CN109521412A - 基于局部统计量融合的雷达组网空域目标检测方法 - Google Patents

基于局部统计量融合的雷达组网空域目标检测方法 Download PDF

Info

Publication number
CN109521412A
CN109521412A CN201811606179.XA CN201811606179A CN109521412A CN 109521412 A CN109521412 A CN 109521412A CN 201811606179 A CN201811606179 A CN 201811606179A CN 109521412 A CN109521412 A CN 109521412A
Authority
CN
China
Prior art keywords
radar
signal
detection
statistic
echo
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
CN201811606179.XA
Other languages
English (en)
Other versions
CN109521412B (zh
Inventor
周宇
雷变
马忠晗
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN201811606179.XA priority Critical patent/CN109521412B/zh
Publication of CN109521412A publication Critical patent/CN109521412A/zh
Application granted granted Critical
Publication of CN109521412B publication Critical patent/CN109521412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details 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
    • G01S7/414Discriminating targets with respect to background clutter
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details 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
    • G01S7/418Theoretical 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

本发明公开一种基于局部统计量融合的雷达组网空域目标检测方法,其实现步骤是:接收回波信号,对回波信号进行采样;对回波信号中待检测信号的噪声功率进行估计;构建局部检测统计量,确定单基地雷达的检测性能;对局部检测统计量求和相加,得到全局检测统计量,确定雷达组网的检测性能;利用雷达组网的检测性能确定回波信号中是否存在目标。本发明在检测过程中对单基地雷达的噪声功率进行了估计,在融合中心确定目标存在时,无需估计检测门限,全局检测统计量大于0则认为目标存在,提高了雷达组网系统对目标的检测速度。

Description

基于局部统计量融合的雷达组网空域目标检测方法
技术领域
本发明属于通信技术领域,更进一步涉及雷达通信技术领域中的一种基于局部统计量融合的雷达组网空域目标检测方法。本发明可用于在自发自收的单基地雷达组网系统中对空间中某一位置目标的检测。
背景技术
雷达组网由多个自发自收的单基地雷达组成,以便从不同距离观察目标,对各个接收机接收到的信号进行融合,从而提高组网雷达的检测性能。但目前仍存在一定的问题和不足,例如目标到雷达的距离太远以至于雷达接收到目标的回波信噪比太低,因此单部雷达不能检测到目标,通过雷达组网融合检测以后可以改善雷达对目标的检测性能。
西安电子科技大学在其申请的专利文献“基于多基地雷达的杂波子空间下目标检测方法”(申请号201711200637.5)中公开了一种基于多基地雷达的杂波子空间下目标检测方法。该方法首先对采集的回波数据进行检测,得到局部检验统计量,然后在融合中心根据局部检验统计量计算全局检验统计量,最后则判决目标是否存在。本发明提高了多基地雷达杂波子空间下目标的检测性能。但是,该方法仍然存在的不足之处是,在空域目标检测时,需准确已知局部噪声功率。
西安电子科技大学在其申请的专利文献“一种数据传输率约束下的雷达目标检测方法”(申请号201510736844.7,CN 105425222 A)中公开了一种数据传输率约束下的雷达目标检测方法。该方法首先对采集的回波数据进行检测,得到局部检验统计量,然后根据第一门限对局部检验统计量进行判别,确定大于和小于第一门限的局部检验统计量,得到全局检验统计量;将全局检验统计量并与第二门限进行比较,判决目标是否存在。本发明能够在降低局部雷达站与融合中心的数据传输量。但是,该方法仍然存在的不足之处是,计算融合中心的检测门限时,需根据回波信号中的信噪比进行确定,从而导致系统检测速度变慢。
综上所述,对于雷达目标检测方法在现有雷达组网检测领域的应用,目前已有的方法需准确已知噪声功率,计算融合中心的检测门限需用到回波信号中的信噪比导致系统检测速度变慢等问题。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于局部统计量融合的雷达组网空域目标检测方法。本发明利用单基地雷达接收到的信号,对局部噪声功率进行估计,在利用全局检测统计量检测空域目标时,全局检测统计量大于0,认为目标存在。
实现本发明目的具体思路是:对目标回波信号进行采样,利用采样以后的数据估计噪声功率,利用得到的噪声功率构建单基地雷达的局部检测统计量,在高斯噪声背景下可以得到局部检测统计,将组网雷达中各局部检测统计量进行融合可以得到全局检测统计量,在各局部检测统计量相互独立时,利用局部检测统计量的检测性能确定融合中心的检测性能。
本发明的具体步骤包括如下:
(1)对回波信号进行采样:
对单基地雷达接收的回波信号进行采样,得到待检测信号,在待检测信号的左右两端选取N个参考信号Xj,j=1,2…N,8≤N≤15;
(2)估计单基地雷达接收信号的噪声功率:
将N个参考信号进行升序排序,选取升序序列中第k个参考信号的幅值,作为雷达组网中单基地雷达接收信号的噪声功率估计值,0≤k≤N;
(3)确定单基地雷达的检测性能:
(3a)按照S=X0-tZ公式,计算单基地雷达的局部检测统计量,其中,Z表示噪声功率估计值,X0表示待检测信号,t表示单基地雷达虚警概率确定的检测门限;
(3b)利用单基地雷达局部检测统计量在高斯噪声背景下所服从的分布,确定单基地雷达的检测性能;
(4)确定融合中心的检测性能:
融合中心将雷达组网单基地雷达的局部检测统计量进行相加融合,得到融合后的全局检测统计量;
(5)确定空域目标:
将全局检测统计量大于0的回波信号,认定该回波信号中存在空域目标。
本发明与现有技术相比具有以下优点:
第一,由于本发明通过对单基地雷达接收的回波信号进行采样,估计局部的噪声功率,克服了现有技术在空域目标检测时,需准确已知局部噪声功率的问题,使得本发明在局部噪声未知情况下有更好的检测性能。
第二,由于本发明通过判断全局检测统计量是否大于0,来确定空域目标存在,克服了现有技术在融合中心根据回波信号中的信噪比求取检测门限时导致系统检测速度慢的问题,使得本发明提高了组网雷达对目标的检测速度。
附图说明:
图1是本发明的流程图;
图2是本发明的仿真图;
图3是本发明的仿真图。
具体实施方式
下面结合附图,对本发明做进一步详细描述。
参照图1,对本发明的具体实施步骤做进一步详细描述。
步骤1,对回波信号进行采样。
对单基地雷达接收的回波信号进行采样,得到待检测信号,在待检测信号的左右两端选取N个参考信号Xj,j=1,2…N,8≤N≤15。
在待检测信号左右两端取参考信号时,左右两端参考信号的个数相差的绝对值不超过1。
步骤2,估计单基地雷达接收信号的噪声功率。
将N个参考信号进行升序排序,选取升序序列中第k个参考信号的幅值,作为雷达组网中单基地雷达接收信号的噪声功率估计值,0≤k≤N。
步骤3,确定单基地雷达的检测性能。
按照S=X0-tZ公式,计算单基地雷达的局部检测统计量,其中,Z表示噪声功率估计值,X0表示待检测信号,t表示单基地雷达虚警概率确定的检测门限。
所述的单基地雷达虚警概率确定的检测门限是由下式确定的:
其中,Π表示连乘操作,i表示连乘因子,0≤i≤k-1,Pfa表示单基地雷达的虚警概率。
利用单基地雷达局部检测统计量在高斯背景下所服从的分布,确定单基地雷达的检测性能。
所述的单基地雷达的检测性能是由下式确定的:
其中,Pd表示回波信号的检测概率,i表示求和因子,k≤i≤N,j表示求和因子,0≤j≤i,y表示积分因子,λ表示回波信号中的信噪比。
步骤4,确定融合中心的检测性能。
融合中心将雷达组网单基地雷达的局部检测统计量进行相加融合,得到融合后的全局检测统计量。
假设雷达组网由两部单基地雷达组成:
G=S1+S2=X10-t1Z1+X20-t2Z2
其中,G表示全局检测统计量,S1表示雷达1的局部检测统计量,S2表示雷达2的局部检测统计量,X10表示雷达1接收回波信号中的待检测单元,t1表示雷达1的检测门限,Z1表示雷达1接收回波信号中估计的噪声功率,X20表示雷达2接收回波信号中的待检测单元,t2表示雷达2的检测门限,Z2表示雷达2接收回波信号中估计的噪声功率。
总的判决准则为
在局部检测统计量之间是相互统计独立时,G大于等于零得到组网雷达的检测概率:
P表示回波信号在融合中心的检测概率,k1表示估计单基地雷达1的噪声功率时所选择数据的位置,N1表示单基地雷达1参考信号的总数,k2表示估计单基地雷达2的噪声功率时所选择数据的位置,N2表示单基地雷达2参考信号的总数,λ1表示单基地雷达1接收回波的信噪比,λ2表示单基地雷达2接收回波的信噪比,.表示矩阵相乘。
步骤5,确定空域目标。
将全局检测统计量大于0的回波信号,认定该回波信号中存在空域目标。
根据雷达方程,给定单基地雷达的检测门限Pd0,根据单基地雷达的检测性能可得到检测门限Pd0对应的信噪比SNRmin,代入雷达方程即可求得此信噪比下的最大探测距离Rmax,根据即可得到任一距离下,每个单基地雷达接收回波信号中的信噪比,代入步骤4,可判断组网雷达是否能检测到目标。
下面结合仿真实验对本发明做进一步的描述。
1.仿真条件:
本发明的仿真实验是在计算机主要配置为:CPU为Intel Core i5-650,3.2GHz,RAM为4GB;操作系统为Windows 7;运行软件为Matlab R2014a上完成的。
雷达组网的设置为:雷达1的位置(-30,0)km,雷达2的位置(30,0)km,两部雷达之间的距离60km,系统的虚警概率Pfa=10-6,雷达1选取的参考单元总数N1=10,所选择的参考单元k1=7,雷达2选取的参考单元总数N2=12,所选择的参考单元k2=9。
2.仿真内容与结果分析:
本发明的仿真实验有2个,仿真实验1,雷达1、雷达2和组网雷达融合中心在接收回波信噪比下的检测性能。仿真实验2,雷达1、雷达2和组网雷达融合中心能检测到空域目标的最远距离。
仿真实验1:
本发明的仿真实验1是用本发明和一个现有技术的基于多基地雷达的快起伏目标双门限恒虚警检测方法,分别对上述仿真条件下雷达1、雷达2和融合中心的检测性能进行仿真。仿真结果如图2所示。
图2中的横轴表示雷达接收到回波的信噪比的值,单位是dB,纵轴表示检测概率值,图2中以三角标示的曲线表示本发明的检测性能曲线,以菱形标示的曲线表示雷达1的检测性能曲线,以圆形标示的曲线表示雷达2的检测性能曲线。
从图2中可以看出,在接收回波的信噪比为15dB时,本发明的检测概率为0.65,雷达1的检测概率为0.37,雷达2的检测概率为0.28。本发明与雷达1、雷达2相比,可以获得更好的检测性能。
仿真实验2:
本发明的仿真实验2是用本发明,在雷达1、雷达2的检测概率Pd0=0.8,作用距离Rmax=40km,雷达1、雷达2和本发明能检测到空域目标的最远距离进行仿真。仿真结果如图3所示。
图3中的横轴表示距离,单位是km,纵轴表示距离,单位是km。两个圆形区域是雷达1、雷达2能探测到空域目标的最远距离,外层的轮廓线为本发明探测到空域目标的最远距离。
从图3中可以看出雷达1和雷达2探测到空域目标的最远距离为40km,本发明探测空域目标的最远距离为45km。本发明与雷达1、雷达2相比探测到空域目标的距离更大。

Claims (3)

1.一种基于局部统计量融合的雷达组网空域目标检测方法,其特征在于,雷达组网由多个自发自收的单基地雷达组成,对雷达组网中单基地雷达接收信号的噪声功率进行估计;在融合中心将各个单基地雷达的局部检测统计量进行融合,利用融合以后的全局检测统计量检测空域目标;该方法具体步骤包括如下:
(1)对回波信号进行采样:
对单基地雷达接收的回波信号进行采样,得到待检测信号,在待检测信号的左右两端选取N个参考信号Xj,j=1,2…N,8≤N≤15;
(2)估计单基地雷达接收信号的噪声功率:
将N个参考信号进行升序排序,选取升序序列中第k个参考信号的幅值,作为雷达组网中单基地雷达接收信号的噪声功率估计值,0≤k≤N;
(3)确定单基地雷达的检测性能:
(3a)按照S=X0-tZ公式,计算单基地雷达的局部检测统计量,其中,Z表示噪声功率估计值,X0表示待检测信号,t表示单基地雷达虚警概率确定的检测门限;
(3b)利用单基地雷达局部检测统计量在高斯噪声背景下所服从的分布,确定单基地雷达的检测性能;
(4)确定融合中心的检测性能:
融合中心将雷达组网单基地雷达的局部检测统计量进行相加融合,得到融合后的全局检测统计量;
(5)确定空域目标:
将全局检测统计量大于0的回波信号,认定该回波信号中存在空域目标。
2.根据权利要求1所述的基于局部统计量融合的雷达组网空域目标检测方法,其特征在于:步骤(3a)中所述的单基地雷达虚警概率确定的检测门限是由下式确定的:
其中,Π表示连乘操作,i表示连乘因子,0≤i≤k-1,Pfa表示单基地雷达的虚警概率。
3.根据权利要求1所述的基于局部统计量融合的雷达组网空域目标检测方法,其特征在于:步骤(3b)中所述的单基地雷达的检测性能是由下式确定的:
其中,Pd表示回波信号的检测概率,i表示求和因子,k≤i≤N,j表示求和因子,0≤j≤i,y表示积分因子,λ表示回波信号中的信噪比。
CN201811606179.XA 2018-12-26 2018-12-26 基于局部统计量融合的雷达组网空域目标检测方法 Active CN109521412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811606179.XA CN109521412B (zh) 2018-12-26 2018-12-26 基于局部统计量融合的雷达组网空域目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811606179.XA CN109521412B (zh) 2018-12-26 2018-12-26 基于局部统计量融合的雷达组网空域目标检测方法

Publications (2)

Publication Number Publication Date
CN109521412A true CN109521412A (zh) 2019-03-26
CN109521412B CN109521412B (zh) 2021-08-20

Family

ID=65797967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811606179.XA Active CN109521412B (zh) 2018-12-26 2018-12-26 基于局部统计量融合的雷达组网空域目标检测方法

Country Status (1)

Country Link
CN (1) CN109521412B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325405A (zh) * 2020-02-28 2021-08-31 加特兰微电子科技(上海)有限公司 恒虚警目标检测方法、装置、集成电路、传感器及设备
CN113406583A (zh) * 2021-06-22 2021-09-17 电子科技大学长三角研究院(衢州) 一种云mimo雷达目标检测概率的近似计算方法
CN114690138A (zh) * 2022-05-30 2022-07-01 南京隼眼电子科技有限公司 雷达性能监测方法、装置及存储介质
CN116449332A (zh) * 2023-06-14 2023-07-18 西安晟昕科技股份有限公司 一种基于mimo雷达的空域目标检测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8912951B2 (en) * 2012-10-09 2014-12-16 Raytheon Company Moving target detection using a two-dimensional folding approach
CN104991232A (zh) * 2015-06-26 2015-10-21 西安电子科技大学 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法
CN105425222A (zh) * 2015-11-03 2016-03-23 西安电子科技大学 一种数据传输率约束下的雷达目标检测方法
CN107024682A (zh) * 2017-03-30 2017-08-08 安徽工程大学 一种基于自适应剔除算法的目标检测方法
CN107102308A (zh) * 2017-06-15 2017-08-29 西安电子科技大学 一种分布式雷达异构信号级融合目标检测方法
CN107390196A (zh) * 2017-07-28 2017-11-24 西安电子科技大学 基于多基地雷达的快起伏目标双门限恒虚警检测方法
CN108318877A (zh) * 2017-11-27 2018-07-24 西安电子科技大学 基于多基地雷达的杂波子空间下目标检测方法
CN106468770B (zh) * 2016-09-23 2018-11-30 西安电子科技大学 K分布杂波加噪声下的近最优雷达目标检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8912951B2 (en) * 2012-10-09 2014-12-16 Raytheon Company Moving target detection using a two-dimensional folding approach
CN104991232A (zh) * 2015-06-26 2015-10-21 西安电子科技大学 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法
CN105425222A (zh) * 2015-11-03 2016-03-23 西安电子科技大学 一种数据传输率约束下的雷达目标检测方法
CN106468770B (zh) * 2016-09-23 2018-11-30 西安电子科技大学 K分布杂波加噪声下的近最优雷达目标检测方法
CN107024682A (zh) * 2017-03-30 2017-08-08 安徽工程大学 一种基于自适应剔除算法的目标检测方法
CN107102308A (zh) * 2017-06-15 2017-08-29 西安电子科技大学 一种分布式雷达异构信号级融合目标检测方法
CN107390196A (zh) * 2017-07-28 2017-11-24 西安电子科技大学 基于多基地雷达的快起伏目标双门限恒虚警检测方法
CN108318877A (zh) * 2017-11-27 2018-07-24 西安电子科技大学 基于多基地雷达的杂波子空间下目标检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周生华: "分集MIMO雷达目标散射特性与检测算法", 《中国博士学位论文全文数据库信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325405A (zh) * 2020-02-28 2021-08-31 加特兰微电子科技(上海)有限公司 恒虚警目标检测方法、装置、集成电路、传感器及设备
CN113406583A (zh) * 2021-06-22 2021-09-17 电子科技大学长三角研究院(衢州) 一种云mimo雷达目标检测概率的近似计算方法
CN113406583B (zh) * 2021-06-22 2022-08-02 电子科技大学长三角研究院(衢州) 一种云mimo雷达目标检测概率的近似计算方法
CN114690138A (zh) * 2022-05-30 2022-07-01 南京隼眼电子科技有限公司 雷达性能监测方法、装置及存储介质
CN114690138B (zh) * 2022-05-30 2022-08-02 南京隼眼电子科技有限公司 雷达性能监测方法、装置及存储介质
CN116449332A (zh) * 2023-06-14 2023-07-18 西安晟昕科技股份有限公司 一种基于mimo雷达的空域目标检测方法
CN116449332B (zh) * 2023-06-14 2023-08-25 西安晟昕科技股份有限公司 一种基于mimo雷达的空域目标检测方法

Also Published As

Publication number Publication date
CN109521412B (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
CN109521412A (zh) 基于局部统计量融合的雷达组网空域目标检测方法
Chen et al. Detection of low observable moving target in sea clutter via fractal characteristics in fractional Fourier transform domain
US5568151A (en) Statistical averaging method for wind profiler doppler spectra
EP0853769B1 (en) Microburst detection system
CN103760542A (zh) 一种基于多模式的变化指数恒虚警目标检测方法
CN105974375B (zh) 一种用于超宽带穿墙雷达中抑制时间抖动的方法
CN103439697B (zh) 基于动态规划的目标检测方法
CN108761418A (zh) 一种基于微多普勒特征的雷达多径目标剔除方法
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
CN103336274B (zh) 一种用于双极化天气雷达的双路多阶相关检测方法
Ivić et al. Radial-based noise power estimation for weather radars
CN103760543A (zh) 一种基于多模式的恒虚警目标检测方法
CN106468771B (zh) 一种低可观测高杂波条件下的多目标检测与跟踪方法
CN101452075A (zh) 基于平均周期的海上小目标检测方法
CN110988834B (zh) 一种基于自适应阈值双门限的脉冲到达时间测量方法
CN102405422B (zh) 在声雷达系统中检测和补偿降水的方法
CN111856406A (zh) 一种基于fmcw雷达回波的目标检测方法及装置
CN102638290B (zh) 一种基于信道测量的多径信号分量提取方法及装置
Cifelli et al. Dual-polarization radar rainfall estimation
CN109061632A (zh) 一种无人机识别方法
CN105866748B (zh) 一种基于检测先验的固定窗长恒虚警检测方法
Cosoli et al. A real-time and offline quality control methodology for SeaSonde high-frequency radar currents
CN107024680A (zh) 一种基于双删除门限的目标检测方法
Wang et al. A novel indoor ranging method using weighted altofrequent RSSI measurements
CN110244289A (zh) 一种自适应粒子滤波地波雷达目标一体化探测方法

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
GR01 Patent grant
GR01 Patent grant