CN109521411A - 一种距离扩展目标的检测方法 - Google Patents
一种距离扩展目标的检测方法 Download PDFInfo
- Publication number
- CN109521411A CN109521411A CN201811552541.XA CN201811552541A CN109521411A CN 109521411 A CN109521411 A CN 109521411A CN 201811552541 A CN201811552541 A CN 201811552541A CN 109521411 A CN109521411 A CN 109521411A
- Authority
- CN
- China
- Prior art keywords
- signal
- discrete
- signals
- target
- detection
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 25
- 230000014509 gene expression Effects 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000000034 method Methods 0.000 claims description 34
- 239000013598 vector Substances 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
-
- 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
- G01S7/418—Theoretical aspects
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
本发明属于信号处理技术领域，公开了一种距离扩展目标的检测方法，包括设置高分辨率雷达的发射信号，分别确定高分辨率雷达接收到的两个相邻距离单元的回波信号；设置参考信号，分别去除两个相邻距离单元的回波信号中的载频，得到两个混频输出信号；对两个混频输出信号分别进行采样，得到对应的两个离散信号；计算两个离散信号的互S表达式及其奇异值；根据奇异值构造两个时频分解特征，并分别作为目标的两个检测统计量；确定目标的两个检测统计量分别对应的检测门限，从而根据两个检测统计量和对应的检测门限进行目标检测，本发明可以检测高速运动的目标，且具有恒虚警特性，可用于对淹没在高斯白噪声中的距离扩展目标的检测。
Description
技术领域
本发明属于信号处理技术领域，尤其涉及一种距离扩展目标的检测方法，可用于对淹没在高斯白噪声中的距离扩展目标的检测。
背景技术
业内周知，目标的回波信号与雷达发射信号的波长和距离分辨率有关。在高分辨雷达HRR下，目标在雷达视线LOS上的投影长度大于发射信号的波长，所以目标可以认为是由多个散射中心组成，其回波为各散射中心回波的叠加。又因为高分辨雷达的距离分辨单元长度小于目标在雷达LOS上的投影长度，此时目标分布于多个距离单元，因而被称为距离扩展目标。由于高分辨雷达可以获得目标更多的信息，包括散射中心的位置，分布和强度等，所以，目标在高分辨雷达下的回波信号被用于目标检测、分类、识别等。
高分辨雷达在目标检测方面优于低分辨雷达，具体表现在以下两个方面：第一，相对于低分辨雷达，高分辨雷达的每个距离单元内包含较少杂波和噪声。距离扩展目标通常仅包含有限个强物理散射中心，所以包含强物理散射中心的距离单元在高分辨距离像HRRP内是稀疏的。因此能量较大的距离分辨单元的信噪比SNR较高；第二，高分辨雷达的一个距离单元内包含的散射中心数目较少，因而回波信号的波动性也较小。
在高分辨雷达下，基于背景噪声统计特性的距离扩展目标检测通常是通过广义似然比检测GLRT或两步GLRT过程实现的。这些基于GLRT的检测器依靠足够多的与待测数据内噪声分量拥有相同协方差矩阵或相同结构协方差矩阵的辅助数据。但是对于高斯白噪声来说，由于协方差矩阵结构相同，则从辅助数据中估计协方差矩阵退化为协方差估计。同时，协方差矩阵可以从待检测数据中估计。所以，辅助数据并不是必需的。除此之外，基于广义似然比检测GLRT的检测器需要目标导向矢量的精确知识。近年，导向矢量的失配问题在一定约束下被减少了。
为了在高斯白噪声中检测距离扩展目标，一种高效的检测器被提出，即空间散射密度-广义似然比检测SSD-GLRT，它是通过非线性映射去噪然后对一个高分辨距离像HRRP沿距离单元积分实现的。基于实测数据，提出了两种在高斯白噪声背景下检测空中飞行器方法：第一种检测器通过计算多个连续的HRRP的波形熵的算术均值实现；另一种检测器首先对每一个HRRP应用二维非线性收缩去噪，然后对多个HRRP的互相关矩阵进行加权平均，最终实现距离扩展目标检测。这两种检测器均可以非相参地积累多个HRRP上的目标回波能量，因而可以提高检测性能。然而他们都受到目标移动的严重影响，包括目标的平动和转动。
发明内容
针对上述问题，本发明的目的在于提供一种距离扩展目标的检测方法，以提高对淹没在高斯白噪声中的距离扩展目标的检测性能。
为达到上述目的，本发明采用如下技术方案予以实现。
一种距离扩展目标的检测方法，所述方法包括如下步骤：
步骤1，设置高分辨率雷达的发射信号，并根据所述发射信号分别确定高分辨率雷达接收到的两个相邻距离单元的回波信号；
步骤2，设置参考信号，根据所述参考信号分别去除所述两个相邻距离单元的回波信号中的载频，得到两个混频输出信号；
步骤3，对所述两个混频输出信号分别进行采样，得到对应的两个离散信号；
步骤4，计算所述两个离散信号的互S表达式；
步骤5，计算所述两个离散信号的互S表达式的奇异值；
步骤6，根据所述两个离散信号的互S表达式的奇异值构造两个时频分解特征，并分别作为目标的两个检测统计量；
步骤7，确定目标的两个检测统计量分别对应的检测门限，从而根据所述两个检测统计量和对应的检测门限进行目标检测。
本发明技术方案的特点和进一步的改进为：
(1)步骤1具体包括：
(1a)设置高分辨率雷达的发射信号
其中，j是虚数单位，fc是载频，μ是调频率，t是连续时间，T是脉冲持续时间；
(1b)确定高分辨率雷达接收到的两个相邻距离单元的回波信号s1(t)和s2(t)：
其中，si(t)表示第i个回波信号，Ai(t)表示第i个回波信号的幅度，τi为第i个回波信号的延迟时间，p(t)为高斯白噪声。
(2)步骤2具体为：根据所述参考信号分别去除所述两个相邻距离单元的回波信号中的载频，得到两个混频输出信号；
(2a)设置参考信号
其中，j是虚数单位，fc是载频，μ是调频率，t是连续时间，Tref是接收窗口的长度；
(2b)根据所述参考信号REF(t)分别去除所述两个相邻距离单元的回波信号s1(t)、s2(t)中的载频，分别对应得到两个混频输出信号x(t)＝s′1(t)+w(t)、y(t)＝s′2(t)+w(t)；
其中，s′1(t)为回波信号s1(t)去除载频后的信号，s′2(t)为回波信号s2(t)去除载频后的信号，w(t)是均值为零方差为σ2的高斯白噪声。
(3)步骤4具体为：
(4a)记对所述两个混频输出信号x(t)、y(t)分别进行采样，得到对应的两个离散信号x(n)、y(n)；
(4b)计算所述两个离散信号的互S表达式：
其中，q为自变量，q∈[-L，L]，L为滞后量，N为离散信号x(n)或y(n)的信号长度，且
n为离散时间，k为离散频率，m为自变量，()*表示共轭操作。
(4)步骤5具体为：
(5a)对所述两个离散信号的互S表达式进行一维离散傅里叶变换，得到离散傅里叶变换结果
其中，N为信号长度，j为虚数单位，下标p表示离散信号x(n)或y(n)的第p个分量，表示x(n)的第p个分量xp与y(n)的第p个分量yp在离散时间为n、离散频率为k时的互维格纳分布，是一个N阶方阵，是x(n)的第p个分量xp与y(n)的第p个分量yp构成的N阶方阵；
(5b)构造列向量x＝[x1，…，xn，…xN]T、y＝[y1，…，yn，…yN]T的互相关矩阵其中，列向量x的N元素依次为离散信号x(n)的N个信号分量，列向量y的N元素依次为离散信号y(n)的N个信号分量；
(5c)对所述互相关矩阵进行奇异值分解，得到奇异值分解表达式：
其中，λp，1，λp，2为特征值，xp，1和yp，1分别表示与酉矩阵X、Y中特征值λp，1对应的列向量，xp，2和yp，2分别表示与酉矩阵X、Y中特征值λp，2对应的列向量，(·)H共轭转置。
(5)子步骤(5b)中，构造列向量x＝[x1，…，xn，…xN]T、y＝[y1，…，yn，…yN]T的互相关矩阵具体为：
设置互相关矩阵的初始状态为全零矩阵；
将中下标和为偶数的元素放入所述互相关矩阵的对应位置，得到赋值后的互相关矩阵如下：
其中，表示元素位于矩阵Rp的第a行第b列，c为整数。
1、根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤6具体为：
根据所述两个离散信号的互S表达式的奇异值构造两个时频分解特征C1和C2：
其中，K为大奇异值的个数，且K为大于零的偶数，λ(n)表示离散时间为n时对应的奇异值，median{λ(n)|n＝K+1，…，N)表示除个大奇异值之外其他所有奇异值的中值，mean{λ(n)|n＝K+1，…，N}表示除个大奇异值之外其他所有奇异值的均值。
(6)步骤7具体为：
(7a)将所述两个时频分解特征分别作为检测统计量，采用蒙特卡罗实验分别确定对应的检测检测门限η1和η2；
(7b)将时频分解特征与检测门限进行比较，当C1＞η1，或者C2＞η2，则确定接收到的回波信号为距离扩展目标信号。
本发明具有如下有益效果：本发明在两相邻高分辨距离像HRRP相关性较低的情况下检测淹没在高斯白噪声中的距离扩展目标，采取了首先计算两相邻混频器输出的互S-方法CSM，然后对CSM进行合成，得到奇异值，最后应用奇异值判断混频器输出中是否含有目标信号的技术方案。实验结果表明本发明的检测性能优于传统的距离扩展目标检测器，并且可以检测高速运动的目标。另外，本发明具有恒虚警特性CFAR，因而不需要从辅助数据中估计噪声方差。
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为本发明的实现流程图；
图2为本发明对飞机Yark-42的两个相邻的混频器输出的分解结果图；
图3为本发明及现有的几种检测器对三种飞机An-26、CC-S/II、Yark-42在虚警率为0.001时的目标检测概率随信噪比SNR变化的对比图；
图4为本发明及现有的几种检测器对三种飞机An-26、CC-S/II、Yark-42检测的虚警率对色噪声相关性变化的敏感程度对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参照图1，本发明技术方案的实现步骤如下：
步骤1，高分辨率雷达的发射信号为Tr(t)，接收机接收的两相邻距离单元的回波信号分别为s1(t)、s2(t)，与发射信号相同的参考信号为REF(t)。
1a)高分辨雷达的发射信号为：
参考信号与发射信号相同，即
式中j是虚数单位，fc是载频，μ是调频率，t是连续时间，T是脉冲持续时间，Tref表示接收窗口的长度，且Rmax、Rmin为接收窗口的端点，vc是光速；
1b)雷达回波信号为：
式中si(t)表示第i个回波信号，Ai(t)表示第i个回波信号的幅度，τi为第i个回波信号的延迟时间，p(t)为高斯白噪声，Ri是第i个回波信号的距离，R0，i是第i个回波信号的初始距离，v是沿雷达视线LOS方向的目标速度，vc是光速；
步骤2，分别将s1(t)、s2(t)和REF(t)混频去除回波信号中的载频，得到两相邻混频器输出分别为x(t)、y(t)。
高分辨雷达通常发射带宽非常宽的线性调频信号LFM，，在这种情况下的回波信号需要去斜处理。该技术通过以下步骤实现：首先将回波信号与参考信号混频去除回波信号中的载频，并将其结果命名为混频器输出。
将1b)中的雷达回波信号应用1a)中的参考信号进行下变频，得到混频器输出：
x(t)＝s′1(t)+w(t)
y(t)＝s′2(t)+w(t)
其中s′i(t)表示已经去除了载频的第i个回波信号，且s′i(t)≈Ai(t)exp(j(θ0+θ1t+θ2t2))，i＝1或2， w(t)是均值为0方差为σ2的高斯白噪声。
步骤3，对混频器输出x(t)、y(t)分别通过采样频率采样后得到离散信号x(n)、y(n)。
步骤4，计算x(n)、y(n)的互S-方法CSM。
互S-方法CSM是在基于S-方法SM的基础上提出来的。基于S-方法SM是一种它是一种分析非平稳信号的时频分析方法。在应用实测雷达数据的情况下，基于SM的检测器的检测性能优于传统检测器。但是基于S-方法的时频分解算法的运算量很大，耗时较长。而互S-方法CSM在对两相邻混频器输出进行信号合成时采用了快速信号合成FSSM的方法，因此更加省时。所以本发明采用互S-方法CSM，其实现如下：
4a)应用与信号长度相同的矩形窗实现的短时傅利叶变换STFT可以表示为：
此时STFT与x(n)、y(n)的互维格纳分布CWD的关系为：式中n为离散时间，k为离散频率，N为信号长度，m、l均为自变量，且()*表示共轭操作；
4b)根据4a)的结果，可推导出离散信号x(n)、y(n)的互S-方法CSM为：式中q为自变量，且q∈[-L，L]，是滞后量。
步骤5，计算4b)中离散信号x(n)、y(n)的互S-方法CSMx，y(n，k)的奇异值。
5a)对4b)中离散信号x(n)、y(n)的互S-方法CSM应用一维逆离散傅里叶变换IDFT，得到：
其中
式中N为信号长度，j为虚数单位，下标p表示离散信号的第p个分量，表示x(n)的第p个分量xp与y(n)的第p个分量yp在离散时间为n、离散频率为k时的互维格纳分布，是一个N阶方阵，是x(n)的第p个分量xp与y(n)的第p个分量yp构成的N阶方阵，且列数据随n变化，行数据随m变化；
5b)构造列向量x＝[x1，…，xn，…xN]T、y＝[y1，…，yn，…yN]T的互相关矩阵
将的第n维的所有非零元素放置在一个零矩阵的第2n-1维辅对角线上，即元素下标和为奇数时该元素置0，下标和为偶数时保留该元素，得到
互相关矩阵
式中矩阵a、b表示元素xp、yp的下标，c∈R；
5c)对5b)中的互相关矩阵进行奇异值分解，得到的奇异值分解表达式为：
其中特征值为λp，1，λp，2，xp，1和yp，1分别表示与酉矩阵X、Y中特征值λp，1对应的列向量，xp，2和yp，2分别表示与酉矩阵X、Y中特征值λp，2对应的列向量，(·)H共轭转置；
步骤6，从奇异值中提取时频分解特征Ce，e＝1或2。
对于一个距离扩展目标的带噪混频器输出，短的滞后量L可能将宽带信号分解成几个部分，这将导致混频器输出的奇异值的聚集性增强。噪声的奇异值比较平滑，这是由于噪声的能量在整个时频域是均匀分布的，从而导致噪声奇异值的聚集性较差。利用两者间奇异值聚集性的差异，可以实现距离扩展目标检测，具体实现如下：
用几个最大奇异值之和与其余奇异值的中值或均值之比来构造时频分解特征，即：
或
式中K为大于0的偶数，λ(n)为在离散时间为n时的奇异值，median{λ(n)|n＝K+1，…，N}表示其余奇异值的中值，mean{λ(n)|n＝K+1，…，N}表示其余奇异值的均值，N表示离散信号的x(n)、y(n)的长度。
步骤7，应用蒙特卡罗方法得到检测门限ηi，i＝1或2。
将两个相邻混频器输出的时频分解特征作为检测统计量，由于该检测统计量不随噪声的能量变化，则本发明具有恒虚警率CFAR特性，所以我们应用100000个纯噪声信号(均值为0方差为1的复高斯白噪声)在虚警率为0.001时确定检测门限。
步骤8，将步骤6中得到的任意一个时频分解特征与步骤7中的检测门限比较，实现距离扩展目标检测：
i＝1或2
其中H1代表目标信号，H0代表噪声。
本发明的效果可通过以下仿真实验进一步说明：
1.实验环境：MATLAB 7.5.0，Intel(R)Pentium(R)2CPU 3.0GHz，Window XPProfessional。
2.实验条件：
根据一部逆合成孔径ISAR雷达记录的三种飞机An-26、CC-S/II和Yark-42的实测数据，进行实验分析，雷达和三种飞机的基本参数如下表所示：
对于每一个信噪比SNR，应用4001个带噪混频器输出评价本发明和现有的几种检测方法对于每一种飞机的检测性能，其中应用前面4000个带噪混频器输出来验证基于SM的检测器的性能，所有的4001个带噪混频器输出用来验证本发明的检测性能。
对三种飞机进行检测时，用到的时频分解特征是C1，滞后量L＝4，并且检测An-26时K＝2，检测其它两种飞机时K＝4。
3.实验内容：
实验1：应用本发明对飞机Yark-42的第3000和3001个高分辨距离像HRRP进行信号分解，得到两个相邻器混频输出的分解结果，如图2所示，其中图2(a)是两个相邻的HRRP的对比图，图2(b)是由两个混频器输出得到的奇异值。
实验2：应用本发明和现有的几种检测器在虚警率为0.001时对三种飞机An-26、CC-S/II和Yark-42进行检测，得到目标检测概率随信噪比SNR变化的结果，如图3所示。其中图3(a)为飞机An-26的目标检测概率随SNR变化的结果，图3(b)为飞机CC-S/II的目标检测概率随SNR变化的结果，图3(c)为飞机Yark-42I的目标检测概率随SNR变化的结果。另外图3中各曲线的意义如下：图中没有标记的曲线由积分检测器得到；用圆圈标志的曲线由SSD-GLRT得到；用加号标志的曲线由应用一个混频器输出的基于SM的检测器得到；用五角星标志的曲线由应用两个混频器输出的本发明得到。
实验3：应用本发明和现有的几种检测器在N0＝32时对三种飞机An-26、CC-S/II和Yark-42进行检测，得到虚警率对色噪声相关性的敏感程度结果，如图4所示，且图4中各曲线的意义与图3相同。
4.实验结果分析：
从图2中可以看出，能量集中在少数几个奇异值上，特别是前四个奇异值明显大于其余的奇异值，它们与高分辨距离像HRRP中的两个能量最大的距离单元对应。
从图3可以看出，在应用雷达实测数据的情况下，基于SM的检测器的检测性能优于积分检测器和空间散射密度-广义似然比检测器SSD-GLRT；而在实测雷达数据没有进行距离走动校正的情况下，本发明的检测性能优于基于SM的检测器。
从图4可以看出，：当ωn≥0.7时，本发明对于色噪声相关性的敏感程度保持在一个数量级之内。当噪声相关时，积分检测器和空间散射密度-广义似然比检测器SSD-GLRT对于色噪声相关性的敏感程度都超出了一个数量级。所以，当色噪声相关性较弱时，本发明对于色噪声相关性的敏感程度小于SSD-GLRT和积分检测器。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、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。
Claims (8)
1.一种距离扩展目标的检测方法，其特征在于，所述方法包括如下步骤：
步骤1，设置高分辨率雷达的发射信号，并根据所述发射信号分别确定高分辨率雷达接收到的两个相邻距离单元的回波信号；
步骤2，设置参考信号，根据所述参考信号分别去除所述两个相邻距离单元的回波信号中的载频，得到两个混频输出信号；
步骤3，对所述两个混频输出信号分别进行采样，得到对应的两个离散信号；
步骤4，计算所述两个离散信号的互S表达式；
步骤5，计算所述两个离散信号的互S表达式的奇异值；
步骤6，根据所述两个离散信号的互S表达式的奇异值构造两个时频分解特征，并分别作为目标的两个检测统计量；
步骤7，确定目标的两个检测统计量分别对应的检测门限，从而根据所述两个检测统计量和对应的检测门限进行目标检测。
2.根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤1具体包括：
(1a)设置高分辨率雷达的发射信号
其中，j是虚数单位，fc是载频，μ是调频率，t是连续时间，T是脉冲持续时间；
(1b)确定高分辨率雷达接收到的两个相邻距离单元的回波信号s1(t)和s2(t)：
其中，si(t)表示第i个回波信号，Ai(t)表示第i个回波信号的幅度，τi为第i个回波信号的延迟时间，p(t)为高斯白噪声。
3.根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤2具体为：根据所述参考信号分别去除所述两个相邻距离单元的回波信号中的载频，得到两个混频输出信号；
(2a)设置参考信号
其中，j是虚数单位，fc是载频，μ是调频率，t是连续时间，Tref是接收窗口的长度；
(2b)根据所述参考信号REF(t)分别去除所述两个相邻距离单元的回波信号s1(t)、s2(t)中的载频，分别对应得到两个混频输出信号x(t)＝s′1(t)+w(t)、y(t)＝s′2(t)+w(t)；
其中，s′1(t)为回波信号s1(t)去除载频后的信号，s′2(t)为回波信号s2(t)去除载频后的信号，w(t)是均值为零方差为σ2的高斯白噪声。
4.根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤4具体为：
(4a)记对所述两个混频输出信号x(t)、y(t)分别进行采样，得到对应的两个离散信号x(n)、y(n)；
(4b)计算所述两个离散信号的互S表达式：
其中，q为自变量，q∈[-L，L]，L为滞后量，N为离散信号x(n)或y(n)的信号长度，且 n为离散时间，k为离散频率，m为自变量，()*表示共轭操作。
5.根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤5具体为：
(5a)对所述两个离散信号的互S表达式进行一维离散傅里叶变换，得到离散傅里叶变换结果
其中，N为信号长度，j为虚数单位，下标p表示离散信号x(n)或y(n)的第p个分量，表示x(n)的第p个分量xp与y(n)的第p个分量yp在离散时间为n、离散频率为k时的互维格纳分布，是一个N阶方阵，是x(n)的第p个分量xp与y(n)的第p个分量yp构成的N阶方阵；
(5b)构造列向量x＝[x1，…，xn，…xN]T、y＝[y1，…，yn，…yN]T的互相关矩阵其中，列向量x的N元素依次为离散信号x(n)的N个信号分量，列向量y的N元素依次为离散信号y(n)的N个信号分量；
(5c)对所述互相关矩阵进行奇异值分解，得到奇异值分解表达式：
其中，λp，1，λp，2为特征值，xp，1和yp，1分别表示与酉矩阵X、Y中特征值λp，1对应的列向量，xp，2和yp，2分别表示与酉矩阵X、Y中特征值λp，2对应的列向量，(·)H共轭转置。
6.根据权利要求5所述的一种距离扩展目标的检测方法，其特征在于，子步骤(5b)中，构造列向量x＝[x1，…，xn，…xN]T、y＝[y1，…，yn，…yN]T的互相关矩阵具体为：
设置互相关矩阵的初始状态为全零矩阵；
将中下标和为偶数的元素放入所述互相关矩阵的对应位置，得到赋值后的互相关矩阵如下：
其中， 表示元素位于矩阵Rp的第a行第b列，c为整数。
7.根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤6具体为：
根据所述两个离散信号的互S表达式的奇异值构造两个时频分解特征C1和C2：
其中，K为大奇异值的个数，且K为大于零的偶数，λ(n)表示离散时间为n时对应的奇异值，median{λ(n)ln＝K+1，…，N}表示除个大奇异值之外其他所有奇异值的中值，mean{λ(n)ln＝K+1，…，N)表示除个大奇异值之外其他所有奇异值的均值。
8.根据根据权利要求1所述的一种距离扩展目标的检测方法，其特征在于，步骤7具体为：
(7a)将所述两个时频分解特征分别作为检测统计量，采用蒙特卡罗实验分别确定对应的检测检测门限η1和η2；
(7b)将时频分解特征与检测门限进行比较，当C1＞η1，或者C2＞η2，则确定接收到的回波信号为距离扩展目标信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811552541.XA CN109521411A (zh) | 2018-12-19 | 2018-12-19 | 一种距离扩展目标的检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811552541.XA CN109521411A (zh) | 2018-12-19 | 2018-12-19 | 一种距离扩展目标的检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109521411A true CN109521411A (zh) | 2019-03-26 |
Family
ID=65796172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811552541.XA Pending CN109521411A (zh) | 2018-12-19 | 2018-12-19 | 一种距离扩展目标的检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109521411A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462342A (zh) * | 2020-11-06 | 2021-03-09 | 中国人民解放军空军预警学院雷达士官学校 | 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法 |
| CN114492505A (zh) * | 2021-12-24 | 2022-05-13 | 西安电子科技大学 | 基于半实测数据的空中群目标和扩展目标识别方法 |
| CN114519372A (zh) * | 2022-01-28 | 2022-05-20 | 西安电子科技大学 | 基于支持向量机的一维距离像目标识别方法 |
| CN117907943A (zh) * | 2024-03-19 | 2024-04-19 | 深圳大学 | 一种基于线性调频信号的超分辨测距方法、系统及终端 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104459665A (zh) * | 2014-11-28 | 2015-03-25 | 西安电子科技大学 | 基于混合多项式相位函数的机动距离扩展目标检测方法 |
-
2018
- 2018-12-19 CN CN201811552541.XA patent/CN109521411A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104459665A (zh) * | 2014-11-28 | 2015-03-25 | 西安电子科技大学 | 基于混合多项式相位函数的机动距离扩展目标检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 左磊: "基于联合分布的雷达目标检测与分类方法研究", 《中国优秀博士学位论文全文数据库》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112462342A (zh) * | 2020-11-06 | 2021-03-09 | 中国人民解放军空军预警学院雷达士官学校 | 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法 |
| CN112462342B (zh) * | 2020-11-06 | 2021-11-02 | 中国人民解放军空军预警学院雷达士官学校 | 一种高机动弱目标的阶段离散化维格纳霍夫变换时频形态自重构检测方法 |
| CN114492505A (zh) * | 2021-12-24 | 2022-05-13 | 西安电子科技大学 | 基于半实测数据的空中群目标和扩展目标识别方法 |
| CN114519372A (zh) * | 2022-01-28 | 2022-05-20 | 西安电子科技大学 | 基于支持向量机的一维距离像目标识别方法 |
| CN117907943A (zh) * | 2024-03-19 | 2024-04-19 | 深圳大学 | 一种基于线性调频信号的超分辨测距方法、系统及终端 |
| CN117907943B (zh) * | 2024-03-19 | 2024-06-07 | 深圳大学 | 一种基于线性调频信号的超分辨测距方法、系统及终端 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111352102B (zh) | 一种基于调频连续波雷达的多目标个数检测方法及装置 | |
| CN109521411A (zh) | 一种距离扩展目标的检测方法 | |
| CN111736131B (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
| 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 | |
| CN106468770B (zh) | K分布杂波加噪声下的近最优雷达目标检测方法 | |
| CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
| Huang et al. | Radar high speed small target detection based on keystone transform and linear canonical transform | |
| US7535412B1 (en) | Single pulse imaging radar system and method | |
| CN113534065B (zh) | 一种雷达目标微动特征提取与智能分类方法及系统 | |
| CN107831473B (zh) | 基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法 | |
| CN110954885B (zh) | 基于sbl的捷变频雷达自适应目标重构方法 | |
| CN106970369A (zh) | 基于知识辅助的宽带雷达目标检测方法 | |
| CN105866749A (zh) | 一种距离和速度同步拖引的雷达干扰识别方法 | |
| CN106569193A (zh) | 基于前‑后向收益参考粒子滤波的海面小目标检测方法 | |
| CN103235295A (zh) | 基于压缩卡尔曼滤波的小场景雷达目标距离像估计方法 | |
| CN103901416A (zh) | 一种基于稳健主成分分析法的多通道杂波抑制方法 | |
| Wang et al. | Prior-guided deep interference mitigation for FMCW radars | |
| CN113376606A (zh) | 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法 | |
| CN108020834B (zh) | 基于改进edpca的运动目标检测方法、装置及电子设备 | |
| Chen et al. | Improved target detection through DNN-based multi-channel interference mitigation in automotive radar | |
| Krichene et al. | Compressive sensing and stretch processing | |
| US11269052B2 (en) | Signal processing method | |
| Park et al. | Classification of Small Drones Using Low-Uncertainty Micro-Doppler Signature Images and Ultra-Lightweight Convolutional Neural Network | |
| CN104237864B (zh) | 基于匹配模糊函数的距离扩展目标检测方法 | |
| CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190326 |
|
| WD01 | Invention patent application deemed withdrawn after publication |