[发明专利]一种基于数字统计特性分析改善雷达回波信噪比的方法

说明书

本发明公开了一种基于数字统计特性分析改善雷达回波信噪比的方法，包括以下步骤：对雷达录取的一个采样周期的回波信号进行脉冲压缩，将脉冲压缩后的信号以复数形式存入数据集D中；对数据集D中所有的数据进行实数化处理，得实数数据集D′；对实数数据集D′进行归一化，得归一化数据集Λ；计算归一化数据集Λ的数据均值μ与数据方差σ²；对归一化数据集Λ的数据均值μ与数据方差σ²求和，得噪声门限g；根据噪声门限g对归一化数据集Λ进行噪声抑制，得雷达回波信噪比改善后的数据集Λ'。该方法在强噪声、欺骗式干扰等复杂背景下能够对回波信噪比进行改善；在工程应用上通过该种基于数字统计特性分析改善雷达回波信噪比的方法使得杂波得到抑制，更利于后续的目标检测等处理。

技术领域

本发明属于信号处理技术领域，涉及雷达信号处理中的雷达信号检测的领域，具体涉及一种基于数字统计特性分析改善雷达回波信噪比的方法，适应于雷达回波中包含欺骗式干扰、强噪声背景下目标检测等多种背景下改善信噪比的研究。

背景技术

雷达的基本任务是发现目标并对目标进行定位。通常雷达的目标回波信号中总是混杂着噪声和各种干扰，而噪声和各种干扰信号均具有随机特性，在这种条件下发现目标的问题属于信号检测的范畴，只有发现了目标才能对目标进行定位。因此，信号检测是雷达最基本的任务。信号处理的作用是抑制非期望信号(杂波、干扰、噪声)，通过各种措施来提高有用信号的信噪比，并对目标进行自动检测与跟踪等。

通常情况下，在模拟信号的测试中，所采集到的数据往往夹杂着一些不需要的、随机的内容，这些数据是由周围的干扰或者测试误差所引起的，我们称之为随机噪声，这种噪声可能会影响目标信号，即需要采集的数据。而采用信号平均技术，则可以减少随机噪声的影响，提升信噪比(SNR)，并且最大程度的减少对目标信号的影响，从而提高数据采集的精度和动态范围。奇异值分解作为数据特征提取的有效方法，其分解的奇异值反映数据的内在属性，基于有效信号和随机噪声对奇异值的贡献不同，因此可以实现小目标检测中的背景和噪声抑制问题，但是由于奇异值分解对噪声比较敏感，因此在噪声强度较大的情况下，时域的奇异值分解达不到很好的降噪效果。此外，奇异值分解的计算量很大，时效性差。

2008年，唐剑锋等在最小均方(LMS)自适应滤波器设计中，引入多尺度小波变换理论，克服了LMS的矛盾与局限性，利用非线性的方法将待测信号中的目标信号和噪声分离，从而实现对噪声的抑制，但是由于目标和噪声同时受到非线性系统的影响，可能导致目标信号发生变化，故在抑制噪声的同时，可能引起目标信号畸变。19世纪80年代，Benzi在研究冰川的周期性递归运动时提出了随机共振的概念，经过研究慢慢将随机共振用于信号检测领域，通过将噪声功率转化为信号功率的方法，增加信号信噪比，随机共振充分利用了非线性系统的特性，弥补了线性系统的不足，但是处理过程中系统对目标信号也会产生严重的影响。

综上所述，对于雷达回波信噪比的改善、噪声的抑制等研究一直是关注的重点，然而在信号处理中通过一些快速、有效处理来抑制噪声而保护目标的信噪比改善方法还是缺乏研究。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种基于数字统计特性分析改善雷达回波信噪比的方法，该种基于数字统计特性分析的方法在强噪声、欺骗式干扰等复杂背景下能够对回波信噪比进行改善；在工程应用上通过该种基于数字统计特性分析改善雷达回波信噪比的方法使得杂波得到抑制，更利于后续的目标检测等处理。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种基于数字统计特性分析改善雷达回波信噪比的方法，包括以下步骤：

步骤1，对雷达录取的一个采样周期的回波信号进行脉冲压缩，将脉冲压缩后的信号以复数形式存入数据集D中；

步骤2，对所述数据集D中所有的数据进行实数化处理，得实数数据集D′；

步骤3，对所述实数数据集D′进行归一化，得归一化数据集Λ；