CN104535991A - 基于模型匹配的脉冲雷达的超分辨率距离检测方法 - Google Patents
基于模型匹配的脉冲雷达的超分辨率距离检测方法 Download PDFInfo
- Publication number
- CN104535991A CN104535991A CN201410850946.7A CN201410850946A CN104535991A CN 104535991 A CN104535991 A CN 104535991A CN 201410850946 A CN201410850946 A CN 201410850946A CN 104535991 A CN104535991 A CN 104535991A
- Authority
- CN
- China
- Prior art keywords
- iteration
- model matching
- round
- super
- met
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于模型匹配的脉冲雷达的超分辨率距离检测方法包括:使用恒虚警和最小二乘法经过K次迭代求解出一组距离和幅度集合;根据第一轮迭代估计得到的距离和幅度集合[τk,Ak],在第一轮迭代退出时,通过计算模型匹配误差和前后两次匹配残留误差之差进行第二轮迭代估计。本发明的技术方案解决的技术问题是保持实际分辨率估计特性,获得更为精细的目标检测性能和更好的成像质量。
Description
技术领域
本发明涉及近场超宽带时域窄脉冲雷达探测技术领域,特别涉及一种基于模型匹配的脉冲雷达的超分辨率距离检测方法。
背景技术
近场超宽带时域窄脉冲雷达(UWB,Ultra-Wide-Band Impulse RADAR)目前已经广泛应用于各种近场成像探测和精细目标特性检测场合。UWB成像质量和目标检测性能很大程度上依赖于其实际应用时的时间-距离分辨率检测精度。传统UWB或者连续波雷达一般使用各种恒虚警检测方法来进行完成目标的时间-距离分辨率特性检测,该方法主要利用回波的能量统计分布特性得到各种不同的统计平均检测方法,其分辨率受限于传统UWB检测方法的理论分辨率水平。当目标尺寸超过探测信号的脉冲宽度或时间相干长度时,该方法的实际分辨率估计特性会显著下降。
因此如何保持实际分辨率估计特性,获得更为精细的目标检测性能和更好的成像质量成为目前亟待解决的问题之一。
发明内容
本发明的技术方案解决的技术问题是保持实际分辨率估计特性,获得更为精细的目标检测性能和更好的成像质量。
为了实现上述发明目的,本发明的技术方案提供了一种基于模型匹配的脉冲雷达的超分辨率距离检测方法,包括:
步骤S1:使用恒虚警和最小二乘法经过K次迭代求解出一组距离和幅度集合[τk,,Ak],包括:
101:确定回波采集信号b(t),发射信号b0(t),散射点目标个数K和预定误差极限ε;
102:初始化迭代参数k=1;m=0;A1=0;τ1=0,J0=∞;y(t)=b(t),其中k和m为自然数,t为时间变量,y(t)为当前残留回波信号,J为模型匹配误差信号;
103:使用恒虚警和最小二乘法估计出在所述当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak;
104:判断m=0条件是否满足,如果不满足,进入步骤S2进行第二轮迭代估计;
105:判断k<K条件是否满足,如果不满足,进入步骤S2进行第二轮迭代估计;
106:若m不为零且k≥K,则从所述当前残留回波信号y(t)中减去该目标回波信号Akb0(t-τk),并令k=k+1,进入下一次迭代;
步骤S2,根据第一轮迭代估计得到的距离和幅度集合[τk,,Ak],在第一轮迭代退出时,通过计算模型匹配误差和前后两次匹配残留误差之差进行第二轮迭代估计。
可选的,所述在第一轮迭代退出时是指k>K时退出第一轮迭代。
可选的,所述根据第一轮迭代估计得到的距离和幅度集合[τk,,Ak],在第一轮迭代退出时,通过计算模型匹配误差和前后两次匹配残留误差之差进行第二轮迭代估计包括:
201:令m=m+1,k=1;
202:计算模型匹配误差
203:判断相邻模型匹配误差之差是否满足条件Jm-Jm-1≥ε;如果满足,继续执行204步骤进行迭代。否则,终止迭代过程,输出最终目标特性估计参数[τk,,Ak];
204:计算当前目标特性估计残留误差信号
205:令k=k+1;
206:使用恒虚警和最小二乘法估计出在当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak并更新前次估计结果;
207:判断m=0条件是否满足,如果不满足,转入207步骤;
208:判断k<K条件是否满足,如果满足,转入如果204步骤,反之则转入203步骤。
本发明采取以上技术方案,与现有技术相比,具有以下优点:
本发明的技术方案采用基于回波模型的匹配方法,得到超过该理论分辨率水平的时间-距离检测分辨率,从而获得更为精细的目标检测性能和更好的成像质量。
附图说明
图1是本发明实施例提供的基于模型匹配的脉冲雷达的超分辨率距离检测方法的流程图;
图2是本发明实施例提供的基于回波模型匹配超分辨率迭代求解流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
如图1和图2所示,所述基于模型匹配的脉冲雷达的超分辨率距离检测方法包括:
步骤S1:使用恒虚警和最小二乘法经过K次迭代求解出一组距离和幅度集合[τk,,Ak];
步骤S2,根据第一轮迭代估计得到的距离和幅度集合[τk,,Ak],在第一轮迭代退出时,通过计算模型匹配误差和前后两次匹配残留误差之差进行第二轮迭代估计。
所述步骤S1,具体可分为:
101:确定回波采集信号b(t),发射信号b0(t),散射点目标个数K和预定误差极限ε;
102:初始化迭代参数k=1;m=0;A1=0;τ1=0,J0=∞;y(t)=b(t),其中k和m为自然数,t为时间变量,y(t)为当前残留回波信号,J为模型匹配误差信号;
103:使用恒虚警和最小二乘法估计出在所述当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak;
104:判断m=0条件是否满足,如果不满足,进入步骤S2进行第二轮迭代估计;
105:判断k<K条件是否满足,如果不满足,进入步骤S2进行第二轮迭代估计;
106:若m不为零且k≥K,则从所述当前残留回波信号y(t)中减去该目标回波信号Akb0(t-τk),并令k=k+1(步骤107),进入下一次迭代;
所述步骤S2中,具体可分为:
201:令m=m+1,k=1;
202:计算模型匹配误差
203:判断相邻模型匹配误差之差是否满足条件Jm-Jm-1≥ε;如果满足,继续执行204步骤进行迭代。否则,终止迭代过程,输出最终目标特性估计参数[τk,,Ak];
204:计算当前目标特性估计残留误差信号
205:令k=k+1;
206:使用恒虚警和最小二乘法估计出在当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak并更新前次估计结果;(同步骤103)
207:判断m=0条件是否满足(同步骤104),如果不满足,转入208步骤;
208:判断k<K条件是否满足,如果满足,转入如图204步骤,反之则转入201步骤;
本发明的技术方案采用基于回波模型的匹配方法,可以得到超过该理论分辨率水平的时间-距离检测分辨率,从而获得更为精细的目标检测性能和更好的成像质量。本发明的技术方案可以显著提高UWB的时间-距离分辨率,从而广泛应用于穿墙成像、探地雷达和安全检查等各种近场超宽带成像探测和精细目标特性检测场合。
下面举例说明本发明的技术方案:
假设UWB发射波形为b0(t),脉冲宽度为tw,探测区域内一共有K个点散射目标,每个点目标的反射特性可以用距离rk和幅度Ak来描述,则接收回波b(t)可以表示为:
上式中,为目标的双程时延,表示卷积,w(t)表示加性高斯白噪声,为理想接收回波信号。
对于传统检测方式,一般采用恒虚警对b(t)进行统计平均检测方式来估计出rk(τk)和Ak,这种检测方式的理论分辨率极限为tw*c/2,c为光速。
本发明所设计的超分辨率时间-距离检测方法采用基于时域包络模型的匹配方式来实现超分辨率检测性能。匹配模型为
(公式2)
公式2中的argmin表示使得后面的表达式最小的[rk,Ak]的集合。该公式的求解过程是一个多维搜索方案,本发明采用迭代方式来实现该求解过程,进而得到rk的超分辨率估计。
本发明采用的技术方案是:
第一步,利用恒虚警算法和最小二乘方法逐步迭代求出初步的K个[τk,,Ak]集合。
第二步,根据第一轮迭代估计得到的目标特性参数集合[τk,,Ak],在第一轮迭代退出(k>K)时,通过计算模型匹配误差和前后两次匹配残留误差之差来进行第二轮迭代估计,并更新前次估计结果,根据具体使用条件以及单次估计精度的不同本发明可能在步骤二中进行多次反复迭代。
例如,假设UWB发射波形为b0(t),脉冲宽度为tw,探测区域内一共有K个点散射目标,每个点目标的反射特性可以用距离rk和幅度Ak来描述,b(t)为实际采集得到的回波信号。
为了实现本发明中的超分辨率时间-距离估计方法,采用如下步骤:
第一步,使用恒虚警和最小二乘法经过K次迭代求解出一组距离和幅度[τk,,Ak]集合,具体迭代过程具有如下特征:
101:给定输入b(t),b0(t),K,ε,各自表示实际回波采集信号,发射信号,散射点目标个数和可以接受的误差极限;
102:初始化迭代参数k=1;m=0;A1=0;τ1=0,J0=∞;y(t)=b(t),其中k和m为自然数,y(t)为当前残留回波信号,J为模型匹配误差信号;
103:使用恒虚警和最小二乘法估计出在当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak;
104:判断m=0条件是否满足,如果不满足,转入如下第二步所描述的第二轮迭代过程;
105:判断k<K条件是否满足,如果不满足,转入如下第二步所描述的第二轮迭代过程;
106:从回波信号y(t)中减去该目标回波信号Akb0(t-τk);
107:令k=k+1,重复执行103到106步骤;
第二步,根据第一轮迭代估计得到的目标特性参数集合[τk,,Ak],在第一轮迭代退出(k>K)时,通过计算模型匹配误差和前后两次匹配残留误差之差来进行第二轮迭代估计。具体迭代过程具有如下特征:
201:令m=m+1,k=1;
202:计算模型匹配误差
203:判断相邻模型匹配误差之差是否满足条件Jm-Jm-1≥ε;如果满足,继续执行204步骤进行迭代。否则,终止迭代过程,输出最终目标特性估计参数[τk,,Ak];
204:计算当前目标特性估计残留误差信号
205:令k=k+1;
206:使用恒虚警和最小二乘法估计出在当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak并更新前次估计结果;
207:判断m=0条件是否满足,如果不满足,转入207步骤;
208:判断k<K条件是否满足,如果满足,转入如果204步骤,反之则转入203步骤。
本发明采取以上技术方案,与现有技术相比,具有以下优点:
本发明的技术方案采用基于回波模型的匹配方法,得到超过该理论分辨率水平的时间-距离检测分辨率,从而获得更为精细的目标检测性能和更好的成像质量。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种基于模型匹配的脉冲雷达的超分辨率距离检测方法,其特征在于,包括:
步骤S1:使用恒虚警和最小二乘法经过K次迭代求解出一组距离和幅度集合[τk,,Ak],包括:
101:确定回波采集信号b(t),发射信号b0(t),散射点目标个数K和预定误差极限ε;
102:初始化迭代参数k=1;m=0;A1=0;τ1=0,J0=∞;y(t)=b(t),其中k和m为自然数,t为时间变量,y(t)为当前残留回波信号,J为模型匹配误差信号;
103:使用恒虚警和最小二乘法估计出在所述当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak;
104:判断m=0条件是否满足,如果不满足,进入步骤S2进行第二轮迭代估计;
105:判断k<K条件是否满足,如果不满足,进入步骤S2进行第二轮迭代估计;
106:若m不为零且k≥K,则从所述当前残留回波信号y(t)中减去该目标回波信号Akb0(t-τk),并令k=k+1,进入下一次迭代;
步骤S2,根据第一轮迭代估计得到的距离和幅度集合[τk,,Ak],在第一轮迭代退出时,通过计算模型匹配误差和前后两次匹配残留误差之差进行第二轮迭代估计。
2.如权利要求1所述的基于模型匹配的脉冲雷达的超分辨率距离检测方法,其特征在于,所述在第一轮迭代退出时是指k>K时退出第一轮迭代。
3.如权利要求1所述的基于模型匹配的脉冲雷达的超分辨率距离检测方法,其特征在于,所述根据第一轮迭代估计得到的距离和幅度集合[τk,,Ak],在第一轮迭代退出时,通过计算模型匹配误差和前后两次匹配残留误差之差进行第二轮迭代估计包括:
201:令m=m+1,k=1;
202:计算模型匹配误差
203:判断相邻模型匹配误差之差是否满足条件Jm-Jm-1≥ε;如果满足,继续执行204步骤进行迭代。否则,终止迭代过程,输出最终目标特性估计参数[τk,,Ak];
204:计算当前目标特性估计残留误差信号
205:令k=k+1;
206:使用恒虚警和最小二乘法估计出在当前残留回波信号y(t)中能量最强的目标特性参数τk,Ak并更新前次估计结果;
207:判断m=0条件是否满足,如果不满足,转入207步骤;
208:判断k<K条件是否满足,如果满足,转入如果204步骤,反之则转入203步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850946.7A CN104535991B (zh) | 2014-12-31 | 2014-12-31 | 基于模型匹配的脉冲雷达的超分辨率距离检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410850946.7A CN104535991B (zh) | 2014-12-31 | 2014-12-31 | 基于模型匹配的脉冲雷达的超分辨率距离检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104535991A true CN104535991A (zh) | 2015-04-22 |
CN104535991B CN104535991B (zh) | 2017-04-12 |
Family
ID=52851553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410850946.7A Active CN104535991B (zh) | 2014-12-31 | 2014-12-31 | 基于模型匹配的脉冲雷达的超分辨率距离检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104535991B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5945940A (en) * | 1998-03-12 | 1999-08-31 | Massachusetts Institute Of Technology | Coherent ultra-wideband processing of sparse multi-sensor/multi-spectral radar measurements |
US20080074310A1 (en) * | 2006-08-10 | 2008-03-27 | University Of Kansas | Computationally efficient adaptive radar pulse compression system |
CN103412305A (zh) * | 2013-07-15 | 2013-11-27 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN104237864A (zh) * | 2014-09-29 | 2014-12-24 | 西安电子科技大学 | 基于匹配模糊函数的距离扩展目标检测方法 |
-
2014
- 2014-12-31 CN CN201410850946.7A patent/CN104535991B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5945940A (en) * | 1998-03-12 | 1999-08-31 | Massachusetts Institute Of Technology | Coherent ultra-wideband processing of sparse multi-sensor/multi-spectral radar measurements |
US20080074310A1 (en) * | 2006-08-10 | 2008-03-27 | University Of Kansas | Computationally efficient adaptive radar pulse compression system |
CN103412305A (zh) * | 2013-07-15 | 2013-11-27 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN104237864A (zh) * | 2014-09-29 | 2014-12-24 | 西安电子科技大学 | 基于匹配模糊函数的距离扩展目标检测方法 |
Non-Patent Citations (2)
Title |
---|
夏宇垠: "宽带雷达目标时域检测算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
袁祖霞等: "基于高分辨率一维距离像雷达目标识别研究", 《雷达与对抗》 * |
Also Published As
Publication number | Publication date |
---|---|
CN104535991B (zh) | 2017-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109167746B (zh) | 连续波与脉冲信号快速识别装置 | |
CN108415010B (zh) | 一种基于梯形lfmcw调制的雷达多目标检测方法 | |
CN101334469B (zh) | 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法 | |
CN101881826A (zh) | 扫描模式海杂波局部多重分形目标检测器 | |
CN102426354A (zh) | 基于加权顺序统计和多脉冲相参积累的宽带雷达检测方法 | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN104076350B (zh) | 基于归一化多普勒谱的海面漂浮目标检测方法 | |
CN104749563A (zh) | 从高频地波雷达海洋回波一阶Bragg谐振峰中提取浪高的方法 | |
CN104765020A (zh) | 有源假目标干扰的极化鉴别方法 | |
CN105807267A (zh) | 一种mimo雷达扩展目标的检测方法 | |
CN105259537B (zh) | 基于频移迭代的多普勒谱中心频率估计方法 | |
CN102636775B (zh) | 基于模糊逻辑识别的风廓线雷达回波谱重构方法 | |
CN105137396A (zh) | 一种smsp干扰和c&i干扰的检测方法 | |
WO2016004687A1 (zh) | 超高频局放信号初始时刻判别方法 | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN103675758A (zh) | 一种双曲调频信号周期斜率和起始频率估计方法 | |
CN104155653B (zh) | 一种基于特征距离子空间的sar后向投影成像方法 | |
CN106597445A (zh) | 一种基于自适应Chirp分解的SAR动目标检测方法 | |
CN106443629A (zh) | 一种基于傅里叶基函数的雷达目标识别方法 | |
CN103377465B (zh) | 基于素描图和核选择的sar图像降斑方法 | |
CN116027280B (zh) | 一种低峰值旁瓣频率编码雷达波形设计方法 | |
CN105137426A (zh) | 一种高分辨距离像的获取方法 | |
CN104535991A (zh) | 基于模型匹配的脉冲雷达的超分辨率距离检测方法 | |
CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 | |
CN103076600B (zh) | 基于多方位e脉冲技术的雷达目标识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |