CN114280571B - 一种雨杂波信号的处理方法、装置及设备 - Google Patents
一种雨杂波信号的处理方法、装置及设备 Download PDFInfo
- Publication number
- CN114280571B CN114280571B CN202210205869.4A CN202210205869A CN114280571B CN 114280571 B CN114280571 B CN 114280571B CN 202210205869 A CN202210205869 A CN 202210205869A CN 114280571 B CN114280571 B CN 114280571B
- Authority
- CN
- China
- Prior art keywords
- echo signal
- gradient
- echo
- signal
- 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.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种雨杂波信号的处理方法、装置及设备,所述方法包括:获取雷达的回波信号;对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;对所述时域回波信号进行梯度计算处理,得到回波梯度;根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差;根据所述连通域中梯度的方差和预设方差阈值,确定所述回波信号中的雨杂波信号。本发明提供的方案可以提高雷达回波信号中雨杂波抑制的准确性,同时可以适应不同的应用场景。
Description
技术领域
本发明涉及雷达回波信号处理技术领域,特别是指一种雨杂波信号的处理方法、装置及设备。
背景技术
当前雷达应用广泛,其特殊的工作原理导致其回波性能易受工作环境中的雨杂波干扰。通常雨杂波的分布存在较大的随机性,回波强度受雨势影响较大,无法准确计算出实时分布规律。这些特点使得现有雷达雨杂波抑制算法性能表现不佳,在终端产生大量虚警,对正确分析雷达回波图像造成较大的干扰,其在导航雷达应用中严重影响雷达值班人员的观察,易导致误判增加航行风险。
现有的雷达雨杂波抑制方法主要包括以下三种:一是采用动目标显示(MTI)和动目标检测(MTD)技术滤波,或者模拟电路滤波器对雨杂波信号进行降噪处理,这些方法对于小目标和杂波的区分度较差,容易造成雨杂波过滤不干净或小目标被过滤的问题;也有利用传统的恒虚假检测器检测背景噪声及雨杂波的大小,进而自适应调整目标检测门限,但此方法对于降雨量的改变,即雨杂波幅值统计分布发生变化后便不再适用,普适性较差;另外也可以通过改变天线极化方式或者改变雷达工作频段,从而减少雨杂波信号的接受,这类方法需要的成本较大,且可操作性较差。
现有方法在进行雨杂波抑制时很难找到较好区分雨杂波的特征,识别效果不佳,进而对雨杂波滤除的效果不好;另一方面某些能滤除雨杂波的方法通常只能限定某一种场景,对于变幻多变的雨杂波处理并不能很好地适应,无法准确做到普适性。
发明内容
本发明要解决的技术问题是提供一种雨杂波信号的处理方法、装置及设备以提高对雷达雨杂波抑制的准确性,提高抑制雨杂波对不同场景的适应性。
为解决上述技术问题,本发明的实施例提供一种雨杂波信号的处理方法,所述方法包括:
获取雷达的回波信号;
对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;
对所述时域回波信号进行梯度计算处理,得到回波梯度;
根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差;
根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号。
可选的,对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号,包括:
对所述雷达的回波信号进行傅里叶变化得到频域回波信号S;
对所述频域回波信号S进行滤波处理,得到滤波处理后的频域回波信号;
可选的,对所述频域回波信号S进行滤波处理,得到滤波处理后的频域回波信号,包括:
将所述频域回波信号S与二阶高通滤波器系数h相乘,得到滤波处理后的频域回波信号。
可选的,对所述时域回波信号进行梯度计算处理,得到回波梯度,包括:
可选的,根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差,包括:
利用连通域统计方法统计所述回波梯度的多个梯度连通域bwlabel(L),其中L为连通域数量;
遍历所述多个梯度连通域bwlabel(L),获取所述多个梯度连通域bwlabel(L)中每个连通域的梯度方差Var(T),其中T=1,2,3,...,L。
可选的,根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号,包括:
将所述连通域中的梯度方差小于或者等于预设方差阈值的回波信号确定为雨杂波信号。
可选的,所述的雨杂波信号的处理方法,还包括:
当所述雨杂波信号大于检测门限时,对所述雨杂波信号进行置零。
本发明的实施例还提供一种雨杂波信号的处理装置,所述装置包括:
获取模块,用于获取雷达的回波信号;
处理模块,用于对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;对所述时域回波信号进行梯度计算处理,得到回波梯度;根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中梯度的方差;根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号。
本发明的实施例还提供一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上述所述的方法对应的操作。
本发明的实施例还提供一种计算机可读存储介质,存储有指令,所述指令在计算机上运行时,使得计算机执行如上述所述的方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,获取雷达的回波信号;对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;对所述时域回波信号进行梯度计算处理,得到回波梯度;根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差;根据所述连通域中梯度的方差和预设方差阈值,确定所述回波信号中的雨杂波信号,实现对雨杂波信号的准确抑制,同时通过预设方差阈值,提高该方案应对不同场景的适应性。
附图说明
图1是本发明实施例提供的雨杂波信号的处理方法流程图;
图2是本发明实施例提供的雨杂波信号的处理方法具体实现流程图;
图3是本发明实施例提供的回波信号梯度连通域的方差示意图;
图4是本发明实施例提供的抑制雨杂波信号后的回波信号示意图;
图5本发明实施例提供的雷达接收的原始回波信号示意图;
图6是本发明实施例提供的连通域示意图;
图7是本发明实施例提供的雨杂波信号的处理装置的模块示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提出一种雨杂波信号的处理方法,所述方法包括:
步骤11,获取雷达的回波信号;
步骤12,对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;
步骤13,对所述时域回波信号进行梯度计算处理,得到回波梯度;
步骤14,根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差;
步骤15,根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号。
该实施例中,获取的雷达的回波信号为网格化的回波数据,所述回波数据可以表示为s(m,n),其中,m、n分别为所述回波数据矩阵的行数和列数;对所述回波数据进行预处理,以实现不同形式间的回波数据进行转换,得到所述回波信号的时域回波信号,便于后续步骤的进行;对所述时域回波信号进行连通域处理后,进一步计算每个连通域的梯度方差,根据所述梯度方差和预设方差阈值,确定雨杂波信号;所述预设方差阈值可以根据实际的环境情况进行设置;
所述雨杂波信号相对于陆地信号和目标信号较为平缓,基于所述时域回波信号的梯度方差对雨杂波信号进行抑制方法分析;能在复杂的雷达的回波数据元素中准确识别雨杂波信号,提高雨杂波信号抑制的准确度,同时根据预设的方差阈值提高了本方案应对不同场景的适应性。
本发明的一可选实施例中,上述步骤12,可以包括:
步骤121,对所述雷达的回波信号进行傅里叶变化得到频域回波信号S;
步骤122,对所述频域回波信号S进行滤波处理,得到滤波处理后的频域回波信号;
该实施例中,对所述雷达的回波信号进行预处理包括,依次对回波信号进行傅里叶变化处理,滤波处理以及反傅里叶变化处理;所述傅里叶变化处理以及所述反傅里叶变化处理,主要为实现不同形式间的回波信号进行转换;对进行傅里叶变化处理后得到的频域回波信号进行滤波处理,以实现所述回波信号中部分雨杂波信号的初次滤除,以降低后续处理的回波数据量;优选的,可以通过二阶高通滤波器对所述频域回波信号进行高通滤波处理,得到滤除部分雨杂波信号后的频域回波信号;对滤除部分雨杂波信号后的频域回波信号进行反傅里叶变化,以实现频域回波信号转换成时域回波信号,便于后续步骤的进行。
本发明的一可选实施例中,上述步骤122,可以包括:
步骤1221,将所述频域回波信号S与二阶高通滤波器系数h相乘,得到滤波处理后的频域回波信号。
该实施例中,通过将所述频域回波信号对应的回波数据与所述二阶高通滤波器的系数相乘,得到与所述频域回波信号对应的矩阵,将所述矩阵中为零的数据元素去除,即实现雨杂波信号的初步滤除;优选的,所述二阶高通滤波器的系数可以通过以下公式获得:
其中,d0为滤波器截止频率,t为滤波器阶数,用于控制滤波边沿陡峭程度,d表示频谱图中频点位置至中心位置距离,由于d受数据矩阵维度影响,考虑自适应数据维度,设计数据维度缩放因子为zoomScaling=m/n,则d可以依据公式:获得,其中m,n为所述雷达的回波信号对应的回波数据矩阵的行数和列数;i=1,2,3,...,m;j=1,2,3,...,n;将所述雷达的回波信号对应的回波数据矩阵与所述二阶高通滤波器的系数相乘从而达到自适应滤波的效果。
本发明的一可选实施例中,上述步骤13,可以包括:
本发明的一可选实施例中,上述步骤14,可以包括:
步骤141,利用连通域统计方法统计所述回波梯度的多个梯度连通域bwlabel(L),其中L为连通域数量;
步骤142,遍历所述多个梯度连通域bwlabel(L),获取所述多个梯度连通域bwlabel(L)中每个连通域的梯度方差Var(T),其中T=1,2,3,...,L。
该实施例中,由于雨杂波信号的梯度相对较为平缓,如图4所示,统计出所述回波梯度的连通域,并进一步计算所有连通域中的每个连通域的梯度方差,如图3所示的回波梯度连通域的方差计算结果,利用方差可以直观的反映出雨杂波信号较为平缓的特性,从而准确检测出雨杂波信号,便于后续进行雨杂波信号的抑制。
本发明的一可选实施例中,上述步骤15,可以包括:
步骤151,将所述连通域中的梯度方差小于或者等于预设方差阈值的回波信号确定为雨杂波信号。
该实施例中,所述预设方差阈值可以根据应用场景当前的实际情况,进行设置调整,如雨势的大小;将连通域中的梯度方差小于或等于预设方差阈值的回波信号确定为雨杂波信号,同时对相应的连通域进行标记,并标记为0;对于大于所述预设方差阈值的梯度方差对应的连通域,标记为1;根据当前环境的实际情况设置方差阈值,以提高上述方法对不同场景的适应性。
本发明的一可选实施例中,基于步骤151的基础上,所述的雨杂波信号的处理方法,还可以包括:
步骤152,当所述雨杂波信号大于检测门限时,对所述雨杂波信号进行置零。
该实施例中,根据连通域标记矩阵生成检测门限,对获取的雷达的回波信号进行检测,对连通域标记为0的回波信号进行过滤,保留连通域标记为1的回波信号从而实现对雨杂波信号的过滤。如图2所示是上述方法具体实现流程图,具体步骤如下:
步骤22,采用二阶高通滤波器对频域回波信号进行滤波,将回波信号矩阵与二阶高通滤波器的系数矩阵相乘从而达到自适应滤波的效果。
步骤23,对已经滤波后的频域回波信号进行傅里叶逆变换,得到过滤部分雨杂波信号的时域回波数据S’(m,n)。
步骤24,利用滤波后的时域回波信号计算梯度,考虑回波信号为二维数据,分别从横纵向的角度计算梯度分量,进一步计算得到回波梯度。
步骤25,利用邻接连通域方法统计回波梯度的连通域bwlabel(L),其中L为连通域数量。
步骤26,遍历梯度连通域bwlabel(L),计算每个连通域的方差Var(T),其中l为连通域数量。
步骤27,根据当前雨势大小设置截止方差阈值Thr,遍历梯度连通域方差Var(T),比较Var(T)与Thr,当Var(T)≤Thr,则认为梯度连通域中的回波数据为雨杂波,将其连通域标记为0;当Var(T)>Thr,则认为梯度连通域中的回波数据为陆地或者目标,将其连通域标记为1。
步骤28,根据连通域标记矩阵生成检测门限,对连通域标记为0的回波进行过滤,保留连通域标记为1的回波从而实现对雨杂波的过滤。
本发明的上述实施例根据大量雷达回波数据总结出雨杂波的特性,即雨杂波信号相对陆地信号和目标信号更为平缓,进而分析出雨杂波信号通常在一帧回波信号中处于低频位置,利用高通滤波器对回波信号中的低频成分进行滤除实现对雨杂波的部分过滤;进一步进行梯度方差的计算,从而准确检测出雨杂波并进行抑制;如图4所示的抑制雨杂波信号后的回波信号示意图,图5是雷达接收到的原始回波信号示意图,可以看出,通过本申请实施例提供的去除雨杂波的方法,能够有效识别出雨杂波并进行抑制,提高回波信号输出的精准度。
基于梯度方差的雷达雨杂波抑制方法充分分析、总结雷达雨杂波特性,能在复杂的回波数据元素中准确识别雨杂波,具备雨杂波抑制准确度高的优点。同时本发明可根据雨势大小设置不同截止方差阈值,提高了本发明方法应对不同场景的适应性。
本发明的实施例还提供一种雨杂波信号的处理装置70,所述装置70包括:
获取模块71,用于获取雷达的回波信号;
处理模块72,用于对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;对所述时域回波信号进行梯度计算处理,得到回波梯度;根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中梯度的方差;根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号。
可选的,所述处理模块72,用于对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号,包括:
对所述雷达的回波信号进行傅里叶变化得到频域回波信号S;
对所述频域回波信号S进行滤波处理,得到滤波处理后的频域回波信号;
可选的,所述处理模块72,用于对所述频域回波信号S进行滤波处理,得到滤波处理后的频域回波信号,包括:
将所述频域回波信号S与二阶高通滤波器系数h相乘,得到滤波处理后的频域回波信号。
可选的,所述处理模块72,用于根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差,包括:
利用连通域统计方法统计所述回波梯度的多个梯度连通域bwlabel(L),其中L为连通域数量;
遍历所述多个梯度连通域bwlabel(L),获取所述多个梯度连通域bwlabel(L)中每个连通域的梯度方差Var(T),其中T=1,2,3,...,L。
可选的,所述处理模块72,用于根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号,包括:
将所述连通域中的梯度方差小于或者等于预设方差阈值的回波信号确定为雨杂波信号。
可选的,所述处理模块72,还用于当所述雨杂波信号大于检测门限时,对所述雨杂波信号进行置零。
需要说明的是,该装置是与上述雨杂波信号的处理方法相对应的装置,上述方法实施例中的所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质,包括指令,当所述指令在计算机上运行时,使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中,也能达到相同的技术效果。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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,包括若干指令用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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种雨杂波信号的处理方法,其特征在于,所述方法包括:
获取雷达的回波信号;所述雷达的回波信号为网格化的回波数据,所述回波数据表示为s(m,n),其中,m、n分别为所述回波数据矩阵的行数和列数;
对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;
对所述时域回波信号进行梯度计算处理,得到回波梯度;
根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差;
根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号;
其中,对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号,包括:
对所述雷达的回波信号进行傅里叶变化得到频域回波信号S;
通过二阶高通滤波器对所述频域回波信号S进行高通滤波处理,得到滤波处理后的频域回波信号;
对所述滤波处理后的频域回波信号进行反傅里叶变换,得到所述滤波处理后的频域回波信号的时域回波信号 S’;
通过二阶高通滤波器对所述频域回波信号S进行高通滤波处理,得到滤波处理后的频域回波信号,包括:
将所述频域回波信号S与二阶高通滤波器系数h相乘,得到滤波处理后的频域回波信号;
其中,所述二阶高通滤波器的系数可以通过以下公式获得:
,其中,h为二阶高通滤波器的系数,为d0为滤波器截止频率,t为滤波器阶数,用于控制滤波边沿陡峭程度,d表示频谱图中频点位置至中心位置距离,由于d受数据矩阵维度影响,考虑自适应数据维度,设计数据维度缩放因子为zoomScaling=m/n,则d可以依据公式:获得,
其中m,n为所述雷达的回波信号对应的回波数据矩阵的行数和列数;i=1,2,3,...,m;j=1,2,3,...,n。
3.根据权利要求1所述的雨杂波信号的处理方法,其特征在于,根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中的梯度方差,包括:
利用连通域统计方法统计所述回波梯度的多个梯度连通域bwlabel(L),其中L为连通域数量;
遍历所述多个梯度连通域bwlabel(L),获取所述多个梯度连通域bwlabel(L)中每个连通域的梯度方差Var(T),其中T=1,2,3,...,L。
4.根据权利要求1所述的雨杂波信号的处理方法,其特征在于,根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号,包括:
将所述连通域中的梯度方差小于或者等于预设方差阈值的回波信号确定为雨杂波信号。
5.根据权利要求4所述的雨杂波信号的处理方法,其特征在于,还包括:
当所述雨杂波信号大于检测门限时,对所述雨杂波信号进行置零。
6.一种雨杂波信号的处理装置,其特征在于,所述装置包括:
获取模块,用于获取雷达的回波信号;所述雷达的回波信号为网格化的回波数据,所述回波数据表示为s(m,n),其中,m、n分别为所述回波数据矩阵的行数和列数;
处理模块,用于对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号;对所述时域回波信号进行梯度计算处理,得到回波梯度;根据所述回波梯度进行时域回波信号的连通域处理,得到连通域中梯度的方差;根据所述连通域中的梯度方差和预设方差阈值,确定所述回波信号中的雨杂波信号;其中,对所述雷达的回波信号进行预处理,得到所述回波信号的时域回波信号,包括:
对所述雷达的回波信号进行傅里叶变化得到频域回波信号S;
通过二阶高通滤波器对所述频域回波信号S进行高通滤波处理,得到滤波处理后的频域回波信号;
对所述滤波处理后的频域回波信号进行反傅里叶变换,得到所述滤波处理后的频域回波信号的时域回波信号S’;
通过二阶高通滤波器对所述频域回波信号S进行高通滤波处理,得到滤波处理后的频域回波信号,包括:
将所述频域回波信号S与二阶高通滤波器系数h相乘,得到滤波处理后的频域回波信号;其中,所述二阶高通滤波器的系数可以通过以下公式获得:
,其中,h为二阶高通滤波器的系数,d0为滤波器截止频率,t为滤波器阶数,用于控制滤波边沿陡峭程度,d表示频谱图中频点位置至中心位置距离,由于d受数据矩阵维度影响,考虑自适应数据维度,设计数据维度缩放因子为zoomScaling=m/n,则d可以依据公式:获得,
其中m,n为所述雷达的回波信号对应的回波数据矩阵的行数和列数;i=1,2,3,...,m;j=1,2,3,...,n。
7.一种计算设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的方法对应的操作。
8.一种计算机可读存储介质,其特征在于,存储有指令,所述指令在计算机上运行时,使得计算机执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210205869.4A CN114280571B (zh) | 2022-03-04 | 2022-03-04 | 一种雨杂波信号的处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210205869.4A CN114280571B (zh) | 2022-03-04 | 2022-03-04 | 一种雨杂波信号的处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114280571A CN114280571A (zh) | 2022-04-05 |
CN114280571B true CN114280571B (zh) | 2022-07-19 |
Family
ID=80882195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210205869.4A Active CN114280571B (zh) | 2022-03-04 | 2022-03-04 | 一种雨杂波信号的处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114280571B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821618B (zh) * | 2023-06-21 | 2024-03-15 | 宁波麦思捷科技有限公司武汉分公司 | 一种海面监视雷达杂波抑制方法及系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699950A (zh) * | 2016-04-22 | 2016-06-22 | 西安电子科技大学 | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 |
CN107679453A (zh) * | 2017-08-28 | 2018-02-09 | 天津大学 | 基于支持向量机的天气雷达电磁干扰回波识别方法 |
CN107862262A (zh) * | 2017-10-27 | 2018-03-30 | 中国航空无线电电子研究所 | 一种适用于高空侦察的快速可见光图像舰船检测方法 |
CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
CN110082729A (zh) * | 2019-05-17 | 2019-08-02 | 成都锦江电子系统工程有限公司 | 天气雷达补盲平滑处理系统及方法 |
CN111856461A (zh) * | 2020-07-13 | 2020-10-30 | 西安电子科技大学 | 基于改进pfa的聚束sar成像方法及其dsp实现 |
CN111929654A (zh) * | 2020-08-14 | 2020-11-13 | 上海雷骥电子科技有限公司 | 一种基于微多普勒技术的杂波抑制方法 |
CN112649791A (zh) * | 2020-12-24 | 2021-04-13 | 北京海兰信数据科技股份有限公司 | 一种雷达回波处理方法及装置 |
JPWO2020039797A1 (ja) * | 2018-08-22 | 2021-08-10 | 古野電気株式会社 | エコーデータ処理装置、レーダ装置、エコーデータ処理方法、および、エコーデータ処理プログラム |
CN113253236A (zh) * | 2021-07-07 | 2021-08-13 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨天杂波抑制方法 |
CN113447915A (zh) * | 2021-07-08 | 2021-09-28 | 电子科技大学 | 一种适用于复杂多径环境下的超宽带层析成像方法 |
CN113674308A (zh) * | 2021-05-06 | 2021-11-19 | 西安电子科技大学 | 基于图像增强与多重检测的sar图像舰船目标快速检测方法 |
CN113869150A (zh) * | 2021-09-14 | 2021-12-31 | 中国科学院上海技术物理研究所 | 一种加权三层窗口局部对比度的红外小目标检测方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6542611B1 (en) * | 1998-07-31 | 2003-04-01 | Circuit Research Labs, Inc. | Multi-state echo suppressor |
US7417578B1 (en) * | 2005-03-08 | 2008-08-26 | Rockwell Collins, Inc. | Removal of spurious aircraft detections on weather radar |
BR112013020482B1 (pt) * | 2011-02-14 | 2021-02-23 | Fraunhofer Ges Forschung | aparelho e método para processar um sinal de áudio decodificado em um domínio espectral |
US8970426B1 (en) * | 2012-11-15 | 2015-03-03 | Lockheed Martin Cproration | Automatic matched Doppler filter selection |
CN103646232B (zh) * | 2013-09-30 | 2016-08-17 | 华中科技大学 | 飞行器地面运动目标红外图像识别装置 |
JP6449595B2 (ja) * | 2014-08-29 | 2019-01-09 | 古野電気株式会社 | クラッタ抑圧装置及びそれを備えたレーダ装置 |
CN106264501A (zh) * | 2016-10-13 | 2017-01-04 | 杭州电子科技大学 | 一种基于连续波多普勒雷达的生理信号检测系统 |
CN106264502B (zh) * | 2016-10-13 | 2019-09-24 | 杭州电子科技大学 | 一种非接触式生理信号检测方法 |
CN106842194A (zh) * | 2017-03-07 | 2017-06-13 | 北京海兰信数据科技股份有限公司 | 一种自适应目标检测方法及装置 |
CN110049403A (zh) * | 2018-01-17 | 2019-07-23 | 北京小鸟听听科技有限公司 | 一种基于场景识别的自适应音频控制装置和方法 |
CN110333485B (zh) * | 2019-06-21 | 2021-10-01 | 大亚湾核电运营管理有限责任公司 | 一种海杂波抑制方法、装置及终端设备 |
CN113064021B (zh) * | 2021-02-04 | 2023-08-25 | 国电南瑞科技股份有限公司 | 用于实现电力电子化电网高次谐波抑制的测控装置和方法 |
CN113837083A (zh) * | 2021-09-24 | 2021-12-24 | 焦点科技股份有限公司 | 一种基于Transformer的视频片段分割方法 |
-
2022
- 2022-03-04 CN CN202210205869.4A patent/CN114280571B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699950A (zh) * | 2016-04-22 | 2016-06-22 | 西安电子科技大学 | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 |
CN107679453A (zh) * | 2017-08-28 | 2018-02-09 | 天津大学 | 基于支持向量机的天气雷达电磁干扰回波识别方法 |
CN107862262A (zh) * | 2017-10-27 | 2018-03-30 | 中国航空无线电电子研究所 | 一种适用于高空侦察的快速可见光图像舰船检测方法 |
CN108020840A (zh) * | 2017-11-20 | 2018-05-11 | 天津大学 | 一种基于多普勒天气雷达数据的冰雹云早期识别方法 |
JPWO2020039797A1 (ja) * | 2018-08-22 | 2021-08-10 | 古野電気株式会社 | エコーデータ処理装置、レーダ装置、エコーデータ処理方法、および、エコーデータ処理プログラム |
CN110082729A (zh) * | 2019-05-17 | 2019-08-02 | 成都锦江电子系统工程有限公司 | 天气雷达补盲平滑处理系统及方法 |
CN111856461A (zh) * | 2020-07-13 | 2020-10-30 | 西安电子科技大学 | 基于改进pfa的聚束sar成像方法及其dsp实现 |
CN111929654A (zh) * | 2020-08-14 | 2020-11-13 | 上海雷骥电子科技有限公司 | 一种基于微多普勒技术的杂波抑制方法 |
CN112649791A (zh) * | 2020-12-24 | 2021-04-13 | 北京海兰信数据科技股份有限公司 | 一种雷达回波处理方法及装置 |
CN113674308A (zh) * | 2021-05-06 | 2021-11-19 | 西安电子科技大学 | 基于图像增强与多重检测的sar图像舰船目标快速检测方法 |
CN113253236A (zh) * | 2021-07-07 | 2021-08-13 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨天杂波抑制方法 |
CN113447915A (zh) * | 2021-07-08 | 2021-09-28 | 电子科技大学 | 一种适用于复杂多径环境下的超宽带层析成像方法 |
CN113869150A (zh) * | 2021-09-14 | 2021-12-31 | 中国科学院上海技术物理研究所 | 一种加权三层窗口局部对比度的红外小目标检测方法 |
Non-Patent Citations (2)
Title |
---|
基于天气雷达的冰雹暴雨智能化临近预报方法研究;石君志;《中国博士学位论文全文数据库 基础科学辑》;20220115(第1期);第A009-76页 * |
石君志.基于天气雷达的冰雹暴雨智能化临近预报方法研究.《中国博士学位论文全文数据库 基础科学辑》.2022,(第1期),第A009-76页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114280571A (zh) | 2022-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
CN110927706A (zh) | 基于卷积神经网络的雷达干扰检测识别方法 | |
Duk et al. | Target detection in sea-clutter using stationary wavelet transforms | |
CN106199532B (zh) | 基于混合傅立叶-小波分析的探地雷达信号降噪方法 | |
CN108062767B (zh) | 基于时序sar图像的统计同分布空间像素选择方法 | |
CN109375204A (zh) | 基于雷达的目标检测方法、系统、设备及介质 | |
CN107480619A (zh) | 基于eemd和排列熵的探地雷达b扫描图像的降噪方法及系统 | |
CN107831473B (zh) | 基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法 | |
CN111427018A (zh) | 一种雷达干扰装备干扰效果评估方法 | |
CN111323756B (zh) | 一种基于深度学习的航海雷达目标检测方法及装置 | |
CN114280571B (zh) | 一种雨杂波信号的处理方法、装置及设备 | |
CN107292900A (zh) | 一种基于Canny算法的图像边缘检测方法和装置 | |
CN112269182B (zh) | 目标雷达信号的确定方法和装置、存储介质、电子装置 | |
CN109447920B (zh) | 基于陷波滤波器的条带噪声自动去除方法 | |
CN104036461B (zh) | 一种基于联合滤波的红外复杂背景抑制方法 | |
CN111323757B (zh) | 一种航海雷达目标检测方法及装置 | |
CN105354594B (zh) | 一种针对欠定盲源分离的混合矩阵估计方法 | |
CN115343685A (zh) | 应用于病害识别的多维度探地雷达检测方法、装置、设备 | |
CN102841341B (zh) | 一种脉冲雷达动目标检测方法 | |
CN109978855A (zh) | 一种遥感图像变化检测方法及装置 | |
CN104268852A (zh) | 红外序列图像中弱小目标的检测方法及其检测装置 | |
Srivastava et al. | Image Pre-processing Algorithms for Detection of Small/Point Airborne Targets. | |
CN113702937B (zh) | 基于自适应mti滤波器的双通道非相干检测方法 | |
CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 |
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 |