CN113687340B - 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 PDFInfo
- Publication number
- CN113687340B CN113687340B CN202110976140.2A CN202110976140A CN113687340B CN 113687340 B CN113687340 B CN 113687340B CN 202110976140 A CN202110976140 A CN 202110976140A CN 113687340 B CN113687340 B CN 113687340B
- Authority
- CN
- China
- Prior art keywords
- target
- processing
- distance
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000001427 coherent effect Effects 0.000 claims abstract description 15
- 230000033001 locomotion Effects 0.000 claims abstract description 14
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 45
- 230000010354 integration Effects 0.000 claims description 6
- 230000015556 catabolic process Effects 0.000 claims description 4
- 238000006731 degradation reaction Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 230000007613 environmental effect Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
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：
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：
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
重要权重的归一化处理表示为
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：
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：
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：
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
重要权重的归一化处理表示为
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：
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：
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
将两种粒子分别归一化
4.利用未归一化权值计算混合概率
并将其归一化
5.根据混合概率对粒子权重进行缩放
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
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 (5)
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；
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
重要权重的归一化处理表示为
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：
式中：L是利用粒子及其权重计算得到的似然函数。
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：
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：
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。
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 CN113687340A (zh) | 2021-11-23 |
| CN113687340B true 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 (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5828700A (en) * | 1993-08-05 | 1998-10-27 | Micro Linear Corporation | Adaptive equalizer circuit |
| 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 |
| 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102004007315A1 (de) * | 2004-02-14 | 2005-08-25 | Robert Bosch Gmbh | Nahbereichsradar mit Mehrfachsensorik zur Ortung von in einem Medium eingeschlossenen Objekten |
| US10969466B2 (en) * | 2018-11-13 | 2021-04-06 | GM Global Technology Operations LLC | Sliding window integration scheme for object detection in a radar system |
-
2021
- 2021-08-24 CN CN202110976140.2A patent/CN113687340B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5828700A (en) * | 1993-08-05 | 1998-10-27 | Micro Linear Corporation | Adaptive equalizer circuit |
| 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 |
| 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)
| Title |
|---|
| "基于匹配滤波器设计的粒子滤波检测前跟踪算法研究";董华安;《电光与控制》;20160930;第23卷(第9期);44-49 * |
| "基于实测雷达回波数据的检测前跟踪算法实现";李亚忆;《中国优秀硕士学位论文全文数据库信息科技辑》;第I138-6702页 * |
| "基于空-频域特性的飞机尾流检测前跟踪方法";刘俊凯;《空军预警学院学报》;20130831;第27卷(第4期);235-239 * |
| "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";裴家正;《雷达学报》;第8卷(第3期);第355-365页 * |
| "海面动目标的检测及其FPGA实现技术研究";杨彬;《中国优秀硕士学位论文全文数据库信息科技辑》;第I136-2432页 * |
| "目标数未知时基于粒子滤波的多目标TBD方法";王娜;《信号处理》;第33卷(第9期);第1248-1257页 * |
| "空时频检测前聚焦雷达信号处理方法";许稼;《雷达学报》;20140430;第3卷(第2期);130-134 * |
| "采用改进粒子滤波的雷达扩展目标检测前跟踪";吴兆平;《西安电子科技大学学报》;20110430;第38卷(第2期);99-105 * |
| "雷达微弱目标检测前跟踪算法综述";战立晓;《现代雷达》;20130430;第35卷(第4期);45-54 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113687340A (zh) | 2021-11-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111352102B (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 | |
| CN111142105B (zh) | 复杂运动目标isar成像方法 | |
| 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 | |
| CN103412305A (zh) | 扫描雷达超分辨成像方法 | |
| CN109188385B (zh) | 杂波背景下的高速微弱目标检测方法 | |
| 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 | |
| CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
| KR102275960B1 (ko) | 딥러닝 기반의 레이다 표적 탐지 시스템 및 그 방법 | |
| CN111610501A (zh) | 对海雷达小目标检测方法 | |
| CN111856406B (zh) | 一种基于fmcw雷达回波的目标检测方法及装置 | |
| CN113963441A (zh) | 一种基于跨域增强的毫米波雷达手势识别方法及系统 | |
| CN111948618A (zh) | 一种基于卫星外辐射源的前向散射目标探测方法及系统 | |
| CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
| Fang et al. | FMCW-MIMO radar-based pedestrian trajectory tracking under low-observable environments | |
| CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
| CN113866756A (zh) | 一种基于mimo雷达的小型无人机目标跟踪方法 | |
| Lim et al. | Radar sensor-based estimation of vehicle orientation for autonomous driving | |
| 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 | |
| CN113093174B (zh) | 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法 | |
| Thammakhoune et al. | Moving target imaging for synthetic aperture radar via RPCA | |
| CN114740445A (zh) | 一种基于平均谱半径的海面漂浮小目标检测方法 | |
| CN112835006A (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统 | |
| CN114859337A (zh) | 数据处理方法、装置、电子设备、计算机存储介质 | |
| Gao et al. | An improved TBD algorithm based on dynamic programming for dim SAR target 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |