CN113093180A - 一种基于聚类外推的慢速弱目标检测方法 - Google Patents

一种基于聚类外推的慢速弱目标检测方法 Download PDF

Info

Publication number
CN113093180A
CN113093180A CN202110298948.XA CN202110298948A CN113093180A CN 113093180 A CN113093180 A CN 113093180A CN 202110298948 A CN202110298948 A CN 202110298948A CN 113093180 A CN113093180 A CN 113093180A
Authority
CN
China
Prior art keywords
detection
frame
peak
target
cluster
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.)
Granted
Application number
CN202110298948.XA
Other languages
English (en)
Other versions
CN113093180B (zh
Inventor
赵会宁
贺思三
王瑞军
张小宽
李洪兵
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.)
Air Force Engineering University of PLA
Original Assignee
Air Force Engineering University of PLA
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 Air Force Engineering University of PLA filed Critical Air Force Engineering University of PLA
Priority to CN202110298948.XA priority Critical patent/CN113093180B/zh
Publication of CN113093180A publication Critical patent/CN113093180A/zh
Application granted granted Critical
Publication of CN113093180B publication Critical patent/CN113093180B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于聚类外推的慢速弱目标检测方法，包括第一步：对回波进行MTI、MTD处理，并对MTD处理结果进行恒虚警检测；第二步：联合多帧MTD峰值检测结果对噪声进行剔除；第三步：联合多帧MTD峰值检测结果对杂波进行剔除；第四步：根据速度‑距离‑加速度变化的一致性对目标进行多帧联合检测，估计目标运动参数；本方法在MTI、MTD处理后，通过多帧峰值信息，根据噪声、杂波分布特性对其峰值进行剔除，并依据目标运动距离、速度、加速度之间的一致性利用外推聚类方法实现对低小慢目标的检测，能够在较低信噪比情况下实现慢速目标的有效检测，具有检测效果好、检测速度快的特点。

Description

一种基于聚类外推的慢速弱目标检测方法
技术领域
本发明涉及信号与信息处理技术领域，具体涉及一种基于聚类外推的慢速弱目标检测方法。
背景技术
慢速弱目标是指RCS小、运动速度慢的目标；由于目标RCS小，回波信噪比大大降低，使得雷达检测性能大大降低，极大地影响了雷达威力；由于飞行速度慢，目标多普勒频率与地杂波多普勒频率范围混叠，大大降低了目标的检测概率；
弱目标的检测方法可分为两大类：
(1)经典的处理方式，采用复杂的信号处理方法对回波信号进行长时间的积累，通过门限处理后发送至独立的跟踪滤波器进行跟踪处理，该流程称之为检测后跟踪(Detection Before Tracking,DBT)方法，这类算法的关键是如何对平动进行补偿，实现长时间积累。田超等在《基于非均匀FFT的长时间相参积累算法》(电子与信息学报，2014,36(6):374-380)、战立晓等在《基于Keystone变换和MDCFT的高机动弱目标检测与参数估计》(航空学报,2013,34(4):855-863)中对匀加速目标的长时间积累进行了研究；
(2)另一种方法称为检测前跟踪(TrackBefore Detection,TBD)方法，它一般采用非相参积累方式，直接对匹配滤波后的雷达回波脉冲或经过相参积累后的多帧连续数据进行处理，可同时给出目标的检测结果和航迹信息。常用的TBD方法有Reed I.S等在《Application ofthree dimensional filtering to moving target detection》提出的三维匹配滤波(3-D matched filters)方法、Graziano A,Miglioli R等在《IMMJPDAversus MHT and Kalman filterwithNN correlation:performance comparison》所应用的多级假设检验方法、Grossi E等在《A novel dynamic programming algorithm fortrack-before-detect in radar systems》所应有的假设检验方法、Salmond D J等在《Aparticle filter fortrack-before-detect》(Proceedings ofthe American ControlConference,Washington,USA,2001,5.3755-3760)中提出的粒子滤波算法；
总体而言，基于长时间积累的DBT类方法可实现目标回波的相参积累，但对应的运算量大，难以工程应用；TBD类方法在对单帧信号进行MTD的基础上通过多帧的联合处理实现目标检测，运算量相对较低，但TBD算法需要对观测序列进行处理，序列之间形成的疑似目标轨迹组合随序列帧数的增加成几何增长，尤其是在低信噪比情况下，可能的目标点急剧增多，如何在众多组合中检测出真实目标并找出目标轨迹是TBD技术难点。因此，如何实现慢速弱目标的快速检测，目前的现有技术尚未给出有效的解决方法。
发明内容
针对上述存在的问题，本发明旨在提供一种基于聚类外推的慢速弱目标检测方法，通过本发明的方法通过对噪声峰值和杂波峰值的剔除减少了后续处理的数据量，从而降低了处理的运算量，通过外推聚类分析实现帧间的非相参积累，能够在较短时间内实现慢速弱目标的有效检测，具有检测效果好、检测速度快的特点。
为了实现上述目的，本发明所采用的技术方案如下：
一种基于聚类外推的慢速弱目标检测方法，包括步骤
S1.对雷达回波信号进行MTI、MTD，并对MTD处理结果进行恒虚警检测；
S2.利用基于多帧联合方法对经步骤S1处理后的回波信号中Q帧检测结果Pq(n,k)进行处理，剔除噪声峰值，得到Q帧检测结果Pzq(n,k)；
S3.利用基于多帧联合方法对经步骤S2处理后的Q帧检测结果Pzq(n,k)进行处理，剔除杂波峰值，得到杂波剔除后的第q帧峰值点Pcq(n,k)；
S4.经步骤S3进行多帧杂波剔除后，根据速度-距离-加速度变化的一致性对目标进行多帧联合检测，估计目标运动参数。
优选的，步骤S1所述的对雷达回波信号sr(n,m)进行MTI、MTD及恒虚警检测处理的过程包括：
S101.经脉冲压缩后的回波信号
Figure BDA0002985381940000031
经雷达进行数字采样后可表示为sr(n,m)；
S102.经MTI处理对回波信号sr(n,m)进行处理，得到处理后的回波信号为：
sMTI(n,m)＝sr(n,m)-sr(n,m-1)
S103.对sMTI(n,m)进行MTD处理，得到经MTD处理后的回波信号为：
Figure BDA0002985381940000032
其中：M表示进行MTD处理时一帧所包含的脉冲数；H(n,k)中k的范围为1到K，其中K＝M，k0表示零频所对应的频率序号值，n的范围为1到N，N表示单脉冲的最大采样序号；
S104.在MTD检测基础上，进一步对回波信号进行慢门限恒虚警检测，设检测门限为UT，可得检测后结果为：
Figure BDA0002985381940000041
优选的，步骤S104所述的检测门限UT的得到过程为：对MTD后非零频附近的回波幅度进行统计处理，从而得到弱噪声分量的估计门限，以进一步得到检测门限，即：
Figure BDA0002985381940000042
Figure BDA0002985381940000043
其中：Θn＝[1,k0-K/4]∪[k0+K/4,K]，表示统计检测门限时所对应的非杂波区域范围，Kn为Θn所对应采样点的个数；A为门限相对于噪声方差的系数。
优选的，步骤S2所述的联合多帧MTD峰值检测结果对噪声进行剔除的过程包括：
S201.对经处理后的回波信号的Q帧检测结果Pq(n,k)进行求和处理，可得到Ps(n,k)：
Figure BDA0002985381940000044
其中：Pq(n,k)表示第q帧数据MTD后恒虚警检测结果；
S202.对Ps(n,k)每一个点，计算其周围(2a+1)×(2b+1)个单元的CFAR检测过门限单元数目，得到As(n,k)：
Figure BDA0002985381940000051
S203.对于As(n,k)大于门限gs的检测点认为是可能的目标点，而As(n,k)小于门限gs的点为噪声点，并将对应点CFAR检测结果Pq(n,k)置为零，得到噪声峰值剔除后的剩余峰值Pzq(n,k)：
Figure BDA0002985381940000052
优选的，步骤S3所述的利用基于多帧联合方法对经步骤S2处理后的回波信号进行处理的过程包括：
S301.对经步骤S2处理得到的Q帧检测结果Pzq(n,k)进行求和处理，得到Pzs(n,k)：
Figure BDA0002985381940000053
S302.提取Pzs(n,k)中大于门限gz的峰值点(nz,kz)；
S303在Pzq(n,k)的每一帧中找到离(nz,kz)最近的峰值点，记为
Figure BDA0002985381940000054
(1)如果
Figure BDA0002985381940000055
与(nz,kz)的距离小于3，则认为第q帧中存在有效峰值点与(nz,kz)对应；
(2)否则认为这一帧中没有峰值点与之对应；
S304在各帧找到对应的有效峰值点后，对q帧中有效的
Figure BDA0002985381940000056
进行一阶多项式拟合，得到其速度
Figure BDA0002985381940000057
与加速度
Figure BDA0002985381940000058
的估计；
S305然后根据所估计的
Figure BDA0002985381940000059
对所提取峰值点是否属于噪声峰值点进行剔除：
(1)如果
Figure BDA0002985381940000061
则认为所提取的峰值点对应了杂波，并将
Figure BDA0002985381940000062
对应峰值点在Pzq(n,k)中剔除；
(2)否则认为所对应峰值点对应为目标峰值点，保留其峰值信号；
S306.重复步骤S301-S305，直到所有的峰值点(nz,kz)均被处理，得到杂波峰值剔除后第q帧的峰值点为Pcq(n,k)；
其中：vg、ag分别表示速度、加速度判别门限。
优选的，步骤S4所述的基于多帧联合方法对慢速弱目标进行检测的过程包括
1.对多帧检测结果进行速度-距离外推处理；
2.对外推数据进行聚类分析；
3.设置门限ρd，进行目标检测；
4.重复步骤1-步骤3，直至不满足条件
Figure BDA0002985381940000063
为止，完成多个目标的多帧联合检测。
优选的，步骤1所述的对多帧检测结果进行速度-距离外推处理德过程包括：
S401.首先根据设定的加速度ai对Pcq(n,k)中的峰值外推到第Q帧对应时刻，外推后峰值(nw,kw)为：
Figure BDA0002985381940000064
Figure BDA0002985381940000065
其中：Tc为各帧之间的时间间隔，vres、rres分别表示MTD处理后所对应的速度分辨率和距离分辨率；
S402.将第q帧Pcq(n,k)的峰值外推结果的集合表示为
Figure BDA0002985381940000071
外推后的总的峰值坐标集合表示为
Figure BDA0002985381940000072
优选的，步骤2所述的对外推数据进行聚类分析的过程包括：
S403.然后利用聚类分析方法找出
Figure BDA0002985381940000073
中聚类效果最好的聚类中心
Figure BDA0002985381940000074
并记录其所对应得聚类密度
Figure BDA0002985381940000075
S404.对于不同的加速度ai，可得到对应得聚类中心
Figure BDA0002985381940000076
及聚类密度
Figure BDA0002985381940000077
S405.设总的离散加速度搜索个数为I，有：
Figure BDA0002985381940000078
其中：ρc表示不同加速度条件下聚类密度的最大值；ρc所对应的加速度与聚类中心重新表示为
Figure BDA0002985381940000079
对应速度为
Figure BDA00029853819400000710
优选的，步骤3所述的设置门限ρd，进行目标检测的过程包括：
S406.设置门限ρd，若所提取峰值的聚类密度ρc≥ρd，且对应聚类中心满足
Figure BDA00029853819400000711
或
Figure BDA00029853819400000712
则判定该聚类区域为目标峰值点对应的聚类区，从而实现目标的正确检测；
其中：vc、ac分别对应目标的速度与加速度。
本发明的有益效果是：本发明公开了一种基于聚类外推的慢速弱目标检测方法，与现有技术相比，本发明的改进之处在于：
针对现有技术中存在的问题，为了突破目前慢速弱目标检测问题，本发明设计了一种基于聚类外推的慢速弱目标检测方法，本方法首先通过噪声、杂波峰值的剔除处理减少后续处理运算量，然后基于运动目标速度与距离的一致性实现慢速弱目标的有效检测；本方法通过对噪声峰值和杂波峰值的剔除减少了后续处理的数据量，从而降低了处理的运算量，通过外推聚类分析实现帧间的非相参积累，能够在较短时间内实现慢速弱目标的有效检测，具有检测效果好、检测速度快的优点。
附图说明
图1为本发明基于聚类外推的低小慢目标检测方法的示意性流程图。
图2为本发明实施例1多帧峰值叠加特性图。
图3为本发明实施例1雷达回波脉冲压缩后的结果图。
图4为本发明实施例1MTI、MTD处理后的结果图。
图5为本发明实施例1杂波提出前后的峰值图。
图6为本发明实施例1峰值外推后的聚类分析结果图。
图7为本发明实施例1最终的目标检测结果图。
其中：图2(a)为本发明实施例1多帧检测峰值示意图，图2(b)为本发明实施例1多帧峰值叠加示意图；图5(a)为本发明实施例1杂波峰值剔除前的峰值图，图5(b)为本发明实施例1杂波剔除后得峰值图；图6(a)为本发明实施例1多帧峰值外推结果图，图6(b)为本发明实施例1聚类中心周围峰值分布结果图。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
参照附图1-7所示的一种基于聚类外推的慢速弱目标检测方法，包括步骤
S1.为了消除强固定地物杂波信号，对雷达回波信号进行MTI、MTD处理，并对MTD处理结果进行恒虚警检测，具体包括：
S101.雷达发射的正线性调频(LFM)信号模型表示为：
Figure BDA0002985381940000091
其中：fc为中心频率，Tp为脉冲宽度，γ＝B/Tp为调频率，B为带宽，
Figure BDA0002985381940000092
为快时间，tm＝mTr为慢时间，t为总的时间，m为脉冲序号，Tr为脉冲周期，
Figure BDA0002985381940000093
设某点目标到雷达的距离随时间的变化可表示为R(t)，tr＝2R(t)/c，c表示光速，可得雷达接收回波经变频后信号
Figure BDA0002985381940000094
为：
Figure BDA0002985381940000095
为了实现脉冲压缩，令匹配滤波器冲击响应
Figure BDA0002985381940000096
当目标速度很小，不考虑距离-多普勒耦合效应时匹配滤波器的输出为：
Figure BDA0002985381940000097
其中：τ′＝c/2B，表示脉压后的脉冲宽度，sinc(·)为辛克函数；
对
Figure BDA0002985381940000098
进行数字采样后，可表示为sr(n,m)，其中m表示脉冲序号，n表示快时间采样序号，单个脉冲的最大采样序号为N；
S102.经MTI处理对回波信号sr(n,m)进行处理，得到处理后的回波信号为：
sMTI(n,m)＝sr(n,m)-sr(n,m-1)
S103.对sMTI(n,m)进行MTD处理，得到经MTD处理后的回波信号为：
Figure BDA0002985381940000101
其中：M表示进行MTD处理时一帧所包含的脉冲数；H(n,k)中k的范围为1到K，其中K＝M，k0表示零频所对应的频率序号值，n的范围为1到N，N表示单脉冲的最大采样序号；
S104.在MTD检测基础上，进一步对回波信号进行慢门限恒虚警检测，设检测门限为UT，可得检测后结果为：
Figure BDA0002985381940000102
S105.对于杂波而言，杂波谱通常集中于零频附近，而噪声谱则均匀分布在整个谱区，因此，可对MTD后非零频附近的回波幅度进行统计处理，从而得到弱噪声分量的估计门限，以进一步得到检测门限UT，即：
Figure BDA0002985381940000103
Figure BDA0002985381940000104
其中：Θn＝[1,k0-K/4]∪[k0+K/4,K]，表示统计检测门限时所对应的非杂波区域范围，Kn为Θn所对应采样点的个数；A为门限相对于噪声方差的系数；
S2.联合多帧MTD峰值检测结果对噪声进行剔除
经CFAR处理后，峰值图中还剩余大量的过门限噪声；于噪声分量而言，其占用的距离单元数约为1～2个，但覆盖区域较广，基于单帧信息难以对噪声峰值进行分辨；但在多帧范围内，由于噪声随机性较强，随时间变化的连续性不足，分布相对比较稀疏，多帧间单位区域内所占用的距离单元数明显低于非固定地物杂波及运动目标，便于滤除；因此，可以先对CFAR处理后的速度-距离像进行N帧融合处理，滤除CFAR处理后剩余的过门限噪声；
基于多帧联合的噪声峰值剔除的步骤如下：
S201.对经处理后的回波信号的Q帧检测结果Pq(n,k)进行求和处理，可得到Ps(n,k)：
Figure BDA0002985381940000111
其中：Pq(n,k)表示第q帧数据MTD后恒虚警检测结果；
S202.对Ps(n,k)每一个点，计算其周围(2a+1)×(2b+1)个单元的CFAR检测过门限单元数目，得到As(n,k)：
Figure BDA0002985381940000112
S203.对于As(n,k)大于门限gs的检测点认为是可能的目标点，而认为As(n,k)小于门限gs的点为噪声点，并将对应点CFAR检测结果Pq(n,k)置为零，得到噪声峰值剔除后的剩余峰值Pzq(n,k)：
Figure BDA0002985381940000113
S3.联合多帧MTD峰值检测结果对杂波进行剔除
S301.对经步骤S2处理得到的Q帧检测结果Pzq(n,k)进行求和处理，得到Pzs(n,k)：
Figure BDA0002985381940000114
对于非固定地物杂波而言，它的距离单元走动及目标加速度导致的速度单元走动在很小的范围内波动，它对应的多帧峰值信息集中在一个较小的区域内，其对应的Pzs(n,k)较大，且其所对应的速度与加速度都较小；而对于运动目标而言，它的距离单元走动及目标加速度导致的速度单元走动幅度较大，在同一速度-距离平面内的投影点分布较为稀疏，其对应的Pzs(n,k)较小，且对应峰值的速度或加速度会至少有一个较大；
S302.因此，提取Pzs(n,k)中大于门限gz的峰值点(nz,kz)；
S303在Pzq(n,k)的每一帧中找到离(nz,kz)最近的峰值点，记为
Figure BDA0002985381940000121
(1)如果
Figure BDA0002985381940000122
与(nz,kz)的距离小于3，则认为第q帧中存在有效峰值点与(nz,kz)对应；
(2)否则认为这一帧中没有峰值点与之对应；
S304在各帧找到对应的有效峰值点后，对q帧中有效的
Figure BDA0002985381940000123
进行一阶多项式拟合，得到其速度
Figure BDA0002985381940000124
与加速度
Figure BDA0002985381940000125
的估计；
S305然后根据所估计的
Figure BDA0002985381940000126
对所提取峰值点是否属于噪声峰值点进行剔除：
(1)如果
Figure BDA0002985381940000127
则认为所提取的峰值点对应了杂波，并将
Figure BDA0002985381940000128
对应峰值点在Pzq(n,k)中剔除；
(2)否则认为所对应峰值点对应为目标峰值点，保留其峰值信号；
S306.重复步骤S301-S305，直到所有的峰值点(nz,kz)均被处理，得到杂波峰值剔除后第q帧的峰值点为Pcq(n,k)；
其中：vg、ag分别表示速度、加速度判别门限；
S4.根据速度-距离-加速度变化的一致性对目标进行多帧联合检测，估计目标运动参数
经多帧杂波剔除后，持续时间较长的杂波点得到明显抑制，但是持续时间较短、抖动较大的杂波点依然存在，此时需要对目标进行进一步检测。对多帧杂波剔除处理得到单帧检测结果进行分析，不难看出，它的每一个结果都包含了速度、距离、幅度信息。对于目标而言，其距离-速度在多帧之间的变化会具有一致性，因此，可对多帧数据进行联合处理，对目标进行检测；
所述基于多帧联合的目标检测方法步骤如下：
1.对多帧检测结果进行速度-距离外推处理
S401.考虑到运动目标可能存在一定的加速度，可以预先设定一个加速度a∈[amin,amax]，其中amin、amax分别为设定加速度的最小或最大搜索值；结合目标的运动规律，假定目标在较短的时间范围内作匀加速直线运动，然后参照匀加速直线运动的计算公式，利用设定的加速度信息对各帧速度-距离像初始时刻对应的速度信息v0、距离信息l0分别进行遍历外推处理，得到各帧峰值在第Q帧时对应的速度信息与距离信息；对Pcq(n,k)中的峰值进行外推后所对应峰值位置为(nw,kw)，之间的计算公式如下：
Figure BDA0002985381940000131
Figure BDA0002985381940000132
其中：Tc为各帧之间的时间间隔，vres、rres分别表示MTD处理后所对应的速度分辨率和距离分辨率；
S402.将第q帧Pcq(n,k)的峰值外推结果的集合表示为
Figure BDA0002985381940000133
外推后的总的峰值坐标集合表示为
Figure BDA0002985381940000141
2.对外推数据的聚类分析
S403.对于实际目标而言，由于它的加速度、速度和距离具有一致性，它的外推结果在速度-距离平面内应具有聚类特性；因此，可通过对多帧外推后的结果
Figure BDA0002985381940000142
进行聚类分析，找出聚类效果最好的聚类中心；
假设峰值坐标集合中
Figure BDA0002985381940000143
第l个峰值点(nwl,kwl)与第p个峰值点(nwp,kwp)之间的距离为dlp：
Figure BDA0002985381940000144
可对局部聚类密度ρi和该聚类点到更高密度聚类区域的最大距离δi进行计算；其中，ρi和δi均取决于dij的大小，有：
Figure BDA0002985381940000145
Figure BDA0002985381940000146
其中：
Figure BDA0002985381940000147
dc为设定的截止间距；ρl表示间距小于截止间距dc的峰值点的个数；特别的，对于聚类密度最高的聚类区域，有
Figure BDA0002985381940000148
聚类中心可以看成是δl值异常大的点，而且需满足δ-ρ一致性原则，即δl足够大时，ρl值也应相对较大；
根据上述聚类算法，可以划分出各聚类区域，找出加速度ai所对应的
Figure BDA0002985381940000149
中聚类密度最高值
Figure BDA00029853819400001410
所对应聚类中心
Figure BDA00029853819400001411
S404.对于不同的测试加速度ai而言，可得到各自的
Figure BDA00029853819400001412
及所对应聚类中心
Figure BDA00029853819400001413
S405.设加速度搜索总的个数为I，有：
Figure BDA0002985381940000151
其中：ρc表示不同加速度条件下聚类密度的最大值；ρc所对应的加速度与聚类中心重新表示为
Figure BDA0002985381940000152
对应速度为
Figure BDA0002985381940000153
3.目标检测
S406.设置门限ρd，若所提取峰值的聚类密度ρc≥ρd，且对应聚类中心满足
Figure BDA0002985381940000154
或
Figure BDA0002985381940000155
则判定该聚类区域为目标峰值点对应的聚类区，vc、ac对应了目标的速度与加速度，剔除该聚类区域所包含的所有峰值信息；当对应聚类中心满足
Figure BDA0002985381940000156
且
Figure BDA0002985381940000157
则判定该聚类区域为杂波区域，直接剔除该聚类区域所包含的所有峰值信息；
4.重复步骤1-步骤3，直至不满足条件
Figure BDA0002985381940000158
为止，经过上述步骤，可完成多个目标的多帧联合检测，图1示出了基于聚类外推的慢速弱目标检测方法的示意性流程图。
实施例1：S5.慢速弱目标检测实例
S501.参数设定
(1)雷达参数：雷达频率为12.5GHz、重频为40KHz、发射线性调频信号的带宽为60MHz，利用雷达对测量实际场景下的杂波回波数据，采样频率为200MHz，有效数据宽度25us，对应的N为5000，录取的起始距离为2km，录取脉冲个数为12000个；
(2)目标参数：基于杂波回波数据在3340米加入速度为-11m/s，，持续时间为0.3s～2.7s、RCS为0.01m2的目标；
S502.针对上述数据进行脉冲压缩后，压缩时所用点数为8192点，其中，有效距离单元为[1,5000]，而[50001,8000]范围则为参考点之前经信号处理后的混叠结果，压缩后的信号如图2所示；
S503.为了消除固定地物杂波，对回波进行进行双脉冲对消MTD处理及256个脉冲的MTD处理后某帧的处理结果如图4所示，从图可以看出，由于目标RCS非常小，难以看到明显的目标信号；
S504.对MTD结果进行恒虚警处理，在对噪声峰值剔除后进一步对杂波峰值进行剔除，图5示出了20帧联合处理杂波峰值剔除前后峰值的分布结果，从图可以看出，经过峰值剔除后有效峰值大大减少，从而有效减少了后续处理的数据量；
S505.20帧数据对应的不同加速度经外推处理后得到的结果如图6(a)所示，图6(b)示出了聚类分析所得聚类中心，该聚类中心对应了目标参数；
S506.按照时间顺序进行处理，最后得到检测出的目标如图(7)所示，其存在距离单元为1341～1371(对应起始距离为3340m)，位置参量随时间线性变化，脉冲范围为1280～10440(对应起始距离为0.32s～2.61s)，估计其速度为-11.1m/s，与设置的目标参数一致，从而验证了算法的有效性。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (9)

1.一种基于聚类外推的慢速弱目标检测方法，其特征在于：包括步骤
S1.对雷达回波信号进行MTI、MTD，并对MTD处理结果进行恒虚警检测；
S2.利用基于多帧联合方法对经步骤S1处理后的回波信号中Q帧检测结果Pq(n,k)进行处理，剔除噪声峰值，得到Q帧检测结果Pzq(n,k)；
S3.利用基于多帧联合方法对经步骤S2处理后的Q帧检测结果Pzq(n,k)进行处理，剔除杂波峰值，得到杂波剔除后的第q帧峰值点Pcq(n,k)；
S4.经步骤S3进行多帧杂波剔除后，根据速度-距离-加速度变化的一致性对目标进行多帧联合检测，估计目标运动参数。
2.根据权利要求1所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤S1所述的对雷达回波信号sr(n,m)进行MTI、MTD及恒虚警检测处理的过程包括：
S101.经脉冲压缩后的回波信号
Figure FDA0002985381930000012
经雷达进行数字采样后可表示为sr(n,m)；
S102.经MTI处理对回波信号sr(n,m)进行处理，得到处理后的回波信号为：
sMTI(n,m)＝sr(n,m)-sr(n,m-1)
S103.对sMTI(n,m)进行MTD处理，得到经MTD处理后的回波信号为：
Figure FDA0002985381930000011
其中：M表示进行MTD处理时一帧所包含的脉冲数；H(n,k)中k的范围为1到K，其中K＝M，k0表示零频所对应的频率序号值，n的范围为1到N，N表示单脉冲的最大采样序号；
S104.在MTD检测基础上，进一步对回波信号进行慢门限恒虚警检测，设检测门限为UT，可得检测后结果为：
Figure FDA0002985381930000021
3.根据权利要求2所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤S104所述的检测门限UT的得到过程为：
对MTD后非零频附近的回波幅度进行统计处理，从而得到弱噪声分量的估计门限，以进一步得到检测门限，即：
Figure FDA0002985381930000022
Figure FDA0002985381930000023
其中：Θn＝[1,k0-K/4]∪[k0+K/4,K]，表示统计检测门限时所对应的非杂波区域范围，Kn为Θn所对应采样点的个数；A为门限相对于噪声方差的系数。
4.根据权利要求1所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤S2所述的联合多帧MTD峰值检测结果对噪声进行剔除的过程包括：
S201.对经处理后的回波信号的Q帧检测结果Pq(n,k)进行求和处理，可得到Ps(n,k)：
Figure FDA0002985381930000031
其中：Pq(n,k)表示第q帧数据MTD后恒虚警检测结果；
S202.对Ps(n,k)每一个点，计算其周围(2a+1)×(2b+1)个单元的CFAR检测过门限单元数目，得到As(n,k)：
Figure FDA0002985381930000032
S203.对于As(n,k)大于门限gs的检测点认为是可能的目标点，而As(n,k)小于门限gs的点为噪声点，并将对应点CFAR检测结果Pq(n,k)置为零，得到噪声峰值剔除后的剩余峰值Pzq(n,k)：
Figure FDA0002985381930000033
5.根据权利要求1所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤S3所述的利用基于多帧联合方法对经步骤S2处理后的回波信号进行处理的过程包括：
S301.对经步骤S2处理得到的Q帧检测结果Pzq(n,k)进行求和处理，得到Pzs(n,k)：
Figure FDA0002985381930000034
S302.提取Pzs(n,k)中大于门限gz的峰值点(nz,kz)；
S303在Pzq(n,k)的每一帧中找到离(nz,kz)最近的峰值点，记为
Figure FDA0002985381930000035
(1)如果
Figure FDA0002985381930000036
与(nz,kz)的距离小于3，则认为第q帧中存在有效峰值点与(nz,kz)对应；
(2)否则认为这一帧中没有峰值点与之对应；
S304在各帧找到对应的有效峰值点后，对q帧中有效的
Figure FDA0002985381930000041
进行一阶多项式拟合，得到其速度
Figure FDA0002985381930000042
与加速度
Figure FDA0002985381930000043
的估计；
S305然后根据所估计的
Figure FDA0002985381930000044
对所提取峰值点是否属于噪声峰值点进行剔除：
(1)如果
Figure FDA0002985381930000045
则认为所提取的峰值点对应了杂波，并将
Figure FDA0002985381930000046
对应峰值点在Pzq(n,k)中剔除；
(2)否则认为所对应峰值点对应为目标峰值点，保留其峰值信号；
S306.重复步骤S301-S305，直到所有的峰值点(nz,kz)均被处理，得到杂波峰值剔除后第q帧的峰值点为Pcq(n,k)；
其中：vg、ag分别表示速度、加速度判别门限。
6.根据权利要求1所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤S4所述的基于多帧联合方法对慢速弱目标进行检测的过程包括
1.对多帧检测结果进行速度-距离外推处理；
2.对外推数据进行聚类分析；
3.设置门限ρd，进行目标检测；
4.重复步骤1-步骤3，直至不满足条件
Figure FDA0002985381930000047
为止，完成多个目标的多帧联合检测。
7.根据权利要求6所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤1所述的对多帧检测结果进行速度-距离外推处理德过程包括：
S401.首先根据设定的加速度ai对Pcq(n,k)中的峰值外推到第Q帧对应时刻，外推后峰值(nw,kw)为：
Figure FDA0002985381930000051
Figure FDA0002985381930000052
其中：Tc为各帧之间的时间间隔，vres、rres分别表示MTD处理后所对应的速度分辨率和距离分辨率；
S402.将第q帧Pcq(n,k)的峰值外推结果的集合表示为
Figure FDA0002985381930000053
外推后的总的峰值坐标集合表示为
Figure FDA0002985381930000054
8.根据权利要求6所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤2所述的对外推数据进行聚类分析的过程包括：
S403.然后利用聚类分析方法找出
Figure FDA0002985381930000055
中聚类效果最好的聚类中心
Figure FDA0002985381930000056
并记录其所对应得聚类密度
Figure FDA0002985381930000057
S404.对于不同的加速度ai，可得到对应得聚类中心
Figure FDA0002985381930000058
及聚类密度
Figure FDA0002985381930000059
S405.设总的离散加速度搜索个数为I，有：
Figure FDA00029853819300000510
其中：ρc表示不同加速度条件下聚类密度的最大值；ρc所对应的加速度与聚类中心重新表示为
Figure FDA00029853819300000511
Figure FDA00029853819300000512
对应速度为
Figure FDA00029853819300000513
9.根据权利要求6所述的一种基于聚类外推的慢速弱目标检测方法，其特征在于：步骤3所述的设置门限ρd，进行目标检测的过程包括：
S406.设置门限ρd，若所提取峰值的聚类密度ρc≥ρd，且对应聚类中心满足
Figure FDA0002985381930000061
或
Figure FDA0002985381930000062
则判定该聚类区域为目标峰值点对应的聚类区，从而实现目标的正确检测；
其中：vc、ac分别对应目标的速度与加速度。
CN202110298948.XA 2021-03-20 2021-03-20 一种基于聚类外推的慢速弱目标检测方法 Active CN113093180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110298948.XA CN113093180B (zh) 2021-03-20 2021-03-20 一种基于聚类外推的慢速弱目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110298948.XA CN113093180B (zh) 2021-03-20 2021-03-20 一种基于聚类外推的慢速弱目标检测方法

Publications (2)

Publication Number Publication Date
CN113093180A true CN113093180A (zh) 2021-07-09
CN113093180B CN113093180B (zh) 2023-10-13

Family

ID=76668733

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110298948.XA Active CN113093180B (zh) 2021-03-20 2021-03-20 一种基于聚类外推的慢速弱目标检测方法

Country Status (1)

Country Link
CN (1) CN113093180B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625266A (zh) * 2021-07-20 2021-11-09 嘉兴聚速电子技术有限公司 应用雷达检测低速目标的方法、装置、存储介质和设备
CN114114192A (zh) * 2021-12-02 2022-03-01 电子科技大学 集群目标检测方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090096662A1 (en) * 2006-11-02 2009-04-16 Jian Wang Moving Target Detector for Radar Systems
US20120183035A1 (en) * 2011-01-19 2012-07-19 Juha Vierinen Methods and arrangements for detecting weak signals
CN102830394A (zh) * 2012-07-17 2012-12-19 西安电子科技大学 基于多谱线积累的弱目标探测方法
CN105022057A (zh) * 2015-06-10 2015-11-04 西安电子科技大学 基于改进Radon变换与多帧联合处理的目标检测方法
CN106291492A (zh) * 2016-07-19 2017-01-04 西安电子科技大学 一种基于精细杂波图的自适应目标检测方法
CN106970371A (zh) * 2017-04-28 2017-07-21 电子科技大学 一种基于Keystone和匹配滤波的目标检测方法
US20180052220A1 (en) * 2016-08-17 2018-02-22 Raytheon Company System and method for fast adaptive range doppler compression
CN110208752A (zh) * 2019-06-27 2019-09-06 电子科技大学 一种基于gpu的雷达mti/mtd实现方法
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
CN111896942A (zh) * 2020-07-08 2020-11-06 深圳大学 雷达运动目标检测方法、装置及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090096662A1 (en) * 2006-11-02 2009-04-16 Jian Wang Moving Target Detector for Radar Systems
US20120183035A1 (en) * 2011-01-19 2012-07-19 Juha Vierinen Methods and arrangements for detecting weak signals
CN102830394A (zh) * 2012-07-17 2012-12-19 西安电子科技大学 基于多谱线积累的弱目标探测方法
CN105022057A (zh) * 2015-06-10 2015-11-04 西安电子科技大学 基于改进Radon变换与多帧联合处理的目标检测方法
CN106291492A (zh) * 2016-07-19 2017-01-04 西安电子科技大学 一种基于精细杂波图的自适应目标检测方法
US20180052220A1 (en) * 2016-08-17 2018-02-22 Raytheon Company System and method for fast adaptive range doppler compression
CN106970371A (zh) * 2017-04-28 2017-07-21 电子科技大学 一种基于Keystone和匹配滤波的目标检测方法
CN110208752A (zh) * 2019-06-27 2019-09-06 电子科技大学 一种基于gpu的雷达mti/mtd实现方法
CN111896942A (zh) * 2020-07-08 2020-11-06 深圳大学 雷达运动目标检测方法、装置及存储介质
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EMANUELE GROSSI等: "A Novel Dynamic Programming Algorithm for Track-Before-Detect in Radar Systems", IEEE TRANSACTIONS ON SIGNAL PROCESSING, vol. 61, no. 10, XP011505526, DOI: 10.1109/TSP.2013.2251338 *
任腊梅等: "一种提高 MTI/MTD 雷达检测概率的方法", 火控雷达技术, vol. 47, no. 3 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625266A (zh) * 2021-07-20 2021-11-09 嘉兴聚速电子技术有限公司 应用雷达检测低速目标的方法、装置、存储介质和设备
CN114114192A (zh) * 2021-12-02 2022-03-01 电子科技大学 集群目标检测方法
CN114114192B (zh) * 2021-12-02 2023-05-23 电子科技大学 集群目标检测方法

Also Published As

Publication number Publication date
CN113093180B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN107966688B (zh) 基于相位干涉技术的宽带雷达目标速度解模糊方法
US7626535B2 (en) Track quality based multi-target tracker
CN109613506B (zh) 一种随机跳频重频捷变雷达目标回波信号检测方法
CN113093180A (zh) 一种基于聚类外推的慢速弱目标检测方法
CN111610501B (zh) 对海雷达小目标检测方法
CN111123212A (zh) 一种基于复杂杂波背景下的场面监视雷达的信号处理方法
CN110095766B (zh) 基于非均匀重采样技术的机动目标相干积累检测方法
CN110376559B (zh) 单通道雷达主瓣多源干扰分离方法、装置和设备
CN105116387A (zh) 基于位置和多普勒速度信息的pd雷达抗速度拖引方法
CN111580063B (zh) 基于广义解调频-楔形变换的雷达目标检测方法
CN114114192A (zh) 集群目标检测方法
CN110954895A (zh) 一种基于复伪谱的速度滤波检测前跟踪方法
CN110531332B (zh) 一种基于分段门限的低空慢速小目标检测方法
CN114966572A (zh) 基于脉内分段lfm波形的间歇采样转发干扰对抗方法
CN112799028B (zh) 一种基于rcs起伏统计特性差异的虚假目标识别方法
CN110658506B (zh) 一种基于角度聚类和多普勒分析的微多普勒杂波滤除方法
CN112162256A (zh) 一种基于脉冲相关的级联式多维度径向运动特征检测方法
CN110208788B (zh) 一种基于滑窗的连续帧联合速度解模糊方法
JP3773779B2 (ja) レーダ信号処理装置
CA2585023C (en) Track quality based multi-target tracker
CN108508413B (zh) 一种基于概率统计的低信噪比条件下目标检测方法
JP2000346932A (ja) 目標追尾方法及び目標追尾レーダ装置
CN111458690A (zh) 基于数学形态学的雷达气象杂波抑制方法
CN110244289A (zh) 一种自适应粒子滤波地波雷达目标一体化探测方法
CN110673118A (zh) 一种主动声纳单频脉冲串波形设计及检测算法

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