CN114859299A - 基于无人机避障毫米波雷达的加权约束复合滤波方法 - Google Patents

基于无人机避障毫米波雷达的加权约束复合滤波方法 Download PDF

Info

Publication number
CN114859299A
CN114859299A CN202210787363.9A CN202210787363A CN114859299A CN 114859299 A CN114859299 A CN 114859299A CN 202210787363 A CN202210787363 A CN 202210787363A CN 114859299 A CN114859299 A CN 114859299A
Authority
CN
China
Prior art keywords
signal
filter
post
input
weighting
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
Application number
CN202210787363.9A
Other languages
English (en)
Other versions
CN114859299B (zh
Inventor
杨博
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.)
Changsha Microbrain Intelligent Technology Co ltd
Original Assignee
Changsha Microbrain Intelligent Technology Co ltd
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 Changsha Microbrain Intelligent Technology Co ltd filed Critical Changsha Microbrain Intelligent Technology Co ltd
Priority to CN202210787363.9A priority Critical patent/CN114859299B/zh
Publication of CN114859299A publication Critical patent/CN114859299A/zh
Application granted granted Critical
Publication of CN114859299B publication Critical patent/CN114859299B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
    • 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
    • G01S13/66—Radar-tracking 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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了基于无人机避障毫米波雷达的加权约束复合滤波方法，原始回波信号采集；下变频处理；信号脉冲压缩；由前置滤波器和后置滤波器两部分进行加权约束复合滤波，前置滤波器使用旁瓣相消算法，构建协方差矩阵特征阈值信号子空间,对其特征信号子空间加权迭代；后置滤波器对输入信号的自相关矩阵的逆进行最小二乘递归，在递归过程中引入遗传因子淡化旧数据对新数据的影响；距离向CFAR检测；目标跟踪与识别。本发明对输入信号进行递推估计更新，收敛速度快，滤波效果十分明显；算法结构为前置滤波器和后置滤波器复合而成，后置滤波器可有效的解决前置滤波器输出后的增强信号仍存在噪声残留过多的问题。

Description

基于无人机避障毫米波雷达的加权约束复合滤波方法
技术领域
本发明属于毫米波雷达技术领域，尤其涉及基于无人机避障毫米波雷达的加权约束复合滤波方法。
背景技术
无人机避障雷达可收发电磁波并处理回波信号，判断前方是否有障碍物，反馈障碍物与雷达的相对距离、速度、方位角等信息，引导无人机等雷达载体自主避开障碍物，确保其安全工作。但是，无人机实际作业的天气和环境复杂多变，即使安装避障雷达也容易撞上细电线、枯树枝等能量微弱障碍物造成炸机。经过大量无人机避障雷达实测数据分析得到结论是由于环境杂波的干扰使得底噪能量大大增加从而导致弱目标回波能量被淹没，从而雷达检测算法无法跟踪到目标导致避障雷达漏报。
发明内容
针对上述问题，本发明提出了一种基于无人机避障毫米波雷达的加权约束复合滤波方法。该方法鲁棒性强，收敛速度快，同时算法结构采用前置滤波器和后置滤波器的复合双重滤波，可有效的滤除残留的噪声来增强目标信号。
具体的，本发明公开的基于无人机避障毫米波雷达的加权约束复合滤波方法，包括以下步骤：
配置雷达波形，连续采样原始雷达回波信号，经过相干解调之后的基带数据而形成得到一个二维数据矩阵；
将中频采样信号与数字控制振荡器产生的本地数字中频载波信号进行混频，将中频信号下变频到基带；
信号经过脉冲压缩调制后被压缩为窄脉冲；
由前置滤波器和后置滤波器两部分进行加权约束复合滤波，所述前置滤波器使用旁瓣相消算法，构建协方差矩阵特征阈值信号子空间, 对其特征信号子空间加权迭代，实现输入信号与参考信号旁瓣对消，来增强目标信号、降低噪声的干扰；所述后置滤波器对输入信号的自相关矩阵的逆进行最小二乘递归，在递归过程中引入遗传因子淡化旧数据对新数据的影响；
对滤波后的距离向压缩信号进行CFAR检测处理，在输入的噪声进行处理后确定一个门限，将此门限与输入端信号相比，如输入端信号超过了此门限，则判为有目标，否则，判为无目标；
将所有的目标簇分类识别，跟踪目标实时位置，并预测其轨迹。
进一步的，所述前置滤波器由上下支路部分组成，其中上支路部分为输入的原始信号
Figure 379057DEST_PATH_IMAGE001
与权矢量w1相乘获得参考信号
Figure 781220DEST_PATH_IMAGE002
，下支路部分为旁瓣相消支路, 通过阻塞矩阵T，并加权得到的信号
Figure 387782DEST_PATH_IMAGE003
，上下支路的信号
Figure 849987DEST_PATH_IMAGE002
和
Figure 40535DEST_PATH_IMAGE003
经过最优滤波器后形成输出信号
Figure 980809DEST_PATH_IMAGE004
，n为信号的采样点数量。
进一步的，原始信号
Figure 707457DEST_PATH_IMAGE005
其中
Figure 340563DEST_PATH_IMAGE006
为期望信号的导向矢量；
Figure 519872DEST_PATH_IMAGE007
为i=0,1,2,…I的干扰信号的导向矢量，
Figure 762372DEST_PATH_IMAGE008
为期望信号的波形；
Figure 343526DEST_PATH_IMAGE009
为i=0,1,2,…I的干扰信号的波形。
进一步的，经过权矢量w1做加权处理后的参考信号：
Figure 881955DEST_PATH_IMAGE010
其中
Figure 814139DEST_PATH_IMAGE011
为权矢量w1的共轭转置，
输入信号
Figure 96215DEST_PATH_IMAGE012
：
Figure 301850DEST_PATH_IMAGE013
阻塞矩阵T 的作用是阻塞参考信号的进入，输入信号经过阻塞矩阵T 后只有干扰信号通过，满足：
Figure 11180DEST_PATH_IMAGE014
接着，
Figure 430660DEST_PATH_IMAGE002
和
Figure 516428DEST_PATH_IMAGE012
进入最优滤波器进行相减处理，通过有限的循环次数使下支路信号与上支路信号的误差变小，其误差公式表示如下：
Figure 72174DEST_PATH_IMAGE015
前置滤波器最终对应的总加权系数公式为：
Figure 716519DEST_PATH_IMAGE016
其中，
Figure 92137DEST_PATH_IMAGE011
是权矢量 w1的共轭转置；
Figure 716017DEST_PATH_IMAGE017
是权矢量T的共轭转置。
进一步的，后置滤波器为引入遗忘因子的快速递推最小二乘算法，后置滤波器的输入信号
Figure 391849DEST_PATH_IMAGE004
是前置滤波器的输出信号，基于最小二乘准则，快速递推最小二乘算法决定自适应滤波器的权系数向量
Figure 442981DEST_PATH_IMAGE018
使估计误差在有限的递归次数内的加权平方和最小，其公式表示为：
Figure 70009DEST_PATH_IMAGE019
Figure 497580DEST_PATH_IMAGE020
其中，G(n)为估计误差的加权平方和最小值；λ为遗忘因子，取值范围是 0<λ≤1 ；e(n)为输出加权后与输出的残差；i为数据的帧数；e(i)为当前帧递归运算的误差值；
Figure 762339DEST_PATH_IMAGE004
为后置滤波器的输入；B(n)为后置滤波器的输出；
构造输入数据的自相关矩阵公式：
Figure 515531DEST_PATH_IMAGE021
后置滤波器最终对应的加权系数递归公式为：
Figure 865741DEST_PATH_IMAGE022
其中，
Figure 329958DEST_PATH_IMAGE023
为输入数据的自相关矩阵；
Figure 714803DEST_PATH_IMAGE024
为
Figure 373318DEST_PATH_IMAGE004
的转置矩阵；E[ ]表示求中括号内函数的期望值；k(n)为后置滤波器中的增益矢量。
进一步的，后置滤波器中的增益矢量 k(n)公式表示为：
Figure 476403DEST_PATH_IMAGE025
其中P(n) 为自相关矩阵的逆
Figure 245776DEST_PATH_IMAGE026
，
输入信号的自相关矩阵的逆递归公式如下：
Figure 735661DEST_PATH_IMAGE027
。
本发明的有益效果如下：
鲁棒性强，对输入信号进行递推估计更新，收敛速度快，滤波效果十分明显。
算法结构为前置滤波器和后置滤波器复合而成，后置滤波器可有效的解决前置滤波器输出后的增强信号仍存在噪声残留过多的问题。
附图说明
图1本发明复合滤波方法流程图；
图2 本发明的前置滤波器和后置滤波器的结构；
图3滤波处理前的原始信号；
图4滤波处理后的信号。
具体实施方式
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
如图1所示，本发明的复合滤波算法包括以下6个步骤：
（1）原始回波信号采集：配置雷达波形，连续采样原始雷达回波信号，经过相干解调之后的基带数据而形成得到一个二维数据矩阵；
（2）下变频处理：核心是将中频采样信号与数字控制振荡器产生的本地数字中频载波信号进行混频,将中频信号下变频到基带；
（3）信号脉冲压缩：信号经过脉冲压缩调制后就会被压缩为窄脉冲；
（4）加权约束复合滤波：本专利提出的加权约束复合滤波算法，由前置滤波器和后置滤波器两部分组成，对脉冲压缩信号滤波降噪达到增强目标信号的效果。其中的前置滤波器使用新型的旁瓣相消算法，构建了协方差矩阵特征阈值信号子空间, 对其特征信号子空间加权迭代,实现输入信号与参考信号旁瓣对消，来增强目标信号降低噪声的干扰。前置滤波器对方向性干扰噪声具有很好的抑制效果，但在非相干噪声的处理上效果很不理想。而后置滤波器具有良好的抗噪性可补齐前置滤波器短板，解决前置滤波器输出后的增强信号仍存在非相干噪声，它采用输入信号的自相关矩阵的逆进行最小二乘递归，同时递归过程中引入遗传因子淡化旧数据对新数据的影响，提高新数据的影响作用，这样可以避免新的数据信息被淹没所导致的算法失效；
（5）距离向CFAR检测：对滤波后的距离向压缩信号进行CFAR检测处理。其工作原理是在输入的噪声进行处理后确定一个门限，将此门限与输入端信号相比，如输入端信号超过了此门限，则判为有目标，否则，判为无目标；
（6）目标跟踪与识别：将所有的目标簇分类识别，跟踪目标每时每刻的位置和预测它的轨迹。
本发明的加权约束复合滤波算法对输入的脉冲压缩信号滤波降噪，同时加权约束复合滤波器结构为前置滤波器和后置滤波器两大部分复合而成，后置滤波器还可以有效的解决前置滤波器输出后的增强信号仍存在噪声残留过多的问题。参考图2，
Figure 565077DEST_PATH_IMAGE001
为毫米波雷达输入的原始信号，
Figure 155458DEST_PATH_IMAGE004
为前置滤波器的输出信号和后置滤波器的输入信号；w1为前置滤波器上支路加权导向矢量；w2为前置滤波器下支路加权导向矢量；T为阻塞矩阵，作用是阻塞期望信号的进入；w3为后置滤波器递归最小二乘加权系数；Z(n)表示测量噪声；V(n)表示测量噪声形成的信号；B(n)为后置滤波器的输出信号；
Figure 462943DEST_PATH_IMAGE002
为前置滤波器上支路加权得到的参考信号；
Figure 822380DEST_PATH_IMAGE003
为前置滤波器下支路通过阻塞矩阵和加权得到的输入信号；
Figure 321232DEST_PATH_IMAGE028
是一种最优滤波器，使输入信号与参考信号的误差尽可能小；
Figure 133330DEST_PATH_IMAGE029
是一种带有遗传因子的最小二乘递归滤波器。
（1）前置滤波器为新型的旁瓣相消算法，由上下支路部分组成：上支路部分为输入的原始信号
Figure 510085DEST_PATH_IMAGE001
与权矢量w1相乘获得参考信号
Figure 458450DEST_PATH_IMAGE002
。其中输入的原始信号可表示为：
Figure 629668DEST_PATH_IMAGE005
其中
Figure 427597DEST_PATH_IMAGE006
为期望信号的导向矢量；
Figure 76885DEST_PATH_IMAGE007
为i=0,1,2,…I的干扰信号的导向矢量，
Figure 410914DEST_PATH_IMAGE008
为期望信号的波形；
Figure 753034DEST_PATH_IMAGE009
为i=0,1,2,…I的干扰信号的波形。
经过权矢量w1做加权处理后的参考信号：
Figure 539724DEST_PATH_IMAGE010
下支路部分为旁瓣相消支路, 通过阻塞矩阵和加权得到的输入信号
Figure 992702DEST_PATH_IMAGE012
：
Figure 414194DEST_PATH_IMAGE013
阻塞矩阵T 的作用是阻塞参考信号的进入，输入信号经过阻塞矩阵T 后只有干扰信号通过，满足
Figure 927215DEST_PATH_IMAGE014
接着，
Figure 201201DEST_PATH_IMAGE002
和
Figure 457870DEST_PATH_IMAGE003
进入简单的最优滤波器相减处理，通过有限的循环次数使下支路信号与上支路信号的误差尽可能小，其误差公式表示如下，
Figure 500913DEST_PATH_IMAGE015
前置滤波器最终对应的总加权系数公式为：
Figure 689229DEST_PATH_IMAGE016
其中，
Figure 184933DEST_PATH_IMAGE011
是权矢量 w1的共轭转置；
Figure 979713DEST_PATH_IMAGE017
是权矢量T的共轭转置。
2)后置滤波器为引入遗忘因子的快速递推最小二乘算法，后置滤波器的输入信号
Figure 877262DEST_PATH_IMAGE004
是前置滤波器的输出信号，基于最小二乘准则，快速递推最小二乘算法决定自适应滤波器的权系数向量
Figure 732086DEST_PATH_IMAGE018
使估计误差在有限的递归次数内的加权平方和最小，其公式可表示为：
Figure 479200DEST_PATH_IMAGE019
Figure 77671DEST_PATH_IMAGE020
其中，G(n)为估计误差的加权平方和最小值；λ为遗忘因子，
取值范围是 0 <λ≤ 1 ；e(n)为输出加权后与输出的残差；i为数据的帧数；e(i)为当前帧递归运算的误差值；
Figure 829727DEST_PATH_IMAGE004
为后置滤波器的输入；B(n)为后置滤波器的输出。
接着，构造输入数据的自相关矩阵公式：
Figure 121031DEST_PATH_IMAGE021
后置滤波器最终对应的加权系数递归公式为：
Figure 591326DEST_PATH_IMAGE022
其中，
Figure 960865DEST_PATH_IMAGE023
为输入数据的自相关矩阵；
Figure 833007DEST_PATH_IMAGE024
为
Figure 295212DEST_PATH_IMAGE004
的转置矩阵；E[ ]表示求中括号内函数的期望值；k(n)为后置滤波器中的增益矢量。
之后，定义自相关矩阵的逆为
Figure 987224DEST_PATH_IMAGE026
，经过推导得到输入信号的自相关矩阵的逆递归公式：
Figure 193078DEST_PATH_IMAGE027
后置滤波器中的增益矢量的增益矢量公式可表示为：
Figure 418261DEST_PATH_IMAGE025
。
图3和图4为原始信号和经过本发明的复合滤波算法处理后的信号，图3中弱目标回波能量在图4中有明显的增强，说明有效检测出了弱目标。
本发明的有益效果如下：
鲁棒性强，对输入信号进行递推估计更新，收敛速度快，滤波效果十分明显。
算法结构为前置滤波器和后置滤波器复合而成，后置滤波器可有效的解决前置滤波器输出后的增强信号仍存在噪声残留过多的问题。
本文所使用的词语“优选的”意指用作实例、示例或例证。本文描述为“优选的”任意方面或设计不必被解释为比其他方面或设计更有利。相反，词语“优选的”的使用旨在以具体方式提出概念。如本申请中所使用的术语“或”旨在意指包含的“或”而非排除的“或”。即，除非另外指定或从上下文中清楚，“X使用A或B”意指自然包括排列的任意一个。即，如果X使用A；X使用B；或X使用A和B二者，则“X使用A或B”在前述任一示例中得到满足。
而且，尽管已经相对于一个或实现方式示出并描述了本公开，但是本领域技术人员基于对本说明书和附图的阅读和理解将会想到等价变型和修改。本公开包括所有这样的修改和变型，并且仅由所附权利要求的范围限制。特别地关于由上述组件(例如元件等)执行的各种功能，用于描述这样的组件的术语旨在对应于执行所述组件的指定功能(例如其在功能上是等价的)的任意组件(除非另外指示)，即使在结构上与执行本文所示的本公开的示范性实现方式中的功能的公开结构不等同。此外，尽管本公开的特定特征已经相对于若干实现方式中的仅一个被公开，但是这种特征可以与如可以对给定或特定应用而言是期望和有利的其他实现方式的一个或其他特征组合。而且，就术语“包括”、“具有”、“含有”或其变形被用在具体实施方式或权利要求中而言，这样的术语旨在以与术语“包含”相似的方式包括。
本发明实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以多个或多个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器，磁盘或光盘等。上述的各装置或系统，可以执行相应方法实施例中的存储方法。
综上所述，上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.基于无人机避障毫米波雷达的加权约束复合滤波方法，其特征在于，包括以下步骤：
配置雷达波形，连续采样原始雷达回波信号，经过相干解调之后的基带数据而形成得到一个二维数据矩阵；
将中频采样信号与数字控制振荡器产生的本地数字中频载波信号进行混频，将中频信号下变频到基带；
信号经过脉冲压缩调制后被压缩为窄脉冲；
由前置滤波器和后置滤波器两部分进行加权约束复合滤波，所述前置滤波器使用旁瓣相消算法，构建协方差矩阵特征阈值信号子空间, 对其特征信号子空间加权迭代，实现输入信号与参考信号旁瓣对消，来增强目标信号、降低噪声的干扰；所述后置滤波器对输入信号的自相关矩阵的逆进行最小二乘递归，在递归过程中引入遗传因子淡化旧数据对新数据的影响；
对滤波后的距离向压缩信号进行CFAR检测处理，在输入的噪声进行处理后确定一个门限，将此门限与输入端信号相比，如输入端信号超过了此门限，则判为有目标，否则，判为无目标；
将所有的目标簇分类识别，跟踪目标实时位置，并预测其轨迹。
2.根据权利要求1所述的基于无人机避障毫米波雷达的加权约束复合滤波方法，其特征在于，所述前置滤波器由上下支路部分组成，其中上支路部分为输入的原始信号
Figure 349318DEST_PATH_IMAGE001
与权矢量w1相乘获得参考信号
Figure 967119DEST_PATH_IMAGE002
，下支路部分为旁瓣相消支路, 通过阻塞矩阵T，并加权得到的信号
Figure 360054DEST_PATH_IMAGE003
，上下支路的信号
Figure 463139DEST_PATH_IMAGE002
和
Figure 232512DEST_PATH_IMAGE003
经过最优滤波器后形成输出信号
Figure 471863DEST_PATH_IMAGE004
，n为信号的采样点数量。
3.根据权利要求2所述的基于无人机避障毫米波雷达的加权约束复合滤波方法，其特征在于，原始信号
Figure 534235DEST_PATH_IMAGE005
其中
Figure 124616DEST_PATH_IMAGE006
为期望信号的导向矢量；
Figure 432101DEST_PATH_IMAGE007
为i=0,1,2,…I的干扰信号的导向矢量，
Figure 525959DEST_PATH_IMAGE008
为期望信号的波形；
Figure 526276DEST_PATH_IMAGE009
为i=0,1,2,…I的干扰信号的波形。
4.根据权利要求2所述的基于无人机避障毫米波雷达的加权约束复合滤波方法，其特征在于，经过权矢量w1做加权处理后的参考信号：
Figure 836909DEST_PATH_IMAGE010
其中
Figure 213664DEST_PATH_IMAGE011
为权矢量w1的共轭转置，
输入信号
Figure 162028DEST_PATH_IMAGE012
：
Figure 333247DEST_PATH_IMAGE013
阻塞矩阵T 的作用是阻塞参考信号的进入，输入信号经过阻塞矩阵T 后只有干扰信号通过，满足：
Figure 632641DEST_PATH_IMAGE014
接着，
Figure 786323DEST_PATH_IMAGE002
和
Figure 854773DEST_PATH_IMAGE012
进入最优滤波器进行相减处理，通过有限的循环次数使下支路信号与上支路信号的误差变小，其误差公式表示如下：
Figure 196893DEST_PATH_IMAGE015
前置滤波器最终对应的总加权系数公式为：
Figure 983583DEST_PATH_IMAGE016
其中，
Figure 669517DEST_PATH_IMAGE011
是权矢量 w1的共轭转置；
Figure 858053DEST_PATH_IMAGE017
是权矢量T的共轭转置。
5.根据权利要求2所述的基于无人机避障毫米波雷达的加权约束复合滤波方法，其特征在于，后置滤波器为引入遗忘因子的快速递推最小二乘算法，后置滤波器的输入信号
Figure 371074DEST_PATH_IMAGE004
是前置滤波器的输出信号，基于最小二乘准则，快速递推最小二乘算法决定自适应滤波器的权系数向量
Figure 645060DEST_PATH_IMAGE018
使估计误差在有限的递归次数内的加权平方和最小，其公式表示为：
Figure 636150DEST_PATH_IMAGE019
Figure 177728DEST_PATH_IMAGE020
其中，G(n)为估计误差的加权平方和最小值；λ为遗忘因子，取值范围是 0<λ≤1 ；e(n)为输出加权后与输出的残差；i为数据的帧数；e(i)为当前帧递归运算的误差值；
Figure 861650DEST_PATH_IMAGE004
为后置滤波器的输入；B(n)为后置滤波器的输出，V(n)为测量噪声形成的信号；
构造输入数据的自相关矩阵公式：
Figure 91774DEST_PATH_IMAGE021
后置滤波器最终对应的加权系数递归公式为：
Figure 152134DEST_PATH_IMAGE022
其中，
Figure 49683DEST_PATH_IMAGE023
为输入数据的自相关矩阵；
Figure 137462DEST_PATH_IMAGE024
为
Figure 386041DEST_PATH_IMAGE004
的转置矩阵；E[ ]表示求中括号内函数的期望值；k(n)为后置滤波器中的增益矢量。
6.根据权利要求5所述的基于无人机避障毫米波雷达的加权约束复合滤波方法，其特征在于，后置滤波器中的增益矢量 k(n)公式表示为：
Figure 984513DEST_PATH_IMAGE025
其中P(n) 为自相关矩阵的逆
Figure 736568DEST_PATH_IMAGE026
，
输入信号的自相关矩阵的逆递归公式如下：
Figure 27872DEST_PATH_IMAGE027
。
CN202210787363.9A 2022-07-06 2022-07-06 基于无人机避障毫米波雷达的加权约束复合滤波方法 Active CN114859299B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210787363.9A CN114859299B (zh) 2022-07-06 2022-07-06 基于无人机避障毫米波雷达的加权约束复合滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210787363.9A CN114859299B (zh) 2022-07-06 2022-07-06 基于无人机避障毫米波雷达的加权约束复合滤波方法

Publications (2)

Publication Number Publication Date
CN114859299A true CN114859299A (zh) 2022-08-05
CN114859299B CN114859299B (zh) 2022-09-20

Family

ID=82626809

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210787363.9A Active CN114859299B (zh) 2022-07-06 2022-07-06 基于无人机避障毫米波雷达的加权约束复合滤波方法

Country Status (1)

Country Link
CN (1) CN114859299B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115184896A (zh) * 2022-09-09 2022-10-14 北京海兰信数据科技股份有限公司 一种基于雷达目标幅度加权均值滤波跟踪处理方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012149035A2 (en) * 2011-04-25 2012-11-01 University Of Denver Radar-based detection and identification for miniature air vehicles
CN104459635A (zh) * 2014-12-08 2015-03-25 西安科技大学 基于迭代收缩加权融合的自适应空滤滤波方法
CN105717504A (zh) * 2015-08-11 2016-06-29 王宗博 无人机360度电子扫描避障雷达
CN107544066A (zh) * 2017-07-09 2018-01-05 电子科技大学 一种基于检测前跟踪分布式异步迭代滤波融合方法
CN107783118A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法
WO2018094565A1 (zh) * 2016-11-22 2018-05-31 深圳大学 脉冲噪声下的波束成形方法及装置
CN109001687A (zh) * 2018-05-24 2018-12-14 西安电子科技大学 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法
CN109451195A (zh) * 2018-09-18 2019-03-08 北京佳讯飞鸿电气股份有限公司 一种自适应双端检测的回声消除方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012149035A2 (en) * 2011-04-25 2012-11-01 University Of Denver Radar-based detection and identification for miniature air vehicles
CN104459635A (zh) * 2014-12-08 2015-03-25 西安科技大学 基于迭代收缩加权融合的自适应空滤滤波方法
CN105717504A (zh) * 2015-08-11 2016-06-29 王宗博 无人机360度电子扫描避障雷达
CN107783118A (zh) * 2016-08-25 2018-03-09 大连楼兰科技股份有限公司 基于毫米波雷达的固定翼无人机多目标防撞系统的防撞方法
WO2018094565A1 (zh) * 2016-11-22 2018-05-31 深圳大学 脉冲噪声下的波束成形方法及装置
CN107544066A (zh) * 2017-07-09 2018-01-05 电子科技大学 一种基于检测前跟踪分布式异步迭代滤波融合方法
CN109001687A (zh) * 2018-05-24 2018-12-14 西安电子科技大学 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法
CN109451195A (zh) * 2018-09-18 2019-03-08 北京佳讯飞鸿电气股份有限公司 一种自适应双端检测的回声消除方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HANG YU 等: "Autonomous Obstacle Avoidance for UAV based on Fusion of Radar", 《2020 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS》 *
杨博 等: "基于杂波方位抑制的无源雷达目标检测方法研究", 《中国电子科学研究院学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115184896A (zh) * 2022-09-09 2022-10-14 北京海兰信数据科技股份有限公司 一种基于雷达目标幅度加权均值滤波跟踪处理方法及系统

Also Published As

Publication number Publication date
CN114859299B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN109324315B (zh) 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法
CN105527610B (zh) 基于分数阶时延估计的多天线联合优化杂波抑制方法
CN106842140B (zh) 一种基于和差波束降维的主瓣干扰抑制方法
CN107462877B (zh) 一种基于先验知识的天波雷达海杂波抑制方法
CN112731394B (zh) 基于近似观测矩阵的聚束sar杂波抑制和动目标重聚焦
CN114859299B (zh) 基于无人机避障毫米波雷达的加权约束复合滤波方法
Meller Cheap cancellation of strong echoes for digital passive and noise radars
CN105699950B (zh) 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
CN108318865B (zh) 多通道sar欺骗干扰鉴别与自适应抑制方法
CN110146881B (zh) 一种基于改进全变差的扫描雷达超分辨成像方法
CN115963457B (zh) 一种多通道无源雷达直达波干扰抑制方法
Li et al. Dimension-reduced space-time adaptive clutter suppression algorithm based on lower-rank approximation to weight matrix in airborne radar
Pulford et al. MAP estimation of target manoeuvre sequence with the expectation-maximization algorithm
Jiang et al. Adversarial interference mitigation for automotive radar
CN114879226A (zh) 一种基于智能感知的卫星导航阵列抗干扰方法
CN112051552A (zh) 一种基于多站的主瓣抗干扰方法及装置
CN113376607B (zh) 机载分布式雷达小样本空时自适应处理方法
CN108152796B (zh) 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法
CN110865345A (zh) 一种快速自适应脉冲压缩方法
CN112630760A (zh) 多目标条件下的强干扰抑制波束形成器设计方法
CN117574187A (zh) 一种多辐射源信号分选时延估计方法及系统
Jagadesh et al. Modeling Target Detection and Performance Analysis of Electronic Countermeasures for Phased Radar.
CN114428228B (zh) 高重频和差天线雷达导引头的杂波抑制方法
CN110609255B (zh) 一种基于特征波束的自适应波束域fsa的杂波抑制降维方法
CN114779199A (zh) 端射阵机载雷达自适应互耦补偿与杂波抑制方法

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