基于非均匀重采样技术的机动目标相干积累检测方法与流程

本发明属于雷达
技术领域：
，更进一步涉及雷达信号处理
技术领域：
中的一种基于非均匀重采样技术的机动目标相干积累检测方法。本发明可用于低信噪比环境下微弱机动目标检测。
背景技术：
：微弱目标检测由于其在实际应用中的需求而引起了越来越多的关注。这些微弱机动目标具有小rcs(雷达散射截面积)、回波能量小等典型特点，为了实现对微弱机动目标的有效检测，需要采用以时间换取能量的长时间积累技术对回波数据进行能量积累。传统的雷达检测方法面临着因过长的观察时间造成的高阶距离偏移和多普勒频率偏移等重大挑战。如何针对上述问题实现现有弱雷达机动目标的快速检测，是当前雷达探测领域亟需解决的问题。中国人民解放军海军航空工程学院在其申请的专利文献“雷达动目标radon-分数阶傅里叶变换长时间相参积累检测方法”(申请号201310053874.9，公开号cn103176178a)中公开了一种基于radon-分数阶傅里叶变换rfrft的长时间相参积累检测方法。该方法首先将雷达回波距离向解调、脉压，完成脉内积累，然后采用rfrft方法补偿距离和多普勒徙动，完成长时间脉间相参积累，同时遍历所有搜索参数，构建距离-rfrft域检测单元图，从而提高目标检测性能，最后对检测单元图进行恒虚警检测，得到目标运动参数估计。但是，该方法仍然存在的不足之处是，在构建检测单元图时需要遍历所有搜索参数，因为该方法对雷达目标参数要进行多维搜索，使得运算复杂度高，导致检测速度慢。李小龙在其发表的论文“高速机动目标长时间相参积累算法研究”(电子科技大学2017博士论文)中提出了一种基于相邻互相关函数(accf)的算法。该方法首先根据多个运动参数将目标的倾斜范围建模为多项式函数，然后采用迭代相邻互相关运算来消除范围偏移并减少多普勒频率偏移的顺序，最后通过傅立叶变换估计运动参数。该方法无需搜索过程即可估计参数，能在高信噪比(snr)下获得紧密估计性能，计算成本低。但是，该方法仍然存在的不足之处是，该方法采用迭代相邻互相关运算来避免多维搜索，因为重复使用互相关函数会带来额外的噪声项，因此基于accf的算法只能在高信噪比环境中工作，不适用于低信噪比的工作环境。技术实现要素：本发明的目的在于针对上述已有技术的不足，提出了一种基于非均匀重采样技术的机动目标相干积累检测方法。本发明利用非均匀重采样技术，消除了接收信号中的距离徙动和多普勒徙动，完成机动目标回波能量的相参积累，能更好的适应低信噪比的环境，具有更优的检测性能，本发明无需对运动参数进行搜索，有效地降低了计算复杂度，缩短了检测时间。实现本发明目的的思路是，对雷达接收的回波信号在快时间域进行解调和脉冲压缩处理，对解调和脉冲压缩后的回波信号在快时间域做快速傅里叶变换，计算约束条件并生成空矩阵，从雷达回波信号慢时间中依次选取一个时刻和一个时延，判断所选时刻和所选时延是否同时满足约束条件，若是，则对快速傅里叶变换后的回波信号进行非均匀重采样，计算第所选时刻的序号行第所选时延的序号列的元素值，若否，将0作为空矩阵第所选时刻的序号行第所选时延的序号列的元素值，判断所有时刻和时延是否选取完毕，若是，将生成的元素值放入空矩阵中对应的位置得到相关函数矩阵，否则，继续选取，对相关函数矩阵数据执行快速傅里叶变换和快速傅里叶逆变换来对目标能量进行积分，完成相干积累，利用快时间域-多普勒域相干积累矩阵检测目标是否存在。本发明的具体步骤包括如下：(1)获取回波信号：雷达接收其自身发射的线性调频信号的回波信号；(2)获取解调信号：利用解调公式，在快时间域内解调雷达接收的回波信号，得到解调信号；(3)获取脉压信号：利用脉冲压缩公式，在快时间域内对解调信号在距离维进行脉冲压缩，得到脉压信号；(4)获取距离向频域信号：利用快速傅里叶变换公式，在快时间域内对脉压信号做快速傅里叶变换，得到距离向频域信号；(5)按照下式，计算约束条件：其中，tu表示雷达回波信号慢时间的第u个时刻，u＝1,2,...,m，m表示雷达接收的回波信号的脉冲总数，y表示根据工程需要设定的雷达接收的回波信号的采样频率，z表示雷达发射的线性调频信号的载频，tm表示雷达波束在微弱机动目标上的驻留时间，τv表示雷达回波信号的第v个时延，v＝1,2,...,m；(6)搭建一个的空矩阵，其行和列的取值均与雷达接收的回波信号的脉冲总数相等；(7)从雷达回波信号慢时间中依次选取一个时刻和一个时延，判断所选时刻和所选时延是否同时满足约束条件，若是，则执行步骤(8)，否则，执行步骤(9)；(8)利用非均匀重采样技术，计算元素值；(8a)对步骤(4)得到的距离向频域信号做快速傅里叶变换，得到离散频域信号；(8b)在离散频域信号的频域上大于采样频率y的位置之后补7n个零，n表示雷达接收信号的采样点数，得到补零后的离散频域信号；(8c)将补零后的离散频域信号做快速逆傅里叶变换，得到重采样信号序列；(8d)按照下式，计算第一次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置：其中，xi,j表示第一次对重采样信号序列插值前，在重采样信号序列的时间轴上对应雷达回波信号慢时间的第i个时刻和雷达回波信号第j个时延非均匀分布的插值位置，ti表示第i个慢时间时刻，f表示距离频域内的距离频率，表示开平方根操作，τj表示雷达回波信号的第j个时延，i和j与所选时刻的序号和所选时延的序号的取值对应相等；(8e)利用线性插值公式，计算第一次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置上待插入的值；(8f)按照下式，计算第二次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置：其中，yp,q表示第二次对重采样信号序列插值前，在重采样信号序列的时间轴上对应雷达回波信号慢时间的第p个时刻和雷达回波的第q个时延的非均匀分布的插值位置，其中p和q与所选时刻的序号和所选时延的序号的取值对应相等；(8g)利用线性插值公式，计算第二次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置上待插入的值；(8h)将两次待插入的值相乘，将乘积作为空矩阵第所选时刻的序号行第所选时延的序号列的元素值；(9)将0作为空矩阵第所选时刻的序号行第所选时延的序号列的元素值；(10)判断所有时刻和时延是否选取完毕，若是，将生成的元素值放入空矩阵中对应的位置得到相关函数矩阵，执行步骤(11)，否则，执行步骤(7)；(11)生成快时间-多普勒域相干积累矩阵：(11a)利用快速傅里叶变换公式，在快时间域-慢时间域，对相关函数矩阵做快速傅里叶变换，得到频域相关函数矩阵；(11b)利用快速逆傅里叶变换公式，在距离频域，对频域相关函数矩阵做快速逆傅里叶变换，得到快时间-多普勒域相干积累矩阵；(12)检测机动目标：(12a)利用门限公式，计算检测门限值；(12b)判断快时间-多普勒域相干积累矩阵的所有元素中绝对值的最大值是否大于或等于检测门限，若是，则将雷达接收的回波信号判定为含有微弱机动目标的目标回波信号，否则，将雷达接收的回波信号判定为无目标的高斯白噪声。本发明与现有技术相比具有以下优点：第一，由于本发明利用非均匀重采样技术，设计了一个用以消除接收信号中的距离徙动和多普勒徙动的相关函数矩阵，克服了现有技术因多次利用keystone变换来校正距离徙动和多普勒徙动，造成相参积累能量损失，机动目标的检测概率低的问题，使得本发明能够消除因机动目标的加速度带来的距离徙动和多普勒徙动，完成机动目标回波能量的相参积累，能更好的适应低信噪比的环境，具有更优的机动目标检测性能。第二，由于本发明通过对相关函数矩阵数据执行快速傅里叶变换和快速傅里叶逆变换来对目标能量进行积分，积累了目标的能量，克服了现有技术需要搜索运动参数，造成计算复杂度高，机动目标的检测速度慢的问题，使得本发明避免了对运动参数的搜索，降低运算复杂度，提高了雷达对机动目标的检测速度，更加利于工程上的实时应用。附图说明图1为本发明的流程图；图2为本发明的仿真图。具体实施方式下面结合附图，对本发明做进一步详细描述。参照图1，对本发明的具体实施步骤做进一步详细描述。步骤1，获取回波信号。雷达接收其自身发射的线性调频信号的回波信号。步骤2，获取解调信号。利用解调公式，在快时间域内解调雷达接收的回波信号，得到解调信号。所述的解调公式如下：其中，h表示解调信号,r表示雷达接收的回波信号，exp表示以自然常数e为底的指数操作，j表示虚数单位符号，π表示圆周率，z表示雷达发射的线性调频信号的载频，tn表示雷达接收回波信号快时间域的采样时间点，tn的取值范围为tr表示雷达发射的采样间隔为1/y的脉冲串信号重复周期，r0表示雷达和之间的初始径向距离，a1表示微弱机动目标的速度，a2表示微弱机动目标的加速度，tm表示雷达接收回波信号慢时间域的采样时间点，tm的取值范围为(0,tm)，tm表示雷达波束在微弱机动目标上的驻留时间，c表示光速。步骤3，获取脉冲压缩信号。利用脉冲压缩公式，在快时间域内对解调信号在距离维进行脉冲压缩，得到脉压信号。所述的脉冲压缩公式如下：其中，p表示脉压信号，表示卷积操作，rect(·)表示矩形函数，当时，该矩形函数的值为0，当时，该矩形函数的取值为1，|·|表示取绝对值操作，tp表示雷达接收的回波信号的脉冲宽度，μ表示雷达接收的回波信号的调频斜率。步骤4，获取距离向频域信号。利用快速傅里叶变换公式，在快时间域内对脉压信号做快速傅里叶变换，得到距离向频域信号。所述的快速傅里叶变换公式如下：其中，s表示距离向频域信号，∫表示积分操作。步骤5，按照下式，计算约束条件：其中，tu表示雷达回波信号慢时间的第u个时刻，u＝1,2,...,m，m表示雷达接收的回波信号的脉冲总数，y表示根据工程需要设定的雷达接收的回波信号的采样频率，z表示雷达发射的线性调频信号的载频，tm表示雷达波束在微弱机动目标上的驻留时间，τv表示雷达回波信号的第v个时延，v＝1,2,...,m。步骤6，搭建一个的空矩阵，其行和列的取值均与雷达接收的回波信号的脉冲总数相等。步骤7，从雷达回波信号慢时间中依次选取一个时刻和一个时延，判断所选时刻和所选时延是否同时满足约束条件，若是，则执行步骤8，否则，执行步骤9。步骤8，利用非均匀重采样技术，计算元素值。对步骤4得到的距离向频域信号做快速傅里叶变换，得到离散频域信号。在离散频域信号的频域上大于采样频率y的位置之后补7n个零，n表示雷达接收信号的采样点数，得到补零后的离散频域信号。将补零后的离散频域信号做快速逆傅里叶变换，得到重采样信号序列。按照下式，计算第一次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置：其中，xi,j表示第一次对重采样信号序列插值前，在重采样信号序列的时间轴上对应雷达回波信号慢时间的第i个时刻和雷达回波信号第j个时延非均匀分布的插值位置，ti表示第i个慢时间时刻，f表示距离频域内的距离频率，表示开平方根操作，τj表示雷达回波信号的第j个时延，i和j与所选时刻的序号和所选时延的序号的取值对应相等。利用线性插值公式，计算第一次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置上待插入的值。所述的线性插值公式如下：其中，c(xi,j)表示时间位置xi,j上待插入的值，floor(xi,j)表示重采样信号序列中位于插值位置xi,j后的第一个元素的位置，ceil(xi,j)表示重采样信号序列中位于插值位置xi,j前的第一个元素的位置，c(ceil(xi,j))表示重采样信号序列中位于插值位置xi,j前的第一个元素的值，c(floor(xi,j))表示重采样信号序列中位于插值位置xi,j后的第一个元素的值。按照下式，计算对重采样信号序列进行第二次插值时，非均匀分布的时间位置：其中，yp,q表示第二次对重采样信号序列插值前，在重采样信号序列的时间轴上对应雷达回波信号慢时间的第p个时刻和雷达回波的第q个时延的非均匀分布的插值位置，其中p和q与所选时刻的序号和所选时延的序号的取值对应相等。利用线性插值公式，计算第二次对重采样信号序列插值前，在重采样信号序列的时间轴上非均匀分布的插值位置上待插入的值。所述的线性插值公式如下：其中，c(yp,q)表示时间位置yp,q上待插入的值，floor(yp,q)表示重采样信号序列中位于插值位置yp,q后的第一个元素的位置，ceil(yp,q)表示重采样信号序列中位于插值位置yp,q前的第一个元素的位置，c(ceil(yp,q))表示重采样信号序列中位于插值位置yp,q前的第一个元素的值，c(floor(yp,q))表示重采样信号序列中位于插值位置yp,q后的第一个元素的值。将两次待插入的值相乘，将乘积作为空矩阵第所选时刻的序号行第所选时延的序号列的元素值。步骤9，将0作为空矩阵第所选时刻的序号行第所选时延的序号列的元素值。步骤10，判断所有时刻和时延是否选取完毕，若是，将生成的元素值放入空矩阵中对应的位置得到相关函数矩阵，执行步骤11，否则，执行步骤7。步骤11，生成快时间-多普勒域相干积累矩阵。利用快速傅里叶变换公式，在快时间域-慢时间域，对相关函数矩阵做快速傅里叶变换，得到频域相关函数矩阵。利用快速逆傅里叶变换公式，在距离频域，对频域相关函数矩阵做快速逆傅里叶变换，得到快时间-多普勒域相干积累矩阵。步骤12，检测机动目标。利用下述门限公式，计算检测门限值：其中，η表示检测门限，ln表示以自然常数e为底的对数操作，pfa表示系统给定的虚警概率，σ表示系统噪声方差。判断快时间-多普勒域相干积累矩阵的所有元素中绝对值的最大值是否大于或等于检测门限，若是，则将雷达接收的回波信号判定为含有微弱机动目标的目标回波信号，否则，将雷达接收的回波信号判定为无目标的高斯白噪声。下面结合仿真实验对本发明做进一步的描述。1.仿真实验条件：本发明的仿真实验的硬件平台为：处理器为intel(r)pentium(r)2cpu，主频为3.0ghz，内存8gb。本发明的仿真实验的软件平台为：windowxp操作系统和matlab7.5.0。本发明仿真实验所使用的雷达系统参数如表1所示：表1雷达系统参数载频带宽采样频率脉冲重复频率脉冲持续时间驻留时间虚警概率1.2ghz40mhz60mhz600hz1μs0.8s10-42.仿真内容及结果分析：本发明的仿真实验是采用本发明的方法和四个现有技术(广义radon傅里叶变换方法、radonlv分布方法、radon傅里叶变换方法、传统动目标检测方法)分别对信噪比区间为[-20，20]db的每一个信噪比进行500次monte-carlo仿真，将仿真后的结果绘制成机动目标检测概率随信噪比变化对比图如图2所示。仿真实验中的四个现有技术是指：现有技术广义radon傅里叶变换方法是指，j.xu等人在“radarmaneuveringtargetmotionestimationbasedongeneralizedradon-fouriertransform”(ieeetrans.signalprocess.,vol.60,no.12,pp.6190–6201,dec.2012)中提出的机动目标检测方法，简称广义radon傅里叶变换方法。现有技术radonlv分布方法是指，x.l.li等人在“coherentintegrationformaneuveringtargetdetectionbasedonradon-lv’sdistribution”(ieeesignalprocess.lett.,vol.22,no.9,pp.1467–1471,sep.2015)中提出的机动目标检测方法，简称radonlv分布方法。现有技术radon傅里叶变换方法是指，j.xu等人在“radon-fouriertransformforradartargetdetection”(ieeetrans.aerosp.electron.syst.,vol.47,no.2,pp.1186–1202,apr.2011)中提出的机动目标检测方法，简称radon傅里叶变换方法。现有技术传统动目标检测方法是指，r.p.perry等人在“sarimagingofmovingtargets”(ieeetrans.aerosp.electron.syst.,vol.35,no.1,pp.188–200,jan.1999)中提出的机动目标检测方法，简称传统动目标检测方法。图2中的横轴为信噪比，单位db，纵轴为检测概率，以圆圈标示的曲线表示使用广义radon傅里叶变换方法进行仿真实验后得到的目标检测概率随信噪比变化的曲线。以方框标示的曲线表示使用radonlv分布方法进行仿真实验后得到的目标检测概率随信噪比变化的曲线。以菱形标示的曲线表示使用本发明方法进行仿真实验后得到的目标检测概率随信噪比变化的曲线。以正三角标示的曲线表示使用radon傅里叶变换方法进行仿真实验后得到的目标检测概率随信噪比变化的曲线。以侧三角标示的曲线表示使用传统动目标检测方法进行仿真实验后得到的目标检测概率随信噪比变化的曲线。从图2可以看出，在同一个信噪比值下，本发明的目标检测概率远高于现有技术的radon傅里叶变换方法和传统动目标检测方法，略低于现有技术的广义radon傅里叶变换方法和radonlv分布方法。然而由于本发明对运动参数无需搜索，而现有技术的广义radon傅里叶变换方法和radonlv分布方法，均需要对运动参数进行二维搜索，因此本发明的计算复杂度低，对目标的检测速度快。综上所述，本发明方法能在计算复杂度和检测概率之间实现了良好的平衡，是一种非常实用的雷达微弱机动目标检测方法。当前第1页12