一种车载毫米波雷达多目标检测方法技术

本发明专利技术公开了一种适用于车载毫米波雷达目标检测领域的多目标检测方法，其主旨在于解决雷达接收阵元数量不足情况下多目标方位角测量限制以及多目标角度参数匹配问题，主要技术方案包括：获取毫米波雷达A/D采样数据；将多阵元A/D采样数据重排为三维矩阵数据；A/D采样数据在距离维和速度维作二维FFT处理，并保存距离维FFT结果；用GO

【技术实现步骤摘要】
一种车载毫米波雷达多目标检测方法


[0001]本专利技术涉及属于雷达信号处理和目标检测技术，特别涉及毫米波雷达多目标检测技术。

技术介绍

[0002]多目标检测在交通管制、安防监控以及智能驾驶等领域具有极高的应用价值。多目标检测在实际应用中必须具备灵活目标检测以及快速准确提取目标信息的能力。因此多目标检测算法不能过于复杂，尽量降低计算时间复杂度，并且能在目标数目未知的前提下，自适应检测出实际存在的目标以及运动参数。
[0003]毫米波雷达凭借体积小、重量轻、检测精度高、在恶劣天气下性能稳定以及易维护等优势，可提供稳定有效的目标检测，辅助车辆规避障碍物目标。但基于毫米波雷达的传统多目标检测方法存在目标漏检、无法进一步提取匹配目标方位角信息等问题，难以在复杂的感知环境中对目标进行灵活精确感知。
[0004]由于雷达系统本身限制以及环境的复杂性，导致每个目标对应的峰值并不是单一峰值，而是峰值的集合，并且在目标方位角过于靠近时会造成目标重叠，产生目标漏检。DBSCAN聚类算法提供了基于密度的聚类算法，通过样本分布的紧密程度决定样本的类型，从而将两个目标的峰值集合自适应进行区分，减少目标重叠带来的目标漏检问题。
[0005]现有方案1(公开号为CN109975807)提出了一种基于毫米波车载雷达的降维子空间测角方法。现有方案1采用波束域MUSIC算法以及新的MUSIC估计子对目标进行方位角测量。
[0006]现有方案1的主要技术方案简要描述如下：
[0007](1)建立毫米波车载雷达系统的空间谱估计数学模型，得到发射信号和接收信号的表达式。
[0008](2)在(1)的基础上建立拓展在多收发情况下对接收信号混频后的中频信号的三维数据结构。
[0009](3)对三维接收信号数据分别在快时间维和慢时间维进行FFT，得到目标速度距离信息，以及对应的距离多普勒单元上的天线阵列的接收信号数据向量Y。
[0010](4)利用车载雷达所需探测车辆所在的方位角度范围信息，计算优化的波束，将接收信号数据向量Y从阵元域转化到波束域。
[0011](5)利用波束域接收信号矩阵计算样本协方差矩阵。
[0012](6)对样本协方差矩阵进行特征值分解，获得噪声子空间，并基于此建立MUSIC空间谱函数进行谱峰搜索，得到方位角估计值。
[0013]现有方案1主要作用在于提出一种新的MUSIC估计子，使信号子空间表达更加精细化，在满足低计算复杂度和内存占用量条件下，保持了优越的测角性能。但仅完成了多目标的角度估计优化，无法对多目标进行目标角度与速度距离参数的匹配。
[0014]现有方案2在单快拍数情况下，利用先验信息来优化波束形成矩阵，修改了接收信
号估计样本协方差矩阵的数学表达式，提高样本协方差矩阵的估计精度，
[0015]现有方案2(公开号为CN111856420A)提出了一种多普勒雷达多目标检测方法。现有方案2结合二维FFT，幅值累加以及中心峰值遍历对多目标进行检测。
[0016]现有方案2的主要技术方案简要描述如下：
[0017](1)采集运动目标回波信号数据A。
[0018](2)对数据A进行加窗和距离维FFT变换，得到频域数据矩阵B；
[0019](3)对数据B进行速度维FFT并取模，得到多普勒谱C；
[0020](4)针对多普勒谱C数据在同一距离向进行累加，得到数列D；
[0021](5)设定阈值，按照预定的峰值中心范围进行迭代遍历D，找到多个目标。
[0022]现有方案2基于同一距离向累加，进行迭代遍历查找多个目标，减少了目标检测的计算量。
[0023]现有方案2主要作用在解决多普勒雷达多目标检测的计算复杂度大和虚警概率较大的问题。其检测多目标的阈值设置不具备灵活性，无法提供灵活的多目标检测，造成在一定条件下的目标漏检问题。并且无法进一步对多目标进行方位角测量。

技术实现思路

[0024]本专利技术所要解决的技术问题是，提出一种在毫米波雷达接收阵元数不足条件下，实现自适应多目标识别以及多目标方位角测量及匹配的方法。
[0025]本专利技术为解决上述技术问题所采用的技术方案是，一种车载毫米波雷达多目标检测方法，包括以下步骤：
[0026]步骤1、获取多阵元毫米波雷达A/D采样数据；
[0027]步骤2、将多阵元毫米波雷达A/D采样数据重排为三维矩阵数据，分别为距离维、速度维以及阵元维；
[0028]步骤3、将三维矩阵数据在距离维和速度维作二维快速傅里叶变换FFT得到二维矩阵数据，并保存距离维FFT结果；
[0029]步骤4、均值化处理二维FFT结果，并用GO
‑
CFAR获取包含目标的二维矩阵数据；
[0030]步骤5、对包含目标的二维矩阵数据进行基于密度的空间聚类的噪声响应DBSCAN的密度聚类，聚类后每个类别集合中峰值最大点视为该集合对应的检测目标，获取多个目标的速度、距离参数和方位角；
[0031]步骤6、基于保存的距离维FFT结果，提取每个目标对应的多阵元差拍信号；
[0032]步骤7、对每一个目标对应的多阵元差拍信号进行多重信号分类MUSIC算法处理，估算目标对应方位角，并与目标的速度、距离参数和方位角匹配输出，从而完成多目标检测。
[0033]本专利技术的有益效果是：
[0034]1)根据实测数据特点，对二维FFT结果进行均值化处理，有效去除杂波。
[0035]2)采用DBSCAN聚类算法，无需预先设置目标数，自适应得到当前数据探测目标数，并且将每一个目标类簇中数据值最大的点作为该类的目标点，提升了目标定位精度。
[0036]3)利用与聚类所得到的目标点一一对应的MUSIC估算子进行方位角测量，使得MUSIC输出的角度能与目标点进行匹配。有利于为后续融合处理算法提供精确完善的目标
参数。
[0037]本专利技术在毫米波雷达接收阵元数不足条件下，也能实现自适应多目标识别以及多目标方位角测量及匹配，解决了现有多目标检测的目标角度重叠问题，具有良好的泛化能力，便于工程实现。
附图说明
[0038]图1为本专利技术方法流程图；
[0039]图2为均值化与GO
‑
CFAR检测器结构示意图；
[0040]图3为GO
‑
CFAR检测图；
[0041]图4为SO
‑
CFAR检测图；
[0042]图5为CA
‑
CFAR检测图；
[0043]图6为GO
‑
CFAR聚类目标对应MUSIC函数谱图。
具体实施方式
[0044]缩写语与关键语定义
[0045]FFT(Fast Fourier Transform，快速傅里叶变换)
[0046]GO
‑
CFAR(Greatest of Constant Fals本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车载毫米波雷达多目标检测方法，其特征在于，包括以下步骤：步骤1、获取多阵元毫米波雷达A/D采样数据；步骤2、将多阵元毫米波雷达A/D采样数据重排为三维矩阵数据，分别为距离维、速度维以及阵元维；步骤3、将三维矩阵数据在距离维和速度维作二维快速傅里叶变换FFT得到二维矩阵数据，并保存距离维FFT结果；步骤4、对二维矩阵数据进行GO
‑
CFAR检测，获取包含目标的二维矩阵数据；步骤5、对包含目标的二维矩阵数据进行基于密度的空间聚类的噪声响应DBSCAN的密度聚类，聚类后每个类别集合中峰值最大点视为该集合对应的检测目标，获取多个目标的速度、距离参数；步骤6、基于保存的距离维FFT结果，提取每个目标对应的多阵元差拍信号；步骤7、对每一个目标对应的多阵元差拍信号进行多重信号分类MUSIC算法处理，估算目标对应方位角，并与目标的速度、距离参数和方位角匹配...

【专利技术属性】
技术研发人员：王章静，罗浩然，胡雨亭，刘陈浩，仇隆，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：