CN111257844B - 一种基于相参累积增益的目标起伏特性表征方法 - Google Patents
一种基于相参累积增益的目标起伏特性表征方法 Download PDFInfo
- Publication number
- CN111257844B CN111257844B CN201911313317.XA CN201911313317A CN111257844B CN 111257844 B CN111257844 B CN 111257844B CN 201911313317 A CN201911313317 A CN 201911313317A CN 111257844 B CN111257844 B CN 111257844B
- Authority
- CN
- China
- Prior art keywords
- target
- snr
- echo data
- fluctuation
- pulse
- 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
- 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
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于相参累积增益的目标起伏特性表征方法,包括如下步骤:步骤1,雷达接收回波数据记为X,其中X为J×K维的复数矩阵,J和K分别为雷达回波数据的距离单元数和脉冲数;步骤2,将雷达回波数据X在脉冲维上按长度N进行分块处理,步骤3,将待分析目标在第l个脉冲块上对应的距离单元记为Dl,以及剩余步骤。本发明方法与现有基于统计分布建模的方法相比,解决了弱目标起伏特性难以提取的问题,使弱目标的起伏特性得到表征,从而得以对弱目标进行统计分析。
Description
技术领域
本发明属于雷达海上目标探测与识别研究领域,特别涉及该领域中的一种雷达海上目标起伏特性表征方法,可用于雷达海上目标特征提取。
背景技术
由于低分辨雷达具有原理、结构简单等优点,在相当长的一段时间内低分辨雷达仍然是警戒雷达的主体,因此针对低分辨雷达的目标特性研究具有十分重要的意义。近半个世纪以来,国内外对低分辨雷达目标识别进行了大量的研究,认为低分辨雷达的目标特征信号的测量能力不够,无法在复杂战场环境中完成对目标进行稳定识别的任务,但同时也认为低分辨雷达在目标识别方面有潜力可挖,因此在该领域的研究一直没有中断。
目标RCS及其起伏特性是低分辨雷达目标识别可利用的主要特征之一。对于海上目标来说,海杂波作为一种强杂波背景,在很大程度上制约了目标特征的提取。对于海上强目标来说,目标RCS起伏特性分析可以通过获得的目标RCS时间序列,然后基于统计分布及相应模型进行特征提取,而对于海上弱目标来说,目标的强度与杂波强度差别较小,回波中目标信号与杂波无法分离且杂波影响较大,因此很难获得弱目标的RCS时间序列,从而无法基于统计分布进行目标起伏特征提取。另外,基于统计分布建模的目标起伏特性分析需要大量的统计样本才能获得较准确的统计分布结果,而同一目标大量统计样本的获得只能通过对目标限定方位的长时间观测获得,这对于实际应用中的雷达来说是很难满足要求的。
发明内容
本发明所要解决的技术问题就是提供一种基于相参累积增益的目标起伏特性表征方法,该方法可以实现对海上目标起伏特性的有效表征。
本发明采用如下技术方案:
一种基于相参累积增益的目标起伏特性表征方法,其改进之处在于,包括如下步骤:
步骤1,雷达接收回波数据记为X,其中X为J×K维的复数矩阵,J和K分别为雷达回波数据的距离单元数和脉冲数;
步骤2,将雷达回波数据X在脉冲维上按长度N进行分块处理,块数记为L=floor(K/N),其中N为目标检测处理中的积累脉冲数,N取2的整数次幂,floor(·)表示向左取整;
步骤3,将待分析目标在第l个脉冲块上对应的距离单元记为Dl,在该单元紧邻两侧各取Q个距离单元作为保护单元,保护单元是指与目标单元距离最近但不被作为参考的单元,然后按照最近邻原则取2P个距离单元作为参考单元,参考单元的距离标号记为Rp,其中Q取值为1或2,P取值尽可能满足P≥N;
P(Dl,l)=fftshift(|fft(X(Dl,((l-1)*N+1):(l*N))|2/N);
P(Rp,l)=fftshift(|fft(X(Rp,((l-1)*N+1):(l*N))|2/N),p=1,2,...,2P;
步骤6,重复步骤3至步骤5,遍历l=1,2,...,L,计算N脉冲积累后目标的信噪比SNRN:
步骤7,设置积累脉冲数为2N,即令2N代替N,重复步骤2至步骤6;计算得到2N脉冲积累后目标的信噪比SNR2N;
步骤8,将SNRN中相邻两个不重叠取值的元素取均值记为SNRN′,其中SNRN′长度为floor(N/2),将SNR2N与SNRN′对应元素比值取标准差记为v:
v=std(SNR2N/SNRN′)
其中std(·)表示取标准差,v即为表征目标起伏的特征量,v值越大表示目标起伏越剧烈,反之表示目标起伏越缓慢。
本发明的有益效果是:
本发明方法与现有基于统计分布建模的方法相比,解决了弱目标起伏特性难以提取的问题,使弱目标的起伏特性得到表征,从而得以对弱目标进行统计分析;
本发明方法与现有基于统计分布建模的方法相比,克服了统计样本不足的问题,降低了对目标样本数的要求,避免了由于样本数低导致的目标起伏特性分析误差。
附图说明
图1是本发明方法的流程示意图;
图2是本发明方法对强目标的起伏特性进行分析的实验结果图;
图3是本发明方法对弱目标的起伏特性进行分析的实验结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1,如图1所示,本实施例公开了一种基于相参累积增益的目标起伏特性表征方法,包括如下步骤:
步骤1,雷达接收回波数据记为X,其中X为J×K维的复数矩阵,J和K分别为雷达回波数据的距离单元数和脉冲数;
步骤2,将雷达回波数据X在脉冲维上按长度N进行分块处理,块数记为L=floor(K/N),其中N为目标检测处理中的积累脉冲数,为了便于快速傅里叶变换计算N通常取为2的整数次幂,floor(·)表示向左取整;
步骤3,将待分析目标在第l个脉冲块上对应的距离单元记为Dl,在该单元紧邻两侧各取Q个距离单元作为保护单元,保护单元是指与目标单元距离最近但不被作为参考的单元,然后按照最近邻原则取2P个距离单元作为参考单元,参考单元的距离标号记为Rp,其中Q取值一般为1或2,P取值尽可能满足P≥N;
P(Dl,l)=fftshift(|fft(X(Dl,((l-1)*N+1):(l*N))|2/N);
P(Rp,l)=fftshift(|fft(X(Rp,((l-1)*N+1):(l*N))|2/N),p=1,2,...,2P;
其中fft(·)和fftshift(·)均为Matlab中可以直接调用的函数,fft(·)表示快速傅里叶变换,fftshift(·)表示进行频谱搬移,将零频搬移到整个频谱的中间位置,|·|表示取绝对值,另外P(Dl,l)、P(Rp,l)和均为1×N维的向量;
步骤6,重复步骤3至步骤5,遍历l=1,2,...,L,计算N脉冲积累后目标的信噪比SNRN:
步骤7,设置积累脉冲数为2N,即令2N代替N,重复步骤2至步骤6;计算得到2N脉冲积累后目标的信噪比SNR2N;
步骤8,将SNRN中相邻两个元素(不重叠取值)取均值记为SNRN′,其中SNRN′长度为floor(N/2),将SNR2N与SNRN′对应元素比值取标准差记为v:
v=std(SNR2N/SNRN′)
其中std(·)表示取标准差,v即为表征目标起伏的特征量,v值越大表示目标起伏越剧烈,反之表示目标起伏越缓慢。
本发明方法的效果可以通过以下实验结果进一步说明:基于某P波段雷达的实测海上目标数据,采用本发明方法分别对强目标和弱目标的起伏特性进行了分析,设置积累脉冲数N=64,两组数据的实验结果分别如图2和图3所示,图中曲线为SNR2N与SNRN′的比值,v值即为其标准差,图中结果可以看出弱目标的v值大于强目标,由于弱目标相比强目标受海浪的影响更大,因此产生了更大的起伏。
Claims (1)
1.一种基于相参累积增益的目标起伏特性表征方法,其特征在于,包括如下步骤:
步骤1,雷达接收回波数据记为X,其中X为J×K维的复数矩阵,J和K分别为雷达回波数据的距离单元数和脉冲数;
步骤2,将雷达回波数据X在脉冲维上按长度N进行分块处理,块数记为L=floor(K/N),其中N为目标检测处理中的积累脉冲数,N取2的整数次幂,floor(·)表示向左取整;
步骤3,将待分析目标在第l个脉冲块上对应的距离单元记为Dl,在该单元紧邻两侧各取Q个距离单元作为保护单元,保护单元是指与目标单元距离最近但不被作为参考的单元,然后按照最近邻原则取2P个距离单元作为参考单元,参考单元的距离标号记为Rp,其中Q取值为1或2,P取值满足P≥N;
P(Dl,l)=fftshift(|fft(X(Dl,((l-1)*N+1):(l*N))|2/N);
P(Rp,l)=fftshift(|fft(X(Rp,((l-1)*N+1):(l*N))|2/N),p=1,2,...,2P;
步骤6,重复步骤3至步骤5,遍历l=1,2,...,L,计算N脉冲积累后目标的信噪比SNRN:
步骤7,设置积累脉冲数为2N,即令2N代替N,重复步骤2至步骤6;计算得到2N脉冲积累后目标的信噪比SNR2N;
步骤8,将SNRN中相邻两个不重叠取值的元素取均值记为SNRN′,其中SNRN′长度为floor(N/2),将SNR2N与SNRN′对应元素比值取标准差记为v:
v=std(SNR2N/SNRN′)
其中std(·)表示取标准差,v即为表征目标起伏的特征量,v值越大表示目标起伏越剧烈,反之表示目标起伏越缓慢。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313317.XA CN111257844B (zh) | 2019-12-19 | 2019-12-19 | 一种基于相参累积增益的目标起伏特性表征方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911313317.XA CN111257844B (zh) | 2019-12-19 | 2019-12-19 | 一种基于相参累积增益的目标起伏特性表征方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111257844A CN111257844A (zh) | 2020-06-09 |
CN111257844B true CN111257844B (zh) | 2021-10-12 |
Family
ID=70950256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911313317.XA Active CN111257844B (zh) | 2019-12-19 | 2019-12-19 | 一种基于相参累积增益的目标起伏特性表征方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111257844B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1640741A1 (en) * | 2004-09-23 | 2006-03-29 | Mitsubishi Electric Information Technology Centre Europe B.V. | Radar target classification using statistical descriptors |
CN104007434A (zh) * | 2014-05-29 | 2014-08-27 | 西安电子科技大学 | 基于多普勒过采样的海杂波背景下雷达动目标的检测方法 |
CN104345305A (zh) * | 2013-07-30 | 2015-02-11 | 北京敏视达雷达有限公司 | 一种地物杂波残留滤除方法 |
US10128886B1 (en) * | 2016-09-26 | 2018-11-13 | Keysight Technologies, Inc. | Radio frequency (RF) receivers and methods to spread spectral energy of spurious outputs |
CN109061626A (zh) * | 2018-07-19 | 2018-12-21 | 武汉滨湖电子有限责任公司 | 一种步进频相参处理检测低信杂比动目标的方法 |
CN109814075A (zh) * | 2019-01-31 | 2019-05-28 | 西安电子科技大学 | 一种mti雷达运动目标检测方法 |
CN110489797A (zh) * | 2019-07-18 | 2019-11-22 | 武汉大学苏州研究院 | 一种适用于外辐射源雷达的电磁环境辨识方法 |
-
2019
- 2019-12-19 CN CN201911313317.XA patent/CN111257844B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1640741A1 (en) * | 2004-09-23 | 2006-03-29 | Mitsubishi Electric Information Technology Centre Europe B.V. | Radar target classification using statistical descriptors |
CN104345305A (zh) * | 2013-07-30 | 2015-02-11 | 北京敏视达雷达有限公司 | 一种地物杂波残留滤除方法 |
CN104007434A (zh) * | 2014-05-29 | 2014-08-27 | 西安电子科技大学 | 基于多普勒过采样的海杂波背景下雷达动目标的检测方法 |
US10128886B1 (en) * | 2016-09-26 | 2018-11-13 | Keysight Technologies, Inc. | Radio frequency (RF) receivers and methods to spread spectral energy of spurious outputs |
CN109061626A (zh) * | 2018-07-19 | 2018-12-21 | 武汉滨湖电子有限责任公司 | 一种步进频相参处理检测低信杂比动目标的方法 |
CN109814075A (zh) * | 2019-01-31 | 2019-05-28 | 西安电子科技大学 | 一种mti雷达运动目标检测方法 |
CN110489797A (zh) * | 2019-07-18 | 2019-11-22 | 武汉大学苏州研究院 | 一种适用于外辐射源雷达的电磁环境辨识方法 |
Non-Patent Citations (2)
Title |
---|
复合高斯海杂波模型下最优相干检测;于涵 等;《科学导报》;20171231;正文第109-118页 * |
海杂波背景下运动目标自适应检测方法研究;夏晓云;《中国优秀硕博士学位论文全文数据库(硕士) 信息科技辑》;20160315;正文第15-25页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111257844A (zh) | 2020-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108872988B (zh) | 一种基于卷积神经网络的逆合成孔径雷达成像方法 | |
CN101452075B (zh) | 基于平均周期的海上小目标检测方法 | |
CN107576959B (zh) | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 | |
CN113221631B (zh) | 基于卷积神经网络的序列脉冲抗干扰目标检测方法 | |
CN103777189A (zh) | 一种基于信息几何复自回归模型的雷达弱目标检测方法 | |
Zhang et al. | A novel moving target imaging algorithm for HRWS SAR based on local maximum-likelihood minimum entropy | |
CN108646247B (zh) | 基于伽马过程线性回归的逆合成孔径雷达成像方法 | |
CN105738897B (zh) | 基于联合稀疏特性的信号距离像重构方法 | |
CN112462355B (zh) | 一种基于时频三特征提取的对海目标智能检测方法 | |
CN110161478B (zh) | 一种基于杂波功率谱密度自优化的波形设计方法 | |
CN103235295A (zh) | 基于压缩卡尔曼滤波的小场景雷达目标距离像估计方法 | |
CN111337895A (zh) | 多通道海杂波空时相关性分析方法 | |
CN110988834A (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
CN112731307A (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN110398722A (zh) | 基于随机矩阵有限谱的扩展目标回波检测方法 | |
CN112462343A (zh) | 一种通过频域变换处理提取雷达信号脉内特征参数的方法 | |
CN112255607A (zh) | 一种海杂波的抑制方法 | |
CN113514833B (zh) | 一种基于海浪图像的海面任意点波向的反演方法 | |
CN116973914B (zh) | 一种基于三维探地雷达的道路隐蔽病害三维重构方法 | |
CN111257844B (zh) | 一种基于相参累积增益的目标起伏特性表征方法 | |
CN116626685B (zh) | 基于机器学习的河道底泥实时监测方法及系统 | |
CN108008374B (zh) | 基于能量中值的海面大型目标检测方法 | |
CN113702937B (zh) | 基于自适应mti滤波器的双通道非相干检测方法 | |
CN113391286B (zh) | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 | |
CN109581319B (zh) | 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 |
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 |