CN109061589A - 随机跳频雷达的目标运动参数估计方法 - Google Patents
随机跳频雷达的目标运动参数估计方法 Download PDFInfo
- Publication number
- CN109061589A CN109061589A CN201810736112.1A CN201810736112A CN109061589A CN 109061589 A CN109061589 A CN 109061589A CN 201810736112 A CN201810736112 A CN 201810736112A CN 109061589 A CN109061589 A CN 109061589A
- Authority
- CN
- China
- Prior art keywords
- frequency
- vector
- target
- difference
- frequency hopping
- 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
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
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种随机跳频雷达的目标运动参数估计方法,解决了现有测速方案积累时间过长、计算量大、抗噪性能差的问题。主要步骤是:设计发射随机跳频信号的波形参数并接收目标回波;数字信号预处理;慢时间采样向量预处理;构造差频向量组;构造多普勒域广义傅里叶变换矩阵组;广义多普勒变换与非相参处理;运动补偿处理;距离维相参积累和去冗余处理,得到多个距离门中目标正确的一维距离像。本发明由目标回波构造了一组维度递减的差频向量,并对各个差频向量分别做广义多普勒处理,在非相参积累后的广义多普勒谱中即可读出目标径向速度的估计值。本发明需要的积累时间短,计算量小,抗噪性能好,用于随机跳频雷达的目标探测与脉冲积累。
Description
技术领域
本发明属于雷达信号处理技术领域,涉及目标运动参数估计,具体是一种随机跳频雷达的目标运动参数估计方法,适用于干扰环境下,雷达发射随机跳频信号时的目标探测与脉冲积累。
背景技术
雷达对抗是电子对抗的一个重要组成部分,频率捷变技术是当前实现频域抗干扰的有效措施;频率捷变技术是指单个发射信号的载频随着时间以随机或者预定的方式在较宽的频带内作较大范围的捷变,具有抗干扰、低截获的能力。
随机跳频信号作为一种典型的频率捷变信号,在具有抗干扰能力的同时还具有距离维高分辨能力,一经提出便获得了极大的关注。但随机跳频信号作为一种多普勒敏感信号,在做目标距离维相参处理时,需要获得目标准确的径向速度信息作为运动补偿参数,否则会导致一维距离像错乱和能量泄露。
传统的随机跳频信号运动补偿中,目标的运动参数往往由目标跟踪模块给出,这会增大系统的复杂度。随机跳频雷达中,在没有跟踪模块的情况下仅通过随机跳频信号的目标回波来测得目标的径向速度是随机跳频雷达领域中的研究热点。
通过积累多组随机跳频信号,并对各组信号中的同频脉冲进行处理来完成目标测速的方法,但这会导致一次相参积累时间的增大,影响系统的实时性。
通过最小熵值法,即遍历补偿并对一组目标的一维距离像设置熵值代价函数的方法,可以实现利用单组随机跳频信号完成目标径向速度估计,但这种方法计算量过大,抗噪性能较差且无法测得一个距离门内多个目标各自的径向速度。
近来,随着压缩感知理论在雷达信号处理中的应用,利用基于压缩感知的二维检索算法可实现利用单组随机跳频信号完成目标速度估计,且在一个距离门内存在多目标情况下依然适用,但压缩感知中的稀疏恢复算法依赖于信号的稀疏性且抗噪性能较差,因此这种方法的稳健性不高。
在随机跳频雷达中,得到目标的运动参数信息是完成目标探测的基础,在系统复杂度低且相参积累时间较小的情况下,如何利用单组随机跳频信号稳健地完成目标运动参数估计是随机跳频雷达迫切需要解决的问题。
发明内容
针对上述现有随机跳频信号目标运动参数估计方法的不足,本发明提出一种相参积累时间短且抗噪性能较好的随机跳频雷达的目标运动参数估计方法。
本发明是一种随机跳频雷达的目标运动参数估计方法,其特征在于,包括有如下步骤:
步骤1,设计随机跳频信号波形参数并接收目标回波:选定随机跳频信号的波形参数,在波形参数中设计N点优化随机跳频信号跳频码向量L,发射一组该随机跳频信号并将接收到的一组完整的目标回波信号输入至接收机采样单元,根据子脉冲调频参数选定合适的快时间采样频率对回波信号进行采样,得到一组随机跳频信号目标回波的快时间采样结果,并将其输入至数字信号预处理模块;
步骤2,数字信号预处理:根据随机跳频信号子脉冲调频参数设计匹配滤波器,对一组随机跳频信号目标回波的快时间采样结果中各个子脉冲的快时间采样结果分别做脉冲压缩处理,之后将一组随机跳频信号目标回波的脉冲压缩结果输入至慢时间采样单元,以脉冲重复间隔Tr为采样间隔进行慢时间采样,得到目标对应距离门的N维慢时间采样向量S,N维慢时间采样向量S中各元素即为一组随机跳频信号回波中N个频率不同的子脉冲的单点采样值,将慢时间采样向量S输入到慢时间采样向量预处理模块;
步骤3,慢时间采样向量预处理:首先根据设计的波形参数中的随机跳频信号跳频码向量L对慢时间采样向量S中的各个元素按其对应子脉冲的频率从小到大进行排序,得到N维依频率重排后的慢时间采样向量S',将S'输入到运动参数估计模块中的差频处理部分来构造差频向量组;
步骤4,构造差频向量组:对依频率重排后的慢时间采样向量S',根据随机跳频信号中不同的子脉冲之间的频率差iΔf对其中各个对应的元素对做共轭相乘处理,处理后得到对应的差频向量Ei,个维度递减的差频向量共同组成差频向量组,差频向量E1,E2,E3...,EN/2的维度分别为1×(N-1),1×(N-2),1×(N-3),...,1×N/2,将该差频向量组输入至运动参数估计模块中的广义多普勒域处理部分;
步骤5,构造多普勒域广义傅里叶变换矩阵组:根据波形参数计算得到该组随机跳频信号的无模糊测速范围,在无模糊测速范围内等间隔地选取W点,构造W维速度检索向量v,再结合波形参数构造个行数递增、列数相同的广义傅里叶变换矩阵Φi 共同组成多普勒域广义傅里叶变换矩阵组,输入至运动参数估计模块中的广义多普勒域处理部分;
步骤6,广义多普勒变换与非相参处理:根据差频向量组以及广义傅里叶变换矩阵组,进行多普勒域广义傅里叶变换处理,计算得到幅广义多普勒谱Hi 将这幅广义多普勒谱做非相参积累处理,得到旁瓣抑制后的清晰的目标多普勒谱H'并从中获得目标径向速度的估计值将该估计值输入至目标距离维处理模块;
步骤7,运动补偿处理:在目标距离维处理模块中,根据目标径向速度的估计值以及波形参数来完成运动补偿,即将依频率重排后的慢时间采样向量中各个元素的速度相位项消除,得到运动补偿后的依频率重排的慢时间采样向量;
步骤8,距离维相参积累和去冗余处理:通过对运动补偿后的依频率重排的慢时间采样向量进行快速逆傅里叶变换做出目标所在距离门上的一维距离像,再通过舍弃法对多个距离门拼接后得到一维距离像进行去冗余处理,得到多个距离门上的正确距离像,完成随机跳频雷达的目标探测与脉冲积累。
本发明利用一组随机跳频信号进行目标运动参数估计的方法,可在较大的无模糊范围内完成目标运动参数估计,不需要雷达的其他模块提供目标的先验信息且具有计算量小的特点,且在一个距离门中存在多个目标的情况下依然适用。
本发明与现有技术相比有以下优点:
1.相对于多组随机跳频信号同频测速方法,本发明方法只需一组随机跳频信号,在差频域进行多普勒处理并估计目标径向速度,因此无需积累同频脉冲进行多普勒处理,具有相参积累时间短且测速无模糊范围大的优点。
2.相对于最小熵值法通过设置距离像熵值代价函数的测速方法,本发明方法不需要进行对数计算,因此具有计算量小的特点;本发明方法通过差频处理并利用非相参积累后的广义多普勒谱进行测速,在一个距离门内存在多个速度不同的目标时,可以测得多个目标各自的径向速度,这是最小熵值法所不具备的。
3.相对于基于压缩感知的二维检索方法,本发明方法中不涉及稀疏恢复算法,因此抗噪性能较好;对目标回波信号的稀疏性没有要求,且不需要回波信号的稀疏度作为先验信息,因此还具有适用范围广的优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的随机跳频雷达目标运动参数估计方法的流程示意图;
图2为本发明提供的随机跳频雷达目标运动参数估计方法的系统框图;
图3为本发明方法步骤6产生的N/2幅广义多普勒谱的其中三幅;
其中,图3(a)为广义多普勒谱H1,图3(b)为广义多普勒谱H16,
图3(c)为广义多普勒谱H32;
图4为本发明方法步骤6中产生的非相参积累后的广义多普勒谱H',并在图中标记出了应用本发明方法得到的目标径向速度估计值
图5为本发明方法步骤7中利用目标径向速度估计值完成对依频率重排后的慢时间采样向量的运动补偿,在通过步骤8进行距离维处理得到的目标一维距离像结果;
图6为本发明方法、最小熵值法和基于压缩感知的二维检索方法的测速误差随接收机输出信噪比变化的对比曲线图;
图7为当一个距离门中存在两个速度不同的目标时,本发明方法步骤6产生非相参积累后的广义多普勒谱H'。
具体实施方式
下面将结合附图和实施例对本发明中的技术方案进行清楚、完整地描述:
实施例1
随机跳频信号的多普勒敏感性使得随机跳频雷达对目标回波做距离维处理之前必须测得目标的径向速度作为运动补偿参数,这使得随机跳频雷达中目标运动参数估计显得尤为重要。考虑到现有的多组随机跳频信号运动参数估计需要的积累时间过长,单组随机跳频信号运动参数估计方法计算量大和抗噪性能差的问题,本发明提供了一种利用单组随机跳频完成目标测速的方法,具有相参积累时间短、计算量小且抗噪性能较好的优点。
本发明是一种随机跳频雷达的目标运动参数估计方法,方法的执行过程中涉及雷达发射机,接收机数字信号处理单元,数字信号处理单元运动参数估计模块和距离维处理模块。参见图2,雷达系统包括有发射机和接收机,接收机中有快时间采样单元和数字信号处理单元,数字信号处理单元中有数字信号预处理模块、慢时间采样向量预处理模块、目标运动参数估计模块和目标距离维处理模块。
发射机发射随机跳频信号后,接收机将接收到的一组随机跳频信号目标回波输入至雷达接收机快时间采样单元,再将快时间采样后的数字信号输入至数字信号处理单元,再经数字信号处理单元中的数字信号预处理模块得到目标回波的慢时间采样向量,将该结果出入至慢时间采样向量预处理模块,得到依频率重排后的慢时间采样向量,将其输入至运动参数估计模块,本发明中,运动参数估计模块中包括差频处理部分和广义多普勒处理域处理部分,经运动参数估计模块后,即可将该模块得到的目标运动参数,将其作为目标运动补偿参数输入至目标距离维处理模块,进行距离维处理,完成随机跳频雷达的目标探测与脉冲积累。
本发明的随机跳频雷达的目标运动参数估计方法,参见图1,包括有如下步骤:
步骤1,设计随机跳频信号波形参数并接收目标回波:选定随机跳频信号的波形参数,在波形参数中设计N点优化随机跳频信号跳频码向量L,即一组随机跳频信号中发射N个频率不同的子脉冲,跳频顺序由跳频码向量L决定,发射一组该随机跳频信号,参加图2,经过接收机接收的一组完整的目标回波信号输入至接收机快时间采样单元,根据波形参数中的子脉冲调频参数选定合适的快时间采样频率对回波信号进行采样,得到一组随机跳频信号目标回波的快时间采样结果,已将模拟的回波信号转换为数字信号,并将其输入至数字信号预处理模块。
本发明选定随机跳频信号的波形参数,先设基础载频为fc,子脉冲时宽为Tp,脉冲重复间隔为Tr,频率步进量为Δf,子脉冲调频带宽为B',单组随机跳频信号子脉冲个数为N,N维优化随机跳频信号跳频码向量为L;发射一组该随机跳频信号并将一组完整的目标回波信号输入至接收机快时间采样单元,根据子脉冲调频带宽B'选定合适的快时间采样频率fs对回波信号进行采样,将接收的目标回波快时间采样结果输入至数字信号预处理模块。本发明中根据子脉冲调频参数选定合适的快时间采样频率对回波信号进行采样,其中,合适的采样频率指大于二倍的子脉冲带宽。
步骤2,数字信号预处理:根据步骤1中随机跳频信号子脉冲调频参数设计匹配滤波器,匹配滤波器对一组随机跳频信号目标回波的快时间采样结果中各个子脉冲的快时间采样结果分别做脉冲压缩处理,以提升回波信噪比,之后将一组随机跳频信号目标回波的脉冲压缩结果输入至慢时间采样单元,以波形参数中的脉冲重复间隔Tr为采样间隔进行慢时间采样,得到目标对应距离门的N维慢时间采样向量S,N维慢时间采样向量S中各元素即为一组随机跳频信号回波中N个频率不同的子脉冲的单点采样值,将慢时间采样向量S输入到慢时间采样向量预处理模块。
步骤3,慢时间采样向量预处理:慢时间采样向量S中的各个元素是一组随机跳频信号目标回波中各个频率子脉冲的单点采样值,步骤1中设计的随机跳频信号跳频码向量L中包含了慢时间采样向量S中的各个元素所对应的子脉冲的频率信息,在目标运动参数估计模块中,首先根据步骤1中设计的随机跳频信号跳频码向量L对慢时间采样向量S中的各个元素按其对应子脉冲的频率从小到大进行排序,得到N维依频率重排后的慢时间采样向量S',输入到运动参数估计模块中的差频处理部分来构造差频向量组。
步骤4,构造差频向量组:N个子脉冲之间的频率差可能值为mΔf,m=1,2,3,...,N-1,取mΔf中的前个,对依频率重排后的慢时间采样向量S',根据随机跳频信号中不同的子脉冲之间的频率差iΔf对频率差iΔf中各个对应的元素对做共轭相乘处理,处理后得到对应的差频向量Ei,个维度递减的差频向量共同组成差频向量组,差频向量E1,E2,E3,...,EN/2的维度分别为1×(N-1),1×(N-2),1×(N-3),...,1×N/2,各个差频向量中的多普勒信息是随机排布且频域稀疏的,将该差频向量组输入至运动参数估计模块中的广义多普勒域处理部分;参与多普勒域广义傅里叶变换处理。
由于依频率重排后的慢时间采样向量S'中的各个元素中同时包含了不同的目标速度相位项和速度相位项,不便于多普勒处理,因此本发明采用构造差频向量组的方式来消除目标距离相位带来的影响,差频向量Ei的各个元素中均有相同的目标距离相位项,可进行通过广义傅里叶变换的方式进行多普勒处理,又因依频率重排后的慢时间采样向量S'中各个元素是按对应子脉冲发射频率由小到大排序的,可方便地得到差频向量组。
步骤5,构造多普勒域广义傅里叶变换矩阵组:本发明利用单组随机跳频信号完成目标径向估计,根据波形参数计算得到一组随机跳频信号的无模糊测速范围,将无模糊测速范围内的速度值进行细分为W点,具体是在无模糊测速范围内等间隔地选取W点,构造W维速度检索向量v,再结合波形参数构造个行数递增、列数相同的广义傅里叶变换矩阵Φi 共同组成多普勒域广义傅里叶变换矩阵组,输入至运动参数估计模块中的广义多普勒域处理部分;参与多普勒域广义傅里叶变换处理。
由于各个频率信号发射顺序的随机性,步骤4中得到的各个差频向量中的多普勒信息是随机排布且频域稀疏的,利用传统FFT的方法不能得到各个差频向量的多普勒谱,因此本发明针对各个差频向量的信号形式,分别构造多普勒域广义傅里叶变换矩阵,来得到各个差频向量的广义多普勒谱。
步骤6,广义多普勒变换与非相参处理:根据步骤4对回波信号处理得到的差频向量组以及步骤5处理得到的广义傅里叶变换矩阵组,进行多普勒域广义傅里叶变换处理,计算得到幅广义多普勒谱Hi 参见图3,将这幅广义多普勒谱做非相参积累处理,得到旁瓣抑制后的清晰的目标多普勒谱H'并从中获得目标径向速度的估计值完成了目标运动参数的估计,参见图5,将该估计值输入至目标距离维处理模块中进行目标回波运动补偿处理,以便得到目标的一维距离像;利用广义傅里叶变换得到的幅广义多普勒谱Hi 均可在目标对应的径向速度处形成主瓣,但由于差频向量E1,E2,E3,…EN/2的频域稀疏性以及优化跳频码的随机性,幅广义多普勒谱的主瓣周围均会存在较高的旁瓣,参见图3;考虑幅广义多普勒谱的旁瓣均是随机波动且不相关的,因此本发明采用对幅广义多普勒谱做非相参处理的方式来抑制旁瓣,得到的非相参积累后的目标多普勒谱H'有旁瓣水平低且主瓣清晰的特点,参见图4。
步骤7,运动补偿处理:在目标距离维处理模块中,根据目标的运动速度的估计值以及波形参数来完成运动补偿,即将依频率重排后的慢时间采样向量中各个元素的速度相位项消除,以消除目标运动对距离维相参积累带来的影响,补偿后即可对该结果进行距离维相参积累处理;本发明提供的随机跳频雷达目标运动参数估计方法的无模糊测速范围为当目标相对雷达的径向速度在此范围内时,利用本发明提供的测速方法均可精确精确测得目标径向速度,满足随机跳频雷达距离维处理所要求的运动补偿要求。
步骤8,距离维相参积累和去冗余处理:消除依频率重排后的慢时间采样向量中各个元素的速度相位项后,通过快速逆傅里叶变换IFFT做出目标所在距离门上的一维距离像,再通过舍弃法对多个距离门拼接后得到一维距离像进行去冗余处理,得到多个距离门上的正确距离像,参见图5,完成随机跳频雷达的目标探测与脉冲积累;依频率重排后的慢时间采样向量S'中各个元素是按对应子脉冲发射频率由小到大排序的,因此距离维不再需要广义傅里叶逆变换进行处理,可通过计算量更小的IFFT处理得到目标的一维距离像,得到目标的散射点强度即距离信息。
本发明利用一组随机跳频信号进行目标运动参数估计的方法,可利用单组随机跳频信号在较大的无模糊范围内完成目标运动参数估计,具有计算量小、抗噪性能较好的特点,且在一个距离门中存在多个目标的情况下可以测得各目标的径向速度。
实施例2
随机跳频雷达的目标运动参数估计方法同实施例1,步骤3中所述的慢时间采样向量预处理,由步骤2所得到的慢时间采样向量S=[s0,s1,s2,...,sN-1]中各个元素是对各个频率不同的子脉冲的单点采样值,且S中各个元素的是按各元素对应子脉冲的发射时间先后进行排序的,这里先将向量S中各元素按子脉冲发射频率由小到大重新排序,得到依频率重排后的1×N维慢时间采样向量S',有S'=[s0',s1',s2',...,sN-1'],步骤1中所设计的N点优化跳频编码向量L中包含了慢时间采样向量S中各个元素所对应的子脉冲的频率信息,设L=[l0,l1,l2,...,lN-1],有:
S'(lk)=S(k+1)
其中,k=0,1,2,...,N-1。
依频率重排后的慢时间采样向量S'中各个元素是按对应子脉冲发射频率由小到大排序的,利用向量S'可以方便地编程得到差频向量组;且在利用本发明方法步骤6得到的目标径向速度估计值对S'进行运动补偿后,可以利用计算量更小快速算法IFFT完成距离维处理。
实施例3
随机跳频雷达的目标运动参数估计方法同实施例1-2,步骤4中所述的构造差频向量组,包括有如下步骤:
(4a)选定要构造的差频向量个数以及设定各个差频向量对应的频率差:考虑设N个子脉冲之间的频率差可能值为mΔf,m=1,2,3,...,N-1,取mΔf中的前个组成的维差频值向量Df,设为有:
dfi=iΔf
其中,Δf为波形参数中的频率步进量;则要构造个差频向量,设第i个差频向量为Ei,则其对应频率差为dfi,
(4b)通过共轭相乘得到差频向量:依频率重排后的慢时间采样信号S'的各个元素是各个频率不同的子脉冲的单点采样值,对依频率重排后的慢时间采样信号S'中对应子脉冲之间频率差为dfi的元素对分别进行共轭相乘处理,可知,频率差为dfi的子脉冲共有N-i对,设个维度递减的差频向量为E1,E2,E3,…EN/2,其中,1×N-1维向量E1对应频率差为df1,1×N-2维向量E2对应频率差为df2,1×N-3维向量E3对应频率差为df3.....1×N/2维向量EN/2对应频率差为记a*为标量a的共轭值,对依频率重排后的慢时间采样信号S'中对应子脉冲之间频率差为dfi的元素对分别进行共轭相乘处理,得到个维度递减的差频向量E1,E2,E3,...,EN/2:
式中,s0'*为元素s0'的共轭值。
(4c)构造差频向量组:个维度递减的差频向量E1,E2,E3,...,EN/2共同组成差频向量组。
本发明处理得到的差频向量Ei中的各个元素拥有共同的距离相位项:
其中,Δf为频率步进量,R为目标相对于雷达的径向速度,c为光速;即构造的差频向量组中的各个差频向量不受距离相位项的影响,可进一步对Ei进行多普勒域处理。
本发明构造了差频向量组,进而对差频向量组中的各个差频向量做多普勒处理,由于差频向量中个各元素有相同的距离相位项和不同的速度相位项,可用广义多普勒处理的方式来得到各个差频向量对应的广义多普勒谱,在一个距离门内存在多个速度不同的目标时,各幅广义多普勒谱均可在目标对应的径向速度处形成主瓣。
实施例4
随机跳频雷达的目标运动参数估计方法同实施例1-3,步骤5中所述的多普勒域广义傅里叶变换矩阵组的构造,包括有如下步骤:
(5a)构造速度检索向量:由多普勒测速原理可知,在单组随机跳频信号模型下,雷达无模糊测速范围为:其中,fc为一组随机跳频信号的基础载频,Tr为脉冲重复间隔。
设对个维度递减的差频向量E1,E2,E3,…EN/2均做W点广义傅里叶变换,即在无模糊测速范围中,等间隔地取W点,得到速度检索向量v,即有:
其中,
(5b)针对步骤4中的得到的个维度递减的差频向量E1,E2,E3,…EN/2,分别构造广义傅里叶变换矩阵:
(N-1)×W维广义傅里叶变换矩阵Φ1,
(N-2)×W维变换矩阵Φ2,
(N-3)×W维变换矩阵Φ3,
......
维变换矩阵
按照跳频编码L=[l0,l1,l2,…lN-1],设1×N维向量F为广义傅里叶变换矩阵定义中的中间变量,设n=[0,1,2,…,N-1],令F(lk)=n(k+1),k=0,1,2,...,N-1,则(N-i)×W维矩阵的各个元素定义为:
其中,p=1,2,…,N-i,q=1,2,...,W。
本发明方法中的多普勒处理是在差频域进行的,每个差频向量中的各元素都有共同的距离相位项,可以对各个差频向量分别进行多普勒处理;但由于各个频率子脉冲发射顺序的随机性会导致差频向量中的目标速度相位是随机且稀疏的,利用传统FFT的方法不能完成对各差频向量的多普勒处理,因此本发明首先细分无模糊测速范围,再根据差频向量中目标速度相位项的形式,分别构造多普勒域广义傅里叶变换矩阵,再通过各个差频向量对应多普勒域广义傅里叶变换矩阵来计算得到各个差频向量的广义多普勒谱。
实施例5
随机跳频雷达的目标运动参数估计方法同实施例1-4,步骤6中所述的广义傅里叶变换与非相参积累,包括有如下步骤:
(6a)通过广义傅里叶变换得到各个差频向量的广义多普勒谱:设广义傅里叶变换得到的个1×W维广义多普勒谱为H1,H2,H3,...,根据步骤4中构造的差频向量组和步骤5中得到的多普勒域广义傅里叶变换矩阵组,有:
即通过广义傅里叶变换得到了个差频向量E1,E2,E3,...,EN/2分别对应的广义多普勒谱H1,H2,H3,...,
(6b)广义多普勒谱的非相参积累:由于差频向量E1,E2,E3,...,EN/2的频域稀疏性以及优化跳频码的随机性,广义多普勒谱H1,H2,H3,...,中均存在随机波动的旁瓣和栅瓣,本发明通过非相参积累处理来对其进行抑制,得到目标更为清晰的多普勒谱H',设非相参积累后的广义多普勒谱为1×W维向量H',则有:
其中,w=1,2,3,...,W。
(6c)获得目标径向速度估计值非相参积累后的广义多普勒谱H'的峰值处对应的多普勒频率即为目标运动而产生的多普勒频率,由此即可得到目标运动速度的估计值
当一个距离门内存在多个速度不同的目标时,向量H'中存在多个峰值,由各个峰值对应的多普勒频率可分别求得各个目标相对雷达的径向速度。
在本步中利用广义傅里叶变换得到的幅广义多普勒谱Hi 均可在目标对应的径向速度处形成主瓣,但因为差频向量中的目标速度相位是随机且稀疏的,因此幅广义多普勒谱主瓣周围均会存在较高的旁瓣,又因为差频向量组中的差频向量Ei的维度是递减的,随着差频向量Ei维度的减小,其对应的广义多普勒谱Hi中的旁瓣是逐渐抬高的,参见图3;维度考虑幅广义多普勒谱的旁瓣均是随机波动且不相关的,因此本发明采用对幅广义多普勒谱做非相参处理的方式来抑制旁瓣,得到清晰的非相参积累后的广义多普勒谱,参见图4。
下面给出一个更加完整和详尽的例子,对本发明进一步说明:
实施例6
随机跳频雷达的目标运动参数估计方法同实施例1-5,
步骤1,设计随机跳频信号波形参数并接收目标回波。设计随机跳频信号波形参数,首先选定跳频的频带范围(fc~fc+B)以及频率步进量Δf,以Δf等间隔地将频带范围(fc~fc+B)分为N个发射频点,N即为一组随机跳频信号中包含的子脉冲个数,在本发明所述的方法中N必须为2的整数次幂,既有约束条件:
再由Costas编码理论设计一组N点Costas编码作为优化随机跳频信号跳频码向量L,L=[l0,l1,l2,...,lN-1],有:
lk=αk modq
其中,k=0,1,2,,...,N-1,q=N+1,α=log2(N-1),即一组随机跳频信号中发射N个频率不同的子脉冲,跳频顺序由跳频码向量L决定。
根据雷达性能需求选定随机跳频信号脉冲重复间隔Tr、子脉冲宽度Tp、子脉冲调频带宽B',为避免随机跳频信号距离维处理得到的一维距离像中“鬼像”问题的出现,这里必有:
B'≥Δf
按跳频码L=[l0,l1,l2,...,lN-1]的顺序依次发射载频不同的线性调频子脉冲,即第k+1个发射子脉冲的载频为fc+lkΔf,k=0,1,2,...,N-1。
发射脉冲后,接收目标回波信号,直至完整接收到的一组完整的目标回波信号,选定采样频率fs对其进行快时间采样,这里需有:
fs≥B'
快时间采样后,得到目标回波的快时间采样信号r(k)。
步骤2,数字信号预处理。包括有如下步骤:
(2a)脉冲压缩处理:根据发射随机跳频信号子脉冲的调频斜率以及快时间采样频率fs设计线性调频子脉冲的匹配滤波器h(k):
通过时域卷积的方式对目标回波的快时间采样信号r(η)进行脉冲压缩处理,得到一组随机跳频信号目标回波的脉冲压缩结果m(η):
m(η)=r(η)*h(η)
式中,*表示卷积运算。
(2b)慢时间采样:以为慢时间采样频率得到一组随机跳频信号目标回波的脉冲压缩结果的慢时间采样向量S,设目标对应距离门的脉压信号中,第k(k=0,1,2,...,N-1)个压缩子脉冲峰值采样点为sk,即为第k个子脉冲的慢时间采样值,一组随机跳频信号共有N个子脉冲,对N个子脉冲脉压信号分别采样,即可得到1×N维慢时间采样向量S=[s0,s1,s2,…sN-1],将该向量输入到慢时间采样向量S以及波形参数输入到目标运动参数估计模块中参与估计目标速度块。
步骤3,由步骤2所得到的慢时间采样向量S=[s0,s1,s2,…sN-1]中的各个元素的是按各元素对应子脉冲的发射时间先后进行排序的,这里先将向量S中各元素按子脉冲发射频率由小到大重新排序,得到依频率重排后的1×N维慢时间采样向量S',有S'=[s0',s1',s2',…sN-1'],步骤1中所设计的N点优化跳频编码向量L中包含了慢时间采样向量S中各个元素所对应的子脉冲的频率信息,设L=[l0,l1,l2,...,lN-1],有:
S'(lk)=S(k+1)
其中,k=0,1,2,...,N-1。
步骤4,所述的构造差频向量组,包括有如下步骤:
(4a)考虑N-1个子脉冲频差的可能值mΔf,m=1,2,3,...,N-1,取mΔf中的前个组成的维频差向量,设为即有:
dfi=iΔf
其中,Δf为波形参数中的频率步进量;
(4b)对慢时间采样信号S'中对应子脉冲频率频差为dfi的元素对进行共轭相乘处理,可知,频差为dfi的子脉冲共有N-i对,设个维度递减的差频向量为E1,E2,E3,…EN/2,其中,1×N-1维向量E1对应频差为df1,1×N-2维向量E2对应频差为df2,1×N-3维向量E3对应频差为df3.....1×N/2维向量EN/2对应频差为记a*为标量a的共轭值,即有:
可知差频向量Ei中的各个元素拥有共同的距离相位项:
其中,R为目标相对于雷达的径向距离,c为光速;即构造的差频向量组中的各个差频向量Ei不受距离相位项的影响,可进一步对Ei进行多普勒域处理。
步骤5,多普勒域广义傅里叶变换矩阵组的构造,包括有如下步骤:
(5a)由多普勒测速原理可知,在单组随机跳频信号模型下,雷达无模糊测速范围为:其中,fc为一组随机跳频信号的基础载频,Tr为脉冲重复间隔;
设对个维度递减的差频向量E1,E2,E3,…EN/2均做W点广义傅里叶变换,即将无模糊测速范围内的速度检索细分为W点,设速度检索向量为:
其中,
(5b)针对步骤4中的得到的个维度递减的差频向量E1,E2,E3,…EN/2,分别构造广义傅里叶变换矩阵:
(N-1)×W维广义傅里叶变换矩阵Φ1,
(N-2)×W维变换矩阵Φ2,
(N-3)×W维变换矩阵Φ3,
......
维变换矩阵
按照跳频编码L=[l0,l1,l2,…lN-1],设1×N维向量F为广义傅里叶变换矩阵定义中的中间变量,设n=[0,1,2,…N-1],令F(lk)=n(k+1),k=0,1,2,...,N-1,则(N-i)×W维矩阵的各个元素定义为:
其中,p=1,2,...,N-i,q=1,2,...,W。
步骤6,广义傅里叶变换与非相参积累。包括有如下步骤:
(6a)广义傅里叶变换:设广义傅里叶变换得到的个1×W维广义多普勒谱为H1,H2,H3,…根据步骤4中构造的差频向量组和步骤5中得到的多普勒域广义傅里叶变换矩阵组,即有:
(6b)广义多普勒谱的非相参积累:由于差频向量E1,E2,E3,…EN/2的频域稀疏性以及优化跳频码的随机性,广义多普勒谱H1,H2,H3,…HN/2中存在随机波动的旁瓣和栅瓣,这里通过非相参积累来对其抑制,得到目标更为清晰的多普勒谱,设非相参积累后的广义多普勒谱为1×W维向量H',则有:
其中,w=1,2,…,W;
(6c)获得目标径向速度估计值向量H'的峰值处对应的多普勒频率即为目标运动而产生的多普勒频率,由此即可得到目标运动速度的估计值
当一个距离门内存在多个速度不同的目标时,向量H'中存在多个峰值,由各个峰值对应的多普勒频率可分别求得各个目标相对雷达的径向速度。
由于信号的稀疏性以及优化跳频码的随机性,广义多普勒谱H1,H2,H3,…HN/2中存在随机波动的旁瓣和栅瓣,这里通过非相参积累来对其抑制,得到目标更为清晰的多普勒谱,设非相参积累后的广义多普勒谱为1×W维向量H,则有:
其中,w=1,2,...,W;
向量H的峰值处对应的多普勒频率即为目标多普勒频率,由此即可得到目标运动速度的估计值当一个距离门内存在多个速度不同的目标时,向量H中存在多个峰值,由各个峰值对应的多普勒频率可分别求得各个目标相对雷达的径向速度。
步骤7,运动补偿处理。根据目标的运动速度的估计值以及波形参数来完成运动补偿,即将依频率重排后的慢时间采样向量中各个元素的速度相位项消除,得到1×N维的运动补偿后的依频率重排的慢时间采样向量S”,设为S”={s0”,s1”,s2”,...,sN-1”},则补偿公式如下:
其中k=0,1,2,...,N-1,在满足运动补偿精度的情况下,即可对运动补偿后的依频率重排的慢时间采样向量S”进行距离维相参积累处理;
步骤8,距离维相参积累和去冗余处理。由于S”中的各个元素已按频率由大到小排列,且消除了目标运动的影响,即S”中仅包含目标的距离相位项,因此可通过IFFT的方法直接得到目标所在距离门上的一维距离像。由于B'>Δf,该距离像中存在距离冗余;又因fs>B',该距离像中还存在过采样冗余,通过舍弃法对多个距离门拼接后得到一维距离像进行去冗余处理,得到多个距离门上的正确距离像,完成随机跳频雷达的目标探测与脉冲积累。
相对于多组随机跳频信号同频测速方法,本发明方法只需一组随机跳频信号,在差频域进行多普勒处理并估计目标径向速度,因此无需积累同频脉冲进行多普勒处理,具有相参积累时间短且测速无模糊范围大的优点。
本发明的效果通过以下仿真试验进一步说明:
实施例7
随机跳频雷达的目标运动参数估计方法同实施例1-6,
仿真条件:
本仿真实验中设定雷达发射的随机跳频信号的具体参数如下:
基础载频fc=10GHz,频率步进量Δf=10MHz,
发射子脉冲个数N=64,跳频带宽B=NΔf=640MHz,
子脉冲调频带宽B'=15MHz,脉冲宽度Tp=10us,
脉冲重复间隔Tr=100us,采样频率fs=2B'=30MHz;
仿真中设有一个目标,该目标共有3个散射点,相对雷达的径向距离分别为5445m,5447m,5450m;各散射点回波信噪比分别为27DB,31DB,28DB;该目标相对于雷达的径向速度为Vr=40m/s,验证本发明所述方法对目标径向速度估计的可行性以及其测速精度可以满足距离维相参积累处理中对运动补偿的精度要求。再在该仿真参数下对比本发明方法的测速误差与另外两种单组随机跳频信号测速方法的测速误差随接收机输出信噪比的变化,这里涉及到的对比方法为最小熵值法和基于压缩感知的二维检索算法。
再设一个距离门内有两个目标,分别各有一个散射点,相对雷达的径向距离分别为5445m,5447m,相对于雷达径向速度分别为Vr1=50m/s,Vr2=-20m/s,散射点强度都为30DB,验证在一个距离门内存在多个速度不同的目标时,本发明可以在多普勒域分辨多个目标,以及对各个目标分别测速的可行性。
仿真内容与结果:
仿真1,采用本发明方法对步骤6中计算得到的目标的N/2幅广义多普勒谱H1,H2,H3,…进行仿真,仿真中N=64,结果如图3,这里画出其中的第1幅,参见图3(a),第16幅,参见3(b),第32幅,参见3(c)。
从图3中可以看出,本发明方法步骤6计算得到的N/2幅广义多普勒谱H1,H2,H3,…均在目标对应的径向速度上形成了主瓣,说明了本发明中所述的广义多普勒变换的有效性。但在主瓣周围均形成了一些随机的波动旁瓣和栅瓣,且随着差频向量维数的减少,对应广义多普勒谱主瓣周围的旁瓣和栅瓣也随之抬高,影响了测速准确性,需要进一步处理。
实施例8
随机跳频雷达的目标运动参数估计方法同实施例1-6,仿真条件和内容同实施例7
仿真2,采用本发明方法对步骤6中得到的目标的N/2幅广义多普勒谱H1,H2,H3,…进行非相参,得到一副非相参积累后的广义多普勒谱H',并在其中读出目标径向速度估计值结果如图4。
从图4中可以看出,在本发明方法步骤6中,通过对目标的N/2幅广义多普勒谱H1,H2,H3,…进行非相参积累处理,可有效抑制多幅广义多普勒谱中的随机旁瓣和栅瓣,得到清晰的非相参积累后的广义多普勒谱H',取H'峰值处对应的速度即为目标径向速度的估计值,为(目标真实的径向速度为Vr=40m/s)。
实施例9
随机跳频雷达的目标运动参数估计方法同实施例1-6,仿真条件和内容同实施例7
仿真3,采用本发明方法测得的目标径向速度估计值补偿依频率重排后的慢时间采样向量S'中各个元素的速度相位项,得到S”,再对S”进行距离维处理,得到经速度补偿后且拼接抽取后的目标一维距离像,结果如图5。
从图5中可以看出,在本发明方法步骤7中利用得到的径向速度估计值来完成运动补偿,并在本发明方法步骤8中利用补偿掉依频率重排后的慢时间采样向量S'中各个元素的速度相位项后进行距离维处理可得到目标清晰的一维距离像;说明本发明中所述方法的测速精度可以满足随机跳频信号目标距离维处理所要求的运动补偿精度。
实施例10
随机跳频雷达的目标运动参数估计方法同实施例1-6,仿真条件和内容同实施例7
仿真4,对比本发明方法与最小熵值法和基于压缩感知的二维检索方法的测速误差随接收机输出信噪比的变化曲线,其中,在各个信噪比条件下各做100次蒙特卡洛实验,每次实验中的噪声以及跳频码均随机生成,结果如图6。
从图6中可以看出,在三种单组随机跳频信号测速方法中,随着接收机输出信噪比的增大,本发明方法的测速误差率先下降,并在SNR=15DB时即可保证测速的准确性,抗噪性能优于最小熵值法和基于压缩感知的二维检索算法。
实施例11
随机跳频雷达的目标运动参数估计方法同实施例1-6,仿真条件和内容同实施例7
仿真5,在一个距离门中存在多个速度不同的目标情况下,采用本发明步骤6中所述方法得到目标的N/2幅广义多普勒H1,H2,H3,…并进行非相参积累处理得到H',结果如图7。图7是本发明方法步骤6产生非相参积累后的广义多普勒谱H',在图7中标出了本发明方法得到的两个目标各自的径向速度估计值。
从图7中可以看出,在一个距离门内存在多个速度不同的目标时,在利用本发明方法步骤6得到的非相参积累后的广义多普勒谱H'中,可以清晰地分辨出多个目标,并可以直接读出多个目标的各自准确的径向速度估计值。
以上所述,仅为本发明的具体实施方式,但本发明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揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
简而言之,本发明提出的随机跳频雷达的目标运动参数估计方法,解决了多组随机跳频信号测速方案积累时间过长,现有单组随机跳频信号测速方案计算量大、抗噪性能差的问题。主要步骤是:设计发射随机跳频信号的波形参数并接收目标回波;数字信号预处理;慢时间采样向量预处理;构造差频向量组;构造多普勒域广义傅里叶变换矩阵组;广义多普勒变换与非相参处理;运动补偿处理;距离维相参积累和去冗余处理,得到多个距离门中目标正确的一维距离像。本发明构造了N/2个维度由N-1到N/2依次递减的差频向量,针对各差频向量构造了N/2个广义傅里叶变换矩阵,进而对N/2个差频向量分别做广义傅里叶变换,将得到的N/2幅广义多普勒谱再进行非相参积累,得到清晰的、积累后的广义多普勒谱,从中读出目标径向速度的估计值,将该目标径向速度估计值作为运动补偿参数完成对依频率重排后的慢时间采样向量中各个元素的速度相位项补偿;再利用IFFT和舍弃法得到多个距离门中目标正确的一维距离像。
本发明需要的积累时间短,计算量小,抗噪性能好,用于随机跳频雷达的目标探测与脉冲积累。
Claims (5)
1.一种随机跳频雷达的目标运动参数估计方法,其特征在于,包括有如下步骤:
步骤1,设计随机跳频信号波形参数并接收目标回波:选定随机跳频信号的波形参数,在波形参数中设计N点优化随机跳频信号跳频码向量L,发射一组该随机跳频信号并将接收到的一组完整的目标回波信号输入至接收机采样单元,根据子脉冲调频参数选定合适的快时间采样频率对回波信号进行采样,得到一组随机跳频信号目标回波的快时间采样结果,并将其输入至数字信号预处理模块;
步骤2,数字信号预处理:根据随机跳频信号子脉冲调频参数设计匹配滤波器,对一组随机跳频信号目标回波的快时间采样结果中各个子脉冲的快时间采样结果分别做脉冲压缩处理,之后将一组随机跳频信号目标回波的脉冲压缩结果输入至慢时间采样单元,以脉冲重复间隔Tr为采样间隔进行慢时间采样,得到目标对应距离门的N维慢时间采样向量S,N维慢时间采样向量S中各元素即为一组随机跳频信号回波中N个频率不同的子脉冲的单点采样值,将慢时间采样向量S输入到慢时间采样向量预处理模块;
步骤3,慢时间采样向量预处理:首先根据设计的波形参数中的随机跳频信号跳频码向量L对慢时间采样向量S中的各个元素按其对应子脉冲的频率从小到大进行排序,得到N维依频率重排后的慢时间采样向量S',将S'输入到运动参数估计模块中的差频处理部分来构造差频向量组;
步骤4,构造差频向量组:对依频率重排后的慢时间采样向量S',根据随机跳频信号中不同的子脉冲之间的频率差对其中各个对应的元素对做共轭相乘处理,处理后得到对应的差频向量Ei,个维度递减的差频向量共同组成差频向量组,差频向量E1,E2,E3...,EN/2的维度分别为1×(N-1),1×(N-2),1×(N-3),...,1×N/2,将该差频向量组输入至运动参数估计模块中的广义多普勒域处理部分;
步骤5,构造多普勒域广义傅里叶变换矩阵组:根据波形参数计算得到该组随机跳频信号的无模糊测速范围,在无模糊测速范围内等间隔地选取W点,构造W维速度检索向量v,再结合波形参数构造个行数递增、列数相同的广义傅里叶变换矩阵共同组成多普勒域广义傅里叶变换矩阵组,输入至运动参数估计模块中的广义多普勒域处理部分;
步骤6,广义多普勒变换与非相参处理:根据差频向量组以及广义傅里叶变换矩阵组,进行多普勒域广义傅里叶变换处理,计算得到幅广义多普勒谱将这幅广义多普勒谱做非相参积累处理,得到旁瓣抑制后的清晰的目标多普勒谱H'并从中获得目标径向速度的估计值将该估计值输入至目标距离维处理模块;
步骤7,运动补偿处理:在目标距离维处理模块中,根据目标径向速度的估计值以及波形参数来完成运动补偿,即将依频率重排后的慢时间采样向量中各个元素的速度相位项消除,得到运动补偿后的依频率重排的慢时间采样向量;
步骤8,距离维相参积累和去冗余处理:通过对运动补偿后的依频率重排的慢时间采样向量进行快速逆傅里叶变换做出目标所在距离门上的一维距离像,再通过舍弃法对多个距离门拼接后得到一维距离像进行去冗余处理,得到多个距离门上的正确距离像,完成随机跳频雷达的目标探测与脉冲积累。
2.根据权利要求1所述的一种随机跳频雷达的目标运动参数估计方法,其特征在于,步骤3中所述的慢时间采样向量预处理,慢时间采样向量S=[s0,s1,s2,...,sN-1]中各个元素是对各个频率不同的子脉冲的单点采样值,且S中各个元素的是按各元素对应子脉冲的发射时间先后进行排序的,先将向量S中各元素按子脉冲发射频率由小到大重新排序,得到依频率重排后的1×N维慢时间采样向量S',有S'=[s0',s1',s2',…,sN-1'],步骤1中所设计的N点优化跳频编码向量L中包含了慢时间采样向量S中各个元素所对应的子脉冲的频率信息,设L=[l0,l1,l2,...,lN-1],有:
S'(lk)=S(k+1)
其中,k=0,1,2,...,N-1。
3.根据权利要求1所述的一种随机跳频雷达的目标运动参数估计方法,其特征在于,步骤4中所述的构造差频向量组,包括有如下步骤:
(4a)选定要构造的差频向量个数以及设定各个差频向量对应的频率差:设N个子脉冲之间的频率差可能值为mΔf,m=1,2,3,...,N-1,取mΔf中的前个组成的维差频值向量Df,设为有:
dfi=iΔf
其中,Δf为波形参数中的频率步进量;则要构造个差频向量,设第i个差频向量为Ei,则其对应频率差为
(4b)通过共轭相乘得到差频向量:依频率重排后的慢时间采样信号S'的各个元素是各个频率不同的子脉冲的单点采样值,对依频率重排后的慢时间采样信号S'中对应子脉冲之间频率差为dfi的元素对分别进行共轭相乘处理,频率差为dfi的子脉冲共有N-i对,设个维度递减的差频向量为E1,E2,E3,…EN/2,其中,1×N-1维向量E1对应频率差为df1,1×N-2维向量E2对应频率差为df2,1×N-3维向量E3对应频率差为df3.....1×N/2维向量EN/2对应频率差为记a*为标量a的共轭值,对依频率重排后的慢时间采样信号S'中对应子脉冲之间频率差为dfi的元素对分别进行共轭相乘处理,得到个维度递减的差频向量E1,E2,E3,...,EN/2:
式中,s0'*为元素s0'的共轭值;
(4c)构造差频向量组:个维度递减的差频向量E1,E2,E3,...,EN/2共同组成差频向量组。
4.根据权利要求1所述的一种随机跳频雷达的目标运动参数估计方法,其特征在于,步骤5中所述的多普勒域广义傅里叶变换矩阵组的构造,包括有如下步骤:
(5a)构造速度检索向量:在单组随机跳频信号模型下,雷达无模糊测速范围为:其中,fc为一组随机跳频信号的基础载频,Tr为脉冲重复间隔;
在无模糊测速范围中,等间隔地取W点,得到速度检索向量v,即有:
其中,
(5b)针对个维度递减的差频向量E1,E2,E3,…EN/2,分别构造广义傅里叶变换矩阵:
(N-1)×W维广义傅里叶变换矩阵Φ1,
(N-2)×W维变换矩阵Φ2,
(N-3)×W维变换矩阵Φ3,
......
维变换矩阵
按照跳频编码L=[l0,l1,l2,…lN-1],设1×N维向量F为广义傅里叶变换矩阵定义中的中间变量,设n=[0,1,2,...,N-1],令F(lk)=n(k+1),k=0,1,2,...,N-1,则(N-i)×W维矩阵的各个元素定义为:
其中,p=1,2,...,N-i,q=1,2,…,W。
5.根据权利要求1所述的一种随机跳频雷达的目标运动参数估计方法,其特征在于,步骤6中所述的广义傅里叶变换与非相参积累,包括有如下步骤:
(6a)通过广义傅里叶变换得到各个差频向量的广义多普勒谱:设广义傅里叶变换得到的个1×W维广义多普勒谱为根据差频向量组和多普勒域广义傅里叶变换矩阵组,有:
即通过广义傅里叶变换得到了个差频向量E1,E2,E3,…,EN/2分别对应的广义多普勒谱
(6b)广义多普勒谱的非相参积累:由于差频向量E1,E2,E3,…,EN/2的频域稀疏性以及优化跳频码的随机性,广义多普勒谱中均存在随机波动的旁瓣和栅瓣,本发明通过非相参积累处理来对其进行抑制,得到目标更为清晰的多普勒谱H',设非相参积累后的广义多普勒谱为1×W维向量H',则有:
其中,w=1,2,...,W;
(6c)获得目标径向速度估计值非相参积累后的广义多普勒谱H'的峰值处对应的多普勒频率即为目标运动而产生的多普勒频率,由此即可得到目标运动速度的估计值
当一个距离门内存在多个速度不同的目标时,向量H'中存在多个峰值,由各个峰值对应的多普勒频率可分别求得各个目标相对雷达的径向速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810736112.1A CN109061589B (zh) | 2018-07-06 | 2018-07-06 | 随机跳频雷达的目标运动参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810736112.1A CN109061589B (zh) | 2018-07-06 | 2018-07-06 | 随机跳频雷达的目标运动参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061589A true CN109061589A (zh) | 2018-12-21 |
CN109061589B CN109061589B (zh) | 2022-08-26 |
Family
ID=64818831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810736112.1A Active CN109061589B (zh) | 2018-07-06 | 2018-07-06 | 随机跳频雷达的目标运动参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061589B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109946659A (zh) * | 2019-03-07 | 2019-06-28 | 东南大学 | 一种车载毫米波雷达线性调频连续波运动频率扩展校正方法 |
CN110018468A (zh) * | 2019-02-26 | 2019-07-16 | 北京理工雷科电子信息技术有限公司 | 一种基于频率步进lfmcw的高重频测速方法 |
CN110095765A (zh) * | 2019-05-21 | 2019-08-06 | 西安电子科技大学 | 捷变频雷达的高分辨多普勒重构方法 |
CN110146873A (zh) * | 2019-05-17 | 2019-08-20 | 西安电子科技大学 | 分布式非相参雷达的目标位置和速度的估计方法 |
CN111551925A (zh) * | 2020-05-21 | 2020-08-18 | 西安电子科技大学 | 基于fft的脉间频率捷变雷达的目标速度估计方法 |
CN111638505A (zh) * | 2020-05-22 | 2020-09-08 | 桂林长海发展有限责任公司 | 一种雷达自适应目标检测方法及装置 |
CN112305530A (zh) * | 2020-11-02 | 2021-02-02 | 上海神添实业有限公司 | 一种无人机群目标检测方法、电子设备及存储介质 |
CN112639521A (zh) * | 2020-04-23 | 2021-04-09 | 华为技术有限公司 | 用于控制雷达跳频的方法和装置以及雷达测速方法和雷达 |
CN112731388A (zh) * | 2020-12-14 | 2021-04-30 | 北京遥感设备研究所 | 一种基于有效散射点能量积累的目标检测方法 |
CN113189577A (zh) * | 2021-04-13 | 2021-07-30 | 电子科技大学 | 一种基于快速斜坡模式lfmcw车载雷达测距测速方法 |
CN113820678A (zh) * | 2021-08-04 | 2021-12-21 | 西安电子科技大学 | 一种外辐射源雷达高重频跳频信号相参积累方法 |
WO2022105066A1 (zh) * | 2020-11-17 | 2022-05-27 | 江苏集萃深度感知技术研究所有限公司 | 基于地磁传感器和毫米波雷达的车位检测器 |
CN115166650A (zh) * | 2022-09-08 | 2022-10-11 | 北京轩涌科技发展有限公司 | 一种雷达信号识别与参数估计方法和系统 |
CN115963467A (zh) * | 2023-03-16 | 2023-04-14 | 福思(杭州)智能科技有限公司 | 调频波形参数的处理方法、装置和计算机设备 |
CN117357073A (zh) * | 2023-12-07 | 2024-01-09 | 北京清雷科技有限公司 | 基于gmm-hmm模型的睡眠分期方法及设备 |
CN112014807B (zh) * | 2020-08-17 | 2024-03-26 | 西安电子科技大学 | 一种频率捷变雷达的自适应杂波抑制方法 |
WO2024111685A1 (ko) * | 2022-11-21 | 2024-05-30 | 엘지전자 주식회사 | 무선 통신 시스템에서 주파수 홉핑을 이용하여 레이더-통신을 수행하기 위한 장치 및 방법 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1740815A (zh) * | 2005-09-22 | 2006-03-01 | 西安电子科技大学 | 编码跳频高分辨率测距测速方法及雷达 |
US20060227038A1 (en) * | 2005-03-29 | 2006-10-12 | Katsumi Ohnishi | System and method for sidelobe reduction using point spread function expansion |
CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
US20140321586A1 (en) * | 2013-04-29 | 2014-10-30 | Greina Technologies, Inc. | System for high-clock synchronization and stability |
CN106338721A (zh) * | 2016-08-23 | 2017-01-18 | 西安电子科技大学 | 基于多帧回波相参积累的空中匀速弱小目标检测方法 |
US20170363712A1 (en) * | 2016-06-20 | 2017-12-21 | Mando Corporation | Radar signal processing device and method |
US20180003802A1 (en) * | 2016-07-01 | 2018-01-04 | Raytheon Company | High range resolution radar profiling using frequency jump burst-pulse doppler waveform and processing |
CN108008377A (zh) * | 2016-10-27 | 2018-05-08 | 北京遥感设备研究所 | 一种基于多载频的低重频精确测速方法 |
-
2018
- 2018-07-06 CN CN201810736112.1A patent/CN109061589B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060227038A1 (en) * | 2005-03-29 | 2006-10-12 | Katsumi Ohnishi | System and method for sidelobe reduction using point spread function expansion |
CN1740815A (zh) * | 2005-09-22 | 2006-03-01 | 西安电子科技大学 | 编码跳频高分辨率测距测速方法及雷达 |
CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
US20140321586A1 (en) * | 2013-04-29 | 2014-10-30 | Greina Technologies, Inc. | System for high-clock synchronization and stability |
US20170363712A1 (en) * | 2016-06-20 | 2017-12-21 | Mando Corporation | Radar signal processing device and method |
US20180003802A1 (en) * | 2016-07-01 | 2018-01-04 | Raytheon Company | High range resolution radar profiling using frequency jump burst-pulse doppler waveform and processing |
CN106338721A (zh) * | 2016-08-23 | 2017-01-18 | 西安电子科技大学 | 基于多帧回波相参积累的空中匀速弱小目标检测方法 |
CN108008377A (zh) * | 2016-10-27 | 2018-05-08 | 北京遥感设备研究所 | 一种基于多载频的低重频精确测速方法 |
Non-Patent Citations (7)
Title |
---|
SHENGHUA ZHOU ET AL.: "MIMO Radar Range-Angular-Dopple Sidelobe Suppression Using Random Space-Time Coding", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
SUNE R. J. AXELSSON ET AL.: "Analysis of Random Step Frequency Radar", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
YU WANG ET AL.: "Clutter suppression and moving target imaging approach for multichannel hypersonic vehicle borne radar", 《DIGITAL SIGNAL PROCESSING》 * |
何树权等: "频率步进信号动静目标检测方法", 《火控雷达技术》 * |
孙慧霞等: "高速运动环境下的调频步进信号运动参数估计", 《西安电子科技大学学报(自然科学版)》 * |
曹运合等: "具有距离走动效应的RFD-Rao和RFD-Wald分布式目标检测器", 《JOURNAL OF CENTRAL SOUTH UNIVERSITY》 * |
郭佳佳等: "高重频随机跳频跟踪雷达及其抗干扰性能", 《清华大学学报(自然科学版)网络.预览》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110018468B (zh) * | 2019-02-26 | 2020-12-18 | 北京理工雷科电子信息技术有限公司 | 一种基于频率步进lfmcw的高重频测速方法 |
CN110018468A (zh) * | 2019-02-26 | 2019-07-16 | 北京理工雷科电子信息技术有限公司 | 一种基于频率步进lfmcw的高重频测速方法 |
CN109946659A (zh) * | 2019-03-07 | 2019-06-28 | 东南大学 | 一种车载毫米波雷达线性调频连续波运动频率扩展校正方法 |
CN110146873A (zh) * | 2019-05-17 | 2019-08-20 | 西安电子科技大学 | 分布式非相参雷达的目标位置和速度的估计方法 |
CN110095765B (zh) * | 2019-05-21 | 2022-05-17 | 西安电子科技大学 | 捷变频雷达的高分辨多普勒重构方法 |
CN110095765A (zh) * | 2019-05-21 | 2019-08-06 | 西安电子科技大学 | 捷变频雷达的高分辨多普勒重构方法 |
CN112639521A (zh) * | 2020-04-23 | 2021-04-09 | 华为技术有限公司 | 用于控制雷达跳频的方法和装置以及雷达测速方法和雷达 |
CN111551925A (zh) * | 2020-05-21 | 2020-08-18 | 西安电子科技大学 | 基于fft的脉间频率捷变雷达的目标速度估计方法 |
CN111638505A (zh) * | 2020-05-22 | 2020-09-08 | 桂林长海发展有限责任公司 | 一种雷达自适应目标检测方法及装置 |
CN111638505B (zh) * | 2020-05-22 | 2023-03-31 | 桂林长海发展有限责任公司 | 一种雷达自适应目标检测方法及装置 |
CN112014807B (zh) * | 2020-08-17 | 2024-03-26 | 西安电子科技大学 | 一种频率捷变雷达的自适应杂波抑制方法 |
CN112305530A (zh) * | 2020-11-02 | 2021-02-02 | 上海神添实业有限公司 | 一种无人机群目标检测方法、电子设备及存储介质 |
WO2022105066A1 (zh) * | 2020-11-17 | 2022-05-27 | 江苏集萃深度感知技术研究所有限公司 | 基于地磁传感器和毫米波雷达的车位检测器 |
CN112731388A (zh) * | 2020-12-14 | 2021-04-30 | 北京遥感设备研究所 | 一种基于有效散射点能量积累的目标检测方法 |
CN112731388B (zh) * | 2020-12-14 | 2023-10-13 | 北京遥感设备研究所 | 一种基于有效散射点能量积累的目标检测方法 |
CN113189577A (zh) * | 2021-04-13 | 2021-07-30 | 电子科技大学 | 一种基于快速斜坡模式lfmcw车载雷达测距测速方法 |
CN113820678A (zh) * | 2021-08-04 | 2021-12-21 | 西安电子科技大学 | 一种外辐射源雷达高重频跳频信号相参积累方法 |
CN113820678B (zh) * | 2021-08-04 | 2023-12-22 | 西安电子科技大学 | 一种外辐射源雷达高重频跳频信号相参积累方法 |
CN115166650A (zh) * | 2022-09-08 | 2022-10-11 | 北京轩涌科技发展有限公司 | 一种雷达信号识别与参数估计方法和系统 |
CN115166650B (zh) * | 2022-09-08 | 2022-11-18 | 北京轩涌科技发展有限公司 | 一种雷达信号识别与参数估计方法和系统 |
WO2024111685A1 (ko) * | 2022-11-21 | 2024-05-30 | 엘지전자 주식회사 | 무선 통신 시스템에서 주파수 홉핑을 이용하여 레이더-통신을 수행하기 위한 장치 및 방법 |
CN115963467A (zh) * | 2023-03-16 | 2023-04-14 | 福思(杭州)智能科技有限公司 | 调频波形参数的处理方法、装置和计算机设备 |
CN117357073A (zh) * | 2023-12-07 | 2024-01-09 | 北京清雷科技有限公司 | 基于gmm-hmm模型的睡眠分期方法及设备 |
CN117357073B (zh) * | 2023-12-07 | 2024-04-05 | 北京清雷科技有限公司 | 基于gmm-hmm模型的睡眠分期方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109061589B (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061589A (zh) | 随机跳频雷达的目标运动参数估计方法 | |
Guan et al. | Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter | |
Sira et al. | Adaptive waveform design for improved detection of low-RCS targets in heavy sea clutter | |
CN107132534B (zh) | 一种高速雷达目标频域检测的优化方法 | |
Su et al. | High-speed multi-target detection with narrowband radar | |
CN107907878B (zh) | 高精度获取fmcw雷达距离测量值的方法 | |
CN101738606A (zh) | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 | |
Pang et al. | Coherent detection algorithm for radar maneuvering targets based on discrete polynomial-phase transform | |
CN104502898B (zh) | 将修正rft和修正mdcft相结合的机动目标参数估计方法 | |
CN109613507B (zh) | 一种针对高阶机动目标雷达回波的检测方法 | |
CN109975775B (zh) | 一种雷达回波半实测数据仿真方法 | |
CN113093120B (zh) | 基于capon算法的PRI捷变雷达目标参数估计方法 | |
CN109031299B (zh) | 低信噪比条件下基于相位差分的isar平动补偿方法 | |
CN111551922A (zh) | 三维空间双/多基地雷达高速目标检测方法 | |
CN113640790A (zh) | 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法 | |
CN111781574A (zh) | 基于子空间正交投影的捷变频雷达目标参数估计方法 | |
US8358233B2 (en) | Radar target detection process | |
Wang et al. | Research on anti-Narrowband AM jamming of Ultra-wideband impulse radio detection radar based on improved singular spectrum analysis | |
CN109061626B (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
CN101266294B (zh) | 一种抑制雷达回波信号包络移动的补偿方法 | |
CN109001671B (zh) | 一种跳频信号的目标检测和参数估计方法及装置 | |
Tao et al. | Radio frequency interference detection for SAR data using spectrogram-based semantic network | |
CN109031212A (zh) | 一种雷达跟踪状态下的工作频率优化方法 | |
Wang et al. | Neural network‐guided sparse recovery for interrupted‐sampling repeater jamming suppression | |
Karlsson et al. | Stepped frequency pulse compression with noncoherent radar using deep learning |
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 |