CN113406578B - 分布式无人机载雷达目标检测方法、装置及存储介质 - Google Patents
分布式无人机载雷达目标检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113406578B CN113406578B CN202110568558.XA CN202110568558A CN113406578B CN 113406578 B CN113406578 B CN 113406578B CN 202110568558 A CN202110568558 A CN 202110568558A CN 113406578 B CN113406578 B CN 113406578B
- Authority
- CN
- China
- Prior art keywords
- radar
- data
- main
- auxiliary
- unmanned aerial
- 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
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
-
- 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
-
- 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)
- 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
本发明公开了一种分布式无人机载雷达目标检测方法、装置及存储介质,该方法包括多个分布式无人机载雷达同时对空间目标进行探测,获得回波数据;选择第一雷达为主雷达,选择第二雷达组为辅助雷达;对回波数据进行抽取,得到抽取结果;对抽取结果进行广义旁瓣对消结果计算,并进行加权输出;对抽取结果的加权输出结果进行非相参积累。本发明能够充分利用分布式雷达系统中每一部无人机载雷达探测数据中的目标信息,对比传统的广义旁瓣对消方法,可以获得更高的处理增益,提高处理后目标的信噪比,提高目标的检测概率。
Description
技术领域
本发明涉及雷达技术领域,尤其是一种分布式无人机载雷达目标检测方法、装置及存储介质。
背景技术
主瓣干扰指从雷达接收波束主瓣进入接收数据的干扰,使用阵列信号处理对主瓣干扰进行自适应抑制时由于干扰与目标同在主瓣内,角度位置离目标很近,抑制主瓣干扰的同时会出现波束畸变干扰抑制不理想,还可能会影响目标信号出现目标信号对消,因此抑制主瓣干扰最直接的方法是使其不出现在主瓣范围内。雷达的主瓣波束宽度受天线尺寸的直接影响,对于分布式雷达系统,不同的分布式节点等效将雷达天线的基线长度拉长,主瓣的波束宽度变窄,相对于单部雷达系统对目标进行探测的情况,分布式相当于将原波束宽度内用多个更窄的波束进行覆盖,主瓣仍然对准目标所在角度,相应地干扰就从相对于单雷达的主瓣位置变成分布式系统的旁瓣位置。使用分布式雷达系统对数据进行自适应处理需要各节点的相对空间位置、探测时间充分同步,保证分布式的导向矢量足够精准,才能获得理想的干扰抑制效果。各分布式节点的相对空间位置是难以精确获得的,特别是对于机动性强的无人机载探测雷达,其空间位置常常是时变的,这就造成分布式系统的整个空间构型是时变的,导向矢量就难以获得。对于实际的雷达系统,单部雷达的系统参数常常是确定的,将分布式系统的导向矢量分为两个部分,单部雷达的阵列导向矢量和各节点间的阵间导向矢量,难以获得的其实是阵间导向矢量。传统的处理采用广义旁瓣对消(GeneralSidelobe Canceller)的思想,将一部雷达作为主雷达,其余雷达作为辅助对消的节点;此时目标只能获得来自主雷达的阵列增益,辅助雷达作为辅助对消通道只用于对干扰的对消;当主雷达的阵列增益远大于辅助雷达时,这种舍弃影响不大;当分布式系统中,辅助节点的雷达的阵列增益也较大时,这种舍弃就造成了系统资源的严重浪费。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种分布式无人机载雷达目标检测方法、装置及存储介质。
本发明所采取的技术方案是:
一方面,本发明实施例包括一种分布式无人机载雷达目标检测方法,包括:
多个分布式无人机载雷达同时对空间目标进行探测,获得回波数据;
选择第一雷达为主雷达,选择第二雷达组为辅助雷达,所述第一雷达为所述分布式无人机载雷达中的任意一个雷达,所述第二雷达组为所述分布式无人机载雷达中除所述第一雷达以外的所有雷达;
对所述回波数据进行抽取,得到抽取结果,所述抽取结果包括主雷达数据和辅助雷达数据;
对所述抽取结果进行广义旁瓣对消结果计算,并进行加权输出;
对所述抽取结果的加权输出结果进行非相参积累。
进一步地,所述在多个分布式无人机载雷达同时对空间目标进行探测,获得回波数据之后,所述方法还包括:
对所述回波数据进行预处理,所述预处理包括脉冲压缩处理和脉冲多普勒处理中的至少一种。
进一步地,所述对所述回波数据进行抽取,得到主雷达数据和辅助雷达数据这一步骤,包括:
确定第一通道序号,所述第一通道序号为主雷达和辅助雷达对应的通道序号;
根据所述第一通道序号,抽取主雷达数据和辅助雷达数据。
进一步地,所述对所述抽取结果进行广义旁瓣对消结果计算,并进行加权输出这一步骤,包括:
计算主雷达对应的阵内导向矢量;
根据抽取得到的所述主雷达数据和所述阵内导向矢量,计算主雷达的处理输出;
根据抽取得到的所述辅助雷达数据和所述主雷达的处理输出,计算辅助雷达的处理输出;
对所述主雷达的处理输出和所述辅助雷达的处理输出进行广义旁瓣对消结果计算,并进行加权输出。
进一步地,所述主雷达对应的阵内导向矢量是通过以下公式计算得到:
式中,θ为雷达阵列的空间位置参数[xk,yk,zk]和雷达扫描波位对应的方位角,为雷达阵列的空间位置参数[xk,yk,zk]和雷达扫描波位对应的俯仰角,Si为主雷达对应的阵内导向矢量矩阵。
进一步地,所述主雷达的处理输出是通过以下公式计算得到:
式中,P表示主雷达的处理输出,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,表示主雷达数据Xi的协方差矩阵/>的逆计算,协方差矩阵为/>E[]表示取均值。
进一步地,所述辅助雷达的处理输出是通过以下公式计算得到:
式中,P′表示辅助雷达的处理输出,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,表示主雷达数据Xi的协方差矩阵/>的逆计算,/>表示主雷达数据Xi和辅助雷达数据X i的互协方差矩阵,/>E[]表示取均值,/>表示辅助雷达数据X i的协方差矩阵/>的逆计算。
进一步地,所述对所述主雷达的处理输出和所述辅助雷达的处理输出进行广义旁瓣对消结果计算,并进行加权输出是通过以下公式执行:
式中,yi表示加权输出结果,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,表示主雷达数据Xi的协方差矩阵/>的逆计算,/>表示主雷达数据Xi和辅助雷达数据X i的互协方差矩阵,/>表示辅助雷达数据X i的协方差矩阵/>的逆计算。
另一方面,本发明实施例还包括一种分布式无人机载雷达目标检测装置,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述的分布式无人机载雷达目标检测方法。
另一方面,本发明实施例还包括计算机可读存储介质,其上存储有处理器可执行的程序,所述处理器可执行的程序在被处理器执行时用于实现所述的分布式无人机载雷达目标检测方法。
本发明的有益效果是:
本发明通过选择第一雷达为主雷达,选择第二雷达组为辅助雷达,所述第一雷达为所述分布式无人机载雷达中的任意一个雷达,所述第二雷达组为所述分布式无人机载雷达中除所述第一雷达以外的所有雷达;然后根据选择依次作广义旁瓣对消处理,得到多个广义旁瓣对消结构;能够充分利用分布式雷达系统中每一部无人机载雷达探测数据中的目标信息,对比传统的广义旁瓣对消方法,可以获得更高的处理增益,提高处理后目标的信噪比,提高目标的检测概率。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例所述分布式无人机载雷达目标检测方法的步骤流程图;
图2为本发明实施例所述分布式无人机载雷达目标检测方法的流程图;
图3为本发明实施例所述回波数据进行子阵合成后的陈列构型示意图;
图4为本发明实施例所述传统广义旁瓣对消方法与改进的广义旁瓣对消方法在相同虚警率下的检测门限以及检测量的结果对比示意图;
图5为本发明实施例所述传统广义旁瓣对消方法与改进的广义旁瓣对消方法在相同虚警率下的检测性能的对比示意图;
图6为本发明实施例所述分布式无人机载雷达目标检测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,若干的含义是一个或者多个,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中,除非另有明确的限定,设置、安装、连接等词语应做广义理解,所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
下面结合附图,对本申请实施例作进一步阐述。
参照图1,本发明实施例提出一种分布式无人机载雷达目标检测方法,包括但不限于以下步骤:
S1.多个分布式无人机载雷达同时对空间目标进行探测,获得回波数据;
S2.选择第一雷达为主雷达,选择第二雷达组为辅助雷达,所述第一雷达为所述分布式无人机载雷达中的任意一个雷达,所述第二雷达组为所述分布式无人机载雷达中除所述第一雷达以外的所有雷达;
S3.对所述回波数据进行抽取,得到抽取结果,所述抽取结果包括主雷达数据和辅助雷达数据;
S4.对所述抽取结果进行广义旁瓣对消结果计算,并进行加权输出;
S5.对所述抽取结果的加权输出结果进行非相参积累。
本实施例中,所述的雷达为脉冲体制,雷达被置于无人机载上,可以是多个阵元构成的阵列雷达,也可以是单个阵元的雷达,每个无人机载及其所搭载的雷达形成一个分布式节点。多个分布式节点同时对空间目标进行探测,获得回波数据。
本实施例中,在获得回波数据后,还将对回波数据进行预处理,预处理包括但不仅限于脉冲压缩、脉冲多普勒等处理技术,经过预处理后数据中的噪声、杂波等得到抑制,目标信息得到增强。任一观测时刻获得的数据预处理后形成一个数据矩阵,记为X=(xi,j)N×L,其中N为阵元数目(如果数据经过子阵合成或降维处理,那么这里指合成后的通道数),L为脉冲对应的距离单元数,xi,j表示预处理后第i个阵元接收的第j个距离单元的数据。
参照图2,本实施例中,分布式无人机载雷达目标检测方法的具体执行步骤如下:
(1)回波数据预处理;
(2)初始化遍历索引值:依次将分布式系统的各节点作为主雷达,其余节点作为辅助雷达,做广义旁瓣相消处理;
(3)判断遍历索引值是否大于分布式节点数:依次选取每个节点作为主雷达,需要对所有节点进行遍历搜索,将所有节点遍历后将处理结果输出;
(4)从回波数据抽取主雷达数据和辅助雷达数据:对回波数据进行抽取划分为两个子集,主雷达对应的回波数据记为Xi,辅助雷达对应回波数据记为Xi。抽取方法如下:根据处理输入的先验信息确定主雷达和辅助雷达对应的通道序号,如分布式系统共有K1个节点,每个节点雷达经预处理后各K2有个通道,当前选择第i个节点为主雷达,那么主雷达对应回波数据Xi即为(i-1)K1+1~iK1,抽取后的数据即为辅助雷达对应的数据X i。
(5)对当前的广义旁瓣对消结构计算加权输出结果:对当前选择的主雷达和辅助雷达的对消结构,计算广义旁瓣对消结果,并进行加权输出。广义旁瓣对消结果计算过程如下:
首先计算主雷达对应的阵内导向矢量式中,θ为雷达阵列的空间位置参数[xk,yk,zk]和雷达扫描波位对应的方位角,/>为雷达阵列的空间位置参数[xk,yk,zk]和雷达扫描波位对应的俯仰角,si为主雷达对应的阵内导向矢量矩阵。这里方位角θ定义为方位上与空间三维笛卡尔坐标系中x轴正半轴的夹角,俯仰角/>定义为俯仰上与y轴正半轴的夹角,以坐标原点为参考阵元,该来波信号对于当前阵元导向矢量表示为
计算主雷达的处理输出:在广义旁瓣对消处理中,主雷达通道输出为式中,P表示主雷达的处理输出,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,/>表示主雷达数据Xi的协方差矩阵/>的逆计算,协方差矩阵为E[]表示取均值。
计算辅助雷达的处理输出:辅助雷达通道输出为式中,P′表示主雷达的处理输出,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,/>表示主雷达数据Xi的协方差矩阵/>的逆计算,/>表示主雷达数据Xi和辅助雷达数据X i的互协方差矩阵,/>E[]表示取均值,/>表示辅助雷达数据X i的协方差矩阵的逆计算。
(6)获得当前结果的加权输出:对不同的广义旁瓣对消结构处理结果进行加权,当各分布式节点的阵列增益不同时,选择不同的主雷达的结果给予其结果不同的权值,然后对结果进行加权融合。当前结果的加权权值即为主雷达通道处理的幅度加权后的处理输出为/>
(7)对每种结构输出结果进行非相参积累:对于分布式阵列来说,阵间导向矢量很难准确获得,但阵内导向矢量是可以获得的。错误的阵间导向矢量往往会导致更差的性能,为了避免错误的阵间导向矢量对目标相参合成的性能影响,非相参的方式实现阵间目标积累,具体方式如下:
本实施例中,为了说明本发明实施例图1所示的方法的效果,设计如下实验:分布式系统发射接收信号为线性调频信号,载频的中心频率为3GHz,调频带宽为5MHz,脉冲宽度为20us,脉冲重复周期为200us,系统由6个探测节点组成,包含一个由100个阵元的组成的大阵和五个由20个阵元组成的小阵,回波数据进行子阵合成,主阵合成5个通道,各辅助阵合成一个通道,布阵位置图3所示,分布式阵列为非均匀稀疏平面阵,位于xoy面上。目标原始单通道信噪比为-23dB,干扰数目为4,干扰位置如表1所示,干扰措施为噪声压制,干噪比为30dB,其余仿真参数设置表1所示:
表1仿真参数表
载频 | 3GHz | 带宽 | 5MHz |
阵元间距 | 0.05m | 主瓣干扰1 | (0.25,200,8)km |
重复频率 | 5kHz | 主瓣干扰2 | (0.45,200,8)km |
大阵阵元数 | 100 | 主瓣干扰1 | (0.35,200,8)km |
小阵阵元数 | 20 | 主瓣干扰2 | (0.55,200,8)km |
实验内容1):使用大阵作为主雷达,小阵作为辅助阵进行传统的广义旁瓣对消处理。对目标进行检测,蒙特卡洛仿真次数为500次,对处理结果进行恒虚警检测,计算检测概率。
实验内容2):使用本发明提出的方法对结果进行处理。对处理结果进行检测,蒙特卡洛仿真次数为500次,对处理结果进行恒虚警检测,计算检测概率。
结果分析:仿真结果如图4所示,图4为传统广义旁瓣对消方法与改进的广义旁瓣对消方法两种方法在相同虚警率下的检测门限以及检测量的结果对比示意图,最后图5给出了传统广义旁瓣对消方法与改进的广义旁瓣对消方法两种方法在相同虚警率下的检测性能的对比示意图。从图中5可以看出,改进的广义旁瓣对消方法,即本发明实施例图1所示的方法能够比传统的广义旁瓣对消方法获得2dB左右的性能改善。
根据实验验证可知,本发明实施例所述分布式无人机载雷达目标检测方法具有以下技术效果:
本发明实施例通过选择第一雷达为主雷达,选择第二雷达组为辅助雷达,所述第一雷达为所述分布式无人机载雷达中的任意一个雷达,所述第二雷达组为所述分布式无人机载雷达中除所述第一雷达以外的所有雷达;然后根据选择依次作广义旁瓣对消处理,得到多个广义旁瓣对消结构;能够充分利用分布式雷达系统中每一部无人机载雷达探测数据中的目标信息,对比传统的广义旁瓣对消方法,可以获得更高的处理增益,提高处理后目标的信噪比,提高目标的检测概率。
参照图6,本发明实施例还提供了一种分布式无人机载雷达目标检测装置200,具体包括:
至少一个处理器210;
至少一个存储器220,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器210执行,使得所述至少一个处理器210实现如图1所示的方法。
其中,存储器220作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。存储器220可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器220可选包括相对于处理器210远程设置的远程存储器,这些远程存储器可以通过网络连接至处理器210。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
可以理解到,图6中示出的装置结构并不构成对装置200的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图6所示的装置200中,处理器210可以调取存储器220中储存的程序,并执行但不限于图1所示实施例的步骤。
以上所描述的装置200实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现实施例的目的。
本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有处理器可执行的程序,所述处理器可执行的程序在被处理器执行时用于实现如图1所示的方法。
本申请实施例还公开了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行图1所示的方法。
可以理解的是,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明,但是本发明不限于上述实施例,在技术领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (8)
1.一种分布式无人机载雷达目标检测方法,其特征在于,包括:
多个分布式无人机载雷达同时对空间目标进行探测,获得回波数据;
选择第一雷达为主雷达,选择第二雷达组为辅助雷达,所述第一雷达为所述分布式无人机载雷达中的任意一个雷达,所述第二雷达组为所述分布式无人机载雷达中除所述第一雷达以外的所有雷达;
对所述回波数据进行抽取,得到抽取结果,所述抽取结果包括主雷达数据和辅助雷达数据;
对所述抽取结果进行广义旁瓣对消结果计算,并进行加权输出;
对所述抽取结果的加权输出结果进行非相参积累;
所述对所述抽取结果进行广义旁瓣对消结果计算,并进行加权输出这一步骤,包括:
计算主雷达对应的阵内导向矢量;
根据抽取得到的所述主雷达数据和所述阵内导向矢量,计算主雷达的处理输出;
根据抽取得到的所述辅助雷达数据和所述主雷达的处理输出,计算辅助雷达的处理输出;
对所述主雷达的处理输出和所述辅助雷达的处理输出进行广义旁瓣对消结果计算,并进行加权输出;
所述对所述主雷达的处理输出和所述辅助雷达的处理输出进行广义旁瓣对消结果计算,并进行加权输出是通过以下公式执行:
式中,yi表示加权输出结果,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,表示主雷达数据Xi的协方差矩阵/>的逆计算,/>表示主雷达数据Xi和辅助雷达数据X i的互协方差矩阵,/>表示辅助雷达数据X i的协方差矩阵/>的逆计算。
2.根据权利要求1所述的一种分布式无人机载雷达目标检测方法,其特征在于,在多个分布式无人机载雷达同时对空间目标进行探测,获得回波数据之后,所述方法还包括:
对所述回波数据进行预处理,所述预处理包括脉冲压缩处理和脉冲多普勒处理中的至少一种。
3.根据权利要求1所述的一种分布式无人机载雷达目标检测方法,其特征在于,所述对所述回波数据进行抽取,得到主雷达数据和辅助雷达数据这一步骤,包括:
确定第一通道序号,所述第一通道序号为主雷达和辅助雷达对应的通道序号;
根据所述第一通道序号,抽取主雷达数据和辅助雷达数据。
4.根据权利要求1所述的一种分布式无人机载雷达目标检测方法,其特征在于,所述主雷达对应的阵内导向矢量是通过以下公式计算得到:
式中,θ为雷达阵列的空间位置参数[xk,yk,zk]和雷达扫描波位对应的方位角,为雷达阵列的空间位置参数[xk,yk,zk]和雷达扫描波位对应的俯仰角,Si为主雷达对应的阵内导向矢量矩阵。
5.根据权利要求1所述的一种分布式无人机载雷达目标检测方法,其特征在于,所述主雷达的处理输出是通过以下公式计算得到:
式中,P表示主雷达的处理输出,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,表示主雷达数据Xi的协方差矩阵/>的逆计算,协方差矩阵为/>E[]表示取均值。
6.根据权利要求1所述的一种分布式无人机载雷达目标检测方法,其特征在于,所述辅助雷达的处理输出是通过以下公式计算得到:
式中,P′表示辅助雷达的处理输出,H表示主雷达对应的阵内导向矢量矩阵Si的共轭转置,表示主雷达数据Xi的协方差矩阵/>的逆计算,/>表示主雷达数据Xi和辅助雷达数据Xi的互协方差矩阵,/>E[]表示取均值,/>表示辅助雷达数据Xi的协方差矩阵/>的逆计算。
7.一种分布式无人机载雷达目标检测装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现如权利要求1-6任一项所述的方法。
8.计算机可读存储介质,其特征在于,其上存储有处理器可执行的程序,所述处理器可执行的程序在被处理器执行时用于实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110568558.XA CN113406578B (zh) | 2021-05-25 | 2021-05-25 | 分布式无人机载雷达目标检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110568558.XA CN113406578B (zh) | 2021-05-25 | 2021-05-25 | 分布式无人机载雷达目标检测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113406578A CN113406578A (zh) | 2021-09-17 |
CN113406578B true CN113406578B (zh) | 2023-08-25 |
Family
ID=77674634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110568558.XA Active CN113406578B (zh) | 2021-05-25 | 2021-05-25 | 分布式无人机载雷达目标检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113406578B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115902881B (zh) * | 2022-12-29 | 2024-03-29 | 中国人民解放军空军预警学院 | 一种分布式无人机载雷达扩展目标检测方法与系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5600326A (en) * | 1991-12-16 | 1997-02-04 | Martin Marietta Corp. | Adaptive digital beamforming architecture and algorithm for nulling mainlobe and multiple sidelobe radar jammers while preserving monopulse ratio angle estimation accuracy |
CN103728597A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 基于辅助阵列的网络化雷达抑制压制式主瓣干扰方法 |
CN103885041A (zh) * | 2014-02-25 | 2014-06-25 | 西安电子科技大学 | 一种基于认知处理的自适应旁瓣相消方法 |
CN103913725A (zh) * | 2014-03-14 | 2014-07-09 | 西安电子科技大学 | 密集转发式干扰环境下的机载雷达地面动目标检测方法 |
CN106054144A (zh) * | 2016-07-29 | 2016-10-26 | 西安电子科技大学 | 基于频率分集mimo雷达的主瓣压制式干扰抑制方法 |
CN109001687A (zh) * | 2018-05-24 | 2018-12-14 | 西安电子科技大学 | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN110646765A (zh) * | 2019-09-26 | 2020-01-03 | 杨强 | 一种基于黎曼距离的广义旁瓣对消算法 |
CN112763984A (zh) * | 2020-12-25 | 2021-05-07 | 南京航空航天大学 | 一种雷达自适应旁瓣相消算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9772402B2 (en) * | 2014-06-09 | 2017-09-26 | Src, Inc. | Multiplatform GMTI radar with adaptive clutter suppression |
-
2021
- 2021-05-25 CN CN202110568558.XA patent/CN113406578B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5600326A (en) * | 1991-12-16 | 1997-02-04 | Martin Marietta Corp. | Adaptive digital beamforming architecture and algorithm for nulling mainlobe and multiple sidelobe radar jammers while preserving monopulse ratio angle estimation accuracy |
CN103728597A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 基于辅助阵列的网络化雷达抑制压制式主瓣干扰方法 |
CN103885041A (zh) * | 2014-02-25 | 2014-06-25 | 西安电子科技大学 | 一种基于认知处理的自适应旁瓣相消方法 |
CN103913725A (zh) * | 2014-03-14 | 2014-07-09 | 西安电子科技大学 | 密集转发式干扰环境下的机载雷达地面动目标检测方法 |
CN106054144A (zh) * | 2016-07-29 | 2016-10-26 | 西安电子科技大学 | 基于频率分集mimo雷达的主瓣压制式干扰抑制方法 |
CN109001687A (zh) * | 2018-05-24 | 2018-12-14 | 西安电子科技大学 | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN110646765A (zh) * | 2019-09-26 | 2020-01-03 | 杨强 | 一种基于黎曼距离的广义旁瓣对消算法 |
CN112763984A (zh) * | 2020-12-25 | 2021-05-07 | 南京航空航天大学 | 一种雷达自适应旁瓣相消算法 |
Non-Patent Citations (1)
Title |
---|
Constrained Utility Maximization in Dual-Functional Radar-Communication Multi-UAV Networks;Xinyi Wang等;《IEEE Transactions on Communications》;第69卷(第4期);第2660-2672页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113406578A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109946665B (zh) | 基于阵列雷达的获取真实目标的方法 | |
CN104678368B (zh) | 一维相扫三坐标雷达空域自适应干扰抑制方法 | |
CN110412559B (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
CN109444820B (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 | |
CN107561512B (zh) | 一种脉冲多普勒雷达抗压制式拖曳干扰的极化对消方法 | |
US8947294B1 (en) | Method and system for adaptively cancelling clutter from the sidelobes of a ground-based radar | |
US20030142011A1 (en) | Surface wave radar | |
CN105445701B (zh) | Ddma‑mimo雷达目标的单脉冲角度估计方法 | |
CN112612005B (zh) | 基于深度学习的雷达抗主瓣干扰方法 | |
DE60109990T2 (de) | Monopuls-Radar-Prozessor zur Bestimmung des Azimuth- und Elevationswinkels zweier Ziele über eine Matrix von Amplitudenverhältnissen | |
US20030117314A1 (en) | Pri-staggered post-doppler adaptive monopulse processing for detection and location of a moving target in ground clutter | |
CN109765529B (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
CN110967673B (zh) | 一种多域联合抗主瓣干扰方法 | |
US5907302A (en) | Adaptive elevational scan processor statement of government interest | |
CN113238211B (zh) | 一种干扰条件下参数化自适应阵列信号检测方法与系统 | |
CN113406577B (zh) | 一种无人机载雷达主瓣干扰抑制方法、装置及存储介质 | |
CN111337878B (zh) | 一种适用于大孔径水平线阵的声源直接定位方法 | |
CN101776763B (zh) | 基于自相干music算法的全球定位系统干扰抑制方法 | |
CN113406578B (zh) | 分布式无人机载雷达目标检测方法、装置及存储介质 | |
CN111896928A (zh) | 基于有源欺骗式干扰消除的多站雷达目标检测方法 | |
CN109581366B (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
CN109991565B (zh) | 一种基于粗糙集理论的测向系统构建方法 | |
CN111812634A (zh) | 警戒线目标监测方法、装置和系统 | |
CN109490859B (zh) | 部分均匀环境中对方位扰动和多普勒扰动稳健的检测器 | |
Jagadesh et al. | Modeling Target Detection and Performance Analysis of Electronic Countermeasures for Phased Radar. |
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 |