CN105676201B - 一种基于滑动平均的雷达目标距离像径向长度提取方法 - Google Patents
一种基于滑动平均的雷达目标距离像径向长度提取方法 Download PDFInfo
- Publication number
- CN105676201B CN105676201B CN201610033816.3A CN201610033816A CN105676201B CN 105676201 B CN105676201 B CN 105676201B CN 201610033816 A CN201610033816 A CN 201610033816A CN 105676201 B CN105676201 B CN 105676201B
- Authority
- CN
- China
- Prior art keywords
- data
- average
- threshold values
- sliding window
- noise
- 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
-
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
该发明公开了一种基于滑动平均的雷达目标距离像径向长度提取方法,该方法属于数据处理技术,具体涉及数据特性提取技术。使用的数据是雷达高分辨距离像,采用的预数据处理方式是差分降噪。长度特征的提取关键就在于起始与终止位置的确定。通过阀值选取的方法,不可避免的因为噪声区域的特显点,使得误差比较大。为了解决这样的问题,现提出基于滑动平均的雷达目标高分辨距离像径向长度特征提取方法。从而具有降低突出噪声的影响、准确度高、可移植性很强的效果。
Description
技术领域
本发明属于数据处理技术,具体涉及数据特性提取技术。
背景技术
在雷达自动识别系统中,特征提取对目标的识别有至关重要的作用。其作用是提取出目标所特有的、并能反应其特点的特征出来,以便后期分类器使用这些特征能达到一个好的分类效果。目前研究比较多的是通过变换的方法,将原始数据通过变换,使之投影在特征空间中,通过提取特征空间中的投影特征矢量进行识别。其中变换包括线性与非线性变换。在变换的方法中,一般是通过数学的方式,使得数据更加的聚集,看不出目标本身的特征。
雷达高分辨距离像是目标在某一姿态下,其散射中心沿雷达径向的分布,分布情况与目标的长度有关。目标在径向的长度由强散射点决定,在一定的姿态下,目标径向长度比较固定,变化范围不会很明显。在提取目标径向长度的过程中也是对原始数据进行降噪、散射位置的预判过程,该过程会大大降低两端噪声冗余,可提高系统的识别性能。
根据目标的散射点分布,提取目标长度特征,并用长度特征进行识别。在目前,一维高分辨距离像长度特征提取的方法中,大部分的是采用简单门限法,在降噪的过程中一般是将原始数据减小两端噪声区域的均值。这种方法对开始两端噪声的预判区域有很强的依懒性,而且提取的精度受到噪声的影响非常大。为了解决这一问题,现提出基于滑动平均的雷达目标高分辨距离像径向长度特征提取方法。
发明内容
本发明所需要解决的技术问题是,使得高分辨距离像长度特征提取更加的准确,降低受到突出噪声的影响。
本发明为解决上述技术问题所采用的技术方案是,基于滑动平均的雷达目标高分辨距离像径向长度特征提取方法。
本发明中使用的数据是雷达高分辨距离像,采用的预数据处理方式是差分降噪。长度特征的提取关键就在于起始与终止位置的确定。通过阀值选取的方法,不可避免的因为噪声区域的特显点,使得误差比较大。为了解决这样的问题,现提出基于滑动平均的雷达目标高分辨距离像径向长度特征提取方法。
因而本发明技术方案为一种基于滑动平均的雷达目标距离像径向长度提取方法,该方法包括:
步骤1:对雷达目标高分辨距离像径向差分降噪处理;
步骤2:对两边噪声区域进行粗估计;
步骤3:求出降噪后的整体距离像均值以及两边噪声区域各自的最大值;
步骤4:将均值与左边噪声区域最大值对比,选取较大者为左阀值;将均值与右边噪声区域最大值对比,选取较大者为右阀值;
步骤5:根据实际情况确定滑动窗数据个数;滑动窗从左边第一个数据起向右滑动,每次滑动一个数据,计算每次滑动后滑动窗内数据的均值,与左阀值进行比较,若大于阀值,则滑动窗的第一个数据为目标的左边界;滑动窗从右边第一个数据起向左滑动,每次滑动一个数据,计算每次滑动后滑动窗内数据的均值,与右阀值进行比较,若大于阀值,则滑动窗的最后一个数据为目标的右边界。
进一步的,所述步骤5中滑动窗内数据个数为4-8个。
本发明的有益效果是:
1、降低了突出噪声的影响。一般的阀值方法不可避免两端有突出噪声时,结果非常的不准确,提取长度的误差比较大。此方法在两边的噪声区域均有所局部判断,对于克服两端的噪声效果明显。
2、提高检测长度的准确度。通过均值与噪声的最大值确定的阀值,有一定的参考性。通过局部平均的方法,可以使得误差比较小,对于确定上升和下降边沿更为准确。
3、可移植性很强。此方法对于通过差分降噪后的其他数据也适用,在使用的过程中,应根据数据的特点以及差分降噪后的效果,确定做局部平均的数据量。
4、特别是对于比较平稳,需要确定上升趋势点和下降趋势点的数据效果更佳。
附图说明
图1为差分降噪处理效果示意图;
图2为本发明滑动均值法目标长度特征提取结果图;
图3为现有技术阀值法目标长度特征提取结果图。
具体实施方式
依照上面的步骤,分别使用阀值法与此方法,以5种民用飞机实测数据进行实验,实验过程及结果如下所示:
第一步:求出降噪后的整体距离像均值(mean)以及两边噪声区域的最大值(max1,max2);
第二步:根据目标实际长度特征,以距离像最大点位置起始,两边各选取100个数据作为目标区域,其余则为噪声区域;
第三步:对比均值与噪声区域的最大值,将较大者确定为阀值的最大值,此时应确定来起始和终止两边的阀值最大值点(Fleft,Fright)。
第四步:选取一定数量的数据做平均(此方法实验中用到了5个数据进行滑动平均),当平均值大于阀值时,则确定上升点和下降点。从而可以确定目标距离像的长度。
识别结果如图2:
对比图2、图3长度特征提取方法,从两幅图结果可以明显看出,阀值法提取的长度特征浮动比较大,受到噪声的影响比较严重。滑动平均法提取出的长度特征结果准确,浮动小。
Claims (2)
1.一种基于滑动平均的雷达目标距离像径向长度提取方法,该方法包括:
步骤1:对雷达目标高分辨距离像径向差分降噪处理;
步骤2:对两边噪声区域进行粗估计;
步骤3:求出降噪后的整体距离像均值以及两边噪声区域各自的最大值;
步骤4:将均值与左边噪声区域最大值对比,选取较大者为左阀值;将均值与右边噪声区域最大值对比,选取较大者为右阀值;
步骤5:根据实际情况确定滑动窗内数据个数;滑动窗从左边第一个数据起向右滑动,每次滑动一个数据,计算每次滑动后滑动窗内数据的均值,与左阀值进行比较,若大于阀值,则滑动窗的第一个数据为目标的左边界;滑动窗从右边第一个数据起向左滑动,每次滑动一个数据,计算每次滑动后滑动窗内数据的均值,与右阀值进行比较,若大于阀值,则滑动窗的最后一个数据为目标的右边界。
2.如权利要求1所述的一种基于滑动平均的雷达目标距离像径向长度提取方法,其特征在于所述步骤5中滑动窗内数据个数为4-8个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610033816.3A CN105676201B (zh) | 2016-01-19 | 2016-01-19 | 一种基于滑动平均的雷达目标距离像径向长度提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610033816.3A CN105676201B (zh) | 2016-01-19 | 2016-01-19 | 一种基于滑动平均的雷达目标距离像径向长度提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105676201A CN105676201A (zh) | 2016-06-15 |
CN105676201B true CN105676201B (zh) | 2017-11-17 |
Family
ID=56301516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610033816.3A Active CN105676201B (zh) | 2016-01-19 | 2016-01-19 | 一种基于滑动平均的雷达目标距离像径向长度提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105676201B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107765240B (zh) * | 2017-10-20 | 2020-11-06 | 中国人民解放军海军七〇一工厂 | 一种运动状态的判断方法、装置和电子设备 |
CN111948638B (zh) * | 2020-07-15 | 2024-01-09 | 南京航空航天大学 | 基于高分辨距离像的目标长度估计方法与其应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495403A (zh) * | 2011-12-19 | 2012-06-13 | 无锡市雷华科技有限公司 | 一种雷达信号处理方法 |
CN102928822A (zh) * | 2012-11-02 | 2013-02-13 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的雷达目标长度计算方法 |
CN104280724A (zh) * | 2014-10-23 | 2015-01-14 | 西安电子科技大学 | 基于散射点匹配的雷达高分辨距离像识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2993368B1 (fr) * | 2012-07-12 | 2014-08-29 | Univ Paris Curie | Procede et systeme d'inspection d'une zone. |
-
2016
- 2016-01-19 CN CN201610033816.3A patent/CN105676201B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495403A (zh) * | 2011-12-19 | 2012-06-13 | 无锡市雷华科技有限公司 | 一种雷达信号处理方法 |
CN102928822A (zh) * | 2012-11-02 | 2013-02-13 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的雷达目标长度计算方法 |
CN104280724A (zh) * | 2014-10-23 | 2015-01-14 | 西安电子科技大学 | 基于散射点匹配的雷达高分辨距离像识别方法 |
Non-Patent Citations (1)
Title |
---|
一种基于高分辨距离像的目标长度特征提取算法;王涛等;《中国电子科学研究院学报》;20061231;第1卷(第6期);532-535 * |
Also Published As
Publication number | Publication date |
---|---|
CN105676201A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100512374C (zh) | 一种基于阈值分割的图像边缘检测方法 | |
CN101520852B (zh) | 消失点检测装置和检测方法 | |
RU2015134095A (ru) | Способ и устройство для обнаружения прямой линии | |
CN105469094B (zh) | 一种路面二值图像的边缘矢量线提取方法 | |
CN108537751B (zh) | 一种基于径向基神经网络的甲状腺超声图像自动分割方法 | |
CN107103326A (zh) | 基于超像素聚类的协同显著性检测方法 | |
CN106340010B (zh) | 一种基于二阶轮廓差分的角点检测方法 | |
CN102982534B (zh) | 基于弦线切线法的Canny边缘检测双阈值获取方法 | |
CN104537673A (zh) | 基于多阈值和自适应模糊聚类的红外图像分割方法 | |
WO2018059125A1 (zh) | 一种基于毫米波图像的人体异物检测方法及系统 | |
CN105676201B (zh) | 一种基于滑动平均的雷达目标距离像径向长度提取方法 | |
CN108830899B (zh) | 一种基于几何特征的快速自适应角点结合的圆心检测方法 | |
CN109272521A (zh) | 一种基于曲率分析的图像特征快速分割方法 | |
KR101932595B1 (ko) | 영상에서 투명 오브젝트를 검출하는 영상 처리 장치 및 방법 | |
CN104573707A (zh) | 一种基于多特征融合的车牌汉字识别方法 | |
CN105243666A (zh) | 基于Hough变换与几何主动轮廓的医学MR图像分割方法 | |
CN103310227A (zh) | 基于神经网络的自动窗宽窗位提取方法 | |
Chong et al. | License plate recognition based on edge detection algorithm | |
CN105389793A (zh) | 一种自动识别物体表面裂缝走向及宽度的方法 | |
CN103839274A (zh) | 一种基于几何比例关系的扩展目标跟踪方法 | |
CN102360503A (zh) | 基于空间贴近度和像素相似性的sar图像变化检测方法 | |
CN104537384A (zh) | 一种结合似然比判决的sar目标鉴别方法 | |
EP3214580B1 (en) | Character recognition device, character recognition method, and program | |
CN102254176B (zh) | 基于状态空间模型的雷达高分辨距离像目标识别方法 | |
CN108520539B (zh) | 一种基于稀疏学习可变模型的图像目标检测方法 |
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 |