CN121069314A - 雷达数据传输方法及雷达系统 - Google Patents
雷达数据传输方法及雷达系统Info
- Publication number
- CN121069314A CN121069314A CN202511635676.2A CN202511635676A CN121069314A CN 121069314 A CN121069314 A CN 121069314A CN 202511635676 A CN202511635676 A CN 202511635676A CN 121069314 A CN121069314 A CN 121069314A
- Authority
- CN
- China
- Prior art keywords
- data
- heat map
- radar
- transmission
- points
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
一种雷达数据传输方法及雷达系统,属于雷达数据传输领域。所述方法包括:S100、控制雷达探测环境,获取热图数据;S200、雷达对热图数据进行数据点筛选:包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;S300、基于选取的数据点组成传输数据集,包含选取的数据点在热图数据中的坐标和能量值;S400、雷达向主机发送传输数据集,主机基于接收的传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。本发明在保证有效目标数据精准传输的前提下,可以显著降低雷达与主机间的数据传输量,降低雷达系统数据吞吐压力。
Description
技术领域
本发明属于雷达数据传输技术领域,具体涉及一种雷达数据传输方法及雷达系统。
背景技术
以毫米波雷达为例,雷达设备正在日常应用中快速普及。随着雷达探测功能的增强,参数测量维度的增多,如测量距离、速度、俯仰角度和方位角度等维度,雷达向主机(host)传输热图数据的规模变得庞大,在雷达到主机的传输带宽受限时,难以将数据及时地传输到主机。
为了降低数据传输量,一种现有技术采用如下方案:通过八叉树压缩算法对激光雷达点云进行压缩处理,并通过增量传输方式,只传输差异化的新增数据,以此来提高传输效率;但是,该种方案所采用的压缩算法复杂,算法占用系统较大的数据处理资源。
同样地,为了降低数据传输量,另一种现有技术采用如下方案:通过将雷达天线数据进行傅里叶运算,选取一根天线的接收数据作为基准,获得剩余天线中每根天线与所选天线的差值数据,将所获数据压缩编码传输,只传输一根天线的数据和差值数据,以此提高传输效率;但是,该种方案对于热噪声分布的区域,几乎无数据压缩能力。
发明内容
本发明提供一种雷达数据传输方法及雷达系统,旨在降低雷达系统的数据传输量及数据吞吐压力。实现本发明的技术方案如下:
第一方面,本发明提供一种雷达数据传输方法,包括:
S100、控制雷达探测环境,获取热图数据;
S200、控制雷达对所述热图数据进行数据点筛选:包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;
S300、基于选取的数据点组成传输数据集,所述传输数据集包含选取的数据点在热图数据中的坐标和能量值;
S400、控制雷达向主机发送所述传输数据集,主机基于接收的所述传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。
作为优选的技术方案,所述热图数据包括:雷达得到的距离维、多普勒维、俯仰角度维、方位角度维任一维度或四者任意组合构成的二维、三维或四维热图数据。
作为优选的技术方案,步骤S200中,对热图数据进行筛选时,选取的数据点还包括热图数据中能量值大于第一门限M1的极大值点及其预设邻域内的若干个点,M3≥M1。
作为优选的技术方案,步骤S200中,对于一维或二维的热图数据,对热图数据进行筛选时,还包括对热图中每个数据点进行拐点识别的操作,选取的数据点还包括热图数据中能量值大于第一门限M1的拐点及该拐点预设邻域内的若干个数据点。
作为优选的技术方案,步骤S200中,对于二维以上的热图数据,对热图数据进行筛选时,还包括对热图中每个数据点进行鞍点识别的操作,选取的数据点还包括热图数据中能量值大于第一门限M1的鞍点及该鞍点预设邻域内的若干个数据点。
作为优选的技术方案,步骤S300中,基于选取的数据点组成传输数据集时,还包括对选取的数据点在热图数据中的坐标和能量值数据进行压缩的操作。
作为优选的技术方案,步骤S400中,步骤S400中,对热图数据进行伪随机重建的操作方式为:
在被丢弃的数据点的位置上填充服从预设统计分布的随机值。
作为具体的技术方案,步骤S400中,预设统计分布的随机值的确定方法包括以下至少一种:①以雷达底噪能量为方差的高斯分布确定随机值;②以预设范围内的均匀分布确定随机值;③根据闪烁噪声能量谱特性确定随机值;④通过高斯白噪声经滤波器滤波后确定随机值;所述随机值小于所述预设的第一门限M1。
第二方面,本发明提供一种雷达系统,包括雷达及和雷达通信连接的主机;所述雷达和主机配合执行上文所述的雷达数据传输方法。
作为优选的技术方案,所述雷达包括:
热图数据获取模块,用于探测环境并获取热图数据;
数据筛选模块,对所述热图数据进行数据点筛选,包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;
数据集生成模块,基于选取的数据点组成传输数据集,所述传输数据集包含选取的数据点在热图数据中的坐标和能量值;
数据发送模块,用于向所述主机发送传输数据集;
所述主机包括:
数据接收模块,用于接收所述传输数据集;
热图重构模块,基于接收的所述传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。
本发明的技术方案带来的有益效果包括:给出一种高效的雷达热图数据传输方法,在保证有效目标数据精准传输的前提下,数据处理算法更简单,处理的数据量小,可以显著降低雷达与主机间的数据传输量,降低雷达系统数据吞吐压力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的雷达数据传输方法的流程图。
图2是本发明实施例提供的雷达系统的构成图。
具体实施方式
为使得本发明的技术方案更加清晰,技术优势更加明了,下面将结合具体实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明揭露的范围。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个…… ”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应该理解的是,虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施例方式作进一步地详细描述。
如图1所示,作为一种基本实施方式,本实施例提供的雷达数据传输方法,包括:
S100、控制雷达探测环境,获取热图数据;
S200、控制雷达对所述热图数据进行数据点筛选:包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;
S300、基于选取的数据点组成传输数据集,所述传输数据集包含选取的数据点在热图数据中的坐标和能量值;
S400、控制雷达向主机发送所述传输数据集,主机基于接收的所述传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。
上述步骤S100中,控制雷达探测环境时,对雷达的工作体制无限制。以调频连续波(FMCW)雷达为例,雷达发射线性调频信号探测环境,接收天线接收到环境反射回波,对回波信号进行去斜接收和模数转换采样处理后得到各接收天线采集的ADC采样数据矩阵。或者,以步进频率(SFCW)雷达为例,雷达发射频率步进波形,再进行相应的接收处理,得到ADC采样数据矩阵。
上文所述的雷达数据传输方法,步骤S100中,对于热图数据的获取,具体说明如下:
首先对ADC采样数据矩阵进行静态杂波抑制,以便去除环境中的静止物体/直流分量造成的干扰。所述的静态杂波抑制可选择的方法包括帧间差分、均值相消、高通滤波等操作。
在本实施例中,热图是指通过雷达处理回波信号得到的关于探测环境中信号回波能量的分布图,根据包含的参数测量维度,包括:常规的二维热图,如距离-速度热图、距离-角度热图;也包括三维热图,如距离-速度-俯仰角度热图、距离-速度-方位角度热图等;还包括单测量维度但依时间展开得到的热图,如距离-时间热图,沿时间先后顺序,将距离谱组合为距离-时间热图,类似的还有速度-时间热图,角度-时间热图等,本实施例中将此类单测量维度依时间展开构成的热图,称为单维热图;此外,还包括距离-速度-俯仰角度-方位角度等四维热图。
如无必要,本实施例不对热图的维度刻意区分及限定,统一称为热图数据。也就是说,所述热图数据包括:雷达得到的距离维、多普勒维、俯仰角度维、方位角度维任一维度或四者任意组合构成的二维、三维或四维热图数据。
下面对单维、二维、三维及四维热图数据,通过示例分别进行介绍:
①单维热图:
例如,通过对ADC采样数据在距离维进行1D-FFT处理,对结果数据取模或模方得到距离-时间热图在某一时刻的一个数据分支;再例如,通过对ADC采样数据在速度维进行1D-FFT处理,对结果数据取模或模方得到速度-时间热图在某一时刻一个数据分支;又例如,通过对ADC采样数据在角度维(俯仰或方位)进行1D-FFT处理,对结果数据取模或模方得到角度-时间(热)在某一时刻一个数据分支。
②二维热图:
以距离-速度热图为例:通过对ADC采样数据进行2D-FFT处理,即先做距离维1D-FFT,再对距离FFT的结果在慢时间维做1D-FFT处理,对结果数据取模或模方得到距离-速度热图数据。
以距离-角度热图为例:
方法1:将多个天线维接收天线采集到的数据在距离维进行1D-FFT处理后得到距离FFT结果,再在天线维上进行1D-FFT/2D-FFT,对结果数据取模或模方得到距离-角度热图数据。
方法2:通过超分辨算法如MUSIC、MVDR等,结合谱搜索进行参数估计,得到距离-角度热图数据。本发明不对雷达选用的超分辨算法进行限制。
③三维热图:
以距离-速度-角度热图为例:将多个接收天线采集到的ADC采样数据进行3D-FFT处理,即对多个天线的2D-FFT结果再在天线维做1D-FFT,对结果数据取模或模方得到距离-速度-角度热图数据。例如,所选天线为水平方向线性排列,得到距离-速度-方位热图数据;又如,所选天线为垂直方向线性排列,得到距离-速度-俯仰热图数据;如果所选天线排布为面阵形式,对多个天线的2D-FFT结果再在天线维做2D-FFT,对所得结果数据取模或模方得到距离-速度-方位-俯仰的四维热图数据。
上文所述的雷达数据传输方法,步骤S200中,对热图数据进行筛选操作,具体说明如下:
作为一种优选的实施方式,步骤S200中,对热图数据进行筛选时,计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点。具体地,第二门限M2为曲率值门限,第三门限M3为一个限制能量值强度的门限。该优选的实施方式,通过保留曲率大且能量强度高的非极值点,能够更完整的找出能量集中区域,避免遗漏与目标相关的关键数据。
上述优选实施方式中,曲率计算方法包括计算一维曲线曲率、二维面曲率,如高斯曲率、平均曲率、主曲率等,高维黎曼曲率等,本发明不对曲率计算具体方式进行限制。
作为进一步优选的实施方式,步骤S200中,对热图数据进行筛选时,选取的数据点还包括热图数据中能量值大于第一门限M1的极大值点及其预设邻域内的若干个点,M3≥M1,丢弃未被选取的数据点,具体说明如下:
设第一门限M1为限制能量值强度的门限,该第一门限M1根据雷达底噪来设置。
首先,选取的数据点包括热图数据中能量值大于第一门限M1的极大值点及其预设邻域内的若干个点;此时,可以丢弃未被选取的数据点,或者未被选取的数据点可供进一步的选取操作。
具体地,以N维热图数据为例,a1,a2,...an,...,aN表示数据点A在热图上的坐标,b1,b2,...bn,...,bN表示数据点B在热图上的坐标,若对于给定的某一个n(n=1,2,3,...,N)的取值,|bn-an|不超过1,则B是A在热图的第n个维度的邻居点;对所有的n=1,2,3,...,N,|bn-an|都不超过1,则B是A在热图的邻居点。
在本申请中,极大值点的判定方法包括:1)热图上某个点的值不小于其所有的在热图上的邻居点,则该点是全维度极大值点;2)热图上某个点的值,不小于其在热图的某个维度上的邻居点,则该点是对应维度上的极大值点。极大值点可以选取全维度极大值点或选取某个/某些指定维度上的极大值点,选取部分指定维度上的极大值点,是一种弱化判断,有助于保留热图的更多数据,但会增加数据传输量,需要根据实际的传输带宽及需求决策是否选用,本发明不加以约束。
此外,对于点B,若所有的n=1,2,3,...,N,|bn-an|都不超过m,则B是A在m-邻域内的点,其中m是整数。在本申请中,热图上某个点的预设邻域内的若干个点指的是该点m-邻域内的所有的点,m的预设典型值为1,2,3,m取值大有助于保留热图的更多数据,但会增加数据传输量,需要根据实际的传输带宽及需求预先设定邻域的范围,本发明不加以约束。
作为又一种优选的实施方式,步骤S200中,对于一维或二维的热图数据,对热图数据进行筛选时,还包括对热图中每个数据点进行拐点识别的操作,选取的数据点还包括热图数据中能量值大于第一门限M1的拐点及该拐点预设邻域内的若干个数据点。如一维热图数据,选取热图上大于第一门限M1的拐点及拐点坐标位置左右两侧各延伸Q个点对应的数据点,Q的典型值为1,2和3;如二维热图数据,选取热图上大于第一门限M1的拐点及以拐点坐标位置为中心,分别沿两坐标轴双向延伸P个数据点所界定的矩形区域内的全部数据点,P的典型值为1,2和3。
作为再一种优选的实施方式,步骤S200中,对于二维以上的热图数据,对热图数据进行筛选时,还包括对热图中每个数据点进行鞍点识别的操作,选取的数据点还包括热图数据中能量值大于第一门限M1的鞍点及该鞍点预设邻域内的若干个数据点。如三维热图数据,选取热图上大于第一门限的上的鞍点及以鞍点坐标位置为中心,分别沿三个坐标轴双向延伸K个数据点所界定的立方体区域内的全部数据点,K的典型值为1,2和3。
上述两个优选实施方式中,所述拐点和所述鞍点遵从公开文献中的定义,本发明不做赘述,也不对其做约束。
上文所述的雷达数据传输方法,通过筛选数据,保留所选取的数据点在热图中的坐标值以及能量强度值作为待传输数据,构建待传输数据集;丢弃掉热图中未被选取的点。可在保留所需关键信息的基础上大幅减少传输到主机的数据量,显著降低雷达系统数据吞吐压力。
此外,上文所述的雷达数据传输方法的步骤S300中,基于选取的数据点组成传输数据集时,还包括对选取的数据点在热图数据中的坐标和能量值数据进行压缩的操作,这样可以进一步降低数据量。
具体地,以每个极大值点(或拐点、鞍点)及其邻域内的数据作为一个分组进行压缩,压缩方案可以选择以P阶多项式模型对每一个分组进行拟合,计算最小二乘拟合系数,求取拟合后的数据与真实数据的残差,对残差数据进行编码压缩(如霍夫曼编码、量化成低bit位宽的数据或差分编码),拟合系数和编码压缩后的残差作为对应的传输内容。
可以理解的是,邻域内的数据具有相关性,拟合值会接近真实值,因此残差会比较小。对小残差进行编码所需的比特数远少于对原始数据直接编码。可选地,基于数据的相关性,可以采用更简单的差分压缩的方案,以每个极大值点(或拐点、鞍点)及其邻域内的数据为一个分组,选取极大值点(或拐点、鞍点)作为参考点,计算邻域内的点与参考点的差值,对差值进行编码压缩(如霍夫曼编码、量化成低bit位宽的数据或差分编码),参考点和压缩后的残差作为对应的传输内容。需要说明,无论是否压缩筛选的数据,传输内容中都需要包含每个被传输数据点的坐标以便主机端能够重建热图,为进一步降低数据传输量,可以对待传输数据点的坐标进行压缩,如只完整地传输参考点(即极大值点或拐点或鞍点)的坐标,中心点的邻域内点的坐标不传输,而是通过与主机端提前约定好数据的传输顺序,隐性地表示邻域内点的坐标,即雷达与主机端约定好,一个所述的分组内,传输的每一个数据,相对于参考点的坐标偏移量,主机端根据分组内的数据的接收顺序和中心点的坐标,即可推算出每一个被传输的数据的坐标。
最后,上文所述的雷达数据传输方法的步骤S400中,对热图进行重建可使得热图变得连续,便于后续信号处理和图谱可视化。步骤S400中,主机对热图数据进行重建的操作包含以下可选方式:在被丢弃的数据点的位置上填充固定的常量值;及或,在被丢弃的数据点的位置上填充以雷达底噪为参照的服从预设统计分布的随机值。
在被丢弃的数据点的位置上填充固定的常量值的可行方法包括:如对以线性幅度单位表示的热图数据,在空缺位置进行补零,对以对数功率单位表示的热图数据,在空缺位置补充比雷达系统能够检测到的最小信号功率低3~5 dB的值。
在被丢弃的数据点的位置上填充服从预设统计分布的随机值的为更优选的方案,其可行的方法包括:
①以雷达底噪能量为方差的高斯分布确定随机值;具体过程为:设雷达底噪能量为,产生均值为0,方差为的高斯白噪声信号,将产生的信号的模或模方填充到被丢弃的数据的位置。其中,填充基于高斯分布的随机值,相比填充常量值,能够带来伪随机波动,模拟真实热图中由于噪声导致的数据抖动,如在上位机上进行可视化显示,视觉效果上更好;特别适合热噪声占主导的场景(由雷达电路特性决定),鉴于热噪声通常服从高斯分布,基于高斯分布的随机值更贴近真实情况。
②以预设范围内的均匀分布确定随机值;具体过程为:在区间[A,B]上产生均匀分布的随机值,将产生的值填充到被丢弃的数据的位置,其中,B小于所述预设的第一门限值M1,A小于B。填充基于均匀分布的随机值,比填充常量值,带来伪随机波动,模拟真实热图中由于噪声导致的数据抖动,如在上位机上进行可视化显示,视觉效果上更好;产生均匀分布随机数相对简单,复杂度低。
③根据闪烁噪声能量谱特性确定随机值;其中,闪烁噪声的本质是功率谱密度满足。具体过程为:首先产生时域高斯白噪声信号,对该时域信号进行FFT处理得到频域高斯白噪声信号,设计幅度谱特性满足的频域滤波器,用该滤波器对频域高斯白噪声信号滤波后,通过IFFT处理转回时域,取实部并进行增益调整后得到满足闪烁噪声能量谱特性的随机信号,将产生的信号的模或模方填充到被丢弃的数据的位置。填充根据闪烁噪声能量谱特性确定的随机值,相比填充常量值,能够带来伪随机波动,模拟真实热图中由于噪声导致的数据抖动,如在上位机上进行可视化显示,视觉效果上更好;适合由闪烁噪声作为主导噪声成分的场景(由雷达电路特性决定),更贴近对应的实际情况。
④通过高斯白噪声经滤波器滤波后确定随机值;具体过程为:首先产生均值为0,方差为1的时域高斯白噪声信号;然后按需求设计目标滤波器(高通/低通/带通);最后在时域将高斯白噪声信号和目标滤波器进行卷积,实现滤波,得到高斯白噪声经滤波器滤波后的随机信号,将产生的信号的模或模方填充到被丢弃的数据的位置。类似上面,填充通过高斯白噪声经滤波器滤波后确定随机值,会带来伪随机波动,模拟真实热图中由于噪声导致的数据抖动,如在上位机上进行可视化显示,视觉效果上更好;适合由其他类型噪声占主导的场景,通过高斯白噪声配合滤波器频域整形的方式,模拟某种特定类型的噪声特性,使得填充的伪随机值更逼真,贴合实际的噪声抖动特性。
需要说明的是,上述所有方法生成的预设随机分布的随机值均应小于预设的第一门限值M1。
参见图2所示,本发明具体实施方式还提供一种雷达系统,包括雷达及和雷达通信连接的主机;所述雷达和主机配合执行上文所述的雷达数据传输方法。
具体地,雷达包括:
热图数据获取模块,用于探测环境并获取热图数据;
数据筛选模块,对所述热图数据进行数据点筛选,包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;
数据集生成模块,基于选取的数据点组成传输数据集,所述传输数据集包含选取的数据点在热图数据中的坐标和能量值;
数据发送模块,用于向所述主机发送传输数据集;
具体地,主机包括:
数据接收模块,用于接收所述传输数据集;
热图重构模块,基于接收的所述传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种雷达数据传输方法,其特征在于,包括:
S100、控制雷达探测环境,获取热图数据;
S200、控制雷达对所述热图数据进行数据点筛选:包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;
S300、基于选取的数据点组成传输数据集,所述传输数据集包含选取的数据点在热图数据中的坐标和能量值;
S400、控制雷达向主机发送所述传输数据集,主机基于接收的所述传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。
2.根据权利要求1所述的雷达数据传输方法,其特征在于,所述热图数据包括:雷达得到的距离维、多普勒维、俯仰角度维、方位角度维任一维度或四者任意组合构成的二维、三维或四维热图数据。
3.根据权利要求1所述的雷达数据传输方法,其特征在于,步骤S200中,对热图数据进行筛选时,选取的数据点还包括热图数据中能量值大于第一门限M1的极大值点及其预设邻域内的若干个点,M3≥M1。
4.根据权利要求3所述的雷达数据传输方法,其特征在于,步骤S200中,对于一维或二维的热图数据,对热图数据进行筛选时,还包括对热图中每个数据点进行拐点识别的操作,选取的数据点还包括热图数据中能量值大于第一门限M1的拐点及该拐点预设邻域内的若干个数据点。
5.根据权利要求3所述的雷达数据传输方法,其特征在于,步骤S200中,对于二维以上的热图数据,对热图数据进行筛选时,还包括对热图中每个数据点进行鞍点识别的操作,选取的数据点还包括热图数据中能量值大于第一门限M1的鞍点及该鞍点预设邻域内的若干个数据点。
6.根据权利要求1所述的雷达数据传输方法,其特征在于,步骤S300中,基于选取的数据点组成传输数据集时,还包括对选取的数据点在热图数据中的坐标和能量值数据进行压缩的操作。
7.根据权利要求3所述的雷达数据传输方法,其特征在于,步骤S400中,对热图数据进行伪随机重建的操作方式为:
在被丢弃的数据点的位置上填充服从预设统计分布的随机值。
8.根据权利要求7所述的雷达数据传输方法,其特征在于,步骤S400中,预设统计分布的随机值的确定方法包括以下至少一种:①以雷达底噪能量为方差的高斯分布确定随机值;②以预设范围内的均匀分布确定随机值;③根据闪烁噪声能量谱特性确定随机值;④通过高斯白噪声经滤波器滤波后确定随机值;所述随机值小于所述预设的第一门限M1。
9.一种雷达系统,包括雷达及和雷达通信连接的主机;所述雷达和主机配合执行权利要求1-8任意一项所述的雷达数据传输方法。
10.根据权利要求9所述的雷达系统,其特征在于,所述雷达包括:
热图数据获取模块,用于探测环境并获取热图数据;
数据筛选模块,对所述热图数据进行数据点筛选,包括计算热图中每个数据点的能量值及曲率值的操作,选取的数据点包括热图数据中曲率值大于第二门限M2且能量值大于第三门限M3的数据点;
数据集生成模块,基于选取的数据点组成传输数据集,所述传输数据集包含选取的数据点在热图数据中的坐标和能量值;
数据发送模块,用于向所述主机发送传输数据集;
所述主机包括:
数据接收模块,用于接收所述传输数据集;
热图重构模块,基于接收的所述传输数据集的数据,通过在被丢弃的数据的位置上填充以雷达底噪为参照的预设值,对热图数据进行伪随机重建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202511635676.2A CN121069314B (zh) | 2025-11-10 | 2025-11-10 | 雷达数据传输方法及雷达系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202511635676.2A CN121069314B (zh) | 2025-11-10 | 2025-11-10 | 雷达数据传输方法及雷达系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN121069314A true CN121069314A (zh) | 2025-12-05 |
| CN121069314B CN121069314B (zh) | 2025-12-30 |
Family
ID=97847813
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202511635676.2A Active CN121069314B (zh) | 2025-11-10 | 2025-11-10 | 雷达数据传输方法及雷达系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN121069314B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
| US20150054678A1 (en) * | 2012-07-12 | 2015-02-26 | Mitsubishi Electric Corporation | Radar system and data processing device |
| KR20230090957A (ko) * | 2021-12-15 | 2023-06-22 | 경북대학교 산학협력단 | 라이다 데이터 전송량 감소를 위한 라이다 데이터 전송방법, 이를 수행하기 위한 장치 및 시스템 |
| CN117651022A (zh) * | 2024-01-30 | 2024-03-05 | 辅易航智能科技(苏州)有限公司 | 数据传输方法、装置、主设备和计算机可读存储介质 |
| CN118962632A (zh) * | 2024-10-14 | 2024-11-15 | 宁波舜宇车载光学技术有限公司 | 雷达数据处理装置、激光雷达以及数据传输方法 |
-
2025
- 2025-11-10 CN CN202511635676.2A patent/CN121069314B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
| US20150054678A1 (en) * | 2012-07-12 | 2015-02-26 | Mitsubishi Electric Corporation | Radar system and data processing device |
| KR20230090957A (ko) * | 2021-12-15 | 2023-06-22 | 경북대학교 산학협력단 | 라이다 데이터 전송량 감소를 위한 라이다 데이터 전송방법, 이를 수행하기 위한 장치 및 시스템 |
| CN117651022A (zh) * | 2024-01-30 | 2024-03-05 | 辅易航智能科技(苏州)有限公司 | 数据传输方法、装置、主设备和计算机可读存储介质 |
| CN118962632A (zh) * | 2024-10-14 | 2024-11-15 | 宁波舜宇车载光学技术有限公司 | 雷达数据处理装置、激光雷达以及数据传输方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN121069314B (zh) | 2025-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110346794B (zh) | 一种资源优化配置的分布式雷达成像方法 | |
| CN103439692A (zh) | 基于协方差矩阵广对称特性的stap方法 | |
| CN102944872B (zh) | 雷达散射截面近场到近场的变换方法 | |
| CN114066792B (zh) | 一种基于多分辨率融合卷积神经网络的穿墙雷达成像方法 | |
| CN104950305A (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
| CN116189147B (zh) | 一种基于yolo的三维点云低功耗快速目标检测方法 | |
| CN113205564B (zh) | 一种sar智能目标边缘重构方法 | |
| CN119206092B (zh) | 真实海洋环境中三维波浪场的智能重构与预报系统及方法 | |
| CN111781598A (zh) | 基于dsn的高分辨二维isar成像方法 | |
| CN114167423A (zh) | 基于深度回归网络的雷达海浪参数测量方法 | |
| CN113608218A (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
| CN114428249B (zh) | 非高斯海面sar成像方法 | |
| CN109444842A (zh) | 一种目标电磁散射特性数据重构方法和装置 | |
| CN112285709B (zh) | 基于深度学习的大气臭氧遥感激光雷达数据融合方法 | |
| CN108872980B (zh) | 一种基于窄带系统的自适应穿墙成像方法 | |
| CN111681272B (zh) | 一种基于奇异性功率谱的sar图像处理方法 | |
| Stylianopoulos et al. | Graph-CNNs for RF imaging: Learning the electric field integral equations | |
| CN117538881A (zh) | 一种声呐水体成像波束形成方法、系统、设备及介质 | |
| CN121069314B (zh) | 雷达数据传输方法及雷达系统 | |
| CN107610130A (zh) | 基于幅度与相位线性度之比的海陆杂波场景分割方法 | |
| CN116718998A (zh) | 毫米波随机稀疏阵列生成方法、装置、存储介质 | |
| CN116916332A (zh) | 信号覆盖估计方法、装置及计算机设备 | |
| TWI693419B (zh) | 訊號處理方法 | |
| CN118887342A (zh) | 一种基于可微空间雕刻的成像声呐三维重建方法 | |
| CN114418068B (zh) | 基于多步神经网络结构的毫米波雷达稀疏点云重构方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |