一种基于CLEAN算法的多目标粒子群长时间积累检测方法技术

本发明专利技术提供一种基于CLEAN算法的多目标粒子群长时间积累检测方法，获得目标雷达回波后，将目标回波进行分段，确保在每个分段时间内，目标的运动不会超过一个距离多普勒单元；利用分段傅立叶变换将每段回波数据分别进行相参积累，获得多段回波相参积累数据；利用粒子群算法进行目标检测，获得单目标信息；利用CLEAN算法剔除该目标在每段回波相参积累数据中的响应；再次利用粒子群算法进行目标检测；重复上述过程，直到所有的目标已被检测成功。本发明专利技术能够利用分段傅立叶变换获得多段回波的相参积累数据，利用粒子群算法在多段回波相参积累数据中检测目标，利用CLEAN算法检测多个目标。

A Multi-objective Particle Swarm Optimization Long-time Accumulation Detection Method Based on CLEAN Algorithms

The invention provides a multi-target particle swarm optimization long-time accumulation detection method based on CLEAN algorithm. After obtaining the target radar echo, the target echo is segmented to ensure that the motion of the target does not exceed a range Doppler unit in each period of time. The segmented Fourier transform is used to accumulate the echo data of each segment separately and obtain the coherent accumulation number of multi-band echoes. According to the data, the single target information is obtained by using particle swarm optimization (PSO). The CLEAN algorithm is used to eliminate the response of the target in each echo coherent accumulation data. The PSO algorithm is used to detect the target again. The above process is repeated until all the targets have been detected successfully. The invention can use piecewise Fourier transform to obtain coherent accumulated data of multi-echo, use particle swarm optimization algorithm to detect targets in coherent accumulated data of multi-echo, and use CLEAN algorithm to detect multiple targets.

【技术实现步骤摘要】
一种基于CLEAN算法的多目标粒子群长时间积累检测方法
本专利技术涉及弹载脉冲多普勒雷达领域，具体涉及一种基于CLEAN算法的多目标粒子群长时间积累检测方法。
技术介绍
弱目标检测时通常采用长时间积累，利用增加目标照射时间的方式提高信噪比，从而提高检测性能。但是当目标同时具有高速、高机动特性时，在整个积累时间内会出现目标跨距离单元(AcrossRangeUnit,ARU)和跨频率单元(AcrossDopplerUnit,ADU)现象，导致简单积累方法的积累性能下降，目标的信噪比降低，严重影响了检测性能。同时，目标往往具有高阶运动特性，例如加速度、加加速度，增加了参数补偿的难度和计算量。粒子群算法(ParticleswarmOptimization,PSO)可用于雷达目标检测，但是普通的粒子群算法只能收敛于全局最优值，无法实现多目标检测。对于雷达来说，微弱、高速、高机动多目标的检测是一个关键问题。专利CN105116395A(“一种天基双基地雷达的动目标长时间相参积累方法”)介绍了一种天基双基地雷达的动目标长时间相参积累方法，利用脉冲压缩参考信号中的距离时延和多普勒相位信息，进行脉冲压缩和Keystone处理，在回波信号方位向进行FFT，获得方位向相参积累数据。该方法可以减少雷达平台的运动带来的多普勒相位变化。但是该方法必须使用双基地雷达才能实现距离时延和多普勒相位信息的提取，无法应用于收发一体的单基雷达。专利CN103323829A(“基于Radon—分数阶模糊函数的雷达动目标长时间相参积累检测方法”)介绍了一种利用RFRAF的雷达动目标长时间相参积累检测方法。将接收的回波进行脉内积累，根据雷达系统参数和目标的运动特性对检测参数进行初始化，使用RFRAF补偿距离和多普勒走动完成相参积累，恒虚警检测后进行目标信息提取。该方法能够匹配目标在运动过程中产生的相位变化并进行补偿，获取目标的运动信息，但是该方法的运算量巨大，只有在运动参数准确预装的情况下才能实现实时处理。专利CN104574442A(“自适应粒子群优化粒子滤波运动目标跟踪方法”)介绍了一种自适应粒子群优化粒子滤波运动目标跟踪方法，使用粒子群算法对目标进行滤波跟踪。在迭代过程中利用全局最优值对粒子的数量进行实时调整，利用粒子群算法对粒子状态进行更新。该方法的算法复杂度低，计算量小，但是只能实现单目标的滤波跟踪。2011年第5期《航空兵器》杂志中王娟公开的文献《一种改进的Keystone变换算法及其在微弱信号检测中的应用》改进了Keystone变换方法，首先对回波数据进行Keystone变换，然后在频域将数据进行IFFT转换到时域，最后在慢时间域进行FFT完成相参积累，最终实现动目标检测。该方法针对微弱目标长时间积累过程中发生的距离走动现象，结合了Chirp-Z变换和Keystone方法，能够克服距离走动现象，同时减少计算复杂度。但是该方法只适用于匀速运动的目标，当目标具有高阶运动参数导致距离徙动和多普勒徙动时，该方法的积累性能将下降。2013年第1期《电子学报》杂志中吴仁彪公开的文献《机载雷达高速空中机动目标检测新方法》针对高速机动目标在运动过程中发生的距离走动和多普勒走动的问题提出利用Keystone变换和Wigner-Hough变换结合的方法。首先对回波数据进行杂波抑制，然后进行Keystone校正距离走动，空域波束形成后进行Wigner-Hough变换估计加速度并进行补偿，最后进行空时二维波束形成完成积累。该方法能够克服距离走动和多普勒走动，提高积累信噪比，但是当目标速度较大时，该算法需要对多普勒的模糊度进行遍历搜索，计算量较大，不利于实时处理。2016年第2期《航空兵器》杂志中王泽玉公开的《基于频域校正的快速长时间积累算法》针对距离走动和多普勒走动问题提出一种快速长时间积累算法，该方法首先利用Radon-Ambiguity在加速度上进行搜索，利用估计加速度进行相位补偿，将回波之间的相关函数作为代价函数进行搜索，最终获得较为准确的运动参数并进行补偿。该方法能有效的实现包络补偿和多普勒补偿，但是该方法需要在加速度维进行一维搜索，当先验加速度范围较大时，搜索的时间较长，影响算法的实时性。以上方法均无法实现在长时间照射下，微弱、高速、高机动多目标的检测，提高检测性能的预期效果。
技术实现思路
本专利技术涉及脉冲多普勒雷达领域，提供一种基于CLEAN算法的多目标粒子群长时间积累检测方法，能够利用分段傅立叶变换获得多段回波的相参积累数据，利用粒子群算法在多段回波相参积累数据中检测目标，利用CLEAN算法检测多个目标。为了达到上述目的，本专利技术采用以下技术方案：基于CLEAN算法的多目标粒子群长时间积累检测方法中，获得目标雷达回波后，将目标回波进行分段，确保在每个分段时间内，目标的运动不会超过一个距离多普勒单元；利用分段傅立叶变换将每段回波数据分别进行相参积累，获得多段回波相参积累数据；利用粒子群算法进行目标检测，获得单目标信息；利用CLEAN算法剔除该目标在每段回波相参积累数据中的响应；再次利用粒子群算法进行目标检测；重复上述过程，直到所有的目标已被检测成功。该方法包含以下步骤：(1)雷达依次发射N个脉冲脉冲，载频为f0，发射的脉冲信号表示式为A·exp(j2πf0t)，经过距离为R0处相对速度为v0的目标反射后，接收到的目标回波为A·exp{j2πf0[t-2(R0-v0t)/c]}。(2)将回波信号与本振信号exp(j2πf0t)混频，经过下变频后获得的混频信号为A’·exp{j[2πf0(-2R0/c+2v0t/c)]}。(3)利用先验知识将整个相参积累时间ttotal内的回波分为M段，每段有L个脉冲，确保每段内目标的距离偏移小于一个距离单元。(4)将每段目标回波按照距离门进行FFT，获得本段中目标的时频相参积累数据。(5)初始化粒子群算法的N个粒子，使粒子的初始值随机分布在目标的先验范围[Rmin～Rmax,vmin～vmax,amin～amax]内，粒子群迭代次数k＝1。(6)第k次迭代时，计算粒子i在M段相参积累数据间的距离走动和速度走动，假设粒子的初始距离、速度和加速度为[Ri,k,vi,k,ai,k]，则粒子在第m段中的距离和速度分别为Ri,k-vi,ktm-1/2ai,ktm2、vi,k-ai,ktm，其中tm＝m(ttotal/M)表示第m段数据与第一段数据的间隔时间。利用粒子的距离和速度获得其在第m段时频相参积累数据中的距离单元和频率单元，并进行相位补偿。(7)将M段时频相参积累数据中对应距离多普勒单元的FFT模值相加作为粒子i第k次迭代的适应度Ai,k。将前k次迭代中粒子i适应度最高的粒子作为粒子i的个体最优值[RPbesti,vPbesti,aPbesti]，将N个粒子个体最优值中适应度最高的粒子作为粒子群群体最优值[RGbestk,vGbestk,aGbestk]。(8)判断可能发生的情况：情况一：若当前迭代次数k≥kmin，且第k次迭代到第k-kmin次迭代之间的群体最优值方差小于门限值则转步骤(10)；情况二：若当前迭代次数k≥kmin，且第k次迭代到第k-kmin次迭代之间的群体最优值方差大于门限值则转步骤(9)；情本文档来自技高网...

【技术保护点】
1.一种基于CLEAN算法的多目标粒子群长时间积累检测方法，其特征在于：获得目标雷达回波后，将目标回波进行分段，确保在每个分段时间内，目标的运动不会超过一个距离多普勒单元；利用分段傅立叶变换将每段回波数据分别进行相参积累，获得多段回波相参积累数据；利用粒子群算法进行目标检测，获得单目标信息；利用CLEAN算法剔除该目标在每段回波相参积累数据中的响应；再次利用粒子群算法进行目标检测；重复上述过程，直到所有的目标已被检测成功。

【技术特征摘要】
1.一种基于CLEAN算法的多目标粒子群长时间积累检测方法，其特征在于：获得目标雷达回波后，将目标回波进行分段，确保在每个分段时间内，目标的运动不会超过一个距离多普勒单元；利用分段傅立叶变换将每段回波数据分别进行相参积累，获得多段回波相参积累数据；利用粒子群算法进行目标检测，获得单目标信息；利用CLEAN算法剔除该目标在每段回波相参积累数据中的响应；再次利用粒子群算法进行目标检测；重复上述过程，直到所有的目标已被检测成功。2.如权利要求1所述基于CLEAN算法的多目标粒子群长时间积累检测方法，其特征在于，包含以下步骤：(1)雷达依次发射N个脉冲脉冲，载频为f0，发射的脉冲信号表示式为A·exp(j2πf0t)，经过距离为R0处相对速度为v0的目标反射后，接收到的目标回波为A·exp{j2πf0[t-2(R0-v0t)/c]}；(2)将回波信号与本振信号exp(j2πf0t)混频，经过下变频后获得的混频信号为A’·exp{j[2πf0(-2R0/c+2v0t/c)]}；(3)利用先验知识将整个相参积累时间ttotal内的回波分为M段，每段有L个脉冲，确保每段内目标的距离偏移小于一个距离单元；(4)将每段目标回波按照距离门进行FFT，获得本段中目标的时频相参积累数据；(5)初始化粒子群算法的N个粒子，使粒子的初始值随机分布在目标的先验范围[Rmin～Rmax,vmin～vmax,amin～amax]内，粒子群迭代次数k＝1；(6)第k次迭代时，计算粒子i在M段相参积累数据间的距离走动和速度走动，假设粒子的初始距离、速度和加速度为[Ri,k,vi,k,ai,k]，则粒子在第m段中的距离和速度分别为Ri,k-vi,ktm-1/2ai,ktm2、vi,k-ai,ktm，其中tm＝m(ttotal/M)表示第m段数据与第一段数据的间隔时间；利用粒子的距离和速度获得其在第m段时频相参积累数据中的距离单元和频率单元，并进行相位补偿；(7)将M段时频相参积累数据中对应距离多普勒单元的FFT模值相加作为粒子i第k次迭代的适应度Ai,k；将前k次迭代中粒子i适应度最高的粒子作为粒子i的个体最优值[RPbest...

【专利技术属性】
技术研发人员：董千里，杜科，马宪超，朱炳祺，王鹤雷，李森，祝伟才，
申请(专利权)人：上海无线电设备研究所，
类型：发明
国别省市：上海,31