一种改进调频连续波雷达目标检测的降噪方法与流程

本申请涉及汽车电子技术领域，更具体地，涉及一种改进调频连续波雷达目标检测的降噪方法。

背景技术：

汽车上安装的雷达是高级驾驶辅助系统中的重要传感器之一。雷达用于检测本车附近或者远处的目标，这些目标可以是其他车辆，也可以是行人，或者周围静止目标等。雷达检测这些目标的能力直接与这些目标与其周围背景噪声的信噪比snr直接相关。高snr能够有效地降低误检测的概率，从而改善目标检测能力。

通常，各种目标检测算法在低信噪比的情况下性能都会下降。下面这些情况(但不仅限于)都会导致信噪比下降。比如，当目标在远距离时，传输功率由于距离的损耗导致回波信号能量低；或者目标在靠近雷达视场边缘，其与雷达的夹角为大角度，而天线增益在大角度时增益低于天线零度方位(正前方)从而导致回波能量下降；另外通道的噪声或者接收器的噪声本身比较大的情况下，抬高了底噪从而降低了信噪比。因而提高信噪比成为常用的改善目标检测性能的主要手段。改善接收器底噪虽然可以增加信噪比，但是通过提高发射功率的方法可能不适用于功率受限的系统，比如车载雷达。

技术实现要素：

为克服现有技术中如何提高信噪比的问题，本申请提供一种改进调频连续波雷达目标检测的降噪方法。

一种改进调频连续波雷达目标检测的降噪方法，应用于设置有雷达的汽车电子产品中，所述方法包括：

获取并处理雷达的回波混频信号，生成原始数据矩阵；

将所述原始数据矩阵通过二维自适应滤波器进行滤波；

对滤波后的所述原始数据矩阵进行处理；

其中，所述二维自适应滤波器包括对径向距离维滤波的径向距离滤波器、对多普勒维滤波的多普勒滤波器。

可选地，获取所述回波混频信号，包括：

所述雷达发射连续的线性调频信号，所述线性调频信号的回波被雷达接收后与发射线性调频信号混频的信号，经过adc采样后，生成回波混频信号。

可选地，处理所述回波混频信号，生成原始数据矩阵，包括：

根据所述回波混频信号，建立原始数据矩阵sn(k,l)，其中，n为连续波雷达的第n个接收天线，l为第l个线性调频信号，k为在第l个线性调频信号的回波信号上的第k个采样点。

可选地，所述将所述原始数据矩阵通过二维自适应滤波器进行滤波，包括：

通过所述径向距离滤波器对距离维的径向距离的信号进行滤波；

通过所述多普勒滤波器对多普勒维的多普勒信号进行滤波。

可选地，所述通过所述径向距离滤波器对距离维的径向距离的信号进行滤波，包括：

将径向距离滤波器的第一输入参数a(k)初始化，a(k)是长度为m+1的滤波器系数，即a(k)＝[a0(k)，a1(k)，…，am(k)]；

所述第l个线性调频信号的回波混频信号的原始数据矩阵第k个采样点以及其前m+1个采样点构成中间输入样本它们和第一输入参数a(k)输入至径向距离滤波器中，得到真实信号在第k个采样时刻的估计值y(k)，y(k)与x(k,l)之差生成误差信号en；

根据所述误差信号en和中间输入样本通过自适应算法更新在第k+1时刻时的第一输入参数a(k+1)；

通过第一输入参数a(k+1)对所述线性调频信号的回波混频信号进行迭代计算，输出初次滤波的线性调频信号矩阵。

可选地，所述通过所述径向距离滤波器对线性调频信号矩阵的同一所述线性调频信号进行滤波之后，还包括：

将所述滤波后的线性调频信号矩阵通过快速傅里叶变换获得径向距离信息。

可选地，所述通过所述多普勒滤波器对线性调频信号矩阵的相邻所述线性调频信号进行滤波，包括：

将多普勒滤波器的第二输入参数b(l)初始化b(l)是长度为p+1的滤波器系数b(l)＝[b0(l)，b1(l)，…，bp(l)]；

所述第l个线性调频信号的回波混频信号的原始数据矩阵第k个采样点以及其前p+1个线性调频信号的回波混频信号构成中间输入样本它们和第二输入参数b(l)输入至多普勒滤波器中，得到在第k个采样时刻且第l个线性调频信号的回波混频信号真实信号的估计值y(l),y(l)与x(k,l)之差生成误差信号en(l)；

根据所述误差信号en(l)和中间输入样本通过自适应算法更新第二输入参数b(l)；

通过输入第二参数b(l)对所述原始数据矩阵进行迭代计算，输出再次滤波的线性调频信号矩阵。

可选地，所述通过所述多普勒滤波器对多普勒维的多普勒信号进行滤波之后，还包括：

将所述线性调频信号矩阵通过快速傅里叶变换计算得到多普勒信息。

可选地，所述自适应算法可为归一化最小均方算法或时变最小均方算法或最小二乘法。

可选地，所述根据所述误差信号en和中间输入样本通过自适应算法更新径向距离滤波器在时刻k+1的参数a(k+1)，包括：

通过计算求得，其中，δ是步进常数。

可选地，所述对滤波后的所述原始数据矩阵进行处理，包括：

将所述各通道的线性调频信号矩阵进行非相干叠加处理；

对所述非相干叠加处理后的结果进行恒虚预警检测；

将恒虚预警检测后的结果进行目标检测。

与现有技术相比，本申请的有益效果是：本申请通过二维自适应滤波器来减少汽车雷达信号中有效目标周围的噪声；特别是在距离多普勒图中(rangedopplermap)大大提高目标的幅度与周围噪声幅值的对比度。通过增加这种对比度，目标信号功率与周围噪声的比率增加，从而让基于幅值的目标检测算法，如恒虚警检测法(cfar)可以更有效地检测到雷达回波较弱的目标，从而提高了雷达的目标检测能力。有了较多的散射点被检测到,通过聚类的方法，雷达便可以进一步感知目标的尺寸，进而提供更多的信息，以帮助目标分类。同时，本申请是在软件中完成，因而无需进行昂贵的硬件修改，从而使其更易于在现有算法之上实施。

附图说明

图1为本申请实施例的方法的示意图。

图2为本申请实施例的线性调频信号的回波混频信号的原始数据矩阵的示意图。

图3为本申请实施例的带有二维自适应滤波器的一般雷达信号处理框图。

图4为本申请实施例的用于过滤具有多个通道的雷达数据的二维自适应滤波器框图。

图5为本申请实施例的范围自适应滤波器结构示意图。

图6为本申请实施例的复值多普勒滤波器结构示意图。

图7为本申请实施例的噪声抑制的模型

图8为本申请实施例的滤波过程的图示。a)带有较强噪声的rd。b)径向距离滤波器幅度响应。c)径向距离滤波之后的rd图。d)多普勒滤波器幅度响应。e)经过径向距离滤波和多普勒滤波器之后的rd图。

具体实施方式

下面结合具体实施方式对本申请作进一步的说明。

本申请实施例的附图中相同或相似的标号对应相同或相似的部件；在本申请的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制。

此外，若有“第一”、“第二”等术语仅用于描述目的，主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同)，并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量，而不能理解为指示或者暗示相对重要性。

在如图1所述的实施例中，本申请提供了一种改进调频连续波雷达目标检测的降噪方法，应用于汽车电子产品中，本方法包括：

100，获取并处理雷达的回波混频信号，生成原始数据矩阵；在步骤100中，获取所述回波混频信号，包括：所述雷达发射连续的线性调频信号，所述线性调频信号的回波被雷达接收后与发射线性调频信号混频的信号，经过adc采样后，生成回波混频信号。处理所述回波混频信号，生成原始数据矩阵，包括：根据所述回波混频信号，建立原始数据矩阵sn(k,l)，其中，n为连续波雷达的第n个接收天线，l为第l个线性调频信号，k为在第l个线性调频信号的回波信号上的第k个采样点。

200，将所述原始数据矩阵通过二维自适应滤波器进行滤波；在步骤200中，所述二维自适应滤波器包括对径向距离维滤波的径向距离滤波器、对多普勒维滤波的多普勒滤波器。所述将所述原始数据矩阵通过二维自适应滤波器进行滤波，包括：通过所述径向距离滤波器对距离维的径向距离的信号进行滤波；通过所述多普勒滤波器对多普勒维的多普勒信号进行滤波。

300，对滤波后的所述原始数据矩阵进行处理；在步骤300中，对滤波后的所述原始数据矩阵进行处理，包括：将所述各通道的线性调频信号矩阵进行非相干叠加处理；对所述非相干叠加处理后的结果进行恒虚预警检测；将恒虚预警检测后的结果进行目标检测。

在本实施例中，本申请通过二维自适应滤波器来减少汽车雷达信号中有效目标周围的噪声；特别是在距离多普勒图中大大提高目标的幅度与周围噪声幅值的对比度。通过增加这种对比度，目标信号功率与周围噪声的比率增加，从而让基于幅值的目标检测算法，如恒虚警检测法可以更有效地检测到雷达回波较弱的目标，从而提高了雷达的目标检测能力。有了较多的散射点被检测到,通过聚类的方法，雷达便可以进一步感知目标的尺寸，进而提供更多的信息，以帮助目标分类。同时，本申请是在软件中完成，因而无需进行昂贵的硬件修改，从而使其更易于在现有算法之上实施。

在一些实施例中，获取所述回波混频信号，包括：所述雷达发射连续的线性调频信号，所述线性调频信号的回波被雷达接收后与发射线性调频信号混频的信号，经过adc采样后，生成回波混频信号。在本实施例中，雷达为调频连续波雷达，调频连续波雷达是指发射频率受特定信号调制的连续波雷达。调频连续波雷达通过比较任意时刻回波信号频率与此时刻发射信号的频率的之差方法来得到目标的距离信息，距离正比于两者的频率差。目标的径向速度由获得的多普勒频率呈线性关系。与其他测距测速雷达相比，调频连续波雷达的结构更简单。本申请的回波混频信号为线性调频信号的回波被雷达接收后与发射线性调频信号混频的信号，经过模/数转换器adc采样后，生成离散的回波混频信号。

在一些实施例中，处理所述回波混频信号，生成原始数据矩阵，包括：根据所述回波混频信号，建立原始数据矩阵sn(k,l)，其中，n为连续波雷达的第n个接收天线，l为第l个线性调频信号，k为在第l个线性调频信号chirp的回波信号上的第k个采样点。参见图2，根据线性调频信号建立原始数据矩阵。在本实施例中，每一个发射的chirp信号遇到目标后返回的回波存放在这个矩阵的每一列上，不同的chirp的回波就放在不同列上。对于每一个chirp的回波信号共有k个采样点，因此自适应滤波器对这k个采样点进行噪声抑制，此操作应用于l个chirp。由于这k个采样点里带有跟径向距离相关的信息，因此这第一步的操作是优化了在距离域上的信噪比。这里将在距离维上使用的自适应滤波称为距离滤波器。

在一些实施例中，所述将所述原始数据矩阵通过二维自适应滤波器进行滤波，包括：

通过所述径向距离滤波器对距离维的径向距离的信号进行滤波；

通过所述多普勒滤波器对多普勒维的多普勒信号进行滤波。

在本实施例中，二维自适应滤波器被应用于雷达的每个信道，雷达采集的线性调频信号被排放为如图2所示的矩阵。每一个发射的线性调频信号遇到目标后的回波经混频采样后存放在这个矩阵的每一列上；发射的不同的线性调频信号，其回波经混频采样后排放在该矩阵的不同列上。对每一列的信号进行傅里叶变换便得到跟径向距离相关的信息，因此当本申请里提到的自适应噪声滤波器用在这一列的信号上，就称为径向距离滤波器。通过连续的线性调频信号的各自接收信号的相互关系，便得到运动目标的相对运动信息。因此，本专利提出的自适应滤波器应用在线性调频信号之间时，就称为多普勒滤波器。参见图4，图4为本申请的二维自适应滤波器框图；二维自适应滤波器用于信道1、信道2、…、信道n；每个信道采用相同的二维自适应滤波器，其中，二维自适应滤波器包括径向距离滤波器rangefilter和多普勒滤波器dopplerfilter，且径向距离滤波器和多普勒滤波器输出端均通过快速傅里叶变换模块而得到滤波后的距离维信息以及多普勒维的信息。经过径向距离滤波后，沿距离维，即图2中的行，进行快速傅里叶变换fft。fft的结果是一个复数矩阵信号。因此，要将第二个滤波器应用于速度维，即多普勒维，滤波器必须是复数的。与距离滤波器不同的是，多普勒滤波器应用于多普勒维，即图2中的列，另外其运算需要复数运算。同样，该多普勒滤波器会进一步抑制在多普勒域上的噪声。本专利正是利用这两个滤波器构造了一个二维自适应滤波器，从而在两个维度上有效地抑制噪声。

在上述实施例的一种实施方式中，参见图5，所述通过所述径向距离滤波器对距离维的径向距离的信号进行滤波，包括：

将距离径向滤波器的第一输入参数a(k)初始化，a(k)是长度为m+1的滤波器系数，即a(k)＝[a0(k)，a1(k)，…，am(k)]；

所述第l个线性调频信号的回波混频信号的原始数据矩阵第k个采样点以及其前m+1个采样点构成中间输入样本它们和第一输入参数a(k)输入至径向距离滤波器中，得到真实信号在第k个采样时刻的估计值y(k)，y(k)与x(k,l)之差生成误差信号en；

根据所述误差信号en和中间输入样本通过自适应算法更新在第k+1时刻时的第一输入参数a(k+1)；

通过第一输入参数a(k+1)对所述线性调频信号的回波混频信号进行迭代计算，输出初次滤波的线性调频信号矩阵。

图5为径向距离滤波器的结构示意图，线性调频信号矩阵x(k，l)＝s(k，l)+n(k，l)，其中s(k，l)为真实信号，n(k，l)为噪声，yn(k)是真实信号s(k，l)的估计值。第n个信道的滤波器模块(图5中虚线框内的内容)输出参数en和作为自适应算法的输入。参数en是误差信号，它近似于通道中的噪声。参数是中间输入样本。这两个参数是计算将在下一次迭代中使用的滤波器系数所必需的。第一输入参数a(k)是在自适应算法中得到更新的，即适应过程。滤波器系数α在每个线性调频脉冲的开始时被初始化，即使a0(k)的值为1。随着来自线性调频脉冲的回波被滤波，径向距离滤波器的第一输入参数a(k)被更新。移位寄存器包含值，这些值是算法在适应中使用的中间输入样本。通过第一输入参数a(k)对线性调频信号矩阵进行迭代计算，输出进行初次滤波的线性调频信号矩阵。所述通过所述径向距离滤波器对距离维的径向距离的信号进行滤波之后，还包括：将所述滤波后的线性调频信号矩阵通过快速傅里叶变换获得径向距离信息。在本实施例中，发射信号是线性调频信号，当遇到目标时其回波是一个延迟的线性调频信号，它与发射信号的混频信号是一个正弦信号，傅里叶变换便得到这个正弦波的频率，该频率与目标的距离有直接对应关系。因此通过傅里叶变换获得目标的径向距离信息。

在上述实施例的一种实施方式中，参见图6，所述通过所述多普勒滤波器对线性调频信号矩阵的相邻所述线性调频信号进行滤波，包括：

将多普勒滤波器的第二输入参数b(l)初始化，b(l)是长度为p+1的滤波器系数b(l)＝[b0(l)，b1(l)，…，bp(l)]；

所述第l个线性调频信号的回波混频信号的原始数据矩阵第k个采样点以及其前p+1个线性调频信号的回波混频信号构成中间输入样本它们和第二输入参数b(l)输入至多普勒滤波器中，得到在第k个采样时刻且第l个线性调频信号的回波混频信号真实信号的估计值y(l),y(l)与x(k,l)之差生成误差信号en(l)；

根据所述误差信号en(l)和中间输入样本通过自适应算法更新第二输入参数b(l)；

通过输入第二参数b(l)对所述原始数据矩阵进行迭代计算，输出再次滤波的线性调频信号矩阵。

在本实施例中，图6为多普勒滤波器的结构示意图，线性调频信号矩阵x(k，l)＝s(k，l)+n(k，l)，其中s(k，l)为真实信号经过径向距离的傅里叶变换，n(k，l)为噪声，yn(l)是真实信号s(k，l)的估计值。第n个信道的滤波器模块(图6中虚线框内的内容)输出参数en和作为自适应算法的输入。参数en是误差信号，它近似于通道中的噪声。参数是中间输入样本。这两个参数是计算将在下一次迭代中使用的滤波器系数所必需的。第二输入参数b(l)是在自适应算法中得到更新的，即适应过程。滤波器系数b在每个线性调频脉冲的开始处被初始化，即使b0(l)的值为1。随着来自线性调频脉冲的回波被滤波，多普勒滤波器的第二输入参数b(l)被更新。移位寄存器包含值，这些值是算法在适应中使用的中间输入样本。通过第二输入参数b(l)对线性调频信号矩阵进行迭代计算，输出进行再次滤波的线性调频信号矩阵。所述通过所述多普勒滤波器对多普勒维的多普勒信号进行滤波之后，还包括：将所述线性调频信号矩阵通过快速傅里叶变换计算得到多普勒信息。

在一些实施例中，所述自适应算法为归一化最小均方算法或时变最小均方算法或最小二乘法。所述根据所述误差信号en和中间输入样本通过自适应算法更新径向距离滤波器在时刻k+1的参数a(k+1)，包括：

通过计算求得，其中，δ是步进常数。

图7的框图公开了一个基于最小均方的自适应算法的示例。首先，信号y是真实信号s的估计值。目标是在最小均方意义上最小化误差e：

e＝y-(s+n)

对e取平方：

e²＝(y-(s+n))²

＝y²+s²+n²-2(sy+ny)+2sn

求e²的平均值e(e²):

e(e²)＝e(y²)+e(s²)+e(n²)-2e(sy+ny)+2e(sn).

这里假设s和n不相关。当s是正弦信号，而n是宽带噪声时，它们之间时非相关的。因此上面的假设是成立的。e(e²)的最小值为

e(e²)min＝e(y²)min+e(s²)+e(n²)-2e(sy+ny)max+0.

由于s和n不相关，所以e(sn)＝0。当信号功率大于噪声功率时，且y很接近于真实信号s时，则e(e²)就达到了最小值。

可见，该滤波器实际上是一个带通滤波器，它使得输出y接近真实信号s,因此从另一种意义上讲，噪声的功率被抑制了。如果s是单频正弦信号，那么这个滤波器时一个非常窄的带通滤波器，只允许s通过。而且e(e²)_min等于实际通道的噪声功率。这意味着误差信号e对噪声做到了最理想的估计，因而能被有效的抑制。

对于归一化的lms，系数更新如下：其中δ是步进常数。

同理，第二输入参数b(l)可通过进行计算。

在一些实施中，所述对滤波后的所述原始数据矩阵进行处理，包括：

将所述各通道的线性调频信号矩阵进行非相干叠加处理；在本实施例中，将所述n个通道的傅里叶变换后得到的距离-多普勒图(range-dopplermap)进行合并获得一个合并后的距离-多普勒图。一种有效快捷的方法是对这n个通道的数据进行非相干叠加处理，即non-coherentsum,因此n个矩阵的数据就合并为一个矩阵。

对所述非相干叠加处理后的结果进行恒虚预警检测；在本实施例中，在雷达信号检测中，当外界干扰强度不断变化时，雷达能自动调整其灵敏度，使雷达的虚警概率保持不变，这种特性称为恒虚警率特性。也就是说，进行检测的门限值不是事先固定的，而是随外界强度变化而做相应的调整，因此它是通过找自适应门限值来进行目标检测的。

将恒虚预警检测后的结果进行目标检测。在本实施例中，在雷达信号检测中，当外界干扰强度不断变化时，雷达能自动调整其灵敏度，使雷达的虚警概率保持不变，这种特性称为恒虚警率特性。也就是说，进行检测的门限值不是事先固定的，而是随外界强度变化而做相应的调整，因此它是通过找自适应门限值来进行目标检测的。

参见图3，本申请公开了一种改进调频连续波雷达目标检测的降噪方法，通过调频连续波获取包含信号和噪音的线性调频信号矩阵，先通过径向距离滤波器对线性调频信号矩阵进行初步滤波，再通过多普勒滤波器对其进行再次滤波后。如果有多个通道的情况，可以将滤波后的多通道线性调频信号矩阵进行非相干叠加，再经过恒虚预警检测和目标检测，获取目标列表。参见图8，a)含有较高噪声的rd图。b)径向距离滤波器幅度响应。c)径向距离过滤器之后的rd图。d)多普勒滤波器幅度响应。e)径向距离和多普勒滤波器之后的rd图。通过图8可清晰看到目标的snr显著增加，因此提高了这种弱目标的检测能力。本申请通过二维自适应滤波器来减少汽车雷达信号中有效目标周围的噪声；大大提高目标幅度与周围多普勒rd图中周围噪声的对比度。通过增加这种对比度，目标信号功率与周围噪声的比率增加，从而让cfar可以更有效地检测目标。使雷达可以灵敏地观察到聚类，从而为目标的可能尺寸提供更多信息，以帮助目标分类。同时，本申请在软件中完成，而无需进行昂贵的硬件修改，从而使其更易于在现有算法之上实施。

显然，本申请的上述实施例仅仅是为清楚地说明本申请所作的举例，而并非是对本申请的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本申请权利要求的保护范围之内。