CN116449332A - 一种基于mimo雷达的空域目标检测方法 - Google Patents
一种基于mimo雷达的空域目标检测方法 Download PDFInfo
- Publication number
- CN116449332A CN116449332A CN202310701257.9A CN202310701257A CN116449332A CN 116449332 A CN116449332 A CN 116449332A CN 202310701257 A CN202310701257 A CN 202310701257A CN 116449332 A CN116449332 A CN 116449332A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- preset target
- detection information
- preset
- 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 168
- 238000001914 filtration Methods 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 230000000877 morphologic effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 12
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 241000272814 Anser sp. Species 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/42—Diversity systems specially adapted for radar
-
- 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
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于MIMO雷达的空域目标检测方法，涉及计算机技术领域，所述方法包括：通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中包括预定目标空域信号、预定目标时域信号和预定目标频域信号；通过信号滤波模型依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；融合得到所述预定目标的检测结果。解决了现有技术中在对空域中的目标进行智能检测时，由于无法对雷达信号进行针对性的有效处理，导致对目标的检测存在准确性不高的技术问题。通过对MIMO雷达观测到的各类信号进行针对性滤波处理后，进而融合得到预定目标的有效信号，达到了提高目标检测精度的技术效果。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于MIMO雷达的空域目标检测方法。
背景技术
多输入多输出的MIMO雷达因其发射波形分集的特点，在多个行业领域均得到了推广应用，示范性的如汽车辅助驾驶、安全防卫、射频隐身及抗干扰等。其中，MIMO雷达通常被看成可以在波形域、空域、频域、时域、极化域等获得同一个目标多个不同的观测信号，并能将这些多信号进行融合处理实现目标探测的雷达系统。然而在基于MIMO雷达对空域中目标进行检测时，由于空域、频域、时域上杂波背景多且复杂，导致对目标信号的处理针对性差，进而影响其信号处理效果，最终导致目标识别准确性低。因此，利用计算机技术对MIMO雷达检测到的信号进行针对性处理，对于提高目标检测准确性具有重要意义。
然而，现有技术中在对空域中的目标进行智能检测时，由于无法对雷达信号进行针对性的有效处理，导致对目标的检测存在准确性不高的技术问题。
发明内容
本发明的目的是提供一种基于MIMO雷达的空域目标检测方法，用以解决现有技术中在对空域中的目标进行智能检测时，由于无法对雷达信号进行针对性的有效处理，导致对目标的检测存在准确性不高的技术问题。
鉴于上述问题，本发明提供了一种基于MIMO雷达的空域目标检测方法。
第一方面，本发明提供了一种基于MIMO雷达的空域目标检测方法，所述方法通过一种基于MIMO雷达的空域目标检测系统实现，其中，所述方法包括：通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。
第二方面，本发明还提供了一种基于MIMO雷达的空域目标检测系统，用于执行如第一方面所述的一种基于MIMO雷达的空域目标检测方法，其中，所述系统包括：信号获得模块，其用于通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；信号处理模块，其用于通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；信号融合模块，其用于对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。
第三方面，一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现上述第一方面中任一项所述方法的步骤。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1.通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。通过对MIMO雷达观测到的各类信号进行针对性滤波处理后，进而融合得到预定目标的有效信号，达到了提高目标检测精度的技术效果。
2.通过MIMO雷达对预定目标进行观测，从而得到预定目标的多种观测信号，为提高预定目标的检测准确性提供了全面、可靠有效的信号数据基础。
3.通过对MIMO雷达观测到的预定目标信号进行针对性滤波处理，从而剔除干扰信号，仅保留预定目标相关的观测信号，为后续信号融合识别预定目标提供准确、有效的信号数据，提高系统对预定目标的检测响应效率。
4.通过对MIMO雷达观测到的各类信号进行针对性滤波处理后，进而融合得到预定目标的有效信号，达到了提高目标检测精度的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明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的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明一种基于MIMO雷达的空域目标检测方法的流程示意图；
图2为本发明一种基于MIMO雷达的空域目标检测方法中得到所述预定目标信号的流程示意图；
图3为本发明一种基于MIMO雷达的空域目标检测方法中基于所述形态学滤波算子得到所述空域检测信息的流程示意图；
图4为本发明一种基于MIMO雷达的空域目标检测方法中将所述增强图像作为所述时域检测信息的流程示意图；
图5为本发明一种基于MIMO雷达的空域目标检测方法中根据所述邻域判决结果得到所述频域检测信息的流程示意图；
图6为本发明一种基于MIMO雷达的空域目标检测系统的结构示意图。
附图标记说明：
信号获得模块11，信号处理模块12，信号融合模块13。
具体实施方式
本发明通过提供一种基于MIMO雷达的空域目标检测方法，解决了现有技术中在对空域中的目标进行智能检测时，由于无法对雷达信号进行针对性的有效处理，导致对目标的检测存在准确性不高的技术问题。通过对MIMO雷达观测到的各类信号进行针对性滤波处理后，进而融合得到预定目标的有效信号，达到了提高目标检测精度的技术效果。
下面，将参考附图对本发明中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
请参阅附图1，本发明提供了一种基于MIMO雷达的空域目标检测方法，其中，所述方法应用于一种基于MIMO雷达的空域目标检测系统，所述方法具体包括如下步骤：
步骤S100：通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；
进一步的，如附图2所示，本发明步骤S100包括：
步骤S110：获取所述预定目标的连续帧图像序列；
步骤S120：分析所述连续帧图像序列得到关键图像帧，并将所述关键图像帧作为所述预定目标空域信号；
进一步地，本发明步骤S120包括：
步骤S121：基于动态图像专家组对所述连续帧图像序列进行压缩处理，得到压缩图像序列；
步骤S122：提取所述压缩图像序列中的目标帧图像，并对所述目标帧图像进行栅格划分，得到栅格划分结果；
步骤S123：提取所述栅格划分结果中的第一栅格区域，并对所述第一栅格区域进行离散余弦变换，得到第一离散余弦系数；
步骤S124：根据所述第一离散余弦系数得到所述目标帧图像的目标离散余弦系数；
步骤S125：基于所述目标离散余弦系数计算得到目标特征值，其中，所述目标特征值是指所述目标帧图像的特征值；
步骤S126：对比所述目标特征值确定所述关键图像帧。
进一步地，本发明步骤S126包括：
步骤S1261：提取所述目标特征值中的第一目标特征值和第二目标特征值；
步骤S1262：其中，所述第一目标特征值对应第一目标帧图像，所述第二目标特征值对应第二目标帧图像，且所述第一目标帧图像与所述第二目标帧图像相邻；
步骤S1263：对所述第一目标特征值和所述第二目标特征值进行差值计算，得到特征差值；
步骤S1264：若所述特征差值大于预定差值阈值，将所述第二目标帧图像作为所述关键图像帧。
步骤S130：提取所述连续帧图像序列中的时序特征，并将所述时序特征作为所述预定目标时域信号；
步骤S140：对所述预定目标时域信号进行短时傅里叶变换，得到所述预定目标频域信号；
步骤S150：所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号组合，得到所述预定目标信号。
具体而言，所述一种基于MIMO雷达的空域目标检测方法应用于一种基于MIMO雷达的空域目标检测系统，可以通过MIMO雷达对预定目标进行多方面检测，对应地得到所述预定目标信号，进而通过对该预定目标信号进行滤波处理、融合分析得到所述预定目标的检测结果，最终达到提高空域目标检测精度的效果。
首先通过MIMO雷达对预定目标进行观测，对应地得到预定目标信号。其中，所述MIMO雷达是一种多入多出的雷达系统，并且由于其与所述空域目标检测系统通信连接，因此可将其实时观测到的所述预定目标的信号传输至所述空域目标检测系统中。其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号。
具体来讲，首先获取所述预定目标的连续帧图像序列，并分析所述连续帧图像序列后确定一帧图像，即所述关键图像帧，并将所述关键图像帧作为所述预定目标空域信号。也就是说，对所述连续帧图像序列进行预处理，示范性的如基于动态图像专家组对所述连续帧图像序列进行压缩处理，相应地得到压缩图像序列，进而对所述压缩图像序列中的目标帧图像进行栅格划分，对应地得到所述栅格划分结果。其中，所述目标帧图像是指所述连续帧图像序列经由动态图像专家组压缩处理后得到的压缩结果中的真实的图像帧，即剔除压缩图像序列中虚拟帧之后的图像帧。进一步地，提取所述栅格划分结果中的任意一个栅格，记作第一栅格区域，并对所述第一栅格区域进行离散余弦变换，相应地得到第一离散余弦系数。其中，所述第一离散余弦系数包括所述第一栅格区域的直流系数和交流系数，且该直流系数表征所述第一栅格区域的颜色特征，该交流系数表征所述第一栅格区域的纹理特征。最后根据所述第一离散余弦系数加和即得到所述目标帧图像中所有栅格的系数和，即得到所述目标离散余弦系数。最终基于所述目标离散余弦系数中的直流系数和、交流系数和，计算得到所述目标帧图像的目标特征值。其中，所述目标特征值是指所述目标帧图像的特征值。进一步地，对比所述目标特征值并确定所述关键图像帧。具体来说，首先提取所述目标特征值中的任意一个特征值，将其记作第一目标特征值，然后提取与所述第一目标特征值相邻的特征值，将其记作第二目标特征值。其中，所述第一目标特征值对应第一目标帧图像，所述第二目标特征值对应第二目标帧图像，进而可知所述第一目标帧图像与所述第二目标帧图像相邻。接下来，对所述第一目标特征值和所述第二目标特征值进行差值计算得到特征差值。接着读取预定差值阈值，并判断所述特征差值是否符合所述预定差值阈值，其中，若所述特征差值大于预定差值阈值，说明所述第一目标帧图像与所述第二目标帧图像之间的差异及变动较大，此时预定目标可能发生较大运动变化等，因此将所述第二目标帧图像作为所述关键图像帧。其中，所述关键图像帧可能包括一个或多个。最终，将所述关键图像帧中的所有图像帧作为所述MIMO雷达检测到的所述预定目标的所述预定目标空域信号。
接下来，由于所述连续帧图像序列中的各个图像帧具备时间标识，因此提取所述连续帧图像序列中的时间序列特征，并将所述时序特征作为所述MIMO雷达检测到的所述预定目标的所述预定目标时域信号。进一步的，对所述预定目标时域信号进行短时傅里叶变换，相应地得到所述预定目标频域信号，即所述MIMO雷达检测到的所述预定目标的所述预定目标频域信号。最终所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号组合，即得到所述预定目标信号。
通过MIMO雷达对预定目标进行观测，实现了对预定目标进行多角度检测的技术目标，基于MIMO雷达得到的预定目标空域信号、预定目标时域信号和预定目标频域信号，达到了为后续准确性检测预定目标提供全面、完整的信号数据基础，进而为提高预定目标检测准确性打下基础的技术效果。
步骤S200：通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；
进一步地，本发明步骤S200包括：
步骤S210：所述信号滤波模型包括第一滤波单元、第二滤波单元和第三滤波单元；
步骤S220：其中，所述第一滤波单元用于对所述预定目标空域信号进行形态学滤波处理，得到所述空域检测信息；
进一步的，如附图3所示，本发明步骤S220包括：
步骤S221：分析所述预定目标确定预定结构元素；
步骤S222：基于所述预定结构元素与所述预定目标空域信号，生成形态学滤波算子；
步骤S223：基于所述形态学滤波算子得到所述空域检测信息。
步骤S230：其中，所述第二滤波单元用于对所述预定目标时域信号进行差分滤波处理，得到所述时域检测信息；
进一步的，如附图4所示，本发明步骤S230包括：
步骤S231：基于所述时序特征依次得到第一帧图像、第二帧图像和第三帧图像；
步骤S232：计算所述第一帧图像与所述第二帧图像的差分图像，记作第一差分图像；
步骤S233：计算所述第二帧图像与所述第三帧图像的差分图像，记作第二差分图像；
步骤S234：对所述第一差分图像和所述第二差分图像进行相乘计算，得到增强图像，并将所述增强图像作为所述时域检测信息。
步骤S240：其中，所述第三滤波单元用于对所述预定目标频域信号进行邻域判决滤波处理，得到所述频域检测信息。
进一步的，如附图5所示，本发明步骤S240包括：
步骤S241：将所述预定目标频域信号中的所有像素点作为潜在目标点；
步骤S242：对所述潜在目标点进行邻域判决，得到邻域判决结果；
步骤S243：根据所述邻域判决结果得到所述频域检测信息。
具体而言，通过信号滤波模型对所述预定目标信号中的所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行针对性的滤波处理，相应地分别得到所述预定目标的空域检测信息、时域检测信息和频域检测信息。其中，所述信号滤波模型中包括第一滤波单元、第二滤波单元和第三滤波单元共三个并列的滤波通道。
具体来说，所述第一滤波单元用于对所述预定目标空域信号进行形态学滤波处理，得到所述空域检测信息。所述形态学滤波的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以分析图像、了解图像的特征。其中，腐蚀和膨胀是形态学中最基本的操作。膨胀处理是在图像中为边界添加像素点，而腐蚀与膨胀为相逆的过程，且膨胀处理中添加的像素点数与选取的结构元素大小和形式有关。在通过所述第一滤波单元对所述预定目标空域信号进行处理时，首先分析所述预定目标并对应确定预定结构元素。示范性的如预定目标为一只大雁，则以大雁身体结构参数构建数字模型作为预定结构元素等。接着，基于所述预定结构元素与所述预定目标空域信号，生成形态学滤波算子。其中，所述形态学滤波算子如下：
其中，所述是指所述形态学滤波算子，所述/>是指所述预定目标空域信号，所述/>是指所述预定结构元素。此外，所述/>是指所述预定目标空域信号对所述预定结构元素的形态学开运算，即基于预定目标空域信号对预定结构元素先进行腐蚀后进行膨胀得到的结果。具体来说，/>，其中，/>是指腐蚀运算，是指膨胀运算。最终基于所述形态学滤波算子，经过开运算即可得到预定目标空域信号中去除了背景干扰之后的、属于所述预定目标的信息，即得到所述空域检测信息。
所述第二滤波单元用于对所述预定目标时域信号进行差分滤波处理，得到所述时域检测信息。所述差分滤波是指采用图像差分的方法对预定目标进行检测以提高检测概率。示范性的如三帧差分方法等。具体来讲，首先基于所述时序特征依次得到第一帧图像、第二帧图像和第三帧图像，且所述第一帧图像、第二帧图像和第三帧图像之间具备先后顺序关系，然后计算所述第一帧图像与所述第二帧图像的差分图像记作第一差分图像，计算所述第二帧图像与所述第三帧图像的差分图像记作第二差分图像。最后对所述第一差分图像和所述第二差分图像进行相乘计算，得到增强图像，并将所述增强图像作为所述时域检测信息。
所述第三滤波单元用于对所述预定目标频域信号进行邻域判决滤波处理，得到所述频域检测信息。所述邻域判决滤波用于对运动中的预定目标进行检测，其通过统计n帧连续检测的方法得到相应的邻域内潜在目标点的出现次数，在达到预定次数阈值时判定该潜在目标点是真实的目标点。首先将所述预定目标频域信号中的所有像素点作为潜在目标点，然后对所述潜在目标点进行邻域判决，相应地得到邻域判决结果。最终根据所述邻域判决结果得到所述频域检测信息。
通过对MIMO雷达观测到的预定目标信号进行针对性滤波处理，从而剔除干扰信号，仅保留预定目标相关的观测信号，为后续信号融合识别预定目标提供准确、有效的信号数据，提高系统对预定目标的检测响应效率。
步骤S300：对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。
具体而言，对前述信号滤波模型滤波处理得到的所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，并将融合结果作为所述预定目标的检测结果。由于所述融合结果为对预定目标空域、时域和频域检测信号的多维融合增强，因此具备高精度的预定目标检测效果。
综上所述，本发明所提供的一种基于MIMO雷达的空域目标检测方法具有如下技术效果：
1.通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。通过对MIMO雷达观测到的各类信号进行针对性滤波处理后，进而融合得到预定目标的有效信号，达到了提高目标检测精度的技术效果。
2.通过MIMO雷达对预定目标进行观测，从而得到预定目标的多种观测信号，为提高预定目标的检测准确性提供了全面、可靠有效的信号数据基础。
3.通过对MIMO雷达观测到的预定目标信号进行针对性滤波处理，从而剔除干扰信号，仅保留预定目标相关的观测信号，为后续信号融合识别预定目标提供准确、有效的信号数据，提高系统对预定目标的检测响应效率。
4.通过对MIMO雷达观测到的各类信号进行针对性滤波处理后，进而融合得到预定目标的有效信号，达到了提高目标检测精度的技术效果。
实施例二
基于与前述实施例中一种基于MIMO雷达的空域目标检测方法，同样发明构思，本发明还提供了一种基于MIMO雷达的空域目标检测系统，请参阅附图6，所述系统包括：
信号获得模块11，其用于通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；
信号处理模块12，其用于通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；
信号融合模块13，其用于对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。
进一步地，所述系统中的所述信号获得模块11还用于：
获取所述预定目标的连续帧图像序列；
分析所述连续帧图像序列得到关键图像帧，并将所述关键图像帧作为所述预定目标空域信号；
提取所述连续帧图像序列中的时序特征，并将所述时序特征作为所述预定目标时域信号；
对所述预定目标时域信号进行短时傅里叶变换，得到所述预定目标频域信号；
所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号组合，得到所述预定目标信号。
进一步地，所述系统中的所述信号获得模块11还用于：
基于动态图像专家组对所述连续帧图像序列进行压缩处理，得到压缩图像序列；
提取所述压缩图像序列中的目标帧图像，并对所述目标帧图像进行栅格划分，得到栅格划分结果；
提取所述栅格划分结果中的第一栅格区域，并对所述第一栅格区域进行离散余弦变换，得到第一离散余弦系数；
根据所述第一离散余弦系数得到所述目标帧图像的目标离散余弦系数；
基于所述目标离散余弦系数计算得到目标特征值，其中，所述目标特征值是指所述目标帧图像的特征值；
对比所述目标特征值确定所述关键图像帧。
进一步地，所述系统中的所述信号获得模块11还用于：
提取所述目标特征值中的第一目标特征值和第二目标特征值；
其中，所述第一目标特征值对应第一目标帧图像，所述第二目标特征值对应第二目标帧图像，且所述第一目标帧图像与所述第二目标帧图像相邻；
对所述第一目标特征值和所述第二目标特征值进行差值计算，得到特征差值；
若所述特征差值大于预定差值阈值，将所述第二目标帧图像作为所述关键图像帧。
进一步地，所述系统中的所述信号处理模块12还用于：
所述信号滤波模型包括第一滤波单元、第二滤波单元和第三滤波单元；
其中，所述第一滤波单元用于对所述预定目标空域信号进行形态学滤波处理，得到所述空域检测信息；
其中，所述第二滤波单元用于对所述预定目标时域信号进行差分滤波处理，得到所述时域检测信息；
其中，所述第三滤波单元用于对所述预定目标频域信号进行邻域判决滤波处理，得到所述频域检测信息。
进一步地，所述系统中的所述信号处理模块12还用于：
分析所述预定目标确定预定结构元素；
基于所述预定结构元素与所述预定目标空域信号，生成形态学滤波算子；
基于所述形态学滤波算子得到所述空域检测信息。
进一步地，所述系统中的所述信号处理模块12还用于：
基于所述时序特征依次得到第一帧图像、第二帧图像和第三帧图像；
计算所述第一帧图像与所述第二帧图像的差分图像，记作第一差分图像；
计算所述第二帧图像与所述第三帧图像的差分图像，记作第二差分图像；
对所述第一差分图像和所述第二差分图像进行相乘计算，得到增强图像，并将所述增强图像作为所述时域检测信息。
进一步地，所述系统中的所述信号处理模块12还用于：
将所述预定目标频域信号中的所有像素点作为潜在目标点；
对所述潜在目标点进行邻域判决，得到邻域判决结果；
根据所述邻域判决结果得到所述频域检测信息。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种基于MIMO雷达的空域目标检测方法和具体实例同样适用于本实施例的一种基于MIMO雷达的空域目标检测系统，通过前述对一种基于MIMO雷达的空域目标检测方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种基于MIMO雷达的空域目标检测系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。
本发明还提供一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现实施例一中任一项所述方法的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于MIMO雷达的空域目标检测方法，其特征在于，所述空域目标检测方法应用于空域目标检测系统，所述空域目标检测系统与一MIMO雷达通信连接，所述空域目标检测方法包括：
通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；
通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；
对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。
2.根据权利要求1所述空域目标检测方法，其特征在于，所述通过MIMO雷达对预定目标进行观测，得到预定目标信号，包括：
获取所述预定目标的连续帧图像序列；
分析所述连续帧图像序列得到关键图像帧，并将所述关键图像帧作为所述预定目标空域信号；
提取所述连续帧图像序列中的时序特征，并将所述时序特征作为所述预定目标时域信号；
对所述预定目标时域信号进行短时傅里叶变换，得到所述预定目标频域信号；
所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号组合，得到所述预定目标信号。
3.根据权利要求2所述空域目标检测方法，其特征在于，所述分析所述连续帧图像序列得到关键图像帧，包括：
基于动态图像专家组对所述连续帧图像序列进行压缩处理，得到压缩图像序列；
提取所述压缩图像序列中的目标帧图像，并对所述目标帧图像进行栅格划分，得到栅格划分结果；
提取所述栅格划分结果中的第一栅格区域，并对所述第一栅格区域进行离散余弦变换，得到第一离散余弦系数；
根据所述第一离散余弦系数得到所述目标帧图像的目标离散余弦系数；
基于所述目标离散余弦系数计算得到目标特征值，其中，所述目标特征值是指所述目标帧图像的特征值；
对比所述目标特征值确定所述关键图像帧。
4.根据权利要求3所述空域目标检测方法，其特征在于，所述对比所述目标特征值确定所述关键图像帧，包括：
提取所述目标特征值中的第一目标特征值和第二目标特征值；
其中，所述第一目标特征值对应第一目标帧图像，所述第二目标特征值对应第二目标帧图像，且所述第一目标帧图像与所述第二目标帧图像相邻；
对所述第一目标特征值和所述第二目标特征值进行差值计算，得到特征差值；
若所述特征差值大于预定差值阈值，将所述第二目标帧图像作为所述关键图像帧。
5.根据权利要求2所述空域目标检测方法，其特征在于，所述通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息，包括：
所述信号滤波模型包括第一滤波单元、第二滤波单元和第三滤波单元；
其中，所述第一滤波单元用于对所述预定目标空域信号进行形态学滤波处理，得到所述空域检测信息；
其中，所述第二滤波单元用于对所述预定目标时域信号进行差分滤波处理，得到所述时域检测信息；
其中，所述第三滤波单元用于对所述预定目标频域信号进行邻域判决滤波处理，得到所述频域检测信息。
6.根据权利要求5所述空域目标检测方法，其特征在于，所述得到所述空域检测信息，包括：
分析所述预定目标确定预定结构元素；
基于所述预定结构元素与所述预定目标空域信号，生成形态学滤波算子；
基于所述形态学滤波算子得到所述空域检测信息。
7.根据权利要求5所述空域目标检测方法，其特征在于，所述得到所述时域检测信息，包括：
基于所述时序特征依次得到第一帧图像、第二帧图像和第三帧图像；
计算所述第一帧图像与所述第二帧图像的差分图像，记作第一差分图像；
计算所述第二帧图像与所述第三帧图像的差分图像，记作第二差分图像；
对所述第一差分图像和所述第二差分图像进行相乘计算，得到增强图像，并将所述增强图像作为所述时域检测信息。
8.根据权利要求5所述空域目标检测方法，其特征在于，所述得到所述频域检测信息，包括：
将所述预定目标频域信号中的所有像素点作为潜在目标点；
对所述潜在目标点进行邻域判决，得到邻域判决结果；
根据所述邻域判决结果得到所述频域检测信息。
9.一种基于MIMO雷达的空域目标检测系统，其特征在于，所述空域目标检测系统与一MIMO雷达通信连接，所述空域目标检测系统包括：
信号获得模块，其用于通过MIMO雷达对预定目标进行观测，得到预定目标信号，其中，所述预定目标信号包括预定目标空域信号、预定目标时域信号和预定目标频域信号；
信号处理模块，其用于通过信号滤波模型对所述预定目标空域信号、所述预定目标时域信号和所述预定目标频域信号依次进行滤波处理，分别得到空域检测信息、时域检测信息和频域检测信息；
信号融合模块，其用于对所述空域检测信息、所述时域检测信息和所述频域检测信息进行融合，得到所述预定目标的检测结果。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序在执行时实现权利要求1-8中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310701257.9A CN116449332B (zh) | 2023-06-14 | 2023-06-14 | 一种基于mimo雷达的空域目标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310701257.9A CN116449332B (zh) | 2023-06-14 | 2023-06-14 | 一种基于mimo雷达的空域目标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116449332A true CN116449332A (zh) | 2023-07-18 |
| CN116449332B CN116449332B (zh) | 2023-08-25 |
Family
ID=87124056
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310701257.9A Active CN116449332B (zh) | 2023-06-14 | 2023-06-14 | 一种基于mimo雷达的空域目标检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449332B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184552A (zh) * | 2011-05-11 | 2011-09-14 | 上海理工大学 | 一种基于差分融合与图像边缘信息的运动目标检测方法 |
| CN109521412A (zh) * | 2018-12-26 | 2019-03-26 | 西安电子科技大学 | 基于局部统计量融合的雷达组网空域目标检测方法 |
| CN109767454A (zh) * | 2018-12-18 | 2019-05-17 | 西北工业大学 | 基于时-空-频显著性的无人机航拍视频运动目标检测方法 |
| US11041940B1 (en) * | 2019-12-20 | 2021-06-22 | Oculii Corp. | Systems and methods for phase-modulated radar detection |
| CN113449658A (zh) * | 2021-07-05 | 2021-09-28 | 四川师范大学 | 基于空域、频域、时域的夜间视频序列显著性检测方法 |
| CN113721217A (zh) * | 2021-09-03 | 2021-11-30 | 深圳大学 | 一种基于梯度迭代的空域欠采样雷达信号恢复方法 |
| CN114022759A (zh) * | 2021-09-30 | 2022-02-08 | 北京临近空间飞行器系统工程研究所 | 一种融合神经网络时空特性的空域有限像素目标检测系统及方法 |
| CN114545342A (zh) * | 2022-02-16 | 2022-05-27 | 西安电子科技大学 | 利用多通道侦察接收机的雷达脉冲信号参数测量方法 |
| CN115035378A (zh) * | 2022-08-09 | 2022-09-09 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于时空域特征融合的红外弱小目标的检测方法及装置 |
| CN115578523A (zh) * | 2022-11-21 | 2023-01-06 | 慧医谷中医药科技(天津)股份有限公司 | 一种多角度图像融合的舌部三维建模方法及系统 |
-
2023
- 2023-06-14 CN CN202310701257.9A patent/CN116449332B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102184552A (zh) * | 2011-05-11 | 2011-09-14 | 上海理工大学 | 一种基于差分融合与图像边缘信息的运动目标检测方法 |
| CN109767454A (zh) * | 2018-12-18 | 2019-05-17 | 西北工业大学 | 基于时-空-频显著性的无人机航拍视频运动目标检测方法 |
| CN109521412A (zh) * | 2018-12-26 | 2019-03-26 | 西安电子科技大学 | 基于局部统计量融合的雷达组网空域目标检测方法 |
| US11041940B1 (en) * | 2019-12-20 | 2021-06-22 | Oculii Corp. | Systems and methods for phase-modulated radar detection |
| CN113449658A (zh) * | 2021-07-05 | 2021-09-28 | 四川师范大学 | 基于空域、频域、时域的夜间视频序列显著性检测方法 |
| CN113721217A (zh) * | 2021-09-03 | 2021-11-30 | 深圳大学 | 一种基于梯度迭代的空域欠采样雷达信号恢复方法 |
| CN114022759A (zh) * | 2021-09-30 | 2022-02-08 | 北京临近空间飞行器系统工程研究所 | 一种融合神经网络时空特性的空域有限像素目标检测系统及方法 |
| CN114545342A (zh) * | 2022-02-16 | 2022-05-27 | 西安电子科技大学 | 利用多通道侦察接收机的雷达脉冲信号参数测量方法 |
| CN115035378A (zh) * | 2022-08-09 | 2022-09-09 | 中国空气动力研究与发展中心计算空气动力研究所 | 基于时空域特征融合的红外弱小目标的检测方法及装置 |
| CN115578523A (zh) * | 2022-11-21 | 2023-01-06 | 慧医谷中医药科技(天津)股份有限公司 | 一种多角度图像融合的舌部三维建模方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王卫华等: "基于时空域融合滤波的红外运动小目标检测算法", 红外与激光工程, vol. 34, no. 06, pages 714 - 718 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116449332B (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112837303A (zh) | 一种用于模具监视的缺陷检测方法、装置、设备及介质 | |
| CN107808383B (zh) | 一种强海杂波下sar图像目标快速检测方法 | |
| CN110555870B (zh) | 基于神经网络的dcf跟踪置信度评价与分类器更新方法 | |
| CN110175649B (zh) | 一种关于重新检测的快速多尺度估计目标跟踪方法 | |
| CN111428631B (zh) | 无人机飞控信号可视化识别分选方法 | |
| CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
| CN110619296A (zh) | 一种基于奇异分解的信号降噪方法 | |
| CN114627447A (zh) | 基于注意力机制和多目标跟踪的公路车辆跟踪方法及系统 | |
| CN112130142A (zh) | 一种复杂运动目标微多普勒特征提取方法及系统 | |
| CN111915583A (zh) | 复杂场景中基于车载红外热像仪的车辆和行人检测方法 | |
| CN113076922A (zh) | 一种物体检测方法及装置 | |
| CN111353496A (zh) | 一种红外弱小目标实时检测方法 | |
| CN105354547A (zh) | 一种结合纹理和彩色特征的行人检测方法 | |
| CN116449332B (zh) | 一种基于mimo雷达的空域目标检测方法 | |
| CN114205766A (zh) | 一种无线传感器网络异常节点检测与定位方法 | |
| Li et al. | Multi-scale ships detection in high-resolution remote sensing image via saliency-based region convolutional neural network | |
| CN101996312A (zh) | 跟踪目标的方法和装置 | |
| CN109543610B (zh) | 车辆检测跟踪方法、装置、设备及存储介质 | |
| CN113096103A (zh) | 一种面向放空火炬的烟气智能影像感知方法 | |
| CN110765898B (zh) | 一种图像中物体及其关键点的确定方法和装置 | |
| CN117351371A (zh) | 一种基于深度学习的遥感图像目标检测方法 | |
| CN109271902B (zh) | 复杂背景下基于时域经验模态分解的红外弱小目标检测方法 | |
| CN104616007A (zh) | 一种基于显著性检测和颜色直方图模型的车辆识别方法 | |
| CN110515079B (zh) | 融合sar雷达与红外成像技术的可视化融合方法 | |
| CN114663329A (zh) | 一种点云质量评估方法及系统 |
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 | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: Room 810, Building C, 8th Floor, Chuangye Building, No. 16 Gaoxin 1st Road, Xi'an City, Shaanxi Province, 710065 Patentee after: Xi'an Shengxin Technology Co.,Ltd. Address before: 710065 Floor 5, Block B, Productivity Building, No. 3, Dianzi West Street, Electronic Industrial Park, Yanta District, Xi'an, Shaanxi Patentee before: Xi'an Shengxin Technology Co.,Ltd. |