CN112731307B - 基于距离-角度联合估计的ratm-cfar检测器及检测方法 - Google Patents
基于距离-角度联合估计的ratm-cfar检测器及检测方法 Download PDFInfo
- Publication number
- CN112731307B CN112731307B CN202011510328.XA CN202011510328A CN112731307B CN 112731307 B CN112731307 B CN 112731307B CN 202011510328 A CN202011510328 A CN 202011510328A CN 112731307 B CN112731307 B CN 112731307B
- Authority
- CN
- China
- Prior art keywords
- distance
- cfar
- detection
- estimation
- rdm
- 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
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
-
- 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
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
公开了一种基于距离‑角度联合估计的RATM‑CFAR检测器及检测方法,所述方法包括:采集雷达回波数据,对数据进行2D‑FFT得到(RDM)距离多普勒矩阵,然后对RDM矩阵进行CFAR的过程之中,采用距离‑角度估计的结果用于CFAR算法的先验估计,将频域转成空域进行处理,剔除待测单元附近的干扰目标和距离较远的前提目标,然后将剩余单元进行基于背景杂波估计的CFAR算法选择,得到最终检测结果。本发明首次将距离‑角度估计的结果用于CFAR算法的先验估计,实现了频域到空域的转换,具有实现方法简单、能够避免小目标的漏检,且检测精度高、环境适应性及抗干扰性强的优点,提高了雷达在复杂环境和多目标环境下的检测性能,为CFAR算法提供了新方法。
Description
技术领域
本发明涉及雷达信号多目标检测技术领域,尤其涉及一种基于RATM-CFAR的雷达信号多目标检测方法及其背景杂波处理方法。
背景技术
随着社会和科技的发展,人工智能和汽车工业的快速发展,毫无疑问,驾驶员配合辅助驾驶系统是未来汽车出行的主要形态,而车载毫米波雷达作为辅助驾驶系统的重要组成,具有很高的研究价值。然而雷达在检测过程中,接收到的信号不仅仅是目标信号,还包含了一些实时变化的杂波信号,面对这种情况,雷达恒虚警率(Constant False AlarmRate,CFAR)处理也就应运而生。CFAR处理技术的问世可以使雷达检测目标的虚警概率保持一定范围不变,减少了进行检测时的信杂比损失,使得目标的检测概率最大化。相对于传统的固定门限检测,CFAR可以根据雷达杂波背景分布提供的先验信息,通过特定的算法,自适应的改变检测门限,对目标有无进行判决,从而方便对目标进行下一步的处理。因此,雷达恒虚警处理技术在雷达信号处理和目标检测领域中是最为关键的环节。
伴随着雷达技术的发展,许多恒虚警检测方法诞生,但其仍然存在缺陷。传统CFAR的假设只能在某种特定环境下获得较好检测性能,然而随着雷达应用场景的复杂化,实际工程中并不能满足理想的设计条件,CFAR检测性能严重下降。因此,对于多目标,其最大的挑战是复杂背景下的检测问题,如何在该背景下自适应选择检测门限,提升检测器抗干扰能力,成为雷达研究领域的重要目标。
发明内容
本申请提供的基于距离-角度联合估计的RATM-CFAR检测器及检测方法,首次提出将角度信息作为CFAR先验信息,将频域和空域结合,提高了雷达在多目标情况下的检测精度,为CFAR检测提供了一种全新的方法。
根据本申请实施例的第一方面,提供一种基于距离-角度联合估计的RATM-CFAR检测方法,包括:
将雷达收到的数据组成雷达三维矩阵RadarCube;
将RadarCube三维数据矩阵进行二维FFT得到RDM距离-多普勒矩阵。
对RDM的距离维进行角度估计得到每个距离单元的角度{θ1,θ2,...,θU,...θn}和距离{r1,r2,...,rU,...,rn};
对距离单元进行恒虚警检测,将训练单元{x1,x2,...,xn/2-1,xn/2+1,...,xn}从时域转移到空域,求得待测单元附近的训练单元的位置{D1,D2,...,DU,...,Dn};
设定一个半径R,将待测目标[rU*sin(θU),rU*cos(θU)]附近半径为R内的信息提取出来,然后找到对应的距离单元{di};
将di之外的距离单元,进行删除,得到一个新的检测集N_RDM;
根据新的检测集内的数据量选择CFAR算法,建立背景杂波模型;
将新的N_RDM,按上述所选择的CFAR算法进行运算得到结果。
在上述的基于距离-角度联合估计的RATM-CFAR检测方法,先将RDM作峰值检测,然后对峰值单元进行处理。
根据本申请实施例的第二方面,提供一种基于距离-角度联合估计的RATM-CFAR检测器,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行所述方法的全部或部分步骤。
根据本申请实施例的第三方面,提供一种非临时性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所述方法的全部或部分步骤。
与现有技术相比,本申请的优点在于:
1.首次将雷达信号处理的角度估计结果作为CFAR算法的先验估计信息,将频域的CFAR检测转到空域,滤除了多余的目标,对于强干扰目标进行角度估计,验证强干扰目标的空间位置,提高了多目标的检测精度。
2.对于待测目标附近的物体,进行了数量统计,根据数量和背景的复杂程度,自适应选择了算法类型。
3.相对于传统的删除恒虚警方法,只是删除雷达附近的强干扰目标,并且删除数量难以确定,对于其他干扰目标无法滤除,本发明的删除单元的依据待测单元的空域信息进行删除,大大提高了检测精度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例的附图作简单地介绍。
图1是基于距离-角度联合估计的RATM-CFAR检测方法流程图。
图2是采集原始数据组成的雷达立方RadarCube。
图3是经过2D-FFT后的距离多普勒(RDM)矩阵模型。
图4是RATM-CFAR检测器的算法流程图。
图5是删除干扰目标和远距目标后的背景杂波模型检测模型。
具体实施方式
图1展示了一种基于距离-角度联合估计的RATM-CFAR检测方法,该方法包括以下步骤:
步骤1,采集雷达回波数据,将雷达收到的数据组成雷达三维矩阵RadarCube,如图2所示。
步骤2,将RadarCube三维数据矩阵进行二维FFT得到RDM(Range Doppler matrix)距离-多普勒矩阵,如图3所示。
步骤3,对RDM的距离维进行角度估计,即利用波束形成的方法,对测量目标方向进行[-90,90]的角度扫描,得到每个距离单元的空间谱估计,取出最大值谱值对应的横坐标即为目标的角度θ,然后将每个距离单元的对应角度{θ1,θ2,...,θU,...θn}和距离{r1,r2,...,rU,...,rn},作为CFAR算法的先验信息。
此外,可将包含同速同距离的点进行角度超分辨处理,使得检测结果更加精确。可将检测单元进行速度解模糊,检测是否存在模糊速度,存在即去掉模糊速度。还可先将RDM作一次峰值检测,然后对峰值单元进行上述处理,大大减小的运算量。
步骤4,对2D-FFT后的数据进行平方检波器,然后对距离单元进行恒虚警检测,将训练单元(除了待测单元xn/2以外的其他单元){x1,x2,...,xn/2-1,xn/2+1,...,xn}从频域转移到空域,求得待测单元(距离单元xn/2)附近的N个(其中R>N*c/2B,c为光速,B为带宽,R为后续设定半径)训练单元的空间位置{D1,D2,...,DU,...,Dn},其中Di为第i个目标所处空间位置。
步骤5,设定半径R,将待测目标[rU*sin(θU),rU*cos(θU)]附近半径为R内的信息提取出来,然后找到对应的距离单元{di},上述步骤3,4,5的流程如图4所示。
步骤6,将di之外的距离单元,进行删除,得到一个新的检测集N_RDM。
步骤7,根据新的检测集内的数据量选择CFAR算法,建立背景杂波模型。
步骤8,将新的N_RDM,进行恒虚警检测得到门限T与阈值因子Z,然后判断待测单元S是否大于T*Z,如果大于则认为待测单元存在目标,否则认为待测单元为背景杂波,并输出最终结果。上述步骤6、7、8如图5所示,其中步骤6、7的具体实施方案如下:
对于删除后的前后单元来说,设前沿有R1个参考单元样本{x1,x2,...,xR1},去除干扰的目标R2个样本,对于剩余R1-R2个样本{xi}求得平均,作为前沿窗的杂波功率水平局部估计:
引入辅助变量ωi:
ωi=(R1+1-i)[x(i)-x(i-1)],(1≤i≤R1,x(0)=0)
求得X的矩母函数:
同理可求得后沿窗Y的矩母函数:
其中λ为背景杂波噪声的水平功率,R3为后沿参考单元个数,R4为后沿窗口删除单数个数,ci',c'j'分别为前沿窗和后沿窗的阈值因子。
因为删除类CFAR检测器的判决准则和背景模型与OS-CFAR类的CFAR检测器相同,所以它在均匀背景下的检测概率和虚警率仍然可以按照传统有序类CFAR检测器计算。
在示例性实施例中,还提供一种基于距离-角度联合估计的RATM-CFAR检测器,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行所述方法的全部或部分步骤。
在示例性实施例中,还提供一种非临时性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所述方法的全部或部分步骤。
Claims (4)
1.一种基于距离-角度联合估计的RATM-CFAR检测方法,其特征在于,包括:
将雷达收到的数据组成雷达三维矩阵RadarCube;
将RadarCube三维数据矩阵进行二维FFT得到RDM距离-多普勒矩阵;
对RDM的距离维进行角度估计得到每个距离单元的角度{θ1,θ2,…,θU,...θn}和距离{r1,r2,…,rU,…,rn},将每个距离单元的角度{θ1,θ2,…,θU,...θn}和距离{r1,r2,…,rU,…,rn}作为CFAR算法的先验信息;
对距离单元进行恒虚警检测,将训练单元{x1,x2,...,xn/2-1,xn/2+1,...,xn}从频域转移到空域,求得待测单元附近的训练单元的位置{D1,D2,…,DU,…,Dn};
设定一个半径R,将待测目标[rU*sin(θU),rU*cos(θU)]附近半径为R内的信息提取出来,然后找到对应的距离单元{di};
将di之外的距离单元,进行删除,得到一个新的检测集N_RDM;
根据新的检测集内的数据量选择CFAR算法,建立背景杂波模型;
将新的N_RDM,按上述所选择的CFAR算法进行运算得到结果。
2.根据权利要求1所述的基于距离-角度联合估计的RATM-CFAR检测方法,其特征在于,先将RDM作峰值检测,然后对峰值单元进行处理。
3.一种基于距离-角度联合估计的RATM-CFAR检测器,其特征在于,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行权利要求1至2任一项所述的方法的步骤。
4.一种非临时性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如权利要求1至2任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011510328.XA CN112731307B (zh) | 2020-12-19 | 2020-12-19 | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011510328.XA CN112731307B (zh) | 2020-12-19 | 2020-12-19 | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112731307A CN112731307A (zh) | 2021-04-30 |
CN112731307B true CN112731307B (zh) | 2023-01-03 |
Family
ID=75603387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011510328.XA Active CN112731307B (zh) | 2020-12-19 | 2020-12-19 | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112731307B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671459B (zh) * | 2021-07-10 | 2024-04-05 | 亿太特(陕西)科技有限公司 | Fmcw雷达动目标恒虚警检测方法 |
CN113406593A (zh) * | 2021-07-28 | 2021-09-17 | 武汉大学 | 一种外辐射源雷达自适应分时杂波图恒虚警检测方法 |
CN115616577B (zh) * | 2022-12-19 | 2023-03-10 | 广东大湾区空天信息研究院 | 环境自适应的车载毫米波雷达检测方法、装置及相关设备 |
CN116299401B (zh) * | 2023-05-19 | 2023-10-17 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5499030A (en) * | 1994-03-18 | 1996-03-12 | The United States Of America As Represented By The Secretary Of The Air Force | Expert system constant false alarm rate (CFAR) processor |
CN105699964A (zh) * | 2016-02-29 | 2016-06-22 | 无锡南理工科技发展有限公司 | 一种基于汽车防撞雷达的道路多目标跟踪方法 |
CN109471095A (zh) * | 2018-11-06 | 2019-03-15 | 哈尔滨工程大学 | 基于快速迭代插值的fmcw雷达距离估计算法 |
CN111999716A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于杂波先验信息的目标自适应融合检测方法 |
-
2020
- 2020-12-19 CN CN202011510328.XA patent/CN112731307B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5499030A (en) * | 1994-03-18 | 1996-03-12 | The United States Of America As Represented By The Secretary Of The Air Force | Expert system constant false alarm rate (CFAR) processor |
CN105699964A (zh) * | 2016-02-29 | 2016-06-22 | 无锡南理工科技发展有限公司 | 一种基于汽车防撞雷达的道路多目标跟踪方法 |
CN109471095A (zh) * | 2018-11-06 | 2019-03-15 | 哈尔滨工程大学 | 基于快速迭代插值的fmcw雷达距离估计算法 |
CN111999716A (zh) * | 2020-09-02 | 2020-11-27 | 中国人民解放军海军航空大学 | 基于杂波先验信息的目标自适应融合检测方法 |
Non-Patent Citations (2)
Title |
---|
Weighted distance iteration matrix CFAR detector in Sea clutter;Lei Ye 等;《IET Radar, Sonar & Navigation》;20200902;第14卷(第10期);1631-1639 * |
基于功率聚焦的宽带阵列信号检测算法;龚斌 等;《雷达学报》;20120930;第1卷(第3期);253-261 * |
Also Published As
Publication number | Publication date |
---|---|
CN112731307A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN111352102A (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 | |
CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及系统 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN113009441B (zh) | 一种雷达运动反射面多径目标的识别方法及装置 | |
CN115061113B (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
CN112130142A (zh) | 一种复杂运动目标微多普勒特征提取方法及系统 | |
CN113050059A (zh) | 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法 | |
CN114966589A (zh) | 一种基于毫米波雷达的多目标检测方法 | |
CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
CN113885006A (zh) | 一种机动转弯目标相参积累检测方法 | |
CN108508413B (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
CN112689773B (zh) | 雷达信号处理方法和雷达信号处理装置 | |
CN116027288A (zh) | 生成数据的方法、装置、电子设备及存储介质 | |
CN113093174A (zh) | 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法 | |
CN110542902A (zh) | 一种适用于车载毫米波雷达的简易测高方法 | |
CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN116184332B (zh) | 一种雷达干扰的抑制方法、装置及存储介质 | |
CN111624605B (zh) | 一种基于角度维回波特征的航海雷达目标检测方法 | |
CN114609604B (zh) | 无人机集群目标检测及目标轮廓、集群规模估计方法 | |
CN115372956B (zh) | 一种基于正逆逻辑Hough变换的混合体制雷达航迹起始方法 | |
CN116381617A (zh) | 雷达干扰的抑制方法、装置及存储介质 | |
JP7113878B2 (ja) | 電子機器、電子機器の制御方法、及びプログラム | |
CN115170601A (zh) | 雷达测量数据处理方法及装置 |
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 |