CN104459661A - 检测快速火炮类微弱目标的方法 - Google Patents
检测快速火炮类微弱目标的方法 Download PDFInfo
- Publication number
- CN104459661A CN104459661A CN201410515775.2A CN201410515775A CN104459661A CN 104459661 A CN104459661 A CN 104459661A CN 201410515775 A CN201410515775 A CN 201410515775A CN 104459661 A CN104459661 A CN 104459661A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- doppler
- dynamic programming
- thresholding
- 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
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
- G01S7/41—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
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/64—Velocity measuring systems using range gates
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种检测快速火炮类微弱目标的方法,雷达信号处理***对各方位的回波并行应用改进的动态规划检测算法,先将每个方位的慢时间-距离域数据转换到多普勒-距离域;然后对变换后的多普勒-距离域数据进行第一门限预判;再根据速度模糊数范围复制上述预处理所得的连续K帧多普勒-距离数据,并调整复制数据的多普勒维坐标值;接着分别对每一个模糊数数据应用动态规划算法,获得相应的值函数积累值和目标运动状态矩阵;联合所有模糊数的值函数积累值宣判雷达检测结果。本发明结合快速火炮类目标的特点,将改进的动态规划算法应用到了脉冲多普勒雷达信号处理中,有效地提高了雷达的检测概率。
Description
技术领域
本发明涉及一种低信噪比条件下雷达***快速检测火炮类微弱目标的方法。
背景技术
目前现代雷达信号处理理论基本上还是遵循平稳信号处理模型,并且只利用到单个频率和单个距离单元的孤立处理方式,并没有涉及到目标的速度变化、距离徙动等非平稳因素的影响。而对于高速运动的雷达弱小目标,积累时对目标的非平稳因素是必须考虑的。由于回波信号的信噪比很低,如果只利用单帧的回波数据,无法得出检测结果。因此需要对雷达的回波信号做长时间的多脉冲积累。其次由于目标运动速度较高或距离分辨率高,目标回波可能发生距离走动,因此长时间积累时目标能量扩散,当目标移动超过一个包络主瓣宽度时积累无效。火炮类目标具有速度快,一般可达1000m/s,RCS小,小到0.0001m2等特点,导致回波信噪比很小,制约了雷达的检测性能。提高雷达回波信噪比通常有三种方法:增大雷达发射功率,但这会导致雷达体积变大,且容易被敌方截获;增大发射脉冲宽度,但又会使雷达盲区变大,特别是目标高速运动时,多普勒耦合效应使主副瓣比迅速下降;另一种是保持雷达***参数不变,对雷达回波进行长时间相干积累,而对于高速运动的雷达弱小目标,存在跨距离、跨多普勒单元的问题,因此长时间相干积累时目标能量扩散,当目标移动超过一个主瓣宽度时积累无效。
近年来,检测前跟踪技术(TBD)逐渐成为弱小目标探测跟踪技术发展的主流。该类技术主要包括三维匹配滤波、多级假设检验序贯处理、动态规划、高阶相关处理等方法。动态规划算法是穷尽搜索法的一种等效实现算法,其主要思想是将n维优化问题转化为n个1维优化问题,对优化问题的分级处理使其计算效率远远高于穷尽搜索。
在现有技术中,动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中,可能会有许多可行解。每一个解都对应于一个值,通常希望找到具有最优值的解。动态规划算法的基本思想是将待求解问题分解成若干个子问题,先求解子问题,然后从这些子问题的解得到原问题的解。由于在低信噪比下,单帧数据无法得出检测结果。动态规划算法通过先存储多帧雷达回波原始数据,然后进行目标帧间能量积累实现对低可观测目标进行检测和跟踪 的技术。结合动态规划算法的特点,虽然理论上可对火炮类高速弱机动性目标提前发现和检测。但动态规划算法要联合多帧3维数据进行处理,运算量和存储量都很大,难以达到近程高速火炮类目标检测的实时性。
发明内容
本发明的目的是针对上述现有技术存在问题,根据被观测目标的特点,提供了一种能够降低计算量,缩短雷达反应时间,并能有效解决检测空间高速弱小运动目标的方法。
本发明的上述目的可以通过以下措施来达到。一种检测快速火炮类微弱目标的方法,其特征在于包括如下步骤:信号处理***接收某一方位上的N个脉冲、M个距离单元的数据(定义为一帧回波数据),动态规划一次积累的雷达回波数据帧数为K,搜索区域为qr×qv个矩形区域;在脉冲多普勒雷达体制下,对各方位回波并行运行改进的动态规划算法,把一帧原始慢时间-距离域回波数据变换到多普勒-距离域,对每一个脉冲回波进行脉冲压缩,再将脉冲压缩后的回波按距离单元沿慢时间维做N点快速傅立叶变换FFT得到每个距离单元的多普勒信息,并记获得的N×M维多普勒-距离数据为XN×M,然后根据第一门限预判,将获得的完整多普勒-距离域数据取模并与第一虚警门限η1比较,保留大于门限的数据而将小于该门限的数据置零;经过上述处理后得到的连续K帧多普勒-距离数据矩阵:为动态规划算法一次积累的一组数据,再根据模糊数范围h=1,…,H,复制该组数据,同时调整多普勒维坐标值,调整规则按模糊数序号为h的那组数据的多普勒维坐标调整为(h-1)Fprf:hFprf;接着分别对每一个模糊数的一组数据运行动态规划算法,获得相应的值函数积累结果:h=1,…,H,和目标运动状态矩阵最后联合所有模糊数的值函数结果,找出H个值函数平面中的最大值并记为再将该最大值与第二虚警门限η2进行比较,由比较结果宣判检测结果:大于门限则宣判检测到目标,反之则宣判没有目标;当检测结果为有目标时,结合对应的目标运动状态矩阵提取目标运动轨迹和加速度,再通过最大值函数在上述矩阵中的坐标和对应的模糊数估计目标速度将上述目标检测结果和目标状态估计值输送到终端显示;其中,XN×M为第一门限预判后的多普勒-距离数据,Fprf为脉 冲重复频率,D为最大不模糊径向速度,H为最大速度模糊数,δv为速度分辨率,m、n、h为自然数。
本发明相比于现有技术具有如下有益效果。
本发明结合火炮类目标具有径向来袭的特点,将动态规划算法应用到快速火炮类微弱目标检测上,通过帧间积累提高回波信噪比,可以达到检测低可观测目标的目的。
本发明针对目标的径向来袭特点,分别在方位向和不同模糊数对应的速度向上并行运用改进的动态规划算法,将多普勒-距离-方位三维数据空间上的搜索问题简化为多个方位上的多普勒-距离二维空间上的搜索问题,降低了算法复杂度;本发明还在动态规划算法之前加入了门限预判,减小了算法计算量。上述措施缩短了雷达***反应时间,解决了近程快速目标制约TBD技术应用的问题;
本发明将改进的动态规划算法应用到了多普勒-距离域,不需要目标距离、速度和加速度的先验信息,因而能处理弱机动性的非合作目标。
本发明对目标所有可能模糊数进行回波数据复制,解决了速度模糊问题,实现了目标速度、运动轨迹和加速度的正确估计。
本发明适用于近程快速来袭微弱目标的提前发现和快速微弱目标的检测。
附图说明
图1所示为本发明检测空间高速弱小运动目标的原理示意图。
图2所示为一帧回波数据的存储格式示意图。
图3所示为本发明不同速度模糊数对应的回波数据格式示意图。
图2中:横坐标代表距离向,M代表回波距离单元个数,纵坐标代表慢时间维,N表示雷达在一次相干脉冲间隔内发射的脉冲个数。
具体实施方式
参阅图1。为了方便描述本发明的内容,首先作以下技术术语定义:
定义1检测前跟踪。在雷达***中,检测前跟踪是指雷达在获得多个扫描周期的回波数据后,对所有可能路径包含的点作几乎没有信息损失的相关处理,实现对目标能量的积累,从而估计出目标的运动轨迹,同时宣布检测结果。
定义2一帧数据。一帧数据为雷达天线一次扫描中目标相干脉冲串回波数据。
定义3雷达天线扫描周期。雷达天线扫描周期是指雷达对整个监视区域完成一次完整的扫 描所用的时间。
定义4相干处理时间。雷达相干脉冲串所驻留的时间。
定义5慢时间-距离二维数据矩阵。慢时间-距离二维数据矩阵的行代表距离向;矩阵的列代表慢时间维,即相干脉冲个数。假设雷达在一个波位连续发射N个脉冲,每个脉冲回波处理M个距离单元,则一个雷达扫描周期内对雷达回波为N行M列的二维矩阵XN×M,如图1所示。
定义6距离单元。在雷达***中,将雷达测距的范围划分成若干小的区域并将其编号,雷达根据回波信号落入的区域编号计算目标与雷达之间的距离。
定义7动态规划算法。动态规划算法是运筹学的一个分支,是求解决策过程最优化的数学方法。它的主要思想是将高维优化问题转化为多个一维优化问题,对优化问题的分级处理大大降低计算量。
定义8虚警门限。虚警门限为雷达***中的参数,当统计值超过虚警门限时雷达报告发现目标。虚警门限值一般由虚警概率计算得到。
定义9信噪比。信噪比是指信号的功率与环境噪声功率的比值。
定义10脉冲压缩。脉冲压缩是将调制的宽脉冲信号,进行匹配滤波,获得窄脉冲信号,压缩后的脉冲宽度约为信号带宽的倒数。详见“吴顺君,梅晓春等.雷达信号处理和数据处理技术.电子工业出版社2007”。
定义11雷达***中的多普勒频率。在雷达***中,多普勒频率是衡量目标相对于雷达的径向速度。当在雷达发射信号波长进行确定时,目标多普勒频率与目标相对于雷达径向速度成线性关系:fd=2vr/λ,其中,fd为多普勒速度,vr为目标径向速度,λ为雷达发射信号波长。详见文献“丁鹭飞,耿富录.雷达原理(第三版).西安电子科技大学出版社2009.8”。
定义12:目标运动状态存储矩阵是记录第h个速度模糊数对应的一组K积累数据在动态规划算法前向搜索区域中目标的加速度和坐标,并用于恢复目标航迹和运动状态的矩阵,其维数为3×N×M×(K-1);记录的是第h组积累数据的前k帧数据积累后值函数 中坐标为(n,m)的数据在中搜索到的目标的加速度值和坐标值。
根据本发明,在脉冲多普勒雷达体制下,雷达信号处理***对各方位的回波并行运行改进的动态规划算法,即对每一个方位的回波顺序执行以下步骤:把一帧原始慢时间-距离域回波数据变换到多普勒-距离域,先对每个脉冲分别进行脉冲压缩,得到各个脉冲的距离向数据, 再将脉冲压缩后的每个距离单元慢时间维信号做傅立叶变换得到多普勒信息;然后将获得的完整多普勒-距离域数据取模并与第一虚警门限η1比较,保留大于门限的数据而将小于该门限的数据置零;经过上述处理后的连续K帧多普勒-距离数据矩阵:为动态规划算法一次积累的一组数据;再根据模糊数范围h=1,…,H复制该组数据,同时调整模糊数序号为h的那组数据的多普勒维坐标为(h-1)Fprf:hFprf;接着分别对每一个模糊数的一组数据运行动态规划算法,获得相应的值函数积累结果:h=1,…,H,和目标的运动状态矩阵然后联合所有模糊数的值函数结果搜索其中的最大值记为:并将该最大值与第二虚警门限η2比较,由比较结果宣判检测结果:大于门限则宣判检测到目标,反之则宣判没有目标;当检测结果为有目标时,结合对应的目标运动状态矩阵提取目标运动轨迹和加速度,再通过最大值在的坐标和对应的模糊数估计目标速度将上述目标检测结果和目标状态估计值输送到终端显示。其中,XN×M为第一门限预判后的多普勒-距离数据,Fprf为脉冲重复频率,D为最大不模糊径向速度,H为最大速度模糊数,δv为速度分辨率,m、n、h为自然数。
本发明主要采用计算机仿真的方法进行验证,所有步骤、结论都在MATLAB-R2010b上验证正确,仿真采用蒙特卡洛方法获得检测曲线。所描述的检测快速火炮类微弱目标的方法具体包括如下步骤:
步骤1、相关参数的初始化。初始化参数包括:雷达发射线性调频信号和发射脉冲参数。发射脉冲的具体参数包括:载频Fc,带宽B,时宽Tp,调频斜率γ,雷达扫描周期T,雷达脉冲重复频率为Fprf,雷达的距离分辨率δr。动态规划一次积累的雷达回波数据帧数为K,K帧回波数据中的第k帧回波数据为雷达在距离向上的采样频率为Fs,雷达在距离向上的采样点数为M,雷达相参处理的脉冲个数为N。根据目标的运动特性可知目标运动速度的上下限分别为Vmin和Vmax。目标在飞行过程中具有弱机动性,假设其最大径向加速度为amax;第一虚警概率Pfa1,第二虚警概率Pfa2;动态规划搜索区域为qr×qv的矩形区域;C为光速。载频Fc=9GHZ,带宽B=2MHZ,时宽Tp=20μs,雷达扫描周期T=0.3s。雷达脉冲重复频率 为Fprf=16KHZ,所对应的最大不模糊径向速度为D;雷达的距离分辨率δr=75m;仿真假设目标在2-7km内,雷达在距离向上的采样点数为M=68;雷达相参处理的脉冲个数为N=64;根据目标(火箭炮、火炮炮弹、迫击炮弹、精确制导炸弹等)的运动特性(假设目标速度为3马赫左右,加速度在10m/s2以内)可将目标运动速度的上下限分别设为Vmin=0和Vmax=1000m/s,最大径向加速度为amax=10m/s2;一次动态规划处理的数据帧数为K=6,6帧回波数据中的第k帧记为第一虚警概率Pfa1=10-1,第二虚警概率Pfa2=10-4;动态规划搜索区域为qr×qv=3×3的矩形区域(等效于算法允许的目标加速度范围为-12:12m/s2);C=3×108m/s2;仿真背景噪声为复高斯白噪声,其均值为零,方差为1。
步骤2、计算其它参数信息:考虑目标径向运动信息,目标速度满足Vmin≤V≤Vmax,由该速度模糊数范围计算最大模糊数为最大不模糊速度为雷达多普勒分辨单元为速度分辨单元为假设背景噪声为均值为零、方差为σ2的复高斯白噪声,雷达第一、二门限分别计算为根据上述目标速度满足Vmin≤V≤Vmax的范围计算最大模糊数为最大不模糊速度为 雷达多普勒分辨单元为速度分辨单元为 若设背景噪声为均值为零、方差为σ2=1的复高斯白噪声,雷达第一、二门限分别计算为 目标径向速度668m/s(600-1000m/s随机生成)。雷达信号处理***分别对每一方位向的回波数据顺序执行以下的步骤3-5;
步骤3、信号处理***将接收到的每一帧原始回波数据变换到多普勒-距离域,首先对每一个脉冲回波进行脉冲压缩;然后将脉冲压缩后的回波按距离单元沿慢时间维做傅立叶变换得到多普勒数据,并记获得的N×M维多普勒-距离域数据为XN×M。在仿真中,首先对每一个脉冲回波进行脉冲压缩,再将脉冲压缩后的回波按距离单元沿慢时间维做64点快速傅立叶 变换FFT得到每个距离单元的多普勒信息,并记获得的64×68维多普勒-距离数据为X64×68,转到步骤4;
步骤4、第一门限预判:将步骤3中连续获得的K帧多普勒-距离数据矩阵k=1,…,K取模并将该模值数据矩阵与第一虚警门限η1比较,保留大于门限的数据而将小于该门限的数据置零;预判后的K帧数据矩阵作为动态规划算法一次积累的一组数据顺序存储以备后用。在仿真中,将步骤3中获得的6帧多普勒-距离数据矩阵k=1,…,6取模并将该模值数据矩阵与第一虚警门限2.1460比较,保留大于门限的数据而将小于该门限的数据置零;预判后的6帧数据矩阵作为动态规划算法一次积累的一组数据顺序存储以备后用;转到步骤5;
步骤5、用基础动态规划对数据进行帧间非相参积累;其中动态规划算法分为如下4个小步骤:
参阅图3。步骤5.1、复制数据:将步骤4中预判后的K帧回波数据矩阵复制成H组,对模糊数序号为h的那组数据的多普勒维坐标需要调整为(h-1)Fprf:hFprf,其对应的速度范围为(h-1)D:hD;分别对每一组模糊数进行以下的动态规划算法步骤5.2-5.3。在仿真中,将步骤4中存储的6帧回波数据矩阵复制成4组,按模糊数不同分别调整数据矩阵纵坐标值:h=1,2,3,4对应的速度坐标值范围为:0m/s~266.67m/s,266.67m/s~533.33m/s,533.33m/s~800.00m/s,800.00m/s~1067m/s;分别对每一组模糊数进行以下的动态规划算法步骤5.2-5.3;
步骤5.2、初始化第一帧数据:以速度模糊数为h为例,当k=1时,目标加速度为零,即ak=0,值函数为第一帧数据平面:目标运动状态存储矩阵为3×N×M×(K-1)维,记录的是第k帧数据处理后的值函数中坐标为(n,m)的数据在数据矩阵搜索到的目标的加度和速度、距离坐标值的,转到步骤5.3。在仿真中,以速度模糊数为h为例,当k=1时,目标加速度为零,即ak=0;值函数为第一帧数据平面: 目标运动状态存储矩阵为3×64×68×5维,记录的是第h组的第k帧数据处理后的值函数中坐标为(n,m)的数据在数据矩阵搜索到的目标的加速度值和坐标值,转到步骤5.3;
步骤5.3、循环前向搜索:遍历值函数中大于零的数据:以位置(n,m)为例,根据该点距离单元对应的距离和多普勒单元对应的速度信息预测下一帧的搜索矩形区域中心(n′,m′)k+1:n′k+1=n+ak·PRT,搜索第k+1帧以(n′,m′)k+1为中心的qr×qv矩形区域中的最大数值,记该值对应的坐标为(n,m)k+1;然后需要进行三个操作,更新值函数: 估计目标加速度:ak+1=v(nk+1)-v(n);存储目标运动状态:当遍历完原值函数平面中的所有非零值时,数据矩阵的信息已经提取并存储,该数据可丢弃。令k=k+1,循环执行该步骤直到k=K;结束并行操作并转到步骤5.4。在仿真中,循环前向搜索需要遍历值函数中大于零的数据:以位置(n,m)为例,根据该点距离单元对应的距离和多普勒单元对应的速度信息预测下一帧的搜索矩形区域中心(n′,m′)k+1:n′k+1=n+ak·62.5×10-3,搜索第k+1帧以(n′,m′)k+1为中心的3×3矩形区域中最大数值,记该值对应的坐标为(n,m)k+1;然后需要进行三个操作,更新值函数: 估计目标加速度:ak+1=v(nk+1)-v(n);存储目标运动状态:当遍历完原值函数平面中的所有非零值时,数据矩阵的信息已经提取并存储,该数据可丢弃。令k=k+1,循环执行该步骤直到k=6,结束并行操作并转到步骤5.4;
步骤5.4、宣判结果:利用步骤5.3输出的H个值函数数据平面:取出最大值 与第二虚警门限比较,若大于第二门限,则宣判有目标,同时根据该最大值在值函数中坐标从目标运动状态矩阵中提取目标运动轨迹和加速度,目标速度估计值为: 在仿真中,利用步骤5.3输出的4个值函数数据平面: 取出最大值与第二虚警门限比较,若小于第二门限则宣判没有目标,若大于第二门限,则宣判有目标,同时根据该最大值在值函数中坐标从目标运动状态矩阵中提取目标运动轨迹和加速度,目标速度估计值为:
由上述具体实施可以看出,本发明并行应用改进的动态规划算法对多帧多普勒-距离域数据进行联合处理。通过仿真可以得到通过6帧回波数据联合处理,在检测概率为0.9时,该方法比传统单帧处理方法信噪比有大约2.3dB的改善。与现有的动态规划算法相比,本发明提供的改进动态规划算法大大减小了计算量和降低了计算复杂度,缩短了雷达***的反应时间。另外,本发明通过复制数据遍历了目标速度范围,解决了目标速度高度模糊问题,并正确估计了目标速度。
Claims (10)
1.一种检测快速火炮类微弱目标的方法,其特征在于包括如下步骤:信号处理***接收某一方位上的N个脉冲、M个距离单元的数据并定义为一帧回波数据,动态规划一次积累的雷达回波数据帧数为K,动态规划算法帧间积累时前向搜索区域为qr×qv个数据单元的矩形区域;在脉冲多普勒雷达体制下,信号处理***对各方位上接收的回波并行运行改进的动态规划算法,首先把一帧原始慢时间-距离域回波数据变换到多普勒-距离域,对每一个脉冲回波进行脉冲压缩,再将脉冲压缩后的回波按距离单元沿慢时间维做N点快速傅立叶变换FFT得到每个距离单元的多普勒信息,并记获得的N×M维多普勒-距离数据为XN×M;然后进行第一门限预判,将获得的完整多普勒-距离数据取模并与第一虚警门限η1比较,保留大于门限的数据而将小于该门限的数据置零;经过上述处理后得到的连续K帧多普勒-距离域数据矩阵: 为动态规划算法一次积累的一组数据,再根据模糊数范围h=1,…,H,复制H份该组数据,同时调整这些数据的多普勒维坐标值,调整规则为模糊数序号为h的那组数据的多普勒维坐标调整为(h-1)Fprf:hFprf;接着分别对每一个模糊数的一组数据运行动态规划算法,获得相应的值函数积累结果:h=1,…,H,和目标运动状态矩阵最后联合所有模糊数的H个值函数结果搜索其中的最大值并记为再将该最大值与第二虚警门限η2进行比较,由比较结果宣判检测结果:大于门限则宣判检测到目标,反之则宣判没有目标;当检测结果为有目标时,结合对应的目标运动状态矩阵提取目标运动轨迹和加速度,再通过最大值函数在上述矩阵中的坐标值和对应的模糊数估计目标速度;将上述目标检测结果和目标状态估计值输送到终端显示;其中,XN×M为第一门限预判后的多普勒-距离数据,Fprf为脉冲重复频率,D为最大不模糊径向速度,H为最大速度模糊数,δv为速度分辨率,m、n、h为自然数。
2.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:信号处理***对各方位的回波并行运行改进的动态规划算法,将常规多普勒-距离-方位三维空间动态规划算法降维处理,仅在各个方位上并行处理多普勒-距离二维数据。
3.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:目标运动状态矩阵 是记录第h个速度模糊数对应的动态规划算法前向搜索区域中目标的加速度和坐标,并用 于恢复目标航迹和运动状态的矩阵,其维数为3×N×M×(K-1);记录的是前k帧积累后值函数中坐标为(n,m)的数据在中搜索到的目标的加速度值和坐标值。
4.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:若设背景噪声为均值为零、方差为σ2的复高斯白噪声,雷达第一、二虚警门限分别计算为
5.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:改进的动态规划是指在基础动态规划算法之前加入第一门限预判的操作,在第一门限预判中,将连续获得的K帧多普勒-距离数据矩阵k=1,…,H,取模并将该模值数据矩阵与第一虚警门限η1比较,保留大于门限的数据而将小于该门限的数据置零,运行动态规划时只对预判后数据中的非零数值进行前向搜索积累,大大减小了计算量。
6.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:动态规划算法遍历目标可能的速度范围,对于快速目标存在速度模糊,需要计算目标的速度模糊数范围,首先计算最大模糊数为其中ceil(·)表示向上取整数,最大不模糊速度为雷达多普勒分辨单元为速度分辨单元为
7.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:根据速度模糊数范围:k=1,…,H,将预判后的K帧回波数据矩阵复制成H组,调整模糊数序号为h的那组数据的多普勒维坐标为(h-1)Fprf:hFprf,其对应的速度范围为(h-1)D:hD,分别对每一个速度模糊数对应的一组数据运行基础动态规划算法。
8.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:在动态规划算法的前向搜索中,遍历值函数中所有大于零的数据,根据位置(n,m)点距离单元对应的距离和多普勒单元对应的速度信息预测下一帧的搜索矩形区域中心(n′,m′)k+1:n′k+1=n+ak·PRT, 。
9.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:搜索第k+1帧以 (n′,m′)k+1为中心的qr×qv矩形区域中的最大数值,记该值对应的坐标为(n,m)k+1;然后进行三个操作:更新值函数,使估计目标加速度ak+1=v(nk+1)-v(n),存储目标运动状态当遍历完原值函数平面中的所有非零值时,数据矩阵的信息已经提取并存储,该数据可丢弃。
10.如权利要求1所述的检测快速火炮类微弱目标的方法,其特征在于:在宣判检测结果的同时给出目标状态估计值,利用动态规划算法K帧数据积累后的H个值函数数据,取出最大值 与第二虚警门限比较,若小于第二门限,则宣判没有目标,若大于第二门限,则宣判有目标,同时根据该最大值在值函数中坐标从目标运动状态矩阵中提取目标运动轨迹和加速度,目标速度估计值为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515775.2A CN104459661B (zh) | 2014-09-29 | 2014-09-29 | 检测快速火炮类微弱目标的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410515775.2A CN104459661B (zh) | 2014-09-29 | 2014-09-29 | 检测快速火炮类微弱目标的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104459661A true CN104459661A (zh) | 2015-03-25 |
CN104459661B CN104459661B (zh) | 2017-04-26 |
Family
ID=52906014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410515775.2A Active CN104459661B (zh) | 2014-09-29 | 2014-09-29 | 检测快速火炮类微弱目标的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104459661B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931952A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 一种基于多帧联合的运动目标航迹的雷达检测方法 |
CN110208766A (zh) * | 2019-05-31 | 2019-09-06 | 零八一电子集团有限公司 | 海面漂浮类微弱目标检测方法 |
CN110907929A (zh) * | 2019-11-29 | 2020-03-24 | 成都纳雷科技有限公司 | 一种基于双门限检测的车载雷达目标检测方法及装置 |
CN111427021A (zh) * | 2020-04-16 | 2020-07-17 | 北京遥感设备研究所 | 车载毫米波雷达信号峰值检测的动态阈值计算方法及*** |
CN112462341A (zh) * | 2020-10-20 | 2021-03-09 | 西南石油大学 | 一种基于多脉冲积累的小型旋翼无人机目标检测方法 |
CN112485783A (zh) * | 2020-09-29 | 2021-03-12 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN116224280A (zh) * | 2023-05-10 | 2023-06-06 | 南京隼眼电子科技有限公司 | 雷达目标检测方法、装置、雷达设备及存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7450057B2 (en) * | 2006-10-20 | 2008-11-11 | Northrop Grumman Space & Missions Systems Corp. | Signal processing for accelerating moving targets |
CN102279399B (zh) * | 2009-12-25 | 2012-11-21 | 中国科学院声学研究所 | 一种基于动态规划的微弱目标频谱跟踪方法 |
CN102313884B (zh) * | 2010-06-29 | 2013-02-13 | 电子科技大学 | 一种基于多帧相参积累的目标检测前跟踪方法 |
CN102073043B (zh) * | 2010-11-04 | 2013-02-13 | 电子科技大学 | 一种多帧相参积累目标检测前跟踪方法 |
-
2014
- 2014-09-29 CN CN201410515775.2A patent/CN104459661B/zh active Active
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104931952A (zh) * | 2015-06-26 | 2015-09-23 | 西安电子科技大学 | 一种基于多帧联合的运动目标航迹的雷达检测方法 |
CN110208766A (zh) * | 2019-05-31 | 2019-09-06 | 零八一电子集团有限公司 | 海面漂浮类微弱目标检测方法 |
CN110208766B (zh) * | 2019-05-31 | 2023-03-24 | 零八一电子集团有限公司 | 海面漂浮类微弱目标检测方法 |
CN110907929A (zh) * | 2019-11-29 | 2020-03-24 | 成都纳雷科技有限公司 | 一种基于双门限检测的车载雷达目标检测方法及装置 |
CN110907929B (zh) * | 2019-11-29 | 2022-12-09 | 成都纳雷科技有限公司 | 一种基于双门限检测的车载雷达目标检测方法及装置 |
CN111427021A (zh) * | 2020-04-16 | 2020-07-17 | 北京遥感设备研究所 | 车载毫米波雷达信号峰值检测的动态阈值计算方法及*** |
CN112485783A (zh) * | 2020-09-29 | 2021-03-12 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN112485783B (zh) * | 2020-09-29 | 2024-05-10 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN112462341A (zh) * | 2020-10-20 | 2021-03-09 | 西南石油大学 | 一种基于多脉冲积累的小型旋翼无人机目标检测方法 |
CN112462341B (zh) * | 2020-10-20 | 2022-06-17 | 西南石油大学 | 一种基于多脉冲积累的小型旋翼无人机目标检测方法 |
CN116224280A (zh) * | 2023-05-10 | 2023-06-06 | 南京隼眼电子科技有限公司 | 雷达目标检测方法、装置、雷达设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104459661B (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104459661A (zh) | 检测快速火炮类微弱目标的方法 | |
CN104076355B (zh) | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 | |
CN102608590B (zh) | 一种基于动态规划和后像投影算法的相参积累方法 | |
CN103885057A (zh) | 自适应变滑窗多目标跟踪方法 | |
CN107861123B (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 | |
CN103513244A (zh) | 一种基于动态规划的多帧相参积累目标检测前跟踪方法 | |
CN104215959B (zh) | 一种多机动目标径向初速度和径向加速度的估计方法 | |
CN106772352A (zh) | 一种基于Hough和粒子滤波的PD雷达扩展微弱目标检测方法 | |
CN106383340A (zh) | 一种随机脉冲初始相位雷达的速度假目标识别方法 | |
CN105447867B (zh) | 基于isar图像的空间目标姿态估计方法 | |
EP3417311B1 (en) | A method for motion classification using a pulsed radar system | |
CN104867163A (zh) | 一种传递边缘分布的测量驱动目标跟踪方法与跟踪*** | |
CN107356922A (zh) | 一种扩表辅助法解模糊的多重频雷达目标检测前跟踪方法 | |
CN106021697A (zh) | 一种快速相控阵雷达时间-能量资源联合管理方法 | |
CN109655802A (zh) | 一种基于clean算法的多目标粒子群长时间积累检测方法 | |
CN105301584A (zh) | 同时解距离模糊的ipphdf机动多目标跟踪方法 | |
CN110398730A (zh) | 基于坐标旋转和非均匀傅里叶变换机动目标相参检测方法 | |
CN104375128B (zh) | 一种基于互相关函数的高机动目标快速积累检测方法 | |
CN112505682A (zh) | 弹载雷达多目标航迹起始关联方法、电子设备及存储介质 | |
Xia et al. | Extended object tracking with automotive radar using learned structural measurement model | |
Arasaratnam et al. | Tracking the mode of operation of multi-function radars | |
CN104535977A (zh) | 一种基于gsm信号的雷达目标探测方法 | |
CN105549004A (zh) | 解距离测量模糊的impm-pphdf方法 | |
Yang et al. | A portable traffic counting, speed estimation, and classification terminal using IR-UWB radar | |
Zhang et al. | Adaptive Gaussian mixture probability hypothesis density for tracking multiple targets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |