改进的毫米波雷达静态目标识别与跟踪方法

毫米波雷达在进行静态目标识别时存在目标丢失和信息缺失、识别效果较差的问题。采用一种基于机器学习算法的方法来实现静态物体识别与跟踪。选取雷达检测目标的相对速度和相对距离作为观测量，使用高斯隐马尔科夫模型学习毫米波雷达检测结果的标签数据，获取目标相对距离、相对速度和目标状态之间的非线性关系。结合高斯聚类方法与毫米波雷达数据实现对目标标签结果的预测，通过前向后向算法实现目标跟踪。结果表明，使用的模型能够在受试车车速达到30 m/s时，对140 m远处的静态目标实现良好的识别、预测和跟踪效果。