CN101762808A - 基于自适应阈值的雷达脉冲提取方法 - Google Patents
基于自适应阈值的雷达脉冲提取方法 Download PDFInfo
- Publication number
- CN101762808A CN101762808A CN201010011878A CN201010011878A CN101762808A CN 101762808 A CN101762808 A CN 101762808A CN 201010011878 A CN201010011878 A CN 201010011878A CN 201010011878 A CN201010011878 A CN 201010011878A CN 101762808 A CN101762808 A CN 101762808A
- Authority
- CN
- China
- Prior art keywords
- pulse
- signal
- radar
- range value
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于自适应阈值的雷达脉冲提取方法,包括以下步骤:(1)对雷达信号提取包络;(2)对雷达包络进行平滑滤波;(3)对步骤(2)中得到的包络幅值按照现有K均值算法进行K均值聚类,得到雷达包络幅值的两个聚类中心,取两个聚类中心的均值作为最佳阈值,根据最佳阈值将信号分为脉冲信号和噪声部分,由此得到各个脉冲的起始位置和结束位置;(4)根据步骤(3)中得到的各个脉冲的起始位置和结束位置,对脉冲位置进行压缩或扩展的调整,调整的长度根据需要设定或采用默认值,根据调整后的脉冲位置提取出脉冲信号。本发明在包络基础上设置阈值,利用阈值提取脉冲,使阈值能够自动选取到最佳,能够更准确得到脉冲位置,更准确地提取脉冲。
Description
技术领域
本发明涉及一种用于雷达辐射源信号识别、分析或压缩的雷达脉冲提取方法。
背景技术
雷达信号的识别和特征分析在电子战中有重要作用。目前,复杂调制雷达信号逐渐增多,雷达信号的多样化和复杂化对雷达信号的分选识别提出了更高的要求。雷达信号的特征信息主要集中在脉冲内,因此,雷达信号的识别和特征提取都需要预先进行雷达脉冲提取。
在实际应用中,采集到的雷达信号数据量巨大,且有大量无效和冗余信息的存在,给雷达信号的传输、存储、识别和分析带来了困难,需要对采集到的雷达信号进行压缩。而对于脉冲内调制雷达信号,利用脉冲内数据而不是全部雷达数据进行存储和传输,可以保存雷达信号的所有调制信息。因此,实现雷达信号的压缩,可以预先进行雷达脉冲提取。
而传统的雷达脉冲检测提取多是对雷达回波信号进行处理,方法较多;针对雷达辐射源信号的提取方法,由于已知的辐射源信号先验知识更少,当前的方法并不多,主要利用信号的包络进行。脉冲提取方法主要有两类:一是对包络利用二次差分,计算脉冲的拐点进行提取;二是利用经验值设置一个阈值,利用阈值提取包络。但这两种方法脉冲的提取都不理想,前者受噪声影响较大,后者主要依靠经验值,局限性比较大。
发明内容
本发明针对现有雷达脉冲提取方法存在的不足,提供一种能够更准确得到脉冲位置和更准确提取脉冲的基于自适应阈值的雷达脉冲提取方法。
本发明的基于自适应阈值的雷达脉冲提取方法,包括以下步骤:
(1)对雷达信号提取包络幅值
如果接收机接收到的信号是正常的实采样信号,先进行希尔伯特变换,再提取包络幅值;如果接收机接收到的信号是由正交采样得到的复信号,则直接对信号提取包络幅值;
(2)对雷达包络幅值进行平滑滤波
设定滑动平均滤波器长度或采用滤波器默认长度,对步骤(1)中得到的包络幅值进行平滑滤波;采用滑动平均的方法进行去噪,设滑动窗口的大小(即滑动平均滤波器长度)为L,且L=2M+1,M为任意正整数,则窗函数:
利用窗函数W(n)与雷达包络进行卷积,实现对信号的平滑滤波;
L的大小根据需要设定,默认值为51(即滤波器默认长度为51)。
(3)对滤波后的雷达包络幅值K均值聚类,计算阈值,提取脉冲位置
对步骤(2)中得到的包络幅值按照现有K均值算法进行K均值聚类,得到雷达包络幅值的脉冲信号部分的聚类中心和噪声部分的聚类中心这两个聚类中心,取两个聚类中心的均值作为最佳阈值,根据最佳阈值将信号分为脉冲信号和噪声部分,由此得到各个脉冲的起始位置和结束位置;
(4)提取出脉冲信号
根据步骤(3)中得到的各个脉冲的起始位置和结束位置,并结合具体的应用背景,对脉冲位置进行压缩或扩展的调整,调整的长度根据需要设定或采用默认值,根据调整后的脉冲位置提取出脉冲信号;
假设提取的第i个脉冲的边界分别为thstart(i)(起始边界)、thend(i)(结束边界),则根据不同需要确定的最后脉冲位置Pstart(i)(起始位置)、Pend(i)(结束位置)为:
式中,l为压缩或扩展的信号点数,当进行雷达信号识别时,l为负;进行雷达信号分析时,l为正;l的大小可以根据实际需要设定,默认大小为雷达信号脉冲宽度的10%。
本发明的雷达脉冲提取方法,是在包络基础上设置阈值,利用阈值提取脉冲,使阈值能够自动选取到最佳,而不是按照经验值设置,能够更准确得到脉冲位置,进而更准确地提取脉冲。
附图说明
图1是本发明的雷达信号脉冲提取过程示意图。
具体实施方式
如图1所示,雷达接收机(或接收端)实现对信号的数据采集(采样或正交采样),得到数据信号后,按本发明所述方法进行具体的脉冲提取,详细步骤如下:
(1)雷达信号包络幅值提取:根据具体情况的不同,直接对信号提取包络幅值;或者先对信号进行希尔伯特(Hilbert)变换,然后提取包络幅值。
包络幅值特征反映了信号的能量特征,因此雷达信号中有脉冲时的包络幅值要大于无脉冲时的值。根据实际应用中接收机的不同,接收到的信号有可能是正常的实采样信号,也可能是由正交采样得到的复信号。对于复信号,可以直接得到信号的幅值;对于实采样信号,首先进行希尔伯特变换,然后再提取包络幅值。
(2)对包络幅值进行平滑滤波:对包络幅值进行平滑滤波,根据需要设定滑动平均滤波器长度或采用滤波器默认长度,对步骤(1)中得到的包络进行平滑滤波。
平滑滤波主要用于去除包络中的噪声,减小噪声的影响,提高脉冲提取的鲁棒性。本发明采用滑动平均的方法进行去噪。设滑动窗口的大小为L,且L=2M+1,则窗函数:
利用窗函数W(n)与雷达包络进行卷积,实现对信号的平滑滤波。经过窗口平滑滤波以后,噪声方差变为原来的1/L.而由于信号包络自身的相关性很大,平滑后变化并不大。经过滑动窗口平均可以有效的降低噪声的影响。L的大小可以根据需要设定,默认值为51.
(3)对滤波后的包络幅值进行K均值聚类,计算阈值,提取脉冲位置。对步骤(2)中得到的包络幅值按照K均值算法进行K均值聚类,得到雷达包络幅值的脉冲信号部分的聚类中心和噪声部分的聚类中心这两个聚类中心,选取聚类中心的均值作为最佳阈值,根据阈值将信号分为脉冲信号和噪声部分,得到各个脉冲的起始位置和结束位置。
实际接收到的雷达信号,在雷达脉冲开期间,有雷达信号存在;在脉冲关期间,只有噪声而没有信号,由于接收到的雷达信号的信噪比、占空比都是未知的,因此阈值并不容易确定。
本发明把阈值的确定问题转化为分类问题,脉冲信号和噪声分开的最佳阈值定为分类的最佳分界点,由于已知输入信号和聚类数目,采用现有经典的k均值聚类(参见,模式分类:Richard O.Duda,Peter E.Hurt,David G.Stork著;李宏东,姚天翔等译.-北京:机械工业出版社,2003.9)的方法寻找两类信号的最佳分界点;
利用k均值聚类算法的过程如下:
①为每个聚类确定一个初始的聚类中心cj,这样k个聚类存在k个聚类中心;
②将样本集中的每一个样本按照最小距离原则
Dj=min{‖x-cj‖},x∈DataSet,j=1,2,...,k
分配到k个聚类中的某一个;其中,x为每一个样本点,cj为第j个聚类中心,Dj为以cj为聚类中心的类;
③使用每个聚类中所有样本的均值作为新的聚类中心cj′
④如果聚类中心有变化则重复第②、③步直到聚类中心不再变化为止;
⑤最后得到的k个聚类中心就是聚类的结果;
由上述K均值聚类方法可以得到雷达包络幅值的两个聚类中心,取两个聚类中心的均值作为最佳阈值,取得了最佳阈值后,根据最佳阈值将信号分为两部分:对于包络幅值大于阈值的部分,是有信号的部分;包络幅值小于阈值的部分,只有噪声而没有信号,由此得到各个脉冲的开始位置和结束位置;
(4)提取出脉冲信号。根据步骤(3)中得到的各个脉冲个起始位置和结束位置,并结合具体的应用背景,对脉冲位置进行压缩调整或扩展调整,调整的长度可根据需要设定,或采用默认值,根据调整后的脉冲位置提取出脉冲信号。
(5)由得到的脉冲起始位置,结合具体的应用背景,对脉冲位置进行调整,实现脉冲提取。
根据步骤(3)中得到的脉冲起始位置和结束位置,结合不同的应用背景,提取出需要的雷达信号脉冲。例如,当进行雷达信号识别时,脉冲边界对识别结果影响不大,为了更准确进行识别,可以将脉冲边界向脉冲内部压缩;如果进行雷达信号分析,需要更多的边界信息(雷达的上升沿、下降沿特征等),可以将已知的脉冲边界向脉冲外部扩展。
假设提取的第i个脉冲的边界分别为thstart(i)(起始边界)、thend(i)(结束边界),则根据不同需要确定的最后脉冲位置Pstart(i)(起始位置)、Pend(i)(结束位置)为:
式中,l为压缩或扩展的信号点数,当进行雷达信号识别时,l为负;进行雷达信号分析时,l为正;l的大小可以根据实际需要设定,默认大小为雷达信号脉冲宽度的10%。
Claims (3)
1.一种基于自适应阈值的雷达脉冲提取方法,其特征是,包括以下步骤:
(1)对雷达信号提取包络幅值
如果接收机接收到的信号是正常的实采样信号,先进行希尔伯特变换,再提取包络幅值;如果接收机接收到的信号是由正交采样得到的复信号,则直接对信号提取包络幅值;
(2)对雷达包络幅值进行平滑滤波
设定滑动平均滤波器长度或采用滤波器默认长度,对步骤(1)中得到的包络幅值进行平滑滤波;采用滑动平均的方法进行去噪,设滑动平均滤波器长度为L,且L=2M+1,M为任意正整数,则窗函数:
利用窗函数W(n)与雷达包络进行卷积,实现对信号的平滑滤波;
(3)对滤波后的雷达包络幅值K均值聚类,计算阈值,提取脉冲位置
对步骤(2)中得到的包络幅值按照现有K均值算法进行K均值聚类,得到雷达包络幅值的脉冲信号部分的聚类中心和噪声部分的聚类中心这两个聚类中心,取两个聚类中心的均值作为最佳阈值,根据最佳阈值将信号分为脉冲信号和噪声部分,由此得到各个脉冲的起始位置和结束位置;
(4)提取出脉冲信号
根据步骤(3)中得到的各个脉冲的起始位置和结束位置,对脉冲位置进行压缩或扩展的调整,调整的长度根据需要设定或采用默认值,根据调整后的脉冲位置提取出脉冲信号。
2.根据权利要求1所述的基于自适应阈值的雷达脉冲提取方法,其特征是,所述步骤(2)中滤波器默认长度值为51。
3.根据权利要求1所述的基于自适应阈值的雷达脉冲提取方法,其特征是,所述步骤(4)中调整的长度采用默认值时默认值为雷达信号脉冲宽度的10%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010100118787A CN101762808B (zh) | 2010-01-15 | 2010-01-15 | 基于自适应阈值的雷达脉冲提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010100118787A CN101762808B (zh) | 2010-01-15 | 2010-01-15 | 基于自适应阈值的雷达脉冲提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101762808A true CN101762808A (zh) | 2010-06-30 |
CN101762808B CN101762808B (zh) | 2012-01-25 |
Family
ID=42494094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010100118787A Expired - Fee Related CN101762808B (zh) | 2010-01-15 | 2010-01-15 | 基于自适应阈值的雷达脉冲提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101762808B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487788A (zh) * | 2013-09-03 | 2014-01-01 | 中国电子科技集团公司第四十一研究所 | 一种序列脉冲信号快速自动提取方法 |
CN103674177A (zh) * | 2013-12-19 | 2014-03-26 | 重庆川仪自动化股份有限公司 | 一种信号处理方法和装置 |
CN104950292A (zh) * | 2015-07-23 | 2015-09-30 | 北京敏视达雷达有限公司 | 一种气象雷达的二次回波识别方法及装置 |
CN105259538A (zh) * | 2015-10-28 | 2016-01-20 | 中国电子科技集团公司第二十九研究所 | 一种基于信号特征收敛的信号质量评估方法及装置 |
CN105353358A (zh) * | 2015-10-28 | 2016-02-24 | 北京理工大学 | 一种基于索引差分的通用雷达脉冲信号提取方法 |
CN110031821A (zh) * | 2019-03-25 | 2019-07-19 | 北京环视光技术有限公司 | 一种车载避障激光雷达波形提取方法、激光雷达及介质 |
CN112254786A (zh) * | 2020-09-14 | 2021-01-22 | 厦门精益远达智能科技有限公司 | 一种基于开放空间的液位测量方法和装置以及设备 |
CN113341395A (zh) * | 2021-08-09 | 2021-09-03 | 长沙莫之比智能科技有限公司 | 基于神经网络的仿地雷达滤波延迟补偿方法 |
CN115169421A (zh) * | 2022-09-06 | 2022-10-11 | 中国人民解放军海军工程大学 | 新体制雷达辐射源目标的行为意图认知系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6552677B2 (en) * | 2001-02-26 | 2003-04-22 | Time Domain Corporation | Method of envelope detection and image generation |
EP1523661B1 (de) * | 2002-07-19 | 2017-03-01 | VEGA Grieshaber KG | VERFAHREN UND VORRICHTUNG ZUR BESTIMMUNG EINES ERWARTUNGSBEREICHES FÜR EIN FÜLLSTAND- UND STöRECHO |
CN101017201B (zh) * | 2007-02-14 | 2010-06-02 | 中国科学院安徽光学精密机械研究所 | 基于经验模态分解的激光雷达信号处理方法 |
CN101398481B (zh) * | 2008-11-13 | 2011-04-20 | 上海交通大学 | 数字化高精度动态检波器 |
-
2010
- 2010-01-15 CN CN2010100118787A patent/CN101762808B/zh not_active Expired - Fee Related
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103487788A (zh) * | 2013-09-03 | 2014-01-01 | 中国电子科技集团公司第四十一研究所 | 一种序列脉冲信号快速自动提取方法 |
CN103487788B (zh) * | 2013-09-03 | 2016-04-27 | 中国电子科技集团公司第四十一研究所 | 一种序列脉冲信号快速自动提取方法 |
CN103674177B (zh) * | 2013-12-19 | 2016-08-17 | 重庆川仪自动化股份有限公司 | 一种信号处理方法和装置 |
CN103674177A (zh) * | 2013-12-19 | 2014-03-26 | 重庆川仪自动化股份有限公司 | 一种信号处理方法和装置 |
CN104950292A (zh) * | 2015-07-23 | 2015-09-30 | 北京敏视达雷达有限公司 | 一种气象雷达的二次回波识别方法及装置 |
CN104950292B (zh) * | 2015-07-23 | 2017-09-15 | 北京敏视达雷达有限公司 | 一种气象雷达的二次回波识别方法及装置 |
CN105259538A (zh) * | 2015-10-28 | 2016-01-20 | 中国电子科技集团公司第二十九研究所 | 一种基于信号特征收敛的信号质量评估方法及装置 |
CN105353358B (zh) * | 2015-10-28 | 2017-09-12 | 北京理工大学 | 一种基于索引差分的通用雷达脉冲信号提取方法 |
CN105353358A (zh) * | 2015-10-28 | 2016-02-24 | 北京理工大学 | 一种基于索引差分的通用雷达脉冲信号提取方法 |
CN105259538B (zh) * | 2015-10-28 | 2018-02-02 | 中国电子科技集团公司第二十九研究所 | 一种基于信号特征收敛的信号质量评估方法及装置 |
CN110031821A (zh) * | 2019-03-25 | 2019-07-19 | 北京环视光技术有限公司 | 一种车载避障激光雷达波形提取方法、激光雷达及介质 |
CN112254786A (zh) * | 2020-09-14 | 2021-01-22 | 厦门精益远达智能科技有限公司 | 一种基于开放空间的液位测量方法和装置以及设备 |
CN113341395A (zh) * | 2021-08-09 | 2021-09-03 | 长沙莫之比智能科技有限公司 | 基于神经网络的仿地雷达滤波延迟补偿方法 |
CN113341395B (zh) * | 2021-08-09 | 2022-01-18 | 长沙莫之比智能科技有限公司 | 基于神经网络的仿地雷达滤波延迟补偿方法 |
CN115169421A (zh) * | 2022-09-06 | 2022-10-11 | 中国人民解放军海军工程大学 | 新体制雷达辐射源目标的行为意图认知系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101762808B (zh) | 2012-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101762808B (zh) | 基于自适应阈值的雷达脉冲提取方法 | |
CN103220055B (zh) | 无线发射机信号的多重分形梯度特征指纹识别方法 | |
CN103487788B (zh) | 一种序列脉冲信号快速自动提取方法 | |
CN106896407B (zh) | 一种基于近似负熵的微地震信号初至拾取方法 | |
CN105007130B (zh) | 一种低信噪比下lfm信号的检测方法 | |
CN102663374B (zh) | 基于多特征属性的多类别Bagging步态识别方法 | |
CN101587186B (zh) | 一种雷达脉内调制信号的特征提取方法 | |
CN105974376B (zh) | 一种sar射频干扰抑制方法 | |
CN106385288B (zh) | 一种雷达脉冲跨信道融合检测装置及其检测方法 | |
CN105429719B (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
CN105785324A (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
CN113762130B (zh) | 一种毫米波雷达手势检测识别方法 | |
CN109061591B (zh) | 一种基于序贯聚类的时频线谱检测方法 | |
CN116828354B (zh) | 一种用于领夹无线麦克风的收音质量优化方法及系统 | |
CN103824302A (zh) | 基于方向波域图像融合的sar图像变化检测方法 | |
CN111142668B (zh) | 一种基于Wi-Fi指纹的定位和活动手势联合识别的交互方法 | |
CN110764152A (zh) | 一种无人机快速检测与识别的装置及方法 | |
CN110631064B (zh) | 一种声音识别方法及应用有该声音识别方法的吸油烟机的自动控制方法 | |
CN106448694B (zh) | 一种基于复角检测的欠定盲源分离中的时频单源点提取方法 | |
CN107884752A (zh) | 一种基于压缩感知的外辐射源雷达对目标检测方法 | |
CN101436299A (zh) | 自然场景图像文字检测方法 | |
CN108549076B (zh) | 一种基于速度节奏图的多种类无人机场景识别方法 | |
CN105654089A (zh) | 基于Markov过程和Gabor滤波的图像重采样检测 | |
CN107832798A (zh) | 基于nsct阶梯网模型的极化sar图像目标检测方法 | |
CN101561879A (zh) | 基于曲波表示的图像欠定盲分离方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120125 Termination date: 20140115 |