电子工业出版社-网上书店

多输入多输出（Multiple Input Multiple Ontput，MIMO）毫米波雷达是国内外雷达领域的研究热点，MIMO毫米波雷达克服了传统雷达单发单收的缺点，提高了能量利用率、测角精度、杂波抑制能力，降低了截获率。与激光雷达和视频检测相比，毫米波雷达具有非常大的优势，因此MIMO毫米波雷达广泛应用于智能交通领域。本书从智能交通系统中的车辆检测、测速、跟踪技术出发，依据真实的MIMO毫米波雷达测量数据，介绍车辆跟踪系统架构，以及常用的交通雷达体制，并对这些体制进行比较，得出FSK是最适合应用于测速的交通雷达体制。本书重点介绍了处理毫米波雷达探测数据的方法，包括初期对接收到的雷达信号进行去噪及利用获取的点云数据对雷达摆角进行修正，中期的点云数据聚类处理，后期的车辆轨迹关联、跟踪技术。在介绍这些技术时，不仅应用了经典的雷达数据处理技术，还提出了一些改进算法，并对目前热门的图像处理技术进行了介绍。

第1章  绪论	001
1.1  研究背景及意义	001
1.2  国内外研究现状	003
1.2.1  交通监视雷达研究现状	003
1.2.2  雷达数据处理研究现状	006
1.3  雷达测速系统	007
1.4  视频目标检测的研究现状	009
1.5  本章小结	010
第2章  交通雷达体制	011
2.1  CW体制	011
2.2  LFMCW体制	014
2.3  FSK体制	016
2.4  CW-FMCW复合体制	019
2.5  本章小结	020
第3章  微波测速雷达信号处理算法	021
3.1  去噪算法	021
3.1.1  基于EMD的去噪算法	021
3.1.2  自相关检测法	030
3.2  测速雷达角度自适应算法	034
3.2.1  火车测速雷达系统	034
3.2.2  基于样本统计特性的雷达摆角自修正算法	040
3.3  本章小结	047
第4章  微波测速雷达的目标识别与跟踪	049
4.1  单目标雷达算法优化	049
4.1.1  基于Kalman滤波的测速测距算法优化	049
4.1.2  基于CW-FMCW复合体制的DSP算法改进	051
4.1.3  仿真和分析	053
4.2  FSK体制雷达测速算法实现	057
4.2.1  FSK体制雷达测速原理	057
4.2.2  FSK体制雷达目标识别算法实现与仿真	061
4.3  多目标检测跟踪算法的研究与实现	071
4.3.1  多目标检测跟踪算法	071
4.3.2  多目标跟踪触发过程	076
4.3.3  基于恒虚警检测的目标检测优化	078
4.3.4  测试和分析	084
4.4  本章小结	088
第5章  聚类算法研究	089
5.1  经典聚类算法	089
5.1.1  DBSCAN聚类算法	089
5.1.2  FCM聚类算法	091
5.1.3  K-Means聚类算法	094
5.2  基于主轴的密度峰值模糊聚类算法	096
5.2.1  基于密度峰值的初次聚类算法	097
5.2.2  基于主轴更新的模糊聚类算法	100
5.2.3  实验设计	104
5.3  本章小结	112
第6章  多目标跟踪算法和系统设计	113
6.1  改进的粒子滤波算法	113
6.1.1  航迹关联	113
6.1.2  动目标跟踪	119
6.1.3  实验对比与路测结果	122
6.2  数据关联算法	127
6.2.1  最近邻数据关联算法	127
6.2.2  联合概率数据关联算法	129
6.2.3  k近邻联合概率数据关联算法	131
6.2.4  实验设计	137
6.3  多目标跟踪系统设计	142
6.3.1  需求分析	142
6.3.2  总体设计	145
6.3.3  多目标跟踪系统的应用	147
6.4  本章小结	154
第7章  基于毫米波雷达和机器视觉的信息融合与目标识别	155
7.1  基于深度学习的目标检测	156
7.1.1  目标检测	156
7.1.2  深度学习目标检测原理	159
7.1.3  测试和仿真	165
7.2  基于毫米波雷达和机器视觉的信息融合	171
7.2.1  毫米波雷达和摄像机的数据融合	171
7.2.2  基于机器学习的车型识别	176
7.2.3  实验验证与分析	179
7.3  本章小结	182

前  言

近20年，我国智能交通领域发展迅速，以从无到有、从有到新的姿态不断进步，智能交通设备随处可见。智能交通设备的应用使人们的出行规划更便捷。从目前的交通状况来看，我国智能交通领域的发展还远远不能满足人们的正常出行需求，需要建立更健全的法律法规、形成更完善的行业规范、设计更高效的智能交通控制系统、开发更精密的边缘节点设备。
目前，主要的交通监测方式采用雷达与摄像头搭配的形式，雷达检测到目标车辆后，利用摄像头抓拍采集相关信息。近年来，以机器学习、深度学习为代表的图像处理技术吸引了大量关注，而民用雷达的发展却鲜被提及。与摄像头相比，毫米波雷达有巨大优势，其监测范围广、距离远，容易实现超视距感知，且上传数据量小，减轻了系统负荷。更重要的是，其抗干扰能力强，无惧气候、环境的影响。因此，我们认为图像处理技术与毫米波雷达数据处理技术的深层次融合是促进智能交通领域发展的重要内容。
通过阅读本书，读者可以了解毫米波雷达在智能交通领域中所扮演的角色、所发挥的作用，以及以MIMO毫米波雷达为主的车辆跟踪系统架构，了解毫米波雷达探测数据的处理方法，以点破面，从雷达的角度出发，深入了解整个系统，不仅要知其然，还要知其所以然。全书共7章，第1章介绍了我国毫米波雷达在智能交通领域的应用和研究情况，以及雷达数据和图像处理技术；第2章介绍了几个常用的交通雷达体制，并对各体制进行了比较；第3章在传统去噪算法的基础上介绍了新的去噪算法，并提出了利用测量数据修正雷达安装摆角的方法；第4章则以实测数据为基础，介绍了实际场景中车辆的检测与跟踪技术；第5章介绍了经典的聚类算法，并提出了基于主轴的密度峰值模糊聚类算法；第6章介绍了利用数据关联算法进行目标跟踪的技术及多目标跟踪系统的设计；第7章简单介绍了图像处理技术，以及图像与雷达数据的融合方法。?
笔者结合自身经验，对智能交通中毫米波雷达数据处理的相关知识进行了梳理和总结，希望起到抛砖引玉的作用，促进相关行业的发展，也通过总结，使自己深入理解整体架构，提高自身的理论水平。
由于笔者水平有限，书中难免存在不足之处，请各位读者谅解和指正。


曹  林  
2021年9月

本书配套资源下载

对不起，暂无音视频资源！

智能交通中毫米波雷达数据处理方法与实现