CN115453489B - 一种毫米波雷达室内多径判别方法 - Google Patents

Abstract

本发明公开了一种毫米波雷达室内多径判别方法，步骤包括：对点云集进行聚类，对每个点云簇目标跟踪，形成航迹跟踪集群；通过滑窗保留连续存在的航迹；计算每个连续存在的航迹在滑窗内四个维度的均值；计算航迹A，与其他航迹B在窗体内四个维度的相关性；若四个维度的相关性均大于设定正数；则航迹B与所选航迹互为多径；且航迹的航迹B均值坐标到雷达距离大于航迹A，且航迹B在预设滑窗窗体长度数量帧的平均能量小于航迹A，则B为多径目标。本发明采用基于聚类跟踪方式去除多径目标，减少计算量同时减少误判为多径目标的概率。

Description

一种毫米波雷达室内多径判别方法

技术领域

本发明属于毫米波雷达技术领域，尤其涉及一种毫米波雷达室内多径判别方法。

背景技术

由于电磁波反射现象的存在，当某一物体周围存在对某一波段电磁波的反射体时，该物体将会在反射体中产在一个反射镜像，而这种镜像的存在，对雷达探测目标是有害的，同时由于反射的多样性，如即使只有一个反射体，也会存在多个反射路径而产生多个虚假目标，上述由于反射所导致的不利影响，即为多径。如当一个人走进一间在整面墙壁装有一面大镜子的房间时，会产生一种这个房间很大的错觉，这便是多径效应的一种具体体现。

室内环境下，由于空间较小，同时墙壁、家具等静态摆放物原因，使得雷达在检测室内运动目标活动时，很容易应电磁波多次反射而产生虚假目标，导致检测不准。常用的识别多径方法有：

1、天线处理：通常是采用旁瓣相消的方式，即为主天线同时设置若干个辅助天线，由辅助天线与主天线同时接收干扰信号，所有的信号回波中包含强度较高的期望信号和不需要的多径信号，将辅助天线进行加权求和处理后，得到与主天线干扰信号特性一致的信号，该信号与主天线干扰信号对消后，可抑制旁瓣进入雷达的干扰信号，实现多径干扰的消除。

2、信号处理

通常在在雷达信号处理恒虚警检测后对检出的点云目标做速度相关性匹配，以此判断该点云是否为多径产生；

上述减少多径方法，一是对天线设计有要求，同时后续旁瓣对消处理复杂，实现难度较大；二是对点云处理，会很容易存在漏判或误判为多径点云的情况；基于此，本发明提出一种基于室内群跟踪识别多径目标的方法。

发明内容

本发明公开的一种毫米波雷达室内多径判别方法，包括以下步骤：

S1：对点云集进行聚类，将场景中满足聚类条件的点云用相同下标标记，场景中存在多个聚类点云簇；

S2：计算各聚类点云簇的质心，用该质心表示该目标的位置坐标；

S3：采用跟踪算法对每个点云簇目标跟踪，形成航迹跟踪集群；

S4：对每一帧重复步骤S1-S3，并通过滑窗保留航迹跟踪集群的结果，即对同一航迹ID，在预设滑窗窗体长度数量的帧中航迹均连续存在，则保留航迹，否则不保留航迹，得到k条连续存在的航迹；

S5：计算每个连续存在的航迹在滑窗内X、Y、V_x、V_y维度的均值U={u₁，u₂……u_k}, u_k=[u_x，u_y，uv_x，uv_y]，其中X,Y表示航迹平面坐标，V_x、V_y表示 x及y方向的速度，u_x和u_y表示航迹的x轴和y轴坐标，uv_x和uv_y表示航迹在x及y方向的速度；

S6：选取一航迹ID A，分别计算其与其他航迹ID B在窗体内X、Y、V_x、V_y维度的相关性Px_{1_n}、Py_{1_n}、PVx_{1_n} 、PVy_{1_n}；

若X、Y、V_x、V_y维度的相关性均大于设定正数；则初步判断航迹ID B与所选航迹A互为多径；

S7：对航迹B与航迹A分别求滑窗内X轴和Y轴两个维度的均值，分别记为（uB_x,uB_y），（u1_x,u1_y）；

S8：计算并比较均值坐标到雷达距离，航迹B记为R_B，航迹A记为R_A；

R_B=

，R_A=/>

，若R_B>R_A，且航迹B在预设滑窗窗体长度数量帧的平均能量小于航迹A，则最终判定B为多径目标；

移除多径目标，即将航迹B在航迹跟踪集群中删除，重复步骤S6-S8，并比较剩下的点，直到所有航迹ID都已两两比较完成。

进一步的，聚类采用基于密度的DBSCAN聚类算法。

进一步的，航迹跟踪后得到跟踪航迹集群为T_f={T_{f_1},T_{f_2}……T_{f_m}}，f表示当前帧，m表示当前帧中的目标个数；每个跟踪目标包含位置，速度及加速度信息，即T_{f_n}=[X,Y,V_x,V_y,Z_x,Z_y,S];其中X,Y表示航迹平面坐标，V_x、V_y表示航迹在x及y方向的速度，Z_x、Z_y表示航迹在x及y方向的加速度，S表示航迹的能量。

进一步的，预设滑窗窗体长度为50则T_f={{T_{1_1},T_{1_2}……T_{1_k}}, {T_{2_1},T_{2_2}……T_{2_k}}……, {T_{50_1},T_{50_2}……T_{50_k}}};共有k条连续存在的航迹。

进一步的，X维度及Y维度的相关性Px_{1_n}、Py_{1_n}计算如下：

和/>

分别为航迹ID A和航迹ID n在窗体内的X维度数组，cov表示协方差，σ表示方差；/>

和/>

分别为航迹ID A和航迹ID n在窗体内的Y维度数组；

V_x、V_y维度的相关性PVx_{1_n} 、PVy_{1_n}计算如下：

其中

和/>

分别为航迹ID A和航迹ID n在窗体内的V_X维度数组，/>

和/>

分别为航迹ID A和航迹ID n在窗体内的V_Y维度数组，n=2，3……k；f=1,2……50。

本发明的有益效果如下：

本发明采用基于聚类跟踪方式去除多径目标，能减少计算量同时减少误判为多径目标的概率。

附图说明

图1本发明处理过程示意图；

图2点云簇示意图；

图3本发明多径判断逻辑流程图。

具体实施方式

下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

针对目前技术的不足，本发明将群跟踪算法应用在室内多径目标识别中，通过判断室内两个以上目标的运动信号相关性来识别多径目标。

本发明主要处理过程如下：

毫米波雷达前端发射天线向外发射电磁波，电磁波遇到障碍物会反射回波信号，同时，其接收天线不断接收回波信号；毫米波雷达模块的处理过程如下：

1、AD采样：回波信号经混频后由模块片上芯片对混频信号进行AD采样；

2、距离处理：采样信息首先经过距离处理算法（1D-FFT），获取目标的距离方位信息；

3、速度处理：距离方位数据经过doppler处理算法（2D-FFT），获取目标的速度信息；

4、生成检测矩阵：将各个通道上的距离方位信息及速度信息进行合成，生成距离多普勒检测矩阵；

5、对检测矩阵做恒虚警处理和角度估计，过滤掉虚假目标，最终得到目标的点云数据集，点云包含二维平面坐标（x，y）、角度、多普勒速度和信号强度；

6、对点云群聚类并持续跟踪；

7、对跟踪结果分析，若跟踪结果中出现两个目标在运动特征符合多径判断特征，则将其中一个能量较弱且距离更远的目标识别为多径目标。

如图1所示，毫米波雷达通过其多发多收(MIMO)射频天线向监控区域发射毫米波段射频信号同时接收经由监控区域内反射点散射的回波信号，回波信号与发射信号混频后输出中频信号，中频信号经过ADC采样及距离维FFT、速度估计、CFAR检测及水平角度估计，并通过角度转换，获取当前场景下的动态运动目标点云集pointclouds={P₀，P₁……P_n-1}；其中P_i=[X_i，Y_i，V_i，S_i]，(X_i，Y_i)为目标点云序号i的平面坐标_，V_i为速度，S_i为信噪比；

基于跟踪的多径目标识别及滤除，其过程如下：

S1：点云集聚类，将场景中满足聚类条件的点云用相同下标标记，场景中可存在多个聚类点云簇，记为p_{_cluster}={p_{_cluster_1}，p_{_cluster_2}……p_{_cluster_t}}；如图2所示。在一些实施例中，聚类方法采用基于密度的DBSCAN聚类算法，

S2：计算p_{_cluster}集合中各聚类点云簇的质心，用该质心表示该目标的位置坐标；

S3：采用目标跟踪算法对每个点云簇目标跟踪，形成跟踪航迹，跟踪集群为T_f={T_{f_1},T_{f_2}……T_{f_m}}，f表示当前帧,m表示当前帧中的目标个数(1,2……m表示航迹)；每个跟踪目标包含位置，速度及加速度信息，即T_{f_n}=[X,Y,V_x,V_y,Z_x,Z_y,S];其中X,Y表示航迹平面坐标，V_x、V_y表示航迹在x及y方向的速度，Z_x、Z_y表示航迹在x及y方向的加速度，S表示航迹的能量（航迹中所包含点云的总能量）。

在一些实施例中，采用扩展卡尔曼跟踪算法对每个点云簇目标跟踪。扩展卡尔曼滤波（Extended Kalman Filter，EKF）是标准卡尔曼滤波在非线性情形下的一种扩展形式，EKF算法是将非线性函数进行泰勒展开，省略高阶项，保留展开项的一阶项，以此来实现非线性函数线性化，最后通过卡尔曼滤波算法近似计算系统的状态估计值和方差估计值,对信号进行滤波。

在一些实施例中，还采用最近邻算法对每个点云簇目标跟踪。记录之前的若干个航迹，在下一个测量值出现时刻前，每个航迹估计出其对应的预测值，将测量报告（即观测值）与每个航迹的预测值之间的欧氏距离进行比较，最小的结果即将此观测值关联到对应航迹中。

在一些实施例中，还采用航迹分裂和多假设算法（Track Splitting andMultiple Hypotheses）、或追踪门（Gating）算法对每个点云簇目标跟踪。

S4：每一帧重复步骤S1-S3，并滑窗保留跟踪集群的结果，窗体长度为50(对同一ID,在这50帧中航迹均存在，不连续的不保留)；则T_f={{T_{1_1},T_{1_2}……T_{1_k}}, {T_{2_1},T_{2_2}……T_{2_k}}……{T_{50_1},T_{50_2}……T_{50_k}}}共有k条连续存在的航迹；

S5：计算每个目标滑窗内各个维度的均值U={u₁，u₂……u_k}，u_k=[u_x，u_y，uv_x，uv_y]

S6：选取一航迹ID，如ID1(T_{f_1}，f=1，2……50)，分别计算其与其他ID在窗体内X、Y、V_x、V_y维度的相关性，即X维度及Y维度的相关性表示为Px_{1_n}，Py_{1_n}；

X维度及Y维度的相关性Px_{1_n}、Py_{1_n}计算如下：

和/>

分别为航迹ID A和航迹ID n在窗体内的X维度数组，cov表示协方差，σ表示方差；/>

和/>

分别为航迹ID A和航迹ID n在窗体内的Y维度数组；

V_x、V_y维度的相关性PVx_{1_n} 、PVy_{1_n}计算如下：

其中

和/>

分别为航迹ID A和航迹ID n在窗体内的V_X维度数组，/>

和/>

分别为航迹ID A和航迹ID n在窗体内的V_Y维度数组，n=2，3……k；f=1，2……50。

协方差表示两个变量的总体的误差,标准公式为：

cov(X,Y)=E(XY)-E(X)E(Y)。

若4个维度的相关性均大于设定正数，则航迹n与所选航迹(上述为1)互为多径；

S7：对航迹n与航迹1分别求滑窗内两个维度的均值，分别记为（un_x,un_y），（u1_x,u1_y）；

S8：计算并比较均值坐标到雷达距离，航迹n记为R_n，航迹1记为R₁；

，R₁=/>

，若R_n>R₁,且目标n 滑窗50帧的平均能量小于目标1，则n为多径目标；

移除多径目标，即将目标n在T_f中删除_，并比较剩下的点，直到所有ID都已两两比较完。

本发明的有益效果如下：

本发明采用基于聚类跟踪方式去除多径目标，能减少计算量同时减少误判为多径目标的概率。

本文所使用的词语“优选的”意指用作实例、示例或例证。本文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X使用B；或X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。

而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。

本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。

综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (5)

1.一种毫米波雷达室内多径判别方法，其特征在于，包括以下步骤：

S1：对点云集进行聚类，将场景中满足聚类条件的点云用相同下标标记，场景中存在多个聚类点云簇；

S2：计算各聚类点云簇的质心，用该质心表示目标的位置坐标；

S3：采用跟踪算法对每个点云簇目标跟踪，形成航迹跟踪集群；

S4：对每一帧重复步骤S1-S3，并通过滑窗保留航迹跟踪集群的结果，即对同一航迹ID，在预设滑窗窗体长度数量的帧中航迹均连续存在，则保留航迹，否则不保留航迹，得到k条连续存在的航迹；

S5：计算每个连续存在的航迹在滑窗内X、Y、V_x、V_y维度的均值U＝{u₁，u₂……u_k},u_k＝[u_x，u_y，uv_x，uv_y]，其中X,Y表示航迹平面坐标，V_x、V_y表示x及y维度的速度，u_x和u_y表示航迹的x轴和y轴坐标，uv_x和uv_y表示航迹在x及y方向的速度均值；

S6：选取一航迹ID A，计算其与其他航迹ID B在窗体内X、Y、V_x、V_y维度的相关性Px_{1_n}、Py_{1_n}、PVx_{1_n}、PVy_{1_n}；

若X、Y、V_x、V_y维度的相关性均大于设定正数阈值；则初步判断航迹ID B与所选航迹A互为多径；

S7：对航迹B与航迹A分别求滑窗内X轴和Y轴两个维度的均值，分别记为(uB_x,uB_y)，(u1_x,u1_y)；

S8：计算并比较均值坐标到雷达距离，航迹B记为R_B，航迹A记为R_A；

若R_B>R_A，且航迹B在预设滑窗窗体长度数量帧的平均能量小于航迹A，则最终判定B为多径目标；移除多径目标，即将航迹B在航迹跟踪集群中删除，重复步骤S6-S8，并比较剩下的航迹，直到所有航迹ID都已两两比较完成。

2.根据权利要求1所述的毫米波雷达室内多径判别方法，其特征在于，聚类采用基于密度的DBSCAN聚类算法。

3.根据权利要求1所述的毫米波雷达室内多径判别方法，其特征在于，

航迹跟踪后得到跟踪航迹集群为T_f＝{T_{f_1},T_{f_2}……,T_{f_m}}，f表示当前帧，m表示当前帧中的目标个数；每个跟踪目标包含位置，速度及加速度信息，即T_{f_n}＝[X,Y,V_x,V_y,Z_x,Z_y,S]；其中Z_x、Z_y表示航迹在x及y方向的加速度，S表示航迹的能量。

4.根据权利要求1所述的毫米波雷达室内多径判别方法，其特征在于，

预设滑窗窗体长度为50，则T_f＝{{T_{1_1},T_{1_2}……,T_{1_k}},{T_{2_1},T_{2_2}……,T_{2_k}}……,{T_{50_1},T_{50_2}……,T_{50_k}}}，共有k条连续存在的航迹。

5.根据权利要求1所述的毫米波雷达室内多径判别方法，其特征在于，X维度及Y维度的相关性Px_{1_n}、Py_{1_n}计算如下：

X_{Tf_1}和X_{Tf_n}分别为航迹ID A和航迹ID B在窗体内的X维度数组，cov表示协方差，σ表示方差；Y_{Tf_1}和Y_{TF_n}分别为航迹ID A和航迹ID B在窗体内的Y维度数组；

V_x、V_y维度的相关性PVx_{1_n}、PVy_{1_n}计算如下：

其中VX_{Tf_1}和VX_{Tf_n}分别为航迹ID A和航迹ID B在窗体内的V_X维度数组，VY_{Tf_1}和VY_{Tf_n}分别为航迹ID A和航迹ID B在窗体内的V_Y维度数组，n＝2，3……k；f＝1,2……50。

Images