CN111308436B - 基于体积相关函数的雷达空时自适应处理方法及装置 - Google Patents
基于体积相关函数的雷达空时自适应处理方法及装置 Download PDFInfo
- Publication number
- CN111308436B CN111308436B CN202010113000.8A CN202010113000A CN111308436B CN 111308436 B CN111308436 B CN 111308436B CN 202010113000 A CN202010113000 A CN 202010113000A CN 111308436 B CN111308436 B CN 111308436B
- Authority
- CN
- China
- Prior art keywords
- distance
- signal subspace
- unit
- distance unit
- detected
- 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
- 238000005314 correlation function Methods 0.000 title claims abstract description 43
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000005070 sampling Methods 0.000 claims abstract description 84
- 238000001514 detection method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000001427 coherent effect Effects 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000012360 testing method Methods 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 15
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000013139 quantization Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000002592 echocardiography Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
本发明实施例提供了一种基于体积相关函数的雷达空时自适应处理方法及装置,所述方法包括:获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间;基于采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离;基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量;将所述待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。采用本发明提供的基于体积相关函数的雷达空时自适应处理方法可以用于机载雷达在空时自适应处理场景中,尤其是非均匀环境中获得更加理想的目标检测结果。
Description
技术领域
本发明涉及雷达技术领域,尤其涉及一种基于体积相关函数的雷达空时自适应处理方法及装置。
背景技术
雷达(如机载雷达)被广泛应用于目标检测任务中,然而与目标回波一同到达雷达接收机的还有大量背景回波,即杂波。在实际场景下,杂波的能量往往强于目标回波。为了实现目标检测,需要将雷达接收机的回波中的杂波消除,从而提供给后续检测器足够高的信杂噪比,保证目标检测性能。
空时自适应处理(space-time adaptive processing,STAP)技术是一种高效的杂波抑制手段,为了保证杂波抑制性能,STAP技术需要大量独立同分布的训练样本来估计杂波的统计特性,但在非均匀环境下,往往不能获得足够的均匀训练样本,从而导致STAP技术的杂波抑制性能下降,随之导致动目标检测性能下降。
因此如何提高非均匀环境下,机载雷达的目标检测性能是亟待解决的问题。
发明内容
由于现有方法存在上述问题,本发明实施例提出一种可用于非均匀环境中的基于体积相关函数的雷达空时自适应处理方法及装置。
第一方面,本发明实施例提供一种基于体积相关函数的雷达空时自适应处理方法,包括:
获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间;
基于所述待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离;
基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量;
将所述待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。
可选地,所述获取雷达一个相参处理间隔内的回波数据,估计待测距离单元的采样信号子空间,包括:
对所述雷达一个相参处理间隔内的回波数据进行脉冲压缩、量化处理,生成雷达数据矩阵;
对所述雷达数据矩阵进行滑窗处理,取待测距离单元的回波数据以及所述待测距离单元之前预定数目的距离单元的回波数据构成该待测距离单元的采样数据矩阵;
基于所述待测距离单元的采样数据矩阵,估计所述待测距离单元的采样信号子空间。
可选地,所述基于所述待测距离单元的采样数据矩阵,估计对应于所述待测距离单元的采样信号子空间,包括:
基于所述待测距离单元的采样数据矩阵,生成所述待测距离单元的采样协方差矩阵;
对所述采样协方差矩阵进行特征值分解,选择r个较大特征值分别对应的特征向量组成所述采样信号子空间的正交基矩阵,其中r为所述采样信号子空间的维度。
可选地,所述基于所述待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离,包括:
采用如下公式计算所述待测距离单元的采样信号子空间与目标信号子空间的距离,
其中,体积相关函数VCF(·,·)提供了两个子空间之间距离的度量,q为待测距离单元的索引号,为对应于第q个距离单元的采样信号子空间基矩阵的估计,维度为r,为目标子空间的正交基矩阵的估计,j为目标子空间的维度;[·,·]为两个矩阵沿着列进行拼接操作。
可选地,所述基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量,包括:
采用如下公式计算索引号为q的待测距离单元的检验统计量S(q),
S(q)=W(q)-W(q-1);
其中,W(q)为索引号q的待测距离单元的采样信号子空间与所述目标信号子空间的距离的倒数;
W(q-1)为索引号(q-1)的距离单元的采样信号子空间与目标信号子空间距离的倒数。
可选地,所述方法还包括:
更新校正目标位置的区域内的所有的距离单元的检验统计量;
所述校正目标位置的区域内的距离单元满足如下条件:
其中,q、(q-1)均为距离单元的索引号,(q-1)是索引号为q的前一个距离单元的索引号,q*为所有待测距离单元中检测统计量最大的距离单元的索引号,(q*+1)是索引号为q*的下一个距离单元的索引号,q'为q*和索引号q之间的索引号;
采用如下公式更新所述校正目标位置的区域内的索引号为q的距离单元的检验统计量
其中,δ为预定阈值。
第二方面,本发明实施例提供一种基于体积相关函数的雷达空时自适应处理装置,包括:
数据处理单元,用于获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间;
体积相关函数构建单元,用于基于所述待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离;
检测统计量计算单元,用于基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量;
目标确定单元,用于将所述待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。
可选地,还包括校正单元,所述校正单元,用于更新校正目标位置的区域内的距离单元的检验统计量;
所述校正目标位置的区域内的距离单元满足如下条件:
其中,q、(q-1)均为距离单元的索引号,(q-1)是索引号为q的前一个距离单元的索引号,q*为所有待测距离单元中检测统计量最大的距离单元的索引号,(q*+1)是索引号为q*的下一个距离单元的索引号,q'为q*和索引号q之间的索引号;
采用如下公式更新所述校正目标位置的区域内的索引号为q的距离单元的检验统计量
其中,δ为预定阈值。
第三方面,本发明实施例还提出一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行上述方法。
第四方面,本发明实施例还提出一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述方法。
由上述技术方案可知,本发明实施例提供的基于体积相关函数的雷达空时自适应处理方法及装置,利用体积相关函数计算采样信号子空间与目标信号子空间的距离,从而不需要对任何杂波分布做先验假设,根据两个子空间的距离即可确定待测距离单元内是否有目标回波,进而,在非均匀环境中,尤其是实际环境与假设的杂波分布不符的情况下,雷达空时自适应处理装置具有更鲁棒的检测性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于体积相关函数的雷达空时自适应处理方法的流程示意图;
图2为本发明实施例提供的另一种基于体积相关函数的雷达空时自适应处理方法的流程示意图;
图3为本发明实施例提供的基于体积相关函数的雷达空时自适应处理方法在雷达仿真数据中的检测概率曲线;
图4为本发明实施例提供的基于体积相关函数的雷达空时自适应处理方法在雷达实测数据中的距离向输出结果示意图。
图5为本发明实施例提供的一种基于体积相关函数的雷达空时自适应处理装置的结构示意图;
图6为本发明实施例提供的一种电子设备的组成框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本实施例提供的一种基于体积相关函数的雷达空时自适应处理方法的流程示意图,包括:
S101,获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间。
其中,采样信号子空间是估计得到的采样信号子空间。
相参处理间隔是指相参雷达工作时发射多个相参脉冲,收到回波后雷达对多个脉冲进行相参处理,对应的时间即为相参处理间隔。
在实施中,可以根据待测距离单元的训练样本得到采样信号子空间。例如,构建待测距离单元的采样数据矩阵,根据采样数据矩阵得到采样信号子空间的正交基矩阵。
S102,基于待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与目标信号子空间的距离。
其中,目标信号子空间是假设目标的角度和速度两个维度信息已知的前提下估计得到的,实际场景中是在空时平面上对目标所有可能的角度和多普勒进行遍历得到对应的目标空时导向矢量,然后对目标空时导向矢量进行施密特正交化得到目标信号子空间。
在实施中,当待测距离单元中存在目标回波时,则采样信号子空间与目标信号子空间的距离很近或者两个子空间相交;当待测距离单元中不存在目标回波时,则采样信号子空间与目标信号子空间的距离相对远一些。因此,可以通过度量采样信号子空间与目标信号子空间之间的距离,确定待测距离单元内是否存在目标回波。
S103,基于采样信号子空间与目标信号子空间的距离,得到待测距离单元的检测统计量。
在实施中,当待测距离单元内有目标回波时,则检验统计量较大,当待测距离单元内没有目标回波时,则检验统计量较小。
S104,将待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。
其中,采样信号子空间与目标信号子空间之间的距离能够表征待测距离单元内是否有目标回波,而检测统计量是通过采样信号子空间与目标信号子空间之间的距离得到的,从而,根据待测距离单元的检测统计量能够确定待测距离单元内是否有目标回波。例如,当待测距离单元的检测统计量大于预定阈值时,则待测距离单元内有目标;当待测距离单元的检测统计量小于或等于预定阈值时,则待测距离单元内没有目标回波。
由上述技术方案可知,本发明实施例提供的基于体积相关函数的雷达空时自适应处理方法,利用体积相关函数计算采样信号子空间与目标信号子空间的距离,构造检验统计量实现目标检测,而不需要杂波分布的先验假设,在非均匀环境中,尤其是杂波环境与先验假设不符的情况下可获得理想的目标检测结果。
进一步地,在上述方法实施例的基础上,可以采用固定长度滑窗的思想确定对应于待测距离单元的训练样本,进而估计对应于待测距离单元的采样信号子空间,相应的,如图2所示,上述S101的部分处理可以包括:
S101a,对雷达一个相参处理间隔内的回波数据进行脉冲压缩、量化处理,生成雷达数据矩阵。
其中,回波数据包括雷达(如机载雷达)在一个相参处理间隔内采集的目标回波和杂波。
在实施中,对回波数据进行脉冲压缩能使回波数据具有更大的时宽带宽积,从而能够提高目标测量的精度。
S101b,对雷达数据矩阵进行滑窗处理,取待测距离单元的回波数据以及待测距离单元之前预定数目的距离单元的回波数据构成待测距离单元的采样数据矩阵。
其中,索引号是雷达数据矩阵中距离维的序号,每个距离单元对应一个索引号。例如,按照距离单元由小至大(数值小至大)定义每个距离单元的索引号,索引号分别为1,2,3……等正整数。
S101c,基于待测距离单元的采样数据矩阵,估计待测距离单元的采样信号子空间。
其中,待测距离单元的采样数据矩阵为对应于待测距离单元的训练样本。
在实施中,滑窗按照索引号依次遍历所有的距离单元。在这里滑窗设置是固定长度为Q的滑窗,采样数据矩阵可以是由待测距离单元和其索引号排在待测距离单元索引号之前的多个距离单元的回波数据组成的。以索引号为q的待测距离单元为例介绍采样数据矩阵的组成,其采样数据矩阵其中,xq-Q+1和xq-Q+2均为索引号为q之前的距离单元的回波数据,xq为索引号为q的距离单元的回波数据,N和M为雷达天线阵元数目和一个相参处理间隔内的脉冲数目。原则上,每个待测距离单元的采样数据矩阵均由Q列数据组成,然而,当待测距离单元的索引号小于Q时,则取其索引号排在待测距离单元之前全部距离单元即可,例如,Q为10,待测距离单元的索引号为9,即待测距离单元之前只有8个距离单元,这些距离单元的索引号分别为1至8,那么,待测距离单元的采样数据矩阵由9列数据组成,即索引号为1至8的距离单元和待测距离单元的回波数据。
上述实施例提供的基于体积相关函数的雷达空时自适应处理方法,可以在非均匀环境中特别是实际杂波环境与假设的杂波分布不符的情况实现更鲁棒的检测性能。利用表1的仿真参数生成仿真的雷达数据,以及对空时自适应处理领域公开的Mountain-Top实测数据进行脉冲压缩并进行向量化处理。选择滑窗的长度为80,即利用80个距离单元作为训练样本,检测器随信杂噪比变化的检测性能曲线如图3所示,可以看出本检测器在低信杂噪比情况下获得较好的检测性能;利用Mountain-Top实测数据,训练样本数目设置为40,随着距离单元的滤波输出如图4所示,曲线根据最大值进行归一化处理,且y轴限制输出在[0,1]之间。目标距离单元的归一化检验统计量是邻近距离单元的最大值的10倍左右,说明在实际杂波环境中也可以实现较好的目标检测性能。
表1仿真的机载雷达参数
参数 | 值 |
天线阵列配置 | 正侧视均匀线阵 |
阵列间隔 | 半波长 |
带宽 | 10MHz |
PRF | 3000Hz |
载机速度 | 150m/s |
载机高度 | 10000m |
天线数目 | 14 |
一个相参处理间隔内的脉冲数目 | 16 |
归一化的目标多普勒/空间频率 | 0.3/0 |
进一步地,在上述方法实施例的基础上,可以通过对采样数据矩阵的协方差矩阵进行特征值分解的方式消除噪声对估计采样信号子空间的影响,相应的,如图2所示,上述S101c还可以包括:
S101c1,基于待测距离单元的采样数据矩阵,生成待测距离单元的采样协方差矩阵。
S101c2,对采样协方差矩阵进行特征值分解,选择r个较大特征值分别对应的特征向量组成采样信号子空间的正交基矩阵,其中r为采样信号子空间的维度。
其中,对采样协方差矩R(q)进行特征值分解,可以得到R(q)的特征值和与特征值一一对应的特征向量,因此,采样信号子空间的正交基矩阵定义为其中t1,t2,...,tr为r个较大特征值对应的特征向量,r为采样信号子空间的维度。
进一步地,在上述方法实施例的基础上,可以利用采样信号子空间的正交基矩阵(估计)和目标子空间的正交基矩阵(估计)计算两个子空间的距离,相应的,上述S102可以包括:
采用如下公式计算待测距离单元的采样信号子空间与目标信号子空间的距离,
其中,体积相关函数VCF(·,·)提供了两个子空间之间距离的度量,q为待测距离单元的索引号,为对应于第q个距离单元的采样信号子空间基矩阵的估计,维度为r,为目标子空间的正交基矩阵的估计,j为目标子空间的维度;[·,·]为两个矩阵沿着列进行拼接操作;以Y为例,定义为Y的d维体积(d为矩阵Y的列数),λ1,λ2,...,λd≥0为Y的d个奇异值,且由于和均是归一化正交基,所以
进一步地,在上述方法实施例的基础上,根据采样信号子空间与目标信号子空间的距离确定对应于待测距离单元的检测统计量,相应的,S103可以包括:
采用如下公式计算索引号为q的待测距离单元的检验统计量S(q),
S(q)=W(q)-W(q-1);
其中,W(q)为索引号q的待测距离单元的采样信号子空间与目标信号子空间的距离的倒数;
W(q-1)为索引号(q-1)的距离单元的采样信号子空间与目标信号子空间距离的倒数。
在实施中,采样信号子空间与目标信号子空间的距离往往是一个比较小的值,故这个距离的倒数就是一个比较大的值,从而,当某个待测距离单元,例如第q个距离单元内有目标时,W(q)会比W(q-1)大很多,从而,利用差值做检验统计量可以在目标所在距离单元形成较大的峰值,例如距离向输出结果示意图(参见图4)能够更加直观的检测到目标。
进一步地,在上述方法实施例的基础上,还可以目标所在距离单元,即目标位置进行校正,相应的,如图2所示,上述实施例还包括:
S103a,更新校正目标位置的区域内所有的距离单元的检验统计量;
需要校正目标位置的区域内的距离单元满足如下条件:
其中,q、(q-1)均为距离单元的索引号,(q-1)是索引号为q的前一个距离单元的索引号,q*为所有待测距离单元中检测统计量最大的距离单元的索引号,(q*+1)是索引号为q*的下一个距离单元的索引号,q′为q*和索引号q之间的索引号;
采用如下公式更新校正目标位置的区域内索引号为q的距离单元的检验统计量
其中,δ为预定阈值。
在实施中,雷达回波数据经过脉冲压缩往往会导致目标能量泄露,导致根据S103得到的检测统计量来检测目标位置可能不准确。因此,通过对目标位置进行校正的方式,消除目标能量泄露的影响,从而提高了检测器估计目标所在距离单元的准确性。
进一步地,在上述方法实施例的基础上,如图5所示,本发明实施例还提供了一种基于体积相关函数的雷达空时自适应处理装置,包括:
数据处理单元501,用于获取雷达一个相参处理间隔内的回波数据,估计待测距离单元的采样信号子空间;
体积相关函数构建单元502,用于基于待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与目标信号子空间的距离;
检测统计量计算单元503,用于基于采样信号子空间与目标信号子空间的距离,得到待测距离单元的检测统计量;
目标确定单元504,用于将待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。
进一步地,上述的装置还包括目标位置校正单元,其更新校正目标位置的区域内的每一个距离单元的检验统计量;
属于需要校正目标位置的区域内的距离单元满足如下条件:
其中,q、(q-1)均为距离单元的索引号,(q-1)是索引号为q的前一个距离单元的索引号,q*为所有待测距离单元中检测统计量最大的距离单元的索引号,(q*+1)是索引号为q*的下一个距离单元的索引号,q′为q*和索引号q之间的索引号;
采用如下公式更新校正目标位置的区域内索引号为q的距离单元的检验统计量
其中,δ为预定阈值。
本实施例所述的基于体积相关函数的雷达空时自适应处理装置可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
如图6所示,电子设备,包括:处理器(processor)601、存储器(memory)602和总线603;
其中,处理器601和存储器602通过总线603完成相互间的通信;
处理器601用于调用存储器602中的程序指令,以执行上述各方法实施例所提供的方法。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法。
本实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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。
Claims (10)
1.一种基于体积相关函数的雷达空时自适应处理方法,其特征在于,包括:
获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间;
基于所述待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离;
基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量;
将所述待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。
2.根据权利要求1所述的基于体积相关函数的雷达空时自适应处理方法,其特征在于,所述获取雷达一个相参处理间隔内的回波数据,估计待测距离单元的采样信号子空间,包括:
对所述雷达一个相参处理间隔内的回波数据进行脉冲压缩、量化处理,生成雷达数据矩阵;
对所述雷达数据矩阵进行滑窗处理,取待测距离单元的回波数据以及所述待测距离单元之前预定数目的距离单元的回波数据构成该待测距离单元的采样数据矩阵;
基于所述待测距离单元的采样数据矩阵,估计所述待测距离单元的采样信号子空间。
3.根据权利要求2所述的基于体积相关函数的雷达空时自适应处理方法,其特征在于,所述基于所述待测距离单元的采样数据矩阵,估计对应于所述待测距离单元的采样信号子空间,包括:
基于所述待测距离单元的采样数据矩阵,生成所述待测距离单元的采样协方差矩阵;
对所述采样协方差矩阵进行特征值分解,选择r个较大特征值分别对应的特征向量组成所述采样信号子空间的正交基矩阵,其中r为所述采样信号子空间的维度。
5.根据权利要求4所述的基于体积相关函数的雷达空时自适应处理方法,其特征在于,所述基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量,包括:
采用如下公式计算索引号为q的待测距离单元的检验统计量S(q),
S(q)=W(q)-W(q-1);
其中,W(q)为索引号q的待测距离单元的采样信号子空间与所述目标信号子空间的距离的倒数;
W(q-1)为索引号(q-1)的距离单元的采样信号子空间与目标信号子空间距离的倒数。
7.一种基于体积相关函数的雷达空时自适应处理装置,其特征在于,包括:
数据处理单元,用于获取雷达一个相参处理间隔内的回波数据,估计对应于待测距离单元的采样信号子空间;
体积相关函数构建单元,用于基于所述待测距离单元的采样信号子空间与目标信号子空间的体积相关函数,得到采样信号子空间与所述目标信号子空间的距离;
检测统计量计算单元,用于基于所述采样信号子空间与所述目标信号子空间的距离,得到所述待测距离单元的检测统计量;
目标确定单元,用于将所述待测距离单元的检测统计量与预定阈值比较,确定待测距离单元内是否有目标回波。
9.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一所述的基于体积相关函数的雷达空时自适应处理方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于体积相关函数的雷达空时自适应处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010113000.8A CN111308436B (zh) | 2020-02-24 | 2020-02-24 | 基于体积相关函数的雷达空时自适应处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010113000.8A CN111308436B (zh) | 2020-02-24 | 2020-02-24 | 基于体积相关函数的雷达空时自适应处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111308436A CN111308436A (zh) | 2020-06-19 |
CN111308436B true CN111308436B (zh) | 2022-04-08 |
Family
ID=71149147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010113000.8A Active CN111308436B (zh) | 2020-02-24 | 2020-02-24 | 基于体积相关函数的雷达空时自适应处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308436B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2768370C1 (ru) * | 2021-07-06 | 2022-03-24 | Иван Александрович Баландин | Способ спектрально-корреляционного обнаружения летательных аппаратов по квазинепрерывным импульсным сигналам бортовых радиоэлектронных систем |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002041515A2 (en) * | 2000-11-14 | 2002-05-23 | Reed Irving S | Self-synchronizing adaptive multistage receiver for wireless communication systems |
CN102928827A (zh) * | 2012-10-26 | 2013-02-13 | 北京理工大学 | 一种基于past的快速降维空时自适应处理方法 |
CN106353732A (zh) * | 2016-08-15 | 2017-01-25 | 西安电子科技大学 | 一种基于认知的机载雷达异构杂波抑制方法 |
CN106546965A (zh) * | 2016-10-31 | 2017-03-29 | 西安电子科技大学 | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 |
CN108627819A (zh) * | 2018-05-11 | 2018-10-09 | 清华大学 | 基于雷达观测的距离扩展目标检测方法和系统 |
CN109001687A (zh) * | 2018-05-24 | 2018-12-14 | 西安电子科技大学 | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8633850B2 (en) * | 2011-10-26 | 2014-01-21 | The Boeing Company | Identifying a location of a target object using a monopulse radar system and space-time adaptive processing (STAP) |
CN103439692B (zh) * | 2013-09-01 | 2015-06-17 | 西安电子科技大学 | 基于协方差矩阵广对称特性的stap方法 |
CN109324315B (zh) * | 2018-11-26 | 2023-03-28 | 清华大学 | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 |
CN109597034B (zh) * | 2018-12-12 | 2021-08-31 | 哈尔滨工业大学 | 一种基于欧几里得距离的空时自适应处理方法 |
-
2020
- 2020-02-24 CN CN202010113000.8A patent/CN111308436B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002041515A2 (en) * | 2000-11-14 | 2002-05-23 | Reed Irving S | Self-synchronizing adaptive multistage receiver for wireless communication systems |
CN102928827A (zh) * | 2012-10-26 | 2013-02-13 | 北京理工大学 | 一种基于past的快速降维空时自适应处理方法 |
CN106353732A (zh) * | 2016-08-15 | 2017-01-25 | 西安电子科技大学 | 一种基于认知的机载雷达异构杂波抑制方法 |
CN106546965A (zh) * | 2016-10-31 | 2017-03-29 | 西安电子科技大学 | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 |
CN108627819A (zh) * | 2018-05-11 | 2018-10-09 | 清华大学 | 基于雷达观测的距离扩展目标检测方法和系统 |
CN109001687A (zh) * | 2018-05-24 | 2018-12-14 | 西安电子科技大学 | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 |
Non-Patent Citations (9)
Title |
---|
A TDOA Technique with Super-Resolution Based on the Volume Cross-Correlation Function;Hailong Shi等;《 IEEE Transactions on Signal Processing》;20160331;第64卷(第21期);全文 * |
Beam-space reduced-dimension space-time adaptive processing for airborne radar in sample starved heterogeneous environments;Zhang, W等;《IET RADAR SONAR AND NAVIGATION》;20161031;第10卷(第9期);全文 * |
Distributed Target Detection Based on the Volume Cross-Correlation Function;Le Xiao等;《IEEE SIGNAL PROCESSING LETTERS》;20181231;第25卷(第12期);全文 * |
On the use of circular SAR to improve the performance of knowledge-aided STAP;Nihad Al-Faisali等;《2016 IEEE National Aerospace and Electronics Conference (NAECON) and Ohio Innovation Summit (OIS)》;20170216;全文 * |
STAP Based on Two-Level Block Sparsity;Zhizhuo Jiang等;《2019 IEEE Radar Conference (RadarConf)》;20190916;全文 * |
Training Sample Selection for Space-Time Adaptive Processing in Heterogeneous Environments;Yifeng Wu等;《IEEE Geoscience and Remote Sensing Letters 》;20150926;第12卷(第4期);全文 * |
一种新的无人机载雷达非均匀杂波抑制方法;陈洪猛等;《深圳大学学报理工版》;20190930;第36卷(第5期);全文 * |
机载认知MIMO雷达空时优化设计研究;陈洋溢;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20170215(第02期);全文 * |
非高斯杂波下基于子空间的距离扩展目标检测器;简涛等;《电子学报》;20170630;第45卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111308436A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109116311B (zh) | 基于知识辅助稀疏迭代协方差估计的杂波抑制方法 | |
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
US9389306B2 (en) | Radar apparatus and method | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN109471095B (zh) | 一种基于快速迭代插值的fmcw雷达距离估计方法 | |
CN110632571B (zh) | 一种基于矩阵流形的稳健stap协方差矩阵估计方法 | |
CN113376613B (zh) | 用于雷达探测的恒虚警检测方法、装置及电子设备 | |
CN109324322A (zh) | 一种基于被动相控阵天线的测向与目标识别方法 | |
CN108627819B (zh) | 基于雷达观测的距离扩展目标检测方法和系统 | |
CN104111449A (zh) | 一种改进的基于广义内积的空时二维自适应处理方法 | |
CN111308436B (zh) | 基于体积相关函数的雷达空时自适应处理方法及装置 | |
CN112255608A (zh) | 一种基于正交投影的雷达杂波自适应抑制方法 | |
CN114518564A (zh) | 一种基于特征杂波图的海面低空小目标检测方法 | |
CN113723483A (zh) | 一种基于鲁棒主成分分析的图像融合方法及系统 | |
CN110658517B (zh) | 一种基于不确定先验知识的降维稀疏stap方法及装置 | |
CN111830481A (zh) | 雷达回波单分量幅度分布模型参数估计方法及装置 | |
CN112462367A (zh) | 一种基于极化合成孔径雷达的车辆检测方法 | |
CN107315169B (zh) | 基于二阶统计量相似度的杂波协方差矩阵估计方法 | |
CN111812634A (zh) | 警戒线目标监测方法、装置和系统 | |
CN113687321B (zh) | 雷达目标探测距离评估方法和装置 | |
CN106371095A (zh) | 基于脉冲压缩技术的距离向成像方法和距离向成像系统 | |
CN117491985B (zh) | 一种波达方向及速度联合估计方法及相关装置 | |
Liu et al. | Modeling multilook polarimetric SAR images with heavy-tailed rayleigh distribution and novel estimation based on matrix log-cumulants | |
CN116559819B (zh) | 一种机载雷达知识辅助色加载杂波抑制方法和装置 | |
CN117289262B (zh) | 穿墙雷达目标检测方法及系统 |
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 |