1.本发明属于雷达技术领域，更进一步涉及雷达目标检测技术中的一种微弱目标检测方法。本发明可用于在雷达回波数据中检测被强目标所遮掩的微弱目标。
背景技术：2.隐身飞机以及小型无人机具有较小的雷达反射截面积(radar cross section,rcs)，从而削弱了雷达回波信号的能量，导致目标的信噪比降低。因此，为了使雷达能够在恒虚警(constant false alarm rate,cfar)处理过程中检测到具有低rcs的目标，需要进一步提升雷达的检测信噪比。然而，在cfar检测前的脉冲压缩处理过程中，通常采用加窗的匹配滤波器对雷达回波数据进行脉冲压缩处理。虽然，加窗的匹配滤波器能够有效降低脉压输出的距离副瓣，减少强目标距离副瓣对微弱目标的影响，但是，加窗的匹配滤波器却存在目标信噪比损失的问题。为了避免信噪比损失，提升雷达对微弱目标的检测性能，可以采用不加窗的匹配滤波器对雷达回波数据进行脉冲压缩处理，但是这将导致强目标的脉压副瓣会掩盖微弱目标，从而无法检测出微弱目标。
3.武汉滨湖电子有限责任公司在其所申请的专利文献“一种提高微弱目标检测概率的方法”(专利申请号202111112829.7，申请公布号：cn 113970731 a)中公开了一种利用不加窗匹配滤波器的微弱目标检测方法。该方法的实现过程，首先通过不加窗的频域脉冲压缩处理，然后，在距离维上利用滑窗搜索与二进制积累判决检测微弱目标。该方法在一定程度上能够提高微弱目标的检测概率，但是，该方法仍然存在的不足之处是，对于强目标附近存在微弱目标时，该方法在cfar检测阶段存在漏检，导致雷达系统无法检测出微弱目标。
4.西安电子科技大学在其所申请的专利文献“基于压缩感知的微弱目标检测方法”(专利申请号：201910173075.2，申请公布号：cn 109932697 a)中公开了一种利用压缩感知技术的微弱目标检测方法。该方法的实现过程为，首先通过不加窗的脉冲压缩处理，随后，利用cfar检测技术检测出强目标，然后，对检测出的强目标，通过设计相应的感知矩阵，并利用cs算法对强目标周围潜在的微弱目标进行检测。该算法能够精确检测被强目标所遮掩的微弱目标，但是，该方法仍然存在的不足之处是，该方法存在伪峰，从而会造成cfar检测阶段产生虚检，并且现有基于fpga和dsp开发的雷达系统无法实时调用matlab工具包，因此，该方法无法进行实际雷达系统应用。
技术实现要素：5.本发明的目的在于针对上述已有技术的不足，提出一种基于平滑滤波的微弱目标检测方法，以解决现有的不加窗匹配滤波器在cfar检测过程中产生的漏检，以及基于压缩感知方法在cfar检测过程中产生的虚检和无法工程应用的问题。
6.实现本发明目的的技术方案是，本发明利用不加窗匹配滤波器对雷达回波数据进行脉冲压缩处理，并通过cfar检测技术检测出压缩处理后回波数据中的强目标，由于微弱目标具有较低的峰值，因此被强目标的距离副瓣所掩盖。为了检测微弱目标，本发明通过反
演强目标得到反演数据。随后对雷达回波数据进行平滑滤波处理。此外，由于本发明是通过滤除强目标，从而检测微弱目标，因此，不会产生利用压缩感知方法产生的虚检问题。最后，对平滑滤波处理后的数据进行cfar检测，检测得到微弱目标。
7.本发明的具体实现步骤包括如下：
8.步骤1，对雷达回波数据进行脉冲压缩：
9.利用不加窗的脉压匹配滤波器，对一个脉冲时间内采集的雷达回波数据进行脉冲压缩处理，得到该脉冲时间内的压缩后的脉冲数据；
10.步骤2，对压缩后的脉冲数据进行恒虚警检测：
11.利用具有低虚警概率的单元平均恒虚警检测方法，对压缩后的脉冲数据进行检测，将检测出的峰值作为是强目标，并获得每个强目标对应的距离单元；
12.步骤3，对每个强目标所在的距离单元进行反演操作：
13.步骤3.1，产生一个与雷达回波数据相同长度的反演数据，并且将反演数据的元素全部初始化为零；
14.步骤3.2，以每个强目标对应的距离单元作为起始点，在反演数据中，依次选取与不加窗脉冲压缩滤波器长度相同的数据作为需要替换的反演数据，并且依次用采集雷达回波数据的雷达的发射信号对每个需要替换的反演数据进行赋值；
15.步骤4，对雷达回波数据进行平滑滤波处理：
16.步骤4.1，以雷达回波数据中的第1个距离单元作为起始点，从雷达回波数据中，选取与不加窗脉冲压缩滤波器的长度相同的数据，作为待滤波数据；
17.步骤4.2，以反演数据中的第1个距离单元作为起始点，使用与不加窗脉压匹配滤波器长度相同且宽度为1的矩形窗从左向右滑窗d次，将d次滑窗得到的数据排列成一个平滑数据矩阵，其中，平滑数据矩阵的一列代表一次滑窗得到的数据，d为平滑次数；
18.步骤4.2.1，计算平滑数据矩阵的协方差矩阵：
19.步骤4.2.2，对协方差矩阵进行求逆，将求逆后的协方差矩阵与不加窗脉压匹配滤波器进行矩阵矢量相乘，得到具有滤波功能的滤波器，作为待滤波数据的滤波器；
20.步骤4.2.3，利用待滤波数据的滤波器的共轭转置对滤波数据进行相乘，得到雷达回波数据第一个距离单元的滤波后的数据；
21.步骤4.3，将雷达回波数据的起始点向右进行一次平移得到当前起始点，选取与具有滤波功能的滤波器的长度相同的数据，作为当前起始点的待滤波数据；
22.步骤4.4，将反演数据的起始点向右进行一次平移作为当前起始点，采用与步骤4.2相同的方法，构建具有滤波功能的滤波器，作为当前起始点的待滤波数据的滤波器；
23.步骤4.5，利用当前起始点的待滤波数据的滤波器的共轭转置与当前起始点的滤波数据进行相乘，得到雷达回波数据第二个距离单元的滤波后的数据；
24.步骤4.6，采用与步骤4.3至步骤4.5相同的方法，进行n次平移和滤波操作，得到雷达回波数据的n个滤波后的数据，其中，n表示雷达回波数据的长度减去不加窗匹配滤波器的长度；
25.步骤5，对每个滤波后的数据进行恒虚警检测；
26.利用与步骤2相同的单元平均恒虚警检测方法，对每个滤波后的数据进行检测，将检测出的该峰值作为是微弱目标，并获得每个微弱目标对应的距离单元。
27.本发明与现有技术相比具有如下的优点：
28.第一，由于本发明在雷达回波数据中存在强目标掩盖微弱目标时，通过对雷达回波数据，进行平滑滤波处理，克服了现有技术不加窗匹配滤波器产生漏检的缺点，使得本发明能够检测出被强目标所掩盖的微弱目标，由此提高了检测微弱目标的准确率。
29.第二，由于本发明在检测被强目标所遮掩的微弱目标时，通过对雷达回波数据，进行平滑滤波处理，克服了现有技术在执行压缩感知处理时产生伪峰的缺点，使得本发明能够正确检测出微弱目标，提升了检测微弱目标的正确率。
30.第三，由于本发明在实际的基于fpga和dsp的雷达系统应用时，不需要调用matlab工具包，克服了现有技术执行压缩感知处理时不能够进行工程应用的缺点，使得本发明能够进行基于fpga和dsp的雷达系统应用，提升了本发明的工程应用价值。
附图说明
31.图1是本发明的实现流程图；
32.图2是利用现有不加窗匹配滤波器方法对雷达回波数据进行脉冲压缩的结果图；
33.图3是本发明方法对雷达回波数据进行平滑滤波处理的结果图。
具体实施方式
34.下面结合附图和实施例，对本发明做更详细的描述。
35.参照附图1和实施例，对本发明的具体实现步骤做进一步描述。
36.步骤1.对雷达回波数据进行脉冲压缩。
37.利用不加窗的脉压匹配滤波器，对一个脉冲时间内采集的雷达回波数据进行脉冲压缩处理，得到该脉冲时间内的压缩后的脉冲数据。
38.所述的不加窗的脉压匹配滤波器是由下式实现的：
39.h＝(flip(s))
*
40.其中，h表示不加窗脉压匹配滤波器，(
·
)
*
表示共轭操作，flip(
·
)表示倒序操作，s表示雷达发射的一个脉冲时间内的信号。
41.步骤2.对压缩后的脉冲数据进行恒虚警检测。
42.利用具有低虚警概率的单元平均恒虚警检测方法，对压缩后的脉冲数据进行检测，将检测出的峰值作为是强目标，并获得每个强目标对应的距离单元。
43.所述的单元平均恒虚警检测方法的具体步骤如下：
44.第一步，从压缩后的数据中任意选取一个检测单元。
45.第二步，按照下式，计算所选取检测单元的单元平均恒虚警处理器的门限乘子：
[0046][0047]
其中，γ表示所选取检测单元的恒虚警处理器的门限乘子，表示开平方根操作，ln表示以e为底的自然对数操作，pf表示所选取检测单元在高斯白噪声背景下的虚警概率。
[0048]
第三步，按照下式，计算所选检测单元的噪声的平均值，将该平均值作为所选检测单元的噪声的估计值：
[0049][0050]
其中，表示所选检测单元的噪声平均值，q表示单元平均恒虚警的参考单元的总数，所述单元平均恒虚警的参考单元是指，以所取选检测单元为中心，在所选检测单元的同一行的左右两侧各取个单元，作为单元平均恒虚警检测器的参考单元，σ表示求和操作，|
·
|表示求绝对值操作，yq表示第q个参考单元信号的幅值。
[0051]
第四步，用所选取检测单元的恒虚警处理器的门限乘子乘以所选取检测单元的噪声的平均值，得到所选取检测单元的单元平均恒虚警处理器的检测门限值。
[0052]
第五步，对所选检测单元信号的幅值求绝对值。
[0053]
第六步，判断所选取检测单元的绝对值是否大于或等于检测门限值，若是，则执行第七步，否则，执行第一步。
[0054]
第七步，得到所选过检测门限的检测单元。
[0055]
第八步，采用与第一步到第六步相同的方法，得到所有检测单元的距离单元。
[0056]
步骤3.对每个强目标所在的距离单元进行反演操作。
[0057]
步骤3.1，产生一个与雷达回波数据相同长度的反演数据，并且将反演数据的元素全部初始化为零。
[0058]
步骤3.2，以每个强目标对应的距离单元作为起始点，在反演数据中，依次选取与不加窗脉冲压缩滤波器长度相同的数据作为需要替换的反演数据，并且依次用采集雷达回波数据的雷达的发射信号对每个需要替换的反演数据进行赋值。
[0059]
步骤4.对雷达回波数据进行平滑滤波处理。
[0060]
步骤4.1，以雷达回波数据中的第1个距离单元作为起始点，从雷达回波数据中，选取与不加窗脉冲压缩滤波器的长度相同的数据，作为待滤波数据。
[0061]
步骤4.2，以反演数据中的第1个距离单元作为起始点，使用与不加窗脉压匹配滤波器长度相同且宽度为1的矩形窗从左向右滑窗d次，将d次滑窗得到的数据排列成一个平滑数据矩阵，其中，平滑数据矩阵的一列代表一次滑窗得到的数据，d为平滑次数。
[0062]
步骤4.2.1，计算平滑数据矩阵的协方差矩阵。
[0063]
所述的平滑数据矩阵的协方差矩阵是由下式实现的：
[0064][0065]
其中，r表示平滑数据矩阵的协方差矩阵，v表示平滑数据矩阵，(
·
)h表示共轭转置操作，表示平滑数据矩阵v的列数，σ表示单位高斯白噪声功率，im表示一个m
×
m的单位矩阵，m表示矩形窗的长度。
[0066]
步骤4.2.2，对协方差矩阵进行求逆，将求逆后的协方差矩阵与不加窗脉压匹配滤波器进行矩阵矢量相乘，得到具有滤波功能的滤波器，作为待滤波数据的滤波器。
[0067]
步骤4.2.3，利用待滤波数据的滤波器的共轭转置对滤波数据进行相乘，得到雷达回波数据第一个距离单元的滤波后的数据。
[0068]
步骤4.3，将雷达回波数据的起始点向右进行一次平移得到当前起始点，选取与具有滤波功能的滤波器的长度相同的数据，作为当前起始点的待滤波数据。
[0069]
步骤4.4，将反演数据的起始点向右进行一次平移作为当前起始点，采用与步骤4.2相同的方法，构建具有滤波功能的滤波器，作为当前起始点的待滤波数据的滤波器。
[0070]
步骤4.5，利用当前起始点的待滤波数据的滤波器的共轭转置与当前起始点的滤波数据进行相乘，得到雷达回波数据第二个距离单元的滤波后的数据。
[0071]
步骤4.6，采用与步骤4.3至步骤4.5相同的方法，进行n次平移和滤波操作，得到雷达回波数据的n个滤波后的数据，其中，n表示雷达回波数据的长度减去不加窗匹配滤波器的长度。
[0072]
步骤5.对每个滤波后的数据进行恒虚警检测。
[0073]
利用与步骤2相同的单元平均恒虚警检测方法，对每个滤波后的数据进行检测，将检测出的该峰值作为是微弱目标，并获得每个微弱目标对应的距离单元。
[0074]
下面结合仿真实验对本发明的效果做进一步的说明：
[0075]
1.仿真实验条件：
[0076]
本发明的仿真实验的硬件平台为：处理器为intel i7 7700 cpu，主频为3.6ghz，内存16gb。
[0077]
本发明的仿真实验的软件平台为：windows 10操作系统和matlab r2017a。
[0078]
本发明仿真实验所用的雷达回波数据的维数是2240
×
1，所述雷达回波信号中包含高斯白噪声信号和强目标信号以及微弱目标信号，雷达的发射信号是时宽t＝140
×
10-6
s，带宽b＝2
×
106hz，采样频率fs＝4
×
106hz的线性调频信号，强目标的检测信噪比为53db，微弱目标的检测信噪比13db，强目标位于距离单元20，微弱目标位于距离单元35。
[0079]
2.仿真内容及其结果分析：
[0080]
仿真1，在上述仿真实验的条件下采用现有不加窗匹配滤波器方法对雷达回波数据进行脉冲压缩处理，结果如图2。从图2中可以看出采用现有不加窗匹配滤波器方法对雷达回波数据进行处理后，处理结果只在强目标所在位置出现了一个峰值，若对该处理结果采用单元平均恒虚警检测方法进行检测，只能检测出强目标，对强目标附近的微弱目标无法进行检测。
[0081]
仿真2，在上述仿真实验的条件下采用本发明中基于平滑滤波算法对雷达回波数据进行平滑滤波处理，得到雷达回波数据的微弱目标信号，结果如图3。从图3可以看出采用基于平滑滤波算法对雷达回波数据进行处理后，处理结果中强目标的峰值被抑制掉，微弱目标所在位置出现峰值，对该处理结果采用单元平均恒虚警检测方法进行检测，就可以得到微弱目标。
[0082]
以上仿真实验表明：现有的不加窗匹配滤波器方法对雷达回波数据处理后，在单元平均恒虚警检测阶段无法对强目标附近的微弱目标进行检测，本发明所采用的基于平滑滤波算法对雷达回波数据处理后，则可以在单元平均恒虚警检测阶段检测到强目标附近的微弱目标。
技术特征：1.一种基于平滑滤波的微弱目标检测方法，其特征在于，利用反演数据构建具有滤波功能的滤波器，对雷达回波数据进行平滑滤波处理；该方法的具体步骤包括如下：步骤1，对雷达回波数据进行脉冲压缩：利用不加窗的脉压匹配滤波器，对一个脉冲时间内采集的雷达回波数据进行脉冲压缩处理，得到该脉冲时间内的压缩后的脉冲数据；步骤2，对压缩后的脉冲数据进行恒虚警检测：利用具有低虚警概率的单元平均恒虚警检测方法，对压缩后的脉冲数据进行检测，将检测出的峰值作为是强目标，并获得每个强目标对应的距离单元；步骤3，对每个强目标所在的距离单元进行反演操作：步骤3.1，产生一个与雷达回波数据相同长度的反演数据，并且将反演数据的元素全部初始化为零；步骤3.2，以每个强目标对应的距离单元作为起始点，在反演数据中，依次选取与不加窗脉冲压缩滤波器长度相同的数据作为需要替换的反演数据，并且依次用采集雷达回波数据的雷达的发射信号对每个需要替换的反演数据进行赋值；步骤4，对雷达回波数据进行平滑滤波处理：步骤4.1，以雷达回波数据中的第1个距离单元作为起始点，从雷达回波数据中，选取与不加窗脉冲压缩滤波器的长度相同的数据，作为待滤波数据；步骤4.2，以反演数据中的第1个距离单元作为起始点，使用与不加窗脉压匹配滤波器长度相同且宽度为1的矩形窗从左向右滑窗d次，将d次滑窗得到的数据排列成一个平滑数据矩阵，其中，平滑数据矩阵的一列代表一次滑窗得到的数据，d为平滑次数；步骤4.2.1，计算平滑数据矩阵的协方差矩阵：步骤4.2.2，对协方差矩阵进行求逆，将求逆后的协方差矩阵与不加窗脉压匹配滤波器进行矩阵矢量相乘，得到具有滤波功能的滤波器，作为待滤波数据的滤波器；步骤4.2.3，利用待滤波数据的滤波器的共轭转置对滤波数据进行相乘，得到雷达回波数据第一个距离单元的滤波后的数据；步骤4.3，将雷达回波数据的起始点向右进行一次平移得到当前起始点，选取与具有滤波功能的滤波器的长度相同的数据，作为当前起始点的待滤波数据；步骤4.4，将反演数据的起始点向右进行一次平移作为当前起始点，采用与步骤4.2相同的方法，构建具有滤波功能的滤波器，作为当前起始点的待滤波数据的滤波器；步骤4.5，利用当前起始点的待滤波数据的滤波器的共轭转置与当前起始点的滤波数据进行相乘，得到雷达回波数据第二个距离单元的滤波后的数据；步骤4.6，采用与步骤4.3至步骤4.5相同的方法，进行n次平移和滤波操作，得到雷达回波数据的n个滤波后的数据，其中，n表示雷达回波数据的长度减去不加窗匹配滤波器的长度；步骤5，对每个滤波后的数据进行恒虚警检测；利用与步骤2相同的单元平均恒虚警检测方法，对每个滤波后的数据进行检测，将检测出的该峰值作为是微弱目标，并获得每个微弱目标对应的距离单元。2.根据权利要求1所述的基于平滑滤波的微弱目标检测方法，其特征在于：步骤1中所述的不加窗的脉压匹配滤波器是由下式实现的：
h＝(flip(s))
*
其中，h表示不加窗脉压匹配滤波器，(
·
)
*
表示共轭操作，flip(
·
)表示倒序操作，s表示雷达发射的一个脉冲时间内的信号。3.根据权利要求1所述的基于平滑滤波的微弱目标检测方法，其特征在于：步骤2中所述的单元平均恒虚警检测方法的具体步骤如下：第一步，从压缩后的数据中任意选取一个检测单元；第二步，按照下式，计算所选取检测单元的单元平均恒虚警处理器的门限乘子：其中，γ表示所选取检测单元的恒虚警处理器的门限乘子，表示开平方根操作，ln表示以e为底的自然对数操作，p
f
表示所选取检测单元在高斯白噪声背景下的虚警概率；第三步，按照下式，计算所选检测单元的噪声的平均值，将该平均值作为所选检测单元的噪声的估计值：其中，表示所选检测单元的噪声平均值，q表示单元平均恒虚警的参考单元的总数，所述单元平均恒虚警的参考单元是指，以所取选检测单元为中心，在所选检测单元的同一行的左右两侧各取个单元，作为单元平均恒虚警检测器的参考单元，σ表示求和操作，|
·
|表示求绝对值操作，y
q
表示第q个参考单元信号的幅值；第四步，用所选取检测单元的恒虚警处理器的门限乘子乘以所选取检测单元的噪声的平均值，得到所选取检测单元的单元平均恒虚警处理器的检测门限值；第五步，对所选检测单元信号的幅值求绝对值；第六步，判断所选取检测单元的绝对值是否大于或等于检测门限值，若是，则执行第七步，否则，执行第一步；第七步，得到所选过检测门限的检测单元；第八步，采用与第一步到第六步相同的方法，得到所有检测单元的距离单元。4.根据权利要求1所述的基于平滑滤波的微弱目标检测方法，其特征在于：步骤4.2.1中所述的平滑数据矩阵的协方差矩阵是由下式实现的：其中，r表示平滑数据矩阵的协方差矩阵，v表示平滑数据矩阵，(
·
)
h
表示共轭转置操作，表示平滑数据矩阵v的列数，σ表示单位高斯白噪声功率，i
m
表示一个m
×
m的单位矩阵，m表示矩形窗的长度。
技术总结本发明提出了一种基于平滑滤波的微弱目标检测方法，主要用于解决被强目标所遮掩的微弱目标的检测问题，其实现步骤是：对雷达回波数据进行脉冲压缩；随后，对压缩后的脉冲数据进行单元平均恒虚警检测，得到强目标对应的距离单元；对每个强目标所在的距离单元进行反演操作，得到反演数据；对雷达回波数据进行平滑滤波处理，得到滤波后的数据；对滤波后的数据进行单元平均恒虚警检测，得到所有微弱目标的距离单元。本发明能够精确的检测被强目标所遮掩的微弱目标，可用于雷达目标跟踪。可用于雷达目标跟踪。可用于雷达目标跟踪。
技术研发人员：赵永波 刘东贺 曹若石
受保护的技术使用者：西安电子科技大学
技术研发日：2022.06.24
技术公布日：2022/11/1
