本发明涉及雷达视频信号处理技术,特别是涉及一种自适应杂波功率统计算法。
背景技术:
雷达杂波定义为雷达接收到的不希望探测的各种物体反射的回波信号。这些不需要的回波信号“扰乱了”雷达的工作,使对感兴趣目标回波的检测变得困难。雷达杂波包括来自陆地、天气(特别是雨)、海洋、昆虫以及鸟群的回波。海杂波是指除了感兴趣的目标之外,来自海面的雷达回波。杂波是雷达进行目标检测的固有环境,在杂波背景下准确而高效地检测目标是雷达信号处理的基本任务。海杂波背景下的目标检测技术在科学技术、军事以及民用领域一直是一个重要的课题和研究方向。
海面杂波严重影响着雷达对海检测的性能。长期以来,雷达海杂波特性的研究受到高度重视,被视为雷达海面目标检测、跟踪、识别的关键技术之一。而准确的估计出海杂波、云雨杂波的功率会给后续对杂波抑制提供依据。
在实际工程项目应用中,海杂波和云雨杂波对目标的发现、稳定跟踪带来了很大的干扰。提高在杂波内的目标发现与稳定跟踪能力需求较强烈。在目标跟踪领域针对杂波设计了多种关联等有效的关联算法和手段。而针对杂波内产生的大量虚假点迹目前的检测手段并未很好的解决虚警多的问题。提高杂波内目标发现概率的同时降低虚警率对雷达系统的性能指标提升有重大意义。而现有的各种CFAR(恒虚警)检测器均假设杂波(或噪声)背景服从某种统计分布模型。而实际杂波幅度一旦偏离了假设的统计分布模型,CFAR检测器的检测性能必然会收到影响,甚至其恒虚警特性也可能难以保证。因此自适应计算杂波功率具有重要的现实意义。
技术实现要素:
发明目的:本发明的目的是提供一种能够解决现有技术存在的缺陷的自适应杂波功率统计算法。
技术方案:本发明所述的自适应杂波功率统计算法,包括以下步骤:
S1:通过雷达原始视频信号输入数据,生成方位距离二维的杂波功率统计数据,生成的该杂波功率统计数据分别在扫掠间与扫描间进行迭代更新,最终生成缓变化的可以描述海杂波与云雨杂波功率统计的数据,从而建立基于雷达视频信号的自适应杂波功率统计图;
S2:对步骤S1得到的统计图进行管理和存储。
进一步,所述生成方位距离二维的杂波功率统计数据的过程采用了排序方法,也即随机选取N个样本进行排序,取排序为k的值作为当前区域的杂波功率估计值。
进一步,所述k满足:N/2<k<N。
进一步,探测范围内目标少时的k值比目标多时的k值大。
进一步,所述生成方位距离二维的杂波功率统计数据的过程中,将雷达探测区域划分成多个方位距离单元,对方位距离单元内的杂波功率幅度进行计算的方法为:采集与待计算的方位距离单元邻近的L×L个方位距离单元的数据,每个方位距离单元是由距离上的m个距离量化单元和方位上的n个方位量化单元构成,每个邻近的方位距离单元均从其m×n个单元中随机抽取一个位置的值作为该邻近的方位距离单元的统计样本,并对L×L个邻近的方位距离单元数据进行排序,幅度值最大的统计样本对应的方位距离单元为目标所在单元,杂波平均幅度取值为L×L个邻近的方位距离单元中排序为K的方位距离单元的统计样本幅度,0<K<1,根据雷达应用场景调整K值。
进一步,所述进行迭代更新的过程中采用帧间迭代算法,包括以下步骤:
S1.1:对当前帧进行统计:将雷达探测区域划分成多个方位距离单元,每个方位距离单元由m个距离量化单元和n个方位量化单元构成;其中,距离量化单元的划分方式为:将探测范围内的距离平均或非平均划分成M个单元,方位量化单元的划分方式为:将360度平均划分为N个方位量化单元;最终一整圈雷达数据就被分为了M×N个方位距离单元;然后确定搜索范围;
S1.2:采用公式(1)进行迭代:
式(1)中,为第k帧数据中第i个方位距离单元处的杂波和噪声的平均功率,为第k-1数据中第i个采样单元处的杂波和噪声的平均功率值,为第k帧数据第i个采样单元处在当前帧的杂波和噪声的平均功率,a为遗忘系数。
进一步,所述步骤S2中,对统计图进行存储采用压缩存储方式,压缩存储方法为:将扫掠数据存入输入块扫掠队列中,当输入扫掠队列缓存中数据达到l个以后送入数据压缩模块,在数据压缩模块中采用LZ4数据压缩算法对数据进行无损压缩,压缩后的数据按照环形数据压缩块队列的结构放入内存地址中。
进一步,对数据进行解压的方法为:首先在输出块扫掠队列中查找待解压的数据,如果找到待解压的数据则直接输出,否则则从环形数据压缩块队列中查找待解压的数据对应的索引号,并解压一个数据压缩块,放入输出块扫掠队列并读出数据。
有益效果:与现有技术相比,本发明具有如下的有益效果:
(1)针对海雷达视频检测处理中出现的海杂波与云雨气象杂波等复杂场景下的杂波功率统计,提供了一套完整有效的解决方案;
(2)给出了一种高效的数据压缩解压数据结构,解决了存储与使用杂波功率统计图、扫描间整帧数据等大量实时性数据的存储与使用时内存开销大的问题。
(3)自适应杂波功率统计算法结果作为组合式扫描间迭代积累的输入参考门限使用,避免单一门限造成在计算扫描间迭代积累时引起目标丢失或造成虚警过多,实现海杂波与云雨杂波抑制的自动化。
附图说明
图1为本发明算法在海杂波与云雨杂波抑制算法中所处的位置的示意图;
图2为本发明的距离量化单元的划分方法示意图;
图3为本发明的方位量化单元的划分方法示意图;
图4为本发明的获取统计样本的过程示意图;
图5为本发明的对方位距离单元进行排序的过程示意图;
图6为本发明的数据压缩和解压的过程示意图。
具体实施方式
本发明公开了一种自适应杂波功率统计算法,包括以下步骤:
S1:通过雷达原始视频信号输入数据,生成方位距离二维的杂波功率统计数据,生成的该杂波功率统计数据分别在扫掠间与扫描间进行迭代更新,最终生成缓变化的可以描述海杂波与云雨杂波功率统计的数据,从而建立基于雷达视频信号的自适应杂波功率统计图;
S2:对步骤S1得到的统计图进行管理和存储。
本发明在进行统计计算时采用了方位距离二维抽样和排序等方法提高计算效率,同时去除目标对生成二维杂波图的干扰影响。采用排序法统计杂波和噪声功率的思想是参考OS-CFAR中基于有序统计量的算法,OS-CFAR是在被检测单元附近的N个样本选取排序为k的值作为干扰功率电平的估计。
步骤S1中生成方位距离二维的杂波功率统计数据的过程采用了排序方法,是在小区域内随机选取N个样本进行排序,取排序为k的值作为当前区域的杂波功率估计值。因此,当统计样本中干扰目标数目小于(N-k)时,可有效防止目标回波被统计,而当目标样本数目大于(N-k)时,结果就会受到干扰目标的影响。经试验,k<N/2时功率统计偏低,会导致统计计算误差,因此k的取值一般满足N/2<k<N的条件。探测范围内目标较少时k值可取值偏大些,目标较密集时k值取值要偏小些。其过程如图5所示。自适应杂波功率统计在海杂波与云雨杂波抑制处理过程中所处的位置如图1所示。
生成方位距离二维的杂波功率统计数据的过程中,将雷达探测区域划分成多个方位距离单元,对方位距离单元内的杂波功率幅度进行计算的方法为:如图4所示,采集与待计算的方位距离单元邻近的L×L个方位距离单元的数据,每个邻近的方位距离单元是由距离上的m个距离量化单元和方位上的n个方位量化单元构成,每个邻近的方位距离单元均从其m×n个单元中随机抽取一个位置的值作为该邻近的方位距离单元的统计样本,并对L×L个邻近的方位距离单元数据进行排序,幅度值最大的统计样本对应的方位距离单元为目标所在单元,杂波平均幅度取值为L×L个邻近的方位距离单元中排序为K的方位距离单元的统计样本幅度,0<K<1,根据雷达应用场景调整K值。
进行迭代更新的过程中采用帧间迭代算法,包括以下步骤:
S1.1:对当前帧进行统计:将雷达探测区域划分成多个方位距离单元,方位距离单元由m个距离量化单元和n个方位量化单元构成;其中,距离量化单元的划分方式如图2所示,为:将探测范围内的距离平均或非平均划分成M个单元,方位量化单元的划分方式如图3所示,为:将360度平均划分为N个方位量化单元;然后确定搜索范围:在跟踪过程中以目标所在位置为中心,搜索半径r与雷达天线周期有关,周期越长对应的搜索半径越大,一般设置在1~5Km之间即可。
S1.2:采用公式(1)进行迭代:
式(1)中,为第k帧数据中第i个方位距离单元处的杂波和噪声的平均功率,为第k-1数据中第i个采样单元处的杂波和噪声的平均功率值,为第k帧数据第i个采样单元处在当前帧的杂波和噪声的平均功率,a为遗忘系数。
通常雷达视频数据在一个扫描(一圈)周期内的数据量较大,而本专利中需要存储多个整圈雷达视频数据,会导致存储空间开销较大,因此步骤S2设计了一种雷达视频数据的压缩存储与解压读取方法来解决存储开销较大问题,如图6所示。对统计图进行存储采用压缩存储方式,压缩存储方法为:将扫掠数据存入输入块扫掠队列中,当输入扫掠队列缓存中数据达到l个以后送入数据压缩模块,在数据压缩模块中采用LZ4数据压缩算法对数据进行无损压缩,压缩后的数据按照环形数据压缩块队列的结构放入内存地址中。对数据进行解压的方法为:首先在输出块扫掠队列中查找待解压的数据,如果找到待解压的数据则直接输出,否则则从环形数据压缩块队列中查找待解压的数据对应的索引号,并解压一个数据压缩块,放入输出块扫掠队列并读出数据。读取数据缓存式设计优点在于正常读取方位/扫掠数据方式为顺序读取,当解压出某一索引位置压缩数据后即解压出l个方位/扫掠数据,后续l-1个方位扫掠则无需再次从环形数据压缩块队列中解出。自适应杂波功率统计数据结果、扫描间积累算法中间结果均可采用本数据存储方式,极大节省了存储空间的开销。