# 毫米波雷达虚警

在学习智能网联汽车技术(崔胜民著)一书时，在P22页看到一句“充满杂波的外部环境经常给毫米波雷达感知带来虚警问”，但是书中没有详细展开，这里来补充一下。

毫米波雷达是工作在毫米波频段的雷达，它通过发射与接收高频电磁波来探测目标，后端信号处理模块利用回波信号计算出目标的距离、速度和角度等信息。虚警指雷达探测的过程中，采用门限检测的方法时由于噪声的普遍存在和起伏，实际不存在目标却判断为有目标的现象。关于这方面的资料，我整合了一下，主要的依据资料是：

1. 杨航,高源.毫米波雷达识别问题分析及解决措施[J].汽车技术,2018,(08):43-46.
2. 张雷, 张博. 一种基于动态虚警概率的车载毫米波雷达目标识别方法:.

一、毫米波雷达识别问题解析

在长距毫米波雷达使用过程中，发现前长距雷达有大量虚警信号出现。通过观察发现，第1类虚警信号通常与金属护栏信号同时出现，为一系列连续点，其回波点相对车辆的距离与护栏回波点相对车辆的距离接近，夹角相对护栏回波点偏右，特征是由远及近、从右向左穿过车辆所在点上的水平轴，在接近车辆的过程中突然消失, 其与车的相对速度与道路护栏与车的相对速度一致(图中虚线圆圈)；第2类虚警信号通常与车辆同时出现，车辆虚警信号的目标距离与目标车辆回波点接近，方位角相对目标车辆回波点偏右, 其相对速度与目标车辆一致(图中实线圆圈)，而后置长距毫米波雷达图像中没有出现这些虚警信号。将前、后毫米波雷达调换后重新在该路段进行了测试，发现虚警信号依然存在，预测是车辆前、后保险杠不同所导致。将前保险杠拆除后再次在该路段进行了测试，发现两种虚警信号均消失。

但在拆除保险杠后发现了第3类虚警信号，此类虚警信号在车辆静止时不出现，行车过程中出现目标跳动，目标距离一般在3~15 m，方位角为0度，相对速度一般与车速接近，且具有闪动的特点(非持续目标)。

通过对样车进行分析发现，该样车前保险杠油漆的材质为金属漆，其中包含的金属颗粒对前向雷达发射和接收的电磁波产生了折射、反射干扰，从而导致前向雷达接收的同一目标在多个方位产生回波，错误判定为多个目标，因而造成了第1类和第2类虚警信号。针对第1类和第2类虚警问题，采取将遮挡雷达的保险杠金属漆换为非金属漆的解决措施。

第3类虚警信号与前保险杠无关，是车辆颠簸过程中其姿态俯仰角发生变化导致前向毫米波雷达将来自路面的回波作为目标输出。但第3类虚警回波距离固定(对于某一个确定的虚警信号)，方位角固定为0，持续时间短，因此考虑利用条件判断进行筛选去除。针对第3类虚警问题，采取修改雷达信号读取程序，增加前后帧滤波判定，将断续出现在路面中间的闪现目标过滤的措施，滤波算法流程如下图所示：

##二、 毫米波雷达目标提取问题解析 中距雷达模块本身不支持目标跟踪(Tracking)和提取功能。在使用过程中发现，目标回波与地面杂波及目标跳变杂波混杂，如直接将其原始数据作为感知结果直接输入后续规划控制模块，环境感知结果并不稳定、准确，容易造成对后续规划模块的扰动，如下图所示。

这是因为，中距毫米波雷达角分辨率相对较低，其无法返回物体的宽度信息。对于长条、连续出现的障碍物，中距毫米波雷达将识别为多个回波点并输出。根据毫米波雷达感知特性，真实存在的障碍物周围回波密度及回波出现概率高。

可以使用聚类算法对原始数据进行处理，录制视频和原始数据包，同时运行实施聚类算法前和实施聚类算法后的程序，验证算法是否能够有效提取目标参数。拟采用的滤波算法流程如下图所示：

实施聚类算法前、后的探测结果对比如下图所示，可看出，通过聚类，从毫米波的点云数据中可以准确提取障碍物的轮廓信息，并获知后方来车的情况。

三、基于动态虚警概率的车载毫米波雷达目标识别

这部分内容由于涉及深度强化学习DQN，所以下面仅仅列出大致思路，具体的分析等到强化学习理论DQN那部分文章更完后再继续修改。

首先通过传感器获取环境数据，对环境数据的分析计算，得出当前车载毫米波雷达的行驶场景。通过强化学习方法，动态生成适合当前场景的雷达信号处理相关参数配置。将自适应参数用于动态调整毫米波雷达的目标识别过程，以获得特定场景下的最佳表现，使得毫米波雷达在不同场景下对环境具有不同虚警概率和探测效果。

标签：类虚警,虚警,目标,毫米波,雷达,回波
来源： https://www.cnblogs.com/hitwherznchjy/p/15972242.html