CN111624573A - 一种海杂波背景下的时域自适应目标检测方法 - Google Patents
一种海杂波背景下的时域自适应目标检测方法 Download PDFInfo
- Publication number
- CN111624573A CN111624573A CN202010699846.4A CN202010699846A CN111624573A CN 111624573 A CN111624573 A CN 111624573A CN 202010699846 A CN202010699846 A CN 202010699846A CN 111624573 A CN111624573 A CN 111624573A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- target detection
- sea clutter
- intercepted
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000005404 monopole Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010287 polarization Effects 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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)
- 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
本发明公开了一种海杂波背景下的时域自适应目标检测方法,包括如下步骤:步骤S1,数字阵列雷达回波信号进行距离和多普勒处理之后,从邻近距离单元选取样本;步骤S2,通过窄平滑窗截取雷达频域数据;步骤S3,构造协方差矩阵;步骤S4,计算广义似然比,将其作为截取数据的中心频率点计算结果;步骤S5,重复步骤S2~S4,计算所有感兴趣的频率值,检测目标。
Description
技术领域
本发明涉及一种海杂波抑制方法,具体涉及一种海杂波背景下的时域自适应目标检测方法。
背景技术
海杂波来自于被雷达发射信号照射的海面后向散射回波,雷达在检测海面舰船目标时,必须克服海杂波影响。海杂波受雷达极化方式、工作频率、海情、风向等因素影响,呈现出明显非平稳、非高斯性,当海面微弱目标的雷达反射截面积很小时,目标信号常常淹没在海杂波和噪声中,因此,急需研究在海杂波影响条件下的目标检测方法。
目前国内有专利CN108872947A(“一种基于子空间技术的海杂波抑制方法”)介绍了一种基于子空间技术的海杂波抑制方法,该方法主要依据雷达系统单极子的距离多普勒谱矩阵统计单极子交叉组阵中高信噪比谱点的位置向量,通过交叉环内对应的幅度校准值以及相位校准值对第一单极子以及第二单极子交叉环环天线的距离多普勒谱校准。海杂波正负一阶谱区域内通过正负一阶峰边界构建正负一阶峰区域通过校准后单极子交叉环组阵的距离多普勒谱向量构建第一以及第二正交投影矩阵。该方法可有效抑制海杂波影响,但计算过程较为复杂,不利于工程化应用。
专利CN102914769A(“基于联合分形的海杂波背景下小目标检测方法”)介绍了一种基于联合分形的海杂波背景下小目标检测方法,该方法将加性模型的检测问题转化为分类问题,即将目标是否存在等价于是否属于纯海杂波所在的类,提出了一种特征联合检测算法,将海杂波数据利用趋势波动法建立双对数图,从时间序列的幅度中提取分形几何特征进行海上目标检测。该方法选择一段分形尺度范围内的分形维数以及分关键点的截距,具有较高的目标检测概率,但是无法高精度检测弱小目标位置信息,仅能探知大体范围。
2018年第9期的《电子与信息学报》期刊中公开文献《K分布海杂波背景下基于最大特征值的雷达信号检测算法》介绍了一种海杂波背景下的目标检测算法,该方法根据奈曼-皮尔逊准则,推导了似然比检测统计量与最大特征值之间的关系,进而提出了基于最大特征值的矩阵CFAR检测方法,实验结果表明该方法不仅计算复杂度低且具有较好的检测性能。然而,该方法在计算过程中需大量数据之后实现目标检测,无法满足目标检测实时性要求。
本发明基于上述方法的不足,提出了一种海杂波背景下的时域自适应目标检测方法,旨在采用时域自适应目标检测方法检测海杂波影响下的舰船目标,具有高性能低计算复杂度,便于工程实践。
发明内容
本发明的目的是提供一种海杂波背景下的时域自适应目标检测方法,计算量小,通用性好,易于工程实现。
为了实现以上目的,本发明是通过以下技术方案实现的:
一种海杂波背景下的时域自适应目标检测方法,其特点是,包括如下步骤:
步骤S1,数字阵列雷达回波信号进行距离和多普勒处理之后,从邻近距离单元选取样本;
步骤S2,通过窄平滑窗截取雷达频域数据;
步骤S3,构造协方差矩阵;
步骤S4,计算广义似然比,将其作为截取数据的中心频率点计算结果;
步骤S5,重复步骤S2~S4,计算所有感兴趣的频率值,检测目标。
所述的步骤S1中:
雷达回波数据在距离和多普勒处理后需进行目标检测,雷达目标检测可以表示为二元假设检测问题,即
式中,H0为没有目标情况下的假设;H1为存在目标情况下的假设;Z为待检测数据;C表示杂波数据;N表示高斯噪声,S表示目标回波;ft表示目标的多普勒频移;b表示目标的复幅度;
由于雷达回波数据量较大,现截取邻近距离单元数据以作为待检测数据Z。
所述的步骤S2中:
将待检测数据Z做傅里叶变换,得到频域数据Zf,利用窄平滑窗平滑截取待检测频域数据Zf。
定义滑动矩形窗函数为
式中,rect(·)为矩形窗函数;x为数值。
式中,n表示截取数据的时序数,且1≤n≤2m+1;k表示第k段截取数据。
所述的步骤S3中:
所述的步骤S4中:
计算广义似然比(generalized likelihood ratio,GLR):
式中,Sf为以频率fk为中间频率的截取距离段内目标信号频域数据;γ为判决阈值。
所述的步骤S5包括:
判断是否所有感兴趣频率都已经计算了广义似然比,如果没有计算完成,则重复步骤S2~步骤S4,并依据式(5)检测目标。
本发明与现有技术相比,具有以下优点:
1、可在低信杂比条件下,有效抑制海杂波影响,实现目标的高效检测。
2、计算量小,便于实际工程实现。
附图说明
图1为本发明一种海杂波背景下的时域自适应目标检测方法的流程图;
图2为本发明实施例的仿真结果图。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
雷达相参积累脉冲数为4096,数据距离分辨单元的杂波和临近距离分辨单元的杂波差异性较小,样本可较好的描述距离分辨单元的杂波特性,在0.25Hz处加入一个被淹没的仿真目标。
如图1、2所示,本发明提出的方法对上述实施例条件执行以下步骤:
步骤S1、雷达回波数据在距离和多普勒处理后需进行目标检测,雷达目标检测可以表示为二元假设检测问题,即
式中,H0为没有目标情况下的假设;H1为存在目标情况下的假设;Z为待检测数据;C表示杂波数据;N表示高斯噪声,S表示目标回波;ft表示目标的多普勒频移;b表示目标的复幅度。
由于雷达回波数据量较大,现截取邻近距离单元数据以作为待检测数据Z。
步骤S2、将待检测数据Z做傅里叶变换,得到频域数据Zf,利用窄平滑窗平滑截取待检测频域数据Zf。
定义滑动矩形窗函数为
式中,rect(·)为矩形窗函数;x为数值。
式中,n表示截取数据的时序数,且1≤n≤2m+1;k表示第k段截取数据。
步骤S4、计算广义似然比(generalized likelihood ratio,GLR):
式中,Sf为以频率fk为中间频率的截取距离段内目标信号频域数据;γ为判决阈值。
步骤5、重复步骤S2~S4,计算所有感兴趣的频率值,检测目标。
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 (6)
1.一种海杂波背景下的时域自适应目标检测方法,其特征在于,包括如下步骤:
步骤S1,数字阵列雷达回波信号进行距离和多普勒处理之后,从邻近距离单元选取样本;
步骤S2,通过窄平滑窗截取雷达频域数据;
步骤S3,构造协方差矩阵;
步骤S4,计算广义似然比,将其作为截取数据的中心频率点计算结果;
步骤S5,重复步骤S2~S4,计算所有感兴趣的频率值,检测目标。
6.如权利要求1所述的海杂波背景下的时域自适应目标检测方法,其特征在于,所述的步骤S5包括:
判断是否所有感兴趣频率都已经计算了广义似然比,如果没有计算完成,则重复步骤S2~步骤S4,并依据式(5)检测目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699846.4A CN111624573A (zh) | 2020-07-20 | 2020-07-20 | 一种海杂波背景下的时域自适应目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010699846.4A CN111624573A (zh) | 2020-07-20 | 2020-07-20 | 一种海杂波背景下的时域自适应目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111624573A true CN111624573A (zh) | 2020-09-04 |
Family
ID=72271474
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010699846.4A Pending CN111624573A (zh) | 2020-07-20 | 2020-07-20 | 一种海杂波背景下的时域自适应目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111624573A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112255607A (zh) * | 2020-09-30 | 2021-01-22 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN113009444A (zh) * | 2021-02-26 | 2021-06-22 | 南京邮电大学 | 一种广义高斯纹理海杂波背景下的目标检测方法及装置 |
CN113589251A (zh) * | 2021-07-29 | 2021-11-02 | 上海无线电设备研究所 | 一种Mean-Shift回波聚类后的单元平均恒虚警检测方法 |
CN117826113A (zh) * | 2024-03-05 | 2024-04-05 | 湖南赛能环测科技有限公司 | 一种深度感知的雷达微信号检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105738883A (zh) * | 2016-04-08 | 2016-07-06 | 南京邮电大学 | 一种部分均匀海杂波背景下的平滑广义似然比检测方法 |
CN106483515A (zh) * | 2016-09-23 | 2017-03-08 | 西安电子科技大学 | 均匀k分布杂波下的最优自适应检测方法 |
CN106569193A (zh) * | 2016-11-01 | 2017-04-19 | 西安电子科技大学 | 基于前‑后向收益参考粒子滤波的海面小目标检测方法 |
CN106970369A (zh) * | 2017-04-24 | 2017-07-21 | 西安电子科技大学 | 基于知识辅助的宽带雷达目标检测方法 |
WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统 |
-
2020
- 2020-07-20 CN CN202010699846.4A patent/CN111624573A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105738883A (zh) * | 2016-04-08 | 2016-07-06 | 南京邮电大学 | 一种部分均匀海杂波背景下的平滑广义似然比检测方法 |
WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统 |
CN106483515A (zh) * | 2016-09-23 | 2017-03-08 | 西安电子科技大学 | 均匀k分布杂波下的最优自适应检测方法 |
CN106569193A (zh) * | 2016-11-01 | 2017-04-19 | 西安电子科技大学 | 基于前‑后向收益参考粒子滤波的海面小目标检测方法 |
CN106970369A (zh) * | 2017-04-24 | 2017-07-21 | 西安电子科技大学 | 基于知识辅助的宽带雷达目标检测方法 |
Non-Patent Citations (1)
Title |
---|
郭晓江,: "基于自适应时域处理的展宽海杂波背景下目标检测", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112255607A (zh) * | 2020-09-30 | 2021-01-22 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN112255607B (zh) * | 2020-09-30 | 2022-06-07 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN113009444A (zh) * | 2021-02-26 | 2021-06-22 | 南京邮电大学 | 一种广义高斯纹理海杂波背景下的目标检测方法及装置 |
CN113009444B (zh) * | 2021-02-26 | 2023-06-06 | 南京邮电大学 | 一种广义高斯纹理海杂波背景下的目标检测方法及装置 |
CN113589251A (zh) * | 2021-07-29 | 2021-11-02 | 上海无线电设备研究所 | 一种Mean-Shift回波聚类后的单元平均恒虚警检测方法 |
CN113589251B (zh) * | 2021-07-29 | 2024-01-05 | 上海无线电设备研究所 | 一种Mean-Shift回波聚类后的单元平均恒虚警检测方法 |
CN117826113A (zh) * | 2024-03-05 | 2024-04-05 | 湖南赛能环测科技有限公司 | 一种深度感知的雷达微信号检测方法 |
CN117826113B (zh) * | 2024-03-05 | 2024-05-10 | 湖南赛能环测科技有限公司 | 一种深度感知的雷达微信号检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111624573A (zh) | 一种海杂波背景下的时域自适应目标检测方法 | |
Jalil et al. | Analysis of CFAR techniques | |
Chen et al. | A fast FRFT based detection algorithm of multiple moving targets in sea clutter | |
WO2014197139A1 (en) | System and method for distribution free target detection in a dependent non-gaussian background | |
Inggs et al. | Ship target recognition using low resolution radar and neural networks | |
CN110837078A (zh) | 基于相关特性的阵列地波雷达海杂波背景下目标检测方法 | |
Sahal et al. | Comparison of CFAR methods on multiple targets in sea clutter using SPX-radar-simulator | |
Xue et al. | Knowledge-based target detection in compound Gaussian clutter with inverse Gaussian texture | |
Zhang et al. | Detection of sea-surface small targets masked by range sidelobes of large objects | |
Tohidi et al. | Compressed-domain detection and estimation for colocated MIMO radar | |
Mao et al. | An efficient anti-interference imaging technology for marine radar | |
Chen et al. | Enhanced target detection for HFSWR by 2-D MUSIC based on sparse recovery | |
Alfano et al. | Polarization diversity detection of distributed targets in compound-Gaussian clutter | |
Joshi et al. | Sea clutter model comparison for ship detection using single channel airborne raw SAR data | |
CN107315169B (zh) | 基于二阶统计量相似度的杂波协方差矩阵估计方法 | |
Zhang et al. | Estimation of complex high-resolution range profiles of ships by sparse recovery iterative minimization method | |
CN113625265B (zh) | 基于波束空间的方位超分辨方法 | |
Liang et al. | DNLS: A detection method based on normalized short-time Fourier transform-radon transform for low frequency sonar pulse signal | |
Turley | Signal processing techniques for maritime surveillance with skywave radar | |
Joshi et al. | Automatic cfar ship detection in single–channel range-compressed airborne radar data | |
CN115032601A (zh) | 一种基于空时联合滤波技术抑制图像序列中海杂波的航海雷达目标检测算法 | |
CN113156392A (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
CN111948613A (zh) | 基于自适应背景区选取的船载地波雷达目标检测方法 | |
Shui et al. | Ship radial size estimation in high-resolution maritime surveillance radars via sparse recovery using linear programming | |
CN113702937B (zh) | 基于自适应mti滤波器的双通道非相干检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |
|
RJ01 | Rejection of invention patent application after publication |