一种实现目标方位超分辨的方法及装置与流程

1.本发明涉及雷达信号处理技术领域，特别地涉及一种实现目标方位超分辨的方法及装置。


背景技术：

2.雷达方位超分辨是长期存在于方位机械扫描雷达中的重大难题。雷达天线孔径尺寸越大，其波束越窄，方位分辨率越高。然而，通常受探测距离、天线安装条件及价格成本等诸多因素的制约，无法使用大孔径雷达天线。因此，通过数字信号处理的方式实现雷达方位超分辨具有重要意义。
3.雷达方位超分辨是指不通过硬件条件的改变在同一波束内实现雷达对相同距离单元上的多个目标进行分辨的能力，利用去卷积原理可有效提高雷达方位分辨力。去卷积方位超分辨主要基于波束扫描原理，雷达接收的目标回波信号由目标方位信号与天线方向图信息卷积后得到，而采用卷积反演的方式理论上可实现目标方位信号的重构。其核心思想是通过构造合适的滤波器表示天线方向图函数的逆函数，并将回波信号作为系统的输入，获取目标的原始方位信息。
4.然而，现有发射信号为组合脉冲形式的方位超分辨算法存在以下几个问题：
5.1、去卷积滤波器中的参数无法准确确定；
6.2、所获取的目标回波数据在时域上的采样呈现非均匀特性；
7.3、目标回波数据中的噪声在通过现有的去卷积滤波器时会被同等放大。
8.以上这些问题使得直接去卷积方位超分辨算法所获得的目标方位角度信息并不准确。


技术实现要素：

9.针对上述现有技术中的问题，本发明提出了一种实现目标方位超分辨的方法及装置，能够获得更加准确的目标方位角度信息。
10.为达到上述目的，本发明的技术方案是这样实现的：
11.第一方面，本发明实施例提供了一种实现目标方位超分辨的方法，所述方法包括：
12.获取目标所在的距离单元上的目标回波数据；
13.对所述目标回波数据进行重构，获得重构后的回波数据；其中，所述重构后的回波数据为以预设采样频率进行均匀采样的序列数据；
14.对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；
15.将所述去噪后的回波数据输入预先设计的去卷积滤波器中，以使所述去卷积滤波器输出所述距离单元上的目标方位角度信息。
16.优选地，所述获取目标所在的距离单元上的目标回波数据，包括：
17.从预先构建的距离-多普勒矩阵中提取目标所在的距离单元上的目标回波数据；其中，所述距离-多普勒矩阵中存储有多个距离单元，以及与所述多个距离单元中每个距离
单元对应的目标回波数据。
18.优选地，所述距离-多普勒矩阵采用以下方式预先构建：
19.确定一个波束宽度内的组合脉冲组的数量；
20.基于所述一个波束宽度内的组合脉冲组的数量将雷达接收到的目标回波数据按时间先后顺序排列，获得所述距离-多普勒矩阵。
21.优选地，每个所述组合脉冲组包括长脉冲和短脉冲；采用以下表达式确定一个波束宽度内的组合脉冲组的数量：
[0022][0023]
其中，n为所述一个波束宽度内的组合脉冲组的数量；ceil(x)为超过x的最小整数；θ
0.5
为天线半功率波束宽度；t
l
为所述长脉冲的周期；ts为所述短脉冲的周期；n
lc
为所述长脉冲的积累次数；n
sc
为所述短脉冲的积累次数；ω为天线转速。
[0024]
优选地，所述目标回波数据包括长脉冲回波序列和短脉冲回波序列；所述对所述目标回波数据进行重构，获得重构后的回波数据，包括：
[0025]
从所述目标回波数据中提取所述长脉冲回波序列或所述短脉冲回波序列；
[0026]
对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据。
[0027]
优选地，所述对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据，包括：
[0028]
采用训练好的bp神经网络对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据。
[0029]
优选地，所述对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据，包括：
[0030]
采用小波阈值去噪法对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；其中，所述小波阈值去噪法所采用的小波基为db10正交小波，且对所述重构后的回波数据进行小波分解的层数为4层。
[0031]
优选地，在采用所述小波阈值去噪法进行所述去噪处理过程中，所采用的阈值为：
[0032][0033]
其中，λj为所述阈值；μ为预设调节因子；snr1为所述重构后的回波数据的信噪比；m为每层分解的小波系数个数；j为分解尺度；e为自然常数。
[0034]
优选地，在采用所述小波阈值去噪法进行所述去噪处理过程中，采用以下表达式来获得小波估计系数：
[0035]
[0036]
其中，为所述小波估计系数；d
j，k
为在尺度j上分解后的小波系数；λj为在采用所述小波阈值去噪法进行所述去噪处理过程中所采用的阈值；c为量化因子，用于调节﹣λj～λj之间阈值变化的快慢程度。
[0037]
优选地，采用以下方式确定所述目标所在的距离单元：
[0038]
接收所述目标的回波信号；
[0039]
对所述回波信号进行脉冲压缩处理，获得脉压后的回波信号；
[0040]
对所述脉压后的回波信号依次进行mti、mtd和cfar处理，获得所述目标所在的距离单元。
[0041]
优选地，所述去卷积滤波器的参数包括：噪声功率谱与信号功率谱的比值；所述噪声功率谱与信号功率谱的比值采用以下表达式预先确定：
[0042]
p＝1/snr2[0043]
其中，p为所述噪声功率谱与信号功率谱的比值；snr2为在进行所述cfar处理时所获得的信噪比。
[0044]
第二方面，本发明实施例提供了一种实现目标方位超分辨的装置，所述装置包括：
[0045]
回波数据获取单元，用于获取目标所在的距离单元上的目标回波数据；
[0046]
重构单元，用于对所述目标回波数据进行重构，获得重构后的回波数据；其中，所述重构后的回波数据为以预设采样频率进行均匀采样的序列数据；
[0047]
去噪单元，用于对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；
[0048]
方位角度信息获取单元，用于将所述去噪后的回波数据输入预先设计的去卷积滤波器中，以使所述去卷积滤波器输出所述距离单元上的目标方位角度信息。
[0049]
第三方面，本发明实施例提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例中任一项所述的实现目标方位超分辨的方法。
[0050]
第四方面，本发明实施例提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例中任一项所述的实现目标方位超分辨的方法。
[0051]
本发明实施例提供的一种实现目标方位超分辨的方法、装置、存储介质及电子设备，首先获取目标所在的距离单元上的目标回波数据，再对目标回波数据进行重构，获得重构后的回波数据，其中，重构后的回波数据为以预设采样频率进行均匀采样的序列数据；然后，对该重构后的回波数据进行去噪处理，获得去噪后的回波数据，并将该去噪后的回波数据输入预先设计的去卷积滤波器中，以使去卷积滤波器输出所述距离单元上的目标方位角度信息。可见，本发明实施例提供的技术方案，由于将目标回波数据重构为以预设采样频率进行均匀采样的序列数据，因此相较于现有技术直接对非均匀的回波数据进行处理，所获得的结果具有更高的准确性。即本发明实施例所提供的技术方案，能够获得更加准确的目标方位角度信息。
[0052]
此外，本发明实施例采用对脉压后的回波信号进行cfar处理时所获得的信噪比来确定去卷积滤波器的噪声功率谱与信号功率谱的比值，且采用了小波阈值去噪法对重构后的回波数据进行了去噪处理，有效解决了现有技术中去卷积滤波器中的参数无法准确确定、回波数据中的噪声在通过现有的去卷积滤波器时会被同等放大的技术问题，从而能够
进一步获得更加准确的目标方位角度信息。
附图说明
[0053]
通过结合附图阅读下文示例性实施例的详细描述可更好地理解本发明公开的范围。其中所包括的附图是：
[0054]
图1为本发明实施例的方法流程图；
[0055]
图2为本发明实施例中对目标回波数据进行重构的示意图；
[0056]
图3为本发明实施例的去卷积方位分辨流程框图；
[0057]
图4为本发明实施例中一个波束宽度内回波数据不完备时分辨结果示意图；
[0058]
图5为本发明实施例中对回波数据重构后的目标方位分辨结果示意图；
[0059]
图6为本发明实施例中采用小波阈值去噪前的目标方位分辨结果示意图；
[0060]
图7为本发明实施例中采用小波阈值去噪后的目标方位分辨结果示意图；
[0061]
图8为本发明实施例的装置结构图。
具体实施方式
[0062]
为了使本发明的目的、技术方案和优点更加清楚，以下将结合附图及实施例来详细说明本发明的实施方法，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。
[0063]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
[0064]
实施例一
[0065]
根据本发明的实施例，提供了一种实现目标方位超分辨的方法，如图1所示，本发明实施例所述的方法包括：
[0066]
步骤s101，获取目标所在的距离单元上的目标回波数据；
[0067]
本实施例中，首先采用以下方式确定所述目标所在的距离单元：接收所述目标的回波信号；对所述回波信号进行脉冲压缩处理，获得脉压后的回波信号；对所述脉压后的回波信号依次进行mti(动目标指示)、mtd(动目标检测)和cfar(恒虚警)处理，获得所述目标所在的距离单元。
[0068]
具体地，目标的回波信号即为目标的雷达回波信号。预先对目标的雷达回波信号进行建模，对于静止的雷达平台，经过脉冲压缩和距离校正后，同一个距离单元上的目标回波可以表示为：
[0069][0070]
其中，σ0表示目标散射强度，a为天线方向图函数，θ0为目标方位角，θ为波束扫描角，b为发射调频信号带宽，r为雷达作用距离，r0为目标斜距，c为光速，λ0为载波波长，i为虚数单位。
[0071]
在获得上述脉压后的回波信号之后，对该脉压后的回波信号依次进行mti(动目标指示)、mtd(动目标检测)和cfar(恒虚警)等一系列的信号处理，可以得出目标初检结果，并
给出目标所在的距离单元d，其中，该距离单元d即对应上述表达式中的目标斜距r0。
[0072]
本实施例中，所述获取目标所在的距离单元上的目标回波数据，包括：从预先构建的距离-多普勒矩阵中提取目标所在的距离单元上的目标回波数据；其中，所述距离-多普勒矩阵中存储有多个距离单元，以及与所述多个距离单元中每个距离单元对应的目标回波数据。
[0073]
本实施例中，所述距离-多普勒矩阵采用以下方式预先构建：首先，确定一个波束宽度内的组合脉冲组的数量；然后，基于所述一个波束宽度内的组合脉冲组的数量将雷达接收到的目标回波数据按时间先后顺序排列，获得所述距离-多普勒矩阵。其中，一个波束宽度内的组合脉冲组的数量即表征需要这么多个时刻的数据，也即为该距离-多普勒矩阵的行数。而该距离-多普勒矩阵的每一列即为每个距离单元对应的目标回波数据。
[0074]
本实施例中，每个所述组合脉冲组包括长脉冲和短脉冲；采用以下表达式确定一个波束宽度内的组合脉冲组的数量：
[0075][0076]
其中，n为所述一个波束宽度内的组合脉冲组的数量；ceil(x)为超过x的最小整数；θ
0.5
为天线半功率波束宽度；t
l
为所述长脉冲的周期；ts为所述短脉冲的周期；n
lc
为所述长脉冲的积累次数；n
sc
为所述短脉冲的积累次数；ω为天线转速。其中，所述长脉冲的积累次数和所述短脉冲的积累次数根据雷达本身的性能来确定。
[0077]
具体地，本实施例按照距离单元记录目标回波数据。首先根据雷达性能，明确一个波束宽度内的目标回波个数。对于发射频率较高的组合脉冲雷达，通常在一个波束宽度内，具有多个组合脉冲组，其个数n的取值采用上述表达式来确定。然后，将n个组合脉冲组按时间顺序排列，构成距离-多普勒矩阵，再根据目标所在距离单元记录下目标回波数据。
[0078]
步骤s102，对所述目标回波数据进行重构，获得重构后的回波数据；其中，所述重构后的回波数据为以预设采样频率进行均匀采样的序列数据；
[0079]
本实施例中，所述目标回波数据包括长脉冲回波序列和短脉冲回波序列；所述对所述目标回波数据进行重构，获得重构后的回波数据，包括：从所述目标回波数据中提取所述长脉冲回波序列或所述短脉冲回波序列；对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据。
[0080]
本实施例中，所述对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据，包括：采用训练好的bp神经网络对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据。
[0081]
目前部分雷达通过发射不同时宽的组合脉冲增加其最远探测距离并减小雷达探测盲区。因此，在采用维纳滤波方法时，目标在一个波束宽度内的回波信息可能包含多个组合脉冲组。因此，受发射脉冲时宽、探测环境和接收机噪声及滤波器参数等影响，不同时宽回波信号的幅度值会出现数量级的差异；同时，也会由于不同时宽的脉冲重复周期存在差异，回波信号在时域上的采样呈现非均匀特性。此时，直接利用所有回波信息已不合适，需要通过适当的方法对一个波束宽度内的回波数据进行重构和整理。
[0082]
具体地，由于长、短脉冲回波序列重复周期的差异性，步骤s101中目标回波信号实际为非均匀采样序列；同时受发射脉冲时宽、探测环境和接收机噪声及滤波器参数等影响，不同时宽回波信号的幅度值会出现数量级的差异。因此，在考虑去卷积滤波方法时，长脉冲回波序列和短脉冲回波序列以分开使用为宜，由此造成的数据不完备性和采样不均匀性需要通过插值进行处理。
[0083]
下面以短脉冲回波序列为例，说明对目标回波数据进行重构的方法：
[0084]
如图2所示，假设一个波束宽度内的组合脉冲组的数量为3，长脉冲回波序列的周期为400μs，积累2次，短脉冲回波序列的周期为150μs，积累3次，重构后的回波数据的采样周期t为50μs，则，采用预先训练好的bp神经网络对短脉冲回波序列在预设采样频率(由上述50μs的采样周期确定)上进行插值处理，获得重构后的回波数据。
[0085]
如图2所示，短脉冲回波序列在周期t的采样点上存在诸多空白区。本实施例选用三层bp神经网络对该部分时域信息进行插值处理。bp神经网络的训练集为时域上已知的量测信息，其预测序列为短码新序列在周期t上的未知采样，最后构成采样均匀信息完备的新短码时域序列，即上述重构后的回波数据。
[0086]
本实施例中，对长脉冲回波序列进行重构的方法与短脉冲回波序列相同，即本实施例中只需要选取长脉冲回波序列或短脉冲回波序列进行插值处理即可。另外，本实施例也可对长脉冲回波序列和短脉冲回波序列分别进行插值处理，所获得的结果可以进行相互验证。
[0087]
针对受脉冲发射体制(如组合脉冲)导致的目标方位向采样信号周期非均匀性或采样信号不完备的情况，本发明实施例提出采用3层bp神经网络对采样序列进行插值重构的方法，一方面能够保证信号的完备性，另一方面能够保证回波信号采样的均匀性。
[0088]
步骤s103，对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；
[0089]
雷达回波通常都会并含大量的噪声信息，这种噪声通过现有的去卷积滤波器时也会被同等放大，从而影响去卷积滤波器的性能，导致目标方位分辨无法得出理想结果。因此，本实施例还对重构后的回波数据进行去噪处理。
[0090]
本实施例中，所述对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据，包括：采用小波阈值去噪法对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；其中，所述小波阈值去噪法所采用的小波基为db10正交小波，且对所述重构后的回波数据进行小波分解的层数为4层。
[0091]
具体地，所述重构后的回波数据为一维时域信号序列，即对该一维时域信号序列进行小波阈值去噪处理。此处，考虑选取具有更高消失矩阶数、较长的支撑长度和正则性好的db10正交小波作为小波基，并对该一维时域信号序列进行4层小波分解。
[0092]
在小波阈值去噪的过程中，阈值作为拆分小波细节系数中噪声与有效信号的分界，在整个流程中起着重要的作用，选择一个合适的阈值有助于去噪效果的提升。本实施例给出一种随信噪比和分解尺度自动调节的阈值取值方法，其中心思想是：对于信噪比较高的信号，取较小的阈值；分解尺度靠后，阈值取值减小，且随着分解尺度的增加，阈值减小的趋势变缓。
[0093]
本实施例中，在采用所述小波阈值去噪法进行所述去噪处理过程中，所采用的阈值为：
[0094][0095]
其中，λj为所述阈值；μ为预设调节因子；snr1为所述重构后的回波数据的信噪比；m为每层分解的小波系数个数；j为分解尺度；e为自然常数。
[0096]
为获取更高的信号重构精度，在对小波系数进行估计时，应该避免硬阈值函数在
±
λ(即上述阈值)处可能产生的振荡，也应该减弱软阈值函数中小波系数的估计值与分解后小波系数之间的恒定偏差。本实施例给出一种改进的阈值函数用来估计小波系数。
[0097]
即本实施例在采用所述小波阈值去噪法进行所述去噪处理过程中，采用以下表达式来获得小波估计系数：
[0098][0099]
其中，为所述小波估计系数；d
j，k
为在尺度j上分解后的小波系数；λj为在采用所述小波阈值去噪法进行所述去噪处理过程中所采用的阈值；c为量化因子，用于调节﹣λj～λj之间阈值变化的快慢程度。
[0100]
通过上述表达式对小波系数进行估计，根据小波分解的第n层的低频系数和经过量化处理后的第1层到第n层的高频系数，进行一维信号的小波重构，重构后的信号即作为雷达接收回波去噪后的信号，即上述去噪后的回波数据。
[0101]
本实施例通过对小波变换中的小波基和分解尺度进行合理选择以及对小波阈值和阈值函数的适当设计实现雷达回波的小波阈值降噪处理，达到改善回波信号信噪比的目的，使去卷积方法在信噪比低于30db时也具有良好分辨效果。
[0102]
步骤s104，将所述去噪后的回波数据输入预先设计的去卷积滤波器中，以使所述去卷积滤波器输出所述距离单元上的目标方位角度信息。
[0103]
去卷积方法实质上是设计一个合适的去卷积滤波器，将目标方位角度信息从接收回波中提取出来。据维纳滤波准则，最佳去卷积滤波器h(ω)为：
[0104][0105]
其中，g(ω)为天线方向图函数的傅里叶变换，g
*
(ω)为g(ω)的复共轭，pn(ω)为噪声功率谱，ps(ω)为信号功率谱。由于pn(ω)、ps(ω)未知，其比值的大小直接影响去卷积滤波器的特性，因此合理有效的取值决定了滤波器在方位分辨过程中性能的好坏。
[0106]
即，所述去卷积滤波器的参数包括：噪声功率谱与信号功率谱的比值；本实施例中，所述噪声功率谱与信号功率谱的比值采用以下表达式预先确定：
[0107]
p＝1/snr2[0108]
其中，p为所述噪声功率谱与信号功率谱的比值；snr2为在进行步骤s101中所述的cfar处理时所获得的信噪比。
[0109]
现有技术中，在去卷积滤波器的设计中，噪声功率谱和信号功率谱的比值计算比
较困难。为了获得更加准确的目标方位角度信息，本实施例采用在进行cfar处理时所获得的信噪比来确定噪声功率谱和信号功率谱的比值，解决了去卷积滤波器中噪声功率谱和信号功率谱比值的取值问题。
[0110]
如图3所示，令去卷积滤波器为h(ω)，去噪后的回波数据y(ω)，则目标方位角度信息x(ω)为：
[0111]
x(ω)＝y(ω)
·
h(ω)
[0112]
在图3中，y(θ)为y(ω)的时域信号，x(θ)为x(ω)的时域信号。
[0113]
以下证明本实施例的技术效果：
[0114]
设雷达波束宽度为9
°
，雷达的扫描角范围为-15
°
～15
°
，雷达脉冲重复频率为1000hz，天线转速为100
°
/s，目标方位角分别为0
°
和3
°
，目标有效散射系数均为1，采用上述方法进行仿真试验，可获得图5和图7，并将其分别与图4和图6进行对比。
[0115]
从图4和图5中可看出，采用本实施例所述的方法对回波数据重构后的目标方位分辨结果明显好于回波数据不完备时的分辨结果。
[0116]
从图6和图7中可看出，采用本实施例所述的方法进行小波阈值去噪后的目标方位分辨结果明显好于小波阈值去噪前的目标方位分辨结果。
[0117]
即本实施例提供的方法相较于现有技术，能够获得更加准确的目标方位角度信息。
[0118]
本发明实施例提供的一种实现目标方位超分辨的方法，首先获取目标所在的距离单元上的目标回波数据，再对目标回波数据进行重构，获得重构后的回波数据，其中，重构后的回波数据为以预设采样频率进行均匀采样的序列数据；然后，对该重构后的回波数据进行去噪处理，获得去噪后的回波数据，并将该去噪后的回波数据输入预先设计的去卷积滤波器中，以使去卷积滤波器输出所述距离单元上的目标方位角度信息。可见，本发明实施例提供的技术方案，由于将目标回波数据重构为以预设采样频率进行均匀采样的序列数据，因此相较于现有技术直接对非均匀的回波数据进行处理，所获得的结果具有更高的准确性。即本发明实施例所提供的技术方案，能够获得更加准确的目标方位角度信息。
[0119]
此外，本发明实施例采用对脉压后的回波信号进行cfar处理时所获得的信噪比来确定去卷积滤波器的噪声功率谱与信号功率谱的比值，且采用了小波阈值去噪法对重构后的回波数据进行了去噪处理，有效解决了现有技术中去卷积滤波器中的参数无法准确确定、回波数据中的噪声在通过现有的去卷积滤波器时会被同等放大的技术问题，从而能够进一步获得更加准确的目标方位角度信息。
[0120]
实施例二
[0121]
与上述方法实施例相对应地，本发明还提供一种实现目标方位超分辨的装置，如图8所示，所述装置包括：
[0122]
回波数据获取单元201，用于获取目标所在的距离单元上的目标回波数据；
[0123]
重构单元202，用于对所述目标回波数据进行重构，获得重构后的回波数据；其中，所述重构后的回波数据为以预设采样频率进行均匀采样的序列数据；
[0124]
去噪单元203，用于对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；
[0125]
方位角度信息获取单元204，用于将所述去噪后的回波数据输入预先设计的去卷
积滤波器中，以使所述去卷积滤波器输出所述距离单元上的目标方位角度信息。
[0126]
本实施例中，所述回波数据获取单元201采用以下方式获取目标所在的距离单元上的目标回波数据：
[0127]
从预先构建的距离-多普勒矩阵中提取目标所在的距离单元上的目标回波数据；其中，所述距离-多普勒矩阵中存储有多个距离单元，以及与所述多个距离单元中每个距离单元对应的目标回波数据。
[0128]
本实施例中，所述距离-多普勒矩阵采用以下方式预先构建：
[0129]
确定一个波束宽度内的组合脉冲组的数量；
[0130]
基于所述一个波束宽度内的组合脉冲组的数量将雷达接收到的目标回波数据按时间先后顺序排列，获得所述距离-多普勒矩阵。
[0131]
本实施例中，每个所述组合脉冲组包括长脉冲和短脉冲；采用以下表达式确定一个波束宽度内的组合脉冲组的数量：
[0132][0133]
其中，n为所述一个波束宽度内的组合脉冲组的数量；ceil(x)为超过x的最小整数；θ
0.5
为天线半功率波束宽度；t
l
为所述长脉冲的周期；ts为所述短脉冲的周期；n
lc
为所述长脉冲的积累次数；n
sc
为所述短脉冲的积累次数；ω为天线转速。
[0134]
本实施例中，所述重构单元202包括：
[0135]
提取单元，用于从所述目标回波数据中提取所述长脉冲回波序列或所述短脉冲回波序列；
[0136]
插值处理单元，用于对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据。
[0137]
本实施例中，所述插值处理单元采用以下方式获得所述重构后的回波数据：
[0138]
采用训练好的bp神经网络对所述长脉冲回波序列或所述短脉冲回波序列在所述预设采样频率上进行插值处理，获得所述重构后的回波数据。
[0139]
本实施例中，所述去噪单元203采用以下方式获得去噪后的回波数据：
[0140]
采用小波阈值去噪法对所述重构后的回波数据进行去噪处理，获得去噪后的回波数据；其中，所述小波阈值去噪法所采用的小波基为db10正交小波，且对所述重构后的回波数据进行小波分解的层数为4层。
[0141]
本实施例中，在所述去噪单元203采用所述小波阈值去噪法进行所述去噪处理过程中，所采用的阈值为：
[0142][0143]
其中，λj为所述阈值；μ为预设调节因子；snr1为所述重构后的回波数据的信噪比；m为每层分解的小波系数个数；j为分解尺度；e为自然常数。
[0144]
本实施例中，在所述去噪单元203采用所述小波阈值去噪法进行所述去噪处理过程中，采用以下表达式来获得小波估计系数：
[0145][0146]
其中，为所述小波估计系数；d
j,k
为在尺度j上分解后的小波系数；λj为在采用所述小波阈值去噪法进行所述去噪处理过程中所采用的阈值；c为量化因子，用于调节﹣λj～λj之间阈值变化的快慢程度。
[0147]
进一步地，本实施例所述的装置还包括：
[0148]
接收单元，用于接收所述目标的回波信号；
[0149]
脉冲压缩处理单元，用于对所述回波信号进行脉冲压缩处理，获得脉压后的回波信号；
[0150]
信号处理单元，用于对所述脉压后的回波信号依次进行mti、mtd和cfar处理，获得所述目标所在的距离单元。
[0151]
本实施例中，所述去卷积滤波器的参数包括：噪声功率谱与信号功率谱的比值；所述噪声功率谱与信号功率谱的比值采用以下表达式预先确定：
[0152]
p＝1/snr2[0153]
其中，p为所述噪声功率谱与信号功率谱的比值；snr2为在进行所述cfar处理时所获得的信噪比。
[0154]
上述装置的工作原理、工作流程等涉及具体实施方式的内容可参见本发明所提供的实现目标方位超分辨的方法的具体实施方式，此处不再对相同的技术内容进行详细描述。
[0155]
本发明实施例提供的一种实现目标方位超分辨的装置，首先获取目标所在的距离单元上的目标回波数据，再对目标回波数据进行重构，获得重构后的回波数据，其中，重构后的回波数据为以预设采样频率进行均匀采样的序列数据；然后，对该重构后的回波数据进行去噪处理，获得去噪后的回波数据，并将该去噪后的回波数据输入预先设计的去卷积滤波器中，以使去卷积滤波器输出所述距离单元上的目标方位角度信息。可见，本发明实施例提供的技术方案，由于将目标回波数据重构为以预设采样频率进行均匀采样的序列数据，因此相较于现有技术直接对非均匀的回波数据进行处理，所获得的结果具有更高的准确性。即本发明实施例所提供的技术方案，能够获得更加准确的目标方位角度信息。
[0156]
此外，本发明实施例采用对脉压后的回波信号进行cfar处理时所获得的信噪比来确定去卷积滤波器的噪声功率谱与信号功率谱的比值，且采用了小波阈值去噪法对重构后的回波数据进行了去噪处理，有效解决了现有技术中去卷积滤波器中的参数无法准确确定、回波数据中的噪声在通过现有的去卷积滤波器时会被同等放大的技术问题，从而能够进一步获得更加准确的目标方位角度信息。
[0157]
实施例三
[0158]
根据本发明的实施例，还提供了一种存储介质，所述存储介质上存储有程序代码，所述程序代码被处理器执行时，实现如上述实施例任一项所述的实现目标方位超分辨的方法。
[0159]
实施例四
[0160]
根据本发明的实施例，还提供了一种电子设备，所述电子设备包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的程序代码，所述程序代码被所述处理器执行时，实现如上述实施例任一项所述的实现目标方位超分辨的方法。
[0161]
本发明实施例提供的一种实现目标方位超分辨的方法、装置、存储介质及电子设备，首先获取目标所在的距离单元上的目标回波数据，再对目标回波数据进行重构，获得重构后的回波数据，其中，重构后的回波数据为以预设采样频率进行均匀采样的序列数据；然后，对该重构后的回波数据进行去噪处理，获得去噪后的回波数据，并将该去噪后的回波数据输入预先设计的去卷积滤波器中，以使去卷积滤波器输出所述距离单元上的目标方位角度信息。可见，本发明实施例提供的技术方案，由于将目标回波数据重构为以预设采样频率进行均匀采样的序列数据，因此相较于现有技术直接对非均匀的回波数据进行处理，所获得的结果具有更高的准确性。即本发明实施例所提供的技术方案，能够获得更加准确的目标方位角度信息。
[0162]
此外，本发明实施例采用对脉压后的回波信号进行cfar处理时所获得的信噪比来确定去卷积滤波器的噪声功率谱与信号功率谱的比值，且采用了小波阈值去噪法对重构后的回波数据进行了去噪处理，有效解决了现有技术中去卷积滤波器中的参数无法准确确定、回波数据中的噪声在通过现有的去卷积滤波器时会被同等放大的技术问题，从而能够进一步获得更加准确的目标方位角度信息。
[0163]
本发明解决了如下技术问题：
[0164]
1、给出雷达方位超分辨过程中，去卷积滤波器噪声功率谱和信号功率谱比值的取值方法。
[0165]
2、给出一个波束宽度内雷达回波信息的重构方法，实现雷达回波的完备性和采样周期的均匀性。
[0166]
3、给出一种雷达回波的降噪处理方法，提升回波的信噪比，使去卷积方位滤波方法在信噪比低于30db时也能具有良好的分辨效果。
[0167]
本发明具有以下有益效果：
[0168]
1、详述了利用雷达方位向时域采样信号去卷积实现目标方位角超分辨的过程，有利于解决同距离单元上一个波束宽度内目标方位分辨难的问题，对于提升雷达的方位角分辨率具有参考意义；
[0169]
2、将人工智能引入雷达回波信号的处理过程，实现了一个波束宽度内目标回波信号的重构，对于非完备性和非周期性采样信号的数据重构具有参考价值；
[0170]
3、对雷达回波信号实现了小波阈值降噪处理，使去卷积方位超分辨方法在回波信噪比低于30db时也具有良好效果；
[0171]
4、体现了小波阈值降噪方法在雷达回波信号处理中的可行性，且在小波阈值降噪过程中，对小波变换中的小波基和分解尺度进行了合理选择，并给出了一种新的基于信噪比先验信息的小波阈值和阈值函数设计方法。
[0172]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
[0173]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
[0174]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0175]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0176]
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。