用于高效雷达预处理的方法与流程

1.一种用于预处理数据以供机器学习模型进一步处理的方法，所述方法包括：

2.如权利要求1所述的方法，其中，基于在先前时间段期间生成的样本数据来选择用于所述一时间段的所述第一子集的(m个)距离仓。

3.如权利要求1或2所述的方法，其中，用以确定所述第二子集的(n个)距离仓的准则包括，相应距离仓的样本数据是否指示已经检测到感兴趣物体。

4.如先前权利要求中任一项所述的方法，其中，对所述第一子集的(m个)距离仓的样本数据进行评估包括：

5.如权利要求4所述的方法，其中，基于计算出的误检测的概率来调整该阈值。

6.如先前权利要求中任一项所述的方法，其中，所述计算数据是到达角数据。

7.如权利要求6所述的方法，其中，所述到达角数据基于从来自第一接收天线的第一接收信号生成的第一样本数据和从来自第二接收天线的第二接收信号生成的第二样本数据来计算。

8.如先前权利要求中任一项所述的方法，还包括：

9.如先前权利要求中任一项所述的方法，其中，所述发射信号和所述接收信号是雷达信号。

10.如先前权利要求中任一项所述的方法，其中，所述发射信号是调频连续波雷达信号，并且所述一时间段基于发射信号的chirp周期来确定。

11.如先前权利要求中任一项所述的方法，其中，所述机器学习模型适于：

12.一种用于对数据进行预处理以供具有时间动态性的机器学习模型(109)进一步处理的系统(100)，所述系统被配置为接收发射信号和接收信号，并且所述系统包括处理器(108)，所述处理器被配置为：

13.如权利要求12所述的系统(100)，其中，所述处理器(108)被配置为：

14.如权利要求12或13所述的系统(100)，其中，所述处理器(108)被配置为：

15.如权利要求12-14中任一项所述的系统(100)，其中，所述处理器(108)被配置为：

16.如权利要求12-15中任一项所述的系统(100)，还包括传感器(105)和机器学习模型(109)，所述传感器包括一个或多个发射天线(101)以及一个或多个接收天线(102)，所述传感器和所述机器学习模型集成在单个半导体芯片中。