0 引言

    國內(nèi)交通雷達單目標的檢測技術日趨成熟，由于檢測應用的局限性，交通雷達多目標檢測技術逐漸走進研究人員的視野^[1-2]。但目前初步研制的多目標交通雷達效果欠佳，無法得到廣泛應用。為解決這一問題，本文深入研究分析了交通多目標雷達的目標檢測與跟蹤算法^[3]，依托北京川速微波科技有限公司的硬件設備^[4]進行多目標雷達算法的研發(fā)與優(yōu)化，并結(jié)合實際道路測試，提出一系列改進措施。

    本文多目標雷達采用FSK體制，選用雙天線相位法^[5]來檢測目標相對于雷達的方向角信息。引入能夠根據(jù)信號特征來得到自適應的動態(tài)門限的恒虛警（Constant False Alarm Rate，CFAR）檢測^[6]算法，用于自適應檢測。

    多目標雷達擺角對雷達性能影響很大，若雷達安裝擺角不合適，會嚴重影響雷達的使用性能。雷達擺角人工測量精度低，操作復雜。因此，提出基于樣本統(tǒng)計特性的雷達擺角自修正算法，使得雷達在使用時能夠通過已采集到的目標信號，自行計算出雷達的擺角信息，提高了雷達的目標檢測率以及場景適應性。

    通過系統(tǒng)仿真和實際路測，本文優(yōu)化算法對多車道、多目標的有效抓拍率在多種路況下（除堵車情況外）均能達到95%，有很好的多目標監(jiān)測效果，這對于多目標交通雷達的推廣應用具有很大的現(xiàn)實意義。

1 基于CFAR檢測的目標檢測算法優(yōu)化

1.1 CFAR檢測原理

    目標檢測時，通常用出現(xiàn)虛警和漏警的概率來衡量雷達檢測性能的好壞^[7]，設置一個檢測門限來對回波信號進行判別。當信號高于門限時，判斷為目標；當信號低于門限，則目標不存在。門限值過低，會造成虛警；門限值過高時，會造成漏警。采用動態(tài)的門限來適應雷達回波信號的變化。通過使雷達的虛警率保持不變，從而使雷達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)計恒虛警方法^[9-10]。本文使用有序統(tǒng)計恒虛警方法（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，更適用于多目標環(huán)境。

1.2 CFAR算法工程應用分析

    圖1為恒虛警動態(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、目標信號；圖1（c）是使用恒虛警門限的效果圖；同時選取了低閾值固定門限和高閾值門限對信號頻譜進行處理，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，很多雜波信號沒有被濾除；用高閾值門限檢測時，部分弱目標信號同雜波一起被濾除(如圖中標注所示)，這便有可能造成漏警；使用恒虛警門限可很好地抑制雜波，同時保持了較強的弱信號檢測能力。

    本文多目標雷達信號的單幀頻譜幅度圖如圖2所示，可以看到，車輛目標信號只占整個頻譜的一小部分，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，雜波的強弱與目標信號的強弱是正相關的。

    基于以上兩點，提出一種簡化的恒虛警方案：將整個頻譜等分為N個區(qū)間，對N個區(qū)間分別求均值，再進行排序，取k個均值單元作為基本閾值，得到相應的檢測門限。這種方法稱為分區(qū)平均排序法。

2 基于樣本統(tǒng)計特性的擺角自修正算法

2.1 特征分析

    針對道路交通的實際情況，可作如下近似假設，即雷達所監(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，經(jīng)過雷達照射區(qū)的每一輛車的運動軌跡相對于雷達來說，都是一條傾斜某個特定角度的直線，如果知道了這條直線的傾斜角度，那么也就得到了雷達的擺角信息。

    預處理后，通過設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，對應雷達監(jiān)測的3個車道。基于前面假設，云圖中車輛軌跡方向代表了車道的方向。實際上，在大多數(shù)情況下，車輛的運動軌跡并不是豎直的。車輛的軌跡云圖與豎直方向的夾角就是雷達擺角。因此，需要找到一種算法自動識別這種豎直狀態(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 特征提取與算法實現(xiàn)

    為了便于統(tǒng)計，將軌跡云圖點集{(x_i，y_i)，i∈R}投影到x軸方向上得到點集{x_i，i∈R}。將軌跡云圖進行不同角度的旋轉(zhuǎn)，對每次旋轉(zhuǎn)后落入x軸單位區(qū)間中的點的個數(shù)進行統(tǒng)計，得到點數(shù)分布{a₁，a₂，…，a_n}，n∈N。如圖5所示。

    圖5為豎直狀態(tài)投影點分布情況，點數(shù)大部分集中在中間兩個單位區(qū)間中。由此可以看出，投影點最密集的時刻，車輛軌跡旋即為豎直狀態(tài)。

3 實驗仿真及系統(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行仿真，可得到擺角校正的效果如圖6所示?？梢钥吹?，有一定傾斜角度的車輛運動軌跡經(jīng)過校正后，已變?yōu)樨Q直狀態(tài)。

    圖7是直方統(tǒng)計點數(shù)的平方和隨角度的變化曲線，其最大值處也就是投影點最密集時，即為車輛軌跡的豎直狀態(tài)，此時所對應的旋轉(zhuǎn)角度5.25°也就是雷達的擺角值。

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個車道同時都有車時對應的時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)是當前時刻對應車輛捕捉情況圖。

    圖9所示為上面實測數(shù)據(jù)經(jīng)過算法仿真后的目標信息圖。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。因此可以驗證，本文多目標雷達算法能夠?qū)崿F(xiàn)同時監(jiān)測多個車道的多個車輛目標的目標。

    將現(xiàn)場采集視頻與照片進行對比統(tǒng)計，得到雷達有效抓拍率情況，統(tǒng)計結(jié)果見表1。 

    從表中可以看出，有效抓拍率均能達到95%，對比優(yōu)化之前僅80%的有效抓拍率有很大的改進。本文算法基本上能夠滿足道路交通90%抓拍率的實際需要。

4 結(jié)語

    本文通過對有序統(tǒng)計恒虛警方法進行改進，并結(jié)合實際交通應用時出現(xiàn)的安裝擺角問題，提出基于樣本統(tǒng)計特性的擺角自修正算法，在很大程度上改善了交通多目標雷達車輛檢測率不高、有效抓拍率低的問題。通過系統(tǒng)仿真和實際道路測試，本雷達系統(tǒng)對多車道、多目標的有效抓拍率在多種路況下均能達到95%，得到了很好的多目標監(jiān)測效果。這對于多目標交通雷達的推廣應用具有很大的現(xiàn)實意義，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提供技術保證。

參考文獻

[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] 侯遠志，焦黎帆.國內(nèi)外智慧城市建設研究綜述[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.一種測速雷達多目標跟蹤的方法和裝置[P].中國，201410131062.6，2014.

[5] 修超，曹林，王東峰.基于微波雷達回波信號的智能車道劃分方法[J].計算機應用，2017，37(10)：3017-3023.

[6] 何友，關鍵，孟祥偉.雷達目標檢測與恒虛警處理[M].北京：清華大學出版社，2011.

[7] 郝迎春，陳客松.雷達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.提高雷達信號檢測性能方法的研究[D].大連：大連海事大學，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.