CN106033120A - 一种多站雷达异步多帧联合检测方法 - Google Patents
一种多站雷达异步多帧联合检测方法 Download PDFInfo
- Publication number
- CN106033120A CN106033120A CN201610494570.XA CN201610494570A CN106033120A CN 106033120 A CN106033120 A CN 106033120A CN 201610494570 A CN201610494570 A CN 201610494570A CN 106033120 A CN106033120 A CN 106033120A
- Authority
- CN
- China
- Prior art keywords
- radar
- signal
- state
- echo
- detection
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- 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
- G01S7/42—Diversity systems specially adapted for radar
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多站雷达异步多帧联合检测方法,属于雷达目标检测领域。在每个时刻,本发明利用雷达组网中多个雷达站点提供的多帧异步回波数据计算联合广义对数似然比,然后通过求解最优化问题找到一组使联合似然比最大的状态序列作为目标航迹的估计。另外,本发明结合了维特比算法,能够快速高效地实现该最优化求解问题,在保证算法检测实时性的同时,提高系统微弱目标的检测概率,改善雷达系统的探测性能。
Description
技术领域
本发明属于雷达目标检测领域。
背景技术
单基地雷达系统只利用单部雷达对监视区域进行扫描,获得的采样数据单一,在强杂波、目标起伏等情况下,对目标的检测概率低。而多站协同探测联合处理多个雷达节点提供的信息,由于利用了更高的数据维度,该系统能够捕获目标RCS多样性、频移多样性,进而改善雷达系统的探测性能,提供更可靠的检测结果。
但随着电子技术的不断发展,越来越多的隐身目标逐渐出现。这些目标的信噪比低且回波弱,导致协同探测系统的探测性能和威力范围大大下降。利用单帧数据检测的协同探测方法已经不能满足系统对这类目标的探测需求。另外,由于雷达组网中不同雷达节点的起始扫描时刻、扫描周期、扫描范围等都不相同,融合中心接收到的是一系列异步数据,传统的多帧检测方法并不适用。因此,寻找一种能够适用于多站雷达协同探测的多帧数据联合处理方法已经成为一个亟待解决的问题。
发明内容
本发明所要解决的技术问题是,提供一种适用于多站雷达协同探测的多帧数据联合处理方法。
本发明为解决上述技术问题所采用的技术方案是,一种多站雷达异步多帧联合检测方法,包括以下步骤:
步骤1:初始化系统参数:
初始化系统参数,主要包括:雷达节点数M,雷达m的发射信号sm(t)为简单脉冲串,载波频率fc,回波信号采样间隔Ts,采样次数N,各雷达节点向融合中心传输的数据帧数K,系统检测门限VT;初始化系统变量:i=1;
步骤2:将各雷达节点在K个扫描时刻接收到的回波信号传送到融合中心;
步骤3:时间校准:
在融合中心,将所有雷达节点不同时刻的回波信号按时间顺序重新排序;重新排序后的信号序列表示为[r1(t),…,rMK(t)],并记录重新排序后第i(i=1,…,MK)个信号的所属雷达标号为βi;
步骤4:计算对数似然比:
步骤4.1:计算第i次扫描时,量化状态对应的回波时延τ和多普勒频移fd,即:
其中,(xi,yi)代表目标位置,代表目标速度,(xm,ym)为第βi个雷达的坐标,为分辨单元(xi,yi)与雷达βi的夹角,c表示光速;
步骤4.2:如果第i次扫描,分辨单元(xi,yi)在雷达βi的扫描范围内,则确定目标状态为θi时的反射信号d(t,θi),执行步骤4.3;否则令状态θi的对数似然比等于0,执行步骤4.5;
步骤4.3:对信号采样:
按照采样间隔Ts对反射信号d(t,θi)和回波信号ri(t),在[τ,…,τ+(N-1)Ts]处进行N次采样,得到采样后信号d(θi)和ri;
其中d(θi)=[d(τ,θi),…,d(τ+(N-1)Ts,θi)],ri=[ri(τ),…,ri(τ+(N-1)Ts)];
步骤4.4:计算目标状态为θi时的对数似然比,即:
其中,C为噪声协方差矩阵;
步骤4.5:采用步骤4.1到步骤4.4的方法计算所有雷达节点不同时刻的回波信号的对数似然比;
步骤5:计算值函数:
从第一帧回拨信号开始,i=1,用各个量化状态对应的对数似然比初始化各状态的值函数,即:I(θ1)=lnΛ(r1|θ1);
如果i>1,首先确定i时刻与i-1时刻的扫描间隔,然后根据这个扫描间隔确定i-1时刻能够转移到θi的有效状态转移范围δ(θi),并利用该范围内状态的值函数最大值更新θi的值函数,即:
其中,I(θi)表示状态θi的值函数;
步骤6:如果i≠MK,则令i=i+1,返回步骤5;否则,执行步骤7;
步骤7:如果值函数的最大值超过检测门限,即则宣布检测到目标,否则宣布没有检测到目标。
进一步的,所述步骤7中检测门限的确定方法为:
设定虚警概率值为pfa,联合处理l次扫描数据的门限的仿真生成方式如下:
1)生成l帧噪声数据;
2)利用l帧数据计算状态空间中每个状态的值函数,并记录值函数最大值;
3)重复执行步骤1),2)N次,将N次的值函数最大值按降序排列存入集合F中;
4)取F中第Npfa个元素,作为门限。
本发明的优点是能够联合处理多个雷达节点提供的多帧异步回波数据,提供更可靠的检测结果,同时改善系统对微弱目标的检测性能。另外,本发明结合了维特比算法,可以快速高效的实现算法中涉及的最优化求解问题,保证系统检测的实时性。
附图说明
图1为本发明的流程图。
图2为单个扫描时刻的检测统计量平面与本发明计算的检测统计量平面对比图。(a)为单个扫描时刻的检测统计量平面;(b)为本发明计算的检测统计量平面。
图3为本发明与单帧检测的多站雷达系统的检测概率对比图。
具体实施方式
本发明主要采用计算机仿真的方法进行验证,所有步骤、结论都在MATLAB-R2012b上验证确认。具体实施步骤如下:
步骤1)初始化系统参数:
在本实例中:雷达节点数M=3,雷达发射波形为简单脉冲串,即载波频率fc=109,回波信号采样间隔等于脉冲重复频率,即Ts=Tp=10-3,采样数N=10,每个雷达节点向融合中心传输的数据帧数K=3,对应的检测门限VT由蒙特卡洛仿真得到为82.92。初始化系统变量:i=1。
步骤2)将各雷达节点在K个扫描时刻接收到的回波信号传送到融合中心。
步骤3)时间校准:
在融合中心,将不同雷达节点的不同扫描时刻的回波信号按时间顺序重新排序。重新排序后的信号序列表示为[r1(t),…,rMK(t)],并记录重新排序后第i(i=1,……,MK)个信号的所属雷达标号为βi。
步骤4)计算对数似然比:
4.1)计算第i次扫描时,量化状态对应的回波时延τ和多普勒频移fd,即:
其中,(xi,yi)代表目标位置,代表目标速度,为第βi个雷达的坐标,为分辨单元(xi,yi)与雷达βi的夹角,c表示光速。
4.2)如果第i次扫描,分辨单元(xi,yi)在雷达βi的扫描范围内,则确定目标状态为θi时的反射信号d(t,θi),执行步骤4.3);否则令状态θi的对数似然比等于0,执行步骤4.5)。
4.3)对信号采样:
按照采样间隔Ts对反射信号d(t,θi)和回波信号ri(t),在[τ,…,τ+(N-1)Ts]处进行N次采样。得到采样后信号d(θi)和ri。
其中d(θi)=[d(τ,θi),…,d(τ+(N-1)Ts,θi)],ri=[ri(τ),…,ri(τ+(N-1)Ts)]。
4.4)计算目标状态为θi时的对数似然比,即:
其中,C为噪声协方差矩阵。
4.5)如果所有量化状态θi的对数似然比都已计算完,执行步骤4.6);否则,返回步骤4.1)计算下一个量化状态θi的对数似然比。
4.6)如果i<MK,则令i=i+1,返回步骤4.1);否则,令i=0,i=i+1,执行步骤5)。
步骤5)计算值函数:
如果i=1,用各个量化状态对应的对数似然比初始化各状态的值函数,即:I(θ1)=lnΛ(r1|θ1)。
如果i>1,首先确定i时刻与i-1时刻的扫描间隔,然后根据这个扫描间隔确定i-1时刻能够转移到θi的有效状态转移范围δ(θi),并利用该范围内状态的值函数最大值更新θi的值函数,即:
其中,I(θi)表示状态θi的值函数。
步骤6)如果i≠MK,则令i=i+1,返回步骤5);否则,执行步骤7)。
步骤7)如果值函数的最大值超过检测门限,即则宣布检测到目标,否则宣布没有检测到目标。
图2为单个扫描时刻的检测统计量平面与本发明计算的检测统计量平面对比图。从图2中可以看出,利用单个扫描时刻的数据,目标状态的检测统计量淹没在噪声中,但利用本发明联合处理多个雷达节点提供的多帧异步回波数据后,目标状态的检测统计量更加突出易于检测,说明本发明能够有效抑制杂波同时积累目标能量,改善信噪比。
图3为本发明与单帧检测的多站雷达系统的检测概率对比图。从图3中可以看出,本发明的检测概率明显高于传统的利用单个扫描时刻数据进行检测的多站雷达系统的检测概率,在检测概率为0.6时,实现3dB的性能增益。
Claims (2)
1.一种多站雷达异步多帧联合检测方法,包括以下步骤:
步骤1:初始化系统参数:
初始化系统参数,主要包括:雷达节点数M,雷达m的发射信号sm(t)为简单脉冲串,载波频率fc,回波信号采样间隔Ts,采样次数N,各雷达节点向融合中心传输的数据帧数K,系统检测门限VT;初始化系统变量:i=1;
步骤2:将各雷达节点在K个扫描时刻接收到的回波信号传送到融合中心;
步骤3:时间校准:
在融合中心,将所有雷达节点不同时刻的回波信号按时间顺序重新排序;重新排序后的信号序列表示为[r1(t),…,rMK(t)],并记录重新排序后第i(i=1,…,MK)个信号的所属雷达标号为βi;
步骤4:计算对数似然比:
步骤4.1:计算第i次扫描时,量化状态对应的回波时延τ和多普勒频移fd,即:
其中,(xi,yi)代表目标位置,代表目标速度,(xm,ym)为第βi个雷达的坐标,为分辨单元(xi,yi)与雷达βi的夹角,c表示光速;
步骤4.2:如果第i次扫描,分辨单元(xi,yi)在雷达βi的扫描范围内,则确定目标状态为θi时的反射信号d(t,θi),执行步骤4.3;否则令状态θi的对数似然比等于0,执行步骤4.5;
步骤4.3:对信号采样:
按照采样间隔Ts对反射信号d(t,θi)和回波信号ri(t),在[τ,…,τ+(N-1)Ts]处进行N次采样,得到采样后信号d(θi)和ri;
其中d(θi)=[d(τ,θi),…,d(τ+(N-1)Ts,θi)],ri=[ri(τ),…,ri(τ+(N-1)Ts)];
步骤4.4:计算目标状态为θi时的对数似然比,即:
其中,C为噪声协方差矩阵;
步骤4.5:采用步骤4.1到步骤4.4的方法计算所有雷达节点不同时刻的回波信号的对数似然比;
步骤5:计算值函数:
从第一帧回拨信号开始,i=1,用各个量化状态对应的对数似然比初始化各状态的值函数,即:I(θ1)=lnΛ(r1|θ1);
如果i>1,首先确定i时刻与i-1时刻的扫描间隔,然后根据这个扫描间隔确定i-1时刻能够转移到θi的有效状态转移范围δ(θi),并利用该范围内状态的值函数最大值更新θi的值函数,即:
其中,I(θi)表示状态θi的值函数;
步骤6:如果i≠MK,则令i=i+1,返回步骤5;否则,执行步骤7;
步骤7:如果值函数的最大值超过检测门限,即则宣布检测到目标,否则宣布没有检测到目标。
2.如权利要求1所述的一种多站雷达异步多帧联合检测方法,其特征在于所述步骤7中检测门限的确定方法为:
设定虚警概率值为pfa,联合处理l次扫描数据的门限的仿真生成方式如下:
1)生成l帧噪声数据;
2)利用l帧数据计算状态空间中每个状态的值函数,并记录值函数最大值;
3)重复执行步骤1),2)N次,将N次的值函数最大值按降序排列存入集合F中;
4)取F中第Npfa个元素,作为门限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610494570.XA CN106033120B (zh) | 2016-06-29 | 2016-06-29 | 一种多站雷达异步多帧联合检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610494570.XA CN106033120B (zh) | 2016-06-29 | 2016-06-29 | 一种多站雷达异步多帧联合检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106033120A true CN106033120A (zh) | 2016-10-19 |
CN106033120B CN106033120B (zh) | 2018-04-06 |
Family
ID=57149407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610494570.XA Active CN106033120B (zh) | 2016-06-29 | 2016-06-29 | 一种多站雷达异步多帧联合检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106033120B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107340517A (zh) * | 2017-07-04 | 2017-11-10 | 电子科技大学 | 一种多传感器多帧检测前跟踪方法 |
CN107346020A (zh) * | 2017-07-05 | 2017-11-14 | 电子科技大学 | 一种用于异步多基地雷达系统的分布式批估计融合方法 |
CN109828253A (zh) * | 2019-04-15 | 2019-05-31 | 西安电子科技大学 | 一种多站雷达量化融合目标检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102419437A (zh) * | 2011-09-09 | 2012-04-18 | 北京理工大学 | 一种基于航迹检验的检测前跟踪方法 |
US20130082856A1 (en) * | 2010-08-26 | 2013-04-04 | David W. Paglieroni | Real-time system for imaging and object detection with a multistatic gpr array |
CN104021519A (zh) * | 2014-06-17 | 2014-09-03 | 电子科技大学 | 基于gpu架构的密集杂波条件下机动多目标跟踪算法 |
CN104931952A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 一种基于多帧联合的运动目标航迹的雷达检测方法 |
CN105137420A (zh) * | 2015-09-09 | 2015-12-09 | 电子科技大学 | 一种多帧积累的非相干mimo雷达检测和定位方法 |
-
2016
- 2016-06-29 CN CN201610494570.XA patent/CN106033120B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130082856A1 (en) * | 2010-08-26 | 2013-04-04 | David W. Paglieroni | Real-time system for imaging and object detection with a multistatic gpr array |
CN102419437A (zh) * | 2011-09-09 | 2012-04-18 | 北京理工大学 | 一种基于航迹检验的检测前跟踪方法 |
CN104021519A (zh) * | 2014-06-17 | 2014-09-03 | 电子科技大学 | 基于gpu架构的密集杂波条件下机动多目标跟踪算法 |
CN104931952A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 一种基于多帧联合的运动目标航迹的雷达检测方法 |
CN105137420A (zh) * | 2015-09-09 | 2015-12-09 | 电子科技大学 | 一种多帧积累的非相干mimo雷达检测和定位方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107340517A (zh) * | 2017-07-04 | 2017-11-10 | 电子科技大学 | 一种多传感器多帧检测前跟踪方法 |
CN107346020A (zh) * | 2017-07-05 | 2017-11-14 | 电子科技大学 | 一种用于异步多基地雷达系统的分布式批估计融合方法 |
CN107346020B (zh) * | 2017-07-05 | 2020-02-18 | 电子科技大学 | 一种用于异步多基地雷达系统的分布式批估计融合方法 |
CN109828253A (zh) * | 2019-04-15 | 2019-05-31 | 西安电子科技大学 | 一种多站雷达量化融合目标检测方法 |
CN109828253B (zh) * | 2019-04-15 | 2023-03-10 | 西安电子科技大学 | 一种多站雷达量化融合目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106033120B (zh) | 2018-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | An efficient recursive multiframe track-before-detect algorithm | |
CN108303684B (zh) | 基于径向速度信息的地基监视雷达多目标跟踪方法 | |
CN107356922B (zh) | 一种扩表辅助法解模糊的多重频雷达目标检测前跟踪方法 | |
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 | |
CN107544066B (zh) | 一种基于检测前跟踪分布式异步迭代滤波融合方法 | |
CN108519594B (zh) | 一种重频间帧间联合积累的多重频雷达检测前跟踪方法 | |
CN104459661B (zh) | 检测快速火炮类微弱目标的方法 | |
WO2019047210A1 (zh) | 基于知识的稀疏恢复空时自适应处理方法及系统 | |
CN106033120A (zh) | 一种多站雷达异步多帧联合检测方法 | |
CN106772299B (zh) | 一种基于距离匹配的pd雷达微弱目标动态规划检测方法 | |
CN110187335A (zh) | 针对具有非连续特性目标的粒子滤波检测前跟踪方法 | |
Bocquel et al. | Multitarget particle filter addressing ambiguous radar data in TBD | |
CN104569923A (zh) | 基于速度约束的Hough变换快速航迹起始方法 | |
Xue et al. | Knowledge-based target detection in compound Gaussian clutter with inverse Gaussian texture | |
Bao et al. | An improved radar and infrared sensor tracking fusion algorithm based on IMM-UKF | |
Wang et al. | Dynamic waveform selection for manoeuvering target tracking in clutter | |
Grossi et al. | A two-step multi-frame detection procedure for radar systems | |
He et al. | Decentralised tracking for human target in multistatic ultra‐wideband radar | |
KR20220120321A (ko) | 능동 위상 배열 레이다의 신호 처리 장치 및 방법 | |
Wang et al. | A unified method based on pseudo-spectrum for track-before-detect of targets with motion model uncertainty | |
CN108828584B (zh) | 基于航迹折叠因子解模糊的多重频目标检测前跟踪方法 | |
Fang et al. | A fast implementation of dynamic programming based track-before-detect for radar system | |
Tang et al. | Multipath maximum likelihood probabilistic multihypothesis tracker for low observable targets | |
CN112213706B (zh) | 多维数字化波门帧间递进关联的逻辑tbd检测方法 | |
Li et al. | A centralized asynchronous fusion algorithm for sensors with different resolution via DP-TBD |
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 |