CN109633584A - 雷达lprf工作条件下的直升机目标识别方法 - Google Patents
雷达lprf工作条件下的直升机目标识别方法 Download PDFInfo
- Publication number
- CN109633584A CN109633584A CN201811288548.5A CN201811288548A CN109633584A CN 109633584 A CN109633584 A CN 109633584A CN 201811288548 A CN201811288548 A CN 201811288548A CN 109633584 A CN109633584 A CN 109633584A
- Authority
- CN
- China
- Prior art keywords
- frequency
- helicopter
- echo
- radar
- time
- 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
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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
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
一种雷达LPRF工作条件下的直升机目标识别方法,构建雷达在LPRF工作条件下回波的时频二维分布图,获取直升机主旋翼回波在频率维的分布特性,剔除机体回波而保留主旋翼回波,采用实测主旋翼回波数据进行训练,形成频域模板,采用欧几里德匹配测量技术,将频域模板与雷达回波时频二维分布图进行匹配处理形成二维输出矩阵,在二维输出矩阵中寻找最小欧几里德距离区域作为最佳匹配区域,将最佳匹配区域映射到原雷达回波时频二维分布图上,获得直升机目标的距离与速度信息。本发明可有效提高雷达对直升机目标的识别概率,特别适用于雷达系统在复杂电磁环境下对直升机目标的检测与识别,提升当前雷达对低空、慢速、弱小目标检测与识别的准确性。
Description
技术领域
本发明涉及雷达目标识别领域,尤其涉及一种雷达LPRF工作条件下的直升机目标识别方法。
背景技术
现代雷达系统正成为日益精密复杂的传感器,雷达工作能力从最初的探测与跟踪目标,进化到能够提供复杂微波图像,并具备目标识别的能力。直升机目标是雷达系统重点探测的目标之一。
直升机在现代战争中扮演着越来越重要的角色,尤其在反潜、反坦克作战和战场侦察等任务中具备独特的优势。但直升机的雷达反射截面积(RCS)较小,当直升机悬停时机身回波频率与海面或地面杂波主瓣杂波频率重合,雷达无法区分目标与杂波,导致雷达对直升机目标的检测与识别存在较大难度。
直升机目标的雷达回波主要由4部分组成:机身回波、主旋翼回波、尾翼回波、叶毂回波。
(1)机身回波
与一般固定翼飞机目标的回波类似,机身的RCS在机首和机尾方向约几平方米,而在正侧面可达几十平方米或更大,其多普勒频移与雷达和直升机之间的径向速度有关。当直升机悬停时,机体回波与固定目标回波相同,与地面或海面主瓣杂波频率重叠。
(2)主旋翼回波
直升机的升力主要由主旋翼桨叶提供。主旋翼桨叶绕叶榖高速旋转,使桨叶与空气产生相对运动,空气在经流旋转桨叶上、下表面时产生压力差,形成升力。该升力抵消直升机自重后,使其能悬停于空中。由于空气动力学的原因,现役各种直升机的叶片外端线速度大致相同,约为260m/s。旋翼的转动会形成一定宽度的频谱。单叶片产生的频谱将从零频到最大线速度对应的最大多普勒频率,在频率维连成一片。当叶片迎着雷达射线方向旋转时,产生正多普勒谱,当叶片背着雷达射线方向旋转时,产生负多普勒。对于偶数叶片,其峰包信号具有正、负双边多普勒谱;对于奇数叶片,回波峰包信号具有单边多普勒谱,且正、负谱区交替出现。
(3)尾旋翼回波
若直升机被设计为单主旋翼结构时,单主旋翼转动会产生旋转力矩,该力矩作用于机身后会使机身产生反方向转动。为克服该扭矩,直升机尾部通常设置一部尾旋翼。相对于主旋翼其叶片直径较小,转速较高,通常是在垂直面内旋转。由于受机身遮挡以及自身反射面积太小的原因,尾旋翼回波一般不稳定,且难以被雷达捕捉到。
(4)叶毂回波
旋翼由叶毂带动进行高速旋转,由于叶毂体积小,容易被旋翼遮挡,自身反射面积太小,因此难以被雷达探测到。
根据以上分析,直升机的雷达回波主要有机身回波与主旋翼回波组成。对于处于工作状态(悬停、前进、后退)的直升机来说,其主旋翼转动形成的多普勒调制信息可作为雷达检测与识别直升机的依据。
为了确保测距不模糊,雷达一般会采用LPRF(低重复频率)模式工作。在该模式下,雷达测速范围会变窄,若目标运动较快,则会出现测速模糊的现象。直升机在工作时其旋翼处于高速旋转运动状态,对于在LPRF模式下工作的雷达来说,旋翼回波速度是高度模糊的,或者说雷达对直升机旋翼回波在频率维是欠采样的。在欠采样条件下,直升机回波在时频二维上的分布具有一定特殊性。基于这种特殊性,可以对直升机目标进行识别。
发明内容
本发明提供一种雷达LPRF工作条件下的直升机目标识别方法,可有效提高雷达对直升机目标的识别概率,特别适用于雷达系统在复杂电磁环境下对直升机目标的检测与识别,提升当前雷达对低空、慢速、弱小目标检测与识别的准确性。
为了达到上述目的,本发明提供一种雷达LPRF工作条件下的直升机目标识别方法,包含以下步骤:
步骤S1、构建雷达在LPRF工作条件下回波的时频二维分布图,基于实测数据对直升机回波进行时频二维分析,获取直升机主旋翼回波在频率维的分布特性;
步骤S2、从时频二维分布数据中剔除机体回波而保留主旋翼回波,采用实测主旋翼回波数据进行训练,形成频域模板,作为直升机目标识别基准;
步骤S3、将频域模板在待识别的未知的雷达回波时频二维分布图上遍历,采用欧几里德匹配测量技术,将频域模板与雷达回波时频二维分布图进行匹配处理,形成二维输出矩阵;
步骤S4、在二维输出矩阵中寻找最小欧几里德距离区域作为最佳匹配区域,即直升机主旋翼所在位置,将最佳匹配区域映射到原雷达回波时频二维分布图上,获得直升机目标的距离与速度信息,完成直升机目标识别。
本发明可有效提高雷达对直升机目标的识别概率,经过多次实测数据验证,雷达对直升机目标识别率达到90%以上。本发明已经应用于某型号雷达产品中,通过实验室内场测试与多次外场实际效果检验,具有工程可实现性。本发明无需增加硬件模块,仅在软件层面增加相关代码即可实现,适用于新产品研制和老产品性能提升,具有较好的推广应用前景,特别适用于雷达系统在复杂电磁环境下对直升机目标的检测与识别,提升当前雷达对低空、慢速、弱小目标检测与识别的准确性。
附图说明
图1是本发明提供的一种雷达LPRF工作条件下的直升机目标识别方法的流程图。
图2为雷达在LPRF工作条件下时频二维分布处理流程图。
图2a是快时间域对准排列处理流程图。
图2b是慢时间域FFT处理流程图。
图3为PRF为2kHz时(属于LPRF条件)的直升机回波时频二维分布图。
图3a是实测的直升机悬停运动状态下机体回波与主旋翼回波分布。
图3b是实测的直升机远离运动状态下机体回波与主旋翼回波分布。
图3c是实测的直升机接近运动状态下机体回波与主旋翼回波分布。
图4为直升机主旋翼回波时频二维分布图。
图4a是剔除直升机机身回波后直升机在悬停运动状态下主旋翼回波的时频二维分布图。
图4b是剔除直升机机身回波后直升机在远离运动状态下主旋翼回波的时频二维分布图。
图4c是剔除直升机机身回波后直升机在运动状态下主旋翼回波的时频二维分布图。
图5为基于实测数据训练的直升机主旋翼频域模板。
图6a是欧几里德距离测量技术原理图。
图6b是频域模板与雷达时频二维分布图做匹配处理的过程。
图7a是频域模板与未知雷达回波数据经过遍历与匹配处理后输出的二维矩阵。
图7b是主旋翼回波识别结果。
具体实施方式
以下根据图1~图7b,具体说明本发明的较佳实施例。
如图1所示,本发明提供一种雷达LPRF工作条件下的直升机目标识别方法,包含以下步骤:
步骤S1、构建雷达在LPRF工作条件下回波的时频二维分布图,基于实测数据对直升机回波进行时频二维分析,获取直升机主旋翼回波在频率维的分布特性;
步骤S2、从时频二维分布数据中剔除机体回波而保留主旋翼回波,采用实测主旋翼回波数据进行训练,形成频域模板,作为直升机目标识别基准;
步骤S3、将频域模板在待识别的未知的雷达回波时频二维分布图上遍历,采用欧几里德匹配测量技术,将频域模板与雷达回波时频二维分布图进行匹配处理,形成二维输出矩阵;
步骤S4、在二维输出矩阵中寻找最小欧几里德距离区域作为最佳匹配区域,即直升机主旋翼所在位置,将最佳匹配区域映射到原雷达回波时频二维分布图上,获得直升机目标的距离与速度信息,完成直升机目标识别。
在本发明的实施例中,雷达LPRF工作条件下的直升机目标识别方法包含以下步骤:
步骤1、构建雷达在LPRF工作条件下回波的时频二维分布图,基于实测数据对直升机回波进行时频二维分析,获取直升机主旋翼回波在频率维的分布特性。
对雷达在LPRF工作条件下的回波进行处理,完成快时间域对准排列和慢时间域FFT处理,输出时频二维分布图。
如图2所示,雷达在LPRF工作条件下,形成时频二维分布图需要完成快时间域对准排列和慢时间域FFT处理两步。图2a中,每个行向量表示1个雷达脉冲重复周期内的距离单元向量,每个距离单元间隔时间即为快时间,连续m个行向量对准排列好后,形成1个二维数组,沿对齐后的每个列向量依次做FFT处理,共做n次,由于沿列方向的每个距离单元间隔为1个脉冲重复频率即为慢时间,最终完成图2b中慢时间域FFT处理结果,即时频二维分布图。
对实际采集的直升机回波数据进行处理,形成如图3所示的PRF为2kHz时(属于LPRF条件)的直升机回波时频二维分布图。图3a是实测的直升机悬停运动状态下机体回波与主旋翼回波分布,图3b是实测的直升机远离运动状态下机体回波与主旋翼回波分布,图3c分是实测的直升机接近运动状态下机体回波与主旋翼回波分布。观察直升机在悬停、远离、接近3种运动状态的时频二维分布图。可以看出,直升机回波中包括了机体回波与主旋翼回波,机体回波的能量较为集中,幅度较高,呈现“单峰”的形态;主旋翼回波的能量在频率维展宽,幅度较低,呈现连续“多峰”的形态,在频率维将展宽,并占据时频二维分布图上的整个频率范围,这是直升机主旋翼回波独有的分布特性,可作为识别直升机目标的依据。
步骤2、从时频二维分布数据中剔除机体回波而保留主旋翼回波。
为了产生直升机主旋翼回波的频率模板,需将直升机机体回波从时频二维分布数据中剔除,保留主旋翼回波。将机体回波所在区域置零,再利用机体回波附近的主旋翼回波数据插值回填至置零区域,确保主旋翼幅度在频率维是连续的。最终形成图4表示的去除机体回波后的直升机主旋翼回波时频二维分布图。图4a是剔除直升机机身回波后直升机在悬停运动状态下主旋翼回波的时频二维分布图,图4b是剔除直升机机身回波后直升机在远离运动状态下主旋翼回波的时频二维分布图,图4c是剔除直升机机身回波后直升机在运动状态下主旋翼回波的时频二维分布图。从图中可以看出,直升机主旋翼回波占据了二维时频分布图的整个频率范围。
步骤3、形成频域模板。
直升机相对于雷达有多个运动状态,包括静止、远离、接近等。提取不同运动状态下的直升机主旋翼回波进行训练,获得频域模板。以俯仰角为0度的直升机回波数据作为训练样本,根据直升机机体回波的运动方向与运动速度,将频率为分为3个区域:悬停区、远离区、接近区。每个区域提供1000组实测数据进行训练,每个频域卷积向量的尺寸是13×64,其中,13为距离单元数,64为频率单元数。距离单元数与频率单元数可根据实际需要与目标特性进行调整,无统一规定。经过训练与归一化处理后,最终形成图5所示的频域模板。
步骤4、将频域模板与待识别雷达回波时频二维分布图进行匹配处理。
利用图6a中的欧几里德距离测量技术,将频域模板与待识别的雷达时频二维分布图进行匹配处理。向量x与向量y根据欧几里德距离测量技术方式进行距离计算,计算公式为一般情况下,欧几里德距离值越小,两者的匹配程度越高。当两个向量完全匹配时,欧几里德距离为零。为了能使待识别雷达时频二维分布图和频域模板之间具有相同的数学形式和基础,需要对时频二维分布图进行归一化处理。该过程需要对时频二维分布图上的每个数据乘以一个因子,使得总的能量保持一个稳定值。对频域模板和待测雷达时频二维分布图进行遍历与比较,本质上是进行距离度量的过程。经过图6b中遍历和匹配处理过程后,可以获得匹配处理后的二维输出矩阵。
步骤5、在二维输出矩阵中寻找最小欧几里德距离区域。
图7a为经过匹配的二维输出矩阵,矩阵中出现最小欧几里德距离的区域,即频域模板与主旋翼回波最佳匹配位置,可认为该区域为直升机主旋翼所在位置。无主旋翼目标或其他类型目标的位置将呈现类似鼓包的形状,不会被判定为直升机主旋翼。最小欧几里德距离的区域即为最佳匹配位置(黑框区域)。映射到原雷达回波时频二维分布图上,如图7b所示,即可获得直升机主旋翼的距离值与频率值,完成直升机目标识别。
步骤6、检查结果。
采用欧几里德距离测量技术将频域模板与待测雷达回波时频二维分布图进行测试和验证。该方法对直升机目标的识别概率能达到90%以上,具备较高的识别概率。
本专利解决雷达系统在LPRF工作条件下对直升机目标的识别问题。利用直升机主旋翼回波在频率维的展宽特性,形成主旋翼频率模板。将该模板与未知的雷达回波进行匹配处理,获得最佳匹配的区域即为直升机主旋翼区域,完成对直升机目标的有效识别。
本发明可有效提高雷达对直升机目标的识别概率,经过多次实测数据验证,雷达对直升机目标识别率达到90%以上。本发明已经应用于某型号雷达产品中,通过实验室内场测试与多次外场实际效果检验,具有工程可实现性。本发明无需增加硬件模块,仅在软件层面增加相关代码即可实现,适用于新产品研制和老产品性能提升,具有较好的推广应用前景,特别适用于雷达系统在复杂电磁环境下对直升机目标的检测与识别,提升当前雷达对低空、慢速、弱小目标检测与识别的准确性。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (1)
1.一种雷达LPRF工作条件下的直升机目标识别方法,其特征在于,包含以下步骤:
步骤S1、构建雷达在LPRF工作条件下回波的时频二维分布图,基于实测数据对直升机回波进行时频二维分析,获取直升机主旋翼回波在频率维的分布特性;
步骤S2、从时频二维分布数据中剔除机体回波而保留主旋翼回波,采用实测主旋翼回波数据进行训练,形成频域模板,作为直升机目标识别基准;
步骤S3、将频域模板在待识别的未知的雷达回波时频二维分布图上遍历,采用欧几里德匹配测量技术,将频域模板与雷达回波时频二维分布图进行匹配处理,形成二维输出矩阵;
步骤S4、在二维输出矩阵中寻找最小欧几里德距离区域作为最佳匹配区域,即直升机主旋翼所在位置,将最佳匹配区域映射到原雷达回波时频二维分布图上,获得直升机目标的距离与速度信息,完成直升机目标识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288548.5A CN109633584B (zh) | 2018-10-31 | 2018-10-31 | 雷达lprf工作条件下的直升机目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811288548.5A CN109633584B (zh) | 2018-10-31 | 2018-10-31 | 雷达lprf工作条件下的直升机目标识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109633584A true CN109633584A (zh) | 2019-04-16 |
CN109633584B CN109633584B (zh) | 2020-11-03 |
Family
ID=66066955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811288548.5A Active CN109633584B (zh) | 2018-10-31 | 2018-10-31 | 雷达lprf工作条件下的直升机目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633584B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645649A (zh) * | 2012-05-14 | 2012-08-22 | 重庆大学 | 基于雷达目标距离像时频特征提取的雷达目标识别方法 |
CN104239894A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于时域相关性特征的飞机目标分类方法 |
CN108051813A (zh) * | 2017-12-04 | 2018-05-18 | 湖南华诺星空电子技术有限公司 | 用于低空多目标分类识别的雷达探测系统及方法 |
CN108535710A (zh) * | 2018-03-06 | 2018-09-14 | 中国船舶重工集团公司第七二四研究所 | 一种基于目标环境特征向量的干扰抑制与目标识别方法 |
CN108594195A (zh) * | 2018-04-20 | 2018-09-28 | 西安电子科技大学 | 基于分割混频的低重频调频连续波雷达飞机目标分类方法 |
-
2018
- 2018-10-31 CN CN201811288548.5A patent/CN109633584B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645649A (zh) * | 2012-05-14 | 2012-08-22 | 重庆大学 | 基于雷达目标距离像时频特征提取的雷达目标识别方法 |
CN104239894A (zh) * | 2014-09-03 | 2014-12-24 | 西安电子科技大学 | 基于时域相关性特征的飞机目标分类方法 |
CN108051813A (zh) * | 2017-12-04 | 2018-05-18 | 湖南华诺星空电子技术有限公司 | 用于低空多目标分类识别的雷达探测系统及方法 |
CN108535710A (zh) * | 2018-03-06 | 2018-09-14 | 中国船舶重工集团公司第七二四研究所 | 一种基于目标环境特征向量的干扰抑制与目标识别方法 |
CN108594195A (zh) * | 2018-04-20 | 2018-09-28 | 西安电子科技大学 | 基于分割混频的低重频调频连续波雷达飞机目标分类方法 |
Non-Patent Citations (3)
Title |
---|
SIDRAH LIAQAT: "High resolution 2D time frequency representation of radar micro-Doppler pedestrian signal", 《2013 EUROPEAN RADAR CONFERENCE》 * |
张军: "悬停直升机的匹配检测", 《现代雷达》 * |
王育东: "低重频短驻留搜索雷达的悬停直升机检测", 《软件导刊》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109633584B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107728142B (zh) | 基于二维卷积网络的雷达高分辨距离像目标识别方法 | |
CN107728143B (zh) | 基于一维卷积神经网络的雷达高分辨距离像目标识别方法 | |
Kang et al. | Analysis of micro-Doppler signatures of small UAVs based on Doppler spectrum | |
CN107861117A (zh) | 一种适用于连续波周界监视雷达的多目标参数测量方法 | |
CN105093215A (zh) | 基于多普勒信息的雷达对低空慢速小目标的跟踪方法 | |
CN104931949B (zh) | 雷达扫描模式下风轮机杂波背景下飞机目标检测方法 | |
CN109116311A (zh) | 基于知识辅助稀疏迭代协方差估计的杂波抑制方法 | |
CN106707270A (zh) | 基于涡旋电磁波的旋转目标检测方法 | |
CN110146853A (zh) | 一种飞行器旋翼微动特征提取方法 | |
CN106483516A (zh) | 基于先验知识的雷达杂波空时自适应处理方法 | |
CN104459686B (zh) | 一种基于Hough变换与蚁群相似度的目标检测与跟踪方法 | |
CN110286373A (zh) | 一种复杂气候条件下的fod雷达雨雪杂波抑制方法 | |
CN102608587A (zh) | 基于非线性最小二乘的空中机动目标检测方法 | |
Gannon et al. | Measuring UAV propeller length using micro-Doppler signatures | |
Li et al. | Research on detection method of UAV based on micro-Doppler effect | |
CN111796247B (zh) | 一种基于微多普勒效应的群组无人机回波仿真方法 | |
CN108387881B (zh) | 一种风电机叶片回波的精确仿真算法 | |
CN112731367A (zh) | 基于涡旋电磁波的旋翼目标特征分析及提取方法 | |
CN109633584A (zh) | 雷达lprf工作条件下的直升机目标识别方法 | |
CN104535982A (zh) | 一种基于角域划分的飞机目标分类方法 | |
Tang et al. | Simulation of the Doppler echoes from wind turbine based on scattered electric field calculation | |
CN113419557B (zh) | 运动无人机音频合成方法 | |
Agnihotri et al. | Effect of frequency on micro-Doppler signatures of a helicopter | |
CN110488237B (zh) | 一种基于调频连续波雷达对无人机旋翼数目进行分类的方法 | |
Wang et al. | Motion states classification of rotor target based on micro-Doppler features using CNN |
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 |