 및 그 방법 | |
| CN111929656A (zh) | 一种基于熵值统计的车载毫米波雷达系统噪声估计方法 | |
| Yang et al. | Performance analysis of a minimum selected cell-averaging CFAR detection |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |
|
| RJ01 | Rejection of invention patent application after publication |