CN113109777B - 基于stokes矢量分解的宽带极化雷达目标检测方法 - Google Patents
基于stokes矢量分解的宽带极化雷达目标检测方法 Download PDFInfo
- Publication number
- CN113109777B CN113109777B CN202110217567.4A CN202110217567A CN113109777B CN 113109777 B CN113109777 B CN 113109777B CN 202110217567 A CN202110217567 A CN 202110217567A CN 113109777 B CN113109777 B CN 113109777B
- Authority
- CN
- China
- Prior art keywords
- detection
- target
- false alarm
- decomposition
- alarm rate
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 205
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 45
- 230000010287 polarization Effects 0.000 title claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 22
- 230000009977 dual effect Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 10
- 125000004122 cyclic group Chemical group 0.000 claims description 7
- 101100194362 Schizosaccharomyces pombe (strain 972 / ATCC 24843) res1 gene Proteins 0.000 claims description 6
- 241000764238 Isis Species 0.000 claims description 3
- 101100194363 Schizosaccharomyces pombe (strain 972 / ATCC 24843) res2 gene Proteins 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005388 cross polarization Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Radar, Positioning & Navigation (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出的一种基于Stokes矢量分解的宽带极化雷达目标检测方法,通过对从雷达系统中获取的双极化雷达回波数据进行Stokes分解,获得分量序列;根据预先设置的检测门限,对分量序列使用基于顺序统计量的多通道检测算法检测,获得检测结果;对检测结果进行融合,获得融合后的最终检测结果。本发明利用了目标与杂波极化特性的不同,增大了目标的信杂比,并且结合使用了目标能量积累效率高的基于顺序统计量的多通道检测算法对目标进行检测,提高了宽带极化体制雷达的目标检测概率,易于工程实现,应用于雷达系统中,有助于雷达对目标的精确探测。
Description
技术领域
本发明属于雷达信号处理技术领域,具体涉及一种基于stokes矢量分 解的宽带极化雷达目标检测方法。
背景技术
雷达目标检测技术通过对雷达回波进行检测,从观测背景中检测出目 标,并返回目标的位置信息。雷达目标检测技术是雷达导引头对目标进行 识别、跟踪的基础。良好的雷达目标检测技术能够为雷达整体性能的稳定 提供有力保障。
随着宽带雷达体制的发展,雷达的分辨率得到了提升。宽带体制雷达 的高分辨距离像成像技术通过对雷达回波信号进行处理,得到距离上高分 辨的目标一维距离像,目标在回波上呈现为多个散射点,能够在一定程度 上反应出目标的结构几何特征。传统的窄带雷达目标检测算法主要是针对 “点目标进行检测”,对宽带雷达不再适用,对宽带雷达数据进行检测时会 造成检测性能的下降,因此需要寻求匹配的宽带雷达目标检测算法。目前大多数宽带雷达目标检测算法仅是在窄带雷达目标检测算法上进行了部分 改动,例如增加多级门限,或直接使用深度学习等方法。虽然多级门限检 测算法在一定程度上能够减低虚警概率,但是多级门限的方法通常无法精 确获得检测算法的理论虚警概率,对不同的数据的性能也各不相同;深度 学习的方法虽然使用方便,但是对于未知的目标,例如敌对目标,其样本 数据获得也是一个难题。
为解决上述问题,现有的研究现状是,一方面,对目标散射点的能量 进行后进行检测,宽带雷达中目标的能量分布在多个距离单元上,进行能 量积累后在检测能够提高目标的检测概率。另一方面,极化体制雷达的发 展也为雷达目标检测提供了新的途径,目标的极化信息包含了目标的电磁 散射特性,可以使用雷达的极化信息进行预滤波或特征检测。文献“逆高 斯纹理复合高斯杂波下距离扩展目标自适应检测方法,许述文,薛健等,201510765409.7”提出了一种逆高斯纹理复合高斯杂波下距离扩展目标自适 应检测方法,该方法能够自适应产生检测门限,在对距离扩展目标进行能 量积累后进行检测,提高了距离扩展目标的检测概率,但是由于不同目标 的径向尺寸不同,该方法在对不同长度的目标进行检测时不能保证性能稳 定。文献“基于随机矩阵有限谱的扩展目标回波检测方法,汪飞,谢丁速 等,201910674168.3”提出了一种基于随机矩阵有限谱的扩展目标回波检测 方法,利用特征检测的方法,提高了扩展雷达的检测概率。但是该方法的 特征计算量大,实现起来实时性无法得到保证。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于Stokes 矢量分解的宽带极化雷达目标检测方法。本发明要解决的技术问题通过以 下技术方案实现:
本发明提供的一种基于Stokes矢量分解的宽带极化雷达目标检测方法, 包括:
对所述雷达获得的双极化雷达回波数据进行Stokes分解,获得分量序列;
根据所给门限计算公式,求出检测门限;
根据预先设置的检测门限,对所述分量序列使用基于顺序统计量的多 通道检测算法检测,获得检测结果;
其中,所述检测结果表示距离单元是否为目标;
对所述检测结果进行融合,获得融合后的最终检测结果。
可选的,所述对所述雷达获得的双极化雷达回波数据进行Stokes分解, 获得分量序列包括:
对双极化雷达回波数据Shp(n)和Svp(n),使用分解公式进行极化分解, 得到相应的四个分量序列g0(n),g1(n),g2(n),g3(n);
所述分解公式为:
其中,p表示发射波形的极化方式,h表示同极化接收,v表示交叉极 化接收,n表示时间序列,对应空间中的距离信息。
可选的,所述检测门限通过如下步骤计算获得:
基于多个分量序列的虚警率,确定检测系统所要求的总虚警率Pfa;
基于所述总虚警率Pfa,计算出单个通道的虚警率Psfa;
基于所述单个原始通道的虚警率Psfa,计算第i原始通道的检测门限γi。
可选的,所述基于所述总虚警率Pfa,计算出单个原始通道的虚警率Psfa的步骤包括:
将所述总虚警率Pfa作为单通道计算公式的输入,计算单个原始通道的 虚警率Psfa;
所述单通道计算公式为:
Pfa=1-[(1-Psfa)3]q
其中q表示检测通道数。
可选的,所述基于所述单个原始通道的虚警率Psfa,计算第i原始通道 的检测门限γi的步骤包括:
在杂波背景幅度服从瑞利分布,包络服从指数分布的情况下,将检测 窗长为L,参考窗长为Ls以及单个原始通道的虚警率Psfa带入检测门限求解 公式,计算第i原始通道检测门限γi;
检测门限求解公式为:
其中,Psfa表示原始单通道的虚警率,L表示检测窗长,Ls表示参考窗 长,i表示第i个原始通道,γi表示第i个原始通道的检测门限,P1,P2,P3为第2 到L-1原始道通的虚警率与门限因子关系式的部分分解式,表示从L个元 素中取出m个元素的循环排列数,/>表示从L-i个元素中取出j个元素的循 环排列数,/>表示从L个元素中取出i个元素的循环组合数。j,k,l,m均为公 式中求和符号∑的一部分,代表求和范围。
可选的,所述根据预先设置的检测门限,对所述分量序列使用基于顺 序统计量的多通道检测算法检测,获得检测结果的步骤包括:
步骤1:选取长度为L的检测窗;
步骤2:针对每个分量序列,在所述检测窗两端设置合适的保护单元, 并在保护单元外选取总体长度为Ls的参考窗;
步骤3:使用所述检测窗检测所述分量序列,以使分量序列进入检测窗, 并对分量序列的子序列按照功率大小进行降序排列,排列后的结果表示为 y(1),y(2),...,y(L),参考单元内的序列表示为x(1),x(2),...,x(Ls);
步骤4:初始化q=1,用于表示第q个检测通道,从原始通道i中选择 出预设数量个通道,作为检测通道;
步骤5:判断是否大于/>或q是否大于检测通道数;
步骤6:如果不大于/>且q不大于检测通道数,否则令 q=q+1,并重复步骤5;
步骤7:如果大于/>或q大于检测通道数,记录下当前 检测窗内最大值点的位置n,标记为目标,并保存检测结果res1(n),n=1,2,...,N;
步骤8:将检测窗向后滑动一个距离单元,重复子步骤2-步骤7直至检 测窗滑到序列末尾时,获得检测结果。
可选的,所述对所述检测结果进行融合,获得融合后的最终检测结果 的步骤包括:
使用融合公式对所述检测结果进行融合,获得融合后的最终检测结果;
所述融合公式为:
res(n)=res1(n)|res2(n)|res3(n),n=1,2,...,N
其中,res(n)=1表示该距离单元为目标散射点,res(n)=0表示该距离单 元不是目标散射点。
(1)由于在不同通道中杂波的统计特性相同,但是目标的散射特性通 常和杂波不同,经过Stokes分解后不同散射特性的目标在g1,g2,g3某个分量 中的信杂比会大于g0通道的信杂比,因此对g1,g2,g3进行检测能够提升对弱 小目标的检测概率;
(2)由于常用的宽带雷达目标检测算法需要目标的先验信息,例如目 标的强散射点个数,目标的径向长度等。而本发明中使用的宽带雷达目标 检测算法具有多个检测通道,能够适应多种起伏类型目标,对不同起伏类 型的目标进行检测时都具有较好的检测效果;
(3)本发明提出的检测算法的检测系数固定,可线下计算得出,检测 门限只需对杂波功率进行简单的均值估计乘以检测系数即可得到,能够满 足一般工程的实时性需求。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1为本发明提供的一种基于Stokes矢量分解的宽带极化雷达目标检 测方法的流程图;
图2为本发明提供的检测方法的实现流程图;
图3为基于顺序统计量的多通道检测算法框图;
图4为实验1实测数据的场景观测图;
图5为实验1实测数据进行Stokes分解后的多通道数据图;
图6为实验1实测数据检测结果和融合后的检测结果示意图;
图7为实验2实测数据的场景观测图;
图8为实验2实测数据进行Stokes分解后的多通道数据图;
图9为实验2实测数据检测结果和融合后的检测结果示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施 方式不限于此。
实施例一
如图1以及图2所示,本发明提供的一种基于Stokes矢量分解的宽带极化 雷达目标检测方法包括:
S1,对所述双极化雷达回波数据进行Stokes分解,获得分量序列;
S2,根据预先设置的检测门限,对所述分量序列使用基于顺序统计量 的多通道检测算法检测,获得检测结果;
其中,所述检测结果表示距离单元是否为目标;
S3,对检测结果进行融合,获得融合后的最终检测结果。
本发明提出的一种基于Stokes矢量分解的宽带极化雷达目标检测方法, 通过对从雷达系统中获取的双极化雷达回波数据进行Stokes分解,获得分量 序列;根据预先设置的检测门限,对分量序列使用基于顺序统计量的多通 道检测算法检测,获得检测结果;对检测结果进行融合,获得融合后的最 终检测结果。本发明利用了目标与杂波极化特性的不同,增大了目标的信 杂比,并且结合使用了目标能量积累效率高的基于顺序统计量的多通道检 测算法对目标进行检测,提高了宽带极化体制雷达的目标检测概率,易于 工程实现,应用于雷达系统中,有助于雷达对目标的精确探测。
实施例二
作为本发明一种可选的实施例,对所述双极化雷达回波数据进行Stokes 分解,获得分量序列包括:
对双极化雷达回波数据Shp(n)和Svp(n),使用分解公式进行极化分解, 得到相应的四个分量序列g0(n),g1(n),g2(n),g3(n);
所述分解公式为:
其中,p表示发射波形的极化方式,h表示水平接收,v表示交叉极化 接收,n表示时间序列,对应空间中的距离信息。
实施例三
作为本发明一种可选的实施例,所述检测门限通过如下步骤计算获得:
步骤a:基于多个分量序列的虚警率,确定检测系统所要求的总虚警率 Pfa;
其中,Pfa通常为10-4或者10-6。总虚警率Pfa是由多个分量的虚警率共 同确定的,由于弹载平台上同一距离单元上极化度可以近似为0,即将 g1,g2,g3三个分量的杂波部分近似看作互不相关。而基于顺序统计量的多通 道检测算法选取了6个通道。
步骤b:基于所述总虚警率Pfa,计算出单个通道的虚警率Psfa;
本步骤可以通过将所述总虚警率Pfa作为单通道计算公式的输入,计算 单个通道的虚警率Psfa;
所述单通道计算公式为:
Pfa=1-[(1-Psfa)3]q
其中q表示检测通道数。
步骤c:基于所述单个原始通道的虚警率Psfa,计算第i原始通道的检测 门限γi。
本步骤在杂波背景幅度服从瑞利分布,包络服从指数分布的情况下, 将检测窗长为L,参考窗长为Ls以及单个通道的虚警率Psfa带入检测门限求 解公式,计算第i通道检测门限γi;
检测门限求解公式为:
其中,Psfa表示原始单通道的虚警率,L表示检测窗长,Ls表示参考窗 长,i表示第i个原始通道,γi表示第i个原始通道的检测门限,P1,P2,P3为第2 到L-1原始道通的虚警率与门限因子关系式的部分分解式,表示从L个元 素中取出m个元素的循环排列数,/>表示从L-i个元素中取出j个元素的循 环排列数,/>表示从L个元素中取出i个元素的循环组合数。j,k,l,m均为公 式中求和符号∑的一部分,代表求和范围。
实施例四
作为本发明一种可选的实施例,如图3所示,所述根据预先设置的检测 门限,对所述分量序列使用基于顺序统计量的多通道检测算法检测,获得 检测结果的步骤包括:
步骤1:选取长度为L的检测窗;
步骤2:针对每个分量序列,在所述检测窗两端设置合适的保护单元, 并在保护单元外选取总体长度为Ls的参考窗;
其中,N表示分量序列的长度。
步骤3:使用所述检测窗检测所述分量序列,以使分量序列进入检测窗, 并对分量序列的子序列按照功率大小进行降序排列,排列后的结果表示为 y(1),y(2),...,y(L),参考单元内的序列表示为x(1),x(2),...,x(Ls);
在检测窗两端设置合适的保护单元,并在保护单元外选取总体长度为 Ls的参考窗,多个参考单元依次相邻,设置在保护单元外与保护单元相邻。
步骤4:初始化q=1,用于表示第q个检测通道,从原始通道i中选择 出预设数量个通道,作为检测通道;
步骤5:判断是否大于/>或q是否大于检测通道数;
步骤6:如果不大于/>且q不大于检测通道数,否则令 q=q+1,并重复步骤5;
以检测窗长L=32为例,为减少计算量,本步骤只抽取其中6个通道进 行检测。若则表示检测窗内存在目标。若目标存在或i>6,进入子步骤7;若目标不存在,q=q+1,返回步骤5。
步骤7:如果大于/>或q大于检测通道数,记录下当前 检测窗内最大值点的位置n,标记为目标,并保存检测结果res1(n),n=1,2,...,N;
步骤8:将检测窗向后滑动一个距离单元,重复子步骤2-步骤7直至检 测窗滑到序列末尾时,获得检测结果。
实施例五
作为本发明一种可选的实施例,所述对所述检测结果进行融合,获得 融合后的最终检测结果的步骤包括:
使用融合公式对所述检测结果进行融合,获得融合后的最终检测结果;
所述融合公式为:
res(n)=res1(n)|res2(n)|res3(n),n=1,2,...,N
其中,res(n)=1表示该距离单元为目标散射点,res(n)=0表示该距离单 元不是目标散射点。
以下结合实测数据处理实验,对本发明的技术效果进行说明。
实验条件和内容:
实验条件:实验主要使用PC端的MATLAB仿真软件对宽带双极化雷 达实测数据进行处理,主要与传统的基于极化功率相加的检测算法进行对 比。
实验内容:
实验1:场景示意图如说明书附图4所示,主要目标物为两个角反和一 个货车。部分雷达系统参数:ka波段,极化体制为双极化,带宽为400MHz。
实验2:场景示意图如说明书附图7所示,主要目标物为一个货车,一 个铁皮集装箱和三个角反。部分雷达系统参数:ka波段,极化体制为双极 化,带宽为400MHz;
实验结果分析:
表1实验1目标信杂比(dB)
实验1,仿真实验分析本发明通过Stokes分解获取更高目标信杂比效 果图,结果如图5所示。在图5中,子图a是输入的双极化回波数据。子 图b是Stokes分解后的g1数据。子图c是Stokes分解后的g2数据。子图d 是Stokes分解后的g3数据。结合表1可以看出对数据进行Stokes分解的方 法能够在某一通道中提升目标的信杂比。有1-3dB的提升。目标信杂比有 改善。
表2实验1检测结果
实验1散射点检测结果如图6所示,在图6中子图a是g1数据检测结 果。子图b是g2数据检测结果。子图c是g3数据检测结果。子图d是融合 后的最终检测结果。结合表2可以看出当目标为信杂比较高的角反时,两 种极化宽带检测方法的检测概率均为100%;但当目标为信杂比较低的货车 时,基于Stokes矢量分解的宽带极化雷达目标检测算法的检测性能明显高 于传统的极化功率相加检测算法。目标检测概率有所提升。
表3实验2目标信杂比(dB)
实验2,仿真实验分析本发明通过Stokes分解获取更高目标信杂比效 果图,结果如图8所示。在图8中,子图a是输入的双极化回波数据。子 图b是Stokes分解后的g1数据。子图c是Stokes分解后的g2数据。子图d 是Stokes分解后的g3数据。结合表3可以看出对数据进行Stokes分解的方 法能够在某一通道中提升目标的信杂比。有1-3dB的提升。目标信杂比有 改善。
表4实验2检测结果
实验2散射点检测结果如图9所示。在图9中子图a是g1数据检测结 果。子图b是g2数据检测结果。子图c是g3数据检测结果。子图d是融合 后的最终检测结果。结合表4可以看出当目标为信杂比较高的角反和铁皮 房时,两种极化宽带检测方法的检测概率均为100%;但当目标为信杂比为 15dB的货车时,基于Stokes矢量分解的宽带极化雷达目标检测算法的检测 性能高于传统的极化功率相加检测算法。目标检测概率有所提升。
综上所述,本发明提出的一种基于Stokes矢量分解的宽带极化雷达目标 检测方法,通过对从雷达系统中获取的双极化雷达回波数据进行Stokes分解, 获得分量序列;根据预先设置的检测门限,对分量序列使用基于顺序统计 量的多通道检测算法检测,获得检测结果;对检测结果进行融合,获得融 合后的最终检测结果。本发明利用了目标与杂波极化特性的不同,增大了 目标的信杂比,并且结合使用了目标能量积累效率高的基于顺序统计量的 多通道检测算法对目标进行检测,提高了宽带极化体制雷达的目标检测概 率,易于工程实现,应用于雷达系统中,有助于雷达对目标的精确探测。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明, 不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域 的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简 单推演或替换,都应当视为属于本发明的保护范围。
Claims (2)
1.一种基于Stokes矢量分解的宽带极化雷达目标检测方法,其特征在于,包括:
从雷达系统中获取双极化雷达回波数据,并对所述双极化雷达回波数据进行Stokes分解,获得分量序列;
根据预先设置的检测门限,对所述分量序列使用基于顺序统计量的多通道检测算法检测,获得检测结果;
其中,所述检测结果表示距离单元是否为目标;
对所述检测结果进行融合,获得融合后的最终检测结果;
所述对所述双极化雷达回波数据进行Stokes分解,获得分量序列包括:
对双极化雷达回波数据Shp(n)和Svp(n),使用分解公式进行极化分解,得到相应的四个分量序列g0(n),g1(n),g2(n),g3(n);
所述分解公式为:
其中,p表示发射波形的极化方式,h表示同极化接收,v表示交叉极化接收,n表示时间序列,对应空间中的距离信息;
所述检测门限通过如下步骤计算获得:
基于多个分量序列的虚警率,确定检测系统所要求的总虚警率Pfa;
基于所述总虚警率Pfa,计算出单个通道的虚警率Psfa;
基于单个原始通道的虚警率Psfa,计算第i原始通道的检测门限γi;
所述基于所述总虚警率Pfa,计算出单个原始通道的虚警率Psfa的步骤包括:
将所述总虚警率Pfa作为单通道计算公式的输入,计算单个原始通道的虚警率Psfa;
所述单通道计算公式为:
Pfa=1-[(1-Psfa)3]q
其中q表示检测通道数;
所述基于单个原始通道的虚警率Psfa,计算第i原始通道的检测门限γi的步骤包括:
在杂波背景幅度服从瑞利分布,包络服从指数分布的情况下,将检测窗长为L,参考窗长为Ls以及单个原始通道的虚警率Psfa带入检测门限求解公式,计算第i原始通道检测门限γi;
检测门限求解公式为:
其中,Psfa表示原始单通道的虚警率,L表示检测窗长,Ls表示参考窗长,i表示第i个原始通道,γi表示第i个原始通道的检测门限,P1,P2,P3为第2到L-1原始道通的虚警率与门限因子关系式的部分分解式,表示从L个元素中取出m个元素的循环排列数,/>表示从L-i个元素中取出j个元素的循环排列数,/>表示从L个元素中取出i个元素的循环组合数;j,k,l,m均为公式中求和符号∑的一部分,代表求和范围;
所述根据预先设置的检测门限,对所述分量序列使用基于顺序统计量的多通道检测算法检测,获得检测结果的步骤包括:
步骤1:选取长度为L的检测窗;
步骤2:针对每个分量序列,在所述检测窗两端设置合适的保护单元,并在保护单元外选取总体长度为Ls的参考窗;
步骤3:使用所述检测窗检测所述分量序列,以使分量序列进入检测窗,并对分量序列的子序列按照功率大小进行降序排列,排列后的结果表示为y(1),y(2),...,y(L),参考单元内的序列表示为x(1),x(2),...,x(Ls);
步骤4:初始化q=1,用于表示第q个检测通道,从原始通道i中选择出预设数量个通道,作为检测通道;
步骤5:判断是否大于/>或q是否大于检测通道数;
步骤6:如果不大于/>且q不大于检测通道数,否则令q=q+1,并重复步骤5;
步骤7:如果大于/>或q大于检测通道数,记录下当前检测窗内最大值点的位置n,标记为目标,并保存检测结果res1(n),n=1,2,...,N;
步骤8:将检测窗向后滑动一个距离单元,重复子步骤2-步骤7直至检测窗滑到序列末尾时,获得检测结果。
2.根据权利要求1所述的宽带极化雷达目标检测方法,其特征在于,所述对所述检测结果进行融合,获得融合后的最终检测结果的步骤包括:
使用融合公式对所述检测结果进行融合,获得融合后的最终检测结果;
所述融合公式为:
res(n)=res1(n)|res2(n)|res3(n),n=1,2,...,N
其中,res(n)=1表示该距离单元为目标散射点,res(n)=0表示该距离单元不是目标散射点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110217567.4A CN113109777B (zh) | 2021-02-26 | 2021-02-26 | 基于stokes矢量分解的宽带极化雷达目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110217567.4A CN113109777B (zh) | 2021-02-26 | 2021-02-26 | 基于stokes矢量分解的宽带极化雷达目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113109777A CN113109777A (zh) | 2021-07-13 |
CN113109777B true CN113109777B (zh) | 2024-02-06 |
Family
ID=76709493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110217567.4A Active CN113109777B (zh) | 2021-02-26 | 2021-02-26 | 基于stokes矢量分解的宽带极化雷达目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113109777B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502905A (zh) * | 2014-11-28 | 2015-04-08 | 西安电子科技大学 | 基于多通道顺序统计的距离扩展目标检测方法 |
CN108983227A (zh) * | 2018-08-23 | 2018-12-11 | 中国人民解放军国防科技大学 | 一种基于白化滤波的极化mimo雷达检测方法 |
KR102005099B1 (ko) * | 2018-12-10 | 2019-07-29 | 엘아이지넥스원 주식회사 | W대역 밀리미터파 공대지레이더에서 단일 채널 신호의 표적 식별률이 반영된 이중편파 채널 신호를 이용하는 표적 식별 장치 및 그 방법 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7920088B2 (en) * | 2006-03-03 | 2011-04-05 | Scott Randall Thompson | Apparatus and method to identify targets through opaque barriers |
JP6231803B2 (ja) * | 2013-07-30 | 2017-11-15 | 富士通テン株式会社 | レーダ装置、及び、信号処理方法 |
-
2021
- 2021-02-26 CN CN202110217567.4A patent/CN113109777B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502905A (zh) * | 2014-11-28 | 2015-04-08 | 西安电子科技大学 | 基于多通道顺序统计的距离扩展目标检测方法 |
CN108983227A (zh) * | 2018-08-23 | 2018-12-11 | 中国人民解放军国防科技大学 | 一种基于白化滤波的极化mimo雷达检测方法 |
KR102005099B1 (ko) * | 2018-12-10 | 2019-07-29 | 엘아이지넥스원 주식회사 | W대역 밀리미터파 공대지레이더에서 단일 채널 신호의 표적 식별률이 반영된 이중편파 채널 신호를 이용하는 표적 식별 장치 및 그 방법 |
Non-Patent Citations (3)
Title |
---|
"双极化雷达联合高分辨成像及其目标识别研究";顾亚龙;《中国优秀硕士学位论文全文数据库 信息科技辑》;全文 * |
"Feature Extraction Method for DCP HRRP-Based Radar Target Recognition via m−χ Decomposition and Sparsity-Preserving Discriminant Correlation Analysis";Jingjing Wang et al.;《 IEEE Sensors Journal 》;第20卷(第8期);全文 * |
基于Stokes矢量的高分辨极化目标检测;李永祯, 王雪松, 李军, 肖顺平, 庄钊文;现代雷达(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113109777A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cramer et al. | On the analysis of UWB communication channels | |
CN107202989B (zh) | 一种适用于被动拖曳线列阵声呐的复杂弱目标检测和跟踪方法 | |
CN109444820A (zh) | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 | |
CN109143184B (zh) | 一种扫描雷达的双门限检测方法 | |
CN106772270A (zh) | 一种雷达回波信号的采样方法及重构方法 | |
CN110398722A (zh) | 基于随机矩阵有限谱的扩展目标回波检测方法 | |
CN104111449A (zh) | 一种改进的基于广义内积的空时二维自适应处理方法 | |
CN105866748B (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
KR102011959B1 (ko) | 펄스 압축 과정에서 간섭신호를 탐지하는 레이더 수신신호 처리 방법 및 그를 위한 장치 | |
CN114185030A (zh) | 一种雷达信号脉内调制识别方法及系统 | |
CN109416397A (zh) | 用于雷达和通信系统的冲击噪声检测和清除 | |
CN113109777B (zh) | 基于stokes矢量分解的宽带极化雷达目标检测方法 | |
Wang et al. | Modified reference window for two‐dimensional CFAR in radar target detection | |
CN109932697B (zh) | 基于压缩感知的微弱目标检测方法 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN108008374B (zh) | 基于能量中值的海面大型目标检测方法 | |
CN115980689A (zh) | 基于点云检测的辐射源信号分选方法、装置、设备及介质 | |
CN109581319B (zh) | 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 | |
Meng | Comments on ‘Constant false-alarm rate algorithm based on test cell information’ | |
CN112578359A (zh) | 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 | |
Ding et al. | Data Fusion Network-Based Time-Frequency Enhancement Algorithm for Doppler Through-Wall Radar Tracking | |
Chen et al. | The adaptive constant false alarm rate for sonar target detection based on back propagation neural network access | |
CN113138372B (zh) | 一种基于改进型m/n检测器的多径环境下雷达目标检测方法 | |
KR101712893B1 (ko) | 펄스 신호의 펄스 정보 추정을 위한 신호 감지 장치 및 그 제어 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 |