毫米波雷达干扰抑制方法、装置、计算机设备和存储介质

技术领域

本申请涉及毫米波雷达技术领域，特别是涉及一种毫米波雷达干扰抑制方法、装置、计算机设备和存储介质。

背景技术

随着毫米波雷达技术领域的发展，毫米波雷达已经广泛应用于医疗、体育、教育、交通驾驶等各个领域。然而，当多个毫米波雷达发射的电磁波属于同一频带或者其发波频率存在相互重叠的部分，或收到宽带信号干扰时，雷达的信噪比将受到影响，进而减弱雷达的监测性能，例如使得雷达检测距离缩短、较小目标检测能力下降等问题。

对于毫米波雷达的干扰抑制，传统技术采用对调频连续波的采样数据进行块状划分，依次检测采样块的受干扰情况，若存在干扰的采样块则计算干扰阈值并进行抑制。然而这样的方法仅为采样后的数据降噪处理，当噪底数值较高时，也无法通过数据降噪处理实现较小目标的识别，雷达抗干扰能力较差。

由此可见，现有技术中的毫米波雷达仍存在雷达受干扰状态判断准确率、目标检测率较低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高雷达受干扰状态判断准确率的毫米波雷达干扰抑制方法、装置、计算机设备和计算机可读存储介质。

第一个方面，本实施例提供了一种毫米波雷达干扰抑制方法，所述方法包括：

获取调频连续波的采样数据，基于所述采样数据生成距离维-多普勒维的检测矩阵；

基于调频连续波个数确定所述检测矩阵的目标距离区域；

计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰；若是，则执行雷达干扰抑制。

在其中一个实施例中，所述采样数据包括多个采样点，所述基于所述采样数据生成距离维-多普勒维的检测矩阵之前还包括：

检测所述采样数据中各采样点的幅度数值是否在预设范围内；

若超出所述预设范围，则将超出预设范围的所述幅度数值进行置零操作。

在其中一个实施例中，所述检测所述采样数据中各采样点的幅度数值是否在预设范围内之前包括：

获取调频连续波未受干扰的采样数据样本，基于所述采样数据样本中各采样点的幅度数值确定第一平均值；

基于所述采样数据各采样点的幅度数值确定第二平均值；

基于所述第一平均值和所述第二平均值确定所述预设范围。

在其中一个实施例中，所述基于所述采样数据生成距离维-多普勒维的检测矩阵包括：

基于所述采样数据计算所述调频连续波的距离维和多普勒维的幅度数值；

基于所述距离维和多普勒维的幅度数值生成所述距离维-多普勒维的检测矩阵。

在其中一个实施例中，所述基于所述距离维和多普勒维的幅度数值生成所述距离维-多普勒维的检测矩阵之前还包括：

基于所述多普勒维的幅度数值进行非相参积累和取对数，得到处理后的多普勒维的幅度数值。

在其中一个实施例中，所述计算所述目标距离区域的噪底数值包括：

计算所述目标距离区域的幅度数值的中位值；

基于所述中位值确定所述噪底数值。

在其中一个实施例中，所述采样数据包括当前时刻和多个历史时刻的帧数据，所述基于所述噪底数值判断当前时刻雷达是否受到干扰包括：

基于噪底数值与预设阈值确定所述当前时刻和多个历史时刻的帧数据的雷达受干扰情况；

判断所述当前时刻和多个历史时刻的帧数据中雷达受干扰的帧数是否满足预设数量；

若是，则判断当前时刻的雷达受到干扰；

反之，则判断当前时刻的雷达未受到干扰。

第二个方面，本实施例提供了一种毫米波雷达干扰抑制装置，所述装置包括：

生成模块，用于获取调频连续波的采样数据，基于所述采样数据生成距离维-多普勒维的检测矩阵；

确定模块，用于基于调频连续波个数确定所述检测矩阵的目标距离区域；

判断模块，用于计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰；若是，则执行雷达干扰抑制。

第三个方面，本实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。

第四个方面，本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。

上述毫米波雷达干扰抑制方法、装置、计算机设备和存储介质，通过在距离维-多普勒维的检测矩阵中确定目标距离区域，并基于目标距离区域确定噪底数值，从而判断雷达是否受到干扰，通过特定距离段数据表征整个检测矩阵的噪底水平，实现毫米波雷达的受干扰状态判断，减少进行雷达干扰抑制的反应时间，达到提高目标检测准确率的效果。

附图说明

图1为一个实施例中毫米波雷达干扰抑制方法的应用环境图；

图2为一个实施例中毫米波雷达干扰抑制方法的流程示意图；

图3为另一个实施例中毫米波雷达干扰抑制方法的流程示意图；

图4为另一个实施例中毫米波雷达干扰抑制方法的流程示意图；

图5为另一个实施例中毫米波雷达干扰抑制方法的流程示意图；

图6为一个实施例中单个调频连续波的采样数据频谱图；

图7为另一个实施例中的距离维-多普勒维的频谱图；

图8为另一个实施例中的距离维频谱图；

图9为另一个实施例中的距离维-多普勒维的频谱图；

图10为另一个实施例中的距离维频谱图；

图11为另一个实施例中的距离维-多普勒维的频谱图；

图12为另一个实施例中的距离维频谱图；

图13为一个实施例中毫米波雷达干扰抑制装置的结构框图；

图14为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的毫米波雷达干扰抑制方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。终端102获取调频连续波的采样数据，并基于采样数据生成距离维-多普勒维的检测矩阵，并基于调频连续波个数确定检测矩阵的目标距离区域，计算目标距离区域的噪底数值，基于噪底数值判断当前时刻的雷达是否受到干扰，若是，则执行雷达干扰抑制。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种毫米波雷达干扰抑制方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：

步骤S100，获取调频连续波的采样数据，基于所述采样数据生成距离维-多普勒维的检测矩阵。

其中，调频连续波可以是经过调制的频率随着时间变化的电磁波。调频连续波可以是线性的，即随着时间的增长线性变化。这里的线性变化一般是一个发射周期内线性变化。调频连续波的波形可以是正弦波、锯齿波或三角波，还可以是其他的波形，本文对此不作限定。

调频连续波的采样数据可以是对回波信号进行数字采样后确定的数字信号，可以是基于发射信号和回波信号混合生成的中频信号。中频信号的混合可以在毫米波雷达装置中完成，也可以在终端102中完成。

回波信号可以包括发射信号到达目标后返回的信号，也可以包括在接收返回信号过程中接受到的来自环境的信号。

基于采样数据生成距离维-多普勒维的检测矩阵，可以是对中频信号进行二次快速傅里叶变换处理得到，其中，包括：对单个中频信号进行距离维的傅里叶变换处理，以及基于多个中频信号进行多普勒维的傅里叶变换处理。所生成的检测矩阵中的每一点均具有不同的坐标位置和幅值。

步骤S200，基于调频连续波个数确定所述检测矩阵的目标距离区域。

其中，目标距离区域是指在距离维-多普勒维的检测矩阵中，在距离维的目标数值范围下所映射的矩阵区域，即在目标距离范围内的检测矩阵区域。目标数值范围可以是经过预设，也可以是基于检测矩阵的频率确定噪底较为典型的区域。

基于调频连续波个数确定所述检测矩阵的目标距离区域，可以是在调频连续波的个数达到预设值时确定检测矩阵的目标距离区域。

步骤S300，计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰；若是，则执行雷达干扰抑制。

其中，计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰，可以是将目标距离区域内的各坐标点的幅值作为噪底数值，基于各坐标点幅值与预设阈值进行比较，得到超过预设阈值的坐标点数，若坐标点数满足预设范围，则当前时刻的雷达受到干扰；也可以是获取目标距离区域内的各坐标点的幅值，基于多个幅值确定噪底数值，并判断噪底数值是否大于预设阈值，从而判断当前时刻的雷达是否受到干扰。

判断当前时刻是否受到干扰，可以是基于当前时刻采样数据获得的噪底数值进行判断，也可以是基于历史时刻采样数据的噪底数值进行判断，还可以是基于当前时刻与历史时刻的采样数据结合判断。

雷达干扰抑制可以是从波形、空间和频率等多种角度进行干扰抑制。其中，从波形进行干扰抑制可以是通过抗噪声调频干扰、抗距离或速度欺骗干扰、抗无源干扰等方法；从空间进行干扰抑制可以是通过低旁瓣和超低旁瓣天线技术、空间滤波、旁瓣消隐和极化滤波等方法；从频率进行干扰抑制可以是通过频率捷变、频率分集等方法进行；还可以是从其他方面进行主动式或被动式的雷达抗干扰技术，本文对此不作限定。

本实施例提供的一种毫米波雷达干扰抑制方法，通过在距离维-多普勒维的检测矩阵中确定目标距离区域，并基于目标距离区域确定噪底数值，从而判断雷达是否受到干扰，通过特定距离段数据表征整个检测矩阵的噪底水平，可以实现毫米波雷达的受干扰状态判断，减少进行雷达干扰抑制的反应时间，达到提高目标检测准确率的效果。

在其中一个实施例中，所述采样数据包括多个采样点，所述基于所述采样数据生成距离维-多普勒维的检测矩阵之前还包括：

检测所述采样数据中各采样点的幅度数值是否在预设范围内；

若超出所述预设范围，则将超出预设范围的所述幅度数值进行置零操作。

其中，预设范围可以是基于先验知识进行设置，还可以是基于采样数据进行确定，例如可以是基于采样数据的幅度数值的平均值或中位值乘以预设系数进行获得，还可以是基于历史采样数据确定真实目标，并基于真实目标外的幅度数值确定预设范围。

若采样点的幅度数值超过预设范围，则该采样点的幅度数值可能受到环境干扰，对受干扰的幅度数值进行置零可以实现对采样数据的预处理。

本实施例提供的一种毫米波雷达干扰抑制方法，通过检测采样数据中各采样点的幅度数值是否在预设范围内，并对超过预设范围的采样点的幅度数值进行置零操作，可以实现在时间域内对调频连续波的幅度数值进行先行抑制，达到提高毫米波雷达的受干扰状态的判断准确率的效果。

在其中一个实施例中，所述检测所述采样数据中各采样点的幅度数值是否在预设范围内之前包括：

获取调频连续波未受干扰的采样数据样本，基于所述采样数据样本中各采样点的幅度数值确定第一平均值；

基于所述采样数据各采样点的幅度数值确定第二平均值；

基于所述第一平均值和所述第二平均值确定所述预设范围。

其中，调频连续波未受干扰的采样数据样本可以是基于模拟生成，也可以是基于毫米波雷达在实验环境下的采样数据，还可以是其他生成采样数据样本的方法，本文对此不作限定。基于所述采样数据各采样点的幅度数值确定第二平均值，该采样数据可以是毫米波雷达当前时刻或历史时刻的采样数据，也可以是其他在受干扰时的采样数据。

基于所述第一平均值和所述第二平均值确定预设范围，可以是基于第一平均值和第二平均值确定幅度数值差异，基于幅度数值差异确定调整系数，并基于第一平均值和调整系数确定最大阈值，基于最大阈值确定预设范围。

本实施例提供的一种毫米波雷达干扰抑制方法，通过基于采样数据的幅值平均值和样本数据的幅值平均值确定预设范围，使雷达可以基于当前环境干扰进行干扰抑制范围进行调整，实现调整时域干扰抑制灵敏度的适应性调整，达到提高毫米波雷达的受干扰状态的判断准确率的效果。

在其中一个实施例中，所述基于所述采样数据生成距离维-多普勒维的检测矩阵包括：

基于所述采样数据计算所述调频连续波的距离维和多普勒维的幅度数值；

基于所述距离维和多普勒维的幅度数值生成所述距离维-多普勒维的检测矩阵。

其中，基于采样数据计算调频连续波的距离维的幅度数值，可以是对中频信号进行傅里叶变换处理，得到距离维度上的频域信号。所得到的幅度数值在一定距离范围内的峰值可以表征在该距离范围下存在目标。

基于采样数据计算调频连续波的多普勒维的幅度数值，可以是在积累一定的调频连续波个数的采样数据后对多个调频连续波的信号进行多普勒维的傅里叶变换，得到多普勒维度上的频域信号。所得到的幅度数值在一定多普勒范围内的峰值可以表征在该多普勒范围下存在目标。

本实施例提供的一种毫米波雷达干扰抑制方法，通过基于采样数据计算距离维和多普勒维的幅度数值，可以实现距离维-多普勒维的检测矩阵的生成。

在其中一个实施例中，所述基于所述距离维和多普勒维的幅度数值生成所述距离维-多普勒维的检测矩阵之前还包括：

基于所述多普勒维的幅度数值进行非相参积累和取对数，得到处理后的多普勒维的幅度数值。

其中，非相参积累又称检波后积累，是对中频回波信号检波后进行累加，参与累加的信号不包括相位特性，可以提高微弱目标的检测性能。非相参积累可以是对多个调频连续波所形成多普勒维幅度数值的积累。通过对多普勒维的幅度数值取对数，可以实现在数据缩放的同时，将显著目标和微弱目标的幅度数值相均衡，优化对微弱目标的识别。

本实施例提供的一种毫米波雷达干扰抑制方法，通过对多普勒维的幅度数值进行非相参积累和取对数处理，可以实现减少雷达采样数据的存储空间，减少受干扰状态检测的计算量，还可以达到优化微弱目标识别的效果。

在其中一个实施例中，所述计算所述目标距离区域的噪底数值包括：

计算所述目标距离区域的幅度数值的中位值；

基于所述中位值确定所述噪底数值。

其中，目标距离区域中的相邻坐标点之间以距离单元和/或多普勒单元为间隔进行分布，计算目标距离区域的幅度数值的中位值可以是计算目标距离区域内坐标点的幅度数值的中位值。

基于中位值确定噪底数值，可以是将中位值作为噪底数值，也可以是基于中位值与预设调整系数确定最终噪底数值。预设调整系数可以是基于先验知识确定，也可以是基于用户对干扰抑制的期望程度作适应性调整。

本实施例提供的一种毫米波雷达干扰抑制方法，通过计算目标距离区域的幅度数值的中位值，并基于中位值确定噪底数值，可以实现对目标距离区域噪底数值的确定，达到提高干扰抑制判断准确率的效果。

在其中一个实施例中，所述采样数据包括当前时刻和多个历史时刻的帧数据，所述基于所述噪底数值判断当前时刻雷达是否受到干扰包括：

基于噪底数值与预设阈值确定所述当前时刻和多个历史时刻的帧数据的雷达受干扰情况；

判断所述当前时刻和多个历史时刻的帧数据中雷达受干扰的帧数是否满足预设数量；

若是，则判断当前时刻的雷达受到干扰；

反之，则判断当前时刻的雷达未受到干扰。

其中，基于噪底数值与预设阈值确定帧数据的雷达干扰情况，可以是基于目标距离区域的噪底数值是否超过预设阈值进行判断。

历史时刻的帧数经过提前设置，对于雷达受干扰状态的判断可以是在历史时刻的帧数满足预设帧数后进行。雷达受干扰的帧数的预设数量可以是基于先验知识，也可以是基于历史时刻预设帧数与预设比例相乘得到。

在判断当前时刻的雷达受到干扰或未受到干扰后，可以对雷达受干扰状态的标志位进行更新，干扰抑制相关模块可以基于标志位确定是否开启干扰抑制。

本实施例提供的一种毫米波雷达干扰抑制方法，通过基于多帧雷达采样数据确定雷达的受干扰情况，可以防止虚警的情况发生，达到提高雷达受干扰状况的判断准确率的效果。

为了更清楚地解释本申请的技术方案，本申请还提供了一个详细实施例，如图3所示，本实施例中，本实施例的方法包括：

S1、获取实时多通道回波信号的ADC采样数据。

其中，实时录取获取到当前帧、当前回波的当前通道的时域采样数据，并在S6步骤结束后，顺序遍历其他通道的该步骤以遍历每个通道单个chirp的ADC采样数据。其中，chirp指调频连续波，ADC采样数据是指将采集的模拟信号转换为数字信号后得到的采样数据。

S2、进行多通道ADC采样数据的时域干扰抑制。其中包括：根据雷达干扰状态，决定当前帧是否需要进行干扰抑制，如果需要进行干扰抑制，则进入干扰抑制模块。

S3、距离维信号处理。

S4、积累固定个数的chirp后进行多普勒维信号处理，得到二维的频域幅度检测矩阵。其中，当接收到的chirp数据积累到设定的个数时，雷达进行多普勒维FFT计算，得到二维频域数据，并计算二维频域数据的幅度数值，进行通道间的非相参积累，再对积累后的幅度数据取对数，进行适当的数据缩放，得到二维频率的幅度检测矩阵。

S5、根据噪底统计判断当前帧雷达是否受到干扰，并根据帧间判断结果，更新帧间统计计数。其中包括，基于计算出来的二维频率幅度检测矩阵统计该帧数据的噪底水平。

S6、雷达干扰标志位更新。其中包括：更新干扰标志位，计算干扰置信度，并通过端口对外输出。

如图4所示，干扰抑制模块的工作流程包括：

S21、顺序取出单个chirp信号的ADC采样数据。

S22、计算每个采样点数据的幅度数值并存储。其中包括，根据ADC采样数据的实部、虚部计算该chirp信号所有N个采样点的幅度数值，并存储。

S23、顺序取幅度数值，对大于设定阈值的幅度数值对应的采样点数据进行置0操作。如图6所示，遍历存储的该chirp信号所有采样点的幅度数值，依次与设定幅度阈值做比较，如果超出设定阈值，则对该采样点相应的ADC数据的I、Q两路数据进行置0操作。其中，干扰阈值的设定基于先验数据，统计在无干扰时的ADC采样数据幅值的平均数值，并统计雷达受到干扰时的ADC采样数据幅值的平均数值，根据两者数值差异，用无干扰时的ADC采样数据幅值的平均数值乘以对应的系数获得。

S24、判断改组幅度数值是否遍历完毕。如果该chirp信号所有采样点的幅度数值未遍历完毕，则进入步骤S23，继续遍历操作，否则进入步骤S25。

S25、判断所有通道是否遍历完毕。如果所有数据通道的chirp信号ADC采样数据均执行完毕，则进入步骤S26，否则进入步骤S21继续遍历。

S26、结束。

如图5所示，基于计算出来的二维频率幅度检测矩阵统计该帧数据的噪底水平，包括：

S51、获取该帧数据的二维频域幅度检测矩阵。

S52、计算设定噪底统计区域的单个距离单元对应的噪底数值。其中包括，统计固定个数，特定距离区域(距离单元a到距离单元b)每个距离单元对应多普勒维数据的噪底数值，并将此噪底数值与设定的阈值做比较。

S53、每个距离单元噪底数值与设定阈值作比较，并且记录噪底超过阈值的距离单元个数，判断该帧数据是否受到干扰。其中包括，记录距离单元对应的噪底数值超过设定阈值的个数，当超过阈值的个数超过设定干扰判断阈值时，判断该帧数据受到了干扰。

S54、更新帧间干扰计数。根据当前帧雷达是否受到干扰的情况，更新帧间干扰的计数，帧间干扰计数会计算当前帧以及历史帧，总计P帧的雷达干扰情况，当且仅当总计P帧中至少有Q帧数据是受到干扰的，此时触发干扰抑制模块，干扰抑制模块从当前帧的下一帧开始执行干扰抑制，当干扰帧数小于Q时，则雷达不进行干扰抑制。

如图7和图8所示，当雷达没有受到干扰时，在二维频域，固定距离分段内噪底数值约为68.6dB，此时目标的信噪比约为32.1dB。

如图9和图10所示，当雷达受到干扰时，在二维频域，固定距离分段内噪底数值约为95.6dB，目标被淹没。

如图11和图12所示，当雷达进行干扰抑制后，相比未进行干扰抑制时噪底水平明显降低，固定距离分段内噪底数值约为79.6dB，目标信噪比约为20.7dB。

应该理解的是，虽然如上所述的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的毫米波雷达干扰抑制方法的毫米波雷达干扰抑制装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个毫米波雷达干扰抑制装置实施例中的具体限定可以参见上文中对于毫米波雷达干扰抑制方法的限定，在此不再赘述。

在一个实施例中，如图13所示，提供了一种毫米波雷达干扰抑制装置，包括：生成模块100，确定模块200和判断模块300，其中：

生成模块100，用于获取调频连续波的采样数据，基于所述采样数据生成距离维-多普勒维的检测矩阵；

确定模块200，用于基于调频连续波个数确定所述检测矩阵的目标距离区域；

判断模块300，用于计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰；若是，则执行雷达干扰抑制。

在其中一个实施例中，所述采样数据包括多个采样点，生成模块100还用于：检测所述采样数据中各采样点的幅度数值是否在预设范围内；若超出所述预设范围，则将超出预设范围的所述幅度数值进行置零操作。

在其中一个实施例中，生成模块100还用于：获取调频连续波未受干扰的采样数据样本，基于所述采样数据样本中各采样点的幅度数值确定第一平均值；基于所述采样数据各采样点的幅度数值确定第二平均值；基于所述第一平均值和所述第二平均值确定所述预设范围。

在其中一个实施例中，生成模块100还用于：基于所述采样数据计算所述调频连续波的距离维和多普勒维的幅度数值；基于所述距离维和多普勒维的幅度数值生成所述距离维-多普勒维的检测矩阵。

在其中一个实施例中，生成模块100还用于：基于所述多普勒维的幅度数值进行非相参积累和取对数，得到处理后的多普勒维的幅度数值。

在其中一个实施例中，判断模块300还用于：计算所述目标距离区域的幅度数值的中位值；基于所述中位值确定所述噪底数值。

在其中一个实施例中，所述采样数据包括当前时刻和多个历史时刻的帧数据，判断模块300还用于：基于噪底数值与预设阈值确定所述当前时刻和多个历史时刻的帧数据的雷达受干扰情况；判断所述当前时刻和多个历史时刻的帧数据中雷达受干扰的帧数是否满足预设数量；若是，则判断当前时刻的雷达受到干扰；反之，则判断当前时刻的雷达未受到干扰。

上述毫米波雷达干扰抑制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种毫米波雷达干扰抑制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图14中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取调频连续波的采样数据，基于所述采样数据生成距离维-多普勒维的检测矩阵；

基于调频连续波个数确定所述检测矩阵的目标距离区域；

计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰；若是，则执行雷达干扰抑制。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取调频连续波的采样数据，基于所述采样数据生成距离维-多普勒维的检测矩阵；

基于调频连续波个数确定所述检测矩阵的目标距离区域；

计算所述目标距离区域的噪底数值，基于所述噪底数值判断当前时刻雷达是否受到干扰；若是，则执行雷达干扰抑制。

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。