信号源数目计算方法、第一模型的训练方法及信号处理方法

技术领域

本申请涉及雷达技术领域，特别是涉及信号源数目计算方法、第一模型训练方法及回波信号处理方法。

背景技术

近年来，随着雷达在自动驾驶、安防、无人机等领域应用越来越广泛，对雷达在应用过程中的测角精度提出了较高的要求，测角精度即信号来波方向的确定则依赖于信号源的数目。例如DML(Maximum likelihood estimation，最大似然估计)算法中需要已知信号源的数目，从而可以计算得到来波方向，而错误地估计信号源的数目则严重影响到DML算法的解角精度。

目前对于来波方向的估计的算法通常是对雷达阵列接收信号进行希尔伯特变换得到瞬时相位分量，从而根据瞬时相位分量构造协方差矩阵，并求得特征值，然后根据该特征值以及预先训练的模型得到信号源的个数。

但是上述方法中需要矩阵的特征分解，运算量较大，而且在信号的快拍数目较小的情况下，协方差矩阵估计误差较大，从而会引起信源数据估计的偏差较大。

发明内容

基于此，有必要针对上述技术问题，提供能够保证计算准确性的信号源数目计算方法、第一模型训练方法及回波信号处理方法。

第一方面，本申请提供信号源数目计算方法，所述信号源数目计算方法包括：

获取回波信号对应的K个来波方向，其中，K≥1；

根据所述K个来波方向，计算得到第一模型特征；

根据第一模型对所述第一模型特征进行处理，确定所述回波信号对应的信号源数目。

在其中一个实施例中，所述获取回波信号对应的K个来波方向，包括：

对回波信号进行来波方向估计，得到所述K个来波方向。

在其中一个实施例中，所述对所述回波信号进行来波方向估计，得到K个来波方向，包括：

获取所述回波信号对应的来波方向的估计数量；

根据所述估计数量对所述回波信号进行来波方向估计，得到所述估计数量对应的所述来波方向。

在其中一个实施例中，所述获取所述回波信号对应的来波方向的估计数量，包括：

获取当前应用场景，并根据所述当前应用场景获取对应的所述第一模型；

读取所述第一模型的输入参数；

根据所述输入参数确定目标来波方向的估计数量。

在其中一个实施例中，所述第一模型特征包括：单目标功率比值和/或多目标功率比值；所述单目标功率比值是根据每个来波方向对应的所述信号源的能量与所述回波信号的能量计算得到每一个来波方向对应的单目标功率比值；所述多目标功率比值是根据至少两个所述来波方向计算得到综合能量，并根据所述综合能量以及所述回波信号的能量计算得到的。

在其中一个实施例中上述的信号源数目计算方法还包括：

在K包括k1，且k1等于1的情况下，所述K个来波方向对应第一来波方向，根据所述第一来波方向，计算得到第一特征W(θ

在K包括k2，且k2等于2的情况下，所述K个来波方向包括第二来波方向和第三来波方向，根据所述第二来波方向和所述第三来波方向，计算得到第二特征W(θ

在其中一个实施例中，所述根据第一模型对所述第一模型特征进行处理，确定所述回波信号对应的信号源数目，包括：

基于所述第一模型根据所述第一模型特征中的至少任意两个特征，计算得到所述回波信号对应的信号源数目。

第二方面，本申请还提供第一模型的训练方法，所述训练方法包括：

获取训练数据，所述训练数据包括训练回波信号以及对应训练信号源数目；

根据所述训练回波信号计算得到训练特征；

分别选取至少两个所述训练特征与对应的所述训练信号源数目，生成至少一个训练集；

分别根据所述训练集中的至少两个所述仿真特征与对应的所述仿真信号源数目进行训练得到至少一个所述第一模型。

在其中一个实施例中，根据所述至少一个第一模型对所述训练集中的至少两个所述仿真特征与对应的所述仿真信号源数目进行训练得到第一模型之后，包括：

获取设定的应用场景下的实测回波信号以及对应的实测信号源数目；

根据所述实测回波信号和至少一个所述第一模型进行处理得到对应的模型信号源数目；

将所述模型信号源数目与对应的实测信号源数目进行比对，得到各个所述第一模型的正确率；

选取正确率符合要求的所述第一模型作为所述应用场景对应的第一模型。

在其中一个实施例中，所述分别根据所述训练集进行训练得到至少一个第一模型之后，包括：

获取设定的应用场景下的实测回波信号以及对应的实测信号源数目；

根据所获取的实测回波信号以及对应的实测信号源数目对所述第一模型进行优化。

第三方面，本申请还提供回波信号处理方法，所述回波信号处理方法包括：

接收回波信号；

根据上述的信号源数目计算方法对所述回波信号进行处理得到信号源数目。

第四方面，本申请还提供信号源数目计算装置，所述信号源数目计算装置用于执行上述的信号源数目计算方法。

第五方面，本申请还提供第一模型的训练装置，所述训练装置用于执行上述的信号源数目计算方法。

第六方面，本申请还提供回波信号处理装置，所述回波信号处理装置用于执行上述的回波信号处理方法。

第七方面，本申请还提供处理装置，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任意一个实施例中所述的方法。

第八方面，本申请还提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括用于实现上述任意一个实施例中所述的方法的指令。

第九方面，本申请还提供计算机程序产品，包括计算机程序，该计算机程序包括用于实现上述任意一个实施例中所述的方法的指令。

第十方面，本申请还提供运行控制设备，包括存储器和处理器，所述存储器存储有计算机程序，当所述计算机程序在所述处理器上运行时，使得所述运行控制设备或所述处理器实现上述任意一个实施例中所述的方法。

第十一方面，本申请还提供集成电路，包括数字电路以及如上述的运行控制设备，所述运行控制设备用于控制所述数字电路以实现集成电路的不同功能

第十二方面，本申请还提供无线电器件，包括：

承载体；

如上述的集成电路，设置在所处承载体上；

天线，设置在所述承载体上，或者与所述集成电路集成为一体器件设置在所述承载体上；

其中，所述集成电路与所述天线连接，用于发收无线电信号。

在其中一个实施例中，所述无线电器件为雷达或雷达芯片。

第十三方面，本申请还提供终端，包括：

如上述的无线电器件；

其中，所述无线电器件用于目标检测和/或通信。

在其中一个实施例中，所述终端为车辆，智能家居设备，或者机器人。

上述信号源数目计算方法、第一模型训练方法及回波信号处理方法，首先基于一种算法，如DML，预估了回波信号的来波方向的数量为K个，从而简化计算，从而减少了计算量，相比于现有技术中需要进行瞬时相位分量的计算，以及根据瞬时相位分量构造协方差矩阵，得到特征值的计算量大大减少，且对于阵元和信源数量没有限制，扩展了应用范围。其次，根据估计的来波方向计算得到第一模型特征，再通过第一模型特征确定第一模型，从而通过第一模型进行处理以确定该些第一模型特征对应的真实的信号源数目，使得准确性提高，在信号源数目是准确的前提下，所计算的来波方向也是准确的。

附图说明

图1为一个实施例中信号源数目计算方法的应用环境图；

图2为一个实施例中信号源数目计算方法的流程示意图；

图3为一个实施例中的第一模型的训练过程的流程图；

图4为一个实施例中选择训练特征W(θ

图5为一个实施例中选择训练特征W(θ

图6为采用实测特征W(θ

图7为采用实测特征W(θ

图8为另一个实施例中信号源数目计算方法的流程示意图；

图9为一个实施例中来波方向计算方法的流程示意图；

图10为一个实施例中回波信号处理方法的流程示意图；

图11为一个实施例中信号源数目计算装置的结构框图；

图12为一个实施例中来波方向计算装置的结构框图；

图13为一个实施例中回波信号处理装置的结构框图；

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。

本申请提供的信号源数目计算方法、来波方向计算方法以及回波信号处理方法，可以应用于如图1所示的应用环境中。其中，雷达102发送信号至目标 104，从而目标104反射回波信号至雷达102，雷达102对目标104反射的回波信号进行处理，以确定目标104的距离、速度和角度，从而实现对目标的定位。其中，雷达也可以称为雷达收发器。该定位可以应用于自动驾驶、安防、无人机等领域。具体地，雷达102接收到回波信号后，首先对回波信号进行模数转换 (AD)，然后对所得到的数字信号进行采样，从而依次对采样后的数字信号进行一维快速傅里叶变换(1DFFT)和二维快速傅里叶变换(2DFFT)以对回波信号进行积累并获取目标104的多普勒频率，然后进行雷达恒虚警检测(CFAR)以对回波信号与噪声进行判别从而确定目标信号是否存在，这样得到距离和速度都相同的目标104，进而对距离和速度都相同的目标104进行处理以得到目标 104的数量，也即信号源数目，以便于后续进行来波方向(DOA)的计算。

本申请所提供的信号源数目计算方法，可选地，可以针对雷达恒虚警检测的结果进行处理的，其中雷达恒虚警检测的结果中可能存在将多个目标104识别为一个目标的情况，即多个目标与雷达的距离和速度都相等，因此此处需要对目标的数量，即信号源数目进行判别，从而保证后续来波方向计算的准确性。

本申请以应用在雷达恒虚警检测的结果为例进行说明，在获取雷达恒虚警检测的结果，即回波信号之后，首先进行来波方向的估计，得到K个来波方向， K≥1，并根据K个来波方向计算得到第一模型特征，最后通过将第一模型特征输入至预先训练得到的第一模型中，得到回波信号对应的目标信号源数目。这样的操作仅需要在预设条件下计算来波方向，简化计算，从而减少了计算量，相比于现有技术中需要进行瞬时相位分量的计算，以及根据瞬时相位分量构造协方差矩阵，得到特征值的计算量大大减少，且对于阵元和信源数量不做限制，扩展了应用范围。其中，上述雷达102可以是安装在任意终端上的，该终端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、车载系统、无人机和便携式可穿戴设备等。

在一个实施例中，如图2所示，提供了一种信号源数目计算方法，以该方法应用于图1中的雷达收发器为例进行说明，包括以下步骤：

S202：获取回波信号对应的K个来波方向。

在其中一个实施例中，获取回波信号对应的K个来波方向，包括：对回波信号进行来波方向估计，得到所述K个来波方向。具体地，先获取回波信号，然后对回波信号进行来波方向估计，得到所述K个来波方向。

具体地，回波信号即雷达收发器接收的信号，结合上文，可选地，可以是获取到经过雷达恒虚警检测后的信号，其中该信号中可以区分与雷达系统的距离和/或速度不相同的目标，而对于与雷达系统的距离和速度都相同的目标则不能区分，因此为了减少将距离和速度都相同的目标误认为同一个目标的概率，需要对目标的数目进行计算。具体地，回波信号为X(t)＝[x

X(t)＝A(θ)S(t)+N(t) (1)

S(t)为空间信号的D×l维矢量，A(θ)为M×D维的空间阵列流型矩阵，D为信号源个数，N(t)为噪声。

cov[N(t)]＝σ

其中，σ代表噪声的功率比值，I为对角矩阵。

然后根据第一算法对回波信号进行来波方向估计，得到所述K个来波方向。

第一算法可以为DML算法，在其他实施例中还可以采用其他的算法来进行来波方向估计得到K个来波方向。

具体地，来波方向是根据回波信号进行估计得到的，该来波方向与后续DOA 计算的来波方向不一定相同，此处仅是估计处理，例如当来波方向的估计数量为 K个时，则根据回波信号进行处理得到K个来波方向，其中对于来波方向的估计数量的估计可以是根据实际应用场景进行的，例如1或2，在此不做具体限制，且在其中一个实施例中，对于来波方向的估计可以同时存在多个，即在一次计算中，同时估计来波方向为K

其中雷达收发器在确定来波方向的估计数量后，以第一算法为DML算法为例，来波方向可以通过以下公式进行计算：

其中，

其中，正交投影矩阵为：

P

协方差矩阵为：

其中

因此，雷达收发器在估计来波方向的估计数量后，可以简化对公式(3)的求解，从而得到来波方向，其中例如当来波方向的估计数量为1，则直接求取公式(3)得到一个来波方向，如θ

此外，来波方向的估计数量可以是与所选择的第一模型相关的，例如与第一模型的输入参数相关，根据输入参数确定来波方向的估计数量，并计算对应该估计数量的来波方向。例如当输入参数的来波方向的估计数量为1和2时，则需要分别求取在来波方向的估计数量为1和2时的来波方向。当输入参数的计算需要的来波方向的估计数量为2个时，则仅需要计算来波方向的估计数量为2 时的两个来波方向。

在其他的实施例中，若是所得到的第一模型仅是1个，此时可以直接固定来波方向的数量，例如1个或者是2个，因此在计算的时候直接获取到来波方向的估计数量，并进行计算即可。

S204：根据所述K个来波方向，计算得到第一模型特征。

具体地，第一模型特征是与估计的来波方向相关的，根据估计的来波方向，也即估计的信号源数目的方向计算到第一模型特征。其中雷达收发器分别计算不同估计数量的来波方向所对应的第一模型特征。在信号源数目为估计数量下，分别计算回波信号对应的各个信号源对应的单目标功率比值和/或至少两个信号源对应的多目标功率比值作为第一模型特征，进而根据这些第一模型特征来判断实际的信号源数目。其中第一模型特征可以是用于表征信号源的功率比值的特征。具体地，第一模型特征包括：单目标功率比值以及和/或多目标功率比值；所述单目标功率比值是根据每个来波方向对应的所述信号源的能量与所述回波信号的能量计算得到每一个来波方向对应的单目标功率比值；所述多目标功率比值是根据至少两个所述来波方向计算得到综合能量，并根据所述综合能量以及所述回波信号的能量计算得到的。

具体地，在K包括k1，且k1等于1的情况下，所述K个来波方向对应第一来波方向，根据所述第一来波方向，计算得到第一特征(W(θ

在K包括k2，且k2等于2的情况下，所述K个来波方向包括第二来波方向和第三来波方向，根据所述第二来波方向和所述第三来波方向，计算得到第二特征W(θ

或者，在K还可以包括k3，且k3大于2的情况下，根据需要计算得到其他的特征。

在其中一个实施例中，以两种估计数量为例进行说明，一种估计数量为来波方向为1个，另外一种估计数量为来波方向为2个，在其他实施例中可以存在来波方向为其他数量的假设，在此不做具体限制。

其中，当来波方向的估计数量为2个，即估计目标为两个，也即估计信号源数目为2个时，根据上述公式(4)进行二维搜索得到估计来波方向为θ

P(θ

定义目标1，即来波方向为θ

定义目标2，即来波方向为θ

P(θ

目标2，即来波方向为θ

此外定义同时目标1和目标2的综合能量：

P(θ

定义同时存在目标1和目标2的多目标功率比值，也即第四特征W(θ

其中当来波方向的估计数量为1个，即估计目标为一个，也即估计信号源数目为一个时，根据上述公式(4)进行二维搜索得到来波方向为θ

P(θ

目标0的单目标功率比值，第一特征W(θ

因此，在估计数量包括1个和2个的情况下，所得到的特征包括 W(θ

在其中一个实施例中，雷达收发器无需每次计算所有的第一模型特征，雷达收发器可以根据所确定的第一模型的输入参数来确定对应的第一模型特征，然后再进行计算，从而可以减少第一模型特征时的计算量。在另外的实施例中，雷达收发器则需要计算所有的第一模型特征，以输入至第一模型中进行计算。

S206：根据第一模型对所述第一模型特征进行处理，确定所述回波信号对应的信号源数目。

具体地，第一模型可以是各种类型的神经网络模型，优选地为SVM(支持矢量机)模型。其中该第一模型可以是默认的模型或者是根据应用场景所选择的模型。该第一模型的输入为上述第一模型特征，输出为目标信号源数目。因此雷达收发器将所计算得到的第一模型特征输入至预先训练得到的第一模型中，得到回波信号对应的目标信号源数目。

在其中一个实施例中，不同的场景下可以使用同一个第一模型，即训练的时候仅训练一个第一模型，或者是训练多个第一模型，但是不同的场景下都选择默认的一个第一模型，因此模型输入参数是固定的，第一模型特征的类型是固定的，因此可以直接根据预设类型的第一模型特征，确定来波方向的估计数量，然后计算得到每个估计数量对应的来波方向，最后根据计算的每个来波方向计算得到第一模型特征，通过第一模型对第一模型特征进行处理得到对应的目标信号源数目。

在其中一个实施例中，不同场景对应不同的第一模型，即训练的时候根据场景训练多个第一模型，因此在使用的时候，首先根据应用场景确定对应的第一模型特征，然后根据第一模型特征确定对应的第一模型，然后根据第一模型确定来波方向的估计数量，然后计算得到每个估计数量对应的来波方向，最后根据计算的每个来波方向计算得到第一模型特征，通过第一模型对第一模型特征进行处理得到对应的目标信号源数目。

为了方便理解，例如当来波方向的估计数量为1时，则对应第一模型1；当来波方向的估计数量为1和2时，则对应第一模型2。在其他的实施例中，来波方向的其他的估计数量也对应唯一的第一模型，这样将所计算得到的第一模型特征输入至对应的第一模型中计算即可得到对应的目标信号源数目。

上述实施例中，首先预估了K来波方向，从而简化计算，从而减少了计算量，相比于现有技术中需要进行瞬时相位分量的计算，以及根据瞬时相位分量构造协方差矩阵，得到特征值的计算量大大减少，且对于阵元和信源数量没有限制，扩展了应用范围，其次，根据估计的来波方向计算得到第一模型特征，再通过第一模型进行处理以确定该些第一模型特征对应的真实的信号源数目，使得准确性提高，在信号源数目是准确的前提下，所计算的来波方向也是准确的。

在其中一个实施例中，根据回波信号进行来波方向估计，得到至少一个来波方向，包括：获取来波方向的至少一个估计数量；根据估计数量对回波信号进行来波方向估计，得到对应各个估计数量的来波方向。

其中，估计数量是指来波方向的估计数量，在每次计算目标信号源数目的时候，首先对目标信号源数目进行估计，也即对来波方向进行估计，该估计即为来波方向的估计数量。该估计可以与第一模型的输入参数相关，即模型的输入参数对应的第一模型特征的计算需要来波方向的数量来确定，以上述第一模型特征为W(θ

具体地，在确定了来波方向的估计数量后，则根据估计数量对回波信号进行来波方向估计，得到对应各个估计数量的来波方向，即根据来波方向的估计数量对上述公式(3)进行求解，分别得到对应的来波方向，例如当估计数量为1，则对公式(3)求解得到1个来波方向。当估计数量为2，则对公式(3)进行求解得到2个来波方向。在其他实施例中，当估计数量为其他值，也可以对公式 (3)进行求解得到对应其他数量的来波方向。

上述实施例中，先获取来波方向的估计数量，然后再对回波信号进行处理，可以简化操作，使得计算量减少。

在其中一个实施例中，获取所述回波信号对应的来波方向的估计数量，包括：获取当前应用场景，并根据所述当前应用场景获取对应的第一模型；读取所述第一模型的输入参数；根据所述输入参数确定目标来波方向的估计数量。

具体地，在该实施例中，第一模型是与应用场景对应的，即每个应用场景对应一个第一模型，因此在训练的时候，该第一模型可以是先通过训练数据进行训练，然后分别通过对应的场景下的实测数据进行优化得到，以保证该第一模型的准确性。

当第一模型根据应用场景变化时，一种方案是事先根据应用场景下载对应的第一模型，并进行安装，从而确定对应的第一模型。另外一种则是所有的第一模型均进行下载，然后根据应用场景进行实时选择。因此本实施例中的获取当前应用场景，并根据当前应用场景获取对应的第一模型的步骤可以包括上述两种方案。

在第一模型确定后，则第一模型的输入参数确定，也即第一模型特征的类型确定，因此如上文所述，根据第一模型特征的类型即可确定对应的来波方向的估计数量。

上述实施例中，根据应用场景确定对应的第一模型，从而可以根据第一模型的输入参数来确定对应的第一模型特征，进而预估来波方向的数量，再对回波信号进行处理，可以简化操作，使得计算量减少。

在其中一个实施例中，根据来波方向计算得到第一模型特征，包括：根据对来波方向计算得到与第一模型的输入参数对应的第一模型特征。

具体地，在该实施例中，为了减少计算量，可以根据模型输入参数的类型来确定所要计算的第一模型特征，例如以上文中为例，第一模型特征包括 W(θ

上述实施例中，根据第一模型的输入参数来进行第一模型特征的计算，不需要再计算额外的特征，减少计算量。

上文中主要介绍了第一模型的使用过程，下文将详细介绍第一模型的训练过程，具体可以参见图3所示，图3为一个实施例中的第一模型的训练过程的流程图，在该实施例中，该预先训练得到的第一模型的训练方法，包括：

S302：获取训练数据，训练数据包括训练回波信号以及对应的训练信号源数目。

具体地，训练数据包括仿真数据和实测数据，其中仿真数据是通过设定来波方向的角度和目标的信噪比来对不同角度/不同信噪比的组合分别进行仿真以得到的，其中训练数据的目标的位置和速度是相同的，因此此处仅限定不同角度/ 不同信噪比。但需要强调的一点是不同的信号源的目标的角度一定是不同的，信噪比可能相同。实测数据则是在雷达收发系统在实际使用过程中所得到的数据。

实际应用中可以假设信号源，即目标的来波方向角度为theta_int＝[-65∶1∶65]°(角度范围-65°到65°，间隔1°)；目标的信噪比snr_int＝[10∶1∶22]db(信噪比范围10～22dB，间隔1dB)，通过对不同角度、信噪比组合分别进行仿真，得到雷达的原始仿真数据。例如当来波方向为1个时，则可以根据角度确定为-65°到65°，间隔1°，因此存在121个来波方向，而每个来波方向又对应有信噪比范围10～22dB，间隔1dB，因此存在13个不同的信噪比，从而来波方向为1 个时，则对应有121*13种组合，同样，当来波方向为2时，也可以计算得到组合数，每个组合对应一个仿真数据。也即每个仿真数据通过来波方向和信噪比来限定仿真雷达回波信号。来波方向的数量即仿真信号源数目。

S304：根据训练回波信号计算得到训练特征。

具体地，训练特征的具体限定类似与第一模型特征，其包括每个信号源的回波信号的功率比值特征。仍以上文中的例子为例，每个训练数据组合的训练特征包括W(θ

S306：分别选取至少两个训练特征与对应的训练信号源数目，生成至少一个训练集。

S308：分别根据训练集进行训练得到至少一个第一模型。

具体地，此处训练集的选取则与所训练的第一模型相关，即不同的模型输入数据则对应的第一模型不同，因此在训练的时候所选择的训练特征的不同导致第一模型的不同。

因此在训练的时候可以根据需要选择至少两个训练特征以及该训练特征对应的训练数据的训练信号源数目，生成至少一个训练集，例如可以选择训练特征 W(θ

表1训练特征为W(θ

在其他实施例中，可以选择训练特征W(θ

表2训练特征为W(θ

在其他实施例中，可以选择训练特征W(θ

表3训练特征为W(θ

表4采用AIC准则的判别概率

仿真结果表明：采用四种训练特征W(θ

上述实施例中，给出了第一模型的训练方法，该方法通过仿真得到训练数据，首先保证了数据的充足，然后再进行训练，从而保证了所训练的模型的准确性。

在其中一个实施例中，分别根据所述训练集进行训练得到至少一个第一模型之后，包括：获取设定的应用场景下的实测雷达阵列接收信号以及对应的实测信号源数目；根据实测雷达阵列接收信号和至少一个第一模型进行处理得到对应的模型信号源数目；将模型信号源数目与对应的实测信号源数目进行比对，得到各个第一模型的正确率；选取正确率符合要求的第一模型作为应用场景对应的第一模型。

具体地，在该实施例中，为了进一步保证第一模型的有效性，通过实测回波信号对模型进行验证，其中首先获取到设定的应用场景下的实测回波信号，例如实测雷达阵列接收信号，并根据该实测雷达接收信号计算得到实测特征，其中实测特征与上述训练特征类似，仅数据值不相同，然后将实测特征输入至对应的第一模型进行处理得到对应的模型信号源数目，并通过比对模型信号源数目与对应的实测信号源数目得到第一模型的正确率，从而选择正确率最高一个作为应用场景对应的第一模型。

具体地，可以参见图6和图7所示，其中图6为采用实测特征W(θ

表5训练特征为W(θ

实验结果表明所提取的四种特征在实际环境中也能有效的估计信源个数，其中采用四种特征的情况下准确率最高可以达到93.724％，相比较于传统的AIC 方法有较好的提升结果。因此可以选择通过四种特征进行训练的第一模型作为应用场景对应的第一模型。

上述实施例中，通过实测雷达阵列接收信号对第一模型的正确率进行评估，从而选择正确率最高的信号源数据计算模型进行后续计算，可以提高准确性，提高信源数估计的鲁棒性，能在多种环境下工作。

在其中一个实施例中，训练集中的至少两个训练特征与对应的训练信号源数目进行训练得到第一模型之后，包括：获取设定的应用场景下的实测回波信号以及对应的实测信号源数目；根据所获取的实测回波信号以及对应的实测信号源数目对第一模型进行优化。

具体地，在该实施例中，由于第一模型是根据训练数据进行训练的，因此为了提高第一模型的准确性，本实施例中通过设定的应用场景下的实测回波信号，例如实测雷达阵列接收信号以及对应的实测信号源数目对该第一模型进行优化，其中优化的过程类似训练的过程，即首先根据实测雷达阵列接收信号计算得到对应的特征，然后根据特征和对应的实测信号源数目进行优化训练，以保证第一模型对场景的适应性。

此外，在其中一个实施例中，可以周期性地获取到实测雷达阵列接收信号以及对应的实测信号源数目，以便于周期性地对各个第一模型进行优化，且在优化后选择正确率最高的第一模型作为该场景下的第一模型进行使用。

在其中一个实施例中，还可以根据对应的应用场景下的正确率的要求以及计算量的要求对第一模型进行选择，而无需仅选择正确率最高的第一模型，例如可以选择正确率次高，但是计算量较少的，例如仅计算2个特征即可的第一模型来进行实际处理。

上述实施例中，通过实测雷达阵列接收信号以及对应的实测信号源数目对该第一模型进行优化，进一步提高第一模型的准确性。

在其中一个实施例中，参见图8所示，图8为另一个实施例中的信号源数量计算方法的流程图，在该实施例中，首先获取到训练数据，然后针对训练数据进行计算得到4种训练特征：W(θ

在实际应用的时候，首先获取回波信号，然后根据信号源数据计算模型的输入参数确定来波方向的估计数量，根据该估计数量计算得到各个估计数量对应的来波方向，再根据输入参数以及所计算的来波方向进行第一模型特征的计算，最后将第一模型特征输入至第一模型中得到信号源数目。

上述实施例中，首先预估了K来波方向，从而简化计算，从而减少了计算量，相比于现有技术中需要进行瞬时相位分量的计算，以及根据瞬时相位分量构造协方差矩阵，得到特征值的计算量大大减少，且对于阵元和信源数量没有限制，扩展了应用范围，其次，根据估计的来波方向计算得到第一模型特征，再通过第一模型特征确定对应的第一模型，从而通过该第一模型进行处理以确定该些第一模型特征对应的真实的信号源数目，使得准确性提高，在信号源数目是准确的前提下，所计算的来波方向也是准确的。

在一个实施例中，如图9所示，提供了一种来波方向计算方法，以该方法应用于图1中的雷达收发器为例进行说明，包括以下步骤：

S902：获取回波信号。

具体地，该回波信号即雷达收发器接收的回波信号经过处理后的信号，结合上文，即经过雷达恒虚警检测后的信号，其中该信号中可以区分距离和/或速度不相同的信号源，而对于距离和速度都相同的信号源则不能区分，因此为了避免将距离和速度都相同的信号源误认为一个，需要对信号源的数目进行计算。

S904：根据上述任意一个实施例中的信号源数目计算方法对回波信号进行处理，得到信号源数目。

具体地，对信号源数目的计算可以具体参见上文所述，在此不再赘述。

S906：根据信号源数目对回波信号进行处理得到来波方向。

具体地，根据信号源的数据计算得到来波方向可以是具体根据上述公式(3) 进行，在此不再赘述。在一个实施例中，在确定了信号源数目后，则可以直接获取到对应的估计数量的来波方向，例如信号源数目为1，则获取到估计数量为1 时所计算的来波方向，当信号源数目为2，则获取到估计数量为2时所计算的来波方向，则无需再根据公式(3)进行计算，提高处理效率。

在其中一个实施例中，根据上述任意一个实施例中的信号源数目计算方法对回波信号进行处理，得到信号源数目，包括：当回波信号的数量大于等于2时，则依次根据任意一个实施例中的信号源数目计算方法对回波信号进行处理得到信号源数目。

具体地，在该实施例中，即回波信号的数量大于等于2时，也即经过雷达恒虚警检测后所得到的目标至少为2个时，此时依次对回波信号进行处理得到信号源数目，也即串行处理，以分别计算得到对应的信号源数目。在其他的实施例中，还可以并行对回波信号进行处理以得到每个回波信号对应的信号源数目。

上述实施例中，在回波信号的数量大于等于2时，则串行处理或并行处理，以分别计算得到对应的信号源数目。

在一个实施例中，如图10所示，提供了一种回波信号处理方法，以该方法应用于图1中的雷达收发器为例进行说明，包括以下步骤：

S1002：接收回波信号。

具体地，回波信号可以是雷达102发送信号至目标104，从而目标104至雷达102的回波信号。

S1004：对回波信号进行处理。

具体地，此处的对回波信号进行处理包括但不限于首先对回波信号进行模数转换(AD)，然后对所得到的数字信号进行采样，从而依次对采样后的数字信号进行一维快速傅里叶变换(1DFFT)和二维快速傅里叶变换(2DFFT)以对雷达回波信号进行积累并获取目标104的多普勒频率，然后进行雷达恒虚警检测 (CFAR)以对雷达回波信号与噪声进行判别从而确定目标信号是否存在，这样得到距离和速度都相同的目标104。

S1006：根据上述任意一个实施例中的来波方向计算方法对回波信号进行处理得到来波方向。

具体地，该步骤中对来波方向的计算具体可以参见上文，在此不再赘述。

S1008：根据来波方向继续进行处理。

具体地，在计算得到来波方向后，则可以根据需要继续处理，在此不作具体的限制。所述继续处理包括根据所得到信号源的数量确定各个信号源对应的来波方向，进而利用该来波方向进行目标检测。

上述实施例中，首先预估了K来波方向，从而简化计算，从而减少了计算量，相比于现有技术中需要进行瞬时相位分量的计算，以及根据瞬时相位分量构造协方差矩阵，得到特征值的计算量大大减少，且对于阵元和信源数量没有限制，扩展了应用范围，其次，根据估计的来波方向计算得到第一模型特征，再通过第一模型进行处理以确定该些第一模型特征对应的真实的信号源数目，使得准确性提高，在信号源数目是准确的前提下，所计算的来波方向也是准确的。

应该理解的是，虽然图2、图8、图9和图10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，图2、图8、图9和图10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。

在一个实施例中，如图11所示，提供了一种信号源数目计算装置，包括：来波方向获取模块1202、第一模型特征计算模块1204和目标信号源数目计算模块1206，其中：

来波方向获取模块1202，用于获取回波信号对应的K个来波方向，其中， K≥1；

第一模型特征计算模块1204，用于根据所述K个来波方向，计算得到第一模型特征；

目标信号源数目计算模块1206，用于根据第一模型对所述第一模型特征进行处理，确定所述回波信号对应的信号源数目。

在其中一个实施例中，上述来波方向获取模块1202，用于对回波信号进行来波方向估计，得到所述K个来波方向。

在其中一个实施例中，上述的来波方向获取模块1202包括：

估计数量获取单元，用于获取所述回波信号对应的来波方向的估计数量；

来波方向计算单元，用于根据所述估计数量对所述回波信号进行来波方向估计，得到所述估计数量对应的所述来波方向。

在其中一个实施例中，上述的估计数量获取单元包括：

模型获取子单元，用于获取当前应用场景，并根据所述当前应用场景获取对应的第一模型；

参数读取子单元，用于读取第一模型的输入参数；

估计数量确定子单元，用于根据输入参数确定目标来波方向的估计数量。

在其中一个实施例中，所述第一模型特征包括：单目标功率比值以和/或多目标功率比值；所述单目标功率比值是根据每个来波方向对应的所述信号源的能量与所述回波信号的能量计算得到每一个来波方向对应的单目标功率比值；所述多目标功率比值是根据至少两个所述来波方向计算得到综合能量，并根据所述综合能量以及所述回波信号的能量计算得到的。

在其中一个实施例中，在K包括k1，且k1等于1的情况下，所述K个来波方向对应第一来波方向，根据所述第一来波方向，计算得到第一特征(W(θ

在K包括k2，且k2等于2的情况下，所述K个来波方向包括第二来波方向和第三来波方向，根据所述第二来波方向和所述第三来波方向，计算得到第二特征W(θ

在其中一个实施例中，目标信号源数目计算模块1206包括：基于所述第一模型特征中的至少任意两个特征，计算得到所述回波信号对应的信号源数目。

在其中一个实施例中，提供一种第一模型的训练装置，该装置包括：

训练数据获取模块，用于获取训练数据，训练数据包括训练回波信号以及对应的训练信号源数目；

训练特征计算模块，用于根据训练回波信号计算得到训练特征；

训练集生成模块，用于分别选取至少两个训练特征与对应的训练信号源数目，生成至少一个训练集；

训练模块，用于分别根据所述训练集进行训练得到至少一个第一模型。

在其中一个实施例中，上述的第一模型的训练装置还包括：

第一实测数据获取模块，用于获取设定的应用场景下的实测回波信号以及对应的实测信号源数目；

模型处理模块，用于根据实测回波信号和至少一个第一模型进行处理得到对应的模型信号源数目；

正确率计算模块，用于将模型信号源数目与对应的实测信号源数目进行比对，得到各个第一模型的正确率；

模型选择模块，用于选取正确率符合要求的第一模型作为应用场景对应的第一模型。

在其中一个实施例中，上述的第一模型的训练装置还包括：

第一实测数据获取模块，用于获取设定的应用场景下的实测回波信号以及对应的实测信号源数目；

优化模块，用于根据所获取的实测回波信号以及对应的实测信号源数目对第一模型进行优化。

在一个实施例中，如图12所示，提供了一种来波方向计算装置，包括：第二信号获取模块1302，信号源数目计算模块1304和第一来波方向计算模块1306，其中：

第二信号获取模块1302，用于获取回波信号；

信号源数目计算模块1304，用于根据上述任意一个实施例中的信号源数目计算装置计算得到信号源数目；

第一来波方向计算模块1306，用于根据信号源数目对回波信号进行处理得到来波方向。

在其中一个实施例中，上述信号源数目计算模块1304用于当回波信号的数量大于等于2时，则依次根据上述任意一个实施例中的信号源数目计算方法对回波信号进行处理得到信号源数目。

在一个实施例中，如图13所示，提供了一种回波信号处理装置，包括：回波信号接收模块1402、第一信号处理模块1404、第二来波方向计算模块1406和第二信号处理模块1408，其中：

回波信号接收模块1402，用于接收回波信号；

第一信号处理模块1404，用于对回波信号进行处理的到回波信号；

第二来波方向计算模块1406，用于根据上述任意一个实施例中的来波方向计算装置对回波信号进行处理得到来波方向；

第二信号处理模块1408，用于根据来波方向继续进行处理。

关于信号源数目计算装置、第一模型的训练装置、来波方向计算装置、回波信号处理装置的具体限定可以参见上文中对于信号源数目计算方法、第一模型的训练方法、来波方向计算方法、回波信号处理方法的限定，在此不再赘述。上述信号源数目计算装置、第一模型的训练装置、来波方向计算装置、回波信号处理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或者终端中的一个嵌入式结构，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、运营商网络、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信号源数目计算方法、来波方向计算方法。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，还提供了一种处理装置，包括存储器和处理器，存储器中存储有计算机程序，该计算机程序包括用于实现上述各方法实施例中的指令。

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，该计算机程序包括用于实现上述各方法实施例中的指令。

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，该计算机程序包括用于实现上述各方法实施例中的指令。

在一个实施例中，本申请还提供一种集成电路，包括数字电路以及运行控制设备，所述运行控制设备与所述数字电路电连接，所述运行控制设备用于控制所述数字电路以实现所述集成电路的不同功能。可选地，集成电路还包括数字功能模块，数字功能模块分别与数字电路以及运行控制设备通信连接；其中，数字功能模块用于检测数字电路是否异常，运行控制设备用于控制数字功能模块工作。运行控制设备用于执行上述任意一个实施例中的信号源数目计算方法、来波方向计算方法、回波信号处理方法中的步骤。

具体地，在集成电路中，包括数字电路、数字功能模块以及运行控制设备，各类数字电路为集成电路的基础构成，不同的数字电路可以实现集成电路的不同功能，数字功能模块用于检测各个数字电路工作是否正常，运行控制设备可以对数字功能模块进行统一的配置管理，运行控制设备中的数字控制器可以通过数字控制接口向数字功能模块发送进行功能检测的控制信号，配置模块中存储有配置信息与状态信息，配置信息可以由外部获取，状态机用于控制集成电路的工作流程，状态机可以读取配置模块中存储的配置信息，对控制数字控制器产生相应的控制信号输出给数字功能模块，以实现控制数字功能模块对各个数字电路进行检测。

上述集成电路，采用统一的数字控制器通过数字控制接口与片上系统的数字功能模块连接，再通过配置模块和状态机实现对片上系统中数字功能模块运行状态的统一配置管理，提高了集成电路中片上系统的运行控制效率。

可选地，在一个实施例中，上述集成电路可以为毫米波雷达芯片。集成电路中的数字功能模块的种类可以根据实际需求确定。例如，在毫米波雷达芯片，数字功能模块可以为功率比值检测器等，可以用于检测天线功率比值放大器的电压值是否异常，而运行控制设备可以该控制功率比值检测器工作。

在一个实施例中，本申请还提供一种无线电器件，包括：承载体；如上述实施例的集成电路，设置在承载体上；天线，设置在承载体上；其中，集成电路通过第一传输线与天线连接，用于收发无线电信号。其中，承载体可以为印刷电路板PCB，第一传输线可以为PCB走线。其中无线电器件为雷达芯片或者雷达，优选地为毫米波雷达。

在一个实施例中，本申请还提供一种终端，包括：如上述实施例的无线电器件；其中，无线电器件用于目标检测和/或通信。在其中一个实施例中，终端为车辆，智能家居设备，或者机器人。

具体地，在上述实施例的基础上，在本申请的一个实施例中，无线电器件可以设置在终端的外部，在本申请的另一个实施例中，无线电器件还可以设置在终端的内部，在本申请的其他实施例中，无线电器件还可以一部分设置在终端的内部，一部分设置在终端的外部。本申请对此不作限定，具体视情况而定。

需要说明的是，无线电器件可通过发射及接收信号实现诸如目标检测及通信等功能。

在一个可选的实施例中，上述终端可为应用于诸如智能住宅、交通、智能家居、消费电子、监控、工业自动化、舱内检测及卫生保健等领域的部件及产品；例如，该终端可为智能交通运输设备(如汽车、自行车、摩托车、船舶、地铁、火车等)、安防设备(如摄像头)、智能穿戴设备(如手环、眼镜等)、智能家居设备(如电视、空调、智能灯等)、各种通信设备(如手机、平板电脑等)等，以及诸如道闸、智能交通指示灯、智能指示牌、交通摄像头及各种工业化机械手 (或机器人)等，也可为用于检测生命特征参数的各种仪器以及搭载该仪器的各种设备。无线电器件则可为本申请任一实施例中所阐述的无线电器件，无线电器件的结构和工作原理在上述实施例中已经进行了详细说明，此处不在一一赘述。

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、存储、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-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access Memory，DRAM)等。

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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。