CN115877385B - 基于无人飞艇平台的分布式雷达探测系统目标检测方法 - Google Patents

基于无人飞艇平台的分布式雷达探测系统目标检测方法 Download PDF

Info

Publication number
CN115877385B
CN115877385B CN202310188068.6A CN202310188068A CN115877385B CN 115877385 B CN115877385 B CN 115877385B CN 202310188068 A CN202310188068 A CN 202310188068A CN 115877385 B CN115877385 B CN 115877385B
Authority
CN
China
Prior art keywords
data
quantized
value
channel
matrix
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
Application number
CN202310188068.6A
Other languages
English (en)
Other versions
CN115877385A (zh
Inventor
吕文超
宋扬
崔紫维
韩阔业
刘光宏
葛建军
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.)
CETC Information Science Research Institute
Original Assignee
CETC Information Science Research Institute
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 CETC Information Science Research Institute filed Critical CETC Information Science Research Institute
Priority to CN202310188068.6A priority Critical patent/CN115877385B/zh
Publication of CN115877385A publication Critical patent/CN115877385A/zh
Application granted granted Critical
Publication of CN115877385B publication Critical patent/CN115877385B/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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开实施例涉及雷达目标检测领域，提供一种基于无人飞艇平台的分布式雷达探测系统目标检测方法，将各雷达节点采集的回波数据在其本地预处理得到预处理数据；基于预处理数据的数据量及无线卫星通信链路的传输带宽，计算数据剔除比例；按数据剔除比例剔除预处理数据；设置量化门限，基于量化门限对剔除数据后的预处理数据进行量化得到量化数据；基于量化数据构建量化数据传输集合；将量化数据传输集合通过无线卫星通信链路传输至地面控制中心；在地面控制中心根据量化数据传输集合与量化数据矩阵间映射关系构建量化数据还原矩阵；基于量化数据还原矩阵进行栅格检测，确定真实目标信息，可有效降低无线传输数据量，有效提升目标联合检测效率。

Description

基于无人飞艇平台的分布式雷达探测系统目标检测方法
技术领域
本公开涉及雷达目标检测技术领域，特别涉及一种基于无人飞艇平台的分布式雷达探测系统目标检测方法。
背景技术
面对长航时目标探测监视的应用需求，与天基卫星平台相比，无人飞艇平台具备较短的重返周期，故使用无人飞艇平台载荷雷达探测系统能够实现在较短周期内对区域进行连续重复观测。此外，与有/无人机平台相比，无人飞艇平台还具备驻空时间长的特点。基于上述优势，由无人飞艇平台载荷的雷达探测系统广泛应用于长航时目标探测监视领域。
为有效提升长航时目标探测性能，现有技术构建了基于无人飞艇平台的分布式雷达协同探测系统。这种基于无人飞艇平台的分布式雷达协同探测系统包括地面控制中心、卫星通信链路以及由各无人飞艇平台载荷的多部雷达节点。地面控制中心与各雷达节点之间依靠卫星通信链路形成可以实现无线通信的局域网探测网络。地面控制中心控制各雷达载荷采集目标回波数据，并将目标回波数据经由无线通信网络传输至控制中心进行处理，从而实现栅格联合检测，可有效提升复杂电磁环境中系统对目标的探测性能。鉴于上述特点，基于无人飞艇平台的分布式雷达协同探测系统在长航时广域目标探测监视领域具备良好的发展潜力。
由于分布式雷达协同探测系统通常需要通过控制中心获取各雷达节点的信号级回波数据以实现栅格联合检测，且信号级回波数据的数据量庞大，因此，为保障系统目标检测的时效性，通信链路需要具备较高的传输带宽，以支撑信号级回波数据由各雷达节点向控制中心的传输。
然而，基于无人飞艇平台的分布式雷达协同探测系统通常利用无线通信实现数据传输，因此，在面对通信量庞大的信号级回波数据时，系统的数据传输效率常常受限于无线通信的传输带宽，难以满足目标联合检测的时效性需求。
发明内容
本公开实施例旨在至少解决现有技术中存在的问题之一，提供一种基于无人飞艇平台的分布式雷达探测系统目标检测方法。
本公开实施例提供了一种基于无人飞艇平台的分布式雷达探测系统目标检测方法，所述目标检测方法包括：
将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，得到对应的预处理数据；
基于所述预处理数据的数据量大小以及所述分布式雷达系统中无线卫星通信链路的传输带宽大小，计算数据剔除比例；
按照所述数据剔除比例，剔除部分所述预处理数据，得到剔除数据后的预处理数据；
设置量化门限，基于所述量化门限对所述剔除数据后的预处理数据进行量化处理，得到量化数据；
基于所述量化数据，构建量化数据传输集合；
将所述量化数据传输集合通过所述无线卫星通信链路传输至地面控制中心；
在所述地面控制中心根据所述量化数据传输集合与量化数据矩阵之间的映射关系，构建量化数据还原矩阵；其中，所述量化数据矩阵基于所述分布式雷达系统的先验知识构建得到；
基于所述量化数据还原矩阵进行栅格检测，确定真实目标信息。
可选的，所述将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，得到对应的预处理数据，包括：
对所述回波数据进行匹配滤波处理以及运动目标探测处理，输出预处理结果序列，表示为下式（1）：
（1）
其中，表示第 n个通道中第 r n 个接收波位、第 l个距离单元的预处理结果序列， n=1,2,…,N表示通道编号，N表示通道总数，表示第 n个通道中接收波位编号，表示第 n个通道中接收波位的数量， mp表示脉冲编号，Mp表示脉冲个数，表示第 n个通道、第 r n 个接收波位 、第 l个距离单元的第 mp个脉冲预处理结果。
可选的，所述基于所述预处理数据的数据量大小以及所述分布式雷达系统中无线卫星通信链路的传输带宽大小，计算数据剔除比例，包括：
根据下式（2）计算所述数据剔除比例：
（2）
其中， S n 表示第 n个通道的传输速度上限，Timetran表示数据发送时长，Cellnum表示本通道距离单元数量，Indexbyte表示一个距离单元索引所占字节数，Qbyte表示一个距离单元量化值所占字节数，Labelbyte表示雷达节点信息所占字节数。
可选的，所述按照所述数据剔除比例，剔除部分所述预处理数据，得到剔除数据后的预处理数据，包括：
统计中所有数据的幅度出现的频次，生成对应的幅度分布直方图，其中， p表示预处理数据幅度值；
根据所述幅度分布直方图，统计对应的幅度分布函数；
基于所述幅度分布函数，将数值从小到大排列的前数据剔除比例的预处理数据剔除，得到剔除数据后的预处理数据。
可选的，所述设置量化门限，基于所述量化门限对所述剔除数据后的预处理数据进行量化处理，得到量化数据，包括：
以为量化范围，以预处理数据幅度值与量化值的“最小平方量化误差”为目标准则，根据下式（3），计算满足所述目标准则的最优量化门限以及最优量化值，其中，表示剔除数据后的预处理数据对应的最小数据值，表示剔除数据后的预处理数据对应的最大数据值：
（3）
其中，表示剔除数据后的预处理数据对应的量化门限，表示剔除数据后的预处理数据对应的量化值， m=1,2,…,M表示量化值编号，M表示量化门限个数，表示对所述幅度分布直方图进行拟合处理得到的幅度概率密度；
根据所述最优量化门限以及所述最优量化值，对进行量化，将中数据值低于的数据对应的量化值映射为Nu，将中数据值处于至区间的数据对应的量化值映射为，得到量化数据；其中，Nu表示远小于的任意值。
可选的，所述基于所述量化数据，构建量化数据传输集合，包括：
将量化数据中量化值为的数据映射为 m，并将量化数据中量化值为Nu的数据仍映射为Nu，得到量化数据对应的映射后矩阵；
依次统计第 n个通道、第 r n 个接收波位对应的数据，统计其中数值为1, 2,…, m, …,M的数据，将量化映射值及其对应的距离单元索引保存至量化数据传输集合，表示为下式（4）：
（4）
其中，表示第 n个通道中的第 r n 个接收波位的量化数据传输集合， mt=1,2,…,MT表示量化映射值的编号，MT表示量化映射值的总个数。
可选的，所述将所述量化数据传输集合通过所述无线卫星通信链路传输至地面控制中心，包括：
传输步骤1：各所述无人飞艇平台将量化值为的数据对应的量化值种类数量通过所述无线卫星通信链路传输至所述地面控制中心；
传输步骤2：各所述无人飞艇平台依次将值为的量化值通过所述无线卫星通信链路传输至所述地面控制中心；
传输步骤3：将第 n个通道中第 r n 个接收波位的量化数据传输集合中的量化映射值及其对应的距离单元索引，通过所述无线卫星通信链路传输至所述地面控制中心，并在该第 r n 个接收波位对应的数据传输完成后，将对应的接收波位结束标志通过所述无线卫星通信链路传输至所述地面控制中心；
传输步骤4：令 r n= r n+1，判断当前的 r n是否大于 R n ：若是，执行传输步骤5；若否，则回到传输步骤3；
传输步骤5：令 n= n+1，判断当前的 n是否大于N：若是，则传输过程完成；若否，则回到传输步骤1。
可选的，所述量化数据矩阵基于所述分布式雷达系统的先验知识构建得到，包括：
基于各所述无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立各接收通道对应的量化数据矩阵，将量化数据矩阵中的所有数据均置为数值Nud；其中，数值Nud表示远小于历史传输数据幅度最小值的任意值。
可选的，所述在所述地面控制中心根据所述量化数据传输集合与量化数据矩阵之间的映射关系，构建量化数据还原矩阵，包括：
构建步骤1：在所述地面控制中心读取所述无线卫星通信链路传输来的量化值种类数量；
构建步骤2：在所述地面控制中心读取所述无线卫星通信链路传输来的值为的量化值；
构建步骤3：在所述地面控制中心读取所述无线卫星通信链路传输来的第 n个通道中第 r n 个接收波位对应的量化映射值及其对应的距离单元索引，按通道数、接收波位数顺序，根据距离单元索引，将量化映射值赋予量化数据矩阵中的对应数据，得到更新后的量化数据矩阵；
构建步骤4：令 r n= r n+1，判断当前的 r n是否大于 R n ：若是，执行构建步骤5；若否，则回到构建步骤3；
构建步骤5：基于各所述无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立与各接收通道对应的量化数据矩阵相对应的量化数据还原矩阵，并将量化数据还原矩阵中的所有数据均置为数值Nud；将更新后的量化数据矩阵中的数据映射至量化数据还原矩阵，将量化映射值映射为，得到更新后的量化数据还原矩阵；
构建步骤6：令 n= n+1，判断当前的 n是否大于N：若是，则量化数据还原矩阵构建完成；若否，则回到构建步骤1。
可选的，所述基于所述量化数据还原矩阵进行栅格检测，确定真实目标信息，包括：
检测步骤1：读取更新后的量化数据还原矩阵中各通道回波数据，并将其存入数组E；
检测步骤2：将所述基于无人飞艇平台的分布式雷达探测系统的共视区空间划分为三维空间栅格，所述三维空间栅格的经度间隔为dlo，纬度间隔为dla，高度间隔为dal；
检测步骤3：基于各所述三维空间栅格与各所述无人飞艇平台载荷的所述雷达节点对应的方位角、俯仰角、距离，计算与各所述三维空间栅格相对应的数组E中的距离单元，完成各通道数据与所述三维空间栅格的配准；
检测步骤4：根据配准结果，统计各所述三维空间栅格、各通道的SNR值，并根据下式（5），计算各所述三维空间栅格对应的所有通道的SNR值之和；其中， i表示所述三维空间栅格对应的数组索引：
（5）
检测步骤5：将各通道对应的分别与预设的SNR门限TC进行比较，统计大于所述预设的SNR门限TC的通道数量，记为过门限通道数；
检测步骤6：将过门限通道数与预设的通道数阈值TN进行比较，并将各所述三维空间栅格对应的与预设的SNR值之和门限Tsum进行比较，筛选出满足≥TN且≥Tsum的目标栅格，将所述目标栅格保存至目标栅格数组SG，所述目标栅格数组SG中的元素表示为下式（6），其中，表示三维空间栅格 i对应的位置信息：
（6）
检测步骤7：根据的数值大小，对所述目标栅格数组SG中的各元素进行降序排序，选取的最大数值对应的目标栅格作为符合条件的栅格，将所述符合条件的栅格存入数组T，并将所述符合条件的栅格对应的所述数组E中的各通道回波数据清零，同时，将所述符合条件的栅格在所述目标栅格数组SG中的信息清除，得到更新后的目标栅格数组SG；
检测步骤8：判断更新后的目标栅格数组SG是否为空：若是，则将数组T包含的信息作为真实目标信息；若否，则回到所述检测步骤4。
本公开实施例相对于现有技术而言，通过将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，并基于预处理数据的数据量大小及系统中无线卫星通信链路传输带宽大小计算数据剔除比例，按照数据剔除比例对部分预处理数据进行剔除处理，设置量化门限，并基于量化门限对经过剔除处理后的预处理数据进行量化处理，得到对应的量化数据，基于量化数据构建量化数据传输集合，将各雷达节点对应的量化数据传输集合通过无线卫星通信链路传输至地面控制中心，在地面控制中心根据量化数据传输集合与基于系统的先验知识构建得到的量化数据矩阵之间的映射关系，构建量化数据还原矩阵，基于量化数据还原矩阵进行栅格检测，确定真实目标信息，能够有效降低基于无人飞艇平台的分布式雷达探测系统中信号级数据在无线传输过程中的通信量，有效提升基于无人飞艇平台的分布式雷达探测系统的目标联合检测效率。
附图说明
一个或多个实施方式通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施方式的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1为本公开一实施例提供的一种基于无人飞艇平台的分布式雷达探测系统目标检测方法的流程图；
图2为本公开另一实施例提供的量化数据传输结构的示意图；
图3为本公开另一实施例提供的一种基于无人飞艇平台的分布式雷达探测系统目标检测方法的流程图。
具体实施方式
为使本公开实施方式的目的、技术方案和优点更加清楚，下面将结合附图对本公开的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本公开各实施方式中，为了使读者更好地理解本公开而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本公开所要求保护的技术方案。以下各个实施方式的划分是为了描述方便，不应对本公开的具体实现方式构成任何限定，各个实施方式在不矛盾的前提下可以相互结合相互引用。
本公开的一个实施例涉及一种基于无人飞艇平台的分布式雷达探测系统目标检测方法S100。其中，基于无人飞艇平台的分布式雷达探测系统包括地面控制中心、卫星通信链路以及由各无人飞艇平台载荷的多部雷达节点。地面控制中心与各雷达节点之间通过卫星通信链路实现无线通信。地面控制中心控制各无人飞艇平台载荷的多部雷达节点采集目标回波数据，并将目标回波数据经由卫星通信链路无线传输至地面控制中心，地面控制中心对目标回波数据进行处理，通过栅格联合检测实现对所估计真实目标的检测。
如图1所示，本实施例涉及的基于无人飞艇平台的分布式雷达探测系统目标检测方法S100包括：
步骤S110，将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，得到对应的预处理数据。
具体的，本步骤可以利用各无人飞艇平台中的数据处理器，对其对应的雷达节点采集的回波数据进行匹配滤波、运动目标探测（MTD）等预处理，得到对应的预处理数据，该预处理数据可以是各通道各距离单元信噪比（Signal Noise Ratio，SNR）值。
示例性的，步骤S110包括：对回波数据进行匹配滤波处理以及运动目标探测处理，输出预处理结果序列，表示为下式（1）：
（1）
其中，表示第 n个通道中第 r n 个接收波位、第 l个距离单元的预处理结果序列， n=1,2,…,N表示通道编号，N表示通道总数，表示第 n个通道中接收波位编号，表示第 n个通道中接收波位的数量， mp表示脉冲编号，Mp表示脉冲个数，表示第 n个通道、第 r n 个接收波位 、第 l个距离单元的第 mp个脉冲预处理结果。
步骤S120，基于预处理数据的数据量大小以及分布式雷达系统中无线卫星通信链路的传输带宽大小，计算数据剔除比例。
示例性的，步骤S120包括：根据下式（2）计算数据剔除比例：
（2）
其中， S n 表示第 n个通道的传输速度上限，Timetran表示数据发送时长，Cellnum表示本通道距离单元数量，Indexbyte表示一个距离单元索引所占字节数，Qbyte表示一个距离单元量化值所占字节数，Labelbyte表示雷达节点信息所占字节数。
步骤S130，按照数据剔除比例，剔除部分预处理数据，得到剔除数据后的预处理数据。
示例性的，步骤S130包括：统计中所有数据的幅度出现的频次，生成对应的幅度分布直方图，其中， p表示预处理数据幅度值；根据幅度分布直方图，统计对应的幅度分布函数；基于幅度分布函数，将数值从小到大排列的前数据剔除比例的预处理数据剔除，得到剔除数据后的预处理数据。
其中，幅度分布直方图可以通过横坐标来反映预处理数据幅度值 p，通过纵坐标来反映预处理数据的各个幅度值出现的频次。
步骤S140，设置量化门限，基于量化门限对剔除数据后的预处理数据进行量化处理，得到量化数据。
示例性的，步骤S140包括：以为量化范围，以预处理数据幅度值与量化值的“最小平方量化误差”为目标准则，根据下式（3），计算满足目标准则的最优量化门限以及最优量化值，其中，表示剔除数据后的预处理数据对应的最小数据值，表示剔除数据后的预处理数据对应的最大数据值：
（3）
其中，表示剔除数据后的预处理数据对应的量化门限，表示剔除数据后的预处理数据对应的量化值， m=1,2,…,M表示量化值编号，M表示量化门限个数，表示对幅度分布直方图进行拟合处理得到的幅度概率密度。需要说明的是，这里的量化门限个数M远小于现有技术中预处理数据量化区间个数，从而有效降低了后续待传输的数据量。
根据最优量化门限以及最优量化值，对进行量化，将中数据值低于的数据对应的量化值映射为Nu，将中数据值处于至区间的数据对应的量化值映射为，得到量化数据；其中，Nu表示远小于的任意值。
需要说明的是，的具体数值可以将上式（3）中的m替换为m-1后计算得到。此外，本实施例并不对Nu的具体数值进行限制，只要Nu的数值小于即可。特别的，由于中数据值低于的数据表示剔除的预处理数据，因此，Nu的数值优选为远小于的任意值，以对剔除的预处理数据和保留的预处理数据在量化数据中进行更显著的区分。
步骤S150，基于量化数据，构建量化数据传输集合。
示例性的，步骤S150包括：将量化数据中量化值为的数据映射为 m，并将量化数据中量化值为Nu的数据仍映射为Nu，得到量化数据对应的映射后矩阵；依次统计第 n个通道、第 r n 个接收波位对应的数据，统计其中数值为1, 2,…, m, …,M的数据，将量化映射值及其对应的距离单元索引保存至量化数据传输集合，表示为下式（4）：
（4）
其中，表示第 n个通道中的第 r n 个接收波位的量化数据传输集合， mt=1,2,…,MT表示量化映射值的编号，MT表示量化映射值的总个数。
步骤S160，将量化数据传输集合通过无线卫星通信链路传输至地面控制中心。
示例性的，本步骤可以通过各无人飞艇平台利用预先离线定义的量化数据传输结构，将量化数据传输集合通过无线卫星通信链路传输至地面控制中心。量化数据传输结构可以基于各无人飞艇平台载荷的雷达节点确定。如图2所示，量化数据传输结构可以包括雷达节点中第1,2,…, r n 个接收波位对应的距离单元索引及其对应的量化映射值，以及包含发射波位编号、量化值、量化值种类数在内的节点信息、波位结束标志位。其中，第1个接收波位对应的距离单元索引可分别表示为、……、、……，、……、、……对应的量化映射值可分别表示为、……、、……。第2个接收波位对应的距离单元索引可分别表示为、……、、……，、……、、……对应的量化映射值可分别表示为、……、、……。第 r n 个接收波位对应的距离单元索引可分别表示为、……、、……，、……、、……对应的量化映射值可分别表示为、……、、……。
示例性的，步骤S160包括：
传输步骤1：各无人飞艇平台将量化值为的数据对应的量化值种类数量通过无线卫星通信链路传输至地面控制中心。
传输步骤2：各无人飞艇平台依次将值为的量化值通过无线卫星通信链路传输至地面控制中心。
传输步骤3：将第 n个通道中第 r n 个接收波位的量化数据传输集合中的量化映射值及其对应的距离单元索引，通过无线卫星通信链路传输至地面控制中心，并在该第 r n 个接收波位对应的数据传输完成后，将对应的接收波位结束标志通过无线卫星通信链路传输至地面控制中心。
传输步骤4：令 r n= r n+1，判断当前的 r n是否大于 R n ：若是，执行传输步骤5；若否，则回到传输步骤3。
传输步骤5：令 n= n+1，判断当前的 n是否大于N：若是，则传输过程完成；若否，则回到传输步骤1。
步骤S170，在地面控制中心根据量化数据传输集合与量化数据矩阵之间的映射关系，构建量化数据还原矩阵；其中，量化数据矩阵基于分布式雷达系统的先验知识构建得到。
示例性的，量化数据矩阵基于分布式雷达系统的先验知识构建得到，包括：基于各无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立各接收通道对应的量化数据矩阵，将量化数据矩阵中的所有数据均置为数值Nud；其中，数值Nud表示远小于历史传输数据幅度最小值的任意值。
需要说明的是，数值Nud用于表示量化数据矩阵中各数据的初始值。本实施例并不对Nud的具体数值进行限制，只要Nud的数值小于历史传输数据幅度最小值即可。优选的，为了将数值Nud表示的初始值与实际传输数据的幅度最小值进行显著区分，数值Nud优选为远小于历史传输数据幅度最小值的任意值。
需要进一步说明的是，为了进一步保障目标检测的时效性，量化数据矩阵的构建过程可以在目标检测开始前通过离线操作完成。
示例性的，在地面控制中心根据量化数据传输集合与量化数据矩阵之间的映射关系，构建量化数据还原矩阵，包括：
构建步骤1：在地面控制中心读取无线卫星通信链路传输来的量化值种类数量。
构建步骤2：在地面控制中心读取无线卫星通信链路传输来的值为的量化值。
构建步骤3：在地面控制中心读取无线卫星通信链路传输来的第 n个通道中第 r n 个接收波位对应的量化映射值及其对应的距离单元索引，按通道数、接收波位数顺序，根据距离单元索引，将量化映射值赋予量化数据矩阵中的对应数据，得到更新后的量化数据矩阵。
构建步骤4：令 r n= r n+1，判断当前的 r n是否大于 R n ：若是，执行构建步骤5；若否，则回到构建步骤3。
构建步骤5：基于各无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立与各接收通道对应的量化数据矩阵相对应的量化数据还原矩阵，并将量化数据还原矩阵中的所有数据均置为数值Nud；将更新后的量化数据矩阵中的数据映射至量化数据还原矩阵，将量化映射值映射为，得到更新后的量化数据还原矩阵。
构建步骤6：令 n= n+1，判断当前的 n是否大于N：若是，则量化数据还原矩阵构建完成；若否，则回到构建步骤1。
步骤S180，基于量化数据还原矩阵进行栅格检测，确定真实目标信息。
示例性的，步骤S180包括：
检测步骤1：读取更新后的量化数据还原矩阵中各通道回波数据，并将其存入数组E。
检测步骤2：将基于无人飞艇平台的分布式雷达探测系统的共视区空间划分为三维空间栅格，三维空间栅格的经度间隔为dlo，纬度间隔为dla，高度间隔为dal。
检测步骤3：基于各三维空间栅格与各无人飞艇平台载荷的雷达节点对应的方位角、俯仰角、距离，计算与各三维空间栅格相对应的数组E中的距离单元，完成各通道数据与三维空间栅格的配准。
检测步骤4：根据配准结果，统计各三维空间栅格、各通道的SNR值，并根据下式（5），计算各三维空间栅格对应的所有通道的SNR值之和；其中， i表示三维空间栅格对应的数组索引，SNR值指信噪比值：
（5）
检测步骤5：将各通道对应的分别与预设的SNR门限TC进行比较，统计大于预设的SNR门限TC的通道数量，记为过门限通道数。
检测步骤6：将过门限通道数与预设的通道数阈值TN进行比较，并将各三维空间栅格对应的与预设的SNR值之和门限Tsum进行比较，筛选出满足≥TN且≥Tsum的目标栅格，将目标栅格保存至目标栅格数组SG，目标栅格数组SG中的元素表示为下式（6），其中，表示三维空间栅格 i对应的位置信息：
（6）
检测步骤7：根据的数值大小，对目标栅格数组SG中的各元素进行降序排序，选取的最大数值对应的目标栅格作为符合条件的栅格，将符合条件的栅格存入数组T，并将符合条件的栅格对应的数组E中的各通道回波数据清零，同时，将符合条件的栅格在目标栅格数组SG中的信息清除，得到更新后的目标栅格数组SG。
检测步骤8：判断更新后的目标栅格数组SG是否为空：若是，则将数组T包含的信息作为真实目标信息；若否，则回到检测步骤4。
本公开实施例相对于现有技术而言，通过将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，并基于预处理数据的数据量大小及系统中无线卫星通信链路传输带宽大小计算数据剔除比例，按照数据剔除比例对部分预处理数据进行剔除处理，设置量化门限，并基于量化门限对经过剔除处理后的预处理数据进行量化处理，得到对应的量化数据，基于量化数据构建量化数据传输集合，将各雷达节点对应的量化数据传输集合通过无线卫星通信链路传输至地面控制中心，在地面控制中心根据量化数据传输集合与基于系统的先验知识构建得到的量化数据矩阵之间的映射关系，构建量化数据还原矩阵，基于量化数据还原矩阵进行栅格检测，确定真实目标信息，能够有效降低基于无人飞艇平台的分布式雷达探测系统中信号级数据在无线传输过程中的通信量，有效提升基于无人飞艇平台的分布式雷达探测系统的目标联合检测效率。
为使本领域技术人员能够更好地理解上述实施例，下面以一具体示例进行说明。
一并结合图3，一种基于无人飞艇平台的分布式雷达探测系统目标检测方法包括以下步骤：
步骤S00：离线定义如图2所示的量化数据传输结构，其中，节点信息包含发射波位编号、量化值、量化值种类数， n=1,2,…,N表示通道编号，表示距离单元索引，表示距离单元索引对应的量化映射值。
步骤S01：各平台雷达载荷本地预处理回波数据：设定各无人飞艇平台中雷达节点各通道传输速度上限为 S n ，利用各无人飞艇平台中的数据处理器，对本地雷达节点采集的各通道回波数据进行匹配滤波和运动目标探测预处理，输出预处理结果序列，表示为下式（1）：
（1）
其中，表示第 n个通道中第 r n 个接收波位、第 l个距离单元的预处理结果序列， n=1,2,…,N表示通道编号，N表示通道总数，表示第 n个通道中接收波位编号，表示第 n个通道中接收波位的数量， mp表示脉冲编号，Mp表示脉冲个数，表示第 n个通道、第 r n 个接收波位 、第 l个距离单元的第 mp个脉冲预处理结果。
步骤S02：以“最小平方量化误差”准则对各通道预处理数据进行量化，得到量化数据 Q n ，具体步骤如下：
（1）统计获取接收通道对应的预处理数据的幅度分布直方图：统计本通道预处理数据中所有数据的幅度出现的频次，生成幅度分布直方图，的横坐标反映预处理数据幅度值，的纵坐标为各种数据幅度值出现的频次，并对进行拟合处理，得到对应的幅度概率密度，其中， p为预处理数据幅度值。
（2）根据离线定义的量化数据传输结构，基于无线卫星通信链路传输带宽大小及数据量大小，计算数据剔除比例：基于本通道距离单元数量Cellnum、一个距离单元索引所占字节数Indexbyte、一个距离单元量化值所占字节数 Q byte、数据发送时长Timetran、雷达数据信息即雷达节点信息所占字节数Labelbyte，根据下式（2）计算数据剔除比例：
（2）
（3）参考直方图，预处理数据按照数据剔除比例进行数据剔除处理：根据幅度分布直方图，统计对应的幅度分布函数；基于幅度分布函数，将数值从小到大排列的前数据剔除比例的预处理数据剔除，得到剔除数据后的预处理数据。
（4）以为量化范围，其中，表示剔除数据后的预处理数据对应的最小数据值，表示剔除数据后的预处理数据对应的最大数据值，以预处理数据幅度值与量化值的“最小平方量化误差”为目标准则，根据下式（3），计算满足目标准则的最优量化门限以及最优量化值：
（3）
其中，表示剔除数据后的预处理数据对应的量化门限，表示剔除数据后的预处理数据对应的量化值， m=1,2,…,M表示量化值编号，M表示量化门限个数。这里的量化门限个数M远小于现有技术中预处理数据量化区间个数，从而有效降低了后续待传输的数据量。
（5）根据最优量化门限以及最优量化值，对进行量化，将中数据值低于的数据对应的量化值映射为Nu，Nu的取值原则为远小于的任意值。依次将中数据值处于至区间的数据对应的量化值映射为，得到量化数据。
步骤S03：基于量化后预处理数据即量化数据，构建量化数据传输集合，具体过程如下：
（1）将量化数据中量化值为的数据映射为 m，并将量化数据中量化值为Nu的数据仍映射为Nu，得到量化数据对应的映射后矩阵；
（2）依次统计第 n个通道、第 r n 个接收波位对应的数据，统计其中数值为1, 2,…, m, …,M的数据，将量化映射值及其对应的距离单元索引保存至量化数据传输集合，表示为下式（4）：
（4）
其中，表示第 n个通道中的第 r n 个接收波位的量化数据传输集合， mt=1,2,…,MT表示量化映射值的编号，MT表示量化映射值的总个数。
步骤S04：各无人飞艇平台将量化数据传输集合通过无线卫星通信链路传输至地面控制中心，具体步骤如下：
传输步骤1：各无人飞艇平台将量化值为的数据对应的量化值种类数量通过无线卫星通信链路传输至地面控制中心。
传输步骤2：各无人飞艇平台依次将值为的量化值通过无线卫星通信链路传输至地面控制中心。
传输步骤3：将第 n个通道中第 r n 个接收波位的量化数据传输集合中的量化映射值及其对应的距离单元索引，通过无线卫星通信链路传输至地面控制中心，并在该第 r n 个接收波位对应的数据传输完成后，将对应的接收波位结束标志通过无线卫星通信链路传输至地面控制中心。
传输步骤4：令 r n= r n+1，判断当前的 r n是否大于 R n ：若是，执行传输步骤5；若否，则回到传输步骤3。
传输步骤5：令 n= n+1，判断当前的 n是否大于N：若是，则传输过程完成，执行步骤S05；若否，则回到传输步骤1。
步骤S05：在地面控制中心根据各无人飞艇平台载荷的雷达节点的信号采样率及各接收通道距离波门长度、历史传输数据等先验知识，离线建立各接收通道对应的量化数据还原矩阵，具体过程如下：
步骤S051，基于各无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立各接收通道对应的量化数据矩阵，将量化数据矩阵中的所有数据均置为数值Nud；其中，数值Nud的取值原则为：离线统计历史传输数据幅度最小值，将数值Nud选取为远小于历史传输数据幅度最小值的任意值。
步骤S052，在地面控制中心读取各无人飞艇平台通过无线卫星通信链路传输来的量化值种类数量。
步骤S053，在地面控制中心读取各无人飞艇平台通过无线卫星通信链路依次传输来的值为的量化值。
步骤S054，在地面控制中心读取无线卫星通信链路传输来的第 n个通道中第 r n 个接收波位对应的量化映射值及其对应的距离单元索引，按通道数、接收波位数顺序，根据距离单元索引，将量化映射值赋予量化数据矩阵中的对应数据，得到更新后的量化数据矩阵。
步骤S055，令 r n= r n+1，判断当前的 r n是否大于 R n ：若是，执行步骤S056；若否，则回到步骤S054。
步骤S056，根据各平台传输的量化值种类数量、量化值和量化数据矩阵计算量化值，并将其保存至量化数据还原矩阵，具体过程如下：
1）基于各无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立与各接收通道对应的量化数据矩阵相对应的量化数据还原矩阵，并将量化数据还原矩阵中的所有数据均置为数值Nud。
2）根据量化数据传输集合与量化数据矩阵的映射关系，将更新后的量化数据矩阵中的数据映射至量化数据还原矩阵，将量化映射值映射为，得到更新后的量化数据还原矩阵。
步骤S057，令 n= n+1，判断当前的 n是否大于N：若是，则量化数据还原矩阵构建完成，执行步骤S06；若否，则回到步骤S052。
步骤S06：进行三维栅格空间划分，将基于无人飞艇平台的分布式雷达探测系统的共视区空间划分为三维空间栅格，三维空间栅格的经度间隔为dlo，纬度间隔为dla，高度间隔为dal。读取更新后的量化数据还原矩阵中各通道回波数据，并将其存入数组E。基于各三维空间栅格与各无人飞艇平台载荷的雷达节点对应的方位角、俯仰角、距离，计算与各三维空间栅格相对应的数组E中的距离单元，完成量化数据还原矩阵中各通道数据与三维空间栅格的配准。
步骤S07：根据配准结果，统计各三维空间栅格、各通道的SNR值，其中， i表示三维空间栅格对应的数组索引，并根据下式（5），计算各三维空间栅格对应的所有通道的SNR值之和：
（5）
步骤S08：将各通道对应的分别与预设的SNR门限TC进行比较，统计过门限通道数即大于预设的SNR门限TC的通道数量。
步骤S09：将过门限通道数与预设的通道数阈值TN进行比较，并将各三维空间栅格对应的与预设的SNR值之和门限Tsum进行比较，筛选出满足≥TN且≥Tsum的目标栅格，将其保存至目标栅格数组SG，目标栅格数组SG中的元素表示为下式（6），其中，表示三维空间栅格 i对应的位置信息：
（6）
步骤S10：根据SNR值之和的大小即的数值大小，对目标栅格数组SG中的各元素进行降序排序，选取SNR值之和的最大数值对应的目标栅格作为符合条件的栅格，将符合条件的栅格存入数组T即目标集合，并将符合条件的栅格对应的数组E中的各通道回波数据清零，同时，将符合条件的栅格在目标栅格数组SG中的信息清除，得到更新后的目标栅格数组SG。
步骤S11：判断更新后的目标栅格数组SG是否为空：若是，则将数组T包含的信息作为所估计真实目标信息，进行点迹输出；若否，则回到步骤S07。也就是说，判断目标栅格数组SG中是否还存在目标栅格：若否，则将数组T即目标集合包含的信息作为所估计真实目标信息，进行点迹输出；若是，则回到步骤S07。
本领域的普通技术人员可以理解，上述各实施方式是实现本公开的具体实施方式，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本公开的精神和范围。

Claims (8)

1.一种基于无人飞艇平台的分布式雷达探测系统目标检测方法，其特征在于，所述目标检测方法包括：
将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，得到对应的预处理数据；
基于所述预处理数据的数据量大小以及所述分布式雷达探测系统中无线卫星通信链路的传输带宽大小，计算数据剔除比例；
按照所述数据剔除比例，剔除部分所述预处理数据，得到剔除数据后的预处理数据；
设置量化门限，基于所述量化门限对所述剔除数据后的预处理数据进行量化处理，得到量化数据；
基于所述量化数据，构建量化数据传输集合；
将所述量化数据传输集合通过所述无线卫星通信链路传输至地面控制中心；
在所述地面控制中心根据所述量化数据传输集合与量化数据矩阵之间的映射关系，构建量化数据还原矩阵；其中，所述量化数据矩阵基于所述分布式雷达探测系统的先验知识构建得到；
基于所述量化数据还原矩阵进行栅格检测，确定真实目标信息；
所述将各无人飞艇平台载荷的雷达节点采集的回波数据在其本地进行预处理，得到对应的预处理数据，包括：
对所述回波数据进行匹配滤波处理以及运动目标探测处理，输出预处理结果序列，表示为下式（1）：
（1）
其中，表示第n个通道中第r n 个接收波位、第l个距离单元的预处理结果序列，n=1,2,…,N表示通道编号，N表示通道总数，表示第n个通道中接收波位编号，表示第n个通道中接收波位的数量，mp表示脉冲编号，Mp表示脉冲个数，表示第n个通道、第r n 个接收波位、第l个距离单元的第mp个脉冲预处理结果；
所述基于所述预处理数据的数据量大小以及所述分布式雷达探测系统中无线卫星通信链路的传输带宽大小，计算数据剔除比例，包括：
根据下式（2）计算所述数据剔除比例：
（2）
其中，S n 表示第n个通道的传输速度上限，Timetran表示数据发送时长，Cellnum表示本通道距离单元数量，Indexbyte表示一个距离单元索引所占字节数，Qbyte表示一个距离单元量化值所占字节数，Labelbyte表示雷达节点信息所占字节数。
2.根据权利要求1所述的目标检测方法，其特征在于，所述按照所述数据剔除比例，剔除部分所述预处理数据，得到剔除数据后的预处理数据，包括：
统计中所有数据的幅度出现的频次，生成对应的幅度分布直方图，其中，p表示预处理数据幅度值；
根据所述幅度分布直方图，统计对应的幅度分布函数；
基于所述幅度分布函数，将数值从小到大排列的前数据剔除比例的预处理数据剔除，得到剔除数据后的预处理数据。
3.根据权利要求2所述的目标检测方法，其特征在于，所述设置量化门限，基于所述量化门限对所述剔除数据后的预处理数据进行量化处理，得到量化数据，包括：
以为量化范围，以预处理数据幅度值与量化值的“最小平方量化误差”为目标准则，根据下式（3），计算满足所述目标准则的最优量化门限以及最优量化值，其中，表示剔除数据后的预处理数据对应的最小数据值，表示剔除数据后的预处理数据对应的最大数据值：
（3）
其中，表示剔除数据后的预处理数据对应的量化门限，表示剔除数据后的预处理数据对应的量化值，m=1,2,…,M表示量化值编号，M表示量化门限个数，表示对所述幅度分布直方图进行拟合处理得到的幅度概率密度；
根据所述最优量化门限以及所述最优量化值，对进行量化，将中数据值低于的数据对应的量化值映射为Nu，将中数据值处于至区间的数据对应的量化值映射为，得到量化数据；其中，Nu表示远小于的任意值。
4.根据权利要求3所述的目标检测方法，其特征在于，所述基于所述量化数据，构建量化数据传输集合，包括：
将量化数据中量化值为的数据映射为m，并将量化数据中量化值为Nu的数据仍映射为Nu，得到量化数据对应的映射后矩阵；
依次统计第n个通道、第r n 个接收波位对应的数据，统计其中数值为1,2,…,m,…,M的数据，将量化映射值及其对应的距离单元索引保存至量化数据传输集合，表示为下式（4）：
（4）
其中，表示第n个通道中的第r n 个接收波位的量化数据传输集合，mt=1,2,…,MT表示量化映射值的编号，MT表示量化映射值的总个数。
5.根据权利要求4所述的目标检测方法，其特征在于，所述将所述量化数据传输集合通过所述无线卫星通信链路传输至地面控制中心，包括：
传输步骤1：各所述无人飞艇平台将量化值为的数据对应的量化值种类数量通过所述无线卫星通信链路传输至所述地面控制中心；
传输步骤2：各所述无人飞艇平台依次将值为的量化值通过所述无线卫星通信链路传输至所述地面控制中心；
传输步骤3：将第n个通道中第r n 个接收波位的量化数据传输集合中的量化映射值及其对应的距离单元索引，通过所述无线卫星通信链路传输至所述地面控制中心，并在该第r n 个接收波位对应的数据传输完成后，将对应的接收波位结束标志通过所述无线卫星通信链路传输至所述地面控制中心；
传输步骤4：令r n=r n+1，判断当前的r n是否大于R n ：若是，执行传输步骤5；若否，则回到传输步骤3；
传输步骤5：令n=n+1，判断当前的n是否大于N：若是，则传输过程完成；若否，则回到传输步骤1。
6.根据权利要求5所述的目标检测方法，其特征在于，所述量化数据矩阵基于所述分布式雷达探测系统的先验知识构建得到，包括：
基于各所述无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立各接收通道对应的量化数据矩阵，将量化数据矩阵中的所有数据均置为数值Nud；其中，数值Nud表示远小于历史传输数据幅度最小值的任意值。
7.根据权利要求6所述的目标检测方法，其特征在于，所述在所述地面控制中心根据所述量化数据传输集合与量化数据矩阵之间的映射关系，构建量化数据还原矩阵，包括：
构建步骤1：在所述地面控制中心读取所述无线卫星通信链路传输来的量化值种类数量；
构建步骤2：在所述地面控制中心读取所述无线卫星通信链路传输来的值为的量化值；
构建步骤3：在所述地面控制中心读取所述无线卫星通信链路传输来的第n个通道中第r n 个接收波位对应的量化映射值及其对应的距离单元索引，按通道数、接收波位数顺序，根据距离单元索引，将量化映射值赋予量化数据矩阵中的对应数据，得到更新后的量化数据矩阵；
构建步骤4：令r n=r n+1，判断当前的r n是否大于R n ：若是，执行构建步骤5；若否，则回到构建步骤3；
构建步骤5：基于各所述无人飞艇平台载荷的雷达节点对应的信号采样率、各接收通道距离波门长度、历史传输数据，离线建立与各接收通道对应的量化数据矩阵相对应的量化数据还原矩阵，并将量化数据还原矩阵中的所有数据均置为数值Nud；将更新后的量化数据矩阵中的数据映射至量化数据还原矩阵，将量化映射值映射为，得到更新后的量化数据还原矩阵；
构建步骤6：令n=n+1，判断当前的n是否大于N：若是，则量化数据还原矩阵构建完成；若否，则回到构建步骤1。
8.根据权利要求7所述的目标检测方法，其特征在于，所述基于所述量化数据还原矩阵进行栅格检测，确定真实目标信息，包括：
检测步骤1：读取更新后的量化数据还原矩阵中各通道回波数据，并将其存入数组E；
检测步骤2：将所述基于无人飞艇平台的分布式雷达探测系统的共视区空间划分为三维空间栅格，所述三维空间栅格的经度间隔为dlo，纬度间隔为dla，高度间隔为dal；
检测步骤3：基于各所述三维空间栅格与各所述无人飞艇平台载荷的所述雷达节点对应的方位角、俯仰角、距离，计算与各所述三维空间栅格相对应的数组E中的距离单元，完成各通道数据与所述三维空间栅格的配准；
检测步骤4：根据配准结果，统计各所述三维空间栅格、各通道的SNR值，并根据下式（5），计算各所述三维空间栅格对应的所有通道的SNR值之和；其中，i表示所述三维空间栅格对应的数组索引：
（5）
检测步骤5：将各通道对应的分别与预设的SNR门限TC进行比较，统计大于所述预设的SNR门限TC的通道数量，记为过门限通道数；
检测步骤6：将过门限通道数与预设的通道数阈值TN进行比较，并将各所述三维空间栅格对应的与预设的SNR值之和门限Tsum进行比较，筛选出满足≥TN且≥Tsum的目标栅格，将所述目标栅格保存至目标栅格数组SG，所述目标栅格数组SG中的元素表示为下式（6），其中，表示三维空间栅格i对应的位置信息：
（6）
检测步骤7：根据的数值大小，对所述目标栅格数组SG中的各元素进行降序排序，选取的最大数值对应的目标栅格作为符合条件的栅格，将所述符合条件的栅格存入数组T，并将所述符合条件的栅格对应的所述数组E中的各通道回波数据清零，同时，将所述符合条件的栅格在所述目标栅格数组SG中的信息清除，得到更新后的目标栅格数组SG；
检测步骤8：判断更新后的目标栅格数组SG是否为空：若是，则将数组T包含的信息作为真实目标信息；若否，则回到所述检测步骤4。
CN202310188068.6A 2023-03-02 2023-03-02 基于无人飞艇平台的分布式雷达探测系统目标检测方法 Active CN115877385B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310188068.6A CN115877385B (zh) 2023-03-02 2023-03-02 基于无人飞艇平台的分布式雷达探测系统目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310188068.6A CN115877385B (zh) 2023-03-02 2023-03-02 基于无人飞艇平台的分布式雷达探测系统目标检测方法

Publications (2)

Publication Number Publication Date
CN115877385A CN115877385A (zh) 2023-03-31
CN115877385B true CN115877385B (zh) 2023-05-09

Family

ID=85761769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310188068.6A Active CN115877385B (zh) 2023-03-02 2023-03-02 基于无人飞艇平台的分布式雷达探测系统目标检测方法

Country Status (1)

Country Link
CN (1) CN115877385B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116893413B (zh) * 2023-09-11 2023-12-01 中国电子科技集团公司信息科学研究院 一种分布式实孔径机载预警雷达探测系统及方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108037493B (zh) * 2017-11-27 2021-11-02 西安电子科技大学 基于多基地雷达的杂波子空间下双门限恒虚警检测方法
CN109828253B (zh) * 2019-04-15 2023-03-10 西安电子科技大学 一种多站雷达量化融合目标检测方法
FR3111994B1 (fr) * 2020-06-30 2023-02-24 Commissariat Energie Atomique Procédé de détection de cible pour radar à pénétration de sol et radar associé
CN112068085B (zh) * 2020-10-16 2022-05-06 中国电波传播研究所（中国电子科技集团公司第二十二研究所） 一种基于深度学习的雷达海杂波原始数据快速预处理方法
CN112684428B (zh) * 2021-01-15 2023-08-04 浙江大学 一种基于信号代理的多目标恒虚警率检测方法
CN113406577B (zh) * 2021-05-25 2023-08-25 中山大学 一种无人机载雷达主瓣干扰抑制方法、装置及存储介质

Also Published As

Publication number Publication date
CN115877385A (zh) 2023-03-31

Similar Documents

Publication Publication Date Title
CN1224289C (zh) 无线远程通信网中的位置估计
CN115877385B (zh) 基于无人飞艇平台的分布式雷达探测系统目标检测方法
US20200033438A1 (en) Method and system for geolocating a terminal of a wireless communication system
CN109523819B (zh) 一种基于公交到离站的乘客ic卡数据与站点匹配方法
CN115436972A (zh) 基于重载货车gps轨迹识别停留点的方法、系统及介质
CN112182961B (zh) 一种换流站无线网络信道大尺度衰落建模预测方法
CN101621808B (zh) 一种确定小区覆盖范围的方法和装置
CN109521412B (zh) 基于局部统计量融合的雷达组网空域目标检测方法
CN114499651A (zh) 信号传输方法、信号传输装置及电子设备
CN114422949A (zh) 网络质量评估方法、装置、设备及存储介质
CN109061632A (zh) 一种无人机识别方法
CN106993296A (zh) 终端的性能评估方法及装置
EP1966779B1 (en) System and related method for road traffic monitoring
CN107817491A (zh) 一种图像的生成方法、装置及图像生成设备
CN115390047B (zh) 星载光子计数激光雷达数据去噪滤波方法及装置
CN114814807B (zh) 基于动态多尺度栅格的分布式雷达目标检测方法及装置
Strzoda et al. Measurements and analysis of large scale lora network efficiency
AU2022453597A1 (en) Positioning method, apparatus, electronic device and storage medium
CN114710744B (zh) 一种深度融合WiFi测距与PDR推算的室内定位方法
Gadhgadhi et al. Distance estimation using polynomial approximation and neural network based on rssi technique
WO2008104545A1 (en) Method for computing the geographical location of a mobile terminal
CN114501618B (zh) 定位模型训练方法、定位方法和计算机可读存储介质
JP6185804B2 (ja) 判定装置、ネットワークノード、判定方法、及びプログラム
CN115291198B (zh) 一种雷达信号发射及信号处理方法
CN114040435B (zh) 网络覆盖质量的评测方法、装置、存储介质及设备

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