一种多普勒频率变换雷达目标分类识别方法 |
|||||||
申请号 | CN201410321681.1 | 申请日 | 2014-07-07 | 公开(公告)号 | CN104133211A | 公开(公告)日 | 2014-11-05 |
申请人 | 中国船舶重工集团公司第七二四研究所; | 发明人 | 管志强; 赵鹏飞; 左锦波; 肖龙; | ||||
摘要 | 本 发明 涉及一种多普勒 频率 变换雷达目标分类识别方法。其主要流程是:首先通过对雷达回波检测、点迹凝聚处理,找到目标回波的中心点,提取若干能够用于满足处理条件的目标数据;然后利用目标径向速度对满足处理条件的目标数据进行多普勒频率补偿;通过对补偿后的数据进行自相关处理、频率变换处理和增强处理,估计目标数据的各频率分量;最后对增强后的结果进行 阈值 分割和分类处理,最终判断目标是 直升机 目标还是海面目标。本发明所提供的方法具有可工程实现、识别效果好,并具有一定抗海杂波的特点,并且直升机正确率达到85%以上。 | ||||||
权利要求 | 1.一种基于常规相参体制警戒雷达直升机识别的实现方法,其特征在于,包括以下步骤: |
||||||
说明书全文 | 一种多普勒频率变换雷达目标分类识别方法技术领域背景技术[0002] 由于直升机的飞行速度可以从0米/秒到几十米/秒,因此基于目标的运动特征很难将直升机和海面舰船目标区分开来,特别是空中悬停的直升机。而如果能将直升机从大量的慢速目标中区分开来,对于部队态势判断和战术指挥都有重要的意义。 [0003] 目前很多研究直升机的检测技术都是利用直升机叶片的微多普勒特征,如在加拿大Defence R&D Canada公司在研究报告《Micro-Doppler radar signatures for intelligent target recognition》中,对直升机叶片的频域特征进行分析,并且提出了相应的叶片频谱提取方法,但该方法要求雷达能够长时间凝视目标,并且具有很高的重频。在45卷4期的《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》中《Helicopter Classification with a High Resolution LFMCW Radar》提出利用连续波雷达实现对直升机进行识别的技术,其需要具有连续线性调频的雷达。在30卷6期的《电子学报》中《悬停直升机的雷达探测技术》中利用CFAR方法进行检测,其需要14KHz以上的重频,驻留时间至少达到50ms,但一般的警戒雷达,其重频均无法满足要求。在2001年4月的《现代雷达》中《悬停直升机目标旋翼回波信号的多通道检测方法》提出利用多普勒通道联合检测方法。 [0004] 现有雷达对直升机识别方法适用于对目标能够长驻留和高重复频率的跟踪或连续被雷达。而对海警戒雷达系统跟踪雷达或连续波雷达所不同的是:1,雷达采用相参脉冲体制,为避免距离模糊,其重复频率很低(一般在1KHz左右),与连续波雷达或高重复频率雷达相比,该雷达所能探测的多普勒频率范围要窄很多,导致其多普勒探测能力低;2,该雷达采用360°全方位扫描方式检测目标,对某一目标的凝视时间短(一般在30ms左右),与跟踪雷达凝视目标相比,该雷达频率分辨力差。这些特点使得一般现有的识别直升机的技术无法适用于该警戒雷达系统。 发明内容[0005] 本发明的目的在于提供一种解决常规相参体制的对海警戒雷达系统的直升机识别方法,有效地提高了警戒系统的对直升机目标的识别能力。通过本发明,能够在对海警戒雷达系统中实现在视距内对各种飞行状态下的直升机和海面船只进行有效分类识别,识别正确率达到85%以上。 [0006] 实现本发明的技术解决方案为:首先通过检测、凝聚方法,精确找到目标回波的中心点,提取若干能够用于满足处理条件的目标数据;计算目标的径向速度,利用目标径向速度对满足处理条件的目标数据进行多普勒频率补偿;通过对补偿后的数据进行自相关处理、频率变换处理和增强处理,估计目标数据的各频率分量;最后利用杂波谱估计结果和噪声统计结果对增强后的结果进行阈值分割,并对分割结果进行直升机分类处理,最终判断目标是直升机目标还是海面目标。 [0007] 本发明与现有技术相比,其显著优点为:通过本发明的频率变换处理和增强处理,能准确、有效地提取出目标回波中存在的微多普勒特征信息,该方法比现有的频率估计能够更好的提取目标细微频率分量;采用统计雷达接收机噪声和杂波特征的方法进行阈值分割,能够有效的对直升机进行分类识别,并且能够有效降低杂波和噪声的干扰影响。该方法具有实时性好、检测概率高的特点,它的提出及工程实现在雷达目标检测与识别领域具有很高的推广应用价值。 附图说明[0009] 图1是本发明的工作流程图。 [0010] 图2是目标选取区域。 [0011] 图3是根据目标回波幅度精细提取的目标区域。 [0012] 图4是满足处理条件的目标回波信号1。 [0013] 图5是满足处理条件的目标回波信号2。 [0014] 图6是对目标回波信号1进行自相关处理结果1。 [0015] 图7是对目标回波信号2进行自相关处理结果2。 [0016] 图8是对自相关处理结果1进行频率变换后的频率变换结果1。 [0017] 图9是对自相关处理结果2进行频率变换后的频率变换结果2。 [0018] 图10是基于傅里叶变换得到的频率变换结果。 [0019] 图11是对频率变换结果1进行增强处理的增强处理结果1。 [0020] 图12是对频率变换结果2进行增强处理的增强处理结果2。 [0021] 图13是将增强处理结果1和增强处理结果2累积合并的结果;图14是进行直升机类别判断,满足条件的点。 具体实施方式[0022] 本发明直升机检测技术及实现方法具体实施步骤参见附图1。 [0023] (1) 对根据已经建立的目标航迹信息,得到目标的 方位和 距离,利用方位 和距离 ,从接收机的回波IQ数据截取目标区域的波门数据Θ(二维数组,其大小为M×N,其中M为所取的方位脉冲个数,N为所取的距离单元个数,一般M可取150,N取40),如附图2所示。 [0024] (2) 根据目标航迹的历史15个航迹点,用最小二乘法进行直线拟合,估计目标的运动航向和航速信息,进而得到目标的径向速度(目标沿雷达射线方向运动速度) ,并估计目标自身的多普勒频率 ,其中:,λ为雷达发射波长。 [0025] (3) 根据粗略估计的目标位置方位 和距离 ,在波门数据Θ中粗略估计目标位置(xc,yc),以目标位置(xc,yc)为中心,在方位脉冲方向前后各10个单元、距离方向前后各5个距离单元范围内的数据Θ1(100×11的二维数组);将Θ1在X方向进行累积运算,得到累积结果 (1×11的一维数组),如附图3所示。 [0026] (4) 搜索的最大值 以及相应的位置 ,判断 的值是否大于0.5 ,如果大于0.5 ,则在 上搜索绝对值最大值的位置 ,mm取值范围为[1,11]。 [0027] (5) 在数据Θ中,以(xc+xmm-11,yc+ymm-11)为中心,提取待处理的目标数据 :所得到的数据 长度K为(2KL+1),一般KL取50,即K为101;mm为步骤(4)中满足条件 的标号,NU为步骤(4)中满足该条件的个数;在本例中,满足条件的待处理数据有2个,所提取的待处理数据 如附图4所示,待处理数据 如附图5所示。 [0028] (6) 分别将 与 进行多普勒频率补偿处理,得到补偿后的信号为 ; 。 [0029] (7) 分别对 进行自相关处理,得到自相关结果 ,如附图6、附图7所示;。 [0030] (8) 对自相关结果 进行二维变换,得到自相关二维变换矩阵 ,变换方法为:其中L为自相关结果 的长度。 [0031] (9) 对分别进行频率变换,得到变换结果 ,其频率变换方法为:其中 为 的k阶特征向量,pi 为 的秩, 为 的傅里叶变换结果,所得到的 频率变换结果如附图8、附图9所示,该方法能够有效提取弱小频率分量,与基于傅里叶变换的谱变换相比(如附图10所示),本方法对主峰两侧的弱小频率分量能够较好的保留,而傅里叶变换结果只能得到比较明显的主峰信号,两侧的弱小频率分量完全被淹没在噪声中而无法提取。 [0033] (11) 对增强后的结果 进行门限分割处理,得到分割后的结果 ,具体方法为:a、对目标凝聚区域前后N个距离单元之外,各选取没有目标的区域作为杂波样本区,杂波样本区的大小为(1,2L+1),Z1和Z2,利用杂波区域的回波信号统计杂波谱宽度和杂波谱强度: 杂波谱宽度: 杂波谱强度: 其中std是计算标准差,mean是计算均值; b、选择在雷达盲区 ,统计接收机噪声的分布特征,主要是噪声的平均强度,方法如下: 噪声的平均强度: c、根据噪声平均强度 、杂波谱宽度 和杂波谱强度 ,计算分割阈值: 。 [0034] (12) 对分割后的结果 进行分类处理,进行直升机类别判断,具体方法如下:a、对分割后的结果 (一个或多个)进行叠加,得到叠加结果 ,分割后结果如附图13所示; b、当 在满足以下2个条件中的一个时则可以判定为直升机: I. 在(-∞,-200Hz)和(200Hz,+∞)范围,存在幅度超过阈值Thr值1.3倍以上的点存在; II. 在[-200Hz,-50),(50,200Hz]范围内,满足: 满足以上条件的能够保留下来的散射点如附图14所示。 |