CN108761418B - 一种基于微多普勒特征的雷达多径目标剔除方法 - Google Patents
一种基于微多普勒特征的雷达多径目标剔除方法 Download PDFInfo
- Publication number
- CN108761418B CN108761418B CN201810594019.1A CN201810594019A CN108761418B CN 108761418 B CN108761418 B CN 108761418B CN 201810594019 A CN201810594019 A CN 201810594019A CN 108761418 B CN108761418 B CN 108761418B
- Authority
- CN
- China
- Prior art keywords
- target
- targets
- doppler
- micro
- 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.)
- Active
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
- G01S7/41—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
- G01S7/412—Identification of targets based on measurements of radar reflectivity based on a comparison between measured values and known or stored values
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
本发明公开一种基于微多普勒特征的雷达多径目标剔除方法,步骤包括:S1.雷达进行目标检测时,分别提取雷达检测到的所有目标的微多普勒特征;S2.比较各目标对应的微多普勒特征之间的相似性,若存在两个目标的微多普勒特征为相似,判定该两个目标中存在多径目标,并获取该两个目标的参数进行比较以查找到其中的多径目标;S3.剔除步骤S2查找到的所有多径目标,得到最终的雷达目标检测结果。本发明能够剔除雷达检测中的多径虚假目标,且具有实现操作简单、成本低、剔除效率及精度高等优点。
Description
技术领域
本发明涉及雷达目标检测技术领域,尤其涉及一种基于微多普勒特征的雷达多径目标剔除方法。
背景技术
利用雷达进行目标检测时,由雷达发射机先向空间发射具有一定带宽的电磁波信号,电磁波到达被检测目标后,目标会将该信号散射到空间各个方向,一部分信号沿发射信号路径直接回到雷达接收机,雷达接收机再根据发射信号和接收信号的波程差,通过一定的信号处理方法提取目标的距离、速度、方位等信息。如图1所示,若目标所在环境存在围墙、高楼以及金属体等强反射体,被目标散射出的电磁波信号极易遇到强发射体产生二次及多次散射后再被雷达接收机接收,由于多次散射后的回波信号与真实目标回波信号波程差不一致,便会产生多径虚假目标。多径目标会使得***产生虚警,甚至干扰真实目标的检测,致使雷达产生误判,严重影响雷达***的目标跟踪性能,必须对雷达检测中的多径目标进行剔除处理。
多径目标通常具有与真实目标类似的回波特征,一般使用信号处理方法难以剔除,因而目前为了减少多径效应,雷达***通常要求其监视场景中的强反射体尽量少,同时在满足雷达***测量指标的前提下尽量减小发射功率,以减弱被多次散射的信号强度,达到减少多径的目的,但是该类方法只能有限减少多径目标的产生,无法从根本上解决多径目标干扰问题,对于已经产生的多径目标无法进行有效的消除,同时也限制了雷达的适用性,降低了雷达的探测性能。为解决上述问题,有从业者提出利用多径目标的分布特征以查找出多径目标如利用多径目标与真实目标之间距离小、且多径目标的幅值较小的特性,实现多径目标消除,但是该类方法通常实现非常复杂,需依赖于复杂的数据处理过程,且如基于幅值的大小非常容易产生误判而影响真实目标。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现操作简单、成本低、剔除效率及精度高的基于微多普勒特征的雷达多径目标剔除方法。
为解决上述技术问题,本发明提出的技术方案为:
一种基于微多普勒特征的雷达多径目标剔除方法,步骤包括:
S1.微多普勒特征提取:雷达进行目标检测时,分别提取雷达检测到的所有目标的微多普勒特征;
S2.多径目标查找:比较各目标对应的所述微多普勒特征之间的相似性,若存在两个目标的所述微多普勒特征为相似,判定该两个目标中存在多径目标,并获取该两个目标的参数进行比较以查找到其中的多径目标;
S3.多径目标剔除:剔除所述步骤S2查找到的所有多径目标,得到最终的雷达目标检测结果。
作为本发明的进一步改进:所述步骤S1中具体对雷达回波信号进行二维FFT变换,以得到目标对应的微多普勒特征。
作为本发明的进一步改进,所述步骤S1的具体步骤为:
S11.通过雷达每次发射M个连续调频信号,雷达接收各个调频信号的回波信号时对每个调频信号采样N点,即每次接收M×N点数据,并对接收到的数据进行二维FFT,得到M×N大小的数据矩阵,其中N对应距离维,M对应多普勒维;
S12.对所述数据矩阵的距离维进行目标检测,得到各个目标所在的距离单元n1,n2,…,nK,其中K为检测到的目标的数量,且K<N;
S13.从所述数据矩阵中获取各个目标对应的数据,得到各目标对应的微多普勒特征Xi,构成多普勒特征向量X1,X2,…,XK,每个向量的维度为1×M。
作为本发明的进一步改进:所述步骤S1中具体使用恒虚警检测算法进行目标检测。
作为本发明的进一步改进:所述步骤S2中具体通过比较两个目标的微多普勒特征的统计特征值,判定该两个目标的微多普勒特征的相似性。
作为本发明的进一步改进,具体通过计算两个目标的微多普勒特征的自相关值以及互相关值,根据所述自相关值与互相关值之间的差值,判定该两个目标的微多普勒特征的相似性。
作为本发明的进一步改进,所述步骤S2中比较各目标对应的所述微多普勒特征之间的相似性的具体步骤为:
S23.判断是否存在两个特征的所述自相关值、互相关值之间的差值小于预设阈值,如果存在,则判定对应的两个目标的微多普勒特征为相似。
作为本发明的进一步改进:所述步骤S2中具体通过计算两个目标的微多普勒特征之间的相似度值,若计算到的相似度值大于指定阈值时,判定该两个目标的微多普勒特征为相似。
作为本发明的进一步改进:所述步骤S2中根据两个目标的测量距离查找到其中的多径目标,具体将两个目标中测量距离较远的目标确定为所需查找的多径目标。
作为本发明的进一步改进:所述雷达采用基于脉冲多普勒调制的线性调频连续波体制发射信号。
与现有技术相比,本发明的优点在于:
1)本发明基于微多普勒特征的雷达多径目标剔除方法,利用多径目标与真实目标之间微多普勒特征的相似特性,通过雷达进行目标检测时提取包括多径目标的所有目标的微多普勒特征,由各目标之间微多普勒特征的相似性查找出存在的多径目标,能够结合微多普勒特性使用信号处理方法快速、精确的查找出雷达多径目标,实现雷达多径目标的有效剔除,能够减少大部分多径目标,提高雷达的抗多径能力而不影响雷达的性能,也无需复杂的数据处理过程。
2)本发明基于微多普勒特征的雷达多径目标剔除方法,利用真实目标和多径目标之间的微多普勒特征存在相似性特性,利用两个目标的微多普勒特征的统计特征值判定相似性,能够保证判定精度,同时进一步降低数据处理复杂度以及效率。
3)本发明基于微多普勒特征的雷达多径目标剔除方法,进一步利用如果两个目标是真实目标和多径目标,则对应的微多普勒特征的自相关结果与互相关结果也应当相似的特性,通过计算两个目标的微多普勒特征之间自相关值与互相关值之间的差值,基于该差值可快速的判断出两个目标的微多普勒特征是否相似,实现多径目标的高效、精确定位。
4)本发明基于微多普勒特征的雷达多径目标剔除方法,基于多径目标与真实目标之间测量距离之间的关系特性,进一步结合测量距离查找出所需的多径目标,若确定两个目标中一个为真实目标、另一个为多径目标,比较两个目标的测量距离,判断测量距离较远的即为所需查找的多径目标,定位方法简单且有效。
附图说明
图1是多径目标产生的原理示意图。
图2是本实施例基于微多普勒特征的雷达多径目标剔除方法的实现流程示意图。
图3是本实施例实现多径目标剔除的详细流程示意图。
图4是本发明具体实施例中得到的多普勒特征向量的结果示意图。
图5是本发明具体实施例中得到的自相关与互相关结果示意图。
图6本发明具体实施例中得到的自相关与互相关差值的结果示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图2、3所示,本实施例基于微多普勒特征的雷达多径目标剔除方法,步骤包括:
S1.微多普勒特征提取:雷达进行目标检测时,分别提取雷达检测到的所有目标的微多普勒特征;
S2.多径目标查找:比较各目标对应的微多普勒特征之间的相似性,若存在两个目标的微多普勒特征为相似,判定该两个目标中存在多径目标,并获取该两个目标的参数进行比较以查找到其中的多径目标;
S3.多径目标剔除:剔除步骤S2查找到的所有多径目标,得到最终的雷达目标检测结果。
微多普勒特征是由真实目标的不同部位的运动特征形成的,不同目标会形成不同的特征,而多径目标是真实目标的反射信号经过多次反射回到雷达接收机形成的,因而多径目标与真实目标的距离、方位等信息不同,但是多径目标的微多普勒特征与真实目标却是相关或类似的。本实施例利用多径目标与真实目标之间微多普勒特征的上述相似特性,通过雷达进行目标检测时提取包括多径目标的所有目标的微多普勒特征,由各目标之间微多普勒特征的相似性查找出存在的多径目标,能够结合微多普勒特性使用信号处理方法快速、精确的查找出雷达多径目标,实现雷达多径目标的有效剔除,能够减少大部分多径目标,提高雷达的抗多径能力,且不会影响雷达的性能,也无需复杂的数据处理过程。
雷达***进行目标检测跟踪时,需要对回波信号进行长时间积累,采用傅里叶变换方法即可以获得目标的微多普勒特征,本实施例步骤S1中具体对雷达回波信号进行二维FFT变换,以得到目标对应的微多普勒特征。
本实施例中,雷达具体采用基于脉冲多普勒调制(PD)的线性调频连续波体制(FMCW)发射信号,该体制通过积累多个线性调频脉冲周期,能够更加准确地得到目标的微多普勒特征,从而便于后续进行精确的多径目标剔除,且该类调制波形在信号处理时,能够通过2次FFT变换将距离信息和多普勒信息分离,如对于回波信号做二维FFT变换后,目标距离单元对应的二维FFT数据向量即为多普勒特征向量。
本实施例中,步骤S1的具体步骤为:
S11.通过雷达每次发射M个连续调频信号,雷达接收各个调频信号的回波信号时对每个调频信号采样N点,即每次接收M×N点数据,并对接收到的数据进行二维FFT,得到M×N大小的数据矩阵,其中N对应距离维,M对应多普勒维;
S12.对数据矩阵的距离维进行目标检测,得到各个目标所在的距离单元n1,n2,…,nK,其中K为检测到的目标的数量,且K<N;
S13.从数据矩阵中获取各个目标对应的数据,得到各目标对应的微多普勒特征Xi,构成多普勒特征向量X1,X2,…,XK,每个向量的维度为1×M。
雷达信号通过距离维FFT和多普勒维FFT后,不同目标会在其距离单元对应的多普勒维上形成不同的特征,根据各特征之间的相似性即可判定是否属于同一目标。本实施例首先采用脉冲多普勒调制(PD)的线性调频连续波体制(FMCW)一次完整发射M个连续调频信号,由雷达接收机对每个调频信号采样N点,因而雷达一次完整接收的信号数据大小为M×N点,对该数据做二维FFT得到M×N数据矩阵,利用恒虚警检测算法对数据矩阵距离维进行检测,得到各目标所在距离单元(n1,n2,…,nK),完成目标检测后,再对各目标的微多普勒特征进行分析以查找出所有的多径目标。
本实施例中,步骤S2中具体通过比较两个目标的微多普勒特征的统计特征值,判定该两个目标的微多普勒特征的相似性。如上所述,真实目标和多径目标之间的微多普勒特征存在相似性特性,则如果两个目标分别是真实目标和多径目标,则两者对应的微多普勒特征的统计特征值也应当相似,而不同目标的多普勒特征不具有相似性,其统计特征值也应当相差较大,本实施例利用上述特性判断两个目标是不是相关的真实目标与多径目标,通过比较两个目标的微多普勒特征的统计特征值判定相似性,进而确定是否存在多径目标,能够保证判定精度,同时进一步降低数据处理复杂度以及效率。
本实施例中,具体通过计算两个目标的微多普勒特征的自相关值以及互相关值,根据自相关值与互相关值之间的差值,判定该两个目标的微多普勒特征的相似性。如果两个目标是真实目标和多径目标,则对应的微多普勒特征的自相关结果与互相关结果也应当相似,两者之间的差值应该很小,本实施例具体通过计算两个目标的微多普勒特征之间自相关值与互相关值之间的差值,基于该差值可快速的判断出两个目标的微多普勒特征是否相似。
假设从前端雷达信号处理中得到的真实目标多普勒维特征向量XR、多径目标多普勒特征向量Xm,将各特征向量取模并归一化后得到和然后计算真实目标的自相关值以及真实目标和多径目标的互相关量将自相关量互相关量归一化后计算两者之间的差值,由于多径目标为真实目标反射得到,归一化后自相关量、互相关量的差值应当较小,而不同目标的多普勒特征不具有相似性,归一化后自相关量、互相关量的差值应当较大,则在计算得到归一化自相关量、互相关量的差值后,将该差值的最大值与预设门限值ΔD进行比较,即可判定是否相似,以确定两个目标中是否存在多径目标。步骤S2中比较各目标对应的微多普勒特征之间的相似性的具体步骤为:
S21.获取由各个目标对应的微多普勒特征构成的多普勒特征向量X1,X2,…,XK,每个向量的维度是1×M,进行取模运算后得到模特征向量|X1|,|X2|,…,|XK|,经过归一化后得到归一化模特征向量
S23.判断是否存在两个特征的自相关值、互相关值之间的差值小于预设阈值,如果存在,则判定对应的两个目标的微多普勒特征为相似。
本实施例具体首先从二维FFT数据矩阵中,取出各个目标对应的多普勒特征向量(X1,X2,…,XK),每个向量的维度是1×M,由于此时特征向量为复信号,需要先将各个特征向量取模运算得到(|X1|,|X2|,…,|XK|),再进行归一化,归一化即除以该特征向量的最大模值,即得到了归一化的模特征向量
其中m∈[1,M]。
得到自相关量Yii、互相关向量Yij后,分别按式(3)、(4):
归一化后最大相关值为1,计算Yii与Yij的绝对值差值为:
ΔYij=|Yii-Yij| (5)
绝对差值ΔYij的取值范围为[0,1],如果两个目标是真实目标和多径目标,归一化微多普勒特征向量与的自相关结果和互相关结果应该也是相似的,自相关结果和互相关结果的差值最大值应该小于门限值ΔD;反之如果两个目标是两个不相关的真实目标,则两者的微多普勒特征向量没有相似性,自相关结果和互相关结果之间不具有相似性,自相关结果和互相关结果的差值的最大值应该大于门限值ΔD。即如果绝对差值ΔYij小于门限值ΔD,判定该两个目标中其中一个为多径目标,否则不存在多径目标。
当然在其他实施例中,步骤S2中也可以通过其他方法判定两个目标的微多普勒特征之间的相似性,如计算两个目标的微多普勒特征之间的相似度值,若计算到的相似度值大于指定阈值时,判定该两个目标的微多普勒特征为相似。
在确定两个目标中存在一个为多径目标后,需要进一步依据两个目标的参数查找出其中多径目标。本实施例中,步骤S2中具体根据两个目标的测量距离查找到其中的多径目标,其中测量距离较远的对应为所需查找的多径目标。
如图1所示,根据多径反射原理,若i表示真实目标,j表示真实目标,则真实目标的测量距离Ri为:
Ri=2R (5)
多径目标的测量距离Rj为:
Rj=R+M1+M2
根据三角形的性质,有:
M1+M2>R (6)
可以得出:Rj>Ri,即多径目标的测量距离始终要大于真实目标测量距离。本实施例基于多径目标与真实目标之间的上述特性,进一步结合测量距离查找出所需的多径目标,若确定两个目标中一个为真实目标、另一个为多径目标,比较两个目标的测量距离,判断测量距离较远的即为所需查找的多径目标,可以方便、有效的定位到多径目标,从而实现多径目标的剔除。
以下以具体实施例中利用雷达在多径环境下进行行人探测时实际测量数据,对上述查找多径目标步骤进行进一步说明。
以随机选取的3个目标多普勒特征向量为例进行说明,该3个目标得到的多普勒特征向量如图4所示;分别计算的自相关值Y1、与的互相关值Y2、与的互相关值Y3,得到互相关向量Y1、Y2、Y3后分别进行归一化,归一化结果如图5所示;分别计算互相关向量Y2、Y3与自相关向量Y1的绝对值差值ΔY12、ΔY13,得到的绝对值差值如图6所示,目标1、3得到的相关差值的最大值max(ΔY13)为0.6979,大于差值门限ΔD(具体设为0.5),而目标1、2到的相关差值的最大值max(ΔY12)为0.1689,小于差值门限ΔD,由此判定目标1、2是由真实目标和多径目标组成;同时目标1的距离测量结果为9.42米,目标2的距离测量结果为18.04米,即R2>R1,根据多径目标的测量距离始终要大于真实目标测量距离,判断出R2为多径目标。即通过本发明上述方法,能够很好的区别多径目标,并且不会对真实目标产生影响,具有很好的去除多径目标的效果。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (7)
1.一种基于微多普勒特征的雷达多径目标剔除方法,其特征在于,步骤包括:
S1.微多普勒特征提取:雷达进行目标检测时,分别提取雷达检测到的所有目标的微多普勒特征;
S2.多径目标查找:比较各目标对应的所述微多普勒特征之间的相似性,若存在两个目标的所述微多普勒特征为相似,判定该两个目标中存在多径目标,并获取该两个目标的参数进行比较以查找到其中的多径目标;
S3.多径目标剔除:剔除所述步骤S2查找到的所有多径目标,得到最终的雷达目标检测结果;
所述步骤S2中通过计算两个目标的微多普勒特征的自相关值以及互相关值,根据所述自相关值与互相关值之间的差值,判定该两个目标的微多普勒特征的相似性。
2.根据权利要求1所述的基于微多普勒特征的雷达多径目标剔除方法,其特征在于,所述步骤S1中具体对雷达回波信号进行二维FFT变换,以得到目标对应的微多普勒特征。
3.根据权利要求2所述的基于微多普勒特征的雷达多径目标剔除方法,其特征在于,所述步骤S1的具体步骤为:
S11.通过雷达每次发射M个连续调频信号,雷达接收各个调频信号的回波信号时对每个调频信号采样N点,即每次接收M×N点数据,并对接收到的数据进行二维FFT,得到M×N大小的数据矩阵,其中N对应距离维,M对应多普勒维;
S12.对所述数据矩阵的距离维进行目标检测,得到各个目标所在的距离单元n1,n2,…,nK,其中K为检测到的目标的数量,且K<N;
S13.从所述数据矩阵中获取各个目标对应的数据,得到各目标对应的微多普勒特征Xi,构成多普勒特征向量X1,X2,…,XK,每个向量的维度为1×M。
4.根据权利要求3所述的基于微多普勒特征的雷达多径目标剔除方法,其特征在于,所述步骤S1中具体使用恒虚警检测算法进行目标检测。
5.根据权利要求1所述的基于微多普勒特征的雷达多径目标剔除方法,其特征在于,所述步骤S2中比较各目标对应的所述微多普勒特征之间的相似性的具体步骤为:
S23.判断是否存在两个特征的所述自相关值、互相关值之间的差值小于预设阈值,如果存在,则判定对应的两个目标的微多普勒特征为相似。
6.根据权利要求1~4中任意一项所述的基于微多普勒特征的雷达多径目标剔除方法,其特征在于:所述步骤S2中根据两个目标的测量距离查找到其中的多径目标,具体将两个目标中测量距离较远的目标确定为所需查找的多径目标。
7.根据权利要求1~4中任意一项所述的基于微多普勒特征的雷达多径目标剔除方法,其特征在于,所述雷达采用基于脉冲多普勒调制的线性调频连续波体制发射信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810594019.1A CN108761418B (zh) | 2018-06-11 | 2018-06-11 | 一种基于微多普勒特征的雷达多径目标剔除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810594019.1A CN108761418B (zh) | 2018-06-11 | 2018-06-11 | 一种基于微多普勒特征的雷达多径目标剔除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108761418A CN108761418A (zh) | 2018-11-06 |
CN108761418B true CN108761418B (zh) | 2022-06-03 |
Family
ID=64020792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810594019.1A Active CN108761418B (zh) | 2018-06-11 | 2018-06-11 | 一种基于微多普勒特征的雷达多径目标剔除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108761418B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398749B (zh) * | 2019-08-13 | 2024-03-01 | 北京航天光新科技有限公司 | 一种双斜射非对称车载激光测速装置 |
CN110987770B (zh) * | 2019-11-07 | 2022-11-15 | 北京工业大学 | 一种基于激光自混合反馈干涉的单个流动颗粒探测方法及*** |
CN111337897A (zh) * | 2020-04-21 | 2020-06-26 | 湖南红船科技有限公司 | 一种lfmcw雷达快速目标识别方法 |
CN111693963B (zh) * | 2020-06-24 | 2023-09-22 | 艾索信息股份有限公司 | 一种聚心方法 |
CN112673278B (zh) * | 2020-09-10 | 2022-01-11 | 华为技术有限公司 | 基于回波信号的速度探测方法和装置 |
CN112630746B (zh) * | 2020-12-01 | 2023-09-15 | 北京遥感设备研究所 | 一种用于远距目标测量的脉冲多普勒激光雷达 |
CN113009446B (zh) * | 2021-03-02 | 2022-05-03 | 中国科学院空天信息创新研究院 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
CN113009448B (zh) * | 2021-03-09 | 2022-12-06 | 森思泰克河北科技有限公司 | 多径目标的检测方法、装置、设备和存储介质 |
CN113030897B (zh) * | 2021-03-10 | 2022-05-31 | 森思泰克河北科技有限公司 | 基于多径的雷达目标聚类方法、装置、设备和存储介质 |
CN113687342B (zh) * | 2021-07-23 | 2023-08-29 | 西安空间无线电技术研究所 | 一种近距离复杂多径环境下毫米波雷达实时测距方法 |
CN114265057B (zh) * | 2021-11-10 | 2024-04-30 | 西安电子工程研究所 | 基于距离-多普勒二维特征的双目标分离方法 |
CN114159048A (zh) * | 2021-12-06 | 2022-03-11 | 河南牧原智能科技有限公司 | 一种用于对猪群的呼吸频率进行检测的方法和相关产品 |
CN114403848A (zh) * | 2022-01-05 | 2022-04-29 | 河南牧原智能科技有限公司 | 一种动物群体呼吸频率检测的方法、***及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062641A (zh) * | 2014-07-09 | 2014-09-24 | 重庆大学 | 一种ofdm雷达距离像处理的新方法 |
WO2016030656A1 (en) * | 2014-08-28 | 2016-03-03 | Aveillant Limited | Radar system and associated apparatus and methods |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150301167A1 (en) * | 2009-12-18 | 2015-10-22 | Christopher Gary Sentelle | Detection of movable objects |
CN102043148B (zh) * | 2011-01-10 | 2012-08-08 | 西安电子科技大学 | 基于广义匹配滤波的地面运动目标分类方法 |
CN102184382B (zh) * | 2011-04-11 | 2012-12-05 | 西安电子科技大学 | 基于经验模态分解的运动车辆目标分类方法 |
CN104865569B (zh) * | 2015-05-29 | 2017-06-09 | 武汉大学 | 一种基于单频网外辐射源雷达的飞机目标识别方法 |
CN107219523B (zh) * | 2017-05-22 | 2020-03-27 | 电子科技大学 | 一种穿墙雷达三维成像后多目标后墙一次多径抑制方法 |
CN107656255B (zh) * | 2017-10-25 | 2019-10-25 | 中国人民解放军国防科技大学 | 基于多径回波的超宽带雷达动目标二维定位方法 |
-
2018
- 2018-06-11 CN CN201810594019.1A patent/CN108761418B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104062641A (zh) * | 2014-07-09 | 2014-09-24 | 重庆大学 | 一种ofdm雷达距离像处理的新方法 |
WO2016030656A1 (en) * | 2014-08-28 | 2016-03-03 | Aveillant Limited | Radar system and associated apparatus and methods |
Non-Patent Citations (2)
Title |
---|
Analysis and Estimation of Micro-Doppler Effect in Passive Positioning System;Cai Miaohong et al.;《2008 Eighth International Conference on Intelligent Systems Design and Applications》;20081208;第262—265页 * |
自旋目标平动补偿与微多普勒参数估计研究;杨文革等;《装备学院学报》;20160630;第27卷(第3期);第107-112页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108761418A (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108761418B (zh) | 一种基于微多普勒特征的雷达多径目标剔除方法 | |
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN110609262B (zh) | 一种场面监视雷达的三维恒虚警检测方法 | |
CN106383344B (zh) | 基于融合准则的多站雷达运动目标检测方法 | |
CN106291516B (zh) | 一种声呐应答式干扰的剔除方法 | |
US6738021B2 (en) | System and method for detection and feature extraction in passive coherent location applications | |
CN107590468A (zh) | 一种基于多视角目标亮点特征信息融合的探测方法 | |
AU2002314766A1 (en) | System and method for detection and feature extraction in passive coherent location applications | |
CN109782249B (zh) | 一种两目标相关时延估计算法 | |
CN115061113A (zh) | 用于雷达的目标检测模型训练方法、装置及存储介质 | |
JP2929561B2 (ja) | レーダ信号処理装置 | |
JP4779128B2 (ja) | バイスタティックレーダ装置 | |
KR100902560B1 (ko) | 탐색중 추적 레이더의 위협경보 발생장치 및 방법 | |
Wei et al. | Detection and localization of high speed moving targets using a short-range UWB impulse radar | |
JP4994769B2 (ja) | レーダ装置 | |
KR102317246B1 (ko) | 레이다 표적 검출 연산량 감소 방법 및 장치 | |
CN112213697A (zh) | 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法 | |
CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
CN108508413B (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
TW202030496A (zh) | 訊號處理方法 | |
KR101813357B1 (ko) | 수중 고정표적과 클러터 식별을 위한 가변 데이터 맵 및 가변 통계적 특징정보를 적용하는 클러터 제거 방법 및 장치 | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
Yang et al. | Human Intrusion Detection System using mm Wave Radar | |
Hong et al. | Single-channel UWB SAR ground moving targets detection method using change detection based on single-pass sub-aperture images |
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 |