CN113567944A - 海杂波中frft域奇异值特征的目标检测方法和装置 - Google Patents
海杂波中frft域奇异值特征的目标检测方法和装置 Download PDFInfo
- Publication number
- CN113567944A CN113567944A CN202110808715.XA CN202110808715A CN113567944A CN 113567944 A CN113567944 A CN 113567944A CN 202110808715 A CN202110808715 A CN 202110808715A CN 113567944 A CN113567944 A CN 113567944A
- Authority
- CN
- China
- Prior art keywords
- frft
- target
- singular value
- sea clutter
- matrix
- 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
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
- G01S7/414—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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种海杂波中FRFT域奇异值特征的目标检测方法和装置、电子设备及存储介质。该方法包括:通过雷达获得海杂波数据;使用海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;对FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;对奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;基于对各个距离单元上的总奇异值对目标进行检测;以及基于对各个距离单元上的FRFT谱对目标的特点进行判断。本发明通过采用FRFT完成多个变换阶数下的FRFT谱计算,然后将其构造成矩阵,通过奇异值分解,提取具有一定能量占比的奇异值,反映FRFT谱的空间变化关联性。
Description
技术领域
本发明总体涉及一种海杂波抑制方法,并且更特别地,涉及一种海杂波中FRFT域奇异值特征的目标检测方法和装置、电子设备及存储介质。
背景技术
海面结构复杂多变,电磁散射机理十分复杂,在大擦地角和高分辨率的情况下,对海杂波进行抑制和有效的目标检测是雷达目标探测的重点和难点。
由于海上机动目标检测往往受强海杂波影响,为有效积累目标能量,同时由于目标机动在短时间内可近似看成匀加/减速运动,通常采用分数阶傅里叶变换(FRFT)处理方法积累目标能量,但经典FRFT的处理方法需要搜索得到最优变换阶数,对于未知目标往往难以实现。
发明内容
针对现有技术中的问题,本发明提出了一种基于分数阶傅里叶变换-奇异值分解(FRFT-SVD,Fractional Fourier Transform-Singular Value Decomposition)的目标检测方法和装置、电子设备及存储介质,可以在不需要加速度等准确先验信息的条件下,对海杂波进行大程度上的抑制,提取目标信号。
第一方面,本发明提供一种海杂波中FRFT域奇异值特征的目标检测方法,包括:
通过雷达获得海杂波数据;
使用所述海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;
对所述FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;
对所述奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;
基于对所述各个距离单元上的总奇异值对目标进行检测;以及
基于对所述各个距离单元上的FRFT谱对所述目标的特点进行判断,
其中,变换阶数范围的选取是根据目标最大加速度范围确定,变换阶数与目标运动的加速度间存在一一对应关系,目标最大加速度对应目标FRFT谱的最大变换阶数。
进一步地,所述方法还包括:在所述使用所述海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱之前,对所述海杂波数据进行调整,包括:
截取不同数量的脉冲数参与运算;
在数据脉冲维的前段补充同规模的零矩阵;以及
在所述数据脉冲维的后段补充所述同规模的零矩阵。
进一步地,所述预定能量占比为所述奇异值矩阵的全部特征值之和的90%或更高,但未达到100%。
进一步地,所述前预定项为所述奇异值矩阵的前4项至前10项。
进一步地,所述目标的特点包括所述目标的运动方向、速度、加速度、频率及目标回波能量。
进一步地,所述目标包括匀速运动的水面目标、匀加/减速运动的水面目标以及加速度随时间线性变化的水面运动目标。
第二方面,本发明提供一种海杂波中FRFT域奇异值特征的目标检测装置,包括:
海杂波数据获取单元,用于通过雷达获得海杂波数据;
FRFT谱获取单元,用于使用所述海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;
奇异值矩阵获取单元,用于对所述FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;
奇异值获取单元,用于对所述奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;
目标检测单元,用于基于对所述各个距离单元上的总奇异值对目标进行检测;以及
目标判断单元,用于基于对所述各个距离单元上的FRFT谱对所述目标的特点进行判断,
其中,变换阶数范围的选取是根据目标最大加速度范围确定,变换阶数与目标运动的加速度间存在一一对应关系,目标最大加速度对应目标FRFT谱的最大变换阶数。
第三方面,本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面中任一项所述海杂波中FRFT域奇异值特征的目标检测方法的步骤。
第四方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述海杂波中FRFT域奇异值特征的目标检测方法的步骤。
本发明通过采用FRFT完成多个变换阶数下的FRFT谱计算,然后将其构造成矩阵,通过奇异值分解,提取具有一定能量占比的奇异值,反映FRFT谱的空间变化关联性。从目标与海杂波的FRFT谱在变化阶数和分数频率平面上的纹理差异实现二者的区分,从而避免最优变换阶数搜索问题。经实测数据验证,相比于现有海杂波抑制方法,本发明方法能够适应脉冲回波序列信杂比的变化,并且在信杂比较低及多目标环境中,仍能有效抑制海杂波,提取目标信号。
附图说明
图1为本发明实施例提供的海杂波中FRFT域奇异值特征的目标检测方法的流程图;
图2为本发明实施例提供的获取实测海波数据时的试验气象条件图;
图3为本发明实施例提供的时频平面旋转的示意图;
图4为本发明实施例提供的距离-奇异值图;
图5(a)为本发明实施例提供的单一匀加速目标距离-奇异值图;
图5(b)为本发明实施例提供的三个匀加速目标距离-奇异值图;
图6(a)至图6(d)为本发明实施例提供的不同脉冲数量(分别为96个回波脉冲、64个回波脉冲、48个回波脉冲、32个回波脉冲)的距离-奇异值图;
图7(a)和图7(b)为本发明实施例提供的不同脉冲数量前20位奇异值变化图;
图8(a)和图8(b)分别为本发明实施例提供的前补零矩阵FRFT-SVD与后补零矩阵FRFT-SVD的距离-奇异值图;
图9(a)为本发明实施例提供的后补零矩阵t轴平移矩阵后FRFT-SVD的距离-奇异值图;
图9(b)为本发明实施例提供的后补零矩阵t轴平移矩阵后FRFT-SVD的前20位奇异值变化趋势;
图10为本发明实施例提供的恒加加速目标时域信号的示图;
图11(a)为本发明实施例提供的恒定加加速度目标FRFT-SVD的距离-奇异值图;
图11(b)为本发明实施例提供的恒定加加速度目标FRFT-SVD的前20位奇异值变化趋势;
图12(a)至图12(d)分别为本发明实施例提供的针对不同信杂比(分别为信杂比13dB、信杂比9dB、信杂比4dB、信杂比0dB)的距离-奇异值图;
图13为本发明实施例提供的海杂波中FRFT域奇异值特征的目标检测装置的结构框图;以及
图14为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
图1为本发明实施例提供的海杂波中FRFT域奇异值特征的目标检测方法的流程图。参照图1,该检测方法包括:
步骤S101:通过雷达获得海杂波数据;
步骤S103:使用海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;
步骤S105:对FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;
步骤S107:对奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;
步骤S109:基于对各个距离单元上的总奇异值对目标进行检测;以及
步骤S111:基于对各个距离单元上的FRFT谱对目标的特点进行判断。
在本发明实施例中,具体地,步骤S101所获取的实测海波数据为在烟台某海域利用直升飞机平台搭载C波段雷达进行的对海外场实验而取得的数据。
试验条件包括:雷达侧视垂直于直升机以1000Hz的脉冲重复频率对海面进行定向凝视的发射脉冲;回波数据以平行于直升机速度的采样点和每个脉冲在海面上距离采样点形成16256×81920大小的矩阵,对目标海域实现了二维覆盖。
此外,试验的平均飞行参数如以下表1所示:
表1试验平均飞行参数表
UTC | Vel_E | Vel_N | Vel_U | Long | Lati | Height |
0200-0800 | -29.1 | 0.06 | -5.30 | 121.52 | 37.62 | 4432 |
此外,试验时的外部环境记录观测如图2所示,属于二级海况的观测条件。
经计算得到,每组实验擦地角略有偏差,但范围均涵盖20°至56°的大擦地角范围,采样点间距为0.5625m,分辨率为0.71m。为统一条件,对效果最好的一组数据进行截取,得到含有船舶目标的脉冲×距离单元为128×320的数据进行计算和研究。在下文中,以船舶目标位于第172个距离单元附近进行讨论。
在本发明实施例中,步骤S103包括使用海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,从而获得FRFT谱。
具体地,分数阶傅里叶变换(Fractional Fourier Transform,以下简称FRFT)是傅里叶变换的一种广义化扩展,又称为广义化时频分析,是信号在一组正交chirp基上的展开,它比传统的Fourier变换多出一个算子,即旋转的角度。Fourier变换是将观看角度从时域转换到频域,在频域进行信号分析,分数阶傅里叶变换是以观看时频面的角度去旋转时频面的坐标轴,然后再从观察频域的角度去分析信息,能够展示信号从时域变换到频域的所有变化特征,在信号分析方面有很大的优点(如图3所示,其中,t是时间轴,ω是频率轴,α为旋转角度,u和v分别是t和ω旋转α角度后的坐标轴)。对于需要处理的海杂波这类非平稳信号,传统的Fourier变换不足以分析出其最显著的特征,运用分数阶傅里叶变换可以选取信号最集中的角度去进行分析,在信号处理领域有着广泛的应用。
分数阶傅里叶变换的完整表达式如下:
当p=0时,有α=0,此时分数阶Fourier变换Fp(u)就是其原函数。
所以可以将FRFT理论理解为广义的傅里叶变换。由定义可知其具有旋转特性和阶次连续性,具体描述如下:
(1)旋转特性,这是分数傅里叶变换的一个重要性质,可以理解为将信号在时频域上绕原点做任意角度α的逆时针旋转,阶数p随之变化,描述了信号从时域到频域的所有变化特征,这种旋转特性把时域和频域之间的信号特性直接联系起来,为信号时频分析提供了更多的选择,尤其对非平稳信号的研究更具有实际的意义。
(2)阶次连续性,分数傅里叶变换的旋转角度和阶数p是一一对应的,所以阶数p也是连续的,Fp(u)会随着阶数p的变化而变化,利用该性质,在信号时频分析中可以通过对阶数的选取找到能量积累最大的地方,从而为非平稳信号检测找到一类最佳的检测方法。
在本发明实施例中,步骤S105包括对FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵。
具体地,奇异值分解(Singular Value Decomposition,以下简称SVD)是在机器学习领域广泛应用的算法,它不仅可以用于降维算法中的特征分解,还可以用于推荐系统以及自然语言处理等领域。因此是很多机器学习算法的基石。
SVD是对矩阵进行分解,但是和特征分解不同,SVD并不要求要分解的矩阵为方阵。假设我们的矩阵A是一个m×n的矩阵,那么我们定义矩阵A的SVD为:A=U∑VT。
其中,U是一个m×m的矩阵,∑是一个m×n的奇异值矩阵,除了主对角线上的元素以外全为0,主对角线上的每个元素都称为奇异值,V是一个n×n的矩阵。U和V都是酉矩阵,即满足UTU=I,VTV=I。
SVD分解后的U、∑、V的求法为:
将AT和A做矩阵乘法,那么会得到n×n的方阵,可以进行特征分解,得到的特征值和特征向量满足:(ATA)vi=λivi,得到矩阵ATA的n个特征值和对应的n个特征向量v。将ATA的所有特征向量组成一个n×n的矩阵得到矩阵V。一般我们将V中的每个特征向量叫做A的右奇异向量。
同理将A和AT做矩阵乘法,计算得到矩阵U。一般我们将U中的每个特征向量叫做A的左奇异向量。
对于奇异值,它跟我们特征分解中的特征值类似,在奇异值矩阵中也是按照从大到小排列,而且奇异值的减少特别的快,在很多情况下,前10%甚至1%的奇异值的和就占了全部的奇异值之和的99%以上的比例。
也就是说,我们也可以用最大的k个奇异值和对应的左右奇异向量来近似描述矩阵:
由于这个重要的性质,SVD可以用于来降维、数据压缩和去噪。
在本发明实施例中,变换阶数范围的选取是根据目标最大加速度范围确定,变换阶数与目标运动的加速度间存在一一对应关系,目标最大加速度对应目标FRFT谱的最大变换阶数。
在通过步骤S105获得奇异值矩阵之后,分别通过步骤S107、S109、S111获得奇异值、对目标检测以及对目标的特点进行判断,在下文中,将通过仿真试验的方式对此进行详细描述。
为从目标与海杂波的FRFT谱在变化阶数和分数频率平面上的纹理差异实现二者的区分。本文在对方法进行研究的同时,对参与运算的回波数量、数据补零方式给方法造成的影响和不同信杂比特征进行分析和总结。
在船舶目标所在的第172个距离单元添加线性调频信号的匀变速目标Sig1(t),f01=100,m1=2000。
在无目标的第250个距离单元添加三个线性调频信号的匀变速目标Sig2(t)、Sig3(t)、Sig4(t),f01=f02=f03=100,m2=1000,m3=2000,m4=-2000。
具体地,将包含仿真目标的数据在各个距离单元上进行全部脉冲的FRFT计算,对得到的FRFT矩阵进行奇异值分解SVD,得到奇异值矩阵∑,对奇异值矩阵∑的前4项特征值进行累加,得到各个距离单元上相应的总特征值。
在本发明实施例中,选择奇异值矩阵∑的前4项至前10项的特征值进行累加,得到各个距离单元上相应的总特征值。
参照图4以及图5(a)和图5(b),可以看出:
FRFT可以很好地将不同运动状态的目标从变化阶数维和分数频率维进行区分。对数据中存在的低速匀速小目标其变化阶数维近于p=1处能量最集中,此时FRFT实际上是对应于傅里叶变换;对同样位于第172个距离单元的仿真目标Sig1(t),其在变化阶数维相对低速匀速目标明显偏于0。两个目标由于中心频率存在明显不同,其相应在u域上也存在较大的差异程度。
此外,若目标的中心频率相近,FRFT处理后在分数频率维将有所重叠,但根据其加速度的不同,在变化阶数维依旧会有较好的区分。
此外,奇异值可以在各距离单元上体现不同目标的累加结果,由此对该距离单元上是否存在目标进行判断,但无法检验目标个数和特性。
此外,在同一距离单元上出现多个匀加速目标时,相较单个的匀加速目标,其FRFT谱在奇异值分解后的奇异值矩阵的前10项在总体中能量占比在90%以上。这个结果表明,在目标更多、更显著的情况下,前数项奇异值更具有代表性。同时可以看到,奇异值的大小随着目标数量的增多和能量的增大而提升。参与运算的回波脉冲越多,前数项奇异值更大、代表性更好。
在本发明实施例中,可以在使用海杂波数据进行FRFT计算之前对数据进行调整,包括截取不同数量的脉冲数参与运算、在数据脉冲维的前段补充同规模的零矩阵以及在数据脉冲维的后段补充同规模的零矩阵。
以下示出了不同调整方式的情况下对结果的影响。
(1)回波脉冲数的影响分析
实际情况中的雷达数据多为短时采集,希望用较少的回波脉冲完成相应的杂波抑制与判断。对此,我们采用32、48、64、96个回波脉冲进行FRFT-SVD并进行对比查看效果。
参照图6(a)至图6(d),可以看出:随着参与运算的回波脉冲减少,FRFT中目标之间的差异程度越来越小。尤其是在中心频率相近的目标几乎难以区分。分数频率维在较少数量回波脉冲参与运算时的区分能力要优于变化阶数维的区分能力,但前提是目标间中心频率存在差别。
参照图7(a)和图7(b),可以看出:随着参与运算的回波脉冲数减少,距离-奇异值图中各个距离单元上目标与海杂波的奇异值积累均会有所下降,但就目标与海杂波的积累奇异值比值而言,依旧有着良好的差异程度,可以以此进行CFAR的设计。
(2)数据补零的影响分析
在一个示例中,对脉冲×距离单元为128×320的数据在脉冲维上补充零矩阵,使其成为脉冲×距离单元为256×320的数据,再进行FRFT-SVD运算。
使用两种补充零矩阵的方式,在原矩阵前部补零和原矩阵后部补零得到的运算结果分别如图8(a)和图8(b)所示。
对比两种补零方式及原矩阵的FRFT-SVD,可以看出:
(i)矩阵前补零方式可以使中心频率相近的目标在分数频率维错开显示,使得这类目标在分数频率维可以直接分辨。这种情况可能是由于,在前补零方式中,t轴与u轴的原点实际位于了零矩阵与原矩阵的交界点上,使得FRFT的分数频率维倾斜相当于由原先的以原矩阵中央为轴心转变为以原矩阵起始为轴心进行而拉缓调频斜率,即原来调频斜率相近的LFM信号斜率差异增大。进而使目标在分数频率维交错可识别。
(ii)矩阵后补零方式相较前补零方式后FRFT-SVD、原矩阵直接进行FRFT-SVD运算得到的距离-奇异值的幅值及目标与海杂波的奇异值比值都要高,虽然无法像前补零一样使目标在分数频率维可分辨,但在目标的检测和设计CFAR上有更好的效果。
经过两者的效果的分析,将原矩阵进行后补零并将其在t轴上位移至原点的正方向,再进行FRFT-SVD,得到处理结果,如图9(a)和图9(b)所示。
可以看出:这样处理后的数据在进行FRFT-SVD的时候,在目标在分数频率维可区分的同时,距离-奇异值的幅值及目标与海杂波的奇异值比值也在一定程度上有所提升。
(3)恒变加速度目标的FRFT-SVD
在仅含有低速匀速船舶目标的数据中添加加速度随时间线性变化的恒定加加速度目标(如图10所示),对其进行FRFT-SVD运算,结果如图11(a)和图11(b)所示。
可以看出:在目标加速度随时间线性变化运动的过程中,能量并不在变化阶数和分数频率平面上集中于一点,而是呈现一种非线性的带状。这也体现出其速度和加速度都随时间变化的特点。
此外,在目标处于变加速运动时,不同的变换阶数值下的目标能量都很集中,形成一定宽度,若采用传统傅里叶变化或者特定变换阶数值的傅里叶变化,则无法判断目标的状态,甚至漏警。
同样,在分数频率维也会呈现窄带,这均体现出了从两个维度进行观测的FRFT的优越性。对于变加速运动,FRFT后的进行SVD并累积奇异值,依旧可以高对比度地观测出各个距离单元上是否存在目标。
(4)不同信杂比下特征分析
分别设计不同规格的仿真目标,对比其在同样条件下的海杂波中FRFT的处理效果,观测FRFT-SVD的适用范围。
选取13dB、9dB、4dB、0dB四组不同时域信杂比的目标(对应频域信杂比分别为14.5dB、7.5dB、5.7dB、2.1dB)添加到不包含船舶目标的纯海杂波数据进行FRFT-SVD运算。
分别在第150个距离单元添加单一目标Sig1(t),在第250个距离单元添加三个叠加的目标Sig2(t)、Sig3(t)、Sig4(t)。控制目标的回波幅值以改变数据的信杂比,FRFT-SVD结果如图12(a)至图12(d)所示。
可以看出:随着添加的仿真信号的能量变弱、信杂比变小,在FRFT图中的目标幅度也逐渐被海杂波能量淹没。通过对比可以看到,在二级海况的条件下,加速度越小、速度越小的目标在FRFT处理后越容易被海杂波淹没,在加速度、速度较大时仍有较强的分辨能力。
同时可以看出:随着信杂比的下降,变化阶数维的目标显示要比分数频率维更容易被淹没。在信杂比趋近0dB时,变化阶数维观察到目标基本被海杂波淹没,而分数频率维依旧有一定区分目标的能力。
对比不同信杂比下的距离-奇异值图,目标在不同距离单元上对奇异值的积累都有所下降,目标与海杂波的奇异值比值也下降。在第172个距离单元上的单个目标在信杂比为4dB时恰好被淹没,但第250个距离单元上三个目标的叠加使得其依旧有一定的观测效果。
本发明实施例设计并进行了大擦地角下的FRFT-SVD计算,将采集到的大擦地角下的纯海杂波数据和包含仿真目标的目标数据在不同距离单元上进行FRFT,对得到的FRFT矩阵进行奇异值分解SVD,得到奇异值矩阵∑,将奇异值矩阵∑的前数项奇异值进行累加,得到各个距离单元上相应的总特征值。结果表明,20°到56°的擦地角范围内的FRFT-SVD运算,随着参与运算的回波脉冲数的变少而出现变化阶数维和分数频率维的重叠现象和目标与海杂波奇异值比的降低,根据数据矩阵在补零矩阵位置的不同会使原有的混叠变得分离且可观测、目标奇异值绝对值和目标与海杂波奇异值比的变大。这些结论可用于海杂波中杂波抑制和目标检测方法优化设计。
图13为本发明实施例提供的海杂波中FRFT域奇异值特征的目标检测装置的结构框图。参照图13,该装置1300包括:
海杂波数据获取单元1301,用于通过雷达获得大擦地角下的海杂波数据;
FRFT谱获取单元1303,用于使用海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;
奇异值矩阵获取单元1305,用于对FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;
奇异值获取单元1307,用于对奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;
目标检测单元1309,用于基于对各个距离单元上的总奇异值对目标进行检测;以及
目标判断单元1311,用于基于对各个距离单元上的FRFT谱对目标的特点进行判断,
其中,变换阶数范围的选取是根据目标最大加速度范围确定,变换阶数与目标运动的加速度间存在一一对应关系,目标最大加速度对应目标FRFT谱的最大变换阶数。
由以上可知,装置1300的各个单元1301至1311可以分别执行参照上述实施例描述的检测方法中的各个步骤,此处将不再对其细节进行描述。
本发明通过采用FRFT完成多个变换阶数下的FRFT谱计算,然后将其构造成矩阵,通过奇异值分解,提取具有一定能量占比的奇异值,反映FRFT谱的空间变化关联性。从目标与海杂波的FRFT谱在变化阶数和分数频率平面上的纹理差异实现二者的区分,从而避免最优变换阶数搜索问题。经实测数据验证,相比于现有海杂波抑制方法,本发明方法能够适应脉冲回波序列信杂比的变化,并且在信杂比较低及多目标环境中,仍能有效抑制海杂波,提取目标信号。
另一方面,本发明提供了一种电子设备。如图14所示,电子设备1400包括处理器1401、存储器1402、通信接口1403和通信总线1404;
其中,处理器1401、存储器1402、通信接口1403通过通信总线1404完成相互间的通信;
处理器1401用于调用存储器1402中的计算机程序,处理器1401执行计算机程序时实现如上所述的本发明的实施例所提供的海杂波中FRFT域奇异值特征的目标检测方法的步骤。
此外,上述存储器中的计算机程序可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干计算机程序以使得一台计算机设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明提供了一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的本发明的实施例所提供的海杂波中FRFT域奇异值特征的目标检测方法的步骤。
以上所描述的装置实施例仅仅是示意性的,其中所述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,作为单元显示的部件可以是或者也可以不是物理单元,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本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (9)
1.一种海杂波中FRFT域奇异值特征的目标检测方法,其特征在于,包括:
通过雷达获得海杂波数据;
使用所述海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;
对所述FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;
对所述奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;
基于对所述各个距离单元上的总奇异值对目标进行检测;以及
基于对所述各个距离单元上的FRFT谱对所述目标的特点进行判断,
其中,变换阶数范围的选取是根据目标最大加速度范围确定,变换阶数与目标运动的加速度间存在一一对应关系,目标最大加速度对应目标FRFT谱的最大变换阶数。
2.根据权利要求1所述的海杂波中FRFT域奇异值特征的目标检测方法,其特征在于,所述方法还包括:在所述使用所述海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱之前,对所述海杂波数据进行调整,包括:
截取不同数量的脉冲数参与运算;
在数据脉冲维的前段补充同规模的零矩阵;以及
在所述数据脉冲维的后段补充所述同规模的零矩阵。
3.根据权利要求1所述的海杂波中FRFT域奇异值特征的目标检测方法,其特征在于,所述预定能量占比为所述奇异值矩阵的全部特征值之和的90%或更高,但未达到100%。
4.根据权利要求1所述的海杂波中FRFT域奇异值特征的目标检测方法,其特征在于,所述前预定项为所述奇异值矩阵的前4项至前10项。
5.根据权利要求1所述的海杂波中FRFT域奇异值特征的目标检测方法,其特征在于,所述目标的特点包括所述目标的运动方向、速度、加速度、频率及目标回波能量。
6.根据权利要求1所述的海杂波中FRFT域奇异值特征的目标检测方法,其特征在于,所述目标包括匀速运动的水面目标、匀加/减速运动的水面目标以及加速度随时间线性变化的水面运动目标。
7.一种海杂波中FRFT域奇异值特征的目标检测装置,其特征在于,包括:
海杂波数据获取单元,用于通过雷达获得海杂波数据;
FRFT谱获取单元,用于使用所述海杂波数据在各个距离单元上进行多个变换阶数下的FRFT计算,获得FRFT谱;
奇异值矩阵获取单元,用于对所述FRFT谱的矩阵进行奇异值分解SVD,获得奇异值矩阵;
奇异值获取单元,用于对所述奇异值矩阵中预定能量占比的前预定项奇异值进行累加,获得各个距离单元上相应的总奇异值;
目标检测单元,用于基于对所述各个距离单元上的总奇异值对目标进行检测;以及
目标判断单元,用于基于对所述各个距离单元上的FRFT谱对所述目标的特点进行判断,
其中,变换阶数范围的选取是根据目标最大加速度范围确定,变换阶数与目标运动的加速度间存在一一对应关系,目标最大加速度对应目标FRFT谱的最大变换阶数。
8.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述海杂波中FRFT域奇异值特征的目标检测方法的步骤。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述海杂波中FRFT域奇异值特征的目标检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110808715.XA CN113567944B (zh) | 2021-07-16 | 2021-07-16 | 海杂波中frft域奇异值特征的目标检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110808715.XA CN113567944B (zh) | 2021-07-16 | 2021-07-16 | 海杂波中frft域奇异值特征的目标检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113567944A true CN113567944A (zh) | 2021-10-29 |
CN113567944B CN113567944B (zh) | 2023-08-04 |
Family
ID=78165274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110808715.XA Active CN113567944B (zh) | 2021-07-16 | 2021-07-16 | 海杂波中frft域奇异值特征的目标检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113567944B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114424930A (zh) * | 2022-01-07 | 2022-05-03 | 煤炭科学研究总院有限公司 | 基于奇异值分解的超宽带uwb生命信号数据处理方法和装置 |
WO2024119829A1 (zh) * | 2022-12-06 | 2024-06-13 | 哈尔滨工程大学 | 一种改进奇异值分解的海杂波抑制算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101827060A (zh) * | 2010-03-30 | 2010-09-08 | 北京理工大学 | 基于分数阶傅里叶变换的自适应调制解调方法 |
CN102967854A (zh) * | 2012-12-07 | 2013-03-13 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的多重分形检测方法 |
CN103207390A (zh) * | 2013-04-02 | 2013-07-17 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的近似分形检测方法 |
CN104155632A (zh) * | 2014-07-18 | 2014-11-19 | 南京航空航天大学 | 一种基于局部相关性的改进子空间海杂波抑制方法 |
CN106054153A (zh) * | 2016-05-23 | 2016-10-26 | 武汉大学 | 一种基于分数阶变换的海杂波区目标检测与自适应杂波抑制方法 |
-
2021
- 2021-07-16 CN CN202110808715.XA patent/CN113567944B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101827060A (zh) * | 2010-03-30 | 2010-09-08 | 北京理工大学 | 基于分数阶傅里叶变换的自适应调制解调方法 |
CN102967854A (zh) * | 2012-12-07 | 2013-03-13 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的多重分形检测方法 |
CN103207390A (zh) * | 2013-04-02 | 2013-07-17 | 中国人民解放军海军航空工程学院 | Frft域海杂波中目标的近似分形检测方法 |
CN104155632A (zh) * | 2014-07-18 | 2014-11-19 | 南京航空航天大学 | 一种基于局部相关性的改进子空间海杂波抑制方法 |
CN106054153A (zh) * | 2016-05-23 | 2016-10-26 | 武汉大学 | 一种基于分数阶变换的海杂波区目标检测与自适应杂波抑制方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114424930A (zh) * | 2022-01-07 | 2022-05-03 | 煤炭科学研究总院有限公司 | 基于奇异值分解的超宽带uwb生命信号数据处理方法和装置 |
CN114424930B (zh) * | 2022-01-07 | 2024-02-27 | 煤炭科学研究总院有限公司 | 基于奇异值分解的超宽带uwb生命信号数据处理方法和装置 |
WO2024119829A1 (zh) * | 2022-12-06 | 2024-06-13 | 哈尔滨工程大学 | 一种改进奇异值分解的海杂波抑制算法 |
Also Published As
Publication number | Publication date |
---|---|
CN113567944B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Detection of low observable targets within sea clutter by structure function based multifractal analysis | |
CN101556328B (zh) | 基于杂波协方差矩阵的机载雷达空时二维滤波器构建方法 | |
US5945940A (en) | Coherent ultra-wideband processing of sparse multi-sensor/multi-spectral radar measurements | |
CN107976660B (zh) | 弹载多通道雷达超低空目标分析与多径回波建模方法 | |
CN107607938B (zh) | 一种频率分集阵列雷达低空目标检测方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN103412290B (zh) | 知识辅助的apr非均匀样本检测方法 | |
CN104076360B (zh) | 基于压缩感知的二维sar稀疏目标成像方法 | |
CN113567944B (zh) | 海杂波中frft域奇异值特征的目标检测方法和装置 | |
KR102013205B1 (ko) | 레이더 신호 처리 모의 장치 및 방법 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
Hussain et al. | Target parameter estimation in reduced dimension stap for airborne phased array radar | |
Shi et al. | Low-velocity small target detection with Doppler-guided retrospective filter in high-resolution radar at fast scan mode | |
CN104833970B (zh) | 一种适用于存在遮挡效应的旋转目标稀疏多普勒成像方法 | |
CN102866388A (zh) | 一种空时自适应处理中的自适应权值迭代计算方法 | |
CN110082744A (zh) | 多普勒分级复用的mimo机载双基雷达杂波抑制方法 | |
CN112255608A (zh) | 一种基于正交投影的雷达杂波自适应抑制方法 | |
CN113933808A (zh) | 机载雷达动目标检测方法、装置、设备及存储介质 | |
CN108387880A (zh) | 一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法 | |
Nickel | Radar target parameter estimation with array antennas | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
CN113687321B (zh) | 雷达目标探测距离评估方法和装置 | |
CN114518564A (zh) | 一种基于特征杂波图的海面低空小目标检测方法 | |
CN113391286A (zh) | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 |
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 |