CN104569949A - 基于组合自适应归一化匹配滤波的雷达目标检测方法 - Google Patents
基于组合自适应归一化匹配滤波的雷达目标检测方法 Download PDFInfo
- Publication number
- CN104569949A CN104569949A CN201510040954.XA CN201510040954A CN104569949A CN 104569949 A CN104569949 A CN 104569949A CN 201510040954 A CN201510040954 A CN 201510040954A CN 104569949 A CN104569949 A CN 104569949A
- Authority
- CN
- China
- Prior art keywords
- echo data
- data block
- detected
- combination
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 230000003044 adaptive effect Effects 0.000 title abstract description 4
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 238000001914 filtration Methods 0.000 claims description 28
- 238000010606 normalization Methods 0.000 claims description 27
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 15
- 230000001427 coherent effect Effects 0.000 abstract description 2
- 238000005192 partition Methods 0.000 abstract 2
- 238000000342 Monte Carlo simulation Methods 0.000 abstract 1
- 230000010354 integration Effects 0.000 description 19
- 238000002474 experimental method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010019133 Hangover Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification 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
本发明属于目标检测技术领域,用于雷达在海杂波背景下检测弱的运动目标。其具体步骤为:利用雷达驻留在一个波位发射的相干脉冲串接收各距离单元的回波数据构成距离-脉冲复数矩阵;按一定规则对回波数据矩阵沿脉冲维进行划分与组合;对于划分得到的回波数据块的待检测距离单元,计算其杂波协方差矩阵估计值;利用该估计值及待检测距离单元数据求出各多普勒通道上检测统计量的值,并得到每个回波数据块中检测统计量的最大值,通过最大值的乘积求出各组合检测统计量的值;根据设定的虚警概率、组合回波数据块的块数,通过蒙特卡罗方法计算出判决门限;如果组合检测统计量的值大于门限,判定待检测距离单元有目标,否则判定待检测距离单元无目标。
Description
技术领域
本发明属于目标检测技术领域,具体涉及自适应归一化匹配滤波检测方法和目标多普勒扩散问题,可用于对海雷达在海杂波背景下微弱运动目标的检测。
背景技术
海杂波背景下的微弱运动目标的有效探测是岸基和舰载对海监测雷达的重要任务之一。检测的主要困难在于海杂波本身的复杂特性以及目标回波低信杂比特点。海杂波与海情、气候环境、风速、风向等自然因素以及雷达频率、极化方式、分辨率、擦地角等诸多因素有关,表现出了时间上非平稳、空间上非均匀和统计特性上非高斯等复杂特性。这些复杂特性要求检测方法必须采用自适应处理实时估计海杂波的统计特性。同时,对于微弱运动目标,特别是海面舰船这些低速目标,简单的自适应检测和短的累计时间往往难以有效探测目标。检测方法需要与海杂波特性和目标回波特性匹配。前者有利于海杂波的有效抑制,而后者有利于目标回波的有效累计。
在传统自适应检测方法中,匹配滤波(matched filter,MF)和自适应匹配滤波(AMF)是高斯杂波背景下的最优检测方法。但较高分辨率情况下,海杂波往往具有强的非高斯特性。这种情况下归一化匹配滤波(normalizedmatched filter,NMF)和自适应归一化匹配滤波(ANMF)是公认的适用于重拖尾、非高斯杂波环境下的次最优检测方法,特别是对重拖尾杂波和累计脉冲数比较多的情况下其性能接近最优。然而ANMF检测器的使用受到两方面的限制,其一是累计时间内海杂波必须是平稳或近似平稳的,并且有足够多的空间均匀样本估计海杂波的协方差矩阵;其二是目标回波在累计时间之内必须没有多普勒扩散,目标回波功率聚集在一个多普勒通道内。
这两个条件在检测微弱运动目标时是难以满足的。正是针对ANMF检测方法使用中面临的这一难题,我们发明了组合ANMF检测方法。通过把累积时间划分为短的小区间来解决非平稳性、非均匀性和累积时间太长之间的冲突;通过各小区间上最大检测统计量的乘积组合解决目标多普勒扩散的问题。最终,很好地解决了长累积时间、海杂波背景下微弱运动目标的有效检测问题。
发明内容
本发明的目的在于提出基于组合自适应归一化匹配滤波(CombinedANMF,combined adaptive normalized matched filter)的雷达目标检测方法,
为实现上述技术目的,本发明采用如下技术方案予以实现。
基于组合自适应归一化匹配滤波的雷达目标检测方法包括以下步骤:
步骤1,利用雷达发射连续的脉冲信号,脉冲信号照射到物体表面产生回波,利用雷达接收回波数据矩阵X,回波数据矩阵X是大小为K×Q的矩阵,K表示雷达接收信号的积累脉冲数,Q表示雷达的距离单元数;
步骤2,将回波数据矩阵X沿脉冲维进行划分,回波数据矩阵X从上到下每N行组成一个回波数据块,回波数据矩阵X共划分为B个回波数据块,N×B=K;所述B个回波数据块分别表示为X1,X2…,Xb,…,XB,Xb表示第b个回波数据块,b=1,2,…,B;
步骤3,将划分得到的B个回波数据块沿脉冲维进行组合,每N′个回波数据块组合为一个组合回波数据块,回波数据矩阵X共对应C个组合回波数据块,C和N′均为设定的大于1的自然数,N×N′×C=K;所述C个组合回波数据块分别表示为X1,X2…,Xc,…,XC,Xc表示第c个组合回波数据块,c=1,2,…,C;
步骤4,确定雷达的第q个距离单元为每个回波数据块Xb的待检测距离单元,q=1,2,…,Q;将第b个回波数据块Xb的待检测距离单元的回波数据记为zb,q,然后选取第b个回波数据块Xb的参考距离单元,第b个回波数据块Xb的参考距离单元的数目表示为R,R为大于1的自然数;得出第b个回波数据块Xb的待检测距离单元的回波数据zb,q的杂波协方差矩阵估计值
步骤5,对于目标的多普勒频率fd,得出第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量ζb,q(fd);
步骤6,得出目标的多普勒频率的每个取值对应的第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量;在目标的多普勒频率的每个取值对应的第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量中,选取最大值作为第b个回波数据块Xb的检测统计量;将每个组合回波数据块中N′个回波数据块的检测统计量相乘,得出对应组合回波数据块的检测统计量,第c个组合回波数据块Xc的检测统计量表示为ξCANMF,c;
步骤7,将步骤6中C个回波数据块的检测统计量按降序排列,在降序排列后的C个检测统计量中,取第[Cf]个值作为检测门限Tξ,[Cf]表示不超过实数Cf的最大整数,f表示设定的虚警概率;
步骤8,如果ξCANMF,c≥Tξ,判定第c个组合回波数据块的待检测距离单元有目标,否则,判定第c个组合回波数据块的待检测距离单元没有目标。
本发明的特点和进一步改进在于:
在步骤2中,N为设定的大于1的自然数且为2的幂,N≤Q/2。
在步骤4中,第b个回波数据块Xb的待检测距离单元的回波数据zb,q的杂波协方差矩阵估计值为:
其中,上标H表示取共轭转置,zb,r表示第b个回波数据块Xb的第r个参考距离单元的回波数据。
在步骤5中,第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量ζb,q(fd)为:
其中,p(fd)为目标的多普勒导向矢量,fd表示目标的多普勒频率,上标T表示矩阵或向量的转置,上标-1表示矩阵的逆,上标H表示共轭转置,|·|表示取绝对值或者模值。
在步骤6中,第c个组合回波数据块Xc中待检测单元的组合检测统计量表示为ξCANMF,c:
其中,Tr是雷达的脉冲重复周期(PRI),表示第c个组合回波数据块中第k个回波数据块的检测统计量,k=1,2,…,N'。
本发明的有益效果为:
1)本发明即使在非高斯杂波背景下也是恒虚警的,能够自适应地与检测环境中的杂波特性相匹配,可以获得更好的目标检测性能。
2)本发明充分利用了每段积累时间内接收数据的信息,可以用于较长观测积累时间下的目标检测,并且有效克服积累时间较长而距离参考单元样本数较少时易出现杂波协方差矩阵估计值奇异的问题,保证了目标检测的可靠性。
附图说明
图1为本发明的基于组合自适应归一化匹配滤波的雷达目标检测方法流程图;
图2为仿真实验中采用本发明得出的目标检测结果示意图;
图3为仿真实验中利用分形方法得出的目标检测结果示意图。
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,为本发明的基于组合自适应归一化匹配滤波的雷达目标检测方法流程图。该基于组合自适应归一化匹配滤波的雷达目标检测方法包括以下步骤:
步骤1,利用雷达发射连续的脉冲信号,脉冲信号照射到物体表面产生回波,利用雷达接收沿着距离维和脉冲维的连续回波数据矩阵X,回波数据矩阵X是大小为K×Q的矩阵,K表示雷达接收信号的积累脉冲数,Q表示雷达的距离单元数。
本发明实施实例中,回波数据矩阵X第k行第q列的元素X(k,q)的表示形式如下:
其中,H0表示仅有杂波和噪声而不存在目标的情况,H1表示有杂波和噪声且存在目标的情况,k=1,2,…,K;q=1,2,…,Q;w(k,q)表示雷达的第k个脉冲的第q个距离单元的杂波加噪声信号,s(k,q)表示雷达的第k个脉冲的第q个距离单元的目标信号。
步骤2,将回波数据矩阵X沿脉冲维进行划分,回波数据矩阵X从上到下每N行组成一个回波数据块,回波数据矩阵X共划分为B个回波数据块,N×B≈K;所述B个回波数据块分别表示为X1,X2…,Xb,…,XB,Xb表示第b个回波数据块,b=1,2,…,B,每个回波数据块是大小为N×Q的矩阵。
本发明实施例中,N为设定的大于1的自然数且为2的幂,取值不大于雷达的距离单元数Q的一半,即N≤Q/2。
由于当雷达回波数据的脉冲数相对于参考距离单元数较多时,直接利用回波数据的所有脉冲积累,容易导致在估计杂波的协方差矩阵时得到奇异矩阵,从而无法计算ANMF(自适应归一化匹配滤波)检测器的检测统计量。同时目标的多普勒频率只有在很小的时间间隔内才能视为常数,但积累时间很小的情况下捕捉到的回波信息并不一定可靠,而当积累时间较长时,目标的速度变化往往较大,此时不能把该段时间内目标的多普勒频率当作常数处理,否则将直接影响目标的检测的效果,因此本发明基于较短积累时间的检测统计量,构造组合统计量。
步骤3,将划分得到的B个回波数据块沿脉冲维进行组合,每N′个回波数据块组合为一个组合回波数据块,回波数据矩阵X共对应C个组合回波数据块,C和N′均为设定的大于1的自然数,N×N′×C≤K且N×N′×C大致等于K;所述C个组合回波数据块分别表示为X1,X2…,Xc,…,XC,Xc表示第c个组合回波数据块,c=1,2,…,C,每个组合回波数据块是大小为NN′×Q的矩阵。
一般而言,进行小目标检测时的积累时间需积累到秒级才能得到有效的检测结果,通常积累512ms或1024ms(一个积累脉冲数为1ms),因此可取N′=512/N。
步骤4,确定雷达的第q个距离单元为每个回波数据块Xb的待检测距离单元,其中q=1,2,…,Q;将第b个回波数据块Xb的待检测距离单元的回波数据(即第b个回波数据块Xb的第q行)记为zb,q,然后选取第b个回波数据块Xb的参考距离单元,第b个回波数据块Xb的参考距离单元的数目表示为R,R为大于1的自然数。
将第b个回波数据块Xb的第r个参考距离单元的回波数据表示为zb,r,r=1,2,…,R,zb,r是长度为N的列向量。根据下式计算第b个回波数据块Xb的待检测距离单元的回波数据zb,q的杂波协方差矩阵估计值
其中,上标H表示取共轭转置。
本发明实施例中,第b个回波数据块Xb的参考距离单元按照如下规则选取:去掉第b个回波数据块Xb的待检测距离单元的数据zb,q及其相邻的两个距离单元(保护单元)的数据,取剩下的共R个距离单元的杂波数据作为参考距离单元,R为大于1的自然数。
步骤5,进行目标检测时,一般希望积累时间长一些,这样可以对场景进行充分观测。由于初始划分后每个回波数据块的积累时间较短,很难充分反映场景情况。同时,当回波数据积累时间较长时,若将多普勒频率视为常数会带来性能损失,因此对较短积累时间进行组合,得到较长积累时间下的检测统计量。
本发明实施例中,对于给定的多普勒频率fd,利用第b个回波数据块Xb的待检测距离单元的回波数据zb,q、以及第b个回波数据块Xb的待检测距离单元的回波数据zb,q的杂波协方差矩阵估计值计算得出第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波(ANMF)检测统计量ζb,q(fd):
其中,p(fd)为目标的多普勒导向矢量(是行数为N′的列向量),Tr为雷达脉冲发射周期,fd表示目标的多普勒频率,fd∈[-1/(2Tr),1/(2Tr)],上标T表示矩阵或向量的转置,上标-1表示矩阵的逆,上标H表示共轭转置,N′为一个组合回波数据块包含的回波数据块的个数,|·|表示取绝对值或者模值。
步骤6,基于步骤5,得出目标的多普勒频率的每个取值对应的第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量;在目标的多普勒频率的每个取值对应的第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量中,选取最大值作为第b个回波数据块Xb的检测统计量,将第b个回波数据块Xb的检测统计量表示为将每个组合回波数据块中N′个回波数据块的检测统计量进行相乘,得出对应组合回波数据块的检测统计量。本发明实施例中,第c个组合回波数据块Xc中待检测单元的组合检测统计量表示为ξCANMF,c:
其中,Tr是雷达的脉冲重复周期(PRI),表示第c个组合回波数据块中第k个回波数据块的检测统计量,k=1,2,…,N'。
本步骤通过将各段积累时间的ANMF检测器的检测统计量进行乘积组合,构造出了组合ANMF检测器的检测统计量,这样既能够得到较长的积累时间以保证充分观测,又能够利用各段积累时间内的细节信息。
步骤7,将步骤6中C个回波数据块的检测统计量按降序排列,在降序排列后的C个检测统计量中,取第[Cf]个值作为检测门限Tξ,[Cf]表示不超过实数Cf的最大整数,f表示设定的虚警概率。
步骤8,比较第c个组合回波数据块Xc的检测统计量ξCANMF,c和检测门限Tξ,如果ξCANMF,c≥Tξ,判定第c个组合回波数据块的待检测距离单元有目标,否则,判定第c个组合回波数据块的待检测距离单元没有目标。
基于步骤1到步骤8,实现了一种基于组合自适应归一化匹配滤波的雷达目标检测方法,在将雷达回波数据进行分块处理的基础上,将划分后的较短积累时间下的检测统计量组合构造出组合ANMF检测统计量,针对海杂波背景下,距离单元较少、积累时间较长情况下的微弱运动目标检测问题得到较好的检测效果。
下面结合仿真实验对本发明的效果做进一步说明。
1)实验数据
仿真实验中使用了IPIX雷达录取的实测海杂波数据,IPIX雷达录取的海杂波数据为:中海情的19980204-202225-ANTSTEP.CDF。雷达工作在扫描模式,脉冲重复频率为1000Hz,距离分辨率为30m。
数据19980204-202225-ANTSTEP.CDF中包含了28个距离单元和60000个连续的相参脉冲串数据,海面漂浮目标在第24个距离单元,而且周围的两个距离单位被目标影响了。
2)仿真实验内容
通过检测实测数据19980204-202225-ANTSTEP.CDF验证方法的有效性。每个回波数据块的脉冲数N=8,形成7500个回波数据块。每64个回波数据块进行组合,形成117个组合回波数据块,每个组合回波数据块的脉冲数为N×N′=512个。去掉目标所在距离单元及其周围的两个距离单元,利用纯杂波数据作为样本,取虚警概率为0.001,分别利用本发明和分形方法(Hu,J.,Tung,W.W.,and Gao,J.B.Detection of low observable targets within seaclutter by structure function based multifractal analysis.IEEE Transactions onAntennas and Propagation,54,1(2006),136-143)对该实测数据进行检测。
参照图2,为仿真实验中采用本发明得出的目标检测结果示意图。图中横轴表示积累时间,单位为s,纵轴表示距离单元,黑色像素表示检测到目标。从图2中可以看出,第24个距离单元存在目标。而在第24个距离单元之外的第3、8、12个距离单元有3个虚警点,第24个距离单元共有65个黑色像素,考虑到该试验中共有117个组合ANMF数据块,因此在此次实验条件下的检测概率为56%。
参照图3,为仿真实验中利用分形方法得出的目标检测结果示意图。图3中横轴表示积累时间,单位为s,纵轴表示距离单元,黑色像素表示检测到目标。利用分形方法得出的检测概率为26%,小于利用本发明得出的检测概率,说明本发明的目标检测性能要好于分形方法。
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 (5)
1.基于组合自适应归一化匹配滤波的雷达目标检测方法,其特征在于,包括以下步骤:
步骤1,利用雷达发射连续的脉冲信号,脉冲信号照射到物体表面产生回波,利用雷达接收回波数据矩阵X,回波数据矩阵X是大小为K×Q的矩阵,K表示雷达接收信号的积累脉冲数,Q表示雷达的距离单元数;
步骤2,将回波数据矩阵X沿脉冲维进行划分,回波数据矩阵X从上到下每N行组成一个回波数据块,回波数据矩阵X共划分为B个回波数据块,N×B=K;所述B个回波数据块分别表示为X1,X2…,Xb,…,XB,Xb表示第b个回波数据块,b=1,2,…,B;
步骤3,将划分得到的B个回波数据块沿脉冲维进行组合,每N′个回波数据块组合为一个组合回波数据块,回波数据矩阵X共对应C个组合回波数据块,C和N′均为设定的大于1的自然数,N×N′×C=K;所述C个组合回波数据块分别表示为X1,X2…,Xc,…,XC,Xc表示第c个组合回波数据块,c=1,2,…,C;
步骤4,确定雷达的第q个距离单元为每个回波数据块Xb的待检测距离单元,q=1,2,…,Q;将第b个回波数据块Xb的待检测距离单元的回波数据记为zb,q,然后选取第b个回波数据块Xb的参考距离单元,第b个回波数据块Xb的参考距离单元的数目表示为R,R为大于1的自然数;得出第b个回波数据块Xb的待检测距离单元的回波数据zb,q的杂波协方差矩阵估计值
步骤5,对于待检测目标的多普勒频率fd,得出第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量ζb,q(fd);
步骤6,得出目标的多普勒频率的每个取值对应的第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量;在目标的多普勒频率的每个取值对应的第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量中,选取最大值作为第b个回波数据块Xb的检测统计量;将每个组合回波数据块中N′个回波数据块的检测统计量相乘,得出对应组合回波数据块的检测统计量,第c个组合回波数据块Xc的检测统计量表示为ξCANMF,c;
步骤7,将步骤6中C个回波数据块的检测统计量按降序排列,在降序排列后的C个检测统计量中,取第[Cf]个值作为检测门限Tξ,[Cf]表示不超过实数Cf的最大整数,f表示设定的虚警概率;
步骤8,如果ξCANMF,c≥Tξ,说明第c个组合回波数据块的待检测距离单元有目标,否则,说明第c个组合回波数据块的待检测距离单元没有目标。
2.如权利要求1所述的基于组合自适应归一化匹配滤波的雷达目标检测方法,其特征在于,在步骤2中,N为设定的大于1的自然数且为2的幂,N≤Q/2。
3.如权利要求1所述的基于组合自适应归一化匹配滤波的雷达目标检测方法,其特征在于,在步骤4中,第b个回波数据块Xb的待检测距离单元的回波数据zb,q的杂波协方差矩阵估计值为:
其中,上标H表示取共轭转置,zb,r表示第b个回波数据块Xb的第r个参考距离单元的回波数据。
4.如权利要求1所述的基于组合自适应归一化匹配滤波的雷达目标检测方法,其特征在于,在步骤5中,第b个回波数据块Xb的待检测距离单元的自适应归一化匹配滤波检测统计量ζb,q(fd)为:
其中,p(fd)为目标的多普勒导向矢量,fd表示目标的多普勒频率,上标T表示矩阵或向量的转置,上标-1表示矩阵的逆,上标H表示共轭转置,|·|表示取绝对值或者模值。
5.如权利要求1所述的基于组合自适应归一化匹配滤波的雷达目标检测方法,其特征在于,在步骤6中,第c个组合回波数据块Xc中待检测单元的组合检测统计量ξCANMF,c为:
其中,Tr是雷达的脉冲重复周期(PRI),表示第c个组合回波数据块中第k个回波数据块的检测统计量,k=1,2,…,N'。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510040954.XA CN104569949B (zh) | 2015-01-27 | 2015-01-27 | 基于组合自适应归一化匹配滤波的雷达目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510040954.XA CN104569949B (zh) | 2015-01-27 | 2015-01-27 | 基于组合自适应归一化匹配滤波的雷达目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104569949A true CN104569949A (zh) | 2015-04-29 |
CN104569949B CN104569949B (zh) | 2017-04-19 |
Family
ID=53086468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510040954.XA Expired - Fee Related CN104569949B (zh) | 2015-01-27 | 2015-01-27 | 基于组合自适应归一化匹配滤波的雷达目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104569949B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977585A (zh) * | 2015-06-11 | 2015-10-14 | 中国科学院声学研究所 | 一种鲁棒的运动声纳目标检测方法 |
CN105334507A (zh) * | 2015-11-18 | 2016-02-17 | 西安电子科技大学 | 基于极化多特征的对海面漂浮雷达目标的检测方法 |
CN105510895A (zh) * | 2015-12-01 | 2016-04-20 | 中国航空工业集团公司雷华电子技术研究所 | 一种随机脉冲间隔序列的信号处理方法 |
CN105548986A (zh) * | 2016-01-08 | 2016-05-04 | 西安电子科技大学 | 海杂波背景下基于预白化比率中值检测器的目标检测方法 |
CN105738882A (zh) * | 2016-03-31 | 2016-07-06 | 西安电子科技大学 | 对实测杂波协方差矩阵估计性能的白化度评价方法 |
CN105866761A (zh) * | 2016-06-27 | 2016-08-17 | 湖南华诺星空电子技术有限公司 | 基于迭代滑窗傅里叶变换的雷达慢时间维频谱构建方法 |
CN106199548A (zh) * | 2016-06-30 | 2016-12-07 | 西安电子科技大学 | 基于四极化通道融合的海面漂浮微弱雷达目标的检测方法 |
CN106249219A (zh) * | 2016-09-23 | 2016-12-21 | 西安电子科技大学 | 基于自适应匹配滤波响应的sar动目标检测方法 |
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 |
CN108196238A (zh) * | 2018-01-12 | 2018-06-22 | 西安电子科技大学 | 高斯背景下基于自适应匹配滤波的杂波图检测方法 |
CN108387879A (zh) * | 2018-01-12 | 2018-08-10 | 西安电子科技大学 | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 |
RU2694809C1 (ru) * | 2019-01-21 | 2019-07-17 | Иван Васильевич Колбаско | Способ некогерентного экстремального накопления-обнаружения сигнала в импульсно-доплеровской рлс |
CN110865352A (zh) * | 2019-12-05 | 2020-03-06 | 中国船舶重工集团公司第七二四研究所 | 一种基于纹理相关性的块自适应海杂波抑制方法 |
WO2020178702A1 (en) * | 2019-03-01 | 2020-09-10 | Beijing Voyager Technology Co., Ltd. | Constant false alarm rate detection in pulsed lidar systems |
CN113608190A (zh) * | 2021-07-22 | 2021-11-05 | 中国人民解放军海军航空大学航空作战勤务学院 | 基于奇异空间三特征的海面目标检测方法及系统 |
CN113702937A (zh) * | 2021-08-17 | 2021-11-26 | 西安电子科技大学 | 基于自适应mti滤波器的双通道非相干检测方法 |
WO2023226388A1 (zh) * | 2022-05-25 | 2023-11-30 | 华为技术有限公司 | 数据处理方法与处理装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4513286A (en) * | 1981-04-03 | 1985-04-23 | Nippon Electric Co., Ltd. | Adaptive constant false alarm rate (CFAR) processor |
CN101887119A (zh) * | 2010-06-18 | 2010-11-17 | 西安电子科技大学 | 基于子带anmf海杂波中动目标检测方法 |
CN102621535A (zh) * | 2012-03-07 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 一种高效的协方差矩阵结构估计方法 |
-
2015
- 2015-01-27 CN CN201510040954.XA patent/CN104569949B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4513286A (en) * | 1981-04-03 | 1985-04-23 | Nippon Electric Co., Ltd. | Adaptive constant false alarm rate (CFAR) processor |
CN101887119A (zh) * | 2010-06-18 | 2010-11-17 | 西安电子科技大学 | 基于子带anmf海杂波中动目标检测方法 |
CN102621535A (zh) * | 2012-03-07 | 2012-08-01 | 中国人民解放军海军航空工程学院 | 一种高效的协方差矩阵结构估计方法 |
Non-Patent Citations (2)
Title |
---|
PENG-LANG SHUI AND YAN-LING SHI: "Subband ANMF Detection of Moving Targets in Sea Clutter", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
时艳玲,水鹏朗: "ANMF和CM-CFAR在K分布海杂波下的性能分析", 《西北大学学报(自然科学版)》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104977585B (zh) * | 2015-06-11 | 2017-07-28 | 中国科学院声学研究所 | 一种鲁棒的运动声纳目标检测方法 |
CN104977585A (zh) * | 2015-06-11 | 2015-10-14 | 中国科学院声学研究所 | 一种鲁棒的运动声纳目标检测方法 |
CN105334507A (zh) * | 2015-11-18 | 2016-02-17 | 西安电子科技大学 | 基于极化多特征的对海面漂浮雷达目标的检测方法 |
CN105334507B (zh) * | 2015-11-18 | 2017-11-03 | 西安电子科技大学 | 基于极化多特征的对海面漂浮雷达目标的检测方法 |
CN105510895A (zh) * | 2015-12-01 | 2016-04-20 | 中国航空工业集团公司雷华电子技术研究所 | 一种随机脉冲间隔序列的信号处理方法 |
CN105548986A (zh) * | 2016-01-08 | 2016-05-04 | 西安电子科技大学 | 海杂波背景下基于预白化比率中值检测器的目标检测方法 |
CN105738882A (zh) * | 2016-03-31 | 2016-07-06 | 西安电子科技大学 | 对实测杂波协方差矩阵估计性能的白化度评价方法 |
CN105866761A (zh) * | 2016-06-27 | 2016-08-17 | 湖南华诺星空电子技术有限公司 | 基于迭代滑窗傅里叶变换的雷达慢时间维频谱构建方法 |
CN105866761B (zh) * | 2016-06-27 | 2018-06-22 | 湖南华诺星空电子技术有限公司 | 基于迭代滑窗傅里叶变换的雷达慢时间维频谱构建方法 |
CN106199548A (zh) * | 2016-06-30 | 2016-12-07 | 西安电子科技大学 | 基于四极化通道融合的海面漂浮微弱雷达目标的检测方法 |
CN106249219A (zh) * | 2016-09-23 | 2016-12-21 | 西安电子科技大学 | 基于自适应匹配滤波响应的sar动目标检测方法 |
CN106249219B (zh) * | 2016-09-23 | 2018-08-21 | 西安电子科技大学 | 基于自适应匹配滤波响应的sar动目标检测方法 |
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 |
CN108387879B (zh) * | 2018-01-12 | 2021-05-18 | 西安电子科技大学 | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 |
CN108196238A (zh) * | 2018-01-12 | 2018-06-22 | 西安电子科技大学 | 高斯背景下基于自适应匹配滤波的杂波图检测方法 |
CN108387879A (zh) * | 2018-01-12 | 2018-08-10 | 西安电子科技大学 | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 |
CN108196238B (zh) * | 2018-01-12 | 2021-07-27 | 西安电子科技大学 | 高斯背景下基于自适应匹配滤波的杂波图检测方法 |
RU2694809C1 (ru) * | 2019-01-21 | 2019-07-17 | Иван Васильевич Колбаско | Способ некогерентного экстремального накопления-обнаружения сигнала в импульсно-доплеровской рлс |
WO2020178702A1 (en) * | 2019-03-01 | 2020-09-10 | Beijing Voyager Technology Co., Ltd. | Constant false alarm rate detection in pulsed lidar systems |
CN110865352B (zh) * | 2019-12-05 | 2021-03-30 | 中国船舶重工集团公司第七二四研究所 | 一种基于纹理相关性的块自适应海杂波抑制方法 |
CN110865352A (zh) * | 2019-12-05 | 2020-03-06 | 中国船舶重工集团公司第七二四研究所 | 一种基于纹理相关性的块自适应海杂波抑制方法 |
CN113608190A (zh) * | 2021-07-22 | 2021-11-05 | 中国人民解放军海军航空大学航空作战勤务学院 | 基于奇异空间三特征的海面目标检测方法及系统 |
CN113608190B (zh) * | 2021-07-22 | 2023-09-26 | 中国人民解放军海军航空大学航空作战勤务学院 | 基于奇异空间三特征的海面目标检测方法及系统 |
CN113702937A (zh) * | 2021-08-17 | 2021-11-26 | 西安电子科技大学 | 基于自适应mti滤波器的双通道非相干检测方法 |
CN113702937B (zh) * | 2021-08-17 | 2023-08-15 | 西安电子科技大学 | 基于自适应mti滤波器的双通道非相干检测方法 |
WO2023226388A1 (zh) * | 2022-05-25 | 2023-11-30 | 华为技术有限公司 | 数据处理方法与处理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104569949B (zh) | 2017-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569949A (zh) | 基于组合自适应归一化匹配滤波的雷达目标检测方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN105807267B (zh) | 一种mimo雷达扩展目标的检测方法 | |
CN104914415B (zh) | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 | |
CN104076355B (zh) | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 | |
CN104316914B (zh) | 依赖形状参数的雷达目标自适应检测方法 | |
CN104215951B (zh) | 一种在海杂波背景下慢速小目标的检测系统及其检测方法 | |
CN104155646B (zh) | 基于多普勒谱特征的海面低速运动目标检测方法 | |
CN106872958B (zh) | 基于线性融合的雷达目标自适应检测方法 | |
CN104076350B (zh) | 基于归一化多普勒谱的海面漂浮目标检测方法 | |
CN106569193B (zh) | 基于前-后向收益参考粒子滤波的海面小目标检测方法 | |
CN106483516A (zh) | 基于先验知识的雷达杂波空时自适应处理方法 | |
CN103792522B (zh) | 基于可信关联对的多雷达海上目标抗差关联算法 | |
CN103529437A (zh) | 系留气球载相控阵雷达在多目标下分辨空地目标的方法 | |
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 | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN103777189A (zh) | 一种基于信息几何复自回归模型的雷达弱目标检测方法 | |
Guo et al. | Sea clutter and target detection with deep neural networks | |
CN106199548A (zh) | 基于四极化通道融合的海面漂浮微弱雷达目标的检测方法 | |
CN105589061A (zh) | 一种岸基雷达的信号处理算法 | |
CN105372635A (zh) | 基于改进的降维空时自适应处理的船载高频地波雷达海杂波抑制方法 | |
CN107479037A (zh) | 一种pd雷达杂波区域判别方法 | |
CN106353743A (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
CN104035078A (zh) | 一种基于阵元阶数递推的降维空时自适应权值计算方法 | |
CN112836638B (zh) | 高海况sar船只检测方法及应用 |
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: 20170419 |