论文部分内容阅读
随着信息智能化技术的迅猛发展,智能驾驶技术已成为了一个热门的研究方向,带动了高级驾驶辅助系统(ADAS)的发展。毫米波雷达具有工作在恶劣环境条件下仍然能够保持着很好的鲁棒性以及还具有高分辨率和尺寸小等优点,使其成为了ADAS的核心部件之一。车载毫米波雷达的目标跟踪技术是ADAS中极为重要的一项功能,该技术可以实时对路面目标信息进行获取与分析,遇到紧急情况时可以对汽车进行相应的控制,提高道路交通安全性,降低交通事故发生率。本文基于77GHz车载毫米波调频连续波(FMCW)多输入多输出(MIMO)工作体制雷达,对毫米波雷达目标跟踪的关键问题展开研究,主要有:(1)针对目标存在多普勒模糊的问题,提出一种基于毫米波雷达对运动目标的检测方法。通过改进中国剩余定理(CRT)对雷达测速进行速度扩展方法,在速度模糊情况下提高了CRT的稳健性与测速精度;在相位偏移上利用相位补偿方法对多普勒相偏进行修正,然后利用加Kaiser窗FFT波束形成方法对目标角度信息进行准确估计,能有效解决由时分多路复用(TDM)多输入多输出(MIMO)体制雷达在与目标存在相对运动时所产生的角度模糊问题。仿真和实验结果验证了所提出的算法的有效性。(2)针对在车流量少、道路状况单一的简单环境下对多目标跟踪时量测数据来源不确定问题,开展基于数据关联的目标跟踪技术研究。首先介绍了目标跟踪三种运动模型以及相关波门算法。然后对扩展卡尔曼滤波(EKF)、粒子滤波(PF)、无迹卡尔曼滤波(UKF)方法研究并对其仿真分析。最后利用联合概率数据关联(JPDA)跟踪算法将雷达观测到的数据与目标的航迹进行关联,从而解决了在对多目标进行跟踪时量测数据来源不确定导致回波实际目标数据与航迹之间失配问题,仿真结果验证了算法的有效性。(3)针对在车流量多、道路情况混乱的复杂环境下传统跟踪技术在杂波中聚集交叉时对多目标跟踪效果不理想问题,开展基于随机有限集(RFS)的目标跟踪技术研究。首先对RFS的定义及滤波模型进行了阐述,并对RFS滤波模型公式进行数学推导。接着在RFS基础上利用非线性系统扩展卡尔曼滤波高斯混合概率假设密度(EKFGMPHD)对目标状态与量测进行构建,以对目标的新生及消失的过程进行表示,并对预测进行更新,从而解决了复杂环境下因目标在杂波中聚集交叉时跟踪效果下降等问题。仿真结果验证了算法的有效性。