用于物件检测的运算装置及物件检测方法

技术领域

本发明涉及一种基于恒虚警率(Constant False Alarm rate，CFAR)检测的物件检测技术，尤其涉及一种用于物件检测的运算装置及物件检测方法。

背景技术

恒虚警率(CFAR)是在雷达系统中用于检测目标以对抗背景中噪音、杂波及干扰的常规自适应算法。常见的CFAR算法例如是单元平均(Cell Averaging，CA)-CFAR、有序统计(Ordered Statistic，OS)-CFAR、及修削平均(Trimmed Average，TM)-CFAR。CFAR算法可提供强度阈值，以判断雷达回波(echo)反映在待测距离上的强度(功率(power))是否代表检测到目标。如果强度阈值过低，则可能有很大的机会将干扰确定成目标，从而增加虚警。相反而言，如果强度阈值过高，则可能难以检测出目标。不同CFAR算法确定强度阈值的机制不同，且适用于不同情境。然而，一个雷达装置通常只会使用单一CFAR算法，且通常不会适用于真实情境。

发明内容

本发明实施例是针对一种用于物件检测的运算装置及物件检测方法，基于杂波检测结果调整强度阈值，从而适用于真实情境。

根据本发明的实施例，物件检测方法适用于自雷达回波中检测至少一物件，并包括下列步骤：自待测数据检测杂波以产生杂波检测结果。待测数据是基于雷达回波所产生，待测数据包括多个样本，每一样本对应距离及其强度，这些样本的强度相关于物件的检测结果，且杂波检测结果相关于是否检测到杂波。反应于杂波检测结果是检测到杂波，依据杂波调整排序型恒虚警率检测自待测数据中所保留的部份样本。排序型恒虚警率检测保留部份样本来确定检测物件所用的强度阈值，且排序型恒虚警率检测对所保留的部份样本依据强度大小排序。

根据本发明的实施例，用于物件检测的运算装置适用于自雷达回波中检测至少一物件，并包括(但不限于)内存及处理器。内存记录待测数据以及用于运算装置的物件检测方法所对应的程序代码。待测数据是基于雷达回波所产生，待测数据包括多个样本，每一样本对应距离及其强度，这些样本的强度相关于物件的检测结果。处理器耦接内存，并经配置用以执行程序代码。所述物件检测方法包括下列步骤：自待测数据检测杂波以产生杂波检测结果。杂波检测结果相关于是否检测到杂波。反应于杂波检测结果是检测到杂波，依据杂波调整排序型恒虚警率检测自待测数据中所保留的部份样本。排序型恒虚警率检测保留部份样本来确定检测物件所用的强度阈值，且排序型恒虚警率检测对所保留的部份样本依据强度大小排序。

基于上述，本发明实施例用于物件检测的运算装置及物件检测方法，基于杂波检测结果来设定排序型恒虚警率检测所保留的样本，可改进杂波所造成不合适强度阈值的发生情况，进而提升物件检测的准确度。

附图说明

包含附图以便进一步理解本发明，且附图并入本说明书中并构成本说明书的一部分。附图说明本发明的实施例，并与描述一起用于解释本发明的原理。

图1为依据本发明实施例的雷达装置的方块示意图；

图2为依据本发明实施例的物件检测方法的流程图；

图3为依据本发明实施例的排序型恒虚警率检测的流程图；

图4为依据本发明实施例的杂波检测方法的流程图；

图5A及图5B为两实例说明群组组合的示意图；

图6为依据本发明实施例的所保留的部份样本确定的流程图。

附图标号说明

100：雷达装置；

110：发射电路；

120：接收电路；

130：前端电路；

140：处理器；

150：内存：

160：运算装置；

TA：目标物件；

DS：检测信号；

TS：传送信号；

MS：数字信号；

RS：接收信号；

S210～S230、S310～S350、S410～S450、S610～S650：步骤；

TD：待测数据；

x1～x32：样本；

G1、G2、G3、G4：群组。

具体实施方式

现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同元件符号在附图和描述中用来表示相同或相似部分。

图1为依据本发明实施例的雷达装置100的方块示意图。请参照图1，雷达装置100包括但不限于：发射电路110、接收电路120、前端电路130、处理器140、及内存150。雷达装置100可应用于诸如物体识别、车用辅助系统、定位、测速、地形观测、军事或误差校正等领域。雷达装置100可能是独立装置，或经模块化而装载于其他装置，非用以限制本发明的范畴。

发射电路110及接收电路120分别用以通过天线(图未示)无线地发射传送信号TS及接收受目标物件TA反射的接收信号RS(即，雷达回波)。发射电路110及接收电路120也可执行诸如低噪声放大、阻抗匹配、混频、升频或降频转换、滤波、放大、模拟至数字/数字至模拟转换及其类似者的模拟信号处理操作。接收电路120将接收信号RS经前述操作处理(例如，放大、基于降频转换、滤波等，但不限于此)后即可取得检测信号DS。

前端电路130耦接发射电路110及接收电路120，并提供数字信号MS(例如，基于本地振荡器(Local Oscillator，LO)产生的线性调频脉冲(chirp))给发射电路110以产生传送信号TS。

处理器140耦接接收电路120，处理器140并经组态以处理数字信号且执行根据本发明的例示性实施例的程序，并可存取或载入内存150所记录的数据及软件模块。在一些实施例中，前端电路130和/或处理器140的功能可通过使用诸如中央处理单元(CentralProcessing Unit，CPU)、微处理器、微控制器、数字信号处理(Digital SignalProcessing，DSP)芯片、场可程序化逻辑门阵列(Field Programmable Gate Array，FPGA)等可程序化单元来实施。前端电路130和/或处理器140的功能也可用独立电子装置或集成电路(Integrated Circuit，IC)实施，且前端电路130和/或处理器140的操作亦可用软件实现。

内存150耦接处理器140，内存150可以是任何型态的固定或可移动随机存取内存(Random Access Memory，RAM)、闪存(Flash Memory)、传统硬盘(Hard Disk Drive，HDD)、固态硬盘(Solid-State Disk，SSD)、非易失性(non-volatile)内存或类似组件或上述组件的组合的存储器。于本实施例中，内存150用于储存缓冲的或永久的数据(例如，检测信号DS对应的待测数据、强度阈值等)、程序代码、软件模块、操作系统、应用程序、驱动程序等数据或档案，且其详细内容待后续实施例详述。值得注意的是，内存150所记录的程序代码是用于雷达装置100的物件检测方法，且后续实施例将详加说明这物件检测方法。

需说明的是，在一些实施例中，处理器140及内存150可能被独立出来而成为运算装置160。这运算装置160可以是桌面计算机、笔记本电脑、服务器、智能手机、平板计算机的装置。运算装置160与雷达装置100更具有可相互通讯的通讯收发器(例如，支持Wi-Fi、蓝牙、以太网络(Ethernet)等通讯技术的收发器)或将两者以实体传输线相互耦接，使运算装置160可取得来自雷达装置100的检测信号DS(可记录在内存150中以供处理器140存取)。

为了方便理解本发明实施例的操作流程，以下将举诸多实施例详细说明本发明实施例中雷达装置100和/或运算装置160的运作流程。下文中，将搭配雷达装置100及运算装置160中的各项组件及模块说明本发明实施例所述的方法。本方法的各个流程可依照实施情形而随之调整，且并不仅限于此。

图2为依据本发明实施例的物件检测方法的流程图。请参照图2，处理器140自待测数据检测杂波以产生杂波检测结果(步骤S210)。具体而言，待测数据是基于雷达回波(即，接收信号RS)所产生。例如，处理器140对检测信号DS进行快速傅里叶变换(Fast FourierTransform,FFT)或其他时域至频域的转换，以取得数字化的多个样本(可组成待测数据)。每一样本对应一个距离及其强度，且这些样本的强度相关于物件的检测结果。例如，强度大小与是否检测到物件有关。值得注意的是，一序列的样本是依据其距离远近排序，且距离远近经排序后的样本即形成待测数据。

值得注意的是，图3为依据本发明实施例的排序型恒虚警率检测的流程图。请参照图3，在排序型恒虚警率检测(例如，OS-CFAR、TM-CFAR或类似者)中，将基于中心单元选择特定数量的样本(步骤S310)(例如，中心单元的前后八、或十六个等临近单元作为样本，此时排序相关于对应的距离)，依据强度大小排序这些样本(步骤S330)(使其排序不相关于距离)，且自排序的样本中选择部份的样本(例如，OS-CFAR是随机选择一个样本，而TM-CFAR是选择排序在中间的大于一个的样本(前后部份的样本被排除))，并依据选择的样本确定强度阈值(步骤S350)。例如，TM-CFAR可将选择的样本平均，并将平均值作为强度阈值确定的参考依据。排序型恒虚警率检测对于边线(edge)虚警相较于CA-CFAR有更佳的效果。而本发明实施例的特点之一即是利用排序型恒虚警率检测中基于强度排序样本的机制。

处理器140可自依据距离远近排序的待测数据中检测杂波。杂波检测结果相关于是否检测到杂波。依据实验结果可得出，杂波的出现可反映在距离远近排序的样本中。图4为依据本发明实施例的杂波检测方法的流程图。请参照图4，处理器140对待测数据中的样本分群(步骤S410)。需说明的是，此时，待测数据中的样本只有依据其距离远近排序，但尚未依据强度大小排序。在一实施例中，处理器140确定二个或更多个群组的视窗大小。这些群组视窗大小的总和是待测数据所包括的样本的数量，且视窗大小代表所包括样本的数量。例如，待测数据包括32个样本，则第一群组的视窗大小为8，且第二群组的视窗大小为24。

接着，处理器140比较不同群组之间的差异(步骤S430)。在一实施例中，处理器140分别取得每一群组中的样本的强度平均值，并依据二个群组对应的强度平均值之间的差值确定差异。例如，第一群组中的8个样本的强度平均值为10dB，第二群组中的24个样本的强度平均值为10dB，则两群组之间的差值取绝对值可作为差异。在另一实施例中，处理器140可分别自每一群组中的样本的强度取中位数、众数或其他数学函数的结果作为代表，并确定两群组的代表之间的差值(可取绝对值)来作为两群组之间的差异。

接着，处理器140依据差异确定杂波检测结果(步骤S450)。经实验结果，过大的差异可能相关于杂波所在。因此，本发明实施例会确定杂波所在位置或其相对距离。在一实施例中，处理器140确定多个群组组合。每一群组组合包括步骤S410已决定的群组，且不同群组组合中的那些群组的视窗大小不同。

举例而言，图5A及图5B为两实例说明群组组合的示意图。请参照图5A，待测数据TD中的样本x1～x8被分配到群组G1，样本x9～x32被分配到群组G2，且此群组组合包括群组G1及群组G2。接着，处理器140改变视窗大小。请参照图5B，待测数据TD中的样本x1～x9被分配到群组G3，样本x10～x32被分配到群组G4，且此群组组合包括群组G3及群组G4。依此类推，样本对应强度相对小的群组的视窗大小逐渐增加(例如，增加1、2或3等)，而样本对应强度相对大的群组的视窗大小对应逐渐减少(例如，减少1、2或3等)。需说明的是，本发明实施例不限制视窗大小，但最少不为零。

处理器140可确定那些群组组合对应的差异。例如，每一群组组合中两群组对应代表(例如，平均值、中位数、或众数等)之间的差异。接着，处理器140依据那些群组组合中差异最大者确定杂波检测结果。也就是说，本发明实施例是自待测数据中找寻相邻样本之间的落差(或称断层、断点)，且落差的出现可能是杂波所造成的并对应到差异最大者。

在一实施例中，处理器140将差异最大者与差异阈值比对。若差异最大者小于差异阈值，处理器140确定杂波检测结果是未检测到杂波。若差异最大者未小于差异阈值，处理器140确定差异最大者对应到相邻样本之间的落差，且确定杂波检测结果是检测到杂波。需说明的是，差异阈值可能是固定值，也可能视实际需求而变动。在其他实施例中，处理器140也可能不将差异最大者与差异阈值比较。在一些实施例中，处理器140也可能选择差异次大者、或其他排序者来与差异阈值比较。

请参照图2，反应于杂波检测结果是检测到杂波，处理器140可依据检测的杂波调整排序型恒虚警率检测自待测数据中所保留的部份样本(步骤S230)。具体而言，排序型恒虚警率检测会使用强度排序的待测数据来保留待测数据中的部份样本，并据以确定检测物件所用的强度阈值。

图6为依据本发明实施例的所保留的部份样本确定的流程图。请参照图6，处理器140确定杂波对应的距离(或位置)，并确定检测到的物件的所属群组(步骤S610)。在一实施例中，处理器140保留的部份样本的数量大于一，例如，基于TM-CFAR。此外，处理器140可确定差异最大者(其他实施例可能是次大者或其他排序者，即对应于杂波)对应的样本的距离(即，对应到落差、或断点位置)。例如，处理器140可确定差异最大者对应的群组组合，再判断此群组组合中两个群组之间最相邻的样本，并进一步取得此一个或更多个相邻样本的对应距离。接着，处理器140依据差异最大者(其他实施例可能是次大者或其他排序者)对应的距离确定检测到的物件在对应群组组合中的所属群组。处理器140判断检测到的物件是否在杂波影响范围内。

处理器140将依据这所属群组确定待测数据中删除的样本(步骤S630)。处理器140可将检测到的物件的所属群组以外的其他群组中的样本删除。以图5A为例，假设检测到的物件对应于样本x10(对应到群组G2)，则处理器140删除群组G1中的样本x1～x8。这意味着，删除的样本未存在于检测到的物件的所属群组所属群组。处理器140可将待测数据中删除的样本以外的其他样本作为所保留的部份样本。

在一实施例中，处理器140还进一步基于所保留的部份样本删除部份边界样本。例如，所保留的部份样本包括了排序的待测数据中具有较大强度的样本(例如，对应图5A的群组G2、或图5B的群组G4)，则边界样本是强度最大的特定数量的样本(例如，待测数据总共包括32个，则边界样本的数量是8、10或12个等)。又例如，所保留的部份样本包括了排序的待测数据中具有较小强度的样本(例如，对应图5A的群组G1、或图5B的群组G3)，则边界样本是强度最小的特定数量的样本(例如，待测数据总共包括32个，则边界样本的数量是8、10或12个等)。需说明的是，欲删除的边界样本的数量可依据实际情况而调整，且本发明实施例不以此为限。

在一些实施例中，处理器140保留的部份样本的数量等于一，例如，基于OS-CFAR。处理器140可自检测到的物件的所属群组随机选择其中一个样本。

在一实施例中，处理器140依据待测数据中未删除的样本(即，前述所保留的部份样本)确定强度阈值(步骤S650)。强度阈值是用于在排序型恒虚警率检测中与待测数据中一个或更多个样本的强度比较。若样本(对应于前述中心单元)的强度大于强度阈值则视为检测到物件；若样本的强度小于强度阈值则视为未检测到物件。处理器140可依据保留的样本的数量(和/或边界样本的的数量)及其强度，并通过查表或特定函数来得出强度阈值。例如，强度阈值与保留的样本的强度平均值相关。需说明的是，此时，所保留的部份样本将依据其强度大小排序。经实验结果，在一些情境中，本发明实施例基于杂波检测的机制可减少较强杂波改变临近物件的检测结果的影响，又能保有对于边线虚警的较佳表现，且能形成较佳的物件遮罩(object masking)。换句而言，本发明实施例还会确认物件在杂波内(或受杂波影响)或在杂波外(或未受杂波影响)。若物件在杂波内，则会适应性刪除待测数据中一个或更多个样本(对应距离的数值较小者)的部分來计算强度閥值；若物件在杂波外，则会将杂波(样本对应距离的数值较大者)的部分全部刪除，再基于所保留的部份样本来计算强度閥值。

在一实施例中，处理器140可确定排序型恒虚警率检测的多个恒虚警率。例如，恒虚警率为10^-4、10^-5、10^-6等。接着，处理器140确定每一恒虚警率在不同的所保留的部份样本所对应的强度阈值。例如，处理器140产生对应于恒虚警率为10^-4的强度阈值的表(1)：

表(1)

表(1)中，较大强度对应删除样本(例如，对应图5A的群组G2、或图5B的群组G4)及较小强度对应删除样本(例如，对应图5A的群组G1、或图5B的群组G3)可能是前述删除的群组(即，检测到的物件的所属群组以外的群组)中的样本或是边界样本。这意味着，删除的样本的数量改变可能会影响强度阈值。需说明的是，表(1)中的数值只是作为实例说明，并非用以局限本发明实施例。

在一些实施例中，反应于杂波检测结果是未检测到杂波，则处理器140可利用例如TM-CFAR或OS-CFAR等检测选择样本的既有机制，而不基于检测到的物件的所属群组来删除样本。

综上所述，本发明实施例用于物件检测的运算装置及物件检测方法，可基于杂波检测结果得出杂波的位置(即，杂波检测)且确定所保留的部份样本，再基于这些所保留的部份样本的强度大小确定强度阈值(供排序型恒虚警率检测使用)。通过结合杂波检测及排序型恒虚警率检测两者的特定，本发明实施例可有效滤除一个(或多个)以上杂波的存在，并适应性地根据杂波所在位置选择合适的强度阈值来作为物件检测的判断基础。藉此，可提升物件检测的准确度，从而适用于真实情境。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。