[发明专利]一种基于Anomaly Transformer的毫米波雷达异常信号检测方法及系统

权利要求书

1.一种基于Anomaly Transformer的毫米波雷达异常信号检测方法，其特征在于，包括以下步骤：

步骤S1：通过注意力机制Anomaly-Attention，计算关联差异，统一建模先验关联和序列关联；

步骤S2：计算各个层次的先验关联、序列关联的对称KL距离，作为后续异常检测的判断依据；

步骤S3：通过可视化在不同异常判据下的分析，区分基于关联分析的异常评判曲线；

步骤S4：将每一样本看作一组相关数据输入到Anomaly Transformer中进行训练,就得到正常工况数据监测模型。

2.根据权利要求1所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测方法，其特征在于，所述注意力机制Anomaly-Attention的关联公式为：

3.根据权利要求1所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测方法，其特征在于，对称KL距离的计算公式为：

4.根据权利要求1所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测方法，其特征在于，训练方法包括以下步骤：

步骤1：训练样本的制作，搭建TI车载毫米波雷达数据采集平台，室外环境实测正常工况数据样本；

步骤2：Anomaly Transformer模型训练集训练，将训练集样本以向量的形式导入模型；

步骤3：Anomaly Transformer模型测试集验证，通过人为制造干扰数据并将该数据输入Anomaly Transformer模型中，得到Anomaly Transformer毫米波雷达异常信号检测模型。

5.根据权利要求1-4任一项所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测系统，其特征在于，包括目标结果接收模块，目标可信度定义、建模和分析模块，状态监视和故障管理模块，执行控制器，CAN网络，数据标注平台和AI训练平台；

所述目标结果接收模块接收摄像头图像数据和毫米波雷达发出的信号数据，并进行预处理，为之后的目标结果可信度计算做准备，并将目标结果上传到数据标注平台；

所述目标可信度定义、建模和分析模块通过机器学习算法对接收结果进行分析，判断该结果是否为欺诈数据，实现ADAS感知数据的检测与防御；

所述状态监视和故障管理模块对感知数据和可信度结果实时监视和管理，实现欺诈识别的实时监控；

所述执行控制器用于生成防御指令，阻断欺诈攻击；

所述CAN网络采用星型结构，各CAN网络通过中央网关连接；

所述数据标注平台通过生成模型进行伪标签标注，为增量训练提供数据基础；

所述AI训练平台对可信度分析模型进行增量训练，优化模型参数。

6.根据权利要求5所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测系统，其特征在于，所述毫米波雷达的工作频率范围为30GHz至300GHz，用于检测目标、测速、测距和测量方位。

7.根据权利要求6所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测系统，其特征在于，所述毫米波雷达在检测过程中使用汉宁窗进行信号加窗，公式为：

8.根据权利要求7所述的一种基于Anomaly Transformer的毫米波雷达异常信号检测系统，其特征在于，所述毫米波雷达的检测还涉及频域转换，其频域转换公式为：