CN113433527A - 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备 - Google Patents

基于mimo雷达的静杂波抑制方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN113433527A
CN113433527A CN202110985182.2A CN202110985182A CN113433527A CN 113433527 A CN113433527 A CN 113433527A CN 202110985182 A CN202110985182 A CN 202110985182A CN 113433527 A CN113433527 A CN 113433527A
Authority
CN
China
Prior art keywords
signals
clutter
matrix
static
estimated
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
Application number
CN202110985182.2A
Other languages
English (en)
Other versions
CN113433527B (zh
Inventor
彭佳
李仕贤
谭俊杰
钟仁海
张燎
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.)
Nanjing Hawkeye Electronic Technology Co Ltd
Original Assignee
Nanjing Hawkeye Electronic Technology Co Ltd
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 Nanjing Hawkeye Electronic Technology Co Ltd filed Critical Nanjing Hawkeye Electronic Technology Co Ltd
Priority to CN202110985182.2A priority Critical patent/CN113433527B/zh
Publication of CN113433527A publication Critical patent/CN113433527A/zh
Application granted granted Critical
Publication of CN113433527B publication Critical patent/CN113433527B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/414—Discriminating targets with respect to background clutter

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

本发明提供一种基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备，所述方法包括：获取所述MIMO雷达接收到的多个对象的原始编码信号；基于所述原始编码信号重构出所有的估计静杂波信号；将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。本发明所提出的技术方案可防止因强静止目标杂散覆盖运动目标而导致运动目标漏检的情况。

Description

基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备
技术领域
本发明涉及雷达信号处理技术领域，尤其涉及一种基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备。
背景技术
MIMO (Multiple input multiple output,多输入多输出)雷达是将无线通信***中的多个输入和多个输出技术引入到雷达领域，并和数字阵列技术相结合而产生的一种新体制雷达。
MIMO雷达应用于城市道路时，道路环境中的交通信号灯、路灯、路牌等都是强反射目标。而当汽车、行人等运动目标通过这些静止强反射目标所在的距离单元时，有可能被其多普勒杂散掩盖而导致漏检，存在强静止目标杂散覆盖运动目标而导致运动目标漏检的问题。
发明内容
本发明提供一种基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备，用以解决现有技术中强静止目标杂散覆盖运动目标，从而导致运动目标漏检的问题，实现在原始编码信号中剔除静止强目标杂散并将运动目标显现出来。
本发明提供一种基于MIMO雷达的静杂波抑制方法，包括：
获取所述MIMO雷达接收到的多个对象的原始编码信号；
基于所述原始编码信号重构出所有的估计静杂波信号；
将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。
根据本发明所述的基于MIMO雷达的静杂波抑制方法，所述获取所述MIMO雷达接收到的多个对象的原始编码信号的步骤包括：
对所述MIMO雷达的各个线性调频脉冲中的原始编码信号进行采样，得到样本数据；
基于所述样本数据生成数据矩阵
Figure 421442DEST_PATH_IMAGE001
；
对所述数据矩阵
Figure 940017DEST_PATH_IMAGE001
的各列做长度为
Figure 381362DEST_PATH_IMAGE002
（
Figure 119642DEST_PATH_IMAGE003
）的一维傅立叶变换，得到数据 矩阵
Figure 671846DEST_PATH_IMAGE004
；
其中，
Figure 47857DEST_PATH_IMAGE005
表示样本数据的长度，N表示线性调频脉冲的个数。
根据本发明所述的基于MIMO雷达的静杂波抑制方法，所述基于所述原始编码信号重构出所有的估计静杂波信号的步骤包括：
从所述数据矩阵
Figure 394525DEST_PATH_IMAGE006
的第一行开始，依次将所述数据矩阵
Figure 354522DEST_PATH_IMAGE007
的所有行中的每 一行作为当前行循环执行下列步骤1-2：
步骤1，基于所述数据矩阵
Figure 710417DEST_PATH_IMAGE008
的当前行的多普勒数据和编码系数C，根据最小二 乘法估计当前行对应距离的静杂波的通道幅度系数
Figure 938005DEST_PATH_IMAGE009
；
步骤2，根据所述通道幅度系数
Figure 455574DEST_PATH_IMAGE010
和编码系数C，重构当前行对应距离的估计静杂 波信号
Figure 168446DEST_PATH_IMAGE011
，其中
Figure 796874DEST_PATH_IMAGE012
。
根据本发明所述的基于MIMO雷达的静杂波抑制方法，所述基于所述数据矩阵
Figure 413056DEST_PATH_IMAGE013
的当前行的多普勒数据和编码系数C，根据最小二乘法估计当前行对应距离的静杂波 的通道幅度系数
Figure 835947DEST_PATH_IMAGE010
的步骤包括：
基于下式计算当前行对应距离的静杂波的通道幅度系数
Figure 36115DEST_PATH_IMAGE010
：
Figure 468234DEST_PATH_IMAGE014
；
其中，
Figure 670414DEST_PATH_IMAGE015
表示数据矩阵
Figure 529786DEST_PATH_IMAGE008
的当前行的杂散信号，H表示共轭转置符号，
Figure 686091DEST_PATH_IMAGE016
，
Figure 921901DEST_PATH_IMAGE017
表示编码系数矩阵，M表示发射通道数，N表示多普勒通道数。
根据本发明所述的基于MIMO雷达的静杂波抑制方法，所述编码系数矩阵C中的元素值由下式确定：
假设
Figure 512675DEST_PATH_IMAGE018
的码元为
Figure 542948DEST_PATH_IMAGE019
，
Figure 186550DEST_PATH_IMAGE019
服从二维正态分布，相位的量化位数为
Figure 226051DEST_PATH_IMAGE020
，则得到：
Figure 402823DEST_PATH_IMAGE021
；
其中，
Figure 603997DEST_PATH_IMAGE022
表示虚数符号，
Figure 475DEST_PATH_IMAGE018
表示所述编码系数矩阵C中的第n行第m列元素。
根据本发明所述的基于MIMO雷达的静杂波抑制方法，所述基于所述原始编码信号重构出所有的估计静杂波信号的步骤还包括：
步骤3，基于所述步骤1和步骤2遍历完矩阵
Figure 312507DEST_PATH_IMAGE023
的所有行而重构出的所有的估计 静杂波信号
Figure 866155DEST_PATH_IMAGE024
，生成静杂波矩阵
Figure 972652DEST_PATH_IMAGE025
；
其中，
Figure 856425DEST_PATH_IMAGE026
。
根据本发明所述的基于MIMO雷达的静杂波抑制方法，所述将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号的步骤包括：
在执行完成所述步骤3后执行如下步骤4：
步骤4，将所述静杂波矩阵
Figure 972149DEST_PATH_IMAGE027
从所述数据矩阵
Figure 123513DEST_PATH_IMAGE028
中剔除，即
Figure 666490DEST_PATH_IMAGE029
， 得到剔除所有静杂波信后的运动目标对象的多普勒频率信号。
本发明还提供一种基于MIMO雷达的静杂波抑制装置，包括：
数据获取模块，用于获取所述MIMO雷达接收到的多个对象的原始编码信号；
静杂波重构模块，用于基于所述原始编码信号重构出所有的估计静杂波信号；
静杂波剔除模块，用于将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。
本发明还提供一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于MIMO雷达的静杂波抑制方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于MIMO雷达的静杂波抑制方法的步骤。
本发明提供的基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备，通过重构出所有的估计静杂波信号，然后将重构出的所有估计静杂波信号从原始编码信号中剔除，最后得到目标对象（比如运动目标）的多普勒频率信号，从而防止漏检运动目标的多普勒频率信号。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于MIMO雷达的静杂波抑制方法的流程示意图；
图2是本发明提供的获取原始编码信号的流程示意图；
图3是本发明提供的重构估计静杂波信号的流程示意图；
图4是本发明提供的剔除估计静杂波信号的流程示意图；
图5是本发明提供的一实施例的流程示意图；
图6~图7是本发明提供的仿真结果的示意图；
图8是本发明提供的基于MIMO雷达的静杂波抑制装置的结构示意图；
图9是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
本发明提供的基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备，用以解决现有技术中强静止目标杂散覆盖运动目标，从而导致运动目标漏检的问题。
通过利用最小二乘法重构出所有的估计静杂波信号，然后将重构出的所有估计静杂波信号从原始编码信号中剔除，最后得到目标对象（比如运动目标）的多普勒频率信号，从而防止漏检运动目标的多普勒频率信号。
下面结合图1-图9描述本发明所述的基于MIMO雷达的静杂波抑制方法、装置、存储介质及设备。
设置于接收端的MIMO雷达信号处理***，用于处理接收端的回波信号，其处理流程一般包括如下步骤：
步骤一：接收通道ADC（Analog-to-digital converter，模拟数字转换器）采样数据。
步骤二：对采样数据进行一维傅里叶变换（FFT），得到一维数据矩阵。
步骤三：对所述步骤二的数据矩阵进行解码。
步骤四：对解码后的数据矩阵进行二维傅里叶变换（FFT），输出目标。
步骤五：对目标进行检测、DOA（波达方向定位技术）或跟踪等应用。
本发明所述基于MIMO雷达的静杂波抑制方法是处于上述步骤二和步骤三之间的处理流程。
图1是本发明提供的基于MIMO雷达的静杂波抑制方法的流程示意图，如图1所示。一种基于MIMO雷达的静杂波抑制方法，包括：
步骤101，获取所述MIMO雷达接收到的多个对象的原始编码信号。
可选地，所述原始编码信号可从雷达接收端的各个线性调频脉冲（Chirp）中获取到。所述原始编码信号为多个对象的原始编码信号，所述多个对象包括静止目标的原始编码信号和运动目标的原始编码信号，也就是说所述原始编码信号至少一个对象以上的原始编码信号。
步骤102，基于所述原始编码信号重构出所有的估计静杂波信号。
可选地，可利用最小二乘法估计出静杂波的发射通道幅度系数以及已知的编码系数，可重构出所有的估计静杂波信号。
步骤103，将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。
示例性地：
依照每个距离单元（对应不同的回波频率）重构出的估计静杂波信号：
静杂波1的估计静杂波信号，静杂波2的估计静杂波信号，静杂波3的估计静杂波信号，…。
通过最小二乘法将重构出的所有静杂波的估计静杂波信号从原始编码信号中一次性剔除，即从原始编码信号中剔除静杂波信号（比如，一次性剔除静杂波1、静杂波2、静杂波3等）所产生的杂散信号，得到运动目标的多普勒频率信号。
最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
由此可知，依据通过最小二乘法重构出所有的估计静杂波信号，并将重构出所有的估计静杂波信号从原始编码信号中一次性剔除，从而得到目标对象（比如运动目标）的多普勒频率信号，可有效防止出现运动目标漏检的问题。
以下将结合附图对上述步骤101~103做具体的描述。
图2是本发明提供的获取原始编码信号的流程示意图，如图2所示。上述所示步骤101中，所述获取所述MIMO雷达接收到的多个对象的原始编码信号的步骤包括：
步骤201，对所述MIMO雷达的各个线性调频脉冲中的原始编码信号进行采样，得到样本数据。
MIMO (Multiple input multiple output,多输入多输出)雷达是将无线通信***中的多个输入和多个输出技术引入到雷达领域，并和数字阵列技术相结合而产生的一种新体制雷达。因此，MIMO雷达多信号之间可以是时域、空域或极化域分类的，具有处理维数更高、收发孔径利用更充分、角分辨率更高的优点。
可选地，对MIMO雷达的各个线性调频脉冲的原始编码信号进行ADC（Analog-to-digital converter，模拟数字转换器）数据采样，得到样本数据，并将所述样本数据进行存储。
其中，所述样本数据的长度为
Figure 771980DEST_PATH_IMAGE005
，一个Chirp（线性调频脉冲）的个数为
Figure 691395DEST_PATH_IMAGE030
。
步骤202，基于所述样本数据生成数据矩阵
Figure 700195DEST_PATH_IMAGE031
。
步骤203，对所述数据矩阵
Figure 414074DEST_PATH_IMAGE032
的各列做长度为
Figure 272439DEST_PATH_IMAGE033
（
Figure 729965DEST_PATH_IMAGE034
）的一维傅立叶变换， 得到数据矩阵
Figure 590343DEST_PATH_IMAGE035
。
由于随机编码MIMO雷达各个发射天线是同时发射信号的，因此，在接收端各个发 射信号的回波信号是叠加在一起的，即不同距离(对应不同的回波频率)的目标回波在时域 是叠加在一起的，难以直接在时域对其进行估计。因此，需通过一维傅里叶变换（FFT）将信 号转换到频域进行处理。所以，对所述数据矩阵
Figure 740702DEST_PATH_IMAGE036
的各列作长度为
Figure 820784DEST_PATH_IMAGE037
（
Figure 82001DEST_PATH_IMAGE038
）的FFT处 理，得到一维FFT处理结果
Figure 799815DEST_PATH_IMAGE008
。
图3是本发明提供的重构估计静杂波信号的流程示意图，如图3所示。上述所述步骤102中，所述基于所述原始编码信号重构出所有的估计静杂波信号的步骤包括：
从上述步骤203的所述数据矩阵
Figure 121075DEST_PATH_IMAGE039
的第一行开始，依次将所述数据矩阵
Figure 688453DEST_PATH_IMAGE040
的 所有行中的每一行作为当前行循环执行下列步骤301-302：
步骤301，基于所述数据矩阵
Figure 487782DEST_PATH_IMAGE039
的当前行的多普勒数据和编码系数C，根据最小 二乘法估计当前行对应距离的静杂波的通道幅度系数
Figure 322752DEST_PATH_IMAGE010
。
其中，所述当前行的多普勒数据包含了处在所述当前行的距离单元的静杂波的多普勒频率信号。
具体地，基于下式计算当前行对应距离的静杂波的通道幅度系数
Figure 814913DEST_PATH_IMAGE009
：
Figure 604009DEST_PATH_IMAGE041
；
其中，
Figure 207028DEST_PATH_IMAGE042
表示数据矩阵
Figure 165013DEST_PATH_IMAGE023
的当前行的杂散信号（比如
Figure 562497DEST_PATH_IMAGE042
=
Figure 104468DEST_PATH_IMAGE043
，表示数据矩阵
Figure 245599DEST_PATH_IMAGE044
第1行的杂散信号），H表示共轭转置符号，
Figure 55161DEST_PATH_IMAGE045
表示编码系数矩阵，
Figure 623546DEST_PATH_IMAGE046
， M为发射通道数，N为多普勒通道数。
具体地，所述编码系数矩阵C中的元素值由下式确定：
假设
Figure 387233DEST_PATH_IMAGE018
的码元为
Figure 332056DEST_PATH_IMAGE019
，
Figure 276352DEST_PATH_IMAGE019
服从二维正态分布，相位的量化位数为
Figure 281217DEST_PATH_IMAGE047
，则得到：
Figure 532201DEST_PATH_IMAGE048
；
其中，
Figure 15135DEST_PATH_IMAGE022
表示虚数符号，
Figure 799289DEST_PATH_IMAGE049
表示所述编码系数矩阵C中的第n行第m列元素。
由于上述所述数据矩阵
Figure 709476DEST_PATH_IMAGE008
的行数据
Figure 447756DEST_PATH_IMAGE050
表示距离单元，不同的距离 单元对应不同的回波频率，同一个距离单元包括不同速度的目标，即不同速度的目标包括 静杂波和运动目标，因此需要对所述数据矩阵
Figure 734381DEST_PATH_IMAGE035
每一行的多普勒数据估计出静杂波的 通道幅度系数
Figure 375971DEST_PATH_IMAGE009
。
步骤302，根据所述通道幅度系数
Figure 722639DEST_PATH_IMAGE009
和编码系数C，重构当前行对应距离的估计静 杂波信号
Figure 948215DEST_PATH_IMAGE051
，其中
Figure 38531DEST_PATH_IMAGE052
。
步骤303，基于所述步骤301和步骤302遍历完矩阵
Figure 266118DEST_PATH_IMAGE008
的所有行而重构出的所有 的估计静杂波信号
Figure 49267DEST_PATH_IMAGE024
，生成静杂波矩阵
Figure 496560DEST_PATH_IMAGE053
。
其中，
Figure 124987DEST_PATH_IMAGE054
。
通过上述步骤301~302可实现重构出所述数据矩阵
Figure 741170DEST_PATH_IMAGE008
所有行的静杂波的估计 静杂波信号。
图4是本发明提供的剔除估计静杂波信号的流程示意图，如图4所示。上述步骤103中，所述将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号的步骤包括：
在执行完成所述步骤303后执行如下步骤401：
步骤401，将上述步骤303中静杂波矩阵
Figure 429640DEST_PATH_IMAGE053
从步骤301中的多普勒数据
Figure 629808DEST_PATH_IMAGE013
中剔 除，即表示为：
Figure 796347DEST_PATH_IMAGE055
。
步骤402，得到剔除所有静杂波信后的运动目标对象的多普勒频率信号。
需要说明的是，上述步骤301~302描述了重构当前行的估计静杂波信号并进行剔除的示例。
以下通过一实施例对本发明所述基于MIMO雷达的静杂波抑制方法进行描述。
图5是本发明提供的一实施例的流程示意图，如图5所示。
首先，对多普勒频率信号、编码信号、杂散信号、均方误差代价函数做出定义，如下：
（1）定义多普勒频率信号，用式子表示为：
Figure 998527DEST_PATH_IMAGE056
；
其中，
Figure 123478DEST_PATH_IMAGE057
为多普勒数据长度，
Figure 545363DEST_PATH_IMAGE058
为多普勒FFT长度。
Figure 781173DEST_PATH_IMAGE059
为信号多普勒归一 化频率。
（2）定义编码信号，用式子表示为：
Figure 106368DEST_PATH_IMAGE060
；
其中，
Figure 871062DEST_PATH_IMAGE045
为随机编码系数矩阵，即
Figure 780243DEST_PATH_IMAGE061
M为发射通道数，N为多普勒通道数。假设，
Figure 554164DEST_PATH_IMAGE049
的码元为
Figure 996516DEST_PATH_IMAGE019
，相位的量化位数为
Figure 197690DEST_PATH_IMAGE062
， 则有：
Figure 594167DEST_PATH_IMAGE063
。
（3）对杂散信号定义为：
Figure 906200DEST_PATH_IMAGE064
；
或者
Figure 194269DEST_PATH_IMAGE065
；
其中，
Figure 300765DEST_PATH_IMAGE066
表示杂散的通道系数。假设期望杂散信号为
Figure 184539DEST_PATH_IMAGE015
，则估计误差表示为：
Figure 565841DEST_PATH_IMAGE067
。
（4）对均方误差代价函数定义为：
Figure 451627DEST_PATH_IMAGE068
；
对代价函数
Figure 994604DEST_PATH_IMAGE069
求关于
Figure 100094DEST_PATH_IMAGE066
的梯度：
Figure 19508DEST_PATH_IMAGE070
；
再令
Figure 28309DEST_PATH_IMAGE071
，得到：
Figure 742187DEST_PATH_IMAGE072
；
若
Figure 600553DEST_PATH_IMAGE073
非奇异，则可得到
Figure 58079DEST_PATH_IMAGE066
的最小二乘解为：
Figure 918456DEST_PATH_IMAGE074
。
假设
Figure 68815DEST_PATH_IMAGE075
为某一静杂波的多普勒数据，则有：
Figure 148898DEST_PATH_IMAGE076
。
由于静杂波的多普勒频率为零，则
Figure 144536DEST_PATH_IMAGE077
为全1向量。于是：
Figure 127928DEST_PATH_IMAGE078
；
进而可得到静杂波的最小二乘估计为：
Figure 183609DEST_PATH_IMAGE079
。
基于上述定义，本发明所述基于MIMO雷达的静杂波抑制方法的具体实现的步骤如下：
步骤501，对各个Chirp的原始回波的ADC采样数据进行储存，形成数据矩阵
Figure 485409DEST_PATH_IMAGE080
。 其中采样长度为
Figure 550317DEST_PATH_IMAGE005
，Chirp数为
Figure 385286DEST_PATH_IMAGE081
。
步骤502，由于随机编码MIMO雷达不同距离(对应不同的回波频率)的目标回波在 时域是叠加在一起的，难以直接在时域对其进行估计。因此，需通过FFT将信号转换到频域 进行处理。所以，对
Figure 346289DEST_PATH_IMAGE082
的各列作长度为
Figure 666543DEST_PATH_IMAGE033
（
Figure 3983DEST_PATH_IMAGE083
）的一维FFT处理，得到一维FFT处理结 果
Figure 696389DEST_PATH_IMAGE039
。
步骤503，获取数据矩阵
Figure 359452DEST_PATH_IMAGE084
的第
Figure 619532DEST_PATH_IMAGE085
行的多普勒数据矩阵
Figure 776975DEST_PATH_IMAGE043
，该数 据包含了处在第
Figure 337269DEST_PATH_IMAGE086
个距离单元的静杂波的多普勒频率信号。
步骤504，利用数据矩阵
Figure 154921DEST_PATH_IMAGE087
和编码系数
Figure 433456DEST_PATH_IMAGE045
，根据最小二乘法估计静杂波的通道幅 度系数
Figure 129011DEST_PATH_IMAGE010
，其中
Figure 543812DEST_PATH_IMAGE088
。
其中，C表示编码系数矩阵，即
Figure 547013DEST_PATH_IMAGE089
；
M表示发射通道数，N表示多普勒通道数。
假设
Figure 47265DEST_PATH_IMAGE018
的码元为
Figure 546510DEST_PATH_IMAGE019
，且
Figure 815818DEST_PATH_IMAGE090
服从二维正态分布，相位的量化位数为
Figure 240852DEST_PATH_IMAGE091
。则有：
Figure 228399DEST_PATH_IMAGE092
。
步骤505，根据步骤504得到幅度系数
Figure 531336DEST_PATH_IMAGE009
以及编码系数
Figure 172926DEST_PATH_IMAGE093
，重构估计静杂波信号
Figure 519594DEST_PATH_IMAGE051
，其中
Figure 479591DEST_PATH_IMAGE052
。
步骤506，按照步骤503~505的步骤遍历矩阵
Figure 569906DEST_PATH_IMAGE094
所有行的多普勒数据，并生成静 杂波矩阵
Figure 63074DEST_PATH_IMAGE053
，其中
Figure 315063DEST_PATH_IMAGE095
。
步骤507，将静杂波数据矩阵
Figure 293515DEST_PATH_IMAGE053
从
Figure 921942DEST_PATH_IMAGE096
中剔除，即
Figure 754769DEST_PATH_IMAGE097
，得到目标对 象的多普勒频率信号。
按照上述步骤503~505的方法遍历矩阵
Figure 695437DEST_PATH_IMAGE098
所有行的多普勒数据，最后得到步骤 507输出的目标对象（比如运动目标）的多普勒频率信号。
综上所述，本发明可防止因静杂波的多普勒杂散覆盖运动目标的回波信号而导致运动目标漏检的情况。
以下通过一仿真示例进行说明。
图6、图7是本发明提供的仿真结果的示意图，如图6、图7所示。图中仿真了3个目标：距离=[100m,100m,200m]，速度=[0m/s,10m/s,0m/s]。
图6、图7从不同的视角展示了抑制前后数据二维FFT处理结果。处理流程为一维FFT、（抑制静杂波）、解码、二维FFT、通道能量积累。图中横坐标为速度，纵坐标为距离。
抑制前可以看到100m处的静杂波（速度为零），将速度为10m/s的运动目标掩盖住了。抑制后速度为0m/s的静杂波被剔除。
下面对本发明提供的基于MIMO雷达的静杂波抑制装置进行描述，下文描述的基于MIMO雷达的静杂波抑制装置与上文描述的基于MIMO雷达的静杂波抑制方法可相互对应参照。
图8是本发明提供的基于MIMO雷达的静杂波抑制装置的结构示意图，如图8所示。一种基于MIMO雷达的静杂波抑制装置800，包括数据获取模块810、静杂波重构模块820以及静杂波剔除模块830。其中，
数据获取模块810，用于获取所述MIMO雷达接收到的多个对象的原始编码信号。
静杂波重构模块820，用于基于所述原始编码信号重构出所有的估计静杂波信号。
静杂波剔除模块830，用于将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。
可选地，所述数据获取模块810，还用于执行如下步骤：
对所述MIMO雷达的各个线性调频脉冲中的原始编码信号进行采样，得到样本数据；
基于所述样本数据生成数据矩阵
Figure 879293DEST_PATH_IMAGE031
；
对所述数据矩阵
Figure 62144DEST_PATH_IMAGE099
的各列做长度为
Figure 280636DEST_PATH_IMAGE100
（
Figure 389275DEST_PATH_IMAGE101
）的一维傅立叶变换，得到数据 矩阵
Figure 60428DEST_PATH_IMAGE040
；
其中，
Figure 515811DEST_PATH_IMAGE005
表示样本数据的长度，N表示线性调频脉冲的个数。
可选地，所述静杂波重构模块820，还用于执行如下步骤：
从所述数据矩阵
Figure 588809DEST_PATH_IMAGE102
的第一行的距离单元开始，依次将所述数据矩阵
Figure 871279DEST_PATH_IMAGE039
的所 有行中的每一行作为当前行循环执行下列步骤1-3：
步骤1，基于所述数据矩阵
Figure 29728DEST_PATH_IMAGE039
的当前行的多普勒数据和编码系数C，根据最小二 乘法估计当前行对应距离的静杂波的通道幅度系数
Figure 554382DEST_PATH_IMAGE010
；
步骤2，根据所述通道幅度系数
Figure 747466DEST_PATH_IMAGE009
和编码系数C，重构当前行对应距离的估计静杂 波信号
Figure 197907DEST_PATH_IMAGE024
，其中
Figure 578073DEST_PATH_IMAGE103
。
具体地，基于下式计算当前行对应距离的静杂波的通道幅度系数
Figure 640838DEST_PATH_IMAGE009
：
Figure 688429DEST_PATH_IMAGE104
；
其中，
Figure 300983DEST_PATH_IMAGE015
表示数据矩阵
Figure 168444DEST_PATH_IMAGE023
的当前行的杂散信号，H表示共轭转置符号，
Figure 34900DEST_PATH_IMAGE105
，
Figure 202577DEST_PATH_IMAGE093
表示编码系数矩阵，M表示发射通道数，N表示多普勒通道数。
具体地，所述编码系数矩阵C中的元素值由下式确定：
假设
Figure 729242DEST_PATH_IMAGE018
的码元为
Figure 349579DEST_PATH_IMAGE019
，
Figure 754147DEST_PATH_IMAGE019
服从二维正态分布，相位的量化位数为
Figure 776329DEST_PATH_IMAGE047
，则得到：
Figure 742405DEST_PATH_IMAGE048
；
其中，
Figure 584459DEST_PATH_IMAGE022
表示虚数符号，
Figure 792717DEST_PATH_IMAGE049
表示所述编码系数矩阵C中的第n行第m列元素。
步骤3，基于所述步骤1和步骤2遍历完矩阵
Figure 669406DEST_PATH_IMAGE008
的所有行而重构出的所有的估计 静杂波信号
Figure 803453DEST_PATH_IMAGE051
，生成静杂波矩阵
Figure 132803DEST_PATH_IMAGE025
；
其中，
Figure 144753DEST_PATH_IMAGE106
。
可选地，静杂波剔除模块830，还用于执行如下步骤：
在执行完成所述步骤3后执行如下步骤4：
步骤4，将所述静杂波矩阵
Figure 875949DEST_PATH_IMAGE053
从所述数据矩阵
Figure 449406DEST_PATH_IMAGE008
中剔除，即
Figure 473DEST_PATH_IMAGE107
， 得到剔除所有静杂波信后的运动目标的多普勒频率信号。
图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor) 910、通信接口(Communications Interface) 920、存储器(memory) 930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行上述所述基于MIMO雷达的静杂波抑制方法。
此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现前面所描述的任一种基于MIMO雷达的静杂波抑制方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于MIMO雷达的静杂波抑制方法，其特征在于，包括：
获取所述MIMO雷达接收到的多个对象的原始编码信号；
基于所述原始编码信号重构出所有的估计静杂波信号；
将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。
2.根据权利要求1所述的基于MIMO雷达的静杂波抑制方法，其特征在于，所述获取所述MIMO雷达接收到的多个对象的原始编码信号的步骤包括：
对所述MIMO雷达的各个线性调频脉冲中的原始编码信号进行采样，得到样本数据；
基于所述样本数据生成数据矩阵
Figure 369132DEST_PATH_IMAGE001
；
对所述数据矩阵
Figure 502173DEST_PATH_IMAGE002
的各列做长度为
Figure 368629DEST_PATH_IMAGE003
（
Figure 270726DEST_PATH_IMAGE004
）的一维傅立叶变换，得到数据矩阵
Figure 54181DEST_PATH_IMAGE005
；
其中，
Figure 674519DEST_PATH_IMAGE006
表示样本数据的长度，N表示线性调频脉冲的个数。
3.根据权利要求2所述的基于MIMO雷达的静杂波抑制方法，其特征在于，所述基于所述原始编码信号重构出所有的估计静杂波信号的步骤包括：
从所述数据矩阵
Figure 79086DEST_PATH_IMAGE007
的第一行开始，依次将所述数据矩阵
Figure 835690DEST_PATH_IMAGE008
的所有行中的每一行 作为当前行循环执行下列步骤1-2：
步骤1，基于所述数据矩阵
Figure 798835DEST_PATH_IMAGE009
的当前行的多普勒数据和编码系数C，根据最小二乘法 估计当前行对应距离的静杂波的通道幅度系数
Figure 640889DEST_PATH_IMAGE010
；
步骤2，根据所述通道幅度系数
Figure 85034DEST_PATH_IMAGE010
和编码系数C，重构当前行对应距离的估计静杂波信 号
Figure 509193DEST_PATH_IMAGE011
，其中
Figure 908819DEST_PATH_IMAGE012
。
4.根据权利要求3所述的基于MIMO雷达的静杂波抑制方法，其特征在于，所述基于所述 数据矩阵
Figure 238169DEST_PATH_IMAGE013
的当前行的多普勒数据和编码系数C，根据最小二乘法估计当前行对应距离 的静杂波的通道幅度系数
Figure 250119DEST_PATH_IMAGE014
的步骤包括：
基于下式计算当前行对应距离的静杂波的通道幅度系数
Figure 981314DEST_PATH_IMAGE010
：
Figure 289192DEST_PATH_IMAGE015
；
其中，
Figure 105839DEST_PATH_IMAGE016
表示数据矩阵
Figure 390321DEST_PATH_IMAGE009
的当前行的杂散信号，H表示共轭转置符号，
Figure 976023DEST_PATH_IMAGE017
，
Figure 717451DEST_PATH_IMAGE018
表示编码系数矩阵，M表示发射通道数，N表示多普勒通道数。
5.根据权利要求4所述的基于MIMO雷达的静杂波抑制方法，其特征在于，所述编码系数矩阵C中的元素值由下式确定：
假设
Figure 555482DEST_PATH_IMAGE019
的码元为
Figure 892922DEST_PATH_IMAGE020
，
Figure 847978DEST_PATH_IMAGE020
服从二维正态分布，相位的量化位数为
Figure 245461DEST_PATH_IMAGE021
，则得到：
Figure 787432DEST_PATH_IMAGE022
；
其中，
Figure 928563DEST_PATH_IMAGE023
表示虚数符号，
Figure 752774DEST_PATH_IMAGE019
表示所述编码系数矩阵C中的第n行第m列元素。
6.根据权利要求3所述的基于MIMO雷达的静杂波抑制方法，其特征在于，所述基于所述原始编码信号重构出所有的估计静杂波信号的步骤还包括：
步骤3，基于所述步骤1和步骤2遍历完矩阵
Figure 586738DEST_PATH_IMAGE009
的所有行而重构出的所有的估计静杂 波信号
Figure 334114DEST_PATH_IMAGE024
，生成静杂波矩阵
Figure 29668DEST_PATH_IMAGE025
；
其中，
Figure DEST_PATH_IMAGE026
。
7.根据权利要求6所述的基于MIMO雷达的目标检测方法，其特征在于，所述将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号的步骤包括：
在执行完成所述步骤3后执行如下步骤4：
步骤4，将所述静杂波矩阵
Figure 756054DEST_PATH_IMAGE027
从所述数据矩阵
Figure 760919DEST_PATH_IMAGE028
中剔除，即
Figure 11903DEST_PATH_IMAGE029
，得到 剔除所有静杂波信后的运动目标对象的多普勒频率信号。
8.一种基于MIMO雷达的静杂波抑制装置，其特征在于，包括：
数据获取模块，用于获取所述MIMO雷达接收到的多个对象的原始编码信号；
静杂波重构模块，用于基于所述原始编码信号重构出所有的估计静杂波信号；
静杂波剔除模块，用于将所述重构出的所有的估计静杂波信号从所述原始编码信号中剔除，得到目标对象的多普勒频率信号。
9.一种设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的基于MIMO雷达的静杂波抑制方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于MIMO雷达的静杂波抑制方法的步骤。
CN202110985182.2A 2021-08-26 2021-08-26 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备 Active CN113433527B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110985182.2A CN113433527B (zh) 2021-08-26 2021-08-26 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110985182.2A CN113433527B (zh) 2021-08-26 2021-08-26 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN113433527A true CN113433527A (zh) 2021-09-24
CN113433527B CN113433527B (zh) 2021-11-09

Family

ID=77797972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110985182.2A Active CN113433527B (zh) 2021-08-26 2021-08-26 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN113433527B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355329A (zh) * 2011-09-01 2012-02-15 中兴通讯股份有限公司 数据信道重构装置及方法
CN103901410A (zh) * 2014-03-31 2014-07-02 西安电子科技大学 基于稀疏恢复的机载双基地mimo雷达杂波抑制方法
CN106526544A (zh) * 2016-10-31 2017-03-22 西安电子科技大学 基于高超声速平台的mimosar杂波抑制方法
CN109061598A (zh) * 2018-08-28 2018-12-21 电子科技大学 一种stap杂波协方差矩阵估计方法
CN110412559A (zh) * 2019-07-26 2019-11-05 西安电子科技大学 分布式无人机mimo雷达的非相参融合目标检测方法
CN111965642A (zh) * 2020-07-08 2020-11-20 西安电子科技大学 一种基于高超声速平台的前斜视多通道sar-gmti杂波抑制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102355329A (zh) * 2011-09-01 2012-02-15 中兴通讯股份有限公司 数据信道重构装置及方法
CN103901410A (zh) * 2014-03-31 2014-07-02 西安电子科技大学 基于稀疏恢复的机载双基地mimo雷达杂波抑制方法
CN106526544A (zh) * 2016-10-31 2017-03-22 西安电子科技大学 基于高超声速平台的mimosar杂波抑制方法
CN109061598A (zh) * 2018-08-28 2018-12-21 电子科技大学 一种stap杂波协方差矩阵估计方法
CN110412559A (zh) * 2019-07-26 2019-11-05 西安电子科技大学 分布式无人机mimo雷达的非相参融合目标检测方法
CN111965642A (zh) * 2020-07-08 2020-11-20 西安电子科技大学 一种基于高超声速平台的前斜视多通道sar-gmti杂波抑制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
***: "基于深度神经网络的人车分类算法", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN113433527B (zh) 2021-11-09

Similar Documents

Publication Publication Date Title
EP3588128B1 (en) Method for detection and height and azimuth estimation of objects in a scene by radar processing using sparse reconstruction with coherent and incoherent arrays
CN108051809B (zh) 基于Radon变换的运动目标成像方法、装置及电子设备
US9846228B2 (en) Software defined automotive radar systems
Shan et al. Efficient architecture and hardware implementation of coherent integration processor for digital video broadcast‐based passive bistatic radar
US5227801A (en) High resolution radar profiling using higher-order statistics
CN111736131B (zh) 一种剔除一比特信号谐波虚假目标的方法及相关组件
CN102914773B (zh) 一种多航过圆周sar三维成像方法
CN113777577B (zh) 基于mimo雷达的目标检测方法、装置及电子设备
CN103149561A (zh) 一种基于场景块稀疏的稀疏微波成像方法
US20220349986A1 (en) Radar communication with interference suppression
CN113589287B (zh) 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质
CN114609623B (zh) 单脉冲雷达的目标检测方法、装置和计算机设备
Wang et al. MIMO SAR system using digital implemented OFDM waveforms
US11709248B2 (en) Beamforming hardware accelerator for radar systems
CN113433527B (zh) 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备
CN103217677A (zh) 一种基于联合检测量的单通道sar动目标检测方法
CN108845318A (zh) 基于Relax算法的星载高分宽幅成像方法
CN111812634A (zh) 警戒线目标监测方法、装置和***
CN114780911A (zh) 一种基于深度学习的海洋宽测绘带距离解模糊方法
US10018718B1 (en) Artifact reduction within a SAR image
CN114325700A (zh) 一种星载多通道sar动目标成像方法
CN109031289B (zh) 认知捷变频雷达波形设计方法和装置
CN113504526A (zh) 基于mimo雷达的目标检测方法、装置、电子设备及存储介质
CN109031352A (zh) 一种基于glonass卫星信号的低空目标预警***及其实现方法
US20230393236A1 (en) Radar communication with interference suppression

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