一种适用于小目标的雷达目标检测方法及其系统与流程

1.本发明涉及雷达目标检测领域，具体指有一种适用于小目标的雷达目标检测方法及其系统。


背景技术：

2.雷达接收到的信号检查是否含有目标反射回波，并从反射回波中测出有关目标状态的数据，从而探测目标的位置、速度等特征量。无人机需要通过雷达探测目标，从而避开障碍物。
3.在实际应用中，雷达难以直接识别出小目标，例如细竹竿、叶簇，如果是雷达直接探测，这些小目标的能量不稳定，则可能上一帧识别到存在该目标，但下一帧目标消失。传统的无人机检测方法是在速度频谱上加入聚类、滤波等算法得到目标信息进行输出。小目标的能量不稳定，若每一帧要稳定地检测到，对于硬件性能与算法均有很高的要求。因此，需要研究出一种高灵敏度、运算量小的算法。
4.针对上述的现有技术存在的问题设计一种适用于小目标的雷达目标检测方法及其系统是本发明研究的目的。


技术实现要素：

5.针对上述现有技术存在的问题，本发明在于提供一种适用于小目标的雷达目标检测方法及其系统，能够有效解决上述现有技术存在的问题。
6.本发明的技术方案是：
7.一种适用于小目标的雷达目标检测方法，包含以下步骤：
8.历史帧数据累积步骤，
9.获取无人机在第i帧的飞行速度，计算无人机的水平速度v；
10.通过雷达发射中频信号并接收目标反射回的中频信号，获取目标在第i帧的目标距离、目标速度、目标角度；
11.对第i帧的每一距离维进行恒虚警计算，选取信噪比最大的结果作为预定目标，获取第i帧的原始目标幅值、原始目标距离、原始目标速度；
12.重复上述步骤，积累q个帧的原始目标幅值、原始目标距离、原始目标速度建立历史帧数据，其中i＝1、2、3
…
q，q为正整数；
13.预测步骤，提取所述历史帧数据，根据每一帧的原始目标距离、原始目标速度预测每一帧的目标在当前帧的位置；
14.能量值计算步骤，提取所述历史帧数据，加权累积每一帧的所述原始目标幅值得到对应的能量值；
15.目标输出步骤，根据预设的能量阈值剔除噪声，输出最终目标幅值、最终目标距离、最终目标速度。
16.进一步地，所述通过雷达发射中频信号并接收目标反射回的中频信号，获取目标
在第i帧的目标距离、目标速度、目标角度具体为：
17.通过雷达多次发射中频信号，所述中频信号至少包含m个chirp信号，接收目标反射回的所述中频信号，并进行fft运算，解析得到每个中频信号对应的目标信息，所述目标信息至少包含目标距离、目标速度、目标角度。
18.进一步地，所述进行fft运算具体为：
19.对每一所述chirp信号进行fft运算，得到所述目标距离；
20.对每一距离维进行fft运算，得到所述目标速度；
21.对同一位置、不同天线得到的相位差进行fft运算，得到所述目标角度。
22.进一步地，所述对第i帧的每一距离维进行恒虚警计算具体为：
23.将第i帧的每一距离维在第i帧的所述水平速度的预设阈值区间范围v内进行恒虚警计算。
24.进一步地，所述预设阈值范围具体为：
25.v＝[v-δ，v δ]，δ为速度误差值，其中δ为1-3，所述预设阈值区间范围v的分辨率为0.2。
[0026]
进一步地，所述能量值计算步骤具体为：
[0027]
提取所述历史帧数据；
[0028]
根据计算所述能量值，其中，q表示各待检测目标的历史帧数，wq表示与帧数有关的权重值，p表示距离维的索引，a
pq
表示第p个距离维上第q帧目标的幅值。
[0029]
进一步地，所述根据预设的能量阈值剔除噪声具体为：
[0030]
若所述能量值小于所述能量阈值，则判定为噪声，所述能量阈值为6*10^11-8*10^11。
[0031]
进一步提供一种适用于小目标的雷达目标检测系统，包含以下模块：
[0032]
历史帧数据累积模块，用于：
[0033]
获取无人机在第i帧的飞行速度，计算无人机的水平速度v；
[0034]
通过雷达发射中频信号并接收目标反射回的中频信号，获取目标在第i帧的目标距离、目标速度、目标角度；
[0035]
进行恒虚警计算，选取信噪比最大的结果作为预定目标，获取第i帧的原始目标幅值、原始目标距离、原始目标速度；
[0036]
重复上述步骤，积累q个帧的原始目标幅值、原始目标距离、原始目标速度建立历史帧数据，其中i＝1、2、3
…
q，q为正整数；
[0037]
预测模块，用于提取所述历史帧数据，根据每一帧的原始目标距离、原始目标速度预测每一帧的目标在当前帧的位置；
[0038]
能量值计算模块，用于提取所述历史帧数据，加权累积每一帧的所述原始目标幅值得到对应的能量值；
[0039]
目标输出模块，用于根据预设的能量阈值剔除噪声，输出最终目标幅值、最终目标距离、最终目标速度。
[0040]
因此，本发明提供以下的效果和/或优点：
[0041]
本发明提供的方法从根本上解决了小目标丢失的问题，利用恒虚警算法，结合历
史帧数据在当前帧的预测映射，计算各个原始目标在其位置的幅值对应的能量值，并通过相应的能量阈值剔除噪声，得到小目标的特征，解决了现有算法无法准确地跟踪小目标的问题。
[0042]
本方法通过能量累积与时间加权可以让目标的能量与噪声区分开，提高小目标检测的稳定性。
[0043]
本方法只对所有恒虚警算法得到的目标进行能量累积，再通过阈值直接切出目标，相对于传统方法所运用的聚类和滤波，节省了计算复杂度和内存，改变了聚类和滤波需要通过每一个原始目标点遍历的方法，不再需要通过大量的算力去计算目标与目标之间的相关性，因此具有计算量低的特点。
[0044]
应当明白，本发明的上文的概述和下面的详细说明是示例性和解释性的，并且意在提供对如要求保护的本发明的进一步的解释。
附图说明
[0045]
图1为本发明的流程示意图。
[0046]
图2为本发明一实施例的检测过程示意图。
[0047]
图3为本发明一实施例单目标检测过程示意图。
具体实施方式
[0048]
为了便于本领域技术人员理解，现将实施例结合附图对本发明的结构作进一步详细描述：
[0049]
在实际应用中，直接识别出小目标，例如细竹竿、叶簇，是个难点。传统的无人机检测方法是在速度频谱上加入聚类、滤波等算法得到目标信息进行输出。由于小目标的能量不稳定，若每一帧要稳定地检测到，对于硬件性能与算法均有很高的要求。因此，需要研究出一种高灵敏度、运算量小的算法。
[0050]
该发明是在速度频谱上加入恒虚警算法(cfar)，只选取与无人机速度接近的速度谱线做恒虚警处理，选取信噪比最大的作为原始目标，利用历史数据做能量累积。该发明从根本上解决小目标丢失的问题，另外还提高了目标检测的稳定性。本发明提供的方法如下：
[0051]
参考图1，一种适用于小目标的雷达目标检测方法，包含以下步骤：
[0052]
s1，历史帧数据累积步骤，
[0053]
s1.1，获取无人机在第i帧的飞行速度，计算无人机的水平速度v；本实施例中，飞控上获取无人机的速度，速度在x轴、y轴、z轴的分量为v
x
、vy、vz，角度分量θ、α、β。无人机在水平面的速度v为：
[0054][0055]
s1.2，然后，通过雷达多次发射中频信号，所述中频信号至少包含m个chirp信号，接收细竹竿、叶簇等目标反射回的所述中频信号，并进行fft运算，解析得到每个中频信号对应的目标信息，所述目标信息至少包含目标距离、目标速度、目标角度。
[0056]
在本实施例中，通过雷达天线将发射机发射的射频信号发送出去，接收机接收到的回波信号与本振信号经过混频器混频形成不同频率的中频信号，也就是雷达波遇到目标
后有一部分信号回到天线，进而送到混频器与本振信号做频差得到中频信号。在第i帧发射多个中频信号，接收细竹竿、叶簇等目标反射回的所述中频信号。
[0057]
chirp信号是一个典型的非平稳信号，在通信、声纳、雷达等领域具有广泛的应用。chirp信号是指对脉冲进行编码时，其载频在脉冲持续时间内线性地增加，当将脉冲变到音频地，会发出一种声音，听起来像鸟叫的啁啾声，故名“啁啾”。
[0058]
所述进行fft运算具体为：其中fft为128点fft，
[0059]
s1.2.1，对每一所述chirp信号进行fft运算，得到所述目标距离；回波信号为发射信号的时延复本，而回波时延与差拍频率成线性关系，通过差拍频率即可计算回波时延，从而计算出目标距离。
[0060]
s1.2.2，对每一距离维进行fft运算，得到所述目标速度；当目标运动时，回波信号不仅仅是发射信号的时延复本，还具有一定的多普勒频移，通过提取多普勒频移fd即可计算出目标速度。
[0061]
具体实施中，通过对中频信号进行采样，得到原始数据，其中，该原始数据包括第i帧中各目标对应的距离和速度。进一步对中频信号做两次fft：第一次对每个chirp信号的n1个采样点做fft得到距离维信息，完成后再第二次对n2个chirp信号的相应采样点做fft得到速度维信息。在本实施例中，每一帧数据含有128个chirp信号，通过对每个chirp信号进行128点的fft处理，得到每个目标的距离索引，进而在同一距离维对不同的帧做fft，也就是对每个距离维进行128点的fft处理，得到每个目标的速度索引，其中，根据所得到的距离后，128点可以根据所需要的距离分辨率进行修改，同理，所得到的速度其128点可以根据所需要的速度分辨率进行修改调整。
[0062]
s1.2.3，对同一位置、不同天线得到的相位差进行fft运算，得到所述目标角度。回波到达不同rx天线的有波程差，导致不同rx天线的回波信号具有不同的相位差，通过提取rx相位差即可计算出目标角度。
[0063]
通过二维fft处理可以在当前时刻筛选出其中靠近雷达的目标，并记录每一帧中各目标的距离、幅值以及速度。
[0064]
本实施例中，所述进行fft运算并计算出目标距离、目标速度、目标角度为现有算法的采用，属于毫米波雷达测距领域的公知常识，在此不做具体展开。
[0065]
s1.3，将第i帧的每一距离维在第i帧的所述水平速度的预设阈值区间范围v内进行恒虚警计算，选取信噪比最大的结果作为预定目标，获取第i帧的原始目标幅值、原始目标距离、原始目标速度；
[0066]
所述预设阈值范围具体为：
[0067]
v＝[v-δ，v δ]，δ为速度误差值，其中δ为1-3，所述预设阈值区间范围v的分辨率为0.2。
[0068]
具体地，本实施例中，δ为2，即v＝[v-2，v 2]。例如s1.1得到的速度v为5m/s，则在[3,7]这个速度区间上检索目标。本实施例的预设阈值区间范围v的分辨率为0.2m/s，v＝3、3.2、3.4、
…
、7，依次类推。对于每一个距离维，在速度区间为v做恒虚警算法。选取信噪比最大的作为原始目标，记录下原始目标幅值、原始目标距离与原始目标速度。
[0069]
恒虚警算法主要解决在受噪声干扰的观测中，信号有无的判决问题，其数学基础就是统计判决理论，又称假设检验理论。对于雷达或声呐检测来说，可以选用两个假设，即
目标存在或不存在。恒虚警算法(cfar，constant false-alarm rate)是雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的技术。恒虚警算法是遍历每一个距离维/速度维的噪声，通过信号与平均噪声的比值做为门限，通过实时改变门限来降低误报率。因此在噪声大的情况下，也可能作为目标被检测出来。本实施例对将第i帧的每一距离维在第i帧的所述水平速度的预设阈值区间范围v内进行恒虚警计算，得到一系列噪声。由于无人机是在天空飞行，因此我们实际上只对静止的目标检测，当无人机前方有若干个物体时，若干个物体的信噪比不同，选取信噪比最大的结果作为原始目标，并记录下原始目标幅值、原始目标距离与原始目标速度；无人机继续飞行，此时该目标消失，重新选取信噪比最大的结果作为原始目标。
[0070]
s1.4，重复上述步骤s1.1-s1.3，积累q个帧的原始目标幅值、原始目标距离、原始目标速度建立历史帧数据，其中i＝1、2、3
…
q，q为正整数。
[0071]
本实施例中，q为20。即本实施例重复上述步骤20次，计算20个帧中每个帧所体现的原始目标，将这20个原始目标各自的原始目标幅值、原始目标距离、原始目标速度建立一个历史帧数据，作为数据库，用于后续步骤。
[0072]
s2，预测步骤，提取所述历史帧数据，根据每一帧的原始目标距离、原始目标速度预测每一帧的目标在当前帧的位置。
[0073]
在步骤s1中，我们得到了每一帧的原始目标距离以及原始目标速度，每一帧之间的时间差是固定的，因此每一帧距离当前帧的时间也是固定的，根据无人机与该目标的距离-时间*速度，即可预测并得到原始目标经过改时间后在当前帧的位置。在本实施例中，通过对应目标经过历史帧的运动后预测该目标在当前帧的位置。如图2所示，其中，灰色表示真实目标，黑色(图中虚线框的部分)表示预测的目标位置，rangeidx表示距离索引，framenumber表示帧序列。通过第i帧中的距离与速度预测在当前帧的目标位置，，预测过程中默认在一小段时间内的历史第i帧中目标的运动是匀速的，则在预测第i帧后第i个目标的位置，将对应的幅值a
iq
记录在该位置上，以此类推。具体为：当前帧为第m帧，m大于i，取第m帧之前的20帧，具体为(m-1)帧、(m-2)帧、
…
(m-19)帧、
…
，预测每一帧在第m帧的目标位置，通过距离与速度算出在第m帧的位置，并将目标的幅值记录在预测的位置上。本实施例，当前帧数是50，累积帧数是20，那么要计算的是每个距离维上第30到第50帧的能量累积。
[0074]
s3，能量值计算步骤，提取所述历史帧数据；
[0075]
根据计算所述能量值，其中，q表示各待检测目标的历史帧数，wq表示与帧数有关的权重值，p表示距离维的索引，a
pq
表示第p个距离维上第q帧目标的幅值。
[0076]
本实施例中，在本实施例中，通过对历史时刻(共q帧数据)进行累加，则第p个距离维的累加表示为本实施例中，假设q为20帧，则对20帧的数据进行累加，则第p个距离维的累加表示为其中，wq是个经验值，在此wq的设置区间为[0,4]、步进为0.2，具体按采样时间的先后来分配权重，采样时间越早的帧权重值越小，由于采样时间越早对预测的影响越小，所以权重值越小；反之，采样时间越靠后，权重值越大。
[0077]
s4，目标输出步骤，若所述能量值小于所述能量阈值，则判定为噪声，所述能量阈值为6*10^11-8*10^11，本实施例中，能量阈值具体为7*10^11，输出最终目标幅值、最终目
标距离、最终目标速度。
[0078]
在本实施例中，能量阈值为根据经验模型设定的阈值，用于区分目标与噪声，具体为6*10^11-8*10^11。通过对每一个距离维的累加结果与能量阈值进行比较，如果大于能量阈值，则进行目标输出目标的距离与速度，反之，则不进行输出。
[0079]
以本实施例提供的方法进行实际操作，设置一竹竿于无人机正前方5m，通过本实施例提供的方法检测，无人机飞向竹竿同时，
[0080]
历史帧数据累积步骤，计算出在水平面的速度分量为5m/s；中频信号采样：即每一帧数据含有chirp信号；对每个chirp做128点fft，得到每个目标的距离索引，距离分辨率为20cm，对每个距离维做128点fft，速度分辨率为0.2m/s，得到每个目标的速度索引。
[0081]
将第i帧的每一距离维在第i帧的所述水平速度的预设阈值区间范围v内进行恒虚警计算；
[0082]
根据上述的结果建立历史帧数据；
[0083]
提取所述历史帧数据，根据每一帧的原始目标距离、原始目标速度预测每一帧的目标在当前帧的位置；
[0084]
能量值计算；
[0085]
目标输出，帧处理时间为50ms，期间无人机向竹竿飞行并靠近竹竿，经过50帧的能量累积后，大于7*10^11的目标距离索引在12与13，距离为2.4m和2.6m、最终输出距离为2.4m，与实际距离接近。
[0086]
实施例二
[0087]
进一步提供一种适用于小目标的雷达目标检测系统，包含以下模块：
[0088]
历史帧数据累积模块，用于：
[0089]
获取无人机在第i帧的飞行速度，计算无人机的水平速度v；
[0090]
通过雷达发射中频信号并接收目标反射回的中频信号，获取目标在第i帧的目标距离、目标速度、目标角度；
[0091]
进行恒虚警计算，选取信噪比最大的结果作为预定目标，获取第i帧的原始目标幅值、原始目标距离、原始目标速度；
[0092]
重复上述步骤，积累q个帧的原始目标幅值、原始目标距离、原始目标速度建立历史帧数据，其中i＝1、2、3
…
q，q为正整数；
[0093]
预测模块，用于提取所述历史帧数据，根据每一帧的原始目标距离、原始目标速度预测每一帧的目标在当前帧的位置；
[0094]
能量值计算模块，用于提取所述历史帧数据，加权累积每一帧的所述原始目标幅值得到对应的能量值；
[0095]
目标输出模块，用于根据预设的能量阈值剔除噪声，输出最终目标幅值、最终目标距离、最终目标速度。
[0096]
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属于本发明的涵盖范围。