CN105445713A - 一种高机动目标微动周期计算方法及系统 - Google Patents
一种高机动目标微动周期计算方法及系统 Download PDFInfo
- Publication number
- CN105445713A CN105445713A CN201510777394.6A CN201510777394A CN105445713A CN 105445713 A CN105445713 A CN 105445713A CN 201510777394 A CN201510777394 A CN 201510777394A CN 105445713 A CN105445713 A CN 105445713A
- Authority
- CN
- China
- Prior art keywords
- target
- value
- frequency
- micro
- fine motion
- 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
- 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
本发明涉及一种高机动目标微动周期计算方法及系统,所述方法包括以下步骤:步骤1,采集目标的回波信号x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲积累数,xi为回波信号x在第i点的值;步骤2,根据目标的回波信号计算得到目标整体平动估计值;步骤3,利用目标整体平动估计值进行整体平动补偿,得到补偿后的微动信号;步骤4,利用补偿后的微动信号估计目标周期。本发明的方法通过对目标的多普勒模糊进行处理,并对目标的整体平动进行补偿,使估计得到的目标微动周期更加准确有效。
Description
技术领域
本发明属于雷达技术领域,具体涉及目标运动参数估计方法,可用于对具有模糊多普勒频率的高机动目标微动周期进行计算。
背景技术
微动是目标在运动时,由自身姿态变化或机动引起的,包含了目标更细节的运动特征。对于微动参数的估计,在目标测控和目标识别等领域都有迫切需求。近年来,国际上关于微动的研究逐渐升温,雷达中的微动和由微动引起的微多普勒现象正日益成为研究热点。如果雷达目标除了主体的平移运动外还存在整体或部分的震动或转动等微运动,那么可能会产生一个额外的频率调制,使得回波信号在多普勒频移的基础上产生边带,这就是微多普勒现象。
实际中,高速运动目标在空间中运动时,若自身存在加速度或者目标的运动方向与雷达视线存在一定夹角,目标相对于雷达都会展现出加速运动状态,引起多普勒频率随时间的线性变化。当目标加速度很大时,在相干累积时间内,目标的多普勒频率变化可能大过雷达的脉冲重复频率,导致多普勒频率产生模糊。此外,为了保证姿态稳定,目标通常会进行一定的稳定控制手段,最常见的便是自旋运动。同时,由于受到空气阻力产生的横向干扰力等特定事件,目标会产生进动等复合运动。这些运动是典型的微动,会对雷达信号产生相应的周期性调制,并叠加于目标的多普勒频率之上。
现有技术中,还未考虑目标多普勒频率存在模糊的情况下,微动周期的估计问题。
发明内容
本发明所要解决的技术问题是针对现有技术存在的不足,提供一种高机动目标微动周期计算方法。
本发明解决上述技术问题的技术方案如下:一种高机动目标微动周期计算方法,包括以下步骤:
步骤1,采集目标的回波信号x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲积累数,xi为回波信号x在第i点的值;
步骤2,根据目标的回波信号计算得到目标整体平动估计值;
步骤3,利用目标整体平动估计值进行整体平动补偿,得到补偿后的微动信号;
步骤4,利用补偿后的微动信号估计目标周期。
本发明的有益效果是:本发明的方法通过目标的多普勒模糊进行处理,并对目标的整体平动进行补偿,使估计得到的目标微动周期更加准确有效。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,所述步骤2中根据目标的回波信号计算得到目标整体平动估计值,包括以下步骤:
步骤A,对回波信号x进行短时傅里叶变换得到回波信号x的时频分布XM×N,XM×N={X1,X2,...,Xi,...,XN},i=1,2,...,N,N为脉冲数,Xi为x的时频分布XM×N在第i个脉冲时间的值,Xi是M维向量,M是时频分析的频点数;
步骤B,记录时频分布XM×N每一列的最大值所在的位置hi,hi∈{1,2,...,M},i=1,2,...,N,根据位置值hi计算目标的瞬时多普勒频率值fb,fb={fb1,fb2,...,fbi,...,fbN},i=1,2,...,N;
步骤C:对目标的瞬时多普勒频率值fb进行差分分析,得到瞬时多普勒频率差分值fa={fa1,fa2,...,fai,...,faN-1},fai=fb(i+1)-fbi,根据瞬时多普勒频率差分值判断得到多普勒发生模糊的位置;
步骤D:在多普勒发生模糊的位置对瞬时多普勒频率进行解模糊,得到解模糊后的瞬时多普勒频率值fd,对fd进行直线拟合得到目标整体平动估计值。
采用上述进一步方案的有益效果是:通过差分分析判断瞬时多普勒发生模糊的位置,可对每一个发生模糊的位置都进行提取,避免发生遗漏;通过直线拟合得到目标整体平动估计值,计算过程简单,拟合结构准确有效。
进一步,所述步骤C中判断得到多普勒发生模糊的位置的方法为:搜索瞬时多普勒频率差分值中满足abs(fa)>PRF/2的位置pn,n=1,2,...,K,pn∈{1,2,...,N-1},则该位置pn即是多普勒发生模糊的位置;其中abs(·)为取绝对值运算,K为模糊次数,PRF为雷达的脉冲重复频率。
采用上述进一步方案的有益效果是:通过瞬时多普勒频率差分值的绝对值与脉冲重复频率的一半进行比较判断发生模糊的位置,判断过程简单,且结果准确有效。
进一步,所述步骤D中按照以下方法计算得到解模糊后的瞬时多普勒频率值fd:
fd=fb(pn:N)+PRF
其中,n=1,2,...,K,fb(pn:N)为取从位置pn至位置N-1的瞬时多普勒频率值fb;
对瞬时多普勒频率值fd采用最小二乘法进行直线拟合,得到目标整体平动估计值 其中, ti为时间, 上标'为转置运算,i=1,2,...,N。
进一步,所述步骤4具体包括:
步骤a,计算微动信号的自相关,得到微动信号的自相关序列;
步骤b,求取微动信号自相关序列的绝对值;
步骤c,对自相关序列的绝对值进行4N点的傅立叶变换;
步骤d,搜索傅立叶变换结果的最大值,将该最大值置零,再次搜索傅立叶变换结果的最大值,并记录该最大值的位置q,则目标的微动周期估计为:4N/(q×PRF)。
一种高机动目标微动周期计算系统,包括:
采集模块,用于采集目标的回波信号x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲数,xi为回波信号x在第i个脉冲时间的值;
计算模块,用于根据目标的回波信号计算得到目标整体平动估计值;
平动补偿模块,用于对目标整体平动估计值进行整体平动补偿,得到补偿后的微动信号;
估计模块,用于根据补偿后的微动信号估计目标周期。
本发明的有益效果是:本发明的系统通过目标的多普勒模糊进行处理,并对目标的整体平动进行补偿后提取目标的微动信号,使估计得到的目标微动周期更加准确有效。
进一步,所述计算模块包括:
变换单元,用于对回波信号x进行短时傅里叶变换得到回波信号x的时频分布XM×N,XM×N={X1,X2,...,Xi,...,XN},i=1,2,...,N,N为脉冲数,Xi为x的时频分布XM×N在第i个脉冲时间的值,Xi是M维向量,M是时频分析的频点数;
记录单元,用于记录时频分布XM×N每一列的最大值所在的位置hi,hi∈{1,2,...,M},i=1,2,...,N,根据位置值hi计算目标的瞬时多普勒频率值fb,fb={fb1,fb2,...,fbi,...,fbN},i=1,2,...,N;
差分分析单元,用于对目标的瞬时多普勒频率值fb进行差分分析,得到瞬时多普勒频率差分值fa={fa1,fa2,...,fai,...,faN-1},fai=fb(i+1)-fbi,根据瞬时多普勒频率差分值判断得到多普勒发生模糊的位置;
解模糊单元,用于在多普勒发生模糊的位置对瞬时多普勒频率进行解模糊,得到解模糊后的瞬时多普勒频率值fd,对fd进行直线拟合得到目标整体平动估计值。
采用上述进一步方案的有益效果是:通过差分分析判断瞬时多普勒发生模糊的位置,可对每一个发生模糊的位置都进行提取,避免发生遗漏;通过直线拟合得到目标整体平动估计值,计算过程简单,拟合结构准确有效。
进一步,所述差分分析单元还用于搜索瞬时多普勒频率差分值中满足abs(fa)>PRF/2的位置pn,n=1,2,...,K,pn∈{1,2,...,N-1},则该位置即是多普勒发生模糊的位置;其中abs(·)为取绝对值运算,K为模糊次数,PRF为雷达的脉冲重复频率。
采用上述进一步方案的有益效果是:通过瞬时多普勒频率差分值的绝对值与脉冲重复频率的一半进行比较判断发生模糊的位置,判断过程简单,且结果准确有效。
进一步,所述解模糊单元还用于按照以下方法计算得到解模糊后的瞬时多普勒频率值fd和目标整体平动估计值
fd=fb(pn:N)+PRF
其中,n=1,2,...,K,fb(pn:N)为取从位置pn至位置N的瞬时多普勒频率值fb;
对瞬时多普勒频率值fd采用最小二乘法进行直线拟合,得到目标整体平动估计值 其中, ti为时间, 上标'为转置运算,i=1,2,...,N。
进一步,所述估计模块包括:
自相关计算单元,用于计算微动信号的自相关,得到微动信号的自相关序列;
绝对值计算单元,用于求取微动信号自相关序列的绝对值;
傅立叶变换单元,用于对自相关序列的绝对值进行4N点的傅立叶变换;
微动周期估计单元,用于搜索傅立叶变换结果的最大值,将该该最大值置零,再次搜索傅立叶变换结果的最大值,并记录该最大值的位置q,则目标的微动周期估计为:4N/(q×PRF)。
附图说明
图1为本实施例方法的流程图;
图2为本实施例系统的连接框图;
图3为本实施例计算模块的连接框图;
图4为本实施例估计模块的连接框图;
图5为本实施例的回波信号的短时傅里叶变换时频分布图;
图6为本实施例对高机动目标多普勒频率解模糊和整体平动多普勒频率估计示意图;
图7为本实施例对高机动目标整体平动补偿效果示意图;
图8为本实施例对高机动目标进行微动信号提取后得到的信号自相关示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
本实施例的一种高机动目标微动周期计算方法,如图1所示,具体包括以下步骤:
步骤1,雷达采集目标的回波x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲积累数,xi为回波信号x在第i个脉冲时间的值。
步骤2,根据目标的回波信号计算得到目标整体平动估计值。
(A)对回波信号x进行短时傅里叶变换:
其中,w*(·)是时频分析窗函数的共轭函数,τ和t为时间变量,ω为角频率;XM×N={X1,X2,...,Xi,...,XN}为M×N的矩阵,XN是M维向量,Xi为时频分布XM×N第i列的值,i=1,2,...,N,M是时频分析的频点数。
(B)搜索并记录时频分布XM×N每一列的最大值位置。
对于XM×N的每一列Xi,i=1,2,...,N,记录其幅度最大值所在的位置hi,i=1,2,...,N,得到N个位置值{h1,h2,...,hN},hi∈{1,2,...,M}。
利用最大值位置hi,计算目标在第i个脉冲时间上的瞬时多普勒频率值fbi,得到目标的瞬时多普勒频率fb={fb1,fb2,...,fbi,...,fbN}:
fbi=-PRF/2+(PRF·hi)/M(2)
其中,i=1,2,...,N,PRF为雷达的脉冲重复频率。
(C)计算目标多普勒频率的模糊次数。
对目标的瞬时多普勒频率值fb={fb1,fb2,...,fbi,...,fbN}进行差分运算:
fai=fb(i+1)-fbi(3)
得到瞬时多普勒频率差分值fa={fa1,fa2,...,fai,...,faN-1}。对每一个瞬时多普勒频率差分值fai,判断其是否满足条件:abs(fai)>PRF/2,若满足,则记录该值所在的位置pn,n=1,2,...,K,pn∈{1,2,...,N-1},该位置即是多普勒发生模糊的位置,其中,abs(·)为取绝对值运算,K为模糊次数。
(D)对瞬时多普勒频率解模糊。
多普勒频率每模糊一次,真值与测量值之间就会相差一个PRF值,随着模糊次数的增加,真值和测量值之间的差异以PRF的整数倍累积。根据这一特点,依次判断多普勒频率的模糊情况,每模糊一次,则补偿一个PRF值,多普勒频率解模糊可按下式进行:
fd=fb(pn:N)+PRF,(4)
式中,fb(pn:N)为取从位置pn至位置N的瞬时多普勒频率值fb,n=1,2,...,K。
利用最小二乘法对解模糊后的瞬时多普勒频率值fd进行直线拟合,从而得到目标整体平动的估计。令:
fd=a1t+a0(5)
其中,a1,a0为直线拟合系数。则拟合误差为:
e=a1t+a0-fd(6)
令 将(6)式写为矩阵形式
e=TA-fd(7)
(7)式的最小二乘解为:
可得目标整体平动的估计值
步骤3,对目标的回波信号x进行整体平动补偿。
根据目标整体平动估计值计算目标整体平动的瞬时相位值:θ={θ1,θ2,...,θN},其中,l=1,2,...,N,对目标的回波信号x进行整体平动补偿,得到运动补偿后的微动信号:
xmd=x·exp(-j2πθ)(8)
步骤4,估计目标的微动周期。
(a)计算微动信号xmd的自相关序列,得到微动信号的自相关序列。
得到微动信号xmd的自相关序列R={R1,R2,...Rk,...,RN}。
(b)求取微动信号自相关序列的绝对值。
(c)对自相关序列的绝对值做4N点傅立叶变换:
G=fft(abs(R))(11)
其中,fft(·)为傅立叶变换运算。
(d)搜索傅立叶变换结果G的最大值,将该最大值置零,再次搜索傅立叶变换结果的最大值,并记录该最大值的位置q,则目标的微动周期估计为:
C=4N/(q×PRF)(12)
本实施例的一种高机动目标微动周期计算系统,如图2所示,包括:
采集模块,用于采集目标的回波信号x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲数,xi为回波信号x在第i个脉冲时间的值;
计算模块,用于根据目标的回波信号计算得到目标整体平动估计值;
平动补偿模块,用于利用目标整体平动估计值进行整体平动补偿,得到补偿后的微动信号;
估计模块,用于利用补偿后的微动信号估计目标周期。
本实施例通过目标的多普勒模糊进行处理,并对目标的整体平动进行补偿后提取目标的微动信号,使估计得到的目标微动周期更加准确。
如图3所示,本实施例的计算模块包括:
变换单元,用于对回波信号x进行短时傅里叶变换得到回波信号x的时频分布XM×N,XM×N={X1,X2,...,Xi,...,XN},i=1,2,...,N,N为脉冲数,Xi为x的时频分布XM×N在第i个脉冲时间的值,Xi是M维向量,M是时频分析的频点数;
记录单元,用于记录时频分布XM×N每一列的最大值所在的位置hi,hi∈{1,2,...,M},i=1,2,...,N,根据位置值hi计算目标的瞬时多普勒频率值fb,fb={fb1,fb2,...,fbi,...,fbN},i=1,2,...,N;
差分分析单元,用于对目标的瞬时多普勒频率值fb进行差分分析,得到瞬时多普勒频率差分值fa={fa1,fa2,...,fai,...,faN-1},fai=fb(i+1)-fbi,根据瞬时多普勒频率差分值判断得到多普勒发生模糊的位置;搜索瞬时多普勒频率差分值中满足abs(fa)>PRF/2的位置pn,n=1,2,...,K,pn∈{1,2,...,N-1},则该位置即是多普勒发生模糊的位置;其中abs(·)为取绝对值运算,K为模糊次数,PRF为雷达的脉冲重复频率;
解模糊单元,用于在多普勒发生模糊的位置对瞬时多普勒频率进行解模糊,得到解模糊后的瞬时多普勒频率值fd,对fd进行直线拟合得到目标整体平动估计值。
解模糊单元还用于按照以下方法计算得到解模糊后的瞬时多普勒频率值fd和目标整体平动估计值
fd=fb(pn:N)+PRF
其中,n=1,2,...,K,fb(pn:N)为取从位置pn至位置N的瞬时多普勒频率值fb;
对瞬时多普勒频率值fd采用最小二乘法进行直线拟合,得到目标整体平动估计值 其中, ti为时间, 上标'为转置运算,i=1,2,...,N。
如图4所示,本实施例的估计模块包括:
自相关计算单元,用于计算微动信号的自相关,得到微动信号的自相关序列;
绝对值计算单元,用于求取微动信号自相关序列的绝对值;
傅立叶变换单元,用于对自相关序列的绝对值进行4N点的傅立叶变换;
微动周期估计单元,用于搜索傅立叶变换结果的最大值,将该该最大值置零,再次搜索傅立叶变换结果的最大值,并记录该最大值的位置q,则目标的微动周期估计为:4N/(q×PRF)。
本实施例的效果通过以下对实测数据的实验进一步说明:
1.实验场景:
实测数据来源于某微波雷达测量实验系统,雷达录取了某高机动目标的回波信号,目标的微动周期真实值为0.49秒。
2.实验内容:
2.1)对于目标的3200点复数回波信号,选取171点的汉明窗,进行256频点的短时傅立叶变换,得到的时频分布如图5所示。
2.2)对于短时傅立叶变换得到的时频分布,计算出目标的瞬时多普勒频率,进行解模糊处理,并利用最小二乘原理进行直线拟合,得到目标整体平动估计的结果,如图6所示。
2.3)对目标的回波信号进行整体平动补偿,提取微动信号的结果如图7所示。
2.4)对目标的微动信号进行自相关处理,得到的自相关序列如图8所示。
2.5)对目标的自相关序列进行12800点傅立叶变换,利用变换结果估计出目标的微动周期为0.48822秒。
3.实验结果分析:
从图5中可以看出,目标的多普勒随时间的整体变化不是平行于横轴的趋势,微多普勒分量叠加于目标整体平动多普勒之上,目标的瞬时多普勒频率存在模糊,说明目标的整体平动是具有大加速度的高阶运动。
从图6中可以看出,利用时频分布在每一脉冲时间上的最大值所在位置能够正确对瞬时多普勒解模糊,利用最小二乘原理能够对目标整体平动引起的普勒频率进行较好的估计。
从图7中可以看出,本发明的方法较好的补偿了目标的整体平动,能够对目标的微动信号进行提取。
从图8中可以看出,目标微动信号自相关序列包含了目标的微动周期信息。
本发明估计出的微动周期为0.48822秒,与真实周期0.49秒的误差为0.0018秒,上述实测数据的实验验证了本发明的有效性。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种高机动目标微动周期计算方法,其特征在于,包括以下步骤:
步骤1,采集目标的回波信号x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲积累数,xi为回波信号x在第i点的值;
步骤2,根据目标的回波信号计算得到目标整体平动估计值;
步骤3,利用目标整体平动估计值进行整体平动补偿,得到补偿后的微动信号;
步骤4,利用补偿后的微动信号估计目标周期。
2.根据权利要求1所述一种高机动目标微动周期计算方法,其特征在于,所述步骤2中根据目标的回波信号计算得到目标整体平动估计值,包括以下步骤:
步骤A,对回波信号x进行短时傅里叶变换得到回波信号x的时频分布XM×N,XM×N={X1,X2,...,Xi,...,XN},i=1,2,...,N,N为脉冲数,Xi为x的时频分布XM×N在第i个脉冲时间的值,Xi是M维向量,M是时频分析的频点数;
步骤B,记录时频分布XM×N每一列的最大值所在的位置hi,hi∈{1,2,...,M},i=1,2,...,N,根据位置值hi计算目标的瞬时多普勒频率值fb,fb={fb1,fb2,...,fbi,...,fbN},i=1,2,...,N;
步骤C:对目标的瞬时多普勒频率值fb进行差分分析,得到瞬时多普勒频率差分值fa={fa1,fa2,...,fai,...,faN-1},fai=fb(i+1)-fbi,i=1,2,...,N-1,根据瞬时多普勒频率差分值判断得到多普勒发生模糊的位置;
步骤D:在多普勒发生模糊的位置对瞬时多普勒频率进行解模糊,得到解模糊后的瞬时多普勒频率值fd,对fd进行直线拟合得到目标整体平动估计值。
3.根据权利要求2所述一种高机动目标微动周期计算方法,其特征在于,所述步骤C中判断得到多普勒发生模糊的位置的方法为:搜索瞬时多普勒频率差分值中满足abs(fa)>PRF/2的位置pn,n=1,2,...,K,pn∈{1,2,...,N-1},则该位置pn即是多普勒发生模糊的位置;其中abs(·)为取绝对值运算,K为模糊次数,PRF为雷达的脉冲重复频率。
4.根据权利要求3所述一种高机动目标微动周期计算方法,其特征在于,所述步骤D中按照以下方法计算得到解模糊后的瞬时多普勒频率值fd:
fd=fb(pn:N)+PRF
其中,n=1,2,...,K,fb(pn:N)为取从位置pn至位置N的瞬时多普勒频率值fb;
对瞬时多普勒频率值fd采用最小二乘法进行直线拟合,得到目标整体平动估计值 其中, ti为时间, 上标'为转置运算,i=1,2,...,N。
5.根据权利要求1-4任一项所述一种高机动目标微动周期计算方法,其特征在于,所述步骤4具体包括:
步骤a,计算微动信号的自相关,得到微动信号的自相关序列;
步骤b,求取微动信号自相关序列的绝对值;
步骤c,对自相关序列的绝对值进行4N点的傅立叶变换;
步骤d,搜索傅立叶变换结果的最大值,将该最大值置零,再次搜索傅立叶变换结果的最大值,并记录该最大值的位置q,则目标的微动周期估计为:4N/(q×PRF)。
6.一种高机动目标微动周期计算系统,其特征在于,包括:
采集模块,用于采集目标的回波信号x,x={x1,x2,...,xi,...,xN},i=1,2,...,N,N为脉冲数,xi为回波信号x在第i个脉冲时间的值;
计算模块,用于根据目标的回波信号计算得到目标整体平动估计值;
平动补偿模块,用于利用目标整体平动估计值进行整体平动补偿,得到补偿后的微动信号;
估计模块,用于利用补偿后的微动信号估计目标周期。
7.根据权利要求6所述的一种高机动目标微动周期计算系统,其特征在于,所述计算模块包括:
变换单元,用于对回波信号x进行短时傅里叶变换得到回波信号x的时频分布XM×N,XM×N={X1,X2,...,Xi,...,XN},i=1,2,...,N,N为脉冲数,Xi为x的时频分布XM×N在第i个脉冲时间的值,Xi是M维向量,M是时频分析的频点数;
记录单元,用于记录时频分布XM×N每一列的最大值所在的位置hi,hi∈{1,2,...,M},i=1,2,...,N,根据位置值hi计算目标的瞬时多普勒频率值fb,fb={fb1,fb2,...,fbi,...,fbN},i=1,2,...,N;
差分分析单元,用于对目标的瞬时多普勒频率值fb进行差分分析,得到瞬时多普勒频率差分值fa={fa1,fa2,...,fai,...,faN-1},fai=fb(i+1)-fbi,根据瞬时多普勒频率差分值判断得到多普勒发生模糊的位置;
解模糊单元,用于在多普勒发生模糊的位置对瞬时多普勒频率进行解模糊,得到解模糊后的瞬时多普勒频率值fd,对fd进行直线拟合得到目标整体平动估计值。
8.根据权利要求7所述的一种高机动目标微动周期计算系统,其特征在于,所述差分分析单元还用于搜索瞬时多普勒频率差分值中满足abs(fa)>PRF/2的位置pn,n=1,2,...,K,pn∈{1,2,...,N-1},则该位置即是多普勒发生模糊的位置;其中abs(·)为取绝对值运算,K为模糊次数,PRF为雷达的脉冲重复频率。
9.根据权利要求8所述的一种高机动目标微动周期计算系统,其特征在于,所述解模糊单元还用于按照以下方法计算得到解模糊后的瞬时多普勒频率值fd和目标整体平动估计值
fd=fb(pn:N)+PRF
其中,n=1,2,...,K,fb(pn:N)为取从位置pn至位置N的瞬时多普勒频率值fb;
对瞬时多普勒频率值fd采用最小二乘法进行直线拟合,得到目标整体平动估计值 其中, ti为时间, 上标'为转置运算,i=1,2,...,N。
10.根据权利要求6-9任一项所述的一种高机动目标微动周期计算系统,其特征在于,所述估计模块包括:
自相关计算单元,用于计算微动信号的自相关,得到微动信号的自相关序列;
绝对值计算单元,用于求取微动信号自相关序列的绝对值;
傅立叶变换单元,用于对自相关序列的绝对值进行4N点的傅立叶变换;
微动周期估计单元,用于搜索傅立叶变换结果的最大值,将该该最大值置零,再次搜索傅立叶变换结果的最大值,并记录该最大值的位置q,则目标的微动周期估计为:4N/(q×PRF)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510777394.6A CN105445713B (zh) | 2015-11-13 | 2015-11-13 | 一种高机动目标微动周期计算方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510777394.6A CN105445713B (zh) | 2015-11-13 | 2015-11-13 | 一种高机动目标微动周期计算方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105445713A true CN105445713A (zh) | 2016-03-30 |
CN105445713B CN105445713B (zh) | 2018-02-13 |
Family
ID=55556132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510777394.6A Active CN105445713B (zh) | 2015-11-13 | 2015-11-13 | 一种高机动目标微动周期计算方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105445713B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501786A (zh) * | 2016-10-12 | 2017-03-15 | 中国人民解放军国防科学技术大学 | 一种基于矩阵相关的微动目标参数估计方法 |
CN106842161A (zh) * | 2017-01-04 | 2017-06-13 | 北京环境特性研究所 | 基于置信度评价的微动周期提取方法 |
CN108008377A (zh) * | 2016-10-27 | 2018-05-08 | 北京遥感设备研究所 | 一种基于多载频的低重频精确测速方法 |
CN109307860A (zh) * | 2018-11-09 | 2019-02-05 | 中国工程物理研究院电子工程研究所 | 一种基于微动特征的箔条云识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245937A (zh) * | 2013-05-27 | 2013-08-14 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
US20140112103A1 (en) * | 2012-10-22 | 2014-04-24 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Method and system for motion compensated target detection using acoustical focusing |
CN104330781A (zh) * | 2014-10-30 | 2015-02-04 | 北京无线电测量研究所 | 一种高机动目标运动补偿方法及系统 |
-
2015
- 2015-11-13 CN CN201510777394.6A patent/CN105445713B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140112103A1 (en) * | 2012-10-22 | 2014-04-24 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Method and system for motion compensated target detection using acoustical focusing |
CN103245937A (zh) * | 2013-05-27 | 2013-08-14 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN104330781A (zh) * | 2014-10-30 | 2015-02-04 | 北京无线电测量研究所 | 一种高机动目标运动补偿方法及系统 |
Non-Patent Citations (1)
Title |
---|
李康乐: "雷达目标微动特征提取与估计技术研究", 《中国博士学位论文全文数据库 信息科技缉》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501786A (zh) * | 2016-10-12 | 2017-03-15 | 中国人民解放军国防科学技术大学 | 一种基于矩阵相关的微动目标参数估计方法 |
CN108008377A (zh) * | 2016-10-27 | 2018-05-08 | 北京遥感设备研究所 | 一种基于多载频的低重频精确测速方法 |
CN106842161A (zh) * | 2017-01-04 | 2017-06-13 | 北京环境特性研究所 | 基于置信度评价的微动周期提取方法 |
CN106842161B (zh) * | 2017-01-04 | 2019-03-26 | 北京环境特性研究所 | 基于置信度评价的微动周期提取方法 |
CN109307860A (zh) * | 2018-11-09 | 2019-02-05 | 中国工程物理研究院电子工程研究所 | 一种基于微动特征的箔条云识别方法 |
CN109307860B (zh) * | 2018-11-09 | 2020-12-04 | 中国工程物理研究院电子工程研究所 | 一种基于微动特征的箔条云识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105445713B (zh) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104007430B (zh) | 基于瞬时调频率估计的进动目标的微多普勒提取方法 | |
CN102998672B (zh) | 基于相干化处理的步进频率isar成像方法 | |
CN105445713A (zh) | 一种高机动目标微动周期计算方法及系统 | |
CN104360336B (zh) | 一种自适应提取雷达目标微动周期的新方法 | |
CN107390171B (zh) | 基于toa测距和多普勒效应的水下传感器节点定位方法 | |
CN103885061B (zh) | 基于改进相位梯度自聚焦的双基sar运动补偿方法 | |
CN111551922B (zh) | 三维空间双/多基地雷达高速目标检测方法 | |
KR101628154B1 (ko) | 수신 신호 세기를 이용한 다중 표적 추적 방법 | |
CN107576959B (zh) | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 | |
CN105301590A (zh) | 一种机动目标调频步进逆合成孔径成像方法 | |
CN104330791B (zh) | 一种基于频域切变的相参积累方法 | |
CN111273248B (zh) | 一种基于相位补偿的解速度模糊方法 | |
CN104849708A (zh) | 基于频域多项式相位变换的高速机动目标参数估计方法 | |
CN104251990A (zh) | 合成孔径雷达自聚焦方法 | |
CN108919221A (zh) | 一种用于变加速运动目标的相参积累检测方法 | |
US5877998A (en) | Recursive method for target motion analysis | |
CN115828074B (zh) | 一种辐射源目标定位参数联合估计方法 | |
CN107884761A (zh) | 基于能量算子的多普勒穿墙雷达定位方法 | |
CN111443335A (zh) | 宽带雷达目标微动参数估计方法、系统、装置及存储介质 | |
CN112904326B (zh) | 一种基于虚拟孔径的星载无源定位方法 | |
Dai et al. | High accuracy velocity measurement based on keystone transform using entropy minimization | |
CN115877350B (zh) | 一种和差波束体制雷达时变目标角度估计方法和装置 | |
CN110728026B (zh) | 一种基于角速度量测的末端弹道目标被动跟踪方法 | |
CN115407279B (zh) | 一种脉冲压缩雷达距离多普勒耦合误差补偿方法 | |
CN109541540B (zh) | 一种运动单站伪距速度联合定位方法 |
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 |