导读:本文包含了毫米波雷达论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:毫米波,目标,车辆,视觉,机器,神经网络,汽车。
毫米波雷达论文文献综述
陈秀娟[1]（2019）在《行易道深耕毫米波雷达》一文中研究指出出于对车用雷达市场的看好,行易道推出了基于77GHZ的新款中程和近程毫米波雷达。随着自动驾驶快速的发展,毫米波雷达的市场空间不断扩大,如何突破市场壁垒大展身手,是初创企业需要考虑的事。"对于汽车的传感器来说,毫米波雷达的未来不可替代。随着人类技术的更新换代,各个零部件会发生各种各样的革命和提升,但是雷达这种形式不会消失,这种传感器的能力和(本文来源于《汽车观察》期刊2019年12期）
赵望宇,李必军,单云霄,徐豪达[2]（2019）在《融合毫米波雷达与单目视觉的前车检测与跟踪》一文中研究指出对现有融合雷达与视觉的车辆检测方法进行改进,增加目标跟踪过程,进一步提升城市复杂环境下智能车前方车辆信息感知的准确性。首先,针对雷达数据处理,提出一种基于层次聚类的雷达杂波剔除方法;其次,针对视觉数据处理,提出一种基于目标景深的自适应车辆检测方法;最后,提出一种基于核相关滤波器(kernelized correlation filter,KCF)-扩展卡尔曼滤波(extended Kalman filter,EKF)组合滤波的目标跟踪方法,对车辆几何与运动信息进行了有效估计。通过在不同交通环境与天气状况下进行实车实验,结果证明,该方法具有更好的可靠性与鲁棒性。(本文来源于《武汉大学学报(信息科学版)》期刊2019年12期）
牛萍娟,刘雷[3]（2019）在《基于神经网络的毫米波雷达与视觉传感器联合标定方法》一文中研究指出为提高毫米波雷达与摄像机联合标定的标定精度并缩短标定时间,提出了一种基于神经网络的毫米波雷达与摄像机的联合标定方法,利用神经网络的非线性映射能力直接建立毫米波雷达坐标系下的目标与其在图像像素坐标系下的映射关系;采用测试样本对所建立的神经网络进行泛化能力评估,并与传统的联合标定方法进行对比。结果表明:与传统标定方法相比,该方法操作简单,标定精度高且标定时间短,在验证集上的总体平均标定误差为0.160 89像素,时间为100 s,重投影后在X、Y方向上的图像残差方差分别为0.001 8、0.002 1,表明该方法具有很好的稳定性。(本文来源于《天津工业大学学报》期刊2019年05期）
于渊,郑银香,赵成林,魏子平,陶艺文[4]（2019）在《车载毫米波雷达目标检测与定位技术研究》一文中研究指出车载毫米波雷达以其高带宽、极强的穿透能力,将成为5G时代车联网的重要组成部分。其中,车辆附近目标的高效检测与定位是目前车载毫米波雷达领域亟待解决的重要问题。对车载雷达的发展概况进行简述,总结了车载毫米波雷达领域目标检测与定位技术的概况、技术原理以及存在挑战。此外,提出基于接收信号强度与信号到达角度指纹的目标联合检测与定位技术框架,通过贝叶斯序贯推理框架完成高效目标检测与精确定位。仿真结果显示,所提新框架相较于传统方法在目标检测概率以及定位精度方面有明显提升。(本文来源于《移动通信》期刊2019年11期）
张杰[5]（2019）在《一种提高车载毫米波雷达天线隔离度的方法》一文中研究指出本文提出了一种用于连续波雷达中增加收发天线隔离度的方法。通过在收发天线间适当的位置增加一个虚元的方式,简单有效的提高了收发天线间同频的隔离度。该方法是基于天线电路模型中接收天线有效匹配时,不但接收空间电磁能量,并且同时在辐射电磁能量的特点,控制虚元二次辐射来自发射天线的电磁波到达接收天线的幅相,使之与由发射天线直接到达接收天线的同频电磁波达到幅度接近,相位相反从而相互抵消,提高了收发天线间的隔离度。此种方法在天线孔径尺寸有限的情况下具有明显的效果,在本文的案例中,收发天线隔离度相对于没有虚元的情况下提高了9dB。(本文来源于《价值工程》期刊2019年30期）
魏涛,韩经鲁,周雨辉,曹志博[6]（2019）在《基于机器学习的毫米波雷达车辆目标检测》一文中研究指出为了提高毫米波雷达对前方车辆检测的准确性,本文提出一种基于机器学习的前方车辆检测方法。结果表明,该方法满足智能客车环境感知系统对于实时性和准确性的要求。(本文来源于《客车技术与研究》期刊2019年05期）
刘保祥[7]（2019）在《基于毫米波雷达的汽车盲区监测系统研究》一文中研究指出提出一套基于毫米波雷达的汽车盲区监测系统设计方案。详细论述了盲区监测系统的基本原理、测试方法,并将该系统装配在实车上进行验证测试,实车测试结果表明,设计的盲区监测系统可以对左右相邻车道10 m以内的目标车进行实时监测,当目标车持续靠近装有盲区监测系统的车辆时,盲区监测系统及时给驾驶员提供预警信息,避免发生汽车碰撞,极大提升了汽车的智能驾驶辅助水平。(本文来源于《北京汽车》期刊2019年05期）
武丹丹,吴飞燕,张起朋[8]（2019）在《车载毫米波雷达测试方法研究》一文中研究指出近年来,行车安全一直是世界范围内大家关注的焦点。行车安全的重点在于汽车防碰撞,汽车防碰撞系统的关键在于毫米波雷达的射频性能及目标识别性能。因此对毫米波雷达性能的研究和测试,是至关重要的。本文通过对雷达测试设备、雷达测试项目及测试方法进行论述,利用雷达目标模拟器、频谱分析仪、干扰信号发生器等设备在测试暗箱中对雷达目标的模拟以及对雷达信号的分析,实现雷达射频性能、目标识别性能的精准测试。(本文来源于《2019中国汽车工程学会年会论文集（4）》期刊2019-10-22）
周小钧,高利,赵亚男[9]（2019）在《一种复杂交通环境下的毫米波雷达目标跟踪方法》一文中研究指出车载毫米波雷达是智能驾驶环境感知系统中重要的传感器,为实现车载毫米波雷达目标跟踪的稳定性、实时性和精确性,本文设计了一种基于联合概率数据关联(JPDA)的雷达目标跟踪算法,并提出了一种对传统JPDA算法的改进方式,该方式考虑了车载毫米波雷达运行的实际工况,通过改进点迹的选取方式以及利用生命周期理论简化关联事件的生成两个步骤,对传统JPDA算法进行了简化,解决了传统JPDA算法在密集目标环境下的组合爆炸问题,以及毫米波雷达虚警和漏检带来的数据不连贯、不稳定问题,实现了跟踪的稳定性和实时性;同时本文采用常加速度模型结合Kalman滤波对雷达目标运动状态进行了估计,解决了前后帧雷达目标运动状态不连续以及雷达信息中的噪声问题,实现了跟踪的精确性。实验结果表明:在复杂交通环境下,该毫米波雷达跟踪算法相较于传统JPDA算法,运算速率提升了50. 5%,稳定性提升了78. 46%。(本文来源于《公路交通科技(应用技术版)》期刊2019年10期）
曹孟德,张铖,黄永明,王海明,宫玉琴[10]（2019）在《FMCW车载毫米波雷达空时码信号处理方案》一文中研究指出空时分组码是无线通信系统中的一种抗信道衰落和提高系统容量的编码方法,能够同时获得分集增益和编码增益。由此将MIMO通信和MIMO脉冲雷达中应用较多的空时分组码引入FMCW车载毫米波雷达信号处理中,通过对发射信号和接收信号的编码解耦,形成更大天线孔径的虚拟阵列,提高了系统角度分辨率。相比于基于时间分集的虚拟阵列算法,基于空时分组码的虚拟阵列算法能够在单天线功率受限的场景下,获得多根天线同时工作带来的功率增益。同时,针对空时分组码中目标运动带来的相位误差问题,根据FMCW车载毫米波雷达低复杂度的系统需求,设计了一种适用于相干目标的运动相位校准算法。仿真结果表明,基于空时分组码的FMCW车载毫米波雷达信号处理算法相比于已有算法能够获得更好的系统性能。(本文来源于《雷达科学与技术》期刊2019年05期）
毫米波雷达论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
对现有融合雷达与视觉的车辆检测方法进行改进,增加目标跟踪过程,进一步提升城市复杂环境下智能车前方车辆信息感知的准确性。首先,针对雷达数据处理,提出一种基于层次聚类的雷达杂波剔除方法;其次,针对视觉数据处理,提出一种基于目标景深的自适应车辆检测方法;最后,提出一种基于核相关滤波器(kernelized correlation filter,KCF)-扩展卡尔曼滤波(extended Kalman filter,EKF)组合滤波的目标跟踪方法,对车辆几何与运动信息进行了有效估计。通过在不同交通环境与天气状况下进行实车实验,结果证明,该方法具有更好的可靠性与鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
毫米波雷达论文参考文献
[1].陈秀娟.行易道深耕毫米波雷达[J].汽车观察.2019
[2].赵望宇,李必军,单云霄,徐豪达.融合毫米波雷达与单目视觉的前车检测与跟踪[J].武汉大学学报(信息科学版).2019
[3].牛萍娟,刘雷.基于神经网络的毫米波雷达与视觉传感器联合标定方法[J].天津工业大学学报.2019
[4].于渊,郑银香,赵成林,魏子平,陶艺文.车载毫米波雷达目标检测与定位技术研究[J].移动通信.2019
[5].张杰.一种提高车载毫米波雷达天线隔离度的方法[J].价值工程.2019
[6].魏涛,韩经鲁,周雨辉,曹志博.基于机器学习的毫米波雷达车辆目标检测[J].客车技术与研究.2019
[7].刘保祥.基于毫米波雷达的汽车盲区监测系统研究[J].北京汽车.2019
[8].武丹丹,吴飞燕,张起朋.车载毫米波雷达测试方法研究[C].2019中国汽车工程学会年会论文集（4）.2019
[9].周小钧,高利,赵亚男.一种复杂交通环境下的毫米波雷达目标跟踪方法[J].公路交通科技(应用技术版).2019
[10].曹孟德,张铖,黄永明,王海明,宫玉琴.FMCW车载毫米波雷达空时码信号处理方案[J].雷达科学与技术.2019
论文知识图
