CN113075624B - 一种雷达回波序列的无损压缩方法、装置和雷达系统 - Google Patents

一种雷达回波序列的无损压缩方法、装置和雷达系统 Download PDF

Info

Publication number
CN113075624B
CN113075624B CN202110349383.3A CN202110349383A CN113075624B CN 113075624 B CN113075624 B CN 113075624B CN 202110349383 A CN202110349383 A CN 202110349383A CN 113075624 B CN113075624 B CN 113075624B
Authority
CN
China
Prior art keywords
matrix
component
code stream
negative
prediction
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
Application number
CN202110349383.3A
Other languages
English (en)
Other versions
CN113075624A (zh
Inventor
颜露新
魏淑婷
陈立群
钟胜
陈金祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202110349383.3A priority Critical patent/CN113075624B/zh
Publication of CN113075624A publication Critical patent/CN113075624A/zh
Application granted granted Critical
Publication of CN113075624B publication Critical patent/CN113075624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

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

本发明公开了一种雷达回波序列的无损压缩方法、装置和雷达系统，属于数据压缩领域，所述方法包括：对雷达回波序列进行虚实分离得到I、Q分量矩阵；分别对I、Q分量矩阵进行数据重排、符号归一操作得到I、Q符号标识矩阵和非负矩阵；再分别对I、Q非负矩阵进行中值边缘预测得到I、Q预测结果矩阵，以获取I、Q预测残差；分别对I、Q预测残差进行整合、Range编码得到I、Q非负矩阵压缩码流；分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I、Q符号标识矩阵压缩码流；将I、Q非负矩阵压缩码流和I、Q符号标识矩阵压缩码流对应叠加得到压缩码流。本发明通过重排、归一操作、边缘预测以及对残差进行整合能够提升压缩比。

Description

一种雷达回波序列的无损压缩方法、装置和雷达系统
技术领域
本发明属于数据压缩领域，更具体地，涉及一种雷达回波序列的无损压缩方法、装置和雷达系统。
背景技术
随着信息科学技术的快速发展，雷达在多个场景得到广泛应用。例如，利用雷达勘测地壳运动，以防止地质灾害；利用雷达监测云层变化，以实现精准天气预报；利用雷达预警敌方战机，以避免遭受军事袭击等。面对雷达的广泛应用，随之而来的是数据的爆发式增长，这给存储带来了巨大压力，而数据压缩是解决这一问题的有效途径。对于有着数据高保真需求的应用，例如基于雷达的弱小目标识别跟踪，该应用检测难度大、对目标的分辨率要求极高，往往要求解压缩后数据无失真。另外，雷达采样精度高，采样数值往往是经模数转换后的双精度浮点数据，无损压缩难度大。
现有技术中数据压缩方法都不是专门针对雷达回波序列数据压缩而设计，缺少对雷达回波序列的相关性挖掘，无法达到最佳压缩效果。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种雷达回波序列的无损压缩方法、装置和雷达系统，其目的在于解决由于雷达回波序列数据高动态、高随机导致的无损压缩难度大的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种雷达回波序列的无损压缩方法，包括：
S1：对所述雷达回波序列对应的采样矩阵M进行虚部和实部分离得到I分量矩阵和Q分量矩阵；
S2：分别对所述I分量矩阵和所述Q分量矩阵进行数据重排；
S3：将重排后的I分量矩阵和重排后的Q分量矩阵进行符号归一操作得到所述I分量矩阵和所述Q分量矩阵各自对应的符号标识矩阵和非负矩阵；
S4：分别对所述I分量矩阵对应的非负矩阵和所述Q分量矩阵对应的非负矩阵进行中值边缘预测得到I预测结果矩阵和Q预测结果矩阵；
S5：将所述I预测结果矩阵减去所述I分量矩阵得到I预测残差矩阵；将所述Q预测结果矩阵减去所述Q分量矩阵得到Q预测残差；
S6：分别对所述I预测残差和所述Q预测残差进行整合得到I残差二元组和Q残差二元组；分别对所述I残差二元组和所述Q残差二元组实施Range编码得到I非负矩阵压缩码流和Q非负矩阵压缩码流；
S7：分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I、Q符号标识矩阵压缩码流；
S8：将所述I符号标识矩阵压缩码流与所述I非负矩阵压缩码流进行叠加得到I数据压缩码流；将所述Q符号标识矩阵压缩码流与所述Q非负矩阵压缩码流进行叠加得到Q数据压缩码流；
S9：将所述I数据压缩码流和所述Q数据压缩码流进行叠加得到所述雷达回波序列对应的压缩码流。
在其中一个实施例中，所述S2包括：
分别将所述I分量矩阵和所述Q分量矩阵作为待处理矩阵进行数据重排得到重排后的I分量矩阵和重排后的Q分量矩阵，过程如下：
S21：将所述I分量矩阵中的数据按照单个脉冲序列经过不同距离门采样得到的数值为列单位进行排列，形成矩阵M1；
S22：将所述I分量矩阵中的数据按照不同脉冲序列经过相同距离门采样得到的数值为列单位进行排列，形成矩阵M2；
S23：计算矩阵M1相邻列之间的皮尔逊相关系数和计算相关系数均值/>计算矩阵M2相邻列之间的皮尔逊相关系数/>和相关系数均值/>
S24：比较和/>的大小，若/>则最终所述I分量矩阵的重排矩阵M为M1的转置，记M＝M1 T；若/>则最终所述I分量矩阵的重排矩阵M为M2的转置，记M＝M2 T。
在其中一个实施例中，所述S23包括：
利用皮尔逊相关系数公式计算矩阵M1相邻列之间的皮尔逊相关系数和矩阵M2相邻列之间的皮尔逊相关系数/>再计算矩阵M1对应的/>和矩阵M2对应的/>
其中，所述皮尔逊相关系数公式为：
在其中一个实施例中，所述S3包括：
S31：逐元素遍历所述重排后的I分量矩阵和所述重排后的Q分量矩阵；
S32：若元素值大于或等于零，则元素值不改变，符号标识位置0；若元素值小于零，则元素值为其相反数，符号标志位置1；最终得到所述I分量矩阵和所述Q分量矩阵各自对应的符号标识矩阵和非负矩阵。
在其中一个实施例中，所述S4包括：
S41：将所述I分量矩阵对应的非负矩阵和所述Q分量矩阵对应的非负矩阵分为第一行第一列的矩阵元素、第一行非第一列的矩阵元素、非第一行第一列的矩阵元素和非第一行非第一列的矩阵元素；设i、j分别为矩阵的行号、列号，ROW、COL分别为矩阵的行数和列数；xi,j为第i行第j列的矩阵元素，为第i行第j列的矩阵元素预测结果；
S42：对于所述第一行第一列的矩阵元素，即i＝1,j＝1，则Ra、Rb、Rc、x1,1均相等，利用预测公式得到预测值
S43：对于所述第一行非第一列的矩阵元素，即i＝1,1<j≤COL，则Ra＝Rb＝Rc＝xi,j-1，利用所述预测公式得到预测值
S44：对于所述非第一行第一列的矩阵元素，即1<i≤ROW,j＝1，则Ra＝Rb＝Rc＝xi-1,j，利用所述预测公式得到预测值
S45：对于所述非第一行非第一列的矩阵元素，即1<i≤ROW,1<j≤COL，则Ra＝xi,j-1，Rb＝xi-1,j，Rc＝xi-1,j-1，利用所述预测公式得到预测值最终得到所述I预测结果矩阵和所述Q预测结果矩阵；
其中，所述预测公式为：
在其中一个实施例中，所述S5包括：
S51：将所述I预测结果矩阵和所述Q预测结果矩阵中的每个预测值和所述I分量矩阵和所述Q分量矩阵中原始值x由原先的双精度浮点表示转换为无符号的二进制表示；
S52：当所述预测值和/或所述原始值x是正数的浮点数据；则对应的无符号二进制表示方式为最高位取反；当所述预测值/>和/或所述原始值x是负数的浮点数据，则对应的无符号二进制表示方式为所有位取反；
S53：将转换后的原始值x'减去转换后的预测值得到预测残差r，最终得到所述I预测残差矩阵和所述Q预测残差。
在其中一个实施例中，所述S6包括：
S61：利用公式r＝(-1)s2l+m将所述I预测残差矩阵和所述Q预测残差中的r转化为s,l,m的组合；再利用公式将s,l转化为k；
S62：对k进行基于自适应概率模型的Range编码，对于m进行基于静态概率模型的Range编码，得到所述I非负矩阵压缩码流和所述Q非负矩阵压缩码流。
按照本发明的另一方面，提供了一种雷达回波序列的无损压缩装置，包括：
分离模块，用于对所述雷达回波序列对应的采样矩阵M进行虚部和实部分离得到I分量矩阵和Q分量矩阵；
重排模块，用于分别对所述I分量矩阵和所述Q分量矩阵进行数据重排；
归一模块，用于将重排后的I分量矩阵和重排后的Q分量矩阵进行符号归一操作得到所述I分量矩阵和所述Q分量矩阵各自对应的符号标识矩阵和非负矩阵；
预测模块，用于分别对所述I分量矩阵对应的非负矩阵和所述Q分量矩阵对应的非负矩阵进行中值边缘预测得到I预测结果矩阵和Q预测结果矩阵；
作差模块，用于将所述I预测结果矩阵减去所述I分量矩阵得到I预测残差矩阵；将所述Q预测结果矩阵减去所述Q分量矩阵得到Q预测残差；
整合模块，用于分别对所述I预测残差和所述Q预测残差进行整合得到I残差二元组和Q残差二元组；分别对所述I残差二元组和所述Q残差二元组实施Range编码得到I非负矩阵压缩码流和Q非负矩阵压缩码流；
编码模块，用于分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I、Q符号标识矩阵压缩码流；
叠加模块，用于将所述I符号标识矩阵压缩码流与所述I非负矩阵压缩码流进行叠加得到I数据压缩码流；将所述Q符号标识矩阵压缩码流与所述Q非负矩阵压缩码流进行叠加得到Q数据压缩码流；
压缩模块，用于将所述I数据压缩码流和所述Q数据压缩码流进行叠加得到所述雷达回波序列对应的压缩码流。
按照本发明的另一方面，提供了一种雷达系统，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所述的方法的步骤。
按照本发明的另一方面，提供了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所述的方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明通过对雷达数据进行相关性分析，并将相关性特性应用到雷达数据重排，重排后的雷达数据较重排之前的雷达数据压缩比得到提升；然后通过对雷达数据进行符号归一化操作，将雷达数据集中在正数范围，有利于后续中值边缘预测器的预测，使得预测结果具有更加紧致的分布，进一步提升压缩比。其次，通过整数映射操作避免了原浮点数据运算造成的数据溢出，且整数算术编码较浮点数算术编码实施更加方便、快速。最后，通过对残差进行整合，将原本高随机、高动态的残差转化为高集中、低动态的二元组，降低了Range编码时概率表的存储空间、增加了各符号出现的频次，最终达到提升压缩比的效果。
附图说明
图1是按照本发明一种雷达回波序列的无损压缩方法的流程图；
图2是按照本发明一种双精度浮点雷达回波序列无损压缩方法压缩框图；
图3是按照本发明步骤S2实施雷达数据重排的雷达按脉冲序列为列单位排列示意图；
图4是按照本发明步骤S2实施雷达数据重排的雷达按距离门为列单位排列示意图；
图5是按照本发明步骤S3实施符号归一操作的符号归一操作示意图；
图6是按照本发明步骤S4实施中值边缘预测的中值边缘预测器模板示意图
图7是按照本发明步骤S4实施中值边缘预测的预测模板填充示意图；
图8是按照本发明雷达数据重排与未重排的压缩效果对比图；
图9是按照本发明实施符号归一操作与未实施符号归一操作的压缩效果对比图；
图10是按照本发明方法与现有方法的压缩效果对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1和图2所示，本发明提供了一种雷达回波序列的无损压缩方法，包括：
S1：对雷达回波序列对应的采样矩阵M进行虚部和实部分离得到I分量矩阵和Q分量矩阵；
S2：分别对I分量矩阵和Q分量矩阵进行数据重排；
S3：将重排后的I分量矩阵和重排后的Q分量矩阵进行符号归一操作得到I分量矩阵和Q分量矩阵各自对应的符号标识矩阵和非负矩阵；
S4：分别对I分量矩阵对应的非负矩阵和Q分量矩阵对应的非负矩阵进行中值边缘预测得到I预测结果矩阵和Q预测结果矩阵；
S5：将I预测结果矩阵减去I分量矩阵得到I预测残差矩阵；将Q预测结果矩阵减去Q分量矩阵得到Q预测残差；
S6：分别对I预测残差和Q预测残差进行整合得到I残差二元组和Q残差二元组；分别对I残差二元组和Q残差二元组实施Range编码得到I非负矩阵压缩码流和Q非负矩阵压缩码流；
S7：分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I、Q符号标识矩阵压缩码流；
S8：将I符号标识矩阵压缩码流与I非负矩阵压缩码流进行叠加得到I数据压缩码流；将Q符号标识矩阵压缩码流与Q非负矩阵压缩码流进行叠加得到Q数据压缩码流；
S9：将I数据压缩码流和Q数据压缩码流进行叠加得到雷达回波序列对应的压缩码流。
具体的，S1.对雷达数据进行实部和虚部的分量，即实施I/Q分离，最终形成I分量矩阵和Q分量矩阵，再分别对I分量矩阵和Q分量矩阵进行压缩；具体的实现过程为：将原本为复数的雷达原始回波序列矩阵M按照实部和虚部分离，得到I分量矩阵MI与Q分量矩阵MQ，然后将MI、MQ分别实施步骤S2-S6，即分别进行压缩。
在其中一个实施例中，S2包括：
以对I分量矩阵进行数据重排为例进行描述：
S21：将I分量矩阵中的数据按照单个脉冲序列经过不同距离门采样得到的数值为列单位进行排列，形成矩阵M1；
S22：将I分量矩阵中的数据按照不同脉冲序列经过相同距离门采样得到的数值为列单位进行排列，形成矩阵M2；
S23：计算矩阵M1相邻列之间的皮尔逊相关系数和计算相关系数均值/>计算矩阵M2相邻列之间的皮尔逊相关系数/>和相关系数均值/>
S24：比较和/>的大小，若/>则最终I分量矩阵的重排矩阵M为M1的转置，记M＝M1 T；若/>则最终I分量矩阵的重排矩阵M为M2的转置，记M＝M2 T；
其中，对Q分量矩阵进行数据重排的过程与对I分量矩阵进行数据重排的过程相同。
具体的，以I分量矩阵为例进行描述，首先，将I分量矩阵按照单个脉冲序列经过不同距离门采样得到的数值为列单位进行排列，由于雷达回波序列个数为m，距离门个数为n，所以形成大小为n×m矩阵M1，具体如图3所示；然后，将I分量矩阵按照不同脉冲序列经过相同距离门采样得到的数值为列单位进行排列，由于距离门个数为n，雷达回波序列个数为m，形成大小为m×n矩阵M2，具体如图4所示；其次，计算矩阵M1相邻列之间的皮尔逊相关系数并计算相关系数均值记为/>再次，计算矩阵M2相邻列之间的皮尔逊相关系数/>并计算相关系数均值记为/>最后，比较/>和/>的大小，若/>则最终I分量矩阵的重排矩阵M为M1的转置，记M＝M1 T,若/>则最终I分量矩阵的重排矩阵M为M2的转置，记M＝M2 T。
针对Q分量矩阵，首先，将Q分量矩阵中的数据按照单个脉冲序列经过不同距离门采样得到的数值为列单位进行排列，形成矩阵M1 *；然后，将Q分量矩阵中的数据按照不同脉冲序列经过相同距离门采样得到的数值为列单位进行排列，形成矩阵M2 *；其次，计算矩阵M1 *相邻列之间的皮尔逊相关系数和计算相关系数均值/>计算矩阵M2 *相邻列之间的皮尔逊相关系数/>和相关系数均值/>最后，比较/>和/>的大小，若/>则最终Q分量矩阵的重排矩阵M*为M1 *的转置，记M*＝M1 *T；若/>则最终Q分量矩阵的重排矩阵M*为M2 *的转置，记M*＝M2 *T。
在其中一个实施例中，S23包括：
利用皮尔逊相关系数公式计算矩阵M1相邻列之间的皮尔逊相关系数和矩阵M2相邻列之间的皮尔逊相关系数/>再计算矩阵M1对应的/>和矩阵M2对应的/>
其中，皮尔逊相关系数公式为：
在其中一个实施例中，S3包括：
S31：逐元素遍历重排后的I分量矩阵和重排后的Q分量矩阵；
S32：若元素值大于或等于零，则元素值不改变，符号标识位置0；若元素值小于零，则元素值为其相反数，符号标志位置1；最终得到I分量矩阵和Q分量矩阵各自对应的符号标识矩阵和非负矩阵。
其中，归一化操作指的是：通过统一数据的正负，并添加额外符号标识用于解码恢复，该步骤可以解决由于雷达数据存在正负导致的后期处理时残差不集中的问题。图5是符号归一操作示意图，其中原始矩阵有正有负，经过符号归一操作后转化为符号标识和非负矩阵。
具体的，如图5所示，针对重排后的I分量矩阵和重排后的Q分量矩阵，首先逐元素遍历重排后的I分量矩阵和重排后的Q分量矩阵，若元素值大于或等于零，则元素值不改变，符号标识位置0；若元素值小于零，则元素值变为其相反数，符号标志位置1；经过整个步骤，最终可形成I符号标识矩阵、I非负矩阵、Q符号标识矩阵和Q非负矩阵。需要说明的是，对I符号标识矩阵进行PAQ编码，得到I符号标识压缩码流；对Q符号标识矩阵进行PAQ编码，得到Q符号标识压缩码流。
在其中一个实施例中，S4包括：
S41：将I分量矩阵对应的非负矩阵和Q分量矩阵对应的非负矩阵分为第一行第一列的矩阵元素、第一行非第一列的矩阵元素、非第一行第一列的矩阵元素和非第一行非第一列的矩阵元素；设i、j分别为矩阵的行号、列号，ROW、COL分别为矩阵的行数和列数；xi,j为第i行第j列的矩阵元素，为第i行第j列的矩阵元素预测结果；
S42：对于第一行第一列的矩阵元素，即i＝1,j＝1，则Ra＝Rb＝Rc＝x1,1，利用预测公式得到预测值
S43：对于第一行非第一列的矩阵元素，即i＝1,1<j≤COL，则Ra＝Rb＝Rc＝xi,j-1，利用预测公式得到预测值
S44：对于非第一行第一列的矩阵元素，即1<i≤ROW,j＝1，则Ra＝Rb＝Rc＝xi-1,j，利用预测公式得到预测值
S45：对于非第一行非第一列的矩阵元素，即1<i≤ROW,1<j≤COL，则Ra＝xi,j-1，Rb＝xi-1,j，Rc＝xi-1,j-1，利用预测公式得到预测值最终得到I预测结果矩阵和Q预测结果矩阵；
其中，预测公式为：
具体的，对步骤S3中生成的I非负矩阵和Q非负矩阵进行中值边缘预测，预测器模板如图6所示，预测值计算方法见公式中值边缘预测器通过设置三个上下文Ra,Rb,Rc对当前待预测元素x的邻域进行边缘检测。若Rc≥max(Ra,Rb)，则说明左上角的元素最大，这间接地说明数据有减少的趋势，则认为待预测元素x较Ra,Rb会有所减小，因此预测结果为/>若Rc≤min(Ra,Rb)，则说明左上角的元素最小，这间接地说明数据有增大的趋势，则认为待预测元素x较Ra,Rb会有所增大，因此预测的结果为/>否则，数据无明显增大或减小的趋势，则预测结果取中间值，即/>另外，由于雷达数据矩阵，首行和首列并不具备完整的三个上下文，因此需要对首行首列数据进行上下文填充处理，图7为中值边缘预测上下文填充示意图。
在其中一个实施例中，S5包括：
S51：将I预测结果矩阵和Q预测结果矩阵中的每个预测值和I分量矩阵和Q分量矩阵中原始值x由原先的双精度浮点表示转换为无符号的二进制表示；
S52：当预测值和/或原始值x是正数的浮点数据；则对应的无符号二进制表示方式为最高位取反；当预测值/>和/或原始值x是负数的浮点数据，则对应的无符号二进制表示方式为所有位取反；
S53：将转换后的原始值x'减去转换后的预测值得到预测残差r，最终得到I预测残差矩阵和Q预测残差。
其中，对原本是正数的浮点数据对应的无符号二进制表示的最高位(1位)取反，对原本是负数的浮点数据对应的无符号二进制表示的所有位(64位)取反。
在其中一个实施例中，S6包括：
S61：利用公式r＝(-1)s2l+m将I预测残差矩阵和Q预测残差中的r转化为s,l,m的组合；再利用公式将s,l转化为k；即为对预测残差进行数据整合，形成残差二元组＜k,m＞；
S62：对k进行基于自适应概率模型的Range编码，对于m进行基于静态概率模型的Range编码，得到I非负矩阵压缩码流和Q非负矩阵压缩码流。
图8是按照本发明雷达数据重排技术得到的雷达数据重排和未重排的压缩效果对比图；从图8中可以看出，雷达数据重排能够提升压缩比。图9是按照本发明符号归一技术得到的实施符号归一和未实施符号归一的压缩效果对比图。从图9中可以看出，符号归一能够提升压缩比。图10是本发明实施以上所有技术之后与现有方法的压缩效果对比图。
从图10中可以看出，本发明较现有方法在压缩比上有明显提升。表1为本发明与现有方法在6组雷达原始回波序列上的压缩情况统计表。从表1可以看出，本发明较现有方法压缩比有明显提升，具体地，较WinRAR提升0.64％-0.79％，较7Z提升8.9％-9.1％，较GZIP提升12.67％-12.82％，较BZIP提升14.96％-15.17％。
表1
本发明还提供了一种雷达回波序列的无损压缩装置，包括：分离模块、分离模块、重排模块、归一模块、预测模块、作差模块、整合模块、编码模块、叠加模块和压缩模块。
其中，分离模块，用于对雷达回波序列对应的采样矩阵M进行虚部和实部分离得到I分量矩阵和Q分量矩阵；重排模块，用于分别对I分量矩阵和Q分量矩阵进行数据重排；归一模块，用于将重排后的I分量矩阵和重排后的Q分量矩阵进行符号归一操作得到I分量矩阵和Q分量矩阵各自对应的符号标识矩阵和非负矩阵；预测模块，用于分别对I分量矩阵对应的非负矩阵和Q分量矩阵对应的非负矩阵进行中值边缘预测得到I预测结果矩阵和Q预测结果矩阵；作差模块，用于将I预测结果矩阵减去I分量矩阵得到I预测残差矩阵；将Q预测结果矩阵减去Q分量矩阵得到Q预测残差；整合模块，用于分别对I预测残差和Q预测残差进行整合得到I残差二元组和Q残差二元组；分别对I残差二元组和Q残差二元组实施Range编码得到I非负矩阵压缩码流和Q非负矩阵压缩码流；编码模块，用于分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I、Q符号标识矩阵压缩码流；叠加模块，用于将I符号标识矩阵压缩码流与I非负矩阵压缩码流进行叠加得到I数据压缩码流；将Q符号标识矩阵压缩码流与Q非负矩阵压缩码流进行叠加得到Q数据压缩码流；压缩模块，用于将I数据压缩码流和Q数据压缩码流进行叠加得到雷达回波序列对应的压缩码流。
按照本发明的另一方面，提供了一种雷达系统，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现的方法的步骤。
按照本发明的另一方面，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的方法的步骤。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种雷达回波序列的无损压缩方法，其特征在于，包括：
S1：对所述雷达回波序列对应的采样矩阵M进行虚部和实部分离得到I分量矩阵和Q分量矩阵；
S2：分别对所述I分量矩阵和所述Q分量矩阵进行数据重排；
S3：将重排后的I分量矩阵和重排后的Q分量矩阵进行符号归一操作得到所述I分量矩阵和所述Q分量矩阵各自对应的符号标识矩阵和非负矩阵；
S4：分别对所述I分量矩阵对应的非负矩阵和所述Q分量矩阵对应的非负矩阵进行中值边缘预测得到I预测结果矩阵和Q预测结果矩阵；
S5：将所述I预测结果矩阵减去所述I分量矩阵得到I预测残差矩阵；将所述Q预测结果矩阵减去所述Q分量矩阵得到Q预测残差；
S6：分别对所述I预测残差和所述Q预测残差进行整合得到I残差二元组和Q残差二元组；分别对所述I残差二元组和所述Q残差二元组实施Range编码得到I非负矩阵压缩码流和Q非负矩阵压缩码流；
S7：分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I符号标识矩阵压缩码流和Q符号标识矩阵压缩码流；
S8：将所述I符号标识矩阵压缩码流与所述I非负矩阵压缩码流进行叠加得到I数据压缩码流；将所述Q符号标识矩阵压缩码流与所述Q非负矩阵压缩码流进行叠加得到Q数据压缩码流；
S9：将所述I数据压缩码流和所述Q数据压缩码流进行叠加得到所述雷达回波序列对应的压缩码流。
2.如权利要求1所述的雷达回波序列的无损压缩方法，其特征在于，所述S2包括：
分别将所述I分量矩阵和所述Q分量矩阵作为待处理矩阵进行数据重排得到I分量矩阵的重排矩阵和Q分量矩阵的重排矩阵，过程如下：
S21：将所述待处理矩阵中的数据按照单个脉冲序列经过不同距离门采样得到的数值为列单位进行排列，形成矩阵M1；
S22：将所述待处理矩阵中的数据按照不同脉冲序列经过相同距离门采样得到的数值为列单位进行排列，形成矩阵M2；
S23：计算矩阵M1相邻列之间的皮尔逊相关系数和计算相关系数均值/>计算矩阵M2相邻列之间的皮尔逊相关系数/>和相关系数均值/>
S24：比较和/>的大小，若/>则最终所述I分量矩阵的重排矩阵M为M1的转置，记M＝M1 T；若/>则最终所述I分量矩阵的重排矩阵M为M2的转置，记M＝M2 T；
其中，对Q分量矩阵进行数据重排的过程与对I分量矩阵进行数据重排的过程相同。
3.如权利要求2所述的雷达回波序列的无损压缩方法，其特征在于，所述S23包括：
利用皮尔逊相关系数公式计算矩阵M1相邻列之间的皮尔逊相关系数和矩阵M2相邻列之间的皮尔逊相关系数/>再计算矩阵M1对应的/>和矩阵M2对应的/>
其中，所述皮尔逊相关系数公式为：
4.如权利要求1所述的雷达回波序列的无损压缩方法，其特征在于，所述S3包括：
S31：逐元素遍历所述重排后的I分量矩阵和所述重排后的Q分量矩阵；
S32：若元素值大于或等于零，则元素值不改变，符号标识位置0；若元素值小于零，则元素值为其相反数，符号标志位置1；最终得到所述I分量矩阵和所述Q分量矩阵各自对应的符号标识矩阵和非负矩阵。
5.如权利要求1所述的雷达回波序列的无损压缩方法，其特征在于，所述S4包括：
S41：将所述I分量矩阵对应的非负矩阵和所述Q分量矩阵对应的非负矩阵分为第一行第一列的矩阵元素、第一行非第一列的矩阵元素、非第一行第一列的矩阵元素和非第一行非第一列的矩阵元素；设i、j分别为矩阵的行号、列号，ROW、COL分别为矩阵的行数和列数；xi,j为第i行第j列的矩阵元素，为第i行第j列的矩阵元素预测结果；
S42：对于所述第一行第一列的矩阵元素，即i＝1,j＝1，则Ra、Rb、Rc、x1,1均相等，利用预测公式得到预测值
S43：对于所述第一行非第一列的矩阵元素，即i＝1,1<j≤COL，则Ra＝Rb＝Rc＝xi,j-1，利用所述预测公式得到预测值
S44：对于所述非第一行第一列的矩阵元素，即1<i≤ROW,j＝1，则Ra＝Rb＝Rc＝xi-1,j，利用所述预测公式得到预测值
S45：对于所述非第一行非第一列的矩阵元素，即1<i≤ROW,1<j≤COL，则Ra＝xi,j-1，Rb＝xi-1,j，Rc＝xi-1,j-1，利用所述预测公式得到预测值最终得到所述I预测结果矩阵和所述Q预测结果矩阵；
其中，所述预测公式为：
6.如权利要求1-5任一项所述的雷达回波序列的无损压缩方法，其特征在于，所述S5包括：
S51：将所述I预测结果矩阵和所述Q预测结果矩阵中的每个预测值和所述I分量矩阵和所述Q分量矩阵中原始值x由原先的双精度浮点表示转换为无符号的二进制表示；
S52：当所述预测值和/或所述原始值x是正数的浮点数据；则对应的无符号二进制表示方式为最高位取反；当所述预测值/>和/或所述原始值x是负数的浮点数据，则对应的无符号二进制表示方式为所有位取反；
S53：将转换后的原始值x'减去转换后的预测值得到预测残差r，最终得到所述I预测残差矩阵和所述Q预测残差。
7.如权利要求6所述的雷达回波序列的无损压缩方法，其特征在于，所述S6包括：
S61：利用公式r＝(-1)s2l+m将所述I预测残差矩阵和所述Q预测残差中的r转化为s,l,m的组合；再利用公式将s,l转化为k，形成残差二元组＜k,m＞；
S62：对k进行基于自适应概率模型的Range编码，对于m进行基于静态概率模型的Range编码，得到所述I非负矩阵压缩码流和所述Q非负矩阵压缩码流。
8.一种雷达回波序列的无损压缩装置，其特征在于，包括：
分离模块，用于对所述雷达回波序列对应的采样矩阵M进行虚部和实部分离得到I分量矩阵和Q分量矩阵；
重排模块，用于分别对所述I分量矩阵和所述Q分量矩阵进行数据重排；
归一模块，用于将重排后的I分量矩阵和重排后的Q分量矩阵进行符号归一操作得到所述I分量矩阵和所述Q分量矩阵各自对应的符号标识矩阵和非负矩阵；
预测模块，用于分别对所述I分量矩阵对应的非负矩阵和所述Q分量矩阵对应的非负矩阵进行中值边缘预测得到I预测结果矩阵和Q预测结果矩阵；
作差模块，用于将所述I预测结果矩阵减去所述I分量矩阵得到I预测残差矩阵；将所述Q预测结果矩阵减去所述Q分量矩阵得到Q预测残差；
整合模块，用于分别对所述I预测残差和所述Q预测残差进行整合得到I残差二元组和Q残差二元组；分别对所述I残差二元组和所述Q残差二元组实施Range编码得到I非负矩阵压缩码流和Q非负矩阵压缩码流；
编码模块，用于分别对I、Q分量矩阵对应的符号标识矩阵进行PAQ编码得到I、Q符号标识矩阵压缩码流；
叠加模块，用于将所述I符号标识矩阵压缩码流与所述I非负矩阵压缩码流进行叠加得到I数据压缩码流；将所述Q符号标识矩阵压缩码流与所述Q非负矩阵压缩码流进行叠加得到Q数据压缩码流；
压缩模块，用于将所述I数据压缩码流和所述Q数据压缩码流进行叠加得到所述雷达回波序列对应的压缩码流。
9.一种雷达系统，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7中任一项所述的方法的步骤。
10.一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7中任一项所述的方法的步骤。
CN202110349383.3A 2021-03-31 2021-03-31 一种雷达回波序列的无损压缩方法、装置和雷达系统 Active CN113075624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110349383.3A CN113075624B (zh) 2021-03-31 2021-03-31 一种雷达回波序列的无损压缩方法、装置和雷达系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110349383.3A CN113075624B (zh) 2021-03-31 2021-03-31 一种雷达回波序列的无损压缩方法、装置和雷达系统

Publications (2)

Publication Number Publication Date
CN113075624A CN113075624A (zh) 2021-07-06
CN113075624B true CN113075624B (zh) 2024-03-19

Family

ID=76614172

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110349383.3A Active CN113075624B (zh) 2021-03-31 2021-03-31 一种雷达回波序列的无损压缩方法、装置和雷达系统

Country Status (1)

Country Link
CN (1) CN113075624B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105828070A (zh) * 2016-03-23 2016-08-03 华中科技大学 防误码扩散的jpeg-ls图像无损/近无损压缩算法硬件实现方法
CN108200436A (zh) * 2017-12-29 2018-06-22 华中科技大学 一种面向线列扫描红外成像非均匀性残差的无损压缩方法
CN108989817A (zh) * 2018-09-03 2018-12-11 西安交通大学 一种基于参考帧错位预测的雷达数据压缩方法
CN110187327A (zh) * 2019-04-30 2019-08-30 淮阴工学院 全波形激光雷达波形数据压缩和解压方法
CN111198355A (zh) * 2020-01-15 2020-05-26 西安电子科技大学 基于fpga的pcr回波信号处理系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105828070A (zh) * 2016-03-23 2016-08-03 华中科技大学 防误码扩散的jpeg-ls图像无损/近无损压缩算法硬件实现方法
CN108200436A (zh) * 2017-12-29 2018-06-22 华中科技大学 一种面向线列扫描红外成像非均匀性残差的无损压缩方法
CN108989817A (zh) * 2018-09-03 2018-12-11 西安交通大学 一种基于参考帧错位预测的雷达数据压缩方法
CN110187327A (zh) * 2019-04-30 2019-08-30 淮阴工学院 全波形激光雷达波形数据压缩和解压方法
CN111198355A (zh) * 2020-01-15 2020-05-26 西安电子科技大学 基于fpga的pcr回波信号处理系统及方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
An algorithm for a lossless compression of raw radar data;Bartosz Pikacz;Proc. of SPIE;第9290卷;全文 *
Efficient Lossless Compression of Weather Radar Data;Wei-hua Ai 等;World Academy of Science, Engineering and Technology;全文 *
基于小波分解的雷达记录仪数据压缩算法;蔡;陈鹏;;空军雷达学院学报(02);全文 *
基于整数压缩比的SAR图像浮点数据压缩研究;杨迎新;张乐平;;江西理工大学学报(04);全文 *
基于预测的双线偏振天气雷达数据无损压缩算法;曾强宇;V Chandrasekar;何建新;史朝;王皓;李学华;;气象学报(02);全文 *
激光雷达数据无损压缩的FPGA实现;陈晋敏;黄春明;周军;;计算机测量与控制(01);全文 *

Also Published As

Publication number Publication date
CN113075624A (zh) 2021-07-06

Similar Documents

Publication Publication Date Title
CN111079683B (zh) 基于卷积神经网络的遥感图像云雪检测方法
CN110175641B (zh) 图像识别方法、装置、设备和存储介质
CN111986278B (zh) 图像编码装置、概率模型生成装置和图像压缩系统
CN113221874A (zh) 基于Gabor卷积和线性稀疏注意力的文字识别系统
JPH0359610B2 (zh)
Sonal A study of various image compression techniques
CN111105017A (zh) 神经网络量化方法、装置及电子设备
CN109190759A (zh) 一种基于{-1，+1}编码的神经网络模型压缩与加速方法
CN104244010B (zh) 提高数字信号变换性能的方法及数字信号变换方法和装置
CN110647990A (zh) 基于灰色关联分析的深度卷积神经网络模型的裁剪方法
CN116485815A (zh) 基于双尺度编码器网络的医学图像分割方法、设备和介质
CN114615507B (zh) 一种图像编码方法、解码方法及相关装置
CN113075624B (zh) 一种雷达回波序列的无损压缩方法、装置和雷达系统
US10271051B2 (en) Method of coding a real signal into a quantized signal
CN115170807B (zh) 一种图像分割、模型训练方法、装置、设备及介质
CN108024113B (zh) 一种目标占比自适应的压缩域小目标跟踪方法
CN115861647A (zh) 一种基于多尺度全局交叉匹配的光流估计方法
CN115187775A (zh) 一种遥感图像语义分割方法及装置
CN109547961B (zh) 一种无线传感网络中大数据量压缩感知编解码方法
CN115984705B (zh) 一种基于卷积网络的大幅遥感网络图像桥梁分割方法
CN108631788B (zh) 用于匹配区适配性分析的编码失真量优化方法
JP2005018606A (ja) 浮動小数点形式信号系列の線形予測分析方法、その装置、プログラムおよびその記録媒体
CN102395031A (zh) 一种数据压缩方法
CN116091758B (zh) 基于细节提取的图像处理方法、装置、设备及存储介质
US20240152327A1 (en) Computing circuit, computing method, and decoder

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