CN101561497A - 机载雷达杂波抑制方法 - Google Patents
机载雷达杂波抑制方法 Download PDFInfo
- Publication number
- CN101561497A CN101561497A CNA2009100226473A CN200910022647A CN101561497A CN 101561497 A CN101561497 A CN 101561497A CN A2009100226473 A CNA2009100226473 A CN A2009100226473A CN 200910022647 A CN200910022647 A CN 200910022647A CN 101561497 A CN101561497 A CN 101561497A
- Authority
- CN
- China
- Prior art keywords
- time
- clutter
- omega
- steering vector
- dimensionality reduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种机载雷达杂波抑制方法,它属于雷达信号处理技术领域,主要解决现有杂波抑制技术样本要求高、计算量大和实时处理性能差的问题。其实现步骤是:首先根据杂波谱分布的先验信息对接收数据进行杂波预处理,实现空时两维降维,降低杂波自由度;然后级联低秩逼近自适应处理,对回波信号进行多次滤波和多次空时二维降维,实现信号的杂波抑制和目标检测。计算机仿真分析和实测数据处理结果表明,本发明在性能良好的前提下样本要求和计算量都有明显降低,同时在样本要求相当的情况下,滤波性能得到了极大改善,可用于动目标检测。
Description
技术领域
本发明属于雷达信号处理技术领域,特别是一种对机载雷达杂波的抑制方法,可用于信号检测和动目标识别。
背景技术
机载脉冲多普勒雷达是现代战场上最重要的军事传感器之一,动目标检测是其一项重要功能。机载雷达常常处于下视工作,地面杂波对其检测性能的影响十分严重。地杂波不仅强大,而且由于不同方向的杂波相对载机速度各异,从而使杂波谱大大扩展,杂波呈现很强的空时耦合特性。如何有效地抑制地杂波,是机载雷达下视工作的难题,也是必须解决的问题。在目前的工艺水平和技术支持下,对相控阵天线的旁瓣提出过高要求是不切实际的,而且超低旁瓣技术只能抑制旁瓣杂波,对直接影响最小可检测速度的主瓣杂波,它是无能为力的。空时自适应处理STAP技术正是在这种情况下应运而生,它可以有效提高相控阵雷达的杂波抑制能力和动目标检测性能。
1973年Brennan等人针对相控阵AEW雷达杂波抑制首先提出了空时二维自适应处理的概念。经过几十年的探索和研究,STAP技术如今已形成为一个理论基础较为坚实的实用技术。许多国家的新一代机载预警雷达和下一代机载火控雷达均采用了有源相控阵体制,为STAP技术的应用提供了便利条件。
STAP在空时两维空间实现自适应杂波抑制和动目标信号的相干积累,理论上可以实现最优处理,但实际中全维处理器至少存在以下两方面的主要问题:
一,由于自适应处理器维数成千上万,需要对高维协方差矩阵求逆,其计算量和设备量惊人,无法实时处理;
二,由于需要通过统计平均估计协方差矩阵,因此至少需要2倍处理器维数数目的满足独立同分布的距离单元样本数据,这一点在实际机载雷达杂波环境特别是非均匀环境中很难满足。
为推动STAP走向实用化,人们在降维STAP方面进行了大量的研究,提出了许多降维方法。降维STAP得到广泛重视。降维STAP主要包括固定结构降维方法和自适应结构降维方法,都是在保证性能次优下,通过减少自适应自由度来降低训练样本和计算量的。低秩逼近STAP(LRA-STAP)方法通过将最优STAP处理器分解成若干空时可分离滤波器,实现了降维处理,从而有效地降低了运算量和样本要求,但其在研究中主要针对全维空时数据进行,未考虑利用杂波空时分布的先验知识。而事实上,当机载雷达平台特性、天线安装位置及工作波形等参数确定后,雷达接收的杂波在方位角-多普勒平面的分布是一定的。对于正侧面阵,杂波沿直线分布;对于斜侧面阵,杂波沿斜椭圆分布;对于正前视阵,杂波沿正椭圆分布。局域化JDL自适应方法是一种用辅助通道进行杂波预处理的方法,但在非理想条件下,需要增加空域自由度来补偿通道误差,这会带来i.i.d.样本和计算量的增加。
发明内容
本发明的目的在于克服上述已有技术的不足,提出了一种新的机载雷达杂波抑制方法,,以进一步降低低秩逼近STAP方法对样本的要求和计算量。
为实现上述目的,本发明鉴于低秩逼近STAP方法的缺点并结合杂波预处理方法的优点,对杂波预处理后再进行低秩逼近,其实现步骤包括如下:
1)用均匀线阵结构或面阵经微波合成的等效线阵雷达天线接收N×K的空时二维数据X,同时给出目标信号的空域导向矢量s(ωs)∈CN×1和时域导向矢量s(ωt)∈CK×1;
2)对接收的空时二维数据X进行空时两维降维,得到杂波预处理后的M×J(M<N,J<K)的空时二维数据X1,同时得到杂波预处理后的目标信号空域导向矢量s1(ωs)∈CM×1和时域导向矢量s1(ωt)∈CJ×1;
3)对杂波预处理得到的空时二维数据X1和目标信号的空域导向矢量s1(ωs)和时域导向矢量s1(ωt)作低秩逼近自适应处理,得到滤波后的信号输出y。
本发明与现有技术相比具有以下特点:
1.本发明由于在杂波抑制前先进行空时二维降维,实现杂波预处理,从而进一步降低了低秩逼近STAP方法对样本的要求和计算量。
2.本发明由于预先构建出杂波预处理的空域降维矩阵和时域降维矩阵,所以当机载雷达平台特性、天线安装位置及工作波形等参数确定后,工作时就可直接调用上述矩阵进行杂波抑制,有利于实时处理。
计算机仿真分析和实测数据处理结果表明,本发明的杂波抑制性能优于现有的FA方法和EFA方法。
附图说明
图1是本发明的流程图;
图2是本发明计算滤波器分量时采用的双迭代流程图;
图3是本发明双迭代的迭代收敛性能曲线图;
图4是采用不同方法时的改善因子IF曲线图;
图5是采用不同方法获得的目标所在多普勒通道各距离单元处理输出结果比较图。
具体实施方式
下面参照图1说明本发明的方法实施过程。
步骤1,接收空时二维数据X,同时给出目标信号的空域导向矢量s(ωs)和时域导向矢量s(ωt)。
本发明中雷达天线为均匀线阵结构,也可以是面阵经微波合成的等效线阵,天线阵元数目为N,在一个相干处理时间CPI内以脉冲重复频率fr发射K个脉冲,不失一般的,假设N≤K。对一个CPI内接收的回波信号空时二维数据可以表示成一个N×K的二维数据矩阵
其中xn,m表示n列子阵接收的第m次回波,式(1)的二维数据既包含不需要的杂波和噪声信号,也可能存在一个待检测的目标信号St,其中目标信号矩阵St可以表示如下秩为1的矩阵形式:
St=as(ωs)sT(ωt)=aS (2)
其中a为目标信号的复幅度,ωs和ωt分别是目标信号的归一化空域角频率和时域角频率,S=s(ωs)sT(ωt)为目标信号导引矩阵,[·]T表示转置操作,s(ωs)∈CN×1和s(ωt)∈CK×1分别是空域导向矢量和时域导向矢量,分别表示为:
步骤2,对接收的空时二维数据X进行空时两维降维,得到杂波预处理后的空时二维数据X1,同时得到杂波预处理后的目标信号空域导向矢量s1(ωs)和时域导向矢量s1(ωt)。
基于步骤1所说的信号模型,本发明首先用JDL方法对阵元-脉冲域数据X进行空时两维降维并将数据转换到波束-多普勒域,采用的JDL方法中选择局域包含三个波束角(M=3)和三个多普勒频率点(J=3),杂波预处理后的空时二维数据X1和空域导向矢量s1(ωs)和时域导向矢量s1(ωt)为:
其中 为N×M维空域变换矩阵; 为K×J维时域变换矩阵。
步骤2的具体过程如下:
2a)构建N×M维空域变换矩阵Ts,其各列由指向目标信号附近不同方位角的空域导向矢量构成,记为
2b)构建K×J维时域变换矩阵Tt,其各列由指向目标信号附近不同多普勒通道的时域导向矢量构成,记为
2c)利用Ts和Tt对接收数据X进行杂波预处理,得到预处理后的数据
2d)利用Ts对空域导向矢量s(ωs)降维,得到降维后的空域导向矢量 该空域导向矢量s1(ωs)∈CM×1;
2e)利用Tt对时域导向矢量s(ωt)降维,得到降维后的时域导向矢量 该时域导向矢量s1(ωt)∈CJ×1。
步骤3,对杂波预处理得到的回波信号X1进行第一次滤波。
3a)为了最小化对X1滤波后的剩余杂波功率,构建如下代价函数:
式中,u1和v1分别为第1次滤波的两个滤波器分量,该u1和v1满足 E{·}表示期望值;
3b)采用如图2所示的双迭代方法对代价函数(8)求解,得到第一次滤波的滤波器分量u1和v1,具体实现步骤如下:
3ba)选取初值u1(0);
3bb)计算 其中 k表示迭代次数,k=1,2,…;
3bc)计算 其中
3bd)更新迭代次数k,重复步骤3bb)和步骤3bc),直到||u1(k)-u1(k-1)||<ε(0<ε<1)为止,且令u1=u1(k),v1=v1(k),其中ε表示阈值;
3c)利用上述求得的滤波器分量u1和v1对回波信号进行滤波,得到滤波后的信号:
步骤4,对回波信号X1和目标信号的空域导向矢量s1(ωs)和时域导向矢量s1(ωt)同时进行空域和时域降维。
4a)构建第p(p=1,2,…,r-1)次降维的空域和时域降维矩阵Gp和Hp:
对第p(p=1,2,…,r-1)次滤波的滤波器分量up和vp进行归一化处理:
分别定义归一化处理后的滤波器分量up和vp的Householder矩阵:
式中,M为天线阵元个数,J为一个相干处理时间内的脉冲数,eM-p+1=[1,0,…,0]T为(M-p+1)×1维的单位列向量,eJ-p+1=[1,0,…,0]T为(J-p+1)×1维的单位列向量,IM-p+1为(M-p+1)×(M-p+1)的单位矩阵,IJ-p+1为(J-p+1)×(J-p+1)的单位矩阵,u1,p和v1,p分别为up和vp的第一个元素,C表示复数域。
由Householder矩阵的性质可知,Gp H的最后M-p列是up的正交补空间,Hp H的最后J-p列是vp的正交补空间,于是构建出关于up和vp的阻塞矩阵:
式中,u1,p和v1,p为up和vp的第一个元素,M为天线阵元个数,J为一个相干处理时间内的脉冲数,eM-p=[1,0,…,0]T为(M-p)×1维的单位列向量,eJ-p=[1,0,…,0]T为(J-p)×1维的单位列向量,0M-p=[0,0,…,0]T为(M-p)×1维的零向量,0J-p=[0,0,…,0]T为(J-p)×1维的零向量,IM-p为(M-p)×(M-p)的单位矩阵,IJ-p为(J-p)×(J-p)的单位矩阵;
4b)利用上述空域和时域降维矩阵Gp和Hp对回波信号和空间导向矢量和时间导向矢量进行降维,得到第p次降维后的回波信号: 式中Xp表示第p-1次降维后的回波信号;
4c)利用空域降维矩阵Gp对空间导向矢量进行降维,得到第p次降维后的空间导向矢量:sp+1(ωs)=Gpsp(ωs),式中sp(ωs)表示第p-1次降维后的空间导向矢量;
4d)利用空域降维矩阵Hp对时间导向矢量进行降维,得到第p次降维后的时间导向矢量:sp+1(ωt)=Hpsp(ωt),式中sp(ωt)表示第p-1次降维后的空间导向矢量。
步骤5,对降维后的回波信号再进行滤波,并计算滤波后回波信号的剩余杂波功率。
5a)最小化p+1次滤波后的杂波总功率,构建代价函数:
式中,up+1和vp+1为第p+1次滤波的两个滤波器分量,并满足 和 sp+1(ωs)和sp+1(ωt)分别为第p次降维后的空域和时域导向矢量;
5b)利用双迭代方法对代价函数(9)进行求解,得到第p+1次滤波的滤波器分量up+1和vp+1,
5c)对第p次降维后的回波信号Xp+1再进行滤波,得到第p+1次滤波后的信号:
5d)根据第p+1次滤波后的信号yp+1,计算滤波后的剩余杂波功率:P=E{||yp+1||2}。
步骤6,将计算出的剩余杂波功率P与第一次滤波后的杂波功率P1=E{||y1||2}进行比较,如果该剩余杂波功率远小于第一次滤波后的杂波功率,则输出滤波后的信号y=y1+y2+…+yr,式中r为满足要求时滤波的次数,反之进行步骤7。
步骤7,重复步骤4~步骤5,直到剩余杂波功率P远小于第一次滤波后的杂波功率P1为止,输出滤波后的信号y=y1+y2+…+yr。
通过上述步骤3~7,可完成对空时二维数据X1和目标信号的空域导向矢量s1(ωs)和时域导向矢量s1(ωt)的低秩逼近自适应处理,得到滤波后的信号输出y。
本发明的效果可通过以下实验进一步说明。
实验1,本实验基于计算机仿真数据研究本发明方法性能。
1.实验条件
雷达工作波长为0.23m,相控阵天线为矩形平面阵,水平向的列阵元数为12,垂直向的行阵元数为12,阵元间距为半波长,接收数据首先微波合成为12子天线的线阵。载机速度为115m/s,载机高度为6000m,脉冲重复频率为2000Hz,发射方位锥削加权为25dB,高低向锥削加权为25dB,阵面轴向与飞行方向平行,相干脉冲积累数为24,主波束指向与阵面法向方向平行,要处理一个距离单元数据的维数为N=12,K=24。
2.实验结果
以M=12,J=5为例研究杂波预处理后的LRA-STAP处理器,即本发明的滤波性能。
图3给出了杂波预处理后的LRA-STAP方法和全维LRA-STAP方法3号多普勒通道的迭代处理时收敛性能曲线,其中图3(a)给出上述两种方法提取第一个滤波器分量时3号多普勒通道的迭代收敛性能曲线;图3(b)给出上述两种方法提取第二个滤波器分量时3号多普勒通道的迭代收敛性能曲线。3号多普勒通道位于图3(a)和图3(b)的主杂波区,从图3(a)和图3(b)中可以看到,现有的全维LRA-STAP方法在有无随机阵元幅相误差时需要6步迭代才能实现收敛,而本发明通过4步迭代即能实现快速收敛,这是由于本发明通过对维数的降低,提高了双迭代方法的收敛性能。
通过比较图3(a)和图3(b)中本发明方法收敛时的改善因子可以发现,在没有阵元误差时,本发明中两次滤波比一次滤波仅有0.41dB的性能增益,存在阵元误差时也只有1.1dB的性能改善。由此可见,本发明通过对维数的降低,提取第一个滤波器分量后就有足够的自适应自由度来对付局域化的杂波干扰,取得较优的动目标检测性能,从而极大降低了杂波抑制的运算量。
图4给出了本发明方法、常规MTI处理方法、FA方法和EFA方法在有无阵元误差时的改善因子IF曲线,其中图4(a)是本发明方法、FA方法和EFA方法在5%阵元误差时的IF曲线;图4(b)是本发明方法、FA方法和EFA方法在5%阵元误差时的IF曲线。图4(a)和图4(b)中的EFA方法选取与检测多普勒通道相邻的两个多普勒通道作为辅助通道进行联合自适应处理。
从图4可以看到,常规MTI处理在有无误差时性能均最差,本发明方法随着时域自由度即J的增加主杂波区性能进一步改善。本发明方法性能优于FA方法,主杂波区性能改善明显,这一点有助于对低速目标的检测。当J=3时,本发明方法性能略差于EFA,但随着多普勒辅助通道的增加,在J=5或J=7时,性能逐渐优于EFA。由于本发明方法需要估计的杂波相关矩阵最大维数与FA方法相同,均为12,需要的最少样本数均为2×12,要小于EFA方法的最少样本数2×3×12,这有利于实际机载雷达杂波环境中距离单元分段自适应适时处理。
实验2,用实测数据研究本发明方法的动目标检测性能。
1.实验条件
采用Multi-Channel Airborne Radar Measurements(MCARM)实测数据。该数据是为研究STAP及其相关技术而实际录取的一批机载相控阵雷达数据,雷达天线有16列8行共128个单元,正侧面安装在位于飞机前部左侧的天线罩内,一个CPI内有128个脉冲。具体参数可见表1。考虑计算量的原因,本实验主要处理220-310号距离门中上面11子阵的前32个脉冲。为了便于性能分析,我们在第265和275距离单元分别注入一信杂噪比为-43dB的动目标信号,其目标方位角为90°,多普勒频率为fd=0.156fr,位于主杂波区。
表1MCARM数据系统参数
载机高度(m) | 3073 |
载机速度(m/s) | 100 |
工作频率(GHz) | 1.24 |
脉冲重复频率(Hz) | 1984 |
杂波多普勒频率最大值(Hz) | 827 |
方位发射波束宽度(度) | 6.7 |
方位/俯仰通道间距(m) | 0.1092/0.1407 |
相干处理间隔内的脉冲数K | 128 |
距离单元数 | 630 |
距离门宽度(m) | 120.675 |
阵面与速度的夹角(度) | 7.28 |
无模糊距离(km) | 66.9344 |
2.实验结果
图5给出了本发明方法、FA方法和EFA方法获得的目标所在多普勒通道各距离单元处理输出结果,其中图5(a)是本发明方法获得的目标所在多普勒通道各距离单元处理输出结果;图5(b)是FA方法获得的目标所在多普勒通道各距离单元处理输出结果;图5(c)是EFA方法获得的目标所在多普勒通道各距离单元处理输出结果。图5(c)中的EFA方法选取与检测多普勒通道相邻的两个多普勒通道作为辅助通道进行联合自适应处理。从图5可以看到,三种方法均能将加入的动目标信号从背景残余杂波中提取出来,本发明方法的输出信杂噪比RARCP为23.82dB,FA方法和EFA方法的RARCP分别为17.79dB和24.22dB。本发明方法与EFA方法相比,计算量和样本要求有较大的降低,但仅有0.6dB的性能损益,而与样本要求相当的FA方法相比,却有6.03dB性能改善。
Claims (3)
1.一种机载雷达杂波抑制方法,包括如下步骤:
1)用均匀线阵结构或面阵经微波合成的等效线阵雷达天线接收N×K的空时二维数据X,同时给出目标信号的空域导向矢量s(ωs)∈CN×1和时域导向矢量s(ωt)∈CK×1;
2)对接收的空时二维数据X进行空时两维降维,得到杂波预处理后的M×J(M<N,J<K)的空时二维数据X1,同时得到杂波预处理后的目标信号空域导向矢量s1(ωs)∈CM×1和时域导向矢量s1(ωt)∈CJ×1;
3)对杂波预处理得到的空时二维数据X1和目标信号的空域导向矢量s1(ωs)和时域导向矢量s1(ωt)作低秩逼近自适应处理,得到滤波后的信号输出y。
2.根据权利要求1所述的杂波抑制方法,其中步骤2)所述的对接收的空时二维数据X进行空时两维降维,具体过程如下:
2a)构建N×M维空域变换矩阵Ts,其各列由指向目标信号附近不同方位角的空域导向矢量构成,记为
2b)构建K×J维时域变换矩阵Tt,其各列由指向目标信号附近不同多普勒通道的时域导向矢量构成,记为
2c)利用Ts和Tt对接收数据X进行杂波预处理,得到预处理后的数据
2d)利用Ts对空域导向矢量s(ωs)降维,得到降维后的空域导向矢量 该空域导向矢量s1(ωs)∈CM×1;
2e)利用Tt对时域导向矢量s(ωt)降维,得到降维后的时域导向矢量 该时域导向矢量s1(ωt)∈CJ×1。
3.根据权利要求1所述的杂波抑制方法,其中步骤3)所述的对杂波预处理得到的空时二维数据X1和目标信号的空域导向矢量s1(ωs)和时域导向矢量s1(ωt)作低秩逼近自适应处理,具体过程如下:
3a)最小化杂波功率,构建第1个代价函数:
式中,u1和v1分别为第1次滤波的两个滤波器分量,该u1和v1满足 E{·}表示期望值;
3b)利用双迭代方法对第1个代价函数求解,得到滤波器分量u1和v1;
3c)利用u1和v1对回波信号进行滤波,得到滤波后的信号:
3d)利用Householder矩阵的性质,构建第p(p=1,2,…,r-1)次降维的空域和时域降维矩阵Gp和Hp:
式中,up和vp分别为up和vp的归一化矩阵,u1,p和v1,p为up和vp的第一个元素,M为天线阵元个数,J为一个相干处理时间内的脉冲数,eM-p=[1,0,…,0]T为(M-p)×1维的单位列向量,eJ-p=[1,0,…,0]T(p=1,2,…,r-1)为(J-p)×1维的单位列向量,0M-p=[0,0,…,0]T为(M-p)×1维的零向量,0J-p=[0,0,…,0]T为(J-p)×1维的零向量,IM-p为(M-p)×(M-p)的单位矩阵,IJ-p为(J-p)×(J-p)的单位矩阵;
3e)利用上述空域和时域降维矩阵Gp和Hp对回波信号进行降维,得到第p次降维后的回波信号: 式中Xp表示第p-1次降维后的回波信号;
3f)最小化p+1次滤波后的杂波总功率,构建第p+1个代价函数:
式中,up+1和vp+1为第p+1次滤波的两个滤波器分量,并满足 和 sp+1(ωs)和sp+1(ωt)分别为第p次降维后的空域和时域导向矢量;
3g)利用双迭代方法对第p+1个代价函数进行求解,得到第p+1次滤波的滤波器分量up+1和vp+1;
3h)对第p次降维后的回波信号Xp+1再进行滤波,得到第p+1次滤波后的信号:
3i)根据第p+1次滤波后的信号yp+1,计算滤波后的剩余杂波功率:P=E{||yp+1||2};
3j)将计算出的剩余杂波功率P与第一次滤波后的杂波功率P1=E{||y1||2}进行比较,如果该剩余杂波功率远小于第一次滤波后的杂波功率,则输出滤波后的信号y=y1+y2+…+yr,式中r为满足要求时滤波的次数,反之进行步骤3k);
3k)重复步骤3d)~步骤3i),直到剩余杂波功率远小于第一次滤波后的杂波功率为止,输出滤波后的信号y=y1+y2+…+yr。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100226473A CN101561497B (zh) | 2009-05-22 | 2009-05-22 | 机载雷达杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100226473A CN101561497B (zh) | 2009-05-22 | 2009-05-22 | 机载雷达杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101561497A true CN101561497A (zh) | 2009-10-21 |
CN101561497B CN101561497B (zh) | 2011-09-21 |
Family
ID=41220379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100226473A Expired - Fee Related CN101561497B (zh) | 2009-05-22 | 2009-05-22 | 机载雷达杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101561497B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101813765A (zh) * | 2010-04-23 | 2010-08-25 | 哈尔滨工业大学 | 基于非均匀空间立体阵列分布式sar的杂波抑制方法 |
CN101819269A (zh) * | 2010-03-19 | 2010-09-01 | 清华大学 | 非均匀杂波环境下空时自适应处理方法 |
CN101887117A (zh) * | 2010-06-30 | 2010-11-17 | 西安电子科技大学 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
CN102520395A (zh) * | 2011-10-18 | 2012-06-27 | 西安电子科技大学 | 基于双基地多输入多输出雷达的杂波抑制方法 |
CN102621534A (zh) * | 2011-01-26 | 2012-08-01 | 中国科学院电子学研究所 | 基于噪声失效奇异值分解的地基雷达杂波抑制方法 |
CN102721947A (zh) * | 2012-06-14 | 2012-10-10 | 河海大学 | 机载数字阵列雷达高效三维空时自适应杂波抑制方法 |
CN102788970A (zh) * | 2011-12-22 | 2012-11-21 | 河海大学 | 机载数字阵列雷达近程杂波高效自适应抑制方法 |
CN102928827A (zh) * | 2012-10-26 | 2013-02-13 | 北京理工大学 | 一种基于past的快速降维空时自适应处理方法 |
CN103323832A (zh) * | 2013-05-31 | 2013-09-25 | 浙江大学 | 一种相控阵三维摄像声纳系统换能器阵列的幅相误差校正方法 |
CN103364764A (zh) * | 2013-06-25 | 2013-10-23 | 西安电子科技大学 | 一种机载雷达非平稳杂波抑制方法 |
CN103399302A (zh) * | 2013-06-13 | 2013-11-20 | 中国人民解放军国防科学技术大学 | 基于穿墙阵列空间对称性的墙体杂波抑制方法 |
CN103605114A (zh) * | 2013-12-03 | 2014-02-26 | 西安电子科技大学 | 基于多重频的非正侧面阵机载雷达近程杂波抑制方法 |
CN103728606A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 机载mimo雷达的多普勒通道关联两级降维方法 |
CN104215937A (zh) * | 2014-09-19 | 2014-12-17 | 西安电子科技大学 | 基于环境动态感知的机载雷达空时自适应处理方法 |
CN104808178A (zh) * | 2014-01-23 | 2015-07-29 | 西安电子科技大学 | 一种机载雷达发射方向图设计方法 |
CN105223557A (zh) * | 2015-10-29 | 2016-01-06 | 西安电子科技大学 | 基于辅助通道的机载预警雷达杂波抑制方法 |
CN105259539A (zh) * | 2015-10-29 | 2016-01-20 | 中国科学院大学 | 一种针对极地探冰雷达数据的分部式噪声抑制方法 |
CN105319538A (zh) * | 2015-11-24 | 2016-02-10 | 西安电子科技大学 | 基于辅助通道的空时自适应杂波抑制方法 |
CN106353732A (zh) * | 2016-08-15 | 2017-01-25 | 西安电子科技大学 | 一种基于认知的机载雷达异构杂波抑制方法 |
CN104459658B (zh) * | 2014-06-19 | 2017-01-25 | 西安电子科技大学 | 基于数据拟合的联合域定位空时二维自适应处理方法 |
CN109358324A (zh) * | 2018-10-31 | 2019-02-19 | 安徽四创电子股份有限公司 | 基于地面监视雷达谱数据的目标检测方法 |
CN110376561A (zh) * | 2019-06-04 | 2019-10-25 | 西安电子科技大学 | 一种时域降维的多快拍迭代阵元幅相误差估计方法 |
CN110398719A (zh) * | 2019-06-12 | 2019-11-01 | 四川九洲防控科技有限责任公司 | 基于杂波图原理的雷达杂波信号抑制方法和雷达探测系统 |
CN110531320A (zh) * | 2018-05-24 | 2019-12-03 | 南京锐达思普电子科技有限公司 | 低慢小雷达空时频三维联合杂波抑制方法 |
CN113253223A (zh) * | 2021-03-30 | 2021-08-13 | 北京理工大学 | 基于步进频信号的非平稳杂波抑制的目标检测方法 |
CN114415123A (zh) * | 2022-04-01 | 2022-04-29 | 北京海兰信数据科技股份有限公司 | 一种基于非相参邻域加权脉冲积累处理方法及系统 |
CN116224249A (zh) * | 2023-03-29 | 2023-06-06 | 上海雷骥电子科技有限公司 | 机载雷达主瓣杂波区的多普勒频率宽度获取方法 |
CN116400302A (zh) * | 2023-06-05 | 2023-07-07 | 成都实时技术股份有限公司 | 一种雷达信号接收处理方法 |
CN117970280A (zh) * | 2024-04-02 | 2024-05-03 | 烟台大学 | 一种空时自适应处理中知识辅助的协方差矩阵估计方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103226193B (zh) * | 2013-03-20 | 2014-11-12 | 西安电子科技大学 | 基于gpu架构的自适应递归最小二乘杂波对消方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1088199C (zh) * | 1998-12-14 | 2002-07-24 | 中国人民解放军空军雷达学院 | 空时二维多波束自适应信号处理方法 |
-
2009
- 2009-05-22 CN CN2009100226473A patent/CN101561497B/zh not_active Expired - Fee Related
Cited By (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819269A (zh) * | 2010-03-19 | 2010-09-01 | 清华大学 | 非均匀杂波环境下空时自适应处理方法 |
CN101813765B (zh) * | 2010-04-23 | 2012-11-21 | 哈尔滨工业大学 | 基于非均匀空间立体阵列分布式sar的杂波抑制方法 |
CN101813765A (zh) * | 2010-04-23 | 2010-08-25 | 哈尔滨工业大学 | 基于非均匀空间立体阵列分布式sar的杂波抑制方法 |
CN101887117A (zh) * | 2010-06-30 | 2010-11-17 | 西安电子科技大学 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
CN101887117B (zh) * | 2010-06-30 | 2012-07-25 | 西安电子科技大学 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
CN102621534A (zh) * | 2011-01-26 | 2012-08-01 | 中国科学院电子学研究所 | 基于噪声失效奇异值分解的地基雷达杂波抑制方法 |
CN102520395B (zh) * | 2011-10-18 | 2013-12-25 | 西安电子科技大学 | 基于双基地多输入多输出雷达的杂波抑制方法 |
CN102520395A (zh) * | 2011-10-18 | 2012-06-27 | 西安电子科技大学 | 基于双基地多输入多输出雷达的杂波抑制方法 |
CN102788970A (zh) * | 2011-12-22 | 2012-11-21 | 河海大学 | 机载数字阵列雷达近程杂波高效自适应抑制方法 |
CN102788970B (zh) * | 2011-12-22 | 2013-09-25 | 河海大学 | 机载数字阵列雷达近程杂波高效自适应抑制方法 |
CN102721947A (zh) * | 2012-06-14 | 2012-10-10 | 河海大学 | 机载数字阵列雷达高效三维空时自适应杂波抑制方法 |
CN102721947B (zh) * | 2012-06-14 | 2013-09-25 | 河海大学 | 机载数字阵列雷达高效三维空时自适应杂波抑制方法 |
CN102928827B (zh) * | 2012-10-26 | 2014-01-08 | 北京理工大学 | 一种基于past的快速降维空时自适应处理方法 |
CN102928827A (zh) * | 2012-10-26 | 2013-02-13 | 北京理工大学 | 一种基于past的快速降维空时自适应处理方法 |
CN103323832A (zh) * | 2013-05-31 | 2013-09-25 | 浙江大学 | 一种相控阵三维摄像声纳系统换能器阵列的幅相误差校正方法 |
CN103399302A (zh) * | 2013-06-13 | 2013-11-20 | 中国人民解放军国防科学技术大学 | 基于穿墙阵列空间对称性的墙体杂波抑制方法 |
CN103364764A (zh) * | 2013-06-25 | 2013-10-23 | 西安电子科技大学 | 一种机载雷达非平稳杂波抑制方法 |
CN103605114A (zh) * | 2013-12-03 | 2014-02-26 | 西安电子科技大学 | 基于多重频的非正侧面阵机载雷达近程杂波抑制方法 |
CN103728606A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 机载mimo雷达的多普勒通道关联两级降维方法 |
CN104808178B (zh) * | 2014-01-23 | 2017-07-18 | 西安电子科技大学 | 一种机载雷达发射方向图设计方法 |
CN104808178A (zh) * | 2014-01-23 | 2015-07-29 | 西安电子科技大学 | 一种机载雷达发射方向图设计方法 |
CN104459658B (zh) * | 2014-06-19 | 2017-01-25 | 西安电子科技大学 | 基于数据拟合的联合域定位空时二维自适应处理方法 |
CN104215937A (zh) * | 2014-09-19 | 2014-12-17 | 西安电子科技大学 | 基于环境动态感知的机载雷达空时自适应处理方法 |
CN105259539A (zh) * | 2015-10-29 | 2016-01-20 | 中国科学院大学 | 一种针对极地探冰雷达数据的分部式噪声抑制方法 |
CN105223557A (zh) * | 2015-10-29 | 2016-01-06 | 西安电子科技大学 | 基于辅助通道的机载预警雷达杂波抑制方法 |
CN105223557B (zh) * | 2015-10-29 | 2017-11-21 | 西安电子科技大学 | 基于辅助通道的机载预警雷达杂波抑制方法 |
CN105319538A (zh) * | 2015-11-24 | 2016-02-10 | 西安电子科技大学 | 基于辅助通道的空时自适应杂波抑制方法 |
CN106353732B (zh) * | 2016-08-15 | 2019-02-19 | 西安电子科技大学 | 一种基于认知的机载雷达异构杂波抑制方法 |
CN106353732A (zh) * | 2016-08-15 | 2017-01-25 | 西安电子科技大学 | 一种基于认知的机载雷达异构杂波抑制方法 |
CN110531320B (zh) * | 2018-05-24 | 2023-07-25 | 中安锐达(南京)电子科技有限公司 | 低慢小雷达空时频三维联合杂波抑制方法 |
CN110531320A (zh) * | 2018-05-24 | 2019-12-03 | 南京锐达思普电子科技有限公司 | 低慢小雷达空时频三维联合杂波抑制方法 |
CN109358324A (zh) * | 2018-10-31 | 2019-02-19 | 安徽四创电子股份有限公司 | 基于地面监视雷达谱数据的目标检测方法 |
CN110376561A (zh) * | 2019-06-04 | 2019-10-25 | 西安电子科技大学 | 一种时域降维的多快拍迭代阵元幅相误差估计方法 |
CN110376561B (zh) * | 2019-06-04 | 2021-08-13 | 西安电子科技大学 | 一种时域降维的多快拍迭代阵元幅相误差估计方法 |
CN110398719A (zh) * | 2019-06-12 | 2019-11-01 | 四川九洲防控科技有限责任公司 | 基于杂波图原理的雷达杂波信号抑制方法和雷达探测系统 |
CN110398719B (zh) * | 2019-06-12 | 2021-05-07 | 四川九洲防控科技有限责任公司 | 基于杂波图原理的雷达杂波信号抑制方法和雷达探测系统 |
CN113253223A (zh) * | 2021-03-30 | 2021-08-13 | 北京理工大学 | 基于步进频信号的非平稳杂波抑制的目标检测方法 |
CN113253223B (zh) * | 2021-03-30 | 2023-04-07 | 北京理工大学 | 基于步进频信号的非平稳杂波抑制的目标检测方法 |
CN114415123B (zh) * | 2022-04-01 | 2022-07-19 | 北京海兰信数据科技股份有限公司 | 一种基于非相参邻域加权脉冲积累处理方法及系统 |
CN114415123A (zh) * | 2022-04-01 | 2022-04-29 | 北京海兰信数据科技股份有限公司 | 一种基于非相参邻域加权脉冲积累处理方法及系统 |
CN116224249A (zh) * | 2023-03-29 | 2023-06-06 | 上海雷骥电子科技有限公司 | 机载雷达主瓣杂波区的多普勒频率宽度获取方法 |
CN116224249B (zh) * | 2023-03-29 | 2023-11-21 | 上海雷骥电子科技有限公司 | 机载雷达主瓣杂波区的多普勒频率宽度获取方法 |
CN116400302A (zh) * | 2023-06-05 | 2023-07-07 | 成都实时技术股份有限公司 | 一种雷达信号接收处理方法 |
CN116400302B (zh) * | 2023-06-05 | 2023-08-22 | 成都实时技术股份有限公司 | 一种雷达信号接收处理方法 |
CN117970280A (zh) * | 2024-04-02 | 2024-05-03 | 烟台大学 | 一种空时自适应处理中知识辅助的协方差矩阵估计方法 |
CN117970280B (zh) * | 2024-04-02 | 2024-06-04 | 烟台大学 | 一种空时自适应处理中知识辅助的协方差矩阵估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101561497B (zh) | 2011-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101561497B (zh) | 机载雷达杂波抑制方法 | |
CN101556328B (zh) | 基于杂波协方差矩阵的机载雷达空时二维滤波器构建方法 | |
CN103383448B (zh) | 适用于hprf波形机载雷达的杂波抑制方法 | |
CN103399303B (zh) | 机载雷达抗密集转发式欺骗干扰方法与系统 | |
Billingsley et al. | Statistical analyses of measured radar ground clutter data | |
Klemm | Adaptive airborne MTI: an auxiliary channel approach | |
Hu et al. | Optimal signal processing in ground-based forward scatter micro radars | |
CN103954941B (zh) | 一种机载相控阵雷达二维多脉冲的认知杂波抑制方法 | |
CN113253230B (zh) | 基于子孔径处理的天基预警雷达空中动目标检测方法及系统 | |
CN103018727A (zh) | 一种基于样本训练的机载雷达非平稳杂波抑制方法 | |
CN102288949B (zh) | 基于最优处理器的机动目标检测方法 | |
CN109765529B (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
CN104977571A (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN105445703B (zh) | 一种机载雷达空时回波数据的两级空时自适应处理方法 | |
CN103760529A (zh) | 一种无源探测高效级联空时自适应处理方法 | |
CN108896963B (zh) | 机载雷达空时自适应降维处理方法 | |
Wang et al. | STAP with medium PRF mode for non-side-looking airborne radar | |
Bacci et al. | Joint STAP-ISAR for non-cooperative target imaging in strong clutter | |
Wen-long et al. | Ionospheric clutter mitigation for high-frequency surface-wave radar using two-dimensional array and beam space processing | |
Zenghui et al. | Local degrees of freedom of clutter for airborne space–time adaptive processing radar with subarrays | |
CN105319538A (zh) | 基于辅助通道的空时自适应杂波抑制方法 | |
Riddolls | Comparison of linear and planar arrays for auroral clutter control in an over-the-horizon radar | |
Malanowski et al. | Optimization of confirmation time of bistatic tracks in passive radar | |
Lu et al. | Passive radar detection based on advanced broadcasting system-satellite | |
CN106291495B (zh) | 一种基于脉组交错编排提高目标信噪比的扫描方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110921 Termination date: 20150522 |
|
EXPY | Termination of patent right or utility model |