基于置信度预测的对射雷达检测算法

王兆锋

摘要：微波对射雷达抗干扰能力强、覆盖范围广，在安防周界防护领域应用广泛。由于微波波束宽的特点，微波覆盖范围内树木等的晃动容易引起雷达的虚警。传统的算法是基于当前接收信号的能量变化与设定的阈值进行比较来判定是否有目标入侵，但在覆盖范围内有树木等影响的场景效果不佳。文章提出一种基于置信度预测的对射雷达检测算法，通过历史数据的积累，预测当前接收能量的置信度区间，判断当前实际接收能量是否在置信度区间以及当前能量值的离散程度是否超出阈值来判断入侵事件。经过数据采集验证，该算法对覆盖范围内树木的影响抑制效果大大提升。

关键词：微波对射雷达；安防周界；置信度预测；算法优化

中图分类号：TN953  文献标志码：A

0 引言

微波雷达以其出色的低功耗以及卓越的抗干扰能力在安防等多个领域得到了广泛应用［1］。小巧的尺寸、经济的成本以及高可靠性等特点，使得微波雷达在恶劣环境下进行目标探测时更具优势［2-3］。其中，微波对射雷达由1台发射雷达和1台接收雷达组成，有入侵事件的时候，接收雷达接收到的微波信号会发生变化，通过判断接收到的信号的变化特征可以输出报警信息。传统的思想是基于历史数据的变化设置判定阈值，但是对环境、天气等的普适性较差。为优化雷达的报警效果，国内外也提出提高普适性的算法，李广柱［4］提出了基于递归最小二乘法优化降水天气对雷达算法的影响。本文提出一种基于置信度预测的算法，抑制覆盖范围内树木的影响带来的虚警。

1 微波对射雷达测量原理

在微波对射雷达中，电磁波信号遇到入侵目标的遮挡或者传播路径的变化，导致接收雷达侧接收到的电磁波强度发生变化或发生扰乱型波动，通过相关的算法处理，可以判断入侵行为，算法结果通过上位机软件输出或者联动报警器报警［5］。其检测原理如图1所示。

由于雷达发射天线及接收天线的方向性，会在空间形成一个对称的纺锤体包络区域，具体表现为中间胖两边瘦的一个立体防护区域。当使用环境有水泥地面、铁栏杆、栅栏、树木等影响因素时，接收雷达除了接收到发射雷达直线传播过来的电磁波以外，还会接收到多径折射的电磁波信号。因此，当入侵人员入侵防护区域时，除了遮挡直线传播的电磁信号之外，可能还会改变多径折射信号的变化。另外，入侵目标的不同位置、截面积影响信号变化程度也不同。同样的截面积，越靠近中轴线引起的变化越强；同样的位置，截面积越大对信号的影响越强。

典型的入侵事件信号变化为：无入侵时，信号会有缓慢的漂移；有入侵时，在边缘进入防护区域时其均值无明显变化，但波动明显变大，入侵防护区域接近中线时，信号幅度均值及波动都发生较大变化，离开中轴线后基本会形成一个与上述对称的波形。

2 改进的算法流程

本文基于传统的对射雷达算法，提出一种低成本的优化算法，用于降低安防周界应用的误报率及漏报率。算法流程如图2所示。

（1）雷达参数的初始化。初始化的信息包含时钟、中断、算法参数等。

（2）雷达上电后，获取雷达采集的数据进行校准运算，并通过统计分析记录当前背景的特征。

（3）判断是校准模式还是判断模式。校准模式下雷达会一直采集背景数据进行运算分析，并更新历史背景特征数据；判断模式下雷达进入预测和判定计算。

（4）根据预测置信度及离散度，判定当前采集数据的特征是否入侵事件。

具体算法执行过程举例如图3所示，在7.72 s之前为上电采集背景信息段，7.72 s之后进入判断模式，7.72～17.19 s没有目标入侵，滑窗更新背景，17.19 s后目标入侵，停止滑窗更新背景，并根据算法判定目标入侵。

其中，目标判定算法中，采集的信号特征接近正态分布，假设历史滑窗数据块为d1［x1…xm］， d2［xm+1…x2m］，…，dn［x（n-1）m+1…xnm］，每个数据块xn均值为：

xn=1m∑mi=1xi

其中，xi为数据块内通过其特征去除极值及异常值的数据，m为参与运算的点数，n为总的数据块数量。

离散度θn为：

θn=1m∑mi=1（xi-x）2

预测样本值y为：

y=1n∑ni=1xi

预测样本离散度θ′为：

θ′=1n∑ni=1θi

置信区间可以通过标准正态分布临界值zα/2来构造。这个临界值对应于标准正态分布曲线下面积为1-zα/2的点，其中，α是显著性水平。设定置信水平为x，因此，显著性水平α=1-x，并且需要考虑双尾检验，每个尾部的概率为α/2=（1-x）/2。置信区间的下限l和上限u分别为：

l=y-zα/2×θ′

u=y+zα/2×θ′

3 实验结果

本文验证算法效果，所使用的微波对射雷达总体参数如下。

（1）发射调频波形：方波调制；

（2）中心频率：24 GHz；

（3）发射功率：10 dbm；

（4）发射天线尺寸：4×4；

（5）接收天线尺寸：4×4。

选取50 m的典型真实应用的安装场景，检测区域有树木及墙体栅栏，进行100次入侵实验检测并架设72 H误报统计。

在采集的数据中，截取典型的20 m及50 m的检测结果如图4—5所示。

检测率统计如表1所示。通过统计对比较传统算法，效果有明显提升。

4 结语

传统的算法是基于当前接收信号的能量变化与设定的阈值进行比较来判定是否有目标入侵，但在覆盖范围内有树木等影响的场景效果不佳。本文基于传统的算法，提出一种基于置信度预测的对射雷达检测算法，用于覆盖范围内有树木等影响的场景。本文研究了中进程对射雷达的应用，对于远程超过100 m以上的复杂场景，由于覆盖范围非常广，需要进一步研究。

参考文献

［1］迟博恩.基于FMCW雷达的多目标测距与定位系统的研究及实现［D］.成都：电子科技大学，2020.

［2］杨俊杰.毫米波安防雷达目标检测方法研究［D］.成都：电子科技大学，2022.

［3］陈思程.毫米波雷达和视频联合处理系统在安防中的应用研究［D］.厦门：厦门大学，2019.

［4］李广柱.基于递归最小二乘的微波对射雷达信号处理算法［J］.长沙大学学报，2023（2）：1-5.

［5］卢晓旭，魏金光，周斐.雷达安防软件设计［J］.电声技术，2023（11）：97-100.

（编辑 王雪芬）

Detection algorithm for opposing radar based on confidence prediction

WANG  Zhaofeng

（Linyi New Smart City Operation Co.， Ltd.， Linyi 276000， China）

Abstract：  Microwave opposing radar is widely used in the field of security perimeter protection due to its strong anti-interference ability and wide coverage range. Due to its wide beam width， the shaking of trees and other objects within te coverage range can easily cause false alarms in the radar. Traditional algorithms compare the energy changes of the current received signal with the set threshold to determine whether there is target intrusion. However， the effect is not good in scenarios with trees and other objects within the coverage range. This article proposes a confidence based detection algorithm for target radar， which predicts the confidence interval of the current received energy through the accumulation of historical data. It determines whether the actual received energy is within the confidence interval and whether the dispersion of the current energy value exceeds the threshold to determine the intrusion event. After data collection and verification， this algorithm has greatly improved its impact suppression effect on trees within the coverage area.

Key words： microwave targeting radar; security perimeter; confidence prediction; algorithm optimization