CN107607926A - 一种分布式雷达低通信量准信号融合目标探测处理方法 - Google Patents
一种分布式雷达低通信量准信号融合目标探测处理方法 Download PDFInfo
- Publication number
- CN107607926A CN107607926A CN201711049535.8A CN201711049535A CN107607926A CN 107607926 A CN107607926 A CN 107607926A CN 201711049535 A CN201711049535 A CN 201711049535A CN 107607926 A CN107607926 A CN 107607926A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- target
- msubsup
- radar station
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 142
- 238000005315 distribution function Methods 0.000 claims abstract description 43
- 238000013139 quantization Methods 0.000 claims description 89
- 238000012360 testing method Methods 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 23
- 238000013144 data compression Methods 0.000 claims description 18
- 230000014509 gene expression Effects 0.000 claims description 15
- 238000011002 quantification Methods 0.000 claims description 14
- 238000005457 optimization Methods 0.000 claims description 3
- 241000764238 Isis Species 0.000 claims description 2
- 230000003321 amplification Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000002592 echocardiography Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- OROGSEYTTFOCAN-DNJOTXNNSA-N codeine Chemical compound C([C@H]1[C@H](N(CC[C@@]112)C)C3)=C[C@H](O)[C@@H]1OC1=C2C3=CC=C1OC OROGSEYTTFOCAN-DNJOTXNNSA-N 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- OROGSEYTTFOCAN-UHFFFAOYSA-N hydrocodone Natural products C1C(N(CCC234)C)C2C=CC(O)C3OC2=C4C1=CC=C2OC OROGSEYTTFOCAN-UHFFFAOYSA-N 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种分布式雷达低通信量准信号融合目标探测处理方法,思路为:确定分布式雷达系统,所述分布式雷达系统由N个局部雷达站和一个融合中心组成,融合中心为中央连接点,N个局部雷达站分别与融合中心直接相连成星型;构建目标信号模型,进而分别得到存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数f(x|H0)和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数f(x|H1);进而计算第1个局部雷达站向融合中心传输的加密信息z1'至第N个局部雷达站向融合中心传输的加密信息z'N后传输至融合中心;融合中心对接收的所有信息进行解密,并计算融合中心似然比,得到分布式雷达低通信量准信号融合目标探测处理结果。
Description
技术领域
本发明属于雷达技术领域,特别涉及一种分布式雷达低通信量准信号融合目标探测处理方法,适用于降低分布式多站雷达系统之间的通信带宽。
背景技术
雷达利用发射的无线电波探测空间中的物体并确定其距离、方位角、仰角、速度等各项参数,广泛应用于导航、气象预报、地质测绘、军事等领域;雷达收集的所有信息都包含在雷达回波中,存储或传输回波数据需要大量的容量或带宽,节省存储容量或传输带宽是雷达回波数据压缩课题的核心任务。
随着外部环境和电子对抗不断深化,雷达的生存环境和检测能力遇到越来越大的挑战;为了迎接这些挑战,人们需要利用一些新的处理方法和新的处理手段,而这些新的处理方法和新的处理手段的有效性、实用性需要用实际数据进行检验,这样,就要求将雷达回波实际数据采集并存储下来;由于雷达系统面临的环境相当复杂,雷达回波中可能含有杂波、干扰和系统内部噪声,且雷达回波的带宽相当宽,因此数据采集的采样率一般在1MHz以上;同时,采集系统还要求数据采集的时间以分钟或小时为单位以便各种新的信号处理算法的验证,这无疑将会对信号的传输带宽和存储设备的容量提出很高的要求;例如,以每一个数据12位有效长度、采样率为10MHz计算,当进行数据传输时,要求传输线路的速率在120Mbps以上;当存储一个小时采集的数据时,要求的存储容量为54000Mbyte。因此,研究雷达回波数据压缩的方法,在降低传输带宽、提高传输速率、减少存储设备的开销等方面具有重要意义,它也是决定一个数据采集系统能否实际可行的重要前提之一。
当前的雷达回波数据压缩方法主要集中在雷达信号量化,在尽可能地降低由于量化带来的性能损失下,设计量化器对雷达回波信号进行量化,不足之处在于通常情况下,雷达回波信号数据中大部分是噪声,在分布式多站雷达系统中,将这些仅包含噪声的雷达信号传输到融合中心并不能提高整个分布式系统的检测性能,同时也大大地浪费了通信带宽资源。
发明内容
针对上述现有技术存在的不足,本发明的目的在于提出一种分布式雷达低通信量准信号融合目标探测处理方法,该种分布式雷达低通信量准信号融合目标探测处理方法结合距离单元位置编码和雷达信号数据量化编码,能够有效地降低通带宽,同时能够使整个系统保持一个很好的检测性能。
本发明的技术思路是:考虑到雷达回波信号数据中大部分是噪声,在分布式多站雷达系统中,将这些仅包含噪声的雷达信号传输到融合中心并不能提高整个分布式系统的检测性能,同时也浪费着分布式系统的通信带宽资源,因此结合距离单元位置编码和过局部雷达门限的回波信号数据量化编码,再进一步数据压缩编码,仅将包含目标信号的雷达回波信号数据加密后传输至融合中心判决,能有效地降低通带宽,提高保密特性,同时能使整个系统保持一个良好的检测性能。
为达到上述技术目的,本发明采用如下技术方案予以实现。
一种分布式雷达低通信量准信号融合目标探测处理方法,包括以下步骤:
步骤1,确定分布式雷达系统,所述分布式雷达系统由N个局部雷达站和一个融合中心组成,且所述分布式雷达系统的结构为星型拓扑结构,融合中心为中央连接点,N个局部雷达站分别与融合中心直接相连成星型;其中,N为大于0的正整数;
步骤2,确定分布式雷达系统中第i个局部雷达站的检验统计量ti,然后分别给定存在目标H1条件下ti的概率密度函数和不存在目标H0条件下ti的概率密度函数;i∈[1,2,…,N];
步骤3,根据不存在目标H0条件下ti的概率密度函数对第i个局部雷达站设定门限,记为第i个局部雷达站初始门限Vi;
步骤4,确定随机变量Xi,随机变量Xi表示为第i个局部雷达站接收的回波信号中,信号幅度超过Vi的两个相邻采样点之间的距离单元总个数;然后分别确定存在目标H1条件下随机变量Xi的概率分布函数与不存在目标H0条件下随机变量Xi的概率分布函数;
步骤5,将存在目标H1条件下随机变量Xi的概率分布函数与不存在目标H0条件下随机变量Xi的概率分布函数,记为Xi=k时的概率值p(Xi=k),然后对Xi=k时的概率值p(Xi=k)进行数据压缩编码,得到数据压缩编码后的概率值,记为Xi=k时对应的可译二元码ri k,k∈[1,2,...,n],n表示分布式雷达系统中第i个局部雷达站在一个脉冲重复周期的采样点总个数;
步骤6,构建目标信号模型,进而分别得到存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数;
步骤7,根据分布式雷达系统中第i个局部雷达站的检验统计量,以及存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数,计算得到数据压缩编码后的量化结果;
步骤8,确定第i个局部雷达站处于工作状态时在yi时刻接收的回波信号方位信息为bi,并根据数据压缩编码后的量化结果,得到第i个局部雷达站向融合中心传输的信息后进行加密,得到第i个局部雷达站向融合中心传输的加密信息,并将第i个局部雷达站向融合中心传输的加密信息zi'传输至融合中心;
步骤9,令i的值加1,重复步骤2至步骤8,进而分别得到第1个局部雷达站向融合中心传输的加密信息z1'至第N个局部雷达站向融合中心传输的加密信息z'N,并将第1个局部雷达站向融合中心传输的加密信息z1'至第N个局部雷达站向融合中心传输的加密信息z'N传输至融合中心;
步骤10,融合中心对接收的所有信息进行解密,得到解密后的所有信息;
步骤11,融合中心确定空间区域,并根据解密后的所有信息,得到覆盖空间区域的雷达量化数据u。
步骤12,根据覆盖空间区域的雷达量化数据u,确定融合中心的准信号融合判决准则,进而得到融合中心似然比;
设定融合中心的检测门限,并根据融合中心似然比,得到分布式雷达低通信量准信号融合目标探测处理结果。
本发明与现有技术相比具有如下优点:
第一,本发明结合实际工程应用,结合距离单元位置编码和过局部雷达门限的回波信号数据量化编码,能非常有效地降低分布式系统的通信带宽,同时也提高了通信的保密性能。
第二,本发明方法在有效地降低通带宽条件下,同时能使整个分布式多站雷达系统保持一个良好的检测性能。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的一种分布式雷达低通信量准信号融合目标探测处理方法的实现流程图;
图2为采用基于巴氏距离设计的局部雷达量化门限的实验结果曲线图;
图3为本发明中分布式多站雷达系统检测性能的实验结果曲线图。
具体实施方式
参照图1,为本发明的一种分布式雷达低通信量准信号融合目标探测处理方法的实现流程图;其中所述分布式雷达低通信量准信号融合目标探测处理方法,包括以下步骤:
步骤1,确定分布式雷达系统,所述分布式雷达系统由N个局部雷达站和一个融合中心组成,且所述分布式雷达系统的结构为星型拓扑结构,融合中心为中央连接点,N个局部雷达站分别与融合中心直接相连成星型;其中,融合中心的虚警率为pf,第i个局部雷达站的脉冲重复周期(PRT)为Ti,第i个局部雷达站的虚警率为第i个局部雷达站的距离分辨率为△Ri,i∈[1,2,…,N],N表示分布式雷达系统包含的局部雷达站总个数,N为大于0的正整数;设定分布式雷达系统的背景噪声是均值为0、功率为μ的高斯白噪声。
步骤2,分布式雷达系统采用并行信号处理方式,将第i个局部雷达站接收到的回波信号经过混频、中频放大和检波处理后得到的信号,记为分布式雷达系统中第i个局部雷达站的检验统计量ti。
然后,分别给定存在目标H1条件下ti的概率密度函数f(ti|H1)和不存在目标H0条件下ti的概率密度函数f(ti|H0):
其中,μi表示分布式雷达系统中第i个局部雷达站的背景噪声功率,λi表示分布式雷达系统中第i个局部雷达站的接收通道信噪比,ti表示分布式雷达系统中第i个局部雷达站的检验统计量,i∈[1,2,…,N],N表示分布式雷达系统包含的局部雷达站总个数,exp表示指数函数。
步骤3,对第i个局部雷达站设定门限,记为第i个局部雷达站初始门限Vi;未过第i个局部雷达站初始门限的信号不能传输至融合中心,第i个局部雷达站初始门限基于分布式雷达系统中第i个局部雷达站的通信链路对于现有通信带宽的估计。
本实施例中将第i个局部雷达站的检测门限电压作为第i个局部雷达站初始门限Vi, 表示分布式雷达系统中第i个局部雷达站的虚警率,
dti表示ti的微分,ti表示分布式雷达系统中第i个局部雷达站的检验统计量,μi表示分布式雷达系统中第i个局部雷达站的背景噪声功率,ln表示底数为e的对数函数。
步骤4,定义随机变量Xi,该随机变量Xi表示为第i个局部雷达站接收的回波信号中,信号幅度超过Vi的两个相邻采样点之间的距离单元总个数;然后分别确定存在目标H1条件下随机变量Xi的概率分布函数P(Xi=k|H1)与不存在目标H0条件下随机变量Xi的概率分布函数P(Xi=k|H0),其表达式分别为:
不存在目标H0条件下,其中,n表示分布式雷达系统中第i个局部雷达站在一个脉冲重复周期的采样点总个数,表示分布式雷达系统中第i个局部雷达站的虚警率;从随机变量Xi的概率分布函数可以得到随机变量Xi服从参数为的几何分布。
存在目标H1条件下,即第i个局部雷达站的回波信号包含噪声信号和目标信号,此时不存在目标H0条件下随机变量Xi的概率分布函数P(Xi=k|H0)为:
P(Xi=k|H1)=(1-p(x1|H1))×(1-p(x2|H1))×...×(1-p(xk-1|H1))×p(xk|H1)
其中,k=1,2...,n,p(xk|H1)表示第i个局部雷达站的回波信号中,若第l个采样点的回波信号幅度超过Vi,则第l+k个距离单元对应的回波信号幅度超过Vi的概率;
l=1,2...,n-k,n>k,xk表示第l+k个距离单元对应的回波信号,x表示函数自变量,dx表示x的微分。
步骤5,将存在目标H1条件下随机变量Xi的概率分布函数P(Xi=k|H1)与不存在目标H0条件下随机变量Xi的概率分布函数P(Xi=k|H0),记为Xi=k时的概率值p(Xi=k),然后采用霍夫曼编码对Xi=k时的概率值p(Xi=k)进行数据压缩编码,得到数据压缩编码后的概率值,记为Xi=k时对应的可译二元码ri k,k∈[1,2,...,n]。
步骤6,按照下式构建目标信号模型,所述目标信号模型包括存在目标H1条件下分布式雷达系统中第i个雷达接收的回波信号xi的目标信号模型和不存在目标H0条件下分布式雷达系统中第i个雷达接收的回波信号xi的目标信号模型:
H0:xi=wi
H1:xi=θ+wi
其中,xi表示分布式雷达系统中第i个局部雷达站接收的回波信号,wi表示0均值、功率为μi的高斯白噪声,μi表示分布式雷达系统中第i个局部雷达站的背景噪声功率;θ表示目标信号;对所述目标信号模型进行平方律检波后,分别得到存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数f(x|H0)和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数f(x|H1),其表达式分别为:
其中,λi表示分布式雷达系统中第i个局部雷达站的接收通道信噪比,x表示函数自变量。
步骤7,采用基于巴氏距离分布式系统雷达信号量化设计方法将分布式雷达系统中第i个局部雷达站的检验统计量ti量化为ui,量化区间个数为M,采用霍夫曼编码对ui进行数据压缩编码,得到数据压缩编码后的量化结果,记为ui=k'时对应的可译二元码
7a)设定分布式雷达系统中第i个局部雷达站的检验统计量ti量化为ui后包含M个量化区间,M个量化区间对应的量化值分别为ui,0、ui,1、…、ui,k'、…、ui,M-1,k'∈[0,1,...,M-1],ui,k'表示ui中第k'个量化区间对应的量化值,进而得到第i个局部雷达站需要确定的M-1个量化门限,分别为 表示第i个局部雷达站需要确定的第r个量化门限,r∈[1,2,...,M-1]。
7b)分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,k'|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,k'|H1)。
当k'=0时,分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,0|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,0|H1),其表达式分别为:
当1≤k'≤M-2时,分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,k'|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,k'|H1),其表达式分别为:
当k'=M-1时,分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,M-1|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,M-1|H1),其表达式分别为:
其中,f(x|H0)表示存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数,f(x|H1)表示不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数,k'∈[0,1,...,M-1],P(ui=m|H0)和P(ui=m|H1)都是在瑞利杂波环境下分别得到的;表示第i个局部雷达站需要确定的第1个量化门限,Vi表示第i个局部雷达站初始门限,表示第i个局部雷达站需要确定的第k'个量化门限,表示第i个局部雷达站需要确定的第k'+1个量化门限,表示第i个局部雷达站需要确定的第M-1个量化门限,λi表示分布式雷达系统中第i个局部雷达站的接收通道信噪比,i∈[1,2,…,N],N表示分布式雷达系统包含的局部雷达站总个数。
7c)确定第i个局部雷达的巴氏距离Bi和第i个局部雷达的巴氏系数ρi,其表达式分别为:
其中,P(ui=ui,k'|H0)表示瑞利杂波环境中不存在目标H0条件下ui的概率分布函数,P(ui=ui,k'|H1)表示瑞利杂波环境中存在目标H1条件下ui的概率分布函数;ln表示底数为e的对数,E表示求期望。
7d)建立如下优化模型并求解得到第i个局部雷达站需要确定的M-1个量化门限
其中,Vi表示第i个局部雷达站初始门限,s.t.表示约束条件。
求解优化模型,进而得到第i个局部雷达站的M-1个量化门限7e)将第i个局部雷达站的观测值ti分别与第i个局部雷达站的M-1个量化门限进行数值大小比较,判断ti所在量化区间,设定ti落在第d个量化区间,d∈[0,1,...,M-1],第d个量化区间对应的量化值为ui,d。
7f)采用霍夫曼编码对第d个量化区间对应的量化值ui,d进行数据压缩编码,得到数据压缩编码后的量化结果,所述数据压缩编码后的量化结果为ui=ui,d时对应的第i个局部雷达站可译二元码ei,d。
步骤8,设定第i个局部雷达站处于工作状态时在yi时刻接收的回波信号幅度超过Vi,且第i个局部雷达站处于工作状态时在yi时刻接收的回波信号方位信息为bi;其中,yi表示第i个局部雷达站观测目标时间。
第i个局部雷达站将yi、bi、ui=ui,d时对应的第i个局部雷达站可译二元码ei,d,以及Xi=k时对应的可译二元码ri k,作为第i个局部雷达站向融合中心传输的信息zi,zi=[yi,bi,ri k,ei,d];其中,ei,d表示ui=ui,d时对应的第i个局部雷达站可译二元码,yi表示第i个局部雷达站观测目标时间,bi表示第i个局部雷达站处于工作状态时在yi时刻接收的回波信号方位信息,ri k表示Xi=k时对应的可译二元码,k∈[1,2,...,n],n表示分布式雷达系统中第i个局部雷达站在一个脉冲重复周期的采样点总个数。
采用DES加密算法对第i个局部雷达站向融合中心传输的信息zi进行加密后,得到第i个局部雷达站向融合中心传输的加密信息zi',通过通信链路将第i个局部雷达站向融合中心传输的加密信息zi'传输至融合中心;若第i个局部雷达站在yi时刻接收的回波信号幅度没有超过Vi,则第i个局部雷达站不向融合中心传输相应加密信息,以此过程降低通信量。
步骤9,令i的值加1,重复步骤2至步骤8,进而分别得到第1个局部雷达站向融合中心传输的加密信息z1'至第N个局部雷达站向融合中心传输的加密信息z'N,并将第1个局部雷达站向融合中心传输的加密信息z1'至第N个局部雷达站向融合中心传输的加密信息z'N传输至融合中心。
步骤10,融合中心接收到第1个局部雷达站向融合中心传输的加密信息z1'至第N个局部雷达站向融合中心传输的加密信息z'N后,先采用DES解密算法将z1'至z'N分别进行解密,分别得到解密后时对应的第1个局部雷达站可译二元码至解密后时对应的第N个局部雷达站可译二元码解密后第1个局部雷达站观测目标时间至解密后第N个局部雷达站观测目标时间解密后至解密后第1个局部雷达站处于工作状态时在时刻接收的回波信号方位信息至解密后第N个局部雷达站处于工作状态时在时刻接收的回波信号方位信息以及解密后X1=k1”时对应的可译二元码至解密后XN=kN”时对应的可译二元码进而分别得到解密后分布式雷达系统中第1个局部雷达站的检验统计量量化结果至解密后分布式雷达系统中第N个局部雷达站的检验统计量量化结果以及解密后随机变量至解密后随机变量
其中,k1”∈[1,2,...,n1],kN”∈[1,2,...,nN],n1表示分布式雷达系统中第1个局部雷达站在一个脉冲重复周期的采样点总个数,nN表示分布式雷达系统中第N个局部雷达站在一个脉冲重复周期的采样点总个数,k1”为n1个采样点中任意一个采样点,kN”为nN个采样点中任意一个采样点。
解密后随机变量表示为解密后第1个局部雷达站接收的回波信号中,信号幅度超过V1的两个相邻采样点之间的距离单元总个数;解密后随机变量表示为解密后第N个局部雷达站接收的回波信号中,信号幅度超过VN的两个相邻采样点之间的距离单元总个数。
解密后时对应的第1个局部雷达站可译二元码至解密后时对应的第N个局部雷达站可译二元码中d1'∈[0,1,...,M1-1],dN'∈[0,1,...,MN-1],M1表示包含的量化区间总个数,MN表示包含的量化区间总个数,d1'为M1个量化区间中任意一个量化区间,dN'为MN个量化区间中任意一个量化区间。
步骤11,融合中心对和进行空间和时间配准,即将覆盖不同空间区域的信号发送至融合中心。
11.1采用时间配准方法对解密后第i个局部雷达站观测目标时间进行时间配准,得到时间配准后第i个局部雷达站观测目标时间
11.2令i的值分别取1至N,重复执行11.2,进而得到时间配准后第1个局部雷达站观测目标时间至时间配准后第N个局部雷达站观测目标时间然后将i的值初始化为1。
11.3以融合中心为坐标原点,建立基准坐标系,所述基准坐标系中的x轴与融合中心正东方重合,y轴与融合中心正北方重合,z轴与融合中心正上方重合。
然后将至分别作为解密后分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标至解密后分布式雷达系统中第N个局部雷达站的检验统计量量化结果坐标,最后通过现有的空间配准方法将解密后分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标至解密后分布式雷达系统中第N个局部雷达站的检验统计量量化结果坐标分别转换到基准坐标系下,分别得到基准坐标系下分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标至基准坐标系下分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标
11.4确定空间区域Ω,所述空间区域Ω为基准坐标系下以(R,θ)为中心点、直径为R×△θ的球形空间区域,其中R表示中心点到基准坐标系原点距离,θ表示中心点方位信息,△θ表示分布式雷达系统的角度分辨率。
11.5判断基准坐标系下分布式雷达系统中第i个局部雷达站的检验统计量量化结果是否覆盖空间区域Ω,即若在空间区域Ω内,则认为基准坐标系下分布式雷达系统中第i个局部雷达站的检验统计量量化结果覆盖空间区域Ω;否则认为没有覆盖空间区域Ω。
11.6令i的值分别取1至N,重复执行11.5,进而得到覆盖空间区域Ω的雷达量化数据u,
步骤12,确定覆盖空间区域Ω的雷达量化数据u对应的时间配准同步时间为y,
设定信号融合时间窗TF,TF的宽度设置为分布式雷达系统内任意一个局部雷达站的相参积累时间;判断第i个局部雷达站的是否在信号融合时间窗TF内,如果在,则解密后分布式雷达系统中第i个局部雷达站的检验统计量量化结果满足准信号融合的前提条件;否则认为不满足准信号融合条件。
进而得到融合中心接收到的来自N个局部雷达站的量化结果中满足准信号融合判决前提条件的量化结果集合u',按照融合中心的准信号融合判决准则判决目标是否存在:
融合中心的准信号融合判决准则如下:
其中,表示融合中心似然比L(u'),表示融合中心接收到的来自N个局部雷达站的量化结果中满足准信号融合判决前提条件的量化结果集合,p(u'|H1)表示N个局部雷达站的量化结果为u'的条件下融合中心判决目标存在的概率,p(u'|H0)表示N个局部雷达站的量化结果为u'的条件下融合中心判决目标不存在的概率,表示认为目标存在,H1表示存在目标; 表示表示瑞利杂波环境中不存在目标H0条件下第i个局部雷达站的检验统计量量化结果为的概率分布函数,表示瑞利杂波环境中存在目标H1条件下第i个局部雷达站的检验统计量量化结果为的概率分布函数,g表示融合中心的检测门限,γ表示设定的常数,g和γ均由融合中心的虚警率Pf确定:
根据融合中心的融合判决准则,得到分布式雷达低通信量准信号融合目标探测处理结果,所述分布式雷达低通信量准信号融合目标探测处理结果为:当融合中心似然比L(u')超过融合中心的检测门限g,则判定分布式雷达系统的检测范围内存在目标;否则判定分布式雷达系统的检测范围内没有目标。
通过下述仿真实验对本发明效果作进一步验证说明。
(一)设置仿真参数:
设定分布式雷达系统有3个雷达站,每个雷达通道的信噪比相同,雷达站的局部虚警概率为10-3,融合中心的虚警概率为10-6,雷达的PRT=1ms,在一个PRT内采样点个数为N=1000个,其距离分辨率为△R=0.15Km,假设背景噪声是均值为0,方差为ψ2=1的高斯白噪声,将过局部雷达站门限的信号进行3位量化;
(二)仿真内容
仿真1,仿真实施例1的局部雷达站的距离单元编码的实验结果。
在上述背景条件下,根据每种采样情况的事件概率,通过霍夫曼编码,得到的过初始门限两个采样点之间的距离单元个数对应的码元序列,如表1所示。
表1
过初始门限两个采样点之间的距离单元个数 | 距离单元个数编码 |
1个距离单元 | 1010110001 |
2个距离单元 | 1010101111 |
3个距离单元 | 1010101110 |
... | ... |
999个距离单元 | 00111010001 |
1000个距离单元 | 00111010000 |
超过1000个距离单元 | 11 |
仿真2,仿真实施例1的基于巴氏距离量化过局部雷达门限的信号的量化编码结果。
在上述背景条件下,基于巴氏距离分布式系统雷达信号量化设计方法将过局部雷达门限的信号量化为3位,假设在信噪比为0dB的条件下,对量化结果进一步霍夫曼编码,结果如表2所示。
表2
仿真3,仿真实施例1的基于巴氏距离设计的局部雷达量化门限的实验结果。
在上述背景条件下,基于巴氏距离分布式系统雷达信号量化设计方法将过局部雷达门限的信号量化为3位,其局部雷达的量化门限值如图2所示。
仿真4,仿真实施例1中待传输信号数据采用DES加密解密算法得到的实验结果。
假设分布式系统中,第一个雷达站往融合中心传输数据,待传输的原始信号数据是“1010110001011010110001100101010111010110101011111101”,代表的信息为第一个雷达站的第一个距离单元的采样信号过门限,回波信号幅度在区间第二个距离单元的采样信号过门限,回波信号幅度在区间第五个距离单元的采样信号过门限,回波信号幅度在区间第七个距离单元的采样信号过门限,回波信号幅度在区间则实验结果如表3所示,由表3可知,原始数据经过加密后,变成乱码提高了保密性,经过对应的钥匙解密又能还原原始数据。
表3
原始数据 | 1010110001011010110001100101010111010110101011111101 |
加密 | ;?枤"5洟&膮-Q缽"}觞訬r?肂甝$-歝@估3酨KF7a? |
解密 | 1010110001011010110001100101010111010110101011111101 |
仿真5,仿真实施例1的采用本发明方法的分布式多站雷达系统检测性能的实验结果
在上述背景条件下,局部雷达站将结合距离编码和过局部雷达门限的雷达信号量化编码的雷达信号数据传输至融合中心判决,分布式多站雷达系统检测性能的实验结果如图3所示;由图3可知,当过局部门限的雷达信号量化为3位时,分布式多站雷达系统的检测性能与传输所有信息条件下的检测性能相比仅是稍有下降。
仿真6,仿真实施例1的雷达回波数据压缩前后所需要通信带宽对比的实验结果
在上述背景条件下,采用本发明矿框架下的分布式多站雷达系统所需通信带宽与实际工程应用中分布式多站雷达系统所需通信带宽的对比如表4所示。
表4
通信带宽 | |
工程应用中的分布式多站雷达系统 | 195.3125kb/s |
本发明框架下分布式多站雷达系统 | 0.1220kb/s |
由表4可知,采用本发明下的多站雷达数据量化与融合探测框架可以大幅度地降低分布式系统之间的通信带宽。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围;这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,包括以下步骤:
步骤1,确定分布式雷达系统,所述分布式雷达系统由N个局部雷达站和一个融合中心组成,且所述分布式雷达系统的结构为星型拓扑结构,融合中心为中央连接点,N个局部雷达站分别与融合中心直接相连成星型;其中,N为大于0的正整数;
步骤2,确定分布式雷达系统中第i个局部雷达站的检验统计量ti,然后分别给定存在目标H1条件下ti的概率密度函数和不存在目标H0条件下ti的概率密度函数;i∈[1,2,…,N];
步骤3,根据不存在目标H0条件下ti的概率密度函数对第i个局部雷达站设定门限,记为第i个局部雷达站初始门限Vi;
步骤4,确定随机变量Xi,随机变量Xi表示为第i个局部雷达站接收的回波信号中,信号幅度超过Vi的两个相邻采样点之间的距离单元总个数;然后分别确定存在目标H1条件下随机变量Xi的概率分布函数与不存在目标H0条件下随机变量Xi的概率分布函数;
步骤5,将存在目标H1条件下随机变量Xi的概率分布函数与不存在目标H0条件下随机变量Xi的概率分布函数,记为Xi=k时的概率值p(Xi=k),然后对Xi=k时的概率值p(Xi=k)进行数据压缩编码,得到数据压缩编码后的概率值,记为Xi=k时对应的可译二元码ri k;k∈[1,2,...,n],n表示分布式雷达系统中第i个局部雷达站在一个脉冲重复周期的采样点总个数;
步骤6,构建目标信号模型,进而分别得到存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数;
步骤7,根据分布式雷达系统中第i个局部雷达站的检验统计量,以及存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数,计算得到数据压缩编码后的量化结果;
步骤8,确定第i个局部雷达站处于工作状态时在yi时刻接收的回波信号方位信息为bi,并根据数据压缩编码后的量化结果,得到第i个局部雷达站向融合中心传输的信息后进行加密,得到第i个局部雷达站向融合中心传输的加密信息,并将第i个局部雷达站向融合中心传输的加密信息z′i传输至融合中心;
步骤9,令i的值加1,重复步骤2至步骤8,进而分别得到第1个局部雷达站向融合中心传输的加密信息z′1至第N个局部雷达站向融合中心传输的加密信息z′N,并将第1个局部雷达站向融合中心传输的加密信息z′1至第N个局部雷达站向融合中心传输的加密信息z′N传输至融合中心;
步骤10,融合中心对接收的所有信息进行解密,得到解密后的所有信息;
步骤11,融合中心确定空间区域,并根据解密后的所有信息,得到覆盖空间区域的雷达量化数据u。
步骤12,根据覆盖空间区域的雷达量化数据u,确定融合中心的准信号融合判决准则,进而得到融合中心似然比;
设定融合中心的检测门限,并根据融合中心似然比,得到分布式雷达低通信量准信号融合目标探测处理结果。
2.如权利要求1所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,在步骤2中,所述分布式雷达系统中第i个局部雷达站的检验统计量ti,其得到过程为:
将第i个局部雷达站接收到的回波信号经过混频、中频放大和检波处理后得到的信号,记为分布式雷达系统中第i个局部雷达站的检验统计量ti;
所述存在目标H1条件下ti的概率密度函数f(ti|H1)和不存在目标H0条件下ti的概率密度函数f(ti|H0),其表达式分别为:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>:</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>:</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<mfrac>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
其中,μi表示分布式雷达系统中第i个局部雷达站的背景噪声功率,λi表示分布式雷达系统中第i个局部雷达站的接收通道信噪比,i∈[1,2,…,N],N表示分布式雷达系统包含的局部雷达站总个数,exp表示指数函数。
3.如权利要求2所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,在步骤3中,所述第i个局部雷达站初始门限Vi,其表达式为:
表示分布式雷达系统中第i个局部雷达站的虚警率,
dti表示ti的微分,ti表示分布式雷达系统中第i个局部雷达站的检验统计量,μi表示分布式雷达系统中第i个局部雷达站的背景噪声功率,ln表示底数为e的对数函数。
4.如权利要求3所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,在步骤4中,所述存在目标H1条件下随机变量Xi的概率分布函数P(Xi=k|H1)与不存在目标H0条件下随机变量Xi的概率分布函数P(Xi=k|H0),其表达式分别为:
其中,n表示分布式雷达系统中第i个局部雷达站在一个脉冲重复周期的采样点总个数,表示分布式雷达系统中第i个局部雷达站的虚警率;
P(Xi=k|H1)=(1-p(x1|H1))×(1-p(x2|H1))×...×(1-p(xk-1|H1))×p(xk|H1)
其中,k=1,2...,n,p(xk|H1)表示第i个局部雷达站的回波信号中,若第l个采样点的回波信号幅度超过Vi,则第l+k个距离单元对应的回波信号幅度超过Vi的概率;l=1,2...,n-k,n>k,xk表示第l+k个距离单元对应的回波信号,x表示函数自变量,dx表示x的微分。
5.如权利要求4所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,在步骤6中,所述目标信号模型,其构建过程为:
目标信号模型包括存在目标H1条件下分布式雷达系统中第i个雷达接收的回波信号xi的目标信号模型和不存在目标H0条件下分布式雷达系统中第i个雷达接收的回波信号xi的目标信号模型,其表达式为:
H0:xi=wi
H1:xi=θ+wi
其中,xi表示分布式雷达系统中第i个局部雷达站接收的回波信号,wi表示0均值、功率为μi的高斯白噪声,μi表示分布式雷达系统中第i个局部雷达站的背景噪声功率;θ表示目标信号;
所述存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数f(x|H0)和不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数f(x|H1),其表达式分别为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>:</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<mfrac>
<mi>x</mi>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>:</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mrow>
<mo>-</mo>
<mfrac>
<mi>x</mi>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,λi表示分布式雷达系统中第i个局部雷达站的接收通道信噪比,x表示函数自变量。
6.如权利要求5所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,步骤7的子步骤为:
7a)设定分布式雷达系统中第i个局部雷达站的检验统计量ti量化为ui后包含M个量化区间,M个量化区间对应的量化值分别为ui,0、ui,1、…、ui,k'、…、ui,M-1,k'∈[0,1,...,M-1],ui,k'表示ui中第k'个量化区间对应的量化值,进而得到第i个局部雷达站需要确定的M-1个量化门限,分别为 表示第i个局部雷达站需要确定的第r个量化门限,r∈[1,2,...,M-1];
7b)分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,k'|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,k'|H1),具体为:
当k'=0时,分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,0|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,0|H1),其表达式分别为:
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mn>0</mn>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msub>
<mi>V</mi>
<mi>i</mi>
</msub>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
当1≤k'≤M-2时,分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,k'|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,k'|H1),其表达式分别为:
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</msubsup>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</msubsup>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</msubsup>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
当k'=M-1时,分别得到瑞利杂波环境中不存在目标H0条件下ui的概率分布函数P(ui=ui,M-1|H0)和瑞利杂波环境中存在目标H1条件下ui的概率分布函数P(ui=ui,M-1|H1),其表达式分别为:
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mi>&infin;</mi>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>P</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msubsup>
<mo>&Integral;</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mi>&infin;</mi>
</msubsup>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>d</mi>
<mi>x</mi>
<mo>=</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mn>1</mn>
<mo>+</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
其中,f(x|H0)表示存在目标H1条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数,f(x|H1)表示不存在目标H0条件下分布式雷达系统中第i个局部雷达站接收的回波信号xi的分布函数,k'∈[0,1,...,M-1],P(ui=m|H0)和P(ui=m|H1)都是在瑞利杂波环境下分别得到的;表示第i个局部雷达站需要确定的第1个量化门限,Vi表示第i个局部雷达站初始门限,表示第i个局部雷达站需要确定的第k'个量化门限,表示第i个局部雷达站需要确定的第k'+1个量化门限,表示第i个局部雷达站需要确定的第M-1个量化门限,λi表示分布式雷达系统中第i个局部雷达站的接收通道信噪比,i∈[1,2,…,N],N表示分布式雷达系统包含的局部雷达站总个数;
7c)确定第i个局部雷达的巴氏距离Bi和第i个局部雷达的巴氏系数ρi,其表达式分别为:
<mrow>
<msub>
<mi>B</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>E</mi>
<mo>&lsqb;</mo>
<msqrt>
<mfrac>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</msqrt>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>&rsqb;</mo>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&rho;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msqrt>
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<msup>
<mi>k</mi>
<mo>&prime;</mo>
</msup>
</mrow>
</msub>
<mo>|</mo>
<msub>
<mi>H</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
其中,P(ui=ui,k'|H0)表示瑞利杂波环境中不存在目标H0条件下ui的概率分布函数,P(ui=ui,k'|H1)表示瑞利杂波环境中存在目标H1条件下ui的概率分布函数;ln表示底数为e的对数,E表示求期望;
7d)建立如下优化模型并求解得到第i个局部雷达站需要确定的M-1个量化门限
<mrow>
<munder>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mrow>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
</mrow>
</munder>
<msub>
<mi>&rho;</mi>
<mi>i</mi>
</msub>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mo>></mo>
<msup>
<mi>V</mi>
<mi>i</mi>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>></mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
</mrow>
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
<mrow>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>></mo>
<msubsup>
<mi>g</mi>
<mi>i</mi>
<mrow>
<mi>M</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</msubsup>
</mrow>
其中,Vi表示第i个局部雷达站初始门限,s.t.表示约束条件;
求解优化模型,进而得到第i个局部雷达站的M-1个量化门限7e)将第i个局部雷达站的观测值ti分别与第i个局部雷达站的M-1个量化门限进行数值大小比较,判断ti所在量化区间,设定ti落在第d个量化区间,d∈[0,1,...,M-1],第d个量化区间对应的量化值为ui,d;
7f)对第d个量化区间对应的量化值ui,d进行数据压缩编码,得到数据压缩编码后的量化结果,所述数据压缩编码后的量化结果为ui=ui,d时对应的第i个局部雷达站可译二元码ei,d。
7.如权利要求6所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,在步骤8中,所述第i个局部雷达站向融合中心传输的加密信息为zi,zi=[yi,bi,ri k,ei,d];其中,ei,d表示ui=ui,d时对应的第i个局部雷达站可译二元码,yi表示第i个局部雷达站观测目标时间,bi表示第i个局部雷达站处于工作状态时在yi时刻接收的回波信号方位信息,ri k表示Xi=k时对应的可译二元码,k∈[1,2,...,n],n表示分布式雷达系统中第i个局部雷达站在一个脉冲重复周期的采样点总个数;Xi表示随机变量,该随机变量Xi表示为第i个局部雷达站接收的回波信号中,信号幅度超过Vi的两个相邻采样点之间的距离单元总个数;
所述将第i个局部雷达站向融合中心传输的加密信息z′i传输至融合中心,还包括:
第i个局部雷达站在yi时刻接收的回波信号幅度超过Vi时第i个局部雷达站向融合中心传输相应加密信息。
8.如权利要求7所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,步骤11的子步骤为:
11.1对解密后第i个局部雷达站观测目标时间进行时间配准,得到时间配准后第i个局部雷达站观测目标时间
11.2令i的值分别取1至N,重复执行11.2,进而得到时间配准后第1个局部雷达站观测目标时间至时间配准后第N个局部雷达站观测目标时间然后将i的值初始化为1;
11.3以融合中心为坐标原点,建立基准坐标系,所述基准坐标系中的x轴与融合中心正东方重合,y轴与融合中心正北方重合,z轴与融合中心正上方重合;
然后将至分别作为解密后分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标至解密后分布式雷达系统中第N个局部雷达站的检验统计量量化结果坐标,最后通过现有的空间配准方法将解密后分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标至解密后分布式雷达系统中第N个局部雷达站的检验统计量量化结果坐标分别转换到基准坐标系下,分别得到基准坐标系下分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标至基准坐标系下分布式雷达系统中第1个局部雷达站的检验统计量量化结果坐标
其中,表示解密后随机变量,表示解密后随机变量,表示解密后至解密后第1个局部雷达站处于工作状态时在时刻接收的回波信号方位信息,表示解密后第N个局部雷达站处于工作状态时在时刻接收的回波信号方位信息;
11.4确定空间区域Ω,所述空间区域Ω为基准坐标系下以(R,θ)为中心点、直径为R×△θ的球形空间区域,其中R表示中心点到基准坐标系原点距离,θ表示中心点方位信息,△θ表示分布式雷达系统的角度分辨率;
11.5判断基准坐标系下分布式雷达系统中第i个局部雷达站的检验统计量量化结果是否覆盖空间区域Ω,即若在空间区域Ω内,则认为基准坐标系下分布式雷达系统中第i个局部雷达站的检验统计量量化结果覆盖空间区域Ω;否则认为没有覆盖空间区域Ω;
11.6令i的值分别取1至N,重复执行11.5,进而得到覆盖空间区域Ω的雷达量化数据u,
9.如权利要求8所述的一种分布式雷达低通信量准信号融合目标探测处理方法,其特征在于,步骤12的过程为:
确定覆盖空间区域Ω的雷达量化数据u对应的时间配准同步时间为y,
设定信号融合时间窗TF,判断第i个局部雷达站的是否在信号融合时间窗TF内,如果在,则解密后分布式雷达系统中第i个局部雷达站的检验统计量量化结果满足准信号融合的前提条件;否则认为不满足准信号融合条件;
进而得到融合中心接收到的来自N个局部雷达站的量化结果中满足准信号融合判决前提条件的量化结果集合u',
确定融合中心的准信号融合判决准则:
<mrow>
<mi>p</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>H</mi>
<mo>^</mo>
</mover>
<mn>1</mn>
</msub>
<mo>|</mo>
<msup>
<mi>u</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>u</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>></mo>
<mi>g</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mi>&gamma;</mi>
</mtd>
<mtd>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>u</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>g</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>u</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>g</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,表示融合中心似然比L(u'),表示融合中心接收到的来自N个局部雷达站的量化结果中满足准信号融合判决前提条件的量化结果集合,p(u'|H1)表示N个局部雷达站的量化结果为u'的条件下融合中心判决目标存在的概率,p(u'|H0)表示N个局部雷达站的量化结果为u'的条件下融合中心判决目标不存在的概率,表示认为目标存在,H1表示存在目标; 表示表示瑞利杂波环境中不存在目标H0条件下第i个局部雷达站的检验统计量量化结果为的概率分布函数,表示瑞利杂波环境中存在目标H1条件下第i个局部雷达站的检验统计量量化结果为的概率分布函数,g表示融合中心的检测门限;
根据融合中心的准信号融合判决准则,得到分布式雷达低通信量准信号融合目标探测处理结果,所述分布式雷达低通信量准信号融合目标探测处理结果为:当融合中心似然比L(u')超过融合中心的检测门限g,则判定分布式雷达系统的检测范围内存在目标;否则判定分布式雷达系统的检测范围内没有目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711049535.8A CN107607926B (zh) | 2017-10-31 | 2017-10-31 | 一种分布式雷达低通信量准信号融合目标探测处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711049535.8A CN107607926B (zh) | 2017-10-31 | 2017-10-31 | 一种分布式雷达低通信量准信号融合目标探测处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107607926A true CN107607926A (zh) | 2018-01-19 |
CN107607926B CN107607926B (zh) | 2020-07-03 |
Family
ID=61084683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711049535.8A Active CN107607926B (zh) | 2017-10-31 | 2017-10-31 | 一种分布式雷达低通信量准信号融合目标探测处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107607926B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594203A (zh) * | 2018-04-25 | 2018-09-28 | 西安电子科技大学 | 一种分布式雷达多站检测序列规划设计方法 |
CN109633633A (zh) * | 2018-12-27 | 2019-04-16 | 西安交通大学 | 一种基于分段分类增强处理的生命信号增强方法 |
CN110501710A (zh) * | 2018-05-18 | 2019-11-26 | Aptiv技术有限公司 | 接收并分析雷达信号的雷达系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1686765A2 (en) * | 2005-01-31 | 2006-08-02 | Kabushiki Kaisha Toshiba | Distributed radar data processing system |
CN106199588A (zh) * | 2016-06-24 | 2016-12-07 | 西安电子科技大学 | 基于巴氏距离量化的多站雷达信号融合检测方法 |
WO2017040254A1 (en) * | 2015-08-28 | 2017-03-09 | Laufer Wind Group Llc | Mitigation of small unmanned aircraft systems threats |
CN106707273A (zh) * | 2017-01-23 | 2017-05-24 | 西安电子科技大学 | 基于奈曼皮尔逊准则量化的多站雷达信号融合检测方法 |
CN107102308A (zh) * | 2017-06-15 | 2017-08-29 | 西安电子科技大学 | 一种分布式雷达异构信号级融合目标检测方法 |
-
2017
- 2017-10-31 CN CN201711049535.8A patent/CN107607926B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1686765A2 (en) * | 2005-01-31 | 2006-08-02 | Kabushiki Kaisha Toshiba | Distributed radar data processing system |
WO2017040254A1 (en) * | 2015-08-28 | 2017-03-09 | Laufer Wind Group Llc | Mitigation of small unmanned aircraft systems threats |
CN106199588A (zh) * | 2016-06-24 | 2016-12-07 | 西安电子科技大学 | 基于巴氏距离量化的多站雷达信号融合检测方法 |
CN106707273A (zh) * | 2017-01-23 | 2017-05-24 | 西安电子科技大学 | 基于奈曼皮尔逊准则量化的多站雷达信号融合检测方法 |
CN107102308A (zh) * | 2017-06-15 | 2017-08-29 | 西安电子科技大学 | 一种分布式雷达异构信号级融合目标检测方法 |
Non-Patent Citations (2)
Title |
---|
CHANG GAO ET AL.: "Distributed detection with quantization based on Neyman-Pearson criterion", 《INTERNATIONAL CONFERENCE ON RADAR SYSTEMS (RADAR 2017)》 * |
王国玉 等: "雷达网分布式检测性能的仿真研究", 《飞航导弹》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594203A (zh) * | 2018-04-25 | 2018-09-28 | 西安电子科技大学 | 一种分布式雷达多站检测序列规划设计方法 |
CN108594203B (zh) * | 2018-04-25 | 2022-05-03 | 西安电子科技大学 | 一种分布式雷达多站检测序列规划设计方法 |
CN110501710A (zh) * | 2018-05-18 | 2019-11-26 | Aptiv技术有限公司 | 接收并分析雷达信号的雷达系统和方法 |
CN109633633A (zh) * | 2018-12-27 | 2019-04-16 | 西安交通大学 | 一种基于分段分类增强处理的生命信号增强方法 |
CN109633633B (zh) * | 2018-12-27 | 2021-01-19 | 西安交通大学 | 一种基于分段分类增强处理的生命信号增强方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107607926B (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107607926B (zh) | 一种分布式雷达低通信量准信号融合目标探测处理方法 | |
CN104320845B (zh) | 一种基于传感器和量子智能计算的主用户定位方法 | |
CN108318877B (zh) | 基于多基地雷达的杂波子空间下目标检测方法 | |
CN108037493B (zh) | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 | |
CN107390196B (zh) | 基于多基地雷达的快起伏目标双门限恒虚警检测方法 | |
CN109347579B (zh) | 一种在无线信道衰落不确定条件下的弱信号检测方法 | |
CN106713190B (zh) | 基于随机矩阵理论和特征阈值估计的mimo发射天线数目盲估计算法 | |
Wu et al. | When UAVs meet ISAC: Real-time trajectory design for secure communications | |
CN105425222B (zh) | 一种数据传输率约束下的雷达目标检测方法 | |
Sun et al. | Quantized kalman filtering | |
Kong et al. | Cooperative positioning technique with decentralized malicious vehicle detection | |
Hu et al. | Secure crowdsourced radio environment map construction | |
Bouzabia et al. | Deep learning-enabled deceptive jammer detection for low probability of intercept communications | |
Wang et al. | Collaborative event-region and boundary-region detections in wireless sensor networks | |
EP4243473A1 (en) | Systems and methods of assessing a plausibility of a ranging measurement | |
CN110830409A (zh) | 外源辐射雷达参考信道估计和信道估计模型训练方法 | |
Li et al. | SOC Algorithm-Based Framework for Spectrum Occupancy Completion | |
Zhang et al. | Distributed estimation in the presence of attacks for large scale sensor networks | |
Wahdan et al. | Maximum average entropy-based quantization of local observations for distributed detection | |
Yan et al. | Optimal local sensor decision rule for target detection with channel fading statistics in multi-sensor networks | |
Vijayakumar et al. | A particle filter based train localization scheme using wireless sensor networks | |
Xie et al. | Object Instrusion Detection on Railway Track Using Commodity Wireless Network | |
JP5503246B2 (ja) | 位置推定システム及び位置推定方法 | |
Harel et al. | Non-Bayesian estimation with partially quantized observations | |
Luo | Parameter estimation in wireless sensor networks based on decisions transmitted over Rayleigh fading channels |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |