CN115825914A - 一种雷达微波功率合成数据信息处理方法 - Google Patents

一种雷达微波功率合成数据信息处理方法 Download PDF

Info

Publication number
CN115825914A
CN115825914A CN202310107700.XA CN202310107700A CN115825914A CN 115825914 A CN115825914 A CN 115825914A CN 202310107700 A CN202310107700 A CN 202310107700A CN 115825914 A CN115825914 A CN 115825914A
Authority
CN
China
Prior art keywords
model
data
trace
radar
formula
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
CN202310107700.XA
Other languages
English (en)
Other versions
CN115825914B (zh
Inventor
耿光宇
王希
左源
朱可嘉
刘立立
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.)
Beijing Qixing Huachuang Microwave Electronic Technology Co ltd
Original Assignee
Beijing Qixing Huachuang Microwave Electronic Technology Co ltd
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 Beijing Qixing Huachuang Microwave Electronic Technology Co ltd filed Critical Beijing Qixing Huachuang Microwave Electronic Technology Co ltd
Priority to CN202310107700.XA priority Critical patent/CN115825914B/zh
Publication of CN115825914A publication Critical patent/CN115825914A/zh
Application granted granted Critical
Publication of CN115825914B publication Critical patent/CN115825914B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种雷达微波功率合成数据信息处理方法，涉及雷达微波功率合成数据信息处理技术领域，包括：微波的产生以及微波功率的合成、点迹预处理、点迹数据的互联、对点迹进行处理、频谱曲线的获取和峰值信息的获取；通过采用双层板的多路触发控制系统对电子束进行控制，采用信息处理系统对雷达采样数据进行处理，大大提高了数据处理的速度，也能更好地进行存储雷达数据，提高了数据处理的安全性；通过带有Roberts算子以及余弦曲线模型边缘检测方法提取频谱曲线，在低信噪比以及多条频谱的情况下完成对时频谱曲线的提取，获得即时频率，提高了数据的准确性与时效性。

Description

一种雷达微波功率合成数据信息处理方法
技术领域
本发明涉及雷达微波功率合成数据信息处理技术领域，且更确切地涉及一种雷达微波功率合成数据信息处理方法。
背景技术
微波功率合成是指为了提高微波固态振荡器的输出功率而采用将多个振荡源输出功率合成的技术。雷达微波功率合成能够将多个振荡二极管安装在同一个微波谐振腔中，以实现各器件输出功率的合成，在具体应用中，比如(1)将多个振荡二极管安装在同一个微波谐振腔中，以实现各器件输出功率的合成；(2)将多个振荡器通过各种形式的外电路耦合进行功率合成。雷达微波功率合成过程中容易受到不同数据信息的影响，也会产生各种无用的数据信息。
雷达微波功率合成数据信息处理过程中，很容易产生数据信息干扰，比如微波经两个探针传输至反射体形成合路，达到微波功率的合成的过程中容易产生谐波、磁场、干扰、串扰等多种数据信息，对数据的获取产生了影响，造成数据获取不准确，不及时，如何实现雷达微波功率合成数据信息处理是亟待解决的技术问题，为了提高雷达微波功率合成数据信息处理能力，本发明公开一种雷达微波功率合成数据信息处理方法。
发明内容
针对上述问题，本发明公开一种雷达微波功率合成数据信息处理方法，采用双层板的多路触发控制系统对电子束进行控制，采用信息处理系统对雷达采样数据进行处理，大大提高了数据处理的速度，也能更好地进行存储雷达数据，提高了数据处理的安全性；通过带有Roberts算子以及余弦曲线模型边缘检测方法提取频谱曲线，在低信噪比以及多条频谱的情况下完成对时频谱曲线的提取，获得即时频率，提高了数据的准确性与时效性。
为了实现上述技术效果，本发明采用以下技术方案：
一种雷达微波功率合成数据信息处理方法，包括以下方法：
步骤一：微波的产生以及微波功率的合成；
在步骤一中，通过多台雷达发射装置输出的电子束，经多路触发控制系统同步控
制电子束出束时间间隔；雷达发射装置输出的电子束通过后加速相对论速调管产生微波，所述微波通过具有光纤放大器的种子源使多束微波锁相，并通过移相器控制微波相位同步，微波经过辐射天线向目标辐射，在目标物体上实现功率合成；
步骤二：点迹预处理；
在步骤二中，在信息处理系统中，把每一种雷达微波功率合成数据信息种类新点迹从目标量测坐标系转换到数据处理所在坐标系，获取雷达数据并对所述雷达功率合成数据进行预处理得到待选点迹对应的待选点迹数据；所述待选点迹数据包含点迹属性信息；
步骤三：点迹数据的互联；
在步骤三中，建立当前时刻新点迹与历史数据之间的关系，以确定这些点迹是否来自同一个目标；新点迹与历史数据之间的关系分为新点迹与旧点迹的互联、新点迹与航迹的互联；点迹与点迹的互联方法同点航互联的方法一致；利用两种波门对所述待选点迹数据进行第一层和第二层关联筛选获得目标点迹数据，将所述目标点迹数据对应的目标点迹形成临时航迹；
步骤四：对点迹进行处理；
在步骤四中，对来自目标的新点迹量测值进行处理，采用交互多模型算法对多个目标模型的有效组合来实现对目标机动状态的自适应估计；采用卡尔曼滤波器进行跟踪；所述交互多模型算法模型包括：匀速直线运动模型、匀加速直线运动模型和辛格模型；
步骤五：频谱曲线的获取；
在步骤五中，根据雷达微波功率合成的采样数据信息，获取所属的频谱曲线；其中，所述频谱曲线用于表示所述微波雷达的采样数据的幅度与采样频率之间变化关系；采用带有Roberts算子以及余弦曲线模型的边缘检测对频谱曲线进行提取；
步骤六：峰值信息的获取；
在步骤六中，对所述频谱曲线进行曲线拟合，获得曲线拟合后的峰值信息，所述峰值信息的获取通过带有余弦函数曲线的拉格朗日插值确定；所述峰值信息通过将余弦曲线函数转换成拉格朗日模型获取。
作为本发明进一步的技术方案，所述的一种雷达微波功率合成数据信息处理方法，其中所述多路触发控制系统包括嵌入式主控模块、电源管理模块和数据采集模块；所述嵌入式主控模块包括嵌入式控制电路板；所述嵌入式控制电路板采用双层板，包括上层核心板和下层底板；所述上层核心板和下层底板为两层接插式设计；所述上层核心板包括:ARM处理器和FPGA处理器;ARM处理器作为PS端,FPGA处理器作为PL端;所述ARM处理器和FPGA处理器的控制管脚和接口管脚通过插针引入下层底板，上层核心板与下层底板间通过高速板间连接器连接;所述下层底板为底层电源管理、开关及接口电路板；所述电源管理模块包括:AD采集芯片；所述数据采集模块包括:真空传感器；所述嵌入式主控模块电路板通过光电控制端口、+24V开关控制端口控制雷达发射装置；所述雷达发射装置运行时所述AD采集芯片与所述真空传感器连接；所述ARM处理器为XC7ZO35芯片、4片512MBDDR3内存、8GBFlash芯片和512Mb QSPIFLASH静态存储构成的最小系统；所述FPGA 处理器对数据处理方式为并行处理方式。
作为本发明进一步的技术方案，所述的一种雷达微波功率合成数据信息处理方法，其中所述高速板间连接器包括：24V电源接口、AD数据读取接口、调试USB接口、两个网口以及SD卡座；所述24V电源接口用于连接电源，所述AD数据读取接口用于将微波源状态信号传递至嵌入式控制电路板，所述调试USB接口用于与综合管理系统中的主机相连，JTAG端与核心板相连，用于将调试代码下载到上层核心板上，所述两个网口用于从互联网下载调试代码,所述SD卡座用于插入SD卡，将代码下载至SD卡内,选择SD卡方式启动。
作为本发明进一步的技术方案，所述的一种雷达微波功率合成数据信息处理方法，其中k时刻的电压变化量计算公式为：
Figure SMS_1
（1）
公式（1）中，U(k+1)为k+1时刻的电压值，U(k)为k时刻的电压值，
Figure SMS_2
为k时刻的电压变化量；
所述匀速直线运动模型、匀加速直线运动模型和辛格模型分别为：
k时刻的匀速模型为：
Figure SMS_3
（2）
公式（2）中，w(k)为k时刻匀速模型的模型状态噪声，是均值为0，方差为
Figure SMS_4
的高斯白噪声；X（k）为k时刻状态矢量矩阵，X（k+1）为k+1时刻状态矢量矩阵；
k时刻的匀加速模型为：
Figure SMS_5
（3）
公式（3）中，w 1(k)为k时刻匀加速模型的模型状态噪声，是均值为0，方差为
Figure SMS_6
的高斯白噪声；
k时刻的辛格模型为：
Figure SMS_7
（4）
公式（4）中，α为k时刻辛格模型的机动频率；e为常数；w 2(k)为k时刻辛格模型的模型状态噪声；
作为本发明进一步的技术方案，所述的一种雷达微波功率合成数据信息处理方法，其中所述步骤四通过交互多模型算法对多个目标模型的有效组合来实现对目标机动状态的自适应估计；采用卡尔曼滤波器进行跟踪；
k时刻交互多模型算法预测输出为：
Figure SMS_8
（5）
公式（5）中，X表示状态矢量，
Figure SMS_9
表示为总的状态估计，也表示k+1时刻跟踪门建立的原点，u k （i）表示k时刻i模型的概率，
Figure SMS_10
表示滤波器的状态估计；
Figure SMS_11
（6）
公式（6）中，
Figure SMS_12
表示k时刻状态协方差。
作为本发明进一步的技术方案，所述的一种雷达微波功率合成数据信息处理方法，其中频谱曲线提取的方法为：
采用带有Roberts算子以及余弦曲线模型边缘检测对频谱曲线进行提取，计算采样数据的时频分布X×Y维矩阵
Figure SMS_13
中各元素的k次方；所述计算各元素的k次方即增大矩阵
Figure SMS_14
中各元素之间的差值，得到一个新的X×Y维矩阵，新的矩阵为：
Figure SMS_15
（7）
公式（7）中，n表示时间点序列， f m 表示频率点序列，x，y分别表示新矩阵
Figure SMS_16
的行和列；
对矩阵
Figure SMS_17
使用Roberts算子进行边缘检测，为了得到
Figure SMS_18
)的梯度幅值，采用的公式为：
Figure SMS_19
（8）
公式（8）中，G表示梯度幅值；
选取梯度幅值
Figure SMS_20
的平均值作为阈值，平均值求取公式为：
Figure SMS_21
（9）
公式（9）中，T g 表示
Figure SMS_22
的平均值，X为
Figure SMS_23
的行数，Y为
Figure SMS_24
的列数；将平均值T g 与
Figure SMS_25
进行比较，将
Figure SMS_26
化为二值边缘矩阵，关系式为：
Figure SMS_27
（10）
公式（10）中，H表示二值边缘矩阵；由关系式（10）得到只含有0和1的二值边缘矩阵
Figure SMS_28
；对二值边缘矩阵
Figure SMS_29
处理，为了计算二值边缘矩阵
Figure SMS_30
中每列的边缘点个数，计算的公式为：
Figure SMS_31
（11）
公式（11）中，u表示每列边缘点个数；将二值边缘矩阵
Figure SMS_32
边缘点两两合并，得到矩阵
Figure SMS_33
；
为了建立I×J维参数空间
Figure SMS_34
，I，J分别为参数空间中周期时间点数和相位角度点数，采用余弦曲线模型，余弦曲线模型公式为：
Figure SMS_35
（12）
公式（12）中，T表示曲线周期，
Figure SMS_36
表示曲线的相位，A表示曲线的幅度；将参数空间中每个参数空间点
Figure SMS_37
代入余弦曲线模型中，得到的公式为：
Figure SMS_38
（13）
将矩阵
Figure SMS_39
中所有边缘点位置的行和列代入参数点的模型中，通过
Figure SMS_40
累加器找出局部最大值点，得到曲线的条数以及各条时频谱曲线的参数。
作为本发明进一步的技术方案，所述的一种雷达微波功率合成数据信息处理方法，其中所述峰值信息包括峰值幅度和峰值频率；所述峰值信息的获取通过拉格朗日插值确定；峰值获取信息方法包括：
将余弦曲线函数转换成拉格朗日模型，其中，所述拉格朗日模型用于反映所述峰值幅度与所述多个采样数据的幅度、所述峰值频率与峰值区域中幅度最大的第一采样数据的采样频率的偏移量、之间的函数关系；对所述拉格朗日模型进行求导处理并令求导结果为0，确定偏移量；根据偏移量和峰值区域中幅度最大的采样数据的采样频率，确定峰值频率；根据所述峰值频率和所述拉格朗日模型，确定所述峰值幅度。
本发明有益的积极效果在于：
区别于常规技术，本发明通过采用双层板的多路触发控制系统对电子束进行控制，采用信息处理系统对雷达采样数据进行处理，大大提高了数据处理的速度，也能更好地进行存储雷达数据，提高了数据处理的安全性；通过带有Roberts算子以及余弦曲线模型边缘检测方法提取频谱曲线，在低信噪比以及多条频谱的情况下完成对时频谱曲线的提取，获得即时频率，提高了数据的准确性与时效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图，其中：
图1展示了本发明一种雷达微波功率合成数据信息处理方法流程图；；
图2展示了本发明边缘检测方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明；
一种雷达微波功率合成数据信息处理方法，如图1所示，包括以下方法：
步骤一：微波的产生以及微波功率的合成；
在步骤一中，通过多台雷达发射装置输出的电子束，经多路触发控制系统同步控
制电子束出束时间间隔；雷达发射装置输出的电子束通过后加速相对论速调管产生微波，所述微波通过具有光纤放大器的种子源使多束微波锁相，并通过移相器控制微波相位同步，微波经过辐射天线向目标辐射，在目标物体上实现功率合成；
步骤二：点迹预处理；
在步骤二中，在信息处理系统中，把每一种雷达微波功率合成数据信息种类新点迹从目标量测坐标系转换到数据处理所在坐标系，获取雷达数据并对所述雷达功率合成数据进行预处理得到待选点迹对应的待选点迹数据；所述待选点迹数据包含点迹属性信息；
步骤三：点迹数据的互联；
在步骤三中，建立当前时刻新点迹与历史数据之间的关系，以确定这些点迹是否来自同一个目标；新点迹与历史数据之间的关系分为新点迹与旧点迹的互联、新点迹与航迹的互联；点迹与点迹的互联方法同点航互联的方法一致；利用两种波门对所述待选点迹数据进行第一层和第二层关联筛选获得目标点迹数据，将所述目标点迹数据对应的目标点迹形成临时航迹；
步骤四：对点迹进行处理；
在步骤四中，对来自目标的新点迹量测值进行处理，采用交互多模型算法对多个目标模型的有效组合来实现对目标机动状态的自适应估计；采用卡尔曼滤波器进行跟踪；所述交互多模型算法模型包括：匀速直线运动模型、匀加速直线运动模型和辛格模型；
步骤五：频谱曲线的获取；
在步骤五中，根据雷达微波功率合成的采样数据信息，获取所属的频谱曲线；其中，所述频谱曲线用于表示所述微波雷达的采样数据的幅度与采样频率之间变化关系；采用带有Roberts算子以及余弦曲线模型的边缘检测对频谱曲线进行提取；
步骤六：峰值信息的获取；
在步骤六中，对所述频谱曲线进行曲线拟合，获得曲线拟合后的峰值信息，所述峰值信息的获取通过带有余弦函数曲线的拉格朗日插值确定；所述峰值信息通过将余弦曲线函数转换成拉格朗日模型获取。
在具体实施例中，信息处理系统采用共享存储并行计算机系统和分布式存储并行计算机系统进行数据处理，所述共享存储计算机系统配置为：Intel Xeon W3565 四核处理器Linux2.6.32 操作系统，6GB内存，四个处理器核通过处理器内部的互连总线共享内存；所述分布式存储计算机系统由四个节点组成,每个节点配置为Intel Xeon W3565 处理器，Linux 2.6.32 操作系统，6 GB内存，千兆以太网卡，节点之间通过千兆以太网交换机进行通信；共享存储并行计算机系统提供了一个对用户友好的编程视角，处理器间的通信通过共享存储的方式实现，速度快，其缺点是需要用户保证存储一致性，扩展性较差。分布式存储计算机系统中每个处理器都有自己独立的内存，本地内存的改变将不会影响到其他的处理器，处理器间通过互联网络进行通信，分布式存储的优点是扩展性好，不需要维护存储一致性，缺点是需要用户显式地进行处理器间的通信，将两种系统一起组合对数据进行处理。
在上述实施例中，所述多路触发控制系统包括嵌入式主控模块、电源管理模块和数据采集模块；所述嵌入式主控模块包括嵌入式控制电路板；所述嵌入式控制电路板采用双层板，包括上层核心板和下层底板；所述上层核心板和下层底板为两层接插式设计；所述上层核心板包括:ARM处理器和FPGA处理器;ARM处理器作为PS端,FPGA处理器作为PL端;所述ARM处理器和FPGA处理器的控制管脚和接口管脚通过插针引入下层底板，上层核心板与下层底板间通过高速板间连接器连接;所述下层底板为底层电源管理、开关及接口电路板；所述电源管理模块包括:AD采集芯片；所述数据采集模块包括:真空传感器；所述嵌入式主控模块电路板通过光电控制端口、+24V开关控制端口控制雷达发射装置；所述雷达发射装置运行时所述AD采集芯片与所述真空传感器连接；所述ARM处理器为XC7ZO35芯片、4片512MBDDR3内存、8GB Flash芯片和512Mb QSPIFLASH静态存储构成的最小系统；所述FPGA处理器对数据处理方式为并行处理方式。
在上述实施例中，所述高速板间连接器包括：24V电源接口、AD数据读取接口、调试USB接口、两个网口以及SD卡座；所述24V电源接口用于连接电源，所述AD数据读取接口用于将微波源状态信号传递至嵌入式控制电路板，所述调试USB接口用于与综合管理系统中的主机相连，JTAG端与核心板相连，用于将调试代码下载到上层核心板上，所述两个网口用于从互联网下载调试代码,所述SD卡座用于插入SD卡，将代码下载至SD卡内,选择SD卡方式启动
在上述实施例中，k时刻的电压变化量计算公式为：
Figure SMS_41
（1）
公式（1）中，U(k+1)为k+1时刻的电压值，U(k)为k时刻的电压值，
Figure SMS_42
为k时刻的电压变化量；公式（1）实现了k时刻的电压变化量的计算，
所述匀速直线运动模型、匀加速直线运动模型和辛格模型分别为：
k时刻的匀速模型为：
Figure SMS_43
（2）
公式（2）中，w(k)为k时刻匀速模型的模型状态噪声，是均值为0，方差为
Figure SMS_44
的高斯白噪声，高斯白噪声是指它的瞬时值服从高斯分布，而它的功率谱密度又是均匀分布的；X（k）为k时刻状态矢量矩阵，状态矢量矩阵是指不同状态变量来描述系统状态的矢量，X（k+1）为k+1时刻状态矢量矩阵；公式（2）构建了含有k时刻的电压变化量的匀速模型；
k时刻的匀加速模型为：
Figure SMS_45
（3）
公式（3）中，w 1(k)为k时刻匀加速模型的模型状态噪声，是均值为0，方差为
Figure SMS_46
的高斯白噪声；公式（3）构建了含有k时刻的电压变化量的匀加速模型；
k时刻的辛格模型为：
Figure SMS_47
（4）
公式（4）中，α为k时刻辛格模型的机动频率，辛格模型的机动频率指机器运作的频率；e为常数；w 2(k)为k时刻辛格模型的模型状态噪声；公式（3）构建了含有k时刻的电压变化量以及机动频率的辛格模型；
在上述实施例中，所述步骤四通过交互多模型算法对多个目标模型的有效组合来实现对目标机动状态的自适应估计；采用卡尔曼滤波器进行跟踪；
k时刻交互多模型算法预测输出为：
Figure SMS_48
（5）
公式（5）中，X表示状态矢量；
Figure SMS_49
表示状态矢量总的状态估计，也表示k+1时刻跟踪门建立的原点，u k （i）表示k时刻i模型的概率，
Figure SMS_50
表示滤波器的状态估计；公式（5）实现了k时刻交互多模型算法输出的预测。
Figure SMS_51
（6）
公式（6）中，
Figure SMS_52
表示k时刻状态协方差，状态协方差用于衡量两个变量的总体误差，公式（6）实现了k时刻交互多模型算法输出状态协方差。
在具体实施例中，卡尔曼滤波（Kalman filtering）是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。数据滤波是去除噪声还原真实数据的一种数据处理技术，Kalman滤波在测量方差已知的情况下能够从一系列存在测量噪声的数据中，估计动态系统的状态。由于它便于计算机编程实现，并能够对现场采集的数据进行实时的更新和处理，Kalman滤波是目前应用最为广泛的滤波方法，在通信，导航，制导与控制等多领域得到了较好的应用。
在上述实施例中，如图2所示，频谱曲线提取的方法为：
采用带有Roberts算子以及余弦曲线模型边缘检测对频谱曲线进行提取，计算采样数据的时频分布X×Y维矩阵
Figure SMS_53
中各元素的k次方；所述计算各元素的k次方即增大矩阵
Figure SMS_54
中各元素之间的差值，得到一个新的X×Y维矩阵，新的矩阵为：
Figure SMS_55
（7）
公式（7）中，n表示时间点序列， f m 表示频率点序列，x，y分别表示新矩阵
Figure SMS_56
的行和列；公式（7）得到了一个新的各元素的k次方得增大矩阵；
对矩阵
Figure SMS_57
使用Roberts算子进行边缘检测，为了得到
Figure SMS_58
的梯度幅值，采用的公式为：
Figure SMS_59
（8）
公式（8）中，G表示梯度幅值，梯度幅值表示梯度的模，公式（2）实现了对梯度幅值的求取；
选取梯度幅值G X×Y的平均值作为阈值，平均值求取公式为：
Figure SMS_60
（9）
公式（9）中，T g 表示
Figure SMS_61
的平均值，X为
Figure SMS_62
的行数，Y为
Figure SMS_63
的列数，公式（3）实现了对梯度幅值
Figure SMS_64
的平均值的计算；将平均值T g 与
Figure SMS_65
进行比较，将
Figure SMS_66
化为二值边缘矩阵，关系式为：
Figure SMS_67
（10）
公式（10）中，H表示二值边缘矩阵；由关系式（10）得到只含有0和1的二值边缘矩阵
Figure SMS_68
；对二值边缘矩阵
Figure SMS_69
处理，为了计算二值边缘矩阵
Figure SMS_70
中每列的边缘点个数，每列为1的点为边缘点，为0的不是边缘点，计算的公式为：
Figure SMS_71
（11）
公式（11）中，u表示每列边缘点个数；公式（5）实现了对二值边缘矩阵H X×Y中每列的边缘点个数的计算；逐个选出u（y）为奇数的列，记录奇数列中第一个边缘点的位置，将二值边缘矩阵H X×Y这些位置元素置0，即删去矩阵中这个边缘点，将每列都检索完毕之后，删除二值边缘矩阵
Figure SMS_72
中的边缘点，保证矩阵中每列含有的边缘点为偶数，将剩余点按照列优先顺序，矩 阵中各元素按照其在矩阵
Figure SMS_73
中行数和列数按照如下公式排序 ((列数-1)×X+行数)，(这里X为矩阵行的维度)，将二值边缘矩阵H X×Y边缘点排序位置记录在向量f N 中，其中，N为边缘点的总个数，将二值边缘矩阵
Figure SMS_74
边缘点两两合并，得到矩阵
Figure SMS_75
；
为了建立I×J维参数空间
Figure SMS_76
，I，J分别为参数空间中周期时间点数和相位角度点数，采用余弦曲线模型，余弦曲线模型公式为：
Figure SMS_77
（12）
公式（12）中，T表示曲线周期，
Figure SMS_78
表示曲线的相位，A表示曲线的幅度，公式（12）为所用的预先曲线模型公式；将参数空间中每个参数空间点
Figure SMS_79
代入余弦曲线模型中，得到的公式为：
Figure SMS_80
（13）
公式（13）为将参数空间点
Figure SMS_81
代入余弦曲线模型中的余弦曲线模型公式，将矩阵
Figure SMS_82
中所有边缘点位置的行和列代入参数点的模型中，通过
Figure SMS_83
累加器找出局部最大值点，即若边缘点行和列(x,y)满足带入参数的模型，则累加器Σg(T,θ) 累加在参数空间(T,θ)的每个点上加1，如此取遍所有参数空间的点，每次均对ZX×Y中边缘点进行计算，最后得出各参数点的累加结果，找出参数累加器Σg中局部最大值点；得到曲线的条数以及各条时频谱曲线的参数。
在上述实施例中，所述峰值信息包括峰值幅度和峰值频率；所述峰值信息的获取通过拉格朗日插值确定；峰值获取信息方法包括：
将余弦曲线函数转换成拉格朗日模型，其中，所述拉格朗日模型用于反映所述峰值幅度与所述多个采样数据的幅度、所述峰值频率与所述峰值区域中幅度最大的第一采样数据的采样频率的偏移量、之间的函数关系；对所述拉格朗日模型进行求导处理并令求导结果为0，确定偏移量；根据偏移量和峰值区域中幅度最大的采样数据的采样频率，确定峰值频率；根据所述峰值频率和所述拉格朗日模型，确定所述峰值幅度。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变；例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围；因此，本发明的范围仅由所附权利要求书限定。

Claims (7)

1.一种雷达微波功率合成数据信息处理方法，其特征在于：包括以下方法：
步骤一：微波的产生以及微波功率的合成；
在步骤一中，通过多台雷达发射装置输出的电子束，经多路触发控制系统同步控制电子束出束时间间隔；雷达发射装置输出的电子束通过后加速相对论速调管产生微波，所述微波通过具有光纤放大器的种子源使多束微波锁相，并通过移相器控制微波相位同步，微波经过辐射天线向目标辐射，在目标物体上实现功率合成；
步骤二：点迹预处理；
在步骤二中，在信息处理系统中，把每一种雷达微波功率合成数据信息种类新点迹从目标量测坐标系转换到数据处理所在坐标系，获取雷达数据并对所述雷达功率合成数据进行预处理得到待选点迹对应的待选点迹数据；所述待选点迹数据包含点迹属性信息；
步骤三：点迹数据的互联；
在步骤三中，建立当前时刻新点迹与历史数据之间的关系，以确定这些点迹是否来自同一个目标；新点迹与历史数据之间的关系分为新点迹与旧点迹的互联、新点迹与航迹的互联；点迹与点迹的互联方法同点航互联的方法一致；利用两种波门对所述待选点迹数据进行第一层和第二层关联筛选获得目标点迹数据，将所述目标点迹数据对应的目标点迹形成临时航迹；
步骤四：对点迹进行处理；
在步骤四中，对来自目标的新点迹量测值进行处理，采用交互多模型算法对多个目标模型的有效组合来实现对目标机动状态的自适应估计；采用卡尔曼滤波器进行跟踪；所述交互多模型算法模型包括：匀速直线运动模型、匀加速直线运动模型和辛格模型；
步骤五：频谱曲线的获取；
在步骤五中，根据雷达微波功率合成的采样数据信息，获取所属的频谱曲线；其中，所述频谱曲线用于表示所述微波雷达的采样数据的幅度与采样频率之间变化关系；采用带有Roberts算子以及余弦曲线模型的边缘检测对频谱曲线进行提取；
步骤六：峰值信息的获取；
在步骤六中，对所述频谱曲线进行曲线拟合，获得曲线拟合后的峰值信息，所述峰值信息的获取通过带有余弦函数曲线的拉格朗日插值确定；所述峰值信息通过将余弦曲线函数转换成拉格朗日模型获取。
2.根据权利要求1所述的一种雷达微波功率合成数据信息处理方法，其特征在于：所述多路触发控制系统包括嵌入式主控模块、电源管理模块和数据采集模块；所述嵌入式主控模块包括嵌入式控制电路板；所述嵌入式控制电路板采用双层板，包括上层核心板和下层底板；所述上层核心板和下层底板为两层接插式设计；所述上层核心板包括:ARM处理器和FPGA处理器;ARM处理器作为PS端,FPGA处理器作为PL端;所述ARM处理器和FPGA处理器的控制管脚和接口管脚通过插针引入下层底板，上层核心板与下层底板间通过高速板间连接器连接；所述下层底板为底层电源管理、开关及接口电路板；所述电源管理模块包括：AD采集芯片；所述数据采集模块包括：真空传感器；所述嵌入式主控模块电路板通过光电控制端口、+24V开关控制端口控制雷达发射装置；所述雷达发射装置运行时所述AD采集芯片与所述真空传感器连接；所述ARM处理器为XC7ZO35芯片、4片512MBDDR3内存、8GB Flash芯片和512Mb QSPIFLASH静态存储构成的最小系统；所述FPGA 处理器对数据处理方式为并行处理方式。
3.根据权利要求2所述的一种雷达微波功率合成数据信息处理方法，其特征在于：所述高速板间连接器包括：24V电源接口、AD数据读取接口、调试USB接口、两个网口以及SD卡座；所述24V电源接口用于连接电源，所述AD数据读取接口用于将微波源状态信号传递至嵌入式控制电路板，所述调试USB接口用于与综合管理系统中的主机相连，JTAG端与核心板相连，用于将调试代码下载到上层核心板上，所述两个网口用于从互联网下载调试代码,所述SD卡座用于插入SD卡，将代码下载至SD卡内，选择SD卡方式启动。
4.根据权利要求1所述的一种雷达微波功率合成数据信息处理方法，其特征在于：k时刻的电压变化量计算公式为：
Figure QLYQS_1
（1）
公式（1）中，U(k+1)为k+1时刻的电压值，U(k)为k时刻的电压值，
Figure QLYQS_2
为k时刻的电压变化量；所述匀速直线运动模型、匀加速直线运动模型和辛格模型分别为：
k时刻的匀速模型为：
Figure QLYQS_3
（2）
公式（2）中，w(k)为k时刻匀速模型的模型状态噪声，是均值为0，方差为
Figure QLYQS_4
的高斯白噪声；X（k）为k时刻状态矢量矩阵，X（k+1）为k+1时刻状态矢量矩阵；
k时刻的匀加速模型为：
Figure QLYQS_5
（3）
公式（3）中，w 1(k)为k时刻匀加速模型的模型状态噪声，是均值为0，方差为
Figure QLYQS_6
的高斯白噪声；k时刻的辛格模型为：
Figure QLYQS_7
（4）
公式（4）中，α为k时刻辛格模型的机动频率；e为常数；
Figure QLYQS_8
为k时刻辛格模型的模型状态噪声。
5.根据权利要求1所述的一种雷达微波功率合成数据信息处理方法，其特征在于：所述步骤四通过交互多模型算法对多个目标模型的有效组合来实现对目标机动状态的自适应估计；采用卡尔曼滤波器进行跟踪；
k时刻交互多模型算法预测输出为：
Figure QLYQS_9
（5）
公式（5）中，X表示状态矢量，
Figure QLYQS_10
表示为总的状态估计，也表示k+1时刻跟踪门建立的原点，
Figure QLYQS_11
表示k时刻i模型的概率，
Figure QLYQS_12
表示滤波器的状态估计；
Figure QLYQS_13
（6）
公式（6）中，
Figure QLYQS_14
表示k时刻状态协方差。
6.根据权利要求1所述的一种雷达微波功率合成数据信息处理方法，其特征在于：频谱曲线提取的方法为：
采用带有Roberts算子以及余弦曲线模型边缘检测对频谱曲线进行提取，计算采样数据的时频分布X×Y维矩阵
Figure QLYQS_15
中各元素的k次方；所述计算各元素的k次方即增大矩阵
Figure QLYQS_16
中各元素之间的差值，得到一个新的X×Y维矩阵，新的矩阵为：
Figure QLYQS_17
（7）
公式（7）中，n表示时间点序列， f m 表示频率点序列，x，y分别表示新矩阵
Figure QLYQS_18
的行和列；
对矩阵
Figure QLYQS_19
使用Roberts算子进行边缘检测，为了得到
Figure QLYQS_20
的梯度幅值，采用的公式为：
Figure QLYQS_21
（8）
公式（8）中，G表示梯度幅值；
选取梯度幅值
Figure QLYQS_22
的平均值作为阈值，平均值求取公式为：
Figure QLYQS_23
（9）
公式（9）中，T g 表示
Figure QLYQS_24
的平均值，X为
Figure QLYQS_25
的行数，Y为
Figure QLYQS_26
的列数；将平均值T g 与
Figure QLYQS_27
进行比较，将
Figure QLYQS_28
化为二值边缘矩阵，关系式为：
Figure QLYQS_29
（10）
公式（10）中，H表示二值边缘矩阵；由关系式（10）得到只含有0和1的二值边缘矩阵
Figure QLYQS_30
；
对二值边缘矩阵
Figure QLYQS_31
处理，为了计算二值边缘矩阵
Figure QLYQS_32
中每列的边缘点个数，计算的公式为：
Figure QLYQS_33
（11）
公式（11）中，u表示每列边缘点个数；将二值边缘矩阵
Figure QLYQS_34
边缘点两两合并，得到矩阵
Figure QLYQS_35
；
为了建立I×J维参数空间
Figure QLYQS_36
，I，J分别为参数空间中周期时间点数和相位角度点数，采用余弦曲线模型，余弦曲线模型公式为：
Figure QLYQS_37
（12）
公式（12）中，T表示曲线周期，
Figure QLYQS_38
表示曲线的相位，A表示曲线的幅度；将参数空间中每个参数空间点
Figure QLYQS_39
代入余弦曲线模型中，得到的公式为：
Figure QLYQS_40
（13）
将矩阵
Figure QLYQS_41
中所有边缘点位置的行和列代入参数点的模型中，通过
Figure QLYQS_42
累加器找出局部最大值点，得到曲线的条数以及各条时频谱曲线的参数。
7.根据权利要求1所述的一种雷达微波功率合成数据信息处理方法，其特征在于：所述峰值信息包括峰值幅度和峰值频率；所述峰值信息的获取通过拉格朗日插值确定；峰值获取信息方法包括：
将余弦曲线函数转换成拉格朗日模型；所述拉格朗日模型用于反映所述峰值幅度与所述多个采样数据的幅度、所述峰值频率与峰值区域中幅度最大的第一采样数据的采样频率的偏移量、之间的函数关系；对所述拉格朗日模型进行求导处理并令求导结果为0，确定偏移量；根据偏移量和峰值区域中幅度最大的采样数据的采样频率，确定峰值频率；根据所述峰值频率和所述拉格朗日模型，确定所述峰值幅度。
CN202310107700.XA 2023-02-14 2023-02-14 一种雷达微波功率合成数据信息处理方法 Active CN115825914B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310107700.XA CN115825914B (zh) 2023-02-14 2023-02-14 一种雷达微波功率合成数据信息处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310107700.XA CN115825914B (zh) 2023-02-14 2023-02-14 一种雷达微波功率合成数据信息处理方法

Publications (2)

Publication Number Publication Date
CN115825914A true CN115825914A (zh) 2023-03-21
CN115825914B CN115825914B (zh) 2023-04-25

Family

ID=85521171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310107700.XA Active CN115825914B (zh) 2023-02-14 2023-02-14 一种雷达微波功率合成数据信息处理方法

Country Status (1)

Country Link
CN (1) CN115825914B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014194398A (ja) * 2013-03-29 2014-10-09 Mitsubishi Electric Corp レーダデータ処理装置、レーダデータ処理方法およびプログラム
CN104268883A (zh) * 2014-10-07 2015-01-07 电子科技大学 一种基于边缘检测的时频谱曲线提取方法
CN105182311A (zh) * 2015-09-02 2015-12-23 四川九洲电器集团有限责任公司 全向雷达数据处理方法及系统
CN110770598A (zh) * 2018-11-20 2020-02-07 深圳市大疆创新科技有限公司 微波雷达及其数据处理方法、无人机
CN114859339A (zh) * 2022-04-29 2022-08-05 电子科技大学 一种基于毫米波雷达的多目标跟踪方法
CN115508823A (zh) * 2022-08-31 2022-12-23 四川九洲防控科技有限责任公司 一种雷达系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014194398A (ja) * 2013-03-29 2014-10-09 Mitsubishi Electric Corp レーダデータ処理装置、レーダデータ処理方法およびプログラム
CN104268883A (zh) * 2014-10-07 2015-01-07 电子科技大学 一种基于边缘检测的时频谱曲线提取方法
CN105182311A (zh) * 2015-09-02 2015-12-23 四川九洲电器集团有限责任公司 全向雷达数据处理方法及系统
CN110770598A (zh) * 2018-11-20 2020-02-07 深圳市大疆创新科技有限公司 微波雷达及其数据处理方法、无人机
CN114859339A (zh) * 2022-04-29 2022-08-05 电子科技大学 一种基于毫米波雷达的多目标跟踪方法
CN115508823A (zh) * 2022-08-31 2022-12-23 四川九洲防控科技有限责任公司 一种雷达系统

Also Published As

Publication number Publication date
CN115825914B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN101326448B (zh) 可实现多目标的相位模糊度解算方法和测距仪
CN104903677A (zh) 用于将使用不同深度成像技术生成的深度图像合并的方法和装置
CN107615094A (zh) 激光雷达装置和风速观测方法
CN109116294B (zh) 基于微波光子阵列的超宽带信号波达方向角估计方法
CN109886305A (zh) 一种基于gm-phd滤波的多传感器非顺序量测异步融合方法
CN106932771A (zh) 一种雷达仿真目标航迹跟踪方法及系统
CN113777603B (zh) 海洋和电离层一体化探测接收系统控制及信号处理系统
CN114494287A (zh) 一种远距离激光雷达点云数据处理方法
CN106199631A (zh) 相干测风雷达风速测量方法
WO2020023489A1 (en) Phase noise and methods of correction in multi-frequency mode lidar
CN111474554A (zh) 一种太赫兹频段单光子雷达系统及其目标探测方法
CN111474553B (zh) 飞时测距方法与装置
Chen et al. Underwater terrain positioning method based on least squares estimation for AUV
CN115825914B (zh) 一种雷达微波功率合成数据信息处理方法
EP4285154A1 (en) Three-dimensional image capturing according to time-of-flight measurement and light spot pattern measurment
AU2017279528A1 (en) Estimation of motion using LIDAR
Si et al. Multi‐sensor Poisson multi‐Bernoulli filter based on partitioned measurements
CN109633672A (zh) 脉冲式激光测距系统及其测距方法
Han et al. Antenna array aperture resource management of opportunistic array radar for multiple target tracking
Liu et al. Typical Application of graph signal processing in hyperspectral image processing [J]
Zhang et al. Gaussian parameterized information aided distributed cooperative underwater positioning algorithm
Baser et al. Improved multi‐target multi‐Bernoulli filter with modelling of spurious targets
CN111767640A (zh) 一种目标近场雷达回波的快速仿真方法
Zhang et al. The design and calibration of a low-cost underwater sound velocity profiler
CN111200710A (zh) 用于单次读出深度测量的具有交织保持的图像传感器

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