【技术实现步骤摘要】
一种雷达信号处理优化方法
[0001]本专利技术涉及雷达信号处理领域,更为具体的,涉及一种雷达信号处理 优化方法。
技术介绍
[0002]机械扫描式微小静目标检测雷达常用于特定场面异常物体检测等领域, 具有性能好,成本低,环境适应性强等优点。现有的基于调频连续波的机 械扫描式微小静目标检测雷达的工作原理为:转台带动天线匀速转动,天 线发射调频连续波,起止角度[θ0,θ1]内的回波信号为有效回波信号。当场 面上不存在异物的情况下,获取的有效回波信号通过相关算法处理后生成 杂波图,通常采用加权平均的方式在时域上更新。如果场面上出现异物, 获取的有效回波信号通过相关算法处理后生成目标图。杂波图和目标图本 质上是一个二维矩阵矩阵元素x
i,j
表示第 j(1≤j≤n)个角度单元,第i(1≤i≤m)个距离单元上有效回波信号的强度。 现有技术中,杂波图和目标图不再进行后续优化处理,直接通过CM
‑
CFAR 或类似算法进行检测,得到异常目标信息。
[0003]由现有机械扫描式微小静目标检测雷达的工作原理可知,采用了 CM
‑
CFAR或类似算法的检测方法通常要求杂波图和目标图有相同的尺寸, 且矩阵元素代表的角度单元、距离单元需完全对应。因此对转台的稳定度 要求很高,需要保持严格的匀速转动,且每次扫描有效角度区间要严格对 齐。但现实中转台的转速和有效角度区间必定存在误差,导致的问题为: 1.杂波图和目标图角度单元数不一致,检测算法无法直接处理;2.杂波图 和目标图表征的场面回 ...
【技术保护点】
【技术特征摘要】
1.一种雷达信号处理优化方法,其特征在于,包括步骤:S1,以杂波图矩阵C
m
×
n
为基准,目标图矩阵O
m
×
k
进行限位滑动;通过计算差异量化值,得到最优对齐状态下目标图矩阵的滑动属性,根据滑动属性截取对齐部分得到最优对齐状态下的杂波图矩阵C
′
m
×
r
和目标图矩阵O
′
m
×
r
。2.一种如权利要求1所述的雷达信号处理优化方法,其特征在于,包括步骤:S2,使用邻域模板对杂波图矩阵C
′
m
×
r
逐元素遍历并进行邻域膨胀处理,得到膨胀后的杂波图矩阵经步骤S1、S2优化处理后的杂波图矩阵和目标图矩阵O
′
m
×
r
直接用于后续的目标检测。3.根据权利要求1所述的雷达信号处理优化方法,其特征在于,在步骤S1中,包括子步骤:设杂波图矩阵为目标图矩阵为目标图矩阵为以杂波图矩阵为基准,目标图矩阵进行左右限位滑动,得到差异量化值矩阵。4.根据权利要求1所述的所述的雷达信号处理优化方法,其特征在于,在步骤S1中,包括子步骤:合并限位滑动后得到的差异量化值矩阵,求最优差异量化值,并找到其对应的滑动属性,所述对应的滑动属性包括杂波图矩阵与目标图矩阵在最优对齐状态下,目标图矩阵相对于杂波图矩阵的滑动方向和步长。5.根据权利要求1所述的雷达信号处理优化方法,其特征在于,在步骤S1中,包括子步骤:目标图矩阵和杂波图矩阵对齐后,按列截取对齐部分得到最优对齐状态下的子矩阵,即得到所述杂波图矩阵C
′
m
×
r
和目标图矩阵O
′
m
×
r
。6.根据权利要求3所述的雷达信号处理优化方法,其特征在于,所述目标图矩阵进行左右限位滑动包括子步骤:执行左限位滑动,设左限位上限将O
m
×
k
(:,i)与C
m
×
n
(:,1)按列对齐,其中1≤i≤L
l
,取r=min(n,k
‑
i+1),将C
m
×
n
和O
m
×
k
对齐部分C
m
×
n
(:,1:r)和O
m
×
k
(:,i:i+r
‑
1)按列截取得到子矩阵和两个子矩阵相减得到左限位差异矩阵两个子矩阵相减得到左限位差异矩阵对左限位差异矩阵按列计算标准差得到
最后求内所有元素的均值,得到称为左限位差异量化值;左限位滑动阶段一共生成L
l
个左限位差异量化值,记为集合S
l
中每个元素包含两个滑动属性(dir,step),分别表示滑动方向和步长;其中dir=0 or 1,0表示向左滑动,1表示向右滑动;0≤step≤L
l
‑
1,表示目标图矩阵以杂波图矩阵为基准,按列滑动的步长;最终得到包含滑动属性的左限位差异量化值矩阵7.根据权利要求3所述的...
【专利技术属性】
技术研发人员:马人玉,毛亚民,刘俊奕,胡维,刘红秀,缪赟晨,顾连生,樊星,王涵,占博,张忠毅,
申请(专利权)人:中国电子科技集团公司第二十九研究所,
类型:发明
国别省市:
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。