CN115144830B - 一种强地物杂波干扰下的小目标雷达检测方法 - Google Patents
一种强地物杂波干扰下的小目标雷达检测方法 Download PDFInfo
- Publication number
- CN115144830B CN115144830B CN202210365629.0A CN202210365629A CN115144830B CN 115144830 B CN115144830 B CN 115144830B CN 202210365629 A CN202210365629 A CN 202210365629A CN 115144830 B CN115144830 B CN 115144830B
- Authority
- CN
- China
- Prior art keywords
- detected
- target
- distance
- unit
- detection
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000009825 accumulation Methods 0.000 claims description 9
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 230000001427 coherent effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 238000002592 echocardiography Methods 0.000 abstract 1
- 230000003068 static effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种强地物杂波干扰下的小目标雷达检测方法在回波预处理阶段，利用多脉冲、多帧、多块回波抑制干扰，在回波距离向基于空间梯度增强信号，通过两种方式提高SCNR，提高目标检测性能。利用基于点目标特性构建的特征因子判决初始检测目标点有效性，降低虚警概率，提高检测结果可信度。
Description
技术领域
本发明涉及雷达信号处理领域，具体为一种强地物杂波干扰下的小目标雷达检测方法。
背景技术
实际工作时，雷达所处的工作环境往往比较复杂，待探测的目标处于各种复杂背景之中。而雷达后续的跟踪、成像等技术都是在雷达实现有效目标检测的基础上实现的，所以作为雷达信号处理领域中最重要的分支，目标检测一直是研究的难点和热点，学者们不断探索和改进现有检测算法以提高雷达目标检测能力。
静止小目标检测问题更是目标检测问题中难度较大、但具有重大理论意义和实用价值的课题。其难点主要在于以下几个方面：(1)回波SNR低：由于目标的RCS较小，其雷达回波较弱，所以雷达接收机接收到的回波数据的SNR一般也都很低，检测概率很低；(2)背景环境复杂：由于各种地物杂波的强度非常大，甚至会淹没待探测目标回波，而且具有较强的空间结构，因此给小目标的检测带来很大的问题；(3)无多普勒参数：由于目标处于静止状态，无多普勒参数使用，因此无法使用MTI/MTD技术抑制地物杂波。
目前，目标检测主要采用CFAR类检测算法以及基于机器学习的雷达目标检测算法。CFAR类检测算法法分为基于小目标空间稳定性的CFAR检测算法和基于小目标时间稳定性的CFAR检测算法。其中基于空间稳定性类CFAR算法利用待探测小目标空间周围回波功率自适应计算检测门限，主要包括CA-CFAR、GO-CFAR、OS-CFAR等；基于时间稳定性类CFAR算法利用环境时域平稳性，将雷达波束覆盖范围依据距离-方位进行单元划分，利用多次扫描估计各单元背景功率后计算检测门限，主要包括CM-CFAR、CA-CM-CFAR算法等。然而，在强杂波环境中小目标检测性能一般，虚警率高。基于机器学习的雷达目标检测算通过不同机器学习框架，采集大量实际静止小目标雷达回波数据构建训练数据集，自动提取静止小目标回波特征生成检测模型，将检测模型用于实际的目标检测问题。这种算法需要大量的训练数据和复杂的模型训练过程，不利于实际工程领域应用。模型适用性低，针对不同的雷达结构、系统参数，需要训练不同的模型。
发明内容
为了解决现有技术中的上述技术缺陷，本发明提出了一种强地物杂波干扰下的小目标雷达检测方法，以解决强地物杂波环境中静止小目标检测困难、虚警率高的问题。
实现本发明目的的技术方案为：一种强地物杂波干扰下的小目标雷达检测方法，包括：
多脉冲处理：对回波数据进行对消处理，并基于子空间理论，对多个脉冲通过主成分分析抑制噪声，获得距离向特征矩阵，采用空域梯度累积方法对距离向特征矩阵进行转换，获得转换后的距离向梯度特征矩阵；
多帧处理：对转换后的距离向梯度特征矩阵进行多帧相参处理，并利用CA-CFAR检测算法获得距离向编码矩阵；
多块处理：对单个待探测单元进行一致性检测，判断是否存在疑似目标，基于判决特征因子对存在疑似目标的待探测单元进行目标检测。
优选地，采用空域梯度累积方法对距离向特征矩阵进行转换的具体公式为：
式中，为梯度累积窗长，G(κ)为第/>个待探测单元的距离向特征矩阵。
优选地，利用CA-CFAR检测算法获得距离向编码矩阵的具体公式为：
式中，T、Lr、Lg分别为门限加权因子、噪声功率参考单元个数、噪声功率保护单元个数，χ(κ)为第个待探测单元的待检测距离谱。
优选地，对单个待探测单元进行一致性检测的具体方法为：
式中，Pc为一致性概率，为取整函数，/>为第/>距离向编码矩阵中第κ个探测单元。
优选地，构建的判决特征因子为：
式中，Q为多脉冲数据矩阵个数，M为雷达阵元个数，为构建判决特征因子时所用距离向单元个数，/>为第q组多脉冲背景对消处理后的距离-阵元维二维谱。
优选地，第κ个待探测单元是否存在目标的判定准则如下：
其中，η为结构判定门限，H0表示待探测单元内不存在目标；H1表示待探测单元内存在疑似目标。
本发明与现有技术相比，其显著优点为：本发明在回波预处理阶段，利用多脉冲、多帧、多块回波抑制干扰，在回波距离向基于空间梯度增强信号，通过两种方式提高SCNR，提高目标检测性能；本发明利用基于点目标特性构建的特征因子判决初始检测目标点有效性，降低虚警概率，提高检测结果可信度。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分的从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明的流程图。
图2为空域梯度累积信号增强法示意图。
具体实施方式
容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。相反，提供这些实施例的目的是为了使本领域的技术人员更透彻地理解本发明。下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的创新构思。
本发明的构思为，一种强地物杂波干扰下的小目标雷达检测方法，如图1所示，基于雷达多脉冲、多帧、多块三种时间尺度回波数据，通过干扰抑制及信号增强、静止小目标初始检测、疑似点有效性判别三个处理步骤，在强地物杂波环境中实现静止小目标雷达探测。
作为一种实施例，一种强地物杂波干扰下的小目标雷达检测方法，具体步骤为：
(1)多脉冲处理
在多脉冲处理步骤中，首先通过对消处理抑制部分地物杂波，然后基于子空间理论，对多个脉冲通过主成分分析抑制噪声，前两部处理后得到的降噪后距离向特征矩阵为其中/>为距离向待探测单元个数。尽管已经进行了背景对消、主成分分析操作抑制杂波及噪声，然而，对于静止小目标探测，此时目标回波SCNR仍然较低，探测难度较大。为了提高目标与干扰区分度，基于小目标点特性，本发明提出空域梯度积累的信号增强方式，具体处理方式如图2所示，其中/>为梯度累积窗长。
对于第κ个待探测单元，若其包含待探测目标产生回波，其强度在局部空域强于杂波强度。空域梯度累积方法通过增强有用信号、平均随机杂波提高待探测目标与干扰区分度。通过局部空域梯度积累，转至目标与干扰区分度更高的梯度空间。转换后的距离向梯度特征矩阵
(2)多帧处理
经过多脉冲干扰抑制与信号增强处理，利用梯度特征表示距离向回波强度。然而，对于静止小目标应用，多脉冲时间尺度内SCNR仍然较小。为了增大时间尺度以提高SCNR，在多帧处理步骤中首先进行多帧相参处理，最终得到的待检测距离谱为然后，再使用常规CA-CFAR检测算法初始判断待探测单元中是否存在目标，得到距离向编码矩阵编码方式如下所示：
其中T、Lr、Lg分别为门限加权因子、噪声功率参考单元个数、噪声功率保护单元个数。
(3)多块处理
静止小目标探测时，使用CFAR检测算法将产生较高的虚警概率。为了降低虚警概率，提高检测结果可信度，本发明在多块处理中通过一致性检测及基于特征因子判决进行处理。对于连续个距离向编码矩阵/>第κ个待探测单元内FOD检测结果应稳定、一致，因此使用一致性准则进行判定去除部分虚警。
对于单个待探测单元内目标判决问题，也可将其认定为二元假设检验问题：该待探测单元内不存在疑似目标(H0)；该待探测单元内存在疑似目标(H1)。通过一致性准则进行判定待探测单元属性判定准则如下：
其中Pc为一致性概率，为取整函数。
为了进一步降低虚警概率，对于存在疑似目标的待探测单元，本发明利用小目标点特性构建判决特征因子，从而识别待探测小目标。对于小目标，其在距离像中仅占据单个距离单元，不存在距离像扩展。假设多块数据中包含Q组多脉冲数据矩阵，每组目标数据矩阵对消处理后的距离-阵元维矩阵为M为雷达阵元个数。通过Q组距离-阵元维矩阵构建/>特征用于识别小目标，构建方式如下：
式中，为构建判决特征因子时所用距离向单元个数，/>为第q组多脉冲背景对消处理后的距离-阵元维二维谱。
对于点目标，在距离向上其不会产生扩散现象，故所在距离门局部强度变化较大。而对于物理尺寸较大目标，其在雷达波投影方向物理尺寸较大，距离门局部强度下降缓慢。特征因子即是衡量目标局部特征，由此第κ个待探测单元是否存在目标的判定准则如下：
其中η为结构判定门限。
通过上述三个步骤的处理，本发明可快速实现复杂地物杂波场景下的静止小目标雷达检测，具有低虚警概率、低检测耗时的特点，在实际工程领域中具有广阔的应用前景。
本发明通过杂波干扰抑制和目标信号增强，提高待检测信号SCNR。
本发明利用构建的特征因子判决检测点属性，降低虚警概率，在提高静止小目标检测能力的同时降低检测算法复杂度，使其更好的应用于实际工程领域。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
应当理解，为了精简本发明并帮助本领域的技术人员理解本发明的各个方面，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时在单个实施例中进行描述，或者参照单个图进行描述。但是，不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
应当理解，可以对本发明的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件，也可以把它们分成多个子模块、子单元或子组件。
Claims (5)
1.一种强地物杂波干扰下的小目标雷达检测方法，其特征在于，包括：
多脉冲处理：对回波数据进行对消处理，并基于子空间理论，对多个脉冲通过主成分分析抑制噪声，获得距离向特征矩阵，采用空域梯度累积方法对距离向特征矩阵进行转换，获得转换后的距离向梯度特征矩阵，具体公式为：
式中，为梯度累积窗长，G(κ)为第/>个待探测单元的距离向特征矩阵；
多帧处理：对转换后的距离向梯度特征矩阵进行多帧相参处理，并利用CA-CFAR检测算法获得距离向编码矩阵；
多块处理：对单个待探测单元进行一致性检测，判断是否存在疑似目标，基于判决特征因子对存在疑似目标的待探测单元进行目标检测。
2.根据权利要求1所述的强地物杂波干扰下的小目标雷达检测方法，其特征在于，利用CA-CFAR检测算法获得距离向编码矩阵的具体公式为：
式中，T、Lr、Lg分别为门限加权因子、噪声功率参考单元个数、噪声功率保护单元个数，χ(κ)为第个待探测单元的待检测距离谱。
3.根据权利要求1所述的强地物杂波干扰下的小目标雷达检测方法，其特征在于，对单个待探测单元进行一致性检测的具体方法为：
式中，Pc为一致性概率，为取整函数，/>为第/>个距离向编码矩阵，H0表示待探测单元内不存在疑似目标；H1表示待探测单元内存在疑似目标。
4.根据权利要求1所述的强地物杂波干扰下的小目标雷达检测方法，其特征在于，构建的判决特征因子为：
式中，Q为多脉冲数据矩阵个数，M为雷达阵元个数，为构建判决特征因子时所用距离向单元个数，/>为第q组多脉冲背景对消处理后的距离-阵元维二维谱。
5.根据权利要求4所述的强地物杂波干扰下的小目标雷达检测方法，其特征在于，第k个待探测单元是否存在目标的判定准则如下：
其中，η为结构判定门限，H’0表示待探测单元内不存在目标；H’1表示待探测单元内存在疑似目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210365629.0A CN115144830B (zh) | 2022-04-08 | 2022-04-08 | 一种强地物杂波干扰下的小目标雷达检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210365629.0A CN115144830B (zh) | 2022-04-08 | 2022-04-08 | 一种强地物杂波干扰下的小目标雷达检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115144830A CN115144830A (zh) | 2022-10-04 |
| CN115144830B true CN115144830B (zh) | 2023-10-31 |
Family
ID=83407274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210365629.0A Active CN115144830B (zh) | 2022-04-08 | 2022-04-08 | 一种强地物杂波干扰下的小目标雷达检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115144830B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104678368A (zh) * | 2015-02-16 | 2015-06-03 | 零八一电子集团有限公司 | 一维相扫三坐标雷达空域自适应干扰抑制方法 |
| CN104991241A (zh) * | 2015-06-30 | 2015-10-21 | 西安电子科技大学 | 强杂波背景下目标信号的提取和超分辨率增强处理方法 |
| CN111123257A (zh) * | 2019-12-30 | 2020-05-08 | 西安电子科技大学 | 基于图时空网络的雷达动目标多帧联合检测方法 |
| CN112508923A (zh) * | 2020-12-15 | 2021-03-16 | 广西科技大学 | 弱小目标检测方法 |
| CN114155426A (zh) * | 2021-12-13 | 2022-03-08 | 中国科学院光电技术研究所 | 一种基于局部多向梯度信息融合的弱小目标检测方法 |
-
2022
- 2022-04-08 CN CN202210365629.0A patent/CN115144830B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104678368A (zh) * | 2015-02-16 | 2015-06-03 | 零八一电子集团有限公司 | 一维相扫三坐标雷达空域自适应干扰抑制方法 |
| CN104991241A (zh) * | 2015-06-30 | 2015-10-21 | 西安电子科技大学 | 强杂波背景下目标信号的提取和超分辨率增强处理方法 |
| CN111123257A (zh) * | 2019-12-30 | 2020-05-08 | 西安电子科技大学 | 基于图时空网络的雷达动目标多帧联合检测方法 |
| CN112508923A (zh) * | 2020-12-15 | 2021-03-16 | 广西科技大学 | 弱小目标检测方法 |
| CN114155426A (zh) * | 2021-12-13 | 2022-03-08 | 中国科学院光电技术研究所 | 一种基于局部多向梯度信息融合的弱小目标检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| Infrared Dual-band Point Target Detection Based on Gradient Convolution Template and CFAR Criterion;Dejiang Wang 等;2018 IEEE ICMA;全文 * |
| 基于自适应滤波的强起伏背景下弱小目标检测;李正周 等;仪器仪表学报;全文 * |
| 复杂背景下低信噪比点目标的实时检测算法及实现;王勇 等;系统工程与电子技术;24(12);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115144830A (zh) | 2022-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
| CN105319537B (zh) | 基于空间相关性的航海雷达同频干扰抑制方法 | |
| CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
| CN111610501B (zh) | 对海雷达小目标检测方法 | |
| CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及系统 | |
| CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
| CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
| CN108318866B (zh) | 基于多帧回波联合积累的海杂波抑制方法 | |
| CN104849707B (zh) | 一种基于多雷达分布式检测的海杂波抑制方法 | |
| CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
| CN112255607B (zh) | 一种海杂波的抑制方法 | |
| CN110412550A (zh) | 一种基于背景认知的区域自适应海目标检测方法 | |
| CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
| CN116165610A (zh) | 一种改进奇异值分解的海杂波抑制算法 | |
| CN107132532B (zh) | 基于海尖峰抑制和多帧联合的小目标检测方法 | |
| CN115144830B (zh) | 一种强地物杂波干扰下的小目标雷达检测方法 | |
| CN111650591B (zh) | 一种主动声纳宽带空间谱回波亮点增强及自动提取方法 | |
| CN111090088B (zh) | 基于主动声纳阵列斜对称特性的泄露目标空时检测方法 | |
| CN108008374B (zh) | 基于能量中值的海面大型目标检测方法 | |
| Sun et al. | A Wave Texture Difference Method for Rainfall Detection Using X‐Band Marine Radar | |
| CN112162269B (zh) | 一种基于奇异谱分解的海杂波压制及目标检测方法 | |
| CN111157966B (zh) | 一种假目标干扰识别方法 | |
| Li et al. | Moving target detection and tracking interactive algorithm based on acoustic image | |
| Zhang et al. | Adaptive rectification filter for detecting small IR targets | |
| CN107202980B (zh) | 基于方向比率的多帧联合海面小目标检测方法 |
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 |