CN103995259A - 密集干扰环境下雷达目标自适应滤波融合检测方法 - Google Patents
密集干扰环境下雷达目标自适应滤波融合检测方法 Download PDFInfo
- Publication number
- CN103995259A CN103995259A CN201410248863.0A CN201410248863A CN103995259A CN 103995259 A CN103995259 A CN 103995259A CN 201410248863 A CN201410248863 A CN 201410248863A CN 103995259 A CN103995259 A CN 103995259A
- Authority
- CN
- China
- Prior art keywords
- reference data
- window
- target
- detection method
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种密集干扰环境下雷达目标自适应滤波融合检测方法,属于雷达信号处理领域。在干扰目标的数目和空间分布均随机且未知的密集干扰环境下,为了克服现有检测方法检测性能退化、环境自适应性差等不足,本发明提出一种密集干扰环境下雷达目标自适应滤波融合检测方法;该方法通过建立滤波窗口大小自动调整机制,利用中值滤波处理脉冲型干扰的独特优势,构建自适应中值滤波器,有效剔除参考单元中的干扰目标采样,消除密集干扰环境下“目标遮蔽”的不利影响,并利用剩余纯杂噪参考数据采样值融合形成检测阈值,在保持恒虚警率特性的同时,具有很强的密集干扰环境自适应性和多目标分辨能力。
Description
技术领域
本发明隶属于雷达信号处理领域,具体涉及一种密集干扰环境下雷达目标自适应滤波融合检测方法。
背景技术
雷达是军事和民用领域中利用无线电波探测目标的重要工具。在雷达目标自动检测系统中,通常将自动检测和恒虚警率(CFAR)技术结合使用,将被检测距离单元匹配滤波器的输出与适应于干扰背景变化的阈值进行比较,以保持在变化的干扰环境中获得可预测的检测性能和恒定虚警率。
当对检测单元进行目标检测时,若参考滑窗中出现其它干扰目标,经典的单元平均(CA)检测器的检测阈值就会上升,其对主目标的检测性能会严重下降,即所谓的“目标遮蔽”现象。为了降低“目标遮蔽”的不利影响,提高检测器在干扰目标环境下的检测性能,出现了多种CFAR处理技术。其中,选小(SO)检测方法解决了空间邻近多干扰目标背景下的检测问题,但它无法适用于干扰目标空间分布间隔较远的情况。为此,有序统计(OS)类CFAR检测方法基于参考样本的有序序列,通过选择代表性的参考数据估计未知杂噪功率强度,有效改善了检测方法的多目标分辨能力,但此类方法往往需要干扰目标数的先验信息,且在干扰目标空间分布密集时性能有所退化,环境自适应性欠佳。
实际应用中,干扰目标的统计特性不同于背景杂噪的统计特性。为得到杂噪背景的平均功率水平估计,需要将干扰目标从参考单元序列中排除出去,然后基于处理后的参考单元采样序列计算检测阈值。由于实际干扰目标的数目和空间分布是随机未知的,因此,合理融合参考数据中的可用信息,设计简单有效的自适应CFAR检测方法,使之既能自适应于干扰目标数的变化,又可自适应于干扰目标的不同空间分布,具有重要的现实意义。
发明内容
1. 要解决的技术问题
在干扰目标数未知的密集干扰环境下,为了克服现有CFAR检测方法环境自适应性差和检测性能下降等问题,本发明建立滤波窗口大小自动调整机制,通过自适应中值滤波有效剔除参考单元中的干扰目标采样,利用剩余纯杂噪参考数据采样值融合形成检测阈值,提出密集干扰环境下雷达目标自适应滤波融合检测方法,在满足虚警概率恒定的同时,能有效检测目标。
2. 技术方案
本发明所述密集干扰环境下雷达目标自适应滤波融合检测方法包括以下技术措施:
步骤1 获取参考数据并估计均值
在待检测距离单元附近采用M个距离单元的雷达回波视频观测值( )作为参考数据,并采用算术平均法估计所有M个参考数据的均值,即
(1)
步骤2 对所有参考数据依次进行自适应中值滤波,智能剔除干扰目标
(1) 设定中值滤波窗口大小N 1的初始值为
(2)
其中,初始值N 0的设定依据实际情况而定,一般取N 0=3;
(2) 以参考数据x m 为窗口中心,利用窗口大小为N 1的滑窗取出局部参考数据;
设定整数l和h分别为
(3)
(4)
上式中,“”表示不大于参数k的最大整数;
则滑窗内包含的N 1个参考数据为,若窗口范围超出参考数据边缘,则假定超出部分的参考数据值均为0;
将滑窗内的N 1个参考数据依次记为,并估计窗口内参考数据的算术平均值,即
(5)
(3) 将局部均值与总均值进行比较,依据比较结果自适应调整中值滤波窗口大小;若,则说明滤波窗口内干扰目标数量过多,需将窗口范围分别向前后扩展1个距离单元,即在保证窗口中心位置不变的情况下将窗口大小调整为N 1+2,其中,调整系数β可根据实际情况设定,一般满足β≥1;
(4) 重复步骤(2)和步骤(3),直至局部均值满足为止,将此时的滤波窗口大小记为N;利用中值滤波将窗口中心点的值x m 用窗内所有值的中值代替,若将滤波窗口内的N个参考数据()按值大小顺序排列为,则经过中值滤波后,滤波窗口中心点的值x m 被更新为,其中可表示为
(6)
(5) 对所有原始参考数据()依次进行步骤(2)至步骤(4)的自适应中值滤波处理,根据式(6)获得M个新参考数据();
步骤3 利用新参考数据融合形成检测阈值,并进行目标有无的判决
利用新参考数据()进行融合,估计杂噪平均强度Z,即
(7)
基于杂噪强度估计值Z设定检测阈值T,即
(8)
上式中,门限因子α根据预设虚警概率进行设定,确保检测方法的CFAR特性;
最后,对待检测距离单元观测值x进行检测判决,若x≥T,则判定待检测单元存在目标;反之,若x<T,则判定待检测单元不存在目标。
3. 有益效果
与背景技术相比,本发明的有益效果是:在干扰目标的数量和空间分布均未知的密集干扰环境下,本发明方法能自适应调整中值滤波窗口大小,有效剔除含干扰目标的参考数据,消除密集干扰环境下“目标遮蔽”的不利影响,在保持CFAR特性的同时,具有很强的密集干扰环境自适应性和多目标分辨能力,且计算简单便于工程实现。
附图说明
图1是本发明所提出的检测方法的功能模块图。图中,1. 总均值计算模块,2. 自适应中值滤波模块,3. 杂噪功率强度计算模块,4. 检测门限计算模块,5. 检测判决模块。
具体实施方式
下面结合附图对本发明作进一步描述。本发明实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
参照说明书附图,本发明的具体实施方式分为以下几个步骤:
步骤1 获取参考数据并估计均值
雷达天线接收的信号经放大和混频后,通过匹配滤波器进行能量积累,再经检波器得到雷达回波视频信号,并按距离分辨单元进行采样得到雷达回波视频观测值;在待检测距离单元观测值x附近,采用M个距离单元的雷达回波视频观测值()作为参考数据,将M个参考数据送入总均值计算模块(1),依据式(1)估计所有M个参考数据的总均值;
步骤2 将M个参考数据送入自适应中值滤波模块(2),对所有参考数据依次进行自适应中值滤波,智能剔除干扰目标,具体采用如下步骤(1)至步骤(5);
(1) 依据式(2)对中值滤波窗口大小N 1进行初始化;
(2) 以参考数据x m 为窗口中心,利用窗口大小为N 1的滑窗取出局部参考数据,并依据式(5)估计窗口内参考数据的局部均值;
(3) 根据实际情况设定调整系数β,将局部均值与进行比较,若,则将窗口范围分别向前后扩展1个距离单元,即在保证窗口中心位置不变的情况下将窗口大小调整为N 1+2;
(4) 重复步骤(2)和步骤(3),直至满足为止,将此时的滤波窗口大小记为N;利用式(6)的中值滤波处理,将窗口中心点的值x m 用窗内所有值的中值代替;
(5) 对所有原始参考数据()依次进行步骤(2)至步骤(4)的自适应中值滤波处理,根据式(6)获得M个新参考数据();
步骤3 将新参考数据()送入杂噪功率强度计算模块(3),根据式(7)融合估计杂噪平均强度Z;将Z送入检测门限计算模块(4),依据式(8)设定检测阈值T;最后将检测阈值T送入检测判决模块(5),对待检测数据x进行检测判决并输出检测结果,若x≥T,则判定待检测单元存在目标,反之,若x<T,则判定待检测单元不存在目标。
Claims (1)
1.密集干扰环境下雷达目标自适应滤波融合检测方法,其特征在于包括以下步骤:
步骤1 获取参考数据并估计均值
在待检测距离单元附近采用M个距离单元的雷达回波视频观测值( )作为参考数据,并采用算术平均法估计所有M个参考数据的均值,即
(1)
步骤2 对所有参考数据依次进行自适应中值滤波,智能剔除干扰目标
(1) 设定中值滤波窗口大小N 1的初始值为
(2)
其中,初始值N 0的设定依据实际情况而定,一般取N 0=3;
(2) 以参考数据x m 为窗口中心,利用窗口大小为N 1的滑窗取出局部参考数据;
设定整数l和h分别为
(3)
(4)
上式中,“”表示不大于参数k的最大整数;
则滑窗内包含的N 1个参考数据为,若窗口范围超出参考数据边缘,则假定超出部分的参考数据值均为0;
将滑窗内的N 1个参考数据依次记为,并估计窗口内参考数据的算术平均值,即
(5)
(3) 将局部均值与总均值进行比较,依据比较结果自适应调整中值滤波窗口大小;若,则说明滤波窗口内干扰目标数量过多,需将窗口范围分别向前后扩展1个距离单元,即在保证窗口中心位置不变的情况下将窗口大小调整为N 1+2,其中,调整系数β可根据实际情况设定,一般满足β≥1;
(4) 重复步骤(2)和步骤(3),直至局部均值满足为止,将此时的滤波窗口大小记为N;利用中值滤波将窗口中心点的值x m 用窗内所有值的中值代替,若将滤波窗口内的N个参考数据()按值大小顺序排列为,则经过中值滤波后,滤波窗口中心点的值x m 被更新为,其中可表示为
(6)
(5) 对所有原始参考数据()依次进行步骤(2)至步骤(4)的自适应中值滤波处理,根据式(6)获得M个新参考数据();
步骤3 利用新参考数据融合形成检测阈值,并进行目标有无的判决
利用新参考数据()进行融合,估计杂噪平均强度Z,即
(7)
基于杂噪强度估计值Z设定检测阈值T,即
(8)
上式中,门限因子α根据预设虚警概率进行设定,确保检测方法的CFAR特性;
最后,对待检测距离单元观测值x进行检测判决,若x≥T,则判定待检测单元存在目标;反之,若x<T,则判定待检测单元不存在目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410248863.0A CN103995259B (zh) | 2014-06-06 | 2014-06-06 | 密集干扰环境下雷达目标自适应滤波融合检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410248863.0A CN103995259B (zh) | 2014-06-06 | 2014-06-06 | 密集干扰环境下雷达目标自适应滤波融合检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103995259A true CN103995259A (zh) | 2014-08-20 |
CN103995259B CN103995259B (zh) | 2016-05-18 |
Family
ID=51309474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410248863.0A Active CN103995259B (zh) | 2014-06-06 | 2014-06-06 | 密集干扰环境下雷达目标自适应滤波融合检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103995259B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104617914A (zh) * | 2015-02-11 | 2015-05-13 | 珠海格力电器股份有限公司 | 一种电器设备的信号滤波方法及系统 |
CN105577479A (zh) * | 2016-01-25 | 2016-05-11 | 四川九洲电器集团有限责任公司 | 一种设备询问方法及航管询问设备 |
CN106842143A (zh) * | 2017-01-24 | 2017-06-13 | 西安电子科技大学 | 基于滤波的雷达目标快速cfar检测方法 |
CN106872958A (zh) * | 2017-04-27 | 2017-06-20 | 中国人民解放军海军航空工程学院 | 基于线性融合的雷达目标自适应检测方法 |
CN108919225A (zh) * | 2018-07-26 | 2018-11-30 | 中国人民解放军海军航空大学 | 部分均匀环境下距离扩展目标多通道融合检测方法 |
CN110856206A (zh) * | 2018-08-20 | 2020-02-28 | 富士通株式会社 | 干扰识别方法、装置和终端设备 |
CN111190147A (zh) * | 2020-02-12 | 2020-05-22 | 南京理工大学 | 一种针对毫米波汽车防撞雷达的干扰抑制方法 |
CN111539935A (zh) * | 2020-04-24 | 2020-08-14 | 江苏大学 | 一种基于机器视觉的电缆表面缺陷在线检测方法 |
CN114730002A (zh) * | 2019-12-03 | 2022-07-08 | 高通股份有限公司 | 雷达数据的有效压缩 |
CN116503268A (zh) * | 2023-03-21 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006008227A1 (fr) * | 2004-07-13 | 2006-01-26 | Thales | Procede de tfac par segmentation statistique et normalisation |
CN103176178A (zh) * | 2013-02-04 | 2013-06-26 | 中国人民解放军海军航空工程学院 | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 |
-
2014
- 2014-06-06 CN CN201410248863.0A patent/CN103995259B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006008227A1 (fr) * | 2004-07-13 | 2006-01-26 | Thales | Procede de tfac par segmentation statistique et normalisation |
CN103176178A (zh) * | 2013-02-04 | 2013-06-26 | 中国人民解放军海军航空工程学院 | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 |
Non-Patent Citations (2)
Title |
---|
廖桂生 等: "对付密集型干扰的波束空间部分自适应处理", 《电子学报》 * |
张昀 等: "基于密集干扰的机载雷达STAP技术的干扰研究", 《舰船电子对抗》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104617914B (zh) * | 2015-02-11 | 2018-09-07 | 珠海格力电器股份有限公司 | 一种电器设备的信号滤波方法及系统 |
CN104617914A (zh) * | 2015-02-11 | 2015-05-13 | 珠海格力电器股份有限公司 | 一种电器设备的信号滤波方法及系统 |
CN105577479A (zh) * | 2016-01-25 | 2016-05-11 | 四川九洲电器集团有限责任公司 | 一种设备询问方法及航管询问设备 |
CN106842143A (zh) * | 2017-01-24 | 2017-06-13 | 西安电子科技大学 | 基于滤波的雷达目标快速cfar检测方法 |
CN106872958B (zh) * | 2017-04-27 | 2019-04-12 | 中国人民解放军海军航空大学 | 基于线性融合的雷达目标自适应检测方法 |
CN106872958A (zh) * | 2017-04-27 | 2017-06-20 | 中国人民解放军海军航空工程学院 | 基于线性融合的雷达目标自适应检测方法 |
CN108919225A (zh) * | 2018-07-26 | 2018-11-30 | 中国人民解放军海军航空大学 | 部分均匀环境下距离扩展目标多通道融合检测方法 |
CN108919225B (zh) * | 2018-07-26 | 2020-06-30 | 中国人民解放军海军航空大学 | 部分均匀环境下距离扩展目标多通道融合检测方法 |
CN110856206A (zh) * | 2018-08-20 | 2020-02-28 | 富士通株式会社 | 干扰识别方法、装置和终端设备 |
CN114730002A (zh) * | 2019-12-03 | 2022-07-08 | 高通股份有限公司 | 雷达数据的有效压缩 |
CN111190147A (zh) * | 2020-02-12 | 2020-05-22 | 南京理工大学 | 一种针对毫米波汽车防撞雷达的干扰抑制方法 |
CN111190147B (zh) * | 2020-02-12 | 2023-04-21 | 南京理工大学 | 一种针对毫米波汽车防撞雷达的干扰抑制方法 |
CN111539935A (zh) * | 2020-04-24 | 2020-08-14 | 江苏大学 | 一种基于机器视觉的电缆表面缺陷在线检测方法 |
CN116503268A (zh) * | 2023-03-21 | 2023-07-28 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
CN116503268B (zh) * | 2023-03-21 | 2024-03-29 | 中国人民解放军海军大连舰艇学院 | 一种用于雷达回波图像的质量改进方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103995259B (zh) | 2016-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103995259A (zh) | 密集干扰环境下雷达目标自适应滤波融合检测方法 | |
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN103076602B (zh) | 针对多目标背景的雷达自适应恒虚警率融合检测方法 | |
US8094060B2 (en) | Method of detecting a target | |
CN109597065B (zh) | 一种用于穿墙雷达检测的虚警抑制方法、装置 | |
CN103995258B (zh) | 复杂杂波边缘环境下雷达目标自适应融合检测方法 | |
KR101109150B1 (ko) | 계산량을 향상시킨 순차통계 일정 오경보율 검파방법 | |
CN103544296A (zh) | 雷达距离扩展目标自适应智能融合检测方法 | |
CN101794437B (zh) | 一种高光谱遥感影像异常探测方法 | |
CN114114192B (zh) | 集群目标检测方法 | |
CN109597045B (zh) | 一种基于两次杂波抑制的静目标稳健识别方法 | |
CN104849707B (zh) | 一种基于多雷达分布式检测的海杂波抑制方法 | |
CN112180341B (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN107271973A (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
CN110412550A (zh) | 一种基于背景认知的区域自适应海目标检测方法 | |
Xiangwei et al. | A fast ship detection algorithm in SAR imagery for wide area ocean surveillance | |
Gao et al. | Fast two‐dimensional subset censored CFAR method for multiple objects detection from acoustic image | |
CN111337894B (zh) | 一种智能参考单元平均恒虚警检测方法 | |
Fiche et al. | Statistical analysis of low grazing angle high resolution X-band SAR sea clutter | |
CN114265015A (zh) | 一种基于杂波特性感知的精细化雷达检测方法 | |
CN110632592B (zh) | 一种手持式穿墙雷达的虚警消除方法 | |
CN112731388A (zh) | 一种基于有效散射点能量积累的目标检测方法 | |
Faramarzi et al. | Infrared dim and small targets detection based on multi-scale local contrast measure utilizing efficient spatial filters | |
Quan et al. | A miss-detection probability based thresholding algorithm for an IR-UWB radar sensor | |
RU2646857C1 (ru) | Способ селекции движущихся целей |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200624 Address after: 264001 Research and Academic Department, 188 Erma Road, Zhifu District, Yantai City, Shandong Province Patentee after: NAVAL AERONAUTICAL University Address before: 264001 No. two, 188 Road, Zhifu District, Shandong, Yantai Patentee before: NAVAL AERONAUTICAL AND ASTRONAUTICAL University PLA |
|
TR01 | Transfer of patent right |