CN116299490A - 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 - Google Patents
一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 Download PDFInfo
- Publication number
- CN116299490A CN116299490A CN202310059340.0A CN202310059340A CN116299490A CN 116299490 A CN116299490 A CN 116299490A CN 202310059340 A CN202310059340 A CN 202310059340A CN 116299490 A CN116299490 A CN 116299490A
- Authority
- CN
- China
- Prior art keywords
- target
- pulse
- speed
- strong interference
- time
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 230000009466 transformation Effects 0.000 title claims abstract description 23
- 229910052704 radon Inorganic materials 0.000 title claims description 18
- 238000009825 accumulation Methods 0.000 claims abstract description 74
- 230000001427 coherent effect Effects 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000007906 compression Methods 0.000 claims abstract description 28
- 230000006835 compression Effects 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000035485 pulse pressure Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 7
- 238000013139 quantization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
- G01S15/50—Systems of measurement, based on relative movement of the target
- G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/539—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- 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
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于自适应多普勒滤波‑RadonFourier变换的水声多目标检测方法,本发明涉及多目标检测方法。本发明的目的是为了解决主动声呐积累多个低信噪比和低信干比的弱运动目标时,由于强干扰的“失配”会淹没弱运动目标积累峰值的问题。过程为:一:将主动声呐接收到的多目标多脉冲回波信号整理成二维矩阵;进行下变频得到基带回波信号,对基带回波进行脉冲压缩;二:得到速度下校正强干扰距离走动后的时域脉冲压缩信号;三:得到自适应陷波器多脉冲输出信号;四:对陷波器多脉冲输出信号作傅里叶变换,然后在频域上乘共轭相位,最后通过频域RFT变换完成多目标的相干积累;得到估计多目标的参数信息。本发明用于主动声呐探测弱运动目标领域。
Description
技术领域
本发明属于主动声呐探测弱运动目标领域,涉及基于自适应多普勒滤波-RadonFourier变换的多目标检测方法。
背景技术
在充满噪声或杂波干扰的海洋环境中检测弱运动目标是主动探测的重要研究内容。由于目标的低信噪比和低信干比造成了较高的虚警率,因此可以对目标回波进行脉冲间积累来提高信噪比,降低虚警率。现有的脉冲间积累方法主要分为相干积累和非相干积累,而相干积累由于补偿了目标回波不同脉冲间的相位波动,比非相干积累有更高的积累增益,更有利于主动声呐在低信噪比的环境下探测弱运动目标。
主动声呐经常发射宽带信号例如线性调频信号来提高距离分辨率,但对于水下运动的目标来说(考虑匀速情况),在相干积累时间内目标回波通常从一个距离单元运动到另一个距离单元,即发生距离走动,导致传统相干积累方法增益下降。对于多个速度不同的弱运动目标来说,其距离走动也是不同的,因此校正多个弱运动目标的距离走动是完成相干积累的关键。此外,当水下存在一定运动速度的强杂波干扰时(考虑匀速情况),由于校正弱目标的距离走动会使强干扰“失配”,“失配”的强干扰能量会淹没弱运动目标的积累峰值,从而影响弱目标的检测。因此要想完成多个弱运动目标的距离走动校正和相干积累,前提是有效抑制强运动干扰。
在主动声呐利用脉冲间相干积累方法探测水下弱运动目标时,主要面临以下难点:一,水下存在多个速度不同的弱运动目标,发生的距离走动均不同,导致相干积累增益下降。二,对于水下有一定速度的强杂波干扰(考虑匀速情况),当校正弱运动目标的距离走动时强干扰会“失配”,“失配”的强干扰能量会淹没弱运动目标的积累峰值,导致弱运动目标不能被正常检测。
在以往的研究和文献中,解决多目标距离走动和强干扰“失配”影响弱目标检测问题的方法大多为雷达领域。雷达中通常使用基于Radon Fourier变换(RFT)的“Clean”方法去除强干扰,校正并积累多个弱运动目标。基本思路是通过RFT方法估计强干扰的幅度、距离单元和速度等参数,构建强干扰脉冲压缩后的点扩散函数,并与原始脉冲压缩的回波信号进行相减,从而去除强干扰的影响,便于积累弱目标。但该方法需要对强干扰的多个参数准确估计,当其中一个出现估计误差时,强干扰便不能被成功去除,且对目标能量有损失。此外,RFT通常在时域上对距离维和速度维的所有点进行搜索积分,运算量大;同时时域上的寻址运算需要在提取回波时进行取整操作,会引入量化误差。
本发明给出了一种基于自适应多普勒滤波-Radon Fourier变换的多脉冲相干积累检测多目标的方法,即通过自适应多普勒陷波器滤除强干扰,在频域上通过RadonFourier变换反变换恢复目标,从而校正弱目标的距离走动完成相干积累。该方法只需在速度维空间进行搜索积分,只需估计强干扰的速度便可以去除干扰,同时对目标能量损失较小。
经过文献检索发现,有下列文献对相干积累检测多个弱运动目标问题进行了研究:
[1]张顺生,张伟.低信噪比下基于Keystone变换的多目标检测[J].电子科技大学学报,2008(S1):23-26..
[2]王姣,李明,陈洪猛.基于Keystone变换的多目标距离走动校正[J].雷达科学与技术,2012,10(06):663-667.
[3]郑纪彬,符渭波,苏涛,朱文涛.一种新的高速多目标检测及参数估计方法[J].西安电子科技大学学报,2013,40(02):82-88.
[4]Zhang Y.Multiplication-based pulse integration for detectingunderwater target in impulsive noise environment[J].IEEEAccess,2016,4:6894-6900.
[5]张作霖.雷达高速弱目标长时间积累方法研究[D].哈尔滨工业大学,2014.
[6]Xu,Jia,Yu,et al.Radon-Fourier Transform for Radar TargetDetection,I:Generalized Doppler Filter Bank.[J].IEEE TransactionsonAerospace&Electronic Systems,2011.
[7]欧阳森.高频雷达弱目标长时间积累检测算法研究[D].哈尔滨工业大学,2021.
[8]Choi W,Sarkar T K.MinimumNorm Property for the Sum oftheAdaptiveWeights for a Direct Data Domin Least Squares-Algorithm[J].IEEE Trans onAntennas and Propagation,2006,54(3):1045-1050.
[9]张月,邹江威,陈曾平.泛探雷达长时间相参积累目标检测方法研究[J].国防科技大学学报,2010,32(06):15-20.
[10]X.Li,L.Kong,G.Cui,et al.CLEAN-based coherent integration methodfor high-speed multi-targets detection[J].IET Radar,Sonar and Navigation,2016,10(9):1671-1682.
[11]杨宇超.高速目标的长时间相参积累算法研究[D].哈尔滨工业大学,2020.
文献检索结果表明现有文献中关于相干积累检测多个弱运动目标的方法大多数为雷达领域,主动声呐中涉及较少。雷达中相干积累检测多个弱运动目标的方法大致可分为三种:
1,基于keystone变换的相干积累[1-4]。keystone变换是一种慢时间维的尺度变换,通过尺度变换可以解除目标频率与慢时间的耦合,完成低信噪比下的距离走动校正,但需要对速度模糊的目标进行模糊数补偿。当存在多个速度模糊数不一致的弱目标时,keystone变换不能同时校正多目标的距离走动并相干积累。文献[1]-[3]通过搜索模糊数,对多目标依次积累,但没有考虑存在强度相差较大的目标或者干扰时的情况。当存在强目标或强干扰时,其“失配”能量会淹没弱目标的积累峰值,通过搜索模糊数依次积累弱目标的方法失效。文献[4]将keystone变换校正水声中的目标距离走动并相干积累,但没有考虑速度模糊的情况。
2,基于Radon Fourier变换的相干积累[5-7]。Radon Fourier变换通常在时域上通过搜索多目标的距离和速度,提取出目标回波后,构建多普勒滤波器实现多目标的相干积累。但该方法需要在距离-速度二维空间内联合搜索,对所有的点进行搜索积分,运算量大。同时时域移位或寻址运算提取目标回波轨迹时,由于偏移量为整数,会产生量化误差。如果对数据进行插值处理,又会增大运算量。此外,Radon Fourier变换对多目标的积累没有考虑散射强度相差较大的目标和干扰,当存在强目标或强干扰时,通过搜索距离和速度等参数实现相干积累的方法也会失效。
3,基于“Clean”算法的多目标积累[8-11]。为了解决强干扰或强目标的“失配”淹没弱目标积累峰值的问题,文献[8]-[9]将“Clean”算法与keystone变换结合,将强干扰去除后再依次积累弱目标。文献[10]-[11]将“Clean”算法与Radon Fourier变换结合,用于积累多个弱运动目标。“Clean”算法的基本思想是通过构建强干扰的点扩散函数,并与原始回波信号中相减,从而去除强干扰。但是该方法需要对强干扰多个参数进行准确的估计,较小的估计误差也会使抑制效果失效,同时会损失部分目标能量。
发明内容
本发明的目的是为了解决主动声呐积累多个低信噪比和低信干比的弱运动目标时,由于强干扰的“失配”会淹没弱运动目标积累峰值的问题,提出了一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法。
一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法具体过程为:
步骤一:将主动声呐接收到的多目标多脉冲回波信号整理成二维矩阵,其中主动声呐接收到的多目标单次脉冲接收的信号为快时间维矩阵,主动声呐接收到的多目标多次脉冲接收的同一时延的信号为慢时间维矩阵;
对二维矩阵进行下变频得到基带回波信号,对基带回波进行脉冲压缩,得到脉冲压缩后的时域快时间-慢时间二维输出矩阵,以及脉冲压缩后的频域快时间-慢时间二维矩阵;
步骤二:对步骤一脉冲压缩后的频域输出结果进行频域RFT变换,之后依次进行快时间维的逆傅里叶变换和慢时间维的傅里叶变换,得到强干扰的相干积累结果;
其中vmax0表示强干扰搜索速度的最大值;
步骤三:对步骤二输出的结果在慢时间维设置基于LMS的自适应多普勒陷波器,通过调整陷波器带宽滤除强干扰,得到自适应陷波器多脉冲输出信号;
步骤四:对步骤三输出的陷波器多脉冲输出信号Y(i,m)作傅里叶变换,然后在频域上乘共轭相位,最后通过频域RFT变换完成多目标的相干积累;
通过弱目标搜索速度范围[-vmax,vmax],得到在速度-距离单元二维平面上多目标的聚焦峰值,即可以准确估计多目标的参数信息;
多目标的参数信息为距离单元和速度;
其中vmax为弱目标搜索速度的最大值。
本发明的有益效果为:
本发明相较于上述文献,提出了一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法。首先,只需估计强干扰的速度便可校正强干扰的距离走动;其次,通过设置自适应多普勒陷波器滤除强干扰,由于弱目标此时是“失配”的,因此弱目标能量损失较小;最后,通过频域的RadonFourier变换反变换恢复“失配”的弱目标信号,完成弱目标的相干积累,并能准确估计弱目标的参数(距离单元和速度)。如果存在多个强干扰,则重复步骤二至步骤四,直至多个强干扰被完全去除,便可完成多个弱运动目标的相干积累。
(1)有效解决了强干扰的“失配”淹没弱目标积累峰值的问题,同时目标能量损失较小。
(2)本发明方法只需搜索速度便可有效去除强干扰,并完成多个弱运动目标的相干积累,运算量小。
(3)有效校正了水下多个弱运动目标的距离走动,完成了多个弱目标的相干积累,同时能准确估计弱运动目标的速度和距离单元参数。
附图说明
图1为本发明流程图;
图2为本发明仿真实验涉及的强干扰“失配”淹没弱目标积累峰值的结果图,(a)为原始信号脉冲压缩后结果,(b)为目标1距离走动校正图,(c)为目标2距离走动校正图,(d)为目标1相干积累结果图,(e)为目标2相干积累结果图;
图3为本发明仿真实验涉及的传统“Clean”算法的多目标积累结果图,(a)为时域RFT搜索强干扰结果图,(b)为“Clean”算法去除强干扰后结果图,(c)为“Clean”算法弱目标积累结果图;
图4为本发明仿真实验涉及的提出算法的多目标积累结果图,(a)为强干扰距离走动校正结果,(b)为本文算法去除强干扰后结果图,(c)为本文算法弱目标积累结果图;
图5为本发明仿真实验涉及的提出算法的目标1的距离单元剖面图,(a)为目标1距离单元剖面图,(b)为(a)的放大图;
图6为本发明仿真实验涉及的提出算法的目标2的距离单元剖面图,(a)为目标2距离单元剖面图,(b)为(a)的放大图。
具体实施方式
具体实施方式一:本实施方式一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法具体过程为:
步骤一:将主动声呐接收到的多目标多脉冲回波信号整理成二维矩阵,其中主动声呐接收到的多目标单次脉冲接收的信号为快时间维矩阵,主动声呐接收到的多目标多次脉冲接收的同一时延的信号为慢时间维矩阵;
对二维矩阵进行下变频得到基带回波信号,对基带回波进行脉冲压缩,得到脉冲压缩后的时域快时间-慢时间二维输出矩阵,以及脉冲压缩后的频域快时间-慢时间二维矩阵;
步骤二:对步骤一脉冲压缩后的频域输出结果进行频域RFT变换,之后依次进行快时间维的逆傅里叶变换和慢时间维的傅里叶变换,得到强干扰的相干积累结果;
其中vmax0表示强干扰搜索速度的最大值;
步骤三:对步骤二输出的结果在慢时间维设置基于LMS的自适应多普勒陷波器,通过调整陷波器带宽滤除强干扰,得到自适应陷波器多脉冲输出信号;
步骤四:对步骤三输出的陷波器多脉冲输出信号Y(i,m)作傅里叶变换,然后在频域上乘共轭相位(反变换恢复“失配”的弱目标并校正弱目标的距离走动),最后通过频域RFT变换完成多目标的相干积累;
通过弱目标搜索速度范围[-vmax,vmax],得到在速度-距离单元二维平面上多目标的聚焦峰值,即可以准确估计多目标的参数信息;
多目标的参数信息为距离单元和速度;
其中vmax为弱目标搜索速度的最大值。
具体实施方式二:本实施方式与具体实施方式一不同的是,所述步骤一中将主动声呐接收到的多目标多脉冲回波信号整理成二维矩阵,其中主动声呐接收到的多目标单次脉冲接收的信号为快时间维矩阵,主动声呐接收到的多目标多次脉冲接收的同一时延的信号为慢时间维矩阵;
主动声呐周期性发射线性调频(LFM)信号,表达式为:
其中Tp为脉宽,γ为调频率,γ=B/Tp;B为发射信号带宽,fc为中心频率;rect()为矩形脉冲函数,j为复数的虚部单位,t为主动声呐发射时间, 为快时间,tm为慢时间,tm=mTr,m=1,2,…,M,M是发射的脉冲数,Tr是脉冲重复间隔;
对接收到的单目标多脉冲回波信号进行下变频,得到单目标多脉冲基带回波信号,表达式为:
其中A0为目标回波幅值,τ(tm)为传播延迟,τ(tm)=2R(tm)/c,c为声波在水下的传播速度,通常取1500m/s;R(tm)为目标距离,R(tm)=R0+vtm,R0为目标初始距离,v为目标径向速度;
当存在Q个匀速运动的目标,则多目标多脉冲基带回波信号为:
其中q=1,2,…,Q,Q为多目标数量;τq(tm)为第q个目标的传播延迟,τq(tm)=2Rq(tm)/c,Rq(tm)为第q个目标的距离,Rq(tm)=R0,q+vqtm,R0,q为第q个目标的初始距离,vq为第q个目标的径向速度;
对多目标多脉冲基带回波信号进行脉冲压缩(以下简称为脉压)后,时域输出信号为:
其中A1=A0BTp是第q个目标脉压后的幅值;
对式(4)进行傅里叶变换(FFT)后,得到脉冲压缩后的频域输出信号为:
其中A2是第q个目标频域脉冲压缩后的幅值,f是快时间维频域上的频率。
其它步骤及参数与具体实施方式一相同。
具体实施方式三:本实施方式与具体实施方式一或二不同的是,所述步骤二中对步骤一脉冲压缩后的频域输出结果Smf,q(f,tm)进行频域RFT变换,之后依次进行快时间维的逆傅里叶变换和慢时间维的傅里叶变换,得到强干扰的相干积累结果
其中vmax0表示强干扰搜索速度的最大值;
具体过程为:
提出的自适应多普勒滤波-Radon Fourier变换方法分为a.b.c三部分:
a.利用频域RFT校正强干扰距离走动:
对式(6)进行快时间维的逆傅里叶变换,得到校正强干扰距离走动后的时域脉压信号:
对式(7)进行慢时间维的傅里叶变换,得到强干扰的相干积累结果:
其中v0l为搜索变量,表达式为v0l=-vmax0+l·Δvl;Δvl为搜索速度间隔,l为索引号,l=1,2,...,L,L为索引号最大值, 为强干扰的速度估计值,为速度估计值/>下校正距离走动后的时域脉压信号。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四:本实施方式与具体实施方式一至三之一不同的是,所述步骤三中对步骤二输出的结果在慢时间维设置基于LMS的自适应多普勒陷波器,通过调整陷波器带宽滤除强干扰,得到自适应陷波器多脉冲输出信号;具体过程为:
此时弱目标信号由于速度与强干扰不同,在校正强干扰距离走动时已经“失配”,因此滤除强干扰的过程对目标能量损失较小。
b.设置基于LMS的自适应多普勒陷波器滤除强干扰:
其中ξ为陷波器的中心频率,这里为已校正距离走动的干扰多普勒频率,取值为0Hz;A为参考信号幅值,通常设为1;m是tm的离散形式,m=1,2,…,M;y(m)为陷波器第m时刻的输出序列,为陷波器第m时刻的输入序列(步骤二得到的速度/>下的校正强干扰距离走动后的时域脉压信号/>在慢时间维上的离散形式);wc(m)和ws(m)为陷波器第m时刻的两个权系数;
自适应陷波器由LMS算法对y(m)更新,权系数的初始条件及迭代公式为:
结合式(10)-式(11),则陷波器多脉冲输出信号为:
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五:本实施方式与具体实施方式一至四之一不同的是,所述步骤四中对步骤三输出的陷波器多脉冲输出信号Y(i,m)作傅里叶变换,然后在频域上乘共轭相位(反变换恢复“失配”的弱目标并校正弱目标的距离走动),最后通过频域RFT变换完成多目标的相干积累;
通过弱目标搜索速度范围[-vmax,vmax],得到在速度-距离单元二维平面上多目标的聚焦峰值,即可以准确估计多目标的参数信息;
多目标的参数信息为距离单元和速度;
其中vmax为弱目标搜索速度的最大值。
具体过程为:
c.在频域上通过RFT反变换恢复弱目标,校正弱目标的距离走动并完成相干积累:
对式(12)作傅里叶变换,然后在频域上乘共轭相位,最后通过频域RFT变换,离散形式为:
其中nf是f的离散索引值,n为索引号,n=1,2,…,N,N为索引号最大值,N=round(BTr·fs),round()为取整函数;m是tm的离散形式,m=1,2,…,M;vk是vq的索引值,vk=-vmax+k·Δv,Δv为搜索速度间隔,k为索引号,k=1,2,...,K,K为索引号最大值,/>Y(nf,m)是Y(i,m)的频谱,共轭相位是频域RFT反变换恢复目标的关键步骤;/>为步骤二中强干扰的速度估计结果;
以vk作为变量,在弱目标感兴趣的搜索速度范围[-vmax,vmax]内重复式(10)-式(13);对搜索速度范围内的相干积累峰值进行极大值检测,记录峰值极大值对应的距离单元和速度:
以上为基于自适应多普勒滤波-Radon Fourier变换去除强干扰,校正多目标距离走动并完成相干积累,同时估计目标参数(距离单元和速度)的所有步骤。
其它步骤及参数与具体实施方式一至四之一相同。
仿真实验
仿真条件:主动声呐周期性发射LFM信号,LFM信号中心频率为2kHz,带宽1kHz,脉宽0.1s,脉冲重复间隔2s,相干积累脉冲数为30。以靠近声呐的径向速度方向为正,强干扰径向速度为v1=0.9m/s,目标1速度为v2=-1.25m/s,目标2速度为v3=-0.75m/s。强干扰初始距离单元为1334,目标1初始距离单元为601,目标2初始距离单元为401。强干扰的输入信噪比为20dB,目标1的输入信噪比为-10dB,目标2的输入信噪比为-8dB。所有结果均按照信号能量最大值归一化。
表1强干扰参数和估计结果
仿真总结:
本发明对低信干比和低信噪比下的多个弱运动目标进行相干积累的仿真并给出分析结果。由图2中(b)-(e)可以看出,当校正目标1和目标2的距离走动时,由于强干扰“失配”,相干积累后的能量将目标1和目标2淹没,导致弱目标不能被正常检测。因此需要去除强干扰后,积累剩余的弱目标1和目标2。从表1可以看出,传统“Clean”算法由于时域RFT的寻址运算存在量化误差,导致对强干扰的幅值和距离单元出现了估计误差。因此图3中(b)中的强干扰未被成功抑制,而是在距离单元附近与估计的强干扰叠加,同时强干扰与弱目标距离走动交叉的地方会损失部分弱目标能量。因此,图3中(c)的积累弱目标结果中出现了两个强干扰的峰值,弱目标1和目标2仍然被淹没,无法被检测。
从图4可以看出,利用本文所提算法可以有效去除强干扰的影响,有效积累多个弱运动目标。在图4中(b)抑制强干扰的结果中,由于自适应陷波器前两个脉冲未收敛,因此不参与积累过程。由于校正强干扰距离走动的过程中弱目标是“失配”的,因此抑制强干扰时弱目标的能量损失较小。从图4中(c)中可以看出,积累后的结果可按照速度分为两组:目标1组和目标2组。其中目标1组速度为-1.25m/s,峰值较高者为目标1真实值,距离单元为601;目标2组速度为-0.75m/s,峰值较高者为目标2真实值,距离单元为401,即目标1和目标2的估计参数(距离单元和速度)均和仿真参数一致,较为准确。从图5中(b)和图6中(b)中的距离单元剖面可以看出,目标1组中较低峰值者为目标1虚假值,是自适应陷波过程带来的,与真实值相差2(v1-v2)·Tr/c·fs≈57个距离单元;目标2组中较低峰值者为目标2虚假值,也是自适应陷波过程带来的,与真实值相差2(v1-v3)·Tr/c·fs=44个距离单元。由于干扰速度v1在积累弱目标前便已估计得到,因此实际中在积累目标1和目标2后,对v2下的目标组取极大值,对与v2组中极大值相差2(v1-v2)·Tr/c·fs距离单元附近取极小值;对v3下的目标组取极大值,对与v3组中极大值相差2(v1-v3)·Tr/c·fs距离单元附近取极小值,可以去除弱目标虚假值,只保留弱目标真实的积累峰值。从图5中(a)和图6中(a)可以看出,本文所提算法的相干积累增益为13-14dB,比理论积累增益10*log10(30)=14.7dB少约1dB,表明去除强干扰的过程对弱目标1和目标2的能量损失基本很小。该仿真实验验证了本发明的可行性,具有一定的实用价值。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (5)
1.一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法,其特征在于:所述方法具体过程为:
步骤一:将主动声呐接收到的多目标多脉冲回波信号整理成二维矩阵,其中主动声呐接收到的多目标单次脉冲接收的信号为快时间维矩阵,主动声呐接收到的多目标多次脉冲接收的同一时延的信号为慢时间维矩阵;
对二维矩阵进行下变频得到基带回波信号,对基带回波进行脉冲压缩,得到脉冲压缩后的时域快时间-慢时间二维输出矩阵,以及脉冲压缩后的频域快时间-慢时间二维矩阵;
步骤二:对步骤一脉冲压缩后的频域输出结果进行频域RFT变换,之后依次进行快时间维的逆傅里叶变换和慢时间维的傅里叶变换,得到强干扰的相干积累结果;
其中vmax0表示强干扰搜索速度的最大值;
步骤三:对步骤二输出的结果在慢时间维设置基于LMS的自适应多普勒陷波器,通过调整陷波器带宽滤除强干扰,得到自适应陷波器多脉冲输出信号;
步骤四:对步骤三输出的陷波器多脉冲输出信号Y(i,m)作傅里叶变换,然后在频域上乘共轭相位,最后通过频域RFT变换完成多目标的相干积累;
通过弱目标搜索速度范围[-vmax,vmax],得到在速度-距离单元二维平面上多目标的聚焦峰值,即可以准确估计多目标的参数信息;
多目标的参数信息为距离单元和速度;
其中vmax为弱目标搜索速度的最大值。
2.根据权利要求1所述的一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法,其特征在于:所述步骤一中将主动声呐接收到的多目标多脉冲回波信号整理成二维矩阵,其中主动声呐接收到的多目标单次脉冲接收的信号为快时间维矩阵,主动声呐接收到的多目标多次脉冲接收的同一时延的信号为慢时间维矩阵;
对二维矩阵进行下变频得到基带回波信号,对基带回波进行脉冲压缩,得到脉冲压缩后的时域快时间-慢时间二维输出矩阵,以及脉冲压缩后的频域快时间-慢时间二维矩阵;具体过程为:
主动声呐周期性发射线性调频信号,表达式为:
其中Tp为脉宽,γ为调频率,γ=B/Tp;B为发射信号带宽,fc为中心频率;rect()为矩形脉冲函数,j为复数的虚部单位,t为主动声呐发射时间, 为快时间,tm为慢时间,tm=mTr,m=1,2,…,M,M是发射的脉冲数,Tr是脉冲重复间隔;
对接收到的单目标多脉冲回波信号进行下变频,得到单目标多脉冲基带回波信号,表达式为:
其中A0为目标回波幅值,τ(tm)为传播延迟,τ(tm)=2R(tm)/c,c为声波在水下的传播速度;R(tm)为目标距离,R(tm)=R0+vtm,R0为目标初始距离,v为目标径向速度;
当存在Q个匀速运动的目标,则多目标多脉冲基带回波信号为:
其中q=1,2,…,Q,Q为多目标数量;τq(tm)为第q个目标的传播延迟,τq(tm)=2Rq(tm)/c,Rq(tm)为第q个目标的距离,Rq(tm)=R0,q+vqtm,R0,q为第q个目标的初始距离,vq为第q个目标的径向速度;
对多目标多脉冲基带回波信号进行脉冲压缩后,时域输出信号为:
其中A1=A0BTp是第q个目标脉压后的幅值;
对式(4)进行傅里叶变换后,得到脉冲压缩后的频域输出信号为:
其中A2是第q个目标频域脉冲压缩后的幅值,f是快时间维频域上的频率。
3.根据权利要求2所述的一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法,其特征在于:所述步骤二中对步骤一脉冲压缩后的频域输出结果进行频域RFT变换,之后依次进行快时间维的逆傅里叶变换和慢时间维的傅里叶变换,得到强干扰的相干积累结果;
其中vmax0表示强干扰搜索速度的最大值;
具体过程为:
对式(6)进行快时间维的逆傅里叶变换,得到校正强干扰距离走动后的时域脉压信号:
对式(7)进行慢时间维的傅里叶变换,得到强干扰的相干积累结果:
4.根据权利要求3所述的一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法,其特征在于:所述步骤三中对步骤二输出的结果在慢时间维设置基于LMS的自适应多普勒陷波器,通过调整陷波器带宽滤除强干扰,得到自适应陷波器多脉冲输出信号;具体过程为:
其中ξ为陷波器的中心频率,这里为已校正距离走动的干扰多普勒频率,取值为0Hz;A为参考信号幅值;m是tm的离散形式,m=1,2,…,M;y(m)为陷波器第m时刻的输出序列,为陷波器第m时刻的输入序列;wc(m)和ws(m)为陷波器第m时刻的两个权系数;
自适应陷波器由LMS算法对y(m)更新,权系数的初始条件及迭代公式为:
结合式(10)-式(11),则陷波器多脉冲输出信号为:
5.根据权利要求4所述的一种基于自适应多普勒滤波-RadonFourier变换的水声多目标检测方法,其特征在于:所述步骤四中对步骤三输出的陷波器多脉冲输出信号Y(i,m)作傅里叶变换,然后在频域上乘共轭相位,最后通过频域RFT变换完成多目标的相干积累;
通过弱目标搜索速度范围[-vmax,vmax],得到在速度-距离单元二维平面上多目标的聚焦峰值,即可以准确估计多目标的参数信息;
多目标的参数信息为距离单元和速度;
其中vmax为弱目标搜索速度的最大值;
具体过程为:
对式(12)作傅里叶变换,然后在频域上乘共轭相位,最后通过频域RFT变换,离散形式为:
其中nf是f的离散索引值,n为索引号,n=1,2,…,N,N为索引号最大值,N=round(BTr·fs),round()为取整函数;m是tm的离散形式,m=1,2,…,M;vk是vq的索引值,vk=-vmax+k·Δv,Δv为搜索速度间隔,k为索引号,k=1,2,...,K,K为索引号最大值,/>Y(nf,m)是Y(i,m)的频谱,共轭相位/>是频域RFT反变换恢复目标的关键步骤;/>为步骤二中强干扰的速度估计结果;
以vk作为变量,在弱目标感兴趣的搜索速度范围[-vmax,vmax]内重复式(10)-式(13);对搜索速度范围内的相干积累峰值进行极大值检测,记录峰值极大值对应的距离单元和速度:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059340.0A CN116299490B (zh) | 2023-01-17 | 2023-01-17 | 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310059340.0A CN116299490B (zh) | 2023-01-17 | 2023-01-17 | 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116299490A true CN116299490A (zh) | 2023-06-23 |
CN116299490B CN116299490B (zh) | 2023-12-05 |
Family
ID=86778802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310059340.0A Active CN116299490B (zh) | 2023-01-17 | 2023-01-17 | 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116299490B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192523A (zh) * | 2023-08-25 | 2023-12-08 | 哈尔滨工程大学 | 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6130857A (en) * | 1985-03-15 | 2000-10-10 | The United States Of America As Represented By The Secretary Of The Navy | Aural enhancement of active sonar systems |
CN103399310A (zh) * | 2013-08-07 | 2013-11-20 | 中国人民解放军海军航空工程学院 | 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法 |
CN106970371A (zh) * | 2017-04-28 | 2017-07-21 | 电子科技大学 | 一种基于Keystone和匹配滤波的目标检测方法 |
CN108549067A (zh) * | 2018-07-27 | 2018-09-18 | 电子科技大学 | 一种应用于三阶机动目标的相参积累检测方法 |
CN111198374A (zh) * | 2020-01-13 | 2020-05-26 | 哈尔滨工程大学 | 基于时空频联合干扰抑制的多普勒敏感信号动目标水声探测方法 |
CN111427042A (zh) * | 2020-03-24 | 2020-07-17 | 哈尔滨工程大学 | 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 |
CN113030895A (zh) * | 2021-03-10 | 2021-06-25 | 电子科技大学 | 一种微弱目标的多帧相参积累检测方法 |
CN115291224A (zh) * | 2022-05-23 | 2022-11-04 | 哈尔滨理工大学 | 一种多模式声回波相对反射率的算法及装置 |
-
2023
- 2023-01-17 CN CN202310059340.0A patent/CN116299490B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6130857A (en) * | 1985-03-15 | 2000-10-10 | The United States Of America As Represented By The Secretary Of The Navy | Aural enhancement of active sonar systems |
CN103399310A (zh) * | 2013-08-07 | 2013-11-20 | 中国人民解放军海军航空工程学院 | 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法 |
CN106970371A (zh) * | 2017-04-28 | 2017-07-21 | 电子科技大学 | 一种基于Keystone和匹配滤波的目标检测方法 |
CN108549067A (zh) * | 2018-07-27 | 2018-09-18 | 电子科技大学 | 一种应用于三阶机动目标的相参积累检测方法 |
CN111198374A (zh) * | 2020-01-13 | 2020-05-26 | 哈尔滨工程大学 | 基于时空频联合干扰抑制的多普勒敏感信号动目标水声探测方法 |
CN111427042A (zh) * | 2020-03-24 | 2020-07-17 | 哈尔滨工程大学 | 基于高刷新率声脉冲的水下弱目标回波检测前跟踪方法 |
CN113030895A (zh) * | 2021-03-10 | 2021-06-25 | 电子科技大学 | 一种微弱目标的多帧相参积累检测方法 |
CN115291224A (zh) * | 2022-05-23 | 2022-11-04 | 哈尔滨理工大学 | 一种多模式声回波相对反射率的算法及装置 |
Non-Patent Citations (7)
Title |
---|
DENGHUI YAO: "Long-Time Coherent Integration for Non-Radial Moving Target Based on Radon Fourier Transform with Modified Variant Angle", 《IEICE TRANSACTIONS ON COMMUNICATIONS》, pages 665 - 674 * |
LU J, XI Z, ZHANG M: "MTD processing based on Keystone transform for LFMCW radar", 《2016 IEEE ADVANCED INFORMATION MANAGEMENT, COMMUNICATES. ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IMCEC)》, pages 310 * |
孙大军;侯开阳;滕婷婷;梅继丹: "空时多普勒频移域运动小目标的抗干扰探测方法", 《声学学报》, pages 161 - 174 * |
张作霖: "雷达高速弱目标长时间积累方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, pages 1 - 72 * |
梁璞;陈兴;刘让;商哲然;易天柱;卢大威;: "基于RFT和AMF融合聚焦的雷达弱小目标检测", 航空兵器, no. 06, pages 1 - 9 * |
王珊; 季伟; 陈娟: "基于运动目标检测的多脉冲相干积累算法", 《科技信息》, pages 490 - 491 * |
陈小龙;黄勇: "MIMO雷达微弱目标长时积累技术综述", 《信号处理》, pages 1947 - 1964 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117192523A (zh) * | 2023-08-25 | 2023-12-08 | 哈尔滨工程大学 | 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法 |
CN117192523B (zh) * | 2023-08-25 | 2024-04-26 | 哈尔滨工程大学 | 一种基于宽带多脉冲相干积累的水声弱机动目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116299490B (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Su et al. | High-speed multi-target detection with narrowband radar | |
CN107132534B (zh) | 一种高速雷达目标频域检测的优化方法 | |
Huang et al. | Radar high speed small target detection based on keystone transform and linear canonical transform | |
CN109061589A (zh) | 随机跳频雷达的目标运动参数估计方法 | |
CN111736128B (zh) | 基于skt-siaf-mscft的相参积累方法 | |
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN104502898B (zh) | 将修正rft和修正mdcft相结合的机动目标参数估计方法 | |
CN111610501B (zh) | 对海雷达小目标检测方法 | |
EP0544533B1 (en) | Improved ISAR imaging radar system | |
CN116299490B (zh) | 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法 | |
CN112684419B (zh) | 基于双lfm对消的抗间歇采样转发式干扰处理方法及系统 | |
Fang et al. | Radar maneuvering target detection based on two steps scaling and fractional Fourier transform | |
CN113376601B (zh) | 基于clean算法的捷变频雷达旁瓣抑制方法 | |
CN110988874A (zh) | 一种复杂运动目标的isar成像方法 | |
CN112881982B (zh) | 一种捷变频雷达抑制密集转发干扰方法 | |
CN111045002A (zh) | 基于TRT和SNuFFT的机动目标相参积累方法 | |
CN113281727A (zh) | 一种基于水平线列阵的输出增强的波束形成方法及其系统 | |
Yu et al. | Ground moving target motion parameter estimation using Radon modified Lv's distribution | |
CN112485772A (zh) | 一种脉间捷变频雷达杂波抑制方法 | |
CN116953683A (zh) | 基于脉内波形认知优化设计的间歇采样转发干扰抑制方法 | |
CN109061626B (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
CN101266294B (zh) | 一种抑制雷达回波信号包络移动的补偿方法 | |
CN107255804B (zh) | 基于杂波轮廓图的动目标显示滤波器滤波方法 | |
CN113885006A (zh) | 一种机动转弯目标相参积累检测方法 | |
CN109143235A (zh) | 一种双基前视合成孔径雷达地面运动目标检测方法 |
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 |