[发明专利]一种车载毫米波雷达多目标检测方法

说明书

本发明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‑CFAR获取目标二维矩阵数据；对检测出的目标点二维运动参数进行DBSCAN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信息；从距离维FFT结果提取每个目标对应的多阵元差拍信号；对每一个目标对应的差拍信号进行MUSIC算法估算目标对应方位角，并与目标速度距离信息匹配输出。

技术领域

本发明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。

背景技术

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。

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。

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。

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。

现有方案1的主要技术方案简要描述如下：

(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。

(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。

(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。

(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。

(5)利用波束域接收信号矩阵计算样本协方差矩阵。

(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。

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。

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，

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。

现有方案2的主要技术方案简要描述如下：

(1)采集运动目标回波信号数据A。