CN111830480B - 一种雷达海杂波短时谱特征参数估计方法及系统 - Google Patents

一种雷达海杂波短时谱特征参数估计方法及系统 Download PDF

Info

Publication number
CN111830480B
CN111830480B CN202010657859.5A CN202010657859A CN111830480B CN 111830480 B CN111830480 B CN 111830480B CN 202010657859 A CN202010657859 A CN 202010657859A CN 111830480 B CN111830480 B CN 111830480B
Authority
CN
China
Prior art keywords
short
pulse train
time spectrum
sequence
initial
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
Application number
CN202010657859.5A
Other languages
English (en)
Other versions
CN111830480A (zh
Inventor
丁昊
刘宁波
董云龙
王国庆
陈小龙
黄勇
周伟
关键
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.)
Naval Aeronautical University
Original Assignee
Naval Aeronautical University
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 Naval Aeronautical University filed Critical Naval Aeronautical University
Priority to CN202010657859.5A priority Critical patent/CN111830480B/zh
Publication of CN111830480A publication Critical patent/CN111830480A/zh
Application granted granted Critical
Publication of CN111830480B publication Critical patent/CN111830480B/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
    • 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
    • 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
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S7/418—Theoretical aspects
    • 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

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

本发明实施例提供一种雷达海杂波短时谱特征参数估计方法及系统，通过该方法，在时间相关性和空间相关性分析的基础上，得到当前探测场景的相关时间和相关距离，并依据这两个参数，合理选择一定数量的邻近相干脉冲串和邻近距离单元初始短时谱进行分析处理，扩充了分析处理的初始短时谱的数据规模，并对扩充规模后的初始短时谱进行中值平滑处理和高斯模型拟合，经模型参数转化和进一步平滑处理，得到最终短时谱特征参数估计值。本发明实施例对分析样本进行扩充，且采用中值平滑处理以及高斯模型拟合的方式，削弱短时谱特征参数的随机起伏波动性，最终得到的短时谱中心频率和带宽估计值起伏偏差很小。

Description

一种雷达海杂波短时谱特征参数估计方法及系统
技术领域
本发明属于雷达探测技术领域，尤其涉及一种雷达海杂波短时谱特征参数估计方法及系统。
背景技术
在复杂海洋环境中，雷达海上目标探测面临的海杂波影响问题不可回避。海杂波形成机理复杂，影响因素多，非高斯、非平稳、非线性特征显著，认知和抑制难度大，且在较高分辨率、较高海况(通常大于3级)等条件下，海杂波中出现海尖峰的概率明显提高，其回波特征与目标类似，易引起大量虚警。削弱海杂波不利影响的基本前提是开展海杂波特性研究，充分掌握海杂波特性规律，并合理有效利用海杂波特性设计海杂波抑制和目标检测方法。
对相参体制雷达而言，在自适应动目标检测(AMTD)、自适应匹配滤波(AMF)检测、自适应归一化匹配滤波(ANMF)检测等信号处理方法中，均需利用回波数据估计杂波谱，提取并估计谱特征参数(包括谱中心频率和带宽)，并合理有效应用杂波谱特性，以便于对杂波做白化处理，实现杂波抑制和信杂比(SCR)改善。海杂波谱特性包括平均谱和短时谱，在相参处理的时间尺度上，更为关注短时谱。受观测海域水文气象因素及时变海面结构影响，海杂波短时谱通常表现出时变非平稳性和空间非均匀性，因此需利用实时数据对其进行连续估计，使其匹配于当前探测场景和探测区域。
短时谱估计通常采用FFT方法，对FFT取模平方，即可得到谱估计结果，已有文献利用谱估计结果给出了若干种谱特性参数估计技术。针对谱中心频率估计，主要技术包括：FFT选大方法；利用粗略谱中心范围的先验条件选大方法；质心估计方法。
其中，FFT选大方法直接对短时谱选大，最大点对应的频率即为短时谱中心频率。利用粗略谱中心范围的先验条件选大方法首先利用先验信息，粗略估计出谱中心频率范围，在此基础上选大以确定相应的谱中心频率。质心估计方法利用谱值对谱线对应的频率进行加权，以突出被估计数据段真正的频率中心，表示为：
Figure BDA0002577404900000021
其中，φ＝1,2,…,N表示数据段，L表示FFT点数，fi＝i/(LT),i＝-L/2,…,L/2-1，T为脉冲重复周期，
Figure BDA0002577404900000022
为第φ个数据段的短时谱估计值，Q(φ)为归一化因子，即当前数据段的功率水平，表示为：
Figure BDA0002577404900000023
针对谱带宽估计，主要技术包括：均方根带宽估计方法；Gauss谱谱宽估计方法；立方谱谱宽估计方法。
其中，均方根带宽估计方法实际上是归一化短时谱的标准差，估计公式为：
Figure BDA0002577404900000024
Gauss谱谱宽估计方法假定短时谱建模为高斯模型，通过计算给出3dB谱宽与高斯模型标准差之间的关系，进而得到短时谱带宽。立方谱谱宽估计方法与之类似，假定短时谱建模为立方模型，然后计算3dB谱宽与模型参数之间的关系，进而得到短时谱带宽。
由于单次短时谱估计应用的数据点数较少(通常小于256点，大多为64点或更少)，且海杂波非平稳、非均匀性特征显著，因此谱峰区域的起伏较为剧烈，且在邻近数据段、邻近距离单元间呈现出较大的波动，典型结果如图1和图2所示。在该情况下，经验证，利用上述方法估计得到的谱参数均存在较大的起伏偏差，难以准确反映真实的谱特性，导致实际应用时海杂波白化效果不佳，抑制性能变差，不利于检测器发挥正常工作性能。
发明内容
为克服上述现有问题或者至少部分地解决上述问题，本发明实施例提供一种雷达海杂波短时谱特征参数估计方法及系统。
根据本发明实施例的第一方面，提供一种雷达海杂波短时谱特征参数估计方法，包括：
对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；
根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；
采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；
根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；
根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
本发明实施例提供的一种雷达海杂波短时谱特征参数估计方法及系统，在时间相关性和空间相关性分析的基础上，得到当前探测场景的相关时间和相关距离，并依据这两个参数，合理选择一定数量的邻近相干脉冲串和邻近距离单元初始短时谱进行分析处理，扩充了分析处理的初始短时谱的数据规模，并对扩充规模后的初始短时谱进行中值平滑处理和高斯模型的拟合，经模型参数转化和进一步平滑处理，得到最终的短时谱特征参数估计值。本发明实施例对分析样本进行扩充，且采用中值平滑处理以及高斯模型拟合的方式，削弱短时谱特征参数的随机起伏波动性，最终得到的短时谱中心频率和带宽估计值起伏偏差很小。
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为现有技术中单个数据段得到的短时谱典型结果示意图；
图2为现有技术中单个数据段得到的短时谱典型结果示意图；
图3为本发明实施例提供的雷达海杂波短时谱特征参数估计方法整体流程示意图；
图4为本发明实施例提供的雷达海杂波短时谱特征参数估计系统整体结构示意图；
图5为本发明实施例提供的电子设备整体结构示意图。
具体实施方式
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。
参见图3，提供了一种雷达海杂波短时谱特征参数估计方法，包括：
对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；
根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；
采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；
根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；
根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
可以理解的是，由背景技术中记载的雷达海杂波短时谱特征参数的估计方法得到的谱参数均存在较大的起伏偏差，难以准确反映真实的谱特性，导致实际应用时海杂波白化效果不佳，抑制性能变差，不利于检测器发挥正常工作性能。
基于此，本发明实施例结合实测数据短时谱呈现的时变非平稳性和空间非均匀性特点，提出更为有效的短时谱特征参数估计技术，服务于杂波抑制和目标检测。
首先，对雷达接收的当前相干脉冲串回波序列做快速傅里叶变换，并取模平方得到初始短时谱估计值。由于海杂波在时间和空间上均具有一定的相关性，考虑其影响，单次估计应用的独立样本点数非常有限，导致估计偏差很大，且起伏较为剧烈。为此，本发明实施例在时间相关性和空间相关性分析的基础上，得到当前探测场景的相关时间和相关距离，并依据这两个参数，合理选择一定数量的邻近相干脉冲串回波序列和邻近距离单元回波序列的初始短时谱进行平滑处理，得到最终短时谱估计值。在所考虑的时间尺度和空间尺度范围内，海杂波可近似认为具有时间平稳性和空间均匀性，因此平滑处理未改变短时谱特征，但是起伏程度和偏差均显著降低，更有利于参数估计。然后，应用单分量高斯模型拟合平滑后的短时谱，得到高斯模型的均值和标准差两个参数，其中，均值即为短时谱中心频率初始估计值，标准差经过一定的转换后为短时谱带宽初始估计值。对连续脉冲串数据估计得到的两个初始参数做进一步平滑处理，以削弱其随机起伏波动性，最终即可得到短时谱中心频率和带宽估计值，最终得到短时谱中心频率和带宽估计值起伏偏差很小。
作为一个可选的实施例，对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列包括：
采用与每一个相干脉冲串回波序列等长的加窗函数对当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；其中，加窗函数为汉明窗、汉宁窗、Blackman窗或Dolph-Chebyshev窗。
可以理解的是，对于雷达接收到的当前相干脉冲串回波序列X＝(x1,x2,…,xM)，对其做加窗的FFT变换，并取模平方，得到当前相干脉冲串回波序列的初始短时谱估计值，第φ个数据段的估计值记为
Figure BDA0002577404900000061
其中，fi＝i/(LT),i＝-L/2,…,L/2-1，T为两个脉冲数据之间的重复周期，FFT点数L与脉冲串长度相同，即L＝M，窗函数可以采用与脉冲串等长的汉明窗、汉宁窗、Blackman窗或Dolph-Chebyshev窗。
作为一个可选的实施例，通过如下方式确定多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列：
根据当前相干脉冲串回波序列的相关时间、相关距离和每一个相干脉冲串回波序列的持续时间，分别确定出邻近相干脉冲串回波序列的数量和邻近距离单元回波序列的数量。
可以理解的是，分别应用持续时间超过100ms的脉冲维数据和距离范围大于20倍距离分辨率的距离维数据，估计当前相干脉冲串回波序列的时间相关系数和空间相关系数。
其中，对于当前相干脉冲串回波序列，时间相关系数的估计公式如下：
Figure BDA0002577404900000071
式中，τ表示时间延迟，x(t)和x(t+τ)分别表示相干脉冲串回波序列中t和t+τ时刻的回波数据，“*”表示取共轭，T'表示相干脉冲串回波序列的总持续时间，
Figure BDA0002577404900000072
为海杂波均值的模平方，
Figure BDA0002577404900000073
为海杂波均方值；当
Figure BDA0002577404900000074
的模值从初始值1衰减为第一预设值时，对应的时间延迟为相干脉冲串回波序列的相关时间。比如，当
Figure BDA0002577404900000075
的模值从初始值1衰减为0.368时，对应的时间延迟即为相关时间。
相应的，对于当前相干脉冲串回波序列,空间相关系数的估计公式如下：
Figure BDA0002577404900000076
其中，s表示距离延迟，xn(t)和xn+s(t)分别表示第n和n+s个距离单元在t时刻的回波数据，N表示距离单元数；当
Figure BDA0002577404900000077
的模值从初始值1衰减为第二预设值时，对应的距离延迟为当前相干脉冲串回波序列的相关距离。比如，当
Figure BDA0002577404900000078
的模值从初始值1衰减为0.368时，对应的距离延迟即为相关距离。
依据计算出的相关时间、相关距离和每一个相干脉冲串回波序列的持续时间CPI确定出一定数量的邻近相干脉冲串回波序列和邻近距离单元回波序列，其中，相干脉冲串回波序列数量的确定方法：CPI除以相关时间，再乘以一个时间常数即为相干脉冲串回波序列的数量，该时间常数取值范围为5-20之间；距离单元回波序列数量的确定方法：相关距离除以距离分辨率，再乘以一个距离常数即为距离单元回波序列的数量，该距离常数取值范围为10-20之间。
作为一个可选的实施例，根据当前相干脉冲串回波序列的多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列包括：
沿距离维的平滑，即，根据当前相干脉冲串回波序列和多个邻近距离单元回波序列对应的初始短时谱估计值序列，取每一个频点的初始短时谱中值作为当前相干脉冲串回波序列的相应频点的短时谱中值估计值，遍历所有频点，得到当前相干脉冲串回波序列的短时谱中值估计值序列；
进一步沿脉冲维的二次平滑，即，根据当前相干脉冲串回波序列的短时谱中值估计值序列和确定出的多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，取每一个频点的中值数据作为当前相干脉冲串回波序列的相应频点的最终短时谱估计值，遍历所有频点，得到当前相干脉冲串回波序列的最终短时谱估计值序列。
可以理解的是，比如，每一个相干脉冲串回波序列中包括m个频点数据，那么当前相干脉冲串回波序列对应的初始短时谱估计值序列以及每一个邻近距离单元回波序列对应的初始短时谱估计值序列中均包括m个频点数据。根据当前相干脉冲串回波序列对应的初始短时谱估计值序列中的第m个频点数据和每一个邻近距离单元回波序列对应的初始短时谱估计值序列中的第m个频点数据，取所有第m个频点数据的中值作为当前相干脉冲串回波序列的短时谱估中值计值，遍历m个频点数据，即可得到当前相干脉冲串回波序列的短时谱中值估计值序列。
通过上述方式计算得到当前相干脉冲串回波序列的短时谱中值估计值序列，在此基础上，根据当前相干脉冲串回波序列的短时谱中值估计值序列和确定出的多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，取每一个频点的中值数据作为当前相干脉冲串回波序列的相应频点的最终短时谱估计值，遍历所有频点，得到当前相干脉冲串回波序列的最终短时谱估计值序列，处理方式与上述计算当前相干脉冲串回波序列的短时谱中值估计值序列的方式相同，在此不再重复说明。
作为一个可选的实施例，对于计算出来的当前相干脉冲串回波序列的最终短时谱估计值，采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差包括：
应用单分量高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，高斯模型表达式为：
Figure BDA0002577404900000091
式中，S(0)表示零多普勒频率上对应的短时谱，fd和σ分别表示高斯模型的模型均值和标准差。其中，fd和σ是与短时谱中心频率和带宽相关联的两个量。
作为一个可选的实施例，根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数包括：
确定高斯模型的模型均值为当前相干脉冲串回波序列的短时谱中心频率初始估计值，fd′＝fd；
根据雷达待探测目标运动速度的快慢，选取对应的转换因子，根据高斯模型的标准差和转换因子，确定当前相干脉冲串回波序列短时谱带宽初始估计值。
可以理解的是，高斯模型拟合后，模型均值即为短时谱中心频率初始估计值fd′，标准差经过一定的转换后得到短时谱带宽初始估计值BW′。此处根据雷达待探测目标运动速度的快慢，选取对应的转换因子，分别得到3dB带宽或3σ带宽，具体实现方式是：
若选择3dB带宽(即BW′＝2.3548σ)，则海杂波能量的75.8％落在该频带范围内，此时多普勒谱频率范围为[fd′-1.1774σ,fd′+1.1774σ]内的目标能量会被抑制，该速度区间较小，适合海上慢速运动目标检测。若选择3σ带宽(即BW′＝6σ)，则杂波能量的99.74％落在该频带范围内，此时多普勒谱频率范围为[fd′-3σ,fd′+3σ]内的目标能量会被抑制，对应的速度范围较大，但海杂波抑制效果更优，因此适合海上快速运动目标或机动目标检测。
作为一个可选的实施例，根据前一个相干脉冲串回波序列的特征参数和当前相干脉冲串回波序列的初始特征参数，确定当前相干脉冲串回波序列的特征参数包括：
对上一步得到的短时谱初始特征参数，进一步沿时间维做平滑，以去除随机起伏的影响，得到最终估计结果。此处采用指数加权滑动平均方法，随时间维连续的每一个相干脉冲串回波序列的短时谱初始中心频率为fd1′，fd2′,fd3′,…，短时谱初始带宽为BW1′，BW2′,BW3′,…；
则：
Figure BDA0002577404900000101
Figure BDA0002577404900000102
其中，fd1，fd2,fd3,…和BW1，BW2,BW3,…分别表示随时间维连续的相干脉冲串回波序列的短时谱中心频率和带宽最终估计值，α为加权系数，表示为：
Figure BDA0002577404900000111
其中，n表示当前相干脉冲串回波序列与第一个相干脉冲串回波序列之间的延迟次数，β表示初始权重系数，为依据海况范围的不同选择的不同系数，取值介于0.5～0.99之间，应依据海况范围的不同选择不同的系数范围，当海况为1～2级时，海杂波时间非平稳性特征不明显，应选择较大的权重系数(范围0.9～0.99)；当海况为3级及以上时，时间非平稳性特征增强，应降低权重系数范围(合理范围为0.5～0.9)，以免在平滑过程中损失非平稳特征信息。
从以上可以看出，当前相干脉冲串回波序列的短时谱特征参数只与前一个相干脉冲串回波序列的特征参数和当前相干脉冲串回波序列的初始特征参数有关。
参见图4，提供了本发明实施例的一种雷达海杂波短时谱特征参数估计系统，包括：
变换模块41，用于对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；
平滑处理模块42，用于根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；
拟合模块43，用于采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；
确定模块44，用于根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；以及根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
本发明实施例提供的雷达海杂波短时谱特征参数估计系统与前述各实施例提供的雷达海杂波短时谱特征参数估计方法相对应，雷达海杂波短时谱特征参数估计系统的相关技术特征可参考前述各实施例的雷达海杂波短时谱特征参数估计方法的相关技术特征，在此不再赘述。
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(Communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行如下方法：对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
此外，上述的存储器530中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
本发明实施例提供的一种雷达海杂波短时谱特征参数估计方法及系统，在时间相关性和空间相关性分析的基础上，得到当前探测场景的相关时间和相关距离，并依据这两个参数，合理选择一定数量的邻近相干脉冲串和邻近距离单元初始短时谱进行分析处理，扩充了分析处理的初始短时谱的数据规模，并对扩充规模后的初始短时谱进行中值平滑处理和高斯模型的拟合，得到最终的短时谱特征参数估计值。本发明实施例对分析样本进行扩充，且采用中值平滑处理以及高斯模型拟合的方式，削弱短时谱特征参数的随机起伏波动性，最终得到短时谱中心频率和带宽估计值起伏偏差很小。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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。
最后应说明的是：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)

1.一种雷达海杂波短时谱特征参数估计方法，其特征在于，包括：
对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；
根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；
采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；
根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；
根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
2.根据权利要求1所述的短时谱特征参数估计方法，其特征在于，所述对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列包括：
采用与每一个相干脉冲串回波序列等长的加窗函数对当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；
其中，所述加窗函数为汉明窗、汉宁窗、Blackman窗或Dolph-Chebyshev窗。
3.根据权利要求1所述的短时谱特征参数估计方法，其特征在于，通过如下方式确定多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列：
根据当前相干脉冲串回波序列的相关时间、相关距离和每一个相干脉冲串回波序列的持续时间，分别确定出邻近相干脉冲串回波序列的数量和邻近距离单元回波序列的数量。
4.根据权利要求3所述的短时谱特征参数估计方法，其特征在于，
通过如下方式计算当前相干脉冲串回波序列的所述相关时间：
对于当前相干脉冲串回波序列，时间相关系数的估计公式如下：
Figure FDA0004048257810000021
式中，τ表示时间延迟，x(t)和x(t+τ)分别表示相干脉冲串回波序列中t和t+τ时刻的回波数据，“*”表示取共轭，T'表示相干脉冲串回波序列的总持续时间，
Figure FDA0004048257810000022
为海杂波均值的模平方，
Figure FDA0004048257810000023
为海杂波均方值；
当
Figure FDA0004048257810000024
的模值从初始值1衰减为第一预设值时，对应的时间延迟为相干脉冲串回波序列的相关时间；
相应的，通过如下方式计算当前相干脉冲串回波序列的所述相关距离：
对于当前相干脉冲串回波序列，空间相关系数的估计公式如下：
Figure FDA0004048257810000025
其中，s表示距离延迟，xn(t)和xn+s(t)分别表示第n和n+s个距离单元在t时刻的回波数据，N表示距离单元数；
当
Figure FDA0004048257810000026
的模值从初始值1衰减为第二预设值时，对应的距离延迟为当前相干脉冲串回波序列的相关距离。
5.根据权利要求1所述的短时谱特征参数估计方法，其特征在于，所述根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列，包括沿距离维的平滑处理和进一步沿脉冲维的平滑处理；
所述沿距离维的平滑处理包括：
根据当前相干脉冲串回波序列和多个邻近距离单元回波序列对应的初始短时谱估计值序列，取每一个频点的初始短时谱中值作为当前相干脉冲串回波序列的相应频点的短时谱中值估计值，遍历所有频点，得到当前相干脉冲串回波序列的短时谱中值估计值序列；
所述进一步沿脉冲维的平滑处理包括：
根据当前相干脉冲串回波序列的短时谱中值估计值序列和确定出的多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，取每一个频点的中值数据作为当前相干脉冲串回波序列的相应频点的最终短时谱估计值，遍历所有频点，得到当前相干脉冲串回波序列的最终短时谱估计值序列。
6.根据权利要求1所述的短时谱特征参数估计方法，其特征在于，所述采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差包括：
应用单分量高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，高斯模型表达式为：
Figure FDA0004048257810000031
其中，S(0)表示零多普勒频率上对应的短时谱，fd和σ分别表示高斯模型的模型均值和标准差；f表示当前相干脉冲串的频率。
7.根据权利要求6所述的短时谱特征参数估计方法，其特征在于，所述根据高斯模型的模型均值和标准差，确定当前相干脉冲串序列短时谱的初始特征参数包括：
确定高斯模型的模型均值为当前相干脉冲串回波序列的短时谱中心频率初始估计值，fd′＝fd，fd′表示当前相干脉冲串回波序列的短时谱中心频率初始估计值；
根据雷达待探测目标运动速度选取对应的转换因子，根据高斯模型的标准差和转换因子，确定当前相干脉冲串回波序列短时谱带宽初始估计值。
8.根据权利要求7所述的短时谱特征参数估计方法，其特征在于，所述根据雷达待探测目标运动速度，选取对应的转换因子，根据高斯模型的标准差和转换因子，确定当前相干脉冲串回波序列短时谱带宽初始估计值包括：
若为慢速运动目标检测模式，选取3dB带宽，则当前相干脉冲串回波序列短时谱带宽初始估计值BW′＝2.3548σ；
若为快速运动目标检测模式，选取3σ带宽，则当前相干脉冲串回波序列短时谱带宽初始估计值BW′＝6σ。
9.根据权利要求1所述的短时谱特征参数估计方法，其特征在于，所述根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数包括：
随时间维连续的每一个相干脉冲串回波序列的短时谱初始中心频率为fd1′，fd2′,fd3′,…，短时谱初始带宽为BW1′，BW2′,BW3′,…；
则：
Figure FDA0004048257810000041
Figure FDA0004048257810000051
其中，fd1，fd2,fd3,…和BW1，BW2,BW3,…分别表示随时间维连续的相干脉冲串回波序列的短时谱中心频率和带宽最终估计值，α为加权系数，表示为：
Figure FDA0004048257810000052
其中，n表示当前相干脉冲串回波序列与第一个相干脉冲串回波序列之间的延迟次数，β表示初始权重系数，为依据海况范围的不同选择的不同系数。
10.一种雷达海杂波短时谱特征参数估计系统，其特征在于，包括：
变换模块，用于对雷达接收的当前相干脉冲串回波序列进行加窗的快速傅里叶变换，得到初始短时谱估计值序列；
平滑处理模块，用于根据多个邻近距离单元回波序列和多个邻近相干脉冲串回波序列对应的初始短时谱估计值序列，对当前相干脉冲串回波序列对应的初始短时谱估计值序列进行中值平滑处理，得到当前相干脉冲串的最终短时谱估计值序列；
拟合模块，用于采用高斯模型拟合当前相干脉冲串的最终短时谱估计值序列，得到高斯模型的模型均值和标准差；
确定模块，用于根据高斯模型的模型均值和标准差确定当前相干脉冲串序列短时谱的初始特征参数，其中，所述短时谱的初始特征参数包括短时谱的中心频率初始估计值和短时谱带宽初始估计值；以及根据前一个相干脉冲串回波序列的短时谱特征参数和当前相干脉冲串回波序列的短时谱初始特征参数，确定当前相干脉冲串回波序列的短时谱特征参数。
CN202010657859.5A 2020-07-09 2020-07-09 一种雷达海杂波短时谱特征参数估计方法及系统 Active CN111830480B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010657859.5A CN111830480B (zh) 2020-07-09 2020-07-09 一种雷达海杂波短时谱特征参数估计方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010657859.5A CN111830480B (zh) 2020-07-09 2020-07-09 一种雷达海杂波短时谱特征参数估计方法及系统

Publications (2)

Publication Number Publication Date
CN111830480A CN111830480A (zh) 2020-10-27
CN111830480B true CN111830480B (zh) 2023-03-07

Family

ID=72901183

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010657859.5A Active CN111830480B (zh) 2020-07-09 2020-07-09 一种雷达海杂波短时谱特征参数估计方法及系统

Country Status (1)

Country Link
CN (1) CN111830480B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064161B (zh) * 2021-03-30 2023-05-30 南京信息工程大学 一种基于双子脉冲重构的海浪波谱仪交叉谱计算方法
CN113111301A (zh) * 2021-04-15 2021-07-13 中国人民解放军海军航空大学 基于时间尺度的keystone变换实现方法
CN114594425B (zh) * 2022-03-14 2023-05-16 电子科技大学 一种抗杂波干扰的短时脉冲串波形设计方法
CN115120205B (zh) * 2022-08-29 2022-12-20 长沙莫之比智能科技有限公司 基于毫米波雷达距离方位谱的人体心跳信号迭代增强方法
CN118173123B (zh) * 2024-05-09 2024-08-16 自然资源部第一海洋研究所 多参数约束的抗干扰实时嘀嗒声检测方法、介质和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091679A (zh) * 2013-02-04 2013-05-08 中国科学院声学研究所 水下运动目标识别方法
CN107703477A (zh) * 2017-09-11 2018-02-16 电子科技大学 基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法
CN111190157A (zh) * 2020-01-10 2020-05-22 中国地质大学（武汉） 一种ipix雷达回波数据时频分析方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11275168B2 (en) * 2017-12-28 2022-03-15 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Morphological components analysis for maritime target detection

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103091679A (zh) * 2013-02-04 2013-05-08 中国科学院声学研究所 水下运动目标识别方法
CN107703477A (zh) * 2017-09-11 2018-02-16 电子科技大学 基于块稀疏贝叶斯学习的准平稳宽带阵列信号波达方向估计方法
CN111190157A (zh) * 2020-01-10 2020-05-22 中国地质大学（武汉） 一种ipix雷达回波数据时频分析方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Approximate fractality of sea clutter fractional fourier transform spectrum;Ningbo Liu et al.;《2015 European Radar Conference (EuRAD)》;20150911;第117-120页 *
Target detection within sea clutter based on multi-scale cumulative high-order characteristics;Liu Ningbo et al.;《International Conference on Radar Systems (Radar 2017)》;20171026;第1-4页 *
实测海杂波数据的多普勒谱特性;丁昊 等;《雷达科学与技术》;20120831;第10卷(第4期);第400-408页 *
机动目标ISAR距离瞬时多普勒成像实现方法;卢光跃 等;《系统工程与电子技术》;19990731;第21卷(第7期);第30-32页 *
海杂波特性认知研究进展与展望;丁昊 等;《雷达学报》;20161031;第5卷(第5期);第499-516页 *

Also Published As

Publication number Publication date
CN111830480A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111830480B (zh) 一种雷达海杂波短时谱特征参数估计方法及系统
CN109814073B (zh) 一种mtd雷达解模糊测速方法
CN104569948B (zh) 海杂波背景下子带自适应glrt‑ltd检测方法
CN111610501B (zh) 对海雷达小目标检测方法
CN107132534B (zh) 一种高速雷达目标频域检测的优化方法
CN107450055B (zh) 基于离散线性调频傅立叶变换的高速机动目标检测方法
CN107390229B (zh) 一种测风激光雷达信号的处理方法及其处理装置
CN101872484B (zh) 图像域中多个微弱目标航迹自适应生长检测方法
KR101294681B1 (ko) 기상 신호 처리장치 및 그 처리방법
CN111580091B (zh) 一种基于ar谱奇异强度函数的海面微弱目标检测方法
CN111796288B (zh) 一种基于杂波频谱补偿技术的三坐标雷达动目标处理方法
CN104215959A (zh) 一种多机动目标径向初速度和径向加速度的估计方法
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
Zorych et al. Particle filtering for dispersion curve tracking in ocean acoustics
CN110596651B (zh) 一种雷达检测的方法
JP2673311B2 (ja) 信号処理方法及び信号処理装置
CN110244289A (zh) 一种自适应粒子滤波地波雷达目标一体化探测方法
CN111427035A (zh) 一种基于子带微多普勒差异的雷达实测数据集扩充方法
Luo Target detection method in short coherent integration time for sky wave over-the-horizon radar
CN112711026B (zh) 基于变微分步长相对变化熵的目标检测与信号频率估计方法
LeBlanc Narrow-band sampled-data techniques for detection via the underwater acoustic communication channel
CN117930165A (zh) 基于高频雷达的船只目标信号长时间积累方法及系统
Layeghy et al. A time frequency approach to CFAR detection
CN117233717A (zh) 多通道脉冲多普勒信号接收方法、装置、设备及介质
CN114755649A (zh) 一种基于相对样本熵的海面小目标特征检测方法

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
GR01 Patent grant
GR01 Patent grant