CN117310644A - 一种宽带雷达变加速运动目标相参积累检测方法及装置 - Google Patents
一种宽带雷达变加速运动目标相参积累检测方法及装置 Download PDFInfo
- Publication number
- CN117310644A CN117310644A CN202311307784.8A CN202311307784A CN117310644A CN 117310644 A CN117310644 A CN 117310644A CN 202311307784 A CN202311307784 A CN 202311307784A CN 117310644 A CN117310644 A CN 117310644A
- Authority
- CN
- China
- Prior art keywords
- radar
- target
- time domain
- dimensional
- coherent accumulation
- 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.)
- Pending
Links
- 238000009825 accumulation Methods 0.000 title claims abstract description 115
- 230000001427 coherent effect Effects 0.000 title claims abstract description 78
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 230000001133 acceleration Effects 0.000 title claims abstract description 67
- 230000033001 locomotion Effects 0.000 claims abstract description 52
- 230000005012 migration Effects 0.000 claims abstract description 44
- 238000013508 migration Methods 0.000 claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 39
- 238000005314 correlation function Methods 0.000 claims abstract description 25
- 230000006835 compression Effects 0.000 claims abstract description 19
- 238000007906 compression Methods 0.000 claims abstract description 19
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 51
- 238000000034 method Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 39
- 230000014509 gene expression Effects 0.000 claims description 32
- 238000002592 echocardiography Methods 0.000 claims description 16
- 230000036461 convulsion Effects 0.000 claims description 14
- 238000005311 autocorrelation function Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 230000035485 pulse pressure Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 101001069938 Griffithsia sp. (strain Q66D336) Griffithsin Proteins 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication 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
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种宽带雷达变加速运动目标相参积累检测方法及装置,将雷达回波沿距离向进行脉冲压缩得到二维时域信号;根据相邻脉冲互相关函数获取雷达回波的自聚焦项;采用LVD算法对自聚焦项进行运动参数估计;利用运动参数估计结果构造相位补偿函数,将相位补偿函数与二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;使用Keystone变换校正二维时域信号中余下的速度引起的距离徙动,得到校正后的二维时域信号;将校正后的二维时域信号沿慢时间进行相参积累,根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。本发明有利于改善对机动目标的检测能力,能够实现微弱目标的有效检测。
Description
技术领域
本发明属于雷达信号处理技术领域,具体涉及一种宽带雷达变加速运动目标相参积累检测方法及装置。
背景技术
目前,相比窄带雷达,宽带雷达具有距离分辨率更高、目标起伏更小、单元杂波更小、隐蔽性以及有源抗干扰能力更强等优势。
现阶段,在宽带雷达中,目标能量分散在不同的距离单元内,使得单个距离单元的信噪比变低,不利于检测。现有技术通常采用雷达对目标进行长时间凝视探测,以时间换取能量,对回波进行长时间积累是一种有效的提高信噪比的方式。但是,在对目标做长时间积累的过程中,变加速运动目标具有较强的机动性。这种速度的强机动性使得宽带雷达的回波中出现严重的距离徙动和多普勒频率徙动,能量分散在不同的单元内,导致目标回波信噪比低,无法实现微弱目标的有效检测。
发明内容
为此,本发明提供一种宽带雷达变加速运动目标相参积累检测方法及装置,能够有效提升目标回波信噪比,以实现微弱目标的有效检测。
为了实现上述目的,本发明提供如下技术方案:一种宽带雷达变加速运动目标相参积累检测方法,包括:
获取变加速运动的目标体对于雷达发射信号产生的雷达回波,将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;
对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;
采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;
利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;
将校正后的所述二维时域信号沿慢时间进行相参积累,根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。
作为宽带雷达变加速运动目标相参积累检测方法优选方案,雷达发射信号的表达式为:
式中,fc表示载频,表示时间变量,Tp表示发射信号的脉冲宽度,/>为窗函数,j为虚数单位,K表示线性调频波形的调频率,/>t表示快时间变量,tm表示方位向慢时间变量;
雷达回波s(t,tm)的表达式为:
式中,A1,q为第q个散射点的雷达回波幅度,Q为组成目标体的散射点个数,q为大于或等于1且小于或等于Q的整数,tm=m/fr(m=0,1,2,...,M-1),fr为脉冲重复频率,M为相参积累脉冲数,τq(tm)为第q个散射点的时延变量,τq(tm)的表达式为:
式中,Rq(tm)为第q个散射点与雷达之间的瞬时距离,R0,q为第q个散射点与雷达之间的初始距离,v为目标体的初始速度,a1为目标体的加速度,a2为目标体的加加速度,c为光速。
作为宽带雷达变加速运动目标相参积累检测方法优选方案,将雷达回波s(t,tm)沿距离向进行脉冲压缩得到二维时域信号sc(t,tm)的表达式为:
式中,A2,q为脉压后时域回波的信号幅度,B为发射信号带宽;对二维时域信号sc(t,tm)沿距离向做傅里叶变换,得到距离频域-方位时域信号Sc(f,tm),式中,A3,q为脉压后频域回波的信号幅度,f为距离向频率变量。
作为宽带雷达变加速运动目标相参积累检测方法优选方案,对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数R(τ,tm)的表达式为:
式中,τ为相邻脉冲的快时间时延变量,T为相邻互相关积累时间,Rself(τ,tm)为散射点的自聚焦项,Rother(τ,tm)为不同的散射点之间的交叉项;
式中,A4为Rself(τ,tm)的幅度,A5,kl为第k个散射点和第l个散射点的交叉项Rother(τ,tm)的幅度,χ为与慢时间有关的一元二次的第一函数,χl,k为与慢时间有关的一元二次的第二函数,/>χ0为第一函数的常数项,χ0,l,k为第二函数的常数项,/>R0,l为第l个散射点的初始距离,R0,k为第k个散射点的初始距离;χ1为第一函数和第二函数的一次项系数,χ1=(2a1+3a2Tr)Tr;χ2为第一函数和第二函数的二次项系数,χ2=3a2Tr;Tr为脉冲重复周期,Tr=1/fr;
根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项R(tm)表达式为:
作为宽带雷达变加速运动目标相参积累检测方法优选方案,对所述自聚焦项进行参数对称瞬时自相关函数处理结果为:
式中,为慢时间时延变量,b为常数;
解耦合的公式为:
式中,h为缩放因子,tn为缩放后的慢时间;
二维快速傅里叶变换积累结果为:
式中,为LVD结果,A6为/>的信号幅度,/>为对应时延变量/>的中心频率变量;γ为对应虚拟慢时间tn的调频率变量;
经过二维FFT积累后,信号能量得到积累,根据峰值位置:
加速度和加加速度的参数估计表达式:
为目标体的加速度估计值,/>为目标体的加加速度估计值,λ=c/fc为波长。
作为宽带雷达变加速运动目标相参积累检测方法优选方案,利用运动参数估计结果构造相位补偿函数的表达式为:
将构造的补偿函数与距离频域-方位时域信号Sc(f,tm)相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
得到校正后的所述二维时域信号表达式为:
使用解耦合公式对Scp1(f,tm)进行校正,解耦合后的结果为:
将Scpk(f,τm)沿距离频域做逆傅里叶变换IFT得到二维时域信号,得到:
式中,τm表示虚拟慢时间,A7,q为校正后第q个散射点回波的幅度。
作为宽带雷达变加速运动目标相参积累检测方法优选方案,将校正后的所述二维时域信号沿慢时间进行相参积累的结果为:
式中,Tm=MTr为相参积累时间,为τm对应的多普勒频率;
取信号得到重构出的距离扩展目标的一维高分辨距离像的表达式为:
作为宽带雷达变加速运动目标相参积累检测方法优选方案,还包括对重构出的一维高分辨距离像进行检测,检测步骤包括:
距离扩展目标长度估计:估计目标尺寸,确定目标散射中心的位置,估计目标占据的距离单元数;
基于能量积累的CFAR检测:估计待检单元的噪声方差,距离扩展目标的能量积累与CFAR检测。
本发明还提供一种宽带雷达变加速运动目标相参积累检测装置,采用上述的宽带雷达变加速运动目标相参积累检测方法,包括:
雷达回波获取模块,用于获取变加速运动的目标体对于雷达发射信号产生的雷达回波;
雷达回波压缩模块,用于将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;
雷达回波互相关处理模块,用于对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;
自聚焦项分析模块,用于根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;
运动参数估计模块,用于采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;
相位补偿模块,用于利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
二维时域信号校正模块,用于使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;
相参积累模块,用于将校正后的所述二维时域信号沿慢时间进行相参积累;
目标重构模块,用于根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。
作为宽带雷达变加速运动目标相参积累检测装置优选方案,还包括:
重构目标检测模块,用于对重构出的一维高分辨距离像进行检测;重构目标检测模块包括:
长度估计子模块,用于距离扩展目标长度估计:估计目标尺寸,确定目标散射中心的位置,估计目标占据的距离单元数;
CFAR检测子模块,用于基于能量积累的CFAR检测:估计待检单元的噪声方差,距离扩展目标的能量积累与CFAR检测。
本发明具有如下优点:通过获取变加速运动的目标体对于雷达发射信号产生的雷达回波,将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;将校正后的所述二维时域信号沿慢时间进行相参积累,根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。本发明实现了宽带雷达变加速运动目标的距离徙动和多普勒频率徙动校正,避免了高维搜索,计算复杂度低,有利于工程应用;本发明可以有效改善宽带雷达的回波信噪比,有利于改善对机动目标的检测能力,能够实现微弱目标的有效检测。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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引申获得其它的实施附图。
图1为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测方法流程示意图;
图2为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测方法技术架构示意图;
图3为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测方法中距离扩展目标的仿真结果;
图4为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测方法中仿真的相参积累结果;
图5为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测方法与不同算法的积累结果对比;
图6为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测方法在不同虚警概率下的变加速运动目标的检测概率;
图7为本发明实施例中提供的宽带雷达变加速运动目标相参积累检测装置架构示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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,本领域普通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。
实施例1
参见图1和图2,本发明实施例1提供一种宽带雷达变加速运动目标相参积累检测方法,包括以下步骤:
S1、获取变加速运动的目标体对于雷达发射信号产生的雷达回波,将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;
S2、对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;
S3、采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;
S4、利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
S5、使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;
S6、将校正后的所述二维时域信号沿慢时间进行相参积累,根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。
本实施例中,步骤S1涉及雷达发射信号为线性调频(linear frequencymodulated,LFM)波形,雷达发射信号的表达式为:
式中,fc表示载频,表示时间变量,Tp表示发射信号的脉冲宽度,/>为窗函数,/>j为虚数单位,K表示线性调频波形的调频率,/>t表示快时间变量,tm表示方位向慢时间变量。
由于在雷达的视线范围内,雷达的发射信号经过目标体反射后被雷达接收。在宽带的雷达回波中,目标体由Q个不在同一距离单元内的散射点组成,且这些散射点在积累时间内相互独立、运动状态相同,目标体的Q个散射点包括第一个散射点至第Q个散射点,Q为大于或等于2的整数。
因此,目标体针对发射信号的雷达回波s(t,tm)的表达式为:
式中,A1,q为第q个散射点的雷达回波幅度,Q为组成目标体的散射点个数,q为大于或等于1且小于或等于Q的整数,tm=m/fr(m=0,1,2,...,M-1),fr为脉冲重复频率,M为相参积累脉冲数,τq(tm)为第q个散射点的时延变量,第q个散射点的时延变量τq(tm)与第i个散射点和雷达之间的径向距离有关,在CPI(相参处理时间)内,目标体是存在加加速度的三阶运动目标体,从而第q个散射点的时延变量τq(tm)的表达式为:
式中,Rq(tm)为第q个散射点与雷达之间的瞬时距离,R0,q为第q个散射点与雷达之间的初始距离,v为目标体的初始速度,a1为目标体的加速度,a2为目标体的加加速度,c为光速。
本实施例中,在步骤S1,变加速运动的目标体针对雷达的发射信号产生雷达回波s(t,tm),对雷达回波s(t,tm)沿距离向做脉冲压缩得到二维时域信号sc(t,tm),式中,式中,A2,q为脉压后时域回波的信号幅度,B为发射信号带宽;对二维时域信号sc(t,tm)沿距离向做傅里叶变换,得到距离频域-方位时域信号Sc(f,tm),/>式中,A3,q为脉压后频域回波的信号幅度,f为距离向频率变量。
本实施例中,在步骤S2,对雷达回波s(t,tm)做相邻互相关(ACCF)处理,得到相邻脉冲互相关函数R(τ,tm):
该式中具有m+1,因此m的取值和前面的m的取值不一样,m的取值范围为1,2,…,M-1;根据相邻脉冲互相关函数R(τ,tm)获取自聚焦项R(tm)。
其中,τ为相邻脉冲的快时间时延变量,T为相邻互相关积累时间,Rself(τ,tm)为散射点的自聚焦项,Rother(τ,tm)为不同的散射点之间的交叉项;
式中,A4为Rself(τ,tm)的幅度,A5,kl为第k个散射点和第l个散射点的交叉项Rother(τ,tm)的幅度,χ为与慢时间有关的一元二次的第一函数,χl,k为与慢时间有关的一元二次的第二函数,/>χ0为第一函数的常数项,χ0,l,k为第二函数的常数项,/>R0l为第l个散射点的初始距离,R0k为第k个散射点的初始距离;χ1为第一函数和第二函数的一次项系数,χ1=(2a1+3a2Tr)Tr;χ2为第一函数和第二函数的二次项系数,χ2=3a2Tr;Tr为脉冲重复周期,Tr=1/fr;
根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项R(tm)表达式为:
本实施例中,在步骤S3,对自聚焦项R(tm)使用LVD算法估计运动参数,LVD算法通过对自聚焦项R(tm)做参数对称瞬时自相关函数(Parametric Symmetric InstantaneousAutocorrelation Function,PSIAF)、解耦合、二维快速傅里叶变换(FFT)积累过程,实现参数估计。
具体的,对所述自聚焦项进行参数对称瞬时自相关函数处理结果为:
式中,为慢时间时延变量,b为常数。
具体的,中存在慢时间tm与时延变量/>之间的耦合,使用如下公式进行解耦合,解耦合的公式为:
式中,h为缩放因子,tn为缩放后的慢时间;将上式代入中解耦合,得到:
其中,对做二维FFT积累,得到二维快速傅里叶变换积累结果为:
式中,为LVD结果,A6为/>的信号幅度,/>为对应时延变量/>的中心频率变量;γ为对应虚拟慢时间tn的调频率变量。
其中,经过二维FFT积累后,信号能量得到积累,根据峰值位置:
加速度和加加速度的参数估计表达式为:
为目标体的加速度估计值,/>为目标体的加加速度估计值,λ=c/fc为波长,至此,通过ACCF-LVD实现了距离扩展目标的机动参数估计。
本实施例中,在步骤S4,利用步骤S3运动参数估计结果构造相位补偿函数的表达式为:
将构造的补偿函数与步骤S1中距离频域-方位时域信号Sc(f,tm)相乘,补偿机动参数引起的距离徙动和多普勒频率徙动,即:
本实施例中,在步骤S5,使用Keystone变换(KT)校正步骤S4的信号Sc(f,tm)中余下的速度引起的距离徙动。
具体的,当目标运动速度超过盲速vb=frλ2时,速度可以拆分为模糊速度Nbvb和不模糊速度va,即:v=Nbvb+va;其中,Nb为多普勒模糊数。KT算法只能校正不模糊速度部分,在使用KT时需要先估计出模糊数,解决模糊速度问题。通过参数搜索法获得模糊数的真值,然后构造补偿函数对Scp(f,tm)中的模糊速度进行补偿,得到:
若模糊数参数估计正确,则上式化简为:
其中,Keystone变换经历模糊速度补偿、解耦合过程,得到校正后的所述二维时域信号表达式为:
经过模糊速度校正后,公式中只剩不模糊速度部分,使用如下解耦合公式对Scp1(f,tm)进行校正,解耦合后的结果为:
将Scpk(f,τm)沿距离频域做逆傅里叶变换IFT得到二维时域信号,得到:
式中,τm表示虚拟慢时间,A7,q为校正后第q个散射点回波的幅度。
本实施例中,在步骤S6,将步骤S5校正后的所述二维时域信号沿慢时间进行相参积累的结果为:
式中,Tm=MTr为相参积累时间,为τm对应的多普勒频率;
其中,取信号得到重构出的距离扩展目标的一维高分辨距离像的表达式为:
本实施例中,还包括步骤S7,对步骤S6重构出的一维高分辨距离像(HRRP)进行检测,检测步骤包括:
距离扩展目标长度估计:估计目标尺寸,确定目标散射中心的位置,估计目标占据的距离单元数;
基于能量积累的CFAR检测:估计待检单元的噪声方差,距离扩展目标的能量积累与CFAR检测。
具体的,先估计出待检单元的噪声方差根据估计的lmax和K,积累距离扩展目标的能量;对目标进行检测,检测统计量为:
式中,xn为待检单元的回波信号,其为SHRRP经过平方律检波的结果。T为阈值,表达式为:
式中,α为阈值乘积因子,Pfa为虚警概率。
首先,估计出距离扩展目标的长度lmax和中心位置K。然后,实现对HRRP的检测。
当回波信号中存在高斯白噪声时,步骤S6中重构出的HRRP(含噪声)信号为:
式中,w为噪声。
其中,步骤S7中包括步骤S71:距离扩展目标长度估计。
具体的,步骤S71包括步骤S711:估计目标尺寸。假设目标在径向距离上的长度变化区间为,其对应的距离扩展目标在一维距离像上占据的距离单元数变化区间为:
式中,δ为雷达的距离分辨率,记最短单元数的一半int(·)表示取整处理。
步骤S71包括步骤S712:确定目标散射中心的位置。
具体的,在提取的HRRP信号Xext(n)(连续信号Xext(t)的离散形式)中任选一个位置k,以k为中心、2l0为窗长截取信号,截取信号的位置l∈[k-l0,k+l0],散射中心的取值范围k∈[l0+1,N-l0]。对截取的信号进行能量积累,即有:
最终得到一个包含N-2l0个数据的数组,即有X={Xk|k=1,2,...,N-2l0},在这一组数据中,找到最大数值,其对应的位置序号为k=K,即K为距离扩展目标散射中心的位置。
步骤S71包括步骤S713:估计目标占据的距离单元数。
具体的,在步骤S712确定散射中心后,以k=K为中心,改变滑窗的长度l,且滑窗长度l∈L,对滑窗内的数据做能量平均,即有:
在l∈L范围内,平均能量最大时对应的滑窗宽度就是目标所占据的距离单元数,对应的最佳窗长记为lmax。
其中,步骤S7中还包括步骤S72:基于能量积累的CFAR检测。
步骤S72包括步骤S721、估计待检单元的噪声方差。
具体的,先对待检测信号Xext(t)进行平方律检波,对平方律输出结果用序列方式标记信号,噪声记为wn,目标回波记为sn,回波信号为xn。假设回波中的噪声独立分布,功率为其包络服从瑞利分布,经过平方律检波后,待检单元的样本服从指数分布,此时待检单元噪声的概率密度函数(Probability Density Function,PDF)为:
在CFAR中,通过待检单元周围N1个单元的数据来估计噪声功率这N1个数据组成的联合PDF为:
通过对联合PDF的对数似然函数进行估计,得到其最大似然估计值为这N1个样本的平均,此时估计出的噪声功率为:
CFAR中的阈值为:
上式中,α为阈值乘积因子,其表达式为:
步骤S72包括步骤S722、距离扩展目标的能量积累与CFAR检测。
具体的,二元检测的表达式为:
检测统计量表示为:
在H0情况下,统计L(x)的联合概率密度函数为厄兰分布(Erlang Distribution),即:
则能量积累器的虚警概率为则检测阈值/>结合步骤S721中CAFR估计的噪声检测阈值,可以得到最终的检测阈值为:/>
以下通过实验仿真对本发明实施例作进一步说明。
系统参数如表1所示:
表1 ACCF-LVD-KT算法的仿真参数
表1中,输入信噪比定义为脉冲压缩后目标信号的功率与噪声功率的比值,其表达式为:
式中,L表示目标在距离单元连续区域内占据的距离单元数目,sc(n)为在这L个距离单元内的散射点信号。理论上,目标散射点个数Q小于等于L,散射点之间空隙单元的幅度为0。因此,本发明在仿真实验中将上式中目标的总能量近似表示为这Q个散射点的能量之和,即:
在仿真中,假设宽带雷达视线范围内的运动目标,由5个散射点组成,散射点的相对位置分布与强弱分布如图3中(a3)部分所示。在无噪声时,初始时刻的距离扩展目标的HRRP如图3中(b3)部分所示。
实验1:相参积累算法有效性验证。根据表的参数设置,仿真目标的回波并使用本发明的相参积累算法进行参数估计与HRRP重构,结果如图4所示。
图4中(a4)部分为脉冲压缩后的二维时域结果,从中可以看出目标在CPI内存在距离徙动问题。对图4中(a4)部分做ACCF处理得的结果如图4中(b4)部分所示,经过ACCF后,包络徙动得到校正,从中提取出自聚焦项。对图4中(b4)中提取出的自聚焦项做LVD处理,积累结果如图4中(c4)部分所示,从积累结果中得到目标的加速度和加加速度的估计值分别为-5.672m/s2和-1.009m/s3。根据加速度和加加速度的估计值,构造相位补偿函数。将图4中(a4)部分的二维时域信号沿距离向做FFT得到距离频域-方位时域信号,并将其与相位补偿函数相乘补偿高阶运动的影响,对补偿后的信号沿距离频域做IFFT得到二维时域结果如图4中(d4)部分所示。对比图4中(a4),在图4中(d4)部分中,目标加速度和加加速度引起的距离弯曲得到校正,只剩下速度引起的线性距离徙动。对图4中(d4)做KT处理,估计出运动速度的模糊数为12,线性距离徙动的校正结果如图4中(e4)部分所示,散射点的包络不随慢时间而改变,各散射点的包络分别位于初始距离单元内。对图4中(e4)校正后的信号沿慢时间做相参积累,积累结果如图4中(f4)部分所示。结合积累结果与运动模糊数,估计出目标的速度为-45.005m/s。提取图4中(f4)中峰值点对应的多普勒频率单元的信号,得到重构的HRRP如图4中(g4)部分所示。与图3中(b2)部分仿真的HRRP相比,重构的HRRP在散射点数目、强弱分布等方面都很好地与仿真结果对应,因此本发明的相参积累算法可以实现变加速运动的参数估计与HRRP重构。
实验2:相参积累算法对比。为了验证本发明的相参积累算法在高机动目标方面的优势,将本发明的相参积累算法与现有经典的相参积累算法(MTD、RFrFT、GRFT)进行运动参数估计对比。输入信噪比降至-10dB,其它参数设置与表1相同,各算法的积累结果如图5所示,根据积累结果估计出的参数值对比见表2。
表2各算法参数估计结果与耗时对比
图5中(a5)部分为脉冲压缩结果,在-10dB信噪比下,信号淹没在噪声中;图5中(b5)部分为使用MTD方式进行参数估计结果,目标运动使得传统的MTD算法失效。图5中(c5)部分为使用RFrFT算法进行参数估计结果,由于FrFT算法针对线性调频信号,而目标的运动为三阶多项式相位信号,因此RFrFT算法不适用于具有加加速度的机动目标相参积累。图5中(d5)部分为使用GRFT四维搜索得到的结果,但GRFT算法的计算量较大。图5中(e5)为使用本发明相参积累算法对机动参数的估计结果。从对比结果来看,本发明所提的相参积累算法在保证高机动距离扩展目标的运动参数估计精度前提下,大大降低了算法的运算量。
实验3:相参积累检测算法验证。
雷达系统参数和运动参数,以脉冲压缩后的信噪比作为输入信噪比,信噪比取值范围为[-15dB:0dB],步进值1dB,蒙特卡洛仿真500次,得到的检测结果如图6所示。
从图6中可以看出,不同虚警概率条件下,有效实现对宽带雷达变加速目标相参积累与检测的输入信噪比都是-10dB左右。随着积累脉冲数增加,相参积累改善了检测器的输入信噪比。然而,ACCF过程中信噪比增益不受积累脉冲数的影响,当输入信噪比小于-10dB左右时,ACCF算法开始失效,影响参数估计与相参积累结果,重构出的HRRP信噪比改善能力有限,导致检测器对目标检测性能开始下降。
综上所述,本发明通过获取变加速运动的目标体对于雷达发射信号产生的雷达回波,将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;将校正后的所述二维时域信号沿慢时间进行相参积累,根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。本发明利用ACCF-LVD-KT实现了宽带雷达变加速运动目标的距离徙动和多普勒频率徙动校正,避免了高维搜索,计算复杂度低,有利于工程应用;本发明可以有效改善宽带雷达的回波信噪比,有利于改善对机动目标的检测能力。
需要说明的是,本公开实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本公开实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
需要说明的是,上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
实施例2
参见图7,本发明实施例2还提供一种宽带雷达变加速运动目标相参积累检测装置,采用上述实施例1的宽带雷达变加速运动目标相参积累检测方法,包括:
雷达回波获取模块1,用于获取变加速运动的目标体对于雷达发射信号产生的雷达回波;
雷达回波压缩模块2,用于将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;
雷达回波互相关处理模块3,用于对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;
自聚焦项分析模块4,用于根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;
运动参数估计模块5,用于采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;
相位补偿模块6,用于利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
二维时域信号校正模块7,用于使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;
相参积累模块8,用于将校正后的所述二维时域信号沿慢时间进行相参积累;
目标重构模块9,用于根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。
本实施例中,还包括:
重构目标检测模块10,用于对重构出的一维高分辨距离像进行检测;重构目标检测模块包括:
长度估计子模块101,用于距离扩展目标长度估计:估计目标尺寸,确定目标散射中心的位置,估计目标占据的距离单元数;
CFAR检测子模块102,用于基于能量积累的CFAR检测:估计待检单元的噪声方差,距离扩展目标的能量积累与CFAR检测。
需要说明的是,上述装置各模块之间的信息交互、执行过程等内容,由于与本申请实施例1中的方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质,所述计算机可读存储介质中存储有宽带雷达变加速运动目标相参积累检测方法的程序代码,所述程序代码包括用于执行实施例1或其任意可能实现方式的宽带雷达变加速运动目标相参积累检测方法的指令。
计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidState Disk、SSD))等。
实施例4
本发明实施例4提供一种电子设备,包括:存储器和处理器;
所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行实施例1或其任意可能实现方式的宽带雷达变加速运动目标相参积累检测方法。
具体的,处理器可以通过硬件来实现也可以通过软件来实现,当通过硬件实现时,该处理器可以是逻辑电路、集成电路等;当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现,该存储器可以集成在处理器中,可以位于所述处理器之外,独立存在。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.宽带雷达变加速运动目标相参积累检测方法,其特征在于,包括:
获取变加速运动的目标体对于雷达发射信号产生的雷达回波,将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;
对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;
采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;
利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;
将校正后的所述二维时域信号沿慢时间进行相参积累,根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。
2.根据权利要求1所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,雷达发射信号的表达式为:
式中,fc表示载频,表示时间变量,Tp表示发射信号的脉冲宽度,/>为窗函数,j为虚数单位,K表示线性调频波形的调频率,/>t表示快时间变量,tm表示方位向慢时间变量;
雷达回波s(t,tm)的表达式为:
式中,A1,q为第q个散射点的雷达回波幅度,Q为组成目标体的散射点个数,q为大于或等于1且小于或等于Q的整数,tm=m/fr(m=0,1,2,...,M-1),fr为脉冲重复频率,M为相参积累脉冲数,τq(tm)为第q个散射点的时延变量,τq(tm)的表达式为:
式中,Rq(tm)为第q个散射点与雷达之间的瞬时距离,R0,q为第q个散射点与雷达之间的初始距离,v为目标体的初始速度,a1为目标体的加速度,a2为目标体的加加速度,c为光速。
3.根据权利要求2所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,将雷达回波s(t,tm)沿距离向进行脉冲压缩得到二维时域信号sc(t,tm)的表达式为:
式中,A2,q为脉压后时域回波的信号幅度,B为发射信号带宽;对二维时域信号sc(t,tm)沿距离向做傅里叶变换,得到距离频域-方位时域信号Sc(f,tm),式中,A3,q为脉压后频域回波的信号幅度,f为距离向频率变量。
4.根据权利要求3所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数R(τ,tm)的表达式为:
式中,τ为相邻脉冲的快时间时延变量,T为相邻互相关积累时间,Rself(τ,tm)为散射点的自聚焦项,Rother(τ,tm)为不同的散射点之间的交叉项;
式中,A4为Rself(τ,tm)的幅度,A5,kl为第k个散射点和第l个散射点的交叉项Rother(τ,tm)的幅度,χ为与慢时间有关的一元二次的第一函数,χl,k为与慢时间有关的一元二次的第二函数,/>χ0为第一函数的常数项,χ0,l,k为第二函数的常数项,/>R0,l为第l个散射点的初始距离,R0,k为第k个散射点的初始距离;χ1为第一函数和第二函数的一次项系数,χ1=(2a1+3a2Tr)Tr;χ2为第一函数和第二函数的二次项系数,χ2=3a2Tr;Tr为脉冲重复周期,Tr=1/fr;
根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项R(tm)表达式为:
5.根据权利要求4所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,对所述自聚焦项进行参数对称瞬时自相关函数处理结果为:
式中,为慢时间时延变量,b为常数;
解耦合的公式为:
式中,h为缩放因子,tn为缩放后的慢时间;
二维快速傅里叶变换积累结果为:
式中,为LVD结果,A6为/>的信号幅度,/>为对应时延变量/>的中心频率变量;γ为对应虚拟慢时间tn的调频率变量;
经过二维FFT积累后,信号能量得到积累,根据峰值位置:
加速度和加加速度的参数估计表达式:
为目标体的加速度估计值,/>为目标体的加加速度估计值,λ=c/fc为波长。
6.根据权利要求5所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,利用运动参数估计结果构造相位补偿函数的表达式为:
将构造的补偿函数与距离频域-方位时域信号Sc(f,tm)相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
得到校正后的所述二维时域信号表达式为:
使用解耦合公式对Scp1(f,tm)进行校正,解耦合后的结果为:
将Scpk(f,τm)沿距离频域做逆傅里叶变换IFT得到二维时域信号,得到:
式中,τm表示虚拟慢时间,A7,q为校正后第q个散射点回波的幅度。
7.根据权利要求6所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,将校正后的所述二维时域信号沿慢时间进行相参积累的结果为:
式中,Tm=MTr为相参积累时间,为τm对应的多普勒频率;
取信号得到重构出的距离扩展目标的一维高分辨距离像的表达式为:
8.根据权利要求7所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,还包括对重构出的一维高分辨距离像进行检测,检测步骤包括:
距离扩展目标长度估计:估计目标尺寸,确定目标散射中心的位置,估计目标占据的距离单元数;
基于能量积累的CFAR检测:估计待检单元的噪声方差,距离扩展目标的能量积累与CFAR检测。
9.宽带雷达变加速运动目标相参积累检测装置,采用权利要求1至8任意一项所述的宽带雷达变加速运动目标相参积累检测方法,其特征在于,包括:
雷达回波获取模块,用于获取变加速运动的目标体对于雷达发射信号产生的雷达回波;
雷达回波压缩模块,用于将所述雷达回波沿距离向进行脉冲压缩得到二维时域信号;
雷达回波互相关处理模块,用于对所述雷达回波进行相邻互相关处理,得到所述雷达回波的相邻脉冲互相关函数;
自聚焦项分析模块,用于根据所述相邻脉冲互相关函数获取所述雷达回波的自聚焦项;
运动参数估计模块,用于采用LVD算法对所述自聚焦项进行运动参数估计,运动参数估计过程,所述LVD算法对所述自聚焦项进行参数对称瞬时自相关函数处理、解耦合、二维快速傅里叶变换积累过程处理得到运动参数估计结果;
相位补偿模块,用于利用运动参数估计结果构造相位补偿函数,将所述相位补偿函数与所述二维时域信号相乘,补偿机动参数引起的距离徙动和多普勒频率徙动;
二维时域信号校正模块,用于使用Keystone变换校正所述二维时域信号中余下的速度引起的距离徙动,得到校正后的所述二维时域信号;
相参积累模块,用于将校正后的所述二维时域信号沿慢时间进行相参积累;
目标重构模块,用于根据相参积累结果得到重构的距离扩展目标的一维高分辨距离像。
10.根据权利要求9所述的宽带雷达变加速运动目标相参积累检测装置,其特征在于,还包括:
重构目标检测模块,用于对重构出的一维高分辨距离像进行检测;重构目标检测模块包括:
长度估计子模块,用于距离扩展目标长度估计:估计目标尺寸,确定目标散射中心的位置,估计目标占据的距离单元数;
CFAR检测子模块,用于基于能量积累的CFAR检测:估计待检单元的噪声方差,距离扩展目标的能量积累与CFAR检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311307784.8A CN117310644A (zh) | 2023-10-10 | 2023-10-10 | 一种宽带雷达变加速运动目标相参积累检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311307784.8A CN117310644A (zh) | 2023-10-10 | 2023-10-10 | 一种宽带雷达变加速运动目标相参积累检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117310644A true CN117310644A (zh) | 2023-12-29 |
Family
ID=89286320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311307784.8A Pending CN117310644A (zh) | 2023-10-10 | 2023-10-10 | 一种宽带雷达变加速运动目标相参积累检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117310644A (zh) |
-
2023
- 2023-10-10 CN CN202311307784.8A patent/CN117310644A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10488495B2 (en) | Single laser LIDAR system | |
Li et al. | CLEAN‐based coherent integration method for high‐speed multi‐targets detection | |
CN111693983B (zh) | 互补波形构建方法及模块、认知雷达系统及波形发射方法 | |
CN109061589A (zh) | 随机跳频雷达的目标运动参数估计方法 | |
CN107153178B (zh) | 外辐射源雷达参考信号含有多径干扰时的目标检测方法 | |
KR102074373B1 (ko) | 순환신경망회로를 이용한 레이더 신호 처리 장치 및 방법 | |
Fang et al. | Radar maneuvering target detection based on two steps scaling and fractional Fourier transform | |
CN111045002A (zh) | 基于TRT和SNuFFT的机动目标相参积累方法 | |
CN113376601B (zh) | 基于clean算法的捷变频雷达旁瓣抑制方法 | |
CN110095766B (zh) | 基于非均匀重采样技术的机动目标相干积累检测方法 | |
CN111736131A (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
CN109031227B (zh) | 一种共轭梯度空时自适应处理方法及系统 | |
CN113640790A (zh) | 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法 | |
CN117368875A (zh) | 一种宽带雷达多模态运动目标相参积累检测方法及装置 | |
CN116449320A (zh) | 频率捷变雷达体制下的长时间积累与参数估计方法 | |
CN110824439A (zh) | 一种雷达目标快速长时间相参积累方法 | |
CN112014807B (zh) | 一种频率捷变雷达的自适应杂波抑制方法 | |
CN115980728B (zh) | 一种树丛穿透雷达目标检测方法、系统及设备 | |
US11852750B2 (en) | Method and apparatus for radar signal processing using recurrent neural network | |
CN117310644A (zh) | 一种宽带雷达变加速运动目标相参积累检测方法及装置 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
Zhou et al. | Coherent integration for targets with constant Cartesian velocities based on accurate range model | |
CN116413715A (zh) | 一种用于宽带雷达的机动目标检测与参数估计方法 | |
Xiong et al. | Radar high-speed target coherent detection method based on modified radon inverse Fourier transform | |
CN114545351A (zh) | 基于距离频率轴反转变换和二阶wvd的机动目标相参检测方法及系统 |
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 |