CN117741614A - 一种雷达信号的处理方法、处理装置、终端及存储介质 - Google Patents
一种雷达信号的处理方法、处理装置、终端及存储介质 Download PDFInfo
- Publication number
- CN117741614A CN117741614A CN202311826511.4A CN202311826511A CN117741614A CN 117741614 A CN117741614 A CN 117741614A CN 202311826511 A CN202311826511 A CN 202311826511A CN 117741614 A CN117741614 A CN 117741614A
- Authority
- CN
- China
- Prior art keywords
- scene
- preset
- target
- probability
- previous frame
- 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 58
- 238000003672 processing method Methods 0.000 title abstract description 8
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 238000005259 measurement Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000003068 static effect Effects 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000003044 adaptive effect Effects 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
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明适用于信号处理的技术领域,提供了一种雷达信号的处理方法、处理装置、终端及存储介质,所述雷达信号的处理方法包括:获取雷达信号中多个目标对应的量测值;根据所述量测值,计算目标场景特征;获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。在上述方案中,实现了对场景的自适应识别,更好地适应复杂的天气和路况场景,提高了数据处理的准确度和可靠性。
Description
技术领域
本发明属于信号处理的技术领域,尤其涉及一种雷达信号的处理方法、处理装置、终端及存储介质。
背景技术
雷达识别技术指的是利用雷达系统对目标进行识别和分类的技术。雷达(Radar)是一种无线电测量与探测技术,它通过发送无线电波并接收其反射回来的信号来检测周围环境中的物体。雷达识别技术可以对检测到的目标进行辨识和分类。目标辨识常使用特征提取和模式识别方法,包括形状特征、散射特性、极化特性等,来识别目标的类型。目标分类则是将目标分为不同的类别,例如人、车、飞机等,并根据目标的特征进行分类。
其中,在雷达识别技术中CFAR算法是常用的目标检测算法。CFAR算法指的是恒虚警率自适应滤波(Constant False Alarm Rate Adaptive Filter)算法。它是一种在雷达信号处理中常用的技术,用于检测和识别目标。然而,传统的CFAR算法无法很好地适应不同的场景(例如:不同路况或天气等场景),导致计算精度较低,这是一个亟需解决的技术问题。
发明内容
有鉴于此,本发明实施例提供了一种雷达信号的处理方法、处理装置、终端及存储介质,以解决传统的CFAR算法无法很好地适应不同的场景(例如:不同路况或天气等场景),导致计算精度较低的技术问题。
本发明实施例的第一方面提供了一种雷达信号的处理方法,所述雷达信号的处理方法,包括:
获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
根据所述量测值,计算目标场景特征;
获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
进一步地,所述根据所述量测值,计算目标场景特征的步骤包括:
计算第一数量的绝对静止目标对应的俯仰角均值;
计算固定区域内第二数量的绝对静止目标对应的雷达散射截面积均值;
计算护栏目标数量和静止目标数据之间的比值;
将所述俯仰角均值、所述雷达散射截面积均值和所述比值归一化处理,得到所述目标场景特征。
进一步地,所述固定区域包括左侧和右侧相邻的三个车道
进一步地,所述根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数的步骤包括:
将所述目标场景特征和所述预设权重矩阵相乘,得到场景置信度;
根据所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量;
根据所述当前场景概率向量匹配目标预设参数。
进一步地,所述根据所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量的步骤包括:
将所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率代入如下公式,得到所述当前场景概率向量;
所述公式为:
其中,表示所述当前场景概率向量,/>表示所述上一帧场景概率,α表示预设的时间平滑因子,Pn×n表示所述预设转换矩阵,/>表示所述场景置信度。
进一步地,所述根据所述当前场景概率向量匹配目标预设参数的步骤包括:
获取所述当前场景概率向量中最大概率值对应的场景类型;
将所述场景类型对应的预设参数,作为所述目标预设参数。
进一步地,所述目标检测算法包括恒虚警检测
本发明实施例的第二方面提供了一种雷达信号的处理装置,所述雷达信号的处理装置包括:
第一获取单元,用于获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
第一计算单元,用于根据所述量测值,计算目标场景特征;
第二获取单元,用于获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
第二计算单元,用于根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
处理单元,用于根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明通过获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;根据所述量测值,计算目标场景特征;获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。在上述方案中,通过计算雷达信号中的目标场景特征,并根据目标场景特征、预设权重矩阵、预设转换矩阵和上一帧场景识别概率,计算当前场景概率向量,进而匹配当前场景下的预设参数。其中,预设参数适用于当前场景下的雷达信号处理,实现对场景的自适应识别,更好地适应复杂的天气和路况场景,提高了数据处理的准确度和可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或相关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发明的一些实施例,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,还可以根据这些附图获得其它的附图。
图1示出了本发明提供的一种雷达信号的处理方法的示意图;
图2示出了本发明提供的一种雷达信号的处理装置的示意图;
图3示出了本发明一实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
随着自动驾驶技术的不断发展,我们也能够在越来越多的场景中使用,在给人们带来极大便利的同时也对汽车的各个传感器提出了更高的要求。毫米波雷达作为其中的重要传感器也不例外,要求雷达在汽车行驶过程中能够适应各种复杂路况、天气以及干扰等,传统的雷达信号处理算法依赖于CFAR(Constant False Alarm Rate,恒虚警检测)提供目标的检测信息,但是无论是采取将多普勒分区亦或是其他方式均无法对所有场景进行覆盖,因此本申请提出一种面向毫米波雷达的自适应场景识别和检测技术,通过对雷达的探测结果进行分析,然后动态调整当前场景中的CFAR配置,完成在不同场景下均实现目标的稳定探测。
本发明实施例提供了一种雷达信号的处理方法、处理装置、终端及存储介质,以解决传统的CFAR算法无法很好地适应不同的场景(例如:不同路况或天气等场景),导致计算精度较低的技术问题。
首先,本发明提供了一种雷达信号的处理方法,请参见图1,图1示出了本发明提供的一种雷达信号的处理方法的示意图。如图1所示,该雷达信号的处理方法可以包括如下步骤:
步骤101:获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
获取车身信息以及当前雷达的目标检测结果,根据车身信息和目标检测结果计算每个目标对应的量测值{y1 y2 y3 … yK},yk表示第k个目标的量测值。量测值包括但不限于距离、速度、方位角、俯仰角、强度和雷达散射截面积(Radar Cross Section,RCS)等一种或多种信息之间的组合。
其中,量测值具体计算逻辑如下:
①距离测量:雷达系统会发送电磁脉冲,并测量从发射到接收信号返回所需的时间。通过计算信号的往返时间(也称为回波时间)并乘以光速,可以确定目标与雷达的距离。
②速度测量:基于多普勒效应,雷达可以测量目标产生的频率偏移来计算目标的速度。多普勒频移是目标运动导致接收到的回波信号频率发生变化。通过分析这种频率变化,可以推断出目标的速度信息。
③方位角测量:雷达使用旋转扫描天线或者多个接收器来确定目标的方位角,即目标相对于雷达的水平位置。通过比较回波信号在不同接收器之间的到达时间差异,可以计算目标相对于雷达的方位角。
④俯仰角测量:一些雷达系统具备俯仰调整能力,可以在垂直方向上测量目标的高度信息。通过调整雷达传输和接收过程中的参数并分析回波信号,在特定情况下可以推断目标的俯仰角。
⑤强度测量:回波信号的幅值或功率可以提供目标的强度信息。雷达系统通过测量回波信号的幅值来评估目标的反射特性和距离衰减等因素,从而计算目标的强度。
⑥雷达散射截面积(RCS)计算:雷达散射截面积是描述目标反射雷达信号能力的测量指标。它表示目标表面对入射波的能量散射特性。RCS的计算涉及目标的几何形状、材料特性和入射波的频率等因素。通常使用物理建模、数值方法或实验测试等技术来估计目标的RCS值。
步骤102:根据所述量测值,计算目标场景特征;
目标场景特征包括但不限于俯仰角度均值、绝对静止目标的RCS均值和护栏目标占比(护栏目标数量和静止目标数据之间的比值)等一种特征值或多种特征值之间的组合,目标场景特征的具体计算过程如下:
具体地,步骤102具体包括步骤1021至步骤1024:
步骤1021:计算第一数量的绝对静止目标对应的俯仰角均值;
步骤1022:计算固定区域内第二数量的绝对静止目标对应的雷达散射截面积均值;
固定区域包括但不限于左侧和右侧相邻的三个车道。
步骤1023:计算护栏目标数量和静止目标数据之间的比值;
步骤1024:将所述俯仰角均值、所述雷达散射截面积均值和所述比值归一化处理,得到所述目标场景特征。
需要说明的是,目标场景特征中的参数可以更多或更少。
示例性地,假设目标场景特征为三维场景特征[x1 x2 x3]T,其中为M个绝对静止目标的俯仰角度均值,/> 为N个左右三车道内的绝对静止目标的RCS均值,/>为护栏目标占比(D表示护栏目标数量,M为绝对静止目标数量)。
将上述三个特征进行归一化处理,即得到目标场景特征/>
在本实施例中,计算第一数量的绝对静止目标对应的俯仰角均值,可以提供对目标整体高度分布的信息。计算固定区域内第二数量的绝对静止目标对应的雷达散射截面积均值,可以反映该区域内目标的平均大小或凸显某些具有特定散射特性的目标。计算护栏目标数量和静止目标数据之间的比值,提供关于护栏目标与其他静止目标的相对数量关系的信息。将所述俯仰角均值、所述雷达散射截面积均值和所述比值归一化处理,有助于消除不同目标场景之间的量纲差异,使得这些特征可以更好地进行比较和综合分析。通过以上步骤的计算和归一化处理,可以得到描述目标场景的特征值。这些特征值融合了俯仰角均值、雷达散射截面积均值和比值的信息,可以提供对目标场景整体特征的综合描述。通过该方法能够让雷达实现对场景的自适应识别,更好地适应复杂的天气和路况场景,同时得到的场景识别结果可以为后续的处理提供更多的信息,提高了目标检测的精度,减少了雷达的虚警。
步骤103:获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
预设权重矩阵为先验信息,要求其行向量为单位向量,即|w1|=|w2|=|w3|=1,通常情况下W是根据大量路测和场景数据统计得到。
预设转换矩阵为预设的场景转换矩阵,表征着各场景之间切换的概率,要求矩阵中的每一行元素之和为1,且各元素均大于零,即pij>0,
步骤104:根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
在当前场景概率向量中包括多个场景概率。每个场景均对应一个场景概率,用于表示实际场景为该场景的概率。可将当前场景概率向量中的最大概率值,作为目标场景。并将目标场景的对应的预设参数,作为目标预设参数。其中,不同的场景映射不同的预设参数。
具体地,步骤104具体包括步骤1041至步骤1043:
步骤1041:将所述目标场景特征和所述预设权重矩阵相乘,得到场景置信度;
根据目标场景特征X以及预设权重矩阵W计算得到场景置信度T=Wn×nXn×1=[t1 t2t3 … tn]T,其中,ti表示场景i的置信度。
步骤1042:根据所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量;
具体地,步骤1042具体包括:将所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率代入如下公式,得到所述当前场景概率向量;
所述公式为:
其中,表示所述当前场景概率向量,/>表示所述上一帧场景概率,α表示预设的时间平滑因子,Pn×n表示所述预设转换矩阵,/>表示所述场景置信度。
步骤1043:根据所述当前场景概率向量匹配目标预设参数。
具体地,步骤1043具体包括步骤A1至步骤A2:
步骤A1:获取所述当前场景概率向量中最大概率值对应的场景类型。
步骤A2:将所述场景类型对应的预设参数,作为所述目标预设参数。
不同的场景映射不同的预设参数。提取当前场景概率向量中的最大概率,获取最大概率对应的场景,获取该场景对应的预设参数。将该预设参数作为目标预设参数。
在本实施例中,将目标场景特征与预设权重矩阵进行矩阵乘法运算,得到场景置信度。这一步旨在通过加权计算来评估目标场景与预设参数之间的匹配程度。利用场景置信度、预设转换矩阵和上一帧场景识别概率,计算当前场景的概率向量。具体而言,结合场景置信度与预设转换矩阵,以及上一帧场景识别概率作为参考,推导出当前场景的概率向量。这一步旨在综合考虑场景置信度和历史信息,进一步提高准确性和预测能力。根据当前场景概率向量,进行目标预设参数的匹配。通过对当前场景概率向量与目标预设参数进行比对和匹配,识别出与目标预设参数最为吻合的结果。这一步旨在确定最匹配目标预设参数的场景,以便进一步应用或决策。综上,该技术方案通过将目标场景特征与预设权重矩阵相乘得到场景置信度,进而计算当前场景概率向量,并最终匹配目标预设参数。通过这一过程,可以实现对目标预设参数进行计算和匹配,从而辅助场景识别和决策的进行。
步骤105:根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。
本实施所提供的技术方案可应用于多种目标检测算法,包括恒虚警检测算法等。
在本实施例中,通过获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;根据所述量测值,计算目标场景特征;获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。在上述方案中,通过计算雷达信号中的目标场景特征,并根据目标场景特征、预设权重矩阵、预设转换矩阵和上一帧场景识别概率,计算当前场景概率向量,进而匹配当前场景下的预设参数。其中,预设参数适用于当前场景下的雷达信号处理,实现对场景的自适应识别,更好地适应复杂的天气和路况场景,提高了数据处理的准确度和可靠性。
如图2本发明提供了一种雷达信号的处理装置2,请参见图2,图2示出了本发明提供的一种雷达信号的处理装置的示意图,如图2所示一种雷达信号的处理装置包括:
第一获取单元21,用于获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
第一计算单元22,用于根据所述量测值,计算目标场景特征;
第二获取单元23,用于获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
第二计算单元24,用于根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
处理单元25,用于根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。
本发明提供的一种雷达信号的处理装置,通过获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;根据所述量测值,计算目标场景特征;获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。在上述方案中,通过计算雷达信号中的目标场景特征,并根据目标场景特征、预设权重矩阵、预设转换矩阵和上一帧场景识别概率,计算当前场景概率向量,进而匹配当前场景下的预设参数。其中,预设参数适用于当前场景下的雷达信号处理,实现对场景的自适应识别,更好地适应复杂的天气和路况场景,提高了数据处理的准确度和可靠性。
图3是本发明一实施例提供的一种终端设备的示意图。如图3所示,该实施例的一种终端设备3包括:处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32,例如一种雷达信号的处理的程序。所述处理器30执行所述计算机程序32时实现上述各个一种雷达信号的处理方法实施例中的步骤,例如图1所示的步骤101至步骤105。或者,所述处理器30执行所述计算机程序32时实现上述各装置实施例中各单元的功能,例如图2所示单元21至25的功能。
示例性的,所述计算机程序32可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器31中,并由所述处理器30执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序32在所述一种终端设备3中的执行过程。例如,所述计算机程序32可以被分割成各单元的具体功能如下:
第一获取单元,用于获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
第一计算单元,用于根据所述量测值,计算目标场景特征;
第二获取单元,用于获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
第二计算单元,用于根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
处理单元,用于根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。所述终端设备中包括但不限于处理器30和存储器31。本领域技术人员可以理解,图3仅仅是一种终端设备3的示例,并不构成对一种终端设备3的限定,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,例如所述一种终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器30可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,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。
所述存储器31可以是所述一种终端设备3的内部存储单元,例如一种终端设备3的硬盘或内存。所述存储器31也可以是所述一种终端设备3的外部存储设备,例如所述一种终端设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述一种终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述一种漫游控制设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤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,而不应对本发明实施例的实施过程构成任何限定。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,既将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本发明实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元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,本发明实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
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或记载的部分,可以参见其它实施例的相关描述。
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发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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,既可以位于一个地方,或者也可以分布到多个网络单元上。
应当理解,当在本发明说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本发明说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于监测到”。类似地,短语“如果确定”或“如果监测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦监测到[所描述条件或事件]”或“响应于监测到[所描述条件或事件]”。
另外,在本发明说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本发明的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种雷达信号的处理方法,其特征在于,所述雷达信号的处理方法,包括:
获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
根据所述量测值,计算目标场景特征;
获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。
2.如权利要求1所述的雷达信号的处理方法,其特征在于,所述根据所述量测值,计算目标场景特征的步骤包括:
计算第一数量的绝对静止目标对应的俯仰角均值;
计算固定区域内第二数量的绝对静止目标对应的雷达散射截面积均值;
计算护栏目标数量和静止目标数据之间的比值;
将所述俯仰角均值、所述雷达散射截面积均值和所述比值归一化处理,得到所述目标场景特征。
3.如权利要求2所述的雷达信号的处理方法,其特征在于,所述固定区域包括左侧和右侧相邻的三个车道。
4.如权利要求1所述的雷达信号的处理方法,其特征在于,所述根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数的步骤包括:
将所述目标场景特征和所述预设权重矩阵相乘,得到场景置信度;
根据所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量;
根据所述当前场景概率向量匹配目标预设参数。
5.如权利要求4所述的雷达信号的处理方法,其特征在于,所述根据所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量的步骤包括:
将所述场景置信度、所述预设转换矩阵和所述上一帧场景识别概率代入如下公式,得到所述当前场景概率向量;
所述公式为:
其中,表示所述当前场景概率向量,/>表示所述上一帧场景概率,α表示预设的时间平滑因子,Pn×n表示所述预设转换矩阵,/>表示所述场景置信度。
6.如权利要求4所述的雷达信号的处理方法,其特征在于,所述根据所述当前场景概率向量匹配目标预设参数的步骤包括:
获取所述当前场景概率向量中最大概率值对应的场景类型;
将所述场景类型对应的预设参数,作为所述目标预设参数。
7.如权利要求1至6任意一项所述的雷达信号的处理方法,其特征在于,所述目标检测算法包括恒虚警检测。
8.一种雷达信号的处理装置,其特征在于,所述雷达信号的处理装置,包括:
第一获取单元,用于获取雷达信号中多个目标对应的量测值,所述量测值包括距离、速度、方位角、俯仰角、强度和雷达散射截面积;
第一计算单元,用于根据所述量测值,计算目标场景特征;
第二获取单元,用于获取预设权重矩阵、预设转换矩阵和上一帧场景识别概率;
第二计算单元,用于根据所述目标场景特征、所述预设权重矩阵、所述预设转换矩阵和所述上一帧场景识别概率,计算当前场景概率向量,根据所述当前场景概率向量匹配目标预设参数;所述上一帧场景识别概率是指在上一帧的场景识别中识别结果为实际场景的概率;
处理单元,用于根据所述预设参数进行下一帧雷达信号处理;所述预设参数用于调整目标检测算法的参数。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,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至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311826511.4A CN117741614A (zh) | 2023-12-28 | 2023-12-28 | 一种雷达信号的处理方法、处理装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311826511.4A CN117741614A (zh) | 2023-12-28 | 2023-12-28 | 一种雷达信号的处理方法、处理装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117741614A true CN117741614A (zh) | 2024-03-22 |
Family
ID=90250843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311826511.4A Pending CN117741614A (zh) | 2023-12-28 | 2023-12-28 | 一种雷达信号的处理方法、处理装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117741614A (zh) |
-
2023
- 2023-12-28 CN CN202311826511.4A patent/CN117741614A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109597061B (zh) | 一种目标运动状态判别方法及系统 | |
CN112180354B (zh) | 一种利用时频分析和恒虚警技术的高频雷达目标联合检测方法 | |
CN109932702B (zh) | 道闸控制方法及道闸雷达 | |
CN111580109B (zh) | 一种基于幅度特征统计的车载毫米波雷达遮挡检测方法 | |
CN111856406B (zh) | 一种基于fmcw雷达回波的目标检测方法及装置 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN112233416A (zh) | 车流量检测方法及装置 | |
CN116027318A (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN113009448A (zh) | 多径目标的检测方法、装置、设备和存储介质 | |
CN115047419A (zh) | 一种毫米波雷达恒虚警率检测方法及装置 | |
CN112034464B (zh) | 一种目标分类方法 | |
CN112763994A (zh) | 一种车载雷达遮挡检测方法、存储介质及车载设备 | |
CN117741614A (zh) | 一种雷达信号的处理方法、处理装置、终端及存储介质 | |
CN113740855B (zh) | 占位识别方法、装置、毫米波雷达及存储介质 | |
CN112014822B (zh) | 车载雷达测量数据识别方法、装置、介质和电子装置 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN116047442A (zh) | 一种检测目标角度的方法、装置及电子设备 | |
CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
CN113687348B (zh) | 基于追踪微多普勒图的行人识别方法和装置 | |
CN113820704A (zh) | 检测运动目标的方法、装置和电子设备 | |
CN116699590B (zh) | 一种基于5.8g微波雷达的fmcw多目标测距方法和系统 | |
CN113589254B (zh) | 基于雷达的移动目标检测方法、装置及雷达检测设备 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN115170601A (zh) | 雷达测量数据处理方法及装置 |
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 |