CN111308440A - 超宽带雷达目标检测方法、电子设备和存储介质 - Google Patents
超宽带雷达目标检测方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111308440A CN111308440A CN202010187509.7A CN202010187509A CN111308440A CN 111308440 A CN111308440 A CN 111308440A CN 202010187509 A CN202010187509 A CN 202010187509A CN 111308440 A CN111308440 A CN 111308440A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- ultra
- echo signal
- time
- 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
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
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
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
本发明公开了一种超宽带雷达目标检测方法、电子设备和存储介质,所述方法包括:获取目标时域回波信号;采用超宽带先进时频分析方法提取所述目标时域回波信号的极点信息;根据所述极点信息,采用多方位匹配合成方法得到不同方位角度下的回波信号;对所述不同方位角度下的回波信号进行时间反演,得到反演回波信号,将所述反演回波信号作为发射信号进行发射,得到匹配回波信号;对所述匹配回波信号进行匹配结果评估,得到识别结果。本发明能够提高目标回波的信噪比,从而达到在存在噪声和干扰情况下能够识别或检测弱小目标的目的。
Description
技术领域
本发明涉及超宽带雷达目标识别技术领域,特别涉及一种基于时频分析的多方位匹配合成的超宽带雷达目标检测方法、电子设备和存储介质。
背景技术
超宽带雷达目标识别技术已发展成为雷达领域的一个重要分之,目标识别是研究雷达目标特征信号的最终目的之一。在精确制导、战场监视、反导反卫等诸多设计国家安全的军事领域中,雷达目标识别是决定武器系统智能化程度的核心技术之一,也是制约武器系统智能化发展的瓶颈问题。
在光学区,复杂目标可以看成是由许多孤立的散射中心点组成的扩展目标,其回波可看成多散射中心点回波的合成。谐振区雷达目标散射特性携带了目标的形状、尺寸等本原信息,是可供雷达目标识别使用的最为有效的电磁频谱特性,且谐振区目标的RCS(雷达散射截面积)高于光学区和瑞利区,这也就是工作在短波段的超视距雷达和工作在米波段的米波雷达对隐身目标的探测起作用的原理。
但现有的超宽带雷达目标识别方法存在高分辨雷达目标姿态敏感的问题,且回波信号信噪比较低,不利于在存在噪声和干扰情况下识别或检测弱小目标。
发明内容
本发明的目的在于提供一种超宽带雷达目标检测方法,通过高分辨时频分析方法提取目标回波信号的谐振极点信息,利用时间反演技术并综合利用所述谐振极点信息得到目标匹配时域波形,提高目标回波信号的信噪比,实现在存在噪声和干扰情况下能够识别或检测弱小目标的目的。
为了实现以上目的,本发明通过以下技术方案实现:
一种超宽带雷达目标检测方法,包括:
步骤S1、获取目标时域回波信号;
步骤S2、采用超宽带先进时频分析方法提取所述目标时域回波信号的极点信息;
步骤S3、根据所述极点信息,采用多方位匹配合成方法得到不同方位角度下的回波信号;
步骤S4、对所述不同方位角度下的回波信号进行时间反演,得到反演回波信号,将所述反演回波信号作为发射信号进行发射,得到匹配回波信号;
步骤S5、对所述匹配回波信号进行匹配结果评估,得到识别结果。
优选地,所述步骤S1包括:利用超宽带雷达发射单周期高斯窄脉冲信号,得到所述目标时域回波信号。
优选地,根据FTDT方法得到所述目标时域回波信号的冲击响应模型h(t,θ),其采用如下公式表示:
式中,ai、Ti为目标散射中心的强度和时延;θ为目标姿态角;N为目标散射中心数目。
优选地,所述步骤S2包括:采用超宽带先进时频分析方法对所述目标时域回波信号进行分析,得到所述目标时域回波信号的时域和频域信息;
采用小波变换的时频分析方法从所述目标时域回波信号的时域和频域信息中提取所述极点信息。
优选地,所述步骤S3包括:将不同方位角度下的目标时域回波信号的频域信息进行频谱相乘,寻找满足在各个方位角度下的不敏感的频率信息,进而获取所述不同方位角度下的回波信号。
优选地,所述步骤S4包括:将所述反演回波信号作为发射信号向被测环境中进行第一次发射,若所述被测环境中存在被测目标时,则得到的信号Yct(f)表示如下:
将所述反演回波信号作为发射信号向被测环境中进行第二次发射,若所述被测环境中不存在被测目标时,则得到的信号Yc(f)表示如下:
优选地,所述步骤S5包括:根据特征熵数据库利用滑动最大相关法完成目标识别,得到所述识别结果。
另一方面,本发明还提供一种电子设备,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现如上文所述的方法。
再一方面,本发明还提供一种可读存储介质,其特征在于,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现如上文所述的方法。
本发明与现有技术相比,具有以下优点:
本发明所提供的一种超宽带雷达目标检测方法,包括:步骤S1、获取目标时域回波信号;步骤S2、采用超宽带先进时频分析方法提取所述目标时域回波信号的极点信息;步骤S3、根据所述极点信息,采用多方位匹配合成方法得到不同方位角度下的回波信号;步骤S4、对所述不同方位角度下的回波信号进行时间反演,得到反演回波信号,将所述反演回波信号作为发射信号进行发射,得到匹配回波信号;步骤S5、对所述匹配回波信号进行匹配结果评估,得到识别结果。由此可知,本发明实质上提供了一种基于多方位匹配合成的超宽带雷达目标检测方法,该方法是指首先利用超宽带雷达发射单周期高斯窄脉冲信号,通过超宽带高分辨时频分析方法提取回波的谐振极点信息(极点信息),通过多方位匹配合成方法获得对目标姿态敏感性最弱的包络信号(不同方位角度下的回波信号),然后利用时间反演技术来设计与目标匹配的发射波形(相当于步骤S4),由此提高目标回波的信噪比,从而达到在存在噪声和干扰情况下能够识别或检测弱小目标的目的。
本发明的步骤S2具体采用小波变换的时频分析方法从所述目标时域回波信号的时域和频域信息中提取所述极点信息,由此可知,小波变换的时频分析方法(小波变换)由于具有以下几个性质而受到广泛运用:线性,平移不变性,伸缩共变性,自相似性,冗余性。利用小波变换得到不同时延所对应的主要频率(或者频段)将时延宽度转换到距离维,即可得到目标对应的长度,得到目标整体的划分情况分析不同部件所对应的谐振频率,完成扩展目标不同部件的谐振分析(得到谐振极点信息或极点信息)。
本发明的步骤S5根据特征熵数据库利用滑动最大相关法完成目标识别。特征熵能最大程度地保证回波信号中包含有效的特征量,对目标检测和识别起到了关键作用。
附图说明
图1为本发明一实施例提供的一种超宽带雷达目标检测方法的流程图;
图2为本发明一实施例提供的金属球的高斯窄脉冲回波信号示意图;
图3为本发明一实施例提供的基于小波变换的时频分析方法提取谐振信息仿真图;
图4为本发明一实施例提供的极点信息提取的具体流程框图;
图5为本发明一实施例提供的提取的不同目标的极点信息分类示意图;
图6为本发明一实施例提供的金属球目标与其它目标的识别结果对比示意图;
图7为本发明一实施例提供的电子设备的结构框图。
具体实施方式
以下结合附图1~7和具体实施方式对本发明提出的一种超宽带雷达目标检测方法、电子装置和存储介质作进一步详细说明。根据下面说明,本发明的优点和特征将更清楚。需要说明的是,附图采用非常简化的形式且均使用非精准的比例,仅用以方便、明晰地辅助说明本发明实施方式的目的。为了使本发明的目的、特征和优点能够更加明显易懂,请参阅附图。须知,本说明书所附图式所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
如图1所示,本实施例提供的一种超宽带雷达目标检测方法,包括:步骤S1、获取目标时域回波信号。
经过研究可知,一个目标可以用它的冲击响应来表征,那么可以利用该目标的冲击响应来进行目标的检测和识别。如果事先知道待检测或识别目标的极点信息分布,则可构造出目标的冲击响应。但对于大部分要检测的目标来说,不可能直接得到它们的极点信息分布。基于此,本专利首先利用超宽带雷达发射单周期高斯窄脉冲信号,得到所述目标时域回波信号。然后通过超宽带先进时频分析方法提取目标回波信号的极点信息,然后通过多方位匹配合成技术得到波形信号,最后利用基于特征熵识别的方法对目标进行检测和识别。通过本系统可以实现对典型目标的探测,解决方位姿态敏感性,提高信噪比。
具体的,在本实施例中,以待识别目标为金属球为例进行说明:所述步骤S1还包括:利用超宽带雷达发射单周期高斯窄脉冲信号,得到所述目标时域回波信号之后,由于在高频区目标的各散射中心是理想的点目标,其冲击响应可用Dirac delta函数描述,则根据FTDT方法得到所述目标时域回波信号的冲击响应模型h(t,θ),其采用如下公式表示:
式中,ai、Ti为目标散射中心的强度和时延;θ为目标姿态角;N为目标散射中心数目。
如图2所示,其给出了金属球的高斯窄脉冲回波信号(金属球的目标时域回波信号),从时域波形来看,高斯脉冲导数的阶数越高,脉冲的峰值越多,过多的峰值不利于信号的检测和捕获,因此从时域角度来说,导数的阶次越小,脉冲波形越好。而且多次微分,增加了实现的难度。
步骤S2、采用超宽带先进时频分析方法提取所述目标时域回波信号的极点信息。
具体的,所述步骤S2包括:采用超宽带先进时频分析方法对所述目标时域回波信号进行分析,得到所述目标时域回波信号的时域和频域信息;
采用小波变换的时频分析方法从所述目标时域回波信号的时域和频域信息中提取所述极点信息(提取不同时间点的最大极点信息)。
小波分析属于时频分析中的一种,它是傅里叶分析的发展,但又优于傅里叶分析。相比于傅里叶变换以及短时傅里叶变换,小波变换是一个时间与频率的局部变换,通过伸缩和平移小波函数的方法对信号进行多尺度时频分析,因而能够高效的从信号中提取人们所需要的信息,解决传统傅里叶变换不能同时地从时域以及频域分析信号局部特征的难题。小波变换的作用就是提取极点信息,小波变换是一种时频变换的关系,极点信息提取也是最常用的手段。
定义L2(R)空间中的函数s(t)的连续小波变换CWT定义为:
其中a为缩放因子(对应于频率信息),τ为平移因子(对应于时空信息),ψ*(t)是母小波ψ(t)的复共轭。ψ(t)满足容许条件:
上式中,ψ(ω)为ψ(t)的傅里叶变换。小波母函数ψ(t)经过伸缩平移得到的小波函数ψ(a,τ)(t)为:
小波变换可以理解为将信号通过一个带通滤波器,该带通滤波器是冲激响应为ψ(a,τ)(t)的滤波器组。带通滤波器组的中心频率和带宽随着小波尺度a的变化而变化,因此它在时频域上具有可变的时频窗。当小波尺度a越大,时频窗的时宽越大,频宽就越小,因此频率分辨率就越高;当小波尺度a越小,时频窗的时宽越小,频宽就越大,因此时间分辨率就越高。
如图3所示为基于小波变换的时频分析方法提取谐振信息(极点信息)仿真图。如图4所示,其为极点信息提取的具体流程框图。如图3所示为利用小波变换提取的目标回波的极点信息,横轴所示为时间轴,纵轴所示为频率轴,在二维的时频平面上能看出目标回波在不同时间点不同频率的能量大小,即能量较大的点就是谐振信息点。如图4所示为极点信息提取的过程,首先按照频率变换法得到回波的晚期响应,即在晚期响应中提取目标的谐振极点信息,然后提取主极点信息,最后利用多方位合成方法得到最终的频域极点信息。
步骤S3、根据所述极点信息,采用多方位匹配合成方法得到不同方位角度下的回波信号。
具体的,利用小波变换提取回波信号(所述目标时域回波信号)s(t)的局部极点信息,内插构造不同方位角度下的回波信号。利用多方位匹配合成技术(排除法)得到不同方位角度下的回波信号。排除法是指将不同方位角度下的目标时域散射信号进行频谱相乘,寻找满足各个方位的极点信息,进而获取目标匹配时域波形。
式中,s(w)表示多方位合成的频域信号;si(w)表示i=1,2,3···n时,不同方位点的极点信息。
步骤S4、对所述不同方位角度下的回波信号进行时间反演,得到反演回波信号,将所述反演回波信号作为发射信号进行发射,得到匹配回波信号。
具体的,利用时间反演技术获得最佳匹配发射波形。时间反演的主要思想是分别对存在被测目标和不存在被测目标的多散射环境中的散射信号进行时间反演处理,并且将其重新发射到被测环境中去,其在目标处及背景散射体处产生的干涉能够达到提高目标散射信号的作用。对目标响应Ht(f)做时间反演处理,并重新发射到被测环境中去。在频域上,时间反演相当于对接收信号做相位共轭,可以表示为假设发射了两次时间反演信号,第一次发射信号时,环境中存在被测目标,那么接收到的信号可以表示为
第二次时间反演信号被发射到不存在被测目标的环境中,与上式类似,接收到的信号可以表示为下式,它表示发射了时间反演后来自于背景散射体的响应。
将匹配回波信号与原来未匹配回波信号对比,验证能量增强大小。其中,匹配回波信号表达式可以写为:
sc(τ)=<s(t)·sr(t+τ)> (8)
式中,sc(τ)表示匹配后的回波信号;s(t)表示发射信号;sr(t+τ)表示接收信号。
步骤S5、对所述匹配回波信号进行匹配结果评估,得到识别结果。
具体的,所述步骤S5包括:根据特征熵数据库利用滑动最大相关法完成目标识别,得到所述识别结果。即基于综合时频域特征熵的目标检测方法。
综合时频域特征熵的定义为:
式中Xi,其中i=1,2,3···K,代表目标不同的特征(如谐振特性、距离像、起伏等),ωi,其中i=1,2,3···K,表示其权系数,代表对应特征在识别过程中所占比重。特征熵能最大程度地保证回波信号中包含有效的特征量,对目标检测和识别起到了关键作用。结合图5和图6所示为最终得到的金属球目标与其它目标的识别结果,可以看出不同角度下的相关系数代表了极点信息对各角度之间的依赖关系,“〇”的线看出极点信息对各个角度有较好的适应性,“*”的线可以看出极点信息对各个角度有不太好的适应性。
另一方面,基于同一发明构思,本发明还提供一种电子设备,如图7所示,所述电子设备包括处理器301和存储器303,所述存储器303上存储有计算机程序,所述计算机程序被所述处理器301执行时,实现如上文所述的超宽带雷达目标检测方法。
本实施例提供的电子设备,通过高分辨时频分析方法提取目标回波信号的谐振极点信息,利用时间反演技术并综合利用所述谐振极点信息得到目标匹配时域波形,提高目标回波信号的信噪比,实现在存在噪声和干扰情况下能够识别或检测弱小目标的目的。
继续参考图7,所述电子设备还包括通信接口302和通信总线304,其中所述处理器301、所述通信接口302、所述存储器303通过通信总线304完成相互间的通信。所述通信总线304可以是外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。该通信总线304可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。所述通信接口302用于上述电子设备与其他设备之间的通信。
本实施例中所称处理器301可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器301是所述电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分。
所述存储器303可用于存储所述计算机程序,所述处理器301通过运行或执行存储在所述存储器303内的计算机程序,以及调用存储在存储器303内的数据,实现所述电子设备的各种功能。
所述存储器303可以包括非易失性和/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。
再一方面,基于同一发明构思,本发明还提供了一种可读存储介质,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时可以实现如上文所述的超宽带雷达目标检测方法。
本实施例提供的可读存储介质,通过高分辨时频分析方法提取目标回波信号的谐振极点信息,利用时间反演技术并综合利用所述谐振极点信息得到目标匹配时域波形,提高目标回波信号的信噪比,实现在存在噪声和干扰情况下能够识别或检测弱小目标的目的。
本实施例提供的可读存储介质,可以采用一个或多个计算机可读的介质的任意组合。可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机硬盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其组合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
在本实施例中,可以以一种或多种程序设计语言或其组合来编写用于执行本实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言-诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)连接到用户计算机,或者可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
应当注意的是,在本文的实施方式中所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施方式仅仅是示意性的,例如,附图中的流程图和框图显示了根据本文的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用于执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本文各个实施方式中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
综上所述,本发明所提供的一种超宽带雷达目标检测方法,包括:步骤S1、获取目标时域回波信号;步骤S2、采用超宽带先进时频分析方法提取所述目标时域回波信号的极点信息;步骤S3、根据所述极点信息,采用多方位匹配合成方法得到不同方位角度下的回波信号;步骤S4、对所述不同方位角度下的回波信号进行时间反演,得到反演回波信号,将所述反演回波信号作为发射信号进行发射,得到匹配回波信号;步骤S5、对所述匹配回波信号进行匹配结果评估,得到识别结果。由此可知,本发明实质上提供了一种基于多方位匹配合成的超宽带雷达目标检测方法,该方法是指首先利用超宽带雷达发射单周期高斯窄脉冲信号,通过超宽带高分辨时频分析方法提取回波的谐振极点信息(极点信息),通过多方位匹配合成方法获得对目标姿态敏感性最弱的包络信号(不同方位角度下的回波信号),然后利用时间反演技术来设计与目标匹配的发射波形(相当于步骤S4),由此提高目标回波的信噪比,从而达到在存在噪声和干扰情况下能够识别或检测弱小目标的目的。
本发明的步骤S2具体采用小波变换的时频分析方法从所述目标时域回波信号的时域和频域信息中提取所述极点信息,由此可知,小波变换的时频分析方法(小波变换)由于具有以下几个性质而受到广泛运用:线性,平移不变性,伸缩共变性,自相似性,冗余性。利用小波变换得到不同时延所对应的主要频率(或者频段)将时延宽度转换到距离维,即可得到目标对应的长度,得到目标整体的划分情况分析不同部件所对应的谐振频率,完成扩展目标不同部件的谐振分析(得到谐振极点信息或极点信息)。
本发明的步骤S5根据特征熵数据库利用滑动最大相关法完成目标识别。特征熵能最大程度地保证回波信号中包含有效的特征量,对目标检测和识别起到了关键作用。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (9)
1.一种超宽带雷达目标检测方法,其特征在于,包括:
步骤S1、获取目标时域回波信号;
步骤S2、采用超宽带先进时频分析方法提取所述目标时域回波信号的极点信息;
步骤S3、根据所述极点信息,采用多方位匹配合成方法得到不同方位角度下的回波信号;
步骤S4、对所述不同方位角度下的回波信号进行时间反演,得到反演回波信号,将所述反演回波信号作为发射信号进行发射,得到匹配回波信号;
步骤S5、对所述匹配回波信号进行匹配结果评估,得到识别结果。
2.如权利要求1所述的超宽带雷达目标检测方法,其特征在于,所述步骤S1包括:利用超宽带雷达发射单周期高斯窄脉冲信号,得到所述目标时域回波信号。
4.如权利要求1或3所述的超宽带雷达目标检测方法,其特征在于,所述步骤S2包括:采用超宽带先进时频分析方法对所述目标时域回波信号进行分析,得到所述目标时域回波信号的时域和频域信息;
采用小波变换的时频分析方法从所述目标时域回波信号的时域和频域信息中提取所述极点信息。
5.如权利要求1所述的超宽带雷达目标检测方法,其特征在于,所述步骤S3包括:将不同方位角度下的目标时域回波信号的频域信息进行频谱相乘,寻找满足在各个方位角度下的不敏感的频率信息,进而获取所述不同方位角度下的回波信号。
7.如权利要求1所述的超宽带雷达目标检测方法,其特征在于,所述步骤S5包括:根据特征熵数据库利用滑动最大相关法完成目标识别,得到所述识别结果。
8.一种电子设备,其特征在于,包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现权利要求1至7中任一项所述的方法。
9.一种可读存储介质,其特征在于,所述可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010187509.7A CN111308440A (zh) | 2020-03-17 | 2020-03-17 | 超宽带雷达目标检测方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010187509.7A CN111308440A (zh) | 2020-03-17 | 2020-03-17 | 超宽带雷达目标检测方法、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111308440A true CN111308440A (zh) | 2020-06-19 |
Family
ID=71155705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010187509.7A Pending CN111308440A (zh) | 2020-03-17 | 2020-03-17 | 超宽带雷达目标检测方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308440A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946768A (zh) * | 2021-02-05 | 2021-06-11 | 西安思丹德信息技术有限公司 | 一种具有识别能力非接触隐匿物探测装置和方法 |
CN115508801A (zh) * | 2022-09-29 | 2022-12-23 | 上海无线电设备研究所 | 一种基于发射波形匹配的目标检测识别方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080007445A1 (en) * | 2006-01-30 | 2008-01-10 | The Regents Of The University Of Ca | Ultra-wideband radar sensors and networks |
CN101598784A (zh) * | 2009-07-08 | 2009-12-09 | 西安电子科技大学 | 基于fa模型的强噪声背景下雷达距离像统计识别方法 |
CN102288963A (zh) * | 2011-07-21 | 2011-12-21 | 西安电子科技大学 | 基于子孔径参数估计的双基地isar图像融合方法 |
US20120250748A1 (en) * | 2011-04-04 | 2012-10-04 | U.S. Government As Represented By The Secretary Of The Army | Apparatus and method for sampling and reconstruction of wide bandwidth signals below nyquist rate |
CN104007424A (zh) * | 2014-05-28 | 2014-08-27 | 电子科技大学 | 基于时频分析的机动目标检测方法 |
CN105158739A (zh) * | 2015-08-28 | 2015-12-16 | 上海无线电设备研究所 | 一种基于全相位处理的线性调频信号旁瓣抑制方法 |
CN107942323A (zh) * | 2017-11-17 | 2018-04-20 | 西安电子科技大学 | 基于频域熵的进动目标时频曲线提取方法 |
CN107976659A (zh) * | 2017-10-17 | 2018-05-01 | 上海无线电设备研究所 | 基于S2method时频分析的目标极点特征提取与检测方法 |
CN110471034A (zh) * | 2019-09-19 | 2019-11-19 | 上海无线电设备研究所 | 一种超宽带雷达波形设计方法 |
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 |
-
2020
- 2020-03-17 CN CN202010187509.7A patent/CN111308440A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080007445A1 (en) * | 2006-01-30 | 2008-01-10 | The Regents Of The University Of Ca | Ultra-wideband radar sensors and networks |
CN101598784A (zh) * | 2009-07-08 | 2009-12-09 | 西安电子科技大学 | 基于fa模型的强噪声背景下雷达距离像统计识别方法 |
US20120250748A1 (en) * | 2011-04-04 | 2012-10-04 | U.S. Government As Represented By The Secretary Of The Army | Apparatus and method for sampling and reconstruction of wide bandwidth signals below nyquist rate |
CN102288963A (zh) * | 2011-07-21 | 2011-12-21 | 西安电子科技大学 | 基于子孔径参数估计的双基地isar图像融合方法 |
CN104007424A (zh) * | 2014-05-28 | 2014-08-27 | 电子科技大学 | 基于时频分析的机动目标检测方法 |
CN105158739A (zh) * | 2015-08-28 | 2015-12-16 | 上海无线电设备研究所 | 一种基于全相位处理的线性调频信号旁瓣抑制方法 |
CN107976659A (zh) * | 2017-10-17 | 2018-05-01 | 上海无线电设备研究所 | 基于S2method时频分析的目标极点特征提取与检测方法 |
CN107942323A (zh) * | 2017-11-17 | 2018-04-20 | 西安电子科技大学 | 基于频域熵的进动目标时频曲线提取方法 |
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 |
CN110471034A (zh) * | 2019-09-19 | 2019-11-19 | 上海无线电设备研究所 | 一种超宽带雷达波形设计方法 |
Non-Patent Citations (4)
Title |
---|
宋晓岩: "基于小波变换的周期信号的特征提取", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
杨宇: "基于小波变换的RFID射频信号处理", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
谭姗姗: "基于S-Method时频分解后的高频雷达机动目标信号检测算法", 《中国优秀硕士学位论文全文数据库》 * |
黄博;高勇: "基于倒谱特征和小波包特征熵的直升机声目标识别", 《探测与控制学报 》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112946768A (zh) * | 2021-02-05 | 2021-06-11 | 西安思丹德信息技术有限公司 | 一种具有识别能力非接触隐匿物探测装置和方法 |
CN115508801A (zh) * | 2022-09-29 | 2022-12-23 | 上海无线电设备研究所 | 一种基于发射波形匹配的目标检测识别方法 |
CN115508801B (zh) * | 2022-09-29 | 2024-06-18 | 上海无线电设备研究所 | 一种基于发射波形匹配的目标检测识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garren et al. | Full-polarization matched-illumination for target detection and identification | |
Warde et al. | The autocorrelation spectral density for Doppler-weather-radar signal analysis | |
CN111308440A (zh) | 超宽带雷达目标检测方法、电子设备和存储介质 | |
Seyfried et al. | Stepped-frequency radar signal processing | |
Yang et al. | Radar emitter signal recognition based on time-frequency analysis | |
Abduljabbar et al. | Frequency dispersion compensation through variable window utilization in time-reversal techniques for electromagnetic waves | |
Ali Khan et al. | Direction of arrival estimation using adaptive directional time-frequency distributions | |
Reddy et al. | Optimization of orthogonal adaptive waveform design in presence of compound Gaussian clutter for MIMO radar | |
Karmakar et al. | Short Time Fourier Transform (STFT) for collision detection in chipless RFID systems | |
Naishadham et al. | State-space spectral estimation of characteristic electromagnetic responses in wideband data | |
Laaboubi et al. | Application of the reassignment time–frequency method on an acoustic signals backscattered by an air-filled circular cylindrical shell immersed in water | |
Abratkiewicz | Double‐adaptive chirplet transform for radar signature extraction | |
Yu et al. | Fast implementation for modified adaptive multi-pulse compression | |
Li et al. | Atomic decomposition of geometric acoustic scattering from underwater target | |
CN111443333B (zh) | 一种基于频谱综合的多方位匹配信号生成方法 | |
Duman et al. | Performance analysis of compressive‐sensing‐based through‐the‐wall imaging with effect of unknown parameters | |
Choi et al. | Iterative angle-and-time-domain gating technique for time-reversal MUSIC imaging | |
Yacoub et al. | A homomorphic approach for through-wall sensing | |
Cai et al. | A new approach for ground moving target indication in foliage environment | |
Zou et al. | Multiband radar signals coherent compensation with sparse representation | |
Yang et al. | FRFT based method to estimate DOA for wideband signal | |
Zhuo et al. | A subbandadaptive filter for DTV based passive radar | |
Yoon et al. | High resolution through-the-wall radar image based on beamspace eigenstructure subspace methods | |
Ding et al. | Data Fusion Network-Based Time-Frequency Enhancement Algorithm for Doppler Through-Wall Radar Tracking | |
Nishimoto | Identification of buried objects using scattering model parameters |
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: 20200619 |