利用偏振毫米波MIMO雷达对动态脆弱道路使用者进行分类

《IEEE Transactions on Radar Systems》：Classification of Dynamic Vulnerable Road Users Using a Polarimetric mm-Wave MIMO Radar

　　动态脆弱道路用户（VRUs）分类中，极化车载MIMO雷达结合多极化数据提升角分辨率，通过分析距离-速度特征构建贝叶斯分类器和CNN模型，结果显示极化信息显著提高VRUs及目标分类性能，验证了极化雷达在自动驾驶安全中的价值。

　　

摘要：

本文探讨了利用极化汽车雷达对动态弱势道路使用者（VRUs）进行分类的方法。为此，提出了一种极化汽车MIMO雷达的信号处理流程，该流程包括通过结合所有极化通道的数据来提高角度分辨率的方法。所提出的信号处理流程应用于使用与Huber+Suhner AG合作开发的定制汽车极化雷达收集的三种不同类型VRUs和一辆汽车的测量数据。从测量目标的距离-速度特征中提取了几种极化特征，并对其进行了分析。随后提出了基于贝叶斯分类器和卷积神经网络（CNN）的分类方法，并将其性能与仅使用单极化信息的分类方法进行了比较。研究发现，与仅使用单极化信息的相同分类器相比，贝叶斯分类器的分类性能显著提升；对于基于CNN的分类器，利用目标距离-速度特征的极化分布也能提高其分类性能。这表明极化信息在汽车雷达中对VRUs和其他感兴趣对象的分类具有很高的价值。

引言

近年来，越来越多的车辆配备了77 GHz汽车雷达，以实现诸如自适应巡航控制等高级驾驶辅助系统，并提高道路安全性。这些雷达系统在车辆中的集成程度不断提高，不仅对车辆驾驶员本身有益，也能使其他道路使用者受益。特别是对于弱势道路使用者（VRUs）来说更为如此，他们通常包括行人和骑自行车的人。在与车辆发生事故时，他们特别容易受到伤害，因为他们没有任何用于分散冲击力的保护结构或装置，而汽车则配备了这些装置。由于他们的脆弱性以及汽车安全要求的不断提高，在荷兰，近年来最致命的交通事故受害者通常是骑自行车的人，超过了汽车乘员的数量[1]。