一种基于角度估计的车载雷达目标检测估计方法及装置与流程

本发明涉及车载雷达检测技术领域，尤其涉及一种基于角度估计的车载雷达目标检测估计方法及装置。

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，目前检测时均是基于目标的回波幅度强度进行检测，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。

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、漏检率及虚警率低的基于角度估计的车载雷达目标检测估计方法及装置。

为解决上述技术问题，本发明提出的技术方案为：

一种基于角度估计的车载雷达目标检测估计方法，步骤包括：

s1.角度估计：获取目的雷达的回波信号并进行角度估计，得到角度谱数据；

s2.目标初步检测：将步骤s1得到的所述角度谱数据进行灰度化处理，以将高于预设门限值的目标初步检测为真实目标，得到灰度化角度谱数据；

s3.目标二次检测：对步骤s2得到的所述灰度化角度谱数据执行目标检测，得到最终的目标检测结果输出。

进一步的，所述步骤s1中具体采用基于角度估计的角度估计算法进行角度估计，得到所述角度谱数据。

进一步的，所述基于角度估计的角度估计算法进行角度估计的具体步骤包括：

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为比例系数，n为阵列包含的阵元个数；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，得到稀疏恢复的角度谱数据。

进一步的，所述步骤s2中进行灰度化处理时，具体将所述角度谱数据中高于预设门限的位置设置为1、低于预设门限的位置设置为0。

进一步的，所述预设门限具体通过获取所述角度谱数据中的最大幅度值，将获取到的所述最大幅度值乘以一个预设比例因子得到，所述预设比例因子的大小在0～1的范围内。

进一步的，所述步骤s2中还包括多帧数据非相参积累步骤，具体步骤为：将多个相干处理周期得到的多帧所述灰度化角度谱数据进行相加，得到最终的灰度化角度谱输出。

进一步的，所述步骤s3中执行目标检测时具体采用固定门限的目标检测方法。

进一步的，所述固定门限的目标检测方法使用的门限大于所述预设门限值。

一种基于角度估计的车载雷达目标检测估计装置，包括：

角度估计模块，用于获取目的雷达的回波信号并进行角度估计，得到角度谱数据；

目标初步检测模块，用于将所述角度估计模块得到的所述角度谱数据进行灰度化处理，以将高于预设门限值的目标初步检测为真实目标，得到灰度化角度谱数据；

目标二次检测模块，用于对所述目标初步检测模块得到的所述灰度化角度谱数据执行目标检测，得到最终的目标检测结果输出。

一种基于角度估计的车载雷达目标检测估计装置，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、本发明基于角度估计的车载雷达目标检测估计方法及装置，通过先进行角度估计，将估计得到的角度谱图数据进行灰度化，以利用角度谱数据进行第一次目标检测，相比于传统基于目标的回波幅度强度进行目标检测方法，能够有效检测出包含远距离弱小目标的所有目标，避免如人体等弱小目标被漏检；同时对一次目标检测后的灰度化角度谱再进行一次目标检测，可以滤除掉其中的大量虚警目标而最终得到准确的真实目标，从而能够解决雷达对于弱小目标检测的问题，提升远距离探测弱小目标的能力，同时避免引入大量的虚警目标。

2、本发明基于角度估计的车载雷达目标检测估计方法及装置，进一步通过利用稀疏恢复的角度估计方法进行角度估计，可以充分发挥稀疏恢复对于低信噪比情况下的测角性能，并根据稀疏恢复的角度谱数据进行第一次检测，使得可以尽可能的检测出所有目标和可能的噪声目标信号，提高包括弱目标的目标检测性能。

3、本发明基于角度估计的车载雷达目标检测估计方法及装置，进一步通过多帧数据非相参积累，将多帧灰度化角度谱数据进行相加，对积累后角度谱数据进行二次目标检测，可以使得弱目标的幅度增强而同时减少噪声的影响，从而能够有效滤除其中由噪声产生的虚警目标，提高检测精度。

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是本实施例基于角度估计的车载雷达目标检测估计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得到的信噪比为0db的角度谱示意图。

图6是本发明具体应用实施例中得到的不同cpi数据的角度谱示意图。

图7是本发明具体应用实施例中得到的灰度化处理结果示意图。

图8是本发明具体应用实施例中实现多cpi灰度化角度谱相加的原理示意图。

图9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。

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，本实施例基于角度估计的车载雷达目标检测估计方法的步骤包括：

s1.角度估计：获取目的雷达的回波信号并进行角度估计，得到角度谱数据；

s2.目标初步检测：将步骤s1得到的角度谱数据进行灰度化处理，以将高于预设门限值的目标初步检测为真实目标，得到灰度化角度谱数据；

s3.目标二次检测：对步骤s2得到的灰度化角度谱数据执行目标检测，得到最终的目标检测结果输出。

本实施例通过先进行角度估计，将估计得到的角度谱图数据进行灰度化，以利用角度谱数据进行第一次目标检测，由于目标检测时的输入量是角度谱数据，角度谱是一种伪谱，并不一定和目标的强度完全呈现正相关，但是能够反映其中包含信号的相对关系，因而相比于传统基于目标的回波幅度强度进行目标检测方法，能够有效检测出包含远距离弱小目标的所有可能的目标，避免如人体等弱小目标被漏检；同时利用真实目标的角度测量值存在一定的稳定性，而由噪声产生的目标角度信息则具有随机性，对一次目标检测后的灰度化角度谱再进行一次目标检测，可以滤除掉其中的大量虚警目标而最终得到准确的真实目标，从而能够解决雷达对于弱小目标检测的问题，提升远距离探测弱小目标的能力，同时避免引入大量的虚警目标。

本实施例获取到雷达的回波信号时，首先进行两次fft处理，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，即多普勒处理，得到二维距离-多普勒矩阵。

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。

得到二维距离-多普勒矩阵后再进行角度估计，本实施例步骤s1中具体采用基于角度估计的角度估计算法进行角度估计，得到角度谱数据。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。本实施例通过利用稀疏恢复的角度估计方法进行角度估计，可以充分发挥稀疏恢复对于低信噪比情况下的测角性能，并根据稀疏恢复的角度谱数据进行第一次检测，使得可以尽可能的检测出所有目标和可能的噪声目标信号，提高包括弱目标的目标检测性能。

本实施例中，基于角度估计的角度估计算法进行角度估计的具体步骤包括：

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为比例系数，n为阵列包含的阵元个数，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)中行的维数远远低于列的维数，即该式是病态的，又式(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，具体可通过lasso(leastabsoluteshrinkageandselectionoperator)算法进行求解，即通过构造一个惩罚函数得到一个较为精炼的模型，使得它压缩一些系数，同时设定一些系数为零，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。

上述的进一步优化问题具体可以使用半正定规划(sdps)高效求解方法。

在具体应用实施例中采样上述稀疏恢复进行角度估计，仅使用一个快拍的数据得到的角度谱如图5所示，其中阵元个数为16个，目标来波方向为10°，目标信噪比设置为0db。从图5可以看出，检测即包括了真实目标的角度值，也包括了噪声引起的假目标输出。

本实施例步骤s2中进行灰度化处理时，具体将角度谱数据中高于预设门限的位置设置为1、低于预设门限的位置设置为0，即将高于预设门限的位置判定为目标。由于稀疏恢复得到的角度谱有大量的数值均为0，本实施例第一次检测时门限值设定与传统的如恒虚警检测(cfar，constantfalsealarmratio)方法不同，为了避免产生大量的假目标，预设门限具体通过获取角度谱数据中的最大幅度值，将获取到的最大幅度值乘以一个预设比例因子得到，预设比例因子的大小在0～1的范围内，例如该因子可取值为0.2或者0.1，具体根据实际情况进行设置。

真实目标的角度估计具有稳定性，而噪声引起的目标其角度则具有随机性，在具体应用实施例中进行仿真，得到不同cpi数据的角度谱如图6所示，将其中高于门限的位置设置为1、低于门限的位置设置为0，得到一个新的矢量，该矢量中包含了大量的0，仅在个别位置其值为1，得到的灰度化处理结果具体如图7所示。

本实施例步骤s2中还包括多帧数据非相参积累步骤，具体步骤为：将多个相干处理周期(cpi，coherentprocessinginterval)得到的多帧灰度化角度谱数据进行相加，得到最终的灰度化角度谱输出。如上述的稀疏恢复角度估计方法对于目标信噪比不敏感，在目标信噪比为0db左右时依然可以准确测量角度，但是有可能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，即由于噪声的随机性，使得对于不同cpi数据角度测量结果具有随机性，本实施例利用上述特性采用多帧数据非相参积累方式，将多帧灰度化角度谱数据进行相加，可以使得弱目标的幅度增强而减少噪声的影响，从而能够有效滤除其中由噪声产生的虚警目标，提高检测精度。

假设共有l个cpi数据，对于每一个cpi，具体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，并将所有参与联合处理的cpi灰度化的角度谱进行相加，得到如图8所示的相加向量，如图9所示，对该相加后的向量再进行二次目标检测后，可以检测得到真实的目标信息，将检测的目标输入至目标跟踪、航迹管理模块中进行目标跟踪与航迹管理，最终输出给用户真实的目标信息。

本实施例步骤s3中执行目标检测时具体采用固定门限的目标检测方法，即高于指定的固定门限则认为目标为真实目标，将最终检测到的目标信息传递给后端模块，低于该指定的固定门限则认为目标是假目标，将其剔除掉。上述固定门限的目标检测方法具体可以采用如cfar等的检测方法，使用的门限具体可配置为大于目标初步检测中的预设门限值，以通过使用较高门限值来去除其中由噪声引起的虚警，同时由于弱目标经过多帧数据非相参积累后能够实现增强，使得弱目标仍然能够被检测出。如对于汽车毫米波雷达应用而言，处于同样距离和同样速度点的目标个数通常不会太多，二次检测时的固定门限可以设定为较高，具体可选择如最大值得0.7或者0.8等。

本实施例实现雷达目标检测时，具体首先在由雷达回波数据得到距离-多普勒矩阵后，利用基于角度估计的估计方法进行角度估计，并根据稀疏恢复的角度谱数据进行第一次检测，检测得到目标和可能的噪声目标信号，以充分利用稀疏恢复的稀疏恢复对于低信噪比情况下的测角性能，检测出包括弱目标的所有可能的目标；然后根据检测结果实现角度谱数据的灰度化，对灰度化结果进行累积求和，以利用目标角度的稳定性和噪声目标方向的随机性，使得目标累积求和实现增强，然后进行第二次检测，得到真实目标，可以实现雷达远距离弱目标如人的检测，同时可以极大地降低虚假目标的个数，最终实现低虚警概率约束的低信噪比目标检测。

本实施例基于角度估计的车载雷达目标检测估计装置，包括：

角度估计模块，用于获取目的雷达的回波信号并进行角度估计，得到角度谱数据；

目标初步检测模块，用于将角度估计模块得到的角度谱数据进行灰度化处理，以将高于预设门限值的目标初步检测为真实目标，得到灰度化角度谱数据；

目标二次检测模块，用于对目标初步检测模块得到的灰度化角度谱数据执行目标检测，得到最终的目标检测结果输出。

本实施例基于角度估计的车载雷达目标检测估计装置与上述基于角度估计的车载雷达目标检测估计方法为一一对应，在此不在一一赘述。

在另一实施例中，本发明基于角度估计的车载雷达目标检测估计装置还可以为：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角度估计的车载雷达目标检测估计方法。

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。