【技术实现步骤摘要】
一种基于毫米波雷达的人员定位方法
本专利技术涉及毫米波雷达信号处理领域，具体是一种基于毫米波雷达的人员定位方法。
技术介绍
毫米波雷达具备全天候的特性，在环境稳健性方面比其他传感器优异很多，因此广泛用于室内人员检测与定位。在统计室内人员个数，稳定输出人员的距离、速度和角度等信息时，传统的CFAR通过二维搜索找到相关的峰值点，但在室内定位密集人群时，参考单元和保护单元很难确定，目标识别存在很多问题，比如距离维CFAR方面，存在以下问题：由于目标和目标之间的间隔很近，经常出现CFAR参考单元刚好也是目标，导致正确目标无法识别；目标附近遮挡下的目标，返回值较低，很难通过CFAR识别。在角度维CFAR方面，由于角度的分辨率比较低，通过传统CFAR基本可以发现目标，但是存在CFAR的点比较多，无法比较精确的确定目标的位置。通过距离-角度二维CFAR后，经常出现目标点比较多，目标和目标之间很难分开，增加了定位算法的复杂度。
技术实现思路
为了在不增加算法复杂度的情况下对目标点进行筛选，提高室内人员定位的准确性，本专利...
【技术保护点】
1.一种基于毫米波雷达的人员定位方法，其特征在于，包括：/n步骤1、将收到的雷达回波进行傅里叶变换；/n步骤2、对步骤1中变换后的数据取静态分量及动态分量；/n步骤3、计算各点分量的模的和得到staticM，所有点的staticM组成staticMap；/n步骤4、采用距离维CFAR算法和归一化SNR确定目标点；/n步骤5、计算目标点的到达角；/n步骤6、通过角度信息筛选目标点，得到目标点云数据；/n步骤7、根据目标点云数据计算目标位置。/n
【技术特征摘要】
1.一种基于毫米波雷达的人员定位方法，其特征在于，包括：
步骤1、将收到的雷达回波进行傅里叶变换；
步骤2、对步骤1中变换后的数据取静态分量及动态分量；
步骤3、计算各点分量的模的和得到staticM，所有点的staticM组成staticMap；
步骤4、采用距离维CFAR算法和归一化SNR确定目标点；
步骤5、计算目标点的到达角；
步骤6、通过角度信息筛选目标点，得到目标点云数据；
步骤7、根据目标点云数据计算目标位置。
2.根据权利要求1所述的一种基于毫米波雷达的人员定位方法，其特征在于，所述步骤4中归一化SNR的计算公式为SNRrange＝Np×256/Nmax，其中SNRrange表示归一化SNR，Np为该点的staticM，Nmax为staticMap中的最大值。
3.根据权利要求1所述的一种基于毫米波雷达的人员定位方法，其特征在于，所述步骤4中距离维CFAR算法的步骤为：
步骤41、前30个点中幅值最低的点设置为基础白噪声minHeatmap；
步骤42、计算所有点幅值的均值meanMap；
步骤43、取某点前后3个谷值点的均值设为该点的噪音minMeanVec；
步骤44、设置峰值阈值系数peakThre；
步骤45、设置最小噪声阈值系数minNoiseThre；
步骤46、设置影响噪声阈值系数effectNoiseThre；
步骤47、舍弃干扰点得到目标点，具体步骤为：
步骤471、舍弃staticMap中小于peakThre倍的上一个点或大于peakThre倍的下一个点或小于minNoiseThre倍的minMeanVec的值的点；
步骤472、舍弃剩余点中小于上一个点且大于下一个点且小于2倍的minMeanVec的值的点；
步骤473、舍弃剩余点中小于或等于effectNoiseThre倍的minMeanVec的点；
步骤474、舍弃剩余点中某点及其前后两点均小于minNoiseThre倍的minMeanVec的点得到目标点。
4.根据权利要求3所述的一种基于毫米波雷达的人员定位方法，其特征在于，所述步骤42中首先去除干扰点再对剩余点求幅值的均值meanMap，去除干扰点的方式为前端除去的数据长度leftSkip为8，后端除去的数据长度rightSkip为：rightSkip＝staticMap的长度-floor(前方边界的距离/距离分辨率)+1，其中floor为向下取整函数。
5.根据权利要求4所述的一种基于毫米波雷达的人员定位方法，其特征在于，所述步骤43中求取每个点前后3个谷值点的均值minMeanVec时，如果均值大于me...
【专利技术属性】
技术研发人员：梁庆真，刘传银，刘贤洪，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。