目標(biāo)分類系統(tǒng)的主要任務(wù)是針對目標(biāo)回波信號特征計算給定向量的分類關(guān)系，分類器定義了一組不同的目標(biāo)類別。分類器的工作可以分為研究階段和分類階段，在研究階段分類器對若干特征和經(jīng)過獨(dú)立標(biāo)記的特征向量進(jìn)行自動分析;在分類階段，要對每個被檢測到的目標(biāo)生成特征向量。與此同時，識別算法采用最大似然方法進(jìn)行判決，以判別特征向量屬于哪個類，如圖5所示。在汽車應(yīng)用中，由于分類任務(wù)很復(fù)雜，通常一個給定的向量需要考慮幾個特征，因而要采用多個分類器，其優(yōu)點(diǎn)是在研究階段能夠在一次迭代過程中評估某個特征對決策過程的影響，并自動剔除對決策過程影響較小的項(xiàng)目。文獻(xiàn)[4]給出了基于汽車?yán)走_(dá)傳感器的目標(biāo)分類系統(tǒng)的系統(tǒng)結(jié)構(gòu)和信號處理過程，它可以識別六種不同的雷達(dá)目標(biāo)的類別，包括：步行者、騎自行車的人、車輛、人群、樹木和交通標(biāo)志等。

?

　　圖5 汽車?yán)走_(dá)對目標(biāo)的分類處理過程

?

　　圖6 汽車?yán)走_(dá)網(wǎng)絡(luò)對單目標(biāo)

　　實(shí)現(xiàn)測量

　　3 運(yùn)動目標(biāo)位置估算算法

　　FMCW雷達(dá)的基本原理是利用發(fā)射和回波信號之間的頻率差來確定目標(biāo)的距離和速度[5]。傳統(tǒng)體制的FMCW采用等周期調(diào)頻，在測量單個目標(biāo)的情況下，簡單可行，表現(xiàn)了良好的實(shí)時性和測距測速功能。但是當(dāng)前方出現(xiàn)多個目標(biāo)的時候，雷達(dá)就會出現(xiàn)判斷上的困難。為了識別多個目標(biāo)的距離和速度，可以采用變周期的 FMCW波形作為發(fā)射信號。文獻(xiàn)[6]給出了采用變周期的發(fā)射信號測量目標(biāo)的距離和速度的算法。

　　對于本文所討論的雷達(dá)網(wǎng)絡(luò)系統(tǒng)而言，四個近距離雷達(dá)傳感器即是發(fā)射機(jī)又是接收機(jī)。如圖6所示，通過電掃開關(guān)的控制，其中的一個NDS擔(dān)當(dāng)發(fā)射機(jī)，反射信號被四個NDS同時接收。經(jīng)過信號處理之后，因各個NDS之間位置的不同，可以得到四組關(guān)于被測目標(biāo)的距離和相對速度值(r1, 1 v1, 1)、(r1, 2 v1, 2)、(r1, 3 v1, 3)、(r1, 4 v1, 4)。這種采用單基地發(fā)射多基地接收的雷達(dá)網(wǎng)絡(luò)體制，盡管對傳感器之間的時間同步控制要求很高，但是可以避免鄰近傳感器之間的相互干擾。

　　汽車?yán)走_(dá)網(wǎng)絡(luò)測量目標(biāo)的距離和速度是通過對每個傳感器測得的目標(biāo)信息進(jìn)行數(shù)據(jù)融合而得到的。在一個測量周期中，每個NDS輪流擔(dān)當(dāng)一次發(fā)射機(jī)。因此有16種距離和相對速度的組合，用向量表示為：

?

　　在笛卡爾坐標(biāo)系中用目標(biāo)的狀態(tài)向量他t來表述目標(biāo)的位置矢量和相對速度矢量：

?

　　每個傳感器在笛卡爾坐標(biāo)系中的位置用向量s表示為：

?

　　對于每個傳感器而言，如果已知該傳感器和目標(biāo)在坐標(biāo)系中的位置，那么目標(biāo)的距離可以由下面的非線性方程來計算：

?

　　同理，得到關(guān)于目標(biāo)的相對速度的方程：

?

　　綜合方程(1)、(2)、(4)、(5) , 可以得到目標(biāo)的狀態(tài)向量與四個傳感器測得的目標(biāo)的距離速度的多個非線性方程，用向量函數(shù)表示成：

?

　　其導(dǎo)數(shù)矩陣，也就是雅可比矩陣為：

?

　　對方程(7)采用高斯-牛頓迭代算法可以精確計算出目標(biāo)狀態(tài)向量的參數(shù)值，繼而可以得到目標(biāo)的位置和相對速度值。由于上述運(yùn)算能夠給出運(yùn)動目標(biāo)位置的笛卡爾坐標(biāo)，因此很方便確定位置估算的精度和分辨率[7]。