[发明专利]一种基于连续波雷达的车流量统计与车型判别的方法

说明书

技术领域

本发明属于交通雷达目标检测领域，具体涉及一种连续波雷达的车流量统计与车型判别的实现方法。

背景技术

交通雷达是实现智能交通系统的重要组成部分，发展智能交通系统将有效的缓解我国城市交通压力。交通雷达的工作原理是发射雷达信号，雷达波通过物体反射到雷达接收天线。接收信号与发射信号进行混频得到多普勒中频信号。通过一定的雷达信号处理方法获得车辆目标的速度、距离、角度等基本信息，然后实现车流量统计、车型判别等功能。这些信息都是根据雷达接收机采集雷达回波信号进行处理、分析得到的。

车流量统计与车型分类的方法是在雷达回波信号的多普勒域上完成的，由于车辆再通过雷达辐射区域时，入射角度减小，速度多普勒频率出现连续衰减的特征。雷达的这一特征与多普勒频率和时间有关，采用短时傅里叶变换方法得到这段时间内车辆目标的时频分析图。图像处理方法可以有效准确的检测出图像中的特征信息，从而实现车流量统计与车型分类的方法。

目前很多根据信号的时频分析图实现目标分类的方法，但是这些方法适用于远场情况。有的适用于交通信息采集领域方法存在处理方法复杂，对设备要求精度高，系统成本高等缺点。

1.Madrid，Juan J.Martinez，JoséR.Casar Corredera，and G.de Miguel Vela.″A neural network approach to Doppler-based target classification.″

利用神经网络的方法进行多普勒特征分类，可以区分飞机、直升机、人、杂波等。该方法应用于远场情况，不适用于交通雷达领域。

2.Xuan Yiguang，et al.″A high-range-resolution microwave radar system for traffic flow rate measurement.″

该方法是基于高度轮廓的分类的，使用大带宽，窄波束的雷达安装于道路的正上方，它具有很高的距离分辨率和空间分辨率，通过测量车身高度随时间的变化情况来判断车型。该方法对系统要求较高，成本较大。

3.孟华东，颢张，基于单频连续波雷达的车型分类方法

该方法通过图像的方法对多普勒频率的时频图进行处理，判别目标的类型。但是该方法 只能应用于单目标的车型判别。不适用于实际的交通雷达领域中。

发明内容

为了解决以上的技术问题，本发明提供了一种连续波雷达的车流量统计与车型判别的实现方法。该识别方法包括如下步骤：

本发明据以采用以下技术方案：

步骤1：雷达接收回波信号，进行相干检波、正交解调等处理得到中频信号，实时采集、处理雷达的中频信号；

步骤2：对采集雷达中频多普勒数据作短时傅立叶变换，得到关于时间、频率联合变化的时频图；

步骤3：对时频图进行二值化、膨化、腐蚀等处理，将处理后的图像作为目标提取准则；

步骤4：提取车辆目标产生的多普勒时频特征，统计时频特征个数来实现车流量检测；

步骤5：遍历每个目标产生的时频特征脊线，记录脊线展宽的最大值进行车型判别。

步骤2中对实时数据做短时傅立叶变换得到时频分析图。雷达测量得到目标的径向速度v_d与雷达发射、接收信号间的延迟有关。所以需要确定雷达与目标间的斜距随时间变化的关系。根据建模可知斜距R(t)的表达如下：

其中，H为雷达安装高度，L为车辆目标与雷达的起始距离，v为车辆目标的速度，θ为雷达与车辆目标的水平偏角。FSK体制雷达的回波按照发射频率分离后得到的数据等同于雷达工作在CW体制下，则分离后得到的中频信号可以表示为：

因为车辆目标处于行驶状态，所以雷达与目标间的斜距实时变化，导致雷达测量的多普勒频率也发生变化。短时傅里叶变换是一种时间、频率的联合分析方法，利用时间-频率二维域来表示多普勒频率的变化。系统采集的雷达实时回波数据进行短时傅里叶变换得到时频分析图，图像中的横坐标代表多普勒频率，纵坐标代表时间，每个像素点代表在该时刻下多普勒频率的能量值。