CN116736256B - 雷达的识别方法、装置及电子设备 - Google Patents
雷达的识别方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116736256B CN116736256B CN202311007025.XA CN202311007025A CN116736256B CN 116736256 B CN116736256 B CN 116736256B CN 202311007025 A CN202311007025 A CN 202311007025A CN 116736256 B CN116736256 B CN 116736256B
- Authority
- CN
- China
- Prior art keywords
- radar
- false alarm
- detection
- data output
- threshold
- 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 28
- 238000001514 detection method Methods 0.000 claims abstract description 99
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 17
- 230000006870 function Effects 0.000 description 8
- 101100134058 Caenorhabditis elegans nth-1 gene Proteins 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 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
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Abstract
本发明公开了一种雷达的识别方法、装置及电子设备，所述识别方法包括：根据所述雷达至少一帧的所述侦测点获取虚警点；根据所述虚警点生成相应的虚警点分布特征；根据所述虚警点分布特征调整所述雷达的数据输出门限。本发明根据所述雷达至少一帧的所述侦测点获取虚警点，根据所述虚警点生成相应的虚警点分布特征，再根据所述虚警点分布特征调整所述雷达的数据输出门限，从针对不同的虚警点分布特征对应不同的应用场景，根据虚警点分布特征判断是否处于特殊场景，并在特殊场景下提高数据输出门限，从而解决特殊场景下侦测点过多引起的数据处理的难度增加的问题。
Description
技术领域
本发明涉及车载雷达识别技术领域，尤其涉及雷达的识别方法、装置及电子设备。
背景技术
毫米波雷达在隧道等特殊场景中的多径效应较为明显，容易产生较多的虚警点，因此大大增加了数据处理的难度，也会增加雷达功能误触发的几率。
现在部分毫米波雷达通过对多径目标进行识别来进行过滤，避免其对雷达功能产生影响，但是由于场景的随机性很大，多径目标会有误识别或者漏识别，因此不能从根本上解决问题。
发明内容
本发明提供了一种雷达的识别方法、装置及电子设备能有效解决目前毫米波雷达在隧道等特殊场景中的多径效应较为明显，容易产生较多的虚警点，因此大大增加了数据处理的难度的问题。
根据本发明的一方面，提供一种雷达的识别方法，所述雷达根据设置的数据输出门限将所侦测到的符合所述数据输出门限的侦测点输出，识别方法包括：根据所述雷达至少一帧的所述侦测点获取虚警点；根据所述虚警点生成相应的虚警点分布特征；根据所述虚警点分布特征调整所述雷达的数据输出门限。
进一步地，所述根据所述雷达至少一帧的所述侦测点获取虚警点包括：获取第N帧至第N-M帧的第一侦测数据，其中M不小于0，N-M不小于1；根据所述第一侦测数据确定所述虚警点；对所述虚警点进行滑窗积累。
进一步地，所述根据所述虚警点生成相应的虚警点分布特征包括：根据所述雷达的场视角范围确定所述雷达的视角宽度；将所述视角宽度划分为多个子区间，并遍历每一所述子区间中虚警点的数量。
进一步地，所述根据所述虚警点生成相应的虚警点分布特征还包括：统计全部子区间的虚警点数量的离散值；当离散值小于预设值时，确定当前所述雷达所处场景为特殊场景。
进一步地，所述根据所述虚警点分布特征调整所述雷达的数据输出门限包括：当所述雷达所处场景为隧道场景时，将所述第一门限作为所述雷达的数据输出门限；当离散值不小于预设值时，所述雷达所处场景为正常场景时，将所述第二门限作为所述雷达的数据输出门限。
进一步地，所述将所述第一门限作为所述雷达的数据输出门限包括：将所述检测电平由第一电平调制为第二电平，其中第一电平小于第二电平。
进一步地，所述将所述第一门限作为所述雷达的数据输出门限还包括：获取第N帧至第N-M帧的第一侦测数据，其中M不小于1，N-M不小于1；根据所述第一侦测数据确定所述虚警点。
进一步地，所述将所述第一门限作为所述雷达的数据输出门限还包括：将所述检测电平由第一电平调制为第三电平，其中第三电平小于第一电平。
根据本发明的一方面，提供一种雷达的识别装置，所述雷达根据设置的数据输出门限将所侦测到的符合所述数据输出门限的侦测点输出，识别装置包括：虚警点识别单元，用于根据所述雷达至少一帧的所述侦测点获取虚警点；特性分析单元，用于根据所述虚警点生成相应的虚警点分布特征；输出调节单元，用于根据所述虚警点分布特征调整所述雷达的数据输出门限。
根据本发明的另方面，提供一种电子设备，包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于执行本发明任一实施例所述的识别方法中的步骤。
本发明的有益效果，本发明根据所述雷达至少一帧的所述侦测点获取虚警点，根据所述虚警点生成相应的虚警点分布特征，再根据所述虚警点分布特征调整所述雷达的数据输出门限，从针对不同的虚警点分布特征对应不同的应用场景，根据虚警点分布特征判断是否处于特殊场景，并在特殊场景下提高数据输出门限，从而解决特殊场景下侦测点过多引起的数据处理的难度增加的问题。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。
图1为本发明实施例提供的雷达的识别方法的步骤流程图。
图2为本发明实施例提供的特殊场景下雷达的侦测图与统计图。
图3为本发明实施例提供的雷达的识别装置的结构示意图。
图4是本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接或可以相互通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示，为本发明实施例提供的雷达的识别方法的步骤流程图，所述雷达的识别方法包括：
步骤S110：根据所述雷达至少一帧的所述侦测点获取虚警点。
示例性地，所述根据所述雷达至少一帧的所述侦测点获取虚警点包括：获取第N帧至第N-M帧的第一侦测数据，其中M不小于0，N-M不小于1，根据所述第一侦测数据确定所述虚警点，对所述虚警点进行滑窗积累。
具体地，当M为0时，即雷达通过一帧的所述侦测点获取虚警点，为了保证虚警点获取的准确性，通常采用M为1，即获取第N帧和第N-1帧，可以理解的是，第N帧即指的是当前帧，第N-1帧指的是第N帧的前一帧，第一侦测数据包括第N帧数据和第N-1帧数据。
当M为1时，将第N帧数据与第N-1帧数据进行对比，当同样的侦测点均出现在第N帧数据中，也出现在第N-1帧数据中，该侦测点为真实的目标点，反之当同样的侦测点出现在第N帧数据中，未出现在第N-1帧数据中，则需要等待下一帧的数据，例如第N+1帧的数据中也出现了该侦测点，则判定该侦测点为真实的目标点，当然在一些实施例中，当同样的侦测点出现在第N帧数据中，未出现在第N-1帧数据中，也可以直接判断该侦测点为虚警点，相对于后者，前者增了N+1帧数据，判断虚警点的正确率更高。
当同样的侦测点出现在第N-1帧数据中，未出现在第N帧数据中，则可判断该侦测点为虚警点。
当然以上的虚警点的判断方式适用于正常场景中，例如在常见的马路上，高速道路等。
当M为1时，对所述虚警点进行滑窗积累，该滑窗的长度为2帧，也即滑窗显示第N帧数据和第N-1帧数据。
步骤S120：根据所述虚警点生成相应的虚警点分布特征。
示例性地，所述根据所述虚警点生成相应的虚警点分布特征包括：根据所述雷达的场视角范围确定所述雷达的视角宽度，将所述视角宽度划分为多个子区间，并遍历每一所述子区间中虚警点的数量。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
如图2所示，图2中显示的是在特殊场景中的雷达的滑窗积累，该特殊场景为携载雷达的车辆行驶至隧道中，本实施例中的视角通常是指水平场视角，雷达的场视角为140度，换算成雷达的视角宽度为-40米至40米。
由图2的侦测点的分布情况可以看出在-10米至10米之间分布侦测点，本实施例中以2米作为一个子区间的宽度，将-10米至10米分为10个子区间，可以理解的是，当子区间的宽度越小，其统计的侦测点对应的宽度距离越接近真实的实况路面情况，因此子区间的宽度越小，其虚警点分布特征越真实，对于场景的判断准确度越高。
示例性地，所述根据所述虚警点生成相应的虚警点分布特征还包括：统计全部子区间的虚警点数量的离散值，当离散值小于预设值时，确定当前所述雷达所处场景为特殊场景。
具体地，图2中示出一种统计方式通过直方图的方式进行统计，根据全部子区间的数量和各个子区间的虚警点数量得出每个子区间的平均虚警点数量，在根据平均虚警点数量得到方差，方差越大则离散值越大，方差越小则离散值越小。
由此可知，利用隧道虚警点多且随机分布的特性，在隧道中虚警点与视角宽度呈均需分布在各个子区间内，而对于正常的场景，虚警点数量少，且呈现聚集分布，从而离散值越大则可以判定为正常场景，离散值越小则可以判定为特殊场景。
步骤S130：根据所述虚警点分布特征调整所述雷达的数据输出门限。
示例性地，所述根据所述虚警点分布特征调整所述雷达的数据输出门限包括：当所述雷达所处场景为隧道场景时，将所述第一门限作为所述雷达的数据输出门限，当离散值不小于预设值时，所述雷达所处场景为正常场景时，将所述第二门限作为所述雷达的数据输出门限。
进一步地，所述将所述第一门限作为所述雷达的数据输出门限包括：将所述检测电平由第一电平调制为第二电平，其中第一电平小于第二电平。具体而言，雷达发射电磁波通过目标反射回雷达从而雷达侦测到该目标，雷达将该目标输出（例如显示在雷达屏幕中），即为一个侦测点，但由于不同的物体对电磁波的反射能力不同，从而使得雷达在接到反射的电磁波时，需要进行的判断，雷达需要输出的目标为车辆和人等障碍物。
通常采用电平大小进行比对输出，例如电平大于某一值时则判断为目标，可见当提升检测电平时，雷达输出的侦测点将减小，当降低电平时，雷达输出的侦测点将增加。当提升检测电平时，雷达输出的侦测点将减小，这会降低雷达数据处理的难度，也会降低雷达错误报警的概率，但有些真实的目标会丢失即会提高漏警的概率。当降低电平时，雷达输出的侦测点将增加，这会提升雷达数据处理的难度，也会提升雷达错误报警的概率。
可见在特殊场景时，由于场景内的虚警点较多，提高检测电平更有利于降低雷达的数据处理的难度，也会降低雷达错误报警的概率。
在一些实施例中，所述将所述第一门限作为所述雷达的数据输出门限还包括：获取第N帧至第N-M帧的第一侦测数据，其中M不小于1，N-M不小于1，根据所述第一侦测数据确定所述虚警点。
当M值增加时，则虚警点的数量增加，从而在特殊场景下获得更为准确的虚警点，从而增加雷达对场景的判断准确率。
在一些实施例中，所述将所述第一门限作为所述雷达的数据输出门限还包括：将所述检测电平由第一电平调制为第三电平，其中第三电平小于第一电平。可见在正常场景时，由于场景内的虚警点较少，降低检测电平更有利于降低雷达的漏警的概率。
本发明的有益效果，本发明根据所述雷达至少一帧的所述侦测点获取虚警点，根据所述虚警点生成相应的虚警点分布特征，再根据所述虚警点分布特征调整所述雷达的数据输出门限，从针对不同的虚警点分布特征对应不同的应用场景，根据虚警点分布特征判断是否处于特殊场景，并在特殊场景下提高数据输出门限，从而解决特殊场景下侦测点过多引起的数据处理的难度增加的问题。
如图3所示，为本发明实施例提供雷达的识别装置的结构示意图，所述雷达根据设置的数据输出门限将所侦测到的符合所述数据输出门限的侦测点输出，识别装置包括：虚警点识别单元10、特性分析单元20和输出调节单元30。
虚警点识别单元用于根据所述雷达至少一帧的所述侦测点获取虚警点。示例性地，所述根据所述雷达至少一帧的所述侦测点获取虚警点包括：获取第N帧至第N-M帧的第一侦测数据，其中M不小于0，N-M不小于1，根据所述第一侦测数据确定所述虚警点，对所述虚警点进行滑窗积累。
具体地，当M为0时，即雷达通过一帧的所述侦测点获取虚警点，为了保证虚警点获取的准确性，通常采用M为1，即获取第N帧和第N-1帧，可以理解的是，第N帧即指的是当前帧，第N-1帧指的是第N帧的前一帧，第一侦测数据包括第N帧数据和第N-1帧数据。
当M为1时，将第N帧数据与第N-1帧数据进行对比，当同样的侦测点均出现在第N帧数据中，也出现在第N-1帧数据中，该侦测点为真实的目标点，反之当同样的侦测点出现在第N帧数据中，未出现在第N-1帧数据中，则需要等待下一帧的数据，例如第N+1帧的数据中也出现了该侦测点，则判定该侦测点为真实的目标点，当然在一些实施例中，当同样的侦测点出现在第N帧数据中，未出现在第N-1帧数据中，也可以直接判断该侦测点为虚警点，相对于后者，前者增了N+1帧数据，判断虚警点的正确率更高。
当同样的侦测点出现在第N-1帧数据中，未出现在第N帧数据中，则可判断该侦测点为虚警点。
当然以上的虚警点的判断方式适用于正常场景中，例如在常见的马路上，高速道路等。
当M为1时，对所述虚警点进行滑窗积累，该滑窗的长度为2帧，也即滑窗显示第N帧数据和第N-1帧数据。
特性分析单元用于根据所述虚警点生成相应的虚警点分布特征。示例性地，所述根据所述虚警点生成相应的虚警点分布特征包括：根据所述雷达的场视角范围确定所述雷达的视角宽度，将所述视角宽度划分为多个子区间，并遍历每一所述子区间中虚警点的数量。
如图2所示，图2中显示的是在特殊场景中的雷达的滑窗积累，该特殊场景为携载雷达的车辆行驶至隧道中，本实施例中的视角通常是指水平场视角，雷达的场视角为140度，换算成雷达的视角宽度为-40米至40米。
由图2的侦测点的分布情况可以看出在-10米至10米之间分布侦测点，本实施例中以2米作为一个子区间的宽度，将-10米至10米分为10个子区间，可以理解的是，当子区间的宽度越小，其统计的侦测点对应的宽度距离越接近真实的实况路面情况，因此子区间的宽度越小，其虚警点分布特征越真实，对于场景的判断准确度越高。
示例性地，所述根据所述虚警点生成相应的虚警点分布特征还包括：统计全部子区间的虚警点数量的离散值，当离散值小于预设值时，确定当前所述雷达所处场景为特殊场景。
具体地，图2中示出一种统计方式通过直方图的方式进行统计，根据全部子区间的数量和各个子区间的虚警点数量得出每个子区间的平均虚警点数量，在根据平均虚警点数量得到方差，方差越大则离散值越大，方差越小则离散值越小。
由此可知，利用隧道虚警点多且随机分布的特性，在隧道中虚警点与视角宽度呈均需分布在各个子区间内，而对于正常的场景，虚警点数量少，且呈现聚集分布，从而离散值越大则可以判定为正常场景，离散值越小则可以判定为特殊场景。
输出调节单元用于根据所述虚警点分布特征调整所述雷达的数据输出门限。示例性地，所述根据所述虚警点分布特征调整所述雷达的数据输出门限包括：当所述雷达所处场景为隧道场景时，将所述第一门限作为所述雷达的数据输出门限，当离散值不小于预设值时，所述雷达所处场景为正常场景时，将所述第二门限作为所述雷达的数据输出门限。
进一步地，所述将所述第一门限作为所述雷达的数据输出门限包括：将所述检测电平由第一电平调制为第二电平，其中第一电平小于第二电平。具体而言，雷达发射电磁波通过目标反射回雷达从而雷达侦测到该目标，雷达将该目标输出（例如显示在雷达屏幕中），即为一个侦测点，但由于不同的物体对电磁波的反射能力不同，从而使得雷达在接到反射的电磁波时，需要进行的判断，雷达需要输出的目标为车辆和人等障碍物。
通常采用电平大小进行比对输出，例如电平大于某一值时则判断为目标，可见当提升检测电平时，雷达输出的侦测点将减小，当降低电平时，雷达输出的侦测点将增加。当提升检测电平时，雷达输出的侦测点将减小，这会降低雷达数据处理的难度，也会降低雷达错误报警的概率，但有些真实的目标会丢失即会提高漏警的概率。当降低电平时，雷达输出的侦测点将增加，这会提升雷达数据处理的难度，也会提升雷达错误报警的概率。
可见在特殊场景时，由于场景内的虚警点较多，提高检测电平更有利于降低雷达的数据处理的难度，也会降低雷达错误报警的概率。
在一些实施例中，所述将所述第一门限作为所述雷达的数据输出门限还包括：获取第N帧至第N-M帧的第一侦测数据，其中M不小于1，N-M不小于1，根据所述第一侦测数据确定所述虚警点。
当M值增加时，则虚警点的数量增加，从而在特殊场景下获得更为准确的虚警点，从而增加雷达对场景的判断准确率。
在一些实施例中，所述将所述第一门限作为所述雷达的数据输出门限还包括：将所述检测电平由第一电平调制为第三电平，其中第三电平小于第一电平。可见在正常场景时，由于场景内的虚警点较少，降低检测电平更有利于降低雷达的漏警的概率。
本发明的有益效果，本发明根据所述雷达至少一帧的所述侦测点获取虚警点，根据所述虚警点生成相应的虚警点分布特征，再根据所述虚警点分布特征调整所述雷达的数据输出门限，从针对不同的虚警点分布特征对应不同的应用场景，根据虚警点分布特征判断是否处于特殊场景，并在特殊场景下提高数据输出门限，从而解决特殊场景下侦测点过多引起的数据处理的难度增加的问题。
如图4所示，其示出了本申请所涉及的电子设备的结构示意图，具体来讲：
该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图4中示出的设备结构并不构成对设备的限定，电子设备还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401是该设备的控制中心，利用各种接口和线路连接整个设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或单元模块，以及调用存储在存储器402内的数据，执行设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；处理器401可以是中央处理单元（CentralProcessing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
该电子设备还可以包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可以包括输入单元404和输出单元405，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出，该电子设备还可以包括显示单元等，在此不再赘述。具体在本申请中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
根据所述雷达至少一帧的所述侦测点获取虚警点；
根据所述虚警点生成相应的虚警点分布特征；
根据所述虚警点分布特征调整所述雷达的数据输出门限。
本领域普通技术人员可以理解，上述的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器401进行加载和执行。
为此，本申请提供一种计算机可读存储介质，该计算机可读存储介质可以包括：只读存储器（Read Only Memory，ROM）、随机存取记忆体（Random Access Memory，RAM）、磁盘或光盘等。其上存储有计算机指令，计算机指令被处理器401进行加载，以执行本申请所提供的任一种雷达的识别方法中的步骤。例如，计算机指令被处理器401执行时实现以下功能：
根据所述雷达至少一帧的所述侦测点获取虚警点；
根据所述虚警点生成相应的虚警点分布特征；
根据所述虚警点分布特征调整所述雷达的数据输出门限。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的实施例，在此不再赘述。
综上所述，虽然本发明已以优选实施例揭露如上，但上述优选实施例并非用以限制本发明，本领域的普通技术人员，在不脱离本发明的精神和范围内，均可作各种更动与润饰，因此本发明的保护范围以权利要求界定的范围为准。
Claims (7)
1.一种雷达的识别方法，其特征在于，所述雷达根据设置的数据输出门限将所侦测到的符合所述数据输出门限的侦测点输出，所述识别方法包括：
根据所述雷达至少一帧的所述侦测点获取虚警点；
根据所述虚警点生成相应的虚警点分布特征，包括：根据所述雷达的场视角范围确定所述雷达的视角宽度；将所述视角宽度划分为多个子区间，并遍历每一所述子区间中虚警点的数量；统计全部子区间的虚警点数量的离散值；当离散值小于预设值时，确定当前所述雷达所处场景为特殊场景；
根据所述虚警点分布特征调整所述雷达的数据输出门限，包括：当所述雷达所处场景为隧道场景时，将第一门限作为所述雷达的数据输出门限；当离散值不小于预设值时，所述雷达所处场景为正常场景，将第二门限作为所述雷达的数据输出门限。
2.根据权利要求1所述的雷达的识别方法，其特征在于，所述根据所述雷达至少一帧的所述侦测点获取虚警点包括：
获取第N帧至第N-M帧的第一侦测数据，其中M不小于0，N-M不小于1；
根据所述第一侦测数据确定所述虚警点；
对所述虚警点进行滑窗积累。
3.根据权利要求1所述的雷达的识别方法，其特征在于，所述将所述第一门限作为所述雷达的数据输出门限包括：
将检测电平由第一电平调制为第二电平，其中第一电平小于第二电平。
4.根据权利要求3所述的雷达的识别方法，其特征在于，所述将所述第一门限作为所述雷达的数据输出门限还包括：
获取第N帧至第N-M帧的第一侦测数据，其中M不小于1，N-M不小于1；
根据所述第一侦测数据确定所述虚警点。
5.根据权利要求1所述的雷达的识别方法，其特征在于，所述将所述第二门限作为所述雷达的数据输出门限还包括：
将检测电平由第一电平调制为第三电平，其中第三电平小于第一电平。
6.一种雷达的识别装置，其特征在于，所述雷达根据设置的数据输出门限将所侦测到的符合所述数据输出门限的侦测点输出，识别装置包括：
虚警点识别单元，用于根据所述雷达至少一帧的所述侦测点获取虚警点；
特性分析单元，用于根据所述虚警点生成相应的虚警点分布特征，包括：根据所述雷达的场视角范围确定所述雷达的视角宽度；将所述视角宽度划分为多个子区间，并遍历每一所述子区间中虚警点的数量；统计全部子区间的虚警点数量的离散值；当离散值小于预设值时，确定当前所述雷达所处场景为特殊场景；
输出调节单元，用于根据所述虚警点分布特征调整所述雷达的数据输出门限，包括：当所述雷达所处场景为隧道场景时，将第一门限作为所述雷达的数据输出门限；当离散值不小于预设值时，所述雷达所处场景为正常场景，将第二门限作为所述雷达的数据输出门限。
7.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器电性连接，所述存储器用于存储指令和数据，所述处理器用于执行权利要求1-5中任意一项所述的雷达的识别方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311007025.XA CN116736256B (zh) | 2023-08-11 | 2023-08-11 | 雷达的识别方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311007025.XA CN116736256B (zh) | 2023-08-11 | 2023-08-11 | 雷达的识别方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116736256A CN116736256A (zh) | 2023-09-12 |
| CN116736256B true CN116736256B (zh) | 2023-10-24 |
Family
ID=87915364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311007025.XA Active CN116736256B (zh) | 2023-08-11 | 2023-08-11 | 雷达的识别方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116736256B (zh) |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4586043A (en) * | 1984-03-21 | 1986-04-29 | The United States Of America As Represented By The Secretary Of The Air Force | Distribution sensitive constant false alarm rate (CFAR) processor |
| CN101801013A (zh) * | 2010-02-05 | 2010-08-11 | 上海华为技术有限公司 | 信号检测方法及装置 |
| CN103809162A (zh) * | 2014-01-27 | 2014-05-21 | 西安电子科技大学 | 一种外辐射源雷达恒虚警检测方法 |
| CN104766079A (zh) * | 2015-05-05 | 2015-07-08 | 四川九洲电器集团有限责任公司 | 一种远距离红外弱小目标检测方法 |
| CN106646396A (zh) * | 2016-11-18 | 2017-05-10 | 西安电子工程研究所 | 一种雷达杂波图检测门限自适应设置方法 |
| CN109946665A (zh) * | 2019-03-07 | 2019-06-28 | 西安电子科技大学 | 基于阵列雷达的获取真实目标的方法 |
| CN110221286A (zh) * | 2019-05-30 | 2019-09-10 | 安徽四创电子股份有限公司 | 基于地面监视雷达的自适应目标检测方法 |
| CN110221265A (zh) * | 2019-06-03 | 2019-09-10 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
| CN110632592A (zh) * | 2019-09-27 | 2019-12-31 | 湖南华诺星空电子技术有限公司 | 一种手持式穿墙雷达的虚警消除方法 |
| CN111624567A (zh) * | 2019-02-28 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种恒虚警检测方法及装置 |
| CN111699408A (zh) * | 2019-05-31 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 隧道场景检测方法及毫米波雷达 |
| CN112684428A (zh) * | 2021-01-15 | 2021-04-20 | 浙江大学 | 一种基于信号代理的多目标恒虚警率检测方法 |
| CN112881993A (zh) * | 2021-01-18 | 2021-06-01 | 零八一电子集团有限公司 | 自动识别雷达分布杂波引起虚假航迹的方法 |
| CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
| CN114137505A (zh) * | 2021-11-17 | 2022-03-04 | 珠海格力电器股份有限公司 | 一种基于无线雷达的目标检测方法及装置 |
| CN114674321A (zh) * | 2022-03-21 | 2022-06-28 | 四川中科朗星光电科技有限公司 | 一种基于均方差比率的可见光图像的虚警判断方法 |
| CN115343700A (zh) * | 2022-09-01 | 2022-11-15 | 西安电子科技大学 | 基于多雷达视频去除隧道中多径虚假目标的方法 |
| CN116224274A (zh) * | 2023-02-14 | 2023-06-06 | 四川九洲防控科技有限责任公司 | 基于动态门限因子的低慢小目标检测方法、装置及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN100527654C (zh) * | 2003-05-28 | 2009-08-12 | 华为技术有限公司 | Cdma移动通信系统中精确的首径判决方法 |
-
2023
- 2023-08-11 CN CN202311007025.XA patent/CN116736256B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4586043A (en) * | 1984-03-21 | 1986-04-29 | The United States Of America As Represented By The Secretary Of The Air Force | Distribution sensitive constant false alarm rate (CFAR) processor |
| CN101801013A (zh) * | 2010-02-05 | 2010-08-11 | 上海华为技术有限公司 | 信号检测方法及装置 |
| CN103809162A (zh) * | 2014-01-27 | 2014-05-21 | 西安电子科技大学 | 一种外辐射源雷达恒虚警检测方法 |
| CN104766079A (zh) * | 2015-05-05 | 2015-07-08 | 四川九洲电器集团有限责任公司 | 一种远距离红外弱小目标检测方法 |
| CN106646396A (zh) * | 2016-11-18 | 2017-05-10 | 西安电子工程研究所 | 一种雷达杂波图检测门限自适应设置方法 |
| CN111624567A (zh) * | 2019-02-28 | 2020-09-04 | 杭州海康威视数字技术股份有限公司 | 一种恒虚警检测方法及装置 |
| CN109946665A (zh) * | 2019-03-07 | 2019-06-28 | 西安电子科技大学 | 基于阵列雷达的获取真实目标的方法 |
| CN110221286A (zh) * | 2019-05-30 | 2019-09-10 | 安徽四创电子股份有限公司 | 基于地面监视雷达的自适应目标检测方法 |
| CN111699408A (zh) * | 2019-05-31 | 2020-09-22 | 深圳市大疆创新科技有限公司 | 隧道场景检测方法及毫米波雷达 |
| CN110221265A (zh) * | 2019-06-03 | 2019-09-10 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
| CN110632592A (zh) * | 2019-09-27 | 2019-12-31 | 湖南华诺星空电子技术有限公司 | 一种手持式穿墙雷达的虚警消除方法 |
| CN112684428A (zh) * | 2021-01-15 | 2021-04-20 | 浙江大学 | 一种基于信号代理的多目标恒虚警率检测方法 |
| CN112881993A (zh) * | 2021-01-18 | 2021-06-01 | 零八一电子集团有限公司 | 自动识别雷达分布杂波引起虚假航迹的方法 |
| CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
| CN114137505A (zh) * | 2021-11-17 | 2022-03-04 | 珠海格力电器股份有限公司 | 一种基于无线雷达的目标检测方法及装置 |
| CN114674321A (zh) * | 2022-03-21 | 2022-06-28 | 四川中科朗星光电科技有限公司 | 一种基于均方差比率的可见光图像的虚警判断方法 |
| CN115343700A (zh) * | 2022-09-01 | 2022-11-15 | 西安电子科技大学 | 基于多雷达视频去除隧道中多径虚假目标的方法 |
| CN116224274A (zh) * | 2023-02-14 | 2023-06-06 | 四川九洲防控科技有限责任公司 | 基于动态门限因子的低慢小目标检测方法、装置及设备 |
Non-Patent Citations (9)
| Title |
|---|
| SAR图像舰船目标双阈值快速CFAR检测算法;曲长文;邓淇元;江源;;舰船科学技术(第11期);全文 * |
| 一种基于高维频率拟合技术的恒虚警穿墙雷达目标定位算法;丁一鹏;吴世有;王伟;方广有;;电子与信息学报(第06期);全文 * |
| 分布式目标的子空间双门限GLRT CFAR检测;关键;张晓利;简涛;何友;;电子学报(第09期);全文 * |
| 基于快速检测和AdaBoost的车辆检测;何松华;章阳;;计算机工程与设计(第01期);全文 * |
| 应用形态学的自适应门限干扰检测算法;赵肖迪;李芳;熊俊;王玲;魏急波;;信号处理(第04期);全文 * |
| 改进动态规划算法在小目标检测中的应用;谭晓宇;陈谋;姜长生;;光电工程(第05期);全文 * |
| 李慧 ; 李涛 ; .基于目标识别的机载预警雷达虚警抑制研究.计算机仿真.2011,全文. * |
| 雷达虚警率降低方法的研究与仿真分析;李哲雄;《计算机仿真》;全文 * |
| 项目计算机辅助受理的研究方向与关键词――2012年度受理情况与2013年度注意事项;马惠珠;宋朝晖;季飞;侯嘉;熊小芸;;电子与信息学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116736256A (zh) | 2023-09-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
| Zhang et al. | Counting vehicles in urban traffic scenes using foreground time‐spatial images | |
| WO2020237601A1 (zh) | 隧道场景检测方法及毫米波雷达 | |
| CN115546079B (zh) | Tof直方图动态范围拓展方法及其应用 | |
| Somasundaram et al. | Medical image binarization using square wave representation | |
| CN116736256B (zh) | 雷达的识别方法、装置及电子设备 | |
| CN112560800A (zh) | 路沿检测方法、装置及存储介质 | |
| CN111879333B (zh) | 运动判断方法、判断装置及计算机可读存储介质 | |
| CN109633597A (zh) | 一种可变均值滑窗恒虚警检测算法及存储介质 | |
| WO2020253764A1 (zh) | 确定行驶区域信息的方法及装置 | |
| Milla et al. | Dual‐rate background subtraction approach for estimating traffic queue parameters in urban scenes | |
| CN116299401A (zh) | 基于目标散射点位置的恒虚警方法、设备及其存储介质 | |
| US20220413907A1 (en) | Priority determination system, priority determination method, and recording medium | |
| CN116299291A (zh) | 一种雷达目标的识别方法、装置、设备及存储介质 | |
| WO2022267845A1 (zh) | 脚踢信号识别方法、装置及终端 | |
| CN109239677B (zh) | 一种环境自适应恒虚警检测门限确定方法 | |
| US20230072145A1 (en) | Method, terminal device and medium for screening gradient points, method and system for calculating gradient | |
| CN112416128B (zh) | 一种手势识别方法及终端设备 | |
| CN110647858B (zh) | 一种视频遮挡判断方法、装置和计算机存储介质 | |
| CN114966658A (zh) | 目标检测方法、计算机设备、计算机可读存储介质及车辆 | |
| WO2023279225A1 (zh) | 激光雷达的点云处理方法、装置、存储介质及终端设备 | |
| WO2023005717A1 (zh) | 目标探测方法、opa激光雷达及计算机可读存储介质 | |
| CN117630845A (zh) | 目标检测方法、装置、数据处理装置、雷达及存储介质 | |
| CN211718516U (zh) | 一种基于5.8g赫兹微波的移动侦测控制系统 | |
| CN116869509A (zh) | 基于雷达信号的呼吸特征提取方法、装置、设备及介质 |
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 |