本技术公开了一种基于距离‑多普勒特征的机载雷达动目标检测方法及系统,所述方法包括:建立机载脉冲多普勒雷达回波信号模型,仿真生成大量回波信号;对机回波信号进行脉冲压缩处理和频域滤波处理,得到二维距离‑多普勒图像;对二维距离‑多普勒图像进行处理,得到处理后距离‑多普勒图像;定义广义目标,在处理后距离‑多普勒图像上对广义目标进行标注,生成标注数据集;利用标注数据集,训练深度神经网络模型,得到训练完成的深度神经网络模型;利用训练完成的深度神经网络模型,在实际机载脉冲多普勒雷达距离‑多普勒图像上进行目标检测,大幅提升了机载雷达系统在杂波和干扰条件下的工作性能,突破系统最小可检测速度限制。
背景技术
运动目标检测是雷达领域的一个重要研究方向,广泛应用于突防目标预警、战场态势感知、道路状况监测、汽车自动驾驶等军事和民用领域。与地基雷达相比,以预警机、无人机等空中运动平台为基础的机载雷达能够克服地球曲率和山体遮挡等造成的遮蔽效应及低空盲区的影响,具有探测距离远、预警时间长、机动性强、灵活性高等优势。然而,在探测地/海面或低空运动目标时,机载雷达通常处于下视工作状态,会接收到大量地/海面散射的电磁波,即杂波。杂波强度大、多普勒谱展宽并随波束入射角变化,运动目标往往会被杂波淹没,基于传统MTD方法和空间波束形成方法一般无法实现对杂波的有效抑制。虽然可以利用空时自适应处理方法联合空间和时间二维信息对杂波进行自适应抑制,但其通常存在着训练距离单元不足、运算复杂度过高、最小可检测速度限制等问题。而且,随着电磁环境变得越来越复杂,机载雷达在实际工作中通常会接收到有意或无意的电磁干扰,严重影响机载雷达的目标检测性能。
鉴于此,本发明提出一种基于距离-多普勒特征的机载雷达动目标检测方法以解决上述问题。
实现思路