基于毫米波雷达的生命体征信号检测实验教学设计

为了提高学生嵌入式系统的软硬件设计能力,设计基于毫米波雷达的非接触式生命体征信号测量实验。一方面,基于调频连续波(FMCW)雷达机制,采用MATLAB进行生命体征信号建模及呼吸率与心率时频信号提取的仿真实验;另一方面,采用60 GHz毫米波雷达模块,基于STM32单片机进行系统电路设计、PCB设计与实物制作,完成参试者呼吸率及心率的数据采集与OLED显示。上位机采用Qt Creator进行软件界面与功能设计,通过蓝牙模块与单片机进行无线数据通信,以30 s为周期执行呼吸率和心率数据的读取与显示。最后,搭建测试环境,对系统功能进行验证及其设计指标的测试与评估。该实验项目与生活实际紧密相关,注重理论与实践相结合,在系统整体设计与跨平台设计中培养学生的综合实践能力与协作能力。

AF-CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫米波雷达和相机进行空间对齐,并将对齐后的点云信息投影成点云图像。然后,将点云图像在高度和宽度方向上进行扩展,以提高相机图像和点云图像之间的匹配度。最后,将点云图像和相机图像送入包含AF结构的CenterNet目标检测网络中进行训练,并生成一个空间注意力权重,以增强相机中的关键特征。实验结果表明,AF结构可以提高原网络检测各种大小目标的性能,特别是对小目标的检测提升更为明显,且对系统的实时性影响不大,是提高车辆在多种场景下检测精度的理想选择。

基于红外相机和毫米波雷达融合的烟雾遮挡无人驾驶车辆目标检测与跟踪

战场环境下无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响,对关键目标的检测与跟踪能力大大下降,造成目标漏检、目标误检、目标丢失等严重后果。针对该问题,开发毫米波雷达和红外相机融合系统,采用目标级融合方式建立简洁有效的融合规则,提炼和组合各传感器的优势信息,最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取,并提出改进的基于密度的含噪声空间聚类应用算法,以减少毫米波雷达噪音干扰。以YOLOv4网络为基础,引入MobileNetv2主干网络,在网络训练过程中运用迁移学习方法,同时对红外数据样本进行扩充,解决了红外图像训练样本少的问题。试验结果表明,相较于仅基于红外相机的算法,融合检测算法在烟雾环境下的精度显著提升,且算法实时性高,实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪,提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。

基于毫米波雷达的非视距目标探测和定位方法研究

隐蔽非直视目标探测和定位技术在城市巷战、安防、防暴等领域具有广泛的应用。本文针对L形非视距区域内单目标的探测与定位问题进行研究。首先,对雷达布设位置及可探测区域进行了分析;其次,针对共同可探测区域,设计了多路径联合检测器;最后,基于设计的多径雷达应用系统,利用所提检测定位方法进行实验验证。与现有研究相比,本文的创新点在于:在L形非视距场景下,对宽波束毫米波雷达布设位置及可探测区域进行分析并给出合理建议;其次利用所提多路径联合检测器将不同反射面的多条路径联合使用,提高了检测性能。本文通过实验验证了系统的可靠性及雷达位置对可探测区域的影响,通过仿真与实验探究了所提检测器的性能改善。

融合毫米波与激光雷达的障碍物检测与跟踪方法

在园区环境中,无人车装载单一毫米波雷达或激光雷达传感器进行障碍物检测跟踪时存在探测范围有限、准确率低及稳定性差等问题。为此,提出一种基于毫米波雷达与激光雷达融合的多障碍物检测跟踪方法。利用改进欧氏聚类算法对道路内激光点云目标进行提取,基于信息筛选策略获得毫米波雷达数据中的有效目标;基于目标检测交并比与可靠性分析,对2种目标进行自适应融合,并利用跟踪门与联合概率数据关联(JPDA)算法完成前后帧数据匹配;应用多运动模型交互与无迹卡尔曼滤波实现障碍物跟踪。实车实验表明:相比单一毫米波雷达与激光雷达障碍物检测跟踪,所提方法有更好的准确性与稳定性。

基于纯自注意力机制的毫米波雷达手势识别

在构建智慧控制,万物互联的背景下,通过手势远程控制设备,进行人机交互逐渐成为研究热点。对此,提出了一种以毫米波雷达为传感器,采用基于纯自注意力机制模型实现手势识别的方法。首先,采集正面视角的13类手势的时序回波数据。接着,对数据进行三维快速傅里叶变换(three-dimension fast Fourier transform,3D-FFT)、动目标显示(moving target indication,MTI)、恒虚警率(constant false alarm rate,CFAR)检测操作并进行固定种类特征提取,将这些特征传入基于纯自注意力机制网络的雷达特征变换(radar feature transformer,RFT)网络。最后,基于实测数据完成了数据特征提取、网络训练、手势识别等步骤。实验结果表明,所提方法在测试集上准确率达到95.38%,网络训练时间短,模型复杂度低,泛化性好,为现有研究提供了新的研究思路。

基于改进奇异谱分析的毫米波生物雷达干扰抑制方法

针对毫米波雷达间的互扰会造成生物雷达获取的微弱生命体征信号被淹没,导致无法准确测量呼吸心跳的问题,本文提出基于改进奇异谱分析的方法抑制雷达间互扰,通过相关性计算从受扰信号中选取目标差拍信号重构以抑制干扰和消除背景噪声。进一步提出基于信息熵的集合经验模态分解方法消除差拍信号残留的相位噪声,通过信息熵计算从集合经验模态分解后的固有模态函数分量中选择呼吸和心跳信号以抑制残留噪声。实验结果表明,所提出的方法能有效地从受干扰的信号中恢复呼吸和心跳信号,提高呼吸和心跳的信噪比。因此,本文所提方法提高了生物雷达的抗干扰能力,增强了生物雷达的实用性。

基于半监督生成对抗网络的毫米波雷达跨域手势识别

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法,其性能受限于雷达数据的获取和标注,且其学习样本都来源于单一环境,极大的影响了不同场景下的迁移能力,因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先,通过数据预处理,提取动态混合特征时间图(DFTM)以消除环境干扰,并且对手势动态特征进行更加全面的表征;其次,结合毫米波信号特点进行数据增强,进一步扩充数据量,提高模型泛化能力;第三,针对实际应用中可获得的标记数据通常较少的问题,提出并构建了一个改进半监督生成对抗网络,在原始GAN的基础上增加了分类器,通过生成数据帮助提高分类器辨别能力,同时利用源域中的少量标记数据和目标域中的大量未标记数据,实现域无关的手势识别。实验结果表明,对于新用户、新环境和新位置的平均手势识别准确率分别达到98.21%、95.23%和97.6%。与现有其他手势识别方法相比,本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率,为后续毫米波雷达人机交互提供了新的研究思路。

基于毫米波雷达的心房颤动检测

提出一种基于毫米波雷达的非接触式实时心房颤动检测技术。首先使用60 GHz的PCR毫米波雷达持续采集目标对象的胸部回波信号,然后通过I-Q解调生成I-Q信号,接着基于有效点相位趋势评估法提取信号相位信息并获得微动信号,再经过数字滤波提取呼吸信号和心动信号,通过特征提取获得心脏运动特征,最后基于时域房颤波特征判断房颤发生情况。本研究的创新性主要体现在:为提取更精确的信号相位信息,提出有效点相位趋势评估法;为实现实时房颤检测,提出时域房颤判别方法。实验结果表明本研究的心房颤动检测系统对临床患者的房颤检测准确率达99.2%。

模态联合空域估计的毫米波雷达呼吸心率检测

在毫米波雷达检测人体呼吸率和心率过程中,周围环境存在的静态杂波使得雷达极难分辨人体胸腔运动信息,从而影响了呼吸信号和心跳信号的分离.同时,由于呼吸信号在高频带的谐波分量与心跳信号所处低频带部分的频率相近,很难分离.为解决上述问题,提出了一种模态联合空域估计的检测方法,主要采用单轮集成经验模态分解(SEEMD)算法将胸腔相位信号分解为各模态分量,以消除静态杂波对呼吸心跳信号的影响,再采用多重信号分类(MUSIC)算法将心跳模态分量信号由时域转换到空域中估计其频率,以消除呼吸谐波的影响.实验结果表明,本方法检测下的呼吸率准确率为95.76%,心率准确率为98.76%.与传统算法相比,本文所提方法下的呼吸率和心率估计更为准确.

基于毫米波雷达稀疏点云的人体行为识别方法

目前利用毫米波雷达进行人体行为识别的方法在复杂场景下无法很好地区分相似动作,与此同时模型的鲁棒性和抗干扰能力也相对较差;针对以上两个问题,提出了一种通用的基于毫米波雷达稀疏点云的人体行为识别方法,该方法首先利用K-means++聚类算法对点云进行采样,然后使用基于注意力特征融合的点云活动分类网络进行人体行为特征的提取和识别,该网络可以兼顾点云的空间特征以及时序特征,对稀疏点云的运动有灵敏的感知能力;为了验证所提出方法的有效性和鲁棒性,分别在MMActivity数据集和MMGesture数据集上进行了实验,并在两个数据集上取得97.50%和94.10%的准确率,均优于其它方法;此外,进一步验证了K-means++点云采样方法的有效性,相较于随机采样,准确率提升了0.4个百分点,实验结果表明所提出方法能够有效地提升人体行为识别的准确率,且模型具有较好的泛化能力。

基于BEV占位预测的激光-毫米波雷达融合目标检测算法

激光雷达工作环境中的光束衰减和目标遮挡会导致输出点云出现远端稀疏的问题,从而引起基于激光雷达的3D目标检测算法的检测精度随距离衰减的现象。针对这一问题,提出了一种基于鸟瞰图视角(BEV)空间内目标占位预测的激光-毫米波雷达融合目标检测算法。首先提出了一种简化的BEV占位预测子网络,用于生成位置相关的毫米波雷达特征,同时有助于解决毫米波雷达数据稀疏带来的网络收敛困难的问题。然后,为了实现跨模态特征融合,设计了一种基于BEV空间特征关联的多尺度激光-毫米波雷达特征融合层结构。在nuScenes数据集上进行实验,结果表明,所提出的毫米波雷达分支网络的平均检测精度(mAP)达到21.6%,推理时间为8.3ms。在加入融合层结构后,多模态检测算法较基线算法CenterPoint的mAP提升了2.9%,同时增加的额外推理时间开销仅为8.6ms,在距离传感器30m位置处,多模态算法对于nuScenes数据集中10个类别的检测精度达成率分别较CenterPoint提升了2.1%~16.0%。

Ka波段毫米波云雷达对青藏高原东南缘降水回波的分析

利用丽江站新建的Ka波段毫米波云雷达获得的高时间分辨率的垂直观测资料,结合同址的地面自动气象站和雨滴谱的分钟数据、常规探空数据和附近C波段天气雷达的强度回波,分析了两次降水过程前后云雷达反射率因子Z、径向速度V_(r)、速度谱宽S_(w)的垂直变化规律。分析表明:在发生弱降水时,云雷达Z在垂直方向的变化不明显;但V_(r)、S_(w)值在0℃层稍低位置有一个明显的分界层(融化层),粒子通过融化层后V_(r)、S_(w)都是快速变大,这个变化主要是粒子的相态由固态变成液态引发的,可以通过V_(r)、S_(w)突变值的位置来识别0℃层亮带的高度。从C波段天气雷达回波强度、剖面图及云雷达位置的时间-高度图看,对毛毛雨和小雨的回波,强度和高度差异比较明显,毛毛雨比小雨回波高度低、强度弱,与云雷达相比C波段雷达对高一些的云观测不到,对距离较远的弱降水回波无法观测到;由于相同粒子对不同波长电磁波的散射不一样,造成两种雷达垂直方向观测到的Z变化不同。对比弱降水回波,云雷达在强降水时:Z出现缺口;V_(r)在0℃层以上有较大的正值(弱降水的V_(r)都是负值);在0℃层以上S_(w)变得更大(弱降水时S_(w)在0℃层以上值较小,在0℃层以下较大)。在强降水时,从C波段雷达回波强度时间-高度图看,垂直方向回波强度变化明显,在同一时刻回波强度由地面向空中的变化是逐渐减小的;不同时间同一高度层强度也有变化,云雷达雨衰缺口时段回波明显强于其他时段。在个例分析中,发生分钟降水量在0.3 mm以下强度的降水,云雷达可以观测到完整的云信息;发生分钟降水量在0.5 mm以上强度的降水,云雷达会有严重的雨衰,无法观测到完整的云信息。

基于等分剔除的毫米波雷达恒虚警检测研究

为解决车载毫米波雷达目标检测过程中在相邻多目标情况下会提高检测门限值,从而导致目标遮蔽现象,引发传统恒虚警(constant false alarm rate, CFAR)检测在多目标环境下产生漏检的问题,提出一种等分剔除恒虚警检测算法(equipartition deletion CFAR,ED-CFAR)。通过将目标两侧的参考单元等分取平均值得到子参考单元,对大于所有参考单元平均值的部分进行处理后排序,剔除部分较大子参考单元,计算得到门限值,与目标的信号幅度进行比较判断目标是否存在。仿真结果表明,在多目标检测的仿真场景下,信噪比为10 dB时,ED-CFAR算法的检测概率比单元平均恒虚警(CA-CFAR)算法提高0.39,比筛选平均恒虚警(CMLD-CFAR)算法提高了0.08,有效解决了传统均值类恒虚警检测在相邻多目标条件下的遮蔽问题。

毫米波雷达在台风外围云系研究中的应用

为评估台风条件下毫米波雷达的探测表现,利用上海2018年和2019年4个台风影响期间的毫米波雷达数据,结合雨滴谱仪、静止卫星、S波段天气雷达等资料,探讨了利用毫米波雷达研究台风外围云系的可能性。结果表明:毫米波雷达探测台风外围区域具有良好的性能,对于云降水结构的垂直探测具有一定应用潜力;在降水强度低于5 mm·h^(-1)时雷达对于云顶高度的探测较为准确;提出一种融化层亮带判别方法,亮带识别结果与探空观测一致。对比毫米波雷达与S波段天气雷达降水强度反演,结果显示利用毫米波雷达衰减特征能够实现降水强度廓线的反演,但需要对存在显著雨滴碰并增长的降水进行识别并订正,可为毫米波雷达探测台风外围云系提供参考依据。

毫米波雷达在地下矿井结构三维重建中的应用研究

毫米波雷达技术具有潜在的广泛应用前景,包括高精度三维地下地图制作、矿井安全性提升、勘探效率提高、无须开挖的地质信息获取以及自主导航与定位的潜力。然而,使用毫米波雷达技术也面临着多重挑战,如复杂地质条件下的性能限制、信号穿透性问题、数据处理与解释难题、成本与设备维护以及隐私和法规问题。为了克服这些挑战,提出了技术改进、数据处理工具开发、成本效益分析与资源管理、合规性和隐私保护等解决方法。最后,展望了毫米波雷达技术在地下矿井领域的未来发展前景,强调其在提高矿业行业效率和安全性方面的潜力。

基于毫米波雷达的运动目标点云聚类和扩展算法

用毫米波雷达对运动目标进行姿态识别时,雷达点云数据具有噪点多、分布离散的特征,传统基于密度空间的聚类算法对点云聚类成像的过程中,会出现邻近目标之间的点云分类错误及同一目标点簇聚类为多个点簇等问题。针对上述情况,提出一种运动多目标邻近点云优化聚类算法,利用自适应距离加权的模糊c均值算法对聚类结果进行修正,提高近邻目标点云聚类准确度。同时提出一种目标点簇扩展聚合算法,利用卡尔曼滤波对运动目标位置预测,将多帧迭代三维点云尺寸作为波门对目标点云进行点簇扩展,提高目标点云完整性。试验结果表明,所提方法能有效提高聚类准确度。

一种4D毫米波雷达高分辨角度估计方法

针对4D毫米波雷达中雷达孔径受限导致的角度分辨率不高的问题,提出一种改进的多重信号分类(Multiple Signal Classification,MUSIC)算法。首先通过数据预处理手段,补偿多输入输出(Multiple Input Multiple Output,MIMO)虚拟阵列中目标运动引起的相位误差;接着划分子阵并对角度维数据构成的协方差矩阵进行Toeplitz化处理,利用MUSIC算法估计一维角度;最后采用特征值排序的方法将估计出的俯仰角与方位角进行快速配对。该方法有效提高了4D毫米波雷达角度维估计的分辨率和估计精度,也提高了二维角度估计的计算速度。数值仿真与实物实验验证了所提方法在角度高分辨估计上的性能。

道路场景下毫米波雷达点云聚类处理算法

毫米波雷达具有体积小、分辨率高,可在风、雨、雾等恶劣条件下工作的优点,但由于场景的复杂性在实际工作中会出现点云过分割、虚警等问题。因此,本文提出一种基于马氏距离与欧氏距离结合的自适应DBSCAN聚类算法,依据点云的距离选取相似度度量方法,在密度较大处选择马氏距离,在密度较小处选择欧氏距离,依据“属于同一目标点云,位置、速度、强度接近”这一规律进行筛选。聚类完成后,采用非参数核密度估计算法获取点簇内点云密度,根据点云分布特点估计目标位置,并依据最小二乘法完成多普勒速度分解,估计目标横纵向速度。最后,通过实际道路场景(隧道、公路)测试数据对本文算法的可靠性与稳定性进行验证。

BEV-radar:毫米波雷达-相机双向融合的三维目标检测

在自动驾驶场景下的3D目标检测任务中,探索毫米波雷达数据作为RGB图像输入的补充正成为多模态融合的新兴趋势。然而,现有的毫米波雷达-相机融合方法高度依赖于相机的一阶段检测结果,导致整体性能不够理想。本文提供了一种不依赖于相机检测结果的鸟瞰图下双向融合方法(BEV-radar)。对于来自不同域的两个模态的特征,BEV-radar设计了一个双向的基于注意力的融合策略。具体地,以基于BEV的3D目标检测方法为基础,我们的方法使用双向转换器嵌入来自两种模态的信息,并根据后续的卷积块强制执行局部空间关系。嵌入特征后,BEV特征在3D对象预测头中解码。我们在nu Scenes数据集上评估了我们的方法,实现了48.2 m AP和57.6 NDS。结果显示,与仅使用相机的基础模型相比,不仅在精度上有所提升,特别地,速度预测误差项有了相当大的改进。代码开源于https://github.com/Etah0409/BEV-Radar。