CN113009446B - 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 - Google Patents
一种基于最佳解调算子的悬停低慢小目标检测方法及装置 Download PDFInfo
- Publication number
- CN113009446B CN113009446B CN202110232639.2A CN202110232639A CN113009446B CN 113009446 B CN113009446 B CN 113009446B CN 202110232639 A CN202110232639 A CN 202110232639A CN 113009446 B CN113009446 B CN 113009446B
- Authority
- CN
- China
- Prior art keywords
- target
- low
- slow small
- small target
- parameter space
- 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
- G01S7/41—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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
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
本公开提供了一种基于最佳解调算子的悬停低慢小目标检测方法,包括:获取回波信号,并对该回波信号进行预处理;将预处理后的回波信号进行分序列脉冲压缩,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置;分离该粗略位置对应的回波信号中目标的微多普勒特性,并构建解调算子;设置解调算子中目标的振幅、角频率及初始相位的搜索范围和搜索精度,并根据该搜索范围和搜索精度构建一特定大小的参量空间;检测参量空间中是否存在目标;目标参数反演,得到该目标的三维坐标,完成该目标的检测与识别。本公开还提供了一种基于最佳解调算子的悬停低慢小目标检测装置。
Description
技术领域
本公开涉及雷达信号处理技术领域,具体涉及一种基于最佳解调算子的悬停低慢小目标检测方法及装置。
背景技术
随着“低慢小”航空器在民用市场的迅速崛起,其在农业、林业、物流、气象、航拍、娱乐等民用领域有众多应用,但越来越多因“低慢小”航空器而造成的威胁也随之而来。其中,最为人熟知、最具代表性的当属消费级无人机“滥飞”、“黑飞”带来的空域安全威胁。亟需发展低空监视雷达探测信号处理技术,提高对“低慢小”无人机的实时发现、精准定位、跟踪监视性能,保障低空安全和公众权益。
目前国内外针对各种无人机为代表的的“低慢小”目标,围绕无人机主体平动与旋翼叶片转动产生的运动特性差异导致的雷达接收功率或RCS幅度特性差异展开研究,但是对于悬停状态下无人机的雷达回波,可分解为机身主体和旋翼这两部分回波分量。由于无人机在悬停状态,此时机身主体没有运动,因故没有多普勒频移,因此传统依靠多普勒谱的动目标检测方法效果很差。并且悬停无人机目标探测过程仍存在以下难点:(1)无人机目标散射截面积小,回波信号微弱,运动速度慢,目标多普勒频移位于零频附近,目标信号很容易淹没在强杂波信号之中;(2)当无人机悬停时,传统的动目标检测雷达无法实现目标检测;(3)随着雷达分辨率的提高,由于无人机旋翼转动造成的微多普勒调制,致使目标在多个距离单元走动,由于无人机旋翼转动的非相参特性,而使传统相参积累算法无法积累。因此仍然需要探索旋翼无人机的材料、尺寸、形状和旋翼叶片构造对雷达回波的影响,将不同距离单元中无人机目标主体回波和旋翼回波能量积累,并提出相应的特征提取方法,以提高雷达系统的检测性能,通过对无人机微多普勒参数的估计有利于提高目标识别的准确性。
发明内容
为了解决现有技术中上述问题,本公开提供了一种基于最佳解调算子的悬停低慢小目标检测方法及装置,该方法利用旋翼无人机转动对雷达回波调制导致的距离向展宽效应,可有效增强背景杂波与无人机微动目标信号特性差异的最佳检测器,有效提升了微动目标信号分量的能量聚集度,提升了雷达对微弱目标的检测性能。
本公开的第一个方面提供了一种基于最佳解调算子的悬停低慢小目标检测方法,包括:S1,获取回波信号,并对该回波信号进行预处理,得到预处理后的回波信号;S2,将预处理后的回波信号进行分序列脉冲压缩,得到脉冲压缩后的回波信号,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置;S3,分离该粗略位置对应的回波信号中目标的微多普勒特性,并基于极大似然最优估计构建解调算子φ(n);S4,设置解调算子φ(n)中目标的振幅ρ、角频率ω及初始相位的搜索范围和搜索精度,并根据该搜索范围和搜索精度构建一特定大小的参量空间Г;S5,检测参量空间中是否存在低慢小目标,若存在,执行步骤S6,若不存在,重复执行S4~S5,直至该搜索精度和搜索范围中所有搜索点检测完毕为止;S6,根据S5中存在的低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别。
进一步地,S1中对该回波信号进行预处理,得到预处理后的回波信号包括:利用一个长度为L的浮动矩形窗将接收到的回波信号的离散傅里叶变换结果分解为一组互不重叠的分序列,得到N/L个预处理后的回波信号序列,其中,N为回波信号的序列长度。
进一步地,S3中解调算子φ(n)满足以下关系:
进一步地,中构建出一特定大小的参量空间Г满足以下关系:
进一步地,S5中检测参量空间中是否存在低慢小目标包括:判断步骤S4中参量空间的绝对值与预设的恒虚警检测阈值的大小,若参量空间的绝对值大于预设的恒虚警检测阈值,则该参量空间中存在低慢小目标;否则,不存在,重复执行S4~S5,直至该搜索精度和搜索范围中所有搜索点检测完毕为止。
进一步地,S5中所有搜索点包括U×V×Q个
进一步地,S6中根据S5中存在的低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出该低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别包括:S61,利用该低慢小目标旋翼转动引起的距离走动和根据展宽效应,得到参量空间Г中该低慢小目标的坐标位置;S62,根据参量空间Г中得到的特征向量与悬停状态下低慢小目标旋翼转动参数的映射关系,反演得到低慢小目标的旋转半径、转动频率及初始相位。
进一步地,悬停低慢小目标为旋翼无人机或其它携带微动的低慢小目标。
本公开的第二个方面提供了一种基于最佳解调算子的悬停低慢小目标检测装置,包括:回波信号预处理模块,用于对获取的回波信号进行预处理,得到预处理后的回波信号;信号强度计算模块,用于将预处理后的回波信号进行分序列脉冲压缩,得到脉冲压缩后的回波信号,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置;解调算子构建模块,用于分离该粗略位置对应的回波信号中目标的微多普勒特性,并基于极大似然最优估计构建解调算子φ(n);参量空间构建模块,用于设置解调算子中目标的振幅ρ、角频率ω及初始相位的搜索范围和搜索精度,并根据该搜索范围和搜索精度构建出一特定大小的参量空间Г;目标检测模块,用于检测参量空间中是否存在低慢小目标,若存在,执行目标参数反演,若不存在,则重复参量空间构建模块,直至该搜索精度和搜索范围中所有搜索点检测完毕为止;目标参数反演模块,用于根据目标检测模块中检测的低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别。
本公开与现有技术相比,具备以下有益效果:
(1)本公开针对悬停状态的旋翼无人机目标检测难题,充分利用旋翼无人机中旋翼回波信号组成成分的特征差异,基于最佳解调算子,增强了微多普勒信号与雷达背景杂波等其他形式信号的差异,通过对目标的微多普勒特性补偿,提高了悬停无人机目标在参量空间中的能量聚集程度,从而改善微弱目标的信噪比,提升了雷达系统对以旋翼无人机为典型的悬停“低慢小”目标的检测性能。
(2)本公开不受地物噪声类型的限制,并可以同时估计多个微动分量的曲线参数,克服了旋翼无人机中装载的多个旋翼在雷达回波中产生的曲线交叉等干扰问题,对携带微动特性的目标的检测和识别具有很好的效果,可更精细刻画目标特征。
(3)与传统的微多普勒估计方法相比,本公开所提供的方法不需要进行曲线提取等复杂运算,只需通过解调算子将雷达回波变换到参量空间进行峰值搜索,计算效率高,基本满足实际工程实时性要求,对旋翼无人机目标的微动特征参数估计精确度高,为群体性微动目标识别奠定了基础。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1示意性示出了根据本公开实施例的基于最佳解调算子的悬停低慢小目标检测方法的流程图;
图2示意性示出了根据本公开实施例的距离-慢时间域图像示意图;
图3示意性示出了根据本公开实施例的参量空间中旋翼转速和振幅的仿真结果示意图;
图4示意性示出了根据本公开实施例的参量空间中旋翼转速和初始相位的仿真结果示意图;
图5示意性示出了根据本公开实施例的基于最佳解调算子的悬停低慢小目标检测装置的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开实施例中,动目标检测雷达系统参数如下所示。
设带有四个散射点的旋转目标悬停在场景中,发射信号波长 l=0.0087m,距离雷达RC=200m,根据常规消费类无人机的经验值,其旋转半径分别设置为l1=0.1m、l2=0.2m、l3=0.3m及l4=0.5m,其对应的目标旋转频率分别为ωd1=100r/s、ωd2=95r/s、ωd3=90r/s及ωd4=80r/s,对应的初始旋转角可设置典型值为0°、30°、60°及90°,并添加SNR=0dB 的高斯白噪声。
图1示意性示出了根据本公开实施例的基于最佳解调算子的悬停低慢小目标检测方法的流程图。
如图1所示,该基于最佳解调算子的悬停低慢小目标检测方法包括:
S1,获取回波信号,并对该回波信号进行预处理,得到预处理后的回波信号。
本公开实施例中,利用雷达的接收机接收回波原始数据,即回波信号,并将该长度为N的回波信号序列x(n)预处理,其中,n=1、2、3、...、 N。
具体地,利用一个长度为L的浮动矩形窗将接收到的回波信号的离散傅里叶变换结果分解为一组互不重叠的分序列,得到N/L个预处理后的回波信号序列,其中,该浮动矩形窗长度L结合经验值,令L=128。
S2,将预处理后的回波信号进行分序列脉冲压缩,得到脉冲压缩后的回波信号,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置。
本公开实施例中,将预处理后的回波信号进行分序列脉冲压缩,得到如图2所示的脉冲压缩后的回波信号,一般信号强度最大处对应的距离单元距离为距离雷达最大距离200m,由图2可知,四个散射点由于微多普勒在距离向的扩展效应放大了并且多条微多普勒曲线在跨距离单元相互交叠。
S3,分离该粗略位置对应的回波信号中目标的微多普勒特性,并基于极大似然最优估计构建解调算子φ(n)。
本公开实施例中,解调算子φ(n)满足以下关系:
本公开的实施例中,根据实际经验,设置所需搜索的各参量的搜索范围。具体地,ρ∈[0,0.6],ω∈[70,120],设置ρ的搜索个数U为600,ω的搜索个数V为5000,的搜索个数Q为3600,则可构造大小为1.08×108的参量空间其可表示为:
其中,t为微分快时间,T为序列块的慢时间,可得第n个分序列块xL(n) 的子参量空间Γn满足以下关系:
本公开实施例中,由于解调算子φ(n)与旋翼转动调制的微多普勒特性相匹配,旋翼微动分量在参量空间可以得到最优的能量聚集,而背景杂波具有随机特性和非相参特性,因此在参量空间能量较为分散,从而该解调算子φ(n)可有效改善信噪比。
S5,检测参量空间中是否存在低慢小目标,若存在,执行步骤S6,若不存在,重复执行S4~S5,直至该搜索精度和搜索范围中所有搜索点检测完毕为止。
根据本公开的实施例,判断S4中参量空间的绝对值与预设的恒虚警检测阈值的大小,若参量空间的绝对值大于预设的恒虚警检测阈值,则该参量空间中存在低慢小目标;否则,不存在,重复执行S4~S5,直至该搜索精度和搜索范围中所有搜索点检测完毕为止。
具体地,设置恒虚警检测(CFAR)阈值为1×106,取参量空间Г的绝对值作为检测统计量,在参量空间Г进行峰值搜索,得到的峰值结果与CFAR阈值对比,以该阈值作为悬停无人机是否存在的判据,当峰值搜索结果高于CFAR阈值,将认为该参量空间Г对应的场景中存在低慢小目标,否则继续搜索,直至该搜索精度和搜索范围中所有搜索点检测完毕为止。
S6,根据S5中存在的低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别。
本公开的实施例中,在参量空间Г中,S5中得到的峰值坐标位置与匹配的低慢小目标微动部件在雷达回波中的微多普勒信号的位置相对应,利用低慢小目标旋翼转动引起的距离走动和展宽效应分析,在该Г参量空间中搜索到的峰值位置一共有四个峰值点,这四个峰值点代表回波中包含4个散射点的微动信号,然后根据该参数空间Г得到的峰值点坐标与悬停状态下低慢小目标旋翼转动参数(即振幅、角频率、初始相位)的映射关系,得到低慢小目标的旋转半径转动频塞及初始相位分别为(0.1,100.1,0.11)、(0.201,95.23,30.2)、(0.299,90.1,59.86)及(0.504,79.89,90.31)。
本公开的实施例中,参量空间Г仿真结果如图3和图4所示,图 3为参量空间中旋翼转速和振幅的仿真结果图,图4为参量空间中旋翼转速和初始相位的仿真结果,从图3-4可以看出,四个微动分量的参数与参量空间内的四个峰值响应相对应,进而实现悬停旋翼无人机的检测与识别。
图5示意性示出了根据本公开实施例的基于最佳解调算子的悬停低慢小目标检测装置的方框图。
如图5所示,该基于最佳解调算子的悬停低慢小目标检测装置500 包括:回波信号预处理模块510、信号强度计算模块520、解调算子构建模块530、参量空间构建模块540、目标检测模块550及目标参数反演模块560,该装置可以用于实现参考图1所描述的基于最佳解调算子的悬停低慢小目标检测方法中的各个步骤。
回波信号预处理模块510,用于对获取的回波信号进行预处理,得到预处理后的回波信号。
信号强度计算模块520,用于将预处理后的回波信号进行分序列脉冲压缩,得到脉冲压缩后的回波信号,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置。
解调算子构建模块530,用于分离该粗略位置对应的回波信号中目标的微多普勒特性,并基于极大似然最优估计构建解调算子φ(n)。
目标检测模块550,用于检测该参量空间中是否存在低慢小目标,若存在,执行目标参数反演,若不存在,则重复该参量空间构建模块,直至该搜索精度和搜索范围中所有搜索点检测完毕为止。
目标参数反演模块560,用于根据目标检测模块550中检测的低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出该低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,回波信号预处理模块510、信号强度计算模块520、解调算子构建模块530、参量空间构建模块540、目标检测模块550及目标参数反演模块560中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,回波信号预处理模块510、信号强度计算模块520、解调算子构建模块530、参量空间构建模块540、目标检测模块550及目标参数反演模块560中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,回波信号预处理模块510、信号强度计算模块520、解调算子构建模块530、参量空间构建模块540、目标检测模块550及目标参数反演模块560中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
本公开提供的一种基于最佳解调算子的悬停低慢小目标检测方法及装置,该方法针对悬停状态的旋翼无人机目标检测难题,充分利用旋翼无人机中旋翼回波信号组成成分的特征差异,基于最佳解调算子,增强了微多普勒信号与雷达背景杂波等其他形式信号的差异,通过对目标的微多普勒特性补偿,提高了悬停无人机目标在参量空间中的能量聚集程度,从而改善微弱目标的信噪比,提升了雷达系统对以旋翼无人机为典型的悬停低慢小目标的检测性能。
附图中的流程图和框图,图示了按照本公开各种实施例的方法和装置的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (9)
1.一种基于最佳解调算子的悬停低慢小目标检测方法,其特征在于,包括:
S1,获取回波信号,并对该回波信号进行预处理,得到预处理后的回波信号;
S2,将所述预处理后的回波信号进行分序列脉冲压缩,得到脉冲压缩后的回波信号,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置;
S3,分离该粗略位置对应的回波信号中目标的微多普勒特性,并基于极大似然最优估计构建解调算子φ(n);
其中,n为自然数,n=1、2、3、...、N,N为所述回波信号的序列长度;S5,检测所述参量空间中是否存在低慢小目标,若存在,执行步骤S6,若不存在,重复执行S4~S5,直至该搜索精度和搜索范围中所有搜索点检测完毕为止;
S6,根据所述S5中存在的所述低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出所述低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别。
2.根据权利要求1所述的基于最佳解调算子的悬停低慢小目标检测方法,其特征在于,所述S1中对该回波信号进行预处理,得到预处理后的回波信号包括:
利用一个长度为L的浮动矩形窗将接收到的所述回波信号的离散傅里叶变换结果分解为一组互不重叠的分序列,得到N/L个预处理后的回波信号序列。
4.根据权利要求3所述的基于最佳解调算子的悬停低慢小目标检测方法,其特征在于,所述S5中检测所述参量空间中是否存在低慢小目标包括:
判断所述S4中所述参量空间的绝对值与预设的恒虚警检测阈值的大小,若所述参量空间的绝对值大于所述预设的恒虚警检测阈值,则该参量空间中存在低慢小目标;否则,不存在,重复执行S4~S5,直至该搜索精度和搜索范围中所有搜索点检测完毕为止。
5.根据权利要求4所述的基于最佳解调算子的悬停低慢小目标检测方法,其特征在于,所述S5中所述所有搜索点包括U×V×Q个。
6.根据权利要求4所述的基于最佳解调算子的悬停低慢小目标检测方法,其特征在于,所述S6中根据S5中存在的所述低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出所述低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别包括:
S61,利用该低慢小目标旋翼转动引起的距离走动和根据展宽效应,得到所述参量空间Γ中该低慢小目标的坐标位置;
S62,根据所述参量空间Γ中得到的特征向量与悬停状态下所述低慢小目标旋翼转动参数的映射关系,反演得到所述低慢小目标的旋转半径、转动频率及初始相位。
8.根据权利要求4所述的基于最佳解调算子的悬停低慢小目标检测方法,其特征在于,所述悬停低慢小目标为旋翼无人机或携带微动的低慢小目标。
9.一种基于最佳解调算子的悬停低慢小目标检测装置,其特征在于,包括:
回波信号预处理模块,用于对获取的回波信号进行预处理,得到预处理后的回波信号;
信号强度计算模块,用于将所述预处理后的回波信号进行分序列脉冲压缩,得到脉冲压缩后的回波信号,并计算不同距离单元中脉冲压缩后的回波信号的信号强度,将得到的最大信号强度对应的距离单元所处位置设置为目标的粗略位置;
解调算子构建模块,用于分离该粗略位置对应的回波信号中目标的微多普勒特性,并基于极大似然最优估计构建解调算子φ(n);其中,所述解调算子φ(n)满足以下关系:
其中,n为自然数,n=1、2、3、...、N,N为所述回波信号的序列长度;
目标检测模块,用于检测所述参量空间中是否存在低慢小目标,若存在,执行目标参数反演,若不存在,则重复执行所述参量空间构建模块及所述目标检测模块,直至该搜索精度和搜索范围中所有搜索点检测完毕为止;
目标参数反演模块,用于根据所述目标检测模块中检测的所述低慢小目标对应的位置坐标中的振幅、角频率及初始相位反演出所述低慢小目标的旋转半径、转动频率及初始相位,得到该低慢小目标的三维坐标,完成该低慢小目标的检测与识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232639.2A CN113009446B (zh) | 2021-03-02 | 2021-03-02 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110232639.2A CN113009446B (zh) | 2021-03-02 | 2021-03-02 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113009446A CN113009446A (zh) | 2021-06-22 |
CN113009446B true CN113009446B (zh) | 2022-05-03 |
Family
ID=76403006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110232639.2A Active CN113009446B (zh) | 2021-03-02 | 2021-03-02 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113009446B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN105158746A (zh) * | 2015-08-13 | 2015-12-16 | 电子科技大学 | 一种基于fpga的目标旋转微多普勒信号产生方法 |
CN107045129A (zh) * | 2017-05-04 | 2017-08-15 | 哈尔滨工业大学 | 基于激光微多普勒效应跟踪识别低小慢目标的激光雷达系统 |
CN108761418A (zh) * | 2018-06-11 | 2018-11-06 | 成都纳雷科技有限公司 | 一种基于微多普勒特征的雷达多径目标剔除方法 |
CN108919250A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种基于多谱线精确插值的低小慢动目标处理方法 |
CN109521410A (zh) * | 2018-11-16 | 2019-03-26 | 西安电子科技大学 | 基于时间反转变换的高速机动目标相参积累检测方法 |
CN110161474A (zh) * | 2019-05-09 | 2019-08-23 | 中科宇达(北京)科技有限公司 | 一种基于数字波束形成技术的低慢小目标探测方法 |
CN110361734A (zh) * | 2019-08-27 | 2019-10-22 | 北京无线电测量研究所 | 微弱动目标检测方法、装置、计算机设备及存储介质 |
CN111175724A (zh) * | 2020-01-08 | 2020-05-19 | 中国科学院上海光学精密机械研究所 | 一种基于质心计算的目标微多普勒分量提取方法 |
CN111198359A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于目标多普勒宽度的旋翼无人机检测方法 |
CN111398909A (zh) * | 2020-03-09 | 2020-07-10 | 哈尔滨工业大学 | 一种基于倒谱分析的杂波环境无人机检测方法 |
CN111537989A (zh) * | 2020-03-25 | 2020-08-14 | 中国电子科技集团公司第二十九研究所 | 一种基于经验模态分解提取信号微多普勒调制分量的方法 |
CN112130142A (zh) * | 2020-09-25 | 2020-12-25 | 中南大学 | 一种复杂运动目标微多普勒特征提取方法及系统 |
CN112147606A (zh) * | 2020-09-23 | 2020-12-29 | 中国人民解放军国防科技大学 | 一种基于多通道雷达的旋转目标微动特征提取方法和装置 |
CN112305530A (zh) * | 2020-11-02 | 2021-02-02 | 上海神添实业有限公司 | 一种无人机群目标检测方法、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7969345B2 (en) * | 2009-04-13 | 2011-06-28 | Raytheon Company | Fast implementation of a maximum likelihood algorithm for the estimation of target motion parameters |
-
2021
- 2021-03-02 CN CN202110232639.2A patent/CN113009446B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN105158746A (zh) * | 2015-08-13 | 2015-12-16 | 电子科技大学 | 一种基于fpga的目标旋转微多普勒信号产生方法 |
CN107045129A (zh) * | 2017-05-04 | 2017-08-15 | 哈尔滨工业大学 | 基于激光微多普勒效应跟踪识别低小慢目标的激光雷达系统 |
CN108761418A (zh) * | 2018-06-11 | 2018-11-06 | 成都纳雷科技有限公司 | 一种基于微多普勒特征的雷达多径目标剔除方法 |
CN108919250A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种基于多谱线精确插值的低小慢动目标处理方法 |
CN109521410A (zh) * | 2018-11-16 | 2019-03-26 | 西安电子科技大学 | 基于时间反转变换的高速机动目标相参积累检测方法 |
CN110161474A (zh) * | 2019-05-09 | 2019-08-23 | 中科宇达(北京)科技有限公司 | 一种基于数字波束形成技术的低慢小目标探测方法 |
CN110361734A (zh) * | 2019-08-27 | 2019-10-22 | 北京无线电测量研究所 | 微弱动目标检测方法、装置、计算机设备及存储介质 |
CN111175724A (zh) * | 2020-01-08 | 2020-05-19 | 中国科学院上海光学精密机械研究所 | 一种基于质心计算的目标微多普勒分量提取方法 |
CN111198359A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于目标多普勒宽度的旋翼无人机检测方法 |
CN111398909A (zh) * | 2020-03-09 | 2020-07-10 | 哈尔滨工业大学 | 一种基于倒谱分析的杂波环境无人机检测方法 |
CN111537989A (zh) * | 2020-03-25 | 2020-08-14 | 中国电子科技集团公司第二十九研究所 | 一种基于经验模态分解提取信号微多普勒调制分量的方法 |
CN112147606A (zh) * | 2020-09-23 | 2020-12-29 | 中国人民解放军国防科技大学 | 一种基于多通道雷达的旋转目标微动特征提取方法和装置 |
CN112130142A (zh) * | 2020-09-25 | 2020-12-25 | 中南大学 | 一种复杂运动目标微多普勒特征提取方法及系统 |
CN112305530A (zh) * | 2020-11-02 | 2021-02-02 | 上海神添实业有限公司 | 一种无人机群目标检测方法、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
Estimation Method of Micro-Doppler Parameters based on Concentration of Time-Frequency Rotation Domain;Song Chen等;《IGARSS 2020 - 2020 IEEE International Geoscience and Remote Sensing Symposium》;20210217;2827-2830 * |
基于时频集中度指标的多旋翼无人机微动特征参数估计方法;宋晨等;《电子与信息学报》;20200831;第42卷(第8期);2029-2036 * |
Also Published As
Publication number | Publication date |
---|---|
CN113009446A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9268008B1 (en) | Detection of low observable objects in clutter using non-coherent radars | |
CN109901130B (zh) | 一种基于Radon变换和改进2DPCA的旋翼无人机检测与识别方法 | |
Amiri et al. | Micro-Doppler based target classification in ground surveillance radar systems | |
Bhatia et al. | Object classification technique for mmWave FMCW radars using range-FFT features | |
US20230094388A1 (en) | Apparatus and method for removing noise for weather radar | |
CN113009448A (zh) | 多径目标的检测方法、装置、设备和存储介质 | |
CN114708257B (zh) | Sar运动舰船目标检测方法及装置 | |
Cao et al. | Clutter suppression and target tracking by the low-rank representation for airborne maritime surveillance radar | |
CN115291207A (zh) | 基于mimo雷达的小型旋翼无人机多目标检测方法 | |
Li et al. | Research on detection method of UAV based on micro-Doppler effect | |
Sim et al. | Road environment recognition for automotive FMCW radar systems through convolutional neural network | |
Holder et al. | Modeling and simulation of radar sensor artifacts for virtual testing of autonomous driving | |
Askeland et al. | Tracking with a high-resolution 2D spectral estimation based automotive radar | |
Yang et al. | Echoformer: Transformer architecture based on radar echo characteristics for UAV detection | |
CN113009446B (zh) | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 | |
Gao et al. | Static background removal in vehicular radar: Filtering in azimuth-elevation-doppler domain | |
Xu et al. | UAV intelligent optimal path planning method for distributed radar short-time aperture synthesis | |
Kavitha et al. | Radar optical communication for analysing aerial targets with frequency bandwidth and clutter suppression by boundary element mmwave signal model | |
Sayed et al. | UAV Classification Using Neural Networks and CAD-Generated Radar Datasets | |
CN111796270A (zh) | 周界安防雷达横向穿越目标检测方法、系统、介质及设备 | |
Abratkiewicz et al. | Target acceleration estimation in active and passive radars | |
Degurse et al. | Deterministic aided STAP for target detection in heterogeneous situations | |
US10591583B2 (en) | Method for processing a radar signal in land/sea detection mode; processing system and associated computer program product | |
Zhang et al. | Identification and positioning of UAV in sheltered areas of buildings based on FMCW radar | |
Ji et al. | SAR Imagery Simulation of Ship Based on Electromagnetic Calculations and Sea Clutter Modelling for Classification Applications |
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 |