CN102967858A - 雷达前视超分辨成像方法 - Google Patents
雷达前视超分辨成像方法 Download PDFInfo
- Publication number
- CN102967858A CN102967858A CN2012104544797A CN201210454479A CN102967858A CN 102967858 A CN102967858 A CN 102967858A CN 2012104544797 A CN2012104544797 A CN 2012104544797A CN 201210454479 A CN201210454479 A CN 201210454479A CN 102967858 A CN102967858 A CN 102967858A
- Authority
- CN
- China
- Prior art keywords
- radar
- distance
- super
- centerdot
- frequency
- 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
本发明公开了一种雷达前视超分辨成像方法,具体包括步骤:距离向脉冲压缩,距离走动校正,距离向IFFT,迭代次数确定,方位向反卷积。本发明的方法通过将雷达天线前视扫描得到的回波在方位向建模为卷积,并通过反卷积方法估计出前方地物分布信息;此外基于噪声统计特性,根据迭代反卷积算法确定最优迭代次数,使雷达获得更好的前视超分辨成像性能。与背景技术相比,本发明方法不仅克服了单脉冲成像技术对场景的约束、阵列成像方法对平台尺寸的限制,而且避免了双基地SAR复杂的同步、运动补偿等问题,能够有效获得平台正前方区域的地物分布信息。
Description
技术领域
本发明属于雷达成像技术领域,具体涉及一种适用于运动平台雷达前视超分辨成像方法。
背景技术
雷达前视成像,是指获取平台正前方区域的地物分布信息。发展运动平台载雷达前视成像能力,有利于提高飞行员对远方地形的判断和识别以及平台的自主导航能力,提高平台的侦察、监视、定位和识别能力,以及可以实现空投地点的准确定位,对于自主着陆、自主导航及前视侦察等领域具有重要的意义。
目前,在运动平台载雷达对地面成像的过程中,主要是通过发射大带宽信号和脉冲压缩技术获得距离向高分辨,利用雷达平台相对地面目标的方位向运动引起的多普勒频率变化提高方位向分辨率,如合成孔径雷达(SAR),多普勒波束锐化(DBS)技术等,而当天线波束前视时,成像区地面目标回波多普勒频率梯度几乎为零,方位分辨率急速下降,形成传统SAR或DBS成像的盲区。
针对运动平台载雷达前视成像,特别是其中如何提高方位分辨率的问题,文献“机载雷达单脉冲前视成像算法,中国图象图形学报,2010,15(3):P462-469”采用单脉冲技术进行前视成像,该技术基于单脉冲测角原理,适用于强点目标,而对于复杂地貌情况,由于存在多散射中心,将会出现严重的角闪烁现象;文献“A new Sector Imaging Radar forEnhanced Vision–SIREV”(SPIE Conference on Enhanced and Synthetic Vision,1999,pp.39-47,Florida),采用阵列天线形成孔径,实现前视成像,但由于平台的尺寸限制了天线孔径的拓展,致使方位分辨率提高受限;文献“Bistatic Forward-looking Synthetic ApertureRadar”(International Conference on Radar Systems,2004,pp 1-5)采用双基地SAR几何配置,可以形成等多普勒线与等距离线的近似正交分割,具备正前视成像的潜力,但是由于收发平台分置,不可避免的涉及复杂的同步、运动补偿问题,实际应用难度大。
发明内容
本发明的目的是针对运动平台载雷达前视成像过程存在的上述问题,提出了一种雷达前视超分辨成像方法。
本发明的技术方案为:一种雷达前视超分辨成像方法,具体包括如下步骤:
步骤A.距离向脉冲压缩:对所获取的发射信号的二维回波数据进行距离向傅里叶变换;并构造频域匹配函数,进行距离向脉冲压缩,得到距离压缩频域数据;
步骤B.距离走动校正:根据系统参数,判断距离走动量ΔR是否跨越距离单元Δr。若满足ΔR>Δr,将步骤B获得的距离压缩频域数据乘以距离走动校正函数H(fr,t),作为新的距离压缩频域数据;其中, v为平台运动速度,θw为波束宽度,ω为天线扫描速度,c为光速,B为发射信号带宽,fr为距离向频率,α为天线波束中心与载机航向的夹角,t为方位时间;若满足ΔR≤Δr,则直接转至步骤C;
步骤C.距离向IFFT:将距离压缩频域数据进行距离向IFFT,获得距离压缩时域方位时域数据;
步骤D.迭代次数确定:针对步骤C获得的距离压缩时域方位时域数据,提取其中的一行,结合天线方向图,利用迭代反卷积算法进行运算,每执行一次,迭代次数加1;记录每次迭代结果,与前一次结果相减,并计算相减结果的自相关函数,并进行归一化,然后计算归一化自相关函数的3dB主瓣宽度,判断其是否小于预先设置的门限值,进而判断是否属于噪声,若3dB主瓣宽度小于门限值,则属于噪声,输出迭代次数;否则进行下一次迭代;
步骤E.方位向反卷积:依据步骤E确定的迭代次数,按照迭代反卷积算法,结合天线方向图信息,对步骤C获得的距离压缩时域方位时域数据,执行迭代运算,最终获得前视成像结果。
本发明的有益效果:本发明的雷达前视超分辨成像方法通过将雷达天线前视扫描得到的回波在方位向建模为卷积,通过反卷积方法估计出前方地物分布信息;本发明方法基于噪声统计特性,根据迭代反卷积算法确定最优迭代次数,使雷达获得更好的前视超分辨成像性能。与背景技术相比,本发明方法不仅克服了单脉冲成像技术对场景的约束、阵列成像方法对平台尺寸的限制,而且避免了双基地SAR复杂的同步、运动补偿等问题,能够有效获得平台正前方区域的地物分布信息。
附图说明
图1为本实施方式机载雷达工作示意图;
图2为本发明方法流程示意图(方框图);
图3为本实施方式机载雷达天线方向图示意图;
图4为本实施方式成像原始场景;
图5为本实施方式机载雷达面目标回波距离压缩数据;
图6为本实施方式机载雷达面目标成像结果。
具体实施方式
下面结合附图和具体实施例对本发明方法做进一步的阐述。
在描述本发明的方法之前,先对回波获取的过程作一说明:
在平台高速运动的同时,天线从航向左侧扫描至航向右侧(或者从右侧扫到左侧),并按一定脉冲重复频率发射线性调频脉冲信号及接收存储回波数据。
图1为本实施方式机载雷达前视扫描工作示意图,其中雷达天线方位波束宽度为θw=3°,天线在载机正前方±10°区域扫描,扫描速度为ω=30°/s,载机运动速度为v=100m/s,发射机发射信号波长为λ=0.03m、带宽为B=10MHz、调频斜率为Kr=6×1012Hz/s的线性调频信号,前视扫描雷达点目标回波信号经相干解调后,表示为:
其中,τ表示距离快时间,变化范围由发射机到目标的双程距离决定,t为方位时间,变化范围为[-1/3 1/3]秒,rect[·]为矩形窗函数,exp(·)为指数函数,A(t)表示天线方向图,本实施例中,如图3所示;R(t)为发射机到目标再到接收机的距离,有:
其中,R0=5km分别为波束中心扫描到目标时,天线到目标的距离;α为天线波束中心与载机航向的夹角,其变化范围为[-10°+10°],为波束入射角,本实施例中,假定载机高度为零,则波束入射角同时,方程(2)变为
将方程(3)泰勒展开并保留至一次项,得到
R(t)≈R0-vcosα·t (4)
此外,回波中混入了高斯白噪声,且信噪比为10dB。
本实施例的雷达前视超分辨成像方法流程图如图2所示,图4为本实施方式成像原始场景,具体包括如下步骤:
步骤A:首先对回波进行距离向FFT,得到,
其中,fr为距离向频率,变化范围为[-3030]MHz;fc为载波频率,等于10GHz;c为光速,等于3×108m/s。
然后通过距离向乘以匹配滤波器频域匹配函数H(fr),
得到距离压缩频域数据SS(t,fr),
步骤B.一个完整波束扫过目标所经历的距离走动量ΔR为
根据系统参数可得ΔR=10m,而根据发射信号带宽,可知距离分辨单元大小为得到Δr=15m。因为ΔR<Δr,不会出现距离走动跨越距离单元,因而这里不需乘以距离走动校正函数H(fr,t),反之,则需要乘以H(fr,t)以完成距离走动校正。
步骤C.针对步骤B(距离走动跨距离单元时)或步骤A(距离走动不跨距离单元时)的数据,进行距离向IFFT,获得其对应的距离时域数据;如图5所示,为机载雷达面目标回波距离压缩频域数据经距离向IFFT变换得到的结果。
步骤D.针对步骤C获得的距离时域数据,提取其中的一行,结合天线方向图,本实施例按照Lucy-Richardson迭代反卷积公式,如式(10)所示,进行迭代运算,每执行一次,迭代次数加1;记录每次迭代结果,与前一次结果相减,计算相减结果的自相关函数并进行归一化,然后计算归一化自相关函数的3dB主瓣宽度,这里门限值设为3,进而判断相邻两次迭代结果的差值是否属于噪声,若是(主瓣宽度小于等于3),输出迭代次数;否则进行下一次迭代,本实施例中,经过第30次迭代,经计算迭代结果与前次结果相减后的自相关函数符合噪声的特征,进而确定迭代次数为30。
步骤E.结合天线方向图及步骤D确定的迭代次数,依次在每个距离单元对步骤C得到的距离走动校正时域数据,按照Lucy-Richardson迭代反卷积公式进行迭代运算,最终可得成像结果。图6是实施例中采用本发明方法得到的最终成像结果示意图。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (2)
1.一种雷达前视超分辨成像方法,具体包括如下步骤:
步骤A.距离向脉冲压缩:对所获取的发射信号的二维回波数据进行距离向傅里叶变换;并构造频域匹配函数,进行距离向脉冲压缩,得到距离压缩频域数据;
步骤B.距离走动校正:根据系统参数,判断距离走动量ΔR是否跨越距离单元Δr。若满足ΔR>Δr,将步骤B获得的距离压缩频域数据乘以距离走动校正函数H(fr,t),作为新的距离压缩频域数据;其中, v为平台运动速度,θw为波束宽度,ω为天线扫描速度,c为光速,B为发射信号带宽,fr为距离向频率,α为天线波束中心与载机航向的夹角,t为方位时间;若满足ΔR≤Δr,则直接转至步骤C;
步骤C.距离向IFFT:将距离压缩频域数据进行距离向IFFT,获得距离压缩时域方位时域数据;
步骤D.迭代次数确定:针对步骤C获得的距离压缩时域方位时域数据,提取其中的一行,结合天线方向图,利用迭代反卷积算法进行运算,每执行一次,迭代次数加1;记录每次迭代结果,与前一次结果相减,并计算相减结果的自相关函数,并进行归一化,然后计算归一化自相关函数的3dB主瓣宽度,判断其是否小于预先设置的门限值,进而判断是否属于噪声,若3dB主瓣宽度小于门限值,则属于噪声,输出迭代次数;否则进行下一次迭代;
步骤E.方位向反卷积:依据步骤E确定的迭代次数,按照迭代反卷积算法,结合天线方向图信息,对步骤C获得的距离压缩时域方位时域数据,执行迭代运算,最终获得前视成像结果。
2.根据权利要求1所述的雷达前视超分辨成像方法,其特征在于,步骤D和步骤E中所述的迭代反卷积算法具体通过Lucy-Richardson迭代反卷积公式实现。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210454479.7A CN102967858B (zh) | 2012-11-14 | 2012-11-14 | 雷达前视超分辨成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210454479.7A CN102967858B (zh) | 2012-11-14 | 2012-11-14 | 雷达前视超分辨成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102967858A true CN102967858A (zh) | 2013-03-13 |
CN102967858B CN102967858B (zh) | 2014-03-05 |
Family
ID=47798132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210454479.7A Active CN102967858B (zh) | 2012-11-14 | 2012-11-14 | 雷达前视超分辨成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102967858B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235308A (zh) * | 2013-04-10 | 2013-08-07 | 电子科技大学 | 雷达正前视扫描相干成像方法 |
CN103293528A (zh) * | 2013-05-30 | 2013-09-11 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN103487803A (zh) * | 2013-09-25 | 2014-01-01 | 电子科技大学 | 迭代压缩模式下机载扫描雷达成像方法 |
CN103605131A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 基于联合多波位的高分辨dbs成像方法 |
CN103852759A (zh) * | 2014-04-08 | 2014-06-11 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN103885058A (zh) * | 2014-02-26 | 2014-06-25 | 西安电子科技大学 | 一种利用稀疏统计特性的机载雷达前视超分辨成像方法 |
CN104122549A (zh) * | 2014-07-21 | 2014-10-29 | 电子科技大学 | 基于反卷积的雷达角超分辨成像方法 |
CN104569970A (zh) * | 2014-12-24 | 2015-04-29 | 南京航空航天大学 | 一种用于机载雷达前视单脉冲成像的自聚焦方法 |
CN105137408A (zh) * | 2015-07-23 | 2015-12-09 | 电子科技大学 | 一种最优天线方向图选取的雷达角超分辨方法 |
CN105137425A (zh) * | 2015-07-17 | 2015-12-09 | 电子科技大学 | 基于卷积反演原理的扫描雷达前视角超分辨方法 |
CN105137402A (zh) * | 2015-08-19 | 2015-12-09 | 电子科技大学 | 一种基于gpu的机载前视扫描雷达并行处理方法 |
CN107683423A (zh) * | 2015-05-15 | 2018-02-09 | 德克萨斯仪器股份有限公司 | 用于调频连续波雷达中的对象检测的低复杂度超分辨率技术 |
CN108363057A (zh) * | 2018-02-08 | 2018-08-03 | 北京航空航天大学 | 合成孔径雷达探测方法、装置及存储介质 |
CN109444890A (zh) * | 2018-11-22 | 2019-03-08 | 成都汇蓉国科微系统技术有限公司 | 一种用于复杂条件下的雷达成像方法、系统及介质 |
CN110109097A (zh) * | 2019-06-06 | 2019-08-09 | 电子科技大学 | 一种扫描雷达前视成像方位超分辨方法 |
CN110346793A (zh) * | 2019-07-24 | 2019-10-18 | 电子科技大学 | 一种分布式阵列雷达迭代自适应高分辨成像方法 |
CN110568410A (zh) * | 2019-10-09 | 2019-12-13 | 上海无线电设备研究所 | 一种空间频率色散的微波雷达超分辨方法 |
GB2564648B (en) * | 2017-07-17 | 2020-11-25 | Jaguar Land Rover Ltd | A synthetic aperture radar system for use in a ground vehicle |
CN112083416A (zh) * | 2020-09-18 | 2020-12-15 | 电子科技大学 | 一种运动平台扫描雷达超分辨成像视场选择方法 |
CN113917465A (zh) * | 2021-10-21 | 2022-01-11 | 苏州威陌电子信息科技有限公司 | 一种sar雷达成像方法及系统 |
CN114545405A (zh) * | 2022-02-24 | 2022-05-27 | 电子科技大学 | 一种基于神经网络的实波束扫描雷达角超分辨方法 |
CN115015933A (zh) * | 2022-08-02 | 2022-09-06 | 中国人民解放军国防科技大学 | 基于轻小型平台的前视sar成像方法、装置和雷达 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050179587A1 (en) * | 2004-02-18 | 2005-08-18 | The Boeing Company | Method, apparatus, and computer program product for radar crossrange superresolution |
CN101408621A (zh) * | 2008-11-28 | 2009-04-15 | 哈尔滨工业大学 | 基于极化合成孔径雷达图像的超分辨方法 |
CN101937077A (zh) * | 2010-07-23 | 2011-01-05 | 电子科技大学 | 双基地前视、斜视合成孔径雷达多普勒中心频率的测定方法 |
CN102608597A (zh) * | 2012-03-19 | 2012-07-25 | 西安电子科技大学 | 基于非完全数据解卷积的实孔径前视成像方法 |
-
2012
- 2012-11-14 CN CN201210454479.7A patent/CN102967858B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050179587A1 (en) * | 2004-02-18 | 2005-08-18 | The Boeing Company | Method, apparatus, and computer program product for radar crossrange superresolution |
CN101408621A (zh) * | 2008-11-28 | 2009-04-15 | 哈尔滨工业大学 | 基于极化合成孔径雷达图像的超分辨方法 |
CN101937077A (zh) * | 2010-07-23 | 2011-01-05 | 电子科技大学 | 双基地前视、斜视合成孔径雷达多普勒中心频率的测定方法 |
CN102608597A (zh) * | 2012-03-19 | 2012-07-25 | 西安电子科技大学 | 基于非完全数据解卷积的实孔径前视成像方法 |
Non-Patent Citations (2)
Title |
---|
WENCHAO LI等: "A Geometry-Based Doppler Centroid Estimator for Bistatic Forward", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》, vol. 9, no. 3, 31 May 2012 (2012-05-31) * |
李悦丽等: "一种单脉冲雷达多通道解卷积前视成像方法", 《信号处理》, vol. 23, no. 5, 31 October 2007 (2007-10-31) * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235308A (zh) * | 2013-04-10 | 2013-08-07 | 电子科技大学 | 雷达正前视扫描相干成像方法 |
CN103293528A (zh) * | 2013-05-30 | 2013-09-11 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN103487803A (zh) * | 2013-09-25 | 2014-01-01 | 电子科技大学 | 迭代压缩模式下机载扫描雷达成像方法 |
CN103487803B (zh) * | 2013-09-25 | 2015-06-10 | 电子科技大学 | 迭代压缩模式下机载扫描雷达成像方法 |
CN103605131A (zh) * | 2013-12-04 | 2014-02-26 | 西安电子科技大学 | 基于联合多波位的高分辨dbs成像方法 |
CN103605131B (zh) * | 2013-12-04 | 2015-09-30 | 西安电子科技大学 | 基于联合多波位的高分辨dbs成像方法 |
CN103885058B (zh) * | 2014-02-26 | 2016-03-02 | 西安电子科技大学 | 一种利用稀疏统计特性的机载雷达前视超分辨成像方法 |
CN103885058A (zh) * | 2014-02-26 | 2014-06-25 | 西安电子科技大学 | 一种利用稀疏统计特性的机载雷达前视超分辨成像方法 |
CN103852759A (zh) * | 2014-04-08 | 2014-06-11 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN103852759B (zh) * | 2014-04-08 | 2016-05-25 | 电子科技大学 | 扫描雷达超分辨成像方法 |
CN104122549A (zh) * | 2014-07-21 | 2014-10-29 | 电子科技大学 | 基于反卷积的雷达角超分辨成像方法 |
CN104569970A (zh) * | 2014-12-24 | 2015-04-29 | 南京航空航天大学 | 一种用于机载雷达前视单脉冲成像的自聚焦方法 |
CN107683423A (zh) * | 2015-05-15 | 2018-02-09 | 德克萨斯仪器股份有限公司 | 用于调频连续波雷达中的对象检测的低复杂度超分辨率技术 |
US11327166B2 (en) | 2015-05-15 | 2022-05-10 | Texas Instruments Incorporated | Low complexity super-resolution technique for object detection in frequency modulation continuous wave radar |
CN107683423B (zh) * | 2015-05-15 | 2022-02-15 | 德克萨斯仪器股份有限公司 | 用于调频连续波雷达中的对象检测的低复杂度超分辨率技术 |
CN105137425A (zh) * | 2015-07-17 | 2015-12-09 | 电子科技大学 | 基于卷积反演原理的扫描雷达前视角超分辨方法 |
CN105137425B (zh) * | 2015-07-17 | 2017-12-01 | 电子科技大学 | 基于卷积反演原理的扫描雷达前视角超分辨方法 |
CN105137408B (zh) * | 2015-07-23 | 2017-06-27 | 电子科技大学 | 一种最优天线方向图选取的雷达角超分辨方法 |
CN105137408A (zh) * | 2015-07-23 | 2015-12-09 | 电子科技大学 | 一种最优天线方向图选取的雷达角超分辨方法 |
CN105137402A (zh) * | 2015-08-19 | 2015-12-09 | 电子科技大学 | 一种基于gpu的机载前视扫描雷达并行处理方法 |
CN105137402B (zh) * | 2015-08-19 | 2017-05-10 | 电子科技大学 | 一种基于gpu的机载前视扫描雷达并行处理方法 |
GB2564648B (en) * | 2017-07-17 | 2020-11-25 | Jaguar Land Rover Ltd | A synthetic aperture radar system for use in a ground vehicle |
CN108363057A (zh) * | 2018-02-08 | 2018-08-03 | 北京航空航天大学 | 合成孔径雷达探测方法、装置及存储介质 |
CN108363057B (zh) * | 2018-02-08 | 2020-08-28 | 北京航空航天大学 | 合成孔径雷达探测方法、装置及存储介质 |
CN109444890A (zh) * | 2018-11-22 | 2019-03-08 | 成都汇蓉国科微系统技术有限公司 | 一种用于复杂条件下的雷达成像方法、系统及介质 |
CN110109097A (zh) * | 2019-06-06 | 2019-08-09 | 电子科技大学 | 一种扫描雷达前视成像方位超分辨方法 |
CN110109097B (zh) * | 2019-06-06 | 2021-04-13 | 电子科技大学 | 一种扫描雷达前视成像方位超分辨方法 |
CN110346793A (zh) * | 2019-07-24 | 2019-10-18 | 电子科技大学 | 一种分布式阵列雷达迭代自适应高分辨成像方法 |
CN110568410B (zh) * | 2019-10-09 | 2021-08-31 | 上海无线电设备研究所 | 一种空间频率色散的微波雷达超分辨方法 |
CN110568410A (zh) * | 2019-10-09 | 2019-12-13 | 上海无线电设备研究所 | 一种空间频率色散的微波雷达超分辨方法 |
CN112083416A (zh) * | 2020-09-18 | 2020-12-15 | 电子科技大学 | 一种运动平台扫描雷达超分辨成像视场选择方法 |
CN112083416B (zh) * | 2020-09-18 | 2022-07-15 | 电子科技大学 | 一种运动平台扫描雷达超分辨成像视场选择方法 |
CN113917465A (zh) * | 2021-10-21 | 2022-01-11 | 苏州威陌电子信息科技有限公司 | 一种sar雷达成像方法及系统 |
CN113917465B (zh) * | 2021-10-21 | 2022-07-26 | 苏州威陌电子信息科技有限公司 | 一种sar雷达成像方法及系统 |
CN114545405A (zh) * | 2022-02-24 | 2022-05-27 | 电子科技大学 | 一种基于神经网络的实波束扫描雷达角超分辨方法 |
CN114545405B (zh) * | 2022-02-24 | 2023-05-02 | 电子科技大学 | 一种基于神经网络的实波束扫描雷达角超分辨方法 |
CN115015933A (zh) * | 2022-08-02 | 2022-09-06 | 中国人民解放军国防科技大学 | 基于轻小型平台的前视sar成像方法、装置和雷达 |
Also Published As
Publication number | Publication date |
---|---|
CN102967858B (zh) | 2014-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102967858B (zh) | 雷达前视超分辨成像方法 | |
CN102967859B (zh) | 一种前视扫描雷达成像方法 | |
CN103869311B (zh) | 实波束扫描雷达超分辨成像方法 | |
CN102778681B (zh) | 固定发射站双基地前视合成孔径雷达成像方法 | |
CN102393518B (zh) | 一种适用于大斜视角的机载sar成像方法 | |
CN103207387B (zh) | 一种机载相控阵pd雷达杂波的快速模拟方法 | |
CN102749621B (zh) | 一种双基地合成孔径雷达频域成像方法 | |
CN102707269B (zh) | 一种机载雷达距离走动校正方法 | |
CN103176168B (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN103487803B (zh) | 迭代压缩模式下机载扫描雷达成像方法 | |
CN106970386A (zh) | 一种雷达多普勒波束锐化的优化方法 | |
CN102313887B (zh) | 一种星机联合双基地合成孔径雷达成像方法 | |
CN102230964B (zh) | 曲线轨迹模型下的geo sar调频率变标成像方法 | |
CN102288948B (zh) | 基于stap的高速平台高速空中动目标检测方法 | |
CN102749620B (zh) | 一种弹载/机载雷达单脉冲前视成像处理方法 | |
CN102998672A (zh) | 基于相干化处理的步进频率isar成像方法 | |
CN104808204A (zh) | 一种固定发射站双基前视sar动目标检测方法与成像方法 | |
CN104166129A (zh) | 一种实波束雷达迭代最小均方误差角超分辨方法 | |
CN105137430A (zh) | 一种前视阵列sar的回波稀疏获取及其三维成像方法 | |
CN105137425A (zh) | 基于卷积反演原理的扫描雷达前视角超分辨方法 | |
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 | |
CN104267389A (zh) | 一种mimo天波超视距雷达信号处理方法 | |
CN102565772B (zh) | 基于sar子孔径序列图像的海洋动态信息提取方法 | |
CN104166134A (zh) | 一种实波束前视扫描雷达目标二维定位方法 | |
CN105447867A (zh) | 基于isar图像的空间目标姿态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |