CN113253223B - 基于步进频信号的非平稳杂波抑制的目标检测方法 - Google Patents
基于步进频信号的非平稳杂波抑制的目标检测方法 Download PDFInfo
- Publication number
- CN113253223B CN113253223B CN202110342176.5A CN202110342176A CN113253223B CN 113253223 B CN113253223 B CN 113253223B CN 202110342176 A CN202110342176 A CN 202110342176A CN 113253223 B CN113253223 B CN 113253223B
- Authority
- CN
- China
- Prior art keywords
- clutter
- space
- time
- signal
- vector
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000001629 suppression Effects 0.000 title claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 4
- 238000003491 array Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 abstract description 11
- 230000003044 adaptive effect Effects 0.000 abstract description 8
- 238000000926 separation method Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000002592 echocardiography Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 235000012149 noodles Nutrition 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了基于步进频信号的非平稳杂波抑制的目标检测方法,属于阵列信号处理技术领域,能够结合空时自适应处理结构特点,发挥窄带步进频信号的优势,实现机载雷达地杂波的有效抑制;通过发射带宽较窄的步进频率信号,有效降低对发射机的要求;对感兴趣的检测单元进行相位补偿,自动实现折叠杂波的频谱搬移,降低信号处理的难度。本发明方法利用快时间采样信息,进行步进频率回波信号距离相位补偿,得到一个新的杂波信号矢量,进而实现杂波分离;根据发射信号和先验信息,构建空时滤波器,对新的杂波信号矢量进行折叠杂波的滤除,得到空时滤波后的结果;利用该结果求取杂波协方差矩阵,得到最优空时权矢量,处理后得到最终检测结果并输出。
Description
技术领域
本发明属于阵列信号处理技术领域,涉及基于步进频信号的非平稳杂波抑制的目标检测方法。
背景技术
与地面雷达相比,机载雷达具有明显的优势。然而,机载雷达在搜索运动目标时会产生强烈的地杂波。地杂波在不同方向随多普勒频率的变化,极大地影响了弱小低速运动目标的检测性能。为此,相关学者提出了空时自适应处理(STAP)技术,该技术同时利用空间域和多普勒域信息,能够有效抑制地杂波,并广泛应用于机载雷达的运动目标检测。
当载机中的相控阵雷达工作于非正侧视模式下,也就是说,载机的运动方向与阵列轴向之间存在一个夹角时,杂波频谱在空间角-多普勒二维平面呈现椭圆分布,这种分布规律与杂波散射点和雷达之间的径向距离有一定的关系。通常,业内将具有相同径向距离的杂波散射体组成的集合称为距离环。由于各距离环的杂波谱在空间角-多普勒平面上的不一致性,采用训练样本集直接估计的协方差矩阵会造成特征不够明显的问题,不能准确反映杂波统计特性,业内将这种问题称之为杂波非平稳性问题。在此背景下,STAP只能在待检测距离单元处形成宽而浅的缺口,不能有效抑制杂波,可能会滤波弱而慢的目标信号。更糟糕的是,由于雷达***的距离模糊特性,处于模糊距离的杂波环回波,即折叠杂波,会与待处理数据产生混叠,进一步恶化低速目标的检测效果。特别是近程折叠杂波,由于角度和距离的变化关系比较明显,这部分杂波存在明显的多普勒展宽现象,严重影响低速目标检测的效果。
因此,目前亟需一种抑制非平稳杂波的目标检测方法,能够解决机载雷达空时自适应处理时,传统的非平稳杂波抑制算法计算量大、性能差的问题。
发明内容
有鉴于此,本发明提供基于步进频信号的非平稳杂波抑制的目标检测方法,解决了机载雷达空时自适应处理时,传统的非平稳杂波抑制算法计算量大、性能差的问题。
为达到上述目的,本发明的技术方案为:
基于步进频信号的非平稳杂波抑制的目标检测方法,包括如下步骤:
(1.a)利用快时间采样信息,进行步进频率回波信号距离相位补偿,得到一个新的杂波信号矢量。
(1.b)根据发射信号和先验信息,构建空时滤波器,对新的杂波信号矢量进行折叠杂波的滤除,得到空时滤波后的结果。
(1.c)利用空时滤波后的结果,求取杂波协方差矩阵,针对杂波协方差矩阵构建并求解空时最优数学优化问题,得到最优空时权矢量,利用最优空时权矢量对空时滤波后的结果进行处理,得到最终检测结果并输出。
进一步的,利用快时间采样信息,进行步进频率回波信号距离相位补偿,得到一个新的杂波信号矢量,具体方法为:
(2.a)对于一个高度为h,运行速度为v的载机,载机上搭载一个阵元数为N,阵元间距为d的等距线阵,工作在正侧视模式;雷达发射信号载波波长为λ,一个完整的相参处理周期内包含M个脉冲,脉冲重复周期为Tr;雷达阵列方向与载机飞行方向存在夹角α,地面划分成L个距离环,每个距离环内包含Nc个散射体;则步进频率回波信号的表达式为:
其中,st(t)为步进频率回波信号;m为发射信号的脉冲的序号,m=0,1,…,M-1;u(t-mTr)为第m个脉冲的包络;fm表示第m个脉冲的频率,t为时间变量。
对于上述波形,雷达的第n个阵元接收到信号的第m个脉冲,经过脉冲压缩和采样后,得到L个快时间采样信息,其中第l个距离环的快时间采样信息x(m,n)表示为
其中,xl(m,n)表示径向距离为Rl的地面的距离环在理想情况下的回波,l=1,2,...,L;其中,对目标信号产生严重干扰的模糊距离数为2Q,模糊数为q的折叠杂波为xq(m,n)。
(2.b)利用快时间采样信息,构建距离相位补偿矩阵:根据第l个快时间采样信息对应的径向距离Rl,和已知的发射信号的频率步进量Δf,构造补偿向量,得到距离相位补偿矩阵:
进一步的,根据发射信号和先验信息,构建空时滤波器,对新的杂波信号矢量进行折叠杂波的滤除,得到空时滤波后的结果,具体方法为:
(3.a)针对一个具有N'c个散射体的距离环产生回波的情况,理想的协方差矩阵为:
(4.a)待检测的距离环的序号为l0,在选取距离环l0的两边各Ls个距离环的快时间采样信息作为训练样本,用这2Ls个数据集合训练杂波协方差矩阵:
其中,Rfil为折叠杂波抑制的结果的协方差矩阵。
(4.b)针对Rfil,建立空时最优数学优化问题:
其中,wopt表示需要求解的最优空时权矢量,v(fst,fdt)为目标对应的时空导向矢量。
(4.c)求解所述空时最优数学优化问题,得到最优空时权矢量的表达式为
(4.d)利用最优空时权矢量对空时滤波后的结果进行处理,得到检测结果并输出。
根据布列南准则,在非正侧面条件下,信号协方差矩阵的前r个大特征值对应的特征向量是Uc,即Uc为杂波对应的特征矩阵。
有益效果:
本发明为了解决机载雷达空时自适应处理时,传统的非平稳杂波抑制算法计算量大、性能差等问题,提出了一种基于步进频信号的STAP非平稳杂波抑制方法,能够结合空时自适应处理结构特点,发挥窄带步进频信号的优势,实现对机载雷达地杂波的有效抑制,达到了在非平稳的折叠环境中进行低速目标检测的目的。该方法首先根据接收信号的距离信息,补偿地杂波距离分布带来的相位差,并实现折叠杂波的频谱搬移;接着,选取部分补偿距离相位差后的数据集作为训练样本,估计杂波协方差矩阵;然后,利用先验信息构造理想杂波滤波器,滤除折叠杂波。最后,利用STAP算法计算自适应权向量,并滤波输出。该方法采用了窄带步进频率信号,通过发射带宽较窄的步进频率信号,在接收机利用信号的相位特征,能够有效降低对发射机的要求;该方法结合空时自适应处理的框架,利用相位和距离的相关关系对折叠杂波进行频谱搬移,通过先验知识获得最优滤波器,降低其对低速目标的干扰;该方法对感兴趣的检测单元进行相位补偿,自动实现折叠杂波的频谱搬移,降低信号处理的难度。即本发明实现了快速、高效的非平稳杂波抑制,达到了较高的输出信杂噪比。
附图说明
图1为机载雷达与地面几何关系图;
图2为本发明实施方式的信号处理流程图;
图3的(a)和(b)分别是传统的ADC和DW方法对非平稳杂波进行补偿时的空时杂波图;
图4为本发明方法中相位补偿后的杂波图;
图5为本发明方法中滤波后的杂波图;
图6为本发明方法与使用传统方法后的低速目标检测对比图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
如图2所示,首先,本发明方法根据接收信号的距离信息,补偿地杂波距离分布带来的相位差,并实现折叠杂波的频谱搬移;接着,选取部分补偿距离相位差后的数据集作为训练样本,估计杂波协方差矩阵;然后,利用先验信息构造理想杂波滤波器,滤除折叠杂波。最后,利用STAP算法计算自适应权向量,并滤波输出。该方法采用了窄带步进频率信号,结合空时自适应处理的框架,利用相位和距离的相关关系对折叠杂波进行频谱搬移,通过先验知识获得最优滤波器,降低其对低速目标的干扰。实现了快速、高效的非平稳杂波抑制,达到了较高的输出信杂噪比(Signal to Clutterplus Noise Ratio,SCNR)。
本发明方法是通过下述技术方案实现的,具体步骤包括:
(1.a)利用快时间采样信息,进行步进频率回波信号距离相位补偿,得到一个新的杂波信号矢量,进而实现杂波分离。
(2.a)根据发射信号和先验信息,构建空时滤波器,对新的杂波信号矢量进行折叠杂波的滤除,得到空时滤波后的结果,实现折叠杂波抑制。
如图1所示,对于一个高度为h,运行速度为v的载机,载机上搭载一个阵元数为N,阵元间距为d的等距线阵,工作在正侧视模式;雷达发射信号载波波长为λ,一个完整的相参处理周期内包含M个脉冲,脉冲重复周期为Tr,待检测的距离环与载机径向距离为r。雷达阵列方向与载机飞行方向存在夹角α,地面划分成L个距离环,每个距离环内包含Nc个散射体。
本发明假设雷达发射如下式所示的步进频率信号
其中,u(t)为子脉冲信号的调制方式,本发明中采用为简单的矩形脉冲形式。st(t)为步进频率回波信号;m为发射信号的脉冲的序号,m=0,1,…,M-1;u(t-mTx)为第m个脉冲信号的包络;fm=f0+(m-1)Δf表示第m个脉冲的频率,发射的步进频信号的频率步进量Δf;t为时间变量。
对于上述波形,雷达的第n个阵元接收到的回波的第m个脉冲,第l个快时间采样信息可以表示为
经过脉冲压缩和采样后,第l个距离环的快时间采样信息x(m,n)可以表示为
fd和fs分别为回波信号的归一化多普勒频率和归一化空间频率,上述两个变量可以表示为
fs=dcosψfm/c≈dcosψf0/c
由于距离模糊特性,在距离环Rq=R±qRu,q=1,2,…Q上的杂波会与待处理的距离环R上的回波数据相混叠,因此第n个阵元接收到的第m个回波采样数据表示为:
其M个脉冲回波之间的距离相位项可表示为
由上式可知,相同的距离环上的回波信号具有相同的相位项,这一项的产生原因是地杂波距离分布造成的,称为距离相位差。
机载阵雷达的信号处理一般基于单个相干处理间隔(CPI)回波数据和各通道接收到的回波信号。过滤和向下转换后,数据存储在一个N×M×L的三维数据结构体中,式中,L表示距离维上的快采样,M表示脉冲维上的慢采样。因此,距离环l所反射的回波数据可以表示为
(2.b)利用快时间采样信息,构建距离相位补偿矩阵:根据第l个快时间采样信息对应的径向距离Rl,和已知的发射信号的频率步进量Δf,构造补偿向量,得到距离相位补偿矩阵。
地杂波散射点的多普勒频率与空间频率的关系可以表示为
其中,fr为雷达发射波形的脉冲重复频率,fdm为最大多普勒频率。可以看出,杂波谱在空间角-多普勒平面上呈椭圆分布,杂波分布随距离的变化而变化。因为每个环的杂波频谱不一致,直接利用训练样本集估计的杂波协方差矩阵常常不能够有明显的特征,滤波器只能在杂波区域形成较浅的凹陷,不能有效地抑制杂波,甚至由于杂波谱的展宽,能量较弱的目标可能漏检。
更糟糕的是,传统的非平稳杂波补偿方法(如DW和ADC算法),在存在距离模糊时往往会失效。由于这些补偿方法对不同距离回波建立了不同的补偿矩阵,杂波折叠产生的回波会混入待处理数据中,补偿矩阵无法补偿模糊回波的相位差。
当雷达发射步进频率信号时,情况就不同了。在步进频率回波中存在一个与距离相关的相位项Φl(m),该相位项可以很好地从模糊距离中分离出折叠后的杂波。
为了使相位项与模糊距离相关,而不是与当前距离相关,本发明构造如下补偿向量:
(1.b)根据发射信号和先验信息,构建空时滤波器,对新的杂波信号矢量进行折叠杂波的滤除,得到空时滤波后的结果,实现折叠杂波抑制。
(3.a)根据先验信息,构建理想回波模型:针对一个具有N'c个散射体的距离环产生回波的情况,理想的协方差矩阵为:
为了消除折叠杂波对于目标检测的影响,本步骤根据先验的信息构建一个滤波器。本发明中利用载机速度、阵列构型及雷达***工作参数等先验知识,重构最优的杂波协方差矩阵。利用上面描述的通用杂波模型,假定只有一个具有N'c个散射体的杂波环产生回波,则利用其计算的理想的协方差矩阵如下
通过该理想协方差矩阵,本发明只需要判断杂波在空间角-多普勒平面的投影与该理想协方差矩阵的特征距离即可。由于在前边的步骤中,折叠的杂波已经在多普勒域与待处理距离杂波分离,通过这种特征判断的方式,可以非常好地抑制掉折叠杂波。
构建空时滤波器,对新的杂波信号矢量进行滤波,得到空时滤波后的结果,即折叠杂波抑制的结果:
本发明实施例中,根据布列南准则,在非正侧面条件下,杂波的大特征值个数为其中,β为杂波脊的斜率。选择上式的前r个大特征值组成的特征向量Uc作为滤波器,对接收信号进行滤波。因此,Uc为杂波对应的特征矩阵。
(4.a)杂波协方差矩阵求解:待检测的距离环的序号为l0,在选取距离环l0的两边各Ls个距离环的快时间采样信息作为训练样本,用这2Ls个数据集合训练杂波协方差矩阵:
其中,Rfil为折叠杂波抑制的结果的的协方差矩阵。
(4.b)针对Rfil,建立空时最优数学优化问题。
最优时空处理器问题可以被描述为下面的数学优化问题
(4.c)求解所述空时最优数学优化问题,得到最优空时权矢量的表达式为:
(4.d)检测输出:利用最优空时权矢量对空时滤波后的结果进行处理,得到检测结果并输出。
自此,完成了目标检测,实现了空时自适应滤波处理。
下面举一个实施例,进一步对本发明进行阐述。
为了验证本发明提出的基于步进频信号的非平稳杂波抑制的目标检测方法,进行空时杂波图和低速目标检测仿真,仿真采用均匀线阵,该雷达最大非模糊距离为12.5km,考虑的处理杂波距离为50km~60km,因此存在一个近距离模糊信号,根据雷达方程,其幅值远高于待处理的距离环。在不丧失一般性的情况下,由于回波的振幅非常小,模糊度非常大的回波被丢弃。因此,在仿真中,距离模糊数Q=1。仿真参数如表格1所示。
表格1 仿真参数设置
图3的(a)和(b)分别是传统的ADC和DW方法对非平稳杂波进行补偿时的空时杂波图,可以看出,传统的补偿算法无法补偿距离折叠杂波造成的非平稳性,杂波脊存在明显的多普勒展宽现象,对于低速目标的检测效果很差。
图4和图5分别是使用本发明中的相位补偿方法以及滤波方法之后的杂波图,可以看出,对采集的数据进行处理后,杂波脊产生了非常明显的多普勒分离。中间的杂波脊为经过处理的杂波环,而在杂波脊右侧的宽而深的杂波脊为较近距离的折叠杂波,可以看出其产生了明显的多普勒展宽。由于折叠杂波的多普勒展宽明显,传统的补偿方法将失效。之后,利用先验信息对理想杂波的杂波脊进行预测,如图4中红线所示。接着,利用本发明中构造的滤波器对接收的杂波信号进行滤波,得到了如图5所示的滤波结果。可以看到,本发明所需的杂波信息被保留了下来,而折叠杂波被很好地抑制,即使是幅度非常大的近场杂波也能够被抑制到-60dB以下。相对于传统补偿方法,本发明方法可以在杂波特征位置产生较深的零陷;此外,本发明方法的空时二维主瓣更加窄,可以有效抑制靠近目标的干扰,提升目标检测效果。
图6给出了该方法与传统方法在一次仿真中的检测输出结果对比。可以看出,该算法的噪声抑制能力远远高于传统的三种方法,其中Chirp-Non方法并不弥补非平稳,作为对照组;Chirp-DW和Chirp-ADC法分别代表使用DW和ADC算法补偿后的输出结果。经过100次蒙特卡罗模拟,Chirp-Non方法的平均输出SNCR是9.89dB,Chirp-DW算法为14.35dB,Chirp-ADC算法为12.72dB,相比之下,采用所提算法输出的平均SCNR为44.1dB。因此,可以看出,与传统算法相比,所提算法对低速目标有很好的检测效果。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.基于步进频信号的非平稳杂波抑制的目标检测方法,其特征在于,包括如下步骤:
(1.a)利用快时间采样信息,进行步进频率回波信号距离相位补偿,得到一个新的杂波信号矢量;
(2.a)对于一个高度为h,运行速度为v的载机,载机上搭载一个阵元数为N,阵元间距为d的等距线阵,工作在正侧视模式;雷达发射信号载波波长为λ,一个完整的相参处理周期内包含M个脉冲,脉冲重复周期为Tr;雷达阵列方向与载机飞行方向存在夹角α,地面划分成L个距离环,每个距离环内包含Nc个散射体;则步进频率回波信号的表达式为:
其中,st(t)为步进频率回波信号;m为发射信号的脉冲的序号,m=0,1,…,M-1;u(t-mTr)为第m个脉冲的包络;fm表示第m个脉冲的频率,t为时间变量;
对于上述波形,雷达的第n个阵元接收到信号的第m个脉冲,经过脉冲压缩和采样后,得到L个快时间采样信息,其中第l个距离环的快时间采样信息x(m,n)表示为
其中,xl(m,n)表示径向距离为Rl的地面的距离环在理想情况下的回波,l=1,2,...,L;其中,对目标信号产生严重干扰的模糊距离数为2Q,模糊数为q的折叠杂波为xq(m,n);
(2.b)利用快时间采样信息,构建距离相位补偿矩阵:根据第l个快时间采样信息对应的径向距离Rl,和已知的发射信号的频率步进量Δf,构造补偿向量,得到距离相位补偿矩阵:
(1.b)根据发射信号和先验信息,构建空时滤波器,对所述新的杂波信号矢量进行折叠杂波的滤除,得到空时滤波后的结果,具体为:
(3.a)针对一个具有N′c个散射体的距离环产生回波的情况,理想的协方差矩阵为:
(1.c)利用空时滤波后的结果,求取杂波协方差矩阵,针对所述杂波协方差矩阵构建并求解空时最优数学优化问题,得到最优空时权矢量,利用所述最优空时权矢量对空时滤波后的结果进行处理,得到最终检测结果并输出,具体为:
(4.a)待检测的距离环的序号为l0,选取距离环l0的两边各Ls个距离环的快时间采样信息作为训练样本,用这2Ls个数据集合训练杂波协方差矩阵:
其中,Rfil为折叠杂波抑制的结果的协方差矩阵;
(4.b)针对Rfil,建立空时最优数学优化问题:
其中,wopt表示需要求解的最优空时权矢量,v(fst,fdt)为目标对应的时空导向矢量;
(4.c)求解所述空时最优数学优化问题,得到最优空时权矢量的表达式为
(4.d)利用最优空时权矢量对空时滤波后的结果进行处理,得到检测结果并输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342176.5A CN113253223B (zh) | 2021-03-30 | 2021-03-30 | 基于步进频信号的非平稳杂波抑制的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110342176.5A CN113253223B (zh) | 2021-03-30 | 2021-03-30 | 基于步进频信号的非平稳杂波抑制的目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253223A CN113253223A (zh) | 2021-08-13 |
CN113253223B true CN113253223B (zh) | 2023-04-07 |
Family
ID=77181465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110342176.5A Active CN113253223B (zh) | 2021-03-30 | 2021-03-30 | 基于步进频信号的非平稳杂波抑制的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253223B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114089288B (zh) * | 2022-01-12 | 2022-04-15 | 中国人民解放军空军预警学院 | 一种相控阵雷达抗干扰方法、装置及存储介质 |
CN114265018B (zh) * | 2022-02-28 | 2022-05-31 | 西安电子科技大学 | 一种基于多频分体制雷达的近程杂波抑制方法 |
CN114779199A (zh) * | 2022-04-24 | 2022-07-22 | 中国人民解放军空军预警学院 | 端射阵机载雷达自适应互耦补偿与杂波抑制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561497A (zh) * | 2009-05-22 | 2009-10-21 | 西安电子科技大学 | 机载雷达杂波抑制方法 |
CN106483516A (zh) * | 2016-11-25 | 2017-03-08 | 西安电子科技大学 | 基于先验知识的雷达杂波空时自适应处理方法 |
-
2021
- 2021-03-30 CN CN202110342176.5A patent/CN113253223B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561497A (zh) * | 2009-05-22 | 2009-10-21 | 西安电子科技大学 | 机载雷达杂波抑制方法 |
CN106483516A (zh) * | 2016-11-25 | 2017-03-08 | 西安电子科技大学 | 基于先验知识的雷达杂波空时自适应处理方法 |
Non-Patent Citations (5)
Title |
---|
Stepped Frequency Waveforms with Phase Compensation for Space-time Adaptive Processing;Baozhi Wang 等;《IEEE》;20191231;1-3 * |
基于非均匀检测的机载雷达空时自适应处理方法;陈建文等;《数据采集与处理》;20000330;第15卷(第01期);44-47 * |
相控阵机载雷达空时两维杂波预滤波处理方法;李晓明等;《西安电子科技大学学报》;20080420;第35卷(第02期);216-222 * |
非均匀环境下机载雷达STAP方法;段克清等;《数据采集与处理》;20100915;第25卷(第05期);648-654 * |
高重频频率步进雷达抑制折叠杂波方法;王飞行 等;《信号处理》;20100331;第26卷(第3期);388-390 * |
Also Published As
Publication number | Publication date |
---|---|
CN113253223A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113253223B (zh) | 基于步进频信号的非平稳杂波抑制的目标检测方法 | |
US7038618B2 (en) | Method and apparatus for performing bistatic radar functions | |
CN110412559A (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
CN110412568B (zh) | 基于扩展方位角相位编码的距离模糊杂波抑制方法 | |
CN106093870B (zh) | 高超声速飞行器下降段的sar-gmti杂波抑制方法 | |
CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
CN111693983B (zh) | 互补波形构建方法及模块、认知雷达***及波形发射方法 | |
CN108919195B (zh) | 一种交替优化搜索脉组参差中重频pd***设计方法 | |
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
US4885590A (en) | Blind speed elimination for dual displaced phase center antenna radar processor mounted on a moving platform | |
CN107255797B (zh) | 基于发射空时权优化及ka-stap的机载雷达杂波抑制方法 | |
CN110297233B (zh) | Lfmcw阵列雷达信号并行流水化处理方法 | |
CN101470202A (zh) | 一种脉冲多普勒雷达***及其信号处理方法 | |
CN106597442B (zh) | 一种方位多通道脉内聚束sar成像方法 | |
CN111220955B (zh) | 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法 | |
CN109581362B (zh) | 合成孔径雷达高度计在可变脉冲簇模式下的信号处理方法 | |
CN110632573B (zh) | 一种机载宽带雷达空时二维keystone变换方法 | |
CN111007503A (zh) | 基于频率谱精确定位的运动目标聚焦和定位方法及*** | |
CN113917424B (zh) | 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 | |
US6680687B2 (en) | Method to determine the azimuth of a target by means of a radar, especially of the ASR type | |
CN113376599B (zh) | 基于主瓣校正的fda距离模糊杂波抑制方法 | |
CN106526544B (zh) | 基于高超声速平台的mimosar杂波抑制方法 | |
Wicks | A brief history of waveform diversity | |
CN115436940B (zh) | 一种稀疏滑动聚束sar成像模式实现方法及装置 | |
CN113759359B (zh) | 基于空管雷达的无源双基地雷达接收装置及目标探测方法 |
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 |