Nothing Special   »   [go: up one dir, main page]

CN116482635A - 基于海面场景感知的雷达目标检测方法、系统及存储介质 - Google Patents

基于海面场景感知的雷达目标检测方法、系统及存储介质 Download PDF

Info

Publication number
CN116482635A
CN116482635A CN202310259184.2A CN202310259184A CN116482635A CN 116482635 A CN116482635 A CN 116482635A CN 202310259184 A CN202310259184 A CN 202310259184A CN 116482635 A CN116482635 A CN 116482635A
Authority
CN
China
Prior art keywords
echo
range gate
region
regions
radar
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.)
Pending
Application number
CN202310259184.2A
Other languages
English (en)
Inventor
邓稼麒
李正周
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202310259184.2A priority Critical patent/CN116482635A/zh
Publication of CN116482635A publication Critical patent/CN116482635A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及雷达检测技术领域，具体公开了一种基于海面场景感知的雷达目标检测方法、系统及存储介质，首先，依据回波幅度均值将整个距离门分离为多个区域间非平稳、区域内平稳的回波区域；之后，感知各平稳区域回波波动程度，并结合地杂波直流分量高的特点，识别出岛屿区域和海杂波区域；然后，对纯海杂波区域进行K分布拟合计算出其幅度门限；之后，根据幅度门限提取可疑目标的信号特征；最后，采用检测器进行最后的检测。基于雷达学报公开数据测试试验表明，本发明不仅能有效识别海面场景中的目标，而且能大幅度提升非平稳海杂波下弱目标检测能力。

Description

基于海面场景感知的雷达目标检测方法、系统及存储介质
技术领域
本发明涉及雷达检测技术领域，尤其涉及一种基于海面场景感知的雷达目标检测方法、系统及存储介质。
背景技术
高分辨预警雷达海杂波表现为显著的“三非”特性，即非高斯特性、时域非平稳特性和空域非均匀性。除岛礁地杂波带来的干扰外，海洋气候和地理环境差异也会导致海杂波在空域上的非均匀性。国内外学者采用混沌特性理论、分形理论、时频分析和恒虚警率(Constant False Alarm Rate,CFAR)等理论检测海面目标，已经取得了较大进展，这些方法往往是通过原始雷达回波在子空间上的特征值划分门限来检测目标。然而，复杂海面场景的雷达目标检测仍面临以下难题：1)混杂于海杂波中的岛礁地杂波干扰因其较大幅度，产生大量虚警；2)海杂波各区域起伏程度差异较大，杂波强弱交界处参考单元内的非独立同分布数据将导致参数估计准确度降低，导致虚警增加甚至弱目标漏检。
为了应对复杂场景下的非均匀回波带来的性能下降问题，认知雷达利用目标和环境的先验知识，优化发射波束、波形以及接收处理过程。有文献利用检测环境的先验信息，结合杂波分布参数的NLR(Nonlocal Low-Rank)正则化表示，来降低非均匀杂波背景下的虚警率。但先验知识获取难度大，且其准确性差或使用不当时，甚至会造成性能恶化。同时学者们对地、海杂波的分类方法也进行了大量研究，如相位相关度、回波相似度、直流分量占比、能量、相关系数等。准确地分离岛海杂波，有助于提取出纯海面进而专注于海域内目标检测，降低强地杂波干扰。因此，自主感知海面杂波场景信息是提升雷达目标检测性能的必然途径。此外，有文献通过估计共形阵列的四维最小方差无失真响应谱，对近程非平稳杂波区域的杂波数据进行补偿。还有文献通过构建ARD(Range-Doppler Processed，等距离多普勒)单元分布参数的稀疏二维曲面来反映待测单元的空间信息，从而避免非均匀背景下的参考单元选择问题。还有文献则通过均分俯视角进行区域划分，却未考虑实际空间环境变化对回波的影响，预设的分区数目对分区效果也有一定影响。此外基于相关时间的小场景分区法常被用于提高协方差估计准确性，空变K分布模型等方法也被用于场景分区过程中。然而，这些仅适用于空间范围较小的场景，而对于距离范围广而观测时间较短的回波数据来说性能较差。
发明内容
本发明提供基于海面场景感知的雷达目标检测方法、系统及存储介质，解决的技术问题在于：如何有效检测海面场景中的目标，而且大幅度提升非平稳海杂波下弱目标检测能力。
为解决以上技术问题，本发明提供基于海面场景感知的雷达目标检测方法，其关键在于，包括步骤：
S1、接收雷达回波数据；
S2、依据空域回波幅度均值将所述雷达回波数据分离为区域间非平稳、区域内平稳的多个回波区域；
S3、对每个所述回波区域进行杂波识别，分辨出不同波动程度的岛屿区域和海杂波区域；
S4、确定恒虚警门限，并根据该恒虚警门限计算每个所述海杂波区域的幅度门限；
S5、将幅度值大于其对应的幅度门限的距离门判定为可能存在目标的可疑距离门；
S6、采用检测器计算每个所述可疑距离门的子空间特征，并重新计算该检测器的特征门限值；
S7、将子空间特征大于该特征门限值的可疑距离门判定为该处存在目标的目标距离门。
进一步地，所述步骤S2具体包括步骤：
S21、求取M×N维的雷达回波数据r(M,N)在每个距离门上的幅度均值得到X(m)，而第m个距离门的幅度均值x(m)由下式计算：
r(m,i)表示第m个距离门的第i个脉冲的回波数据，M为距离门数，N为脉冲维数；
S22、基于衡量相邻区域的幅度均值是否一致的检验统计量对X(m)进行粗划分，得到多个第一回波区域；
S23、基于检验统计量显著性值对每个所述第一回波区域进行细划分，得到多个第二回波区域。
进一步地，步骤S22具体包括步骤：
S221、确定起始区域长度l0；
S222、每次增加m0个距离门作为新增区域，计算衡量起始区域与新增区域的幅度均值是否一致的检验统计量T(m)；
S223、若T(m)小于其门限T0，则将起始区域和新增区域合并为新的起始区域，返回至步骤S222进行重新计算，直至T(m)≥T0；若T(m)≥T0，则当前区域划分结束，确定起始区域的前端边界并返回至步骤S221进行迭代，直至遍历完每个距离门，得到多个第一回波区域。
进一步地，所述步骤S23具体包括步骤：
S231、遍历每个所述第一回波区域，计算每个距离门的T(m)值并确定其T(m)的最大值Tmax，
S232、计算每个所述第一回波区域的检验统计量显著性值P(Tmax)即该第一回波区域不会被分割的概率；
S233、P(Tmax)大于其门限P0时，在取得Tmax的距离门处将该第一回波区域分割为两段，获得两段新的子回波区域，返回至步骤S221进行迭代，直至P(Tmax)≤P0时停止分割，得到多个子回波区域。
进一步地，第m个距离门的检验统计量T(m)由下式计算：
其中，μ1(m)、μ2(m)分别为第m个距离门的左、右子序列的平均值，sD(m)为第m个距离门处的合并偏差；sD(m)由下式计算：
其中，m1、m2分别为第m个距离门的左、右子序列的距离门个数，s1(m)、s2(m)分别为第m个距离门的左、右子序列的幅度平均值，μ1(m)、μ2(m)分别为第m个距离门的左、右子序列的标准差；
P(Tmax)由下式计算：
其中，参数γ＝4.19lnM-11.54，参数δ＝0.40，参数λ＝M-2，Ix(a,b)为非完全β函数。
进一步地，所述步骤S3具体包括步骤：
S31、计算每个所述回波区域中每个距离门的直流分量占比，其中第m个距离门的直流分量占比w(m)由下式计算：
其中，r(m,i)表示第m个距离门的第i个脉冲的回波数据；
S32、将直流分量占比w(m)大于其设定阈值的距离门所对应的回波区域判定为岛屿区域，其他区域则为海杂波区域。
进一步地，在步骤S4中，每个所述海杂波区域的幅度门限T根据下式计算：
其中Pf为恒虚警门限，其中a为K-分布的尺度参数，v为K-分布的形状参数，Γ(·)为伽马函数，Kv-1(x/a)为v-1阶第二类修正贝塞尔函数，x表示x(m)。
进一步地，在步骤S6中，检测器的特征门限值Tfea由下式重新计算：
其中，Tfea_0为检测器的原特征门限值，k为用于调节形状参数v和尺度参数a对于Tfea影响大小的常数。
本发明还提供一种基于海面场景感知的雷达目标检测系统，其关键在于，包括信号接收模块、区域划分模块、杂波识别模块、幅度门限计算模块、可疑目标判定模块、检测模块和目标判定模块，分别用于上述方法中所述的步骤S1、S2、S3、S4、S5、S6、S7。
本发明还提供一种存储介质，其关键在于：其上存储有计算机程序，执行该计算机程序可实现上述方法中所述的步骤S1、S2、S3、S4、S5、S6、S7中的至少一个步骤。
本发明提供的基于海面场景感知的雷达目标检测方法、系统及存储介质，首先，依据回波幅度均值将整个距离门分离为多个区域间非平稳、区域内平稳的回波区域；之后，感知各平稳区域回波波动程度，并结合地杂波直流分量高的特点，识别出岛屿区域和海杂波区域；然后，对纯海杂波区域进行K分布拟合计算出其幅度门限；之后，根据幅度门限提取可疑目标的信号特征；最后，采用检测器进行最后的检测。基于雷达学报公开数据测试试验表明，本发明不仅能有效识别海面场景中的目标，而且能大幅度提升非平稳海杂波下弱目标检测能力。
附图说明
图1是本发明实施例提供的基于海面场景感知的雷达目标检测方法的流程图；
图2是本发明实施例提供的0614号数据部分脉冲的空间幅度均值分布图；
图3是本发明实施例提供的0614号数据部分脉冲的分区效果图；
图4是本发明实施例提供的0614号数据部分脉冲的场景感知结果图；
图5是本发明实施例提供的实测数据检测的ROC曲线图；
图6是本发明实施例提供的Pf＝0.01时检测率曲线图；
图7是本发明实施例提供的纯海杂波数据ROC曲线图；
图8是本发明实施例提供的Pf＝0.01时纯海杂波数据检测率曲线图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
本发明实施例首先提供一种基于海面场景感知的雷达目标检测方法，如图1所示，包括步骤：
S1、接收雷达回波数据；
S2、依据空域回波幅度均值将所述雷达回波数据分离为区域间非平稳、区域内平稳的多个回波区域；
S3、对每个所述回波区域进行杂波识别，分辨出不同波动程度的岛屿区域和海杂波区域；
S4、确定恒虚警门限，并根据该恒虚警门限计算每个所述海杂波区域的幅度门限；
S5、将幅度值大于其对应的幅度门限的距离门判定为可能存在目标的可疑距离门；
S6、采用检测器计算每个所述可疑距离门的子空间特征，并重新计算该检测器的特征门限值；
S7、将子空间特征大于该特征门限值的可疑距离门判定为该处存在目标的目标距离门。
下面对步骤进行详细说明。
(1)步骤S1
S1、接收雷达回波数据。
本例假设一个CPI(相参处理时间)的雷达回波数据r(M,N)大小为M×N，M为距离门数，N为脉冲维数。
(2)步骤S2
S2、依据空域回波幅度均值将所述雷达回波数据分离为区域间非平稳、区域内平稳的多个回波区域。
该步骤S2具体包括步骤：
S21、求取M×N维的雷达回波数据r(M,N)在每个距离门上的幅度均值得到X(m)，而第m个距离门的幅度均值x(m)由下式计算：
r(m,i)表示第m个距离门的第i个脉冲的回波数据，M为距离门数，N为脉冲维数。
S22、基于衡量相邻区域的幅度均值是否一致的检验统计量对X(m)进行粗划分，得到多个第一回波区域；
S23、基于检验统计量显著性值对每个所述第一回波区域进行细划分，得到多个第二回波区域。
图2为雷达学报公布数据集0614号数据部分脉冲的空间幅度均值分布。在第1100距离门以内的回波波动较大且幅度均值大，这是由于靠岸海水更浅，水流撞击海底礁石增加了海杂波混乱程度；在第2050到第2800距离门，回波幅度较大且相邻距离门的均值变化不大，位于岛礁区；其它距离门的海杂波幅度均值较小，且变化相对不算明显。由此可见，海杂波幅度均值随空间距离变化，难以服从某一种既定的分布规律。
事实上，复杂场景的非平稳海杂波特性参数不仅随着距离与方位变化，而且在时间尺度上也有一定变化。与之相比，特性参数随着距离和方位变化更为明显。海洋表面气象条件的变化一般以小时为单位，在一个相参处理时间(Coherent Processing Interval,CPI)内海杂波变化可以忽略不计。因此，空间幅度均值体现了雷达回波在空间的分布特性。
此外，海尖峰持续时间短，使用幅度均值作为区域分离依据，可以有效避免海尖峰在短时内带来的影响，体现“背景”的概念，即回波幅度在空间上的不同分布情况对应不同的杂波状态。因此，本例选择回波幅度均值作为场景区域分离的依据。
对于步骤S22，其具体包括步骤：
S221、确定起始区域长度l0；
S222、每次增加m0个距离门作为新增区域，计算衡量起始区域与新增区域的幅度均值是否一致的检验统计量T(m)；
S223、若T(m)小于其门限T0，则将起始区域和新增区域合并为新的起始区域，返回至步骤S222进行重新计算，直至T(m)≥T0；若T(m)≥T0，则当前区域划分结束，确定起始区域的前端边界并返回至步骤S221进行迭代，直至遍历完每个距离门，得到多个第一回波区域。
对于步骤S23，其具体包括步骤：
S231、遍历每个所述第一回波区域，计算每个距离门的T(m)值并确定其T(m)的最大值Tmax，
S232、计算每个所述第一回波区域的检验统计量显著性值P(Tmax)即该第一回波区域不会被分割的概率；
S233、P(Tmax)大于其门限P0时，在取得Tmax的距离门处将该第一回波区域分割为两段，获得两段新的子回波区域，返回至步骤S221进行迭代，直至P(Tmax)≤P0时停止分割，得到多个子回波区域。
第m个距离门的检验统计量T(m)具体由下式计算：
其中，μ1(m)、μ2(m)分别为第m个距离门的左、右子序列的平均值，sD(m)为第m个距离门处的合并偏差；sD(m)由下式计算：
其中，m1、m2分别为第m个距离门的左、右子序列的距离门个数，s1(m)、s2(m)分别为第m个距离门的左、右子序列的幅度平均值，μ1(m)、μ2(m)分别为第m个距离门的左、右子序列的标准差。
当T(m)越大时，表明左右子序列的幅值差异越大。对空间幅度均值x(m)的每个距离门分别求得相应的检验统计量T(m)，并计算T(m)的最大值Tmax所对应的显著性值P(Tmax)。
P(Tmax)由下式计算：
其中，参数γ＝4.19lnM-11.54，参数δ＝0.40，参数λ＝M-2，Ix(a,b)为非完全β函数。
经过上述粗划分和细划分后，雷达回波数据在空间上将会被分为若干区域，每个相邻区域的幅度均值具有明显差异，而区域内的幅度具有一定的平稳性。图3是雷达学报0614号数据的回波均值分区示意图，其中红色折线代表了均值大小。整个场景4346个距离门被分为了7个区域，每个区域内回波幅度围绕在该区域红线附近，且其与相邻区域的红线幅度具有一定差异。此外，本算法在幅度均值变化较为明显的距离门处的分界点划分非常准确，如第2040距离门处。
(3)步骤S3
S3、对每个所述回波区域进行杂波识别，分辨出不同波动程度的岛屿区域和海杂波区域。
海面回波会因为潮汐、风速、洋流等环境因素产生随机变化，从而在相邻脉冲时间内产生随机相位变化，多普勒维具有较大的频谱宽度。相反，岛礁回波在相邻脉冲内相位变化较小，其多普勒能量集中在零频附近，表现为直流分量占比大。因此可以通过直流分量占比来区分陆地和海杂波区域，计算公式如下：
其中r(m,i)表示第m个距离门的第i个脉冲的回波数据，s(m)和p(m)分别为第m个距离门的直流分量与平均功率。
步骤S3具体包括步骤：
S31、计算每个所述回波区域中每个距离门的直流分量占比，其中第m个距离门的直流分量占比表示为w(m)；
S32、将直流分量占比w(m)大于其设定阈值的距离门所对应的回波区域判定为岛屿区域，其他区域则为海杂波区域。
(4)步骤S4
S4、确定恒虚警门限，并根据该恒虚警门限计算每个所述海杂波区域的幅度门限。
在场景分离并识别岛屿区域后，再对非岛礁区域的海杂波提取其波动程度参数，以此指导检测器选取阈值。考虑到纯海杂波幅度主要服从K分布，本例则采用该分布对海杂波暂平稳区域进行拟合，提取拟合参数来衡量杂波起伏程度。各平稳分区分别获取对应的海杂波波动参数，可以有效避免参考窗口内非均匀数据对参数估计的影响。
用x表示x(m)，K-分布的概率密度函数(PDF)为：
其中a为K-分布的尺度参数，由实际杂波的平均功率决定；v为形状参数，描述K-分布的倾斜度，决定分布形状。Γ(·)为伽马函数，Kv-1(x/a)为v-1阶第二类修正贝塞尔函数。当形状参数v不变时，随着尺度参数a的增加，PDF的波峰逐渐随着幅度变大的方向移动，拖尾也逐渐增大。随着a的增大，信号波峰右移，构成信号的主要幅度值增大，且信号的分布范围更广，即尺度参数更大的数据具有更大的波动性。同样地，尺度参数a一定时，形状参数v也具有同样的规律。
在场景感知的基础上，对每个海杂波区域采取K-分布恒虚警门限，从幅度上判断是否存在目标。本例将采用xln(x)的一、二阶矩估计K分布参数。对每个海杂波区域内的x(m)归一化后，令z＝ln(x)，则z的一阶原点矩为：
其中Ψ(·)为Psi函数，ω为常数。z的二阶原点矩为：
将(1)代入(2)中消除ω，得到形状参数的估计值的表达式：
其中Ψ(1,·)为一阶Psi函数。再通过式(3)得到尺度参数的估计值的表达式：
接着根据恒虚警门限Pf和幅度门限的关系式，确定该海杂波区域的幅度门限T。
(5)步骤S5
S5、将幅度值大于其对应的幅度门限的距离门判定为可能存在目标的可疑距离门。
每个海杂波区域内根据恒虚警门限进行判决，大于门限的距离门被判定为可疑距离门(可疑目标)。相比K分布的CA-CFAR来说，本例提出的方法避免了因参考单元内数据非均匀而引起的参数估计不准确问题。
(6)步骤S6
S6、采用检测器计算每个所述可疑距离门的子空间特征，并重新计算该检测器的特征门限值。
对通过幅度检测的可疑目标进一步提取该距离门回波数据多特征来确认目标。本例采用当前应用较广的ANMF(Adaptive Normalized Matched Filter)，SM(S-Method)，RFT(Radon-Fourier Transform)和SACT(Strong Auto-Correlation Time)检测器。
与此同时，相应区域的幅度波动程度将会用于调节检测方法在该区域的特征值门限Tfea，从而自适应调整门限，以避免目标在波动较强的区域被淹没。衡量某区的波动程度的参数为K分布的形状参数v和尺度参数a，其检测器特征门限Tfea为：
其中Tfea_0为ANMF等检测器的原特征门限值；k为常数，用于调节形状参数v和尺度参数a对于门限的影响大小。
(7)步骤S7
S7、将子空间特征大于该特征门限值的可疑距离门判定为该处存在目标的目标距离门(目标位于该处)。
本实施例还提供了一种基于海面场景感知的雷达目标检测系统，包括信号接收模块、区域划分模块、杂波识别模块、幅度门限计算模块、可疑目标判定模块、检测模块和目标判定模块，分别用于执行上述方法中的步骤S1、S2、S3、S4、S5、S6、S7。
本实施例还提供了一种存储介质，其上存储有计算机程序，执行该计算机程序可实现上述方法中的步骤S1、S2、S3、S4、S5、S6、S7中的至少一个步骤。
下面进行试验及分析。
本例试验采用的数据为雷达学报2020年公布的第1期X波段数据，如表1所示，雷达数据距离门数为4346。雷达架设地点为烟台第1海水浴场，架高约为80m，凝视观测模式。极化方式为HH，脉宽为3us，距离分辨率为2.5m，采样起始距离为距离岸边0.345km。雷达观测场景同时包含海杂波和岛礁地杂波，以及船只强目标和浮标弱目标，弱目标信杂比甚至会低于-10。
表1数据具体情况
本例分别对岛礁地杂波和海杂波估计感知能力。岛礁抑制率ISr衡量岛礁地杂波感知性能，即
其中mland(1)和mland(2)分别表示感知到的岛礁两侧边缘距离门，m'land(1)和m'land(2)分别表示实际岛礁两侧边缘距离门。图4示出了感知到的岛屿位置和标记的岛屿位置，两者吻合程度(平均ISr)达到83.94％。
同时，引入海杂波抑制率Sr和感知率Pr分别来描述海杂波感知性能和可疑目标提取效果。
其中，Ms为未被标记为可疑目标位置的距离门数；Tn(i)表示处理第i个数据时正确感知到的目标数，Tn'(i)表示第i个数据实际的目标数量，L为检测数据总个数。经过测试，平均Sr为98.65％，Pr高达99.22％，在保证几乎不丢失目标的高感知率情况下，本例提出的方法可以获得较高的海杂波抑制能力。
实验数据为20210106160919和20210106172511数据，其中数据20210106160919有强弱目标各一个，数据20210106172511则有2个强目标。对提取到的可疑目标进行自适应目标检测，试验结果如图5和图6所示。主要用到ANMF、SM、SACT和RFT检测器。图5为实测数据检测的ROC曲线，图6为相同虚警率Pf下，检测率Pd随着信噪比SNR(Signal Noise Ratio)的变化曲线。从试验结果可以看出，对于非均匀岛礁场景下的强目标检测，无论是在相同Pf或者是相同SNR的条件下，结合场景感知的目标检测算法的检测率均高于对应不采用场景感知的原检测算法。
为进一步验证非平稳海杂波平稳化分区处理对弱小目标检测性能提升的影响，本试验对删除岛礁回波的纯海杂波数据进行测试。选用的数据是航道浮标弱目标数据，即20210106150614。类似地，对比测试直接使用ANMF、SM、SACT和RFT检测器，以及在场景感知基础上使用这四个检测器，试验结果如图7和图8。实验结果表明，排除岛礁杂波带来的虚警影响后，在非均匀纯海杂波背景下，本例算法相较对比算法仍然保持了更低的虚警率，且虚警率相同时获得了更高的检测率。
综上，本发明实施例提供的基于海面场景感知的雷达目标检测方法、系统及存储介质，首先，依据回波幅度均值将整个距离门分离为多个区域间非平稳、区域内平稳的回波区域；之后，感知各平稳区域回波波动程度，并结合地杂波直流分量高的特点，识别出岛屿区域和海杂波区域；然后，对纯海杂波区域进行K分布拟合计算出其幅度门限；之后，根据幅度门限提取可疑目标的信号特征；最后，采用检测器进行最后的检测。基于雷达学报公开数据测试试验表明，本发明不仅能有效识别海面场景中的目标，而且能大幅度提升非平稳海杂波下弱目标检测能力，有效降低虚警率，有效解决了非平稳、非均匀雷达回波数据降低参数估计准确性，恶化弱小目标检测的难题。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (10)

1.基于海面场景感知的雷达目标检测方法，其特征在于，包括步骤：
S1、接收雷达回波数据；
S2、依据空域回波幅度均值将所述雷达回波数据分离为区域间非平稳、区域内平稳的多个回波区域；
S3、对每个所述回波区域进行杂波识别，分辨出不同波动程度的岛屿区域和海杂波区域；
S4、确定恒虚警门限，并根据该恒虚警门限计算每个所述海杂波区域的幅度门限；
S5、将幅度值大于其对应的幅度门限的距离门判定为可能存在目标的可疑距离门；
S6、采用检测器计算每个所述可疑距离门的子空间特征，并重新计算该检测器的特征门限值；
S7、将子空间特征大于该特征门限值的可疑距离门判定为该处存在目标的目标距离门。
2.根据权利要求1所述的基于海面场景感知的雷达目标检测方法，其特征在于，所述步骤S2具体包括步骤：
S21、求取M×N维的雷达回波数据r(M,N)在每个距离门上的幅度均值得到X(m)，而第m个距离门的幅度均值x(m)由下式计算：
r(m,i)表示第m个距离门的第i个脉冲的回波数据，M为距离门数，N为脉冲维数；
S22、基于衡量相邻区域的幅度均值是否一致的检验统计量对X(m)进行粗划分，得到多个第一回波区域；
S23、基于检验统计量显著性值对每个所述第一回波区域进行细划分，得到多个第二回波区域。
3.根据权利要求2所述的基于海面场景感知的雷达目标检测方法，其特征在于，步骤S22具体包括步骤：
S221、确定起始区域长度l0；
S222、每次增加m0个距离门作为新增区域，计算衡量起始区域与新增区域的幅度均值是否一致的检验统计量T(m)；
S223、若T(m)小于其门限T0，则将起始区域和新增区域合并为新的起始区域，返回至步骤S222进行重新计算，直至T(m)≥T0；若T(m)≥T0，则当前区域划分结束，确定起始区域的前端边界并返回至步骤S221进行迭代，直至遍历完每个距离门，得到多个第一回波区域。
4.根据权利要求3所述的基于海面场景感知的雷达目标检测方法，其特征在于，所述步骤S23具体包括步骤：
S231、遍历每个所述第一回波区域，计算每个距离门的T(m)值并确定其T(m)的最大值Tmax，
S232、计算每个所述第一回波区域的检验统计量显著性值P(Tmax)即该第一回波区域不会被分割的概率；
S233、P(Tmax)大于其门限P0时，在取得Tmax的距离门处将该第一回波区域分割为两段，获得两段新的子回波区域，返回至步骤S221进行迭代，直至P(Tmax)≤P0时停止分割，得到多个子回波区域。
5.根据权利要求4所述的基于海面场景感知的雷达目标检测方法，其特征在于，第m个距离门的检验统计量T(m)由下式计算：
其中，μ1(m)、μ2(m)分别为第m个距离门的左、右子序列的平均值，sD(m)为第m个距离门处的合并偏差；sD(m)由下式计算：
其中，m1、m2分别为第m个距离门的左、右子序列的距离门个数，s1(m)、s2(m)分别为第m个距离门的左、右子序列的幅度平均值，μ1(m)、μ2(m)分别为第m个距离门的左、右子序列的标准差；
P(Tmax)由下式计算：
其中，参数γ＝4.19lnM-11.54，参数δ＝0.40，参数λ＝M-2，Ix(a,b)为非完全β函数。
6.根据权利要求1所述的基于海面场景感知的雷达目标检测方法，其特征在于，所述步骤S3具体包括步骤：
S31、计算每个所述回波区域中每个距离门的直流分量占比，其中第m个距离门的直流分量占比w(m)由下式计算：
其中，r(m,i)表示第m个距离门的第i个脉冲的回波数据；
S32、将直流分量占比w(m)大于其设定阈值的距离门所对应的回波区域判定为岛屿区域，其他区域则为海杂波区域。
7.根据权利要求1所述的基于海面场景感知的雷达目标检测方法，其特征在于，在步骤S4中，每个所述海杂波区域的幅度门限T根据下式计算：
其中Pf为恒虚警门限，其中a为K-分布的尺度参数，v为K-分布的形状参数，Γ(·)为伽马函数，Kv-1(x/a)为v-1阶第二类修正贝塞尔函数，x表示x(m)。
8.根据权利要求7所述的基于海面场景感知的雷达目标检测方法，其特征在于，在步骤S6中，检测器的特征门限值Tfea由下式重新计算：
其中，Tfea_0为检测器的原特征门限值，k为用于调节形状参数v和尺度参数a对于Tfea影响大小的常数。
9.基于海面场景感知的雷达目标检测系统，其特征在于，包括信号接收模块、区域划分模块、杂波识别模块、幅度门限计算模块、可疑目标判定模块、检测模块和目标判定模块，分别用于执行权利要求1～8任意一项所述的步骤S1、S2、S3、S4、S5、S6、S7。
10.存储介质，其特征在于：其上存储有计算机程序，执行该计算机程序可实现权利要求1～8任意一项所述的步骤S1、S2、S3、S4、S5、S6、S7中的至少一个步骤。
CN202310259184.2A 2023-03-17 2023-03-17 基于海面场景感知的雷达目标检测方法、系统及存储介质 Pending CN116482635A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310259184.2A CN116482635A (zh) 2023-03-17 2023-03-17 基于海面场景感知的雷达目标检测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310259184.2A CN116482635A (zh) 2023-03-17 2023-03-17 基于海面场景感知的雷达目标检测方法、系统及存储介质

Publications (1)

Publication Number Publication Date
CN116482635A true CN116482635A (zh) 2023-07-25

Family

ID=87210920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310259184.2A Pending CN116482635A (zh) 2023-03-17 2023-03-17 基于海面场景感知的雷达目标检测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN116482635A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351208A (zh) * 2023-10-26 2024-01-05 重庆大学 一种基于多特征的雷达临近扩展目标检测分割方法、装置、系统及介质
CN117761631A (zh) * 2024-02-22 2024-03-26 中国人民解放军空军预警学院 一种多通道融合检测的方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117351208A (zh) * 2023-10-26 2024-01-05 重庆大学 一种基于多特征的雷达临近扩展目标检测分割方法、装置、系统及介质
CN117761631A (zh) * 2024-02-22 2024-03-26 中国人民解放军空军预警学院 一种多通道融合检测的方法和装置
CN117761631B (zh) * 2024-02-22 2024-05-07 中国人民解放军空军预警学院 一种多通道融合检测的方法和装置

Similar Documents

Publication Publication Date Title
CN116482635A (zh) 基于海面场景感知的雷达目标检测方法、系统及存储介质
US9157992B2 (en) Knowledge aided detector
Ouchi et al. Ship detection based on coherence images derived from cross correlation of multilook SAR images
US8830117B2 (en) Method, device and program for setting threshold, and method, device and program for detecting target object
Zuo et al. An efficient method for detecting slow-moving weak targets in sea clutter based on time–frequency iteration decomposition
CN110837078B (zh) 基于相关特性的阵列地波雷达海杂波背景下目标检测方法
CN109188385B (zh) 杂波背景下的高速微弱目标检测方法
JP2005520161A (ja) レーダ検出の適応的システムおよび方法
CN110907907A (zh) 一种海杂波多普勒谱特性分析对比方法
Rosenberg et al. Non-coherent radar detection performance in medium grazing angle X-band sea clutter
CN103913725A (zh) 密集转发式干扰环境下的机载雷达地面动目标检测方法
CN111624573A (zh) 一种海杂波背景下的时域自适应目标检测方法
CN117724048B (zh) 一种基于rdph特征的改进os-cfar检测算法、装置及介质
CN115184915B (zh) 基于杂波随机徘徊行为的海杂波抑制方法及系统
RU2510863C1 (ru) Межобзорное устройство картографирования пассивных помех при использовании лчм сигналов
CN114814738B (zh) 高频雷达射频干扰抑制的自适应参考距离单元选择方法
CN112836638B (zh) 高海况sar船只检测方法及应用
CN113820680B (zh) 一种基于协方差的多帧海陆雷达回波分割方法
Joshi et al. Sea clutter model comparison for ship detection using single channel airborne raw SAR data
Avolio et al. A Near Real Time CFAR Approach for Ship Detection on Sar Data Based on a Generalised-K Distributed Clutter Estimation
CN116400352B (zh) 一种基于相关性分析的雷达回波图像海浪纹理检测方法
Essen et al. High resolution millimeterwave SAR for the remote sensing of wave patterns
Waqas et al. PCA-based detection algorithm of moving target buried in clutter in Doppler frequency domain
CN116482678B (zh) 天基雷达海面探测波位优化方法、设备及存储介质
CN115015917B (zh) 一种基于复数域杂波图先验信息的目标检测方法

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