一种基于GRFT的超高速运动目标检测方法技术

本发明专利技术提供一种基于GRFT的超高速运动目标检测方法，包括以下步骤：对脉压和匹配滤波处理后的超高速目标回波信号经过GRFT处理，且基于BPSO算法对盲速旁瓣经行抑制；其中BPSO算法包括以下步骤：确定BPSO算法的基本参数，更新每个粒子的速度和位置，更新每一粒子最大适应度值的最佳的个体位置，更新所有最佳的个体位置中最大适应度值。本方法利用一种改进的BPSO算法解决了GRFT目标检测过程中的盲速旁瓣问题，有效降低了算法复杂度，从而完成对超高速目标的检测和参数估计。

【技术实现步骤摘要】

本专利技术涉及一种雷达信号处理技术，特别是一种基于GRFT的超高速运动目标检测方法。
技术介绍
随着军事科技的高速发展，现代雷达检测目标类型和探测环境发生了显著变换。雷达检测的目标从常规的中低空飞机和中大型舰船发展为超高速飞机、隐身舰船、高空高速巡航导弹等高威胁度目标。超高速目标运动会产生跨距离走动、跨多普勒走动和跨波束走动的三跨问题。如何在长时间积累情况下避免信号的跨越效应，提高目标回波能量的积累水平已经成为雷达研究的重点。常规的超高速目标检测方法是利用联合Keystone变换和相位补偿的方法，此类算法主要利用Keystone变换解决距离走动问题，然后对距离校正后的信号采用解线调法、分数阶傅里叶变换法等解决时变多普勒问题。但是此类方法只能解决匀速运动的超高速目标，对于匀加速运动的目标需要采用其它方法，处理过程将会变得很复杂。2011年许稼等人提出RFT和GRFT算法，该类算法将目标的长时间积累问题转换为一个参数化的模型匹配问题。GRFT算法可以实现空时频多域联合相参积累，不仅解决了三跨问题，而且实现了高速目标参数的估计。但是GRFT需要在P维参数空间进行遍历搜索，运算量很大，难以满足实时行要求，且存在BSSL现象。专利申请号为CN201410749457.2，专利技术名称为“基于RMDCFT的空间超高速机动目标检测方法”的中国专利，该专利通过对常规RFT变换进行修正，并在已知目标运动参数范围内进行搜索从而得到目标的参数估计。
技术实现思路
本专利技术的目的在于提供一种基于GRFT的超高速运动目标检测方法，该方法利用一种改进的PSO算法(BPSO)解决了GRFT目标检测过程中的盲速旁瓣(BSSL)问题，有效降低了算法复杂度，从而完成对超高速目标的检测和参数估计。本专利技术的技术方案为：首先对脉压和匹配滤波处理后的超高速目标回波信号经过GRFT处理，然后采用基于BPSO算法利用BSSL和主瓣之间的关系搜索目标主瓣的峰值位置以实现BSSL抑制，从而完成超高速目标的检测和参数估计。BPSO包括以下步骤：(1)确定BPSO的基本参数，包括搜索的参数空间、搜索空间的维数即阶数P、每个分组的成员个数S、最大迭代次数kmax。(2)更新每个粒子的速度和位置。(3)更新最佳个体位置pbesti。(4)基于更新的pbesti，更新群体最佳粒子gbest。此时当BPSO收敛到任意BSSL峰值处，相应的主瓣位置均可确定，从而实现BSSL的抑制。通过BPSO-GRFT处理后可以完成超高速目标的检测和参数估计。作为本专利技术的一种改进，采用下述两种终止条件替代终止条件k＝kmax，k为迭代次数：(1)若f(gbest)＞γDETECT且终止迭代，其中γDETECT是由预设的虚警率Pf决定的目标检测阀值，kΔ是最佳值浮动的迭代次数；(2)若f(gbest)＜γDETECT且终止迭代。本专利技术采用BPSO的智能优化算法解决了在GRFT中使用PSO算法产生的BSSL问题，将GRFT的P维参数空间遍历搜索转化为参数空间的最优化问题从而实现GRFT在多维空间的参数搜索，从而得到超高速目标回波能量的积累。本专利技术与GRFT算法相比，优点体现在：(1)采用了BPSO智能优化算法，降低了算法复杂度；(2)通过迭代更新最佳粒子位置确定主瓣位置，消除了盲速旁瓣现象；(3)由于引入BPSO终止条件，使其处理过程实现自适应，效率更高。下面结合说明书附图对本专利技术作进一步描述。附图说明图1本专利技术BPSO算法流程图。图2仿真参数下基于BPSO算法的GRFT搜索结果示意图。图3基于BPSO算法的GRFT与常规GRFT算法计算量比较示意图。具体实施方式结合图1，本专利技术的具体包括以下步骤：假设脉冲多普勒雷达的发射信号为 s 0 ( t ) = r e c t ( t T ) p ( t ) e j 2 πf 0 t - - - ( 1 ) ]]>其中p(t)是调制信号，f0是载频，T是脉冲宽度。目标与雷达之间的距离为 R ( t ) = Σ p = 0 P - 1 1 p ! α p t m p - - - ( 2 ) ]]>那么回波信号经过脉压后表示为sMF(tm,τ)＝A1sinc(πB(τ-τ0(tm)))exp(-j2πf0τ0(tm))(3)其中是目标与雷达之间的延时，A1是回波幅度。设f(tm,τ)是2维平面(tm,τ)上的复函数，是平面上的P维函数。其中其GRFT变换为 G ( α ^ p ) = ∫ - ∞ ∞ f ( t m , η ( t m ; α ^ p ) ) exp ( 2 本文档来自技高网...

【技术保护点】
一种基于GRFT的超高速运动目标检测方法，其特征在于，包括以下步骤：对脉压和匹配滤波处理后的超高速目标回波信号经过GRFT处理，且基于BPSO算法对盲速旁瓣经行抑制；其中BPSO算法包括以下步骤：确定BPSO算法的基本参数，更新每个粒子的速度和位置，更新每一粒子最大适应度值的最佳的个体位置，更新所有最佳的个体位置中最大适应度值；其中，基本参数包括搜索的参数空间、搜索空间的维数即阶数P、每个分组的成员个数S、最大迭代次数kmax。

【技术特征摘要】
1.一种基于GRFT的超高速运动目标检测方法，其特征在于，包括以下步骤：
对脉压和匹配滤波处理后的超高速目标回波信号经过GRFT处理，且
基于BPSO算法对盲速旁瓣经行抑制；其中
BPSO算法包括以下步骤：
确定BPSO算法的基本参数，
更新每个粒子的速度和位置，
更新每一粒子最大适应度值的最佳的个体位置，
更新所有最佳的个体位置中最大适应度值；
其中，基本参数包括搜索的参数空间、搜索空间的维数即阶数P、每个分组
的成员个数S、最大迭代次数kmax。
2.根据权利要求1所述的方法，其特征在于，所述每个粒子的速度基于下式更
新
vi(k+1)＝w·vi(k)+c1·rand1·(pbesti(k)-xi(k))+c2·rand2·(gbest(k)-xi(k))
其中，vi(k)和xi(k)分别是第i个粒子在第k次迭代处的速度和位置，设置
粒子的位置向量和速度向量P为搜索空间
的维数，i为粒子的索引值，i＝1,2,...,S，S为粒子数量，w是用来控制粒子全局
搜索和局部开发的惯性权值，rand1和rand2是两个在[0,1]之间均匀分布的独立变
量，c1和c2是设置在[0,2]之间的加速度因子。
3.根据权利要求1所述的方法，其特征在于，所述每个粒子的位置基于下式更
新
xi(k+1)＝xi(k)+vi(k)
其中，vi(k)和xi(k)分别是第i个粒子在第k次迭代处的速度和位置，设置
粒子的位置向量和速度向量P为搜索空间
的维数，i为粒子的索引值，i＝1,2,...,S，S为粒子数量。
4.根据权利要求1所述的方法，其特征在于，根据下式更新每一粒子最大适应
度值的最佳的个体位置pbesti pbest i ( k + 1 ) = x i ( k + 1 ) , f ( x i ( k + 1 ) ) > f ( ...

【专利技术属性】
技术研发人员：芮义斌，王伟，谢仁宏，李鹏，郭山红，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32