CN103197298B - 基于环境信息的雷达信号处理方法 - Google Patents
基于环境信息的雷达信号处理方法 Download PDFInfo
- Publication number
- CN103197298B CN103197298B CN201310093386.0A CN201310093386A CN103197298B CN 103197298 B CN103197298 B CN 103197298B CN 201310093386 A CN201310093386 A CN 201310093386A CN 103197298 B CN103197298 B CN 103197298B
- Authority
- CN
- China
- Prior art keywords
- clutter
- frame
- signal
- doppler
- district
- 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.)
- Active
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于环境信息的雷达信号处理方法,主要解决现有技术在复杂杂波背景中检测性能差的问题。其实现过程是:根据雷达的帧间样本估计杂波的协方差矩阵;根据估计的杂波协方差矩阵计算出当前帧的杂波功率谱;根据当前帧的杂波功率谱将当前帧划分为无杂波的噪声区,地杂波区,气象杂波区,混合杂波区这四种区域;根据检测单元所处的检测区域,对回波信号分别进行四种相应的处理。本发明充分利用外部环境信息,通过在不同的检测区域中采取与其匹配的信号处理方式,提高了雷达的检测性能,可用于复杂杂波背景下的雷达目标检测。
Description
技术领域
本发明属于雷达技术领域,涉及目标检测,可用于复杂杂波背景中基于环境信息的雷达检测高效处理。
技术背景
战场监视雷达与其它战场侦察器材相比具有全天候,探测距离远,监视范围广的优点,因而成为一种得到广泛使用的战场侦察器材。但是在实际应用中,战场监视雷达周边的环境相当复杂,导致回波数据中除了强大的地物杂波外往往还存在慢动气象杂波,这给雷达目标检测,尤其是低速目标的检测带来了巨大的挑战。
传统自适应检测方法的信号处理流程如图1所示:先对雷达的接收信号做脉压处理,之后进行杂波抑制,最后做恒虚警检测。传统检测方法在杂波抑制时需要估计杂波的协方差矩阵,估计时一般是在检测单元两侧各选取一定数目独立同分布的参考单元,并且为保证杂波抑制的效果参考单元数必须达到一定的数目。恒虚警检测时传统方法需要估计检测单元的背景功率水平,也需要在该检测单元的两侧选取一定数目独立同分布的参考单元,同时为了减少恒虚警损失应尽可能增加参考单元的数目。此外传统检测方法对不同环境下的检测单元都采用相同的处理方法。但是雷达的周边环境一般十分复杂,造成了杂波空域上的非均匀性,甚至有些区域的杂波是多种杂波的混合。杂波的非均匀性一方面严重限制了可用于杂波协方差矩阵和背景功率水平估计的参考单元数;另一方面杂波的非均匀性还会导致某些区域检测单元所采取的信号处理方法与其所处环境的失配,从而造成传统检测方法检测性能的下降。
发明内容
本发明的目的在于针对上述检测方法未能充分利用外部环境信息的不足,提出一种基于环境信息的雷达信号处理方法,以通过对外部环境信息的综合利用,提高雷达在复杂杂波背景中的检测性能。
本发明的技术思路是:将认知雷达的思想运用到战场监视雷达的信号接收端,通过对外界环境的感知,获取环境信息,将雷达扫描的区域划分为:无杂波的噪声区,地杂波区,气象杂波区,地杂波和气象杂波的混合区,然后在不同的检测区域采取与之匹配的处理方式,从而改善雷达在复杂杂波背景中的检测性能。认知雷达是近年提出的一种全新的信号处理系统。所谓认知指的是人们认识周边环境的心理活动,认知行为包括观察,思考,推理,判断,问题解决以及记忆。概括地说,认知雷达就是一种能够不断地感知周边环境,并将获取的环境信息存入环境动态数据库EDDB中,进而自适应地调整自身各种参数的雷达,一般包含以下3个要素:1)通过与所处环境的互动学习能够智能得处理信号;2)具有从接收机到发射机的反馈;3)存储目标的回波信息。
为实现上述目的,本发明的目标检测方法,包括如下步骤:
1)令xm表示雷达第m帧中一个方位-距离单元的回波数据,其中1≤m≤m0,m0表示当前帧序号,根据帧间样本估计第m帧的杂波协方差矩阵
其中xn表示第n帧的回波数据,β表示遗忘因子,H表示共轭转置;
2)根据当前帧m0的杂波协方差矩阵估计出当前帧m0的杂波功率
3)根据估计的杂波功率谱将当前帧m0划分为4种不同的检测区域,即无杂波的噪声区z,地杂波区g,气象杂波区w,混合杂波区c;
4)根据检测单元所处的检测区域,对回波信号进行不同的处理:
4a)若检测单元位于噪声区z,则第m帧的回波数据xm先通过一个运动目标检测器MTD得到第m帧多普勒滤波后的信号y0,m,再通过迭代计算噪声区z第m0帧第k个多普勒通道的杂波图最后完成杂波图检测;
4b)若检测单元位于地杂波区g,则通过对两路回波信号进行如下处理:
对第一路第m帧的回波数据xm,先通过一个与地杂波谱宽及中心频率相适应的Lg次运动目标显示器MTI,得到第m帧滤除地杂波后的信号y1,m,再进行脉冲多普勒PD处理得到第m帧多普勒滤波后的信号y2,m,然后通过迭代计算地杂波区g第m0帧第k个多普勒通道的剩余杂波图最后根据地杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
对第二路第m帧的回波数据xm,先通过一个与地杂波谱宽及中心频率相适应的带通滤波器h0,g得到第m帧包含地杂波和低速目标的信号y3,m,再通过迭代计算地杂波区g第m0帧的杂波图最后根据地杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
4c)若检测单元位于气象杂波区w,则对回波信号进行如下两路处理:
第一路第m帧的回波数据xm,先通过一个与气象杂波谱宽及中心频率相适应的Lw次运动目标显示器MTI,得到第m帧滤除气象杂波后的信号y4,m,再进行脉冲多普勒PD处理得到第m帧多普勒滤波后的信号y5,m,然后通过迭代计算气象杂波区w第m0帧第k个多普勒通道的剩余杂波图最后根据气象杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
第二路第m帧的回波数据xm,先通过一个与气象杂波谱宽及中心频率相适应的带通滤波器h0,w得到第m帧包含气象杂波和低速目标的信号y6,m,再通过迭代计算气象杂波区w第m0帧的杂波图最后根据气象杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
4d)若检测单元位于混合杂波区c,则对回波信号进行如下两路处理:
第一路第m帧的回波数据xm,先通过一个与混合杂波谱宽及中心频率相适应的Lc次运动目标显示器MTI,得到第m帧滤除混合杂波后的信号y7,m,再进行脉冲多普勒PD处理得到第m帧多普勒滤波后的信号y8,m,然后通过迭代计算混合杂波区c第m0帧第k个多普勒通道的剩余杂波图最后根据混合杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
第二路第m帧的回波数据xm,先通过一个与混合杂波谱宽及中心频率相适应的带通滤波器h0,c得到第m帧包含混合杂波和低速目标的信号y9,m,再通过迭代计算混合杂波区c第m0帧的杂波图最后根据混合杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测。
本发明由于充分利用了雷达周围的环境信息,一方面在估计杂波协方差矩阵时通过充分利用帧间样本,既保证了估计时的样本数目又避免了杂波非均匀性对估计精度的影响;另一方面通过将当前帧划分为不同的检测区域,并在不同的检测区域中采取与其匹配的信号处理方式,从而避免了因检测单元的信号处理方式与其所处环境的失配造成的性能下降。
以下结合附图对发明的实施例进行详细描述:
附图说明
图1为传统的雷达信号处理流程图;
图2为本发明的雷达信号处理流程图;
图3对本发明中对当前帧的划分示意图。
具体实施方式
参照图2,本发明的具体实现步骤如下:
步骤1,估计杂波协方差矩阵。
由于雷达所处的环境一般是相当复杂的,使得不同检测单元的回波信号呈现不同的分布,即所谓的杂波非均匀性,因此在估计杂波协方差矩阵时应充分利用帧间样本,减少杂波非均匀性对估计精度的影响;
令xm表示雷达第m帧中一个方位-距离单元的回波数据,其中1≤m≤m0,m0表示当前帧序号,则第m帧的杂波协方差矩阵
其中xn表示第n帧的回波数据,β表示遗忘因子,H表示共轭转置。
步骤2,估计当前帧m0的杂波功率谱
根据步骤1)得到的杂波协方差矩阵估计杂波功率谱
其中 表示时间导向矢量,是归一化多普勒频率,M表示雷达一个相干处理时间间隔内的脉冲数,T表示转置。
步骤3,根据当前帧m0的杂波功率谱将当前帧m0划分为4种不同的检测区域。
利用步骤2)估计的杂波功率谱在功率谱中若检测区域杂波的能量均匀分布则将其划为无杂波的噪声区z;若检测区域杂波的能量集中分布在零频附近则将该区域划为地杂波区g;若检测区域杂波的能量集中分布且中心频率偏离零频则将该区域划为气象杂波区w;若检测区域杂波的能量集中分布且有多个分布中心则将该区域划为混合杂波区c;划分的结果如图3所示。
步骤4,根据检测单元所处的检测区域,对回波信号进行不同的处理。
由于杂波的非均匀性,若是对所有的检测单元都采用相同的信号处理方式将会导致某些检测单元所采取的信号处理方式与其所处环境的失配,从而造成检测性能的下降。因此根据检测单元所处的检测区域,对回波信号采取相应的处理方式,可以减少这种损失,具体步骤如下:
4a)检测单元位于噪声区z的回波信号处理:
4a1)将第m帧的回波数据xm通过一个运动目标检测器MTD得到第m帧多普勒滤波后的信号y0,m,其中F1表示维数为M×N的离散傅里叶变换矩阵,N表示多普勒通道数;
4a2)通过迭代计算噪声区z第m0帧第k个多普勒通道的杂波图
其中,表示噪声区z第m0-1帧第k个多普勒通道的杂波图,β0表示噪声遗忘因子,是的第k个元素,是第m0-1帧回波数据多普勒滤波后的信号;
4a3)在每一个多普勒通道中,根据杂波图对做恒虚警检测,其中是的第k个元素,是第m0帧回波数据多普勒滤波后的信号;
4b)检测单元位于地杂波区g的回波信号处理:
对于检测单元位于地杂波区g的回波信号处理分为两路进行:
4b1)对第一路第m帧的回波数据xm通过一个与地杂波谱宽及中心频率相适应的Lg次运动目标显示器MTI,得到第m帧滤除地杂波后的信号y1,m:
其中, 表示地杂波区g中运动目标显示器的系数矩阵,wm,g是最小特征值所对应的特征向量,是杂波协方差矩阵左上角维数为Lg×Lg的子矩阵;
4b2)对滤除地杂波后的信号y1,m进行脉冲多普勒PD处理,得到第m帧多普勒滤波后的信号y2,m,其中F3是维数为(M-Lg+1)×N的离散傅里叶变换矩阵;
4b3)对多普勒滤波后的信号y2,m通过迭代计算地杂波区g第m0帧第k个多普勒通道的剩余杂波图
其中β1表示地杂波遗忘因子,表示地杂波区g第m0-1帧第k个多普勒通道的
剩余杂波图,是的第k个元素,表示地杂波区第m0-1帧多普勒滤波后的信号;
4b4)根据地杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
例如:若地杂波的分布是高斯的,则进行一般的杂波图检测,即在每个多普勒通道中将剩余杂波图作为背景电平功率的估计,对做恒虚警检测,其中是的第k个元素,表示地杂波区第m0帧多普勒滤波后的信号;
若地杂波的分布是韦布尔的,则在每个多普勒通道中将剩余杂波图作为尺度参数的估计,对做双参数恒虚警检测;
4b5)对第二路第m帧的回波数据xm,通过一个与地杂波谱宽及中心频率相适应的带通滤波器h0,g得到第m帧包含地杂波和低速目标的信号y3,m,其中
4b6)对包含地杂波和低速目标的信号y3,m,通过迭代计算地杂波区g第m0帧的杂波图
其中表示地杂波区g第m0-1帧的杂波图,表示第m0-1帧包含地杂波和低速目标的信号;
4b7)根据地杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测。
例如:若地杂波的分布是高斯的,则选择进行一般的杂波图检测,即将杂波图作为背景功率电平的估计,对做恒虚警检测,其中表示第m0帧包含地杂波和低速目标的信号;
若地杂波的分布是韦布尔的,则将杂波图作为尺度参数的估计,对做双参数恒虚警检测。
4c)检测单元位于气象杂波区w的回波信号处理:
对于检测单元位于气象杂波区w的回波信号处理也分为两路进行:
4c1)对第一路第m帧的回波数据xm,通过一个与气象杂波谱宽及中心频率相适应的Lw次运动目标显示器MTI,得到第m帧滤除气象杂波后的信号y4,m:
其中, 表示气象杂波区w中运动目标显示器的系数矩阵,wm,w是最小特征值所对应的特征向量,是杂波协方差矩阵左上角维数为Lw×Lw的子矩阵;
4c2)对滤除气象杂波后的信号y4,m进行脉冲多普勒PD处理,得到第m帧多普勒滤波后的信号y5,m,其中F5是维数为(M-Lw+1)×N的离散傅里叶变换矩阵;
4c3)对多普勒滤波后的信号y5,m,再通过迭代计算气象杂波区w第m0帧第k个多普勒通道的剩余杂波图
其中β2表示气象杂波遗忘因子,表示气象杂波区w第m0-1帧第k个多普勒通道的剩余杂波图,是的第k个元素,表示气象杂波区第m0-1帧多普勒滤波后的信号;
4c4)根据气象杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
例如:若气象杂波的分布是高斯的,则进行一般的杂波图检测,即在每个多普勒通道中将剩余杂波图作为背景电平功率的估计,对做恒虚警检测,其中是的第k个元素,表示气象杂波区第m0帧多普勒滤波后的信号;
若气象杂波的分布是韦布尔的,则在每个多普勒通道中将剩余杂波图作为尺度参数的估计,对做双参数恒虚警检测。
4c5)对第二路第m帧的回波数据xm,通过一个与气象杂波谱宽及中心频率相适应的带通滤波器h0,w得到第m帧包含气象杂波和低速目标的信号y6,m,其中
4c6)对包含气象杂波和低速目标的信号y6,m通过迭代计算气象杂波区w第m0帧的杂波图
其中表示气象杂波区w第m0-1帧的杂波图,表示第m0-1帧包含气象杂波和低速目标的信号;
4c7)根据气象杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
例如:若气象杂波的分布是高斯的,则选择进行一般的杂波图检测,即将杂波图作为背景功率电平的估计,对做恒虚警检测,其中表示第m0帧包含气象杂波和低速目标的信号;
若气象杂波的分布是韦布尔的,则将杂波图作为尺度参数的估计,对做双参数恒虚警检测。
4d)检测单元位于混合杂波区c的回波信号处理:
对于检测单元位于混合杂波区w的回波信号处理分为两路进行:
4d1)对第一路第m帧的回波数据xm,通过一个与混合杂波谱宽及中心频率相适应的Lc次运动目标显示器MTI,得到第m帧滤除混合杂波后的信号y7,m:
其中, 表示混合杂波区c中运动目标显示器的系数矩阵,wm,c是最小特征值所对应的特征向量,是杂波协方差矩阵左上角维数为Lc×Lc的子矩阵;
4d2)对滤除混合杂波后的信号y7,m进行脉冲多普勒PD处理,得到第m帧多普勒滤波后的信号:其中F7是维数为(M-Lc+1)×N的离散傅里叶变换矩阵;
4d3)对多普勒滤波后的信号y8,m,通过迭代计算混合杂波区c第m0帧第k个多普勒通道的剩余杂波图
其中β3表示混合杂波遗忘因子,表示混合杂波区w第m0-1帧第k个多普勒通道的剩余杂波图,是的第k个元素,表示混合杂波区第m0-1帧多普勒滤波后的信号;
4d4)根据混合杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
例如:若混合杂波的分布是高斯的,则进行一般的杂波图检测,即在每个多普勒通道中将剩余杂波图作为背景电平功率的估计,对做恒虚警检测,其中是的第k个元素,表示混合杂波区第m0帧多普勒滤波后的信号;
若混合杂波的分布是韦布尔的,则在每个多普勒通道中将剩余杂波图作为尺度参数的估计,对做双参数恒虚警检测。
4d5)对第二路第m帧的回波数据xm,通过一个与混合杂波谱宽及中心频率相适应的带通滤波器h0,c,得到第m帧包含混合杂波和低速目标的信号y9,m,其中
4d6)对包含混合杂波和低速目标的信号y9,m通过迭代计算混合杂波区c第m0帧的杂波图
其中表示混合杂波区c第m0-1帧的杂波图,表示第m0-1帧包含混合杂波和低速目标的信号;
4d7)根据混合杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
例如:若混合杂波的分布是高斯的,则选择进行一般的杂波图检测,即将杂波图作为背景功率电平的估计,对做恒虚警检测,其中表示第m0帧包含气象杂波和低速目标的信号;
若气象杂波的分布是韦布尔的,则将杂波图作为尺度参数的估计,对做双参数恒虚警检测。
以上描述仅是本发明的一个具体实例,显然对于本领域的专业人员来说,在了解本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (5)
1.一种基于环境信息的雷达信号处理方法,包括如下步骤:
1)令xm表示雷达第m帧中一个方位-距离单元的回波数据,其中1≤m≤m0,m0表示当前帧序号,根据帧间样本估计第m帧的杂波协方差矩阵
其中xn表示第n帧的回波数据,β表示遗忘因子,H表示共轭转置;
2)根据当前帧m0的杂波协方差矩阵估计出当前帧m0的杂波功率
3)根据估计的杂波功率谱将当前帧m0划分为4种不同的检测区域,即无杂波的噪声区z,地杂波区g,气象杂波区w,混合杂波区c,该混合杂波区为地杂波和气象杂波的混合区;
4)根据检测单元所处的检测区域,对回波信号进行不同的处理:
4a)若检测单元位于噪声区z,则第m帧的回波数据xm先通过一个运动目标检测器MTD得到第m帧多普勒滤波后的信号y0,m,再通过迭代计算噪声区z第m0帧第k个多普勒通道的杂波图最后完成杂波图检测;
4b)若检测单元位于地杂波区g,则通过对两路回波信号进行如下处理:
对第一路第m帧的回波数据xm,先通过一个与地杂波谱宽及中心频率相适应的Lg次运动目标显示器MTI,得到第m帧滤除地杂波后的信号y1,m,再进行脉冲多普勒PD处理得到第m帧多普勒滤波后的信号y2,m,然后通过迭代计算地杂波区g第m0帧第k个多普勒通道的剩余杂波图最后根据地杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
对第二路第m帧的回波数据xm,先通过一个与地杂波谱宽及中心频率相适应的带通滤波器h0,g得到第m帧包含地杂波和低速目标的信号y3,m,再通过迭代计算地杂波区g第m0帧的杂波图最后根据地杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
4c)若检测单元位于气象杂波区w,则对回波信号进行如下两路处理:
第一路第m帧的回波数据xm,先通过一个与气象杂波谱宽及中心频率相适应的Lw次运动目标显示器MTI,得到第m帧滤除气象杂波后的信号y4,m,再进行脉冲多普勒PD处理得到第m帧多普勒滤波后的信号y5,m,然后通过迭代计算气象杂波区w第m0帧第k个多普勒通道的剩余杂波图最后根据气象杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
第二路第m帧的回波数据xm,先通过一个与气象杂波谱宽及中心频率相适应的带通滤波器h0,w得到第m帧包含气象杂波和低速目标的信号y6,m,再通过迭代计算气象杂波区w第m0帧的杂波图最后根据气象杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
4d)若检测单元位于混合杂波区c,则对回波信号进行如下两路处理:
第一路第m帧的回波数据xm,先通过一个与混合杂波谱宽及中心频率相适应的Lc次运动目标显示器MTI,得到第m帧滤除混合杂波后的信号y7,m,再进行脉冲多普勒PD处理得到第m帧多普勒滤波后的信号y8,m,然后通过迭代计算混合杂波区c第m0帧第k个多普勒通道的剩余杂波图最后根据混合杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测;
第二路第m帧的回波数据xm,先通过一个与混合杂波谱宽及中心频率相适应的带通滤波器h0,c得到第m帧包含混合杂波和低速目标的信号y9,m,再通过迭代计算混合杂波区c第m0帧的杂波图最后根据混合杂波类型选择匹配的恒虚警检测器,并将作为该检测器的参数,完成认知检测。
2.根据权利要求1所述的基于环境信息的雷达信号处理方法,其中所述步骤4a)在噪声区z中的第m帧多普勒滤波后的信号y0,m,第m0帧第k个多普勒通道的杂波图分别通过如下公式计算:
其中,xm表示第m帧的回波数据,F1表示维数为M×N的离散傅里叶变换矩阵,M表示雷达一个相干处理时间间隔内的脉冲数,N表示多普勒通道数,T表示转置,表示噪声区z第m0-1帧第k个多普勒通道的杂波图,β0表示噪声遗忘因子,是的第k个元素,是第m0-1帧回波数据多普勒滤波后的信号。
3.根据权利要求1所述的基于环境信息的雷达信号处理方法,其中所述步骤4b)在地杂波区g中的第m帧滤除地杂波后的信号y1,m,第m帧多普勒滤波后的信号y2,m,第m0帧第k个多普勒通道的剩余杂波图第m帧包含地杂波和低速目标的信号y3,m,第m帧杂波图分别通过如下公式计算:
其中, wm,g是最小特征值所对应的特征向量,是杂波协方差矩阵左上角维数为Lg×Lg的子矩阵,F3是维数为(M-Lg+1)×N的离散傅里叶变换矩阵,M表示雷达一个相干处理时间间隔内的脉冲数,N表示多普勒通道数,β1表示地杂波遗忘因子,表示地杂波区g第m0-1帧第k个多普勒通道的剩余杂波图,是的第k个元素,表示地杂波区第m0-1帧多普勒滤波后的信号,h0,g表示地杂波区的带通滤波器,表示地杂波区g第m0-1帧的杂波图,表示第m0-1帧包含地杂波和低速目标的信号。
4.根据权利要求1所述的基于环境信息的雷达信号处理方法,其中所述步骤4c)在气象杂波区w中的第m帧滤除气象杂波后的信号y4,m,第m帧多普勒滤波后的信号y5,m,第m0帧第k个多普勒通道的剩余杂波图第m帧包含气象杂波和低速目标的信号y6,m,第m帧杂波图分别通过如下公式计算:
其中, wm,w是最小特征值所对应的特征向量,是杂波协方差矩阵左上角维数为Lw×Lw的子矩阵,F5是维数为(M-Lw+1)×N的离散傅里叶变换矩阵,M表示雷达一个相干处理时间间隔内的脉冲数,N表示多普勒通道数,β2表示气象杂波遗忘因子,表示气象杂波区w第m0-1帧第k个多普勒通道的剩余杂波图,是的第k个元素,表示气象杂波区第m0-1帧多普勒滤波后的信号,h0,w表示气象杂波区的带通滤波器,表示气象杂波区w第m0-1帧的杂波图,表示第m0-1帧包含气象杂波和低速目标的信号。
5.根据权利要求1所述的基于环境信息的雷达信号处理方法,其中所述步骤4d)在混合杂波区c中的第m帧滤除混合杂波后的信号y7,m,第m帧多普勒滤波后的信号y8,m,第m0帧第k个多普勒通道的剩余杂波图第m帧包含混合杂波和低速目标的信号y9,m,第m帧杂波图分别通过如下公式计算:
其中, wm,c是最小特征值所对应的特征向量,是杂波协方差矩阵左上角维数为Lc×Lc的子矩阵,F7是维数为(M-Lc+1)×N的离散傅里叶变换矩阵,M表示雷达一个相干处理时间间隔内的脉冲数,N表示多普勒通道数,β3表示混合杂波遗忘因子,表示混合杂波区w第m0-1帧第k个多普勒通道的剩余杂波图,是的第k个元素,表示混合杂波区第m0-1帧多普勒滤波后的信号,h0,c表示混合杂波区的带通滤波器,表示混合杂波区c第m0-1帧的杂波图,表示第m0-1帧包含混合杂波和低速目标的信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310093386.0A CN103197298B (zh) | 2013-03-21 | 2013-03-21 | 基于环境信息的雷达信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310093386.0A CN103197298B (zh) | 2013-03-21 | 2013-03-21 | 基于环境信息的雷达信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103197298A CN103197298A (zh) | 2013-07-10 |
CN103197298B true CN103197298B (zh) | 2014-10-01 |
Family
ID=48719975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310093386.0A Active CN103197298B (zh) | 2013-03-21 | 2013-03-21 | 基于环境信息的雷达信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103197298B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076601B (zh) * | 2012-12-28 | 2014-06-11 | 西安电子工程研究所 | 一种杂波强弱划分的自适应动目标检测 |
CN104360324B (zh) * | 2014-10-31 | 2017-06-06 | 中国电子科技集团公司第二十八研究所 | 一种基于图像处理的杂波图分区方法 |
CN104898103B (zh) * | 2015-06-01 | 2017-03-29 | 西安电子科技大学 | 基于多通道杂波图的低速目标检测方法 |
CN105372636B (zh) * | 2015-12-14 | 2017-06-09 | 四川九洲空管科技有限责任公司 | 一种基于自适应遗忘因子的杂波图更新方法及装置 |
CN106093890A (zh) * | 2016-08-26 | 2016-11-09 | 零八电子集团有限公司 | 建立剩余杂波图抑制雷达剩余杂波的方法 |
CN110609286A (zh) * | 2018-06-14 | 2019-12-24 | 邓勇 | 一种智能消除雷达地物杂波的处理方法 |
CN112327265A (zh) * | 2020-10-23 | 2021-02-05 | 北京理工大学 | 一种基于语义分割网络的分治检测方法 |
CN114137505A (zh) * | 2021-11-17 | 2022-03-04 | 珠海格力电器股份有限公司 | 一种基于无线雷达的目标检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5263097A (en) * | 1991-07-24 | 1993-11-16 | Texas Instruments Incorporated | Parameter normalized features for classification procedures, systems and methods |
CN101881826A (zh) * | 2009-05-06 | 2010-11-10 | 中国人民解放军海军航空工程学院 | 扫描模式海杂波局部多重分形目标检测器 |
CN102721952A (zh) * | 2012-05-16 | 2012-10-10 | 西安电子科技大学 | 基于超分辨多普勒谱的地面运动目标稳健分类方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7567203B2 (en) * | 2005-04-11 | 2009-07-28 | Raytheon Canada Limited | Classification system for radar and sonar applications |
-
2013
- 2013-03-21 CN CN201310093386.0A patent/CN103197298B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5263097A (en) * | 1991-07-24 | 1993-11-16 | Texas Instruments Incorporated | Parameter normalized features for classification procedures, systems and methods |
CN101881826A (zh) * | 2009-05-06 | 2010-11-10 | 中国人民解放军海军航空工程学院 | 扫描模式海杂波局部多重分形目标检测器 |
CN102721952A (zh) * | 2012-05-16 | 2012-10-10 | 西安电子科技大学 | 基于超分辨多普勒谱的地面运动目标稳健分类方法 |
Non-Patent Citations (4)
Title |
---|
Improvements of radar clutter classification in air traffic control environment;Laura Pierucci等;《2007 IEEE International Symposium on Signal Processing and Information Technology》;20071231;721-724 * |
Laura Pierucci等.Improvements of radar clutter classification in air traffic control environment.《2007 IEEE International Symposium on Signal Processing and Information Technology》.2007, |
自适应运动杂波抑制技术;陈建春等;《西安电子科技大学学报》;19990430;第26卷(第2期);174-177 * |
陈建春等.自适应运动杂波抑制技术.《西安电子科技大学学报》.1999,第26卷(第2期), |
Also Published As
Publication number | Publication date |
---|---|
CN103197298A (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103197298B (zh) | 基于环境信息的雷达信号处理方法 | |
CN102866391B (zh) | 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法 | |
US20160327651A1 (en) | Detecting and localization method of unknown signal using aircraft with ads-b system | |
CN104035095A (zh) | 基于空时最优处理器的低空风切变风速估计方法 | |
CN101334469B (zh) | 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法 | |
CN111220955B (zh) | 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法 | |
CN104569947A (zh) | 一种探地雷达的多通道数据实时融合方法 | |
CN104502906B (zh) | 基于rmdcft的空间超高速机动目标检测方法 | |
CN103217670B (zh) | 一种基于pca的外辐射源微弱信号检测方法 | |
Roarty et al. | Performance evaluation of SeaSonde high-frequency radar for vessel detection | |
CN106707258A (zh) | 一种非高斯背景下微动目标多参数估计方法 | |
CN107561512A (zh) | 一种脉冲多普勒雷达抗压制式拖曳干扰的极化对消方法 | |
CN103837867A (zh) | 一种利用ais信息进行高频雷达天线通道校正的方法 | |
CN102798870B (zh) | 一种卫星导航系统兼容性分析方法 | |
CN104280566A (zh) | 基于空时幅相估计的低空风切变风速估计方法 | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
CN104777467B (zh) | 基于频率扫描天线的目标检测方法 | |
CN110389326A (zh) | 一种接收站误差下多站多外辐射源雷达运动目标定位方法 | |
CN106597381A (zh) | 全相参全极化mimo雷达四通道融合目标检测方法 | |
CN105510878B (zh) | 一种分频段处理的多水下自主航行器被动相互定位方法 | |
Ma et al. | Target kinematic state estimation with passive multistatic radar | |
CN102928828A (zh) | 一种基于正交波形的分布式雷达的相位差估计方法 | |
CN109581303B (zh) | 一种基于Wi-Fi穿墙雷达的干扰抑制方法 | |
CN102830394B (zh) | 基于多谱线积累的弱目标探测方法 | |
CN111736149B (zh) | 一种星载下视双站探冰合成孔径雷达成像方法及装置 |
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 |