智能交通中毫米波雷達數(shù)據(jù)處理方法與實現(xiàn)

定　價：￥72.00

作　者：	曹林著
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787121420917	出版時間：	2021-10-01	包裝：	平裝
開本：	16開	頁數(shù)：	192	字數(shù)：

內(nèi)容簡介

　　多輸入多輸出（Multiple Input Multiple Ontput，MIMO）毫米波雷達是國內(nèi)外雷達領(lǐng)域的研究熱點，MIMO毫米波雷達克服了傳統(tǒng)雷達單發(fā)單收的缺點，提高了能量利用率、測角精度、雜波抑制能力，降低了截獲率。與激光雷達和視頻檢測相比，毫米波雷達具有非常大的優(yōu)勢，因此MIMO毫米波雷達廣泛應(yīng)用于智能交通領(lǐng)域。本書從智能交通系統(tǒng)中的車輛檢測、測速、跟蹤技術(shù)出發(fā)，依據(jù)真實的MIMO毫米波雷達測量數(shù)據(jù)，介紹車輛跟蹤系統(tǒng)架構(gòu)，以及常用的交通雷達體制，并對這些體制進行比較，得出FSK是***應(yīng)用于測速的交通雷達體制。本書重點介紹了處理毫米波雷達探測數(shù)據(jù)的方法，包括初期對接收到的雷達信號進行去噪及利用獲取的點云數(shù)據(jù)對雷達擺角進行修正，中期的點云數(shù)據(jù)聚類處理，后期的車輛軌跡關(guān)聯(lián)、跟蹤技術(shù)。在介紹這些技術(shù)時，不僅應(yīng)用了經(jīng)典的雷達數(shù)據(jù)處理技術(shù)，還提出了一些改進算法，并對目前熱門的圖像處理技術(shù)進行了介紹。

作者簡介

　　曹林，教授，博士生導(dǎo)師，現(xiàn)任光電測試技術(shù)及儀器教育部重點實驗室副主任，中國電子教育學(xué)會研究生教育分會理事，先后主持國家自然科學(xué)基金重點支持項目、國防軍工等課題。研究方向為空間信息智能感知與計算、圖像理解與識別和雷達信號處理。近年來，作為項目骨干完成國家科技重大專項專題3項，發(fā)表學(xué)術(shù)論文40余篇，出版學(xué)術(shù)著作4部，教材1部，獲北京市科學(xué)技術(shù)獎和中國智能交通協(xié)會科學(xué)技術(shù)獎等3項科技獎項，獲授權(quán)發(fā)明專利7項，計算機軟件著作權(quán)35項，其指導(dǎo)的研究生獲2016年度“中國圖象圖形學(xué)報”優(yōu)秀論文獎。

圖書目錄

第1章緒論\t001
1．1 研究背景及意義\t001
1．2 國內(nèi)外研究現(xiàn)狀\t003
1．2．1 交通監(jiān)視雷達研究現(xiàn)狀\t003
1．2．2 雷達數(shù)據(jù)處理研究現(xiàn)狀\t006
1．3 雷達測速系統(tǒng)\t007
1．4 視頻目標檢測的研究現(xiàn)狀\t009
1．5 本章小結(jié)\t010
第2章交通雷達體制\t011
2．1 CW體制\t011
2．2 LFMCW體制\t014
2．3 FSK體制\t016
2．4 CW-FMCW復(fù)合體制\t019
2．5 本章小結(jié)\t020
第3章微波測速雷達信號處理算法\t021
3．1 去噪算法\t021
3．1．1 基于EMD的去噪算法\t021
3．1．2 自相關(guān)檢測法\t030
3．2 測速雷達角度自適應(yīng)算法\t034
3．2．1 火車測速雷達系統(tǒng)\t034
3．2．2 基于樣本統(tǒng)計特性的雷達擺角自修正算法\t040
3．3 本章小結(jié)\t047
第4章微波測速雷達的目標識別與跟蹤\t049
4．1 單目標雷達算法優(yōu)化\t049
4．1．1 基于Kalman濾波的測速測距算法優(yōu)化\t049
4．1．2 基于CW-FMCW復(fù)合體制的DSP算法改進\t051
4．1．3 仿真和分析\t053
4．2 FSK體制雷達測速算法實現(xiàn)\t057
4．2．1 FSK體制雷達測速原理\t057
4．2．2 FSK體制雷達目標識別算法實現(xiàn)與仿真\t061
4．3 多目標檢測跟蹤算法的研究與實現(xiàn)\t071
4．3．1 多目標檢測跟蹤算法\t071
4．3．2 多目標跟蹤觸發(fā)過程\t076
4．3．3 基于恒虛警檢測的目標檢測優(yōu)化\t078
4．3．4 測試和分析\t084
4．4 本章小結(jié)\t088
第5章聚類算法研究\t089
5．1 經(jīng)典聚類算法\t089
5．1．1 DBSCAN聚類算法\t089
5．1．2 FCM聚類算法\t091
5．1．3 K-Means聚類算法\t094
5．2 基于主軸的密度峰值模糊聚類算法\t096
5．2．1 基于密度峰值的初次聚類算法\t097
5．2．2 基于主軸更新的模糊聚類算法\t100
5．2．3 實驗設(shè)計\t104
5．3 本章小結(jié)\t112
第6章多目標跟蹤算法和系統(tǒng)設(shè)計\t113
6．1 改進的粒子濾波算法\t113
6．1．1 航跡關(guān)聯(lián)\t113
6．1．2 動目標跟蹤\t119
6．1．3 實驗對比與路測結(jié)果\t122
6．2 數(shù)據(jù)關(guān)聯(lián)算法\t127
6．2．1 最近鄰數(shù)據(jù)關(guān)聯(lián)算法\t127
6．2．2 聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法\t129
6．2．3 k近鄰聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法\t131
6．2．4 實驗設(shè)計\t137
6．3 多目標跟蹤系統(tǒng)設(shè)計\t142
6．3．1 需求分析\t142
6．3．2 總體設(shè)計\t145
6．3．3 多目標跟蹤系統(tǒng)的應(yīng)用\t147
6．4 本章小結(jié)\t154
第7章基于毫米波雷達和機器視覺的信息融合與目標識別\t155
7．1 基于深度學(xué)習(xí)的目標檢測\t156
7．1．1 目標檢測\t156
7．1．2 深度學(xué)習(xí)目標檢測原理\t159
7．1．3 測試和仿真\t165
7．2 基于毫米波雷達和機器視覺的信息融合\t171
7．2．1 毫米波雷達和攝像機的數(shù)據(jù)融合\t171
7．2．2 基于機器學(xué)習(xí)的車型識別\t176
7．2．3 實驗驗證與分析\t179
7．3 本章小結(jié)\t182