CN115144857A - 一种探测目标个数估计方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请公开了一种探测目标个数估计方法、装置、电子设备及存储介质。属于传感器技术领域，可用于辅助驾驶和自动驾驶。该方法包括：构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和参考点之间的阵列导向矢量的第二旋转矩阵；利用第一旋转矩阵和第一雷达的第一导向矢量，得到第三导向矢量，以及利用第二旋转矩阵和第二雷达的第二导向矢量，得到第四导向矢量；利用第三导向矢量、第四导向矢量以及信源数估计算法，对目标探测区域内的探测目标的个数进行估计。本方法可以提高对目标个数估计的准确度，并提高后续对目标位置估计的准确度和效率。进一步，该方法可以应用于车联网，如车辆外联V2X、车辆‑车辆V2V等。

Description

一种探测目标个数估计方法、装置、电子设备及存储介质

技术领域

本申请涉及信号处理技术领域，尤其涉及一种探测目标个数估计方法、装置、电子设备及存储介质。

背景技术

随着汽车市场的快速发展以及汽车安全标准的不断提升，雷达传感器因其优越性能被广泛应用于探测车辆周围空间的潜在碰撞危险。在汽车工业朝着智能驾驶控制方向发展的进程中，雷达传感器已成为提高汽车安全性的有效手段之一。雷达传感器是利用电磁波探测目标的电子设备，其基本工作原理是：通过发射电磁波对探测区进行照射并接收其回波，从而获得探测区内目标的位置信息，实现对目标位置进行估计的目的。其中，在对目标定位之前需要确定探测区域内的目标个数。

目前，为确定雷达传感器的探测区域内的目标个数，通常采用信源数估计算法估计雷达的已知波束内的目标个数。

但是，在实际行车应用场景中，多个目标处在同一个距离分辨单元和速度分辨单元的情况下，上述信源数估计算法判别目标个数的准确度较低，也会导致后续的目标位置估计的准确度和效率较低。

发明内容

本申请实施例提供了一种探测目标的个数估计方法、装置、电子设备及存储介质，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，进而将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

第一方面，本申请实施例提供了一种探测目标的个数估计方法，该方法包括：

构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵；

利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，以及利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量；其中，所述第一导向矢量为所述第一雷达指向目标探测区域的单快拍信号，所述第二导向矢量为所述第二雷达指向所述目标探测区域的单快拍信号，所述第三导向矢量和所述第四导向矢量为所述参考点指向所述目标探测区域的两快拍信号；

利用所述第三导向矢量、所述第四导向矢量以及信源数估计算法，对所述目标探测区域内的探测目标的个数进行估计。

在本申请实施例中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，并将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

具体为，根据第一雷达的位置信息和参考点的位置信息，构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，再利用该第一旋转矩阵和第一雷达的第一导向矢量，可以确定第三导向矢量，其中，参考点可以为任意一点，第一雷达的第一导向矢量为第一雷达指向目标探测区域的单快拍信号，第三导向矢量为上述参考点指向目标探测区域的信号，由此可知，利用第一雷达的位置信息和阵列通道信号，以及参考点的位置信息，可以将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号。同样的，根据第二雷达的位置信息和上述参考点的位置信息，构建第二雷达和参考点之间的阵列导向矢量的第二旋转矩阵，再利用该第二旋转矩阵和第二雷达的第二导向矢量，可以确定第四导向矢量，其中，第二雷达的第二导向矢量为第二雷达指向上述目标探测区域的单快拍信号，第四导向矢量为上述参考点指向目标探测区域的信号，由此可知，利用第二雷达的位置信息和阵列通道信号，以及上述参考点的位置信息，可以将第二雷达指向目标探测区域的单快拍信号转化成上述参考点指向该目标探测区域的信号。经过上述信号处理后得到的第三导向矢量和第四导向矢量是相互独立的，因此可以近似等效为上述参考点指向该目标探测区域的不相关两快拍信号。其中，该目标探测区域包括两个或两个以上的探测目标，利用上述第三导向矢量、第四导向矢量以及结合信源数估计算法，可以对上述探测区域内的探测目标的个数进行估计。探测目标的个数还可以用于后续对探测目标的位置估计，提高探测目标位置估计的准确度和效率。

在实际的雷达探测目标个数的应用场景中，已有的目标个数的估计方法，要求雷达对于目标探测区域的探测是在单快拍完成处理的，但是在单快拍下，由于雷达信号真实的独立维度只有一维，对雷达信源数估计算法的性能影响较大，具体表现为多目标的分辨概率下降，故目前已有的目标个数的估计方法，存在对目标个数估计的准确度和效率较低的问题。本申请实施例可以在不增加信号通道数以及信号快拍数的前提下，利用分布式雷达中不同雷达的阵列通道信号构建近似等效为任意一个参考点指向目标探测区域的不相关多快拍信号，并利用该多快拍信号结合信源数估计算法对目标探测区域内的探测目标个数进行估计，可以明显提高雷达系统的同一波束内对多目标的分辨性能，提高对目标个数估计的准确度和效率。

在一种可能的实施方式中，所述构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，包括：

利用第一方位角、第三方位角、第一距离、第三距离，构建所述第一雷达和所述参考点之间的阵列导向矢量的所述第一旋转矩阵；其中，所述第一方位角为所述第一雷达相对于所述目标探测区域的方位角，所述第三方位角为所述参考点相对于所述目标探测区域的方位角，所述第一距离为所述第一雷达相对于所述目标探测区域的距离，所述第三距离为所述参考点相对于所述目标探测区域的距离；

所述构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵，包括：

利用第二方位角、所述第三方位角、第二距离、所述第三距离，构建所述第二雷达和所述参考点之间的阵列导向矢量的所述第二旋转矩阵；其中，所述第二方位角为所述第二雷达相对于所述目标探测区域的方位角，所述第二距离为所述第二雷达相对于所述目标探测区域的距离。

在本申请实施例中，提供了构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵的具体实施方法，以及构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵的具体实施方法。获取第一雷达相对于目标探测区域的方位角作为第一方位角，获取参考点相对于上述目标探测区域的方位角作为第三方位角，获取第一雷达相对于上述目标探测区域的距离作为第一距离，获取参考点相对于上述目标探测区域的距离作为第三距离，利用上述第一方位角、第三方位角、第一距离以及第三距离，可构建第一雷达和上述参考点之间的阵列导向矢量的第一旋转矩阵，该第一旋转矩阵可用于后续将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号。同样的，获取第二雷达相对于上述目标探测区域的方位角作为第二方位角，获取第二雷达相对于上述目标探测区域的距离作为第二距离，利用上述第二方位角、第三方位角、第二距离以及第三距离，可构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵，该第二旋转矩阵可用于后续将第二雷达指向目标探测区域的单快拍信号转化为上述参考点指向该目标探测区域的信号。

在一种可能的实施方式中，所述利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，包括：

将所述第一旋转矩阵左乘以所述第一导向矢量，得到所述第三导向矢量；

所述利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量，包括：

将所述第二旋转矩阵左乘以所述第二导向矢量，得到所述第四导向矢量。

在本申请实施例中，提供了利用第一旋转矩阵和第一雷达的第一导向矢量得到第三导向矢量的具体实施方法，以及利用第二旋转矩阵和第二雷达的第二导向矢量得到第四导向矢量的具体实施方法。将上述第一旋转矩阵左乘以上述第一导向矢量，可得到上述第三导向矢量，同样的，将上述第二旋转矩阵左乘以上述第二导向矢量，可得到上述第四导向矢量。本申请实施例通过对第一旋转矩阵和第一导向矢量进行数据处理，可以将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号，通过对第二旋转矩阵和第二导向矢量进行数据处理，可以将第二雷达指向目标探测区域的单快拍信号转化为上述参考点指向该目标探测区域的信号，有效解决了在单快拍下存在的对目标探测区域内的目标个数估计的准确度和效率较低的问题。

在一种可能的实施方式中，所述方法还包括：

利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，所述超分辨算法包括多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法中的至少一项。

在本申请实施例中，在确定上述第三导向矢量和第四导向矢量之后，还提供了利用第三导向矢量和第四导向矢量进行超分辨测角的方法。具体为，利用上述第三导向矢量、第四导向矢量以及超分辨算法，对目标探测区域内的探测目标的位置进行估计。其中，上述超分辨算法可以是多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法等。本申请实施例通过超分辨算法估计目标探测区域内的探测目标的位置，可以实现在单快拍下，提升雷达系统的同一波束内多目标的目标位置估计成功的概率。

在一种可能的实施方式中，所述利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，包括：

利用所述第三导向矢量、所述第四导向矢量、所述目标探测区域内的探测目标的个数以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计。

在本申请实施例中，在利用信源数估计算法确定了目标探测区域内的探测目标个数之后，提供了对上述目标探测区域内的探测目标的位置进行估计的具体实施方法，具体为，利用上述第三导向矢量、第四导向矢量、目标探测区域内的探测目标个数以及超分辨算法，对探测目标的位置进行估计。本申请实施例联合信源数算法估计目标探测区域内的探测目标个数，对探测目标的位置进行估计，可以实现在单快拍下，提升雷达系统的同一波束内多目标信源数判别成功概率，以及对多目标的分辨性能。

在一种可能的实施方式中，所述信源数估计算法包括以下至少一项：最小描述长度准则MDL算法、赤池信息量准则AIC算法。

在本申请实施例中，信源数估计算法可以是最小描述长度准则MDL算法、赤池信息量准则AIC算法等。

第二方面，本申请实施例提供了一种探测目标的个数估计装置，该装置包括：

构建单元，用于构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵；

确定单元，用于利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，以及利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量；其中，所述第一导向矢量为所述第一雷达指向目标探测区域的单快拍信号，所述第二导向矢量为所述第二雷达指向所述目标探测区域的单快拍信号，所述第三导向矢量和所述第四导向矢量为所述参考点指向所述目标探测区域的两快拍信号；

估计单元，用于利用所述第三导向矢量、所述第四导向矢量以及信源数估计算法，对所述目标探测区域内的探测目标的个数进行估计。

在本申请实施例中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，并将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

具体为，根据第一雷达的位置信息和参考点的位置信息，构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，再利用该第一旋转矩阵和第一雷达的第一导向矢量，可以确定第三导向矢量，其中，参考点可以为任意一点，第一雷达的第一导向矢量为第一雷达指向目标探测区域的单快拍信号，第三导向矢量为上述参考点指向目标探测区域的信号，由此可知，利用第一雷达的位置信息和阵列通道信号，以及参考点的位置信息，可以将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号。同样的，根据第二雷达的位置信息和上述参考点的位置信息，构建第二雷达和参考点之间的阵列导向矢量的第二旋转矩阵，再利用该第二旋转矩阵和第二雷达的第二导向矢量，可以确定第四导向矢量，其中，第二雷达的第二导向矢量为第二雷达指向上述目标探测区域的单快拍信号，第四导向矢量为上述参考点指向目标探测区域的信号，由此可知，利用第二雷达的位置信息和阵列通道信号，以及上述参考点的位置信息，可以将第二雷达指向目标探测区域的单快拍信号转化成上述参考点指向该目标探测区域的信号。经过上述信号处理后得到的第三导向矢量和第四导向矢量是相互独立的，因此可以近似等效为上述参考点指向该目标探测区域的不相关两快拍信号。其中，该目标探测区域包括两个或两个以上的探测目标，利用上述第三导向矢量、第四导向矢量以及结合信源数估计算法，可以对上述探测区域内的探测目标的个数进行估计。探测目标的个数还可以用于后续对探测目标的位置估计，提高探测目标位置估计的准确度和效率。

在实际的雷达探测目标个数的应用场景中，已有的目标个数的估计方法，要求雷达对于目标探测区域的探测是在单快拍完成处理的，但是在单快拍下，由于雷达信号真实的独立维度只有一维，对雷达信源数估计算法的性能影响较大，具体表现为多目标的分辨概率下降，故目前已有的目标个数的估计方法，存在对目标个数估计的准确度和效率较低的问题。本申请实施例可以在不增加信号通道数以及信号快拍数的前提下，利用分布式雷达中不同雷达的阵列通道信号构建近似等效为任意一个参考点指向目标探测区域的不相关多快拍信号，并利用该多快拍信号结合信源数估计算法对目标探测区域内的探测目标个数进行估计，可以明显提高雷达系统的同一波束内对多目标的分辨性能，提高对目标个数估计的准确度和效率。

在一种可能的实施方式中，所述构建单元，具体用于利用第一方位角、第三方位角、第一距离、第三距离，构建所述第一雷达和所述参考点之间的阵列导向矢量的所述第一旋转矩阵；其中，所述第一方位角为所述第一雷达相对于所述目标探测区域的方位角，所述第三方位角为所述参考点相对于所述目标探测区域的方位角，所述第一距离为所述第一雷达相对于所述目标探测区域的距离，所述第三距离为所述参考点相对于所述目标探测区域的距离；

所述构建单元，具体还用于利用第二方位角、所述第三方位角、第二距离、所述第三距离，构建所述第二雷达和所述参考点之间的阵列导向矢量的所述第二旋转矩阵；其中，所述第二方位角为所述第二雷达相对于所述目标探测区域的方位角，所述第二距离为所述第二雷达相对于所述目标探测区域的距离。

在本申请实施例中，提供了构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵的具体实施方法，以及构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵的具体实施方法。获取第一雷达相对于目标探测区域的方位角作为第一方位角，获取参考点相对于上述目标探测区域的方位角作为第三方位角，获取第一雷达相对于上述目标探测区域的距离作为第一距离，获取参考点相对于上述目标探测区域的距离作为第三距离，利用上述第一方位角、第三方位角、第一距离以及第三距离，可构建第一雷达和上述参考点之间的阵列导向矢量的第一旋转矩阵，该第一旋转矩阵可用于后续将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号。同样的，获取第二雷达相对于上述目标探测区域的方位角作为第二方位角，获取第二雷达相对于上述目标探测区域的距离作为第二距离，利用上述第二方位角、第三方位角、第二距离以及第三距离，可构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵，该第二旋转矩阵可用于后续将第二雷达指向目标探测区域的单快拍信号转化为上述参考点指向该目标探测区域的信号。

在一种可能的实施方式中，所述确定单元，具体用于将所述第一旋转矩阵左乘以所述第一导向矢量，得到所述第三导向矢量；

所述确定单元，具体还用于将所述第二旋转矩阵左乘以所述第二导向矢量，得到所述第四导向矢量。

在本申请实施例中，提供了利用第一旋转矩阵和第一雷达的第一导向矢量得到第三导向矢量的具体实施方法，以及利用第二旋转矩阵和第二雷达的第二导向矢量得到第四导向矢量的具体实施方法。将上述第一旋转矩阵左乘以上述第一导向矢量，可得到上述第三导向矢量，同样的，将上述第二旋转矩阵左乘以上述第二导向矢量，可得到上述第四导向矢量。本申请实施例通过对第一旋转矩阵和第一导向矢量进行数据处理，可以将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号，通过对第二旋转矩阵和第二导向矢量进行数据处理，可以将第二雷达指向目标探测区域的单快拍信号转化为上述参考点指向该目标探测区域的信号，有效解决了在单快拍下存在的对目标探测区域内的目标个数估计的准确度和效率较低的问题。

在一种可能的实施方式中，所述估计单元，还用于利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，所述超分辨算法包括多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法中的至少一项。

在本申请实施例中，在确定上述第三导向矢量和第四导向矢量之后，还提供了利用第三导向矢量和第四导向矢量进行超分辨测角的方法。具体为，利用上述第三导向矢量、第四导向矢量以及超分辨算法，对目标探测区域内的探测目标的位置进行估计。其中，上述超分辨算法可以是多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法等。本申请实施例通过超分辨算法估计目标探测区域内的探测目标的位置，可以实现在单快拍下，提升雷达系统的同一波束内多目标的目标位置估计成功的概率。

在一种可能的实施方式中，所述估计单元，具体用于利用所述第三导向矢量、所述第四导向矢量、所述目标探测区域内的探测目标的个数以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计。

在本申请实施例中，在利用信源数估计算法确定了目标探测区域内的探测目标个数之后，提供了对上述目标探测区域内的探测目标的位置进行估计的具体实施方法，具体为，利用上述第三导向矢量、第四导向矢量、目标探测区域内的探测目标个数以及超分辨算法，对探测目标的位置进行估计。本申请实施例联合信源数算法估计目标探测区域内的探测目标个数，对探测目标的位置进行估计，可以实现在单快拍下，提升雷达系统的同一波束内多目标信源数判别成功概率，以及对多目标的分辨性能。

在一种可能的实施方式中，所述信源数估计算法包括以下至少一项：最小描述长度准则MDL算法、赤池信息量准则AIC算法。

在本申请实施例中，信源数估计算法可以是最小描述长度准则MDL算法、赤池信息量准则AIC算法等。

第三方面，本申请实施例提供一种探测目标的个数估计装置，所述探测目标的个数估计装置包括处理器和存储器；所述存储器用于存储计算机执行指令；所述处理器用于执行所述存储器所存储的计算机执行指令，以使所述探测目标的个数估计装置执行如上述第一方面以及任一项可能的实现方式的方法。可选的，所述探测目标的个数估计装置还包括收发器，所述收发器，用于接收信号或者发送信号。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质用于存储指令或计算机程序；当所述指令或所述计算机程序被执行时，使得第一方面所述的方法被实现。

第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括指令或计算机程序；当所述指令或所述计算机程序被执行时，使得第一方面所述的方法被实现。

第六方面，本申请实施例提供一种芯片，该芯片包括处理器和通信接口，所述处理器用于从该通信接口调用并运行指令，当该处理器执行所述指令时，使得该芯片执行如第一方面或第一方面的各种实施方式所述的方法。

第七方面，本申请实施例提供一种系统，所述系统包括至少一个如第二方面或第三方面所述的探测目标的个数估计装置或第六方面所述的芯片。

本申请实施例中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，进而将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

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，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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为本申请实施例提供的一种探测目标个数估计的场景示意图；

图2为本申请实施例提供的一种探测目标个数估计的架构示意图；

图3为本申请实施例提供的另一种探测目标个数估计的架构示意图；

图4为本申请实施例提供的一种探测目标的个数估计方法的流程示意图；

图5为本申请实施例提供的又一种探测目标个数估计的架构示意图；

图6为本申请实施例提供的一种探测目标个数估计的效果示意图；

图7为本申请实施例提供的一种探测目标位置估计的效果示意图；

图8为本申请实施例提供的一种探测目标个数估计装置的结构示意图；

图9为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例进行描述。

本申请的说明书、权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备等，没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元等，或可选地还包括对于这些过程、方法、产品或设备等固有的其它步骤或单元。

在本文中提及的“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员可以显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上，“至少两个(项)”是指两个或三个及三个以上，“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

本申请提供了一种目标位置的估计方法，为了更清楚地描述本申请的方案，下面先介绍一些与目标位置估计相关的知识。

雷达：或称为雷达装置，也可以称为探测器、雷达传感器、雷达探测装置或者雷达信号发送装置等。其工作原理是通过发射信号(或者称为探测信号)，并接收经过目标物体反射的反射信号，来探测相应的目标物体。雷达所发射的信号可以是雷达信号，相应的，所接收的经过目标物体反射的反射信号也可以是雷达信号。

雷达传感器的发射周期(或者，称为雷达传感器的扫频周期、扫频时间或扫频时长等)，是指雷达传感器进行一个完整波形的雷达信号发射的周期。雷达传感器一般会在一段连续的时长内进行多个扫频周期的雷达信号发送。

近些年，车载高级驾驶员辅助系统(advanced driver assistance systems，ADAS)在智能汽车中发挥着十分重要的作用，它是利用安装在车上的各式各样的传感器，在汽车行驶过程中随时来感应周围的环境，收集数据，进行静止、移动物体的辨识、侦测与追踪，并结合导航仪地图数据，进行系统的运算与分析，从而预先让驾驶者察觉到可能发生的危险，有效增加汽车驾驶的舒适性和安全性。可以说，真正的无人驾驶是ADAS发展到极致的产物。在无人驾驶架构中，传感层被比作为汽车的“眼睛”，包括车载摄像头等视觉系传感器和车载毫米波雷达、车载激光雷达和车载超声波雷达等雷达系传感器。毫米波雷达由于成本较低、技术比较成熟，率先成为无人驾驶系统主力传感器。目前ADAS已开发出十多项功能，其中自适应巡航、自动紧急制动、变道辅助、或盲点监测等都离不开车载毫米波雷达。

毫米波是指波长介于1～10mm之间的电磁波，所对应的频率范围为30～300GHz。在这个频段，毫米波相关的特性使其非常适合应用于车载领域。带宽大：频域资源丰富，天线副瓣低，有利于实现成像或准成像；波长短：雷达设备体积和天线口径得以减小，重量减轻；波束窄：在相同天线尺寸下毫米波的波束要比微波的波束窄得多，雷达分辨率高；穿透强：相比于激光雷达和光学系统，更加具有穿透烟、灰尘和雾的能力，可全天候工作。

下面结合本申请实施例中的附图对本申请实施例进行描述。

请参阅图1，图1为本申请实施例提供的一种探测目标个数估计的场景示意图。如图1所示，有一辆汽车A在道路上行驶，车上运行的雷达传感器系统检测到车身左前方有若干辆(一辆或两辆或两辆以上)汽车(车B和车C)正在以同一个速度朝同一个方向行驶，此时，虚线扇形区域表示车A搭载的雷达传感器的探测区域，车B和车C均处于车A的安全检测区域内，将被车A的雷达传感器系统认定为可能存在驾驶风险的探测目标。又因为上述探测目标处于车A的雷达传感器的同一个距离分辨单元和速度分辨单元上，故无法精准估计探测目标的个数，只能对包含一个或多个探测目标的目标探测区域(虚线圆形区域)进行大概估计。在上述行车应用场景中，往往存在多个距离相近的目标的情况，对其进行测量的前提是能分辨出多目标。虽然在雷达传感器应用中，可以通过距离分辨和速度分辨对目标进行分辨，但是总是存在多个目标处在同一个距离分辨单元与速度分辨单元中的情况，此时不可避免的需要利用角度维的分辨才能将多目标分开，否则，车A的雷达传感器极易将车B和车C视为一个整体，从而误判引发一系列可能存在的行车安全隐患。

角度测量是雷达传感器进行目标位置估计的基本要求，现有的车载毫米波雷达系统主要测角方法是利用天线整列对目标进行测角，常规的测角方法有和差波束测角、比相法测角以及数字波束形成(digital beam forming，DBF)测角等。被测目标的角度分辨率是与雷达传感器的天线孔径成反比的，即天线的孔径越大，天线增益越大，波束宽度越窄，角度分辨率越高，雷达的角分辨能力越强。然而，由于车辆的安装需求及成本等因素的限制，现有的车载雷达孔径总是有限的，比如，常规的三发四收中短距雷达，角度分辨率仅为10度左右。在图1所示的应用场景中，当前方有并排两辆车处于雷达传感器的同一距离和速度分辨单元，并且相对于雷达传感器的角度间隔将远小于10度的情况下，此时，车A的雷达传感器系统利用常规的测角方法会将两个探测目标(车B和车C)视为一个目标处理，如此，多目标的测量将会出现巨大误差，从而无法正确感知前方的环境，造成行车危险，因此需要对多目标进行信源数估计处理和超分辨处理。

为了实现雷达一个波束内多目标的分辨与测量问题，可采用一系列超分辨算法对探测目标进行超分辨处理，比如，多重信号分类(multiple signal classification，MUSIC)算法、旋转不变性子空间(estimating signal parameter via rotationalinvariance，ESPRIT)算法、松弛Relax算法、自适应迭代(iterative adaptive approach，IAA)算法等，此类算法由于能够实现一个波束内多目标的分辨与测量而得名。此外，此类算法的使用条件是已知波束内的探测目标个数，再对各个探测目标进行超分辨处理。确定目标探测区域内的探测目标个数，可采用信源数估计算法估计探测目标个数，常用的信源数估计算法有赤池信息量准则(akaike information criterion，AIC)算法、最小描述长度准则(minimum description length，MDL)算法等。因此，联合使用上述两类算法，可以用于一个波束内的多目标分辨与测量。然而，由于在实际行车应用场景中，对探测目标的处理要求是在单快拍下完成的，而上述信源数估计算法和超分辨算法在单快拍下的性能不佳。比如，常规的三发四收中短距雷达，在单快拍信号下进行信源数判别成功的概率很低。根据已有的研究显示，在仿真环境双目标相隔5度的情况下，单快拍信号下得到的目标信源数分布可知，只有约40％的概率能成功判别出是双目标，而这个判别概率是远不够用于真实行车应用场景中的。此外，在单快拍下，由于信号真实的独立维度只有一维，因此，对超分辨测角算法的性能影响也较大，具体表现为多目标的分辨概率以及测角精度的下降。

针对图1所示场景中存在的信源数判别成功概率低、超分辨测角精度低的问题，本申请实施例提供了一种探测目标个数估计的架构示意图，请参阅图2。本申请实施例中的探测目标个数估计的架构，可以在不增加信号通道数以及快拍数的前提下，利用分布式雷达中不同雷达的回波信号构建“多快拍”信号，此处的“多快拍”信号表示的是等效的快拍数大于一的信号。利用该信号结合信源数估计算法进行目标数判别，可以大大提升雷达系统的波束内多目标信源数判别成功概率。利用分布式雷达中的不同雷达信号结合超分辨算法，进行多雷达联合超分辨处理，可以大大提升雷达系统的波束内多目标的分辨性能。

如图2所示，多部雷达(雷达1、雷达2、雷达3)可以同时观测到目标探测区域(虚线椭圆区域)的信号，并能够通过数据传导线路将各雷达信号传输至中心处理器共同处理，上述目标探测区域内包含的两个探测目标处于同一个距离和速度分辨单元。中心处理器可以是独立于各个雷达的处理器，也可以是分布式雷达中的任意一部主雷达(可以是雷达1或雷达2或雷达3)。传输至中心处理器的各雷达数据可以是原始的回波模拟数字转换(analog-to-digital converter，ADC)数据，也可以是各雷达单独检测后的阵列通道数据，此处不做限制。

在上述图2所示的探测目标个数估计架构的基础上，还可结合探测目标个数估计的具体实现过程对其架构进一步细化。可参阅图3，图3为本申请实施例提供的另一种探测目标个数估计的架构示意图。如图3所示，雷达1、雷达2和雷达3分布在智能车上的不同位置，具体可以是毫米波雷达、激光雷达等基于飞行时间原理设计的雷达传感器中的任意一种，其均具有独立测距、测速与测角的能力。雷达1、雷达2和雷达3之间均具有共视区域，且可以在毫秒量级时间同步精度的条件下对共视区域内的探测目标进行同时且独立的探测，毫秒量级的时间同步精度可以确保各个雷达共视区域内的场景是相同的，而且毫秒量级的时间同步精度利用汽车控制器局域网络(controller area network，CAN)总线即可实现。可选的，本申请实施例所示架构中的雷达数量为M，M为大于或等于2的正整数，为了使说明更为方便简洁，本申请实施例中取M的值为3，M个雷达即表示上述的雷达1、雷达2和雷达3。

上述各雷达将各自探测获取到的原始回波IQ数据进行二维快速傅立叶变换(fastfourier transform，FFT)处理，得到距离-速度域(RV-MAP)结果。并对单个雷达所有天线通道(设有N根天线)进行非相参积累后的独立进行恒定虚警概率(constant false alarmrate，CFAR)检测，可以得到该雷达的共视区域内与目标探测区域相关的阵列通道数据(仅为N*1维数据)及目标探测区域的距离信息。再将各个雷达检测得到的与目标探测区域相关的阵列通道数据和目标探测区域的距离信息传输至中央处理器，从而获得N*M维数据。其中，上述原始回波IQ数据是把原始回波信号进行矢量分解得到的，也就是把原始回波信号分解为频率相同、峰值幅度相同但相位相差90的两个分量。用矢量表述信号，可以完整地描述信号的幅度、频率和相位。矢量是一个直角坐标系中的旋转的箭头。箭头的长度代表信号的峰值幅度。逆时针旋转方向为正方向。箭头与横轴正半轴的夹角为相位。信号周期对应于箭头旋转一周的时间。信号每秒钟完成旋转的次数对应于信号频率。信号矢量在纵轴上的投影长度等于信号的峰值幅度乘以相位正弦值，因此，如果信号是一个正弦波，该投影就对应于信号的瞬时幅度。通常采用一个正弦信号和一个余弦信号描述这两个分量，其中余弦分量被称为同相分量，即I分量，正弦分量被称为正交分量，即Q分量。此外，恒定虚警概率检测是雷达目标检测的一种常见的手段，其检测功能在于判断目标存在的有或无，因此，其检测功能可以变成在含有噪声的情况下确定信号存在还是不存在。如图3所示，雷达1将获取到的原始回波IQ数据进行FFT处理，得到RV-MAP结果，并对雷达1的N根天线通道进行非相参积累后的独立进行CFAR检测，可以得到不可分辨目标(图2中的目标探测区域)所在的距离R1及阵列通道信号矢量S1。同样的，雷达2将获取到的原始回波IQ数据进行FFT处理，得到RV-MAP结果，并对雷达2的N根天线通道进行非相参积累后的独立进行CFAR检测，可以得到不可分辨目标(图2中的目标探测区域)所在的距离R2及阵列通道信号矢量S2；雷达3将获取到的原始回波IQ数据进行FFT处理，得到RV-MAP结果，并对雷达3的N根天线通道进行非相参积累后的独立进行CFAR检测，可以得到不可分辨目标(图2中的目标探测区域)所在的距离R3及阵列通道信号矢量S3。

可选的，上述各个雷达对探测获取到的原始回波IQ数据进行各种数据处理，最后得到不可分辨目标(图2中的目标探测区域)所在的距离信息以及阵列通道数据的过程，可以由各个雷达完成该过程中的数据处理，再将得到的距离信息以及阵列通道数据传输给中央处理器。上述数据处理也可以由中央处理器完成，即各个雷达将探测获取到的原始回波IQ数据直接传输给中央处理器，中央处理器再对各个雷达的原始回波IQ数据处理后得到多维不可分辨目标(图2中的目标探测区域)所在的距离信息以及阵列通道数据。

中央处理器获取到上述N*M维数据后，再选取任意一点作为参考点，根据该参考点的位置信息，以及各个雷达的空间几何位置、阵面倾角，对不同雷达的阵列通道数据进行坐标转换及相对应的信号处理，以此将不同位置雷达的同时刻信号转化为相对同一个几何位置(即上述参考点)的“多快拍”信号，此处应为相对于上述参考点的三快拍信号。中央处理器再利用信源数估计算法，结合上述三快拍信号，对目标探测区域内的探测目标的个数进行估计，可以大大提升雷达系统的波束内多目标信源数估计成功的概率。在确定目标探测区域内的探测目标个数的基础上，中央处理器再利用超分辨算法，结合上述三快拍信号，对目标探测区域内的各个探测目标分别进行超分辨测角。其中，上述信源数估计算法可以包括最小描述长度准则(minimum description length，MDL)算法、AIC算法等。上述超分辨算法可以包括多重信号分类(multiple signal classification，MUSIC)算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间(estimating signal parameter via rotationalinvariance，Esprit)算法、松弛Relax算法等。

基于上述图2和图3所示的探测目标个数估计架构，本申请实施例相应的还提供了一种探测目标的个数估计方法，该方法可以在不增加信号通道数以及快拍数的前提下，利用分布式雷达中不同雷达的回波信号构建“多快拍”信号，进而再利用该信号进行目标探测区域内的探测目标个数估计，以及进行多雷达联合超分辨测角处理，可以大大提升雷达系统的波束内多目标信源数估计成功的概率，以及大大提升雷达系统的波束内多目标的超分辨测角性能。

请参阅图4，图4为本申请实施例提供的一种探测目标的个数估计方法的流程示意图，该方法包括但不限于如下步骤：

步骤401：构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵。

电子设备构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵。其中，本申请实施例中的电子设备搭载了可用于数据处理的处理器，该处理器可以是独立于各个雷达的处理器，也可以是分布式雷达中的任意一部雷达(可以是第一雷达或第二雷达)。

本申请实施例中的第一雷达和第二雷达具有共视区域，组成分布式雷达系统，其均具有独立测距、测速与测角的能力，可以在毫秒量级时间同步精度的条件下对共视区域内的目标进行同时且独立的探测。需要注意的是，本申请实施例中对雷达用“第一”和“第二”命名，只用于区分不同雷达，并没有先后次序，主副等级之分，也不是仅局限于两部雷达组成分布式雷达系统，可以由两部及两部以上雷达组成具有共视区域的分布式雷达系统，为说明更为方便简洁，本申请实施例以“第一雷达”和“第二雷达”为例进行说明。

本申请实施例中的参考点可以为任意一个已知其位置信息的空间坐标点，该参考点可以是不同于第一雷达和第二雷达所在空间位置的点，也可以是同第一雷达或第二雷达所在空间位置重合的点，本申请实施例以上述参考点为不同于第一雷达和第二雷达所在空间位置的点为例进行说明。需要注意的是，本申请实施例中参考点的位置信息、第一雷达的位置信息以及第二雷达的位置信息均已存储在电子设备中，具体可以包括距离、方位角、俯仰角、阵面倾角等与位置相关的信息。

电子设备根据第一雷达的位置信息和参考点的位置信息，构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，根据第二雷达的位置信息和上述参考点的位置信息，构建第二雷达和参考点之间的阵列导向矢量的第二旋转矩阵。具体为，获取第一雷达相对于目标探测区域的方位角作为第一方位角，获取参考点相对于上述目标探测区域的方位角作为第三方位角，获取第一雷达相对于上述目标探测区域的距离作为第一距离，获取参考点相对于上述目标探测区域的距离作为第三距离，利用上述第一方位角、第三方位角、第一距离以及第三距离，可构建第一雷达和上述参考点之间的阵列导向矢量的第一旋转矩阵，该第一旋转矩阵可用于后续将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号。同样的，获取第二雷达相对于上述目标探测区域的方位角作为第二方位角，获取第二雷达相对于上述目标探测区域的距离作为第二距离，利用上述第二方位角、第三方位角、第二距离以及第三距离，可构建第二雷达和上述参考点之间的阵列导向矢量的第二旋转矩阵，该第二旋转矩阵可用于后续将第二雷达指向目标探测区域的单快拍信号转化为上述参考点指向该目标探测区域的信号。

其中，本申请实施例中的目标探测区域指的是包含了一个或多个处于同一距离和速度分辨单元的探测目标的最小探测区域，例如，上述图2中的虚线椭圆区域为包含了两个处于同一距离和速度分辨单元的探测目标的最小探测区域，故该虚线椭圆区域为目标探测区域。此时的目标探测区域内的情况在单快拍信号下还是不可分辨目标(目标个数识别准确度低)，需要通过本申请实施例对其进行探测目标的个数估计以及位置估计。

步骤402：利用第一旋转矩阵和第一雷达的第一导向矢量，得到第三导向矢量，以及利用第二旋转矩阵和第二雷达的第二导向矢量，得到第四导向矢量。

电子设备利用上述第一旋转矩阵和第一雷达的第一导向矢量，得到第三导向矢量，以及利用上述第二旋转矩阵和第二雷达的第二导向矢量，得到第四导向矢量。其中，第一雷达的第一导向矢量为第一雷达指向目标探测区域的单快拍信号，第三导向矢量为上述参考点指向目标探测区域的信号，由此可知，利用第一雷达的位置信息和阵列通道信号，以及参考点的位置信息，可以将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号。第二雷达的第二导向矢量为第二雷达指向上述目标探测区域的单快拍信号，第四导向矢量为上述参考点指向目标探测区域的信号，由此可知，利用第二雷达的位置信息和阵列通道信号，以及上述参考点的位置信息，可以将第二雷达指向目标探测区域的单快拍信号转化成上述参考点指向该目标探测区域的信号。由于经过上述信号处理后得到的第三导向矢量和第四导向矢量是相互独立的，因此可以近似等效为上述参考点指向该目标探测区域的不相关两快拍信号。具体为，将上述第一旋转矩阵左乘以上述第一导向矢量，可得到上述第三导向矢量，同样的，将上述第二旋转矩阵左乘以上述第二导向矢量，可得到上述第四导向矢量。

本申请实施例通过对第一旋转矩阵和第一导向矢量进行数据处理，可以将第一雷达指向目标探测区域的单快拍信号转化成参考点指向该目标探测区域的信号，通过对第二旋转矩阵和第二导向矢量进行数据处理，可以将第二雷达指向目标探测区域的单快拍信号转化为上述参考点指向该目标探测区域的信号，有效解决了在单快拍下存在的对多目标个数估计的准确度和效率较低的问题。

步骤403：利用第三导向矢量、第四导向矢量以及信源数估计算法，对目标探测区域内的探测目标的个数进行估计。

电子设备利用上述第三导向矢量、第四导向矢量以及结合信源数估计算法，可以对上述目标探测区域内的探测目标的个数进行估计。其中，信源数估计算法可以是最小描述长度准则MDL算法、AIC算法等。

在实际的雷达探测目标个数的应用场景中，已有的探测目标个数的估计方法，要求雷达对于目标探测区域的探测是在单快拍完成处理的，但是在单快拍下，由于雷达信号真实的独立维度只有一维，对雷达超分辨算法测角的性能影响较大，具体表现为多目标的分辨概率以及测角精度的下降，故目前已有的探测目标个数的估计方法，存在对探测目标个数估计的准确度和效率较低的问题。本申请实施例可以在不增加信号通道数以及信号快拍数的前提下，利用分布式雷达中不同雷达的阵列通道信号构建近似等效为任意一个参考点指向目标探测区域的不相关多快拍信号，并利用该多快拍信号结合信源数估计算法进行探测目标个数估计处理，可以明显提高雷达系统的同一波束内对多目标的分辨性能，并提高后续对探测目标位置估计的准确度和效率。

此外，通过上述步骤402确定上述第三导向矢量和第四导向矢量之后，本申请实施例还可以利用第三导向矢量和第四导向矢量对目标探测区域内的探测目标进行超分辨测角处理。具体为利用上述第三导向矢量、第四导向矢量以及超分辨算法，对目标探测区域内的探测目标的位置进行估计，可以大大提高探测目标位置估计的准确度和效率。其中，上述超分辨算法可以是多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法等。本申请实施例通过超分辨算法估计目标探测区域内的探测目标的位置，可以实现在单快拍下，提升雷达系统的同一波束内多目标的目标位置估计成功的概率。

进一步地，在利用信源数估计算法确定了目标探测区域内的探测目标个数之后，再利用上述第三导向矢量、第四导向矢量、目标探测区域内的探测目标个数以及超分辨算法，对探测目标的位置进行估计。本申请实施例联合信源数算法估计目标探测区域内的探测目标个数，对探测目标的位置进行估计，可以实现在单快拍下，提升雷达系统的同一波束内多目标信源数判别成功概率，以及对多目标的分辨性能。

另一方面，当上述参考点是同第一雷达或第二雷达所在空间位置重合的点，以同第一雷达所在空间位置重合为例进行说明，电子设备还是存储了第一雷达(参考点)的位置信息以及第二雷达的位置信息，具体可以包括距离、方位角、俯仰角、阵面倾角等与位置相关的信息。电子设备根据第一雷达的位置信息和第二雷达的位置信息，构建第一雷达和第二雷达之间的阵列导向矢量的旋转矩阵。具体为，利用第一雷达相对于目标探测区域的方位角、第二雷达相对于目标探测区域的方位角、第一雷达相对于上述目标探测区域的距离、第二雷达相对于上述目标探测区域的距离，构建第一雷达和第二雷达之间的阵列导向矢量的旋转矩阵，该旋转矩阵可用于后续将第二雷达指向目标探测区域的单快拍信号转化成第一雷达指向该目标探测区域的信号。电子设备利用上述旋转矩阵和第二雷达的第二导向矢量，得到第四导向矢量。其中，第二雷达的第二导向矢量为第二雷达指向上述目标探测区域的单快拍信号，第四导向矢量为上述第一雷达指向目标探测区域的信号，由此可知，利用第二雷达的位置信息和阵列通道信号，以及上述第一雷达的位置信息，可以将第二雷达指向目标探测区域的单快拍信号转化成上述第一雷达指向该目标探测区域的信号。并且，第一雷达的第一导向矢量为第一雷达指向上述目标探测区域的单快拍信号，由于上述第一导向矢量和经过上述信号处理后得到的第四导向矢量是相互独立的，因此可以近似等效为上述第一雷达指向该目标探测区域的不相关两快拍信号。具体为，将上述旋转矩阵左乘以上述第二导向矢量，可得到上述第四导向矢量。

本实施例针对参考点的空间位置与第一雷达的空间位置重合的情况下，通过构建第一雷达和第二雷达之间的旋转矩阵，再对该旋转矩阵和第二雷达的第二导线矢量进行数据处理，可以将第二雷达指向目标探测区域的单快拍信号转化成第一雷达指向该目标探测区域的信号，再结合第一雷达本身的第一导向矢量为第一雷达指向上述目标探测区域的单快拍信号，近似等效为上述第一雷达指向该目标探测区域的不相关两快拍信号，有效解决了在单快拍下存在的对多目标个数估计的准确度和效率较低的问题。

请参阅图5，图5为本申请实施例提供的又一种探测目标个数估计的架构示意图。如图5所示，利用智能车上的两部角雷达(雷达1和雷达2)进行联合超分辨处理。雷达1和雷达2均具有独立测距、测速与测角的能力，雷达1和雷达2之间均具有共视区域，且可以在毫秒量级时间同步精度的条件下对共视区域内的目标进行同时且独立的探测，毫秒量级的时间同步精度可以确保各个雷达共视区域内的场景是相同的。

上述各雷达收到共视区域内的目标探测区域(图5中的虚线椭圆区域)的回波后，将原始回波数据进行FFT处理，独立进行快时间与慢时间域的信号处理后获得雷达各天线的RV谱。对单个雷达的各天线进行非相参积累并完成CFAR检测，可以得到该雷达的共视区域内与目标探测区域相关的阵列通道数据及目标探测区域的距离信息。再将各个雷达检测得到的与共视区域内的目标探测区域相关的阵列通道数据及距离信息上传至中央处理器，于是中央处理器获得距离信息R1、R2，以及两部雷达的阵列通道信号S1、S2。

其中，本申请实施例中的目标探测区域指的是包含了处于同一距离和速度分辨单元的探测目标A和B的最小探测区域，此时的目标探测区域内的情况在单快拍信号下还是不可分辨目标，即为本申请实施例中的被测目标，需要通过本申请实施例对其进行探测目标的个数估计以及位置估计。

中央处理器获取到上述各个雷达检测得到的距离信息以及阵列通道数据后，选取任意一点作为参考点，如图5所示，将雷达1和雷达2所在线段的中点O作为参考点，并以参考点O为原点，雷达1和雷达2所在直线为X轴，建立平面直角坐标系，此时，参考点O的位置坐标可以表示为(0，0)，雷达1的位置坐标可以表示为(x₁，y₁)，雷达2的位置坐标可以表示为(x₂，y₂)，目标探测区域的位置坐标可以表示为(x_t，y_t)，其中，可以将目标探测区域的中心坐标作为目标探测区域的位置坐标。获取雷达1相对于目标探测区域的方位角作为第一方位角θ₁，获取雷达1相对于上述目标探测区域的距离作为第一距离R1，获取雷达2相对于目标探测区域的方位角作为第二方位角θ₂，获取雷达2相对于上述目标探测区域的距离作为第二距离R2，获取雷达1的阵面倾角为

获取雷达2的阵面倾角为

获取参考点O相对于目标探测区域的方位角作为第三方位角θ₀，获取参考点O相对于目标探测区域的距离作为第三距离R0。上述几何位置信息均存储于中央处理器中，中央处理器可根据上述几何位置信息，对上述阵列通道信号S1和S2进行坐标转换及信号处理，使其转化为新的参考点O处的目标阵列信号S01和S02。

具体为，中央处理器利用上述第一方位角θ₁、第三方位角θ₀、第一距离R1以及第三距离R0，可构建雷达1和上述参考点O之间的阵列导向矢量的第一旋转矩阵，该第一旋转矩阵可用于后续将雷达1指向目标探测区域的单快拍信号转化成参考点O指向该目标探测区域的信号。利用上述第二方位角θ₂、第三方位角θ₀、第二距离R2以及第三距离R0，可构建雷达2和上述参考点O之间的阵列导向矢量的第二旋转矩阵，该第二旋转矩阵可用于后续将雷达2指向目标探测区域的单快拍信号转化为上述参考点O指向该目标探测区域的信号。中央处理器再将上述第一旋转矩阵左乘以上述雷达1的导向矢量，可以将雷达1指向目标探测区域的单快拍信号转化成参考点O指向该目标探测区域的信号S01，同样的，将上述第二旋转矩阵左乘以上述雷达2的导向矢量，可以将雷达2指向目标探测区域的单快拍信号转化成参考点O指向该目标探测区域的信号S02。由于经过上述信号处理后得到的目标阵列信号S01和S02是相互独立的，因此可以将目标阵列信号S01和S02近似等效为上述参考点O指向该目标探测区域的不相关两快拍信号，有效解决了在单快拍下存在的对多目标个数估计的准确度和效率较低的问题。

中央处理器可将得到的目标阵列信号S01和S02配合信源数估计算法对上述目标探测区域内的探测目标个数进行信源数估计，该信源数估计算法可以包括最小描述长度准则MDL算法、AIC算法等。上述信源数估计的概率结果可以参阅图6，图6为本申请实施例提供的一种探测目标个数估计的效果示意图。如图6所示，展示了在如上述图5所示架构中的双目标相隔5度时(雷达天线阵列的角度分辨率约为10度)的仿真环境下，单雷达信号信源数估计概率和分布式双雷达信号信源数估计概率的对比结果。图6中从左往右的第二和第三个条形统计图分别表示的是左右角雷达单雷达处理给出的目标数分布，可以看出均只有40％的概率成功判断出上述目标探测区域内的探测目标为双目标。图8中从左往右的第一个条形统计图表示的是联合左右角雷达双雷达系统给出的目标数分布，可以看出有约95％的概率成功判断出上述目标探测区域内的探测目标为双目标，目标数判别成功概率显著提升。

在上述将得到的目标阵列信号S01和S02配合信源数估计算法对上述目标探测区域内的探测目标个数进行信源数估计的基础上，中央处理器还可以联合利用双雷达目标阵列信号S01和S02对上述目标探测区域内的各个探测目标(A和B)进行超分辨测角处理。其中，超分辨算法可以是多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法等。上述结合超分辨算法测角的结果可以参阅图7，图7为本申请实施例提供的一种探测目标位置估计的效果示意图。如图7所示，展示了利用双雷达目标阵列信号S01、S02，以及结合超分辨算法MUSIC算法对上述目标探测区域内的各个探测目标(A和B)的超分辨结果。图7中的“十”字图标表示的是真实的探测目标位置(探测目标A、探测目标B)，曲线一和二分别表示的是左右角雷达单雷达的双目标分辨结果，曲线三表示的是左右角双雷达系统联合超分辨的双目标分辨结果。由图7可以看出，在双目标超分辨场景下，单雷达信号无法明显分辨出双目标并且给出较为准确的双目标角度信息，而双雷达信号联合超分辨算法不仅可以分辨出双目标，而且可以比较准确的测出双目标的角度信息，由上述结果可以得出双雷达系统联合超分辨算法处理相对于单雷达信号在角度超分辨性能上具有显著提升。

故本申请实施例可以在不增加信号通道数以及快拍数的前提下，利用分布式雷达中不同雷达的回波信号构建“多快拍”信号，并利用该信号进行目标数判别，可以大大提升雷达系统的波束内多目标信源数判别成功概率，以及利用分布式雷达中的不同雷达信号，进行多雷达联合超分辨处理，可以大大提升雷达系统的波束内多目标的分辨性能。

上述详细阐述了本申请实施例的方法，下面提供本申请实施例的装置。

请参阅图8，图8为本申请实施例提供的一种探测目标个数估计装置的结构示意图，该探测目标个数估计装置80可以包括构建单元801、确定单元802以及估计单元803，其中，各个单元的描述如下：

构建单元801，用于构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵；

确定单元802，用于利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，以及利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量；其中，所述第一导向矢量为所述第一雷达指向目标探测区域的单快拍信号，所述第二导向矢量为所述第二雷达指向所述目标探测区域的单快拍信号，所述第三导向矢量和所述第四导向矢量为所述参考点指向所述目标探测区域的两快拍信号；

估计单元803，用于利用所述第三导向矢量、所述第四导向矢量以及信源数估计算法，对所述目标探测区域内的探测目标的个数进行估计。

在本申请实施例中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，并将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

在一种可能的实施方式中，所述构建单元801，具体用于利用第一方位角、第三方位角、第一距离、第三距离，构建所述第一雷达和所述参考点之间的阵列导向矢量的所述第一旋转矩阵；其中，所述第一方位角为所述第一雷达相对于所述目标探测区域的方位角，所述第三方位角为所述参考点相对于所述目标探测区域的方位角，所述第一距离为所述第一雷达相对于所述目标探测区域的距离，所述第三距离为所述参考点相对于所述目标探测区域的距离；

所述构建单元801，具体还用于利用第二方位角、所述第三方位角、第二距离、所述第三距离，构建所述第二雷达和所述参考点之间的阵列导向矢量的所述第二旋转矩阵；其中，所述第二方位角为所述第二雷达相对于所述目标探测区域的方位角，所述第二距离为所述第二雷达相对于所述目标探测区域的距离。

在一种可能的实施方式中，所述确定单元802，具体用于将所述第一旋转矩阵左乘以所述第一导向矢量，得到所述第三导向矢量；

所述确定单元802，具体还用于将所述第二旋转矩阵左乘以所述第二导向矢量，得到所述第四导向矢量。

在一种可能的实施方式中，所述估计单元803，还用于利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，所述超分辨算法包括多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法中的至少一项。

在一种可能的实施方式中，所述估计单元803，具体用于利用所述第三导向矢量、所述第四导向矢量、所述目标探测区域内的探测目标的个数以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计。

在一种可能的实施方式中，所述信源数估计算法包括以下至少一项：最小描述长度准则MDL算法、赤池信息量准则AIC算法。

根据本申请实施例，图8所示的装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成，或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成，这可以实现同样的操作，而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的，在实际应用中，一个单元的功能也可以由多个单元来实现，或者多个单元的功能由一个单元实现。在本申请的其它实施例中，基于网络设备也可以包括其它单元，在实际应用中，这些功能也可以由其它单元协助实现，并且可以由多个单元协作实现。

需要说明的是，各个单元的实现还可以对应参照图4所示的方法实施例的相应描述。

在图8所描述的探测目标个数估计装置80中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，进而将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

请参阅图9，图9为本申请实施例提供的一种电子设备90的结构示意图。该电子设备90可以包括存储器901、处理器902。进一步可选的，还可以包含通信接口903以及总线904，其中，存储器901、处理器902以及通信接口903通过总线904实现彼此之间的通信连接。通信接口903用于与上述探测目标个数估计装置80进行数据交互。

其中，存储器901用于提供存储空间，存储空间中可以存储操作系统和计算机程序等数据。存储器901包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasable programmable readonly memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)。

处理器902是进行算术运算和逻辑运算的模块，可以是中央处理器(centralprocessing unit，CPU)、显卡处理器(graphics processing unit，GPU)或微处理器(microprocessor unit，MPU)等处理模块中的一种或者多种的组合。

存储器901中存储有计算机程序，处理器902调用存储器901中存储的计算机程序，以执行上述图4所示的探测目标的个数估计方法。

上述处理器902执行方法的具体内容可参阅图4，此处不再赘述。

相应的，处理器902调用存储器901中存储的计算机程序，还可以用于执行上述图8所示的探测目标个数估计装置80中的构建单元801、确定单元802以及估计单元803所执行的方法步骤，其具体内容可参阅图8，此处不再赘述。

在图9所描述的电子设备90中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，进而将该多快拍信号用于对目标探测区域内的探测目标个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

本申请实施例还提供一种计算机可读存储介质，上述计算机可读存储介质中存储有计算机程序，当上述计算机程序在一个或多个处理器上运行时，可以实现图4所示的方法。

本申请实施例还提供一种计算机程序产品，当上述计算机程序产品在处理器上运行时，可以实现图4所示的方法。

本申请实施例还提供一种芯片，该芯片包括处理器和通信接口，所述处理器用于从该通信接口调用并运行指令，当该处理器执行所述指令时，可以实现图4所示的方法。

本申请实施例还提供了一种系统，该系统包括了至少一个如上述探测目标个数估计装置80或电子设备90或芯片。

综上上述，本申请实施例中，通过在分布式雷达共视区域内，利用各雷达的阵列通道信号构建指向目标探测区域的多快拍信号，进而将该多快拍信号用于对目标探测区域内的探测目标的个数估计，可以大大提高对探测目标个数估计的准确度，并提高后续对探测目标位置估计的准确度和效率。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序相关的硬件完成，该计算机程序可存储于计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储计算机程序代码的介质。

Claims (15)

1.一种探测目标的个数估计方法，其特征在于，包括：

构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵；

利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，以及利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量；其中，所述第一导向矢量为所述第一雷达指向目标探测区域的单快拍信号，所述第二导向矢量为所述第二雷达指向所述目标探测区域的单快拍信号，所述第三导向矢量和所述第四导向矢量为所述参考点指向所述目标探测区域的两快拍信号；

利用所述第三导向矢量、所述第四导向矢量以及信源数估计算法，对所述目标探测区域内的探测目标的个数进行估计。

2.根据权利要求1所述的方法，其特征在于，所述构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，包括：

利用第一方位角、第三方位角、第一距离、第三距离，构建所述第一雷达和所述参考点之间的阵列导向矢量的所述第一旋转矩阵；其中，所述第一方位角为所述第一雷达相对于所述目标探测区域的方位角，所述第三方位角为所述参考点相对于所述目标探测区域的方位角，所述第一距离为所述第一雷达相对于所述目标探测区域的距离，所述第三距离为所述参考点相对于所述目标探测区域的距离；

所述构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵，包括：

利用第二方位角、所述第三方位角、第二距离、所述第三距离，构建所述第二雷达和所述参考点之间的阵列导向矢量的所述第二旋转矩阵；其中，所述第二方位角为所述第二雷达相对于所述目标探测区域的方位角，所述第二距离为所述第二雷达相对于所述目标探测区域的距离。

3.根据权利要求1所述的方法，其特征在于，所述利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，包括：

将所述第一旋转矩阵左乘以所述第一导向矢量，得到所述第三导向矢量；

所述利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量，包括：

将所述第二旋转矩阵左乘以所述第二导向矢量，得到所述第四导向矢量。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述方法还包括：

利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，所述超分辨算法包括多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法中的至少一项。

5.根据权利要求4所述的方法，其特征在于，所述利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，包括：

利用所述第三导向矢量、所述第四导向矢量、所述目标探测区域内的探测目标的个数以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计。

6.根据权利要求1所述的方法，其特征在于，所述信源数估计算法包括以下至少一项：最小描述长度准则MDL算法、赤池信息量准则AIC算法。

7.一种探测目标的个数估计装置，其特征在于，包括：

构建单元，用于构建第一雷达和参考点之间的阵列导向矢量的第一旋转矩阵，以及构建第二雷达和所述参考点之间的阵列导向矢量的第二旋转矩阵；

确定单元，用于利用所述第一旋转矩阵和所述第一雷达的第一导向矢量，得到第三导向矢量，以及利用所述第二旋转矩阵和所述第二雷达的第二导向矢量，得到第四导向矢量；其中，所述第一导向矢量为所述第一雷达指向目标探测区域的单快拍信号，所述第二导向矢量为所述第二雷达指向所述目标探测区域的单快拍信号，所述第三导向矢量和所述第四导向矢量为所述参考点指向所述目标探测区域的两快拍信号；

估计单元，用于利用所述第三导向矢量、所述第四导向矢量以及信源数估计算法，对所述目标探测区域内的探测目标的个数进行估计。

8.根据权利要求7所述的装置，其特征在于，所述构建单元，具体用于利用第一方位角、第三方位角、第一距离、第三距离，构建所述第一雷达和所述参考点之间的阵列导向矢量的所述第一旋转矩阵；其中，所述第一方位角为所述第一雷达相对于所述目标探测区域的方位角，所述第三方位角为所述参考点相对于所述目标探测区域的方位角，所述第一距离为所述第一雷达相对于所述目标探测区域的距离，所述第三距离为所述参考点相对于所述目标探测区域的距离；

所述构建单元，具体还用于利用第二方位角、所述第三方位角、第二距离、所述第三距离，构建所述第二雷达和所述参考点之间的阵列导向矢量的所述第二旋转矩阵；其中，所述第二方位角为所述第二雷达相对于所述目标探测区域的方位角，所述第二距离为所述第二雷达相对于所述目标探测区域的距离。

9.根据权利要求7所述的装置，其特征在于，所述确定单元，具体用于将所述第一旋转矩阵左乘以所述第一导向矢量，得到所述第三导向矢量；

所述确定单元，具体还用于将所述第二旋转矩阵左乘以所述第二导向矢量，得到所述第四导向矢量。

10.根据权利要求7至9所述的装置，其特征在于，所述估计单元，还用于利用所述第三导向矢量、所述第四导向矢量以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计，所述超分辨算法包括多重信号分类MUSIC算法、最小模MNM算法、最大熵MEM算法、旋转不变性子空间Esprit算法、松弛Relax算法中的至少一项。

11.根据权利要求10所述的装置，其特征在于，所述估计单元，具体用于利用所述第三导向矢量、所述第四导向矢量、所述目标探测区域内的探测目标的个数以及超分辨算法，对所述目标探测区域内的任意一个探测目标的位置进行估计。

12.根据权利要求7所述的装置，其特征在于，所述信源数估计算法包括以下至少一项：最小描述长度准则MDL算法、赤池信息量准则AIC算法。

13.一种探测目标的个数估计装置，其特征在于，包括：处理器和存储器；

所述存储器用于存储计算机执行指令；

所述处理器用于执行所述存储器所存储的计算机执行指令，以使所述探测目标的个数估计装置执行如权利要求1至6中任一项所述的方法。

14.一种计算机可读存储介质，其特征在于，包括：

所述计算机可读存储介质用于存储指令或计算机程序；当所述指令或所述计算机程序被执行时，使如权利要求1至6中任一项所述的方法被实现。

15.一种终端，所述终端包括如权利要求13所述的装置。

Images