毫米波雷达的多密度聚类算法研究
发布时间：2020-12-30 13:33
毫米波雷达作为一种常见的传感器,以其探测范围大、探测精度高、抗干扰能力强的优点,正在逐渐成为如车载雷达、避障雷达的首选传感器。随着毫米波雷达的载波频率逐渐由24GHz向77GHz进行迁移,毫米波雷达的分辨率也越来越高,同一目标的反射回波数量也随之增加。因而需要采取一定聚类策略来简化目标个数,方便后续的跟踪处理环节随着数据挖掘方面的成熟,聚类算法已经有了很多的发展和进步。但是针对毫米波雷达特征的聚类算法的研究却相对较少,该领域具有很大的研究空间。基于此,本文针对毫米波雷达的聚类算法进行了研究,主要包括如下几个部分:1、研究毫米波雷达探测目标的数据分布特征,获得探测目标的分布规律。介绍毫米波雷达聚类中的通用方案——DBSCAN算法,验证DBSCAN算法在常见均匀数据集下聚类效果的有效性。针对DBSCAN算法在多密度数据集分布下的聚类性能缺点作了验证。2、针对DBSCAN算法在不均匀、多密度分布下的数据集的缺陷,在DBSCAN算法基础上提出了新的算法思路。引入了数据分区的思想。提出了将网格聚类和密度聚类思路结合起来的分区密度聚类算法GDBSCAN算法,将算法需要的输入变量由全局变量转换为多个...
【文章来源】： 孟庆愚 电子科技大学
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
毫米波雷达中国市场规模
电子科技大学硕士学位论文4频率Hz时间t发射信号回波信号图1-4 锯齿波波形发射信号与回波信号示意图 毫米波雷达算法中常用的检测方法是恒虚警率（CFAR）检测方法。在雷达信号检测中，当外界干扰强度变化后，雷达自动调整其灵敏度，使雷达的虚警概率保持不变。当检测目标的幅值超过CFAR阈值时，就可以认为此处存在目标。常用的检测算法有固定阈值检测、自适应阈值的CFAR检测和非参量CFAR检测。一般情况下常常采用CA-CFAR、OS-CFAR就可以满足要求。当然，如果遇到较为复杂的环境，可以根据实际情况选取合适的检测算法。1.2.2毫米波雷达研究现状毫米波雷达的研究开始于20世纪60年代，德国、美国、日本等发达国家最先展开了毫米波雷达的应用。早期的毫米波雷达主要应用在各大汽车厂商的防撞雷达上。随着汽车逐渐作为日常必需品进入家庭生活，进一步引起了各大厂商对毫米波雷达的重视。从20世纪末到21世纪初，毫米波雷达产业迅速发展。目前毫米波雷达的关键技术主要由博世、富士通、大陆等传统汽车巨头所垄断，但是核心技术对中国封锁。图1-52018年全球毫米波雷达市场集中情况
第二章毫米波雷达的多目标检测与聚类算法15基于密度的聚类算法。基于密度的聚类算法思路简单，可以发现任何形状的簇，很好的识别噪点，DBSCAN算法是最典型的毫米波雷达中应用的聚类算法[29]。2.3.1DBSCAN算法基本概念DBSCAN算法需要设置两个参数：Eps邻域和MinPts密度阈值，这两个值通常在实际需求中设置调节。下面对DBSCAN算法进行详细介绍。定义1：Eps邻域、MinPts密度阈值:以给定对象P为圆心，半径为Eps的圆形区域，称之为对象P的Eps邻域。判断对象P在邻域内是否属于核心点的门限值称之为MinPts密度阈值。rp图2-6 对象P的Eps邻域 定义2：核心点、边界点、噪点:如果对于给定对象P，在P的Eps邻域内的对象数至少包含MinPts个数量，则认为P是核心点。否则，如果P在其他核心对象的邻域内，但其本身不属于核心对象，则将P认为是边界点。既不是核心对象又不是边界对象的则认为是噪点。如图2-7所示：核心点P边界点Q噪点N图2-7核心点、边界点、噪点
【参考文献】：
期刊论文
[1]K-Means聚类算法研究综述[J]. 杨俊闯,赵超. 计算机工程与应用. 2019(23)
[2]车载毫米波雷达国内外发展现状综述[J]. 韩宝石,王峥. 数字通信世界. 2019(09)
[3]基于文本挖掘的自动非负矩阵分解的层次聚类方法[J]. 张文硕,许艳春,谢术芳. 江苏科技信息. 2019(04)
[4]DBSCAN算法研究及并行化实现[J]. 宋董飞,徐华. 计算机工程与应用. 2018(24)
[5]基于OPTICS聚类的差分隐私保护算法的改进[J]. 王红,葛丽娜,王苏青,王丽颖,张翼鹏,梁竣程. 计算机应用. 2018(01)
[6]一种改进的自适应快速AF-DBSCAN聚类算法[J]. 周治平,王杰锋,朱书伟,孙子文. 智能系统学报. 2016(01)
[7]密度不敏感的近邻传播聚类算法研究[J]. 冯晓磊,于洪涛. 计算机工程. 2012(02)
[8]改进的共享最近邻聚类算法[J]. 李霞,蒋盛益. 计算机工程与应用. 2011(08)
[9]网格聚类算法[J]. 赵慧,刘希玉,崔海青. 计算机技术与发展. 2010(09)
[10]基于网格分区确定DBSCAN参数的方法[J]. 庞洋,徐巧凤. 计算机与现代化. 2010(05)
硕士论文
[1]基于毫米波雷达的防撞预警系统设计[D]. 顾晓.南京大学 2019
[2]基于DBSCAN的空间聚类算法研究与实现[D]. 刘勇.云南大学 2017
[3]聚类分析中基于密度算法的研究与改进[D]. 林泽桢.复旦大学 2013
本文编号：2947729
【文章来源】： 孟庆愚 电子科技大学
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
毫米波雷达中国市场规模
电子科技大学硕士学位论文4频率Hz时间t发射信号回波信号图1-4 锯齿波波形发射信号与回波信号示意图 毫米波雷达算法中常用的检测方法是恒虚警率（CFAR）检测方法。在雷达信号检测中，当外界干扰强度变化后，雷达自动调整其灵敏度，使雷达的虚警概率保持不变。当检测目标的幅值超过CFAR阈值时，就可以认为此处存在目标。常用的检测算法有固定阈值检测、自适应阈值的CFAR检测和非参量CFAR检测。一般情况下常常采用CA-CFAR、OS-CFAR就可以满足要求。当然，如果遇到较为复杂的环境，可以根据实际情况选取合适的检测算法。1.2.2毫米波雷达研究现状毫米波雷达的研究开始于20世纪60年代，德国、美国、日本等发达国家最先展开了毫米波雷达的应用。早期的毫米波雷达主要应用在各大汽车厂商的防撞雷达上。随着汽车逐渐作为日常必需品进入家庭生活，进一步引起了各大厂商对毫米波雷达的重视。从20世纪末到21世纪初，毫米波雷达产业迅速发展。目前毫米波雷达的关键技术主要由博世、富士通、大陆等传统汽车巨头所垄断，但是核心技术对中国封锁。图1-52018年全球毫米波雷达市场集中情况
第二章毫米波雷达的多目标检测与聚类算法15基于密度的聚类算法。基于密度的聚类算法思路简单，可以发现任何形状的簇，很好的识别噪点，DBSCAN算法是最典型的毫米波雷达中应用的聚类算法[29]。2.3.1DBSCAN算法基本概念DBSCAN算法需要设置两个参数：Eps邻域和MinPts密度阈值，这两个值通常在实际需求中设置调节。下面对DBSCAN算法进行详细介绍。定义1：Eps邻域、MinPts密度阈值:以给定对象P为圆心，半径为Eps的圆形区域，称之为对象P的Eps邻域。判断对象P在邻域内是否属于核心点的门限值称之为MinPts密度阈值。rp图2-6 对象P的Eps邻域 定义2：核心点、边界点、噪点:如果对于给定对象P，在P的Eps邻域内的对象数至少包含MinPts个数量，则认为P是核心点。否则，如果P在其他核心对象的邻域内，但其本身不属于核心对象，则将P认为是边界点。既不是核心对象又不是边界对象的则认为是噪点。如图2-7所示：核心点P边界点Q噪点N图2-7核心点、边界点、噪点
【参考文献】：
期刊论文
[1]K-Means聚类算法研究综述[J]. 杨俊闯,赵超. 计算机工程与应用. 2019(23)
[2]车载毫米波雷达国内外发展现状综述[J]. 韩宝石,王峥. 数字通信世界. 2019(09)
[3]基于文本挖掘的自动非负矩阵分解的层次聚类方法[J]. 张文硕,许艳春,谢术芳. 江苏科技信息. 2019(04)
[4]DBSCAN算法研究及并行化实现[J]. 宋董飞,徐华. 计算机工程与应用. 2018(24)
[5]基于OPTICS聚类的差分隐私保护算法的改进[J]. 王红,葛丽娜,王苏青,王丽颖,张翼鹏,梁竣程. 计算机应用. 2018(01)
[6]一种改进的自适应快速AF-DBSCAN聚类算法[J]. 周治平,王杰锋,朱书伟,孙子文. 智能系统学报. 2016(01)
[7]密度不敏感的近邻传播聚类算法研究[J]. 冯晓磊,于洪涛. 计算机工程. 2012(02)
[8]改进的共享最近邻聚类算法[J]. 李霞,蒋盛益. 计算机工程与应用. 2011(08)
[9]网格聚类算法[J]. 赵慧,刘希玉,崔海青. 计算机技术与发展. 2010(09)
[10]基于网格分区确定DBSCAN参数的方法[J]. 庞洋,徐巧凤. 计算机与现代化. 2010(05)
硕士论文
[1]基于毫米波雷达的防撞预警系统设计[D]. 顾晓.南京大学 2019
[2]基于DBSCAN的空间聚类算法研究与实现[D]. 刘勇.云南大学 2017
[3]聚类分析中基于密度算法的研究与改进[D]. 林泽桢.复旦大学 2013
本文编号：2947729
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2947729.html
