欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202310815980X
申请人: 浙江工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于无线信号的交通道路目标识别方法,其特征在于,所述识别方法包括以下步骤:步骤1:选取5种不同的交通道路目标类:人、自行车、汽车、卡车和电瓶车,使用无线传感器采集上述目标数据;

步骤2:对步骤1采集的目标数据进行预处理:首先使用帧差过滤静止目标与周围环境噪声;然后使用二维傅里叶变换将目标数据转化为距离-速度图;接着使用二维有序统计恒定虚警率检测器对距离-速度图检测目标信号;再使用椭圆聚类对检测出的目标进行分类和位置估计;然后使用速度解模糊算法对产生速度模糊的目标进行修正补偿,得到新的距离-速度图;再次使用椭圆聚类更新当前目标类别和位置;最后使用MUSIC算法进行角度估计,得到距离-角度图;

步骤3:对步骤2中获得的距离-速度图和距离-角度图使用Labelimg软件打上标签,建立训练数据集;同时,准备部分未打上标签的图片作为测试数据集;

步骤4:获得YOLOv5卷积神经网络;

步骤5:对步骤4中获得的网络结构进行修改,变为双流YOLOv5网络结构;

步骤6:使用步骤3中获得的训练数据集对步骤4中的双流YOLOv5网络进行训练;

步骤7:使用步骤6中训练好的双流YOLOv5网络对步骤3中获得的测试数据集进行检测识别,获得对不同目标类别识别结构的混淆矩阵;

步骤8:对步骤7中的识别结果进行分析,调整检测参数;

步骤9:使用步骤8中调整参数后的YOLOv5网络,识别由无线传感器采集的原始数据生成的距离-速度图和距离角度图,对图中目标完成检测与类别的识别;

所述步骤5中,对YOLOv5卷积神经网络的结构修改,将原YOLOv5网络的backbone层的单分支结构,增加一条分支,并在两条分支中增加Cross-Modality Fusion Transformer机制,完成对backbone层输出的三种感受野不同的特征图的融合;Cross-Modality FusionTransformer的机制将距离速度图和距离角度图的特征图融合为一个相关特征矩阵,在该矩阵的主对角线上进行模态内相关,在副对角线处进行模态间相关,以此使得两张图的特征能紧密融合在一起;

所述步骤8中,通过步骤7中的结果混淆矩阵调整网络参数,将置信度阈值调整为0.5,IOU阈值调整为0.9,学习率改为0.01,进化参数调整为300。

2.如权利要求1所述的一种基于无线信号的交通道路目标识别方法,其特征在于,所述步骤2中,首先使用的帧差法是采用相邻帧差对静止目标进行过滤,然后依次使用快时间傅里叶变换和慢时间傅里叶变换,即对单个chirp内的数据点和多个chirp进行傅里叶变换,得到距离和速度的两个维度信息形成距离速度图。

3.如权利要求1或2所述的一种基于无线信号的交通道路目标识别方法,其特征在于,所述步骤2中,二维有序统计恒定虚警率检测器在目标单元周围形成滑框,按照设定比例对参考单元能量选取其中的大值作为噪声能量,阈值因子和虚警概率的关系表达式为:式中,k表示选取比例,α表示门限因子,Γ(x)代表伽马函数,N指参考单元总数,通过二分法获得阈值因子后,将阈值因子和噪声能量相乘,作为阈值门限与目标单元进行比较。

4.如权利要求1或2所述的一种基于无线信号的交通道路目标识别方法,其特征在于,所述步骤2中,采用基于Doppler相偏补偿的速度扩展算法,利用发生速度模糊时测量相位和实际相位互补的原理,对所有目标进行相位补偿,补偿相位θ其中,c为光速,V

V

其中,V

5.如权利要求1或2所述的一种基于无线信号的交通道路目标识别方法,其特征在于,所述步骤2中,使用MUSIC算法进行角度估计的过程如下:

2.1)将接收信号与其转置相乘,获得信号的协方差矩阵;

2.2)对协方差矩阵进行特征分解,得到与信号分类相对应的信号子空间和与噪声子空间;

2.3)通过噪声子空间与信号子空间相互正交的性质,接着构建出两个子空间的正交空间谱函数;

2.4)通过遍历所有角度进行找寻空间谱函数峰值最大的角度,即信号的到达角,完成角度估计。

6.如权利要求3所述的一种基于无线信号的交通道路目标识别方法,其特征在于,所述步骤2中,滑框为17*9的长方形,其中滑框内侧44个单元作为保护单元,外侧108个单元作为参考单元,比例设置为0.75,虚警概率设置为10