基于二阶 keystone 变换的交通雷达中移动车辆快速成像方法

《Digital Signal Processing》：A Fast Imaging Method for Moving Vehicles in Traffic Radar Based on Second-Order Keystone Transform

　　沈文杰|尹晓彤|王彦平|林云|李阳|白泽超|徐学勇|于快中国北方工业大学人工智能与计算机科学学院，北京100144摘要毫米波交通监控雷达能够检测移动车辆并测量其速度，在交通监管中发挥着重要作用。然而，这类雷达无法对移动车辆进行成像。若结合雷达成像技术，便可获取车辆的形状信息，用于分类与识别，从而提升雷达的功能性能。逆合成孔径雷达可实现移动目标的二维高分辨率成像，但传统ISAR方法存在算法复杂度高、计算负荷大以及实时性差等问题，难以满足对时间要求较高的交通监控场景。鉴于现有交通监控雷达工作在高频段，基于子孔径的处理方式能够在保持高分辨率的同时降低成像算法的复杂度。因此，本文提出了一种基于二阶Keystone变换的交通监控雷达快速成像方法。该方法首先分析构建雷达的观测几何结构与子孔径信号模型，然后以移动目标成像的清晰度为标准确定子孔径分割参数。该算法逐帧处理接收到的回波数据，提取每个脉冲对应的目标方位角，进行子孔径分割，再在每个子孔径内采用二阶Keystone变换实现距离向迁移校正，最后通过距离逆快速傅里叶变换、方位快速傅里叶变换以及极坐标到直角坐标的转换，得到车辆的二维高分辨率图像。通过移动车辆点目标仿真及真实数据实验，验证了所提方法的有效性。引言桥梁、隧道和高速公路等基础设施的交通安全直接关系到人们的生命财产安全以及社会公共安全的稳定。常见的道路监测传感器主要包括摄像头和毫米波雷达[1]。其中，摄像头易受环境因素影响，夜间性能较差，且容易受到大雾、雨、雪、沙尘暴等恶劣天气的干扰[2]。相比之下，工作在24GHz和77GHz频段的毫米波雷达具有全天候工作的优势，还能获取目标的速度和位置信息[3]。不过，现有交通监控系统中的毫米波雷达不仅点云密度较低，通道数量也有限。例如，德州仪器公司的AWR1843雷达仅有3个发射通道和4个接收通道。在单脉冲条件下，通过FFT沿通道维度直接获得的移动目标成像分辨率较低，只能获取角度测量信息。因此，很难直接实现对移动车辆的高分辨率成像，也无法观察到车辆边缘和轮廓等细节特征，这使得现有交通监控雷达无法识别车辆类型。将雷达成像技术引入交通监控雷达，可获取车辆的形状和详细结构，进一步提升交通雷达的监控能力。ISAR是一种常用的雷达成像技术[4]。对于移动目标，雷达保持静止，利用目标自身的相对运动形成合成孔径，从而实现二维高分辨率成像[5][6]。此前关于ISAR成像技术的研究主要集中在军事领域，如卫星、飞机和舰船[7]。而在民用领域，尤其是在交通监控场景中，针对车辆等地面目标的研究相对较少。李等人[8]使用便携式超宽带雷达采集车辆运动数据，提出了一种结合三阶运动模型下的粗略补偿与p-范数最小化下的精细运动补偿的方法，该方法实现了大旋转角度下移动车辆的ISAR聚焦成像，证明了ISAR技术在实际交通场景中用于移动车辆成像的应用潜力。张等人[9]开发了Ka波段频率调制连续波ISAR系统，并将其应用于列车和道路车辆的成像，验证了该系统的成像能力。潘迪等人[10]提出了一种基于ISAR成像的车辆分类方法，既使用了77GHz FMCW雷达的仿真数据，也采用了实际测量的TI AWR1843雷达数据，通过平移补偿和全孔径ISAR处理实现了聚焦成像与分类。在该研究小组的早期工作中，沈等人[11]提出了一种观测几何结构，即雷达固定在桥梁中央，用于成像从下方道路两侧朝向或远离雷达行驶的车辆，并进行了相关研究。该研究实现了将移动目标作为聚焦点的高分辨率成像。与空间目标和海面目标的成像不同，在交通监控场景中，车辆的运动轨迹以及它们与交通雷达的相对位置通常是已知且确定的。然而，关于交通雷达成像中观测几何结构的深入分析和研究仍然不足，尤其是关于在何种观测条件下能够快速获得高质量的二维高分辨率车辆图像并有效获取车辆形状信息这一关键问题。交通监控对处理时间有着严格的要求。传统ISAR成像需要较大的合成孔径，导致处理流程复杂、计算负荷大、耗时较长[12]，难以满足实时成像的需求。而77GHz毫米波雷达由于波长较短，即便将大的合成孔径划分为多个子孔径进行处理，仍能保持高分辨率。为解决上述问题，本文提出了一种基于二阶Keystone变换的交通雷达移动车辆快速成像新方法。首先，本文分析了交通雷达成像移动车辆所需的观测几何结构、信号模型、成像分辨率以及距离向迁移问题。基于以上分析，提出了该交通雷达移动车辆快速成像方法。具体步骤如下：首先，通过对回波数据进行逐帧处理，包括恒虚警率检测、基于密度的带噪声空间聚类、方位角转换以及多项式最小二乘拟合，获取每帧中移动车辆的方位角信息，进而确定全孔径方位角。之后，将全孔径等角度间隔地划分为多个子孔径。在每个子孔径内进行杂波抑制处理，并采用二阶Keystone变换实现距离向迁移校正。随后，分别沿距离维度和方位维度进行逆快速傅里叶变换和快速傅里叶变换，通过极坐标到直角坐标的转换，得到移动车辆的二维高分辨率图像，从而获取车辆的形状信息。最后，通过仿真和真实数据验证了该算法。主要贡献总结如下：(1) 方法提出：本文提出了一种将子孔径处理与二阶Keystone变换相结合的交通监控雷达快速车辆成像方法。系统分析了观测几何结构、信号模型，尤其是距离向迁移特性，并根据成像清晰度优化了分割参数，为方法设计奠定了基础。(2) 仿真分析：为平衡图像质量与处理时间，分析了子孔径分割参数对距离向偏移和方位聚焦的影响，为该算法在实际场景中的部署与应用提供了具体的参数配置指导与参考。此外，还通过点目标仿真实验验证了所提算法的鲁棒性，涵盖了单目标、多目标场景以及不同的信噪比条件。(3) 实际应用验证：利用从两种实际运行环境收集的交通雷达数据——户外开放道路环境和隧道环境数据集，验证了所提方法的实用性与鲁棒性。该成像方法具备实时处理能力，帧率可达2至4赫兹。此外，还将所提方法与传统ISAR方法在图像质量及关键性能指标方面进行了定量比较，结果表明，在子孔径处理且时间带宽积较低的条件下，所提方法在保持良好聚焦性能的同时降低了计算复杂度。本文结构如下：第2节介绍观测几何结构与信号模型，并分析成像分辨率和距离向迁移特性。第3节介绍了基于二阶Keystone变换的移动车辆快速成像算法，进一步分析了子孔径分割参数对方位聚焦的影响，明确了在何种条件下可以忽略方位匹配滤波器，从而能够基于二维快速傅里叶变换实现快速成像。第4节展示了不同目标场景和信噪比条件下的仿真成像结果以及真实数据的成像结果，还对两种Keystone变换方法的成像时间、图像熵等指标进行了定量比较。第5节为结论部分。片段内容信号模型与ISAR的观测几何结构类似，要实现移动车辆成像，雷达需要从道路旁进行观测。对于安装在道路旁的常规交通雷达，可直接应用本文提出的模型和方法。而对于安装在龙门架上、面向车辆行驶方向的雷达，也可借助额外安装在道路旁的雷达，利用本文提出的方法实现移动车辆的成像。后续章节将基于……算法流程图如图5所示，为本文提出的算法流程图，具体步骤如下。在确定的观测几何结构基础上，雷达用于采集移动车辆的数据，接收通道可获得车辆目标的回波信号[22]。首先，对回波信号数据进行逐帧处理，该处理过程包括恒虚警率检测、基于密度的带噪声空间聚类、方位角转换以及基于多项式最小二乘拟合的处理，以便……仿真数据实验为验证二阶Keystone变换及本文提出的算法的有效性，本节对车辆点目标进行了仿真研究。仿真参数列于表1中，其中一些参数与TI AWR2243雷达系统的参数一致。该雷达被选为仿真参考，采用单发射单接收模式，雷达距地面的高度设定为1米。结论本文提出了一种基于二阶Keystone变换的移动车辆快速成像新方法。首先，构建一种观测几何结构，将雷达置于垂直于车辆行驶方向的位置。然后，逐帧处理雷达接收到的回波数据。通过恒虚警率检测、基于密度的带噪声空间聚类、方位角转换以及多项式最小二乘拟合等技术，确定每帧中车辆的对应角度以及……未引用表格表12CRediT作者贡献声明沈文杰：监督、概念设计、写作——审稿与编辑、软件开发、形式分析、资金获取。尹晓彤：写作——初稿撰写、可视化、方法论、研究实施。王彦平：监督、写作——审稿与编辑、资金获取。林云：写作——审稿与编辑。李阳：写作——审稿与编辑。白泽超：写作——审稿与编辑。徐学勇：写作——审稿与编辑。于快：写作——审稿与编辑。利益冲突声明作者声明不存在任何可能影响本文所述工作的已知财务利益或个人关系。