CN101887119B - 基于子带anmf海杂波中动目标检测方法 - Google Patents
基于子带anmf海杂波中动目标检测方法 Download PDFInfo
- Publication number
- CN101887119B CN101887119B CN 201010204180 CN201010204180A CN101887119B CN 101887119 B CN101887119 B CN 101887119B CN 201010204180 CN201010204180 CN 201010204180 CN 201010204180 A CN201010204180 A CN 201010204180A CN 101887119 B CN101887119 B CN 101887119B
- Authority
- CN
- China
- Prior art keywords
- band
- sub
- subband
- detection
- anmf
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000003044 adaptive effect Effects 0.000 title abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000005070 sampling Methods 0.000 claims abstract description 18
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于子带ANMF海杂波中动目标检测方法,其步骤为:(1)雷达接收的海面脉冲回波信号通过离散傅立叶变换调制滤波器组,实现子带分解。(2)对子带分解的信号进行下采样抽取,从而得到分解下采样后的子带信号。(3)基于分解下采样后的子带信号,构造子带ANMF这个检测器的各个子带的检测统计量,并单独确定各个子带的检测门限。(4)将各个子带的检测统计量与其对应子带的检测门限进行比较,判决目标是否存在。本发明降低了子带海杂波的散斑分量的非平稳性,克服了可利用的参考样本有限的难题,摆脱了前提假设条件限制的困扰,可适用于各种海况条件下的动目标检测。
Description
技术领域
本发明属于物理领域,具体涉及一种海杂波背景下基于子带的自适应归一化匹配滤波器ANMF动目标检测方法。
背景技术
在目标探测领域,海杂波是海面的后向散射回波,它的作用是掩盖舰船目标,同时产生分散注意力的虚假信号。
目前海杂波背景下目标检测技术主要有利用平均周期实现海上小目标的检测方法,例如,北京航空航天大学申请的发明专利,基于平均周期的海上小目标检测方法(专利申请号200810247554.6,公开号CN 101452075A)。该专利申请首先提取各距离单元海面回波的平均周期,利用待检测距离单元邻近的距离单元计算检测门限,通过对门限值和待检测距离单元所提取的平均周期进行比较得到检测结果。该专利申请利用海杂波的平均周期较小、目标回波的平均周期较大这一差异检测海上弱小目标。该专利申请存在的主要不足是:它隐含的条件是必须在空间平稳的海杂波环境下适用,且受散斑分量非平稳性的影响。而在实际情况下,高分辨率海杂波在空间上是非平稳的,由此导致该专利申请可利用的邻近距离单元上的杂波样本数目有限,从而影响了检测器的检测性能的改善。另外,该专利申请不适用于多脉冲积累检测。而对于相干脉冲雷达而言,雷达的检测性能是与积累的脉冲数成正比的。
发明内容
本发明的目的在于克服已有技术的不足,提出一种基于子带ANMF海杂波中动目标检测方法,实现海杂波背景下目标的多脉冲积累检测。
为实现上述目的,本发明提供的动目标检测方法如下:
步骤1,雷达接收的海面脉冲回波信号通过离散傅立叶变换DFT调制滤波器组,实现子带分解;
步骤2,对子带分解的信号进行下采样抽取,从而得到分解下采样后的子带信号;
步骤3,基于分解下采样后的子带信号,构造子带ANMF这个检测器的各个子带的检测统计量,并单独确定各个子带的检测门限;
步骤4,将各个子带的检测统计量与其对应子带的检测门限进行比较,判决目标是否存在,如果检测统计量大于检测门限,则判定目标存在,反之,则判定目标不存在。
本发明与现有技术比较具有以下优点:
第一,本发明由于利用了滤波器组的分解特性对雷达接收的海面回波信号分解,保证了子带海杂波的统计模型不变性,达到子带ANMF检测的目的。
第二,本发明由于利用了子带分解特性和采用了下采样处理方法,对雷达接收的海面回波信号分解并进行下采样处理,降低了子带海杂波的散斑分量的非平稳性,克服了可利用的参考样本有限的难题,以便进行更多脉冲的积累检测,提高了检测性能。
第三,本发明由于在构造子带检测器时采用各子带单独检测目标的处理方式,并且各个子带的门限由子带海杂波单独确定,实现准确的检测判决,提高了检测性能。
第四,在检测非平稳海杂波中的目标时,北京航空航天大学申请的发明专利有前提假设条件的限制,本发明克服了前提假设条件限制的缺点,可适用于各种海况条件下的动目标检测。
附图说明
图1是本发明的流程图。
图2是线性相位DFT调制滤波器组的频率响应图。
图3是本发明的检测机制图。
图4是相同积累样本条件下,ANMF检测器和本发明的检测性能比较图。
图5是相同积累时间条件下,ANMF检测器和本发明的检测性能比较图。
具体实施方式
参照图1,首先输入雷达接收的海面脉冲回波信号,对于输入的雷达回波信号x=[x(1),x(2),...,x(N)]T是由N个脉冲回波组成的,其中,上标T表示转置。回波信号x=[x(1),x(2),...,(N)]T可能仅含有海杂波信号c=[c(1),c(2),...,c(N)]T,也有可能是海杂波信号c=[c(1),c(2),...,c(N)]T与目标信号s=[s(1),s(2),...,s(N)]T的混合。然后回波信号通过以下步骤实现海杂波中的目标检测。
步骤1,雷达接收的海面脉冲回波信号x通过离散傅立叶变换DFT调制滤波器组,实现子带分解,保证了子带海杂波的统计模型不变性。
在实现子带分解前,需要先设计低通原型滤波器,它的设计应该使线性相位DFT调制滤波器组应当具有较高的阻带抑制特性和通带平坦特性,本发明的实施例通过以下步骤实现:
1a)设计低通原型滤波器:
使其满足以下关系
其中,cN(ω)为滤波器的设计参数,2N为滤波器的阶数,ω为角频率,z为原型滤波器的系数向量,2K+1是总的子带数,正数ε控制原型滤波器的通带震荡;
1b)由低通原型滤波器经过DFT调制得到滤波器组,其表达方式如下:
其中Hk(f)为第k个子带分析滤波器的频率响应,K是指正频或者负频子带数,f是指频率,2K+1是总的子带数,2N为滤波器的阶数,b(f)是滤波器的在频率域的幅度响应,保证滤波器的通带平坦性。2K+1个分析滤波器构成了滤波器组。
通过上述的1a)和1b),本发明的实施例获得了图2所示的DFT调制滤波器组的频率响应图,其中,DFT调制滤波器组的阻带衰减幅度为-42dB,通带幅度波动系数为0.1。DFT调制滤波器组的阻带衰减幅度较低,保证了每个子带滤波器的通带范围之外的杂波分量能够被抑制,同时,DFT滤波器组的通带波动系数较小,保护了位于该滤波器通带内的目标信号。
1c)通过上述设计的DFT调制滤波器组获得子带分解信号,其表达形式如下:
xk=x*hk,k=-K,-K+1,...,K
其中,xk为子带分解信号,x表示接收的回波信号,*表示卷积运算,hk为第k个子带滤波器的时域表达形式。子带信号xk可能仅含有子带海杂波信号,也可能是子带海杂波信号与子带目标信号的混合。
通过上述的1a)、1b)和1c),本发明的实施例保证了子带海杂波的统计模型不变性。
步骤2,对子带分解的信号xk进行下采样抽取,从而得到分解下采样后的子带信号,提高散斑分量的平稳度。
对子带信号xk进行下K1采样后可以得到海杂波信号和目标信号两个结果。第k个子带下K1采样的海杂波信号为k=-K,-K+1,...,K;第k个子带下K1采样的目标信号为:其中是目标幅度受滤波器通带内的幅度调制后的复常数,fd是目标的多普勒频率,v(fd,K1)是指采样因子为K1的下采样处理后的多普勒导向矢量。
本发明的实施例通过对信号进行下采样处理,提高子带海杂波的散斑分量的平稳度。
步骤3,基于分解下采样后的子带信号,构造子带ANMF这个检测器的各个子带的检测统计量,并单独确定各个子带的检测门限。
3a)构造子带ANMF的检测统计量
其中H0表示仅有子带下采样的海杂波而不存在目标的情况,而H1表示同时存在子带下采样的目标和子带下采样的海杂波的情况。本发明实施例的检测器包括一个DFT调制滤波器组和每个子带ANMF检测器,其中每个子带ANMF检测器只负责多普勒频率位于该子带的通带范围的检测。子带ANMF检测器包括对子带海杂波的白化过程和对子带目标信号的匹配过程。为此,构造出的子带ANMF检测统计量为:
其中是第k个子带经过下K1采样后的ANMF检测统计量,v(fd,K1)为子带下K1采样后的导向矢量,fd是待检测目标的多普勒频率,为利用子带下采样处理后的海杂波信号的参考单元rk,p估计得到的协方差矩阵,P为参考单元个数,是指第k个子带下K1采样后的N维接收信号。
3b)设定各个子带的检测门限
针对上述提到的子带检测统计量,设定检测器的各个子带的检测门限,其实现过程如下:对于第k个子带下采样的海杂波信号在给定的虚警概率pf情况下,获到H0条件下的L个实验样本,再将L个实验样本进行从大到小降序排列,取排列后的第个实验样本作为第k个子带的检测门限ηk,其中表示不超过实数L×pf的最大整数。所有2K+1个子带ANMF检测器均按以上过程设定门限。本发明实施例中的实验样本的数目L必须足够大,以保证获得的检测门限ηk的精度。
步骤4,基于已经获得的子带检测统计量和检测门限,对于实测的海杂波数据,其判决如下:
本发明的效果可以通过下面的实验进一步验证。实验所用的雷达回波数据是IPIX雷达在1998年获得的,数据文件为19980223_170435_ANTSTEP.CDF,雷达参数如下:发射频率为9.3GHz,距离分辨率为15m,脉冲重复频率为100Hz,扫描脉冲为60000,距离单元为34,其中,纯杂波占据31个距离单元。本发明设定的虚警概率为pf=10-3,需要L=100,000个实验样本。
图3是本发明检测机制图,由于各个子带具有不同的检测门限,而且各个子带检测器只负责多普勒频率位于该子带内的目标的检测,使得不同子带之间的检测不会相互影响。基于图3的检测机制,当本发明的积累时间是ANMF检测器的积累时间的2倍时,在相同的积累样本条件下,ANMF检测器和本发明的性能比较结果如图4所示,显而易见,本发明的检测性能优于ANMF检测器的检测性能。由于本发明使用了下采样技术,本发明的积累脉冲数为ANMF检测器的积累脉冲数的2倍时,在相同积累时间条件下,本发明的检测性能优于ANMF检测器的检测性能,如图5所示。这主要是因为本发明降低了子带海杂波的散斑分量的非平稳性,克服了可利用的参考样本有限的难题,能够积累更多的脉冲。
Claims (3)
1.一种基于子带ANMF海杂波中动目标检测方法,包括:
步骤1,将雷达接收的海面脉冲回波信号通过离散傅立叶变换DFT调制滤波器组,实现子带分解;
步骤2,对子带分解的信号进行下采样抽取,从而得到分解下采样后的子带信号;
步骤3,基于分解下采样后的子带信号,构造子带ANMF这个检测器的各个子带的检测统计量,并单独确定各个子带的检测门限;构造出的子带ANMF检测统计量为:
其中,是第k个子带经过下K1采样后的ANMF检测统计量,v(fd,K1)为子带下K1采样后的导向矢量,K1是下采样因子,fd是待检测目标的多普勒频率,为利用子带下采样处理后的海杂波信号的参考单元rk,p估计得到的海杂波协方差矩阵,P为参考单元个数,是指第k个子带下K1采样后的N维接收信号;
步骤4,将各个子带的检测统计量与其对应子带的检测门限进行比较,判决目标是否存在,如果检测统计量大于检测门限,则判定目标存在,反之,则判定目标不存在。
2.根据权利要求1所述的基于子带ANMF海杂波中动目标检测方法,其中步骤中1所述DFT调制滤波器组的阻带衰减幅度为-42dB,通带幅度波动系数为0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010204180 CN101887119B (zh) | 2010-06-18 | 2010-06-18 | 基于子带anmf海杂波中动目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010204180 CN101887119B (zh) | 2010-06-18 | 2010-06-18 | 基于子带anmf海杂波中动目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101887119A CN101887119A (zh) | 2010-11-17 |
CN101887119B true CN101887119B (zh) | 2013-02-13 |
Family
ID=43073113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010204180 Expired - Fee Related CN101887119B (zh) | 2010-06-18 | 2010-06-18 | 基于子带anmf海杂波中动目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101887119B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147463B (zh) * | 2011-03-03 | 2012-07-18 | 浙江大学 | 一种群智雷达海杂波预报系统及方法 |
CN102147464B (zh) * | 2011-03-03 | 2012-07-11 | 浙江大学 | 一种鲁棒智能雷达海杂波预报系统及方法 |
CN102183746B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种雷达海上目标检测系统及方法 |
CN102183751B (zh) * | 2011-03-03 | 2013-01-23 | 浙江大学 | 一种智能雷达海上目标检测系统及方法 |
CN102183754B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种鲁棒智能雷达海上目标检测系统及方法 |
CN102183747B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种敏捷雷达目标检测系统及方法 |
CN102156278B (zh) * | 2011-03-03 | 2012-07-04 | 浙江大学 | 一种鲁棒雷达海上目标检测系统及方法 |
CN102183748B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种雷达海杂波预报系统及方法 |
CN102183753B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种混沌寻优雷达海杂波预报系统及方法 |
CN102183750B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种鲁棒雷达海杂波预报系统及方法 |
CN102183745B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种智能雷达海杂波预报系统及方法 |
CN102147466B (zh) * | 2011-03-03 | 2012-07-18 | 浙江大学 | 一种敏捷雷达数据处理系统及方法 |
CN102183752B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种自适应雷达海杂波预报系统及方法 |
CN102147465B (zh) * | 2011-03-03 | 2012-07-11 | 浙江大学 | 一种混沌寻优雷达海上目标检测系统及方法 |
CN102183749B (zh) * | 2011-03-03 | 2013-01-23 | 浙江大学 | 一种自适应雷达海上目标检测系统及方法 |
CN102183744B (zh) * | 2011-03-03 | 2012-07-25 | 浙江大学 | 一种群智雷达海上目标检测系统及方法 |
CN102914769A (zh) * | 2012-10-19 | 2013-02-06 | 南京信息工程大学 | 基于联合分形的海杂波背景下小目标检测方法 |
CN103308910B (zh) * | 2013-05-11 | 2015-02-04 | 国家海洋局第一海洋研究所 | 利用高频地波雷达检测海上非航行状态船只目标的方法 |
JP6167368B2 (ja) * | 2013-12-03 | 2017-07-26 | パナソニックIpマネジメント株式会社 | 信号処理装置 |
CN103954951B (zh) * | 2014-05-13 | 2016-09-07 | 西安电子科技大学 | 基于功率中值和归一化协方差估计的海面目标检测方法 |
CN104076350B (zh) * | 2014-07-08 | 2016-03-23 | 西安电子科技大学 | 基于归一化多普勒谱的海面漂浮目标检测方法 |
CN105334503B (zh) * | 2014-08-12 | 2018-01-09 | 中国海洋大学 | 一种海杂波方位向相关函数模型及其参数估计方法 |
CN104569949B (zh) * | 2015-01-27 | 2017-04-19 | 西安电子科技大学 | 基于组合自适应归一化匹配滤波的雷达目标检测方法 |
CN104750939B (zh) * | 2015-04-09 | 2017-07-28 | 哈尔滨工业大学 | 基于分量分离方法的复合高斯模型参数快速估计方法 |
CN106443631A (zh) * | 2016-11-15 | 2017-02-22 | 南京邮电大学 | 一种非平稳海杂波背景下子带分段anmf检测方法 |
CN109100696B (zh) * | 2018-07-06 | 2022-07-01 | 西安电子科技大学 | 基于点状杂波图的慢速运动目标消除方法 |
CN115128568A (zh) * | 2022-08-18 | 2022-09-30 | 中国人民解放军国防科技大学 | 基于子带滤波和矩阵主成分分析的恒虚警率检测方法 |
CN115754970B (zh) * | 2022-12-22 | 2024-07-09 | 中国人民解放军空军预警学院 | 一种分布式无人机载雷达空时自适应目标检测方法与系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452075A (zh) * | 2008-12-30 | 2009-06-10 | 北京航空航天大学 | 基于平均周期的海上小目标检测方法 |
-
2010
- 2010-06-18 CN CN 201010204180 patent/CN101887119B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452075A (zh) * | 2008-12-30 | 2009-06-10 | 北京航空航天大学 | 基于平均周期的海上小目标检测方法 |
Non-Patent Citations (5)
Title |
---|
姜斌 等.海杂波背景下的目标检测新方法.《物理学报》.2006,第55卷(第8期),3985-3991. * |
崔蕾 等.海杂波背景下小目标检测及其运动信息的提取.《海军航空工程学院学报》.2007,第22卷(第1期),137-144. * |
李彬 等.海杂波背景下的目标检测分析与仿真.《中国雷达》.2008,(第1期),28-31. * |
简涛 等.非高斯杂波下自适应雷达目标检测新方法.《航空学报》.2010,第31卷(第3期),579-586. * |
郭汝江 等.海杂波背景下的低空小目标检测.《信息化研究》.2009,第35卷(第3期),26-29. * |
Also Published As
Publication number | Publication date |
---|---|
CN101887119A (zh) | 2010-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101887119B (zh) | 基于子带anmf海杂波中动目标检测方法 | |
CN104133198B (zh) | 一种高频地波雷达中电离层干扰抑制方法 | |
Martorella et al. | Statistical CLEAN technique for ISAR imaging | |
CN104569948A (zh) | 海杂波背景下子带自适应glrt-ltd检测方法 | |
CN111722188B (zh) | 基于stft预分选的pri变换雷达信号分选方法 | |
Chen et al. | Interrupted-sampling repeater jamming suppression based on stacked bidirectional gated recurrent unit network and infinite training | |
Shui et al. | Range-spread target detection using consecutive HRRPs | |
Duk et al. | Target detection in sea-clutter using stationary wavelet transforms | |
Grosdidier et al. | Ship detection based on morphological component analysis of high-frequency surface wave radar images | |
CN102510363A (zh) | 一种强干扰源环境下的lfm信号检测方法 | |
Chen et al. | A fast FRFT based detection algorithm of multiple moving targets in sea clutter | |
CN106443626A (zh) | 一种无人区域目标检测方法 | |
Wei et al. | Incipient fault diagnosis of rolling element bearing based on wavelet packet transform and energy operator | |
Lu et al. | A vessel detection method using compact-array HF radar | |
Wen et al. | Sea clutter suppression based on selective reconstruction of features | |
Su et al. | Time-varying wideband interference mitigation for SAR via time-frequency-pulse joint decomposition algorithm | |
CN113589253B (zh) | 一种基于伪时域的小波变换算法对微弱回波信号进行检测的方法 | |
Thatiparthi et al. | MST radar signal processing using wavelet-based denoising | |
Farshchian et al. | Application of a sparse time-frequency technique for targets with oscillatory fluctuations | |
Ng et al. | Target detection in sea clutter using resonance based signal decomposition | |
CN112835003A (zh) | 基于重采样预处理的雷达重频变化稳健目标识别方法 | |
Duk et al. | Adaptive regularisation for radar sea clutter signal separation using a sparse-based method | |
CN109932697B (zh) | 基于压缩感知的微弱目标检测方法 | |
Nguyen et al. | Wavelet-based sparse representation for helicopter main rotor blade radar backscatter signal separation | |
GARVANOV et al. | Denoising of pulsar signal using wavelet transform |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130213 Termination date: 20190618 |
|
CF01 | Termination of patent right due to non-payment of annual fee |