CN115598615A - 基于子带滤波的功率谱信息几何雷达目标检测方法和装置 - Google Patents
基于子带滤波的功率谱信息几何雷达目标检测方法和装置 Download PDFInfo
- Publication number
- CN115598615A CN115598615A CN202211598623.4A CN202211598623A CN115598615A CN 115598615 A CN115598615 A CN 115598615A CN 202211598623 A CN202211598623 A CN 202211598623A CN 115598615 A CN115598615 A CN 115598615A
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- sub
- band
- geometric
- unit
- 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
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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种基于子带滤波的功率谱信息几何雷达目标检测方法和装置。所述方法包括:计算探测区域的雷达回波对应的多个距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心;根据每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、诱导势函数和白化后的功率谱,得到每一子带的第一检测统计量;根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。采用本方法能够在不增加计算复杂度的情况下,实现距离‑多普勒单元目标检测。
Description
技术领域
本申请涉及雷达信号处理技术领域,特别是涉及一种基于子带滤波的功率谱信息几何雷达目标检测方法和装置。
背景技术
雷达目标检测技术通过对雷达回波信号进行处理,可以实现探测区域内的感兴趣目标检测,是达成空中和海面目标预警探测的重要技术。
基于傅立叶变换的恒虚警概率检测器(FFT-CFAR,fast Fourier transform-Constant False Alarm Rate Detector)是常用的传统目标检测方法,其具有计算效率高、实现简单等特点。且当杂波为高斯白噪声时,FFT-CFAR可以取得最优检测性能。在实际的目标检测场景下,杂波背景通常不具有白噪声特性,需要建立协方差矩阵对杂波统计特性进行表征、分析与处理。基于协方差矩阵模型,矩阵信息几何检测器可以解决FFT-CFAR在非高斯白噪声条件下的性能下降问题。然而现有的信息几何检测器仅能实现距离单元级的目标检测,无法判断目标所处的多普勒单元,从而无法获取目标的速度信息。此外,矩阵信息几何检测器(MIG,Matrix Information Geometry)中涉及大量矩阵运算,这导致了该方法运算复杂,从而难以实现实时检测。
为实现目标的速度分辨,子带滤波器组可将原始回波信号分解为若干小带宽信号,从而实现雷达回波信号在多普勒域的分离。利用MIG对分离后的信号进行检测,可以获取目标的速度信息。然而,由于信号分离后,数据量将增大数倍,从而使得检测运算量也同比增大。因此,子带分解处理所带来的计算量增长,使得原本计算量较大的MIG更难以高效实现。
发明内容
基于此,有必要针对上述技术问题,提供一种基于子带滤波的功率谱信息几何雷达目标检测方法和装置。
一种基于子带滤波的功率谱信息几何雷达目标检测方法,所述方法包括:
获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
根据所述每一距离单元的样本数据,计算得到所述每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心;所述功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
根据所述每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量;
根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
在其中一个实施例中,还包括:当所述几何测量为KL散度时,根据所述几何测量的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心为:
在其中一个实施例中,还包括:当所述几何测量为黎曼距离时,根据所述几何测量的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心为:
在其中一个实施例中,还包括:当所述几何测量为JS散度时,根据所述几何测量的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心为:
在其中一个实施例中,还包括:根据每一子带的子带滤波器频率响应函数,计算得到每一距离单元对应的滤波器频率响应序列为:
其中,为第个子带对应的滤波器频率响应,,为子带滤波器频率响应函数,,为子带滤波器频率,为子带数,;根据所述诱导势函数和所述白化后的功率谱,计算得到每一距离单元对应的几何差异序列;根据每一距离单元对应的滤波器频率响应序列和所述几何差异序列,得到当前距离单元每一子带的第一检测统计量为:
在其中一个实施例中,还包括:根据所述诱导势函数和所述白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在其中一个实施例中,还包括:根据所述诱导势函数和所述白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在其中一个实施例中,还包括:根据所述诱导势函数和所述白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在其中一个实施例中,还包括:根据预先获取的无待检测目标时所述探测区域的雷达回波对应的多个距离单元,计算得到每一距离单元中每一子带的第二检测统计量,根据所述第二检测统计量,得到每一子带的检测门限;所述根据所述第二检测统计量,得到每一子带的检测门限的步骤包括:根据所述第二检测统计量,得到第二检测统计量的降序排序结果;根据所述第二检测统计量的降序排序结果,得到每一子带的检测门限为:
一种基于子带滤波的功率谱信息几何雷达目标检测装置,所述装置包括:
数据获取模块,用于获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
功率谱几何中心计算模块,用于根据所述每一距离单元的样本数据,计算得到所述每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心;所述功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
第一检测统计量计算模块,用于根据所述每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量;
目标检测模块,用于根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
根据所述每一距离单元的样本数据,计算得到所述每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心;所述功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
根据所述每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量;
根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
根据所述每一距离单元的样本数据,计算得到所述每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心;所述功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
根据所述每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量;
根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
上述基于子带滤波的功率谱信息几何雷达目标检测方法和装置,通过计算回波信号对应的每一距离单元的功率谱,并基于协方差矩阵流形上几何测量所诱导的功率谱势函数,计算每一距离单元对应参考单元的功率谱几何中心,通过功率谱白化量化当前距离单元的功率谱与参考单元功率谱之间的特性差异,接着,利用子带滤波器频率响应函数、白化后的功率谱和诱导势函数,进一步获取当前子带的检测统计量,以实现将计算单元精确到子带,从而判断目标所处的多普勒单元,获取目标的速度信息,此外,利用功率谱子带滤波的频域响应特性,能够有效避免子带滤波所带来的运算量增长,最后,通过比较该检测统计量与检测门限的大小关系,确定目标的存在与否。本发明实施例,基于协方差矩阵流形与功率谱流形的对偶特性,使用功率谱模型对样本数据进行建模,并利用功率谱子带滤波的频域响应特性,可在不增加计算复杂度的情况下,实现距离-多普勒单元目标检测。
附图说明
图1为一个实施例中基于子带滤波的功率谱信息几何雷达目标检测方法的流程示意图;
图2为一个实施例中本发明方法以及对比方法的运算时间曲线示意图;
图3为一个实施例中数据距离单元子带归一化能量分布示意图;
图4为另一个实施例中基于Kullback-Leibler散度的Fast Sub PSIG检测统计量归一化能量分布示意图;
图5为一个实施例中基于黎曼距离的Fast Sub PSIG检测统计量归一化能量分布示意图;
图6为一个实施例基于Jensen-Shannon散度的Fast Sub PSIG检测统计量归一化能量分布示意图;
图7为一个实施例中子带归一化自适应匹配滤波器的检测统计量归一化能量分布示意图;
图8为一个实施例中子带最大特征值检测器的检测统计量归一化能量分布示意图;
图9为一个实施例中本发明方法以及对比方法的检测性能曲线示意图;
图10为一个实施例中基于子带滤波的功率谱信息几何雷达目标检测装置的结构框图;
图11为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
矩阵信息几何检测器(MIG),通过对数据进行协方差矩阵建模,可以解决传统方法在非独立杂波条件下的性能下降问题,基于协方差矩阵流形与功率谱流形的对偶特性,本发明提出了与矩阵信息几何检测器具有渐近性能的基于快速子带滤波的功率谱信息几何检测器(Fast Sub PSIG,Fast Sub Power Spectrum Information Geometry)。
在一个实施例中,如图1所示,提供了一种基于子带滤波的功率谱信息几何雷达目标检测方法,包括以下步骤:
步骤102,获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带。
其中,第行代表第个距离单元的样本数据,距离单元指的是雷达在一个相干处理间隔内发送个脉冲波,对回波信号进行采样处理可以得到一组离散的接收数据,由于雷达与目标之间的距离是有限的,因此,可以根据距离分辨单元的大小将此距离分为许多区间,每一个区间称为距离单元,距离单元的样本数据为采样点对应的接收数据。
对于每个距离单元,选取临近距离单元作为参考单元,在本发明实施例中,对于每个距离单元,选取前后各个距离单元作为个参考单元,当前或后距离单元数不足时,取另一侧将参考单元补充至个,令参考单元数为脉冲数的两倍,即,在获取参考单元后,利用当前距离单元对应的参考单元功率谱几何中心对当前距离单元的功率谱进行白化,以消除数据中杂波分量的相关性,同时保留目标回波重要信息,便于挖掘当前距离单元与对应参考单元之间的差异。
进一步地,为了获取目标的速度信息,需要判断目标所处的多普勒单元,在实现子带分解前,需要先设计低通原型滤波器,接收的雷达回波信号经过一组并行的滤波器后实现多普勒频率分离,每个滤波器的设计都是为了得到一个较窄的多普勒频带,子带滤波器组采用如下方法进行设计:
由脉冲数量,通常可设定子带数为,对于第个子带,其通带设为,首先,基于等波纹FIR(Finite Impulse Response,有限长单位冲激响应)滤波器设计原则,设计原型低通滤波器,其通带为,阻带为,阻带抑制为-40 dB,基于原型滤波器,第个子带的子带滤波器频率响应函数为:
步骤104,根据每一距离单元的样本数据,计算得到每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心。
在本发明中定义参考单元的功率谱几何中心,以对距离单元对应的所有参考单元的功率谱流形信息进行描述,功率谱流形是将参考单元功率谱的集合看成一个微分流形,它的几何结构有助于更深入地研究其各方面的性质,参考单元的功率谱几何中心通过几何测量来衡量,几何测量衡量了矩阵流形上两个点之间的差异性,进而反映了矩阵流形的内蕴几何结构差异,几何测量包括KL(Kullback-Leibler)散度、黎曼距离和JS(Jensen-Shannon)散度,这些几何测量是由矩阵范数诱导得到,基于协方差矩阵流形上几何测量所诱导的功率谱势函数,计算每个距离单元的参考单元功率谱几何中心,功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心,当前距离单元的参考单元功率谱为,其中,,,为距离单元对应的参考单元数量,本发明提供基于该三种几何测量诱导势函数的参考单元功率谱几何中心计算方法:
(a)KL散度-诱导势函数几何中心:
(b)黎曼距离-诱导势函数几何中心:
(c)JS散度-诱导势函数几何中心:
步骤106,根据每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、诱导势函数和白化后的功率谱,得到每一子带的第一检测统计量。
其中,为当前距离单元第个子带对应的功率,为当前距离单元对应参考单元中第个子带对应的功率,白化后的功率谱保留了当前距离单元功率谱与参考单元功率谱之间的差异,利用诱导势函数对白化后的功率谱进行处理,就可以计算每一距离单元的功率谱和对应参考单元的功率谱几何之间的几何差异。
由于子带分解所带来的计算量增长,使得原本计算量较大的MIG更难以高效实现,而在本发明提出的Fast Sub PSIG中,利用功率谱子带滤波的频域响应特性,能够有效避免子带滤波所带来的运算量增长,从而进行高效目标检测,得到每一子带的第一检测统计量的具体步骤包括:
其次,基于诱导势函数,计算每一距离单元的功率谱和对应参考单元的功率谱几何之间的几何差异,具体是通过诱导势函数对白化后的功率谱进行处理,得到每一距离单元对应的几何差异序列,根据三种几何测量三种几何测量诱导势函数,序列可按如下方式计算:
(a)KL散度-诱导势函数几何差异:
(b)黎曼距离-诱导势函数几何差异:
(c)JS散度-诱导势函数几何差异:
步骤108,根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
根据当前子带对应的第一检测统计量和检测门限,得到判决式为:
其中,为当前子带对应的第一检测统计量,表示当前子带存在待检测目标,表示当前子带不存在待检测目标;根据判决式,判断当前子带是否存在待检测目标,其中,通过采集获取无目标时探测区域雷达回波数据,计算第个子带的门限值,其具体步骤如下:基于第组回波数据,计算每个距离单元的几何差异值,并记第个距离单元的第个子带的检测统计量为。将所有个按照降序排序为,则虚警概率所对应的门限为,其中,表示取上整。
上述基于子带滤波的功率谱信息几何雷达目标检测方法中,通过计算回波信号对应的每一距离单元的功率谱,并基于协方差矩阵流形上几何测量所诱导的功率谱势函数,计算每一距离单元对应参考单元的功率谱几何中心,通过功率谱白化量化当前距离单元的功率谱与参考单元功率谱之间的特性差异,接着,利用子带滤波器频率响应函数、白化后的功率谱和诱导势函数,进一步获取当前子带的检测统计量,以实现将计算单元精确到子带,可以判断目标所处的多普勒单元,从而获取目标的速度信息,此外,利用功率谱子带滤波的频域响应特性,能够有效避免子带滤波所带来的运算量增长,最后,通过比较该检测统计量与检测门限的大小关系,确定目标的存在与否,本发明实施例,基于协方差矩阵流形与功率谱流形的对偶特性,使用功率谱模型对样本数据进行建模,并利用功率谱子带滤波的频域响应特性,可在不增加计算复杂度的情况下,实现距离-多普勒单元目标检测。
在一个实施例中,根据预先设置的几何测量对应的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心包括:当几何测量为KL散度时,根据几何测量的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心为:
在一个实施例中,根据预先设置的几何测量对应的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心还包括:当几何测量为黎曼距离时,根据几何测量的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心为:
在一个实施例中,根据预先设置的几何测量对应的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心还包括:当几何测量为JS散度时,根据几何测量的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心为:
在一个实施例中,根据每一子带的子带滤波器频率响应函数、诱导势函数和白化后的功率谱,得到每一子带的第一检测统计量包括:根据每一子带的子带滤波器频率响应函数,计算得到每一距离单元对应的滤波器频率响应序列为:
其中,为第个子带对应的滤波器频率响应,,为子带滤波器频率响应函数,,为子带滤波器频率,为子带数,;根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列;根据每一距离单元对应的滤波器频率响应序列和几何差异序列,得到当前距离单元每一子带的第一检测统计量为:
在一个实施例中,根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在一个实施例中,根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在一个实施例中,根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在一个实施例中,根据预先获取的无待检测目标时探测区域的雷达回波对应的多个距离单元,计算得到每一距离单元中每一子带的第二检测统计量,根据第二检测统计量,得到每一子带的检测门限;根据第二检测统计量,得到每一子带的检测门限的步骤包括:根据第二检测统计量,得到第二检测统计量的降序排序结果;根据第二检测统计量的降序排序结果,得到每一子带的检测门限为:
在一个具体实施例中,通过实验验证本发明方法的运算时间与检测性能,如图2所示,提供了一种本发明方法以及对比方法的运算时间曲线示意图,令脉冲数,参考单元数为脉冲数的两倍,即,对比方法包括Sub ANMF(SubbandAdaptive Normalized Matched Filter,子带归一化自适应匹配滤波器)和SubMaxEig(Subband Maximum Eigenvalue,子带最大特征值检测器),分别对应图2和图9中的D和E,2中显示了各方法100次运算的平均时间,其中,根据所采用的几何测量不同,Fast SubPSIG分为:Fast Sub PSIG-KLD(Fast Sub PSIG -KullbackLeibler Detector,基于KL散度的Fast Sub PSIG)、Fast Sub PSIG-RD(Fast Sub PSIG-Riemann Detector,基于黎曼距离的Fast Sub PSIG)和Fast Sub PSIG-JSD(Fast Sub PSIG- Jensen Shannon Detector,基于JS散度的Fast Sub PSIG),分别对应图2和图9中的A、B和C。从图2中可以看出,Fast SubPSIG运算时间远小于子带最大特征值检测器与子带归一化自适应匹配滤波器,当子带数为100时,本发明所提方法的运算时间小于其余二者运算时间的1/100,且当子带数增大时,运算时间差异越大,其次,采用实测海杂波数据与仿真目标的合成数据对本发明所提方法进行性能验证,所用数据为IPIX雷达数据集中的19980205_170935_ANTSTEP.CDF数据文件,该数据共包含28个距离单元60000脉冲。选取第5000至50089个脉冲数据,并将仿真目标(信杂比为8 dB)加入第15距离单元、第9个子带之中,如图3所示,提供了一种数据距离单元子带归一化能量分布示意图,显示了每个距离单元脉冲数据经过子带分解后的能量分布,图4、图5和图6分别为中基于Kullback-Leibler散度、基于黎曼距离以及基于Jensen-Shannon散度的Fast Sub PSIG检测统计量的归一化能量分布示意图,可以看到Fast Sub PSIG-KLD可以很好地突显目标,图7和图8分别为子带归一化自适应匹配滤波器和子带最大特征值检测器的检测统计量归一化能量分布示意图,可以看到其检测效果均劣于Fast Sub PSIG-KLD。如图9所示,提供了一种本发明方法以及对比方法的检测性能曲线示意图,可以看到Fast Sub PSIG-KLD具有最优的检测性能。因此,由上述实验结果可以得出结论:Fast SubPSIG-KLD不仅检测性能最优,且所需的运算时间最小。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图10所示,提供了一种基于子带滤波的功率谱信息几何雷达目标检测装置,包括:数据获取模块1002、功率谱几何中心计算模块1004、第一检测统计量计算模块1006和目标检测模块1008,其中:
数据获取模块1002,用于获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
功率谱几何中心计算模块1004,用于根据每一距离单元的样本数据,计算得到每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心;功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
第一检测统计量计算模块1006,用于根据每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、诱导势函数和白化后的功率谱,得到每一子带的第一检测统计量;
目标检测模块1008,用于根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
在其中一个实施例中,功率谱几何中心计算模块1004还用于当几何测量为KL散度时,根据几何测量的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心为:
在其中一个实施例中,功率谱几何中心计算模块1004还用于当几何测量为黎曼距离时,根据几何测量的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心为:
在其中一个实施例中,功率谱几何中心计算模块1004还用于当几何测量为JS散度时,根据几何测量的诱导势函数,计算得到每一距离单元对应参考单元的功率谱几何中心为:
在其中一个实施例中,第一检测统计量计算模块1006还用于根据每一子带的子带滤波器频率响应函数,计算得到每一距离单元对应的滤波器频率响应序列为:
其中,为第个子带对应的滤波器频率响应,,为子带滤波器频率响应函数,,为子带滤波器频率,为子带数,;根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列;根据每一距离单元对应的滤波器频率响应序列和几何差异序列,得到当前距离单元每一子带的第一检测统计量为:
在其中一个实施例中,第一检测统计量计算模块1006还用于根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在其中一个实施例中,第一检测统计量计算模块1006还用于根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在其中一个实施例中,第一检测统计量计算模块1006还用于根据诱导势函数和白化后的功率谱,计算得到每一距离单元对应的几何差异序列为:
在其中一个实施例中,还用于根据预先获取的无待检测目标时探测区域的雷达回波对应的多个距离单元,计算得到每一距离单元中每一子带的第二检测统计量,根据第二检测统计量,得到每一子带的检测门限;根据第二检测统计量,得到每一子带的检测门限的步骤包括:根据第二检测统计量,得到第二检测统计量的降序排序结果;根据第二检测统计量的降序排序结果,得到每一子带的检测门限为:
关于基于子带滤波的功率谱信息几何雷达目标检测装置的具体限定可以参见上文中对于基于子带滤波的功率谱信息几何雷达目标检测方法的限定,在此不再赘述。上述基于子带滤波的功率谱信息几何雷达目标检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图11所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于子带滤波的功率谱信息几何雷达目标检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中方法的步骤。
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的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于子带滤波的功率谱信息几何雷达目标检测方法,其特征在于,所述方法包括:
获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
根据所述每一距离单元的样本数据,计算得到所述每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心;所述功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
根据所述每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量;
根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量包括:
根据每一子带的子带滤波器频率响应函数,计算得到每一距离单元对应的滤波器频率响应序列为:
根据所述诱导势函数和所述白化后的功率谱,计算得到每一距离单元对应的几何差异序列;
根据每一距离单元对应的滤波器频率响应序列和所述几何差异序列,得到当前距离单元每一子带的第一检测统计量为:
9.根据权利要求6-8任一项所述的方法,其特征在于,得到所述检测门限的步骤,包括:
根据预先获取的无待检测目标时所述探测区域的雷达回波对应的多个距离单元,计算得到每一距离单元中每一子带的第二检测统计量,根据所述第二检测统计量,得到每一子带的检测门限;
所述根据所述第二检测统计量,得到每一子带的检测门限的步骤包括:
根据所述第二检测统计量,得到第二检测统计量的降序排序结果;
根据所述第二检测统计量的降序排序结果,得到每一子带的检测门限为:
10.一种基于子带滤波的功率谱信息几何雷达目标检测装置,其特征在于,所述装置包括:
数据获取模块,用于获取探测区域的雷达回波对应的多个距离单元、每一距离单元对应的参考单元以及每一距离单元的多个子带;
功率谱几何中心计算模块,用于根据所述每一距离单元的样本数据,计算得到所述每一距离单元的功率谱,根据预先设置的几何测量对应的诱导势函数,计算得到所述每一距离单元对应参考单元的功率谱几何中心;所述功率谱几何中心为距离单元的参考单元功率谱在功率谱流形上的几何中心;
第一检测统计量计算模块,用于根据所述每一距离单元的功率谱和对应参考单元的功率谱几何中心,得到白化后的功率谱,根据每一子带的子带滤波器频率响应函数、所述诱导势函数和所述白化后的功率谱,得到每一子带的第一检测统计量;
目标检测模块,用于根据当前子带对应的第一检测统计量和预先设置的检测门限之间的大小关系,判断当前距离单元是否存在待检测目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211598623.4A CN115598615B (zh) | 2022-12-13 | 2022-12-13 | 基于子带滤波的功率谱信息几何雷达目标检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211598623.4A CN115598615B (zh) | 2022-12-13 | 2022-12-13 | 基于子带滤波的功率谱信息几何雷达目标检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115598615A true CN115598615A (zh) | 2023-01-13 |
CN115598615B CN115598615B (zh) | 2023-03-10 |
Family
ID=84854061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211598623.4A Active CN115598615B (zh) | 2022-12-13 | 2022-12-13 | 基于子带滤波的功率谱信息几何雷达目标检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115598615B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060146961A1 (en) * | 2004-12-08 | 2006-07-06 | Pan-Soo Kim | Frequency offset estimating method and receiver employing the same |
CN103295193A (zh) * | 2013-05-10 | 2013-09-11 | 天津理工大学 | 基于互功率谱的盲源分离方法 |
CN105487062A (zh) * | 2015-12-22 | 2016-04-13 | 南京信息工程大学 | 基于二维Duffing振子的海杂波微弱信号检测方法 |
US20180348364A1 (en) * | 2017-05-31 | 2018-12-06 | Panasonic Corporation | Radar signal processing apparatus and radar signal processing method |
CN110471034A (zh) * | 2019-09-19 | 2019-11-19 | 上海无线电设备研究所 | 一种超宽带雷达波形设计方法 |
WO2020124325A1 (zh) * | 2018-12-17 | 2020-06-25 | 深圳市汇顶科技股份有限公司 | 一种回声消除中的自适应滤波方法、装置、设备及存储介质 |
CN114091328A (zh) * | 2021-11-11 | 2022-02-25 | 中国船舶重工集团公司第七一五研究所 | 加窗二维解卷多波束功率谱估计算法 |
CN115128590A (zh) * | 2022-06-24 | 2022-09-30 | 中国人民解放军国防科技大学 | 基于矩阵信息几何的自适应雷达目标检测方法和装置 |
-
2022
- 2022-12-13 CN CN202211598623.4A patent/CN115598615B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060146961A1 (en) * | 2004-12-08 | 2006-07-06 | Pan-Soo Kim | Frequency offset estimating method and receiver employing the same |
CN103295193A (zh) * | 2013-05-10 | 2013-09-11 | 天津理工大学 | 基于互功率谱的盲源分离方法 |
CN105487062A (zh) * | 2015-12-22 | 2016-04-13 | 南京信息工程大学 | 基于二维Duffing振子的海杂波微弱信号检测方法 |
US20180348364A1 (en) * | 2017-05-31 | 2018-12-06 | Panasonic Corporation | Radar signal processing apparatus and radar signal processing method |
WO2020124325A1 (zh) * | 2018-12-17 | 2020-06-25 | 深圳市汇顶科技股份有限公司 | 一种回声消除中的自适应滤波方法、装置、设备及存储介质 |
CN110471034A (zh) * | 2019-09-19 | 2019-11-19 | 上海无线电设备研究所 | 一种超宽带雷达波形设计方法 |
CN114091328A (zh) * | 2021-11-11 | 2022-02-25 | 中国船舶重工集团公司第七一五研究所 | 加窗二维解卷多波束功率谱估计算法 |
CN115128590A (zh) * | 2022-06-24 | 2022-09-30 | 中国人民解放军国防科技大学 | 基于矩阵信息几何的自适应雷达目标检测方法和装置 |
Non-Patent Citations (3)
Title |
---|
CHENG SHI 等: "A Method for Reducing Timing Jitter’s Impact in Through-Wall Human Detection by Ultra-Wideband Impulse Radar", 《REMOTE SENSING》 * |
HAO WU 等: "Adaptive Matrix Information Geometry Detector With Local Metric Tensor", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
丁斌 等: "基于天线扫描的雷达成像方法", 《探测与控制学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115598615B (zh) | 2023-03-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101887119B (zh) | 基于子带anmf海杂波中动目标检测方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
Duk et al. | Target detection in sea-clutter using stationary wavelet transforms | |
CN112882009B (zh) | 基于幅度相位双通道网络的雷达微多普勒目标识别方法 | |
Saniie et al. | System-on-chip design for ultrasonic target detection using split-spectrum processing and neural networks | |
Wang et al. | Analysis of low-order autoregressive models for ultrasonic grain signal characterization | |
Gabarda et al. | Detection of events in seismic time series by time–frequency methods | |
CN104331583B (zh) | 一种基于实测海杂波数据的多重分形建模方法 | |
CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 | |
Hua et al. | LDA-MIG detectors for maritime targets in nonhomogeneous sea clutter | |
Tian et al. | Statistical analysis of split spectrum processing for multiple target detection | |
CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
CN114217315A (zh) | 一种毫米波雷达动态目标快速检测方法 | |
Wen et al. | Sea clutter suppression based on selective reconstruction of features | |
CN115598615B (zh) | 基于子带滤波的功率谱信息几何雷达目标检测方法和装置 | |
CN114839602B (zh) | 基于电磁数据聚类的雷达信号统计特征提取方法及装置 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
CN114936570A (zh) | 基于轻量化cnn网络的干扰信号智能识别方法 | |
Alammar et al. | Automatic extraction of signal areas from radio spectrograms based on the Hough transform | |
Wang et al. | Seafloor classification based on deep-sea multibeam data—Application to the southwest Indian Ridge at 50.47° E | |
Shafi et al. | Quantitative evaluation of concentrated time-frequency distributions | |
CN116400302B (zh) | 一种雷达信号接收处理方法 | |
CN113376610B (zh) | 基于信号结构信息的窄带雷达目标检测方法 | |
CN113960555B (zh) | 目标太赫兹时域回波处理方法、装置、设备及存储介质 |
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 |