CN107561509A - 一种机载毫米波雷达电力线检测方法 - Google Patents

Abstract

该发明公开了一种机载毫米波雷达电力线检测方法，属于雷达技术领域，具体涉及防撞雷达的技术。在低信杂比的情况下，由于地杂波信号比较强，本发明采取利用电力线架定位信号波门，利用电力线架的位置信息确定大概的电力线走向，建立起可能的航迹模型，然后利用卡尔曼滤波将可疑的电力线提取出来，再提取特征向量值，利用支持向量机对其进行分类。因而本发明技术方案为一种机载毫米波雷达电力线检测方法，改善了现有技术在低信杂比的情况下电力线检测虚假率过高的问题，并提高了电力线的检测概率。

Description

一种机载毫米波雷达电力线检测方法

技术领域

本发明属于雷达技术领域，具体涉及防撞雷达的技术。

背景技术

毫米波雷达的波长介于微波波段和红外线之间，与微波波段雷达相比它有许多优点：1).在雷达天线尺寸相同的情况下，毫米波雷达天线比微波波段的雷达天线具有更高的角度分辨率。2).毫米波雷达的波长很小，这使得天线尺寸和电路器件可以做的很小，从而使整个毫米波雷达系统具有轻的质量和小的体积。3).毫米波比微波具有更大的带宽，可以获得更高的距离分辨率。4).毫米波的波长与电力线的尺寸非常接近，电力线在毫米波的照射下其后向散射截面可以用来检测电力线。而在微波波段，电力线的后向散射与圆柱体类似。5)在毫米波波段，电力线散射目标回波具有布拉格反射现象，这是进行甄别的重要依据。正是由于毫米波具有这么多的优点，许多研究人员和机构开始了毫米波防撞雷达的研究。

R.Appleby等人的论文中提出了一种被动毫米波雷达成像系统用于电力线的检测，测试结果表明它比可见光相机得到的RGB图像具有更高的对比度(电力线与其他目标的区分度)，但是对比度仍然不是很明显。C.Migliaccio等研发了一套由主动毫米波雷达、红外摄像机和可见光摄像机组成的防撞系统。通过毫米波雷达测距，再将电力线的距离信息映射到可见光和红外图像上，但是没有明确指出其性能指标，整个系统过于复杂，数据交换接口过多。后来研究者们通过对电力线建模，计算分析电力线在毫米波波段的后向散射截面来发现电力线的特性，以寻找有效检测电力线的新方法。Sarabandi.K等人的论文中对电力线表面建立了完整的物理模型，并通过迭代物理光学法计算了这个模型在35GHz和94GHz频率下的散射截面积(RCS)，最后将计算数据与实测数据进行对比，发现两组数据误差很小，证明模型是有效的。模型是有效的。Hiroyuki Yamaguchi则是在电力线散射截面的基础上，提出了一种方位角匹配的电力线检测识别方法，其基本思想是预先存储每种电力线的RCS，并使用高分辨扫描毫米波雷达对空中电力线进行扫描，将扫描得到的数据与预先存储的RCS进行匹配相关处理，最后对相关处理后的序列进行判决。该方法在理论上可行，但是在实际应用中扫描出完整的电力线截面相当困难。Sarabandi等人的论文通过分析电力线和其他分布式目标在同极化和交叉极化的相关性差异，提出了利用极化相关系数来检测电力线的方法。然而这种方法主要用在合成孔径雷达(SAR)上，对直升机防撞这样的近程探测系统并不合适。

发明内容

在低信杂比的情况下，由于地杂波信号比较强，本发明采取利用电力线架定位信号波门，利用电力线架的位置信息确定大概的电力线走向，建立起可能的航迹模型，然后利用卡尔曼滤波将可疑的电力线提取出来，再提取特征向量值，利用支持向量机对其进行分类。因而本发明技术方案为一种机载毫米波雷达电力线检测方法，改善了现有技术在低信杂比的情况下电力线检测虚假率过高的问题，并提高了电力线的检测概率。

本发明一种机载毫米波雷达电力线检测方法，该方法包括：

步骤1：获取回波信号,对获得的信号进行脉冲压缩处理；

步骤2：在一个相干处理时间内，对相同目标反射回来的N个脉冲进行相干积累；

步骤3：对相干积累后的回波数据，采用高门限的CFAR检测方法，对回波数据检测，判断出所有疑似为电线架的物体的位置；

步骤4：在搜索空间内，采用面积最小的矩形框，框选出相邻的两个疑似电线架，在框选出的搜索空间内根据疑似电线架的位置，确定这两个疑似电线架之间电线的直线方程，根据电力线的斜率采用卡尔曼滤波方法在该框选出的搜索空间内进行滤波处理，计算出实际电力线位置；

步骤5：计算步骤4的处理后的电力线的雷达反射RCS特征，根据电力线与普通杂波的RCS特征差异，采用支持向量机检测方法识别出电力线。

进一步的，所述步骤4的具体方法为：

步骤4.1：将检测出来的强反射点，利用最近邻原则进行两两配对处理，设有一对强反射点坐标分别为(X₁,Y₁),(X₂,Y₂)，横坐标表示距离单元，纵坐标表示方位角，推出可疑的电力线直线方程为(y-y₂)/(y₁-y₂)＝(x-x₂)/(x₁-x₂)；

步骤4.2：推测出可疑的电力线直线方程后，降低门限，再采用CFAR检测方法，在以(X₁,Y₁),(X₁,Y₂),(X₂,Y₁),(X₂,Y₂)四点确定的矩形区域内寻找可疑的电力线点；

步骤4.3：计算观测噪声的协方差矩阵Q和量测过程噪声的协方差矩阵R，将Q和R代入卡尔曼滤波模型，利用步骤4.1得到的电力线方程，结合在步骤4.2确定的可疑电力线点，利用得到的卡尔曼滤波模型综合出实际电力线位置；

进一步的，所述步骤5的具体方法为：

步骤5.1：计算步骤4得到的电力线位置上的雷达反射RCS特征，利用电力线RCS具有明显的周期性的峰值的特点，提取直线RCS的峰值特征作为特征向量；

步骤5.2：使用正确的电力线RCS与纯杂波RCS峰值特性提取的两类特征向量对支持向量机进行训练，使其能对电力线RCS及杂波RCS进行分类；

步骤5.3：使用训练好的支持向量机对步骤5.1提取的直线RCS特征向量识别分类，从而排除虚假的杂波直线，降低虚警率。

本发明的有益效果，在低信杂比的情况下，利用电力架信息结合卡尔曼滤波能大大降低目标虚警率，将极大的提高后面的识别率，在低信杂比的情况下，有效的利用电力线RCS反射特性提取特征值也将极大的提高识别率。

附图说明

图1为本发明中设计的流程框图；

图2为本发明中信杂比为0dB情况下雷达方向图；

图3为本发明中高门限恒虚警处理结果；

图4为本发明中卡尔曼滤波处理结果；

图5为雷达天线主平面的电力线；

图6为电力线横截面；

图7为本发明仿真的电力线RCS；

图8为0dB信杂比情况下电力线RCS；

图9为本发明仿真的韦布尔杂波RCS；

图10为本发明使用支持向量机在不同信杂比情况下电力线的识别概率。

具体实施方式

步骤1：脉冲压缩处理的距离副瓣对系统的弱目标检测性能有较大的影响。因为处于不同距离单元的散射体距离积差异比同一距离单元散射体的距离积差异更大。影响脉冲压缩处理性能的主要因素为匹配滤波器的频域幅度加权。采用不同的频域幅度加权可以获得不同的脉压输出的主瓣宽度和距离副瓣电平。常用的幅度加权包括海明加权和泰勒加权。海明加权的最大距离副瓣电平为-42.6dB，其压缩后脉冲的主瓣加宽系数为1.47，信噪比损失为1.34。而泰勒加权与海明加权相比，同样的距离副瓣情况下，其信噪比损失更低。如当最大副瓣电平为-40dB，且时，其信噪比损失仅为1.14dB。因此方案中拟采用-80dB泰勒加权的形式。

步骤2：相干积累处理

在一个相干处理时间，对相同目标反射回来的N个脉冲进行相干积累，进一步提高SNR，理论上来说相干积累可使得SNR提高N倍，这种提高即是积累增益。这使得雷达检测的性能得到极大的改善

经过脉冲压缩和相参积累处理后的图像如图2

其中亮度比较大的是电力架，其余偏暗的是仿真的韦布尔地杂波和电力线目标信号。加入的杂波和电力线信号的信杂比为0dB；

步骤3：电力线架检测

为了降低虚警，需要确定划定电力线的选取区域，首先以较高门限的CFAR进行处理，将RCS较强的电力线架检测出来，图3是在高门限情况下进行CFAR处理，尽可能的只留下电力线架信号。然后降低门限，以一个较低的门限进行CFAR处理，从而尽可能的使电力线不出现漏检。当然，这样的检测会造成一定的虚警率，有可能会将干扰(如树木，建筑)判断为电力线架，从而判断出虚假的电力线，这种情况将会在后续的电力线识别中进一步进行处理。

步骤4：电力线检测

恒虚警处理以后，下一步是对可疑电力线的筛选。

本发明采取最近邻互联及卡尔曼滤波的方法，以CFAR之后出现的可疑的电力线架做为一段可能的电力线的起始点，运用最近邻及卡尔曼滤波的方法进行处理，从而筛选出电力线架与电力线架之间可疑的电力线

卡尔曼滤波器是一种线性估计器，一旦能够对目标的运动准确地建模，则该估计器可使均方误差最小。所有其他类型的递归滤波器，如αβγ滤波器，是在均方估计问题下卡尔曼滤波器的一般解的特殊例子。另外，卡尔曼滤波器还有如下优势：

1.增益系数动态地计算，这意味着同一滤波器可以用于多种机动目标环境。

2.卡尔曼滤波器增益的计算会根据不断变化的检测历史而自适应地改变。

3.卡尔曼滤波器给出了协方差矩阵的准确测量，能够更好地实现波门及关联处理。

4卡尔曼滤波器使得部分地补偿误相关和误关联的影响成为可能。

本发明采取最近邻算法结合卡尔曼滤波算法实现电力线架之间可疑电力线目标的互联和追踪

最近邻算法首先确定目标航迹跟踪波门的大小，初步确定参与相关的观测。跟踪波门规则是将观测回波分配给已建立的目标轨迹或新目标轨迹的一种粗略检验方法。分析可知，跟踪波门如果选取过大，将有较多来自非本目标的观测或杂波落入波门内，影响数据关联性能；反之，波门选取过小，会使来自本目标的观测落到波门外的概率增大，同样影响数据关联的性能。所以该方法要首先确定合适的波门大小。

本发明采取的策略是以相邻的电力架的坐标为划分波门的矩形区域，这样使得电力线目标的观测点能基本上落入该区域，并减少非电力线目标观测点和杂波点的落入，降低虚警率。

本发明在恒虚警处理部分先是用了比较高的检测门限，尽可能使电力线架不出现漏检，在进行高门限处理后，将检测出来的较强的反射点，利用最近邻原则进行两两配对处理，推测出可能的电力线直线方程，设有一对电力线架点坐标分别为(X₁,Y₁),(X₂,Y₂)，横坐标表示距离单元，纵坐标表示方位角，可推出可疑的电力线直线方程为

(y-y₂)/(y₁-y₂)＝(x-x₂)/(x₁-x₂)

推测出可疑的电力线直线方程后，降低门限，在以(X₁,Y₁),(X₁,Y₂),(X₂,Y₁),(X₂,Y₂)四点确定的矩形区域内寻找可疑的电力线点，根据直线方程的斜率利用卡尔曼滤波算法进行外推，其中，滤波算法推测的直线的初始值为

其中divX为推测直线的斜率，x₁为第一个电力线架的距离单元，即

估计观测噪声的协方差矩阵和量测过程噪声的协方差矩阵Q和R，量测值Z(k)由推测的电力线直线方程决定。

该最近邻方法是采用卡尔曼滤波方法，得到目标航迹的预测值，通过预测值与观测的比较找到合适的点迹。而在卡尔曼滤波中，得到预测值方法，是用目标的位置信息即距离和方位，通过平滑外推而来。图4是卡尔曼滤波处理后的结果

通过这一步的处理，将在找出强散点的基础上，检测出强散射点之间的可疑电力线，但如上所述，由于干扰的存在，强散射点之间的可能存在由地杂波组成的虚假电力线。如何排除掉这些虚假电力线的干扰，将是下面电力线识别的工作。

步骤5：电力线识别

P为电力线绞合线的周期；D为电力线的外直径；d为单根缆线的直径。电力线的一个很重要的特征就是外层缆线以螺旋状绕着核捆绑形成周期性结构；2)在实际生活中，高压传输都是由2根以上的火线和地线组成的，即电力线总是成群成组出现在视场中的。这两点是电力线区别于其他自然物体和人造目标的很明显也很独特的特征。

在电力线RCS计算方面，有：

式中：a为电力线的半径；F₁,F₂分别为双重反射和三重反射的幅度；l₁，l₂为双重反射和三重反射相对于直接反射的相位；k为波数；M为雷达波束照射区的电缆数目；d为相邻电缆散射中心的距离；S为外层电缆绕核螺旋状旋转一周的长度。

本发明采用支持向量机对电力线进行特征识别，理论上94GHz波段下，设置电力线仿真参数：直径为0.038m,单根缆线直径为0.0183m,S为0.4029m，M为60股。

仿真电力线的RCS如图7所示

提取卡尔曼滤波处理后的电力线RCS，如图8所示

而如果是由地杂波形成的虚假电力线，其RCS如图9所示

可以看到，在信杂比为0dB情况下，电力线RCS依然有着比较明显的周期性峰值现象，而杂波则没有这么明显的周期性峰值信息。这是分别电力线和虚假地杂波的重要根据。对该轨迹上的电力线RCS进行CFAR处理，提取峰值信息。

以电力线RCS最大峰值的角度，峰值的个数，峰值对应角度的均值，方差作为特征值进行模式提取。提取电力线RCS峰值特征和杂波峰值特征，分别仿真5000次作为训练样本，然后在不同信杂比情况下分别仿真5000组信号RCS，图10是支持向量机在不同信杂比情况下对电力线的识别率。

由图可以看出，在-5dB较低信杂比的情况下，利用电力线周期峰值特征做分类的支持向量机有着较高的识别率。

Claims (3)

1.一种机载毫米波雷达电力线检测方法，该方法包括：

步骤1：获取回波信号,对获得的信号进行脉冲压缩处理；

步骤2：在一个相干处理时间内，对相同目标反射回来的N个脉冲进行相干积累；

步骤3：对相干积累后的回波数据，采用高门限的CFAR检测方法，对回波数据检测，判断出所有疑似为电线架的物体的位置；

步骤4：在搜索空间内，采用面积最小的矩形框，框选出相邻的两个疑似电线架，在框选出的搜索空间内根据疑似电线架的位置，确定这两个疑似电线架之间电线的直线方程，根据电力线的斜率采用卡尔曼滤波方法在该框选出的搜索空间内进行滤波处理，计算出实际电力线位置；

步骤5：计算步骤4的处理后的电力线的雷达反射RCS特征，根据电力线与普通杂波的RCS特征差异，采用支持向量机检测方法识别出电力线。

2.如权利要求1所述的一种机载毫米波雷达电力线检测方法，其特征在于所述步骤4的具体方法为：

步骤4.1：将检测出来的强反射点，利用最近邻原则进行两两配对处理，设有一对强反射点坐标分别为(X₁,Y₁),(X₂,Y₂)，横坐标表示距离单元，纵坐标表示方位角，推出可疑的电力线直线方程为(y-y₂)/(y₁-y₂)＝(x-x₂)/(x₁-x₂)；

步骤4.2：推测出可疑的电力线直线方程后，降低门限，再采用CFAR检测方法，在以(X₁,Y₁),(X₁,Y₂),(X₂,Y₁),(X₂,Y₂)四点确定的矩形区域内寻找可疑的电力线点；

步骤4.3：计算观测噪声的协方差矩阵Q和量测过程噪声的协方差矩阵R，将Q和R代入卡尔曼滤波模型，利用步骤4.1得到的电力线方程，结合在步骤4.2确定的可疑电力线点，利用得到的卡尔曼滤波模型综合出实际电力线位置。

3.如权利要求1或2所述的一种机载毫米波雷达电力线检测方法，其特征在于所述步骤5的具体方法为：

步骤5.1：计算步骤4得到的电力线位置上的雷达反射RCS特征，利用电力线RCS具有明显的周期性的峰值的特点，提取直线RCS的峰值特征作为特征向量；

步骤5.2：使用正确的电力线RCS与纯杂波RCS峰值特性提取的两类特征向量对支持向量机进行训练，使其能对电力线RCS及杂波RCS进行分类；

步骤5.3：使用训练好的支持向量机对步骤5.1提取的直线RCS特征向量识别分类，从而排除虚假的杂波直线，降低虚警率。