基于MIMO雷达的运动特性与边界先验知识融合室内多目标跟踪方法

《Chinese Journal of Electronics》:Indoor Multi-Target Tracking Exploiting Target Motion Characteristics and Prior Boundary Knowledge Using Multiple-Input Multiple-Output Radar

【字体: 大 中 小 】 时间:2026年01月04日 来源:Chinese Journal of Electronics 3

编辑推荐:

  本文针对室内多目标跟踪中存在的多径效应和目标间相互干扰问题,提出了一种融合目标运动特性(TMC)和边界先验知识(PBK)的MIMO雷达跟踪方法。通过长短时预处理分离强弱目标,结合边界约束消除多径干扰,采用多状态轨迹管理策略,实现了平均跟踪误差小于0.1米、人员计数准确率达97.26%的优异性能,为智能家居场景提供高精度感知方案。

  
在智能家居和智慧城市快速发展的今天,室内人员感知技术正成为人机交互领域的关键支撑。然而,传统的惯性测量单元(IMU)需要佩戴设备造成不适,视觉技术受光照影响且存在隐私泄露风险,WiFi技术则因通信波形设计限制导致性能受限。相较而言,毫米波雷达凭借其不受烟雾光照影响、保护隐私且能穿透障碍的独特优势,正在跌倒检测、生命体征监测等室内应用场景展现出巨大潜力。
尽管雷达技术具有明显优势,但室内多目标跟踪仍面临严峻挑战:目标间回声信号的相互干扰会产生虚假关联,复杂的多径效应会形成鬼影目标,而目标运动状态的动态变化(如静止、行走、遮挡)更会导致轨迹丢失。现有单芯片雷达方案在目标靠近时易出现轨迹混淆,而多传感器融合方案又显著增加系统复杂度和成本。为解决这些难题,深圳大学联同盛等人创新性地提出了融合目标运动特性(TMC)和边界先验知识(PBK)的MIMO雷达跟踪方法。
研究人员首先设计了长短时预处理流程:短时杂波抑制通过当前帧与前一帧差分保留运动目标信息,长时杂波抑制采用多帧滑动平均消除静态杂波。随后通过Capon算法生成距离-方位图,分别采用OS-CFAR和有效峰值算法检测强目标和弱目标,并利用DBSCAN聚类生成强弱测量集。值得一提的是,团队创新性地通过单人边界环游实验获取先验边界,采用网格化处理和聚类分析确定活动区域,有效滤除边界外多径干扰。
在轨迹管理方面,研究团队根据运动状态将轨迹分为瞬态轨迹、确认轨迹和删除轨迹三类。确认轨迹又进一步细分为动态/静态轨迹、遮挡/非遮挡轨迹。针对不同轨迹类型采用差异化关联策略:初始关联阶段所有轨迹与强测量集进行椭圆门限关联,静态轨迹和遮挡轨迹则启动二次关联与弱测量集匹配。这种分层处理机制既保证了对运动目标的精准跟踪,又通过弱测量辅助有效解决了静止目标丢失问题。
实验验证环节在5m×3m的真实室内场景展开,搭载SC1220AT2雷达模块(工作频率60GHz,带宽1.5GHz,距离分辨率0.1m)采集数据。在单人(S1/S2)、双人(D1/D2)、三人(T1/T2)和四人(Qu)七种场景下,该方法在X方向平均误差0.0537m,Y方向0.0556m,欧氏距离误差0.0996m。特别是在人员随机活动的计数测试中,该方法以97.26%的平均准确率显著优于仅用卡尔曼滤波(33.29%)、单独使用TMC(33.06%)或PBK(76.74%)的对比方案。
关键技术方法包括:1)基于长短时预处理的强弱目标分离技术;2)结合DBSCAN聚类和最近邻准则的测量集生成方法;3)基于单人边界环游实验的先验边界确定方案;4)多状态轨迹分类与管理机制;5)强弱测量集分层数据关联策略。
研究结果验证部分通过精心设计的实验方案系统评估了算法性能。在跟踪精度方面,七种场景的轨迹与预设路径对比显示,所有场景的欧氏距离误差均低于0.12m,其中双人场景D1达到0.0885m的最佳精度。人员计数实验则通过五种对比方案验证了TMC-PBK融合策略的有效性:当人数增至4人时,该方法仍保持86.68%的计数准确率,而对比方案最高仅达63.03%。值得注意的是,先验边界虽然与真实边界存在约0.2m误差,但由于人体体积因素和雷达距离分辨率限制,这种误差在实际应用中是可接受的。
讨论部分通过与传统方法的对比凸显了创新价值:相比需要大量训练数据的CNN-BMMF方法(准确率89.4%)和MMSM方法(97.45%),本方法无需预训练且适应环境变化;较之需要双雷达的IMDT方案(误差~10cm)和单目标跟踪的MID方案(误差16cm),本方案在单雷达条件下实现了多目标跟踪与计数的双重优化。作者也指出当目标运动速度超过2m/s时跟踪效果可能下降,这为未来研究指明了改进方向。
这项发表于《Chinese Journal of Electronics》的研究成功解决了室内多目标跟踪中的关键难题,通过运动状态自适应跟踪策略和边界约束机制,在保证精度的同时显著提升了系统实用性。该技术为智能家居、安防监控等场景提供了可靠的感知解决方案,特别是其无需穿戴设备、保护隐私的特点,使其在养老监护等敏感场景具有独特优势。未来工作可进一步优化高速运动目标跟踪性能,并探索与人工智能技术的深度融合。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号