一种目标检测方法与流程

本发明属于雷达目标检测技术领域，具体涉及一种目标检测方法。

背景技术：

以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有技术。

随着车辆主动安全技术和智能车技术的白热化，环境感知所需要的目标检测技术广泛应用与行人、车辆、路标、路牌等能够反射微波信号的目标的静态和动态检测。主流的检测技术包括基于微波雷达技术、激光雷达技术和视觉技术。

微波雷达技术以其全天候和低成本的优势，得到了广泛的应用。目前的目标检测方法大部分通过参考窗中的参考单元估计背景噪声功率，再乘以比例系数得到功率，然后将检测单元功率值和功率检测门限进行比较确定检测单元是否为有效目标的回波信号单元即是否有目标。

各检测算法之前的主要差别在于背景噪声功率的估计方法不同。单元平均恒虚警(Cell Averaging-Constant False Alarm Rate,CA-CFAR)目标检测方法通过将参考窗口中所有参考单元的功率值取均值作为背景噪声功率估计值，估计功率检测门限。在均匀噪声环境下具有最优的检测性能，但是在非均匀噪声环境下检测性能严重下降。

最大选择恒虚警(Greatest Of-Constant False Alarm Rate,GO-CFAR)目标检测方法和最小选择恒虚警(Smallest Of-Constant False Alarm Rate,SO-CFAR)目标检测方法是在单元平均恒虚警目标检测方法的基础上进行了改进，最大选择恒虚警目标检测方法针对杂波干扰和多干扰目标检测率过小，漏检率过高。而最小选择恒虚警目标检测方法检测率高，但是在杂波干扰和多干扰目标环境下，虚警率过高。

自动删除单元平均恒虚警(Automatic Censored Cell Averaging-Constant False Alarm Rate,ACCA-CFAR)目标检测方法和自动双剔除单元平均恒虚警(Automatic Dual Censored Cell Averaging-Constant False Alarm Rate,ADCCA-CFAR)目标检测方法通过剔除参考窗口中极大和极小值参考单元，然后取平均值的方法得到功率检测门限，相比较单元平均恒虚警检测方法，具有较佳的检测性能，但是极大和极小值功率剔除门限的确定要依赖于先验知识，具有局限性。

技术实现要素：

为解决现有检测方法存在检测性能低，漏检率和虚警率过高，以及在确定极大和极小值功率剔除门限时要依赖于先验知识的技术问题，本发明提供一种目标检测方法。

本发明提供的方法如下：一种目标检测方法，包括以下步骤：

步骤1，对极大值参考单元进行剔除；

步骤2，对背景噪声功率进行估算；

步骤3，计算功率检测门限；

步骤4，对检测目标进行判别。

优选地，所述步骤1中通过双重剔除，剔除极大值参考单元，具体剔除极大值参考单元的方法如下：

步骤1，设定第一重剔除门限为T_c1，由参考单元样本期望值λ乘以系数α得到剔除门限T_c1，计算公式可以表示为：T_c1＝λ·α；

参考窗中，除了x₀外，其余参考单元x_i分别与T_c1进行比较，小于等于T_c1的参考单元序列记为S₀，其余参考单元被认为是极大值参考单元，从参考窗中剔除，可表示为：

其中，i∈[1,N]；

步骤2，设定T_c2表示第二重剔除门限，由x₀测试单元乘以系数α得到剔除门限T_c2，计算公式可以表示为：T_c2＝x₀·α；S₀中全部参考单元{x_j}₁均与T_c2进行比较，小于等于T_c2的参考单元序列记为S₁，其余参考单元被认为是极大值参考单元，从S₀中剔除，可表示为：

其中x_j∈S₀,j∈[1,n₀]。

优选地，上述背景噪声功率估算的方法如下：

步骤1，假设Z表示背景噪声功率估计值，则Z的计算公式表示为：

其中，x_l∈S₀,l∈[1,n₀]，x_k∈S₁,k∈[1,n₁]；

步骤2，根据n₁与N_t的比较结果，检测方法从S₁或S₀中选择相应的参考单元，用于估算出背景噪声功率Z。

优选地，上述计算功率检测门限的方法如下：假设T表示功率检测门限，则T的计算公式表示为：T＝Z·α；其中α分别为门限系数。

优选地，上述目标判别的方法如下：假设H₁表示有目标，H₀表示无目标，目标有无判断方法如下：

优选地，上述参考窗口大小设定为N，所述目标虚警率设定为P_fa，所述门限系数α的计算公式为：

α＝(P_fa)^1/N-1。

优选地，上述P_fa＝10^-4；所述N取24。

优选地，上述n₁与N_t的比较结果为n₁≥N_t时，干扰目标参考单元出现在参考单元集s₁中的概率较高，为了提高目标检测方法的检测率，将从S₁中选择参考单元用于估计背景噪声功率Z。

优选地，上述n₁与N_t的比较结果为n₁＜N_t时，干扰目标参考单元出现在单元集S₁中的概率较小，为了避免Z值估计过小，导致虚警率过高，选择S₀中所有参考单元用于估计背景噪声功率Z。

具体优点为：

1、本发明提供的目标检测方法是基于杂波分布模型及参考窗口中参考单元样本的统计特性，对背景噪声平均功率值进行估计，并实时调整极大值剔除功率门限，有效剔除极大值参考单元，不仅提高目标检测率，也降低了漏警率，同时克服了杂波干扰和多目标干扰噪声环境下，目标检测方法检测性能严重下降的问题。

2、本发明提供的目标检测方法基于待检测参考单元功率值乘以根据目标恒虚警率计算得到的比例系数得到第二重极大值参考单元剔除功率门限，再次有效剔除极大值参考单元，提高了目标检测率，降低漏警率。

3、本发明提供的目标检测方法根据参考窗中两次剔除极大值参考单元后，剩余参考单元数，选择相应的参考单元集，估计背景噪声功率值，再乘以根据目标恒虚警率计算得到的比例系数，得到最终的功率检测门限，避免了噪声功率估计过低造成的虚警率过高的问题。

附图说明

通过以下参照附图而提供的具体实施方式部分，本发明的特征和优点将变得更加容易理解，在附图中：

图1是本发明中目标检测方法的结构示意图；；

图2是本发明中本目标检测方法在均匀噪声仿真环境下的目标检测率仿真曲线图；

图3是本发明中本目标检测方法在杂波干扰仿真环境下的目标检测率仿真曲线图；

图4是本发明中本目标检测方法在多干扰目标仿真环境下的目标检测率仿真曲线图。

具体实施方式

下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。

参见图1中目标检测方法的结构示意图所示，该方法中设定I和Q为雷达回波信号，经过检波器后得到检测包络序列输入信号。λ为参考窗中参考单元样本期望值，通过杂波分布模型可以估算得到；α为比例系数，0＜α≤1；x₀为测试单元；x₁,x₂,x₃,……x_N为从包络序列输入信号中提取的参考窗参考单元序列，N为参考窗大小，N_t为整数取n₀/2。S₀为参考窗口中参考单元经过第一次剔除后剩余的参考单元集合，n₀表示S₀中参考单元个数。S₁为参考窗口中参考单元经过第二次剔除后剩余的参考单元集合，n₁表示S₁中参考单元个数。T为检测功率门限。

目标检测方法的执行步骤如下：

步骤1，对极大值参考单元剔除。假设，T_c1表示第一重剔除门限，由参考单元样本期望值λ乘以系数α得到剔除门限T_c1，计算公式可以表示为：

T_c1＝λ·α (1)

参考窗中，除了x₀外，其余参考单元x_i分别与T_c1进行比较，小于等于T_c1的参考单元序列记为S₀，其余参考单元被认为是极大值参考单元，从参考窗中剔除，可表示为：

其中，i∈[1,N]。

假设T_c2表示第二重剔除门限，由x₀测试单元乘以系数α得到剔除门限T_c2，计算公式可以表示为：

T_c2＝x₀·α (3)

S₀中全部参考单元{x_j}₁均与T_c2进行比较，小于等于T_c2的参考单元序列记为S₁，其余参考单元被认为是极大值参考单元，从S₀中剔除，可表示为：

其中x_j∈S₀,j∈[1,n₀]。

通过双重剔除，剔除极大值参考单元，提高了本目标检测方法的检测率，降低了本目标检测方法的漏检率。

步骤2，对背景噪声功率进行估算；假设Z表示背景噪声功率估计值，则Z的计算公式表示为：

其中，x_l∈S₀,l∈[1,n₀]，x_k∈S₁,k∈[1,n₁]。根据n₁与N_t的比较结果，检测方法将从S₁或者S₀中选择相应的参考单元，用于估计背景噪声功率Z。当n₁≥N_t时，干扰目标参考单元出现在参考单元集s₁中的概率较高，为了提高目标检测方法的检测率，将从S₁中选择参考单元用于估计背景噪声功率Z；当n₁＜N_t时，干扰目标参考单元出现在单元集S₁中的概率较小，为了避免Z值估计过小，导致虚警率过高，所以选择S₀中所有参考单元用于估计背景噪声功率Z。通过选择相应的参考单元用于估计背景噪声功率，剔除了极小值参考单元，降低了本检测方法的虚警概率。

步骤3，计算功率检测门限。假设T表示功率检测门限，则T的计算公式表示为：

T＝Z·α (6)

其中α分别为门限系数。

步骤4，对检测目标进行判别。测试单元x₀通过与功率检测门限T进行比较即可判别测试单元x₀是否为有效目标的回波信号单元即是否有目标，假设H₁表示有目标，H₀表示无目标，目标有无判断方法如下：

本方法中的参考窗口大小N取24，P_fa为目标虚警率，本方法中P_fa＝10^-4，门限系数α的计算公式为：

α＝(P_fa)^1/N-1 (8)

参见图2所示，该图为本目标检测方法与CA-CFAR和ACCA-CFAR目标检测方法在均匀背景噪声环境下的检测率仿真对比曲线图。从图中可以看出本目标检测方法检测率达97.45％，接近于CA-CFAR，优于ACCA-CFAR目标检测方法。当检测概率为80.00％时，各方法与CA-CFAR方法相比，本目标检测方法损失约0.04dB,ACCA-CFAR方法损失约2.01dB，表明本目标检测方法在均匀背景噪声环境下具有较好的检测性能。

参见图3所示，该图为本目标检测方法与ACCA-CFAR目标检测方法在杂波干扰环境下的检测率仿真对比曲线图。从图中可以看出，本目标检测方法的检测率优于ACCA-CFAR目标检测方法，当SNR＝25dB时，本目标检测方法的检测率为97.21％，分别高出ACCA-CFAR目标检测方法的检测率3.20％，表明本目标检测方法在杂波干扰环境下也具有较好的检测性能。

参见图4所示，该图为本目标检测方法与ACCA-CFAR目标检测方法在6个干扰目标环境下的检测率仿真对比曲线图。从图中可以看出，本目标检测方法的检测率优于ACCA-CFAR目标检测方法，当SNR＝25dB时，本目标检测方法的检测率为96.32％，分别高出ACCA-CFAR目标检测方法的检测率2.14％，表明本目标检测方法在多干扰目标环境下也具有较好的检测性能。

虽然参照示例性实施方式对本发明进行了描述，但是应当理解，本发明并不局限于文中详细描述和示出的具体实施方式，在不偏离权利要求书所限定的范围的情况下，本领域技术人员可以对所述示例性实施方式做出各种改进或变型。