CN115754970A - 一种分布式无人机载雷达空时自适应目标检测方法与系统 - Google Patents
一种分布式无人机载雷达空时自适应目标检测方法与系统 Download PDFInfo
- Publication number
- CN115754970A CN115754970A CN202211653299.1A CN202211653299A CN115754970A CN 115754970 A CN115754970 A CN 115754970A CN 202211653299 A CN202211653299 A CN 202211653299A CN 115754970 A CN115754970 A CN 115754970A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- detection
- aerial vehicle
- target
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 112
- 239000013598 vector Substances 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 230000014509 gene expression Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- QVRVXSZKCXFBTE-UHFFFAOYSA-N n-[4-(6,7-dimethoxy-3,4-dihydro-1h-isoquinolin-2-yl)butyl]-2-(2-fluoroethoxy)-5-methylbenzamide Chemical compound C1C=2C=C(OC)C(OC)=CC=2CCN1CCCCNC(=O)C1=CC(C)=CC=C1OCCF QVRVXSZKCXFBTE-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 230000002411 adverse Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种分布式无人机载雷达空时自适应目标检测方法与系统,根据发射信号的无人机数量、接收信号的无人机数量、每架无人机具备的阵元数、发射脉冲数、待检测目标方位,构造待检测数据、信号导向矢量、训练样本;利用待检测数据、信号导向矢量、训练样本构造子检测统计量;将子检测统计量相加求和构造最终的检测统计量;利用检测统计量和虚警概率确定检测门限;比较检测统计量与检测门限之间的大小,并判决目标是否存在。通过分布式探测并联合利用空时特性,既降低了单架无人机的压力,又能兼顾在强杂波环境中探测运动目标的功能,并且可从多个角度对目标探测,降低了目标闪烁带来的不利影响,从而提升了目标检测性能。
Description
技术领域
本发明涉及分布式无人机载雷达目标检测方法与系统,尤其涉及一种分布式无人机载雷达空时自适应目标检测方法与系统。
背景技术
无人机作为新兴的空中作战力量,可提供持久的情报、监视和侦察能力,以及精确和及时的火力支持,具有零人员伤亡、使用限制少、隐蔽性好、可远程作战、效费比高等特点。然而,单部无人机由于载荷有效,作战效能不佳。而由多部无人机组成的无人机集群可以分布式模型展开探测及火力攻击,作战效能大为提高。雷达是最主要的战场信息获取传感器之一,现有无人机分布式雷达目标检测方法较少。
专利(分布式无人机MIMO雷达的非相参融合目标检测方法,申请公布号CN110412559 A,申请号201910681853.9)提出了一种针对分布式无人机的MIMO雷达非相参融合目标检测方法,利用分布式无人机对目标进行融合检测。由于无人机克服了地形地物的遮挡,可从高空探测目标,从而增加了预警时间。此外,由于无人机集群以分布式方式对目标进行探测,降低了目标闪烁特性带来的不利影响。然而,上述专利所提方法假设待检测距离单元的杂波加噪声协方差矩阵已知,这一要求往往在实际中无法满足。
发明内容
为了解决上述技术难题,本发明提供一种分布式无人机载雷达空时自适应目标检测方法与系统,用以克服现有技术中分布式无人机载雷达目标检测困难的问题。
为实现上述目的,本发明提供一种分布式无人机载雷达空时自适应目标检测方法,包括:
步骤1,根据发射信号的无人机数量、接收信号的无人机数量、每架无人机具备的阵元数、发射脉冲数、待检测目标方位,构造待检测数据、信号导向矢量、训练样本;
步骤2,利用所述待检测数据、信号导向矢量、训练样本构造子检测统计量;
步骤3,将所述子检测统计量相加求和构造最终的检测统计量;
步骤4,利用所述检测统计量和虚警概率确定检测门限;
步骤5,比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
进一步,所述步骤1中,发射信号的无人机数量为、接收信号的无人机数量为、每架发射信号的无人机含有的阵元天线数为,,每架发射信号的无人机均发射个脉冲,每架接收信号的无人机含有的阵元天线数为,,待检测数据为,,,的维数为,信号导向矢量为,维数为,训练样本为,,为训练样本数。
和
进一步,所述步骤2中,所构造的子检测统计量为:
进一步,所述步骤3中,所构造的最终检测统计量为:
进一步,所述步骤4中,所述检测门限为:
另一方面,本发明提供一种分布式无人机载雷达空时自适应目标检测方法的系统,包含:
待检测数据和训练样本数据构造模块,用以构造待检测数据和训练样本数据;
信号导向矢量构造模块,用以构造信号导向矢量;
子检测统计量构造模块,用以利用所述待检测数据、训练样本和信号导向矢量构造子检测统计量;
总检测统计量构造模块,用以利用子检测统计量构造检测统计量;
检测门限确定模块,用以利用所述检测统计量和虚警概率确定检测门限;
目标判决模块,用以比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
与现有技术相比,本发明的有益效果在于:
(1)通过布局发射信号无人机、接收信号无人机,使雷达从不同角度观测目标,降低了目标闪烁对雷达探测性能的影响;
附图说明
图1为本发明所述方法原理示意图;
图2为利用本发明所述方法构建的系统流程图;
图3为本发明所述方法与现有方法在不同信杂噪比下的检测概率比较图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方所述式。本领域技术人员应当理解的是,这些实施方所述式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
首先,实施例中用到的专业术语进行解释,
蒙特卡洛(Monte Carlo)仿真:是一种器件参数变化分析,使用随机抽样估计来估算数学函数的计算的方法。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
假设有架无人机发射信号、架无人机接收信号,无人机之间均分布散开,第架发射信号的无人机含有个阵元天线,,每个发射天线发射个脉冲,且不同阵元天线发射的波形相互正交;第架接收信号的无人机含有个阵元天线,。令第架发射信号的无人机的第个发射阵元发射的波形为,,则经过匹配滤波消除波形信息后第架接收信号的无人机接收到的第个发射机发射的个回波信号可表示为:
和
则检测问题可用下式所示的二元假设检验表示为
需要指出的是,无人机处于运动状态时,原本固定的地杂波返回无人机载雷达的回波具有非零的多普勒频率,并且多普勒频率覆盖范围广、强度大,远远高于目标回波的强度,即协方差矩阵的大特征值远远大于目标幅度。为了消除杂波的影响,必须要对杂波进行有效抑制才能检测到目标。然而,协方差矩阵在实际环境中通常是未知的。为了对协方差矩阵进行估计,需要用到一定数量的训练样本,设定存在个不含目标的训练样本,,为中最大值,为中最大值。记第架用于发射信号的无人机和第架用于接收信号的无人机对应的第个训练样本为
综述所述,式(6)中的检测问题可修正为下式所示的二元假设检验:
和
其中,为训练样本数据矩阵,表示待检测数据和训练样本在假设检验下的联合概率密度函数,表示待检测数据和训练样本在假设检验下的联合概率密度函数,符号表示矩阵的行列式,符号表示矩阵的迹,符号表示共轭转置,符号表示矩阵逆。在式(9)和(10)中,和未知。
为了实现分布式无人机载雷达目标检测,请参阅图1所示,本发明提供了一种分布式无人机载雷达空时自适应目标检测方法与系统,包括:
步骤1,根据发射信号的无人机数量、接收信号的无人机数量、每架无人机具备的阵元数、发射脉冲数、待检测目标方位,构造待检测数据、信号导向矢量、训练样本;
步骤2,利用所述待检测数据、信号导向矢量、训练样本构造子检测统计量;
步骤3,将所述子检测统计量相加求和构造最终的检测统计量;
步骤4,利用所述检测统计量和虚警概率确定检测门限;
步骤5,比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
具体而言,所述步骤1中,发射信号的无人机数量为 、接收信号的无人机数量为、每架发射信号的无人机含有的阵元天线数为,,每架发射信号的无人机均发射个脉冲,每架接收信号的无人机含有的阵元天线数为,,待检测数据为,,,的维数为,信号导向矢量为,维数为,训练样本为,,为训练样本数。
和
具体而言,所述步骤2中,所构造的子检测统计量为:
具体而言,所述步骤3中,所构造的最终检测统计量为:
具体而言,所述步骤4中,所述检测门限为:
请参阅图2所示,本发明提供了一种分布式无人机载雷达空时自适应目标检测方法的系统,其特征在于,包含:
待检测数据和训练样本数据构造模块,用以构造待检测数据和训练样本数据;
信号导向矢量构造模块,用以构造信号导向矢量;
子检测统计量构造模块,用以利用所述待检测数据、训练样本和信号导向矢量构造子检测统计量;
总检测统计量构造模块,用以利用子检测统计量构造检测统计量;
检测门限确定模块,用以利用所述检测统计量和虚警概率确定检测门限;
目标判决模块,用以比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
从图中可以看出,本发明所提方法相比单基地自适应匹配滤波检测器,检测性能有明显提升,并且检测概率随着无人机架次的增加而提升。
至此,已经结合附图所示的优选实施方所述式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方所述式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;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保护范围之内。
Claims (8)
1.一种分布式无人机载雷达空时自适应目标检测方法,其特征在于,包括:
步骤1,根据发射信号的无人机数量、接收信号的无人机数量、每架无人机具备的阵元数、发射脉冲数、待检测目标方位,构造待检测数据、信号导向矢量、训练样本;
步骤2,利用所述待检测数据、信号导向矢量、训练样本构造子检测统计量;
步骤3,将所述子检测统计量相加求和构造最终的检测统计量;
步骤4,利用所述检测统计量和虚警概率确定检测门限;
步骤5,比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
8.根据权利要求1-7任一所述的一种分布式无人机载雷达空时自适应目标检测方法的系统,其特征在于,包含:
待检测数据和训练样本数据构造模块,用以构造待检测数据和训练样本数据;
信号导向矢量构造模块,用以构造信号导向矢量;
子检测统计量构造模块,用以利用所述待检测数据、训练样本和信号导向矢量构造子检测统计量;
总检测统计量构造模块,用以利用子检测统计量构造检测统计量;
检测门限确定模块,用以利用所述检测统计量和虚警概率确定检测门限;
目标判决模块,用以比较所述检测统计量与所述检测门限之间的大小,并判决目标是否存在。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211653299.1A CN115754970A (zh) | 2022-12-22 | 2022-12-22 | 一种分布式无人机载雷达空时自适应目标检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211653299.1A CN115754970A (zh) | 2022-12-22 | 2022-12-22 | 一种分布式无人机载雷达空时自适应目标检测方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115754970A true CN115754970A (zh) | 2023-03-07 |
Family
ID=85347146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211653299.1A Pending CN115754970A (zh) | 2022-12-22 | 2022-12-22 | 一种分布式无人机载雷达空时自适应目标检测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115754970A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887119A (zh) * | 2010-06-18 | 2010-11-17 | 西安电子科技大学 | 基于子带anmf海杂波中动目标检测方法 |
CN106054165A (zh) * | 2016-06-08 | 2016-10-26 | 中国人民解放军海军航空工程学院 | 一种实现分布式无源雷达目标检测的方法 |
CN106483515A (zh) * | 2016-09-23 | 2017-03-08 | 西安电子科技大学 | 均匀k分布杂波下的最优自适应检测方法 |
CN114114192A (zh) * | 2021-12-02 | 2022-03-01 | 电子科技大学 | 集群目标检测方法 |
CN114660567A (zh) * | 2022-05-25 | 2022-06-24 | 中国人民解放军空军预警学院 | 部分均匀环境中存在野值时的雷达目标检测方法与系统 |
CN114994632A (zh) * | 2022-08-03 | 2022-09-02 | 中国人民解放军空军预警学院 | 一种基于对称功率谱密度的雷达目标检测方法与系统 |
CN115032623A (zh) * | 2022-08-10 | 2022-09-09 | 中国人民解放军空军预警学院 | 子空间信号失配时双参数加权的扩展目标检测方法与系统 |
CN115079119A (zh) * | 2022-06-16 | 2022-09-20 | 电子科技大学 | 非理想正交波形的dmimo雷达多目标检测与定位方法 |
-
2022
- 2022-12-22 CN CN202211653299.1A patent/CN115754970A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101887119A (zh) * | 2010-06-18 | 2010-11-17 | 西安电子科技大学 | 基于子带anmf海杂波中动目标检测方法 |
CN106054165A (zh) * | 2016-06-08 | 2016-10-26 | 中国人民解放军海军航空工程学院 | 一种实现分布式无源雷达目标检测的方法 |
CN106483515A (zh) * | 2016-09-23 | 2017-03-08 | 西安电子科技大学 | 均匀k分布杂波下的最优自适应检测方法 |
CN114114192A (zh) * | 2021-12-02 | 2022-03-01 | 电子科技大学 | 集群目标检测方法 |
CN114660567A (zh) * | 2022-05-25 | 2022-06-24 | 中国人民解放军空军预警学院 | 部分均匀环境中存在野值时的雷达目标检测方法与系统 |
CN115079119A (zh) * | 2022-06-16 | 2022-09-20 | 电子科技大学 | 非理想正交波形的dmimo雷达多目标检测与定位方法 |
CN114994632A (zh) * | 2022-08-03 | 2022-09-02 | 中国人民解放军空军预警学院 | 一种基于对称功率谱密度的雷达目标检测方法与系统 |
CN115032623A (zh) * | 2022-08-10 | 2022-09-09 | 中国人民解放军空军预警学院 | 子空间信号失配时双参数加权的扩展目标检测方法与系统 |
Non-Patent Citations (4)
Title |
---|
GHOBADZADEH: "Separating function estimation test for binary distributed radar detection with unknown parameters", IEEE TRANSACTION ON AEROSPACE AND ELECTRONIC SYSTEMS, 14 September 2018 (2018-09-14) * |
YANG SHIXING: "Multitarget detection strategy for distributed MIMO radar with widely separated antennas", IEEE TRANSACTION ON GEOSCIENCE AND REMOTE SENSING, 13 May 2022 (2022-05-13) * |
周涛: "分布式多站雷达直接定位技术研究", 中国博士学位论文全文数据库 (信息科技辑), 15 March 2022 (2022-03-15) * |
庞晓宇: "分布式MIMO雷达的自适应检测研究", 中国优秀硕士学位论文全文数据库 (信息科技辑), 15 February 2015 (2015-02-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110412559B (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
CN107037410B (zh) | 一种对雷达进行干扰的方法、装置及频控阵干扰机 | |
CN109946665B (zh) | 基于阵列雷达的获取真实目标的方法 | |
CN104914415B (zh) | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 | |
JP2019090824A (ja) | レーダーにおける角度分解能 | |
CN109444820B (zh) | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 | |
CN106338723A (zh) | 一种基于互质脉冲重复间隔的空时自适应处理方法及装置 | |
CN109765529B (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
KR102275960B1 (ko) | 딥러닝 기반의 레이다 표적 탐지 시스템 및 그 방법 | |
CN110865362A (zh) | 一种基于fda-mimo雷达的低慢小目标检测方法 | |
CN116359857B (zh) | 机载预警雷达空时频自适应抗主瓣欺骗干扰方法与装置 | |
CN110632569B (zh) | 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 | |
CN105487054B (zh) | 提高基于mimo-ofdm雷达stap最差检测性能的稳健波形设计方法 | |
CN111896928B (zh) | 基于有源欺骗式干扰消除的多站雷达目标检测方法 | |
Yu et al. | MIMO adaptive beamforming for nonseparable multipath clutter mitigation | |
CN114609623B (zh) | 单脉冲雷达的目标检测方法、装置和计算机设备 | |
CN109283497A (zh) | 双基地fda-mimo雷达距离欺骗干扰识别方法 | |
CN112147584A (zh) | 一种基于非均匀杂波的mimo雷达扩展目标检测方法 | |
CN115291207A (zh) | 基于mimo雷达的小型旋翼无人机多目标检测方法 | |
Yu et al. | Polarimetric multiple-radar architectures with distributed antennas for discriminating between radar targets and deception jamming | |
CN110346802B (zh) | 基于计算水声信道参数的水下目标探测方法 | |
CN115754970A (zh) | 一种分布式无人机载雷达空时自适应目标检测方法与系统 | |
CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
CN115902881B (zh) | 一种分布式无人机载雷达扩展目标检测方法与系统 | |
CN113267759B (zh) | 一种fda-mimo雷达运动目标检测方法与系统 |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Liu Weijian Inventor after: Li Hao Inventor after: Sun Hemin Inventor after: Li Binbin Inventor before: Liu Weijian Inventor before: Li Hao Inventor before: Sun Hemin Inventor before: Li Binbin |