CN111007487B - 一种基于时间反演的多基地雷达目标检测方法 - Google Patents
一种基于时间反演的多基地雷达目标检测方法 Download PDFInfo
- Publication number
- CN111007487B CN111007487B CN201911267632.3A CN201911267632A CN111007487B CN 111007487 B CN111007487 B CN 111007487B CN 201911267632 A CN201911267632 A CN 201911267632A CN 111007487 B CN111007487 B CN 111007487B
- Authority
- CN
- China
- Prior art keywords
- signal
- time
- target
- time reversal
- signals
- 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
- G01S13/003—Bistatic radar systems; Multistatic radar systems
-
- 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
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
本发明属于雷达技术领域,具体涉及一种基于时间反演的多基地雷达目标检测方法,包括:获取若干原始信号,并根据若干原始信号得到若干时间反演信号;对时间反演信号和原始信号分别进行分析得到时间反演信号统计特征和原始信号统计特征;根据时间反演回波信号、时间反演信号统计特征和原始信号统计特征分别推导出有无目标存在时的概率密度函数;在信道响应未知的情况下,根据概率密度函数,采用最大似然估计,得到信道响应的估计值。根据概率密度函数得到最大似然估计的似然比检测器,并进行蒙特卡洛实验得到检测概率。具有检测概率高的有益效果。
Description
技术领域
本发明属于雷达技术领域,具体涉及一种基于时间反演的多基地雷达目标检测方法。
背景技术
在单站雷达系统中,RCS(Radar Cross section,雷达散射截面)会存在起伏。而在多基地雷达中,通过发射机从不同方向照射目标得到空间分集特性,克服了RCS的起伏。相较于单站雷达,多基地雷达能够利用空间分集去提高检测概率。多基地雷达目标检测已经被研究了很多年。但是,多径对雷达有不利影响。在检测目标时,多径效应往往会严重影响检测性能,因此如何在多径环境中使用多基地雷达有效检测目标是一个值得深入研究的课题。对于克服多径效应的不利影响,时间反演技术是一种有效途径。
时间反演能够有效利用多径效应去实现空时聚焦,通过匹配信道响应去提高雷达检测概率,并且多径效应越严重,检测性能提升越大。时间反演由法国学者Fink于1989年从光学领域推广到声学领域,并于2004年应用于电磁学领域。时间反演利用多径效应,扩展雷达的虚拟孔径,使信号在目标处聚焦,即将不利于检测的多径转化为有利因素。对于多基地雷达检测研究,我们考虑几个空间分集的分布式基站,每个基站都是收发共置天线。相较于传统的多径环境中的多基地雷达检测,时间反演检测技术有一个显著的优势。另一方面,随着多基地雷达站数量的增加,检测概率得到了提高。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于时间反演的多基地雷达目标检测方法。本发明要解决的技术问题通过以下技术方案实现:
一种基于时间反演的多基地雷达目标检测方法,获取若干原始信号,并根据所述若干原始信号得到若干时间反演信号;
对所述时间反演信号和所述原始信号分别进行分析得到时间反演信号统计特征和原始信号统计特征;
根据所述时间反演信号、所述时间反演信号统计特征和所述原始信号统计特征得到有目标时的概率密度函数和无目标时的概率密度函数;
对所述有目标时的数据概率密度函数、所述无目标时的概率密度函数和所述时间反演信号模型进行蒙特卡洛模型实验得到检测概率。
其中,xl为时间反演信号,H为信道响应,U标准化因子,为wl的协方差,wl为反演信号加性高斯白噪声,H*为H的共轭矩阵,f为发送信号,f*为f的共轭矩阵,INQ为N个基站和Q个频点相乘维的单位矩阵,HH为H的厄米矩阵,l=1,…,L。
在本发明的一个实施例中,所述有目标时的概率密度函数为:
其中, 为假设目标存在的情况,X为所述时间反演信号模型的矩阵,为反演信号加性高斯白噪声的协方差,xl为时间反演信号,H为信道响应,U为标准化因子,f为发送信号,f*为f的共轭矩阵,H*为H的共轭矩阵,l=1,…,L。
在本发明的一个实施例中,所述无目标时的概率密度函数为:
本发明的有益效果:
1、在单站雷达系统中,RCS会存在起伏。而在多基地雷达中,目标通过发射机从不同方向照射得到空间的多样性,克服了RCS的起伏。相较于单站雷达,多基地雷达能够利用空间的多样性去提高检测概率;;
2、而本发明引入时间反演技术,将不利因素转化为有利因素,充分利用多径效应,时间反演发射信号沿原路径(直达波方向和多径方向)返回,使信号在目标处聚焦,同时扩大雷达虚拟孔径,提高检测概率。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法流程示意图;
图2是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数相同信噪比不同理想情况下的检测概率随信噪比变化关系图;
图3是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数不同理想情况下的检测概率随信噪比变化关系图;
图4是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数相同信噪比不同实际情况下的检测概率随信噪比变化关系图;
图5是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数不同实际情况下的检测概率随信噪比变化关系图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
请参见图1,图1是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法流程示意图,一种基于时间反演的多基地雷达目标检测方法,获取若干原始信号,并根据所述若干原始信号得到若干时间反演信号;
对所述时间反演信号和所述原始信号分别进行分析得到时间反演信号统计特征和原始信号统计特征;
根据所述时间反演信号、所述时间反演信号统计特征和所述原始信号统计特征得到有目标时的数据概率密度函数和无目标时的概率密度函数;
对所述有目标时的概率密度函数、所述无目标时的概率密度函数和所述时间反演信号模型进行蒙特卡洛模型实验得到检测概率。
其中,xl为时间反演信号,H为信道响应,U标准化因子,为wl的协方差,wl为反演信号加性高斯白噪声,H*为H的共轭矩阵,f为发送信号,f*为f的共轭矩阵,INQ为N个基站和Q个频点相乘维的单位矩阵,HH为H的厄米矩阵,l=1,…,L。
在本发明的一个实施例中,所述有目标时的概率密度函数为:
其中, 为假设目标存在的情况,X为所述时间反演信号模型的矩阵,为反演信号加性高斯白噪声的协方差,xl为时间反演信号,H为信道响应,U为标准化因子,f为发送信号,f*为f的共轭矩阵,H*为H的共轭矩阵,l=1,…,L。
在本发明的一个实施例中,所述无目标时的概率密度函数为:
yl=[yl(ω1),…,yl(ωQ-1)]T,l=1…L,
f(ωq)=[F1(ωq),…,FN(ωq)]T,q=0…Q-1,
vl(ωq)=[Vl,1(ωq),…,Vl,N(ωq)]T,q=0…Q-1,
对上式分为Q个频点,得到:
yl=Hf+vl,
f=[fT(ω0),…fT(ωQ-1)]T,
将上式用向量形式表示就可以得到:
具体的,在理想的情况下:
可以求得当目标不存在的情况下的虚警概率和门限值:
相应的,当目标存在的情况下:
求得目标存在情况下的检测概率为:
具体的,在实际情况中:
其中,Λ(q)是zl(wq)的协方差矩阵;
无目标时的概率密度函数为:
最后,我们利用蒙特卡洛模型试验得到实际情况下的检测概率。
进一步地,本发明的效果可通过以下仿真实验作进一步说明:
1)仿真条件:发射信号为LFM,中心频率为3GHz,信号带宽是20MHz,仿真目标为某型号飞机,对两种情况进行仿真。实验数据在电磁仿真软件FEKO获取,后续处理在MATLAB2016上完成。
2)仿真内容:
仿真1:请参见图2,图2是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数相同信噪比不同理想情况下的检测概率随信噪比变化关系图,基站数为2,单次快拍。虚假概率为0.01,分别使用理论门限值和进行100000次蒙特卡洛实验得出的门限值进行仿真,然后确定检测概率。检测在理想情况下概率随信噪比变化如图2所示。
仿真2:请参见图3,图3是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数不同理想情况下的检测概率随信噪比变化关系图,基站数分别为1,2,3,单次快拍。虚假概率为0.01,分别使用理论门限值和进行100000次蒙特卡洛实验得出的门限值进行仿真,然后确定检测概率。检测在理想情况下概率随基站数变化如图3所示。
仿真3:请参见图4,图4是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数相同信噪比不同实际情况下的检测概率随信噪比变化关系图,基站数为2,时间反演检测为单次快拍,传统检测快拍数为2。虚警概率为0.01,检测在实际情况下检测概率随信噪比变化如图4所示。
仿真4:请参见图5,图5是本发明实施例提供的一种基于时间反演的多基地雷达目标检测方法在基站数不同实际情况下的检测概率随信噪比变化关系图,基站数分别为1,2,3,时间反演检测为单次快拍,传统检测快拍数为2。虚警概率为0.01,检测在实际情况下检测概率随基站数变化如图5所示。
3)仿真结果分析:
在信噪比相同情况下,随着基站数的增加,检测概率会得到提高;在基站数相同情况下,随着信噪比的提高,检测概率会得到提高。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (5)
1.一种基于时间反演的多基地雷达目标检测方法,其特征在于,包括:
获取若干原始信号,并根据所述若干原始信号得到若干时间反演信号;
对所述时间反演信号和所述原始信号分别进行分析得到时间反演信号统计特征和原始信号统计特征;
根据所述时间反演信号、所述时间反演信号统计特征和所述原始信号统计特征得到有目标时的概率密度函数和无目标时的概率密度函数;
对所述有目标时的概率密度函数、所述无目标时的概率密度函数和所述时间反演信号进行蒙特卡洛模型实验得到检测概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911267632.3A CN111007487B (zh) | 2019-12-11 | 2019-12-11 | 一种基于时间反演的多基地雷达目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911267632.3A CN111007487B (zh) | 2019-12-11 | 2019-12-11 | 一种基于时间反演的多基地雷达目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111007487A CN111007487A (zh) | 2020-04-14 |
CN111007487B true CN111007487B (zh) | 2022-11-04 |
Family
ID=70114663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911267632.3A Active CN111007487B (zh) | 2019-12-11 | 2019-12-11 | 一种基于时间反演的多基地雷达目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007487B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112068116B (zh) * | 2020-07-30 | 2023-06-16 | 西安电子科技大学 | 一种基于时间反演技术的单天线变信道动目标检测方法 |
CN112114302A (zh) * | 2020-08-05 | 2020-12-22 | 西安电子科技大学 | 一种基于阵列天线的动目标时间反演目标检测方法 |
CN114339598A (zh) * | 2021-12-31 | 2022-04-12 | 天翼物联科技有限公司 | 基于时间反演的uwb成像定位方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015040121A1 (fr) * | 2013-09-20 | 2015-03-26 | Thales | Procede de detection de cibles et radar multifonction associe |
CN104849712A (zh) * | 2015-04-22 | 2015-08-19 | 北京理工大学 | 一种基于多基地mimo-sar的三维形变监测系统 |
CN105182291A (zh) * | 2015-08-26 | 2015-12-23 | 西安电子科技大学 | 自适应目标新生强度的phd平滑器的多目标跟踪方法 |
CN107064903A (zh) * | 2017-05-18 | 2017-08-18 | 西安电子科技大学 | 一种多个异构卫星下基于glrt的目标探测方法 |
CN107621635A (zh) * | 2017-08-21 | 2018-01-23 | 电子科技大学 | 一种前视海面目标角超分辨方法 |
CN108562884A (zh) * | 2018-07-18 | 2018-09-21 | 电子科技大学 | 一种基于最大后验概率的机载前视海面目标角超分辨方法 |
CN110515052A (zh) * | 2019-06-18 | 2019-11-29 | 西安电子科技大学 | 一种基于时间反演的超宽带频域非等间隔采样目标检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8766845B2 (en) * | 2010-12-07 | 2014-07-01 | Lawrence Livermore National Security, Llc | Object detection with a multistatic array using singular value decomposition |
-
2019
- 2019-12-11 CN CN201911267632.3A patent/CN111007487B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015040121A1 (fr) * | 2013-09-20 | 2015-03-26 | Thales | Procede de detection de cibles et radar multifonction associe |
CN104849712A (zh) * | 2015-04-22 | 2015-08-19 | 北京理工大学 | 一种基于多基地mimo-sar的三维形变监测系统 |
CN105182291A (zh) * | 2015-08-26 | 2015-12-23 | 西安电子科技大学 | 自适应目标新生强度的phd平滑器的多目标跟踪方法 |
CN107064903A (zh) * | 2017-05-18 | 2017-08-18 | 西安电子科技大学 | 一种多个异构卫星下基于glrt的目标探测方法 |
CN107621635A (zh) * | 2017-08-21 | 2018-01-23 | 电子科技大学 | 一种前视海面目标角超分辨方法 |
CN108562884A (zh) * | 2018-07-18 | 2018-09-21 | 电子科技大学 | 一种基于最大后验概率的机载前视海面目标角超分辨方法 |
CN110515052A (zh) * | 2019-06-18 | 2019-11-29 | 西安电子科技大学 | 一种基于时间反演的超宽带频域非等间隔采样目标检测方法 |
Non-Patent Citations (2)
Title |
---|
MIMO雷达多目标检测前跟踪算法研究;关键等;《电子学报》;20100615(第06期);第1449-1453页 * |
SAR图像船只尾迹检测研究综述;巩彪等;《遥感技术与应用》;20121231;第27卷(第6期);第829-836页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111007487A (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
CN111007487B (zh) | 一种基于时间反演的多基地雷达目标检测方法 | |
CN110133631B (zh) | 一种基于模糊函数的频控阵mimo雷达目标定位方法 | |
CN109031231B (zh) | 雷达低空目标时间反演相干角度估计方法 | |
US8669901B2 (en) | Method for determining azimuth and elevation angles of arrival of coherent sources | |
CN110515052B (zh) | 一种基于时间反演的超宽带频域非等间隔采样目标检测方法 | |
CN106909779A (zh) | 基于分布式处理的mimo雷达克拉美罗界计算方法 | |
CN103217670B (zh) | 一种基于pca的外辐射源微弱信号检测方法 | |
Li et al. | Super-resolution time delay estimation for narrowband signal | |
CN107290732B (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
CN113253251B (zh) | 目标速度未知时的fda-mimo雷达检测方法与系统 | |
Zhao et al. | Reduced complexity multipath clutter rejection approach for DRM-based HF passive bistatic radar | |
Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
CN104796208A (zh) | 正交化搜索的邻近强弱信号波达角估计方法 | |
CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
CN115508799A (zh) | 一种基于矩空间的分布式被动雷达目标检测方法 | |
Gao et al. | An improved music algorithm for DOA estimation of coherent signals | |
Wu et al. | Super-resolution TOA and AOA estimation for OFDM radar systems based on compressed sensing | |
Ma et al. | Compressive subspace detectors based on sparse representation in multistatic passive radar systems | |
CN112068116B (zh) | 一种基于时间反演技术的单天线变信道动目标检测方法 | |
Zhang et al. | Time reversal detection in multistatic radar system | |
CN113376607A (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
Zhang et al. | Moving target detection of array antennas based on time reversal | |
Goldhahn et al. | A waveguide invariant adaptive matched filter for active sonar target depth classification |
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 |