CN115407297A - 强通信受限下的分布式多雷达信号级协同检测与定位方法 - Google Patents

强通信受限下的分布式多雷达信号级协同检测与定位方法 Download PDF

Info

Publication number
CN115407297A
CN115407297A CN202211047013.5A CN202211047013A CN115407297A CN 115407297 A CN115407297 A CN 115407297A CN 202211047013 A CN202211047013 A CN 202211047013A CN 115407297 A CN115407297 A CN 115407297A
Authority
CN
China
Prior art keywords
detection
target
radar
positioning
signal
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
CN202211047013.5A
Other languages
English (en)
Other versions
CN115407297B (zh
Inventor
易伟
赖样明
杨诗兴
彭铧
李熙乐
张国鑫
周其玉
唐金坪
孔令讲
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.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
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 University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN202211047013.5A priority Critical patent/CN115407297B/zh
Publication of CN115407297A publication Critical patent/CN115407297A/zh
Application granted granted Critical
Publication of CN115407297B publication Critical patent/CN115407297B/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
    • G01S7/41—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
    • 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

Landscapes

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

Abstract

本发明公开了一种强通信受限下的分布式多雷达信号级协同检测与定位方法，首先在各局部站点对回波信息进行预处理截断与筛选，滤除大部分底噪信号并尽可能保留有效信号，接着将各局部站点保留的数据传输至融合中心进行全局融合，然后将全局判决、定位结果反馈至各局部站点，在下一次信号截断时更大程度保留可能存在目标的信号片段，最后通过依次循环检测、估计、反馈、截断等步骤实现在强通信速率受限下对目标的高性能协同检测与定位。本发明的方法有效避免了由于通信受限造成有效信号丢失，给低信噪比目标的检测、定位性能带来很大损失的现象，能实现在强通信速率约束下对目标的高性能检测与高精度定位，适用于民用低空监视、智慧交通等领域。

Description

强通信受限下的分布式多雷达信号级协同检测与定位方法
技术领域
本发明属于雷达信号处理技术领域，具体涉及一种强通信受限下的分布式多雷达信号级协同检测与定位方法。
背景技术
随着科技的进步，城市物流发展迅速，通过无人机运输实现“最后一公里”配送能极大地提高物流效率。而由于无人机体积小、城市环境复杂，单民用低空雷达探测威力、视域有限，一旦无人机失控便会对空域安全造成很大的威胁，因此目前无人机物流运输仍得不到广泛应用。在此背景下，得益于传感器网络通信技术、多雷达信息融合处理技术和资源控制技术的快速发展，分布式多雷达协同探测系统受到了民用方面的广泛关注。与单站雷达相比，由于分布式多雷达协同探测系统将每个雷达分散布置、连接组网，可从多个视角探测目标，从而有效减少目标的RCS起伏并带来探测威力的提升，同时多雷达组网视域广，大大地减少了城市低空环境中的监视真空区。因此分布式多雷达协同探测技术有很大的民用研究价值。
对于分布式多雷达协同探测中的目标检测与定位技术，传统工程上的做法是先在每个雷达站中对回波数据进行局部处理，然后将各站估计的目标时延、角度等数据级结果传输到融合中心进行融合，从而得到全局的判决、融合结果，如文献“Exact solution forelliptic localization in distributed MIMO radar systems.IEEE Transactions onVehicular Technology，vol.67，no.2，pp.1075-1086，2017”和专利CN202111370253.4等，这类方法仅需传输数据级信息至融合中心，与融合中心的通信速率小、雷达组网控制功能相对简单，但其在低信噪比情况下对目标的探测性能损失较大。近些年在学术界出现了将局部站点的原始信号级数据传输到融合中心进行融合的方法，如文献“Multi-targetDetection Strategy for Distributed MIMO Radar with Widely SeparatedAntennas.IEEE Transactions on Geoscience and Remote Sensing，vol.60，pp.1-16，2022.”等，这类方法能够充分利用接收站点的信号级信息，可在低信噪比下获得鲁棒的检测定位性能，但由于需要传输完整回波信号至融合中心，因此需要局部站点与融合中心之间有极大的通信速率资源，这在地形复杂、只能进行无线布站即通信受限的环境里是难以满足的。因此，如何让分布式多雷达协同探测系统既能在通信受限的环境中正常工作，又能获得高检测定位性能，是颇有研究价值的技术难题，也是实现分布式多雷达协同系统大规模投入应用的核心前提。
发明内容
为解决上述技术问题，本发明提出了一种强通信受限下的分布式多雷达信号级协同检测与定位方法。
为了便于描述本发明内容，首先做以下术语进行解释：
定义1.分布式多雷达系统，
分布式多雷达系统是指由多个分置在空间不同位置的雷达，通过有线或者无线通信方式与一个融合中心连接组网，同时利用不同角度探测目标获得空间多样性，从而实现对微弱目标的高性能探测的系统。
定义2.协同探测，
指的是各雷达站相互协作、同时发射信号、同步探测目标。
定义3.融合中心，
融合中心是指雷达组网系统中的数据处理中心，它的作用是对系统检测区域建立空间统一坐标系，将各雷达站传输的回波数据进行空间、时间配准与联合处理，从而实现对目标的高性能探测。
本发明采用的技术方案为：一种强通信受限下的分布式多雷达信号级协同检测与定位方法，具体步骤如下：
S1、初始化强通信受限下的分布式多雷达协同探测系统参数；
S2、将共视区域均匀划分为网格点，所有网格点的位置组合成一个集合，各雷达同时发射信号对该区域进行协同探测，并接收回波信号；
S3、建立各站的复合二元假设检验问题，计算对应的似然函数对数值；
S4、对每个局部站点的似然值进行截断预处理并传输至融合中心；
S5、在融合中心建立各雷达站的联合判决表达式，遍历并计算监视区域内所有网格点的检测统计量；
S6、取监视区域内所有网格点的检测统计量中的最大值作判决：若大于等于门限，则说明检测到目标，将该最大值对应的位置作为本次探测的目标估计位置输出；若小于门限，则说明没有检测到目标，对本次探测的目标估计位置赋值为空；
S7、判断探测次序是否达到上界，若达到，则结束算法；若没有达到，则将本次探测得到的目标估计位置反馈给所有雷达站点，更新参数后进入下一次探测，返回至步骤S3。
进一步地，所述步骤S3中，复合二元假设检验问题的表达式为：
Figure BDA0003822732510000021
其中，
Figure BDA0003822732510000022
表示第n个站第k个脉冲重复周期的距离维基带离散信号，
Figure BDA0003822732510000023
(
Figure BDA0003822732510000024
表示复数集)为在各站间互相独立，具有噪声协方差矩阵Cn的复高斯向量，M表示脉冲重复周期采样点数，
Figure BDA0003822732510000031
为sn(τn(θ(k)))的简写，指的是发射的连续信号
Figure BDA0003822732510000032
在经过时延τn(θ(k))以及一系列处理得到的一个脉冲重复周期内的基带离散信号向量，θ(k)为第k次探测中目标的真实位置，
Figure BDA0003822732510000033
为目标复反射系数，
Figure BDA0003822732510000034
和
Figure BDA0003822732510000035
分别表示在第k个脉冲中目标信号不存在和存在的假设，每个假设下对应的似然函数表达式
Figure BDA0003822732510000036
与
Figure BDA0003822732510000037
分别为：
Figure BDA0003822732510000038
Figure BDA0003822732510000039
其中，κ0与κ1为与目标位置无关的系数，H表示矩阵的共轭转置。
通过一系列求解，第n个站第k次探测的局部似然值向量可写为：
Figure BDA00038227325100000310
其中，T表示矩阵的转置，且
Figure BDA00038227325100000311
表示第n个站第k次探测的局部似然值，具体展开为：
Figure BDA00038227325100000312
其中，τn,i表示第n站点第i个采样点的时延，且τn,i＝iTs,fori＝1,2,...,M,n＝1,2,...,N，N表示雷达数量，Ts表示采样间隔。
进一步地，所述步骤S4中，首先采用恒虚警检测准则进行截断处理，其次根据融合中心反馈的前序探测定位结果提取出对应时延位置的数据，然后对截断处理的数据进行排序剔除，并与提取的数值向量进行合并，得到要传输的数值向量，最后将向量中的非空值进行量化编码传输，并在融合中心译码还原。
进一步地，所述步骤S4中，对局部站点的似然值数据进行截断的准则为：
Figure BDA00038227325100000313
其中，
Figure BDA0003822732510000041
为截断后的似然数值向量，
Figure BDA0003822732510000042
为第k次探测第n个站点第i个采样点的截断门限，其表达式为：
Figure BDA0003822732510000043
其中，
Figure BDA0003822732510000044
表示估计杂波功率，βn表示门限因子，Pce,n表示截断概率，J表示局部截断参考单元数。
根据前序探测定位结果矩阵Γk对通道数据进行提取的表达式为：
Figure BDA0003822732510000045
其中，
Figure BDA0003822732510000046
为提取的通道数值，
Figure BDA0003822732510000047
为提取的数值向量，
Figure BDA0003822732510000048
为取整符号，
Figure BDA0003822732510000049
表示第i次探测中目标的估计位置。
随后排序剔除截断数据，更新后的向量记为
Figure BDA00038227325100000410
从而得到最终需要传输的数值向量为：
Figure BDA00038227325100000411
其中，
Figure BDA00038227325100000412
进一步地，所述步骤S5中，分布式多站雷达联合判决检测统计量表达式为：
Figure BDA00038227325100000413
其中，G表示将共视区域均匀划分为网格点，所有网格点的位置组合成的一个集合，
Figure BDA00038227325100000414
表示监视区域内θ(k)对应网格点的检测统计量：
Figure BDA00038227325100000415
其中，ψ为检测门限，通过生成完全无目标的噪声数据，进行100/Pfa次蒙特卡洛实验可计算得到，Pfa表示全局虚警概率，Pfa需满足：
Figure BDA00038227325100000416
其中，
Figure BDA0003822732510000051
表示第k次探测的目标估计位置。
进一步地，所述步骤S7中，更新前序探测定位结果矩阵Γk+1的表达式为：
Figure BDA0003822732510000052
本发明的有益效果：本发明的方法首先在各局部站点对接收到的回波信息进行预处理截断与筛选，滤除大部分底噪信号并尽可能保留有效信号，接着将各局部站点保留的数据传输至融合中心进行全局融合，然后将全局判决、定位结果反馈至各局部站点，在下一次信号截断时更大程度保留可能存在目标的信号片段，最后通过依次循环检测、估计、反馈、截断等步骤实现在强通信速率受限下(5Mbps以内)对目标的高性能协同检测与定位。本发明的方法有效避免了由于通信受限造成有效信号丢失，给低信噪比目标的检测、定位性能带来很大损失的现象，能实现在强通信速率约束下对目标的高性能检测与高精度定位，适用于民用低空监视、智慧交通等领域。
附图说明
图1为本发明的一种强通信受限下的分布式多雷达信号级协同检测与定位方法的流程图。
图2为本发明实施例中的分布式多雷达布站位置与目标位置示意图。
图3为本发明实施例中的平均单站通信速率随脉冲编号的变化曲线。
图4为本发明实施例中提供的多次蒙特卡洛试验的检测性能曲线。
图5为本发明实施例中提供的多次蒙特卡洛试验的定位精度曲线。
具体实施方式
下面结合附图与实施例对本发明的方法做进一步的说明。
为了便于描述本发明内容，首先做以下术语进行解释：
定义1.分布式多雷达系统
分布式多雷达系统是指由多个分置在空间不同位置的雷达，通过有线或者无线通信方式与一个融合中心连接组网，同时利用不同角度探测目标获得空间多样性，从而实现对微弱目标的高性能探测的系统。
定义2.协同探测
指的是各雷达站相互协作、同时发射信号、同步探测目标。
定义3.融合中心
融合中心是指雷达组网系统中的数据处理中心，它的作用是对系统检测区域建立空间统一坐标系，将各雷达站传输的回波数据进行空间、时间配准与联合处理，从而实现对目标的高性能探测。
本发明主要采用仿真实验的方法进行验证，所有步骤、结论都在Matlab2016a上验证正确。如图1所示，本发明的一种强通信受限下的分布式多雷达信号级协同检测与定位方法流程图，具体步骤如下：
S1、初始化强通信受限下的分布式多雷达协同探测系统参数：
本实施例中，考虑如图2所示的分布式多雷达协同探测系统，系统所采用的雷达类型为毫米波段的线性调频连续波雷达，按照如表1所示的数值对参数进行初始化：雷达数N＝9，雷达位置
Figure BDA0003822732510000061
分别为(1,0.5)、(1.25,0.35)、(1.50,0.22)、(1.75,0.1)、(2,0)、(2.25,0.1)、(2.5,0.22)、(2.75,0.35)、(3,0.5)km，目标位置θ为(2,1)km，载频
Figure BDA0003822732510000062
分别为75、75.5、76、76.5、77、77.5、78、78.5、79GHz，脉冲重复周期Tpri＝300us，雷达带宽W＝150MHz，采样率Fs＝5MHz，采样间隔Ts＝0.2us，发射信号为线性调频连续波信号，全局虚警概率Pfa＝1×10-6，单个站点与融合中心之间的通信带宽约束Wcom＝5Mbps，局部站点截断概率Pc＝0.015625，量化位数为Q量化＝64bit，定位结果追溯数q＝5，局部截断参考单元数J＝100，探测次序上界/蒙特卡洛数试验次数Kmax＝5000。
表1
Figure BDA0003822732510000063
Figure BDA0003822732510000071
S2、将共视区域均匀划分为网格点，所有网格点的位置组合成一个集合G，N个雷达同时发射信号对该区域进行协同探测，并接收回波信号，
经过混频、放大、滤波、采样、距离维FFT等处理，我们可以得到距离维基带离散信号，即第n个站第k个脉冲重复周期的信号可写成如下形式：
Figure BDA0003822732510000072
其中，
Figure BDA0003822732510000073
(
Figure BDA0003822732510000074
表示复数集)为在各站间互相独立，具有噪声协方差矩阵Cn的复高斯向量，
Figure BDA0003822732510000075
为
Figure BDA0003822732510000076
的简写，指的是发射的连续信号
Figure BDA0003822732510000077
在经过时延τn(θ(k))以及一系列处理得到的一个脉冲重复周期内的基带离散信号向量，θ(k)为第k次探测中目标的真实位置，
Figure BDA0003822732510000078
为目标复反射系数，k＝1,...,Kmax，首先令k＝1。
本实施例中参与融合处理的毫米波雷达距离维信号是每个脉冲经过距离维快速离散傅里叶变换(FFT)后的，而并非从速度维FFT后的二维平面中提取(若在实际工程中需从该途径提取，本发明方法也同样适用)，且在后续步骤中将第k个脉冲重复周期定义为第k次探测。
S3、建立第k次探测各站的复合二元假设检验问题，计算对应的似然函数对数值，具体分步骤如下：
S31、首先，在每个局部站点可将目标的检测问题写为一个二元假设检验问题，即：
Figure BDA0003822732510000081
其中，
Figure BDA0003822732510000082
和
Figure BDA0003822732510000083
分别表示在第k个脉冲中目标信号不存在和存在的假设，每个假设下对应的似然函数表达式
Figure BDA0003822732510000084
与
Figure BDA0003822732510000085
分别为：
Figure BDA0003822732510000086
Figure BDA0003822732510000087
其中，κ0与κ1为与目标位置无关的系数，H表示矩阵的共轭转置。
S32、其次，局部似然比可写为：
Figure BDA0003822732510000088
取对数得到：
Figure BDA0003822732510000089
S33、再次，当
Figure BDA00038227325100000810
(
Figure BDA00038227325100000811
的估计值)时，似然比达到最大，
Figure BDA00038227325100000812
的值可通过对
Figure BDA00038227325100000813
求零点(求导再赋值为0)得到：
Figure BDA00038227325100000814
即可以得到：
Figure BDA00038227325100000815
将(8)式代入(6)式可以得到局部似然对数值表达式为：
Figure BDA0003822732510000091
S34、最后，我们将第n个站第k次探测的局部似然值向量写为
Figure BDA0003822732510000092
其中，T表示矩阵的转置，且
Figure BDA0003822732510000093
表示第n个站第k次探测的局部似然值，具体展开为：
Figure BDA0003822732510000094
其中，τn,i表示第n站点第i个采样点的时延，且τn,i＝iTs,fori＝1,2,...,M,n＝1,2,...,N，N表示雷达数量，Ts表示采样间隔。
S4、对每个局部站点的似然值进行截断预处理并传输至融合中心，具体分步骤如下：
S41、首先对局部站点的似然值数据进行截断，截断准则如下所示：
Figure BDA0003822732510000095
其中，
Figure BDA0003822732510000096
为本步骤截断后的似然数值向量，
Figure BDA0003822732510000097
为第k次探测第n个站点第i个采样点的截断门限，当第i个采样点的值大于等于该门限时，该点数据将被保留，否则将被舍去。截断门限的设定取决于截断概率Pce,n，即：
Figure BDA0003822732510000098
在通信带宽受到约束的情况下，为了稳定控制截取的数据点数，本实施例采用单元平均恒虚警检测(CA-CFAR)的方法设置门限，通过估计第i个采样点周围2J个参考单元的杂波功率以及将截断概率Pce,n作为局部虚警概率，可以得到估计杂波功率表达式以及门限因子，分别为：
Figure BDA0003822732510000099
Figure BDA00038227325100000910
然后可以得到截断门限
Figure BDA0003822732510000101
的表达式为：
Figure BDA0003822732510000102
S42、其次根据融合中心反馈的前序探测定位结果提取出第k次探测中所有站点对应时延位置的数据。将前序探测定位的结果存为一个矩阵Γk，这里根据探测序号k值与定位结果追溯数q值分情况讨论，即：
Figure BDA0003822732510000103
其中，
Figure BDA0003822732510000104
表示第i次探测中目标的估计位置，它的值也可能为null(空值，即当第i次探测里未检测到目标)，且矩阵Γk中可能有多个值相同(当时间过短目标未跨距离单元移动)。根据前序探测定位结果矩阵Γk，我们对通道数据进行提取，即：
Figure BDA0003822732510000105
其中，
Figure BDA0003822732510000106
为提取的通道数值，
Figure BDA0003822732510000107
为本步骤提取的数值向量，
Figure BDA0003822732510000108
为取整符号，。
S43、再次根据步骤S42中提取的通道数据量结果对步骤S41中截取的数据进行排序剔除。由于根据通信受限情况设定的截断概率Pce,n决定了第n站向融合中心传输的数据点数上限Nce,n＝Pce,n·M，假定步骤S42中提取的有效数据点数为
Figure BDA0003822732510000109
则对步骤S41的
Figure BDA00038227325100001010
向量进行数值由大到小排序，并保留前
Figure BDA00038227325100001011
位数值，其余元素赋值null，并将更新过后的数值向量记为
Figure BDA00038227325100001012
S44、接着对步骤S42与步骤S43的数值矩阵
Figure BDA00038227325100001013
取并集，得到最终需要传输的数值向量：
Figure BDA00038227325100001014
其中，
Figure BDA0003822732510000111
S45、最后将向量中非null元素进行Q量化＝64bit量化编码(实部与虚部各32bit)并传输至融合中心，并在融合中心对数据进行译码还原，则实际第n站与融合中心的通信速率数值为
Figure BDA0003822732510000112
S5、在融合中心建立各雷达站联合判决表达式，遍历计算监视区域内所有网格点的检测统计量。分布式多雷达联合判决检测统计量表达式可以建立为：
Figure BDA0003822732510000113
其中，
Figure BDA0003822732510000114
表示监视区域内θ(k)对应网格点的检测统计量：
Figure BDA0003822732510000115
其中，ψ为检测门限，通过生成完全无目标的噪声数据，进行100/Pfa次蒙特卡洛实验可计算得到，Pfa需满足：
Figure BDA0003822732510000116
根据式(21)，遍历计算所有网格点θ(k)∈G对应的联合判决检测统计量值
Figure BDA0003822732510000117
S6、取监视区域内所有网格点的检测统计量中的最大值作判决，具体分步骤如下：
S61、根据式(20)，取监视区域内所有网格点的检测统计量
Figure BDA0003822732510000118
中的最大值作判决：若该最大值大于等于检测门限ψ，则继续步骤S62；若小于ψ，则进行步骤S63；
S62、当该最大值大于等于ψ时，
Figure BDA0003822732510000119
假设被接受，即检测到了一个目标，将该最大值对应的位置作为第k次探测的目标估计位置
Figure BDA00038227325100001110
并输出该估计位置。
S63、当该最大值小于ψ时，
Figure BDA00038227325100001111
假设被接受，即未检测出目标，则对第k次探测的目标估计位置赋值为
Figure BDA00038227325100001112
S7、判断探测次序是否达到上界，具体分步骤如下：
S71、判断探测次序k是否达到上界Kmax：若达到，则结束算法；若没有达到，则进行步骤S72。
S72、将本次探测得到的目标估计位置
Figure BDA00038227325100001113
反馈给各局部站点，并更新前序探测定位结果矩阵Γk+1为
Figure BDA0003822732510000121
S73、进入下一次探测，令探测次序k＝k+1，返回至步骤S3；
根据以上步骤，本实施例得到的平均单站通信速率随脉冲编号的变化曲线如图3所示，5000次蒙特卡洛仿真试验的检测定位性能分析结果如图4，图5所示。
图3展示了本实施例的平均单站通信速率随脉冲编号的变化曲线图。其中，全信号级融合方法指的是在通信不受限的情况下利用各站完整的目标回波信息进行全局积累融合、检测定位的方法，基于信号截断的方法指的是在通信受限的情况下仅在各局部站点对数据进行截断，并将保留的数据传至融合中心进行全局判决的方法。从图中可以看到，全信号级融合方法下每站所需的平均通信速率为320Mbps，这在需要无线通信组网布站的复杂地形环境中是难以满足的。而基于信号截断的方法与本发明提出的方法所需的平均通信速率始终可以满足系统给定的5Mbps的强通信限制。
图4与图5分别探究了三种方法对目标的检测性能与定位精度。从图4与图5可以看到，随着目标信噪比的增加，目标检测概率逐渐升高至1、定位误差RMSE逐渐下降至0.02m。同时，在强通信速率受限的情况(5Mbps)下，本发明提出的方法的性能均优于基于信号截断的方法，且略低于不受通信限制的全信号级融合方法(320Mbps)。这也验证了本发明提出的强通信受限下的分布式多雷达信号级协同检测与定位方法能有效地提取目标回波信号数据，在通信速率强受限的情况下依旧可以实现对目标的高性能协同检测与定位。
究其原因，首先，全信号级融合方法由于利用了完整的目标回波信息进行积累融合，因此它对目标的检测与定位性能最好。而当存在强通信速率限制时，基于信号截断的方法在局部站点对回波信号进行预处理截断，通过滤除大部分的无用信号达到降低通信传输量的目的。但由于信噪比较低时，仅对数据进行截断会造成部分通道的目标有效信号丢失，进而会给全局性能带来损失。而本发明提出的方法利用融合中心与局部站点的双向通信机制，将每次的检测定位结果反馈给各局部站点，使各局部站点在下一次信号截断时能有效保留可能存在目标的信号片段，因此最大程度地保留了目标信号数据，从而实现了高性能的协同检测与定位。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (6)

1.一种强通信受限下的分布式多雷达信号级协同检测与定位方法，具体步骤如下：
S1、初始化强通信受限下的分布式多雷达协同探测系统参数；
S2、将共视区域均匀划分为网格点，所有网格点的位置组合成一个集合，各雷达同时发射信号对该区域进行协同探测，并接收回波信号；
S3、建立各站的复合二元假设检验问题，计算对应的似然函数对数值；
S4、对每个局部站点的似然值进行截断预处理并传输至融合中心；
S5、在融合中心建立各雷达站的联合判决表达式，遍历并计算监视区域内所有网格点的检测统计量；
S6、取监视区域内所有网格点的检测统计量中的最大值作判决：若大于等于门限，则说明检测到目标，将该最大值对应的位置作为本次探测的目标估计位置输出；若小于门限，则说明没有检测到目标，对本次探测的目标估计位置赋值为空；
S7、判断探测次序是否达到上界，若达到，则结束算法；若没有达到，则将本次探测得到的目标估计位置反馈给所有雷达站点，更新参数后进入下一次探测，返回至步骤S3。
2.根据权利要求1所述的一种强通信受限下的分布式多雷达信号级协同检测与定位方法，其特征在于，所述步骤S3中的复合二元假设检验问题的表达式为：
Figure FDA0003822732500000011
其中，
Figure FDA0003822732500000012
表示第n个站第k个脉冲重复周期的距离维基带离散信号，
Figure FDA0003822732500000013
表示复数集)为在各站间互相独立，具有噪声协方差矩阵Cn的复高斯向量，M表示脉冲重复周期采样点数，
Figure FDA0003822732500000014
为
Figure FDA0003822732500000015
的简写，指的是发射的连续信号
Figure FDA0003822732500000016
在经过时延
Figure FDA0003822732500000017
以及一系列处理得到的一个脉冲重复周期内的基带离散信号向量，θ(k)为第k次探测中目标的真实位置，
Figure FDA0003822732500000018
为目标复反射系数，
Figure FDA0003822732500000019
和
Figure FDA00038227325000000110
分别表示在第k个脉冲中目标信号不存在和存在的假设，每个假设下对应的似然函数表达式
Figure FDA00038227325000000111
与
Figure FDA00038227325000000112
分别为：
Figure FDA00038227325000000113
Figure FDA00038227325000000114
其中，κ0与κ1为与目标位置无关的系数，H表示矩阵的共轭转置；
然后，第n个站第k次探测的局部似然值向量可写为：
Figure FDA0003822732500000021
其中，T表示矩阵的转置，且
Figure FDA0003822732500000022
表示第n个站第k次探测的局部似然值，具体为：
Figure FDA0003822732500000023
其中，τn,i表示第n站点第i个采样点的时延，且τn,i＝iTs,for i＝1,2,...,M,n＝1,2,...,N，N表示雷达数量，Ts表示采样间隔。
3.根据权利要求1所述的一种强通信受限下的分布式多雷达信号级协同检测与定位方法，其特征在于，所述步骤S4中，具体步骤如下：
首先采用恒虚警检测准则进行截断处理，根据融合中心反馈的前序探测定位结果提取出对应时延位置的数据，然后对截断处理的数据进行排序剔除，并与提取的数值向量进行合并，得到要传输的数值向量，最后将向量中的非空值进行量化编码传输，并在融合中心译码还原。
4.根据权利要求3所述的一种强通信受限下的分布式多雷达信号级协同检测与定位方法，其特征在于，所述步骤S4中的对局部站点的似然值数据进行截断的准则为：
Figure FDA0003822732500000024
其中，
Figure FDA0003822732500000025
为截断后的似然数值向量，
Figure FDA0003822732500000026
为第k次探测第n个站点第i个采样点的截断门限，其表达式为：
Figure FDA0003822732500000027
其中，
Figure FDA0003822732500000028
表示估计杂波功率，βn表示门限因子，Pce,n表示截断概率，J表示局部截断参考单元数；
前序探测定位结果矩阵Γk对通道数据进行提取的表达式为：
Figure FDA0003822732500000031
其中，
Figure FDA0003822732500000032
为提取的通道数值，
Figure FDA0003822732500000033
为提取的数值向量，
Figure FDA0003822732500000034
为取整符号，
Figure FDA0003822732500000035
表示第i次探测中目标的估计位置；
随后排序剔除截断数据，更新后的向量记为
Figure FDA0003822732500000036
得到最终需要传输的数值向量为：
Figure FDA0003822732500000037
其中，
Figure FDA0003822732500000038
5.根据权利要求1所述的一种强通信受限下的分布式多雷达信号级协同检测与定位方法，其特征在于，所述步骤S5中分布式多站雷达联合判决检测统计量表达式为：
Figure FDA0003822732500000039
其中，G表示将共视区域均匀划分为网格点，所有网格点的位置组合成的一个集合，
Figure FDA00038227325000000310
表示监视区域内θ(k)对应网格点的检测统计量：
Figure FDA00038227325000000311
其中，ψ为检测门限，通过生成完全无目标的噪声数据，进行100/Pfa次蒙特卡洛实验可计算得到，Pfa表示全局虚警概率，Pfa需满足：
Figure FDA00038227325000000312
其中，
Figure FDA00038227325000000313
表示第k次探测的目标估计位置。
6.根据权利要求1所述的一种强通信受限下的分布式多雷达信号级协同检测与定位方法，其特征在于，所述步骤S7中的更新前序探测定位结果矩阵Γk+1的表达式为：
Figure FDA00038227325000000314
CN202211047013.5A 2022-08-30 2022-08-30 强通信受限下的分布式多雷达信号级协同检测与定位方法 Active CN115407297B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211047013.5A CN115407297B (zh) 2022-08-30 2022-08-30 强通信受限下的分布式多雷达信号级协同检测与定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211047013.5A CN115407297B (zh) 2022-08-30 2022-08-30 强通信受限下的分布式多雷达信号级协同检测与定位方法

Publications (2)

Publication Number Publication Date
CN115407297A true CN115407297A (zh) 2022-11-29
CN115407297B CN115407297B (zh) 2024-12-13

Family

ID=84161145

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211047013.5A Active CN115407297B (zh) 2022-08-30 2022-08-30 强通信受限下的分布式多雷达信号级协同检测与定位方法

Country Status (1)

Country Link
CN (1) CN115407297B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116520307A (zh) * 2023-02-20 2023-08-01 扬州宇安电子科技有限公司 一种基于目标追踪的雷达协同检测系统及方法
CN116540180A (zh) * 2023-03-23 2023-08-04 湖北盛林生物工程有限公司 一种新体制雷达液位探测系统设计方法
CN117098255A (zh) * 2023-10-19 2023-11-21 南京波达电子科技有限公司 一种基于边缘计算的去中心化雷达自组网方法
CN118859196A (zh) * 2024-07-03 2024-10-29 西安电子科技大学 通信受限下的分布式雷达量化信号融合检测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120183035A1 (en) * 2011-01-19 2012-07-19 Juha Vierinen Methods and arrangements for detecting weak signals
CN110412559A (zh) * 2019-07-26 2019-11-05 西安电子科技大学 分布式无人机mimo雷达的非相参融合目标检测方法
CN113038411A (zh) * 2021-03-09 2021-06-25 电子科技大学 基于决策级和信号级数据融合的多传感器联合检测方法
WO2021134449A1 (zh) * 2019-12-31 2021-07-08 深圳开阳电子股份有限公司 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质
CN113156389A (zh) * 2021-03-05 2021-07-23 西安电子科技大学 自适应ofdm雷达通信一体化信号生成方法
CN113534151A (zh) * 2021-06-24 2021-10-22 西安电子科技大学 基于离网稀疏贝叶斯学习的双频段isar成像方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120183035A1 (en) * 2011-01-19 2012-07-19 Juha Vierinen Methods and arrangements for detecting weak signals
CN110412559A (zh) * 2019-07-26 2019-11-05 西安电子科技大学 分布式无人机mimo雷达的非相参融合目标检测方法
WO2021134449A1 (zh) * 2019-12-31 2021-07-08 深圳开阳电子股份有限公司 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质
CN113156389A (zh) * 2021-03-05 2021-07-23 西安电子科技大学 自适应ofdm雷达通信一体化信号生成方法
CN113038411A (zh) * 2021-03-09 2021-06-25 电子科技大学 基于决策级和信号级数据融合的多传感器联合检测方法
CN113534151A (zh) * 2021-06-24 2021-10-22 西安电子科技大学 基于离网稀疏贝叶斯学习的双频段isar成像方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
YANGMING LAI 等: "A Quantization based Censoring Detection Method with Limited Communication Rates for Distributed MIMO Radar", 2021 CIE INTERNATIONAL CONFERENCE ON RADAR (RADAR), 31 December 2021 (2021-12-31) *
YANGMING LAI 等: "Subspace-Based Detection and Localization in Distributed MIMO Radars", 2022 IEEE 12TH SENSOR ARRAY AND MULTICHANNEL SIGNAL PROCESSING WORKSHOP (SAM), 22 July 2022 (2022-07-22) *
唐金坪: "基于软信息的多径环境直接定位技术", 中国优秀硕士/博士学位论文全文数据库, 31 December 2023 (2023-12-31) *
彭铧: "通信带宽受限下分布式MIMO雷达联合检测算法", 中国优秀硕士/博士学位论文全文数据库, 31 December 2023 (2023-12-31) *
曹鼎;周生华;刘宏伟;高畅;邵志强;: "基于删失数据的低通信量融合检测方法", 电子与信息学报, no. 12, 14 October 2018 (2018-10-14) *
杨诗兴: "分布式MIMO雷达信号级协同检测技术研究", 中国优秀硕士/博士学位论文全文数据库, 31 December 2023 (2023-12-31) *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116520307A (zh) * 2023-02-20 2023-08-01 扬州宇安电子科技有限公司 一种基于目标追踪的雷达协同检测系统及方法
CN116520307B (zh) * 2023-02-20 2023-10-27 扬州宇安电子科技有限公司 一种基于目标追踪的雷达协同检测系统及方法
CN116540180A (zh) * 2023-03-23 2023-08-04 湖北盛林生物工程有限公司 一种新体制雷达液位探测系统设计方法
CN116540180B (zh) * 2023-03-23 2024-05-03 湖北盛林生物工程有限公司 一种新体制雷达液位探测系统设计方法
CN117098255A (zh) * 2023-10-19 2023-11-21 南京波达电子科技有限公司 一种基于边缘计算的去中心化雷达自组网方法
CN117098255B (zh) * 2023-10-19 2023-12-15 南京波达电子科技有限公司 一种基于边缘计算的去中心化雷达自组网方法
CN118859196A (zh) * 2024-07-03 2024-10-29 西安电子科技大学 通信受限下的分布式雷达量化信号融合检测方法

Also Published As

Publication number Publication date
CN115407297B (zh) 2024-12-13

Similar Documents

Publication Publication Date Title
CN115407297A (zh) 强通信受限下的分布式多雷达信号级协同检测与定位方法
WO2020253690A1 (zh) 一种基于近似消息传递算法的深度学习波束域信道估计方法
CN111479231B (zh) 一种用于毫米波大规模mimo系统的室内指纹定位方法
Du et al. Secondary radar signal processing based on deep residual separable neural network
CN105093198B (zh) 一种分布式外辐射源雷达组网探测的航迹融合方法
CN105974386B (zh) 一种多基地雷达多目标成像定位方法
CN115877344B (zh) 一种宽带检测跟踪识别一体化处理的雷达探测方法及系统
CN115714612A (zh) 基于感知的通信波束跟踪方法
US12019181B2 (en) Iterative focused millimeter wave integrated communication and sensing method
CN113037668B (zh) 一种毫米波点对点通信信道均衡方法
CN111366904B (zh) 一种基于二维频谱相干合并的cfar检测方法
CN108226893A (zh) 一种用于mimo雷达的低复杂度接收机设计方法
CN114169243A (zh) Mimo干扰信道下空中计算多任务联邦学习方法
CN116482720B (zh) 一种基于机器学习理论的gnss欺骗干扰检测方法
Chen et al. Joint initial access and localization in millimeter wave vehicular networks: a hybrid model/data driven approach
Mai et al. A UAV air-to-ground channel estimation algorithm based on deep learning
CN118368174A (zh) 一种利用深度学习的多天线接收无线电信号识别方法
CN113281702A (zh) 协同短波多站角度与卫星时频的超视距目标直接定位方法
CN117676609A (zh) 一种雷达辅助通信的基于神经网络的波束预测方法
CN117421543A (zh) 一种基于群智能协同的飞行目标识别系统
CN115079119B (zh) 非理想正交波形的dmimo雷达多目标检测与定位方法
CN112986975B (zh) 一种基于距离加权的被动雷达网络中心化检测方法
CN116500546A (zh) 一种基于点云分割网络的雷达信号分选方法
CN113242072B (zh) 一种基于卷积神经网络的混合波束形成方法
CN109274613B (zh) 一种信道估计方法、系统及存储介质

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