CN117169888A - 数据处理方法与处理装置 - Google Patents
数据处理方法与处理装置 Download PDFInfo
- Publication number
- CN117169888A CN117169888A CN202210577346.2A CN202210577346A CN117169888A CN 117169888 A CN117169888 A CN 117169888A CN 202210577346 A CN202210577346 A CN 202210577346A CN 117169888 A CN117169888 A CN 117169888A
- Authority
- CN
- China
- Prior art keywords
- data
- time dimension
- target
- range
- fast
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 69
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000009825 accumulation Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001427 coherent effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
Abstract
本申请提供一种数据处理方法与处理装置。本申请提供的技术方案中，雷达设备将N个接收天线中每个接收天线获取的第一快时间维‑慢时间维数据沿着快时间维划分为L个第二快时间维‑慢时间维数据；之后对每个第二快时间维‑慢时间维数据进行2DFFT，获得L*N个第一距离多普勒图数据，并从每个第一距离多普勒图数据中提取第一目标距离和第一目标速度上的目标数据，获得L*N个目标数据；最后从L*N个目标数据中确定L组数据，其中，每组数据都包括N个目标数据且该N个目标数据与N个不同的接收天线对应。本申请提供的方法，可以不降低雷达设备的角度分辨率，从而实现提升检测出的第一目标距离和第一目标速度上的目标物的准确率。
Description
技术领域
本申请涉及雷达技术领域，尤其涉及一种数据处理方法与处理装置。
背景技术
车载雷达设备，主要用于检测车辆当前驾驶区域内的路面情况，对辅助车辆避障和感知车辆周边环境具有重要作用。其中，车载雷达设备的目标检测主要包括获取目标点与车辆之间的距离、目标点的速度和目标点物与车辆之间的角度信息。
车载雷达设备进行目标检测的一种方法如下：获取雷达的N个接收天线中每个接收天线采集的快时间维-慢时间维数据，并对每个快时间维-慢时间维数据进行二维离散快速傅里叶变换(two-dimensional discrete fast fourier transform，2DFFT)，得到N个距离多普勒图(range-doppler map，RD-Map)数据，其中，每个距离多普勒图数据包括速度信息和距离信息；然后，基于N个RD-Map数据，使用非相干积累加(non-coherentaccumulation，NCI)和恒虚警率(constant false-alarm rate，CFAR)确定目标距离和目标速度(该目标距离和目标速度上的物体才认为是需要检测的目标，并且该目标距离和目标速度对应的需要检测的目标点还可能是多个)，并从每个RD-Map数据中提取出目标距离和目标速度上的数据，形成一组包括N个数据的数据；之后，基于该组数据，获得多组不同的数据，其中，多组数据中每组数据包括N个数据中的M个数据，M小于N；最后，将多组数据输入至超分辨率算法中，以检测出目标距离和目标速度上可能存在的目标点的角度。
但是，上述过程导致检测出的目标距离和目标速度上的目标点的准确度较低。
因此，如何提升检测出的目标距离和目标速度上的目标物的准确率成为亟待解决的技术问题。
发明内容
本申请提供了一种数据处理方法与处理装置，可以提升检测出的第一目标距离和第一目标速度上的目标物的准确率。
第一方面，本申请提供一种数据处理方法，包括：获取雷达设备的N个接收天线中每个接收天线采集的第一快时间维-慢时间维数据，每个第一快时间维-慢时间维数据中的快时间维的长度为M1；将所述每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据，每个第二快时间维-慢时间维数据中的快时间维的长度为M2，所述每个第二快时间维-慢时间维数据中的慢时间维的长度与所述每个接收天线采集的第一快时间维-慢时间维数据中的慢快时间维的长度相同，M2小于M1；对所述每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换，获得与所述每个接收天线对应的L个第一距离多普勒图数据；获取所述每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据；基于与所述N个接收天线对应的L*N个第一目标数据确定L组数据，所述L组数据中每组数据包括N个第一目标数据，所述N个第一目标数据与N个不同的接收天线一一对应；对所述L组数据使用预设超分辨算法进行处理。
本实施例中，雷达设备将N个接收天线中每个接收天线获取的第一快时间维-慢时间维数据沿着快时间维划分为L个第二快时间维-慢时间维数据，从而对于每个接收天线会有L个第二快时间维-慢时间维数据，和对于N个接收天线总共会有L*N个第二快时间维-慢时间维数据；之后，对L*N个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散快速傅里叶变换，获得L*N个第一距离多普勒图数据，并从每个第一距离多普勒图数据中提取出第一目标距离和第一目标速度上的目标数据，即有L*N个目标数据，最后将L*N个目标数据形成L组数据，其中，每组数据中都包括N个目标数据且该N个目标数据与N个不同的接收天线对应。
可以理解的是，在现有技术中，雷达设备在获得与N个接收天线对应的第一目标距离和第一目标速度上的N个目标数据后，会先将该N个目标数据形成一组数据；然后在基于该组数据获得多组数据，其中，该获得的多组数据中的每组数据中只包括了N个目标数据中的M个目标数据，M小于N；最后，使用预设超分辨率算法对多组数据进行处理。可以看出，在现有技术中，雷达设备在使用预设超分辨率算法对多组数据进行处理时，每组数据都没有完全使用雷达设备的N个接收天线采集的数据。应理解，没有完全使用雷达设备的N个接收天线采集的数据，本质上相当于减小了雷达设备的天线口径，从而会导致雷达设备的角度分辨率降低，进一步导致检测出的第一目标距离和第一目标速度上的目标点的准确度较低。而在本实施例中，由于输入到预设超分辨算法中的每组数据都包括N个目标数据，且由于该N个目标数据与N个不同的接收天线对应，因此，相当于保持了原有的雷达设备的天线口径，因此，不会降低雷达设备的角度分辨率，即提升了检测出的目标距离和目标速度上的目标物的准确率。
结合第一方面，在一种可能的实现方式中，所述方法还包括：对所述每个接收天线采集的第一快时间维-慢时间维数据进行二维离散傅里叶变换，获得所述每个接收天线对应的第二距离多普勒图数据；将与所述N个接收天线一一对应的N个第二距离多普勒图数据进行非相干累加NCI，获得第三距离多普勒图；获取所述第三距离多普勒图上的第二目标数据，所述第二目标数据为满足预设条件的数据；将所述第二目标数据在所述第三距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
结合第一方面，在一种可能的实现方式中，所述方法还包括：将与所述N个接收天线对应的L*N个第一距离多普勒图数据进行非相干累加NCI，获得第四距离多普勒图；获取所述第四距离多普勒图上的第三目标数据，所述第三目标数据为满足预设条件的数据；将所述第三目标数据在所述第四距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
结合第一方面，在一种可能的实现方式中，所述方法还包括：获取所述N个接收天线中的任意一个接收天线对应的L个第二快时间维-慢时间维数据；将所述任意一个接收天线对应的L个第二快时间维-慢时间维数据进行非相干累加NCI，获得第五距离多普勒图；获取所述第五距离多普勒图上的第四目标数据，所述第四目标数据为满足预设条件的数据；将所述第四目标数据在所述第五距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
结合第一方面，在一种可能的实现方式中，所述预设条件包括：所述满足预设条件的数据为距离多普勒图数据中的峰值数据。
第二方面，本申请提供一种数据处理装置，包括：获取模块，用于获取雷达设备的N个接收天线中每个接收天线采集的第一快时间维-慢时间维数据，每个第一快时间维-慢时间维数据中的快时间维的长度为M1；处理模块，用于将所述每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据，每个第二快时间维-慢时间维数据中的快时间维的长度为M2，所述每个第二快时间维-慢时间维数据中的慢时间维的长度与所述每个接收天线采集的第一快时间维-慢时间维数据中的慢时间维的长度相同，M2小于M1；所述处理模块，还用于对所述每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换，获得与所述每个接收天线对应的L个第一距离多普勒图数据；所述获取模块，还用于获取所述每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据；处理模块，还用于基于与所述N个接收天线对应的L*N个第一目标数据确定L组数据，所述L组数据中每组数据包括N个第一目标数据，所述N个第一目标数据与N个不同的接收天线一一对应；所述处理模块还用于：对所述L组数据使用预设超分辨算法进行处理。
结合第二方面，在一种可能的实现方式中，所述处理模块还用于：对所述每个接收天线采集的第一快时间维-慢时间维数据进行二维离散傅里叶变换，获得所述每个接收天线对应的第二距离多普勒图数据；所述处理模块还用于：将与所述N个接收天线一一对应的N个第二距离多普勒图数据进行非相干累加NCI，获得第三距离多普勒图；所述获取模块还用于：获取所述第三距离多普勒图上的第二目标数据，所述第二目标数据为满足预设条件的数据；所述处理模块还用于：将所述第二目标数据在所述第三距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
结合第二方面，在一种可能的实现方式中，所述处理模块还用于：将与所述N个接收天线对应的L*N个第一距离多普勒图数据进行非相干累加NCI，获得第四距离多普勒图；所述获取模块还用于：获取所述第四距离多普勒图上的第三目标数据，所述第三目标数据为满足预设条件的数据；所述处理模块还用于：将所述第三目标数据在所述第四距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
结合第二方面，在一种可能的实现方式中，所述获取模块还用于：获取所述N个接收天线中的任意一个接收天线对应的L个第二快时间维-慢时间维数据；所述处理模块还用于：将所述任意一个接收天线对应的L个第二快时间维-慢时间维数据进行非相干累加NCI，获得第五距离多普勒图；所述获取模块还用于：获取所述第五距离多普勒图上的第四目标数据，所述第四目标数据为满足预设条件的数据；所述处理模块还用于：将所述第四目标数据在所述第五距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
结合第二方面，在一种可能的实现方式中，所述满足预设条件的数据为距离多普勒图数据中的峰值数据。
第三方面，本申请提供一种自动驾驶设备，包含如第二方面或其中任意一种可能的实现方式所述的装置。
示例性地，所述自动驾驶设备为车辆。
第四方面，本申请提供一种数据处理装置，包括：存储器和处理器；所述存储器用于存储程序指令；所述处理器用于调用所述存储器中的程序指令执行如第一方面或其中任意一种可能的实现方式中所述的方法。
第五方面，本申请提供一种计算机可读介质，所述计算机可读介质存储用于计算机执行的程序代码，该程序代码包括用于执行如第一方面或其中任意一种可能的实现方式中所述的方法的指令。
第六方面，本申请提供一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如第一方面或其中任意一种可能的实现方式中所述的方法。
附图说明
图1为本申请实施例提供的应用场景示意图；
图2为本申请实施例提供的雷达设备进行目标检测的结构性示意图；
图3为本申请实施例提供的数据处理方法的流程性示意；
图4为本申请实施例提供的将第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据的结构性示意图；
图5为本申请实施例提供的获得L个第一距离多普勒图数据的过程示意图；
图6为本申请实施例提供的提取第一目标距离和第一目标速度上的数据的结构性示意图；
图7为本申请实施例提供的基于L*N个第一目标数据确定L组数据的结构性示意图；
图8为本申请一个实施例提供的数据处理装置的结构性示意；
图9为本申请另一个实施例提供的数据处理装置的结构性示意图。
具体实施方式
随着科学技术的快速发展，智能驾驶技术受到了越来越多的关注，进而产生了多种智能驾驶设备，这些智能驾驶设备例如可以包括自动驾驶车、无人机等。
一辆智能驾驶设备必须具备的重要功能是对外界环境的感知，以防止与其他物体或者人碰撞。而通过雷达设备进行目标识别与检测，目前已经成为了智能驾驶设备获取自身相对环境的位姿及环境信息的一种重要手段，并在智能驾驶领域中得到了广泛应用。
图1为本申请实施例提供的应用场景示意图。如图1所示，雷达设备101会通过发射天线向某个目标区域发射探测信号，此时，如果该目标区域中包括目标物102，则目标物102会反射回波信号，相应地，雷达设备101中的接收天线接收目标物102反射的回波信号，具体地，如果雷达设备101包括N个接收天线，则每个接收天线都接收目标物102反射的回波信号；之后，雷达设备101基于N个接收天线接收的N个回波信号进行目标检测。其中，雷达设备101在基于回波信号进行目标检测时，主要包括基于回波信号确定出目标物102与雷达设备101之间的距离、目标物102的速度和目标物102与车载雷达设备101之间的角度信息。
可选地，该雷达设备101可以适用于无人驾驶、自动驾驶、智能驾驶或网联驾驶等应用场景下通过探测信号进行目标探测的场景。
可选地，该目标物102可以是位于雷达设备101的测量范围之内的障碍物或者行人等等。
示例性地，本申请中所述的雷达设备101可以为毫米波雷达，激光雷达，超声波雷达等，不构成本申请的限制。
可选地，本申请所述的雷达设备101还可以应用于终端。例如，该终端可以为运输工具或者智能设备。该终端可以为机动车辆(如无人车、智能车、电动车、数字汽车等)、无人机、轨道车、自行车、交通灯等。该终端可以为手机、平板电脑、笔记本电脑、个人数字助理、销售终端、车载电脑、增强现实设备、虚拟现实、可穿戴设备、车载终端等。
具体地，图2为本申请提供的现有技术中的目标检测的过程示意图。
如图2所示，雷达设备101进行目标检测的过程如下：对于包括接收天线1、接收天线2……接收天线N的雷达设备，雷达设备首先获取N个接收天线中每个接收天线采集的快时间维-慢时间维数据，并对每个快时间维-慢时间维数据进行二维离散快速傅里叶变换(two-dimensional discrete fast fourier transform，2DFFT)，得到N个距离多普勒图(range-doppler map，RD-Map)数据，其中，每个距离多普勒图数据包括速度信息和距离信息；然后，雷达设备基于N个RD-Map数据，使用非相干积累加(non-coherent accumulation，NCI)和恒虚警率(constant false-alarm rate，CFAR)确定目标距离和目标速度(该目标距离和目标速度上的物体才认为是需要检测的目标物)，并从每个RD-Map数据中提取出目标距离和目标速度上的数据(图2中的黑色单元上的数据)，形成一组包括N个数据的数据；之后，由于对应RD-Map数据中的同一个目标距离和同一个目标速度上的目标物还可能是多个，因此，还会继续使用超分辨率算法继续进行处理，而由于超分辨率算法必须基于多组数据，因此，在获得一组包括N个数据的数据之后，会先基于该组数据，获得多组不同的数据，其中，多组数据中每组数据包括N个数据中的M个数据，M小于N；最后，再将多组数据输入至超分辨率算法中，以检测出目标距离和目标速度上可能存在的目标物的角度。
但是，上述过程中，导致检测出的目标距离和目标速度上的目标物的准确度较低，其中，角度分辨率是指将同一个目标距离和目标速度上的目标物区分开的能力。
经分析发现，上述过程导致检测出的目标距离和目标速度上的目标物的准确度较低的原因如下：雷达设备的角度分辨率与天线的口径相关，通常情况下，雷达设备的天线口径越大，雷达设备的角度分辨率越高。但是，目前的目标检测过程中，在基于原来包括N个数据的一组数据获得多组数据时，获得的多组数据只包括了原来的M个。即，输入到超分辨率算法中的每组数据只使用了雷达的M个接收天线的数据，而没有完全使用雷达的N个接收天线采集的数据。应理解，没有完全使用雷达的N个接收天线采集的数据，本质上相当于减小了雷达的天线的口径，而减小了雷达的天线的口径，导致雷达区分同一个距离、同一个速度上的目标物之间的区分能力降低，即角度分辨率降低，进一步地，会降低输出的同一个距离、同一个速度上的目标物的准确率。例如，雷达本来可以区分同一个距离和同一个速度上的两个目标物，即输出两个角度值，但由于角度分辨率降低的缘故，就只输出一个目标物的角度值，导致检测出的目标物不准确。
鉴于此，本申请提供一种数据处理方法与处理装置，可以提升检测出的第一目标距离和第一目标速度上的目标物的准确率。
图3为本申请一个实施例提供的数据处理方法的流程性示意图。如图3所示，本实施例的方法包括S301，S302，S303，S304，S305和S306。该数据处理方法可以由图1所示的雷达设备101执行。
S301，获取雷达设备的N个接收天线中每个接收天线采集的第一快时间维-慢时间维数据，每个第一快时间维-慢时间维数据中的快时间维的长度为M1。
应理解，对于雷达设备，在使用发射天线发射信号(也称为发射线性调频信号或chirp信号)时，若该发射信号作用在了目标物上，则目标物会向雷达设备反射信号。本实施例中，将发射信号也称为原始发射信号，将经过目标物作用后向雷达反射的信号也称为回波信号。
具体地，如果雷达设备包括的接收天线是N个，则每个接收天线都会接收该回波信号。并且，每个接收天线在接收到回波信号后，会将回波信号与原始发射信号进行共轭相乘，即去斜处理，以将高频信号转换成低频信号，之后，再通过低通滤波器，便可得到每个接收天线对应的原始的快时间(fast-time)维-慢时间(slow-time)维数据。
本实施例中，将每个接收天线采集的原始的fast-time维-slow-time维数据也称为第一快时间维-慢时间维数据，并且对于每个第一快时间维-慢时间维数据，其快时间维的长度为M1。其中，有关fast-time维-slow-time维数据的概念和详细介绍可以参考相关技术中的描述，此处不再赘述。
可以理解的是，对于N个接收天线，会有N个第一快时间维-慢时间维数据，并且任意两个第一快时间维-慢时间维数据中的快时间维的长度是相同的，以及任意两个第一快时间维-慢时间维数据中的慢时间维的长度是相同的。
S302，将每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据，每个第二快时间维-慢时间维数据中的快时间维的长度为M2，每个第二快时间维-慢时间维数据中的慢时间维的长度与每个接收天线采集的第一快时间维-慢时间维数据中的慢时间维的长度相同，M2小于M1。
本实施例中，当雷达设备获取到每个接收天线采集的第一快时间维-慢时间维数据后，会沿着快时间维对每个接收天线采集的第一快时间维-慢时间维数据进行划分，以使得每个接收天线可以对应L个快时间维-慢时间维数据。
本实施例中，在沿着快时间维对每个接收天线采集的第一快时间维-慢时间维数据进行划分时，若划分后的每个快时间维-慢时间维数据中的快时间维长度是M2，则M2应该小于第一快时间维-慢时间维数据中的快时间维的长度M1。
本实施例中，将划分后的每个快时间维-慢时间维数据称为第二快时间维-慢时间维数据。
本实施例中，在将每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据时，该L个第二快时间维-慢时间维数据中任意两个第二快时间维-慢时间维数据中的慢时间维的长度是相同的，并且每个第二快时间维-慢时间维数据中的慢时间维的长度是与第一快时间维-慢时间维数据中的慢时间维的长度相同的。
作为一种示例，图4为本申请实施例提供的将第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据的结构性示意图。本实施例以L等于3为例。如图4所示，若接收天线采集的第一快时间维-慢时间维数据中的快时间维的长度为9，采集的第一快时间维-慢时间维数据中的慢时间维的长度为4，即可以认为是一个9行4列的矩阵，则在沿着快时间维划分为3个第二快时间维-慢时间维数据时，可以将第一快时间维-慢时间维数据中的前3行划分为第一个第二快时间维-慢时间维数据，将第一快时间维-慢时间维数据中的中间3行划分为第二个第二快时间维-慢时间维数据，将第一快时间维-慢时间维数据中的后3行划分为第三个第二快时间维-慢时间维数据。可以看出，在将每个接收天线采集的第一快时间维-慢时间维数据划分后，每个接收天线将对应3个第二快时间维-慢时间维数据。
在此说明的是，上述图4中的各个数字仅是一种示例，不构成本申请的限制。
又例如，假设第一快时间维-慢时间维数据中的快时间维的长度为500，慢时间维的长度为K，即第一快时间维-慢时间维数据可以认为是一个500行K列的矩阵，则在具体划分时，可以将包括1到400行的K列的矩阵划分成第一个第二快时间维-慢时间维数据，将包括51-450行的K列的矩阵划分成第二个第二快时间维-慢时间维数据，将包括101-500行的K列的矩阵划分成第三个第二快时间维-慢时间维数据。可以看出，对于每个接收天线采集的第一快时间维-慢时间维数据划分后，每个接收天线将对应3个第二快时间维-慢时间维数据。
又例如，假设第一快时间维-慢时间维数据中的快时间维的长度为500，慢时间维的长度为K，即第一快时间维-慢时间维数据可以认为是一个500行K列的矩阵，则在具体划分时，可以将包括1到450行的K列的矩阵划分成第一个第二快时间维-慢时间维数据，将包括51-500行的K列的矩阵划分成第二个第二快时间维-慢时间维数据。可以看出，对于每个接收天线采集的第一快时间维-慢时间维数据划分后，每个接收天线将对应2个第二快时间维-慢时间维数据。
可以理解的是，本实施例中，在将每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据后，对于N个接收天线，将会有L乘以N个第二快时间维-慢时间维数据，并且任意两个第二快时间维-慢时间维数据中的快时间维的长度是相同的，以及任意两个第二快时间维-慢时间维数据中的慢时间维的长度是相同的。即，也可以认为为：L乘以N个第二快时间维-慢时间维数据中的任意两个第二快时间维-慢时间维数据的尺寸是相同的。
S303，对每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换，获得与每个接收天线对应的L个第一距离多普勒图数据。
通常，雷达设备为了实现目标检测，当获取到每个接收天线采集的快时间维-慢时间维数据后，会对快时间维-慢时间维数据进行2DFFT变换，获得与每个接收天线采集的快时间维-慢时间维数据对应的距离多普勒图(RD-Map)数据，其中，从该RD-Map数据距离多普勒图数据可以认为是包括了多个候选物的距离信息和速度信息。
本实施例中，当将每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据后，对L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行2DFFT变换，以获得每个第二快时间维-慢时间维数据对应的RD-Map数据。本实施例中，将第二快时间维-慢时间维数据进行2DFFT变换后得到的RD-Map数据也称为第一距离多普勒图数据。
示例性地，图5为本申请实施例提供的一种获得L个第一距离多普勒图数据的过程示意图。该示例中，以L等于3为例。
如图5所示，快时间维-慢时间维数据中的每个虚线框表示一个第二快时间维-慢时间维数据，当将快时间维-慢时间维数据划分为3个第二快时间维-慢时间维数据后，对该3个第二快时间维-慢时间维数据分别进行2DFFT变换，得到3个第一距离多普勒图数据，其中，每个第一距离多普勒图数据可以反映出多个候选物中每个候选物与雷达设备之间的距离信息和每个候选物的速度信息。
可以理解的是，本实施例中，在将每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换后，对于N个接收天线，将会有L乘以N(L*N)个第一距离多普勒图数据。
S304，获取每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据。
本实施例中，将雷达设备确定出的可能存在目标物的单元对应的距离信息和速度信息也分别称为第一目标距离和第一目标速度。
本实施例中，对雷达设备如何确定出第一目标距离和第一目标速度不做限制。
例如，在第一种可能的实现方式中，确定第一目标距离和第一目标速度包括：对每个接收天线采集的第一快时间维-慢时间维数据进行二维离散傅里叶变换，获得每个接收天线对应的第二距离多普勒图数据；将与N个接收天线一一对应的N个第二距离多普勒图数据进行NCI，获得第三距离多普勒图；获取第三距离多普勒图上的第二目标数据，所述第二目标数据为满足预设条件的数据；将述第二目标数据在第三距离多普勒图上的距离信息和速度信息分别确定为第一目标距离和所述第一目标速度。
本实施例中，通过对N个接收天线采集的原始的第一快时间维-慢时间维数据分别进行2DFFT变换得到一一对应的N个第二距离多普勒图数据，然后将对N个第二距离多普勒图数据进行NCI处理后得到的距离多普勒图(第三距离多普勒图)上满足预设条件的数据对应的距离信息和速度信息分别确定为第一目标距离和第一目标速度。
例如，在第二种可能的实现方式中，确定第一目标距离和第一目标速度包括：获取N个接收天线中的任意一个接收天线对应的L个第二快时间维-慢时间维数据；将任意一个接收天线对应的L个第二快时间维-慢时间维数据进行非相干累加NCI，获得第五距离多普勒图；获取第五距离多普勒图上的第四目标数据，所述第四目标数据为满足预设条件的数据；将第四目标数据在所述第五距离多普勒图上的距离信息和速度信息分别确定为第一目标距离和第一目标速度。
本实施例中，通过将任意一个接收天线采集的第一快时间维-慢时间维数据对应的L个第二快时间维-慢时间维数据进行NCI处理的获得的距离多普勒图(第五距离多普勒图)上满足预设条件的数据对应的距离信息和速度信息分别确定为第一目标距离和第一目标速度。可以理解的是，该实现方式中，在进行NCI处理时，相当于是以一个接收天线对应的L个第二快时间维-慢时间维数据作为代表，来确定第一目标距离和第一目标速度。
例如，在第三种可能的实现方式中，确定第一目标距离和第一目标速度包括：将与N个接收天线对应的L*N个第一距离多普勒图数据进行非相干累加NCI，获得第四距离多普勒图；获取第四距离多普勒图上的第三目标数据，所述第三目标数据为满足预设条件的数据；将第三目标数据在第四距离多普勒图上的距离信息和速度信息分别确定为第一目标距离和第一目标速度。
本实施例中，通过对N个接收天线对应的L*N个第一距离多普勒图数据进行NCI处理后得到的距离多普勒图(第四距离多普勒图)上满足预设条件的数据(第三目标数据)对应的距离信息和速度信息分别确定为第一目标距离和第一目标速度。
可以理解的是，该种实现方式与第一种实现方式或第二种实现方式相比，可以提升获取到的第三目标数据的能量强度，提高信噪比，进而提升后续信号处理算法的能力。
可选地，上述满足预设条件的数据例如是距离多普勒图中的峰值数据。
本实施例中，当雷达设备确定出了第一目标距离和第一目标速度后，需要从L*N个第一距离多普勒图数据中的每个第一距离多普勒图数据中提取出第一目标距离和第一目标速度上的数据。
示例性地，图6为本申请一个实施例提供的提取第一目标距离和第一目标速度上的数据的结构性示意图。如图6所示，包括N个接收天线的雷达设备，在经过S302和S303之后，每个接收天线会与L个第一距离多普勒图数据对应，该示例中，分别用第1个RD-Map、第2个RD-Map……直至第L个RD-Map表示，则本实施例中，在确定出第一目标距离和第一目标速度后，需要从每个RD-Map中获取与第一目标距离和第一目标速度上的数据。例如，图6中的每个黑色单元上的数据为第一目标距离和第一目标速度上的数据。
S305，基于与N个接收天线对应的L*N个第一目标数据确定L组数据，所述L组数据中每组数据包括N个第一目标数据，所述N个第一目标数据与N个不同的接收天线一一对应。
应理解，对于包括N个接收天线的雷达设备，在获取了每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据后，总共会有L*N个第一目标数据。
本实施例中，基于该L*N个第一目标数据形成L组数据，其中每组数据中都包括N个第一目标数据，且该N个第一目标数据与N个不同的接收天线一一对应。
在具体实施时，如图7所示，雷达设备可以将与接收天线1、接收天线2直至接收天线N一一对应的第1个RD-Map中的第一目标数据组成第一组数据，将与接收天线1、接收天线2直至接收天线N一一对应的第2个RD-Map中的第一目标数据组成第二组数据，以此类推，将与接收天线1、接收天线2直至接收天线N一一对应的第L个RD-Map中的第一目标数据组成第L组数据。
S306，对L组数据使用与预设超分辨算法进行处理。
本实施例中，在获得L组数据后，便可以将该L组数据输入至超分辨率算法中，以检测出第一目标距离和第一目标速度上可能存在的目标物的角度。
本实施例中，雷达设备将N个接收天线中每个接收天线获取的第一快时间维-慢时间维数据沿着快时间维划分为L个第二快时间维-慢时间维数据，从而对于每个接收天线会有L个第二快时间维-慢时间维数据，和对于N个接收天线总共会有L*N个第二快时间维-慢时间维数据；之后，对L*N个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散快速傅里叶变换，获得L*N个第一距离多普勒图数据，并从每个第一距离多普勒图数据中提取出第一目标距离和第一目标速度上的目标数据，即有L*N个目标数据，最后将L*N个目标数据形成L组数据，其中，每组数据中都包括N个目标数据且该N个目标数据与N个不同的接收天线对应。
可以理解的是，在现有技术中，雷达设备在获得与N个接收天线对应的第一目标距离和第一目标速度上的N个目标数据后，会先将该N个目标数据形成一组数据；然后在基于该组数据获得多组数据，其中，该获得的多组数据中的每组数据中只包括了N个目标数据中的M个目标数据，M小于N；最后，使用预设超分辨率算法对多组数据进行处理。可以看出，在现有技术中，雷达设备在使用预设超分辨率算法对多组数据进行处理时，每组数据都没有完全使用雷达设备的N个接收天线采集的数据。应理解，没有完全使用雷达设备的N个接收天线采集的数据，本质上相当于减小了雷达设备的天线口径，从而会导致雷达设备的角度分辨率降低，进一步导致检测出的第一目标距离和第一目标速度上的目标点的准确度较低。而在本实施例中，由于输入到预设超分辨算法中的每组数据都包括N个目标数据，且由于该N个目标数据与N个不同的接收天线对应，因此，相当于保持了原有的雷达设备的天线口径，因此，不会降低雷达设备的角度分辨率，即提升了检测出的目标距离和目标速度上的目标物的准确率。
图8为本申请一个实施例提供的数据处理装置的结构性示意图。具体地，如图8所示，该数据处理装置包括：获取模块801和处理模块802。
其中，获取模块801，用于获取雷达设备的N个接收天线中每个接收天线采集的第一快时间维-慢时间维数据，每个第一快时间维-慢时间维数据中的快时间维的长度为M1；处理模块802，用于将所述每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据，每个第二快时间维-慢时间维数据中的快时间维的长度为M2，所述每个第二快时间维-慢时间维数据中的慢时间维的长度与所述每个接收天线采集的第一快时间维-慢时间维数据中的慢时间维的长度相同，M2小于M1；所述处理模块802，还用于对所述每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换，获得与所述每个接收天线对应的L个第一距离多普勒图数据；所述获取模块801，还用于获取所述每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据；处理模块802，还用于基于与所述N个接收天线对应的L*N个第一目标数据确定L组数据，所述L组数据中每组数据包括N个第一目标数据，所述N个第一目标数据与N个不同的接收天线一一对应；所述处理模块802还用于：对所述L组数据使用预设超分辨算法进行处理。
在一种可能的实现方式中，所述处理模块802还用于：对所述每个接收天线采集的第一快时间维-慢时间维数据进行二维离散傅里叶变换，获得所述每个接收天线对应的第二距离多普勒图数据；所述处理模块802还用于：将与所述N个接收天线一一对应的N个第二距离多普勒图数据进行非相干累加NCI，获得第三距离多普勒图；所述获取模块801还用于：获取所述第三距离多普勒图上的第二目标数据，所述第二目标数据为满足预设条件的数据；所述处理模块802还用于：将所述第二目标数据在所述第三距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
在一种可能的实现方式中，所述处理模块802还用于：将与所述N个接收天线对应的L*N个第一距离多普勒图数据进行非相干累加NCI，获得第四距离多普勒图；所述获取模块801还用于：获取所述第四距离多普勒图上的第三目标数据，所述第三目标数据为满足预设条件的数据；所述处理模块802还用于：将所述第三目标数据在所述第四距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
在一种可能的实现方式中，所述获取模块801还用于：获取所述N个接收天线中的任意一个接收天线对应的L个第二快时间维-慢时间维数据；所述处理模块802还用于：将所述任意一个接收天线对应的L个第二快时间维-慢时间维数据进行非相干累加NCI，获得第五距离多普勒图；所述获取模块801还用于：获取所述第五距离多普勒图上的第四目标数据，所述第四目标数据为满足预设条件的数据；所述处理模块802还用于：将所述第四目标数据在所述第五距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
在一种可能的实现方式中，所述满足预设条件的数据为距离多普勒图数据中的峰值数据。
图9为本申请另一个实施例提供的数据处理装置的结构性示意图。图9所示的装置可以用于执行前述任意一个实施例所述的方法。
如图9所示，本实施例的装置900包括：存储器901、处理器902、通信接口903以及总线904。其中，存储器901、处理器902、通信接口903通过总线904实现彼此之间的通信连接。
存储器901可以是只读存储器(read only memory，ROM)，静态存储设备，动态存储设备或者随机存取存储器(random access memory，RAM)。存储器901可以存储程序，当存储器901中存储的程序被处理器902执行时，处理器902用于执行图3所示的方法的各个步骤。
处理器902可以采用通用的中央处理器(central processing unit，CPU)，微处理器，应用专用集成电路(application specific integrated circuit，ASIC)，或者一个或多个集成电路，用于执行相关程序，以实现本申请图3所示的方法。
处理器902还可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，本申请实施例图3的方法的各个步骤可以通过处理器902中的硬件的集成逻辑电路或者软件形式的指令完成。
上述处理器902还可以是通用处理器、数字信号处理器(digital signalprocessing，DSP)、专用集成电路(ASIC)、现成可编程门阵列(field programmable gatearray，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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。
结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器901，处理器902读取存储器901中的信息，结合其硬件完成本申请装置包括的单元所需执行的功能，例如，可以执行图3所示实施例的各个步骤/功能。
通信接口903可以使用但不限于收发器一类的收发装置，来实现装置900与其他设备或通信网络之间的通信。
总线904可以包括在装置900各个部件(例如，存储器901、处理器902、通信接口903)之间传送信息的通路。
应理解，本申请实施例所示的装置900可以是电子设备，或者，也可以是配置于电子设备中的芯片。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种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：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的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-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种数据处理方法，其特征在于，包括：
获取雷达设备的N个接收天线中每个接收天线采集的第一快时间维-慢时间维数据，每个第一快时间维-慢时间维数据中的快时间维的长度为M1；
将所述每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据，每个第二快时间维-慢时间维数据中的快时间维的长度为M2，所述每个第二快时间维-慢时间维数据中的慢时间维的长度与所述每个接收天线采集的第一快时间维-慢时间维数据中的慢时间维的长度相同，M2小于M1；
对所述每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换，获得与所述每个接收天线对应的L个第一距离多普勒图数据；
获取所述每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据；
基于与所述N个接收天线对应的L*N个第一目标数据确定L组数据，所述L组数据中每组数据包括N个第一目标数据，所述N个第一目标数据与N个不同的接收天线一一对应；
对所述L组数据使用预设超分辨算法进行处理。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述每个接收天线采集的第一快时间维-慢时间维数据进行二维离散傅里叶变换，获得所述每个接收天线对应的第二距离多普勒图数据；
将与所述N个接收天线一一对应的N个第二距离多普勒图数据进行非相干累加NCI，获得第三距离多普勒图；
获取所述第三距离多普勒图上的第二目标数据，所述第二目标数据为满足预设条件的数据；
将所述第二目标数据在所述第三距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将与所述N个接收天线对应的L*N个第一距离多普勒图数据进行非相干累加NCI，获得第四距离多普勒图；
获取所述第四距离多普勒图上的第三目标数据，所述第三目标数据为满足预设条件的数据；
将所述第三目标数据在所述第四距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述N个接收天线中的任意一个接收天线对应的L个第二快时间维-慢时间维数据；
将所述任意一个接收天线对应的L个第二快时间维-慢时间维数据进行非相干累加NCI，获得第五距离多普勒图；
获取所述第五距离多普勒图上的第四目标数据，所述第四目标数据为满足预设条件的数据；
将所述第四目标数据在所述第五距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
5.根据权利要求2至4中任一项所述的方法，其特征在于，所述满足预设条件的数据为距离多普勒图数据中的峰值数据。
6.一种数据处理装置，其特征在于，包括：
获取模块，用于获取雷达设备的N个接收天线中每个接收天线采集的第一快时间维-慢时间维数据，每个第一快时间维-慢时间维数据中的快时间维的长度为M1；
处理模块，用于将所述每个接收天线采集的第一快时间维-慢时间维数据划分成L个第二快时间维-慢时间维数据，每个第二快时间维-慢时间维数据中的快时间维的长度为M2，所述每个第二快时间维-慢时间维数据中的慢时间维的长度与所述每个接收天线采集的第一快时间维-慢时间维数据中的慢时间维的长度相同，M2小于M1；
所述处理模块，还用于对所述每个接收天线对应的L个第二快时间维-慢时间维数据中的每个第二快时间维-慢时间维数据进行二维离散傅里叶变换，获得与所述每个接收天线对应的L个第一距离多普勒图数据；
所述获取模块，还用于获取所述每个接收天线对应的L个第一距离多普勒图数据中的每个第一距离多普勒图数据中的第一目标距离和第一目标速度上的第一目标数据；
处理模块，还用于基于与所述N个接收天线对应的L*N个第一目标数据确定L组数据，所述L组数据中每组数据包括N个第一目标数据，所述N个第一目标数据与N个不同的接收天线一一对应；
所述处理模块还用于：对所述L组数据使用预设超分辨算法进行处理。
7.根据权利要求6所述的装置，其特征在于，所述处理模块还用于：对所述每个接收天线采集的第一快时间维-慢时间维数据进行二维离散傅里叶变换，获得所述每个接收天线对应的第二距离多普勒图数据；
所述处理模块还用于：将与所述N个接收天线一一对应的N个第二距离多普勒图数据进行非相干累加NCI，获得第三距离多普勒图；
所述获取模块还用于：获取所述第三距离多普勒图上的第二目标数据，所述第二目标数据为满足预设条件的数据；
所述处理模块还用于：将所述第二目标数据在所述第三距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
8.根据权利要求6所述的装置，其特征在于，所述处理模块还用于：将与所述N个接收天线对应的L*N个第一距离多普勒图数据进行非相干累加NCI，获得第四距离多普勒图；
所述获取模块还用于：获取所述第四距离多普勒图上的第三目标数据，所述第三目标数据为满足预设条件的数据；
所述处理模块还用于：将所述第三目标数据在所述第四距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
9.根据权利要求6所述的装置，其特征在于，所述获取模块还用于：获取所述N个接收天线中的任意一个接收天线对应的L个第二快时间维-慢时间维数据；
所述处理模块还用于：将所述任意一个接收天线对应的L个第二快时间维-慢时间维数据进行非相干累加NCI，获得第五距离多普勒图；
所述获取模块还用于：获取所述第五距离多普勒图上的第四目标数据，所述第四目标数据为满足预设条件的数据；
所述处理模块还用于：将所述第四目标数据在所述第五距离多普勒图上的距离信息和速度信息分别确定为所述第一目标距离和所述第一目标速度。
10.根据权利要求7至9中任一项所述的装置，其特征在于，所述满足预设条件的数据为距离多普勒图数据中的峰值数据。
11.一种自动驾驶设备，其特征在于，包含如权利要求6至10中任一项所述的装置。
12.一种数据处理装置，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指令；
所述处理器用于调用所述存储器中的程序指令执行如权利要求1至5中任一项所述的方法。
13.一种计算机可读介质，其特征在于，所述计算机可读介质存储用于计算机执行的程序代码，该程序代码包括用于执行如权利要求1至5中任一项所述的方法的指令。
14.一种计算机程序产品，所述计算机程序产品中包括计算机程序代码，其特征在于，当所述计算机程序代码在计算机上运行时，使得所述计算机实现如权利要求1至5中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210577346.2A CN117169888A (zh) | 2022-05-25 | 2022-05-25 | 数据处理方法与处理装置 |
| PCT/CN2022/139416 WO2023226388A1 (zh) | 2022-05-25 | 2022-12-15 | 数据处理方法与处理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210577346.2A CN117169888A (zh) | 2022-05-25 | 2022-05-25 | 数据处理方法与处理装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117169888A true CN117169888A (zh) | 2023-12-05 |
Family
ID=88918317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210577346.2A Pending CN117169888A (zh) | 2022-05-25 | 2022-05-25 | 数据处理方法与处理装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN117169888A (zh) |
| WO (1) | WO2023226388A1 (zh) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104569949B (zh) * | 2015-01-27 | 2017-04-19 | 西安电子科技大学 | 基于组合自适应归一化匹配滤波的雷达目标检测方法 |
| WO2017183186A1 (ja) * | 2016-04-22 | 2017-10-26 | 三菱電機株式会社 | レーダ信号処理装置及びレーダ信号処理方法 |
| DE102020107804A1 (de) * | 2019-04-26 | 2020-10-29 | Infineon Technologies Ag | Radarvorrichtung und Verfahren zum Detektieren von Radarzielen |
| CN113296086A (zh) * | 2020-02-21 | 2021-08-24 | 华为技术有限公司 | 目标识别方法及装置 |
| US20210364596A1 (en) * | 2020-05-20 | 2021-11-25 | Infineon Technologies Ag | Processing radar signals |
| CN113109797B (zh) * | 2021-03-01 | 2023-12-22 | 北京清瑞维航技术发展有限公司 | 调频连续波凝视雷达的目标探测方法、装置和计算机设备 |
| CN113109813A (zh) * | 2021-05-26 | 2021-07-13 | 南京牛斯特仁科技有限公司 | 一种基于迭代近端投影的二维欠采样合成孔径雷达成像方法 |
-
2022
- 2022-05-25 CN CN202210577346.2A patent/CN117169888A/zh active Pending
- 2022-12-15 WO PCT/CN2022/139416 patent/WO2023226388A1/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023226388A1 (zh) | 2023-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11719811B2 (en) | Method and device to improve radar data using reference data | |
| US20200400810A1 (en) | Method and device with improved radar resolution | |
| CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
| WO2023071992A1 (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
| CN113009442B (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
| CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
| CN113050082A (zh) | 用于处理雷达信号的方法及设备 | |
| CN112835026A (zh) | 雷达镜像目标检测方法、装置、雷达设备和车辆 | |
| CN113009441A (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
| CN113302511B (zh) | 一种干扰处理方法和装置 | |
| US20210323560A1 (en) | Vehicle speed calculation method, system, device, and storage medium | |
| US20210326581A1 (en) | DNN-Based Human Face Classification | |
| CN113093168A (zh) | 测距测速方法、装置、雷达及可读存储介质 | |
| CN112034464A (zh) | 一种目标分类方法 | |
| CN116467848B (zh) | 一种毫米波雷达点云仿真的方法和装置 | |
| Lazaro et al. | Smart spread spectrum modulated tags for detection of vulnerable road users with automotive radar | |
| CN117169888A (zh) | 数据处理方法与处理装置 | |
| CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
| CN116359908A (zh) | 点云数据增强方法、装置、计算机设备、系统及存储介质 | |
| CN114924246A (zh) | 目标检测方法、装置、毫米波雷达及存储介质 | |
| CN113296086A (zh) | 目标识别方法及装置 | |
| CN113687348B (zh) | 基于追踪微多普勒图的行人识别方法和装置 | |
| CN110967763A (zh) | 物品检测方法和装置 | |
| US20230393257A1 (en) | Fractalet radar processing | |
| CN113050056B (zh) | 一种雷达工作环境识别方法、装置及终端设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |