一种雷达地形数据处理方法与流程

本发明涉及一种雷达数据处理方法。

背景技术：

在雷达使用过程中，对雷达阵地全距离段的地形进行测量分析，利用算法对地形数据进行处理，得到雷达遮蔽角参数，用于控制波束扫描角度，规避地形对雷达波束影响，能够使雷达捕捉目标更加精准。

目前雷达控制波束对全方位全距离段进行扫描，通过雷达前端的地形数据获得遮蔽角。由于地形复杂，返回的地形数据可能存在杂波、气象等其他因素的影响，造成部分地形数据异常(失真)，如果异常(失真)数据使用不合理算法进行处理，使用了该数据形成的异常遮蔽角数据就会导致雷达波束探测过高或过低探测到地面，雷达将捕获不到空中的目标。

为了使雷达捕获目标更快更精准，就必须清楚雷达捕获目标方位上的准确地形数据，错误失真的地形数据使得雷达捕获目标能力下降。就目前获取雷达地形的数据有两种途径，一种是利用各种类型矢量地图生成地形数据，第二种是利用雷达的地形测地模式，通过接收到雷达回波幅度，然后进行数据处理得到地形数据，第一种如果拿不到被探测方的矢量地图信息，则该途径就不能获取到地形数据，存在局限性；第二种方式雷达工作时主动获取到地形回波数据，通过算法进行处理得到实时地形遮蔽角数据。就目前使用的处理地形回波数据算法，得到的地形遮蔽角数据存在失真，原因在于处理过程中仅在方位维或者俯仰维进行处理的，没有对方位、俯仰和距离之间进行相关再处理，导致部分异常数据不能被处理。

技术实现要素：

为了克服现有技术的不足，本发明针对具备地形测量模式的雷达，提供一种雷达地形数据处理方法，在地形测量模式下对接收的回波地形数据通过算法进行俯仰凝聚、方位凝聚以及线性化处理，得到与实际地形相似度较高的地形遮蔽角。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤一，对接收到的地形数据的第一个波束中第一个距离单元对应的每个俯仰对应的回波幅度值进行排序，取所有幅度值的最大值lm与设定的门限值m1进行比较，如果lm大于m1，则记录lm对应的俯仰频点，否则将lm对应的俯仰频点记录为最小俯仰角的频点，并取排序中第二大的俯仰幅度值lm-1与lm对比，若lm与lm-1之差大于设定门限值m2，则在排序中保留lm，否则保留最小俯仰角对应的频点；

步骤二，重复步骤一处理n次，n为距离单元个数，遍历各个距离单元，得到数据data1[n*cnt]；

步骤三，重复步骤一和步骤二m次，m为波束的个数，得到俯仰凝聚后的数据data2[m*n*cnt]；

步骤四，俯仰凝聚后的结果数据data2[m*n*cnt]进行方位凝聚，具体步骤如下：

1)数据data2[m*n*cnt]中第一个方位波束上有对应cnt个俯仰角，对其进行关联处理，每相邻两个俯仰角中，后一个俯仰角减去前俯仰角，如果后一个俯仰角减去前俯仰角大于设定的门限值m3且该俯仰角减去后俯仰角也大于设定门限值m3，则此俯仰角＝(前俯仰角+后俯仰角)/2；否则不进行处理，输出数据data3[cnt]；

2)用data3[cnt]数据的第一个俯仰角减去第二个俯仰角，若大于设定门限值m4，则将第二个俯仰角赋值给第一个；否则不进行处理；自前向后遍历data3[cnt]的所有数据，得到data4[cnt]；

3)对data4[cnt]数据进行处理，倒数第二个俯仰角减去最后一个俯仰角大于设定门限值m4，则最后一个俯仰角的值赋给倒数第二个俯仰角；自后向强遍历data4[cnt]的所有数据，得到data5[cnt]；

4)对所有波束重复执行步骤1)～3)，输出数据data5[m*cnt]；

5)数据data5[m*cnt]中相邻波束的相同距离单元进行处理，中间波束同一个距离单元的俯仰角减去前一个波束同一个距离单元的俯仰角大于设定门限值m5且中间波束同一个距离单元减去后一波束同一个距离单元大于设定门限值m5，则中间波束同一个距离单元等于前加后除于2，否则不处理，输出数据data6；

步骤五，对数据data6进行线性化处理，如果同一个波束中的俯仰角前一个比后一个大，则将后一个值赋给前一个，按此方法从前往后遍历该波束的所有俯仰角；

步骤六，重复步骤五，遍历数据data6的每一个方位波束，输出数据data7，即为当前的地形的遮蔽角数据。

本发明的有益效果是：针对接收雷达测地模式下的回波幅度数据对其进行处理，对数据从方位、俯仰以及距离单元，通过遍历每一位上的回波数据，三方位对其进行数据与数据之间的相关，对其中的异常数据进行很好的优化。在测地模式准确度很高的情况下，简单处理就可以获取到地形数据，当气象、地杂波等对雷达的影响较大，简单处理地形数据会导致地形遮蔽角失真，本发明采用的三方位的处理确保通过每一位数据与周围数据进行互相比较关联，对异常数据进行优化处理，让地形数据更真实。

附图说明

图1是本算法的处理流程示意图；

图2是方位上波束的距离单元与俯仰关系示意图；

图3是经过方位凝聚后的方位上波束的距离单元与俯仰关系示意图；

图4是方位上波束的距离单元与俯仰关系示意图；

图5是对图4经过前后俯仰进行顺序对比处理得出的距离单元与俯仰关系示意图；

图6是俯仰进行倒序处理对比前的距离单元与俯仰关系示意图；

图7是俯仰进行倒序处理对比后的距离单元与俯仰关系示意图；

图8是相邻波束间的相同距离单元进行处理的距离单元与俯仰关系示意图；

图9是相邻波束间距离单元与俯仰关系示意图；

图10是对图9线性化处理后的距离单元与俯仰关系示意图；

图11是采集到的原始地形数据示意图；

图12是简单算法处理的结果示意图；

图13是本发明算法处理的结果示意图。

具体实施方式

下面结合附图和实施例对本发明进一步说明，本发明包括但不仅限于下述实施例。

本发明包括以下步骤：

步骤一：对接收到的缓存中data(地形数据)进行俯仰凝聚，对第一个波束中的第一个距离单元对应每一个俯仰幅度值缓存到容器中，在对该容器中值取最大值，让最大值与设定门限值m1进行比较，如果大于门限值，则记录最大值所对应的俯仰频点位置，否则记录为最小俯仰角的频点，继续在容器中取次之的最大值，如果最大值减去次之最大值大于设定门限值m2，则将最大值对应的俯仰波束保存在缓存data1[cnt]中，，否则为最小俯仰角对应的频点保存在缓存中；

步骤二：对步骤一进行循环处理n(距离单元的个数)次，得到缓存数组数据data1[n*cnt]；

步骤三：对步骤一和步骤二进行循环处理m(波束的个数)次，得到新数组缓存data2[m*n*cnt]；

步骤四：俯仰凝聚后的结果数据data2[m*n*cnt]进行方位凝聚；

1.经过俯仰凝聚后，得data2[m*n*cnt]缓存数组数据，第一个方位波束上有对应cnt个俯仰角，对其进行关联处理，从第一个波束的第二个俯仰角算起(直到倒数第二个俯仰角)，后一个俯仰角减去前俯仰角，如果后一个俯仰角减去前俯仰角大于设定的门限值m3(经验值)且该俯仰角减去后俯仰角大于设定门限值m3，则此俯仰角＝(前俯仰角+后俯仰角)/2；否则不进行处理，输出data3缓存数据；

2.对data3数据在进行处理，对步骤1中的方位第一个俯仰角减去第二个俯仰角大于设定门限值m3，则将第二个俯仰角赋值给第一个；如图4转换到图5所示；

3.对data3数据继续进行处理，对步骤1中的方位中的倒数第二俯仰角减去最后一个俯仰角大于设定门限值m4，则最后一个俯仰角的值赋给倒数第二个俯仰角，如图所示图6转换到图7，横轴表示距离单元，纵轴表示俯仰波束(频点)；

4.对所有波束进行步骤1、2、3处理，输出data4缓存数组数据；

5.相邻波束中的相同距离单元进行处理，中间波束同一个距离单元的俯仰减去前一个波束同一个距离单元的俯仰(频点)大于设定门限值m5且中间波束同一个距离单元减去后一波束同一个距离单元大于设定门限值m6，则中间波束同一个距离单元等于前加后除于2(从第二个波束直到倒数第二个)；如图8所示得到结果，横轴表示距离单元，纵轴表示俯仰波束(频点)。输出缓存数组数据data5。

步骤五：对缓存数组数据data5进行线性化处理，对data5进行处理，如果同一个波束中的俯仰角(频点)前一个比后一个大，则将后一个值赋给前一个值；

步骤六：对步骤五进行循环处理，遍历每一个方位波束。输出data6；如图9线性处理后得如图10的结果；横轴表示距离单元，纵轴表示俯仰波束角；

步骤七：缓存数组数据data6就为当前的地形的遮蔽角数据。

与现有的雷达点迹凝聚方法(例如申请号为cn201710621882.7的专利申请“基于二维滑窗局部极值的三坐标雷达点迹凝聚方法”)相比，现有的凝聚算法中俯仰检测凝聚和方位检测凝聚是基于二维滑窗局部极值法，利用“工”字型搜索窗口，满足在当前搜索距离单元点迹且幅度最大的作为凝聚结果，本质是在众多目标中取满足要求的目标，而本发明是将每一个数据与周围的数据进行相关处理，将异常数据相关为正常数据。

本发明的实施例中，设某型侦察校射雷达测地模式下接收到雷达前端上报的地形数据为demdata，格式为：demdata[azcnt(方位波束)][elcnt(俯仰波束频点)][rcnt(距离单元)]存储在内存中；注：每一个俯仰角对应一个固定频点。本发明的实施例包括以下步骤：

第一步：俯仰凝聚

a)初始化一个pdest[rcnt]数组，默认值为最小俯仰对应的频点值m，表示同一个方位波束不同距离单元对应的俯仰角，取第一个波束中第一个距离单元上每一个俯仰对应的幅度值db，存入容器vtbuf中，容器中有elcnt个db值。

b)取出容器vtbuf中最大值mainmax，与门限值275(db)(此门限值可调节)进行比较，如果大于门限值275(db)(不同雷达门限值不一样，)，则记录最大值所对应俯仰位置上对应的频点，继续在vtbuf中取最大值submax，如果(mainmax-submax)>20，则将mainmax对应的俯仰波束的对应频点输出保存在pdest[0]缓存中；如果上述两个比较有一个不成立，则pdest[0]值保持不变；

c)对上述a),b)步骤进行循环rcnt次处理，对每一个距离单元上的俯仰对应的幅度值进行处理，得到缓存数组pdest[rcnt]数据；

d)对每一个波束进行a)～c)步骤，进行azcnt次，输出缓存数组pdest[azcnt*rcnt]。

第二步：方位凝聚

a)经过俯仰凝聚后，得pdest[azcnt*rcnt]缓存数组数据，第一个方位波束上有rcnt个俯仰角，对其进行关联处理，从第一个波束起第二个俯仰角算起，如果俯仰角对应的频点elm减去前俯仰角对应的频点elm-1>2且该俯仰角对应的频点elm减去后俯仰角对应的频点elm+1大于2，则此俯仰角对应的频点elm等于(前俯仰角对应的频点elm-1加上后俯仰角对应的频点elm+1)/2，否则不处理，输出pdata[m]；如图2转换后图3，横轴表示距离单元，纵轴表示俯仰波束；

b)对pdata[rcnt]数据在进行处理，对a步骤中的方位第一个俯仰角对应的频点el0减去第二个俯仰角对应的频点el1大于2，则将第二个俯仰角对应的频点el1赋值给第一个俯仰角对应的频点，即el0＝el1；如图4转换到图5所示，横轴表示距离单元，纵轴表示俯仰波束；

c)对pdata[rcnt]数据继续进行处理，对a步骤中的方位中的倒数第二俯仰角对应的频点eln-1减去最后一个俯仰角对应的频点eln大于2则，最后一个俯仰角对应的频点eln的值赋给倒数第二个俯仰角对应的频点eln-1，即eln-1＝eln；如图所示图6转换到图7，横轴表示距离单元，纵轴表示俯仰波束；

d)对所有波束进行，a),b),c)步骤处理，输出pdata[azcnt*rcnt]；

e)对pdata[azcnt*rcnt]数据进行处理，取相邻波束中的相同距离，中间波束同一个距离单元pdata[rcnt]减去前一个波束同一个距离单元的pdata[0]>2且中间波束同一个距离单元pdata[rcnt]减去后一波束同一个距离单元pdata[2*rcnt]>2，则pdata[rcnt]＝(pdata[2*rcnt]+pdata[0])；如图8所示得到结果，横轴表示距离单元，纵轴表示俯仰波束。

f)对e)步骤进行循环处理，遍历所有波束输出pdata[azcnt*rcnt]。

第三步：线性化

a)对pdata[azcnt*rcnt]进行处理，如果同一个波束中的俯仰角pdata[0]前一个比后一个pdata[1]大，则将后一个值赋给前一个值，即pdata[0]＝pdata[1]，遍历其它数据；

b)对上述a)步骤进行循环处理，遍历所有波束。输出pdata[azcnt*rcnt]；如图9线性后得如图10结果；横轴表示距离单元，纵轴表示俯仰波束。

如图11、12、13所示，横轴为方位角，纵轴为遮蔽角密位值，图11原始数据为2019年8月某型侦察校射雷达在华阴市采集的秦岭山地形遮蔽角数据，图12为简单算法处理的结果，与真实地形匹配度不高，图13为本发明算法进行处理的，与真实地形匹配度高，图12为简单算法进行处理后得出的遮蔽角数据，图中1600-1700mil中间被处理为低谷地形和2500-2700mil之间处理为一个孤立的山间，由于出现气象杂波等因素，普通算法没有规避掉异常数据，导致地形失真。图12为本发明算法对同一数据处理的，对图中的1600-1700mil之间的数据经过方位、俯仰以及距离单元相关处理较为平滑，对2500-2700mil之间孤立山间，此算法对其异常数据进行相关处理，与实际地形匹配度较高；效果比普通算法对地形的匹配度更高，对异常数据做到了很好的修正。