技术领域
[0001] 本
发明涉及雷达技术领域，尤其是一种基于毫米波雷达的列车防撞方法及装置。
背景技术
[0002] 现有的地
铁列车测距与
定位技术主要依靠CBTC(Communication Based Train Control System基于通信的列车控制系统)系统中的ATP(Automatic Train Protection，列车自动保护子系统)、ATO(Automatic Train Operation，列车自动驾驶子系统)和ATS(Automatic Train Supervision，列车自动监控)子系统。
[0003] 当前的CBTC系统造价高昂，需要设置许多的有源信标，这意味着高昂的装修和维护
费用；且为封闭的系统通信，对于系统外的突发障碍物则不能识别与测距，不能发出预警。
[0004] 在实际运行过程中，CBTC系统难免会出现一些故障。当ATP系统遇到需要
切除的情形，列车的安全保障主要依靠车站的列车调度与驾驶员的观测及对降级规章的执行，缺乏设备层面的安全防护手段，存在
风险，容易发生ATP切除下的列车追尾碰撞事件。
发明内容
[0005] 鉴于上述的分析，本发明旨在提供一种基于毫米波雷达的列车防撞方法及装置，解决地铁列车的防撞问题。
[0006] 本发明的目的主要是通过以下技术方案实现的：
[0007] 本发明公开了一种基于毫米波雷达的列车防撞方法，包括：
[0008] 对地铁
机车车头前方反射的雷达回波
信号进行预处理，得到目标回波信号；
[0009] 采用训练好的SVM模型对所述目标回波信号进行分类，滤除虚假目标回波信号，得到真实目标回波信号；
[0010] 根据所述真实目标回波信号计算地铁机车车头与目标物体的相对距离和速度，判断是否超出防撞
阈值，是，则进行列车防撞预警。
[0011] 进一步地，所述预处理方法包括：
[0012] 对所述雷达回波信号进行数据初筛，剔除横向
干扰信号；
[0014] 以所述杂波功率值作为阈值，与初筛后的雷达回波信号的功率进行比对，剔除雷达回波信号中只包括杂波信号的目标单元，得到目标回波信号。
[0015] 进一步地，在所述数据初筛中，设置横向距离阈值，剔除横向距离超过横向距离阈值雷达回波信号。
[0016] 进一步地，所述横向距离阈值与地铁隧道的宽度相匹配。
[0017] 进一步地，所述估算的目标所处位置的杂波功率为当前回波信号中所包括的所有目标单元的功率的算术平均值。
[0018] 进一步地，所述SVM模型的训练方法包括：
[0019] 构建
训练数据集，所述训练数据为雷达回波信号；
[0020] 构建SVM分类器；
[0021] 对于训练数据集进行预处理，得到目标回波信号；
[0022] 处理目标回波信号，提取
特征向量组；并将目标回波信号中的虚假目标的数据标签贴为+1，真实障碍物的数据标签贴为-1；
[0023] 将提取的特征向量组和对应数据标签作为输入送入SVM训练器进行模型训练。
[0024] 进一步地，所述SVM分类器采用的是线性核函数。
[0025] 进一步地，所述训练数据集包括在没有障碍物的情况下列车运行时，收集的雷达回波信号，以及将特定障碍物放置在列车行进前方时，收集的雷达回波信号。
[0026] 进一步地，所述特征向量组包括目标的距离、速度以及目标回波功率数据。
[0027] 本发明还公开了一种基于毫米波雷达的列车防撞装置，包括雷达发射机、雷达接收机、防撞处理机；
[0028] 所述雷达发射机安装于列车机车的车头处，用于向车头前方发射雷达信号；
[0029] 所述雷达接收机安装于列车机车的车头处，用于接收车头前方反射的雷达回波信号；
[0030] 所述防撞处理机分别与所述雷达发射机和雷达接收机连接，采用如上所述的列车防撞方法，处理所述雷达回波信号，发现障碍物，进行列车防撞预警。
[0031] 本发明有益效果如下：
[0032] 本发明解决了在地铁隧道特殊环境下雷达信号的接收处理问题，剔除了干扰信号和虚假目标，避免虚假报警，影响列车行进。
[0033] 本发明无需设置轨旁设备，成本低，维护方便，能测量地铁列车与前方物体的距离，做出预警，防止列车撞上障碍物。
附图说明
[0034] 附图仅用于示出具体
实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
[0035] 图1为本实施例一中的列车防撞方法
流程图；
[0036] 图2为本实施例一中的预处理方法流程图；
[0037] 图3为本实施例一中的SVM模型训练方法流程图；
[0038] 图4为本实施例二中的列车防撞装置组成连接示意图；
[0039] 图5为本实施例二中的列车防撞装置列车部署示意图。
具体实施方式
[0040] 下面结合附图来具体描述本发明的优选实施例，其中，附图构成本
申请一部分，并与本发明的实施例一起用于阐释本发明的原理。
[0041] 实施例一、
[0042] 本实施例公开了一种基于毫米波雷达的列车防撞方法，如图1所示，包括以下步骤：
[0043] 步骤S1、对地铁机车车头前方反射的雷达回波信号进行预处理，得到目标回波信号；
[0044] 步骤S2、采用训练好的SVM模型对所述目标回波信号进行分类，滤除虚假目标回波信号，得到真实目标回波信号；
[0045] 步骤S3、根据所述真实目标回波信号计算地铁机车车头与目标物体的相对距离和速度，判断是否超出防撞阈值，是则进行列车防撞预警。
[0046] 如图2所示，所述步骤S1中的预处理方法包括：
[0047] 步骤S101、对所述雷达回波信号进行数据初筛，剔除横向干扰信号；
[0048] 具体的，在所述数据初筛中，设置横向距离阈值，剔除横向距离超过横向距离阈值雷达回波信号。
[0049] 优选的，所述横向距离阈值与地铁隧道的宽度相匹配，例如当地铁隧道的宽度为大于5米时，以列车中心为原点安装毫米波雷达，将将横向距离阈值设置为2.5米，则可剔除横坐标大于2.5米的地铁隧道
墙壁反射的雷达信号。
[0050] 步骤S102、估算目标所处位置的杂波功率；
[0051] 由于毫米波雷达在地铁隧道环境中使用，环境复杂，雷达回波信号中包括多个目标单元，所述目标单元中包括只含有杂波的目标单元和即包含杂波又包含目标信息的目标单元；为判断包含有目标信息的目标单元，需对回波信号中的杂波功率进行估算，即估算目标所处位置的杂波功率；而且当列车在隧道中行进的过程中，环境是时变的，因此杂波功率也是时变的。
[0052] 具体的，将当前回波信号中所包括的所有目标单元的功率取算术平均值，作为目标所处位置的杂波功率。由于算术平均是功率更大的即包含杂波又包含目标信息的目标单元和功率较小的只含有杂波的目标单元的算术平均，因此所述杂波功率可以作为功率阈值区分目标单元中是否含有目标信息。
[0053] 步骤S103、以所述杂波功率值作为阈值，与初筛后的雷达回波信号的功率进行比对，剔除雷达回波信号中只包括杂波信号的目标单元，得到目标回波信号。
[0054] 具体的，如果雷达回波信号中目标单元的功率值大于阈值，则表明该雷达回波的目标单元内不仅含有杂波，还含有目标信息，此时目标单元中目标回波信号的幅值为功率值的开平方根；如果功率值小于阈值，则表明该单元内只含有杂波信号，将该目标单元的幅值置为0。
[0055] 所述步骤S2中采用的SVM模型是训练好的SVM模型，如图3所示，训练方法包括以下步骤：
[0056] 1)构建训练数据集，所述训练数据为雷达回波信号；
[0057] 具体的，构建的训练数据集包括在没有障碍物的情况下列车运行时，收集的雷达回波信号，以及将特定障碍物放置在列车行进前方时，收集的雷达回波信号。
[0058] 2)构建SVM分类器；
[0059] 具体的，所述SVM分类器采用的是线性核函数。
[0060] 对于给定的训练样本集D＝{(x1,y1),(x2,y2),…,(xm,ym)},yi∈{-1,+1}；
[0061] 本实施例的分类学习基于训练集D在样本空间中找到一个划分
超平面，将不同类别的样本分开。在样本空间中，划分超平面可通过如下的线性方程wTx+b＝0来描述：其中ω＝(ω1；ω2；…；ωd)为法向量，决定了超平面的方向，b为位移项，决定了超平面与原点之间的距离，显然，划分超平面可被法向量和位移确定。假设超平面(ω，b)能将训练样本正确分类，即对于(xi,yi)∈D，若yi＝+1，则有ωTxi+b>0；若yi＝-1，则有ωTxi+b<0.令[0062]
[0063] 在满足： 能找到具有“最大间隔”的划分超平面，进行分类处理。
[0064] 3)对于训练数据集进行预处理，得到目标回波信号；
[0065] 具体的，采用步骤S1中的预处理方法，对训练数据集进行处理得到训练数据集中包括的目标回波信号。
[0066] 4)处理目标回波信号，提取特征向量组；并将目标回波信号中的虚假目标的数据标签贴为+1，真实障碍物的数据标签贴为-1；
[0067] 具体的，所述提取的特征向量组xi包括目标的相对距离、速度以及目标回波功率数据。
[0068] 其中，可以采用LFMCW(Linear Frequency Modulated Continuous Wave)方法提取目标的距离，
[0069] 具体的，根据计算连续发射的毫米波进行三
角变换得到雷达发射信号与接收信号之间除了一个滞后时间Δt之外，其他特性均相同，滞后时间Δt与相对距离R的关系是：Δt＝2R/c，其中c表示光速，Δf为混频输出
频率差，T为雷达扫描周期，ΔF为信号带宽，所以相对距离为：
[0070]
[0071] 连续测量的相对距离的差分则可得到目标的相对速度；
[0072] 目标回波功率数据按照预处理中的方法获得。
[0073] 5)将提取的特征向量组xi和对应数据标签yi作为输入送入SVM训练器进行模型训练，得到训练好的模型参数法向量ω＝(ω1；ω2；…；ωd)和位移项b。
[0074] 采用上述方法训练好的SVM模型对所述实时采集的目标回波信号进行分类，滤除虚假目标回波信号，得到真实目标回波信号；
[0075] 之后根据所述真实目标回波信号，计算地铁机车车头与目标物体的相对距离和速度，判断是否超出防撞阈值，是则进行列车防撞预警。
[0076] 所述防撞阈值可为相对距离阈值或/和相对速度阈值，当雷达测量的列车机车车头与障碍物的相对距离小于距离阈值或/和相对速度大于相对速度阈值，则发出预警。
[0077] 列出运行有一定的速度要求，因此相对距离大小反映了与目标物体相撞的时间；同时，由于毫米波雷达具有一定的探测距离，因此根据相对速度的大小也可判定与目标物体相撞的时间；因此，通过设置相对距离阈值或/和相对速度阈值，能够有效的对将在预设时间内发生相撞的情况进行预警。
[0078] 与
现有技术相比，本实施例的基于毫米波雷达的列车防撞方法，能够在地铁隧道特殊环境下解决雷达信号的接收处理问题，对地铁列车前方障碍物做出预警；剔除了干扰信号和虚假目标，避免虚假报警影响列车行进；并且无需设置轨旁设备，成本低，维护方便。
[0079] 实施例二、
[0080] 本实施例还公开了一种基于毫米波雷达的列车防撞装置，如图4所示，包括雷达发射机、雷达接收机、防撞处理机；
[0081] 所述雷达发射机安装于列车机车的车头处，用于向车头前方发射毫米波雷达信号；
[0082] 所述雷达接收机安装于列车机车的车头处，用于接收车头前方反射的雷达回波信号；
[0083] 所述防撞处理机分别与所述雷达发射机和雷达接收机连接，采用实施例一所述的列车防撞方法，处理所述雷达回波信号，发现障碍物，启动列车防撞措施。
[0084] 所述防撞处理机可以采用毫米波雷达测距处理模
块+上位机结构，毫米波雷达测距处理模块与所述雷达接收机连接，接收雷达回波信号，直接传输给上位机进行处理，通过回波来计算雷达与障碍物相对距离、相对速度，启动列车防撞措施；或者在毫米波雷达测距处理模块本地完成计算，再将相关数据上传至上位机。毫米波雷达测距处理模块同上位机的连接既可以是有线的，也可以是通过无线通信的方式进行数据、指令的交互。
[0085] 如图5所示为列车防撞装置列车部署示意图，列车沿轨道方向在隧道内部行驶，车头部分安装有位于车头处的毫米波雷达发射机，向前方发射毫米波波束，毫米波波束经过障碍物反射，形成回波，毫米波雷达接收回波，毫米波雷达测距处理模块对回波进行分析处理，剔除虚假目标，对真实目标进行计算，计算出毫米波雷达与目标物体的相对距离、相对速度以及相对角度，将结果打包，通过CAN总线发给上位机，如果相对距离过小或者相对速度过大，上位机则发出预警。
[0086] 相对与现有技术，本实施例提供的基于毫米波雷达的列车防撞装置的有益效果与实施例一提供的有益效果基本相同，在此不一一赘述。
[0087] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
