CN109932697B - 基于压缩感知的微弱目标检测方法 - Google Patents
基于压缩感知的微弱目标检测方法 Download PDFInfo
- Publication number
- CN109932697B CN109932697B CN201910173075.2A CN201910173075A CN109932697B CN 109932697 B CN109932697 B CN 109932697B CN 201910173075 A CN201910173075 A CN 201910173075A CN 109932697 B CN109932697 B CN 109932697B
- Authority
- CN
- China
- Prior art keywords
- target
- strong
- equal
- targets
- jth
- 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
Links
Images
Abstract
本发明提出了一种基于压缩感知的微弱目标检测方法,主要解决现有不加窗匹配滤波器方法在CFAR检测过程中造成的微弱目标被邻近强目标所遮掩的问题。其实现步骤是:1)采用不加窗匹配滤波器方法对回波数据进行脉冲压缩;2)采用CFAR检测技术对脉冲压缩结果进行目标检测得到强目标;3)对第j个强目标建立观测矢量;4)对第j个强目标建立感知矩阵;5)利用第j个强目标的感知矩阵和观测矢量对第j个强目标周围潜在的微弱目标进行检测;6)重复3)‑5),得到所有强目标周围潜在的微弱目标位置。本发明能精确的检测被强目标所遮掩的微弱目标,可用于雷达目标跟踪。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及一种微弱目标检测方法,可用于在雷达回波数据中被强目标所遮掩的微弱目标检测。
背景技术
随着隐身技术的不断发展,以及大量小型无人机的出现,对于这类目标,由于其雷达反射截面积RCS大幅度衰减,大大削弱了雷达回波信号的能量,使得目标的信噪比较低。在恒虚警CFAR检测前通常采用加窗的匹配滤波器对回波信号进行脉压,能够有效降低脉压输出的距离副瓣,进而减少强目标距离副瓣对微弱目标的影响,但是加窗匹配滤波器却存在目标信噪比损失的问题。为了保证目标信噪比不受损失,可以通过不加窗的匹配滤波器对回波信号进行脉冲压缩,但是通过不加窗的匹配滤波器对回波信号进行脉冲压缩,并采用CFAR检测技术对其进行检测时,由于不加窗匹配滤波的脉压输出距离副瓣高,若在微弱目标附近存在一个强目标,脉冲压缩后强目标的副瓣很容易进入到微弱目标的参考单元中,造成计算出的噪声参考电平明显提高,无法检测出微弱目标。
文献“Clean方法逐次CFAR检测”中介绍了一种基于Clean思想的目标逐次检测新方法。该方法的主要实现过程为:利用传统CFAR检测技术首先对强目标进行检测,并利用检测到的强目标信息,对强目标的原始回波信号进行反演,接着将反演后原始回波信号从接收回波中进行删除,并对剩余回波进行脉冲压缩并再次利用CFAR检测方法对脉压结果进行目标检测,直至所有目标被检测出来。该算法存在的不足之处是:在对已检测出的强目标进行反演时,反演后的原始信号可能与真实信号差别很大,使得强目标的剩余杂波分量比较强,导致微弱目标仍无法被检测到。
发明内容
本发明的目的在于提出一种基于压缩感知的微弱目标检测方法,以解决现有不加窗匹配滤波器方法在CFAR检测过程中造成的相邻目标中强目标对微弱目标的遮掩问题,提高对微弱目标检测性能。
实现本发明目的技术方案是,利用不加窗匹配滤波器对回波信号进行脉冲压缩并利用CFAR检测技术检测出强目标,对于已检测出的强目标,通过设计相应的感知矩阵,并利用CS算法对目标周围潜在的微弱目标进行检测,其实现步骤包括如下:
(1)对雷达回波信号r(n),通过不加窗匹配滤波器方法进行脉冲压缩,得到脉冲压缩结果y(n),1≤n≤N,N为距离单元数;
(2)利用CFAR检测方法对y(n)中的所有距离单元进行强目标检测,得到强目标d=[d1,d2,…,dj,…,dK],其中dj表示第j个强目标在距离单元的位置,1≤j≤K,K为检测到的强目标个数;
(3)对第j个强目标建立观测矢量zj:
zj=[r(dj-D/2),…,r(dj),…,r(dj+D/2+M-1)]T,
D=2×(P+Q),
其中,P表示CFAR检测过程中所选的保护单元数,Q表示CFAR检测过程中所选参考单元数,M表示发射信号采样点数,[·]T表示转置;
(4)对第j个强目标建立感知矩阵Wj:
Wj(m+n-1,n)=s(m),
其中,s(m)表示发射信号,1≤m≤M,Wj(m+n-1,n)表示感知矩阵Wj位于第m+n-1行,第n列的元素,1≤n≤D+1;
(5)利用第j个强目标的感知矩阵Wj和观测矢量zj对第j个强目标周围潜在的微弱目标进行检测:
(5a)对第j个强目标建立目标函数:
其中,xj表示待求解的稀疏信号,ξ表示约束条件所限定的误差范围,||·||2表示l2范数,||·||1表示l1范数;
(5b)利用CS算法对目标函数min||xj||1求解,得到稀疏信号xj,并由稀疏信号xj获得潜在的微弱目标;
(6)重复(3)-(5),得到所有强目标周围潜在的微弱目标位置。
本发明与现有技术相比具有如下的优点:
第一,本发明利用压缩感知算法,可对强目标遮掩下的微弱目标进行检测。
第二,本发明对于未知的微弱目标幅值,通过求解目标函数,可对微弱目标幅值进行精确恢复。
第三,本发明对于强目标周围可能存在多个微弱目标的情况,利用所求解稀疏信号,可对所有潜在微弱目标进行同时检测。
附图说明
图1是本发明的实现流程图;
图2是利用现有不加窗匹配滤波器方法对回波数据进行处理的结果图;
图3是本发明方法对回波数据进行处理的结果图。
具体实施方式
下面结合附图,对本发明实施例及效果做进一步的详细描述。
参照图1,本实例的实现步骤如下:
步骤1.对雷达回波信号r(n),通过不加窗匹配滤波器方法进行脉冲压缩,得到脉冲压缩结果y(n)。
(1a)由发射信号s(n),得到不加窗匹配滤波器h(n):
h(n)=[s(M),s(M-1),…s(j),…,s(1)]*,
其中,s(n)为1×M维矢量,s(j)表示s(n)的第j个元素,1≤j≤M,[·]*表示共轭;
(1b)利用不加窗匹配滤波器h(n)对回波信号r(n)进行卷积运算,得到初始脉冲压缩结果y1(n):
(1c)对初始脉冲压缩结果y1(n)的前M-1个点进行删除,得到最终脉冲压缩结果y(n),1≤n≤N。
步骤2.采用CFAR检测方法对y(n)中的所有距离单元进行强目标检测,得到强目标。
现有的CFAR检测方法包括CA-CFAR、GO-CFAR和SO-CFAR方法,
本步骤采用但不限于利用CA-CFAR检测方法对y(n)中的所有距离单元进行强目标检测,其实现步骤如下:
(2a)先在y(n)第i个距离单元的两边各选择P个保护单元,再在保护单元之外再各选择Q个参考单元;
(2c)判断第i个距离单元的量测值是否大于检测门限α:若大于检测门限,则判定第i个距离单元存在目标,否则判定目标不存在;
(2d)对所有距离单元进行检测,得到检测目标e=[c1,c2,…,ck,…,cP],其中,ck表示第k个已检测出的目标位置,1≤k≤P,P表示检测出的目标数;
(2e)对目标e中的强目标进行筛选,得到强目标d=[d1,d2,…,dj,…,dK],其中,dj表示第j个强目标在距离单元的位置,1≤j≤K,K为检测到的强目标个数,P≥K。
步骤3.对第j个强目标建立观测矢量zj。
对第j个强目标以dj为中心,对两侧的数据进行截取,将强目标周围潜在的微弱目标包含在观测矢量zj中,具体的截取方式为:
zj=[r(dj-D/2),…,r(dj),…,r(dj+D/2+M-1)]T,
D=2×(P+Q),
其中,P表示CFAR检测过程中所选的保护单元数,Q表示CFAR检测过程中所选参考单元数,[·]T表示转置。
步骤4.对第j个强目标建立感知矩阵Wj。
根据不同位置的目标,建立感知矩阵Wj:
Wj(m+n-1,n)=s(m),
其中,Wj的每一列表示不同位置的目标,1≤n≤D+1,Wj(m+n-1,n)表示感知矩阵Wj位于第m+n-1行,第n列的元素,1≤m≤M。
步骤5.利用第j个强目标的感知矩阵Wj和观测矢量zj对第j个强目标周围潜在的微弱目标进行检测。
(5a)对第j个强目标建立目标函数:
由于要检测的微弱目标数远小于感知矩阵Wj的列数,因此目标函数可建立为:
其中,xj表示待求解的稀疏信号,ξ表示约束条件所限定的误差范围,||·||2表示l2范数,||·||1表示l1范数;
(5b)利用CS算法对目标函数min||xj||1求解,得到稀疏信号xj,并由稀疏信号xj获得潜在的微弱目标,即查找稀疏信号xj中的非零点,这些非零点所对应的目标即为要检测的目标。
步骤6.重复步骤(3)-步骤(5),得到所有强目标周围潜在的微弱目标位置。
本发明的效果可通过以下仿真实验对本发明效果做进一步的描述。
1.仿真实验的条件
LFM信号的时宽T=150×10-6s,带宽B=2×106Hz,采样频率fs=4×106Hz,强目标的检测信噪比为SNR1=53dB,弱目标的检测信噪比SNR2=13dB,目标1位于距离单元20,目标2位于距离单元35。
2.仿真实验的内容及结果分析:
仿真1,在上述仿真实验的条件下采用现有不加窗匹配滤波器方法对回波数据进行脉冲压缩处理,结果如图2。从图2可以看出采用现有不加窗匹配滤波器方法对回波数据进行处理后,处理结果只在强目标所在位置出现了一个峰值,若对该处理结果采用CA-CFAR检测方法进行检测,只能检测出强目标,对强目标附近的微弱目标无法进行检测。
仿真2,在上述仿真实验的条件下采用本发明中压缩感知算法对回波数据进行稀疏表示,得到回波数据的稀疏信号,结果如图3。从图3可以看出采用压缩感知算法对回波数据进行处理后,处理结果在强目标和微弱目标所在位置分别出现峰值,对该处理结果再次采用CA-CFAR检测方法进行检测,就可以同时检测到强目标及强目标附近的微弱目标。
由上述仿真分析结果可知,现有的不加窗匹配滤波器方法对回波数据处理后,在CA-CFAR阶段无法对强目标附近的微弱目标进行检测,本发明所采用的压缩感知算法对回波数据处理后,则可以在CA-CFAR检测阶段检测到强目标附近的微弱目标。
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修改和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (4)
1.一种基于压缩感知的微弱目标检测方法,其特征在于,包括如下:
(1)对雷达回波信号r(n),通过不加窗匹配滤波器方法进行脉冲压缩,得到脉冲压缩结果y(n),1≤n≤N,N为距离单元数;
(2)利用CFAR检测方法对y(n)中的所有距离单元进行强目标检测,得到强目标d=[d1,d2,…,dj,…,dK],其中dj表示第j个强目标在距离单元的位置,1≤j≤K,K为检测到的强目标个数;
(3)对第j个强目标建立观测矢量zj:
zj=[r(dj-D/2),…,r(dj),…,r(dj+D/2+M-1)]T,
D=2×(P+Q),
其中,P表示CFAR检测过程中所选的保护单元数,Q表示CFAR检测过程中所选参考单元数,M表示发射信号采样点数,[·]T表示转置;
(4)对第j个强目标建立感知矩阵Wj:
Wj(m+n-1,n)=s(m),
其中,s(m)表示发射信号,1≤m≤M,Wj(m+n-1,n)表示感知矩阵Wj位于第m+n-1行,第n列的元素,1≤n≤D+1;
(5)利用第j个强目标的感知矩阵Wj和观测矢量zj对第j个强目标周围潜在的微弱目标进行检测:
(5a)对第j个强目标建立目标函数:
其中,xj表示待求解的稀疏信号,ξ表示约束条件所限定的误差范围,||·||2表示l2范数,||·||1表示l1范数;
(5b)利用CS算法对目标函数min||xj||1求解,得到稀疏信号xj,并由稀疏信号xj获得潜在的微弱目标;
(6)重复(3)-(5),得到所有强目标周围潜在的微弱目标位置。
3.根据权利要求1所述的方法,其中(2)中利用CFAR检测方法对y(n)中的所有距离单元进行强目标检测,实现步骤如下:
(2a)先在y(n)第i个距离单元的两边各选择P个保护单元,再在保护单元之外再各选择Q个参考单元;
其中,β为门限因子;
(2c)判断第i个距离单元的量测值是否大于检测门限α:若大于检测门限,则判定第i个距离单元存在目标,否则判定目标不存在;
(2d)对所有距离单元进行检测,得到检测目标e=[c1,c2,…,ck,…,cP],其中,ck表示第k个已检测出的目标位置,1≤k≤P,P表示检测出的目标数,P≥K;
(2e)对目标e中的强目标进行筛选,得到强目标d=[d1,d2,…,dj,…,dK]。
4.根据权利要求1所述的方法,其中(5b)中利用CS算法对目标函数min||xj||1求解,是查找稀疏信号xj中的非零点,这些非零点所对应的目标即为要检测的目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173075.2A CN109932697B (zh) | 2019-03-07 | 2019-03-07 | 基于压缩感知的微弱目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910173075.2A CN109932697B (zh) | 2019-03-07 | 2019-03-07 | 基于压缩感知的微弱目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109932697A CN109932697A (zh) | 2019-06-25 |
CN109932697B true CN109932697B (zh) | 2022-12-02 |
Family
ID=66986639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910173075.2A Active CN109932697B (zh) | 2019-03-07 | 2019-03-07 | 基于压缩感知的微弱目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109932697B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999031525A1 (en) * | 1997-12-15 | 1999-06-24 | Milkovich Systems Engineering | Signal processing architecture which improves sonar and pulse doppler radar performance and tracking capability |
CN107329141A (zh) * | 2017-08-03 | 2017-11-07 | 厦门大学 | 一种海洋环境下的航体微弱辐射噪声信号检测方法 |
CN109188385A (zh) * | 2018-08-31 | 2019-01-11 | 西安电子科技大学 | 杂波背景下的高速微弱目标检测方法 |
-
2019
- 2019-03-07 CN CN201910173075.2A patent/CN109932697B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1999031525A1 (en) * | 1997-12-15 | 1999-06-24 | Milkovich Systems Engineering | Signal processing architecture which improves sonar and pulse doppler radar performance and tracking capability |
CN107329141A (zh) * | 2017-08-03 | 2017-11-07 | 厦门大学 | 一种海洋环境下的航体微弱辐射噪声信号检测方法 |
CN109188385A (zh) * | 2018-08-31 | 2019-01-11 | 西安电子科技大学 | 杂波背景下的高速微弱目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109932697A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN109444869B (zh) | 一种用于信号失配的雷达扩展目标参数可调检测器 | |
US20060125682A1 (en) | System and method for reducing a radar interference signal | |
CN105403875B (zh) | 双极化接收雷达的目标检测方法 | |
CN106019254B (zh) | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 | |
CN101881822B (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN115685096B (zh) | 一种基于逻辑回归的二次雷达副瓣抑制方法 | |
CN204989459U (zh) | 一种针对单脉冲跟踪制导雷达的角度欺骗干扰装置 | |
Xue et al. | Knowledge-based target detection in compound Gaussian clutter with inverse Gaussian texture | |
CN109061626B (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
CN109932697B (zh) | 基于压缩感知的微弱目标检测方法 | |
CN109581366B (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
CN107976663A (zh) | 一种基于子空间投影的外辐射源雷达对目标压缩检测方法 | |
CN111090088B (zh) | 基于主动声纳阵列斜对称特性的泄露目标空时检测方法 | |
CN108387879B (zh) | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 | |
CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 | |
CN111931570B (zh) | 一种基于全卷积网络的穿墙成像雷达人体目标检测方法 | |
CN113030928B (zh) | 非均匀环境中极化雷达扩展目标自适应检测方法与系统 | |
CN112666528B (zh) | 一种基于卷积神经网络的多站雷达系统干扰鉴别方法 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
CN114152918A (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
CN111077515A (zh) | 一种基于模拟电视外辐射源雷达的目标检测方法 | |
Desodt et al. | Extract before detect N-signal complex approximate message passing applied to radar signals | |
CN115267694A (zh) | 基于平滑滤波的微弱目标检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |