CN107783077B - 过门限峰值点的处理的方法 - Google Patents

Abstract

过门限峰值点的处理的方法，属于雷达领域，解决提高旋翼无人机高度数据输出的稳定性的问题，技术要点是：设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α。效果是：有效地的提高跟踪的高度数据的稳定度。

Description

过门限峰值点的处理的方法

技术领域

本发明属于雷达领域，涉及一种过门限峰值点的处理的方法。

背景技术

考虑到毫米波雷达高度表在进行FFT后的模值数据中，每一个峰值点对应相应的高度值。在经过CFAR门限检测后，选择最大点作为输出峰值。对于采用单峰值点输出的特点，很容易导致，峰值点发生大范围的跳变，比如前一周期输出峰值点为M＝5，当前周期输出峰值变成M＝30，则距离发生了15个点的跳变，则距离将会发生相应的跳变。

发明内容

为了提高旋翼无人机高度数据输出的稳定性，本发明提出了一种过门限峰值点的处理的方法，其技术要点是：

设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α：

表达式如下：

|L_max(k)-L_max(k-1)|≤α；

其中：L_max(k)为k周期的过门限最大峰值点坐标，L_max(k-1)为上一周期的最大峰值点坐标，k表示第k时刻；v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数；

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内，则认为第k周期的峰值点有效；如果k时刻，过门限最大峰值点超过所设置的峰值点阈值因子α，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

有益效果：本发明可以有效避免由于单次或是多次峰值搜索的错误而导致一次或是多次高度数据解算的异常现象，在单次峰值搜索过程中，发生峰值跳变，相邻周期之间的峰值差值很大，同时由与峰值的跳变，而引起的高度发生很大的跳变，即该周期内，峰值跳变引起的高度的跳变范围，已经远远大于由无人机速度引起的一个周期所产生的距离变化范围。由此使用本方法对峰值跟踪，可以有效避免这种异常峰值导致的异常高度值，从而有效地的提高跟踪的高度数据的稳定度。

附图说明

图1线性调频锯齿波FMCW在一个扫频周期内的频率变化图；

图2实施例2中植被旋翼无人机雷达高度表系统信号处理方法流程图。

具体实施方式

实施例1：一种植保旋翼无人机雷达高度表系统雷达信号处理方法，包括如下步骤：

S1.AD数据采集；

所述AD数据采集，通过AD采样进行数字化处理，AD采集到的数据点数N，去除掉部分数据后，剩余点数的个数为N_s。

S2.去直流，该步骤为可选步骤；

(1)分别计算I路、Q路各自N_s个数据的均值I_mean和Q_mean；

(2)其中I为I路的时域数据，Q为Q路的时域数据，I_mean为I路的均值，Q_mean为Q路的均值；

(3)将I路、Q路的每一个数据减掉各路的均值；

(4)IQ数据去直流计算公式为：

其中，I′为去直流后的数据，Q′为去直流后的数据。

S3.FFT变换；

优选是去直流后的I、Q数据，合并成I+jQ的数据形式，锯齿波I+jQ数

据进行FFT变换，将时域数据转换成频率数据，当然，AD采集数据，也可

以直接进行FFT变换，将I、Q数据，合并成I+jQ的数据形式，锯齿波I+jQ

数据进行FFT变换。

S4.CFAR门限检测；

将FFT变换后的各个点的复数模值进行CFAR门限检测。

S5.峰值处理；

所述峰值处理：在经过CFAR门限检测后，选择最大点作为输出峰值，在进行过门限峰值提取时，执行如下方法：

设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α：

表达式如下：

|L_max(k)-L_max(k-1)|≤α；

其中：L_max(k)为k周期的过门限最大峰值点坐标，L_max(k-1)为上一周期的最大峰值点坐标，k表示第k时刻；v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数；

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内，则认为第k周期的峰值点有效；如果k时刻，过门限最大峰值点超过所设置的峰值点阈值因子α，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

作为一种优选方案，设置一个峰值点突变累计因子φ，该峰值点突变累计因子φ的定义为，如果从k时刻开始，连续b个周期，b的取值范围为5～10，过门限最大峰值点与前一周期的过门限最大峰值点相比，都超过阈值门限因子a，则第k+b时刻，将当前时刻解算出的过门限最大峰值点作为当前时刻的过门限最大峰值点。

S6.谱最大估计，该步骤为可选步骤：

得到过门限最大峰值点进行谱最大估计：设过门限最大峰值点A1的坐标为(a1,k1)，其中，a1表示过门限最大峰值点的值，k1表示过门限峰值点对应的幅度值；最大峰值点左右两边，次峰值点坐标为A3(a3，k3)，设所求的中央峰值点A为(amax，kmax)，则e＝amax-a1，则A1点，关于A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，复包络的零点A4为(a4,k1)＝(a3+e,0)；

其中：a2、a3、a4是对应点的过门限最大峰值点的值，k3、k4是对应点的过门限峰值点对应的幅度值；

A2、A3和A4近似为一条直线，其线性关系为：

令

则

设定误差E与偏差e进行比对，如果|e|<E，则此时的过门限峰值点的值则为所要求的中央峰值点的值，如果偏差e大于所设定的误差E时，

β为修正因子，取值范围为1.5～1.9，改变修正因子计算出e的值，以计算得到中央峰值点的值amax＝a1+e。

S7.高度结算；

中央峰值点的值amax，其对应的频率值f_amax，根据公式

计算得到高度；其中，T为调制周期，B为调频带宽，c为光速。

设置一个高度阈值因子ε，其用于限制当前高度数据H(k)与上一周期出现的高度数据H(k-1)的差值绝对值，使得该差值绝对值不得大于该高度阈值因子ε；

表达式如下：

|H(k)-H(k-1)|≤ε，ε取值范围为0.8～1.3；

如果k时刻的高度数据与k-1时刻的绝对值差值，在所设置的高度阈值因子ε范围内，则认为第k周期的峰值点有效；如果k时刻，高度数据超过所设置的高度阈值因子ε，则k时刻输出的高度数据用k-1时刻的高度数据进行替换。

设置一个高度突变累计因子θ，该高度突变累计因子θ的定义为，如果从k时刻开始，连续b个周期，高度数据与前一周期的高度数据相比，都超过阈值门限因子θ，则第k+b时刻，将当前时刻解算出的高度数据作为当前时刻的高度数据。

高度值输出，对于单次输出的高度数据，采用滑窗算法进行高度值的输出；第k时刻的高度数据等于滑窗中的N_c个高度值去掉最大高度值和最小高度值后的均值，作为最后的高度数据输出，其计算公式为

其中N_c表示滑窗所采用的高度数据点数。

本实施例作出的改进，如峰值点处理的时候增加了一个峰值阈值算法和高度阈值算法，通过这两个步骤，一起配合提高数据的稳定度，设计的谱最大估计算法，可以提高测距精度。

实施例2：申请公布号CN104678397A的专利申请，公开了一种用于小型无人机的超声波高度表，采用了超声波的方式测量无人机近地时的离地高度，实现无人机的自主起降功能，但是该专利中所描述的超声波高度表最大测距为11m，这对于植保无人机在喷洒农药使用过程中，是远远不够得。所以，为了提高无人机高度表的测距范围在30到40m之间，同时保障测距精度在0.2m左右，所以发明提出了一种基于毫米波雷达实现的无人机高度表。而且由于毫米波雷达与其他的探测方式相比，还具有探测性能稳定、环境适应良好、尺寸小、价格低，可以在相对恶劣的雨雪天气使用等优点。

作为实施例1的技术方案的补充，本实施例所设计的毫米波雷达的工作频率在24GHz或77GHz，采用FMCW连续波体制，主要是由于线性调频方式，其距离分辨率高。波形可以采用线性调频三角波FMCW、锯齿波以及恒频波或是这几种波形的组合波形。采用单一的三角波发射波形，可以对目标进行相对距离的检测，通过检测出的无人机与植被之间的相对速度，假设植被静止，则该速度为无人机上下飞行速度。采用单一的三角波就可以完成目标相对距离的准确结算。锯齿波仅能对目标相对距离的检测，恒频波仅能对目标速度检测。由于无人机垂直飞行产生的多普勒频移，会造成一定的距离的偏差，所以可以采用锯齿波与恒频波的组合波形，通过恒频波段对速度的测量实现对锯齿波段距离检测的补偿，从而提高无人机与植被之间的距离精度。三角波以及锯齿波与恒频波的组合波形都可以作为发射波形实现植被无人机高度表，可根据不同的应用场景选择发射波形，从而更好地应用到不同的植被的应用领域，以达到更好地距离检测精度。

本实施例设计的植被旋翼无人机雷达高度表系统的测距范围为1～50m，测距精度为0.2m。

本实施例主要是给出基于毫米波雷达的植被旋翼无人机防撞信号处理部分的设计以及信号处理方法。

本实施例设计的雷达中心频率f为24.128GHz。发射波形选择单一锯齿波，周期为1ms，带宽为250MHz，采样率fs＝320KHz。发射波形如图1所示。

本实施例仅需要通过单路IQ数据实现对目标距离速度的解算。如下给出植被旋翼无人机防撞毫米波雷达信号处理流程图，如图2所示；

具体实现步骤如下：

1、AD数据采集，即数据处理

将带有高度信息的连续IQ数据，通过AD采样进行数字化处理，AD采集到的数据点数N，跟系统的采样频率fs和扫频周期T相关，即N＝fs*T。由于采集到的数据前部分数据由于系统原因存在异常，不能用于后续数据处理，所以需要去除掉部分数据后，将剩余的点的时域数据进行后续处理。设需要去掉的点的个数为N_q，则剩余点数的个数为N_s，则N_s＝N-N_q。后续进行处理的数据则为N_s个的数据。

2、去直流

(1)分别计算I路、Q路，各自N_s个数据的均值I_mean和Q_mean，

即

其中I为I路的时域数据，Q为Q路的是与数据，I_mean为I路的均值，Q_mean为Q路的均值。

(2)将I路、Q路的每一个数据减掉上一步计算得到的均值M，从而完成去直流的目的，降低直流部分对目标门限检测的影响。

(3)IQ数据去直流计算公式为：

其中，I′为去直流后的数据，Q′为去直流后的数据。

3、窗函数处理

去直流后的I、Q数据，合并成I+jQ的数据形式，然后进行加窗处理，可以选择汉宁窗或是海明窗等，降低旁瓣，从而提高目标的检测性能；汉宁窗会导致主瓣加宽并降低，但是旁瓣会显著减小。

4、FFT变换

加窗后的锯齿波I+jQ数据进行FFT变换，将时域数据转换成频率数据。

5、CFAR门限检测

将FFT变换后的各个点的复数模值进行CFAR门限检测。CFAR门限检测可以选择单元平均选小的门限检测方法SO-CFAR，保护单元可以选择1到2个点，窗点数可以选择15～20个。

6、峰值处理算法设计

考虑到毫米波雷达高度表在进行FFT后的模值数据中，每一个峰值点对应相应的高度值。在经过CFAR门限检测后，选择最大点作为输出峰值。对于采用单峰值点输出的特点，很容易导致，峰值点发生大范围的跳变，比如前一周期输出峰值点为M＝5，当前周期输出峰值变成M＝30，则距离发生了15个点的跳变，则距离将会发生相应的跳变。为了提高旋翼无人机高度数据输出的稳定性，下面在进行过门限峰值提取的时候提出以下新的算法设计。

设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α：

表达式如下：

|L_max(k)-L_max(k-1)|≤α；

其中：L_max(k)为k周期的过门限最大峰值点坐标，L_max(k-1)为上一周期的最大峰值点坐标，k表示第k时刻；v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数；

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内，则认为第k周期的峰值点有效；如果k时刻，过门限最大峰值点超过所设置的峰值点阈值因子α，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设计的阈值因子范围内，则认为第k周期的峰值点有效，进行后续计算，如果k时刻，过门限最大峰值点超过所设计的阈值因子，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

作为上述技术手段的解释，在相邻周期的一个时间单元内，当前周期解算出的峰值点，与上个周期的峰值点，如果在相邻周期内，速度没有发生变化，则峰值点在相邻周期内也会保持不变，但是如果在相邻周期时间内，无人机垂直飞行速度发生变化(这里是针对高度表的，如果是防撞的话是无人机水平飞行速度)，会导致当前周期的峰值点在上一周期的峰值点发生一定的变化，如果是无人机靠近地面，则当前周期的点数会大于上一周期的点数，如果无人机与地面进行远离，则当前周期的点数会小于上一周期的点数，该峰值点的变化范围即是所设计的峰值点阈值因子α，该因子选取的取值范围，主要取决于在相邻周期内，无人机的最大飞行速度，即公式

其中v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数。

但是如果植保旋翼无人机下方飞行环境发生突变后，高度值发生变化，对应的过门限的峰值点数也可能会连续发生超出所设计的阈值因子。如果不进行修正，高度发生突变后，每个周期检测到的过门限最大峰值点都会超过设置的阈值因子，每次过门限最大峰值点坐标都会被修正为上一时刻的峰值点坐标，即同理高度值也会保持高度突变前的高度值，不能适应突变后的高度值。为了提高无人机雷达高度表对各种环境的适应能力，为此引入一个峰值点突变累计因子φ。

该峰值点突变累计因子φ的定义为，如果从k时刻开始，过门限最大峰值点的坐标值，连续b个周期发生突变，即连续b个周期出现的过门限最大峰值点与前一周期的过门限最大峰值点相比，都超过阈值门限因子a，则第k+b时刻，最大峰值点将不用上一周期的过门限最大峰值点进行替换，而是直接将当前时刻解算出的过门限最大峰值点作为当前时刻的过门限最大峰值点，从而完成高度发生突变场景的过门限最大峰值点的切换任务。b的取值范围为5～10。

7、谱最大估计算法

通过上一步得出过门限最大峰值点后，为了提高植保旋翼无人机高度表系统高度值测量的精度，提出提高测距精度的谱最大估计算法。

理想情况下，回波差频信号的频谱只有一个谱线，但是实际在使用过程中，由于采样存在栅栏效应，离散频谱最大幅值谱线必然会发生偏移谱峰位置，从而通过峰值点计算出的距离值与实际距离将会存在一定的误差。当谱峰发生偏移的时候，相对于主瓣峰值所对应的中央谱线将会两种情况，即左偏或是右偏。如果过门限最大值峰值点的左右峰值中，左边峰值大于右边峰值，则中央谱线所在的位置，在最大峰值点与左边峰值点之间，反之，则在最大峰值点与右边峰值点之间。

由于FFT计算得到的频谱对连续距离普等间距采样，其频谱幅值最大点必定位于其曲线的主瓣内，主瓣内有且仅有两个采样点。得到过门限最大峰值点进行谱最大估计：设过门限最大峰值点A1的坐标为(a1,k1)，其中，a1表示过门限最大峰值点的值，k1表示过门限峰值点对应的幅度值；最大峰值点左右两边，次峰值点坐标为A3(a3，k3)，设所求的中央峰值点A为(amax，kmax)，则e＝amax-a1，则A1点，关于A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，复包络的零点A4为(a4,k1)＝(a3+e,0)；

其中：a2、a3、a4是对应点的过门限最大峰值点的值，k3、k4是对应点的过门限峰值点对应的幅度值；

A2、A3和A4近似为一条直线，其线性关系为：

令

则

设定误差E与偏差e进行比对，如果|e|<E，则此时的过门限峰值点的值则为所要求的中央峰值点的值，如果偏差e大于所设定的误差E时，

β为修正因子，取值范围为1.5～1.9，改变修正因子计算出e的值，以计算得到中央峰值点的值amax＝a1+e。

上述修正因子的选取理由是：由于初始的时候

A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，初始条件时A点横轴坐标点与A2横轴坐标是关于最大峰值点对称的，即A2的坐标点是a1+2e，如果偏差e大于所设定的误差E时，说明A2的坐标选取过大，也即是最大峰值点在a1+2e之间，2倍的偏差e需要进行取小，本发明采用的修正方法是，通过改变修正因子β的大小从而改变l值，然后进行e的不断迭代，直到e小于设定的误差E为止。修正因子β的取值原则可以根据所需求达到的E值进行选取，如果E需求精度不高，修正因子β可以选择1.9进行修正，如果E需求精度很高，可能需要多次迭代达到要求，则需要修正因子β尽量选择小一点，可以选择1.5进行修正，本发明给出了一个快速解算出最大峰值点的修正因子的区间范围值，即修正因子β＝1.5～1.9。

7、高度结算

计算上一步得出的中央峰值点的值amax，其对应的频率值f_amax，根据公式

其中，T为调制周期，T＝1ms，B为调频带宽，B＝260MHz，c为光速，c＝3.0×10⁸。由于本实施例采用周期非常快的锯齿波，由于无人机垂直升降产生的最大速度所引起的差频频率基本上可以忽略，所以本实施例并没有涉及对相对速度的解算。

至此，完成单次检测完成植保旋翼无人机雷达高度表系统高度信息的解算功能。

8、为了提高高度表计算得出的高度信息的更加准确，进一步减少数据大范围波动等，因此采用以下数据处理算法进行进一步计算。

具体实现方法如第6步的思想。

首先设计一个高度阈值因子ε，该因子主要是用于限制当检测出当前高度数据H(k)与上一周期出现的高度数据H(k-1)的差值绝对值不得大于该高度阈值因子ε。

即|H(k)-H(k-1)|≤ε，ε一般取值范围为0.8～1.3。

如果k时刻，高度数据与上一时刻k-1的绝对值差值在所设计的阈值因子范围内，则认为第k周期的峰值点有效，进行后续计算，如果k时刻，高度数据超过所设计的阈值因子，则k时刻输出的高度数据用k-1时刻的高度数据进行替换。

同理但是如果植保旋翼无人机下方飞行环境发生突变后，高度值发生变化，对应的高度数据也可能会连续发生超出所设计的阈值因子。如果不进行修正，高度发生突变后，每个周期检测到的高度数据都会超过设置的阈值因子，每次高度数据都会被修正为上一时刻的高度数据，不能很好地适应突变后的高度值。为了提高高度输出的进一步稳定性，为此引入一个高度突变累计因子θ。

该高度突变累计因子θ的定义为，如果从k时刻开始，高度数据连续b个周期发生突变，即连续b个周期出现高度数据与前一周期的高度数据相比，都超过阈值门限因子θ，则第k+b时刻，高度数据将不用上一周期的高度数据进行替换，而是直接将当前时刻解算出的高度数据作为当前时刻的高度数据，从而完提高高度数据的稳定性。

对于单次输出的高度数据，为了输出的平滑性，采用滑窗算法进行高度值的输出。即第k时刻的高度数据等于滑窗中的N_c个高度值去掉最大高度值和最小高度值后的均值，作为最后的高度数据输出，其计算公式为

其中N_c表示滑窗所采用的高度数据点数。

实施例3：由上述两个实施例中的技术方案中，可以发现，该两个实施例所公开的技术方案中，还包括了一种过门限峰值点的处理的方法，本实施例对该处理方法进行整理，明显的，本实施例中的处理方法，可以由上述两个实施例支持得到，然而，其是一种可以独立应用于无人机的无人机高度信号的峰值处理方法，并不局限于上述两个实施例中的技术方案，该处理方法是：

设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α：

表达式如下：

|L_max(k)-L_max(k-1)|≤α；

其中：L_max(k)为k周期的过门限最大峰值点坐标，L_max(k-1)为上一周期的最大峰值点坐标，k表示第k时刻；v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数；

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内，则认为第k周期的峰值点有效；如果k时刻，过门限最大峰值点超过所设置的峰值点阈值因子α，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

作为上述技术手段的解释，在相邻周期的一个时间单元内，当前周期解算出的峰值点，与上个周期的峰值点，如果在相邻周期内，速度没有发生变化，则峰值点在相邻周期内也会保持不变，但是如果在相邻周期时间内，无人机垂直飞行速度发生变化(这里是针对高度表的，如果是防撞的话是无人机水平飞行速度)，会导致当前周期的峰值点在上一周期的峰值点发生一定的变化，如果是无人机靠近地面，则当前周期的点数会大于上一周期的点数，如果无人机与地面进行远离，则当前周期的点数会小于上一周期的点数，该峰值点的变化范围即是所设计的峰值点阈值因子α，该因子选取的取值范围，主要取决于在相邻周期内，无人机的最大飞行速度，即公式

其中v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT的点数。

但是如果植保旋翼无人机下方飞行环境发生突变后，高度值发生变化，对应的过门限的峰值点数也可能会连续发生超出所设计的阈值因子。如果不进行修正，高度发生突变后，每个周期检测到的过门限最大峰值点都会超过设置的阈值因子，每次过门限最大峰值点坐标都会被修正为上一时刻的峰值点坐标，即同理高度值也会保持高度突变前的高度值，不能适应突变后的高度值。为了提高无人机雷达高度表对各种环境的适应能力，为此引入一个峰值点突变累计因子φ。

设置一个峰值点突变累计因子φ，该峰值点突变累计因子φ的定义为，如果从k时刻开始，连续b个周期，b的取值范围为5～10，过门限最大峰值点与前一周期的过门限最大峰值点相比，都超过阈值门限因子a，则第k+b时刻，将当前时刻解算出的过门限最大峰值点作为当前时刻的过门限最大峰值点。为了保证跟踪的实时性，建议b的取值为5～10个。

通过上一步得出过门限最大峰值点后，为了提高高度表系统高度值测量的精度，提出提高测距精度的谱最大估计算法。

理想情况下，回波差频信号的频谱只有一个谱线，但是实际在使用过程中，由于采样存在栅栏效应，离散频谱最大幅值谱线必然会发生偏移谱峰位置，从而通过峰值点计算出的距离值与实际距离将会存在一定的误差。当谱峰发生偏移的时候，相对于主瓣峰值所对应的中央谱线将会两种情况，即左偏或是右偏。如果过门限最大值峰值点的左右峰值中，左边峰值大于右边峰值，则中央谱线所在的位置，在最大峰值点与左边峰值点之间，反之，则在最大峰值点与右边峰值点之间。

由于FFT计算得到的频谱对连续距离普等间距采样，其频谱幅值最大点必定位于其曲线的主瓣内，主瓣内有且仅有两个采样点。设过门限最大峰值点A1的坐标为(a1,k1)，其中，a1表示过门限最大峰值点的值，k1表示过门限峰值点对应的幅度值；最大峰值点左右两边，次峰值点坐标为A3(a3，k3)，设所求的中央峰值点A为(amax，kmax)，则e＝amax-a1，则A1点，关于A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，复包络的零点A4为(a4,k1)＝(a3+e,0)；

其中：a2、a3、a4是对应点的过门限最大峰值点的值，k3、k4是对应点的过门限峰值点对应的幅度值；

A2、A3和A4近似为一条直线，其线性关系为：

令

则

设定误差E与偏差e进行比对，如果|e|<E，则此时的过门限峰值点的值则为所要求的中央峰值点的值，如果偏差e大于所设定的误差E时，

β为修正因子，取值范围为1.5～1.9，该修正因子的选取理由是：由于初始的时候

A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，初始条件时A点横轴坐标点与A2横轴坐标是关于最大峰值点对称的，即A2的坐标点是a1+2e，如果偏差e大于所设定的误差E时，说明A2的坐标选取过大，也即是最大峰值点在a1+2e之间，2倍的偏差e需要进行取小，本发明采用的修正方法是，通过改变修正因子β的大小从而改变l值，然后进行e的不断迭代，直到e小于设定的误差E为止。修正因子β的取值原则可以根据所需求达到的E值进行选取，如果E需求精度不高，修正因子β可以选择1.9进行修正，如果E需求精度很高，可能需要多次迭代达到要求，则需要修正因子β尽量选择小一点，可以选择1.5进行修正，本发明给出了一个快速解算出最大峰值点的修正因子的区间范围值，即修正因子β＝1.5～1.9。改变修正因子计算出e的值，以计算得到中央峰值点的值amax＝a1+e。

作为另一种实施例，还包括步骤：距离跟踪：设置一个高度阈值因子ε，其用于限制当前高度数据H(k)与上一周期出现的高度数据H(k-1)的差值绝对值，使得该差值绝对值不得大于该高度阈值因子ε；

表达式如下：

|H(k)-H(k-1)|≤ε，ε取值范围为0.8～1.3；

如果k时刻的高度数据与k-1时刻的绝对值差值，在所设置的高度阈值因子ε范围内，则认为第k周期的峰值点有效；如果k时刻，高度数据超过所设置的高度阈值因子ε，则k时刻输出的高度数据用k-1时刻的高度数据进行替换。

设置一个高度突变累计因子θ，该高度突变累计因子θ的定义为，如果从k时刻开始，连续b个周期，高度数据与前一周期的高度数据相比，都超过阈值门限因子θ，则第k+b时刻，将当前时刻解算出的高度数据作为当前时刻的高度数据。

作为一种实施例，具体到本实施例中，对于上述未执行距离跟踪或执行了距离跟踪的，高度输出时，对于单次输出的高度数据，采用滑窗算法进行高度值的输出；

第k时刻的高度数据等于滑窗中的N_c个高度值去掉最大高度值和最小高度值后的均值，作为最后的高度数据输出，其计算公式为

其中N_c表示滑窗所采用的高度数据点数。

采用峰值跟踪算法和高度跟踪算法，可以有效避免由于单次或是多次峰值搜索的错误而导致一次或是多次高度数据解算的异常现象，如在单次峰值搜索过程中，发生峰值跳变，相邻周期之间的峰值差值很大，同时由与峰值的跳变，而引起的高度发生很大的跳变，即该周期内，峰值跳变引起的高度的跳变范围，已经远远大于由无人机速度引起的一个周期所产生的距离变化范围。由此峰值跟踪以及高度跟踪可以有效避免这种异常峰值导致的异常高度值，从而有效地的提高跟踪的高度数据的稳定度。

以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。

Claims (6)

1.一种过门限峰值点的处理的方法，其特征在于：设置一个峰值点阈值因子α，其用于限制检测出的过门限最大峰值点与上一周期出现的最大峰值点的差值绝对值，使得该差值绝对值不得大于该峰值点阈值因子α：

表达式如下：

|L_max(k)-L_max(k-1)|≤α；

其中：L_max(k)为k周期的过门限最大峰值点坐标，L_max(k-1)为上一周期的最大峰值点坐标，k表示第k时刻；v_max为无人机最大飞行速度，λ为毫米波雷达波长，fs为采样率，N为FFT变换的点数，FFT变换的对象是加窗后的锯齿波数据；

如果k时刻，过门限最大峰值点与k-1时刻过门限最大峰值点的绝对值差值在所设置的峰值点阈值因子α范围内，则认为第k周期的峰值点有效；如果k时刻，过门限最大峰值点超过所设置的峰值点阈值因子α，则k时刻输出的峰值点用k-1时刻的峰值点进行替换。

2.如权利要求1所述的过门限峰值点的处理的方法，其特征在于，设置一个峰值点突变累计因子φ，该峰值点突变累计因子φ的定义为，如果从k时刻开始，连续b个周期，b的取值范围为5～10，过门限最大峰值点与前一周期的过门限最大峰值点相比，都超过阈值门限因子a，则第k+b时刻，将当前时刻解算出的过门限最大峰值点作为当前时刻的过门限最大峰值点。

3.如权利要求1或2所述的过门限峰值点的处理的方法，其特征在于，得到过门限最大峰值点进行谱最大估计：设过门限最大峰值点A1的坐标为(a1,k1)，其中，a1表示过门限最大峰值点的值，k1表示过门限峰值点对应的幅度值；最大峰值点左右两边，次峰值点坐标为A3(a3，k3)，设所求的中央峰值点A为(amax，kmax)，则e＝amax-a1，则A1点，关于A点对称点A2坐标为(a2,k1)＝(a1+2e,k1)，复包络的零点A4为(a4,k1)＝(a3+e,0)；

其中：a2、a3、a4是对应点的过门限最大峰值点的值，k3、k4是对应点的过门限峰值点对应的幅度值；

A2、A3和A4近似为一条直线，其线性关系为：

令

则

设定误差E与偏差e进行比对，如果|e|<E，则此时的过门限峰值点的值则为所要求的中央峰值点的值，如果偏差e大于所设定的误差E时，

β为修正因子，取值范围为1.5～1.9，改变修正因子计算出e的值，以计算得到中央峰值点的值amax＝a1+e。

4.如权利要求3所述的过门限峰值点的处理的方法，其特征在于，设置一个高度阈值因子ε，其用于限制当前高度数据H(k)与上一周期出现的高度数据H(k-1)的差值绝对值，使得该差值绝对值不得大于该高度阈值因子ε；

表达式如下：

|H(k)-H(k-1)|≤ε，ε取值范围为0.8～1.3；

如果k时刻的高度数据与k-1时刻的绝对值差值，在所设置的高度阈值因子ε范围内，则认为第k周期的峰值点有效；如果k时刻，高度数据超过所设置的高度阈值因子ε，则k时刻输出的高度数据用k-1时刻的高度数据进行替换。

5.如权利要求4所述的过门限峰值点的处理的方法，其特征在于，设置一个高度突变累计因子θ，该高度突变累计因子θ的定义为，如果从k时刻开始，连续b个周期，高度数据与前一周期的高度数据相比，都超过阈值门限因子θ，则第k+b时刻，将当前时刻解算出的高度数据作为当前时刻的高度数据。

6.如权利要求5所述的过门限峰值点的处理的方法，其特征在于，高度输出时，对于单次输出的高度数据，采用滑窗算法进行高度值的输出；

第k时刻的高度数据等于滑窗中的N_c个高度值去掉最大高度值和最小高度值后的均值，作为最后的高度数据输出，其计算公式为

其中N_c表示滑窗所采用的高度数据点数。

Images