CN115453483A - 一种雷达目标信号检测方法及相关设备 - Google Patents
一种雷达目标信号检测方法及相关设备 Download PDFInfo
- Publication number
- CN115453483A CN115453483A CN202210988805.6A CN202210988805A CN115453483A CN 115453483 A CN115453483 A CN 115453483A CN 202210988805 A CN202210988805 A CN 202210988805A CN 115453483 A CN115453483 A CN 115453483A
- Authority
- CN
- China
- Prior art keywords
- target
- radar
- target signal
- signal
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 93
- 239000011159 matrix material Substances 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 239000000126 substance Substances 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 36
- 238000011897 real-time detection Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 9
- 238000012163 sequencing technique Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material 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
- G01S7/41—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
- G01S7/418—Theoretical aspects
-
- 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
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
- G01S13/34—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
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
本发明公开了一种雷达目标信号检测方法及相关设备，所述方法包括：采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。本发明采用记忆化局部噪声值估计的方法，能大大减少计算量，加快计算速度，进而满足雷达实时检测的要求。
Description
技术领域
本发明涉及雷达信号处理技术领域，尤其涉及一种雷达目标信号检测方法、系统、终端及计算机可读存储介质。
背景技术
虚警概率指雷达探测的过程中，采用门限检测的方法时由于噪声的普遍存在和起伏，实际不存在目标却判断为有目标的概率。在军事领域对虚警的控制尤为重要。若将干扰噪声或杂波判断为有用目标，轻者造成雷达系统资源的额外浪费，严重的话，可能触发武器系统造成不必要的损失。此外即便仅考虑噪声影响，噪声电平有限地增加2dB，也会使虚警概率增长1.5～3个数量级，虚警概率相对噪声电平很小变化的高敏感性会严重影响雷达检测性能。保持雷达信号的检测虚警率恒定可以有效解决这一问题，为此就有了恒虚警(Constant False Alarm Rate，CFAR)处理方法。CFAR算法是自动检测过程的一个重要部分，能够依据背景杂波及噪声功率自适应地设计检测门限，使得目标的虚警概率始终保持恒定。作为雷达信号处理中的关键技术手段，恒虚警处理方法在目标检测领域有着重要地位。
最经典的均值类CFAR算法是单元平均(cell average，CA)算法，在均匀瑞利杂波背景下，CA-CFAR探测器是准最优的。然而，它只能在均匀杂波背景环境中表现良好。在非均匀环境下，CA-CFAR检测器的检测性能和虚警调节性能会受到严重影响。在多目标和杂波边缘环境下，由于不能消除附近目标和杂波能量突变带来的影响，CA-CFAR检测器的检测概率损失严重，虚警概率偏离预定值。
有序统计类算法建立在OS-CFAR检测器的基础之上，旨在提高均值类CFAR算法在多目标环境下的性能。由于OS处理只保留了一个参考单元的输出，其他单元没有得到充分利用，这在一定程度上使得OS-CFAR方法过于依赖于第K值，导致CFAR损失很大，在统一的环境下检测性能也有一定的损失。
在一维恒虚警的研究的基础上，人们发现杂波和噪声不仅存在距离维上，而且还会扩散到多普勒维上，所以人们开始设计具有距离-多普勒处理能力的雷达系统。其中一维CA-CFAR检测器和OS-CFAR检测器的方法都可以直接延用到二维恒虚警处理上。对于提出的2D-OS-CFAR算法，在云杂波抑制上有很好的应用。对于提出的OSCA-CFAR算法，相较于2D-OS-CFAR算法，OSCA-CFAR算法提高了门限估计过程的计算速度；相较于2D-CA-CFAR算法，增强了检测在多目标环境中的稳定性。但算法中冗余的排序操作还是会使消耗大量CPU资源。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种雷达目标信号检测方法、系统、终端及计算机可读存储介质，旨在解决现有技术中雷达信号检测时消耗大量CPU资源，导致检测计算量大，精度不高的问题。
为实现上述目的，本发明提供一种雷达目标信号检测方法，所述雷达目标信号检测方法包括如下步骤：
采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；
在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；
在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。
可选地，所述的雷达目标信号检测方法，其中，所述采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵，具体包括：
若雷达发射连续调频波信号为：
其中，t为时间，T表示发射信号脉宽，A0表示信号振幅，fc表示在载频频率，k表示调频斜率；
其中，k＝B/T，B表示发射信号带宽；
其中，
目标回波表示为：
其中，Kr表示加权系数，与目标散射截面积和衰减系数有关；τ表示回波相较于发射波的时延；
其中，τ＝2(R+vt)/c；
其中，v表示目标速度，R表示目标与雷达距离，c表示光速；
将发射信号和接收信号混频后得到差拍信号：
其中，
fB表示中心频率，kb表示调频率；
每个周期的连续调频信号回波包含中心频率fB，对每个周期的连续调频回波信号进行快速傅里叶变换，得到每个周期回波信号所包含的距离信息；
对一维快速傅里叶变换处理后的同一距离门的信号再次进行快速傅里叶变换，两次快速傅里叶变换后得到距离多普勒矩阵。
可选地，所述的雷达目标信号检测方法，其中，所述在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域，具体包括：
在雷达目标稀疏的场景中，使用全局数据粗略估计出全局噪声功率水平，利用全局噪声功率水平预先锁定目标信号可能存在的范围，并对范围内的信号数据进行OSCA-CFAR检测；
设定全局噪声功率估计为：
其中，Pglobal_noise为全局噪声功率估计，xi为采样单元功率水平，N为距离多普勒矩阵中采样单元总个数；判断目标范围方法为：
Pcurrent>Pglobal_noise；
其中，Pcurrent表示距离多普勒矩阵中当前采样点的功率；当前采样点值大于全局噪声功率估计时判断为目标信号搜索区域。
可选地，所述的雷达目标信号检测方法，其中，所述雷达目标信号检测方法还包括：
对于服从高斯分布的回波信号，距离多普勒矩阵中的各个参考单元采样X服从指数分布，概率密度函数为：
其中，x为随机变量X的具体取值；λ′为指数分布的参数，表示随机变量X的期望；
其中，
其中，H0表示在被检测单元中没有目标的假设；H1表示在目标存在的假设；λ′为背景杂波和热噪声的平均功率水平，用μ表示；
在目标存在的假设H1下，被检测单元中存在目标，λ′为μ(1+λ)，λ表示信号与杂波的平均功率比；
若全局噪声功率估计为：
其中xi为距离多普勒矩阵中每个采样单元的功率水平，令
得到随机变量y的期望：
令
根据伽马分布的可加性
其中，Nnoise表示距离多普勒矩阵中为噪声信号的采样单元个数；
概率分布函数为：
可选地，所述的雷达目标信号检测方法，其中，所述雷达目标信号检测方法还包括：
对于实际为噪声的样本点，被划进目标信号搜索区域的概率为：
其中，Z表示随机变量，z是随机变量Z的具体取值。
可选地，所述的雷达目标信号检测方法，其中，所述雷达目标信号检测方法还包括：
当距离多普勒矩阵中存在目标时，全局噪声功率估计值Z偏大，假设增大为纯噪声的M倍，则：
其中，Nsignal为目标个数，SNRsignal为目标信噪比；则：
对于实际为信号的样本点，被划出目标信号搜索区域的概率为：
可选地，所述的雷达目标信号检测方法，其中，所述预设字形记忆化为“弓”字形记忆化，以最大程度地利用相邻数据单元的重复计算数据，减小计算量。
此外，为实现上述目的，本发明还提供一种雷达目标信号检测系统，其中，所述雷达目标信号检测系统包括：
信号采集模块，用于采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；
区域划分模块，用于在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；
信号检测模块，用于在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。
此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的雷达目标信号检测程序，所述雷达目标信号检测程序被所述处理器执行时实现如上所述的雷达目标信号检测方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有雷达目标信号检测程序，所述雷达目标信号检测程序被处理器执行时实现如上所述的雷达目标信号检测方法的步骤。
本发明中，采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。本发明在雷达目标稀疏的场景中，利用全局数据预估全局噪声功率，利用该噪声功率估计值，筛选出合适范围的数据作为目标信号搜索区域，进行二维CFAR目标检测处理，采用记忆化局部噪声值估计的方法，能大大减少计算量，加快计算速度，进而满足雷达实时检测的要求。
附图说明
图1是本发明雷达目标信号检测方法的较佳实施例的流程图；
图2是本发明雷达目标信号检测方法的较佳实施例中生成距离多普勒矩阵RDM的示意图；
图3是本发明雷达目标信号检测方法的较佳实施例中OSCA-CFAR计算过程的示意图；
图4是本发明雷达目标信号检测方法的较佳实施例中CA-CFAR计算过程的示意图；
图5是本发明雷达目标信号检测方法的较佳实施例中OS-CFAR计算过程的示意图；
图6是本发明雷达目标信号检测方法的较佳实施例中“弓”字形计算路线图；
图7是本发明雷达目标信号检测方法的较佳实施例中实测数据RDM图；
图8是本发明雷达目标信号检测方法的较佳实施例中对实测数据划分的目标信号搜索区域的示意图；
图9是本发明雷达目标信号检测方法的较佳实施例中实测数据检测结果的示意图；
图10是本发明雷达目标信号检测系统的较佳实施例的原理示意图；
图11为本发明终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明较佳实施例所述的雷达目标信号检测方法，如图1所示，所述雷达目标信号检测方法包括以下步骤：
步骤S10、采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵。
其中，为保证本发明处理有一个功率稳定的信号输入，一般使用自动增益控制(AGC)对输入信号进行处理，即利用线性放大和压缩放大使信号幅度稳定在一定范围。
具体地，假设雷达发射连续调频波信号为：
其中，t为时间，T表示发射信号脉宽，A0表示信号振幅，fc表示在载频频率，k表示调频斜率，j表示虚数；
其中，k＝B/T，B表示发射信号带宽；
其中，rect(·)函数的含义是：
目标回波可以表示为：
其中，Kr表示加权系数，与目标散射截面积和衰减系数有关；τ表示回波相较于发射波的时延；
其中，τ＝2(R+vt)/c；
其中，v表示目标速度，R表示目标与雷达距离，c表示光速；
将发射信号和接收信号混频后得到差拍信号：
其中，
fB表示中心频率，kb表示调频率；
可以看出信号仍为连续调频信号，且中心频率fB与目标和雷达之间的距离有关，调频率kb与目标速度有关；
当发射信号脉宽T很小时，多普勒率
可以忽略，则：
由于每个周期的连续调频信号回波包含中心频率fB，因此对每个周期的连续调频回波信号进行快速傅里叶变换(FFT，Fast Fourier Transform)，可以得到每个周期回波信号所包含的距离信息。
为了得到目标信号的速度信息，需要对一维快速傅里叶变换FFT处理后的同一距离门的信号再次进行快速傅里叶变换FFT，两次快速傅里叶变换后得到距离多普勒矩阵，如图2所示，该二维矩阵即为距离多普勒矩阵(range-Doppler-matrix，RDM))，本发明二维CFAR算法就是基于RDM进行检测的。
一般来说，在RDM中雷达目标在距离维可以看作是点目标，但随着雷达分辨率的提高目标信号可能在距离维方向扩展，产生距离扩展信号。因此，考虑在距离维应用一维OS-CFAR，以避免在多目标情况下的掩蔽效应。在多普勒方向应用CA-CFAR方法提高噪声水平估计精度，即为OSCA-CFAR。两种CFAR技术的结合，使得检测对噪声估计更加准确，在多目标环境中也更具稳健性。
如图3为OSCA-CFAR计算过程，图4为多普勒维CA-CFAR计算过程，图5为距离维OS-CFAR计算过程。
步骤S20、在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域。
具体地，在目标稀疏时，RDM中大部分为噪声数据，目标信号分布范围有限，因此考虑剔除绝大部分的噪声数据，仅在有限范围内搜索目标。使用全局数据粗略估计出全局噪声功率水平，利用全局噪声功率水平预先锁定目标信号可能存在的范围，并对范围内的信号数据进行OSCA-CFAR检测。
设定全局噪声功率估计为：
其中，Pglobal_noise为全局噪声功率估计，xi为采样单元功率水平，N为距离多普勒矩阵中采样单元总个数。
判断目标范围方法为：
Pcurrent>Pglobal_noise；
其中，Pcurrent表示距离多普勒矩阵中当前采样点的功率；当前采样点值大于全局噪声功率估计时判断为目标信号搜索区域。
对于服从高斯分布的回波信号，距离多普勒矩阵RDM中的各个参考单元采样X服从指数分布，其概率密度函数为：
其中，x为随机变量X的具体取值；λ′为指数分布的参数，表示随机变量X的期望；
其中，
其中，H0表示在被检测单元中没有目标的假设；H1表示在目标存在的假设；λ′为背景杂波和热噪声的平均功率水平，用μ表示。
在目标存在的假设H1下，被检测单元中存在目标，λ′为μ(1+λ)，λ表示信号与杂波的平均功率比。
由于本发明假设全局噪声功率估计为：
其中xi为距离多普勒矩阵中每个采样单元的功率水平，令
得到随机变量y的期望：
令
根据伽马分布的可加性
其中，Nnoise表示距离多普勒矩阵RDM中为噪声信号的采样单元个数；
概率分布函数可以写为：
那么，对于实际为噪声的样本点，被划进目标信号搜索区域的概率为：
其中，Z表示随机变量，z是随机变量Z的具体取值。
当距离多普勒矩阵RDM为纯噪声时，N＝Nnoise＝256*64时，约有37％的概率会将实际为噪声的样本点划进目标检测区，即约有63％的噪声数据会被剔除检测区域，计算量减半。
当距离多普勒矩阵RDM中存在目标时，全局噪声功率估计值Z偏大，假设增大为纯噪声的M倍，则：
其中，Nsignal为目标个数，SNRsignal为目标信噪比；则：
对于实际为信号的样本点，被划出目标信号搜索区域的概率为：
下表描述了不同信号数量对应的全局噪声功率估计值增加倍数T、噪声数据被剔除检测区域的概率1-Pr[D(v)…Pglobal_noise|H0]以及目标信号被剔除检测区的概率Pr[X(i)<Pglobal_noise|H1]。
| N<sub>signal</sub> | SNR<sub>signal</sub>(dB) | T | 噪声剔除概率 | 目标剔除概率 |
| 10 | 20 | 1.06 | 0.66 | 0.0099 |
| 30 | 20 | 1.18 | 0.70 | 0.0099 |
| 10 | 30 | 1.61 | 0.80 | 0.0009 |
可以看出，在目标稀疏且信噪比较高时，本发明可以在剔除更多噪声的同时保持更小的目标剔除率。
步骤S30、在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。
具体地，对于检测范围内的样本点，本发明采用记忆化噪声估计的方法：对于相邻检测点，二者噪声估计的计算窗口存在大量重叠部分，如果能够省略对这些重复的排序、求和计算，会使算法实时性大大提高。本发明采用“弓”字形记忆化计算，以空间换时间，将相邻计算单元重复的计算结果缓存起来，以供下一次计算使用。
“弓”字形记忆化计算流程如图6所示，曲线为目标检测区数据单元的计算顺序，阴影部分为相邻数据单元重复计算的部分。可以看出相邻采样单元存在大量重复计算，所以本发明在计算每个数据单元的噪声功率水平时缓存重叠计算部分，并按照如图所示的“弓”字形计算曲线检测目标，可以最大程度地利用相邻数据单元的重复计算数据，减小计算量。
例如，假设检测单元坐标为(i，j)，参考窗口大小为N*N。
分别对各列排序，并存储坐标(i，j-N)…(i，j+N)及其对应的列排序结果，排序算法使用堆排序，排序结果存储方式为指向数据单元的指针，方便插入删除。
计算x[i][j-N]…x[i][j+N]的OS-CFAR参考门限thread_hold{x[i][j-N]…x[i][j+N]}，再对thread_hold{x[i][j-N]…x[i][j+N]}计算CA-CFAR门限，最终得到检测单元x[i][j]的门限。
对于x[i][j]在多普勒方向相邻的检测单元x[i][j+1]，其j-N+1…i+N列的排序结果可以直接查找存储记录，只需再对j+N+1列数据进行排序，得到OS-CFAR参考门限thread_hold{x[i][j-N+1]…x[i][j+N+1]}，再对thread_hold{x[i][j-N+1]…x[i][j+N+1]}计算CA-CFAR门限，最终得到检测单元x[i][j+1]的门限。
对于x[i][j]在距离方向相邻的检测单元x[i+1][j]，对每列的排序需要删除节点i-N行节点，加入i-N+1行节点，由于使用堆排序和指针存储的方式，可以快速定位需要删除的节点。得到OS-CFAR参考门限thread_hold{x[i+1][j-N]…x[i+1][j+N]}，再对thread_hold{x[i+1][j-N]…x[i+1][j+N]}计算CA-CFAR门限，最终得到检测单元x[i+1][j]的门限。
图7为实测数据RDM图，图8中的点为剔除噪声后保留计算点，约占总数据量的4％，图9为检测出的目标点，其中速度为0的点为静目标，在实际场景中为栏杆，两个速度不为0的目标为动目标，实际场景中为行人。针对此数据使用matlab计时函数可以得出，本发明CFAR处理时间为0.04s，普通CFAR处理时间为0.21s，处理时间缩短80.95％，处理速度提高5倍。
例如，对1000帧采样数据进行处理，在检测概率相同的情况下，本发明平均处理时间为0.01s，而普通CFAR平均处理时间为0.16s，平均处理时间缩短93.75％。
本发明针对稀疏目标场景，提供了一种基于目标场景预锁定的改进CFAR方法，并改进二维CFAR算法的具体计算流程；在雷达目标稀疏的场景中，利用全局数据预估全局噪声功率，利用该噪声功率估计值，筛选出合适范围的数据作为目标检测区，进行二维CFAR目标检测处理。此外，针对二维CFAR算法中噪声估计时的重复排序、求和等计算步骤，本发明采用记忆化局部噪声值估计的方法，暂存相邻计算单元的数据值，避免重复计算。针对稀疏场景，仅在预估的目标检测区中进行目标搜索，并采用记忆化局部噪声值估计的方法，能大大减少计算量，加快计算速度，进而满足雷达实时检测的要求。
本发明关键点在于通过估计全局噪声水平划分目标检测区域，减少计算量以满足雷达目标检测实时性需求；本发明使用“弓”字形计算路线，消除冗余计算，以空间换时间，降低了系统的计算成本。
进一步地，如图10所示，基于上述雷达目标信号检测方法，本发明还相应提供了一种雷达目标信号检测系统，其中，所述雷达目标信号检测系统包括：
信号采集模块51，用于采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；
区域划分模块52，用于在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；
信号检测模块53，用于在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。
进一步地，如图11所示，基于上述雷达目标信号检测方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图11仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有雷达目标信号检测程序40，该雷达目标信号检测程序40可被处理器10所执行，从而实现本申请中雷达目标信号检测方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述雷达目标信号检测方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中雷达目标信号检测程序40时实现所述雷达目标信号检测方法的步骤。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有雷达目标信号检测程序，所述雷达目标信号检测程序被处理器执行时实现如上所述的雷达目标信号检测方法的步骤。
综上所述，本发明提供一种雷达目标信号检测方法及相关设备，所述方法包括：采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。本发明在雷达目标稀疏的场景中，利用全局数据预估全局噪声功率，利用该噪声功率估计值，筛选出合适范围的数据作为目标信号搜索区域，进行二维CFAR目标检测处理，采用记忆化局部噪声值估计的方法，能大大减少计算量，加快计算速度，进而满足雷达实时检测的要求。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种雷达目标信号检测方法，其特征在于，所述雷达目标信号检测方法包括：
采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；
在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；
在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。
2.根据权利要求1所述的雷达目标信号检测方法，其特征在于，所述采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵，具体包括：
若雷达发射连续调频波信号为：
其中，t为时间，T表示发射信号脉宽，A0表示信号振幅，fc表示在载频频率，k表示调频斜率；
其中，k＝B/T，B表示发射信号带宽；
其中，
目标回波表示为：
其中，Kr表示加权系数，与目标散射截面积和衰减系数有关；τ表示回波相较于发射波的时延；
其中，τ＝2(R+vt)/c；
其中，v表示目标速度，R表示目标与雷达距离，c表示光速；
将发射信号和接收信号混频后得到差拍信号：
其中，
fB表示中心频率，kb表示调频率；
每个周期的连续调频信号回波包含中心频率fB，对每个周期的连续调频回波信号进行快速傅里叶变换，得到每个周期回波信号所包含的距离信息；
对一维快速傅里叶变换处理后的同一距离门的信号再次进行快速傅里叶变换，两次快速傅里叶变换后得到距离多普勒矩阵。
3.根据权利要求2所述的雷达目标信号检测方法，其特征在于，所述在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域，具体包括：
在雷达目标稀疏的场景中，使用全局数据粗略估计出全局噪声功率水平，利用全局噪声功率水平预先锁定目标信号可能存在的范围，并对范围内的信号数据进行OSCA-CFAR检测；
设定全局噪声功率估计为：
其中，Pglobal_noise为全局噪声功率估计，xi为采样单元功率水平，N为距离多普勒矩阵中采样单元总个数；判断目标范围方法为：
Pcurrent>Pglobal_noise；
其中，Pcurrent表示距离多普勒矩阵中当前采样点的功率；当前采样点值大于全局噪声功率估计时判断为目标信号搜索区域。
4.根据权利要求3所述的雷达目标信号检测方法，其特征在于，所述雷达目标信号检测方法还包括：
对于服从高斯分布的回波信号，距离多普勒矩阵中的各个参考单元采样X服从指数分布，概率密度函数为：
其中，x为随机变量X的具体取值；λ′为指数分布的参数，表示随机变量X的期望；
其中，
其中，H0表示在被检测单元中没有目标的假设；H1表示在目标存在的假设；λ′为背景杂波和热噪声的平均功率水平，用μ表示；
在目标存在的假设H1下，被检测单元中存在目标，λ′为μ(1+λ)，λ表示信号与杂波的平均功率比；
若全局噪声功率估计为：
其中xi为距离多普勒矩阵中每个采样单元的功率水平，令
得到随机变量y的期望：
令
根据伽马分布的可加性
其中，Nnoise表示距离多普勒矩阵中为噪声信号的采样单元个数；
概率分布函数为：
5.根据权利要求4所述的雷达目标信号检测方法，其特征在于，所述雷达目标信号检测方法还包括：
对于实际为噪声的样本点，被划进目标信号搜索区域的概率为：
其中，Z表示随机变量，z是随机变量Z的具体取值。
6.根据权利要求5所述的雷达目标信号检测方法，其特征在于，所述雷达目标信号检测方法还包括：
当距离多普勒矩阵中存在目标时，全局噪声功率估计值Z偏大，假设增大为纯噪声的M倍，则：
其中，Nsignal为目标个数，SNRsignal为目标信噪比；则：
对于实际为信号的样本点，被划出目标信号搜索区域的概率为：
7.根据权利要求1所述的雷达目标信号检测方法，其特征在于，所述预设字形记忆化为“弓”字形记忆化，以最大程度地利用相邻数据单元的重复计算数据，减小计算量。
8.一种雷达目标信号检测系统，其特征在于，所述雷达目标信号检测系统包括：
信号采集模块，用于采集雷达信号，使用自动增益控制对所述雷达信号进行处理，生成距离多普勒矩阵；
区域划分模块，用于在雷达目标稀疏的场景中，计算全局噪声功率水平，将所述全局噪声功率水平作为划分目标信号搜索区域的门限，在所述距离多普勒矩阵中，若采样点的值大于所述门限，则划分为目标信号搜索区域；
信号检测模块，用于在所述目标搜索区域使用二维CFAR算法检测目标，使用预设字形记忆化计算每个数据单元的噪声功率水平，得到检测到的目标信号。
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的雷达目标信号检测程序，所述雷达目标信号检测程序被所述处理器执行时实现如权利要求1-7任一项所述的雷达目标信号检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有雷达目标信号检测程序，所述雷达目标信号检测程序被处理器执行时实现如权利要求1-7任一项所述的雷达目标信号检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210988805.6A CN115453483B (zh) | 2022-08-17 | 一种雷达目标信号检测方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210988805.6A CN115453483B (zh) | 2022-08-17 | 一种雷达目标信号检测方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115453483A true CN115453483A (zh) | 2022-12-09 |
| CN115453483B CN115453483B (zh) | 2024-07-16 |
Family
ID=
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115616577A (zh) * | 2022-12-19 | 2023-01-17 | 广东大湾区空天信息研究院 | 环境自适应的车载毫米波雷达检测方法、装置及相关设备 |
| CN117491969A (zh) * | 2023-12-29 | 2024-02-02 | 深圳市速腾聚创科技有限公司 | 激光雷达的门限调节方法、装置、激光雷达和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110095762A (zh) * | 2019-05-27 | 2019-08-06 | 广东工业大学 | 雷达二维恒虚警检测方法、系统、装置及可读存储介质 |
| CN111896942A (zh) * | 2020-07-08 | 2020-11-06 | 深圳大学 | 雷达运动目标检测方法、装置及存储介质 |
| WO2021217795A1 (zh) * | 2020-04-26 | 2021-11-04 | 南京慧尔视防务科技有限公司 | 交通雷达及其目标检测方法、装置、电子设备及存储介质 |
| CN114609626A (zh) * | 2022-03-16 | 2022-06-10 | 电子科技大学 | 一种车载毫米波雷达多目标检测方法 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110095762A (zh) * | 2019-05-27 | 2019-08-06 | 广东工业大学 | 雷达二维恒虚警检测方法、系统、装置及可读存储介质 |
| WO2021217795A1 (zh) * | 2020-04-26 | 2021-11-04 | 南京慧尔视防务科技有限公司 | 交通雷达及其目标检测方法、装置、电子设备及存储介质 |
| CN111896942A (zh) * | 2020-07-08 | 2020-11-06 | 深圳大学 | 雷达运动目标检测方法、装置及存储介质 |
| CN114609626A (zh) * | 2022-03-16 | 2022-06-10 | 电子科技大学 | 一种车载毫米波雷达多目标检测方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115616577A (zh) * | 2022-12-19 | 2023-01-17 | 广东大湾区空天信息研究院 | 环境自适应的车载毫米波雷达检测方法、装置及相关设备 |
| CN117491969A (zh) * | 2023-12-29 | 2024-02-02 | 深圳市速腾聚创科技有限公司 | 激光雷达的门限调节方法、装置、激光雷达和存储介质 |
| CN117491969B (zh) * | 2023-12-29 | 2024-04-09 | 深圳市速腾聚创科技有限公司 | 激光雷达的门限调节方法、装置、激光雷达和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7403153B2 (en) | System and method for reducing a radar interference signal | |
| US20070120731A1 (en) | System and method for reducing the effect of a radar interference signal | |
| US10802130B2 (en) | Marine target detection in cluttered environments | |
| CN108291957A (zh) | 配置为减小干扰的车辆雷达系统 | |
| CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
| CN102722706B (zh) | 基于粒子滤波的红外弱小目标检测与跟踪方法及装置 | |
| CN111562581A (zh) | 交通雷达及其目标检测方法、装置、电子设备及存储介质 | |
| CN103885057A (zh) | 自适应变滑窗多目标跟踪方法 | |
| CN113963441B (zh) | 一种基于跨域增强的毫米波雷达手势识别方法及系统 | |
| CN103513244A (zh) | 一种基于动态规划的多帧相参积累目标检测前跟踪方法 | |
| CN111856406B (zh) | 一种基于fmcw雷达回波的目标检测方法及装置 | |
| CN110376563B (zh) | 基于gps辐射源的雷达运动目标检测方法 | |
| CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
| CN114114192B (zh) | 集群目标检测方法 | |
| CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
| Turley | Hybrid CFAR techniques for HF radar | |
| CN107271973A (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
| CN111580063B (zh) | 基于广义解调频-楔形变换的雷达目标检测方法 | |
| CN104880698B (zh) | 基于距离频域多项式相位变换的空间机动目标检测方法 | |
| CN116990773A (zh) | 基于自适应门限的低慢小目标检测方法、装置和存储介质 | |
| CN116660847A (zh) | 干扰信号检测方法及装置 | |
| Zhu et al. | Candidate-plots-based dynamic programming algorithm for track-before-detect | |
| Zhu et al. | Detection of moving targets in sea clutter using complementary waveforms | |
| CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
| CN115453483A (zh) | 一种雷达目标信号检测方法及相关设备 |
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 |