一种基于毫米波雷达的室内人体目标跟踪方法及系统技术方案

一种基于毫米波雷达的室内人体目标跟踪方法及系统，涉及雷达定位技术领域，针对现有技术中人体目标跟踪方法，会出现跟踪效率和准确度低的问题，本申请通过规定系数，使得算法能够按照数据间距离的比例而不是一个固定值进行聚类，将聚类能够根据目标距离雷达的远近进行自适应调整；通过轮廓系数，能够选择出效果最好的聚类方式，进而提升了室内人体目标检测的准确率及效率。测的准确率及效率。测的准确率及效率。

【技术实现步骤摘要】
一种基于毫米波雷达的室内人体目标跟踪方法及系统


[0001]本专利技术涉及雷达定位
，具体为一种基于毫米波雷达的室内人体目标跟踪方法及系统。

技术介绍

[0002]雷达群目标跟踪是指在雷达系统中监控并且跟踪多个目标的运动。通常情况下，雷达系统可以探测到大量的室内人体目标，如果不对这些目标进行分类和跟踪，很容易导致信息混乱和目标跟踪出错，从而降低探测系统的效率和准确度。聚类算法被广泛地应用于雷达群目标跟踪中，它可以对雷达所探测到的目标进行分类和分析，提高目标跟踪的准确性和实时性。相对于其他的目标跟踪算法，聚类算法能够更好地识别多个目标的行为模式，更好地分离数据集，并且可以保证跟踪效率的同时，尽量减少误判的可能性。聚类算法可以有效地将大量雷达探测到的目标分组，并进一步分析每个组的行为模式和运动规律。这些信息有助于我们更好地把握目标的运动变化，从而实现更准确、更实时的目标跟踪。聚类算法的另外一个重要应用场景是目标跟踪的数据预处理。例如，运用聚类技术，可以将雷达数据中的冗余信息删除，从而使后续的目标追踪更准确。此外，在目标追踪过程中，可以实时采取不同的分组策略，将其应用于基于密度的聚类算法，从而可以跟踪并预测具有不同模式的目标。在室内环境下，利用现有技术进行人体目标跟踪，会出现跟踪效率和准确度低的问题。

技术实现思路

[0003]本专利技术的目的是：针对现有技术中人体目标跟踪方法，会出现跟踪效率和准确度低的问题，提出一种基于毫米波雷达的室内人体目标跟踪方法及系统。
[0004]本专利技术为了解决上述技术问题采取的技术方案是：
[0005]一种基于毫米波雷达的室内人体目标跟踪方法，包括以下步骤：
[0006]步骤一：利用毫米波雷达获取室内人体目标的回波时域原始数据，并对原始数据进行重新构造，形成矩阵，矩阵大小为ADCNum*NumChirp*(NTx*NRx)，然后分别对矩阵中每个通道进行二维傅里叶变换，得到RD谱矩阵；
[0007]其中，NumChirp表示chirp的数量，ADCNum表示每个chirp所包含的采样点的数量，NTx表示发射天线的数量，NRx表示接收天线的数量；
[0008]步骤二：对RD谱矩阵进行静态杂波滤除及恒虚警检测后，得到目标点距雷达的距离；
[0009]步骤三：通过测角算法测量目标点的角度信息，然后通过目标点距雷达的距离和角度信息，得到目标点的横纵坐标，以此构建数据集；
[0010]步骤四：利用数据集中目标点的横纵坐标，得到可达距离序列；
[0011]步骤五：将可达距离序列中的各个可达距离进行聚类划分，得到目标点的所有聚类划分；
[0012]步骤六：计算目标点的所有聚类划分中的各个聚类划分的轮廓系数，选出具有最大轮廓系数的划分作为聚类结果Result，即该时刻目标的状态；
[0013]步骤七：重复步骤二至步骤六，实现对室内人体目标的跟踪。
[0014]进一步的，所述步骤四的具体步骤为：
[0015]步骤四一：根据目标点的横纵坐标得到数据集中所有目标点的核心距离，然后选取最大核心距离对应的目标点作为初始观测点，并将其余目标点均设置为未观测点，之后将所有未观测点的初始可达距离设置为初始观测点的核心距离；
[0016]步骤四二：分别求出观测点距所有未观测点间的距离值序列A以及观测点自身的核心距离值B，将距离值序列A中每一个值按照序列的顺序分别与B进行比较，并将每次比较中的最大值按顺序保留，得到M序列，之后将未观测点当前的可达距离中的每个值分别与M序列中对应位置的值进行比较，若未观测点当前的可达距离中的值比M序列中对应的值大，则将M序列中对应的值替换未观测点的可达距离中对应的值，否则不替换；
[0017]步骤四三：找出未观测点中可达距离最小的点，并将其作为新的观测点，然后将之前的观测点标记为已观测，之后不再进行比较，重复步骤四二，直至所有的点均完成观测，最后记录每次作为观测点的目标点，并进行排序，并以排序中每个目标点对应的可达距离构建可达距离表。
[0018]进一步的，所述步骤五的具体步骤为：
[0019]步骤五一：遍历可达距离表，其中可达距离变化超过规定系数ξ的目标点，即为突变点，并以每两个突变点代表一个划分，若突变点为一个，则以该数据集只有一个划分，即数据集本身，所述划分包括起始点和结束点；
[0020]步骤五二：将通过突变点得到的划分，按照划分中起始点从小到大进行排序，默认所有划分均不冲突，并将除第一个起始点对应的划分以外的所有划分作为未判断划分，然后将第一个起始点对应的划分作为参考划分；
[0021]步骤五三：以未判断划分的排序中最小起始点对应的划分开始，由小到大，分别判断该划分与参考划分是否重合，若重合，则将排序中与参考划分重合的划分作为冲突划分，若不重合，则将该划分与参考划分合并后作为新的参考划分，
[0022]步骤五四：重复步骤五三，直至排序中最后一个划分判断完毕，将最后得到的参考划分作为一个聚类划分结果；
[0023]步骤五五：从最后得到的参考划分中删除最后一个造成冲突的划分，得到新的参考划分，并将最后一个造成冲突的划分之后的所有划分作为未判断划分，然后执行步骤五三，直到所有划分均已判断，得到的所有聚类划分结果为最终聚类划分结果。
[0024]进一步的，所述步骤六的具体步骤为：
[0025]步骤六：计算目标点的所有聚类划分中的各个聚类划分的轮廓系数，选出具有最大轮廓系数的划分作为聚类结果Result，并根据聚类结果Result以及目标点相对雷达的径向速度确定该时刻目标的状态，即该时刻目标的状态；
[0026]所述目标点相对雷达的径向速度通过步骤二中对RD谱矩阵进行静态杂波滤除及恒虚警检测得到。
[0027]进一步的，所述轮廓系数表示为：
[0028][0029]其中，a
i
表示第i点到同一聚类中其它点的平均距离，b
i
表示该点到不同聚类中其他点的最小平均距离。
[0030]进一步的，所述聚类划分中最小点数为5。
[0031]一种基于毫米波雷达的室内人体目标跟踪系统，包括：室内人体目标回波时域原始数据获取模块、数据集构建模块以及室内人体目标跟踪模块；
[0032]所述室内人体目标回波时域原始数据获取模块用于利用毫米波雷达获取室内人体目标的回波时域原始数据，并对原始数据进行重新构造，形成矩阵，矩阵大小为ADCNum*NumChirp*(NTx*NRx)，然后分别对矩阵中每个通道进行二维傅里叶变换，得到RD谱矩阵；其中，NumChirp表示chirp的数量，ADCNum表示每个chirp所包含的采样点的数量，NTx表示发射天线的数量，NRx表示接收天线的数量；
[0033]所述数据集构建模块用于对RD谱矩阵进行静态杂波滤除及恒虚警检测后，得到目标点距雷达的距离，并通过测角算法测量目标点的角度信息，然后通过目标点距雷达的距离和角度信息，得到目标点的横纵坐标，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的室内人体目标跟踪方法，其特征在于包括以下步骤：步骤一：利用毫米波雷达获取室内人体目标的回波时域原始数据，并对原始数据进行重新构造，形成矩阵，矩阵大小为ADCNum*NumChirp*(NTx*NRx)，然后分别对矩阵中每个通道进行二维傅里叶变换，得到RD谱矩阵；其中，NumChirp表示chirp的数量，ADCNum表示每个chirp所包含的采样点的数量，NTx表示发射天线的数量，NRx表示接收天线的数量；步骤二：对RD谱矩阵进行静态杂波滤除及恒虚警检测后，得到目标点距雷达的距离；步骤三：通过测角算法测量目标点的角度信息，然后通过目标点距雷达的距离和角度信息，得到目标点的横纵坐标，以此构建数据集；步骤四：利用数据集中目标点的横纵坐标，得到可达距离序列；步骤五：将可达距离序列中的各个可达距离进行聚类划分，得到目标点的所有聚类划分；步骤六：计算目标点的所有聚类划分中的各个聚类划分的轮廓系数，选出具有最大轮廓系数的划分作为聚类结果Result，即该时刻目标的状态；步骤七：重复步骤二至步骤六，实现对室内人体目标的跟踪。2.根据权利要求1所述的一种基于毫米波雷达的室内人体目标跟踪方法，其特征在于所述步骤四的具体步骤为：步骤四一：根据目标点的横纵坐标得到数据集中所有目标点的核心距离，然后选取最大核心距离对应的目标点作为初始观测点，并将其余目标点均设置为未观测点，之后将所有未观测点的初始可达距离设置为初始观测点的核心距离；步骤四二：分别求出观测点距所有未观测点间的距离值序列A以及观测点自身的核心距离值B，将距离值序列A中每一个值按照序列的顺序分别与B进行比较，并将每次比较中的最大值按顺序保留，得到M序列，之后将未观测点当前的可达距离中的每个值分别与M序列中对应位置的值进行比较，若未观测点当前的可达距离中的值比M序列中对应的值大，则将M序列中对应的值替换未观测点的可达距离中对应的值，否则不替换；步骤四三：找出未观测点中可达距离最小的点，并将其作为新的观测点，然后将之前的观测点标记为已观测，之后不再进行比较，重复步骤四二，直至所有的点均完成观测，最后记录每次作为观测点的目标点，并进行排序，并以排序中每个目标点对应的可达距离构建可达距离表。3.根据权利要求2所述的一种基于毫米波雷达的室内人体目标跟踪方法，其特征在于所述步骤五的具体步骤为：步骤五一：遍历可达距离表，其中可达距离变化超过规定系数ξ的目标点，即为突变点，并以每两个突变点代表一个划分，若突变点为一个，则以该数据集只有一个划分，即数据集本身，所述划分包括起始点和结束点；步骤五二：将通过突变点得到的划分，按照划分中起始点从小到大进行排序，默认所有划分均不冲突，并将除第一个起始点对应的划分以外的所有划分作为未判断划分，然后将第一个起始点对应的划分作为参考划分；步骤五三：以未判断划分的排序中最小起始点对应的划分开始，由小到大，分别判断该划分与参考划分是否重合，若重合，则将排序中与参考划分重合的划分作为冲突划分，若不
重合，则将该划分与参考划分合并后作为新的参考划分，步骤五四：重复步骤五三，直至排序中最后一个划分判断完毕，将最后得到的参考划分作为一个聚类划分结果；步骤五五：从最后得到的参考划分中删除最后一个造成冲突的划分，得到新的参考划分，并将最后一个造成冲突的划分之后的所有划分作为未判断划分，然后执行步骤五三，直到所有划分均已判断，得到的所有聚类划分结果为最终聚类划分结果。4.根据权利要求1所述的一种基于毫米波雷达的室内人体目标跟踪方法，其特征在于所述步骤六的具体步骤为：步骤六：计算目标点的所有聚类划分中的各个聚类划分的轮廓系数，选出具有最大轮廓系数的划分作为聚类结果Result，并根据聚类结果Result以及目标点相对雷达的径向速度确定该时刻目标的状态，即该时刻目标的状态；所述目标点相对雷达的径向速度通过步骤二中对RD谱矩阵进行静态杂波滤除及恒虚警检测得到。5.根据权利要求3或4所述的一种基于毫米波雷达的室内人体目标跟踪方法，其特征在于所述轮廓系数表示为：其中，a
i
表示第i点到同一聚类中其它点的平均距离，b
i
表示该点到不同聚类中其他点的最小平均距离。6.根据权利...

【专利技术属性】
技术研发人员：邓维波，左鑫，吴小川，董英凝，菅宇鹏，李文隆，马占超，杨松岩，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：