CN104199000B - 一种多传感器探测区域内云雨杂波和带状干扰剔除方法 - Google Patents

一种多传感器探测区域内云雨杂波和带状干扰剔除方法 Download PDF

Info

Publication number
CN104199000B
CN104199000B CN201410480202.0A CN201410480202A CN104199000B CN 104199000 B CN104199000 B CN 104199000B CN 201410480202 A CN201410480202 A CN 201410480202A CN 104199000 B CN104199000 B CN 104199000B
Authority
CN
China
Prior art keywords
clutter
sexual intercourse
region
evolution
weight matrix
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.)
Active
Application number
CN201410480202.0A
Other languages
English (en)
Other versions
CN104199000A (zh
Inventor
王海鹏
熊伟
王聪
潘新龙
刘瑜
徐从安
夏沭涛
王子玲
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.)
Naval Aeronautical Engineering Institute of PLA
Original Assignee
Naval Aeronautical Engineering Institute of PLA
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 Naval Aeronautical Engineering Institute of PLA filed Critical Naval Aeronautical Engineering Institute of PLA
Priority to CN201410480202.0A priority Critical patent/CN104199000B/zh
Publication of CN104199000A publication Critical patent/CN104199000A/zh
Application granted granted Critical
Publication of CN104199000B publication Critical patent/CN104199000B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

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

Abstract

本发明公开了一种多传感器探测区域内云雨杂波和带状干扰的剔除方法，该技术属于雷达数据处理领域中的环境杂波剔除预处理。云雨杂波及带状干扰的剔除技术是雷达数据处理领域一项问题，现有的方法都是停留在信号层面的处理方法，且在实际中并不能很好的完全抑制此类杂波。本发明根据此类杂波的特性，在量测区域内构建权值矩阵和进化权值矩阵，将杂波量测点的区域特性放大，能够有效确定杂波区域位置，准确将该区域杂波剔除；而且算法过程直观简便，在工程应用中能够保证较好的实时性，具有推广应用价值。

Description

一种多传感器探测区域内云雨杂波和带状干扰剔除方法
技术领域
本发明涉及雷达数据处理领域中的环境杂波剔除方法，适用于信息融合***中的各种杂波预处理***。
背景技术
当传感器升空工作或探测区域内存在云雨天气时，会面临强大的云雨杂波，尤其是当目标处于云雨杂波区时，传感器探测性能会受到严重影响。在数据处理层面，云雨杂波表现为一定区域内密度很高的量测点，会在多个探测区域内存在，从而形成多条虚假航迹，不利于目标空间整体态势的形成。为解决该问题，国内外专家也提出了很多方法，但都是停留在信号层面的处理方法，例如采用对降低附瓣杂波幅度、提高信杂比等方法。但这些方法在实际中并不能很好的完全抑制云雨杂波以及带状干扰，仍需要在雷达数据处理层面对这两类杂波进行抑制并剔除，才能满足工程实际应用的要求。
发明内容
1.要解决的技术问题
本发明的目的在于提供一种可在雷达数据处理层面对云雨杂波和带状干扰的剔除方法。该方法根据此类杂波的特性，通过在量测区域内构建权值矩阵和进化权值矩阵，将杂波量测点的区域特性放大，能够有效确定杂波区域位置，准确将该区域杂波剔除。另外，该方法属于杂波预处理，且算法过程直观简便，在工程应用中能够保证较好的实时性。
2.技术方案
本发明所述的一种多传感器探测区域内云雨杂波和带状干扰的剔除方法，由于云雨杂波的剔除方法与带状干扰的剔除方法基本相同，这里以云雨杂波的剔除方法为例，包括以下技术措施：首先，将各个传感器的量测变换到融合中心坐标系下，取所有量测的最值，来确定一个矩形量测区域；然后，将矩形量测区域按任务需要进行分块，并计算分块后各个小矩形区域内量测点的个数，来确定权值矩阵和进化权值矩阵；最后，将进化权值矩阵中的各个元素与加权的期望值比较，来确定小矩形区域内的量测是否为云雨杂波并剔除。
3.有益效果
(1)该方法可有效的确定量测区域内云雨杂波或带状干扰的杂波点位置，准确地剔除云雨杂波和带状干扰的杂波量测；
(2)该方法流程简便、计算量小、易于实现，可保证良好的实时性。
附图说明
说明书附图1是本发明云雨杂波剔除的流程图；
说明书附图2是量测区域示意图；
说明书附图3是量测区域分块矩阵示意图。
具体实施方式
以下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明云雨杂波和带状干扰的剔除过程分以下几个步骤：
云雨杂波的剔除步骤：
(1)计算装置1接收各传感器的量测，将所有量测变换到融合中心坐标系下，得到所有量测Z(k)。
(2)计算装置2接收来自计算装置1的输出结果，并通过搜索获得x、y方向量测最大值和最小值的集合基于Exy(k)构建如图2所示矩形A。并在存储装置3中开辟存储空间，暂存Exy(k)。
(3)计算装置4接收存储装置3的输出结果，按照图3将A分割成多个小块矩形，利用矩形B定义量测区域矩阵为
Re(k)＝{aij(k)}i＝1,2,…,Lx(k)；j＝1,2,…Ly(k) (1)
式中，Lx(k)和Ly(k)分别为矩形B在x、y方向上小块区域的个数，其取值取决于现实跟踪***及任务要求。
(4)计算装置5接收计算装置1和计算装置4的输出结果，基于aij(k)中量测的个数确定权值，定义B的权值矩阵为
We(k)＝{wij(k)}i＝1,2,…,Lx(k)；j＝1,2,…Ly(k) (2)
式中，wij(k)的初始值为零。在对Z(k)进行循环操作的过程中，每当有一个量测落入aij(k)中，则执行wij(k)＝wij(k)+1。
(5)计算装置6接收计算装置5的输出结果，为便于区分云雨杂波和普通杂波，在此通过进化权值矩阵进一步云雨杂波的密级特性。定义aij(k)的进化权值为wij(k)和aij(k)相邻区域的权值之和，即
因此，B的进化权值矩阵为
(6)计算装置7接收计算装置6的输出结果，计算平均进化权值。此处定义平均进化权值为
式中，为进化权值不为零的小块区域的个数。
(7)计算装置8接收计算装置6和计算装置7的输出结果，将与加权的进行比较。由于云雨杂波的密级程度远高于其他目标和杂波，因此若
则保留aij(k)中的量测，否则将aij(k)中的量测作为云雨杂波剔除。其中b为剔除系数，通常情况下为进化权值最大值)，具体取值与目标环境有关。在此需要注意的是，当目标环境中存在编队目标时，为避免把编队量测当作云雨杂波剔除掉，b的取值应当相对较大。
带状干扰的剔除步骤：
由于带状干扰的表现模式为以传感器为中心的扇形量测密集区域，因此具体剔除模型与云雨杂波剔除模型相似，在此不再赘述，但在此需要注意以下三点：
(1)带状干扰的剔除过程在各传感器的局部坐标系下完成；
(2)带状干扰剔除模型中将探测区域划分成多个很窄小的扇形；
(3)在带状干扰剔除模型中，探测区域权值矩阵和进化权值矩阵的建立在极坐标中完成。

Claims (1)

1.一种多传感器探测区域内云雨杂波和带状干扰剔除方法，其特征在于包括以下技术措施：(1)建立量测区域的权值矩阵和进化权值矩阵，采用如下的技术措施步骤：通过搜索获得x、y方向量测最大值和最小值的集合基于Exy(k)构建矩形A，并将A分割成多个小块矩形量测区域B，定义量测区域B为Re(k)＝{aij(k)}i＝1,2,…,Lx(k)；j＝1,2,…Ly(k)，其中Lx(k)和Ly(k)分别为矩形B在x、y方向上小块区域的个数，其取值取决于现实跟踪***及任务要求，aij(k)为对应第i行、第j列的小块矩形；进而基于aij(k)中量测的个数确定权值，定义量测区域B的权值矩阵为
We(k)＝{wij(k)}i＝1,2,…,Lx(k)；j＝1,2,…Ly(k)
为便于区分云雨杂波和普通杂波，在此通过进化权值矩阵进一步云雨杂波的密级特性；
定义aij(k)的进化权值为wij(k)和aij(k)相邻区域的权值之和，即
因此，B的进化权值矩阵为
(2)平均进化权值的计算和剔除系数的确定，采用如下的技术措施步骤：计算平均进化权值
式中，为进化权值不为零的小块区域的个数；将与加权的进行比较，若
则保留aij(k)中的量测，否则将aij(k)中的量测作为云雨杂波剔除；
b为剔除系数，通常情况下 为进化权值最大值，具体取值与目标环境有关；在此需要注意的是，当目标环境中存在编队目标时，为避免把编队量测当作云雨杂波剔除掉，b的取值应当相对较大。
CN201410480202.0A 2014-09-18 2014-09-18 一种多传感器探测区域内云雨杂波和带状干扰剔除方法 Active CN104199000B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410480202.0A CN104199000B (zh) 2014-09-18 2014-09-18 一种多传感器探测区域内云雨杂波和带状干扰剔除方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410480202.0A CN104199000B (zh) 2014-09-18 2014-09-18 一种多传感器探测区域内云雨杂波和带状干扰剔除方法

Publications (2)

Publication Number Publication Date
CN104199000A CN104199000A (zh) 2014-12-10
CN104199000B true CN104199000B (zh) 2016-11-30

Family

ID=52084312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410480202.0A Active CN104199000B (zh) 2014-09-18 2014-09-18 一种多传感器探测区域内云雨杂波和带状干扰剔除方法

Country Status (1)

Country Link
CN (1) CN104199000B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2387053B (en) * 2001-11-12 2006-02-01 Telstra Corp Ltd Surface wave radar
CN101865995B (zh) * 2010-05-05 2012-05-23 南京莱斯信息技术股份有限公司 一种机场雷达信号的处理方法
CN103364764B (zh) * 2013-06-25 2015-06-17 西安电子科技大学 一种机载雷达非平稳杂波抑制方法

Also Published As

Publication number Publication date
CN104199000A (zh) 2014-12-10

Similar Documents

Publication Publication Date Title
CN104931934B (zh) 一种基于pam聚类分析的雷达点迹凝聚方法
CN103747419B (zh) 一种基于信号强度差值与动态线性插值的室内定位方法
CN104853434A (zh) 一种基于svm和k均值聚类的室内定位方法
CN103353988B (zh) 异源sar景象特征匹配算法性能评估方法
CN104714225B (zh) 一种基于广义似然比的动态规划检测前跟踪方法
CN104749576A (zh) 一种多雷达航迹关联融合方法
CN106842165A (zh) 一种基于不同距离角度分辨率雷达集中式异步融合方法
CN104301999B (zh) 一种基于rssi的无线传感器网络自适应迭代定位方法
CN105512665A (zh) 一种机载激光雷达点云数据边缘提取方法
CN103298156B (zh) 基于无线传感器网络的无源多目标检测跟踪方法
CN107015221B (zh) 一种用于地面监视雷达的低虚警率快速目标检测方法
CN103729846B (zh) 基于不规则三角网的LiDAR点云数据边缘检测方法
CN107861123A (zh) 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法
CN106226751A (zh) 基于dp‑tbd的机动目标检测与跟踪方法
CN102162847B (zh) 一种基于奇异值分解的高效航迹相关方法
CN105137418A (zh) 基于全邻模糊聚类的多目标跟踪与数据互联方法
Bradley et al. Corrections for wind-speed errors from sodar and lidar in complex terrain
CN109444812B (zh) 一种引入动态阈值的rssi室内定位方法
CN104751185A (zh) 基于均值漂移遗传聚类的sar图像变化检测方法
CN104914422A (zh) 一种自适应tbd雷达微弱目标检测方法
CN103760556A (zh) 基于集中式mimo雷达的多目标认知跟踪方法
CN104200471A (zh) 基于自适应权值图像融合的sar图像变化检测方法
CN106443664A (zh) ***误差下基于拓扑信息的雷达与esm航迹关联方法
CN107255805A (zh) 基于加权最小二乘的雷达目标rcs的预测方法
CN102901961A (zh) 一种基于杂波信息图的最优多航迹分支目标跟踪实现方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Wang Haipeng

Inventor after: Xiong Wei

Inventor after: Wang Cong

Inventor after: Pan Xinlong

Inventor after: Liu Yu

Inventor after: Xu Congan

Inventor after: Xia Shutao

Inventor after: Wang Ziling

Inventor before: Xiong Wei

Inventor before: Wang Cong

Inventor before: Wang Haipeng

Inventor before: Shu Congan

Inventor before: Liu Yu

Inventor before: Xia Shutao

Inventor before: Wang Ziling

Inventor before: Pan Xinlong

COR Change of bibliographic data
C14 Grant of patent or utility model
GR01 Patent grant