（Human-vehicle classification using feature-based SVM in 77-GHz automotive FMCW radar）

汽車(chē)傳感器在防止和減少由汽車(chē)引起的事故中扮演著十分重要的角色。為了保障行人安全，通過(guò)使用汽車(chē)傳感器檢測(cè)來(lái)檢測(cè)行人是十分重要的。本文通過(guò)77-GHz調(diào)頻連續(xù)波雷達(dá)感知汽車(chē)周?chē)h(huán)境，利用基于支持向量機(jī)算法對(duì)人車(chē)進(jìn)行分類(lèi)。從而達(dá)到行人檢測(cè)的目的。

目前汽車(chē)?yán)走_(dá)通常使用在76-81GHz頻段運(yùn)行的調(diào)頻連續(xù)波（FMCW），本文采用77 GHz FMCW雷達(dá)系統(tǒng)進(jìn)行目標(biāo)分類(lèi)研究。為了準(zhǔn)確區(qū)分行人和車(chē)輛，本文通過(guò)定義一個(gè)新的參數(shù)，即根雷達(dá)截面（RRCS），來(lái)反映目標(biāo)的發(fā)射特性。它是基于傳統(tǒng)的雷達(dá)截面，通過(guò)使用頻域接收信號(hào)來(lái)定義的，反映了目標(biāo)的反射特征。為了定義這個(gè)參數(shù)，我們采用頻率域調(diào)頻連續(xù)波（FMCW）雷達(dá)信號(hào)的特性?；诖藚?shù)，從頻域接收到的FMCW雷達(dá)信號(hào)中提取出三個(gè)不同的信號(hào)特征，并成為支持向量機(jī)的分類(lèi)標(biāo)準(zhǔn)。首先，四分之三的數(shù)據(jù)用于訓(xùn)練支持向量機(jī)模型，其余的用于驗(yàn)證。然后對(duì)四個(gè)不同的測(cè)試集進(jìn)行四次目標(biāo)分類(lèi)，對(duì)每個(gè)分類(lèi)中出現(xiàn)的錯(cuò)誤進(jìn)行平均。最終結(jié)果顯示，目標(biāo)分類(lèi)較為有效，平均分類(lèi)準(zhǔn)確性大于90%。

此外，上述分類(lèi)方法可以實(shí)時(shí)操作，具有簡(jiǎn)單的分類(lèi)功能。而且該方法也能被用來(lái)在更真實(shí)的環(huán)境下對(duì)行人、車(chē)輛以及騎自行車(chē)人進(jìn)行分類(lèi)，并且表現(xiàn)出良好的分類(lèi)性能。為了通過(guò)支持向量機(jī)建立更精確的分類(lèi)功能，還需在實(shí)際的道路環(huán)境中進(jìn)行大量的測(cè)量。