可左右滑动选省市

一种对雷达距离—多普勒图有损数据压缩的方法

更新时间:2024-07-01
一种对雷达距离—多普勒图有损数据压缩的方法 专利申请类型:发明专利;
地区:陕西-西安;
源自:西安高价值专利检索信息库;

专利名称:一种对雷达距离—多普勒图有损数据压缩的方法

专利类型:发明专利

专利申请号:CN202111410172.2

专利申请(专利权)人:西安电子工程研究所
权利人地址:陕西省西安市长安区凤栖东路

专利发明(设计)人:张瑞

专利摘要:本发明涉及一种对雷达距离—多普勒图有损数据压缩的方法,属于脉冲多普勒体制雷达的数据压缩领域。根据雷达后续处理算法对距离‑多普勒图的精度要求,对距离‑多普勒图数据进行量化。利用距离‑多普勒图数据量化后的关联性,使用自适应霍夫曼编码技术对数据压缩。再使用自适应霍夫曼解码技术将数据解压,然后反量化,从而实现减少对系统传输带宽和存储资源占用的最终目的。

主权利要求:
1.一种对雷达距离—多普勒图有损数据压缩的方法,其特征在于步骤如下:步骤1:对于雷达的单个接收波束,通过信号处理,在距离维形成N个距离单元,在多普勒频率维形成M个多普勒频率单元,则雷达距离‑多普勒图为一个N*M的矩阵,矩阵的元素表示了接收波束中信号的能量在距离维、多普勒频率维的分解量;由于矩阵元素使为浮点数,存储方式为单精度浮点型或双精度浮点型,分别占用4个或8个字节;如果使用雷达使用单精度浮点型存储,则需要N*M*4个字节的存储空间;
步骤2:将距离‑多普勒图数据由浮点型量化为无符号整型,这一量化过程存在量化误差,如式(1)所示,量化出差介于0和量化精度之间;量化精度qzt_precision如式(2)所示:L
0≤qzt_error≤RDmax/(2‑1)(1)L
qzt_precision=ceil(RDmax/(2‑1))(2)其中,RDmax表示距离‑多普勒图数据的最大值,L表示无符号整型的所占的比特位数,ceil函数作用是向上取整,避免量化溢出;
步骤3:判断量化精度是否满足后续处理的要求,如果不满足,则无符号整型位数乘以
2;直至精度满足要求,即确定了无符号整型的位数L,则对数据量化如式(3)所示:RD_qztij=round(RDij/qzt_precision)(i=1,2,...N;j=1,2,...M)(3)其中,RDij表示距离‑多普勒图第i行,第j列的数据,RD_qztij表示距离‑多普勒图第i行,第j列的量化值,round函数作用是四舍五入;
步骤4:将量化后的距离‑多普勒图数据依次送入自适应霍夫曼编码器,产生霍夫曼树,进行编码,并不断更新霍夫曼树,直至全部数据编码完成;
步骤5:将编码序列存储或者传输到目的服务器或存储器;
步骤6:在需要调用处理距离‑多普勒图数据时,将编码序列依次送入自适应霍夫曼解码器,解码结果为对应的无符号整型序列;
步骤7:将解码后的整数序列,反量化处理,处理过程如式(4)所示:RD_array_ap=qzt_array*qzt_precision(4)其中,qzt_array为解码后的整数序列,RD_array_ap为反量化后的序列;
步骤8:按照距离‑多普勒图的格式重排为N*M的矩阵,即为恢复的距离‑多普勒图,如式(5)所示:RD_re=reshape(RD_array_ap,N,M)(5)其中RD_re表示恢复的距离‑多普勒图矩阵,reshape函数作用是将RD_array_ap重排为N行,M列的矩阵。
2.一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1所述的方法。
3.一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。
4.一种计算机程序产品,其特征在于包括计算机可执行指令,所述指令在被执行时用于实现权利要求1所述的方法。 说明书 : 一种对雷达距离—多普勒图有损数据压缩的方法技术领域[0001] 本发明属于脉冲多普勒体制雷达的数据压缩领域,具体一种涉及雷达距离‑多普勒图的数据压缩新方法。背景技术[0002] 在脉冲多普勒体制雷达的典型信号处理流程中,对于一个接收波束的回波信号,通过脉冲压缩、动目标检测(MTD)等处理之后会自动生成距离‑多普勒图(range‑dopplermap)。距离‑多普勒图实际是回波信号能量在距离和多普勒频率维度上分解得到的二维矩阵,包含了目标的与背景环境的大量细节信息。雷达一般将以距离‑多普勒图为基础,继续做目标凝聚、目标检测、和测角等处理,得到目标的距离、速度、幅度、方位角和俯仰角信息。[0003] 但由于距离‑多普勒图数据量庞大,既不便于存储,更不便于传输,因此不得不在信号处理流程结束后就被丢弃,造成了信息的浪费。随着现在目标检测、目标分类识别和多站数据融合技术的发展,新算法需要对多帧的距离‑多普勒图数据进行计算分析,得到目标的更多细节信息,进而将目标与杂波进行区分,将目标进行分类识别。因此,多帧的距离‑多普勒图的连续传输和存储是必须要解决的问题,但目前并没有适用于距离‑多普勒图数据的压缩算法。发明内容[0004] 要解决的技术问题[0005] 针对雷达距离—多普勒图数据量庞大,难于传输和存储的现实问题,本发明提出一种对雷达距离—多普勒图有损数据压缩的方法,对雷达距离‑多普勒图进行数据压缩,使距离‑多普勒图数据便于传输和存储,减少对系统传输带宽和存储资源的占用,同时方便目标识别、数据融合等后处理过程。[0006] 技术方案[0007] 一种对雷达距离—多普勒图有损数据压缩的方法,其特征在于步骤如下:[0008] 步骤1:对于雷达的单个接收波束,通过信号处理,在距离维形成N个距离单元,在多普勒频率维形成M个多普勒频率单元,则雷达距离‑多普勒图为一个N*M的矩阵,矩阵的元素表示了接收波束中信号的能量在距离维、多普勒频率维的分解量;由于矩阵元素使为浮点数,存储方式为单精度浮点型或双精度浮点型,分别占用4个或8个字节;如果使用雷达使用单精度浮点型存储,则需要N*M*4个字节的存储空间;[0009] 步骤2:将距离‑多普勒图数据由浮点型量化为无符号整型,这一量化过程存在量化误差,如式(1)所示,量化出差介于0和量化精度之间;量化精度qzt_precision如式(2)所示:[0010] 0≤qzt_error≤RDmax/(2L‑1)(1)[0011] qzt_precision=ceil(RDmax/(2L‑1))(2)[0012] 其中,RDmax表示距离‑多普勒图数据的最大值,L表示无符号整型的所占的比特位数,ceil函数作用是向上取整,避免量化溢出;[0013] 步骤3:判断量化精度是否满足后续处理的要求,如果不满足,则无符号整型位数乘以2;直至精度满足要求,即确定了无符号整型的位数L,则对数据量化如式(3)所示:[0014] RD_qztij=round(RDij/qzt_precision)(i=1,2,...N;j=1,2,...M)(3)[0015] 其中,RDij表示距离‑多普勒图第i行,第j列的数据,RD_qztij表示距离‑多普勒图第i行,第j列的量化值,round函数作用是四舍五入;[0016] 步骤4:将量化后的距离‑多普勒图数据依次送入自适应霍夫曼编码器,产生霍夫曼树,进行编码,并不断更新霍夫曼树,直至全部数据编码完成;[0017] 步骤5:将编码序列存储或者传输到目的服务器或存储器;[0018] 步骤6:在需要调用处理距离‑多普勒图数据时,将编码序列依次送入自适应霍夫曼解码器,解码结果为对应的无符号整型序列;[0019] 步骤7:将解码后的整数序列,反量化处理,处理过程如式(4)所示:[0020] RD_array_ap=qzt_array*qzt_precision(4)[0021] 其中,qzt_array为解码后的整数序列,RD_array_ap为反量化后的序列;[0022] 步骤8:按照距离‑多普勒图的格式重排为N*M的矩阵,即为恢复的距离‑多普勒图,如式(5)所示:[0023] RD_re=reshape(RD_array_ap,N,M)(5)[0024] 其中RD_re表示恢复的距离‑多普勒图矩阵,reshape函数作用是将RD_array_ap重排为N行,M列的矩阵。[0025] 一种计算机系统,其特征在于包括:一个或多个处理器,计算机可读存储介质,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的方法。[0026] 一种计算机可读存储介质,其特征在于存储有计算机可执行指令,所述指令在被执行时用于实现上述的方法。[0027] 一种计算机程序,其特征在于包括计算机可执行指令,所述指令在被执行时用于实现上述的方法。[0028] 有益效果[0029] 本发明提出的一种对雷达距离—多普勒图有损数据压缩的方法,根据雷达后续处理算法对距离‑多普勒图的精度要求,对距离‑多普勒图数据进行量化。利用距离‑多普勒图数据量化后的关联性,使用自适应霍夫曼编码技术对数据压缩。再使用自适应霍夫曼解码技术将数据解压,然后反量化,从而实现减少对系统传输带宽和存储资源占用的最终目的。[0030] 本发明将雷达距离‑多普勒图数据进行精度可控的有损数据压缩,大幅降低距离‑多普勒图数据对系统传输带宽和存储资源的占用,为雷达进一步分析目标细节信息提供了数据基础。附图说明[0031] 附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。[0032] 图1为距离‑多普勒图数据量化和自适应霍夫曼编码的流程;[0033] 图2为距离‑多普勒图数据自适应霍夫曼解码和反量化的流程。具体实施方式[0034] 为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。[0035] 如图1和图2所示,本发明包括以下步骤:[0036] 步骤1:根据雷达后续处理算法对距离‑多普勒图的精度要求,对距离‑多普勒图数据进行量化。由于距离‑多普勒图数据是用浮点型表示,且数值非负,所以可以将浮点型转化为无符号整型。量化误差qzt_error范围如式(1)所示:[0037] 0≤qzt_error≤RDmax/(2L‑1)(1)[0038] 其中,RDmax表示距离‑多普勒图数据的最大值,L表示无符号整型的所占的比特位数。[0039] 步骤2:利用距离‑多普勒图数据量化后的关联性,使用自适应霍夫曼编码技术对数据进一步压缩,将压缩后的数据进行传输和存储。[0040] 步骤3:待数据完整的传输到目的服务器或处理器后,使用自适应霍夫曼解码技术将数据解压,然后反量化,供后续处理调用。[0041] 上述步骤的具体实施方式如下:[0042] 步骤1:对于雷达的单个接收波束,通过信号处理,在距离维形成N个距离单元,在多普勒频率维形成M个多普勒频率单元,则雷达距离‑多普勒图为一个N*M的矩阵,矩阵的元素表示了接收波束中信号的能量在距离维、多普勒频率维的分解量。由于矩阵元素使为浮点数,存储方式为单精度浮点型或双精度浮点型,分别占用4个或8个字节。如果使用雷达使用单精度浮点型存储,则需要N*M*4个字节的存储空间。[0043] 步骤2:因为能量非负,所以雷达距离‑多普勒图数据非负,利用该性质将距离‑多普勒图数据由浮点型量化为无符号整型,这一量化过程存在量化误差,如式(1)所示,量化出差介于0和量化精度之间。量化精度qzt_precision如式(2)所示:[0044] qzt_precision=ceil(RDmax/(2L‑1))(2)[0045] 其中,RDmax表示距离‑多普勒图数据的最大值,L表示无符号整型的所占的比特位数,ceil函数作用是向上取整,避免量化溢出。[0046] 步骤3:判断量化精度是否满足后续处理的要求,如果不满足,则无符号整型位数乘以2,例如由uint8增加为uint16。但须注意目前无符号整型位数最大到64位,即uint64。直至精度满足要求,即确定了无符号整型的位数L,则对数据量化如式(3)所示:[0047] RD_qztij=round(RDij/qzt_precision)(i=1,2,...N;j=1,2,...M)(3)[0048] 其中,RDij表示距离‑多普勒图第i行,第j列的数据,RD_qztij表示距离‑多普勒图第i行,第j列的量化值,round函数作用是四舍五入。[0049] 步骤4:将量化后的距离‑多普勒图数据依次送入自适应霍夫曼编码器,产生霍夫曼树,进行编码,并不断更新霍夫曼树,直至全部数据编码完成。[0050] 步骤5:将编码序列存储或者传输到目的服务器或存储器。[0051] 步骤6:在需要调用处理距离‑多普勒图数据时,将编码序列依次送入自适应霍夫曼解码器,解码结果为对应的无符号整型序列。[0052] 步骤7:将解码后的整数序列,反量化处理,处理过程如式(4)所示:[0053] RD_array_ap=qzt_array*qzt_precision(4)[0054] 其中,qzt_array为解码后的整数序列,RD_array_ap为反量化后的序列。[0055] 步骤8:按照距离‑多普勒图的格式重排为N*M的矩阵,即为恢复的距离‑多普勒图,如式(5)所示:[0056] RD_re=reshape(RD_array_ap,N,M)(5)[0057] 其中RD_re表示恢复的距离‑多普勒图矩阵,reshape函数作用是将RD_array_ap重排为N行,M列的矩阵。[0058] 以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明公开的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。

专利地区:陕西

专利申请日期:2021-11-21

专利公开日期:2024-06-18

专利公告号:CN114265020B

电话咨询
读内容
搜本页
回顶部