一种毫米波雷达的目标分类方法技术

本发明专利技术涉及雷达技术领域，具体是一种毫米波雷达的目标分类方法，其具体步骤如下：步骤S1：获取毫米波雷达输出的多个特征参数；步骤S2：对所述的多个特征参数进行分析，得出多个候选目标，所述的多个候选目标包括行人、小车以及非机动车目标；步骤S3：基于所述的多个候选目标建立有效特征向量，提取出具有代表性的目标特征；步骤S4：构建基于多特征融合的分类器，依据KNN算法原理构建并设计了基于各类道路目标的分类识别模型，本发明专利技术所采用的KNN算法简单直观，易于实现；利用目标分类识别技术对目标进行有效分类，根据类别信息判别目标类型以及行为意图，再进行目标威胁度的描述与判定，从而及时将信息反馈给车主，减少事故发生几率。几率。几率。

【技术实现步骤摘要】
一种毫米波雷达的目标分类方法


[0001]本专利技术涉及雷达
，具体是一种毫米波雷达的目标分类方法。

技术介绍

[0002]安全问题始终伴随着汽车产业的发展，全球每年发生的交通事故导致了人类生命和财产的巨大损失，据了解，道路交通死亡人数仍处于不断攀升阶段，因此，如何提高汽车驾驶的安全性成为了政府以及研究人员共同面对的问题。
[0003]近年来，基于主动安全控制的高级辅助驾驶系统ADAS成为了保障安全驾驶的主流发展趋势。ADAS利用车上传感器，随时感知周围环境的变化并进行数据收集，进而实现目标检测、跟踪、识别分类等功能，从而可以有效消除潜在风险。
[0004]早期的道路目标分类技术主要依托于光学传感器的图像处理技术，但是这种图像处理技术收到光照、距离、视角等因素影响较大，处理速度慢，整体适用性较差。
[0005]随着雷达技术的进一步发展，目标分类的主体由基于视觉传感器的图像处理逐渐向基于雷达的回波信号处理技术转换。然而要实现车载毫米波雷达的目标分类，仍存在这目标特征的选取、分类机制的建立、以及融合分类算法研究等问题。

技术实现思路

[0006]为了解决上述问题，本专利技术提出一种毫米波雷达的目标分类方法。
[0007]一种毫米波雷达的目标分类方法，其具体步骤如下：
[0008]步骤S1：获取毫米波雷达输出的多个特征参数；
[0009]步骤S2：对所述的多个特征参数进行分析，得出多个候选目标，所述的多个候选目标包括行人、小车以及非机动车目标；
[0010]步骤S3：基于所述的多个候选目标建立有效特征向量，提取出具有代表性的目标特征；
[0011]步骤S4：构建基于多特征融合的分类器，依据KNN算法原理构建并设计了基于各类道路目标的分类识别模型。
[0012]所述的步骤S1通过毫米波雷达通过射频前端发送调频连续波并接收反射回波，对反射回来的回波信号进行ADC转换、距离FFT、速度FFT、波束形成、恒虚警检测类一系列雷达信号处理过程，得到探测区域的运动点云数据，其中的多个特征参数包括每个运动点的径向距离、速度和信噪比。
[0013]所述的步骤S2中的对多个特征参数进行分析得到多个候选目标具体步骤包括：
[0014]a、根据所述每个运动点的径向距离、速度和信噪比，对数据进行分类处理，得到多个目标集群，具体地，采集已知类别的多个目标特征向量，标记每个目标特征向量的类别后，将多个目标特征向量随机分为测试集和训练集，其所述的目标分类的方法主要是KNN分类算法，其是通过测量不同特征值之间的距离进行分类；
[0015]b、得出的多个目标群集具体包括在训练集数据和标签已知的情况下，输入测试数
据，将测试集中的数据特征和训练集中对应的特征相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。
[0016]所述的KNN分类算法中，所选择的测试数据都是已经正确分类的对象，该方法在定类决策上依据最近邻的一个或者几个样本的类别来决定待分样本的类别，并且K为不大于20的整数，最优K值通过交叉验证法确定。
[0017]所述的KNN分类算法中，通过计算对象间距离来作为各个对象之间的非相似性指标，避免了对象之间的匹配问题，在这里距离使用欧氏距离或曼哈顿距离。
[0018]所述的步骤S3的a中的当测试集的属性和训练集的属性完全匹配时，能够进行分类，算法具体包括：
[0019]1)计算测试数据与各个训练数据之间的距离；
[0020]2)按照距离的递增关系进行排序；
[0021]3)选取距离最小的K个点；
[0022]4)确定前K个点所在类别出现频次；
[0023]5)返回前K个点中出现频率最高的类别作为预测分类。
[0024]所述的步骤S3的a中对多个目标集群进行连续稳定判断，该判断主要是根据KNN算法进行判断的，即可在Classification Learner分类器中得出所述多个候选目标，具体包括：
[0025]所述目标集群中距离公式为：
[0026][0027]所述的步骤S3中，从各类目标的速度分布上来看，每个候选目标都有自己的特征，小车目标的速度分布广，且总体速度均值比其余道路目标高，而非机动车和行人速度分布范围较小，总体速度相对低，将速度特征提取出来通过计算各自方差可以发现行人的方差较大，其次是非机动车，最平稳的是小车；构建特征向量即是将特征数据放到特征向量中，如将上述候选目标的速度x、距离y和信噪比z这3个特征数据放到一起组成特征向量就能够得到有效特征向量。
[0028]所述的步骤S4中，通过如下方法得到分类器：
[0029]a、采用MATLAB里面Classification Leaner的KNN分类器对输入的样本特征进行训练并获得三种不同类别，给训练目标分别贴上标签；
[0030]b、将训练数据分为训练集、验证集和测试集三部分，随机排列训练数据，选择80％的数据作为训练集，20％作为验证集；
[0031]c、对KNN模型进行训练并参数优化，以自变量和因变量作为输入，响应作为输出，训练KNN回归模型。
[0032]本专利技术的有益效果是：本专利技术所采用的KNN算法简单直观，易于实现，可以快速分出目标类别；利用目标分类识别技术对目标进行有效分类，根据类别信息判别目标类型以及行为意图，再进行目标威胁度的描述与判定，从而及时将信息反馈给车主，减少事故发生几率。
附图说明
[0033]下面结合附图和实施例对本专利技术进一步说明。
[0034]图1为本专利技术基于毫米波雷达目标分类的流程示意图；
[0035]图2为本专利技术提供的生成分类器的流程示意图。
具体实施方式
[0036]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面对本专利技术进一步阐述。
[0037]如图1和图2所示，一种毫米波雷达的目标分类方法，其具体步骤如下：
[0038]步骤S1：获取毫米波雷达输出的多个特征参数；
[0039]步骤S2：对所述的多个特征参数进行分析，得出多个候选目标，所述的多个候选目标包括行人、小车以及非机动车目标；
[0040]步骤S3：基于所述的多个候选目标建立有效特征向量，提取出具有代表性的目标特征；
[0041]步骤S4：构建基于多特征融合的分类器，依据KNN算法原理构建并设计了基于各类道路目标的分类识别模型。
[0042]本专利技术所采用的KNN算法简单直观，易于实现，可以快速分出目标类别；利用目标分类识别技术对目标进行有效分类，根据类别信息判别目标类型以及行为意图，再进行目标威胁度的描述与判定，从而及时将信息反馈给车主，减少事故发生几率。
[0043]所述的步骤S1通过毫米波雷达通过射频前端发送调频连续波并接收反射回波，对反射回来的回波信号进行ADC转换、距离FFT、速度FFT、波束形成、恒虚警本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种毫米波雷达的目标分类方法，其特征在于：其具体步骤如下：步骤S1：获取毫米波雷达输出的多个特征参数；步骤S2：对所述的多个特征参数进行分析，得出多个候选目标，所述的多个候选目标包括行人、小车以及非机动车目标；步骤S3：基于所述的多个候选目标建立有效特征向量，提取出具有代表性的目标特征；步骤S4：构建基于多特征融合的分类器，依据KNN算法原理构建并设计了基于各类道路目标的分类识别模型。2.根据权利要求1所述的一种毫米波雷达的目标分类方法，其特征在于：所述的步骤S1通过毫米波雷达通过射频前端发送调频连续波并接收反射回波，对反射回来的回波信号进行ADC转换、距离FFT、速度FFT、波束形成、恒虚警检测类一系列雷达信号处理过程，得到探测区域的运动点云数据，其中的多个特征参数包括每个运动点的径向距离、速度和信噪比。3.根据权利要求1所述的一种毫米波雷达的目标分类方法，其特征在于：所述的步骤S2中的对多个特征参数进行分析得到多个候选目标具体步骤包括：a、根据每个运动点的径向距离、速度和信噪比，对数据进行分类处理，得到多个目标集群，具体地，采集已知类别的多个目标特征向量，标记每个目标特征向量的类别后，将所述多个目标特征向量随机分为测试集和训练集，其所述的目标分类的方法主要是KNN分类算法，其是通过测量不同特征值之间的距离进行分类；b、得出的多个目标群集具体包括在训练集数据和标签已知的情况下，输入测试数据，将测试集中的数据特征和训练集中对应的特征相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。4.根据权利要求3所述的一种毫米波雷达的目标分类方法，其特征在于：所述的KNN分类算法中，所选择的测试数据都是已经正确分类的对象，该方法在定类决策上依据最近邻的一个或者几个样本的类别来决定待分样本的类别，并且K为不大于20的整数，最优K值通过交叉验证法确定。5.根据权利要求4所述的一种毫米波雷达的目标分类方法，其特征在于：所述的KNN分...

【专利技术属性】
技术研发人员：罗畅安，杨路路，刘波，董萌，高天祥，
申请(专利权)人：芜湖易来达雷达科技有限公司，
类型：发明
国别省市：