CN104237864B - 基于匹配模糊函数的距离扩展目标检测方法 - Google Patents
基于匹配模糊函数的距离扩展目标检测方法 Download PDFInfo
- Publication number
- CN104237864B CN104237864B CN201410514687.0A CN201410514687A CN104237864B CN 104237864 B CN104237864 B CN 104237864B CN 201410514687 A CN201410514687 A CN 201410514687A CN 104237864 B CN104237864 B CN 104237864B
- Authority
- CN
- China
- Prior art keywords
- mrow
- signal
- frequency
- msup
- mixed
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 230000021615 conjugation Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006978 adaptation Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 101100349237 Agrobacterium fabrum (strain C58 / ATCC 33970) maf2 gene Proteins 0.000 description 1
- 101100378608 Arabidopsis thaliana AGL31 gene Proteins 0.000 description 1
- 101100049730 Arabidopsis thaliana WPP2 gene Proteins 0.000 description 1
- 101001055100 Homo sapiens Repressor of RNA polymerase III transcription MAF1 homolog Proteins 0.000 description 1
- 238000003657 Likelihood-ratio test Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 102100026898 Repressor of RNA polymerase III transcription MAF1 homolog Human genes 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 101150095688 maf gene Proteins 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
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
本发明属于雷达目标检测技术领域,特别涉及基于匹配模糊函数的距离扩展目标检测方法,其包括以下步骤:将回波信号和参考信号进行混频,得到混频后信号,估计出混频器信号的噪声标准差;得出混频后信号的标准化信号;对混频后信号的标准化信号进行离散傅里叶变换,得出离散傅里叶变换后的频域信号;使用矩形窗函数将离散傅里叶变换后的频域信号划分为N/L个子频域信号;对每个子频域信号内的各个频率值取模值并求和,得出频率值模值之和最大的子频域信号在所述N/L个子频域信号中的序号imax,构造匹配信号:得出匹配信号和混频后信号的互模糊函数,得出区域积分特征值P;设置检测门限η,如果P≥η,则认为有目标存在,如果P<η,则认为不存在目标。
Description
技术领域
本发明属于雷达目标检测技术领域,特别涉及基于匹配模糊函数的距离扩展目标检测方法。
背景技术
目标的回波信号与两个雷达常数有关:发射信号的波长和距离分辨率。如果目标沿雷达视线方向的尺寸大于雷达发射波的波长,那么目标可以看成是一系列分散的物理反射中心的组合,而回波信号可以看成被多个单独散射中心反射的回波的叠加。
近年来高分辨雷达取得了重大进展并在成像方面得到了广泛的应用。在高分辨雷达系统中,距离分辨率比目标在雷达视线方向的尺寸要小。因此散射中心分布在不同的距离单元内,目标就被看做距离扩展目标。由于高分辨雷达收集的回波提供了散射中心的更精确的信息,其中包括位置、分布、长度。因此目标回波就可以用来做目标的检测、识别和分类。
在低分辨雷达的检测系统中目标定位在一个单一的距离单元中,相比之下高分辨雷达的检测有两方面的优势。第一,高分辨雷达单元内包含更少的噪声,这就提供了一个更高的信噪比。第二,由于高分辨雷达的一个回波距离单元包含更少的物理散射中心,距离扩展目标的回波将更加稳定。
为了检测一个距离扩展目标,通常假设目标模型是已知的。然而距离扩展目标的模型对于目标的姿态是高度敏感的。通常距离扩展目标的检测是通过最大似然比法或二阶最大似然比法实现的。这些基于广义似然比检测(GLRT,generalized likelihood ratiotest)的检测器依赖大量的间接数据,他们或是和原始数据具有相同的相关矩阵,或是具有相同形式的相关矩阵。一个特殊例子那就是高斯白噪声。他的协方差矩阵具有仅决定于协方差的相同结构。在这种情况下,间接数据并不总是必要的。最近甚至在相关高斯噪声或非高斯噪声环境中,一些不需要间接数据的检测器被提出。除此之外基于广义似然比检测的检测器需要目标导向矢量的精确知识。近年,导向矢量的失配问题在一定约束下被减少了。
为了在高斯白噪声中检测距离扩展目标,一种经典的检测器在被提出,即特殊散射密度检测(SSD-GLRT,spatial scattering density GLRT)。它通过用于减少噪声并在一维高分辨距离向上积分的非线性映射来实现。最近,两组用于检测高斯白噪声中有机动航行的距离扩展飞行器的检测器被提出。一种检测器由多个连续的高分辨距离像(HRRP,highresolution range profile)的数学均值的波形熵产生。另一个在单独的高分辨距离向的熵进行一个非线性缩减映射,用于减少噪声,之后再将滤波后的高分辨距离向的调制过的互相关矩阵进行加权积分。
这两种检测器能非结合地积分目标的多个高分辨距离像,从而改善检测性能。然而他们都受到目标移动的严重影响,包括目标的平动和转动。此外,利用两个相邻的混频器输出来检测距离扩展目标也被提出。这样的检测是建立在假设两个相邻的高分辨距离像是高度相关的基础上的。因此这种情况只适用于低速度、并且没有高速转动的目标。
发明内容
本发明的目的在于提出基于匹配模糊函数的距离扩展目标检测方法,适用于检测高速目标。
为实现上述技术目的,本发明采用如下技术方案予以实现。
基于匹配模糊函数的距离扩展目标检测方法包括以下步骤:
步骤1,利用雷达发射信号,利用雷达接收到接收回波信号,然后将回波信号和参考信号进行混频,得到混频后信号r,估计出混频器信号r的噪声标准差
步骤2,得出混频后信号r的标准化信号r′,
步骤3,对混频后信号r的标准化信号r′进行离散傅里叶变换,得出离散傅里叶变换后的频域信号m表示离散频率值变量;
步骤4,使用矩形窗函数将离散傅里叶变换后的频域信号划分为N/L个互不重叠的子频域信号,L为矩形窗函数的长度,L为正整数,N为混频后信号r的信号长度,N/L为正整数,N/L的值大于或等于2;对每个子频域信号内的各个频率值取模值并求和,得到每个子频域信号的频率值模值之和,得出频率值模值之和最大的子频域信号在所述N/L个子频域信号中的序号imax,将所述N/L个子频域信号的第imax个子频域信号内的模值最大的频率值作为主要频率b;
步骤5,构造匹配信号R(n):
其中,n=0,1,2,…,N-1;
步骤6,得出匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m'),k表示匹配信号和混频后信号的互模糊函数中的频移,m'表示匹配信号和混频后信号的互模糊函数中的时延,k取N/2-b至N/2+b,m'为整数且m'取0至N-1;
步骤7,按照以下公式得出区域积分特征值P:
其中,|·|表示取绝对值;
步骤8,设置检测门限η,如果P≥η,则认为有目标存在,如果P<η,则认为不存在目标。
本发明的特点和进一步改进在于:
在步骤1中,利用雷达发射信号,雷达接收到回波信号,然后对回波信号进行去斜处理,从而实现信号的下变频,去斜处理的过程为:将回波信号和参考信号进行混频,得到混频后信号r;
得出混频器信号r的噪声标准差
其中,r(n)表示指混频后信号r的第n+1个分量,r=[r(0),r(1)...r(N-1)],n取0至N-1,R(·)表示复数的实部,I(·)表示复数的虚部,|·|表示取绝对值,median{|R(r(n))|,n=0,1,…,N-1}表示取序列|R(r(0))|,|R(r(1)|,...,|R(r(N-1))|的中值,为估计出的混频后信号r的标准差。
在步骤3中,离散傅里叶变换后的频域信号为:
其中,m为离散频率值变量,离散傅里叶变换后的频域信号的长度为N。
在步骤6中,匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m')为:
其中,k表示匹配信号和混频后信号的互模糊函数中的频移,m'表示匹配信号和混频后信号的互模糊函数中的时延,k取N/2-b至N/2+b,m'为整数且m'取0至N-1,N为混频后信号r的信号长度,上标*表示取共轭,R(n+m')为:
本发明的有益效果为:本发明的检测结果仅仅依赖于混频器的一次输出(仅利用一次混频后信号),因此可以用于检测高速运动或转动的目标。在相同的信噪比下,本发明的目标检测概率优于现有其他类型检测器。
附图说明
图1为本发明的基于匹配模糊函数的距离扩展目标检测方法的流程图;
图2为仿真实验中针对An-26飞行器的雷达实测回波数据分别应用几种检测器得出的目标检测概率与信噪比的关系曲线示意图;
图3为仿真实验中针对Cessna Citation S/II飞行器的雷达实测回波数据分别应用几种检测器得出的目标检测概率与信噪比的关系曲线示意图;
图4为仿真实验中针对Yark-42飞行器的雷达实测回波数据分别应用几种检测器得出的目标检测概率与信噪比的关系曲线示意图。
具体实施方式
下面结合附图对本发明作进一步说明:
参照图1,为本发明的基于匹配模糊函数的距离扩展目标检测方法的流程图,该基于匹配模糊函数的距离扩展目标检测方法包括以下步骤:
步骤1,利用雷达发射信号,利用雷达接收到接收回波信号,然后将回波信号和参考信号进行混频,得到混频后信号r,估计出混频器信号r的噪声标准差
其具体子步骤为:
利用宽带雷达发射信号(宽带线性调频信号),宽带雷达接收机接收到回波信号(目标反射的宽带线性调频信号的回波),然后对回波信号进行去斜处理,从而实现信号的下变频,去斜处理的过程为:将回波信号和参考信号进行混频,得到混频后信号r。
对混频后信号标准化预处理实现恒虚警,需要先求出混频后信号的标准差,这里采用平均绝对离差估计器估计混频器信号r的噪声标准差
其中,r(n)表示指混频后信号r的第n+1个分量,r=[r(0),r(1)...r(N-1)],n取0至N-1,N为混频后信号r的信号长度。R(·)表示复数的实部,I(·)表示复数的虚部,|·|表示取绝对值,median{·}表示取序列的中值,median{|R(r(n))|,n=0,1,…,N-1}表示取序列|R(r(0))|,|R(r(1)|,...,|R(r(N-1))|的中值,为估计出的混频后信号r的实部的标准差,为估计出的混频后信号r的虚部的标准差,为估计出的混频后信号r的标准差。
步骤2,得出混频后信号r的标准化信号r′,
步骤3,对混频后信号r的标准化信号r′进行离散傅里叶变换(DFT),得出离散傅里叶变换后的频域信号m表示离散频率值。
其具体子步骤为:
为构造混频器输出的匹配函数做准备,这就需要对混频后信号r的标准化信号r′(n)进行谱分析,提取主要频率作为匹配信号的参数。对混频后信号r的标准化信号r′(n)进行离散傅里叶变换(DFT),得出离散傅里叶变换后的频域信号
其中,m为离散频率值。离散傅里叶变换后的频域信号的长度为N。
步骤4,使用矩形窗函数将离散傅里叶变换后的频域信号划分为N/L个子频域信号(即第i个频谱序列),划分形成的每个子频域信号互不重叠,L为矩形窗函数的长度,L为正整数,N/L为正整数,N/L的值大于或等于2。第i个子频域信号中的第m-iL个频率值表示为xi(m-iL),i=0,1,2,…,N/L-1。xi(m-iL)为:
其中,h(·)为窗函数。
由于矩形窗函数的长度为L,因此每个子频域信号共有L个离散频率值;此时,对每个子频域信号内的各个频率值取模值并求和,得到每个子频域信号的频率值模值之和,认为频率值模值之和最大的子频域信号包含目标信号,得出频率值模值之和最大的子频域信号在所述N/L个子频域信号中的序号imax,即频率值模值之和最大的子频域信号为所述N/L个子频域信号中的第imax个子频域信号。
将所述N/L个子频域信号的第imax个子频域信号内的模值最大的频率值作为主要频率b,并将主要频率b作为匹配信号的参数。
步骤5,根据主要频率b构造匹配信号R(n)。
其中,匹配信号R(n)为自变量n的函数。
步骤6,得出匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m'),k表示匹配信号和混频后信号的互模糊函数中的频移,m'表示匹配信号和混频后信号的互模糊函数中的时延。
若回波信号中有目标信号,互模糊函数的能量将主要集中在互模糊函数的0多普勒附近区域内。因此首先求出匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m'),为提取特征做准备,匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m')为:
其中,k表示匹配信号和混频后信号的互模糊函数中的频移,m'表示匹配信号和混频后信号的互模糊函数中的时延,k取N/2-b至N/2+b,m'为整数且m'取0至N-1,N为混频后信号r的信号长度。上标*表示取共轭。R(n+m')为:
步骤7,求匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m')关于0多普勒附近的区域积分,按照以下公式得出区域积分特征值P:
其中,|·|表示取绝对值,k取N/2-b至N/2+b,m'为整数且m'取0至N-1,N为混频后信号r的信号长度。
步骤8,设置检测门限η(通过进行100000次蒙特卡洛实验得到检测门限η),判断区域积分特征值P和检测门限η的大小关系,如果P≥η,则认为有目标存在,如果P<η,则认为不存在目标。
本发明的效果可通过以下仿真实验进一步说明:
1)仿真实验环境和内容
实验环境:MATLAB 7.5.0,Intel(R)Pentium(R)2 CPU 3.0 GHz,Window XPProfessional。
实验内容:应用了An-26,Cessna Citation S/II(CC-S/II),和Yark-42三种飞行器的雷达实测回波数据,数据包含4000个混频器输出。将本发明检测器与几种已提出的检测器进行性能比较。画出各自在特定信噪比下的检测概率图。参照图2,为仿真实验中针对An-26飞行器的雷达实测回波数据分别应用几种检测器得出的目标检测概率与信噪比的关系曲线示意图。参照图3,为仿真实验中针对Cessna Citation S/II飞行器的雷达实测回波数据分别应用几种检测器得出的目标检测概率与信噪比的关系曲线示意图。参照图4,为仿真实验中针对Yark-42飞行器的雷达实测回波数据分别应用几种检测器得出的目标检测概率与信噪比的关系曲线示意图。图2、图3和图4中,横轴皆为信噪比,其单位为dB;纵轴为取值范围为0到1的目标检测概率。图2、图3和图4中,其中integration detector表示能量积分检测器,SSD-GLRT表示广义似然比检测器,AF表示匹配函数为混频输出自身的模糊函数检测器,CAF表示匹配函数为相邻混频器输出的模糊函数检测器,MAF1表示直接用本方法构造匹配函数时选取的imax片段中的能量作为特征的检测器,MAF2表示本发明。
2)实验结果:
结果如图2、图3和图4,可以看到本发明提出的检测方法在相同的信噪比下,目标检测概率高于其他的检测器,性能更好。和以相邻混频器输出为匹配函数的检测器相比,本发明由于仅仅依赖于一次混频输出,因此对于高速目标适用性更好。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (3)
1.基于匹配模糊函数的距离扩展目标检测方法,其特征在于,包括以下步骤:
步骤1,利用雷达发射信号,利用雷达接收到回波信号,然后将回波信号和参考信号进行混频,得到混频后信号r,估计出混频后信号r的噪声标准差
<mrow>
<msub>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mi>r</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>e</mi>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>n</mi>
<mo>{</mo>
<mo>|</mo>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
<mn>0.6745</mn>
</mfrac>
</mrow>
<mrow>
<msub>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>m</mi>
<mi>e</mi>
<mi>d</mi>
<mi>i</mi>
<mi>a</mi>
<mi>n</mi>
<mo>{</mo>
<mo>|</mo>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
<mo>}</mo>
</mrow>
<mn>0.6745</mn>
</mfrac>
</mrow>
<mrow>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mi>r</mi>
</msub>
<mo>+</mo>
<msub>
<mover>
<mi>&sigma;</mi>
<mo>^</mo>
</mover>
<mi>i</mi>
</msub>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
其中,r(n)表示混频后信号r的第n+1个分量,r=[r(0),r(1)...r(N-1)],n取0至N-1,R(·)表示复数的实部,I(·)表示复数的虚部,|·|表示取绝对值,median{|R(r(n))|,n=0,1,…,N-1}表示取序列|R(r(0))|,|R(r(1))|,...,|R(r(N-1))|的中值,为估计出的混频后信号r的噪声标准差;
步骤2,得出混频后信号r的标准化信号r′,
步骤3,对混频后信号r的标准化信号r′进行离散傅里叶变换,得出离散傅里叶变换后的频域信号m表示离散频率值变量;
步骤4,使用矩形窗函数将离散傅里叶变换后的频域信号划分为N/L个互不重叠的子频域信号,L为矩形窗函数的长度,L为正整数,N为混频后信号r的信号长度,N/L为正整数,N/L的值大于或等于2;对每个子频域信号内的各个频率值取模值并求和,得到每个子频域信号的频率值模值之和,得出频率值模值之和最大的子频域信号在所述N/L个子频域信号中的序号imax,将所述N/L个子频域信号的第imax个子频域信号内的模值最大的频率值作为主要频率b;
步骤5,构造匹配信号R(n):
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mi>L</mi>
<mo>+</mo>
<mi>b</mi>
<mo>-</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mi>N</mi>
</mfrac>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,n=0,1,2,…,N-1;
步骤6,得出匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m′),k表示匹配信号和混频后信号的互模糊函数中的频移,m′表示匹配信号和混频后信号的互模糊函数中的时延,k取N/2-b至N/2+b,m′为整数且m′取0至N-1;
步骤7,按照以下公式得出区域积分特征值P:
<mrow>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mo>|</mo>
<mi>M</mi>
<mi>A</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mn>2</mn>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>P</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>-</mo>
<mi>b</mi>
</mrow>
<mrow>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>+</mo>
<mi>b</mi>
</mrow>
</munderover>
<mi>u</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,|·|表示取绝对值;
步骤8,设置检测门限η,如果P≥η,则认为有目标存在,如果P<η,则认为不存在目标。
2.如权利要求1所述的基于匹配模糊函数的距离扩展目标检测方法,其特征在于,在步骤3中,离散傅里叶变换后的频域信号为:
<mrow>
<mover>
<mi>r</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msup>
<mi>r</mi>
<mo>&prime;</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
<mi>m</mi>
<mi>n</mi>
</mrow>
<mi>N</mi>
</mfrac>
</mrow>
</msup>
</mrow>
其中,m为离散频率值变量,离散傅里叶变换后的频域信号的长度与混频后信号r的信号长度相同,且为N。
3.如权利要求1所述的基于匹配模糊函数的距离扩展目标检测方法,其特征在于,在步骤6中,匹配信号R(n)和混频后信号r的互模糊函数MAF(k,2m′)为:
<mrow>
<mi>M</mi>
<mi>A</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>,</mo>
<mn>2</mn>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>N</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>+</mo>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<msup>
<mi>r</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mi>k</mi>
<mi>n</mi>
<mo>/</mo>
<mi>N</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,k表示匹配信号和混频后信号的互模糊函数中的频移,m′表示匹配信号和混频后信号的互模糊函数中的时延,k取N/2-b至N/2+b,m′为整数且m′取0至N-1,N为混频后信号r的信号长度,上标*表示取共轭,R(n+m′)为:
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>+</mo>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>i</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mi>L</mi>
<mo>+</mo>
<mi>b</mi>
<mo>-</mo>
<mi>N</mi>
<mo>/</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mi>N</mi>
</mfrac>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>+</mo>
<msup>
<mi>m</mi>
<mo>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>-</mo>
<mn>1.</mn>
</mrow>
2
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410514687.0A CN104237864B (zh) | 2014-09-29 | 2014-09-29 | 基于匹配模糊函数的距离扩展目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410514687.0A CN104237864B (zh) | 2014-09-29 | 2014-09-29 | 基于匹配模糊函数的距离扩展目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104237864A CN104237864A (zh) | 2014-12-24 |
CN104237864B true CN104237864B (zh) | 2017-11-03 |
Family
ID=52226323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410514687.0A Expired - Fee Related CN104237864B (zh) | 2014-09-29 | 2014-09-29 | 基于匹配模糊函数的距离扩展目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104237864B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104535991B (zh) * | 2014-12-31 | 2017-04-12 | 中国电子科技集团公司第五十研究所 | 基于模型匹配的脉冲雷达的超分辨率距离检测方法 |
CN106100769B (zh) * | 2016-05-23 | 2018-09-04 | 西安电子科技大学 | 一种多个不同体制卫星下微弱回波信号联合检测方法 |
CN114492505B (zh) * | 2021-12-24 | 2023-05-30 | 西安电子科技大学 | 基于半实测数据的空中群目标和扩展目标识别方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5191337A (en) * | 1992-02-25 | 1993-03-02 | Hughes Aircraft Company | Ranging, detection and resolving in a multislope frequency modulated waveform radar system |
CN102230961B (zh) * | 2011-03-31 | 2013-05-08 | 北京航空航天大学 | 基于相位补偿处理的扩展目标检测方法 |
CN103033815B (zh) * | 2012-12-19 | 2014-11-05 | 中国科学院声学研究所 | 基于混响协方差矩阵的距离扩展目标的检测方法和装置 |
CN103544296B (zh) * | 2013-10-22 | 2017-02-15 | 中国人民解放军海军航空工程学院 | 雷达距离扩展目标自适应智能融合检测方法 |
-
2014
- 2014-09-29 CN CN201410514687.0A patent/CN104237864B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104237864A (zh) | 2014-12-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105807267B (zh) | 一种mimo雷达扩展目标的检测方法 | |
Suo et al. | Detection of high‐speed and accelerated target based on the linear frequency modulation radar | |
CN107076834A (zh) | 具有增大的多普勒能力的雷达操作 | |
DE112017007143B4 (de) | Radarvorrichtung | |
CN105403875B (zh) | 双极化接收雷达的目标检测方法 | |
Gong et al. | Mathematic principle of active jamming against wideband LFM radar | |
CN111175718A (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
CN107132513B (zh) | 基于相关距离的距离扩展目标检测方法 | |
Park et al. | Simulation and analysis of polarimetric radar signatures of human gaits | |
CN104237864B (zh) | 基于匹配模糊函数的距离扩展目标检测方法 | |
Potapov | Fractal and topological sustainable methods of overcoming expected uncertainty in the radiolocation of low-contrast targets and in the processing of weak multi-dimensional signals on the background of high-intensity noise: A new direction in the statistical decision theory | |
CN109934101A (zh) | 基于卷积神经网络的雷达杂波识别方法 | |
Wang et al. | Prior-guided deep interference mitigation for FMCW radars | |
CN109521411A (zh) | 一种距离扩展目标的检测方法 | |
CN108169728A (zh) | 基于Minkowski距离的距离扩展目标检测方法 | |
CN103675808A (zh) | 一种单脉冲雷达导引头的不可分辨多目标检测方法 | |
Wang et al. | Research on anti-Narrowband AM jamming of Ultra-wideband impulse radio detection radar based on improved singular spectrum analysis | |
CN105093199A (zh) | 基于雷达时域回波的目标识别特征提取方法 | |
US20210326581A1 (en) | DNN-Based Human Face Classification | |
CN104459665B (zh) | 基于混合多项式相位函数的机动距离扩展目标检测方法 | |
CN106019244A (zh) | 基于正负斜率lfm波形正交极化雷达的抗移频干扰方法 | |
Lellouch et al. | Frequency agile stepped OFDM waveform for HRR | |
Xinghua et al. | Performance gain bounds of coherently combining multiple radars in a target-based calibration manner | |
CN112098952B (zh) | 一种基于时域统计处理的雷达侦察杂波抑制方法 | |
Biswas et al. | HRSpecNET: A Deep Learning-Based High-Resolution Radar Micro-Doppler Signature Reconstruction for Improved HAR Classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171103 |