CN113341418A - 基于dbf机载气象雷达前视快速扫描下的解模糊方法 - Google Patents
基于dbf机载气象雷达前视快速扫描下的解模糊方法 Download PDFInfo
- Publication number
- CN113341418A CN113341418A CN202110556549.9A CN202110556549A CN113341418A CN 113341418 A CN113341418 A CN 113341418A CN 202110556549 A CN202110556549 A CN 202110556549A CN 113341418 A CN113341418 A CN 113341418A
- Authority
- CN
- China
- Prior art keywords
- data
- covariance matrix
- azimuth
- doppler
- radar
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000013598 vector Substances 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims abstract description 43
- 238000001228 spectrum Methods 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000001629 suppression Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000011541 reaction mixture Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
- G01S13/953—Radar or analogous systems specially adapted for specific applications for meteorological use mounted on aircraft
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于DBF机载气象雷达前视快速扫描下的解模糊方法,包括步骤:(1)接收系统雷达数据;(2)确定多普勒模糊数K,并将数据在方位向上分段;(3)取其中一段数据进行方位向傅里叶变换,再估计数据的协方差矩阵;(4)对于每个模糊成分,分别计算其对应的多普勒频率范围和方位角范围;(5)重构各个非期望模糊分量的协方差矩阵;(6)估计导向矢量;(7)求解最优权矢量;(8)利用最优权矢量进行空域滤波,进行频谱拼接;(9)对于步骤(8)中的数据变换得到时域数据,进行存储;(10)进行数据判断。本发明针对机载气象雷达的前视快速扫描的工作模式,能够很好的恢复信号的多普勒频谱,并具有简单易实现的特点。
Description
技术领域
本发明涉及解模糊方法,尤其涉及一种基于DBF机载气象雷达前视快速扫描下的解模糊方法。
背景技术
在机载天气雷达的天气信号检测、地杂波抑制等任务中,多普勒信息的获取非常重要。一般来说,天气雷达需要的观测范围比较长,因此在设计系统时,通常选择较低的PRF(pulse repetition frequency脉冲重复频率)来避免距离模糊。然而,低PRF会导致接收信号在多普勒域的混叠和多普勒信息的恶化,从而导致目前许多气象信号检测和地杂波抑制方法的失效。因此,由于PRF的选择不能同时满足距离和多普勒的不模糊性要求,对机载天气雷达提出了挑战。
发明内容
发明目的:本发明的目的是提供一种抑制模糊性好、易实现的基于方位向DBF记载气象雷达前视快速扫描下的多普勒解模糊方法。
技术方案:本发明的解模糊方法,包括如下步骤:
(1)通过方位多通道阵列接收系统雷达数据;
(2)确定多普勒模糊数K,并将雷达数据依照相参脉冲数在方位向上分段;
(3)取其中一段分段后的数据,进行方位向傅里叶变换,再利用多个回波数据估计多普勒模糊数的协方差矩阵;
(4)对于每个模糊成分,分别计算其对应的多普勒频率范围和方位角范围;
(5)重构各个非期望模糊分量的协方差矩阵;
(6)根据步骤(5)估计导向矢量;
(7)根据步骤(5)求解的协方差矩阵和步骤(6)中的导向矢量,求解最优权矢量;
(8)利用步骤(7)中的最优权矢量进行空域滤波,再进行频谱拼接,得到恢复后的多普勒频谱;
(9)对于步骤(8)中的多普勒频谱,进行方位向逆傅里叶变换得到时域数据,并按照数据理论顺序进行存储;
(10)判断每段时域数据是否都被处理完,若未处理完,重复进行步骤(3)-(9),直至每一段多普勒模糊数据都进行了处理。
进一步,所述步骤(2)中多普勒模糊数K的计算方法为计算选定雷达数据中心的多普勒频率:
进一步,所述步骤(3)中协方差矩阵的估计方法为:
R=E{xxH}
其中,x是多普勒域中阵列的回波数据矢量,xH为多普勒域中阵列的回波数据矢量共轭转置,R为协方差矩阵估计结果,E{·}为求解期望。
进一步,所述步骤(4)中,方位角和多普勒频率之间的计算关系为:
进一步,所述步骤(5)中,重构非期望模糊分量协方差矩阵的方法为:
其中,ρ{·}表示计算协方差矩阵最大特征值对应的特征向量,是估计的导向矢量;为协方差矩阵每个角度下的Capon空间谱,是采样协方差矩阵R的估计量,是重构的信号协方差矩阵,是以θ为方位角的标称空间导向矢量,是以θ为方位角的标称空间导向矢量的共轭转置。
进一步,所述步骤(7)中,最优权矢量的求解方法为:
其中,k·PRF为k倍的PRF。
进一步,所述步骤(8)中,最优权矢量进行空域滤波的方法为:
本发明与现有技术相比,其显著效果如下:1、本发明利用方位多通道阵列接收系统接收雷达数据,以Capon波束形成算法为基础,通过协方差矩阵重构和导向矢量估计求解最优权矢量,进而得到最终的解模糊结果;2、通过协方差矩阵重构,鲁棒性更优;且导向矢量的估计能够有效地防止角度误差对解模糊性能的影响;3、本发明将鲁棒DBF应用在气象雷达解模糊中,抑制模糊性好,简单易实现。
附图说明
图1为本发明的方法流程图;
图2为本发明方位多通道机载气象雷达系统回波数据对应的三维空间几何接收模型图;
图3(a)为不模糊多普勒频谱结果图,(b)为模糊的多普勒频谱结果图,(c)模糊的MVDR谱结果图;
图4(a)为保留第一个期望模糊分量的自适应方向图,(b)为保留第二个期望模糊分量的自适应方向图,(c)为保留第三个期望模糊分量的自适应方向图;
图5为本发明的解模糊结果图;
图6为本发明解模糊结果的其中一个距离门的切片结果图;
图7(a)为不模糊时检测结果图,(b)为解模糊后检测结果图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明做进一步详细描述。
如图1所示,为本发明的解模糊方法流程图;图2为方位多通道机载气象雷达系统回波数据对应的三维空间几何接收模型示意图,其具体步骤如下:
步骤1,通过方位多通道阵列接收系统接收雷达数据。
步骤2,确定多普勒模糊数K,并将雷达数据依照相参脉冲数在方位向上分段;
多普勒模糊数K的计算方法为:计算选定雷达数据中心的多普勒频率
步骤3,取其中一段分段后的数据,进行方位向傅里叶变换,再利用多个回波数据估计多普勒模糊数的协方差矩阵;
协方差矩阵的估计方法为:
R=E{xxH} (3)
式(3)中,x是多普勒域中阵列的回波数据矢量,xH是多普勒域中阵列的回波数据矢量的共轭转置,R为协方差矩阵估计结果,E{·}为求解期望。
步骤4,对于每个模糊成分,分别计算其对应的多普勒频率范围和方位角范围;
方位角和多普勒频率之间的计算关系为:
步骤5,重构各个非期望模糊分量的协方差矩阵。
重构非期望模糊分量协方差矩阵的方法为:
式(8)中,ρ{·}表示计算协方差矩阵最大特征值对应的特征向量,是估计的导向矢量。为协方差矩阵每个角度下的Capon空间谱,是采样协方差矩阵R的估计量,是重构的信号协方差矩阵,是以θ为方位角的标称空间导向矢量,是以θ为方位角的标称空间导向矢量的共轭转置。
步骤7,求解最优权矢量。
最优权矢量的求解方法为:
其中,k·PRF为k倍的PRF。
步骤8,利用最优权矢量进行空域滤波,再进行频谱拼接,得到恢复后的多普勒频谱;
最优权矢量进行空域滤波的方法为:
步骤9,对于步骤8中的多普勒频谱数据,进行方位向逆傅里叶变换得到时域数据,并按照数据理论顺序进行存储;
步骤10,进行判断每段时域数据是否都被处理完;若未处理完,重复进行步骤3-步骤9,直至每一段多普勒模糊数据都进行了处理。
针对本发明的解模糊问题,在验证过程中,分为两个验证过程:第一,通过扫描真实的雷达图像生成数据,如此得到的数据的频谱不是规律的,以对比解模糊前后多普勒频谱的细节。第二,对气象目标和地杂波数据进行了仿真,并用基于多普勒信息的检测方法对解模糊前后的数据进行气象目标检测,验证了本发明的可行性。
本发明基于DBF(Digital Beam Forming,数字波束形成)机载气象雷达前视快速扫描下的解模糊方法为多普勒解模糊方法,通过扫描真实的雷达图像来生成仿真数据来验证可行性。首先,从数据中提取100个距离门和64个脉冲的数据,通过方位向傅里叶变换进行处理,得到其多普勒频谱;为了构造多普勒模糊的数据,在上述数据的时域方位向上进行三抽一操作,即将数据的PRF(Pulse Repetition Frequency脉冲重复频率)降到原来的三分之一。然后可以得到抽取后数据的MVDR(Minimum Variance Distortionless Response最小方差无失真响应)频谱和多普勒频谱,其结果如图3(a)为抽取前的信号频谱,图3(b)为抽取后的信号频谱,图3(c)为抽取后的信号MVDR谱。通过对数据的MVDR频谱和多普勒频谱的分析,不难发现PRF降低后数据在多普勒域已经变得模糊。利用发明的方法可以恢复多普勒信息。
为了观察每组最优权矢量在不同方位角上的响应,使用每组最优权矢量来绘制自适应方向图,利用本发明的方法得到的自适应方向图由图4(a)、图4(b)和图4(c)中的方向图分别可以保留不同的期望模糊分量,抑制其它非期望的模糊分量。图5中给出了本发明多普勒解模糊的结果,与图3(a)抽取前原始数据频谱之间的比较,这两种算法均可以恢复信号的多普勒频谱。
为了更加直观的反映本发明多普勒频谱模糊的性能,如图6所示,在原始数据和利用改进波束形成算法解模糊后的结果中分别取第50个距离门数据的归一化幅度进行对比。从图中曲线可以看出本发明的方法对多普勒模糊频谱有一定的恢复能力,且在信号频谱能量较强的频率位置有很准确的重构效果。
为了反映恢复多普勒信息的效果,产生了气象目标和地杂波的仿真数据,以用于对气象目标进行检测。本验证采用基于多普勒信息的方法对气象目标进行检测,即杂波相位对准(Clutter phase alignment,CPA),其计算方法为相邻时间序列矢量和的模与对应时间序列幅度和的比值。CPA接近1意味着地杂波的概率非常高,CPA偏离1意味着这些分量是气象目标。然后将PRF减为原来的一半,再使用本发明的方法以恢复数据的多普勒信息。多普勒频谱恢复后的检测结果和未经抽取的检测结果如图7(a)和图7(b)所示。证明了本发明对多普勒频谱信息的恢复是有效的。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (8)
1.一种基于DBF机载气象雷达前视快速扫描下的解模糊方法,其特征在于,包括如下步骤:
(1)通过方位多通道阵列接收系统雷达数据;
(2)确定多普勒模糊数K,并将雷达数据依照相参脉冲数在方位向上分段;
(3)取其中一段分段后的数据,进行方位向傅里叶变换,再利用多个回波数据估计多普勒模糊数的协方差矩阵;
(4)对于每个模糊成分,分别计算其对应的多普勒频率范围和方位角范围;
(5)重构各个非期望模糊分量的协方差矩阵;
(6)根据步骤(5)估计导向矢量;
(7)根据步骤(5)求解的协方差矩阵和步骤(6)中的导向矢量,求解最优权矢量;
(8)利用步骤(7)中的最优权矢量进行空域滤波,再进行频谱拼接,得到恢复后的多普勒频谱;
(9)对于步骤(8)中的多普勒频谱,进行方位向逆傅里叶变换得到时域数据,并按照数据理论顺序进行存储;
(10)判断每段时域数据是否都被处理完,若未处理完,重复进行步骤(3)-(9),直至每一段多普勒模糊数据都进行了处理。
3.根据权利要求1所述的基于DBF机载气象雷达前视快速扫描下的解模糊方法,其特征在于,所述步骤(3)中协方差矩阵的估计方法为:
R=E{xxH}
其中,x是多普勒域中阵列的回波数据矢量,xH为多普勒域中阵列的回波数据矢量共轭转置,R为协方差矩阵估计结果,E{·}为求解期望。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556549.9A CN113341418B (zh) | 2021-05-21 | 2021-05-21 | 基于dbf机载气象雷达前视快速扫描下的解模糊方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110556549.9A CN113341418B (zh) | 2021-05-21 | 2021-05-21 | 基于dbf机载气象雷达前视快速扫描下的解模糊方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113341418A true CN113341418A (zh) | 2021-09-03 |
CN113341418B CN113341418B (zh) | 2022-06-10 |
Family
ID=77470449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110556549.9A Active CN113341418B (zh) | 2021-05-21 | 2021-05-21 | 基于dbf机载气象雷达前视快速扫描下的解模糊方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113341418B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975939A (zh) * | 2010-09-28 | 2011-02-16 | 北京航空航天大学 | 一种基于压缩感知理论的多普勒解模糊处理方法 |
CN104360325A (zh) * | 2014-11-26 | 2015-02-18 | 西安电子科技大学 | 机载前视阵雷达的空时自适应处理方法 |
CN104698431A (zh) * | 2015-03-17 | 2015-06-10 | 河海大学 | 模糊分量空间角的估计及多通道sar方位解模糊方法 |
CN107966688A (zh) * | 2017-11-09 | 2018-04-27 | 东南大学 | 基于相位干涉技术的宽带雷达目标速度解模糊方法 |
CN113777599A (zh) * | 2021-09-13 | 2021-12-10 | 电子科技大学 | 一种基于fda-mimo雷达的速度解模糊方法 |
-
2021
- 2021-05-21 CN CN202110556549.9A patent/CN113341418B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975939A (zh) * | 2010-09-28 | 2011-02-16 | 北京航空航天大学 | 一种基于压缩感知理论的多普勒解模糊处理方法 |
CN104360325A (zh) * | 2014-11-26 | 2015-02-18 | 西安电子科技大学 | 机载前视阵雷达的空时自适应处理方法 |
CN104698431A (zh) * | 2015-03-17 | 2015-06-10 | 河海大学 | 模糊分量空间角的估计及多通道sar方位解模糊方法 |
CN107966688A (zh) * | 2017-11-09 | 2018-04-27 | 东南大学 | 基于相位干涉技术的宽带雷达目标速度解模糊方法 |
CN113777599A (zh) * | 2021-09-13 | 2021-12-10 | 电子科技大学 | 一种基于fda-mimo雷达的速度解模糊方法 |
Non-Patent Citations (1)
Title |
---|
陈根华等: "《基于矩阵完型的干涉式阵列米波雷达解模糊算法》", 《电子与信息学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113341418B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275166B (zh) | 基于admm的快速稀疏孔径isar自聚焦与成像方法 | |
Jao | Theory of synthetic aperture radar imaging of a moving target | |
CN103744068B (zh) | 双通道调频连续波sar系统的动目标检测成像方法 | |
US9329264B2 (en) | SAR image formation | |
CN112346030B (zh) | 无人机群的超分辨波达方向估计方法 | |
CN109507666B (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
CN110806577B (zh) | 合成孔径雷达的聚焦成像方法及装置、设备、存储介质 | |
CN109669182B (zh) | 无源双基地sar动/静目标联合稀疏成像方法 | |
CN109407070B (zh) | 一种高轨平台地面运动目标检测方法 | |
CN103454624A (zh) | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
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 | |
CN113589287B (zh) | 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 | |
CN106802408B (zh) | 基于稀疏恢复的机载非正侧阵近程杂波距离模糊抑制方法 | |
CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
CN113466863A (zh) | 一种sar舰船目标高分辨成像方法 | |
CN106772373B (zh) | 针对任意地面运动目标的sar成像方法 | |
CN113341418B (zh) | 基于dbf机载气象雷达前视快速扫描下的解模糊方法 | |
CN114780911B (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
CN111880154B (zh) | 基于对称波数谱对消的复图像域运动目标检测方法 | |
Marques et al. | Moving target trajectory estimation in SAR spatial domain using a single sensor | |
CN109765540A (zh) | 一种频率步进体制米波雷达目标提取方法 |
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 |