[go: up one dir, main page]

CN111913158A - 复杂杂波背景下检测低慢小目标的雷达信号处理方法 - Google Patents

复杂杂波背景下检测低慢小目标的雷达信号处理方法 Download PDF

Info

Publication number
CN111913158A
CN111913158A CN202010994601.4A CN202010994601A CN111913158A CN 111913158 A CN111913158 A CN 111913158A CN 202010994601 A CN202010994601 A CN 202010994601A CN 111913158 A CN111913158 A CN 111913158A
Authority
CN
China
Prior art keywords
target
reference window
clutter
data
trace
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
Application number
CN202010994601.4A
Other languages
English (en)
Other versions
CN111913158B (zh
Inventor
王昊
江珊
徐达龙
陶诗飞
王岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN202010994601.4A priority Critical patent/CN111913158B/zh
Publication of CN111913158A publication Critical patent/CN111913158A/zh
Application granted granted Critical
Publication of CN111913158B publication Critical patent/CN111913158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种复杂杂波背景下检测低慢小目标的雷达信号处理方法，包括：对采样的动目标回波脉冲序列的每一距离单元内的慢时间数据序列进行谱分析获得多普勒域数据；对多普勒域数据进行滑窗处理且获取每个参考窗中统计方差、统计均值，以及前后两个参考窗的统计均值比；根据统计方差和统计均值判断每个参考窗内背景杂波的均匀性；根据背景杂波的均匀性选择对应的恒虚警检测算法获取参考窗内目标点迹；根据点迹信息获取目标的速度、俯仰、方位、距离。

Description

复杂杂波背景下检测低慢小目标的雷达信号处理方法
技术领域
本发明涉及一种雷达信号处理技术，特别是一种复杂杂波背景下检测低慢小目标的雷达信号处理方法。
背景技术
低小慢目标是指目标飞行速度慢、高度低、散射面积小的目标，主要有无人机、航空模型、滑翔伞、卫星巡航导弹和鸟类等。低小慢目标具有隐蔽性强、攻击性好的特点，因此在检测过程中也就存在侦察困难、管理控制艰难、打击艰难等问题。近年来，随着无人机航空器的快速发展与低空空域管制的逐渐开放，低慢小目标违规飞行的事件日益增多。民航机场、重大活动场所中未经允许任意飞行的“黑飞”无人机屡屡出现，严重影响了机场的运行秩序及重大活动的安全保障，如成都双流机场出现了数起无人机干扰民航飞行事件，共导致百余架航班迫降，上万名成可被迫滞留机场，航班运行秩序受到了极大的干扰；鸟击航也一直是航空飞行安全的重大隐患，对近空鸟类的防范关系到飞行人员的安全。同时，由于当前无人机一杯获取及操控，且目标小、隐蔽性强，若有不法分子使用无人机进行非法活动，必会对国家公共安全造成重大影响。因此，世界各国已积极开展低慢小目标的预警、探测、定位等技术的研究，致力于加强防空系统对低空飞行物的探测、跟踪和处置能力。
由于低慢小目标自身特性，使得雷达在复杂杂波背景下实现对此类目标的正确检测并保持恒定的虚警概率变得十分困难。用信号处理的方法提高对此类目标的检测能力，不仅手段灵活，而且成本较低，对充分发挥预警雷达潜力，改进雷达检测性能具有十分重要的现实意义。信号处理部分完成的主要工作就是对接收到的回波通过一系列的算法处理提取出我们需要的有用信息，进而完成目标的有效检测。因此有效的信号处理技术对于雷达检测精度、目标的探测性能和实时跟踪性能都是至关重要的。
总的来说，低慢小发目标由于飞行高度低、体积小、速度慢且机动性强，对空域检测雷达的性能提出了新的要求。作为信号处理机，要着力于实现在恶劣的杂波背景下的目标检测，抑制强杂波干扰，在保证虚警概率恒定的同时提高检测概率，实现低慢小目标的精准检测和稳定跟踪。此外，当前低慢小目标雷达在检测目标时，面临杂波环境复杂、杂波性能分析难度大、低信杂比回波及复杂非均匀背景致使检测难度大、目标回波多普勒频率低且与杂波混叠严重、检测算法及检测性能验证评估难度大等问题。
发明内容
实现本发明目的的技术方案为：一种复杂杂波背景下检测低慢小目标的雷达信号处理方法，包括：
对采样的动目标回波脉冲序列的每一距离单元内的慢时间数据序列进行谱分析获得多普勒域数据；
对多普勒域数据进行滑窗处理且获取每个参考窗中统计方差VI、统计均值，以及前后两个参考窗的统计均值比MR；
根据统计方差和统计均值判断每个参考窗内背景杂波的均匀性；
根据背景杂波的均匀性选择对应的恒虚警检测算法获取参考窗内目标点迹；
根据点迹信息获取目标的速度、俯仰、方位、距离。
进一步地，参考窗的统计方差VI
Figure BDA0002692105260000021
其中，
Figure BDA0002692105260000022
为参考窗内n个距离单元的方差，
Figure BDA0002692105260000023
为参考窗内n个距离单元的均值，Xi为每个距离单元的数据幅度，
Figure BDA0002692105260000024
为参考窗内n个距离单元的算术平均值；
前后两个参考窗的统计均值比MR
Figure BDA0002692105260000025
Figure BDA0002692105260000026
Figure BDA0002692105260000027
其中，
Figure BDA0002692105260000028
分别为前沿和后沿参考窗的平均电平，N表示前后两个参考窗的总长度，n表示前沿参考窗的长度，xi表示参考窗中第i个数据的幅度。
进一步地，参考窗内背景杂波的均匀性的判断方法为：
设定均匀区域阈值KVI和均值比阈值KMR，通过VI与KVI的比较判断参考窗所在区域是均匀区域还是非均匀区域，通过MR与KMR的比较判断参考窗是否为均匀杂波背景，判断如下式
Figure BDA0002692105260000031
Figure BDA0002692105260000032
其中，KVI为均匀区域阈值，KMR为均值比阈值。
进一步地，恒虚警检测算法的选择方法为：
(1)若VIA≤KVI且VIB≤KVI且KMR -1≤MR≤KMR，则选择单元平均恒虚警检测算法；
(2)若VIA≤KVI且VIB≤KVI且MR＜KMR -1，或VIA≤KVI且VIB≤KVI且MR＞KMR，则选择最大选择恒虚警检测算法；
(3)若VIA＞KVI且VIB≤KVI，或VIA≤KVI且VIB＞KVI，则选择单元平均恒虚警检测算法；
(4)若VIA＞KVI且VIB＞KVI，则选择最小恒虚警检测算法；
其中VIA为前言参考窗的统计方差，VIB为后沿参考窗的，KVI为均匀区域阈值，KMR为均值比阈值。
进一步地，获取参考窗内目标点迹的方法为：
根据恒虚警检测类型获得恒虚警检测门限；
若距离单元的幅度大于检测门限，则表示有目标，否则表示无目标。
进一步地，获取参考窗内目标点迹包括滤除虚假点迹点迹信息，滤除虚假点迹信息的具体过程为：
获取系统的杂波电平估计clutter_amp和噪声电平估计noise_amp；
选取杂波系数δ和噪声干扰系数γ；
若clutter_amp*δ＞target_amp或noise_amp*γ＞target_amp，则表示该目标点迹虚假点迹，对其滤除。
进一步地，目标速度v根据下式获得
Figure BDA0002692105260000033
fd＝k'*Δfd
Figure BDA0002692105260000041
k'＝k0+Δk
Figure BDA0002692105260000042
其中，λ为回波波长，Δk为插值峰相对真实峰k0的位置，k’为估计的峰值位置，Δfd表示多普额分辨率，N表示积累点数，PRT表示脉冲重复周期，fd表示多普勒频率。
进一步地，目标俯仰角根据和差比幅测角查比幅表获得，其中和差比幅测角为
Figure BDA0002692105260000043
其中，Δ表示差通道数据，实部ΔI，虚部ΔQ；Σ表示和通道数据，实部ΣI，虚部ΣQ，Σ*表示和通道数据的共轭；
进一步地，方位角获取方法为：
将和通道中一个相参处理周期的数据分为三段；
各段分别补零做FFT；
获取每段方位的雷达发射的测角波束的方位角A_s
Figure BDA0002692105260000044
其中，m、n分别为每段数据的边界，A_zt为系统旋转角度，t为相参处理周期，v为转台转速；
获取目标方位角Fw_angle
Figure BDA0002692105260000045
其中，A_1、A_2、A_3分别为三段比幅值。
进一步地，目标距离根据下式获得：
Figure BDA0002692105260000051
式中Ri和Ai分别为第i个目标点迹的距离单元和幅度值。
本发明与现有技术相比，具有以下优点：(1)本发明实施例提供的复杂杂波背景下低慢小目标检测雷达信号处理方法，可以通过动目标检测对每一个距离单元内的慢时间数据序列执行谱分析，达到杂波抑制、运动目标检测和提高信噪比的目的；(2)距离维上进行VI-CFAR处理，提高在复杂杂波背景下恒虚警检测算法的自适应性，不仅在均匀杂波背景下具有较小的恒虚警损失，而且在非均匀背景下也具有较好的检测性能；(3)通过估计回波的噪声干扰电平和杂波电平，对动目标检测的点迹进行判决，从而滤除大杂波副瓣或噪声干扰形成的虚假点迹，不仅克服了传统二维CFAR在计算复杂度和处理时间上的缺陷，而且有效的抑制了系统的虚警概率；(4)在计算目标参数时，采用精细多普勒估计内插目标峰值从而计算目标速度，俯仰维采用和差比幅测角，方位维采用分段比幅测角，提高了雷达对目标检测的精度。
下面结合说明书附图对本发明作进一步描述。
附图说明
图1为本发明方法流程示意图。
图2为本发明动目标检测(MTD)技术流程示意图。
图3为本发明可变标识CFAR(VI-CFAR)流程示意图。
图4为本发明多维目标检测技术流程示意图。
图5为本发明目标参数计算模块流程示意图。
图6为俯仰波束指向角为8.4°时不同CFAR检测器检测结果示意图，其中(a)为CA-CFAR示意图，(b)为GO-CFAR示意图，(c)为SO-CFAR示意图，(d)为VI-CFAR示意图。
图7为俯仰波束指向角为3.6°时信号处理结果示意图，其中(a)为动目标检测示意图，(b)为VI-CFAR示意图，(c)为点迹凝聚示意图，(d)为多维目标检测示意图。
图8为微小动目标处理结果示意图，其中(a)为动目标检测局部放大图，(b)为220通道VI-CFAR检测结果示意图。
图9为测速精度对比示意图。
具体实施方式
结合图1，一种复杂杂波背景下低慢小目标检测雷达信号处理方法，该方法包括以下步骤：
步骤S100，对接收的动目标回波脉冲序列采样，对回波脉冲序列的每一个距离单元内的慢时间数据序列进行谱分析获得多普勒域数据；
步骤S200，采用滑窗处理的方法对每一多普勒通道中的数据进行处理，获取每个参考窗中统计方差和统计均值并判断每个参考窗内背景杂波的均匀性；
步骤S300，根据统计方差和统计均值比，自适应选择恒虚警检测算法进行处理，恒虚警检测算法包括单元平均(CA)、最大(SO)、最大(GO)；
步骤S400，在多普勒维进行多维目标检测，利用雷达实际回波数据估计系统的噪声干扰电平和杂波干扰电平；
步骤S500，将恒虚警检测后输出的点迹分别与加权后的噪声干扰和杂波电平进行比较，从而滤除大杂波副瓣或噪声干扰形成的虚假点迹；
步骤S600，通过精细多普勒估计、俯仰和差比幅测角、方位三段比幅测角和距离计算，将点迹参数转化为速度、俯仰、方位、距离四维参数信息获得目标速度、俯仰、方位、距离。
步骤S100中，对于脉冲雷达，其发射为周期性脉冲序列，在接收雷达回波时将每个脉冲序列的接收回波分别按行存储，按行的方向看过去为快时间维(在距离上采样，采样间隔为Ts)；按列看过去为慢时间维(即脉冲数所在维度，脉冲之间的时间间隔即脉冲重复间隔PTI)。
结合图2，步骤S100中，在雷达接收的回波数据中，输入数据是在一个相参处理周期(CPI)内，每个CPI内连续M个脉冲回波形成一个二维数据矩阵。由于动目标检测是对慢时间维数据进行处理的即对数据矩阵的每列进行处理，在算法实现过程中，为了方便取数据，需要在内存中对矩阵先进行转置。步骤S100具体包括以下步骤：
步骤S101，对接收的雷达回波脉冲序列矩阵进行转置；
步骤S102，对每个距离单元内的慢时间维数据乘以长度为FFT点数的切比雪夫窗，以减少频谱能量泄露，降低峰值旁瓣电平，避免大目标旁瓣掩盖小目标，从而提高对运动目标的检测性能；
步骤S103，对加窗处理后的每个距离单元内的慢时间维数据进行FFT运算。
步骤S103中FFT运算后的数据矩阵的每一列表示不同的多普勒通道，此时将雷达回波脉冲序列矩阵转化为多普勒域数据。
进一步地，步骤S101中，接收的回波数据是一个CPI(相参积累周期)内的数据。在进行信号处理时，输入数据是在一个相参处理周期(CPI)内。每个CPI内的连续M个脉冲回波形成一个二维数据矩阵，二维数据矩阵中的每一行都对应于一个脉冲回波的连续采样，即连续的距离单元。利用EDMA技术(增强型直接内存存取技术)将FPGA上传的脉压后的回波数据从DDR3搬运到MSMRAM中，完成数据矩阵的转置。
步骤S200中的参考窗是指在恒虚警检测(CFAR)的过程中，相对待检单元距离雷达近和远的数据，被用来平均以估计噪声参数，从而得到待检单元的恒虚警检测门限。
结合图3，具体地，步骤S200具体包括以下步骤：
步骤S201，利用EDMA将多普勒维数据矩阵进行转置和搬运；
步骤S202，利用I/Q两路信号，计算每个多普勒通道中距离单元数据的幅度；
步骤S203，采用滑窗处理方法对距离单元进行处理，计算每个参考窗中的数据幅度和；
步骤S204，计算每个参考窗的统计方差VI
Figure BDA0002692105260000071
其中，
Figure BDA0002692105260000072
为参考窗内n个距离单元的方差，
Figure BDA0002692105260000073
为参考窗内n个距离单元的均值，Xi为每个距离单元的数据幅度，
Figure BDA0002692105260000074
为参考窗内n个单元的算术平均值；
步骤S205，计算前后两个参考窗的统计均值比MR
Figure BDA0002692105260000075
Figure BDA0002692105260000076
Figure BDA0002692105260000077
其中，
Figure BDA0002692105260000081
分别为前沿和后沿参考窗的平均电平，N表示前后两个参考窗的总长度，n表示前沿参考窗的长度，xi表示参考窗中第i个数据的幅度；
步骤S206，设定均匀区域阈值KVI和均值比阈值KMR，通过VI与KVI的比较判断参考窗所在区域是均匀区域还是非均匀区域，通过MR与KMR的比较判断参考窗是否为均匀杂波背景，判断如下式
Figure BDA0002692105260000082
Figure BDA0002692105260000083
进一步地，步骤S206中，由统计方差VI的计算公式可以看出：在均匀区域，VI的概率密度函数是不依赖于杂波能量的，但是当参考窗内杂波分布不均匀时，它就会发生改变。即在均匀区域的VI值相对较小，在非均匀区域的VI值相对较大；而由统计均值比MR的计算公式可以看出：当参考窗中混入干扰目标或其他类型杂波时，会急剧增大或减小。
步骤S201中，由于步骤S103中FFT运算后的数据矩阵的每一列表示不同的多普勒通道，而恒虚警检测是对每个多普勒通道内的距离单元进行处理的，为了方便取数据，需要在内存中对矩阵进行转置。
步骤S203中，每个多普勒通道中的数据都是待检单元，每个待检单元在做恒虚警检测的时候都需要利用他们前沿参考窗和后沿参考中的数据评估噪声。
具体地，步骤S300中根据统计方差和统计均值比选择恒虚警检测算法(CFAR)见表1
表1恒虚警检测算法选择
Figure BDA0002692105260000091
其中，“----”表示不需要对统计均值比做判断，直接采用杂波背景均匀的那一侧参考窗来计算检测阈值。A表示前沿参考窗内的数据，B表示是后沿参考窗内的数据，N表示单个参考窗的长度。CA-CFAR为单元平均恒虚警检测算法，SO-CFAR为最小恒虚警检测算法，GO-CFAR为最大选择恒虚警检测算法。通过计算统计方差和统计均值比，来判断前沿参考窗和后沿参考窗内背景杂波的均匀性，从而自适应在单元平均(CA)、最小(SO)和最大(GO)三种均值类CFAR中选择最合适的算法，可以提高在复杂杂波背景下恒虚警检测算法的自适应性，在均匀背景环境下具有较小的恒虚警损失，在非均匀环境下也具有较好的检测性能。
进一步地，步骤S400中，根据恒虚警检测类型，计算恒虚警检测门限。恒虚警门限S等于门限系数CVI与背景噪声估计值的乘积，检测器通过比较待检单元D与检测门限S来判断目标的有无，当待检单元的幅度超过检测门限，则表示有目标，否则表示无目标。所述待检单元D为采样的距离单元，对每个脉冲重复周期内的雷达回波进行采样，一个采样单元即距离单元，在恒虚警检测过程中需要对每个距离单元中的数据进行检测，即待检单元。
具体地，步骤S400中噪声电平估计：在FFT_NUM/2附近的多普勒通道的多普勒频率大，而实际探测环境中一般不太可能存在超高速度的干扰，因此计算FFT_NUM/2附近的多普勒通道中数据的平均幅度，作为噪声干扰电平的估计。例如雷达工作在Ku波段，波长λ＝0.019m，脉冲重复周期PRT＝45μs，脉冲积累点数fft_num＝256；根据雷达设计参数可知，[fft_num/2-8,fft_num/2]这8个多普勒通道对应的速度范围为97.6m/s～104.2m/s，而在实际探测环境中一般不太可能存在超高速度的干扰，因此可以利用fft_num/2左右两边各8个多普勒通道中数据来评估噪声干扰电平。
具体地，结合图4，步骤S400中杂波电平估计：雷达回波中的杂波一般为地物固定杂波及慢速杂波，故靠近或位于零频率的多普勒谱采样中强杂波信号占主要部分，因此计算零多普勒通道中的数据的幅度，作为杂波电平的估计。
为了避免大杂波旁瓣电平较高而被误判成为目标和为了避免噪声干扰被误判成目标的情况出现，步骤S500滤除虚假点迹，具体包括以下步骤：
步骤S501，根据窗函数对副瓣的抑制性能来选取杂波系数δ，若点迹幅度小于杂波幅度(即杂波电平的估计)的δ倍时，则可能是杂波副瓣形成的虚假点迹，对其进行滤除，否则为真实点迹，如下式所示
clutter_amp*δ＞target_amp 虚假点迹
clutter_amp*δ≤target_amp 真实点迹
其中，clutter_amp为杂波电平的估计，target_amp为点迹幅度；
步骤S502，根据系统对信噪比的要求来选取噪声干扰系数γ，当点迹幅度小于噪声幅度(即噪声电平估计)的γ倍时，则可能是噪声干扰形成的虚假点迹，对其进行滤除，否则为真实点迹，如下式所示
noise_amp*γ＞target_amp 虚假点迹
noise_amp*γ≤target_amp 真实点迹
其中，noise_amp为噪声电平估计，target_amp为点迹幅度。
当clutter_amp*δ≤target_amp和noise_amp*γ≤target_amp同时满足的点迹为真实点迹，其余为虚假点迹进行滤除。
步骤S501中，杂波系数δ可以通过以下示例进行选取：当动目标检测采用长度为256、主副瓣比为的60dB的Chebyshev窗进行加权时，会使得副瓣电平比主瓣电平降低60dB左右，因此选择杂波系数δ＝0.001。
步骤S502中，针对大疆精灵四目标(RCS＝0.01m2)为例选取噪声干扰系数γ：要求发现概率90％、虚警率10-6(即最小输出信噪比约为13dB)，而当动目标检测采用长度为256、主副瓣比为的60dB的Chebyshev窗进行加权时，信噪比损失约为1.82dB；根据以上两个信噪比参数，对低慢小雷达的实际回波数据进行仿真分析，当噪声干扰系数γ＝3.5时对虚警具有较好的抑制效果。
具体地，结合图5，步骤S600的具体过程为：
步骤S601，目标速度获取：对每一个检测到目标，在多普勒维采用二阶多项式内插得到目标真实峰值位置，从而求得目标速度v
Figure BDA0002692105260000111
fd＝k'*Δfd
Figure BDA0002692105260000112
k'＝k0+Δk
Figure BDA0002692105260000113
其中，λ为回波波长，Δk为插值峰相对真实峰k0的位置，k’为估计的峰值位置，Δfd表示多普额分辨率，N表示积累点数，PRT表示脉冲重复周期，fd表示多普勒频率；
步骤S602，目标俯仰角获取：俯仰维采用和差比幅测角，根据和、差通道中的回波数据求得目标所在位置得单脉冲复比实部和虚部，通过查比幅表测量目标的俯仰角；
Figure BDA0002692105260000114
其中，Δ表示差通道数据，实部ΔI，虚部ΔQ；Σ表示和通道数据，实部ΣI，虚部ΣQ，Σ*表示和通道数据的共轭；
步骤S603，方位角获取：将和通道中一个CPI的数据分为三段，如(0-1/2)FFT_NUM个PRT、(1/4-3/4)FFT_NUM个PRT、(1/2-1)FFT_NUM个PRT，各段分别补零做FFT，求目标真实幅度与在这三段数据对应位置幅度之比，由此判断目标真实方位；CPI数据为做动目标检测前FPGA上传的脉压数据；
假设转台(控制控制雷达在方位维360°机械扫描的装置)角度为A_zt，CPI积累时间为t，转台转速为v，则三段方位的雷达发射的测角波束的方位角按照公式
Figure BDA0002692105260000115
计算分别为：
Figure BDA0002692105260000121
其中，m、n分别为每段数据的边界；
设三段比幅值分别为A_1、A_2、A_3，则目标方位角Fw_angle为：
Figure BDA0002692105260000122
步骤S604，目标距离获取：根据目标点迹峰值位置的点迹以及峰值两侧的点迹，通过幅度加权的方法，求得目标点迹在距离上的质心位置即为目标的距离估计值R0：
Figure BDA0002692105260000123
式中Ri和Ai分别为第i个目标点迹的距离单元和幅度值。
本发明的工作原理在于，首先通过动目标检测实现对同一距离单元内慢时维数据的滤波的谱分析，达到杂波抑制、运动目标检测和提高检测信噪比的目的；然后在距离维对动目标检测后的数据进行VI-CFAR处理，通过计算前沿参考窗和后沿参考窗中数据的统计方差和统计均值比来判断杂波背景的均匀性，然后自适应的选择CA-CFAR、SO-CFAR或GO-CFAR对目标进行检测；接着利用动目标检测数据估计噪声干扰电平和杂波电平，将恒虚警检测后输出的点迹与加权后的噪声干扰电平和杂波电平进行比较，从而滤波大杂波副瓣和噪声干扰导致的虚警点迹；最后计算检测到的目标参数，将点迹信息转化为目标四维信息(距离、速度、俯仰、方位)。
前述步骤S100～步骤S500基于对复杂杂波背景下的低慢小目标检测，当在距离维进行VI-CFAR处理后，存在幅度超过恒虚警检测门限的点迹，则对利用估计的噪声干扰电平和杂波干扰电平对点迹进行比较判决，从而滤除虚假点迹。步骤S600是对检测后的点迹进行参数计算，将点迹参数转换为目标距离、方位、俯仰和距离信息，提高目标检测精度，有利于目标精准定位和稳定跟踪。结合图6-9，对低慢小目标检测雷达实测数据进行分析可知，本发明涉及的方法不仅改善了雷达检测性能，而且对虚警有较好的控制能力，具体如下：
(1)当俯仰波束指向角为8.4°时，对回波数据的距离维分别进行CA-CFAR、GO-CFAR、SO-CFAR和VI-CFAR处理，目标检测结果如图6所示，从图中可以看出，在多目标背景环境下，由于参考窗内存在其他干扰杂波，导致GO-CFAR和CA-CFAR的检测门限抬高，其检测性能相对较差，SO-CFAR的检测概率高但同时存在较多虚警，VI-CFAR不仅改善了雷达检测性能，而且对虚警有较好的控制能力。
(2)当俯仰波束指向角为3.6°时，短脉冲回波数据的距离-多普勒图如图7中的(a)图所示。由于波束指向较低，回波数据中包含强烈的地杂波和多径效应干扰，距离单元31，60，118、134和158位置上的大杂波能量泄露导致在多普勒维上出现了“脊背”，因此，在距离维采用VI-CFAR检测后仍然包含较多的虚假点迹。点迹凝聚处理将单独点迹作为虚假点迹滤除，然后分辨出不同目标的点迹数据并将属于同一个目标的点迹数据归并在一起，对虚警有一定的控制作用，但不能完全滤除大杂波副瓣导致的虚假点迹。经过多普勒维目标检测处理后，基本将杂波副瓣和噪声干扰导致的虚假点迹滤除，对低慢小目标检测雷达中虚警概率具有很好的控制效果。
(3)从图7中的(d)图可以看出，经过VI-CFAR和多维目标检测处理后，在[134,220]位置检测到一个动目标。该位置在RD图中的局部放大结果如图8中的(a)图所示，对220通道的数据进行VI-CFAR检测的结果如图8中的(b)图所示。综合上述检测结果可知，VI-CFAR能够检测出复杂杂波背景下的微小动目标，多维目标检测在保留有效目标的前提下滤除了大量的虚警。
(4)以无人机定高120m，以10m/s的速度向外飞行为例，实验记录直接用多普勒通道号测速和内插多普勒峰值测速的结果，如图9所示。当直接使用多普勒通道号进行测速时，其速度误差的均值为-1.26m/s，均方根误差为1.58m/s；当利用内插的多普勒峰值位置进行测速时，其速度误差为-0.16m/s，均方根误差为0.36m/s。

Claims (10)

1.一种复杂杂波背景下检测低慢小目标的雷达信号处理方法，其特征在于，包括：
对采样的动目标回波脉冲序列的每一距离单元内的慢时间数据序列进行谱分析获得多普勒域数据；
对多普勒域数据进行滑窗处理且获取每个参考窗中统计方差VI、统计均值，以及前后两个参考窗的统计均值比MR；
根据统计方差和统计均值判断每个参考窗内背景杂波的均匀性；
根据背景杂波的均匀性选择对应的恒虚警检测算法获取目标点迹；
根据点迹信息获取目标的速度、俯仰、方位、距离。
2.根据权利要求1所述的方法，其特征在于，参考窗的统计方差VI
Figure FDA0002692105250000011
其中，
Figure FDA0002692105250000012
为参考窗内n个距离单元的方差，
Figure FDA0002692105250000013
为参考窗内n个距离单元的均值，Xi为每个距离单元的数据幅度，
Figure FDA0002692105250000014
为参考窗内n个距离单元的算术平均值；
前后两个参考窗的统计均值比MR
Figure FDA0002692105250000015
Figure FDA0002692105250000016
Figure FDA0002692105250000017
其中，
Figure FDA0002692105250000018
分别为前沿和后沿参考窗的平均电平，N表示前后两个参考窗的总长度，n表示前沿参考窗的长度，xi表示参考窗中第i个数据的幅度。
3.根据权利要求1所述的方法，其特征在于，参考窗内背景杂波的均匀性的判断方法为：
设定均匀区域阈值KVI和均值比阈值KMR，通过VI与KVI的比较判断参考窗所在区域是均匀区域还是非均匀区域，通过MR与KMR的比较判断参考窗是否为均匀杂波背景，判断如下式
Figure FDA0002692105250000021
Figure FDA0002692105250000022
其中，KVI为均匀区域阈值，KMR为均值比阈值。
4.根据权利要求1所述的方法，其特征在于，恒虚警检测算法的选择方法为：
(1)若VIA≤KVI且VIB≤KVI且KMR -1≤MR≤KMR，则选择单元平均恒虚警检测算法；
(2)若VIA≤KVI且VIB≤KVI且MR＜KMR -1，或VIA≤KVI且VIB≤KVI且MR＞KMR，则选择最大选择恒虚警检测算法；
(3)若VIA＞KVI且VIB≤KVI，或VIA≤KVI且VIB＞KVI，则选择单元平均恒虚警检测算法；
(4)若VIA＞KVI且VIB＞KVI，则选择最小恒虚警检测算法；
其中VIA为前沿参考窗的统计方差，VIB为后沿参考窗的，KVI为均匀区域阈值，KMR为均值比阈值。
5.根据权利要求5所述的方法，其特征在于，获取目标点迹的方法为：
根据恒虚警检测类型获得恒虚警检测门限；
若距离单元的幅度大于检测门限，则表示有目标，否则表示无目标。
6.根据权利要求1或5所述的方法，其特征在于，获取目标点迹包括滤除虚假点迹信息，滤除虚假点迹信息的具体过程为：
获取系统的杂波电平估计clutter_amp和噪声电平估计noise_amp；
选取杂波系数δ和噪声干扰系数γ；
若clutter_amp*δ＞target_amp或noise_amp*γ＞target_amp，则表示该目标点迹虚假点迹，对其滤除。
7.根据权利要求1所述的方法，其特征在于，目标速度v根据下式获得
Figure FDA0002692105250000023
fd＝k'*Δfd
Figure FDA0002692105250000031
k'＝k0+Δk
Figure FDA0002692105250000032
其中，λ为回波波长，Δk为插值峰相对真实峰k0的位置，k’为估计的峰值位置，Δfd表示多普额分辨率，N表示积累点数，PRT表示脉冲重复周期，fd表示多普勒频率。
8.根据权利要求1所述的方法，其特征在于，目标俯仰角根据和差比幅测角查比幅表获得，其中和差比幅测角为
Figure FDA0002692105250000033
其中，Δ表示差通道数据，实部ΔI，虚部ΔQ；Σ表示和通道数据，实部ΣI，虚部ΣQ，Σ*表示和通道数据的共轭。
9.根据权利要求1所述的方法，其特征在于，方位角获取方法为：
将和通道中一个相参处理周期的数据分为三段；
各段分别补零做FFT；
获取每段方位的雷达发射的测角波束的方位角A_s
Figure FDA0002692105250000034
其中，m、n分别为每段数据的边界，A_zt为系统旋转角度，t为相参处理周期，v为转台转速；
获取目标方位角Fw_angle
Figure FDA0002692105250000035
其中，A_1、A_2、A_3分别为三段比幅值。
10.根据权利要求1所述的方法，其特征在于，目标距离根据下式获得：
Figure FDA0002692105250000041
式中Ri和Ai分别为第i个目标点迹的距离单元和幅度值。
CN202010994601.4A 2020-09-21 2020-09-21 复杂杂波背景下检测低慢小目标的雷达信号处理方法 Active CN111913158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010994601.4A CN111913158B (zh) 2020-09-21 2020-09-21 复杂杂波背景下检测低慢小目标的雷达信号处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010994601.4A CN111913158B (zh) 2020-09-21 2020-09-21 复杂杂波背景下检测低慢小目标的雷达信号处理方法

Publications (2)

Publication Number Publication Date
CN111913158A true CN111913158A (zh) 2020-11-10
CN111913158B CN111913158B (zh) 2023-07-21

Family

ID=73265356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010994601.4A Active CN111913158B (zh) 2020-09-21 2020-09-21 复杂杂波背景下检测低慢小目标的雷达信号处理方法

Country Status (1)

Country Link
CN (1) CN111913158B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030891A (zh) * 2021-02-08 2021-06-25 西安电子科技大学 一种雷达系统中目标点聚合处理的优化方法
CN113189573A (zh) * 2021-04-21 2021-07-30 中国电子科技集团公司第五十四研究所 一种相控阵搜索雷达海面目标检测方法
CN113625266A (zh) * 2021-07-20 2021-11-09 嘉兴聚速电子技术有限公司 应用雷达检测低速目标的方法、装置、存储介质和设备
CN114518564A (zh) * 2022-03-01 2022-05-20 上海航天电子通讯设备研究所 一种基于特征杂波图的海面低空小目标检测方法
CN114966598A (zh) * 2022-06-16 2022-08-30 中国科学院空天信息创新研究院 低慢小雷达强地杂波自适应抑制方法及装置
CN114966589A (zh) * 2022-04-29 2022-08-30 电子科技大学 一种基于毫米波雷达的多目标检测方法
CN115061109A (zh) * 2022-06-09 2022-09-16 山东大学 一种基于被动雷达的低慢小多目标检测方法及系统
CN116821618A (zh) * 2023-06-21 2023-09-29 宁波麦思捷科技有限公司武汉分公司 一种海面监视雷达杂波抑制方法及系统
CN116908805A (zh) * 2023-09-12 2023-10-20 南京国睿防务系统有限公司 一种二维雷达的联合和差测角方法、系统及存储介质
CN116990773A (zh) * 2023-09-27 2023-11-03 广州辰创科技发展有限公司 基于自适应门限的低慢小目标检测方法、装置和存储介质
CN117724048A (zh) * 2024-02-07 2024-03-19 中国人民解放军海军航空大学 一种基于rdph特征的改进os-cfar检测算法、装置及介质
CN117761631A (zh) * 2024-02-22 2024-03-26 中国人民解放军空军预警学院 一种多通道融合检测的方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760542A (zh) * 2014-01-10 2014-04-30 杭州电子科技大学 一种基于多模式的变化指数恒虚警目标检测方法
CN106646419A (zh) * 2017-02-28 2017-05-10 西安电子科技大学 一种检测杂波边缘雷达目标的自适应恒虚警方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103760542A (zh) * 2014-01-10 2014-04-30 杭州电子科技大学 一种基于多模式的变化指数恒虚警目标检测方法
CN106646419A (zh) * 2017-02-28 2017-05-10 西安电子科技大学 一种检测杂波边缘雷达目标的自适应恒虚警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁施健: ""低小慢"目标探测雷达信号处理机的设计" *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030891A (zh) * 2021-02-08 2021-06-25 西安电子科技大学 一种雷达系统中目标点聚合处理的优化方法
CN113030891B (zh) * 2021-02-08 2023-07-04 西安电子科技大学 一种雷达系统中目标点聚合处理的优化方法
CN113189573A (zh) * 2021-04-21 2021-07-30 中国电子科技集团公司第五十四研究所 一种相控阵搜索雷达海面目标检测方法
CN113625266A (zh) * 2021-07-20 2021-11-09 嘉兴聚速电子技术有限公司 应用雷达检测低速目标的方法、装置、存储介质和设备
CN114518564A (zh) * 2022-03-01 2022-05-20 上海航天电子通讯设备研究所 一种基于特征杂波图的海面低空小目标检测方法
CN114966589A (zh) * 2022-04-29 2022-08-30 电子科技大学 一种基于毫米波雷达的多目标检测方法
CN115061109A (zh) * 2022-06-09 2022-09-16 山东大学 一种基于被动雷达的低慢小多目标检测方法及系统
CN114966598A (zh) * 2022-06-16 2022-08-30 中国科学院空天信息创新研究院 低慢小雷达强地杂波自适应抑制方法及装置
CN116821618A (zh) * 2023-06-21 2023-09-29 宁波麦思捷科技有限公司武汉分公司 一种海面监视雷达杂波抑制方法及系统
CN116821618B (zh) * 2023-06-21 2024-03-15 宁波麦思捷科技有限公司武汉分公司 一种海面监视雷达杂波抑制方法及系统
CN116908805A (zh) * 2023-09-12 2023-10-20 南京国睿防务系统有限公司 一种二维雷达的联合和差测角方法、系统及存储介质
CN116908805B (zh) * 2023-09-12 2023-11-28 南京国睿防务系统有限公司 一种二维雷达的联合和差测角方法、系统及存储介质
CN116990773A (zh) * 2023-09-27 2023-11-03 广州辰创科技发展有限公司 基于自适应门限的低慢小目标检测方法、装置和存储介质
CN117724048A (zh) * 2024-02-07 2024-03-19 中国人民解放军海军航空大学 一种基于rdph特征的改进os-cfar检测算法、装置及介质
CN117724048B (zh) * 2024-02-07 2024-05-28 中国人民解放军海军航空大学 一种基于rdph特征的改进os-cfar检测算法、装置及介质
CN117761631A (zh) * 2024-02-22 2024-03-26 中国人民解放军空军预警学院 一种多通道融合检测的方法和装置
CN117761631B (zh) * 2024-02-22 2024-05-07 中国人民解放军空军预警学院 一种多通道融合检测的方法和装置

Also Published As

Publication number Publication date
CN111913158B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN111913158A (zh) 复杂杂波背景下检测低慢小目标的雷达信号处理方法
CN109946665B (zh) 基于阵列雷达的获取真实目标的方法
FARSHCHIAn et al. The Pareto distribution for low grazing angle and high resolution X-band sea clutter
Lundberg et al. A challenge problem for detection of targets in foliage
CN109212500B (zh) 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法
CN106249219B (zh) 基于自适应匹配滤波响应的sar动目标检测方法
CN102879767B (zh) 一种用于空时自适应处理的干扰目标检测方法
CN107561518A (zh) 基于二维滑窗局部极值的三坐标雷达点迹凝聚方法
CN112612006B (zh) 基于深度学习的机载雷达非均匀杂波抑制方法
CN115932779B (zh) 基于避障雷达距离多普勒积分的枯树目标检测方法
CN116953646A (zh) 一种天基雷达amti功能在轨实时处理方法
Wang et al. Radial velocity estimation approach of ship for spaceborne multichannel HRWS SAR SLC data
McDonald et al. Track-before-detect using swerling 0, 1, and 3 target models for small manoeuvring maritime targets
Ritchie et al. Analysis of sea clutter distribution variation with Doppler using the compound K-distribution
CN110244289A (zh) 一种自适应粒子滤波地波雷达目标一体化探测方法
CN113534054A (zh) 一种基于同质杂波内容共享的改进雷达目标检测方法
CN111812608A (zh) 基于mtd脉冲积累及模态分解的雷达目标方位角估计方法
Jiang et al. A Novel Airborne Radar Sea Clutter Simulation Method Based on Full Link Factors
Liu et al. Research on ground clutter polarization suppression algorithm based on prior information
CN119148147B (zh) 一种民航的风切变检测方法
Tian et al. A Detection Method for Dense and Weak Targets in Complex Background
Agarwal et al. Range Velocity Blind Zone for airborne MPRF radar in look-down search mode
TWI677696B (zh) 一種雷達估測目標方位之方法
Liu et al. Study on the amplitude distribution of W-band tree clutter based on measured data∗
Herselman et al. Evaluation and performance comparison of detection algorithms in a maritime environment

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Wang Hao

Inventor after: Xu Dalong

Inventor after: Jiang Shan

Inventor after: Tao Shifei

Inventor after: Wang Yan

Inventor before: Wang Hao

Inventor before: Jiang Shan

Inventor before: Xu Dalong

Inventor before: Tao Shifei

Inventor before: Wang Yan