文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.172160
中文引用格式： 曹林，于琳，王東峰，等. 基于CFAR和擺角自修正多目標(biāo)交通雷達(dá)算法優(yōu)化[J].電子技術(shù)應(yīng)用，2018，44(1)：68-71.
英文引用格式： Cao Lin，Yu Lin，Wang Dongfeng，et al. Optimization of multi-target traffic radar algorithm based on CFAR detection and swing angle self-correction[J]. Application of Electronic Technique，2018，44(1)：68-71.
0 引言
國內(nèi)交通雷達(dá)單目標(biāo)的檢測技術(shù)日趨成熟，由于檢測應(yīng)用的局限性，交通雷達(dá)多目標(biāo)檢測技術(shù)逐漸走進(jìn)研究人員的視野[1-2]。但目前初步研制的多目標(biāo)交通雷達(dá)效果欠佳，無法得到廣泛應(yīng)用。為解決這一問題，本文深入研究分析了交通多目標(biāo)雷達(dá)的目標(biāo)檢測與跟蹤算法[3]，依托北京川速微波科技有限公司的硬件設(shè)備[4]進(jìn)行多目標(biāo)雷達(dá)算法的研發(fā)與優(yōu)化，并結(jié)合實(shí)際道路測試，提出一系列改進(jìn)措施。
本文多目標(biāo)雷達(dá)采用FSK體制，選用雙天線相位法[5]來檢測目標(biāo)相對于雷達(dá)的方向角信息。引入能夠根據(jù)信號特征來得到自適應(yīng)的動(dòng)態(tài)門限的恒虛警（Constant False Alarm Rate，CFAR）檢測[6]算法，用于自適應(yīng)檢測。
多目標(biāo)雷達(dá)擺角對雷達(dá)性能影響很大，若雷達(dá)安裝擺角不合適，會(huì)嚴(yán)重影響雷達(dá)的使用性能。雷達(dá)擺角人工測量精度低，操作復(fù)雜。因此，提出基于樣本統(tǒng)計(jì)特性的雷達(dá)擺角自修正算法，使得雷達(dá)在使用時(shí)能夠通過已采集到的目標(biāo)信號，自行計(jì)算出雷達(dá)的擺角信息，提高了雷達(dá)的目標(biāo)檢測率以及場景適應(yīng)性。
通過系統(tǒng)仿真和實(shí)際路測，本文優(yōu)化算法對多車道、多目標(biāo)的有效抓拍率在多種路況下（除堵車情況外）均能達(dá)到95%，有很好的多目標(biāo)監(jiān)測效果，這對于多目標(biāo)交通雷達(dá)的推廣應(yīng)用具有很大的現(xiàn)實(shí)意義。
1 基于CFAR檢測的目標(biāo)檢測算法優(yōu)化
1.1 CFAR檢測原理
目標(biāo)檢測時(shí)，通常用出現(xiàn)虛警和漏警的概率來衡量雷達(dá)檢測性能的好壞[7]，設(shè)置一個(gè)檢測門限來對回波信號進(jìn)行判別。當(dāng)信號高于門限時(shí)，判斷為目標(biāo)；當(dāng)信號低于門限，則目標(biāo)不存在。門限值過低，會(huì)造成虛警；門限值過高時(shí)，會(huì)造成漏警。采用動(dòng)態(tài)的門限來適應(yīng)雷達(dá)回波信號的變化。通過使雷達(dá)的虛警率保持不變，從而使雷達(dá)具有良好的檢測性能[8]。
常用的恒虛警方法有單元平均恒虛警方法、有序統(tǒng)計(jì)恒虛警方法[9-10]。本文使用有序統(tǒng)計(jì)恒虛警方法（OS-CFAR）。
其中，K為門限乘性因子。
本方法有很好的抗干擾特性，在非均勻雜波背景下，其檢測能力也很好，更適用于多目標(biāo)環(huán)境。
1.2 CFAR算法工程應(yīng)用分析
圖1為恒虛警動(dòng)態(tài)門限與固定門限效果對比圖，圖1（a）是原始頻譜的二維圖，包含全部的雜波、目標(biāo)信號；圖1（c）是使用恒虛警門限的效果圖；同時(shí)選取了低閾值固定門限和高閾值門限對信號頻譜進(jìn)行處理，結(jié)果分別如圖1（b）和圖1（d）所示。
可以看出，用低閾值門限檢測時(shí)，很多雜波信號沒有被濾除；用高閾值門限檢測時(shí)，部分弱目標(biāo)信號同雜波一起被濾除(如圖中標(biāo)注所示)，這便有可能造成漏警；使用恒虛警門限可很好地抑制雜波，同時(shí)保持了較強(qiáng)的弱信號檢測能力。
本文多目標(biāo)雷達(dá)信號的單幀頻譜幅度圖如圖2所示，可以看到，車輛目標(biāo)信號只占整個(gè)頻譜的一小部分，絕大多數(shù)是噪聲，而且都比較均勻。
另外，從圖3中多周期二維頻譜的排序圖來看，雜波的強(qiáng)弱與目標(biāo)信號的強(qiáng)弱是正相關(guān)的。
基于以上兩點(diǎn)，提出一種簡化的恒虛警方案：將整個(gè)頻譜等分為N個(gè)區(qū)間，對N個(gè)區(qū)間分別求均值，再進(jìn)行排序，取k個(gè)均值單元作為基本閾值，得到相應(yīng)的檢測門限。這種方法稱為分區(qū)平均排序法。
2 基于樣本統(tǒng)計(jì)特性的擺角自修正算法
2.1 特征分析
針對道路交通的實(shí)際情況，可作如下近似假設(shè)，即雷達(dá)所監(jiān)測車道是平行的，并且絕大部分車將沿著車道方向行駛。此時(shí)，經(jīng)過雷達(dá)照射區(qū)的每一輛車的運(yùn)動(dòng)軌跡相對于雷達(dá)來說，都是一條傾斜某個(gè)特定角度的直線，如果知道了這條直線的傾斜角度，那么也就得到了雷達(dá)的擺角信息。
預(yù)處理后，通過設(shè)置幅值門限大部分雜波信號均被濾除，如圖4所示。圖4軌跡云圖中，可以明顯看到中間3條近乎直線的軌跡，對應(yīng)雷達(dá)監(jiān)測的3個(gè)車道?；谇懊婕僭O(shè)，云圖中車輛軌跡方向代表了車道的方向。實(shí)際上，在大多數(shù)情況下，車輛的運(yùn)動(dòng)軌跡并不是豎直的。車輛的軌跡云圖與豎直方向的夾角就是雷達(dá)擺角。因此，需要找到一種算法自動(dòng)識別這種豎直狀態(tài)的特征，并通過與原始狀態(tài)的比較得到旋轉(zhuǎn)的角度。
2.2 特征提取與算法實(shí)現(xiàn)
為了便于統(tǒng)計(jì)，將軌跡云圖點(diǎn)集{(xi，yi)，i∈R}投影到x軸方向上得到點(diǎn)集{xi，i∈R}。將軌跡云圖進(jìn)行不同角度的旋轉(zhuǎn)，對每次旋轉(zhuǎn)后落入x軸單位區(qū)間中的點(diǎn)的個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，得到點(diǎn)數(shù)分布{a1，a2，…，an}，n∈N。如圖5所示。
圖5為豎直狀態(tài)投影點(diǎn)分布情況，點(diǎn)數(shù)大部分集中在中間兩個(gè)單位區(qū)間中。由此可以看出，投影點(diǎn)最密集的時(shí)刻，車輛軌跡旋即為豎直狀態(tài)。
3 實(shí)驗(yàn)仿真及系統(tǒng)路測結(jié)果
3.1 CFAR檢測與擺角自修正算法仿真結(jié)果
將2.2小節(jié)中提出的擺角自修正算法進(jìn)行仿真，可得到擺角校正的效果如圖6所示。可以看到，有一定傾斜角度的車輛運(yùn)動(dòng)軌跡經(jīng)過校正后，已變?yōu)樨Q直狀態(tài)。
圖7是直方統(tǒng)計(jì)點(diǎn)數(shù)的平方和隨角度的變化曲線，其最大值處也就是投影點(diǎn)最密集時(shí)，即為車輛軌跡的豎直狀態(tài)，此時(shí)所對應(yīng)的旋轉(zhuǎn)角度5.25°也就是雷達(dá)的擺角值。
3.2 系統(tǒng)路測結(jié)果
測試場景為某地高速公路，將本雷達(dá)系統(tǒng)放置到高速公路的天橋上，測量單方向的三車道。
圖8所示為3個(gè)車道同時(shí)都有車時(shí)對應(yīng)的時(shí)域信號和頻譜圖情況。圖8(a)是原始信號圖，圖8(b)是頻譜圖，圖8(c)是當(dāng)前時(shí)刻對應(yīng)車輛捕捉情況圖。
圖9所示為上面實(shí)測數(shù)據(jù)經(jīng)過算法仿真后的目標(biāo)信息圖。通過此圖可以清楚地得到車輛的距離、速度以及分車道信息。因此可以驗(yàn)證，本文多目標(biāo)雷達(dá)算法能夠?qū)崿F(xiàn)同時(shí)監(jiān)測多個(gè)車道的多個(gè)車輛目標(biāo)的目標(biāo)。
將現(xiàn)場采集視頻與照片進(jìn)行對比統(tǒng)計(jì)，得到雷達(dá)有效抓拍率情況，統(tǒng)計(jì)結(jié)果見表1。
從表中可以看出，有效抓拍率均能達(dá)到95%，對比優(yōu)化之前僅80%的有效抓拍率有很大的改進(jìn)。本文算法基本上能夠滿足道路交通90%抓拍率的實(shí)際需要。
4 結(jié)語
本文通過對有序統(tǒng)計(jì)恒虛警方法進(jìn)行改進(jìn)，并結(jié)合實(shí)際交通應(yīng)用時(shí)出現(xiàn)的安裝擺角問題，提出基于樣本統(tǒng)計(jì)特性的擺角自修正算法，在很大程度上改善了交通多目標(biāo)雷達(dá)車輛檢測率不高、有效抓拍率低的問題。通過系統(tǒng)仿真和實(shí)際道路測試，本雷達(dá)系統(tǒng)對多車道、多目標(biāo)的有效抓拍率在多種路況下均能達(dá)到95%，得到了很好的多目標(biāo)監(jiān)測效果。這對于多目標(biāo)交通雷達(dá)的推廣應(yīng)用具有很大的現(xiàn)實(shí)意義，能夠更充分協(xié)助交管部門對城市交通的管理與控制，為我國智能交通的建設(shè)提供技術(shù)保證。
參考文獻(xiàn)
[1] 屈毅.淺析我國智能交通系統(tǒng)發(fā)展現(xiàn)狀及前景展望[J].科技視界，2015，27(14)：100-100.
[2] 侯遠(yuǎn)志，焦黎帆.國內(nèi)外智慧城市建設(shè)研究綜述[J].產(chǎn)業(yè)與科技論壇，2014，13(24)：94-97.
[3] HYUN E，LEE J H.Multi-target tracking scheme using a track management table for automotive radar systems[C].International Radar Symposium，2016：1-5.
[4] 王東峰，龐宏杰，任磊.一種測速雷達(dá)多目標(biāo)跟蹤的方法和裝置[P].中國，201410131062.6，2014.
[5] 修超，曹林，王東峰.基于微波雷達(dá)回波信號的智能車道劃分方法[J].計(jì)算機(jī)應(yīng)用，2017，37(10)：3017-3023.
[6] 何友，關(guān)鍵，孟祥偉.雷達(dá)目標(biāo)檢測與恒虛警處理[M].北京：清華大學(xué)出版社，2011.
[7] 郝迎春，陳客松.雷達(dá)CFAR檢測的仿真研究[J].全球定位系統(tǒng)，2012，37(1)：78-80.
[8] WU Y，WANG C，LI X，et al.Study on automotive anticollision radar system and its signal processing algorithm[C].International Forum on Information Technology and Applications.IEEE，2009：586-590.
[9] 李朝陽.提高雷達(dá)信號檢測性能方法的研究[D].大連：大連海事大學(xué)，2015.
[10] ABBADI A，ABBANE A，BENCHEIKH M L，et al.A new adaptive CFAR processor in multiple target situations[C].2017 Seminar on Detection Systems Architectures and Technologies(DAT)，Algiers，Algeria，2017：1-5.