CN109375204B

CN109375204B - 基于雷达的目标检测方法、系统、设备及介质

Info

Publication number: CN109375204B
Application number: CN201811259580.0A
Authority: CN
Inventors: 梁晓林; 邓建钦; 朱伟峰; 张胜洲; 贾定宏
Original assignee: CLP Kesiyi Technology Co Ltd
Current assignee: CLP Kesiyi Technology Co Ltd
Priority date: 2018-10-26
Filing date: 2018-10-26
Publication date: 2021-04-13
Anticipated expiration: 2038-10-26
Also published as: CN109375204A

Abstract

本申请实施例公开了基于雷达的目标检测方法、系统、设备及介质，包括：利用雷达采集检测区域中的信号；杂波抑制：对采集的信号先进行静态背景的抑制，后进行因无人机抖动引入的线性趋势项的抑制；改善信号信噪比：增强信号强度，降低杂波信号干扰；对无人机信号方位向进行频域累积计算，得到无人机的信号频率；分别对无人机信号的频域与方位进行标准差估计，进而估计无人机信号频率；计算无人机信号频率和无人机信号频率估计值之间的差值，如果差值超过设定阈值，则判断雷达采集的信号为无人机信号。基于雷达的无人机检测，识别无人机与雷达之间的方位信息及无人机信号的频谱特性，弥补无人机检测技术的匮乏及已有技术的缺陷。

Description

基于雷达的目标检测方法、系统、设备及介质

技术领域

本申请实施例涉及基于雷达的目标检测方法、系统、设备及介质。

背景技术

科技进步极大地促进了无人机(Unmanned Aerial Vehicle,UAV)的发展，无人机凭借其机动性强、操控简单、费用低廉等优点已被广泛应用于多个领域，如农业管理、电力巡线、军事侦查、测绘、环境保护等。

由于目前极度缺乏针对无人机管理的法规法律，无人机给人们提供便捷服务的同时，引发了诸多安全事故：在2013年秋季的佛吉尼亚州赛车公园，成千上万的观众聚集于此观看公牛赛跑，然而一架无人机意外撞到了看台上，导致数人受伤；2014年在基督教民主党竞选活动中，德国总理默克尔受到无人机袭击；如2015年英国贝德福德监狱发生33起无人机运毒事件；据美国联邦航空局最新报告显示，从2015年08月到2016年01月，总共发生583起无人机事故；2017年2月，昆明长水国际机场净空保护空域连续发生多起UAV非法飞行事件，对飞行安全造成隐患；2017年4月14日至30日成都双流机场总计发生8起无人机恶意干扰民航事件。一时间，无人机成为威胁民航安全、引发事故的关键词。为了抑制无人机引发的诸多安全事故，世界各主要国家颁布相关法律法规禁止无人机在特定空域飞行。然而，上述措施并未有效地抑制无人机违法飞行。目前在反制无人机领域的有效措施近乎空白。因此，急切需要开发有效的反制措施。通常有效检测无人机是反制无人机的基础，即只有首先检测到目标空域中的无人机，才能对其进行有效压制。由此可知，如何准确有效地检测到空域中的无人机就显得尤为重要。

据申请人了解，目前针对无人机“黑飞”问题的技术处理措施十分有限，主要还是立法、巡逻等措施禁止无人机在某些空域飞行。针对无人机检测这一问题，学术研究甚少，在已知的研究成果中，所设计的识别算法，效率低下，耗时长。最关键的是判决无人机的成功率偏低，无法有效识别无人机的存在。

发明内容

为了解决现有技术的不足，本申请实施例提供了基于雷达的目标检测方法、系统、设备及介质，基于雷达的无人机检测，识别无人机与雷达之间的方位信息及无人机信号的频谱特性，弥补无人机检测技术的匮乏及已有技术的缺陷。

第一方面，本申请实施例提供了基于雷达的目标检测方法；

基于雷达的目标检测方法，包括：

步骤(1)：利用雷达采集检测区域中的信号；

步骤(2)：杂波抑制：对采集的信号先进行静态背景的抑制，后进行因无人机抖动引入的线性趋势项的抑制；

步骤(3)：改善信号信噪比：增强信号强度，降低杂波信号干扰；

步骤(4)：对无人机信号方位向进行频域累积计算，得到无人机的信号频率；

步骤(5)：分别对无人机信号的频域与方位进行标准差估计，进而估计无人机信号频率；

步骤(6)：计算步骤(4)得到的无人机信号频率和步骤(5)得到的无人机信号频率之间的差值，如果差值不超过设定阈值，则判断雷达采集的信号为无人机信号。

可选的，在一些可能的实现方式中，所述步骤(1)对采集的信号进行傅里叶变换得到信号频谱，利用带通滤波器得到回波信号的有效频谱，得到方位与有效频谱的二维矩阵。

利用带通滤波器得到2.4GHz-2.5GHz之间的频谱即为有效频谱。

可选的，在一些可能的实现方式中，步骤(2)中对采集的信号中的静态背景进行抑制的方式为：采用均值估计算法去除静态背景。

可选的，在一些可能的实现方式中，步骤(2)中对采集的信号中的由无人机抖动引入的线性趋势项进行抑制的方式为：采用线性趋势抑制算法抑制信号中的线性趋势项。

可选的，在一些可能的实现方式中，采用均值估计算法去除静态背景的具体步骤为：

假设雷达得到的回波信号为R_M×N；其中，M表示信号频谱采样点数，N表示方位采样点数，回波信号中共有M×N个样本点；

静态背景表示为：

其中，m＝1,…,M表示矩阵R_M×N的行，n＝1,…N表示矩阵R_M×N的列，∑表示求和运算，R[m,n]表示矩阵R_M×N中第m行第n列的值；

为了滤除静态背景，将回波R_M×N中所有值依次减去静态杂波估计值ξ，结果为：

Ω[m,n]＝R[m,n]-ξ (2)

其中，Ω[m,n]表示矩阵Ω_M×N中第m行第n列的值。

可选的，在一些可能的实现方式中，采用线性趋势抑制算法抑制信号中的线性趋势项的具体步骤为：

W＝Ω^Τ-X(X^ΤX)^-1X^ΤΩ^T (3)

其中，X＝[x₁,x₂],x₁＝[0,1,…,N-1]^Τ,

-1表示求逆运算，T表示转秩运算。

可选的，在一些可能的实现方式中，增强信号强度是通过12点均值滤波器增强信号强度；降低信号干扰是通过7点均值滤波器降低杂波信号干扰。

可选的，在一些可能的实现方式中，通过12点均值滤波器增强信号强度的具体步骤为：

其中，

表示小于M/12的最大整数，W[m,n]表示矩阵W_M×N中第m行第n列的值。

可选的，在一些可能的实现方式中，通过7点均值滤波器降低杂波信号干扰的具体步骤为：

其中，

表示小于N*12的最大整数，

表示矩阵

中第m行第n列的值。

可选的，在一些可能的实现方式中，通过基于希尔伯特变换的频域累积算法得到无人机信号频率及其与雷达之间的方位信息。

通过基于希尔伯特变换的频域累积算法得到无人机信号频率的具体步骤为：

频域累计算法表示为：

其中，j＝1,…,N表示矩阵E_M×N的第j列，││表示求模，E[m,n]表示矩阵E_M×N中第m行第n列的值；根据式(6)获取无人机信号频率；

利用希尔伯特变换改善无人机信号的信噪比，式(6)表示为：

P[j]＝|H(G[j])|² (7)

其中，H()表示希尔伯特变换，││表示求模。

参数β是式(7)峰值的索引值，无人机信号频率表示为：

λ＝ρ(β) (8)

其中，

ρ表示无人机信号频谱样本值，取值范围为2.4GHz-2.5GHz。

通过基于希尔伯特变换的方位累积算法得到无人机与雷达之间方位信息的具体步骤为：

方位累积算法表示为：

其中，i＝1,…,N表示矩阵F_M×N的第j列，││表示求模；

根据式(10)获取无人机与雷达之间的方位信息；

利用希尔伯特变换改善信号信噪比，式(10)表示为：

O[i]＝|H(F[i])|² (11)

参数α是式(11)峰值的索引值，无人机与雷达之间的方位表示为：

l＝w(α) (12)

其中，

w表示方位角的样本值，取值范围为0°-180°。

可选的，在一些可能的实现方式中，所述步骤(5)的具体步骤为：

假设无人机方位向信号的标准差数据为Ψ，则无人机信号频率表示为：

τ＝w(υ) (14)

其中，

假设无人机频率向信号的标准差数据为Z，则无人机与雷达之间的方位表示为：

θ＝ρ(η) (16)

其中，

可选的，在一些可能的实现方式中，所述步骤(6)的具体步骤为：

利用式(8)与式(14)得到的无人机信号频率的估计值进行无人机准确估计；式(8)与式(14)误差表示为：

γ＝λ-τ (18)

无人机判决准则为：当γ≤10MHz时，目标空域中存在无人机。当γ>10MHz时，目标空域中不存在无人机。

当目标空域中存在无人机时，根据式(12)与式(16)得到的无人机与雷达之间的方位信息，进一步采取干扰手段对无人机进行压制，从而对其进行管控。

第二方面，本申请实施例还提供了基于雷达的无人机检测系统；

信号采集模块：利用雷达采集检测区域中的信号；

杂波抑制模块：对采集的信号先进行静态背景的抑制，后进行因无人机抖动引入的线性趋势项的抑制；

信号信噪比改善模块：增强信号强度，降低杂波信号干扰；

无人机的信号频率计算模块：对无人机信号方位向进行频域累积计算，得到无人机的信号频率；

无人机信号频率估计模块：分别对无人机信号的频域与方位进行标准差估计，进而估计无人机信号频率；

计算无人机信号频率计算值与无人机信号频率估计值之间的差值，如果差值不超过设定阈值，则判断雷达采集的信号为无人机信号。

第三方面，本申请实施例还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面任一可能的实现方式中的方法。

第四方面，本申请实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面任一可能的实现方式中的任一方法的步骤。

与现有技术相比，本申请实施例的有益效果是：

1)有效的降低回波信号中杂波干扰；

2)显著改善目标信号信噪比；

3)提高目标成功识别概率，降低误判率；

4)在判断出存在无人机信号时，进一步给出无人机方位信息，方便管理者对无人机进行管控。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本申请实施例的流程示意图；

图2为本申请实施例的单一无人机信号示意图；

图3为本申请实施例的无人机信号频域累积得到的频谱特性；

图4为本申请实施例的无人机信号方位累积得到的方位信息；

图5为本申请实施例的无人机信号方位向标准差特性分析结果；

图6为本申请实施例的无人机信号频率向标准差特性分析结果；

图7为本申请实施例的不存在无人机时，步骤D得到的无人机频率估计值；

图8为本申请实施例的不存在无人机时，步骤E得到的无人机频率估计值。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

针对现有同类技术的缺陷，本发明设计了一种基于雷达的空域无人机检测算法，以弥补检测技术的匮乏及已有算法的缺陷与不足，实现无人机有效检测。

本发明中设计的无人机检测算法流程如图1所示。本发明包括A-F五个步骤。

步骤A无人机信号接收：

本发明中利用雷达获得监测空域中可能存在的无人机信号，要求雷达能够全天候、全方位监测目标空域，接收无人机信号。对雷达接收到的无人机信号进行频谱分析，得到信号频谱，设定频率窗，得到回波信号的有效频谱，利用滤波器滤除带外杂波干扰。得到一个二维矩阵(方位-频谱)，单一无人机信号如图2所示。

步骤B杂波抑制：

雷达回波中除了包括无人机信号外，通常还充斥着各种杂波。其中，影响检测结果的最大因素当属静态杂波与由无人机抖动引入的线性趋势项。为了提高无人机检测成功的概率，需要对上述两种杂波进行有效抑制。

假设雷达接收机得到的回波信号为R_M×N。本发明中雷达得到的无人机信号是一个二维矩阵，包括方位向与频率向。为了体现本发明算法的有效性，此过程中所用数据的采集条件是：实验无人机与雷达之间水平距离为500m，无人机垂直距离为100m。无人机与雷达之间的方位范围为90°-100°。

为了估计雷达得到的无人机信号中的静态背景，本发明中利用均值估计算法去除静态背景；利用线性趋势抑制算法抑制无人机信号中潜在的线性趋势项。静态背景可表示为：

Ω[m,n]＝R[m,n]-ξ (2)

利用线性趋势杂波抑制线性趋势项，结果可表示为：

W＝Ω^Τ-X(X^ΤX)^-1X^ΤΩ^T (3)

其中，X＝[x₁,x₂],x₁＝[0,1,…,N-1]^Τ,

步骤C改善信号信噪比：

为了改善无人机信号信噪比，本发明设计了12点均值滤波器，将此滤波器应用于式(3)中矩阵频率向，用以增强无人机信号强度，结果可表示为：

其中，

表示小于M/12的最大整数。

同时，本发明还设计了7点均值滤波器，将此滤波器主要用于式(3)矩阵中雷达回波信号的方位向，用以降低同频段内的杂波信号干扰，可表示为：

其中，

表示小于N/12的最大整数。

步骤D频率累积算法：

为估计无人机与雷达之间的方位角跟无人机信号带宽，步骤D设计了一种基于希尔伯特变换的频域累积算法。步骤D设计了一种基于希尔伯特变换的累积算法。通过基于希尔伯特变换的频域累积算法得到无人机信号频率。频域累计算法表示为：

其中，j＝1,…,N表示矩阵E_M×N的第j列，││表示求模。

根据式(6)可以获取无人机信号带宽；

利用希尔伯特变换改善无人机信号信噪比，式(6)可表示为：

P[j]＝|H(G[j])|² (7)

其中，H()表示希尔伯特变换。

参数β是式(7)峰值的索引值，无人机信号频率表示为：

λ＝ρ(β) (8)

其中，

ρ表示无人机信号频谱样本值，取值范围为2.4GHz-2.5GHz。

通过基于希尔伯特变换的方位累积算法得到无人机与雷达之间方位信息。方位累积算法表示为：

其中，i＝1,…,N表示矩阵F_M×N的第j列，││表示求模。

根据式(10)能够获取无人机与雷达之间的方位信息。

利用希尔伯特变换改善信号信噪比，式(10)可表示为：

O[i]＝|H(F[i])|² (11)

参数α是式(11)峰值的索引值，无人机与雷达之间的方位可表示为：

l＝w(α) (12)

其中，

w表示方位角的样本值，取值范围为0°-180°。

基于频率累积算法的无人机信号频谱特性如图3所示，无人机信号带宽为10MHz。

基于方位累积算法的无人机与雷达之间的方位信息如图4所示。

步骤E信号分析算法：

在步骤D中，本发明设计了一种基于信号特性分析的无人机检测算法。根据得到的无人机数据，本发明深入研究了标准差统计特性。

无人机信号方位向统计特性分析结果，如图5所示。无人机信号频率向统计特性分析结果，如图6所示。由图可知，基于信号标准差分析的算法最能准确地估计无人机的信号带宽及其与雷达之间的方位信息。

τ＝w(υ) (14)

其中，

假设无人机频率向信号的标准差数据为Z，则无人机与雷达之间的方位信息表示为：

θ＝ρ(η) (16)

其中，

步骤F无人机判决算法：

无人机信号的带宽通常为10MHz。利用式(8)与式(14)得到的无人机信号频率的估计值进行无人机准确估计。式(8)与式(14)误差可表示为：

γ＝λ-τ (18)

当目标空域中存在无人机时，根据式(12)与式(16)得到的无人机与雷达之间的方位信息，可进一步采取必要的干扰手段对无人机进行压制，从而对其进行有效管控。

不存在无人机时，步骤C与步骤D得到的无人机频率估计值如图7-图8所示。由此可知，本发明所设计的检测算法能够准确地估计所测空域无人机的存在情况。

本申请实施例还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成方法中的各个操作，为了简洁，在此不再赘述。

应理解，在本申请实施例中，该处理器可以是中央处理单元CPU，该处理器还算可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过起塔的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能的划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外一点，所显示或讨论的相互之间的耦合或者直接耦合或者通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims

1.基于雷达的目标检测方法，其特征是，包括：

步骤(1)：利用雷达采集检测区域中的信号；

步骤(6)：计算步骤(4)得到的无人机信号频率和步骤(5)得到的无人机信号频率之间的差值，如果差值不超过设定阈值，则判断雷达采集的信号为无人机信号；

通过基于希尔伯特变换的频域累积算法得到无人机信号频率及其与雷达之间的方位信息；

频域累计算法表示为：

利用希尔伯特变换改善无人机信号的信噪比，式(6)表示为P[j]＝|H(G[j])|² (7)

其中，H()表示希尔伯特变换，││表示求模；

参数β是式(7)峰值的索引值，无人机信号频率表示为：λ＝ρ(β) (8)

其中，

ρ表示无人机信号频谱样本值，取值范围为2.4GHz-2.5GHz；

方位累积算法表示为：

其中，i＝1,…,N表示矩阵F_M×N的第j列，││表示求模；

根据式(10)获取无人机与雷达之间的方位信息；

利用希尔伯特变换改善信号信噪比，式(10)表示为：O[i]＝|H(F[i])|² (11)

参数α是式(11)峰值的索引值，无人机与雷达之间的方位表示为：l＝w(α) (12)

其中，

w表示方位角的样本值，取值范围为0°-180°；

根据得到的无人机与雷达之间的方位信息，进一步采取干扰手段对无人机进行压制，从而对其进行管控。

2.如权利要求1所述的基于雷达的目标检测方法，其特征是，所述步骤(1)对采集的信号进行傅里叶变换得到信号频谱，利用带通滤波器得到回波信号的有效频谱，得到方位与有效频谱的二维矩阵。

3.如权利要求1所述的基于雷达的目标检测方法，其特征是，步骤(2)中对采集的信号中的静态背景进行抑制的方式为：采用均值估计算法去除静态背景。

4.如权利要求1所述的基于雷达的目标检测方法，其特征是，步骤(2)中对采集的信号中的由无人机抖动引入的线性趋势项进行抑制的方式为：采用线性趋势抑制算法抑制信号中的线性趋势项。

5.如权利要求1所述的基于雷达的目标检测方法，其特征是，增强信号强度是通过12点均值滤波器增强信号强度；降低信号干扰是通过7点均值滤波器降低杂波信号干扰。

6.基于雷达的无人机检测系统，其基于权利要求1-5任意一项所述的基于雷达的目标检测方法，其特征是，包括：

信号采集模块：利用雷达采集检测区域中的信号；

信号信噪比改善模块：增强信号强度，降低杂波信号干扰；

7.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-5任一项方法所述的步骤。

8.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-5任一项方法所述的步骤。