CN101887117A - 基于三迭代的机载mimo雷达空时降维自适应处理方法 - Google Patents
基于三迭代的机载mimo雷达空时降维自适应处理方法 Download PDFInfo
- Publication number
- CN101887117A CN101887117A CN 201010214612 CN201010214612A CN101887117A CN 101887117 A CN101887117 A CN 101887117A CN 201010214612 CN201010214612 CN 201010214612 CN 201010214612 A CN201010214612 A CN 201010214612A CN 101887117 A CN101887117 A CN 101887117A
- Authority
- CN
- China
- Prior art keywords
- vector
- circletimes
- steering vector
- spatial domain
- matrix
- 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
本发明公开了一种基于三迭代的机载MIMO雷达空时降维自适应处理方法,以解决传统空时降维自适应处理技术所需训练样本数多、计算复杂度高且收敛速度慢的问题。其实现步骤是:首先对雷达接收到的回波信号进行距离压缩;然后利用三维级联结构将全维权矢量分解为空域发射权矢量、空域接收权矢量和时域权矢量Kronecker积的形式;最后构造降维变换矩阵并通过TRIA方法得到上述三个分离的权矢量,进而得到全维权矢量。本发明具有所需训练样本数少、计算复杂度低和收敛速度快的优点,可用于机载MIMO雷达空时自适应处理。
Description
技术领域
本发明属于雷达技术领域,具体说是一种多输入多输出MIMO雷达系统的自适应杂波抑制方法,可用于波束形成,以提高雷达检测性能。
背景技术
多输入多输出MIMO雷达是近年来学术界提出的一种新体制雷达,这种雷达在发射端同时发射多个正交或非相干信号,并在接收端通过匹配滤波处理分离各发射信号分量以实现发射波形分集。利用波形分集技术,MIMO雷达采用较小的天线规模即可形成很大的虚拟阵列孔径,这在一定程度上克服了机载应用背景下传统雷达天线孔径和重量受载机平台严格限制的缺点,从而提高了雷达的角度分辨率和杂波抑制能力。因此,机载MIMO雷达逐渐成为雷达界的一个研究热点。空时自适应处理技术是机载预警雷达检测慢速运动目标的关键技术,但在实际应用中受到独立同分布IID样本少和计算量大等问题的制约。在机载相控阵雷达体制下,人们已经提出许多旨在降低样本需求和计算量的降维自适应算法,如主分量算法PC、因子化算法FA以及扩展因子化算法EFA等。虽然这些方法同样适用于机载MIMO雷达,但是发射波形分集大大增加了MIMO雷达数据的维数,直接应用上述方法的样本需求量和计算量依然很大,且收敛速度慢。
发明内容
本发明针对机载MIMO雷达的特点及以上现有技术存在的不足,提出一种基于三迭代的机载MIMO雷达空时降维自适应处理方法。该方法同时利用空时可分离特性和杂波协方差矩阵的低维特性构造降维变换矩阵,从而大大减小矩阵求逆的运算量,降低对IID样本数目的要求,提高收敛速度。
实现本发明目的的技术关键,是根据已有的目标信号三维空时导向矢量的Kronecker积形式,将全维权矢量构造成目标发射权矢量、接收权矢量和时域权矢量三者的Kronecker积形式,并通过空时级联三迭代自适应处理对三者进行求解,从而得到全维权矢量。具体实现步骤如下:
1)对雷达接收到的回波信号进行距离压缩;
2)将经距离压缩后的目标信号的三维空时导向矢量b分解成空域发射导向矢量、空域接收导向矢量和时域导向矢量Kronecker积的形式:
其中,b为目标信号经距离压缩后的三维空时导向矢量, 和分别为目标的发射导向矢量、接收导向矢量和时域导向矢量,为距离压缩后的目标发射导向矢量,表示发射信号矩阵,代表Kronecker积,{·}T代表转置,{·}*代表复共轭;
3)根据所述Kronecker积的形式,构造目标信号的全维权矢量:
4)将q、v和u表示成q(p)、v(p)和u(p)的形式,p表示迭代次数;根据LCMV准则,对经距离压缩后的目标信号进行空时级联三迭代自适应处理,求解q、v和u;
5)对得出的q、v和u做Kronecker积,得到全维权矢量w。
本发明与现有技术相比具有如下优点:
本发明结合机载MIMO雷达目标导向矢量的Kronecker积结构,利用三维权矢量空时可分离特性将最优权矢量近似表示为发射、接收和时域三个低维权矢量的Kronecker积形式,从而方便构造降维矩阵;同时本发明基于循环迭代的思想依次固定其中的两个权矢量,并由此构造相应的降维变换矩阵,在低维空间上优化另一个权矢量,使其在降维的同时,降低了系统的样本需求和运算量,并提高了收敛的速度。
附图说明
图1为本发明流程图;
图2为实验一中用本发明与现有方法改善因子的对比图;
图3为实验一中用本发明和现有方法改善因子随迭代次数变化的曲线图;
图4为实验一中用本发明与现有方法改善因子随训练样本数变化的曲线图;
图5为实验二中用本发明与现有方法改善因子的对比图;
图6为实验二中用本发明和现有方法改善因子随迭代次数变化的曲线图;
图7为实验二中用本发明与现有方法改善因子随训练样本数变化的曲线图。
具体实施方式
参照图1,本发明的具体步骤包括如下:
步骤1,对雷达接收到的回波信号进行距离压缩。
1.1)假设一个机载MIMO雷达系统,发射和接收阵元数分别为M和N,并把第l个全向距离环分解为Nc个小的杂波单元,表示该距离环的俯仰角,θi表示其中第i个杂波单元的方位角,若一个相干处理时间内每个阵元接收K个脉冲,则接收阵列在第k次回波对第l个距离环的采样数据矩阵为
其中,βi为第i个杂波单元接收信号的复幅度,服从均值为0、方差为的高斯分布,为相应杂波单元的归一化多普勒频率,v为载机速度,λ为雷达工作波长,fr为脉冲重复频率,和分别为空域发射导向矢量和接收导向矢量,为发射信号矩阵;
1.2)设发射阵元同时发射码长为P的正交编码信号,为保证噪声是时域白噪声,利用SH(SSH)-1/2代替SH对X(l,k)进行距离压缩及按列堆栈处理后的输出为:
(2)
步骤2,将经距离压缩后的目标信号的三维空时导向矢量分解成空域发射导向矢量、空域接收导向矢量和时域导向矢量Kronecker积的形式。
2.1)将距离压缩及按列堆栈处理后的输出c(l,k),(k=1,2,…,K)重新排列,得到第l个距离环的NMK×1维杂波采样数据为:
2.2)设目标的发射、接收和时域导向矢量分别为和st(fd,t),则目标信号经距离压缩后的三维空时导向矢量为:
(4)
其中,表示目标的二维空域导向矢量,为距离压缩后的目标发射导向矢量,fs,t和fd,t分别表示目标的归一化空间频率和多普勒频率,即将机载MIMO雷达空域导向矢量转化为发射、接收导向矢量的Kronecker积形式,而非传统机载雷达的单纯的接收导向矢量形式。
步骤3,根据所述三维空时导向矢量b的Kronecker积形式,构造全维权矢量。
设u=[u1,…,uM]T为空域发射权矢量,v=[v1,…,vN]T为空域接收权矢量,q=[q1,…,qK]T为时域权矢量,将全维权矢量表示成:
步骤4,将q、v和u表示成q(p)、v(p)和u(p)的形式,p表示迭代次数;根据LCMV准则,采用空时级联(S-T)结构和时空级联(T-S)结构的处理器对信号进行处理,将自适应处理分别应用于MIMO雷达STAP信号发射、接收及时域部分,进行空时级联三迭代自适应处理,求解q、v和u。
(6a)
subject to wHb=(Tqq)Hb=qHsq=1 (6b)
4.4)利用v(p)和q(p),令为第三线性变换矩阵,通过下述代价函数求解u(p):
4.5)重复步骤2b)、2c)和2d),直到||u(p)-u(p-1)||/||u(p)||<ε1(0<ε1<<1)且||v(p)-v(p-1)||/||v(p)||<ε2(0<ε2<<1)为止,获得的q(p)、v(p)和u(p)即为q、v和u,其中,ε1和ε2分别表示任意一个大于0的无穷小量。
本发明的性能可以通过以下实验验证:
(一)仿真条件:
机载MIMO雷达系统的发射波形采用QPSK码波形,每个相干处理时间内发射K=16个脉冲,每个码长内采样P=256次,脉冲重复频率fr=1833Hz,波长λ=0.24m,载机速度v=110m/s。所有杂波单元均匀布在每个距离环上,其目标反射系数均为独立同分布的高斯变量模型,不同距离环上的杂波单元相互独立,且杂噪比(CNR)为40dB。
实验一机载MIMO雷达系统采用发射阵元M=8、接收阵元N=12的均匀布阵结构,相邻阵元间距为半波长;
实验二机载MIMO雷达系统采用发射阵元M=5、接收阵元N=10的布阵结构,发射阵元间距为N倍的半波长,接收阵元间距为半波长。
比较五种方法的性能:(1)本发明TRIA方法;(2)现有的因子化空时自适应处理(FA)方法;(3)现有的时域多普勒滤波级联空域收发双迭代(DTBIA)方法;(4)现有的最优多重信号检测(MTI)方法(采用传统收发级联结构的波束形成,其Chebyshev窗权值40dB,接一时域最优处理器);(5)现有的基于理想杂波协方差的最优处理(OP)方法。
(二)仿真结果:
实验一
图2给出了用本发明和现有四种方法在训练样本数L=200时,改善因子IF随归一化多普勒频率的变化曲线。从图2中可以看出,本发明TRIA方法在主杂波区的性能虽比OP方法略有下降,但在旁瓣处仅有2~3dB的性能损失;且本发明改善了最小可检测速率,性能优于其他四种方法。
图3给出了在归一化多普勒频率fd,t=0.25、归一化空间频率fs,t=0时,用本发明TRIA方法和现有的DTBIA方法的IF随迭代次数的变化曲线。从图中可以看到,本发明仅用6步迭代即可实现收敛。
图4给出了在fd,t=0.25、fs,t=0且进行100次Monte Carlo实验时,用本发明和现有四种方法的IF随训练样本数的变化曲线,为保证五种方法有效,设定本发明TRIA方法和现有的FA方法、DTBIA方法、MTI方法的初始训练样本数分别为16、96、10、16。从图4中可以看出,TRIA方法、DTBIA方法和MTI方法比FA方法收敛要快,在小训练样本数情况下,DTBIA方法的性能相比FA方法的性能较好。
实验二
图5比较了用本发明和现有四种方法在训练样本数L=200时IF随归一化多普勒频率的变化曲线。从图5中可以看出,本发明TRIA方法在主杂波区的性能虽比OP方法略有下降,但在旁瓣处仅有2~3dB的性能损失;且本发明改善了最小可检测速率,性能优于其他四种方法。
图6给出了在fd,t=0.25、fs,t=0时,用本发明TRIA方法和现有的DTBIA方法的IF随迭代次数的变化曲线。从图6中可以看到,本发明仅用6步迭代即可实现收敛。
图7给出了在fd,t=0.25、fs,t=0且进行100次Monte Carlo实验条件下用本发明和现有四种方法的IF随训练样本数的变化曲线,设定本发明TRIA方法和现有的FA方法、DTBIA方法、MTI方法的初始训练样本数分别为16、50、10、16。从图7中可以看出,TRIA方法、DTBIA方法和MTI方法比FA方法收敛要快,在小训练样本数情况下,DTBIA方法的性能相比FA方法的性能较好。
此外,由于实验一和实验二中对阵元数和布阵结构的要求均有不同,因此,本发明还具有不受发射和接收阵元数以及阵列流型限制的优点。
Claims (2)
1.一种基于三迭代的用于机载MIMO雷达的空时降维自适应处理方法,包括如下步骤:
1)对雷达接收到的回波信号进行距离压缩;
2)将经距离压缩后的目标信号的三维空时导向矢量b分解成空域发射导向
矢量、空域接收导向矢量和时域导向矢量Kronecker积的形式:
其中,b为目标信号经距离压缩后的三维空时导向矢量, 和分别为目标的发射导向矢量、接收导向矢量和时域导向矢量,为距离压缩后的目标发射导向矢量,表示发射信号矩阵,代表Kronecker积,{·}T代表转置,{·}*代表复共轭;
3)根据所述Kronecker积的形式,构造目标信号的全维权矢量:
4)将q、v和u表示成q(p)、v(p)和u(p)的形式,p表示迭代次数;根据LCMV准则,对经距离压缩后的目标信号进行空时级联三迭代自适应处理,求解q、v和u;
5)对得出的q、v和u做Kronecker积,得到全维权矢量w。
2.根据权利要求1所述的用于机载MIMO雷达空时降维自适应方法,其中步骤4)所述的对经距离压缩后的目标信号进行空时级联三迭代自适应处理,按如下步骤进行:
subject to wHb=(Tqq)Hb=qHsq=1
2e)重复步骤2b)、2c)和2d),直到||u(p)-u(p-1)||/||u(p)||<ε1(0<ε1<<1)且||v(p)-v(p-1)||/||v(p)||<ε2(0<ε2<<1)为止,获得的q(p)、v(p)和u(p)即为q、v和u,其中,ε1和ε2分别表示任意一个大于0的无穷小量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102146122A CN101887117B (zh) | 2010-06-30 | 2010-06-30 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102146122A CN101887117B (zh) | 2010-06-30 | 2010-06-30 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101887117A true CN101887117A (zh) | 2010-11-17 |
CN101887117B CN101887117B (zh) | 2012-07-25 |
Family
ID=43073111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102146122A Active CN101887117B (zh) | 2010-06-30 | 2010-06-30 | 基于三迭代的机载mimo雷达空时降维自适应处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101887117B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102025392A (zh) * | 2010-12-06 | 2011-04-20 | 意法·爱立信半导体(北京)有限公司 | 干扰消除方法和装置 |
CN102156279A (zh) * | 2011-05-12 | 2011-08-17 | 西安电子科技大学 | 基于mimo的双基地雷达地面动目标检测方法 |
CN103605122A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 相干mimo雷达的收发稳健降维自适应波束形成方法 |
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 |
CN105044688A (zh) * | 2015-08-24 | 2015-11-11 | 西安电子科技大学 | 基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法 |
CN105137409A (zh) * | 2015-07-24 | 2015-12-09 | 西安电子科技大学 | 基于幅相约束的目标信号稳健空时自适应处理方法 |
CN105244634A (zh) * | 2015-10-26 | 2016-01-13 | 清华大学 | 大规模mimo天线阵列的降维方法及利用该方法的系统 |
CN106772304A (zh) * | 2016-12-23 | 2017-05-31 | 西北大学 | 基于空域多级分解的机载mimo雷达后多普勒自适应处理方法 |
CN108008364A (zh) * | 2017-11-22 | 2018-05-08 | 大连大学 | 改善mimo-stap检测性能的发射波形及接收权联合优化方法 |
CN108614240A (zh) * | 2018-04-10 | 2018-10-02 | 北京航空航天大学 | 一种应用于集中式mimo雷达的自适应空时发射加权产生器 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050237236A1 (en) * | 2004-04-26 | 2005-10-27 | Budic Robert D | Method and apparatus for performing bistatic radar functions |
US20080143587A1 (en) * | 2006-11-04 | 2008-06-19 | Roke Manor Research Limited | Multiple input multiple output RADAR system |
CN101561498A (zh) * | 2009-05-08 | 2009-10-21 | 西安电子科技大学 | 多阶段分解空时自适应信号处理方法 |
CN101561497A (zh) * | 2009-05-22 | 2009-10-21 | 西安电子科技大学 | 机载雷达杂波抑制方法 |
-
2010
- 2010-06-30 CN CN2010102146122A patent/CN101887117B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050237236A1 (en) * | 2004-04-26 | 2005-10-27 | Budic Robert D | Method and apparatus for performing bistatic radar functions |
US20080143587A1 (en) * | 2006-11-04 | 2008-06-19 | Roke Manor Research Limited | Multiple input multiple output RADAR system |
CN101561498A (zh) * | 2009-05-08 | 2009-10-21 | 西安电子科技大学 | 多阶段分解空时自适应信号处理方法 |
CN101561497A (zh) * | 2009-05-22 | 2009-10-21 | 西安电子科技大学 | 机载雷达杂波抑制方法 |
Non-Patent Citations (3)
Title |
---|
《数据采集与处理》 20090930 李晓明; 冯大政; 罗钉; 保铮 相控阵机载雷达杂波抑制的空时可分离自适应滤波 第24卷, 第5期 * |
《系统工程与电子技术》 20050331 王万林; 廖桂生 机载预警雷达三维空时自适应处理及其降维研究 第27卷, 第3期 * |
《航空学报》 20080131 李晓明; 冯大政 一种机载雷达两级降维空时二维自适应处理方法 第29卷, 第1期 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102025392A (zh) * | 2010-12-06 | 2011-04-20 | 意法·爱立信半导体(北京)有限公司 | 干扰消除方法和装置 |
CN102156279A (zh) * | 2011-05-12 | 2011-08-17 | 西安电子科技大学 | 基于mimo的双基地雷达地面动目标检测方法 |
CN102156279B (zh) * | 2011-05-12 | 2013-04-17 | 西安电子科技大学 | 基于mimo的双基地雷达地面动目标检测方法 |
CN103605122A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 相干mimo雷达的收发稳健降维自适应波束形成方法 |
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 |
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 |
CN105137409A (zh) * | 2015-07-24 | 2015-12-09 | 西安电子科技大学 | 基于幅相约束的目标信号稳健空时自适应处理方法 |
CN105137409B (zh) * | 2015-07-24 | 2018-03-06 | 西安电子科技大学 | 基于幅相约束的目标信号稳健空时自适应处理方法 |
CN105044688A (zh) * | 2015-08-24 | 2015-11-11 | 西安电子科技大学 | 基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法 |
CN105044688B (zh) * | 2015-08-24 | 2017-07-18 | 西安电子科技大学 | 基于迭代子空间跟踪算法的雷达稳健空时自适应处理方法 |
CN105244634A (zh) * | 2015-10-26 | 2016-01-13 | 清华大学 | 大规模mimo天线阵列的降维方法及利用该方法的系统 |
CN105244634B (zh) * | 2015-10-26 | 2017-12-19 | 清华大学 | 大规模mimo天线阵列的降维方法及利用该方法的系统 |
CN106772304A (zh) * | 2016-12-23 | 2017-05-31 | 西北大学 | 基于空域多级分解的机载mimo雷达后多普勒自适应处理方法 |
CN106772304B (zh) * | 2016-12-23 | 2019-10-01 | 西北大学 | 基于空域多级分解的机载mimo雷达后多普勒自适应处理方法 |
CN108008364A (zh) * | 2017-11-22 | 2018-05-08 | 大连大学 | 改善mimo-stap检测性能的发射波形及接收权联合优化方法 |
CN108008364B (zh) * | 2017-11-22 | 2021-03-19 | 大连大学 | 改善mimo-stap检测性能的发射波形及接收权联合优化方法 |
CN108614240A (zh) * | 2018-04-10 | 2018-10-02 | 北京航空航天大学 | 一种应用于集中式mimo雷达的自适应空时发射加权产生器 |
Also Published As
Publication number | Publication date |
---|---|
CN101887117B (zh) | 2012-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101887117B (zh) | 基于三迭代的机载mimo雷达空时降维自适应处理方法 | |
CN102707264B (zh) | 基于圆形阵列双基地mimo雷达的波达方向估计方法 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
CN103076596B (zh) | 基于先验信息的mimo雷达发射方向图设计方法 | |
CN101369014B (zh) | 应用于多输入多输出雷达的双边约束自适应波束形成方法 | |
CN104251989B (zh) | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 | |
CN105093185A (zh) | 基于稀疏表示的单基地多输入多输出雷达目标波达方向估计方法 | |
CN103969633B (zh) | 杂波中检测目标用mimo雷达发射波形的分级设计方法 | |
CN105467365A (zh) | 一种改善mimo雷达doa估计性能的低旁瓣发射方向图设计方法 | |
CN108303683B (zh) | 单基地mimo雷达实值esprit非圆信号角度估计方法 | |
CN103728606A (zh) | 机载mimo雷达的多普勒通道关联两级降维方法 | |
CN101950014B (zh) | Mimo雷达波形在线设计方法 | |
CN105319545B (zh) | 提高stap检测性能的mimo-ofdm雷达波形设计方法 | |
CN103744076B (zh) | 基于非凸优化的mimo雷达动目标检测方法 | |
CN103344940B (zh) | 低复杂度的doa估计方法及系统 | |
CN103983958A (zh) | 基于多测量矢量稀疏表示的mimo雷达连续目标角度估计方法 | |
CN103901417A (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN101799535A (zh) | Mimo雷达目标方向的估计方法 | |
CN103605122A (zh) | 相干mimo雷达的收发稳健降维自适应波束形成方法 | |
CN103954942A (zh) | 机载mimo雷达三维波束空间的部分联合杂波抑制方法 | |
CN103353588B (zh) | 基于天线均匀平面阵的二维波达方向角估计方法 | |
CN106680815A (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN104345299A (zh) | 基于简化ec的机载mimo雷达空时自适应处理方法 | |
CN105807275A (zh) | 基于部分杂波先验知识的mimo-ofdm-stap稳健波形设计 | |
CN104345301A (zh) | 机载mimo雷达非自适应杂波预滤波空时二维对消方法 |
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 | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20151023 Address after: 710075, B, building 38, Tengfei innovation center, six hi tech Zone, Xi'an hi tech Zone, Shaanxi, 606 Patentee after: XI'AN CETC XIDIAN UNIVERSITY RADAR TECHNOLOGY COLLABORATIVE INNOVATION RESEARCH INSTITUTE CO., LTD. Address before: Xi'an City, Shaanxi province Taibai Road 710071 No. 2 Patentee before: Xidian University |