CN115877342B - 一种目标对象的确定方法、装置及设备 - Google Patents
一种目标对象的确定方法、装置及设备 Download PDFInfo
- Publication number
- CN115877342B CN115877342B CN202310023671.9A CN202310023671A CN115877342B CN 115877342 B CN115877342 B CN 115877342B CN 202310023671 A CN202310023671 A CN 202310023671A CN 115877342 B CN115877342 B CN 115877342B
- Authority
- CN
- China
- Prior art keywords
- noise
- line data
- scanning line
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013139 quantization Methods 0.000 claims description 120
- 238000012545 processing Methods 0.000 claims description 60
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种目标对象的确定方法、装置及设备，所述方法包括：获取雷达回波信号的扫描线数据；利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；根据所述扫描线数据和所述边界值，获得目标扫描线数据；根据所述目标扫描线数据，确定目标对象。本发明提供的方案可以提高目标对象的检测概率与准确度。
Description
技术领域
本发明涉及雷达回波信号处理技术领域，特别是指一种目标对象的确定方法、装置及设备。
背景技术
接收机是雷达、通信系统中重要的组成部分。噪声是限制雷达接收机灵敏度的主要因素。雷达接收的噪声来源是多方面的，主要可以分为两种，即内部噪声和外部噪声。
内部噪声主要由接收机中的馈线、电路中的电阻元器件、放大器、混频器等产生；外部噪声是通过天线引入的，有各种人为干扰、天线热噪声、天电干扰、宇宙干扰和工业干扰等。
如何正确量化检测出噪声信号对改善雷达接收机性能指标起到了关键性的作用。噪声量化的核心要求是保证噪声与小目标具有足够的识别度，提升小目标的发现概率。现有噪声线性量化方法对于接收电平接近的噪声信号与目标信号量化出的结果是接近的。导航雷达的接收回波通常需要进行幅值量化处理以满足后端软件接收数据的要求，其中现有技术对于噪声与目标的识别需要手动设置阈值进行判定，通过调谐功能适当微调量化的结果以达到最佳显示效果。然而判定阈值与调谐的参数需要人为手动设定并不断校准，效率与准确度上均存在较大的不足。另一方面，现有噪声量化技术，使得噪声量化处理后与小目标幅值接近，容易造成目标漏检或者误检。
发明内容
本发明要解决的技术问题是提供一种目标对象的确定方法、装置及设备，以提高目标雷达回波信号的发现概率，进而提高目标雷达回波信号的检测概率。
为解决上述技术问题，本发明的实施例提供一种目标对象的确定方法，包括：
获取雷达回波信号的扫描线数据；
利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；
根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；
根据所述扫描线数据和所述边界值，获得目标扫描线数据；
根据所述目标扫描线数据，确定目标对象。
可选的，利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组，包括：
利用所述预设滑动窗口的预设计算点数，动态计算所述扫描线数据的平均值，得到所述滑动平均值数组；
其中，n为所述预设滑动窗口滑动的次数，n为正整数。
可选的，根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值，包括：
获取所述滑动平均值数组中的最小值；
根据所述最小值，获得所述扫描线数据中的噪声数据段；其中，/>表示所述滑动平均值数组中最小值的下标，/>为所述预设滑动窗口的预设计算点数，/>和/>均为正整数；
确定所述噪声数据段的边界值，所述边界值包括：所述噪声数据段中的噪声最大值与噪声最小值。
可选的，根据所述扫描线数据和所述边界值，获得目标扫描线数据，包括：
根据所述扫描线数据与所述边界值的最大值，确定所述扫描线数据中大于所述最大值的数据为目标对象的目标信号；否则，确定为噪声信号；
根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数；
根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据。
可选的，根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数，包括：
通过公式：计算得到噪声幂次量化系数；
其中，为噪声幂次量化系数，/>为预设噪声量化上限，/>为噪声量化幂指数，为最大值为噪声最大值，/>为最小值为噪声最小值。
可选的，根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据，包括：
根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号；
根据预设量化方法，对所述目标信号进行量化处理，获得量化后的目标信号；
根据所述量化后的噪声信号和所述量化后的目标信号，获得量化处理后的目标扫描线数据。
可选的，根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号，包括：
通过公式：，获得量化处理后的噪声信号；
其中，为量化后的噪声信号对应的扫描线数据，/>为噪声信号对应的扫描线数据。
本发明的实施例还提供一种目标对象的确定装置，包括：
获取模块，用于获取雷达回波信号的扫描线数据；
处理模块，用于利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；根据所述扫描线数据和所述边界值，获得目标扫描线数据。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上述任一项所述的方法。
本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上述任一项所述的方法。
本发明的上述方案至少包括以下有益效果：
本发明的上述方案，通过获取雷达回波信号的扫描线数据；利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；根据所述扫描线数据和所述边界值，获得目标扫描线数据；根据所述目标扫描线数据，确定目标对象，提高了雷达回波信号中的噪声信号和目标信号的区分度，提高了目标信号的发现概率，进而提高目标雷达回波信号的检测概率。
附图说明
图1是本发明实施例提供的目标对象的确定方法流程图；
图2是本发明实施例提供的目标对象的确定方法流程图具体实现流程图；
图3是本发明实施例提供的目标对象的确定装置模块框示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示，本发明的实施例提出一种目标对象的确定方法，包括：
步骤11，获取雷达回波信号的扫描线数据；
步骤12，利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；
步骤13，根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；
步骤14，根据所述扫描线数据和所述边界值，获得目标扫描线数据；
步骤15，根据所述目标扫描线数据，确定目标对象。
该实施例中，所述雷达回波信号的扫描线数据为雷达回波信号对应的数据点集合，其中每个雷达回波信号对应一个数据点，所述雷达回波信号对应的数据点可以形成所述扫描线数据，其可以表示为S=[S1，S2，...，Si]，其中Si表示雷达回波信号对应的数据点，i表示所述扫描线数据中数据点的个数，且i为正整数；所述雷达回波信号包括噪声信号和目标信号，相应的所述扫描线数据中包含所述噪声信号对应的数据，以及所述目标信号对应的数据；
所述预设滑动窗口是所述扫描线数据的子集合，所述预设滑动窗口可以是依据所述雷达回波信号对应的数据点的特性进行设置的；利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；具体的：所述预设滑动窗口沿所述扫描线数据，按照预设的步长进行滑动，所述预设滑动窗口每滑动一次即可对应得到所述扫描线数据的一个滑动平均值，也即是滑动窗口没滑动一次，便计算一次滑动窗口内扫描线数据的平均值，直到所述预设滑动窗口中最后一个数据点为所述扫描线数据的数据点集合中的最后一个数据点，所述预设滑动窗口停止滑动，并获得所述扫描线数据的滑动平均值数组；利用雷达回波信号对应数据自身对应的结构简单、时间复杂度低的数据进行滑动平均值的处理，降低了数据处理的复杂度；同时依据雷达回波信号对应的数据点的特性进行滑动窗口的设定，保证了后续处理的准确性；
进一步的，可以依据所述滑动平均值的大小，确定所述滑动平均值数组中包含噪声信号的目标滑动平均值，并将所述目标滑动平均值对应的扫描线数据段确定为噪声数据段；根据所述噪声数据段中的数据，确定所述噪声数据段的边界值，并根据所述边界值对所述扫描线数据进行量化处理，并获得量化处理后的目标扫描线数据；经过量化处理后的目标扫描线数据中包含量化处理后的噪声信号对应的数据，以及量化处理后的目标信号对应的数据；基于所述边界值进行量化处理，可以提高所述目标扫描线数据中目标信号与噪声信号的区分度；进而可以准确地确定所述目标扫描线数据中的目标信号，并提高目标信号的检测概率与准确度，避免漏检或误检。
本发明的一可选实施例中，上述步骤12，可以包括：
步骤121，利用所述预设滑动窗口的预设计算点数，动态计算所述扫描线数据的平均值，得到所述滑动平均值数组；其中，n为所述预设滑动窗口滑动的次数，n为正整数。
该实施例中，可以通过所述预设滑动窗口的大小动态计算所述扫描线数据的平均值，所述预设滑动窗口的大小表示：所述滑动窗口沿所述扫描线数据进行滑动时，每滑动一次，窗口内包含的扫描线数据的个数；所述预设滑动窗口按照预设步长沿所述扫描线数据进行滑动，每滑动一次则对应计算窗口内数据点的平均值，对应得到一个滑动窗口的平均值；所述预设滑动窗口依次向下滑动，即得到所述扫描线数据的多个滑动窗口的平均值，并组成滑动平均值数组；为后续获取噪声数据段的边界值提供数据基础，同时获取滑动平均值数组的方法简单；
其中，，/>，其中/>表示所述扫描线数据下标，得到平均值数组/>，其中m表示所述预设滑动窗口内包含的扫描线数据的个数，也即是所述预设滑动窗口的大小。
本发明的一可选实施例中，可以通过滑动窗口点数全为1的滤波器对所述预设滑动窗口中数据点进行滤波处处理，以滤除数据值中的其他相关干扰，保证后续数据处理的精度；所述滤波器可以是与所述预设滑动窗口中数据点个数相同且数据全为1的滤波器；对滤波处理后的所述预设滑动窗口内的数据值的累加求和处理，得到所述预设滑动窗口中数据之和，之后除以所述预设滑动窗口内数据点的个数，得到所述预设滑动窗口的对应的一个滑动平均值，为后续确定噪声数据段的边界值提供数据基础。
本发明的一可选实施例中，上述步骤13，可以包括：
步骤131，获取所述滑动平均值数组中的最小值；
步骤132，根据所述最小值，获得所述扫描线数据中的噪声数据段；其中，/>表示所述滑动平均值数组中最小值的下标，/>为所述预设滑动窗口的预设计算点数，/>和/>均为正整数；
步骤133，确定所述噪声数据段的边界值，所述边界值包括：所述噪声数据段中的噪声最大值与噪声最小值。
该实施例中，由于噪声信号对应的扫描线数据值比目标信号对应的扫描线数据值小，所以当预设滑动窗口中存在噪声信号对应的扫描线数据时，计算得到的滑动平均值会较小，对于预设滑动窗口中存在目标信号对应的扫描线数据的，则计算得到的滑动平均值会较大，因此取所述滑动平均值数组中的最小值作为目标滑动平均值，并将所述目标滑动平均值对应的扫描线数据段确定为噪声数据段；
进一步的，将所述噪声数据段中的数据按照从小到大的顺序进行排列，确定排列后的边界值，并将排列中的最小值噪声信号确定为边界值中的噪声最小值，将排列中的最大值噪声信号确定为边界中的噪声最大值，后续基于所述噪声最大值与噪声最小值对所述扫描线数据进行处理，提高数据处理的效率以及普适性。
本发明的一可选实施例中，上述步骤14，可以包括：
步骤141，根据所述扫描线数据与所述边界值的最大值，确定所述扫描线数据中大于所述最大值的数据为目标对象的目标信号；否则，确定为噪声信号；
步骤142，根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数；
步骤143，根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据。
该实施例中，将所述扫描线数据中每个数据分别与所述噪声最大值进行比较，当任一扫描线数据大于所述噪声最大值时，确定该扫描线数据对应的雷达回波信号为目标信号，当任一扫描线数据小于或等于所述噪声最大值时，确定该扫描线数据对应的雷达回波信号为噪声信号；通过边界值区分噪声信号以及目标信号，以便于后续对不同信号进行量化处理，保证量化处理的准确度；
进一步的，可以根据所述噪声数据段中的噪声最大值与噪声最小值，计算得到所述噪声信号的噪声幂次量化系数；
本发明的一可选实施例中，可以通过公式：计算得到噪声幂次量化系数；
其中，为噪声幂次量化系数，/>为预设噪声量化上限，/>为噪声量化幂指数，为最大值为噪声最大值，/>为最小值为噪声最小值。
该实施例中，所述预设噪声量化上限以及所述噪声量化幂指数均可以依据所述雷达回波信号的特性进行设置，其中，所述预设噪声量化上限可以避免量化过渡，所述噪声量化幂指数用于控制量化曲线的陡峭程度；
进一步的，可以依据计算得到的所述噪声幂次量化系数以及所述预设量化方法对所述扫描线数据进行量化处理，并得到量化处理后的目标扫描线数据，所述目标扫描线数据进行量化处理后，提高了数据中目标信号与噪声信号的区分度，从而可以准确的确定所述目标扫描线数据中的接近噪声信号的目标信号，避免将较小的目标信号误检为噪声信号或漏检，进而可以雷达回波信号中目标对象的检测准确度与效率。
本发明的一可选实施例中，上述步骤143，可以包括：
步骤1431，根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号；
步骤1432，根据预设量化方法，对所述目标信号进行量化处理，获得量化后的目标信号；
步骤1433，根据所述量化后的噪声信号和所述量化后的目标信号，获得量化处理后的目标扫描线数据。
该实施例中，通过所述噪声幂次量化系数，对所述噪声信号对应的扫描线数据进行量化处理，并获得量化处理后的噪声信号；以及通过所述预设量化方法对所述目标信号对应的扫描线数据进行量化处理，并获得量化处理后的目标信号/>；以便于后续可以直观的区分所述目标扫描线数据中的噪声信号与目标信号，提高目标信号与噪声信号的区分度，进而提高目标信号的检测效率与准确度；进一步的，将所述量化后的噪声信号与所述量化后的目标信号/>合并，获得量化处理后的目标扫描线数据/>；
这里，所述预设量化处理方法可以是根据实际雷达回波信号的特征选择的合适的量化方法，如重现量化分析法、脉冲压缩处理等。
本发明的一可选实施例中，可以依据所述目标扫描线数据中量化后的噪声信号，准确检测目标信号，避免将接近噪声信号的小目标信号误检为噪声信号，从而提高目标信号检测效率以及准确性。
本发明的一可选实施例中，根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号，具体可以包括：
通过公式：，计算获得量化处理后的噪声信号；其中，/>为量化后的噪声信号对应的扫描线数据，/>为噪声信号对应的扫描线数据。
该实施例中，当所述噪声信号对应的扫描数据小于或等于所述噪声最小值时，直接将该噪声信号置零；当所述噪声信号对应的扫描数据大于所述噪声最小值/>时，利用所述噪声幂次量化系数/>、所述噪声量化幂指数/>，并通过上述关系式计算获得量化处理后的噪声信号；通过对噪声信号进行幂次量化处理，提小目标信号与噪声信号的区分度，便于后续检测目标信号，同时提高目标信号的检测概率。
以下将以一具体示例对上述方法进行说明，如图2所示，具体实现流程如下：
步骤21，获取雷达回波信号的扫描线数据，依据雷达特性设置后续量化计算所需的全局变量：预设滑动窗口计算点数m、噪声量化上限/>以及噪声量化幂指数/>；
步骤22，根据所述预设滑动窗口的计算点数m，动态计算所述扫描线数据的滑动平均值，即：，/>，得到所述扫描线数据的滑动平均值数组/>，其中/>为扫描线数据的下标；
步骤23，确定所述滑动平均值数组中的最小平均值为目标滑动平均值，并将所述目标滑动平均值对应的扫描数据段确定为噪声数据段/>；
步骤24，确定所述噪声数据中的边界值，所述边界值包括噪声信号对应的噪声最小值和噪声信号对应的噪声最大值/>；
步骤25，根据所述噪声最大值、噪声最小值以及以下公式，获得噪声幂次量化系数，
式中为依据本雷达特性设置的噪声量化上限；/>为噪声量化幂指数，用于控制量化曲线的陡峭程度；
步骤26，对所述扫描线数据中的数据进行逐一判定，若所述扫描线数据中的任一数据大于噪声最大值，则判定该数据目标信号/>，若小于等于噪声最大值，则判定为噪声信号/>；
步骤27，依据获得的噪声幂次量化系数对噪声信号进行幂次量化处理，同时依据预设量化方法对目标信号进行量化处理，并最终得到量化处理后的目标扫描线数据：其中，对噪声信号进行幂次量化处理可以通过以下公式计算获得
；
步骤28，根据所述目标扫描线数据，确定目标对象。
本发明的上述实施例中，基于雷达回波信号中噪声信号相对目标信号幅值更小的特性，利用滑动求平均方法自适应定位噪声数据段，进而提取出噪声数据的边界值，提高后续噪声量化处理效率及普适性；进一步的依据雷达回波信号的特性设置噪声量化幂指数，之后基于噪声数据段的边界值对噪声信号进行幂次量化运算处理，提高了噪声信号与目标信号的区分度，可以避免接近噪声信号的小目标信号被漏检或误检，进而可以提高目标对象检测的准确度及概率。
本发明的实施例还提供一种目标对象的确定装置30，包括：
获取模块31，用于获取雷达回波信号的扫描线数据；
处理模块32，用于利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；根据所述扫描线数据和所述边界值，获得目标扫描线数据；根据所述目标扫描线数据，确定目标对象。
可选的，所述处理模块32利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组时，具体用于：
利用所述预设滑动窗口的预设计算点数，动态计算所述扫描线数据的平均值，得到所述滑动平均值数组；
其中，n为所述预设滑动窗口滑动的次数，n为正整数。
可选的，所述处理模块32根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值时，具体用于：
获取所述滑动平均值数组中的最小值；
根据所述最小值，获得所述扫描线数据中的噪声数据段；其中，/>表示所述滑动平均值数组中最小值的下标，/>为所述预设滑动窗口的预设计算点数，/>和/>均为正整数；
确定所述噪声数据段的边界值，所述边界值包括：所述噪声数据段中的噪声最大值与噪声最小值。
可选的，所述处理模块32根据所述扫描线数据和所述边界值，获得目标扫描线数据时，具体用于：
根据所述扫描线数据与所述边界值的最大值，确定所述扫描线数据中大于所述最大值的数据为目标对象的目标信号；否则，确定为噪声信号；
根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数；
根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据。
可选的，所述处理模块32根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数时，具体用于：
通过公式：计算得到噪声幂次量化系数；
其中，为噪声幂次量化系数，/>为预设噪声量化上限，/>为噪声量化幂指数，为最大值为噪声最大值，/>为最小值为噪声最小值。
可选的，所述处理模块32根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据时，具体用于：
根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号；
根据预设量化方法，对所述目标信号进行量化处理，获得量化后的目标信号；
根据所述量化后的噪声信号和所述量化后的目标信号，获得量化处理后的目标扫描线数据。
可选的，所述处理模块32根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号时，具体用于：
通过公式：，获得量化处理后的噪声信号；
其中，为量化后的噪声信号对应的扫描线数据，/>为噪声信号对应的扫描线数据。
需要说明的是，该装置是与上述目标对象的确定方法相对应的装置，上述方法实施例中的所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本发明的实施例还提供一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种目标对象的确定方法，其特征在于，包括：
获取雷达回波信号的扫描线数据；
利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；
根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；
根据所述扫描线数据和所述边界值，获得目标扫描线数据；
根据所述目标扫描线数据，确定目标对象；
其中，根据所述扫描线数据和所述边界值，获得目标扫描线数据，包括：
根据所述扫描线数据与所述边界值的最大值，确定所述扫描线数据中大于所述最大值的数据为目标对象的目标信号；否则，确定为噪声信号；
根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数；
根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据；
其中，根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数，包括：
通过公式：计算得到噪声幂次量化系数；
其中，为噪声幂次量化系数，/>为预设噪声量化上限，/>为噪声量化幂指数，/>为噪声最大值，/>为噪声最小值；
其中，根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据，包括：
根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号；
根据预设量化方法，对所述目标信号进行量化处理，获得量化后的目标信号；
根据所述量化后的噪声信号和所述量化后的目标信号，获得量化处理后的目标扫描线数据。
2.根据权利要求1所述的目标对象的确定方法，其特征在于，利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组，包括：
利用所述预设滑动窗口的预设计算点数，动态计算所述扫描线数据的平均值，得到所述滑动平均值数组；
其中，n为所述预设滑动窗口滑动的次数，n为正整数。
3.根据权利要求1所述的目标对象的确定方法，其特征在于，根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值，包括：
获取所述滑动平均值数组中的最小值；
根据所述最小值，获得所述扫描线数据中的噪声数据段/>；其中，/>表示所述滑动平均值数组中最小值的下标，/>为所述预设滑动窗口的预设计算点数，/>和/>均为正整数；
确定所述噪声数据段的边界值，所述边界值包括：所述噪声数据段中的噪声最大值与噪声最小值。
4.根据权利要求1所述的目标对象的确定方法，其特征在于，根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号，包括：
通过公式：，获得量化处理后的噪声信号；
其中，为量化后的噪声信号对应的扫描线数据，/>为噪声信号对应的扫描线数据。
5.一种目标对象的确定装置，其特征在于，包括：
获取模块，用于获取雷达回波信号的扫描线数据；
处理模块，用于利用预设滑动窗口动态计算所述扫描线数据的平均值，获得所述扫描线数据的滑动平均值数组；根据所述滑动平均值数组，获得所述扫描线数据中噪声数据段的边界值；根据所述扫描线数据和所述边界值，获得目标扫描线数据；根据所述目标扫描线数据，确定目标对象；
其中，根据所述扫描线数据和所述边界值，获得目标扫描线数据，包括：
根据所述扫描线数据与所述边界值的最大值，确定所述扫描线数据中大于所述最大值的数据为目标对象的目标信号；否则，确定为噪声信号；
根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数；
根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据；
其中，根据所述噪声数据段中的噪声最大值与噪声最小值，获得噪声幂次量化系数，包括：
通过公式：计算得到噪声幂次量化系数；
其中，为噪声幂次量化系数，/>为预设噪声量化上限，/>为噪声量化幂指数，/>为噪声最大值，/>为噪声最小值；
其中，根据所述噪声幂次量化系数和预设量化方法，对所述扫描线数据进行量化处理，获得量化处理后的目标扫描线数据，包括：
根据所述噪声幂次量化系数，对所述噪声信号进行量化处理，获得量化后的噪声信号；
根据预设量化方法，对所述目标信号进行量化处理，获得量化后的目标信号；
根据所述量化后的噪声信号和所述量化后的目标信号，获得量化处理后的目标扫描线数据。
6.一种计算设备，其特征在于，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如权利要求1至4任一项所述的方法。
7.一种计算机可读存储介质，其特征在于，存储指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310023671.9A CN115877342B (zh) | 2023-01-09 | 2023-01-09 | 一种目标对象的确定方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310023671.9A CN115877342B (zh) | 2023-01-09 | 2023-01-09 | 一种目标对象的确定方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115877342A CN115877342A (zh) | 2023-03-31 |
| CN115877342B true CN115877342B (zh) | 2023-08-18 |
Family
ID=85758270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310023671.9A Active CN115877342B (zh) | 2023-01-09 | 2023-01-09 | 一种目标对象的确定方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115877342B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1554864A (en) * | 1976-07-14 | 1979-10-31 | Secr Defence | Adar siganl processing systems |
| CN103760531A (zh) * | 2014-01-23 | 2014-04-30 | 西安电子科技大学 | 一种窄带雷达的空中目标回波的噪声抑制方法 |
| KR20140071828A (ko) * | 2012-12-04 | 2014-06-12 | 현대모비스 주식회사 | 레이더 신호의 표적 탐지 확률 증대 방법 |
| CN106646419A (zh) * | 2017-02-28 | 2017-05-10 | 西安电子科技大学 | 一种检测杂波边缘雷达目标的自适应恒虚警方法 |
| CN114265034A (zh) * | 2022-02-28 | 2022-04-01 | 北京海兰信数据科技股份有限公司 | 一种雷达的脉冲回波信号的处理方法、装置及设备 |
-
2023
- 2023-01-09 CN CN202310023671.9A patent/CN115877342B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB1554864A (en) * | 1976-07-14 | 1979-10-31 | Secr Defence | Adar siganl processing systems |
| KR20140071828A (ko) * | 2012-12-04 | 2014-06-12 | 현대모비스 주식회사 | 레이더 신호의 표적 탐지 확률 증대 방법 |
| CN103760531A (zh) * | 2014-01-23 | 2014-04-30 | 西安电子科技大学 | 一种窄带雷达的空中目标回波的噪声抑制方法 |
| CN106646419A (zh) * | 2017-02-28 | 2017-05-10 | 西安电子科技大学 | 一种检测杂波边缘雷达目标的自适应恒虚警方法 |
| CN114265034A (zh) * | 2022-02-28 | 2022-04-01 | 北京海兰信数据科技股份有限公司 | 一种雷达的脉冲回波信号的处理方法、装置及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 计数型小滑窗检测器检测性能的简捷算法;胡家骥 等;《四川大学学报》(第第3期期);第71-77页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115877342A (zh) | 2023-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7953144B2 (en) | Method and system for detecting impulse noise in a broadband communication system | |
| CN108469602B (zh) | 一种基于谱特征提取的脉冲信号类型自动判别方法 | |
| CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
| US20090104869A1 (en) | Jamming detector and jamming detecting method | |
| CN113325277A (zh) | 一种局部放电处理方法 | |
| CN111679328A (zh) | 一种基于变分模态分解的瞬变电磁探测信号的降噪方法 | |
| CN111353131B (zh) | 一种码载偏离度阈值计算的方法 | |
| CN111323755B (zh) | 岸基非相参雷达杂波抑制的方法及装置 | |
| CN115877342B (zh) | 一种目标对象的确定方法、装置及设备 | |
| CN112986971B (zh) | 一种雷达目标测量方法及装置 | |
| CN102707159B (zh) | 预兼容实验室辐射发射测试校准方法 | |
| CN108226851B (zh) | 用于测向的方法和测向器 | |
| CN111200466B (zh) | 一种数字信号解调的置信度阈值优化方法 | |
| CN112671412A (zh) | 一种雷达回波数据压缩方法及装置 | |
| CN106375039B (zh) | 一种提高矢量网络分析仪接收机动态范围的方法 | |
| CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
| CN114280571B (zh) | 一种雨杂波信号的处理方法、装置及设备 | |
| CN114726461B (zh) | 多维度跳频通信干扰效果测量方法、装置、平台及介质 | |
| CN116136518A (zh) | 色谱仪 | |
| RU2429494C1 (ru) | Способ обнаружения множества узкополосных радиосигналов в широкой полосе частот | |
| CN113608190B (zh) | 基于奇异空间三特征的海面目标检测方法及系统 | |
| CN113589274B (zh) | 脚踢信号识别方法、装置及终端 | |
| CN111929656A (zh) | 一种基于熵值统计的车载毫米波雷达系统噪声估计方法 | |
| CN117874433B (zh) | 一种水处理用深度脱氮生物过滤装备监测系统 | |
| RU2776442C1 (ru) | Способ обработки сигнала шумоизлучения цели |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230609 Address after: No. 199, Qingfeng Road, Nantong Suxitong Science and Technology Industrial Park, Nantong City, Jiangsu Province, 226000 Applicant after: Jiangsu Tusuo Marine Technology Service Co.,Ltd. Address before: Room 501, 5th Floor, Building 10, Yard 7, Dijin Road, Haidian District, Beijing, 100095 Applicant before: BEIJING HIGHLANDR DIGITAL TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |