CN117849753B - 一种基于车载毫米波雷达的目标泛特征提取方法 - Google Patents
一种基于车载毫米波雷达的目标泛特征提取方法 Download PDFInfo
- Publication number
- CN117849753B CN117849753B CN202410260647.1A CN202410260647A CN117849753B CN 117849753 B CN117849753 B CN 117849753B CN 202410260647 A CN202410260647 A CN 202410260647A CN 117849753 B CN117849753 B CN 117849753B
- Authority
- CN
- China
- Prior art keywords
- target
- detection
- units
- peak
- 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
- 238000000605 extraction Methods 0.000 title abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 65
- 238000001914 filtration Methods 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 14
- 238000012827 research and development Methods 0.000 abstract description 9
- 238000004904 shortening Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000012795 verification Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及目标数据分析领域,特别地涉及一种基于车载毫米波雷达的目标泛特征提取方法。一种基于车载毫米波雷达的目标泛特征提取方法,包括:关闭雷达所有滤波功能;获得目标的x、y、PEAK和SNR;从不同角度、距离采集目标的特征数据;更新滤除目标库代入雷达进行回归验证。本发明通过在研发阶段进行实际模拟,提高了对误报目标类型的处理准确率和处理效率,从而建立目标的滤除目标库,并且数据的处理能够在实验室进行,从而能够同时对多个目标进行实验,最后将更新的滤除目标库存入车辆的雷达系统中,从而能够高效的完成目标检测,缩短研发时间。
Description
技术领域
本发明涉及目标数据分析领域,特别地涉及一种基于车载毫米波雷达的目标泛特征提取方法。
背景技术
毫米波雷达体积小、重量轻、测量精度高,且穿透烟雾、灰尘能力强,具有全天时全天候工作能力等优点,已广泛使用于汽车辅助驾驶,常用规避误报的方式是,提高检测门限。
传统的提高检测门限,极有可能对真实目标漏报,而对不需要报警的目标误报,或者造成目标混乱的结果,传统方式实现起来效率低,会涉及到反反复复进行回归验证的问题,导致研发周期很长。
发明内容
针对上述问题,本发明提供一种基于车载毫米波雷达的目标泛特征提取方法,本发明通过在研发阶段进行实际模拟,提高了对误报目标类型的处理准确率和处理效率,从而建立目标的滤除目标库,并且数据的处理能够在实验室进行,从而能够同时对多个目标进行实验,最后将更新的滤除目标库存入车辆的雷达系统中,从而能够高效的完成目标检测,缩短研发时间。
本发明的技术方案为:一种基于车载毫米波雷达的目标泛特征提取方法,包括:
K0、开启雷达系统的滤波功能进行测试,若出现误报目标,则停止测试,进入S1,否则继续测试;
K1、关闭雷达系统的滤波功能,并开启数据采集功能,保存采集到的x、y、PEAK和SNR的数据;
K2、进行多角度模拟,更新采集数据,记录误报目标的实际位置;
K3、对K1中采集的数据,将x、y、PEAK和SNR数据作为样本,进行分析,得到分布图,根据K2中误报实际位置,统计该区域的PEAK和SNR特征,得到该误报目标的特征分布;
K4、将K3得到的目标特征分布,提取分布概率最高的区间段,得到误报目标特征,并更新滤除目标库,滤除目标库存储有所有需要滤除的目标的误报目标特征;
K5、将K4更新的滤除目标库代入雷达系统中,进行针对的滤除,并进行回归测试。
进一步优化方案,K1中得到x、y、PEAK和SNR的数据的具体步骤为:
K1.1、雷达系统获取回波信号并进行处理,得到检测矩阵,并对检测矩阵中的待检单元Mi进行判定和计算,i=0,1,2···I,I为检测矩阵中待检单元的总个数,得到距离维阈值序列R和多普勒维阈值序列D;
K1.2、对距离维阈值序列R和多普勒维阈值序列D做均值加权计算最终检测阈值RDi,并对最终检测阈值RDi进行判断,若满足“Mi≥RDi”,则对应的待检单元Mi被检出,记为检出单元Bn,n=1,2,3···N,N为所有检出单元的总个数;
K1.3、对每个检出单元Bn进行角度FFT,再进行解角,得到目标数据的坐标x和坐标y,对FFT后的复数求模,得到目标的平均能量峰值PEAK,与参考单元的平均能量峰值CUT的比值,经过公式计算得到目标的信噪比SNR。
进一步优化方案,K1.1中得到检测矩阵的具体步骤为:
雷达系统发送脉冲信号,并接收被目标反射并返回的回波信号,将回波信号送入模数转换器,将模拟信号转换为数字信号,得到ADC数据;
对ADC数据进行距离维FFT,将时域信号转换为频域信号,得到距离信息;将距离和速度维度上的FFT结果结合,形成一个检测矩阵。
进一步优化方案,K1.1中得到距离维阈值序列R和多普勒维阈值序列D的具体步骤为:
S1、判断检测矩阵中当前待检单元Mi的距离单元的数量I是否满足“I<N”或者“I>A-N”,N=K+H,K为设定检测矩阵中保护单元的数量,H为设定检测矩阵中参考单元的数量,A为检测矩阵中距离单元的总个数,若满足“I<N”,则进入S2,若满足“I>A-N”,则进入S3,若均不满足,则进入S4;
S2、向后去掉K个保护单元,再取H个参考单元的均值,得到距离维的第Ri个阈值;
S3、向前减去K个保护单元,再取H个参考单元的均值=,得到距离维的第/>阈值;
S4、向前向后各去掉K个保护单元后再各取H个参考单元,再由前后参考单元2H取均值得到距离维的第Ri个阈值;
S5、将提取得到的距离维阈值合并,形成总的距离维阈值序列R;
S6、对测矩阵中当前待检单元Mi的多普勒单元的数量同样进行S1中的判断,并根据判断结果进行S2-S4,提取对应多普勒维的阈值,得到多普勒维阈值序列D。
进一步优化方案,K1.2中获取最终检测阈值RDi的具体计算公式为:最后检测阈值。
进一步优化方案,K1.3中的具体其计算公式为:
,R为K2中的距离维序列,θ为解角之后得到的目标角度;
,Re为FFT的实部,Im为FFT的虚部;
,PEAK为检出单元的平均能量峰值,CUT为参考单元的平均能量峰值,CUT的计算公式与PEAK相同,计算的元素由检出单元更换为参考单元。
本发明具有以下优点:
1、本发明通过在研发阶段进行实际模拟,提高了对误报目标类型的处理准确率和处理效率,从而建立目标的滤除目标库,并且数据的处理能够在实验室进行,从而能够同时对多个目标进行实验,最后将更新的滤除目标库存入车辆的雷达系统中,从而能够高效的完成目标检测,缩短研发时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出的结构获得其他的附图。
图1为本发明实施例中提供的一种基于车载毫米波雷达的目标泛特征提取方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明部分实施例进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。然而,本领域的普通技术人员可以理解,在本发明的各实施例中,为了使读者更好地理解本发明而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施例的种种变化和修改,也可以实现本发明所要求保护的技术方案。
实施例
本发明的技术方案为:如图1所示,一种基于车载毫米波雷达的目标泛特征提取方法,包括:
K0、在进行测试的时候,开启雷达系统的滤波功能进行测试,如果发现一个目标在原本是需要滤除的,但是没有滤除,则表示出现误报目标,需要停止测试,进入S1,否则继续测试,比如对于道路中出现的井盖,应该滤除,视为普通路面,但是雷达识别后认定为障碍物,对其避让,则需要对井盖进行提取目标特征并建立特征数据;
K1、关闭雷达系统的滤波功能,并开启数据采集功能,保存采集到的x、y、PEAK和SNR的数据,通过数据采集,使雷达在今后获取相同的数据时,能够识别出这是井盖,从而进行滤除;
K2、从各种不同入射角度,模拟正常驾驶可能出现的场景,能够更好的增加特征数据的提取,并持续10分钟,然后更新采集数据,记录误报目标的实际位置;
K3、对K1中采集的数据,将x、y、PEAK和SNR数据作为样本,进行分析,得到分布图,根据K2中误报实际位置,统计该区域的PEAK和SNR特征,得到该误报目标的特征分布;
K4、将K3得到的目标特征分布,提取分布概率最高的区间段,得到误报目标特征,并更新滤除目标库,滤除目标库存储有所有需要滤除的目标的误报目标特征;
K5、将K4更新的滤除目标库代入雷达系统中,进行针对的滤除,并进行回归测试。
本发明通过在研发阶段进行实际模拟,提高了对误报目标类型的处理准确率和处理效率,从而建立目标的滤除目标库,并且数据的处理能够在实验室进行,从而能够同时对多个目标进行实验,最后将更新的滤除目标库存入车辆的雷达系统中,从而能够高效的完成目标检测,缩短研发时间。
进一步优化方案,K1中得到x、y、PEAK和SNR的数据的具体步骤为:
K1.1、雷达系统获取回波信号并进行处理,得到检测矩阵,并对检测矩阵中的待检单元Mi进行判定和计算,i=0,1,2···I,I为检测矩阵中待检单元的总个数,得到距离维阈值序列R和多普勒维阈值序列D;
K1.2、对距离维阈值序列R和多普勒维阈值序列D做均值加权计算最终检测阈值RDi,并对最终检测阈值RDi进行判断,若满足“Mi≥RDi”,则对应的待检单元Mi被检出,记为检出单元Bn,n=1,2,3···N,N为所有检出单元的总个数;
K1.3、对每个检出单元Bn进行角度FFT,再进行解角,得到目标数据的坐标x和坐标y,对FFT后的复数求模,得到目标的平均能量峰值PEAK,这个值反映了目标信号的平均强度,与参考单元的平均能量峰值CUT的比值,这个比值可以用来估计目标信号与背景或噪声信号的对比度,经过公式计算得到目标的信噪比SNR。
对每个距离-速度单元,进行角度维FFT,得到目标在角度上的分布情况,即目标的角度谱,角度FFT的结果是一个包含目标在角度上分布的信息的频谱,通过解算这个频谱,可以得到目标的准确角度信息,解算角度可能涉及到一些信号处理技术,比如在峰值处检测、插值等;
通过解算得到的角度信息,可以将每个目标在距离、速度和角度上的信息转换为三维坐标,在雷达信号处理中,进行FFT后得到的结果是复数形式的频谱,对这个复数频谱进行模运算,得到每个频点的振幅,即能量;
进一步优化方案,K1.1中得到检测矩阵的具体步骤为:
雷达系统发送脉冲信号,并接收被目标反射并返回的回波信号,接收到的信号包含了来自不同距离和速度的目标的信息,将回波信号送入模数转换器,将模拟信号转换为数字信号,得到ADC数据,表示了一系列的离散样本,每个样本代表原始回波信号在特定时间内的幅度;
对ADC数据进行距离维FFT,将时域信号转换为频域信号,这可以得到距离信息,即检测到的目标在雷达与目标之间的距离;将距离和速度维度上的FFT结果结合,形成一个检测矩阵,在这个矩阵中,不同的元素对应于不同距离和速度上的目标信息,明显的峰值或亮点表示存在目标的位置,其位置可以用于目标的检测和跟踪。
进一步优化方案,K1.1中得到距离维阈值序列R和多普勒维阈值序列D的具体步骤为:
S1、判断检测矩阵中当前待检单元Mi的距离单元的数量I是否满足“I<N”或者“I>A-N”,N=K+H,K为设定检测矩阵中保护单元的数量,H为设定检测矩阵中参考单元的数量,A为检测矩阵中距离单元的总个数,若满足“I<N”,则进入S2,若满足“I>A-N”,则进入S3,若均不满足,则进入S4;
S2、向后去掉K个保护单元,再取H个参考单元的均值,得到距离维的第Ri个阈值;
S3、向前减去K个保护单元,再取H个参考单元的均值=,得到距离维的第/>阈值;
S4、向前向后各去掉K个保护单元后再各取H个参考单元,再由前后参考单元2H取均值得到距离维的第Ri个阈值;
S5、将提取得到的距离维阈值合并,形成总的距离维阈值序列R;
S6、对测矩阵中当前待检单元Mi的多普勒单元的数量同样进行S1中的判断,并根据判断结果进行S2-S4,提取对应多普勒维的阈值,得到多普勒维阈值序列D。
进一步优化方案,K1.2中获取最终检测阈值RDi的具体计算公式为:最后检测阈值,若待检单元/>,则该待检单元被检出。
进一步优化方案,K1.3中的具体其计算公式为:
,R为K2中的距离维序列,θ为解角之后得到的目标角度;
,Re为FFT的实部,Im为FFT的虚部;
,PEAK为检出单元的平均能量峰值,CUT为参考单元的平均能量峰值,CUT的计算公式与PEAK相同,计算的元素由检出单元更换为参考单元。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。本说明书中未作详细描述的部分属于本领域专业技术人员公知的现有技术。
Claims (4)
1.一种基于车载毫米波雷达的目标泛特征提取方法,其特征在于,包括:
K0、开启雷达系统的滤波功能进行测试,若出现误报目标,则停止测试,进入S1,否则继续测试;
K1、关闭雷达系统的滤波功能,并开启数据采集功能,保存采集到的x、y、PEAK和SNR的数据,其中,x表示目标数据的坐标x ,y表示坐标y ,PEAK表示目标的平均能量峰值 ,SNR表示目标的信噪比;
K2、进行多角度模拟,更新采集数据,记录误报目标的实际位置;
K3、对K1中采集的数据,将x、y、PEAK和SNR数据作为样本,进行分析,得到分布图,根据K2中误报实际位置,统计该区域的PEAK和SNR特征,得到该误报目标的特征分布;
K4、将K3得到的目标特征分布,提取分布概率最高的区间段,得到误报目标特征,并更新滤除目标库,滤除目标库存储有所有需要滤除的目标的误报目标特征;
K5、将K4更新的滤除目标库代入雷达系统中,进行针对的滤除,并进行回归测试;
其中,K1中得到x、y、PEAK和SNR的数据的具体步骤为:
K1.1、雷达系统获取回波信号并进行处理,得到检测矩阵,并对检测矩阵中的待检单元Mi进行判定和计算,i=0,1,2···I,I为检测矩阵中待检单元的总个数,得到距离维阈值序列R和多普勒维阈值序列D;
K1.2、对距离维阈值序列R和多普勒维阈值序列D做均值加权计算最终检测阈值RDi,并对最终检测阈值RDi进行判断,若满足“Mi≥RDi”,则对应的待检单元Mi被检出,记为检出单元Bn,n=1,2,3···N,N为所有检出单元的总个数;
K1.3、对每个检出单元Bn进行角度FFT,再进行解角,得到目标数据的坐标x和坐标y,对FFT后的复数求模,得到目标的平均能量峰值PEAK,与参考单元的平均能量峰值CUT的比值,经过公式计算得到目标的信噪比SNR;
其中,K1.1中得到距离维阈值序列R和多普勒维阈值序列D的具体步骤为:
S1、判断检测矩阵中当前待检单元Mi的距离单元的数量I是否满足“I<N”或者“I>A-N”,N=K+H,K为设定检测矩阵中保护单元的数量,H为设定检测矩阵中参考单元的数量,A为检测矩阵中距离单元的总个数,若满足“I<N”,则进入S2,若满足“I>A-N”,则进入S3,若均不满足,则进入S4;
S2、向后去掉K个保护单元,再取H个参考单元的均值,得到距离维的第Ri个阈值;
S3、向前减去K个保护单元,再取H个参考单元的均值=,得到距离维的第阈值;
S4、向前向后各去掉K个保护单元后再各取H个参考单元,再由前后参考单元2H取均值得到距离维的第Ri个阈值;
S5、将提取得到的距离维阈值合并,形成总的距离维阈值序列R;
S6、对测矩阵中当前待检单元Mi的多普勒单元的数量同样进行S1中的判断,并根据判断结果进行S2-S4,提取对应多普勒维的阈值,得到多普勒维阈值序列D。
2.如权利要求1所述的一种基于车载毫米波雷达的目标泛特征提取方法,其特征在于,K1.1中得到检测矩阵的具体步骤为:
雷达系统发送脉冲信号,并接收被目标反射并返回的回波信号,将回波信号送入模数转换器,将模拟信号转换为数字信号,得到ADC数据;
对ADC数据进行距离维FFT,将时域信号转换为频域信号,得到距离信息;将距离和速度维度上的FFT结果结合,形成一个检测矩阵。
3.如权利要求1所述的一种基于车载毫米波雷达的目标泛特征提取方法,其特征在于,K1.2中获取最终检测阈值RDi的具体计算公式为:最后检测阈值。
4.如权利要求1所述的一种基于车载毫米波雷达的目标泛特征提取方法,其特征在于,K1.3中的具体其计算公式为:,R为K2中的距离维序列,θ为解角之后得到的目标角度;
,Re为FFT的实部,Im为FFT的虚部;
,PEAK为检出单元的平均能量峰值,CUT为参考单元的平均能量峰值,CUT的计算公式与PEAK相同,计算的元素由检出单元更换为参考单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410260647.1A CN117849753B (zh) | 2024-03-07 | 2024-03-07 | 一种基于车载毫米波雷达的目标泛特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410260647.1A CN117849753B (zh) | 2024-03-07 | 2024-03-07 | 一种基于车载毫米波雷达的目标泛特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117849753A CN117849753A (zh) | 2024-04-09 |
CN117849753B true CN117849753B (zh) | 2024-05-03 |
Family
ID=90531550
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410260647.1A Active CN117849753B (zh) | 2024-03-07 | 2024-03-07 | 一种基于车载毫米波雷达的目标泛特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117849753B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160127372A (ko) * | 2015-04-27 | 2016-11-04 | 엘아이지넥스원 주식회사 | 이동 표적 탐지 장치 및 방법 |
CN113391282A (zh) * | 2021-05-12 | 2021-09-14 | 南京航空航天大学 | 一种基于雷达多维特征融合的人体姿态识别方法 |
CN114966589A (zh) * | 2022-04-29 | 2022-08-30 | 电子科技大学 | 一种基于毫米波雷达的多目标检测方法 |
CN116125458A (zh) * | 2023-02-22 | 2023-05-16 | 北京科技大学 | 一种基于毫米波雷达的人员定位方法 |
CN116449320A (zh) * | 2023-01-04 | 2023-07-18 | 上海航天电子通讯设备研究所 | 频率捷变雷达体制下的长时间积累与参数估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112505648B (zh) * | 2020-11-19 | 2023-06-30 | 西安电子科技大学 | 基于毫米波雷达回波的目标特征提取方法 |
US20230168367A1 (en) * | 2021-11-26 | 2023-06-01 | Nxp Usa, Inc. | CFAR Phased Array Pre-Processing Using Noncoherent and Coherent Integration in Automotive Radar Systems |
-
2024
- 2024-03-07 CN CN202410260647.1A patent/CN117849753B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160127372A (ko) * | 2015-04-27 | 2016-11-04 | 엘아이지넥스원 주식회사 | 이동 표적 탐지 장치 및 방법 |
CN113391282A (zh) * | 2021-05-12 | 2021-09-14 | 南京航空航天大学 | 一种基于雷达多维特征融合的人体姿态识别方法 |
CN114966589A (zh) * | 2022-04-29 | 2022-08-30 | 电子科技大学 | 一种基于毫米波雷达的多目标检测方法 |
CN116449320A (zh) * | 2023-01-04 | 2023-07-18 | 上海航天电子通讯设备研究所 | 频率捷变雷达体制下的长时间积累与参数估计方法 |
CN116125458A (zh) * | 2023-02-22 | 2023-05-16 | 北京科技大学 | 一种基于毫米波雷达的人员定位方法 |
Non-Patent Citations (1)
Title |
---|
"基于矩阵填充的随机步进频雷达高分辨距离-多普勒谱稀疏恢复方法";胡雪瑶等;《雷达学报》;20240117;第13卷(第1期);200-214 * |
Also Published As
Publication number | Publication date |
---|---|
CN117849753A (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN113808174B (zh) | 基于全卷积网络和卡尔曼滤波的雷达小目标跟踪方法 | |
CN110208806B (zh) | 一种航海雷达图像降雨识别方法 | |
CN112731307A (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
CN113256990B (zh) | 基于聚类算法的雷达采集道路车辆信息的方法及系统 | |
CN110208767A (zh) | 一种基于拟合相关系数的雷达目标快速检测方法 | |
CN117849753B (zh) | 一种基于车载毫米波雷达的目标泛特征提取方法 | |
CN110515044A (zh) | 低慢小雷达空频域四维杂波抑制方法 | |
CN112162249A (zh) | 一种基于动态cfar的车载毫米波雷达遮挡检测方法及系统 | |
CN109375187B (zh) | 雷达目标的确定方法及装置 | |
CN115128571B (zh) | 一种基于毫米波雷达的多人与非机动车识别方法 | |
CN113552563B (zh) | 垂测信息和高频地波雷达杂波信息的对应性分析方法 | |
CN108008374B (zh) | 基于能量中值的海面大型目标检测方法 | |
KR20140040422A (ko) | Data Matrix Bank Filter를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법 | |
CN109358324B (zh) | 基于地面监视雷达谱数据的目标检测方法 | |
KR101423265B1 (ko) | 해면 클러터 제거 방법 및 장치 | |
CN112034454A (zh) | 一种基于mimo雷达的桥梁自振振型获取方法 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN117572426B (zh) | 一种车载毫米波雷达静目标检测方法 | |
Tang et al. | Experimental results of target classification using mm wave corner radar sensors | |
CN111624605B (zh) | 一种基于角度维回波特征的航海雷达目标检测方法 | |
CN112630738B (zh) | 一种多普勒雷达目标检测方法及系统 | |
CN112698291B (zh) | 一种基于cnn的机载气象雷达气象目标检测方法 | |
CN112731399B (zh) | 一种基于二维稀疏结构的宽带雷达飞机目标架次识别方法 |
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 |