CN113721211A - 一种基于点迹特征信息的稀疏固定杂波识别方法 - Google Patents
一种基于点迹特征信息的稀疏固定杂波识别方法 Download PDFInfo
- Publication number
- CN113721211A CN113721211A CN202110715287.6A CN202110715287A CN113721211A CN 113721211 A CN113721211 A CN 113721211A CN 202110715287 A CN202110715287 A CN 202110715287A CN 113721211 A CN113721211 A CN 113721211A
- Authority
- CN
- China
- Prior art keywords
- point
- sparse
- trace
- grid
- fixed clutter
- 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 40
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000008447 perception Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 13
- 230000001629 suppression Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012360 testing method Methods 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
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
本发明提出了一种基于点迹特征信息的稀疏固定杂波识别方法，依据雷达重频、距离分辨单元大小、仰角覆盖范围将雷达探测区域在距离、方位、仰角三个维度进行划分；依据点迹的位置及特征信息对该点迹所覆盖的网格区域进行计数标记；基于滑窗法进行航迹起始，建立初始相关序列和多层多维环境感知网格；利用多层多维感知网格内的初始相关序列，识别出稀疏固定杂波。本发明在杂波区识别时加入点迹特征信息，使识别结果更加准确；通过初始相关序列很快能识别是否为稀疏固定杂波，有效抑制虚假航迹的产生。
Description
技术领域
本发明涉及雷达数据处理技术，具体涉及一种基于点迹特征信息的稀疏固定杂波识别方法。
背景技术
当雷达向空间辐射电磁波探测空中目标时，其接收机接收到的雷达信号除了来自视距内其探测方向上空中目标的反射回波信号外，还可能存在部分来自地面或海面，以及空中云、雨等物体产生的大量反向散射强干扰杂波信号。随着风电场的大范围建设，风车杂波对雷达的干扰问题也日益严重。这些强干扰杂波信号的存在,不仅会覆盖或掩没空中有用目标的回波信号，而且还会导致雷达产生大量的虚假目标信号。大量的虚假目标信号的存在，不仅会影响雷达数据处理对目标的关联精度与跟踪精度，也易造成雷达***对目标探测与跟踪的失效。因此，为了适应现代复杂的战场环境，在雷达数据处理过程中，进一步研究和探索雷达目标数据处理中的新算法或新方法，滤除雷达接收回波中无用的杂波成分，提取有用的目标信息仍是目前国内外众多学者关注与研究的焦点。
目前，杂波区域识别应用相对成熟的是网格法，具体思路是将雷达探测区域进行网格划分，采用滑窗法实时统计最近几个周期点迹总数、每个网格中落入的点迹数、有点迹落入的网格数，通过对上述三个数据的比较分析，动态识别可能的杂波区域，并根据杂波分布的情况将杂波区域分为：非杂波区、弱杂波区、中杂波区、强杂波区四种类型。对非杂波区采用正常的航迹起始算法，并可适当放宽航迹检测门限及参与航迹起始的点迹个数，以缩短反应时间；对弱、中、强三种杂波区域，逐渐提高航迹的检测门限，并降低新建航迹的质量，增加航迹的积累点数，以减少最终确认航迹中虚假航迹的数量。
但网格法还不能达到充分抑制虚假航迹的目的。分析风车点迹数据发现，风车点迹与普通的地物杂波、海杂波并不相同，主要有以下两个特点：
(1)每个风车都较为孤立，不同风车点迹之间的距离相对较远，近者有几百米，远则几公里。这就导致网格法所划分的每个杂波区域内的每周期点迹数量并不是很多，很有可能没有达到杂波区域的门限，导致没有将这些区域识别为杂波区；
(2)由于旋转的风车具有一定的多普勒速度，信号处理虽然也进行了MTD、恒虚警等一些杂波抑制处理，但很难对其进行有效抑制，反而使得不同周期对同一风车的点迹在位置上出现“漂移”的现象。由于这些区域并没有被识别成杂波区，使得这些发生“偏移”的点迹特别容易被建立具有一定速度的虚假航迹。
风车杂波抑制方案措施可分为两大类：一类是减少风轮机杂波进入雷达***，另一类是对进入雷达***中的风车杂波进行抑制处理。然而通过增加设备或者优化布置等相关措施减少风车杂波进入雷达***以达到杂波抑制目的，难以有效解决已部署风电场的干扰问题。而在实际应用中常利用信号处理手段对进入雷达***中的风轮机杂波进行处理。由于风轮机叶片在频域上产生连续变化的多普勒频率，存在频谱展宽效应，导致风轮机杂波分散到多个非零频的多普勒滤波器组，因此传统的动目标显示、动目标检测效果显然很差。
发明内容
本发明的目的在于提出一种基于点迹特征信息的稀疏固定杂波识别方法。
实现本发明目的的技术解决方案为：一种基于点迹特征信息的稀疏固定杂波识别方法，步骤如下：
第一步，依据雷达重频、距离分辨单元大小、仰角覆盖范围将雷达探测区域在距离、方位、仰角三个维度进行划分；
第二步，依据点迹的位置及特征信息对该点迹所覆盖的网格区域进行计数标记；
第三步，基于滑窗法进行航迹起始，建立初始相关序列和多层多维环境感知网格；
第四步，利用多层多维感知网格内的初始相关序列，识别出稀疏固定杂波。
第二步中，依据点迹的位置及特征信息对该点迹所覆盖的网格区域进行计数标记，其中：
点迹特征信息包括距离扩展、方位扩展信息和仰角扩展信息，即任何一个点迹在距离、方位、仰角三个维度上均具有一定的宽度。
第四步中，利用多层多维感知网格内的初始相关序列，识别出稀疏固定杂波，方法如下：
当航迹起始建立初始相关序列后，利用多层多维环境感知网格对用于起始的点迹进行判断，如果有点迹所属的网格内计数较大，则认为该航迹为固定杂波建立的虚假航迹，所在多层多维感知网格为稀疏固定杂波区域。
一种基于点迹特征信息的稀疏固定杂波识别***，基于所述的基于点迹特征信息的稀疏固定杂波识别方法，实现基于点迹特征信息的稀疏固定杂波识别。
一种计算机设备，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计算机程序时，基于所述的基于点迹特征信息的稀疏固定杂波识别方法，实现基于点迹特征信息的稀疏固定杂波识别。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于所述的基于点迹特征信息的稀疏固定杂波识别方法，实现基于点迹特征信息的稀疏固定杂波识别。
本发明与现有技术相比，其显著优点为：1)杂波区识别时加入点迹特征信息，使识别结果更加准确；2)通过初始相关序列很快能识别是否为稀疏固定杂波，有效抑制虚假航迹的产生。
附图说明
图1基于点迹特征信息的稀疏固定杂波识别方法流程图。
图2是点迹距离、方位扩展信息示意图。
图3是多层多维环境感知示意图。
图4是雷达原始测量数据图。
图5是没采用本方法前的航迹处理结果图。
图6是采用本方法后的航迹处理结果图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
第一步，依据雷达雷达重频、距离分辨单元大小、仰角覆盖范围将雷达探测区域在距离、方位、仰角三个维度进行划分。
网格划分具体步骤如下：
(1)将雷达仰角覆盖范围平均分成NE个单元；
(2)以雷达天线为原点，将天线扫描空间在方位上分成NA个方位单元；
NA＝T·f
T为雷达天线扫描周期，f为雷达重频。
(3)在每个方位单元内，又按距离分辨单元大小分成NR个距离单元，如此将雷达探测区域划分成N个立体的小单元。
N＝NE·NA·NR
R为雷达探测距离，Ur为距离分辨单元大小。
第二步，依据点迹距离扩展、方位扩展信息和仰角扩展信息对该点迹所覆盖的网格区域进行计数标记。任何一个点迹在距离、方位、仰角三个维度上均具有一定的宽度。以距离、方位两个维度为例，如图2所示。
第三步，采用滑窗法，实时、动态地统计最近四个周期的点迹信息，采用工程上最常使用的逻辑法进行航迹起始，建立初始相关序列和多层多维环境感知网格。如图3所示，第一周期点迹到第四周期点迹形成了一条初始相关序列，构建的多层多维感知环境网格中的计数统计如下表1所示，图3网格从左边开始依次编号。
表1多层多维环境感知网格计数统计
第四步，利用多层多维感知网格内的初始相关序列，识别出稀疏固定杂波。具体步骤如下：
(1)设置网格计数阈值n和超过阈值的网格数目n′。
(2)当航迹处理建出初始相关序列后，利用多层多维环境感知网格对用于起始的点迹进行统计。
(3)当有点迹所属的网格内计数超过阈值n的网格个数达到n′，则认为该多层多维感知网格为稀疏固定杂波区域。
设置网格计数阈值n为3，网格计数超过阈值的数目n′需达到8，在图3中，多层多维感知环境网格中计数为4的有2个，计数为3的有8个，网格计数超过阈值的网格数为10，则认为该航迹为固定杂波建立的虚假航迹，该多层多维感知网格为稀疏固定杂波区域。
多层多维环境感知网格的计数标记最大值跟滑窗法实时动态统计周期数相关，两者数值上相等。如果是位置相对固定的目标，在多个周期内，其所属网格内的计数较大，否则较小。
雷达原始测试数据如图4所示，采用上述基于点迹特征信息的稀疏固定杂波识别方法前后的航迹处理效果分别为图5和图6。可以看出没有采用本方法前在风车杂波区会产生很多的虚假航迹，因此此基于点迹特征信息的稀疏固定杂波识别方法能够有效识别风车类杂波，抑制稀疏固定杂波构成的虚假航迹的建立。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种基于点迹特征信息的稀疏固定杂波识别方法，其特征在于，步骤如下：
第一步，依据雷达重频、距离分辨单元大小、仰角覆盖范围将雷达探测区域在距离、方位、仰角三个维度进行划分；
第二步，依据点迹的位置及特征信息对该点迹所覆盖的网格区域进行计数标记；
第三步，基于滑窗法进行航迹起始，建立初始相关序列和多层多维环境感知网格；
第四步，利用多层多维感知网格内的初始相关序列，识别出稀疏固定杂波。
2.根据权利要求1所述的基于点迹特征信息的稀疏固定杂波识别方法，其特征在于，第二步中，依据点迹的位置及特征信息对该点迹所覆盖的网格区域进行计数标记，其中：
点迹特征信息包括距离扩展、方位扩展信息和仰角扩展信息，即任何一个点迹在距离、方位、仰角三个维度上均具有一定的宽度。
3.根据权利要求1所述的基于点迹特征信息的稀疏固定杂波识别方法，其特征在于，第四步中，利用多层多维感知网格内的初始相关序列，识别出稀疏固定杂波，方法如下：
当航迹起始建立初始相关序列后，利用多层多维环境感知网格对用于起始的点迹进行判断，如果有点迹所属的网格内计数较大，则认为该航迹为固定杂波建立的虚假航迹，所在多层多维感知网格为稀疏固定杂波区域。
4.一种基于点迹特征信息的稀疏固定杂波识别***，其特征在于，基于权权利要求1-3任一项所述的基于点迹特征信息的稀疏固定杂波识别方法，实现基于点迹特征信息的稀疏固定杂波识别。
5.一种计算机设备，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计算机程序时，基于权权利要求1-3任一项所述的基于点迹特征信息的稀疏固定杂波识别方法，实现基于点迹特征信息的稀疏固定杂波识别。
6.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，基于权权利要求1-3任一项所述的基于点迹特征信息的稀疏固定杂波识别方法，实现基于点迹特征信息的稀疏固定杂波识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110715287.6A CN113721211B (zh) | 2021-06-26 | 一种基于点迹特征信息的稀疏固定杂波识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110715287.6A CN113721211B (zh) | 2021-06-26 | 一种基于点迹特征信息的稀疏固定杂波识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113721211A true CN113721211A (zh) | 2021-11-30 |
| CN113721211B CN113721211B (zh) | 2024-08-02 |
Family
ID=
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO971405D0 (no) * | 1996-03-28 | 1997-03-25 | Hughes Aircraft Co | System for å fölge radarmål ved falske ekkoer |
| DE10238896A1 (de) * | 2002-08-24 | 2004-03-11 | Eads Deutschland Gmbh | Verfahren zur Auswertung von Radardaten |
| US6861974B1 (en) * | 2003-10-16 | 2005-03-01 | Lockheed Martin Corporation | Clutter normalization by adaptation of transmit waveform |
| CA2593436A1 (en) * | 2006-11-09 | 2008-05-09 | Raytheon Canada Limited | Dual beam radar system |
| CN102721954A (zh) * | 2012-07-05 | 2012-10-10 | 中国民航大学 | 基于动态杂波图的风电场杂波识别与抑制方法 |
| CN111650581A (zh) * | 2020-06-15 | 2020-09-11 | 南京莱斯电子设备有限公司 | 一种基于环境感知的雷达全域目标航迹自动起始方法 |
| CN111796250A (zh) * | 2020-06-12 | 2020-10-20 | 中国船舶重工集团公司第七二四研究所 | 一种基于风险评估的虚假点迹多维层次化抑制方法 |
| CN112051568A (zh) * | 2020-09-01 | 2020-12-08 | 西安电子工程研究所 | 一种两坐标雷达的俯仰测角方法 |
| CN112986947A (zh) * | 2021-04-13 | 2021-06-18 | 南京雷电信息技术有限公司 | 一种基于机器学习的点迹过滤处理方法 |
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NO971405D0 (no) * | 1996-03-28 | 1997-03-25 | Hughes Aircraft Co | System for å fölge radarmål ved falske ekkoer |
| DE10238896A1 (de) * | 2002-08-24 | 2004-03-11 | Eads Deutschland Gmbh | Verfahren zur Auswertung von Radardaten |
| US6861974B1 (en) * | 2003-10-16 | 2005-03-01 | Lockheed Martin Corporation | Clutter normalization by adaptation of transmit waveform |
| CA2593436A1 (en) * | 2006-11-09 | 2008-05-09 | Raytheon Canada Limited | Dual beam radar system |
| CN102721954A (zh) * | 2012-07-05 | 2012-10-10 | 中国民航大学 | 基于动态杂波图的风电场杂波识别与抑制方法 |
| CN111796250A (zh) * | 2020-06-12 | 2020-10-20 | 中国船舶重工集团公司第七二四研究所 | 一种基于风险评估的虚假点迹多维层次化抑制方法 |
| CN111650581A (zh) * | 2020-06-15 | 2020-09-11 | 南京莱斯电子设备有限公司 | 一种基于环境感知的雷达全域目标航迹自动起始方法 |
| CN112051568A (zh) * | 2020-09-01 | 2020-12-08 | 西安电子工程研究所 | 一种两坐标雷达的俯仰测角方法 |
| CN112986947A (zh) * | 2021-04-13 | 2021-06-18 | 南京雷电信息技术有限公司 | 一种基于机器学习的点迹过滤处理方法 |
Non-Patent Citations (2)
| Title |
|---|
| XIAO DAI ET: "A Radar False Track Suppression Algorithm based on Logistic Regression", 《2019 IEEE INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE AND COMPUTER APPLICATIONS》, 17 October 2019 (2019-10-17), pages 1 - 5 * |
| 戴霄: "雷达数据处理中的虚假航迹综合抑制技术", 《舰船电子对抗》, vol. 38, no. 6, pages 1 - 6 * |
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 | |
| CN101988963B (zh) | 利用风廓线雷达获取三维风场的方法 | |
| CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
| CN110609262B (zh) | 一种场面监视雷达的三维恒虚警检测方法 | |
| JP2005520161A (ja) | レーダ検出の適応的システムおよび方法 | |
| Chen et al. | A fast FRFT based detection algorithm of multiple moving targets in sea clutter | |
| CN112198487B (zh) | 一种风电场杂波背景下的目标检测方法 | |
| CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
| CN104931939A (zh) | 一种基于假目标特征的弹载转发式干扰抑制方法 | |
| CN103454634A (zh) | 基于多普勒谱分析的sar运动目标检测方法 | |
| CN104199002B (zh) | 抑制风力发电旋叶虚警目标的雷达信息处理方法 | |
| Sahal et al. | Comparison of CFAR methods on multiple targets in sea clutter using SPX-radar-simulator | |
| CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
| CN112162256B (zh) | 一种基于脉冲相关的级联式多维度径向运动特征检测方法 | |
| CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
| CN113721211B (zh) | 一种基于点迹特征信息的稀疏固定杂波识别方法 | |
| CN113721211A (zh) | 一种基于点迹特征信息的稀疏固定杂波识别方法 | |
| CN108008374B (zh) | 基于能量中值的海面大型目标检测方法 | |
| CN110221289A (zh) | 用于三坐标有源相控阵雷达的目标检测方法 | |
| CN108508413B (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
| CN112835006B (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及*** | |
| Zhou et al. | An adaptive clutter suppression technique based on environmental perception | |
| CN113156392A (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
| CN113552563A (zh) | 垂测信息和高频地波雷达杂波信息的对应性分析方法 | |
| CN113534084A (zh) | 一种基于相关关系拓扑图的雷达虚假航迹抑制方法 |
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 |