单比特雷达成像系统、方法及相关设备

1.本发明涉及雷达成像技术领域，尤其涉及的是一种单比特雷达成像系统、方法及相关设备。


背景技术：

2.随着科学技术的发展，雷达的应用越来越广泛。现有技术中，通常使用雷达发送雷达信号，然后采集对应的雷达回波信号，通过采集获得的雷达回波信号直接生成雷达图像。
3.现有技术的问题在于，雷达回波信号的数据体量大，因此基于雷达回波信号直接生成雷达图像时需要处理的数据量大，且成像处理过程复杂，不利于提高雷达成像的效率。
4.因此，现有技术还有待改进和发展。


技术实现要素：

5.本发明的主要目的在于提供一种单比特雷达成像系统、方法及相关设备，旨在解决现有技术中基于雷达回波信号直接生成雷达图像时需要处理的数据量大，且成像处理过程复杂，不利于提高雷达成像的效率的问题。
6.为了实现上述目的，本发明第一方面提供一种单比特雷达成像系统，其中，上述单比特雷达成像系统包括：
7.依次通信连接的雷达数据采集模块、雷达数据处理模块和显示模块；
8.上述雷达数据采集模块用于发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；
9.上述雷达数据处理模块用于获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得雷达标注图像并将上述雷达标注图像作为待显示结果；
10.上述显示模块用于输出上述待显示结果。
11.可选的，上述雷达数据处理模块还用于：
12.当上述工作模式为安防模式时，根据上述单比特量化信号生成单比特量化图像，根据上述已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述目标检测结果获取目标信息并将上述目标信息作为待显示结果，其中，上述目标信息包括检测到的目标对象的距离和类别。
13.可选的，上述雷达数据采集模块包括：
14.超宽带脉冲雷达芯片单元，发射天线单元，接收天线单元和单比特采样单元，上述超宽带脉冲雷达芯片单元与上述发射天线单元通信连接，上述接收天线单元经上述单比特采样单元与上述超宽带脉冲雷达芯片单元通信连接；
15.上述超宽带脉冲雷达芯片单元用于生成上述雷达信号，接收上述单比特采样单元
发送的单比特量化信号并向上述雷达数据处理模块发送上述单比特量化信号；
16.上述发射天线单元用于发射上述雷达信号；
17.上述接收天线单元用于接收上述雷达信号对应的回波信号并向上述单比特采样单元发送上述回波信号；
18.上述单比特采样单元用于对上述回波信号进行单比特量化以获得上述单比特量化信号，并向上述超宽带脉冲雷达芯片单元发送上述单比特量化信号。
19.可选的，上述雷达数据处理模块包括：
20.工作模式获取单元，用于获取上述工作模式；
21.单比特量化信号处理单元，用于存储单比特量化软件，并通过上述单比特量化软件对上述单比特量化信号进行处理生成上述单比特量化图像；
22.目标检测单元，用于根据上述已训练的神经网络对上述单比特量化图像进行目标检测以获取上述目标检测结果；
23.雷达图像生成单元，用于在上述工作模式为透视成像模式时根据上述单比特量化信号生成上述雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得上述雷达标注图像，并将上述雷达标注图像作为上述待显示结果。
24.可选的，上述目标检测单元包括：
25.滑窗分割子单元，用于对上述单比特量化图像进行滑窗分割获得多个单比特量化子图；
26.目标检测子单元，用于根据上述已训练的神经网络对上述单比特量化子图进行目标检测以获取上述目标检测结果。
27.可选的，上述雷达图像生成单元包括：
28.全景帧成像子单元，用于在上述工作模式为透视成像模式时根据上述单比特量化信号进行全景帧成像生成全景帧图像；
29.恒虚警检测子单元，用于对上述全景帧图像进行二维恒虚警检测和噪声处理，获得上述雷达图像；
30.标注子单元，用于根据上述目标检测结果对上述雷达图像进行标注获得上述雷达标注图像，并将上述雷达标注图像作为上述待显示结果。
31.可选的，上述雷达数据处理模块还包括：
32.参数设定单元，用于设定雷达采集参数以触发上述雷达数据采集模块根据上述雷达采集参数进行信号发射和采集；
33.目标信息生成单元，用于在上述工作模式为安防模式时根据上述目标检测结果获取上述目标信息，并将上述目标信息作为上述待显示结果。
34.本发明第二方面提供一种单比特雷达成像方法，其中，上述单比特雷达成像方法包括：
35.发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；
36.获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图
像进行标注获得雷达标注图像并将上述雷达标注图像作为待显示结果；
37.输出上述待显示结果。
38.可选的，上述方法还包括：当上述工作模式为安防模式时，根据上述单比特量化信号生成单比特量化图像，根据上述已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述目标检测结果获取目标信息并将上述目标信息作为上述待显示结果，其中，上述目标信息包括检测到的目标对象的距离和类别。
39.本发明第三方面提供一种计算机可读存储介质，上述计算机可读存储介质上存储有单比特雷达成像程序，上述单比特雷达成像程序被处理器执行时实现任意一项上述单比特雷达成像方法的步骤。
40.由上可见，本发明方案中，提供一种单比特雷达成像系统，上述系统包括依次通信连接的雷达数据采集模块、雷达数据处理模块和显示模块；上述雷达数据采集模块用于发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；上述雷达数据处理模块用于获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得雷达标注图像并将上述雷达标注图像作为待显示结果；上述显示模块用于输出上述待显示结果。
41.与现有技术相比，本发明方案中并不直接根据雷达信号对应的回波信号生成雷达图像，而是对回波信号进行单比特量化后获得单比特量化信号，单比特量化之后信号的数据量降低，有利于降低后续处理过程中需要处理的数据量，从而有利于提高雷达成像的效率。同时，将单比特量化信号转换成单比特量化图像，再根据已训练的神经网络对单比特量化图像进行目标检测，利用神经网络的处理能力能够更好的进行目标检测，提高目标检测的效率和准确性，从而有利于提高最后生成雷达标注图像的效率和准确性。
附图说明
42.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
43.图1是本发明实施例提供的一种单比特雷达成像系统的组成模块示意图；
44.图2是本发明实施例图1中雷达数据采集模块的具体结构示意图；
45.图3是本发明实施例图2中雷达数据处理模块的具体结构示意图；
46.图4是本发明实施例提供的一种单比特雷达成像系统的具体应用场景示意图；
47.图5是本发明实施例提供的一种透视成像模式下的单比特雷达成像系统的工作流程示意图；
48.图6是本发明实施例提供的一种安防模式下的单比特雷达成像系统的工作流程示意图；
49.图7是本发明实施例提供的在单个回波信号时回波信号与单比特量化回波信号的对比示意图；
50.图8是本发明实施例提供的在多个回波信号时回波信号与单比特量化回波信号的对比示意图；
51.图9是本发明实施例提供的滑窗分割示意图；
52.图10是本发明实施例提供的一种生成全景帧图像的示意图；
53.图11是本发明实施例提供的一种二维恒虚警检测示意图；
54.图12是本发明实施例提供的一种单目标透视成像识别结果示意图；
55.图13是本发明实施例提供的一种多目标透视成像识别结果示意图；
56.图14是本发明实施例提供的一种单比特雷达成像方法的流程示意图。
具体实施方式
57.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
58.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
59.随着科学技术的发展，雷达的应用越来越广泛。现有技术中，通常使用雷达发送雷达信号，然后采集对应的雷达回波信号，通过采集获得的雷达回波信号直接生成雷达图像。
60.现有技术的问题在于，雷达回波信号的数据体量大，因此基于雷达回波信号直接生成雷达图像时需要处理的数据量大，且成像处理过程复杂，不利于提高雷达成像的效率。
61.同时，在使用超宽带雷达进行扫描时，雷达通过平台进行移动，以实现对场景的扫描，现有的雷达成像算法(如bp算法、rd算法)的实时性难以达到要求，需要处理的数据量过大也会影响实时性，且需要准确获取平台的速度、位置等信息以进行精细补偿。
62.在一种应用场景中，可以根据单比特量化的方式减小需要处理的数据量。但在雷达成像技术领域中，将雷达的回波信号进行单比特非线性量化处理后获得的信号是非线性的，非线性的单比特量化信号在进行目标检测的过程中处理难度大、复杂度高，且传统的雷达信号处理算法难以实现对其进行较好的处理，因此不利于提高雷达目标检测的效率。
63.为了解决上述多个问题中的至少一个问题，本发明方案中，提供一种单比特雷达成像系统，上述系统包括依次通信连接的雷达数据采集模块、雷达数据处理模块和显示模块；上述雷达数据采集模块用于发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；上述雷达数据处理模块用于获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得雷达标注图像并将上述雷达标注图像作为待显示结果；上述显示模块用于输出上述待显示结果。
64.与现有技术相比，本发明方案中并不直接根据雷达信号对应的回波信号生成雷达图像，而是对回波信号进行单比特量化后获得单比特量化信号，单比特量化之后信号的数据量降低，有利于降低后续处理过程中需要处理的数据量，从而有利于提高雷达成像的效
率。同时，将单比特量化信号转换成单比特量化图像，再根据已训练的神经网络对单比特量化图像进行目标检测，利用神经网络的处理能力能够更好的进行目标检测，提高目标检测的效率和准确性，从而有利于提高最后生成雷达标注图像的效率和准确性。
65.同时，本实施例中还进一步采用滑窗分割子图的方式，将上述单比特量化图像进行滑窗分割获得多个单比特量化子图，然后再使用已训练的神经网络处理各个单比特量化子图。结合单比特量化和滑窗分割子图的方式，可以减小数据量以及每次处理的矩阵大小，从而提高雷达扫描的实时性。
66.进一步的，本实施例中还采用超宽带雷达，能够实现穿透障碍物的目标检测，提高目标检测和雷达扫描效果，从而提升用户使用体验。
67.如图1所示，本发明实施例提供一种单比特雷达成像系统，具体的，上述系统包括：
68.依次通信连接的雷达数据采集模块1、雷达数据处理模块2和显示模块3；
69.上述雷达数据采集模块1用于发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；
70.上述雷达数据处理模块2用于获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得雷达标注图像并将上述雷达标注图像作为待显示结果；
71.上述显示模块3用于输出上述待显示结果。
72.具体的，本实施中，通过雷达数据采集模块1向需要进行扫描的目标区域发射雷达信号，接收目标区域内的物体反射回来的回波信号，从而进行雷达扫描。
73.进一步的，上述雷达数据处理模块2还用于：当上述工作模式为安防模式时，根据上述单比特量化信号生成单比特量化图像，根据上述已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述目标检测结果获取目标信息并将上述目标信息作为待显示结果，其中，上述目标信息包括检测到的目标对象的距离和类别。
74.具体的，上述目标信息可以通过神经网络提取目标对象的微多普勒信息(例如在本实施例中可以包括对应人体的心跳呼吸等复合信息)后通过目标检测和目标分类后获得。具体的，根据微多普勒信息可以对目标对象进行分类从而识别出扫描到的人体，从而根据人体在图像中的位置确定人体与测量位置(或单比特雷达成像系统)之间的距离。
75.上述工作模式是单比特雷达成像系统的工作模式，本实施例中提供两种工作模式，包括透视成像模式和安防模式，在透视成像模式中上述单比特雷达成像系统进行移动，例如通过设置在一个可移动平台上进行移动，从而实现对目标区域的扫描，可以探测目标区域中障碍物后方是否存在目标对象(人体目标或者角反目标)，并在生成的雷达图像上进行标记和输出，从而方便用户获知障碍物后方是否存在目标对象。上述安防模式下单比特雷达成像系统则不进行移动，且不需要对障碍物后方的目标对象进行扫描和雷达图像标记，只需要在进行目标检测之后根据检测的结果生成对应的目标信息(包括扫描到的目标对象的距离和类别)并输出即可。
76.本实施例中，如图2所示，上述雷达数据采集模块1包括：
77.超宽带脉冲雷达芯片单元11，发射天线单元12，接收天线单元13和单比特采样单
元14，上述超宽带脉冲雷达芯片单元11与上述发射天线单元12通信连接，上述接收天线单元13经上述单比特采样单元14与上述超宽带脉冲雷达芯片单元11通信连接；
78.上述超宽带脉冲雷达芯片单元11用于生成上述雷达信号，接收上述单比特采样单元14发送的单比特量化信号并向上述雷达数据处理模块2发送上述单比特量化信号；
79.上述发射天线单元12用于发射上述雷达信号；
80.上述接收天线单元13用于接收上述雷达信号对应的回波信号并向上述单比特采样单元发送上述回波信号；
81.上述单比特采样单元14用于对上述回波信号进行单比特量化以获得上述单比特量化信号，并向上述超宽带脉冲雷达芯片单元11发送上述单比特量化信号。
82.本实施例中，使用上述雷达数据采集模块1作为雷达前端来实现雷达信号的发射、回波信号的接收、模拟端处理、数字端单比特采样以及数据传输和处理等过程。具体的，在上述超宽带脉冲雷达芯片单元11中使用数模转换器(dac，digital-to-analog converter)产生电压波形数据并利用电压控制振荡器(vco，voltage controlled oscillator)产生发射信号，发射信号由27mhz的晶振提供稳定的时钟信号，经过243mhz的锁相环进行分频，形成两路信号，其中一路通过1215mhz的锁相环，最终通过发射器发射高斯脉冲，将该高斯脉冲作为上述雷达信号，上述雷达信号通过上述发射天线单元12(即tx)进行发射，具体的，本实施例中，向需要进行雷达扫描的区域发射雷达信号。通过接收天线单元13(即rx)对该区域的回波信号进行采集。
83.本实施例中，还对上述回波信号进行低噪放大和消除低频杂波后再将处理后的回波信号输入单比特采样单元14进行单比特量化，以进一步提高雷达成像的效果。具体的，接收天线单元13采集的回波信号经过低噪放大器(lna)后通过高通滤波器消除低频杂波以获得处理后的回波信号，处理后的回波信号输入单比特采样单元14(即一个单比特adc单元)进行处理，获得单比特量化信号。进一步的，上述单比特采样单元14可以通过串口外设接口(如spi总线)传回上述超宽带脉冲雷达芯片单元11，由此获取到了单比特超宽雷达的回波信号对应的单比特量化信号。
84.其中，上述单比特采样单元14可以具体为一个单比特采样器，用于将信号量化为0或1的形式，从而极大降低数据量，也可以提高该信号在后续处理过程中的处理效率。需要说明的是，本实施例中，上述单比特采样器实际上通过软件处理的方式(例如调用matlab中的函数)实现回波信号的单比特量化。
85.本实施例中，如图3所示，上述雷达数据处理模块2包括：
86.工作模式获取单元21，用于获取上述工作模式；
87.单比特量化信号处理单元22，用于存储单比特量化软件，并通过上述单比特量化软件对上述单比特量化信号进行处理生成上述单比特量化图像；
88.目标检测单元23，用于根据上述已训练的神经网络对上述单比特量化图像进行目标检测以获取上述目标检测结果；
89.雷达图像生成单元24，用于在上述工作模式为透视成像模式时根据上述单比特量化信号生成上述雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得上述雷达标注图像，并将上述雷达标注图像作为上述待显示结果。
90.需要说明的是，本实施例中以设置单比特量化信号处理单元22并在其中存储单比
特量化软件为例进行说明，实际使用过程中也可以直接调用matlab中的现有函数实现单比特量化，在此不作具体限定。
91.具体的，本实施例中，上述雷达数据处理模块2为基于树莓派系统的处理模块，上述雷达数据处理模块2通过usb接口与雷达数据采集模块1进行通信连接。在一种应用场景中，上述雷达数据处理模块2通过moduleconnector模块与雷达数据采集模块1进行通信连接，上述雷达数据处理模块2可以利用python编程开发。在上述雷达数据处理模块2中，设置雷达采集参数，其中，上述雷达采集参数包括脉冲重复频率prf，脉冲重复频率用于确定雷达方位维的分辨率、距离维采样点数，距离维采样点数越大，采样精度越高。上述雷达采集参数可以由用户根据实际需求预先设定，或通过多次实验进行对比后确定，在此不作具体限定。
92.进一步的，透视成像模式下，在上述雷达数据处理模块2中，将雷达回波对应的单比特量化信号进行存放处理，具体通过软件处理的方式将单比特量化信号转换成图片，将转换后的图片输入已训练的神经网络中得到目标检测结果。然后通过快速成像算法生成雷达成像，通过二维恒虚警检测技术，去掉雷达图像周围的噪声干扰，获得干净的二维恒虚警检测结果(即干净的雷达图像)。最终将目标检测结果标注到雷达图像上获得待显示结果，通过控制命令让显示模块3输出待显示结果。
93.本实施例中，上述目标检测单元包括：滑窗分割子单元，用于对上述单比特量化图像进行滑窗分割获得多个单比特量化子图；
94.目标检测子单元，用于根据上述已训练的神经网络对上述单比特量化子图进行目标检测以获取上述目标检测结果。
95.如此，对单比特量化图像进行分割获得各个单比特量化子图，然后通过目标检测子单元对各个子图进行目标检测，有利于降低计算复杂度，提高目标检测的效率，结合所有子图对应的检测结果即可获得目标检测结果。其中，分割的子图中包含整个场景的局部信息，其中部分子图包括目标对象的信息，部分子图不包括目标对象的信息或者包括其它对象(例如障碍物)的信息。具体的，分割后的单比特量化子图中可能包含目标对象对应的微动信息，可以基于微动信息进行目标检测。其中，上述已训练的神经网络预先根据训练数据集进行迭代训练获得，训练数据集中包括多个训练单比特量化图像及其对应的真实标注结果，将训练单比特量化图像输入神经网络中生成对应的训练检测结果，根据真实标注结果和训练检测结果之间的损失值(即差异)对神经网络的参数进行调整，直到满足预设训练条件(例如迭代次数达到迭代阈值，或损失值小于预设的损失阈值)以获得已训练的神经网络。
96.在一种应用场景中，上述已训练的神经网络用于对输入的图片中的目标对象的微多普勒信息进行检测，对应于图片中灰度的不同可以分辨障碍物后的目标。上述神经网络的输入是图片，输出是张量(或向量)，不同的张量对应不同的目标分类结果，即可以输出分类的结果(本实施例中类别包括没有目标对象、包括人体目标和包括角反)。
97.具体的，上述雷达图像生成单元包括：全景帧成像子单元，用于在上述工作模式为透视成像模式时根据上述单比特量化信号进行全景帧成像生成全景帧图像；恒虚警检测子单元，用于对上述全景帧图像进行二维恒虚警检测和噪声处理，获得上述雷达图像；标注子单元，用于根据上述目标检测结果对上述雷达图像进行标注获得上述雷达标注图像，并将
上述雷达标注图像作为上述待显示结果。
98.本实施例中采用的快速成像算法具体为全景帧成像算法，需要说明的是，通过全景帧成像算法生成的全景帧图像是整个扫描的场景的大致图像，而经过针对雷达的回波信号软件处理后获得的单比特量化图像体现的是雷达回波信号对应的原始信息(不能直接体现出场景的图像)。单比特量化图像用于进行目标检测，而上述全景帧图像用于体现场景的大致样子(可以体现目标和场景的相对位置)，从而将目标检测识别出的结果进行标注。
99.进一步的，本实施例中还通过恒虚警检测子单元对上述全景帧图像进行二维恒虚警检测和噪声处理，从而去除全景帧图像中的其它物体，仅保留目标对象，本实施例中的目标对象可以包括人体和角反。需要说明的是，根据对单比特量化图像分割子图时的分割结果可以确检测结果中各个目标对象的位置从而进行标注。具体的，在进行子图的划分时，会保存子图的大小和坐标，即可以保存子图(即单比特量化子图)与全局图(即单比特量化图像)之间的映射关系，而单比特量化图像与单比特量化信号之间也有对应关系；雷达图像(或全景帧图像)通过单比特量化信号处理得到，也存在一个映射，通过相互的映射关系，就可以得到子图和雷达图像的关系，从而可以实现对目标对象的位置的确定，进而实现标注。需要说明的是，在未进行子图分割的情况下，也可以直接根据单比特量化图像与单比特量化信号之间的对应关系以及雷达图像与单比特量化信号之间的对应关系来确定各个目标对象的位置，在此不作具体限定。
100.进一步的，本实施例中，上述雷达数据处理模块2还包括：
101.参数设定单元，用于设定雷达采集参数以触发上述雷达数据采集模块根据上述雷达采集参数进行信号发射和采集；
102.目标信息生成单元，用于在上述工作模式为安防模式时根据上述目标检测结果获取上述目标信息，并将上述目标信息作为上述待显示结果。
103.需要说明的是，本实施例中设置两种工作模式，在安防模式(即单比特雷达成像系统)不移动的模式下不需要生成雷达图像，只需要生成检测到的目标对象对应的目标信息(即距离和类别)并输出即可。
104.图4是本发明实施例提供的一种单比特雷达成像系统的具体应用场景示意图，如图4所示，在透视成像模式中，通过发射天线单元12向具有障碍物的实际场景发送雷达信号，并通过接收天线单元13采集对应的回波信号，其中雷达信号超宽带雷达芯片单元11生成的高斯脉冲。接收天线单元13将回波信号返回雷达信号超宽带雷达芯片单元11并传输到雷达数据处理模块2，雷达数据处理模块2生成对应的雷达标注图像之后通过控制指令控制显示模块3显示对应的雷达标注图像，即显示成像场景以及基于目标检测的标记结果。
105.图5是本发明实施例提供的一种透视成像模式下的单比特雷达成像系统的工作流程示意图，图6是本发明实施例提供的一种安防模式下的单比特雷达成像系统的工作流程示意图。如图5和图6所示，本发明实施例中，在透视成像模式下，会根据单比特量化信号生成全景帧图像，并且通过二维恒虚警检测和处理后获得雷达图像，并将目标检测结果在雷达图像上进行标注并最终显示雷达标注图像，从而实现透视成像的效果。而在安防模式中只需要显示通过目标检测结果获得目标信息即可，无需进行雷达成像。
106.需要说明的是，本实施例中上述单比特雷达成像系统采用高斯脉冲雷达，发射的雷达信号为g(t)，且如下公式(1)所示：
[0107][0108]
其中，t代表快时间，τ为慢时间，ωc为中心频率的角速度，v
tx
为发射雷达信号的频率。本实施例中从软件层面实现雷达回波单比特，使用符号函数对接收的回波信号进行单比。需要说明的是，本实施例中以回波信号是在发射的雷达信号上进行延时为例进行说明，即回波信号为sr(t-t0)。具体的，根据如下公式(2)获取单比特量化信号sg(t)：
[0109][0110]
其中，sr(
·
)代表接收的回波信号，t0为延时，sign(
·
)为符号函数。
[0111]
图7是本发明实施例提供的在单个回波信号时回波信号与单比特量化回波信号的对比示意图，图8是本发明实施例提供的在多个回波信号时回波信号与单比特量化回波信号的对比示意图。结合图7和图8可知，经过慢时间的积累，回波信号图中的斜距历程(图中框出的部分所示)，依然可以在单比特后的单比特量化信号图中观察到(图中框出的部分所示的纹理)，多普勒维的信息未全部丢失，在一定的角度范围内，目标是慢变的；人体目标散射特性也是慢变的，再加上人体目标的呼吸、心跳、肢体动作作用附加的微多普勒调制，使得单比特量化信号中目标的纹理信息不同，所以使用单比特量化信号也可以达到识别人体目标和其他目标的效果。并且使用单比特量化信号在传输时能更省空间，由于本系统雷达采集的是16位数据，得到的数据量较大，经过单比特处理后，数据量降为原来的1/16。
[0112]
本实施例中，已训练的神经网络为resnet18网络，使用resnet18网络识别人体目标和其他目标。图9是本发明实施例提供的滑窗分割示意图，在上述神经网络处理图像时，过大的图片虽然包含丰富的信息，但是更多的是包含全局信息，对局部信息的反应不敏感，而分割后的子图能更好的体现局部信息，使得网络把注意放在对局部信息的学习上。本系统的分割从距离维上看，通过对距离维的分割，可以达到粗略测距的效果(例如分割成10个图片，第1个图片就是表示0-1米，即粗略测距)，通过对方位维的分割，兼顾微动特征和计算复杂度，在全局图中，雷达回波采集方位维有10s的积累，在对人体目标呼吸和心跳等微动特征的识别不需要那么长时间的积累，通过方位维的分割，达到减少计算复杂度的效果。全局图中也包含多类目标和隐含的不同距离下对应的目标，对全局图采取滑窗分割的处理，达到了对不同距离下目标信息的采集，也达到了对多类目标的采集。采取滑窗分割全局图的策略，既兼顾了微动特征的提取，也提高了数据采集的效率。在一种应用场景中，也可以直接进行图像均分而不采用滑窗分割的方式，在此不作具体限定。
[0113]
图10是本发明实施例提供的一种生成全景帧图像的示意图，且图10中分别示出了由回波信号直接生成的全景帧图像和根据单比特量化信号生成的全景帧图像。本实施例中，雷达系统的回波数据量为m
×
n(m对应距离维数据量，n对应方位维数据量。假设n为回波数据的方位维数据量，n为单帧回波数，成像处理步长为s，全零空矩阵的行数和列数分别为m/2和(n-n)/s。采用子孔径成像的方式，就回波数据模型来说，横坐标表示脉冲发射个数，纵坐标表示距离维采样点数，每个子孔径图像包含n次回波数据，步进长度为s次回波，第一帧处理第1到n次回波，第二帧处理第1+s到n+s次回波，以此类推，直至处理到第n次回波，hrrp按上述子孔径划分后得到(n-n)/s帧sar图像。
[0114]
对每帧图做方位维fft，依次提取每帧中多普勒中心频率的数据进行全景估计，得到场景的条带图。实际处理过程为：对第一帧图做方位维fft，提取第id列的数据作为条带图的第一列，对第二帧图做方位维fft，提取第id列的数据作为条带图的第二列。以此类推，得到一帧包含场景全部数据信息的图像。其中，雷达工作在正侧视下时，依次提取零频的列数据进行全景重构。
[0115]
在采集雷达回波信号后，通过使用matlab程序做算法仿真，得到的结果如图10所示。在图10中，对同一个场景分别采取了高精度成像算法和单比特成像算法，分别对应获得回波信号全景帧图像和单比特量化信号全景帧图像，例如，通过分别处理1到50次回波作为第一帧，11到60次回波作为第二帧，
……
，741到790次回波作为第75帧，将这75帧的每一帧都提取出第id列拼接成一张图片，从而构建出雷达全景帧图像。通过对比可以发现两种方式都能够清楚得到目标信息，但是使用全景帧算法处理单比特数据不仅加快了成像速度，更大量的减少了数据量，而且得到的图像仍然可以明显的看到目标。
[0116]
本实施例中，采用二维恒虚警检测的方式去除噪声。恒虚警检测的作用是以恒定的恒虚警率从回波信号中检测出目标信号而不受背景杂波的影响，常采用邻近单元平均进行二维单元平均恒虚警检测(2d-ca-cfar，2dimensional cell average constant false alarm rate)。图11是本发明实施例提供的一种二维恒虚警检测示意图，如图11所示，将训练单元内所有单元求和取平均得到单元平均m，将m乘以阈值因子a来计算检测阈值th，然后将th与检测单元cut作比较，若cut》th，则判断目标已经出现并输出该谱线的幅度及其谱线序号；若cut《th，则认定目标没有出现，将其幅度置零并输出零幅度。
[0117]
图12是本发明实施例提供的一种单目标透视成像识别结果示意图，图13是本发明实施例提供的一种多目标透视成像识别结果示意图。图12中包括两个框，下方的框标出的目标是人体目标，上方的框标出的是网络误判出来的人体目标。因为本系统训练的时候直接放入雷达回波单比特的图片，人体目标又是一种很微弱的目标，本系统选择的角反目标和人体目标在斜距历程上又有点类似，人体目标不仅包含呼吸心跳的微动特征，在距离维上人体目标也占多个距离单元，心跳和呼吸的微动仅反映到少数的距离单元，所以上方的框表示的距离单元被网络识别成了角反，这个结果在可接受的误差范围之内。需要说明的是，人体目标不仅仅具有呼吸心跳等微动特征，还具有静态特征，角反目标只具有静态特征，反应到雷达的斜距历程上即两者相似，但人体目标在斜距历程上还叠加了微动特征。
[0118]
图13中，右边的一个框标出的是人体目标，左边的两个框标出的是角反目标，同样可以根据距离单元采样点(即图中各个框)对应计算出距离，检测获得人体目标距离为2.5米，角反目标距离为3.8米，而实际场景中人体目标距离为2.8米，角反目标距离为4米，可见测量较为精准，可以满足要求。
[0119]
由上可见，本发明方案中，提供一种单比特雷达成像系统，上述系统包括依次通信连接的雷达数据采集模块、雷达数据处理模块和显示模块；上述雷达数据采集模块用于发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；上述雷达数据处理模块用于获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得雷达标注图像并将上述雷达标注图
像作为待显示结果；上述显示模块用于输出上述待显示结果。
[0120]
与现有技术相比，本发明方案中并不直接根据雷达信号对应的回波信号生成雷达图像，而是对回波信号进行单比特量化后获得单比特量化信号，单比特量化之后信号的数据量降低，有利于降低后续处理过程中需要处理的数据量，从而有利于提高雷达成像的效率。同时，将单比特量化信号转换成单比特量化图像，再根据已训练的神经网络对单比特量化图像进行目标检测，利用神经网络的处理能力能够更好的进行目标检测，提高目标检测的效率和准确性，从而有利于提高最后生成雷达标注图像的效率和准确性。
[0121]
具体的，本实施例中采用树莓派嵌入式平台，采用x4m05超宽带雷达进行数据采集；在软件上实现雷达回波单比特，相对于高精度数据而言，单比特数据量下降了93.75％，采用超快速雷达成像算法对场景成像，使用神经网络提取雷达单比特回波的目标信息，网络识别各类平均准确率90.2％，将得到的识别结果标注到雷达图像上，实现对障碍物后方人体目标的实时探测与识别。需要说明的是，本发明实施例中将单比特技术应用于雷达信号处理中，在极大降低数据量的同时，还有着良好的识别准确率。可选的，还可以采用其它雷达或雷达芯片，或者使用其它处理板来进行雷达控制与信号处理，或者利用其它波形替代高斯脉冲，在此不作具体限定。
[0122]
如图14中所示，对应于上述单比特雷达成像系统，本发明实施例还提供一种单比特雷达成像方法，上述单比特雷达成像方法包括：
[0123]
步骤s100，发射雷达信号，采集上述雷达信号对应的回波信号，对上述回波信号进行单比特量化后获得单比特量化信号；
[0124]
步骤s200，获取工作模式，当上述工作模式为透视成像模式时，根据上述单比特量化信号生成单比特量化图像，根据已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述单比特量化信号生成雷达图像，根据上述目标检测结果对上述雷达图像进行标注获得雷达标注图像并将上述雷达标注图像作为待显示结果；
[0125]
步骤s300，输出上述待显示结果。
[0126]
进一步的，上述方法还包括：当上述工作模式为安防模式时，根据上述单比特量化信号生成单比特量化图像，根据所述已训练的神经网络对上述单比特量化图像进行目标检测获取目标检测结果，根据上述目标检测结果获取目标信息并将上述目标信息作为上述待显示结果，其中，上述目标信息包括检测到的目标对象的距离和类别。
[0127]
需要说明的是，上述单比特雷达成像方法应用于上述单比特雷达成像系统中，因此上述单比特雷达成像方法的各个具体步骤可以参照上述单比特雷达成像系统及其各个模块或单元的具体结构和功能设置，在此不再赘述。
[0128]
需要说明的是，上述单比特雷达成像系统的各个模块的划分方式并不唯一，在此也不作为具体限定。
[0129]
本发明实施例还提供一种计算机可读存储介质，上述计算机可读存储介质上存储有单比特雷达成像程序，上述单比特雷达成像程序被处理器执行时实现本发明实施例提供的任意一种单比特雷达成像方法的步骤。
[0130]
应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0131]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功
能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将上述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0132]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0133]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0134]
在本发明所提供的实施例中，应该理解到，所揭露的系统/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的系统/终端设备实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以由另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
[0135]
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括：能够携带上述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
[0136]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。