CN114782292B - 一种雷达信号处理优化方法 - Google Patents

一种雷达信号处理优化方法 Download PDF

Info

Publication number
CN114782292B
CN114782292B CN202210234872.9A CN202210234872A CN114782292B CN 114782292 B CN114782292 B CN 114782292B CN 202210234872 A CN202210234872 A CN 202210234872A CN 114782292 B CN114782292 B CN 114782292B
Authority
CN
China
Prior art keywords
matrix
sliding
clutter
target
graph 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.)
Active
Application number
CN202210234872.9A
Other languages
English (en)
Other versions
CN114782292A (zh
Inventor
马人玉
毛亚民
刘俊奕
胡维
刘红秀
缪赟晨
顾连生
樊星
王涵
占博
张忠毅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CETC 29 Research Institute
Original Assignee
CETC 29 Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CETC 29 Research Institute filed Critical CETC 29 Research Institute
Priority to CN202210234872.9A priority Critical patent/CN114782292B/zh
Publication of CN114782292A publication Critical patent/CN114782292A/zh
Application granted granted Critical
Publication of CN114782292B publication Critical patent/CN114782292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种雷达信号处理优化方法，属于雷达信号处理领域，包括步骤：第一阶段以杂波图矩阵Cm×n为基准，目标图矩阵Om×k进行左右限位滑动，通过计算差异量化值，得到最优对齐状态下目标图矩阵的滑动属性，根据滑动属性截取对齐部分得到最优对齐状态下的杂波图矩阵C′m×r和目标图矩阵O′m×r；第二阶段使用邻域模板对杂波图矩阵C′m×r逐元素遍历并进行邻域膨胀处理，得到膨胀后的杂波图矩阵Cm×r。本发明可以较好地解决由于转台的转速和有效角度区间存在误差导致的杂波图和目标图尺寸不一致和无法对准带来的检测结果出现大量虚警的问题。

Description

一种雷达信号处理优化方法
技术领域
本发明涉及雷达信号处理领域，更为具体的，涉及一种雷达信号处理优化方法。
背景技术
机械扫描式微小静目标检测雷达常用于特定场面异常物体检测等领域，具有性能好，成本低，环境适应性强等优点。现有的基于调频连续波的机械扫描式微小静目标检测雷达的工作原理为：转台带动天线匀速转动，天线发射调频连续波，起止角度[θ0,θ1]内的回波信号为有效回波信号。当场面上不存在异物的情况下，获取的有效回波信号通过相关算法处理后生成杂波图，通常采用加权平均的方式在时域上更新。如果场面上出现异物，获取的有效回波信号通过相关算法处理后生成目标图。杂波图和目标图本质上是一个二维矩阵
Figure GDA0003663441580000011
矩阵元素xi,j表示第j(1≤j≤n)个角度单元，第i(1≤i≤m)个距离单元上有效回波信号的强度。现有技术中，杂波图和目标图不再进行后续优化处理，直接通过CM-CFAR或类似算法进行检测，得到异常目标信息。
由现有机械扫描式微小静目标检测雷达的工作原理可知，采用了CM-CFAR或类似算法的检测方法通常要求杂波图和目标图有相同的尺寸，且矩阵元素代表的角度单元、距离单元需完全对应。因此对转台的稳定度要求很高，需要保持严格的匀速转动，且每次扫描有效角度区间要严格对齐。但现实中转台的转速和有效角度区间必定存在误差，导致的问题为：1.杂波图和目标图角度单元数不一致，检测算法无法直接处理；2.杂波图和目标图表征的场面回波强度分布无法对准，检测算法处理后产生大量虚警或丢失目标。本发明的目的就是解决上述问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种雷达信号处理优化方法，以解决背景中提出的问题。
本发明的目的是通过以下方案实现的：
一种雷达信号处理的优化方法，包括步骤：
S1，以杂波图矩阵Cm×n为基准，目标图矩阵Om×k进行限位滑动；通过计算差异量化值，得到最优对齐状态下目标图矩阵的滑动属性，根据滑动属性截取对齐部分得到最优对齐状态下的杂波图矩阵C′m×r和目标图矩阵O′m×r。
一种雷达信号处理的优化方法，包括步骤：
S2，使用邻域模板对杂波图矩阵C′m×r逐元素遍历并进行邻域膨胀处理，得到膨胀后的杂波图矩阵
Figure GDA0003663441580000021
经步骤S1、S2优化处理后的杂波图矩阵
Figure GDA0003663441580000022
和目标图矩阵O′m×r直接用于后续的目标检测。
进一步地，在步骤S1中，包括子步骤：
设杂波图矩阵为
Figure GDA0003663441580000023
目标图矩阵为
Figure GDA0003663441580000024
Figure GDA0003663441580000025
以杂波图矩阵为基准，目标图矩阵进行左右限位滑动，得到差异量化值矩阵。
进一步地，在步骤S1中，包括子步骤：
合并限位滑动后得到的差异量化值矩阵，求最优差异量化值，并找到其对应的滑动属性，所述对应的滑动属性包括杂波图矩阵与目标图矩阵在最优对齐状态下，目标图矩阵相对于杂波图矩阵的滑动方向和步长。
进一步地，在步骤S1中，包括子步骤：
目标图矩阵和杂波图矩阵对齐后，按列截取对齐部分得到最优对齐状态下的子矩阵，即得到所述杂波图矩阵C′m×r和目标图矩阵O′m×r。
进一步地，所述目标图矩阵进行左右限位滑动包括子步骤：
执行左限位滑动，设左限位上限
Figure GDA0003663441580000031
将Om×k(:,i)与Cm×n(:,1)按列对齐，其中1≤i≤Ll，取r＝min(n,k-i+1)，将Cm×n和Om×k对齐部分Cm×n(:,1:r)和Om×k(:,i:i+r-1)按列截取得到子矩阵
Figure GDA0003663441580000032
和
Figure GDA0003663441580000033
两个子矩阵相减得到左限位差异矩阵
Figure GDA0003663441580000034
Figure GDA0003663441580000035
对左限位差异矩阵
Figure GDA0003663441580000036
按列计算标准差得到
Figure GDA0003663441580000037
最后求
Figure GDA0003663441580000038
内所有元素的均值，得到
Figure GDA0003663441580000039
称为左限位差异量化值；左限位滑动阶段一共生成Ll个左限位差异量化值，记为集合
Figure GDA00036634415800000310
Sl中每个元素包含两个滑动属性(dir,step)，分别表示滑动方向和步长；其中dir＝0or 1，0表示向左滑动，1表示向右滑动；0≤step≤Ll-1，表示目标图矩阵以杂波图矩阵为基准，按列滑动的步长；最终得到包含滑动属性的左限位差异量化值矩阵
Figure GDA0003663441580000041
进一步地，所述目标图矩阵进行左右限位滑动包括子步骤：
执行右限位滑动，设右限位上限为Lr，计算方法同左限位上限；将Om×k(:,k-i+1)与Cm×n(:,n)按列对齐，其中1≤i≤Lr，取r＝min(n,k-i+1)，将Cm×n和Om×k对齐的部分Cm×n(:,n-r+1:n)和Om×k(:,k-r-i+2:k-i+1)按列截取得到子矩阵
Figure GDA0003663441580000042
和
Figure GDA0003663441580000043
对两个子矩阵依次执行左限位滑动中后续各步运算，最终得到右限位差异量化值矩阵
Figure GDA0003663441580000044
进一步地，所述合并限位滑动后得到的差异量化值矩阵，求最优差异量化值包括子步骤：
合并左限位滑动、右限位滑动生成的SMl和SMr得到矩阵
Figure GDA0003663441580000045
求最优差异量化值DQopt＝min(SM(:,1))，并找到其对应的滑动属性；如果min(SM(:,1))有多个相同值，选择其中step最小的一项；DQopt的属性(diropt,stepopt)表示杂波图矩阵与目标图矩阵在最优对齐状态下，目标图矩阵相对于杂波图矩阵的滑动方向和步长。
进一步地，在步骤S2中，包括子步骤：
记邻域模板为方阵
Figure GDA0003663441580000046
Figure GDA0003663441580000047
其中t＝2N*+1，称
Figure GDA0003663441580000048
为模板中心。
进一步地，首先对C′m×r进行边界填充得到CM×R，其中M＝m+t-1，R＝r+t-1；填充后的CM×R视为一个分块矩阵，具有如下形式：
Figure GDA0003663441580000051
其中
Figure GDA0003663441580000052
Figure GDA0003663441580000053
然后使模板中心在CM×R(i,j)内逐元素移动，其中
Figure GDA0003663441580000054
Figure GDA0003663441580000055
每次移动，计算
Figure GDA0003663441580000056
和CM×R重合部分的基本积，记为
Figure GDA0003663441580000057
再令当前和
Figure GDA0003663441580000058
重合的CM×R子矩阵
Figure GDA0003663441580000059
Figure GDA00036634415800000510
的所有元素为
Figure GDA00036634415800000511
即完成一次CM×R(i,j)的邻域膨胀；
完成CM×R(i,j)所有元素的邻域遍历和处理后，得到邻域膨胀后的杂波图矩阵，记为C′M×R，令最终的杂波图矩阵
Figure GDA00036634415800000512
Figure GDA00036634415800000513
Figure GDA00036634415800000514
和O′m×r作为最终的杂波图和目标图用于后续的目标检测处理。
本发明的有益效果是：
本发明可以较好地解决由于转台的转速和有效角度区间存在误差导致的杂波图和目标图尺寸不一致和无法对准带来的检测结果出现大量虚警的问题。
本发明实施例中，限位滑动的本质是令目标图和杂波图在有限的滑动次数内寻找回波强度差值偏离最小的对齐方式，即寻找目标图矩阵和杂波图矩阵元素代表的实际角度、距离单元的最优对齐状态。能够有效克服转台的转速和有效角度区间存在误差导致的目标图和杂波图的偏移问题，并将目标图和杂波图转换成相同尺寸的矩阵。该方法不仅可以用于目标图和杂波图的处理，也可以用于杂波图更新时，新旧杂波图之间的对齐处理。
虽然限位滑动可以使目标图和杂波图处于最优对齐状态，但依旧无法完全克服转台的误差和雷达的角度分辨率等原因造成的回波强度抖动问题。本发明实施例中邻域膨胀的本质是扫描杂波图矩阵每个元素的t×t邻域，并将其中所有元素值拉高至该区域中的最大值，区域内的回波强度发生膨胀。当杂波图和目标图存在无法通过step＝1的限位滑动解决的回波强度抖动问题时，这种膨胀提高了检测阈值，降低了虚警的发生。
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作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例的算法整体流程图；
图2为本发明实施例的左限位滑动算法流程图；
图3为本发明实施例的右限位滑动算法流程图；
图4为本发明实施例的限位滑动算法最终流程图；
图5为本发明实施例的邻域膨胀算法流程图；
图6为某次测试的原始杂波图矩阵可视化结果；
图7为某次测试的原始目标图矩阵可视化结果；
图8为某次测试原始杂波图矩阵和目标图矩阵未进行优化处理得到的检测可视化结果；
图9为某次测试原始杂波图矩阵和目标图矩阵经本发明实施例提出的方法优化处理后得到的检测可视化结果。
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明白，下面结合附图对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。
本发明实施例提供一种针对机械扫描式微小静目标检测雷达信号处理的优化方法。
设某基于调频连续波的机械扫描式微小静目标检测雷达的相关参数如下：转台起止角度[θ0,θ1]＝[0°,180°]，转速ωr＝18°/s；雷达发射信号单chirp调频周期Tw＝100μs，一帧chirp个数Np＝450，一帧信号时长tf＝TwNp+td＝50ms(td为其他时延)；FFT点数为512。则雷达生成的杂波图和目标图距离单元个数m＝512，方位单元计算方法为
Figure GDA0003663441580000071
如果转速保持恒定，则此例中方位单元个数为200，在实际场景下，起止角度[θ0,θ1]和转速ωr无法保持严格的稳定，实际方位单元个数会上下浮动。假设杂波图方位单元个数n＝205，目标图方位单元个数k＝195，即原始的杂波图矩阵为
Figure GDA0003663441580000072
目标图矩阵为
Figure GDA0003663441580000073
Figure GDA0003663441580000074
本发明对原始的杂波图矩阵和目标图矩阵进行如图1所示的二阶段优化处理。
第一阶段执行限位滑动。如图2所示，左限位上限
Figure GDA0003663441580000075
Figure GDA0003663441580000081
令d＝20，则Ll＝11，i＝1,2,…,11，与之对应的，r＝195,194,…,185。将O512×195(:,i)与C512×205(:,1)按列对齐，以i＝5,r＝191为例，对杂波图矩阵按列截取得到子矩阵
Figure GDA0003663441580000082
对目标图矩阵按列截取得到子矩阵
Figure GDA0003663441580000083
然后计算左限位差异矩阵
Figure GDA0003663441580000084
对
Figure GDA0003663441580000085
按列计算均值得到
Figure GDA0003663441580000086
再对其按列计算标准差得到
Figure GDA0003663441580000087
求左限位差异量化值
Figure GDA0003663441580000088
其滑动属性为(dir＝0,step＝4)，则最终左限位差异量化值矩阵中该项为SMl(5,:)＝[LDQ5 0 4]。同理，如图3所示，右限位上限Lr＝11，i＝1,2,…,11，与之对应的，r＝195,194,…,185。将O512×195(:,196-i)与C512×205(:,205)按列对齐，以i＝11,r＝185为例，对杂波图矩阵按列截取得到子矩阵
Figure GDA0003663441580000089
Figure GDA00036634415800000810
对目标图矩阵按列截取得到子矩阵
Figure GDA00036634415800000811
Figure GDA00036634415800000812
对两个子矩阵依次执行左限位滑动中后续各步运算，右限位差异量化值为RDQ11,其滑动属性为(dir＝1,step＝10)，则最终右限位差异量化值矩阵中该项为SMr(11,:)＝[RDQ11 110]。如图4所示，最终合并上述两阶段生成的SMl和SMr得到矩阵
Figure GDA00036634415800000813
假设最优差异量化值DQopt＝min(SM(:,1))＝LDQ5，则最优对齐状态下滑动属性为(diropt＝0,stepopt＝4)，则最优对齐状态下的杂波图矩阵为C′512×191，目标图矩阵为O′512×191。
第二阶段执行邻域膨胀。如图5所示，令t＝3，记邻域模板为
Figure GDA0003663441580000091
模板中心为
Figure GDA0003663441580000092
对C′512×191进行边界填充得到
Figure GDA0003663441580000093
令模板中心在C514×193(2:513,2:192)内逐元素移动，例如当模板中心在C514×193(2,2)处，
Figure GDA0003663441580000094
和C514×193重合部分的基本积
Figure GDA0003663441580000095
假设
Figure GDA0003663441580000096
则[C514×193(1:3,1:3)]ij＝h，即完成一次C514×193在(2,2)的邻域膨胀。完成所有元素的邻域遍历和处理后，得到邻域膨胀后的杂波图矩阵C′514×193，令最终的杂波图矩阵
Figure GDA0003663441580000097
Figure GDA0003663441580000098
和O′512×191作为最终的杂波图和目标图用于后续的目标检测处理。
某次测试中，通过相关算法生成的杂波图矩阵可视化结果如图6所示，生成的目标图矩阵可视化结果如图7所示。若不对原始的杂波图矩阵和目标图矩阵进行优化处理，直接通过CM-CFAR或类似算法进行检测，得到检测可视化结果如图8所示，异物目标的具体坐标为：(116°,61m)，(122°,57m)，(122°,54m)，可以看到检测结果中除了异物目标，还有较多虚警。若先对原始的杂波图矩阵和目标图矩阵进行本发明提出的二阶段优化处理，再通过相同的算法进行检测，得到检测可视化结果如图9所示，可以看到消除了所有虚警，因此本发明提出的方法是切实有效的。
实施例1
一种雷达信号处理的优化方法，包括步骤：
S1，以杂波图矩阵Cm×n为基准，目标图矩阵Om×k进行限位滑动；通过计算差异量化值，得到最优对齐状态下目标图矩阵的滑动属性，根据滑动属性截取对齐部分得到最优对齐状态下的杂波图矩阵C′m×r和目标图矩阵O′m×r。
实施例2
在实施例1的基础上，一种雷达信号处理的优化方法，包括步骤：
S2，使用邻域模板对杂波图矩阵C′m×r逐元素遍历并进行邻域膨胀处理，得到膨胀后的杂波图矩阵
Figure GDA0003663441580000101
经步骤S1、S2优化处理后的杂波图矩阵
Figure GDA0003663441580000102
和目标图矩阵O′m×r直接用于后续的目标检测。
实施例3
在实施例1的基础上，在步骤S1中，包括子步骤：
设杂波图矩阵为
Figure GDA0003663441580000103
目标图矩阵为
Figure GDA0003663441580000104
Figure GDA0003663441580000105
以杂波图矩阵为基准，目标图矩阵进行左右限位滑动，得到差异量化值矩阵。
实施例4
在实施例1的基础上，在步骤S1中，包括子步骤：
合并限位滑动后得到的差异量化值矩阵，求最优差异量化值，并找到其对应的滑动属性，所述对应的滑动属性包括杂波图矩阵与目标图矩阵在最优对齐状态下，目标图矩阵相对于杂波图矩阵的滑动方向和步长。
实施例5
在实施例1的基础上，在步骤S1中，包括子步骤：
目标图矩阵和杂波图矩阵对齐后，按列截取对齐部分得到最优对齐状态下的子矩阵，即得到所述杂波图矩阵C′m×r和目标图矩阵O′m×r。
实施例6
在实施例3的基础上，所述目标图矩阵进行左右限位滑动包括子步骤：
执行左限位滑动，设左限位上限
Figure GDA0003663441580000111
将Om×k(:,i)与Cm×n(:,1)按列对齐，其中1≤i≤Ll，取r＝min(n,k-i+1)，将Cm×n和Om×k对齐部分Cm×n(:,1:r)和Om×k(:,i:i+r-1)按列截取得到子矩阵
Figure GDA0003663441580000112
和
Figure GDA0003663441580000113
两个子矩阵相减得到左限位差异矩阵
Figure GDA0003663441580000114
Figure GDA0003663441580000115
对左限位差异矩阵
Figure GDA0003663441580000116
按列计算标准差得到
Figure GDA0003663441580000117
最后求
Figure GDA0003663441580000118
内所有元素的均值，得到
Figure GDA0003663441580000119
称为左限位差异量化值；左限位滑动阶段一共生成Ll个左限位差异量化值，记为集合
Figure GDA00036634415800001110
Sl中每个元素包含两个滑动属性(dir,step)，分别表示滑动方向和步长；其中dir＝0or 1，0表示向左滑动，1表示向右滑动；0≤step≤Ll-1，表示目标图矩阵以杂波图矩阵为基准，按列滑动的步长；最终得到包含滑动属性的左限位差异量化值矩阵
Figure GDA00036634415800001111
实施例7
在实施例3的基础上，所述目标图矩阵进行左右限位滑动包括子步骤：
执行右限位滑动，设右限位上限为Lr，计算方法同左限位上限；将Om×k(:,k-i+1)与Cm×n(:,n)按列对齐，其中1≤i≤Lr，取r＝min(n,k-i+1)，将Cm×n和Om×k对齐的部分Cm×n(:,n-r+1:n)和Om×k(:,k-r-i+2:k-i+1)按列截取得到子矩阵
Figure GDA0003663441580000121
和
Figure GDA0003663441580000122
对两个子矩阵依次执行左限位滑动中后续各步运算，最终得到右限位差异量化值矩阵
Figure GDA0003663441580000123
实施例8
在实施例4的基础上，所述合并限位滑动后得到的差异量化值矩阵，求最优差异量化值包括子步骤：
合并左限位滑动、右限位滑动生成的SMl和SMr得到矩阵
Figure GDA0003663441580000124
求最优差异量化值DQopt＝min(SM(:,1))，并找到其对应的滑动属性；如果min(SM(:,1))有多个相同值，选择其中step最小的一项；DQopt的属性(diropt,stepopt)表示杂波图矩阵与目标图矩阵在最优对齐状态下，目标图矩阵相对于杂波图矩阵的滑动方向和步长。
实施例9
在实施例2的基础上，在步骤S2中，包括子步骤：
记邻域模板为方阵
Figure GDA0003663441580000125
Figure GDA0003663441580000126
其中t＝2N*+1，称
Figure GDA0003663441580000127
为模板中心。
实施例10
在实施例9的基础上，首先对C′m×r进行边界填充得到CM×R，其中M＝m+t-1，R＝r+t-1；填充后的CM×R视为一个分块矩阵，具有如下形式：
Figure GDA0003663441580000131
其中
Figure GDA0003663441580000132
Figure GDA0003663441580000133
然后使模板中心在CM×R(i,j)内逐元素移动，其中
Figure GDA0003663441580000134
Figure GDA0003663441580000135
每次移动，计算
Figure GDA0003663441580000136
和CM×R重合部分的基本积，记为
Figure GDA0003663441580000137
再令当前和
Figure GDA0003663441580000138
重合的CM×R子矩阵
Figure GDA0003663441580000139
Figure GDA00036634415800001310
的所有元素为
Figure GDA00036634415800001311
即完成一次CM×R(i,j)的邻域膨胀；
完成CM×R(i,j)所有元素的邻域遍历和处理后，得到邻域膨胀后的杂波图矩阵，记为C′M×R，令最终的杂波图矩阵
Figure GDA00036634415800001312
Figure GDA00036634415800001313
Figure GDA00036634415800001314
和O′m×r作为最终的杂波图和目标图用于后续的目标检测处理。
本发明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，在一台计算机设备(可以是个人计算机，服务器，或者网络设备等)以及相应的软件中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、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器(Random Access Memory，RAM)、随机存取存储器(Random Access Memory，RAM)等。

Claims (5)

1.一种雷达信号处理优化方法，其特征在于，包括步骤：
S1，以杂波图矩阵Cm×n为基准，目标图矩阵Om×k进行限位滑动；通过计算差异量化值，得到最优对齐状态下目标图矩阵的滑动属性，根据滑动属性截取对齐部分得到最优对齐状态下的杂波图矩阵C′ m×r和目标图矩阵O′ m×r；
S2，使用邻域模板对杂波图矩阵C′ m×r逐元素遍历并进行邻域膨胀处理，得到膨胀后的杂波图矩阵
Figure FDA0004169732760000011
经步骤S1、S2优化处理后的杂波图矩阵
Figure FDA0004169732760000012
和目标图矩阵O′ m×r直接用于后续的目标检测；在步骤S1中，包括子步骤：设杂波图矩阵为
Figure FDA0004169732760000013
目标图矩阵为
Figure FDA0004169732760000014
以杂波图矩阵为基准，目标图矩阵进行左右限位滑动，得到差异量化值矩阵；所述目标图矩阵进行左右限位滑动包括子步骤：执行左限位滑动，设左限位上限
Figure FDA0004169732760000015
将Om×k(:,i)与Cm×n(:,1)按列对齐，其中1≤i≤Ll，取r＝min(n,k-i+1)，将Cm×n和Om×k对齐部分Cm×n(:,1:r)和Om×k(:,i:i+r-1)按列截取得到子矩阵
Figure FDA0004169732760000016
和
Figure FDA0004169732760000017
两个子矩阵相减得到左限位差异矩阵
Figure FDA0004169732760000018
Figure FDA0004169732760000019
对左限位差异矩阵
Figure FDA00041697327600000110
按列计算标准差得到
Figure FDA00041697327600000111
最后求
Figure FDA00041697327600000112
内所有元素的均值，得到
Figure FDA00041697327600000113
称为左限位差异量化值；左限位滑动阶段一共生成Ll个左限位差异量化值，记为集合
Figure FDA0004169732760000021
Sl中每个元素包含两个滑动属性(dir,step)，分别表示滑动方向和步长；其中dir＝0or 1，0表示向左滑动，1表示向右滑动；0≤step≤Ll-1，表示目标图矩阵以杂波图矩阵为基准，按列滑动的步长；最终得到包含滑动属性的左限位差异量化值矩阵
Figure FDA0004169732760000022
在步骤S2中，包括子步骤：记邻域模板为方阵
Figure FDA0004169732760000023
Figure FDA0004169732760000024
其中t＝2N*+1，称
Figure FDA0004169732760000025
为模板中心；首先对C′ m×r进行边界填充得到CM×R，其中M＝m+t-1，R＝r+t-1；填充后的CM×R视为一个分块矩阵，具有如下形式：
Figure FDA0004169732760000026
其中
Figure FDA0004169732760000027
Figure FDA0004169732760000028
然后使模板中心在CM×R(i,j)内逐元素移动，其中
Figure FDA0004169732760000029
Figure FDA00041697327600000210
每次移动，计算
Figure FDA00041697327600000211
和CM×R重合部分的基本积，记为
Figure FDA00041697327600000212
再令当前和
Figure FDA00041697327600000213
重合的CM×R子矩阵
Figure FDA00041697327600000214
Figure FDA00041697327600000215
的所有元素为
Figure FDA00041697327600000216
即完成一次CM×R(i,j)的邻域膨胀；
完成CM×R(i,j)所有元素的邻域遍历和处理后，得到邻域膨胀后的杂波图矩阵，记为C′ M×R，令最终的杂波图矩阵
Figure FDA00041697327600000217
Figure FDA00041697327600000218
Figure FDA00041697327600000219
和O′ m×r作为最终的杂波图和目标图用于后续的目标检测处理。
2.根据权利要求1所述的雷达信号处理优化方法，其特征在于，在步骤S1中，包括子步骤：
合并限位滑动后得到的差异量化值矩阵，求最优差异量化值，并找到其对应的滑动属性，所述对应的滑动属性包括杂波图矩阵与目标图矩阵在最优对齐状态下，目标图矩阵相对于杂波图矩阵的滑动方向和步长。
3.根据权利要求1所述的雷达信号处理优化方法，其特征在于，在步骤S1中，包括子步骤：目标图矩阵和杂波图矩阵对齐后，按列截取对齐部分得到最优对齐状态下的子矩阵，即得到所述杂波图矩阵C′ m×r和目标图矩阵O′ m×r。
4.根据权利要求1所述的雷达信号处理优化方法，其特征在于，所述目标图矩阵进行左右限位滑动包括子步骤：
执行右限位滑动，设右限位上限为Lr，计算方法同左限位上限；将Om×k(:,k-i+1)与Cm×n(:,n)按列对齐，其中1≤i≤Lr，取r＝min(n,k-i+1)，将Cm×n和Om×k对齐的部分Cm×n(:,n-r+1:n)和Om×k(:,k-r-i+2:k-i+1)按列截取得到子矩阵
Figure FDA0004169732760000031
和
Figure FDA0004169732760000032
对两个子矩阵依次执行左限位滑动中后续各步运算，最终得到右限位差异量化值矩阵
Figure FDA0004169732760000033
5.根据权利要求2所述的雷达信号处理优化方法，其特征在于，所述合并限位滑动后得到的差异量化值矩阵，求最优差异量化值包括子步骤：
合并左限位滑动、右限位滑动生成的SMl和SMr得到矩阵
Figure FDA0004169732760000034
求最优差异量化值DQopt＝min(SM(:,1))，并找到其对应的滑动属性；如果min(SM(:,1))有多个相同值，选择其中step最小的一项；DQopt的属性(diropt,stepopt)表示杂波图矩阵与目标图矩阵在最优对齐状态下，目标图矩阵相对于杂波图矩阵的滑动方向和步长。
CN202210234872.9A 2022-03-10 2022-03-10 一种雷达信号处理优化方法 Active CN114782292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210234872.9A CN114782292B (zh) 2022-03-10 2022-03-10 一种雷达信号处理优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210234872.9A CN114782292B (zh) 2022-03-10 2022-03-10 一种雷达信号处理优化方法

Publications (2)

Publication Number Publication Date
CN114782292A CN114782292A (zh) 2022-07-22
CN114782292B true CN114782292B (zh) 2023-05-09

Family

ID=82423563

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210234872.9A Active CN114782292B (zh) 2022-03-10 2022-03-10 一种雷达信号处理优化方法

Country Status (1)

Country Link
CN (1) CN114782292B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308910A (zh) * 2013-05-11 2013-09-18 国家海洋局第一海洋研究所 利用高频地波雷达检测海上非航行状态船只目标的方法
CN106093890A (zh) * 2016-08-26 2016-11-09 零八电子集团有限公司 建立剩余杂波图抑制雷达剩余杂波的方法
CN107238821A (zh) * 2017-05-31 2017-10-10 中国电子科技集团公司第二十九研究所 一种基于特征谱特征的机场跑道异物检测方法及装置
CN107561507A (zh) * 2017-08-08 2018-01-09 西安电子科技大学 一种外辐射源雷达的杂波对消方法
CN109327850A (zh) * 2018-11-16 2019-02-12 安徽大学 基于梯度追踪和多步拟牛顿法技术的非正交多址接入系统多用户检测方法
CN109814572A (zh) * 2019-02-20 2019-05-28 广州市山丘智能科技有限公司 移动机器人定位建图方法、装置、移动机器人和存储介质
CN110109090A (zh) * 2019-03-28 2019-08-09 北京邮电大学 基于微波雷达的未知环境多目标检测方法和装置
CN110349207A (zh) * 2019-07-10 2019-10-18 国网四川省电力公司电力科学研究院 一种复杂环境下的视觉定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10725175B2 (en) * 2018-10-30 2020-07-28 United States Of America As Represented By The Secretary Of The Air Force Method, apparatus and system for receiving waveform-diverse signals

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103308910A (zh) * 2013-05-11 2013-09-18 国家海洋局第一海洋研究所 利用高频地波雷达检测海上非航行状态船只目标的方法
CN106093890A (zh) * 2016-08-26 2016-11-09 零八电子集团有限公司 建立剩余杂波图抑制雷达剩余杂波的方法
CN107238821A (zh) * 2017-05-31 2017-10-10 中国电子科技集团公司第二十九研究所 一种基于特征谱特征的机场跑道异物检测方法及装置
CN107561507A (zh) * 2017-08-08 2018-01-09 西安电子科技大学 一种外辐射源雷达的杂波对消方法
CN109327850A (zh) * 2018-11-16 2019-02-12 安徽大学 基于梯度追踪和多步拟牛顿法技术的非正交多址接入系统多用户检测方法
CN109814572A (zh) * 2019-02-20 2019-05-28 广州市山丘智能科技有限公司 移动机器人定位建图方法、装置、移动机器人和存储介质
CN110109090A (zh) * 2019-03-28 2019-08-09 北京邮电大学 基于微波雷达的未知环境多目标检测方法和装置
CN110349207A (zh) * 2019-07-10 2019-10-18 国网四川省电力公司电力科学研究院 一种复杂环境下的视觉定位方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Robust Target Detection Within Sea Clutter Based on Graphs;Kun Yan等;《IEEE Transactions on Geoscience and Remote Sensing》;第57卷(第9期);7093-7103 *
Theory of synthetic aperture radar imaging of a moving target;Jao J K等;《IEEE Transactions on Geoscience and remote sensing》;第39卷(第9期);1984-1992 *
基于CSI处理的三通道机载SAR地面动目标检测;张绪锦等;《电子学报》;第36卷(第4期);789-793 *
基于三维视觉信息的复杂场景位置识别技术研究;王静文;《中国优秀硕士学位论文全文数据库 (信息科技辑)》(第7期);I138-241 *
基于图优化理论和GNSS激光SLAM位姿优化算法;陆世东;涂美义;罗小勇;郭超;;《激光与光电子学进展》(第8期);216-225 *
杂波图技术在雷达终端信号处理中的应用;闫修林等;《现代雷达》(第5期);34-36 *

Also Published As

Publication number Publication date
CN114782292A (zh) 2022-07-22

Similar Documents

Publication Publication Date Title
US9684962B2 (en) Method and system for calibrating surveillance cameras
US9990546B2 (en) Method and apparatus for determining target region in video frame for target acquisition
CN107610084B (zh) 一种对深度图像和激光点云图进行信息融合的方法与设备
CN109543489B (zh) 基于二维码的定位方法、装置和存储介质
WO2022000857A1 (zh) 数据集的建立方法、车辆和存储介质
CN107784671B (zh) 一种用于视觉即时定位与建图的方法与系统
CN111310759B (zh) 双模式协作的目标检测抑制优化方法及设备
CN100565498C (zh) 基于相位不连续区域检测的最小不连续二维相位展开方法
US11657485B2 (en) Method for expanding image depth and electronic device
JP4791239B2 (ja) 目標物速度測定装置、目標物速度測定プログラム及び目標物速度測定方法
Halder et al. Correction of geometrically distorted underwater images using shift map analysis
CN107103587B (zh) 一种生物芯片图像倾斜的校正方法及装置
CN112819904A (zh) 一种用于标定ptz摄像机的方法与设备
CN114708257B (zh) Sar运动舰船目标检测方法及装置
CN114782292B (zh) 一种雷达信号处理优化方法
WO2021062776A1 (zh) 一种参数标定方法、装置及设备
CN113466839B (zh) 侧扫声呐海底线检测方法和装置
EP2536123A1 (en) Image processing method and image processing apparatus
CN108573510B (zh) 一种栅格地图矢量化方法及设备
CN117095038A (zh) 用于激光扫描仪的点云滤波方法及系统
Li et al. Object representation for multi-beam sonar image using local higher-order statistics
CN113808142B (zh) 一种地面标识的识别方法、装置、电子设备
CN115291179A (zh) 斜视sar二维分辨率分析方法、电子设备及存储介质
CN114743150A (zh) 目标跟踪方法、装置、电子设备及存储介质
CN111239740A (zh) 一种去除射线噪声的方法及设备

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