CN111693960A - 一种变频压缩感知雷达的信号处理方法 - Google Patents
一种变频压缩感知雷达的信号处理方法 Download PDFInfo
- Publication number
- CN111693960A CN111693960A CN202010530669.7A CN202010530669A CN111693960A CN 111693960 A CN111693960 A CN 111693960A CN 202010530669 A CN202010530669 A CN 202010530669A CN 111693960 A CN111693960 A CN 111693960A
- Authority
- CN
- China
- Prior art keywords
- radar
- signal
- frequency
- target
- compressed sensing
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000006243 chemical reaction Methods 0.000 claims abstract description 28
- 238000011084 recovery Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000001427 coherent effect Effects 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 37
- 238000001514 detection method Methods 0.000 abstract description 19
- 238000010586 diagram Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 16
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000009827 uniform distribution 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
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
本发明公开了一种变频压缩感知雷达的信号处理方法,包括将不同载频的脉冲按照发送次序将同余数的脉冲进行区分,获得多个单载频的雷达回波信号;对每组相同载频的回波信号进行稀疏恢复处理;其后再对不同载频的回波信号重构处理的结果进行后处理;取最大值附近区间内的数据进行投票,获得最终的还原信号。该方法结合传统雷达的恒虚警检测和压缩感知雷达信号重构的思想下,建立了基于压缩感知的随机调制变频雷达目标检测模型。同时利用发射信号的随机特性,提出了多路信号的加权算法,获得最终的还原信号,可实现多目标下的变频压缩感知雷达的目标检测。
Description
技术领域
本发明涉及雷达信号处理技术领域,特别涉及一种变频压缩感知雷达的信号处理方法。
背景技术
传统雷达因为采样信号中含有过多的冗余信息,以及等间距采样带来的频谱叠加的问题,导致在后期处理中不可避免的要对信号的模糊问题进行处理。而压缩感知理论深入描述了信号稀疏性和信号重构中的观测随机性的问题。因此将压缩感知理论应用在雷达信号处理上,可以同时解决信号冗余和模糊的问题。
上述压缩感知基本理论:
传统的快速傅里叶变换过程是正向计算的过程,即直接对信号进行固定的运算取得结果的过程,其流程可以简化为图1所示。
而压缩感知实质是一种通过结果来反推信号本身的过程,如图2所示。假定一个原始信号是N维向量y,对其进行随机间隔采样将得到一个M(M<N)维测量向量y',其过程可以表示为:
y'=φy (1)
其中,φ为观测矩阵。
另外,由于y是原始信号在时域上的表示。如果y在ψ域上可以被另一个信号s稀疏表示,则又有:
y=ψs (2)
其中s中仅有K(K<<N)个非零系数,信号y被称为在基ψ上是稀疏的。称ψ为s的稀疏基,K为信号的稀疏度。
由式(1)和式(2),将观测矩阵φ和稀疏基ψ相乘,可得:
y'=φψs=Θs (3)
Θ称为感知矩阵。而稀疏恢复的过程,就是通过求解以下问题,找到一个最优的s:
min||s||l0 s.t.y=Θs (4)
压缩感知雷达因为完全基于信号稀疏恢复理论,因此保证信号的稀疏性是可以完好重构原始信号的一大前提。这就导致了在目标数量增加时,信号稀疏性被破坏,雷达的检测性能下降。
因此,如何解决基于压缩感知的随机调制雷达在目标数量较多的情况下的目标检测问题,是同行从业人员亟待解决的问题。
发明内容
鉴于上述问题,本发明提供一种至少解决上述部分技术问题的变频压缩感知雷达的信号处理方法,优化目前压缩感知雷达在面对多目标处理时旁瓣基底高,虚警率高的问题。
本发明实施例提供一种变频压缩感知雷达的信号处理方法,包括以下步骤:
S10、将不同载频的脉冲按照发送次序将同余数的脉冲进行区分,获得多个单载频的雷达回波信号;
S20、对每组相同载频的回波信号进行稀疏恢复处理;其后再对不同载频的回波信号重构处理的结果进行后处理;
S30、取最大值附近区间内的数据进行投票,获得最终的还原信号。
在一个实施例中,所述步骤S10,包括:
1.1)假定多重频压缩感知雷达发射的相参脉冲串信号有M个宽度为T的矩形脉冲,雷达发射K种不同载波频率的脉冲串信号;构建发射脉冲序号和载波频率的关系,第k种信号的载波频率表示为fk=f0+k·Δf;其中,f0表示一个固定的起始频率;Δf表示不同载频之间的频率间隔;
1.2)设同一距离门内同时存在H个目标,其散射截面积分别为Ah,与雷达之间的初始距离分别为R0h,目标h以径向速度vh匀速直线运动,朝向雷达为正;
1.3)将脉冲串信号的每个子脉冲回波与exp(j2πfnt)混频后采样,并假设目标所处的距离门为其中,Tm表示第m个脉冲的发出时刻,表示脉冲到达目标后反射回接收机所需的时间,表示目标所处的位置到雷达的距离;则输出信号表示为:
(5)式中,t0h=2R0h/c表示目标初始距离到雷达的时间;c表示脉冲发射速度,为光速;表示不影响相参处理的复包络,与m无关;2fmvh/c表示目标在不同载频下的多普勒频率;fm表示第m种信号的载波频率。
在一个实施例中,将获得多个单载频的雷达回波信号,在进行相参处理时,将不同频率的信号分开处理;所述步骤1.3)中公式(5)的载频fm用fk替换,其中下标m表示发射的脉冲而k表示使用的载频;输出信号表示为:
转化成抽象数学模型:
在一个实施例中,将所述公式(7)视为一个欠定线性系统:
sk=Θ(β,ξ)α+w (8)
(8)式中,sk=[sk[0],sk[1]...sk[M-1]]T表示欠采样获得的信号;β=[β[0],β[1]...β[N-1]]T表示对感兴趣目标的多普勒频率范围等间距离散化成N份;ξ=[ξ[0],ξ[1]...ξ[M-1]]T表示随机欠采样的采样时间;Θ(β,ξ)为包含变量β[n],ξ[m]的M×N维的感知矩阵,每个元素为Θ[m,n]=exp(j2πβ[n]ξ[m])。
在一个实施例中,所述步骤S20包括:
假设在雷达场景中目标数量低于预设阈值时,视雷达回波为稀疏信号,则公式(8)中,α=[α[0],α[1]...α[N-1]]T中含有大量的元素α[n]=0;
矩阵Θ(β,ξ)需要满足RIP条件,求解获得稀疏信号,并且通过公式(9)转换求解范数:
采用同伦算法,通过迭代的方式进行目标信号的重构。
在一个实施例中,采用同伦算法,通过迭代的方式进行目标信号的重构,包括:
进行稀疏信号恢复时,将复数域的数据变换到实数域;变换服从以下规则:
则公式(8)将变为:
公式(10)-(14)中,Re(x)表示复数x的实部,Im(x)表示复数x的虚部,其中x为括号内参数表示复数。
在一个实施例中,所述步骤S30,包括:
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种变频压缩感知雷达的信号处理方法,包括将不同载频的脉冲按照发送次序将同余数的脉冲进行区分,获得多个单载频的雷达回波信号;对每组相同载频的回波信号进行稀疏恢复处理;当目标数量达到预设数量时,对不同载频的回波信号重构处理的结果进行后处理;取最大值附近区间内的数据进行投票,获得最终的还原信号。该方法结合传统雷达的恒虚警检测和压缩感知雷达信号重构的思想下,建立了基于压缩感知的随机调制变频雷达目标检测模型。同时利用发射信号的随机特性,提出了多路信号的加权算法,获得最终的还原信号,可实现多目标下的变频压缩感知雷达的目标检测。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为现有技术中传统的快速傅里叶变换过程示意图;
图2为压缩感知中的稀疏信号恢复过程示意图;
图3为本发明实施例提供的变频压缩感知雷达的信号处理方法流程图;
图4为变频压缩感知雷达使用不同载频交替发射脉冲示意图;
图5为压缩感知雷达使用单个载频发射所有的脉冲示意图;
图6为将使用不同载频发射的脉冲分到多个通道处理示意图;
图7为本发明实施例提供的变频压缩感知雷达信号处理过程示意图;
图8为本发明实施例提供的八通道压缩感知算法还原12个目标信号的示意图;
图9为八通道压缩感知算法还原20个目标信号的示意图;
图10为单通道压缩感知算法还原目标信号的示意图;
图11为取平均数还原目标信号结果图;
图12为取八通道的中位数还原目标信号结果图;
图13为取八通道的最大值还原目标信号结果图;
图14a为采用取平均数还原10个目标信号的示意图;
图14b为采用取中位数还原10个目标信号的示意图;
图14c为采用取最大值附近区间内的数据进行投票还原10个目标信号的示意图;
图14d为采用取平均数还原15个目标信号的示意图;
图14e为采用取中位数还原15个目标信号的示意图;
图14f为采用取最大值附近区间内的数据进行投票还原15个目标信号的示意图;
图14g为采用取平均数还原20个目标信号的示意图;
图14h为采用取中位数还原20个目标信号的示意图;
图14i为采用取最大值附近区间内的数据进行投票还原20个目标信号的示意图;
图15a为目标个数不同时候的PSLR、且信噪比SNR=20dB的示意图;
图15b为目标个数不同时候的ISLR、且信噪比SNR=20dB的示意图;
图16a为目标个数不同时候的PSLR、且信噪比SNR=10dB的示意图;
图16b为目标个数不同时候的ISLR、且信噪比SNR=10dB的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
参照图3所示,本发明实施例提供的一种变频压缩感知雷达的信号处理方法,包括以下步骤:
S10、将不同载频的脉冲按照发送次序将同余数的脉冲进行区分,获得多个单载频的雷达回波信号;
S20、对每组相同载频的回波信号进行稀疏恢复处理;其后再对不同载频的回波信号重构处理的结果进行后处理;
S30、取最大值附近区间内的数据进行投票,获得最终的还原信号。
该方法结合传统雷达的恒虚警检测和压缩感知雷达信号重构的思想下,建立了基于压缩感知的随机调制变频雷达目标检测模型。同时利用发射信号的随机特性,提出了多路信号的加权算法,获得最终的还原信号,可实现多目标下的变频压缩感知雷达的目标检测。
下面详细说明上述各个步骤。
其中,上述步骤S10~S20构建多重频的压缩感知雷达信号模型:
假定变频压缩感知雷达发射的相参脉冲串信号有M个宽度为T的矩形脉冲,雷达发射K种不同载波频率的脉冲串信号,第k种信号的载波频率表示为fk=f0+k·Δf,其中,f0表示一个固定的起始频率;Δf表示不同载频之间的频率间隔。每个脉冲的起始时刻为Tm,Tm在CPI(0,MTr)中服从某种随机分布。CPI为时序概念,一个CPI包含一组PRT,一个PRT完成一次收发。其中CPI为相干处理间隔,一个CPI内部通过FFT实现同一距离单元内信号的相干积累。Tr为平均PRI。由于脉冲串信号包含M个脉冲,所以每种频率发送的脉冲数为M/K。其中不同载波频率的脉冲按顺序循环发送。如表1所示:
第m个脉冲 | 发送的信号载波频率 |
1 | f<sub>1</sub>=f<sub>0</sub>+1·Δf |
2 | f<sub>2</sub>=f<sub>0</sub>+2·Δf |
m | f<sub>m</sub>=f<sub>0</sub>+(mmodK)·Δf |
表1发射脉冲序号和载波频率的关系
设同一距离门内同时存在H个目标,其散射截面积分别为Ah,与雷达之间的初始距离分别为R0h,目标h以径向速度vh匀速直线运动,朝向雷达为正。
将脉冲串信号的每个子脉冲回波与exp(j2πfnt)混频后采样,并假设目标所处的距离门为其中Tm表示第m个脉冲的发出时刻,表示脉冲到达目标后反射回接收机所需的时间,表示目标所处的位置到雷达的距离。则输出信号可以表示为
该信号可以使用表格直观表示。假设K=4,则发射的脉冲和频率的对应关系如图4所示,表示为变频压缩感知雷达使用不同载频交替发射脉冲。参照图5所示,为压缩感知雷达使用单个载频发射所有的脉冲示意图。将图4中相同载波频率的脉冲区分开来,视为使用不同载波频率发射了多个通道的雷达脉冲信号,参照图6所示,将使用不同载频发射的脉冲分到多个通道处理。
由于每个载频对应单个通道,如无特殊说明,下文描述的多通道,即为将不同载频信号分为多通道处理之意。由图6可知,将使用不同载频发射的脉冲分到多个通道处理在进行相参处理时,将不同频率的信号分开处理。则式(5)中的载频fm可以用fk替换,其中下标m表示发射的脉冲而k表示使用的载频。输出信号也可以表示为:
上述公式(6)页可以被转化成下面的抽象数学模型:
令βh=2fkvh/c,ξ[m]=Tm;由上述表达式(7)可知,αh表示一个不随m变化而变化的常复数,βh表示目标的多普勒频率,表示脉冲起始时间,等效于随机采样的时间;w表示回波中存在的噪声或者干扰信号。
进一步地,可以再将该模型视为一个如下的欠定线性系统:
sk=Θ(β,ξ)α+w (8)
(8)式中,sk=[sk[0],sk[1]...sk[M-1]]T表示欠采样获得的信号;β=[β[0],β[1]...β[N-1]]T表示对感兴趣目标的多普勒频率范围等间距离散化成N份;ξ=[ξ[0],ξ[1]...ξ[M-1]]T表示随机欠采样的采样时间;Θ(β,ξ)为包含变量β[n],ξ[m]的M×N维的感知矩阵,每个元素为Θ[m,n]=exp(j2πβ[n]ξ[m])。w表示回波中存在的噪声或者干扰信号。当目标h的多普勒频率βh恰好落在β[n]上,则对应的α[n]=αh,其余α[n]=0。
对于目标距离的测量,可以使用距离波门控制感兴趣的距离。而对于目标的速度检测,实际就是求解式(8)中α的过程。
由于在雷达场景中目标数量有限,根据具体情况,可以视为雷达回波是稀疏信号,因此α=[α[0],α[1]...α[N-1]]T中含有大量的元素α[n]=0。
雷达目标检测的任务就是在已知sk和Θ(β,ξ)的情况下,尽可能准确的还原α。
在Θ(β,ξ)已经满足RIP特性的前提下,可以通过求解公式(4)中的问题获得稀疏信号。但求解最小l0范数是一个NP难问题,无法直接求解。因此,本发明实施例中,可将公式(4)转化为下面的求解l1范数的问题(也称BPDN法)。其中:矩阵Θ(β,ξ)需要满足RIP条件:定义一个变量δS,如果对于正整数S,可以满足以下条件:
本实施例中,拟采用典型的同伦算法,通过迭代的方式进行目标信号的重构。由于同伦算法仅仅适用于实数域,因此在进行稀疏信号恢复时,需要将复数域的数据变换到实数域,其变换服从以下规则。
则公式(8)将变为:
公式(10)-(14)中,Re(x)表示复数x的实部,Im(x)表示复数x的虚部,其中x为括号内参数表示复数。
本实施例中,变频压缩感知雷达对每一个相同频率的目标回波模型都可以视为典型的压缩感知模型,其信号处理的过程如图7所示。
具体地,根据图7所示,对于回波信号的处理分为:
(1)拆分不同载频的回波信号
由于不同载频的脉冲为按序依次循环发送,因此,参照图6所示,只需要按照发送次序将同余数的脉冲进行区分,就可以得到多个形如图5的单载频的雷达回波信号。
(2)对每组相同载频的回波信号进行稀疏恢复处理
对压缩感知雷达来说,只要对单载频的信号进行稀疏恢复,即可以较准确的重构出目标信息。但是当目标数量增加时,比如目标数量大于预设阈值5时,稀疏恢复的漏警现象也会加剧,导致难以准确重构出目标信息。并且单一的增加发射脉冲数量无法较好改善漏警现象。因此,在这种情况下需要对不同载频的回波信号重构出来的结果进行后处理。
(3)利用投票的方法获得最终的还原信号
由图8中可以看出,若在多普勒频率βn上有目标,则多个通道的数据会集中在目标附近。图中通道一在还原左数第二个目标时出现了旁瓣。不过可以通过对多通道数据进行加权求和来消除旁瓣的影响。由于压缩感知还原信号的过程中涉及到随机过程,采用多通道加权求和可以有效地避免因随机过程引发的虚警问题。
下面使用三种方式进行加权求和运算,并进行了初步效果对比。对比的环境为八通道变频雷达,扫描的目标个数为20个。
八个通道还原出来的目标信号和正确的目标信号进行对比如图9和图10所示。取图9中的通道一数据得到图9,可见使用单通道还原多个目标信号的结果并不理想,因此对多通道进行整合是很有必要的。
方式一:取平均数E,处理结果见图11。对比图10,取八通道平均值还原出的目标信号幅度比真实目标信号略低,但是较好的抑制了旁瓣。由于单个通道对目标信号进行还原时,有部分的信号能量泄露到旁瓣,导致还原信号的幅度比真实信号略低,直接取均值并不能很好的避免能量泄露。
方式二:取中位数M(mid),处理结果见图12。对比图11可见,取中位数可以很好的压制住旁瓣,因为旁瓣是随机出现的而没有固定规律。相比之下,目标对应的多普勒频率在每个通道上都会出现峰值。取中位数可以很好的还原目标的速度信息,却无法很好的还原幅度信息。
方式三:取最大值M(max)附近区间内的数据进行投票,具体过程如下:
图13中为取ε0=0.5以及进行统计后的结果。对比图12可见,该方法不仅可以还原目标的速度信息,且对于目标的幅度信息还原也比较到位。如果对比图9其实就可以发现,八个通道的还原信号中总有一个是准确的还原了目标信息的,而统计方法仅仅是将其中计算正确的部分分辨出来了而已。
本发明实施例提供的变频压缩感知雷达的信号处理方法,可通过仿真实验验证方案的优越性,其中,系统仿真参数比如可设置如下:仿真平台:win10,matlab2019b;一些恒定不变的参数比如设置如下:CPI为6.4ms,脉冲宽度设定为2us。每个脉冲的起始时刻为Tm在CPI中服从离散均匀分布。
下面对本发明实施例提供的变频压缩感知雷达的信号处理方法的检测性能进行分析:
此处分析变频压缩感知雷达的目标检测性能,与单载频压缩感知雷达的处理结果进行对比。在这里本发明需要对三种检测方式进行对比:
(1)单载频的压缩感知雷达(脉冲个数为64);
(2)单载频的压缩感知雷达,并增加脉冲个数至与变频压缩感知雷达相同;
(3)变频压缩感知雷达,假定变频压缩感知雷达发射含有8种不同的载波频率的相参脉冲串信号,每种载波频率发射的脉冲个数为64,共计发送8*64=512个脉冲。其中设置对照组(2)的目的在于验证检测性能的提升并非单纯由脉冲数量的提升带来的效果。
影响压缩感知雷达多普勒性能的一个重要因素就是信号本身的稀疏性,即目标的个数。压缩感知雷达本身利用了信号的稀疏性作为信号还原的基本理论,其性能也会较大的受到稀疏性影响。为了分析这种影响,假设同一个距离单元内多个目标在非模糊的速度范围内随机分布。令多普勒单元个数N=128,固定信噪比为20dB,使用上文提到的三种方式(三种方式进行加权求和运算),对雷达散射截面积的幅度服从瑞利分布,相位服从均匀分布的目标,当个数分别为H=1,H=5,H=10,H=15,H=20时,进行多普勒频谱图的还原效果对比。
参照图14a-14i所示,分别为H=10、H=15和H=20,分别使用不同方法还原多个目标时得到的多普勒频谱。其中,图14a、14d、14g为方式一,图14b、14e、14h为方式二,图14c、14f、14i为方式三(即本发明所采用的方法)。
当目标个数较少时,H=1、H=5时,单载频的压缩感知雷达和变频压缩感知雷达处理的结果相差不大,得到的目标速度和反射强度精度都很高,且基本没有虚警。
而当目标个数增加到H=10的时候,采用方式一的处理结果已经有可见的旁瓣,其幅值和有着最小雷达散射截面积的目标相当,容易造成虚警,增加了脉冲个数的方式二和方式三则可以很好的解决这个问题。
再当目标个数进一步来到H=15和H=20的时候,仅仅依靠增加脉冲个数的方式二已经无法胜任目标检测,位于多普勒单元100到120之间的目标极有可能被混淆在较高的旁瓣基底中,很难被区分出来。而对于本发明提出的方式三,在目标数量较多时依然可以保持较少的旁瓣基底以及明显的目标对应峰值,完全可以被检测到。
另外,还可以从旁瓣基底抑制性能分析;
为了更直观的对比旁瓣基底抑制水平,可以引入峰值旁瓣比(以下简称PSLR)和积分旁瓣比(以下简称ISLR)两项参数来对不同脉冲个数下的旁瓣抑制性能进行分析。PSLR和ISLR的定义如下
由公式(17)和公式(18)可知,当PSLR和ISLR值较低时,意味着较低的旁瓣功率,同时也代表着高的检测成功概率。
仍然使用100次蒙特卡罗模拟取平均值来获得统计性能。为此,对于单载频和变频的压缩感知雷达算法,统计当信噪比SNR=10dB,20dB且多普勒单元个数为128,使用上文提到的三种方式。为了保持最高峰值响应幅度一致,特别设置所有目标的雷达散射截面积为1,统计目标个数由1个阶梯增加到20个时候的计算结果。
参照图15a-15b及图16a、16b所示,可以看出,随着目标个数的增加,方式一(方法1)和方式二(方法2)对应的PSLR和ISLR值会有较明显的增加。而相对的,本发明提出的方式三(方法3)虽然也有所增加,但带来的改善还是相对明显的。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种变频压缩感知雷达的信号处理方法,其特征在于,包括以下步骤:
S10、将不同载频的脉冲按照发送次序将同余数的脉冲进行区分,获得多个单载频的雷达回波信号;
S20、对每组相同载频的回波信号进行稀疏恢复处理;其后再对不同载频的回波信号重构处理的结果进行后处理;
S30、取最大值附近区间内的数据进行投票,获得最终的还原信号。
2.如权利要求1所述的一种变频压缩感知雷达的信号处理方法,其特征在于,所述步骤S10,包括:
1.1)假定多重频压缩感知雷达发射的相参脉冲串信号有M个宽度为T的矩形脉冲,雷达发射K种不同载波频率的脉冲串信号;构建发射脉冲序号和载波频率的关系,第k种信号的载波频率表示为fk=f0+k·Δf;其中,f0表示一个固定的起始频率;Δf表示不同载频之间的频率间隔;
1.2)设同一距离门内同时存在H个目标,其散射截面积分别为Ah,与雷达之间的初始距离分别为R0h,目标h以径向速度vh匀速直线运动,朝向雷达为正;
1.3)将脉冲串信号的每个子脉冲回波与exp(j2πfnt)混频后采样,并假设目标所处的距离门为其中,Tm表示第m个脉冲的发出时刻,表示脉冲到达目标后反射回接收机所需的时间,表示目标所处的位置到雷达的距离;则输出信号表示为:
4.如权利要求3所述的一种变频压缩感知雷达的信号处理方法,其特征在于,将所述公式(7)视为一个欠定线性系统:
sk=Θ(β,ξ)α+w (8)
(8)式中,sk=[sk[0],sk[1]...sk[M-1]]T表示欠采样获得的信号;β=[β[0],β[1]...β[N-1]]T表示对感兴趣目标的多普勒频率范围等间距离散化成N份;ξ=[ξ[0],ξ[1]...ξ[M-1]]T表示随机欠采样的采样时间;Θ(β,ξ)为包含变量β[n],ξ[m]的M×N维的感知矩阵,每个元素为Θ[m,n]=exp(j2πβ[n]ξ[m])。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530669.7A CN111693960A (zh) | 2020-06-11 | 2020-06-11 | 一种变频压缩感知雷达的信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010530669.7A CN111693960A (zh) | 2020-06-11 | 2020-06-11 | 一种变频压缩感知雷达的信号处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111693960A true CN111693960A (zh) | 2020-09-22 |
Family
ID=72480524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010530669.7A Pending CN111693960A (zh) | 2020-06-11 | 2020-06-11 | 一种变频压缩感知雷达的信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111693960A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189570A (zh) * | 2021-04-23 | 2021-07-30 | 中国科学院声学研究所 | 一种基于复域压缩感知的阵列信号处理方法及系统 |
CN115825953A (zh) * | 2023-02-16 | 2023-03-21 | 西安电子科技大学 | 一种基于随机频率编码信号的前视超分辨成像方法 |
RU2808449C1 (ru) * | 2023-03-01 | 2023-11-28 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза А.М. Василевского" Министерства обороны Российской Федерации | Способ формирования дальностного портрета повышенной информативности на основе использования сигналов с перестройкой частоты от импульса к импульсу |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040150552A1 (en) * | 2003-01-30 | 2004-08-05 | Barbella Peter F. | Technique for non-coherent integration of targets with ambiguous velocities |
CN105785338A (zh) * | 2016-03-09 | 2016-07-20 | 西安电子科技大学 | 一种频率捷变雷达载频的优化方法 |
CN107064883A (zh) * | 2016-11-28 | 2017-08-18 | 南京理工大学 | 一种基于压缩感知的线性调频雷达信号处理方法 |
WO2018045566A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 |
CN110954885A (zh) * | 2019-11-26 | 2020-04-03 | 西安电子科技大学 | 基于sbl的捷变频雷达自适应目标重构方法 |
-
2020
- 2020-06-11 CN CN202010530669.7A patent/CN111693960A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040150552A1 (en) * | 2003-01-30 | 2004-08-05 | Barbella Peter F. | Technique for non-coherent integration of targets with ambiguous velocities |
CN105785338A (zh) * | 2016-03-09 | 2016-07-20 | 西安电子科技大学 | 一种频率捷变雷达载频的优化方法 |
WO2018045566A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 |
CN107064883A (zh) * | 2016-11-28 | 2017-08-18 | 南京理工大学 | 一种基于压缩感知的线性调频雷达信号处理方法 |
CN110954885A (zh) * | 2019-11-26 | 2020-04-03 | 西安电子科技大学 | 基于sbl的捷变频雷达自适应目标重构方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113189570A (zh) * | 2021-04-23 | 2021-07-30 | 中国科学院声学研究所 | 一种基于复域压缩感知的阵列信号处理方法及系统 |
CN115825953A (zh) * | 2023-02-16 | 2023-03-21 | 西安电子科技大学 | 一种基于随机频率编码信号的前视超分辨成像方法 |
RU2808449C1 (ru) * | 2023-03-01 | 2023-11-28 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза А.М. Василевского" Министерства обороны Российской Федерации | Способ формирования дальностного портрета повышенной информативности на основе использования сигналов с перестройкой частоты от импульса к импульсу |
RU2815730C1 (ru) * | 2023-07-27 | 2024-03-21 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза А.М. Василевского" Министерства обороны Российской Федерации | Способ формирования дальностного портрета, получаемого на основе использования сигналов с перестройкой частоты, от импульса к импульсу, за счет построения характеристики изменения радиальной скорости воздушного объекта |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061589B (zh) | 随机跳频雷达的目标运动参数估计方法 | |
CN110095765B (zh) | 捷变频雷达的高分辨多普勒重构方法 | |
CN111198374B (zh) | 基于时空频联合干扰抑制的多普勒敏感信号动目标水声探测方法 | |
CN111693960A (zh) | 一种变频压缩感知雷达的信号处理方法 | |
CN105699952B (zh) | 海杂波k分布形状参数的双分位点估计方法 | |
CN110954885B (zh) | 基于sbl的捷变频雷达自适应目标重构方法 | |
CN110208785B (zh) | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 | |
CN111781574B (zh) | 基于子空间正交投影的捷变频雷达目标参数估计方法 | |
CN113376601A (zh) | 基于clean算法的捷变频雷达旁瓣抑制方法 | |
CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
EP4083654A1 (en) | Radar communication with interference suppression | |
CN102025427A (zh) | 频谱检测的方法及用户设备与融合设备 | |
CN109283506B (zh) | 基于稀疏傅立叶变换的弱目标信号检测装置及方法 | |
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 | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
TW202030496A (zh) | 訊號處理方法 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
Wang et al. | Research on radar active deception jamming identification method based on RESNET and bispectrum features | |
Wang et al. | Neural network-guided sparse recovery for interrupted-sampling repeater jamming suppression | |
Ni et al. | Information-theoretic target localization with compressed measurement using FDA radar | |
CN114609595A (zh) | 一种频分正交mimo雷达信号处理方法 | |
CN112098952B (zh) | 一种基于时域统计处理的雷达侦察杂波抑制方法 | |
CN110907930B (zh) | 一种基于角度估计的车载雷达目标检测估计方法及装置 | |
CN110058194A (zh) | 目标的方位确定方法及计算机可读存储介质 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20231201 |