基于单频连续波雷达的车型分类方法技术

基于单频连续波雷达的车型分类方法，属于智能交通车辆检测领域。该方法以单频连续波雷达的时域雷达信号作为输入，进行时频分析得到随时间变化的雷达回波多普勒频谱图；通过哈夫变换将多普勒频谱图像映射为车辆散射中心位置参数图像；经过特征提取；Ｋａｒｈｕｎｅｎ－Ｌｏｅｖｅ（Ｋ－Ｌ）筛选和压缩得到特征样本，利用Ｆｉｓｈｅｒ准则进行样本分类，得到车辆的车型分类。对于多类型情况使用多个两类型分类器分别进行两两分类，根据分类器结果进行投票，得到车型分类结果。单频连续波雷达结构简单可靠、成本低廉。本发明专利技术利用单频连续波雷达实现了在车辆检测、测速的同时进行车辆分类，实际应用中将车辆分为三类的平均分类正确率达到９４．８％。

Vehicle classification method based on single frequency continuous wave radar

The invention relates to a vehicle classification method based on a single frequency continuous wave radar, which belongs to the field of intelligent vehicle detection. The method based on the time domain radar signal single frequency continuous wave radar as input, the time-frequency analysis of radar echo Doppler spectrum changes with time; by Hough transform Doppler spectrum image is mapped to the vehicle scattering center position parameters through image; feature extraction; KarhunenLoeve (K-L) screening and compressed samples, sample classification the Fisher criterion is used to obtain the vehicle type classification. In the case of multiple types, two types of classifiers are used to classify the 22 classifiers. Single frequency continuous wave radar has simple and reliable structure and low cost. The invention uses the single frequency continuous wave radar to realize the vehicle classification at the same time of vehicle detection and speed measurement, and the average classification accuracy rate is 94.8% when the vehicle is divided into the following categories in practical application.

【技术实现步骤摘要】

【技术保护点】
基于单频连续波雷达的车型分类方法，其特征在于，该方法步骤如下：步骤一，将时域雷达信号进行时频分析得到回波信号的多普勒频谱图ｔ－ｆ↓［ｄ］图像空间：采用短时傅立叶变换ＳＴＦＴ：ＳＴＦＴ｛ｘ［］｝≡Ｘ（ｍ，ω）＝＊ｘ［ｎ ］ｗ［ｎ－ｍ］ｅ↑［－ｊωｎ］其中ｘ［ｎ］是离散时间信号，ｗ［ｎ］是窗函数，ｍ是窗函数的滑动位置，ω是角频率；车辆散射中心产生的回波信号的多普勒频谱图ｔ－ｆ↓［ｄ］图像空间为：＊＊＊其中，ｘ↓［ｖ］为车辆散射 中心横坐标，ｈ↓［ｖ］为车辆散射中心纵坐标，ｘ↓［０］为车辆入场位置，ｈ↓［０］为雷达安装高度，ｆ为雷达工作频率，ｃ为光速，ｆ↓［ｄ］为车辆散射中心反射回波的多普勒频率，ｖ为车辆相对速度；步骤二，利用哈夫变换将多普勒频谱图ｔ－ｆ↓［ ｄ］图像空间转换为参数ｘ↓［ｖ］－ｈ↓［ｖ］空间，得到参数ｘ↓［ｖ］－ｈ↓［ｖ］空间中车辆散射强度的分布，参数空间中的曲线为：ｈ↓［ｖ］（ｘ↓［ｖ］）＝ｈ↓［０］－（ｘ↓［ｖ］＋ｘ↓［０］－ｖｔ）＊；在实现哈夫变换的过程中， 通过映射的方法得到ｘ↓［ｖ］－ｈ↓［ｖ］平面中散射强度的分布Ｒ（ｘ↓［ｖ］，ｈ↓［ｖ］），该分布由积分得到：＊＊＊其中，Ｘ↓［Ｐ］是雷达回波的功率谱：Ｘ↓［ｐ］［ｍ，ｋ］＝｜ＦＦＴ｛ｘ［ｍ，ｉ］ｗ［ｉ］｝｜↑［２］＝ ｜＊ｘ［ｍ，ｉ］ｗ［ｉ］Ｗ↓［Ｎ］↑［ｎｋ］｜↑［２］｜，其中ｘ［ｍ，ｉ］是雷达回波采样信号ｘ［ｎ］按一定步长截取，ｗ［ｉ］是窗函数；步骤三，特征提取：将Ｒ（ｘ↓［ｖ］，ｈ↓［ｖ］）离散化得到Ｒ［ｘ↓［ｖ］，ｈ↓［ｖ］］，取Ｒ［ｘ↓ ［ｖ］，ｈ↓［ｖ］］中每一列的最大值，然后进行归一化，将强度分布图像映射为一个一维特征向量ｒ［ｘ］：ｒ［ｘ］＝＊Ｒ［ｘ，ｈ］／＊Ｒ［ｘ，ｈ］；步骤四，特征筛选和压缩：采用Ｋａｒｈｕｎｅｎ－Ｌｏｅｖｅ（Ｋ－Ｌ）展开，将步骤三得 到的一维特征向量ｒ［ｘ］投影到按方差大小排序的新的特征空间中，从中选取并得到能够反映特征并且保持较好分类效果的前Ｎ个特征向量；Ｋａｒｈｕｎｅｎ－Ｌｏｅｖｅ（Ｋ－Ｌ）展开过程如下：首先计算数据强度分布特征向量集合｛ｒ｝的协方差 矩阵∑：∑＝ｃｏｖ（ｒ）＝Ｅ［（ｒ－μ）（ｒ－μ）↑［Ｔ］］，其中μ是特征样本集的总体均值向量，然后采用奇异值分解（ＳＶＤ）的...

【技术特征摘要】

【专利技术属性】
技术研发人员：孟华东，张颢，王希勤，房建新，
申请(专利权)人：清华大学，
类型：发明
国别省市：11[中国|北京]