申请/专利权人：桂林电子科技大学

申请日：2022-04-08

公开（公告）日：2024-04-12

公开（公告）号：CN114740463B

主分类号：G01S13/34

分类号：G01S13/34;G01S7/41

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.07.29#实质审查的生效;2022.07.12#公开

摘要：本发明公开了一种能提高调频连续波雷达距离分辨率的方法，其特征在于，包括如下步骤：1）信号表示；2）快速傅里叶变换结合离散时间傅里叶变换FFT+DTFT算法预处理；3）神经网络预测；4）高分辨分析；5）去除杂波处理。这种方法能提高调频连续波雷达的距离分辨率。

主权项：1.一种能提高调频连续波雷达距离分辨率的方法，其特征在于，包括如下步骤：1信号表示：调频连续波FMCW雷达发射信号接触到待测目标后反射回雷达得到接收回波信号，将发射信号与回波信号进行混频，经过AD采样后得到离散的差频信号，对于单一目标，理想的差频信号看作单一频率的正弦波信号，表示为： 其中A为幅值，f0为频率，为相位，对差频信号做快速傅里叶变换FFT得到目标的距离、且频率与距离成正比关系；2快速傅里叶变换结合离散时间傅里叶变换FFT+DTFT算法预处理：采用FFT+DTFT算法获取目标所在频谱，分为两步：第一步先采用快速傅里叶变换做全景谱，信号xn的离散傅里叶变换表示如下： 第二步通过全景谱，取出目标所在频谱区间，假设目标处于点k1与k2之间，即位于频率与之间，离散信号xn的离散时间傅里叶变换DTFT表示如下： 其中f是一个连续的变量，将区间插入等间隔的点，在不改变原始分辨率的情况下，提取目标所在的频谱区间，再经过离散傅里叶逆变换得到包含目标信息的时域信号，信号Xk的离散傅里叶逆变换表示如下： 3神经网络预测：首先用随机的正弦信号的组合作为训练集去训练神经网络，再将步骤2得到的时域信号输入神经网络进行预测，所述神经网络采用多层感知机，其中，单层神经网络共九层，每个单层神经网络的拟合公式表示如下：Hi+1＝FX*Wi+bi，其中F为非线性激活函数，Hi+1为第i层的输出，X为第i层的输入，Wi为第i层的可训练参数矩阵，bi表示第i层的偏置矩阵，在多层感知机中，上一层神经网络的输出即为下一层神经网络的输入，当神经网络预测得到一段新的信号后，将这段新的信号递归输入神经网络继续预测即可得到下一段新的信号，通过不断递归以获得更长的信号观测长度；4高分辨分析：现代谱估计表明，信号的观测时间的长短决定了频率分辨率的大小，假设调频连续波雷达在M个目标的情况的差频信号表示为多个正弦信号的叠加，如下表示： 频率分辨率表示为： 其中α为信号的延长倍数，频率分辨率的大小与观测时间成反比，即观测时间越长，频率分辨率越高；5去除杂波处理：通过对延长后的时域信号作快速傅里叶变换得到信号的频域信息，即目标的距离信息，采用恒虚警率检测去除杂波处理，去除杂波后即可提取出干净的目标信息。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 一种能提高调频连续波雷达距离分辨率的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD