CN109407069A - 一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法 - Google Patents
一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法 Download PDFInfo
- Publication number
- CN109407069A CN109407069A CN201811462786.3A CN201811462786A CN109407069A CN 109407069 A CN109407069 A CN 109407069A CN 201811462786 A CN201811462786 A CN 201811462786A CN 109407069 A CN109407069 A CN 109407069A
- Authority
- CN
- China
- Prior art keywords
- parameter
- gating
- angle
- frequency
- weighting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000013016 learning Effects 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 3
- 230000035485 pulse pressure Effects 0.000 claims description 3
- 230000001629 suppression Effects 0.000 abstract description 10
- 238000012545 processing Methods 0.000 abstract description 2
- 238000000691 measurement method Methods 0.000 abstract 1
- 238000009825 accumulation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
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
- 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
- G01S7/42—Diversity systems specially adapted for radar
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
本发明提出一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法,包括:跳频参数选取(1)、接收回波(2)、选通加权(3)、参数学习(4)、带入学习参数b(5)、抑制角闪烁误差(6)。首先根据目标尺寸和雷达自身性能进行跳频参数选取(1);其次接收回波,经过传统角度测量方法(2);利用选通加权方法进行角闪烁抑制处理(6);其中,选通方法中的参数经过前期参数学习(4)获得。
Description
技术领域
本发明涉及一种角闪烁抑制方法,特别是一种基于选通加权频率分集的弹载雷达角闪烁抑制方法。
背景技术
频率分集方法在对多个频点测量得到的角误差进行加权处理,达到抑制目标角闪烁。目前该方法主要应用与地基或车载雷达等雷达资源较为丰富的雷达系统中。由于弹上资源有限,频率分集的多个频点信号只能通过跳频的方式实现。弹上雷达功率受限,每个频点处需要进行一定时间的相参积累才能达到检测门限,频率分集方法则需要多个跳频频点均进行相参积累,因此该方法在弹载雷达上应用存在耗时较长或者角闪烁抑制能力不强的问题。目前针对弹载雷达应用场景的频率分集方法研究较少。
发明内容
本发明的目的在于提供一种弹载雷达角闪烁抑制方法,提高角闪烁抑制能力。传统频率分集方法采用的加权因子主要包括平均加权、线性加权、平方加权等,这些加权方法需要较多的频点数是制约该方法在弹载雷达上应用的主要原因。
本发明的一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法,其特征在于,所述方法包括以下步骤:跳频参数选取、接收回波、选通加权、参数学习、代入学习参数b、抑制角闪烁误差,其中,
第一步,针对不同的目标尺寸L,计算跳频频率间隔;
其中,C表示光速;
第二步,跳频信号经过混频、滤波、脉压、比幅测角得到N次测角结果,θi表示第i次的测角结果;
第三步,Ai为第i个脉冲回波和通道的幅度,Amax为N个脉冲回波和通道的最大幅度,W(Ai)为幅度加权因子,θm表示加权后的测角结果,则加权后的测角结果为式
选通加权,如式所示:
W(Ai)=max((Ai/Amax-b),0) (3)
其中,b为一个可学习参数,不同的学习集的结果不相同;
第四步,收集某类目标的雷达回波数据和对应的角度信息K组,把每组雷达数据带入公式(2)中得到加权后的测量结果θm,k(b),利用非线性最小二乘求解式(4)获得该类目标的最优参数b,
第五步针对不同种类目标,重复上述过程,把求解得到的b带回公式(4)中以完成该算法的学习过程;
第六步获取目标种类信息,把对应的可学习参数b代入到公式(4)抑制角闪烁误差。
本发明采用机器学习思想,提出的选通加权方法,与传统加权方法不同的是,该方法中存在两个可学习参数。通常情况下,弹载雷达的探测目标为几种或十几种。针对这些种类的目标,构建该目标的回波数据库,并用该数据库作为训练数据对学习参数加以训练,得到每种目标的选通加权参数并装订在最终的算法中。实际应用中,先通过地面雷达获得目标种类信息,之后弹载雷达把该种类的选通加权系数加载到最终的算法中。
采用频率捷变实现弹上雷达的频率分集。只有频差增大到一定值之后,才能有效去除脉间的相关性,即临界频差。对于飞机、导弹等这类形状较为规则的目标,其临界频差和目标的径向长度成反比。
附图说明
图1是本发明基于选通加权的角闪烁抑制方法示意图。
1.跳频参数选取 2.接收回波 3.选通加权 4.参数学习 5.代入学习参数b 6.抑制角闪烁误差
具体实施方式
本发明提供一种弹载雷达角闪烁抑制方法,提高角闪烁抑制能力。传统频率分集方法采用的加权因子主要包括平均加权、线性加权、平方加权等,这些加权方法需要较多的频点数是制约该方法在弹载雷达上应用的主要原因。
以下结合图1对本发明的实施方式做出详细描述。
本发明的弹载雷达角闪烁抑制方法包括以下步骤:
第一步,针对不同的目标尺寸L,计算跳频频率间隔
其中,C表示光速。
第二步,跳频信号经过混频、滤波、脉压、比幅测角得到N次测角结果,θi表示第i次的测角结果。
第三步,设Ai为第i个脉冲回波和通道的幅度,Amax为N个脉冲回波和通道的最大幅度,W(Ai)为幅度加权因子。θm表示加权后的测角结果,则加权后的结果可以表示为式
本发明专利借用神经网络中,神经元选通思想,提出一种选通加权,如式所示:
W(Ai)=max((Ai/Amax-b),0) (3)
其中,b为可学习参数,不同的学习集的结果不相同,当Ai/Amax小于某一特定值时,该次脉冲的测量结果不被选入最终的加权结果中。
第四步,收集目标的雷达回波数据和对应的角度信息K组,把每组雷达数据带入公式(2)中得到加权后的测量结果θm,k(b),利用非线性最小二乘求解式(4)即可获得该类目标的最优参数b。
第五步,针对不同种类目标,重复上述过程,得到每种类型的b,带回公式(4)中即完成该算法的学习过程。
第六步,获取目标种类信息,把对应的参数代入到公式(4)抑制角闪烁误差。
在实际应用中,直接利用学习后的公式(4)抑制角闪烁误差,无需经过第四、五步。
利用仿真实验与传统的加权方法进行比较。仿真参数:翼展7m,长度8m的气动目标,雷达捷变频率为20MHz,捷变次数4~6次。计算每种加权方式的测角误差与未加权的测角误差的比值,重复仿真100次,得到平均结果为表1:
表1
从表1中明显看出,经过学习的选通加权效果显著优于传统的加权方法,捷变频率4次的选通加权效果依然略好于6次捷变的平方加权。因此,本发明中的选通加权在捷变频次数减少1/3的条件下,仍然略好于传统加权方法。
Claims (1)
1.一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法,其特征在于,所述方法包括以下步骤:跳频参数选取、接收回波、选通加权、参数学习、代入学习参数b、抑制角闪烁误差,其中,
第一步,针对不同的目标尺寸L,计算跳频频率间隔;
其中,C表示光速;
第二步,跳频信号经过混频、滤波、脉压、比幅测角得到N次测角结果,θi表示第i次的测角结果;
第三步,Ai为第i个脉冲回波和通道的幅度,Amax为N个脉冲回波和通道的最大幅度,W(Ai)为幅度加权因子,θm表示加权后的测角结果,则加权后的测角结果为式
选通加权,如式所示:
W(Ai)=max((Ai/Amax-b),0) (3)
其中,b为一个可学习参数,不同的学习集的结果不相同;
第四步,收集某类目标的雷达回波数据和对应的角度信息K组,把每组雷达数据带入公式(2)中得到加权后的测量结果θm,k(b),利用非线性最小二乘求解式(4)获得该类目标的最优参数b,
第五步针对不同种类目标,重复上述过程,把求解得到的b带回公式(4)中以完成该算法的学习过程;
第六步获取目标种类信息,把对应的可学习参数b代入到公式(4)抑制角闪烁误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462786.3A CN109407069B (zh) | 2018-12-03 | 2018-12-03 | 一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811462786.3A CN109407069B (zh) | 2018-12-03 | 2018-12-03 | 一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109407069A true CN109407069A (zh) | 2019-03-01 |
CN109407069B CN109407069B (zh) | 2023-01-06 |
Family
ID=65456888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811462786.3A Active CN109407069B (zh) | 2018-12-03 | 2018-12-03 | 一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109407069B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273269A (zh) * | 2020-02-18 | 2020-06-12 | 桂林电子科技大学 | 基于ipso-bp的频率分集阵列的雷达目标定位方法 |
CN113109776A (zh) * | 2021-02-24 | 2021-07-13 | 西安电子科技大学 | 一种基于重排时频分析的角闪烁抑制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5662534A (en) * | 1995-06-26 | 1997-09-02 | Kroll; Braden W. | Golf ball finding system |
CN103353595A (zh) * | 2013-06-18 | 2013-10-16 | 西安电子科技大学 | 基于阵列内插压缩感知的米波雷达测高方法 |
CN104428194A (zh) * | 2012-07-06 | 2015-03-18 | 捷太格特欧洲公司 | 确定机动车辆方向盘绝对角度位置的改良方法 |
CN106019250A (zh) * | 2016-05-16 | 2016-10-12 | 中国人民解放军国防科学技术大学 | 基于角闪烁转发式假目标鉴别方法 |
CN107515398A (zh) * | 2017-08-23 | 2017-12-26 | 哈尔滨工业大学 | 基于宽带回波的逆合成孔径雷达成像目标连续跟踪方法 |
-
2018
- 2018-12-03 CN CN201811462786.3A patent/CN109407069B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5662534A (en) * | 1995-06-26 | 1997-09-02 | Kroll; Braden W. | Golf ball finding system |
CN104428194A (zh) * | 2012-07-06 | 2015-03-18 | 捷太格特欧洲公司 | 确定机动车辆方向盘绝对角度位置的改良方法 |
CN103353595A (zh) * | 2013-06-18 | 2013-10-16 | 西安电子科技大学 | 基于阵列内插压缩感知的米波雷达测高方法 |
CN106019250A (zh) * | 2016-05-16 | 2016-10-12 | 中国人民解放军国防科学技术大学 | 基于角闪烁转发式假目标鉴别方法 |
CN107515398A (zh) * | 2017-08-23 | 2017-12-26 | 哈尔滨工业大学 | 基于宽带回波的逆合成孔径雷达成像目标连续跟踪方法 |
Non-Patent Citations (2)
Title |
---|
孙文峰等: "频率分集技术对宽带毫米波雷达目标角闪烁的抑制", 《现代雷达》 * |
逯程等: "基于一种秩检测预处理器的频率捷变单脉冲雷达角闪烁抑制方法", 《电光与控制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111273269A (zh) * | 2020-02-18 | 2020-06-12 | 桂林电子科技大学 | 基于ipso-bp的频率分集阵列的雷达目标定位方法 |
CN113109776A (zh) * | 2021-02-24 | 2021-07-13 | 西安电子科技大学 | 一种基于重排时频分析的角闪烁抑制方法 |
CN113109776B (zh) * | 2021-02-24 | 2024-02-06 | 西安电子科技大学 | 一种基于重排时频分析的角闪烁抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109407069B (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104267379B (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN106546965B (zh) | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 | |
Junfei et al. | Barrage jamming detection and classification based on convolutional neural network for synthetic aperture radar | |
WO2018045566A1 (zh) | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 | |
CN110133599B (zh) | 基于长短时记忆模型的智能雷达辐射源信号分类方法 | |
CN109212500B (zh) | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 | |
US9057783B2 (en) | Change detection method and system for use in detecting moving targets behind walls, barriers or otherwise visually obscured | |
CN113687318B (zh) | 一种雷达抗干扰效能评估方法 | |
CN113221631B (zh) | 基于卷积神经网络的序列脉冲抗干扰目标检测方法 | |
CN106772303B (zh) | Mtd雷达的通道级杂波抑制方法 | |
CN106353737A (zh) | 一种基于全频带谱分析的雷达压制式干扰检测方法 | |
KR100780470B1 (ko) | 탐색 레이더의 적응적 표적 탐지장치 | |
CN109581313A (zh) | 一种脉组频率捷变雷达的目标检测方法 | |
CN108717698A (zh) | 一种基于深度卷积生成对抗网络的高质量图像生成方法 | |
CN106483516A (zh) | 基于先验知识的雷达杂波空时自适应处理方法 | |
CN104794264B (zh) | 一种基于稀疏频率的雷达通信波形设计方法 | |
CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
CN106324596B (zh) | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 | |
CN110275147B (zh) | 基于迁移深度神经网络的人体行为微多普勒的分类识别方法 | |
CN106383339A (zh) | 一种多站点雷达信号级联合检测的镜像目标抑制方法 | |
CN109407069A (zh) | 一种基于选通加权频率分集的弹载雷达角闪烁频率抑制方法 | |
EP3417311B1 (en) | A method for motion classification using a pulsed radar system | |
CN109061626A (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
CN112014807A (zh) | 一种频率捷变雷达的自适应杂波抑制方法 | |
CN115951315A (zh) | 基于改进小波包能量谱的雷达欺骗干扰识别方法及系统 |
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 |