一种基于双门限检测的车载雷达目标检测方法及装置与流程

本发明涉及车载雷达检测技术领域，尤其涉及一种基于双门限检测的车载雷达目标检测方法及装置。

背景技术：

为实现车辆主动安全，通常会在车辆中安装雷达以实现防撞、盲区检测等。典型的如毫米波雷达传感器，由于能够全天候工作，可以满足车辆对全天气候的适应性的要求，且不受光线、雾霾、沙尘暴等恶劣天气的影响，已成为汽车主动安全的主流选择，拥有巨大的市场需求，部分区域汽车已开始配备有如防撞雷达、盲区检测雷达等的汽车毫米波雷达传感器，车载雷达检测已成为当前的主要研究方向。

车辆在运行过程中实际运行道路的环境可能较为复杂，会存在强弱不同的各种目标，以汽车毫米波雷达为例，各种目标的雷达反射截面积(rcs，radarcrosssection)会存在较大差异，雷达需要及时、及早发现潜在的目标，并对目标进行参数估计和跟踪，而对于弱目标(也即rcs较小的远距离目标)的检测极易产生漏检。为了对弱目标(也即rcs较小的远距离目标)进行检测，目前通常都是采用降低检测门限的方法以确保不被漏，然而由于检测门限降低又会带来大量的虚警，产生大量的假目标，而严重影响实际系统运行，因而采用如cfar(constantfalsealarmratio,恒虚警概率)检测方法检测时，为了降低噪声引起的虚警概率，一般会将门限设置得较高，使得目标信噪比超过10db才有可能较为稳定的检测。

当前应用最为广泛的波形体制即是通过发射多个周期的频率调制连续波(fmcw，frequencymodulationcontinuouswave)信号，每一个扫频周期为tchirp，可以对于多目标场景中的每个目标同时进行距离和径向速度测量，发射的波形如图1所示。该类波形体制可以同时对多个目标进行距离和速度的测量，上述汽车毫米波雷达即是发射多个脉冲的线性调频信号(lfm，linearfrequencymodulation)信号，通过对每一个脉冲进行采样及信号处理实现目标检测。

如上述汽车毫米波雷达的车载雷达在进行目标检测时，典型的方法是通过对每一个脉冲进行采样、傅里叶变换(fft，fastfouriertransform)得到距离-多普勒矩阵之后，采用cfar检测算法进行目标检测，此时得到的目标参数信息包括目标距离和速度，得到检测的目标结果，再在多个阵元之间进行目标角度估计，得到目标以上的参数信息后，进行目标的跟踪滤波和航迹管理。如图2所示，具体是首先进行目标检测，判定是否存在目标，在得到确切的目标时，启动目标角度估计模块进行角度估计，得到目标的以上信息后，再将信息输入跟踪滤波模块以及航迹管理模块，将目标信息最终显示在终端呈现给用户。

上述车载雷达的目标检测方法，无论是采用何种目标doa(degreeofarrival，角度估计)估计算法(波束扫描fft方法、如music(multiplesignalclassification)算法的超分辨算法等)，由于角度估计必须是在目标检测后进行，而cfar检测时由于考虑到需要避免产生太多的虚假目标通常设置较高的门限值，导致对于一些远距离rcs较小的弱目标无法被及时探测到，例如远处的人目标，造成目标的漏检。因而由于如人体等目标的rcs较弱，使得远距离探测人体成为车载雷达的一个重要难题。

而若考虑直接在检测前实现目标角度测量，虽然可以一定程度的提高雷达对于弱目标的检测能力，但是同时又会导致计算量急剧上升。以上述汽车毫米波雷达为例，假设阵元个数为n，发射的脉冲个数为l，得到的距离-多普勒矩阵维数为n×l，对该矩阵进行cfar处理后，有可能无目标，也可能有若干个目标，但是目标个数一般也在数十个量级，而阵元个数一般为4个或8个，脉冲个数则可能为256或512，甚至能够得到1024个，即检测目标个数相比于矩阵维度来说是极少的，而若对距离-多普勒矩阵中的所有元素均进行一次角度测量运算，计算量极大，在实际系统中基本难以实现。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、成本低、弱目标检测性能好、漏检率低且计算量小、检测效率高的基于双门限检测的车载雷达目标检测方法及装置。

为解决上述技术问题，本发明提出的技术方案为：

一种基于双门限检测的车载雷达目标检测方法，步骤包括：

s1.目标初步检测：获取目的车载雷达的回波信号并使用第一门限执行目标检测，得到初步目标检测结果；

s2.角度估计：对所述步骤s1检测得到的初步目标检测结果进行角度估计，得到角度估计结果；

s3.二次目标检测：对步骤s2得到的角度估计结果使用第二门限执行目标检测，所述第二门限大于所述第一门限，得到最终的目标检测结果输出。

进一步的，所述步骤s1中，具体通过对回波信号进行两次fft处理得到的二维距离-多普勒矩阵执行目标检测，其中第一次fft处理对应于每个回波脉冲的距离维回波，得到对应于各个距离单元的输出，再对应于指定距离单元进行第二次fft处理，得到所述二维距离-多普勒矩阵。

进一步的，所述步骤s2中角度估计具体采用基于稀疏恢复的角度估计方法，并将多个相干处理周期得到的角度估计结果按照不同时刻进行拼接，得到一个二维矩阵的角度估计数据。

进一步的，所述基于稀疏恢复的角度估计方法的具体步骤为：

将角度划分为ns个离散的网格点，构成一个完备集，其中ns＝ρsn，且ns＞＞n，ρs为常数系数，n为阵列中包含的实际阵元个数；以及将雷达的回波信号xc表示为由不同网格点对应的空时导向矢量s(fs,i)乘以对应的幅度α(n)叠加而成，即雷达信号xc的表示式为：

其中，1≤n≤ns，n表示噪声；

将所述雷达信号xc的表示式转换为矩阵形式，得到矩阵形式方程式为：

xc＝φ^(d)αc+n

其中，

为空时字典矩阵，

αc为反射系数向量且

对得到的所述矩阵形式方程式使用估计算法进行求解，得到稀疏恢复的多帧角度估计数据。

进一步的，具体使用lasso压缩估计算法进行求解。

进一步的，所述步骤s2中进行角度估计时还包括多帧数据非相参积累步骤，具体步骤为：将多帧数据得到的所述角度估计结果进行非相参相加，最终得到所述角度估计结果输出。

进一步的，所述步骤s1和/或步骤s3中执行目标检测具体采用cfar检测方法。

进一步的，所述车载雷达为毫米波雷达。

一种基于双门限检测的车载雷达目标检测装置，包括：

目标初步检测模块，用于获取目的车载雷达的回波信号并使用第一门限执行目标检测，得到初步目标检测结果；

角度估计模块，用于对所述目标初步检测模块检测得到的初步目标检测结果进行角度估计，得到角度估计结果；

二次目标检测模块，用于对角度估计模块得到的角度估计结果使用第二门限执行目标检测，所述第二门限大于所述第一门限，得到最终的目标检测结果输出。

一种基于双门限检测的车载雷达目标检测装置，其特征在于，包括处理器，所述处理器中存储有可执行的计算机程序，其特征在于，所述处理器被配置以执行上述的方法。

与现有技术相比，本发明的优点在于：

1、本发明基于双门限检测的车载雷达目标检测方法及装置，通过先使用较小门限进行初步目标检测，以初步检测出目标，避免远距离rcs较小的弱目标的漏检，基于初步检测结果再进行角度估计，角度估计后再使用较高门限来进行二次目标检测，可以将大量的虚警剔除掉而仅保留真正的目标，极大地提高了汽车毫米波雷达对于弱目标的检测能力，提升远距离探测弱目标的能力，减少目标漏检率，解决如汽车毫米波雷达系统等车载雷达对于弱小目标检测问题，同时无需对距离-多普勒矩阵中的所有元素均进行角度测量，可以极大的减少计算量，确保检测效率。

2、本发明基于双门限检测的车载雷达目标检测方法及装置，利用真实目标角度估计具有相对稳定性、噪声引起目标其角度具有随机性，在初步检测结果的基础上进行角度估计，初步检测结果经过角度估计后弱目标会被增强，而噪声目标会被削弱，再通过一级门限相对较高的目标检测即可以有效去除噪声引起的虚假目标而保留真实目标，从而可有效提升雷达对于弱目标的检测性能，尤其是远距离探测人的性能。

3、本发明基于双门限检测的车载雷达目标检测方法及装置，进一步通过在角度估计时将多帧角度估计结果进行非相参积累处理，使得弱目标的幅度进一步增强，而在初次检测中得到的噪声引起的虚假目标被减弱，使得在第二级目标检测中，即使采用了相对较高的门限，弱目标依然可被有效检测到，提高雷达对于弱目标检测的性能。

附图说明

图1是经典fmcw发射序列的波形示意图。

图2是现有技术中汽车毫米波雷达实现目标检测的流程示意图。

图3是本实施例基于双门限检测的车载雷达目标检测方法的实现流程示意图。

图4是本实施例中采用的单个阵元获取距离-多普勒矩阵的原理示意图。

图5是本发明具体应用实施例中使用较低门限执行目标初步检测得到的结果示意图。

图6是本实施例中得到多个cpi测量角度拼接矩阵的原理示意图。

图7是本发明具体应用实施例中实现多帧数据非相参积累以及目标检测跟踪的流程示意图。

图8是本发明具体应用实施例中使用较高门限执行二次目标检测得到的结果示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图3所示，本实施例基于双门限检测的车载雷达目标检测方法的步骤包括：

s1.目标初步检测：获取目的车载雷达的回波信号并使用第一门限执行目标检测，得到初步目标检测结果；

s2.角度估计：对步骤s1检测得到的初步目标检测结果进行角度估计，得到角度估计结果；

s3.二次目标检测：对步骤s2得到的角度估计结果使用第二门限执行目标检测，第二门限大于第一门限，得到最终的目标检测结果输出。

本实施例通过将双门限的两次目标检测与角度估计过程进行融合，先使用较小门限(第一门限)进行初步目标检测，以初步检测出目标，避免远距离rcs较小的弱目标的漏检，基于初步检测结果再进行角度估计，角度估计后再使用较高门限(第二门限)来进行二次目标检测，由于在目标检测前实现了角度测量，同时基于较高的门限可以将大量的虚警剔除掉而仅保留真正的目标，极大地提高了汽车毫米波雷达对于弱目标的检测能力，提升远距离探测弱目标的能力，减少目标漏检率，同时由于是基于初步检测结果进行角度估计，使得无需对距离-多普勒矩阵中的所有元素均进行角度测量，可以极大的减少计算量，确保检测效率。

本实施例步骤s1中，具体通过对回波信号进行两次fft处理得到的二维距离-多普勒矩阵执行目标检测，其中第一次fft处理对应于每个回波脉冲的距离维回波，得到对应于各个距离单元的输出，再对应于指定距离单元进行第二次fft处理，得到二维距离-多普勒矩阵，对得到的该二维距离-多普勒矩阵进行一次目标检测，得到初步目标检测结果。本实施例具体首先在距离-多普勒平面内进行一次较低门限的检测，该次检测中允许虚警概率较高，尽可能把远距离的弱目标也包括进来，以确保弱目标不会被漏检，将所有检测结果值输出给下一级以进行角度测量，不对目标是真实目标还是虚假目标进行区分。

上述步骤s1以及后续步骤s3中执行目标检测具体均可以采用cfar检测方法，当然也可以根据实际需求采用基于门限检测的其他目标检测方法，仅需配置使得目标初步检测时使用相对较小的门限值，以尽可能的检测出较小的弱目标，二次检测时再使用较高门限值，以滤除其中的虚景目标。

以毫米波雷达为例，获取单个阵元距离-多普勒矩阵如图4所示，即通过两次fft处理得到，第一次fft处理对应于每个脉冲的距离维回波，得到对应于各个距离单元的输出，再进行第二次fft处理也即多普勒处理，此时可以得到一个二维距离-多普勒矩阵。对每个阵元均进行以上处理，假设接收阵元共有n个，共计可以得到n个距离-多普勒矩阵。

如图5所示，本发明具体应用实施例中使用低门限执行一次cfar检测时，由于使用低门限检测，会带来噪声引起的虚假目标，但同时一些弱目标也能够被检测到，可以避免远距离较小目标被漏检。

本实施例步骤s2中角度估计具体采用基于稀疏恢复的角度估计方法，并将多个相干处理周期得到的角度估计结果按照不同时刻进行拼接，得到一个二维矩阵的角度估计数据。如图6所示，假设共有l个cpi(coherentprocessinginterval，相干处理周期)数据，对于每一个cpi，采用稀疏恢复的方法得到一个角度扫描的向量后，按照不同的时刻进行拼接，每一个cpi对应于矩阵的一行，此时得到一个二维矩阵。通过在检测前实现目标角度测量，并通过多个相干处理周期的角度测量结果形成一个二维矩阵，后续可根据多个cpi得到的角度测量结果是否具有连续性等特征进行目标是否存在的判决。

本实施例中，基于稀疏恢复的角度估计方法的具体步骤为：

首先将角度划分为ns个离散的网格点，构成一个完备集，其中ns＝ρsn，且ns＞＞n，ρs为常数系数，n为阵列中包含的实际阵元个数，即划分的网格分辨率远远大于雷达空域分辨率；

雷达回波可以看作是来自不同方向信号回波的叠加，将雷达的回波信号xc表示为由不同网格点对应的空时导向矢量s(fs,i)乘以对应的幅度α(n)叠加而成，即雷达信号xc的表示式为：

其中，1≤n≤ns，n表示噪声；

将雷达信号xc的表示式转换为矩阵形式，得到矩阵形式方程式为：

xc＝φ^(d)αc+n(2)

其中，

为空时字典矩阵，

αc为反射系数向量且

对得到的矩阵形式方程式(2)使用估计算法进行求解，得到稀疏恢复的角度估计数据。

对于目标角度估计，假设目标为个别目标来自于某些方向，首先按照上述方式将角度进行划分构成完备集后，将雷达回波看作是来自不同方向信号回波的叠加，构建得到如式(1)所示的表达式后转换为如式(2)所示的矩阵形式，式(2)的问题实际即为l0范数问题，由于其高度不连续性使得求解非常困难，可以将其转化为l1范数问题来近似求解，通过使用估计算法求解后即可得到doa估计数据。

本实施例中，具体使用lasso(leastabsoluteshrinkageandselectionoperator)压缩估计算法来对式(2)进行求解，得到doa估计数据。lasso算法具体是通过构造一个惩罚函数得到一个较为精炼的模型，使得能够压缩部分系数，同时设定部分系数为零，具体可表示为：

其中κl为调节系数，σn为噪声水平。

即具体使用lasso算法按照式(3)进行求解，得到最终的角度估计结果。

本实施例上述通过采用稀疏恢复的角度估计方法，对于目标信噪比不敏感，尤其是在信噪比较低的情况下，如在目标信噪比为0db左右时，依然可以准确测量角度。

本实施例步骤s2中进行角度估计时还包括多帧数据非相参积累步骤，具体步骤为：将多帧数据得到的角度估计结果进行非相参相加，即将各帧角度估计结果采用非相参相加得到一个向量，最终得到角度估计结果输出。由于一些噪声信号会产生虚假的测量结果，对于真实目标，目标角度测量具有相对稳定性，而对于噪声引起的测量结果，由于噪声的随机性，使得对于不同cpi数据角度测量结果具有随机性，即弱目标在角度估计时具有稳定性，而噪声在角度估计时具有随机性。本实施例通过在角度估计时将多帧角度估计结果进行非相参积累处理，积累后弱目标由于角度估计的稳定性幅度会被增强，而在初次检测中得到的噪声引起的虚假目标由于随机性而被减弱，因而可以实现弱目标的进一步增强，使得在第二级(二次)目标检测中，即使采用了相对较高的门限，弱目标依然可被有效检测到。

如图7所示，本实施例具体在采用稀疏恢复的角度估计方法对步骤s1得到的初步目标检测结果进行角度估计后，将由稀疏恢复的各帧doa数据采用非相参相加，得到一个向量，再对该向量再执行一次cfar检测，由于目标经过多帧数据非相参积累，可以有效检测到弱目标，而不会产生噪声引起的虚假目标，最终得到真实的目标结果，将这些结果再输入给后续的目标跟踪和航迹管理模块中以进行目标跟踪和航迹管理，最后输出目标进行显示。在具体应用实施例中使用较高门限执行二次cfar检测的结果如图8所示，从图中可以看出，经过多帧数据非相参积累后，由噪声引起的假目标被减弱、包括弱目标的真实目标被增强，此时使用较高门限可以有效将其中的真实目标检测出。

本发明上述检测方法，首先通过第一级目标检测，采用相对较低的门限来实现弱目标稳定检测，确保弱目标不会被漏检，此时得到的目标包括实的目标以及噪声引起的虚假目标；然后基于第一级的初步检测结果进行目标角度估计，由于真实目标角度估计具有相对稳定性，而噪声引起目标其角度具有随机性，因而初步检测结果经过角度估计后弱目标会被增强，而噪声目标会被削弱，最后再通过一级门限相对较高的目标检测即可以有效去除噪声引起的虚假目标而保留真实目标，从而可有效提升雷达对于弱目标的检测性能，尤其是远距离探测人的性能，解决如汽车毫米波雷达系统等车载雷达对于弱小目标检测问题。

本实施例中车载雷达具体为毫米波雷达，当然也可以应用于相似波形体制、工作原理的其他类型雷达中以提高弱目标检测性能，尤其是人体目标的检测性能。

本实施例基于双门限检测的车载雷达目标检测装置，包括：

目标初步检测模块，用于获取目的车载雷达的回波信号并使用第一门限执行目标检测，得到初步目标检测结果；

角度估计模块，用于对目标初步检测模块检测得到的初步目标检测结果进行角度估计，得到角度估计结果；

二次目标检测模块，用于对角度估计模块得到的角度估计结果使用第二门限执行目标检测，第二门限大于第一门限，得到最终的目标检测结果输出。

本实施例基于双门限检测的车载雷达目标检测装置与上述基于双门限检测的车载雷达目标检测方法为一一对应，在此不再一一赘述。

在另一实施例中，基于双门限检测的车载雷达目标检测装置还可以为包括处理器，处理器中存储有可执行的计算机程序，处理器被配置以执行上述基于双门限检测的车载雷达目标检测方法。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。