雷达测速测距原理分析

关键词：防撞距离测量汽车

雷达测速测距原理分析（通用5篇）

篇1：雷达测速测距原理分析

雷达测速测距原理分析

一、FMCW模式下测速测距

1、FMCW模式下传输波特征

调频连续波雷达系统通过天线向外发射一列线性调频连续波，并接收目标的反射信号。发射波的频率随时间按调制电压的规律变化。

2、FMCW模式下基本工作原理

一般调制信号为三角波信号，发射信号与接收信号的频率变化如图所示。

反射波与发射波的形状相同。只是在时间上有一个延迟，t与目标距离R的关系为：

Δt=2R/c

公式1 其中

Δt：发射波与反射波的时间延迟

R：目标距离

108m/s c：光速c=3×发射信号与反射信号的频率差为混频输出中频信号频率f如图所示：

根据三角关系，得：

ΔtT2=

ΔfB公式2 其中：

Δf：发射信号与反射信号的频率差为|f1-f0| T：调制信号周期——1.5ms B：调制带宽——700MHz 由以上公式1和公式2得出目标距离R为：

R=cTΔf 4B公式3

3、FMCW模式下测距原理

由公式3可以得出，目标距离R与雷达前端输出的中频频率f成正比

4、FMCW模式下测速原理

当目标与雷达并不是相对静止时，也就是有相对运动时，反射信号中包含一个由目标的相对运动所引起的多普勒频移fd，如图所示：

此时发射信号与接收信号的频率差如图所示：

在三角波的上升沿和下降沿分别可得到一个差频，用公式表示为：

f+=f-fd

公式4

f-=f+fd

公式5 其中

f为目标相对静止时的中频频率

f+代表前半周期正向调频的差频

f-代表后半周期负向调频所得的差频

fd为针对有相对运动的目标的多普勒频移

根据多普勒效应得：

fd=2f0 c公式6 其中：

为目标和雷达的径向速度

f0为发射波的中心频率

由公式4、5、6可得：

f+ff=+-2

公式7

c|f--f+|v=×

2f02公式8 速度v的符号与相对运动方向有关系，当目标物相对雷达靠近时v为正值。当目标相对雷达离开时v为负值。

由公式3和公式7进一步得出：

cTf++f-R=×4B2

公式9

二、CW模式测速原理：

1、CW模式下传输波特征

普通连续波

2、CW模式下测速物理理论

当目标向雷达天线靠近时，反射信号频率将高于发射频率，反之，当目标远离天线时，反射信号频率将低于发射频率。如此可由频率改变数值计算出目标与雷达的相对速度

3、CW模式下测速公式

fd=2

公式10 则速度公式为：

fd=2

公式11 其中：

表示传输波的波长

表示目标物与雷达之间的相对速度

由公式11公式12得：=cf0

=c2f×f0d

公式12

公式13



篇2：雷达测速测距原理分析

一、微动按钮功能

K5，复位键：按一下，电路复位，电路处于待机状态。K4，正转键：按一下，电机DJ1正转。

K3，加速键：正转时，按一下。电机DJ1加速。K2，减速键：正转时，按一下，电机DJ1减速。Kl，倒车键：按一下，电机DJ1反转。

二、产品功能介绍

1．电路正确连接后，接通电源，按一下微动按钮K5，数码显示管DS1显示0000。2．按一下微动按钮K4，电机DJ1转动并带动转盘(遮断器)转动，数码显示管DS1显示数字，再按一下K4，电机DJl停转，电路复位。

3．在按一下微动按钮K4，按一下微动按钮K3，电机DJ1转动加快并带动转盘(遮断器)转动，数码显示管DS1显示数字，此时显示的数字增大。可按微动按钮K3三次（三档），第四次按动K3时，电机DJ1停转，电路复位。4．在按一下微动按钮K4后，按一下微动按钮K2，电机DJ1转速减慢并带动转盘(遮断器)转动减慢，数码显示管DS1显示数字减少。再按一下微动按钮K2，电机DJ1停转，电路复位。5．按一下微动按钮Kl，电机DJ1倒转并带动转盘(遮断器)转动，此时为汽车倒车。用障碍物放在离开超声接收器LS1和超声发生器LS2一定距离的位置上，数码显示管DS1显示数字，此时显示的数字为障碍物与LS1和LS2的距离(相当于汽车与障碍物的距离，单位为厘米)，如果障碍物距离变动，数码显示管DS1，显示数字也随之变化。当距离等于20厘米时，电机DJ1，自动停转。或在大于20厘米时再按一下微动按钮K1，电机DJ1停转，电路复位。

三、电路原理

该产品是由下面几部分电路组成：超声波发射电路、超声波接收电路、提示音发生器、直流电机控制电路、转速检测电路、单片机电路、显示电路和电源电路。1．倒车电路原理

倒车电路包括超声波发射电路、超声波接收电路、提示音发生器、单片机电路、显示电路和电源电路。

按下微动按钮K1，由单片机U2的“8”脚输出一串低电平信号，该信号送到光电耦合器U6的输入端，改变光电耦合器U6的输出电阻，使原来由Q9、Q13、Q15、Q16组成的直流电机DJ1桥式驱动电路在直流电机DJ1两端产生电位差，电机DJ1被驱动为反转。也即汽车在倒车。

在按下微动按钮Kl时，由单片机U2产生40kHz的方波信号从U2的“14”脚送出，经开关Sl、到U1的“3”脚后在U1内进行推挽放大，由LS1超声波发生器产生40kHz的超声波发射出去。经障碍物反射后的超声波，由LS2超声波接收器接收，送入集成块U3的“1”脚，该信号为正弦波信号。由于倒车的距离不断变化，所以U3内部设置了自动增益控制AGC，以保持信号不会因倒车距离变化而出现强弱变化，正弦波信号在U3内部进行整形后，由U3的“7”脚输出，经延时(信号由发射→障碍物→接收的时间)后的信号，经电阻R5和开关S2送回单片机U2的“12”脚，由单片机U2内部与原送出的信号进行比较计算，并把计算的结果送到显示电路显示出汽车在倒车时与障碍物之间的距离。当倒车与障碍物的距离等于20厘米时，单片机U2发出指令，让汽车停止倒车，电路复位。

由于电路采用节电措施，只有在倒车时，由单片机U2的“6”脚输出一信号，经R17给复合管Q1和Q2提供导通信号，使继电器JKl吸合，才给超声波接收电路、提示音发生器提供VCC电源。所以在倒车开始，提示音发生器的集成块U4与外围元器件组成的振荡电路起振，产生信号供三极管Q7放大，由蜂鸣器LS3发出提示音，提醒驾车人士。调节可调电阻RP2可改变提示音的声音大小。2．测速(前进)电路原理

测速电路包括直流电机控制电路、转速检测电路、单片机、显示电路和电源电路。

按下微动开关K4，由单机U2的“5”脚输出一信号，经R60使三极管Q18导通，使继电器．JK2吸合，电源+12V经继电器．JK2触点作VDD输出，同时给直流电机控制电路提供VDD和VCC电源；单片机U2的“7”脚输出一串矩形波信号，该信号送到光电耦合器U5的输入端，改变光电耦合器U5的输出电阻，使原来由Q9、Q13、Q15、Q16组成的直流电机DJ1桥式驱动电路在直流电机DJ1两端产生电位差，电机DJ1被驱动为正转。电机DJ1带动安装在电机上的转盘转动，由于转盘装在光电开关器U7槽中，且转盘中带有孔，转盘在转动过程中，U7一端发出的光线穿过孔，光线间歇通过并送到U7的另一端，使光电开关器U7输出一串脉冲并送回单片机U2的“13”脚，由单片机U2进行计数，并由数码显示管DS1直接显示数字为电机DJ1的转速。

如果此时按一下微动开关K3改变了由U2“7”脚输出矩形波信号的脉冲宽度，也改变了光电耦合器U5的输出电阻，使电机DJ1两端的电位差更大，电机DJ1转速加快，数码显示管DS1显示的数字增大。如果再按一下K3，根据以上所说原理，电机DJ1转速更快，数码显示管DS1显示的数字更大。

如果按一下微动开关K2，改变了由U2的“7”脚输出的一串矩形波信号的脉冲宽度，也改变了光电耦合器U5的输出电阻，但使电机DJ1两端的电位差变小，电机DJ1转速减慢，数码显示管DS1显示的数字减小。

按K4、K3、K2何一个微动开关，由单片机U2发出指令，使电机DJ1停转，电路复位。

3．单片机电路、显示电路与电源电路原理

单片机电路是由芯片U2为核心及相关元器件组成，构成了《汽车测速及倒车提示》电路的中央控制电路，根据电路功能需要，赋予芯片U2相应程序。显示电路由单片机U2、数码显示管DS1及外围相关元器件组成，对微动按钮K1～K5的按动发出相应的指令，通过相关程序，让各电路按程序进行工作。另外也把相关指令送达数码显示管DS1，让数码显示管DS1显示数字。

篇3：雷达测速测距原理分析

1 线圈检测原理

当车辆 (金属物体) 经过埋设在路面的地感线圈时, 将导致地感线圈的电感值发生变化, 进而使得车辆检测器的LC振荡电路的振荡频率发生变化。对于车辆检测器来说, 以下公式中, C值是一定的, 而线圈的L值是随着车辆 (金属物体) 的经过而变化的:

因此f值将随着车辆 (金属物体) 的经过而有如下变化:

式中, L1为无车辆 (金属物体) 经过时线圈的电感量, L2为有车辆 (金属物体) 经过时线圈的电感量。车检器通过精确检测Lc振荡电路的频率变化可以准确判断是否有车辆经过。

地感线圈检测具有检测稳定可靠、检测准确的优点。与地感线圈配合使用的车辆检测器可以在1ms内检测到所监测各线圈中的任何一个发生0.01%的电感量变化, 从而可以检测到车速200km/h以上的车辆;并且可以准确地鉴别出经过线圈的车辆的类型, 如摩托车、轿车、卡车、工程车等。

地感线圈检测技术的优势包括:

◆运行稳定, 不易受外界干扰, 基本无漏拍;

◆反应迅速, 精度高;

◆检测准确, 误差小。

2 视频检测原理

视频检测是摄像机和计算机图像处理技术结合的检测方式, 通常运用背景分离 (背景减除) 技术来进行对图像变化的检测。其思路是对视频帧与基准背景图像进行比较, 寻找相同位置出现像素 (区域) 变化的现象, 对相应区域进一步处理、跟踪、识别, 得到目标位置、尺寸、形状、速度、停留时间等基本形态信息和动态信息;完成目标的跟踪和行为理解之后, 也就形成了图像与图像描述之间的映射关系, 从而可以进一步进行规则判定, 直到触发报警。背景减除法是目前普遍使用的运动目标检测方法, 可以提供比较完整的运动目标特征数据, 精确度和灵敏度比较高, 具有良好的性能表现, 对动态场景的变化, 如光线变化情况也比较敏感;但其算法本身需要大量的运算处理资源支持, 并且仍然会受到光线、天气等自然条件及背景自身变化 (海浪、云影、树叶摇动等情况) 的影响。

视频检测具体的流程是:针对每个画面, 分别从组成视频流的三类编码帧, 即关键帧 (I帧) 、预测帧 (P帧) 和内插双向帧 (B帧) 中, 截取若干连续的I帧, 对其进行解码运算, 将其以帧为单位连续存放在设备本身的内存缓冲区中;最后利用编码器硬件内建的移动侦测功能, 在缓冲区中将连续的两帧转化为位图, 逐个像素点地对画面进行比较, 通过对像素点变化的检测来实现对图像变化的检测, 进而得到是否有物体移动的判断。

而高清卡口系统的3D模型视频流动态跟踪检测是通过应用国际先进的检测跟踪算法, 对连续的视频流进行检测跟踪。其“跟踪算法”可适应各种复杂环境 (如抖动、阴影、光照变化、雨雪等) , 实现更好的检测捕获率。其工作原理是将视频摄像机作为传感器, 通过专有的检测算法的运用, 在目标 (机动车辆、非机动车辆、人等) 进入其视频内的检测区域时, 判断出目标的存在, 捕获、识别目标特征, 得到需要的各种交通数据信息。

视频动态跟踪检测技术的优点是:

◆拍摄区域广, 可实现对区域交通图像信息的获取, 有助于直观地了解现场状况;

◆对机动车、非机动车、行人的捕获率均超过99%;

◆安装方便, 不损伤路面;系统结构简单, 故障率低, 易维护;

◆可扩展性好;

◆支持各种交通异常状况的检测、识别和报警。

与目前运用较多的视频检测相比, 视频动态跟踪检测较为先进, 准确率也更高些, 是视频检测发展方向之所在;目前仅有少数的几家公司掌握并用于实际工程当中。

3 雷达与激光检测原理

3.1 雷达速度检测

微波雷达对运动物体的精确速度检测是基于微波多普勒 (Doppler) 效应实现的。微波在行进过程中碰到障碍物体时会发生反射, 而反射回来的波, 其频率及振幅都会随着障碍物体移动状态的改变而改变——若障碍物体固定不动, 反射波的频率即较反射前没有改变;若物体迎着无线电波发射的方向前进, 则反射回来的无线电波会被压缩, 反射波的频率会较反射前有所提高;而若物体朝着远离无线电波发射的方向行进, 则反射波的频率会较反射前有所降低, 这就是多普勒效应。基于多普勒效应原理, 可以对运动目标的速度进行精确测量。

将障碍物体与雷达天线间的相对运动所引起的接收频率与发射频率之间的差频称为多普勒频率, 用fd表示, 表达式为:

其中fo表示雷达前端发射的微波信号的频率 (一般为24GHz或者35GHz) ;V为被检车辆速度;c表示电磁振荡在空气中的传播速度;Θ表示微波波束方向与运动方向的夹角。

从上式可以看出, 只要测得了fd, 就可以获得运动物体的速度, 这就是雷达测速的原理。具体的做法是:利用多普勒收发 (T/R) 组件产生单频高频微波, 并接收车辆的反射信号;由于反射信号的频率与发射信号的频率相比已经有了变化, 故经混频后输出的中频 (IF) 信号的频率即为发射频率与接收频率之差, 也就是fd;利用fd就可以计算出车辆的速度。

基于多普勒效应原理的测速精度极高。造成其测量存在误差的主要因素有二:一是T/R组件fo的误差, 一是fd的测量误差。由fo引起的误差可通过提高T/R组件输出稳定度来控制, 比如可以使用低相位噪声的谐振腔, 也可以采用锁相 (PLL) 的方式实现;由fd测量引起的误差则需要针对不同的检测方式采用不同的手段来控制。简单的检测方式是检测单位时间内IF信号的周期数, 目前的测速雷达大多采用这种方式。其特点是结构简单、成本低;但是精度不高, 虽然可以通过在硬件和软件上下功夫得到一定的提高, 但难有突破性的改善。另一种很精确的方法是利用数字信号处理芯片DSP对IF信号进行傅立叶 (Fourier) 变换以求得信号频率, 这种方法的特点是测量精度足够高, 缺点是系统结构复杂, 成本相对较高。

3.2 激光测速

测速激光属于固态激光中的半导体激光。激光测速设备采用红外线半导体激光二极管。激光二极管有几个特点使它适合用来测量速度:

◆自微小范围中发射出极窄的光束, 能够精确地瞄准目标;

◆能够在短于十亿分之一秒的时间里切换开关, 可大幅提高精确度;

◆发射频率很窄, 可使侦测器极易接收到精确的波长, 因此在日间有强烈阳光时仍能正常工作;

◆只发射电磁光谱中的红外线部分;而红外线是人眼看不见的, 不会分散驾驶员的注意力。

激光测速枪通过测算红外线光波的传送时间来确定目标的速度。由于光速是固定, 激光脉冲传送到目标再折返的时间会与距离成正比。以固定间隔发射两个脉冲, 即可测得两个距离;将此二距离之差除以发射时间间隔即可得到目标的速度。理论上, 发射两次脉冲即可测得速度;事实上, 为避免错误, 激光测速器 (枪) 一般在瞬间发射高达七组的脉冲波, 以最小平方法求取测量值的平均值, 用于计算目标速度。

3.3 激光与雷达测速的比较

超速告警最易受到的挑战是如何确认违规车辆。在多车道公路上遇到两辆以上车辆并行的情况时, 警员以雷达测得超速现象却无法明确认定哪一部车辆违规;原因在于雷达波发射锥角度约在10~20度间。激光波发射锥角度只有不到1/10度, 因此在采用激光测速的情况下, 两车被同时侦测到的机会近乎等于零, 可以明确认定受测目标。

雷达与激光测速的最远测速距离都可以通过提高设备发射功率而增长, 但这并无实际效益。

雷达测速器需经常用固定频率的音叉加以校正, 而激光测速器则无此必要。

雷达与激光测速的测量时间也是两者重要的区别:雷达测速约需2~3s钟, 而使用激光则只需要约0.3s——凭此操作速度, 厂商甚至可开发出配合照相的激光测速器, 以不到1s的间隔连续记录违规超速车辆。

4 线圈测速的具体应用

在高清智能卡口管理系统中, 每条需要监测的车道上沿行车方向埋设的两个线圈的间距是固定的, 于是当车辆经过时, 可以取得四个时刻, 即车辆进入两个线圈和离开两个线圈的时刻。计算车辆通过两线圈所用的时间, 配合两线圈的间距, 即可求得平均车速。如图1所示。

分别以T1、T2来表示车辆检测器探测到移动物体进入线圈A、线圈B的时间, 以w来表示线圈的间距, 则车速v为:

另外, 车辆检测器在实际测速时, 还可引入对以下两种测速误差因素的考虑, 对测速值进行修正。

第一种误差因素的存在是线圈的周期性检测造成的。不同车速的车辆在一个检测周期内位移不同, 这使得在对不同车速车辆的测速中, 实际的“线圈距离”是不等的。车辆检测器的检测周期为1ms, 两个线圈前沿/后沿的距离为5.5m时, 以车速100km/h为例, 测速的理论最大误差为:

第二种误差因素的存在是车辆在经过两个线圈时, 被感应到的部范围的不确定所致, 这种误差的大小难以估计。产生这种误差的原因一是车辆底盘较高 (如卡车) , 检测难度大;二是变速行驶;三是跨道行驶。解决方法是:每次测速均测出车前轴速度和车后轴速度, 对两个速度进行误差比较, 保留误差合格的速度。

将按照以上算法计算所得的车辆速度与系统设置的限速值相比较, 再考虑误差范围的存在, 即可辨别车辆是否超速。另外, 根据车辆触发线圈的顺序可以判断车辆行驶的方向, 从而判断车辆是否逆向行驶。将计算所得的速度与车辆车头、车尾离开线圈B的时间差相乘, 所得的结果即为车身长度。

5 视频检测技术的具体应用

对不允许安装地感线圈的点位, 可以采用虚拟线圈抓拍技术。具体做法是:在一体摄像机拍摄到的, 所监控道路视频画面的合适位置上, 人为地设置一个虚拟线圈框;在有运动物体经过此虚拟线圈框时, 进行抓拍。图2是监控视频的逐帧图像, 从中可以看到, 当车辆的整个车头进入虚拟线圈时, 虚拟线圈触发抓拍, 并对抓拍图片进行车牌定位、号牌识别。

6 车牌识别原理

6.1 车牌识别系统框架

车牌识别系统采用高度模块化的设计, 将车牌识别过程的各个环节交由相应各自独立的模块来支持, 系统的框架如图3所示。

车牌识别的流程是:首先通过视频输入管理模块得到所需的最佳质量的视频图像;对获取的每一帧图像, 利用高效的视频检测技术, 进行对行驶中的车辆的车牌定位和跟踪, 自动提取车牌图像;然后由车牌精定位、切分和识别模块, 准确地自动分割和识别字符, 得到车牌的全部字符信息以及颜色和类别信息。另外, 车辆检测模块还可以鉴别出无牌车辆并输出结果;通过查询违法数据库得到车辆的违法信息, 显示违法车辆的相关信息, 同时进行现场报警;通过查询征稽数据库得到车辆的征稽信息, 显示欠费车辆的相关信息, 同时进行现场报警。系统还可采用独特的在线学习新技术, 对各识别模块进行动态的调整, 实现对各种应用环境变化的自动适应, 从而大幅优化系统的应用性。

(1) 车辆检测跟踪模块

车辆检测跟踪模块通过对视频进行分析, 判断其中车辆的位置, 实现对图像中的车辆跟踪, 并在其位置最佳的时刻记录其特写图片。加入了跟踪模块后, 车牌识别系统能够很好地克服各种外界干扰, 得到更加合理的识别结果;可以记录下目标车辆行驶过程中的每一帧图像中车牌的位置、识别结果、可信度等各种历史信息;可以凭借其具有一定容错能力的运动模型和更新模型, 保证对那些被短时间遮挡或瞬间模糊的车牌也能正确地跟踪和预测, 最终只输出一个识别结果;可以检测出无牌车辆并输出结果。

(2) 车牌定位模块

车牌定位是一个十分重要的环节, 是后续环节的基础, 其准确性对系统整体性能的影响巨大。如果采用完全基于学习的多种特征融合的车牌定位算法, 可在足够的学习样本的支持下, 快速训练出针对不同车牌类型的新的检测模型, 适应各种复杂的背景环境和不同的摄像角度。

(3) 车牌矫正模块

受拍摄条件的限制, 图像中的车牌总是不可避免地存在一定的倾斜;因此车牌识别需要引入一个矫正和精定位环节来进一步提高车牌图像的质量, 为字符切分和识别做准备。使用计算快速的图像处理滤波器, 利用车牌的整体信息, 可减小局部噪声带来的影响, 还可通过对多个中间结果的分析实现对车牌的精定位, 进一步减小非车牌区域的影响。

(4) 字符切分模块

字符切分模块能够利用车牌文字的灰度、颜色、边缘分布等各种特征, 较好地抑制车牌周围噪声的影响, 并能容忍车牌有一定角度的倾斜。其算法对于类似移动式稽查这种车牌图像噪声较大的应用很有帮助。

(5) 字符识别模块

在字符识别模块中, 如采用多种识别模型相结合的方法, 构建一种层次化的字符识别流程, 可有效地提高字符识别的正确率。另一方面, 如在进行字符识别之前, 使用计算机智能算法对字符图像进行前期处理, 尽可能地保留图像信息, 而且还可提高图像质量, 提高相似字符的可区分性, 保证字符识别的可靠性。

(6) 车牌识别结果决策模块

如果车牌识别系统可以对每帧视频图像进行实时识别, 则在一辆车通过视野的过程中, 车牌识别系统将得到若干相同或不同的识别结果;因此需要引入一个识别结果的决策模块。决策模块可利用一个车牌经过视野的过程中留下的历史记录 (包括识别结果、识别可信度、轨迹记录、相似度记录等) , 对识别结果进行智能化的决策, 通过计算观测帧数、识别结果稳定性、轨迹稳定性、速度稳定性、平均可信度和相似度等度量值得到该车牌识别结果的综合可信度评价, 从而决定是继续跟踪该车牌, 还是输出识别结果, 或是拒绝该结果。也就是说, 一个车牌的最终识别结果是通过分析所有帧的识别结果, 对它们进行智能化的归类和投票, 并结合一定的文法信息综合而成的。这种方法综合利用了所有帧的信息, 相比基于单幅图像的识别算法可减少偶然性的错误, 大幅提高系统的识别率及识别结果的正确性。

(7) 在线学习模块

以上各个模块使用了大量基于学习的算法, 如果在系统中添加反馈型学习模型的在线学习模块, 利用决策模块和跟踪模块得到车牌质量、车辆轨迹、速度等反馈信息, 智能化地更新一些算法参数, 可使系统能快速适应新的应用环境。其算法可作为已有算法的有力补充, 进一步提高系统性能。

6.2 关键性能参数

车牌识别系统的优劣主要由两个关键性能参数共同决定, 它们就是识别率和识别速度。

(1) 识别率

判断车牌识别系统是否实用, 最重要的指标是识别率。国际公认的识别率指标要求是全天候24小时全牌正确识别率达到85%~95%。识别率包括以下三项指标:

◆自然流量识别率, 即识别车牌号的总数与实际通过车辆总数的比值;

◆可识别车牌率, 即可由人工正确读取的车牌号总数与实际通过车辆总数的比值;

◆全牌识别准确率, 即全牌正确识别的车牌总数与可由人工正确读取的车牌号总数的比值。

这三项指标决定了车牌识别系统的识别率。

(2) 识别速度

识别速度决定了车牌识别系统是否能够满足实时实际应用的要求。即使是一个识别率很高的系统, 如果需要几秒钟, 甚至几分钟才能识别出结果, 也会因为满足不了实际应用中的实时性要求而毫无实用意义。国际交通技术领域对识别速度的要求是1s/次以内, 越快越好。目前市场上的车牌识别系统在实际应用中的识别速度平均为200ms/次。较好的车牌识别系统, 其快速识别速度已经达到了10ms/次, 实际应用识别速度能够达到平均40ms/次。

6.3 识别技术的实现原理和实现方式

(1) 车辆牌照的识别是基于图像分割和图像识别理论, 对含有车辆号牌的图像进行分析处理, 确定牌照在图像中的位置, 并进一步提取和识别出文本字符。

(2) 识别的步骤可概括为:车牌定位、车牌提取、字符识别。这三个步骤相辅相成, 只有三者的有效率都较高, 整体的高识别率才有保障。识别速度的快慢取决于字符识别的速度。目前主要的字符识别应用技术为比对识别样本库, 即建立所有字符的样本库, 通过比对字符提取后的结果和样本库, 实现对字符的判断。其识别过程中将产生可信度、倾斜度等中间结果值。此外还有一种基于字符结构知识的字符识别技术, 能够有效地提高识别速率和准确率, 适应性较强。

(3) 车牌识别实现的方式主要分为两种:静态图像图片的识别和动态视频流的实时识别。静态图像识别为单帧图像识别, 识别有效率较大程度上受限于图像的抓拍质量;目前市场上此类产品的识别速度平均为200ms/次。动态视频流识别适应性较强, 识别速度快, 对视频每一帧图像进行识别, 增加了识别比对次数, 实现了车牌号择优选取——更关键的是较少受到单帧图像质量的影响;目前市场上此类产品中较好者的识别速度为10ms/次。

6.4 假牌车分析原理

如智能高清卡口系统在将新识别出来的, 通过某路面的机动车的车牌号与车管所数据进行对比分析时, 发现车管所数据库中不存在该号牌, 则系统判定该车辆为假牌嫌疑车辆, 自动发出声光报警, 提示值班人员予以关注。值班人员核对相关信息, 确定无误后, 可将该车列入假牌车黑名单库中, 并提示前方值勤人员予以拦截。

6.5 套牌车分析原理

套牌车判定的依据是:同一车牌在不合理时间段, 内理论上不可能出现在不同路面。

当系统发现途经监测点的机动车辆可能为套牌嫌疑车时, 自动发出声光报警, 提示值班人员予以关注。值班人员核对相关信息, 确定无误后, 可将该车列入套牌车黑名单库中, 并提示前方值勤人员予以拦截。

6.6 车流量统计原理

篇4：雷达测速仪原理以及选择和应用

仪器仪表网整理

(一)手握式雷达测速仪

由发射机产生一个频串为从的连续振荡倌号，该信号通过收发分离器馈送到天线上,并沿着波朿方丨4向运动车辆辐射，由于车表面的敗射作用，其中一部分电磁波的能窗又沿扃波朿方向回到天线上，被接收分离器接收后加到混频器上，并与发射机耦合过来的直达基准佶号“进行混频.然后经过低通滤波器取出差频偯号，这便逛所潘要的多普勒频串它经过低頻故大、整形后送到数字处理部分。

(二）定角式雷达测速仪

定炻式讲达猁速仪也始应用多普勒原理实现测速的，其工作原理与手握式茁达测速仪雀似.使用时，把雷达测速仪固定在某一位置，让铒达天线方向与来往车辆运动方向成一固定位置。

(三）雷达测速仪的误差分析

造成雷达渕速仪测速误差的闪索很多，除了环埯条件、非正确使用以外，史重贾的还在于浏迚议本身，即微波发射频串和低频部分的议趋对测速准确度都有影响，1,雷达测速仪原理

雷达测速仪是通过微波来测量运动物体的速度，其工作理论是基于多普勒原理，既当微波照射到运动的物体上时，会产生一个与运动物体速度成比率的一个变化，其变化大小正比于物体运动的速度。雷达发射的微波以一个扇型的方式出去，在照射区域内的目标会对微波形成一个反射，其中依据实际测量的要求，雷达又分为两种工作模式：一种是静态工作模式，一种是动态工作模式。

静态模式：即雷达静止不动（不在运动的巡逻车内），测迎面来的汽车或同向远离的汽车。动态模式：既雷达处于运动状态（一般在运动的巡逻车内），测迎面来的汽车或同向远离的汽车，在动态情况下，测试一般又分为反向测量和同向测量，反向测量：测试的目标和巡逻车的运动方向相反，同向测量：测试的目标和巡逻车的运动方向相同。选用不同的测试状态，雷达使用不同的运算规则。雷达本身不易判别目标的运动方向。2，雷达的使用特点：目前，雷达主要分为手持测速雷达和车载流速测算雷达。手持测速雷达主要应用于定点测量，一般，交警在超速现象较多的路段进行测量。可把雷达固定于三角架上，也可手持测量。车载测速雷达主要应用于巡逻测量或移动电子警察方面。目前，在电子移动警察上应用较多。由于电子警察的特殊要求，一般配电子警察的测速雷达要求其微波发射的波瓣尽可能小。以往的雷达测速仪，由于技术的限制，不能判别出目标的运动方向，因此，当所测区域既有同向的又有反向的车时。雷达就无法判别出所测速度到底是那一辆的。随着技术的发展，有些新型的测速雷达已可以判别出目标的运动方向，因此，大大提高了测试的可靠性和可信度。3，雷达测速仪的选择选择雷达测速仪的时候，一定要根据自己的实际使用情况来选择想对应的型号，比如公交公司，以及工厂厂房门口测速，正常情况一下只要知道被测车辆的车速，主要是以警告为目的的话，只要选择简单的显示车速的测速仪就可以了，一般推荐型号是美国BUSHNELL VELOCITY雷达测速仪，假如要带打印速度的话，就选择再打印速度显示的雷达测速仪，还有一种就是要带照片的，那就必须选择带抓拍功能的雷达测速仪了！4，雷达测速仪的应用流量测算仪主要应用在工矿，企业门口，企业主要干道，公路限速路段，公交公司门口和不定路段的速度监测等等。

总之，在选择测速仪的时候，一定要首先明确自己用雷达测速仪来做什么，这样才能选择自己合适的雷达测速仪。

篇5：雷达测速测距原理分析

近年来,随着信号处理及传感器的发展,超声[3,4]、红外、毫米波[1]等信号模式逐渐应用到汽车防撞系统中。由于价格因素,基于雷达体制的防撞系统一直未能成为汽车防撞系统中的主流产品。而相比超声及红外传感器而言,雷达体制的防撞系统[1,2]在分辨率、体积及全天候情况下存在较大的性能优势。相比常规超声与红外系统,雷达体制系统通常具有较大的工作频段,为20～70 GHz,由于波段较高,相应的天线尺寸较小,波束宽度窄。常规防撞原理通常分为测时、测频和测相3种。但是通常汽车防撞系统要观察四周百米范围内的车辆,相对与50 m的距离,其传播时长为0.34 μs,如此短的时间间隔给常规防撞雷达带来了巨大的测量难题。针对这一问题,有人利用AR模型功率谱估计的burg算法、MTD上下扫频相互匹配法进行了信号处理,并取得了不错的准确度,但是该种谱估计方法由于需要大量数据进行线性预测,因此给实时处理避撞带来一定难度。

文中针对快速傅里叶变换[5]及其在工程中的灵活性,将其通过迭代处理进而获得高分辨率的汽车距离测量,并针对临近汽车的信号干扰问题,通过结合正则化参量的设定,有效地抑制了系统噪声及分辨率低的限制。仿真中结合多个汽车回波进行了有效的实验验证。

1 高分辨率傅里叶变换原理

由于车载防撞系统在接收过程中通常接收的是多部车辆的信息,且各车辆的距离信息通常经过卷积的形式直接加载到发射信号上,因此,所谓的汽车防撞系统就是从接收的信息中对各车辆进行定位,其求解过程为线性求逆问题。常规的傅里叶变换等谱分析方法可以实现上述目的,即通过有限的数据采样进而得到理想情况下无限元素的谱估计,但是由于常规傅里叶变换等谱分析,放在在进行解卷积过程中未引入任何先验信息,因此得到的车辆距离信息(谱分析图)不能得到较高的距离分辨率。这里以时域N点采样为例,假设回波为x,其傅氏谱为[5]

$Y_{k} = \sum_{n = 0}^{Ν - 1} x_{n} \exp (- j 2 π n k / Ν) (1)$

考虑到信号噪声,上式可以展开成矩阵形式

Y=Fx+ε (2)

其中,x∈RN为已知时域信号;Y∈CM为未知频域信号;F为傅里叶变换矩阵,也称为傅氏扩展矩阵,常规方法多采用补零方法实现频谱的拓展,但是由于时域窗函数的影响会导致频谱旁瓣较高。在文中的高分辨率谱分析中,结合噪声分布的先验信息,这里为方便讨论,假设各噪声矢量间为独立同分布,其中每个元素的分布为

$R_{ε (i)} (u) = \frac{1}{\sqrt{2 π} σ_{n}} \exp (- \frac{u^{2}}{2 σ_{n}^{2}}) (3)$

信号的谱分布假设服从柯西分布[6],即

$p (Y_{i} | σ_{x}) \propto \frac{1}{1 + \frac{X_{i} X_{i}^{*}}{2 σ_{x}^{2}}} (4)$

根据最大后验概率准则可知,该准则下的高分辨率谱Y可以通过式(5)得到

$Y_{Μ A Ρ} = \arg \max_{Y} \ln p (Y | x) = \arg \max_{Y} [\ln p (x | Y) + \ln p (Y)] = \arg \max_{Y} [\ln p_{ε} (Y - F_{x}) + \ln p (Y)] (5)$

因此对于最小二范数约束准则来说,可以构造如下的代价函数,当噪声、信号的概率密度函数分别服从式(3)和式(4)时,可以构造基于贝叶斯最大后验概率估计准则的代价函数

$J (Y) = \frac{1}{2 σ_{n}^{2}} | Y - F_{x} |^{2} + \sum_{i = 1}^{Μ} \ln (1 + \frac{| Y_{i} |^{2}}{2 σ_{Y}^{2}}) (6)$

由于上式的可微性,通过推导可以进一步得到频谱Y的单次迭代值

Y(k)=Q(k-1)FH(λIN+FQ(k-1)FH)-1x (7)

其中,k+1,k分别表示迭代次数,Q=diag $(1 + \frac{| Y_{i} |^{2}}{2 σ_{Y}^{2}}), λ = σ_{n}^{2} / σ_{Y}^{2}$ 。重复计算Y(k),带入式(9)进行收敛性判断

$\frac{| J (Y^{(k + 1)}) - J (Y^{(k)}) |}{[| J (Y^{(k + 1)}) | + | J (Y^{(k)}) |] / 2} ＜ δ (8)$

其中,δ为收敛精度。

2 仿真实验分析

仿真过程中针对4个运动车辆的信号进行了联合处理,4部车辆的距离分别为58 m,60 m,63 m,65 m。由于时延较短,实验中仅考虑50点的采样回波,发射信号采样单脉冲信号,信号回波中考虑了方差为0.2的高斯噪声。图1给出了50点的时域采样图,其中,‘.’为无噪信号;‘*’为含噪信号。其时域信号的周期图及谱估计结果,如图2所示。由于时域采样个数有限,其频域分辨率不足以区分上述两载频谐波,图中分别采用了周期图、快速傅里叶变换(FFT)及Capon谱估计法。由图可见,由于4部车辆的间距很近,常规方法已经无法得到较好的车辆位置估计,因此在实际的防撞系统设计中,将带来很差的测距性能。图3结合文中的高分辨FFT方法,通过迭代得到了高分辨率的车辆位置信息,从图中可以看出,4部汽车的位置信息已经可以精确地从图中获得,并且噪声电平下降到30 dB以下,这给系统检测电路设计带来较好的设计门限阈值。

3 结束语

文中针对车辆防撞系统中高精度距离测量这一问题展开研究,重点结合高分辨率FFT方法进行了谱估计实验,文中所提方法中结合了最大后验概率准则下的谱函数密度分布这一特点,同时结合FFT的快速可实现性,通过约束迭代快速即可得到高分辨率的车辆间距信息。从文中的仿真实验可以看出,相比常规谱估计方法,文中方法的精度更高,且较易实现。

摘要：结合高分辨率傅里叶变换方法,对相邻汽车位置进行了精确定位测量。相比经典谱估计方法,文中所提方法在距离测量过程中避免了繁重的矩阵运算,仅通过迭代运算即可实现精确测量。由于该方法实现简单,仅为现有傅里叶变换的扩展,在车载系统中将会获得实时处理的效果,文末的仿真实验验证了该方法的有效性和实用性。

关键词：高分辨测距,傅里叶变换,防撞雷达

参考文献

[1]张建辉,刘国岁,顾红,等.编码步进调频连续波信号在汽车防撞雷达中的应用[J].电子学报,2001,29(6):943-946.

[2]郑安文.高速公路行车间距分析与防追尾装置开发[J].武汉理工大学学报,2002,24(9):62-65.

[3]周伟,曾利华,陆坤.超声波电子倒车雷达的研制[J].测控技术,2006,25(4):8-10.

[4]龚微寒.汽车现代设计制造[M].北京:人民交通出版社,1995.

[5]布赖姆E O.快速傅里叶变换[M].柳群,译.上海:上海科学技术出版社,1979.

本文来自古文书网(www.gwbook.cn)，转载请保留网址和出处

建筑工程施工图识读02-05

大班科学教案生活中的信号02-05

以项目为载体的《施工图识读与会审》课程设计探讨02-05