CN110361734B - 微弱动目标检测方法、装置、计算机设备及存储介质 - Google Patents
微弱动目标检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110361734B CN110361734B CN201910797232.7A CN201910797232A CN110361734B CN 110361734 B CN110361734 B CN 110361734B CN 201910797232 A CN201910797232 A CN 201910797232A CN 110361734 B CN110361734 B CN 110361734B
- Authority
- CN
- China
- Prior art keywords
- data block
- data
- detected
- polar coordinate
- distance
- 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
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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9029—SAR image post-processing techniques specially adapted for moving target detection within a single SAR image or within multiple SAR images taken at the same time
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种微弱动目标检测方法、装置、计算机设备及存储介质。该方法包括通过太赫兹视频合成孔径雷达对目标区域进行探测,获取原始回波数据;对原始回波数据在距离向进行脉冲压缩处理,并在方位向进行分块处理,获取待检测数据块;通过极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一待检测数据块对应的数据块处理结果;根据所有数据块处理结果对极坐标网络进行赋值,获取极坐标网络图像;对极坐标网络图像进行门限检测,获取目标区域内的所有微弱动目标对应的微弱动目标参数,以实现同时检测多个微弱动目标并获取每个微弱动目标对应的微弱动目标参数,提高获取微弱动目标参数运算效率。
Description
技术领域
本发明涉及机载合成孔径雷达技术领域,尤其涉及一种微弱动目标检测方法、装置、计算机设备及存储介质。
背景技术
在使用雷达观测目标时,观测的目标一般多为微弱的高速运动的目标(即微弱动目标),由于该目标存在背景噪声,其对应的信噪比较低,并且该目标运动速度极快,会产生严重的距离走动。目前一般使用楔形石(Keystone)变换的方法用于校正雷达的距离走动,并通过相参积累提高信噪比。但是该方法的相干积累结果较差,仅有一个目标点的相干积累结果较好,无法实现同时检测多个微弱动目标,也无法解决多个微弱动目标产生的速度模糊的问题。
发明内容
本发明实施例提供一种微弱动目标检测方法、装置、计算机设备及存储介质,以解决现有技术中不能同时检测多个微弱动目标和该多个微弱动目标产生的速度模糊的问题。
一种微弱动目标检测方法,包括:
通过太赫兹视频合成孔径雷达对目标区域进行探测,获取所述目标区域中所有微弱动目标对应的原始回波数据;
对每一所述原始回波数据在距离向进行脉冲压缩处理,获取每一所述原始回波数据对应的脉冲压缩图像;
对每一所述脉冲压缩图像在方位向进行分块处理,获取每一所述脉冲压缩图像对应的待检测数据块;
通过极坐标网络对每一所述待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一所述待检测数据块对应的数据块处理结果;
根据所有所述数据块处理结果对所述极坐标网络进行赋值,获取极坐标网络图像;
对所述极坐标网络图像进行门限检测,获取所述目标区域内的所有微弱动目标对应的微弱动目标参数。
一种微弱动目标检测装置,包括:
目标区域探测模块,用于通过太赫兹视频合成孔径雷达对目标区域进行探测,获取所述目标区域中所有微弱动目标对应的原始回波数据;
脉冲压缩处理模块,用于对每一所述原始回波数据在距离向进行脉冲压缩处理,获取每一所述原始回波数据对应的脉冲压缩图像;
分块处理模块,用于对每一所述脉冲压缩图像在方位向进行分块处理,获取每一所述脉冲压缩图像对应的待检测数据块;
极坐标网络处理模块,用于通过极坐标网络对每一所述待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一所述待检测数据块对应的数据块处理结果;
赋值处理模块,用于根据所有所述数据块处理结果对所述极坐标网络进行赋值,获取极坐标网络图像;
目标参数获取模块,用于对所述极坐标网络图像进行门限检测,获取所述目标区域内的所有微弱动目标对应的微弱动目标参数。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述微弱动目标检测方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述微弱动目标检测方法。
上述微弱动目标检测方法、装置、计算机设备及存储介质,通过使用太赫兹视频合成孔径雷达检测目标区域,获取目标区域中所有微弱动目标对应的原始回波数据,可以同时获取多个微弱动目标对应的原始回波数据,为后续数据处理过程提供数据来源;通过对原始回波数据分在距离向进行脉冲压缩处理,并在方位向进行分块处理,以提高太赫兹视频合成孔径雷达在信噪比较低的情况下对微弱动目标的检测能力;通过建立极坐标网格,并根据极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,以提高后续数据处理的准确率;在获取数据块处理结果后,通过数据块处理结果对极坐标网络赋值,并根据获取的坐标网络图像进行门限检测,以实现同时检测多个微弱动目标并获取每个微弱动目标对应的微弱动目标参数,有效提高获取微弱动目标参数运算效率。
附图说明
图1是本发明一实施例中微弱动目标检测方法的一流程图;
图2是图1中步骤S20的一具体流程图;
图3是图1中步骤S50的一具体流程图;
图4是本发明一实施例中微弱动目标检测方法的另一流程图;
图5是本发明一实施例中微弱动目标检测方法的另一流程图;
图6是本发明一实施例中微弱动目标检测装置的一示意图;
图7是本发明一实施例中计算机设备的一示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,一种微弱动目标检测方法,包括如下步骤:
S10:通过太赫兹视频合成孔径雷达对目标区域进行探测,获取目标区域中所有微弱动目标对应的原始回波数据。
本实施例中的太赫兹视频合成孔径雷达指机载太赫兹视频合成孔径雷达。其中,目标区域指根据任务要求中的区域范围和经纬度确定的需要进行微弱动目标检测的区域。原始回波数据指对太赫兹视频合成孔径雷达在预设时间段内探测得到的雷达信号经过数字化处理并存储在存储介质中的数据。
具体地,一个目标区域中可能出现一个微弱动目标,也可能出现两个或者两个以上的微弱动目标。通过太赫兹视频合成孔径雷达对目标区域进行探测,获取预设时间段内该目标区域中的所有微弱动目标对应的原始回波数据,为后续数据处理过程提供数据来源。
S20:对每一原始回波数据在距离向进行脉冲压缩处理,获取每一原始回波数据对应的脉冲压缩图像。
其中,脉冲压缩图像指在距离向上,对原始回波数据进行脉冲压缩处理后得到的图像。
S30:对每一脉冲压缩图像在方位向进行分块处理,获取每一脉冲压缩图像对应的待检测数据块。
其中,待检测数据块指在方位向上,对脉冲压缩图像进行分块处理后得到的数据块。具体地,在获取脉冲压缩图像后,通过在方位向上对每一脉冲图像进行分块处理,可实现对每一脉冲压缩图像上的每一帧图像进行检测,提高检测准确率。
优选的,步骤S30,对每一脉冲压缩图像在方位向进行分块处理,获取每一脉冲压缩图像对应的待检测数据块,具体包括如下步骤:
通过方位块长度对每一脉冲压缩图像在方位向进行分块处理,获取每一脉冲压缩图像对应的待检测数据块。方位块长度具体为ΔNa=FR·PRF,其中,ΔNa指方位块长度,FR指太赫兹视频合成孔径雷达的帧频率,PRF指脉冲重复频率。
S40:通过极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一待检测数据块对应的数据块处理结果。
本实施例中的极坐标网络是用于反映微弱动目标的距离和角度的一种坐标网络。因此,在获取待检测数据块后,需根据距离维中心点、距离维间隔、角度维中心点和角度维间隔建立极坐标网络。其中,距离维中心点Rs为目标区域中心斜距,角度维中心点为为波束中心斜视角。
由于太赫兹视频合成孔径雷达具有较高的帧频率,在一个待检测数据块内,微弱动目标的运动可以认为是线性走动,因此,在建立完成极坐标网络后,需要通过极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,以获取每一待检测数据块对应的数据块处理结果,提高数据准确率。
S50:根据所有数据块处理结果对极坐标网络进行赋值,获取极坐标网络图像。
具体地,在获取数据块处理结果后,将各角度坐标对应的数据块处理结果沿方位向取幅度最大值赋值到对应极坐标网络内,得到极坐标网格图像,以实现同时对多个微弱动目标执行后续步骤。
S60:对极坐标网络图像进行门限检测,获取目标区域内的所有微弱动目标对应的微弱动目标参数。
其中,门限检测指使用预先设定好的门限值检测极坐标网络图像中的微弱动目标的过程。对极坐标网络图像进行门限检测的算法包括但不限于最小均方误差检测算法和二维恒虚警检测算法。由于在距离和多普勒维上存在杂波和噪声,因此,本实施例中采用二维恒虚警检测算法对极坐标网络图像进行门限检测。
本实施例中的微弱动目标参数包括微弱动目标个数,每个微弱动目标的径向位置和每个微弱动目标的无模糊径向速度。
具体地,若一微弱动目标在极坐标系下的坐标为(mp,np),则该微弱动目标的径向位置为:Rp=Rs+ΔR·mp,其中,Rs为目标区域中心斜距,ΔR为距离维间隔。该微弱动目标的无模糊径向速度为:其中,V为太赫兹视频合成孔径雷达对应的载机平台速度,Δθ为角度维间隔,为角度维中心点。
步骤S10-步骤S60,通过使用机载太赫兹视频合成孔径雷达检测目标区域,获取目标区域中所有微弱动目标对应的原始回波数据,可以实现同时获取多个微弱动目标对应的原始回波数据,为后续数据处理过程提供数据来源;通过对原始回波数据分在距离向进行脉冲压缩处理,并在方位向进行分块处理,以提高太赫兹视频合成孔径雷达在信噪比较低的情况下对微弱动目标的检测能力;通过建立极坐标网格,并根据极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,以提高后续数据处理的准确率;在获取数据块处理结果后,通过数据块处理结果对极坐标网络赋值,并根据获取的坐标网络图像进行门限检测,以实现同时检测多个微弱动目标并获取每个微弱动目标对应的微弱动目标参数,有效提高获取微弱动目标参数运算效率。
优选的,如图2所示,步骤S10,通过太赫兹视频合成孔径雷达对目标区域进行探测,获取目标区域中所有微弱动目标对应的原始回波数据,具体包括如下步骤:
S11:获取目标区域参数,基于目标区域参数确定目标区域。
其中,目标区域参数指用于确定目标区域的参数。本实施例中的目标区域参数包括区域范围和经纬度。
具体地,用户根据任务要求在客户端输入区域范围和经纬度并发送给服务器,服务器获取目标区域参数后,根据该目标区域参数确定目标区域。
S12:通过太赫兹视频合成孔径雷达对目标区域进行探测,获取目标区域中所有微弱动目标对应的原始回波数据。
步骤S11-步骤S12,通过获取目标区域参数确定目标区域,并通过太赫兹视频合成孔径雷达对目标区域进行探测,获取目标区域中所有微弱动目标对应的原始回波数据,为后续步骤提供准确的数据来源。
优选的,如图3所示,步骤S20,对每一原始回波数据在距离向进行脉冲压缩处理,获取每一原始回波数据对应的脉冲压缩图像,具体包括如下步骤:
S21:对所有原始回波数据进行去噪处理,获取每一原始回波数据对应的有效回波数据。
其中,有效回波数据指对原始回波数据进行去噪处理后得到的数据。具体地,由于原始回波数据中存在有很多噪声,因此在获取原始回波数据后,需要采用带通滤波器对原始回波数据进行去噪处理,去除原始回波数据中的噪声。
S22:对每一有效回波数据进行距离向傅里叶变换,获取每一有效回波数据对应的原始频域数据。
其中,原始频域数据指将有效回波数据进行傅里叶变换后得到的数据。
S23:将每一原始频域数据与距离匹配滤波函数相乘,获取每一原始频域数据对应的距离匹配滤波数据。
S24:对每一距离匹配滤波数据进行距离向逆傅里叶变换,获取每一距离匹配滤波数据对应的脉冲压缩图像。
步骤S21-步骤S24,通过对原始回波数据进行去噪处理,去除原始回波数据中的噪声,获取有效回波数据,可以有效提高后续进行距离傅里叶变换得到的原始频域数据的准确率。将原视频与数据与距离匹配函数相乘并进行距离向逆傅里叶变换,以获取脉冲压缩图像,方便执行后续在方位向进行分块处理的步骤。
优选的,如图4所示,步骤S40,通过极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一待检测数据块对应的数据块处理结果,具体包括如下步骤:
S41:对每一待检测数据块进行距离向傅里叶变换,获取每一待检测数据块对应的待检测频域数据块。
其中,待检测频域数据块指待检测数据块经过距离傅里叶变换得到数据块。
S42:将每一待检测频域数据块与距离走动校正函数相乘,获取每一待检测频域数据块对应的校正频域数据块。
其中,校正频域数据块指待检测频域数据块与距离走动校正函数相乘得到的数据块。本实施例中的距离走动校正函数其中,fr为数据块距离维频谱坐标,fc为雷达中心频率,X为数据块方位维坐标,θn为极坐标网格角度维坐标n所对应的角度值。
S43:对每一校正频域数据块进行距离向逆傅里叶变换并乘以方位匹配滤波函数,获取每一校正频域数据块对应的方位匹配滤波数据。
S44:对每一方位匹配滤波数据进行方位向傅里叶滤波变换,获取每一方位匹配滤波数据对应的数据块处理结果。
其中,数据块处理结果指方位匹配滤波数据进行方位向傅里叶滤波变换后的数据。
步骤S41-步骤S44,对待检测数据块进行距离向傅里叶变换,获取待检测频域数据块,方便后续与距离走动校正函数相乘,获取校正频域数据块。将待检测频域数据块与距离走动校正函数相乘,可实现对待检测频域数据块的校正,提高待检测频域数据块的准确率。对校正频域数据块进行距离向逆傅里叶变换并乘以方位匹配滤波函数,可以提高校正频域数据块的信噪比。对方位匹配滤波数据进行方位向傅里叶滤波变换,获取对应的数据块处理结果,方便步骤S50对极坐标网络进行赋值。
优选的,步骤S50:根据所有数据块处理结果对极坐标网络进行赋值,获取极坐标网络图像,具体包括如下步骤:
将所有数据块处理结果沿各角度坐标对应的方位向取幅度最大值,通过幅度最大值对对应极坐标网格进行赋值,获取极坐标网格图像。
优选的,如图5所示,在步骤S40,通过极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理之前,该微弱动目标检测方法还包括:
S401:获取距离维中心点、距离维间隔、角度维中心点和角度维间隔;距离维间隔具体为其中,C为光速,Fs为太赫兹视频合成孔径雷达的信号采样率;角度维间隔具体为其中,Vmax为微弱动目标的径向速度最大值,Vmin为微弱动目标的径向速度最小值,V为太赫兹视频合成孔径雷达对应的载机平台速度,N为极坐标网络的角度维点数;
S402:依据距离维中心点、距离维间隔、角度维中心点和角度维间隔建立极坐标网络。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种微弱动目标检测装置,该微弱动目标检测装置与上述实施例中微弱动目标检测方法一一对应。如图6所示,该微弱动目标检测装置包括目标区域探测模块10、脉冲压缩处理模块20、分块处理模块30、极坐标网络处理模块40、赋值处理模块50和目标参数获取模块60。各功能模块详细说明如下:
目标区域探测模块10,用于通过太赫兹视频合成孔径雷达对目标区域进行探测,获取目标区域中所有微弱动目标对应的原始回波数据。
脉冲压缩处理模块20,用于对每一原始回波数据在距离向进行脉冲压缩处理,获取每一原始回波数据对应的脉冲压缩图像。
分块处理模块30,用于对每一脉冲压缩图像在方位向进行分块处理,获取每一脉冲压缩图像对应的待检测数据块。
极坐标网络处理模块40,用于通过极坐标网络对每一待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一待检测数据块对应的数据块处理结果。
赋值处理模块50,用于根据所有数据块处理结果对极坐标网络进行赋值,获取极坐标网络图像。
目标参数获取模块60,用于对极坐标网络图像进行门限检测,获取目标区域内的所有微弱动目标对应的微弱动目标参数。
优选的,目标区域探测模块10包括目标区域确定单元和原始回波数据获取单元。
目标区域确定单元,用于获取目标区域参数,基于目标区域参数确定目标区域。
原始回波数据获取单元,用于通过太赫兹视频合成孔径雷达对目标区域进行探测,获取目标区域中所有微弱动目标对应的原始回波数据。
优选的,脉冲压缩处理模块20包括去噪处理单元、原视频域数据获取单元、距离匹配数据获取单元和脉冲压缩图像获取单元。
去噪处理单元,用于对所有原始回波数据进行去噪处理,获取每一原始回波数据对应的有效回波数据。
原视频域数据获取单元,用于对每一有效回波数据进行距离向傅里叶变换,获取每一有效回波数据对应的原始频域数据。
距离匹配数据获取单元,用于将每一原始频域数据与距离匹配滤波函数相乘,获取每一原始频域数据对应的距离匹配滤波数据。
脉冲压缩图像获取单元,用于对每一距离匹配滤波数据进行距离向逆傅里叶变换,获取每一距离匹配滤波数据对应的脉冲压缩图像。
优选的,分块处理模块30具体为通过方位块长度对每一脉冲压缩图像在方位向进行分块处理,获取每一脉冲压缩图像对应的待检测数据块。方位块长度具体为ΔNa=FR·PRF,其中,ΔNa指方位块长度,FR指太赫兹视频合成孔径雷达的帧频率,PRF指脉冲重复频率。
优选的,极坐标网络处理模块40包括待检测频域数据块获取单元、数据校正单元、数据滤波单元和数据处理结果获取单元。
待检测频域数据块获取单元,用于对每一待检测数据块进行距离向傅里叶变换,获取每一待检测数据块对应的待检测频域数据块。
数据校正单元,用于将每一待检测频域数据块与距离走动校正函数相乘,获取每一待检测频域数据块对应的校正频域数据块。
数据滤波单元,用于对每一校正频域数据块进行距离向逆傅里叶变换并乘以方位匹配滤波函数,获取每一校正频域数据块对应的方位匹配滤波数据。
数据处理结果获取单元,用于对每一方位匹配滤波数据进行方位向傅里叶滤波变换,获取每一方位匹配滤波数据对应的数据块处理结果。
优选的,赋值处理模块50具体为将所有数据块处理结果沿各角度坐标对应的方位向取幅度最大值,通过幅度最大值对对应极坐标网格进行赋值,获取极坐标网格图像。
优选的,微弱动目标检测装置还包括极坐标网络要素获取单元和极坐标网络生成单元。
极坐标网络要素获取单元,用于获取距离维中心点、距离维间隔、角度维中心点和角度维间隔;距离维间隔具体为其中,C为光速,Fs为太赫兹视频合成孔径雷达的信号采样率;角度维间隔具体为其中,Vmax为微弱动目标的径向速度最大值,Vmin为微弱动目标的径向速度最小值,V为太赫兹视频合成孔径雷达对应的载机平台速度,N为极坐标网络的角度维点数。
极坐标网络生成单元,用于依据距离维中心点、距离维间隔、角度维中心点和角度维间隔建立极坐标网络。
关于微弱动目标检测装置的具体限定可以参见上文中对于微弱动目标检测方法的限定,在此不再赘述。上述微弱动目标检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括计算机可读存储介质、内存储器。该计算机可读存储介质存储有操作系统、计算机程序和数据库。该内存储器为计算机可读存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储微弱动目标检测方法中生成或获取的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种微弱动目标检测方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例的微弱动目标检测方法,如图1所示的步骤S10-步骤S60,或者图2至图5中所示的步骤,为避免重复,这里不再赘述。或者,处理器执行计算机程序时实现上述微弱动目标检测装置这一实施例中的各模块/单元的功能,例如图6所示的目标区域探测模块10至目标参数获取模块60的功能,为避免重复,这里不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例的微弱动目标检测方法,如图1所示的步骤S10-步骤S60,或者图2至图5中所示的步骤,为避免重复,这里不再赘述。或者,计算机程序被处理器执行时实现上述微弱动目标检测装置这一实施例中的各模块/单元的功能,例如图6所示的目标区域探测模块10至目标参数获取模块60的功能,为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种微弱动目标检测方法,其特征在于,包括:
通过太赫兹视频合成孔径雷达对目标区域进行探测,获取所述目标区域中所有微弱动目标对应的原始回波数据;
对每一所述原始回波数据在距离向进行脉冲压缩处理,获取每一所述原始回波数据对应的脉冲压缩图像;
对每一所述脉冲压缩图像在方位向进行分块处理,获取每一所述脉冲压缩图像对应的待检测数据块;
通过极坐标网络对每一所述待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一所述待检测数据块对应的数据块处理结果;包括:对每一所述待检测数据块进行距离向傅里叶变换,获取每一所述待检测数据块对应的待检测频域数据块;将每一所述待检测频域数据块与距离走动校正函数相乘,获取每一所述待检测频域数据块对应的校正频域数据块;对每一所述校正频域数据块进行距离向逆傅里叶变换并乘以方位匹配滤波函数,获取每一所述校正频域数据块对应的方位匹配滤波数据;对每一所述方位匹配滤波数据进行方位向傅里叶滤波变换,获取每一所述方位匹配滤波数据对应的数据块处理结果;
根据所有所述数据块处理结果对所述极坐标网络进行赋值,获取极坐标网络图像;
对所述极坐标网络图像进行门限检测,获取所述目标区域内的所有微弱动目标对应的微弱动目标参数。
2.如权利要求1所述的微弱动目标检测方法,其特征在于,所述通过太赫兹视频合成孔径雷达对目标区域进行探测,获取所述目标区域中所有微弱动目标对应的原始回波数据,包括:
获取目标区域参数,基于所述目标区域参数确定目标区域;
通过太赫兹视频合成孔径雷达对所述目标区域进行探测,获取所述目标区域中所有微弱动目标对应的原始回波数据。
3.如权利要求1所述的微弱动目标检测方法,其特征在于,所述对每一所述原始回波数据在距离向进行脉冲压缩处理,获取每一所述原始回波数据对应的脉冲压缩图像,包括:
对所有所述原始回波数据进行去噪处理,获取每一原始回波数据对应的有效回波数据;
对每一所述有效回波数据进行距离向傅里叶变换,获取每一所述有效回波数据对应的原始频域数据;
将每一所述原始频域数据与距离匹配滤波函数相乘,获取每一所述原始频域数据对应的距离匹配滤波数据;
对每一所述距离匹配滤波数据进行距离向逆傅里叶变换,获取每一所述距离匹配滤波数据对应的脉冲压缩图像。
4.如权利要求1所述的微弱动目标检测方法,其特征在于,所述对每一所述脉冲压缩图像在方位向进行分块处理,获取每一所述脉冲压缩图像对应的待检测数据块,包括:
通过方位块长度对每一所述脉冲压缩图像在方位向进行分块处理,获取每一所述脉冲压缩图像对应的待检测数据块;所述方位块长度具体为ΔNa=FR·PRF,其中,ΔNa指方位块长度,FR指太赫兹视频合成孔径雷达的帧频率,PRF指脉冲重复频率。
5.如权利要求1所述的微弱动目标检测方法,其特征在于,所述根据所有所述数据块处理结果对所述极坐标网络进行赋值,获取极坐标网络图像,包括:
将所有所述数据块处理结果沿各角度坐标对应的方位向取幅度最大值,通过所述幅度最大值对所述对应极坐标网格进行赋值,获取极坐标网格图像。
7.一种微弱动目标检测装置,其特征在于,包括:
目标区域探测模块,用于通过太赫兹视频合成孔径雷达对目标区域进行探测,获取所述目标区域中所有微弱动目标对应的原始回波数据;
脉冲压缩处理模块,用于对每一所述原始回波数据在距离向进行脉冲压缩处理,获取每一所述原始回波数据对应的脉冲压缩图像;
分块处理模块,用于对每一所述脉冲压缩图像在方位向进行分块处理,获取每一所述脉冲压缩图像对应的待检测数据块;
极坐标网络处理模块,用于通过极坐标网络对每一所述待检测数据块进行线性校正处理和方位脉冲压缩处理,获取每一所述待检测数据块对应的数据块处理结果;包括:对每一所述待检测数据块进行距离向傅里叶变换,获取每一所述待检测数据块对应的待检测频域数据块;将每一所述待检测频域数据块与距离走动校正函数相乘,获取每一所述待检测频域数据块对应的校正频域数据块;对每一所述校正频域数据块进行距离向逆傅里叶变换并乘以方位匹配滤波函数,获取每一所述校正频域数据块对应的方位匹配滤波数据;对每一所述方位匹配滤波数据进行方位向傅里叶滤波变换,获取每一所述方位匹配滤波数据对应的数据块处理结果;
赋值处理模块,用于根据所有所述数据块处理结果对所述极坐标网络进行赋值,获取极坐标网络图像;
目标参数获取模块,用于对所述极坐标网络图像进行门限检测,获取所述目标区域内的所有微弱动目标对应的微弱动目标参数。
8.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述微弱动目标检测方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述微弱动目标检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910797232.7A CN110361734B (zh) | 2019-08-27 | 2019-08-27 | 微弱动目标检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910797232.7A CN110361734B (zh) | 2019-08-27 | 2019-08-27 | 微弱动目标检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110361734A CN110361734A (zh) | 2019-10-22 |
CN110361734B true CN110361734B (zh) | 2021-03-02 |
Family
ID=68225112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910797232.7A Active CN110361734B (zh) | 2019-08-27 | 2019-08-27 | 微弱动目标检测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110361734B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111880181B (zh) * | 2020-07-31 | 2021-11-30 | 北京环境特性研究所 | 一种微弱痕迹处理方法、装置、检测方法及装置 |
CN112485783B (zh) * | 2020-09-29 | 2024-05-10 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN112083418B (zh) * | 2020-10-09 | 2022-05-17 | 西安电子科技大学 | 视频合成孔径雷达的动目标联合检测前跟踪方法 |
CN113009446B (zh) * | 2021-03-02 | 2022-05-03 | 中国科学院空天信息创新研究院 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
CN112946592B (zh) * | 2021-03-11 | 2023-03-21 | 北京无线电测量研究所 | 用于sar的随距离空变的多普勒校正方法及系统 |
CN116824877B (zh) * | 2023-08-29 | 2023-11-24 | 湖南纳雷科技有限公司 | 一种交通流量毫米波雷达的车辆检测方法、介质及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609151A (zh) * | 2009-07-17 | 2009-12-23 | 重庆大学 | 一种基于单通道合成孔径雷达(sar)图像序列特征值分解的动目标检测方法 |
CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
CN102073043A (zh) * | 2010-11-04 | 2011-05-25 | 电子科技大学 | 一种多帧相参积累目标检测前跟踪方法 |
ES2467066A2 (es) * | 2012-04-13 | 2014-06-23 | Universitat Polit�Cnica De Catalunya | Procedimiento para la validación de la hipótesis del modelo Random-Volume-over-Ground y su aplicación en la estimación de datos en el estudio y caracterización de coberturas vegetales mediante sistemas coherentes multicanal. |
JP2015129693A (ja) * | 2014-01-08 | 2015-07-16 | 株式会社東芝 | 合成開口レーダ装置及びその画像処理方法 |
CN109507669A (zh) * | 2018-12-26 | 2019-03-22 | 西安电子科技大学 | 基于相参累积的地面微弱运动目标参数估计方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008127335A1 (en) * | 2007-04-13 | 2008-10-23 | Raytheon Company | Spotlight synthetic aperture radar system using fpga and corresponding method |
ITTO20110526A1 (it) * | 2011-06-15 | 2012-12-16 | Thales Alenia Space Italia S P A C On Unico Socio | Acquisizione di immagini sar per calcolare una quota o un modello digitale di elevazione tramite elaborazioni interferometriche |
US8994577B1 (en) * | 2012-07-05 | 2015-03-31 | Sandia Corporation | Synthetic aperture radar images with composite azimuth resolution |
CN103454632B (zh) * | 2013-08-24 | 2015-05-20 | 西安电子科技大学 | 一站固定式调频连续波双基地sar成像方法 |
CN104730500B (zh) * | 2015-02-04 | 2017-05-10 | 电子科技大学 | 一种合成孔径雷达残余距离徙动校正方法 |
CN105044720A (zh) * | 2015-06-30 | 2015-11-11 | 西安电子科技大学 | 一种基于直角坐标系的后向投影成像方法 |
KR102121474B1 (ko) * | 2018-01-09 | 2020-06-17 | 국방과학연구소 | 비선형 비행 궤적에서 스퀸트 스포트라이트 모드를 위한 sar 신호 처리기와 항공기 탑재 합성구경 레이더 및 방법 |
CN108983231B (zh) * | 2018-06-06 | 2021-12-31 | 电子科技大学 | 一种基于视频合成孔径雷达的干涉视频测量方法 |
-
2019
- 2019-08-27 CN CN201910797232.7A patent/CN110361734B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
CN101609151A (zh) * | 2009-07-17 | 2009-12-23 | 重庆大学 | 一种基于单通道合成孔径雷达(sar)图像序列特征值分解的动目标检测方法 |
CN102073043A (zh) * | 2010-11-04 | 2011-05-25 | 电子科技大学 | 一种多帧相参积累目标检测前跟踪方法 |
ES2467066A2 (es) * | 2012-04-13 | 2014-06-23 | Universitat Polit�Cnica De Catalunya | Procedimiento para la validación de la hipótesis del modelo Random-Volume-over-Ground y su aplicación en la estimación de datos en el estudio y caracterización de coberturas vegetales mediante sistemas coherentes multicanal. |
JP2015129693A (ja) * | 2014-01-08 | 2015-07-16 | 株式会社東芝 | 合成開口レーダ装置及びその画像処理方法 |
CN109507669A (zh) * | 2018-12-26 | 2019-03-22 | 西安电子科技大学 | 基于相参累积的地面微弱运动目标参数估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110361734A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110361734B (zh) | 微弱动目标检测方法、装置、计算机设备及存储介质 | |
US10151826B2 (en) | Radar employing preacquisition ramps | |
US9465108B1 (en) | System and method for target doppler estimation and range bias compensation using high duty cycle linear frequency modulated signals | |
EP2870586B1 (en) | System and method for residual analysis of images | |
Rock et al. | Deep interference mitigation and denoising of real-world fmcw radar signals | |
CN111650585B (zh) | 近场毫米波稀疏mimo扫描阵列全聚焦成像方法和装置 | |
CN107923967B (zh) | 处理从目标反射的接收辐射 | |
CN113093187B (zh) | 一种无道路信息辅助的csar地面动目标跟踪方法 | |
JP2009236720A (ja) | 移動目標検出装置 | |
CN110837079A (zh) | 一种基于雷达的目标检测方法及装置 | |
US10120070B2 (en) | Detection device, radar device, detection method, and detection program | |
US10830861B2 (en) | Method for direction finding and direction finder | |
CN115542323B (zh) | Sar运动目标图像快速重聚焦方法、装置和计算机设备 | |
JPH06317660A (ja) | 回転アンテナを基礎にした合成絞りを有するレーダー装置 | |
CN111638496A (zh) | 雷达回波数据处理方法、计算机设备和介质 | |
KR102015177B1 (ko) | 압축 센싱을 이용한 isar 영상의 자동 초점 및 수직 거리 스케일링 장치와 그 방법 | |
CN115407282B (zh) | 一种短基线下基于干涉相位的sar有源欺骗干扰检测方法 | |
JP2022510717A (ja) | 干渉抑制のための方法および信号復元のための方法 | |
KR102451961B1 (ko) | 표적 식별 향상을 위한 부엽 감소 방법 및 장치 | |
Wu et al. | Range sidelobe suppression approach for SAR images using chaotic FM signals | |
CN111505589B (zh) | 脉间相参假目标干扰方法、装置和计算机设备 | |
EP4036601A1 (en) | Radar data processing for vehicle ego-motion estimation | |
CN113419240A (zh) | 基于双通道sar的动目标检测方法,双通道sar及存储介质 | |
FR3101954A1 (fr) | Procede et dispositif d'estimation de l'etat d'une cible manoeuvrante par un radar mobile | |
CN113030886B (zh) | 一种高速目标距离徙动校正方法 |
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 |