CN113625266A - 应用雷达检测低速目标的方法、装置、存储介质和设备 - Google Patents
应用雷达检测低速目标的方法、装置、存储介质和设备 Download PDFInfo
- Publication number
- CN113625266A CN113625266A CN202110834120.1A CN202110834120A CN113625266A CN 113625266 A CN113625266 A CN 113625266A CN 202110834120 A CN202110834120 A CN 202110834120A CN 113625266 A CN113625266 A CN 113625266A
- Authority
- CN
- China
- Prior art keywords
- target detection
- low
- speed
- detection point
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 claims abstract description 368
- 239000011159 matrix material Substances 0.000 claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000006835 compression Effects 0.000 claims abstract description 7
- 238000007906 compression Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000002592 echocardiography Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims 1
- 238000003379 elimination reaction Methods 0.000 claims 1
- 238000011897 real-time detection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 description 6
- 101100247656 Arabidopsis thaliana RDM3 gene Proteins 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 101100517194 Arabidopsis thaliana NRPD4 gene Proteins 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供应用雷达检测低速目标的方法、存储介质和电子装置，所述方法包括：实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息，根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别，对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集，剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表，对低速目标列表中的目标检测点进行跟踪。可以解决低速目标容易淹没在杂波背景中造成的低速目标识别效果差的技术问题，提高了低速目标检测的准确度和精度，且方法效率较高、成本较低、可靠性较高。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种应用雷达检测低速目标的方法、装置、存储介质和设备。
背景技术
跟踪运动目标以及获取其轨迹是人类长期以来的重要活动。目标跟踪是人类赖以生存的技术，对人类的进步贡献巨大。目标跟踪理论开始主要应用于目标攻击、空间监视与预警系统、精确制导等军事领域。但近些年，随着现代科技不断进步，目标跟踪在非军事领域的应用取得了蓬勃发展。例如，在安防、自动驾驶等领域，利用微波雷达开展目标跟踪的应用越来越广泛。
雷达作为一种电磁传感器，它通过对感兴趣的目标发射电磁波，并利用目标对电磁波的二次散射现象来接收目标回波，然后从中对目标信息进行获取，这个过程就是雷达数据处理。从统计学角度来看，雷达数据处理的对象包括有用信号和噪声构成的随机过程。它的处理结果在精度上和可靠性上通常高于雷达的一次直接测量，其处理耗时长、复杂性较高。通常，雷达数据处理包括很广泛的内容，这里指雷达实时测出运动目标的距离信息、速度信息，甚至角度信息等，然后进行聚类、跟踪、预测等处理，从而得到目标状态轨迹的估计，即形成目标稳定的运动航迹。
已有的在噪声背景中发现目标信号的检测系统，在原理上可以划为两个两种方法，第一种方法是对接收到的可能含有回波的信号进行处理，获得统计量(通常是信噪比)。第二种方法是将信噪比信息与恒虚警所得门限进行比较，按信噪比大于还是小于门限作出有无目标的判断。这个门限可以是不变的，可以是随信号情况自动调整的。
理想情况中，如图1所示，图1是理想情况下的雷达距离多普勒图。其中，X轴表示雷达回波信号中目标检测点的速度，Y轴表示雷达回波信号中目标检测点与雷达之间的距离，Z轴表示雷达回波信号中目标检测点的信噪比，目标信号特征非常明显，呈现明显的sinc特征，在理想情况下，通过信噪比结合恒虚警检测的方法可以较好的检测低速目标。
但是，在实际的应用中，如图2所示，图2是实际情况下的雷达距离多普勒图。从图中可以发现，低速目标很容易淹没在杂波背景中，使得信噪比结合恒虚警检测理论无法较好将低速目标挑选出，从而导致低速目标检测效果较差。
发明内容
本发明提供应用雷达检测低速目标的方法、装置、存储介质和设备，能够精确地提取到低速目标检测点的信息，排除杂波误报的影响。
第一方面，本发明实施例提供应用雷达检测低速目标的方法，该方法包括：
实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息；
根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别；
对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集；
剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表；
对低速目标列表中的目标检测点进行跟踪。
进一步地，矩阵信息的尺寸为N*M，其中，N为距离门尺寸，M为速度门尺寸，根据目标检测点的矩阵信息对获取的目标检测点进行低速状态和非低速状态识别包括：
利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M1个速度门的信息组成低速状态下的目标检测点的矩阵信息；
当低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第一恒虚警门限内时，获得低速状态下的目标检测点；
从目标检测点的矩阵信息中提取除零速预设速度范围内M1个速度门的信息组成非低速状态下的目标检测点的矩阵信息；
当非低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第二恒虚警门限内时，获得非低速状态下的目标检测点。
进一步地，对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集包括：
对每一帧低速状态下的目标检测点进行分类，获得核心目标检测点和边缘目标检测点；
对多帧低速状态下的核心目标检测点进行聚类，得到多簇低速目标检测点集。
进一步地，所述对每一帧低速状态下的目标检测点进行分类，获得核心目标检测点和边缘目标检测点包括：
当每一帧低速状态下的目标检测点在预设半径内存在预设数目个目标检测点时，该目标检测点为核心目标检测点；
当每一帧低速状态下的目标检测点在预设半径内不存在预设数目个目标检测点时，该目标检测点为边缘目标检测点。
进一步地，剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表包括：
利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M2个速度门的信息组成新的低速状态下的目标检测点的矩阵信息；
当新的低速状态下的目标监测点的矩阵信息中信噪比超过第三恒虚警门限的目标检测点标记为第一目标检测点；
将连续多帧中的第一目标检测点组成真实目标区域；
当某个目标检测点不在真实目标区域内时，判断该目标检测点为虚假目标检测点，删除该目标检测点。
进一步地，当新的低速状态下的目标监测点的矩阵信息中信噪比低于第三恒虚警门限的目标检测点标记为第二目标检测点，以及将未处于低速目标检测点集中的目标检测点标记为第二目标检测点。
进一步地，所述对低速目标列表中的目标检测点进行跟踪包括：
对低速目标列表中的目标检测点进行坐标系转换；
对坐标系转换后低速目标列表中的目标检测点进行航迹关联跟踪；
删除超出雷达探测范围或航迹质量分数低于设定门限的航迹；
建立临时航迹，并对临时航迹进行关联跟踪，并将未与临时航迹关联的目标检测点作为新的航迹头。
进一步地，所述进行航迹关联跟踪包括：
计算低速目标列表中的目标检测点与每一条可靠航迹之间的距离；
将距离小于预设距离的目标检测点作为可靠航迹的候选回波；
筛选候选回波中距离最小的目标检测点；
对距离最小的目标检测点与可靠航迹进行卡尔曼滤波，更新可靠航迹。
第二方面，本发明提供了一种应用雷达检测低速目标的装置，所述装置包括：
获取模块，用于实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息；
识别模块，用于根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别；
聚类模块，用于对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集；
剔除模块，用于剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表；
跟踪模块，用于对低速目标列表中的目标检测点进行跟踪。
第三方面，本发明提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行第一方面所述的方法。
第四方面，本发明提供了一种设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行第一方面所述的方法。
本发明提供的技术方案，可以解决低速目标检测点容易淹没在杂波背景中，使得无法精确的挑选出低速目标的问题，可提高低速目标检测的准确度，且方法效率较高、成本较低、可靠性高。
附图说明
图1为理想情况下的目标检测点的雷达距离多普勒图；
图2为实际情况下的目标检测点的雷达距离多普勒图；
图3为本发明实施例提供的应用雷达检测低速目标的方法的流程图；
图4为本发明提供的实施例中对获取的目标检测点进行低速状态和非低速状态识别的流程图；
图5为本发明提供的实施例中对识别得到的剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点的流程图；
图6为本发明提供的实施例中对低速目标列表中的目标检测点进行跟踪的流程图；
图7为本发明实施例提供的应用雷达检测低速目标的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部份实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
为满足低速目标检测准确性的要求，本发明实施例可以对雷达检测到的目标检测点进行低速状态和非低速状态时识别，之后对识别到的低速状态下的目标检测点进行聚类，再剔除由于杂波影响造成的虚假目标检测点，最后对获取的低速目标检测点进行跟踪，方法准确性高，且稳定可靠。
在电磁学领域，雷达等电子设备可以发射电磁波，电磁波在自然环境中被多次折射、反射后再次被接收机等电子设备接收，通过各种信号处理、数据处理的方法，可以提取解析出电磁波携带的信息。从这些信息中，可以获知到雷达发送的信息或环境目标的距离、角度等信息。在较为空旷的环境中，电磁波经由空间目标处反射后即可被雷达接收，此时雷达的接收系统可以正常解调、解算出目标信息。若目标所处空间较为复杂时，如市区、隧道等，雷达的接收系统除了接收到经由目标直接反射的电磁波，还会接收到由目标、周围复杂反射面反射产生的回波，因此低速目标很容易淹没在杂波背景中。
本申请实施例提供的雷达检测中应用雷达检测低速目标的方法的执行主体，可以是应用雷达检测低速目标装置，该应用雷达检测低速目标装置可以是具备数据处理能力的电子设备，例如：微波雷达、车载雷达、交通雷达、安防雷达等，本发明实施例对此不作限定。
参见图3，本发明实施例提供了一种应用雷达检测低速目标的方法，该方法包括如下步骤。
步骤101、实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息。
在本步骤中，以微波雷达为例进行说明，微波雷达实时检测周围目标，将检测到的数据信息进行处理后，获得当前帧的目标检测点的矩阵信息。
对于车载雷达，对数据信息进行处理常采用距离维和多普勒维二维联合处理的方法，从噪声和干扰中提取目标检测点信息，其具体过程如下：对时域的ADC信号做一维快速傅里叶变换(Fast Fouriertransform，FFT)，得到距离维(Range)的FFT结果，然后再对多个连续的距离维的FFT结果做二维FFT，得到多普勒维(Doppler)的FFT结果，经过这两次FFT处理后，得到了Range-Doppler Matrix数据，即RD数据。RD数据是雷达进行目标检测的基础，RD数据的质量会影响低速目标点检测和最终输出信息的效果。当存在目标时，经过距离维FFT处理后将会形成一个尖峰，该尖峰在距离维FFT结果中的位置代表了该目标检测点的距离信息，在速度维FFT结果中的位置代表了该目标检测点的速度信息。在本实施例中，假设雷达回波信号获取的当前帧的目标检测点的RDM矩阵的尺寸为M*N，其中，M为距离门尺寸，N为速度门尺寸，M和N均为正数。
102、根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别。
在本步骤中，低速状态指的是目标检测点的速度接近零速，也即速度为接近零速的预设范围内的目标检测点，非低速状态指的是目标检测点的速度不接近零速，也即速度为接近零速的预设范围外的目标检测点。
如图4所示，步骤102中对获取的目标检测点进行低速状态和非低速状态识别，一种可能的实时方式是通过以下步骤实现：
步骤1021、利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M1个速度门的信息组成低速状态下的目标检测点的矩阵信息。
在本步骤中，将某一帧选定的一帧作为背景图像，然后将当前帧的图像像素与背景图像相减得到差分图像，根据检测的目的来设定阈值T，若当前帧与背景帧的灰度相差大于阈值T则认为是运动目标检测点，并将其二值化为1，反之，如果像素差值小于等于阈值T则认为该目标检测点为背景点，将其二值化为0，从而实现分割运动目标。
将运动目标分割出来之后，从目标检测点的矩阵信息中提取零速预设速度范围内M1个速度门的信息组成低速状态下的目标检测点的矩阵信息，该低速状态下的目标检测点的矩阵尺寸为N*M1，其中，N、M1为正整数。
步骤1022、当低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第一恒虚警门限内时，获得低速状态下的目标检测点。
在本步骤中，微波雷达向外发射的微波信号被其发射路径上的物体阻挡时会发生反射，通过捕捉反射的信号，雷达信号处理系统可以确定被测目标的距离、角度、多普勒速度和信噪比等信息。
将低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比与第一恒虚警门限进行比较，当位于第一恒虚警门限内时，判定该目标检测点为低速目标。
步骤1023、从目标检测点的矩阵信息中提取除零速预设速度范围内M1个速度门的信息组成非低速状态下的目标检测点的矩阵信息。
在本步骤中，从雷达回波信号矩阵RDM提取非零速附近的M1个速度门外组成新的非低速矩阵信息RDM2，其尺寸为N*(M-M1)。
步骤1024、当非低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第二恒虚警门限内时，获得非低速状态下的目标检测点。
在本步骤中，将非低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比与第二恒虚警门限进行比较，当位于第二恒虚警门限内时，判定该目标检测点为非低速状态下的目标检测点。
由此，通过上述步骤，能够将雷达获取的目标检测点区分为低速目标检测点和非低速目标检测点。
步骤103、对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集。
步骤103中，对多帧低速状态下的核心目标检测点进行聚类，得到多簇低速目标检测点集，具体可通过以下步骤来实现：
步骤1031、对每一帧低速状态下的目标检测点进行分类，获得核心目标检测点和边缘目标检测点。
在本步骤中，针对每一帧中的低速目标检测点，需要进一步进行帧间聚类，具体地，所述聚类方法可采用可以为DBSCAN算法。DBSCAN算法是一种基于密度的聚类算法，其通过寻找数据点密度相连的最大集合得到聚类的最终结果，DBSCAN算法具有聚类速度快、能够有效处理噪声点、能够有效发现任意形状的空间聚类、不需要输入聚类个数等优点，能够较好的应用于雷达数据处理中。
首先从某一帧中低速状态下的目标检测点中任意选取一点P，判定其为核心目标检测点还是边缘目标检测点。其中，核心目标检测点为在预设半径内存在预设数目个目标检测点，例如，目标检测点P在其半径Eps内含有超过Mmpts个目标检测点时，则找出所有从目标检测点P密度可达的目标检测点，形成一个簇。反之，边缘目标检测点为在预设半径内不存在预设数目个目标检测点。每一帧都执行上述操作，直到每一帧中都区分出核心目标检测点和边缘目标检测点。
步骤1032、对多帧低速状态下的核心目标检测点进行聚类，得到多簇低速目标检测点集。
在本步骤中，当每一帧低速状态下的目标检测点都区分出是核心目标检测点还是边缘目标检测点后，对多帧低速状态下的核心目标检测点进行聚类，得到多簇低速目标检测点集。由此，实现了对低速目标检测点的聚类操作。
步骤104、剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表。
通过上述步骤，可以将所有给予现有雷达系统性能能够检测出来的低速目标检测出来，但是这些低速目标中还混杂者一些因地物、云雨、箔条等的反射而造成的杂波，需要将杂波导致的虚假目标进行剔除。
如图5所示，步骤104中剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表，一种可能的实施方式是通过以下步骤实现：
步骤1041、利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M2个速度门的信息组成新的低速状态下的目标检测点的矩阵信息。
在本步骤中，自适应差分算法可参照上述步骤1021中记载的自适应差分算法进行理解，此处不再赘述。
以M2为20为例进行说明，从雷达回波信号的矩阵信息RDM中提取零速附近的20个速度门的信息组成新的低速目标检测点的矩阵信息RDM3，其尺寸为N*20。
步骤1042、当新的低速状态下的目标监测点的矩阵信息中信噪比超过第三恒虚警门限的目标检测点标记为第一目标检测点。
在本步骤中，将新的低速状态下的目标检测点的矩阵信息RDM3中目标检测点的信噪比超过第三恒虚警门限的目标检测点标记为第一目标检测点firstflag。优选的，可以将信噪比没有超过第三恒虚警门限的目标检测点标记为第二目标检测点unfirstflag。
由于低速目标点集中的目标检测点为通过聚类后获取的多簇目标检测点，因此，对于没有落入低速目标点集中的目标检测点也可以标记为第二目标检测点unfirstflag。
步骤1043、将连续多帧中的第一目标检测点组成真实目标区域。
在本步骤中，将连续多帧中的第一目标检测点组成真实目标区域。
步骤1044、当某个目标检测点不在真实目标区域内时，判断该目标检测点为虚假目标检测点，删除该目标检测点。
在本步骤中，当某个目标检测点没有位于真实目标区域内时，判定该目标检测点为虚假目标，删除该目标检测点，从而获得低速目标检测列表。
步骤105、对低速目标列表中的目标检测点进行跟踪。
在工程应用中，影响微波雷达测角功能的因素包括：天线个数、天线增益、天线间距等。但因为雷达系统设计时需要平衡预算和性能的关系，加上低速目标的信噪比偏低，故而雷达的测角无法实现理想精度，存在较为明显的测不准现象。低速目标的角度测不准情况会导致基于卡尔曼滤波器的状态估计效果较差。为了确保角度测不准的低速目标的跟踪实现，如图6所示，步骤105对低速目标列表中的目标检测点进行跟踪可通过以下步骤实现：
步骤1051、对低速目标列表中的目标检测点进行航迹关联跟踪。
在本步骤中，进行航迹关联可通过以下步骤实现，计算低速目标列表中的目标检测点与每一条可靠航迹之间的距离，将距离小于预设距离的目标检测点作为可靠航迹的候选回波，筛选候选回波中距离最小的目标检测点，对距离最小的目标检测点与可靠航迹进行卡尔曼滤波，更新可靠航迹。
步骤1052、删除超出雷达探测范围或航迹质量分数低于设定门限的航迹。
在本步骤中，删除超出雷达探测范围或航迹质量分数低于设定门限的航迹。
步骤1053、建立临时航迹，并对临时航迹进行关联跟踪，并将未与临时航迹关联的目标检测点作为新的航迹头。
在本步骤，通过设计合适的航迹自动起始逻辑，通过门限判定是否建立临时航迹。并对建立的临时航迹行进行初始化，在对目标检测点的预测值进行初始化时，最好使用时间窗分布更广泛的信息。在确定波门的大小和形状是，要求真实的测量值以较高的概率落入波门内，同时要求无关的目标检测点尽量少的落入波门内，在进行状态估计是，让预设值更偏向测量值。撤销航迹时，尽可能长时间的保留航迹。
由此，本发明提供的技术方案，通过对雷达获取的目标检测点进行低速状态和非低速状态的识别，对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标点集，剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表，对低速目标列表中的目标检测点进行跟踪。可以解决低速目标容易淹没在杂波背景中造成的低速目标识别效果差的技术问题，提高了低速目标检测的准确度和精度，且方法效率较高、成本较低、可靠性较高。
相应的，本发明实施例还提供一种雷达数据融合装置，参见图7，所述装置包括：
获取模块201，用于实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息；
识别模块202，用于根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别；
聚类模块203，用于对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集；
剔除模块204，用于剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表；
跟踪模块205，用于对低速目标列表中的目标检测点进行跟踪。
进一步的，所述识别模块202可包括以下单元：
第一提取单元2021，用于利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M1个速度门的信息组成低速状态下的目标检测点的矩阵信息；
低速状态提取单元2022，用于当低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第一恒虚警门限内时，获得低速状态下的目标检测点；
第二提取单元2023，用于从目标检测点的矩阵信息中提取除零速预设速度范围内M1个速度门的信息组成非低速状态下的目标检测点的矩阵信息；
非低速状态提取单元2024，用于当非低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第二恒虚警门限内时，获得非低速状态下的目标检测点。
进一步地，聚类模块203可包括：
分类单元2031，用于对每一帧低速状态下的目标检测点进行分类，获得核心目标检测点和边缘目标检测点；
聚类单元2032，用于对多帧低速状态下的核心目标检测点进行聚类，得到多簇低速目标检测点集。
进一步地，分类单元2031中，当每一帧低速状态下的目标检测点在预设半径内存在预设数目个目标检测点时，该目标检测点为核心目标检测点；当每一帧低速状态下的目标检测点在预设半径内不存在预设数目个目标检测点时，该目标检测点为边缘目标检测点。
进一步地，剔除模块204可包括：
第三提取单元2041，用于利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M2个速度门的信息组成新的低速状态下的目标检测点的矩阵信息；
第一标记单元2042，用于当新的低速状态下的目标检测点的矩阵信息中信噪比超过第三恒虚警门限的目标检测点标记为第一目标检测点；
真实目标标记单元2043，用于将连续多帧中的第一目标检测点组成真实目标区域；
删除单元2044，用于当某个目标检测点不在真实目标区域内时，判断该目标检测点为虚假目标检测点，删除该目标检测点。
进一步地，剔除模块204还可包括第二标记单元2045，用于当新的低速状态下的目标监测点的矩阵信息中信噪比低于第三恒虚警门限的目标检测点标记为第二目标检测点，以及将未处于低速目标检测点集中的目标检测点标记为第二目标检测点。
进一步地，跟踪模块205可包括：
关联单元2051，用于对低速目标列表中的目标检测点进行航迹关联跟踪；
航迹删除单元2052，用于删除超出雷达探测范围或航迹质量分数低于设定门限的航迹；
航迹建立单元2053，用于建立临时航迹，并对临时航迹进行关联跟踪，并将未与临时航迹关联的目标检测点作为新的航迹头。
由此，本发明提供的技术方案，通过对雷达获取的目标检测点进行低速状态和非低速状态的识别，对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标点集，剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表，对低速目标列表中的目标检测点进行跟踪。可以解决低速目标容易淹没在杂波背景中造成的低速目标识别效果差的技术问题，提高了低速目标检测的准确度和精度，且方法效率较高、成本较低、可靠性较高。
需要说明的是，本发明实施例中的应用雷达检测低速目标的装置与上述方法属于相同的发明构思，未在本装置中详述的技术细节可参见前面对方法的相关描述，在此不再赘述。
此外，本发明实施例还提供一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行前面所述的方法。
本发明实施例还提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行前面所述的方法。
本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件(例如处理器)完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的每个模块/单元可以采用硬件的形式实现，例如通过集成电路来实现其相应功能，也可以采用软件功能模块的形式实现，例如通过处理器执行存储于存储器中的程序/指令来实现其相应功能。本发明不限制于任何特定形式的硬件和软件的结合。
虽然本发明所揭露的实施方式如上，但所述的内容仅为便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式及细节上进行任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。
Claims (11)
1.一种应用雷达检测低速目标的方法，其特征在于，所述方法包括：
实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息；
根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别；
对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集；
剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表；
对低速目标列表中的目标检测点进行跟踪。
2.根据权利要求1所述的应用雷达检测低速目标的方法，其特征在于，矩阵信息的尺寸为N*M，其中，N为距离门尺寸，M为速度门尺寸，根据目标检测点的矩阵信息对获取的目标检测点进行低速状态和非低速状态识别包括：
利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M1个速度门的信息组成低速状态下的目标检测点的矩阵信息；
当低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第一恒虚警门限内时，获得低速状态下的目标检测点；
从目标检测点的矩阵信息中提取除零速预设速度范围内M1个速度门的信息组成非低速状态下的目标检测点的矩阵信息；
当非低速状态下的目标检测点的矩阵信息中目标检测点对应的最大信噪比位于第二恒虚警门限内时，获得非低速状态下的目标检测点。
3.根据权利要求1所述的应用雷达检测低速目标的方法，其特征在于，对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集包括：
对每一帧低速状态下的目标检测点进行分类，获得核心目标检测点和边缘目标检测点；
对多帧低速状态下的核心目标检测点进行聚类，得到多簇低速目标检测点集。
4.根据权利要求3所述的应用雷达检测低速目标的方法，其特征在于，所述对每一帧低速状态下的目标检测点进行分类，获得核心目标检测点和边缘目标检测点包括：
当每一帧低速状态下的目标检测点在预设半径内存在预设数目个目标检测点时，该目标检测点为核心目标检测点；
当每一帧低速状态下的目标检测点在预设半径内不存在预设数目个目标检测点时，该目标检测点为边缘目标检测点。
5.根据权利要求1所述的应用雷达检测低速目标的方法，其特征在于，剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表包括：
利用自适应差分算法从目标检测点的矩阵信息中提取零速预设速度范围内M2个速度门的信息组成新的低速状态下的目标检测点的矩阵信息；
当新的低速状态下的目标检测点的矩阵信息中信噪比超过第三恒虚警门限的目标检测点标记为第一目标检测点；
将连续多帧中的第一目标检测点组成真实目标区域；
当某个目标检测点不在真实目标区域内时，判断该目标检测点为虚假目标检测点，删除该目标检测点。
6.根据权利要求5所述的应用雷达检测低速目标的方法，其特征在于，当新的低速状态下的目标监测点的矩阵信息中信噪比低于第三恒虚警门限的目标检测点标记为第二目标检测点，以及将未处于低速目标检测点集中的目标检测点标记为第二目标检测点。
7.根据权利要求1所述的应用雷达检测低速目标的方法，其特征在于，所述对低速目标列表中的目标检测点进行跟踪包括：
对低速目标列表中的目标检测点进行航迹关联跟踪；
删除超出雷达探测范围或航迹质量分数低于设定门限的航迹；
建立临时航迹，并对临时航迹进行关联跟踪，并将未与临时航迹关联的目标检测点作为新的航迹头。
8.根据权利要求7所述的应用雷达检测低速目标的方法，其特征在于，所述进行航迹关联跟踪包括：
计算低速目标列表中的目标检测点与每一条可靠航迹之间的距离；
将距离小于预设距离的目标检测点作为可靠航迹的候选回波；
筛选候选回波中距离最小的目标检测点；
对距离最小的目标检测点与可靠航迹进行卡尔曼滤波，更新可靠航迹。
9.一种应用雷达检测低速目标的装置，其特征在于，所述装置包括：
获取模块，用于实时检测周围目标，对雷达接收的目标检测点的回波信号进行脉冲压缩处理，获得当前帧的目标检测点的矩阵信息；
识别模块，用于根据目标检测点矩阵信息对获取的目标检测点进行低速状态和非低速状态识别；
聚类模块，用于对识别得到的多帧低速状态下的目标检测点进行聚类，得到多簇低速目标检测点集；
剔除模块，用于剔除多簇低速目标检测点集中因杂波造成的虚假目标检测点，得到低速目标检测列表；
跟踪模块，用于对低速目标列表中的目标检测点进行跟踪。
10.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8中任一项所述的方法。
11.一种设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110834120.1A CN113625266A (zh) | 2021-07-20 | 2021-07-20 | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110834120.1A CN113625266A (zh) | 2021-07-20 | 2021-07-20 | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113625266A true CN113625266A (zh) | 2021-11-09 |
Family
ID=78380666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110834120.1A Pending CN113625266A (zh) | 2021-07-20 | 2021-07-20 | 应用雷达检测低速目标的方法、装置、存储介质和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113625266A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115236627A (zh) * | 2022-09-21 | 2022-10-25 | 深圳安智杰科技有限公司 | 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104215951A (zh) * | 2014-08-20 | 2014-12-17 | 上海无线电设备研究所 | 一种在海杂波背景下慢速小目标的检测系统及其检测方法 |
| CN109633598A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于特征分析的阵列雷达目标检测方法 |
| CN110736981A (zh) * | 2018-07-19 | 2020-01-31 | 德尔福技术有限责任公司 | 基于雷达的对慢速移动对象的跟踪 |
| CN111610501A (zh) * | 2019-12-31 | 2020-09-01 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 对海雷达小目标检测方法 |
| CN111856406A (zh) * | 2020-06-02 | 2020-10-30 | 珠海微度芯创科技有限责任公司 | 一种基于fmcw雷达回波的目标检测方法及装置 |
| CN111913158A (zh) * | 2020-09-21 | 2020-11-10 | 南京理工大学 | 复杂杂波背景下检测低慢小目标的雷达信号处理方法 |
| CN112233416A (zh) * | 2020-09-17 | 2021-01-15 | 北京聚利科技有限公司 | 车流量检测方法及装置 |
| CN113093180A (zh) * | 2021-03-20 | 2021-07-09 | 中国人民解放军空军工程大学 | 一种基于聚类外推的慢速弱目标检测方法 |
-
2021
- 2021-07-20 CN CN202110834120.1A patent/CN113625266A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104215951A (zh) * | 2014-08-20 | 2014-12-17 | 上海无线电设备研究所 | 一种在海杂波背景下慢速小目标的检测系统及其检测方法 |
| CN110736981A (zh) * | 2018-07-19 | 2020-01-31 | 德尔福技术有限责任公司 | 基于雷达的对慢速移动对象的跟踪 |
| CN109633598A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于特征分析的阵列雷达目标检测方法 |
| CN111610501A (zh) * | 2019-12-31 | 2020-09-01 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 对海雷达小目标检测方法 |
| CN111856406A (zh) * | 2020-06-02 | 2020-10-30 | 珠海微度芯创科技有限责任公司 | 一种基于fmcw雷达回波的目标检测方法及装置 |
| CN112233416A (zh) * | 2020-09-17 | 2021-01-15 | 北京聚利科技有限公司 | 车流量检测方法及装置 |
| CN111913158A (zh) * | 2020-09-21 | 2020-11-10 | 南京理工大学 | 复杂杂波背景下检测低慢小目标的雷达信号处理方法 |
| CN113093180A (zh) * | 2021-03-20 | 2021-07-09 | 中国人民解放军空军工程大学 | 一种基于聚类外推的慢速弱目标检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 施富强: "低空小目标探测雷达鲁棒性检测跟踪方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 1 - 73 * |
| 石章松 等: "《目标跟踪与数据融合理论及方法》", 31 August 2009, 国防工业出版社, pages: 272 - 274 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115236627A (zh) * | 2022-09-21 | 2022-10-25 | 深圳安智杰科技有限公司 | 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 |
| CN115236627B (zh) * | 2022-09-21 | 2022-12-16 | 深圳安智杰科技有限公司 | 一种基于多帧多普勒速度扩维的毫米波雷达数据聚类方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106918807B (zh) | 一种雷达回波数据的目标点迹凝聚方法 | |
| CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
| US20130093617A1 (en) | Methods for resolving radar ambiguities using multiple hypothesis tracking | |
| JP2017156219A (ja) | 追尾装置、追尾方法およびプログラム | |
| CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
| CN109597045B (zh) | 一种基于两次杂波抑制的静目标稳健识别方法 | |
| Zhou et al. | Underwater multitarget tracking method based on threshold segmentation | |
| CN108983194A (zh) | 一种基于地面监视雷达系统的目标提取及凝聚方法 | |
| EP1515160B1 (en) | A target shadow detector for synthetic aperture radar | |
| CN104035084A (zh) | 一种用于非均匀杂波背景的动态规划检测前跟踪方法 | |
| CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
| CN113625232B (zh) | 雷达检测中多径虚假目标抑制方法、装置、介质和设备 | |
| CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
| KR101813357B1 (ko) | 수중 고정표적과 클러터 식별을 위한 가변 데이터 맵 및 가변 통계적 특징정보를 적용하는 클러터 제거 방법 및 장치 | |
| US10909689B2 (en) | Target detection and tracking method | |
| KR102361816B1 (ko) | 표적 탐지 방법 및 기록 매체 | |
| Chen | Spatial and temporal features selection for low-altitude target detection | |
| CN108828584A (zh) | 基于航迹折叠因子解模糊的多重频目标检测前跟踪方法 | |
| KR102207003B1 (ko) | 해상 표적 탐지 방법 | |
| Yang et al. | Human intrusion detection system using mm wave radar | |
| Gawai et al. | Literature Review on Ship Detection Methods using Satellite-borne Synthetic Aperture Radar for Maritime Surveillance. | |
| Khodadadzadeh et al. | A technique based on adaptive windows for the classification of radar sounder data | |
| CN113687348B (zh) | 基于追踪微多普勒图的行人识别方法和装置 | |
| CN118940142B (zh) | 一种基于航迹管理的抑制车载毫米波雷达多径假目标的方法 | |
| CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211109 |
|
| RJ01 | Rejection of invention patent application after publication |