论文部分内容阅读
随着21世纪科技的不断发展和经济的不断腾飞,人们的物质世界得到了极大地丰富,汽车保有量逐年不断攀升。近年来,智能汽车和无人驾驶被认为是解决汽车安全性和交通便利性的最佳途径和发展趋势。基于此,本文进行了车载雷达的定位与跟踪技术研究。首先,针对车载雷达在多目标识别中的模糊和虚假目标问题,创新性的提出了一种新型的调频连续波(Frequency Modulated Continuous Wave,FMCW)波形设计。该波形分别从速度维和距离维对目标进行限制,再加上容差函数的建立,最终能得到精准的目标个数,有效的去除虚假目标,准确率达到100%。其次,分析现有跟踪算法的特点和不足。针对现有车辆跟踪交互多模算法(InteractiveMulti-tudeModel,IMM)的不足,提出 了一种基于道路信息和当前统计特征的新型交互多模算法。该算法利用了道路的信息和车辆当前的信息,结合有效的信息可以去除大部分的无效模型,只选用极少数的可能模型与目标的运动模式进行匹配滤波。新IMM算法中多个模型不会出现过度的竞争,而减少无效模型之后也会减少干扰,仿真结果验证在同等精度下时间复杂度在五个模型下降低7.2%。再次,对于密集场景中的数据关联问题创新性的提出了基于动态阈值的新联合概率数据关联算法,该算法能针对密集场景简化确认矩阵和关联事件的数量,简化算法复杂度的同时还能提高算法的收敛速度,在本文仿真场景中提升了 4%且随着场景越密集提升越可观。最后,基于多雷达多目标的现实场景提出了多雷达协同探测,单雷达存在噪声的随机性和不可预知性,而多雷达则能部分抵消噪声从而获得更准确的估计和滤波精度,仿真结果验证了跟踪精度的提升以及各个模型之间的竞争过渡更加平滑清晰。