CN114280612A - 一种绝缘体目标的毫米波雷达恒虚警检测方法 - Google Patents

Abstract

本发明提供的一种绝缘体目标的毫米波雷达恒虚警检测方法，包括以下步骤：雷达开始工作，发射P个线性调频雷达波信号；接收雷达的目标回波与原雷达参考波形混频并低通滤波；经过数模转换和距离傅里叶变换处理；收集每个距离上所有周期雷达距离傅里叶变换输出数据；进行多普勒傅里叶变换处理，收集所有接收天线的零多普勒频率输出；选择所有天线同距离的所有距离数据和方位傅里叶变换数据，获得方位角上的高分辨力数据；选择一个和其它的方位角度上的所有距离单元数据进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物，直到完成所有方位角上的距离单元检测；实现高分辨毫米波雷达对绝缘体障碍物的实时检测和位置测量。

Description

一种绝缘体目标的毫米波雷达恒虚警检测方法

【技术领域】

本发明涉及自动驾驶技术领域，尤其是一种绝缘体目标的毫米波雷达恒虚警检测方法。

【背景技术】

随着家用车辆的普及、走入千家万户，成为人们日常生活和工作的必需品，过多的车辆造成城市交通拥堵变得越来越严重。使得在日常生活中，驾驶车辆不仅耗费时间和精力，稍有不慎就有可能引起导致交通事故，给相关方的家庭带来经济损失甚至是人生安全隐患。

自动驾驶不但能够把驾车人从枯燥的车辆驾驶中解脱出来，也能大大降低车辆驾驶中事故发生概率，是未来汽车驾驶的必然选择。自动驾驶包括感知、认知、规划和控制四个核心环节，但技术中的核心点是感知技术，因为获取完整和实时驾驶环境和其它目标的感知信息是自动驾驶成功的必要条件。自动驾驶感知主要由图像采集器、毫米波雷达和激光雷达等传感器来实现的；其中毫米波雷达不但价格低廉，还能精准测量运动目标的距离、速度、加速度，以及对目标实时成像，还可以在恶劣天气和环境下正常工作，所以毫米波雷达已经逐渐成为自动驾驶中最重要的感知技术手段。

现代雷达工作原理都是基于发射无线电波，然后通过目标散射电波实现对目标的检测和测量。所以，自动驾驶中的毫米波雷达目标，必须能够反射电磁波的能力；但由于大部分自动驾驶环境中的雷达目标，如其它车辆都是含有金属材料，因为金属材料是很好的导体、有很强的电磁波反射能，所以基于现有的雷达技术，检测和测量金属类的正常目标都是没有问题的。

在自动驾驶环境中，毫米波雷达大部分目标是含有金属材料的目标，如其它行进中的车辆；但也有很多场景中，目标是不导电的绝缘体障碍物，如车辆行进路上的临时路障，比如石块、树木、水泥等绝缘体。这些绝缘体在雷达信号的照射下，无法产生足够强的雷达回波，从而让雷达无法检测到这些绝缘体障碍物，如果不解决会给自动驾驶的安全带来很大的潜在隐患。当然，自动驾驶也可以同时使用图像传感器作为感知器件，识别这些绝缘体障碍物，但图像传感器无法在黑暗的情况下使用，也无法在有严重污染或恶劣天气环境下使用。同时，即使图像传感器可以使用，但无法提供精确的障碍物位置信息，给自动驾驶中的路径规划，带来无法逾越的困难。另外，如果在自动驾驶中，使用激光雷达实现绝缘体障碍物的实时检测和测量，除了因为其本身昂贵的价格和成本，而无法大规模使用以外；同样激光雷达也无法在恶劣天气环境中使用。

另外，毫米波汽车防撞雷达工作于杂波环境时，检测器的门限设置必须自适应于杂波功率水平的变化，使杂波引起的目标检测即虚警保持在一个较低的可接受水平上，从而解决传统雷达门限是一个常数存在的缺点。雷达恒虚警(constant false alarm rate，CFAR)检测的实际检测性能与背景杂噪的分布和强度有很大关系。雷达自动检测和跟踪中的虚警问题是每个雷达系统和设计人员不可避免的重要问题之一。二十多年来，雷达自动检测与雷达恒虚警处理技术逐渐发展成为国际雷达信号处理界的一大热门研究领域和关键性课题。雷达恒虚警技术是雷达自动检测系统中控制虚警率的最重要手段，它是雷达自动检测过程中起到极其重要的作用。

因此，迫切需要一种方法能够依靠雷达恒虚警处理技术和毫米波雷达技术本身实现对绝缘体障碍物的实时自动检测和测量。

【发明内容】

本发明解决了传统毫米波雷达无法感知绝缘体路障，提供一种自动驾驶中应用高分辨毫米波雷达实现对绝缘体障碍物的实时检测和位置测量，解决自动驾驶中常见的安全隐患、有效提高自动驾驶安全性的绝缘体目标的毫米波雷达恒虚警检测方法。

为达到上述明目的，采用的技术方案如下：

一种绝缘体目标的毫米波雷达恒虚警检测方法，用于获取和处理自动驾驶车辆附近目标障碍物当前时刻的毫米波雷达信号，包括以下步骤：

步骤S1，高分辨力毫米波雷达开始工作；

步骤S2，按固定周期T，顺序发射P个顺序发射的线性调频雷达波信号；

步骤S3，并由所有天线接收雷达的目标回波信号，输出的回波信号与原雷达参考信号混频、并低通滤波以后；

步骤S4，经过数模转换和距离傅里叶变换处理；

步骤S5，收集每个接收天线上N个距离点的每个距离上所有周期雷达距离傅里叶变换输出数据，即得到距离高分辨力数据；

步骤S6，选择同一个天线输出的相对P个发射信号的回波信号处理后的距离，多普勒傅里叶变换处理后对所有同一距离点数据进行多普勒傅里叶变换处理；

步骤S7，收集所有接收天线的零多普勒频率输出的距离数据；

步骤S8，选择所有天线同距离的零多普勒频率所有距离数据和方位傅里叶变换数据，对同一距离上不同天线的输出数据进行角度傅里叶变换处理，获得方位角上的高分辨力数据；

步骤S9，选择一个方位角度上的所有距离单元数据；

步骤S10，从最近未检测距离单元开始进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物；

步骤S11，检测最后一个单元进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物，否则重复步骤S10；

步骤S12，选择其它的方位角方向检测，直至检测到最后一个方位角方向上的所有距离数据进行反向恒虚警检测，检测出所有方位角方向上的绝缘障碍物，否则重复步骤S9至步骤S11；

步骤S13，直到完成所有方位角上的距离单元检测，实现对绝缘体障碍物的实时检测和位置测量。

进一步地，所述步骤S2至步骤S8中，还包括：

在步骤S2中，假设在某一个雷达工作的固定周期T内，雷达顺序发射以下 P个线性调频信号，其中，单个调频信号时宽是T，发射信号总时宽是PT，信号带宽是B，第一发射波形的定义如公式(1)所示：

x₁(t)＝sin[2π(f_c+kt)t+φ₁]，0≤t≤T₁ (1)

其中，f_c是雷达发射信号载波调制频率，对于自动驾驶中使用的毫米波雷达一般选择f_c＝76-81GHz，k是线性调频信号的调频斜率，u(t)是单位阶跃函数；

信号带宽B的定义如公式(2)所示：

B＝kT₁ (2)

其中，T1是信号的有效时宽；

在步骤S3中，假设在雷达前方距离R位置处有一个目标，其发射产生的目标回波信号，如公式(3)所示：

x₂(t)＝A sin[2π(f_c+kt-kτ)(t-τ)+φ₁]，τ≤t≤T₁ (3)

其中，目标回波的延时τ是发射信号以光速传播雷达到目标双程距离的传播时间，延时τ的计算如公式(4)所示：

接收到如公式(3)所示一个或多个类似线性调频目标回波信号以后，将它们与如公式(1)所示的原来发射调频参考信号混频和低通滤波以后，得与距离成正比的多个单频信号；

所以，目标回波作混频和低通滤波处理后的输出信号如公式(5)所示：

x(t)＝A sin(2πf₀t+φ₀)，τ≤t≤T₁ (5)

其中，f₀如公式(6)所示：f₀＝kτ (6)

φ₀如公式(7)所示：

在步骤S4中，由于公式(5)中输出信号频率是f₀＝kτ，包含目标的延时也就是距离信息，对输出信号进行傅里叶变换以后，输出的频率值和目标距离成正比；如果有多目标存在，多个目标回波信号的延时，同样通过傅里叶变换输出的频谱值不同反映出来；

在步骤S6中，如果目标相对于雷达的运动速度是v，雷达和目标的距离会不断变化，由于公式(7)中的相位也就随时间变化而变换，导致接收到信号的频率变化，所以运动目标频率变化值也就是多普勒频率f_d，如公式(8)所示：

所以对于运动目标而言，雷达回波经过混频和滤波以后输出信号，如公式公式(9)所示：

x(t)＝A sin(2π(f₀+f_d)t+φ₁)，τ≤t≤T (9)

输出信号经过A/D数模转换，并采样N个点再进行距离傅里叶变换处理，得目标的距离信息；再对同一距离点的P个周期数据点进行多普勒傅里叶变换处理，获取在该距离点目标的的多普勒信息；

在处理输出中，因为静态的障碍物多普勒是零，仅采用多普勒频率是零的多距离信号进行后续处理；

同时，考虑要在角度方向上也要进行高分辨力处理，所以通过多阵元的线性天线阵接收雷达信号，天线阵的阵元数是M，因为每个接收天线阵元都会产生一个距离-多普勒雷达数据矩阵；对于每个天线输出，只选择多普勒频率是零的输出距离数据，所以所有M个天线阵元输出的零多普勒数据组成一个N×M的图像矩阵；如果对这个图像矩阵的每一行数据，即同一距离的不同天线数据，进行傅里叶变换，结果是一个新的目标探测区域N×M距离-方位图像；通过对这个新的图像矩阵上的数据处理，实现静态绝缘体的检测；

在步骤S8中，为了检测出绝缘体路障，需要距离-方位图像在距离和方位上都具有高分辨力，根据雷达原理，雷达距离分辨力如公式(10)所示：

而雷达在方位上的角分辨力，则如公式(11)所示：

其中，d是两个相邻天线阵元距离，θ是被检测单元方向到天线阵法向方向的角度；

如果考虑方位方向上的弧度距离分辨力S，则如公式(12)所示：

其中，最低雷达距离和角度分辨力的要求是被检测的绝缘体障碍物应该完全占有至少一个图像的距离-方位分辨单元。

进一步地，在步骤S2至步骤S8的基础上，步骤S10至步骤S12中的反向恒虚警检测具体包括以下步骤：

如果假设检测噪声是高斯分布，其分布均值是零，方差是σ²的信号检测器的输入信号是x，检测门限是γ，则可以计算出相应的虚警概率，如公式(13) 所示：

其中，H₀代表无目标假设，H₁代表有目标假设，Q(.)是Q函数；

检测门限γ的计算，如公式(14)所示：

γ＝σQ^-1(P_FA) (14)

从公式(13)和公式(14)可知，如果检测门限值γ和干扰噪声标准偏差σ成正比，检测的虚警概率就保持不变就是恒虚警检测；但如果干扰噪声的标准偏差σ随机变动，检测门限不变，就也会带来检测的虚警概率不断变化和系统的不稳定；但如果能实时估计出干扰噪声的标准偏差σ，就实现检测的虚警概率恒定；

干扰噪声的标准偏差σ估计方法公式(15)所示：

其中，x_i是干扰噪声的参考信号，一般是在检测单元附件的L同样分布参考单元采样获得；

噪声均值按照公式(16)所示方法估计：

为便于计算，采用如公式(16)所示简化的方法，计算干扰噪声的标准偏差σ：

其中，c是一固定的系数；

如果一个检测单元是和参考单元类似的干扰噪声，其信号幅度和同样分布的参考单元信号相近，但如果这个检测单元是绝缘体，发射的信号非常弱，其信号强度会比其相对应的参考单元信号强度要弱很多，所以根据这个特点，设计一个反向恒虚警检测器可以检测到地面上的绝缘物体；

反向恒虚警检测器的输入信号是零多普勒频率和一特定方位角的所有距离信号，距离最小到最大的信号序列串行输入进入反向恒虚警检测器依次产生检测结果；

考虑存在各向异性的杂波干扰环境，干扰噪声参考信号从被检测单元的左边或右边8个距离单元中采样获取，干扰杂波的标准偏差从左边8个参考单元和右边8个参考单元分别计算得出，取两值中的最大值作为干扰的标准偏差，所以最后的检测门限如公式(18)所示：

其中，k是常数，其值一般在1左右，即略小于1或略大于1；

和

分别代表检测单元左边参考单元干扰标准偏差估计和右边单元干扰标准偏差估计；

此反向恒虚警检测器的最大特点是，只有检测单元信号强度低于检测门限时，检测结果是待检的绝缘体，否则检测结果的干扰噪声；

被检测单元信号x的具体反向检测方法如公式(19)所示：

其中，H₁代表检测到绝缘体，H₀代表没有检测到绝缘体。

进一步地，在绝缘障碍物的反向检测中，要求采用高分辨力的雷达，如果障碍物尺寸明显小于雷达分辨单元，该单元的雷达回波信号主要由和参考单元类似的干扰杂波信号所组成，整体信号强度参考单元内信号强度类似，无法通过反向恒虚警检测器检测到。

本发明的优点：

本发明应用到自动驾驶中，通过高分辨毫米波雷达实现对绝缘体障碍物的实时检测和位置测量，解决了传统毫米波雷达无法感知绝缘体路障问题，进而解决了自动驾驶中一个常见的安全隐患，同时也为自动驾驶系统中由毫米波雷达完全取代激光雷达提供了一个必备条件。具体包括以下几点：

1、解决了自动驾驶中传统毫米波雷达无法检测和识别绝缘物路障的技术难题；

2、在首次提出了雷达负向恒虚警检测方法；

3、提出的解决方案通过雷达信号处理的方式实现，除了要求雷达有高分辨力能力以外不增加雷达硬件系统的复杂性或成本；

4、可以大大降低未来自动驾驶系统和绝缘路障碰撞的可能性，大大提高了自动驾驶系统的安全性；

5、为在自动驾驶系统中由毫米波雷达完全取代激光雷达，降低其成本价格并大规模推广和应用提供了可能。

【附图说明】

图1为本发明中调频连续波(FMCW)雷达发射线性调频的波形图；

图2为本发明中多个雷达目标信号回波混频和低通滤波输出信号图；

图3为本发明中距离傅里叶变换和多普勒傅里叶变换提取目标距离和多普勒信息的坐标图；

图4为本发明中形成目标探测区域的距离-方位高分辨力图像矩阵图；

图5为本发明中反向恒虚警检测器的结构图；

图6为本发明中障碍物尺寸与雷达高分辨力单元的比较图；

图7为本发明中障碍物尺寸与雷达低分辨力单元的比较图；

图8为本发明中反向雷达恒虚警检测处理流程图；

图9为本发明中毫米波雷达目标检测区域3-D散射回波信号图；

图10为本发明中检测区域附件的距离-方位毫米波雷达2D-散射信号图；

图11为本发明中固定方位角上的所有距离单元雷达散射信号；

图12为本发明中反向恒虚警检测器输出的绝缘体检测结果图。

【具体实施方式】

下面通过具体实例对本发明的内容作进一步的说明。

一种绝缘体目标的毫米波雷达恒虚警检测方法，用于获取和处理自动驾驶车辆附近目标障碍物当前时刻的毫米波雷达信号，如图8所示，包括以下步骤：

步骤S1，高分辨力毫米波雷达开始工作；

步骤S2，按固定周期T，顺序发射P个顺序发射的线性调频雷达波信号；

步骤S3，并由所有天线接收雷达的目标回波信号，输出的回波信号与原雷达参考信号混频、并低通滤波以后；

步骤S4，经过数模转换和距离傅里叶变换处理；

步骤S5，收集每个接收天线上N个距离点的每个距离上所有周期雷达距离傅里叶变换输出数据，即得到距离高分辨力数据；

步骤S6，选择同一个天线输出的相对P个发射信号的回波信号处理后的距离，多普勒傅里叶变换处理后对所有同一距离点数据进行多普勒傅里叶变换处理；

步骤S7，收集所有接收天线的零多普勒频率输出的距离数据；

步骤S8，选择所有天线同距离的零多普勒频率所有距离数据和方位傅里叶变换数据，对同一距离上不同天线的输出数据进行角度傅里叶变换处理，获得方位角上的高分辨力数据；

步骤S9，选择一个方位角度上的所有距离单元数据；

步骤S10，从最近未检测距离单元开始进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物；

步骤S11，检测最后一个单元进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物，否则重复步骤S10；

步骤S12，选择其它的方位角方向检测，直至检测到最后一个方位角方向上的所有距离数据进行反向恒虚警检测，检测出所有方位角方向上的绝缘障碍物，否则重复步骤S9至步骤S11；

步骤S13，直到完成所有方位角上的距离单元检测，实现对绝缘体障碍物的实时检测和位置测量。

步骤S2至步骤S8中还包括：

在步骤S2中，假设在某一个雷达工作的固定周期T内，如图1所示，雷达顺序发射以下P个线性调频信号，其中，单个调频信号时宽是T，发射信号总时宽是PT，信号带宽是B，图1中的第一发射波形的定义如公式(1)所示：

x₁(t)＝sin[2π(f_c+kt)t+φ₁]，0≤t≤T₁ (1)

其中，f_c是雷达发射信号载波调制频率，对于自动驾驶中使用的毫米波雷达一般选择f_c＝76-81GHz，k是线性调频信号的调频斜率，u(t)是单位阶跃函数；

信号带宽B的定义如公式(2)所示：

B＝kT₁ (2)

其中，T1是信号的有效时宽；

在步骤S3中，假设在雷达前方距离R位置处有一个目标，其发射产生的目标回波信号，如公式(3)所示：

x₂(t)＝A sin[2π(f_c+kt-kτ)(t-τ)+φ₁]，τ≤t≤T₁ (3)

其中，目标回波的延时τ是发射信号以光速传播雷达到目标双程距离的传播时间，延时τ的计算如公式(4)所示：

接收到如公式(3)所示一个或多个类似线性调频目标回波信号以后，将它们与如公式(1)所示的原来发射调频参考信号混频和低通滤波以后，如图2所示，得与距离成正比的多个单频信号；

所以，目标回波作混频和低通滤波处理后的输出信号如公式(5)所示：

x(t)＝A sin(2πf₀t+φ₀)，τ≤t≤T₁ (5)

其中，f₀如公式(6)所示：f₀＝kτ (6)

φ₀如公式(7)所示：

在步骤S4中，由于公式(5)中输出信号频率是f₀＝kτ，包含目标的延时也就是距离信息，对输出信号进行傅里叶变换(FFT)以后，输出的频率值和目标距离成正比；如果有多目标存在，多个目标回波信号的延时，同样通过傅里叶变换(FFT)输出的频谱值不同反映出来；

在步骤S6中，如果目标相对于雷达的运动速度是v，雷达和目标的距离会不断变化，由于公式(7)中的相位也就随时间变化而变换，导致接收到信号的频率变化，所以运动目标频率变化值也就是多普勒频率f_d，如公式(8)所示：

所以对于运动目标而言，雷达回波经过混频和滤波以后输出信号，如公式公式(9)所示：

x(t)＝A sin(2π(f₀+f_d)t+φ₁)，τ≤t≤T (9)

输出信号经过A/D数模转换，并采样N个点再进行距离傅里叶变换(FFT) 处理，得目标的距离信息；再对同一距离点的P个周期数据点进行多普勒傅里叶变换(FFT)处理，获取在该距离点目标的的多普勒信息，得到如图3所示的处理过程和最后结果。

在图3所示的处理输出中，因为静态的障碍物多普勒是零，仅采用多普勒频率是零的多距离信号进行后续处理；

同时，考虑要在角度方向上也要进行高分辨力处理，所以通过多阵元的线性天线阵接收雷达信号，天线阵的阵元数是M，因为每个接收天线阵元都会产生一个如图3所示的距离-多普勒雷达数据矩阵；对于每个天线输出，只选择多普勒频率是零的输出距离数据，所以所有M个天线阵元输出的零多普勒数据组成一个N×M的图像矩阵，该图像矩阵如图4中左侧部分所示；如果对这个图像矩阵的每一行数据，即同一距离的不同天线数据，进行傅里叶(FFT)变换，结果是一个新的目标探测区域N×M距离-方位图像，该距离-方位图像如图4右侧部分所示；通过对这个新的图像矩阵上的数据处理，实现静态绝缘体的检测；

在步骤S8中，为了检测出图4中的绝缘体路障，需要图4中的右侧部分距离-方位图像在距离和方位上都具有高分辨力，根据雷达原理，雷达距离分辨力如公式(10)所示：

而雷达在方位上的角分辨力(弧度)，则如公式(11)所示：

其中，d是两个相邻天线阵元距离，θ是被检测单元方向到天线阵法向方向的角度；

如果考虑方位方向上的弧度距离分辨力S，则如公式(12)所示：

其中，最低雷达距离和角度分辨力的要求是被检测的绝缘体障碍物应该完全占有至少一个图像的距离-方位分辨单元。

在步骤S2至步骤S8的基础上，步骤S10至步骤S12中的反向恒虚警检测具体包括以下步骤：

雷达恒虚警检测器(CFAR Detector)是一种根据周围环境噪声和干扰自适应选择目标检测门限的信号检测器，由于检测单元的噪声和干扰可能会随机变换，如果采用固定检测门限，检测结果的虚警概率(也就是假阳性概率)会起伏不定，从而严重影响检测系统的整体性能。

如果假设检测噪声是高斯分布，其分布均值是零，方差是σ²的信号检测器的输入信号是x，检测门限是γ，则可以计算出相应的虚警概率，如公式(13) 所示：

其中，H₀代表无目标假设，H₁代表有目标假设，Q(.)是Q函数；

检测门限γ的计算，如公式(14)所示：

γ＝σQ^-1(P_FA) (14)

从公式(13)和公式(14)可知，如果检测门限值γ和干扰噪声标准偏差σ成正比，检测的虚警概率就保持不变就是恒虚警检测；但如果干扰噪声的标准偏差σ随机变动，检测门限不变，就也会带来检测的虚警概率不断变化和系统的不稳定；但如果能实时估计出干扰噪声的标准偏差σ，就实现检测的虚警概率恒定；

干扰噪声的标准偏差σ估计方法公式(15)所示：

其中，x_i是干扰噪声的参考信号，一般是在检测单元附件的L同样分布参考单元采样获得；

噪声均值按照公式(16)所示方法估计：

为便于计算，采用如公式(16)所示简化的方法，计算干扰噪声的标准偏差σ：

其中，c是一固定的系数；

如果一个检测单元是和参考单元类似的干扰噪声，其信号幅度和同样分布的参考单元信号相近，但如果这个检测单元是绝缘体，发射的信号非常弱，其信号强度会比其相对应的参考单元信号强度要弱很多，所以根据这个特点，设计一个反向恒虚警检测器可以检测到地面上的绝缘物体，具体方法如图5所示；

如图5所示，反向恒虚警检测器的输入信号是零多普勒频率和一特定方位角的所有距离信号，距离最小到最大的信号序列串行输入进入反向恒虚警检测器依次产生检测结果；

考虑存在各向异性的杂波干扰环境，干扰噪声参考信号从被检测单元的左边或右边8个距离单元中采样获取，干扰杂波的标准偏差从左边8个参考单元和右边8个参考单元分别计算得出，取两值中的最大值作为干扰的标准偏差，所以最后的检测门限如公式(18)所示：

其中，k是常数，其值一般在1左右；

和

分别代表检测单元左边参考单元干扰标准偏差估计和右边单元干扰标准偏差估计；

此反向恒虚警检测器的最大特点是，只有检测单元信号强度低于检测门限时，检测结果是待检的绝缘体，否则检测结果的干扰噪声；

被检测单元信号x的具体反向检测方法如公式(19)所示：

其中，H₁代表检测到绝缘体，H₀代表没有检测到绝缘体。

另外，在绝缘障碍物的反向检测中，要求采用高分辨力的雷达，如图6和图 7所示，如果障碍物尺寸明显小于雷达分辨单元，该单元的雷达回波信号主要由和参考单元类似的干扰杂波信号所组成，整体信号强度参考单元内信号强度类似，无法通过反向恒虚警检测器检测到。

该实施例具体实施中，采用的毫米波雷达必须具有高分辨力能力。具体来说，待检测的绝缘体尺寸必须和雷达距离-方位分辨单元大小相对或者更大，距离高分辨力可以通过发射宽带雷达波形实现，方位高分辨力可以通过增加接收天线阵元个数由方位数字波束形成(即方位傅里叶变换FFT)实现。

通过毫米波雷达在地杂波环境下，模拟产生绝缘地障及周边区域散射信号，得到反向恒虚警检测器检测结果。在绝缘体的尺寸大约为50厘米×50厘米，雷达采样用高分辨力工作模式，并在距离和方位角度可以达到大约40厘米×40厘米的分辨力，所以绝缘体比雷达分辨单元稍微大一点，满足反向恒虚警检测的基本条件。

如图9所示，是经过对高分辨力毫米波雷达回波处理产生的目标检测区域的距离-方位散射信号图，距离方向大约有128个距离单元，方位角方向大约有36 分辨点；三维图显示散射区域主要是地杂波干扰环境信号，包括其中心位置是一个反射比较弱的绝缘体路障。

如图10所示，表示的同样是雷达探测区域附近的距离-方位电磁波散射图，但图10中可以更清晰地显示绝缘体的位置，绝缘体产生的雷达散射回波强度几乎是零，而周围的地杂波回波要强很多，中间的绝缘体位置清晰可见；根据这一特点，完全能够对绝缘体进行检测。

如图11所示，是在一个特定方位方向上的雷达在各个距离单元的散射信号，包括地杂波干扰信号和微弱的绝缘体散射信号。把图11的信号作为输入信号，输入反向恒虚警检测器中，所有距离单元检测结果由图12所显示，可以发现绝缘体能够检测出来，而其它地杂波干扰信号则完全被抑制。此试验结果证明了本发明提出的绝缘体检测方法可行并且有效。

以上所述实施例只是为本发明的较佳实施例，并非以此限制本发明的实施范围，除了具体实施例中列举的情况外；凡依本发明之方法及原理所作的等效变化，均应涵盖于本发明的保护范围内。

Claims (4)

1.一种绝缘体目标的毫米波雷达恒虚警检测方法，用于获取和处理自动驾驶车辆附近目标障碍物当前时刻的毫米波雷达信号，其特征在于，包括以下步骤：

步骤S1，高分辨力毫米波雷达开始工作；

步骤S2，按固定周期T，顺序发射P个顺序发射的线性调频雷达波信号；

步骤S3，并由所有天线接收雷达的目标回波信号，输出的回波信号与原雷达参考信号混频、并低通滤波以后；

步骤S4，经过数模转换和距离傅里叶变换处理；

步骤S5，收集每个接收天线上N个距离点的每个距离上所有周期雷达距离傅里叶变换输出数据，即得到距离高分辨力数据；

步骤S6，选择同一个天线输出的相对P个发射信号的回波信号处理后的距离，多普勒傅里叶变换处理后对所有同一距离点数据进行多普勒傅里叶变换处理；

步骤S7，收集所有接收天线的零多普勒频率输出的距离数据；

步骤S8，选择所有天线同距离的零多普勒频率所有距离数据和方位傅里叶变换数据，对同一距离上不同天线的输出数据进行角度傅里叶变换处理，获得方位角上的高分辨力数据；

步骤S9，选择一个方位角度上的所有距离单元数据；

步骤S10，从最近未检测距离单元开始进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物；

步骤S11，检测最后一个单元进行反向恒虚警检测，检测出所有该方位角方向上的绝缘障碍物，否则重复步骤S10；

步骤S12，选择其它的方位角方向检测，直至检测到最后一个方位角方向上的所有距离数据进行反向恒虚警检测，检测出所有方位角方向上的绝缘障碍物，否则重复步骤S9至步骤S11；

步骤S13，直到完成所有方位角上的距离单元检测，实现对绝缘体障碍物的实时检测和位置测量。

2.根据权利要求1所述的一种绝缘体目标的毫米波雷达恒虚警检测方法，其特征在于，所述步骤S2至步骤S8中，还包括：

在步骤S2中，假设在某一个雷达工作的固定周期T内，雷达顺序发射以下P个线性调频信号，其中，单个调频信号时宽是T，发射信号总时宽是PT，信号带宽是B，第一发射波形的定义如公式(1)所示：

x₁(t)＝sin[2π(f_c+kt)t+φ₁]，0≤t≤T₁ (1)

其中，f_c是雷达发射信号载波调制频率，对于自动驾驶中使用的毫米波雷达一般选择f_c＝76-81GHz，k是线性调频信号的调频斜率，u(t)是单位阶跃函数；

信号带宽B的定义如公式(2)所示：

B＝kT₁ (2)

其中，T1是信号的有效时宽；

在步骤S3中，假设在雷达前方距离R位置处有一个目标，其发射产生的目标回波信号如公式(3)所示：

x₂(t)＝A sin[2π(f_c+kt-kτ)(t-τ)+φ₁]，τ≤t≤T₁ (3)

其中，目标回波的延时τ是发射信号以光速传播雷达到目标双程距离的传播时间，延时τ的计算如公式(4)所示：

接收到如公式(3)所示一个或多个类似线性调频目标回波信号以后，将它们与如公式(1)所示的原来发射调频参考信号混频和低通滤波以后，得与距离成正比的多个单频信号；

所以，目标回波作混频和低通滤波处理后的输出信号，如公式(5)所示：

x(t)＝A sin(2πf₀t+φ₀)，τ≤t≤T₁ (5)

其中，f₀如公式(6)所示：f₀＝kτ (6)

φ₀如公式(7)所示：

在步骤S4中，由于公式(5)中输出信号频率是f₀＝kτ，包含目标的延时也就是距离信息，对输出信号进行傅里叶变换以后，输出的频率值和目标距离成正比；如果有多目标存在，多个目标回波信号的延时，同样通过傅里叶变换输出的频谱值不同反映出来；

在步骤S6中，如果目标相对于雷达的运动速度是v，雷达和目标的距离会不断变化，由于公式(7)中的相位也就随时间变化而变换，导致接收到信号的频率变化，所以运动目标频率变化值也就是多普勒频率f_d，如公式(8)所示：

所以对于运动目标而言，雷达回波经过混频和滤波以后输出信号，如公式公式(9)所示：

x(t)＝A sin(2π(f₀+f_d)t+φ₁)，τ≤t≤T (9)

输出信号经过A/D数模转换，并采样N个点再进行距离傅里叶变换处理，得目标的距离信息；再对同一距离点的P个周期数据点进行多普勒傅里叶变换处理，获取在该距离点目标的的多普勒信息；

在处理输出中，因为静态的障碍物多普勒是零，仅采用多普勒频率是零的多距离信号进行后续处理；

同时，考虑要在角度方向上也要进行高分辨力处理，所以通过多阵元的线性天线阵接收雷达信号，天线阵的阵元数是M，因为每个接收天线阵元都会产生一个距离-多普勒雷达数据矩阵；对于每个天线输出，只选择多普勒频率是零的输出距离数据，所以所有M个天线阵元输出的零多普勒数据组成一个N×M的图像矩阵；如果对这个图像矩阵的每一行数据，即同一距离的不同天线数据，进行傅里叶变换，结果是一个新的目标探测区域N×M距离-方位图像；通过对这个新的图像矩阵上的数据处理，实现静态绝缘体的检测；

在步骤S8中，为了检测出绝缘体路障，需要距离-方位图像在距离和方位上都具有高分辨力，根据雷达原理，雷达距离分辨力如公式(10)所示：

而雷达在方位上的角分辨力，则如公式(11)所示：

其中，d是两个相邻天线阵元距离，θ是被检测单元方向到天线阵法向方向的角度；

如果考虑方位方向上的弧度距离分辨力S，则如公式(12)所示：

其中，最低雷达距离和角度分辨力的要求是被检测的绝缘体障碍物应该完全占有至少一个图像的距离-方位分辨单元。

3.根据权利要求2所述的一种绝缘体目标的毫米波雷达恒虚警检测方法，其特征在于，在步骤S2至步骤S8的基础上，步骤S10至步骤S12中的反向恒虚警检测具体包括以下步骤：

如果假设检测噪声是高斯分布，其分布均值是零，方差是σ²的信号检测器的输入信号是x，检测门限是γ，则可以计算出相应的虚警概率，如公式(13)所示：

其中，H₀代表无目标假设，H₁代表有目标假设，Q(.)是Q函数；

检测门限γ的计算，如公式(14)所示：

γ＝σQ^-1(P_FA) (14)

从公式(13)和公式(14)可知，如果检测门限值γ和干扰噪声标准偏差σ成正比，检测的虚警概率就保持不变就是恒虚警检测；但如果干扰噪声的标准偏差σ随机变动，检测门限不变，就也会带来检测的虚警概率不断变化和系统的不稳定；但如果能实时估计出干扰噪声的标准偏差σ，就实现检测的虚警概率恒定；

干扰噪声的标准偏差σ估计方法公式(15)所示：

其中，x_i是干扰噪声的参考信号，一般是在检测单元附件的L同样分布参考单元采样获得；

噪声均值按照公式(16)所示方法估计：

为便于计算，采用如公式(16)所示简化的方法，计算干扰噪声的标准偏差σ：

其中，c是一固定的系数；

如果一个检测单元是和参考单元类似的干扰噪声，其信号幅度和同样分布的参考单元信号相近，但如果这个检测单元是绝缘体，发射的信号非常弱，其信号强度会比其相对应的参考单元信号强度要弱很多，所以根据这个特点，设计一个反向恒虚警检测器可以检测到地面上的绝缘物体；

反向恒虚警检测器的输入信号是零多普勒频率和一特定方位角的所有距离信号，距离最小到最大的信号序列串行输入进入反向恒虚警检测器依次产生检测结果；

考虑存在各向异性的杂波干扰环境，干扰噪声参考信号从被检测单元的左边或右边8个距离单元中采样获取，干扰杂波的标准偏差从左边8个参考单元和右边8个参考单元分别计算得出，取两值中的最大值作为干扰的标准偏差，所以最后的检测门限如公式(18)所示：

其中，k是常数，其值一般在1左右，即略小于1或略大于1；

和

分别代表检测单元左边参考单元干扰标准偏差估计和右边单元干扰标准偏差估计；

此反向恒虚警检测器的最大特点是，只有检测单元信号强度低于检测门限时，检测结果是待检的绝缘体，否则检测结果的干扰噪声；

被检测单元信号x的具体反向检测方法如公式(19)所示：

其中，H₁代表检测到绝缘体，H₀代表没有检测到绝缘体。

4.根据权利要求3所述的一种绝缘体目标的毫米波雷达恒虚警检测方法，其特征在于，在绝缘障碍物的反向检测中，要求采用高分辨力的雷达，如果障碍物尺寸明显小于雷达分辨单元，该单元的雷达回波信号主要由和参考单元类似的干扰杂波信号所组成，整体信号强度参考单元内信号强度类似，无法通过反向恒虚警检测器检测到。

Images