CN114217315A - 一种毫米波雷达动态目标快速检测方法 - Google Patents

Abstract

本发明提供了一种毫米波雷达动态目标快速检测方法，包括：车载毫米波雷达发射天线发射出线性调频信号，接收天线采集到目标反射回来的信号以及掺杂的噪声信号，经由混频器处理后输出回波差拍信号，AD采集模块对回波差拍信号采样输出数字信号；利用改进型稀疏傅里叶变换算法对采集到的混有噪声以及静态目标干扰信号的回波信号进行处理，并采用MTI技术滤除静态目标信号，输出不同距离有效运动目标信号。本发明利用MTI技术与MTD技术级联的方式实现对目标回波信号的相干积累和对背景噪声的非相干积累，并利用速度信息进一步分辨出相同距离的不同运动目标信号，提高了雷达运行效率与有效运动目标检测的准确性，增强了智能驾驶系统的实时性与可靠性。

Description

一种毫米波雷达动态目标快速检测方法

技术领域

本发明属于车载毫米波雷达信号处理领域，具体涉及一种毫米波雷达动态目标快速检测方法。

背景技术

智能驾驶系统在夜间、隧道、强光、大雾等可视环境不好的复杂环境工作时，由于摄像头采集图像的能力大大减弱，车载毫米波雷达承担起目标检测的主要任务。为了使智能驾驶系统在此复杂环境下依据检测到的目标信息做出快速响应，对车载毫米波雷达信号处理的实时性和有效运动目标检测的准确性提出更高要求。

毫米波雷达信号处理的传统方法是快速傅里叶变换(FFT)，它的运算复杂度正比于输入信号的长度，具有较高的运算复杂度。然而，车载毫米波雷达实时处理的信号是动态更新的，其接收信号的频谱是稀疏的，仅有一小部分为关注的部分，大部分都可以忽略。针对频域稀疏信号的处理，已有研究人员提出一种亚线性算法—稀疏傅里叶变换算法。该算法运用在雷达信号处理中可以极大降低运算复杂度且可以滤除一般噪声，但是在复杂环境中，雷达受到强杂波干扰，接收信号会掺杂频谱系数较大的噪声，在低信噪比情况下，雷达检测出虚警目标的概率大大增加。因此，在保证毫米波雷达目标检测实时性的基础上，降低虚警概率，对有效运动目标的检测也很关键。

传统雷达信号处理运用的快速傅里叶变换算法运算复杂度高，无法有效处理噪声问题，将稀疏傅里叶变换算法运用到雷达信号处理中，大幅降低了算法的运算复杂度，但是在强杂波干扰环境下，噪声的频谱大系数也掺杂到雷达信号处理中，同时傅里叶变换运算过程中也存在频谱泄漏问题，在这些大量干扰中，有效提取出信号频域有效部分变得困难。因此在复杂环境下，车载毫米波雷达进行实时信号处理时去除虚警目标以进行有效运动目标检测成为技术难点。

因此，本申请提出一种毫米波雷达动态目标快速检测方法。

发明内容

为了克服上述现有技术存在的不足，本发明提供了一种毫米波雷达动态目标快速检测方法。

为了实现上述目的，本发明提供如下技术方案：

一种毫米波雷达动态目标快速检测方法，包括以下步骤：

车载毫米波雷达发射天线发射出线性调频信号，接收天线采集到目标反射回来的信号以及掺杂的噪声信号，经由混频器处理后输出回波差拍信号，AD采集模块将回波差拍信号采样，输出数字信号做后续处理；

利用改进型稀疏傅里叶变换算法代替传统动目标显示MTI中的快速傅里叶变换算法对采集到的混有噪声以及静态目标干扰信号进行处理，抑制噪声来滤除虚警目标信号，并采用动目标显示MTI滤除静态目标信号，输出不同距离有效运动目标信号；

利用动目标显示MTI与动目标检测MTD级联的方式，利用动目标检测MTD继续处理数字信号，实现对目标回波信号的相干积累和对背景噪声的非相干积累，并利用速度信息进一步分辨出相同距离的不同运动目标信号；

输出运动目标信号。

优选地，在信号利用改进型稀疏傅里叶变换算法处理的同时增加门限判决器，利用奈曼皮尔逊准则选择出最优阈值；对改进型稀疏傅里叶变换算法中哈希映射与频谱重构两个阶段进行频谱检测并对信号有效部分进行提取，利用运动目标和静态目标在回波差拍信号频谱中的区别，对相邻周期的信号进行相减，消除静态目标，保留有效运动目标信息。

优选地，所述利用速度信息进一步分辨出相同距离的不同运动目标信号具体为：

设在雷达信号所覆盖的区域内，存在一个动目标，在t＝0时与雷达的距离为R₀，径向速度为v，雷达信号的发射周期为T_r，电磁波传输速度为c，发射信号幅度A₀，初始相位

雷达发射信号频率为f₀，μ＝B/T_r为调频斜率，B为调频带宽，m为雷达信号的发射周期计数，雷达的发射信号表示为：

则有效区间t∈[-T_r/2，T_r/2]，忽略发射信号的初始相位、传播过程中的噪声和目标发射引起的相移，并且以A_B，m作为回波信号的幅值，回波差拍信号的复信号为：

将回波差拍信号的复信号输入到动目标显示MTI中进行处理，根据运动目标和静态目标回波差拍信号频谱的区别分辨出不同距离的有效运动目标信号；

采用动目标显示MTI与动目标检测MTD级联的方式将动目标显示MTI处理后的信号再进行动目标检测MTD，根据处理结果中的速度信息进一步分辨出相同距离的不同运动目标信号。

优选地，所述改进型稀疏傅里叶变换算法对采样信号进行处理，该算法分为预加窗、频谱重排、窗函数滤波、频域降采样FFT以及利用哈希映射法对信号频谱进行重构。

优选地，所述预加窗的窗函数滤波器的旁瓣衰减应满足：

p＝10log(N)+10log(D)+10log(SNR_min)+δ_w

其中，N为信号长度，D为信号的动态范围，SNR_min为信号的最小信噪比，δ_w为噪声的水平，p为窗函数旁瓣衰减率。

优选地，所述频谱重排为对输入信号频域按照规则进行重排。

优选地，所述窗函数滤波为：采用平坦窗函数g进行滤波，对重排后的信号进行加窗处理，分离出有效目标信号的频域大值点，其频域表达式G满足如下公式：

其中，δ为震荡纹波，ε'为通带截断因子，ε为阻带截断因子，N为数据的总长度。

所述频域降采样FFT为：利用信号时域混叠对应频域降采样的性质，对输入信号s(n)进行时域混叠得到：

其中，s(n+B′j)为输入信号s(n)时域混叠后的信号，B′为降采样之后信号的长度，j代表频域降采样过程中的每个频点的位置。

优选地，在信号频谱重构过程中，将哈希映射法分为两个阶段，分别为第一阶段：哈希映射阶段；第二阶段：哈希逆映射阶段；

第一阶段用于有效滤除噪声提取出有效频点，第二阶段在恢复原信号频谱时通过阈值判断选择出有效目标频点，滤除虚警目标的频点；最后将相邻周期频谱相减来抑制静态目标或者低速目标的干扰，输出运动目标信号频谱。

本发明提供的毫米波雷达动态目标快速检测方法具有以下有益效果：

本发明为解决智能驾驶系统中车载毫米波雷达传统信号处理方式，运算复杂度高及易受杂波干扰的问题，针对车载毫米波雷达检测有效运动目标实时性差且虚警概率高的问题，采用改进型稀疏傅里叶变换算法与门限判决结合对传统动目标显示MTI进行改进，并采用与动目标检测MTD级联的方式对这一问题做出针对性改善。可应用于复杂环境，智能驾驶系统以车载毫米波雷达为首要目标检测传感器的情景，是一种高效、抗干扰能力强的有效运动目标实时检测技术，提高了毫米波雷达的运行效率与有效运动目标检测的准确性，增强了智能驾驶系统的实时性与可靠性。

附图说明

为了更清楚地说明本发明实施例及其设计方案，下面将对本实施例所需的附图作简单地介绍。下面描述中的附图仅仅是本发明的部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例1的毫米波雷达动态目标快速检测方法的流程图；

图2为改进型SFT两个阶段检测流程图；

图3为动目标检测MTD流程图；

图4为雷达信号最佳检测示意图。

具体实施方式

为了使本领域技术人员更好的理解本发明的技术方案并能予以实施，下面结合附图和具体实施例对本发明进行详细说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

实施例1

车载毫米波雷达要探测的目标，通常是运动的车辆。但在目标的周围经常存在着各种干扰，这些干扰来自于一些静态目标或者低速目标，例如道路围栏、树木和建筑物等。这些干扰目标所产生的回波称为杂波。当毫米波雷达同时接收到杂波和有效运动目标回波时，雷达需要进行信号处理来抑制杂波将有效运动目标信号提取出来。为了在复杂环境中，提高雷达处理有效运动目标信号的效率与准确性，将改进型稀疏傅里叶变换算法运用到雷达信号处理中的动目标显示(Moving Target Indicator，MTI)技术，在降低运算复杂度的同时，可以有效抑制信号傅里叶变换运算时发生频谱泄露对信号有效部分产生的干扰，且在信号利用改进型稀疏傅里叶变换算法处理的同时增加门限判决器，利用奈曼皮尔逊准则选择出最优阈值。提出对改进型稀疏傅里叶变换算法中哈希映射与频谱重构两个阶段进行频谱检测并对信号有效部分进行提取，利用运动目标和静态目标在回波差拍信号频谱中的区别，对相邻周期的信号进行相减，从而消除静态目标或者低速目标，保留有效运动目标信息。并采用MTI与动目标检测(Moving Target Detection，MTD)技术级联的方式，利用动目标检测技术MTD继续处理数字信号，实现对目标回波信号的相干积累和对背景噪声的非相干积累，从而提高信噪比，并利用速度信息进一步分辨出相同距离的不同运动目标。最后输出有效运动目标信息到智能驾驶系统，该方案降低了雷达检测到虚警目标的概率，提高雷达信号处理的实时性与检测有效运动目标的概率。

如图1至图4所示，本发明公开的毫米波雷达动态目标快速检测方法包括以下步骤：

步骤1、车载毫米波雷达发射天线发射出线性调频信号，接收天线采集到目标反射回来的信号以及掺杂的噪声信号，经由混频器处理后输出回波差拍信号，AD采集模块将回波差拍信号采样，输出数字信号做后续处理。

车载毫米波雷达的发射天线和接收天线同时工作，发射天线向待测区域发射线性调频信号为：

雷达信号的发射周期为T_r，电磁波传输速度为c，发射信号幅度A₀，初始相位

当待测区域有目标时，该目标的反射信号被接收天线接收作为回波信号，混频器将发射信号与回波信号进行混频输出差拍信号，雷达再进行采样对信号进行后处理，通常在进行雷达信号处理时，需要将多个周期的数据作为一个处理单元，下面对第m个周期的回波进行分析。设在雷达信号所覆盖的区域内，存在一个动目标，在t＝0时与雷达的距离为R₀，径向速度为v。则有效区间t∈[-T_r/2，T_r/2]，忽略发射信号的初始相位、传播过程中的噪声和目标发射引起的相移，并且以A_B，m作为信号幅值，可以写出回波差拍信号的复信号为：

将回波差拍信号的复信号输入到动目标显示MTI中进行处理，根据运动目标和静态目标回波差拍信号频谱的区别分辨出不同距离的有效运动目标信号，由于动目标显示MTI有一定的限制，若当多个目标同时存在于同一个距离单元中，经过MTI处理后，其结果只表现为一个目标存在，对目标个数的判断产生一定的影响，为分辨出相同距离下的不同运动目标，采用动目标显示MTI与动目标检测MTD级联的方式将MTI处理后的信号再进行动目标检测MTD，根据处理结果中的速度信息分辨出相同距离的不同运动目标信号。

步骤2、利用改进型稀疏傅里叶变换算法代替传统动目标显示技术MTI中的快速傅里叶变换算法对采集到的混有噪声以及静态目标中的干扰信号进行处理，抑制噪声来滤除虚警目标信号，并采用动目标显示技术MTI滤除静态目标信号，输出不同距离有效运动目标信号。

步骤1输出的差拍信号经由AD采集模块模数转换后，将输出信号s(n)输入到MTI中进行处理。由于采样过后的信号会掺杂大量杂波，需要将有效运动目标信号频谱提取出来并将树木、围栏等静止干扰目标滤除。动目标显示技术(MTI)采用改进型稀疏傅里叶变换算法对采样信号进行预先处理：该算法分为预加窗、频谱重排、窗函数滤波、频域降采样FFT以及利用哈希映射法对信号频谱进行重构。

预加窗：由于信号处理中离散傅里叶变换(Discrete Fourier Transform，DFT)运算对信号的截断会产生频谱泄漏现象从而对信号的有效目标信号提取产生干扰，因此，改进型算法相对于稀疏傅里叶变换算法增加了对输入信号的频谱进行预加窗处理，在已知输入信号最小信噪比的情况下，窗函数可以抑制信号的旁瓣泄漏，使旁瓣纹波最高点低于最小噪声水平，这样频谱泄漏部分的干扰就可以忽略。在设计滤波器时，窗函数滤波器的旁瓣衰减应满足p＝10log(N)+10log(D)+10log(SNR_min)+δ_w，其中N为信号长度，D为信号的动态范围，SNR_min为信号的最小信噪比，δ_w为噪声的水平，p为窗函数旁瓣衰减率。

频谱重排：对输入信号s(n)的频域按照一定规则进行重排，防止在后续降采样步骤中出现频点碰撞问题，定义一个随机奇数σ∈[1,N]且σ对信号长度N存在模逆，即存在σ^-1，使(σ×σ^-1)mod N＝1,mod表示求余运算，重排后的信号为s_σi+τ，其中i∈[1,N],τ∈[N]。

窗函数滤波：采用平坦窗函数g进行滤波，主要作用是对重排后的信号进行加窗处理，分离出有效目标信号的频域大值点。其频域表达式G满足如下公式：

其中，δ为震荡纹波，ε'为通带截断因子，ε为阻带截断因子，N为数据的总长度。

频域降采样FFT：利用信号时域混叠对应频域降采样的性质，对输入信号s(n)进行时域混叠得到

n∈[0,B′-1]，s(n+B′j)为输入信号s(n)时域混叠后的信号，B′为降采样之后信号的长度，j代表频域降采样过程中的每个频点的位置。对y(n)进行FFT运算即得到Y(k)＝S(kN/B′),k∈[0,B′-1]。

频谱重构：在信号频谱重构过程中，将哈希映射法分为两个阶段，分别为第一阶段，哈希映射阶段：将频域降采样过程定义为哈希函数：h_σ(k)＝round(σ·k·B′/N)，round表示四舍五入。第二阶段，哈希逆映射阶段：通过循环降采样过程将每次Y(k)中d·K个较大值的坐标k归入集合J中，d>1且为较小的整数，根据J中的坐标映射回原频谱中对应频点的位置，来重构信号。如图2在这两个阶段分别进行噪声的滤除与排除虚警目标的干扰。虚警目标的出现主要是由于噪声的干扰，当噪声电平超过门限值被误认为有效目标，噪声过门限的概率称为虚警概率。因此，虚警概率直接和噪声统计特性、噪声电平及检测门限的大小有关。依据雷达在实际运行中接收信号的信噪比、信号的动态范围和雷达对散射面积的要求给出一个最优的虚警概率。雷达信号检测的目的就是要在噪声背景的干扰下检测出有效目标信号的存在，即在给定虚警概率的条件下，检测到有效目标的概率最大。信号检测问题实质上就是统计理论中的假设检验问题，对改进型稀疏傅里叶变换算法两个阶段进行检测，定义

j∈[B′]，j代表频域降采样过程中的每个频点的位置。提出两种假设，分别为H₀：无有效运动目标信号频点映射到该位置中；H₁：至少有一个有效运动目标信号频点映射到该位置中。如图4雷达信号最佳检测系统，它是由一个似然比计算器和一个门限判决器组成，似然比计算器得出似然比公式：

和

为概率密度函数，λ为最优阈值。设P_d为发现概率，P_l为漏警概率，P_n为正确不发现概率，P_f为虚警概率,P_e表示总的错误概率。由此得出：

由似然比公式可得

本发明采用奈曼—皮尔逊(Neyman-Pearson)准则得出两个阶段检测的最佳门限值，它可以表述为：在给定虚警概率P_f条件下，检测概率P_d达到最大。即：

可以等效为使P_e达到最小，即：

其中λ为拉格朗日乘数。依据概率论知识可得：

将上式改写为：

对于奈曼-皮尔逊准则来说，拉格朗日乘数就是最佳检测系统的门限值Λ₀，即Λ₀＝λ，此时门限值是最佳的，依据雷达在实际运行中接收信号的信噪比、信号的动态范围和雷达对散射面积的要求得出两个阶段检测的最佳门限值，使虚警概率最小，以提取出有效目标信号。

步骤3、利用动目标显示技术MTI与动目标检测技术MTD级联的方式，利用动目标检测技术MTD继续处理数字信号，实现对目标回波信号的相干积累和对背景噪声的非相干积累，并利用速度信息进一步分辨出相同距离的不同运动目标信号。

经过改进型稀疏傅里叶变换算法处理的包含有效目标的信号，根据任何运动目标的差拍信号存在多普勒频移，而静态目标无此现象的特点，对相邻周期差拍信号频谱进行相减，从而消除静态和低速目标，保留运动目标信息，实现杂波的抑制。

由

得到第m个周期回波差拍信号的频谱，同理：

为第m+1个周期，即相邻周期差拍信号的频谱表达式，将

减去

同时考虑到v<<c，且T_r非常小，2μvT_r/c可忽略不计的情况，可以得到差值为

当目标为静态目标，即v＝0时，exp(j2π2f₀vT_r/c)-1＝0，因此相邻周期回波差拍信号频谱的差值ΔS_B,m(f)＝0；而对于动目标，其v≠0，故有ΔS_B,m(f)≠0。所以通过相邻周期差拍信号频谱相减的方法，可以达到消除静态杂波的目的。

步骤4、输出运动目标信号

由于动目标显示技术MTI也有一定的限制，若当多个目标同时存在于同一个距离单元中，经过MTI处理后，其结果只表现为一个目标存在，对目标个数的判断产生一定的影响，为分辨出相同距离下的不同运动目标，将MTI处理后的信号再进行动目标检测MTD，MTD也是一种杂波抑制技术，也是基于运动目标会产生多普勒频移的原理，并且是在MTI的基础上改进实现的，如图3所示，该技术相当于在MTI后串接一组相邻且部分重叠的窄带滤波器组，该滤波器组的频率范围覆盖整个重复频率。通过对有效运动目标信号的相干积累以及噪声的非相干积累对噪声进行抑制，提高信噪比增益。在MTI频谱对消结果的基础上，得到目标的速度信息，对同一距离的不同目标利用速度分辨。最后输出运动目标信号，将有效运动目标信号的速度、距离、方位等信息反馈给智能驾驶系统。

以上所述实施例仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换，均属于本发明的保护范围。

Claims (9)

1.一种毫米波雷达动态目标快速检测方法，其特征在于，包括：

车载毫米波雷达发射天线发射出线性调频信号，接收天线采集到目标反射回来的信号以及掺杂的噪声信号；

目标反射回来的信号以及掺杂的噪声信号经由混频器处理后输出回波差拍信号，AD采集模块将回波差拍信号采样，输出数字信号；

利用改进型稀疏傅里叶变换算法对采集到的混有噪声以及静态目标中的干扰信号进行处理，抑制噪声来滤除虚警目标信号，并采用动目标显示MTI滤除静态目标信号，输出不同距离有效运动目标信号；

利用动目标显示MTI与动目标检测MTD级联的方式，利用动目标检测MTD继续处理数字信号，实现对目标回波信号的相干积累和对背景噪声的非相干积累，并利用速度信息进一步分辨出相同距离的不同运动目标信号；

输出运动目标信号。

2.根据权利要求1所述的毫米波雷达动态目标快速检测方法，其特征在于，在信号利用改进型稀疏傅里叶变换算法处理的同时增加门限判决器，利用奈曼皮尔逊准则选择出最优阈值；对改进型稀疏傅里叶变换算法中哈希映射与频谱重构两个阶段进行频谱检测并对信号有效部分进行提取，利用运动目标和静态目标在回波差拍信号频谱中的区别，对相邻周期的信号进行相减，消除静态目标，保留有效运动目标信息。

3.根据权利要求2所述的毫米波雷达动态目标快速检测方法，其特征在于，所述利用速度信息进一步分辨出相同距离的不同运动目标信号具体为：

设在雷达信号所覆盖的区域内，存在一个动目标，在t＝0时与雷达的距离为R₀，径向速度为v，雷达信号的发射周期为T_r，电磁波传输速度为c，发射信号幅度为A₀，初始相位为

雷达发射信号频率为f₀，μ＝B/T_r为调频斜率，B为调频带宽，m为雷达信号的发射周期计数，雷达的发射信号表示为：

则有效区间t∈[-T_r/2，T_r/2]，忽略发射信号的初始相位、传播过程中的噪声和目标发射引起的相移，并且以A_B，m作为回波信号的幅值，回波差拍信号的复信号为：

将回波差拍信号的复信号输入到动目标显示MTI中进行处理，根据运动目标和静态目标回波差拍信号频谱的区别分辨出不同距离的有效运动目标信号；

采用动目标显示MTI与动目标检测MTD级联的方式将动目标显示MTI处理后的信号再进行动目标检测MTD，根据处理结果中的速度信息进一步分辨出相同距离的不同运动目标信号。

4.根据权利要求1所述的毫米波雷达动态目标快速检测方法，其特征在于，所述改进型稀疏傅里叶变换算法对采样信号进行处理，该算法分为预加窗、频谱重排、窗函数滤波、频域降采样FFT以及利用哈希映射法对信号频谱进行重构。

5.根据权利要求4所述的毫米波雷达动态目标快速检测方法，其特征在于，所述预加窗的窗函数滤波器的旁瓣衰减应满足：

p＝10log(N)+10log(D)+10log(SNR_min)+δ_w

其中，N为信号长度，D为信号的动态范围，SNR_min为信号的最小信噪比，δ_w为噪声的水平，p为窗函数旁瓣衰减率。

6.根据权利要求5所述的毫米波雷达动态目标快速检测方法，其特征在于，所述频谱重排为对输入信号频域按照规则进行重排。

7.根据权利要求6所述的毫米波雷达动态目标快速检测方法，其特征在于，所述窗函数滤波为：采用平坦窗函数g进行滤波，对重排后的信号进行加窗处理，分离出有效目标信号的频域大值点，其频域表达式G满足如下公式：

其中，δ为震荡纹波，ε'为通带截断因子，ε为阻带截断因子，N为数据的总长度。

8.根据权利要求7所述的毫米波雷达动态目标快速检测方法，其特征在于，所述频域降采样FFT为：利用信号时域混叠对应频域降采样的性质，对输入信号s(n)进行时域混叠得到：

其中，s(n+B′j)为输入信号s(n)时域混叠后的信号，B′为降采样之后信号的长度，j代表频域降采样过程中的每个频点的位置。

9.根据权利要求8所述的毫米波雷达动态目标快速检测方法，其特征在于，在信号频谱重构过程中，将哈希映射法分为两个阶段，分别为第一阶段：哈希映射阶段；第二阶段：哈希逆映射阶段；

第一阶段用于有效滤除噪声提取出有效频点，第二阶段在恢复原信号频谱时通过阈值判断选择出有效目标频点，滤除虚警目标的频点；最后将相邻周期频谱相减来抑制静态目标或者低速目标的干扰，输出运动目标信号频谱。

Images