CN113484834A - 一种基于毫米波雷达的信号压缩的目标检测方法 - Google Patents
一种基于毫米波雷达的信号压缩的目标检测方法 Download PDFInfo
- Publication number
- CN113484834A CN113484834A CN202110533620.1A CN202110533620A CN113484834A CN 113484834 A CN113484834 A CN 113484834A CN 202110533620 A CN202110533620 A CN 202110533620A CN 113484834 A CN113484834 A CN 113484834A
- Authority
- CN
- China
- Prior art keywords
- signal
- target
- frequency
- data
- window function
- 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.)
- Pending
Links
- 230000006835 compression Effects 0.000 title claims abstract description 30
- 238000007906 compression Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000001228 spectrum Methods 0.000 claims description 20
- 230000008707 rearrangement Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 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
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波雷达的信号压缩的目标检测方法,属于信号处理技术领域,包括以下步骤:S1:获取雷达回波数据;S2:对目标信号进行重排与压缩;S3:降采样;S4:重构信号;S5:基于重构信号的二维恒虚警目标检测;本发明通过压缩与重构回波信号,使得在处理回波数据时大大减少计算量,更加契合二维恒虚警检测技术;本发明通过压缩频域信息,在保留大值的目标回波信号的同时,也同时消除了一部分噪声与杂波信息,提高了目标检测性能。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种基于毫米波雷达的信号压缩的目标检测方法。
背景技术
毫米波雷达是使用一毫米至十毫米波长的电磁波进行主动感知的传感器,与光学、红外、激光等其他传感器相比,毫米波雷达获取目标的信息不依赖外在源,而是依靠自身发射的毫米波,能穿透云、雨、雾和烟雾,在大部分气候环境下具有全天时的感知能力,这是相较于光学传感器与激光传感器的巨大优势,而且毫米波雷达能有效运用多普勒效应以获取在有效距离内物体的速度,相较于光学成像的传感器来说,毫米波雷达能更加准确的获取目标所在的距离,计算量更小,算法更简单,同时毫米波雷达对于金属目标或者强反射目标具有较强的探测能力,因此对于道路上的汽车等物体具有很强的感知能力,目前毫米波雷达检测已经广泛的运用到无人驾驶、交通道路安全、智能家居、安防检测、军事侦察等领域,其目标信息获取本质是通过对比雷达回波与发射波之间的差别,以提取多普勒、时频等信息。
对于数字信号处理来说,现代射频技术随着发射机的能力增强,其相应的AD、FPGA、DSP等所需资源也越多,毫米波雷达也从最初的几十兆带宽演变到现在的以G为单位的带宽,但带宽越大,导致的是采样以及后续的数据处理所需资源也将变的越多。
由于数据采集能力的不断提高,系统虚拟天线的的不断增多,采用传统的奈奎斯特采样定理将会消耗大量存储空间与计算资源,因此会产生以下缺陷:(1)多帧大带宽频域数据联合处理产生庞大的计算量,高精度求解代价过高;(2)目标信息只占回波信号中小部分,造成大量带宽资源的浪费。
发明内容
为解决上述背景技术中提出的问题。本发明提供了一种基于毫米波雷达的信号压缩的目标检测方法,具有解决现有技术在大带宽多天线情况下毫米波雷达目标检测的庞大计算量问题的特点。
为实现上述目的,本发明提供如下技术方案:一种基于毫米波雷达的信号压缩的目标检测方法,包括以下步骤:
S1:获取雷达回波数据;
S2:对目标信号进行重排与压缩;
S3:降采样;
S4:重构信号;
S5:基于重构信号的二维恒虚警目标检测。
本发明中进一步的,所述步骤S1中,获取雷达回波数据的具体步骤为:
S11:利用雷达发射机对目标发射信号,雷达接收机接收有各类目标反射回来的回波数据,该回波数据包含噪声数据、杂波数据以及包含目标的回波数据;
S12:在获取雷达回波数据后,根据雷达发射波的调制模型、发射周期以及不同天线的接收情况,将雷达回波数据排列整合为三维立体数据,其横坐标为单个回波周期所组成的快时间序列:z(n),n=1,2,...,N,其每点间隔为采样时间间隔,纵坐标为慢时间序列:x(m),n=1,2,...,M,每行慢时间数据由不同个的快时间的相同索引号单元数据组成,通常以2的整数次幂个周期的快时间数据组合成一个慢时间数据,如64、128、256等,通过快慢时间坐标可以构成二维数据;
S13:在上述二维坐标基础上,建立一个空域维坐标轴,其坐标序列以实际天线或虚拟天线号为索引,以此建立三维雷达回波数据。
本发明中进一步的,所述步骤S2中,对目标信号进行重排与压缩的具体步骤为:
S21:频域重排
频域重排目的是为了将临近的目标信号均匀的分配到随机单位中,以免在压缩后重叠,因此滤波前对信号进行一定规则的重组,将原先所有频点随机的分配到B个单元中,因此在重组后的每个单元中,其所占据的数据小于等于N/B个原始信号频点的数据,由于在实际过程中,目标信号的频率会集中在某一范围内,因此要将这些大系数的目标频点较为均匀的分配到重组后的单元内,一般来说,通过模值取余的方式进行分配,以免大系数频点分配到同个单元中,并定义分配后拥有原先多个频点的单元为“筐”,以区分映射前后的单元,因此通过时频域的位移特性与尺度缩放特性通过时域上的操作来达到频域上的重排,其原理如下:
因此在原始信号中位于频点k的值在重排后将位于σ·(k-b)mod N,a与b为任意值:
S22:窗函数滤波
由于重构信号是通过原始信号的部分大值频率来完成信号压缩与重构,因此需要降低对应频谱的能量泄漏,通常使用截断类型得窗函数,满足通带平滑、边带陡峭等特性频域卷积即为时域乘积,由于筐的大小B与窗函数的设计有关,因此定义平坦窗函数应当满足以下条件:
其中,f(n)为窗函数时域表现形式,长度序列为n,F(k)为窗函数的频域表现形式,(δ,ω,ε)为其设定参数,震荡波纹δ控制阻带起伏特性,ε为阻带截断因子,另外可根据阻带截至频率与采样频率的比值计算σ,当参数为时,该窗函数将会是一个标准窗函数,标准窗函数满足时频域的能量集中与阻带的特性,却没有对通带进行约束,因此给出一个由矩形窗函数卷积高斯窗函数后的平坦窗函数,其定义如下:
本发明中进一步的,所述步骤S3中,降采样的具体步骤为:
降采样是SFT能够减少计算量的原因,通过以降低准确度为代价而减少频点的运算,设信号x(n)的长度为N,其傅里叶表示形式为X(k),则对重排后的信号频域以N/B的倍数进行下采样,即令其中k小于筐的数量B,则其时频域转换为:
可以看出,在频域降采样,则时域对应为混叠操作,混叠后信号点数减少N/B倍。
本发明中进一步的,所述步骤S4中,重构信号的具体步骤为:
由于原始信号频谱被均匀打散,经过降采样后,目标信号所在频点均匀分配到频域中,因此在进行压缩重排后,需要将目标信息重构,因此在降采样后,频谱中的峰值信号需通过哈希映射方法重新定位,
根据重排方法进行逆映射,结果为大系数频点的前k个集合,由于信号数据经过压缩其重新定位的结果为一个概率性的估值,所以需要重复计算统计结果或者迭代计算,设信号的序列长度为N,筐的大小B=[N·K]roundup,降采样频谱中大系数频点索引为f1,其逆映射到原频域将会是个范围,设上限频点为下限频点为并多次改变参数返回步骤S2直至迭代完成,目标信号的真实频点索引将会累积到最大值,逆映射公式如下:
本发明中进一步的,所述步骤S5中,基于重构信号的二维恒虚警目标检测的具体步骤为:
根据上述步骤处理雷达目标回波数据,可以得到经过信息压缩后的目标信号,其结果可视化后得到原始信号的一维频谱,其反映了目标的距离维信息,其中信号的大量噪声被压缩消除,留下目标信号的频谱分量与少量的噪声信息,由于信号频谱信息经过压缩,因此无法直接进行恒虚警处理来获得目标所在的距离维索引,因此需要使用二维联合处理,通过结合多普勒信息,使目标信息显露出来,
二维恒虚警技术是一种多帧数据联合处理算法,数据选择上是使用多帧经过上述步骤处理后的联合回波数据,有效结合了距离维与多普勒维的目标特征,通过多帧联合数据在二维平面建立双维度峰值来同时获取目标的距离与速度信息,在检测时将数据单元分为3个类型,其分别是:训练单元、保护单元以及待检测单元,假定训练单元不含目标信号,通过对训练信号或计算平均功率或进行排序的获取一个以所框取的训练单元为基础的二维功率值,通过门限因子与该功率值来判断待检测单元是否存在目标。
与现有技术相比,本发明的有益效果是:
1、本发明通过压缩与重构回波信号,使得在处理回波数据时大大减少计算量,更加契合二维恒虚警检测技术。
2、本发明通过压缩频域信息,在保留大值的目标回波信号的同时,也同时消除了一部分噪声与杂波信息,提高了目标检测性能。
附图说明
图1是本发明的流程图;
图2是雷达回波数据结构图;
图3是信号频域重排原理图;
图4是信号频域重排前后对比图;
图5是窗函数图;
图6是单周期原始信号频域图;
图7是单周期重构回波信频域图;
图8是原始二维信号频谱图;
图9是压缩重构后二维信号频谱图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-9,本发明提供以下技术方案:一种基于毫米波雷达的信号压缩的目标检测方法,包括以下步骤:
S1:获取雷达回波数据
按照附图2构造三维雷达回波数据;
S11:利用雷达发射机对目标发射信号,雷达接收机接收有各类目标反射回来的回波数据,该回波数据包含噪声数据、杂波数据以及包含目标的回波数据;
S12:在获取雷达回波数据后,根据雷达发射波的调制模型、发射周期以及不同天线的接收情况,将雷达回波数据排列整合为三维立体数据,其横坐标为单个回波周期所组成的快时间序列:z(n),n=1,2,...,N,其每点间隔为采样时间间隔,纵坐标为慢时间序列:x(m),n=1,2,...,M,每行慢时间数据由不同个的快时间的相同索引号单元数据组成,通常以2的整数次幂个周期的快时间数据组合成一个慢时间数据,如64、128、256等,通过快慢时间坐标可以构成二维数据;
S13:在上述二维坐标基础上,建立一个空域维坐标轴,其坐标序列以实际天线或虚拟天线号为索引,以此建立三维雷达回波数据,如附图2所示;
S2:对目标信号进行重排与压缩
频域原理如附图3所示;
S21:频域重排
附图4为信号频域重排前后对比图,由原始信号经过S21处理后所得,频域重排目的是为了将临近的目标信号均匀的分配到随机单位中,以免在压缩后重叠,因此滤波前对信号进行一定规则的重组,将原先所有频点随机的分配到B个单元中,因此在重组后的每个单元中,其所占据的数据小于等于N/B个原始信号频点的数据,由于在实际过程中,目标信号的频率会集中在某一范围内,因此要将这些大系数的目标频点较为均匀的分配到重组后的单元内,一般来说,通过模值取余的方式进行分配,以免大系数频点分配到同个单元中,并定义分配后拥有原先多个频点的单元为“筐”,以区分映射前后的单元,因此通过时频域的位移特性与尺度缩放特性通过时域上的操作来达到频域上的重排,其原理如下:
因此在原始信号中位于频点k的值在重排后将位于σ·(k-b)mod N,a与b为任意值:
上述公式体现附图4中原始信号与重排信号的映射关系;
S22:窗函数滤波
附图5的窗函数经由S22规则设置所得,由于重构信号是通过原始信号的部分大值频率来完成信号压缩与重构,因此需要降低对应频谱的能量泄漏,通常使用截断类型得窗函数,满足通带平滑、边带陡峭等特性频域卷积即为时域乘积,由于筐的大小B与窗函数的设计有关,因此定义平坦窗函数应当满足以下条件:
其中,f(n)为窗函数时域表现形式,长度序列为n,F(k)为窗函数的频域表现形式,(δ,ω,ε)为其设定参数,震荡波纹δ控制阻带起伏特性,ε为阻带截断因子,另外可根据阻带截至频率与采样频率的比值计算σ,当参数为时,该窗函数将会是一个标准窗函数,标准窗函数满足时频域的能量集中与阻带的特性,却没有对通带进行约束,因此给出一个由矩形窗函数卷积高斯窗函数后的平坦窗函数,其定义如下:
S3:降采样
降采样是SFT能够减少计算量的原因,通过以降低准确度为代价而减少频点的运算,设信号x(n)的长度为N,其傅里叶表示形式为X(k),则对重排后的信号频域以N/B的倍数进行下采样,即令其中k小于筐的数量B,则其时频域转换为:
可以看出,在频域降采样,则时域对应为混叠操作,混叠后信号点数减少N/B倍;
S4:重构信号
附图6是单周期原始信号频域图,附图7是单周期回波信号经过重排、压缩以及重构后的信号频域图,由于原始信号频谱被均匀打散,经过降采样后,目标信号所在频点均匀分配到频域中,因此在进行压缩重排后,需要将目标信息重构,因此在降采样后,频谱中的峰值信号需通过哈希映射方法重新定位,
根据重排方法进行逆映射,结果为大系数频点的前k个集合,由于信号数据经过压缩其重新定位的结果为一个概率性的估值,所以需要重复计算统计结果或者迭代计算,设信号的序列长度为N,筐的大小B=[N·K]roundup,降采样频谱中大系数频点索引为f1,其逆映射到原频域将会是个范围,设上限频点为下限频点为并多次改变参数返回步骤S2直至迭代完成,目标信号的真实频点索引将会累积到最大值,逆映射公式如下:
S5:基于重构信号的二维恒虚警目标检测
附图8是原始二维信号频谱图,由S1整合雷达原始信号后,经过二维傅里叶变换所得的二维频谱图,附图9是压缩重构后二维信号频谱图,由S1整合雷达的回波信号,再根据S2至S4逐一对单周期回波信号处理,整合形成多帧重构信号,通过重构所得的频域再进行傅里叶变换来替代原始的二维傅里叶变换产生二维信号频谱图,在根据S2至S4处理雷达目标回波数据,可以得到经过信息压缩后的目标信号,其结果可视化后得到原始信号的一维频谱图,如附图7,其反映了目标的距离维信息,其中信号的大量噪声被压缩消除,留下目标信号的频谱分量与少量的噪声信息,由于信号频谱信息经过压缩,因此无法直接进行恒虚警处理来获得目标所在的距离维索引,因此需要使用二维联合处理,通过结合多普勒信息,使目标信息显露出来,
二维恒虚警技术是一种多帧数据联合处理算法,数据选择上是使用多帧经过上述步骤处理后的联合回波数据,有效结合了距离维与多普勒维的目标特征,通过多帧联合数据在二维平面建立双维度峰值来同时获取目标的距离与速度信息,在检测时将数据单元分为3个类型,其分别是:训练单元、保护单元以及待检测单元,假定训练单元不含目标信号,通过对训练信号或计算平均功率或进行排序的获取一个以所框取的训练单元为基础的二维功率值,通过门限因子与该功率值来判断待检测单元是否存在目标。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种基于毫米波雷达的信号压缩的目标检测方法,其特征在于,包括以下步骤:
S1:获取雷达回波数据;
S2:对目标信号进行重排与压缩;
S3:降采样;
S4:重构信号;
S5:基于重构信号的二维恒虚警目标检测。
2.根据权利要求1所述的一种基于毫米波雷达的信号压缩的目标检测方法,其特征在于:所述步骤S1中,获取雷达回波数据的具体步骤为:
S11:利用雷达发射机对目标发射信号,雷达接收机接收有各类目标反射回来的回波数据,该回波数据包含噪声数据、杂波数据以及包含目标的回波数据;
S12:在获取雷达回波数据后,根据雷达发射波的调制模型、发射周期以及不同天线的接收情况,将雷达回波数据排列整合为三维立体数据,其横坐标为单个回波周期所组成的快时间序列:z(n),n=1,2,...,N,其每点间隔为采样时间间隔,纵坐标为慢时间序列:x(m),n=1,2,...,M,每行慢时间数据由不同个的快时间的相同索引号单元数据组成,通常以2的整数次幂个周期的快时间数据组合成一个慢时间数据,如64、128、256等,通过快慢时间坐标可以构成二维数据;
S13:在上述二维坐标基础上,建立一个空域维坐标轴,其坐标序列以实际天线或虚拟天线号为索引,以此建立三维雷达回波数据。
3.根据权利要求1所述的一种基于毫米波雷达的信号压缩的目标检测方法,其特征在于:所述步骤S2中,对目标信号进行重排与压缩的具体步骤为:
S21:频域重排
频域重排目的是为了将临近的目标信号均匀的分配到随机单位中,以免在压缩后重叠,因此滤波前对信号进行一定规则的重组,将原先所有频点随机的分配到B个单元中,因此在重组后的每个单元中,其所占据的数据小于等于N/B个原始信号频点的数据,由于在实际过程中,目标信号的频率会集中在某一范围内,因此要将这些大系数的目标频点较为均匀的分配到重组后的单元内,一般来说,通过模值取余的方式进行分配,以免大系数频点分配到同个单元中,并定义分配后拥有原先多个频点的单元为“筐”,以区分映射前后的单元,因此通过时频域的位移特性与尺度缩放特性通过时域上的操作来达到频域上的重排,其原理如下:
因此在原始信号中位于频点k的值在重排后将位于σ·(k-b)mod N,a与b为任意值:
S22:窗函数滤波
由于重构信号是通过原始信号的部分大值频率来完成信号压缩与重构,因此需要降低对应频谱的能量泄漏,通常使用截断类型得窗函数,满足通带平滑、边带陡峭等特性频域卷积即为时域乘积,由于筐的大小B与窗函数的设计有关,因此定义平坦窗函数应当满足以下条件:
其中,f(n)为窗函数时域表现形式,长度序列为n,F(k)为窗函数的频域表现形式,(δ,ω,ε)为其设定参数,震荡波纹δ控制阻带起伏特性,ε为阻带截断因子,另外可根据阻带截至频率与采样频率的比值计算σ,当参数为时,该窗函数将会是一个标准窗函数,标准窗函数满足时频域的能量集中与阻带的特性,却没有对通带进行约束,因此给出一个由矩形窗函数卷积高斯窗函数后的平坦窗函数,其定义如下:
5.根据权利要求1所述的一种基于毫米波雷达的信号压缩的目标检测方法,其特征在于:所述步骤S4中,重构信号的具体步骤为:
由于原始信号频谱被均匀打散,经过降采样后,目标信号所在频点均匀分配到频域中,因此在进行压缩重排后,需要将目标信息重构,因此在降采样后,频谱中的峰值信号需通过哈希映射方法重新定位,
根据重排方法进行逆映射,结果为大系数频点的前k个集合,由于信号数据经过压缩其重新定位的结果为一个概率性的估值,所以需要重复计算统计结果或者迭代计算,设信号的序列长度为N,筐的大小B=[N·K]roundup,降采样频谱中大系数频点索引为f1,其逆映射到原频域将会是个范围,设上限频点为下限频点为并多次改变参数返回步骤S2直至迭代完成,目标信号的真实频点索引将会累积到最大值,逆映射公式如下:
6.根据权利要求1所述的一种基于毫米波雷达的信号压缩的目标检测方法,其特征在于:所述步骤S5中,基于重构信号的二维恒虚警目标检测的具体步骤为:
根据上述步骤处理雷达目标回波数据,可以得到经过信息压缩后的目标信号,其结果可视化后得到原始信号的一维频谱,其反映了目标的距离维信息,其中信号的大量噪声被压缩消除,留下目标信号的频谱分量与少量的噪声信息,由于信号频谱信息经过压缩,因此无法直接进行恒虚警处理来获得目标所在的距离维索引,因此需要使用二维联合处理,通过结合多普勒信息,使目标信息显露出来,
二维恒虚警技术是一种多帧数据联合处理算法,数据选择上是使用多帧经过上述步骤处理后的联合回波数据,有效结合了距离维与多普勒维的目标特征,通过多帧联合数据在二维平面建立双维度峰值来同时获取目标的距离与速度信息,在检测时将数据单元分为3个类型,其分别是:训练单元、保护单元以及待检测单元,假定训练单元不含目标信号,通过对训练信号或计算平均功率或进行排序的获取一个以所框取的训练单元为基础的二维功率值,通过门限因子与该功率值来判断待检测单元是否存在目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533620.1A CN113484834A (zh) | 2021-05-17 | 2021-05-17 | 一种基于毫米波雷达的信号压缩的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110533620.1A CN113484834A (zh) | 2021-05-17 | 2021-05-17 | 一种基于毫米波雷达的信号压缩的目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113484834A true CN113484834A (zh) | 2021-10-08 |
Family
ID=77933431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110533620.1A Pending CN113484834A (zh) | 2021-05-17 | 2021-05-17 | 一种基于毫米波雷达的信号压缩的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113484834A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113567916A (zh) * | 2021-09-28 | 2021-10-29 | 广州辰创科技发展有限公司 | 一种相关干涉仪测向方法、系统、设备及存储介质 |
CN113777578A (zh) * | 2021-11-12 | 2021-12-10 | 上海闪马智能科技有限公司 | 一种信号处理方法、装置、存储介质及电子装置 |
CN113938213A (zh) * | 2021-10-15 | 2022-01-14 | 西南交通大学 | 一种宽带微波与毫米波多普勒效应的光子学仿真方法 |
CN115378462A (zh) * | 2022-08-18 | 2022-11-22 | 中国人民解放军国防科技大学 | 一种高效的大信噪比直接扩频信号捕获方法及系统 |
CN116299401A (zh) * | 2023-05-19 | 2023-06-23 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
CN116346939A (zh) * | 2023-03-23 | 2023-06-27 | 上海毫微太科技有限公司 | 一种数据压缩方法、装置、电子设备及存储介质 |
CN117830766A (zh) * | 2024-03-04 | 2024-04-05 | 自然资源部第一海洋研究所 | 一种船载地波雷达目标谱图样本自适应提取方法 |
-
2021
- 2021-05-17 CN CN202110533620.1A patent/CN113484834A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113567916A (zh) * | 2021-09-28 | 2021-10-29 | 广州辰创科技发展有限公司 | 一种相关干涉仪测向方法、系统、设备及存储介质 |
CN113567916B (zh) * | 2021-09-28 | 2022-01-25 | 广州辰创科技发展有限公司 | 一种相关干涉仪测向方法、系统、设备及存储介质 |
CN113938213A (zh) * | 2021-10-15 | 2022-01-14 | 西南交通大学 | 一种宽带微波与毫米波多普勒效应的光子学仿真方法 |
CN113777578A (zh) * | 2021-11-12 | 2021-12-10 | 上海闪马智能科技有限公司 | 一种信号处理方法、装置、存储介质及电子装置 |
CN113777578B (zh) * | 2021-11-12 | 2022-02-08 | 上海闪马智能科技有限公司 | 一种信号处理方法、装置、存储介质及电子装置 |
CN115378462A (zh) * | 2022-08-18 | 2022-11-22 | 中国人民解放军国防科技大学 | 一种高效的大信噪比直接扩频信号捕获方法及系统 |
CN115378462B (zh) * | 2022-08-18 | 2023-10-17 | 中国人民解放军国防科技大学 | 一种大信噪比直接扩频信号捕获方法及系统 |
CN116346939A (zh) * | 2023-03-23 | 2023-06-27 | 上海毫微太科技有限公司 | 一种数据压缩方法、装置、电子设备及存储介质 |
CN116346939B (zh) * | 2023-03-23 | 2024-04-02 | 上海毫微太科技有限公司 | 一种数据压缩方法、装置、电子设备及存储介质 |
CN116299401A (zh) * | 2023-05-19 | 2023-06-23 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
CN116299401B (zh) * | 2023-05-19 | 2023-10-17 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
CN117830766A (zh) * | 2024-03-04 | 2024-04-05 | 自然资源部第一海洋研究所 | 一种船载地波雷达目标谱图样本自适应提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113484834A (zh) | 一种基于毫米波雷达的信号压缩的目标检测方法 | |
CN108919249B (zh) | 一种基于二维局部插值的雷达目标距离联合估计方法 | |
CN113075635B (zh) | 基于相参积累的捷变频雷达目标信息重构方法 | |
CN111624574A (zh) | 弱目标探测的目标检测方法、系统、存储介质和装置 | |
JP2005530164A (ja) | 物体検出用システムにおける妨害を抑制するための方法 | |
DeLong et al. | The design of clutter-resistant radar waveforms with limited dynamic range | |
CN109856636B (zh) | 曲线合成孔径雷达自适应三维成像方法 | |
CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
CN107192991A (zh) | 一种射频辐射式仿真宽带脉冲雷达成像等效模拟方法 | |
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 | |
CN109669184A (zh) | 一种基于全卷积网络的合成孔径雷达方位模糊消除方法 | |
CN112881982A (zh) | 一种捷变频雷达抑制密集转发干扰方法 | |
CN113805166A (zh) | 一种雷达物位计的目标跟踪测距方法及系统 | |
CN114019456A (zh) | 一种用于空间目标探测的微纳卫星组网雷达系统 | |
CN113671486B (zh) | 旋翼目标的雷达探测系统及方法 | |
CN114035163A (zh) | 一种基于算法模型处理雷达回波信号的方法 | |
CN116413662B (zh) | 基于深度展开网络的合成孔径雷达射频干扰抑制方法 | |
CN117368914A (zh) | 一种适用于起伏地形的合成孔径雷达后向投影算法 | |
Singh et al. | A comparative study of multiple radar waveform design techniques | |
CN113030886A (zh) | 一种高速目标距离徙动校正方法 | |
CN113484861B (zh) | 一种基于频率变标的THz步进频率SAR实时高分辨率成像方法 | |
Narayanan et al. | Comparison of noise and chirp waveforms for radar target detection in clutter | |
Ji et al. | A fast false large-scene images generation method against SAR based on two-dimension CZT and multi-transmitter cooperation | |
Phyu et al. | Analysis on Ground Clutter Mitigation Using IIR Filter and Frequency Domain Filters for C-Band Phased Array Weather Radar | |
CN114609604B (zh) | 无人机集群目标检测及目标轮廓、集群规模估计方法 |
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 |