發(fā)布時間：2023-11-04 11:04

　　車載防撞雷達作為輔助駕駛技術(shù)以及未來自動駕駛技術(shù)的基礎(chǔ)之一,具有非常廣闊的前景。它擁有較強的天氣適應性,工作穩(wěn)定可靠,擅長檢測運動目標,能顯著降低道路事故發(fā)生率。車載防撞雷達必將是未來的市場熱點,能夠產(chǎn)生巨大的經(jīng)濟與社會效益,本文就車載防撞雷達系統(tǒng)的設(shè)計與實現(xiàn)展開相關(guān)研究,在基于新型可擴展處理器ZYNQ的數(shù)字硬件平臺上進行了系統(tǒng)實現(xiàn),該平臺內(nèi)植Linux操作系統(tǒng),能有效縮短系統(tǒng)開發(fā)時間,本文的主要研究內(nèi)容包括以下幾點:1、對載頻為24GHz車載防撞雷達線性調(diào)頻連續(xù)波工作體制進行研究,詳細推導鋸齒波目標測量的理論原理,結(jié)合系統(tǒng)指標要求進行工作參數(shù)的計算。2、研究并設(shè)計車載防撞雷達的系統(tǒng)算法,涵蓋從獲取數(shù)字中頻信號到輸出目標信息的完整過程。數(shù)字平臺獲取前端輸出的零中頻信號,首先對信號做動目標顯示,設(shè)計多脈沖對消結(jié)構(gòu)。然后進行速度補償,搬回由于雷達載體運動所導致的靜雜波偏移,研究了在做FFT之前的信號加窗,比較并選擇合適的窗函數(shù)。信號檢測環(huán)節(jié)比較了單元平均恒虛警和排序式恒虛警兩種經(jīng)典信號檢測算法,選擇適合車載環(huán)境的檢測方法,研究均勻直線陣列測角的角度掃描方法。本課題研究了基于深度學習的人車識...

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究動態(tài)
    1.3 主要工作及內(nèi)容安排
第二章 車載防撞雷達系統(tǒng)方案設(shè)計
    2.1 系統(tǒng)技術(shù)指標
    2.2 系統(tǒng)框架
    2.3 車載防撞雷達工作體制研究
        2.3.1 鋸齒波測量原理
        2.3.2 目標數(shù)據(jù)解算
        2.3.3 仿真結(jié)果
    2.4 系統(tǒng)工作參數(shù)
    2.5 本章小結(jié)
第三章 車載防撞雷達系統(tǒng)算法設(shè)計
    3.1 動目標顯示
        3.1.1 兩脈沖對消
        3.1.2 多脈沖對消結(jié)構(gòu)設(shè)計
    3.2 速度補償
    3.3 信號加窗
    3.4 信號檢測
        3.4.1 信號檢測原理
        3.4.2 單元平均恒虛警檢測
        3.4.3 排序式恒虛警檢測
    3.5 均勻直線陣列測角
    3.6 基于神經(jīng)網(wǎng)絡(luò)的行人車輛分類器
        3.6.1 目標特征分析
        3.6.2 車輛建模
        3.6.3 行人建模
        3.6.4 人工神經(jīng)網(wǎng)絡(luò)分類器
    3.7 目標軌跡管理與碰撞預警
        3.7.1 軌跡平滑及預測
        3.7.2 碰撞預警
    3.8 本章小結(jié)
第四章 車載防撞雷達系統(tǒng)算法實現(xiàn)
    4.1 算法實現(xiàn)環(huán)境及過程
        4.1.1 數(shù)字硬件平臺
        4.1.2 軟件開發(fā)環(huán)境
        4.1.3 算法實現(xiàn)過程
    4.2 可編程邏輯實現(xiàn)
    4.3 處理系統(tǒng)實現(xiàn)
        4.3.1 OS-CFAR實現(xiàn)
        4.3.2 測角實現(xiàn)
        4.3.3 BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)
        4.3.4 目標軌跡管理及預警實現(xiàn)
    4.4 本章小結(jié)
第五章 系統(tǒng)外場測試
    5.1 測試目的與方案
    5.2 系統(tǒng)性能測試
        5.2.1 OS-CFAR測試
        5.2.2 行人車輛分類測試
    5.3 測試結(jié)論
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 對未來的展望
致謝
參考文獻
攻讀碩士學位期間的研究成果



本文編號：3860179