一种极窄脉冲雷达距离关联目标回波空间聚合方法与流程

文档序号:23588197发布日期:2021-01-08 14:22阅读:95来源:国知局
一种极窄脉冲雷达距离关联目标回波空间聚合方法与流程

本发明属于极窄脉冲雷达数据处理领域,具体涉及一种极窄脉冲雷达距离关联目标回波空间聚合方法。



背景技术:

极窄脉冲雷达,是指经过处理后单个回波脉冲宽度远小于目标尺寸的一类雷达。对于极窄脉冲雷达,目标的回波中包含多个极窄脉冲,分别对应于目标上不同的散射点。因此,目标极窄脉冲回波能够表示目标散射点沿雷达视线方向的分布情况,通常也称为目标的高分辨距离像(hrrp)。

目标回波空间聚合(以下简称“回波聚合”),是指在包含目标、杂波和噪声的极窄脉冲雷达回波中,将属于同一目标的极窄脉冲聚集在一起,提取目标回波片段(即目标hrrp),从而得到目标的有效信息。目标回波聚合是极窄脉冲雷达目标识别、目标参数测量和目标跟踪的前提。由于散射点分布特性与目标类型和目标姿态紧密相关,因此回波聚合方法需要对目标散射点分布形式具有良好的鲁棒性。

距离关联回波聚合,是指利用不同极窄脉冲在距离上的关联性作为判断其是否属于同一目标的依据。现有距离关联回波聚合方法是单门限分割法,其主要思想是设置一个固定的门限,将雷达回波中每个数据点与该门限进行比较,超过门限的数据点记为过检点;将雷达回波中第一个过检点和最后一个过检点作为目标的起始位置和终止位置,进而提取出目标回波片段。为了避免出现虚警,单门限分割法的门限值往往比较高,可能会遗漏目标上相对较弱的回波,使得聚合结果出现偏差,因此单门限分割法的准确性和鲁棒性较差。而且,单门限分割法无法对多个目标分别进行聚合,存在很大的局限性。



技术实现要素:

有鉴于此,本发明提供了一种极窄脉冲雷达距离关联目标回波空间聚合方法,能够在包含多个目标、噪声和杂波的雷达回波中,准确、快速、稳定地聚合出目标的极窄脉冲回波。

实现本发明的技术方案如下:

一种极窄脉冲雷达距离关联目标回波空间聚合方法,包括以下步骤:

步骤一、计算雷达回波峰值点信杂比,判断是否进行回波聚合;

步骤二、利用有序统计恒虚警检测(os-cfar)方法确定第一门限;基于第一门限计算第二门限与合并门限,其中第二门限用于检测强散射点,合并门限用于检测弱散射点;利用第二门限与合并门限完成目标hrrp的散射点检测;基于散射点检测结果判断邻近过检点是否属于同一目标,并对同一目标所在的连通区域进行前后双边谷值点搜索得到初步聚合片段;

步骤三、对属于同一目标的离散片段进行递进关联,对信杂比较低以及长度不在合理范围内的聚合片段进行剔除,得到最终的聚合结果。

进一步地,步骤二的具体过程为:

步骤2.1、利用有序统计恒虚警检测方法确定第一门限g1;

步骤2.2、根据雷达回波峰值点功率pp与第一门限g1计算第二门限g2和合并门限g3:

g2=(pp-g1)×c2(8)

g3=(pp-g1)×c3(9)

其中,c2、c3分别为第二门限系数和合并门限系数,且0<c3<c2<1;

步骤2.3、记检测量v中大于门限g2的r个点为强散射点v=p-g1,p=[|x1|2,|x2|2,...,|xn|2],x=[x1,x2,...,xn],x∈r+,x为取模后的雷达回波;

步骤2.4、标记作为第一个目标的头head1,随后从开始遍历强散射点;

步骤2.5、记当前遍历点之间的距离为当前目标为j;判断与设定阈值t1的关系;若则判断两点属于同一目标j,进行步骤2.8;若则进行步骤2.6,对两点关系进一步进行判断;

步骤2.6、记在x中对应位置之间所有过门限g3的s个点为弱散射点计算其占两点间总点数的比例r:

判断r与设定阈值t2的关系:若r>t2,则判断两点属于同一目标j,进行步骤2.8;若r<t2,则判断两点不属于同一目标,进行步骤2.7;

步骤2.7、令为目标j的尾tailj,则目标j为[headj,tailj]在回波x中对应的区间;令为目标j+1的头headj+1,进行步骤2.8;

步骤2.8、判断遍历是否完成,若遍历已完成则进行步骤2.9;若遍历尚未完成则继续遍历并进行步骤2.5;

步骤2.9、令作为最后一个目标的尾,得到所有目标回波片段;并对同一目标所在的连通区域进行前后双边谷值点搜索得到初步聚合片段。

进一步地,步骤三中,对属于同一目标的离散片段进行递进关联具体为:

当初始聚合片段数量为1时,则跳过递进关联操作,直接进行剔除操作;当初始聚合片段数量为m个时,m≥2,记当前初始聚合片段为tarm,m=1,2,3,...,m-1,统计tarm中的强散射点个数则tarm与tarm+1不进行关联;

记片段tarm与tarm+1之间的距离为length(tarm,tarm+1),判断length(tarm,tarm+1)与设定阈值t3的关系;若length(tarm,tarm+1)>t3,则tarm与tarm+1不进行关联;

并且length(tarm-1,tarm)>t4,length(tarm,tarm+1)>t4,则tarm-1与tarm+1不进行关联;

将剩余的相邻聚合片段合并为同一目标,完成递进关联。

有益效果:

本发明采用基于双门限检测的极窄脉冲雷达目标回波空间聚合方法,能够快速、准确地将雷达回波中的目标、杂波、噪声背景以及其他目标同时进行划分。对比已有技术,本发明具有如下优点:

1.鲁棒性强,准确性高

本发明利用两组门限分别检测目标的强散射点和弱散射点,在目标回波存在起伏的情况下仍能够检测出其强散射点信息与弱散射点信息,对目标类型与目标姿态的鲁棒性强。

2.能够对多个目标的回波分别进行聚合

本发明采用两组门限检测目标散射点,信息更为准确,可以判断不同散射点是否属于同一目标,因此能够一帧雷达回波中的多个目标回波分别进行聚合。

因此,本发明的提出和工程实现在雷达信息处理领域具有很高的推广应用价值。

附图说明

图1为本发明方法总体流程图。

图2为本发明基于双门限检测结果的初步聚合流程图。

图3为本发明片段关联与筛选流程图。

图4为原始hrrp与聚合结果对比图。

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。

本发明提供了一种极窄脉冲雷达距离关联目标回波空间聚合方法,如图1所示,实现本发明的技术思路是:设置两个门限,分别检测目标hrrp的强散射点与弱散射点;根据距离相近准则将同一目标的强散射点与弱散射点进行关联得到初步聚合片段;随后对初步聚合片段进行双边谷值点搜索(即确定聚合片段的起始位置和终止位置)、递进关联(即进一步合并聚合片段)和筛选(即剔除信杂比和长度不合理的聚合片段)得到精细的聚合片段从而完成目标回波聚合。

不失一般性地,这里假设雷达回波中包括多个目标回波和噪声。当存在杂波时,由于同样具有随机性,可以将杂波和噪声一并考虑,当作“噪声”,使用下述步骤完成目标回波聚合。

本发明主要包括以下四个步骤:

步骤一、判断雷达回波是否需要进行目标空间聚合

101、记取模后的雷达回波为x,x是一个非负实数向量,可用下式表示:

x=[x1,x2,...,xn],x∈r+(1)

102、找到x的最大值,计算峰值点功率记为pp:

pp=|max{x}|2(2)

103、按幅度对x进行排序,得到一个升序的序列x′:

x′=[x′1,x′2,...,x′n](3)

104、在x′中取前l个点[x′1,x′2,...,x′l]计算噪声功率pc:

其中,为向下取整运算,0<γ<1表示上述计算噪声功率所使用数据点所占比例。

105、取峰值点功率与噪声功率的比值记为峰值点信噪比snr:

106、将峰值点信噪比snr与设定阈值t进行比较;若snr>t,则进行步骤二处理;否则,认为当前雷达回波中不存在目标,无需进行目标回波聚合,停止对当前雷达回波的处理。

步骤二、获取目标回波初步聚合片段

本步骤采用有序统计恒虚警检测(os-cfar)思想,获取目标散射点;再距离相近准则,将目标散射点聚集在一起得到初步聚合片段,如图2所示。

201、将幅度升序的序列x′中第k个有序值x′k的功率作为噪声功率水平的估计值,设置第一门限g1为该值和门限因子c1的乘积,即:

g1=c1·|x′k|2(6)

202、计算x每一点的功率记为向量p=[|x1|2,|x2|2,...,|xn|2],利用p与第一门限g1计算出检测量v:

v=p-g1(7)

203、根据雷达回波峰值点功率pp与第一门限g1计算第二门限g2(用于检测强散射点)和合并门限g3(用于检测弱散射点):

g2=(pp-g1)×c2(8)

g3=(pp-g1)×c3(9)

其中c2、c3分别为第二门限系数和合并门限系数,且0<c3<c2<1。

204、记检测量v中大于门限g2的r个点为强散射点

205、标记作为第一个目标的头head1,随后从开始遍历强散射点。

206、记当前遍历点之间的距离为当前目标为j。判断与设定阈值t1的关系。若则判断两点属于同一目标j,进行步骤209;若则进行步骤207,对两点关系进一步进行判断。

207、记在x中对应位置之间所有过门限g3的s个点为弱散射点计算其占两点间总点数的比例r:

判断r与设定阈值t2的关系。若r>t2,则判断两点属于同一目标j,进行步骤209;若r<t2,则判断两点不属于同一目标,进行步骤208。

208、令为目标j的尾tailj,则目标j为[headj,tailj]在回波x中对应的区间。令为目标j+1的头headj+1,进行步骤209。

209、判断遍历是否完成,若遍历已完成则进行步骤210;若遍历尚未完成则继续遍历并进行步骤206。

210、令作为最后一个目标的尾,得到所有目标回波片段。

211、对每个目标的回波片段在回波x中进行前后双边谷值点搜索(即确定局部极小值点),然后再在回波x中向外拓展2个点,得到初始聚合片段。

步骤三、对初始聚合片段进行递进关联与筛选

301、当初始聚合片段数量为1时,进行步骤302;当初始聚合片段数量为m个时,m≥2,记当前初始聚合片段为tarm,m=1,2,3,...,m-1,统计tarm中的强散射点个数则tarm与tarm+1不进行关联。

记片段tarm与tarm+1之间的距离为length(tarm,tarm+1),判断length(tarm,tarm+1)与设定阈值t3的关系。若length(tarm,tarm+1)>t3,则tarm与tarm+1不进行关联。

并且length(tarm-1,tarm)>t4,length(tarm,tarm+1)>t4,则tarm-1与tarm+1不进行关联。

将剩余的相邻聚合片段合并为同一目标,完成递进关联。

302、记当前聚合片段tarm的长度为length(tarm),片段最小长度为l1,筛选掉length(tarm)<l1的聚合片段;

303、根据步骤102~105计算tarm的峰值点信噪比snr,筛选掉不足snr<t的聚合片段;

304、记片段最大长度为l2,判断tarm前后l2内是否存在其它强散射点个数为1的聚合片段,若存在则将其筛选掉。

305、筛选掉length(tarm)>l2的聚合片段,输出最终的聚合结果。

实施例

本发明的效果可以通过以下实测数据实验说明

场景设置:

本实例中采用的雷达回波中包含2个目标p。

参数选取:

·信杂比预设阈值t=14db

·os-cfar有序统计量序号k=178

·门限因子c1=20

·门限因子c2=0.0632

·门限因子c3=0.0316

·距离预设阈值t1=2.5m

·弱散射点占比预设阈值t2=0.3

·相邻片段距离阈值t3=10m

·相邻点与片段距离阈值t4=4m

·片段最小长度阈值l1=1m

·片段最大长度阈值l2=10m

实验结果:

附图4展示了聚合结果,可以看出,本发明准确地将一帧雷达回波中目标、噪声背景以及其他目标同时进行了划分。

本发明提出了一种基于双门限检测的极窄脉冲雷达目标回波空间聚合方法,利用两组门限分别检测出目标的强散射点与弱散射点得到初步聚合片段,对初步聚合片段进行双边谷值点搜索、递进关联和筛选得到精细的聚合片段并剔除杂波、噪声数据从而完成目标空间聚合。本发明是一种有效的极窄脉冲雷达目标回波空间聚合方法,能够更优地进行目标空间聚合。

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。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1