CN113687340A - 一种基于毫米波雷达的远距离运动目标检测方法 - Google Patents

一种基于毫米波雷达的远距离运动目标检测方法 Download PDF

Info

Publication number
CN113687340A
CN113687340A CN202110976140.2A CN202110976140A CN113687340A CN 113687340 A CN113687340 A CN 113687340A CN 202110976140 A CN202110976140 A CN 202110976140A CN 113687340 A CN113687340 A CN 113687340A
Authority
CN
China
Prior art keywords
target
distance
long
millimeter wave
wave radar
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
Application number
CN202110976140.2A
Other languages
English (en)
Other versions
CN113687340B (zh
Inventor
张振源
黄大荣
方鑫
米波
王晓洁
赖惠镇
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.)
Chongqing Jiaotong University
Original Assignee
Chongqing Jiaotong University
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 Chongqing Jiaotong University filed Critical Chongqing Jiaotong University
Priority to CN202110976140.2A priority Critical patent/CN113687340B/zh
Publication of CN113687340A publication Critical patent/CN113687340A/zh
Application granted granted Critical
Publication of CN113687340B publication Critical patent/CN113687340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • 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
    • G01S13/04—Systems determining presence of a target
    • 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
    • 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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • 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
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及运动目标检测技术领域，具体涉及一种基于毫米波雷达的远距离运动目标检测方法，包括：获取用于检测对应远距离运动目标的目标雷达各个天线阵列的差拍信号；然后滤除所述差拍信号中的静止杂波信号；对所述滤波差拍信号进行range‑FFT处理；对range‑FFT处理后的所述滤波差拍信号进行RFT处理，以校正所述滤波差拍信号中远距离目标运动带来的距离走动；对RFT处理后的所述滤波差拍信号进行angle‑FFT处理；对angle‑FFT处理后的所述滤波差拍信号进行PF‑TBD算法处理，以实现对应远距离运动目标的检测和跟踪。本发明中的远距离运动目标检测方法能够保证毫米波雷达的相参积累性能和检测准确性，从而能够保证远距离运动目标检测的效果和效率。

Description

一种基于毫米波雷达的远距离运动目标检测方法
技术领域
本发明涉及运动目标检测技术领域，具体涉及一种基于毫米波雷达的远距离运动目标检测方法。
背景技术
自动驾驶是汽车智能化发展的最终方向，众多汽车厂商纷纷开展研发及产业化布局，其中，多传感器融合是实现自动驾驶的必然趋势。对于近距离目标和静止目标的运动检测，现有技术已经有非常成熟的传感器方案及算法进行处理和识别，但随着汽车速度的提升，远距离运动目标(弱目标)是造成事故的最大原因。因此，对于远距离运动目标的检测技术的研究变得越来越迫切。
针对现有运动目标检测方法无法获得较高的探测率，对于存在视差的景物会出现误检测等问题，公开号为CN103679172A的中国专利公开了《一种通过转动红外探测器检测地面远距离运动目标的方法》，其首先利用图像信息计算红外探测器的运动补偿参数并通过背景更新获取目标第一次检测结果；然后经过场景信息的提取，利用稀疏光流法根据目标第一次检测结果提取场景中目标与背景的运动信息，最终通过计算背景和目标之间的运动信息相关性实现目标最终检测。该方案中的远距离运动目标检测方法能够解决因红外探测器的分辨率低带来的探测区域小的问题，进而能够实现远距离运动目标的检测。
但申请人发现，上述现有检测方法采用的红外探测器容易受到环境光污染的影响，即容易被车辆灯光、反光镜造成的光路而产生误判；同时，其在雨雾天气等条件下的工作性能较差，导致远距离运动目标检测的效果难以得到保证。相比之下，毫米波雷达在恶劣光线和雨雾天气条件下性能很好，且具有全天候全天时的特点，可以作为远距离运动目标检测的基础和重要发展方向。
然而，在自动驾驶领域，运动目标的高速和高机动性容易造成回波信号在相参积累过程中产生距离走动和多普勒频率拓展的问题，导致毫米波雷达的相参积累性能严重下降。同时，现有毫米波雷达的检测前跟踪方法(detect-before-trace,DBT)直接采用低门限甚至无门限处理原始数据，帧与帧之间没有点迹关联，虽然具有计算工作量和数据少的优势，但相应的检测和跟踪的准确率也会降低；并且一旦单帧检测门限设置得不合理，就很容易出现虚警或漏检，从而影响运动目标检测的准确性。因此，如何设计一种能够保证毫米波雷达的相参积累性能和检测准确性的远距离运动目标检测方法是亟需解决的技术问题。
发明内容
针对上述现有技术的不足，本发明所要解决的技术问题是：如何提供一种能够保证毫米波雷达的相参积累性能和检测准确性的远距离运动目标检测方法，从而能够保证远距离运动目标检测的效果和效率。
为了解决上述技术问题，本发明采用了如下的技术方案：
一种基于毫米波雷达的远距离运动目标检测方法，包括以下步骤：
S1：获取用于检测对应远距离运动目标的目标雷达各个天线阵列的差拍信号；然后滤除所述差拍信号中的静止杂波信号，得到对应的滤波差拍信号；
S2：对所述滤波差拍信号进行range-FFT处理，以将所述滤波差拍信号距离维度的时域信号转换到频域上；
S3：对range-FFT处理后的所述滤波差拍信号进行RFT处理，以校正所述滤波差拍信号中远距离目标运动带来的距离走动；
S4：对RFT处理后的所述滤波差拍信号进行angle-FFT处理，以将所述滤波差拍信号角度维度的时域信号转换到频域上；
S5：对angle-FFT处理后的所述滤波差拍信号进行PF-TBD算法处理，以实现对应远距离运动目标的检测和跟踪。
优选的，步骤S1中，所述目标雷达为MIMO毫米波雷达；所述MIMO毫米波雷达通过N个发射天线和M个接收天线生成虚拟天线阵列，并使得所述目标雷达形成1个发射天线和N×M个接收天线的单输入多输出系统。
优选的，步骤S1中，通过运动目标检测算法滤除所述差拍信号中的静止杂波信号。
优选的，步骤S3中，RFT处理的公式如下：
Figure BDA0003227660280000021
式中：ε表示相对于f(t,r+vt)的已知常数；
远距离运动目标带来的距离走动通过如下公式表示：
rs＝r+vt,t∈[-T/2,T/2]；
式中：r表示斜距；v表示在t＝0时刻的径向速度；T表示相干积分时间。
优选的，步骤S3中，RFT处理时，在复信号域中，联合利用幅度和相位信息实现连续相干积分，并引入一对多普勒补偿函数Hv(t)和Hθ(t)作为傅里叶积分分量，以抵消不同脉冲之间的相位波动；
其中：
Figure BDA0003227660280000031
式中：v表示在t＝0时刻的径向速度；λ表示波长；θ表示极角，表示在t-rs平面上距离走动线到t轴的逆时针夹角；c表示光速；j表示复数的虚部；g表示阵列间隔引入的波程差。
优选的，步骤S5中，进行PF-TBD算法处理时，使用粒子滤波近似状态的后验概率密度，并通过重要性采样和粒子重采样分别定义概率密度函数q(xk|Zk)和解决粒子权值退化问题；
其中，重要权重表示为
Figure BDA0003227660280000032
重要权重的归一化处理表示为
Figure BDA0003227660280000033
优选的，步骤S5中，进行PF-TBD算法处理时，利用采样的目标样本集合来近似计算目标状态及其存在概率的联合密度；然后将采样得到的粒子分为新生粒子和继续粒子，目标状态可以通过新生粒子和继续粒子的概率密度加权求和得到；
所述存在概率表示为两个因子的乘积：p(xk,Ek∣Zk)＝p(xk∣Ek,Zk)P(Ek∣Zk)；
式中：xk表示目标状态；Zk表示从时间1到k的所有测量值，即Zk＝{zk,k＝1,2,…k}；Ek表示目标存在状态的变量，其值只能取0或者1，取值为0代表目标不存在，取值为1代表存在；
化简得到后验概率密度表示为：
Figure BDA0003227660280000034
式中：L是利用粒子及其权重计算得到的似然函数。
本发明中的远距离运动目标检测方法与现有技术相比，具有如下有益效果：
在本发明中，通过RFT+PF-TBD算法的方式有效实现了远距离运动目标的感知；将目标运动引起的距离走动纳入考虑范围，能够解决运动目标高速和高机动性容易造成回波信号在相参积累过程中产生距离走动和多普勒频率拓展的问题，进而能够保证毫米波雷达的相参积累性能，提高了对远距离运动目标(弱目标)的识别、检测和跟踪准确率。
同时，本发明采用的PF-TBD算法不局限于单帧的回波数据，而是结合前几帧的回波数据及结果同时实现检测和跟踪，使得能够保证毫米波雷达的检测准确性，并可以实现低虚警、高检测且抗干扰性能好，从而能够保证远距离运动目标检测的效果和效率。
此外，本发明采用的毫米波雷达适合在雨、雪、雾等恶劣天气下使用，具有全天候全天时的特点，受环境噪声干扰较小，因而能够探测到更远距离的运动目标。进一步的，本发明通过滤除差拍信号中静止杂波信号的方式进一步提升了远距离运动目标检测的准确性。
最后，本发明在RFT处理之前对信号做了range-FFT处理，在RFT处理之后对信号做了angle-FFT处理，这使得能够简易而直观的提取信号频率相关的信息；与传统的DBT算法相比，本发明不再采取提取信号峰值的方式，使得不会在恶劣环境情况和地面多径反射的影响下出现目标被噪声淹没的问题，进而能够保证整体信号的信噪比，使得抗干扰能力更强，能够进一步保证远距离运动目标检测的效果。
附图说明
为了使发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为实施例中远距离运动目标检测方法的逻辑框图；
图2为实施例中MIMO毫米波雷达的网络结构示意图；
图3为实施例中PF-TBD算法的流程图。
具体实施方式
下面通过具体实施方式进一步详细的说明：
实施例：
本实施例中公开了一种基于毫米波雷达的远距离运动目标检测方法。
如图1所示，一种基于毫米波雷达的远距离运动目标检测方法，包括以下步骤：
S1：获取用于检测对应远距离运动目标的目标雷达各个天线阵列的差拍信号；然后滤除所述差拍信号中的静止杂波信号，得到对应的滤波差拍信号。具体的，通过运动目标检测算法滤除差拍信号中的静止杂波信号。
S2：对所述滤波差拍信号进行range-FFT(距离维快速傅里叶变换)处理，以将所述滤波差拍信号距离维度的时域信号转换到频域上。具体的，range-FFT能够提取信号的距离信号。
S3：对range-FFT处理后的所述滤波差拍信号进行RFT(Radon-Fourier变换)处理，以校正所述滤波差拍信号中远距离目标运动带来的距离走动。具体的，RFT能够提取信号的速度信息。
S4：对RFT处理后的所述滤波差拍信号进行angle-FFT(角度维快速傅里叶变换)处理，以将所述滤波差拍信号角度维度的时域信号转换到频域上。具体的，angle-FFT能够提取信号的角度信息。
S5：对angle-FFT处理后的所述滤波差拍信号进行PF-TBD(基于粒子滤波的检测前跟踪)算法处理，以实现对应远距离运动目标的检测和跟踪。
在本发明中，通过RFT+PF-TBD算法的方式有效实现了远距离运动目标的感知；将目标运动引起的距离走动纳入考虑范围，能够解决运动目标高速和高机动性容易造成回波信号在相参积累过程中产生距离走动和多普勒频率拓展的问题，进而能够保证毫米波雷达的相参积累性能，提高了对远距离运动目标(弱目标)的识别、检测和跟踪准确率。同时，本发明采用的PF-TBD算法不局限于单帧的回波数据，而是结合前几帧的回波数据及结果同时实现检测和跟踪，使得能够保证毫米波雷达的检测准确性，并可以实现低虚警、高检测且抗干扰性能好，从而能够保证远距离运动目标检测的效果和效率。此外，本发明采用的毫米波雷达适合在雨、雪、雾等恶劣天气下使用，具有全天候全天时的特点，受环境噪声干扰较小，因而能够探测到更远距离的运动目标。进一步的，本发明通过滤除差拍信号中静止杂波信号的方式进一步提升了远距离运动目标检测的准确性。最后，本发明在RFT处理之前对信号做了range-FFT处理，在RFT处理之后对信号做了angle-FFT处理，这使得能够简易而直观的提取信号频率相关的信息；与传统的DBT算法相比，本发明不再采取提取信号峰值的方式，使得不会在恶劣环境情况和地面多径反射的影响下出现目标被噪声淹没的问题，进而能够保证整体信号的信噪比，使得抗干扰能力更强，能够进一步保证远距离运动目标检测的效果。
具体实施过程中，目标雷达为MIMO(Multiple-Input-Multiple-Output，多输入多输出)毫米波雷达；结合图2所示，MIMO毫米波雷达通过N个发射天线和M个接收天线生成虚拟天线阵列，并使得目标雷达形成1个发射天线和N×M个接收天线的SIMO(Single-Input-Multiple-Output，单输入多输出)雷达系统。
在本发明中，采用的MIMO毫米波雷达能够充分利用空间资源，通过多个天线实现多发多收，在不增加频谱资源和天线发射功率的情况下，可以成倍的提高系统信道容量，提高角度分辨率，大大提高了远距离运动目标感知的效率和准确率。
具体实施过程中，步骤S3中，由于目标初始距离和速度均是未知的，需要对目标运动参数按照一定的步长进行二维搜索并进行离散化处理，其中r∈[rmin,rmax]，rmin和rmax分别为雷达最小和最大的探测距离，同理v∈[-vmax,vmax]，vmax是目标最大径向速度。
RFT处理的公式如下：
Figure BDA0003227660280000051
式中：ε表示相对于f(t,r+vt)的已知常数；
远距离运动目标带来的距离走动通过如下公式表示：
rs＝r+vt,t∈[-T/2,T/2]；
式中：r表示斜距；v表示在t＝0时刻的径向速度；T表示相干积分时间。
RFT处理时，在复信号域中，联合利用幅度和相位信息实现连续相干积分，并引入一对多普勒补偿函数Hv(t)和Hθ(t)作为傅里叶积分分量，以抵消不同脉冲之间的相位波动；产生最终的相干“峰值”，从而校正目标运动带来的距离走动。
其中：
Figure BDA0003227660280000061
式中：v表示在t＝0时刻的径向速度；λ表示波长；θ表示极角，表示在t-rs平面上距离走动线到t轴的逆时针夹角；c表示光速；j表示复数的虚部；g表示阵列间隔引入的波程差。
具体实施过程中，步骤S4中，使用以粒子滤波为基础的TBD算法解决非线性系统下的微弱目标检测与跟踪问题，即使用粒子滤波近似状态的后验概率密度，并通过重要性采样和粒子重采样分别定义概率密度函数q(xk|Zk)和解决粒子权值退化问题；
其中，重要权重表示为
Figure BDA0003227660280000062
重要权重的归一化处理表示为
Figure BDA0003227660280000063
具体的，利用采样的目标样本集合来近似计算目标状态及其存在概率的联合密度；然后将采样得到的粒子分为新生粒子和继续粒子，目标状态可以通过新生粒子和继续粒子的概率密度加权求和得到；
存在概率表示为两个因子的乘积：p(xk,Ek∣Zk)＝p(xk∣Ek,Zk)P(Ek∣Zk)；
式中：xk表示目标状态；Zk表示从时间1到k的所有测量值，即Zk＝{zk,k＝1,2,…k}；Ek表示目标存在状态的变量，其值只能取0或者1，取值为0代表目标不存在，取值为1代表存在；将其分解为：
Figure BDA0003227660280000064
前一项采样得到新生粒子，后一项采样得到继续粒子，新生粒子表示前一时刻没有目标而当前目标出现，其概率密度为：
p(xk∣Ek＝1,Ek-1＝0,Zk)∝l(zk∣xk,Ek＝1)p(xk∣Ek＝1,Ek-1＝0)；
概率密度可以直接由出生概率得到：
p(xk|Ek＝1,Ek-1＝0)＝pb；
继续粒子表示为前一时刻到当前时刻目标都存在，概率密度为：
p(xk∣Ek＝1,Ek-1＝1,Zk)∝l(zk∣xk,Ek＝1)p(xk∣Ek＝1,Ek-1＝1,Zk-1)；
其概率密度可以根据k-1时刻的目标状态后验概率密度和状态转移密度得到
p(xk∣Ek＝1,Ek-1＝1,Zk-1)＝∫p(xk∣xk-1,Ek＝1,Ek-1＝1)p(xk-1∣Ek-1＝1,Zk-1)dxk-1；
通过采样的方式，取得一定数量的继续粒子和新生粒子，并通过似然比赋予每一个粒子相应的权重，把所有粒子及其权重之积累积后，可以得到新生密度和继续密度。化简得到后验概率密度P(Ek|Zk)表示为：
Figure BDA0003227660280000071
式中：L是利用粒子及其权重计算得到的似然函数。
在本发明中，通过粒子滤波求解后验概率密度，在处理非高斯非线性的问题中，拥有简单易实现的特点，为状态估计问题提供了行之有效的解决方案。
本发明中，结合图3所示，PF-TBD算法的具体递推实现流程如下：
1.在初始时刻，只产生新生粒子，若已知目标的先验分布，则根据该分布产生粒子，若无目标先验信息，则在观测区域内均匀采样。
2.在观测空间内随机产生Nb个新生粒子，根据状态转移方程产生Nc个继续粒子。
3.利用似然比，新生概率/继续概率及前一时刻的目标存在概率分别计算新生粒子和继续粒子的未归一化权值
Figure BDA0003227660280000072
将两种粒子分别归一化
Figure BDA0003227660280000081
4.利用未归一化权值计算混合概率
Figure BDA0003227660280000082
并将其归一化
Figure BDA0003227660280000083
5.根据混合概率对粒子权重进行缩放
Figure BDA0003227660280000084
6.通过重采样，从Nc+Nb个粒子中得到Ne个有效粒子，计算k时刻的目标存在概率，化简得到
Figure BDA0003227660280000085
需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。同时，实施例中公知的具体结构及特性等常识在此未作过多描述。最后，本发明要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (7)

1.一种基于毫米波雷达的远距离运动目标检测方法，其特征在于，包括以下步骤：
S1：获取用于检测对应远距离运动目标的目标雷达各个天线阵列的差拍信号；然后滤除所述差拍信号中的静止杂波信号，得到对应的滤波差拍信号；
S2：对所述滤波差拍信号进行range-FFT处理，以将所述滤波差拍信号距离维度的时域信号转换到频域上；
S3：对range-FFT处理后的所述滤波差拍信号进行RFT处理，以校正所述滤波差拍信号中远距离目标运动带来的距离走动；
S4：对RFT处理后的所述滤波差拍信号进行angle-FFT处理，以将所述滤波差拍信号角度维度的时域信号转换到频域上；
S5：对angle-FFT处理后的所述滤波差拍信号进行PF-TBD算法处理，以实现对应远距离运动目标的检测和跟踪。
2.如权利要求1所述的基于毫米波雷达的远距离运动目标检测方法，其特征在于：步骤S1中，所述目标雷达为MIMO毫米波雷达；所述MIMO毫米波雷达通过N个发射天线和M个接收天线生成虚拟天线阵列，并使得所述目标雷达形成1个发射天线和N×M个接收天线的单输入多输出系统。
3.如权利要求1所述的基于毫米波雷达的远距离运动目标检测方法，其特征在于：步骤S1中，通过运动目标检测算法滤除所述差拍信号中的静止杂波信号。
4.如权利要求1所述的基于毫米波雷达的远距离运动目标检测方法，其特征在于：步骤S3中，RFT处理的公式如下：
Figure FDA0003227660270000011
式中：ε表示相对于f(t,r+vt)的已知常数；
远距离运动目标带来的距离走动通过如下公式表示：
rs＝r+vt,t∈[-T/2,T/2]；
式中：r表示斜距；v表示在t＝0时刻的径向速度；T表示相干积分时间。
5.如权利要求1所述的基于毫米波雷达的远距离运动目标检测方法，其特征在于：步骤S3中，RFT处理时，在复信号域中，联合利用幅度和相位信息实现连续相干积分，并引入一对多普勒补偿函数Hv(t)和Hθ(t)作为傅里叶积分分量，以抵消不同脉冲之间的相位波动；
其中：
Figure FDA0003227660270000021
式中：v表示在t＝0时刻的径向速度；λ表示波长；θ表示极角，表示在t-rs平面上距离走动线到t轴的逆时针夹角；c表示光速；j表示复数的虚部；g表示阵列间隔引入的波程差。
6.如权利要求1所述的基于毫米波雷达的远距离运动目标检测方法，其特征在于：步骤S5中，进行PF-TBD算法处理时，使用粒子滤波近似状态的后验概率密度，并通过重要性采样和粒子重采样分别定义概率密度函数q(xk|Zk)和解决粒子权值退化问题；
其中，重要权重表示为
Figure FDA0003227660270000022
重要权重的归一化处理表示为
Figure FDA0003227660270000023
7.如权利要求1所述的基于毫米波雷达的远距离运动目标检测方法，其特征在于：步骤S5中，进行PF-TBD算法处理时，利用采样的目标样本集合来近似计算目标状态及其存在概率的联合密度；然后将采样得到的粒子分为新生粒子和继续粒子，目标状态可以通过新生粒子和继续粒子的概率密度加权求和得到；
所述存在概率表示为两个因子的乘积：p(xk,Ek∣Zk)＝p(xk∣Ek,Zk)P(Ek∣Zk)；
式中：xk表示目标状态；Zk表示从时间1到k的所有测量值，即Zk＝{zk,k＝1,2,…k}；Ek表示目标存在状态的变量，其值只能取0或者1，取值为0代表目标不存在，取值为1代表存在；
化简得到后验概率密度表示为：
Figure FDA0003227660270000024
式中：L是利用粒子及其权重计算得到的似然函数。
CN202110976140.2A 2021-08-24 2021-08-24 一种基于毫米波雷达的远距离运动目标检测方法 Active CN113687340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110976140.2A CN113687340B (zh) 2021-08-24 2021-08-24 一种基于毫米波雷达的远距离运动目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110976140.2A CN113687340B (zh) 2021-08-24 2021-08-24 一种基于毫米波雷达的远距离运动目标检测方法

Publications (2)

Publication Number Publication Date
CN113687340A true CN113687340A (zh) 2021-11-23
CN113687340B CN113687340B (zh) 2024-02-23

Family

ID=78582277

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110976140.2A Active CN113687340B (zh) 2021-08-24 2021-08-24 一种基于毫米波雷达的远距离运动目标检测方法

Country Status (1)

Country Link
CN (1) CN113687340B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5828700A (en) * 1993-08-05 1998-10-27 Micro Linear Corporation Adaptive equalizer circuit
US20080036644A1 (en) * 2004-02-14 2008-02-14 Uwe Skultety-Betz Short-Range Radar Having A Multiple Sensor System For Determining The Location Of Objects Enclosed In A Medium
CN102073043A (zh) * 2010-11-04 2011-05-25 电子科技大学 一种多帧相参积累目标检测前跟踪方法
CN102353953A (zh) * 2011-09-15 2012-02-15 西安电子科技大学 单通道sar地面运动目标成像方法
CN103399310A (zh) * 2013-08-07 2013-11-20 中国人民解放军海军航空工程学院 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法
CN104330791A (zh) * 2014-10-24 2015-02-04 上海无线电设备研究所 一种基于频域切变的相参积累方法
CN106970371A (zh) * 2017-04-28 2017-07-21 电子科技大学 一种基于Keystone和匹配滤波的目标检测方法
CN107561508A (zh) * 2017-08-24 2018-01-09 电子科技大学 一种用于匀加速运动目标的相参积累检测方法
CN108919221A (zh) * 2018-07-17 2018-11-30 武汉大学 一种用于变加速运动目标的相参积累检测方法
CN109471081A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达弱小目标联合检测及状态估计方法
CN110058222A (zh) * 2019-03-29 2019-07-26 杭州电子科技大学 一种基于传感器选择的双层粒子滤波检测前跟踪方法
CN110109094A (zh) * 2019-03-28 2019-08-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 多接收站单频网外辐射源雷达机动目标的检测与跟踪方法
US20200150222A1 (en) * 2018-11-13 2020-05-14 GM Global Technology Operations LLC Sliding window integration scheme for object detection in a radar system
CN111624574A (zh) * 2020-07-29 2020-09-04 绵阳市游仙区创新科技产业技术研究院 弱目标探测的目标检测方法、系统、存储介质和装置
CN111812636A (zh) * 2020-06-01 2020-10-23 杭州电子科技大学 一种基于权重融合选择的粒子滤波检测前跟踪方法
CN112462341A (zh) * 2020-10-20 2021-03-09 西南石油大学 一种基于多脉冲积累的小型旋翼无人机目标检测方法
CN113093174A (zh) * 2021-03-03 2021-07-09 桂林电子科技大学 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5828700A (en) * 1993-08-05 1998-10-27 Micro Linear Corporation Adaptive equalizer circuit
US20080036644A1 (en) * 2004-02-14 2008-02-14 Uwe Skultety-Betz Short-Range Radar Having A Multiple Sensor System For Determining The Location Of Objects Enclosed In A Medium
CN102073043A (zh) * 2010-11-04 2011-05-25 电子科技大学 一种多帧相参积累目标检测前跟踪方法
CN102353953A (zh) * 2011-09-15 2012-02-15 西安电子科技大学 单通道sar地面运动目标成像方法
CN103399310A (zh) * 2013-08-07 2013-11-20 中国人民解放军海军航空工程学院 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法
CN104330791A (zh) * 2014-10-24 2015-02-04 上海无线电设备研究所 一种基于频域切变的相参积累方法
CN106970371A (zh) * 2017-04-28 2017-07-21 电子科技大学 一种基于Keystone和匹配滤波的目标检测方法
CN107561508A (zh) * 2017-08-24 2018-01-09 电子科技大学 一种用于匀加速运动目标的相参积累检测方法
CN108919221A (zh) * 2018-07-17 2018-11-30 武汉大学 一种用于变加速运动目标的相参积累检测方法
CN109471081A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达弱小目标联合检测及状态估计方法
US20200150222A1 (en) * 2018-11-13 2020-05-14 GM Global Technology Operations LLC Sliding window integration scheme for object detection in a radar system
CN110109094A (zh) * 2019-03-28 2019-08-09 西南电子技术研究所（中国电子科技集团公司第十研究所） 多接收站单频网外辐射源雷达机动目标的检测与跟踪方法
CN110058222A (zh) * 2019-03-29 2019-07-26 杭州电子科技大学 一种基于传感器选择的双层粒子滤波检测前跟踪方法
CN111812636A (zh) * 2020-06-01 2020-10-23 杭州电子科技大学 一种基于权重融合选择的粒子滤波检测前跟踪方法
CN111624574A (zh) * 2020-07-29 2020-09-04 绵阳市游仙区创新科技产业技术研究院 弱目标探测的目标检测方法、系统、存储介质和装置
CN112462341A (zh) * 2020-10-20 2021-03-09 西南石油大学 一种基于多脉冲积累的小型旋翼无人机目标检测方法
CN113093174A (zh) * 2021-03-03 2021-07-09 桂林电子科技大学 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
刘俊凯: ""基于空-频域特性的飞机尾流检测前跟踪方法"", 《空军预警学院学报》, vol. 27, no. 4, 31 August 2013 (2013-08-31), pages 235 - 239 *
吴兆平: ""采用改进粒子滤波的雷达扩展目标检测前跟踪"", 《西安电子科技大学学报》, vol. 38, no. 2, 30 April 2011 (2011-04-30), pages 99 - 105 *
战立晓: ""雷达微弱目标检测前跟踪算法综述"", 《现代雷达》, vol. 35, no. 4, 30 April 2013 (2013-04-30), pages 45 - 54 *
李亚忆: ""基于实测雷达回波数据的检测前跟踪算法实现"", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 138 - 6702 *
杨彬: ""海面动目标的检测及其FPGA实现技术研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 136 - 2432 *
王娜: ""目标数未知时基于粒子滤波的多目标TBD方法"", 《信号处理》, vol. 33, no. 9, pages 1248 - 1257 *
董华安: ""基于匹配滤波器设计的粒子滤波检测前跟踪算法研究"", 《电光与控制》, vol. 23, no. 9, 30 September 2016 (2016-09-30), pages 44 - 49 *
裴家正: ""杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法"", 《雷达学报》, vol. 8, no. 3, pages 355 - 365 *
许稼: ""空时频检测前聚焦雷达信号处理方法"", 《雷达学报》, vol. 3, no. 2, 30 April 2014 (2014-04-30), pages 130 - 134 *

Also Published As

Publication number Publication date
CN113687340B (zh) 2024-02-23

Similar Documents

Publication Publication Date Title
CN103176178B (zh) 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法
JP7367236B2 (ja) 波形分離残差を用いた移動物体のレーダー検出
CN111352102A (zh) 一种基于调频连续波雷达的多目标个数检测方法及装置
US7830300B2 (en) Radar imaging system and method using directional gradient magnitude second moment spatial variance detection
WO2012084958A1 (fr) Procede et dispositif de suivi de variation de terrain
CN106646447A (zh) 基于线性调频连续波的雷达目标长时间积累检测方法
US8212717B2 (en) Radar imaging system and method using second moment spatial variance
CN111856406B (zh) 一种基于fmcw雷达回波的目标检测方法及装置
CN105487060A (zh) 一种双通道四斜率调制的多目标提取方法
Cui et al. 3D detection and tracking for on-road vehicles with a monovision camera and dual low-cost 4D mmWave radars
CN114966589A (zh) 一种基于毫米波雷达的多目标检测方法
CN113311398A (zh) 强杂波复杂背景高机动弱小目标的跟踪方法
Longman et al. Spectral Radon–Fourier transform for automotive radar applications
Kuptsov et al. Multi-target method for small unmanned vehicles parameters remote determination by microwave radars
Fang et al. FMCW-MIMO radar-based pedestrian trajectory tracking under low-observable environments
Lim et al. Radar sensor-based estimation of vehicle orientation for autonomous driving
CN113866756A (zh) 一种基于mimo雷达的小型无人机目标跟踪方法
Zhang et al. Scan denoising and normal distribution transform for accurate radar odometry and positioning
Fang et al. E 2 DTF: An End-to-End Detection and Tracking Framework for Multiple Micro-UAVs With FMCW-MIMO Radar
CN113687340B (zh) 一种基于毫米波雷达的远距离运动目标检测方法
CN113866750A (zh) 一种基于毫米波雷达的行人目标检测和跟踪方法
CN115616502A (zh) 无人飞行器机载雷达目标检测的杂波抑制方法
CN112230222B (zh) 一种用于识别车型的微波雷达装置
CN115508833A (zh) 一种gnss bi-sar河流边界探测系统
Kavitha et al. Radar optical communication for analysing aerial targets with frequency bandwidth and clutter suppression by boundary element mmwave signal model

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