CN111948613A - 基于自适应背景区选取的船载地波雷达目标检测方法 - Google Patents
基于自适应背景区选取的船载地波雷达目标检测方法 Download PDFInfo
- Publication number
- CN111948613A CN111948613A CN202010861437.XA CN202010861437A CN111948613A CN 111948613 A CN111948613 A CN 111948613A CN 202010861437 A CN202010861437 A CN 202010861437A CN 111948613 A CN111948613 A CN 111948613A
- Authority
- CN
- China
- Prior art keywords
- data
- detection
- spectrum data
- class
- integer
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000001228 spectrum Methods 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000011218 segmentation Effects 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000010606 normalization Methods 0.000 claims abstract description 15
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 241000219000 Populus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000008447 perception 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- 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
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
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
基于自适应背景区选取的船载地波雷达目标检测方法,包括对于每一个波束的谱数据计算幅度值后取整排序;计算方差值,将方差值最大时对应的序号作为起始阈值;将剩下的整数序列采用加权最大类间差法做阈值分割计算;当类间差最大时其对应的序号作为目标与检测背景的分割阈值,将高于阈值的谱数据作为面目标,低于或等于阈值的谱数据作为检测背景;利用检测背景的Weibull估计所得参数,将检测背景做归一化;将面目标区域依次作为待检测点及保护单元,经过CFAR检测即可得到目标检测结果。本发明利用阈值分割的方法,对目标检测背景做自适应选取,并通过检测背景的统计参数估计与归一化处理,提高了船载地波雷达目标检测性能。
Description
技术领域
本发明涉及一种船载地波雷达的自适应目标检测方法,具体涉及一种基于自适应背景区选取的船载地波雷达目标检测方法。
背景技术
高频地波雷达,工作于3~30MHz的高频频段,利用垂直极化高频电磁波沿海面绕射传播特性,实现对海面舰船目标和低空飞行目标的超视距探测。相对于岸基地波雷达,船载地波雷达由于具备探测灵活等优势,近年来也开始迅速发展起来。目标检测作为船载地波雷达海上目标探测的关键一步,其检测性能至关重要。经典的目标检测方法为恒虚警率(Constant False Alarm Rate,CFAR)检测,CFAR检测是一种在实际地波雷达干扰环境下提供可预知检测和虚警的地波雷达检测方法,由于具备实时且较稳定的检测性能,CFAR检测方法被广泛应用于实际地波雷达的目标检测过程中。1968年,Finn和Johnson首先提出了一种单元平均(Cell Average,CA)CFAR检测方法,即CA-CFAR检测,在CA-CFAR的基础上,双参数CFAR检测器由于具备适应杂波变化的优势也得以发展,广泛应用于恒虚警检测;在1983年,德国研究者H.Rohling又提出了一种排序统计(Order Statistics)的CFAR检测器,即OS-CFAR检测器。由于上述CFAR检测器的性能主要受检测背景估计的影响,因此如何自适应选取背景区是十分重要的。
相关的参考文献如下:
[1]H.M.Finn and R.S.Johnson.Adaptive Detection Mode with ThresholdControl as a Function of Spatially Sampled Clutter Level Estimates.RCAReview.1968,No.29:414~463.
[2]Ivkovic D,Andric M,Zrnic B.Detection of very close targets byfusion CFAR detectors[J].2016.
[3]刘伊丽,张临杰,张晰,陈玉虎.双参数CFAR舰船检测算法两种实现方法之分析与比较[J].中国海洋大学学报(自然科学版),2017,47(S1):136-142.
[4]高丽清.高频地波雷达船舶目标检测算法研究[D],内蒙古大学,2018.
[5]H.Rohling.Radar CFAR Resolution of Targets Using AutomaticDetectors[J].IEEE Trans.AES.1983,19(4):608~621.
[6]李杨.高频地波雷达背景感知与目标检测技术研究[D].哈尔滨工业大学,2009.
发明内容
本发明的目的是提供一种基于自适应背景区选取的船载地波雷达目标检测方法,以克服现有技术的不足。
传统的CFAR检测都是假设检测背景服从高斯分布,但经研究发现:相对于高斯分布,高频地波雷达的检测背景更符合Weibull分布,因此为了提高船载地波雷达的检测性能,还要对检测背景做归一化处理。
为了实现上述目的,本发明的技术方案如下:
基于自适应背景区选取的船载地波雷达目标检测方法,其特征在于包括以下步骤:
步骤1:对所获取到的船载地波雷达数据做两次FFT处理,再经过数字波束形成,得到各个波束的雷达回波谱数据,每个波束的回波谱数据的数量记为N,所述N个数据中的每一个数据均存在距离(Range)和多普勒(Doppler)两个维度(即RD谱数据);
对于每一个波束的N个RD谱数据计算幅度值后取整,将取整后的数据按照数值进行排序,即可用数量为L的数列表示,将这些整数表示为一个整数序列x1,x2,...,xi,...,xL,且L≤N,因为两个不同RD谱数据取整后可以出现数值相同的情况;
步骤2:对每一个波束的RD谱数据计算方差值,方差计算公式为:
其中,m=1,2,...,L,表示第m个整数,μm为数据xm~xL的均值,其计算公式如下:
pi为整数xi出现的概率,计算公式如下:
式中,ni为一个波束的RD谱数据中,取整后出现整数xi的个数;
步骤3:为了提高阈值分割效果,使寻找分割阈值时不再从x1开始寻找,故利用步骤2得到的起始阈值xm,将剩下的L-m+1个整数即xm,xm+1,...,xi,...,xL采用加权最大类间差法做阈值分割计算;此时将整数xi(i≥m)的出现概率pi的计算公式修正为:
式中,N'为一个波束的RD谱数据中数据幅度值小于起始阈值xm的个数;
ni为一个波束的RD谱数据中,取整后出现整数xi的个数;
假设有xk(k∈m,...,L-1)作为阈值将剩余数据分割为C0和C1两类,C0类包含的整数序列为xm,xm+1,...,xk,如前所示,由于两个不同RD谱数据取整后可以出现数值相同的情况,因此C0类的数据个数将大于等于k-m+1个,C1类包含的整数序列为xk+1,...,xL,同理C1类的数据个数将大于等于L-k个,加权类间差法的计算公式如下:
ω1、μ1分别表示整数序列xm,xm+1,...,xi,...,xL中不同整数元素属于C1类的概率和幅度均值,公式如下:
q(0≤q≤1)为可调参数,以便于根据不同检测场景加以调整;
步骤5:基于步骤4得到的分割阈值xk来进行检测背景区的自适应选取,将高于阈值xk的RD谱数据,即数据取整排序后属于整数序列xk+1,...,xL的RD谱数据所在区域作为面目标,低于或等于阈值xk的RD谱数据,即数据取整排序后属于整数序列x1,...,xk的RD谱数据所在区域作为检测背景;
步骤6:将步骤5获得的检测背景做Weibull参数估计,利用估计的Weibull参数将检测背景做归一化处理,归一化公式为:
其中,y表示船载地波雷达回波谱数据的幅度值,B为Weibull分布的尺度参数,C为Weibull分布的形状参数,yexp表示转化为指数分布后的船载地波雷达回波谱数据;
步骤7:基于步骤6的检测背景归一化处理结果,将步骤5得到的面目标区域依次作为待检测点及保护单元,经过CFAR检测即可得到目标检测结果。
与现有技术相比,本发明的创新之处体现在以下方面:
CFAR检测方法是地波雷达目标检测中经典的方法,其检测性能主要与检测背景的估计准确性有关。而传统的CFAR检测方法通常利用规则的CFAR处理窗口选取固定背景区来做检测背景的估计。实际上,在船载地波雷达回波谱中,由于目标的不规则展宽,导致固定背景区选取的CFAR检测性能有所下降。
本发明针对这一问题提出的基于自适应背景区选取的船载地波雷达目标检测方法,利用阈值分割的方法,对目标检测背景做自适应选取,并通过检测背景的统计参数估计与归一化处理,提高了船载地波雷达目标检测性能。
附图说明
图1为本发明的基本流程示意图。
图2为本发明的数字波束形成后的距离多普勒(R-D谱)图。
图3为本发明的检测背景区选取结果图(用黑色“+”标注)。
图4为本发明的检测背景归一化处理结果图。
图5为本发明的目标检测结果图。
具体实施方式
下面结合附图,对本发明的方法做进一步说明:
基于自适应背景区选取的船载地波雷达目标检测方法,其基本流程如图1所示,主要包括目标与检测背景区分割阈值的计算、检测背景归一化处理,其具体步骤如下:
步骤1:对所获取到的船载地波雷达数据做两次FFT处理,再经过数字波束形成,得到各个波束的雷达回波谱数据,每个波束的回波谱数据的数量记为N,所述N个数据中的每一个数据均存在距离(Range)和多普勒(Doppler)两个维度(即RD谱数据),数字波束形成后的RD谱结果如图2所示。对于每一个波束的N个RD谱数据计算幅度值后取整,将取整后的数据按照数值进行排序,即可用数量为L的数列表示,将这些整数表示为一个整数序列x1,x2,...,xi,...,xL,且L≤N,因为两个不同RD谱数据取整后可以出现数值相同的情况;
步骤2:利用每一个波束的RD谱数据计算方差值,方差计算公式为:
其中,m=1,2,...,L,表示第m个整数,μm为数据xm~xL的均值,其计算公式如下:
pi为整数xi出现的概率,计算公式如下:
式中,ni为单一波束RD谱数据中整数xi的个数。
步骤3:为了提高阈值分割效果,寻找分割阈值时不再从x1开始寻找,而是利用步骤2得到的起始阈值xm,将剩下L-m+1个整数即xm,xm+1,...,xi,...,xL采用加权最大类间差法做阈值分割计算。此时步骤2中整数xi(i≥m)的出现概率pi的计算公式应修正为:
式中,N'为单一波束RD谱数据中数据幅度值小于起始阈值xm的个数。
假设用xk(k∈m,...,L-1)作为阈值将剩余数据分割为C0和C1两类,C0类包含的整数序列为xm,xm+1,...,xk,如前所示,由于两个不同RD谱数据取整后可以出现数值相同的情况,因此C0类实际包含的数据个数将大于等于k-m+1个,C1类包含的整数序列为xk+1,...,xL,同理C1类包含的数据个数将大于等于L-k个,加权类间差法的计算公式如下:
ω1、μ1分别表示整数序列xm,xm+1,...,xi,...,xL中不同整数元素属于C1类的概率和幅度均值,公式如下:
q(0≤q≤1)为可调参数,可根据不同检测场景加以调整;
步骤5:基于步骤4得到的分割阈值xk来进行检测背景区的自适应选取,即将高于阈值xk的RD谱数据,即数据取整后属于整数序列xk+1,...,xL的RD谱数据所在区域作为面目标,低于或等于阈值xk的RD谱,即数据取整后属于整数序列x1,...,xk的RD谱数据所在区域作为检测背景,自适应背景区选取的结果如图3所示;
步骤6:将步骤5获得的检测背景做Weibull参数估计,利用估计的参数将检测背景做归一化处理,归一化公式为:
其中,y表示船载地波雷达回波谱数据的幅度值,yexp表示转化为指数分布后的船载地波雷达回波谱数据,B为Weibull分布的尺度参数,C为Weibull分布的形状参数。
检测背景区归一化处理后的结果如图4所示;
步骤7:基于步骤6的检测背景归一化处理结果,将步骤5得到的面目标区域依次作为待检测点及保护单元,经过CFAR检测即可得到目标检测结果,图5所示为基于自适应背景区选取的船载地波雷达目标检测的最终结果。
Claims (1)
1.基于自适应背景区选取的船载地波雷达目标检测方法,其特征在于包括以下步骤:
步骤1:对所获取到的船载地波雷达数据做两次FFT处理,再经过数字波束形成,得到各个波束的雷达回波谱数据,每个波束的回波谱数据的数量记为N,所述N个数据中的每一个数据均存在距离(Range)和多普勒(Doppler)两个维度,即RD谱数据;
对于每一个波束的N个RD谱数据计算幅度值后取整,将取整后的数据按照数值进行排序,即可用数量为L的数列表示,将这些整数表示为一个整数序列x1,x2,...,xi,...,xL,且L≤N,因为两个不同RD谱数据取整后可以出现数值相同的情况;
步骤2:对每一个波束的RD谱数据计算方差值,方差计算公式为:
其中,m=1,2,...,L,表示第m个整数,μm为数据xm~xL的均值,其计算公式如下:
pi为整数xi出现的概率,计算公式如下:
式中,ni为一个波束的RD谱数据中,取整后出现整数xi的个数;
步骤3:为了提高阈值分割效果,使寻找分割阈值时不再从x1开始寻找,故利用步骤2得到的起始阈值xm,将剩下的L-m+1个整数即xm,xm+1,...,xi,...,xL采用加权最大类间差法做阈值分割计算;此时将整数xi(i≥m)的出现概率pi的计算公式修正为:
式中,N'为一个波束的RD谱数据中数据幅度值小于起始阈值xm的个数;
ni为一个波束的RD谱数据中,取整后出现整数xi的个数;
假设有xk(k∈m,...,L-1)作为阈值将剩余数据分割为C0和C1两类,C0类包含的整数序列为xm,xm+1,...,xk,如前所示,由于两个不同RD谱数据取整后可以出现数值相同的情况,因此C0类的数据个数将大于等于k-m+1个,C1类包含的整数序列为xk+1,...,xL,同理C1类的数据个数将大于等于L-k个,加权类间差法的计算公式如下:
ω1、μ1分别表示整数序列xm,xm+1,...,xi,...,xL中不同整数元素属于C1类的概率和幅度均值,公式如下:
q(0≤q≤1)为可调参数,以便于根据不同检测场景加以调整;
步骤5:基于步骤4得到的分割阈值xk来进行检测背景区的自适应选取,将高于阈值xk的RD谱数据,即数据取整排序后属于整数序列xk+1,...,xL的RD谱数据所在区域作为面目标,低于或等于阈值xk的RD谱数据,即数据取整排序后属于整数序列x1,...,xk的RD谱数据所在区域作为检测背景;
步骤6:将步骤5获得的检测背景做Weibull参数估计,利用估计的Weibull参数将检测背景做归一化处理,归一化公式为:
其中,y表示船载地波雷达回波谱数据的幅度值,B为Weibull分布的尺度参数,C为Weibull分布的形状参数,yexp表示转化为指数分布后的船载地波雷达回波谱数据;
步骤7:基于步骤6的检测背景归一化处理结果,将步骤5得到的面目标区域依次作为待检测点及保护单元,经过CFAR检测即可得到目标检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010861437.XA CN111948613B (zh) | 2020-08-25 | 2020-08-25 | 基于自适应背景区选取的船载地波雷达目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010861437.XA CN111948613B (zh) | 2020-08-25 | 2020-08-25 | 基于自适应背景区选取的船载地波雷达目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948613A true CN111948613A (zh) | 2020-11-17 |
CN111948613B CN111948613B (zh) | 2023-11-10 |
Family
ID=73360170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010861437.XA Active CN111948613B (zh) | 2020-08-25 | 2020-08-25 | 基于自适应背景区选取的船载地波雷达目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948613B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830766A (zh) * | 2024-03-04 | 2024-04-05 | 自然资源部第一海洋研究所 | 一种船载地波雷达目标谱图样本自适应提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6380887B1 (en) * | 2000-03-08 | 2002-04-30 | Chung-Shan Institute Of Science And Technology | Method of reducing clutter and mutual interference in a coherent doppler radar system |
CN105572651A (zh) * | 2015-12-30 | 2016-05-11 | 哈尔滨工业大学 | 一种基于杂波背景统计识别的cfar检测方法 |
CN110286370A (zh) * | 2019-05-08 | 2019-09-27 | 自然资源部第一海洋研究所 | 航行状态下的船载地波雷达运动补偿方法 |
CN110837078A (zh) * | 2018-08-16 | 2020-02-25 | 国家海洋局第一海洋研究所 | 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 |
KR102110973B1 (ko) * | 2019-10-25 | 2020-05-14 | 에스티엑스엔진 주식회사 | 노이즈 재밍 탐지를 위한 견고한 cfar 방법 |
-
2020
- 2020-08-25 CN CN202010861437.XA patent/CN111948613B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6380887B1 (en) * | 2000-03-08 | 2002-04-30 | Chung-Shan Institute Of Science And Technology | Method of reducing clutter and mutual interference in a coherent doppler radar system |
CN105572651A (zh) * | 2015-12-30 | 2016-05-11 | 哈尔滨工业大学 | 一种基于杂波背景统计识别的cfar检测方法 |
CN110837078A (zh) * | 2018-08-16 | 2020-02-25 | 国家海洋局第一海洋研究所 | 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 |
CN110286370A (zh) * | 2019-05-08 | 2019-09-27 | 自然资源部第一海洋研究所 | 航行状态下的船载地波雷达运动补偿方法 |
KR102110973B1 (ko) * | 2019-10-25 | 2020-05-14 | 에스티엑스엔진 주식회사 | 노이즈 재밍 탐지를 위한 견고한 cfar 방법 |
Non-Patent Citations (1)
Title |
---|
童健, 文必洋, 王颂: "强海杂波背景下的舰船目标检测", 武汉大学学报(理学版), no. 03 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117830766A (zh) * | 2024-03-04 | 2024-04-05 | 自然资源部第一海洋研究所 | 一种船载地波雷达目标谱图样本自适应提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111948613B (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352102B (zh) | 一种基于调频连续波雷达的多目标个数检测方法及装置 | |
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
Hu et al. | Detection of low observable targets within sea clutter by structure function based multifractal analysis | |
US9157992B2 (en) | Knowledge aided detector | |
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN109324322B (zh) | 一种基于被动相控阵天线的测向与目标识别方法 | |
JP2005520161A (ja) | レーダ検出の適応的システムおよび方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN104155632A (zh) | 一种基于局部相关性的改进子空间海杂波抑制方法 | |
Kuang et al. | An improved CA-CFAR method for ship target detection in strong clutter using UHF radar | |
CN109154655A (zh) | 目标信号检测方法、设备、无人机及农业无人机 | |
CN108318865B (zh) | 多通道sar欺骗干扰鉴别与自适应抑制方法 | |
CN107561509B (zh) | 一种机载毫米波雷达电力线检测方法 | |
Inggs et al. | Ship target recognition using low resolution radar and neural networks | |
Lu et al. | A vessel detection method using compact-array HF radar | |
CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
CN113933808A (zh) | 机载雷达动目标检测方法、装置、设备及存储介质 | |
Sahal et al. | Comparison of CFAR methods on multiple targets in sea clutter using SPX-radar-simulator | |
CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
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 | |
CN112255608A (zh) | 一种基于正交投影的雷达杂波自适应抑制方法 | |
CN108387879B (zh) | 基于自适应归一化匹配滤波的杂波图单元中值检测方法 | |
KR20140040422A (ko) | Data Matrix Bank Filter를 이용한 이동체용 레이더의 클러터 제거기 및 제거방법 | |
CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
CN113567944A (zh) | 海杂波中frft域奇异值特征的目标检测方法和装置 |
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 |