基于傅里叶变换的雷达信号自适应脉冲压缩方法和系统与流程
本技术涉及雷达信号处理,尤其涉及一种基于傅里叶变换的雷达信号自适应脉冲压缩方法和系统。
背景技术:
1、在城市低空环境中利用雷达探测无人机时,雷达接收到的回波信号中同时存在两种主要成分:一是建筑物表面反射所形成的强多径静态杂波,二是无人机旋翼所产生的微弱动态回波。建筑物多径静态杂波由于反射路径复杂、反射面面积大,其回波强度往往远高于无人机旋翼回波,且多普勒频率接近于零;而无人机旋翼回波由于桨叶高速旋转,呈现微多普勒特征,在频域上表现为以机体多普勒频率为中心向两侧对称展宽的调制谱线。上述两类回波在时域上相互混叠,难以直接区分。
2、现有脉冲压缩方案通常在频域调用固定的匹配滤波窗函数对回波频谱进行加权,例如采用汉明窗或泰勒窗,再经逆傅里叶变换获得压缩结果。然而,固定窗函数的加权系数在整个探测过程中保持不变,其旁瓣衰减幅度是按照典型信噪比条件预先确定的。在建筑物密集的城市环境中,当多径杂波较强时,固定窗函数的旁瓣衰减能力不足,建筑物多径杂波的距离旁瓣会淹没旋翼回波,导致目标检测失败;当杂波较弱时,固定窗函数仍然保持较大的旁瓣衰减幅度,主瓣被过度展宽,造成距离分辨率和回波幅度损失明显。
技术实现思路
1、针对上述现有技术中存在的问题,本技术的目的在于提供一种基于傅里叶变换的雷达信号自适应脉冲压缩方法和系统,通过对初始基带频域回波序列按照多普勒频率划分静态频域区间与动态频域区间,并依据两个区间的能量比例关系实时调节频域滤波窗函数的加权系数,从而在城市杂波环境下自适应地兼顾旁瓣抑制能力与距离分辨率,提升无人机旋翼动态回波的检测信杂比。
2、第一方面,本技术提供了一种基于傅里叶变换的雷达信号自适应脉冲压缩方法,包括:
3、接收初始基带时域回波信号,所述初始基带时域回波信号包含城市建筑物多径静态杂波和无人机旋翼动态回波;
4、对所述初始基带时域回波信号进行傅里叶变换操作,生成初始基带频域回波序列;
5、根据所述初始基带频域回波序列携带的多普勒频率,将所述初始基带频域回波序列划分为对应所述城市建筑物多径静态杂波的静态频域区间以及对应所述无人机旋翼动态回波的动态频域区间;
6、提取所述静态频域区间内的静态杂波能量以及所述动态频域区间内的动态回波能量;
7、根据所述静态杂波能量与所述动态回波能量的能量比例关系,生成与所述初始基带频域回波序列相匹配的自适应频域滤波窗函数;
8、将所述自适应频域滤波窗函数与所述初始基带频域回波序列进行频域复乘操作并进行逆傅里叶变换操作,生成脉冲压缩后的目标基带时域回波信号。
9、可选地,接收初始基带时域回波信号,包括:
10、通过雷达系统向包含城市建筑物及无人机的目标空域发射射频探测信号;
11、接收射频探测信号在城市建筑物表面反射形成的静态多径回波信号,以及射频探测信号在无人机旋翼表面反射形成的微多普勒回波信号;
12、对静态多径回波信号和微多普勒回波信号进行正交解调操作,生成模拟基带回波信号;
13、对模拟基带回波信号进行模数转换操作,生成初始基带时域回波信号。
14、可选地,对所述初始基带时域回波信号进行傅里叶变换操作,生成初始基带频域回波序列,包括:
15、确定所述初始基带时域回波信号的快时间维采样序列长度;
16、根据快时间维采样序列长度设定满足预设频率分辨率要求的离散傅里叶变换点数;
17、按照所述离散傅里叶变换点数对所述初始基带时域回波信号进行时频域转换计算,生成离散复数频谱序列;
18、对离散复数频谱序列进行零频居中平移操作,生成所述初始基带频域回波序列。
19、可选地,根据所述初始基带频域回波序列携带的多普勒频率,将所述初始基带频域回波序列划分为对应所述城市建筑物多径静态杂波的静态频域区间以及对应所述无人机旋翼动态回波的动态频域区间,包括:
20、解析所述初始基带频域回波序列中各个多普勒频率单元对应的频率数值;
21、提取所述初始基带频域回波序列中各个多普勒频率单元对应的频谱幅度方差;
22、将频率数值处于第一预设条件区间的连续多普勒频率单元划分为所述静态频域区间;
23、将频率数值处于第二预设条件区间的连续多普勒频率单元划分为所述动态频域区间。
24、可选地,提取所述静态频域区间内的静态杂波能量以及所述动态频域区间内的动态回波能量,包括:
25、提取所述静态频域区间内各个多普勒频率单元的第一同相分量和第一正交分量;
26、计算所述第一同相分量和所述第一正交分量的平方和,得到静态功率谱密度;
27、对所述静态功率谱密度进行频带内积分累加计算,得到所述静态杂波能量;
28、提取所述动态频域区间内各个多普勒频率单元的第二同相分量和第二正交分量;
29、计算所述第二同相分量和所述第二正交分量的平方和,得到动态功率谱密度;
30、对所述动态功率谱密度进行频带内积分累加计算,得到所述动态回波能量。
31、可选地,根据所述静态杂波能量与所述动态回波能量的能量比例关系,生成与所述初始基带频域回波序列相匹配的自适应频域滤波窗函数,包括:
32、从预设的窗函数库中匹配调用与所述初始基带频域回波序列具有相等序列长度的初始频域匹配滤波窗函数;
33、提取初始频域匹配滤波窗函数中的初始窗函数加权系数;
34、计算所述动态回波能量与所述静态杂波能量的信杂比数值,并将信杂比数值作为自适应加权因子;
35、利用自适应加权因子调节初始窗函数加权系数的衰减幅度,生成更新后的窗函数加权系数;
36、利用更新后的窗函数加权系数替换初始频域匹配滤波窗函数中的初始窗函数加权系数,生成所述自适应频域滤波窗函数。
37、可选地,将所述自适应频域滤波窗函数与所述初始基带频域回波序列进行频域复乘操作并进行逆傅里叶变换操作,生成脉冲压缩后的目标基带时域回波信号,包括:
38、提取所述自适应频域滤波窗函数中的离散窗加权数值;
39、将离散窗加权数值与所述初始基带频域回波序列中对应的频域复数值进行频域点乘操作,生成杂波抑制频域回波序列;
40、对杂波抑制频域回波序列进行逆离散傅里叶变换操作,生成快时间维实数序列;
41、将快时间维实数序列按照距离波门顺序进行排列,生成所述脉冲压缩后的目标基带时域回波信号。
42、第二方面,本技术提供了一种基于傅里叶变换的雷达信号自适应脉冲压缩系统,包括:
43、接收模块,用于接收初始基带时域回波信号,所述初始基带时域回波信号包含城市建筑物多径静态杂波和无人机旋翼动态回波;
44、傅里叶变换模块,用于对所述初始基带时域回波信号进行傅里叶变换操作,生成初始基带频域回波序列;
45、划分模块,用于根据所述初始基带频域回波序列携带的多普勒频率,将所述初始基带频域回波序列划分为对应所述城市建筑物多径静态杂波的静态频域区间以及对应所述无人机旋翼动态回波的动态频域区间;
46、提取模块,用于提取所述静态频域区间内的静态杂波能量以及所述动态频域区间内的动态回波能量;
47、第一生成模块,用于根据所述静态杂波能量与所述动态回波能量的能量比例关系,生成与所述初始基带频域回波序列相匹配的自适应频域滤波窗函数;
48、第二生成模块,用于将所述自适应频域滤波窗函数与所述初始基带频域回波序列进行频域复乘操作并进行逆傅里叶变换操作,生成脉冲压缩后的目标基带时域回波信号。
49、第三方面,本技术提供了一种计算设备,包括处理组件以及存储组件;所述存储组件存储一个或多个计算机指令;所述一个或多个计算机指令用以被所述处理组件调用执行,实现如上述第一方面所述的一种基于傅里叶变换的雷达信号自适应脉冲压缩方法。
50、第四方面,本技术提供了一种计算机存储介质,存储有计算机程序,所述计算机程序被计算机执行时,实现如第一方面所述的一种基于傅里叶变换的雷达信号自适应脉冲压缩方法。
51、本技术通过对包含城市建筑物多径静态杂波和无人机旋翼动态回波的初始基带时域回波信号执行傅里叶变换操作,将时域上相互混叠、难以区分的两类回波成分转换至频域,并利用多径静态杂波多普勒频率接近于零而旋翼动态回波多普勒频率显著展宽这一物理差异,把二者分别归入静态频域区间和动态频域区间,从而在不增加额外硬件通道的前提下获得了杂波成分与目标成分各自的独立观测量,解决了固定窗函数处理中无法感知当前杂波环境的问题;
52、进一步地,本技术以静态杂波能量与动态回波能量的能量比例关系为依据生成自适应频域滤波窗函数,使窗函数的衰减幅度直接由当前场景的信杂比驱动:在多径杂波占优时增大衰减幅度以压低距离旁瓣,在杂波较弱时减小衰减幅度以收窄主瓣,避免了固定加权系数在强杂波下抑制不足、在弱杂波下过度展宽主瓣的两难,使旁瓣抑制能力与距离分辨率能够按场景动态折中;
53、更进一步地,本技术将自适应频域滤波窗函数与初始基带频域回波序列直接进行频域复乘操作后再作逆傅里叶变换操作,使杂波抑制与脉冲压缩在同一次频域运算中一并完成,无需在脉冲压缩之后再串接独立的杂波对消环节,整体降低了运算量与处理时延,有利于在城市低空反无人机雷达的实时处理流程中实现,并整体提升了旋翼动态回波的检测信杂比。
54、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com