CN105242254A - 一种基于数据质量评估的对空目标识别方法 - Google Patents
一种基于数据质量评估的对空目标识别方法 Download PDFInfo
- Publication number
- CN105242254A CN105242254A CN201510695507.8A CN201510695507A CN105242254A CN 105242254 A CN105242254 A CN 105242254A CN 201510695507 A CN201510695507 A CN 201510695507A CN 105242254 A CN105242254 A CN 105242254A
- Authority
- CN
- China
- Prior art keywords
- target
- factor
- data
- data quality
- clutter
- 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.)
- Pending
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
本发明涉及一种基于数据质量评估的对空目标识别方法,其主要流程是:首先通过对雷达回波检测、点迹凝聚处理,找到目标回波的中心点,提取目标回波数据;通过提取杂波占比因子、目标完整度因子、信噪比,形成目标数据质量评估因子;然后利用目标数据质量评估因子对目标数据进行预处理;最后利用数据质量因子及预处理后的目标回波数据,提取目标调制谱特征,判断目标是喷气式飞机、螺旋桨飞机或是直升机。本发明所提供的方法主要针对工程应用实现,能够很好的剔除杂波干扰、雷达副瓣干扰的影响,识别正确率达到85%以上,并具有很好的稳健性和适应性。
Description
技术领域
本发明属于雷达目标信号分类识别技术,特别是一种用于常规警戒雷达系统中,能够实现将空中目标分类识别为喷气式飞机、螺旋桨飞机和直升机的分类识别方法。
背景技术
空中飞机目标主要分为喷气式飞机、螺旋桨飞机和直升机三类。这三类飞机上都存在旋转部件,如直升机的主旋翼和尾旋翼,螺旋桨飞机的螺旋桨叶片和喷气式飞机发动机的压缩叶片,它们在飞机飞行的同时,自身也存在周期性的旋转运动。目标的微动会对雷达回波产生附加的调制,使得目标回波多普勒是时变的,表现在频谱上式存在频谱旁瓣或多普勒频率展宽,折算目标结构部件与目标主体之间相互作用的结果。微动产生的微多普勒特征,即调制谱特征,是目标独特的特征,它反映了目标的几何结构和运动特征,可以用来确定目标的性质,为雷达目标识别提供了新的途径,具有重要的研究价值和意义。
基于微多普勒特征的技术研究是雷达目标识别领域的研究热点之一。如在加拿大DefenceR&DCanada公司在研究报告《Micro-Dopplerradarsignaturesforintelligenttargetrecognition》中,对直升机叶片的频域特征进行分析,并且提出了相应的叶片频谱提取方法;在2009年2月的《指挥控制与仿真》中《多普勒频谱及JEM效应在空中目标识别中的应用分析》提出利用相位和幅度综合的方法试图对三类目标进行分类识别;在2006年《现代雷达》中《基于微多普勒特征的空中目标识别》提出利用多普勒频谱能量的不对称性和能量对比实现了固定翼飞机和直升机的分类识别。
与其他文献中提出的方法不同,本发明针对实际雷达的数据特点,通过对目标回波的数据质量进行评估,自适应调整数据预处理和特征提取策略和参数,有效提取目标的调制谱特征,能够有效降低因杂波干扰、副瓣干扰而产生的识别错误,具有更为稳健、抗干扰能力更强的分类识别能力。
发明内容
本发明的目的在于提供一种解决常规相参体制警戒雷达系统的空目标识别方法。通过本发明,能够在警戒雷达系统中实现喷气式飞机、螺旋桨飞机和直升机的分类识别能力,识别正确率达到85%以上。
实现本发明的技术解决方案为:
首先通过对雷达回波检测、点迹凝聚处理,找到目标回波的中心点,提取若干能够用于处理的目标回波数据;通过提取杂波占比因子、目标完整度因子、信噪比,形成目标数据质量评估因子;然后利用目标数据质量评估因子对目标数据进行预处理;最后利用数据质量评估因子及预处理后的目标数据,提取目标调制谱特征,判断目标是喷气式飞机、螺旋桨飞机或是直升机。本发明所提供的方法主要针对工程应用实现,具有很好的抗干扰、抗杂波的特点,并且直升机正确率达到85%以上。
本发明与现有技术相比,其显著优点为:
通过本发明的基于数据质量评估因子的数据预处理方法,能够有效抑制背景杂波、目标副瓣等因素产生的干扰,能准确、有效地提取出目标回波中存在的真实调制谱特征信息,该方法与现有调制谱特征识别处理方法相比,对杂波干扰、副瓣干扰、噪声干扰的抑制能力更好,预处理后的目标数据用于特征提取和分类识别的准确率更高;
采用基于数据质量评估因子进行调制谱特征提取和分类器设计,能够有效对空目标进行分类识别。该方法具有实时性好、检测概率高的特点,更为重要的是,该分类识别方法的适应性更强,能够适应各种强度杂波环境及噪声环境,并且能够适应不同型号雷达,它的提出及工程实现在雷达目标检测与识别领域具有很高的推广应用价值。用本发明的方法,经实际测试,其中螺旋桨类246个批次、喷气式飞机900个批次,直升机480个批次,测试结果如表1所示。
表1现场测试结果表
下面结合附图对本发明作进一步详细描述。
附图说明
图1是本发明的工作流程图。
图2是背景杂波剔除处理流程。
图3是背景杂波剔除处理效果1。
图4是背景杂波剔除处理效果2。
图5是副瓣抑制方法处理流程图。
图6是副瓣抑制处理效果1。
图7是副瓣抑制处理效果2。
具体实施方式
本发明实现方法具体实施步骤为,参见附图1:
(1)根据位置信息提取目标粗略范围Θ。根据已经建立的目标航迹信息,得到目标的方位αc和距离dc,利用方位αc和距离dc,从接收机的回波IQ数据截取目标区域的波门数据Θ(二维数组,其大小为M×N,其中M为所取的方位脉冲个数,N为所取的距离单元个数,一般M可取150,N取40)。
(2)目标位置检测。利用MTD检测方法,获得目标所在的距离单元,得到目标回波数据fTarget。
(3)目标距离单元FFT处理。对目标回波数据fTarget进行FFT处理,得到目标回波频谱数据FTarget。
(4)数据质量评估。利用目标波门数据Θ和FFT处理后的数据FTarget进行数据质量评估,计算杂波占比因子、目标完整度因子、信噪比,具体计算方法如下:
杂波占比因子(SCR)计算方法:
其中是目标回波频谱FTarget的低频背景杂波区域的最大值,是波门数据Θ中背景噪声均值。
目标完整度因子(TAR)计算方法:
其中是目标回波数据fTarget中同一距离单元的最大幅度,是最大幅度所在的脉冲序号,ft(1)、ft(N)分别是目标回波数据fTarget中同一距离单元的第一个幅度值和最后一个脉冲幅度值。完整系数(TAR)越大,说明所采集的目标区域越完整。
信噪比(SNR)估计方法:
其中是经过目标回波频谱FTarget中非背景杂波区频谱的最大值,是背景噪声均值。
(5)背景杂波剔除。利用杂波占比因子、信噪比,从0频率开始判断当前频率是否属于杂波成分,逐步剔除目标回波频谱数据FTarget中的背景杂波成分,得到背景剔除后的目标频谱F′Target,具体流程如图2所示,分别是对目标频谱F′Target进行正频率方向和负频率方向的背景杂波剔除处理,具体流程说明如下:
●正频率方向背景杂波剔除处理
a)对目标回波频谱数据FTarget,从0频率开始,向正频率方向开始,判定当前频率点i的幅度FTarget(i)与噪声均值比值,得到频点幅度比kTarget(i);
b)如果kTarget(i)<K(K为常数,一般取2),则判定当前频率点i符合噪声特性,则认为当前频率点i即为背景杂波的截止频率,则正频率方向杂波抑制结束;
c)如果kTarget(i)≥K,则计算该频率点的导数F′Target(i);如果导数F′Target(i)<0,则认为当前频率点i属于背景杂波,将i加1,跳转到步骤a);
d)如果导数F′Target(i)≥0,则计算FTarget(i)与FTarget(0)比值,即频率点i幅度与频率点0幅度的比值是否大于KSobel(KSobel一般取0.1),判定是否是副瓣;
e)如果判定是副瓣,则将i加1(i=i+1),跳转回步骤a);否则认为当前频率点i即为背景杂波的截止频率,则正频率方向杂波抑制结束。
●负频率方向背景杂波剔除处理
a)对目标回波频谱数据FTarget,从0频率开始,向负频率方向开始,判定当前频率点i的幅度FTarget(i)与噪声均值比值,得到频点幅度比kTarget(i);
b)如果kTarget(i)<K(K为常数,一般取2),则判定当前频率点i符合噪声特性,则认为当前频率点i即为背景杂波的截止频率,则负频率方向杂波抑制结束;
c)如果kTarget(i)≥K,则计算该频率点的导数F′Target(i),如果导数F′Target(i)>0,则认为当前频率点i属于背景杂波,将i加1,跳转到步骤a);
d)如果导数F′Target(i)≤0,则计算FTarget(i)与FTarget(0)比值,即频率点i幅度与频率点0幅度的比值是否大于KSobel(KSobel一般取0.1),判定是否是副瓣;
e)如果判定是副瓣,则将i减1(i=i-1),跳转到步骤a);否则认为当前频率点i即为背景杂波的截止频率,则负频率方向杂波抑制结束。
经过背景杂波剔除前后的对比如图3、图4所示,可见该方法能够非常完整的剔除不同杂波谱宽的背景杂波,而不影响目标频谱;
(6)多普勒速度补偿。根据目标航迹的历史航迹点,用最小二乘法进行直线拟合,估计目标的运动航向和航速信息,进而得到目标的径向速度(目标沿雷达射线方向运动速度)vd,并估计目标自身的多普勒频率fd,其中:
fd=2·vd/λ,λ为雷达发射波长
利用多普勒频率fd对F′Target进行多普勒速度补偿,将F′Target进行-fd的圆周平移,得到F″Target。
(7)副瓣抑制处理。利用目标完整度因子(TAR)对F″Target进行副瓣抑制,得到预处理结果具体处理流程如图5所示,具体流程说明如下:
a)估计当前频率点的副瓣幅度,初始i=-N/2(N是FFT后的数据长度),对副瓣抑制处理后数据F″Target,利用当前频率点i附近频率点的幅度估计当前频率点i的副瓣幅度FSobel:
其中,maxindex(·)为计算向量最大值的坐标,K1为常数,M一般取5-7。
b)比较估计的频率点i副瓣幅度FSobel(i)与实际的FTarget(i)大小,如果FSobel(i)≤FTarget(i),则跳转到步骤c;否则,根据对当前频率点i进行副瓣衰减处理,衰减方法为:
其中,F″Target为目标频谱经过背景杂波剔除、多普勒速度补偿后的结果。
c)i=i+1,跳转到步骤a,直到完成所有频率点副瓣抑制。
经过副瓣抑制前后的对比如图6、图7所示,可见目标频谱的副瓣都得到了很好的抑制,对后面分割处理不再会产生影响;
(8)门限分割处理。对副瓣抑制后的数据,需要通过设定一定的门限,判定具体哪些是噪声点和调制谱,采用数据质量评估结果动态调整分割门限,以能对各种条件下有效的提取目标调制谱。主要处理流程如下:
a)首先根据完整系数(TAR),选择门限计算策略,预估基础门限;
分别是用目标回波距离单元数据估计出的噪声均值和方差;分别是用背景噪声估计出的噪声均值和方差,n1、n2为常数。
b)根据杂波占比因子(SCR)的大小,对门限再次进行调整。
k1、k2为常数。
c)根据目标的信噪比(SNR)大小,对门限进行调整;
h1、h2为常数。
(9)调制特征提取。经过门限分割后,剩余的频谱主要是目标机身产生的主频和由旋转部件运动产生的调制谱,针对飞机的调制谱特征分布,主要提取7种特征,主要包括:调制谱个数、最小谱间隔、最大谱间隔、平均谱间隔、邻域内积累谱数量、对称调制谱个数,去对称性最小谱间隔。
(10)分类识别。通过所提取的调制谱特征,设计对3类目标适用的分类器,主要分类准侧如下表所示:
表2不同类型目标特征分布特点
Claims (2)
1.一种基于数据质量评估的对空目标识别方法,其特征在于,包括以下步骤:
步骤一、通过检测、凝聚方法,找到目标回波的中心点,提取能够用于处理的目标回波数据;
步骤二、对目标数据进行质量评估,计算数据质量评估因子,包括杂波占比因子、目标完整度因子、信噪比,根据数据质量评估因子,对目标数据进行预处理,包括背景杂波剔除、多普勒频率补偿和副瓣抑制;
步骤三、依据数据质量评估因子,对预处理后的目标数据进行自适应门限分割,提取目标调制谱特征和分类处理,判断目标是喷气式飞机、螺旋桨飞机或是直升机;
通过该方法识别正确率达到85%以上。
2.根据权利要求1所述的基于数据质量评估的对空目标识别方法,其特征在于步骤二中所述的预处理方法具体为:
第一步、对目标数据进行质量评估,计算数据质量评估因子,包括杂波占比因子、目标完整度因子、信噪比;
第二步、利用数据质量评估因子,对目标数据进行预处理,包括背景杂波剔除、多普勒频率补偿和副瓣抑制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510695507.8A CN105242254A (zh) | 2015-10-22 | 2015-10-22 | 一种基于数据质量评估的对空目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510695507.8A CN105242254A (zh) | 2015-10-22 | 2015-10-22 | 一种基于数据质量评估的对空目标识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105242254A true CN105242254A (zh) | 2016-01-13 |
Family
ID=55039961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510695507.8A Pending CN105242254A (zh) | 2015-10-22 | 2015-10-22 | 一种基于数据质量评估的对空目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105242254A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490410A (zh) * | 2018-03-06 | 2018-09-04 | 中国船舶重工集团公司第七二四研究所 | 一种两坐标雷达对海目标联合检测跟踪方法 |
CN108535710A (zh) * | 2018-03-06 | 2018-09-14 | 中国船舶重工集团公司第七二四研究所 | 一种基于目标环境特征向量的干扰抑制与目标识别方法 |
CN108549062A (zh) * | 2018-04-28 | 2018-09-18 | 西安长远电子工程有限责任公司 | 一种用于海面搜索雷达的系统平台及多模型目标跟踪方法 |
CN109117776A (zh) * | 2018-08-02 | 2019-01-01 | 西安电子工程研究所 | 基于航迹信息的飞机与气象杂波分类识别方法 |
CN111406224A (zh) * | 2019-01-30 | 2020-07-10 | 深圳市大疆创新科技有限公司 | 一种目标可信度确定方法、一种目标识别方法、系统、车辆及存储介质 |
CN112698293A (zh) * | 2020-12-21 | 2021-04-23 | 广州极飞科技有限公司 | 雷达信号的处理方法及装置、飞行器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6573861B1 (en) * | 1987-10-28 | 2003-06-03 | Telefunken Systemtechnik Gmbh | Target classification method |
CN102540163A (zh) * | 2011-12-12 | 2012-07-04 | 中国船舶重工集团公司第七二四研究所 | 一种基于常规相参雷达的直升机分类识别方法 |
CN104133211A (zh) * | 2014-07-07 | 2014-11-05 | 中国船舶重工集团公司第七二四研究所 | 一种多普勒频率变换雷达目标分类识别方法 |
CN104865569A (zh) * | 2015-05-29 | 2015-08-26 | 武汉大学 | 一种基于单频网外辐射源雷达的飞机目标识别方法 |
-
2015
- 2015-10-22 CN CN201510695507.8A patent/CN105242254A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6573861B1 (en) * | 1987-10-28 | 2003-06-03 | Telefunken Systemtechnik Gmbh | Target classification method |
CN102540163A (zh) * | 2011-12-12 | 2012-07-04 | 中国船舶重工集团公司第七二四研究所 | 一种基于常规相参雷达的直升机分类识别方法 |
CN104133211A (zh) * | 2014-07-07 | 2014-11-05 | 中国船舶重工集团公司第七二四研究所 | 一种多普勒频率变换雷达目标分类识别方法 |
CN104865569A (zh) * | 2015-05-29 | 2015-08-26 | 武汉大学 | 一种基于单频网外辐射源雷达的飞机目标识别方法 |
Non-Patent Citations (1)
Title |
---|
高庆余等: "舰载跟踪雷达MTD信号处理机海杂波的抑制", 《系统工程与电子技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108490410A (zh) * | 2018-03-06 | 2018-09-04 | 中国船舶重工集团公司第七二四研究所 | 一种两坐标雷达对海目标联合检测跟踪方法 |
CN108535710A (zh) * | 2018-03-06 | 2018-09-14 | 中国船舶重工集团公司第七二四研究所 | 一种基于目标环境特征向量的干扰抑制与目标识别方法 |
CN108490410B (zh) * | 2018-03-06 | 2021-08-17 | 中国船舶重工集团公司第七二四研究所 | 一种两坐标雷达对海目标联合检测跟踪方法 |
CN108549062A (zh) * | 2018-04-28 | 2018-09-18 | 西安长远电子工程有限责任公司 | 一种用于海面搜索雷达的系统平台及多模型目标跟踪方法 |
CN108549062B (zh) * | 2018-04-28 | 2020-08-25 | 西安长远电子工程有限责任公司 | 一种用于海面搜索雷达的系统平台及多模型目标跟踪方法 |
CN109117776A (zh) * | 2018-08-02 | 2019-01-01 | 西安电子工程研究所 | 基于航迹信息的飞机与气象杂波分类识别方法 |
CN111406224A (zh) * | 2019-01-30 | 2020-07-10 | 深圳市大疆创新科技有限公司 | 一种目标可信度确定方法、一种目标识别方法、系统、车辆及存储介质 |
WO2020154962A1 (zh) * | 2019-01-30 | 2020-08-06 | 深圳市大疆创新科技有限公司 | 一种目标可信度确定方法、一种目标识别方法、系统、车辆及存储介质 |
CN112698293A (zh) * | 2020-12-21 | 2021-04-23 | 广州极飞科技有限公司 | 雷达信号的处理方法及装置、飞行器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105242254A (zh) | 一种基于数据质量评估的对空目标识别方法 | |
US7567203B2 (en) | Classification system for radar and sonar applications | |
CN109409225B (zh) | 基于雷达多径信号时频特征融合的无人机分类方法及装置 | |
CN110231615B (zh) | 基于海面目标空间约束的距离测量异常判别方法 | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN104133211B (zh) | 一种多普勒频率变换雷达目标分类识别方法 | |
WO2016194036A1 (ja) | レーダ信号処理装置 | |
Hu et al. | Optimal signal processing in ground-based forward scatter micro radars | |
CN104215938B (zh) | 一种对地形反弹干扰的极化检测识别方法和装置 | |
Jian-xun et al. | Signal feature analysis and experimental verification of radar deception jamming | |
CN105785340A (zh) | 单脉冲雷达对主瓣内目标和诱饵干扰的测角与识别方法 | |
CN102721954A (zh) | 基于动态杂波图的风电场杂波识别与抑制方法 | |
CN108535710A (zh) | 一种基于目标环境特征向量的干扰抑制与目标识别方法 | |
CN104931959A (zh) | 形成目标点迹的多目标点迹凝聚方法 | |
CN104199002B (zh) | 抑制风力发电旋叶虚警目标的雷达信息处理方法 | |
Sibo et al. | Accurate ISAR scaling for both smooth and maneuvering targets | |
Molchanov et al. | Aerial target classification by micro-Doppler signatures and bicoherence-based features | |
CN103675808A (zh) | 一种单脉冲雷达导引头的不可分辨多目标检测方法 | |
Li et al. | Target classification with low-resolution surveillance radars based on multifractal features | |
Xu et al. | Long-time coherent integration for radar target detection base on Radon-Fourier transform | |
CN108181623A (zh) | 一种基于积累等效三点法的旋翼目标微多普勒检测方法 | |
CN104569970B (zh) | 一种用于机载雷达前视单脉冲成像的自聚焦方法 | |
Lee et al. | Enhanced ISAR imaging for surveillance of multiple drones in urban areas | |
Xiao et al. | Multi-target ISAR imaging based on image segmentation and short-time Fourier transform | |
Lee et al. | Identification of a flying multi-rotor platform by high resolution ISAR through an experimental analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160113 |