CN103163505A - 基于jade的时变窄带干扰抑制方法 - Google Patents
基于jade的时变窄带干扰抑制方法 Download PDFInfo
- Publication number
- CN103163505A CN103163505A CN2013100542886A CN201310054288A CN103163505A CN 103163505 A CN103163505 A CN 103163505A CN 2013100542886 A CN2013100542886 A CN 2013100542886A CN 201310054288 A CN201310054288 A CN 201310054288A CN 103163505 A CN103163505 A CN 103163505A
- Authority
- CN
- China
- Prior art keywords
- matrix
- expression
- vector
- signal
- albefaction
- 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JADE的时变窄带干扰抑制方法,其步骤包括:(1)雷达录取回波;(2)判断是否存在窄带干扰;(3)预处理;(4)分离基信号;(5)提取干扰信号;(6)剔除干扰信号;(7)判断是否遍历完所有方位回波;(8)结束遍历。本发明通过采用近似联合对角化JADE方法直接在信号数据域提取窄带干扰,充分利用雷达信号与干扰信号统计特性的差异性,能够有效地抑制时变的窄带干扰,保留有用回波信号,克服了小波变换法耗时多、复数经验模态分解法对干扰信号分离不彻底的不足,具有信号损失小、抑制效果好的优点。
Description
技术领域
本发明属于信号处理技术领域,更进一步涉及雷达信号处理技术领域中的一种基于近似联合对角化(Joint Approximate Diagonalization of Eigen-matrices,JADE)的时变窄带干扰抑制方法。本发明可在有效地保留有用雷达回波信号的同时,尽可能地抑制针对雷达的时变窄带干扰,从而实现对雷达回波信号清晰成像。
背景技术
窄带干扰是针对合成孔径雷达系统的主要干扰方式之一。所谓窄带干扰是指干扰信号带宽与合成孔径雷达发射信号带宽之比很小(比如1%)的信号。窄带干扰可分为非人为干扰和人为干扰两类。非人为干扰主要包括与SAR处于同一频段的通讯设备、电视网和其它低频波段辐射设备。人为窄带干扰具有干扰功率大,针对性强,干扰实现简单,形式多变等特点,最常见的有强脉冲干扰和频率引导“瞄准式”干扰。这些干扰的存在降低了SAR回波数据的信干噪比,尤其是在干扰功率较大的情况下,会使得图像中出现亮线并且使图像变模糊,从而严重降低了SAR图像质量。因此,如何对窄带干扰形式进行有效的识别和抑制是目前SAR干扰处理技术的重要课题。
张双喜等人在文献“利用小波变换进行合成孔径雷达窄带干扰抑制算法”(西安电子科技大学学报自然科学版,vol.38,no.5,pp.108-114,2011年)中提出一种基于小波变换的窄带干扰抑制方法。该方法首先将回波信号的频谱变换到小波域中,再把窄带干扰所对应的小波系数检测出来并通过设计具体的时频域滤波器去除干扰,从而实现窄带干扰抑制。但是该方法存在的不足之处是,在不同的尺度下需要对选定提取的窄带干扰的阈值进行恒虚警率检测,从而对小波变换中的小波系数检测需要消耗较多的时间。
西安电子科技大学在其申请的专利“基于复数经验模态分解的时变窄带干扰抑制方法”(专利申请号201210001678.2,公开号CN102520396A)中公开了一种利用复数经验模态分解的时变窄带干扰抑制方法。该方法将信号分解成一系列本征模态函数,在抑制窄带干扰的同时充分保留了信号本身的非线性和非平稳特征,但是该方法仍存在的不足是,对局部信号分析处理未考虑干扰信号的全局统计特性,从而导致干扰信号分离不彻底。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于JADE的时变窄带干扰抑制方法。该方法弥补了小波变换法耗时比较多、复数经验模态分解法对干扰信号分离不彻底的不足,充分利用雷达信号与干扰信号统计特性的差异性,根据JADE分解方法直接在信号数据域提取窄带干扰并进行抑制,能够保留有用回波信号,有效地抑制时变的窄带干扰。
实现本发明的基本思路是:首先,在频域对回波数据进行窄带干扰定性识别,对存在干扰的回波进行时间平滑,并对信号进行白化处理;其次,利用SAR回波和窄带干扰信号的独立性,对回波进行JADE分解,得到一系列的基信号,通过能量阈值检测实现干扰基信号识别;最后,采用最小二乘方法获得对干扰基信号的复包络的精确估计后,重构干扰信号,并从原始回波中消去干扰信号,实现方位时变窄带干扰抑制。
本发明的具体步骤如下:
(1)雷达录取回波,得到以距离为行向量,以方位为列向量的回波数据;
(2)判断回波数据是否存在窄带干扰:
2a)对回波数据的列向量进行傅里叶变换,得到一维距离像;
2b)按照下式计算一维距离像的相对幅度比:
其中,R表示一维距离像的相对幅度比,max(·)表示求最大值运算符号,|·|表示求模值运算符号,P表示一维距离像,mean(·)表示求均值运算符号;
2c)判断一维距离像的相对幅度比是否大于或等于幅度阈值,若是,则执行步骤(3);否则,执行步骤(7);
(3)预处理:
3a)以定长在回波数据的列向量中滑动选取数据,以每次所选取的数据为行向量,组成数据矩阵;
3b)分别计算数据矩阵每行的均值,将数据矩阵的各行数据分别与其所在行对应的均值相减,并将差值依次作为行向量中的元素,组成零均值数据矩阵;
3c)计算零均值数据矩阵的协方差矩阵,并对协方差矩阵进行特征值分解,得到特征值对角矩阵和特征向量矩阵;
3d)按照下式计算白化矩阵:
W=Λ-1/2QH
其中,W表示白化矩阵,Λ表示特征值对角矩阵,Λ-1/2表示对Λ进行开方求逆得到的矩阵,Q表示特征向量矩阵,QH表示Q的共轭转置矩阵;
3e)将白化矩阵与零均值数据矩阵相乘,得到白化观测矩阵;
(4)分离基信号:
4a)按照下式计算白化观测矩阵的四阶协方差矩阵:
其中,C表示白化观测矩阵的四阶协方差矩阵,N表示白化观测矩阵的列数,表示对第1项到第N项的求和运算符号,k表示白化观测矩阵列向量的编号,Zk表示白化观测矩阵第k列向量,表示Zk的共轭转置向量,R表示白化观测矩阵的自相关矩阵,tr(R)表示对自相关矩阵R求矩阵迹得到的数值;
4b)对四阶协方差矩阵进行特征值分解,得到一组特征向量,依次将每一个特征向量与自身的共轭转置向量相乘,得到各特征向量对应的转换矩阵;
4c)按照下式计算四阶累积量矩阵:
其中,CP表示第p个特征向量对应的四阶累积量矩阵,p表示特征向量的标号,p的取值范围为[1,L],L表示步骤3a)中选取的定长,N表示白化观测矩阵的列数,表示对第1项到第N项的求和运算符号,k表示白化观测矩阵列向量的编号,Zk表示白化观测矩阵第k列向量,表示Zk的共轭转置向量,Ep表示第p个特征向量对应的转换矩阵,R表示白化观测矩阵的自相关矩阵,tr(·)表示求矩阵迹运算符号,表示Ep的共轭转置矩阵;
4d)按照联合对角化法计算Givens旋转矩阵;
4e)利用JADE原理计算基信号矩阵;
(5)提取干扰信号:
5a)依次将基信号矩阵中的行向量作为基信号,按照下式计算各基信号的峰值能量比:
其中,τm表示第m个基信号的峰值能量比,m表示基信号矩阵的行数,max(·)表示计算最大值运算符号,FT(·)表示傅里叶变换运算符号,ym表示基信号矩阵的第m行向量,E(·)表示求均值运算符号;
5b)将峰值能量比大于或等于能量阈值的基信号作为干扰基信号;
5c)以干扰基信号为行向量,组成干扰信号矩阵;
(6)剔除干扰信号:
6a)按照最小二乘法估计干扰信号的复包络,得到复包络向量;
6b)将复包络向量和步骤5c)得到的干扰信号矩阵相乘,将乘积作为重构的干扰信号;
6c)将回波数据的列向量与重构的干扰信号相减,得到剔除干扰后的回波数据的列向量;
(7)判断是否遍历完所有回波数据的列向量,若遍历完,则执行步骤(8);否则,执行步骤(2);
(8)获取剔除干扰后的回波数据。
与现有技术相比,本发明具有以下优点:
第一,本发明通过在频域对窄带干扰进行定性识别,不需要估计任何参数,并对数据进行白化处理,降低数据矩阵的维数,克服了现有技术中小波变换方法需要精确估计干扰频率,多次设置阈值导致运算量大的不足,使得本发明具有运算量较少,效率较高的优点。
第二,本发明通过采用JADE分解方法,充分利用回波信号和干扰信号的统计特性差异,按照独立性度量指标将干扰信号与回波信号独立的分离出来,克服了现有技术中基于复数经验模态分解方法仅考虑局部统计特性,而造成干扰抑制不充分的缺点,使得本发明具有信号损失小,抑制效果好的优点。
附图说明
图1为本发明的流程图;
图2为本发明的仿真图。
具体实施方式
下面结合附图1,对本发明具体实施方式作进一步的详细描述。
步骤1,获取场景的SAR回波,雷达以脉冲重复频率发射并接收脉冲,得到以距离为行向量,以方位为列向量的SAR回波数据。
步骤2,判断回波数据是否存在窄带干扰。
对回波数据的列向量进行傅里叶变换,得到一维距离像;按照下式计算一维距离像的相对幅度比:
其中,R表示一维距离像的相对幅度比,max(·)表示求最大值运算符号,|·|表示求模值运算符号,P表示一维距离像,mean(·)表示求均值运算符号;判断一维距离像的相对幅度比是否大于或等于幅度阈值,若是,则执行步骤3;否则,执行步骤7。
步骤3,回波数据预处理。
3a)以定长在回波数据的列向量中滑动选取数据,以每次所选取的数据为行向量,组成数据矩阵,其中,定长的限定如下:
其中,n表示用户选定的窄带干扰分量个数,通常取1~32之间,L表示定长,N表示距离维采样点数目。
3b)分别计算数据矩阵每行的均值,将数据矩阵的各行数据分别与其所在行对应的均值相减,并将差值依次作为行向量中的元素,组成零均值数据矩阵。
3c)计算零均值数据矩阵的协方差矩阵,并对协方差矩阵进行特征值分解,得到特征值对角矩阵和特征向量矩阵,其中,特征值分解方法如下:
CX=QΛQH
其中,CX表示零均值数据矩阵的协方差矩阵,Q表示协方差矩阵的特征向量矩阵,Λ表示协方差矩阵的特征值对角矩阵,QH表示Q的共轭转置矩阵。
3d)按照下式计算白化矩阵:
W=Λ-1/2QH
其中,W表示白化矩阵,Λ表示特征值对角矩阵,Λ-1/2表示对Λ进行开方求逆得到的矩阵,Q表示特征向量矩阵,QH表示Q的共轭转置矩阵。
3e)将白化矩阵与步骤3b)得到的零均值数据矩阵相乘,得到白化观测矩阵。
步骤4,利用JADE分离基信号。
4a)按照下式计算白化观测矩阵的四阶协方差矩阵:
其中,C表示白化观测矩阵的四阶协方差矩阵,N表示白化观测矩阵的列数,表示对第1项到第N项的求和运算符号,k表示白化观测矩阵列向量的编号,Zk表示白化观测矩阵第k列向量,表示Zk的共轭转置向量,R表示白化观测矩阵的自相关矩阵,tr(R)表示对自相关矩阵R求矩阵迹得到的数值。
4b)对四阶协方差矩阵按照下式进行特征值分解,得到一组特征向量,依次将每一个特征向量与自身的共轭转置向量相乘,得到各特征向量对应的转换矩阵:
C=UDUH
其中,C表示步骤4a)得到的四阶协方差矩阵,U表示四阶协方差矩阵的特征向量矩阵,U=[u1,u2,...,uL],u1,u2,...,uL表示特征向量,L表示步骤3a)中限定的定长,D表示四阶协方差矩阵的特征值对角矩阵,D=diag[λ1,λ2,...,λL],diag[λ1,λ2,...,λL]表示以特征值λ1,λ2,...,λL为对角线元素的对角矩阵,UH表示U的共轭转置矩阵。
4c)按照下式计算四阶累积量矩阵:
其中,CP表示第p个特征向量对应的四阶累积量矩阵,p表示特征向量的标号,p的取值范围为[1,L],L表示步骤3a)中选取的定长,N表示白化观测矩阵的列数,表示对第1项到第N项的求和运算符号,k表示白化观测矩阵列向量的编号,Zk表示白化观测矩阵第k列向量,表示Zk的共轭转置向量,Ep表示第p个特征向量对应的转换矩阵,R表示白化观测矩阵的自相关矩阵,tr(·)表示求矩阵迹运算符号,表示Ep的共轭转置矩阵。
4d)按照联合对角化法计算Givens旋转矩阵,其中,联合对角化法如下:
其中,G表示Givens旋转矩阵,argmin(·)表示计算使目标函数取最小值时对应变量值的运算符号,表示对第1项到第L项求和的运算符号,p表示步骤4b)得到的特征向量的序号,L表示步骤3a)中选取的定长,off(·)表示对矩阵非对角线元素求和运算符号,GH表示Givens旋转矩阵G的共轭转置矩阵,CP表示步骤4c)得到的第p个特征向量对应的四阶累积量矩阵。
4e)利用JADE原理计算基信号矩阵,其中,JADE原理如下:
S=GHWX
其中,S表示基信号矩阵,G表示步骤4d)得到的Givens旋转矩阵,GH表示G的共轭转置矩阵,W表示步骤3d)得到的白化矩阵,X表示步骤3e)得到的白化观测矩阵。
步骤5,提取干扰信号。
依次将基信号矩阵中的行向量作为基信号,按照下式计算各基信号的峰值能量比:
其中,τm表示第m个基信号的峰值能量比,m表示基信号矩阵的行数,max(·)表示计算最大值运算符号,FT(·)表示傅里叶变换运算符号,ym表示基信号矩阵的第m行向量,E(·)表示求均值运算符号;将峰值能量比大于或等于能量阈值的基信号作为干扰基信号,其中,能量阈值限定在2~10之间;以干扰基信号为行向量,组成干扰信号矩阵;
步骤6,剔除干扰信号。
6a)按照最小二乘法估计干扰信号的复包络,得到复包络向量,其中,最小二乘法如下:
A=(IHI)-1IHd
其中,A表示干扰信号的复包络向量,I表示干扰信号矩阵,IH表示干扰信号矩阵I的共轭转置矩阵,(·)-1表示矩阵求逆运算符号,d表示回波数据的列向量。
6b)将复包络向量和步骤5得到的干扰信号矩阵相乘,将乘积作为重构的干扰信号,其中重构的干扰信号可按下式进行计算:
J=AI
其中,J表示重构的干扰信号,A表示步骤6a)得到的干扰信号的复包络向量,I表示步骤6a)得到的干扰信号矩阵。
6c)将回波数据的列向量与重构的干扰信号相减,得到剔除干扰后的回波数据的列向量,其中,剔除干扰后的回波数据的列向量可按下式进行计算:
F=d-J
其中,F表示剔除干扰后的回波数据的列向量,d表示回波数据的列向量,J为步骤6b)得到的重构干扰信号。
步骤7,判断是否遍历完所有回波数据的列向量,若遍历完,则执行步骤8;否则,执行步骤2。
步骤8,获取剔除干扰后的回波数据。
下面结合附图2所示的仿真图对本发明的效果做进一步的描述。
1.仿真条件
附图2所示的仿真图是在MATLAB(R2010b)软件下进行的。由于雷达回波信号可以近似为线性调频信号,因此,仿真观测信号由一个线性调频信号和一个窄带干扰信号混合组成。原线性调频信号的调频率为6×1012Hz/s,干扰信号载频fc为10MHz,采样频率为150MHz,观测时间为[-3.4,3.4]μs。
2.仿真内容
首先,对混合信号进行傅里叶变换,得到附图2(a)的距离维幅频特性图;然后,对混合信号进行WVD变换,得到附图2(b)的结果图;接着,采用JADE分解方法直接在信号数据域提取窄带干扰分量,并对窄带干扰分量进行WVD变换,得到附图2(c)的结果图;最后,重构干扰信号并从混合信号中剔除干扰信号,得到附图2(d)的结果图。
3.附图说明
附图2(a)是对混合信号进行傅里叶变换的距离维幅频特性图,其中,横坐标表示频域单元,纵坐标表示归一化幅度值,从图中可看出,由于窄带干扰的存在,线性调频信号频谱中存在明显的带内冲激干扰,在一个小频率段中幅值出现了突变,幅值比其它幅值高出了10倍左右。
附图2(b)是对混合信号进行WVD变换的结果图,其中,横坐标表示时间单元,纵坐标表示频率单元,由图中可看出,斜线表示线性调频信号的WVD变换结果,水平线表示干扰分量的WVD变换结果,图2(b)中的水平线与斜线交叉处存在阴影区域,这是由于观测信号为线性调频信号和干扰的混合,因此WVD变换结果中不仅存在自有项,还存在大量的交叉项,说明线性调频信号受到了干扰信号的影响。
附图2(c)是利用本文算法提出的干扰分量的WVD变换结果图,其中,横坐标表示时间单元,纵坐标表示频率单元。由图2(c)中可见,图2(c)中的水平线表示干扰分量的WVD变换结果,说明提取出来的干扰信号只有单频信息,时频信息很好的保留了下来。
附图2(d)是剔除干扰后的有用信号的WVD变换结果图,其中,横坐标表示时间单元,纵坐标表示频率单元。由图2(d)中可见,图2(d)中的斜线表示干扰分量的WVD变换结果,说明被恢复出来的信号时频域中已没有与窄带干扰的交叉项,只保留了原线性调频信号的时频信息。因此证明了本方法的有效性。
Claims (7)
1.基于JADE的时变窄带干扰抑制方法,包括如下步骤:
(1)雷达录取回波,得到以距离为行向量,以方位为列向量的回波数据;
(2)判断回波数据是否存在窄带干扰:
2a)对回波数据的列向量进行傅里叶变换,得到一维距离像;
2b)按照下式计算一维距离像的相对幅度比:
其中,R表示一维距离像的相对幅度比,max(·)表示求最大值运算符号,||·||表示求模值运算符号,P表示一维距离像,mean(·)表示求均值运算符号;
2c)判断一维距离像的相对幅度比是否大于或等于幅度阈值,若是,则执行步骤(3);否则,执行步骤(7);
(3)预处理:
3a)以定长在回波数据的列向量中滑动选取数据,以每次所选取的数据为行向量,组成数据矩阵;
3b)分别计算数据矩阵每行的均值,将数据矩阵的各行数据分别与其所在行对应的均值相减,并将差值依次作为行向量中的元素,组成零均值数据矩阵;
3c)计算零均值数据矩阵的协方差矩阵,并对协方差矩阵进行特征值分解,得到特征值对角矩阵和特征向量矩阵;
3d)按照下式计算白化矩阵:
W=Λ-1/2QH
其中,W表示白化矩阵,Λ表示特征值对角矩阵,Λ-1/2表示对Λ进行开方求逆得到的矩阵,Q表示特征向量矩阵,QH表示Q的共轭转置矩阵;
3e)将白化矩阵与步骤3b)得到的零均值数据矩阵相乘,得到白化观测矩阵;
(4)分离基信号:
4a)按照下式计算白化观测矩阵的四阶协方差矩阵:
其中,C表示白化观测矩阵的四阶协方差矩阵,N表示白化观测矩阵的列数,表示对第1项到第N项的求和运算符号,k表示白化观测矩阵列向量的编号,Zk表示白化观测矩阵第k列向量,表示Zk的共轭转置向量,R表示白化观测矩阵的自相关矩阵,tr(R)表示对自相关矩阵R求矩阵迹得到的数值;
4b)对四阶协方差矩阵进行特征值分解,得到一组特征向量,依次将每一个特征向量与自身的共轭转置向量相乘,得到各特征向量对应的转换矩阵;
4c)按照下式计算四阶累积量矩阵:
其中,CP表示第p个特征向量对应的四阶累积量矩阵,p表示特征向量的标号,p的取值范围为[1,L],L表示步骤3a)中选取的定长,N表示白化观测矩阵的列数,表示对第1项到第N项的求和运算符号,k表示白化观测矩阵列向量的编号,Zk表示白化观测矩阵第k列向量,表示Zk的共轭转置向量,Ep表示第p个特征向量对应的转换矩阵,R表示白化观测矩阵的自相关矩阵,tr(·)表示求矩阵迹运算符号,表示Ep的共轭转置矩阵;
4d)按照联合对角化法计算Givens旋转矩阵;
4e)利用JADE计算基信号矩阵;
(5)提取干扰信号:
5a)依次将基信号矩阵中的行向量作为基信号,按照下式计算各基信号的峰值能量比:
其中,τm表示第m个基信号的峰值能量比,m表示基信号矩阵的行数,max(·)表示计算最大值运算符号,FT(·)表示傅里叶变换运算符号,ym表示基信号矩阵的第m行向量,E(·)表示求均值运算符号;
5b)将峰值能量比大于或等于能量阈值的基信号作为干扰基信号;
5c)以干扰基信号为行向量,组成干扰信号矩阵;
(6)剔除干扰信号:
6a)按照最小二乘法估计干扰信号的复包络,得到复包络向量;
6b)将复包络向量和步骤5c)得到的干扰信号矩阵相乘,将乘积作为重构的干扰信号;
6c)将回波数据的列向量与重构的干扰信号相减,得到剔除干扰后的回波数据的列向量;
(7)判断是否遍历完所有回波数据的列向量,若遍历完,则执行步骤(8);否则,执行步骤(2);
(8)获取剔除干扰后的回波数据。
2.根据权利要求1所述的基于JADE的时变窄带干扰抑制方法,其特征在于,步骤2c)中所述的幅度阈值限定在2~5之间。
3.根据权利要求1所述的基于JADE的时变窄带干扰抑制方法,其特征在于,步骤3a)中所述的定长限定如下:
其中,n表示用户选定的窄带干扰分量个数,通常取1~32之间,L表示定长,N表示距离维采样点数目。
4.根据权利要求1所述的基于JADE的时变窄带干扰抑制方法,其特征在于,步骤4d)中所述的联合对角化法如下:
其中,G表示Givens旋转矩阵,argmin(·)表示计算使目标函数取最小值时对应变量值的运算符号,表示对第1项到第L项求和的运算符号,p表示步骤4b)得到的特征向量的序号,L表示步骤3a)中选取的定长,off(·)表示对矩阵非对角线元素求和运算符号,GH表示Givens旋转矩阵G的共轭转置矩阵,CP表示步骤4c)得到的第p个特征向量对应的四阶累积量矩阵。
5.根据权利要求1所述的基于JADE的时变窄带干扰抑制方法,其特征在于,步骤4e)中所述的JADE原理如下:
S=GHWX
其中,S表示基信号矩阵,G表示步骤4d)得到的Givens旋转矩阵,GH表示G的共轭转置矩阵,W表示步骤3d)得到的白化矩阵,X表示步骤3e)得到的白化观测矩阵。
6.根据权利要求1所述的基于JADE的时变窄带干扰抑制方法,其特征在于,步骤5b)中所述的能量阈值限定在2~10之间。
7.根据权利要求1所述的基于JADE的时变窄带干扰抑制方法,其特征在于,步骤6a)中所述的最小二乘法如下:
A=(IHI)-1IHd
其中,A表示干扰信号的复包络向量,I表示干扰信号矩阵,IH表示干扰信号矩阵I的共轭转置矩阵,(·)-1表示矩阵求逆运算符号,d表示回波数据的列向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310054288.6A CN103163505B (zh) | 2013-01-31 | 2013-01-31 | 基于jade的时变窄带干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310054288.6A CN103163505B (zh) | 2013-01-31 | 2013-01-31 | 基于jade的时变窄带干扰抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103163505A true CN103163505A (zh) | 2013-06-19 |
CN103163505B CN103163505B (zh) | 2014-12-03 |
Family
ID=48586751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310054288.6A Expired - Fee Related CN103163505B (zh) | 2013-01-31 | 2013-01-31 | 基于jade的时变窄带干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103163505B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439691A (zh) * | 2013-08-30 | 2013-12-11 | 西安电子科技大学 | 宽带组网雷达抑制窄带干扰的方法 |
CN103792518A (zh) * | 2014-01-28 | 2014-05-14 | 北京川速微波科技有限公司 | 一种微波测速雷达环境干扰识别和抑制方法 |
CN105372637A (zh) * | 2015-10-28 | 2016-03-02 | 西安电子科技大学 | 基于运动车辆目标微动特性的对雷达的窄带欺骗干扰方法 |
CN108021871A (zh) * | 2017-11-22 | 2018-05-11 | 华南理工大学 | 一种基于主成分分析的特征频率提取方法 |
CN108287333A (zh) * | 2018-03-19 | 2018-07-17 | 电子科技大学 | 一种联合jade和clean的主瓣抗干扰方法 |
CN109672487A (zh) * | 2018-12-13 | 2019-04-23 | 宁波连鸿电子科技有限公司 | 一种鲁棒性自适应可变负载滤波器的干扰调节方法 |
CN110084185A (zh) * | 2019-04-25 | 2019-08-02 | 西南交通大学 | 一种高速列车小幅蛇行运行特征的快速提取方法 |
CN111373251A (zh) * | 2017-09-22 | 2020-07-03 | 罗伯特·博世有限公司 | 用于处理由声学传感器接收的回波信号的方法和设备 |
CN111478870A (zh) * | 2020-04-01 | 2020-07-31 | 北京盛讯通科技有限公司 | 增强宽带d2d系统同步方法和系统 |
CN112051557A (zh) * | 2020-09-04 | 2020-12-08 | 中国船舶重工集团公司第七二四研究所 | 一种基于时频特征量化分析的有源干扰在线认知方法 |
CN113114597A (zh) * | 2021-03-25 | 2021-07-13 | 电子科技大学 | 一种基于jade算法的四输入信号分离方法及系统 |
WO2022205199A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 一种干扰处理方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3916406A (en) * | 1963-02-20 | 1975-10-28 | Us Navy | Jamming cancellation device |
WO1996015462A1 (en) * | 1994-11-10 | 1996-05-23 | Hans Hellsten | Method of improving data obtained by a radar |
WO1997050186A2 (en) * | 1996-06-27 | 1997-12-31 | Lamar Signal Processing Ltd. | System and method for adaptive interference cancelling |
CN101334469A (zh) * | 2008-08-04 | 2008-12-31 | 北京理工大学 | 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法 |
CN102736070A (zh) * | 2012-07-12 | 2012-10-17 | 南京信息工程大学 | 一种基于希尔伯特黄变换的风廓线雷达去噪方法 |
-
2013
- 2013-01-31 CN CN201310054288.6A patent/CN103163505B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3916406A (en) * | 1963-02-20 | 1975-10-28 | Us Navy | Jamming cancellation device |
WO1996015462A1 (en) * | 1994-11-10 | 1996-05-23 | Hans Hellsten | Method of improving data obtained by a radar |
WO1997050186A2 (en) * | 1996-06-27 | 1997-12-31 | Lamar Signal Processing Ltd. | System and method for adaptive interference cancelling |
CN101334469A (zh) * | 2008-08-04 | 2008-12-31 | 北京理工大学 | 基于分数阶傅立叶变换的风廓线雷达杂波抑制方法 |
CN102736070A (zh) * | 2012-07-12 | 2012-10-17 | 南京信息工程大学 | 一种基于希尔伯特黄变换的风廓线雷达去噪方法 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103439691B (zh) * | 2013-08-30 | 2015-05-27 | 西安电子科技大学 | 宽带组网雷达抑制窄带干扰的方法 |
CN103439691A (zh) * | 2013-08-30 | 2013-12-11 | 西安电子科技大学 | 宽带组网雷达抑制窄带干扰的方法 |
CN103792518A (zh) * | 2014-01-28 | 2014-05-14 | 北京川速微波科技有限公司 | 一种微波测速雷达环境干扰识别和抑制方法 |
CN103792518B (zh) * | 2014-01-28 | 2015-11-11 | 北京川速微波科技有限公司 | 一种微波测速雷达环境干扰识别和抑制方法 |
CN105372637A (zh) * | 2015-10-28 | 2016-03-02 | 西安电子科技大学 | 基于运动车辆目标微动特性的对雷达的窄带欺骗干扰方法 |
CN111373251A (zh) * | 2017-09-22 | 2020-07-03 | 罗伯特·博世有限公司 | 用于处理由声学传感器接收的回波信号的方法和设备 |
CN111373251B (zh) * | 2017-09-22 | 2023-11-28 | 罗伯特·博世有限公司 | 用于处理由声学传感器接收的回波信号的方法和设备 |
CN108021871A (zh) * | 2017-11-22 | 2018-05-11 | 华南理工大学 | 一种基于主成分分析的特征频率提取方法 |
CN108021871B (zh) * | 2017-11-22 | 2020-07-28 | 华南理工大学 | 一种基于主成分分析的特征频率提取方法 |
CN108287333B (zh) * | 2018-03-19 | 2020-05-12 | 电子科技大学 | 一种联合jade和clean的主瓣抗干扰方法 |
CN108287333A (zh) * | 2018-03-19 | 2018-07-17 | 电子科技大学 | 一种联合jade和clean的主瓣抗干扰方法 |
CN109672487B (zh) * | 2018-12-13 | 2021-04-16 | 宁波连鸿电子科技有限公司 | 一种鲁棒性自适应可变负载滤波器的干扰调节方法 |
CN109672487A (zh) * | 2018-12-13 | 2019-04-23 | 宁波连鸿电子科技有限公司 | 一种鲁棒性自适应可变负载滤波器的干扰调节方法 |
CN110084185B (zh) * | 2019-04-25 | 2021-03-16 | 西南交通大学 | 一种高速列车小幅蛇行运行特征的快速提取方法 |
CN110084185A (zh) * | 2019-04-25 | 2019-08-02 | 西南交通大学 | 一种高速列车小幅蛇行运行特征的快速提取方法 |
CN111478870A (zh) * | 2020-04-01 | 2020-07-31 | 北京盛讯通科技有限公司 | 增强宽带d2d系统同步方法和系统 |
CN112051557A (zh) * | 2020-09-04 | 2020-12-08 | 中国船舶重工集团公司第七二四研究所 | 一种基于时频特征量化分析的有源干扰在线认知方法 |
CN112051557B (zh) * | 2020-09-04 | 2023-12-12 | 中国船舶集团有限公司第七二四研究所 | 一种基于时频特征量化分析的有源干扰在线认知方法 |
CN113114597A (zh) * | 2021-03-25 | 2021-07-13 | 电子科技大学 | 一种基于jade算法的四输入信号分离方法及系统 |
CN113114597B (zh) * | 2021-03-25 | 2022-04-29 | 电子科技大学 | 一种基于jade算法的四输入信号分离方法及系统 |
WO2022205199A1 (zh) * | 2021-03-31 | 2022-10-06 | 华为技术有限公司 | 一种干扰处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103163505B (zh) | 2014-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103163505B (zh) | 基于jade的时变窄带干扰抑制方法 | |
Tao et al. | Wideband interference mitigation in high-resolution airborne synthetic aperture radar data | |
Zhou et al. | Narrow-band interference suppression for SAR based on independent component analysis | |
Zhang et al. | Interference suppression algorithm for SAR based on time–frequency transform | |
Wang et al. | Blind source extraction of acoustic emission signals for rail cracks based on ensemble empirical mode decomposition and constrained independent component analysis | |
Zhou et al. | Research on methods for narrow-band interference suppression in synthetic aperture radar data | |
CN105974376B (zh) | 一种sar射频干扰抑制方法 | |
Ma et al. | A novel blind source separation method for single-channel signal | |
CN101908138A (zh) | 基于噪声独立成分分析的合成孔径雷达图像目标识别方法 | |
Alyt et al. | Detection and localization of RF radar pulses in noise environments using wavelet packet transform and higher order statistics | |
CN102520396A (zh) | 基于复数经验模态分解的时变窄带干扰抑制方法 | |
Ghanati et al. | Filtering and parameter estimation of surface-NMR data using singular spectrum analysis | |
CN110336587B (zh) | 一种多跳频信号侦察中获取组合时频分布的方法 | |
Moudden et al. | Blind component separation in wavelet space: Application to CMB analysis | |
CN112287796B (zh) | 基于VMD-Teager能量算子的辐射源识别方法 | |
Divakaran et al. | Wavelet based spectrum sensing techniques for cognitive radio-a survey | |
Demir et al. | Hyperspectral image classification using denoising of intrinsic mode functions | |
Lehmann et al. | Wavelet based methods for improved wind profiler signal processing | |
CN103323819B (zh) | 基于时频谱图分解的sar时变窄带干扰抑制方法 | |
Chen et al. | Airborne SAR suppression of blanket jamming based on second order blind identification and fractional order Fourier transform | |
CN101930605B (zh) | 基于二维混合变换的sar图像目标提取方法及系统 | |
Forte et al. | Experimental study on the performance of RFI detection algorithms in microwave radiometry: Toward an optimum combined test | |
Mehr et al. | A deep neural network approach for detection and classification of GNSS interference and jammer | |
CN103400352A (zh) | 基于混合块相似性的极化sar图像降斑方法 | |
Prünte | Compressed sensing for removing moving target artifacts and reducing noise in SAR images |
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: 20141203 Termination date: 20200131 |
|
CF01 | Termination of patent right due to non-payment of annual fee |