System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 毫米波探测雷达干扰抑制方法、存储介质及设备技术_技高网

毫米波探测雷达干扰抑制方法、存储介质及设备技术

技术编号:42121266 阅读:15 留言:0更新日期:2024-07-25 00:39
本申请公开了一种毫米波探测雷达干扰抑制方法、存储介质及设备,包括如下步骤:获取回波信号,利用完整集成经验分解算法对回波信号进行分解,得到按照时序排列的多个模态分量;计算每个模态分量的能量值,筛选出满足预设条件的能量值所对应的模态分量作为临界分量,其中,将位于临界分量之前的模态分量定义为噪声信号,将位于临界分量之后的模态分量定义为有效信号;对噪声信号进行去噪处理,得到去噪信号;将去噪信号与有效信号进行重构,得到去噪后的回波信号。本申请能够较好地克服模态混叠的问题,能够减少凭借经验选取有效本征模态函数而造成误判的现象,提高信噪比,从而能够保证雷达测距数据的稳定性和可靠性。

【技术实现步骤摘要】

本申请涉及雷达数字信号处理,尤其涉及一种毫米波探测雷达干扰抑制方法、存储介质及设备


技术介绍

1、随着雷达技术的快速发展,雷达测距广泛应用于各个行业,如云和气溶胶的垂直结构、能见度、大气边界层、水位预警等方面的探测。在复杂环境下,雷达反射的回波信号表现为各种目标的干扰叠加,使其具有非线性以及非平稳性的特点,随着探测距离的增加,回波信号强度呈现“多径衰落”效应,若噪声淹没微弱的回波信号易造成漏检,从而容易带来虚警。而雷达测距精度主要取决于信号的扫频带宽和系统的信噪比。因此,对雷达回波信号进行去噪变得尤为重要。

2、在现有技术中,通常利用emd(经验模态分解)对回波信号进行处理,生成多个imf(固有模态函数),确定imf中噪声信号与有效信号的分界点,最后对噪声信号进行去噪并重构回波信号。

3、然而,在上述技术中,分界点的选取往往依靠过往经验,容易造成误判现象。分界点选取不当会造成部分有效信号削减,从而造成检测结果的不准确性。


技术实现思路

1、本申请的目的在于提供一种毫米波探测雷达干扰抑制方法、存储介质及设备,以解决现有技术中存在的回波信号分解的imf分量中,噪声信号与有效信号的临界点存在误判现象而导致对回波信号去噪效果不理想的技术问题。本申请提供的诸多技术方案中的优选技术方案所能产生的诸多技术效果详见下文阐述。

2、为实现上述目的,本申请提供了以下技术方案:

3、第一方面,本申请提供的一种毫米波探测雷达干扰抑制方法,包括如下步骤:获取回波信号,利用完整集成经验分解算法对所述回波信号进行分解,得到按照时序排列的多个模态分量;计算每个所述模态分量的能量值,筛选出满足预设条件的能量值所对应的模态分量作为临界分量,其中,将位于所述临界分量之前的模态分量定义为噪声信号,将位于所述临界分量之后的模态分量定义为有效信号;对所述噪声信号进行去噪处理,得到去噪信号;将所述去噪信号与所述有效信号进行重构,得到去噪后的回波信号。

4、在一些实施例中,所述利用完整集成经验分解算法对所述回波信号进行分解,得到按照时序排列的多个模态分量,包括如下步骤:

5、向所述回波信号中添加随机噪声作为第一原始信号;

6、对所述第一原始信号进行多次经验模态分解,得到第一模态分量以及第一余量信号;

7、向第k-1余量信号中添加经经验模态分解的随机噪声的第k-1个分量作为第k原始信号,对所述第k原始信号进行多次经验模态分解,得到第k模态分量以及第k余量信号;

8、判断所述第k余量信号的极值点是否等于第一预设阈值,若等于所述第一预设阈值,则输出包括所述第一模态分量至所述第k模态分量的多个模态分量。

9、在一些实施例中,所述计算每个所述模态分量的能量值,包括:

10、获取每个所述模态分量的能量密度以及平均周期,所述平均周期为:

11、

12、其中,为第k模态分量的平均周期,n为所述第k模态分量的数据长度,ok为所述第k模态分量的局部极大值的个数;

13、计算每个所述模态分量的能量密度与所述平均周期的乘积作为所述能量值。

14、在一些实施例中,所述能量密度通过如下公式获取:

15、

16、其中,ek为能量密度,imfk(t)为第k模态分量的幅值,l为所述回波信号的数据长度。

17、在一些实施例中,所述筛选出满足预设条件的能量值所对应的模态分量作为临界分量,包括:将第k模态分量的能量值与预设倍数相乘的乘积与第k+1模态分量的能量值进行依次比较;若所述第k+1模态分量的能量值大于所述第k模态分量的能量值与所述预设倍数相乘的乘积,则令首个所述第k模态分量作为所述临界分量。

18、在一些实施例中,所述对所述噪声信号进行去噪处理,得到去噪信号,包括如下步骤:将所述噪声信号进行小波分解,得到多个小波系数;根据第二预设阈值,对所述多个小波系数进行过滤;对经过滤后的小波系数进行小波逆变换,得到所述去噪信号。

19、在一些实施例中,所述将所述噪声信号进行小波分解,包括:利用db4小波基函数和3层小波分解层数对所述噪声信号进行小波分解。

20、在一些实施例中,所述根据第二预设阈值,对所述多个小波系数进行过滤,包括:利用软阈值函数和/或硬阈值函数将小于所述第二预设阈值的小波系数置为0。

21、本申请的第二方面提供一种计算机可读的存储介质,所述存储介质上存储有计算机程序,所述计算机程序被执行时实现如上所述的毫米波探测雷达干扰抑制方法。

22、本申请的第三方面提供一种用于毫米波探测雷达干扰抑制的设备,包括:一个或多个处理器;存储器,用于存储一个或多个计算机程序,一个或多个所述处理器用于执行所述存储器存储的一个或多个计算机程序,以使一个或多个所述处理器执行如上所述的毫米波探测雷达干扰抑制方法。

23、实施本申请上述技术方案中的一个技术方案,具有如下优点或有益效果:利用完整集成经验分解算法对回波信号进行分解,能够较好地克服模态混叠的问题;另外,通过筛选出满足预设条件的能量值所对应的模态分量作为临界分量,能够减少凭借经验选取有效本征模态函数而造成误判的现象;最后对噪声信号进行降噪,并与有效信号重构得到去噪后的回波信号,能够提高信噪比,从而能够保证雷达测距数据的稳定性和可靠性。

本文档来自技高网...

【技术保护点】

1.一种毫米波探测雷达干扰抑制方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述利用完整集成经验分解算法对所述回波信号进行分解,得到按照时序排列的多个模态分量,包括如下步骤:

3.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述计算每个所述模态分量的能量值,包括:

4.根据权利要求3所述的毫米波探测雷达干扰抑制方法,其特征在于,所述能量密度通过如下公式获取:

5.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述筛选出满足预设条件的能量值所对应的模态分量作为临界分量,包括:

6.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述对所述噪声信号进行去噪处理,得到去噪信号,包括如下步骤:

7.根据权利要求6所述的毫米波探测雷达干扰抑制方法,其特征在于,所述将所述噪声信号进行小波分解,包括:利用Db4小波基函数和3层小波分解层数对所述噪声信号进行小波分解。

8.根据权利要求6所述的毫米波探测雷达干扰抑制方法,其特征在于,所述根据第二预设阈值,对所述多个小波系数进行过滤,包括:

9.一种计算机可读的存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被执行时实现权利要求1-8任一项所述的毫米波探测雷达干扰抑制方法。

10.一种用于毫米波探测雷达干扰抑制的设备,其特征在于,包括:

...

【技术特征摘要】

1.一种毫米波探测雷达干扰抑制方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述利用完整集成经验分解算法对所述回波信号进行分解,得到按照时序排列的多个模态分量,包括如下步骤:

3.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述计算每个所述模态分量的能量值,包括:

4.根据权利要求3所述的毫米波探测雷达干扰抑制方法,其特征在于,所述能量密度通过如下公式获取:

5.根据权利要求1所述的毫米波探测雷达干扰抑制方法,其特征在于,所述筛选出满足预设条件的能量值所对应的模态分量作为临界分量,包括:

6.根据权利要求1所述的毫米波探...

【专利技术属性】
技术研发人员:戴聪聪桑泉李丛龚潇冯阳张清波王桐郑志民彭希子
申请(专利权)人:深圳市宏电技术股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1