基于压缩感知的微弱目标检测方法技术

本发明专利技术提出了一种基于压缩感知的微弱目标检测方法，主要解决现有不加窗匹配滤波器方法在CFAR检测过程中造成的微弱目标被邻近强目标所遮掩的问题。其实现步骤是：1)采用不加窗匹配滤波器方法对回波数据进行脉冲压缩；2)采用CFAR检测技术对脉冲压缩结果进行目标检测得到强目标；3)对第j个强目标建立观测矢量；4)对第j个强目标建立感知矩阵；5)利用第j个强目标的感知矩阵和观测矢量对第j个强目标周围潜在的微弱目标进行检测；6)重复3)‑5)，得到所有强目标周围潜在的微弱目标位置。本发明专利技术能精确的检测被强目标所遮掩的微弱目标，可用于雷达目标跟踪。

【技术实现步骤摘要】
基于压缩感知的微弱目标检测方法
本专利技术属于雷达
，更进一步涉及一种微弱目标检测方法，可用于在雷达回波数据中被强目标所遮掩的微弱目标检测。
技术介绍
随着隐身技术的不断发展，以及大量小型无人机的出现，对于这类目标，由于其雷达反射截面积RCS大幅度衰减，大大削弱了雷达回波信号的能量，使得目标的信噪比较低。在恒虚警CFAR检测前通常采用加窗的匹配滤波器对回波信号进行脉压，能够有效降低脉压输出的距离副瓣，进而减少强目标距离副瓣对微弱目标的影响，但是加窗匹配滤波器却存在目标信噪比损失的问题。为了保证目标信噪比不受损失，可以通过不加窗的匹配滤波器对回波信号进行脉冲压缩，但是通过不加窗的匹配滤波器对回波信号进行脉冲压缩，并采用CFAR检测技术对其进行检测时，由于不加窗匹配滤波的脉压输出距离副瓣高，若在微弱目标附近存在一个强目标，脉冲压缩后强目标的副瓣很容易进入到微弱目标的参考单元中，造成计算出的噪声参考电平明显提高，无法检测出微弱目标。文献“Clean方法逐次CFAR检测”中介绍了一种基于Clean思想的目标逐次检测新方法。该方法的主要实现过程为：利用传统CFAR检测技术首先对强目标进行检测，并利用检测到的强目标信息，对强目标的原始回波信号进行反演，接着将反演后原始回波信号从接收回波中进行删除，并对剩余回波进行脉冲压缩并再次利用CFAR检测方法对脉压结果进行目标检测，直至所有目标被检测出来。该算法存在的不足之处是：在对已检测出的强目标进行反演时，反演后的原始信号可能与真实信号差别很大，使得强目标的剩余杂波分量比较强，导致微弱目标仍无法被检测到。
技术实现思路
本专利技术的目的在于提出一种基于压缩感知的微弱目标检测方法，以解决现有不加窗匹配滤波器方法在CFAR检测过程中造成的相邻目标中强目标对微弱目标的遮掩问题，提高对微弱目标检测性能。实现本专利技术目的技术方案是，利用不加窗匹配滤波器对回波信号进行脉冲压缩并利用CFAR检测技术检测出强目标，对于已检测出的强目标，通过设计相应的感知矩阵，并利用CS算法对目标周围潜在的微弱目标进行检测，其实现步骤包括如下：(1)对雷达回波信号r(n)，通过不加窗匹配滤波器方法进行脉冲压缩，得到脉冲压缩结果y(n)，1≤n≤N，N为距离单元数；(2)利用CFAR检测方法对y(n)中的所有距离单元进行强目标检测，得到强目标d＝[d1,d2,…,dj,…,dK]，其中dj表示第j个强目标在距离单元的位置，1≤j≤K，K为检测到的强目标个数；(3)对第j个强目标建立观测矢量zj：zj＝[r(dj-D/2),…,r(dj),…,r(dj+D/2+M-1)]T,D＝2×(P+Q)，其中，P表示CFAR检测过程中所选的保护单元数，Q表示CFAR检测过程中所选参考单元数，M表示发射信号采样点数，[·]T表示转置；(4)对第j个强目标建立感知矩阵Wj：Wj(m+n-1,n)＝s(m)，其中，s(m)表示发射信号，1≤m≤M，Wj(m+n-1,n)表示感知矩阵Wj位于第m+n-1行，第n列的元素，1≤n≤D+1；(5)利用第j个强目标的感知矩阵Wj和观测矢量zj对第j个强目标周围潜在的微弱目标进行检测：(5a)对第j个强目标建立目标函数：其中，xj表示待求解的稀疏信号，ξ表示约束条件所限定的误差范围，||·||2表示l2范数，||·||1表示l1范数；(5b)利用CS算法对目标函数min||xj||1求解，得到稀疏信号xj，并由稀疏信号xj获得潜在的微弱目标；(6)重复(3)-(5)，得到所有强目标周围潜在的微弱目标位置。本专利技术与现有技术相比具有如下的优点：第一，本专利技术利用压缩感知算法，可对强目标遮掩下的微弱目标进行检测。第二，本专利技术对于未知的微弱目标幅值，通过求解目标函数，可对微弱目标幅值进行精确恢复。第三，本专利技术对于强目标周围可能存在多个微弱目标的情况，利用所求解稀疏信号，可对所有潜在微弱目标进行同时检测。附图说明图1是本专利技术的实现流程图；图2是利用现有不加窗匹配滤波器方法对回波数据进行处理的结果图；图3是本专利技术方法对回波数据进行处理的结果图。具体实施方式下面结合附图，对本专利技术实施例及效果做进一步的详细描述。参照图1，本实例的实现步骤如下：步骤1.对雷达回波信号r(n)，通过不加窗匹配滤波器方法进行脉冲压缩，得到脉冲压缩结果y(n)。(1a)由发射信号s(n)，得到不加窗匹配滤波器h(n)：h(n)＝[s(M),s(M-1),…s(j),…,s(1)]*，其中，s(n)为1×M维矢量，s(j)表示s(n)的第j个元素，1≤j≤M，[·]*表示共轭；(1b)利用不加窗匹配滤波器h(n)对回波信号r(n)进行卷积运算，得到初始脉冲压缩结果y1(n)：其中，r(n)为1×N维矢量，表示卷积运算；(1c)对初始脉冲压缩结果y1(n)的前M-1个点进行删除，得到最终脉冲压缩结果y(n)，1≤n≤N。步骤2.采用CFAR检测方法对y(n)中的所有距离单元进行强目标检测，得到强目标。现有的CFAR检测方法包括CA-CFAR、GO-CFAR和SO-CFAR方法，本步骤采用但不限于利用CA-CFAR检测方法对y(n)中的所有距离单元进行强目标检测，其实现步骤如下：(2a)先在y(n)第i个距离单元的两边各选择P个保护单元，再在保护单元之外再各选择Q个参考单元；(2b)对2Q个参考单元的量测值求取平均值得到检测门限α：其中，β为门限因子；(2c)判断第i个距离单元的量测值是否大于检测门限α：若大于检测门限，则判定第i个距离单元存在目标，否则判定目标不存在；(2d)对所有距离单元进行检测，得到检测目标e＝[c1,c2,…,ck,…,cP]，其中，ck表示第k个已检测出的目标位置，1≤k≤P，P表示检测出的目标数；(2e)对目标e中的强目标进行筛选，得到强目标d＝[d1,d2,…,dj,…,dK]，其中，dj表示第j个强目标在距离单元的位置，1≤j≤K，K为检测到的强目标个数，P≥K。步骤3.对第j个强目标建立观测矢量zj。对第j个强目标以dj为中心，对两侧的数据进行截取，将强目标周围潜在的微弱目标包含在观测矢量zj中，具体的截取方式为：zj＝[r(dj-D/2),…,r(dj),…,r(dj+D/2+M-1)]T,D＝2×(P+Q)，其中，P表示CFAR检测过程中所选的保护单元数，Q表示CFAR检测过程中所选参考单元数，[·]T表示转置。步骤4.对第j个强目标建立感知矩阵Wj。根据不同位置的目标，建立感知矩阵Wj：Wj(m+n-1,n)＝s(m)，其中，Wj的每一列表示不同位置的目标，1≤n≤D+1，Wj(m+n-1,n)表示感知矩阵Wj位于第m+n-1行，第n列的元素，1≤m≤M。步骤5.利用第j个强目标的感知矩阵Wj和观测矢量zj对第j个强目标周围潜在的微弱目标进行检测。(5a)对第j个强目标建立目标函数：由于要检测的微弱目标数远小于感知矩阵Wj的列数，因此目标函数可建立为：其中，xj表示待求解的稀疏信号，ξ表示约束条件所限定的误差范围，||·||2表示l2范数，||·||1表示l1范数；(5b)利用CS算法对目标函数min||xj||1求解，得到稀疏信号xj，并由稀疏信号xj获得潜在的微弱目标，即查找稀疏信号本文档来自技高网...

【技术保护点】
1.一种基于压缩感知的微弱目标检测方法，其特征在于，包括如下：(1)对雷达回波信号r(n)，通过不加窗匹配滤波器方法进行脉冲压缩，得到脉冲压缩结果y(n)，1≤n≤N，N为距离单元数；(2)利用CFAR检测方法对y(n)中的所有距离单元进行强目标检测，得到强目标d＝[d1,d2,…,dj,…,dK]，其中dj表示第j个强目标在距离单元的位置，1≤j≤K，K为检测到的强目标个数；(3)对第j个强目标建立观测矢量zj：zj＝[r(dj‑D/2),…,r(dj),…,r(dj+D/2+M‑1)]

【技术特征摘要】
1.一种基于压缩感知的微弱目标检测方法，其特征在于，包括如下：(1)对雷达回波信号r(n)，通过不加窗匹配滤波器方法进行脉冲压缩，得到脉冲压缩结果y(n)，1≤n≤N，N为距离单元数；(2)利用CFAR检测方法对y(n)中的所有距离单元进行强目标检测，得到强目标d＝[d1,d2,…,dj,…,dK]，其中dj表示第j个强目标在距离单元的位置，1≤j≤K，K为检测到的强目标个数；(3)对第j个强目标建立观测矢量zj：zj＝[r(dj-D/2),…,r(dj),…,r(dj+D/2+M-1)]T,D＝2×(P+Q)，其中，P表示CFAR检测过程中所选的保护单元数，Q表示CFAR检测过程中所选参考单元数，M表示发射信号采样点数，[·]T表示转置；(4)对第j个强目标建立感知矩阵Wj：Wj(m+n-1,n)＝s(m)，其中，s(m)表示发射信号，1≤m≤M，Wj(m+n-1,n)表示感知矩阵Wj位于第m+n-1行，第n列的元素，1≤n≤D+1；(5)利用第j个强目标的感知矩阵Wj和观测矢量zj对第j个强目标周围潜在的微弱目标进行检测：(5a)对第j个强目标建立目标函数：其中，xj表示待求解的稀疏信号，ξ表示约束条件所限定的误差范围，||·||2表示l2范数，||·||1表示l1范数；(5b)利用CS算法对目标函数min||xj||1求解，得到稀疏信号xj，并由稀疏信号xj获得潜在的微弱目标；(6)重复(3)-(5)，得到所有强目标周围潜在的微弱目标位置。2.根据权...

【专利技术属性】
技术研发人员：赵永波，吕腾蛟，庞晓娇，刘宏伟，苏洪涛，水鹏朗，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61