CN112799031A - 一种毫米波仿地雷达数据的杂波抑制方法 - Google Patents
一种毫米波仿地雷达数据的杂波抑制方法 Download PDFInfo
- Publication number
- CN112799031A CN112799031A CN202110344457.4A CN202110344457A CN112799031A CN 112799031 A CN112799031 A CN 112799031A CN 202110344457 A CN202110344457 A CN 202110344457A CN 112799031 A CN112799031 A CN 112799031A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- radar
- flight path
- height
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000001629 suppression Effects 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 238000012163 sequencing technique Methods 0.000 claims abstract description 6
- 230000035559 beat frequency Effects 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims description 19
- 238000003491 array Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
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
本发明公开了一种毫米波仿地雷达数据的杂波抑制方法，包括配置毫米波雷达波形，收发回波信号；对回波信号进行处理，通过差拍频率计算出回波时延，换算成雷达到地面的高度值；对每帧输出当前时刻的所述高度值，形成原始高度数据；对原始高度数据进行航迹判断，得到实际航迹，并推算预测航迹，再将实际航迹与预测航迹关联；设置去噪阈值门限；确定具有去噪阈值门限的滑动窗口，将滑动窗口内数据排序，取排序后的数据中位数作为中心点的新值，滑动窗口移动对每一帧数据进行平滑处理。本发明结构简单，运算速度快，实时性能好，可以滤除与理论值差距过大的异常数据，有效抑制雷达多径现象导致的杂波，已通过实验验证可行性和有效性。
Description
技术领域
本发明属于雷达技术领域，尤其涉及一种毫米波仿地雷达数据的杂波抑制方法。
背景技术
仿地雷达可以辅助无人机在上下起伏的地面或植被上方植保作业时保持固定的高度飞行。它采用毫米波进行测距定高，有着全天时、全天候和作用距离大等优势。但是，雷达受外界电磁环境干扰时可能生成杂波混入雷达信号，导致雷达高度数据出现一些异常值，使得雷达探测的准确性大大降低。因此，杂波抑制是雷达数据处理中很关键的技术，杂波是否完全滤除直接影响着雷达的探测性能。
发明内容
有鉴于此，本发明提出一种能有效抑制杂波的平滑滤波处理技术和航迹关联处理技术。航迹关联处理技术把无人机姿态信息解算的预测航迹和当前时刻的实际航迹互相配对，滤除不符合理论运动轨迹的杂波点。平滑滤波处理技术可查找出明显与理论值差距过大的异常数据并且剔除，并且使用中间值替换被移除的异常值，使得雷达输出的高度值更精确稳定。
本发明公开的一种毫米波仿地雷达数据的杂波抑制方法,包括以下步骤：
配置毫米波雷达波形，收发电磁波采集原始回波信号；
对所述回波信号进行处理，通过差拍频率计算出回波时延，换算成雷达到地面的高度值；
对每帧输出当前时刻的所述高度值，按照一定时间间隔排列形成一组原始高度数据；
对所述原始高度数据进行航迹判断，得到实际航迹，并推算预测航迹，再将所述实际航迹与所述预测航迹关联；
设置合适大小的去噪阈值门限；
确定一个具有所述去噪阈值门限的滑动窗口，将所述滑动窗口内数据排序，取排序后的数据中位数作为中心点的新值，当所述滑动窗口移动时，对每一帧数据进行平滑处理。
进一步的，所述航迹关联处理步骤如下：
根据所述高度数据得到实际航迹，再由无人机姿态信息推算出预测航迹，将实际航迹与预测航迹关联，两者差的绝对值满足一个足够小的值，进入下一步操作，否则将实际航迹中当前帧的高度数据滤除，用预测航迹的高度数据填充。
进一步的，由无人机姿态信息推算出预测航迹的方法包括卡尔曼滤波法或扩展卡尔曼滤波法。
进一步的，所述平滑滤波处理具体包括：
设
为数列的中位数，
为一组数列；
由此可知，n个雷达数据中，只有这个中间位置的数满足d最小，才使得输出的高度曲线变得平滑；
设定所述去噪阈值门限为n，所述滑动窗口中的数据为当前时刻的值和前面已输出的n-1个数，将这n个数进行排序，取中位数替代当前时刻的雷达数据值，滑动窗口移至下一时刻，将下一时刻额雷达数据和前面已输出的n-1个数进行排序，输出中位数并替代下一时刻雷达数据值，以此类推循环遍历每一时刻的雷达数据值，最后得到平滑后雷达数据。
进一步的，所述中位数的计算方法为：
在n个数中，如果数据的个数是奇数，则中间那个数据就是这n个数据的中间数；如果数据的个数是偶数，则中间那2个数据的算术平均值就是这n个数据的中间数。
附图说明
图1为本发明的一种毫米波仿地雷达数据的杂波抑制方法流程图；
图2为本发明的平滑滤波算法对单个异常值滤波前后对比图；
图3为本发明的平滑滤波算法对两个连续异常值滤波前后对比图。
具体实施方式
下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
如图1所示，本发明公开的一种毫米波仿地雷达数据的杂波抑制方法包括以下步骤：
S10：雷达波形配置：
配置毫米波雷达波形，收发电磁波采集原始回波数据；
S20：回波信号处理：
回波信号是发射信号的时延复本，而且回波时延与差拍频率成线性关系，通过差拍频率可以计算出回波时延，最后换算成雷达到地面的高度；
S30：原始高度数据：
每帧输出当前时刻的高度值，形成按照一定的时间间隔排列的一组数据；
S40：航迹关联处理：
根据所述高度数据得到实际航迹，再由无人机姿态信息推算出预测航迹，将实际航迹与预测航迹关联，两者差的绝对值满足一个足够小的值，进入下一步操作，否则将当前数据滤除，用预测航迹的高度数据填充。
本实施例中使用卡尔曼滤波法或扩展卡尔曼滤波法预测航迹。以卡尔曼滤波法为例。
其中， 
和
分别表示k -1 时刻和k时刻的后验状态估计值，
表示k时刻的先验状态估计值， 
和
分别表示k-1时刻和k时刻的后验估计协方差， 
表示k 时刻的先验估计协方差，H是状态变量到测量的转换矩阵，z k 是测量值（观测值），K k 是滤波增益矩阵，是卡尔曼增益，A是状态转移矩阵，Q是过程激励噪声协方差，R是测量噪声协方差,B是将输入转换为状态的矩阵。
S50：去噪阈值设置：
设置合适大小的阈值门限，阈值的选取规则和设计，都是影响最终杂波抑制效果的关键因素；
S60：平滑滤波处理：确定一个有去噪阈值的滑动窗口，将滑动窗口内雷达点云得到的各点高度数据排序，取排序后的数据中位数作为中心点的新值，当所述滑动窗口移动时，对每一帧数据进行平滑处理。
设
为数列的中位数，
为一组数列；
由此可见，取n个雷达数据，排序后取中间位置的数，只有这个中间位置的数满足d最小，上面公式可以找出这个与其他数绝对值和最小的中值，每个窗口都排序取中值可以滤除极大值和极小值，这样会使得输出的高度曲线变得平滑。
在n个数中，有n/2个数小于
，有n/2个数大于
，设置中间的
为
；若n为偶数，设置中间的两个
的平均值为
。
如图2所示，本发明的平滑滤波处理算法对单个异常值滤波前后对比，结果显示，明显偏离航迹的一个孤立异常值被平滑掉了，本发明对向上偏移和向下偏移的孤立点都能有效过滤。
如图3所示，本发明的平滑滤波处理算法对两个连续异常值滤波前后对比，结果显示，明显偏离航迹的连续两个异常值被平滑掉了。
S70：获取雷达高度值
获取平滑滤波后的雷达高度值，形成滤波后的航迹图。
上述实施例为本发明的一种实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (5)
1.一种毫米波仿地雷达数据的杂波抑制方法,其特征在于，包括以下步骤：
配置毫米波雷达波形，收发电磁波采集原始回波信号；
对所述回波信号进行处理，通过差拍频率计算出回波时延，换算成雷达到地面的高度值；
对每帧输出当前时刻的所述高度值，按照一定时间间隔排列形成一组原始高度数据；
对所述原始高度数据进行航迹判断，得到实际航迹，并推算预测航迹，再将所述实际航迹与所述预测航迹关联；
设置合适大小的去噪阈值门限；
确定一个具有所述去噪阈值门限的滑动窗口，将所述滑动窗口内数据排序，取排序后的数据中位数作为中心点的新值，当所述滑动窗口移动时，对每一帧数据进行平滑滤波处理。
2.根据权利要求1所述的毫米波仿地雷达数据的杂波抑制方法,其特征在于，
所述航迹关联处理步骤如下：
根据所述高度数据得到实际航迹，再由无人机姿态信息推算出预测航迹，将实际航迹与预测航迹关联，两者差的绝对值满足一个足够小的值，进入下一步操作，否则将实际航迹中当前帧的高度数据滤除，用预测航迹的高度数据填充。
3.根据权利要求1或2任意一项所述的毫米波仿地雷达数据的杂波抑制方法,其特征在于，由无人机姿态信息推算出预测航迹的方法包括卡尔曼滤波法或扩展卡尔曼滤波法。
4.根据权利要求1所述的毫米波仿地雷达数据的杂波抑制方法,其特征在于，
所述平滑滤波处理具体包括：
设为数列的中位数，
为一组数列；
与绝对值和可表示为
，要使得d最小，即
，当
大于时，sign为负数；当
小于时，sign为正数；当
等于时，sign为0；
由此可知，n个雷达数据中，只有这个中间位置的数满足d最小，才使得输出的高度曲线变得平滑；
设定所述去噪阈值门限为n，所述滑动窗口中的数据为当前时刻的值和前面已输出的n-1个数，将这n个数进行排序，取中位数替代当前时刻的雷达数据值，滑动窗口移至下一时刻，将下一时刻额雷达数据和前面已输出的n-1个数进行排序，输出中位数并替代下一时刻雷达数据值，以此类推循环遍历每一时刻的雷达数据值，最后得到平滑后雷达数据。
5.根据权利要求4所述的毫米波仿地雷达数据的杂波抑制方法,其特征在于，
所述中位数的计算方法为：
在n个数中，如果数据的个数是奇数，则中间那个数据就是这n个数据的中间数；如果数据的个数是偶数，则中间那2个数据的算术平均值就是这n个数据的中间数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110344457.4A CN112799031B (zh) | 2021-03-31 | 2021-03-31 | 一种毫米波仿地雷达数据的杂波抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110344457.4A CN112799031B (zh) | 2021-03-31 | 2021-03-31 | 一种毫米波仿地雷达数据的杂波抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112799031A true CN112799031A (zh) | 2021-05-14 |
| CN112799031B CN112799031B (zh) | 2021-07-13 |
Family
ID=75816036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110344457.4A Active CN112799031B (zh) | 2021-03-31 | 2021-03-31 | 一种毫米波仿地雷达数据的杂波抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112799031B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110279669A1 (en) * | 2009-01-30 | 2011-11-17 | Teledyne Australia Pty Ltd | Apparatus and method for assisting vertical takeoff vehicles |
| CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
| EP3382420A1 (en) * | 2017-03-30 | 2018-10-03 | Honeywell International Inc. | A combined degraded visual environment vision system with wide field of regard hazardous fire detection system |
| CN108664034A (zh) * | 2018-05-10 | 2018-10-16 | 杭州瓦屋科技有限公司 | 植保无人机在茶园的仿地飞行方法及装置 |
| CN109407681A (zh) * | 2018-12-13 | 2019-03-01 | 广州极飞科技有限公司 | 无人机飞行控制方法、飞行控制装置、无人机和存储介质 |
| CN209600826U (zh) * | 2018-12-12 | 2019-11-08 | 四平市雨飞科技有限公司 | 一种植保无人机 |
| CN110751266A (zh) * | 2019-09-26 | 2020-02-04 | 北航（四川）西部国际创新港科技有限公司 | 一种无人机轨迹预测模块及其预测方法 |
| CN110908395A (zh) * | 2019-11-26 | 2020-03-24 | 西北工业大学 | 改进的无人机航迹实时规划方法 |
-
2021
- 2021-03-31 CN CN202110344457.4A patent/CN112799031B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110279669A1 (en) * | 2009-01-30 | 2011-11-17 | Teledyne Australia Pty Ltd | Apparatus and method for assisting vertical takeoff vehicles |
| CN106846919A (zh) * | 2017-01-16 | 2017-06-13 | 南京航空航天大学 | 一种基于ads‑b信息更新的四维航迹动态预测方法 |
| EP3382420A1 (en) * | 2017-03-30 | 2018-10-03 | Honeywell International Inc. | A combined degraded visual environment vision system with wide field of regard hazardous fire detection system |
| CN108664034A (zh) * | 2018-05-10 | 2018-10-16 | 杭州瓦屋科技有限公司 | 植保无人机在茶园的仿地飞行方法及装置 |
| CN209600826U (zh) * | 2018-12-12 | 2019-11-08 | 四平市雨飞科技有限公司 | 一种植保无人机 |
| CN109407681A (zh) * | 2018-12-13 | 2019-03-01 | 广州极飞科技有限公司 | 无人机飞行控制方法、飞行控制装置、无人机和存储介质 |
| CN110751266A (zh) * | 2019-09-26 | 2020-02-04 | 北航（四川）西部国际创新港科技有限公司 | 一种无人机轨迹预测模块及其预测方法 |
| CN110908395A (zh) * | 2019-11-26 | 2020-03-24 | 西北工业大学 | 改进的无人机航迹实时规划方法 |
Non-Patent Citations (2)
| Title |
|---|
| KYRIAKIS, P. ET AL.: "Terrain Following for Fixed-Wing Unmanned Aerial Vehicles Using Feedback Equivalence", 《IEEE CONTROL SYSTEMS LETTERS》 * |
| 韩剑峰: "一种基于雷达数据融合的航班4D航迹预测方法", 《软件工程》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112799031B (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110705501B (zh) | 一种提升fmcw雷达手势识别精度的干扰抑制方法 | |
| CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
| CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
| CN107576942B (zh) | 一种基于信号聚类的辐射源扫描周期实时估计方法 | |
| CN101509972A (zh) | 基于高分辨目标距离像修正相关矩阵的宽带雷达检测方法 | |
| CN113064155A (zh) | 一种空中雷达多目标跟踪下航迹关联的优化方法 | |
| CN108732564B (zh) | 一种双雷达修正序贯高斯混合概率假设密度滤波方法 | |
| CN112765550A (zh) | 一种基于Wi-Fi信道状态信息的目标行为分割方法 | |
| KR101021674B1 (ko) | 신호원 방향 추적 장치 및 방법 | |
| CN112799031B (zh) | 一种毫米波仿地雷达数据的杂波抑制方法 | |
| CN109164440B (zh) | 一种多频雷达测距的方法 | |
| CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
| CN110233608A (zh) | 一种基于权值自适应的粒子滤波方法和雷达*** | |
| CN114690141A (zh) | 速度解模糊方法、装置、电子设备及存储介质 | |
| CN109239677B (zh) | 一种环境自适应恒虚警检测门限确定方法 | |
| CN110988856B (zh) | 一种基于密度聚类的目标检测点迹凝聚算法 | |
| CN107315169B (zh) | 基于二阶统计量相似度的杂波协方差矩阵估计方法 | |
| CN110658506A (zh) | 一种基于角度聚类和多普勒分析的微多普勒杂波滤除方法 | |
| CN108037488B (zh) | 一种非均匀环境空时样本选择方法 | |
| CN109462561B (zh) | 基于概率的噪声估计与门限判决方法 | |
| JP6671968B2 (ja) | 信号処理装置、レーダ受信機、信号処理方法及びプログラム | |
| CN110007298A (zh) | 一种目标超前预测跟踪方法 | |
| CN114167359A (zh) | 一种弱小目标自适应关联滤波方法、***及存储介质 | |
| CN109766946B (zh) | 基于复杂网络构建的自主式水下航行器航行数据分析方法 | |
| CN111983579A (zh) | 一种参差脉冲重复时间消除雷达速度模糊的方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |