CN108802722B - 一种基于虚拟谱的弱目标检测前跟踪方法 - Google Patents
一种基于虚拟谱的弱目标检测前跟踪方法 Download PDFInfo
- Publication number
- CN108802722B CN108802722B CN201810984500.1A CN201810984500A CN108802722B CN 108802722 B CN108802722 B CN 108802722B CN 201810984500 A CN201810984500 A CN 201810984500A CN 108802722 B CN108802722 B CN 108802722B
- Authority
- CN
- China
- Prior art keywords
- target
- peak
- speed
- frame
- pie slice
- 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
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
Abstract
本发明涉及一种基于虚拟谱的弱目标检测前跟踪方法,包括:获取雷达回波数据,并得到目标单帧回波函数;基于目标多帧积累的速度域包络得到速度分辨率,确定速度滤波器的数量;对于每个速度滤波器,构造虚拟谱,其峰值为分辨单元的量测值,中心位置为该速度滤波器预测的最后一帧的目标位置;将该批次中各帧的虚拟谱的强度累加得到各个速度滤波器的多帧积累结果;根据预设的检测门限判断是否有速度滤波器的峰值超过检测门限,否则判断没有检测到目标,是则记录最大峰值所在的位置单元及速度单元,并根据目标空间域和速度域波形估计出目标的位置和速度;进行航迹回溯并输出。本发明可以提高多帧积累后的信噪比增益,检测概率和参数估计精度。
Description
技术领域
本发明涉及目标检测技术领域,尤其涉及一种基于虚拟谱的弱目标检测前跟踪方法。
背景技术
目标的多样化和环境的复杂化,使现代雷达的探测能力面临巨大的挑战,微弱的目标检测问题就是其中之一。隐身技术的发展使飞行器的RCS(雷达反射截面积)缩小了一到两个数量级,目标反射回波大幅度减弱,雷达探测威力显著下降,导致防空网出现大面积空洞,给国家安全带来巨大威胁。另一方面,目标的飞行速度大幅度提高,使雷达预警时间急剧缩减。为此,需要雷达探测回波更微弱的远距离目标。此外,在强杂波环境(如山地,城市,海洋)中目标信杂比显著降低,需要雷达具备更强的微波目标检测能力。
检测前跟踪(TBD)是近年来针对低信噪比和低信杂比提出的新的检测跟踪技术。与传统的先检测后跟踪(DBT)的不同之处在于,TBD在单帧内并不进行门限检测处理,而是将雷达回波数据信息(包括信号强度,坐标位置信息等)数字化处理并存储起来,在多帧数据联合处理后,宣布检测结果并同时估计出目标航迹。
由于TBD技术单帧没有采用门限检测,保留了目标信息。此外,TBD技术通过多帧回波数据的联合处理,利用目标和背景(噪声和杂波)帧间位置相关性差异,实现目标回波能量的有效积累和背景的抑制。因此TBD具有目标检测性能高,航迹估计精度高,不需要改变雷达外部硬件结构等一系列的优点而受到越来越多的关注。
传统的速度滤波算法(Velocity Filtering,VF)在多帧积累后因为算法本身的积累特点,即由于每帧只使用一个目标回波所占单元用于积累,导致目标的能量积累不充分,且目标回波在多帧累加后发生严重变化,这会影响目标的信噪比增益和检测概率,同时也不能进一步对目标参数进行精确的估计。如果目标的真实位置在两个整数分辨单元中间时,传统的方法会导致目标能量不能积累到最大,从而影响系统性能。传统方法将位置和速度等参数估计在距离目标最近的整数分辨单元上,当目标不在整数分辨单元上时,误差很大。传统的方法在滤波器组设置上,只是考虑目标每帧都落在分辨单元上的情况,这与实际情况不符,因为目标不可能总是在分辨单元上,它会在分辨单元之间运动。
发明内容
本发明要解决的技术问题在于,针对现有技术中的至少一部分缺陷,提供一种基于虚拟谱的弱目标检测前跟踪方法。
为了解决上述技术问题,本发明提供了一种基于虚拟谱的弱目标检测前跟踪方法,包括以下步骤:
数据获取步骤、获取雷达回波数据,并得到目标单帧回波函数;
滤波器参数确定步骤、基于目标多帧积累的速度域包络得到速度分辨率,基于速度分辨率确定速度滤波器的数量;
虚拟谱构造步骤、对于每个速度滤波器,构造虚拟谱,所述虚拟谱的峰值为分辨单元的量测值,中心位置为该速度滤波器预测的最后一帧的目标位置;
强度累加步骤、对于每个速度滤波器,将该批次中各帧的虚拟谱的强度累加得到各个速度滤波器的多帧积累结果,并求取各个速度滤波器的峰值;
目标检测与参数估计步骤、根据预设的检测门限判断是否有速度滤波器的峰值超过检测门限,否则判断没有检测到目标,是则选择最大峰值的速度滤波器,记录最大峰值所在的位置单元及速度单元,并根据目标空间域和速度域波形估计出目标的位置和速度;
航迹回溯步骤、根据估计出的目标位置和目标速度进行航迹回溯并输出。
在上述基于虚拟谱的弱目标检测前跟踪方法中,优选地,根据目标的回波形状,构造与回波类似的虚拟谱,虚拟谱的峰值为分辨单元的量测值,通过构造的虚拟谱来进行多帧量测数据的积累。
在上述基于虚拟谱的弱目标检测前跟踪方法中,优选地,根据速度滤波器中假设的目标速度,预测最后一帧目标的位置,然后将离散化的虚拟谱的值累加到预测位置附近的分辨单元上。
在上述基于虚拟谱的弱目标检测前跟踪方法中,优选地,多帧积累后,超过检测门限的量测单元即为离目标真实位置或速度最近的分辨单元,这是目标位置和速度的粗略估计,然后根据目标空间域和速度域的波形对目标的位置和速度进行进一步的精确估计。
在上述基于虚拟谱的弱目标检测前跟踪方法中,优选地,通过目标速度域的波形,得到速度分辨率,通过速度分辨率来设置滤波器的宽度和数量,能用最少滤波器得到最佳滤波效果,减轻硬件的负担。
实施本发明的基于虚拟谱的弱目标检测前跟踪方法,具有以下有益效果:本发明通过构建虚拟谱进行多帧积累,可以提高多帧积累后的信噪比增益和检测概率,解决TBD现有算法中多帧积累后目标回波形状发生严重变形的问题,并对目标的参数(如位置、速度等)进行进一步的精确估计;另一方面,本发明可以解决传统VF算法在滤波器组设置上的问题,使能够用最少的速度滤波器实现最佳的性能,减轻硬件的负担。
附图说明
图1为根据本发明优选实施例的基于虚拟谱的弱目标检测前跟踪方法的流程图;
图2为目标回波的高斯点扩散模型;
图3表示虚拟谱积累的过程;
图4表示二阶多项式拟合的误差;
图5表示通过多项式拟合计算峰值位置的误差;
图6表示信噪比为8dB时的最后一帧回波平面;
图7表示信噪比为8dB时积累后目标最大峰值所在速度滤波器的空间域形状;
图8表示信噪比为8dB时一个与目标速度不匹配的速度滤波器的空间域波形;
图9表示信噪比为8dB时积累后目标峰值位置的速度域形状。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,为根据本发明优选实施例的基于虚拟谱的弱目标检测前跟踪方法的流程图。如图1所示,该方法包括以下步骤:
步骤S1:执行数据获取步骤,获取雷达回波数据,并得到目标单帧回波函数。
设雷达回波数据为zk,表示雷达第k帧的雷达回波数据,k=1,…,K,K表示为一个处理批次的积累帧数。雷达的回波数据平面是一个Nx*Ny的离散点迹平面,每一小格代表一个单位距离。这里考虑的目标回波模型是一个高斯点扩散模型,如图2所示,即目标回波占据了多个分辨单元,因此目标单帧回波函数可以表示为:
其中Ik表示单帧回波峰值强度,σ表示回波扩散程度,nx=1,…,Nx,ny=1,…,Ny,xk为第k帧的真实目标位置,其x维坐标为y维坐标为
步骤S2:执行滤波器参数确定步骤,基于目标多帧积累的速度域包络得到速度分辨率,基于速度分辨率确定速度滤波器的数量。
本发明方法的实现是基于结构相同的多个速度滤波器实现的。为了更好的覆盖目标的真实速度,同时减少滤波器组使用个数,单个速度滤波器的宽度可以由速度滤波器组的速度分辨率来确定,表示为:
其中:
式中,K为该处理批次中雷达回波数据的总帧数;fp表示目标单帧回波的峰值大小,f”xp和f”yp表示目标单帧回波函数在峰值处的二阶偏导数,用于确定速度维中速度的3dB宽度;σ为回波扩散程度;kx和ky分别为x和y方向上从一个单元到虚拟谱的峰值位置的距离,和分别为x和y方向上虚拟谱占用的分辨率单元的范围。
优选地,该步骤中通过以下公式确定速度滤波器的数量Nv:
其中,表示向上取整操作符号;(vmin,vmax)为目标的速度范围。
为了提高系统的效率,多个滤波器并行运算,缩短程序的运行时间。
步骤S3:执行虚拟谱构造步骤,对于每个速度滤波器,构造虚拟谱,该虚拟谱的峰值为分辨单元的量测值,中心位置为该速度滤波器预测的最后一帧目标位置。
在本方法中,假设目标的速度在积累的时间内是恒定不变的,并且空间分布是恒定的。本发明考虑目标可能出现在量测平面的任意位置。现在猜想目标在第k帧时出现在整数分辨单元(nx,ny)k上,nx=1,2,…,Nx,ny=1,2,…,Ny。由于本方法考虑目标的速度在一个积累批次内是恒定的,根据速度滤波器的假设速度预测出目标最后一帧的位置为(mx,my),1≤mx≤Nx,1≤my≤Ny,这里mx和my可以不是整数。然后以第k帧整数分辨单元(nx,ny)k的量测值zk(nx,ny)为峰值,以预测位置(mx,my)为中心构造一个与目标回波类似的虚拟谱。
优选地,虚拟谱构造步骤中构造的与目标回波形状相同的虚拟谱为:
其中,假设在第k帧整数分辨单元(nx,ny)k上存在目标能量;i=1,2,…,Nx,j=1,2,…,Ny,k=1,…,K,Nx和Ny分别为雷达回波数据平面中x维和y维的分辨单元数量;zk(nx,ny)为第k帧整数分辨单元(nx,ny)k的量测值;(mx,my)为该速度滤波器预测的最后一帧的目标位置,σ为回波扩散程度。
步骤S4:执行强度累加步骤,对于每个速度滤波器,将该批次中各帧的虚拟谱的强度累加得到各个速度滤波器的多帧积累结果,并求取各个速度滤波器的峰值;
构造完所需的虚拟谱后,将所构造虚拟谱的强度累加到预测位置(mx,ny)附近的若干分辨单元上,如图3所示。然后以此,对一个批次的后续帧做相同的处理。则批次处理后一个速度滤波器的多帧积累结果即该速度滤波器的空域积累平面可以表示为:
式中,L表示一个批处理后的空域积累平面,zk(nx,ny)表示第k帧单元(nx,ny)的量测值,rx和ry为第k帧图像中实际的目标位置;Nx和Ny分别为雷达回波数据平面中x维和y维的分辨单元数量;和表示一个速度滤波器的假设速度,k=1,…,K,K为该批次中雷达回波数据的总帧数。
找出每个速度滤波器输出的最大峰值,然后在这些峰值中搜索出最大的峰值,此峰值位置即为与目标位置最近的单元位置,该峰值所在的滤波器的假设速度即为与目标真实速度最近的假设速度。然后将所有滤波器中该最大峰值位置的幅度值及滤波器的假设速度组成一个三维矩阵,该矩阵即为滤波器的速度域平面,可以表示为:
其中,
c3=K.Qp.fp (14)
目前已有的TBD算法技术只考虑每帧一个分辨单元用于积累,即对目标的能量进行积累时只考虑了目标回波最大的一个分辨单元。本发明提出通过构造目标的回波虚拟谱实现多帧的积累,即考虑目标回波的多个分辨单元用于多帧的积累,实现目标能量积累的最大化。
步骤S5:执行目标检测与参数估计步骤,根据预设的检测门限判断是否有速度滤波器的峰值超过检测门限,否则判断没有检测到目标,是则选择最大峰值的速度滤波器,记录最大峰值所在的位置单元及速度单元,并估计出目标的位置和速度。
具体地,该步骤中设置虚警率pfa恒定的检测门限VT,判断是否有值函数的峰值大于检测门限。如果没有超过检测门限的峰值,则判断没有检测到目标;如果有峰值超过门限,选择最大峰值,记录下最大峰值所在的位置单元以及速度单元,得到目标的多帧积累后一个空间波形和速度维波形。然后根据空间波形估计出目标的位置,根据速度维波形估计出目标的速度。
1、位置估计
优选地,该步骤S5中通过以下公式估计出目标的位置:
其中:
式中,ln(.)表示取以e为底的对数,η由公式(7)确定,表示多帧积累后最大峰值的位置单元,和分别表示x维次大峰值单元和y维的次大峰值单元,很明显目标位置的x维坐标在和之间,y维坐标在和之间,且bx=by=±1,其正负号分别根据x维和y维的最大峰值和次大峰值的单元位置确定,dx表示x维中最大峰值位置到目标位置的距离,dx与bx符号相同,dy表示y维中最大峰值位置到目标位置的距离,dy与by符号相同; 分别表示式(21)和(22)H(dx)和H(dy)的二阶多项式拟合系数。H(dx)和H(dy)的拟合系数分别计算。和总是小于等于0,再根据表1的多项式拟合系数,可以看出等式(17)和(18)总是有实数解。由于H(dx)和H(dy)的表达式相同,为了描述地方便,后续仅以H(dx)为代表进行有关的说明。
2、速度估计:
优选地,该步骤S5中通过以下公式估计出目标的速度:
其中:
表示多帧积累后最大峰值的所在的速度滤波器的假设速度,和分别表示速度域中x维次大峰值所在的速度单元和y维的次大峰值所在的速度单元,很明显目标速度x维中在和之间,y维坐标在和之间,且ux=uy=±|Δvμ|,其正负号分别根据速度域中x和y维的最大峰值和次大峰值的单元位置确定;Δvμ为速度分辨率;s为速度滤波器的速度域函数,c1和c2分别为速度域函数的参数。
传统的VF、DP等诸多TBD算法由于使用单个分辨单元来实现多帧的积累,破坏了积累后的目标回波波形,不利于目标参数的精确估计。我们的方法使用虚拟谱来实现多真的积累,在提高了目标积累后的信噪比的同时,保持了良好的信号回波波形,利于目标参数的精确估计。
步骤S6:执行航迹回溯步骤,根据估计出的目标位置和目标速度进行航迹回溯并输出。优选地,该航迹回溯步骤中根据估计出的第K帧的目标位置和估计出的目标速度回溯出该批处理中前K-1帧的目标位置。
本发明通过实验对上述方法进行了验证。表1表示多项式的拟合系数;表2表示目标真是速度和估计出的速度;表3表示目标真实航迹点和精确估计后回溯出的航迹点坐标。图4表示二阶多项式拟合的误差;图5表示通过多项式拟合计算峰值位置的误差;图6表示信噪比为8dB时的最后一帧回波平面;图7表示信噪比为8dB时积累后目标最大峰值所在滤波器的空间域形状;图8表示信噪比为8dB时一个与目标速度不匹配的速度滤波器的空间域波形;图9表示信噪比为8dB时积累后目标峰值位置的速度域形状。
表1多项式拟合系数
表2真实速度和估计速度对比
表3真实航迹和精确估计后回溯的航迹坐标
上表1给出了σ=0.7情况下的H(dx)二阶多项式的拟合系数。图4和图5表示二阶多项式拟合的效果很好,误差只有10-4量级。图6是信噪比为8dB时的一个50*50的单帧回波平面,假设存在一个目标,目标初始位置(19.7,20.1),速度为(0.6,-0.7)(单位:距离/帧),积累帧数为8帧。对比图7和图8,当滤波器的假设速度和目标速度匹配时,目标的能量能够被很好的积累检测性能极佳,当不匹配时,目标的能量很难被积累。从表2和3可以看出,本发明具有非常优秀的跟踪和估值效果。
综上所述,本发明提出了一种新的基于构造虚拟谱的检测前跟踪方法,为解决传统检测前跟踪中多帧积累后目标回波形状被破坏,不能对目标参数做进一步精确的估计,目标能量不能完全积累,信噪比增益和检测概率不佳等问题开辟了一条新的道路。通过最少的滤波器实现最佳滤波效果,减轻硬件的负担。另外,不同的速度滤波器并行运算,降低了算法的运行时间。本发明具有以下特点:
1、构造类似于目标回波的虚拟谱,用虚拟谱来实现多帧的积累,使得目标回波形状得到很好的保持。
2、用占据多个分辨单元的目标回波虚拟谱来实现多帧积累,使得目标的能量充分积累,提高了积累后的信噪比,增加了目标被检测到的可能性
3、根据积累后的空间域和速度域的回波形状,精确地估计出目标的位置和速度。由于虚拟谱的使用,多帧积累后的回波形状保持良好,这样使得目标参数的精确估计得以继续,使得估计精度得到提高。
4、通过速度域波形得到速度分辨率,用速度分辨率来设置滤波器的宽度和数量,使得可以用最少的滤波器实现最佳滤波效果,减轻硬件的负担。
5、本发明可以采用CUDA或者MPI并行的编程实现,可以减少程序的运行时间,提高效率。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于虚拟谱的弱目标检测前跟踪方法,其特征在于,包括以下步骤:
数据获取步骤、获取雷达回波数据,并得到目标单帧回波函数;
滤波器参数确定步骤、基于目标多帧积累的速度域包络得到速度分辨率,基于速度分辨率确定速度滤波器的数量;
虚拟谱构造步骤、对于每个速度滤波器,构造虚拟谱,所述虚拟谱的峰值为分辨单元的量测值,中心位置为该速度滤波器预测的最后一帧的目标位置;
强度累加步骤、对于每个速度滤波器,将一个处理批次中各帧的虚拟谱的强度累加得到各个速度滤波器的多帧积累结果,并求取各个速度滤波器的峰值;
目标检测与参数估计步骤、根据预设的检测门限判断是否有速度滤波器的峰值超过检测门限,否则判断没有检测到目标,是则选择最大峰值的速度滤波器,记录最大峰值所在的位置单元及速度单元,并根据目标空间域和速度域波形估计出目标的位置和速度;
航迹回溯步骤、根据估计出的目标位置和目标速度进行航迹回溯并输出;
所述目标检测与参数估计步骤中通过以下公式估计出目标的位置:
其中:
式中,ln(·)表示取以e为底的对数,表示多帧积累后最大峰值的位置单元,和分别表示x维次大峰值单元和y维的次大峰值单元,且bx=by=±1,其正负号分别根据x维和y维的最大峰值和次大峰值的单元位置确定,dx表示x维中最大峰值位置到目标位置的距离,dx与bx符号相同,dy表示y维中最大峰值位置到目标位置的距离,dy与by符号相同;分别表示上述H(dx)和H(dy)的二阶多项式拟合系数;σ为回波扩散程度。
2.根据权利要求1所述的基于虚拟谱的弱目标检测前跟踪方法,其特征在于,所述滤波器参数确定步骤中通过以下公式确定速度滤波器的数量Nv:
其中,表示向上取整操作符号;(vmin,vmax)为目标的可能速度范围;
上式中,K为该处理批次中雷达回波数据的总帧数;fp表示目标单帧回波的峰值大小,f″xp和f″yp表示目标单帧回波函数在峰值处的二阶偏导数,用于确定速度域包络的3dB宽度;σ为回波扩散程度;kx和ky分别为x和y方向上从一个单元到虚拟谱的峰值位置的距离,和分别为x和y方向上的虚拟谱所占用的单元的范围。
3.根据权利要求2所述的基于虚拟谱的弱目标检测前跟踪方法,其特征在于,所述虚拟谱构造步骤中构造的与目标回波形状相同的虚拟谱为:
其中,假设在第k帧在整数分辨单元(nx,ny)k上存在目标能量;i=1,2,…,Nx,j=1,2,…,Ny,k=1,…,K,Nx和Ny分别为雷达回波数据平面中x维和y维的分辨单元数量;zk(nx,ny)为第k帧整数分辨单元(nx,ny)k的量测值;(mx,my)为该速度滤波器预测的最后一帧的目标位置,σ为回波扩散程度。
4.根据权利要求3所述的基于虚拟谱的弱目标检测前跟踪方法,其特征在于,所述强度累加步骤中各个速度滤波器的多帧积累结果表示为:
式中,L表示一个批处理后的空域积累平面,zk(nx,ny)表示第k帧单元(nx,ny)的量测值,rx和ry为第k帧图像中实际的目标位置;Nx和Ny分别为雷达回波数据平面中x维和y维的分辨单元数量;和表示一个速度滤波器的假设速度,k=1,…,K,K为该处理批次中雷达回波数据的总帧数。
5.根据权利要求1所述的基于虚拟谱的弱目标检测前跟踪方法,其特征在于,所述目标检测与参数估计步骤中通过以下公式估计出目标的速度:
其中:
表示多帧积累后最大峰值的所在的速度滤波器的假设速度,和分别表示速度域中x维次大峰值所在的速度单元和y维的次大峰值所在的速度单元,且ux=uy=±|Δvμ|,其正负号分别根据速度域中x和y维的最大峰值和次大峰值的单元位置确定;Δvμ为速度分辨率;s为速度滤波器的速度域函数,c1和c2分别为速度域函数的参数。
6.根据权利要求1所述的基于虚拟谱的弱目标检测前跟踪方法,其特征在于,所述数据获取步骤中得到的目标单帧回波函数为:
其中Ik表示单帧回波峰值强度,σ表示回波扩散程度,nx=1,…,Nx,ny=1,…,Ny,xk为第k帧的真实目标位置,其x维坐标为y维坐标为
7.根据权利要求1所述的基于虚拟谱的弱目标检测前跟踪方法,其特征在于,所述航迹回溯步骤中根据估计出的第K帧的目标位置和估计出的目标速度回溯出该处理批次中前K-1帧的目标位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984500.1A CN108802722B (zh) | 2018-08-28 | 2018-08-28 | 一种基于虚拟谱的弱目标检测前跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984500.1A CN108802722B (zh) | 2018-08-28 | 2018-08-28 | 一种基于虚拟谱的弱目标检测前跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108802722A CN108802722A (zh) | 2018-11-13 |
CN108802722B true CN108802722B (zh) | 2019-04-09 |
Family
ID=64080886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984500.1A Active CN108802722B (zh) | 2018-08-28 | 2018-08-28 | 一种基于虚拟谱的弱目标检测前跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108802722B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109407703A (zh) * | 2018-12-13 | 2019-03-01 | 广州极飞科技有限公司 | 无人机及其控制方法和装置 |
WO2020172859A1 (zh) * | 2019-02-28 | 2020-09-03 | 深圳市大疆创新科技有限公司 | 毫米波雷达的测角方法、设备及存储介质 |
CN110007299B (zh) * | 2019-04-16 | 2020-02-11 | 哈尔滨工业大学 | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 |
CN112703421B (zh) * | 2019-05-24 | 2021-12-03 | 华为技术有限公司 | 回波信号处理方法、装置、系统及存储介质 |
CN110161494B (zh) * | 2019-05-30 | 2020-05-29 | 哈尔滨工业大学 | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 |
CN110954895B (zh) * | 2019-12-13 | 2020-11-17 | 哈尔滨工业大学 | 一种基于复伪谱的速度滤波检测前跟踪方法 |
CN111736146B (zh) * | 2020-07-03 | 2022-06-21 | 哈尔滨工业大学 | 一种基于速度滤波的双基地检测前跟踪方法及装置 |
CN111796267B (zh) * | 2020-07-14 | 2022-05-06 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN113514823B (zh) * | 2021-04-25 | 2022-06-17 | 哈尔滨工业大学 | 一种基于伪谱的多模型机动目标检测前跟踪方法 |
CN113341391B (zh) * | 2021-06-01 | 2022-05-10 | 电子科技大学 | 基于深度学习的未知环境下雷达目标多帧联合检测方法 |
CN116660859B (zh) * | 2023-07-28 | 2023-10-31 | 深圳市速腾聚创科技有限公司 | 调频连续波激光雷达的信号处理方法、装置及可移动设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107479089A (zh) * | 2017-09-08 | 2017-12-15 | 中国舰船研究设计中心 | 一种新型功率检波器 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6036257B2 (ja) * | 2012-12-17 | 2016-11-30 | 株式会社デンソー | Fmcwレーダ装置 |
CN104155633B (zh) * | 2014-08-12 | 2017-01-25 | 西安电子科技大学 | 一种非正侧视双基地mimo雷达的杂波抑制方法 |
CN105282247B (zh) * | 2015-10-27 | 2018-10-26 | 中国人民解放军军械工程学院 | 基于分布式雷达告警接收机仿真系统的信号传输方法 |
-
2018
- 2018-08-28 CN CN201810984500.1A patent/CN108802722B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107479089A (zh) * | 2017-09-08 | 2017-12-15 | 中国舰船研究设计中心 | 一种新型功率检波器 |
Also Published As
Publication number | Publication date |
---|---|
CN108802722A (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN107038717B (zh) | 一种基于立体栅格自动分析3d点云配准误差的方法 | |
CN103439697B (zh) | 基于动态规划的目标检测方法 | |
CN103792532B (zh) | 一种单脉冲高精度测角系统及其测角方法 | |
CN106017475B (zh) | 一种航迹更新方法及装置 | |
CN108333569A (zh) | 一种基于phd滤波的异步多传感器融合多目标跟踪方法 | |
CN107656265A (zh) | 针对多帧检测前跟踪短航迹的粒子滤波融合方法 | |
CN105761276B (zh) | 基于迭代ransac自适应新生目标强度估计的gm-phd多目标跟踪方法 | |
CN109917378A (zh) | 利用时空关联的VideoSAR运动目标检测方法 | |
CN107576959B (zh) | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
CN105093196B (zh) | 基于逆伽马纹理复合高斯模型下的相干检测方法 | |
CN107229084B (zh) | 一种自动识别,跟踪并预测对流系统目标的方法 | |
CN110058222B (zh) | 一种基于传感器选择的双层粒子滤波检测前跟踪方法 | |
CN109946694A (zh) | 基于随机有限集的圆周sar多目标跟踪方法 | |
CN107742113B (zh) | 一种基于目标数量后验的sar图像集群目标检测方法 | |
CN110161494B (zh) | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 | |
CN110501671A (zh) | 一种基于测量分配的目标跟踪方法及装置 | |
CN109523575A (zh) | 红外弱小目标检测方法 | |
CN106468771A (zh) | 一种低可观测高杂波条件下的多目标检测与跟踪方法 | |
CN106291498A (zh) | 一种基于粒子滤波的检测跟踪联合优化方法 | |
CN106295674B (zh) | 一种基于多粒子群算法的图像目标匹配检测方法及系统 | |
CN107346020A (zh) | 一种用于异步多基地雷达系统的分布式批估计融合方法 | |
CN110208806A (zh) | 一种航海雷达图像降雨识别方法 |
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 |