一種基於參數選擇的雷達海雜波自適應抑制處理方法
2023-05-20 07:24:01 2
一種基於參數選擇的雷達海雜波自適應抑制處理方法
【專利摘要】本發明公開了一種參數可選擇的多模型雷達海雜波自適應抑制處理方法，首先通過給定的雷達掃描的前_貞回波數據，對前_貞雷達回波數據進行數據統計，得出這些數據的各種模型特徵參數值；然後將參數值分別帶入到瑞利分布模型、對數正太分布模型、韋布爾分布模型、A分布模型中，得到四種模型的分布曲線圖，再與雷達回波數據的分布曲線圖作比較，選擇最接近的模型，以此模型作為海雜波對消的背景；最後將後續Mi(i=l，2，3-_)幀雷達回波數據與背景作對消處理，自適應抑制雷達海雜波的幹擾，提高船舶雷達對目標檢測的能力。
【專利說明】一種基於參數選擇的雷達海雜波自適應抑制處理方法
【技術領域】
[0001] 本發明涉及一種雷達領域，特別涉及一種基於參數選擇的雷達海雜波自適應抑制 處理方法。
【背景技術】
[0002] 隨著社會的進步，雷達應用越來越廣泛，不僅在軍事應用領域，在民用領域，如民 航調度、空中管制、海運導航等都有重要的應用。由於海上環境比較複雜，在船舶出港、航 運期間，為了能夠提高船舶交通的安全性，航海雷達起著至關重要的作用。航海雷達主要 作用是目標檢測，能夠提前檢測出目標所在，就能夠提前判定是否存在危險，提前做好應 對措施。但是由於海雜波幹擾存在，當雷達檢測目標時，可能會出現誤檢、漏檢，造成一些 預想不到的損失。
[0003] 而近年來，在雷達海雜波抑制領域得到了迅速的發展與應用，包括基於神經網絡 提取海雜波預測模型參數的海雜波抑制算法、基於非線性分析的海雜波抑制算法、基於核 函數和帶寬的海雜波概率密度函數估計算法，但是這些算法的預算量比較大，也比較複雜。 因此，本發明提出一種簡單有效、參數可選擇的多模型雷達海雜波自適應抑制處理方法。
【發明內容】
[0004] 為解決上述問題，本發明公開了一種基於參數選擇的雷達海雜波自適應抑制處理 方法。
[0005] 為了達到上述目的，本發明提供如下技術方案：一種基於參數選擇的雷達海雜波 自適應抑制處理方法，其特徵在於：包括如下步驟：
[0006] 步驟1，模擬雷達回波數據：
[0007] 首先設置參數，取均值u = 0.5,方差〇 =2,模擬海雜波的數據點數N= 1000,運 用MATLAB軟體仿真得到模擬的雷達回波數據
[0008] f = Υι+Υ2= y!+Acos(2 π · 100t)
[0009] 其中，海雜波為序列yi，目標信息為
[0010] y2 = Acos (2 π · 100t)
[0011] t是時間變量，A是目標的幅度信息，可以根據不同的海情取值，模擬回波數據由 兩部分組成：第一部分稱為數據，表示的是雷達掃描前N幀的數據；第二部分稱為數據 f2，表示的是雷達掃描N+i幀數據，其中i是雷達掃描次數；
[0012] 步驟2,統計雷達回波數據的特徵參數值：
[0013] 通過MATLAB軟體可以對模擬的雷達回波數據序列
[0014] fj = y!+y2 = y!+Acos(2 π · 100t)
[0015] 進行統計計算，得到4種模型的參數；
[0016] 步驟3,海雜波分布模型對比：
[0017] 將步驟2統計出的參數分別代入到瑞利分布模型、對數正態分布模型、韋布爾分 布模型和K分布模型，得到4種模型的分布曲線圖，然後將回波數據的分布曲線圖與上述 4種模型的分布曲線圖作比較，選擇與回波數據的分布曲線圖最接近的模型，作為對消處理 的背景；步驟4,對消處理：
[0018] 首先要對回波數據序列f2和步驟3選擇的模型序列y3分別作傅立葉變換得到F 2 和y3，然後再分別算出他們的功率譜密度函數為p2和p3，最後將f 2與Y3和P2與P3作相減 對消：
[0019] F = F2-Y3
[0020] P = P2-P3
[0021] 步驟5,顯示結果：
[0022] 觀察對消後的時域圖、頻域圖、功率譜密度圖，得到仿真結果。
[0023] 作為本發明的一種改進，統計雷達回波數據的特徵參數值，並對步驟2中的四 種模型瑞利分布模型、對數正太分布模型、韋布爾分布模型、K分布模型選擇其中一種合適 模型進行雜波抑制處理。
[0024] 本發明所提出的海雜波抑制方法，用戶可以根據不同海情，設置不同的參數；通過 將雷達回波數據的分布曲線圖與不同的海雜波分布模型的分布曲線圖進行對比，選擇合適 的海雜波分布模型進行抑制海雜波的幹擾，把對目標的影響降至最小，提高目標檢測能力， 使得結果更加準確。
【專利附圖】
【附圖說明】
[0025] 圖1是本發明的船用雷達海雜波的抑制方法的流程示意圖；
[0026] 圖2是回波與韋布爾分布模型的分布曲線的對比圖；
[0027] 圖3是回波與韋布爾分布模型對消後的時域效果圖；
[0028] 圖4是回波與韋布爾分布模型對消後的頻域效果圖；
[0029] 圖5是回波與韋布爾分布模型對消後的功率譜效果圖。
【具體實施方式】
[0030] 以下將結合具體實施例對本發明提供的技術方案進行詳細說明，應理解下述具體 實施方式僅用於說明本發明而不用於限制本發明的範圍。
[0031] 如圖1所示為本發明的船用雷達海雜波的抑制方法的流程示意圖，包括如下步 驟：
[0032] 步驟1，模擬雷達回波數據：
[0033] 首先設置參數，取均值u = 0.5,方差〇 =2,模擬海雜波的數據點數N= 1000,運 用MATLAB軟體仿真得到模擬的雷達回波數據
[0034] f = Υι+Υ2= y!+Acos(2 π · 100t)
[0035] 其中，海雜波為序列yi，目標信息為
[0036] y2 = Acos (2 π · 100t)
[0037] t是時間變量，A是目標的幅度信息，可以根據不同的海情取值。模擬回波數據由 兩部分組成：第一部分稱為數據，表示的是雷達掃描前N幀的數據；第二部分稱為數據 f 2，表示的是雷達掃描N+i幀數據，其中i是雷達掃描次數。
[0038] 步驟2,統計雷達回波數據的特徵參數值：
[0039] 通過MATLAB軟體可以對模擬的雷達回波數據序列
[0040] fj = y!+y2 = y!+Acos(2 π · 100t)
[0041] 進行統計計算，得到4種模型的參數。
[0042] 步驟3,海雜波分布模型對比：
[0043] 將步驟2統計出的參數分別代入到瑞利分布模型、對數正態分布模型、韋布爾分 布模型和K分布模型，得到4種模型的分布曲線圖，然後將回波數據的分布曲線圖與上述4 種模型的分布曲線圖作比較，選擇與回波數據的分布曲線圖最接近的模型。本發明中，經過 比較發現，回波數據的分布曲線圖與韋布爾分布曲線圖最接近，如附圖2所示，因此，選擇 韋布爾分布模型得到序列y 3，作為對消處理的背景。
[0044] 步驟4,對消處理：
[0045] 首先要對回波數據序列f2和步驟3選擇的模型序列y3分別作傅立葉變換得到F 2 和y3，然後再分別算出他們的功率譜密度函數為p2和p3，最後將f 2與Y3和P2與P3作相減 對消：
[0046] F = F2-Y3
[0047] P = P2-P3
[0048] 步驟5,顯示結果：
[0049] 對消後的時域圖、頻域圖、功率譜密度圖如附圖3、附圖4、附圖5所示。得到仿真 結果。
[0050] 其中，步驟2中的四種模型分別是瑞利分布模型、對數正太分布模型、韋布爾分布 模型、K分布模型，具體闡述如下：
[0051] (1)瑞利分布模型
[0052] 瑞利分布的概率密度函數
[0053]
【權利要求】
1. 一種基於參數選擇的雷達海雜波自適應抑制處理方法，其特徵在於包括如下步驟： 步驟1，模擬雷達回波數據： 首先設置參數，取均值U = 0. 5,方差σ = 2,模擬海雜波的數據點數N = 1000,運用 MATLAB軟體仿真得到模擬的雷達回波數據 f = Υι+Υ2 = Yi+Acos (2 π · 100t) 其中，海雜波為序列yi，目標信息為 y2 = Acos (2 π · 100t) t是時間變量，A是目標的幅度信息，模擬回波數據由兩部分組成：第一部分稱為數據 ，表示的是雷達掃描前N幀的數據；第二部分稱為數據f2，表示的是雷達掃描N+i幀數據， 其中i是雷達掃描次數； 步驟2,統計雷達回波數據的特徵參數值： 通過MATLAB軟體可以對模擬的雷達回波數據序列 fi = yi+y2 = Yi+Acos (2 π · loot) 進行統計計算，得到4種模型的參數； 步驟3,海雜波分布模型對比： 將步驟2統計出的參數分別代入到瑞利分布模型、對數正態分布模型、韋布爾分布模 型和K分布模型，得到4種模型的分布曲線圖，然後將回波數據的分布曲線圖與上述4種模 型的分布曲線圖作比較，選擇與回波數據的分布曲線圖最接近的模型，作為對消處理的背 景；步驟4,對消處理： 首先要對回波數據序列f2和步驟3選擇的模型序列y3分別作傅立葉變換得到F2和Y 3， 然後再分別算出他們的功率譜密度函數為Ρ2和Ρ3，最後將F2與Υ 3和Ρ2與Ρ3作相減對消： F = F2-Y3 P = p2-p3 步驟5,顯示結果： 觀察對消後的時域圖、頻域圖、功率譜密度圖，得到仿真結果。
2. 根據權利要求1所述的一種基於參數選擇的雷達海雜波自適應抑制處理方法，其特 徵在於：根據統計雷達回波數據的特徵參數值進行四種模型瑞利分布模型、對數正太分 布模型、韋布爾分布模型、K分布模型的選擇。
【文檔編號】G01S7/36GK104215944SQ201410487752
【公開日】2014年12月17日 申請日期:2014年9月22日 優先權日:2014年9月22日
【發明者】李家強, 姜慶剛, 李鵬, 陳金立, 葛俊祥 申請人:南京信息工程大學