A method for estimating the parameters of moving targets is provided for a non Gauss background, based on single input multi output (SIMO) radar system, first by Gauss kernel function, for each distance calculation unit, each receiving channel autocorrelation matrix and entropy; entropy matrix of autocorrelation, cross correlation processing every two a channel between the multi group cross-correlation matrix arithmetic entropy; through the fusion of the way to get the cross-correlation matrix entropy fusion processing; finally, through the processing of multi-channel echo signal phase comparison monopulse positioning, can realize the positioning of targets. The method can realize the estimation of the multi micro parameters and the target positioning for the micro target in the non Gauss background, and can obtain better estimation performance while estimating the target parameters.
【技术实现步骤摘要】
一种非高斯背景下微动目标多参数估计方法
本专利技术涉及雷达微多普勒成像
,特别是涉及非高斯背景下的微动目标多参数估计方法。
技术介绍
在许多探测系统中,微动目标的检测和估计都有着重要的应用。例如,在地震救援时可以实现生命信号检测;在防空和监控领域,可以实现无人机机翼识别;在机械性能分析方面,可以实现对机械的振动检测。国内外许多研究机构开展了微动目标参数估计的研究。傅里叶分析是实现微动目标微摄动参数估计的有效手段。国防科技大学提出了一种基于循环相关系数的微动周期估计方法(W.P.Zhang,K.L.Li,etal,“Parameterestimationofradartargetswithmacro-motionandmicro-motionbasedoncircularcorrelationcoefficients[J]”,IEEESignalProcessingLetters,2013.),它利用循环互相关不改变峰值个数和大小的特性,在微动伴随宏观运动的情况下,避免宏观运动对微动影响,达到对微动周期的估计的目的。电子科技大学提出了一种在图像域的微动目标检测方法(Y.Jia,L.J.Kong,etal,“Anovelmethodfordetectionofmicro-motiontargetinimagedomain”,IEEERadarConference,2011.),它采用超宽带雷达,利用BP成像的方法实现了对目标在图像域的定位。上述方法对微动目标的参数估计在高斯背景下呈现出良好的性能,然而,在非高斯背景下傅里叶分析方法的性能明显下降。因此,研 ...
【技术保护点】
一种非高斯背景下复合微动目标的参数估计方法,包括以下步骤:步骤1:回波矩阵预处理首先对雷达接收机M个通道所得的N×L维回波矩阵A
【技术特征摘要】
1.一种非高斯背景下复合微动目标的参数估计方法,包括以下步骤:步骤1:回波矩阵预处理首先对雷达接收机M个通道所得的N×L维回波矩阵A1、A2、…、AM分别在快时间上按行进行加窗处理,再做N点傅里叶变换(FFT),其中N为每个通道总的回波信号总数,L为每个回波信号的采样点数;傅里叶变换后每个回波信号压缩成带有了目标距离信息的时域脉冲信号;将所有时域脉冲信号信号组合在一起,得到M路通道微动目标的距离-脉冲域矩阵Z1、Z2、…ZM;对Z1、Z2、…ZM分别在慢时间上按列作动目标显示(MTI)滤波或去均值处理,得到去除了静止背景的距离-脉冲域矩阵D1、D2、…DM;步骤2:计算自相关熵矩阵:将每个通道所对应的距离-脉冲域矩阵D1、D2、…DM在每个距离单元上按列进行自相关熵处理,计算出每个通道相应的自相关熵矩阵V1、V2、…VM;步骤3:互相关处理及融合假设第k个通道的自相关熵矩阵为Vk,k=1,2...M,则k通道和l通道的互相关熵可以表示为:Vkl[m]=xcorr(Vk(n),Vl(n))(k≠l)对自相关熵矩阵V1、V2、….VM任选两个作为一组做互相关处理,得到组互相关熵Vil(i,l=1,2,...M,且i≠l);对最后获得的多组互相关熵进行算术融合得到最后的互相关熵矩阵V,其中:V=∑Vil,xcorr表示互相关运算;步骤4:微动目标各参数的计算互相关熵矩阵V通过慢时间维上L1点傅里叶变换得到互相关熵谱PV(ω),L1表示慢时间维傅里叶变换的点数,可以根据实际需要的频率分辨率确定;其对应的成像平面能清晰明确的显示出微动目标的距离、复合微动频率,对PV(ω)进行高通滤波,利用先验信息去除其它频段噪声干扰,得到多普勒-距离平面,完成对目...
【专利技术属性】
技术研发人员:崔国龙,熊丁丁,付月,陈树东,冯力方,孔令讲,杨晓波,易伟,张天贤,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。