CN110208765A - 基于相关性的海杂波环境下动静目标分离方法 - Google Patents
基于相关性的海杂波环境下动静目标分离方法 Download PDFInfo
- Publication number
- CN110208765A CN110208765A CN201910383152.7A CN201910383152A CN110208765A CN 110208765 A CN110208765 A CN 110208765A CN 201910383152 A CN201910383152 A CN 201910383152A CN 110208765 A CN110208765 A CN 110208765A
- Authority
- CN
- China
- Prior art keywords
- target
- frame
- static
- correlation
- data
- 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
- 238000000926 separation method Methods 0.000 title claims abstract description 15
- 230000003068 static effect Effects 0.000 claims abstract description 54
- 238000009825 accumulation Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 16
- 238000002310 reflectometry Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 241001269238 Data Species 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract description 4
- 206010019133 Hangover Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000001629 suppression Effects 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- 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
-
- 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
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了基于相关性的海杂波环境下动静目标分离方法,具体为:基于帧间相关积累的杂波抑制;目标检测与目标信息提取;静止目标信息库的建立;运动目标的检测。本发明根据运动目标信息相关性与静止目标信息相关性的特点,结合帧间相关积累运算,设计了分离运动目标和静止目标的方法。在帧间相关积累的基础上,针对静止目标在每帧之间的位置是固定的这一特点,可以实现运动目标和静止目标的精确分离。仿真结果验证了本发明方法的可行性和有效性。
Description
技术领域
本发明涉及海防雷达系统的信号处理方法,具体涉及基于相关性的海杂波环境下动静目标分离方法,属于雷达目标探测技术领域。
背景技术
随着我国对海洋领域的不断重视,对雷达海面检测目标的要求逐步上升。海面探测雷达工作的环境往往受到大量海杂波的影响,海杂波就是指雷达扫射过程中接收到的海面后向散射回波。一般情况下,海杂波的分布呈现非高斯特性,它是由海面、陆地、岛屿和海尖峰等不同情况形成的一种复杂的环境。其中,由于海杂波常呈现的突发性极强回波(海尖峰),对雷达在信号处理过程中经常造成虚警。传统的帧间相关积累算法可以实现海杂波与静止、慢速弱小目标的分离,但是对于快速弱小目标会产生漏警。
发明内容
本发明所要解决的技术问题是:提供基于相关性的海杂波环境下动静目标分离方法,通过与运算完成了静止慢速弱小目标与快速弱小目标的分离,通过建立不断更新的静止目标信息库,便于新的回波信息的快速处理。
本发明为解决上述技术问题采用以下技术方案:
基于相关性的海杂波环境下动静目标分离方法,包括如下步骤:
步骤1,基于帧间相关积累对雷达回波信号中的海杂波进行抑制,具体为:
1.1对包括当前帧在内的所有帧雷达回波信号进行帧间积累处理,得到矩阵数据,再对矩阵数据进行帧间相关性处理,从而得到包含静止目标和慢速弱小目标信息的矩阵数据;
1.2设置第二门限G2,设定当前帧雷达回波信号检测值为T1,若T1超过第二门限G2,则对于当前帧对应的矩阵数据中任一点,以前一帧相同位置上的点为中心在前一帧上形成拓展窗,并在拓展窗内提取元素最大值,记为T2,计算判断T2是否超过第二门限G2,若超过则认为当前帧上该点为目标,从而得到包含所有目标信息的矩阵数据;
步骤2,对于经过1.1和1.2得到的两组矩阵数据,在相同坐标位置上选取元素值较大的数据,从而检测出所有目标,并将检测结果存储下来,完成目标信息的提取;
步骤3,根据步骤2的检测结果,判断包括当前帧在内的所有帧数据同一位置存在目标信息的帧数是否大于等于预设数值n,当前帧为第N帧,若N帧数据同一位置存在目标信息的帧数大于等于n,则是静止目标,否则不是静止目标,从而建立初步的静止目标信息库;每隔设定时间,对静止目标信息库进行更新;
步骤4,对静止目标信息库进行0-1处理,对下一帧数据进行步骤1和步骤2处理,得到下一帧的所有目标信息,对下一帧的所有目标信息进行0-1处理,然后将经0-1处理后的下一帧的所有目标信息减去经0-1处理后的静止目标信息库,从而得到下一帧中的运动目标信息,从而完成运动目标的检测。
作为本发明的一种优选方案,所述步骤1中对矩阵数据进行帧间相关性处理,具体为:
设置第一门限G1,将矩阵数据中元素值超过第一门限的认为是静止目标或慢速弱小目标,G1的公式如下:
其中,M、S分别为原始雷达回波信号数据高斯分布噪声的均值、标准差,k1为基于Pfa=10-5的虚警概率,α为参数。
作为本发明的一种优选方案,所述步骤1中第二门限G2的公式如下:
G2=M+k2·S
其中,M、S分别为原始雷达回波信号数据高斯分布噪声的均值、标准差,k2为基于Pfa=10-5的虚警概率。
作为本发明的一种优选方案,所述预设数值n的取值为N为包括当前帧在内的所有帧数。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明与传统的帧间相关积累相比,该算法在帧间相关性的基础上,通过帧间运算从而区分静止目标、慢速弱小目标与快速弱小目标,形成静止目标信息库,方便下一次直接检测出运动目标,因此在实际系统中可以得到有效应用。
附图说明
图1是本发明基于相关性的海杂波环境下动静目标分离方法的流程图。
图2是静止目标信号图。
图3是仿真场景的信息图,其中,(a)为第8帧信号图,(b)为第80帧信号图。
图4是帧间相关积累处理后的信号图,其中,(a)为第1帧处理后的信号图,(b)为第13帧处理后的信号图,(c)为第43帧处理后的信号图,(d)为第63帧处理后的信号图。
图5是初步静止目标信息库图。
图6是第73帧数据目标检测对比图,其中,(a)为未处理过的第73帧数据,(b)为经过目标检测处理之后的第73帧数据0-1图。
图7是第73帧数据经过动静目标分离后得到的运动目标0-1图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
如图1所示,为本发明提出的在海杂波环境下基于帧间相关性积累算法的杂波抑制和目标检测方法流程图,具体步骤如下:
步骤1,基于帧间相关积累的杂波抑制。使用a通道和b通道,a通道可以保证最优的杂波抑制,并检测出静止、慢速弱小目标;b通道可以检测出所有目标(包括慢速弱小目标、快速弱小目标)。具体步骤如下所示:
步骤1-1,(a通道)先将雷达的回波信号进行帧间积累处理,以抑制快速目标拖尾现象以及保证最优的杂波抑制。再将处理后的数据通过帧间相关性处理,其目的是通过设置合适的门限G1将目标信息产生的拖尾去掉,从而得到静止、慢速运动的弱小目标。门限G1的选择由下式决定:
其中,M与S是原始数据高斯分布噪声的均值与标准差,k1取值4.27(基于Pfa=10-5的虚警概率),α为参数。
步骤1-2,(b通道)判断第N帧检测值是否超过阈值门限G2。设第N帧检测值为T1,以第k帧的坐标位置为中心在第N-1帧的相同位置上形成拓展窗(拓展窗的大小由运动目标运动速度估算得来),且在此拓展窗内提取的最大值设为T2。若T1超过阈值门限G2,则判断T2是否也超过门限G2,若T2也超过门限G2,则输出T1,否则输出零值。从而得到所有的目标信息(包括静止目标、慢速弱小目标和快速弱小目标),并且有效地抑制了杂波。门限G2的选择由下式决定:
G2=M+k2·S
其中,M与S是原始数据高斯分布噪声的均值与标准差,k2取值4.27(基于Pfa=10-5的虚警概率)。
步骤2,目标检测与目标信息提取部分。将经过a通道和b通道处理后的两组矩阵数据,在相同距离位置和相同方位位置的数值取最大值,从而检测出所有目标(静止目标、慢速弱小目标和快速弱小目标);再将检测结果存储下来,完成了目标信息的提取。
步骤3,静止目标信息库的建立。由于静止目标在帧间的数据信息是基本不变的,故而可以通过“与运算”区分出静止目标和运动目标、杂波信息。判断N帧数据同一位置处存在目标信息的帧数是否大于等于n(包含运动目标与静止目标)。n的取值直接影响静止目标信息库的准确性,一般可以取为7/8N或者根据不同情况取不同值。若N帧数据同一位置处存在目标信息的帧数大于等于n,则为静止的目标信息,形成初步的静止目标信息库;若N帧数据同一位置处存在目标信息的数据小于n帧,则对应位置不是静止目标。后期,经过一定时间后的处理,可对静止目标信息库不断更新。
步骤4,运动目标的检测。静止目标信息库建立后,将静止目标信息库进行0-1处理,再将经过帧间相关积累处理得到的下一帧数据Ma进行0-1处理,最后将两者相减,可以得到下一帧数据Ma中的运动目标位置信息,从而完成运动目标的检测。
本发明介绍了一种全新的区分运动静止目标的处理方法,这里利用仿真海杂波数据进行验证和分析。仿真的系统参数如下:设计一个含有海杂波的信号矩阵,在仿真数据中加入均值为10,标准差为8的高斯分布的噪声分量,设置每帧数据间隔1s,共设73帧,从而进行数据仿真分析。其中,有5个运动目标和6个静止目标:运动目标中目标2、4、5为快速弱小运动目标,目标1、3为慢速弱小运动目标;静止目标中目标1、2、6为大块静止目标,模拟了陆地,目标3、4、5为小块静止目标,模拟了岛屿等海面静止物体。其覆盖面积、运动速度、运动方向和幅度信息如表1、表2所示。图2为静止目标信号图。仿真结果如图3的(a)、(b)所示。
表1
表2
基于相关性的动静目标分离实验:
步骤1,进行基于帧间相关积累的杂波抑制。在a通道中,为了保证最优的杂波抑制以及快速目标的拖尾衰减,对信号进行参数α=0.25的幅度衰减,然后通过式(1)可得门限G1约为24。在b通道中,所有的目标信息可被检测出,通过式(2)可得门限G2约为44;根据仿真参数中目标的运动速度,可取拓展窗的长宽为40距离分辨单元*40方位分辨单元。
步骤2,进行目标检测与目标信息提取。经过a通道和b通道处理后的两组矩阵数据,在相同距离位置和相同方位位置的数值取最大值,并将结果存储下来。得到所有运动目标和静止目标的信息如图4所示。从图4的(a)、(b)、(c)、(d)中可看出,运动目标在不同帧帧间距离向方位向的位置不同,而静止目标在不同帧之间距离向方位向的位置相同。
步骤3,进行静止目标信息库的建立。从N=72帧数据中建立静止目标信息库,不妨取n=60,即若72帧数据中至少有60帧存在目标信息,则判断为静止目标,从而建立初步静止目标信息库如5所示。
步骤4,进行运动目标的检测。首先,将静止目标信息库进行0-1处理。然后,将经过帧间相关积累处理得到的第73帧数据(即Ma)经行0-1处理,结果如图6的(b)所示;其中图6的(a)是未经处理过的第73帧数据图,通过与图6的(b)的对比,验证了前三步实验的准确性。最后,将0-1处理后的静止目标信息库与0-1处理后的Ma相减,得到Ma中的运动目标信息,如图7所示。
上述仿真结果证明了基于相关性的海杂波环境下动静目标分离算法实验的有效性。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (4)
1.基于相关性的海杂波环境下动静目标分离方法,其特征在于,包括如下步骤:
步骤1,基于帧间相关积累对雷达回波信号中的海杂波进行抑制,具体为:
1.1对包括当前帧在内的所有帧雷达回波信号进行帧间积累处理,得到矩阵数据,再对矩阵数据进行帧间相关性处理,从而得到包含静止目标和慢速弱小目标信息的矩阵数据;
1.2设置第二门限G2,设定当前帧雷达回波信号检测值为T1,若T1超过第二门限G2,则对于当前帧对应的矩阵数据中任一点,以前一帧相同位置上的点为中心在前一帧上形成拓展窗,并在拓展窗内提取元素最大值,记为T2,计算判断T2是否超过第二门限G2,若超过则认为当前帧上该点为目标,从而得到包含所有目标信息的矩阵数据;
步骤2,对于经过1.1和1.2得到的两组矩阵数据,在相同坐标位置上选取元素值较大的数据,从而检测出所有目标,并将检测结果存储下来,完成目标信息的提取;
步骤3,根据步骤2的检测结果,判断包括当前帧在内的所有帧数据同一位置存在目标信息的帧数是否大于等于预设数值n,当前帧为第N帧,若N帧数据同一位置存在目标信息的帧数大于等于n,则是静止目标,否则不是静止目标,从而建立初步的静止目标信息库;每隔设定时间,对静止目标信息库进行更新;
步骤4,对静止目标信息库进行0-1处理,对下一帧数据进行步骤1和步骤2处理,得到下一帧的所有目标信息,对下一帧的所有目标信息进行0-1处理,然后将经0-1处理后的下一帧的所有目标信息减去经0-1处理后的静止目标信息库,从而得到下一帧中的运动目标信息,从而完成运动目标的检测。
2.根据权利要求1所述基于相关性的海杂波环境下动静目标分离方法,其特征在于,所述步骤1中对矩阵数据进行帧间相关性处理,具体为:
设置第一门限G1,将矩阵数据中元素值超过第一门限的认为是静止目标或慢速弱小目标,G1的公式如下:
其中,M、S分别为原始雷达回波信号数据高斯分布噪声的均值、标准差,k1为基于Pfa=10-5的虚警概率,α为参数。
3.根据权利要求1所述基于相关性的海杂波环境下动静目标分离方法,其特征在于,所述步骤1中第二门限G2的公式如下:
G2=M+k2·S
其中,M、S分别为原始雷达回波信号数据高斯分布噪声的均值、标准差,k2为基于Pfa=10-5的虚警概率。
4.根据权利要求1所述基于相关性的海杂波环境下动静目标分离方法,其特征在于,所述预设数值n的取值为N为包括当前帧在内的所有帧数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383152.7A CN110208765A (zh) | 2019-05-09 | 2019-05-09 | 基于相关性的海杂波环境下动静目标分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910383152.7A CN110208765A (zh) | 2019-05-09 | 2019-05-09 | 基于相关性的海杂波环境下动静目标分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110208765A true CN110208765A (zh) | 2019-09-06 |
Family
ID=67785668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910383152.7A Pending CN110208765A (zh) | 2019-05-09 | 2019-05-09 | 基于相关性的海杂波环境下动静目标分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208765A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016071909A1 (en) * | 2014-11-06 | 2016-05-12 | Ramot At Tel-Aviv University Ltd. | Spectral imaging method and system |
CN108304798A (zh) * | 2018-01-30 | 2018-07-20 | 北京同方软件股份有限公司 | 基于深度学习及运动一致性的街面秩序事件视频检测方法 |
CN108318866A (zh) * | 2018-01-22 | 2018-07-24 | 西安电子科技大学 | 基于多帧回波联合积累的海杂波抑制方法 |
CN109085829A (zh) * | 2018-08-09 | 2018-12-25 | 北京智行者科技有限公司 | 一种动静态目标识别方法 |
CN109118516A (zh) * | 2018-07-13 | 2019-01-01 | 高新兴科技集团股份有限公司 | 一种目标从运动到静止的跟踪方法及装置 |
-
2019
- 2019-05-09 CN CN201910383152.7A patent/CN110208765A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016071909A1 (en) * | 2014-11-06 | 2016-05-12 | Ramot At Tel-Aviv University Ltd. | Spectral imaging method and system |
CN108318866A (zh) * | 2018-01-22 | 2018-07-24 | 西安电子科技大学 | 基于多帧回波联合积累的海杂波抑制方法 |
CN108304798A (zh) * | 2018-01-30 | 2018-07-20 | 北京同方软件股份有限公司 | 基于深度学习及运动一致性的街面秩序事件视频检测方法 |
CN109118516A (zh) * | 2018-07-13 | 2019-01-01 | 高新兴科技集团股份有限公司 | 一种目标从运动到静止的跟踪方法及装置 |
CN109085829A (zh) * | 2018-08-09 | 2018-12-25 | 北京智行者科技有限公司 | 一种动静态目标识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN108761418B (zh) | 一种基于微多普勒特征的雷达多径目标剔除方法 | |
CN105785340B (zh) | 单脉冲雷达对主瓣内目标和诱饵干扰的测角与识别方法 | |
CN105044686B (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN110208789B (zh) | 一种多帧联合目标航迹识别方法 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN114114192B (zh) | 集群目标检测方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
CN105116387A (zh) | 基于位置和多普勒速度信息的pd雷达抗速度拖引方法 | |
CN105842688A (zh) | 单脉冲雷达对空目标快速捕获方法 | |
CN110133612A (zh) | 一种基于跟踪反馈的扩展目标检测方法 | |
CN110673130A (zh) | 一种基于航迹关联的运动目标航迹跟踪方法 | |
CN109031221B (zh) | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 | |
US20110095939A1 (en) | Process and system for determining the position and velocity of an object | |
CN110208765A (zh) | 基于相关性的海杂波环境下动静目标分离方法 | |
Kauppi et al. | An efficient set of features for pulse repetition interval modulation recognition | |
CN106842142B (zh) | 基于子区处理的海面搜索雷达大批量点迹提取算法 | |
CN110865376A (zh) | 一种基于tbd的非直视拐角人体目标定位方法 | |
CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
CN112213706A (zh) | 多维数字化波门帧间递进关联的逻辑tbd检测方法 | |
CN106342244B (zh) | 雷达微弱目标检测方法 | |
CN113933807B (zh) | 一种海杂波背景下基于图像处理的目标检测方法 | |
Shojaedini et al. | A New Model Based Signal Processing Scheme for Detecting Delay and Doppler in Bistatic Radars |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |