CN116699590B - 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 - Google Patents
一种基于5.8g微波雷达的fmcw多目标测距方法和系统 Download PDFInfo
- Publication number
- CN116699590B CN116699590B CN202310117203.8A CN202310117203A CN116699590B CN 116699590 B CN116699590 B CN 116699590B CN 202310117203 A CN202310117203 A CN 202310117203A CN 116699590 B CN116699590 B CN 116699590B
- Authority
- CN
- China
- Prior art keywords
- data
- signal
- monitoring target
- target
- information
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 173
- 238000007667 floating Methods 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 11
- 238000007405 data analysis Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
- G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请实施例提供了一种基于5.8G微波雷达的FMCW多目标测距方法和系统。该方法包括:根据5.8G微波雷达获取多个监测目标的微波信号数据并进行处理获得反映目标距离、速度、信号强度的信息数据,再对数据进行处理获得运动特征数据对目标进行类别分类,并根据时间段内运动特征识别判断各目标的移动状态;从而基于微波雷达处理技术和数据分析处理技术进行移动目标的运动监测并处理识别,提高对移动目标的识别和状态判断的精准度。
Description
技术领域
本申请涉及微波雷达监测技术和数据处理技术领域,具体而言,涉及适用于一种基于5.8G微波雷达的FMCW多目标测距方法和系统。
背景技术
雷达应用非常广泛,现有的雷达多目标检测中,常用的微波雷达通过发射信号采用变周期的FMCW(调频连续波)微波信号,该算法较复杂,实现的条件较苛刻,测得的目标信息误差较大,传统的FMCW雷达存在距离和速度耦合,在多目标环境下无法准确检测出每个目标的速度和距离。
然而,在现实应用中,针对多目标的运动监测获取目标运动状态数据信息,对目标进行分辨识别并预测目标的运动状态变化趋势是传统FMCW微波雷达的算法难以实现的技术,且传统的雷达侦测技术缺少与数据处理技术的有机结合技术手段,导致传统算法复杂,工程实现难度较大,且无法有效精准区分多个移动目标的运动特征。
针对上述问题,目前需要亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于5.8G微波雷达的FMCW多目标测距方法和系统,可以通过微波雷达处理技术和数据分析处理技术进行移动目标的运动监测并处理识别,提高对移动目标的识别和状态判断的精准度。
本申请实施例还提供了一种基于5.8G微波雷达的FMCW多目标测距方法,包括以下步骤:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据;
根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据;
对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类;
根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距方法中,所述通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据,包括:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号;
所述电磁波信号包括FMCW信号和CW信号;
对所述回馈信号进行噪放、变频和滤波处理,获得第一信号数据。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距方法中,所述根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据,包括:
将所述第一信号数据与预设信号进行混频得到中频信号;
将所述中频信号进行解调得到I/Q信号数据;
对所述I/Q信号数据进行傅立叶变换计算得到各监测目标的运动状态信息;
其中,根据CW信号检测所述各监测目标的第一速度信息,根据FMCW信号检测所述各监测目标的距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得所述各监测目标的运动状态信息;
根据所述运动状态信息提取各监测目标的距离信息数据和移动信息数据。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距方法中,还包括:
分别对CW信号和FMCW信号的I/Q信号进行复数运算获得预处理信号;
对所述预处理信号分别进行CFAR信息检测以及聚类处理,得到所述各监测目标的第一速度信息、距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得距离信息数据和移动信息数据。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距方法中,所述对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类,包括:
获取预设时间段内所述各监测目标的距离信息数据集和移动信息数据集;
获取所述各监测目标在所述预设时间段内的信号强度数据集;
根据所述各监测目标的距离信息数据集、移动信息数据集结合信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据;
根据所述各监测目标的运动特征数据与预设运动特征阈值进行阈值对比,根据对比阈值的范围对目标的运行特征进行分类;
所述运动状态特征识别模型的程序处理公式为:
其中,Rs为运动特征数据,Yz为目标特征属性数据,Hc为距离信息数据,M0为移动信息数据,Pt为信号强度数据,χ、ρ、γ为预设特征系数。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距方法中,所述根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息,包括:
将所述预设时间段按照预设周期要求划分为多个预设周期时间;
获取各个预设周期时间内的所述各监测目标的运动特征数据;
根据监测目标下一预设周期时间内的运动特征数据Rs2与相邻上一预设周期时间内的运动特征数据Rs1作比,获得监测目标的运动状态浮值Rs2/Rs1;
根据所述运动状态浮值Rs2/Rs1与预设移动状态阈值进行浮动阈值对比;
根据浮动阈值对比结果判断所述各监测目标的移动状态。
第二方面,本申请实施例提供了一种基于5.8G微波雷达的FMCW多目标测距系统,该系统包括:存储器及处理器,所述存储器中包括基于5.8G微波雷达的FMCW多目标测距方法的程序,所述基于5.8G微波雷达的FMCW多目标测距方法的程序被所述处理器执行时实现以下步骤:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据;
根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据;
对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类;
根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距系统中,所述通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据,包括:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号;
所述电磁波信号包括FMCW信号和CW信号;
对所述回馈信号进行噪放、变频和滤波处理,获得第一信号数据。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距系统中,所述根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据,包括:
将所述第一信号数据与预设信号进行混频得到中频信号;
将所述中频信号进行解调得到I/Q信号数据;
对所述I/Q信号数据进行傅立叶变换计算得到各监测目标的运动状态信息;
其中,根据CW信号检测所述各监测目标的第一速度信息,根据FMCW信号检测所述各监测目标的距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得所述各监测目标的运动状态信息;
根据所述运动状态信息提取各监测目标的距离信息数据和移动信息数据。
可选地,在本申请实施例所述的基于5.8G微波雷达的FMCW多目标测距系统中,还包括:
分别对CW信号和FMCW信号的I/Q信号进行复数运算获得预处理信号;
对所述预处理信号分别进行CFAR信息检测以及聚类处理,得到所述各监测目标的第一速度信息、距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得距离信息数据和移动信息数据。
由上可知,本申请实施例提供的一种基于5.8G微波雷达的FMCW多目标测距方法和系统,通过5.8G微波雷达获取多个监测目标的微波信号数据并进行处理获得反映目标距离、速度、信号强度的信息数据,再对数据进行处理获得运动特征数据对目标进行类别分类,并根据时间段内运动特征识别判断各目标的移动状态;从而基于微波雷达处理技术和数据分析处理技术进行移动目标的运动监测并处理识别,提高对移动目标的识别和状态判断的精准度。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
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,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的基于5.8G微波雷达的FMCW多目标测距方法的流程图;
图2为本申请实施例提供的基于5.8G微波雷达的FMCW多目标测距方法的获得第一信号数据的流程图;
图3为本申请实施例提供的基于5.8G微波雷达的FMCW多目标测距方法的获得各监测目标的运动状态信息的流程图;
图4为本申请实施例提供的基于5.8G微波雷达的FMCW多目标测距系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的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。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于5.8G微波雷达的FMCW多目标测距方法的流程图。该基于5.8G微波雷达的FMCW多目标测距方法用于终端设备中,例如电脑、手机终端等。该基于5.8G微波雷达的FMCW多目标测距方法,包括以下步骤:
S101、通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据;
S102、根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据;
S103、对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类;
S104、根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息。
需要说明的是,为识别判断多个监测目标的移动状态,根据5.8G微波雷达获取多个监测目标的微波信号数据并进行处理获得反映目标距离、速度、信号强度的信息数据,再对数据进行处理获得运动特征数据对目标进行类别分类,并根据时间段内运动特征识别判断各目标的移动状态,其中通过微波波雷达对接收的反馈信号经过低噪放、下变频和滤波处理,获得中频信号,然后对中频信号进行采样并且进行包括平滑处理、滤波处理和加窗处理获得第一信号数据,实现对原始信号质量的提高。
请参照图2,图2是本申请一些实施例中的基于5.8G微波雷达的FMCW多目标测距方法的获得第一信号数据的流程图。根据本发明实施例,所述通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据,具体为:
S201、通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号;
S202、所述电磁波信号包括FMCW信号和CW信号;
S203、对所述回馈信号进行噪放、变频和滤波处理,获得第一信号数据。
需要说明的是,由于FMCW微波信号具有宽时宽带,有很高的测距分辨力和精度,采用一定的调制方式可以同时进行距离和速度的测量,从而便于对多目标进行跟踪监测,CW微波信号由于无法同时进行距离和速度的测量,所以采用CW和FMCW信号共同处理的方式对多目标的距离和速度以及信号强度进行测量,再经过噪放、变频和滤波处理,获得第一信号数据。
请参照图3,图3是本申请一些实施例中的基于5.8G微波雷达的FMCW多目标测距方法的获得各监测目标的运动状态信息的流程图。根据本发明实施例,所述根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据,具体为:
S301、将所述第一信号数据与预设信号进行混频得到中频信号;
S302、将所述中频信号进行解调得到I/Q信号数据;
S303、对所述I/Q信号数据进行傅立叶变换计算得到各监测目标的运动状态信息;
S304、其中,根据CW信号检测所述各监测目标的第一速度信息,根据FMCW信号检测所述各监测目标的距离信息和第二速度信息;
S305、根据所述第一速度信息和第二速度信息进行匹配获得所述各监测目标的运动状态信息;
S306、根据所述运动状态信息提取各监测目标的距离信息数据和移动信息数据。
需要说明的是,在对中频信号进行解调时可以采用I/Q解调器,I/Q解调器由分配器、混频器和合成器组成,在进行解调时信号从分配器的合成端输入,在两个混频器中向下变频,输出被解码,混频获得的中频信号是先后发送CW+FMCW信号,先后发送CW+FMCW调制信号对应得到的I/Q信号体现在时间先后顺序上,雷达测速通过监测移动目标的多普勒频率来进行目标移动监测,雷达监测目标必须在频域,而雷达接收到的回波信号是在时域,需要将时域信号转化为频域信号,而傅立叶变换处理可以将时域信号转化为频域信号,对I/Q信号进行变换处理后进行目标检测,根据FMCW信号得到监测目标的距离信息和第二速度信息,根据CW信号得到监测目标的第一速度信息,再通过信息匹配得到各监测目标的运动状态信息。
根据本发明实施例,还包括:
分别对CW信号和FMCW信号的I/Q信号进行复数运算获得预处理信号;
对所述预处理信号分别进行CFAR信息检测以及聚类处理,得到所述各监测目标的第一速度信息、距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得距离信息数据和移动信息数据。
需要说明的是,采用复数运算可以实现对监测目标的方向性检测,以判断目标的运动趋势,对预处理信号通过CFAR检测可避免外界信号干扰的影响,自动调整其灵敏度,聚类处理为速度的偏移聚类处理,采用速度的偏移,通过聚类对多个目标进行区分并进行测距和测速,进而能够区分各移动目标的轨迹和速度,在采用速度的偏移聚类处理时,一个窗口中至多选择一个目标进行处理,在采用速度的偏移聚类处理时,将窗口中的初始目标中幅值最大的目标作为最终目标,在距离-速度关系图中,若一个比较小的窗内存在多个初始目标,表示这些初始目标的速度和距离比较接近,在若干个初始目标中选取一个幅值最大的作为最终目标,窗口大小的选取与检测精度和性能相关,需根据实际测试效果进行调整,在进行CFAR处理前,对经过复数运算后的预处理信号进行杂波抑制,通过杂波抑制可以抑制静止和低速杂波,使得不影响对目标的检测,CFAR的信息检测是通过CFAR检测器在被检测单元中取相隔一个保护单元的前后两个长度为A的滑窗内的单元信号,将这两个单元信号分别去掉部分极大值后进行平均化,将平均后的信号选大后乘以门限因子作为检测阈值;将被检测单元与检测阈值对比后作为恒虚警输出。
根据本发明实施例,所述对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类,具体为:
获取预设时间段内所述各监测目标的距离信息数据集和移动信息数据集;
获取所述各监测目标在所述预设时间段内的信号强度数据集;
根据所述各监测目标的距离信息数据集、移动信息数据集结合信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据;
根据所述各监测目标的运动特征数据与预设运动特征阈值进行阈值对比,根据对比阈值的范围对目标的运行特征进行分类;
所述运动状态特征识别模型的程序处理公式为:
其中,Rs为运动特征数据,Yz为目标特征属性数据,Hc为距离信息数据,M0为移动信息数据,Pt为信号强度数据,χ、ρ、γ为预设特征系数。
需要说明的是,为实现对获取的各监测移动目标的运动特征的分类,以实现对监测目标移动属性的特征判别,如生物体特征、落体物质特征、小微操控装置特征、自由移动物体特征、动力飞行器特征等,通过获取目标的运动特征数据进行分类,通过获取预设时间段内各监测目标的距离信息数据和移动信息数据以及信号强度数据分别根据时间集聚的距离信息数据集和移动信息数据集以及信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据,再将各监测目标的运动特征数据与预设的运动特征阈值进行阈值对比,根据各个目标落入的阈值区间范围对各个目标的运行特征进行分类,本方案中将预设运动特征阈值分类级别按照预设阈值范围均分为四个类别,分别为第一类别至第四类别(动力飞行器特征、自由移动物体特征、小微操控装置特征、落体物质特征),其中一类阈值范围为(0.75,1],二类阈值范围为(0.5,0.75],三类阈值范围为(0.25,0.5],四类阈值范围为[0,0.25],如某监测的移动目标a的运动特征数据的对比阈值为0.8,则目标a的类别为第一类别,为动力飞行器特征类别。
根据本发明实施例,所述根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息,具体为:
将所述预设时间段按照预设周期要求划分为多个预设周期时间;
获取各个预设周期时间内的所述各监测目标的运动特征数据;
根据监测目标下一预设周期时间内的运动特征数据Rs2与相邻上一预设周期时间内的运动特征数据Rs1作比,获得监测目标的运动状态浮值Rs2/Rs1;
根据所述运动状态浮值Rs2/Rs1与预设移动状态阈值进行浮动阈值对比;
根据浮动阈值对比结果判断所述各监测目标的移动状态。
需要说明的是,为识别判断各监测目标的移动状态,如获得目标的巡航、变速、变距、骤停、失速等状态的监测,根据预设时间段内划分多段的预设周期时间内监测目标在相邻两个监测周期时间内的运动特征数据的比值获得监测目标的运动状态浮值,根据该运动状态浮值与预设移动状态阈值进行浮动阈值对比,根据浮动阈值的对比结果判断各监测目标的移动状态,本方案中将预设移动状态阈值类型按照预设阈值范围分为五个类型,分别为第一类型至第五类型(巡航、变距、变速、失速、骤停),其中一类阈值范围为(0.85,1],二类阈值范围为(0.65,0.85],三类阈值范围为(0.4,0.65],四类阈值范围为(0.25,0.4],五类阈值范围为[0,0.25],如某监测目标b在某时段x的运动状态浮值的对比浮动阈值为0.47,则目标b的移动状态类型为第三类型,该目标在x时段为变速运动状态。
如图4所示,本发明还公开了一种基于5.8G微波雷达的FMCW多目标测距系统,包括存储器41和处理器42,所述存储器中包括基于5.8G微波雷达的FMCW多目标测距方法程序,所述基于5.8G微波雷达的FMCW多目标测距方法程序被所述处理器执行时实现如下步骤:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据;
根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据;
对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类;
根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息。
需要说明的是,为识别判断多个监测目标的移动状态,根据5.8G微波雷达获取多个监测目标的微波信号数据并进行处理获得反映目标距离、速度、信号强度的信息数据,再对数据进行处理获得运动特征数据对目标进行类别分类,并根据时间段内运动特征识别判断各目标的移动状态,其中通过微波波雷达对接收的反馈信号经过低噪放、下变频和滤波处理,获得中频信号,然后对中频信号进行采样并且进行包括平滑处理、滤波处理和加窗处理获得第一信号数据,实现对原始信号质量的提高。。
根据本发明实施例,所述通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据,具体为:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号;
所述电磁波信号包括FMCW信号和CW信号;
对所述回馈信号进行噪放、变频和滤波处理,获得第一信号数据。
需要说明的是,由于FMCW微波信号具有宽时宽带,有很高的测距分辨力和精度,采用一定的调制方式可以同时进行距离和速度的测量,从而便于对多目标进行跟踪监测,CW微波信号由于无法同时进行距离和速度的测量,所以采用CW和FMCW信号共同处理的方式对多目标的距离和速度以及信号强度进行测量,再经过噪放、变频和滤波处理,获得第一信号数据。
根据本发明实施例,所述根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据,具体为:
将所述第一信号数据与预设信号进行混频得到中频信号;
将所述中频信号进行解调得到I/Q信号数据;
对所述I/Q信号数据进行傅立叶变换计算得到各监测目标的运动状态信息;
其中,根据CW信号检测所述各监测目标的第一速度信息,根据FMCW信号检测所述各监测目标的距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得所述各监测目标的运动状态信息;
根据所述运动状态信息提取各监测目标的距离信息数据和移动信息数据。
需要说明的是,在对中频信号进行解调时可以采用I/Q解调器,I/Q解调器由分配器、混频器和合成器组成,在进行解调时信号从分配器的合成端输入,在两个混频器中向下变频,输出被解码,混频获得的中频信号是先后发送CW+FMCW信号,先后发送CW+FMCW调制信号对应得到的I/Q信号体现在时间先后顺序上,雷达测速通过监测移动目标的多普勒频率来进行目标移动监测,雷达监测目标必须在频域,而雷达接收到的回波信号是在时域,需要将时域信号转化为频域信号,而傅立叶变换处理可以将时域信号转化为频域信号,对I/Q信号进行变换处理后进行目标检测,根据FMCW信号得到监测目标的距离信息和第二速度信息,根据CW信号得到监测目标的第一速度信息,再通过信息匹配得到各监测目标的运动状态信息。
根据本发明实施例,还包括:
分别对CW信号和FMCW信号的I/Q信号进行复数运算获得预处理信号;
对所述预处理信号分别进行CFAR信息检测以及聚类处理,得到所述各监测目标的第一速度信息、距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得距离信息数据和移动信息数据。
需要说明的是,采用复数运算可以实现对监测目标的方向性检测,以判断目标的运动趋势,对预处理信号通过CFAR检测可避免外界信号干扰的影响,自动调整其灵敏度,聚类处理为速度的偏移聚类处理,采用速度的偏移,通过聚类对多个目标进行区分并进行测距和测速,进而能够区分各移动目标的轨迹和速度,在采用速度的偏移聚类处理时,一个窗口中至多选择一个目标进行处理,在采用速度的偏移聚类处理时,将窗口中的初始目标中幅值最大的目标作为最终目标,在距离-速度关系图中,若一个比较小的窗内存在多个初始目标,表示这些初始目标的速度和距离比较接近,在若干个初始目标中选取一个幅值最大的作为最终目标,窗口大小的选取与检测精度和性能相关,需根据实际测试效果进行调整,在进行CFAR处理前,对经过复数运算后的预处理信号进行杂波抑制,通过杂波抑制可以抑制静止和低速杂波,使得不影响对目标的检测,CFAR的信息检测是通过CFAR检测器在被检测单元中取相隔一个保护单元的前后两个长度为A的滑窗内的单元信号,将这两个单元信号分别去掉部分极大值后进行平均化,将平均后的信号选大后乘以门限因子作为检测阈值;将被检测单元与检测阈值对比后作为恒虚警输出。
根据本发明实施例,所述对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类,具体为:
获取预设时间段内所述各监测目标的距离信息数据集和移动信息数据集;
获取所述各监测目标在所述预设时间段内的信号强度数据集;
根据所述各监测目标的距离信息数据集、移动信息数据集结合信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据;
根据所述各监测目标的运动特征数据与预设运动特征阈值进行阈值对比,根据对比阈值的范围对目标的运行特征进行分类;
所述运动状态特征识别模型的程序处理公式为:
其中,Rs为运动特征数据,Yz为目标特征属性数据,Hc为距离信息数据,M0为移动信息数据,Pt为信号强度数据,χ、ρ、γ为预设特征系数。
需要说明的是,为实现对获取的各监测移动目标的运动特征的分类,以实现对监测目标移动属性的特征判别,如生物体特征、落体物质特征、小微操控装置特征、自由移动物体特征、动力飞行器特征等,通过获取目标的运动特征数据进行分类,通过获取预设时间段内各监测目标的距离信息数据和移动信息数据以及信号强度数据分别根据时间集聚的距离信息数据集和移动信息数据集以及信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据,再将各监测目标的运动特征数据与预设的运动特征阈值进行阈值对比,根据各个目标落入的阈值区间范围对各个目标的运行特征进行分类,本方案中将预设运动特征阈值分类级别按照预设阈值范围均分为四个类别,分别为第一类别至第四类别(动力飞行器特征、自由移动物体特征、小微操控装置特征、落体物质特征),其中一类阈值范围为(0.75,1],二类阈值范围为(0.5,0.75],三类阈值范围为(0.25,0.5],四类阈值范围为[0,0.25],如某监测的移动目标a的运动特征数据的对比阈值为0.8,则目标a的类别为第一类别,为动力飞行器特征类别。
根据本发明实施例,所述根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息,具体为:
将所述预设时间段按照预设周期要求划分为多个预设周期时间;
获取各个预设周期时间内的所述各监测目标的运动特征数据;
根据监测目标下一预设周期时间内的运动特征数据Rs2与相邻上一预设周期时间内的运动特征数据Rs1作比,获得监测目标的运动状态浮值Rs2/Rs1;
根据所述运动状态浮值Rs2/Rs1与预设移动状态阈值进行浮动阈值对比;
根据浮动阈值对比结果判断所述各监测目标的移动状态。
需要说明的是,为识别判断各监测目标的移动状态,如获得目标的巡航、变速、变距、骤停、失速等状态的监测,根据预设时间段内划分多段的预设周期时间内监测目标在相邻两个监测周期时间内的运动特征数据的比值获得监测目标的运动状态浮值,根据该运动状态浮值与预设移动状态阈值进行浮动阈值对比,根据浮动阈值的对比结果判断各监测目标的移动状态,本方案中将预设移动状态阈值类型按照预设阈值范围分为五个类型,分别为第一类型至第五类型(巡航、变距、变速、失速、骤停),其中一类阈值范围为(0.85,1],二类阈值范围为(0.65,0.85],三类阈值范围为(0.4,0.65],四类阈值范围为(0.25,0.4],五类阈值范围为[0,0.25],如某监测目标b在某时段x的运动状态浮值的对比浮动阈值为0.47,则目标b的移动状态类型为第三类型,该目标在x时段为变速运动状态。
本发明公开的一种基于5.8G微波雷达的FMCW多目标测距方法和系统,通过5.8G微波雷达获取多个监测目标的微波信号数据并进行处理获得反映目标距离、速度、信号强度的信息数据,再对数据进行处理获得运动特征数据对目标进行类别分类,并根据时间段内运动特征识别判断各目标的移动状态;从而基于微波雷达处理技术和数据分析处理技术进行移动目标的运动监测并处理识别,提高对移动目标的识别和状态判断的精准度。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元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,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (7)
1.一种基于5.8G微波雷达的FMCW多目标测距方法,其特征在于,包括以下步骤:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据;
根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据;
对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类;
根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息;
所述通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据,包括:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号;
所述电磁波信号包括FMCW信号和CW信号;
对所述回馈信号进行噪放、变频和滤波处理,获得第一信号数据;
所述对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类,包括:
获取预设时间段内所述各监测目标的距离信息数据集和移动信息数据集;
获取所述各监测目标在所述预设时间段内的信号强度数据集;
根据所述各监测目标的距离信息数据集、移动信息数据集结合信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据;
根据所述各监测目标的运动特征数据与预设运动特征阈值进行阈值对比,根据对比阈值的范围对目标的运行特征进行分类;
所述运动状态特征识别模型的程序处理公式为:
;
其中,为运动特征数据,/>为目标特征属性数据,/>为距离信息数据,/>为移动信息数据,/>为信号强度数据,/>、/>、/>、/>为预设特征系数。
2.根据权利要求1所述的基于5.8G微波雷达的FMCW多目标测距方法,其特征在于,所述根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据,包括:
将所述第一信号数据与预设信号进行混频得到中频信号;
将所述中频信号进行解调得到I/Q信号数据;
对所述I/Q信号数据进行傅立叶变换计算得到各监测目标的运动状态信息;
其中,根据CW信号检测所述各监测目标的第一速度信息,根据FMCW信号检测所述各监测目标的距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得所述各监测目标的运动状态信息;
根据所述运动状态信息提取各监测目标的距离信息数据和移动信息数据。
3.根据权利要求2所述的基于5.8G微波雷达的FMCW多目标测距方法,其特征在于,还包括:
分别对CW信号和FMCW信号的I/Q信号进行复数运算获得预处理信号;
对所述预处理信号分别进行CFAR信息检测以及聚类处理,得到所述各监测目标的第一速度信息、距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得距离信息数据和移动信息数据。
4.根据权利要求3所述的基于5.8G微波雷达的FMCW多目标测距方法,其特征在于,所述根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息,包括:
将所述预设时间段按照预设周期要求划分为多个预设周期时间;
获取各个预设周期时间内的所述各监测目标的运动特征数据;
根据监测目标下一预设周期时间内的运动特征数据与相邻上一预设周期时间内的运动特征数据/>作比,获得监测目标的运动状态浮值/>;
根据所述运动状态浮值与预设移动状态阈值进行浮动阈值对比;
根据浮动阈值对比结果判断所述各监测目标的移动状态。
5.一种基于5.8G微波雷达的FMCW多目标测距系统,其特征在于,该系统包括:存储器及处理器,所述存储器中包括基于5.8G微波雷达的FMCW多目标测距方法的程序,所述基于5.8G微波雷达的FMCW多目标测距方法的程序被所述处理器执行时实现以下步骤:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据;
根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据;
对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类;
根据预设周期内的所述各监测目标的运动特征数据进行状态处理获得预设周期内的移动状态信息;
所述通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号,对接收的回馈信号进行处理获得第一信号数据,包括:
通过5.8G微波雷达向监测目标发送连续电磁波并接收回馈信号;
所述电磁波信号包括FMCW信号和CW信号;
对所述回馈信号进行噪放、变频和滤波处理,获得第一信号数据;
所述对所述各监测目标的运动状态信息进行运动状态特征识别处理获得目标的运动特征数据并分类,包括:
获取预设时间段内所述各监测目标的距离信息数据集和移动信息数据集;
获取所述各监测目标在所述预设时间段内的信号强度数据集;
根据所述各监测目标的距离信息数据集、移动信息数据集结合信号强度数据集在运动状态特征识别模型中进行程序处理获得各检测目标的运动特征数据;
根据所述各监测目标的运动特征数据与预设运动特征阈值进行阈值对比,根据对比阈值的范围对目标的运行特征进行分类;
所述运动状态特征识别模型的程序处理公式为:
;
其中,为运动特征数据,/>为目标特征属性数据,/>为距离信息数据,/>为移动信息数据,/>为信号强度数据,/>、/>、/>、/>为预设特征系数。
6.根据权利要求5所述的基于5.8G微波雷达的FMCW多目标测距系统,其特征在于,所述根据所述第一信号数据与预设信号进行混频处理获得各监测目标的运动状态信息,包括距离信息数据和移动信息数据,包括:
将所述第一信号数据与预设信号进行混频得到中频信号;
将所述中频信号进行解调得到I/Q信号数据;
对所述I/Q信号数据进行傅立叶变换计算得到各监测目标的运动状态信息;
其中,根据CW信号检测所述各监测目标的第一速度信息,根据FMCW信号检测所述各监测目标的距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得所述各监测目标的运动状态信息;
根据所述运动状态信息提取各监测目标的距离信息数据和移动信息数据。
7.根据权利要求6所述的基于5.8G微波雷达的FMCW多目标测距系统,其特征在于,还包括:
分别对CW信号和FMCW信号的I/Q信号进行复数运算获得预处理信号;
对所述预处理信号分别进行CFAR信息检测以及聚类处理,得到所述各监测目标的第一速度信息、距离信息和第二速度信息;
根据所述第一速度信息和第二速度信息进行匹配获得距离信息数据和移动信息数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310117203.8A CN116699590B (zh) | 2023-02-15 | 2023-02-15 | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310117203.8A CN116699590B (zh) | 2023-02-15 | 2023-02-15 | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116699590A CN116699590A (zh) | 2023-09-05 |
CN116699590B true CN116699590B (zh) | 2024-05-10 |
Family
ID=87832794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310117203.8A Active CN116699590B (zh) | 2023-02-15 | 2023-02-15 | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116699590B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105301592A (zh) * | 2015-10-12 | 2016-02-03 | 合肥工业大学 | 一种汽车防撞雷达系统及采用其的多目标识别算法 |
CN105842685A (zh) * | 2016-03-18 | 2016-08-10 | 浙江大华技术股份有限公司 | 一种多目标雷达探测方法 |
CN107076836A (zh) * | 2014-07-29 | 2017-08-18 | 法雷奥开关和传感器有限责任公司 | 用于对机动车辆周围区域中的对象分类的方法、驾驶员辅助系统和机动车辆 |
CN108670261A (zh) * | 2018-04-12 | 2018-10-19 | 深圳先进技术研究院 | 运动状态检测方法、可佩戴设备以及装置 |
CN109001488A (zh) * | 2018-04-26 | 2018-12-14 | 深圳市有为信息技术发展有限公司 | 一种车辆位置监控的静止运动的检测方法及检测系统 |
CN113109802A (zh) * | 2021-03-05 | 2021-07-13 | 福瑞泰克智能系统有限公司 | 目标运动状态判断方法、装置、雷达设备和存储介质 |
CN113192109A (zh) * | 2021-06-01 | 2021-07-30 | 北京海天瑞声科技股份有限公司 | 在连续帧中识别物体运动状态的方法及装置 |
CN115575922A (zh) * | 2022-12-07 | 2023-01-06 | 中国人民解放军国防科技大学 | 基于车载fmcw毫米波雷达的动目标检测方法和装置 |
CN115630569A (zh) * | 2022-10-09 | 2023-01-20 | 华东光电集成器件研究所 | 一种应用于自动驾驶的毫米波雷达传感器建模方法 |
CN115657002A (zh) * | 2022-11-14 | 2023-01-31 | 西安电子科技大学 | 基于交通毫米波雷达的车辆运动状态估计方法 |
-
2023
- 2023-02-15 CN CN202310117203.8A patent/CN116699590B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107076836A (zh) * | 2014-07-29 | 2017-08-18 | 法雷奥开关和传感器有限责任公司 | 用于对机动车辆周围区域中的对象分类的方法、驾驶员辅助系统和机动车辆 |
CN105301592A (zh) * | 2015-10-12 | 2016-02-03 | 合肥工业大学 | 一种汽车防撞雷达系统及采用其的多目标识别算法 |
CN105842685A (zh) * | 2016-03-18 | 2016-08-10 | 浙江大华技术股份有限公司 | 一种多目标雷达探测方法 |
CN108670261A (zh) * | 2018-04-12 | 2018-10-19 | 深圳先进技术研究院 | 运动状态检测方法、可佩戴设备以及装置 |
CN109001488A (zh) * | 2018-04-26 | 2018-12-14 | 深圳市有为信息技术发展有限公司 | 一种车辆位置监控的静止运动的检测方法及检测系统 |
CN113109802A (zh) * | 2021-03-05 | 2021-07-13 | 福瑞泰克智能系统有限公司 | 目标运动状态判断方法、装置、雷达设备和存储介质 |
CN113192109A (zh) * | 2021-06-01 | 2021-07-30 | 北京海天瑞声科技股份有限公司 | 在连续帧中识别物体运动状态的方法及装置 |
CN115630569A (zh) * | 2022-10-09 | 2023-01-20 | 华东光电集成器件研究所 | 一种应用于自动驾驶的毫米波雷达传感器建模方法 |
CN115657002A (zh) * | 2022-11-14 | 2023-01-31 | 西安电子科技大学 | 基于交通毫米波雷达的车辆运动状态估计方法 |
CN115575922A (zh) * | 2022-12-07 | 2023-01-06 | 中国人民解放军国防科技大学 | 基于车载fmcw毫米波雷达的动目标检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116699590A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352102B (zh) | 一种基于调频连续波雷达的多目标个数检测方法及装置 | |
US7352321B2 (en) | Determining statistical descriptors of a signal from a set of its samples | |
US7286079B2 (en) | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter | |
WO2021134449A1 (zh) | 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质 | |
CN113009442B (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
Fan et al. | Weak target detection based on joint fractal characteristics of autoregressive spectrum in sea clutter background | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN109991595A (zh) | 一种基于毫米波雷达的距离测量方法及相关装置 | |
CN112731307A (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
KR20220050467A (ko) | 해수면 전파 반사율을 이용한 딥 러닝 해양 클러스터 데이터 측정 시스템 | |
CN110208767B (zh) | 一种基于拟合相关系数的雷达目标快速检测方法 | |
JP3567906B2 (ja) | レーダ用信号処理装置 | |
CN113093168A (zh) | 测距测速方法、装置、雷达及可读存储介质 | |
US20040108952A1 (en) | Signal processing apparatus of radio radar | |
CN116699590B (zh) | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 | |
CN116990773A (zh) | 基于自适应门限的低慢小目标检测方法、装置和存储介质 | |
CN110751103A (zh) | 一种用于物体内部检测的微波信号分类方法及系统 | |
CN110361723A (zh) | 多普勒雷达运动目标的时频特征提取方法 | |
Onumanyi et al. | A discriminant analysis-based automatic ordered statistics scheme for radar systems | |
CN115047419A (zh) | 一种毫米波雷达恒虚警率检测方法及装置 | |
CN114859297A (zh) | 桥梁振动目标检测方法及装置 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
CN116047442A (zh) | 一种检测目标角度的方法、装置及电子设备 | |
CN108872954B (zh) | 基于同一周期内相关处理的恒虚警检测方法 |
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 |