CN105425225B - 一种被动雷达低空目标检测方法 - Google Patents
一种被动雷达低空目标检测方法 Download PDFInfo
- Publication number
- CN105425225B CN105425225B CN201610023237.0A CN201610023237A CN105425225B CN 105425225 B CN105425225 B CN 105425225B CN 201610023237 A CN201610023237 A CN 201610023237A CN 105425225 B CN105425225 B CN 105425225B
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- detection
- cfar
- low
- 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.)
- Active
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Abstract
本发明提供了一种被动雷达低空目标检测方法,通过安装圆形被动接收雷达天线阵列,接收低空慢速目标反射的OFDM通信信号,对回波信号进行脉冲压缩,实现目标与阵列距离的探测,然后通过恒虚警检测模块,完成低信噪比和强干扰下的微弱目标检测,最后通过提取检测到的微弱目标的速度,对有潜在威胁的低空目标进行判断和提前预警;本发明利用OFDM无线通信信号结合被动雷达的体制可以在保证覆盖范围的前提下节约成本,相比于一般的OFDM相位编码雷达在系统上得到了较大的简化;并利用了OFDM信号频谱利用率高,抗多径性能好,兼有宽带的高距离分辨率和窄带对低信噪比的适应性等特点,适合应用于OFDM无线通信信号覆盖的需要监控低空安全的重点区域。
Description
技术领域
本发明属于雷达数据与信号处理领域,具体涉及一种被动雷达低空目标检测方法。
背景技术
随着低空管制的逐步开放,直升机、无人机等低空飞行器在城市中越来越普及,这对重点区域带来了巨大的安全隐患,有报道称美国白宫就曾遭到了玩具无人机的入侵。
目前低空目标多采用主动雷达进行检测,但是主动式探测耗费大,覆盖范围有限。而目前基站在城市已基本达到了全覆盖,所以采用被动雷达接受无线通信信号的体制,可以有更广阔的探测范围,更低的研发成本。
基于该思路,西安电子科大的学者白建雄提出了CDMA通信体制下的微弱目标轨迹检测的方法,湖南大学的周明千将OFDM信号应用于车载被动雷达,加强行车过程中汽车对周围情况的感知;德国的Searle等人研究了杂波环境下OFDM被动雷达的模糊处理方法,证明了OFDM信号在无源雷达运用中的优越性。
但是目前还存在如下的问题:
第一、对于微弱目标的检测,现有研究多针对高速目标,利用目标高速运动带来的多普勒频移来完成识别,鲜有针对慢速目标(马赫数小于1)的系统化方法;
第二、关于阵列的参数(阵元个数,圆形阵列半径)的设置对数字波束形成的影响,目前还没有公开的资料进行这方面的研究;
第三、现有的恒虚警检测方法,如CA-CFAR,SO-CFAR,GO-CAFR等各有优劣,例如CA-CFAR的门限计算虽然不受目标自身的影响,在清洁环境中使用能得到高的目标检测概率,同时有效地控制虚警率,但是如果参考单元内存在多目标或者强干扰,将引起门限抬高,其检测性能也会大大下降;SO-CFAR解决了CA-CFAR不适用于被测单元两侧样本中存在多目标或者干扰的问题,但是对于杂波区检测也会导致虚警率升高,因此SO-CFAR适用于清洁环境中参考单元存在多目标和强干扰的情况;GO-CFAR用于杂波环境中的目标检测时能很好的控制由杂波引起的虚警率的升高,但是用于清洁环境检测时,恒虚警损失大于CA-CFAR,因此GO-CFAR适用于杂波区检测;综上所述,需要一种新的恒虚警检测方法能集成三者的优势来更好地实现慢速微弱目标的检测。
发明内容
本发明针对现有技术存在的问题,利用无线通信基站发射的OFDM通信信号,在基站附近设置圆形雷达接收阵列,接收低空目标反射回来的电磁波,通过信号处理,实现低空目标的探测预警。
本发明“一种被动雷达低空目标检测方法”,包括以下步骤:
步骤一、设计被动雷达接收天线阵列,所述天线阵列的阵元呈圆形排布,接收OFDM信号探测到低空目标所反射回来的回波。
设置包含4M(M为正整数)个天线阵元的圆形阵列,所述4M个天线阵元的质心在同一平面内,并且该平面与地面平行。所述4M个天线阵元的质心均匀排布在半径为r0的圆周上,相邻阵元质心之间所夹弧长相等。利用该圆形阵列接收基站发射的4G移动通信OFDM信号探测到目标所反射回来的回波。该圆形阵列圆心处设置有一个接收天线O。以圆形阵列圆心为坐标原点建立球坐标系在该球坐标系中,径向距离r∈[0,+∞),方位角θ∈[0,2π],俯仰角其中4M个天线阵元的质心所在的平面定义为该球坐标系中俯仰角的平面。在4M个天线阵元中任意选取一个阵元,将它的方位角θ定义为0°,并将它命名为E1,然后自E1开始沿着半径为r0的圆周依逆时针方向将圆周上的其它天线阵元依次命名为E2,...,E4M。所述4M个天线阵元的方位角可表示为每个天线阵元的增益相同。
假设r∈[0,Rmax](Rmax是所述圆形阵列探测有效距离的上限,由通信基站功率决定)范围内存在I个目标,将其命名为Tari(i=1,2,...,I)。
定义λ是电磁波波长,r0是所述圆形阵列的半径,将κr0作为一个变量讨论。当天线阵元数目固定的时候,无论κr0在[0,2π]的区间内如何取值,波束形成的方向图函数的主瓣与第一旁瓣的峰值均相差15个dB左右;但是κr0越小,主瓣能量越大,导致宽度越大,主瓣出现模糊。当κr0>1.8π时,主瓣再次出现模糊,也不能再进行空间匹配滤波;因此κr0=1.8π是定位精度最优的选择。
优选的圆形阵列包含16个天线阵元。因为均匀圆阵的几何特点,阵元数目一般选择4的倍数。在确定阵列半径的情况下,可以证明:天线阵元数目越多,主波束越窄,精度越高,主瓣与第一旁瓣的峰值差越大,达10dB以上,匹配滤波精度越高,但是系统复杂度越大。在实际应用中,天线阵元越多,还意味着对数据的处理难度增大,费效比增加,成本也相应增加,因此综合考虑,选择16个天线阵元是比较合适的。
步骤二、对天线阵列接收的回波信号进行脉冲压缩(PC)。
天线阵列接收回波,经过下变频至基带后,进行脉冲压缩,目的是为了获得一维距离像,从中得到目标的距离信息。
根据IEEE 802.11p标准下的参数设置OFDM信号并推导相应的回波信号。OFDM已经是一个成熟的体制,信号形式确定,本发明不再赘述。
因为OFDM信号是大时间带宽积信号,所以对回波信号和参考信号做卷积就可以得到比较好的脉冲压缩结果,形成特性良好的一维距离像,即获取I个目标与坐标原点的距离Ri(i=1,2,...,I)。优选的,采用分码元二级脉冲压缩的方法(参见文献[1]邓斌.多载频相位编码雷达信号设计与处理技术[D].国防科学技术大学.2011.[2]赵晶晶.相位编码OFDM新体制雷达信号设计与处理研究[D].国防科学技术大学.2015)可以充分利用OFDM信号多载频的特点,得到精度更高的脉冲压缩结果。
步骤三、将脉冲压缩后的回波信号通过平方律检波器后进行恒虚警检测(CFAR),检测出微弱目标。
因为目标回波经过反射会通过很多条路径被天线阵列所接收,收到的信号会有不同程度的衰减,伴随着噪声。在复杂背景下,多径信号的杂波服从瑞利分布,而均值类CFAR算法适用于瑞利杂波背景下的目标检测。现有CFAR检测器的原理都是:首先设置固定的恒虚警率,计算标称化因子T的值,回波通过均值类CFAR算法计算杂波功率估计并与标称化因子T相乘,形成具有一定自适应性的检测门限。若检测单元为V,选择检测单元V单侧长度为W的邻域计算杂波功率估计值Z,则三种经典的CFAR检测器CA-CFAR,GO-CFAR,SO-CAFR的杂波功率估计依次为:
其中xi,L表示检测单元V左边邻域的平方律检波器输出序列,xi,R是检测单元V右边邻域的平方律检波器输出序列。本发明可以采用三种经典的CFAR检测器:CA-CFAR,GO-CFAR,SO-CAFR中的任一种算法来对目标进行检测。
更进一步,针对现有技术的问题,本发明设计了一种新的CFAR算法,称之为A-CFAR,其检测原理如下:回波信号通过脉冲压缩以后,再通过平方律检波器后获得采样序列,若检测单元为V,选择检测单元左右两侧长度为W的邻域计算杂波功率估计值和然后分别与标称化因子T相乘,得到和若和的值不相等,从和中选择与检测单元V的值相近的那一侧作为检测门限;若和的值相等,则从中任意选取一侧作为检测门限。
从A-CFAR的检测原理可以看出,当两侧杂波功率估计值不相等时,若检测单元V的值与和中较大的一个接近,则选取作为检测门限,此时A-CFAR算法等同于GO-CFAR算法;若检测单元V的值与和中较小的一个接近,则选取作为检测门限,此时A-CFAR算法等同于SO-CFAR算法;当两侧杂波功率估计相等时,则选取和中任何一个作为检测门限,即门限的取值为此时A-CFAR算法等同于CA-CFAR算法。综上所述,A-CFAR算法可以根据杂波功率估计值的大小自适应地选择最值或均值作为检测门限,一方面结合了传统CA-CFAR的抗杂波性能,GO-CFAR的抗杂波边缘能力和SO-CAFR在多目标情况下的适应性,能够极好地结合应用背景;另一方面它比GO-CFAR与SO-CFAR恒选大和恒选小原则更加灵活。
将脉冲压缩后的结果输入恒虚警检测模块,检测出超过门限的包括强目标和弱目标的回波,从而可以将复杂背景下单个或多个微弱目标检测出来。这种特性与OFDM信号的抗多径性能相结合,在城市背景下的应用是极具价值的。
步骤四、提取步骤三中检测出的目标的径向速度,实现目标判断与报警。
利用步骤三将I个目标检测出来之后,再从回波中提取第n个(n=1,2,…,N,N为IEEE 802.11p标准下一个OFDM符号中的子载波个数)子载频上的针对第i(i=1,2,...,I)个目标的多普勒频移为根据多普勒频率和目标径向速度的关系式fi,n D=2fnvr,i/c(fn是第n个子载频的中心频率),可以提取出第i个目标的径向速度vr,i(i=1,2,...,I)。所述目标的径向速度指的是目标速度矢量在圆形天线阵元圆心与该目标连线上的投影。假设天线阵元与某个目标的连线和该目标速度矢量之间的夹角为αp(p=1,2,…,4M),该目标速度矢量在各天线阵元与该目标连线上的投影为vp(p=1,2,…,4M),圆形天线阵元圆心与该目标连线和该目标速度矢量之间的夹角为α4M+1,该目标速度矢量在圆形天线阵元圆心与该目标连线上的投影为v4M+1,因为目标是远场目标,天线阵元之间的距离以及圆形阵列半径相对于目标与天线阵元之间的距离是一个很小的数,所以αp(p=1,2,…,4M+1)近似相等,vp(p=1,2,…,4M+1)也近似相等,因此可以用目标速度矢量在圆形天线阵元圆心与该目标连线上的投影v4M+1来近似表示目标速度矢量在每个天线阵元与该目标连线上的投影vp(p=1,2,…,4M)。进一步,由于测量的是低空目标,目标径向速度矢量与目标速度矢量之间的夹角较小,因此目标径向速度的大小可以近似等于目标速度的大小。
低空中的运动目标包括风筝、热气球、降落伞、慢速飞禽、无人机、大型猛禽和快速飞禽等,其中风筝属于超慢速目标,运动速度约为0~4米/秒,热气球、降落伞、慢速飞禽属于慢速目标,运动速度约为5~10米/秒,无人机和大型猛禽属于中速目标,运动速度约为50~120米/秒,快速飞禽属于快速目标,运动速度约为200~400米/秒。利用目标的径向速度可以大致判断步骤三中检测出来的目标的类型。
这些目标中,无人机最有可能对低空安全造成威胁,因此可以参考无人机运动速度的区间来设立报警判决门限[vr min,vr max],判断提取目标的径向速度是否落入这一区间。如果目标的径向速度落入判决门限[vr min,vr max],可以立即触发报警。
但是我们也注意到无人机的飞行速度与大型猛禽相近,而大型猛禽并非威胁低空安全的目标,因此为了避免大型猛禽触发报警,可以对径向速度落入事先设置的判决门限[vr min,vr max]中的目标作二级判决,将二者的不同点作为二级判决的依据:
(1)相比无人机,大型猛禽的飞行速度变化较大,方向多变,这就导致径向速度所决定的多普勒频移变化剧烈,符合这一特征的目标可以怀疑为飞禽;
(2)鸟类有成群活动的特点,通过分析CFAR检测器一段时间的输出结果,若目标体现为目标群的形式基本可以判定为飞禽;
(3)无人机一般具有反隐身的特点,这就意味着同样体积的大型飞禽相对于无人机属于强目标,若检测出的目标为强目标,则该目标基本可以判定为大型飞禽。
综上所述,若提取目标的径向速度vr,i落入判决门限[vr min,vr max]区间,可以立刻引发报警,但是为了避免大型猛禽等非威胁目标触发报警,还可以对检测目标进行二级判决,如果二级判决的结果表明检测目标并非大型猛禽,则该检测目标将立即引发报警,达到检测目标并降低虚预警的目的。
本发明取得的有益效果为:
(1)OFDM移动通信是新一代无线通信的体制,现已广泛应用,无线通信基站覆盖广泛,特别是在城市里基本达到全覆盖;OFDM信号可以应用于大部分雷达体制,尤其应用在被动雷达中具有解调容易,处理简单的特点;因此利用OFDM无线通信信号结合被动雷达的体制可以在保证覆盖范围的前提下节约成本,相比于一般的OFDM相位编码雷达在系统上得到了较大的简化。
(2)相比CDMA等信号OFDM信号频谱利用率高,抗多径性能好,可以节约频带资源并能得到更好的一维距离像,兼有宽带的高距离分辨率和窄带对低信噪比的适应性。
(3)呈圆形均匀排布的接收阵元相比传统的均匀线阵探测精度更高,覆盖空域更广。
(4)新的A-CFAR算法结合了传统CA-CFAR的抗杂波性能,GO-CFAR的抗杂波边缘能力和SO-CAFR在多目标情况下的适应性,通过与瑞利杂波模型相匹配,同时解决多径效应下杂波和干扰“淹没”目标的情况,结合OFDM无线通信信号良好的抗多径性能,在城市背景下的应用是极具价值的。
综上所述,本发明适合应用于OFDM无线通信信号覆盖的需要监控低空安全的重点区域,有良好的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明工作流程示意图;
图2为实施例中圆形天线阵列排布俯视图,其中1表示天线阵元,2表示圆心处的接收天线,3表示圆周;
图3为本发明中A-CFAR算法流程图;
图4为实施例中目标回波的分码元二级脉冲压缩结果,其中4、5、6分别表示目标Tar1、Tar2、Tar3的脉冲压缩结果;
图5为实施例中恒虚警检测采用GO-CFAR、SO-CAFR、CA-CFAR算法的结果,其中7、8、9分别表示目标Tar1、Tar2、Tar3,10、11、12分别表示依据GO-CFAR、SO-CAFR、CA-CFAR所计算出的门限;
图6为实施例中恒虚警检测采用A-CFAR算法的结果,其中13、14、15分别表示目标Tar1、Tar2、Tar3;
图7为对检测目标进行判断与报警的流程图。
具体实施方案
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明“一种被动雷达低空目标检测方法”的工作流程示意图。通过安装圆形被动接收雷达天线阵列,接收低空慢速目标反射的OFDM通信信号,对回波信号进行脉冲压缩,实现目标与阵列距离的探测,然后通过恒虚警检测模块,完成低信噪比和强干扰下的微弱目标检测,最后通过回波信号提取目标的速度,对入侵重点区域的有潜在威胁的低空目标进行判断和提前预警。
在城市背景下,通信基站的覆盖范围一般在千米级,借此可以确定有效覆盖范围[0,Rmax],本实施例中设Rmax=3000米。考虑多普勒效应的影响,假设在[0,Rmax]内共存在3个目标Tar1、Tar2、Tar3,径向距离分别是2750米,2800米,2830米,C波段下所述三个运动目标的雷达反射截面积(RCS)分别为1×10-3平方米,2.5×10-2平方米,5×10-3平方米,所述三个目标在time1时刻的径向速度分别是10米/秒,100米/秒,120米/秒;在time2时刻的径向速度分别是10米/秒,100米/秒,100米/秒;在time3时刻的径向速度分别是10米/秒,105米/秒,115米/秒;三个目标飞行方向均为飞向雷达阵列。
本发明中的检测方法包括以下四个步骤:
步骤一、设计圆形被动雷达接收天线阵列,接收OFDM信号探测到低空目标所反射回来的回波。
如图2所示,本实施例中在城市背景下设置包含16个天线阵元1的圆形阵列,圆形阵列的圆心处设置有一个接收天线2。所述16个天线阵元的质心周向均匀分布在半径为r0的圆周3上,圆平面与地面平行。选择κr0=1.8π,其中λ是C波段(频率为4-8GHz)的电磁波波长,本实施例中假设圆形阵列的半径r0=125米(OFDM基带信号的频率是5.9GHz)。以圆形阵列的圆心为坐标原点,建立球坐标系任意选择圆周3上的一个天线阵元,将其方位角θ定义为0°,并将它命名为E1,然后自E1开始沿着圆周2依逆时针方向依次将圆周上的其它天线阵元命名为E2,...,E16,因此每个天线阵元的方位角可定义为为了保证均匀圆阵的对称性,令每个天线阵元的增益相同。
因为是被动雷达体制,电磁波传播只考虑回程,所以只有单程时延,即接收天线与目标的距离除以电磁波传播速度c。但是我们注意到,接收阵列半径相对于电磁波覆盖范围极小,因此可以采用目标到坐标原点O的距离OTari来近似表示单程路径TariEk,则第i个目标单程时延是:
τi=TariEk/c≈OTari/c (i=1,2,3)
表1给出C波段下低空中可能的运动目标的雷达反射截面积(RCS):
表1 常见低空目标的RCS
步骤二、对天线阵列接收的回波信号进行脉冲压缩(PC)。
根据4G通信环境的IEEE 802.11p标准设置OFDM信号,表2给出此标准下的一些参数。
表2 IEEE 802.11p标准下的OFDM参数
阵列天线的参数设置如表3。
表3 接收阵列天线参数
OFDM通信信号的表达式为:其中N为子载频数;K为相位编码长度;是第n个子载频(n∈(1,N))的加权系数,表示初始相位的加权;an,k=exp(jθn,k)表示第n个子载频(n∈(1,N))上码元k相位编码;fn=f0+nΔf为第n个载频的中心频率;f0为发射脉冲中心载频;Δf为相邻两子载频的频率间隔。为了保证各路子载频正交,必须满足:这种正交性可以保证信号对空间的全向辐射。
对于OFDM信号这样的大时间带宽积信号,一般的脉冲压缩方法是进行匹配滤波。将回波信号与参考信号作卷积得到脉冲压缩结果,一般为如下形式:其中,s(l)为雷达发射信号,h(l)一般取为s*(-l),l=0,1,...,LNK-1,s*(l)是s(l)的共轭函数。一般情况下,一维距离像的效果会受到载频的影响。在传统OFDM雷达中,载频在MHz量级,采用匹配滤波的方法虽然可以得到的一维距离像,但尚不能充分利用OFDM信号多载频的特点。本实施例采用国防科大的邓斌,赵晶晶等人提出的分码元二级脉冲压缩的方法可以充分利用OFDM体制,得到精度更高的脉冲压缩结果。
对本实施例中3个目标的回波作分码元二级脉冲压缩,结果如图4所示,从图中可以看出仿真得到的目标的一维距离像结果与设置的目标位置基本吻合。图4中,横轴表示目标与雷达阵列中心的距离,由于探测的是远场目标,故而目标与每一个天线阵元的距离近似于目标与雷达阵列中心的距离;纵轴表示幅度,表明目标的强弱程度,经过匹配滤波之后具有区别于噪声的较大幅度。
步骤三、将脉冲压缩后的回波信号通过平方律检波器后进行恒虚警检测(CFAR),检测出微弱目标。
因为目标回波经过反射会通过很多条路径被天线阵列所接收,收到的信号会有不同程度的衰减,伴随着噪声。在复杂背景下,多径信号的杂波服从瑞利分布,而均值类CFAR算法适用于瑞利杂波背景下的目标检测。本实施例分别采用CA-CFAR、GO-CFAR、SO-CAFR、A-CFAR算法对目标进行检测,其中A-CFAR算法的工作流程如图3所示。A-CFAR算法的工作原理为:若检测单元为V,为了防止目标信号对检测单元的影响,在检测单元两侧设置有若干个保护单元,然后选择检测单元左右侧长度为W的邻域计算杂波功率估计和然后分别与标称化因子T相乘,得到和从和中选择与检测单元V的值更相近的那一侧作为检测门限。因此,检测门限可以根据信号和噪声自适应地生成,当遇到噪声时可以提高,遇到信号时“下陷”形成碗状,保护单元越长,“碗口”越大。在本实施例中,根据一般的均值类CFAR算法设置单侧检测单元长度为32,单侧保护单元长度为3,这样既可以保证目标信号尽可能少地影响检测单元,也可以保证检测单元尽量被充分利用,避免不必要的信号浪费。
将步骤二中脉冲压缩后的结果通过平方律检波器后,输入分别采用CA-CFAR、GO-CFAR、SO-CAFR算法的恒虚警检测模块后,得到如图5所示的检测门限曲线和目标回波信号曲线,可以看到无论采用哪种算法,三个目标回波的值均超过检测门限,因此步骤三采用CA-CFAR或GO-CFAR或SO-CAFR算法均可以将这三个微弱目标检测出来。
如图6所示,将步骤二中脉冲压缩后的结果通过平方律检波器后,输入采用A-CFAR算法的恒虚警检测模块后,将检测门限置零(即与回波幅度相减),三个目标回波的值分别等于1.9199,2.5334,4.4341,皆超过检测门限,因此步骤三采用A-CFAR算法也可以将这三个微弱目标均检测出来。
为了进一步说明A-CFAR对极微弱目标有优良的检测效果,表3给出了信噪比约为0dB时不同恒虚警率Pfa通过250次、1000次和5000次蒙特卡洛实验A-CFAR的检测概率Pd,当且仅当所有目标都被检测出来检测才记为有效。可以看出,A-CFAR的检测概率Pd在不同恒虚警率下能够保持很高的水平。
表3 不同蒙特卡洛试验下的检测概率
步骤四、提取步骤三中检测出的目标的径向速度,实现目标判断与报警
城市背景下的目标多种多样,本实施例中具有潜在威胁的目标假设为无人机。相比城市中其他的静止目标,无人机的速度不仅不可忽略,其速度还大大超过飞禽等可能造成虚警的目标;利用无人机的特征,并综合恒虚警检测结果,设立一个判决门限和报警系统,入侵监测范围的无人机可以被有效识别。
利用步骤三将3个目标检测出来之后,再从回波中提取第n(n=1,2,…,64)个子载频上的针对第i(i=1,2,3)个目标的多普勒频移为根据多普勒频率和目标径向速度的关系式fi,n D=2fnvr,i/c(i=1,2,3),可以计算出目标的径向速度。当目标飞向雷达阵列时,多普勒频率为正值,当目标背离雷达阵列飞行时,多普勒频率为负值。只有当多普勒频率为正值的目标才具有威胁。如前所述,本实施例中假设三个目标均飞向雷达。
本实施例中得到3个目标在time1时刻基带(即载波频率上)的多普勒频移分别是392Hz,3910Hz,4680Hz;在time2时刻的多普勒频移分别是392Hz,3910Hz,3910Hz;在time3时刻的多普勒频移分别是392Hz,4105Hz,4508Hz;由此计算出3个目标在time1时刻的径向速度分别是10.05米/秒,100.26米/秒,120.00米/秒;在time2时刻的径向速度分别是10.05米/秒,100.26米/秒,100.26米/秒;在time3时刻的径向速度分别是10.05米/秒,105.26米/秒,115.59米/秒。
低空中的运动目标包括风筝、热气球、降落伞、慢速飞禽、无人机、大型猛禽和快速飞禽等,将运动速度为0~4米/秒的目标判断为超慢速目标,其中风筝属于超慢速目标;将运动速度为5~10米/秒的目标判断为慢速目标,其中热气球、降落伞、慢速飞禽属于慢速目标;将运动速度为50~120米/秒的目标判断为中速目标,其中无人机和大型猛禽属于中速目标;将运动速度约为200~400米/秒的目标判断为快速目标,其中快速飞禽属于快速目标。这些目标中,无人机最有可能对低空安全造成威胁,因此可以参考无人机运动速度的区间来设立报警判决门限[vr min,vr max]=[70,120]。
由上面的结果可以判断目标Tar1可能是热气球、降落伞、慢速飞禽等慢速目标,不触发报警。目标Tar2、Tar3的速度均落入判决门限[vr min,vr max]=[70,120],所以Tar2、Tar3可能是无人机,也可能是大型猛禽等中速目标,是否触发报警需要作二级判决。二级判决的依据:
(1)相比无人机,大型猛禽的飞行速度变化较大,方向多变,这就导致径向速度所决定的多普勒频移变化剧烈,符合这一特征的目标可以怀疑为飞禽;
(2)鸟类有成群活动的特点,通过分析CFAR检测器一段时间的输出结果,若目标体现为目标群的形式基本可以判定为飞禽;
(3)无人机一般具有反隐身的特点,这就意味着同样体积的大型飞禽相对于无人机属于强目标,若检测出的目标为强目标,则该目标基本可以判定为大型飞禽。
综合不同时刻的三组数据,可以发现目标Tar3的在观察时段内多普勒频移变化剧烈,且在图4所示的一维距离像中,Tar3相对于其它目标为强目标(Tar3的幅值最大),所以判决Tar3为大型猛禽。而目标Tar2在观察时段内的多普勒频移变化不大,在一维距离像中也反映为弱目标,符合无人机的特征,因此可以将Tar2判决为无人机,触发报警。
步骤四的工作流程如图7所示。
以上实施例表明:通过安装圆形被动接收雷达天线阵列,接收低空慢速目标反射的OFDM通信信号,对回波信号进行脉冲压缩,实现目标与阵列距离的探测,然后通过恒虚警检测模块,检测到单个和\或多个微弱目标,最后通过提取检测到的微弱目标的速度,对入侵重点区域的有潜在威胁的低空目标进行判断和提前预警。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种被动雷达低空目标检测方法,其特征在于,所述方法包括如下步骤:
步骤一、设计被动雷达接收天线阵列,所述天线阵列的阵元呈圆形排布,接收OFDM信号探测到低空目标所反射回来的回波;
步骤二、对天线阵列接收的回波信号进行脉冲压缩;
步骤三、将脉冲压缩后的回波信号通过平方律检波器后进行恒虚警检测,检测出微弱目标;所述恒虚警检测的工作原理为:被脉冲压缩后的回波信号,通过平方律检波器后获得采样序列,选择检测单元左右两侧长度为W的邻域计算杂波功率估计值和然后分别与标称化因子T相乘,得到和若和的值不相等,从和中选择与检测单元的值更相近的那一侧作为检测门限;若和的值相等,则从中任选一侧作为检测门限;
步骤四、提取步骤三中检测出的目标的径向速度,实现目标判断和报警。
2.如权利要求1所述的一种被动雷达低空目标检测方法,其特征在于,所述步骤四中还可以对检测出的目标进行二级判决,避免不威胁低空安全的目标触发报警,所述二级判决的依据为:
(1)若目标的多普勒频移变化剧烈,可以怀疑为飞禽;
(2)鸟类有成群活动的特点,通过分析恒虚警检测一段时间的输出结果,若目标体现为目标群的形式基本可以判定为飞禽;
(3)无人机一般具有反隐身的特点,因此同样体积的大型飞禽相对于无人机属于强目标,若检测出的目标为强目标,则该目标基本可以判定为大型飞禽。
3.如权利要求1所述的一种被动雷达低空目标检测方法,其特征在于,天线阵列中阵元的个数为4M个,M为正整数。
4.如权利要求1所述的一种被动雷达低空目标检测方法,其特征在于,κr0的取值优选为1.8π,其中λ是电磁波波长,r0为阵列半径。
5.如权利要求1所述的一种被动雷达低空目标检测方法,其特征在于,所述步骤二中采用分码元二级脉冲压缩方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610023237.0A CN105425225B (zh) | 2016-01-14 | 2016-01-14 | 一种被动雷达低空目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610023237.0A CN105425225B (zh) | 2016-01-14 | 2016-01-14 | 一种被动雷达低空目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105425225A CN105425225A (zh) | 2016-03-23 |
CN105425225B true CN105425225B (zh) | 2017-11-21 |
Family
ID=55503553
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610023237.0A Active CN105425225B (zh) | 2016-01-14 | 2016-01-14 | 一种被动雷达低空目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105425225B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105891800B (zh) * | 2016-03-30 | 2018-01-09 | 中国人民解放军国防科学技术大学 | 单发三收天线雷达抗多径散射检测方法 |
CN106053490B (zh) * | 2016-07-04 | 2019-02-05 | 南京信息工程大学 | 一种基于4g信号的无源雷达大气水汽反演法 |
CN107728137B (zh) * | 2017-10-10 | 2021-11-05 | 芜湖华创光电科技有限公司 | 一种多天线阵列切换的无源雷达系统 |
CN108445461B (zh) * | 2018-01-29 | 2020-05-05 | 中国人民解放军国防科技大学 | 一种多径条件下雷达目标检测方法 |
CN108510734A (zh) * | 2018-03-30 | 2018-09-07 | 深圳市金溢科技股份有限公司 | 一种路侧单元及一种路侧单元的车辆信息匹配方法 |
CN109242010A (zh) * | 2018-08-27 | 2019-01-18 | 电子科技大学 | 一种稀疏学习rcs序列特征提取方法 |
CN109407703A (zh) * | 2018-12-13 | 2019-03-01 | 广州极飞科技有限公司 | 无人机及其控制方法和装置 |
CN111220944B (zh) * | 2020-01-20 | 2023-08-18 | 北京历正科技有限责任公司 | 一种无人机定位方法及系统 |
CN113325384B (zh) * | 2021-08-04 | 2021-11-05 | 西南交通大学 | 一种通信雷达联合处理方法 |
CN113805169B (zh) * | 2021-08-11 | 2024-05-03 | 航天恒星科技有限公司 | 空间目标低功耗小卫星雷达搜索与跟踪方法 |
CN113466824B (zh) * | 2021-09-06 | 2021-11-26 | 成都锐芯盛通电子科技有限公司 | 基于二维相控阵雷达的无人机识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101173985A (zh) * | 2006-11-01 | 2008-05-07 | 中国科学院国家天文台 | 利用卫星信号探测低空目标的被动雷达探测方法 |
CN102033227B (zh) * | 2010-11-30 | 2013-01-16 | 哈尔滨工程大学 | 以gps导航卫星为外辐射源的无源雷达微弱目标检测方法 |
CN102819016A (zh) * | 2011-06-07 | 2012-12-12 | 中国人民解放军海军航空工程学院 | 利用导航雷达信号探测低空目标的被动探测系统及方法 |
CN103809162B (zh) * | 2014-01-27 | 2016-03-23 | 西安电子科技大学 | 一种外辐射源雷达恒虚警检测方法 |
CN104090274A (zh) * | 2014-07-18 | 2014-10-08 | 武汉大学 | 一种基于多调频广播的外辐射源雷达系统与信号处理方法 |
CN104931946A (zh) * | 2015-05-14 | 2015-09-23 | 西安电子工程研究所 | 外辐射源雷达多普勒-时延两维双门限目标检测方法 |
-
2016
- 2016-01-14 CN CN201610023237.0A patent/CN105425225B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105425225A (zh) | 2016-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105425225B (zh) | 一种被动雷达低空目标检测方法 | |
Stove et al. | Low probability of intercept radar strategies | |
CN103210319B (zh) | 雷达系统 | |
US20170045613A1 (en) | 360-degree electronic scan radar for collision avoidance in unmanned aerial vehicles | |
CN109946665A (zh) | 基于阵列雷达的获取真实目标的方法 | |
EP1992963A2 (en) | Enhanced passive coherent location techniques to track and identify UAVS, UCAVS, MAVS, and other objects | |
Martelli et al. | Detection and 3D localization of ultralight aircrafts and drones with a WiFi-based passive radar | |
Kuschel | VHF/UHF radar. Part 1: characteristics | |
Riddolls et al. | Canadian HF over-the-horizon radar experiments using MIMO techniques to control auroral clutter | |
CN106990391A (zh) | 基于俯仰mimo的低空目标探测宽带雷达系统及阵列优化方法 | |
Kulpa et al. | Stretch processing for long integration time passive covert radar | |
CN110208786A (zh) | 一种天基雷达二重频解模糊方法 | |
KR102275960B1 (ko) | 딥러닝 기반의 레이다 표적 탐지 시스템 및 그 방법 | |
Yang et al. | A passive radar system for detecting UAV based on the OFDM communication signal | |
Skolnik | An introduction and overview of radar | |
CN109765529A (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
CN208921859U (zh) | 一种电子干扰装置、无人机及其自卫防护装置 | |
Matuszewski | Jamming efficiency of land-based radars by the airborne jammers | |
Qiao et al. | A survey of GNSS interference monitoring technologies | |
CN106772277B (zh) | 基于信号重构的bds直达波干扰抑制方法 | |
CN108254763A (zh) | 一种商用小型无人机远程探测及处置方法 | |
Zhang et al. | Human tracking using range and velocity measurements by multistatic radar | |
Lee et al. | Identification of a flying multi-rotor platform by high resolution ISAR through an experimental analysis | |
CN108896970A (zh) | 一种基于多元矢量合成技术的雷达干扰方法 | |
Fan et al. | Anti-ARM technique: feature analysis of ARM warning radar |
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 |