CN116027317B - 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 - Google Patents
一种基于星载宽带雷达的海面舰船目标二维速度估计方法 Download PDFInfo
- Publication number
- CN116027317B CN116027317B CN202310016093.6A CN202310016093A CN116027317B CN 116027317 B CN116027317 B CN 116027317B CN 202310016093 A CN202310016093 A CN 202310016093A CN 116027317 B CN116027317 B CN 116027317B
- Authority
- CN
- China
- Prior art keywords
- matrix
- target
- speed
- distance
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 238000003384 imaging method Methods 0.000 claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims description 146
- 239000013598 vector Substances 0.000 claims description 45
- 238000005070 sampling Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000007704 transition Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 8
- 238000002592 echocardiography Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 4
- 241000764238 Isis Species 0.000 claims 2
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims 1
- 239000002131 composite material Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 239000013589 supplement Substances 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 8
- 230000005012 migration Effects 0.000 abstract description 3
- 238000013508 migration Methods 0.000 abstract description 3
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 2
- 230000002194 synthesizing effect Effects 0.000 abstract description 2
- 230000033001 locomotion Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity 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
本发明提供一种基于星载宽带雷达的海面舰船目标二维速度估计方法,以海面舰船目标的雷达宽带回波数据为输入数据,估计目标距离维和方位维二维速度参数;首先,输入数据通过距离维傅里叶变换获取目标距离维频域偏移量,并根据频率偏移量与距离维速度的关系解算出目标距离维速度参数。综合多脉冲数据,以合成孔径雷达简化版距离徙动算法对目标数据进行粗成像,并裁剪出散焦的目标复图像数据。然后,以目标等效合速度为参数构建粗成像结果的相位补偿函数,以图像熵值为最小化为准则,搜索出最优相位补偿函数,并确定其对应的等效合速度。最后,根据距速度合成关系和前述步骤估计出的距离维速度,解算出目标的方位维速度。
Description
技术领域
本发明涉及雷达参数估计领域,尤其涉及一种基于星载宽带雷达的海面舰船目标二维速度估计方法。
背景技术
星载宽带雷达是对广域海洋观测的重要遥感设备,在海洋观测中最为常见的是人造舰船目标,准确估计出舰船目标的运功参数对于目标分类识别、海洋态势感知至关重要。舰船目标在海面运动,往往伴随着三维复杂运动,投影到雷达观测平面也属于二维运动,其中雷达径向速度(即视线方向速度)可以利用回波多普勒频率偏移量准确测算出,但是对于雷达视线的切向速度,无法由雷达直接测量。因此,如何利用星载雷达数据获取舰船目标的二维速度参数一直是雷达遥感领域的重点问题。
目前,基于雷达平台的运动舰船目标二维速度估计方法主要分为两大类。一类方法是对硬件平台进行升级,利用收发分置或多通道雷达天线从不同角度观测目标,从而克服了单通道雷达天线无法获取直接估计目标切向速度的问题。这一类方法的优势是处理流程简单,不足是增加了系统复杂度,对于星载雷达成本更是成倍增长。另一类方法是利用运动的单通道雷达发射多脉冲,通过信号处理算法从多脉冲回波中解算出目标二维速度。这一类方法有效地降低了硬件成本,但存在着算法复杂度高,目标速度参数估计精度对算法依赖性大等问题。对于星载雷达平台,受限于平台载荷,通常采用第二类方法对目标二维速度进行估计。
近年来,有许多学者致力于研究基于雷达平台的地面/海面目标二维速度估计方法,下面重点介绍两个具有代表性的雷达运动目标二维速度估计方法的主要贡献以及存在的不足。
1.Gang Li,Xiang-Gen Xia,Jia Xu,et al.A velocity estimation algorithmof moving targets using single antenna SAR,2009,45(3):1052-1062.
该文献基于合成孔径雷达成像技术提出了一种单通道天线的运动目标参数估计方法,该方法首先对动目标的雷达回波信号进行距离徙动校正和距离压缩,然后以距离多普勒域的图像对比度最大化为准则,对目标的二维速度进行搜索。该方法能够有效克服回波Doppler模糊问题,但对信杂比有较高的要求,同时由于需要在二维参数空间进行搜索,因此参数估计效率较低。
2.Fu-Fei Gu,Qun Zhang,Yi-Chang Chen,Wen-Jun Huo,and Jia-Cheng Ni,Parametric sparse representation method for motion parameter estimation ofground moving target,2016,16(21),7646-7652.
该文献基于参数化稀疏表征技术提出了一种地面运动目标二维速度估计方法。由于是针对地面目标进行速度估计,该方法首先利用双通道天线接收到的回波进行杂波对消,然后利用Hough变换估计目标的径向速度,再估计目标切向速度时,该文献采用了一种参数化稀疏表征技术构造了一个过完备字典,然后利用牛顿迭代法求解参数化稀疏优化问题。该方法实现了回波稀疏采样数据条件下的目标运动参数估计问题,但存在着天线设计复杂,切向速度迭代初值选取敏感等问题。只有当雷达平台自身运动速度满足一定的要求,并且目标切向速度所选取的初值与真值间的误差足够小,才能保证迭代过程收敛,因此实际使用中具有一定局限性。
通过上述现有的基于雷达平台的目标二维速度估计方法的总结可以看出。基于信号处理方案的估计方法更适合于星载平台运用,但是需要解决杂波对消、参数化稀疏表征类算法收敛半径小等问题,才能在星载平台上取得实际应用。
发明内容
本发明的目的在于针对上述现有技术的不足,提供了一种基于星载宽带雷达的海面舰船目标二维速度估计方法,该方法无需确定目标运动参数初值,具有较高的估计准确度。
为实现上述目的,本发明采用了如下技术方案:
本发明提供了一种基于星载宽带雷达的海面舰船目标二维速度估计方法,包括以下步骤:
S1、确定输入数据:星载宽带雷达发射脉冲信号观测目标区域,将多个脉冲回波的数字采样数据作为输入数据,记为矩阵S0,其中矩阵S0的尺寸为M×N,N表示共收集了N个脉冲回波,每一个脉冲回波共采集了M个采样数据;
S2、脉内数据傅里叶变换;将输入数据S0的每一列分别做傅里叶变换,得到距离维频域数据,得到距离维频域数据矩阵S1;
S3、估计目标径向速度vr;统计所述距离维频域数据矩阵S1中每一列信号的中心频率值,平均值记为fc,计算fc与雷达发射脉冲信号的中心频率f0之间的差值,根据所述差值与目标径向速度的关系,计算出目标径向速度vr;
S4、获取舰船目标粗成像结果;以所述距离维频域数据矩阵S1为输入数据,对运动舰船目标进行粗成像,粗成像结果矩阵为S2;
S5、确定散焦的运动目标ROI数据;从所述粗成像结果矩阵S2中裁剪出散焦的运动目标感兴趣区域ROI数据矩阵S3;
S6、确定合速度与相位补偿函数关系,以及合速度搜索范围;
S7、估计目标合速度v;
S8、解算出目标方位维速度va;
S9、输出目标二维速度。
进一步,所述S2中,距离维频域数据矩阵S1具体为:
S1=Fr·S0 (1)
其中,Fr是尺寸为M×M的傅里叶变换矩阵,傅里叶变换矩阵每一行每一列具体元素构造为:
其中,j表示虚数单位,π表示圆周率常数,(a,b)表示矩阵第a行第b列的元素坐标。
进一步,S3具体步骤为:
S301、根据所述距离维频域数据矩阵S1估计每一脉冲回波的中心频率fn;对所述距离维频域数据矩阵S1中的每一列分别处理,或并行处理,所述距离维频域数据矩阵S1的第n个列向量记为s1_n(n=1,2,…,N),检索s1_n中数值最大值记为μn_max,以μn_max/2为门限对向量s1_n进行二值化处理,二值化后的向量记为cn,cn各元素具体为:
其中,cn(m)表示向量cn的第m个元素,s1_n(m)表示向量s1_n的第m个元素;
构造距离维频率坐标向量fr_index,尺寸为M×1,具体第m个元素构造为:
其中,fs表示雷达回波信号采样频率,为雷达系统给出的已知量;
由式(3)所得,第n个脉冲回波对应的二值化向量cn和距离维坐标向量fr_index计算第n个脉冲回波的中心频率fn,具体为:
S302、根据S301得到的每一个脉冲的中心频率fn,得出所有脉冲数据的平均中心频率fc,具体为:
S303、根据S302所得平均中心频率fc,计算回波信号距离维频率偏移量δ,具体为:
δ=fc-f0 (7)
S304、根据S303所得回波信号距离维频率偏移量δ,计算目标径向速度分量,具体为:
其中,λ表示发射信号的载频波长,为雷达系统给出的已知量;vr的计算结果若为正值,则表示目标速度方向为指向雷达方向;vr的计算结果若为负值,则表示目标速度方向为背向雷达方向。
进一步,所述S4,具体为:
S401、将回波数据变换到二维频域;通过矩阵运算对所述S2中的距离维频域数据矩阵S1按行进行傅里叶变换,得到二维频域数据矩阵SD:
SD=S1·Fa (9)
其中,Fa是尺寸为N×N的傅里叶变换矩阵,傅里叶变换矩阵每一行每一列具体元素构造为:
(10)
其中,j表示虚数单位,π表示圆周率常数,(p,q)表示矩阵第p行第q列的元素坐标;
S402、构造聚焦算子矩阵H;构造尺寸为N×1的方位维频率坐标向量fa_index,具体第n个元素构造为:
其中fPRF表示雷达脉冲重复频率,为雷达系统给出的已知量;
结合式(4)和式(11)构造出尺寸为M×N的聚焦算子矩阵H,矩阵的第m行第n列元素取值为:
其中,j表示虚数单位,π表示圆周率常数,(m,n)表示矩阵第m行第n列的元素坐标,Rref为目标区域参考距离,γ为雷达发射脉冲的调频率,为雷达系统给出的已知量;
S403、粗成像运算:根据S401中得到的二维频域数据矩阵SD和S402中得到的聚焦算子矩阵H,通过矩阵运算获得粗成像结果矩阵S2
S2(m,n)=SD(m,n)·H(m,n);m=1,2,…,M;n=1,2,…,N (13)
其中,矩阵SD和矩阵H对应元素相乘获得新矩阵S2。
进一步,所述S5,具体为:
S501、确定目标所在距离单元和距离维裁剪区间;生产尺寸为M×1的距离维聚焦能量向量αr,第m个元素具体构造方式为:
找出向量αr中最大值元素所在位置序号,记为Mindex,则成目标所在距离单元为第Mindex个距离单元,距离维裁剪区间[rmin,rmax]根据所在距离单元Mindex确定为:
S502、根据S501所获得的距离维裁剪区间[rmin,rmax]对粗成像结果矩阵S2进行纵向距离维裁剪,获得距离维完成裁剪的过渡矩阵,记为S′2;
裁剪方式为在纵向维度保留粗成像结果矩阵S2的[rmin,rmax]区间内的行向量,新矩阵记为S′2;矩阵尺寸为M′×N;
S503、确定目标所在方位单元和方位维裁剪区间;生成尺寸为N×1的方位维聚焦能量向量αa,其第n个元素具体构造方式为:
找出向量αa中最大值元素所在位置序号,记为Nindex,则成目标所在距离单元为第Nindex个距离单元,距离维裁剪区间[amin,amax]根据所在距离单元Nindex确定为:
S504、根据S503所获得的距离维裁剪区间[amin,amax]对过渡矩阵S′2进行横向距离维裁剪,获得ROI数据矩阵,记为S3;
裁剪方式为在纵向维度保留过渡矩阵S′2的[amin,amax]区间内的列向量,新矩阵记为S3;矩阵尺寸为M′×N′。
进一步,所述S6具体为:构建针对ROI数据的相位补偿矩阵,所述相位补偿矩阵与目标合速度相关,以确定函数关系,所述函数关系自变量为目标合速度v,应变量为一个尺寸为M′×N′的矩阵P;
S601、构造尺寸为N′×1的方位维频率坐标向量fa′index,具体第n′个元素构造为:
S602、构造距离维频率坐标向量fr′_index,尺寸为M′×1,具体第m′个元素构造为:
S603、矩阵P第m′行第n′列的元素构造方式为:
其中,j表示虚数单位,π表示圆周率常数,P(m′,n′)v表示目标合速度取v时,相位补偿矩阵第m′行第n′列的元素,V表示雷达平台自身速度,为雷达系统给出的已知量;星载平台自身速度通常远大于舰船合速度,以平台速度V确定合速度搜索区间[vmin,vmax],其中vmin=-0.1×|V|,vmax=0.1×|V|,负数表示速度方向与平台速度方向相反。
进一步,所述S7具体为:
S701、搜索初始化处理:对合速度搜索区间离散化处理,在区间[vmin,vmax]内共采样L个点,确定待搜索的合速度采样点表达式为:
初始化令l=1;
S702、根据l值利用公式(21)计算待搜索合速度值v′,根据待搜索合速度值v′利用公式(20)计算出对应的相位补偿矩阵P|v′;
根据S5中得到的ROI数据矩阵S3和搜索合速度值v′对应的相位补偿矩阵Pv′,通过矩阵运算获得对应的补偿后数据矩阵S4v′;具体计算方式为:
S4(m′,n′)|v′=S3(m′,n′)·P(m′,n′)|v′;m′=1,2,…,M′;n′=1,2,…,N′ (22)
S703:计算根据第l个合速度采样点所得补偿后复图像S4|v′的图像熵,具体计算方式为:
增加循环序号,令l←l+1;
S704:循环条件判断,若l≤L,则返回S702继续处理,否则在所有的图像熵值El(l=1,2,…,L)中找出最小值记为E0,最小熵值对应的合速度采样点记为v0。
进一步,所述S8具体为:利用S3中得出的目标径向速度vr和S7中得出的目标合速度v0,基于平行四边形法则估计目标方位维速度va,具体计算方式为:
进一步,所述S9具体为:输出S3所得距离维速度vr和S8所得目标方位维速度va。
本发明的有益效果为:利用多普勒频移技术估计目标距离维速度,利用参数化稀疏表征技术估计出目标方位维速度。相比于现有其他雷达目标速度二维估计方法,本发明方法的有益效果主要表现在:
1)利用距离单元检测技术去除了大量背景杂波,提高了参数估计准确率;2)在参数化稀疏求解过程中,采用全域搜索方案代替了传统的牛顿迭代方案,无需用户提供待估计参数初值,提升了方法应用价值;3)利用搜索算法时,仅对合速度单一参数空间进行搜多,确保获得全局最优解的同时提高了算法效率。星载宽带雷达仿真实验数据处理结果展示了该方法的有效性。
附图说明
图1为本发明一种基于星载宽带雷达的海面舰船目标二维速度估计方法的流程图;
图2为实施例一仿真场景示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
请参阅图1,一种基于星载宽带雷达的海面舰船目标二维速度估计方法,包括以下步骤:
S1、确定输入数据:星载宽带雷达发射脉冲信号观测目标区域,将多个脉冲回波的数字采样数据作为输入数据,记为矩阵S0,其中矩阵S0的尺寸为M×N,N表示共收集了N个脉冲回波,每一个脉冲回波共采集了M个采样数据;
S2、脉内数据傅里叶变换;将输入数据S0的每一列分别做傅里叶变换,得到距离维频域数据,得到距离维频域数据矩阵S1;
S3、估计目标径向速度vr;统计所述距离维频域数据矩阵S1中每一列信号的中心频率值,平均值记为fc,计算fc与雷达发射脉冲信号的中心频率f0之间的差值,根据所述差值与目标径向速度的关系,计算出目标径向速度vr;
S4、获取舰船目标粗成像结果;以所述距离维频域数据矩阵S1为输入数据,对运动舰船目标进行粗成像,粗成像结果矩阵为S2;
S5、确定散焦的运动目标ROI数据;从所述粗成像结果矩阵S2中裁剪出散焦的运动目标感兴趣区域ROI数据矩阵S3;
S6、确定合速度与相位补偿函数关系,以及合速度搜索范围;
S7、估计目标合速度v;
S8、解算出目标方位维速度va;
S9、输出目标二维速度。
所述S2中,距离维频域数据矩阵S1具体为:
S1=Fr·S0 (1)
其中,Fr是尺寸为M×M的傅里叶变换矩阵,傅里叶变换矩阵每一行每一列具体元素构造为:
其中,j表示虚数单位,π表示圆周率常数,(a,b)表示矩阵第a行第b列的元素坐标。
S3具体步骤为:
S301、根据所述距离维频域数据矩阵S1估计每一脉冲回波的中心频率fn;对所述距离维频域数据矩阵S1中的每一列分别处理,或并行处理,所述距离维频域数据矩阵S1的第n个列向量记为s1_n(n=1,2,…,N),检索s1_n中数值最大值记为μn_max,以μn_max/2为门限对向量s1_n进行二值化处理,二值化后的向量记为cn,cn各元素具体为:
其中,cn(m)表示向量cn的第m个元素,s1_n(m)表示向量s1_n的第m个元素;
构造距离维频率坐标向量fr index,尺寸为M×1,具体第m个元素构造为:
其中,fs表示雷达回波信号采样频率,为雷达系统给出的已知量;
由式(3)所得,第n个脉冲回波对应的二值化向量cn和距离维坐标向量fr_index计算第n个脉冲回波的中心频率fn,具体为:
S302、根据S301得到的每一个脉冲的中心频率fn,得出所有脉冲数据的平均中心频率fc,具体为:
S303、根据S302所得平均中心频率fc,计算回波信号距离维频率偏移量δ,具体为:
δ=fc-f0 (7)
S304、根据S303所得回波信号距离维频率偏移量δ,计算目标径向速度分量,具体为:
其中,λ表示发射信号的载频波长,为雷达系统给出的已知量;vr的计算结果若为正值,则表示目标速度方向为指向雷达方向;vr的计算结果若为负值,则表示目标速度方向为背向雷达方向。
所述S4,具体为:
S401、将回波数据变换到二维频域;通过矩阵运算对所述S2中的距离维频域数据矩阵S1按行进行傅里叶变换,得到二维频域数据矩阵SD:
SD=S1·Fa (9)
其中,Fa是尺寸为N×N的傅里叶变换矩阵,傅里叶变换矩阵每一行每一列具体元素构造为:
(10)
其中,j表示虚数单位,π表示圆周率常数,(p,q)表示矩阵第p行第q列的元素坐标;
S402、构造聚焦算子矩阵H;构造尺寸为N×1的方位维频率坐标向量fa_index,具体第n个元素构造为:
其中fPRF表示雷达脉冲重复频率,为雷达系统给出的已知量;
结合式(4)和式(11)构造出尺寸为M×N的聚焦算子矩阵H,矩阵的第m行第n列元素取值为:
其中,j表示虚数单位,π表示圆周率常数,(m,n)表示矩阵第m行第n列的元素坐标,Rref为目标区域参考距离,γ为雷达发射脉冲的调频率,为雷达系统给出的已知量;
S403、粗成像运算:根据S401中得到的二维频域数据矩阵SD和S402中得到的聚焦算子矩阵H,通过矩阵运算获得粗成像结果矩阵S2
S2(m,n)=SD(m,n)·H(m,n);m=1,2,…,M;n=1,2,…,N (13)
其中,矩阵SD和矩阵H对应元素相乘获得新矩阵S2。
所述S5,具体为:
S501、确定目标所在距离单元和距离维裁剪区间;生产尺寸为M×1的距离维聚焦能量向量αr,第m个元素具体构造方式为:
找出向量αr中最大值元素所在位置序号,记为Mindex,则成目标所在距离单元为第Mindex个距离单元,距离维裁剪区间[rmin,rmax]根据所在距离单元Mindex确定为:
S502、根据S501所获得的距离维裁剪区间[rmin,rmax]对粗成像结果矩阵S2进行纵向距离维裁剪,获得距离维完成裁剪的过渡矩阵,记为S′2;
裁剪方式为在纵向维度保留粗成像结果矩阵S2的[rmin,rmax]区间内的行向量,新矩阵记为S′2;矩阵尺寸为M′×N;
S503、确定目标所在方位单元和方位维裁剪区间;生成尺寸为N×1的方位维聚焦能量向量αa,其第n个元素具体构造方式为:
找出向量αa中最大值元素所在位置序号,记为Nindex,则成目标所在距离单元为第Nindex个距离单元,距离维裁剪区间[amin,amax]根据所在距离单元Nindex确定为:
S504、根据S503所获得的距离维裁剪区间[amin,amax]对过渡矩阵S′2进行横向距离维裁剪,获得ROI数据矩阵,记为S3;
裁剪方式为在纵向维度保留过渡矩阵S′2的[amin,amax]区间内的列向量,新矩阵记为S3;矩阵尺寸为M′×N′。
所述S6具体为:构建针对ROI数据的相位补偿矩阵,所述相位补偿矩阵与目标合速度相关,以确定函数关系,所述函数关系自变量为目标合速度v,应变量为一个尺寸为M′×N′的矩阵P;
S601、构造尺寸为N′×1的方位维频率坐标向量fa′_index,具体第n′个元素构造为:
S602、构造距离维频率坐标向量fr′_index,尺寸为M′×1,具体第m′个元素构造为:
S603、矩阵P第m′行第n′列的元素构造方式为:
其中,j表示虚数单位,π表示圆周率常数,P(m′,n′)v表示目标合速度取v时,相位补偿矩阵第m′行第n′列的元素,V表示雷达平台自身速度,为雷达系统给出的已知量;星载平台自身速度通常远大于舰船合速度,以平台速度V确定合速度搜索区间[vmin,vmax],其中vmin=-0.1×|V|,vmax=0.1×|V|,负数表示速度方向与平台速度方向相反。
所述S7具体为:
S701、搜索初始化处理:对合速度搜索区间离散化处理,在区间[vmin,vmax]内共采样L个点,确定待搜索的合速度采样点表达式为:
初始化令l=1;
S702、根据l值利用公式(21)计算待搜索合速度值v′,根据待搜索合速度值v′利用公式(20)计算出对应的相位补偿矩阵P|v′;
根据S5中得到的ROI数据矩阵S3和搜索合速度值v′对应的相位补偿矩阵Pv′,通过矩阵运算获得对应的补偿后数据矩阵S4|v′;具体计算方式为:
S4(m′,n′)|v′=S3(m′,n′)·P(m′,n′)|v′;m′=1,2,…,M′;n′=1,2,…,N′ (22)
S703:计算根据第l个合速度采样点所得补偿后复图像S4|v′的图像熵,具体计算方式为:
增加循环序号,令l←l+1;
S704:循环条件判断,若l≤L,则返回S702继续处理,否则在所有的图像熵值El(l=1,2,…,L)中找出最小值记为E0,最小熵值对应的合速度采样点记为v0。
所述S8具体为:利用S3中得出的目标径向速度vr和S7中得出的目标合速度v0,基于平行四边形法则估计目标方位维速度va,具体计算方式为:
所述S9具体为:输出S3所得距离维速度vr和S8所得目标方位维速度va。
该方法基于星载雷达平台,以海面舰船目标的雷达宽带回波数据为输入数据,估计目标距离维和方位维二维速度参数。首先,输入数据通过距离维傅里叶变换获取目标距离维频域偏移量,并根据频率偏移量与距离维速度的关系解算出目标距离维速度参数。综合多脉冲数据,以合成孔径雷达简化版距离徙动算法对目标数据进行粗成像,并裁剪出散焦的目标复图像数据。然后,以目标等效合速度为参数构建粗成像结果的相位补偿函数,以图像熵值为最小化为准则,搜索出最优相位补偿函数,并确定其对应的等效合速度。最后,根据距速度合成关系和前述步骤估计出的距离维速度,解算出目标的方位维速度。主要优势体现在:1)本发明是基于星载雷达平台,因此能够全天候、全天时、远距离对广阔海域进行监测,实现对运动舰船目标速度的估计,为目标分类提供特征数据。2)本发明通过多脉冲联合观测,能够估计出舰船目标在雷达视距平面的二维速度参数,因此不仅能够获取目标速度大小,还能获取目标航向信息。3)本发明采用多个脉冲信息综合处理,提高了目标速度参数估计准确率。
实施例一
采用仿真的星载宽带雷达海面舰船目标回波数据进行实验来验证本发明所提出的目标二维速度估计方法。仿真中用到的雷达系统参数如下:射频频率5.5GHz,脉冲信号带宽60MHz,采样频率66MHz,脉冲重复频率2kHz,雷达平台等效速度7.2km/s。实验场景模拟海面运动舰船目标,目标场景参考距离900km,舰船目标方位维速度10m/s,距离维速度3m/s。观测场景示意图如图2所示。经过本文方法处理,估计出目标二维速度结果见表1。星载宽带雷达回波数据仿真实验,证明了本发明方法的有效性。
表1目标速度估计结果
参数 | 真值 | 本发明估计值 | 相对误差 |
方位维速度 | 10m/s | 10.03m/s | 0.3% |
距离维速度 | 3m/s | 2.98m/s | 0.67% |
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求。
Claims (7)
1.一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,包括以下步骤:
S1、确定输入数据:星载宽带雷达发射脉冲信号观测目标区域,将多个脉冲回波的数字采样数据作为输入数据,记为矩阵,其中矩阵/>的尺寸为/>,/>表示共收集了个脉冲回波,每一个脉冲回波共采集了/>个采样数据;
S2、脉内数据傅里叶变换;将输入数据的每一列分别做傅里叶变换,得到距离维频域数据,得到距离维频域数据矩阵/>;
S3、估计目标径向速度;统计所述距离维频域数据矩阵/>中每一列信号的中心频率值,平均值记为/>,计算/>与雷达发射脉冲信号的中心频率/>之间的差值,根据所述差值与目标径向速度的关系,计算出目标径向速度/>;
S4、获取舰船目标粗成像结果;以所述距离维频域数据矩阵为输入数据,对运动舰船目标进行粗成像,粗成像结果矩阵为/>;
S5、确定散焦的运动目标ROI数据;从所述粗成像结果矩阵中裁剪出散焦的运动目标感兴趣区域ROI数据矩阵/>;
S6、确定合速度与相位补偿函数关系,以及合速度搜索范围;
S7、估计目标合速度;
S8、解算出目标方位维速度;
S9、输出目标二维速度;
所述S4,具体为:
S401、将回波数据变换到二维频域;通过矩阵运算对所述S2中的距离维频域数据矩阵按行进行傅里叶变换,得到二维频域数据矩阵/>:
(9);
其中,是尺寸为/>的傅里叶变换矩阵,傅里叶变换矩阵每一行每一列具体元素构造为:
(10);
其中,表示虚数单位,/>表示圆周率常数,/>表示矩阵第p行第q列的元素坐标;
S402、构造聚焦算子矩阵;构造尺寸为/>的方位维频率坐标向量/>,具体第n个元素构造为:
(11);
其中,表示雷达脉冲重复频率,为雷达系统给出的已知量;
结合式(4)和式(11)构造出尺寸为的聚焦算子矩阵/>,矩阵的第m行第n列元素取值为:
(12);
其中,表示虚数单位,/>表示圆周率常数,/>表示矩阵第m行第n列的元素坐标,/>为目标区域参考距离,/>为雷达发射脉冲的调频率,为雷达系统给出的已知量;
S403、粗成像运算:根据S401中得到的二维频域数据矩阵和S402中得到的聚焦算子矩阵/>,通过矩阵运算获得粗成像结果矩阵/>:
;
其中,矩阵和矩阵/>对应元素相乘获得新矩阵/>;
所述S5,具体为:
S501、确定目标所在距离单元和距离维裁剪区间;生产尺寸为的距离维聚焦能量向量/>,第m个元素具体构造方式为:
(14);
找出向量中最大值元素所在位置序号,记为/>,则成目标所在距离单元为第个距离单元,距离维裁剪区间/>根据所在距离单元/>确定为:
(15);
S502、根据S501所获得的距离维裁剪区间对粗成像结果矩阵/>进行纵向距离维裁剪,获得距离维完成裁剪的过渡矩阵,记为/>;裁剪方式为在纵向维度保留粗成像结果矩阵/>的/>区间内的行向量,新矩阵记为/>;矩阵尺寸为/>;
S503、确定目标所在方位单元和方位维裁剪区间;生成尺寸为的方位维聚焦能量向量/>,其第n个元素具体构造方式为:
(16);
找出向量中最大值元素所在位置序号,记为/>,则成目标所在距离单元为第个距离单元,距离维裁剪区间/>根据所在距离单元/>确定为:(17);
S504、根据S503所获得的距离维裁剪区间对过渡矩阵/>进行横向距离维裁剪,获得ROI数据矩阵,记为/>;裁剪方式为在纵向维度保留过渡矩阵/>的区间内的列向量,新矩阵记为/>;矩阵尺寸为/>。
2.根据权利要求1所述的一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,所述S2中,距离维频域数据矩阵具体为:
(1);
其中,是尺寸为/>的傅里叶变换矩阵,傅里叶变换矩阵每一行每一列具体元素构造为:
(2);
其中,表示虚数单位,/>表示圆周率常数,/>表示矩阵第a行第b列的元素坐标。
3.根据权利要求2所述的一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,S3具体步骤为:
S301、根据所述距离维频域数据矩阵估计每一脉冲回波的中心频率/>;对所述距离维频域数据矩阵/>中的每一列分别处理,或并行处理,所述距离维频域数据矩阵/>的第n个列向量记为/>,检索/>中数值最大值记为/>,以为门限对向量/>进行二值化处理,二值化后的向量记为/>,/>各元素具体为:
(3);
其中,表示向量/>的第m个元素,/>表示向量/>的第m个元素;
构造距离维频率坐标向量,尺寸为/>,具体第m个元素构造为:
(4);
其中,表示雷达回波信号采样频率,为雷达系统给出的已知量;
由式(3)所得,第n个脉冲回波对应的二值化向量和距离维坐标向量/>计算第n个脉冲回波的中心频率/>,具体为:
(5);
S302、根据S301得到的每一个脉冲的中心频率,得出所有脉冲数据的平均中心频率,具体为:
(6);
S303、根据S302所得平均中心频率,计算回波信号距离维频率偏移量/>,具体为:
(7);
S304、根据S303所得回波信号距离维频率偏移量,计算目标径向速度分量,具体为:
(8);
其中,表示发射信号的载频波长,为雷达系统给出的已知量;/>的计算结果若为正值,则表示目标速度方向为指向雷达方向;/>的计算结果若为负值,则表示目标速度方向为背向雷达方向。
4.根据权利要求1所述的一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,所述S6具体为:构建针对ROI数据的相位补偿矩阵,所述相位补偿矩阵与目标合速度相关,以确定函数关系,所述函数关系自变量为目标合速度,应变量为一个尺寸为的矩阵/>;
S601、构造尺寸为的方位维频率坐标向量/>,具体第/>个元素构造为:
(18);
S602、构造距离维频率坐标向量,尺寸为/>,具体第/>个元素构造为:
(19);
S603、矩阵第/>行第/>列的元素构造方式为:
(20);
其中,表示虚数单位,/>表示圆周率常数,/>表示目标合速度取/>时,相位补偿矩阵第/>行第/>列的元素,/>表示雷达平台自身速度,为雷达系统给出的已知量;星载平台自身速度通常远大于舰船合速度,以平台速度/>确定合速度搜索区间,其中/>,/>,负数表示速度方向与平台速度方向相反。
5.根据权利要求4所述的一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,所述S7具体为:
S701、搜索初始化处理:对合速度搜索区间离散化处理,在区间内共采样L个点,确定待搜索的合速度采样点表达式为:
(21);
初始化令;
S702、根据值利用公式(21)计算待搜索合速度值/>,根据待搜索合速度值/>利用公式(20)计算出对应的相位补偿矩阵/>;
根据S5中得到的ROI数据矩阵和搜索合速度值/>对应的相位补偿矩阵/>,通过矩阵运算获得对应的补偿后数据矩阵/>;具体计算方式为:(22);
S703:计算根据第l个合速度采样点所得补偿后复图像的图像熵,具体计算方式为:
(23);
增加循环序号,令;
S704:循环条件判断,若,则返回S702继续处理,否则在所有的图像熵值中找出最小值记为/>,最小熵值对应的合速度采样点记为/>。
6.根据权利要求5所述的一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,所述S8具体为:利用S3中得出的目标径向速度和S7中得出的目标合速度/>,基于平行四边形法则估计目标方位维速度/>,具体计算方式为:
(24)。
7.根据权利要求6所述的一种基于星载宽带雷达的海面舰船目标二维速度估计方法,其特征在于,所述S9具体为:输出S3所得距离维速度和S8所得目标方位维速度/>。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016093.6A CN116027317B (zh) | 2023-01-06 | 2023-01-06 | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310016093.6A CN116027317B (zh) | 2023-01-06 | 2023-01-06 | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116027317A CN116027317A (zh) | 2023-04-28 |
CN116027317B true CN116027317B (zh) | 2024-01-26 |
Family
ID=86070259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310016093.6A Active CN116027317B (zh) | 2023-01-06 | 2023-01-06 | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116027317B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2650695A1 (en) * | 2012-08-02 | 2013-10-16 | Institute of Electronics, Chinese Academy of Sciences | Imaging method for synthetic aperture radar in high squint mode |
CN104898119A (zh) * | 2015-05-19 | 2015-09-09 | 北京航空航天大学 | 一种基于相关函数的动目标参数估计方法 |
CN106872954A (zh) * | 2017-01-23 | 2017-06-20 | 西安电子科技大学 | 一种高超声速平台杂波抑制和运动目标成像方法 |
CN107561533A (zh) * | 2017-07-14 | 2018-01-09 | 清华大学 | 一种c波段星载合成孔径雷达运动目标成像方法 |
CN107656255A (zh) * | 2017-10-25 | 2018-02-02 | 中国人民解放军国防科技大学 | 基于多径回波的超宽带雷达动目标二维定位方法 |
CN109298420A (zh) * | 2017-07-25 | 2019-02-01 | 清华大学 | 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 |
CN111896957A (zh) * | 2020-08-11 | 2020-11-06 | 西安电子科技大学 | 基于小波变换及压缩感知的舰船目标前视三维成像方法 |
KR20210001219A (ko) * | 2019-06-27 | 2021-01-06 | 삼성전자주식회사 | 국지적 분해능을 조정하는 레이더 데이터 처리 장치 및 방법 |
CN114371479A (zh) * | 2022-03-22 | 2022-04-19 | 中国人民解放军空军预警学院 | 一种参数化稀疏表征的机载sar运动目标聚焦方法 |
CN114384520A (zh) * | 2022-03-24 | 2022-04-22 | 中国人民解放军火箭军工程大学 | 一种机动平台对海面船只精细化雷达成像方法 |
CN114780911A (zh) * | 2022-03-18 | 2022-07-22 | 西北工业大学 | 一种基于深度学习的海洋宽测绘带距离解模糊方法 |
CN114994676A (zh) * | 2022-04-19 | 2022-09-02 | 中山大学 | 一种一站固定式双站低频超宽带sar运动目标成像方法 |
CN115184917A (zh) * | 2022-09-13 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种融合毫米波雷达与相机的区域目标跟踪方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7969345B2 (en) * | 2009-04-13 | 2011-06-28 | Raytheon Company | Fast implementation of a maximum likelihood algorithm for the estimation of target motion parameters |
WO2015105780A1 (en) * | 2014-01-07 | 2015-07-16 | The Regents Of The University Of California | Method for extraction of spatial frequency information for quantitative tissue imaging |
US10094919B2 (en) * | 2015-10-06 | 2018-10-09 | GM Global Technology Operations LLC | Radar-vision fusion for target velocity estimation |
-
2023
- 2023-01-06 CN CN202310016093.6A patent/CN116027317B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2650695A1 (en) * | 2012-08-02 | 2013-10-16 | Institute of Electronics, Chinese Academy of Sciences | Imaging method for synthetic aperture radar in high squint mode |
CN104898119A (zh) * | 2015-05-19 | 2015-09-09 | 北京航空航天大学 | 一种基于相关函数的动目标参数估计方法 |
CN106872954A (zh) * | 2017-01-23 | 2017-06-20 | 西安电子科技大学 | 一种高超声速平台杂波抑制和运动目标成像方法 |
CN107561533A (zh) * | 2017-07-14 | 2018-01-09 | 清华大学 | 一种c波段星载合成孔径雷达运动目标成像方法 |
CN109298420A (zh) * | 2017-07-25 | 2019-02-01 | 清华大学 | 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 |
CN107656255A (zh) * | 2017-10-25 | 2018-02-02 | 中国人民解放军国防科技大学 | 基于多径回波的超宽带雷达动目标二维定位方法 |
KR20210001219A (ko) * | 2019-06-27 | 2021-01-06 | 삼성전자주식회사 | 국지적 분해능을 조정하는 레이더 데이터 처리 장치 및 방법 |
CN111896957A (zh) * | 2020-08-11 | 2020-11-06 | 西安电子科技大学 | 基于小波变换及压缩感知的舰船目标前视三维成像方法 |
CN114780911A (zh) * | 2022-03-18 | 2022-07-22 | 西北工业大学 | 一种基于深度学习的海洋宽测绘带距离解模糊方法 |
CN114371479A (zh) * | 2022-03-22 | 2022-04-19 | 中国人民解放军空军预警学院 | 一种参数化稀疏表征的机载sar运动目标聚焦方法 |
CN114384520A (zh) * | 2022-03-24 | 2022-04-22 | 中国人民解放军火箭军工程大学 | 一种机动平台对海面船只精细化雷达成像方法 |
CN114994676A (zh) * | 2022-04-19 | 2022-09-02 | 中山大学 | 一种一站固定式双站低频超宽带sar运动目标成像方法 |
CN115184917A (zh) * | 2022-09-13 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种融合毫米波雷达与相机的区域目标跟踪方法 |
Non-Patent Citations (8)
Title |
---|
"一种基于SAR稀疏采样数据的动目标运动参数估计方法";陈一畅;《电子与信息学报》;第38卷(第12期);3050-3057 * |
"一种基于融合网络的慢行交通速度计算方法";李熙莹;《交通运输系统工程与信息》;第22卷(第4期);186-192 * |
"基于UWB_SAR图像ROI切片的运动目标成像和参数估计方法";常玉林;《信号处理》;第26卷(第1期);86-94 * |
"基于参数估计的下视稀疏阵列...运动误差补偿和成像处理方法";刘奇勇;《雷达学报》;第7卷(第6期);730-740 * |
"基于多方位分辨率图像的低频SAR地面运动目标检测方法";范崇祎;《电子与信息学报》;第34卷(第5期);1057-1063 * |
"机载多通道SAR运动目标方位向速度和法向速度联合估计算法";姜文;《电子与信息学报》;第42卷(第6期);1542-1548 * |
"空间目标成像中基于FrFT的高精度距离压缩方法";朱江;《系统工程与电子技术》;第37卷(第2期);271-277 * |
《基于ZYNQ的LFMCW雷达动目标二维检测的实现》;魏同飞;《微波学报》;第37卷(第7期);138-142 * |
Also Published As
Publication number | Publication date |
---|---|
CN116027317A (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110109102B (zh) | 一种sar运动目标检测与速度估计的方法 | |
CN104749570B (zh) | 一种移不变机载双基合成孔径雷达目标定位方法 | |
CN110568434B (zh) | 一种多通道匀加速sar动目标二维速度估计方法 | |
CN104898119B (zh) | 一种基于相关函数的动目标参数估计方法 | |
Ries et al. | Geometry-induced range-dependence compensation for bistatic STAP with conformal arrays | |
CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
CN108776342A (zh) | 一种高速平台sar慢速动目标检测与速度估计方法 | |
CN110146873B (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
CN109298417B (zh) | 一种基于雷达信号处理的建筑物内部结构探测方法及装置 | |
CN111856457A (zh) | 一种基于高低轨双基InSAR系统的目标定位方法 | |
CN111175745B (zh) | 一种基于状态空间平衡法的动目标三维成像的方法 | |
CN111352083B (zh) | 一种高频地波雷达多接收通道增益自动校准方法及装置 | |
Sun et al. | Track-to-track association based on maximum likelihood estimation for T/RR composite compact HFSWR | |
CN104820221B (zh) | 多基合成孔径雷达的目标三维定位方法 | |
CN108107427A (zh) | 基于超分辨技术的机载/弹载阵列雷达前视成像方法 | |
CN113466797A (zh) | 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法 | |
CN115546526B (zh) | 三维点云聚类方法、装置及存储介质 | |
CN110208741B (zh) | 一种基于多圆阵测相的超视距单目标直接定位方法 | |
CN116027317B (zh) | 一种基于星载宽带雷达的海面舰船目标二维速度估计方法 | |
CN112485783A (zh) | 目标探测方法、装置、计算机设备和存储介质 | |
CN116299176A (zh) | 一种基于霍夫变换的目标空间特征提取及融合定位方法 | |
CN112612027B (zh) | 一种浅海环境下利用声能量起伏的海洋内波监测方法 | |
CN112906476B (zh) | 一种基于信杂噪比损失的机载雷达训练样本选择方法 | |
RU2379705C2 (ru) | Способ двухэтапного восстановления изображений в многоканальных радиолокационных и радиотеплолокационных станциях | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 |
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 |