德州仪器毫米波传感器重塑雷达市场格局——TI汽车雷达产品营销总监Sudipto Bose和TI工业雷达产品营销总监Robert Ferguson谈毫米波雷达解决方案

随着辅助驾驶、自动驾驶、车联网等智能化需求的不断涌现,汽车雷达市场在面临不断提高的技术性能挑战的同时,也迎来了蓬勃发展的机遇。77 GHz雷达解决方案近两年成为半导体厂商的发展重点。之前各厂商所推出的毫米波雷达方案受工艺所限,多为分立器件构成,在产品尺寸和成本方面尚难以满足毫米波雷达大规模普及需求。TI基于CMOS工艺的毫米波传感器的发布有望实现突破,毫米波雷达市场格局也将重塑。     

汽车巡航控制用传感器进展

自主智能巡航控制系统利用前视雷达传感器收集前方道路上交通和障碍物的信息。毫米波雷达和激光雷达是常用于汽车自主智能巡航控制的雷达传感器 ,介绍了这两种汽车传感器的工作原理、技术指标和发展趋势     

基于改进DPC的毫米波雷达聚类研究

针对路侧毫米波雷达多目标跟踪过程中存在因检测数据分布不均匀、噪点多导致聚类精度差等问题，提出一种基于改进DPC的毫米波雷达聚类方法。改进算法利用由目标点云的空间分布特性所确定的目标捕获范围获得正确的密度峰值点，同时引入交叉熵以选取合适的聚类中心阈值，获得正确的聚类中心和分类数量，改善了原算法聚类中心存在偏差和雷达远端目标区分度不足的缺点。通过使用77GHz毫米波雷达进行道路实验，聚类评估结果证明本方法能大幅提升DPC算法在毫米波雷达数据中的聚类精度，更好地适应毫米波雷达点云特征。     

基于微多普勒特征的人体动作识别

针对传统的视觉识别人体动作易受到光照变化、被遮挡和隐私问题等的影响,提出一种基于77 GHz毫米波雷达识别人体动作的方案。首先,使用77 GHz毫米波雷达采集人体动作的雷达回波样本,处理回波样本得到微多普勒频谱图;其次,首次提出一种新的自适应参数整流线性单元激活函数,将该激活函数与Resnet-18网络相结合;最后,将微多普勒频谱图数据集放入该网络训练并分类。实验结果表明,该方案对5种人体动作的平均识别准确率高达97.56%,较Resnet-PReLU网络提高了1.78%,有效地提高了对人体动作的识别精度。     

基于FMCW毫米波雷达的生命探测研究与设计

毫米波雷达能够非接触性地检测电磁波信号,FMCW毫米波雷达传感器能采集生命的呼吸和心跳等特征信号。对FMCW毫米波雷达的原理和人体生命体征信号研究分析,提出了多路信号复用技术探测方法。采用FMCW毫米波雷达传感器,STM32芯片为主控制器的方法,结合Wi-Fi无线通信技术设计一个生命探测系统。经过实验测试,系统可以在短距离非接触条件下探测生命体征信息。     

基于SystemVue汽车雷达系统研究

针对毫米波雷达射频、信号处理以及超分辨测角问题,提出了一种基于SystemVue进行汽车雷达系统设计和信号处理算法设计的方法。首先,利用SystemVue自带的射频库和通用算法库进行雷达系统设计,真实模拟了毫米波射频、天线及目标环境的相互影响;其次,针对快调频的FMCW信号波形,给出了完整的汽车雷达目标距离、速度和角度的信息处理算法流程;最后,针对汽车雷达系统测角精度较低的问题,提出了基于酉变换MUSIC的测角算法,大大降低了汽车雷达超分辨求角的运算量。仿真结果表明,该方法解决了汽车雷达的链路设计、射频指标对雷达信号处理性能影响的评估问题,更真实、更全面地反映了汽车雷达系统的性能,为雷达系统的研究提供了有力依据。     

汽车防撞毫米波雷达研制现状

评述汽车防撞毫米波雷达系统的发展现状及其特性、ＦＭＣＷ雷达系统、研制现状。     

基于双向联想记忆网络的航空雷达在线入侵诊断方法研究

针对传统的航空雷达网络面临的入侵威胁,以及雷达网络存在的入侵诊断检测效率较低,数据匹配速度较慢等问题,提出了一种基于双向联想记忆网络的航空雷达在线入侵诊断方法,构建航空雷达在线入侵诊断模型,对航空雷达网络中的外部数据进行预处理,并获取数据特征以及数据特征的可辨识属性矩阵和决策辨识函数,计算测试参数集的所有特征向量,从而使入侵检测算子的匹配量减少,以此提升数据匹配效率,实现对外部入侵数据的过滤检测,从而对雷达数据网络进行在线监控,有效抵御外部异常数据的入侵,保证了航空雷达网络的安全性;仿真结果表明文章方法有效提高了航空雷达网络的在线数据检测匹配速度,诊断准确率达到93.3％,且对航空雷达的入侵诊断检测效率、误报率、漏报率等方面都有明显改善.     

基于77GHz毫米波雷达的非接触式精确心跳检测

基于多普勒雷达的非接触式心跳检测对于一些特殊场合有着重大的实用价值.然而,准确且快速的心率检测仍面临两大挑战:呼吸的强干扰以及心跳频谱分辨率不足.本文提出了一种基于77 GHz毫米波雷达的心跳检测方法,用于估计心率(HR)和心率奇异性(HRV).首先,提出了一种基于自适应变分模态分解(AVMD)的方法,在呼吸强干扰下精...     

基于红外相机和毫米波雷达融合的夜间行人检测

为了提升夜间环境行人检测的能力,使用红外相机和毫米波雷达进行信息融合.对两传感器数据进行时间配准并分别进行处理,利用改进YOLO算法处理红外图像得到目标类别特征,处理毫米波雷达数据获得目标的距离和速度特征,再建立空间对准模型对两传感器进行目标匹配,最后利用基于特征的融合算法完成夜间行人多模态信息输出.两传感器检测目标首次匹配之后,可以将类别信息反馈给雷达数据处理单元进行记录,当红外图像检测算法漏检时,利用雷达记录的信息补充输出类别特征.通过实验证明该融合算法提升了单一传感器行人检测成功率,在夜间场景具有良好的应用效果.     

汽车自适应巡航系统激光雷达扫描平面定位

基于扫描式激光雷达的基本原理和自适应巡航控制(ACC)系统的工作要求,指出了对激光雷达扫描平面进行定位的目的和意义。通过对2个点目标和楔形块斜面进行扫描测量,确定了激光雷达扫描透镜即激光探头在光学保护罩内的深度和激光扫描平面的高度,并进行了补充实验对测量结果加以验证,证明测量误差在1 cm以内,为确定激光雷达在汽车上的理想安装位置,减小系统误差,避免ACC系统发生误报打下了基础。     

新一代多普勒天气雷达网探测数据对比分析系统

我国即将建成由216部多普勒天气雷达组成的观测网,组网雷达数据对比分析是及时发现雷达网故障、为雷达定标提供参考,提高短时临近天气预报准确率的基础。为解决上述问题,研发了雷达组网数据对比分析系统。首先,针对距离衰减和波束展宽对雷达探测数据的影响,提出利用相邻雷达等距离线垂直剖面内的网格数据进行对比分析;然后,为了满足实时计算需求,提出快速等距离线坐标变换算法,算法可节约85%的计算时间;针对雷达数据空间分布特点,提出三维混合插值算法,以便最大限度保留原始数据特征,提高数据对比分析精度。系统可自动处理相邻雷达时间同步数据,统计分析等距离线垂直剖面内的数据,实现组网数据可靠性和一致性的客观评估分析。实验结果表明,软件系统能够满足组网雷达数据客观评估需求。     

Distributed calculations and simulation of radar image-based navigation

Consideration was given to the simulation of navigation of a moving object by the terrain radar images. An algorithm to model the radar images was described, the problem of the radar image-based navigation was formulated, and the structure and implementation of the simulation software complex based on the distributed calculations in a network of Windows computers was discussed in detail.     

基于可解释网络解耦表征的低成本雷达定位解算方法

为降低调频连续波（FMCW）雷达成本,同时提高定位精度,设计可解释解耦表征模型,该模型由网络解算器、虚假信号生成器以及可解释潜变量三部分组成,首先处理雷达信号获得中频频谱;然后输入到网络解算器中生成位置潜变量;再通过物理机制对潜变量进行转换,生成虚假中频信号频谱;最后,设计局部光滑损失函数对模型进行自监督训练,实现潜变量的解耦物理表征。实验结果表明：所提算法能对雷达系统频谱信号的粗粒度进行超分辨率细化,其机理能有效应对雷达系统的硬件公差、环境噪声、安装误差等问题,并可自动地训练出雷达的解算网络,从而具有大规模室内、机载联网定位的应用潜力。     

Classification of radar clutter using neural networks

A classifier that incorporates both preprocessing and postprocessing procedures as well as a multilayer feedforward network (based on the back-propagation algorithm) in its design to distinguish between several major classes of radar returns including weather, birds, and aircraft is described. The classifier achieves an average classification accuracy of 89% on generalization for data collected during a single scan of the radar antenna. The procedures of feature selection for neural network training, the classifier design considerations, the learning algorithm development, the implementation, and the experimental results of the neural clutter classifier, which is simulated on a Warp systolic computer, are discussed. A comparative evaluation of the multilayer neural network with a traditional Bayes classifier is presented.     

粗集-神经网络在雷达信号识别中的应用研究

信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中关键性的一个环节。为解决雷达信号识别的问题,提出将粗集和神经网络紧密结合建立新的识别模型,该模型充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,能够对雷达信号有效地识别。     

雷达多目标方位测量数据的一种处理方法

多目标数据关联是雷达数据融合过程中的重要一环。针对分布式雷达组网模式 ,在目标批数未知的条件下 ,提出了一种杂波环境下的多目标点迹关联算法。该算法利用雷达对目标的方位测量数据 ,通过引入关联矩阵 ,建立多目标多雷达数据关联数学模型 ,采用模拟退火技术 ,在使似然函数最大化的意义下求取关联矩阵和监视空域中目标的批数。根据多个雷达的多个采样周期的关联矩阵 ,建立各雷达测量数据之间的相关关系 ,为目标跟踪和数据融合提供前提条件。模拟仿真结果表明了算法的有效性。     

Autonomous wireless radar sensor mote for target material classification

Autonomous wireless sensor networks consisting of different types of sensor modalities have been receiving greater attention from researchers due to their versatility and portability. These autonomous sensor networks commonly include passive sensors such as infrared, acoustic, vibration, and magnetic nodes. However, fusion of active sensors in the integrated sensor network, such as Doppler radars, may offer powerful capabilities for many different sensing and classification tasks. In this work, we demonstrate the design and implementation of an autonomous wireless sensor network integrating a Doppler sensor with commercial off-the-shelf components. We investigate the effect of various types of target materials on the measured radar signal as one of the applications of the newly designed radar–mote network. Different types of materials affect the amount of energy reflected back to the source of an electromagnetic wave. We obtain mathematical and simulation models for the reflectivity of different homogeneous non-conducting materials and study the effect of such reflectivity on the classification of targets. We validate our simulation results using real experimental data collected through our autonomous radar–mote sensor network using various types of targets.     

Optimized deployment of a radar network based on an improved firefly algorithm

The threats and challenges of unmanned aerial vehicle (UAV) invasion defense due to rapid UAV development have attracted increased attention recently. One of the important UAV invasion defense methods is radar network detection. To form a tight and reliable radar surveillance network with limited resources, it is essential to investigate optimized radar network deployment. This optimization problem is difficult to solve due to its nonlinear features and strong coupling of multiple constraints. To address these issues, we propose an improved firefly algorithm that employs a neighborhood learning strategy with a feedback mechanism and chaotic local search by elite fireflies to obtain a trade-off between exploration and exploitation abilities. Moreover, a chaotic sequence is used to generate initial firefly positions to improve population diversity. Experiments have been conducted on 12 famous benchmark functions and in a classical radar deployment scenario. Results indicate that our approach achieves much better performance than the classical firefly algorithm (FA) and four recently proposed FA variants.