CN105954740A - 基于局部白化的雷达极化检测方法 - Google Patents
基于局部白化的雷达极化检测方法 Download PDFInfo
- Publication number
- CN105954740A CN105954740A CN201610255917.5A CN201610255917A CN105954740A CN 105954740 A CN105954740 A CN 105954740A CN 201610255917 A CN201610255917 A CN 201610255917A CN 105954740 A CN105954740 A CN 105954740A
- Authority
- CN
- China
- Prior art keywords
- matrix
- detection
- data
- target
- size
- 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
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开基于局部白化的极化检测快速实现方法,该方法用于雷达极化检测处理的快速实现。本发明既解决了极化白化滤波对杂波平稳性的要求,又大大降低了滑窗白化滤波运算量太大的问题:本快速实现方法的处理流程为一次检测+最大值聚类+极化白化滤波+二次检测,该快速实现方法解决了极化白化滤波需要杂波在长距离窗内的分布平稳性的要求,又通过最大值聚类后进行极化白化滤波的处理流程大大降低了滑窗极化白化所带来的巨大运算量,极其适用于工程设计实现。
Description
技术领域
本发明涉及雷达信号处理领域,特别涉及雷达极化检测处理,提出了一种新的基于局部白化的极化检测的快速实现方法,可在雷达极化检测中解决传统算法对杂波平稳性的要求,同时较传统算法大大降低运算量。
背景技术
极化检测是利用雷达回波中的极化信息来改善目标检测和分辨系统的性能的。目前已经有最佳极化检测器(OPD)、单位似然比检测器(ILRT)、极化白化滤波器(PWF)、单通道检测器、全通道检测器(SD)、功率最大的综合检测器(PMS)等多种极化检测器。这些极化检测器在很多文献中都进行了详细的描述,概括来讲,利用杂波的统计特性可大大提高检测性能,并且可以在检测过程中通过相应的计算进行估计,而目标的统计特性对检测性能仅有微小的改善,且很难获得。此外,只需知道杂波协方差的PWF的检测性能特别接近OPD;而ILRT使用了更多的统计特性,使得运算量较PWF提高很多,但检测性能的提高却十分有限,甚至在有些情况下,ILRT的检测性能还不如PWF;单通道检测器、SD和PMS由于不使用目标和杂波统计特性,因此检测性能不如PWF。据此,不少学者认为,如果在检测性能和所需的统计信息量两者之间进行折中的话,PWF无疑是优选的一种极化检测器。
常用的PWF(极化白化滤波)的实现形式是极化CFAR检测器。极化CFAR是指使用一个散射矢量序列(x(i),i=1,2,…,2N+1)进行判决,其中周围2N个散射矢量为用来估计杂波极化统计特征的参考数据。当进行CFAR处理时,首先根据x(i)周围的2N个参考散射矢量估计出杂波的协方差矩阵,再以此对检测单元的散射矢量x(i)进行白化检测,来判断目标是否存在,即:则有目标,否则无目标,其中TH为判决门限,判决门限的值由相应的虚警概率确定。
发明内容
要解决的技术问题
本发明要解决的技术问题是:针对传统滑窗白化极化检测方法运算量较大,运算时间较长的不足之处,提出了一种基于局部白化的极化检测实现方法,这种方法不需要对所有的距离单元进行白化处理,极大降低了数据处理量,易于工程实现,解决了传统方法由于运算量大而难以工程实现的缺点。这种方法引入白化窗,且白化窗长度内通常可以认为杂波特性不变,故解决了极化白化滤波对杂波平稳性的要求,保持了传统滑窗白化极化检测方法的优越性能。
技术方案
对四个通道进行预处理(包括数字下变频、脉冲压缩、动目标检测等)后得到四个通道的动目标检测结果,取出四个通道中目标所在的多普勒通道的距离单元,进行数据融合,即四通道数据求和成一维数据,做低门限的一次检测,通过比较法找到过门限点中的最大值,并以该最大值为中心再取两侧长度分别为单侧聚类窗长度个距离单元进行聚类,记录该最大值位置,取对应位置的四通道原始数据组成目标矩阵,再以该最大值为中心,两侧设置保护单元,取保护单元外且白化窗内的杂波数据组成杂波矩阵,按照极化白化滤波算法对目标进行白化,白化后的目标做二次恒虚警率检测,若最大值大于恒虚警率检测门限,则认为该目标为真实目标,否则认为该目标为虚假目标,对目标进行二次检测后,将一次检测后的数据中的两侧聚类窗内的数据置零,再通过比较法找剩余过门限点中的最大值点,并重复以上步骤,直至找到需要处理的目标个数,或剩余的过门限点中无非零点时算法结束。
一种基于局部白化的雷达极化检测方法,其特征在于步骤如下:
步骤1:对四个通道的雷达中频数据进行数字下变频、脉冲压缩和动目标检测,得到四个通道的动目标检测结果,取出目标所在的多普勒通道的所有距离单元,每个通道的输出矩阵大小记为1×N,其中N为总共的距离单元数,共有4个1×N的向量,将4个向量按行组成回波矩阵,回波矩阵的大小为4×N;
步骤2:对四个通道的数据进行融合,即对回波矩阵按行求和,求和后的矩阵大小为1×N;
步骤3:对融合后的数据做低门限一次检测,即对融合后的数据做OS-CFAR,门限值为6dB,检测后的矩阵大小为1×N;
步骤4:采用比较法找检测后的矩阵的最大值,记录该最大值的位置;
步骤5:对每个通道的数据都以步骤4中的最大值位置为中心,两侧各取聚类窗长度的数据进行聚类,即对步骤1中的回波矩阵的每行,都以步骤4中最大值位置为中心,以及其两侧长度都为聚类窗长度的数据,组成目标矩阵,记为Si,Si矩阵大小为4×(2*JL_num+1),其中JL_num为单侧聚类窗的长度;
对每个通道的数据都以步骤4中的最大值位置为中心,两侧都取保护单元以外的数据组成杂波矩阵,即对步骤1中的回波矩阵的每行,都以步骤4中最大值位置为中心,两侧都取保护单元以外的数据组成杂波矩阵,记为C,C矩阵大小为4×(2*CK_num),其中CK_num为单侧参考单元个数,即单边杂波距离单元数,所述的保护单元个数为BH_num;
步骤6:计算目标的协方差矩阵:S=Si×SiH,矩阵S大小为4×4;计算杂波的协方差矩阵:R=C×CH,矩阵R大小为4×4,H为共轭转置;
步骤7:对目标进行白化处理,白化的过程为:对协方差矩阵R求逆Q=R-1;对Q进行归一化T=Q/trace(Q),trace为求矩阵的迹,其值的大小为矩阵对角线元素的和;求白化结果W=diag(SiH×T×Si),其中Q、T矩阵大小为4×4,W的大小为1×(2*JL_num+1),diag为取出矩阵的对角线元素;
步骤8:对白化后的目标进行二次检测,即对白化结果W进行CA-CFAR,门限值为12dB,若最大值大于门限则判为真正目标,反之则不判为目标;
步骤9:将融合检测后的聚类窗内的数据置零,再通过比较法找步骤3中剩余过门限点中的最大值点,运行步骤4-步骤7,直至达到需要白化的目标个数,或融合检测后的结果中无非零点时,结束。
有益效果
本发明提出的一种基于局部白化的雷达极化检测方法,与常规极化白化滤波方法相比较,具有的有益效果是:
滑窗极化白化滤波可以解决距离窗范围内杂波分布不均匀的问题,但同时带来的运算量也是巨大的,难以满足工程实现的需求。本发明中的基于局部白化的极化检测的快速实现方法由于引入白化窗,且白化窗长度内通常可以认为杂波特性不变,故解决了极化白化滤波对杂波平稳性的要求;另外由于摒弃了对所有距离单元的白化,而只在感兴趣区域内做白化滤波,与滑窗白化相比大大降低了运算量,因此是一种基于局部白化的极化检测的快速实现方法。
附图说明
图1本发明基于局部白化的极化检测快速实现方法流程框图
图2局部白化过程中一维距离像的聚类窗、保护窗及参考窗分布示意图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
图1是基于局部白化的极化检测的快速实现方法处理流程框图。算法步骤分以下几步:
(1)对四个通道的中频数据进行数字下变频、脉冲压缩和动目标检测,得到四个通道的动目标检测结果,并取出目标所在的多普勒通道的所有距离单元,每个通道的输出矩阵大小记为1×N,其中N为总共的距离单元数,共有4个1×N的向量,将4个向量按行组成回波矩阵,回波矩阵的大小为4×N;
(2)对四个通道的动目标检测结果进行融合,即对步骤(1)中的回波矩阵按行求和,求和后的矩阵大小为1×N,其中N为总共的距离单元数;
(3)对融合后的数据做低门限一次检测,即对步骤(2)融合后的数据做OS-CFAR,门限值为6dB,得到一次检测的结果,检测后的矩阵大小为1×N,其中N为总共的距离单元数;
(4)采用比较法找检测后的矩阵的最大值,记录该最大值的位置;
(5)在步骤(1)的回波矩阵中,对每个通道的数据都以步骤(4)中的最大值位置为中心,两侧各取聚类窗长度的数据进行聚类,即对步骤(1)中的回波矩阵的每行,都以步骤(4)中最大值位置为中心,以及其两侧长度都为聚类窗长度的数据,组成目标矩阵,记为Si,Si矩阵大小为4×(2*JL_num+1),其中JL_num为单侧聚类窗的长度,见图2;
在步骤(1)的回波矩阵中,都以步骤(4)中的最大值为中心,两侧都取保护单元(保护单元个数为BH_num)以外的数据组成杂波矩阵,记为C,C矩阵大小为4×(2*CK_num),其中CK_num为单侧参考单元个数,即单边杂波距离单元数,所述的保护单元个数为BH_num;
(6)计算目标的协方差矩阵:S=Si×SiH,矩阵S大小为4×4;计算杂波的协方差矩阵:R=C×CH,矩阵R大小为4×4,H为共轭转置;
(7)对目标进行白化处理,白化的过程为:对协方差矩阵R求逆Q=R-1;对Q进行归一化T=Q/trace(Q),trace为求矩阵的迹,其值的大小为矩阵对角线元素的和;求白化结果W=diag(SiH×T×Si),其中Q、T矩阵大小为4×4,W的大小为1×(2*JL_num+1),diag为取出矩阵的对角线元素;
(8)对(7)中白化后的目标进行二次检测,即对白化结果W进行CA-CFAR,门限值为12dB,若最大值大于门限则判为真正目标,反之则不判为目标;
(9)将融合检测后的聚类窗内的数据置零,再通过比较法找步骤(3)中剩余过门限点中的最大值点,运行(4)~(7),直至达到需要白化的目标个数,或融合检测后的结果中无非零点时,结束。
Claims (1)
1.一种基于局部白化的雷达极化检测方法,其特征在于步骤如下:
步骤1:对四个通道的雷达中频数据进行数字下变频、脉冲压缩和动目标检测,得到四个通道的动目标检测结果,取出目标所在的多普勒通道的所有距离单元,每个通道的输出矩阵大小记为1×N,其中N为总共的距离单元数,共有4个1×N的向量,将4个向量按行组成回波矩阵,回波矩阵的大小为4×N;
步骤2:对四个通道的数据进行融合,即对回波矩阵按行求和,求和后的矩阵大小为1×N;
步骤3:对融合后的数据做低门限一次检测,即对融合后的数据做OS-CFAR,门限值为6dB,检测后的矩阵大小为1×N;
步骤4:采用比较法找检测后的矩阵的最大值,记录该最大值的位置;
步骤5:对每个通道的数据都以步骤4中的最大值位置为中心,两侧各取聚类窗长度的数据进行聚类,即对步骤1中的回波矩阵的每行,都以步骤4中最大值位置为中心,以及其两侧长度都为聚类窗长度的数据,组成目标矩阵,记为Si,Si矩阵大小为4×(2*JL_num+1),其中JL_num为单侧聚类窗的长度;
对每个通道的数据都以步骤4中的最大值位置为中心,两侧都取保护单元以外的数据组成杂波矩阵,即对步骤1中的回波矩阵的每行,都以步骤4中最大值位置为中心,两侧都取保护单元以外的数据组成杂波矩阵,记为C,C矩阵大小为4×(2*CK_num),其中CK_num为单侧参考单元个数,即单边杂波距离单元数,所述的保护单元个数为BH_num;
步骤6:计算目标的协方差矩阵:S=Si×SiH,矩阵S大小为4×4;计算杂波的协方差矩阵:R=C×CH,矩阵R大小为4×4,H为共轭转置;
步骤7:对目标进行白化处理,白化的过程为:对协方差矩阵R求逆Q=R-1;对Q进行归一化T=Q/trace(Q),trace为求矩阵的迹,其值的大小为矩阵对角线元素的和;求白化结果W=diag(SiH×T×Si),其中Q、T矩阵大小为4×4,W的大小为1×(2*JL_num+1),diag为取出矩阵的对角线元素;
步骤8:对白化后的目标进行二次检测,即对白化结果W进行CA-CFAR,门限值为12dB,若最大值大于门限则判为真正目标,反之则不判为目标;
步骤9:将融合检测后的聚类窗内的数据置零,再通过比较法找步骤3中剩余过门限点中的最大值点,运行步骤4-步骤7,直至达到需要白化的目标个数,或融合检测后的结果中无非零点时,结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255917.5A CN105954740B (zh) | 2016-04-22 | 2016-04-22 | 基于局部白化的雷达极化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610255917.5A CN105954740B (zh) | 2016-04-22 | 2016-04-22 | 基于局部白化的雷达极化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105954740A true CN105954740A (zh) | 2016-09-21 |
CN105954740B CN105954740B (zh) | 2018-06-01 |
Family
ID=56916103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610255917.5A Active CN105954740B (zh) | 2016-04-22 | 2016-04-22 | 基于局部白化的雷达极化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105954740B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107976654A (zh) * | 2017-11-13 | 2018-05-01 | 西安电子工程研究所 | 基于环境认知的极化检测方法 |
CN108983227A (zh) * | 2018-08-23 | 2018-12-11 | 中国人民解放军国防科技大学 | 一种基于白化滤波的极化mimo雷达检测方法 |
CN109298402A (zh) * | 2018-09-14 | 2019-02-01 | 西安电子工程研究所 | 基于通道融合的极化特征提取方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5764182A (en) * | 1995-07-07 | 1998-06-09 | Thomson-Csf | Polarimetrical processing detection circuit for radar receiver |
JP2010256062A (ja) * | 2009-04-22 | 2010-11-11 | Mitsubishi Electric Corp | 偏波レーダ装置 |
CN101908138A (zh) * | 2010-06-30 | 2010-12-08 | 北京航空航天大学 | 基于噪声独立成分分析的合成孔径雷达图像目标识别方法 |
CN102053248A (zh) * | 2010-11-12 | 2011-05-11 | 哈尔滨工业大学 | 基于商空间粒度计算的极化合成孔径雷达图像目标检测方法 |
CN102073989A (zh) * | 2010-11-09 | 2011-05-25 | 西安电子科技大学 | 融入pca的非局部均值的极化sar数据相干斑抑制方法 |
CN104376330A (zh) * | 2014-11-19 | 2015-02-25 | 西安电子科技大学 | 基于超像素散射机制的极化sar图像舰船目标检测方法 |
CN105403875A (zh) * | 2015-12-31 | 2016-03-16 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
-
2016
- 2016-04-22 CN CN201610255917.5A patent/CN105954740B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5764182A (en) * | 1995-07-07 | 1998-06-09 | Thomson-Csf | Polarimetrical processing detection circuit for radar receiver |
JP2010256062A (ja) * | 2009-04-22 | 2010-11-11 | Mitsubishi Electric Corp | 偏波レーダ装置 |
CN101908138A (zh) * | 2010-06-30 | 2010-12-08 | 北京航空航天大学 | 基于噪声独立成分分析的合成孔径雷达图像目标识别方法 |
CN102073989A (zh) * | 2010-11-09 | 2011-05-25 | 西安电子科技大学 | 融入pca的非局部均值的极化sar数据相干斑抑制方法 |
CN102053248A (zh) * | 2010-11-12 | 2011-05-11 | 哈尔滨工业大学 | 基于商空间粒度计算的极化合成孔径雷达图像目标检测方法 |
CN104376330A (zh) * | 2014-11-19 | 2015-02-25 | 西安电子科技大学 | 基于超像素散射机制的极化sar图像舰船目标检测方法 |
CN105403875A (zh) * | 2015-12-31 | 2016-03-16 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
Non-Patent Citations (2)
Title |
---|
徐振海等: "基于PWF 融合的高分辨极化雷达目标检测算法", 《电子学报》 * |
王娜等: "一种新的极化SAR图像目标CFAR检测方法", 《电子与信息学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107976654A (zh) * | 2017-11-13 | 2018-05-01 | 西安电子工程研究所 | 基于环境认知的极化检测方法 |
CN107976654B (zh) * | 2017-11-13 | 2021-04-13 | 西安电子工程研究所 | 基于环境认知的极化检测方法 |
CN108983227A (zh) * | 2018-08-23 | 2018-12-11 | 中国人民解放军国防科技大学 | 一种基于白化滤波的极化mimo雷达检测方法 |
CN108983227B (zh) * | 2018-08-23 | 2020-07-07 | 中国人民解放军国防科技大学 | 一种基于白化滤波的极化mimo雷达检测方法 |
CN109298402A (zh) * | 2018-09-14 | 2019-02-01 | 西安电子工程研究所 | 基于通道融合的极化特征提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105954740B (zh) | 2018-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574855B (zh) | 云背景下基于模板滤波和虚警抑制的红外小目标检测方法 | |
CN103076602B (zh) | 针对多目标背景的雷达自适应恒虚警率融合检测方法 | |
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN103995259B (zh) | 密集干扰环境下雷达目标自适应滤波融合检测方法 | |
Hua et al. | MIG median detectors with manifold filter | |
CN104766079B (zh) | 一种远距离红外弱小目标检测方法 | |
CN104156929B (zh) | 基于全局滤波的红外弱小目标背景抑制方法及其装置 | |
CN108364277A (zh) | 一种双波段图像融合的红外小目标检测方法 | |
CN109523575A (zh) | 红外弱小目标检测方法 | |
CN105954740A (zh) | 基于局部白化的雷达极化检测方法 | |
CN105044686A (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN109782251A (zh) | 一种海杂波抑制后的低速目标鉴别方法 | |
CN104035090A (zh) | 一种基于雷达目标检测的自由滑窗式cfar控制方法 | |
CN103745216A (zh) | 一种基于空域特性的雷达图像杂波抑制方法 | |
Wang et al. | Unsupervised ship detection for single-channel SAR images based on multiscale saliency and complex signal kurtosis | |
CN113534199A (zh) | 一种自适应的广义累计和gps欺骗攻击检测方法 | |
CN106296697A (zh) | 一种基于二维滑动窗dft快速计算的图像篡改检验方法 | |
Wu et al. | Online identification of bad synchrophasor measurements via spatio-temporal correlations | |
CN109839621A (zh) | 一种改进的tbd算法 | |
CN108226890A (zh) | 基于时间向统计的机场异物雷达检测方法 | |
CN105357154B (zh) | 一种联合功率双门限和延时相关矩阵的信号检测方法 | |
Hubacek et al. | Probabilistic code extractor for low SNR SIF/IFF mode A, C respond | |
CN104483661A (zh) | 基于恒虚警率的概率统计目标检测系统及方法 | |
CN114118166A (zh) | 一种基于智能频谱监测的变压器故障诊断系统及方法 | |
Yao et al. | A fast two-parameter CFAR algorithm based on FFT for ship detection in large-scale SAR images |
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 |