CN112034426B - 雷达信号处理方法、装置、计算机设备和存储介质 - Google Patents
雷达信号处理方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112034426B CN112034426B CN202010877574.2A CN202010877574A CN112034426B CN 112034426 B CN112034426 B CN 112034426B CN 202010877574 A CN202010877574 A CN 202010877574A CN 112034426 B CN112034426 B CN 112034426B
- Authority
- CN
- China
- Prior art keywords
- pulse
- preset
- initial
- vectors
- slope
- 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
Links
- 238000003672 processing method Methods 0.000 title abstract description 13
- 239000013598 vector Substances 0.000 claims abstract description 683
- 230000005855 radiation Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 58
- 238000012163 sequencing technique Methods 0.000 claims abstract description 24
- 230000008859 change Effects 0.000 claims description 102
- 238000004590 computer program Methods 0.000 claims description 46
- 238000010606 normalization Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- 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
- G01S7/38—Jamming means, e.g. producing false echoes
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
本申请涉及计算机技术领域,特别是涉及一种雷达信号处理方法、装置、计算机设备和存储介质。所述方法包括:获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。采用本方法能够提升雷达信号的分选准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种雷达信号处理方法、装置、计算机设备和存储介质。
背景技术
雷达信号分选是从截获到的密集雷达脉冲流中分离出属于不同雷达辐射源的脉冲。其中,密集雷达脉冲流即全脉冲,每个脉冲以脉冲描述字表示(PDW,Pulse DescriptionWords)。雷达信号分选是雷达电子对抗情报分析的基础,只有将随机交迭的脉冲流分选成各部雷达的单独脉冲序列之后才能精确测量和详细分析雷达的特征参数,从而判断这些雷达的功能用途、平台类型、威胁等级等属性,对敌方威胁辐射源进行精准干扰。
由于雷达信号的分选工作归根到底是实现对于来自不同雷达辐射源的脉冲信号的聚类的过程,即不同曲线的数据点聚类的过程。对于曲线聚类的问题,在传统方式中,通常采用流形聚类方法进行雷达信号的分选。
但是,由于雷达信号中同一雷达辐射源的各脉冲信号并非严格的正弦函数曲线,通过采用流形聚类方法进行雷达信号的分选,使得分选结果交叉,雷达信号的分选准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升雷达信号的分选准确性的雷达信号处理方法、装置、计算机设备和存储介质。
一种雷达信号处理方法,所述方法包括:
获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;
构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;
基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;
基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。
一种雷达信号处理装置,所述装置包括:
待分选雷达信号获取模块,用于获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;
脉冲向量构建模块,用于构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;
分类模块,用于基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;
合并处理模块,用于基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例所述方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一实施例所述的方法的步骤。
上述雷达信号处理方法、装置、计算机设备和存储介质,通过获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号,然后构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序,进一步基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,并基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。从而,将雷达信号中绝大多数脉冲信号聚类到同一初始分类,再将相似的类进行合并,得到对应各雷达辐射源脉冲向量,通过两层分选,可以提升雷达信号分选的准确性。
附图说明
图1为一个实施例中雷达信号处理方法的应用场景图;
图2为一个实施例中雷达信号处理方法的流程示意图;
图3为一个实施例中雷达信号处理装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的雷达信号处理方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。用户通过终端102采集雷达信号,并发送至服务器104,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号。服务器104获取到待分选雷达信号后,构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序。进一步,服务器104基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,并基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。其中,终端102可以但不限于是各种雷达信号的接收设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种雷达信号处理方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号。
其中,待分选雷达信号是指终端截取到的密集雷达脉冲流信号,可以是包括多个雷达辐射源发送的多个脉冲信号。
雷达辐射源是指发送雷达脉冲信号的装置,具体可以是指多个雷达信号发射装置。
各脉冲信号可以包括多个信号参数,例如,到达时间(TOA,time-of-arrival)、载频(RF,radio frequency)、脉宽(PW,Pulse Width)、脉幅(PA,pulse amplitude)、到达方位(DOA,direction-of-arrival)。
其中,载频RF是指雷达发射信号过程中的脉间工作频率,常见的载频RF样式包括固定、分集、捷变、跳变、抖动、组变等。
在本实施例中,终端可以截取接收到待分类雷达信号,并发送至服务器,以进行后续的处理。
步骤S204,构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序。
其中,脉冲向量是指基于脉冲信号的信号参数所构成的向向量。
预设顺序是指预先设置的排序顺序,例如,按照终端接收到雷达信号的时间进行排序,或者是按照雷达信号的强弱记性排序等。
在本实施例中,服务器在接收到待分选雷达信号后,可以根据待分选雷达信号中各脉冲信号的信号参数,建立对应各脉冲信号的脉冲向量。
进一步,服务器可以对构建的脉冲向量进行排序处理,得到排序后的多个脉冲向量,例如,按照脉冲信号的到达时间对构建的各脉冲向量进行排序,得到排序后的脉冲向量。
步骤S206,基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类。
其中,脉冲信号的连续性条件是指排序后的脉冲向量之间满足一定的连续性要求,例如,脉冲向量之间的排序差以及脉冲向量中脉冲信号的信号参数等满足预设的要求。
在本实施例中,服务器在构建对应各脉冲信号的脉冲向量,并进行排序后,可以生成对应各脉冲向量的排序序号,例如,N1~Nn。
进一步,服务器基于各脉冲向量的排序序号以及各脉冲向量中的脉冲参数,对各脉冲向量进行分类,以确定任两个脉冲向量是否属于同一分类,并将同一分类的脉冲向量归为同一分类,以得到多个初始分类。
在本实施例中,各初始分类中,脉冲向量的数量各部相同,例如,有的初始分类包括5个脉冲向量,有的10个等。
步骤S208,基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。
其中,服务器得到的各初始分类并不是对应于各雷达辐射源的分类结果,且部分分类结果可能是由于干扰信号等得到的初始分类、
在本实施例中,服务器在得到多个初始分类后,可以根据脉冲信号的连续性条件,对各初始分类进行筛选、删除以及合并处理,以得到对应各雷达辐射源的脉冲向量。
进一步,服务器在确定对应各雷达辐射源脉冲向量后,可以根据各脉冲向量,从待分选雷达信号中获取对应的脉冲信号,并基于获取的各脉冲信号,申城对应各雷达辐射源的脉冲信号序列。
上述雷达信号处理方法中,通过获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号,然后构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序,进一步基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,并基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。从而,将雷达信号中绝大多数脉冲信号聚类到同一初始分类,再将相似的类进行合并,得到对应各雷达辐射源脉冲向量,通过两层分选,可以提升雷达信号分选的准确性。
在其中一个实施例中,基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类之前,还可以包括:对排序后的各脉冲向量进行归一化标准预处理,得到归一化标准预处理后的各脉冲向量。
具体地,服务器可以对各脉冲向量中各脉冲参数均进行归一化标准预处理。例如,服务器可以使用标准分数(Z-Score,standard score)各脉冲向量的各值进行预处理,Z-Score进行标准化的定义如下:
其中,表示原始数据均值,例如,载频RF均值,σ表示原始数据的标准差,例如,载频RF的标准差,x表示各原始数据,例如,各脉冲向量中的载频值。
在本实施例中,服务器可以基于待分选雷达信号的所有的脉冲向量,确定对应各脉冲参数的均值以及标准差σ,然后在对组成各脉冲向量的各脉冲参数分别进行归一化标准预处理,以得到归一化标准预处理后的各脉冲向量。
在本实施例中,基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:基于脉冲信号的连续性条件按照预设顺序依次对归一化标准预处理后的各脉冲向量进行分类,得到多个初始分类。
具体地,服务器可以对归一化标准预处理后的各脉冲向量进行分类,以得到多个初始分类。
上述实施例中,通过对各脉冲向量进行归一化标准预处理,然后再进行分类,得到多个初始分类,从而,使得进行分类的各脉冲向量是经过标准化处理后的向量,在进行分类的时候,可以提升分类的准确性。
在其中一个实施例中,脉冲信号可以包括脉冲信号的到达时间值以及载频值。
在本实施例中,服务器构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序,包括:基于各脉冲信号的到达时间值以及载频值,构建对应各脉冲信号的脉冲向量,得到对应待分选雷达信号的多个脉冲向量;按照各脉冲信号的到达时间值,对多个脉冲向量进行排序。
具体地,服务器可以根据各脉冲信号的到达时间值以及载频值,生成对应各脉冲信号的各二维脉冲向量。
在其中一个实施例中,基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:当初始分类中的脉冲向量的数量大于第一预设分类数量且小于第二预设分类数量时,则基于连续变化条件对各脉冲向量进行分类,得到多个初始分类;当初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,则基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类。
其中,第一预设分类数量可以是指1,第二预设分类数量可以是预先设置数量,可以是3。
连续变换条件是指满足同一初始分类中相邻脉冲应该满足的条件,例如,同一初始分类中相邻脉冲向量的排序差条件以及载频值差条件等。
连续可导条件是指组成同一初始分类的多个脉冲向量中,连续多个脉冲向量的斜率变化比满足预设条件,例如,小于预设阈值等。
在本实施例中,当服务器在对排序后的各脉冲向量进行分类的时候,可以根据当前初始分类中脉冲向量的数量,确定对应后续脉冲向量的分类方式。
例如,服务器可以确定排序后的第一个脉冲向量为当前初始分类的第一个脉冲向量。
进一步,当当前初始分类中,脉冲向量的数量大于第一预设分类数量且小于第二预设分类数量时,则服务器可以基于连续变化条件对各脉冲向量进行分类,当当前初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,则基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类。
上述实施例中,通过对初始分类中脉冲向量的数量进行判定,并确定的对应分类方式进行分类,对于不同的情况可以对应确定不同的分类方式,从而可以提升分类的准确性。
在其中一个实施例中,基于连续变化条件对各脉冲向量进行分类,得到多个初始分类,可以包括:根据各脉冲向量之间的载频值差以及排序差,对各脉冲向量进行分类,得到多个初始分类。
如前所述,服务器在构建脉冲向量并进行排序后,可以生成对应各脉冲向量的排序序号。排序差即指两个脉冲向量的排序序号差。载频值差是指两个脉冲向量中载频值之差。
在本实施例中,服务器可以根据当前脉冲向量,确定排序位于当前脉冲向量之后的预设数量punm个脉冲向量为备选脉冲向量,并计算当前脉冲向量与各备选脉冲向量的载频差。
进一步,服务器可以确定备选载频差最小的备选脉冲向量为对应当前脉冲向量的目标脉冲向量。
在本实施例中,服务器在确定对应当前脉冲向量的目标脉冲向量之后,可以根据当前脉冲向量的排序序号以及目标脉冲向量的排序序号,得到当前脉冲向量与目标脉冲向量之间的序列差。
进一步,服务器基于当前脉冲向量与目标脉冲向量之间的序列差,判定当前脉冲向量与目标脉冲向量是否属于同一分类,并进行对应的分类处理。
在本实施例中,当服务器确定当前脉冲向量与目标脉冲向量之间的序列差大于预设排序差阈值pulse_index_range时,例如,pulse_index_range=6,则服务器可以确定当前脉冲向量与目标脉冲向量不为同一分类,则服务器放弃当前分类,并将该目标脉冲向量作为新的分类的第一个向量,并继续进行分类。
进一步,当服务器确定当前脉冲向量与目标脉冲向量之间的序列差小于或等于预设排序差阈值pulse_index_range时,则服务器可以确定当前脉冲向量与目标脉冲向量为同一分类,则服务器将目标脉冲向量添加至当前初始分类中,并将该目标脉冲向量作为当前脉冲向量,并继续确定对应当前初始分类的脉冲向量,直至当前初始分类中脉冲向量的数量大于或等于第二预设分类数量,例如,大于或等于4。
在本实施例中,当服务器在确定对应当前初始分类中不同的脉冲向量时,备选脉冲向量的预设数量punm可以不同,例如,当服务器确定当前初始分类中第二个脉冲向量时,备选脉冲向量的预设数量punm可以是5,当服务器确定当前初始分类中第三个脉冲向量时,备选脉冲向量的预设数量punm可以是3。本领域技术人员可以理解的是,此处仅为举例说明,在其他实施例中,也可以是其他的数量,本申请对此不作限制。
在本实施例中,当服务器在确定对应当前初始分类的第二个脉冲向量时,若对应的目标脉冲向量与当前脉冲向量不为同一分类,则服务器可以从总的排序中剔除作为当前初始分类的第一个脉冲向量的当前脉冲向量。
进一步,当服务器在确定对应当前初始分类的第三个脉冲向量时,若对应的目标脉冲向量与当前脉冲向量不为同一分类,则服务器可以从总的排序中剔除作为当前初始分类的第二个脉冲向量的当前脉冲向量以及当前初始分类的第一个脉冲向量。
上述实施例中,通过根据各脉冲向量之间的载频值差以及排序差,对各脉冲向量进行分类,得到多个初始分类,从而使得分类得到的同一初始分类中的多个脉冲向量满足载频和排序要求,可以提升分类的准确性。
在其中一个实施例中,基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类,包括:根据各脉冲向量对应的排序差值以及斜率变化比,对各脉冲向量进行分类,得到多个初始分类。
在本实施例中,当服务器当初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,则服务器可以根据各脉冲向量对应的排序差值以及斜率变化比,对各脉冲向量进行分类。
在其中一个实施例中,斜率变化比的确定方式可以包括:基于当前脉冲向量以及当前初始分类中满足第二预设排序条件的脉冲向量,得到对应当前脉冲向量的第一斜率差;基于当前初始分类中满足第三预设排序条件的脉冲向量,得到对应当前脉冲向量的第二斜率差;根据第一斜率差以及第二斜率差,得到对应当前脉冲向量的斜率变化比。
其中,第一预设排序条件的脉冲向量是指当前初始分类中排序满足第一预设排序条件的脉冲向量,例如,当前初始分类中排序倒数的第1/2个脉冲向量。第二预设排序条件的脉冲向量是指当前初始分类中排序满足第二预设排序条件的脉冲向量,例如,当前初始分类中排序倒数的第1/2/3个脉冲向量。
在本实施例中,服务器可以根据满足第一预设排序条件的脉冲向量中的各相邻脉冲以及当前脉冲向量,计算各相邻脉冲的斜率,并基于各斜率,确定对应的第一斜率差a1,例如,服务器根据当前脉冲向量以及倒数第1个脉冲向量,确定对应当前脉冲向量以及倒数第1个脉冲向量的斜率,然后根据倒数第1个脉冲向量以及倒数第2个脉冲向量,确定对应倒数第1个脉冲向量以及倒数第2个脉冲向量的斜率,并将两个斜率相减,得到对应的当前脉冲向量的第一斜率差a1。
同理,服务器可以得到对应的当前脉冲向量的第二斜率差a2。
进一步,服务器可以根据第一斜率差a1以及第二斜率差a2,得到斜率变化比ratio。其中,ratio=abs(a1/a2),即斜率变化比ratio等于第一斜率差a1与第二斜率差a2的比值。
上述实施例中,通过排序差值以及斜率变化比,对各脉冲向量进行分类,使得分为同一分类的脉冲向量满足对应的排序要求以及斜率变化比要求,从而可以提升脉冲向量的分类的准确性。
在其中一个实施例中,根据各脉冲向量之间的排序差值以及斜率变化比,对各脉冲向量进行分类,可以包括:根据当前脉冲向量对应的排序差值,判断排序差值是否小于或等于预设排序差阈值;当排序差值小于或等于预设排序差阈值时,则根据当前初始分类中满足第四预设排序条件的脉冲向量,确定对应当前脉冲向量的斜率差变化比;基于斜率差变化比判断当前脉冲向量是否属于当前初始分类。
在本实施例中,服务器在确定当前初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,服务器可以确定与当前初始分类中最后一个脉冲向量满足预设条件的脉冲向量为当前脉冲向量,并判定该当前脉冲向量是否属于当前初始分类。
具体地,服务器以总排序中,当前初始分类中最后一个脉冲向量之后的pnum(例如,3)个脉冲向量作为备选脉冲向量,并按照载频值从小到大对pnum个备选脉冲向量进行排序。
进一步,服务器选择备选脉冲向量中排序第一个备选脉冲向量为当前脉冲向量,并判定在总排序中,该当前脉冲向量的排序序号与当前初始分类中最后一个脉冲向量的排序差是否小于或等于预设排序差阈值pulse_index_range。
在本实施例中,当服务器确定排序差小于或等于预设排序差阈值pulse_index_range时,则根据当前初始分类中满足第四预设排序条件的脉冲向量,确定对应当前脉冲向量的斜率差变化比,并基于斜率差变化比判断当前脉冲向量是否属于当前初始分类。当服务器确定排序差大于预设排序差阈值pulse_index_range时,则服务器完成对当前初始分类的分类,并以备选脉冲向量中载频值最小的备选脉冲向量作为新的初始分类的第一个脉冲向量,并继续进行分类。
在本实施例中,第四预设排序条件的脉冲向量可以是等于前文所述的第二预设排序条件的脉冲向量与第三预设排序条件的脉冲向量的并集。具体斜率差变化比的计算方式可以参照前文内容,此处不再赘述。
在其中一个实施例中,基于斜率差变化比判断当前脉冲向量是否属于当前初始分类,可以包括:当斜率差变化比小于第一斜率差变化比阈值时,则确定当前脉冲向量属于当前初始分类;当斜率差变化比大于或等于第一斜率差变化比阈值,且小于或等于第二斜率差变化比阈值时,则根据与当前脉冲向量存在对应关系的脉冲向量的目标斜率差变化判断当前脉冲向量是否属于当前初始分类;当斜率差变化比大于第二斜率差变化比阈值时,则确定当前脉冲向量不属于当前初始分类。
在本实施例中,当服务器确定对应当前脉冲向量的斜率差变化ratio比小于第一斜率差变化比阈值ratio_l(ratio_l的默认值2)时,则可以确定当前脉冲向量属于当前初始分类,则服务器可以将当前脉冲向量作为当前初始分类的最后一个脉冲向量,并继续确定对应的当前脉冲向量,并继续进行分类。
进一步,当服务器确定对应当前脉冲向量的斜率差变化ratio大于或等于第一斜率差变化比阈值ratio_l,且小于或等于第二斜率差变化比阈值ratio_r(ratio_r的默认值20)时,则服务器还需进一步判断,以从该备选脉冲向量中确定对应该当前初始分类的脉冲向量。
具体地,服务器依次计算其它备选脉冲向量的斜率变化比new_ratio,若某个其它备选脉冲向量的斜率变化比new_ratio小当前脉冲向量的斜率差变化ratio,且备选脉冲向量的斜率变化比new_ratio小于第三斜率差变化比阈值new_ratio_r(new_ratio_r的默认值3)时,则确定该备选脉冲向量且对应该当前初始分类的脉冲向量,并将该备选脉冲向量作为当前初始分类的最后一个脉冲向量,并继续确定对应的当前脉冲向量,并继续进行分类。
在本实施例中,当服务器确定其它备选脉冲向量的斜率变化比new_ratio不满足“new_ratio<ratio且new_ratio<new_ratio_r”时,则服务器可以确定当前脉冲向量属于当前初始分类,则服务器可以将当前脉冲向量作为当前初始分类的最后一个脉冲向量,并继续确定对应的当前脉冲向量,并继续进行分类。
进一步,当服务器确定对应当前脉冲向量的斜率差变化大于第二斜率差变化比阈值ratio_r时,则服务器可以确定该当前脉冲向量不属于当前初始分类,则服务器继续以备选脉冲向量中当前脉冲向量的后一脉冲向量为当前脉冲向量,并继续进行分类判定,直至备选脉冲向量所有的脉冲向量均判断完毕。
上述实施例中,通过根据各脉冲向量之间的排序差值以及斜率变化比,对各脉冲向量进行分类,从而,使得脉冲向量的分类基于各脉冲向量的排序差值以及斜率变化比确定,可以提升分类的准确性。
在其中一个实施例中,基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类;判断除去当前初始分类后的脉冲向量的数量是否满足预设临界值;若是,则继续基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类,否则停止进行分类。
在本实施例中,服务器在每一次完成对一个初始分类的分类后,可以对总排序中剩余的脉冲向量的数量进行判定,判定其是否满足预设临界值,例如,是否小于预设临界数量。
在本实施例中,当服务器确定总排序中剩余的脉冲向量的数量小于预设临界数量时,则服务器可以确定总排序中剩余的脉冲向量不足以在构成新的初始分类,则服务器停止继续进行分类,并舍弃剩余的各脉冲向量。当服务器确定总排序中剩余的脉冲向量的数量大于或等于预设临界数量时,则服务器确定总排序中剩余的脉冲向量还有可能能够构成新的初始分类,则服务器基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量继续进行分类。
上述实施例中,通过对除去当前初始分类后的脉冲向量的数量是否满足预设临界值进行判断,在确定不能构成新的分类的时候停止继续分类,在确定可以构成新的分类的时候继续进行分类,从而可以减少不必要分类处理过程的发生,节约数据处理资源。
在其中一个实施例中,基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量,包括:按照预设顺序对各初始分类中各脉冲向量进行排序;根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
其中,满足预设条件的脉冲向量是指相邻的初始分类中满足预设位置条件的脉冲向量,例如,相邻的初始分类中前一初始分类的最后一个脉冲向量与后一初始分类中前预设数量个脉冲向量等。
具体地,服务器根据各脉冲信号中脉冲向量的到达时间TOA,例如,各初始分类中第一脉冲向量的到达时间,对多个初始分类进行排序,得到排序后的多个初始分类。
进一步,服务器可以从排序后的各初始脉冲中,确定满足预设条件的脉冲向量,并基于确定的脉冲向量,根据前文所述的连续性条件,判断其对应的相邻的初始分类是否可以合并。
具体地,排序后相邻的两个初始分类分别为i和j,j=i+1,当第j个初始分类满足与第i个初始分类合并的所有条件时,则服务器可以将第j个初始分类的所有脉冲向量移至第i个初始分类中,删除第j个初始分类。进一步,服务器再接着依次判断j个初始分类后面的初始分类是否可以与第i个初始分类合并,直至完成第i个初始分类的合并判别,结束第一轮合并。
进一步,对于还未合并的各初始分类,服务器可以开始新一轮的合并判别,直至所有能合并的初始分类都被合并完成。
上述实施例中,通过按照预设顺序对各初始分类中各脉冲向量进行排序,然后根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,从而可以使得对应于同于雷达辐射源的脉冲向量尽可能的合并为同一分类,提升分类的准确性。
在其中一个实施例中,根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:判断相邻的初始分类中满足预设条件的脉冲向量是否符合连续性条件;当相邻的初始分类中满足预设条件的脉冲向量符合连续性条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足载频条件;当相邻的初始分类中满足预设条件的脉冲向量满足载频条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件;当相邻的初始分类中满足预设条件的脉冲向量满足斜率条件时,则确定相邻的初始分类可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
沿用前例,对于第i个初始分类,当服务器确定位于其后的第j个初始分类的前三个脉冲向量中所有脉冲向量的排序序号均大于第i个初始分类中最后一个脉冲向量的排序序号时,则服务器可以确定第i个初始分类和第j个初始分类不能合并。当服务器确定位于其后的第j个初始分类的前三个脉冲向量中至少一个脉冲向量的排序序号小于第i个初始分类中最后一个脉冲向量的排序序号时,则服务器可以根据载频条件对第i个初始分类以及第j个初始分类是否可能合并进行进一步的判定,且服务器将第j个初始分类的前三个脉冲向量中脉冲向量的排序序号小于第i个初始分类中最后一个脉冲向量的排序序号的脉冲量记为第m个脉冲向量。
在本实施例中,服务器确定位于其后的第j个初始分类的前三个脉冲向量中至少一个脉冲向量的排序序号小于第i个初始分类中最后一个脉冲向量的排序序号时,可以根据第i个初始分类中各脉冲向量的载频值,确定对应第i个初始分类的载频均值。
进一步,服务器还可以根据第i个初始分类中最后一个脉冲向量的载频值以及第j个初始分类中第m个脉冲向量的载频值,确定对应的载频差绝对值。
进一步,服务器判断得到的载频差绝对值是否小于载频均值的rf_mean_ratio(默认值1.5)倍。
在本实施例中,当服务器确定载频差绝对值大于或等于载频均值的rf_mean_ratio倍时,则服务器可以确定第i个初始分类和第j个初始分类不能合并。当服务器确定载频差绝对值小于载频均值的rf_mean_ratio倍时,则服务器可以根据斜率条件对第i个初始分类和第j个初始分类能否合并进行进一步的判定,并合并或者是不合并处理。
在其中一个实施例中,斜率条件可以包括相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比是否均小于或等于预设斜率比阈值。
在本实施例中,判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件,可以包括:当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均小于或等于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量满足斜率条件;当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均至少一个大于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量不满足斜率条件。
在本实施例中,服务器可以根据第i个初始分类的最后两个脉冲向量,确定其对应的脉冲斜率b1。
进一步,服务器可以根据第i个初始分类的最后一个脉冲向量与第j个初始分类中第m个脉冲向量,确定对应的脉冲斜率b2。
在本实施例中,服务器根据脉冲斜率b1以及脉冲斜率b2,生成对应的第一斜率比ratio1,其中,第一斜率比ratio1=abs(b1/b2)。
进一步,服务器根据第j个初始分类中第m个脉冲向量和第(m+1)个脉冲向量,生成对应的脉冲斜率c1。然后服务器根据脉冲斜率c1以及脉冲斜率b2,得到对应的。其中,第二斜率比ratio2=abs(c1/b2)。
在本实施例中,服务器基于预设斜率比阈值ratio_hb(ratio_hb默认值10),判定第一斜率比ratio1以及第二斜率比ratio2是否均小于预设斜率比阈值ratio_hb。
具体地,当服务器确定第一斜率比ratio1以及第二斜率比ratio2均小于预设斜率比阈值ratio_hb时,则服务器确定第j个初始分类与第i个初始分类满足斜率条件,可以进行合并,并将第j个初始分类的各脉冲向量全部移入第i个初始分类中,删除第j个初始分类,并继续判断第j各初始分类后面的各初始分类是否可以与第i个初始分类合并。
进一步,当服务器确定第一斜率比ratio1以及第二斜率比ratio2中至少一个大于或等于预设斜率比阈值ratio_hb时,则服务器确定第j个初始分类与第i个初始分类不满足斜率条件,不能进行合并,则服务器继续判断第j+1个初始分类是否可以与第i个初始分类合并。
上述实施例中,通过根据斜率比阈值对相邻的初始分类进行判定,并进行对应的合并处理,使得合并的初始分类满足斜率条件,从而可以提升分类的准确性。
在其中一个实施例中,将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理之后,还可以包括:确定合并处理后的各初始分类中脉冲向量的第一脉冲数量;分别判断各第一脉冲数量是否大于或等于第一预设脉冲数量阈值;当第一脉冲数量大于或等于第一预设脉冲数量阈值时,则确定合并处理后的初始分类为对应雷达辐射源的目标分类;遍历合并处理后的各初始分类,得到对应各雷达辐射源的脉冲向量。
具体地,服务器统计合并后的各初始分类中脉冲向量的数量,并根据预设的第一预设脉冲数量阈值,对各初始分类中脉冲向量的第一脉冲数量进行判断,以筛选出对应雷达辐射源的分类。
在本实施例中,当服务器确定初始分类中脉冲向量的第一脉冲数量大于或等于第一预设脉冲数量阈值时,则确定合并处理后的初始分类为对应雷达辐射源的目标分类,当服务器确定初始分类中脉冲向量的第一脉冲数量小于第一预设脉冲数量阈值时,则确定合并处理后的初始分类不为对应雷达辐射源的目标分类。
在本实施例中,服务器遍历合并处理后的各初始分类,以得到对应各雷达辐射源的脉冲向量。
上述实施例中,通过确定合并处理后的各初始分类中脉冲向量的第一脉冲数量,并通过第一预设脉冲数量阈值判定合并处理后的各初始分类是否为对应雷达辐射源的目标分类,从而,可以进一步对各分类进行判定确定,以进一步提升最终确定的各分类的准确性。
在其中一个实施例中,基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量之前,还可以包括:确定各初始分类中脉冲向量的第二脉冲数量;分别判断各第二脉冲数量是否大于或等于第二预设脉冲数量阈值;当第二脉冲数量大于或等于第二预设脉冲数量阈值时,则确定对应的初始分类为真初始分类。
在本实施例中,服务器在对各脉冲向量进行分类,得到多个初始脉冲分类后,可以基于各初始分类中,脉冲向量的数量,对各初始分类进行判定,确定各初始分类是否为真实的分类。
具体地,服务器确定各初始分类中脉冲向量的数量为第二脉冲数量,然后服务器分别判断各第二脉冲数量是否大于或等于第二预设脉冲数量阈值valid_pulse_num。其中,valid_pulse_num=3.
在本实施例中,当服务器确定对应初始分类的第二脉冲数量大于或等于第二预设脉冲数量阈值valid_pulse_num时,则服务器可以确定对应的初始分类为真初始分类,如果第二脉冲数量小于第二预设脉冲数量阈值valid_pulse_num时,则服务器可以确定对应的初始分类为假初始分类。
在本实施例中,基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:基于脉冲信号的连续性条件对不同真初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量。
在本实施例中,对于真初始分类,服务器可以继续对其进行合并处理,对于假初始分类,则服务器可以直接舍弃对应的初始分类。
上述实施例中,通过对各初始分类中脉冲数量进行判断,并确定对应的初始分类为真分类或者是假分类,然后在对真初始分类进行合并,从而,可以进一步剔除干扰信号的影响,提升分类的准确性。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图3所示,提供了一种雷达信号处理装置,包括:待分选雷达信号获取模块100、脉冲向量构建模块200、分类模块300和合并处理模块400,其中:
待分选雷达信号获取模块100,用于获取待分选雷达信号,待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号。
脉冲向量构建模块200,用于构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序。
分类模块300,用于基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类。
合并处理模块400,用于基于脉冲信号的连续性条件对不同初始分类中的脉冲向量进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源脉冲向量。
在其中一个实施例中,上述装置还可以包括:
预处理模块,用于分类模块300基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类之前,对排序后的各脉冲向量进行归一化标准预处理,得到归一化标准预处理后的各脉冲向量。
在本实施例中,分类模块300用于基于脉冲信号的连续性条件按照预设顺序依次对归一化标准预处理后的各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,脉冲信号可以包括脉冲信号的到达时间值以及载频值。
在本实施例中,脉冲向量构建模块200可以包括:
脉冲向量确定子模块,用于基于各脉冲信号的到达时间值以及载频值,构建对应各脉冲信号的脉冲向量,得到对应待分选雷达信号的多个脉冲向量。
排序模块,用于按照各脉冲信号的到达时间值,对多个脉冲向量进行排序。
在其中一个实施例中,分类模块300可以包括:
第一分类子模块,用于当初始分类中的脉冲向量的数量大于第一预设分类数量且小于第二预设分类数量时,则基于连续变化条件对各脉冲向量进行分类,得到多个初始分类。
第二分类子模块,用于当初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,则基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,第一分类子模块用于根据各脉冲向量之间的载频值差以及排序差,对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,上述装置还可以包括:
目标脉冲向量确定模块,基于与当前脉冲向量满足第一预设排序条件的脉冲向量的载频值,确定对应当前脉冲向量的目标脉冲向量。
载频差计算模块,用于根据当前脉冲向量与目标脉冲向量的载频值,确定当前脉冲向量与目标脉冲向量的载频值差。
在其中一个实施例中,第二分类子模块用于根据各脉冲向量对应的排序差值以及斜率变化比,对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,上述装置还可以包括:
斜率变化比确定模块,用于计算斜率变化比。
在本实施例中,斜率变化比确定模块可以包括:
第一斜率差计算子模块,基于当前脉冲向量以及当前初始分类中满足第二预设排序条件的脉冲向量,得到对应当前脉冲向量的第一斜率差。
第二斜率差计算子模块,基于当前初始分类中满足第三预设排序条件的脉冲向量,得到对应当前脉冲向量的第二斜率差;
斜率变化比确定子模块,用于根据第一斜率差以及第二斜率差,得到对应当前脉冲向量的斜率变化比。
在其中一个实施例中,第二分类子模块可以包括:
第一判断单元,用于根据当前脉冲向量对应的排序差值,判断排序差值是否小于或等于预设排序差阈值,当排序差值小于或等于预设排序差阈值时,则根据当前初始分类中满足第四预设排序条件的脉冲向量,确定对应当前脉冲向量的斜率差变化比。
第二判断单元,用于基于斜率差变化比判断当前脉冲向量是否属于当前初始分类。
在其中一个实施例中,第二判断单元用于当斜率差变化比小于第一斜率差变化比阈值时,则确定当前脉冲向量属于当前初始分类;当斜率差变化比大于或等于第一斜率差变化比阈值,且小于或等于第二斜率差变化比阈值时,则根据与当前脉冲向量存在对应关系的脉冲向量的目标斜率差变化判断当前脉冲向量是否属于当前初始分类;当斜率差变化比大于第二斜率差变化比阈值时,则确定当前脉冲向量不属于当前初始分类。
在其中一个实施例中,分类模块300可以包括:
分类子模块,用于基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类。
判断子模块,用于判断除去当前初始分类后的脉冲向量的数量是否满足预设临界值,若是,则继续基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类,否则停止进行分类。
在其中一个实施例中,合并处理模块400可以包括:
排序子模块,用于按照预设顺序对各初始分类中各脉冲向量进行排序。
合并子模块,用于根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,上述装置还可以包括:
第一脉冲数量确定模块,用于合并子模块将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理之后,确定合并处理后的各初始分类中脉冲向量的第一脉冲数量。
第一判断模块,用于分别判断各第一脉冲数量是否大于或等于第一预设脉冲数量阈值。
目标分类确定模块,用于当第一脉冲数量大于或等于第一预设脉冲数量阈值时,则确定合并处理后的初始分类为对应雷达辐射源的目标分类。
循环遍历模块,用于遍历合并处理后的各初始分类,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,合并子模块包括:
第一判断单元,用于判断相邻的初始分类中满足预设条件的脉冲向量是否符合连续性条件。
第二判断单元,用于当相邻的初始分类中满足预设条件的脉冲向量符合连续性条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足载频条件。
第三判断单元,用于当相邻的初始分类中满足预设条件的脉冲向量满足载频条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件。
合并单元,用于当相邻的初始分类中满足预设条件的脉冲向量满足斜率条件时,则确定相邻的初始分类可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,斜率条件可以包括相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比是否均小于或等于预设斜率比阈值。
在本实施例中,第三判断单元可以包括:
第一判断子单元,用于当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均小于或等于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量满足斜率条件。
第二判断子单元,用于当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均至少一个大于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量不满足斜率条件。
在其中一个实施例中,上述装置还可以包括:
第二脉冲数量确定模块,用于合并处理模块400基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量之前,确定各初始分类中脉冲向量的第二脉冲数量。
判断模块,用于分别判断各第二脉冲数量是否大于或等于第二预设脉冲数量阈值;
真初始分类确定模块,用于当第二脉冲数量大于或等于第二预设脉冲数量阈值时,则确定对应的初始分类为真初始分类。
在本实施例中,合并处理模块400用于基于脉冲信号的连续性条件对不同真初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量。
关于雷达信号处理装置的具体限定可以参见上文中对于雷达信号处理方法的限定,在此不再赘述。上述雷达信号处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储待分选雷达信号以及脉冲向量等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种雷达信号处理方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取待分选雷达信号,所述待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;构建与各所述脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源脉冲向量。
在其中一个实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类之前,还可以实现以下步骤:对排序后的各脉冲向量进行归一化标准预处理,得到归一化标准预处理后的各脉冲向量。
在本实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:基于脉冲信号的连续性条件按照预设顺序依次对归一化标准预处理后的各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,各脉冲信号包括脉冲信号的到达时间值以及载频值。
在本实施例中,处理器执行计算机程序时实现构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序,可以包括:基于各脉冲信号的到达时间值以及载频值,构建对应各脉冲信号的脉冲向量,得到对应待分选雷达信号的多个脉冲向量;按照各脉冲信号的到达时间值,对多个脉冲向量进行排序。
在其中一个实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:当初始分类中的脉冲向量的数量大于第一预设分类数量且小于第二预设分类数量时,则基于连续变化条件对各脉冲向量进行分类,得到多个初始分类;当初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,则基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,处理器执行计算机程序时实现基于连续变化条件对各脉冲向量进行分类,得到多个初始分类,可以包括:根据各脉冲向量之间的载频值差以及排序差,对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,处理器执行计算机程序时实现基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类,可以包括:根据各脉冲向量对应的排序差值以及斜率变化比,对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,处理器执行计算机程序时实现斜率变化比的确定方式可以包括:基于当前脉冲向量以及当前初始分类中满足第二预设排序条件的脉冲向量,得到对应当前脉冲向量的第一斜率差;基于当前初始分类中满足第三预设排序条件的脉冲向量,得到对应当前脉冲向量的第二斜率差;根据第一斜率差以及第二斜率差,得到对应当前脉冲向量的斜率变化比。
在其中一个实施例中,处理器执行计算机程序时实现根据各脉冲向量之间的排序差值以及斜率变化比,对各脉冲向量进行分类,可以包括:根据当前脉冲向量对应的排序差值,判断排序差值是否小于或等于预设排序差阈值;当排序差值小于或等于预设排序差阈值时,则根据当前初始分类中满足第四预设排序条件的脉冲向量,确定对应当前脉冲向量的斜率差变化比;基于斜率差变化比判断当前脉冲向量是否属于当前初始分类。
在其中一个实施例中,处理器执行计算机程序时实现基于斜率差变化比判断当前脉冲向量是否属于当前初始分类,可以包括:当斜率差变化比小于第一斜率差变化比阈值时,则确定当前脉冲向量属于当前初始分类;当斜率差变化比大于或等于第一斜率差变化比阈值,且小于或等于第二斜率差变化比阈值时,则根据与当前脉冲向量存在对应关系的脉冲向量的目标斜率差变化判断当前脉冲向量是否属于当前初始分类;当斜率差变化比大于第二斜率差变化比阈值时,则确定当前脉冲向量不属于当前初始分类。
在其中一个实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类;判断除去当前初始分类后的脉冲向量的数量是否满足预设临界值;若是,则继续基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类,否则停止进行分类。
在其中一个实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:按照预设顺序对各初始分类中各脉冲向量进行排序;根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,处理器执行计算机程序时实现将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理之后,还可以实现以下步骤:确定合并处理后的各初始分类中脉冲向量的第一脉冲数量;分别判断各第一脉冲数量是否大于或等于第一预设脉冲数量阈值;当第一脉冲数量大于或等于第一预设脉冲数量阈值时,则确定合并处理后的初始分类为对应雷达辐射源的目标分类;遍历合并处理后的各初始分类,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,处理器执行计算机程序时实现根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:判断相邻的初始分类中满足预设条件的脉冲向量是否符合连续性条件;当相邻的初始分类中满足预设条件的脉冲向量符合连续性条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足载频条件;当相邻的初始分类中满足预设条件的脉冲向量满足载频条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件;当相邻的初始分类中满足预设条件的脉冲向量满足斜率条件时,则确定相邻的初始分类可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,斜率条件可以包括相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比是否均小于或等于预设斜率比阈值。
在本实施例中,处理器执行计算机程序时实现判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件,可以包括:当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均小于或等于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量满足斜率条件;当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均至少一个大于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量不满足斜率条件。
在其中一个实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量之前,还可以实现以下步骤:确定各初始分类中脉冲向量的第二脉冲数量;分别判断各第二脉冲数量是否大于或等于第二预设脉冲数量阈值;当第二脉冲数量大于或等于第二预设脉冲数量阈值时,则确定对应的初始分类为真初始分类。
在本实施例中,处理器执行计算机程序时实现基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:基于脉冲信号的连续性条件对不同真初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取待分选雷达信号,所述待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;构建与各所述脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源脉冲向量。
在其中一个实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类之前,还可以实现以下步骤:对排序后的各脉冲向量进行归一化标准预处理,得到归一化标准预处理后的各脉冲向量。
在本实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:基于脉冲信号的连续性条件按照预设顺序依次对归一化标准预处理后的各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,各脉冲信号包括脉冲信号的到达时间值以及载频值。
在本实施例中,计算机程序被处理器执行时实现构建与各脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序,可以包括:基于各脉冲信号的到达时间值以及载频值,构建对应各脉冲信号的脉冲向量,得到对应待分选雷达信号的多个脉冲向量;按照各脉冲信号的到达时间值,对多个脉冲向量进行排序。
在其中一个实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:当初始分类中的脉冲向量的数量大于第一预设分类数量且小于第二预设分类数量时,则基于连续变化条件对各脉冲向量进行分类,得到多个初始分类;当初始分类中的脉冲向量的数量大于或等于第二预设分类数量时,则基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,计算机程序被处理器执行时实现基于连续变化条件对各脉冲向量进行分类,得到多个初始分类,可以包括:根据各脉冲向量之间的载频值差以及排序差,对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,计算机程序被处理器执行时实现基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类,可以包括:根据各脉冲向量对应的排序差值以及斜率变化比,对各脉冲向量进行分类,得到多个初始分类。
在其中一个实施例中,计算机程序被处理器执行时实现斜率变化比的确定方式可以包括:基于当前脉冲向量以及当前初始分类中满足第二预设排序条件的脉冲向量,得到对应当前脉冲向量的第一斜率差;基于当前初始分类中满足第三预设排序条件的脉冲向量,得到对应当前脉冲向量的第二斜率差;根据第一斜率差以及第二斜率差,得到对应当前脉冲向量的斜率变化比。
在其中一个实施例中,计算机程序被处理器执行时实现根据各脉冲向量之间的排序差值以及斜率变化比,对各脉冲向量进行分类,可以包括:根据当前脉冲向量对应的排序差值,判断排序差值是否小于或等于预设排序差阈值;当排序差值小于或等于预设排序差阈值时,则根据当前初始分类中满足第四预设排序条件的脉冲向量,确定对应当前脉冲向量的斜率差变化比;基于斜率差变化比判断当前脉冲向量是否属于当前初始分类。
在其中一个实施例中,计算机程序被处理器执行时实现基于斜率差变化比判断当前脉冲向量是否属于当前初始分类,可以包括:当斜率差变化比小于第一斜率差变化比阈值时,则确定当前脉冲向量属于当前初始分类;当斜率差变化比大于或等于第一斜率差变化比阈值,且小于或等于第二斜率差变化比阈值时,则根据与当前脉冲向量存在对应关系的脉冲向量的目标斜率差变化判断当前脉冲向量是否属于当前初始分类;当斜率差变化比大于第二斜率差变化比阈值时,则确定当前脉冲向量不属于当前初始分类。
在其中一个实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,可以包括:基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类;判断除去当前初始分类后的脉冲向量的数量是否满足预设临界值;若是,则继续基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类,否则停止进行分类。
在其中一个实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:按照预设顺序对各初始分类中各脉冲向量进行排序;根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,计算机程序被处理器执行时实现将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理之后,还可以实现以下步骤:确定合并处理后的各初始分类中脉冲向量的第一脉冲数量;分别判断各第一脉冲数量是否大于或等于第一预设脉冲数量阈值;当第一脉冲数量大于或等于第一预设脉冲数量阈值时,则确定合并处理后的初始分类为对应雷达辐射源的目标分类;遍历合并处理后的各初始分类,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,计算机程序被处理器执行时实现根据排序后的各初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:判断相邻的初始分类中满足预设条件的脉冲向量是否符合连续性条件;当相邻的初始分类中满足预设条件的脉冲向量符合连续性条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足载频条件;当相邻的初始分类中满足预设条件的脉冲向量满足载频条件时,则判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件;当相邻的初始分类中满足预设条件的脉冲向量满足斜率条件时,则确定相邻的初始分类可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各雷达辐射源的脉冲向量。
在其中一个实施例中,斜率条件可以包括相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比是否均小于或等于预设斜率比阈值。
在本实施例中,计算机程序被处理器执行时实现判断相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件,可以包括:当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均小于或等于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量满足斜率条件;当相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均至少一个大于预设斜率比阈值时,则确定相邻的初始分类中满足预设条件的脉冲向量不满足斜率条件。
在其中一个实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量之前,还可以实现以下步骤:确定各初始分类中脉冲向量的第二脉冲数量;分别判断各第二脉冲数量是否大于或等于第二预设脉冲数量阈值;当第二脉冲数量大于或等于第二预设脉冲数量阈值时,则确定对应的初始分类为真初始分类。
在本实施例中,计算机程序被处理器执行时实现基于脉冲信号的连续性条件对不同初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量,可以包括:基于脉冲信号的连续性条件对不同真初始分类中的脉冲向量的预设点进行处理,以将不同的初始分类进行合并处理,得到对应各雷达辐射源的脉冲向量。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (17)
1.一种雷达信号处理方法,其特征在于,所述方法包括:
获取待分选雷达信号,所述待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;
构建与各所述脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;
基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;
基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源脉冲向量;
所述基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类之前,还包括:
对排序后的各所述脉冲向量进行归一化标准预处理,得到归一化标准预处理后的各脉冲向量;
所述基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,包括:
基于脉冲信号的连续性条件按照预设顺序依次对归一化标准预处理后的各脉冲向量进行分类,得到多个初始分类。
2.根据权利要求1所述的方法,其特征在于,各所述脉冲信号包括脉冲信号的到达时间值以及载频值;
所述构建与各所述脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序,包括:
基于各所述脉冲信号的到达时间值以及载频值,构建对应各脉冲信号的脉冲向量,得到对应所述待分选雷达信号的多个脉冲向量;
按照各所述脉冲信号的到达时间值,对所述多个脉冲向量进行排序。
3.根据权利要求1或2所述的方法,其特征在于,所述基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,包括:
当初始分类中的脉冲向量的数量大于第一预设分类数量且小于第二预设分类数量时,则基于连续变化条件对各脉冲向量进行分类,得到多个初始分类;
当初始分类中的脉冲向量的数量大于或等于所述第二预设分类数量时,则基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类。
4.根据权利要求3所述的方法,其特征在于,所述基于连续变化条件对各脉冲向量进行分类,得到多个初始分类,包括:
根据各脉冲向量之间的载频值差以及排序差,对各所述脉冲向量进行分类,得到多个初始分类。
5.根据权利要求3所述的方法,其特征在于,所述基于连续变化条件和连续可导条件对各脉冲向量进行分类,得到多个初始分类,包括:
根据各脉冲向量对应的排序差值以及斜率变化比,对各所述脉冲向量进行分类,得到多个初始分类。
6.根据权利要求5所述的方法,其特征在于,所述斜率变化比的确定方式包括:
基于当前脉冲向量以及当前初始分类中满足第二预设排序条件的脉冲向量,得到对应所述当前脉冲向量的第一斜率差;
基于所述当前初始分类中满足第三预设排序条件的脉冲向量,得到对应所述当前脉冲向量的第二斜率差;
根据所述第一斜率差以及所述第二斜率差,得到对应所述当前脉冲向量的斜率变化比。
7.根据权利要求5所述的方法,其特征在于,所述根据各脉冲向量之间的排序差值以及斜率变化比,对各所述脉冲向量进行分类,包括:
根据当前脉冲向量对应的排序差值,判断所述排序差值是否小于或等于预设排序差阈值;
当所述排序差值小于或等于所述预设排序差阈值时,则根据当前初始分类中满足第四预设排序条件的脉冲向量,确定对应所述当前脉冲向量的斜率差变化比;
基于所述斜率差变化比判断所述当前脉冲向量是否属于当前初始分类。
8.根据权利要求7所述的方法,其特征在于,所述基于所述斜率差变化比判断所述当前脉冲向量是否属于当前初始分类,包括:
当所述斜率差变化比小于第一斜率差变化比阈值时,则确定所述当前脉冲向量属于当前初始分类;
当所述斜率差变化比大于或等于第一斜率差变化比阈值,且小于或等于第二斜率差变化比阈值时,则根据与所述当前脉冲向量存在对应关系的脉冲向量的目标斜率差变化判断所述当前脉冲向量是否属于当前初始分类;
当所述斜率差变化比大于第二斜率差变化比阈值时,则确定所述当前脉冲向量不属于当前初始分类。
9.根据权利要求1或2所述的方法,其特征在于,所述基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类,包括:
基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类;
判断除去当前初始分类后的脉冲向量的数量是否满足预设临界值;
若是,则继续基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类得到当前初始分类,否则停止进行分类。
10.根据权利要求1或2所述的方法,其特征在于,所述基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量的预设点进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源的脉冲向量,包括:
按照所述预设顺序对各所述初始分类中各脉冲向量进行排序;
根据排序后的各所述初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各所述雷达辐射源的脉冲向量。
11.根据权利要求10所述的方法,其特征在于,所述将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理之后,还包括:
确定合并处理后的各初始分类中脉冲向量的第一脉冲数量;
分别判断各所述第一脉冲数量是否大于或等于第一预设脉冲数量阈值;
当所述第一脉冲数量大于或等于所述第一预设脉冲数量阈值时,则确定合并处理后的初始分类为对应雷达辐射源的目标分类;
遍历合并处理后的各初始分类,得到对应各所述雷达辐射源的脉冲向量。
12.根据权利要求10所述的方法,其特征在于,所述根据排序后的各所述初始分类中满足预设条件的脉冲向量,基于脉冲信号的连续性条件判断相邻的初始分类是否可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各所述雷达辐射源的脉冲向量,包括:
判断相邻的初始分类中满足预设条件的脉冲向量是否符合连续性条件;
当所述相邻的初始分类中满足预设条件的脉冲向量符合连续性条件时,则判断所述相邻的初始分类中满足预设条件的脉冲向量是否满足载频条件;
当所述相邻的初始分类中满足预设条件的脉冲向量满足载频条件时,则判断所述相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件;
当所述相邻的初始分类中满足预设条件的脉冲向量满足斜率条件时,则确定所述相邻的初始分类可以合并,并将判定为可以合并的相邻的初始分类的脉冲向量进行合并处理,得到对应各所述雷达辐射源的脉冲向量。
13.根据权利要求12所述的方法,其特征在于,所述斜率条件包括所述相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比是否均小于或等于预设斜率比阈值;
所述判断所述相邻的初始分类中满足预设条件的脉冲向量是否满足斜率条件,包括:
当所述相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均小于或等于预设斜率比阈值时,则确定所述相邻的初始分类中满足预设条件的脉冲向量满足斜率条件;
当所述相邻的初始分类中满足预设条件的脉冲向量确定的第一斜率比以及第二斜率比均至少一个大于预设斜率比阈值时,则确定所述相邻的初始分类中满足预设条件的脉冲向量不满足斜率条件。
14.根据权利要求1所述的方法,其特征在于,所述基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量的预设点进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源的脉冲向量之前,还包括:
确定各所述初始分类中脉冲向量的第二脉冲数量;
分别判断各所述第二脉冲数量是否大于或等于第二预设脉冲数量阈值;
当所述第二脉冲数量大于或等于所述第二预设脉冲数量阈值时,则确定对应的所述初始分类为真初始分类;
所述基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量的预设点进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源的脉冲向量,包括:
基于脉冲信号的连续性条件对不同所述真初始分类中的脉冲向量的预设点进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源的脉冲向量。
15.一种雷达信号处理装置,其特征在于,所述装置包括:
待分选雷达信号获取模块,用于获取待分选雷达信号,所述待分选雷达信号中包括与多个雷达辐射源对应的脉冲信号;
脉冲向量构建模块,用于构建与各所述脉冲信号对应的脉冲向量,并将构建后的脉冲向量按照预设顺序进行排序;
分类模块,用于基于脉冲信号的连续性条件按照预设顺序依次对各脉冲向量进行分类,得到多个初始分类;
合并处理模块,用于基于脉冲信号的连续性条件对不同所述初始分类中的脉冲向量进行处理,以将不同的所述初始分类进行合并处理,得到对应各所述雷达辐射源脉冲向量。
16.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至14中任一项所述方法的步骤。
17.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至14中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877574.2A CN112034426B (zh) | 2020-08-27 | 2020-08-27 | 雷达信号处理方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010877574.2A CN112034426B (zh) | 2020-08-27 | 2020-08-27 | 雷达信号处理方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112034426A CN112034426A (zh) | 2020-12-04 |
CN112034426B true CN112034426B (zh) | 2024-04-12 |
Family
ID=73585857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010877574.2A Active CN112034426B (zh) | 2020-08-27 | 2020-08-27 | 雷达信号处理方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112034426B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112597820A (zh) * | 2020-12-10 | 2021-04-02 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号分选的目标聚类方法 |
CN112363118B (zh) * | 2021-01-12 | 2021-03-26 | 中国人民解放军国防科技大学 | 一种卫星侦收雷达信号的快速高精度合批方法及系统 |
CN114521868B (zh) * | 2022-02-24 | 2024-04-09 | 清华大学 | 脉冲信号分类装置、可穿戴设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656245A (zh) * | 2017-08-22 | 2018-02-02 | 哈尔滨工程大学 | 一种将信息融合应用到雷达信号分选中的方法 |
CN109683143A (zh) * | 2019-03-07 | 2019-04-26 | 西安电子科技大学 | 雷达信号分选方法、装置、计算机设备及可存储介质 |
CN109839619A (zh) * | 2019-03-15 | 2019-06-04 | 北京应用物理与计算数学研究所 | 基于自适应分桶的雷达信号粗分选方法、系统及存储介质 |
CN110188647A (zh) * | 2019-05-23 | 2019-08-30 | 西安电子科技大学 | 一种基于变分模态分解雷达辐射源特征提取及其分类方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7236124B2 (en) * | 2005-06-02 | 2007-06-26 | Raytheon Company | Radar system and method for reducing clutter in a high-clutter environment |
DE102009012064A1 (de) * | 2009-03-06 | 2010-09-23 | Eads Deutschland Gmbh | Verfahren zur Detektion von Windkraftanlagen mittels einer Radaranlage |
US9425820B2 (en) * | 2013-06-03 | 2016-08-23 | Mozilla Corporation | Vector quantization with non-uniform distributions |
-
2020
- 2020-08-27 CN CN202010877574.2A patent/CN112034426B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107656245A (zh) * | 2017-08-22 | 2018-02-02 | 哈尔滨工程大学 | 一种将信息融合应用到雷达信号分选中的方法 |
CN109683143A (zh) * | 2019-03-07 | 2019-04-26 | 西安电子科技大学 | 雷达信号分选方法、装置、计算机设备及可存储介质 |
CN109839619A (zh) * | 2019-03-15 | 2019-06-04 | 北京应用物理与计算数学研究所 | 基于自适应分桶的雷达信号粗分选方法、系统及存储介质 |
CN110188647A (zh) * | 2019-05-23 | 2019-08-30 | 西安电子科技大学 | 一种基于变分模态分解雷达辐射源特征提取及其分类方法 |
Non-Patent Citations (2)
Title |
---|
"基于数字信道化接收机的聚类分选算法";张勇强等;《中国电子科学研究院学报》;第12卷(第2期);第143-148页 * |
"Cascade Coupling and Support Vector Clustering Based Novel Sorting Method of Radar Pulses";Qiang Guo et al;《2006 49th IEEE International Midwest Symposium on Circuits and Systems》;第351-355页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112034426A (zh) | 2020-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112034426B (zh) | 雷达信号处理方法、装置、计算机设备和存储介质 | |
CN109270497B (zh) | 雷达脉冲信号的多维参数预分选方法 | |
CN112308881B (zh) | 一种基于遥感图像的舰船多目标跟踪方法 | |
CN112526513B (zh) | 基于聚类算法的毫米波雷达环境地图构建方法及装置 | |
CN109508000A (zh) | 异构多传感器多目标跟踪方法 | |
EP1191459A1 (en) | Data clustering methods and applications | |
CN110751121B (zh) | 基于聚类与sofm的无监督雷达信号分选方法 | |
CN112986928B (zh) | 一种复杂电磁环境下信号分选多源融合处理方法 | |
CN112782743B (zh) | 一种车辆定位方法、装置、计算机设备及存储介质 | |
Adjemov et al. | The use of artificial neural networks for classification of signal sources in cognitive radio systems | |
CN116596095B (zh) | 基于机器学习的碳排放量预测模型的训练方法及装置 | |
CN113850838A (zh) | 船舶航行意图获取方法、装置、计算机设备及存储介质 | |
CN114330522A (zh) | 图像识别模型的训练方法、装置、设备及存储介质 | |
CN109635104A (zh) | 数据分类标识方法、装置、计算机设备及可读存储介质 | |
Xie et al. | Sequential Change Detection by Optimal Weighted ℓ₂ Divergence | |
CN112098992A (zh) | 一种基于网格聚类的多假设多目标航迹起始方法 | |
CN112529112B (zh) | 一种矿物识别的方法和装置 | |
CN113947280A (zh) | 一种基于反馈调整权值的组合评价方法 | |
CN103076595B (zh) | 一种多元离散雷达辐射源信号的异常类型识别方法 | |
CN111723227B (zh) | 基于人工智能和互联网的数据分析方法及云计算服务平台 | |
CN110488259B (zh) | 一种基于gdbscan的雷达目标分类方法及装置 | |
CN113128584A (zh) | 一种多功能雷达脉冲序列的模式级无监督分选方法 | |
Jesus et al. | Dynamic feature selection based on pareto front optimization | |
Özdemir et al. | Comparison of FCM, PCM, FPCM and PFCM algorithms in clustering methods | |
Goumiri et al. | One convolutional layer model for parking occupancy detection |
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 |