CN115219990A - 一种一维距离像的特征提取方法 - Google Patents
一种一维距离像的特征提取方法 Download PDFInfo
- Publication number
- CN115219990A CN115219990A CN202210824130.1A CN202210824130A CN115219990A CN 115219990 A CN115219990 A CN 115219990A CN 202210824130 A CN202210824130 A CN 202210824130A CN 115219990 A CN115219990 A CN 115219990A
- Authority
- CN
- China
- Prior art keywords
- range profile
- pulse
- real
- dimensional
- dimensional range
- 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
- 238000000605 extraction Methods 0.000 title abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000035485 pulse pressure Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000010187 selection method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
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
-
- 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
- G01S13/0209—Systems with very large relative bandwidth, i.e. larger than 10 %, e.g. baseband, pulse, carrier-free, ultrawideband
-
- 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
- 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
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本公开提出一种一维距离像的特征提取方法,该提取方法包括:利用宽带雷达的多个连续脉冲的脉压数据,获得目标脉冲距离像;对所述目标脉冲距离像进行阈值处理,得到阈值处理后的脉冲距离像;从所述阈值处理后的脉冲距离像中提取实一维距离像,并计算多个所述连续脉冲的所述实一维距离像的最大距离单元长度,得到实脉冲距离像;利用所述实脉冲距离像,得到功率脉冲距离像;利用所述功率脉冲距离像,构造元素熵;利用构造出的所述元素熵提取一维距离像的特征参数。本公开能够在克服高超声速目标数据量少、计算时间短的应用限制,同时满足对高超声速目标识别的需求。
Description
技术领域
本公开涉及信号处理技术领域,尤其涉及一种一维距离像的特征提取方法。
背景技术
高超声速飞行器在高空飞行时,在飞行器表面会产生包覆的等离子鞘,会影响其一维距离像在多普勒域的扩展、信号能量的分散、幅度轮廓不规则形变,导致特征提取困难;同时,目标的高超声速飞行会限制样本数量和运算时间,进一步增加了特征提取的难度。
现有的距离像特征提取要么不适用于高超声速环境的等离子鞘多扰动的情况,要么数据维数偏大,对数据存储量和计算量要求高,不能适应高超声速目标对计算时间的需求。因此,有必要改善上述相关技术方案中存在的一个或者多个问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开实施例的目的在于提供一维距离像的特征提取方法,以克服高超声速目标数据量少、计算时间短的应用限制,同时满足对高超声速目标识别的需求。
根据本公开实施例提供一种一维距离像的特征提取方法,包括:
利用宽带雷达的多个连续脉冲的脉压数据,获得目标脉冲距离像;
对所述目标脉冲距离像进行阈值处理,得到阈值处理后的脉冲距离像;
从所述阈值处理后的脉冲距离像中提取实一维距离像,并计算多个所述连续脉冲的所述实一维距离像的最大距离单元长度,得到实脉冲距离像;
利用所述实脉冲距离像,得到功率脉冲距离像;
利用所述功率脉冲距离像,构造元素熵;
利用构造出的所述元素熵提取一维距离像的特征参数。
本公开的一示例性实施例中,利用宽带雷达的多个连续脉冲的脉压数据,获得目标脉冲距离像的步骤包括:
将宽带雷达的多个连续脉冲观测窗内的脉压数据进行拼接,获得所述目标脉冲距离像Am,n;所述目标脉冲距离像Am,n包括M×N的矩阵,其中,m=1,2,…,M,m表示脉冲序号,M表示脉冲总数;n=1,2,…,N,n表示目标脉冲距离像Am,n中的距离单元序号,N表示目标脉冲距离像Am,n中的距离单元总数。
本公开的一示例性实施例中,在对所述目标脉冲距离像进行阈值处理,得到阈值处理后的脉冲距离像的步骤中:所述阈值处理包括硬阈值处理或软阈值处理。
本公开的一示例性实施例中,当对所述目标距离像Am,n进行硬阈值处理时,得到硬阈值处理后的脉冲距离像Hm,n包括:
其中,T表示硬阈值门限。
本公开的一示例性实施例中,从所述阈值处理后的脉冲距离像中提取实一维距离像,并计算多个所述连续脉冲的所述实一维距离像的最大距离单元长度,得到实脉冲距离像的步骤包括:
提取第m个脉冲的第一个非零元素所处的距离单元序号bm,1:
bm,1=max[find(Hm,n≠0)],n=1,2,…,N (2)
其中,find(Hm,n≠0)表示为读取Hm,n≠0时的距离单元序号n;
提取第m个脉冲的最后一个非零元素所处的距离单元序号bm,2:
bm,2=min|find(Hm,n≠0)],n=1,2,…,N (3)
其中,Hm,n表示硬阈值处理后的脉冲距离像;m表示脉冲序号,M表示脉冲总数;n表示观测窗内的距离单元序号,N表示观测窗内的距离单元总数。
计算第m个脉冲中实一维距离像的长度Km:
Km=bm,2-bm,1+1 (4)
提取M个脉冲中实一维距离像的最大距离单元长度Kmax:
Kmax=max(Km) (5)
获得M个脉冲的实一维距离像的所述实脉冲距离像Rm,k:
Rm,k=|Am,n|,bm,1≤n≤bm,2+Kmax-1 (6)
其中,所述实脉冲距离像Rm,k包括包括M×Kmax的矩阵,k表示实脉冲距离像Rm,k中的距离单元序号,k=1,2,…,Kmax。
本公开的一示例性实施例中,利用所述实脉冲距离像,得到功率脉冲距离像的计算公式包括:
其中,k表示距离单元序号,k=1,2,…,Kmax;Kmax表示一维距离像的最大距离单元长度;Rm,k表示实脉冲距离像;Pm,k表示功率脉冲距离像;m表示脉冲序号。
本公开的一示例性实施例中,利用所述功率脉冲距离像,构造元素熵的步骤包括:
利用所述功率脉冲距离像Pm,k定义向量Yg1,g2;
构造所述向量Yg1,g2的元素熵;
其中,1≤g1≤g2≤M;M表示脉冲总数。
本公开的一示例性实施例中,利用所述功率脉冲距离像Pm,k定义向量Yg1,g2的步骤中,所述向量Yg1,g2的计算公式包括:
Yg1,g2(k)=Pg1,kPg2,k (8)。
本公开的一示例性实施例中,在构造所述向量Yg1,g2的元素熵的步骤中,构造所述元素熵的计算公式包括:
本公开的一示例性实施例中,利用构造出的所述元素熵提取一维距离像的特征参数的计算公式包括:
其中,ln表示求解以10为底的对数。
本公开提供的技术方案可以包括以下有益效果:
(1)本公开对等离子鞘等强扰动、非线性变化的对象具有很强的适应性,能够在缩短计算时间的同时,保留回波信号的信号强度分布特征,能够满足雷达对高超声速目标的识别要求;
(2)本公开对雷达回波数据的脉冲数要求低,在数据量少、存储空间小或计算时间受限的情况下,仍能获得稳定、良好的计算结果。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见的,下面描述中的附图仅仅是本公开的一些实施例,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示出本公开示例性实施例中一维距离像的提取方法的步骤示意图;
图2示出本公开示例性实施例中一维距离像的另一种提取方法的步骤示意图;
图3示出本公开示例性实施例中一维距离像的提取方法中经硬阈值处理后的第一脉冲距离像Hm,n的示意图;
图4示出本公开示例性实施例中一维距离像的提取方法中第二脉冲距离像Rm,k的示意图;
图5示出本公开示例性实施例中一维距离像的提取方法中功率脉冲距离像Pm,k的示意图;
图6示出本公开示例性实施例仿真实验中包含等离子鞘的高超声速飞行器元素熵的对数图;
图7示出本公开示例性实施例仿真实验中不包含等离子鞘的高超声速飞行器元素熵的对数图;
图8示出本公开示例性实施例仿真实验中包含等离子鞘的高超声速飞行器特征参数χE的曲线图;
图9示出本公开示例性实施例仿真实验中不包含等离子鞘的高超声速飞行器特征参数χE的曲线图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
本公开实施方式的第一方面提供了一维距离像的提取方法,参照图1和图2,该提取方法包括以下步骤:
步骤S101:利用宽带雷达的多个连续脉冲的脉压数据,获得目标脉冲距离像;
步骤S102:对该目标脉冲距离像进行阈值处理,得到阈值处理后的脉冲距离像;
步骤S103:从阈值处理后的脉冲距离像中提取实一维距离像,并计算多个连续脉冲的实一维距离像的最大距离单元长度,得到实脉冲距离像;
步骤S104:利用该实脉冲距离像,得到功率脉冲距离像;
步骤S105:利用该功率脉冲距离像,构造元素熵;
步骤S106:利用构造出的所述元素熵提取一维距离像的特征参数。
下面将对该提取方法的具体步骤进行说明。
在步骤S101中,该步骤包括:将宽带雷达的多个连续脉冲观测窗内的脉压数据进行拼接,获得目标脉冲距离像Am,n;该目标脉冲距离像Am,n为M×N的矩阵,其中,m=1,2,…,M,m表示脉冲序号,M表示脉冲总数;n=1,2,…,N,n表示目标脉冲距离像Am,n的观测窗内的距离单元序号,N表示目标脉冲距离像Am,n的观测窗内的距离单元总数。
在步骤S102中,这里对目标脉冲距离像进行阈值处理可以是硬阈值处理,也可以根据实际需要采用软阈值处理,且不会影响后续处理结果。
在该步骤中,采用了对目标脉冲距离像Am,n进行硬阈值处理,得到硬阈值处理后的脉冲距离像Hm,n包括:
其中,T表示硬阈值门限。
这里通过采用最优阈值选择类方法可以得到硬阈值门限T,参照图3所示,对于硬阈值处理后的脉冲距离像Hm,n,若低于硬阈值门限T,则距离单元取0;若大于等于硬阈值门限T,则距离单元保持原有数值。采用最优阈值选择类方法得到的硬阈值门限T,可直接用于本公开的硬阈值的处理。
在步骤S103中,具体包括了以下子步骤:
步骤S1031:提取第m个脉冲的第一个非零元素所处的距离单元序号bm,1:
bm,1=max|find(Hm,n≠0)],n=1,2,…,N (2)
其中,find(Hm,n≠0)表示为读取Hm,n≠0时的距离单元序号n;
步骤S1032:提取第m个脉冲的最后一个非零元素所处的距离单元序号bm,2:
bm,2=min[find(Hm,n≠0)],n=1,2,…,N (3)
其中,Hm,n表示硬阈值处理后的脉冲距离像;m表示脉冲序号,M表示脉冲总数;n表示观测窗内的距离单元序号,N表示观测窗内的距离单元总数
步骤S1033:计算第m个脉冲中实一维距离像的长度Km:
Km=bm,2-bm,1+1 (4)
步骤S1034:提取M个脉冲中实一维距离像的最大距离单元长度Kmax:
Kmax=max(Km) (5)
步骤S1035:获得M个脉冲的实一维距离像的所述实脉冲距离像Rm,k:
Rm,k=|Am,n|,bm,1≤n≤bm,2+Kmax-1 (6)
其中,实脉冲距离像Rm,k包括包括M×Kmax的矩阵,k表示实脉冲距离像Rm,k中的距离单元序号,k=1,2,…,Kmax。
参照图4所示,这里包括了等离子鞘的一维距离像,它的信号能量强点与脉冲维基本对齐,但这并不能形成清晰稳定的直线状航迹,这显示的是一个等离子鞘影响下一维距离像的特征。需要注意的是,这里从硬阈值处理后的脉冲距离像Hm,n中提取,并计算得到的实脉冲距离像Rm,k包含背景噪声。
在步骤S104中,利用实脉冲距离像Rm,k,计算得到功率脉冲距离像Pm,k的计算公式为:
其中,k表示距离单元序号,k=1,2,…,Kmax;Kmax表示一维距离像的最大距离单元长度;Rm,k表示实脉冲距离像;Pm,k表示功率脉冲距离像;m表示脉冲序号。
这里需要说明的是,由于熵是用来衡量信号的稀疏性和相关性。如果距离单元的数值为零,则相关性远比目标信号的分量高,就会影响到特征提取。
参照图5所示,图5中有两条稳定的航迹,右侧航迹略微倾斜,信号能量比图4更为集中,从而形成了更为清晰稳定的航迹。
在步骤S105中,包含以下子步骤:
步骤S1051:利用功率脉冲距离像Pm,k定义向量Yg1,g2;这里向量Yg1,g2的计算公式包括:
Yg1,g2(k)=Pg1,kPg2,k (8)
其中,1≤g1≤g2≤M;M表示脉冲总数。
步骤S1052:构造向量Yg1,g2的元素熵。元素熵的计算公式包括:
在步骤S106中,利用构造出的元素熵提取一维距离像的特征参数的计算公式包括:
其中,ln表示求解以10为底的对数。
为了更好的说明本公开的技术效果,进行了如下的仿真实验:
仿真条件:
采用飞行器在飞行高度为30km,飞行速度为25Ma的等离子鞘数据,数据来源于典型钝锥的三维高超声速CFD流场仿真数据。设定的雷达类型为X波段宽带雷达,信号类型为线性调频信号,载波载频f=10GHz,带宽B=1GHz,脉宽τ=200μs,采样频率fs=5GHz。
仿真内容:
仿真内容一、分别模拟仿真包含等离子鞘和不包含等离子鞘的高超声速飞行器典型钝锥的元素熵的对数图。
这里选取起始俯仰角为60°的60个连续脉冲的数据作为实验数据。图6为包含等离子鞘的高超声速飞行器元素熵对数图,图7为不包含等离子鞘的高超声速飞行器元素熵对数图。在图6和图7中,X轴表示一维距离像的相对距离范围,Y轴表示元素熵序号,Z轴表示熵值。从图6和图7中可以看出,包含等离子鞘的一维距离像占据更宽的相对距离范围,信号能量更为分散,元素熵曲线的极小值点更多。
仿真内容二、分别模拟仿真包含等离子鞘和不包含等离子鞘的高超声速飞行器典型钝锥的特征参数χE曲线图。
这里选取起始俯仰角为60°的60个连续脉冲的数据作为实验数据。图8示出了,处理脉冲数分别为M=5、M=10、M=15、M=20,仿真实验中包含等离子鞘的高超声速飞行器特征参数χE曲线图。图9示出了,处理脉冲数分别为M=5、M=10、M=15、M=20,仿真实验中不包含等离子鞘的高超声速飞行器特征参数χE曲线。从图8和图9中可以看出:
首先,脉冲数越多曲线越平滑,但脉冲数的变化对特征参数χE曲线的而影响细微,在计算时间受限的情况下计算结果更稳定;
其次,包含等离子鞘的一维距离像占据更宽的距离单元范围,信号能量更为分散、元素熵曲线的极小值点更多。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤执行等。另外,也易于理解的是,这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
应当注意,尽管在上文详细描述中提及了用于动作执行的系统的若干单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。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公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述沙盘联动控制方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种一维距离像的特征提取方法,其特征在于,包括:
利用宽带雷达的多个连续脉冲的脉压数据,获得目标脉冲距离像;
对所述目标脉冲距离像进行阈值处理,得到阈值处理后的脉冲距离像;
从所述阈值处理后的脉冲距离像中提取实一维距离像,并计算多个所述连续脉冲的所述实一维距离像的最大距离单元长度,得到实脉冲距离像;
利用所述实脉冲距离像,得到功率脉冲距离像;
利用所述功率脉冲距离像,构造元素熵;
利用构造出的所述元素熵提取一维距离像的特征参数。
2.根据权利要求1所述一维距离像的特征提取方法,其特征在于,利用宽带雷达的多个连续脉冲的脉压数据,获得目标脉冲距离像的步骤包括:
将宽带雷达的多个连续脉冲观测窗内的脉压数据进行拼接,获得所述目标脉冲距离像Am,n;所述目标脉冲距离像Am,n包括M×N的矩阵,其中,m=1,2,…,M,m表示脉冲序号,M表示脉冲总数;n=1,2,…,N,n表示目标脉冲距离像Am,n中的距离单元序号,N表示目标脉冲距离像Am,n中的距离单元总数。
3.根据权利要求2所述一维距离像的特征提取方法,其特征在于,在对所述目标脉冲距离像进行阈值处理,得到阈值处理后的脉冲距离像的步骤中:所述阈值处理包括硬阈值处理或软阈值处理。
5.根据权利要求1所述一维距离像的特征提取方法,其特征在于,从所述阈值处理后的脉冲距离像中提取实一维距离像,并计算多个所述连续脉冲的所述实一维距离像的最大距离单元长度,得到实脉冲距离像的步骤包括:
提取第m个脉冲的第一个非零元素所处的距离单元序号bm,1:
bm,1=max[find(Hm,n≠0)],n=1,2,…,N (2)
其中,find(Hm,n≠0)表示为读取Hm,n≠0时的距离单元序号n;
提取第m个脉冲的最后一个非零元素所处的距离单元序号bm,2:
bm,2=min[find(Hm,n≠0)],n=1,2,…,N (3);
其中,Hm,n表示硬阈值处理后的脉冲距离像;m表示脉冲序号,M表示脉冲总数;n表示观测窗内的距离单元序号,N表示观测窗内的距离单元总数;
计算第m个脉冲中实一维距离像的长度Km:
Km=bm,2-bm,1+1 (4)
提取M个脉冲中实一维距离像的最大距离单元长度Kmax:
Kmax=max(Km) (5)
获得M个脉冲的实一维距离像的所述实脉冲距离像Rm,k:
Rm,k=|Am,n|,bm,1≤n≤bm,2+Kmax-1 (6)
其中,所述实脉冲距离像Rm,k包括包括M×Kmax的矩阵,k表示实脉冲距离像Rm,k中的距离单元序号,k=1,2,…,Kmax。
7.根据权利要求6所述一维距离像的特征提取方法,其特征在于,利用所述功率脉冲距离像,构造元素熵的步骤包括:
利用所述功率脉冲距离像Pm,k定义向量Yg1,g2;
构造所述向量Yg1,g2的元素熵;
其中,1≤g1≤g2≤M;M表示脉冲总数。
8.根据权利要求7所述一维距离像的特征提取方法,其特征在于,利用所述功率脉冲距离像Pm,k定义向量Yg1,g2的步骤中,所述向量Yg1,g2的计算公式包括:
Yg1,g2(k)=Pg1,kPg2,k (8)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210824130.1A CN115219990A (zh) | 2022-07-13 | 2022-07-13 | 一种一维距离像的特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210824130.1A CN115219990A (zh) | 2022-07-13 | 2022-07-13 | 一种一维距离像的特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115219990A true CN115219990A (zh) | 2022-10-21 |
Family
ID=83611363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210824130.1A Pending CN115219990A (zh) | 2022-07-13 | 2022-07-13 | 一种一维距离像的特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115219990A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509972A (zh) * | 2009-03-30 | 2009-08-19 | 西安电子科技大学 | 基于高分辨目标距离像修正相关矩阵的宽带雷达检测方法 |
KR20170134092A (ko) * | 2016-05-27 | 2017-12-06 | 국방과학연구소 | 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법 |
CN110412548A (zh) * | 2019-07-20 | 2019-11-05 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的雷达多目标识别方法 |
CN112835005A (zh) * | 2020-12-31 | 2021-05-25 | 江苏云禾峰智能科技有限公司 | 一种基于超分辨目标跟踪的微多普勒特征提取方法 |
CN114519372A (zh) * | 2022-01-28 | 2022-05-20 | 西安电子科技大学 | 基于支持向量机的一维距离像目标识别方法 |
-
2022
- 2022-07-13 CN CN202210824130.1A patent/CN115219990A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101509972A (zh) * | 2009-03-30 | 2009-08-19 | 西安电子科技大学 | 基于高分辨目标距离像修正相关矩阵的宽带雷达检测方法 |
KR20170134092A (ko) * | 2016-05-27 | 2017-12-06 | 국방과학연구소 | 고해상도 거리 프로파일을 이용한 다중 물체 판단 장치 및 방법 |
CN110412548A (zh) * | 2019-07-20 | 2019-11-05 | 中国船舶重工集团公司第七二四研究所 | 基于高分辨一维距离像的雷达多目标识别方法 |
CN112835005A (zh) * | 2020-12-31 | 2021-05-25 | 江苏云禾峰智能科技有限公司 | 一种基于超分辨目标跟踪的微多普勒特征提取方法 |
CN114519372A (zh) * | 2022-01-28 | 2022-05-20 | 西安电子科技大学 | 基于支持向量机的一维距离像目标识别方法 |
Non-Patent Citations (3)
Title |
---|
XU REN-CAN: "Study of method of range profile feature extraction", 《SYSTEMS ENGINEERING AND ELECTRONICS》, vol. 27, no. 7, 1 July 2005 (2005-07-01) * |
张晰: "等离子鞘套包覆目标的雷达高分辨距离像", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》, no. 2, 15 February 2023 (2023-02-15), pages 031 - 58 * |
张晰: "等离子鞘套包覆目标的雷达高分辨距离像", Retrieved from the Internet <URL:https://libthesis.xidian.edu.cn/docinfo.action?id1=9689d971c2a37ff336c7bd588d880796&id2=NmwbbxI%252FSeg%253D> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Improving neural network quantization without retraining using outlier channel splitting | |
Zhang et al. | Parameter estimation of underwater impulsive noise with the Class B model | |
Grassberger | Estimating the fractal dimensions and entropies of strange attractors | |
Wengrowski et al. | Deep CNNs as a method to classify rotating objects based on monostatic RCS | |
CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
CN106291473A (zh) | 嵌套式天线阵列设置方法 | |
Weinberg | Examination of classical detection schemes for targets in Pareto distributed clutter: Do classical CFAR detectors exist, as in the Gaussian case? | |
Yang et al. | Multiple extended target tracking algorithm based on GM-PHD filter and spectral clustering | |
CN111413682B (zh) | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 | |
CN112328965A (zh) | 使用声矢量传感器阵列的多机动信号源doa跟踪的方法 | |
Kubicek et al. | Sonar target representation using two-dimensional Gabor wavelet features | |
Zorych et al. | Particle filtering for dispersion curve tracking in ocean acoustics | |
CN115219990A (zh) | 一种一维距离像的特征提取方法 | |
CN115951315A (zh) | 基于改进小波包能量谱的雷达欺骗干扰识别方法及系统 | |
Wang et al. | Chaff identification method based on Range‐Doppler imaging feature | |
CN115932773A (zh) | 基于谱形特征的目标角度检测方法、装置、设备及介质 | |
Tian et al. | Deep recurrent neural network for ground-penetrating radar signal denoising | |
US11657325B2 (en) | Apparatus and method for augmenting training data using notch filter | |
He et al. | Warship formation extraction and recognition based on density‐based spatial clustering of applications with noise and improved convolutional neural network | |
Munro et al. | Neural network learning of low-probability events | |
CN117597597A (zh) | 信号处理方法、装置及可读存储介质 | |
CN106778870A (zh) | 一种基于rpca技术的sar图像舰船目标检测方法 | |
CN112185412A (zh) | 一种多目标声信号混叠下的识别方法 | |
Okopal et al. | Propagation-invariant classification of sounds in channels with dispersion and absorption | |
CN110045344A (zh) | 针对去斜线性调频回波信号的低采样率等效仿真方法及系统 |
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 |