CN110850421A - 基于混响对称谱的空时自适应处理的水下目标检测方法 - Google Patents

基于混响对称谱的空时自适应处理的水下目标检测方法 Download PDF

Info

Publication number
CN110850421A
CN110850421A CN201911147455.5A CN201911147455A CN110850421A CN 110850421 A CN110850421 A CN 110850421A CN 201911147455 A CN201911147455 A CN 201911147455A CN 110850421 A CN110850421 A CN 110850421A
Authority
CN
China
Prior art keywords
doppler
target
space
reverberation
dimension
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
Application number
CN201911147455.5A
Other languages
English (en)
Inventor
郝程鹏
孙梦茹
闫林杰
闫晟
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.)
Institute of Acoustics CAS
Original Assignee
Institute of Acoustics CAS
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 Institute of Acoustics CAS filed Critical Institute of Acoustics CAS
Priority to CN201911147455.5A priority Critical patent/CN110850421A/zh
Publication of CN110850421A publication Critical patent/CN110850421A/zh
Pending legal-status Critical Current

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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar 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
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/537—Counter-measures or counter-counter-measures, e.g. jamming, anti-jamming

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于混响对称谱的空时自适应处理的水下目标检测方法，所述方法包括：在距离单元内，获取阵元接收的信号，进行时域采样，构成空时快拍数据，输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据，计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量，将最优STAP权向量与降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据，之后将各距离单元的输出数据输入目标检测器，得到目标信号。本发明的方法通过提高小样本条件下STAP的混响抑制性能来提升目标的检测性能，使水下目标检测过程在由复杂海洋环境导致的辅助样本数不足时仍能稳定进行。

Description

基于混响对称谱的空时自适应处理的水下目标检测方法
技术领域
本发明属于浅海主动声呐领域，涉及基于混响对称谱的空时自适应处理的水下目标检测方法。
背景技术
对浅海主动声呐而言，混响是其主要的背景干扰，它伴随着声呐发射信号产生，是海洋中大量无规则散射体对发射信号产生的散射波叠加而成的，其特性与发射信号有一定的相似性。而当安装在运动平台上的主动声呐发射信号触及到散射体后，将导致混响由不同的锥角入射，造成多普勒的扩展，此时的浅海混响具有特定的空时耦合特性，传统空时域分离的信号处理技术难以有效进行混响抑制，导致之后的目标检测处理性能下降。考虑采用将空域、时域联合处理的方法，这就是空时自适应处理(STAP)技术。1973年，Brennan首次提出了空时自适应处理的概念，并证明STAP能够充分地结合空域和时域处理的优势，从而获得较为理想的雷达地物杂波抑制性能。声呐混响的产生原理和空时耦合特性与雷达地物杂波具有很强的相似性，因此可将STAP技术引入声呐领域中。
近年来，STAP在运动声呐领域的研究非常活跃，参考文献[1](郝程鹏,施博,闫晟，《主动声纳混响抑制与目标检测技术[J].科技导报2017,35(20):102-108》)针对于声呐工作的海洋环境，提出了水下单脉冲STAP模型。混响协方差矩阵的准确估计始终是STAP中最重要的问题，通常采用辅助单元的接收数据来估计混响协方差矩阵，这种方法就是Reed等提出的样本协方差矩阵求逆法(SMI)。STAP技术在实际应用中主要存在两个问题：第一，为使系统性能损失在3dB以内，独立同分布(IID)的辅助样本数必须不少于处理器维度的2倍，实际海洋环境复杂多变，难以获得如此充足的辅助样本；第二，最优STAP的权向量涉及到混响协方差矩阵的求逆，高维矩阵求逆会导致运算量过大，算法难以工程化。R.Klemm对机载雷达杂波回波数据的空时协方差矩阵进行了特征分析，首次发现其杂波秩个数近似等于时空域维度之和，这为采用降维方法处理STAP问题提供了可行性。国内外学者提出了扩展因子法(EFA)、局域联合处理法(JDL)、ΣΔSTAP等一系列的降维方法，可有效降低空时处理器维度，减小计算量，同时降低所需辅助样本数的上限。
浅海混响的产生原理和特性与雷达地物杂波具有很强的相似性，可应用循环复高斯向量进行建模，此时混响的功率谱具有以零多普勒为中心的对称特性，但是现有的STAP方法都未对这一先验知识加以利用。并且在实际工程应用中，浅海运动声呐通常工作在非均匀环境中，此时STAP所要求的均匀辅助数据实际获得量将十分有限，降维所带来的辅助样本数上限的降低对实际环境而言仍然是不够的。上述原因会导致现有STAP方法的混响抑制性能大幅下降，如何使STAP在小样本条件下仍能保持较优性能，是运动声呐研究者亟待解决的一个难题。
发明内容
本发明在于克服现有STAP技术存在的小样本条件下混响抑制性能差的问题，提出一种利用混响功率谱对称性这一先验知识的降维空时自适应处理的信号检测方法，通过提高小样本条件下STAP的混响抑制性能来提升目标的检测性能，使水下目标检测过程在由复杂海洋环境导致的辅助样本数不足时仍能稳定进行。
为了实现上述目的，本发明提出了一种基于混响对称谱的空时自适应处理的水下目标检测方法，所述方法包括：
在距离单元内，获取N个阵元接收的信号，对每个阵元接收的信号进行M个时域采样，构成该距离单元的空时快拍数据；
由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组；
将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；
计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量；
将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；
将混响抑制后的各距离单元输出数据再输入目标检测器，输出目标信号。
作为上述方法的一种改进，所述由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组，具体为：
超低旁瓣的多普勒滤波器组是一个M×M维矩阵F＝[f1,f2,...,fM]，其中fm为第m个多普勒通道的M×1维多普勒系数向量；m＝1,...,M；从F中依次取出M×3维子矩阵，将其经单位阵IN直积操作后构成MN×3N的降维转换矩阵
Figure BDA0002282599950000021
Figure BDA0002282599950000031
其中，
Figure BDA0002282599950000032
Figure BDA0002282599950000033
为第m个降维多普勒滤波器组对应的降维转换矩阵。
作为上述方法的一种改进，将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；具体为：
从M个降维多普勒滤波器组中选取目标多普勒对应的降维多普勒滤波器组，其对应的降维转换矩阵为
Figure BDA0002282599950000034
q为介于1到M之间的整数；
则降维空时快拍数据
Figure BDA0002282599950000035
为：
Figure BDA0002282599950000036
其中，x为该距离单元的空时快拍数据。
作为上述方法的一种改进，所述计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量，具体包括：
获取多个与待检测单元相邻的独立同分布辅助单元样本，估计出待检测单元的混响协方差矩阵；
将混响协方差矩阵输入目标多普勒对应的降维多普勒滤波器组，得到降维混响协方差矩阵：
其中，为目标多普勒对应的降维多普勒滤波器组处理后的降维混响协方差矩阵；
Figure BDA0002282599950000039
为原始估计的混响协方差矩阵；
将目标导向向量输入目标多普勒对应的降维多普勒滤波器组，得到降维目标导向向量
Figure BDA00022825999500000310
Figure BDA00022825999500000311
其中，s为目标导向向量；
计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量
Figure BDA00022825999500000312
Figure BDA00022825999500000313
作为上述方法的一种改进，所述获取多个与待检测单元相邻的独立同分布辅助单元样本，估计出待检测单元的混响协方差矩阵；具体为：
获取K个独立同分布的混响空时向量xk＝xkr+jxki，其中K＝3N；xkr和xki分别是xk的实部和虚部，则原始混响协方差矩阵
Figure BDA0002282599950000041
为：
Figure BDA0002282599950000042
作为上述方法的一种改进，所述将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；具体为：
计算最优STAP权向量与降维空时快拍数的乘积，得到混响抑制后该距离单元的输出数据
Figure BDA0002282599950000043
Figure BDA0002282599950000044
一种基于混响对称谱的空时自适应处理的水下目标检测系统，所述系统包括：
数据采集模块，用于在距离单元内，获取N个阵元接收的信号，对每个阵元接收的信号进行M个时域采样，构成该距离单元的空时快拍数据；
降维多普勒滤波器组生成模块，用于由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组；
数据降维模块，用于将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；
最优STAP权向量计算，用于计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量；
混响抑制输出模块，用于将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；
目标检测器，用于对混响抑制后的各距离单元输出数据进行处理，输出目标信号。
一种计算机设备，包括存储器、处理器及存储在所述存储器上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的方法。
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，所述计算机程序当被处理器执行时使所述处理器执行上述的方法。
本发明的优点在于：
1、本发明的方法利用一组小数据量的辅助样本数据，估计混响协方差矩阵，再应用降维算法将全维自适应处理问题投影成更低维的部分自适应处理问题，保证性能接近最优的同时有效降低运算量和所需辅助数据量，提高目标信干混比，使后续目标检测性能保持稳定，非常适于实际应用；
2、本发明在混响协方差矩阵的估计中利用混响功率谱对称性，并将其与EFA降维算法相结合，在降低STAP算法运算量的同时能够提高小样本条件下STAP的混响抑制性能，提高目标信干混比，使后续目标检测性能保持稳定；
3、本发明的方法应用混响功率谱的对称特性可将辅助数据的长度增加一倍，然后采取EFA降维算法来构成降维转换矩阵，将目标空时导向向量、混响协方差矩阵、STAP最优权向量等分别投影到低维空间中，再对空域、时域通道进行二维自适应处理来抑制混响，降低维度的同时使性能接近最优。
附图说明
图1是本发明的“基于混响对称谱的降维空时自适应处理的水下目标检测方法”的示意图；
图2是IID样本数为51时基于混响对称谱的水下EFA-STAP空时二维频响图；
图3是IID样本数为51时改善因子曲线。
具体实施方式
下面结合附图和实施例对本发明的技术方案进行详细的说明。
实施例1
运动声呐目标的空时自适应处理本质上是一个空时二维自适应滤波器，在空时二维平面内自适应地形成与混响相匹配的凹陷，达到抑制混响、凸显目标的目的。本发明的方法应用混响功率谱的对称特性可将辅助数据的长度增加一倍，有效提高混响协方差矩阵的估计精度。
降维算法的本质是利用一个降维转换矩阵，本发明将混响协方差矩阵、目标空时导向向量、STAP最优权向量等均分别投影到低维空间中，降低系统维度。EFA算法是一种阵元-多普勒域降维STAP方法，基本原理是先在时域上对声呐阵列各阵元接收到的信号进行多普勒滤波，然后再每次对三个多普勒通道的数据进行联合空时二维自适应处理。其中，时域滤波器一般选用具有高带外衰减的多普勒滤波器。原理框图如图1所示，其中N为阵元数，M为一个距离单元内的时域采样点数。
本发明的实施例1提出了一种基于混响对称谱的空时自适应处理的水下目标检测方法，该方法包括：
如图1所示，每个阵元的多普勒滤波器组是一个M×M维矩阵F＝[f1,f2,...,fM]，其中fm(m＝1,...,M)为第m个多普勒通道的M×1维多普勒系数向量。阵元-脉冲域的数据需要先被转换到阵元-多普勒域上，再利用超低旁瓣的多普勒滤波器进行滤波。因此，矩阵F定义为
F＝diag(td)U* (1)
其中，td为M×1维多普勒滤波器加权系数向量，U为M×M维离散傅里叶变换矩阵。EFA每次联合3个多普勒通道进行自适应处理，因此从F中取出M×3维子矩阵，将其经单位阵IN直积操作后构成MN×3N维降维转换矩阵：
Figure BDA0002282599950000061
其中，
Figure BDA0002282599950000062
Figure BDA0002282599950000063
为第m个降维多普勒滤波器组所对应的降维转换矩阵。
这相当于将样本需求量上限由2MN降为了6N。
从M个降维多普勒滤波器组中选取目标多普勒对应的降维多普勒滤波器组，其对应的降维转换矩阵为
Figure BDA0002282599950000064
q为介于1到M之间的整数；
则降维空时快拍数据
Figure BDA0002282599950000065
为：
Figure BDA0002282599950000066
其中，x为该距离单元的空时快拍数据。
获取与待检测单元相邻的多个独立同分布的辅助单元样本，由所述独立同分布辅助样本数据估计出待检测单元的混响协方差矩阵；
通常混响协方差矩阵由声呐系统获得的独立同分布(IID)辅助样本数据估计得到：
Figure BDA0002282599950000067
其中，K为IID辅助样本个数；xk＝xkr+jxki(k＝1,...,K)为辅助样本数据即混响空时向量，xkr、xki分别是xk的实部和虚部，xk的协方差矩阵为
Figure BDA0002282599950000068
应用混响功率谱具有零多普勒为中心的对称特性，将混响建模为均值为零、协方差矩阵为实值的循环复高斯向量，这意味着混响实部和虚部之间的协方差为零，并且实部协方差和虚部协方差相等：
Figure BDA0002282599950000071
Figure BDA0002282599950000072
因此，有：
Figure BDA0002282599950000073
Figure BDA0002282599950000074
用辅助数据的实部和虚部来对混响协方差矩阵进行估计：
Figure BDA0002282599950000075
显然，与式(3)相比式(8)中辅助数据的长度增加了一倍，这是利用混响功率谱对称特性这一先验知识的结果。此时，可将辅助数据的需求量下降一半。相当于将系统维度由MN降为了3N，运算量也由O(MN)3降为了O(3N)3。
将混响协方差矩阵输入目标多普勒所对应的降维多普勒滤波器组，得到降维混响协方差矩阵
其中，
Figure BDA0002282599950000077
为目标多普勒对应的降维多普勒滤波器组处理后的降维混响协方差矩阵；
将目标导向向量输入目标多普勒对应的降维多普勒滤波器组，得到降维目标导向向量：
Figure BDA0002282599950000078
其中，
Figure BDA0002282599950000079
为目标多普勒对应的降维目标导向向量，s为目标导向向量；
计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量：
将该最优STAP权向量与输出的降维空时快拍数据相乘：
此即为混响抑制后该距离单元的输出数据。
将混响抑制后的各距离单元输出数据再输入目标检测器，输出目标信号。
仿真实例：
衡量STAP性能的两个常用指标——空时二维频率响应和改善因子IF在降维操作后分别可写为
Figure BDA0002282599950000081
Figure BDA0002282599950000082
其中，
Figure BDA0002282599950000083
为所感兴趣区域的降维后扫描空时导向向量，
Figure BDA0002282599950000084
分别为干扰、混响、噪声的输入功率。
仿真参数如下设置：阵元数N＝17，一个距离单元内时域采样点M＝15，发射信号频率25kHz，声呐平台速度21m/s。目标方位角30°、归一化多普勒频率0.3712、速度3m/s。信噪比SNR＝10dB，混噪比RNR＝18dB，考虑前视阵[-90°,90°]之间的空域范围，扫描间隔设为1°。EFA的高带外衰减多普勒滤波器选为40dB切比雪夫滤波器。由于多普勒滤波器组存在固有间隔目标归一化多普勒频率存在一定误差，而滤波最大误差为
Figure BDA0002282599950000086
因此目标归一化多普勒频率的估计范围应在
Figure BDA0002282599950000087
之内。通过仿真得到的空时二维频率响应图和改善因子曲线来衡量STAP性能优劣，其中改善因子曲线仿真时选定空域位置为目标位置，观察期对应的多普勒平面内信干混比的变化。
图2和图3分别为IID辅助数据数为3N＝51时基于混响对称谱的水下EFA-STAP的空时二维频响图和改善因子曲线。图2结果表明，基于混响对称谱的水下EFA-STAP对目标的方位估计、多普勒估计均在误差允许范围内，虽然辅助样本数下降为降维后样本需求量上限的一半，但由于谱对称特性带来了辅助数据增加一倍的效果，使本算法在小样本条件下仍能获得良好的目标信息估计结果。由图3可以看出，IID辅助数据数是降维后系统维度一倍时，不仅传统的SMI方法不能正常工作，EFA-STAP的性能也下降了，IF的损失平均超过了12dB左右，已不满足实际工程应用。而此时的谱对称EFA-STAP仍能保持IF损失在3dB以内，性能依旧保持稳定。
实施例2
本发明的实施例2提供了一种基于混响对称谱的空时自适应处理的水下目标检测系统，所述系统包括：
数据采集模块，用于在距离单元内，获取N个阵元接收的信号，对每个阵元接收的信号进行M个时域采样，构成该距离单元的空时快拍数据；
降维多普勒滤波器组生成模块，用于由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组；
数据降维模块，用于将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；
最优STAP权向量计算，用于计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量；
混响抑制输出模块，用于将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；
目标检测器，用于对混响抑制后的各距离单元输出数据进行处理，输出目标信号。
实施例3
一种计算机设备，包括存储器、处理器及存储在所述存储器上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实施例1的方法。
实施例4
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，所述计算机程序当被处理器执行时使所述处理器执行实施例1的方法。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于混响对称谱的空时自适应处理的水下目标检测方法，所述方法包括：
在距离单元内，获取N个阵元接收的信号，对每个阵元接收的信号进行M个时域采样，构成该距离单元的空时快拍数据；
由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组；
将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；
计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量；
将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；
将混响抑制后的各距离单元输出数据再输入目标检测器，输出目标信号。
2.根据权利要求1所述的方法，其特征在于，所述由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组，具体为：
超低旁瓣的多普勒滤波器组是一个M×M维矩阵F＝[f1,f2,...,fM]，其中fm为第m个多普勒通道的M×1维多普勒系数向量；m＝1,...,M；从F中依次取出M×3维子矩阵，将其经单位阵IN直积操作后构成MN×3N的降维转换矩阵
Figure FDA0002282599940000012
其中，
Figure FDA0002282599940000013
Figure FDA0002282599940000014
为第m个降维多普勒滤波器组对应的降维转换矩阵。
3.根据权利要求2所述的方法，其特征在于，将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；具体为：
从M个降维多普勒滤波器组中选取目标多普勒对应的降维多普勒滤波器组，其对应的降维转换矩阵为
Figure FDA0002282599940000015
q为介于1到M之间的整数；
则降维空时快拍数据为：
Figure FDA0002282599940000017
其中，x为该距离单元的空时快拍数据。
4.根据权利要求3所述的方法，其特征在于，所述计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量，具体包括：
获取多个与待检测单元相邻的独立同分布辅助单元样本，估计出待检测单元的混响协方差矩阵；
将混响协方差矩阵输入目标多普勒对应的降维多普勒滤波器组，得到降维混响协方差矩阵：
Figure FDA0002282599940000021
其中，
Figure FDA0002282599940000022
为目标多普勒对应的降维多普勒滤波器组处理后的降维混响协方差矩阵；
Figure FDA0002282599940000023
为原始估计的混响协方差矩阵；
将目标导向向量输入目标多普勒对应的降维多普勒滤波器组，得到降维目标导向向量
Figure FDA0002282599940000024
Figure FDA0002282599940000025
其中，s为目标导向向量；
计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量
Figure FDA0002282599940000026
Figure FDA0002282599940000027
5.根据权利要求4所述的方法，其特征在于，所述获取多个与待检测单元相邻的独立同分布辅助单元样本，估计出待检测单元的混响协方差矩阵；具体为：
获取K个独立同分布的混响空时向量xk＝xkr+jxki，其中K＝3N；xkr和xki分别是xk的实部和虚部，则原始混响协方差矩阵
Figure FDA0002282599940000028
为：
6.根据权利要求5所述的方法，其特征在于，所述将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；具体为：
计算最优STAP权向量与降维空时快拍数的乘积，得到混响抑制后该距离单元的输出数据
Figure FDA00022825999400000210
Figure FDA00022825999400000211
7.一种基于混响对称谱的空时自适应处理的水下目标检测系统，其特征在于，所述系统包括：
数据采集模块，用于在距离单元内，获取N个阵元接收的信号，对每个阵元接收的信号进行M个时域采样，构成该距离单元的空时快拍数据；
降维多普勒滤波器组生成模块，用于由超低旁瓣的多普勒滤波器组形成多个滤波通道，以三个连续的通道为一组，形成M个降维多普勒滤波器组；
数据降维模块，用于将空时快拍数据输入目标多普勒对应的降维多普勒滤波器组，输出一个降维空时快拍数据；
最优STAP权向量计算，用于计算目标多普勒对应的降维多普勒滤波器组对应的最优STAP权向量；
混响抑制输出模块，用于将最优STAP权向量与输出的降维空时快拍数据相乘，得到混响抑制后该距离单元的输出数据；
目标检测器，用于对混响抑制后的各距离单元输出数据进行处理，输出目标信号。
8.一种计算机设备，包括存储器、处理器及存储在所述存储器上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权利要求1至6中任一项所述的方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行权利要求1至6任一项所述的方法。
CN201911147455.5A 2019-11-21 2019-11-21 基于混响对称谱的空时自适应处理的水下目标检测方法 Pending CN110850421A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911147455.5A CN110850421A (zh) 2019-11-21 2019-11-21 基于混响对称谱的空时自适应处理的水下目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911147455.5A CN110850421A (zh) 2019-11-21 2019-11-21 基于混响对称谱的空时自适应处理的水下目标检测方法

Publications (1)

Publication Number Publication Date
CN110850421A true CN110850421A (zh) 2020-02-28

Family

ID=69603184

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911147455.5A Pending CN110850421A (zh) 2019-11-21 2019-11-21 基于混响对称谱的空时自适应处理的水下目标检测方法

Country Status (1)

Country Link
CN (1) CN110850421A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112799075A (zh) * 2020-12-16 2021-05-14 海鹰企业集团有限责任公司 一种适用于主动声纳的局域联合stap方法
CN116299381A (zh) * 2023-05-19 2023-06-23 中国海洋大学 叠加海底山杂波耦合效应的深海混响快速预报方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102692625A (zh) * 2012-05-15 2012-09-26 哈尔滨工程大学 一种Rn空间中的水底目标回波和混响的特征联合建模方法
CN103439692A (zh) * 2013-09-01 2013-12-11 西安电子科技大学 基于协方差矩阵广对称特性的stap方法
JP2014041135A (ja) * 2013-09-06 2014-03-06 Nec Corp アクティブソーナー装置
CN105974400A (zh) * 2016-04-27 2016-09-28 中国科学院声学研究所 一种基于对称谱特性的稳健空时检测方法
CN107479050A (zh) * 2017-08-13 2017-12-15 中国科学院声学研究所 基于对称谱特性和次对称特性的目标检测方法和装置
CN107561540A (zh) * 2017-08-13 2018-01-09 中国科学院声学研究所 基于混响对称谱特性的声纳泄露目标的检测方法及装置
CN108896963A (zh) * 2018-05-14 2018-11-27 西安电子科技大学 机载雷达空时自适应降维处理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102692625A (zh) * 2012-05-15 2012-09-26 哈尔滨工程大学 一种Rn空间中的水底目标回波和混响的特征联合建模方法
CN103439692A (zh) * 2013-09-01 2013-12-11 西安电子科技大学 基于协方差矩阵广对称特性的stap方法
JP2014041135A (ja) * 2013-09-06 2014-03-06 Nec Corp アクティブソーナー装置
CN105974400A (zh) * 2016-04-27 2016-09-28 中国科学院声学研究所 一种基于对称谱特性的稳健空时检测方法
CN107479050A (zh) * 2017-08-13 2017-12-15 中国科学院声学研究所 基于对称谱特性和次对称特性的目标检测方法和装置
CN107561540A (zh) * 2017-08-13 2018-01-09 中国科学院声学研究所 基于混响对称谱特性的声纳泄露目标的检测方法及装置
CN108896963A (zh) * 2018-05-14 2018-11-27 西安电子科技大学 机载雷达空时自适应降维处理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
GAO WEI ET.AL.: "Sparse sample matrix inversion with diagonal loading for reverberation suppression", 《2011 IEEE INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING, COMMUNICATIONS AND COMPUTING (ICSPCC)》 *
郝程鹏等: "主动声纳混响抑制与目标检测技术", 《科技导报》 *
黄晓燕等: "浅海主动声呐空时自适应混响抑制方法", 《计算机工程与应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112799075A (zh) * 2020-12-16 2021-05-14 海鹰企业集团有限责任公司 一种适用于主动声纳的局域联合stap方法
CN116299381A (zh) * 2023-05-19 2023-06-23 中国海洋大学 叠加海底山杂波耦合效应的深海混响快速预报方法及系统
CN116299381B (zh) * 2023-05-19 2023-08-15 中国海洋大学 叠加海底山杂波耦合效应的深海混响快速预报方法及系统

Similar Documents

Publication Publication Date Title
CN110275166B (zh) 基于admm的快速稀疏孔径isar自聚焦与成像方法
CN110297233B (zh) Lfmcw阵列雷达信号并行流水化处理方法
CN107153178B (zh) 外辐射源雷达参考信号含有多径干扰时的目标检测方法
CN109765521B (zh) 一种基于子阵划分的波束域成像方法
CN109669182B (zh) 无源双基地sar动/静目标联合稀疏成像方法
CN102866388A (zh) 一种空时自适应处理中的自适应权值迭代计算方法
CN105929397B (zh) 基于正则化的偏置相位中心天线成像方法
CN113640790A (zh) 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法
CN110850421A (zh) 基于混响对称谱的空时自适应处理的水下目标检测方法
CN110673119A (zh) 基于压缩感知的非正则化方位估计方法及系统
CN104656073A (zh) 三维成像声纳波束形成方法及在多核处理器上的实现方法
CN108896963B (zh) 机载雷达空时自适应降维处理方法
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
CN111650574B (zh) 基于稀疏恢复的水下空时自适应处理方法及系统
CN113376606A (zh) 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法
CN112505665A (zh) 适用于部分均匀混响环境的空时自适应检测方法及系统
CN104035078A (zh) 一种基于阵元阶数递推的降维空时自适应权值计算方法
CN116520279A (zh) 一种海杂波抑制方法
CN107167782B (zh) 基于信杂噪比最大的雷达三维异构阵稀疏重构方法
CN113567944B (zh) 海杂波中frft域奇异值特征的目标检测方法和装置
CN113156392B (zh) 一种基于俯仰域自适应处理的杂波抑制方法
CN114152918A (zh) 基于压缩感知的抗间歇式主瓣干扰方法
CN115097428A (zh) 一种基于稀疏表示的nmf主动声纳抗混响方法
CN114185007A (zh) 基于多核dsp的空时联合降维自适应杂波抑制方法
Xu et al. Backward projection imaging of through-wall radar based on airspace nonuniform sampling

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: 20200228