CN115685169A - 基于宽带keystone变换的水声弱运动目标检测方法 - Google Patents

基于宽带keystone变换的水声弱运动目标检测方法 Download PDF

Info

Publication number
CN115685169A
CN115685169A CN202211399125.7A CN202211399125A CN115685169A CN 115685169 A CN115685169 A CN 115685169A CN 202211399125 A CN202211399125 A CN 202211399125A CN 115685169 A CN115685169 A CN 115685169A
Authority
CN
China
Prior art keywords
time dimension
broadband
frequency
moving target
maximum value
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
CN202211399125.7A
Other languages
English (en)
Other versions
CN115685169B (zh
Inventor
孙大军
侯开阳
滕婷婷
兰华林
曹津铭
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN202211399125.7A priority Critical patent/CN115685169B/zh
Publication of CN115685169A publication Critical patent/CN115685169A/zh
Application granted granted Critical
Publication of CN115685169B publication Critical patent/CN115685169B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02A90/30—Assessment of water resources

Landscapes

  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

基于宽带keystone变换的水声弱运动目标检测方法，本发明涉及弱运动目标检测方法。本发明的目的是为了解决主动声呐在低信噪比下探测弱运动目标时，由于运动目标速度模糊的模糊数在带宽内不恒定导致相干积累增益下降的问题。过程为：一：得到匹配滤波后的快时间维频域‑慢时间维时域矩阵；二：得到距离徒动校正后的快时间维‑慢时间维信号；三：对二的结果在慢时间维做傅里叶变换得到相干积累结果；在感兴趣的速度区间内重复一和二，对各个搜索速度下的相干积累结果进行极大值检测，获得极大值检测结果的最大值，基于最大值获得对应的时延和此时的速度，完成对弱运动目标参数的估计。本发明用于主动声呐探测弱目标领域。

Description

基于宽带keystone变换的水声弱运动目标检测方法
技术领域
本发明属于主动声呐探测弱目标领域，涉及弱运动目标检测方法。
背景技术
主动声呐在复杂的海洋环境中探测噪声背景下的弱运动目标时，由于远距离探测时目标回波信噪比低，导致了高虚警率。为了提高检测能力，目前常用能量积累类方法来提高目标信噪比。能量积累类方法可分为脉冲内能量积累和脉冲间能量积累，其中脉冲内能量积累方法通常对宽带信号进行匹配滤波，但当匹配滤波后目标信号输出信噪比仍然较低时，可以通过脉冲间能量积累来提高目标信噪比。现有的脉冲间能量积累方法主要分为非相干脉冲积累和相干脉冲积累。与非相干脉冲积累相比，相干脉冲积累利用了目标的相位和幅值信息，对目标回波同相相加，积累后信噪比增益更高，更有利于主动声呐在低信噪比环境下检测弱目标。
在主动声呐利用相干脉冲积累探测水下弱运动目标时，主要面临以下难点：一，由于水下目标有一定速度(考虑匀速情况)，在相干积累时间内目标回波从一个距离单元运动到另一个距离单元，即发生线性距离徙动，导致传统相干脉冲积累方法增益下降。二，由于主动声呐经常使用宽带信号探测目标，且脉冲重复周期较长，导致探测到的目标速度经常是模糊的，并且带宽内的模糊数不恒定。
在以往的研究和文献中，解决距离徙动的方法大多为雷达中应用广泛的keystone变换方法。keystone变换可以解除目标信号频率与慢时间的线性耦合，在低信噪比下很好的校正线性距离徙动[5-7]。当目标速度模糊时，雷达中通过遍历模糊数，找到使相关积累峰值最大的模糊数对keystone变换进行补偿[8-9]。但在主动声呐中，主要存在的难点是：和雷达发射信号相比，主动声呐发射信号的中心频率较低，且带宽基本与中心频率为一个量级，导致运动目标的速度模糊数在带宽内不是恒定的，通过补偿固定模糊数的传统方法相干积累增益下降。
经过文献检索发现，有下列文献对多脉冲积累检测弱运动目标问题进行了研究：
[1]Li Y C,Zhang L,Liu B C,et al.Stepped-frequency inverse syntheticaperture radar imaging based on adjacent pulse correlation integration andcoherent processing[J].IET signal processing,2011,5(7):632-642.
[2]苏军海,张龙,邢孟道.宽带雷达机动多目标检测[J].电子与信息学报,2010.
[3]Xu J,Yu J,Peng Y N,et al.Radon-Fourier transform for radar targetdetection,I:generalized Doppler filter bank[J].IEEE transactions on aerospaceand electronic systems,2011,47(2):1186-1202.
[4]陈潜，付朝伟，刘俊豪.基于随机脉冲重复间隔Radon-Fourier变换的相参积累[J].电子与信息学报,2015,37(5):1085–1090.
[5]李春林,范建华.基于Keystone变换的长时间相参积累的仿真与研究[J].电子科技,2013,26(6):5.
[6]张顺生.基于keystone变换的微弱目标检测[J].电子学报,2005,33(9):1675–1678.
[7]罗丁利,向聪.一种基于Keystone变换的运动目标相参积累方法[J].现代雷达,2017,39(10):49-54+66.
[8]Li Y,Zeng T,Long T,et al.Range migration compensation and Dopplerambiguity resolution by Keystone transform[C]//2006CIE InternationalConference on Radar.IEEE,2006:1-4.
[9]侯庆禹,刘宏伟,保铮.基于keystone变换的宽带目标识别雷达杂波抑制[J].系统工程与电子技术,2009,31(01):49-53.
[10]Zhang Y.Multiplication-based pulse integration for detectingunderwater target in impulsive noise environment[J].IEEE Access,2016,4:6894-6900.
文献检索结果表明现有文献中关于多脉冲相干积累检测弱运动目标的方法大多数为雷达领域，主动声呐中涉及较少。雷达中多脉冲相干积累检测弱运动目标的方法大致可分为三种：
1、基于相邻相关法的相干积累[1-2]。通过计算待检测距离单元与参考距离单元之间的相关函数并搜索最大相关值，得到目标速度估计值后对回波包络进行补偿，实现相干积累。由于该方法核心为计算相关函数最大值，因此该方法要求较高的信噪比条件，当背景信噪比较低时该方法的回波补偿能力下降，难以有效对回波进行积累。
2、基于Radon傅里叶变换的相干积累[3-4]。通过对接收回波联合搜索距离和速度，构建多普勒匹配滤波器，实现目标的相干积累。但该方法需要对距离-速度二维空间内所有的点进行搜索积分，运算量大。同时由于离散脉冲采样等原因，该方法的积累结果会产生盲速旁瓣，导致严重的虚警。
3、基于keystone变换的相干积累[5-7]。通过对接收回波进行keystone变换实现对慢时间维的伸缩，解除快时间频率与慢时间的耦合，可在低信噪比下校正线性距离徙动，有效相干积累回波。当目标速度模糊时，文献[8]-[9]通过搜索模糊数，对keystone变换补偿使相干积累峰值最大的模糊数，但适用于雷达中发射信号带宽较窄的情况。文献[10]将keystone变换应用于水声中的目标距离徙动校正和相干积累，但没有考虑速度模糊的情况。
发明内容
本发明的目的是为了解决主动声呐在低信噪比下探测弱运动目标时，由于运动目标速度模糊的模糊数在带宽内不恒定导致相干积累增益下降的问题，提出了基于宽带keystone变换的弱运动目标检测方法。
基于宽带keystone变换的弱运动目标检测方法，具体过程为：
步骤一：将接收到的多脉冲目标回波整理成二维矩阵
Figure BDA0003934306910000031
其中单次脉冲接收的信号为快时间维矩阵，多脉冲接收的同一时延的信号为慢时间维矩阵；
其中，
Figure BDA0003934306910000032
为快时间，tm为慢时间；
对快时间维-慢时间维矩阵进行匹配滤波，得到匹配滤波后的快时间维频域-慢时间维时域矩阵Smf(f,tm)；
步骤二：对步骤一输出的结果Smf(f,tm)进行宽带keystone变换，实现带宽B内的各个频率对应的模糊数F被修正补偿；
在快时间维对宽带keystone变换后的f进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure BDA0003934306910000033
步骤三：对步骤二输出的结果
Figure BDA0003934306910000034
在慢时间维做傅里叶变换，得到相干积累结果；
在感兴趣的速度区间[vmin,vmax]内重复步骤一和步骤二，对各个搜索速度下的相干积累结果进行极大值检测，获得极大值检测结果的最大值，基于最大值获得对应的时延和此时的速度，完成对弱运动目标参数(时延和多普勒)的估计。
本发明的有益效果为：
相较于上述文献，本发明提出了一种基于宽带keystone变换的弱运动目标检测方法，在未知目标模糊速度的情况下，通过搜索感兴趣的速度区间，补偿带宽内各个频率对应的模糊数，有效改善了模糊数在带宽内不恒定的现象。通过宽带keystone变换校正了低信噪比下的目标距离徙动，并基于慢时间维的傅里叶变换完成对弱运动目标的相干积累，提高了弱目标回波信噪比，同时能够准确估计目标的参数(时延和多普勒)。
所述运动目标为水下航行器，潜艇等。
(1)当运动目标在匹配滤波后输出信噪比仍然较低时，即当主动声呐接收到的第m个目标回波
Figure BDA0003934306910000041
的信噪比SNR满足0dB<SNR+10×log10(BTp)＜10dB时，可认为目标为弱运动目标。本发明所提方法有效解决了水下弱运动目标的距离徙动问题，完成了对弱目标回波的相干积累。
SNR为主动声呐接收到的第m个目标回波
Figure BDA0003934306910000042
的信噪比；
SNR+10×log10(BTp)是匹配滤波后快时间维频域-慢时间维时域矩阵Smf(f,tm)的信噪比；
其中，B为发射信号带宽，Tp为发射信号脉宽。
(2)当主动声呐发射宽带信号时，运动目标的速度模糊数在带宽内不是恒定的。本发明所提方法能够在未知目标模糊速度的情况下，解决了目标速度模糊数在带宽内不恒定的情况，同时能够准确估计目标的参数(时延和多普勒)，为低信噪比下探测弱运动目标提供了一种新的方法。
附图说明
图1为本发明流程图；
图2为本发明仿真实验涉及的主动声呐发射信号示意图；
图3a为单次发射脉冲匹配滤波后的信号示意图；
图3b为单次发射脉冲距离徙动修正前示意图；
图3c为单次发射脉冲距离徙动修正后示意图
图4a为本发明仿真实验涉及的时延剖面图；
图4b为本发明仿真实验涉及的多普勒剖面图；
图5a为传统算法相干积累结果图；
图5b为本发明所提算法相干积累结果图；
图5c为本算法与传统算法相干积累增益对比图。
具体实施方式
具体实施方式一：本实施方式基于宽带keystone变换的弱运动目标检测方法，具体过程为：
步骤一：将接收到的多脉冲目标回波整理成二维矩阵
Figure BDA0003934306910000051
其中单次脉冲接收的信号为快时间维矩阵，多脉冲接收的同一时延的信号为慢时间维矩阵；
其中，
Figure BDA0003934306910000052
为快时间(主动声呐接收的时间)，tm为慢时间(主动声呐接收的时间)；
对快时间维-慢时间维矩阵进行匹配滤波，得到匹配滤波后的快时间维频域-慢时间维时域矩阵Smf(f,tm)；
步骤二：对步骤一输出的结果Smf(f,tm)进行宽带keystone变换，实现带宽B内的各个频率对应的模糊数F被修正补偿；
在快时间维对宽带keystone变换后的f进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure BDA0003934306910000053
步骤三：对步骤二输出的结果
Figure BDA0003934306910000054
在慢时间维做傅里叶变换，得到相干积累结果；
在感兴趣的速度区间[vmin,vmax](设定的)内重复步骤一和步骤二，对各个搜索速度下的相干积累结果进行极大值检测，获得极大值检测结果的最大值，基于最大值获得对应的时延(最大值在图中对应时延)和此时的速度(速度区间[vmin,vmax]中此时的速度)，完成对弱运动目标参数(时延和多普勒)的估计。
所述运动目标为水下航行器，潜艇等。
具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤一中将接收到的多脉冲目标回波整理成二维矩阵
Figure BDA0003934306910000055
其中单次脉冲接收的信号为快时间维矩阵，多脉冲接收的同一时延的信号为慢时间维矩阵；
其中，
Figure BDA0003934306910000056
为快时间(主动声呐接收的时间)，tm为慢时间(主动声呐接收的时间)；
对快时间维-慢时间维矩阵进行匹配滤波，得到匹配滤波后的快时间维频域-慢时间维时域矩阵；
具体过程为：
当主动声呐周期性发射宽带线性调频信号时，主动声呐接收到的第m个目标回波为：
Figure BDA0003934306910000057
其中，A为接收信号幅度，u(t)为t时间的线性调频信号，u(t)＝rect(t/Tp)exp(jπγt2)，t为主动声呐周期性发射宽带线性调频信号时对应的时间，rect()为矩形脉冲函数，j为复数的虚部单位，j2＝-1；γ为调频斜率，γ＝B/Tp，B为发射信号带宽，Tp为发射信号脉宽，τ(tm)为传播延迟，fc为中心频率；α为多普勒因子；
对式(1)进行下变频，得到基带回波，对基带回波在频域进行匹配滤波，对匹配滤波后的基带回波进行归一化，得到快时间维频域-慢时间维时域矩阵：
Figure BDA0003934306910000061
其中，Smf(f,tm)为快时间维频域-慢时间维时域矩阵，f为快时间维频域上的频率，fd为脉冲内多普勒频率，fd＝(α-1)fc；
U(f)为u(t)的频谱，
Figure BDA0003934306910000062
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述慢时间tm＝mTr,m＝1,2,…,M；快时间
Figure BDA0003934306910000063
M为主动声呐发射脉冲的总次数，Tr为脉冲重复周期。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述传播延迟τ(tm)＝2R(tm)/(c-v)，R(tm)为目标距离，v为目标径向速度，c为水下声速。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述目标距离R(tm)＝R0+vtm，R0为目标初始距离。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述多普勒因子α＝(c-v)/(c+v)。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式与具体实施方式一至六之一不同的是，所述步骤二中对步骤一输出的结果Smf(f,tm)进行宽带keystone变换，实现带宽B内的各个频率对应的模糊数F被修正补偿；
在快时间维对宽带keystone变换后的f进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure BDA0003934306910000071
具体过程为：
宽带keystone变换即对慢时间维做尺度变换，令：
Figure BDA0003934306910000072
其中，τm为变换后的虚拟慢时间；
将式(3)代入式(2)中，可得：
Figure BDA0003934306910000073
其中，Sfτ(f,τm)为对Smf(f,tm)进行宽带keystone变换后的快时间维频域-慢时间维时域矩阵；
当目标速度模糊时：
2v(fc+f)/c＝fa+F·PRF,|fa|＜PRF/2 (5)
其中，fa为实际检测到的多普勒频率，F为模糊数，PRF为脉冲重复频率，PRF＝1/Tr；
为保证频率f、慢时间tm和虚拟慢时间τm在宽带keystone变换前后为整数值，设Smf(n,m)和Sfτ(n,m)分别为Smf(f,tm)和Sfτ(f,τm)的离散表示形式，利用辛格函数sinc对Smf(n,m)进行插值(保证频率f、慢时间tm和虚拟慢时间τm在宽带keystone变换前后为整数值)，实现带宽B内的各个频率对应的模糊数F被修正补偿(补偿函数C(F)实现的)；
表达式为：
Figure BDA0003934306910000081
其中，C(F)为各频率处模糊数的补偿函数；Sfτ(n,m)为Sfτ(f,τm)的离散表示形式，l为插值的索引量，M为主动声呐发射脉冲的总次数，Smf(n,l)为Smf(n,m)在辛格函数sinc插值时的索引值，c为水下声速，n为对快时间维频域上的频率f离散后的快时间维频域上的点，m为对慢时间tm和虚拟慢时间τm离散后的慢时间点数；
对经过宽带keystone变换后的快时间维频域-慢时间维时域矩阵Sfτ(f,τm)在快时间维进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure BDA0003934306910000082
Figure BDA0003934306910000083
其中：
Figure BDA0003934306910000084
其中，
Figure BDA0003934306910000085
为距离徒动校正后的快时间维-慢时间维信号，χ(α,fd)为中间变量。
其它步骤及参数与具体实施方式一至六之一相同。
具体实施方式八：本实施方式与具体实施方式一至七之一不同的是，所述各频率处模糊数的补偿函数
Figure BDA0003934306910000086
模糊数F和频率f有关，表达式为
Figure BDA0003934306910000087
其它步骤及参数与具体实施方式一至七之一相同。
具体实施方式九：本实施方式与具体实施方式一至八之一不同的是，所述步骤三中对步骤二输出的结果
Figure BDA0003934306910000088
在慢时间维做傅里叶变换，得到相干积累结果；
在感兴趣的速度区间[vmin,vmax](设定的)内重复步骤一和步骤二，对各个搜索速度下的相干积累结果进行极大值检测，获得极大值检测结果的最大值，基于最大值获得对应的时延(最大值在图中对应时延)和此时的速度(速度区间[vmin,vmax]中此时的速度)，完成对弱运动目标参数(时延和多普勒)的估计；具体过程为：
对式(7)在慢时间维做傅里叶变换，得到相干积累结果
Figure BDA0003934306910000091
Figure BDA0003934306910000092
其中，
Figure BDA0003934306910000093
为极大值检测结果的最大值对应的多普勒；
搜索感兴趣的速度区间[vmin,vmax]，并重复式(2)-式(9)；
vmin为目标径向速度最小值，vmax为目标径向速度最大值；
对搜索速度下的相干积累结果进行极大值检测，记录相干积累峰值最大值对应的时延和多普勒：
Figure BDA0003934306910000094
其中，τ(i)为第i个搜索速度下相干积累峰值最大值对应的时延，fd(i)为第i个搜索速度下相干积累峰值最大值对应的多普勒。
以上为宽带keystone修正目标距离徙动并完成相干积累，同时估计目标参数(时延和多普勒)的所有步骤。
其它步骤及参数与具体实施方式一至八之一相同。
具体实施方式十：本实施方式与具体实施方式一至九之一不同的是，所述弱运动目标为：
当主动声呐接收到的第m个目标回波
Figure BDA0003934306910000095
的信噪比SNR满足0dB<SNR+10×log10(BTp)＜10dB，可认为目标为弱运动目标；
SNR为主动声呐接收到的第m个目标回波
Figure BDA0003934306910000096
的信噪比；
SNR+10×log10(BTp)是匹配滤波后快时间维频域-慢时间维时域矩阵Smf(f,tm)的信噪比；
其中，B为发射信号带宽，Tp为发射信号脉宽。
其它步骤及参数与具体实施方式一至九之一相同。
仿真实验
仿真条件：主动声呐周期性发射LFM信号，LFM信号中心频率为2kHz，带宽1kHz，脉宽0.1s，目标回波信噪比为-15dB。选取脉冲重复间隔为2s，相干积累脉冲数为30。动目标以径向速度v＝1.05m/s逐渐靠近声呐。所有结果均按照信号能量最大值归一化。
仿真总结：
本发明对低信噪比下的弱运动目标进行相干积累的仿真并给出分析结果。
由图3a可以看出，单次发射脉冲下匹配滤波后目标信号输出信噪比约为5dB，在0dB<SNR+10×log10(BT)＜10dB范围内，属于弱运动目标；由图3b、3c可以看出，利用本发明所提算法可以修正目标的线性距离徙动。
由图4a、4b可以看出，本发明算法相干积累后的信噪比增益较积累前提高了约为14dB；目标在初始时刻的时延约为0.13s，补偿模糊数后的不模糊多普勒约为-0.2Hz，即本发明算法能够准确估计目标参数(时延和多普勒)。
所述运动目标为水下航行器，潜艇等。
图5a、5b、5c给出了本发明所提算法与补偿固定模糊数的传统算法的性能对比，可以看出，传统算法的相干积累峰值低于本文所提算法；图5c中传统算法的相干积累增益约7dB，比本文所提算法相干积累增益低约7dB。该仿真实验验证了本发明的可行性，具有一定的实用价值。
本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述方法具体过程为：
步骤一：将接收到的多脉冲目标回波整理成二维矩阵
Figure FDA0003934306900000011
其中单次脉冲接收的信号为快时间维矩阵，多脉冲接收的同一时延的信号为慢时间维矩阵；
其中，
Figure FDA0003934306900000012
为快时间，tm为慢时间；
对快时间维-慢时间维矩阵进行匹配滤波，得到匹配滤波后的快时间维频域-慢时间维时域矩阵Smf(f,tm)；
步骤二：对步骤一输出的结果Smf(f,tm)进行宽带keystone变换，实现带宽B内的各个频率对应的模糊数F被修正补偿；
在快时间维对宽带keystone变换后的f进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure FDA0003934306900000013
步骤三：对步骤二输出的结果
Figure FDA0003934306900000014
在慢时间维做傅里叶变换，得到相干积累结果；
在感兴趣的速度区间[vmin,vmax]内重复步骤一和步骤二，对各个搜索速度下的相干积累结果进行极大值检测，获得极大值检测结果的最大值，基于最大值获得对应的时延和此时的速度，完成对弱运动目标参数的估计。
2.根据权利要求1所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述步骤一中将接收到的多脉冲目标回波整理成二维矩阵
Figure FDA0003934306900000015
其中单次脉冲接收的信号为快时间维矩阵，多脉冲接收的同一时延的信号为慢时间维矩阵；
其中，
Figure FDA0003934306900000016
为快时间，tm为慢时间；
对快时间维-慢时间维矩阵进行匹配滤波，得到匹配滤波后的快时间维频域-慢时间维时域矩阵；
具体过程为：
当主动声呐周期性发射宽带线性调频信号时，主动声呐接收到的第m个目标回波为：
Figure FDA0003934306900000017
其中，A为接收信号幅度，u(t)为t时间的线性调频信号，u(t)＝rect(t/Tp)exp(jπγt2)，tt为主动声呐周期性发射宽带线性调频信号时对应的时间，rect()为矩形脉冲函数，j为复数的虚部单位，j2＝-1；γ为调频斜率，γ＝B/Tp，B为发射信号带宽，Tp为发射信号脉宽，τ(tm)为传播延迟，fc为中心频率；α为多普勒因子；
对式(1)进行下变频，得到基带回波，对基带回波在频域进行匹配滤波，对匹配滤波后的基带回波进行归一化，得到快时间维频域-慢时间维时域矩阵：
Figure FDA0003934306900000021
其中，Smf(f,tm)为快时间维频域-慢时间维时域矩阵，f为快时间维频域上的频率，fd为脉冲内多普勒频率，fd＝(α-1)fc；
U(f)为u(t)的频谱，
Figure FDA0003934306900000022
3.根据权利要求2所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述慢时间tm＝mTr,m＝1,2,…,M；快时间
Figure FDA0003934306900000023
M为主动声呐发射脉冲的总次数，Tr为脉冲重复周期。
4.根据权利要求3所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述传播延迟τ(tm)＝2R(tm)/(c-v)，R(tm)为目标距离，v为目标径向速度，c为水下声速。
5.根据权利要求4所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述目标距离R(tm)＝R0+vtm，R0为目标初始距离。
6.根据权利要求5所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述多普勒因子α＝(c-v)/(c+v)。
7.根据权利要求6所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述步骤二中对步骤一输出的结果Smf(f,tm)进行宽带keystone变换，实现带宽B内的各个频率对应的模糊数F被修正补偿；
在快时间维对宽带keystone变换后的f进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure FDA0003934306900000024
具体过程为：
宽带keystone变换即对慢时间维做尺度变换，令：
Figure FDA0003934306900000031
其中，τm为变换后的虚拟慢时间；
将式(3)代入式(2)中，可得：
Figure FDA0003934306900000032
其中，Sfτ(f,τm)为对Smf(f,tm)进行宽带keystone变换后的快时间维频域-慢时间维时域矩阵；
当目标速度模糊时：
2v(fc+f)/c＝fa+F·PRF,|fa|＜PRF/2 (5)
其中，fa为实际检测到的多普勒频率，F为模糊数，PRF为脉冲重复频率，PRF＝1/Tr；
为保证频率f、慢时间tm和虚拟慢时间τm在宽带keystone变换前后为整数值，设Smf(n,m)和Sfτ(n,m)分别为Smf(f,tm)和Sfτ(f,τm)的离散表示形式，利用辛格函数sinc对Smf(n,m)进行插值，实现带宽B内的各个频率对应的模糊数F被修正补偿；
表达式为：
Figure FDA0003934306900000033
其中，C(F)为各频率处模糊数的补偿函数；Sfτ(n,m)为Sfτ(f,τm)的离散表示形式，l为插值的索引量，M为主动声呐发射脉冲的总次数，Smf(n,l)为Smf(n,m)在辛格函数sinc插值时的索引值，c为水下声速，n为对快时间维频域上的频率f离散后的快时间维频域上的点，m为对慢时间tm和虚拟慢时间τm离散后的慢时间点数；
对经过宽带keystone变换后的快时间维频域-慢时间维时域矩阵Sfτ(f,τm)在快时间维进行逆傅里叶变换，得到距离徒动校正后的快时间维-慢时间维信号
Figure FDA0003934306900000041
Figure FDA0003934306900000042
其中：
Figure FDA0003934306900000043
其中，
Figure FDA0003934306900000044
为距离徒动校正后的快时间维-慢时间维信号，χ(α,fd)为中间变量。
8.根据权利要求7所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述各频率处模糊数的补偿函数
Figure FDA0003934306900000045
模糊数F和频率f有关，表达式为
Figure FDA0003934306900000046
9.根据权利要求8所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述步骤三中对步骤二输出的结果
Figure FDA0003934306900000047
在慢时间维做傅里叶变换，得到相干积累结果；
在感兴趣的速度区间[vmin,vmax]内重复步骤一和步骤二，对各个搜索速度下的相干积累结果进行极大值检测，获得极大值检测结果的最大值，基于最大值获得对应的时延和此时的速度，完成对弱运动目标参数(时延和多普勒)的估计；具体过程为：
对式(7)在慢时间维做傅里叶变换，得到相干积累结果
Figure FDA0003934306900000048
Figure FDA0003934306900000049
其中，
Figure FDA00039343069000000410
为极大值检测结果的最大值对应的多普勒；
搜索感兴趣的速度区间[vmin,vmax]，并重复式(2)-式(9)；
vmin为目标径向速度最小值，vmax为目标径向速度最大值；
对搜索速度下的相干积累结果进行极大值检测，记录相干积累峰值最大值对应的时延和多普勒：
Figure FDA0003934306900000051
其中，τ(i)为第i个搜索速度下相干积累峰值最大值对应的时延，fd(i)为第i个搜索速度下相干积累峰值最大值对应的多普勒。
10.根据权利要求9所述的基于宽带keystone变换的水声弱运动目标检测方法，其特征在于：所述弱运动目标为：
当主动声呐接收到的第m个目标回波
Figure FDA0003934306900000052
的信噪比SNR满足0dB<SNR+10×log10(BTp)＜10dB，可认为目标为弱运动目标；
SNR为主动声呐接收到的第m个目标回波
Figure FDA0003934306900000053
的信噪比；
SNR+10×log10(BTp)是匹配滤波后快时间维频域-慢时间维时域矩阵Smf(f,tm)的信噪比；
其中，B为发射信号带宽，Tp为发射信号脉宽。
CN202211399125.7A 2022-11-09 2022-11-09 基于宽带keystone变换的水声弱运动目标检测方法 Active CN115685169B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211399125.7A CN115685169B (zh) 2022-11-09 2022-11-09 基于宽带keystone变换的水声弱运动目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211399125.7A CN115685169B (zh) 2022-11-09 2022-11-09 基于宽带keystone变换的水声弱运动目标检测方法

Publications (2)

Publication Number Publication Date
CN115685169A true CN115685169A (zh) 2023-02-03
CN115685169B CN115685169B (zh) 2023-07-14

Family

ID=85050678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211399125.7A Active CN115685169B (zh) 2022-11-09 2022-11-09 基于宽带keystone变换的水声弱运动目标检测方法

Country Status (1)

Country Link
CN (1) CN115685169B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117192523A (zh) * 2023-08-25 2023-12-08 哈尔滨工程大学 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040150552A1 (en) * 2003-01-30 2004-08-05 Barbella Peter F. Technique for non-coherent integration of targets with ambiguous velocities
US20080174475A1 (en) * 2006-10-20 2008-07-24 David Charles Clark Signal processing for accelerating moving targets
CA2654615A1 (en) * 2008-02-22 2009-08-22 Thales Nederland B.V. A method for measuring the radial velocity of a target with a doppler radar
CN102628937A (zh) * 2012-04-20 2012-08-08 西安电子科技大学 基于广义keystone变换和非相参积累的雷达检测方法
CN106970371A (zh) * 2017-04-28 2017-07-21 电子科技大学 一种基于Keystone和匹配滤波的目标检测方法
CN111736128A (zh) * 2020-06-22 2020-10-02 西安电子科技大学 基于skt-siaf-mscft的相参积累方法
CN113267756A (zh) * 2021-05-13 2021-08-17 上海交通大学 天基雷达空间运动目标检测和参数估计方法及系统
CN113900088A (zh) * 2021-09-17 2022-01-07 中国科学院国家空间科学中心 一种针对匀加速机动目标的长时间相参积累方法及系统
CN114660558A (zh) * 2022-03-26 2022-06-24 西安电子科技大学 基于改进keystone的等离子鞘套包覆目标相参积累方法、系统、设备及存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040150552A1 (en) * 2003-01-30 2004-08-05 Barbella Peter F. Technique for non-coherent integration of targets with ambiguous velocities
US20080174475A1 (en) * 2006-10-20 2008-07-24 David Charles Clark Signal processing for accelerating moving targets
CA2654615A1 (en) * 2008-02-22 2009-08-22 Thales Nederland B.V. A method for measuring the radial velocity of a target with a doppler radar
CN102628937A (zh) * 2012-04-20 2012-08-08 西安电子科技大学 基于广义keystone变换和非相参积累的雷达检测方法
CN106970371A (zh) * 2017-04-28 2017-07-21 电子科技大学 一种基于Keystone和匹配滤波的目标检测方法
CN111736128A (zh) * 2020-06-22 2020-10-02 西安电子科技大学 基于skt-siaf-mscft的相参积累方法
CN113267756A (zh) * 2021-05-13 2021-08-17 上海交通大学 天基雷达空间运动目标检测和参数估计方法及系统
CN113900088A (zh) * 2021-09-17 2022-01-07 中国科学院国家空间科学中心 一种针对匀加速机动目标的长时间相参积累方法及系统
CN114660558A (zh) * 2022-03-26 2022-06-24 西安电子科技大学 基于改进keystone的等离子鞘套包覆目标相参积累方法、系统、设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
QIAN YUNING 等: "Sonar Broadband Adaptive Beamforming Based on Enhanced Keystone Transform", 《JOURNAL OF ELECTRONICS & INFORMATION TECHNOLOGY》 *
吴孙勇 等: "提高雷达机动目标检测性能的二维频率域匹配方法", 电子学报, no. 12 *
战立晓 等: "超声速弱目标二维频域检测与参数估计算法", 信号处理, no. 12 *
鲁晓飞 等: "基于速度补偿后多普勒模糊搜索的宽带Keystone方法", 《电子技术与软件工程》, pages 134 - 138 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117192523A (zh) * 2023-08-25 2023-12-08 哈尔滨工程大学 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法
CN117192523B (zh) * 2023-08-25 2024-04-26 哈尔滨工程大学 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法

Also Published As

Publication number Publication date
CN115685169B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
CN108761404B (zh) 一种基于二次相位函数参数估计及补偿的改进算法
US5227801A (en) High resolution radar profiling using higher-order statistics
Huang et al. Radar high speed small target detection based on keystone transform and linear canonical transform
CN110907910B (zh) 一种分布式相参雷达动目标回波相参合成方法
CN110133654B (zh) 一种高轨卫星sar动目标检测方法
CN107450055B (zh) 基于离散线性调频傅立叶变换的高速机动目标检测方法
CN110161472B (zh) 一种基于信号复用的宽带车载毫米波雷达解速度模糊方法
CN111736128A (zh) 基于skt-siaf-mscft的相参积累方法
CN110850384B (zh) 一种基于扫频数据产生宽带去斜回波的方法
CN115828074B (zh) 一种辐射源目标定位参数联合估计方法
CN113093120B (zh) 基于capon算法的PRI捷变雷达目标参数估计方法
CN107356908B (zh) 一种捷变频信号相参积累方法
CN111580063B (zh) 基于广义解调频-楔形变换的雷达目标检测方法
CN115685169B (zh) 基于宽带keystone变换的水声弱运动目标检测方法
Fu et al. A novel method for fast detection of high-speed targets
CN114545351A (zh) 基于距离频率轴反转变换和二阶wvd的机动目标相参检测方法及系统
US10386471B1 (en) Velocity estimation with linear frequency modulated (LFM) waveforms
CN109143235A (zh) 一种双基前视合成孔径雷达地面运动目标检测方法
CN115436929A (zh) 一种基于比幅测角模式的锯齿波雷达测速扩展方法
CN115877350A (zh) 一种和差波束体制雷达时变目标角度估计方法和装置
US5231403A (en) Moving target indicator using higher order statistics
Isar et al. Wavelet Based Adaptive Detection of Automotive Radar Single Target with Low SNR
CN117192523B (zh) 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法
CN116736297B (zh) 一种异构多帧联合相参积累方法
CN115372913B (zh) 一种目标距离走动快速补偿方法

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