一种基于运动特征及方向模板滤波的雷达目标检测方法技术

本发明专利技术涉及雷达目标检测技术领域，公开了一种基于运动特征及方向模板滤波的雷达目标检测方法，包括如下步骤：步骤1、通过雷达对运动物体进行目标检测得到当前帧频谱，对所述当前帧频谱进行超分辨，得到超分辨后的频谱；步骤2、对步骤1得到的频谱进行运动估计和运动补偿，以对该频谱进行修正得到修正后的频谱；步骤3、对步骤2得到的频谱进行方向模板的滤波得到滤波后的频谱，以减少频谱所附带的杂波的干扰；步骤4、根据滤波后的频谱选择对应的目标检测算法，以完成雷达的目标检测。本发明专利技术减少了现有技术中存在的雷达目标检测因为环境杂波干扰而产生的漏检误检问题。干扰而产生的漏检误检问题。干扰而产生的漏检误检问题。

【技术实现步骤摘要】
一种基于运动特征及方向模板滤波的雷达目标检测方法


[0001]本专利技术涉及雷达目标检测
，具体涉及一种基于运动特征及方向模板滤波的雷达目标检测方法。

技术介绍

[0002]雷达目标检测技术是指在杂波存在时使用相关方法判定有无目标存在的技术。现有的雷达目标检测技术大致可以分为：（1）参量型恒虚警检测技术，如单元选小恒虚警技术、单元选大恒虚警技术、有序统计量恒虚警技术等，该种方法适用于干扰信号的数学模型已知的情况。恒虚警检测技术原理是通过检测单元左右相邻的几个距离单元来估算平均功率电平，之后把这个平均功率电平作为依据获得最后的检测门限。参量型恒虚警检测技术是已知杂波的统计分布，然后设计相对应的恒虚警检测器，达到过滤杂波的目的。参量型恒虚警检测方法的问题是不能够解决独立的尖峰问题，即会将频谱上的错误目标提取出来；（2）非参量型恒虚警检测技术， 如符号检测器、秩值检测器等，该种方法适用于干扰信号的数学模型未知的情况，非参量恒虚警检测方法的检测缺陷是损失会很大，即会漏检目标；（3）基于统计的目标检测技术，如基于神经网络的检测技术、基于支持向量机的检测技术等，该种方法的原理是通过统计学习的方法，给检测器输入大量的雷达频谱图，学习目标点的统计学特征，训练出雷达目标检测器。该种方法的问题是，对于输入的学习数据有强依赖，如果雷达部署在没有学习过的场景下，可能存在无法检出目标的情况。
[0003]上述的雷达目标检测技术存在目标漏检、误检较多的缺陷问题。

技术实现思路

[0004]本专利技术提供一种基于运动特征及方向模板滤波的雷达目标检测方法，以减少现有技术中存在的雷达目标检测因为环境杂波干扰而产生的漏检误检问题。
[0005]本专利技术通过下述技术方案实现：一种基于运动特征及方向模板滤波的雷达目标检测方法，包括如下步骤：步骤1、通过雷达对运动物体进行目标检测得到当前帧频谱，对所述当前帧频谱进行超分辨，得到超分辨后的频谱；步骤2、对步骤1得到的频谱进行运动估计和运动补偿，以对该频谱进行修正得到修正后的频谱；步骤3、对步骤2得到的频谱进行方向模板的滤波得到滤波后的频谱，以减少频谱所附带的杂波的干扰；步骤4、根据滤波后的频谱选择对应的目标检测算法，以完成雷达的目标检测。
[0006]作为优化，步骤1中，对所述当前帧频谱进行超分辨所使用的方法包括但不限于对检测到的当前帧频谱进行线性插值、非线性插值、基于神经网络的超分辨。
[0007]作为优化，步骤2中，对步骤1得到的频谱进行运动估计和运动补偿的具体步骤为：步骤2.1、计算当前帧频谱与历史帧频谱的差异，得到当前帧频谱与历史帧频谱的匹配部分；步骤2.2、计算出运动物体在当前帧频谱中每一个频谱点的运动矢量；步骤2.3、保存当前帧频谱以及当前帧频谱对应的运动物体的运动矢量；步骤2.4、使用历史帧频谱、历史帧频谱所对应的运动物体的历史运动矢量，通过加权法对所述当前帧频谱进行修正。
[0008]作为优化，步骤2.2中，所述运动矢量包括运动物体的运动方向和运动大小。
[0009]作为优化，步骤3中，对步骤2得到的频谱进行方向模板的滤波得到滤波后的频谱的具体步骤为：步骤3.1、统计修正后的当前帧频谱中的杂波特性；步骤3.2、根据杂波特性选择相应的滤波器；步骤3.3、输出通过滤波器进行滤波后的当前帧频谱。
[0010]作为优化，步骤3.1中，统计修正后的当前帧频谱中的杂波特性的统计方法包括但不限于通过自相关函数、功率谱密度函数方法对修正后的当前帧频谱中的杂波特性进行的统计。
[0011]作为优化，所述杂波特性包括但不限于高斯杂波、基于瑞利分布的杂波、基于三分量散射模型的杂波。
[0012]作为优化，步骤3.2中，所述滤波器包括但不限于高斯滤波器、均值滤波器。
[0013]作为优化，步骤4中，根据滤波后的频谱选择对应的目标检测算法具体步骤为：根据滤波后的频谱所带的杂波特性选择相应的目标检测方法进行目标检测。
[0014]作为优化，所述目标检测方法包括但不限于恒虚警检测方法。
[0015]本专利技术与现有技术相比，具有如下的优点和有益效果：本专利技术减少了现有技术中存在的雷达目标检测因为环境杂波干扰而产生的漏检误检问题，不只是利用当前时刻的频谱数据，还充分利用了历史频谱数据，结合运动目标的运动特性以及环境杂波的统计学特性，加强了本专利技术对于目标的检出能力，减少误检及漏检问题，为雷达的目标检测方法提供了一种新的算法。
附图说明
[0016]为了更清楚地说明本专利技术示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。在附图中：图1为本专利技术所述的一种基于运动特征及方向模板滤波的雷达目标检测方法的总流程图。
具体实施方式
[0017]为使本专利技术的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本专利技术作进一步的详细说明，本专利技术的示意性实施方式及其说明仅用于解释本专利技术，并不作
为对本专利技术的限定。
实施例
[0018]一种基于运动特征及方向模板滤波的雷达目标检测方法，如图1所示，包括如下步骤：步骤1、通过雷达对运动物体进行目标检测得到当前帧频谱，对所述当前帧频谱进行超分辨，得到超分辨后的频谱。通过对频谱进行超分辨，可以将检测到的运动物体的当前帧频谱分辨率得到提升，更容易看清楚当前帧频谱是细节，对后续步骤的实施提供更清楚的基础。
[0019]本实施例中，对所述当前帧频谱进行超分辨所使用的方法包括但不限于对检测到的当前帧频谱进行线性插值、非线性插值、基于神经网络的超分辨。
[0020]以线性插值的双三次插值方法为例，其公式可以用式1表示：；（1）公式含义：如下式，带入不同x值，求得对应得W(x)，这个W(x)就是式（1）中的 a
ij
。式（1）中的x、y分别指频谱中的x、y坐标， ；其中，a取
‑
0.5。
[0021]步骤2、对步骤1得到的频谱进行运动估计和运动补偿，以对该频谱进行修正得到修正后的频谱。运动估计和运动补偿指利用时域上相邻的频谱数据，对于现在时刻的频谱数据进行修正的技术。运动估计，就是寻找频谱序列中运动物体在前后帧频谱之间变换的运动矢量（即运动的方向和速度大小），运动补偿就是将运动矢量应用于频谱以合成到下一频谱的变换。其主要包括如下步骤：本实施例中，步骤2.1、计算当前帧频谱与历史帧频谱的差异，得到当前帧频谱与历史帧频谱的匹配部分；获取匹配部分的目的是为了证明这两者是相似的、是有关联的，或者说在历史帧和当前帧中，这个匹配部分在不同帧中是同一个物体。而差异的计算方法为现有技术，例如包括但不限于通过计算当前帧频谱和历史帧频谱的均方误差、均方根误差、平均绝对误差、标准差等。
[0022]这里的历史帧频谱可以是当前帧频谱之前的前几帧频谱，匹配部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于运动特征及方向模板滤波的雷达目标检测方法，其特征在于，包括如下步骤：步骤1、通过雷达对运动物体进行目标检测得到当前帧频谱，对所述当前帧频谱进行超分辨，得到超分辨后的频谱；步骤2、对步骤1得到的频谱进行运动估计和运动补偿，以对该频谱进行修正得到修正后的频谱；步骤3、对步骤2得到的频谱进行方向模板的滤波得到滤波后的频谱，以减少频谱所附带的杂波的干扰；步骤4、根据滤波后的频谱选择对应的目标检测算法，以完成雷达的目标检测。2.根据权利要求1所述的一种基于运动特征及方向模板滤波的雷达目标检测方法，其特征在于，步骤1中，对所述当前帧频谱进行超分辨所使用的方法包括对检测到的当前帧频谱进行线性插值、非线性插值、基于神经网络的超分辨。3.根据权利要求1所述的一种基于运动特征及方向模板滤波的雷达目标检测方法，其特征在于，步骤2中，对步骤1得到的频谱进行运动估计和运动补偿的具体步骤为：步骤2.1、计算当前帧频谱与历史帧频谱的差异，得到当前帧频谱与历史帧频谱的匹配部分；步骤2.2、计算出运动物体在当前帧频谱中每一个频谱点的运动矢量；步骤2.3、保存当前帧频谱以及当前帧频谱对应的运动物体的运动矢量；步骤2.4、使用历史帧频谱、历史帧频谱所对应的运动物体的历史运动矢量，通过加权法对所述当前帧频谱进行修正。4.根据权利要求1所述的一种基于运动特征及方向模板滤波的雷达目标检测方法，其特征在于，步骤2.2中，所述运动矢量包...

【专利技术属性】
技术研发人员：黄迪，黄凯明，
申请(专利权)人：四川锐明智通科技有限公司，
类型：发明
国别省市：