CN112213695B - 一种基于单元平均杂波图的机场跑道异物检测方法 - Google Patents
一种基于单元平均杂波图的机场跑道异物检测方法 Download PDFInfo
- Publication number
- CN112213695B CN112213695B CN202011102024.XA CN202011102024A CN112213695B CN 112213695 B CN112213695 B CN 112213695B CN 202011102024 A CN202011102024 A CN 202011102024A CN 112213695 B CN112213695 B CN 112213695B
- Authority
- CN
- China
- Prior art keywords
- clutter
- signal
- unit
- detected
- clutter map
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 143
- 238000001228 spectrum Methods 0.000 claims abstract description 42
- 230000008030 elimination Effects 0.000 claims abstract description 7
- 238000003379 elimination reaction Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 69
- 230000003044 adaptive effect Effects 0.000 claims description 43
- 230000004044 response Effects 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 239000012535 impurity Substances 0.000 claims description 6
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000463 material Substances 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 12
- 230000008859 change Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011449 brick Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004540 process dynamic Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a 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
- G01S7/28—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
-
- 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
-
- 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)
- 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
本发明公开了一种基于单元平均杂波图的机场跑道异物检测方法，包括以下步骤：步骤1、在确定待检测区域内无异物时，在给定机场跑道范围内，提取回波信号中的距离‑幅度谱；步骤2、建立背景杂波图；步骤3、进行异物检测，通过自适应滤波器消除待检测信号中的杂波成分，得到消除杂波后的待检测信号；步骤4、判断各个距离单元是否存在异物目标；步骤5、若不存在异物目标，则对杂波功率估计值进行更新；若存在异物目标，则对杂波功率估计值不进行更新。与现有技术相比，本发明提供的检测方法，利用单元平均杂波图提高背景杂波强目标回波信号弱的检测环境的检测效果，并通过在单元平均杂波图检测前去除杂波。
Description
技术领域
本发明涉及雷达信号处理领域，具体是一种基于单元平均杂波图的机场跑道异物检测方法。
背景技术
机场跑道异物(Foreign Object Debris，FOD)，以下简称为FOD，指飞机跑道上存在的异物，通常有砖块、金属零件、冰块或野生动物等。当飞机处于起飞和降落过程中，飞机滑行速度高达200～300公里每秒，此时FOD的存在会对飞机及地面人员造成极大危害。
目前，FOD检测主要有毫米波雷达结合视频设备检测以及只用视频设备监测两种方法。大部分机场使用的FOD设备，采用了毫米波雷达结合视频设备的检测方式，例如英国的Tasier系统、新加坡的iFerret和以色列的FODetect等，这种检测方式先通过毫米波雷达找到机场跑道可能存在的FOD，将目标在视频画面中做出标记，然后通过视频判断是否为虚警。但上述几种检测系统售价昂贵，且并没有针对我国机场及民航标准进行本土化改造，难以适应国内机场环境。在毫米波雷达的FOD检测中，检测目标较小，又由于雷达与地面距离较近，因此雷达接收机接收的信号中地杂波随距离单元变化剧烈且能量远大于目标回波。针对这种背景杂波强目标回波信号弱的检测环境，现有的机场跑道异物检测方法检测效果较差。
发明内容
本发明的目的在于克服现有技术背景杂波强目标回波信号弱的检测环境，现有的机场跑道异物检测方法检测效果较差的不足，提供了一种基于单元平均杂波图的机场跑道异物检测方法，利用单元平均杂波图提高背景杂波强目标回波信号弱的检测环境的检测效果，此外针对单元平均杂波图在低信杂比时检测能力迅速恶化，导致检测不准确的问题，通过在单元平均杂波图检测前去除杂波，来有效提高检测效果，尤其是对低信杂的情况，检测效果明显的提高。
本发明的目的主要通过以下技术方案实现：
一种基于单元平均杂波图的机场跑道异物检测方法，包括以下步骤：步骤1、在确定待检测区域内无异物时，在给定机场跑道范围内，通过线性连续调频波雷达对待检测区域进行检测，提取回波信号中的距离-幅度谱；步骤2、根据步骤1的方法获取待检测区域的距离-幅度谱，得到杂波图单元的杂波功率参考值，建立背景杂波图；步骤3、进行异物检测，将回波信号经步骤1的方法处理后得到待检测信号的距离-幅度谱；将步骤2得到的背景杂波图与待检测信号相对应的距离-幅度谱作为参考信号，将待检测信号的距离-幅度谱作为输入信号，通过自适应滤波器消除待检测信号中的杂波成分，得到消除杂波后的待检测信号；步骤4、使用单元平均杂波图恒虚警检测算法，计算消除杂波后的待检测信号中各个距离单元的检测阈值，判断各个距离单元是否存在异物目标；步骤5、若判断为不存在异物目标，则对该距离单元对应杂波图单元的杂波功率估计值进行更新；若判断为存在异物目标，则对该距离单元对应杂波图单元的杂波功率估计值不进行更新。
在毫米波雷达的FOD监测中，检测目标较小，又由于雷达与地面距离较近，因此雷达接收机接收的信号中地杂波随距离单元变化剧烈且能量远大于目标回波。针对这种背景杂波强目标回波信号弱的检测环境，单元平均杂波图算法能够获得更好的检测性能。针对这种背景杂波强目标回波信号弱的检测环境，现有的机场跑道异物检测方法检测效果较差。本技术方案提供的基于单元平均杂波图的机场跑道异物检测方法，采取单元平均杂波图，将单元平均恒虚警算法与杂波图恒虚警算法结合，这种算法首先将雷达空间划分为距离、角度的杂波图单元，对于每个杂波图单元通过回波输入不断迭代形成动态的杂波功率参考值，然后计算邻近的参考单元杂波功率参考值的平均值，根据恒虚警检测技术通过该平均值计算出FOD的检测阈值；利用单元平均杂波图较好的时间和空间稳定性，提高背景杂波强目标回波信号弱的检测环境的检测效果。此外，发明人在对本技术方案提供的机场跑道异物检测方法研究后发现，虽然单元平均杂波图能够满足背景杂波强目标回波信号弱的检测环境的检测需求，但是单元平均杂波图对信杂比要求较高，在低信杂比时，检测能力迅速恶化，导致检测不准确；发明人针对这一问题研究后发现，基于单元平均杂波图算法，提出采用自适应滤波器进行杂波消除，通过在单元平均杂波图检测前去除杂波，利用单元平均杂波图中杂波图单元与待检测信号中杂波成分的相关性，对输入的待检测信号进行杂波消除，有效的提高了毫米波雷达的FOD检测概率，特别是在低信杂比的情况下，这种方法相比于传统的恒虚警算法，能有效提高回波信号的信杂比，提高检测效果，尤其是对低信杂的情况，检测效果明显的提高。
需要说明的是，本技术方案中先通过步骤1和步骤2对待检测区域进行异物检测，提取回波信号中的距离-幅度谱，建立背景杂波图，以获取待检测区域的基本情况，再依据步骤3～步骤5进行异物检测；本技术方案中在进行步骤1检测前，一般要通过人工检测确保待检测区域无异物，这样才能建立可靠的背景杂波图，步骤1中在确定待检测区域内无异物时指通过人工检测确定待检测区域内无异物时，在人工检测后先通过步骤1和步骤2对待检测区域进行异物检测，提取回波信号中的距离-幅度谱，建立背景杂波图，以获取待检测区域的基本情况，再以背景杂波图为基础，依据步骤3至步骤5进行异物检测；步骤3中所述的待检测信号指进行异物检测时，待检测区域的回波信号。
进一步的，步骤1中通过雷达发射机向待检测区域发射信号，雷达接收机接收跑道和异物的反射信号作为输入信号，将输入信号与发射信号相乘得到混频信号，对混频信号进行低通滤波、A/D转换、快速傅里叶变换得到频率-幅度谱，再将频率-幅度谱转化为距离-幅度谱。
本技术方案中的线性连续调频波雷达包括雷达发射机和雷达接收机。
进一步的，雷达发射机的发射信号公式为：
其中，A0为信号幅值，f0为载频频率，t为时间，u为调频斜率，调频斜率公式为：
B为发射信号带宽，T为发射信号时宽；雷达接收机输入信号的模型为：
其中Ai为第i个目标回波幅值，N为目标个数，t为时间，n为白噪声，ξ为地杂波，τi为第i个目标的回波时延，假设第i个目标与雷达天线的距离为ri，光速为c，τi的公式为：
将混频信号进行低通滤波后，得到差频信号，差频信号公式为：
其中，ai为第i个目标回波差频信号的幅值，N为目标个数，n为白噪声，ξ为地杂波，ri为第i个目标与雷达天线的距离，c为光速，S(t)为雷达发射信号，f0为载频频率，u为调频斜率；采用下述公式将频率-幅度谱转化为距离-幅度谱：
其中，fs为采样频率，N为快速傅里叶变换长度，ki为快速傅里叶变换后的频率离散点，u为调频斜率，c为光速，ri为第i个目标与雷达天线的距离。
进一步的，步骤2中在确定待检测区域内无异物时，对待检测区域进行扫描，根据步骤1的方法，建立待检测区域内每个离散角度的距离-幅度谱，并根据待检测区域内每个离散角度的距离-幅度谱建立背景杂波图，对背景杂波图中杂波单元的杂波功率进行迭代获得最终的背景杂波图，所述背景杂波图为ξ(θ,r)，其中，θ和r均为离散变量，ξ(θi,ri)代表角度为θi、距离为ri处的杂波图单元的杂波功率估计值；采用如下公式对背景杂波图中杂波单元的杂波功率估计值进行迭代：ξn(θi,ri)＝ωξn-1(θi,ri)+(1-ω)qn(θi,ri)其中，ω为遗忘因子，ω取值范围为[0,1]，qn(θi,ri)为当前扫描周期得到的杂波图单元的杂波功率，ξn-1(θi,ri)为更新前杂波图单元的杂波功率估计值，ξn(θi,ri)为更新后杂波图单元的杂波功率估计值。
在FOD检测中，检测目标较小，又由于雷达与地面距离较近，因此雷达接收机接收的信号中地杂波随距离单元变化剧烈且能量远大于目标回波，针对这种背景杂波强目标回波信号弱的检测环境，本技术方案依据每次扫描的背景杂波功率进行迭代更新，使背景杂波图能够依据环境变化而进行调整，使检测过程动态性能好，能够获得更好的检测性能。
进一步的，步骤3中通过预设自适应滤波器的冲激响应，将参考信号通过自适应滤波器得到输出信号Y，以输入信号和输出信号Y的差作为反馈，使用最小均方误差算法进行自适应滤波，对自适应滤波器的冲激响应进行迭代，削弱输入信号中的杂波功率，以消除待检测信号中的杂波成分；所述参考信号为背景杂波图的杂波图单元中与待检测信号的距离单元对应的杂波功率估计值。
发明人在对本技术方案的机场跑道异物检测方法的深入研究过程中，依据FOD检测过程中相同距离单元在相邻时间内变化程度小的特点，分析出背景杂波间具有较强相关性，而背景杂波与目标回波间相关性极小，因此提出使用最小均方误差算法进行自适应滤波，可减少回波信号中的杂波成分，同时对目标回波造成的损伤小。在自适应滤波算法中，最小均方误差算法复杂度低，运算速度快，在削弱杂波能量的同时能够满足杂波机场跑道异物监测的实时性要求。
进一步的，通过预设自适应滤波器的系统函数消除待检测信号中的杂波成分的具体方法为：S3.1、将杂波图单元的杂波功率估计值序列ξ2，通过自适应滤波器，得到自适应滤波器的输出信号Y，公式为：
其中，h(i)为自适应滤波器的冲激响应，i为冲激响应和自适应滤波器输入序列的离散自变量，Y(n)为自适应滤波器的输出序列，n为输出信号的离散自变量；使用输入信号减去输出信号Y得到自适应滤波器的输出信号，公式为：Z＝S+ξ1-Y，其中ξ1为待检测信号中的杂波功率序列，S为待检测信号中的目标回波功率序列；滤波器输出的均方值为：E(Z2)＝E(S2)+E[(ξ1-Y)2]，其中，E(S2)表示目标回波信号功率，E[(ξ1-Y)2]表示残留的杂波功率；S3.2、使用最小均方误差算法寻找E(Z2)＝E(S2)+E[(ξ1-Y)2]的最小值，最小均方误差迭代公式为：y(n)＝h(n)*x(n)，e(n)＝d(n)-y(n)，h(n+1)＝h(n)+2μe(n)x(n)，其中，μ为迭代步长，x(n)为滤波器输入序列，h(n)为当前冲激响应序列，y(n)为自适应滤波器输出序列，d(n)为期望输出序列，h(n+1)为更新后冲激响应序列，e(n)为误差序列，n为离散自变量，μ的取值范围为(0,1/λmax)，1/λmax为输入信号的自相关矩阵的最大特征值，μ取值越大，自适应过程越快。
本技术方案中的滤波器输出的均方值可表示为公式：E(Z2)＝E[(S+ξ1-Y)2]＝E(S2)+E[(ξ1-Y)2]+2E[S(ξ1-Y)]，其中，ξ2是与ξ1相关、与S不相关的，利用杂波之间的相关性来进行杂波消除，所以可简化为公式：E(Z2)＝E(S2)+E[(ξ1-Y)2]，其中，E(S2)表示目标回波信号功率。现有技术是通过杂波图估计检测门限来提高检测的可靠性，本技术方案的方法是通过背景杂波的先验信息，利用杂波相关性使用自适应滤波器削弱待检测信号的杂波功率，然后通过杂波图估计检测门限，再进行检测；与现有技术相比，本技术方案的方法是降低了FOD检测的信噪比门限，能够在低信噪比环境下有效检测FOD目标；同时，与其他自适应滤波算法相比，本技术方案采用的自适应算法具有以下优点：一、运算量小，收敛速度快；二、对于相关性强的信号，杂波消除效果好；因此相较于其他自适应滤波算法，本技术方案采用的自适应算法杂波消除效果更好。
进一步的，步骤4中，消除杂波后的待检测信号中各个距离单元的检测阈值＝单元平均杂波图恒虚警算法的标称化因子×参考单元平均功率。
进一步的，单元平均杂波图恒虚警算法的标称化因子的计算方法为：设虚警概率
其中，L为杂波图迭代次数，ω为杂波图迭代的遗忘因子，K为单元平均杂波图的参考单元数；采用代数计算的方式计算标称化因子T的值；参考单元平均功率的计算方法为，对消除杂波后的待检测信号中每一个距离单元，划定其附近矩形范围内的K个单元为参考单元，计算参考单元信号功率的平均值，公式为：
其中，pn(θk,rk)是去杂波后的(θk,rk)距离单元对应的信号功率，K为单元平均杂波图的参考单元数。
在FOD检测中，检测目标较小，又由于雷达与地面距离较近，因此雷达接收机接收的信号中地杂波随距离单元变化剧烈且能量远大于目标回波，针对这种背景杂波强目标回波信号弱的检测环境，本技术方案可通过选择参数保持低虚警率，在FOD检测过程中，也可根据检测需求对虚警率进行调整，使虚警率低并且可调控，能够获得更好的检测性能。此外，本技术方案的检测门限通过多个参考单元的平均杂波功率计算，减弱了每次检测中的随机误差对检测结果的影响，不会产生较大波动，使检测门限稳定，能够获得更好的检测性能。
进一步的，采用如下公式判断各个距离单元是否存在异物目标：
其中，pn(θk,rk)表示消除杂波后的待检测信号中(θk,rk)距离单元对应的信号功率，Th表示检测阈值，
其中K为单元平均杂波图的参考单元数，T为单元平均杂波图恒虚警算法的标称化因子；H0表示检测单元距离单元不存在异物目标，H1表示检测单元距离单元存在异物目标。
进一步的，步骤5中对杂波图单元的杂波功率估计值进行更新的方法为，采用如下迭代公式对杂波图单元的杂波功率估计值进行迭代：ξn(θi,ri)＝ωξn-1(θi,ri)+(1-ω)qn(θi,ri)，其中，ω为遗忘因子，取值范围为[0,1]，qn(θi,ri)为当前扫描周期得到的杂波图单元的杂波功率，ξn-1(θi,ri)为更新前杂波图单元的杂波功率估计值，ξn(θi,ri)为更新后杂波图单元的杂波功率估计值。
综上所述，本发明与现有技术相比具有以下有益效果：
1、本发明提供的基于单元平均杂波图的机场跑道异物检测方法，采取单元平均杂波图，将单元平均恒虚警算法与杂波图恒虚警算法结合，这种算法首先将雷达空间划分为距离、角度的杂波图单元，对于每个杂波图单元通过回波输入不断迭代形成动态的杂波功率参考值，然后计算邻近的参考单元杂波功率参考值的平均值，根据恒虚警检测技术通过该平均值计算出FOD的检测阈值；利用单元平均杂波图较好的时间和空间稳定性，提高背景杂波强目标回波信号弱的检测环境的检测效果。
2、本发明提供的基于单元平均杂波图的机场跑道异物检测方法，针对单元平均杂波图对信杂比要求较高，在低信杂比时，检测能力迅速恶化，导致检测不准确的问题，基于单元平均杂波图算法，提出采用自适应滤波器进行杂波消除，通过在单元平均杂波图检测前去除杂波，利用单元平均杂波图中杂波图单元与待检测信号中杂波成分的相关性，对输入的待检测信号进行杂波消除，有效的提高了毫米波雷达的FOD检测概率，特别是在低信杂比的情况下，这种方法相比于传统的恒虚警算法，能有效提高回波信号的信杂比，提高检测效果，尤其是对低信杂的情况，检测效果明显的提高。
3、本发明提供的基于单元平均杂波图的机场跑道异物检测方法，依据FOD检测过程中相同距离单元在相邻时间内变化程度小的特点，分析背景杂波间的相关性，提出使用最小均方误差算法进行自适应滤波，可减少回波信号中的杂波成分。
4、本发明提供的基于单元平均杂波图的机场跑道异物检测方法，方法计算结果较为准确，降低了机场跑道异物检测时的信杂比门限，具有良好的实用性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的流程图；
图2为待检测信号中杂波功率；
图3为采用本发明的方法去杂波后杂波功率；
图4为本发明的最小均方误差-单元平均杂波图算法检测结果；
图5未消除杂波的单元平均杂波图算法的检测结果
图6为蒙特卡洛实验的检测成功率。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：
如图1所示，本实施例包括以下步骤：包括以下步骤：步骤1、在确定待检测区域内无异物时，在给定机场跑道范围内，通过线性连续调频波雷达对待检测区域进行检测，提取回波信号中的距离-幅度谱；步骤2、根据步骤1的方法获取待检测区域的距离-幅度谱，得到杂波图单元的杂波功率参考值，建立背景杂波图；步骤3、进行异物检测，将回波信号经步骤1的方法处理后得到待检测信号的距离-幅度谱；将步骤2得到的背景杂波图与待检测信号相对应的距离-幅度谱作为参考信号，将待检测信号的距离-幅度谱作为输入信号，通过自适应滤波器消除待检测信号中的杂波成分，得到消除杂波后的待检测信号；步骤4、使用单元平均杂波图恒虚警检测算法，计算消除杂波后的待检测信号中各个距离单元的检测阈值，判断各个距离单元是否存在异物目标；步骤5、若判断为不存在异物目标，则对该距离单元对应杂波图单元的杂波功率估计值进行更新；若判断为存在异物目标，则对该距离单元对应杂波图单元的杂波功率估计值不进行更新。所述线性连续调频波雷达包括雷达发射机和雷达接收机。
优选的，步骤1中通过雷达发射机向待检测区域发射信号，雷达接收机接收跑道和异物的反射信号作为输入信号，将输入信号与发射信号相乘得到混频信号，对混频信号进行低通滤波、A/D转换、快速傅里叶变换得到频率-幅度谱，再将频率-幅度谱转化为距离-幅度谱。
优选的，雷达发射机的发射信号公式为：
其中，A0为信号幅值，f0为载频频率，t为时间，u为调频斜率，调频斜率公式为：
B为发射信号带宽，T为发射信号时宽；雷达接收机输入信号的模型为：
其中Ai为第i个目标回波幅值，N为目标个数，t为时间，n为白噪声，ξ为地杂波，τi为第i个目标的回波时延，假设第i个目标与雷达天线的距离为ri，光速为c，τi的公式为：
将混频信号进行低通滤波后，得到差频信号，差频信号公式为：
其中，ai为第i个目标回波差频信号的幅值，N为目标个数，n为白噪声，ξ为地杂波，ri为第i个目标与雷达天线的距离，c为光速，S(t)为雷达发射信号，f0为载频频率，u为调频斜率；采用下述公式将频率-幅度谱转化为距离-幅度谱：
其中，fs为采样频率，N为快速傅里叶变换长度，ki为快速傅里叶变换后的频率离散点，u为调频斜率，c为光速，ri为第i个目标与雷达天线的距离。
优选的，步骤2中在确定待检测区域内无异物时，对待检测区域进行扫描，根据步骤1的方法，建立待检测区域内每个离散角度的距离-幅度谱，并根据待检测区域内每个离散角度的距离-幅度谱建立背景杂波图，对背景杂波图中杂波单元的杂波功率进行迭代获得最终的背景杂波图，所述背景杂波图为ξ(θ,r)，其中，θ和r均为离散变量，ξ(θi,ri)代表角度为θi、距离为ri处的杂波图单元的杂波功率估计值；采用如下公式对背景杂波图中杂波单元的杂波功率估计值进行迭代：ξn(θi,ri)＝ωξn-1(θi,ri)+(1-ω)qn(θi,ri)其中，ω为遗忘因子，ω取值范围为[0,1]，qn(θi,ri)为当前扫描周期得到的杂波图单元的杂波功率，ξn-1(θi,ri)为更新前杂波图单元的杂波功率估计值，ξn(θi,ri)为更新后杂波图单元的杂波功率估计值。
优选的，步骤3中通过预设自适应滤波器的冲激响应，将参考信号通过自适应滤波器得到输出信号Y，以输入信号和输出信号Y的差作为反馈，使用最小均方误差算法进行自适应滤波，对自适应滤波器的冲激响应进行迭代，削弱输入信号中的杂波功率，以消除待检测信号中的杂波成分；所述参考信号为背景杂波图的杂波图单元中与待检测信号的距离单元对应的杂波功率估计值。
优选的，通过预设自适应滤波器的系统函数消除待检测信号中的杂波成分的具体方法为：S3.1、将杂波图单元的杂波功率估计值序列ξ2，通过自适应滤波器，得到自适应滤波器的输出信号Y，公式为：
其中，h(i)为自适应滤波器的冲激响应，i为冲激响应和自适应滤波器输入序列的离散自变量，Y(n)为自适应滤波器的输出序列，n为输出信号的离散自变量；使用输入信号减去输出信号Y得到自适应滤波器的输出信号，公式为：Z＝S+ξ1-Y，其中ξ1为待检测信号中的杂波功率序列，S为待检测信号中的目标回波功率序列；滤波器输出的均方值为：E(Z2)＝E(S2)+E[(ξ1-Y)2]，其中，E(S2)表示目标回波信号功率，E[(ξ1-Y)2]表示残留的杂波功率；S3.2、使用最小均方误差算法寻找E(Z2)＝E(S2)+E[(ξ1-Y)2]的最小值，最小均方误差迭代公式为：y(n)＝h(n)*x(n)，e(n)＝d(n)-y(n)，h(n+1)＝h(n)+2μe(n)x(n)，其中，μ为迭代步长，x(n)为滤波器输入序列，h(n)为当前冲激响应序列，y(n)为自适应滤波器输出序列，d(n)为期望输出序列，h(n+1)为更新后冲激响应序列，e(n)为误差序列，n为离散自变量，μ的取值范围为(0,1/λmax)，1/λmax为输入信号的自相关矩阵的最大特征值，μ取值越大，自适应过程越快。
优选的，步骤4中，消除杂波后的待检测信号中各个距离单元的检测阈值＝单元平均杂波图恒虚警算法的标称化因子×参考单元平均功率。
优选的，单元平均杂波图恒虚警算法的标称化因子的计算方法为：设虚警概率
其中，L为杂波图迭代次数，ω为杂波图迭代的遗忘因子，K为单元平均杂波图的参考单元数；采用代数计算的方式计算标称化因子T的值；参考单元平均功率的计算方法为，对消除杂波后的待检测信号中每一个距离单元，划定其附近矩形范围内的K个单元为参考单元，计算参考单元信号功率的平均值，公式为：
其中，pn(θk,rk)是去杂波后的(θk,rk)距离单元对应的信号功率，K为单元平均杂波图的参考单元数。
优选的，采用如下公式判断各个距离单元是否存在异物目标：
其中，pn(θk,rk)表示消除杂波后的待检测信号中(θk,rk)距离单元对应的信号功率，Th表示检测阈值，
其中K为单元平均杂波图的参考单元数，T为单元平均杂波图恒虚警算法的标称化因子；H0表示检测单元距离单元不存在异物目标，H1表示检测单元距离单元存在异物目标。
优选的，步骤5中对杂波图单元的杂波功率估计值进行更新的方法为，采用如下迭代公式对杂波图单元的杂波功率估计值进行迭代：ξn(θi,ri)＝ωξn-1(θi,ri)+(1-ω)qn(θi,ri)，其中，ω为遗忘因子，取值范围为[0,1]，qn(θi,ri)为当前扫描周期得到的杂波图单元的杂波功率，ξn-1(θi,ri)为更新前杂波图单元的杂波功率估计值，ξn(θi,ri)为更新后杂波图单元的杂波功率估计值。
验证试验：
设线性连续调频信号带宽为1.5GHz，信号时间宽度为128微秒，采样频率20MHz，快速傅里叶变换长度为2048。根据实施例中步骤1，得到最小均方误差法去除杂波前后杂波的距离-幅度谱如图2和图3所示，其中图2为去除杂波前杂波的距离-幅度谱，即为待检测信号中杂波功率，其中图3为去除杂波后杂波的距离-幅度谱，即为最小均方误差去杂波后杂波功率。从图2和图3的对比来看，本发明的最小均方误差对待检测信号中杂波有明显的去除效果。
单元平均杂波图算法中，设参考单元个数为40，虚警率为
根据实施例1中单元平均杂波图恒虚警算法的标称化因子的计算方法，通过数值计算，得到不同杂波图迭代次数与迭代遗忘因子情况下，标称化因子T的取值如下表。
表1标称化因子T取值表
令遗忘因子ω＝0.0625，迭代次数L＝50，采用本发明的最小均方误差-单元平均杂波图算法检测结果如图4所示，未消除杂波的单元平均杂波图算法的检测结果如图5所示，蒙特卡洛实验的检测成功率对比如图6所示，图6中为单元平均杂波图算法(单元平均杂波图恒虚警算法)与本发明算法的检测成功率对比。
表2检测成功率对比
从图2～6和表2中的数据来看，相比传统的检测方法，本发明提出根据杂波图单元的相关特性使用最小均方误差方法去除待检测信号中的杂波，可提升待检测信号的信杂比；随着信噪比降低，采用本发明的最小均方误差-单元平均杂波图算法检测结果明显高于未消除杂波的单元平均杂波图算法和传统算法的检测结果，可见本发明采用的检测方法提高了目标检测概率，异物检测阈值更小，具有良好的实用性。
其中，图2和图3分别为采用本发明的最小均方误差法去除杂波前后的杂波功率，从图2和图3中的对比可以看出，采用用本发明的最小均方误差法能明显的消除待检测信号中的杂波，以提高检测效率。
其中，图4为本发明的最小均方误差-单元平均杂波图算法检测结果，图5为未消除杂波的单元平均杂波图算法的检测结果，从图4中可以看出采用本发明的方法检测过程中无虚警，即采用本发明方法没有发生将实际不存在目标却判断为有目标的情况，从图5中可以看出采用为未消除杂波的单元平均杂波图算法有两处虚警，即存在两次将实际不存在目标却判断为有目标的情况，可见本发明的方法通过最小均方误差方法去除待检测信号中的杂波，能避免检测过程中的虚警发生，避免检测不准确的情况发生。
其中，从图6和表2中的数据可以看出，本发明在将单元平均恒虚警算法与杂波图恒虚警算法结合的基础上，依据FOD检测过程中相同距离单元在相邻时间内变化程度小的特点，分析背景杂波间的相关性，提出使用最小均方误差算法进行自适应滤波，可减少回波信号中的杂波成分，使得检测成功率明显高于未采用最小均方误差的单元平均杂波图法，单元平均杂波图法在低信噪比时检测能力迅速恶化，导致检测不准确，而本发明的在信噪比较低0dB～10dB时，仍具有一定的检测能力，相比单元平均杂波图法检测成功率有显著的提升。在现有FOD检测过程中，当信噪比降低时，FOD检测概率会随信噪比降低而降低，直到完全无法检测；尤其是当信噪比≤5dB时，采用现有方法进行FOD检测，由于信噪比过低，现有方法不具有检测能力，即如表2中在不同信噪比下采用现有方法(单元平均杂波图)的检测概率所示，当信噪比≤5dB时，采用现有检测方法的检测概率为0％，完全无法检测；而采用本发明方法，在现有方法无法检测的条件(信噪比≤5dB)下，仍具有一定的检测能力，且在信噪比为2.5和5时，能达到15.9％和95.9％的概率，可见当信噪比≤5dB时，本发明的方法相比现有技术，仍能进行FOD检测，尤其是接近5dB时能够进行可靠的FOD检测，即本发明的方法降低了FOD检测的信噪比门限，能够在低信噪比环境下有效检测FOD目标。综上所述，本发明的方法一方面能避免检测过程中的虚警发生，避免检测不准确的情况发生，另一方面在信噪比较低0dB～10dB时，仍具有一定的检测能力，相比单元平均杂波图法检测成功率有显著的提升，通过两者结合使检测效果明显的提高。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，包括以下步骤：
步骤1、在确定待检测区域内无异物时，在给定机场跑道范围内，通过线性连续调频波雷达对待检测区域进行检测，提取回波信号中的距离-幅度谱；
步骤2、根据步骤1的方法获取待检测区域的距离-幅度谱，得到杂波图单元的杂波功率参考值，建立背景杂波图；
步骤3、进行异物检测，将回波信号经步骤1的方法处理后得到待检测信号的距离-幅度谱；将步骤2得到的背景杂波图与待检测信号相对应的距离-幅度谱作为参考信号，将待检测信号的距离-幅度谱作为输入信号，通过自适应滤波器消除待检测信号中的杂波成分，得到消除杂波后的待检测信号；
步骤4、使用单元平均杂波图恒虚警检测算法，计算消除杂波后的待检测信号中各个距离单元的检测阈值，判断各个距离单元是否存在异物目标；
步骤5、若判断为不存在异物目标，则对该距离单元对应杂波图单元的杂波功率估计值进行更新；若判断为存在异物目标，则对该距离单元对应杂波图单元的杂波功率估计值不进行更新；
步骤3中通过预设自适应滤波器的冲激响应，将参考信号通过自适应滤波器得到输出信号Y，以输入信号和输出信号Y的差作为反馈，使用最小均方误差算法进行自适应滤波，对自适应滤波器的冲激响应进行迭代，削弱输入信号中的杂波功率，以消除待检测信号中的杂波成分；所述参考信号为背景杂波图的杂波图单元中与待检测信号的距离单元对应的杂波功率估计值。
2.如权利要求1所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，步骤1中通过雷达发射机向待检测区域发射信号，雷达接收机接收跑道和异物的反射信号作为输入信号，将输入信号与发射信号相乘得到混频信号，对混频信号进行低通滤波、A/D转换、快速傅里叶变换得到频率-幅度谱，再将频率-幅度谱转化为距离-幅度谱。
3.如权利要求2所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，雷达发射机的发射信号公式为：
雷达接收机输入信号的模型为：
将混频信号进行低通滤波后，得到差频信号，差频信号公式为：
采用下述公式将频率-幅度谱转化为距离-幅度谱：
其中，fs为采样频率，N为快速傅里叶变换长度，ki为快速傅里叶变换后的频率离散点，u为调频斜率，c为光速，ri为第i个目标与雷达天线的距离。
4.如权利要求1所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，步骤2中在确定待检测区域内无异物时，对待检测区域进行扫描，根据步骤1的方法，建立待检测区域内每个离散角度的距离-幅度谱，并根据待检测区域内每个离散角度的距离-幅度谱建立背景杂波图，对背景杂波图中杂波单元的杂波功率进行迭代获得最终的背景杂波图，所述背景杂波图为ξ(θ,r)，其中，θ和r均为离散变量，ξ(θi,ri)代表角度为θi、距离为ri处的杂波图单元的杂波功率估计值；
采用如下公式对背景杂波图中杂波单元的杂波功率估计值进行迭代：
ξn(θi,ri)＝ωξn-1(θi,ri)+(1-ω)qn(θi,ri)其中，ω为遗忘因子，ω取值范围为[0,1]，qn(θi,ri)为当前扫描周期得到的杂波图单元的杂波功率，ξn-1(θi,ri)为更新前杂波图单元的杂波功率估计值，ξn(θi,ri)为更新后杂波图单元的杂波功率估计值。
5.如权利要求1所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，通过预设自适应滤波器的系统函数消除待检测信号中的杂波成分的具体方法为：
S3.1、将杂波图单元的杂波功率估计值序列ξ2，通过自适应滤波器，得到自适应滤波器的输出信号Y，公式为：
其中，h(i)为自适应滤波器的冲激响应，i为冲激响应和自适应滤波器输入序列的离散自变量，Y(n)为自适应滤波器的输出序列，n为输出信号的离散自变量；
使用输入信号减去输出信号Y得到自适应滤波器的输出信号，公式为：Z＝S+ξ1-Y，其中ξ1为待检测信号中的杂波功率序列，S为待检测信号中的目标回波功率序列；
滤波器输出的均方值为：E(Z2)＝E(S2)+E[(ξ1-Y)2]，其中，E(S2)表示目标回波信号功率，E[(ξ1-Y)2]表示残留的杂波功率；
S3.2、使用最小均方误差算法寻找E(Z2)＝E(S2)+E[(ξ1-Y)2]的最小值，最小均方误差迭代公式为：y(n)＝h(n)*x(n)，e(n)＝d(n)-y(n)，h(n+1)＝h(n)+2μe(n)x(n)，其中，μ为迭代步长，x(n)为滤波器输入序列，h(n)为当前冲激响应序列，y(n)为自适应滤波器输出序列，d(n)为期望输出序列，h(n+1)为更新后冲激响应序列，e(n)为误差序列，n为离散自变量，μ的取值范围为(0,1/λmax)，1/λmax为输入信号的自相关矩阵的最大特征值，μ取值越大，自适应过程越快。
6.如权利要求1所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，步骤4中，消除杂波后的待检测信号中各个距离单元的检测阈值＝单元平均杂波图恒虚警算法的标称化因子×参考单元平均功率。
7.如权利要求6所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，单元平均杂波图恒虚警算法的标称化因子的计算方法为：设虚警概率
其中，L为杂波图迭代次数，ω为杂波图迭代的遗忘因子，K为单元平均杂波图的参考单元数，T为单元平均杂波图恒虚警算法的标称化因子；采用代数计算的方式计算标称化因子T的值；
参考单元平均功率的计算方法为，对消除杂波后的待检测信号中每一个距离单元，划定其附近矩形范围内的K个单元为参考单元，计算参考单元信号功率的平均值，公式为：
其中，pn(θk,rk)是去杂波后的(θk,rk)距离单元对应的信号功率，K为单元平均杂波图的参考单元数。
8.如权利要求6所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，采用如下公式判断各个距离单元是否存在异物目标：
9.如权利要求1所述的一种基于单元平均杂波图的机场跑道异物检测方法，其特征在于，步骤5中对杂波图单元的杂波功率估计值进行更新的方法为，采用如下迭代公式对杂波图单元的杂波功率估计值进行迭代：ξn(θi,ri)＝ωξn-1(θi,ri)+(1-ω)qn(θi,ri)，其中，ω为遗忘因子，取值范围为[0,1]，qn(θi,ri)为当前扫描周期得到的杂波图单元的杂波功率，ξn-1(θi,ri)为更新前杂波图单元的杂波功率估计值，ξn(θi,ri)为更新后杂波图单元的杂波功率估计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011102024.XA CN112213695B (zh) | 2020-10-15 | 2020-10-15 | 一种基于单元平均杂波图的机场跑道异物检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011102024.XA CN112213695B (zh) | 2020-10-15 | 2020-10-15 | 一种基于单元平均杂波图的机场跑道异物检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112213695A CN112213695A (zh) | 2021-01-12 |
| CN112213695B true CN112213695B (zh) | 2023-04-11 |
Family
ID=74052775
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011102024.XA Expired - Fee Related CN112213695B (zh) | 2020-10-15 | 2020-10-15 | 一种基于单元平均杂波图的机场跑道异物检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112213695B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101524284A (zh) * | 2008-03-04 | 2009-09-09 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应抑制组织闪烁的超声成像方法和设备 |
| CN106772309A (zh) * | 2017-03-31 | 2017-05-31 | 西安电子科技大学 | 基于通信卫星辐射源的雷达目标检测方法 |
| CN110221288A (zh) * | 2019-05-17 | 2019-09-10 | 常州第四无线电厂有限公司 | 一种穿墙雷达微动目标检测方法 |
| CN110261838A (zh) * | 2019-07-02 | 2019-09-20 | 中国航空工业集团公司雷华电子技术研究所 | 一种道面外来物探测方法、装置及探测雷达 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| BRPI0817039A2 (pt) * | 2007-08-24 | 2015-07-21 | Stratech Systems Ltd | Sistema e método de vigilância de pista de pouso e decolagem |
| ATE519125T1 (de) * | 2008-11-28 | 2011-08-15 | Thales Nederland Bv | Verfahren zum filtern eines radarsignals nach reflektion durch ein target |
| CN103616729B (zh) * | 2013-11-06 | 2016-05-18 | 中国人民解放军第四军医大学 | 一种基于uwb生物雷达的多个人体目标估算方法及系统 |
| GB2528880A (en) * | 2014-08-01 | 2016-02-10 | Bae Systems Plc | Foreign object debris detection system and method |
| CN106569208B (zh) * | 2016-11-15 | 2019-04-12 | 南京理工大学 | 基于杂波图的机场跑道异物检测方法 |
| US20180287432A1 (en) * | 2017-03-29 | 2018-10-04 | Qualcomm Incorporated | Adaptive adc control for living object protection |
| CN107247262B (zh) * | 2017-05-31 | 2019-11-19 | 中国电子科技集团公司第二十九研究所 | 一种机场跑道异物分层检测方法 |
| CN107238821B (zh) * | 2017-05-31 | 2020-05-19 | 中国电子科技集团公司第二十九研究所 | 一种基于特征谱特征的机场跑道异物检测方法及装置 |
| CN108414991B (zh) * | 2018-02-08 | 2020-08-11 | 北京理工大学 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
| CN108680910B (zh) * | 2018-05-15 | 2021-09-28 | 河海大学 | 基于波形认知的调频广播外辐射源雷达目标检测方法 |
| CN109188385B (zh) * | 2018-08-31 | 2022-12-06 | 西安电子科技大学 | 杂波背景下的高速微弱目标检测方法 |
| CN110320514A (zh) * | 2019-06-12 | 2019-10-11 | 南京理工大学 | 基于车载侧视探测雷达的fod检测方法 |
| CN111123261A (zh) * | 2019-12-31 | 2020-05-08 | 上海微波技术研究所（中国电子科技集团公司第五十研究所） | 基于背景学习的机场跑道fod检测方法和系统 |
| CN111624574A (zh) * | 2020-07-29 | 2020-09-04 | 绵阳市游仙区创新科技产业技术研究院 | 弱目标探测的目标检测方法、系统、存储介质和装置 |
-
2020
- 2020-10-15 CN CN202011102024.XA patent/CN112213695B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101524284A (zh) * | 2008-03-04 | 2009-09-09 | 深圳迈瑞生物医疗电子股份有限公司 | 自适应抑制组织闪烁的超声成像方法和设备 |
| CN106772309A (zh) * | 2017-03-31 | 2017-05-31 | 西安电子科技大学 | 基于通信卫星辐射源的雷达目标检测方法 |
| CN110221288A (zh) * | 2019-05-17 | 2019-09-10 | 常州第四无线电厂有限公司 | 一种穿墙雷达微动目标检测方法 |
| CN110261838A (zh) * | 2019-07-02 | 2019-09-20 | 中国航空工业集团公司雷华电子技术研究所 | 一种道面外来物探测方法、装置及探测雷达 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112213695A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110749871B (zh) | 双偏振天气雷达的参量估算方法 | |
| CN112630768B (zh) | 一种改进调频连续波雷达目标检测的降噪方法 | |
| CN106501800B (zh) | 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法 | |
| CN108845300B (zh) | 一种场面监视雷达恒虚警处理方法 | |
| CN111896926B (zh) | 一种基于强杂波抑制的低空目标检测方法及系统 | |
| CN110609262A (zh) | 一种场面监视雷达的三维恒虚警检测方法 | |
| WO2014108889A1 (en) | A method for mitigating rain clutter interference in millimeter-wave radar detection | |
| CN111157953B (zh) | 一种强地杂波下两级门限恒虚警检测算法 | |
| CN109188385A (zh) | 杂波背景下的高速微弱目标检测方法 | |
| CN111856406B (zh) | 一种基于fmcw雷达回波的目标检测方法及装置 | |
| CN112014806B (zh) | 一种复杂干扰场景下的机载雷达无意干扰抑制方法 | |
| CN111948618B (zh) | 一种基于卫星外辐射源的前向散射目标探测方法及系统 | |
| CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
| CN115343681A (zh) | 一种针对空中目标的雷达可探测性评价方法 | |
| CN112213695B (zh) | 一种基于单元平均杂波图的机场跑道异物检测方法 | |
| JP2000346932A (ja) | 目標追尾方法及び目標追尾レーダ装置 | |
| 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 | |
| KR20140075881A (ko) | 표적 잔상 제거 방법 | |
| Turley | Signal processing techniques for maritime surveillance with skywave radar | |
| EP4307003A1 (en) | Precipitation clutter suppression algorithm for marine radar | |
| CN115267715A (zh) | 一种强运动杂波环境下弱小目标检测方法 | |
| CN114355324A (zh) | 一种航迹生成方法 | |
| CN114814738A (zh) | 高频雷达射频干扰抑制的自适应参考距离单元选择方法 | |
| CN112731386B (zh) | 基于杂波图匹配的机场跑道异物检测方法 | |
| KR101619064B1 (ko) | 능동 클러터 맵을 이용한 목표물 검출 방법 |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20230411 |