基于稀疏傅里叶变换的高速目标检测算法研究

发布时间：2020-09-10 09:31

　　 随着雷达领域的快速发展,需要实时处理的数据规模越来越大,应用快速傅里叶变换的高速目标检测方法运算量较大,满足不了雷达目标检测实时性的要求。稀疏傅里叶变换是利用信号频域稀疏性的特点提出的一种快速算法,这种算法大大提高了信号处理速度,为数据的快速处理开拓了新的方向。本文首先分析了影响雷达回波的因素并由此建立了高速目标回波模型,研究了高速目标检测的影响因素并进行了数学推导和仿真分析。并以匀速高速目标为对象,分析了距离走动产生的原因,提出了距离走动补偿算法的结构,针对提出的补偿算法结构分别介绍了基于时域补偿的Keystone变换和基于频域补偿的包络插值移位补偿算法。其次分析了稀疏傅里叶变换理论并将SFFT算法应用正弦信号的普通目标检测中,讨论了应用SFFT的条件,以及滤波器参数和分筐的长度对检测性能的影响。通过仿真验证了基于SFFT的正弦信号检测算法的可行性,并指出只有选取适当滤波参数和分段长度,才能确保目标检测的有效性。最后,由基于SFFT的正弦信号检测和高速目标检测算法推广到基于SFFT的高速目标检测算法,也就是本文的算法。针对高速目标检测中距离走动的问题,本文算法提出了在SFFT的分筐之后先进行速度补偿,再进行MTD运算完成目标的位置和速度等参数的估计。算法仿真结果和算法运算量分析证明基于SFFT的高速目标检测算法目标检测性能较好、运算量较低,对信号的实时处理具有一定的理论价值。
【学位单位】：中北大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN957.51
【部分图文】：

：(1)脉冲包络的跨距离单元走动。目标速度增大后，相同时间内，回波脉压包络的移动距离增大，可能出现不同脉冲处于不同的距离单元内，如图2.3所示。此时，利用MTD方法进行目标检测，会增加虚警概率，降低检测精度。图2.3 脉压包络走动示意图(2)回波频率的跨多普勒单元走动。目标加速度增大后，相同时间内，回波脉冲频率的移动速度增大，可能出现脉冲频率跨越多个多普勒频率单元，如图2.4所示。此时，利用MTD方法进行目标检测，会出现回波能量降低及扩散现象，影响检测概率和参数估计精度。

中北大学学位论文13图2.4 多普勒频率扩展示意图为了提高高速目标的检测概率，目前常用的方法是在检测前进行目标参数补偿，包括速度补偿\加速度补偿。其中，针对速度补偿，文献[32]提出了基于变标处理的速度补偿方法，文献[33，34]提出了频率补偿的速度补偿方法，文献[35]提出了基于Keystone变换的速度补偿方法；另外，针对加速度补偿，文献[36，37]提出了基于霍夫变换的加速目标检测方法；文献[38

载波频率 脉冲周期 脉冲宽度 带宽 采样频率 积累脉冲数3GHz 3ms 0.3ms 5MHz 10MHz 128图 2.10 给出了连续 20 帧检测结果示意图。由图 2.10 不难看出：(1)当不进行走动补偿时，信噪比损失较大。对于无起伏的情况，信噪比增益与理论增益相比损失约为 16.8dB；对于 2 型快起伏的情况，信噪比损失约为 17.2dB，对于 4型快起伏的情况，信噪比损失约为 16.9dB；对于慢起伏的情况，由于慢起伏是扫描与扫描之间的起伏，对于一次扫描而言，信噪比损失可当做无起伏对待。(2)当进行了走动的补偿后，与未进行走动补偿相比，信噪比得到了提高，但与理论值相比

【相似文献】

相关期刊论文 前10条

1 程全;樊宇;刘玉春;程朋;;特征显著性的车辆目标检测算法[J];河南科技大学学报(自然科学版);2017年01期

2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期

3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期

4 张桂林，熊艳，曹伟，李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报(社会科学版);1994年05期

5 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期

6 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期

7 张建;董云飞;罗斌;汤进;;达芬奇平台下的运动目标检测算法的应用研究[J];计算机技术与发展;2013年11期

8 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期

9 施泽浩;赵启军;;基于全卷积网络的目标检测算法[J];计算机技术与发展;2018年05期

10 方路平;何杭江;周国民;;目标检测算法研究综述[J];计算机工程与应用;2018年13期

相关会议论文 前10条

1 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书（十一）——地球物理应用前沿[C];2015年

2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

3 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

4 许俊平;张启衡;张耀;王华闯;;基于人眼视觉特性的小目标检测算法[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

5 王艺婷;黄世奇;刘代志;王红霞;;高光谱图像目标检测算法性能研究[A];国家安全地球物理丛书（十）——地球物理环境与国家安全[C];2014年

6 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

7 刘昊;赵龙;;基于改进混合高斯模型的运动目标检测算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

8 刘峰;奚晓梁;沈同圣;;基于最大值投影的空间小目标检测算法[A];第二届空间目标与碎片监测、清理技术及应用学术研讨会论文集[C];2015年

9 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年

10 蒋庆林;王林;;基于改进混合高斯模型的运动目标检测算法[A];系统工程理论与应用——贵州省系统工程学会第五届学术年会论文集[C];2014年

相关重要报纸文章 前4条

1 交集宣;我省县县通高速目标预计年底将如期实现[N];广东建设报;2015年

2 ;花旗下调宁沪高速目标价[N];中国证券报;2008年

3 胡红玲 牛丹;全力以赴实现县县通高速目标[N];宝鸡日报;2016年

4 董凤斌;大摩调高宁沪高速目标价[N];中国证券报;2007年

相关博士学位论文 前10条

1 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年

2 郭明玮;基于视觉记忆的目标检测算法：一个特征学习与特征联想的过程[D];中国科学技术大学;2014年

3 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年

4 李凡;复杂背景抑制及弱小目标检测算法研究[D];西安电子科技大学;2010年

5 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院（电子学研究所）;2002年

6 崔国龙;多天线配置雷达系统的目标检测算法研究[D];电子科技大学;2012年

7 成宝芝;基于光谱特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2012年

8 臧风妮;智能视频监控中海面舰船目标检测算法研究[D];中国海洋大学;2014年

9 李涛;傅里叶变换光谱信息获取与控制技术研究[D];中国科学院研究生院(上海技术物理研究所);2015年

10 王玉磊;高光谱实时目标检测算法研究[D];哈尔滨工程大学;2015年

相关硕士学位论文 前10条

1 张秀丽;基于稀疏傅里叶变换的高速目标检测算法研究[D];中北大学;2018年

2 余良凯;基于深度学习的机场场面目标检测[D];电子科技大学;2018年

3 王润强;基于CUDA加速的目标检测算法研究[D];电子科技大学;2018年

4 陈玉文;基于视觉显著性机制的红外小目标检测算法研究[D];陕西师范大学;2017年

5 乐国庆;基于车载视觉系统的目标检测优化算法研究[D];北京交通大学;2017年

6 付若楠;基于深度学习的目标检测研究[D];北京交通大学;2017年

7 孔祥欣;面向水产养殖监控的多运动鱼体目标检测算法研究[D];燕山大学;2017年

8 伍伟明;基于Faster R-CNN的目标检测算法的研究[D];华南理工大学;2018年

9 李小立;基于稀疏性和连通性的增量式运动目标检测算法[D];天津大学;2016年

10 诸葛霞;基于分形特征的目标检测算法研究[D];西安电子科技大学;2007年

本文编号：2815663