CN116821093A - 一种海杂波样本库构建方法及系统 - Google Patents
一种海杂波样本库构建方法及系统 Download PDFInfo
- Publication number
- CN116821093A CN116821093A CN202310749181.7A CN202310749181A CN116821093A CN 116821093 A CN116821093 A CN 116821093A CN 202310749181 A CN202310749181 A CN 202310749181A CN 116821093 A CN116821093 A CN 116821093A
- Authority
- CN
- China
- Prior art keywords
- sampling
- sea clutter
- point
- sampling point
- signal
- 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
- 238000010276 construction Methods 0.000 title claims description 9
- 238000005070 sampling Methods 0.000 claims abstract description 172
- 238000000034 method Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 description 25
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 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
- 238000011156 evaluation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种海杂波样本库构建方法，该方法包括：获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；设置单点海杂波判断模型，并根据采样点的信号频率，计算单个采样点的布尔值；设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
Description
技术领域
本发明属于海杂波样本库构建技术领域，更具体地，涉及一种海杂波样本库构建方法及系统。
背景技术
海杂波(Oceanic Sea Clutter)是指海洋中由于水面波浪、海浪、涡旋等引起的散射信号，它是一种在雷达系统中常见的背景干扰源。海杂波是由于海面的不规则性和波浪的变动导致的，这些不规则性和变动会散射入射的雷达波，使得雷达接收到来自海面的散射信号。
海杂波对雷达系统的性能有很大的影响，它会降低雷达目标的探测性能和跟踪性能。因此，海杂波的特性和功率分布是雷达系统设计和性能评估中重要的研究内容之一。
现有技术中识别海杂波的技术一般都比较复杂，且需要比较高的算力支持，因此亟需一种技术，能够在较少算力的支持下，对海杂波进行识别，并且构建海杂波样本库。
发明内容
为解决以上技术问题，本发明提出一种海杂波样本库构建方法，包括：
获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
进一步的，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
进一步的，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
进一步的，指示函数I((fi≥fmin)∧(fi≤fmax))为：
进一步的，指示函数I(|Ai-Ai-1|≤threshold)为：
本发明还提出一种海杂波样本库构建系统，包括：
获取数据模块，用于多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
设置单点判断模块，用于设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
设置连续判断模块，用于设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
构建数据库模块，用于只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
进一步的，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
进一步的，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
进一步的，指示函数I((fi≥fmin)∧(fi≤fmax))为：
进一步的，指示函数I(|Ai-Ai-1|≤threshold)为：
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明通过获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。本发明通过以上技术方案，能够自动识别雷达回波信号中的海杂波，从而节省了人工甄别的成本，极大的提高了效率。
附图说明
图1是本发明实施例1的方法的流程图；
图2是本发明实施例2的系统的结构图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
本发明中所有公式的下角标仅用作区分参数的目的，并没有具体含义。
实施例1
如图1所示，本发明实施例提供一种海杂波样本库构建方法，包括：
步骤101，获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
步骤102，设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
具体的，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
具体的，指示函数I((fi≥fmin)∧(fi≤fmax))为：
步骤103，设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
具体的，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
具体的，指示函数I(|Ai-Ai-1|≤threshold)为：
步骤104，只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
实施例2
如图2所示，本发明实施例还提供一种海杂波样本库构建系统，包括：
获取数据模块，用于获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
设置单点判断模块，用于设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
具体的，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
具体的，指示函数I((fi≥fmin)∧(fi≤fmax))为：
设置连续判断模块，用于设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
具体的，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
具体的，指示函数I(|Ai-Ai-1|≤threshold)为：
构建数据库模块，用于只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
实施例3
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种海杂波样本库构建方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：步骤101，获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
步骤102，设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
具体的，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
具体的，指示函数I((fi≥fmin)∧(fi≤fmax))为：
步骤103，设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
具体的，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
具体的，指示函数I(|Ai-Ai-1|≤threshold)为：
步骤104，只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
实施例4
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行所述的一种海杂波样本库构建方法。
具体的，本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。
其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种海杂波样本库构建方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种海杂波样本库构建方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。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。
处理器可以通过传输系统调用存储介质存储的信息及应用程序，以执行下述步骤：步骤101，获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
步骤102，设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
具体的，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
具体的，指示函数I((fi≥fmin)∧(fi≤fmax))为：
步骤103，设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
具体的，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
具体的，指示函数I(|Ai-Ai-1|≤threshold)为：
步骤104，只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应所述理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的系统实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种海杂波样本库构建方法，其特征在于，包括：
获取多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
2.如权利要求1所述的一种海杂波样本库构建方法，其特征在于，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
3.如权利要求2所述的一种海杂波样本库构建方法，其特征在于，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
4.如权利要求2所述的一种海杂波样本库构建方法，其特征在于，指示函数I((fi≥fmin)∧(fi≤fmax))为：
5.如权利要求3所述的一种海杂波样本库构建方法，其特征在于，指示函数I(|Ai-Ai-1|≤threshold)为：
6.一种海杂波样本库构建系统，其特征在于，包括：
获取数据模块，用于多个雷达回波信号，并按照采样频率对每个雷达回波信号进行采样，生成多个所述雷达回波信号的多个采样数据，对与每个所述雷达回波信号相对应的采样数据进行傅里叶变换，得到采样点的信号频率和采样点的信号幅度，其中，每个所述采样数据进行傅里叶变换后，都会得到一组采样点的信号频率和采样点的信号幅度；
设置单点判断模块，用于设置单点海杂波判断模型，并根据所述采样点的信号频率，计算单个采样点的布尔值；
设置连续判断模块，用于设置连续海杂波判断模型，并根据所述单个采样点的布尔值和所述采样点的信号幅度，计算连续采样点的布尔值；
构建数据库模块，用于只有所述连续采样点的布尔值等于1时，相对应的所述雷达回波信号为海杂波，并记录在海杂波样本库中。
7.如权利要求6所述的一种海杂波样本库构建系统，其特征在于，所述单点海杂波判断模型为：
其中，fi为第i个采样点的信息频率，fmin为最小频率阈值，fmax为最大频率阈值，n为采样点的个数，I((fi≥fmin)∧(fi≤fmax))为指示函数，C为单个采样点的布尔值。
8.如权利要求7所述的一种海杂波样本库构建系统，其特征在于，连续海杂波判断模型为：
其中，Ai为第i个采样点的信号幅度，Ai-1为Ai的前一个采样点的信号幅度，threshold为幅度阈值，I(|Ai-Ai-1|≤threshold)为指示函数，C′为连续采样点的布尔值。
9.如权利要求7所述的一种海杂波样本库构建系统，其特征在于，指示函数I((fi≥fmin)∧(fi≤fmax))为：
10.如权利要求8所述的一种海杂波样本库构建系统，其特征在于，指示函数I(|Ai-Ai-1|≤threshold)为：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310749181.7A CN116821093B (zh) | 2023-06-21 | 2023-06-21 | 一种海杂波样本库构建方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310749181.7A CN116821093B (zh) | 2023-06-21 | 2023-06-21 | 一种海杂波样本库构建方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116821093A true CN116821093A (zh) | 2023-09-29 |
| CN116821093B CN116821093B (zh) | 2023-12-15 |
Family
ID=88142348
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310749181.7A Active CN116821093B (zh) | 2023-06-21 | 2023-06-21 | 一种海杂波样本库构建方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116821093B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658508A (zh) * | 2019-10-17 | 2020-01-07 | 中国人民解放军火箭军工程大学 | 一种基于特征量的k分布海杂波参数估计方法 |
| CN114839634A (zh) * | 2022-04-11 | 2022-08-02 | 中国人民解放军海军航空大学 | 基于雷达回波特征的海况分类方法及装置 |
| CN114970378A (zh) * | 2022-08-01 | 2022-08-30 | 青岛国数信息科技有限公司 | 一种基于gan网络的海杂波样本库构建方法 |
-
2023
- 2023-06-21 CN CN202310749181.7A patent/CN116821093B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110658508A (zh) * | 2019-10-17 | 2020-01-07 | 中国人民解放军火箭军工程大学 | 一种基于特征量的k分布海杂波参数估计方法 |
| CN114839634A (zh) * | 2022-04-11 | 2022-08-02 | 中国人民解放军海军航空大学 | 基于雷达回波特征的海况分类方法及装置 |
| CN114970378A (zh) * | 2022-08-01 | 2022-08-30 | 青岛国数信息科技有限公司 | 一种基于gan网络的海杂波样本库构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 昂志敏, 张晓丰, 许正荣: "高分辨率雷达近距离下的海杂波建模与仿真", 合肥工业大学学报(自然科学版), no. 10, pages 1306 - 1310 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116821093B (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107220606B (zh) | 基于一维卷积神经网络的雷达辐射源信号的识别方法 | |
| US20190227164A1 (en) | Automotive Testing Method, System and Computer Program Product | |
| CN113009442B (zh) | 一种雷达静止反射面多径目标的识别方法及装置 | |
| CN110519448A (zh) | 屏幕状态控制方法、装置、移动终端以及存储介质 | |
| US20220321598A1 (en) | Method of processing security information, device and storage medium | |
| CN113219466A (zh) | 海面的风速确定方法、装置、电子设备及存储介质 | |
| CN116842300B (zh) | 一种基于海杂波的低空电磁波散射损耗估计方法及系统 | |
| CN117388835B (zh) | 一种多拼融合的声雷达信号增强方法 | |
| CN116821093B (zh) | 一种海杂波样本库构建方法及系统 | |
| CN116755005A (zh) | 一种基于模型的发生雷电时磁场监测方法及系统 | |
| CN115941084A (zh) | 基于时频图模板匹配的水声通信前导信号检测方法及装置 | |
| CN116842309B (zh) | 一种海杂波功率的计算方法及系统 | |
| CN114594465A (zh) | Mimo雷达的通道分离方法、装置及mimo雷达 | |
| CN116821618B (zh) | 一种海面监视雷达杂波抑制方法及系统 | |
| CN103185881B (zh) | 基于波导不变量的混响抑制方法 | |
| CN117033873B (zh) | 一种基于神经网络的低空大气波导测量方法及系统 | |
| CN105551500A (zh) | 一种音频信号处理方法及装置 | |
| CN117351257B (zh) | 一种基于多模态信息的航运数据抽取方法及系统 | |
| CN117057172B (zh) | 一种发生雷电时电场和磁场的监测方法及系统 | |
| CN113740820B (zh) | 一种雷达信号处理机脉冲多普勒处理的数学建模方法 | |
| CN116794690B (zh) | 一种ddm数据质量实时监测方法及系统 | |
| CN114384468B (zh) | 一种在不一致脉冲噪声环境下的目标直接定位方法和系统 | |
| CN116952368A (zh) | 一种大型梯级枢纽船闸振动监测方法及系统 | |
| CN113126055A (zh) | Mimo雷达信号处理方法、装置、终端设备及存储介质 | |
| CN111327061B (zh) | 基于视在阻抗的振荡稳定性判别方法和装置 |
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 |