智能交通中毫米波雷達(dá)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(biāo)　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?jǐn)?shù)：

內(nèi)容簡介

　　多輸入多輸出（Multiple Input Multiple Ontput，MIMO）毫米波雷達(dá)是國內(nèi)外雷達(dá)領(lǐng)域的研究熱點，MIMO毫米波雷達(dá)克服了傳統(tǒng)雷達(dá)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(dá)和視頻檢測相比，毫米波雷達(dá)具有非常大的優(yōu)勢，因此MIMO毫米波雷達(dá)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(dá)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(dá)體制，并對這些體制進(jìn)行比較，得出FSK是***應(yīng)用于測速的交通雷達(dá)體制。本書重點介紹了處理毫米波雷達(dá)探測數(shù)據(jù)的方法，包括初期對接收到的雷達(dá)信號進(jìn)行去噪及利用獲取的點云數(shù)據(jù)對雷達(dá)擺角進(jìn)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(dá)數(shù)據(jù)處理技術(shù)，還提出了一些改進(jìn)算法，并對目前熱門的圖像處理技術(shù)進(jìn)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(dá)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(jī)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(dá)研究現(xiàn)狀\t003
1．2．2 雷達(dá)數(shù)據(jù)處理研究現(xiàn)狀\t006
1．3 雷達(dá)測速系統(tǒng)\t007
1．4 視頻目標(biāo)檢測的研究現(xiàn)狀\t009
1．5 本章小結(jié)\t010
第2章交通雷達(dá)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(dá)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(dá)角度自適應(yīng)算法\t034
3．2．1 火車測速雷達(dá)系統(tǒng)\t034
3．2．2 基于樣本統(tǒng)計特性的雷達(dá)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(dá)的目標(biāo)識別與跟蹤\t049
4．1 單目標(biāo)雷達(dá)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(jìn)\t051
4．1．3 仿真和分析\t053
4．2 FSK體制雷達(dá)測速算法實現(xiàn)\t057
4．2．1 FSK體制雷達(dá)測速原理\t057
4．2．2 FSK體制雷達(dá)目標(biāo)識別算法實現(xiàn)與仿真\t061
4．3 多目標(biāo)檢測跟蹤算法的研究與實現(xiàn)\t071
4．3．1 多目標(biāo)檢測跟蹤算法\t071
4．3．2 多目標(biāo)跟蹤觸發(fā)過程\t076
4．3．3 基于恒虛警檢測的目標(biāo)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(biāo)跟蹤算法和系統(tǒng)設(shè)計\t113
6．1 改進(jìn)的粒子濾波算法\t113
6．1．1 航跡關(guān)聯(lián)\t113
6．1．2 動目標(biāo)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(biāo)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(biāo)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(dá)和機(jī)器視覺的信息融合與目標(biāo)識別\t155
7．1 基于深度學(xué)習(xí)的目標(biāo)檢測\t156
7．1．1 目標(biāo)檢測\t156
7．1．2 深度學(xué)習(xí)目標(biāo)檢測原理\t159
7．1．3 測試和仿真\t165
7．2 基于毫米波雷達(dá)和機(jī)器視覺的信息融合\t171
7．2．1 毫米波雷達(dá)和攝像機(jī)的數(shù)據(jù)融合\t171
7．2．2 基于機(jī)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