雷达信号处理方法及设备、计算机可读存储介质与流程

本申请涉及雷达通信技术领域，尤其涉及一种雷达信号处理方法及设备、可读存储介质。

背景技术：

在对车辆进行辅助驾驶时，通过雷达测距以测量车辆之间的距离。使用雷达通信一体化波形可在实现雷达测距的同时，实现车辆之间的通信。

然而，在多目标的情况下，雷达信号处理算法的复杂度较大，无法应用于测速测距系统中。

技术实现要素：

本申请旨在至少解决现有技术中存在的技术问题之一。为此，本申请提出一种雷达信号处理方法及设备、可读存储介质。本申请所提供的雷达信号处理方法通过结合聚类算法和梯度下降求解，以对最大似然函数进行粗估计，并对粗估计结果进行精估计，从而在降低雷达信号处理方法的计算量，并得到精确的预测值。

本申请实施例第一方面提供一种雷达信号处理方法，包括：获取回波信号；根据所述回波信号得到与雷达通信一体化信号相对应的最大似然函数；根据聚类算法对所述最大似然函数进行初步求解，得到第一目标参数集；其中，所述初步求解为粗估计；对所述第一目标参数集进行梯度下降处理，得到第二目标参数集；根据所述第二目标参数集得到目标速度、目标距离。

本申请实施例中雷达信号处理方法包括如下技术效果：通过聚类算法(ap算法)的对最大似然函数进行粗估计，再将粗估计结果当作梯度下降的初始值，用梯度下降方法进行精估计，以降低计算量、复杂度，从而使得算法可被有效地应用于测速测距系统中。

在一些实施例中，所述根据聚类算法对所述最大似然函数进行初步求解，得到第一目标参数集，包括：根据聚类算法对所述最大似然函数预测求解第一目标的距离、速度；根据所述第一目标的距离、速度预测求解第二目标的距离、速度；其中，通过前一级目标的距离、速度进行预测求解下一级目标的距离、速度，以得到预设目标的距离、速度。

在一些实施例中，所述雷达通信一体化信号，表达为：

其中，fc为载波频率，δf为载波间隔，ts为一个ofdm符号的时间周期，sm(n)是一体化信号所承载的信息，q(·)是窗函数。

在一些实施例中，所述回波信号表达为：其中，rk和vk分别表示第k个目标的距离和速度。

在一些实施例中，所述对所述第一目标参数集进行梯度下降处理，得到第二目标参数集，包括：根据所述第一目标参数集得到初始值；对所述初始值进行梯度下降处理及迭代处理，得到所述第二目标参数集。

在一些实施例中，所述根据所述第一目标参数集得到初始值，包括：对所述第一目标参数集进行二维搜索得到最大值点的坐标，并将所述最大值点的坐标作为所述初始值；其中，所述最大值点的坐标为对应点距离、对应点速度的估算值；

或，获取所述第一目标参数集中任一坐标点的坐标，并将所得到的坐标作为所述初始值；其中，所述所得到的坐标为对应点距离、对应点速度的估算值。

在一些实施例中，所述对所述初始值进行梯度下降处理及迭代处理，得到所述第二目标参数集，还包括：对所述初始值进行梯度下降处理及迭代处理，得到至少两个迭代函数；

根据相邻两个次迭代所得到的迭代函数的差值，并比较所述差值、预设阈值得到比较结果；根据所述比较结果控制迭代的次数；所述根据所述比较结果控制迭代的次数，包括：若相邻两次迭代所得到的迭代函数的差值大于预设阈值，则继续迭代；若相邻两次迭代所得到的迭代函数的差值小于预设阈值，则停止迭代；其中，最后一次得到所得的迭代函数为所述第二目标参数集。

在一些实施例中，所述根据相邻两个次迭代所得到的迭代函数的差值，并比较所述差值、预设阈值得到比较结果，还包括：对所述迭代函数进行数值法近似得到偏导数；根据所述偏导数、下降速率得到相邻两个迭代函数的所述差值；对所述差值、预设阈值比较得到比较结果。

本申请实施例第二方面提供一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于：执行上述任一实施例中的雷达信号处理方法。

本申请实施例第三方面提供一种设备，包括：处理器；存储器，其上存储有可在所述处理器上运行的计算机程序；其中，所述计算机程序被所述处理器执行时实现上述任一实施例中的雷达信号处理方法的步骤

本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显。

附图说明

下面结合附图和实施例对本申请做进一步的说明，其中：

图1为本申请一实施例一种雷达信号处理方法的流程图；

图2为本申请又一实施例的雷达信号处理方法的流程图；

图3为本申请一实施例的ofdm雷达通信一体化信号时频图；

图4为本申请再一实施例的的雷达信号处理方法的流程图；

图5为本申请在双目标情况下，速度均方根误差随信噪比变化的仿真图；

图6为本申请在双目标情况下，距离均方根误差随信噪比变化的仿真图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能理解为对本申请的限制。

在本申请的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右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，因此不能理解为对本申请的限制。

在本申请的描述中，若干的含义是一个以上，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本申请的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

在相关技术中，通过雷达对辅助驾驶的车辆进行测距、测速度，以作为辅助驾驶的参数源。

其中，传统的雷达波形只有探测的功能，如果用两种信号分别实现探测和通信功能，那么这两种信号会发生干扰，同时不同的设备间也会发生干扰。雷达通信一体化波形可以用一种信号实现雷达探测和通信的功能，利用这种波形，不仅可以避免信号或设备间的干扰，同时也可以提升频谱利用效率。

例如，传统的ofdm雷达一个脉冲内只发送一个ofdm符号，如果直接用传统ofdm雷达进行通信，通信速率低，而且不易同步。为了提高通信速率，简化同步需求，一体化信号被提出，它与传统ofdm雷达信号不同的是，在一个脉冲内连续传输多个ofdm符号。

然而，在多目标的情况下，ofdm雷达信号处理算法的复杂度较大，无法有效地应用于实际的测速测距系统中。

基于上述问题本申请提供一种雷达信号处理方法，通过所提供的方法以降低算法的复杂度，从而使得算法可以应用于实际的测速测距系统中。

请参照图1，本申请提供一种雷达信号处理方法，包括：步骤s100、获取回波信号；步骤s200、根据回波信号得到与雷达通信一体化信号相对应的最大似然函数；步骤s300、根据聚类算法对最大似然函数进行初步求解，得到第一目标参数集；其中，初步求解为粗估计；步骤s400、对第一目标参数集进行梯度下降处理，得到第二目标参数集；步骤s500、根据第二目标参数集得到目标速度、目标距离。

可以理解的是，在使用ofdm雷达通信一体化模型的通信交互过程中，信号以雷达通信一体化信号的形式进行交互。每一个脉冲包括m个ofdm符号，每一个ofdm符号有n个载波，以提高通信速率。

根据雷达所接收到的回波信号，得到与雷达通信一体化信号相对应的最大似然函数。进一步，根据聚类算法对最大似然函数进行初步求解，得到第一目标参数集；其中，初步求解为粗估计；对第一目标参数集进行梯度下降处理，得到第二目标参数集。其中，梯度下降处理为精确估计。通过对第二目标参数集进行最值求解，以得到预测的目标速度、目标距离。通过引入梯度下降处理，以解决原本最大似然函数求解复杂度过高的问题，从而使得雷达信号处理方法可适用于具体的测速测距系统。

其中，根据雷达所接收到的回波信号，需通过对回波信号进行采样，并将采样得到的回波信号转换为矩阵形式，并构建对应的回波信号模型。

在一些实施例中，在不考虑噪声时，对于k个目标，回波信号表达为：

其中，rk和vk分别表示第k个目标的距离和速度。

对于回波信号，把t＝mts-t～mts叫作第m个采样窗口，其中t为ofdm去掉循环前缀后的长度，ts＝(1+g)t，g是常数，一般取0.25。

在每一个采样窗口内进行n点采样，令rm(t)表示回波信号的第m个采样窗口内的信号，其中，第m个采样窗口的采样值可表示为l＝0,…,n-1。将k个目标的回波信号采样结果写成矩阵形式，可表示为：

其中，f为傅里叶变换矩阵，s(m)为一体化信号中承载的信息，n(m)为高斯白噪声，αk是第k个目标的反射系数，c是光速。

根据回波信号的对应模型得到最大似然函数，以作为粗估计的求解基础参数。

其中，回波信号的最大似然函数为f＝-r^hpar，其中，

r＝[r^t(0)…r^t(m-1)]^t(6)

wk(m)＝f^hs(m)bk(m)(9)

其中，pa为中心矩阵；r是包含回波信号信息的矩阵；r^h为r的共轭转置矩阵。

进一步地，通过聚类算法(ap聚类算法)对最大似然函数进行低精度的粗估计，以初步求解得到第一目标参数集；通过梯度下降处理对第一目标参数集进行精确估计，以求解得到第二目标参数集。第二目标参数集为对最大似然函数进行二次求解所得到的最终目标函数。通过对最终目标函数进行进一步的最值求解的得到预测的目标速度、目标距离。

请参照图2，在一些实施例中，步骤s300、根据聚类算法对最大似然函数进行初步求解，得到第一目标参数集，包括：步骤s310、根据聚类算法对最大似然函数预测求解第一目标的距离、速度；步骤s320、根据第一目标的距离、速度预测求解第二目标的距离、速度；其中，通过前一级目标的距离、速度进行预测求解下一级目标的距离、速度，以得到预设目标的距离、速度。

具体地，待求解目标包括k个。通过前一级目标的距离、速度进行预测求解下一级目标的距离、速度，以进行逐级迭代求解。

请参照图3，在一些实施例中，雷达通信一体化信号，表达为：

其中，fc为载波频率，δf为载波间隔，ts为一个ofdm符号的时间周期，sm(n)是一体化信号所承载的信息，q(·)是窗函数。

通过设置载波频率、载波间隔及窗函数，以将多个载波编码于ofdm符号中，并将多个ofdm符号集成于一个脉冲中。

在雷达测距测速的实际应用中，在一个脉冲内连续传输多个ofdm符号。相对于传统ofdm雷达，通过在单个脉冲中集成多个ofdm符号，以提升雷达通信的通信速率。与此同时，将多个ofdm符号集成于单个脉冲中，可使得雷达信号的同步更加容易。

请参照图4，在待求解目标包括k个目标的情况下，在一些实施例中，步骤s400、对第一目标参数集进行梯度下降处理，得到第二目标参数集，包括：步骤s410、根据第一目标参数集得到初始值；步骤s420、对初始值进行梯度下降处理及迭代处理，得到第二目标参数集。第一目标参数集包括对应目标的速度、距离，则与k点对应的第一目标参数集可表示为(vk,rk)。

例如，第1点对应的第一目标函数表示为：取中心矩阵pa中a矩阵的第一列构建只与v1和r1有关的矩阵通过从第1点对应的第一目标函数(v1,r1)得到对应的坐标估值，并记为和将前k-1步的预测值和分别带入中，得到

故最终得到的矩阵只与第k个目标的参数vk和rk有关通过函数得到第k对应点的估值，记为

即，通过将各个点对应的估值作为梯度下降处理及迭代处理的初始值，以对最大似然函数进行精确估计，从而得到第二目标参数集。

在一些实施例中，步骤s410、根据第一目标参数集得到初始值，包括：步骤s411、对第一目标参数集进行二维搜索得到最大值点的坐标，并将最大值点的坐标作为初始值；其中，最大值点的坐标为对应点距离、对应点速度的估算值。

具体地，对函数进行二维搜索，以得到最大值点。最大值点所对应的坐标为v1和r1的估计值，并记为和

将前k-1步的预测值和分别带入中，并对得到的函数进行二维搜索，找到最大值点，最大值点对应的坐标即为vk和rk的估计值，记为

通过遍历迭代求解各个点所对应的函数，并将函数所对应的最大值点坐标为该点速度、距离的估值，并根据上一级所对应的速度、距离求解下一级的速度、距离，从而得到初步得到第1个至第k个待求解目标所对应的速度、距离。通过将二维搜索得到对各个目标初步估计的速度、距离，并作为梯度下降处理的初始值。

当待求解目标仅包括1个的情况下，在一些实施例中，步骤s410、根据第一目标参数集得到初始值，还可包括：步骤s412、获取第一目标参数集中任一坐标点的坐标，并将所得到的坐标作为初始值；其中，所得到的坐标为对应点距离、对应点速度的估算值。

在待求解目标仅包括1个时，对最大似然函数求解的过程中，并不会陷入部分极值点的问题。故对函数中任一点坐标作为初始值，以作为梯度下降处理及迭代处理的初始值。与此同时，由于在坐标求解的过程中，无需对函数进行二维搜索，因此，与待求解目标包括k个相比较，获取第一目标参数集中任一坐标点的坐标，可少了k次二维搜索操作。

在一些实施例中，步骤s420、对初始值进行梯度下降处理及迭代处理，得到第二目标参数集，还包括：步骤s421、对初始值进行梯度下降处理及迭代处理，得到至少两个迭代函数；步骤s422、根据相邻两个次迭代所得到的迭代函数的差值，并比较差值、预设阈值得到比较结果；步骤s423、根据比较结果控制迭代的次数。

通过相邻两个次迭代所得到的迭代函数的差值，并比较差值、预设阈值得到比较结果，根据比较结果判断当前求解的迭代函数是否符合预设精度。可以理解的是，迭代求解过程持续直至相邻两个次迭代所得到的迭代函数的差值符合预设精度。

在一些实施例中，步骤s423、根据比较结果控制迭代的次数，包括：步骤s4231、若相邻两次迭代所得到的迭代函数的差值大于预设阈值，则继续迭代；步骤s4232、若相邻两次迭代所得到的迭代函数的差值小于预设阈值，则停止迭代；其中，最后一次得到所得的迭代函数为第二目标参数集。

具体地，根据第一目标参数集得到初始值，并对对初始值进行梯度下降处理及迭代处理，将相邻两次迭代所得到的迭代函数差值，以判断是否小于或者等于预设阈值。当对差值、预设阈值所得到比较结果，表征差值小于或等于预设阈值，则说明当前求解的迭代函数已经符合预设精度，并停止迭代。迭代函数包括每一个目标所对应的速度、距离。

在实际应用中，最大似然的过程可以看作无约束优化问题，对于一体化信号而言，最大似然模型中的待优化函数是以矩阵形式给出，由于形式太复杂，难以从结构上对函数进行简化。

如果直接用搜索的方法解决优化问题，复杂度很高，对于k个目标，如果每个目标速度需要搜索m次，距离搜索n次，那么直接搜索需要循环。如果用只用ap算法优化上述问题，可以将多维搜索转换为k次二维搜索的迭代，迭代次数与阈值设置有关，设迭代次数为p，一般而言，对于双目标问题，p<20，就可以达到所需精度，ap算法共需循环pkmn次。

而梯度下降是一个解决无约束优化问题的有效方法，但受初始值影响较大，又陷入局部极值的风险，不能得到预测结果。

在本申请通过结合聚类算法和梯度下降求解，利用聚类算法(ap算法)的对最大似然函数进行粗估计，再将粗估计结果当作梯度下降的初始值，用梯度下降方法进行精估计，以降低计算量，同时也能得到精确的预测值。

聚类算法进行粗估计仅需要进行k次二维搜索，便可进行梯度下降。此外，梯度下降的次数与初始值和下降速率有关。若设梯度下降的次数为q，则对于双目标而言，q<50，就可以达到所需精度，共需循环kmn+q次。

在粗估计的过程中，搜索精度一般为只用ap算法搜索精度的1/h，一般h＝10，所以ap和梯度下降的结合算法共需要进行kmn/h+q次循环即可。

在一些实施例中，步骤s422、根据相邻两个次迭代所得到的迭代函数的差值，并比较差值、预设阈值得到比较结果，还包括：步骤s4221、对迭代函数进行数值法近似得到偏导数；步骤s4222、根据偏导数、下降速率得到相邻两个迭代函数的差值；对差值、预设阈值比较得到比较结果。

可以理解为，最大似然函数表达为：f＝-r^hpar。当中f有2k个自变量，则目标函数也可以写作f(v1,…vk,r1,…,rk)＝-r^hpar。

进一步地，最大似然函数则表达为(v1,r1,…vk,rk)＝argminf。

根据第一目标参数集得到初始值，带入最大似然函数中，并进行梯度下降处理及迭代处理，以得到迭代函数。其中，迭代函数包括预测的速度、距离。

对所述迭代函数进行数值法近似得到偏导数，其中偏导数的表达式如下：

根据偏导数、下降速率得到相邻两个迭代函数的差值。其中，根据对速度求偏导所得到的差值为第一差值，根据对距离求偏导所得到的差值为第二差值。具体表达式如下：

第一差值：第二差值：

α为下降速率，通常为一常数，不同的载波数和不同的ofdm符号数一般都需要设置不同的α值。

令阈值为h，当和k＝1…k时，结束循环。

具体地，梯度下降的流程可表示为：

while(终止条件)

end

当梯度下降求解的过程中，每一步迭代后与迭代前的差值的绝对值小于预设阈值，则停止迭代，并将最后一次迭代所求得到的迭代函数作为第二目标参数集。其中，第二目标参数集包括有预测到的目标速度、目标距离。目标速度、目标距离作为最大似然函数求解最终得到的解。

请参照图5、图6，图5横坐标为信噪比，单位为db，纵坐标为速度均方根误差；图6横坐标为信噪比，单位为db，纵坐标为距离均方根误差。

随着雷达通信一体化信号的信噪比提高，本申请所提供的雷达信号处理方法可有效地降低速度均方根误差、距离均方根误差，并提高算法的估测精度。

本申请还提供一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令用于：执行上述任一实施例中的雷达信号处理方法。

在一些实施例中，设备，包括：处理器；存储器，其上存储有可在处理器上运行的计算机程序；其中，计算机程序被处理器执行时实现如任一实施例中的雷达信号处理方法的步骤。

上面结合附图对本申请实施例作了详细说明，但是本申请不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本申请宗旨的前提下作出各种变化。此外，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。