[发明专利]一种基于特征的雷达运动目标检测和干扰抑制方法及系统

说明书

本发明提供一种基于特征的雷达运动目标检测和干扰抑制方法及系统，该方法包括使用毫米波雷达连续发射多个线性调频波信号，并通过其接收端采集相应的目标回波信号，对采集到的目标回波信号与发射参考信号进行混频、时频变换，得到每一个距离门上的目标多普勒信息以及目标角度信息，对每个距离点上的目标多普勒信息及角度信息进行组合生成多普勒‑角度图像，对去燥后的多普勒‑角度图像进行特征提取，根据特征提取参数确定采集的信号是否为运动目标信号或干扰、杂波信号，从而实现对目标的检测。本发明通过自动识别出目标和干扰信号来实现对目标的检测，从而避免了在传统信号检测中必须去除干扰信号的复杂过程，可以达到更有效的运动目标检测。

技术领域

本发明涉及自动驾驶安全辅助技术领域，具体涉及一种基于特征的雷达运动目标检测和干扰抑制方法以及应用该方法的系统。

背景技术

随着人类社会的发展和技术进步，自动驾驶是未来汽车技术发展的必然方向。但由于汽车的普及和城市住宅环境的拓展，人们驾驶私家车上下班和购物及办事已经是成为普通工薪阶层的自然选择，但随着城市交通堵塞的日益严重，人们每天行驶在路上的时间也越来越多，安全驾驶私家车也逐渐变成了一种的耗费精神和体力的活动。自动驾驶可以把人们从每天长时间的疲劳驾驶环境中解脱出来，也是未来人们生活中的刚性需求。

但自动驾驶技术中的核心关键技术是感知技术，如果没有及时获取充分的感知信息，即使在有完美的认知和控制技术的条件下，自动驾驶也会完全丧失功能。在自动驾驶感知技术中包括图像感知、毫米波雷达感知和激光雷达感知。其中毫米波雷达主要用于运动目标的检测和测量。

由于在自动驾驶实时环境中，主要不确知的动态障碍物是其它运动的车辆，所以毫米波雷达对动态不确知运动目标的有效检测是自动驾驶中核心的核心。

在现有技术中，毫米波雷达检测运动目标的核心问题是如何去除背景杂波干扰，杂波干扰主要来自于雷达信号发射以后的地面、草地、树木、建筑物和山丘等散射体的回波，由杂波来自于静止的散射体，所以它们的雷达回波多普勒频率是零，而真正的运动目标多普勒频率不是零，常用的去除杂波方法就是两个周期或多个周期的雷达信号对消处理，这样杂波信号会被滤除，但动目标信号由于多普勒频率不是零，所以回波对消以后仍然存在，通过输出信号和检测门限比较就可以实现运动目标的检测，这也就是雷达理论里有名的动目标显示(MTI)和动目标检测(MTD)方法。

另一个常用的雷达动目标检测方法是自适应信号检测也称为自适应时空信号处理(STAP)方法。STAP方法首先需要采样干扰信号并估计干扰杂波信号的协方差矩阵，然后据此设计一个逆滤波器滤除背景杂波信号，剩下只有动目标信号，将之于一个门限比较即可检测到运动目标。但这种方法需要能准确地估计出杂波干扰的协方差矩阵或者说是杂波干扰的二阶统计相关信息。

因此，现有技术存在的问题包括：

1、传统的动目标显示(MTI)或动目标检测(MTD)方法需要背景散射产生的杂波多普勒频率是零，但对于自动驾驶中的毫米波雷达本身是运动的，所以静止的背景也是有相对运动的，所以干扰回波也有非零多普勒信号，所以传统的MTI或MTD方法无法应用对于自动驾驶毫米波雷达动目标检测。

2、自适应时空处理(STAP)方法需要精确估计干扰信号的协方差矩阵，而且检测每个距离门内是否有运动目标都需要完成此估计，不但运算量巨大，而且需要有大量的参考杂波和干扰信号样本估计他们的协方差矩阵。但在自动驾驶环境下，杂波环境不但变化很快，而且基本是各项统计异性的，所以针对每个检测距离内干扰信号发现大量的独立同概率分布的杂波干扰样本几乎不可能的。所以应用STAP方法进行自动驾驶中的动目标检测也不可行。

3、现有的自动驾驶毫米波雷达没有有效的杂波干扰抑制方法，也可能是导致现在自动驾驶车辆频频出交通事故的一个原因。

发明内容