1.一种目标识别系统,其特征在于:
毫米波雷达,其配置于交通路口,用于探测路口对应的车道的车辆信息;
数据处理模块,其连接毫米波雷达,经所述数据处理模块处理得到雷达回波信号;
信号混合模块,其用以毫米波雷达的发射信号及回波信号混频,以得雷达处理的原始信号;
数据变换模块,其用以对中频信号进行距离维和速度维的两次傅里叶变换,得到目标的距离、速度信息,输出距离‑多普勒图像(RDM);
数据监测模块,其用以继续对中频信号进行检测,并进行角度维的傅里叶变换,得到目标的角度信息,结合距离信息,获得目标2D毫米波雷达点云图;
识别模块,其基于预设的分类模型来完成对车辆模型的分类识别。
2.如权利要求1所述的目标识别系统,其特征在于:还包括:低通滤波装置,其输入端连接信号混合模块的输出端,其输出端连接数据变换模块的输入端,用以对毫米波雷达的发射信号及回波信号混频后的信号进行滤波。
3.如权利要求1所述的目标识别系统,其特征在于:所述数据处理模块,基于对毫米波雷达信号进行建模,并结合汽车雷达散射截面积,计算得出雷达回波信号。
4.一种目标识别方法,其用于如权利要求1‑3中任一项所述的目标识别系统,其特征在于,包含以下步骤:S1,获取雷达原始信号,并传输至数据变换模块;
S2,数据变换模块对接收的原始信号进行预处理阶段,以获得RDM,以及基于数据监测模块对中频信号进行检测,并进行角度维的傅里叶变换,得到目标的角度信息,结合距离信息,获得目标2D毫米波雷达点云;
S3,依据识别模块基于接收的RDM及2D毫米波雷达点云图对不同车辆目标的分类识别。
5.如权利要求4所述的目标识别方法,其特征在于:步骤S3中包括:经数据集预处理后,输入卷积神经网络进行分类网络训练,以完成对不同车辆目标的分类识别。
6.根据权利要求4所述的目标识别方法,其特征在于:步骤S1包括:
对毫米波雷达发射信号进行数学建模,结合仿真工具计算的汽车雷达散射截面积,计算得出雷达回波信号,对发射和回波信号进行混频得到中频信号,即雷达处理的原始信号。
7.根据权利要求4所述的目标识别方法,其特征在于:步骤S2包括:
对中频信号进行距离维和速度维的两次傅里叶变换,得到目标的距离、速度信息,输出RDM;以及对中频信号进行恒虚警率检测,再进行角度维的傅里叶变换,得到目标的角度信息,结合距离信息,得到绘制目标2D毫米波雷达点云图。
8.根据权利要求4所述的目标识别方法,其特征在于:构建的交通路口场景、雷达发射信号和目标雷达散射截面积均为模拟或仿真实现。
9.据权利要求4所述的目标识别方法,其特征在于:毫米波雷达发射信号、回波信号、中频信号数学表达式如下其中,xT(t)是发射信号,xR(t)是回波信号,xIF(t)是中频信号,f0是调频连续波的起始频率,μ是调频连续波的斜率, 是初始相位,P是由雷达方程得出的接收天线处的能量,RCS是车辆的雷达散射截面积,τ(t)是雷达从发射到接收的时间差,j表示虚数单位,exp表示指数函数。