毫米波雷达障碍物检测算法介绍 |
您所在的位置：网站首页 › 激光雷达避障小车用什么算法 › 毫米波雷达障碍物检测算法介绍 |
毫米波雷达障碍物检测算法介绍
|
Radar系列文章
传感器融合是将多个传感器采集的数据进行融合处理，以更好感知周围环境；这里首先介绍毫米波雷达的相关内容，包括毫米波雷达基本介绍，毫米波雷达数据处理方法（测距测速测角原理，2D FFT，CFAR，聚类，毫米波雷达障碍物识别实例）等。 系列文章目录 1. 毫米波雷达基本介绍 2. FMCW毫米波雷达原理 3. 毫米波雷达障碍物检测算法介绍 文章目录 Radar系列文章 FFT and FMCW 2D FFT 杂波噪声（Clutter noise） CFAR 聚类 卡尔曼（Kalman）跟踪上一章我们讲到可以通过混频器（Mixer）的中频信号（beat frequency）解算出速度和距离信息。
以下是MATLAB进行FFT分析的程序示例。 Fs = 1000; % Sampling frequency T = 1/Fs; % Sampling period L = 1500; % Length of signal t = (0:L-1)*T; % Time vector % TODO: Form a signal containing a 77 Hz sinusoid of amplitude 0.7 and a 43Hz sinusoid of amplitude 2. S = 0.7*sin(2*pi*77*t)+2*sin(2*pi*43*t); % Corrupt the signal with noise X = S + 2*randn(size(t)); % Plot the noisy signal in the time domain. It is difficult to identify the frequency components by looking at the signal X(t). plot(1000*t(1:50) ,X(1:50)) title('Signal Corrupted with Zero-Mean Random Noise') xlabel('t (milliseconds)') ylabel('X(t)') % TODO : Compute the Fourier transform of the signal. signal_fft = fft(X); % TODO : Compute the two-sided spectrum P2. Then compute the single-sided spectrum P1 based on P2 and the even-valued signal length L. P2 = abs(signal_fft/L); P1=P2(1:L/2+1); % Plotting f = Fs*(0:(L/2))/L; plot(f,P1) title('Single-Sided Amplitude Spectrum of X(t)') xlabel('f (Hz)') ylabel('|P1(f)|') 2D FFT我们已经从Range FFT中获得了距离信息，下一步我们需要提取速度信息。这里我们需要对Range FFT信号再次进行FFT，获得获取多普勒频移 f d f_d fd，即可获得速度信息。多普勒频移是通过分析多个扫频波（chirps）的相位变化来获得的，因此需要在连续扫频波发射接收后，对距离多普勒进行2nd FFT，即2D FFT可获得频移/速度信息。 |
混频器出来的差频信号，首先需要进行ADC模数转换，转换成数字信号，再给到DSP处理。首先进行的是FFT频谱分析，将时域信号转换为频域信号，再提取有效信息，下面将介绍这一过程。 
混频器回波后的差频信号，首先截取中间段的有效信号进行FFT频谱分析，每段采样N次，每次采样得到一个距离单元，从而得到一下Range FFT map图，获得N*(Number of chirps)单元。 
【本文地址】
今日新闻 |
推荐新闻 |