技术新讯 > 测量装置的制造及其应用技术 > 基于IR-UWB雷达运动探测模式下的目标识别方法  >  正文

基于IR-UWB雷达运动探测模式下的目标识别方法

  • 国知局
  • 2024-08-22 14:22:58

本技术涉及雷达,特别涉及一种基于ir-uwb(impulse radio ultra-wideband,脉冲无线电超宽带)雷达运动探测模式下的目标识别方法。

背景技术:

1、在消防救援等挑战性环境中,存在着烟雾、水滴、非金属遮挡物和噪声等因素,传统的搜救技术如激光雷达、热成像、气体检测器、视觉和声音搜索技术等在这些条件下表现不佳。相对而言,ir-uwb雷达因其抗干扰能力强、穿透能力强、稳定性强、轻巧便携等独特的优势,成为建筑火灾搜救的优势技术。

2、相关技术中,可以利用时频分析工具对双波段雷达系统采集的目标回波进行时频分析,以提取特征,进而通过数据融合进行分类识别,得到识别结果;也可以对被识别目标体的多波段电磁回波进行线性判别分析,提取目标特征,并将多波段的特征进行融合后对被识别目标体分类识别;还可以采用主成分分析方法提取待识别目标的特征,进而采用分类算法识别待识别目标的类别。

3、然而,相关技术中,探测平台不规律运动导致目标识别较为困难,无法有效区分静止物体与运动目标,精度较差、模型较为复杂,严重影响了目标识别准确性。

技术实现思路

1、本技术提供一种基于ir-uwb雷达运动探测模式下的目标识别方法,以解决相关技术中,探测平台不规律运动导致的目标识别较为困难,无法有效区分静止物体与运动目标,精度较差、模型较为复杂,严重影响了目标识别的准确性等问题。

2、本技术第一方面实施例提供一种基于ir-uwb雷达运动探测模式下的目标识别方法,包括以下步骤:获取雷达运动探测模式下的雷达回波信号;提取所述雷达回波信号的至少一个初始运动目标,将不同帧的所述至少一个初始运动目标进行匹配,以获得所述至少一个初始运动目标的特征序列;利用所述特征序列构建预设数据集,并将所述数据集输入至预设目标识别网络模型中,得到所述预设目标识别网络模型的识别结果,以确定所述雷达回波信号中的运动目标。

3、可选地,在本技术的一个实施例中,所述将所述数据集输入至预设目标识别网络模型中,得到所述预设目标识别网络模型的识别结果,包括:通过对所述特征序列进行预处理,以获取所述特征序列对应的一维时频域特征向量和一维时域特征向量;基于所述一维时频域特征向量和所述一维时域特征向量,得到所述预设目标识别网络模型的识别结果。

4、可选地,在本技术的一个实施例中,所述提取所述雷达回波信号的至少一个初始运动目标,包括:对所述雷达回波信号进行预处理,得到满足预设处理条件的雷达回波信号;通过预设完全自适应目标检测算法对所述预处理后的雷达回波信号进行检测,以获得所述至少一个初始运动目标。

5、可选地,在本技术的一个实施例中,所述将不同帧的所述至少一个初始运动目标进行匹配,以获得所述至少一个初始运动目标的特征序列,包括:提取所述至少一个初始运动目标对应的所述雷达回波信号的波段;基于所述波段匹配所述不同帧的至少一个初始运动目标,以获得所述波段相匹配的不同帧的至少一个初始运动目标;拼接所述波段相匹配的不同帧的至少一个初始运动目标,以生成所述特征序列。

6、可选地,在本技术的一个实施例中,所述基于所述波段匹配所述不同帧的至少一个初始运动目标,以获得所述波段相匹配的不同帧的至少一个初始运动目标,包括:获取所述波段至少一个初始运动目标的初始状态预测值;利用所述至少一个初始运动目标对应的外部信息修正所述初始状态预测值,以获取所述至少一个初始运动目标的调整状态预测值;利用所述调整状态预测值匹配所述不同帧的至少一个初始运动目标,以获得所述波段相匹配的不同帧的至少一个初始运动目标。

7、可选地,在本技术的一个实施例中,所述拼接所述波段相匹配的不同帧的至少一个初始运动目标,以生成所述特征序列,包括:获取所述波段相匹配的不同帧的至少一个初始运动目标的估计值;基于所述估计值,拼接所述波段相匹配的不同帧的至少一个初始运动目标,以生成所述特征序列。

8、本技术第二方面实施例提供一种基于ir-uwb雷达运动探测模式下的目标识别装置,包括:获取模块,用于获取雷达运动探测模式下的雷达回波信号;生成模块,用于提取所述雷达回波信号的至少一个初始运动目标,将不同帧的所述至少一个初始运动目标进行匹配,以获得所述至少一个初始运动目标的特征序列;识别模块,用于利用所述特征序列构建预设数据集,并将所述数据集输入至预设目标识别网络模型中,得到所述预设目标识别网络模型的识别结果,以确定所述雷达回波信号中的运动目标。

9、可选地,在本技术的一个实施例中,所述识别模块,包括:获取单元,用于通过对所述特征序列进行预处理,以获取所述特征序列对应的一维时频域特征向量和一维时域特征向量;识别单元,用于基于所述一维时频域特征向量和所述一维时域特征向量,得到所述预设目标识别网络模型的识别结果。

10、可选地,在本技术的一个实施例中,所述生成模块,包括:生成单元,用于对所述雷达回波信号进行预处理,得到满足预设处理条件的雷达回波信号;检测单元,用于通过预设完全自适应目标检测算法对所述预处理后的雷达回波信号进行检测,以获得所述至少一个初始运动目标。

11、可选地,在本技术的一个实施例中,所述生成模块,包括:提取单元,用于提取所述至少一个初始运动目标对应的所述雷达回波信号的波段;匹配单元,用于基于所述波段匹配所述不同帧的至少一个初始运动目标,以获得所述波段相匹配的不同帧的至少一个初始运动目标;拼接单元,用于拼接所述波段相匹配的不同帧的至少一个初始运动目标,以生成所述特征序列。

12、可选地,在本技术的一个实施例中,所述匹配单元,包括:第一获取子单元,用于获取所述波段至少一个初始运动目标的初始状态预测值;修正子单元,用于利用所述至少一个初始运动目标对应的外部信息修正所述初始状态预测值,以获取所述至少一个初始运动目标的调整状态预测值;匹配子单元,用于利用所述调整状态预测值匹配所述不同帧的至少一个初始运动目标,以获得所述波段相匹配的不同帧的至少一个初始运动目标。

13、可选地,在本技术的一个实施例中,所述拼接单元,包括:第二获取子单元,用于获取所述波段相匹配的不同帧的至少一个初始运动目标的估计值;拼接子单元,用于基于所述估计值,拼接所述波段相匹配的不同帧的至少一个初始运动目标,以生成所述特征序列。

14、本技术第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的基于ir-uwb雷达运动探测模式下的目标识别方法。

15、本技术第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的基于ir-uwb雷达运动探测模式下的目标识别方法。

16、本技术第五方面实施例提供一种计算机程序产品,包括计算机程序,该程序被执行时实现如上的基于ir-uwb雷达运动探测模式下的目标识别方法。

17、本技术实施例可以通过获取到的雷达运动探测模式下的雷达回波信号,提取出初始运动目标,并将不同帧的初始运动目标进行匹配,获得特征序列,进而基于一定目标识别网络模型,确定雷达回波信号中的运动目标,能够根据实际情况灵活调整检测阈值和背景估计,从而有效地识别出运动目标,提高了检测的准确性和稳健性。由此,解决了相关技术中,探测平台不规律运动导致的目标识别较为困难,无法有效区分静止物体与运动目标,精度较差、模型较为复杂,严重影响了目标识别的准确性等问题。

18、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。

本文地址:https://www.jishuxx.com/zhuanli/20240822/278462.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。