CN115825914B - 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 PDFInfo
- Publication number
- CN115825914B CN115825914B CN202310107700.XA CN202310107700A CN115825914B CN 115825914 B CN115825914 B CN 115825914B CN 202310107700 A CN202310107700 A CN 202310107700A CN 115825914 B CN115825914 B CN 115825914B
- Authority
- CN
- China
- Prior art keywords
- model
- data
- formula
- matrix
- radar
- 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.)
- Active
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
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微波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雷达微波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:
(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,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时刻的匀速直线运动模型为:
(2)
公式(2)中,w(k)为k时刻匀速直线运动模型的模型状态噪声,是均值为0,方差为的高斯白噪声;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时刻的匀加速直线运动模型为:
(3)
公式(3)中,为k时刻匀加速直线运动模型的模型状态噪声,是均值为0,方差为的高斯白噪声;
k时刻的辛格模型为:
(4)
公式(4)中,α为k时刻辛格模型的机动频率;e为常数;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:
(5)
公式(5)中,X表示状态矢量,表示为总的状态估计,也表示k+1时刻跟踪门建立的原点,表示k时刻i模型的概率,表示滤波器的状态估计;
(6)
公式(6)中,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维矩阵中各元素的k次方;所述计算采样数据的时频分布X×Y维矩阵中各元素的k次方之间的差值,得到一个新的X×Y维矩阵,新的矩阵为:
(7)
公式(7)中,n表示时间点序列, 表示频率点序列,x,y分别表示新矩阵的行和列;
对矩阵使用Roberts算子进行边缘检测,为了得到的梯度幅值,采用的公式为:
(8)
公式(8)中,G表示梯度幅值;选取梯度幅值的平均值作为阈值,平均值求取公式为:
(9)
公式(9)中,表示的平均值,X为的行数,Y为的列数;将平均值与进行比较,将化为二值边缘矩阵,关系式为:
(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;对二值边缘矩阵处理,为了计算二值边缘矩阵中每列的边缘点个数,计算的公式为:
(11)
公式(11)中,u表示每列边缘点个数;将二值边缘矩阵边缘点两两合并,得到矩阵;
为了建立I×J维参数空间,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:
(12)
公式(12)中,T表示曲线周期,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代入余弦曲线模型中,得到的公式为:
(13)
将矩阵中所有边缘点位置的行和列代入参数点的模型中,通过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微波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雷达微波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:
(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,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时刻的匀速直线运动模型为:
(2)
公式(2)中,w(k)为k时刻匀速直线运动模型的模型状态噪声,是均值为0,方差为的高斯白噪声,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直线运动模型;
k时刻的匀加速直线运动模型为:
(3)
公式(3)中,为k时刻匀加速直线运动模型的模型状态噪声,是均值为0,方差为的高斯白噪声;公式(3)构建了含有k时刻的电压变化量的匀加速直线运动模型;
k时刻的辛格模型为:
(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;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:
(5)
公式(5)中,X表示状态矢量,表示为总的状态估计,也表示k+1时刻跟踪门建立的原点,表示k时刻i模型的概率,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。
(6)
公式(6)中,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维矩阵中各元素的k次方;所述计算采样数据的时频分布X×Y维矩阵中各元素的k次方之间的差值,得到一个新的X×Y维矩阵,新的矩阵为:
(7)
公式(7)中,n表示时间点序列, 表示频率点序列,x,y分别表示新矩阵的行和列;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W(x,y)使用Roberts算子进行边缘检测,为了得到的梯度幅值,采用的公式为:
(8)
公式(8)中,G表示梯度幅值,梯度幅值表示梯度的模,公式(8)实现了对梯度幅值的求取;
选取梯度幅值的平均值作为阈值,平均值求取公式为:
(9)
公式(9)中,表示的平均值,X为的行数,Y为的列数,公式(9)实现了对梯度幅值的平均值的计算;将平均值与进行比较,将化为二值边缘矩阵,关系式为:
(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;对二值边缘矩阵处理,为了计算二值边缘矩阵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:
(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中每列的边缘点个数的计算;逐个选出为奇数的列,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),将二值边缘矩阵边缘点排序位置记录在向量fN中,其中,N为边缘点的总个数,将二值边缘矩阵边缘点两两合并,得到矩阵;
为了建立I×J维参数空间,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:
(12)
公式(12)中,T表示曲线周期,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代入余弦曲线模型中,得到的公式为:
(13)
公式(13)为将参数空间点代入余弦曲线模型中的余弦曲线模型公式,将矩阵中所有边缘点位置的行和列代入参数点的模型中,通过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 累加在参数空间的每个点上加1,如此取遍所有参数空间的点,每次均对中边缘点进行计算,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微波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雷达微波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:
(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,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时刻的匀速直线运动模型为:
(2)
公式(2)中,w(k)为k时刻匀速直线运动模型的模型状态噪声,是均值为0,方差为的高斯白噪声;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时刻的匀加速直线运动模型为:
(3)
公式(3)中,w 1(k)为k时刻匀加速直线运动模型的模型状态噪声,是均值为0,方差为的高斯白噪声;
k时刻的辛格模型为:
(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。
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:
(5)
公式(5)中,X表示状态矢量,表示为总的状态估计,也表示k+1时刻跟踪门建立的原点,表示k时刻i模型的概率, 表示滤波器的状态估计;
(6)
公式(6)中,P(k+1|k)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维矩阵中各元素的k次方;所述计算采样数据的时频分布X×Y维矩阵中各元素的k次方之间的差值,得到一个新的X×Y维矩阵,新的矩阵为:
(7)
公式(7)中,n表示时间点序列, 表示频率点序列,x,y分别表示新矩阵W X×Y的行和列;对矩阵使用Roberts算子进行边缘检测,为了得到的梯度幅值,采用的公式为:
(8)
公式(8)中,G表示梯度幅值;选取梯度幅值的平均值作为阈值,平均值求取公式为:
(9)
公式(9)中,表示的平均值,X为的行数,Y为的列数;将平均值与进行比较,将化为二值边缘矩阵,关系式为:
(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;对二值边缘矩阵处理,为了计算二值边缘矩阵中每列的边缘点个数,计算的公式为:
(11)
公式(11)中,u表示每列边缘点个数;将二值边缘矩阵边缘点两两合并,得到矩阵;为了建立I×J维参数空间,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:
(12)
公式(12)中,T表示曲线周期,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代入余弦曲线模型中,得到的公式为:
(13)
将矩阵中所有边缘点位置的行和列代入参数点的模型中,通过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。
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 CN115825914A (zh) | 2023-03-21 |
CN115825914B true 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) |
Family Cites Families (6)
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 |
CN104268883B (zh) * | 2014-10-07 | 2018-04-13 | 电子科技大学 | 一种基于边缘检测的时频谱曲线提取方法 |
CN105182311B (zh) * | 2015-09-02 | 2017-09-22 | 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 |
WO2020102962A1 (zh) * | 2018-11-20 | 2020-05-28 | 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 |
CN114859339B (zh) * | 2022-04-29 | 2023-06-02 | 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 |
-
2023
- 2023-02-14 CN CN202310107700.XA patent/CN115825914B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115825914A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
Bai et al. | High-resolution three-dimensional imaging of space targets in micromotion | |
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 | |
CN106932771A (zh) | 一种雷达仿真目标航迹跟踪方法及系统 | |
Levedahl | Explicit pattern matching assignment algorithm | |
CN115825914B (zh) | 一种雷达微波功率合成数据信息处理方法 | |
CN112129266A (zh) | 处理地图的方法、装置、设备和计算机可读存储介质 | |
CN109298420A (zh) | 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置 | |
US20240103168A1 (en) | Three-dimensional image capturing according to time-of-flight measurement and light spot pattern measurement | |
AU2017279528B2 (en) | Estimation of motion using LIDAR | |
Chen et al. | Underwater terrain positioning method based on least squares estimation for AUV | |
Danielsson et al. | A modified fast marching method | |
Liu et al. | Typical Application of graph signal processing in hyperspectral image processing [J] | |
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 | |
Zhang et al. | The design and calibration of a low-cost underwater sound velocity profiler | |
Aghajan et al. | Estimation of multiple 2-D uniform motions by SLIDE: Subspace-based line detection | |
KR20190136557A (ko) | 3차원 구조의 도핑 농도 결정 방법, 이를 이용한 반도체 장치의 제조 방법 | |
Ma et al. | Improved unfolded coprime array subject to motion for DOA estimation: augmented consecutive synthetic difference co‐array | |
CN209590275U (zh) | 脉冲式激光测距系统 | |
WANG et al. | Performances analysis in uplink non-orthogonal multiple access system with imperfect successive interference cancellation | |
US20190383942A1 (en) | Lidar-only lock-on tracking system | |
KR101768533B1 (ko) | 신뢰척도에 따른 레버리지 스테레오 매칭 방법, 장치 및 컴퓨터-판독가능 저장 매체 | |
WO2020104416A1 (en) | Method and system of decomposition of composite targets on elements of a radar target signature with a super-resolution, using the total signal spectrum |
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 |