CN111736172A - 一种基于大气扰动相干激光探测的空中目标探测方法 - Google Patents

一种基于大气扰动相干激光探测的空中目标探测方法 Download PDF

Info

Publication number
CN111736172A
CN111736172A CN202010853553.7A CN202010853553A CN111736172A CN 111736172 A CN111736172 A CN 111736172A CN 202010853553 A CN202010853553 A CN 202010853553A CN 111736172 A CN111736172 A CN 111736172A
Authority
CN
China
Prior art keywords
target
concentration
detection
atmospheric
space
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.)
Granted
Application number
CN202010853553.7A
Other languages
English (en)
Other versions
CN111736172B (zh
Inventor
胡以华
杨星
石亮
徐世龙
董骁
赵楠翔
夏海云
王冲
谢卫
董光焰
裘家伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202010853553.7A priority Critical patent/CN111736172B/zh
Publication of CN111736172A publication Critical patent/CN111736172A/zh
Application granted granted Critical
Publication of CN111736172B publication Critical patent/CN111736172B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明公开了一种基于大气扰动相干激光探测的空中目标探测方法，包括：获取待测空域的大气风场和CO2浓度分布信息以及待测空域的大气风场和CO2浓度场的空间分布图像；判断待测空域是否存在目标引起的大气扰动，并在判断为是时，对空间分布图像进行时空突变点检测；对目标在待测空域内的大气风场和CO2成分场扰动信息进行距离方位数据融合处理；根据目标距离融合值和目标方位融合值，解算目标航迹参数；获取运动目标在飞行路径上的大气扰动时空分布信息并与大气扰动时空分布数据库中进行匹配；并根据匹配结果，采用NP优化准则，控制虚警概率，确定目标分类识别概率。本发明实现了对低可探测性空中目标的探测，且发现概率高。

Description

一种基于大气扰动相干激光探测的空中目标探测方法
技术领域
本发明属于空中探测技术领域，具体涉及一种基于大气扰动相干激光探测的空中目标探测方法。
背景技术
低可探测性飞行器发展迅猛，该类空中目标的雷达反射、红外辐射等电磁特性得到了有效削弱，降低了雷达、红外等常规探测手段的效能，具体表现为雷达探测存在低空盲区和目标反射截面小、目标定位精度低；红外探测具有目标发现速度较慢、作用距离近等缺点。因此，提出一种可以对低可探测目标实现大范围搜索、快速发现、精确定位的光电探测方法。
该类低可探测目标的飞行过程会引起背景大气扰动，且该扰动无法隐蔽。该大气扰动特指空中运动目标导致的自然大气风场、成分场和温度场等在一定时空范围内出现的远大于大气背景常规变化特征的一种行为状态。开展目标大气扰动的研究为进一步掌握低可探测性空中目标激光探测技术奠定了基础。
激光雷达探测目标的常规模式是在探测区域内密集扫描，以对目标本体强回波的检测而发现目标的存在。但这种模式由于激光雷达技术水平的限制，在大的扫描空域内一般很难高概率地探测到目标本身。
发明内容
本发明的目的在于提供一种基于大气扰动相干激光探测的空中目标探测方法，该方法实现了对低可探测性空中目标的探测，且发现概率高。
为了达到上述目的，本发明采用如下技术方案实现：
一种基于大气扰动相干激光探测的空中目标探测方法，所述空中目标探测方法包括以下步骤：
步骤一、利用相干激光雷达系统获取待测空域的大气风场分布信息和CO2浓度分布信息后分别得到待测空域的大气风场和CO2浓度场的空间分布图像；
步骤二、根据待测空域的大气风场分布信息和CO2浓度分布信息，判断待测空域是否存在目标引起的大气扰动，并在判断为是时，对待测空域的大气风场和CO2浓度场的空间分布图像进行时空突变点检测，得到目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息；
步骤三、对目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息进行距离方位数据融合处理，得到目标距离融合值和目标方位融合值；
步骤四、根据目标距离融合值和目标方位融合值，解算目标航迹参数；所述目标航迹参数包括目标飞行方向和目标飞行坐标；
步骤五、根据目标航迹参数，获取运动目标在飞行路径上的大气扰动时空分布信息并与大气扰动时空分布数据库中进行匹配；并根据匹配结果，采用NP优化准则控制虚警概率，确定目标分类识别概率。
进一步的，步骤一中，所属待测空域的大气风场分布信息和CO2浓度分布信息的获取过程包括：
步骤11、采用相干激光扫描探测系统对待测空域的距离高度和平面位置同时进行连续扫描；并采用外差探测方式接收大气后向散射回波，得到中频信号的多普勒频移和振幅；
步骤12、根据中频信号的多普勒频移，得到待测空域的大气风场分布信息；
步骤13、根据中频信号的振幅，采用差分吸收方法，得到待测空域的CO2浓度分布信息。
进一步的，步骤二中，所述时空突变点检测的具体过程包括：
步骤21、采用相干激光扫描探测系统对待测空域进行探测，得到待测空域内的大气风场分布图像和CO2浓度分布图像；所述分布图像的灰度值表示了扰动量值；
步骤22、采用马尔科夫随机场图像分割模型，分别对待测空域内的大气风场分布图像和CO2浓度分布图像进行分割；
步骤23、分别对分割后的待测空域内的大气风场分布图像和CO2浓度分布图像进行目标大气扰动特征提取；
所述目标大气扰动特征包括扰动场中心强度、扰动场空域扩散尺度、扰动场空域扩散梯度和扰动场时间扩散梯度。
进一步的，步骤三中，所述距离方位数据融合处理的过程包括：
步骤31、获取同一探测方向上单次探测待测空域内的各个时空突变点的径向风速和CO2浓度的测量值；
步骤32、根据同一探测方向上单次探测待测空域内的各个时空突变点的径向风速和CO2浓度的测量值，计算同一探测方向上任意两个时空突变点的径向风速和CO2浓度的可信度以及支持度；
步骤33、根据同一探测方向上任意两个时空突变点的径向风速和CO2浓度的支持度，计算同一探测方向上每个时空突变点的径向风速和CO2浓度的一致度；
步骤34、根据每个时空突变点的径向风速和CO2浓度的一致度以及可信度，对同一探测方向上所有时空突变点分别进行距离和方位加权融合，得到同一探测方向上单次探测待测空域内的目标距离融合值和目标方位融合值。
进一步的，步骤32中，所述径向风速和CO2浓度的可信度分别按照如下公式计算：
；
Figure 574982DEST_PATH_IMAGE004
；
其中，
Figure 956416DEST_PATH_IMAGE005
和
Figure 582088DEST_PATH_IMAGE006
分别为同一探测方向上单次探测的第i个时空突变点的径向风速 和CO2浓度的可信度；V i 和C i 分别为同一探测方向上单次探测的第i个时空突变点的径向风 速和CO2浓度的测量值；V max 和C max 分别为同一探测方向上单次探测时的所有空突变点中径 向风速和CO2浓度的最大测量值；η和μ分别为可调系数，且为正实数。
进一步的，步骤32中，所述径向风速和CO2浓度的支持度分别按照如下公式计算：
p ij =exp[-γ(V i -V j )2]；
q ij =exp[-ε(C i -C j )2]；
其中，p ij 和q ij 分别为同一探测方向上单次探测的第i个和第j个时空突变点的径向风速和CO2浓度的支持度；V i 和V j 分别为同一探测方向上单次探测的第i个和第j个时空突变点的径向风速测量值；C i 和C j 分别为同一探测方向上单次探测的第i个和第j个时空突变点的CO2浓度测量值；γ和ε分别为可调系数，且为正实数。
进一步的，步骤33中，所述径向风速和CO2浓度的一致度分别按照如下公式计算：
Figure 995752DEST_PATH_IMAGE008
；
Figure 754760DEST_PATH_IMAGE010
；
其中，
Figure 979200DEST_PATH_IMAGE011
和
Figure 823659DEST_PATH_IMAGE012
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和 CO2浓度的一致度；p ij 和q ij 分别为同一探测方向上单次探测的第i个和第j个时空突变点的 径向风速和CO2浓度的支持度；j=1,2,3,…,n，n为同一探测方向上单次探测的时空突变点 数量。
进一步的，步骤34中，所述目标距离融合值为：
Figure 775434DEST_PATH_IMAGE013
；
Figure 651599DEST_PATH_IMAGE014
；
Figure 781360DEST_PATH_IMAGE015
；
其中，d r 为目标距离融合值；
Figure 113115DEST_PATH_IMAGE016
和
Figure 868582DEST_PATH_IMAGE017
分别为同一探测方向上单次探测的第i个时 空突变点的径向风速和CO2浓度对应的距离数据；
Figure 602183DEST_PATH_IMAGE018
和
Figure 183073DEST_PATH_IMAGE019
分别为同一探测方向上单 次探测的第i个时空突变点的径向风速和CO2浓度对应的距离加权系数；
Figure 2124DEST_PATH_IMAGE005
和
Figure 295702DEST_PATH_IMAGE006
分别 为同一探测方向上单次探测的第i个时空突变点的径向风速和CO2浓度的可信度；
Figure 883810DEST_PATH_IMAGE011
和
Figure 214428DEST_PATH_IMAGE012
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和CO2浓度的一致度。
进一步的，步骤34中，所述目标方位融合值为：
Figure 393212DEST_PATH_IMAGE021
；
Figure 365847DEST_PATH_IMAGE023
；
Figure 933095DEST_PATH_IMAGE024
；
其中，α c 和β c 分别为方位角和俯仰角融合值；u i 为同一探测方向上单次探测的第i个时 空突变点的方位加权系数；α i 和β i 分别为同一探测方向上单次探测的第i个时空突变点的方 位角和俯仰角；
Figure 106718DEST_PATH_IMAGE005
和
Figure 634783DEST_PATH_IMAGE006
分别为同一探测方向上单次探测的第i个时空突变点的径向 风速和CO2浓度的可信度；
Figure 535743DEST_PATH_IMAGE011
和
Figure 101372DEST_PATH_IMAGE012
分别为同一探测方向上单次探测的第i个时空突变 点的径向风速和CO2浓度的一致度。
进一步的，步骤四中，所述目标航迹参数的获取过程包括：
步骤41、采用不同方位角的三个激光波束以相同的角速度，对目标距离融合值对应的目标位置进行连续扫描，得到每个激光波束对应的一系列点迹处的CO2浓度值后选取最大CO2浓度值点；
步骤42、将三个激光波束对应的最大CO2浓度值点按照CO2浓度值进行排序，从而确定目标飞行方向；
步骤43、采用CO2尾气连续点源高斯扩散模型，反解出目标空间坐标；
步骤44、根据三个最大CO2浓度值点和反解出目标空间坐标，采用余弦定理，得到目标飞行坐标。
本发明的有益效果：
本发明对空中目标导致的大气扰动采取非合作的主动激光探测，得到待测空域的大气风场分布信息和CO2浓度分布信息，利用大气风场分布信息和CO2浓度分布信息，判断待测空域是否存在目标引起的大气扰动，实现了利用该分布信息间接实现对低可探测性目标的探测；对存在目标引起的大气扰动的待测空域的大气风场和CO2浓度场的空间分布图像进行时空突变点检测，得到目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息；通过对目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息进行距离方位数据融合处理，提高了低可探测目标探测的准确性；通过目标航迹参数以及运动目标在飞行路径上的大气扰动时空分布信息，实现了对低可探测性空中目标的探测，突破了常规探测手段的限制，提高了对低可探测性空中目标的发现概率；本发明突破当前常规探测理念，对于提高低可探测空中目标的快速成功探测具有重要意义。
附图说明
图1为本发明的大气扰动激光探测的空中目标探测方法流程示意图；
图2为目标大气扰动时空突变点检测流程示意图；
图3为扰动场空间扩散尺度计算流程示意图；
图4为数据融合流程示意图；
图5为目标航向计算示意图；
图6-a和6-b为目标航标计算示意图；
图7为目标分类识别流程示意图。
具体实施方式
以下结合附图对本发明的具体实施方式作出详细说明。
由目标引起的大气扰动却存在着非常大的空间扩散区域和时间耗散周期，利用激光雷达探测目标引起的大气扰动及扩散有助于提高目标的探测概率。因此，本实施例给出了一种大气扰动激光探测的空中目标探测方法，参考图1，该空中目标探测方法包括以下步骤：
步骤一、利用相干激光雷达系统获取待测空域的大气风场分布信息和CO2浓度分布信息后分别得到待测空域的大气风场和CO2浓度场的空间分布图像。
本实施例利用激光扫描探测系统对待测空域发射波长相近的激光脉冲，对大气后向散射回波进行外差探测，利用差分吸收方法得到待测空域CO2的浓度扰动信息。
假设激光脉冲的脉宽为τ L ，发射功率为P 0，探测距离为R，则激光雷达回波方程可表示为，
Figure 180317DEST_PATH_IMAGE026
；
其中，P s (R)为激光雷达回波接收功率；c为光速；β(R)为大气后向散射系数；A R 为有效接收面积；α(r)为大气消光系数且α(r)=σN(r)+ε，r为探测路径上点，0<r<R，σN(r)为CO2吸收引起的消光系数（σ为吸收截面，N(r)是探测路径r处CO2的浓度），ε为除CO2吸收之外的消光系数，主要来源于其它干扰气体。外差探测中频信号V if 表示为：
Figure 195678DEST_PATH_IMAGE028
；
其中，ρ为探测器响应度，η h 为相干效率，G是放大器跨阻增益，ω if 为外差信号频率，P s 和P l 分别为回波光和本振光功率，φ s 和φ l 分别为回波光和信号光相位。
对于距离分辨差分吸收激光雷达，考虑两个相邻的距离间隔，用1、2表示，on光和off光波长分别表示为λ on 和λ off 。一般可认为在距离单元(R 1，R 2)中，CO2气体浓度N和λ on 、λ off 光源的差分吸收截面Δσ为恒定值，Δσ=σ on -σ off 。令ΔR=R 2-R 1为空间取样距离，通过解回波方程及差分吸收算法，得到(R 1，R 2)中CO2气体浓度为：
Figure 900329DEST_PATH_IMAGE030
；
其中，N w (R 1，R 2)为(R 1，R 2)中CO2气体浓度；V if_m (R n )(m=on，off，n=1,2)分别是λ on 、λ off 在R 1、R 2处的解算的激光中频信号幅值。对应的径向风速测量值为：
Figure 317535DEST_PATH_IMAGE032
；
其中，ω 0为外差探测中声光移频器(AOFS)的移频量。
基于上述原理，待测空域的大气风场和CO2浓度场的空间分布图像的获取过程包括：
步骤11、采用相干激光扫描探测系统对待测空域的距离高度和平面位置同时进行连续扫描；并采用外差探测方式接收大气后向散射回波，得到中频信号的多普勒频移和振幅；
步骤12、根据中频信号的多普勒频移，得到待测空域的风场分布信息；
步骤13、根据中频信号的振幅，采用差分吸收方法，得到待测空域的CO2浓度分布信息。
步骤二、根据待测空域的大气风场分布信息和CO2浓度分布信息，判断待测空域是否存在目标引起的大气扰动，并在判断为是时，对待测空域的大气风场和CO2浓度场的空间分布图像进行时空突变点检测，得到目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息。
本实施例根据特定空域的背景大气扰动数据库，该数据库包括待测空域的背景大气长时间的风场起伏信息和CO2浓度波动信息，由此设定合理阈值，对得到的风场分布信息和CO2分布信息进行大气扰动的时间和空域突变点（即时空突变点）检测，高于阈值部分认定为目标引起的扰动，由此得到大气风场扰动信息和CO2扰动信息。
如图2所示，大气扰动探测的目的是实现对空中低可探测性目标的侦查，首先需要发现扰动。目标大气成分扰动表现为叠加于背景平稳大气CO2分布上的时空浓度变化，由目标大气成分扰动建模和特性分析可知，这一扰动具有中心扰动强，并随着时间和空间向横向和轴向扩散的特点。对其特征提取，可以通过对大气激光雷达探测图像按照图像处理的方法进行，大气扰动时空突变点检测的具体过程包括：
步骤21、采用相干激光扫描探测系统对待测空域进行探测，得到待测空域内的大气风场分布图像和CO2浓度分布图像；所述分布图像的灰度为扰动量；
利用相干激光扫描探测系统分别得到大气风场和CO2浓度分布图像，扰动大小以灰度表示（即大气风场和CO2成分场扰动量大小以灰度表示）。
步骤22、采用马尔科夫随机场图像分割模型，分别对待测空域内的大气风场分布图像和CO2浓度分布图像进行分割；
马尔科夫随机场图像分割模型对相干激光探测得到的大气扰动分布图像进行分割。多尺度信息融合算法的鲁棒性和融合结果的一致性成为动态背景下图像分割有别于一般图像分割的关键约束，马尔科夫随机场图像分割模型估计或推理问题的核心内容是获得后验密度。
步骤23、分别对分割后的待测空域内的大气风场分布图像和CO2浓度分布图像进行目标大气扰动特征提取；
本实施例的目标大气扰动特征包括扰动场中心强度、扰动场空域扩散尺度、扰动场空域扩散梯度和扰动场时间扩散梯度，可采用现有技术实现，如采用如下方法进行提取：
（1）扰动场中心强度提取
此特征表征了在多次扫描探测中，获取到的目标成分扰动场中心最大值，其与目标扰动强度直接相关。在分割出目标扰动区域后，对多帧扫描扰动区域进行时空二维扫描搜索，寻找最大值，目标成分扰动场中心强度D max可表示为：
Figure 830031DEST_PATH_IMAGE034
；
其中，I k (i，j)为第k帧扫描中分割出的扰动区域，k=1,2,…,n，n为总扫描帧数，R k 表示第k帧图像像元的集合。
（2）扰动场空间扩散尺度提取
此特征表征了在多次扫描探测中，获取到的目标成分扰动场的空间扩散范围。对分割出的目标扰动区域图像进行二值化处理，并搜寻区域边界，可以得到属于某帧扫描的扰动场空间扩散范围。
（3）扰动场空间扩散梯度提取
此特征表征了在多次扫描探测中，获取到的目标成分扰动由中心向周围空间的耗散速度。在取得扰动扩散联通区域和中心扰动位置后，按照扩散主轴的方向取扰动图像列I d =I(i)，i=1,2,…,n；首先对I d 进行平滑滤波，再按照一阶拟合方程对I d 序列利用最小二乘法拟合，扰动场空间扩散梯度G s 即为方程斜率。
（4）扰动场时间扩散梯度
此特征表征了在多次扫描探测中，获取到的目标成分扰动由随时间推移的耗散速度。首先要对各帧扰动图像区域进行空间对准。设第k帧的扰动区域图像为I k (i，j)，中心强度位置为(i Dk ，j Dk )，基准帧的扰动区域图像为I0(i，j)，中心强度位置为(i D0 ，j D0 )。按照中心强度对准和区域对准相结合的原则，第k帧的对准匹配位移量(Δi,Δj)按以下方法确定：
Figure 332688DEST_PATH_IMAGE035
;
其中，Q为对准误差值，当Q取最小值时，得到(Δi,Δj)，Δi和Δj分别为行位移量和列位移量；h 1和h 2均为实数，分别为中心强度对准系数和区域对准系数，NUM为扰动区域总像元数目。
在进行各帧匹配位移后，对轴向位置上的各点分别按照一阶拟合方程进行最小二乘拟合，得到某轴向位置处的时间扩散梯度G t,n 后，对轴向各点进行平均，得到扰动场时间扩散梯度G t =G t,n /N。
如图3所示，扰动场空间尺度提取方法步骤如下：
（1）位置归一化：计算扰动目标区域的惯性主轴的方向，以惯性主轴方向表示区域旋转的角度，逆向旋转变换将图像的位置摆正，实现扰动区域的准确定位。
（2）列扫描图像：将二值图像向水平方向投影，获取图像的像素宽度直方图和面积分布直方图作为选取闭值的一维信号，选取满足面积判别式且具有最大像素宽度个数的值作为最佳结构元尺寸。
（3）形态开运算：以小结构元素做形态开运算，去除孤立点、不连续的碎线和虚假区域。
（4) 区域标记：形态开运算后的结果包含了若干个小的连通部分，按照指定连通规则（四连通或八连通）找到图像中所有连通部分，为同一连通成分中所有像素点分配同样的标记，而不同连通区域享有不同标记，计算各连通成分面积，将最大连通成分面积的区域提取出来，即为扰动扩散区域。
（5）区域尺度计算：对扰动扩散区域进行尺度计算，提取区域在横向的最大值作为区域尺度S k 。对于n帧扫描图像，选取S=max(S k )，k=1,2,…,n，作为扰动场空间扩散尺度。
步骤三、对目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息进行距离方位数据融合处理，得到目标距离融合值和目标方位融合值.
如图4所示，相干激光探测系统能同时探测大气扰动信息和CO2成分扰动信息，需要综合利用两种扰动量，提高探测可靠性，距离方位数据融合处理的过程包括：
步骤31、获取同一探测方向上单次探测待测空域内的各个时空突变点的径向风速和CO2浓度的测量值；
步骤32、根据同一探测方向上单次探测待测空域内的各个时空突变点的径向风速和CO2浓度的测量值，计算同一探测方向上任意两个时空突变点的径向风速和CO2浓度的可信度以及支持度；
本实施例的径向风速和CO2浓度的可信度分别按照如下公式计算：
Figure 44292DEST_PATH_IMAGE037
；
Figure DEST_PATH_IMAGE039
；
其中，
Figure 129054DEST_PATH_IMAGE005
和
Figure 665646DEST_PATH_IMAGE006
分别为同一探测方向上单次探测的第i个时空突变点的径向风速 和CO2浓度的可信度；V i 和C i 分别为同一探测方向上单次探测的第i个时空突变点的径向风 速和CO2浓度的测量值；V max 和C max 分别为同一探测方向上单次探测时的所有空突变点中径 向风速和CO2浓度的最大测量值；η和μ分别为可调系数，且为正实数。
本实施例的径向风速和CO2浓度的支持度分别按照如下公式计算：
p ij =exp[-γ(V i -V j )2]；
q ij =exp[-ε(C i -C j )2]；
其中，p ij 和q ij 分别为同一探测方向上单次探测的第i个和第j个时空突变点的径向风速和CO2浓度的支持度；V i 和V j 分别为同一探测方向上单次探测的第i个和第j个时空突变点的径向风速测量值；C i 和C j 分别为同一探测方向上单次探测的第i个和第j个时空突变点的CO2浓度测量值；γ和ε分别为可调系数，且为正实数。
步骤33、根据同一探测方向上任意两个时空突变点的径向风速和CO2浓度的支持度，计算同一探测方向上每个时空突变点的径向风速和CO2浓度的一致度。
本实施例的径向风速和CO2浓度的一致度分别按照如下公式计算：
Figure DEST_PATH_IMAGE041
；
Figure DEST_PATH_IMAGE043
；
其中，
Figure 468648DEST_PATH_IMAGE011
和
Figure 124889DEST_PATH_IMAGE012
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和 CO2浓度的一致度；p ij 和q ij 分别为同一探测方向上单次探测的第i个和第j个时空突变点的 径向风速和CO2浓度的支持度；j=1,2,3,…,n，n为同一探测方向上单次探测的时空突变点 数量。
步骤34、根据每个时空突变点的径向风速和CO2浓度的一致度以及可信度，对同一探测方向上所有时空突变点分别进行距离和方位加权融合，得到同一探测方向上单次探测待测空域内的目标距离融合值和目标方位融合值。
本实施例的目标距离融合值为：
Figure 906900DEST_PATH_IMAGE044
；
Figure DEST_PATH_IMAGE045
；
Figure 902145DEST_PATH_IMAGE046
；
其中，d r 为目标距离融合值；
Figure DEST_PATH_IMAGE047
和
Figure 910552DEST_PATH_IMAGE017
分别为同一探测方向上单次探测的第i个时 空突变点的径向风速和CO2浓度对应的距离数据；
Figure 245849DEST_PATH_IMAGE018
和
Figure 495084DEST_PATH_IMAGE019
分别为同一探测方向上单 次探测的第i个时空突变点的径向风速和CO2浓度对应的距离加权系数；
Figure 506902DEST_PATH_IMAGE005
和
Figure 205868DEST_PATH_IMAGE006
分别 为同一探测方向上单次探测的第i个时空突变点的径向风速和CO2浓度的可信度；
Figure 344856DEST_PATH_IMAGE011
和
Figure 445667DEST_PATH_IMAGE012
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和CO2浓度的一致度。
目标方位融合值为：
Figure DEST_PATH_IMAGE049
；
Figure DEST_PATH_IMAGE051
；
Figure 579452DEST_PATH_IMAGE052
；
其中，α c 和β c 分别为方位角和俯仰角融合值；u i 为同一探测方向上单次探测的第i个时 空突变点的方位加权系数；α i 和β i 分别为同一探测方向上单次探测的第i个时空突变点的方 位角和俯仰角；
Figure 31293DEST_PATH_IMAGE005
和
Figure 957661DEST_PATH_IMAGE006
分别为同一探测方向上单次探测的第i个时空突变点的径向 风速和CO2浓度的可信度；
Figure 912979DEST_PATH_IMAGE011
和
Figure 297560DEST_PATH_IMAGE012
分别为同一探测方向上单次探测的第i个时空突变 点的径向风速和CO2浓度的一致度。
基于扰动参数的数据融合，可以估计出目标的距离、方位角与俯仰角，实现对目标的初步定位。
步骤四、根据目标距离融合值和目标方位融合值，解算目标航迹参数；所述目标航迹参数包括目标飞行方向和目标飞行坐标.
由于实际测量中，大气扰动的复杂，且大气扰动融合算法结果受各参量的影响较大，为提高目标位置侦查信息的可靠性，提出了基于大气扰动的目标航迹参数解算方法，具体过程包括：
步骤41、采用不同方位角的三个激光波束以相同的角速度，对目标距离融合值对应的目标位置进行连续扫描，得到每个激光波束对应的一系列点迹处的CO2浓度值后选取最大CO2浓度值点；
步骤42、将三个激光波束对应的最大CO2浓度值点按照CO2浓度值进行排序，从而确定目标飞行方向；
步骤43、采用CO2尾气连续点源高斯扩散模型，反解出目标空间坐标；
步骤44、根据三个最大CO2浓度值点和反解出目标空间坐标，采用余弦定理，得到目标飞行坐标。
如图5所示，以飞机为例，目标航向解算过程如下：
(1)利用方位角不同的三个激光波束以相同的角速度对融合算法初步给出的目标位置附近进行连续扫描。
(2)先后记录每个波束在各自的扫描截面内每点处CO2气体的浓度值。
(3)计算机对记录的一系列点迹处的CO2浓度值的比较处理，得到每个激光波束探测到的飞机航迹上扰动最大值点的精确坐标值，得到三个坐标值。
(4)对比激光雷达记录的这三点处CO2气体的浓度值大小，离飞机越近处的CO2尾气浓度值应该越大，根据探测的扰动值的大小和三个扰动点位置判断飞机航向。
以波束A为例来说明流程，在波束A的扫描截面内，特别是飞机飞过的航线周围各点处分布着较多的CO2气体。但是很明显，也只有航线上的A点处分布的CO2气体浓度值最大。为此，计算机在对记录的一系列点迹处的CO2浓度值的比较处理，便可得到飞机航迹上A点的精确坐标值。同样，波束B和波束C也可通过探测CO2气体的浓度分布得出航迹上B点和C点的精确坐标值。这样就可为后文的目标航迹参数计算提供基础。
由于已经确定A、B、C三点是在目标航迹上的，因此，可根据对比雷达记录的这三点处CO2气体的浓度值大小，从而得出这三点的浓度值大小关系：u A >u B >u C 。常理可知，离飞机越近处的CO2尾气浓度值应该越大，而离飞机越远处的CO2尾气浓度值应该越小。所以，我们可以根据A、B、C三点处浓度值关系式u A >u B >u C 确定出飞机的航向应该是：C到B到A的方向。
如图6-a和6-b所示，r、r 1、r 2和r 3分别为飞机航迹上P、A、B和C四点的径向距离，α、α 1、α 2和α 3分别为P、A、B和C四点的探测仰角，φ、φ 1、φ 2和φ 3分别为P、A、B和C四点的探测方位角，P为目标位置。目标航标解算方法步骤如下：
(1)建立CO2尾气连续点源高斯扩散模型，通过实测数据进行参数修正；
(2)求解三波束扫描中飞机航迹上扰动最大值点坐标（r i ，α i ，φ i ），i=1,2,3；
(3)利用CO2尾气连续点源高斯扩散模型和目标飞行高度表征目标空间坐标；
(4)基于三个扰动最大值点和目标的空间分布关系，由余弦定理求解出目标航标（r，α，φ）。
步骤五、根据目标航迹参数，获取运动目标在飞行路径上的大气扰动时空分布信息并与大气扰动时空分布数据库中进行匹配；并根据匹配结果，采用NP优化准则控制虚警概率，确定目标分类识别概率。
在不同飞行高度、不同气象状态、不同探测距离下开展大量多批次相干激光探测实验，得到不同类别典型目标引起的大气风场和CO2成分扰动时空分布数据库。建立数据库时考虑的因素越多，其代表的特征越详细，有助于实测数据的匹配，参考图7。将激光探测系统得到的一定飞行路径上大气扰动空间分布与典型目标大气扰动数据库进行匹配，求解出不同条件下不同类型目标的大气风场扰动和CO2成分扰动匹配度矩阵V e*f*g 和C e*f*g ；其中，e、f和g分别为目标种类、飞行高度和环境因素。在该过程中需要将探测的距离信息转换为探测的空间高度。其中环境因素主要考虑大气湍流对大气扰动和相干激光探测的影响，因此该环境包括探测的气象条件和探测时刻。在实际探测中，环境因素较易判断，因此大气扰动数据和数据库的相似度矩阵可简化为二维，即V e*f 和C e*f 。最后，根据检测的风场扰动和CO2扰动匹配度进行融合检测，使用NP优化准则，控制虚警概率，确定目标的分类识别概率。
本实施例对空中目标导致的大气扰动采取非合作的主动激光探测，得到待测空域的大气风场分布信息和CO2浓度分布信息，利用大气风场分布信息和CO2浓度分布信息，判断待测空域是否存在目标引起的大气扰动，实现了利用该分布信息间接实现对低可探测性目标的探测；对存在目标引起的大气扰动的待测空域的大气风场和CO2浓度场的空间分布图像进行时空突变点检测，得到目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息；通过对目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息进行距离方位数据融合处理，提高了低可探测目标探测的准确性；通过目标航迹参数以及运动目标在飞行路径上的大气扰动时空分布信息，实现了对低可探测性空中目标的探测，突破了常规探测手段的限制，提高了对低可探测性空中目标的发现概率；本实施例突破当前常规探测理念，对于提高低可探测空中目标的快速成功探测具有重要意义。
以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。

Claims (10)

1.一种基于大气扰动相干激光探测的空中目标探测方法，其特征在于，所述空中目标探测方法包括以下步骤：
步骤一、利用相干激光雷达系统获取待测空域的大气风场分布信息和CO2浓度分布信息后分别得到待测空域的大气风场和CO2浓度场的空间分布图像；
步骤二、根据待测空域的大气风场分布信息和CO2浓度分布信息，判断待测空域是否存在目标引起的大气扰动，并在判断为是时，对待测空域的大气风场和CO2浓度场的空间分布图像进行时空突变点检测，得到目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息；
步骤三、对目标在待测空域内的大气风场扰动信息和CO2成分场扰动信息进行距离方位数据融合处理，得到目标距离融合值和目标方位融合值；
步骤四、根据目标距离融合值和目标方位融合值，解算目标航迹参数；所述目标航迹参数包括目标飞行方向和目标飞行坐标；
步骤五、根据目标航迹参数，获取运动目标在飞行路径上的大气扰动时空分布信息并与大气扰动时空分布数据库中进行匹配；并根据匹配结果，采用NP优化准则控制虚警概率，从而确定目标分类识别概率。
2.根据权利要求1所述的空中目标探测方法，其特征在于，步骤一中，所述待测空域的大气风场分布信息和CO2浓度分布信息的获取过程包括：
步骤11、采用相干激光扫描探测系统对待测空域的距离高度和平面位置同时进行连续扫描；并采用外差探测方式接收大气后向散射回波，得到中频信号的多普勒频移和振幅；
步骤12、根据中频信号的多普勒频移，得到待测空域的大气风场分布信息；
步骤13、根据中频信号的振幅，采用差分吸收方法，得到待测空域的CO2浓度分布信息。
3.根据权利要求1所述的空中目标探测方法，其特征在于，步骤二中，所述时空突变点检测的具体过程包括：
步骤21、采用相干激光扫描探测系统对待测空域进行探测，得到待测空域内的大气风场分布图像和CO2浓度分布图像；所述分布图像的灰度值表示了扰动量值；
步骤22、采用马尔科夫随机场图像分割模型，分别对待测空域内的大气风场分布图像和CO2浓度分布图像进行分割；
步骤23、分别对分割后的待测空域内的大气风场分布图像和CO2浓度分布图像进行目标大气扰动特征提取；
所述目标大气扰动特征包括扰动场中心强度、扰动场空域扩散尺度、扰动场空域扩散梯度和扰动场时间扩散梯度。
4.根据权利要求1~3中任意一项所述的空中目标探测方法，其特征在于，步骤三中，所述距离方位数据融合处理的过程包括：
步骤31、获取同一探测方向上单次探测待测空域内的各个时空突变点的径向风速和CO2浓度的测量值；
步骤32、根据同一探测方向上单次探测待测空域内的各个时空突变点的径向风速和CO2浓度的测量值，计算同一探测方向上任意两个时空突变点的径向风速和CO2浓度的可信度以及支持度；
步骤33、根据同一探测方向上任意两个时空突变点的径向风速和CO2浓度的支持度，计算同一探测方向上每个时空突变点的径向风速和CO2浓度的一致度；
步骤34、根据每个时空突变点的径向风速和CO2浓度的一致度以及可信度，对同一探测方向上所有时空突变点分别进行距离和方位加权融合，得到同一探测方向上单次探测待测空域内的目标距离融合值和目标方位融合值。
5.根据权利要求4所述的空中目标探测方法，其特征在于，步骤32中，所述径向风速和CO2浓度的可信度分别按照如下公式计算：
Figure 757487DEST_PATH_IMAGE001
；
Figure 437999DEST_PATH_IMAGE002
；
其中，
Figure 897930DEST_PATH_IMAGE003
和
Figure 22530DEST_PATH_IMAGE004
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和 CO2浓度的可信度；V i 和C i 分别为同一探测方向上单次探测的第i个时空突变点的径向风速 和CO2浓度的测量值；V max 和C max 分别为同一探测方向上单次探测时的所有空突变点中径向 风速和CO2浓度的最大测量值；η和μ分别为可调系数，且为正实数。
6.根据权利要求4所述的空中目标探测方法，其特征在于，步骤32中，所述径向风速和CO2浓度的支持度分别按照如下公式计算：
p ij =exp[-γ(V i -V j )2]；
q ij =exp[-ε(C i -C j )2]；
其中，p ij 和q ij 分别为同一探测方向上单次探测的第i个和第j个时空突变点的径向风速和CO2浓度的支持度；V i 和V j 分别为同一探测方向上单次探测的第i个和第j个时空突变点的径向风速测量值；C i 和C j 分别为同一探测方向上单次探测的第i个和第j个时空突变点的CO2浓度测量值；γ和ε分别为可调系数，且为正实数。
7.根据权利要求6所述的空中目标探测方法，其特征在于，步骤33中，所述径向风速和CO2浓度的一致度分别按照如下公式计算：
Figure 175294DEST_PATH_IMAGE005
；
Figure 998894DEST_PATH_IMAGE006
；
其中，
Figure 262516DEST_PATH_IMAGE007
和
Figure 238693DEST_PATH_IMAGE008
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和 CO2浓度的一致度；p ij 和q ij 分别为同一探测方向上单次探测的第i个和第j个时空突变点的 径向风速和CO2浓度的支持度；j=1,2,3,…,n，n为同一探测方向上单次探测的时空突变点 数量。
8.根据权利要求5所述的空中目标探测方法，其特征在于，步骤34中，所述目标距离融合值为：
Figure 497112DEST_PATH_IMAGE010
；
Figure 948953DEST_PATH_IMAGE011
；
Figure 140900DEST_PATH_IMAGE012
；
其中，d r 为目标距离融合值；
Figure 96218DEST_PATH_IMAGE013
和
Figure 466150DEST_PATH_IMAGE014
分别为同一探测方向上单次探测的第i个时空 突变点的径向风速和CO2浓度对应的距离数据；
Figure 888777DEST_PATH_IMAGE015
和
Figure 884415DEST_PATH_IMAGE016
分别为同一探测方向上单次 探测的第i个时空突变点的径向风速和CO2浓度对应的距离加权系数；
Figure 694239DEST_PATH_IMAGE017
和
Figure 235073DEST_PATH_IMAGE018
分别为 同一探测方向上单次探测的第i个时空突变点的径向风速和CO2浓度的可信度；
Figure 395927DEST_PATH_IMAGE019
和
Figure 5376DEST_PATH_IMAGE020
分别为同一探测方向上单次探测的第i个时空突变点的径向风速和CO2浓度的一致 度。
9.根据权利要求8所述的空中目标探测方法，其特征在于，步骤34中，所述目标方位融合值为：
Figure 59919DEST_PATH_IMAGE021
；
Figure 896288DEST_PATH_IMAGE022
；
Figure 888646DEST_PATH_IMAGE023
；
其中，α c 和β c 分别为方位角和俯仰角融合值；u i 为同一探测方向上单次探测的第i个时 空突变点的方位加权系数；α i 和β i 分别为同一探测方向上单次探测的第i个时空突变点的方 位角和俯仰角；
Figure 835874DEST_PATH_IMAGE024
和
Figure 10503DEST_PATH_IMAGE025
分别为同一探测方向上单次探测的第i个时空突变点的径向 风速和CO2浓度的可信度；
Figure 755124DEST_PATH_IMAGE026
和
Figure 765936DEST_PATH_IMAGE027
分别为同一探测方向上单次探测的第i个时空突变点 的径向风速和CO2浓度的一致度。
10.根据权利要求1~3中任意一项所述的空中目标探测方法，其特征在于，步骤四中，所述目标航迹参数的解算过程包括：
步骤41、采用不同方位角的三个激光波束以相同的角速度，对目标距离融合值对应的目标位置进行连续扫描，得到每个激光波束对应的一系列点迹处的CO2浓度值后选取最大CO2浓度值点；
步骤42、将三个激光波束对应的最大CO2浓度值点按照CO2浓度值进行排序，从而确定目标飞行方向；
步骤43、采用CO2尾气连续点源高斯扩散模型，反解出目标空间坐标；
步骤44、根据三个最大CO2浓度值点和反解出目标空间坐标，采用余弦定理，得到目标飞行坐标。
CN202010853553.7A 2020-08-24 2020-08-24 一种基于大气扰动相干激光探测的空中目标探测方法 Active CN111736172B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010853553.7A CN111736172B (zh) 2020-08-24 2020-08-24 一种基于大气扰动相干激光探测的空中目标探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010853553.7A CN111736172B (zh) 2020-08-24 2020-08-24 一种基于大气扰动相干激光探测的空中目标探测方法

Publications (2)

Publication Number Publication Date
CN111736172A true CN111736172A (zh) 2020-10-02
CN111736172B CN111736172B (zh) 2020-11-20

Family

ID=72658715

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010853553.7A Active CN111736172B (zh) 2020-08-24 2020-08-24 一种基于大气扰动相干激光探测的空中目标探测方法

Country Status (1)

Country Link
CN (1) CN111736172B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112255612A (zh) * 2020-11-03 2021-01-22 中国电子科技集团公司第二十八研究所 一种雷达航迹随机抖动性评估方法
CN112711002A (zh) * 2020-12-23 2021-04-27 武汉大学 一种基于co2-dial模拟测量的点源co2排放的新型估算方法
CN115902920A (zh) * 2023-02-23 2023-04-04 中国人民解放军国防科技大学 空中运动目标的相干与非相干激光协同探测方法和系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1641377A (zh) * 2004-01-06 2005-07-20 中国海洋大学 非相干激光测风方法及激光雷达
CN101034162A (zh) * 2007-02-13 2007-09-12 中国科学院武汉物理与数学研究所 一种综合型多功能中高层大气探测激光雷达
CN101788668A (zh) * 2010-01-31 2010-07-28 中国海洋大学 准双多普勒激光雷达装置及其测量方法
US20110284728A1 (en) * 2010-05-18 2011-11-24 Harris Corporation Imaging systems including low photon count optical receiver
CN102721967A (zh) * 2012-06-21 2012-10-10 中国人民解放军电子工程学院 基于风场扰动类型的空中目标发现方法
CN102879772A (zh) * 2012-09-20 2013-01-16 武汉大学 一种差分吸收大气co2激光雷达大气压力增宽修正方法
CN102902977A (zh) * 2012-06-21 2013-01-30 中国人民解放军电子工程学院 基于风场扰动特征的空中目标分类方法
CN104269722A (zh) * 2014-09-28 2015-01-07 陕西高新实业有限公司 Co2激光器
CN108426856A (zh) * 2018-03-26 2018-08-21 武汉大学 评估激光雷达卫星测量大气co2浓度性能的综合分析系统
CN110596728A (zh) * 2019-09-16 2019-12-20 北京航空航天大学 一种基于激光雷达的水面小目标探测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1641377A (zh) * 2004-01-06 2005-07-20 中国海洋大学 非相干激光测风方法及激光雷达
CN101034162A (zh) * 2007-02-13 2007-09-12 中国科学院武汉物理与数学研究所 一种综合型多功能中高层大气探测激光雷达
CN101788668A (zh) * 2010-01-31 2010-07-28 中国海洋大学 准双多普勒激光雷达装置及其测量方法
US20110284728A1 (en) * 2010-05-18 2011-11-24 Harris Corporation Imaging systems including low photon count optical receiver
CN102721967A (zh) * 2012-06-21 2012-10-10 中国人民解放军电子工程学院 基于风场扰动类型的空中目标发现方法
CN102902977A (zh) * 2012-06-21 2013-01-30 中国人民解放军电子工程学院 基于风场扰动特征的空中目标分类方法
CN102879772A (zh) * 2012-09-20 2013-01-16 武汉大学 一种差分吸收大气co2激光雷达大气压力增宽修正方法
CN104269722A (zh) * 2014-09-28 2015-01-07 陕西高新实业有限公司 Co2激光器
CN108426856A (zh) * 2018-03-26 2018-08-21 武汉大学 评估激光雷达卫星测量大气co2浓度性能的综合分析系统
CN110596728A (zh) * 2019-09-16 2019-12-20 北京航空航天大学 一种基于激光雷达的水面小目标探测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MARK GANET ET AL.: "Identification of Any Aircraft by Its Unique Turbulent Wake Signature", 《JOURNAL OF AIRCRAFT》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112255612A (zh) * 2020-11-03 2021-01-22 中国电子科技集团公司第二十八研究所 一种雷达航迹随机抖动性评估方法
CN112255612B (zh) * 2020-11-03 2024-02-13 中国电子科技集团公司第二十八研究所 一种雷达航迹随机抖动性评估方法
CN112711002A (zh) * 2020-12-23 2021-04-27 武汉大学 一种基于co2-dial模拟测量的点源co2排放的新型估算方法
CN112711002B (zh) * 2020-12-23 2023-05-16 武汉大学 一种基于co2-dial模拟测量的点源co2排放的新型估算方法
CN115902920A (zh) * 2023-02-23 2023-04-04 中国人民解放军国防科技大学 空中运动目标的相干与非相干激光协同探测方法和系统
CN115902920B (zh) * 2023-02-23 2023-06-02 中国人民解放军国防科技大学 空中运动目标的相干与非相干激光协同探测方法和系统

Also Published As

Publication number Publication date
CN111736172B (zh) 2020-11-20

Similar Documents

Publication Publication Date Title
CN111736172B (zh) 一种基于大气扰动相干激光探测的空中目标探测方法
CN107238821B (zh) 一种基于特征谱特征的机场跑道异物检测方法及装置
US20070024494A1 (en) Classification system for radar and sonar applications
CN111899568B (zh) 桥梁防撞预警系统、方法、装置和存储介质
US20060176209A1 (en) Recognition algorithm for the unknown target rejection based on shape statistics obtained from orthogonal distance function
CN110221266B (zh) 一种基于支持向量机的航海雷达目标快速检测方法
CN112051568B (zh) 一种两坐标雷达的俯仰测角方法
Borque et al. First observations of tracking clouds using scanning ARM cloud radars
Yang et al. Evaluation and mitigation of rain effect on wave direction and period estimation from X-band marine radar images
Zhang et al. Scattering key-frame extraction for comprehensive VideoSAR summarization: A spatiotemporal background subtraction perspective
Jatau et al. A machine learning approach for classifying bird and insect radar echoes with S-band polarimetric weather radar
Koo et al. Automated detection and tracking of medium-large icebergs from Sentinel-1 imagery using Google Earth Engine
Tian et al. Detection of signal and ground photons from ICESat-2 ATL03 data
Chen et al. Determination of nearshore sea surface wind vector from marine X-band radar images
Berendes et al. Cloud cover comparisons of the MODIS daytime cloud mask with surface instruments at the North Slope of Alaska ARM site
CN112213703B (zh) 一种利用毫米波云雷达反演云参数的方法及装置
CN110320514A (zh) 基于车载侧视探测雷达的fod检测方法
Zhang et al. Marine radar monitoring IoT system and case study of target detection based on PPI images
CN108414997B (zh) 一种基于粒子特性差异的边界层高度反演方法
CN113447901A (zh) 一种不依赖概率模型的海杂波识别与目标检测方法
Zhang et al. Improved Forest Signal Detection for Space-borne Photon-counting LiDAR Using Automatic Machine Learning
Urmy et al. Evaluating the target‐tracking performance of scanning avian radars by augmenting data with simulated echoes
Pandey et al. Deep Learning for Iceberg Detection in Satellite Images
CN106342244B (zh) 雷达微弱目标检测方法
van den Broek et al. Persistent maritime surveillance using multi-sensor feature association and classification

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