CN109283507A - 一种基于时频域特征的雷达目标识别方法及系统 - Google Patents

一种基于时频域特征的雷达目标识别方法及系统 Download PDF

Info

Publication number
CN109283507A
CN109283507A CN201811463214.7A CN201811463214A CN109283507A CN 109283507 A CN109283507 A CN 109283507A CN 201811463214 A CN201811463214 A CN 201811463214A CN 109283507 A CN109283507 A CN 109283507A
Authority
CN
China
Prior art keywords
target
identification
frequency domain
time
domain characteristics
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
Application number
CN201811463214.7A
Other languages
English (en)
Other versions
CN109283507B (zh
Inventor
张瑞生
杨熠锋
张震
谢冰
汤斌
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 Remote Sensing Equipment
Original Assignee
Beijing Institute of Remote Sensing Equipment
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 Remote Sensing Equipment filed Critical Beijing Institute of Remote Sensing Equipment
Priority to CN201811463214.7A priority Critical patent/CN109283507B/zh
Publication of CN109283507A publication Critical patent/CN109283507A/zh
Application granted granted Critical
Publication of CN109283507B publication Critical patent/CN109283507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/414—Discriminating targets with respect to background clutter

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

本发明公开了一种基于时频域特征的雷达目标识别方法及系统，包括：计算并获取目标的特征信息；根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。本发明系统包括：特征计算模块和判决识别模块。特征计算模块对时频域聚类得到的目标计算得到构成点数、多普勒维长度、距离维长度、稀疏度和聚集度特征，并输出给判决识别模块；判决识别模块根据判定准则，根据特征进行目标识别，判定各目标是真实目标还是干扰或是疑似目标，并给出识别结果。实现简单，应用广泛，既能用于弹载雷达的目标识别，也能用于地面、机载雷达的目标识别。

Description

一种基于时频域特征的雷达目标识别方法及系统
技术领域
本发明涉及一种基于时频域特征的雷达目标识别方法及系统。
背景技术
随着科技的发展，各种针对雷达的干扰手段不断出现，这就要求雷达具有一定的目标识别能力，能够将真实目标和各种干扰区分开来。目前常见的干扰类型有箔条干扰、角反射体干扰等，如何将分辨干扰和目标，成为雷达研究中的一个重要课题。
现有的雷达目标识别方法主要从距离维一个维度上进行分辨识别，通常难以区分真实目标和干扰，容易造成误判。
发明内容
本发明目的在于提供基于时频域特征的雷达目标识别方法，综合利用距离维和多普勒维的特征，解决目前雷达目标识别误判率高、识别不准确的问题。
有鉴于此，本发明提供的技术方案是：一种基于时频域特征的雷达目标识别方法，其特征在于，包括：
计算并获取目标的特征信息；
根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
本发明的另一目的在于提供一种基于时频域特征的雷达目标识别系统，其特征在于，包括：
特征计算模块，用于计算并获取目标的特征信息；
判决识别模块，用于根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
至此实现了基于时频域特征的雷达目标识别。
本发明实现了以下显著的有益效果：
实现简单，包括：计算并获取目标的特征信息；根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。应用广泛，既能用于弹载雷达的目标识别，也能用于地面、机载雷达的目标识别。
附图说明
图1为本发明一种基于时频域特征的雷达目标识别系统的组成示意图；
图2本发明方法的实施例流程图。
附图标记示意
1.特征计算模块 2.判决识别模块
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明，根据下面说明和权利要求书，本发明的优点和特征将更清楚。需要说明的是，附图均采用非常简化的形式且均适用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
需要说明的是，为了清楚地说明本发明的内容，本发明特举多个实施例以进一步阐释本发明的不同实现方式，其中，该多个实施例是列举式而非穷举式。此外，为了说明的简洁，前实施例中已提及的内容往往在后实施例中予以省略，因此，后实施例中未提及的内容可相应参考前实施例。
虽然该发明可以以多种形式的修改和替换来扩展，说明书中也列出了一些具体的实施图例并进行详细阐述。应当理解的是，发明者的出发点不是将该发明限于所阐述的特定实施例，正相反，发明者的出发点在于保护所有给予由本权利声明定义的精神或范围内进行的改进、等效替换和修改。同样的元器件号码可能被用于所有附图以代表相同的或类似的部分。
请参照图1，本发明的一种基于时频域特征的雷达目标识别方法，包括：计算并获取目标的特征信息；根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
作为具体的实施例，本发明的一种基于时频域特征的雷达目标识别方法的具体步骤为：
第一步 搭建基于时频域特征的雷达目标识别系统
基于时频域特征的雷达目标识别系统包括：特征计算模块和判决识别模块。
特征计算模块的功能为：计算目标的构成点数、多普勒维长度、距离维长度、稀疏度和聚集度特征，输出给判决识别模块；
判决识别模块的功能为：根据判定准则，根据特征进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
第二步 特征计算模块计算目标特征
特征计算模块针对每个目标，计算如下特征：
1.构成点数DOT_NUM：统计构成当前目标的过恒虚警检测门限点数；
2.多普勒维长度DPL_LEN：遍历构成目标的每个点，统计各点的频率维单元号，并记录最大单元号Fmax和最小单元号Fmin，计算多普勒维长度DPL_LEN＝Fmax-Fmin；
3.距离维长度RNG_LEN：遍历构成目标的每个点，统计各点的速度维单元号，并记录最大单元号Rmax和最小单元号Rmin，计算多普勒维长度RNG_LEN＝Rmax-Rmin；
4.稀疏度SPARSE：将过门限点看做二维图形，计算此图形的最小凸覆盖图形，并统计构成最小凸覆盖图形的点数N1，计算稀疏度SPARSE＝DOT_NUM÷N1；
5.聚集度PROPORTION：首先遍历构成目标的每个点，统计各点对应的回波功率值Pi，并记录最大功率值Pmax。再次遍历各点，统计满足如下条件的点的个数N2：
Pi＞0.1*Pmax
则聚集度PROPORTION＝N2÷DOT_NUM。
第三步 判决识别模块进行识别并给出结果
判决识别模块收到各个目标的特征量后，依次按照如下规则进行筛选和比较，得到最终识别结果：
1.若DOT_NUM>500，则识别为箔条干扰，结束识别；
2.若DOT_NUM<10，则识别为角反射体干扰，结束识别；
3.若SPARSE<0.2，则识别为箔条干扰，结束识别；
4.若DPL_LEN>40且RNG_LEN>20，则识别为箔条干扰，结束识别；
5.若PROPORTION>0.5，则识别为箔条干扰，结束识别；
6.若此时只剩下一个目标，则识别为真实目标，结束识别；若还剩下多个目标，则对各目标的PROPORTION进行比较，选择PROPORTION最小的识别为真实目标，其余识别为疑似目标，结束识别。
至此实现了基于时频域特征的雷达目标识别。
作为具体的实施例，本发明包括：
第一步 搭建基于时频域特征的雷达目标识别系统
基于时频域特征的雷达目标识别系统包括：特征计算模块和判决识别模块。
特征计算模块的功能为：计算目标的构成点数、多普勒维长度、距离维长度、稀疏度和聚集度特征，输出给判决识别模块；
判决识别模块的功能为：根据判定准则，根据特征进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
第二步 特征计算模块计算目标特征
特征计算模块针对每个目标，计算如下特征：
1.构成点数DOT_NUM：统计构成当前目标的过恒虚警检测门限点数；
2.多普勒维长度DPL_LEN：遍历构成目标的每个点，统计各点的频率维单元号，并记录最大单元号Fmax和最小单元号Fmin，计算多普勒维长度DPL_LEN＝Fmax-Fmin；
3.距离维长度RNG_LEN：遍历构成目标的每个点，统计各点的速度维单元号，并记录最大单元号Rmax和最小单元号Rmin，计算多普勒维长度RNG_LEN＝Rmax-Rmin；
4.稀疏度SPARSE：将过门限点看做二维图形，计算此图形的最小凸覆盖图形，并统计构成最小凸覆盖图形的点数N1，计算稀疏度SPARSE＝DOT_NUM÷N1；
5.聚集度PROPORTION：首先遍历构成目标的每个点，统计各点对应的回波功率值Pi，并记录最大功率值Pmax。再次遍历各点，统计满足如下条件的点的个数N2：
Pi＞0.1*Pmax
则聚集度PROPORTION＝N2÷DOT_NUM。
第三步 判决识别模块进行识别并给出结果
判决识别模块收到各个目标的特征量后，依次按照如下规则进行筛选和比较，得到最终识别结果：
1.若DOT_NUM>500，则识别为箔条干扰，结束识别；
2.若DOT_NUM<10，则识别为角反射体干扰，结束识别；
3.若SPARSE<0.2，则识别为箔条干扰，结束识别；
4.若DPL_LEN>40且RNG_LEN>20，则识别为箔条干扰，结束识别；
5.若PROPORTION>0.5，则识别为箔条干扰，结束识别；
6.若此时只剩下一个目标，则识别为真实目标，结束识别；若还剩下多个目标，则对各目标的PROPORTION进行比较，选择PROPORTION最小的识别为真实目标，其余识别为疑似目标，结束识别。
本发明实现了以下显著的有益效果：
实现简单，包括：计算并获取目标的特征信息；根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。应用广泛，既能用于弹载雷达的目标识别，也能用于地面、机载雷达的目标识别。
显然，上述实施例仅仅是为清楚地说明所作的举例，而非对实施方式的限定。对于所属技术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。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍属于本发明创造的保护范围。

Claims (10)

1.一种基于时频域特征的雷达目标识别方法，其特征在于，包括：
计算并获取目标的特征信息；
根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
2.根据权利要求1所述的基于时频域特征的雷达目标识别方法，其特征在于，所述计算并获取目标的特征信息包括统计构成当前目标的过恒虚警检测门限点数。
3.根据权利要求1所述的基于时频域特征的雷达目标识别方法，其特征在于，所述计算并获取目标的特征信息包括：
计算目标的多普勒维长度，遍历构成目标的每个点，统计各点的频率维单元号，并记录最大单元号Fmax和最小单元号Fmin，计算多普勒维长度DPL_LEN＝Fmax-Fmin；
计算目标的距离维长度RNG_LEN：遍历构成目标的每个点，统计各点的速度维单元号，并记录最大单元号Rmax和最小单元号Rmin，计算多普勒维长度RNG_LEN＝Rmax-Rmin。
4.根据权利要求1所述的基于时频域特征的雷达目标识别方法，其特征在于，所述计算并获取目标的特征信息包括计算目标的稀疏度，将过门限点看做二维图形，计算此图形的最小凸覆盖图形，并统计构成最小凸覆盖图形的点数N1，计算稀疏度SPARSE＝DOT_NUM÷N1，DOT_NUM为构成当前目标的过恒虚警检测门限点数。
5.根据权利要求1所述的基于时频域特征的雷达目标识别方法，其特征在于，所述计算并获取目标的特征信息包括计算目标的聚集度，首先遍历构成目标的每个点，统计各点对应的回波功率值Pi，并记录最大功率值Pmax。再次遍历各点，统计满足如下条件的点的个数N2：
Pi＞0.1*Pmax
则聚集度PROPORTION＝N2÷DOT_NUM，DOT_NUM为构成当前目标的过恒虚警检测门限点数。
6.根据权利要求2所述的基于时频域特征的雷达目标识别方法，其特征在于，所述判定准则为：若当前目标的过恒虚警检测门限点数>500，则识别为箔条干扰，结束识别；若当前目标的过恒虚警检测门限点数<10，则识别为角反射体干扰，结束识别。
7.根据权利要求4所述的基于时频域特征的雷达目标识别方法，其特征在于，所述判定准则为：若SPARSE<0.2，则识别为箔条干扰，结束识别。
8.根据权利要求3所述的基于时频域特征的雷达目标识别方法，其特征在于，所述判定准则为：若DPL_LEN>40且RNG_LEN>20，则识别为箔条干扰，结束识别。
9.根据权利要求5所述的基于时频域特征的雷达目标识别方法，其特征在于，所述判定准则为：若PROPORTION>0.5，则识别为箔条干扰，结束识别，若此时只剩下一个目标，则识别为真实目标，结束识别；若还剩下多个目标，则对各目标的PROPORTION进行比较，选择PROPORTION最小的识别为真实目标，其余识别为疑似目标，结束识别。
10.一种基于时频域特征的雷达目标识别系统，其特征在于，包括：
特征计算模块，用于计算并获取目标的特征信息；
判决识别模块，用于根据判定准则对所述特征信息进行目标识别，判定目标是真实目标还是干扰，并给出识别结果。
CN201811463214.7A 2018-12-03 2018-12-03 一种基于时频域特征的雷达目标识别方法及系统 Active CN109283507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811463214.7A CN109283507B (zh) 2018-12-03 2018-12-03 一种基于时频域特征的雷达目标识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811463214.7A CN109283507B (zh) 2018-12-03 2018-12-03 一种基于时频域特征的雷达目标识别方法及系统

Publications (2)

Publication Number Publication Date
CN109283507A true CN109283507A (zh) 2019-01-29
CN109283507B CN109283507B (zh) 2023-03-21

Family

ID=65174010

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811463214.7A Active CN109283507B (zh) 2018-12-03 2018-12-03 一种基于时频域特征的雷达目标识别方法及系统

Country Status (1)

Country Link
CN (1) CN109283507B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946620A (zh) * 2021-01-19 2021-06-11 中国人民解放军国防科技大学 基于改进os-cfar检测与时频聚类的雷达目标微多普勒提取方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102645649A (zh) * 2012-05-14 2012-08-22 重庆大学 基于雷达目标距离像时频特征提取的雷达目标识别方法
WO2014048193A1 (zh) * 2012-09-28 2014-04-03 北京理工大学 一种用于舰艇编队情况下同型雷达同频干扰抑制方法
CN105223552A (zh) * 2015-09-15 2016-01-06 上海无线电设备研究所 基于无线电谱纹识别的干扰辨识方法
CN105866749A (zh) * 2016-03-30 2016-08-17 西安电子科技大学 一种距离和速度同步拖引的雷达干扰识别方法
CN106125053A (zh) * 2016-06-17 2016-11-16 中国电子科技集团公司第十研究所 脉冲多普勒雷达极化抗干扰方法
CN107462873A (zh) * 2017-07-03 2017-12-12 上海无线电设备研究所 一种雷达干扰快速识别方法
CN107748356A (zh) * 2017-11-06 2018-03-02 西安电子科技大学 基于复相像系数的相位编码信号欺骗式干扰类型识别方法
CN108256488A (zh) * 2018-01-19 2018-07-06 中国人民解放军陆军装甲兵学院 一种基于微多普勒特征提取和深度学习的雷达目标识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102645649A (zh) * 2012-05-14 2012-08-22 重庆大学 基于雷达目标距离像时频特征提取的雷达目标识别方法
WO2014048193A1 (zh) * 2012-09-28 2014-04-03 北京理工大学 一种用于舰艇编队情况下同型雷达同频干扰抑制方法
CN105223552A (zh) * 2015-09-15 2016-01-06 上海无线电设备研究所 基于无线电谱纹识别的干扰辨识方法
CN105866749A (zh) * 2016-03-30 2016-08-17 西安电子科技大学 一种距离和速度同步拖引的雷达干扰识别方法
CN106125053A (zh) * 2016-06-17 2016-11-16 中国电子科技集团公司第十研究所 脉冲多普勒雷达极化抗干扰方法
CN107462873A (zh) * 2017-07-03 2017-12-12 上海无线电设备研究所 一种雷达干扰快速识别方法
CN107748356A (zh) * 2017-11-06 2018-03-02 西安电子科技大学 基于复相像系数的相位编码信号欺骗式干扰类型识别方法
CN108256488A (zh) * 2018-01-19 2018-07-06 中国人民解放军陆军装甲兵学院 一种基于微多普勒特征提取和深度学习的雷达目标识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
蒋莹等: "基于频域稀疏性的间歇采样转发干扰识别", 《空军预警学院学报》 *
郑小亮等: "距离―速度相参干扰对目标识别雷达欺骗干扰效能分析", 《电子信息对抗技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112946620A (zh) * 2021-01-19 2021-06-11 中国人民解放军国防科技大学 基于改进os-cfar检测与时频聚类的雷达目标微多普勒提取方法
CN112946620B (zh) * 2021-01-19 2021-09-03 中国人民解放军国防科技大学 基于改进os-cfar检测与时频聚类的雷达目标微多普勒提取方法

Also Published As

Publication number Publication date
CN109283507B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
Song et al. Adaptive clutter measurement density estimation for improved target tracking
CN102788969B (zh) 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法
CN106772268B (zh) 一种高斯白噪声下的弱信号盲检测方法
CN103176187B (zh) 一种机载预警雷达地面高速公路目标过滤方法
CN108680918B (zh) 应用于雷达的测速方法、测速装置及电子设备
CN103076602A (zh) 针对多目标背景的雷达自适应恒虚警率融合检测方法
WO2014197139A1 (en) System and method for distribution free target detection in a dependent non-gaussian background
CN105044686A (zh) 一种雷达密集假目标干扰抑制方法
CN109932695A (zh) 一种提高目标物识别速度的方法及装置
CN104375139B (zh) 一种基于一维集方法的脉冲多普勒雷达改进测距方法
CN107271973A (zh) 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法
CN111060878A (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
CN109283507A (zh) 一种基于时频域特征的雷达目标识别方法及系统
CN105589061A (zh) 一种岸基雷达的信号处理算法
KR102011959B1 (ko) 펄스 압축 과정에서 간섭신호를 탐지하는 레이더 수신신호 처리 방법 및 그를 위한 장치
CN107024680A (zh) 一种基于双删除门限的目标检测方法
CN106443660A (zh) 一种线性调频连续波雷达多运动目标匹配方法
CN105092022B (zh) 基于抹香鲸叫声的水下目标测距单脉冲筛选方法及装置
CN104215960A (zh) 基于改进粒子滤波的目标跟踪方法
CN110632563A (zh) 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法
Yu et al. LFM signal detection based on STFT and frequency-domain GOSBOS-CFAR in low SNR
CN115561746A (zh) Fmcw雷达系统中的干扰抑制
CN106371082B (zh) 线性速度拖引干扰识别方法
CN113109796A (zh) 一种目标检测方法及装置
Gao et al. Detection of dim maneuvering target ased on randomized 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