CN109581319B - 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 - Google Patents

基于多扫描递归的海杂波多普勒偏移和带宽估计方法 Download PDF

Info

Publication number
CN109581319B
CN109581319B CN201910069649.1A CN201910069649A CN109581319B CN 109581319 B CN109581319 B CN 109581319B CN 201910069649 A CN201910069649 A CN 201910069649A CN 109581319 B CN109581319 B CN 109581319B
Authority
CN
China
Prior art keywords
doppler
data
scanning period
normalized
data block
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.)
Active
Application number
CN201910069649.1A
Other languages
English (en)
Other versions
CN109581319A (zh
Inventor
水鹏朗
降晓冉
于涵
梁祥
石小帆
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 CN201910069649.1A priority Critical patent/CN109581319B/zh
Publication of CN109581319A publication Critical patent/CN109581319A/zh
Application granted granted Critical
Publication of CN109581319B publication Critical patent/CN109581319B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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多扫描递归的海杂波多普勒偏移和带宽估计方法,其步骤是:首先,第一次估计多普勒偏移与带宽,将记录的归一化多普勒幅度谱作为递归估计的第一组数据;其次,获取当前扫描周期的回波数据的归一化多普勒幅度谱,添加遗忘因子并结合记录的前一个扫描周期的回波数据的递归的归一化多普勒幅度谱,获取当前扫描周期的回波数据的递归的归一化多普勒幅度谱;最后,对当前扫描周期的回波数据进行多普勒偏移与带宽的递归估计,直到雷达工作停止,完成多普勒偏移与带宽的多扫描递归估计。本发明相比于单扫描周期回波数据的估计方法,具有更低的估计误差。

Description

基于多扫描递归的海杂波多普勒偏移和带宽估计方法
技术领域
本发明属于通信处理技术领域,更进一步涉及雷达信号处理技术领域中的一种基于多扫描递归的海杂波多普勒偏移和带宽估计方法。本发明可用于对机载雷达或者岸地雷达的实测数据,估计海杂波的多普勒偏移和带宽。
背景技术
海杂波背景下的目标检测技术是雷达应用技术中一个至关重要的研究方向,在军事和民用领域得到普遍应用。因为海杂波的大场景特殊性,对海模式的雷达采用波数扫描的方式监视大范围区域,为了提高目标检测的效率,要求波束驻留时间短。同时,复杂的海洋环境和多变的气象条件,海杂波的特性会随着空间位置(距离-方位)变化。这都将导致统计特性一致的空间样本数目不足。在一定程度下无法满足雷达系统的需求,因此,需要一种能够应用于多扫描周期回波数据联合估计海杂波的多普勒偏移和带宽的稳健估计方法,保证目标检测的基本要求。
李刚,许稼,彭应宁,夏香根在其发表的论文“一种稳健的机载雷达杂波多普勒参数估计方法”([J].电子与信息学报.2007,12)中公开了一种以杂波多普勒分布(DDC)模型为基础的稳健的机载雷达杂波多普勒参数估计方法。该方法基于杂波多普勒分布(DDC)模型,利用“多点源”近似估计多普勒参数。该方法存在的不足之处是,在样本数目包含信息少的情况下,估计方法鲁棒性差,估计误差大。
上海交通大学在其申请的专利文献“一种基于循环累积的多普勒频偏估计方法”(专利申请号201410049077.8,授权公告号CN 103795676 A)中一种基于循环累积的多普勒频偏估计方法。该方法首先计算出接收信号的整数频偏和小数频偏,然后与前一时刻的对应频偏值进行比较,采用黄金分割法重新计算频率偏移量,直至算法收敛,从而得到最优的频偏估计值。该方法存在的不足之处是,黄金分割算法运算量比较大,算法收敛速度慢效率低。
发明内容
本发明的目的是针对上述已有技术的不足,提出一种海杂波多普勒偏移和带宽的多扫描递归估计方法。以解决现有技术利用单扫描周期的回波数据进行多普勒偏移与带宽时精度差的问题,提高后续海杂波背景下目标检测的性能。
实现本发明目的的基本思路是:首先第一次估计多普勒偏移与带宽,得到递归估计的第一组数据,然后获取当前扫描周期的回波数据的归一化多普勒幅度谱,结合前一个扫描周期回波数据的递归的归一化多普勒幅度谱,得到当前扫描周期的递归的归一化多普勒幅度谱,最后对当前扫描周期的回波数据进行多普勒偏移与带宽的递归估计。
为了实现上述目的,本发明的具体实现步骤如下:
(1)实时接收雷达数据:
雷达接收机实时接收包含脉冲-距离-波位的三维回波数据,三维回波数据中包含M×N个分辨单元,其中,M表示三维回波数据中距离维的距离门数,N表示三维回波数据中波位维的波位数;
(2)第一次估计多普勒偏移与带宽:
(2a)对雷达接收的第一个扫描周期的回波数据中包含的M×N个分辨单元进行分块,每5个分辨单元构成一个数据块;
(2b)从所有的数据块中选取一个未选取过的数据块;
(2c)利用归一化多普勒幅度谱计算公式,计算所选块数据的归一化多普勒幅度谱;
(2d)按照下式,计算所选块数据的多普勒偏移:
Figure GDA0003873009190000021
其中,fd表示所选数据块的多普勒偏移,π表示圆周率,argmax(·)表示求最大值的位置操作,Y1表示第1个扫描周期的归一化多普勒幅度谱;
(2e)按照下式,计算所选块数据的多普勒带宽;
Figure GDA0003873009190000022
其中,σd表示所选的数据块的多普勒带宽,
Figure GDA0003873009190000023
表示开平方根操作,∑表示求和操作,
Figure GDA0003873009190000024
表示第1个扫描周期回波数据的归一化0频多普勒幅度谱,
Figure GDA0003873009190000025
的实现过程是将归一化多普勒幅度谱Y1中的最大值平移到
Figure GDA0003873009190000031
的最中间,归一化多普勒幅度谱Y1中的其他值依次平移放入
Figure GDA0003873009190000032
而得到的;
(2f)判断是否选完所有的数据块,若是,执行步骤(2g),否则,执行步骤(2b);
(2g)记录第一个扫描周期的每个数据块的归一化多普勒幅度谱,作为递归估计的第一组数据;
(3)获取当前扫描周期的回波数据的归一化多普勒幅度谱:
(3a)对雷达接收当前扫描周期的回波数据中包含的M×N个分辨单元进行分块,每5个分辨单元构成一个数据块;
(3b)选取所有的数据块中一个未选取过的数据块;
(3c)利用归一化多普勒幅度谱计算公式,计算所选当前扫描周到的数据块的归一化多普勒幅度谱;
(3d)判断是否选完所有的数据块,若是,执行步骤(3e),否则,执行步骤(3b);
(3e)得到当前扫描周期的每个数据块的归一化多普勒幅度谱;
(4)获取当前扫描周期的回波数据递归的归一化多普勒幅度谱:
利用下述迭代多普勒幅度谱计算公式,添加遗忘因子并结合前一个扫描周期记录的每个数据块的递归的归一化多普勒幅度谱,计算当前扫描周期的每个数据块的递归的归一化多普勒幅度谱,并记录当前扫描周期的回波数据的每个数据快的递归的归一化多普勒幅度谱;
所述的迭代多普勒幅度谱计算公式如下:
Figure GDA0003873009190000033
其中,Zt,n表示第t个扫描周期的第n个数据块的递归的归一化多普勒幅度谱,n表示回波数据的数据块总数,Y1,n 0表示第一个扫描周期回波数据的第n个数据块的归一化多普勒幅度谱,α表示遗忘因子,α∈(0,1),
Figure GDA0003873009190000034
表示第t个扫描周期的第n个数据块的归一化多普勒幅度谱,Zt-1,n表示第t-1扫描周期的第n个数据块的递归的归一化多普勒幅度谱;
(5)对当前扫描周期的回波数据的多普勒偏移与带宽进行递归估计:
(5a)利用多普勒偏移计算公式,计算当前扫描周期的每个数据块的多普勒偏移;
(5b)利用多普勒带宽计算公式,计算所选当前扫描周期的每个数据块的多普勒带宽。
本发明与现有技术相比具有以下优点:
第一,由于本发明在估计多普勒偏移与带宽的过程中,联合使用了多扫描周期的回波数据,解决了现有技术单扫描周期的回波数据采样信息不足的问题,提高了小样本下参数估计的精度,再利用后续的多个扫描周期数据对多普勒偏移与带宽进行估计的方法提高分辨率,实现海杂波多普勒偏移与带宽的实时估计。
第二,由于本发明在估计多普勒偏移与带宽的过程中,使用了递归的方法对多个扫描周期的回波数据进行估计,解决了现有技术对传统单扫描周期回波数据利用大窗估计小窗的方法一次性处理大量的数据引起的效率低的问题,引入了单扫描周期的回波数据的归一化多普勒幅度谱作为估计的初始数据,并且添加了遗忘因子到递归的归一化多普勒幅度谱中进行后续的多普勒偏移和带宽的估计,实现了“只记录结果,不记录数据”,提高了效率。
附图说明
图1为本发明的流程图;
图2为本发明的仿真图。
具体实施方式
下面结合附图对本发明做进一步的详细描述。
参照附图1,对本发明的具体步骤做进一步的详细描述。
步骤1,实时接收雷达数据。
雷达接收机实时接收包含脉冲-距离-波位的三维回波数据,三维回波数据中包含M×N个分辨单元,其中,M表示三维回波数据中距离维的距离门数,N表示三维回波数据中波位维的波位数。
步骤2,第一次估计多普勒偏移与带宽。
(2.1)对雷达接收的第一个扫描周期的回波数据中包含的M×N个分辨单元进行分块,每5个分辨单元构成一个数据块。
(2.2)从所有的数据块中选取一个未选取过的数据块。
(2.3)利用归一化多普勒幅度谱计算公式,计算所选块数据的归一化多普勒幅度谱。
所述的归一化多普勒幅度谱计算公式如下:
Figure GDA0003873009190000051
其中,Yt 0表示所选的第t个扫描周期回波数据块的归一化多普勒谱,t=1,2,...,T,T表示多扫描周期回波数据的扫描周期总数,∑表示求和操作,n=1,2,...,5,表示所选数据块中的分辨单元的位置下标,
Figure GDA0003873009190000052
Figure GDA0003873009190000053
表示所选的第t个扫描周期第n个分辨单元的脉冲序列的归一化DFT结果,|·|表示取绝对值操作,Xn,t=DFT([xn,t,0]),Xn,t∈(-π,π),表示第t个扫描周期第n个分辨单元的17点DFT结果,DFT(·)表示取离散傅里叶变换操作,xn,t表示第t个扫描周期第n个分辨单元的脉冲回波序列。
(2.4)按照下式,计算所选块数据的多普勒偏移:
Figure GDA0003873009190000054
其中,fd表示所选数据块的多普勒偏移,π表示圆周率,argmax(·)表示求最大值的位置操作,Y1表示第1个扫描周期的归一化多普勒幅度谱。
(2.5)按照下式,计算所选块数据的多普勒带宽。
Figure GDA0003873009190000055
其中,σd表示所选的数据块的多普勒带宽,
Figure GDA0003873009190000056
表示开平方根操作,∑表示求和操作,
Figure GDA0003873009190000057
表示第1个扫描周期回波数据的归一化0频多普勒幅度谱,
Figure GDA0003873009190000058
的实现过程是将归一化多普勒幅度谱Y1中的最大值平移到
Figure GDA0003873009190000059
的最中间,归一化多普勒幅度谱Y1中的其他值依次平移放入
Figure GDA0003873009190000061
而得到的。
(2.6)判断是否选完所有的数据块,若是,执行本步骤的(2.7),否则,执行本步骤的(2.2)。
(2.7)记录第一个扫描周期的每个数据块的归一化多普勒幅度谱,作为递归估计的第一组数据。
步骤3,获取当前扫描周期的回波数据的归一化多普勒幅度谱。
(3.1)对雷达接收当前扫描周期的回波数据中包含的M×N个分辨单元进行分块,每5个分辨单元构成一个数据块。
(3.2)选取所有的数据块中一个未选取过的数据块。
(3.3)利用归一化多普勒幅度谱计算公式,计算所选当前扫描周到的数据块的归一化多普勒幅度谱。
所述的归一化多普勒幅度谱计算公式如下:
Figure GDA0003873009190000062
其中,Yt 0表示所选的第t个扫描周期回波数据块的归一化多普勒谱,t=1,2,...,T,T表示多扫描周期回波数据的扫描周期总数,∑表示求和操作,n=1,2,...,5,表示所选数据块中的分辨单元的位置下标,
Figure GDA0003873009190000063
Figure GDA0003873009190000064
表示所选的第t个扫描周期第n个分辨单元的脉冲序列的归一化DFT结果,|·|表示取绝对值操作,Xn,t=DFT([xn,t,0]),Xn,t∈(-π,π),表示第t个扫描周期第n个分辨单元的17点DFT结果,DFT(·)表示取离散傅里叶变换操作,xn,t表示第t个扫描周期第n个分辨单元的脉冲回波序列。
(3.4)判断是否选完所有的数据块,若是,执行本步骤的(3.5),否则,执行本步骤的(3.2)。
(3.5)得到当前扫描周期的每个数据块的归一化多普勒幅度谱。
步骤4,获取当前扫描周期的回波数据递归的归一化多普勒幅度谱。
利用下述迭代多普勒幅度谱计算公式,添加遗忘因子并结合前一个扫描周期记录的每个数据块的递归的归一化多普勒幅度谱,计算当前扫描周期的每个数据块的递归的归一化多普勒幅度谱,并记录当前扫描周期的回波数据的每个数据快的递归的归一化多普勒幅度谱。
所述的迭代多普勒幅度谱计算公式如下:
Figure GDA0003873009190000071
其中,Zt,n表示第t个扫描周期的第n个数据块的递归的归一化多普勒幅度谱,n表示回波数据的数据块总数,Y1,n 0表示第一个扫描周期回波数据的第n个数据块的归一化多普勒幅度谱,α表示遗忘因子,α∈(0,1),
Figure GDA0003873009190000072
表示第t个扫描周期的第n个数据块的归一化多普勒幅度谱,Zt-1,n表示第t-1扫描周期的第n个数据块的递归的归一化多普勒幅度谱。
步骤5,对当前扫描周期的回波数据的多普勒偏移与带宽进行递归估计。
利用多普勒偏移计算公式,计算当前扫描周期的每个数据块的多普勒偏移。
所述的多普勒偏移计算公式如下:
Figure GDA0003873009190000073
其中,fd,n表示当前扫描周期的第n个数据块的多普勒偏移,π表圆周率,argmax{·}表示求最大值的位置的操作。
利用多普勒带宽计算公式,计算所选当前扫描周期的每个数据块的多普勒带宽。
所述的多普勒带宽计算公式如下:
Figure GDA0003873009190000074
其中,σd,n表示所选当前扫描周期的第n个数据块的多普勒带宽,
Figure GDA0003873009190000075
表示开平方根的操作,
Figure GDA0003873009190000076
表示第t个扫描周期的第n个数据块的递归的归一化0频多普勒幅度谱,
Figure GDA0003873009190000077
的实现过程是将第t个扫描周期的第n个数据块的递归的归一化多普勒幅度谱Zt,n中的最大值平移到
Figure GDA0003873009190000081
的最中间,第t个扫描周期的第n个数据块的多普勒幅度谱Zt,n中的其他值依次平移放入
Figure GDA0003873009190000082
而得到的。
步骤6,直到雷达接收结束,完成雷达接收的多个扫描周期的回波数据的多普勒偏移与带宽的递归估计。
本发明的效果可通过以下仿真进一步说明。
1.仿真条件:
本发明的仿真实验是在计算机配置为core i7 3.40GHZ,内存8G,WINDOWS 10系统和计算机软件配置为Matlab R2017a环境下进行的。
2.仿真内容与结果分析:
本发明仿真实验分别使用本发明与现有技术(单扫描周期回波数据的多普勒偏移与带宽估计方法),分别对雷达接收的300个扫描周期的回波数据进行多普勒偏移与带宽的进行估计,并得到300个多普勒偏移与带宽的估计值,将所有多普勒偏移与带宽的估计值绘制成曲线如图(2)所示。
图(2a)为多普勒偏移的相对误差对比曲线图,其中横坐标表示雷达扫描时间,单位为秒,纵坐标表示多普勒偏移的估计值与真实帧的相对误差。图(2a)中以虚线标示的曲线表示单扫描周期的回波数据估计的多普勒偏移的相对误差曲线,以实线标示的曲线表示本发明递归估计的多普勒偏移的相对误差曲线。
由图(2a)可以看出,在扫描周期为300的情况下,本发明递归估计的多普勒偏移的相对误差曲线,明显比单扫描周期回波数据估计多普勒偏移的相对误差曲线起伏缓慢,且本发明递归估计的多普勒偏移的相对误差值,比单扫描周期回波数据估计多普勒偏移的相对误差值小,由此证明本发明比单扫描周期回波数据的估计方法更稳定以及估计精度更高。
图(2b)为多普勒带宽的相对误差对比曲线图,其中横坐标表示雷达扫描时间,单位为秒,纵坐标表示多普勒带宽的估计值与真实值的相对误差。图(2b)中以虚线标示的曲线表示单扫描周期的回波数据估计的多普勒带宽的相对误差曲线,以实线标示的曲线表示本发明递归估计的多普勒带宽的相对误差曲线。
由图(2b)可以看出,在扫描周期为300的情况下,本发明递归的多普勒带宽的相对误差曲线,明显比单扫描周期回波数据估计的多普勒带宽相对误差曲线变化范围小且相对起伏缓慢,且本发明递归估计的多普勒带宽的相对误差值,比单扫描周期回波数据估计多普勒带宽的相对误差值小,由此证明本发明比单扫描周的回波数据估计方法更稳定以及估计精度更高。

Claims (4)

1.一种基于多扫描递归的海杂波多普勒偏移和带宽估计方法,其特征在于,结合第一次估计多普勒偏移与带宽的结果,获取当前扫描周期的回波数据递归的归一化多普勒幅度谱,对当前扫描周期的回波数据的多普勒偏移与带宽进行递归估计,方法的具体步骤包括如下:
(1)实时接收雷达数据:
雷达接收机实时接收包含脉冲-距离-波位的三维回波数据,三维回波数据中包含M×N个分辨单元,其中,M表示三维回波数据中距离维的距离门数,N表示三维回波数据中波位维的波位数;
(2)第一次估计多普勒偏移与带宽:
(2a)对雷达接收的第一个扫描周期的回波数据中包含的M×N个分辨单元进行分块,每5个分辨单元构成一个数据块;
(2b)从所有的数据块中选取一个未选取过的数据块;
(2c)利用归一化多普勒幅度谱计算公式,计算所选块数据的归一化多普勒幅度谱;
(2d)按照下式,计算所选块数据的多普勒偏移:
Figure FDA0003873009180000011
其中,fd表示所选数据块的多普勒偏移,π表示圆周率,argmax(·)表示求最大值的位置操作,Y1表示第1个扫描周期的归一化多普勒幅度谱;
(2e)按照下式,计算所选块数据的多普勒带宽;
Figure FDA0003873009180000012
其中,σd表示所选的数据块的多普勒带宽,
Figure FDA0003873009180000013
表示开平方根操作,∑表示求和操作,
Figure FDA0003873009180000014
表示第1个扫描周期回波数据的归一化0频多普勒幅度谱,
Figure FDA0003873009180000015
的实现过程是将归一化多普勒幅度谱Y1中的最大值平移到
Figure FDA0003873009180000016
的最中间,归一化多普勒幅度谱Y1中的其他值依次平移放入
Figure FDA0003873009180000021
而得到的;
(2f)判断是否选完所有的数据块,若是,执行步骤(2g),否则,执行步骤(2b);
(2g)记录第一个扫描周期的每个数据块的归一化多普勒幅度谱,作为递归估计的第一组数据;
(3)获取当前扫描周期的回波数据的归一化多普勒幅度谱:
(3a)对雷达接收当前扫描周期的回波数据中包含的M×N个分辨单元进行分块,每5个分辨单元构成一个数据块;
(3b)选取所有的数据块中一个未选取过的数据块;
(3c)利用归一化多普勒幅度谱计算公式,计算所选当前扫描周到的数据块的归一化多普勒幅度谱;
(3d)判断是否选完所有的数据块,若是,执行步骤(3e),否则,执行步骤(3b);
(3e)得到当前扫描周期的每个数据块的归一化多普勒幅度谱;
(4)获取当前扫描周期的回波数据递归的归一化多普勒幅度谱:
利用下述迭代多普勒幅度谱计算公式,添加遗忘因子并结合前一个扫描周期记录的每个数据块的递归的归一化多普勒幅度谱,计算当前扫描周期的每个数据块的递归的归一化多普勒幅度谱,并记录当前扫描周期的回波数据的每个数据快的递归的归一化多普勒幅度谱;
所述的迭代多普勒幅度谱计算公式如下:
Figure FDA0003873009180000022
其中,Zt,n表示第t个扫描周期的第n个数据块的递归的归一化多普勒幅度谱,n表示回波数据的数据块总数,Y1,n 0表示第一个扫描周期回波数据的第n个数据块的归一化多普勒幅度谱,α表示遗忘因子,α∈(0,1),
Figure FDA0003873009180000023
表示第t个扫描周期的第n个数据块的归一化多普勒幅度谱,Zt-1,n表示第t-1扫描周期的第n个数据块的递归的归一化多普勒幅度谱;
(5)对当前扫描周期的回波数据的多普勒偏移与带宽进行递归估计:
(5a)利用多普勒偏移计算公式,计算当前扫描周期的每个数据块的多普勒偏移;
(5b)利用多普勒带宽计算公式,计算所选当前扫描周期的每个数据块的多普勒带宽。
2.根据权利要求1所述的基于多扫描递归的海杂波多普勒偏移和带宽估计方法,其特征在于:步骤(2c),步骤(3c)中所述的归一化多普勒幅度谱计算公式如下:
Figure FDA0003873009180000031
其中,Yt 0表示所选的第t个扫描周期回波数据块的归一化多普勒谱,t=1,2,...,T,T表示多扫描周期回波数据的扫描周期总数,n=1,2,...,5,表示所选数据块中的分辨单元的位置下标,
Figure FDA0003873009180000032
表示所选的第t个扫描周期第n个分辨单元的脉冲序列的归一化DFT结果,|·|表示取绝对值操作,Xn,t=DFT([xn,t,0]),Xn,t∈(-π,π),表示第t个扫描周期第n个分辨单元的17点DFT结果,DFT(·)表示取离散傅里叶变换操作,xn,t表示第t个扫描周期第n个分辨单元的脉冲回波序列。
3.根据权利要求1所述的基于多扫描递归的海杂波多普勒偏移和带宽估计方法,其特征在于,步骤(5a)中所述的多普勒偏移计算公式如下:
Figure FDA0003873009180000033
其中,fd,n表示当前扫描周期的第n个数据块的多普勒偏移,π表圆周率,argmax{·}表示求最大值的位置的操作。
4.根据权利要求1所述的基于多扫描递归的海杂波多普勒偏移和带宽估计方法,其特征在于,步骤(5b)中所述的多普勒带宽计算公式如下:
Figure FDA0003873009180000041
其中,σd,n表示所选当前扫描周期的第n个数据块的多普勒带宽,
Figure FDA0003873009180000042
表示开平方根的操作,
Figure FDA0003873009180000043
表示第t个扫描周期的第n个数据块的递归的归一化0频多普勒幅度谱,
Figure FDA0003873009180000044
的实现过程是将第t个扫描周期的第n个数据块的递归的归一化多普勒幅度谱Zt,n中的最大值平移到
Figure FDA0003873009180000045
的最中间,第t个扫描周期的第n个数据块的多普勒幅度谱Zt,n中的其他值依次平移放入
Figure FDA0003873009180000046
而得到的。
CN201910069649.1A 2019-01-24 2019-01-24 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 Active CN109581319B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910069649.1A CN109581319B (zh) 2019-01-24 2019-01-24 基于多扫描递归的海杂波多普勒偏移和带宽估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910069649.1A CN109581319B (zh) 2019-01-24 2019-01-24 基于多扫描递归的海杂波多普勒偏移和带宽估计方法

Publications (2)

Publication Number Publication Date
CN109581319A CN109581319A (zh) 2019-04-05
CN109581319B true CN109581319B (zh) 2023-02-10

Family

ID=65917382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910069649.1A Active CN109581319B (zh) 2019-01-24 2019-01-24 基于多扫描递归的海杂波多普勒偏移和带宽估计方法

Country Status (1)

Country Link
CN (1) CN109581319B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030813B (zh) * 2021-02-26 2022-02-22 厦门大学 一种磁共振t2定量成像方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267388A (zh) * 2014-09-10 2015-01-07 中国电子科技集团公司第二十八研究所 一种慢速目标杂波图检测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5248976A (en) * 1991-11-27 1993-09-28 Hughes Aircraft Company Multiple discrete autofocus
FR2747870B1 (fr) * 1996-04-19 1998-11-06 Wavecom Sa Signal numerique a blocs de reference multiples pour l'estimation de canal, procedes d'estimation de canal et recepteurs correspondants
US8005156B2 (en) * 2007-11-29 2011-08-23 Nokia Corporation Method and apparatus of recursive time-frequency channel estimation
CN102866393B (zh) * 2012-10-12 2014-10-01 中国测绘科学研究院 一种基于pos与dem数据的sar多普勒参数估计方法
US10203405B2 (en) * 2013-04-25 2019-02-12 The United States Of America As Represented By The Secretary Of The Army Multitone radar with range determination and method of use
CN103983957B (zh) * 2014-05-12 2016-09-07 天津大学 一种多普勒偏移测量方法及其装置
CN104007434B (zh) * 2014-05-29 2016-08-24 西安电子科技大学 基于多普勒过采样的海杂波背景下雷达动目标的检测方法
CN107247258B (zh) * 2017-07-10 2019-11-15 西安电子科技大学 海杂波空变k-分布参数的递归矩估计方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267388A (zh) * 2014-09-10 2015-01-07 中国电子科技集团公司第二十八研究所 一种慢速目标杂波图检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Multiscan Multitarget Tracking in Clutter with Integrated Track Splitting Filter;Darko Musicki et al.;《 IEEE Transactions on Aerospace and Electronic Systems 》;20091031;第45卷(第4期);全文 *
基于多普勒谱特征的海杂波背景下小目标检测;刘劲等;《现代雷达》;20081130(第11期);全文 *
用于检验散斑协方差矩阵估计性能的白化度评价方法;于涵等;《雷达学报》;20170630;第6卷(第3期);全文 *

Also Published As

Publication number Publication date
CN109581319A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
CN109387813B (zh) 一种基于宽带雷达信号接收的高精度频率测量方法
CN109633538B (zh) 非均匀采样系统的最大似然时差估计方法
CN109188387B (zh) 基于插值补偿的分布式相参雷达目标参数估计方法
CN105699952B (zh) 海杂波k分布形状参数的双分位点估计方法
CN103616687B (zh) 分段线性估计的多项式拟合isar包络对齐方法
CN108279404B (zh) 一种基于空间谱估计的双通道sar相位误差校正方法
CN110007299B (zh) 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法
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
CN111337895A (zh) 多通道海杂波空时相关性分析方法
Hamdollahzadeh et al. Moving target localization in bistatic forward scatter radars: Performance study and efficient estimators
CN114545342B (zh) 利用多通道侦察接收机的雷达脉冲信号参数测量方法
Cao et al. DNN-based peak sequence classification CFAR detection algorithm for high-resolution FMCW radar
CN109581319B (zh) 基于多扫描递归的海杂波多普勒偏移和带宽估计方法
CN109061599B (zh) 一种基于循环平稳和对称先验知识的stap方法
CN114518564A (zh) 一种基于特征杂波图的海面低空小目标检测方法
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
Yang et al. Fast generation of deceptive jamming signal against space-borne SAR
CN117491998A (zh) 一种步进频率合成孔径成像方法及系统
CN115494496B (zh) 单比特雷达成像系统、方法及相关设备
CN107315169B (zh) 基于二阶统计量相似度的杂波协方差矩阵估计方法
CN107247258B (zh) 海杂波空变k-分布参数的递归矩估计方法
CN113466811B (zh) 广义帕累托海杂波幅值模型的三分位点参数估计方法
CN111812608B (zh) 基于mtd脉冲积累及模态分解的雷达目标方位角估计方法
CN112965066B (zh) 一种单比特带通采样合成孔径雷达成像方法
CN105974413B (zh) 多基地外辐射源雷达成像系统的自聚焦方法

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