一种融合线性变换与共轭转置分析的雷达测距方法

摘要: 本发明涉及雷达测距,尤其涉及一种融合线性变换与共轭转置分析的雷达测距方法,适用于调频连续波雷达在低信噪比、多近距离目标场景下的高精度测距应用。背景技术:1、雷达...
一种融合线性变换与共轭转置分析的雷达测距方法

本发明涉及雷达测距,尤其涉及一种融合线性变换与共轭转置分析的雷达测距方法,适用于调频连续波雷达在低信噪比、多近距离目标场景下的高精度测距应用。

背景技术:

1、雷达测距是通过发射无线电波并接收目标反射回波,计算电磁波往返传播时间以获取目标距离的技术,广泛应用于航空航天、交通监测、气象预报、安防预警等多个领域。传统脉冲雷达依靠测量发射脉冲与接收回波的时间差实现距离计算,其测距精度主要受脉冲宽度、采样率及噪声干扰的影响——当目标处于近距盲区或多目标叠加场景时,回波信号会发生混叠,传统时间差法无法区分不同目标的回波分量,导致测距误差急剧增大。

2、调频连续波雷达通过对发射信号进行调频,依靠混频后差拍信号的频率计算目标距离,但在低信噪比环境下,差拍信号的频率估计精度易受噪声干扰;当存在多个距离相近的目标时,频率分辨力不足会导致无法完成多目标的精准测距。尤其是在低空经济快速发展的当下,无人机、无人车、无人船舶等智能装备对低空-慢速-小型目标的探测需求持续提升,近场近距离多目标测距对精度和稳定性提出了更高要求。

3、为了满足高精度雷达测距的需求,目前业界主要采用两类技术方案:

4、第一类方案从信号源端入手提升信噪比,将待测距信号从噪声中分离提取,典型代表为多重信号分类算法。该算法通过对回波协方差矩阵做特征分解,分离得到信号子空间与噪声子空间,再通过构建空间谱实现超分辨测距。然而该算法存在明显局限性:一是需要预先获知目标数量的先验信息;二是协方差矩阵的估计精度受快拍数影响显著,实时性与稳定性都无法满足动态场景的测距需求。此外,现有方法处理混叠回波时通常依赖复杂的迭代优化过程,计算复杂度较高,难以直接移植到车载、安防等算力有限的嵌入式雷达设备中,无法同时兼顾测距精度与运算效率。

5、第二类方案不直接提取原始雷达回波信号,而是对已获取的信号进行后处理加工,典型方法包括卡尔曼滤波、平滑滤波等。这类方法对多次测量得到的距离结果做后处理滤波,滤除噪声引发的测距波动,能够在一定程度上提升测距结果的稳定性。但这类方法需要预先建立精确的目标运动状态模型,当目标位置发生突变时,模型失配会直接导致滤波结果发散,进而增大测距误差,难以适配多机动目标的动态测距场景。

6、综上,现有雷达测距技术在处理低慢小目标时,受强背景噪声影响,上述两类方案均无法取得理想的测距效果;在实际应用场景中,也难以同时兼顾测距精度、运算效率与结果稳定性。

技术实现思路

1、有鉴于此,本发明的目的在于提供一种融合线性变换与共轭转置分析的雷达测距方法,旨在无需先验信息和复杂迭代的前提下,实现低信噪比、多近距离目标场景下的高精度、高分辨力测距。

2、为了实现上述目的,本发明采用的技术方案为:

3、一种融合线性变换与共轭转置分析的雷达测距方法,包括以下步骤:

4、步骤一、获取雷达接收端经预处理后的多通道的测距信号,按照通道数目和采样点数对所述测距信号进行重排,构建观测矩阵;

5、步骤二、对所述观测矩阵执行共轭转置操作,获得共轭转置矩阵,将所述观测矩阵与所述共轭转置矩阵相乘,得到满足共轭对称性的特征矩阵;

6、步骤三、对所述特征矩阵执行线性分解,分解为本征态分量和多重态分量,所述本征态分量对应于目标距离信息,所述多重态分量对应于噪声干扰信息;

7、步骤四、利用中心反演对称算符作用于所述本征态分量,利用平移对称算符作用于所述多重态分量,构建不同通道之间的对称变换关系,联立求解得到分离后的目标距离信息,完成雷达测距。

8、进一步的,所述步骤二中,对所述观测矩阵执行共轭转置操作获得共轭转置矩阵的具体方式为:

9、对所述观测矩阵中的每一个元素取共轭,再对取共轭后的矩阵执行转置操作,得到维度为采样点数×通道数目的共轭转置矩阵;所述特征矩阵的维度为通道数目×通道数目。

10、进一步的,所述步骤三中,所述线性分解为基于泰勒展开原理的线性分解,将所述特征矩阵中的零阶项定义为所述本征态分量,将所述特征矩阵中的一阶以上高阶项定义为所述多重态分量。

11、进一步的,所述步骤四中,所述中心反演对称算符用于表征目标距离信息在空间中心反演操作下的守恒特性,所述平移对称算符用于表征噪声干扰信息在空间平移操作下的偏移特性;利用所述中心反演对称算符对不同通道的所述本征态分量进行变换,利用所述平移对称算符对不同通道的所述多重态分量进行变换,联立变换后的方程求解得到各通道分离后的本征态分量值。

12、进一步的,所述观测矩阵中的每一个元素均为包含三维空间坐标分量的矢量形式,所述中心反演对称算符和所述平移对称算符均为三维空间中的3×3阶矩阵,分别作用于所述观测矩阵的每一个元素的三个空间坐标分量上;其中,所述中心反演对称算符的对角线元素均为-1,所述平移对称算符的对角线元素包含相对于对称位置的偏移量。

13、进一步的,所述中心反演对称算符和所述平移对称算符均为物理算符,所述物理算符作用于矩阵中每一个元素的方式为:

14、将物理算符矩阵分别与每一个元素矩阵进行物理算符运算,参与运算的矩阵维度保持不变。

15、进一步的,当雷达所在平台发生移动时,在执行所述步骤四之前,还包括坐标变换步骤:

16、获取雷达所在平台的机体坐标系与地面坐标系之间的旋转矩阵,利用所述旋转矩阵对所述观测矩阵中的空间坐标分量进行坐标变换,补偿平台运动引入的坐标系偏差。

17、进一步的,所述雷达为线性调频连续波雷达,所述测距信号为经混频处理后的差拍回波信号。

18、进一步的,所述步骤一中,按照通道数目和采样点数对所述测距信号进行重排时,重排后的每一个元素均为1×3阶矩阵或3×1阶矩阵,分别代表该采样点处的x轴、y轴、z轴三个方向的分量值;所述观测矩阵的维度为通道数目×采样点数。

19、进一步的,所述步骤四中,联立求解前还包括奇点规避步骤:

20、检测所述中心反演对称算符与所述平移对称算符的差值,若所述差值满足预设的奇点判定条件,则对所述差值进行修正或跳转至下一采样时刻的数据进行处理。

21、本发明的有益效果是:

22、本发明提供的一种融合线性变换与共轭转置分析的雷达测距方法,通过共轭转置耦合与对称算符解耦的联合处理,将目标距离信息(本征态)与噪声干扰(多重态)精确分离。在车载77ghz fmcw雷达仿真实验中,本发明方法的测距精度达到±0.20m,远优于传统fft方法的0.58m和标准卡尔曼滤波的0.73m。在探测概率仅为25%的低信噪比环境下,对间距1m的两个近距离目标的分辨率达到80%,可清晰分辨目标(传统fft方法仅42%且不易分辨),突破了传统频率分辨力公式(c/2b)在实际噪声环境下的分辨瓶颈。不依赖目标数量的先验知识,也无需多次快拍估计协方差矩阵,克服了music类算法的固有缺陷。将大规模采样数据(如100点)压缩为通道数×通道数(如2×2)的低维矩阵,无需复杂迭代优化,可在嵌入式低算力设备上实现实时处理,兼顾了测距精度与运算效率。与卡尔曼滤波不同,本方法不依赖目标运动状态模型,在目标位置突变时不会因模型失配导致滤波发散,适用于无人机、无人车等多机动目标的动态测距场景。