CN114624668A - 基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备 - Google Patents
基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备 Download PDFInfo
- Publication number
- CN114624668A CN114624668A CN202210166228.2A CN202210166228A CN114624668A CN 114624668 A CN114624668 A CN 114624668A CN 202210166228 A CN202210166228 A CN 202210166228A CN 114624668 A CN114624668 A CN 114624668A
- Authority
- CN
- China
- Prior art keywords
- target
- echo
- time delay
- signal
- grid
- 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
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
-
- 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
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于回波重构的On‑grid稀疏恢复雷达目标参数估计方法及设备。所述方法包括:采用观测矩阵、稀疏近似解和残差重构目标回波信号;对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。本发明通过重构目标回波信号,并对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应,获取目标谱峰位置后,最终得到雷达波的时延、多普勒频率和幅度参数,可以降低计算复杂度,提高理论估计精度,有利于工程实现。
Description
技术领域
本发明实施例涉及雷达技术领域,尤其涉及一种基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备。
背景技术
得益于在大多数的探测场景中雷达回波在时延-多普勒平面上的分布具有稀疏特性,稀疏恢复的方法常被用于解决高副瓣电平和低分辨问题。目前广泛使用的稀疏恢复方法假设目标分布在有限离散的参数(比如时延-多普勒)空间中,然后求解观测方程的稀疏近似解,最终实现超分辨效果,这些方法通常被称为有网格(On-grid)稀疏方法,该方法通过On-grid稀疏恢复算法处理后的距离多普勒谱具有一个显著且有别于传统匹配滤波方法的特点,即目标谱峰非常尖锐,主瓣宽度很小,临近峰值的其他采样点远小于峰值点,目标谱峰及其临近采样点不再满足分布在同一抛物线主峰的假设,从而导致二次多项式内插法失效。因此,开发一种基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备,可以有效克服上述相关技术中的缺陷,就成为业界亟待解决的技术问题。
发明内容
针对现有技术存在的上述问题,本发明实施例提供了一种基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备。
第一方面,本发明的实施例提供了一种基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,包括:采用观测矩阵、稀疏近似解和残差重构目标回波信号;对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。
在上述方法实施例内容的基础上,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述采用观测矩阵、稀疏近似解和残差重构目标回波信号,包括:采用发射信号经过时延和多普勒频率的调制构造观测矩阵中的原子向量,将原子向量与稀疏解向量中与目标对应的非零项相乘,与残差向量相加得到目标回波信号。
在上述方法实施例内容的基础上,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述目标回波信号,包括:
其中,secho1为第一目标回波信号,L为扩散峰的数量,为第l条回波径的相对幅度,为中间变量,为第l条时延为τl=nlTs的零多普勒多径信号,r为残差,fl为第l条回波径的多普勒频率,e为自然指数,j为复数符号,nl为时延点数,Ts为时域采样间隔,N为回波信号时域采样点数,T为转置符号,sT[·]为发射信号的采样点。
在上述方法实施例内容的基础上,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述目标回波信号,还包括:
在上述方法实施例内容的基础上,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述并使用二阶多项式内插算法得到时延,包括:
其中,为目标时延粗估计值,为多普勒频率偏离网格估计值,分别为目标多普勒剖面图上前一时延单元所对应的采样值、当前时延单元所对应的采样值、后一时延单元所对应的采样值,|z[·]|为对z[·]取模值,为时延。
在上述方法实施例内容的基础上,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述并使用二阶多项式内插算法得到多普勒频率,包括:
在上述方法实施例内容的基础上,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述并使用二阶多项式内插算法得到幅度参数,包括:
第二方面,本发明的实施例提供了一种基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,包括:第一主模块,用于采用观测矩阵、稀疏近似解和残差重构目标回波信号;第二主模块,用于对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;第三主模块,用于重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。
第三方面,本发明的实施例提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法。
第四方面,本发明的实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法。
本发明实施例提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备,通过重构目标回波信号,并对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应,获取目标谱峰位置后,最终得到雷达波的时延、多普勒频率和幅度参数,可以降低计算复杂度,提高理论估计精度,有利于工程实现。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法流程图;
图2为本发明实施例提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图;
图4为本发明实施例提供的时延精估计仿真结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。另外,本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合,以形成可行的技术方案,这种结合不受步骤先后次序和/或结构组成模式的约束,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
本发明实施例提供了一种基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,参见图1,该方法包括:采用观测矩阵、稀疏近似解和残差重构目标回波信号;对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述采用观测矩阵、稀疏近似解和残差重构目标回波信号,包括:采用发射信号经过时延和多普勒频率的调制构造观测矩阵中的原子向量,将原子向量与稀疏解向量中与目标对应的非零项相乘,与残差向量相加得到目标回波信号。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述目标回波信号,包括:
其中,secho1为第一目标回波信号,L为扩散峰的数量,为第l条回波径的相对幅度,为中间变量,为第l条时延为τl=nlTs的零多普勒多径信号,r为残差,fl为第l条回波径的多普勒频率,e为自然指数,j为复数符号,nl为时延点数,Ts为时域采样间隔,N为回波信号时域采样点数,T为转置符号,sT[·]为发射信号的采样点。
在另一实施例中,采用观测矩阵、稀疏近似解和残差重构目标回波信号,首先由发射信号经过时延和多普勒频率的调制构造观测矩阵中的各原子向量,将原子向量与稀疏解向量中与目标对应的非零项相乘,然后与残差向量相加得到目标回波信号。需要注意的是,离散网格假设下导致的原子失配使得难以存在单一的原子与目标信号完全相匹配,因此需要由多个临近原子来综合表征原始的目标信号。从能量的角度来看,回波能量泄漏到临近网格上。本发明中将回波能量建模为三部分,即残余能量、主峰能量和临近扩散能量,分别分布在残差信号、稀疏解向量中的目标主峰及其临近元素中。因此,回波信号重构时需要将分散的能量都集中起来,具体实现方式主要列举如下两种。
实现方式Ⅰ:首先从稀疏解向量中提取目标的回波相对幅度,包括主峰(记为)和扩散峰(记为共L个)。然后利用该相对幅度以及目标的时延和多普勒频率对发射信号进行调制,最后将该调制后的信号与残差相加得到该目标重构后的回波信号。若有Q个待处理目标,将上述过程执行Q次即可。其中调制过程的实现方式:首先对参考信号sT进行时延移位,并记为(3)式。然后对该多径信号进行多普勒频率调制。最终的回波信号可表示为(1)式。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述目标回波信号,还包括:
在另一实施例中,实现方式Ⅱ:假设需要同时处理Q个目标,要求这Q个目标回波幅度差异尽可能小(例如最大差异为5dB)以减少强目标对弱目标的影响。首先从稀疏解向量中提取Q个目标的回波相对幅度系数(包含主峰和扩散峰),并将其填充到与相同维度的全零向量中,得到包含了Q个目标的表示向量最后可得回波信号为(4)式所示。参考信号和回波信号过采样处理,并计算二维匹配滤波器响应,旨在以过采样的方式重新计算匹配滤波器响应。对于过采样处理,一种通过频域实现快速计算的方式如下。记sFD为所需过采样信号的频域列向量,则过采样后的频域信号s′FD表示为:
s′=IFFT(s′FD) (4.2)
其中,α表示过采样倍率,N为原始信号采样点数,[αN]表示距离αN最近的整数,上标“T”表示转置,IFFT(·)表示逆傅里叶变换,s′表示过采样后的时域信号。
二维匹配滤波器输出响应的计算,本发明中有两种实现方式:
计算方式Ⅰ:互模糊函数法,即
其中,τ表示时延、fD表示多普勒频率,secho[·]为回波信号采样点,sT *[·]为发射信号采样数据的共轭。
实现方式Ⅱ:直接利用观测矩阵的共轭转置AH与目标回波数据向量secho相乘,即
xψ=AHsecho1或xψ=AHsecho2 (4.4)
再将xψ向量重新排列整理,即可得到二维匹配滤波器输出响应。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述并使用二阶多项式内插算法得到时延,包括:
其中,为目标时延粗估计值,为多普勒频率偏离网格估计值,分别为目标多普勒剖面图上前一时延单元所对应的采样值、当前时延单元所对应的采样值、后一时延单元所对应的采样值,|z[·]|为对z[·]取模值,为时延。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述并使用二阶多项式内插算法得到多普勒频率,包括:
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,所述并使用二阶多项式内插算法得到幅度参数,包括:
本发明实施例提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,通过重构目标回波信号,并对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应,获取目标谱峰位置后,最终得到雷达波的时延、多普勒频率和幅度参数,可以降低计算复杂度,提高理论估计精度,有利于工程实现。
本发明各个实施例的效果可通过以下实施例仿真实验进行验证。仿真中,以外辐射源雷达的探测场景为例。因其所用信号通常为通信或广播等第三方辐射源,信号波形并非专为雷达探测所设计,波形旁瓣高。此外,监测信号中包含强直达波以及大量的地物杂波或海杂波等,传统杂波抑制方法性能有限,残留杂波和强目标回波的旁瓣容易掩盖弱目标。因此这是一个非常具有代表性的稀疏表示的应用场景。仿真实验中,信号带宽β=10kHz,采样持续时间T=20秒,Δt=1/β(s),Δf=1/T(Hz)。设置时延离网格量为均匀分布于-0.5~0.5倍采样间隔的变量,即Δnt~U(-0.5,0.5)(Δt)。多普勒频率离网格量为Δnf=0.266(Δf)。匹配滤波输出信噪比依次设置为(10:0.5:30)dB,在每个信噪比下进行了10000次的蒙特卡洛仿真。
具体可以参见图4,横坐标表示相干积累输出信噪比,纵坐标表示时延估计标准差,其中SB指采样界,代表了高信噪比下采样时间轴量化效应的时延估计误差上界。即在有效信噪比处,能确定的离散时延估计n0Ts仍在真实峰位置t0的±Ts/2波动,Ts为时域采样时间间隔。有效信噪比指信号想干积累后能被有效检测时的输出信噪比,本发明的实施例中有效信噪比大约15dB以上,低于该信噪比时参数估计严重受到背景噪底的影响,不在本发明考虑范围内。从仿真结果中可以明显的看出,如果稀疏恢复处理后直接使用二次内插法估计时延参数,估计精度较差,但是使用了本发明所提方法后,参数估计精度有了非常显著的提升。关于多普勒频率和幅度参数的仿真均有与图4中类似的结论,在此不再赘述。上述结果表明本发明所提出的基于回波重构的On-grid稀疏恢复雷达目标参数精细估计方法具有优良的参数精细化估计性能,且非常易于工程实现。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中,可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况,在上述各实施例的基础上,本发明的实施例提供了一种基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,该装置用于执行上述方法实施例中的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法。参见图2,该装置包括:第一主模块,用于采用观测矩阵、稀疏近似解和残差重构目标回波信号;第二主模块,用于对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;第三主模块,用于重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。
本发明实施例提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,采用图2中的若干模块,通过重构目标回波信号,并对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应,获取目标谱峰位置后,最终得到雷达波的时延、多普勒频率和幅度参数,可以降低计算复杂度,提高理论估计精度,有利于工程实现。
需要说明的是,本发明提供的装置实施例中的装置,除了可以用于实现上述方法实施例中的方法外,还可以用于实现本发明提供的其他方法实施例中的方法,区别仅仅在于设置相应的功能模块,其原理与本发明提供的上述装置实施例的原理基本相同,只要本领域技术人员在上述装置实施例的基础上,参考其他方法实施例中的具体技术方案,通过组合技术特征获得相应的技术手段,以及由这些技术手段构成的技术方案,在保证技术方案具备实用性的前提下,就可以对上述装置实施例中的装置进行改进,从而得到相应的装置类实施例,用于实现其他方法类实施例中的方法。例如:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,还包括:第一子模块,用于实现所述采用观测矩阵、稀疏近似解和残差重构目标回波信号,包括:采用发射信号经过时延和多普勒频率的调制构造观测矩阵中的原子向量,将原子向量与稀疏解向量中与目标对应的非零项相乘,与残差向量相加得到目标回波信号。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,还包括:第二子模块,用于实现所述目标回波信号,包括:
其中,secho1为第一目标回波信号,L为扩散峰的数量,为第l条回波径的相对幅度,为中间变量,为第l条时延为τl=nlTs的零多普勒多径信号,r为残差,fl为第l条回波径的多普勒频率,e为自然指数,j为复数符号,nl为时延点数,Ts为时域采样间隔,N为回波信号时域采样点数,T为转置符号,sT[·]为发射信号的采样点。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,还包括:第三子模块,用于实现所述目标回波信号,还包括:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,还包括:第四子模块,用于实现所述并使用二阶多项式内插算法得到时延,包括:
其中,为目标时延粗估计值,为多普勒频率偏离网格估计值,分别为目标多普勒剖面图上前一时延单元所对应的采样值、当前时延单元所对应的采样值、后一时延单元所对应的采样值,|z[·]|为对z[·]取模值,为时延。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,还包括:第五子模块,用于实现所述并使用二阶多项式内插算法得到多普勒频率,包括:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,还包括:第六子模块,用于实现所述并使用二阶多项式内插算法得到幅度参数,包括:
本发明实施例的方法是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,如图3所示,该电子设备包括:至少一个处理器(processor)、通信接口(Communications Interface)、至少一个存储器(memory)和通信总线,其中,至少一个处理器,通信接口,至少一个存储器通过通信总线完成相互间的通信。至少一个处理器可以调用至少一个存储器中的逻辑指令,以执行前述各个方法实施例提供的方法的全部或部分步骤。
此外,上述的至少一个存储器中的逻辑指令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)执行本发明各个方法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。
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。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,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)执行各个实施例或者实施例的某些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本专利中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句"包括……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
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 (10)
1.一种基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,其特征在于,包括:采用观测矩阵、稀疏近似解和残差重构目标回波信号;对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。
2.根据权利要求1所述的基于回波重构的On-grid稀疏恢复雷达目标参数估计方法,其特征在于,所述采用观测矩阵、稀疏近似解和残差重构目标回波信号,包括:采用发射信号经过时延和多普勒频率的调制构造观测矩阵中的原子向量,将原子向量与稀疏解向量中与目标对应的非零项相乘,与残差向量相加得到目标回波信号。
8.一种基于回波重构的On-grid稀疏恢复雷达目标参数估计装置,其特征在于,包括:第一主模块,用于采用观测矩阵、稀疏近似解和残差重构目标回波信号;第二主模块,用于对发射信号和重构回波信号进行过采样处理,并计算二维匹配滤波器响应;第三主模块,用于重新搜索目标谱峰位置,并使用二阶多项式内插算法得到时延、多普勒频率和幅度参数。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器和通信接口;其中,
所述处理器、存储器和通信接口相互间进行通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行权利要求1至7任一项权利要求所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行权利要求1至7中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166228.2A CN114624668A (zh) | 2022-02-23 | 2022-02-23 | 基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210166228.2A CN114624668A (zh) | 2022-02-23 | 2022-02-23 | 基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114624668A true CN114624668A (zh) | 2022-06-14 |
Family
ID=81900912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210166228.2A Pending CN114624668A (zh) | 2022-02-23 | 2022-02-23 | 基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114624668A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115189724A (zh) * | 2022-06-29 | 2022-10-14 | 海南大学 | 一种混合模数mimo结构的二阶多项式内插式快速doa估计方法 |
CN115236648A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 极地冰下目标声回波信号时延和多普勒联合估计方法 |
CN116359871A (zh) * | 2023-03-24 | 2023-06-30 | 上海毫微太科技有限公司 | 一种信号处理方法和图像采集设备 |
-
2022
- 2022-02-23 CN CN202210166228.2A patent/CN114624668A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115189724A (zh) * | 2022-06-29 | 2022-10-14 | 海南大学 | 一种混合模数mimo结构的二阶多项式内插式快速doa估计方法 |
CN115189724B (zh) * | 2022-06-29 | 2023-05-26 | 海南大学 | 一种混合模数mimo结构的二阶多项式内插式快速doa估计方法 |
CN115236648A (zh) * | 2022-06-30 | 2022-10-25 | 哈尔滨工程大学 | 极地冰下目标声回波信号时延和多普勒联合估计方法 |
CN116359871A (zh) * | 2023-03-24 | 2023-06-30 | 上海毫微太科技有限公司 | 一种信号处理方法和图像采集设备 |
CN116359871B (zh) * | 2023-03-24 | 2024-01-19 | 上海毫微太科技有限公司 | 一种信号处理方法和图像采集设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114624668A (zh) | 基于回波重构的On-grid稀疏恢复雷达目标参数估计方法及设备 | |
US8493262B2 (en) | Synthetic aperture radar image formation system and method | |
Sejdić et al. | Fractional Fourier transform as a signal processing tool: An overview of recent developments | |
Karlsson et al. | Fast missing-data IAA with application to notched spectrum SAR | |
US8022863B1 (en) | Spatially variant apodization (SVA) filter | |
Totsky et al. | Bispectral methods of signal processing: applications in radar, telecommunications and digital image restoration | |
JP2009128278A (ja) | パルス圧縮レーダ装置 | |
KR20240039054A (ko) | 역 합성 개구 레이더 이미징 방법, 장치, 전자 장치 및 저장 매체 | |
EP1521097B1 (en) | Pulse compression processor | |
Tian et al. | A new motion parameter estimation algorithm based on SDFC-LVT | |
CN111159888B (zh) | 一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法 | |
CA2083907A1 (en) | Fourth-order-product phase difference autofocus | |
JP4444057B2 (ja) | パルス圧縮処理装置 | |
Xin et al. | ISAR imaging of target with complex motion associated with the fractional Fourier transform | |
Orović et al. | A class of highly concentrated time-frequency distributions based on the ambiguity domain representation and complex-lag moment | |
CN113009464B (zh) | 基于线性约束最小方差准则的稳健自适应脉冲压缩方法 | |
CN113009465B (zh) | 一种基于两次相位补偿的稳健自适应脉冲压缩方法 | |
Stanković et al. | Time-Varying Cross-Range in Wideband Sonar Imaging | |
CN114296039B (zh) | 一种基于稀疏重构的lfmcw雷达目标恒虚警检测方法及设备 | |
CN115128563B (zh) | 一种星载合成孔径雷达系统幅相误差补偿方法 | |
Zou et al. | Resolution Improvement for Automotive Radar with Chirp Sequence Waveform | |
Stoica et al. | Nonparametric spectral analysis of gapped data via an adaptive filtering approach | |
Foxt et al. | Sonar and Radar Wange-Doppler Processing Using a Cone-Shaped Kernel Time-Frequency Representation | |
Ivanov et al. | Estimating the subpixel shift of discrete images | |
Pallas et al. | Time delay estimation by autoregressive modelization |
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 |