DE102007060478A1 - Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems - Google Patents
Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems Download PDFInfo
- Publication number
- DE102007060478A1 DE102007060478A1 DE102007060478A DE102007060478A DE102007060478A1 DE 102007060478 A1 DE102007060478 A1 DE 102007060478A1 DE 102007060478 A DE102007060478 A DE 102007060478A DE 102007060478 A DE102007060478 A DE 102007060478A DE 102007060478 A1 DE102007060478 A1 DE 102007060478A1
- Authority
- DE
- Germany
- Prior art keywords
- feature space
- clusters
- cluster
- forming
- sensor data
- 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.)
- Withdrawn
Links
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
- G01S13/88—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
- 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
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
- G01S13/524—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Radar Systems Or Details Thereof (AREA)
- Endoscopes (AREA)
Abstract
Bei einem Verfahren zur Ermittlung von Clustern (8a, 8b, 8c, 9a, 9b, 9c) in Sensordaten mittels eines eingebetteten Systems wird zur Reduzierung des Ressourcenverbrauchs das Bilden der Cluster (8a, 8b, 8c, 9a, 9b, 9c) sequentiell durchgeführt, wobei die gebildeten Cluster (8a, 8b, 8c) beim Bilden von neuen Clustern (9a, 9b, 9c) in Abhängigkeit einer weiteren Merkmalraumdimension verändert werden.
Description
- Die Erfindung betrifft ein Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems.
- Eingebettete Systeme realisieren in verschiedensten Anwendungsbereichen Steuerungs-, Regelungs- oder Überwachungsfunktionen. Ein typischer Anwendungsbereich für eingebettete Systeme ist der Kraftfahrzeugbereich. Charakteristisch für eingebettete Systeme ist, dass deren Rechenleistung und Speicherkapazität begrenzt ist. Aus Kosten- und Komplexitätsgründen werden insbesondere im Kraftfahrzeugbereich eingebettete Systeme angestrebt, deren Rechenleistungsverbrauch und Speicherverbrauch möglichst gering ist.
- Ein Radarsystem stellt ein eingebettetes System im Kraftfahrzeugbereich dar. Die von dem Radarsystem ausgesandten elektromagnetischen Wellen werden an einem im Strahlengang befindlichen Objekt reflektiert. Die reflektierten Wellen werden mittels einer Sensoreinrichtung aufgefangen und mittels eines Analog-Digital-Wandlers in digitale Radarsensordaten umgewandelt. Die Weiterverarbeitung dieser Radarsensordaten erfolgt auf hoch integrierten elektronischen Schaltkreisen. Da die Rechenleistung und die Speicherkapazität dieser elektronischen Schaltkreise begrenzt ist, ist ein wichtiger Verfahrensschritt bei der Verarbeitung der Radarsensordaten das sogenannte Clustering. Beim Clustering wird das Datenvolumen der zu verarbeitenden Radarsensordaten verringert, indem Teile der Radarsensordaten einzelnen Clustern zugeordnet werden, wobei ein Cluster einem detektierten Objekt oder eines Teils davon entspricht. Nachteilig bei den bekannten Verfahren zur Ermittlung von Clustern in den Radarsensordaten ist, dass diese einen hohen Speicher- und Rechenleistungsverbrauch aufweisen.
- Der Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Ermittlung von Cluster in Sensordaten mittels eines eingebetteten Systems zu schaffen, das einen geringen Ressourcenverbrauch aufweist.
- Diese Aufgabe ist erfindungsgemäß gelöst durch ein Verfahren mit den im Anspruch 1 angegebenen Merkmalen. Erfindungsgemäß wurde erkannt, dass der Rechenleistungsverbrauch erheblich reduziert werden kann, wenn das Bilden von Cluster in dem ersten Merkmalraum, der von den Sensordaten definiert wird, sequentiell erfolgt. In dem zweiten Merkmalraum, der eine echte Teilmenge des ersten Merkmalraums ist, werden zunächst erste Cluster gebildet. Weist der erste Merkmalraum eine erste Anzahl N von Merkmalraumdimensionen auf, so weist der zweite Merkmalraum eine zweite Anzahl M von Merkmalraumdimensionen auf, wobei M = 2 ... N – 1 ist. Der zweite Merkmalraum grenzt einen dritten Merkmalraum ab, der zusammen mit dem zweiten Merkmalraum den ersten Merkmalraum ergibt. Der dritte Merkmalraum weist eine dritte Anzahl N – M von Merkmalraumdimensionen auf. Die gebildeten ersten Cluster werden in Abhängigkeit einer Merkmalraumdimension des dritten Merkmalraums verändert, wobei zweite Cluster gebildet werden. Das Bilden der zweiten Cluster erfolgt sequentiell zu dem Bilden der ersten Cluster. Das Verändern der ersten Cluster kann ein Zusammenfassen oder Teilen sein. Bei den bekannten Verfahren werden die Cluster in einem Schritt in dem gesamten ersten Merkmalraum gebildet. Demgegenüber werden bei dem erfindungsgemäßen Verfahren Cluster in dem eingeschränkten zweiten Merkmalraum gebildet, die anschließend hinsichtlich des restlichen dritten Merkmalraums weiter gebildet werden. Der Rechenleistungsverbrauch des erfindungsge mäßen sequentiellen Verfahrens ist deutlich geringer als bei den bekannten Verfahren.
- Durch ein Bilden von weiteren Cluster nach Anspruch 2 können die gebildeten vorangegangenen Cluster in Abhängigkeit einer weiteren Merkmalraumdimension verändert werden. Das Ergebnis des Verfahrens wird somit verbessert.
- Ein zweiter Merkmalraum nach Anspruch 3 weist eine zweite Anzahl von Merkmalraumdimensionen M = 2 auf, sodass der Rechenleistungsverbrauch beim Bilden der ersten Cluster minimal ist.
- Ein Bilden der zweiten Cluster nach Anspruch 4 oder 5 ermöglicht wahlweise ein Teilen oder Zusammenfassen der ersten Cluster.
- Ein Bilden der weiteren Cluster nach Anspruch 6 oder 7 ermöglicht wahlweise ein Zusammenfassen oder Teilen der vorangegangenen Cluster. Vorzugsweise werden die weiteren Cluster durch Zusammenfassen der vorangegangenen Cluster gebildet, wenn die vorangegangenen Cluster durch Trennen gebildet wurden. Entsprechend werden die weiteren Cluster vorzugsweise durch Teilen gebildet, wenn die vorangegangenen Cluster durch Zusammenfassen gebildet wurden.
- Ein Auswerten von Nah-Beziehungen nach Anspruch 8 führt zu einem niedrigen Speicherverbrauch, wobei die Speicherkapazität des eingebetteten Systems entsprechend niedrig ausgebildet werden kann. Durch das ausschließliche Auswerten von Nah-Beziehungen wird vermieden, dass große Teile des zweiten oder dritten Merkmalraums zeitgleich in einem Speicher gehalten werden müssen. Vorzugsweise kann ein Speicher als Ringspeicher ausgebildet sein, wobei die Länge des Ringspeichers einem maximal auszuwertenden Abstand im zweiten oder dritten Merkmalraum entspricht.
- Eine Berechnung eines Merkmalparameters nach Anspruch 9 ermöglicht eine weitere Reduktion der Sensordaten.
- Ein Radarsystem nach Anspruch 10 stellt ein eingebettetes System dar, bei dem das erfindungsgemäße Verfahren aufgrund des hohen Datenvolumens der Radarsensordaten besonders vorteilhaft ist.
- Zusätzliche Merkmale und Einzelheiten der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines Ausführungsbeispiels anhand der Zeichnung. Es zeigen:
-
1 eine schematische Darstellung eines zweidimensionalen Radar-Beobachtungsbereichs, -
2 eine schematische Darstellung von Radarsensordaten, die einen mehrdimensionalen Merkmalraum definieren, -
3 eine schematische Darstellung eines ersten Clusterschrittes zum Bilden von ersten Clustern, -
4 eine schematische Darstellung eines zweiten Clusterschrittes zum Bilden von zweiten Cluster, und -
5 eine schematische Darstellung eines dritten Clusterschrittes zum Bilden von dritten Cluster. - Ein als Radarsystem ausgebildetes eingebettetes System weist einen zweidimensionalen Radar-Beobachtungsbereich
1 auf. Der Radar-Beobachtungsbereich1 weist mehrere diskrete Detektionszellen2 auf, die in einer x-Richtung3 durch separate Antennen und in einer y-Richtung4 durch diskrete Entfernungstore (Rangegates) gebildet werden. - Mittels des Radarsystems werden in bekannter Weise elektromagnetische Wellen ausgesandt, die an im Strahlengang befindlichen Objekten reflektiert und anschließend von dem Radarsystem wieder erfasst werden. Die erfassten Wellen werden digitalisiert, sodass für den Radar-Beobachtungsbereich
1 digitale Sensordaten vorliegen. Aus den Radarsensordaten wird zu jeder Detektionszelle2 ein Leistungsspektrum P errechnet. Aus diesem Leistungsspektrum P werden Leistungsspitzen5 ermittelt, die leistungsmäßig über einem Schwellwert6 liegen. Zu diesen Leistungsspitzen5 wird jeweils eine Höhe H der Leistungsspitze5 und eine Frequenz F ermittelt, die die spektrale Position der Leistungsspitze5 kennzeichnet. Die Höhe H und die Frequenz F einer Leistungsspitze5 ergibt sich aus einer relativen Bewegung des zu detektierenden Objektes zu dem Radarsystem in der jeweiligen Detektionszelle2 . Die Frequenz F wird auch als Dopplerfrequenz bezeichnet. - In
1 sind die Detektionszellen2 markiert, in denen ein Leistungsspektrum P errechnet wurde, das sich von dem Leistungsspektrum von Rauschen abhebt.2 zeigt die Leistungsspektren P der Detektionszellen2 entlang der x-Richtung3 , die die in1 gezeigte Position yi in y-Richtung4 aufweisen. In2 wurden Leistungsspitzen5 zu einer ersten Frequenz F1 und einer zweiten Frequenz F2 ermittelt. Die Leistungsspitzen5 zu der ersten Frequenz F1 sind in2 gepunktet dargestellt, wohingegen die Leistungsspitzen5 zu der zweiten Frequenz F2 gestrichelt dargestellt sind. - Die Radarsensordaten definieren einen ersten Merkmalraum. Der erste Merkmalraum weist eine erste Anzahl N von Merkmalraumdimensionen auf, wobei die erste Anzahl N = 4 beträgt. Die Merkmalraumdimensionen des ersten Merkmalraums sind die Position in x-Richtung
3 , die Position in y-Richtung4 , die Frequenz der Leistungsspitzen5 und die Höhe H der Leistungsspitzen5 . - Aus dem ersten Merkmalraum wird ein zweiter Merkmalraum ausgewählt. Der zweite Merkmalraum ist eine echte Teilmenge des ersten Merkmalraums und weist eine zweite Anzahl M von Merkmalraumdimensionen auf. Der zweite Merkmalraum ist zweidimensional. Das bedeutet, die zweite Anzahl von Merkmalraumdimensionen beträgt M = 2. Die erste Merkmalraumdimension des zweiten Merkmalraums ist die Position in x-Richtung
3 . Die zweite Merkmalraumdimension des zweiten Merkmalraums ist die Frequenz F der Leistungsspitzen5 . - In einem ersten Clusterschritt wird entlang der ersten Merkmalraumdimension nach Übereinstimmungen in der zweiten Merkmalraumdimension gesucht. Das bedeutet, dass entlang der x-Richtung
3 nach Leistungsspitzen5 gesucht wird, die eine gleiche Frequenz F1, F2 aufweisen. Detektionszellen2 , die Leistungsspitzen5 mit einer gleichen Frequenz F1, F2 aufweisen, werden zu ersten Cluster7a ,7b zusammengefasst. Die ersten Cluster7a ,7b sind in3 gezeigt. Das Bilden von ersten Cluster7a ,7b erfolgt entlang der x-Richtung3 separat für alle Positionen in y-Richtung4 , zu denen ein Leistungsspektrum P ermittelt werden konnte. - Der zweite Merkmalraum grenzt von dem ersten Merkmalraum einen dritten Merkmalraum ab. Der dritte Merkmalraum weist eine dritte Anzahl von Merkmalraumdimensionen auf, die N – M = 2 beträgt. Der zweite und dritte Merkmalraum bilden in Summe somit den ersten Merkmalraum.
- In einem zweiten Clusterschritt werden zweite Cluster
8a ,8b ,8c gebildet. Die zweiten Cluster8a ,8b ,8c werden derart gebildet, dass die im ersten Clusterschritt gebildeten ersten Cluster7a ,7b in Abhängigkeit einer ersten Merkmalraumdimension des dritten Merkmalraums verändert werden. Das Bilden der zweiten Cluster8a ,8b ,8c kann entweder durch Teilen der ersten Cluster7a ,7b in der ersten Merkmalraumdimension des dritten Merkmalraums erfolgen oder durch Zusammenfassen der ersten Cluster7a ,7b . - In
4 ist der zweite Clusterschritt veranschaulicht, wobei als erste Merkmalraumdimension des dritten Merkmalraums die Höhe H der Leistungsspitzen5 verwendet wurde. In dem zweiten Clusterschritt wurden die gebildeten ersten Cluster7a ,7b dahingehend überprüft, ob sich diese in Abhängigkeit der Höhe H der Leistungsspitzen5 , also der Leistungsverteilung, in der x-Richtung3 teilen lassen. Wie4 zeigt, entspricht der zweite Cluster8a dem ersten Cluster7a . Das bedeutet, dass der erste Cluster7a in dem zweiten Clusterschritt nicht sinnvoll geteilt werden konnte. Demgegenüber konnte der erste Cluster7b in dem zweiten Clusterschritt geteilt werden, sodass zweite Cluster8b ,8c gebildet werden konnten. Der zweite Clusterschritt wird für alle Positionen in y-Richtung4 durchgeführt. - In einem dritten Clusterschritt werden dritte Cluster
9a ,9b ,9c gebildet. Das Bilden der dritten Cluster9a ,9b ,9c erfolgt derart, dass die gebildeten zweiten Cluster8a ,8b ,8c in Abhängigkeit einer zweiten Merkmalraumdimension des dritten Merkmalraums verändert werden. Dies kann durch Zusammenfassen der zweiten Cluster8a ,8b ,8c in der zweiten Merkmalraumdimension oder durch Teilen der zweiten Cluster8a ,8b ,8c erfolgen. -
5 zeigt dritte Cluster9a ,9b ,9c , die durch Zusammenfassen der zweiten Cluster8a ,8b ,8c entstanden sind. Das Zusammenfassen der zweiten Cluster8a ,8b ,8c erfolgte in der y-Richtung4 . Als zweite Merkmalraumdimension wurde somit die Position in y-Richtung4 verwendet. Wie5 zeigt, wurden die zweiten Cluster8a , die zu einer jeweiligen Position in y-Richtung4 ermittelt wurden, zu einem dritten Cluster9a zusammengefasst. Der dritte Cluster9a entspricht einem Objekt in dem Radar-Beobachtungsbereich1 . In entsprechender Weise wurden die zweiten Cluster8b ,8c , die zu den jeweiligen Positionen in y-Richtung4 ermittelt wurden, zu dritten Clustern9b ,9c zusammengefasst. Die dritten Cluster9b ,9c entsprechen weiteren Objekten im Radar-Beobachtungsbereich1 . - Dadurch, dass die dritten Cluster
9a ,9b ,9c nicht in einem Clusterschritt ausgehend von dem ersten Merkmalraum ermittelt werden, sondern sequentiell in mehreren Clusterschritten ausgehend von dem eingeschränkten zweiten Merkmalraum durch Hinzunahme weiterer Merkmalraumdimensionen des dritten Merkmalraums, kann der Rechenleistungsverbrauch erheblich verringert werden. - Das Bilden der Cluster
7 ,8 ,9 kann auch mit einem geringen Speicherverbrauch erfolgen, wenn beim Bilden der Cluster7 ,8 ,9 ausschließlich Nah-Beziehungen ausgewertet werden. Da nur Teile der Radarsensordaten zeitgleich in einem Speicher des Radarsystems gehalten werden müssen, kann der vorhandene Speicher effizient genutzt werden. Der Speicher kann als Ringspeicher ausgebildet sein, wobei eine Länge des Ringspeichers, die seiner Speicherkapazität entspricht, entsprechend einem maximal auszu wertenden Abstand der Detektionszellen2 eingestellt wird. Geeignete Verfahren zum Bilden der Cluster7 ,8 ,9 sind beispielsweise das Nearest-Neighbour-Verfahren oder das Region-Growing-Verfahren. - Eine Datenreduktion der zu verarbeitenden Radarsensordaten kann dadurch erzielt werden, dass nach dem Bilden der Cluster
7 ,8 Merkmalparameter berechnet werden, wobei die Merkmalparameter jeweils ein Cluster7a ,7b ,7c ,8a ,8b ,8c charakterisieren und für das weitere Bilden von Clustern8 ,9 eingesetzt werden. Beispielsweise kann zu dem zweiten Cluster8b aus den zugehörigen Detektionszellen2 eine konkrete Position des Objekts in x-Richtung3 berechnet werden. Dies ist beispielsweise ein Azimutwinkel. Erfolgt dies für jede Position in y-Richtung4 , so können die zu den zweiten Clustern8b ermittelten Merkmalparameter bei dem nachfolgenden dritten Clusterschritt zum Bilden des dritten Clusters9b eingesetzt werden, wobei sich ein geringerer Speicher- und Rechenleistungsverbrauch ergibt.
Claims (10)
- Verfahren zur aufwandsoptimierten Ermittlung von Cluster in Sensordaten mittels eines eingebetteten Systems, umfassend die folgenden Schritte: – Bereitstellen von digitalen Sensordaten, wobei – die Sensordaten einen ersten Merkmalraum definieren, und – der erste Merkmalraum eine erste Anzahl (N) von Merkmalraumdimensionen aufweist, – Bilden von ersten Cluster (
7a ,7b ) in einem zweiten Merkmalraum, wobei – der zweite Merkmalraum eine zweite Anzahl (M) von Merkmalraumdimensionen aufweist, – der zweite Merkmalraum ein Teilmenge des ersten Merkmalraums ist, – der zweite Merkmalraum von dem ersten Merkmalraum einen dritten Merkmalraum abgrenzt, und – der dritte Merkmalraum eine dritte Anzahl (N – M) von Merkmalraumdimensionen aufweist, – Bilden von zweiten Cluster (8a ,8b ,8c ), wobei die gebildeten ersten Cluster (7a ,7b ) in Abhängigkeit einer Merkmalraumdimension des dritten Merkmalraums verändert werden. - Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass weitere Cluster (
9a ,9b ,9c ) gebildet werden, wobei die gebildeten vorangegangenen Cluster (8a ,8b ,8c ) in Abhängigkeit einer weiteren Merkmalraumdimension des dritten Merkmalraums verändert werden. - Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass der zweite Merkmalraum zweidimensional ist.
- Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Bilden der zweiten Cluster (
8a ,8b ,8c ) durch Teilen der ersten Cluster (7a ,7b ) in der Merkmalraumdimension erfolgt. - Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Bilden der zweiten Cluster (
8a ,8b ,8c ) durch Zusammenfassen der ersten Cluster (7a ,7b ) in der Merkmalraumdimension erfolgt. - Verfahren nach einem der Ansprüche 2 bis 5, dadurch gekennzeichnet, dass das Bilden der weiteren Cluster (
9a ,9b ,9c ) durch Zusammenfassen der vorangegangenen Cluster (8a ,8b ,8c ) in der weiteren Merkmalraumdimension erfolgt. - Verfahren nach einem der Ansprüche 2 bis 5, dadurch gekennzeichnet, dass das Bilden der weiteren Cluster (
9a ,9b ,9c ) durch Teilen der vorangegangenen Cluster (8a ,8b ,8c ) in der weiteren Merkmalraumdimension erfolgt. - Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Bilden der Cluster (
7 ,8 ,9 ) durch ein Auswerten von Nah-Beziehungen erfolgt, wobei das eingebettete System eine an das Auswerten der Nah-Beziehungen angepasste Speicherkapazität aufweist. - Verfahren nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass nach dem Bilden der Cluster (
7a ,7b ,8a ,8b ,8c ) mindestens ein Merkmalparameter berechnet wird, wobei der Merkmalparameter einen Cluster (7a ,7b ,8a ,8b ,8c ) charakterisiert und für das weitere Bilden von Cluster (8a ,8b ,8c ,9a ,9b ,9c ) eingesetzt wird. - Verfahren nach einem Ansprüche 1 bis 9, dadurch gekennzeichnet, dass das eingebettete System ein Radarsystem ist, wobei mittels des Radarsystems Cluster (
7a ,7b ,8a ,8b ,8c ,9a ,9b ,9c ) in Radarsensordaten ermittelt werden.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007060478A DE102007060478A1 (de) | 2007-12-14 | 2007-12-14 | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems |
PCT/DE2008/002065 WO2009076935A2 (de) | 2007-12-14 | 2008-12-12 | Verfahren zur aufwandsoptimierten ermittlung von clustern in sensordaten mittels eines eingebetteten systems |
DE112008001977T DE112008001977A5 (de) | 2007-12-14 | 2008-12-12 | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102007060478A DE102007060478A1 (de) | 2007-12-14 | 2007-12-14 | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102007060478A1 true DE102007060478A1 (de) | 2009-06-18 |
Family
ID=40680006
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102007060478A Withdrawn DE102007060478A1 (de) | 2007-12-14 | 2007-12-14 | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems |
DE112008001977T Pending DE112008001977A5 (de) | 2007-12-14 | 2008-12-12 | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112008001977T Pending DE112008001977A5 (de) | 2007-12-14 | 2008-12-12 | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems |
Country Status (2)
Country | Link |
---|---|
DE (2) | DE102007060478A1 (de) |
WO (1) | WO2009076935A2 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188382A (zh) * | 2018-07-27 | 2019-01-11 | 惠州华阳通用电子有限公司 | 一种基于毫米波雷达的目标识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7034738B1 (en) * | 2003-12-05 | 2006-04-25 | Itt Manufacturing Enterprises, Inc. | Method of radar pattern recognition by sorting signals into data clusters |
US7272593B1 (en) * | 1999-01-26 | 2007-09-18 | International Business Machines Corporation | Method and apparatus for similarity retrieval from iterative refinement |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6003029A (en) * | 1997-08-22 | 1999-12-14 | International Business Machines Corporation | Automatic subspace clustering of high dimensional data for data mining applications |
-
2007
- 2007-12-14 DE DE102007060478A patent/DE102007060478A1/de not_active Withdrawn
-
2008
- 2008-12-12 DE DE112008001977T patent/DE112008001977A5/de active Pending
- 2008-12-12 WO PCT/DE2008/002065 patent/WO2009076935A2/de active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7272593B1 (en) * | 1999-01-26 | 2007-09-18 | International Business Machines Corporation | Method and apparatus for similarity retrieval from iterative refinement |
US7034738B1 (en) * | 2003-12-05 | 2006-04-25 | Itt Manufacturing Enterprises, Inc. | Method of radar pattern recognition by sorting signals into data clusters |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188382A (zh) * | 2018-07-27 | 2019-01-11 | 惠州华阳通用电子有限公司 | 一种基于毫米波雷达的目标识别方法 |
CN109188382B (zh) * | 2018-07-27 | 2020-11-06 | 惠州华阳通用电子有限公司 | 一种基于毫米波雷达的目标识别方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2009076935A3 (de) | 2009-10-29 |
DE112008001977A5 (de) | 2010-04-22 |
WO2009076935A2 (de) | 2009-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102010040438B4 (de) | Radarvorrichtung | |
EP2417476B1 (de) | Fmcw-radarsensor und verfahren zum frequenzmatching | |
DE102013212664A1 (de) | Radarsensor und Verfahren zum Betrieb eines Radarsensors | |
EP3112894A1 (de) | Verfahren zur automatischen klassifikation von radarobjekten | |
WO2016206841A1 (de) | Verfahren zum betreiben einer radarvorrichtung | |
DE102013204628B4 (de) | Radarvorrichtung | |
DE102018213515A1 (de) | Verfahren und Vorrichtung zum Erfassen einer Grenze in einem Umfeld eines Objekts | |
DE102007060478A1 (de) | Verfahren zur aufwandsoptimierten Ermittlung von Clustern in Sensordaten mittels eines eingebetteten Systems | |
EP3894881A1 (de) | Verfahren zur interferenzunterdrückung und verfahren zur signalwiederherstellung | |
EP1584943B1 (de) | Hochauflösendes Peilverfahren mit FFT-Breitbandpeilsensorik | |
DE102018210155A1 (de) | Verfahren und Vorrichtung zur Auswertung von Radarsignalen | |
DE3108594A1 (de) | Pulsdoppler-radarempfaenger | |
DE102021100403A1 (de) | Verfahren zum Auswählen von Konfigurationen einer Aufgabe in einem Radar-Ressourcen Managementsystem und Radar-Ressourcen Managementsystem | |
EP2064674A1 (de) | Mischung unterschiedlich bearbeiteter röntgenbilddaten | |
DE102021212483A1 (de) | Datenverarbeitungsvorrichtung sowie Verfahren und Programm zum tiefen Lernen eines neuronalen Netzwerkes | |
AT525205A1 (de) | Verfahren zum Erstellen von Simulationszellen für kontinuumsmechanische Simulationen eines Objekts | |
DE102016202936A1 (de) | Vorrichtung zum Ermitteln von Betriebsdaten für einen Radarsensor | |
DE102019215206A1 (de) | FMCW-Radarsensor mit synchronisierten Hochfrequenzbausteinen | |
DE102013208299A1 (de) | Verfahren zum Durchsuchen einer Nachschlagetabelle | |
DE102016103517A1 (de) | Verfahren zum Bestimmen eines Rauschpegels eines Empfangssignals, Rechenvorrichtung, Fahrerassistenzsystem sowie Kraftfahrzeug | |
EP4124064B1 (de) | Verfahren und vorrichtung zum adaptiven beamforming | |
DE102021120958A1 (de) | Computerprogramm, Radar-Ressourcen Managementsystem und Verfahren für ein Radar-Ressourcen Managementsystem | |
EP2086257A2 (de) | Verfahren zum dynamischen Zuweisen von Ressourcen an eine Vielzahl von Zellen eines zellularen Netzes | |
DE4041204C2 (de) | Verfahren zur adaptiven Schwellwerteinstellung | |
EP3696571A1 (de) | Antennenanordnung für ein radar-messsystem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OM8 | Search report available as to paragraph 43 lit. 1 sentence 1 patent law | ||
8143 | Lapsed due to claiming internal priority |