一种面向水面纹理的毫米波LFMCW雷达成像算法

利用毫米波线性调频连续波(LFMCW)雷达探测水面时,静止目标的回波以及噪声通常会淹没水面本身的回波信号,导致采用传统成像算法得到的结果中难以看到水面波浪纹理。针对这一问题,该文提出一种面向水面纹理的毫米波LFMCW雷达成像算法,该算法在距离向上采用Dechirp技术进行距离压缩,在方位向上进行分块处理。方位向分块处理过程中,首先根据静止目标与运动目标回波多普勒频率不同的特性,在频域去除静止目标回波的干扰;然后基于水面电磁散射特性,采用最大似然估计方法估计方位向频谱参数,计算水面回波能量。采用该算法对实测数据进行处理,结果显示该算法能够获得水面纹理信息,成像结果优于传统成像算法。

毫米波LFMCW雷达加速运动目标回波检测与加速度-速度估计

在毫米波线性调频连续波(LFMCW)雷达中,目标加速度存在使回波多普勒信号受到二次项调制,造成多普勒频谱畸变,从而导致目标检测性能下降和参数估计精度损失.采用最大似然模型进行加速运动目标检测和加速度-速度估计,提出了适合在一般高斯噪声环境中(包括色噪声)该模型的速度-加速度联合估计快速算法.另外也推导出了一般高斯环境下Ch irp信号参数估计的CRB界,为一般高斯环境下Ch irp信号参数的方差提供了实际下界.

毫米波LFMCW雷达调频非线性剩余频差的估计

针对LFMCW雷达中调频非线性剩余频率误差的估计问题 ,提出了一种基于过零检测和周期图的参数估计方法 ,详细分析了相位调制正弦信号的过零检测误差 .仿真试验表明 ,该方法能够精确地估计调频非线性剩余频差 ,具有较高的运算效率 。

毫米波LFMCW雷达测距关键算法研究

为提高三角波调制的LFMCW体制雷达测距精度,本文研究了Rife算法和幅相联合内插算法的频率估计性能,并针对Rife算法在量化频率点附近时的估计误差较大这一缺点,提出了一种综合方法。在Rife算法粗估计的基础上确定估计频率的范围,当待估计频率在量化频率点之间时直接使用Rife算法,而在量化频率点附近时用幅相联合内插算法进行修正。最后利用计算机进行了仿真,并在线性调频连续波雷达实验平台进行现场测距验证,证明了综合算法的应用可将系统的测距误差缩小到0.5m范围以内,提高了该雷达系统的测距性能。

基于毫米波LFMCW雷达散射计的地杂波测量方法

研究毫米波雷达的地杂波特性对提高毫米波雷达的目标探测性能和大地遥感具有重要的作用。针对毫米波雷达地杂波测量问题,讨论了地杂波散射系数测量方法,对毫米波线性调频连续波(linear frequency modula-tion continuous wave,LFMCW)雷达散射计的系统校准、有效独立采样数、数据处理中软件门的应用以及减少测量误差等相关技术进行了研究;给出了Ka波段散射计测量灌木丛杂波特性的结果,结果表明在入射角小于15°范围内灌木丛的杂波幅度分布服从瑞利分布。

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。

煤矿巷道空间毫米波雷达测量特性与重建方法

【目的】煤矿井下空间测量是煤矿透明地质建模的重要组成,然而煤矿巷道环境复杂、信息获取不全、感知数据精度不足等难题亟待解决。【方法】首先,深入研究粉尘、水雾、围岩结构等复杂环境因素下毫米波雷达信号特性,建立煤矿巷道围岩毫米波信号衰减模型,对比分析复杂环境因素毫米波雷达的影响机理。其次,针对煤矿复杂环境下毫米波雷达的巷道数字建模问题,提出巷道空间毫米波雷达点云泊松表面重建方法。通过实验测试与模拟巷道环境验证,在揭示煤矿复杂环境条件下的毫米波雷达感知机理基础上,实现了煤矿巷道空间测量与数字建模重构。【结果和结论】结果表明:(1)毫米波雷达能够适应煤矿井下多粉尘、多水雾、围岩粗糙的巷道环境,为煤矿巷道空间重建提供有效数据。(2)泊松表面重建方法能够充分展示真实巷道围岩信息,重建巷道整体宽度的平均绝对误差百分比为0.59%,巷道整体高度的平均绝对误差百分比为0.78%。煤矿复杂环境下毫米波雷达空间测量特性与重建方法的研究,为煤矿井下透明地质建模提供巷道空间测量数据,对推动煤矿智能开采具有重要意义。

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。

光斑密度峰值的毫米波雷达目标检测

毫米波雷达目标检测任务是车辆环境感知的重要组成部分,对恶劣天气条件下的智能驾驶具有重要意义.虽然现有雷达目标检测方法已取得不错的研究成果,但雷达数据仍存在手工设计的特征信息量不足、特征提取不充分以及时序特征未充分利用的问题.为解决这些问题,本文提出光斑密度峰值与神经网络相融合的两阶段目标检测方法.第一个阶段光斑密度峰值聚类算法,对射频图像中的目标进行粗略估计,并生成聚类簇对应的目标候选.将聚类生成的候选目标特征融合到原始射频图像.第二阶段基于通道融合的3D自编码器目标检测网络进一步提取目标多普勒速度和时序特征并分类.实验表明,所提出的两阶段方法与基准实验RODNet(CDC)相比,平均精度指标提升4.3%,平均召回率提升2.3%.

基于注意力机制与特征对抗学习的毫米波与激光雷达融合检测方法

自动驾驶的感知系统在目标遮挡、目标拥挤、远距离目标探测等困难场景下检测性能与可靠性有待提升。为此,提出基于Radar和Lidar数据的深度融合网络模型及对抗训练方法。首先,基于Radar回波缺乏高度和含有较大噪声的特点,设计基于鸟瞰图的联合体素划分和点云增强方法,通过空间和通道注意力的计算建立不同模态特征之间的深度信息融合结构,提升单帧目标检测性能;然后,提出基于对抗学习的多模态数据融合学习算法,提高对两种数据优势特征的利用效率。实验结果表明,所提方法在实际大型驾驶场景数据集nuScenes上达到了领先水平。

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。

机器学习的高精度毫米波雷达测距信号误差补偿方法

毫米波雷达是一种常用的非接触式测距技术,受环境因素以及测量过程中存在的各种误差影响,测距结果可能存在一定的误差。研究误差补偿方法可以有效提高毫米波雷达的测距精度,从而更准确地获取目标物体的距离信息。为此,提出了机器学习的高精度毫米波雷达测距信号误差补偿方法。通过高斯滤波器去除雷达测距信号中的噪声,完成信号的去噪处理。利用模拟插入脉冲计数法和四象限光斑定位法,测量目标物体的距离和角度信息,通过自适应惯性权重与收敛因子优化粒子群算法,并利用优化后的粒子群算法改进BP神经网络,将测量的距离和角度信息输入到改进的BP神经网络中展开训练,即可得到补偿后的雷达测距信号。实验结果表明,该方法的信号处理效果好,补偿后的毫米波雷达测距信号方位角和俯仰角误差接近于0,且信号平滑度较高。

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。

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。

基于毫米波雷达点云数据的室内人员信息检测

在使用毫米波雷达进行室内人员信息检测时,其信号处理阶段采用的静态杂波滤除算法有效地滤除了检测区域中包括墙壁、地面、桌椅等在内的静止目标,实现了对运动人员的检测,但同时会导致静止人员被漏检.为此提出按照径向速度把点云数据划分为动态数据和静态数据,先剔除动态数据,然后累积剩余的静态数据.在达到指定的累积帧数时,进行密度聚类,以簇的数量作为人员的数量,簇的中心坐标作为人员的位置.通过实验,验证了所提出方法的有效性,在室内办公场景下,人员数量统计平均绝对误差为0.81,人员位置估计均方根误差为0.1 m.

基片集成波导馈电的毫米波雷达阵列天线

为了满足毫米波雷达的应用需求,本文设计了一款工作于24 GHz的毫米波雷达阵列天线。该天线由八个1×8单元的微带串馈直线阵列组成平面阵列,每一个线阵采用中心馈电的形式,解决了传统串馈阵列波束偏离阵列法线的问题。同时,利用基片集成波导设计了低损耗的馈电网络,且将馈电网络和辐射贴片排布为两层,大大减小了天线的平面尺寸。此外,本设计中还利用泰勒综合法优化设计了阵列单元的宽度和功分器的分配比例,从而同时优化了天线E面和H面的旁瓣电平。测试结果表明,天线在23.7 GHz~24.2 GHz的频带内|S11|<-10 dB,相对带宽约为2.1%,最大增益为21.1 dB。天线在电场面旁瓣电平小于-20 dB,磁场面小于-23 dB,整体效率约为69%。

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。

基于毫米波雷达的无人驾驶电动汽车换道动态避障控制方法

无人驾驶电动汽车在换道行驶中,难以细致地衡量道路中障碍物的移动状态,从而导致规划后的避障路线不够准确,可能会发生交通事故;对此,提出基于毫米波雷达的无人驾驶电动汽车换道动态避障控制方法;利用电动汽车内置的传感器设备,检测无人驾驶电动汽车的行驶状态和道路环境,判断电动汽车是否满足换道条件;综合考虑电动汽车和动态障碍物的移动状态,对无人驾驶电动汽车换道行为进行决策;采用毫米波雷达技术,设计动态避障控制器,根据决策结果规划换道避障路线,生成控制指令,实现无人驾驶电动汽车换道动态避障控制;通过效果测试实验得出结论:毫米波雷达技术的测量误差能够控制在0.1以内,位置控制误差和碰撞风险明显降低,具有更优的控制效果。

融合毫米波雷达和视频技术的多维目标检测系统

文章提出了一种基于毫米波雷达和视频技术的多维目标检测系统,旨在通过融合2种传感器的优势来提升目标检测的准确性、鲁棒性和全面性。该系统利用毫米波雷达的精确测距、测速和测角能力,结合视频传感器丰富的颜色、尺寸和轮廓信息,实现了对复杂环境中目标的多维度感知与检测。通过时空同步、目标匹配和融合决策算法,该系统有效降低了目标的漏检率和误检率,为智慧交通、自动驾驶、智慧城市等领域提供了可靠的环境感知解决方案。