CN116500553A - 雷达互相干扰抑制方法、装置、计算机设备及存储介质 - Google Patents
雷达互相干扰抑制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116500553A CN116500553A CN202310671134.5A CN202310671134A CN116500553A CN 116500553 A CN116500553 A CN 116500553A CN 202310671134 A CN202310671134 A CN 202310671134A CN 116500553 A CN116500553 A CN 116500553A
- Authority
- CN
- China
- Prior art keywords
- signal
- interference
- sub
- point
- band
- 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
- 238000000034 method Methods 0.000 title claims abstract description 79
- 230000001629 suppression Effects 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 43
- 238000011084 recovery Methods 0.000 claims abstract description 41
- 230000035559 beat frequency Effects 0.000 claims abstract description 21
- 238000002156 mixing Methods 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 97
- 238000001228 spectrum Methods 0.000 claims description 75
- 238000004364 calculation method Methods 0.000 claims description 60
- 230000015654 memory Effects 0.000 claims description 25
- 230000003595 spectral effect Effects 0.000 claims description 22
- 230000009466 transformation Effects 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 13
- 230000000116 mitigating effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011049 filling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达信号处理技术领域,公开了雷达互相干扰抑制方法、装置、计算机设备及存储介质,方法包括:对第一拍频信号进行信号分解处理,得到多个第一子带,第一子带中包含多个待检测点;其中,第一拍频信号为参考信号和回波信号混频后得到的信号,回波信号中包含干扰信息;判断每个第一子带中的每个待检测点是否为干扰点;如果为干扰点,则对干扰点进行信号恢复处理,得到第二子带;第二子带中不包含干扰点;对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,第二拍频信号中不包含干扰信号。本发明通过上述技术方案,能够达到对雷达干扰进行缓解的同时保留有用信息的目的。
Description
技术领域
本发明涉及雷达信号处理技术领域,具体涉及雷达互相干扰抑制方法、装置、计算机设备及存储介质。
背景技术
毫米波雷达作为一种重要的遥感技术,由于其全天候运行的优势,被广泛应用于环境遥感领域。随着雷达的使用越来越多,雷达之间的干扰变得不可忽略。相互干扰会严重降低雷达性能,给合成孔径雷达(SAR,Synthetic Aperture Radar)成像、多目标跟踪等重要雷达应用带来安全隐患。具体而言,干扰会在雷达回波中产生假目标,提高噪声水平,降低信噪比,从而影响目标探测或成像性能。因此,有效的干扰抑制方案已成为近年来毫米波雷达应用的迫切需要。
当毫米波雷达之间发生相互干扰时,干扰通常表现为被干扰雷达接收信号中的一个较高能量的短时分量。在时域内定位和缓解干扰,可以通过对干扰进行归零或加窗来实现。然而,归零会导致信号的不连续,并会增加噪声,影响目标检测;加窗虽然可以缓解信号的不连续,但在干扰区域会丢失有用的信息。
针对上述相关技术中雷达干扰缓解过程中造成有用信息损失的问题,目前尚未提出有效的解决方案。
发明内容
有鉴于此,本发明提供了一种雷达互相干扰抑制方法、装置、计算机设备及存储介质,以解决相关技术中雷达干扰缓解过程中造成有用信息损失的问题。
第一方面,本发明提供了一种雷达互相干扰抑制方法,包括:
对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点,所述第一子带表示所述第一拍频信号的部分时域信号;其中,所述第一拍频信号为参考信号和回波信号混频后得到的信号,所述参考信号为雷达波形发生器产生的信号,所述回波信号为雷达的接收信号,所述回波信号中包含干扰信息;
判断每个第一子带中的每个待检测点是否为干扰点;
如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点;
对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。
本发明提供的雷达互相干扰抑制方法,通过将拍频信号分解为多个第一子带,对多个第一子带分别进行干扰点检测,以及对存在干扰点的第一子带进行信号恢复,最后对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号。能够达到对雷达干扰进行缓解的同时保留有用信息的目的。
在一种可选的实施方式中,所述对第一拍频信号进行信号分解处理,得到多个第一子带,包括:
对所述第一拍频信号的时域信号进行傅里叶变换处理,得到第一频谱信号;
对所述第一频谱信号进行均分处理,得到多个第一频谱子带;其中,所述第一频谱子带表示所述第一频谱信号的部分频谱信号;
对所述多个第一频谱子带分别进行加窗处理,以及对多个加窗处理后的第一频谱子带分别进行补零处理,得到多个第二频谱子带;所述第二频谱子带与所述第一频谱信号的信号长度相同;
对所述多个第二频谱子带分别进行傅里叶反变换处理,得到多个第一子带;所述第一子带表示对应第二频谱子带的时域信号。
本发明提供的雷达互相干扰抑制方法,通过对雷达接收信号的频谱进行均分,得到分解后的子带,然后对每个子带进行干扰检测和抑制,最后对接收信号进行重构,得到无干扰版本。这样的信号分解方法可以保留无干扰模式下的有用信息。从而改善干扰缓解过程中有用信息的损失。另外,使用频谱子带分解方法将信号进行分解,干扰被分解为不同的子带,对应在时域上,干扰被分解为不同的时间段,降低了干扰信号的占空比和每个子带中的目标数量。从而改善线性预测模型中的信号恢复效果。
在一种可选的实施方式中,所述判断每个第一子带中的每个待检测点是否为干扰点,包括:
确定所述第一子带中第一训练区域的平均能量值,以及第二训练区域的平均能量值;所述第一训练区域和第二训练区域位于所述待检测点的两侧;
根据所述第一子带中干扰信息的稀疏程度确定对应的参考能量值计算方法,以及根据所述参考能量值计算方法、第一训练区域的平均能量值以及第二训练区域的平均能量值,确定参考能量值;
根据预期虚警概率,以及第一训练区域的检测点位数或者第二训练区域的检测点位数,确定计算因子;
根据所述参考能量值和所述计算因子,确定能量阈值;
检测所述待检测点的目标能量值,将所述目标能量值与所述能量阈值进行比较,根据比较结果判断所述待检测点是否为干扰点。
本发明提供的雷达互相干扰抑制方法,通过根据所述参考能量值和所述计算因子,确定能量阈值;检测所述待检测点的目标能量值,将所述目标能量值与所述能量阈值进行比较,根据比较结果判断所述待检测点是否为干扰点,能够有效提供干扰点的检测准确性,从而为后续信号恢复提供可能。
在一种可选的实施方式中,所述根据所述第一子带中干扰信息的稀疏程度确定对应的参考能量值计算方法,包括:
如果所述干扰信息的稀疏程度为稀疏,则采取第一计算方法;其中,所述第一计算方法的数学表达式为:
其中,Sa表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
如果所述干扰信息的稀疏程度为密集,则采取第二计算方法;其中,所述第二计算方法的数学表达式为:
Sb=min(S1,S2)
其中,Sb表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
如果所述干扰信息的稀疏程度为密集,并且影响因素为预期虚警概率时,则采取第三计算方法;其中,所述第三计算方法的数学表达式为:
Sc=max(S1,S1)
其中,Sc表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值。
在一种可选的实施方式中,所述根据预期虚警概率,以及第一训练区域的检测点位数或者第二训练区域的检测点位数,确定计算因子,包括:
其中,a表示计算因子,N表示第一训练区域的检测点位数或者第二训练区域的检测点位数,P表示预期虚警概率。
在一种可选的实施方式中,所述如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带,包括:
通过自回归模型对第一子带中的干扰点进行预测,得到干扰恢复点;
通过所述干扰恢复点对所述第一子带中的干扰点进行替换,得到第二子带;
其中,所述自回归模型用于根据第一子带中的多个待预测点对所述干扰点进行预测。
本发明提供的雷达互相干扰抑制方法,通过自回归模型对干扰点进行预测,能够在干扰占空比较小时能够恢复目标信息,从而有助于提取出无干扰的雷达信号。
在一种可选的实施方式中,所述对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,包括:
对不包含干扰点的多个第一子带和多个第二子带分别进行傅里叶变换处理,得到多个第三频谱子带;
对所述多个第三频谱子带分别进行加窗逆处理,以及对加窗逆处理后的多个第三频谱子带进行信号合成处理;
对信号合成结果进行傅里叶反变换处理,得到第二拍频信号。
本发明提供的雷达互相干扰抑制方法,使用傅里叶变换和傅里叶反变换进行信号重建,具有干扰检测灵活性高、存储空间和计算量小的优点。
第二方面,本发明提供了一种雷达互相干扰抑制装置,包括:
信号分解模块,用于对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点;其中,所述第一拍频信号为参考信号和回波信号混频后得到的信号,所述参考信号为雷达波形发生器产生的信号,所述回波信号为雷达的接收信号,所述回波信号中包含干扰信息;
干扰点判断模块,用于判断每个第一子带中的每个待检测点是否为干扰点;
信号恢复模块,用于如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点;
信号重建模块,用于对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。
第三方面,本发明提供了一种计算机设备,包括:存储器和处理器,存储器和处理器之间互相通信连接,存储器中存储有计算机指令,处理器通过执行计算机指令,从而执行上述第一方面或其对应的任一实施方式的雷达互相干扰抑制方法。
第四方面,本发明提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机指令,计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的雷达互相干扰抑制方法。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的雷达互相干扰抑制方法的流程示意图;
图2是根据本发明实施例的另一雷达互相干扰抑制方法的流程示意图;
图3是根据本发明实施例中信号分解的示意图;
图4是根据本发明实施例的又一雷达互相干扰抑制方法的流程示意图;
图5是根据本发明实施例中干扰点检测的流程示意图;
图6是根据本发明实施例中信号重建的示意图;
图7是根据本发明实施例的再一雷达互相干扰抑制方法的流程示意图;
图8是根据本发明实施例中频域分解的示意图;
图9是根据本发明实施例中时域分解的示意图
图10是根据本发明实施例中带干扰信号的示意图;
图11是根据本发明实施例中干扰缓解后的信号的示意图;
图12是根据本发明实施例的雷达互相干扰抑制装置的结构框图;
图13是根据本发明实施例的计算机设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做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。
毫米波雷达作为一种重要的遥感技术,由于其全天候运行的优势,被广泛应用于环境遥感领域。随着雷达的使用越来越多,雷达之间的干扰变得不可忽略。相互干扰会严重降低雷达性能,给合成孔径雷达(SAR,Synthetic Aperture Radar)成像、多目标跟踪等重要雷达应用带来安全隐患。具体而言,干扰会在雷达回波中产生假目标,提高噪声水平,降低信噪比,从而影响目标探测或成像性能。因此,有效的干扰抑制方案已成为近年来毫米波雷达应用的迫切需要。
为了减轻干扰对雷达目标探测的影响,相关技术中普遍使用以下信号处理方法:
1)将干扰区域设为零是抑制时域干扰最直接方法,但信号归零则会引起不连续。在干扰区域增加余弦窗可以避免归零所引起的不连续,但干扰区域感兴趣的目标回波会丢失。因此,需要改善干扰缓解过程中有用信息的损失。这里的干扰缓解可以理解为本发明中通过AR模型对子带中的干扰点进行预测,得到干扰恢复点,并将其干扰点替换为干扰恢复点的步骤。
2)采用自回归(AR)模型对干扰区域的目标信息进行预测。这种方法在干扰占空比较小时能够恢复目标信息,但在较大的干扰占空比情况下不能获得较好的性能。因此,在使用AR模型时,需要降低干扰信号的占空比。
3)基于时频域的方法比基于时域的方法能更准确地定位干扰位置。但时频域方法由于干扰信息提取区域从一维时域扩展到二维时频域,需要大量的存储空间和计算能力,不适合实时应用。因此,有必要进一步探索效果更好、存储量和计算量更小的方法。
4)虽然经验模态分解(empirical modal decomposition,EMD)和小波等信号分解方法可以在干扰消除过程中保留目标信息,但在毫米波雷达干扰消除应用中,EMD和小波的频率特性需要重新考虑。因此,有必要进一步探索适用于毫米波雷达的信号分解方式。
针对上述四个技术问题,本发明的目的如下所述:
1)提出信号分解方法,首先对雷达接收信号的频谱进行均分,得到分解后的子带,然后对每个子带进行干扰检测和抑制,最后对接收信号进行重构,得到无干扰版本。这样的信号分解方法可以保留无干扰模式下的有用信息。从而改善干扰缓解过程中有用信息的损失。
2)在使用AR模型时,先使用频谱子带分解方法将信号进行分解,干扰信号被分解为不同的子带,对应在时域上,干扰信号被分解为不同的时间段,降低了干扰信号的占空比和每个子带中的目标数量。从而改善线性预测模型中的信号恢复效果。
3)提出基于频谱子带分解的干扰缓解方法,它比时域方法具有更大的干扰检测灵活性,同时比时频域方法存储空间和计算量更小,整个信号分解算法流程只包括傅里叶变换和傅里叶反变换,是一种效果更好、存储量和计算量更小的方法。
4)提出了一种基于频谱子带分解的信号分解方式。在每个分解子带中进行干扰缓解,并通过重建过程获得无干扰信号。特别是在多目标场景中,该方法优于现有的基于分解的方法。
根据本发明实施例,提供了一种雷达互相干扰抑制方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在本实施例中提供了一种雷达互相干扰抑制方法,可用于毫米波雷达,图1是根据本发明实施例的雷达互相干扰抑制方法的流程图,如图1所示,该流程包括如下步骤:
步骤S101,对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点。
具体地,第一拍频信号为参考信号和回波信号混频后得到的信号,所述参考信号为雷达波形发生器产生的信号,所述回波信号为雷达的接收信号,其回波信号是由于参考信号出射至目标物体后反射形成的信号;当存在多个毫米波雷达时,它们彼此之间会造成信号干扰,从而导致从目标物体反射得到的回波信号中会包含干扰信息。
具体地,信号分解处理的目的主要在于将雷达的第一拍频信号通过一系列信号处理步骤,最终得到多个第一子带的时域信号。其中,每个第一子带中包含多个待检测点,这些待检测点是按照时间域排列的。这里的第一拍频信号是时域信号。
步骤S102,判断每个第一子带中的每个待检测点是否为干扰点。
具体地,可以通过恒虚警(Constant False Alarm Rate,CFAR)算法对每个第一子带中的所有待检测点进行是否为干扰点的判断。
步骤S103,如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点。
具体地,当通过恒虚警算法判断出第一子带中的某一待检测点为干扰点时,可以通过AR模型对该干扰点进行信号恢复处理,以达到信号恢复处理后的第二子带中不包含干扰信号。其中,这里的AR模型是指自回归模型,又称为时间序列模型。
步骤S104,对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。
具体地,当对所有第一子带逐一进行干扰点检测后,可以确定出多个存在干扰点的第一子带和多个不存在干扰点的第一子带;然后对多个存在干扰点的第一子带分别进行信号恢复处理,得到多个不存在干扰点的第二子带;最后将多个不存在干扰点的第一子带和多个不存在干扰点的第二子带进行合并,得到不包含干扰信号的第二拍频信号。
在本实施例中提供了一种雷达互相干扰抑制方法,可用于毫米波雷达,图2是根据本发明实施例的雷达互相干扰抑制方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201,对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点。详细请参见图1所示实施例的步骤S101,在此不再赘述。
具体地,上述步骤S201,如图3所示,包括:
步骤S2011,对所述第一拍频信号的时域信号进行傅里叶变换处理,得到第一频谱信号。
具体地,傅里叶变换主要用于将含有干扰的拍频信号由时域转换为频域,从而得到拍频信号的频谱信号,即对第一拍频信号的时域信号进行傅里叶变换处理,得到第一频谱信号。
步骤S2012,对所述第一频谱信号进行均分处理,得到多个第一频谱子带;其中,所述第一频谱子带表示所述第一频谱信号的部分频谱信号。
具体地,频谱子带分解主要用于将通过傅里叶变换得到的第一频谱信号进行均分,划分为多个相同间隔的子带(即第一频谱子带),这里的均分方式、划分子带的数量,以及子带的间隔大小均不做具体限定,符合具有应用场景即可。
本发明中通过拍频信号的对频谱信号进行均分,能够使均分得到的每个子带为具有有限时间支持区域的子带分量,每个子带的目标数量减少,从而使不同子带下的干扰缓解更加有效、信号重构复杂度更低。
步骤S2013,对所述多个第一频谱子带分别进行加窗处理,以及对多个加窗处理后的第一频谱子带分别进行补零处理,得到多个第二频谱子带;所述第二频谱子带与所述第一频谱信号的信号长度相同。
具体地,这里的加窗处理主要用于消除由于频谱子带分解导致的信号突变导致的吉布斯现象,加窗处理中的窗可以为汉明窗(即hamming窗);这里的补零处理是指在子带的一端或者两端进行补零,以使补零后的子带与第一频谱信号的信号长度相同,并且子带的位置任位于原信号的位置上,例如:第一频谱信号假设为114523125,可以均分为第一频谱子带114、第一频谱子带523以及第一频谱子带125,补零后得到第二频谱子带114000000,第二频谱子带00052300,000000125。
步骤S2014,对所述多个第二频谱子带分别进行傅里叶反变换处理,得到多个第一子带;所述第一子带表示对应第二频谱子带的时域信号。
具体地,通过对每个第二频谱子带进行傅里叶反变换,得到每个子带的时域信号。得到的时域信号可以用于后续的干扰点的检测和信号恢复。
步骤S202,判断每个第一子带中的每个待检测点是否为干扰点。详细请参见图1所示实施例的步骤S102,在此不再赘述。
步骤S203,如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点。详细请参见图1所示实施例的步骤S103,在此不再赘述。
步骤S204,对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。详细请参见图1所示实施例的步骤S104,在此不再赘述。
在本实施例中提供了一种雷达互相干扰抑制方法,可用于毫米波雷达,该方法包括步骤S301至步骤S304,具体如下:
步骤S301,对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点。详细请参见图1所示实施例的步骤S101,在此不再赘述。
步骤S302,判断每个第一子带中的每个待检测点是否为干扰点。详细请参见图1所示实施例的步骤S102,在此不再赘述。
具体地,上述步骤S302,如图4、5所示,其中图4为具体步骤的流程图,图5为对待检测点进行干扰点判断的具体实施流程的示意图,包括:
步骤S3021,确定所述第一子带中第一训练区域的平均能量值,以及第二训练区域的平均能量值;所述第一训练区域和第二训练区域位于所述待检测点的两侧。
具体地,第一子带的信号数据对应于图5中的所有单元格;其中,每个单元格可以视为一个待检测点;当对待检测点”D”进行干扰点判断时,可以将与其干扰点左右相邻的一定长度的区域作为保护区域,并将其保护区域两端长度为N的区域设置为训练区域,例如第一训练区域X1...Xn以及第二训练区域Xn+1...X2n。其N可以由对应训练区域的元素确定。
更具体地,可以通过以下数学表达式确定第一训练区域的平均能量值S1和第一训练区域的平均能量值S1;
其中,S1表示第一训练区域的平均能量值,N表示第一训练区域的元素数量,Xn表示第一训练区域中的元素;
其中,S2表示第二训练区域的平均能量值,N表示第二训练区域的元素数量,Xn表示第一训练区域中的元素。
步骤S3022,根据所述第一子带中干扰信息的稀疏程度确定对应的参考能量值计算方法,以及根据所述参考能量值计算方法、第一训练区域的平均能量值以及第二训练区域的平均能量值,确定参考能量值。
具体地,可以根据干扰信息的稀疏程度选择不同的计算方法用于确定参考能量值S,例如:
当干扰信息的稀疏程度为稀疏时,可以选择CFAR类型为CA-CFAR单元平均恒虚警,即采取第一计算方法确定参考能量值Sa,表达式如下:
其中,Sa表示通过第一计算方法得到的参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
当干扰信息的稀疏程度为密集,可以选择CFAR类型为SO-CFAR单元最小选择恒虚警,即采取第二计算方法确定参考能量值Sb,表达式如下:
Sb=min(S1,S2)
其中,Sb表示通过第二计算方法得到的参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
当干扰信息的稀疏程度为密集,并且影响因素为预期虚警概率时,可以选择CFAR类型为GO-CFAR单元最小选择恒虚警,即采取第三计算方法确定参考能量值Sc,表达式如下:
Sc=max(S1,S2)
其中,Sc表示通过第三计算方法得到的参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值。
具体地,当干扰信息的稀疏程度为密集,并且更看重预期虚警概率对检测结果的影响时,可以采取上述第三计算方法。
步骤S3023,根据预期虚警概率,以及第一训练区域的检测点位数或者第二训练区域的检测点位数,确定计算因子。
具体地,第一训练区域或者第二训练区域的检测点位数可以是图5中与第一训练区域对应的单元格元素的数量,例如第一训练区域中包含n个元素,即X1...Xn,第二训练区域中包含n个元素,即Xn+1...X2n,即第一训练区域或者第二训练区域的检测点位数均为n。
更具体地,可以通过以下数学表达式确定计算因子a:
其中,a表示计算因子,N表示第一训练区域的检测点位数或者第二训练区域的检测点位数,P表示预期虚警概率。
步骤S3024,根据所述参考能量值和所述计算因子,确定能量阈值。
具体地,通过上述步骤S3022确定的参考能量值S,以及上述步骤S3023确定的计算因子a,并利用以下数学表达式可以计算出能量阈值T:
T=aS
其中,T表示能量阈值,a表示计算因子,S表示参考能量值。
步骤S3025,检测所述待检测点的目标能量值,将所述目标能量值与所述能量阈值进行比较,根据比较结果判断所述待检测点是否为干扰点。
具体地,如果待检测点的目标能量值D大于或者等于能量阈值T时,则可以认为该待检测点为干扰点;如果待检测点的目标能量值D小于能量阈值T时,则可以认为该待检测点不是干扰点。
在上述步骤S3021至步骤S3025中,可以通过上述方法分别对每个第一子带中的每个待检测点进行干扰点判断。
步骤S303,如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点。详细请参见图1所示实施例的步骤S103,在此不再赘述。
步骤S304,对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。详细请参见图1所示实施例的步骤S104,在此不再赘述。
在一个实施例中,步骤S103包括以下步骤:
步骤S1031,通过自回归模型对第一子带中的干扰点进行预测,得到干扰恢复点。
具体地,AR模型是解决线性预测问题的常用方法,用前期若干时刻的随机变量的线性组合来描述以后某时刻随机变量的线性回归模型。即已知N个数据,可由模型推出第N点前面或后面的数据,所以其本质类似于插值,其目的都是为了增加有效数据,只是AR模型是由N点递推,而插值是由两点(或少数几点)去推导多点,所以AR模型要比插值方法效果更好。
步骤S1032,通过所述干扰恢复点对所述第一子带中的干扰点进行替换,得到第二子带;其中,所述自回归模型用于根据第一子带中的多个待预测点对所述干扰点进行预测。这里的“多个待预测点”和对干扰点检测与定位时所使用的“多个待检测点”不同,其区别如下:
两者主要区别在于是否包含保护区域内的元素,以图5为例进行说明:“多个待检测点”是指待检测点D两端的第一训练区域和第二训练区域中的元素,例如X1...Xn,以及Xn+1...X2n,不包含保护区域中的元素;而“多个待预测点”是指待预测点D两端包含保护区域和对应训练区域的元素。
在步骤S1031至S1032中,在利用自回归模型对干扰点预测之间需要将干扰点设置为空,然后利用自回归模型使用无干扰区域(第一训练区域或者第二训练区域)对干扰区域(即干扰点)进行预测;
其中,预测过程如下:
干扰点与训练区域具有以下关系:
ut=φ1ut-1+φ2ut-2+...φiut-Q+εt
其中,ut表示预测的干扰恢复点的幅值,ut-1,ut-2,...,ut-Q表示训练区域内各个元素的幅值,φ1,φ2,...φQ表示训练区域内各个元素的预测系数,εt表示误差,Q为模型阶数,与训练区域内的元素数量有关。
可以通过最小二乘法或Burg算法来计算φ1,φ2,...φQ训练区域内元素的预测系数;
可以通过以下方式确定Q阶数:
假设Q阶数属于一个较大范围的数,例如[1,30],分别进行参数估计,可以得到30组估计出的参数值;然后使用赤池信息(AIC)准则或者贝叶斯信息(BIC)准则进行计算,将准测输出中的极小值点对应的阶数,作为Q的取值。
最后,根据确定的Q阶数、误差值以及多个元素的预测系数,确定干扰恢复点的幅值,并将其干扰恢复点置于原干扰点位置处。
在一个实施例中,步骤S104包括以下步骤,如图6所示:
步骤S1041,对不包含干扰点的多个第一子带和多个第二子带分别进行傅里叶变换处理,得到多个第三频谱子带。
具体地,这里的傅里叶变换处理,是为了将经过干扰点检测和信号恢复后的时域信号转换为频域信号。
步骤S1042,对所述多个第三频谱子带分别进行加窗逆处理,以及对加窗逆处理后的多个第三频谱子带进行信号合成处理。
具体地,在信号分解阶段,使用过窗函数去除信号中的突变,所以在信号恢复阶段需要除以窗函数,来恢复原来的信号频谱;将处理好的各个子带信号相加,即可实现信号频谱的合并。
步骤S1043,对信号合成结果进行傅里叶反变换处理,得到第二拍频信号。
具体地,对合并后的频谱信号,进行傅里叶反变换,即可得到无干扰的时域信号,即第二拍频信号。
在一个实施例中,如图7所示:
将雷达的包含干扰信号的拍频信号输入后,本发明会将拍频信号分解为多个子带(例如M个子带);然后对子带进行干扰点检测与定位,如果子带存在干扰点则使用AR模型进行信号恢复,如果子带不存在干扰点则继续对下一子带进行干扰点检测,直至所有子带均完成干扰点检测(例如图7中m=0开始,每次加1,直至m>M);当所有子带均完成干扰点检测后,使用不包含干扰信号的子带进行信号重建,输出无干扰信号。
本发明还提出了真实场景实验来评估上述雷达互相干扰抑制方法的有效性。在实验中,使用了3台77GHz毫米波雷达进行数据记录。其中一台雷达用作受干扰设备,另外两台用作干扰源。两台干扰雷达分别分布在受干扰者视线的左右侧,受干扰者到干扰源1和干扰源2的距离分别为20m和30m。一个角反射器放置在受干扰者前方20米处,以模拟一个典型的强目标。
利用频谱子带分解对拍频信号进行分解,得到近似均匀的5个子带的信号范围,如图8、9所示:
其中,图8中包括拍频信号的频域信号图,以及均分得到的5个子带的频域信号图(即子带1、子带2、子带3、子带4以及子带5),其中每个频域信号图的横坐标表示距离,该距离可以通过拍频信号的频率信号得到;纵坐标为相对幅值(可以理解为相对于某一参考值变化的值);
其中,图9中包括干扰信号的时域信号,以及均分得到的5个子带的时域信号图(即子带1、子带2、子带3、子带4以及子带5),其中每个时域信号图的横坐标表示时间;纵坐标为相对幅值(可以理解为相对于某一参考值变化的值)。
原始拍频信号及其干扰缓解后的信号如图10、11所示,其中图10表示带干扰的雷达信号,即原始拍频信号;图11表示干扰缓解后的信号。可以看到,在接收到的信号中观察到与两台干涉雷达有关的两种形式的干扰。从被污染部分的重建波形中,频谱子带分解方法恢复了角反射器对应的正弦波形,同时更好地抑制了干扰。
技术效果:
1)本发明中提出了一种基于频谱子带处理的干扰抑制方法,利用目标为单频正弦波,干扰为宽频信号的特点,采用频谱子带均分的方式对雷达接收信号进行分解,实现目标与干扰的分离。然后在每个子带中进行干扰缓解,并通过重建过程获得无干扰信号。结果表明,该方法在处理多目标场景时,明显优于现有的基于分解的方法。
2)本发明根据干扰的宽频特性,频谱子带分解中对于频谱的均分有效地将干扰能量分解为不同的子带,从而降低了各子带的干扰能量,有助于通过子带的干扰缓解过程来提高SIR。
3)利用分解后子带信号的窄带特性,将类线性调频干扰分解为具有有限时间支持区域的子带分量。这有利于干扰检测和信号重建。
4)对于多目标场景,根据频谱子带分解的窄带滤波器组的特性,可以采用不同的解组合方式对不同距离的目标进行分离。结果表明,每种子带下的目标数量减少,信号重构可以通过低复杂度的线性预测模型实现
在本实施例中还提供了一种雷达互相干扰抑制装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本实施例提供一种雷达互相干扰抑制装置,如图12所示,包括:
信号分解模块501,用于对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点;其中,所述第一拍频信号为参考信号和回波信号混频后得到的信号,所述参考信号为雷达波形发生器产生的信号,所述回波信号为雷达的接收信号,所述回波信号中包含干扰信息。
干扰点判断模块502,用于判断每个第一子带中的每个待检测点是否为干扰点。
信号恢复模块503,用于如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点。
信号重建模块504,用于对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。
在一些可选的实施方式中,信号分解模块501,包括:
第一傅里叶变换单元,用于对所述第一拍频信号的时域信号进行傅里叶变换处理,得到第一频谱信号;
均分处理单元,用于对所述第一频谱信号进行均分处理,得到多个第一频谱子带;其中,所述第一频谱子带表示所述第一频谱信号的部分频谱信号;
加窗补零单元,用于对所述多个第一频谱子带分别进行加窗处理,以及对多个加窗处理后的第一频谱子带分别进行补零处理,得到多个第二频谱子带;所述第二频谱子带与所述第一频谱信号的信号长度相同;
第一傅里叶反变换单元,用于对所述多个第二频谱子带分别进行傅里叶反变换处理,得到多个第一子带;所述第一子带表示对应第二频谱子带的时域信号。
在一些可选的实施方式中,干扰点判断模块502,包括:
平均能量确定单元,用于确定所述第一子带中第一训练区域的平均能量值,以及第二训练区域的平均能量值;所述第一训练区域和第二训练区域位于所述待检测点的两侧;
参考能量确定单元,用于根据所述第一子带中干扰信息的稀疏程度确定对应的参考能量值计算方法,以及根据所述参考能量值计算方法、第一训练区域的平均能量值以及第二训练区域的平均能量值,确定参考能量值;
计算因子确定单元,用于根据预期虚警概率,以及第一训练区域的检测点位数或者第二训练区域的检测点位数,确定计算因子;
能量阈值确定单元,用于根据所述参考能量值和所述计算因子,确定能量阈值;
干扰点判断单元,用于检测所述待检测点的目标能量值,将所述目标能量值与所述能量阈值进行比较,根据比较结果判断所述待检测点是否为干扰点。
在一些实施例中,参考能量确定单元,包括:
第一计算子单元,用于如果所述干扰信息的稀疏程度为稀疏,则采取第一计算方法;其中,所述第一计算方法的数学表达式为:
其中,Sa表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
第二计算子单元,用于如果所述干扰信息的稀疏程度为密集,则采取第二计算方法;其中,所述第二计算方法的数学表达式为:
Sb=min(S1,S2)
其中,Sb表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
第三计算子单元,用于如果所述干扰信息的稀疏程度为密集,并且影响因素为预期虚警概率时,则采取第三计算方法;其中,所述第三计算方法的数学表达式为:
Sc=max(S1,S2)
其中,Sc表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值。
在一些实施例中,计算因子确定单元还用于通过以下数学表达式确定计算因子,包括:
其中,a表示计算因子,N表示第一训练区域的检测点位数或者第二训练区域的检测点位数,P表示预期虚警概率。
在一些可选的实施方式中,信号恢复模块503,包括:
预测单元,用于通过自回归模型对第一子带中的干扰点进行预测,得到干扰恢复点;
替换单元,用于通过所述干扰恢复点对所述第一子带中的干扰点进行替换,得到第二子带;
其中,所述自回归模型用于根据第一子带中的多个待预测点对所述干扰点进行预测。
在一些可选的实施方式中,信号重建模块504,包括:
第二傅里叶变换单元,用于对不包含干扰点的多个第一子带和多个第二子带分别进行傅里叶变换处理,得到多个第三频谱子带;
信号合成单元,用于对所述多个第三频谱子带分别进行加窗逆处理,以及对加窗逆处理后的多个第三频谱子带进行信号合成处理;
傅里叶反变换单元,用于对信号合成结果进行傅里叶反变换处理,得到第二拍频信号。
上述各个模块和单元的更进一步的功能描述与上述对应实施例相同,在此不再赘述。
本实施例中的雷达互相干扰抑制装置是以功能单元的形式来呈现,这里的单元是指ASIC(Application Specific Integrated Circuit,专用集成电路)电路,执行一个或多个软件或固定程序的处理器和存储器,和/或其他可以提供上述功能的器件。
本发明实施例还提供一种计算机设备,具有上述图13所示的雷达互相干扰抑制装置。
请参阅图13,图13是本发明可选实施例提供的一种计算机设备的结构示意图,如图13所示,该计算机设备包括:一个或多个处理器10、存储器20,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相通信连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个计算机设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图13中以一个处理器10为例。
处理器10可以是中央处理器,网络处理器或其组合。其中,处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路,可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件,现场可编程逻辑门阵列,通用阵列逻辑或其任意组合。
其中,所述存储器20存储有可由至少一个处理器10执行的指令,以使所述至少一个处理器10执行实现上述实施例示出的方法。
存储器20可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器20可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中,存储器20可选包括相对于处理器10远程设置的存储器,这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
存储器20可以包括易失性存储器,例如,随机存取存储器;存储器也可以包括非易失性存储器,例如,快闪存储器,硬盘或固态硬盘;存储器20还可以包括上述种类的存储器的组合。
该计算机设备还包括通信接口30,用于该计算机设备与其他设备或通信网络通信。
本发明实施例还提供了一种计算机可读存储介质,上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可记录在存储介质,或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中,存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等;进一步地,存储介质还可以包括上述种类的存储器的组合。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件,当软件或计算机代码被计算机、处理器或硬件访问且执行时,实现上述实施例示出的方法。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种雷达互相干扰抑制方法,其特征在于,包括:
对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点;其中,所述第一拍频信号为参考信号和回波信号混频后得到的信号,所述参考信号为雷达波形发生器产生的信号,所述回波信号为雷达的接收信号,所述回波信号中包含干扰信息;
判断每个第一子带中的每个待检测点是否为干扰点;
如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点;
对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。
2.根据权利要求1所述的方法,其特征在于,所述对第一拍频信号进行信号分解处理,得到多个第一子带,包括:
对所述第一拍频信号的时域信号进行傅里叶变换处理,得到第一频谱信号;
对所述第一频谱信号进行均分处理,得到多个第一频谱子带;其中,所述第一频谱子带表示所述第一频谱信号的部分频谱信号;
对所述多个第一频谱子带分别进行加窗处理,以及对多个加窗处理后的第一频谱子带分别进行补零处理,得到多个第二频谱子带;所述第二频谱子带与所述第一频谱信号的信号长度相同;
对所述多个第二频谱子带分别进行傅里叶反变换处理,得到多个第一子带;所述第一子带表示对应第二频谱子带的时域信号。
3.根据权利要求1或2所述的方法,其特征在于,所述判断每个第一子带中的每个待检测点是否为干扰点,包括:
确定所述第一子带中第一训练区域的平均能量值,以及第二训练区域的平均能量值;所述第一训练区域和第二训练区域位于所述待检测点的两侧;
根据所述第一子带中干扰信息的稀疏程度确定对应的参考能量值计算方法,以及根据所述参考能量值计算方法、第一训练区域的平均能量值以及第二训练区域的平均能量值,确定参考能量值;
根据预期虚警概率,以及第一训练区域的检测点位数或者第二训练区域的检测点位数,确定计算因子;
根据所述参考能量值和所述计算因子,确定能量阈值;
检测所述待检测点的目标能量值,将所述目标能量值与所述能量阈值进行比较,根据比较结果判断所述待检测点是否为干扰点。
4.根据权利要求3所述的方法,其特征在于,所述根据所述第一子带中干扰信息的稀疏程度确定对应的参考能量值计算方法,包括:
如果所述干扰信息的稀疏程度为稀疏,则采取第一计算方法;其中,所述第一计算方法的数学表达式为:
其中,Sa表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
如果所述干扰信息的稀疏程度为密集,则采取第二计算方法;其中,所述第二计算方法的数学表达式为:
Sb=min(S1,S2)
其中,Sb表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值;
如果所述干扰信息的稀疏程度为密集,并且影响因素为预期虚警概率时,则采取第三计算方法;其中,所述第三计算方法的数学表达式为:
Sc=max(S1,S2)
其中,Sc表示参考能量值,S1表示第一训练区域的平均能量值,S2表示第二训练区域的平均能量值。
5.根据权利要求3所述的方法,其特征在于,所述根据预期虚警概率,以及第一训练区域的检测点位数或者第二训练区域的检测点位数,确定计算因子,包括:
其中,a表示计算因子,N表示第一训练区域的检测点位数或者第二训练区域的检测点位数,P表示预期虚警概率。
6.根据权利要求1或2所述的方法,其特征在于,所述如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带,包括:
通过自回归模型对第一子带中的干扰点进行预测,得到干扰恢复点;
通过所述干扰恢复点对所述第一子带中的干扰点进行替换,得到第二子带;
其中,所述自回归模型用于根据第一子带中多个待预测点对所述干扰点进行预测。
7.根据权利要求1或2所述的方法,其特征在于,所述对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,包括:
对不包含干扰点的多个第一子带和多个第二子带分别进行傅里叶变换处理,得到多个第三频谱子带;
对所述多个第三频谱子带分别进行加窗逆处理,以及对加窗逆处理后的多个第三频谱子带进行信号合成处理;
对信号合成结果进行傅里叶反变换处理,得到第二拍频信号。
8.一种雷达互相干扰抑制装置,其特征在于,包括:
信号分解模块,用于对第一拍频信号进行信号分解处理,得到多个第一子带,所述第一子带中包含多个待检测点;其中,所述第一拍频信号为参考信号和回波信号混频后得到的信号,所述参考信号为雷达波形发生器产生的信号,所述回波信号为雷达的接收信号,所述回波信号中包含干扰信息;
干扰点判断模块,用于判断每个第一子带中的每个待检测点是否为干扰点;
信号恢复模块,用于如果为干扰点,则对所述干扰点进行信号恢复处理,得到第二子带;所述第二子带中不包含干扰点;
信号重建模块,用于对不包含干扰点的多个第一子带和多个第二子带进行信号重建,得到第二拍频信号,所述第二拍频信号中不包含干扰信号。
9.一种计算机设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至7中任一项所述的雷达互相干扰抑制方法。
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指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的雷达互相干扰抑制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310671134.5A CN116500553B (zh) | 2023-06-07 | 2023-06-07 | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310671134.5A CN116500553B (zh) | 2023-06-07 | 2023-06-07 | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116500553A true CN116500553A (zh) | 2023-07-28 |
CN116500553B CN116500553B (zh) | 2023-10-03 |
Family
ID=87320413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310671134.5A Active CN116500553B (zh) | 2023-06-07 | 2023-06-07 | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116500553B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080304553A1 (en) * | 2005-12-07 | 2008-12-11 | Zte Corporation | Method and Device for Removing Narrow Band Interference in Spreading Frequency System |
KR101303769B1 (ko) * | 2012-12-17 | 2013-09-04 | 국방과학연구소 | 주파수 변조 연속파 레이더에서 간섭 신호 탐지 및 억제 방법 |
CN104237866A (zh) * | 2014-10-13 | 2014-12-24 | 武汉中原电子集团有限公司 | 一种改进的船载线性调频连续波雷达恒虚警检测方法 |
CN106842145A (zh) * | 2015-12-03 | 2017-06-13 | 中国航空工业集团公司雷华电子技术研究所 | 一种抑制fmcw雷达液位计回波冲击响应干扰的方法 |
CN108490271A (zh) * | 2018-02-27 | 2018-09-04 | 西南交通大学 | 一种分布式高铁沿线电磁干扰实时监测装置及其方法 |
CN108845316A (zh) * | 2018-06-04 | 2018-11-20 | 中国卫星海上测控部 | 一种基于压缩感知理论的雷达稀疏探测方法 |
CN112220464A (zh) * | 2020-10-27 | 2021-01-15 | 广西脉吾科技有限责任公司 | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 |
CN113093119A (zh) * | 2021-03-26 | 2021-07-09 | 武汉大学 | 一种时频恒虚警高频雷达目标检测方法及系统 |
-
2023
- 2023-06-07 CN CN202310671134.5A patent/CN116500553B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080304553A1 (en) * | 2005-12-07 | 2008-12-11 | Zte Corporation | Method and Device for Removing Narrow Band Interference in Spreading Frequency System |
KR101303769B1 (ko) * | 2012-12-17 | 2013-09-04 | 국방과학연구소 | 주파수 변조 연속파 레이더에서 간섭 신호 탐지 및 억제 방법 |
CN104237866A (zh) * | 2014-10-13 | 2014-12-24 | 武汉中原电子集团有限公司 | 一种改进的船载线性调频连续波雷达恒虚警检测方法 |
CN106842145A (zh) * | 2015-12-03 | 2017-06-13 | 中国航空工业集团公司雷华电子技术研究所 | 一种抑制fmcw雷达液位计回波冲击响应干扰的方法 |
CN108490271A (zh) * | 2018-02-27 | 2018-09-04 | 西南交通大学 | 一种分布式高铁沿线电磁干扰实时监测装置及其方法 |
CN108845316A (zh) * | 2018-06-04 | 2018-11-20 | 中国卫星海上测控部 | 一种基于压缩感知理论的雷达稀疏探测方法 |
CN112220464A (zh) * | 2020-10-27 | 2021-01-15 | 广西脉吾科技有限责任公司 | 一种基于uwb雷达的人体呼吸心跳信号检测方法和系统 |
CN113093119A (zh) * | 2021-03-26 | 2021-07-09 | 武汉大学 | 一种时频恒虚警高频雷达目标检测方法及系统 |
Non-Patent Citations (1)
Title |
---|
YANBING LI 等: "Mutual Interference Mitigation of Millimeter-Wave Radar Based on Variational Mode Decomposition and Signal Reconstruction", REMOTE SENSING, vol. 15, no. 3, pages 1 - 24 * |
Also Published As
Publication number | Publication date |
---|---|
CN116500553B (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang | CFAR-based interference mitigation for FMCW automotive radar systems | |
Guan et al. | Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN109871733B (zh) | 一种自适应海杂波信号去噪方法 | |
US5515300A (en) | Coherent signal power detector using higher-order statistics | |
Li et al. | An EEMD‐Based Denoising Method for Seismic Signal of High Arch Dam Combining Wavelet with Singular Spectrum Analysis | |
CN114616488A (zh) | 一种信号噪声滤除方法、装置、存储介质及激光雷达 | |
US20220349986A1 (en) | Radar communication with interference suppression | |
Lee et al. | Reverberation suppression using non-negative matrix factorization to detect low-Doppler target with continuous wave active sonar | |
US8321491B2 (en) | System and method for detecting a weak signal in a noisy environment | |
CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
CN117390434A (zh) | 一种基于多尺度分解与重构的瞬态电磁信号时延估计方法 | |
Canepa et al. | Real-time continuous active sonar processing | |
CN112051552A (zh) | 一种基于多站的主瓣抗干扰方法及装置 | |
Tian et al. | Underwater multi-target passive detection based on transient signals using adaptive empirical mode decomposition | |
Li | Speech denoising based on improved discrete wavelet packet decomposition | |
CN116500553B (zh) | 雷达互相干扰抑制方法、装置、计算机设备及存储介质 | |
CN110248325B (zh) | 一种基于信号多重消噪的蓝牙室内定位系统 | |
Tanwar et al. | Hard component detection of transient noise and its removal using empirical mode decomposition and wavelet‐based predictive filter | |
Verma et al. | Study of transforms and methods for their comparison | |
Peng et al. | Analysis of denoising methods of underwater acoustic pulse signal based on wavelet and wavelet packet | |
CN115598615B (zh) | 基于子带滤波的功率谱信息几何雷达目标检测方法和装置 | |
Li et al. | Research on Signal Processing Technology of Ultrasonic Non‐Destructive Testing Based on EEMD Combined with Wavelet Packet | |
Sarno Filho et al. | Empirical mode decomposition: Theory and applications in underwater acoustics | |
CN118295032A (zh) | 水下目标瞬时频率和方位角高精度联合估计方法和系统 |
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 |