CN108957420B - 一种基于数据点合并的调频连续波雷达目标参数估计方法 - Google Patents
一种基于数据点合并的调频连续波雷达目标参数估计方法 Download PDFInfo
- Publication number
- CN108957420B CN108957420B CN201810816752.3A CN201810816752A CN108957420B CN 108957420 B CN108957420 B CN 108957420B CN 201810816752 A CN201810816752 A CN 201810816752A CN 108957420 B CN108957420 B CN 108957420B
- Authority
- CN
- China
- Prior art keywords
- points
- merging
- core
- point
- target
- 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
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
- G01S7/41—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
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
本发明提供了一种基于数据点合并的调频连续波雷达目标参数估计方法。其输入是回波信号三维特征数据点的栅格坐标值,输出是估计到的各目标的栅格坐标值。输出栅格坐标值所对应的距离,速度和方位即为目标参数估计值。根据数据点产生机理,本发明把相邻数据点合并为一个目标点,合并处理后的结果可以作为下一轮合并处理的输入数据进行再次合并。本发明能够区分参数间距很小的目标,从而正确判定目标数目并提高距离,速度和方位的估计精度。
Description
技术领域
本发明涉及调频连续波(FMCW)雷达目标参数的估计技术领域,特别涉及通过对调频连续波雷达回波信号三维特征的数据点进行合并来判断目标的个数和估计目标距离,速度和方位参数的方法。
背景技术
回波信号的三维特征是调频连续波雷达目标参数估计的基础。具体地说,对某一个方位角度的多个扫频周期的回波差频信号做二维快速傅立叶频谱分析(即距离FFT和多普勒FFT),每个功率尖峰值所对应的栅格坐标点,即距离和多普勒采样点,用栅格坐标及功率值表示,就是一个数据点。所有数据点就构成了一个栅格数据平面。所有方位角度下的数据平面就构成了回波信号的三维特征(即数据立方体)。现有调频连续波雷达参数估计通常采用聚类算法,就是把满足一定要求的数据点归为一组,每一组代表一个目标,数据组数判定为目标个数。把同一组数据点取平均后所对应的距离,速度和方位就是目标参数的估计值。
在数据立方体中,每一维的数据都是在一定采样率下的采样结果。当目标参数(距离,速度或方位)不是正好在采样点时,一个目标在相邻2个或更多的采样点上都会有功率。其它因素比如FFT频谱泄漏以及射频波束的旁瓣也会造成一个目标产生多个数据点的情况。通过聚类算法把数据点分组的处理方法存在着缺陷。首先,一个数据点可能是由多个雷达目标贡献的。而聚类是把数据点划分为噪声点或者组点。 也就是说一个数据点最多只能属于一个组。这和一个数据点可以属于多个组(目标)的实际情况不符,其结果是参数估计误差的增大。更为严重的缺陷是,由于上述数据点产生机理,多个相邻目标的数据点会相互重叠连接,聚类算法会把这些相互重叠连接的点归为一组,没有能力把它们拆散为多个组。导致多个目标被判定为一个目标,严重影响目标分辨力。
发明内容
本发明的目的在于克服上述现有技术的不足,提供一种基于数据点合并的调频连续波雷达目标参数估计方法,其旨在解决现有技术中目标个数判定不准确、参数估计误差大等技术问题。
本发明的技术方案如下, 一种基于数据点合并的调频连续波雷达目标参数估计方法,包含以下步骤:
获取原始回波信号,提取回波信号的三维特征(即数据立方体)。其中,栅格坐标(kx, ky, kz)表示数据立方中的一个数据,这里kx, ky,和kz均为整数。栅格坐标(kx,ky),(kx,kz)表示数据立方体某一截面的二维数据。
平面模式:对数据立方进行二维分割的方式。比如x-y平面模式为对每一个kz值沿x-y平面截取。x-z平面模式为对每一个ky值沿x-z平面截取。
设定阈值minPts,如果坐标为(kx, ky, kz)的数据点P在x轴, y轴和z轴上距离分别为KX, KY, KZ范围内如果共有minPts个数据点(包括P自身)存在,则定义P为核心点。KX,KY, KZ为大于等于0的整数。默认值为KX=KY=KZ = 1。minPts为大于0的整数, 其默认值为1(此时每个数据点都为核心点)。核心点可以在每一轮合并处理时重新定义。设定合并轮次为N,二维合并实施场景下,对每个二维平面做二维合并(对平面内所有核心点做一次合并)的次数。 三维合并实施场景下,数据立方做三维合并(对立方内所有核心点做一次合并)的次数。
选取平面模式1,获取该平面模式下的某一层二维数据平面,设定核心点的条件,判断哪些数据点为核心点,非核心点的数据点即为噪声点。
将平面模式1下的某一层二维数据进行初次合并,合并相邻核心点得到目标点,相邻核心点经过一轮或多轮合并后的结果为目标点,同样由其栅格坐标值表示。并且定义目标点功率值为合并为该点的所有核心点的功率之和或平均。
如果坐标值为(kx1, ky1)的核心点P1和坐标值为(kx2, ky2)的核心点P2满足:
|kx1 – kx2|<=1 并且 |ky1 – ky2|<=1
则定义P1和P2互为初次合并相邻核心点。二维初次合并的方法可以选择如下具体方式(详见表1):
1)对称点(偶数点)的合并:目标点为参加合并核心点的几何中心。见表1 (a),(b), (c), (d), (e);
2)非对称点(奇数点)的合并:目标点kx(或ky)为所有参加合并核心点kx(或ky)最小值+0.5。见表1 (f), (g), (h), (i)。这种合并方式保证了目标点为0.5的整数倍;
3)只保留有所有相邻核心点参加的合并,非此情况的两两点的合并被取消。这样的合并方式保证了目标点间的距离最多在一个轴(kx或ky)上相差小于或等于0.5,不可能同时在两个轴上相差小于或等于0.5;
4)一个核心点参加到与相邻核心点的多个合并中,这符合一个数据点可以由多个雷达目标产生的机理。
对得到的目标点数据进行功率门限处理,删除其功率小于门限值的目标点。功率门限的设置可以按每10倍距离40分贝衰减。
如果合并轮数进行完毕或者合并结果和上一次合并结果一样,进行下一个平面的合并处理。
对功率门限处理后保留的所有目标点栅格坐标值加倍(扩展),得到新栅格数据,即:
kx = 2kx; ky = 2ky
这样做的目的是使新栅格数据为整数,这些新栅格数据作为再合并的输入数据。
进一步,设定核心点的条件,判断确定哪些数据点是核心点,该步骤默认设置为每个数据点均为核心点。
二维新栅格数据的再合并,合并相邻核心点得到目标点。如果坐标值为(kx1,ky1)的核心点P1和坐标值为(kx2, ky2)的核心点P2满足:
|kx1 – kx2|<=2 并且 |ky1 – ky2|<=2
则P1和P2互为再合并相邻核心点。
初次合并的方法和扩展处理方法保证了再合并时栅格数据点的间距最多在一个方向(kx或ky)上小于或等于1,不可能同时在两个方向上小于或等于1。二维再合并准则见表2,并具体说明如下:
1)如果参加合并的核心点的几何中心为整数,则目标点为这些核心点的几何中心;
2)如果参加合并的核心点的几何中心在一轴或二轴上为非整数,则目标点kx(或ky)为所有参加合并核心点kx(或ky)最小值+1。这样的合并准则保证了目标点为整数;
3)只保留有所有相邻核心点参加的合并,非此情况的两两点的合并被取消。这样的合并准则保证了目标点的间距最多在一个方向(kx或ky)上小于或等于1,不可能同时在两个方向上小于或等于1;
4)一个核心点参加到与相邻核心点的多个合并中,这符合一个数据点可以由多个目标产生的机理。
功率门限处理,删除其功率小于门限值的目标点。功率门限的设置可以按每10倍距离40分贝衰减。
对功率门限处理后保留的所有目标点数值除以2(压缩),即:
kx = kx/2; ky = ky/2。
该步骤为前述扩展操作的抵偿。
复位合并轮数N为初始值。判断是否对所确定平面模式的所有平面都做了合并处理。
判断是否完成平面模式1的合并。
确定另外一个与平面模式1不同的平面模式2。比如,如果平面模式1为x-y模式,则平面模式2可选择x-z模式或y-z模式。设置合并轮数N。此时的数据点为平面模式1合并后的各平面目标点集合。
平面模式2合并后的各平面目标点集合,即为最终确定的目标点。这些目标点的(kx, ky, kz)值即为目标在数据立方中的栅格坐标值,其对应的距离,速度和方位即为目标参数估计值。
进一步的,本发明提供的方法还可以直接对数据立方做三维合并处理。其处理方法包括合并准则由前述二维合并方法变换得到。这时数据点和参加合并的核心点为三维(kx, ky, kz)数据。因此,相关操作包括扩展(乘2)/压缩(除2)处理是针对kx,ky和kz。如,在三维数据初次合并时,合并相邻核心点得到目标点。如果坐标值为(kx1, ky1, kz1)的核心点P1和坐标值为(kx2, ky2, kz2)的核心点P2满足:
|kx1 – kx2|<=1 并且 |ky1 – ky2|<=1 并且 |kz1 – kz2|<=1
则P1和P2互为初次合并相邻核心点。三维数据初次合并准则如下:
1)对称点的合并:目标点为参加合并核心点的几何中心;
2)非对称点的合并:目标点kx(或ky或kz)为所有参加合并核心点kx(或ky或kz)最小值+0.5;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
三维再合并。合并相邻核心点得到目标点。定义:如果数值为(kx1, ky1,kz1)的核心点P1和数值为(kx2, ky2, kz2)的核心点P2满足:
|kx1 – kx2|<=2 并且 |ky1 – ky2|<=2 并且 |kz1 – kz2|<=2
则P1和P2互为再合并相邻核心点。三维数据再合并准则为:
1)如果参加合并的核心点的几何中心为整数,则目标点为这些核心点的几何中心;
2)如果参加合并的核心点的几何中心在一轴,二轴或三轴上为非整数,则目标点kx(或ky或kz)为所有参加合并核心点kx(或ky或kz)最小值+1;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
本发明的有益效果:与现有技术相比,本发明提供了一种基于数据点合并的目标参数估计方法。其输入是所有数据点的栅格坐标值,输出是各目标的栅格坐标值,其对应的距离,速度和方位即为目标参数估计值。本发明根据上述数据点产生机理,把相邻数据点合并为一个目标点,合并处理后的结果可以作为下一轮合并处理的输入数据进行再次合并。合并处理的轮数是方法的一个参数,该参数根据信号参数和目标回波特性决定。具体地说根据一个目标可能产生的数据点数确定。
本发明的有益效果是,能够区分参数间距很小的目标,从而正确判定目标数目和提高距离,速度和方位参数的估计精度。
附图说明
下面结合附图和具体实施方式对本发明进一步说明。
图1为本发明针对的雷达回波信号数据立方示意图;比如,该数据可以是各雷达波束指向下的二维(距离和多普勒)FFT结果功率尖峰对应的栅格坐标值和功率值,也可以是这些二维FFT结果再经过信号检测(比如恒虚警CFAR)处理后信号点对应的栅格坐标值和功率值。数据点都在栅格上并且由栅格坐标值(kx, ky,kz)表示。这里kx,ky和kz均为整数。
图2为数据立方某一截面(x-y平面)的二维示意图。图中圆点表示数据点。数据点都在栅格上并且由栅格坐标(kx, ky)表示。这里kx和ky均为整数。
图3为本发明二维合并实施方法流程示意图。
图4为二维初次合并准则。
图5举例说明二维初次合并效果。图中圆点表示数据点,“X”表示目标点。
图6为二维再合并准则。
图7举例说明二维再合并效果。图中圆点表示数据点,“X”表示目标点。
图8为本发明三维合并实施方法流程示意图。
具体实施方式
为使本发明的目的、技术方法和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
实施例一:
参阅图1-7,本发明实施例提供本发明提供的一种基于数据点合并的目标参数估计方法。如图3所示,该方法由二个平面模式下的合并构成。
步骤101,确定平面模式1,合并将对如此分割的所有平面进行。在以下合并方式的说明中,仅以x-y平面模式为例。设置合并轮数N。
步骤102,取所确定的平面模式下的一个二维数据平面,定义核心点的要求,确定哪些数据点是核心点。
步骤103,二维数据初次合并。合并相邻核心点得到目标点。定义:如果数值为(kx1, ky1)的核心点P1和数值为(kx2, ky2)的核心点P2满足:
|kx1 – kx2|<=1 并且 |ky1 – ky2|<=1
则P1和P2互为初次合并相邻核心点。二维初次合并准则见表1和图4,并具体说明如下:
1)对称点(2点或4点)的合并:目标点为参加合并核心点的几何中心。见表1 (a),(b), (c), (d), (e)及图4中的标号(a), (b), (c), (d), (e);
2)非对称点(3点)的合并:目标点kx(或ky)为所有参加合并核心点kx(或ky)最小值+0.5。见表1 (f), (g), (h), (i)及图4中的标号 (f), (g), (h), (i)。这样的合并准则保证了目标点为0.5的整数倍;
3)只保留有所有相邻核心点参加的合并。比如图4中的标号(e)-(i)中,两两点的合并被取消。这样的合并准则保证了目标点间的距离最多在一个轴(x或y)上相差小于或等于0.5,不可能同时在两个轴上相差小于或等于0.5;
4)一个核心点参加到与相邻核心点的多个合并中,这符合一个数据点可以由多个雷达目标产生的机理。
表1 二维初次合并准则
核心点坐标 | 目标点坐标 | 图4标号 |
(kx,ky),(kx+1, ky) | (kx+0.5, ky) | (a) |
(kx,ky),(kx, ky+1) | (kx, ky+0.5) | (b) |
(kx,ky),(kx+1, ky+1) | (kx+0.5, ky+0.5) | (c) |
(kx,ky+1),(kx+1, ky) | (kx+0.5, ky+0.5) | (d) |
(kx,ky),(kx+1, ky), (kx, ky+1), (kx+1, ky+1) | (kx+0.5, ky+0.5) | (e) |
(kx,ky),(kx+1, ky), (kx, ky+1) | (kx+0.5, ky+0.5) | (f) |
(kx, ky), (kx+1, ky), (kx+1, ky+1) | (kx+0.5, ky+0.5) | (g) |
(kx, ky), (kx, ky+1), (kx+1, ky+1) | (kx+0.5, ky+0.5) | (h) |
(kx+1, ky), (kx, ky+1), (kx+1, ky+1) | (kx+0.5, ky+0.5) | (i) |
步骤104,功率门限处理。删除其功率小于门限值的目标点。功率门限的设置可以按每10倍距离40分贝衰减。该处理为选项。
步骤105, 如果合并轮数进行完毕或者合并结果和上一次合并结果一样,进行下一个平面的合并处理。
步骤106,对步骤104保留的所有目标点坐标值加倍(扩展),得到新的栅格数据,即
kx = 2kx; ky = 2ky
这样做的目的是使新栅格数据为整数。这些目标点作为再合并的输入数据点。
步骤107,定义核心点的要求,确定哪些数据点是核心点。该步骤默认设置为每个数据点均为核心点。
步骤108,二维再合并。合并相邻核心点得到目标点。定义:如果数值为(kx1, ky1)的核心点P1和数值为(kx2, ky2)的核心点P2满足:
|kx1 – kx2|<=2 并且 |ky1 – ky2|<=2
则P1和P2互为再合并相邻核心点。
步骤103的初次合并准则和步骤106的扩展处理保证了再合并时栅格数据点的间距最多在一个方向(kx或ky)上小于或等于1,不可能同时在两个方向上小于或等于1。这时相邻数据点的分布为图6所示的9种情况或其对称分布。他们至少在一个轴上的距离为2。二维再合并准则见表2和图6,并具体说明如下:
1)如果参加合并的核心点的几何中心为整数,则目标点为这些核心点的几何中心(见表2和图6中的标号(a),(c),(e)和(i));
2)如果参加合并的核心点的几何中心在一轴或二轴上为非整数,则目标点之kx(或ky)为所有参加合并核心点kx(或ky)最小值+1。这样的合并准则保证了目标点为整数;
3)只保留有所有相邻核心点参加的合并。比如图6中的标号(f)-(i)中,两两点的合并被取消。这样的合并准则保证了目标点的间距最多在一个方向(kx或ky)上小于或等于1,不可能同时在两个方向上小于或等于1;
4)一个核心点参加到与相邻核心点的多个合并中,这符合一个数据点可以由多个目标产生的机理。
表2 二维再合并准则
核心点坐标 | 目标点坐标 | 图6标号 |
(kx,ky),(kx, ky+2) | (kx, ky+1) | (a) |
(kx+1,ky),(kx, ky+2) | (kx+1, ky+1) | (b) |
(kx+2,ky),(kx, ky+2) | (kx+1, ky+1) | (c) |
(kx+2,ky),(kx, ky+1) | (kx+1, ky+1) | (d) |
(kx,ky),(kx+2, ky) | (kx+1, ky) | (e) |
(kx,ky),(kx+1, ky), (kx, ky+2) | (kx+1, ky+1) | (f) |
(kx, ky), (kx+2, ky), (kx, ky+2) | (kx+1, ky+1) | (g) |
(kx, ky), (kx+2, ky+1), (kx, ky+2) | (kx+1, ky+1) | (h) |
(kx, ky), (kx+2, ky), (kx, ky+2), (kx+2, ky+2) | (kx+1, ky+1) | (i) |
步骤109,功率门限处理。删除其功率小于门限值的目标点。功率门限的设置可以按每10倍距离40分贝衰减。该处理为选项。
步骤110,对步骤109保留的所有目标点坐标值除以2(压缩),即
kx = kx/2; ky = ky/2。
该步骤为步骤106的抵偿。
步骤111, 复位合并轮数N为初始值。
步骤112, 判断是否对所确定平面模式的所有平面都做了合并处理。
步骤113, 判断是否已经完成2个平面模式的合并。
步骤114, 确定与平面模式1不同的平面模式2。比如,如果平面模式1为x-y模式,则平面模式2可选择x-z模式或y-z模式。设置合并轮数N。此时的数据点为平面模式1合并后的各平面目标点集合。
步骤115,平面模式2合并后的各平面目标点集合即为最终确定的目标点。这些目标点的(kx, ky, kz)值即为目标在数据立方中的栅格坐标值。其对应的距离,速度和方位即为目标参数估计值。
实施例二:
本发明提供的第二种实施方法是直接对数据立方栅格数据做三维合并处理。图8为该方法流程示意图。其处理方法包括合并准则由前述二维合并方法直接推广而来。这时数据点和参加合并的核心点为三维(kx, ky, kz)数据。因此,步骤206/步骤210的扩展/压缩处理是针对kx,ky和kz。
步骤203,三维初次合并。合并相邻核心点得到目标点。定义:如果数值为(kx1,ky1, kz1)的核心点P1和数值为(kx2, ky2, kz2)的核心点P2满足:
|kx1 – kx2|<=1 并且 |ky1 – ky2|<=1 并且 |kz1 – kz2|<=1
则P1和P2互为初次合并相邻核心点。三维初次合并准则如下:
1)对称点的合并:目标点为参加合并核心点的几何中心;
2)非对称点的合并:目标点kx(或ky或kz)为所有参加合并核心点kx(或ky或kz)最小值+0.5;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
步骤208,三维再次合并。合并相邻核心点得到目标点。定义:如果数值为(kx1,ky1,kz1)的核心点P1和数值为(kx2, ky2, kz2)的核心点P2满足:
|kx1 – kx2|<=2 并且 |ky1 – ky2|<=2 并且 |kz1 – kz2|<=2
则P1和P2互为再合并相邻核心点。三维再合并准则为:
1)如果参加合并的核心点的几何中心为整数,则目标点为这些核心点的几何中心;
2)如果参加合并的核心点的几何中心在一轴,二轴或三轴上为非整数,则目标点之kx(或ky或kz)为所有参加合并核心点kx(或ky或kz)最小值+1;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
本发明提供了一种基于数据点合并的目标参数估计方法。根据数据点产生机理,通过一轮或多轮的数据点合并,判定出目标个数和估计目标参数。本发明能够区分参数间距很小的目标,从而正确判定目标数目并提高距离,速度和方位的估计精度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于数据点合并的调频连续波雷达目标参数估计方法,其特征在于,所述参数估计方法包含以下步骤,获取回波信号,对回波信号进行频谱分析得到其三维特征栅格数据;
步骤101,确定平面模式1,设置合并轮数N;
步骤102,获取所述平面模式1下所述栅格数据中的一个二维数据,定义核心点的数据,进行所述核心点判断;
步骤103,进行二维数据的初次合并,合并相邻所述核心点得到目标点;若坐标值为(kx1, ky1)的核心点P1和坐标值为(kx2, ky2)的核心点P2满足:
|kx1 – kx2|<=1 并且 |ky1 – ky2|<=1;
则P1和P2互为初次合并相邻核心点;
步骤104,进行功率门限处理,删除其功率小于门限值的所述目标点;
步骤105, 进行判断,若合并轮数进行完毕或者合并结果和上一次合并结果一样,进行下一个平面的合并处理;
步骤106,对步骤104保留的所有所述目标点坐标值乘以二,得到新栅格数据;
步骤107,将所述新栅格数据作为再合并的输入数据,定义核心点的条件,判断核心点;
步骤108,二维数据的再合并,合并相邻核心点得到目标点;若数值为(kx1, ky1)的核心点P1和数值为(kx2, ky2)的核心点P2满足:
|kx1 – kx2|<=2 并且 |ky1 – ky2|<=2;
则P1和P2互为再合并相邻核心点;
步骤109,功率门限处理,删除其功率小于门限值的目标点;
步骤110,对步骤109保留的所有目标点坐标值除以2,该步骤为步骤106的抵偿;
步骤111,复位合并轮数N为初始值;
步骤112,判断是否对所确定平面模式的所有平面都做了合并处理,如果是,则进入步骤113,如果否,则返回步骤102;
步骤113,判断是否已经完成2个平面模式的合并,如果是,则进入步骤115,如果否,则进入步骤114;
步骤114,确定与平面模式1不同的平面模式2,设置合并轮数N;此时的数据点为所述平面模式1合并后的各平面目标点集合;
步骤115,所述平面模式2合并后的各平面目标点集合即为最终确定的目标点;这些目标点的(kx, ky, kz)值即为目标在数据立方中的栅格坐标值,这些栅格坐标值对应的距离,速度和方位即是目标参数的估计。
2.根据权利要求1所述的估计方法,其特征在于,所述二维数据的初次合并如下所述:
1)对称点的合并,所述对称点为2个点或4个点:目标点为参加合并核心点的几何中心;
2)非对称点的合并,所述非对称点为3个点:目标点kx或ky为所有参加合并核心点kx或ky最小值+0.5;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
3.根据权利要求1所述的估计方法,其特征在于,所述二维数据的再合并如下所述:
1)如果参加合并的核心点的几何中心为整数,则目标点为这些核心点的几何中心;
2)如果参加合并的核心点的几何中心在一轴或二轴上为非整数,则目标点kx或ky为所有参加合并核心点kx或ky的最小值+1;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
4.一种基于数据点合并的调频连续波雷达目标参数估计方法,其特征在于,所述参数估计方法包含以下步骤,获取回波信号,对回波信号进行频谱分析得到其三维特征的栅格数据;
步骤201,设置合并轮数N;
步骤202,定义三维数据核心点的条件,进行核心点判断;
步骤203,进行三维数据的初次合并,合并相邻核心点得到目标点;若坐标值为(kx1,ky1,kz1)的核心点P1和数值为(kx2, ky2,kz2)的核心点P2满足:
|kx1 – kx2|<=1, |ky1 – ky2|<=1 并且 |kz1 – kz2|<=1;
则P1和P2互为初次合并相邻核心点;
步骤204,进行功率门限处理,删除其功率小于门限值的目标点;
步骤205,进行判断,若合并轮数进行完毕或者合并结果和上一次合并结果一样,则合并结束;否则进入步骤206;步骤206,对步骤204保留的所有目标点坐标值乘以2,得到新栅格数据;
步骤207,将所述新栅格数据作为再合并的输入数据,定义核心点的条件,判断核心点;
步骤208,三维数据的再合并,合并相邻核心点得到目标点;若数值为(kx1, ky1, kz1)的核心点P1和数值为(kx2, ky2, kz2)的核心点P2满足:
|kx1 – kx2|<=2 , |ky1 – ky2|<=2 并且 |kz1 – kz2|<=2;
则P1和P2互为再合并相邻核心点;
步骤209,功率门限处理,删除其功率小于门限值的目标点;
步骤210,对步骤209保留的所有目标点坐标值除以2,该步骤为步骤206的抵偿,返回步骤205;
步骤211,合并完毕;合并结果目标点集合即为最终确定的目标点;这些目标点的(kx,ky, kz)值即为目标在数据立方中的栅格坐标值,其对应的距离,速度和方位即为目标参数估计值。
5.根据权利要求4所述的估计方法,其特征在于,所述三维数据的初次合并如下所述:
1)对称点的合并:目标点为参加合并核心点的几何中心;
2)非对称点的合并:目标点kx、ky或kz为所有参加合并核心点kx、ky或kz的最小值+0.5;
3)只保留有所有相邻核心点参加的合并;
4) 一个核心点参加到与相邻核心点的多个合并中。
6.根据权利要求4所述的估计方法,其特征在于,所述三维数据的再合并如下所述:
1)如果参加合并的核心点的几何中心为整数,则目标点为这些核心点的几何中心;
2)如果参加合并的核心点的几何中心在一轴,二轴或三轴上为非整数,则目标点kx、ky或kz为所有参加合并核心点kx、ky或kz的最小值+1;
3)只保留有所有相邻核心点参加的合并;
4)一个核心点参加到与相邻核心点的多个合并中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810816752.3A CN108957420B (zh) | 2018-07-24 | 2018-07-24 | 一种基于数据点合并的调频连续波雷达目标参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810816752.3A CN108957420B (zh) | 2018-07-24 | 2018-07-24 | 一种基于数据点合并的调频连续波雷达目标参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108957420A CN108957420A (zh) | 2018-12-07 |
CN108957420B true CN108957420B (zh) | 2020-12-11 |
Family
ID=64463240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810816752.3A Active CN108957420B (zh) | 2018-07-24 | 2018-07-24 | 一种基于数据点合并的调频连续波雷达目标参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108957420B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112526474B (zh) * | 2020-11-23 | 2022-05-27 | 哈尔滨工程大学 | 基于全相位傅里叶变换的fmcw雷达距离速度联合估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7986397B1 (en) * | 2008-04-30 | 2011-07-26 | Lockheed Martin Coherent Technologies, Inc. | FMCW 3-D LADAR imaging systems and methods with reduced Doppler sensitivity |
JP2010197263A (ja) * | 2009-02-26 | 2010-09-09 | Furuno Electric Co Ltd | レーダ装置 |
CN106056098B (zh) * | 2016-06-23 | 2019-07-02 | 哈尔滨工业大学 | 一种基于类别合并的脉冲信号聚类分选方法 |
-
2018
- 2018-07-24 CN CN201810816752.3A patent/CN108957420B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108957420A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101887120B (zh) | 一种用于单波束机械扫描雷达测量目标方位角的方法 | |
CN108872977B (zh) | 基于单通道超宽带雷达的生命体双站协同探测方法 | |
CN108919193A (zh) | 一种基于序列片段挖掘的参数捷变雷达信号分选方法 | |
CN110146873B (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
CN109856636B (zh) | 曲线合成孔径雷达自适应三维成像方法 | |
CN113569958B (zh) | 激光点云数据聚类方法、装置、设备及介质 | |
CN109655819B (zh) | 一种基于实孔径多普勒波束锐化的杂波抑制三维成像方法 | |
CN111708022A (zh) | 毫米波雷达的扫描区域边界的计算方法及装置 | |
CN113267754A (zh) | 一种基于三维网格的地形遮挡雷达探测范围计算方法 | |
CN108957420B (zh) | 一种基于数据点合并的调频连续波雷达目标参数估计方法 | |
CN113189562B (zh) | 一种基于高程的地形探测算法 | |
CN113408504A (zh) | 基于雷达的车道线识别方法、装置、电子设备及存储介质 | |
KR102185307B1 (ko) | Sar 영상의 객체 응답 초해상도화 방법 및 객체 응답 초해상도화 장치 | |
CN109581350B (zh) | 基于时频积分插值的雷达测距测速方法及装置 | |
CN109239677B (zh) | 一种环境自适应恒虚警检测门限确定方法 | |
CN108037488B (zh) | 一种非均匀环境空时样本选择方法 | |
CN116299195A (zh) | 一种基于toa序列相关度的雷达信号处理方法 | |
CN116359921A (zh) | 基于加速轨迹双基前视合成孔径雷达的快速时域成像方法 | |
CN107037434B (zh) | 基于和差波束单脉冲测角的成像方法 | |
TW202030496A (zh) | 訊號處理方法 | |
CN112986989B (zh) | 基于遗传算法的正交相位编码信号抑制距离模糊的方法 | |
WO2023004629A1 (zh) | 激光雷达抗干扰方法、装置、可读存储介质及终端设备 | |
CN108983192B (zh) | 基于gps辐射源的雷达运动目标参数估计方法 | |
KR101748077B1 (ko) | 바이스태틱 표적식별을 위한 데이터베이스 구축방법, 구축된 데이터베이스를 이용한 바이스태틱 표적식별장치 및 바이스태틱 표적식별방법 | |
CN113671477B (zh) | 一种基于图信号处理的雷达目标距离估计方法 |
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 |