CN106443612B - 一种基于信息熵的多雷达混合检测方法 - Google Patents
一种基于信息熵的多雷达混合检测方法 Download PDFInfo
- Publication number
- CN106443612B CN106443612B CN201610366039.4A CN201610366039A CN106443612B CN 106443612 B CN106443612 B CN 106443612B CN 201610366039 A CN201610366039 A CN 201610366039A CN 106443612 B CN106443612 B CN 106443612B
- Authority
- CN
- China
- Prior art keywords
- detection
- target
- information entropy
- detection result
- channel
- 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
Images
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
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
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
本发明公开了一种基于信息熵的多雷达混合检测方法,包括:S1、将多部雷达形成的多通道回波进行平方律检波,得到检波后的信号;S2、根据检波后的信号,进行平方律检测,得到第一检测结果;并根据检波后的信号进行信息熵检测,得到第二检测结果;S3、根据所述第一检测结果和第二检测结果,判断目标是否存在。本发明将信息熵检测和平方律检测相结合,可以在不同通道SNR差异下都能很好的检测目标,大大提高多雷达目标检测性能。
Description
技术领域
本发明涉及雷达信号处理技术领域,尤其涉及一种基于信息熵的多雷达混合检测方法。
背景技术
多雷达检测是利用空间分布的多部雷达,每部雷达不仅接收自己发射信号的回波,并且接收其它雷达发射信号的回波,从而获得不同方向相互独立的目标回波信号来抑制雷达目标空间起伏造成的检测性能的不稳定性。
在多雷达检测中,常用的一种检测方法是平方律检测法,当各通道的信噪比(SNR)相同时,平方律非相参积累检测器具有最优的检测效果。然而,在目标各向散射截面积不同、各雷达与目标距离不同等因素的影响下,各个通道的回波SNR将不同。在各通道SNR方差大时,平方律检测器性能将恶化,从而影响检测效率。
发明内容
基于上述问题,本发明提供一种基于信息熵的多雷达混合检测方法,将信息熵检测和平方律检测相结合,可以在不同通道SNR差异下都能很好的检测目标,大大提高多雷达目标检测性能。
为解决上述问题,本发明提供了一种基于信息熵的多雷达混合检测方法,包括:
S1、将多部雷达形成的多通道回波进行平方律检波,得到检波后的信号;
S2、根据检波后的信号,进行平方律检测,得到第一检测结果;并根据检波后的信号进行信息熵检测,得到第二检测结果;
S3、根据所述第一检测结果和第二检测结果,判断目标是否存在。
其中,所述步骤S1具体为:
设定多部雷达形成的目标回波通道数为L,则在k时刻L个通道回波数据组成向量为:
x(k)=[x1(k) x2(k) … xL(k)]
进行平方律检波后,L个通道的数据向量为:
xs(k)=[|x1(k)|2 |x2(k)|2… |xL(k)|2];
其中,xl(k)为k时刻第l个通道的回波向量。
其中,所述步骤S2中,根据检波后的信号进行信息熵检测,得到第二检测结果,具体包括:
S21、根据预设的虚警概率确定检测门限TH;
S22、根据检波后的信号,计算时刻k的基于信息熵的检测统计量Tk:
其中,pl(k)为回波功率分布,且
S23、比较检测统计量Tk与检测门限TH的大小,判断目标是否存在,当所述检测统计量小于门限值时,则判为存在目标;反之,则不存在目标,即
其中,u2为第二检测结果。
其中,所述S3具体为:
当判断所述第一检测结果或第二检测结果至少一个为检测到目标存在时,则判断目标存在;
当判断所述第一检测结果和第二检测结果都为检测目标不存在时,则判断目标不存在。
本发明的基于信息熵的多雷达混合检测方法,结合多雷达信息熵检测和平方律检测的优势,在多通道回波SNR差异大时,信息熵检测具有很好的检测效果;SNR差异小时,平方律检测具有很好的检测效果,从而,在不同通道SNR差异下都能很好的检测目标,大大提高多雷达目标检测性能。
附图说明
图1示出了本发明的基于信息熵的多雷达混合检测方法的流程图;
图2示出了本法明的一个实施例的有无目标时信息熵的仿真结果示意图;
图3示出了本发明的基于信息熵的多雷达混合检测方法的仿真场景示意图;
图4 示出了多通道SNR比例I时不同检测方法的检测结果对比示意图;
图5示出了本发明在多通道SNR比例II时不同检测方法的检测结果对比示意图;
图6示出了本发明在多通道SNR比例III时不同检测方法的检测结果对比示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明提出的基于信息熵的多雷达混合检测方法,多通道回波信号分别经过平方律检测和信息熵检测,输出检测结果经由“或”判决准则作出有无目标的判决,当平方律检测或者信息熵检测到目标时,则判决结果为存在目标,从而可以在不同通道SNR差异下都能有很好的检测目标。
为了描述方便,本实施中设定多雷达二元假设检验模型如下。
多雷达系统中的每部雷达不仅接收自己发射信号的回波,并且接收其它雷达发射信号的回波,形成多通道回波数据。k时刻多雷达探测系统形成的L个通道的回波数据对应的二元假设检验问题可以写成如下形式
其中,第k时刻的第l个通道数据xl(k)为经过空时配准后的回波向量,L为多雷达系统的通道数。第k时刻、第l个通道的噪声nl(k) 为均值为零、方差为σ2的白高斯噪声,并假设各个通道的噪声方差相同。第l个通道的信号复幅度为Ai为k时刻l通道的回波信号的幅度,θl(k)为k时刻l通道的回波信号的相位,第k 时刻L个通道的数据形成向量x(k)=[x1(k) x2(k) … xL(k)]。
以下通过实施例,详细说明本发明的基于信息熵的多雷达混合检测方法。
图1示出了本发明的基于信息熵的多雷达混合检测方法的流程图;
参照图1,本发明的基于信息熵的多雷达混合检测方法,具体包括:
S1、将多部雷达形成的多通道回波进行平方律检波,得到检波后的信号;
具体地,本实施例设定多部雷达形成的目标回波通道数为L,则在k时刻L个通道回波数据组成向量为:
x(k)=[x1(k) x2(k) … xL(k)]
进行平方律检波后,L个通道的数据向量为:
xs(k)=[|x1(k)|2 |x2(k)|2… |xL(k)|2];
S2、根据检波后的信号,进行平方律检测,得到第一检测结果;并根据检波后的信号进行信息熵检测,得到第二检测结果;
本步骤中,基于步骤S1中的平方律检波后的L个通道的数据向量xs,进行平方律检测,获得检测结果记为u1。当u1=1时,检测结果为存在目标,当u1=0时,检测结果为不存在目标,相应的检测概率记为PD1=Pr{u1=1|H1},虚警概率记为PF1=Pr{u1=1|H0}。
本实施例所述的平方律检测,使用现有技术中的平方律检测,在此不再详述。
基于步骤S1中的平方律检波后的L个通道的数据向量xs,进行信息熵检测,获得检测结果记为u2。当u2=1时,检测结果为存在目标,当u2=0时,检测结果为不存在目标,相应的检测概率记为 PD2=Pr{u2=1|H1},虚警概率记为PF2=Pr{u2=1|H0}。
根据检波后的信号进行信息熵检测,具体包括:
S21、根据预设的虚警概率确定检测门限TH;
S22、根据检波后的信号,计算时刻k的基于信息熵的检测统计量Tk:
其中,pl(k)为回波功率分布,且
S23、比较Tk与检测门限TH的大小,判断目标是否存在,当所述检测统计量小于门限值时,则判为存在目标;反之,则不存在目标,即
S3、根据所述第一检测结果和第二检测结果,判断目标是否存在,具体为:当判断所述第一检测结果或第二检测结果至少一个为检测到目标存在时,则判断目标存在;
当判断所述第一检测结果和第二检测结果都为检测目标不存在时,则判断目标不存在。
本实施例的步骤S3中的判断,是在“或”判决准则下,当平方律检测或者信息熵检测到目标时,则混合检测器判决存在目标,判决结果u0=1;当平方律检测和信息熵检测两者都没有检测到目标时,则混合检测器判决不存在目标,判决结果u0=0。相应地,本实施例的混合检测方法的检测概率为:虚警概率为:
本发明的基于信息熵的多雷达混合检测方法,在每个采用时刻,多个通道回波数据集合可认为是一个随机变量的可能的取值范围,对应的概率值为不同通道回波的功率归一化值,根据概率值可获得这一随机变量的信息熵。
假设第k时刻,L个通道回波数据组成向量,
x(k)=[x1(k) x2(k) … xL(k)]
那么,定义第k时刻L个通道回波的信息熵为,
当采用平方律检波时,将上式定义的信息熵记作多通道回波的信息熵。并且上述的信息熵中概率密度为回波功率分布,
由此可知,通过求不同通道的回波功率在所有通道回波的和的比例,可得到各通道回波功率的概率。进而,通过回波功率的概率可得多通道回波的信息熵。
根据信息熵理论可知,当k时刻L个通道的回波功率的归一化概率相等,即p1(k)=p2(k)=…=pL(k)=1/L时,多雷达回波信息熵取得最大值,即目标回波在各个通道功率的概率分布越平坦熵值越大。在假定L个通道噪声功率相同时,当存在目标且各通道回波SNR差异大时,各通道回波的功率差别大,对应的多通道回波信息熵小;当不存在目标时,各通道回波均为噪声,各通道回波功率差别小,对应的多通道回波信息熵大。因而,信息熵可用来判断是否存在各通道 SNR差异大的目标。
设第l个通道信号的信噪比为,
为了考察多通道SNR差异对信息熵的影响,不失一般性,设置如下仿真场景。考虑7部雷达,形成49个空间分集通道,不同通道的噪声均为功率为1的复高斯白噪声,多通道的总SNR为20dB,49 个通道的SNR比例向量为η=[η1 η2 … η49],将η中的n个数值设为1000,其它的数值设为1,并且n由1逐渐增加到49,即SNR 通道的数目越来越多,即多通道SNR差异越来越小。对比有无目标时信息熵的变化,仿真结果如附图2所示。
由图2可知,无目标时,各通道为纯噪声,多通道回波的信息熵固定不变。有目标时,随着大SNR通道数目的增多,各通道SNR差异变小,多通道回波的信息熵增加。因而,大SNR通道的数目越少,即多通道SNR差异越大,有、无目标时,多通道回波信息熵区别将越大,越有利于目标检测。而在大SNR通道数目多时,即多通道SNR 差异不大时,信息熵检测方法将不利于目标检测。此时,采用平方律检测,可弥补基于信息熵检测方法的不足。
在进一步的实施例中,如图3的仿真场景示意图,以及图4、图 5和图6为多通道SNR比例不同时不同检测方法的仿真结果图。假设多雷达数目为7,这7部雷达多发多收共形成目标回波通道总数为 49,并且假设通道l(l=1,2,…,L)的目标回波相位服从均匀分布,不同通道雷达散射截面积(RCS)为独立Gamma随机变量,且通道之间参数不同。不失一般性,这49个通道的回波SNR比例设置为如下表1所示的三种比例。对传统平方律检测方法、包络检测方法、信息熵检测和基于信息熵的多雷达混合检测方法(图中标记为“混合检测”)进行仿真对比。其中,虚警概率设为Pfa=10-4。
表1多通道SNR比例
通过图4-图6的仿真结果可知:如图4和图5所示,在多通道 SNR差异大时,混合检测和信息熵检测性能最好,其次是平方律检测,包络检测效果最差;如图6所示,在多通道SNR差异小时,混合检测和平方律检测性能最好,其次是包络检测器,信息熵检测最差;即综上结果,在不同通道SNR差异下,本发明的基于信息熵的混合检测方法均具有最好的检测效果。
本发明的基于信息熵的多雷达混合检测方法,结合多雷达信息熵检测和平方律检测的优势,在多通道回波SNR差异大时,信息熵检测具有很好的检测效果;SNR差异小时,平方律检测具有很好的检测效果,从而,在不同通道SNR差异下都能很好的检测目标,大大提高多雷达目标检测性能。
以上实施方式仅用于说明本发明,而并非对本发明的限制,有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明的范畴,本发明的专利保护范围应由权利要求限定。
Claims (3)
1.一种基于信息熵的多雷达混合检测方法,其特征在于,包括:
S1、将多部雷达形成的多通道回波进行平方律检波,得到检波后的信号;
S2、根据检波后的信号,进行平方律检测,得到第一检测结果;并根据检波后的信号进行信息熵检测,得到第二检测结果;
S3、根据所述第一检测结果和第二检测结果,判断目标是否存在;
当判断所述第一检测结果或第二检测结果至少一个为检测到目标存在时,则判断目标存在;
当判断所述第一检测结果和第二检测结果都为检测目标不存在时,则判断目标不存在。
2.如权利要求1所述的检测方法,其特征在于,所述步骤S1具体为:
设定多部雷达形成的目标回波通道数为L,则在k时刻L个通道回波数据组成向量为:
x(k)=[x1(k) x2(k)…xL(k)]
进行平方律检波后,L个通道的数据向量为:
xs(k)=[|x1(k)|2 |x2(k)|2…|xL(k)|2];
其中,xl(k)为k时刻第l个通道的回波向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610366039.4A CN106443612B (zh) | 2016-05-27 | 2016-05-27 | 一种基于信息熵的多雷达混合检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610366039.4A CN106443612B (zh) | 2016-05-27 | 2016-05-27 | 一种基于信息熵的多雷达混合检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106443612A CN106443612A (zh) | 2017-02-22 |
CN106443612B true CN106443612B (zh) | 2021-07-09 |
Family
ID=58183082
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610366039.4A Active CN106443612B (zh) | 2016-05-27 | 2016-05-27 | 一种基于信息熵的多雷达混合检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106443612B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107728122B (zh) * | 2017-09-08 | 2022-05-31 | 中国电子科技集团公司信息科学研究院 | 一种基于信息熵的多雷达信息量的度量方法及装置 |
CN107728123B (zh) * | 2017-09-08 | 2021-07-09 | 中国电子科技集团公司信息科学研究院 | 雷达极-直坐标转换观测精度分析方法、装置和系统 |
CN110187340B (zh) * | 2019-06-17 | 2021-08-17 | 中国电子科技集团公司信息科学研究院 | 一种基于熵的探测目标的信息表征方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194452A (zh) * | 2011-04-14 | 2011-09-21 | 西安烽火电子科技有限责任公司 | 复杂背景噪声中的语音激活检测方法 |
CN104297749A (zh) * | 2014-10-31 | 2015-01-21 | 南京信息工程大学 | 一种基于回波扩展熵的穿墙雷达成像方法 |
CN104569947A (zh) * | 2015-01-04 | 2015-04-29 | 中国电子科技集团公司第二十二研究所 | 一种探地雷达的多通道数据实时融合方法 |
CN104880696A (zh) * | 2015-05-11 | 2015-09-02 | 电子科技大学 | 一种基于通道优选的多通道目标检测方法 |
KR20160050322A (ko) * | 2014-10-29 | 2016-05-11 | 한국해양과학기술원 | 타깃 탐지의 정확성 개선 방법 |
-
2016
- 2016-05-27 CN CN201610366039.4A patent/CN106443612B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102194452A (zh) * | 2011-04-14 | 2011-09-21 | 西安烽火电子科技有限责任公司 | 复杂背景噪声中的语音激活检测方法 |
KR20160050322A (ko) * | 2014-10-29 | 2016-05-11 | 한국해양과학기술원 | 타깃 탐지의 정확성 개선 방법 |
CN104297749A (zh) * | 2014-10-31 | 2015-01-21 | 南京信息工程大学 | 一种基于回波扩展熵的穿墙雷达成像方法 |
CN104569947A (zh) * | 2015-01-04 | 2015-04-29 | 中国电子科技集团公司第二十二研究所 | 一种探地雷达的多通道数据实时融合方法 |
CN104880696A (zh) * | 2015-05-11 | 2015-09-02 | 电子科技大学 | 一种基于通道优选的多通道目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106443612A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Maximum eigenvalue-based goodness-of-fit detection for spectrum sensing in cognitive radio | |
CN106093925B (zh) | 一种多雷达联合检测方法 | |
CN106443612B (zh) | 一种基于信息熵的多雷达混合检测方法 | |
US20220159480A1 (en) | Beamforming method and apparatus, radio access network device, and readable storage medium | |
CN114660567B (zh) | 部分均匀环境中存在野值时的雷达目标检测方法与系统 | |
CN107271973B (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
CN111126318A (zh) | 一种信号失配下的参数可调双子空间信号检测方法 | |
CN112558014A (zh) | 一种杂波中扩展目标参数可调子空间检测方法与系统 | |
CN109143184B (zh) | 一种扫描雷达的双门限检测方法 | |
CN112180341A (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN108614244B (zh) | 韦布尔杂波环境下基于偏斜度的恒虚警检测方法 | |
CN113267758B (zh) | 一种复合高斯环境下存在干扰时的目标检测方法与系统 | |
CN110161479B (zh) | 基于信噪比信息的多站雷达信号级融合目标检测方法 | |
CN116299289A (zh) | 一种基于信息几何的mimo雷达扩展目标自适应检测方法 | |
CN109600181B (zh) | 一种用于多天线的频谱感知方法 | |
CN114465681B (zh) | 一种用于电力物联网的多节点协作频谱感知方法及装置 | |
Gogineni et al. | Comparison of passive radar detectors with noisy reference signal | |
CN114089307A (zh) | 一种目标及干扰条件下的雷达检测和分类方法及系统 | |
CN114035193A (zh) | 一种两阶可调谐空时自适应检测方法 | |
CN113552550A (zh) | 一种基于概率分布差异性的智能恒虚警检测方法 | |
CN113589269A (zh) | 基于线性融合的被动多基站雷达目标检测方法 | |
Wang et al. | Mixing Matrix Estimation of Underdetermined Blind Source Separation based on Improved Density Clustering Algorithm | |
CN110018466A (zh) | 一种基于分子阵预处理的music波束形成方法 | |
CN112578335B (zh) | 一种强弱信号的直接定位与信源数估计方法 | |
Lei et al. | Adaptive Beamformer Based on Effectiveness of Reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |