一种基于UNet的雷达多目标距离和速度估计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113608193A(43)申请公布日2021.11.05(21)申请号202111093297.7(22)申请日2021.09.17(71)申请人清华大学地址100084北京市海淀区清华园1号(72)发明人罗东琦于帆朱纪洪(74)专利代理机构北京三聚阳光知识产权代理有限公司11250代理人张建纲(51)Int.Cl.G01S7/41(2006.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于UNet的雷达多目标距离和速度估计方法(57)摘要本发明涉及一种基于UNet的雷达多目标距离和速度估计方法，主要用于对雷达回波信号做匹配滤波和多普勒处理得到距离‑多普勒像，并将雷达回波信号的距离‑多普勒像作为UNet的输入来训练语义分割深度网络，将新采集的雷达回波信号的距离‑多普勒像输入到训练好的UNet中，从而可获取其识别结果，即UNet识别为目标的点即为探测的目标，计算目标点对应的距离和速度坐标即可得到目标的距离和速度。本方法能够适用于低信噪比情形，能自动一次性检测出回波信号中的所有目标并估计出其对应的距离和速度，具有很好的准确性、快速性和鲁棒性。CN113608193ACN113608193A权利要求书1/1页1.一种基于UNet的雷达多目标距离和速度估计方法，其特征在于步骤如下：步骤1)信号采集：对于若干已知距离和速度的目标，采集雷达回波信号；步骤2)训练数据预处理：训练集对雷达回波信号进行分组，对每组雷达信号进行处理得到距离‑多普勒像；步骤3)样本标注：对距离‑多普勒像进行类别标注；步骤4)数据集划分：将标注好的距离‑多普勒像数据的n％作为训练集，1‑n％作为验证集进行划分；步骤5)模型训练：将训练集中的距离‑多普勒像作为UNet的输入，输出预测的类别，将预测类别和真实类别对比计算损失函数，利用损失函数训练UNet；步骤6)模型选择：改变UNet参数，重复步骤5)中的方法训练UNet模型，选择最好的模型作为最终模型；步骤7)模型应用：对于新的雷达回波信号，对其处理得到距离‑多普勒像作为训练好的UNet的输入，即可估计出回波信号中每个目标的距离和速度。2.根据权利要求1所述的一种基于UNet的雷达多目标距离和速度估计方法，其特征在于，所述步骤2)的训练数据预处理的具体方法为，根据信噪比将采集的雷达回波数据划分为若干个大小相等的分组，在每个分组内对雷达回波信号分别进行匹配滤波和快速傅里叶变换变换得到分组的距离‑多普勒像，不同分组的距离‑多普勒像组成输入训练数据。3.根据权利要求1所述的一种基于UNet的雷达多目标距离和速度估计方法，其特征在于，所述步骤3)的样本标注的具体方法为，对于每个目标，在距离‑多普勒像上找出与其真实距离和速度最接近的距离‑多普勒单元并将其标为1，其余距离‑多普勒单元标为0。4.根据权利要求1所述的一种基于UNet的雷达多目标距离和速度估计方法，其特征在于，所述步骤5)的模型训练的具体方法为，将训练集中的距离‑多普勒像作为UNet的输入，输出每个距离‑多普勒单元的预测类别，计算预测的交叉熵损失函数，对于一个距离‑多普勒像，其数学表达式为：其中pi和ti分别表示UNet将第i个距离‑多普勒单元识别为目标的概率和第i个距离‑多普勒单元的真实标签，N为距离‑多普勒像的单元数；计算好损失函数后，利用随机梯度下降算法和梯度反向传播算法训练UNet。5.根据权利要求1所述的一种基于UNet的雷达多目标距离和速度估计方法，其特征在于，所述步骤6)的模型选择的具体方法为，改变UNet参数，重复权利要求1中步骤5)所述的方法训练UNet模型，并评估其在验证集上的效果，选择在验证集上效果最好的模型作为最终模型。6.根据权利要求1所述的一种基于UNet的雷达多目标距离和速度估计方法，其特征在于，所述步骤7)的模型应用的具体方法为，对于新的雷达回波信号，对其处理得到距离‑多普勒像作为训练好的UNet的输入，将将UNet预测概率高于阈值的距离‑多普勒单元识别为目标，并将其对应的距离和速度作为目标的距离和速度的估计。2CN113608193A说明书1/4页一种基于UNet的雷达多目标距离和速度估计方法技术领域[0001]本发明涉及信号处理和人工智能领域，具体而言，涉及基于UNet的雷达多目标距离和速度估计方法。背景技术[0002]雷达是一种最常用的遥感探测系统，其最基础、最重要的功能是探测目标是否存在以及目标的距离和速度等信息。雷达由于其具有全天时、全天候探测能力，以及受云雾、天气等因素干扰小等优点而被广泛运用于军事目标探测和无人车自动驾驶技术等领域。[0003]主动式雷达通过发射电磁波并分析回波信号来得到目标的相关信息。具体而言，雷达通过估计回波