CN117368875A - 一种宽带雷达多模态运动目标相参积累检测方法及装置 - Google Patents
一种宽带雷达多模态运动目标相参积累检测方法及装置 Download PDFInfo
- Publication number
- CN117368875A CN117368875A CN202311309384.0A CN202311309384A CN117368875A CN 117368875 A CN117368875 A CN 117368875A CN 202311309384 A CN202311309384 A CN 202311309384A CN 117368875 A CN117368875 A CN 117368875A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- motion
- distance
- radar
- 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 105
- 230000001427 coherent effect Effects 0.000 title claims abstract description 78
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 230000033001 locomotion Effects 0.000 claims abstract description 150
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000035485 pulse pressure Effects 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 24
- 238000002592 echocardiography Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 48
- 230000001133 acceleration Effects 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 11
- 230000014509 gene expression Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 7
- 230000007704 transition Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000005012 migration Effects 0.000 description 15
- 238000013508 migration Methods 0.000 description 15
- 238000004088 simulation Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 230000006835 compression Effects 0.000 description 5
- 238000007906 compression Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 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
- 238000012935 Averaging Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004891 communication 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
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种宽带雷达多模态运动目标相参积累检测方法及装置,将雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;根据运动参数,对多模态运动目标在积累时间内的瞬时距离进行重构,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出距离扩展目标的一维高分辨距离像。本发明可以有效改善宽带雷达的回波信噪比,改善对机动目标的检测能力。
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多模态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,运动参数估计需要高维搜索,计算复杂度高,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多模态运动目标相参积累检测方法及装置,能够避免对参数的高维搜索,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:一种宽带雷达多模态运动目标相参积累检测方法,包括:
获取多模态运动目标对于雷达发射信号产生的雷达回波,将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;
对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号,对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;
采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构,利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;
对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出距离扩展目标的一维高分辨距离像。
作为宽带雷达多模态运动目标相参积累检测方法优选方案,雷达发射信号p(t)的表达式为:
式中,fc表示载频,t表示时间变量, 表示距离向快时间变量,tm为方位向慢时间变量,Tp表示发射信号的脉冲宽度,/>为p(t)的窗函数,j为虚数单位,μ表示雷达发射信号的调频率;
第q个散射点在第i个运动模态内至雷达的瞬时距离表示为:
式中,为第q个散射点在第i个运动模态中至雷达的初始距离,也是第q个散射点在第i个运动模态中当tm等于Ti-1时至雷达的初始距离;vi为第q个散射点在第i个运动模态中的初始速度,ai为第q个散射点在第i个运动模态中的加速度,tm=m/fr,m为脉冲编号,m为大于或等于0且小于或等于M-1的整数,M表示积累脉冲数,M为大于或等于1的整数,fr为脉冲重复频率,Ti-1为第i个运动模态的起始时间,Ti为第i个运动模态的结束时间,即tm∈[Ti-1,Ti],q为大于或等于1且小于或等于Q的整数,i为大于或等于1且小于或等于W的整数,W为大于或等于2的整数;
相邻运动模态之间的参数关系为:
v(i'+1)=vi'+ai'(Ti'-T(i'-1))
式中,i`为大于或等于1,且小于或等于W-1的整数;v(i'+1)为第q个散射点在第i`+1个运动模态中的初始速度,vi'为第q个散射点在第i`个运动模态中的初始速度,ai'为第q个散射点在第i`个运动模态中的加速度,Ti'为第i`个运动模态的结束时间,T(i'-1)为第i`-1个运动模态的结束时间;为第q个散射点在第i`+1个运动模态中至雷达的初始距离。
作为宽带雷达多模态运动目标相参积累检测方法优选方案,任意的第q个散射点在第i个运动模态的二维时域信号表示为:
式中,为/>的信号幅度,c为光速,j为虚数单位;对/>沿距离向做傅里叶变换,得到第q个散射点在第i个运动模态的距离频域-方位时域信号/>为:
式中,表示/>的信号幅度,f为距离向快时间对应的频率变量,B=μTp,B为带宽;
在整个相参处理时间内多模态运动目标回波的二维时域信号表示为:
在整个相参处理时间内多模态运动目标回波的距离频域-方位时域信号S(f,tm)表示为:
式中,tm∈[T0,TM],取T0=0,TM=(M-1)/fr,ηi(tm)为第i个运动模态的持续时间;
将的窗函数ηi(tm)写入到二维时域信号/>的指数项的距离中,将S(f,tm)中的窗函数ηi(tm)写入到距离频域-方位时域信号S(f,tm)的指数项的距离中。
作为宽带雷达多模态运动目标相参积累检测方法优选方案,对二维时域信号沿快时间/>做关于/>的对称变换,得到翻转后的信号/>与/>的关系为:
式中,为对称变换后的快时间变量,/>对信号/>沿快时间做傅里叶变换得到信号/>根据傅里叶变换的性质,/>与S(f,tm)之间的关系为:
将与S(f,tm)相乘得到:
相乘结果SR(f,tm)由自聚焦项SR-self(f,tm)和交叉项SR-other(f,tm)两部分组成,
将SR(f,tm)沿f轴做傅里叶逆变换得到:
式中,是自聚焦项SR-self(f,tm)的时域表示,/>是交叉项SR-other(f,tm)的时域表示;
取自聚焦项进行参数估计,即取/>中/>单元内的信号用于参数估计,得到提取信号sRE(tm):
作为宽带雷达多模态运动目标相参积累检测方法优选方案,采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计包括:
获得目标运动的模态数,先用长度为M1的矩形滑窗将长度M的LFM信号分成M2个等长的LFM信号,M2=fix(M/M1),fix(·)表示向0取整操作,第n段的矩形滑窗表示为:
式中,TN=M1/fr为长度为M1的矩形窗的持续时间;
根据峰值位置,可以得到第n段LFM信号的运动参数为:
式中,λ=c/fc为波长,为分数阶傅里叶域频率,/>为分数阶傅里叶变换角度;
在M2个加速度中获得W-1个初始的转换时刻,即目标在观测时间内有W个运动模态,并记第w个模态的起始和结束时间分别为Tw-1和Tw,持续时间为TW,w=Tw-Tw-1;
进行运动参数估计还包括:
利用获得的W-1个转换时刻重新对LFM信号sRE(tm)做截断处理,第w个窗函数的表达式为:
对W个短的LFM信号做短时分数阶傅里叶变换,得到二次估计的速度和加速度,并记第w段LFM信号估计出的速度和加速度分别为和/>
进行运动参数估计还包括:
根据获得的W组运动参数和/>得到每一个模态在整个CPI的瞬时速度值,有:
式中,va=-frλ/4为盲速,Na为模糊数。
作为宽带雷达多模态运动目标相参积累检测方法优选方案,根据瞬时距离,构造相位补偿函数H(f,tm)为:
将相位补偿函数H(f,tm)与距离频域-方位时域信号S(f,tm)相乘,补偿目标运动的影响,得到:
沿f轴做IFT变到二维时域,得到:
式中,AIF表示IFT过程中幅度的变化量。
作为宽带雷达多模态运动目标相参积累检测方法优选方案,对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累结果为:
式中,AF2为沿慢时间做傅里叶变换的幅度积累增益,fd为对应tm的多普勒频率,TCPI=M/fr为相参积累时间;
重构出距离扩展目标的一维高分辨距离像为:
作为宽带雷达多模态运动目标相参积累检测方法优选方案,还包括对重构出距离扩展目标的一维高分辨距离像进行检测,检测步骤包括:
距离扩展目标位置估计: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;
对距离扩展目标做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多模态运动目标相参积累检测方法,采用上述的一种宽带雷达多模态运动目标相参积累检测方法,包括:
雷达回波获取模块,用于获取多模态运动目标对于雷达发射信号产生的雷达回波;
雷达回波处理模块,用于将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;
信号翻转模块,用于对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号;
信号傅里叶变换模块,用于对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;
运动参数估计模块,用于采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;
瞬时距离重构模块,用于根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构
相位补偿模块,用于利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;
目标重构模块,用于对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出距离扩展目标的一维高分辨距离像。
作为宽带雷达多模态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,用于对重构出距离扩展目标的一维高分辨距离像进行检测,重构目标检测模块包括:
目标位置估计子模块,用于距离扩展目标位置估计: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,用于对距离扩展目标做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:通过获取多模态运动目标对于雷达发射信号产生的雷达回波,将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号,对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构,利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出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多模态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多模态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多模态运动目标相参积累检测方法中STFrFT估计参数的流程示意图
图4为本发明实施例中提供的宽带雷达多模态运动目标相参积累检测方法中仿真的距离扩展目标的分布与HRRP仿真;
图5为本发明实施例中提供的宽带雷达多模态运动目标相参积累检测方法中目标回波仿真与RST校正;
图6为本发明实施例中提供的宽带雷达多模态运动目标相参积累检测方法中STFrFT对提取信号的参数估计结果;
图7为本发明实施例中提供的宽带雷达多模态运动目标相参积累检测方法中距离徙动校正与HRRP重构结果;
图8为本发明实施例中提供的宽带雷达多模态运动目标相参积累检测方法和不同算法间的积累结果对比;
图9为采用本发明实施例的宽带雷达多模态运动目标相参积累检测方法不同虚警概率下的多模态运动目标的检测概率;
图10为本发明实施例中提供的宽带雷达多模态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提供一种宽带雷达多模态运动目标相参积累检测方法,包括以下步骤:
S1、获取多模态运动目标对于雷达发射信号产生的雷达回波,将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;
S2、对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号,对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;
S3、采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;
S4、根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构,利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;
S5、对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出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p(t)的表达式为:
式中,fc表示载频,t表示时间变量, 表示距离向快时间变量,tm为方位向慢时间变量,Tp表示发射信号的脉冲宽度,/>为p(t)的窗函数,j为虚数单位,μ表示雷达发射信号的调频率。
具体的,在雷达的视线范围内,雷达的发射信号经过多模态运动目标反射后被雷达接收。多模态运动目标由Q个分布不同距离单元内的散射点组成,多模态运动目标的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。多模态运动目标针对雷达的发射信号的雷达回波为多模态运动目标的Q个散射点的回波之和。在相参处理时间(CPI)内,多模态运动目标的Q个散射点的运动参数(速度和加速度)相同,且多模态运动目标的运动可以划分为W个运动模态,每个运动模态为匀加速运动、匀速运动或匀减速运动,W为大于或等于2的整数,那么,第q个散射点在第i个运动模态内至雷达的瞬时距离表示为:
式中,为第q个散射点在第i个运动模态中至雷达的初始距离,也是第q个散射点在第i个运动模态中当tm等于Ti-1时至雷达的初始距离;vi为第q个散射点在第i个运动模态中的初始速度,ai为第q个散射点在第i个运动模态中的加速度,tm=m/fr,m为脉冲编号,m为大于或等于0且小于或等于M-1的整数,M表示积累脉冲数,M为大于或等于1的整数,fr为脉冲重复频率,Ti-1为第i个运动模态的起始时间,Ti为第i个运动模态的结束时间,即tm∈[Ti-1,Ti],q为大于或等于1且小于或等于Q的整数,i为大于或等于1且小于或等于W的整数,W为大于或等于2的整数;
其中,相邻运动模态之间的参数关系为:
v(i'+1)=vi'+ai'(Ti'-T(i'-1))
式中,i`为大于或等于1,且小于或等于W-1的整数;v(i'+1)为第q个散射点在第i`+1个运动模态中的初始速度,vi'为第q个散射点在第i`个运动模态中的初始速度,ai'为第q个散射点在第i`个运动模态中的加速度,Ti'为第i`个运动模态的结束时间,T(i'-1)为第i`-1个运动模态的结束时间;为第q个散射点在第i`+1个运动模态中至雷达的初始距离。
本实施例中,在步骤S1,多模态运动目标针对雷达的发射信号产生雷达回波;对雷达回波做解调和脉冲压缩后,任意的第q个散射点在第i个运动模态的二维时域信号表示为:
式中,为/>的信号幅度,c为光速,j为虚数单位;对/>沿距离向做傅里叶变换,得到第q个散射点在第i个运动模态的距离频域-方位时域信号/>为:
式中,表示/>的信号幅度,f为距离向快时间对应的频率变量,B=μTp,B为带宽。
其中,在整个相参处理时间内多模态运动目标回波的二维时域信号表示为:
在整个相参处理时间内多模态运动目标回波的距离频域-方位时域信号S(f,tm)表示为:
式中,tm∈[T0,TM],取T0=0,TM=(M-1)/fr,ηi(tm)为第i个运动模态的持续时间。
其中,将的窗函数ηi(tm)写入到二维时域信号/>的指数项的距离中,将S(f,tm)中的窗函数ηi(tm)写入到距离频域-方位时域信号S(f,tm)的指数项的距离中。
具体的,在整个CPI内,多模态运动只影响第q个散射点至雷达的瞬时距离的变化,因此可以将的窗函数ηi(tm)写入到二维时域信号/>的指数项的距离中,同时将S(f,tm)中的窗函数ηi(tm)写入到距离频域-方位时域信号S(f,tm)的指数项的距离中,即等效为:
S(f,tm)等效为:
式中,为第q个散射点在CPI内总的运动轨迹。
本实施例中,在步骤S2,对二维时域信号沿快时间/>做关于/>的对称变换,得到翻转后的信号/>与/>的关系为:
式中,为对称变换后的快时间变量,/>对信号/>沿快时间做傅里叶变换得到信号/>根据傅里叶变换的性质,/>与S(f,tm)之间的关系为:
将与S(f,tm)相乘得到:
相乘结果SR(f,tm)由自聚焦项SR-self(f,tm)和交叉项SR-other(f,tm)两部分组成,其中,SR-self(f,tm)和SR-other(f,tm)的表达式分别为:
其中,为第l个散射点的回波信号幅度,Rl(tm)为第l个散射点的距离历程,/>为第q个散射点在第i个运动模态中至雷达的初始距离;/>为第l个散射点在第i个运动模态中至雷达初始距离。
若令:
则能将SR-self(f,tm)和SR-other(f,tm)简化为:
将SR(f,tm)沿f轴做傅里叶逆变换(IFT)得到:
式中,是自聚焦项SR-self(f,tm)的时域表示,/>是交叉项SR-other(f,tm)的时域表示:
其中,IFT[·]表示逆傅里叶变换IFT操作,AIF表示在IFT过程中的幅度变化值,B为信号带宽。AIF的计算方式等于B/Fs,Fs为系统采样频率。
从RST结果中可以看出,经过距离对称变换RST后,自聚焦项的包络位于/>单元,交叉项/>的包络位于/>单元内,自聚焦项/>和交叉项/>的包络均不随慢时间tm发生变化。对自聚焦项/>和交叉项/>提取后,得到关于时间tm的线性调频信号LFM,线性调频信号LFM的中心频域和调频率参数与多模态运动目标的运动参数有关,因此能利用线性调频信号LFM的参数估计算法得到多模态运动目标的运动参数。
其中,自聚焦项和交叉项/>均用于线性调频信号LFM的参数估计,但是实际应用中,多模态运动目标的各散射点之间的初始距离差值未知,因此交叉项信号位置不固定,不便于提取。而自聚焦项/>的位置固定,位于/>单元内(本实施例中,取/>为0),因此本发明只取自聚焦项/>进行参数估计,即取/>中/>单元内的信号用于参数估计,得到提取信号sRE(tm):
参见图3,本实施例中,在步骤S3,采用短时分数阶傅里叶变换(STFrFT)对多模态运动目标的运动参数中的自聚焦项进行运动参数估计,包括:
步骤S31:获得目标运动的模态数,先用长度为M1的矩形滑窗将长度M的LFM信号分成M2个等长的LFM信号,M2=fix(M/M1),fix(·)表示向0取整操作,第n段的矩形滑窗表示为:
式中,TN=M1/fr为长度为M1的矩形窗的持续时间;
其中,使用STFrFT对截断后的若干个LFM信号处理后,假设在分数阶傅里叶域中,第n段LFM信号的能量积累在点处,根据峰值位置,可以得到第n段LFM信号的运动参数为:
式中,λ=c/fc为波长,为分数阶傅里叶域频率,/>为分数阶傅里叶变换角度。
由于各模态之间的区别在于加速度的不同,这是模态转换时刻的判断依据。假设在第一次使用STFrFT得到的加速值中,第x个(x=2,3,...,M2)加速度比第x-1个加速度/>有明显的波动,即相邻加速度的差值超过设定的阈值,则运动模态数加1,记第x段的起始时间(x-1)TN作为新运动模态的近似起始时刻。最终,在M2个加速度中获得W-1个初始的转换时刻,即目标在观测时间内有W个运动模态,并记第w个(w=1,2,...,W)模态的起始和结束时间分别为Tw-1和Tw,持续时间为/>
其中,进行运动参数估计还包括:
步骤S32:利用获得的W-1个转换时刻重新对LFM信号sRE(tm)做截断处理,第w个窗函数的表达式为:
对W个短的LFM信号做短时分数阶傅里叶变换,得到二次估计的速度和加速度,并记第w段LFM信号估计出的速度和加速度分别为和/>
进行运动参数估计还包括:
步骤S33:根据获得的W组运动参数和/>得到每一个模态在整个CPI的瞬时速度值,有:
式中,va=-frλ/4为盲速,Na为模糊数。
其中,由于STFrFT估计速度值时,速度对应的频率变量u存在周期性,即在STFrFT中存在频率混叠,故频率对应的速度变量也存在模糊,因此上式中加入va·Na进行补偿。
在获得的W组参数值中,当相邻/>和/>在/>时刻具有相同的速度值,则认为/>是第w段和w+1段的模态转换时刻,从这W组瞬时速度数据中可以得到精确的模态转换时刻,分别记为:/>基于获得的W-1个转换时刻,得到目标在相参积累时间内的瞬时速度估计值,即:
其中,且/>
同理,加速度的瞬时估计值为:
本实施例中,在步骤S4,根据步骤S33中获得的运动参数,可以重构出目标在积累时间内的瞬时距离,即:
根据瞬时距离,构造相位补偿函数H(f,tm)为:
将相位补偿函数H(f,tm)与距离频域-方位时域信号S(f,tm)相乘,补偿目标运动的影响,得到:
将相位补偿函数H(f,tm)与步骤S1中的距离频域-方位时域信号S(f,tm)相乘,补偿目标运动的影响,得到:
假设目标运动参数估计的精度足够高,误差可以忽略不计,则经过补偿后,上式中的指数项中只余下各散射点的初始距离项,上式可以近似等效为:
将上式沿f轴做IFT变到二维时域,得到:
其中,AIF表示IFT过程中幅度的变化量。
本实施例中,对步骤S5中得到的信号沿慢时间做FT实现相参积累,积累结果为:
式中,AF2为沿慢时间做FT的幅度积累增益,fd为对应tm的多普勒频率,TCPI=M/fr为相参积累时间。经过相参积累后,各散射点在距离单元位于初始位置、多普勒频率单元位于fd=0处。所有散射点位于同一多普勒频率单元内。
本实施例中,对步骤S5中得到的二维时域信号沿慢时间做相参积累,积累结果为:
其中,Tm=MTr为相参积累时间,为慢时间τm对应的多普勒频率。取信号
重构出距离扩展目标的一维高分辨距离像为:
本实施例中,还包括步骤S6:对重构出距离扩展目标的一维高分辨距离像进行检测,检测步骤包括:
S61:距离扩展目标位置估计: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;
S62:对距离扩展目标做CFAR(Constant False Alarm Rate,目标检测和跟踪算法)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,步骤S61中,距离扩展目标位置估计,需要估计出距离扩展目标的散射中心位置和距离向占据的单元数,分为以下几步:
步骤S611:估计目标尺寸。假设目标在径向距离上的长度变化区间为[Lmin,Lmax],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:
其中,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S612:确定目标散射中心的位置。在提取的HRRP信号Xext(n)(连续信号Xext(t)=SHRRP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S613、估计目标占据的距离单元数。在步骤S612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。
具体的,步骤S62中,基于能量积累的CFAR检测。对距离扩展目标做CFAR检测分为以下几步:
步骤S621、估计待检单元的噪声方差。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,a为阈值乘积因子,其表达式为:
步骤S622、距离扩展目标的能量积累与CFAR检测。
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。
系统参数如下表所示:仿真实验中的宽带雷达系统的相关参数设置如表1所示。
表1本发明给仿真的宽带雷达参数
假设在宽带雷达的视线范围内,距离扩展目标由5个散射点构成,这5个散射点在距离向上分布在83个连续距离单元内,散射点的初始相对位置、幅度强弱分布如图4中(a4)部分所示。无噪声时,对雷达回波做脉冲压缩后,目标HRRP如图4中(b4)部分所示。
本发明中,将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:
其中,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。本实施例中,将散射点之间的间隙单元幅度视为0,上式中信号的能量可以近似等于散射点的能量之和,则有:
假设在宽带雷达的视线范围内,距离扩展目标由5个散射点构成,这5个散射点在距离向上分布在83个连续距离单元内,散射点的初始相对位置、幅度强弱分布如图4中(a4)部分所示。无噪声时,对雷达回波做脉冲压缩后,目标HRRP如图4中(b4)部分所示。
当仿真目标为多模态运动时,假设在观测时间内,目标有三个运动模态,在第一个模态内目标为匀加速运动,在第二个模态内目标保持匀速运动,目标在第三个模态为匀加速运动。目标在每个模态内的运动参数与模态持续时间的参数设置如表2所示。
表2多模态运动参数设置
实验1:相参积累算法有效性验证。根据表1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5所示。
将脉冲压缩后回波的输入信噪比SNRin设置为-3dB,根据表1和表2的参数设置对本发明相参积累算法的有效性进行验证,处理结果如图5所示。图5中(a5)部分为目标的回波的脉冲压缩结果,根据表2的参数设置,在图5中(a5)部分将三个模态做了简单区分。图5中(b5)部分为MTD结果,目标淹没在噪声中,目标的运动使得相参积累过程无法实现信噪比的有效改善。对图5中(a5)部分做RST校正,结果如图5中(c5)部分所示。在本次实验中取时延在该条件下,RST结果中的自聚焦项位于距离单元最中间的位置,交叉项对称分布于自聚焦项两侧。由于自聚焦项位置相对较为固定,便于提取,而交叉项位置未知,因此只提取自聚焦项用于运动参数的估计。RST结果中提取出的自聚焦项是一个分段的LFM信号,相邻段的转换时刻未知,使用STFrFT对该LFM信号做分段处理估计目标的运动参数,参数估计结果如图6所示。
在对提取出的自聚焦项信号第一次做STFrFT估计参数时,选用长度为100的矩形窗,矩形窗持续时间为0.1s,0.1s的矩形窗把2096个脉冲的信号分成20份。对这20段短信号做参数估计,得到加速度的估计结果如图6中(a6)部分所示,从中可以看出,目标在观测时间内的加速度大致分为三段,即目标有3个运动模态。对图6中(a6)部分的加速度做相邻差值处理,得到相邻加速度差值结果(取模值)如图6中(b6)部分所示,根据差值结果对加速度突变位置进行检测。如图6中(a6)部分所示,在实验中,加速度在同一模态内的估计值在某一数值附近浮动,因此在设置判决门限时给一定的容错范围,设定判决门限为5m/s2,得到0.60s和1.30s两个检测结果。根据检测结果,得到新的三个矩形窗,它们在慢时间上的分布分别为0-0.60s、0.60s-1.30s和1.30s-2.95s。使用新的矩形窗提取的LFM信号做STFrFT处理,并且在速度中加入模糊速度补偿,得到三组信号的参数估计结果(速度、加速度及对应的慢时间)如表3所示。再根据表3的三组参数值,以(慢时间,速度)坐标为已知点,加速度为斜率,绘制每组参数在整个积累时间tm内的瞬时速度变化曲线,如图6中(c6)部分所示,分别为三条虚线。以相邻虚线的交点作为最终估计出的模态转换时刻,分别为0.508s和1.215s。根据模态转换时刻,对三条虚线加窗处理,得到最终的速度变化曲线如图6中(c6)的实线所示,加速度估计结果如图6中的(d6)部分所示。
表3不等长窗的STFrFT参数估计结果
/>
其中,表3中第二段时间内加速度的实际参数值为4.7758*10-16,在本发明中进行了近似处理。
根据STFrFT的参数估计结果,构造相位补偿函数对回波进行距离徙动校正,校正后的二维时域信号如图7中的(a7)部分所示,对比图5中的(a5)部分,此时由目标多模态运动引起的包络徙动得到校正。对图7中的(a7)沿慢时间做FT实现相参积累,得到相参积累结果如图7中的(b7)部分所示,与图7中(b7)部分相比,目标在多普勒频率单元的徙动问题也得到解决,积累后的信噪比也有很大提高。提取图7中(b7)部分多普勒频率最大值点对应的一维距离向信号,获得重构的距离扩展目标HRRP如图7中(c7)部分所示。对比图7中(b7)部分无噪声时仿真的HRRP,重构的HRRP在幅度强弱、相对位置等方面均较好地还原了仿真目标,即RST-STFrFT算法可以有效实现多模态运动目标的相参积累。
从仿真结果来看,本发明提出的RST-FrFT算法能够有效解决宽带雷达多模态运动目标的相参积累问题,通过RST-STFrFT过程可以有效实现各个模态的转换时刻和运动参数的准确估计,根据各个模态的参数估计结果,构造的相位补偿函数可以有效实现距离徙动和多普勒频率徙动的校正,对校正后的结果做相参积累后可以重构出信噪比相对较高的距离扩展目标的HRRP。
实验2:算法对比。
将输入信噪比降到-5dB,使用RST-LVD、RST-FrFT、STGRFT和本发明的RST-STFrFT长时间相参积累算法做对比。RST-LVD算法中,先对回波信号做RST处理,然后对提取的自聚焦项(分段LFM信号)做LVD处理估计目标参数。RST-FrFT算法中,在实现RST过程并获得一个分段的LFM信号后,对该信号做FrFT时频分析估计目标的运动参数。根据算法的参数估计结果,构造对应的补偿函数对回波做补偿校正,然后做长时间相参积累,四种算法的相参积累对比结果如图8所示。
对脉冲压缩后的信号做RST得到一维LFM后,分别用LVD、FrFT和STFrFT算法估计运动参数,然后对回波进行运动参数补偿和相参积累,得到的积累结果分别为图8中的(a8)部分、(b8)部分和(d8)部分。由于LVD和FrFT只能估计最中间时刻对应的速度和加速度,而不同模态对应的速度和加速度不尽相同,因此在相参积累结果中仍然存在距离徙动和多普勒频率走动,仍然还有很多能量没有被积累起来。图8中(c8)部分为使用STGRFT进行参数估计与相参积累的结果,STGRFT使用了高维搜索,能够比较精准地获得目标的模态转换点和运动参数,因此它积累的能量能够达到最大。由于RST-STFrFT的参数估计与实际参数还是存在一些误差,因此RST-STFrFT的能量积累比STGRFT小,从图中可以看出约小3dB。
图8中四种算法的参数估计对比结果如表4所示,由于RST-LVD算法和RST-FrFT算法研究的是LFM信号的全局性变量,因此这两种算法参数估计结果只有一组。而STGRFT与RST-STFrFT可以估计出目标相邻模态的转换时刻,在本次实验中目标有三种模态,因此STGRFT与RST-STFrFT的估计结果中有三组数据。从表4的对比结果来看,RST-STFrFT算法可以有效实现多模态运动参数的估计,且计算量比STGRFT小。
表4参数估计值对比
实验3、宽带雷达多模态运动目标相参积累检测。
当距离扩展目标在观测时间内为多模态运动,利用本发明的RST-STFrFT算法校正回波的距离徙动与多普勒频率徙动,实现相参积累后获得重构的目标HRRP,然后对重构出的HRRP使用本发明的检测算法进行检测。在本次实验中,雷达系统参数见表1,运动参数见表2,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[-20dB:0dB],信噪比的步进值为1dB,蒙特卡洛仿真500次,得到的检测结果如图9所示。
在图9中,不同虚警概率下,有效检测的输入信噪比都是-10dB,相参积累能够提高了检测器输入信号的信噪比。但是RST过程存在信噪比损失,当输入信噪比小于-10dB时,参数估计误差较大,相参积累对信噪比的改善能力有限,检测器的检测性能开始下降。
综上所述,本发明通过获取多模态运动目标对于雷达发射信号产生的雷达回波,将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号,对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构,利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出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。
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10,本发明实施例2还提供一种宽带雷达多模态运动目标相参积累检测方法,采用上述实施例1的宽带雷达多模态运动目标相参积累检测方法,包括:
雷达回波获取模块1,用于获取多模态运动目标对于雷达发射信号产生的雷达回波;
雷达回波处理模块2,用于将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;
信号翻转模块3,用于对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号;
信号傅里叶变换模块4,用于对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;
运动参数估计模块5,用于采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;
瞬时距离重构模块6,用于根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构
相位补偿模块7,用于利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;
目标重构模块8,用于对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出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9,用于对重构出距离扩展目标的一维高分辨距离像进行检测,重构目标检测模块包括:
目标位置估计子模块91,用于距离扩展目标位置估计: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92,用于对距离扩展目标做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多模态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多模态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多模态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)
1.一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,包括:
获取多模态运动目标对于雷达发射信号产生的雷达回波,将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;
对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号,对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;
采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构,利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;
对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出距离扩展目标的一维高分辨距离像。
2.根据权利要求1所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,雷达发射信号p(t)的表达式为:
式中,fc表示载频,t表示时间变量,表示距离向快时间变量,tm为方位向慢时间变量,Tp表示发射信号的脉冲宽度,/>为p(t)的窗函数,j为虚数单位,μ表示雷达发射信号的调频率;
第q个散射点在第i个运动模态内至雷达的瞬时距离表示为:
式中,为第q个散射点在第i个运动模态中至雷达的初始距离,也是第q个散射点在第i个运动模态中当tm等于Ti-1时至雷达的初始距离;vi为第q个散射点在第i个运动模态中的初始速度,ai为第q个散射点在第i个运动模态中的加速度,tm=m/fr,m为脉冲编号,m为大于或等于0且小于或等于M-1的整数,M表示积累脉冲数,M为大于或等于1的整数,fr为脉冲重复频率,Ti-1为第i个运动模态的起始时间,Ti为第i个运动模态的结束时间,即tm∈[Ti-1,Ti],q为大于或等于1且小于或等于Q的整数,i为大于或等于1且小于或等于W的整数,W为大于或等于2的整数;
相邻运动模态之间的参数关系为:
v(i'+1)=vi'+ai'(Ti'-T(i'-1))
式中,i`为大于或等于1,且小于或等于W-1的整数;v(i+1)为第q个散射点在第i`+1个运动模态中的初始速度,vi'为第q个散射点在第i`个运动模态中的初始速度,ai'为第q个散射点在第i`个运动模态中的加速度,Ti'为第i`个运动模态的结束时间,T(i'-1)为第i`-1个运动模态的结束时间;为第q个散射点在第i`+1个运动模态中至雷达的初始距离。
3.根据权利要求2所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,任意的第q个散射点在第i个运动模态的二维时域信号表示为:
式中,为/>的信号幅度,c为光速,j为虚数单位;对/>沿距离向做傅里叶变换,得到第q个散射点在第i个运动模态的距离频域-方位时域信号/>为:
式中,表示/>的信号幅度,f为距离向快时间对应的频率变量,B=μTp,B为带宽;
在整个相参处理时间内多模态运动目标回波的二维时域信号表示为:
在整个相参处理时间内多模态运动目标回波的距离频域-方位时域信号S(f,tm)表示为:
式中,tm∈[T0,TM],取T0=0,TM=(M-1)/fr,ηi(tm)为第i个运动模态的持续时间;
将的窗函数ηi(tm)写入到二维时域信号/>的指数项的距离中,将S(f,tm)中的窗函数ηi(tm)写入到距离频域-方位时域信号S(f,tm)的指数项的距离中。
4.根据权利要求3所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,对二维时域信号沿快时间/>做关于/>的对称变换,得到翻转后的信号与/>的关系为:
式中,为对称变换后的快时间变量,/>对信号/>沿快时间做傅里叶变换得到信号/>根据傅里叶变换的性质,/>与S(f,tm)之间的关系为:
将与S(f,tm)相乘得到:
相乘结果SR(f,tm)由自聚焦项SR-self(f,tm)和交叉项SR-other(f,tm)两部分组成,
将SR(f,tm)沿f轴做傅里叶逆变换得到:
式中,是自聚焦项SR-self(f,tm)的时域表示,/>是交叉项SR-other(f,tm)的时域表示;
取自聚焦项进行参数估计,即取/>中/>单元内的信号用于参数估计,得到提取信号sRE(tm):
5.根据权利要求4所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计包括:
获得目标运动的模态数,先用长度为M1的矩形滑窗将长度M的LFM信号分成M2个等长的LFM信号,M2=fix(M/M1),fix(·)表示向0取整操作,第n段的矩形滑窗表示为:
式中,TN=M1/fr为长度为M1的矩形窗的持续时间;
根据峰值位置,可以得到第n段LFM信号的运动参数为:
式中,λ=c/fc为波长,为分数阶傅里叶域频率,/>为分数阶傅里叶变换角度;
在M2个加速度中获得W-1个初始的转换时刻,即目标在观测时间内有W个运动模态,并记第w个模态的起始和结束时间分别为Tw-1和Tw,持续时间为TW,w=Tw-Tw-1;
进行运动参数估计还包括:
利用获得的W-1个转换时刻重新对LFM信号sRE(tm)做截断处理,第w个窗函数的表达式为:
对W个短的LFM信号做短时分数阶傅里叶变换,得到二次估计的速度和加速度,并记第w段LFM信号估计出的速度和加速度分别为和/>
进行运动参数估计还包括:
根据获得的W组运动参数和/>得到每一个模态在整个CPI的瞬时速度值,有:
式中,va=-frλ/4为盲速,Na为模糊数。
6.根据权利要求5所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,根据瞬时距离,构造相位补偿函数H(f,tm)为:
将相位补偿函数H(f,tm)与距离频域-方位时域信号S(f,tm)相乘,补偿目标运动的影响,得到:
沿f轴做IFT变到二维时域,得到:
式中,AIF表示IFT过程中幅度的变化量。
7.根据权利要求6所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累结果为:
式中,AF2为沿慢时间做傅里叶变换的幅度积累增益,fd为对应tm的多普勒频率,TCPI=M/fr为相参积累时间;
重构出距离扩展目标的一维高分辨距离像为:
8.根据权利要求6所述的一种宽带雷达多模态运动目标相参积累检测方法,其特征在于,还包括对重构出距离扩展目标的一维高分辨距离像进行检测,检测步骤包括:
距离扩展目标位置估计: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;
对距离扩展目标做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。
9.一种宽带雷达多模态运动目标相参积累检测方法,采用权利要求1至8任意一项所述的一种宽带雷达多模态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,用于获取多模态运动目标对于雷达发射信号产生的雷达回波;
雷达回波处理模块,用于将所述雷达回波进行解调和脉冲压缩后,得到观测目标的二维时域脉压信号;
信号翻转模块,用于对二维时域信号沿快时间进行关于时间变量的对称变换得到翻转后的二维时域信号;
信号傅里叶变换模块,用于对二维时域脉压信号进行距离对称变换,并提取二维时域脉压信号的自聚焦项;
运动参数估计模块,用于采用短时分数阶傅里叶变换对自聚焦项中的运动参数进行估计;
瞬时距离重构模块,用于根据得到的多模态运动目标的运动参数,对所述多模态运动目标在积累时间内的瞬时距离进行重构
相位补偿模块,用于利用瞬时距离构造相位补偿函数,将相位补偿函数与二维时域信号相乘补偿多模态运动目标的运动影响;
目标重构模块,用于对补偿多模态运动目标运动影响后的二维时域信号沿慢时间进行傅里叶变换实现相参积累,重构出距离扩展目标的一维高分辨距离像。
10.根据权利要求9所述的基于宽带雷达变加速的运动目标检测装置,其特征在于,还包括:
重构目标检测模块,用于对重构出距离扩展目标的一维高分辨距离像进行检测,重构目标检测模块包括:
目标位置估计子模块,用于距离扩展目标位置估计: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,用于对距离扩展目标做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 |
---|---|---|---|
CN202311309384.0A CN117368875A (zh) | 2023-10-10 | 2023-10-10 | 一种宽带雷达多模态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 |
---|---|---|---|
CN202311309384.0A CN117368875A (zh) | 2023-10-10 | 2023-10-10 | 一种宽带雷达多模态运动目标相参积累检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117368875A true CN117368875A (zh) | 2024-01-09 |
Family
ID=89403446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311309384.0A Pending CN117368875A (zh) | 2023-10-10 | 2023-10-10 | 一种宽带雷达多模态运动目标相参积累检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117368875A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117826156A (zh) * | 2024-03-05 | 2024-04-05 | 西安瀚博电子科技有限公司 | 基于自适应判决的步进频雷达运动补偿方法 |
-
2023
- 2023-10-10 CN CN202311309384.0A patent/CN117368875A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117826156A (zh) * | 2024-03-05 | 2024-04-05 | 西安瀚博电子科技有限公司 | 基于自适应判决的步进频雷达运动补偿方法 |
CN117826156B (zh) * | 2024-03-05 | 2024-05-28 | 西安瀚博电子科技有限公司 | 基于自适应判决的步进频雷达运动补偿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107561508B (zh) | 一种用于匀加速运动目标的相参积累检测方法 | |
US8531917B2 (en) | Direction of arrival estimation apparatus and method thereof | |
CN204495996U (zh) | 宽带声纳接收器 | |
CN109061589A (zh) | 随机跳频雷达的目标运动参数估计方法 | |
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 | |
CN112305530B (zh) | 一种无人机群目标检测方法、电子设备及存储介质 | |
CN107450055B (zh) | 基于离散线性调频傅立叶变换的高速机动目标检测方法 | |
CN108318866B (zh) | 基于多帧回波联合积累的海杂波抑制方法 | |
CN110907929B (zh) | 一种基于双门限检测的车载雷达目标检测方法及装置 | |
CN114270216A (zh) | 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质 | |
CN110501685B (zh) | 一种基于雷达信号相位补偿的多帧相参积累方法 | |
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 | |
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 | |
CN110007282A (zh) | 一种连续波体制1-比特雷达目标重构问题降维方法 | |
CN114117912A (zh) | 一种数据模型双驱动下的海杂波建模与抑制方法 | |
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 | |
CN113885006A (zh) | 一种机动转弯目标相参积累检测方法 | |
CN111796266B (zh) | 一种匀加速运动目标rd平面检测前跟踪方法 | |
CN112714088A (zh) | 动态多普勒频偏估计方法、装置及存储介质 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN115980728B (zh) | 一种树丛穿透雷达目标检测方法、系统及设备 | |
CN116687392A (zh) | 基于时频信息矩阵的毫米波雷达跌倒检测的杂波消除方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |