本发明专利技术公开了一种参数可选择的多模型雷达海杂波自适应抑制处理方法,首先通过给定的雷达扫描的前N帧回波数据，对前N帧雷达回波数据进行数据统计，得出这些数据的各种模型特征参数值；然后将参数值分别带入到瑞利分布模型、对数正太分布模型、韦布尔分布模型、K分布模型中，得到四种模型的分布曲线图，再与雷达回波数据的分布曲线图作比较，选择最接近的模型，以此模型作为海杂波对消的背景；最后将后续N+i（i=1,2,3…）帧雷达回波数据与背景作对消处理，自适应抑制雷达海杂波的干扰，提高船舶雷达对目标检测的能力。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种参数可选择的多模型雷达海杂波自适应抑制处理方法，首先通过给定的雷达扫描的前_贞回波数据，对前_贞雷达回波数据进行数据统计，得出这些数据的各种模型特征参数值；然后将参数值分别带入到瑞利分布模型、对数正太分布模型、韦布尔分布模型、A分布模型中，得到四种模型的分布曲线图，再与雷达回波数据的分布曲线图作比较，选择最接近的模型，以此模型作为海杂波对消的背景；最后将后续Mi(i=l，2，3-_)帧雷达回波数据与背景作对消处理，自适应抑制雷达海杂波的干扰，提高船舶雷达对目标检测的能力。【专利说明】
本专利技术涉及一种雷达领域，特别涉及一种基于参数选择的雷达海杂波自适应抑制 处理方法。
技术介绍
随着社会的进步，雷达应用越来越广泛，不仅在军事应用领域，在民用领域，如民 航调度、空中管制、海运导航等都有重要的应用。由于海上环境比较复杂，在船舶出港、航 运期间，为了能够提高船舶交通的安全性，航海雷达起着至关重要的作用。航海雷达主要 作用是目标检测，能够提前检测出目标所在，就能够提前判定是否存在危险，提前做好应 对措施。但是由于海杂波干扰存在，当雷达检测目标时，可能会出现误检、漏检，造成一些 预想不到的损失。 而近年来，在雷达海杂波抑制领域得到了迅速的发展与应用，包括基于神经网络 提取海杂波预测模型参数的海杂波抑制算法、基于非线性分析的海杂波抑制算法、基于核 函数和带宽的海杂波概率密度函数估计算法，但是这些算法的预算量比较大，也比较复杂。 因此，本专利技术提出一种简单有效、参数可选择的多模型雷达海杂波自适应抑制处理方法。
技术实现思路
为解决上述问题，本专利技术公开了一种基于参数选择的雷达海杂波自适应抑制处理 方法。 为了达到上述目的，本专利技术提供如下技术方案：一种基于参数选择的雷达海杂波 自适应抑制处理方法，其特征在于：包括如下步骤： 步骤1，模拟雷达回波数据： 首先设置参数，取均值u = 0.5,方差〇 =2,模拟海杂波的数据点数N= 1000,运 用MATLAB软件仿真得到模拟的雷达回波数据 f = Υι+Υ2= y!+Acos(2 π · 100t) 其中，海杂波为序列yi，目标信息为 y2 = Acos (2 π · 100t) t是时间变量，A是目标的幅度信息，可以根据不同的海情取值，模拟回波数据由 两部分组成：第一部分称为数据，表示的是雷达扫描前N帧的数据；第二部分称为数据 f2，表示的是雷达扫描N+i帧数据，其中i是雷达扫描次数； 步骤2,统计雷达回波数据的特征参数值： 通过MATLAB软件可以对模拟的雷达回波数据序列 fj = y!+y2 = y!+Acos(2 π · 100t) 进行统计计算，得到4种模型的参数； 步骤3,海杂波分布模型对比： 将步骤2统计出的参数分别代入到瑞利分布模型、对数正态分布模型、韦布尔分 布模型和K分布模型，得到4种模型的分布曲线图，然后将回波数据的分布曲线图与上述 4种模型的分布曲线图作比较，选择与回波数据的分布曲线图最接近的模型，作为对消处理 的背景；步骤4,对消处理： 首先要对回波数据序列f2和步骤3选择的模型序列y3分别作傅里叶变换得到F 2 和y3，然后再分别算出他们的功率谱密度函数为p2和p3，最后将f 2与Y3和P2与P3作相减 对消： F = F2-Y3 P = P2-P3 步骤5,显示结果： 观察对消后的时域图、频域图、功率谱密度图，得到仿真结果。 作为本专利技术的一种改进，统计雷达回波数据的特征参数值，并对步骤2中的四 种模型瑞利分布模型、对数正太分布模型、韦布尔分布模型、K分布模型选择其中一种合适 模型进行杂波抑制处理。 本专利技术所提出的海杂波抑制方法，用户可以根据不同海情，设置不同的参数；通过 将雷达回波数据的分布曲线图与不同的海杂波分布模型的分布曲线图进行对比，选择合适 的海杂波分布模型进行抑制海杂波的干扰，把对目标的影响降至最小，提高目标检测能力， 使得结果更加准确。 【专利附图】【附图说明】 图1是本专利技术的船用雷达海杂波的抑制方法的流程示意图； 图2是回波与韦布尔分布模型的分布曲线的对比图； 图3是回波与韦布尔分布模型对消后的时域效果图； 图4是回波与韦布尔分布模型对消后的频域效果图； 图5是回波与韦布尔分布模型对消后的功率谱效果图。 【具体实施方式】 以下将结合具体实施例对本专利技术提供的技术方案进行详细说明，应理解下述具体 实施方式仅用于说明本专利技术而不用于限制本专利技术的范围。 如图1所示为本专利技术的船用雷达海杂波的抑制方法的流程示意图，包括如下步 骤： 步骤1，模拟雷达回波数据： 首先设置参数，取均值u = 0.5,方差〇 =2,模拟海杂波的数据点数N= 1000,运 用MATLAB软件仿真得到模拟的雷达回波数据 f = Υι+Υ2= y!+Acos(2 π · 100t) 其中，海杂波为序列yi，目标信息为 y2 = Acos (2 π · 100t) t是时间变量，A是目标的幅度信息，可以根据不同的海情取值。模拟回波数据由 两部分组成：第一部分称为数据，表示的是雷达扫描前N帧的数据；第二部分称为数据 f 2，表示的是雷达扫描N+i帧数据，其中i是雷达扫描次数。 步骤2,统计雷达回波数据的特征参数值： 通过MATLAB软件可以对模拟的雷达回波数据序列 fj = y!+y2 = y!+Acos(2 π · 100t) 进行统计计算，得到4种模型的参数。 步骤3,海杂波分布模型对比： 将步骤2统计出的参数分别代入到瑞利分布模型、对数正态分布模型、韦布尔分 布模型和K分布模型，得到4种模型的分布曲线图，然后将回波数据的分布曲线图与上述4 种模型的分布曲线图作比较，选择与回波数据的分布曲线图最接近的模型。本专利技术中，经过 比较发现，回波数据的分布曲线图与韦布尔分布曲线图最接近，如附图2所示，因此，选择 韦布尔分布模型得到序列y 3，作为对消处理的背景。 步骤4,对消处理： 首先要对回波数据序列f2和步骤3选择的模型序列y3分别作傅里叶变换得到F 2 和y3，然后再分别算出他们的功率谱密度函数为p2和p3，最后将f 2与Y3和P2与P3作相减 对消： F = F2-Y3 P = P2-P3 步骤5,显示结果： 对消后的时域图、频域图、功率谱密度图如附图3、附图4、附图5所示。得到仿真 结果。 其中，步骤2中的四种模型分别是瑞利分布模型、对数正太分布模型、韦布尔分布 模型、K分布模型，具体阐述如下： (1)瑞利分布模型 瑞利分布的概率密度函数 【权利要求】1. ，其特征在于包括如下步骤： 步骤1，模拟雷达回波数据： 首先设置参数，取均值U = 0. 5,方差σ = 2,模拟海杂波的数据点数N = 1000,运用 MATLAB软件仿真得到模拟的雷达回波数据 f = Υι+Υ2 = Yi+Acos (2 π · 100t) 其中，海杂波为序列yi，目标信息为 y2 = Acos (2 π · 10本文档来自技高网...
【技术保护点】
一种基于参数选择的雷达海杂波自适应抑制处理方法，其特征在于包括如下步骤：步骤1，模拟雷达回波数据：首先设置参数，取均值u＝0.5，方差σ＝2，模拟海杂波的数据点数N＝1000，运用MATLAB软件仿真得到模拟的雷达回波数据f＝y1+y2＝y1+Acos(2π·100t)其中，海杂波为序列y1，目标信息为y2＝Acos(2π·100t)t是时间变量，A是目标的幅度信息，模拟回波数据由两部分组成：第一部分称为数据f1，表示的是雷达扫描前N帧的数据；第二部分称为数据f2，表示的是雷达扫描N+i帧数据，其中i是雷达扫描次数；步骤2，统计雷达回波数据f1的特征参数值：通过MATLAB软件可以对模拟的雷达回波数据f1序列f1＝y1+y2＝y1+Acos(2π·100t)进行统计计算，得到4种模型的参数；步骤3，海杂波分布模型对比：将步骤2统计出的参数分别代入到瑞利分布模型、对数正态分布模型、韦布尔分布模型和K分布模型，得到4种模型的分布曲线图，然后将回波数据的分布曲线图与上述4种模型的分布曲线图作比较，选择与回波数据的分布曲线图最接近的模型，作为对消处理的背景；步骤4，对消处理：首先要对回波数据序列f2和步骤3选择的模型序列y3分别作傅里叶变换得到F2和Y3，然后再分别算出他们的功率谱密度函数为P2和P3，最后将F2与Y3和P2与P3作相减对消：F＝F2‑Y3P＝P2‑P3步骤5，显示结果：观察对消后的时域图、频域图、功率谱密度图，得到仿真结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李家强，姜庆刚，李鹏，陈金立，葛俊祥，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32
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。