CN108089166B - 一种基于毫米波测云雷达的自适应频域检测方法 - Google Patents

一种基于毫米波测云雷达的自适应频域检测方法 Download PDF

Info

Publication number
CN108089166B
CN108089166B CN201711285557.4A CN201711285557A CN108089166B CN 108089166 B CN108089166 B CN 108089166B CN 201711285557 A CN201711285557 A CN 201711285557A CN 108089166 B CN108089166 B CN 108089166B
Authority
CN
China
Prior art keywords
detection
noise
power
noisedeep
frequency
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
Application number
CN201711285557.4A
Other languages
English (en)
Other versions
CN108089166A (zh
Inventor
张鹏
王志锐
周亭亭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Radio Measurement
Original Assignee
Beijing Institute of Radio Measurement
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Radio Measurement filed Critical Beijing Institute of Radio Measurement
Priority to CN201711285557.4A priority Critical patent/CN108089166B/zh
Publication of CN108089166A publication Critical patent/CN108089166A/zh
Application granted granted Critical
Publication of CN108089166B publication Critical patent/CN108089166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/40—Means for monitoring or calibrating
    • 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
    • G01S7/418—Theoretical aspects

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

本申请公开一种基于毫米波测云雷达的自适应频域检测方法，首先进行数据预处理和噪声功率自适应估计；其次依据检测噪声门限对功率谱进行逐频点检测，并对保护窗外的噪声点进行抑制；再次完成功率谱谱矩计算，并进行SNR估计和检测，得到检测后的逻辑矩阵；最后，对中值滤波后的检测结果进行评估，完成检测门限的自适应修正迭代。本申请所记载的技术方案减小了噪声对计算的影响，计算简便，实现简便，利于在实际工程中移植，可以应用于毫米波测云雷达等气象探测设备中。

Description

一种基于毫米波测云雷达的自适应频域检测方法
技术领域
本发明涉及雷达技术领域，特别涉及一种基于毫米波测云雷达的自适应频域检测方法。
背景技术
检测是指确认雷达测量值是否存在目标，即测量值仅为干扰，或者测量值为干扰与目标回波之和。检测的本质是对样本空间进行划分，完成气象目标检测是毫米波测云雷达的一项重要数据处理功能。检测时针对的样本数据信噪比越大，检测效果越明显。毫米波测云雷达整个信号处理过程中，能够提升信噪比的步骤包括相干积累、周期图法功率谱估计和非相干积累。因此非相干积累后的距离-多普勒数据是信号处理过程中信噪比最大的样本数据，本文阐述的检测方法主要针对该阶段数据进行处理。
检测中的关键步骤包括噪声电平功率估计和检测门限确定。其主要估计方法包括固定噪声功率法、远区距离库法、客观噪声电平法、最大速度区法以及分段噪声电平计算方法。固定噪声功率法在早期的天气雷达中通过设定一个固定值或谱峰下的某固定值(Battan,1964；Donaldson,1967；Sekhon et al,1971；Donaldson et al,1972),但由于雷达接收到的功率谱并不是固定不变的，在不同天气背景下差异较大，该方法效果并不理想，而且不同设备间噪声功率各不相同，因此该方法局限性较大。
风廓线雷达和天气雷达中常采用远距离库法，在垂直探测时认为雷达的远距离库没有气象信号，功率谱中仅仅包含噪声信号，因此，把远距离库的噪声平均值作为一根径向上所有的噪声电平(王莎等，2012)。毫米波雷达功率谱噪声在不同高度的其分布亦，即使在相同距离单元，不同时间或者温度湿度环境条件稍有变化噪声功率也有所差别。
1974年，Hildebrand和Sekhon基于高斯白噪声特点，提出了客观噪声电平计算法，该方法主要建立在两个假设上一是噪声幅度在频带范围内满足均匀分布，二是噪声幅度的概率分布满足高斯分布，因此该方法具有一定的局限性，而且计算复杂，计算量较大实时性差。
在风廓线雷达功率谱研究中，Monique提出一种分段的噪声电平计算方法，该方法多用于风廓线雷达的功率谱处理中，在毫米波雷达中应用需要配合后续质量控制，否则检测后杂波点过多。另外，刘黎平等在国产的行波管毫米波雷达中，将功率谱大速度大值区的功率作为噪声电平，提出了最大速度法，但该方法估计的噪声电平波动较大，影响了探测性能，在速度模糊的情况下容易产生误判。
有鉴于此，提出一种基于毫米波测云雷达的自适应频域检测方法。
发明内容
本发明的目的在于提供一种基于毫米波测云雷达的自适应频域检测方法。
为达到上述目的，本发明采用下述技术方案，包括：
S1.对数据进行预处理和噪声功率自适应估计；
S2.依据检测噪声门限对功率谱进行逐频点检测，并对保护窗外的噪声点进行抑制；
S3.再次完成功率谱谱矩计算进行SNR估计和检测，对得到检测后的逻辑矩阵中值滤波；
S4.对中值滤波后的检测结果进行评估，完成检测门限的自适应修正迭代。
进一步地，S1所述对数据进行预处理包括:
对功率谱数据进行转化，所述功率谱数据为对数值PdB(fk)，单位为dB，得到所测功率的线性值P(fk)；
优选的，转化公式为：P(fk)＝10^[PdB(fk)/10]，
fk＝(k-FFTNum/2)/FFTNum×Prf/CNum，
假设FFT点数为FFTNum，则第k条谱线fk采用上述公式计算，其中k的范围为0～FFTNum-1，其中Prf表示脉冲重复频率，CNum表示相干积累点数。
进一步地，S1所述噪声功率自适应估计包括：将距离单元内的频谱等分，计算每一份的平均功率得到其集合，找出其中最小的一个作为噪声功率估计NoiseBase。
进一步地，S2所述逐频点检测包括：
S201a.计算确定检测噪声门限NoiseThreshold，
NoiseThreshold＝NoiseDeep*NoiseBase，
NoiseBase为S1中计算得到的噪声功率，NoiseDeep为上一帧计算得到的噪声深度；
S201b.对功率谱进行逐频点检测，将频谱信号强度小于噪声门限值的频点检测掉，保留高于噪声门限的频点。
进一步地，S2所述对保护窗外的噪声点进行抑制包括：
S202a.找到功率谱最大的谱线，以其为中点设置保护窗，保护窗外的孤立噪点不受保护，即使该谱线超过门限也可将其去除；
S202b.将叠加在目标信号谱线上的噪声去除；
S202c.估计得到该距离单元内的噪声功率；
S202d.得到检测后的功率谱信号。
进一步地，S3所述再次完成功率谱谱矩计算包括：
求解零阶矩，以得到平均功率估计公式为：
Figure BDA0001498361820000031
其中Y(fk)表示第k根谱线功率谱，FFTNum表示FFT点数，对其取对数可以得到对数值。
进一步地，S3所述进行SNR估计和检测包括：
S301.获取噪声功率和信号平均功率
Figure BDA0001498361820000032
对其做差求得信噪比SNR，其表达式为：
Figure BDA0001498361820000033
S302.设置输出信噪比门限SNRThreshold，然后对输出信噪比进行检测，如果目标SNR大于SNRThreshold，则认为目标存在，输出所估计距离库的功率谱谱矩参数，对检测目标逻辑矩阵Detection赋值为1；
如果目标SNR小于SNRThreshold，则认为目标不存在，所计算的功率谱谱矩参数为无效值，对检测目标逻辑矩阵Detection赋值为0。
进一步地，S3所述中值滤波包括：
S301a.假设雷达回波的距离单元个数为M，射线数为N，在经过前述步骤后得到二维Detection[M,N]逻辑矩阵；
S301b.以二维窗对Detection[M,N]进行滑窗中值滤波处理；
优选的，其处理方法为：以3×3的二维窗进行滑窗中值滤波处理，二维窗内共9个点，如果其中有5个点及以上为逻辑1，则表示中心位置目标存在，反之则目标不存在，经过处理后可以得到矩阵Detection_Med[M,N]。
进一步地，S4所述检测结果进行评估包括：
对Detection[M,N]中的0和1的个数进行统计，其结果假设分别为A0个和B0个，其中A0+B0＝M*N。
对Detection_Med[M,N]中的0和1的个数进行统计，其结果假设分别为A1个和B1个，其中A1+B1＝M*N。
其中虚警概率可以表示为：Pf＝(B0-B1)/A1。
进一步地，S4所述检测门限的自适应修正迭代包括：
预设期望虚警概率为Pf0，若满足以下条件：
(Pf-Pf0)>|ε|，
则对噪声深度NoiseDeep进行如下调整：
NoiseDeep＝NoiseDeep+NoiseDeep*0.01；
若满足以下条件：
(Pf-Pf0)<-|ε|，
则对噪声深度NoiseDeep进行如下调整：
NoiseDeep＝NoiseDeep-NoiseDeep*0.01。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明：
图1为本发明的处理流程图；
图2为噪声基底估计示意图；
图3为逐频点门限检测示意图；
图4为保护窗外噪声抑制示意图；
图5为距离-多普勒域数据示例；
图6为最终检测结果；
图7为各阶矩气象参数；
图8为反射率因子估计结果。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
北京XX研究所生产的垂直指向型毫米波测云仪(HMB-KPS)于2016年12月部署于国家气象局南郊观象台。本设备工作于Ka波段，发射功率为43dBm，雷达系统采用单发单收线极化的模式，对天顶气象目标进行实时探测。
该方法输入数据为距离-多普勒域数据，其中一条射线的数据如图5所示。
在本次实施过程中，将噪声深度NoiseDeep的初始值设置为1.96，其最终收敛为1.93。预设期望虚警概率为Pf0为0.5％。其最终的检测结果如图6所示。所估计的各阶矩气象参数如图7所示，反射率因子如图8所示。
本实施例提供一种基于毫米波测云雷达的自适应频域检测方法，包括：
S1.对数据进行预处理和噪声功率自适应估计；
数据预处理：
本方法的输入数据为非相干积累后的距离-多普勒数据，对每一库逐个进行检测。功率谱数据为对数值PdB(fk)(即相对值，单位为dB)，可以利用公式(1)对其进行转化，得到所测功率的线性值P(fk)(即与真实功率相差一个整数倍)。
P(fk)＝10^[PdB(fk)/10] (1)
此外需要确定频率轴，假设FFT点数为FFTNum，则第k条谱线fk对应频率为(k-FFTNum/2)/FFTNum×Prf/CNum(其中k的范围为0～FFTNum-1)。其中Prf表示脉冲重复频率，CNum表示相干积累点数。
噪声功率自适应估计：
考虑到不同距离单元，噪声功率会随时间变化，因此需要估计每一个距离单元内的噪声功率。同时为了不将信号功率引入噪声样本，保证噪声功率估计的稳定性，需要进行如下处理。如图2所示为噪声功率估计方法示意图，将某一个距离单元内的频谱平均分为八份，求出每一份的平均功率得到其集合{B1、B2、B3、B4、B5、B6、B7、B8}，找出其中最小的一个作为噪声功率估计NoiseBase。
NoiseBase＝min{B1,B2,B3,B4,B5,B6,B7,B8} (2)
S2.依据检测噪声门限对功率谱进行逐频点检测，并对保护窗外的噪声点进行抑制；
逐频点门限检测
如图3所示为逐频点自适应门限检测示意图，S201a.计算确定检测噪声门限NoiseThreshold：
根据上一步计算得到的噪声功率NoiseBase和上一帧迭代计算得到的噪声深度NoiseDeep，利用以下公式：
NoiseThreshold＝NoiseDeep*NoiseBase (3)
计算确定检测噪声门限NoiseThreshold；
S201b.对功率谱进行逐频点检测，将频谱信号强度小于噪声门限值的频点检测掉，保留高于噪声门限的频点。
保护窗外噪声抑制
如图4所示，为保护窗外噪声抑制方法示意图，S202a.找到功率谱最大的谱线，以其为中点设置保护窗，保护窗外的孤立噪点不受保护，即使该谱线超过门限也可将其去除；
S202b.将叠加在目标信号谱线上的噪声去除；
S202c.估计得到该距离单元内的噪声功率；
S202d.得到检测后的功率谱信号。
S3.再次完成功率谱谱矩计算进行SNR估计和检测，对得到检测后的逻辑矩阵中值滤波；
功率谱谱矩计算
由于该方法所处理数据为功率谱数据，所以使用频域谱矩估计方法来估计一次产品。
求解零阶矩可以得到平均功率估计公式为：
Figure BDA0001498361820000061
其中Y(fk)表示第k根谱线功率谱，FFTNum表示FFT点数，对其取对数可以得到对数值。
平均径向速度可以通过求取一阶矩得到，其表达式为：
平均多普勒频移
Figure BDA0001498361820000062
平均径向速度
Figure BDA0001498361820000063
Lamda表示雷达发射信号的波长。通过求解二阶矩可以得到速度谱宽：
多普勒谱宽的平方
Figure BDA0001498361820000071
速度谱宽
Figure BDA0001498361820000072
通过求解三阶矩可以得到偏度参数：
Figure BDA0001498361820000073
通过求解四阶矩可以得到峰度参数：
Figure BDA0001498361820000074
SNR估计与检测
S301a.获取噪声功率和信号平均功率，对其做差求得信噪比SNR；
利用得到的获取噪声功率和信号平均功率
Figure BDA0001498361820000075
对其做差求得信噪比，其表达式为：
Figure BDA0001498361820000076
S301b.设置输出信噪比门限SNRThreshold，然后对输出信噪比进行检测，如果目标SNR大于SNRThreshold，则认为目标存在，输出所估计距离库的功率谱谱矩参数，对检测目标逻辑Detection赋值为1；如果目标SNR小于SNRThreshold，则认为目标不存在，所计算的功率谱谱矩参数为无效值，对检测目标逻辑Detection赋值为0。
中值滤波
S302a.假设雷达回波的距离单元个数为M，射线数为N，在经过前六个步骤后可以得到二维Detection[M,N]逻辑矩阵。
S302b.以3×3的二维窗对Detection[M,N]进行滑窗中值滤波处理。其处理方法为：二维窗内共9个点，如果其中有5个点及以上为逻辑1，则表示中心位置目标存在，反之则目标不存在。经过处理后可以得到矩阵Detection_Med[M,N]。
S4.对中值滤波后的检测结果进行评估，完成检测门限的自适应修正迭代；
对中值滤波后的检测结果进行评估
对Detection[M,N]中的0和1的个数进行统计，其结果假设分别为A0个和B0个，其中A0+B0＝M*N。
对Detection_Med[M,N]中的0和1的个数进行统计，其结果假设分别为A1个和B1个，其中A1+B1＝M*N。
其中虚警概率可以表示为：
Pf＝(B0-B1)/A1 (12)
自适应门限修正
预设期望虚警概率为Pf0，若满足以下条件：
(Pf-Pf0)>|ε| (13)
则对噪声深度NoiseDeep进行如下调整：
NoiseDeep＝NoiseDeep+NoiseDeep*0.01 (14)
若满足以下条件：
(Pf-Pf0)<-|ε| (15)
则对噪声深度NoiseDeep进行如下调整：
NoiseDeep＝NoiseDeep-NoiseDeep*0.01 (16)
这样的做法可以自适应调整噪声门限，使得检测结果虚警概率符合预设值。
本申请提供一种基于毫米波测云雷达的自适应频域检测方法，首先该方法可以自适应地估计噪声功率，随着时间、空间和环境的变化自适应调整；其次该方法可以依据预设期望的虚警概率去不断调整检测门限，使得检测结果满足预设要求，检测门限自适应迭代调整，对检测效果十分有利；本申请所记载的技术方案减小了噪声对计算的影响，计算简便，实现简便，计算结果较为理想，利于在实际工程中移植，可以应用于毫米波测云雷达等气象探测设备中。因此，本申请所记载的技术方案具有较强的实用性和极高的应用价值。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (7)

1.一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，包括：
S1.对数据进行预处理和噪声功率自适应估计；
S2.依据检测噪声门限对功率谱进行逐频点检测，并对保护窗外的噪声点进行抑制；其中，所述逐频点检测包括：
S201a.计算确定检测噪声门限NoiseThreshold，
NoiseThreshold＝NoiseDeep*NoiseBase，
NoiseBase为S1中计算得到的噪声功率，NoiseDeep为上一帧计算得到的噪声深度；
S201b.对功率谱进行逐频点检测，将频谱信号强度小于检测噪声门限值的频点检测掉，保留高于检测噪声门限的频点；
S3.完成功率谱谱矩计算进行SNR估计和检测，对得到检测后的逻辑矩阵中值滤波；其中，所述对得到检测后的逻辑矩阵中值滤波进一步包括：
S301a.假设雷达回波的距离单元个数为M，射线数为N，在经过前述步骤后得到二维Detection[M,N]逻辑矩阵；
S301b.以二维窗对Detection[M,N]进行滑窗中值滤波处理得到Detection_Med[M,N]；
S4.对中值滤波后的检测结果进行评估，完成所述检测噪声门限的自适应修正迭代；其中，所述对中值滤波后的检测结果进行评估进一步包括：
对Detection[M,N]中的0和1的个数进行统计，其结果假设分别为A0个和B0个，其中A0+B0＝M*N；
对Detection_Med[M,N]中的0和1的个数进行统计，其结果假设分别为A1个和B1个，其中A1+B1＝M*N；其中虚警概率可以表示为：Pf＝(B0-B1)/A1；
其中，完成所述检测噪声门限的自适应修正迭代进一步包括：
预设期望虚警概率为Pf0，若满足以下条件：
(Pf-Pf0)>|ε|，其中,ε为概率常数；
则对噪声深度NoiseDeep进行如下调整：
NoiseDeep＝NoiseDeep+NoiseDeep*0.01；
若满足以下条件：
(Pf-Pf0)<-|ε|，
则对噪声深度NoiseDeep进行如下调整：
NoiseDeep＝NoiseDeep-NoiseDeep*0.01。
2.根据权利要求1所述的一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，S1所述对数据进行预处理包括:
对功率谱数据进行转化，所述功率谱数据为对数值PdB(fk)，单位为dB，得到所测功率的线性值P(fk)；
转化公式为：P(fk)＝10^[PdB(fk)/10]，
fk＝(k-FFTNum/2)/FFTNum×Prf/CNum，
假设FFT点数为FFTNum，则第k条谱线fk采用上述公式计算，其中k的范围为0～FFTNum-1，其中Prf表示脉冲重复频率，CNum表示相干积累点数。
3.根据权利要求1所述的一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，S1所述噪声功率自适应估计包括：将距离单元内的频谱等分，计算每一份的平均功率得到其集合，找出其中最小的一个作为噪声功率估计NoiseBase。
4.根据权利要求1所述的一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，S2所述对保护窗外的噪声点进行抑制包括：
S202a.找到功率谱最大的谱线，以其为中点设置保护窗，保护窗外的孤立噪点不受保护，即使该谱线超过检测噪声门限也可将其去除；
S202b.将叠加在目标信号谱线上的噪声去除；
S202c.估计得到距离单元内的噪声功率；
S202d.得到检测后的功率谱信号。
5.根据权利要求1所述的一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，S3所述完成功率谱谱矩计算包括：
求解零阶矩，以得到平均功率，估计公式为：
Figure FDA0002286665290000021
其中Y(fk)表示第k根谱线功率谱，FFTNum表示FFT点数，对其取对数可以得到对数值。
6.根据权利要求5所述的一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，S3所述进行SNR估计和检测包括：
S301.获取噪声功率和信号平均功率，对其做差求得信噪比SNR，其表达式为：
Figure FDA0002286665290000031
其中，NoiseBase为噪声功率
S302.设置输出信噪比门限SNR Threshold，然后对输出信噪比进行检测，如果目标SNR大于SNR Threshold，则认为目标存在，输出所估计距离单元的功率谱谱矩参数，对检测目标逻辑矩阵Detection赋值为1；
如果目标SNR小于SNR Threshold，则认为目标不存在，所计算的功率谱谱矩参数为无效值，对检测目标逻辑矩阵Detection赋值为0。
7.根据权利要求1所述的一种基于毫米波测云雷达的自适应频域检测方法，其特征在于，S3所述以二维窗对Detection[M,N]进行滑窗中值滤波处理方法为：
以3×3的二维窗进行滑窗中值滤波处理，二维窗内共9个点，如果其中有5个点及以上为逻辑1，则表示中心位置目标存在，反之则目标不存在，经过处理后可以得到矩阵Detection_Med[M,N]。
CN201711285557.4A 2017-12-07 2017-12-07 一种基于毫米波测云雷达的自适应频域检测方法 Active CN108089166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711285557.4A CN108089166B (zh) 2017-12-07 2017-12-07 一种基于毫米波测云雷达的自适应频域检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711285557.4A CN108089166B (zh) 2017-12-07 2017-12-07 一种基于毫米波测云雷达的自适应频域检测方法

Publications (2)

Publication Number Publication Date
CN108089166A CN108089166A (zh) 2018-05-29
CN108089166B true CN108089166B (zh) 2020-06-02

Family

ID=62174289

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711285557.4A Active CN108089166B (zh) 2017-12-07 2017-12-07 一种基于毫米波测云雷达的自适应频域检测方法

Country Status (1)

Country Link
CN (1) CN108089166B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343063B (zh) * 2018-12-17 2023-06-02 中国气象局气象探测中心 一种毫米波测云仪晴空回波自动识别方法及系统
CN109738899B (zh) * 2018-12-29 2024-02-13 湖南智晶电子科技有限公司 一种基于随机共振探测阵列的低空飞行器探测方法及系统
CN110596651B (zh) * 2019-09-06 2021-08-20 厦门大学 一种雷达检测的方法
CN112737711B (zh) * 2020-12-24 2023-04-18 成都戎星科技有限公司 一种基于自适应噪声基底估计的宽带载波检测方法
CN112859675B (zh) * 2021-01-04 2021-11-30 北京无线电测量研究所 一种加电顺序控制装置、方法、相控阵天线及雷达
CN115598616B (zh) * 2022-12-13 2023-03-10 中国人民解放军国防科技大学 基于功率谱信息几何的雷达目标检测方法、装置和设备
CN117368880B (zh) * 2023-12-07 2024-02-06 中国气象局人工影响天气中心 一种毫米波云雷达湍流杂波滤除方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881824A (zh) * 2009-05-05 2010-11-10 何平 功率谱密度数据噪声门限的客观快速确定方法
CN101988963A (zh) * 2010-04-19 2011-03-23 南京恩瑞特实业有限公司 利用风廓线雷达获取三维风场的方法
CN202433521U (zh) * 2011-10-17 2012-09-12 中国人民解放军理工大学气象学院 风廓线雷达湍流目标检测处理板
CN102890272A (zh) * 2012-11-05 2013-01-23 中国航天科工集团第二研究院二十三所 一种毫米波云雷达信号处理方法
CN104122538A (zh) * 2013-04-24 2014-10-29 何平 确定风廓线雷达噪声功率的方法
RU2542724C1 (ru) * 2013-12-03 2015-02-27 Открытое акционерное общество "Государственный Рязанский приборный завод" Способ обнаружения сигналов вторичных радиолокационных систем

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881824A (zh) * 2009-05-05 2010-11-10 何平 功率谱密度数据噪声门限的客观快速确定方法
CN101988963A (zh) * 2010-04-19 2011-03-23 南京恩瑞特实业有限公司 利用风廓线雷达获取三维风场的方法
CN202433521U (zh) * 2011-10-17 2012-09-12 中国人民解放军理工大学气象学院 风廓线雷达湍流目标检测处理板
CN102890272A (zh) * 2012-11-05 2013-01-23 中国航天科工集团第二研究院二十三所 一种毫米波云雷达信号处理方法
CN104122538A (zh) * 2013-04-24 2014-10-29 何平 确定风廓线雷达噪声功率的方法
RU2542724C1 (ru) * 2013-12-03 2015-02-27 Открытое акционерное общество "Государственный Рязанский приборный завод" Способ обнаружения сигналов вторичных радиолокационных систем

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Objective determination of the noise level in Doppler spectra;HILDEBRAND,et al;《JOURNAL OF APPLIED METEOROLOGY》;19741031;全文 *
云雷达回波强度谱密度定标及云内大气垂直运动速度反演试验;郑佳锋等;《高原气象》;20161231;全文 *

Also Published As

Publication number Publication date
CN108089166A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN108089166B (zh) 一种基于毫米波测云雷达的自适应频域检测方法
CN107861107B (zh) 一种适用于连续波雷达的双门限cfar与点迹凝聚方法
CN106501788B (zh) 一种雷达恒虚警检测门限自适应设置方法
CN111352102A (zh) 一种基于调频连续波雷达的多目标个数检测方法及装置
CN110988874B (zh) 一种复杂运动目标的isar成像方法
CN106501800B (zh) 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法
CN113534120B (zh) 一种基于深度神经网络的多目标恒虚警率检测方法
CN107942342A (zh) 测风激光雷达的数据处理方法、装置、系统及存储介质
CN110749871B (zh) 双偏振天气雷达的参量估算方法
CN112684428A (zh) 一种基于信号代理的多目标恒虚警率检测方法
CN107462886B (zh) 一种基于波形对比度最优算法的动目标恒虚警检测方法
JP2018205175A (ja) レーダ装置及びそのレーダ信号処理方法
JP5355322B2 (ja) 干渉波検出装置、レーダ装置及び干渉波検出方法
Fan et al. Weak target detection in sea clutter background using local‐multifractal spectrum with adaptive window length
CN107329131B (zh) 一种利用粒子滤波的雷达微弱目标检测跟踪方法
CN111948613A (zh) 基于自适应背景区选取的船载地波雷达目标检测方法
KR20140040422A (ko) Ｄａｔａ Ｍａｔｒｉｘ Ｂａｎｋ Ｆｉｌｔｅｒ를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법
KR101616481B1 (ko) 정량적 강우량 추정을 위한 이착 에코 완화방법
CN114488145A (zh) 一种基于极化分类的图像域dpca虚警抑制方法
CN110231603B (zh) 一种基于gmti的快速解算目标速度的方法
Nicol et al. Techniques for improving ground clutter identification
El Mashade Analytical performance evaluation of adaptive detection of fluctuating radar targets
CN112698277A (zh) 一种车载毫米波雷达的目标检测方法
Kabakchiev et al. Cell averaging constant false alarm rate detector with Hough transform in randomly arriving impulse interference
Wen et al. Marine Radar Image Sequence Target Detection Based on Space-Time Adaptive Filtering and Hough Transform

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