[發明專利]使用深層神經網絡在感測雷達的波束形成階段去除假警報

在審

• 申請號: 202010135070.3
• 申請日: 2020-03-02
• 公開（公告）號: CN111638491A
• 公開（公告）日: 2020-09-08
• 發明（設計）人: E.里特伯格;O.羅曾扎夫特
• 申請（專利權）人: 通用汽車環球科技運作有限責任公司
• 主分類號: G01S7/36
• 分類號: G01S7/36;G01S13/931;G06N3/04;G06N3/08
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 王增強

提供了處理器實現的方法和系統，該方法和系統使用卷積神經網絡(CNN)在用于感測雷達的波束形成階段(即在執行峰值響應標識之前)對光譜響應圖執行目標核實以去除假警報檢測。處理器實現的方法包括：從雷達數據生成光譜響應圖；以及當所述響應圖不代表有效的目標檢測時，執行所述CNN以確定所述響應圖是否代表有效的目標檢測并將所述響應圖分類為假警報。在執行CNN之后，僅處理具有有效目標的響應圖以從中生成到達方向(DOA)命令。

技術領域

本公開大體上涉及處理感測到的雷達數據的對象感知系統，并且更特別地涉及使用深度神經網絡在用于感測雷達的波束形成階段去除假警報。

背景技術

車輛自動化的趨勢包括隨此對增強的車輛感知系統的需求。來自雷達收發器的雷達數據可以為駕駛系統提供一個“感知”車輛外部環境的機會。具體而言，雷達數據可用于標識和生成關于目標對象的“到達方向”(DOA)命令，該命令基本上是在特定位置存在目標對象的信息。該位置可以進一步相對于用戶或移動平臺的參考系。

在許多傳統的到達方向(DOA)系統中，雷達數據通過波束形成算法轉換為稱為響應圖的光譜圖像。響應圖是兩個變量(或維度)的函數，例如方位角(x軸)和仰角(y軸)元組，并且響應圖中的每個(x，y)元組都具有關聯的與之相關的能量。響應圖是代表車輛外部環境的圖像或快照。然后，通過峰值響應算法處理光譜圖，以標識峰值或最強烈的響應。峰值響應用于指示目標對象的到達方向。在各個實施例中，“波束形成階段”包括波束形成算法的執行加上峰值響應標識的執行。

然而，在敏感的雷達系統中，光譜圖像有時具有假警報，這可能是由多種因素引起的，例如環境噪聲。假警報會欺騙許多用于用雷達數據確定DOA的常規系統。當假警報被誤解為指示有效目標時，將生成DOA，指示存在不存在的對象。在依靠DOA做出關于沿當前行駛路徑繼續的決策的駕駛系統中，假警報DOA可能導致非預期結果、事件(例如無限期地停止車輛)、不必要的制動、顛簸的駕駛以及圍繞假警報(即假想對象)對車輛進行導航。此外，利用常規DOA系統的移動平臺在這些事件中的每一個之后浪費時間校正。

因此，期望一種接收雷達數據并對其進行操作的技術上改進的到達方向(DOA)系統。所需的DOA系統適用于快速確定假警報，以便在其他系統依賴假警報之前迅速消除假警報。期望的DOA系統在用于感測雷達的波束形成階段在目標核實和假警報(FA)消除方面采用卷積神經網絡(CNN)。除了解決相關問題之外，以下公開內容還提供了這些技術增強。

發明內容

提供了一種處理器實現的方法，該方法用于使用雷達數據以使用卷積神經網絡(CNN)生成到達方向(DOA)命令。該方法包括：從雷達數據生成響應圖；以及在CNN中處理響應圖以確定響應圖是否表示有效的目標檢測；當響應圖未表示有效的目標檢測時，由CNN將響應圖分類為假警報；以及當響應圖確實表示有效的目標檢測時，在響應圖中標識最大值。

在一實施例中，響應圖是巴特利特(Bartlett)波束形成器光譜響應圖。

在一實施例中，已經使用在消聲室中生成的訓練數據來訓練CNN。

在一實施例中，響應圖是維數為15x20x3的三維張量。

在一實施例中，使用反向傳播來訓練CNN。

在一實施例中，CNN包括多個隱藏層。

在一實施例中，每個隱藏層包括具有校正線性單元(ReLU)激活功能的會聚層。

在一實施例中，每個隱藏層還包括批歸一化(Batch Normalization)層、最大池化(MaxPooling)層和退出(Dropout)層。

在一實施例中，CNN包括至少一個具有S形激活功能的全連接層(FC)。