[发明专利]一种基于峰值比较的FMCW雷达恒虚警目标检测方法

说明书

本发明为一种基于峰值比较的FMCW雷达恒虚警目标检测方法，该方法以OS‑CFAR有序类恒虚警检测方法为基础，通过联合FFT变换结果和第一次检测结果，加入峰值比较法，有效剔除杂波和噪声干扰，并在多目标环境中解决目标之间的遮蔽问题，提高FMCW雷达的目标检测准确率。在峰值比较法下，本发明涉及到的FMCW雷达的目标检测评价指标得到提升，进而说明本发明的有效性和创新性。

技术领域

本发明雷达检测技术领域，特别涉及一种基于峰值比较法的FMCW雷达恒虚警目标检测方法。

背景技术

随着自动驾驶及高级驾驶辅助系统(ADAS)的发展，调频连续波(FrequencyModulated Continuous Wave，FMCW)雷达由于具备高精度、高集成、低成本和能全天候、全天时工作的特性，已被广泛应用到安防监控、智慧消防、医疗看护等领域。目标检测是雷达的核心功能，良好的目标检测效果是决定雷达应用发展前景的关键因素；而雷达系统的目标检测功能主要由恒虚警概率(CFAR)检测算法实现。但目前的恒虚警检测算法均过于重视检测门限值的计算方法，而忽略后续处理，导致检测效果不佳；因此，研究恒虚警目标检测算法对于提高毫米波雷达目标检测能力具有重要意义。

目前在FMCW雷达目标检测过程中，常用的恒虚警检测算法主要有以下几类。

一是均值类恒虚警检测算法(Mean Level CFAR，ML-CFAR)。该方法是通过滑动固定长度的检测窗口，依次计算每个待检测单元的滑动窗口内的背景噪声功率平均值作为本次检测门限的估计值，如果当前估计值大于待检测单元，则表示目标存在；否则目标不存在，此方法称为单元平均恒虚警检测算法(CA-CFAR)。但是该方法仅在均匀高斯背景噪声的情况下具备良好的检测性能，但是在多目标检测环境下，由于目标或者杂波会出现在滑动窗口中，导致对于背景噪声的计算出错，从而检测门限确定错误，致使CA-CFAR检测性能下降。针对该情况，又陆续提出了单元选大平均恒虚警检测算法(GO-CFAR)和单元选小平均恒虚警检测算法(SO-CFAR)，但是前者能够剔除大部分杂波，但容易漏检目标；后者则会导致出现更多的误检现象，虚警控制能力较弱，降低算法的整体检测性能。

二是有序类恒虚警检测算法(OS-CAFR)。该算法来自于数字信号处理中的中值滤波概念。其主要原理是同样是滑动固定长度的检测窗口，对每个待检测单元的所有参考单元进行有序的排列，并依据一定的原则选取其中序列中的一个参考单元作为检测门限的估计值。与CA-CFAR相比，有序类恒虚警检测算法具备较强的鲁棒性，提高检测效果。但是该算法由于需要排序，复杂度远远高于均值类恒虚警检测算法。

如前所述，当前CFAR算法的一些特点：

(1)均是以待检测单元周围的参考单位作为背景噪声功率估计的对象；

(2)均是通过滑动固定长度的检测窗口来遍历所有检测区域；

(3)在数据量上升的时候，算法复杂度和计算量和增加；

上述特点容易造成恒虚警检测算法只注重检测门限计算，而不考虑后续处理，且检测门限的计算方法往往过于复杂，导致FMCW雷达的目标检测方法检测性能较低，适应性不够，在不增加算法复杂度的情况下很难保证较好的检测效果，不利于算法的工程实现和实际应用。

发明内容

针对上述现有技术存在的问题，本发明提供了一种基于峰值比较法的FMCW雷达恒虚警目标检测方法，所述基于峰值比较法的FMCW雷达恒虚警目标检测方法包括：

对FMCW雷达的采样数据进行一维FFT变换，得到一维FFT频谱；

进一步，所述FMCW雷达的采样数据指由FMCW雷达系统的射频前端硬件使用AD采样得到的数字信号，对该数字信号进行一维FFT变换，得到一维FFT频谱。