汽车雷达全频目标识别算法和FPGA实现,这篇雷达论文范文为免费优秀学术论文范文,可用于相关写作参考。
雷达论文参考文献：
摘 要： 提出一种用于汽车雷达防撞技术的全频目标识别（FSTR）算法,该方案采用24 GHz毫米波雷达,在FPGA平台上进行信号处理.通过python软件实现算法并进行仿真,仿真结果和FPGA实际运行的结果一致.该方案的雷达扫频信号为100 Hz的锯齿波,采样频率为480 kHz,离散傅里叶变换（DFT）点数为4 096点,每一帧数据的时间间隔为10 ms,满足车辆行驶实时性的要求.通过对道路行驶测得的数据比较,相比主流的恒虚警率（CFAR）算法,本算法抗干扰能力更强,精确度更高.
关键词： 雷达； 汽车防撞； 全频； 离散傅里叶变换
中图分类号： TN911.72?34 文献标识码： A 文章编号： 1004?373X（2017）23?0171?04
Abstract： A full spectrum target recognition （FSTR） algorithm used for collision oidance technology of automotive radar is proposed. A 24 GHz millimeter?we radar is used in the scheme to process the signal on FPGA platform. The FSTR algorithm is realized with the python software, and its simulation result is consistent with the actual running result processed by FPGA. The items of the scheme can meet the real?time requirement of vehicle trel, which includes that the radar sweet?frequency signal is the 100 Hz sawtooth we, the sampling frequency is 480 kHz, the discrete Fourier tranorm （DFT） count is 4 096, and the time interval of each frame data is 10 ms. The comparison result of the data measured in vehicle trelling shows that, in comparison with the constant false?alarm rate （CFAR） algorithm, the FSTR algorithm has stronger anti?interference ability and higher accuracy.
Keywords： radar； automobile collision oidance； full spectrum； DFT
0 引 言
经济的发展提高了人们的生活质量.随着汽车数量的增多,交通事故的数量也增加了.根据美国各州公路工作者协会资料显示,司机从感知、判断到制动产生效果需要[1]3 s,当前大部分科研工作者把精力放在减少司机感知的时间上.主流的汽车防撞预警技术以图像识别和红外等为主[2?3],但这些技术受环境影响很大,恶劣环境下,往往不能减少司机感知的时间.图像识别技术在白天的准确率很高,但在晚上和雾天,准确率大大下降[2].红外识别技术受到雨滴的影响,在雨天效果很差[3].基于毫米波雷达的汽车防撞预警技术具有不受天气环境影响的优点,可以适应各种环境.本方案采用24 GHz毫米波雷达,在FPGA平台上进行信号处理,通过python软件实现算法并进行仿真.本方案提出的全频目标识别（Full Spectrum Target Recognition,FSTR）算法与主流的恒虚警率（Constant False?Alarm Rate,CFAR）算法[4]比较,FSTR算法的虚警率更低,抗干扰的能力更强,更加适应复杂的路况环境.
1 雷达测距原理
本文方案使用的是载波频率为24 GHz毫米波雷达.调制信号[Tramp]是100 Hz的锯齿波,调制宽度[BSW等于]150 MHz,雷达载波频率[fc等于24] GHz,在低速环境下,多普勒效应对距离的误差[5]小于0.1 m.因而本方案忽略多普勒效应,使用一次DFT计算得到距离信息.
2 全频目标识别算法与FPGA实现
雷达测距的表现与目标物的反射面积、目标物的材质有关,金属之类反射率比较高的材料在雷达测距上的表现更好.雷达在汽车行驶时,可以测到多个目标,但在安全层面,只有最近的目标物才是影响汽车安全的关键,因而用以预警的目标物在频谱上应该满足两个条件：相对在整个频谱上,幅值足够大；在量测到多个目标物时,应取距离最近的目标用以预警.针对这两点,本文提出一种全频目标识别算法,该算法可以分为两部分：第一部分提取频谱上所有目标物的频率；第二部分选取最近的可能目标频率用以预警.本文采用的是4 096点DFT基2算法,因为DFT具有对称性,前2 048个数据已能满足实验要求.
2.1 所有目标物提取算法
根据式（13）得到频率和DFT序号之间的关系,由每一个数据序号对应的幅值大小判断其是否是一个可能的目标.首先,求得2 048个数据中的最大值[Gmax,]然后将2 048个数据按照序号分成[N等于256]组,每组[M等于2 048N等于]8个元素,例如数据1～8为一组,9～16为第二组,以此类推.在多次实验比较中,[N等于256]是一个较合适的参数.经过计算得到64组中每组数据的最大值[Gk,][k等于1,2,等,255,256]和[Gk]对应的序号[nk,]从而得到两个集合[G等于G1,G2,等,G255,G256,][n等于n1,n2,等,n255,n256].
结论：关于对写作雷达论文范文与课题研究的大学硕士、相关本科毕业论文雷达论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
雷达射频集成电路与应用
摘 要：本文概述了雷达射频集成电路技术的特点，是一种以半导体和射频电路技术为基础，一种集信号放大、数据传输和转化功能为一体的技术，并从其发展与演。
基于多目标PSO算法的风光互补发电系统优化
摘 要：风光互补发电系统在资源利用上具有很强的互补性，相对于单独的光伏或风能发电，合理的优化配置可大大提高系统供电可靠性，减少运行成本。研究风光。
基于自适应监督式局部线性嵌入植物叶片识别算法
摘要：局部线性嵌入（LLE）算法在实际应用中存在显著的缺陷，其中之一就是必须确定近邻参数k。本研究提出一种新的监督自适应LLE算法。根据Fish。
能源互联网环境下基于最短路算法的电动汽车充电站选址
在全球能源互联网的环境下电动汽车作为缓解能源和环境压力的不二选择引起了众人关注，因而充电站规划的科学性和合理性也越来越重要。充电站的选址问题是涉。