CN115616577A - 环境自适应的车载毫米波雷达检测方法、装置及相关设备 - Google Patents

环境自适应的车载毫米波雷达检测方法、装置及相关设备 Download PDF

Info

Publication number
CN115616577A
CN115616577A CN202211629390.XA CN202211629390A CN115616577A CN 115616577 A CN115616577 A CN 115616577A CN 202211629390 A CN202211629390 A CN 202211629390A CN 115616577 A CN115616577 A CN 115616577A
Authority
CN
China
Prior art keywords
detection algorithm
matrix
distance interval
target
cfar detection
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.)
Granted
Application number
CN202211629390.XA
Other languages
English (en)
Other versions
CN115616577B (zh
Inventor
袁鑫豪
王闯
胡建民
周斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Dawan District Aerospace Information Research Institute
Original Assignee
Guangdong Dawan District Aerospace Information Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Dawan District Aerospace Information Research Institute filed Critical Guangdong Dawan District Aerospace Information Research Institute
Priority to CN202211629390.XA priority Critical patent/CN115616577B/zh
Publication of CN115616577A publication Critical patent/CN115616577A/zh
Application granted granted Critical
Publication of CN115616577B publication Critical patent/CN115616577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开了一种环境自适应的车载毫米波雷达检测方法、装置及相关设备，包括：当收发阵列中各接收天线接收到当前数据帧时，获取数据帧计数值；获取配置参数，其包括多个距离区间及对应于每一距离区间的算法配置；将基于当前数据帧计算得到的目标距离‑多普勒矩阵划分成多个矩阵区域，获取各矩阵区域的算法配置，并计算得到矩阵区域目标检测结果；合并各矩阵区域的目标检测结果得到当前数据帧的目标检测结果；基于数据帧计数值判断是否满足周期触发条件，若是，基于目标检测结果更新配置参数。本申请在维持了计算复杂度的同时，从距离维度对目标距离‑多普勒矩阵进行有区别的CFAR检测处理，具备较好的距离适应性及环境适应性。

Description

环境自适应的车载毫米波雷达检测方法、装置及相关设备
技术领域
本申请涉及毫米波雷达检测技术领域，更具体地说，是涉及一种环境自适应的车载毫米波雷达检测方法、装置及相关设备。
背景技术
汽车行业正朝着更智能的方向发展，从高级辅助驾驶系统(Advanced DriverAssistance System，ADAS)到无人驾驶，这些功能的落地都需要传感器对车身周围环境信息做详尽的感知。毫米波雷达有着探测距离远、可以十分简单且精准地同时测距和测速、可以全天时全天候工作、尺寸小、成本低等优势，已经成为了汽车最核心的传感器之一。
将感兴趣的目标从雷达回波信号中检测出来是毫米波雷达信号处理过程中的核心步骤。在实际应用中，目标位于雷达前方不同的距离处会有不同的回波能量，且目标距离越近回波能量越强，此时目标泄露到邻近单元的能量也就越多，此外，近距下的各类噪声信号也越强，导致传统的CFAR处理方式在检测不同距离下的目标时出现一定的偏差。
发明内容
有鉴于此，本申请提供了一种环境自适应的车载毫米波雷达检测方法、装置及相关设备，以解决至少一个上面提出的技术问题。
为实现上述目的，本申请第一方面提供了一种环境自适应的车载毫米波雷达检测方法，包括：
当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
基于所述当前数据帧，确定目标距离-多普勒矩阵；
获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的恒虚警率CFAR检测算法配置；
基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果；
基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
优选地，所述CFAR检测算法配置包括恒虚警率CFAR检测算法、门限因子和窗口参数；
利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果的过程，包括：
针对所述矩阵区域中的每一待检测单元：
基于所述矩阵区域的窗口参数确定所述待检测单元的保护单元和参考单元；
利用所述矩阵区域的CFAR检测算法计算得到平均噪声能量，并利用所述矩阵区域的门限因子乘以所述平均噪声能量，得到所述待检测单元的能量阈值；
判断所述待检测单元的能量是否在所述能量阈值以上；
若是，确定所述待检测单元为目标；
基于各目标确定所述矩阵区域的目标检测结果。
优选地，所述目标检测结果包括目标数量；基于所述目标检测结果，更新所述配置参数的过程，包括：
获取目标数量M与预设的第一数量阈值M1、预设的第二数量阈值M2之间的数值关系；
若所述数值关系为
Figure 172139DEST_PATH_IMAGE001
，将所述多个距离区间设置为
Figure 841017DEST_PATH_IMAGE002
、
Figure 788376DEST_PATH_IMAGE003
以及
Figure 214809DEST_PATH_IMAGE004
；
若所述数值关系为
Figure 217400DEST_PATH_IMAGE005
，将所述多个距离区间设置为
Figure 927736DEST_PATH_IMAGE006
、
Figure 29684DEST_PATH_IMAGE007
以及
Figure 956796DEST_PATH_IMAGE008
；
若所述数值关系为
Figure 435182DEST_PATH_IMAGE009
，将所述多个距离区间设置为
Figure 24DEST_PATH_IMAGE010
、
Figure 600770DEST_PATH_IMAGE011
以及
Figure 1795DEST_PATH_IMAGE012
；
其中，D1、D2、D3、D4、D5、D6、D7为预设的距离值。
优选地，所述CFAR检测算法配置包括恒虚警率CFAR检测算法；
基于所述目标检测结果，更新所述配置参数的过程，还包括：
若
Figure 34604DEST_PATH_IMAGE001
，将对应于距离区间
Figure 470265DEST_PATH_IMAGE002
的CFAR检测算法设置为最小选择恒虚警率SO-CFAR检测算法，将对应于距离区间
Figure 163283DEST_PATH_IMAGE003
的CFAR检测算法设置为单元平均恒虚警率CA-CFAR检测算法，将对应于距离区间
Figure 379501DEST_PATH_IMAGE004
的CFAR检测算法设置为SO-CFAR检测算法；
若
Figure 199689DEST_PATH_IMAGE005
，将对应于距离区间
Figure 175342DEST_PATH_IMAGE006
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 39262DEST_PATH_IMAGE007
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 414880DEST_PATH_IMAGE008
的CFAR检测算法设置为SO-CFAR检测算法；
若
Figure 727175DEST_PATH_IMAGE009
，将对应于距离区间
Figure 121116DEST_PATH_IMAGE010
的CFAR检测算法设置为最大选择恒虚警率GO-CFAR检测算法，将对应于距离区间
Figure 172248DEST_PATH_IMAGE011
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 720648DEST_PATH_IMAGE012
的CFAR检测算法设置为SO-CFAR检测算法。
优选地，所述CFAR检测算法配置还包括门限因子；
基于所述目标检测结果，更新所述配置参数的过程，还包括：
若
Figure 131907DEST_PATH_IMAGE001
，将对应于距离区间
Figure 85081DEST_PATH_IMAGE002
的门限因子设置为15，将对应于距离区间
Figure 307115DEST_PATH_IMAGE003
的门限因子设置为12，将对应于距离区间
Figure 578697DEST_PATH_IMAGE004
的门限因子设置为10；
若
Figure 229864DEST_PATH_IMAGE005
，将对应于距离区间
Figure 536081DEST_PATH_IMAGE006
的门限因子设置为20，将对应于距离区间
Figure 617432DEST_PATH_IMAGE007
的门限因子设置为15，将对应于距离区间
Figure 641888DEST_PATH_IMAGE008
的门限因子设置为10；
若
Figure 916922DEST_PATH_IMAGE009
，将对应于距离区间
Figure 15328DEST_PATH_IMAGE010
的门限因子设置为30，将对应于距离区间
Figure 267580DEST_PATH_IMAGE011
的门限因子设置为20，将对应于距离区间
Figure 576071DEST_PATH_IMAGE012
的门限因子设置为15。
优选地，所述CFAR检测算法配置还包括窗口参数，所述窗口参数包括窗口类型、保护单元数量和参考单元数量；
基于所述目标检测结果，更新所述配置参数的过程，还包括：
若
Figure 569041DEST_PATH_IMAGE001
，将对应于距离区间
Figure 475948DEST_PATH_IMAGE002
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10，将对应于距离区间
Figure 397637DEST_PATH_IMAGE003
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、8和12，将对应于距离区间
Figure 944156DEST_PATH_IMAGE004
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10；
若
Figure 225970DEST_PATH_IMAGE005
，将对应于距离区间
Figure 361285DEST_PATH_IMAGE006
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和12，将对应于距离区间
Figure 890093DEST_PATH_IMAGE007
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、6和12，将对应于距离区间
Figure 547077DEST_PATH_IMAGE008
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、3和10；
若
Figure 757217DEST_PATH_IMAGE009
，将对应于距离区间
Figure 448836DEST_PATH_IMAGE010
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和15，将对应于距离区间
Figure 525376DEST_PATH_IMAGE011
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、5和15，将对应于距离区间
Figure 30176DEST_PATH_IMAGE012
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和12。
优选地，基于所述当前数据帧，确定目标距离-多普勒矩阵的过程，包括：
对当前数据帧中的各回波数据矩阵进行二维快速傅立叶变换2D-FFT，得到各距离-多普勒谱；
对所述距离-多普勒谱进行非相关累积处理，得到目标距离-多普勒矩阵。
本申请第二方面提供了一种环境自适应的车载毫米波雷达检测装置，包括：
数据帧计数单元，用于当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
数据处理单元，用于基于所述当前数据帧，确定目标距离-多普勒矩阵；
配置读取单元，用于获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的CFAR检测算法配置；
分区配置单元，用于基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
分区计算单元，用于利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
目标检测单元，用于合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果；
参数更新单元，用于基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
本申请第三方面提供了一种环境自适应的车载毫米波雷达检测设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现上述的环境自适应的车载毫米波雷达检测方法的各个步骤。
本申请第四方面提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述的环境自适应的车载毫米波雷达检测方法的各个步骤。
经由上述的技术方案可知，本申请当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；然后，基于所述当前数据帧，确定目标距离-多普勒矩阵，可以理解的是，所述当前数据帧由收发阵列的回波数据矩阵构成，基于所述回波数据矩阵，通过二维快速傅立叶变换及非相关累积处理，可以得到目标距离-多普勒矩阵，所述目标距离-多普勒矩阵包含了各目标的位置信息。然后，获取配置参数，可以理解的是，所述配置参数是预先配置好的，包括多个距离区间以及对应于每一距离区间的CFAR检测算法配置。接着，基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置。利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果。由于不同矩阵区域对应有不同的距离区间，因此，通过对不同矩阵区域应用不同的CFAR检测算法配置，可以使得每一矩阵区域的数据得到较合适的处理，从而得到较优的处理结果。最后，合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果。可以理解的是，各矩阵区域是独立进行计算、独立得到计算结果的，且各矩阵区域均应用了一种CFAR检测算法配置进行相应的计算，因此整体的复杂度并没有增加。进一步地，基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数。其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。通过定期地基于当前数据帧的目标检测结果来更新配置参数，可以更好地随着工作环境的变化来优化计算过程。本申请在维持了计算复杂度的同时，从距离维度对目标距离-多普勒矩阵进行有区别的CFAR检测处理，具备较好的距离适应性及环境适应性，能够提高目标检测的可靠性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的环境自适应的车载毫米波雷达检测方法的示意图；
图2示例了本申请实施例公开的将目标距离-多普勒矩阵划分成多个矩阵区域；
图3示例了本申请实施例公开的参考单元、保护单元及待检测单元的位置关系；
图4示例了本申请实施例公开的矩形窗形式的单元布局；
图5示例了本申请实施例公开的十字形窗形式的单元布局；
图6为本申请实施例公开的周期性地更新配置参数的示意图；
图7为本申请实施例公开的环境自适应的车载毫米波雷达检测装置的示意图；
图8为本申请实施例公开的环境自适应的车载毫米波雷达检测设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面介绍本申请实施例提供的环境自适应的车载毫米波雷达检测方法。请参阅图1，本申请实施例提供的环境自适应的车载毫米波雷达检测方法可以包括如下步骤：
步骤S101，基于收发阵列中各接收天线接收到的当前数据帧，确定目标距离-多普勒矩阵。
其中，发射天线使用时分的模式或其他模式发射线性调频信号（chirp信号），单个数据帧下每个天线发射N个chirp，接收天线对每个chirp的采样点数为M个，因此，每一虚拟阵元对应有1个
Figure 171569DEST_PATH_IMAGE013
大小的回波数据矩阵，每一接收天线对应有T个
Figure 281477DEST_PATH_IMAGE013
大小的回波数据矩阵，其中，T为发射天线的个数。在此基础上，假定雷达的天线数量为T发R收，则基于多发多收（MIMO）的技术，该一个数据帧下可以采集到
Figure 591235DEST_PATH_IMAGE014
个
Figure 334063DEST_PATH_IMAGE015
大小的ADC数据矩阵，每个矩阵对应该虚拟通道在该数据帧所采集的原始数据。对矩阵的行做傅里叶变换，不同距离下的目标会被压缩到不同的频点上，也即完成了距离维度的压缩，在此基础上，对矩阵的列做傅里叶变换可以将不同速度的目标压缩到不同的频点上，也即完成了速度维度的压缩。
对全部的
Figure 72956DEST_PATH_IMAGE014
个数据矩阵做完2D-FFT（2-Dimention Fast FourierTransform，二维快速傅立叶变换）处理后，在做CFAR之前为了提高信噪比以提高目标的检出效果，一般需要对信号进行累积处理，非相干累积是指对前述得到的
Figure 37370DEST_PATH_IMAGE014
个做完2D-FFT处理后的矩阵取幅值并在通道维度进行累加以得到一个累加之后的距离-多普勒矩阵RDmatrix。
基于此，步骤S101基于收发阵列中各接收天线接收到的当前数据帧，确定目标距离-多普勒矩阵的过程，可以包括：
S1，对当前数据帧中的各回波数据矩阵进行2D-FFT，得到各距离-多普勒谱。
其中，通过对各回波数据矩阵进行2D-FFT，可以完成回波数据在距离维度、速度维度的压缩。
S2，对距离-多普勒谱进行非相关累积处理，得到目标距离-多普勒矩阵。
其中，该非相关累积处理实际上是对S1中得到的数据基于天线维度进行累积，从而得到每个通道下的数据。
步骤S102，获取多个距离区间以及对应于每一距离区间的CFAR检测算法配置。
其中，这些距离区间以及对应于每一距离区间的CFAR检测算法配置为预先设置好的配置参数。可以理解的是，这些距离区间相互不重叠，且合并在一起时构成车载毫米波雷达的整个检测范围。示例性地，车载毫米波雷达的检测范围为0至100米，那么，可以从区间[0,100] 切分出这些距离区间。
CFAR检测算法配置可以包括CFAR检测算法涉及具体采用的CFAR算法、所采用的窗口参数（窗口形状及窗口内各组成单元的构成）及门限因子。示例性地，可以设置2个距离阈值R1及R2，其中，R1、R2分别初始化为10米、80米，从而可以得到距离区间[0,10]、[10,80]及[80,100] 。对应于各距离区间的CFAR检测算法配置可以初始化为表1中的数据。
表1：配置参数的初始值
Figure DEST_PATH_IMAGE016
步骤S103，基于这些距离区间，将目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置。
示例性地，请参阅图2，以距离阈值R1、R2将距离划分成3个距离区间，对应于目标距离-多普勒矩阵的3个矩阵区域。
步骤S104，利用每一矩阵区域的CFAR检测算法配置对该矩阵区域进行计算，得到该矩阵区域的目标检测结果。
具体地，对于一组信号X{X1, X2, X3, …, Xn}，利用CFAR检测方法从这组信号中检出目标的方法是：首先设定保护单元及参考单元的数量，基于参考单元估测噪声能量，并将该噪声能量乘以某一门限因子a得到阈值T，如果某待检测单元的能量值超过阈值T，则认为此检测单元为目标，否则为噪声，以此法遍历整个信号X。
如图3所示，参考单元与保护单元的设置左右对称，保护单元的存在是为了防止目标能量的泄露而影响噪声估计。在车载毫米波雷达信号（目标距离-多普勒矩阵）的处理过程中，如图4、图5所示，保护和参考单元通常可以选取矩形窗形式或十字窗形式。基于参考单元做噪声估计的方法有很多，这些不同的方法对应了不同的CFAR算法，常见的包括：CA-CFAR（Cell Averaging-CFAR，单元平均CFAR）、OS-CFAR（Ordered Statistic-CFAR，顺序统计CFAR）、GO-CFAR（Greatest Of-CFAR，最大选择CFAR）、SO-CFAR（Smallest Of-CFAR，最小选择CFAR），以最经典的单元平均CFAR为例，该方法计算噪声均值的方式为：
Figure 455713DEST_PATH_IMAGE017
式中，K为参考单元的总个数，
Figure 702148DEST_PATH_IMAGE018
对应选取的参考单元，随后乘以门限因子a得到阈值T：
Figure 231350DEST_PATH_IMAGE019
对于待检测单元CUT，将其能量与T做比较，如果
Figure 378166DEST_PATH_IMAGE020
＞T，认为该CUT为目标，否则为噪声。式中门限因子a与所设置的虚警率
Figure 967411DEST_PATH_IMAGE021
和参考单元的数目K有关，有公式：
Figure 456071DEST_PATH_IMAGE022
步骤S105，合并各矩阵区域的目标检测结果，得到该当前数据帧的目标检测结果。
步骤S104中各矩阵区域的计算是独立进行的，因此，合并各矩阵区域的目标检测结果，可以得到该当前数据帧的目标检测结果。
本申请首先基于收发阵列中各接收天线接收到的当前数据帧，确定目标距离-多普勒矩阵，可以理解的是，所述当前数据帧由收发阵列的回波数据矩阵构成，基于所述回波数据矩阵，通过二维快速傅立叶变换及非相关累积处理，可以得到目标距离-多普勒矩阵，所述目标距离-多普勒矩阵包含了各目标的位置信息。然后，获取配置参数，可以理解的是，所述配置参数是预先配置好的，包括多个距离区间以及对应于每一距离区间的CFAR检测算法配置。接着，基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置。利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果。由于不同矩阵区域对应有不同的距离区间，因此，通过对不同矩阵区域应用不同的CFAR检测算法配置，可以使得每一矩阵区域的数据得到较合适的处理，从而得到较优的处理结果。最后，合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果。可以理解的是，各矩阵区域是独立进行计算、独立得到计算结果的，且各矩阵区域均应用了一种CFAR检测算法配置进行相应的计算，因此整体的复杂度并没有增加。本申请在维持了计算复杂度的同时，从距离维度对目标距离-多普勒矩阵进行有区别的CFAR检测处理，具备较好的环境适应性，能够得到较可靠的目标检测结果。
在本申请的一些实施例中，步骤S102提及的CFAR检测算法配置可以包括恒虚警率CFAR检测算法、门限因子和窗口参数。
步骤S104利用每一矩阵区域的CFAR检测算法配置对该矩阵区域进行计算，得到该矩阵区域的目标检测结果的过程，可以包括：
针对该矩阵区域中的每一待检测单元：
S1，基于该矩阵区域的窗口参数确定这一待检测单元的参考单元。
S2，利用该矩阵区域的CFAR检测算法计算得到平均噪声能量，并利用该矩阵区域的门限因子乘以该噪声能量，得到这一待检测单元的能量阈值。
S3，判断这一待检测单元的能量是否在所述能量阈值以上。若是，执行S4。
S4，确定这一待检测单元为目标。
S5，基于该矩阵区域中的各目标确定该矩阵区域的目标检测结果。
前述各实施例针对静态环境中不同距离下的目标采用了不同的CAFR算法配置，从而提高了目标检测的可靠性。实际上，随着车辆的移动，车载毫米波雷达所面向的场景是多变的，某个时间段雷达视场范围的目标数较少，而另外某个时间段内雷达视场角中目标要密集些。对雷达而言，衡量环境复杂度的指标主要是CFAR所检出的目标数量，场景中目标的数量越多，环境便越复杂，我们以前一时刻的目标检出数量作为反馈量。因此，还可以针对此特性对检测方法进行进一步的优化。具体地，可以基于前一时刻CFAR的检测结果来反馈控制后续时间段CFAR参数设置。此外，考虑到应用场景并不是突变的，因此可以所设定的反馈周期可以不同太短，示例性地，可以30秒的时间执行一次反馈控制。由于收发阵列中各收发天线是以固定频率进行信号收发，因此，可以利用数据帧的计数来确定周期的计数。
在本申请的一些实施例中，请参阅图6，在步骤S101基于收发阵列中各接收天线接收到的数据帧，确定目标距离-多普勒矩阵之前，还可以包括：
步骤S106，当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值。
在步骤S105得到该当前数据帧的目标检测结果之后，还可以包括：
步骤S107，基于数据帧计数值，判断是否满足周期触发条件。若是，执行步骤S108。
步骤S108，基于该目标检测结果，更新该配置参数。
其中，目标检测结果可以包括当前数据帧的目标数量。更新后的配置参数作用于下一周期。该周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。示例性地，假设希望每30s触发一次，并假设雷达数据帧的频率为20Hz，那么，可以得到N为600，即，每接收到600个数据帧，更新一次配置参数，更新后的配置参数作用于接下来的600个数据帧。
可以理解的是，步骤S106中数据帧的计数可以在接收到当前数据帧之后、步骤S107判断数据帧计数之前的任一时刻执行，而步骤S107可以在步骤S102之后的任一时刻执行。
在本申请的一些实施例中，步骤S108基于该目标检测结果，更新该配置参数的过程，可以包括：
S1，获取该当前数据帧检测到的目标数量M与预设的第一数量阈值M1、预设的第二数量阈值M2之间的数值关系。
S2，若
Figure 975914DEST_PATH_IMAGE001
，将所述多个距离区间设置为
Figure 790286DEST_PATH_IMAGE002
、
Figure 238848DEST_PATH_IMAGE003
以及
Figure 443564DEST_PATH_IMAGE004
。
S3，若
Figure 829415DEST_PATH_IMAGE005
，将所述多个距离区间设置为
Figure 435977DEST_PATH_IMAGE006
、
Figure 114826DEST_PATH_IMAGE007
以及
Figure 806839DEST_PATH_IMAGE008
。
S4，若
Figure 996381DEST_PATH_IMAGE009
，将所述多个距离区间设置为
Figure 145864DEST_PATH_IMAGE010
、
Figure 310130DEST_PATH_IMAGE011
以及
Figure 676389DEST_PATH_IMAGE012
。
其中，D1、D2、D3、D4、D5、D6、D7为预设的距离值。
示例性地，第一数量阈值M1可以取值为20，预设的第二数量阈值M2可以取值为60。D1、D2、D3、D4、D5、D6、D7可以分别取值为10m、80m、100m、20m、80m、40m、80m，相应地，上述S2中得到的各距离区间为[0,10]、[10,80] 以及[80,100] ，上述S3中得到的各距离区间为[0,20]、[20,80] 以及[80,100] ，上述S4中得到的各距离区间为[0,40]、[40,80] 以及[80,100]。
在本申请的一些实施例中，步骤S108基于该目标检测结果，更新该配置参数的过程，还可以包括：
S5，若
Figure 154775DEST_PATH_IMAGE001
，将对应于距离区间
Figure 218152DEST_PATH_IMAGE002
的CFAR检测算法设置为最小选择恒虚警率SO-CFAR检测算法，将对应于距离区间
Figure 756581DEST_PATH_IMAGE003
的CFAR检测算法设置为单元平均恒虚警率CA-CFAR检测算法，将对应于距离区间
Figure 406874DEST_PATH_IMAGE004
的CFAR检测算法设置为SO-CFAR检测算法。
S6，若
Figure 688951DEST_PATH_IMAGE005
，将对应于距离区间
Figure 609765DEST_PATH_IMAGE006
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 506045DEST_PATH_IMAGE007
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 394367DEST_PATH_IMAGE008
的CFAR检测算法设置为SO-CFAR检测算法；
S7，若
Figure 962358DEST_PATH_IMAGE009
，将对应于距离区间
Figure 252525DEST_PATH_IMAGE010
的CFAR检测算法设置为最大选择恒虚警率GO-CFAR检测算法，将对应于距离区间
Figure 382024DEST_PATH_IMAGE011
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 757642DEST_PATH_IMAGE012
的CFAR检测算法设置为SO-CFAR检测算法。
在本申请的一些实施例中，步骤S108基于该目标检测结果，更新该配置参数的过程，还可以包括：
S8，若
Figure 132253DEST_PATH_IMAGE001
，将对应于距离区间
Figure 276927DEST_PATH_IMAGE002
的门限因子设置为15，将对应于距离区间
Figure 577327DEST_PATH_IMAGE003
的门限因子设置为12，将对应于距离区间
Figure 440241DEST_PATH_IMAGE004
的门限因子设置为10。
S9，若
Figure 350035DEST_PATH_IMAGE005
，将对应于距离区间
Figure 614794DEST_PATH_IMAGE006
的门限因子设置为20，将对应于距离区间
Figure 633566DEST_PATH_IMAGE007
的门限因子设置为15，将对应于距离区间
Figure 233043DEST_PATH_IMAGE008
的门限因子设置为10。
S10，若
Figure 198725DEST_PATH_IMAGE009
，将对应于距离区间
Figure 68723DEST_PATH_IMAGE010
的门限因子设置为30，将对应于距离区间
Figure 648609DEST_PATH_IMAGE011
的门限因子设置为20，将对应于距离区间
Figure 220536DEST_PATH_IMAGE012
的门限因子设置为15。
在本申请的一些实施例中，步骤S108基于该目标检测结果，更新该配置参数的过程，还可以包括：
S11，若
Figure 472132DEST_PATH_IMAGE001
，将对应于距离区间
Figure 711484DEST_PATH_IMAGE002
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10，将对应于距离区间
Figure 524588DEST_PATH_IMAGE003
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、8和12，将对应于距离区间
Figure 272226DEST_PATH_IMAGE004
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10。
S12，若
Figure 579711DEST_PATH_IMAGE005
，将对应于距离区间
Figure 922836DEST_PATH_IMAGE006
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和12，将对应于距离区间
Figure 343060DEST_PATH_IMAGE007
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、6和12，将对应于距离区间
Figure 76530DEST_PATH_IMAGE008
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、3和10。
S13，若
Figure 922126DEST_PATH_IMAGE009
，将对应于距离区间
Figure 558906DEST_PATH_IMAGE010
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和15，将对应于距离区间
Figure 526862DEST_PATH_IMAGE011
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、5和15，将对应于距离区间
Figure 747628DEST_PATH_IMAGE012
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和12。
结合上述S1至S12，可以得到配置参数得配置实例如表2所示：
表2：配置参数的配置实例
Figure 144717DEST_PATH_IMAGE023
可以理解的是，表2仅仅示例了一种可能性。实际应用过程中应该基于实践效果选择合适的CFAR算法配置。
上述各实施例描述了基于当前数据帧检测出的目标总数进行反馈控制的技术方案，进一步地，还可以地基于每个矩阵区域内检测出的目标数量来优化本矩阵区域内的CFAR算法配置。具体的方法可以参照前述各实施例，此处不做赘述。
下面对本申请实施例提供的环境自适应的车载毫米波雷达检测装置进行描述，下文描述的环境自适应的车载毫米波雷达检测装置与上文描述的环境自适应的车载毫米波雷达检测方法可相互对应参照。
请参见图7，本申请实施例提供的环境自适应的车载毫米波雷达检测装置，可以包括：
数据帧计数单元21，用于当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
数据处理单元22，用于基于所述当前数据帧，确定目标距离-多普勒矩阵；
配置读取单元23，用于获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的CFAR检测算法配置；
分区配置单元24，用于基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
分区计算单元25，用于利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
目标检测单元26，用于合并各矩阵区域的目标检测结果，得到所述数据帧的目标检测结果；
参数更新单元27，用于基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
在本申请的一些实施例中，所述CFAR检测算法配置包括恒虚警率CFAR检测算法、门限因子和窗口参数；分区计算单元25利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果的过程，可以包括：
针对所述矩阵区域中的每一待检测单元：
基于所述矩阵区域的窗口参数确定所述待检测单元的保护单元和参考单元；
利用所述矩阵区域的CFAR检测算法计算得到平均噪声能量，并利用所述矩阵区域的门限因子乘以所述平均噪声能量，得到所述待检测单元的能量阈值；
判断所述待检测单元的能量是否在所述能量阈值以上；
若是，确定所述待检测单元为目标；
基于各目标确定所述矩阵区域的目标检测结果。
在本申请的一些实施例中，所述目标检测结果包括目标数量；参数更新单元27基于所述目标检测结果，更新所述配置参数的过程的过程，可以包括：
获取目标数量M与预设的第一数量阈值M1、预设的第二数量阈值M2之间的数值关系；
若所述数值关系为
Figure 947588DEST_PATH_IMAGE001
，将所述多个距离区间设置为
Figure 211079DEST_PATH_IMAGE002
、
Figure 794508DEST_PATH_IMAGE003
以及
Figure 935901DEST_PATH_IMAGE004
；
若所述数值关系为
Figure 842546DEST_PATH_IMAGE005
，将所述多个距离区间设置为
Figure 89988DEST_PATH_IMAGE006
、
Figure 869635DEST_PATH_IMAGE007
以及
Figure 860725DEST_PATH_IMAGE008
；
若所述数值关系为
Figure 887456DEST_PATH_IMAGE009
，将所述多个距离区间设置为
Figure 305799DEST_PATH_IMAGE010
、
Figure 489918DEST_PATH_IMAGE011
以及
Figure 81436DEST_PATH_IMAGE012
；
其中，D1、D2、D3、D4、D5、D6、D7为预设的距离值。
在本申请的一些实施例中，所述CFAR检测算法配置包括恒虚警率CFAR检测算法；参数更新单元27基于所述目标检测结果，更新所述配置参数的过程，还可以包括：
若
Figure 900356DEST_PATH_IMAGE001
，将对应于距离区间
Figure 502983DEST_PATH_IMAGE002
的CFAR检测算法设置为最小选择恒虚警率SO-CFAR检测算法，将对应于距离区间
Figure 220403DEST_PATH_IMAGE003
的CFAR检测算法设置为单元平均恒虚警率CA-CFAR检测算法，将对应于距离区间
Figure 740246DEST_PATH_IMAGE004
的CFAR检测算法设置为SO-CFAR检测算法；
若
Figure 243034DEST_PATH_IMAGE005
，将对应于距离区间
Figure 3179DEST_PATH_IMAGE006
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 394846DEST_PATH_IMAGE007
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 216916DEST_PATH_IMAGE008
的CFAR检测算法设置为SO-CFAR检测算法；
若
Figure 72745DEST_PATH_IMAGE009
，将对应于距离区间
Figure 3792DEST_PATH_IMAGE010
的CFAR检测算法设置为最大选择恒虚警率GO-CFAR检测算法，将对应于距离区间
Figure 384220DEST_PATH_IMAGE011
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 308182DEST_PATH_IMAGE012
的CFAR检测算法设置为SO-CFAR检测算法。
在本申请的一些实施例中，所述CFAR检测算法配置还包括门限因子；参数更新单元27基于所述目标检测结果，更新所述配置参数的过程，还可以包括：
若
Figure 454737DEST_PATH_IMAGE001
，将对应于距离区间
Figure 822264DEST_PATH_IMAGE002
的门限因子设置为15，将对应于距离区间
Figure 250840DEST_PATH_IMAGE003
的门限因子设置为12，将对应于距离区间
Figure 463647DEST_PATH_IMAGE004
的门限因子设置为10；
若
Figure 733216DEST_PATH_IMAGE005
，将对应于距离区间
Figure 255334DEST_PATH_IMAGE006
的门限因子设置为20，将对应于距离区间
Figure 921938DEST_PATH_IMAGE007
的门限因子设置为15，将对应于距离区间
Figure 623922DEST_PATH_IMAGE008
的门限因子设置为10；
若
Figure 246533DEST_PATH_IMAGE009
，将对应于距离区间
Figure 644278DEST_PATH_IMAGE010
的门限因子设置为30，将对应于距离区间
Figure 781868DEST_PATH_IMAGE011
的门限因子设置为20，将对应于距离区间
Figure 602056DEST_PATH_IMAGE012
的门限因子设置为15。
在本申请的一些实施例中，所述CFAR检测算法配置还包括窗口参数，所述窗口参数包括窗口类型、保护单元数量和参考单元数量；参数更新单元27基于所述目标检测结果，更新所述配置参数的过程，还可以包括：
若
Figure 640026DEST_PATH_IMAGE001
，将对应于距离区间
Figure 520257DEST_PATH_IMAGE002
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10，将对应于距离区间
Figure 145142DEST_PATH_IMAGE003
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、8和12，将对应于距离区间
Figure 191858DEST_PATH_IMAGE004
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10；
若
Figure 602111DEST_PATH_IMAGE005
，将对应于距离区间
Figure 902511DEST_PATH_IMAGE006
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和12，将对应于距离区间
Figure 765425DEST_PATH_IMAGE007
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、6和12，将对应于距离区间
Figure 675219DEST_PATH_IMAGE008
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、3和10；
若
Figure 736715DEST_PATH_IMAGE009
，将对应于距离区间
Figure 958749DEST_PATH_IMAGE010
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和15，将对应于距离区间
Figure 558227DEST_PATH_IMAGE011
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、5和15，将对应于距离区间
Figure 523909DEST_PATH_IMAGE012
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和12。
本申请实施例提供的环境自适应的车载毫米波雷达检测装置可应用于环境自适应的车载毫米波雷达检测设备，如计算机等。可选的，图8示出了环境自适应的车载毫米波雷达检测设备的硬件结构框图，参照图8，环境自适应的车载毫米波雷达检测设备的硬件结构可以包括：至少一个处理器31，至少一个通信接口32，至少一个存储器33和至少一个通信总线34。
在本申请实施例中，处理器31、通信接口32、存储器33、通信总线34的数量为至少一个，且处理器31、通信接口32、存储器33通过通信总线34完成相互间的通信；
处理器31可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本申请实施例的一个或多个集成电路等；
存储器33可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatilememory）等，例如至少一个磁盘存储器；
其中，存储器33存储有程序，处理器31可调用存储器33存储的程序，所述程序用于：
当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
基于所述当前数据帧，确定目标距离-多普勒矩阵；
获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的恒虚警率CFAR检测算法配置；
基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果；
基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种存储介质，该存储介质可存储有适于处理器执行的程序，所述程序用于：
当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
基于所述当前数据帧，确定目标距离-多普勒矩阵；
获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的恒虚警率CFAR检测算法配置；
基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果；
基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
综上所述：
本申请当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；然后，基于所述当前数据帧，确定目标距离-多普勒矩阵，可以理解的是，所述当前数据帧由收发阵列的回波数据矩阵构成，基于所述回波数据矩阵，通过二维快速傅立叶变换及非相关累积处理，可以得到目标距离-多普勒矩阵，所述目标距离-多普勒矩阵包含了各目标的位置信息。然后，获取配置参数，可以理解的是，所述配置参数是预先配置好的，包括多个距离区间以及对应于每一距离区间的CFAR检测算法配置。接着，基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置。利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果。由于不同矩阵区域对应有不同的距离区间，因此，通过对不同矩阵区域应用不同的CFAR检测算法配置，可以使得每一矩阵区域的数据得到较合适的处理，从而得到较优的处理结果。最后，合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果。可以理解的是，各矩阵区域是独立进行计算、独立得到计算结果的，且各矩阵区域均应用了一种CFAR检测算法配置进行相应的计算，因此整体的复杂度并没有增加。进一步地，基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数。其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。通过定期地基于当前数据帧的目标检测结果来更新配置参数，可以更好地随着工作环境的变化来优化计算过程。本申请在维持了计算复杂度的同时，从距离维度对目标距离-多普勒矩阵进行有区别的CFAR检测处理，具备较好的距离适应性及环境适应性，能够提高目标检测的可靠性。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间可以根据需要进行组合，且相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种环境自适应的车载毫米波雷达检测方法，其特征在于，包括：
当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
基于所述当前数据帧，确定目标距离-多普勒矩阵；
获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的恒虚警率CFAR检测算法配置；
基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果；
基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
2.根据权利要求1所述的方法，其特征在于，所述CFAR检测算法配置包括恒虚警率CFAR检测算法、门限因子和窗口参数；
利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果的过程，包括：
针对所述矩阵区域中的每一待检测单元：
基于所述矩阵区域的窗口参数确定所述待检测单元的保护单元和参考单元；
利用所述矩阵区域的CFAR检测算法计算得到平均噪声能量，并利用所述矩阵区域的门限因子乘以所述平均噪声能量，得到所述待检测单元的能量阈值；
判断所述待检测单元的能量是否在所述能量阈值以上；
若是，确定所述待检测单元为目标；
基于各目标确定所述矩阵区域的目标检测结果。
3.根据权利要求1所述的方法，其特征在于，所述目标检测结果包括目标数量；基于所述目标检测结果，更新所述配置参数的过程，包括：
获取目标数量M与预设的第一数量阈值M1、预设的第二数量阈值M2之间的数值关系；
若所述数值关系为
Figure 412965DEST_PATH_IMAGE001
，将所述多个距离区间设置为
Figure 540321DEST_PATH_IMAGE002
、
Figure 440144DEST_PATH_IMAGE003
以及
Figure 943938DEST_PATH_IMAGE004
；
若所述数值关系为
Figure 183289DEST_PATH_IMAGE005
，将所述多个距离区间设置为
Figure 980082DEST_PATH_IMAGE006
、
Figure 367201DEST_PATH_IMAGE007
以及
Figure 674685DEST_PATH_IMAGE008
；
若所述数值关系为
Figure 502964DEST_PATH_IMAGE009
，将所述多个距离区间设置为
Figure 237702DEST_PATH_IMAGE010
、
Figure 846538DEST_PATH_IMAGE011
以及
Figure 456248DEST_PATH_IMAGE012
；
其中，D1、D2、D3、D4、D5、D6、D7为预设的距离值。
4.根据权利要求3所述的方法，其特征在于，所述CFAR检测算法配置包括恒虚警率CFAR检测算法；
基于所述目标检测结果，更新所述配置参数的过程，还包括：
若
Figure 404613DEST_PATH_IMAGE001
，将对应于距离区间
Figure 310252DEST_PATH_IMAGE002
的CFAR检测算法设置为最小选择恒虚警率SO-CFAR检测算法，将对应于距离区间
Figure 344067DEST_PATH_IMAGE003
的CFAR检测算法设置为单元平均恒虚警率CA-CFAR检测算法，将对应于距离区间
Figure 55671DEST_PATH_IMAGE004
的CFAR检测算法设置为SO-CFAR检测算法；
若
Figure 357077DEST_PATH_IMAGE005
，将对应于距离区间
Figure 433617DEST_PATH_IMAGE006
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 954729DEST_PATH_IMAGE007
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 204444DEST_PATH_IMAGE008
的CFAR检测算法设置为SO-CFAR检测算法；
若
Figure 127401DEST_PATH_IMAGE009
，将对应于距离区间
Figure 873378DEST_PATH_IMAGE010
的CFAR检测算法设置为最大选择恒虚警率GO-CFAR检测算法，将对应于距离区间
Figure 881785DEST_PATH_IMAGE011
的CFAR检测算法设置为CA-CFAR检测算法，将对应于距离区间
Figure 935192DEST_PATH_IMAGE012
的CFAR检测算法设置为SO-CFAR检测算法。
5.根据权利要求3所述的方法，其特征在于，所述CFAR检测算法配置还包括门限因子；
基于所述目标检测结果，更新所述配置参数的过程，还包括：
若
Figure 712655DEST_PATH_IMAGE001
，将对应于距离区间
Figure 130998DEST_PATH_IMAGE002
的门限因子设置为15，将对应于距离区间
Figure 859657DEST_PATH_IMAGE003
的门限因子设置为12，将对应于距离区间
Figure 716755DEST_PATH_IMAGE004
的门限因子设置为10；
若
Figure 348725DEST_PATH_IMAGE005
，将对应于距离区间
Figure 937969DEST_PATH_IMAGE006
的门限因子设置为20，将对应于距离区间
Figure 983285DEST_PATH_IMAGE007
的门限因子设置为15，将对应于距离区间
Figure 316178DEST_PATH_IMAGE008
的门限因子设置为10；
若
Figure 301189DEST_PATH_IMAGE009
，将对应于距离区间
Figure 326914DEST_PATH_IMAGE010
的门限因子设置为30，将对应于距离区间
Figure 531630DEST_PATH_IMAGE011
的门限因子设置为20，将对应于距离区间
Figure 730530DEST_PATH_IMAGE012
的门限因子设置为15。
6.根据权利要求3所述的方法，其特征在于，所述CFAR检测算法配置还包括窗口参数，所述窗口参数包括窗口类型、保护单元数量和参考单元数量；
基于所述目标检测结果，更新所述配置参数的过程，还包括：
若
Figure 71513DEST_PATH_IMAGE001
，将对应于距离区间
Figure 766674DEST_PATH_IMAGE002
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10，将对应于距离区间
Figure 458687DEST_PATH_IMAGE003
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、8和12，将对应于距离区间
Figure 195698DEST_PATH_IMAGE004
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和10；
若
Figure 656767DEST_PATH_IMAGE005
，将对应于距离区间
Figure 24294DEST_PATH_IMAGE006
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、5和12，将对应于距离区间
Figure 436559DEST_PATH_IMAGE007
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、6和12，将对应于距离区间
Figure 977262DEST_PATH_IMAGE008
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、3和10；
若
Figure 558416DEST_PATH_IMAGE009
，将对应于距离区间
Figure 831265DEST_PATH_IMAGE010
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和15，将对应于距离区间
Figure 497870DEST_PATH_IMAGE011
的窗口类型、保护单元数量和参考单元数量分别设置为十字形窗、5和15，将对应于距离区间
Figure 576684DEST_PATH_IMAGE012
的窗口类型、保护单元数量和参考单元数量分别设置为矩形窗、2和12。
7.根据权利要求1所述的方法，其特征在于，基于所述当前数据帧，确定目标距离-多普勒矩阵的过程，包括：
对当前数据帧中的各回波数据矩阵进行二维快速傅立叶变换2D-FFT，得到各距离-多普勒谱；
对所述距离-多普勒谱进行非相关累积处理，得到目标距离-多普勒矩阵。
8.一种环境自适应的车载毫米波雷达检测装置，其特征在于，包括：
数据帧计数单元，用于当收发阵列中各接收天线接收到当前数据帧时，对累计接收到的数据帧进行计数，得到数据帧计数值；
数据处理单元，用于基于所述当前数据帧，确定目标距离-多普勒矩阵；
配置读取单元，用于获取配置参数，所述配置参数包括多个距离区间以及对应于每一距离区间的CFAR检测算法配置；
分区配置单元，用于基于所述多个距离区间，将所述目标距离-多普勒矩阵划分成多个矩阵区域，以及基于对应于每一距离区间的CFAR检测算法配置，获取各矩阵区域的CFAR检测算法配置；
分区计算单元，用于利用每一矩阵区域的CFAR检测算法配置对所述矩阵区域进行计算，得到所述矩阵区域的目标检测结果；
目标检测单元，用于合并各矩阵区域的目标检测结果，得到所述当前数据帧的目标检测结果；
参数更新单元，用于基于所述数据帧计数值，判断是否满足周期触发条件，若是，基于所述目标检测结果，更新所述配置参数；
其中，更新后的配置参数作用于下一周期；所述周期触发条件为每N个数据帧触发一次，N为预设的数据帧计数周期。
9.一种环境自适应的车载毫米波雷达检测设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1~7中任一项所述的环境自适应的车载毫米波雷达检测方法的各个步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1~7中任一项所述的环境自适应的车载毫米波雷达检测方法的各个步骤。
CN202211629390.XA 2022-12-19 2022-12-19 环境自适应的车载毫米波雷达检测方法、装置及相关设备 Active CN115616577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211629390.XA CN115616577B (zh) 2022-12-19 2022-12-19 环境自适应的车载毫米波雷达检测方法、装置及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211629390.XA CN115616577B (zh) 2022-12-19 2022-12-19 环境自适应的车载毫米波雷达检测方法、装置及相关设备

Publications (2)

Publication Number Publication Date
CN115616577A true CN115616577A (zh) 2023-01-17
CN115616577B CN115616577B (zh) 2023-03-10

Family

ID=84880954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211629390.XA Active CN115616577B (zh) 2022-12-19 2022-12-19 环境自适应的车载毫米波雷达检测方法、装置及相关设备

Country Status (1)

Country Link
CN (1) CN115616577B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5465095A (en) * 1994-08-05 1995-11-07 The United States Of America As Represented By The Secretary Of The Air Force Time efficient method for processing adaptive target detection thresholds in doppler radar systems
CN102230961A (zh) * 2011-03-31 2011-11-02 北京航空航天大学 基于相位补偿处理的扩展目标检测方法
US20170254893A1 (en) * 2016-03-03 2017-09-07 Raytheon Company System and method for estimating number and range of a plurality of moving targets
CN109613527A (zh) * 2018-12-13 2019-04-12 北京无线电测量研究所 一种运动目标的检测门限生成方法及装置
CN112327265A (zh) * 2020-10-23 2021-02-05 北京理工大学 一种基于语义分割网络的分治检测方法
US20210116541A1 (en) * 2019-10-17 2021-04-22 Robert Bosch Gmbh Method and apparatus for processing a range-doppler matrix and radar system
CN112731307A (zh) * 2020-12-19 2021-04-30 湖北工业大学 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN113341388A (zh) * 2021-05-08 2021-09-03 中国人民解放军空军工程大学 基于分步处理的雷达目标二维ca-cfar检测快速实现方法
CN113341404A (zh) * 2020-03-02 2021-09-03 加特兰微电子科技(上海)有限公司 恒虚警检测方法、装置、集成电路及无线电器件
US20220082681A1 (en) * 2020-09-17 2022-03-17 Texas Instruments Incorporated Doppler processing in frequency-modulated continuous wave radar systems using dither
CN114609626A (zh) * 2022-03-16 2022-06-10 电子科技大学 一种车载毫米波雷达多目标检测方法
CN115453483A (zh) * 2022-08-17 2022-12-09 深圳大学 一种雷达目标信号检测方法及相关设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5465095A (en) * 1994-08-05 1995-11-07 The United States Of America As Represented By The Secretary Of The Air Force Time efficient method for processing adaptive target detection thresholds in doppler radar systems
CN102230961A (zh) * 2011-03-31 2011-11-02 北京航空航天大学 基于相位补偿处理的扩展目标检测方法
US20170254893A1 (en) * 2016-03-03 2017-09-07 Raytheon Company System and method for estimating number and range of a plurality of moving targets
CN109613527A (zh) * 2018-12-13 2019-04-12 北京无线电测量研究所 一种运动目标的检测门限生成方法及装置
US20210116541A1 (en) * 2019-10-17 2021-04-22 Robert Bosch Gmbh Method and apparatus for processing a range-doppler matrix and radar system
CN113341404A (zh) * 2020-03-02 2021-09-03 加特兰微电子科技(上海)有限公司 恒虚警检测方法、装置、集成电路及无线电器件
US20220082681A1 (en) * 2020-09-17 2022-03-17 Texas Instruments Incorporated Doppler processing in frequency-modulated continuous wave radar systems using dither
CN112327265A (zh) * 2020-10-23 2021-02-05 北京理工大学 一种基于语义分割网络的分治检测方法
CN112731307A (zh) * 2020-12-19 2021-04-30 湖北工业大学 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN113341388A (zh) * 2021-05-08 2021-09-03 中国人民解放军空军工程大学 基于分步处理的雷达目标二维ca-cfar检测快速实现方法
CN114609626A (zh) * 2022-03-16 2022-06-10 电子科技大学 一种车载毫米波雷达多目标检测方法
CN115453483A (zh) * 2022-08-17 2022-12-09 深圳大学 一种雷达目标信号检测方法及相关设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YANG LI ET AL.: "A CFAR Detector Based on a Robust Combined Method With Spatial Information and Sparsity Regularization in Non- Homogeneous Weibull Clutter" *
赵兴刚 等: "基于K-L 散度和散度均值的改进矩阵CFAR 检测器" *

Also Published As

Publication number Publication date
CN115616577B (zh) 2023-03-10

Similar Documents

Publication Publication Date Title
CN111562581B (zh) 交通雷达及其目标检测方法、装置、电子设备及存储介质
US6515615B2 (en) Signal processing method
JP4138825B2 (ja) ウェイト算出方法、ウェイト算出装置、アダプティブアレーアンテナ、及びレーダ装置
CN111722195B (zh) 一种雷达遮挡检测方法及计算机存储介质
CN114879139B (zh) 一种车载4d毫米波雷达的联合测角方法、装置及相关设备
CN110531348B (zh) 雷达测距方法、装置、计算机设备和存储介质
CN111624567A (zh) 一种恒虚警检测方法及装置
CN111537993B (zh) 拖车检测系统以及方法
CN107202989A (zh) 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法
CN112233416A (zh) 车流量检测方法及装置
CN113408504B (zh) 基于雷达的车道线识别方法、装置、电子设备及存储介质
CN115616577B (zh) 环境自适应的车载毫米波雷达检测方法、装置及相关设备
CN113341404A (zh) 恒虚警检测方法、装置、集成电路及无线电器件
CN111796266B (zh) 一种匀加速运动目标rd平面检测前跟踪方法
CN105866748A (zh) 一种基于检测先验的固定窗长恒虚警检测方法
US11269052B2 (en) Signal processing method
CN116299401B (zh) 基于目标散射点位置的恒虚警方法、设备及其存储介质
CN115792841A (zh) 目标检测方法、装置、计算机设备和存储介质
CN110632592B (zh) 一种手持式穿墙雷达的虚警消除方法
CN113406578A (zh) 分布式无人机载雷达目标检测方法、装置及存储介质
CN111796267A (zh) 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法
CN113589254B (zh) 基于雷达的移动目标检测方法、装置及雷达检测设备
CN117523849B (zh) 基于地磁和雷达的车位检测方法、装置、设备及存储介质
CN215932122U (zh) 一种基于超宽带雷达的改进型二维cfar检测系统
WO2024060726A1 (zh) 信号处理方法、存储介质、集成电路、器件和终端设备

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