CN103176187B - 一种机载预警雷达地面高速公路目标过滤方法 - Google Patents
一种机载预警雷达地面高速公路目标过滤方法 Download PDFInfo
- Publication number
- CN103176187B CN103176187B CN201110435484.9A CN201110435484A CN103176187B CN 103176187 B CN103176187 B CN 103176187B CN 201110435484 A CN201110435484 A CN 201110435484A CN 103176187 B CN103176187 B CN 103176187B
- Authority
- CN
- China
- Prior art keywords
- target
- doppler
- ground
- early warning
- range cell
- 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.)
- Expired - Fee Related
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明的名称为一种机载预警雷达地面高速公路目标过滤方法,本发明属于雷达技术领域,具体的说是基于多普勒特征的机载预警雷达地面目标过滤方法。要解决的技术问题为对机载预警雷达产生的地面高速公路目标和空中目标的航迹进行正确的识别,以完成地面目标干扰航迹的过滤。本发明主要根据地面高速公路目标和空中目标的多普勒特征差异,包括多普勒速度的大小和多普勒频率的正负性两个方面,以及两者在距离上的分布差异,设计了目标分类准则,完成对两类目标的正确识别和分类。该发明对地面目标和空中目标均有较高的识别概率,从而能够较好的过滤地面目标。该发明可用于机载预警雷达的目标航迹优化。
Description
技术领域
本发明属于雷达技术领域,具体的说是基于多普勒特征的地面目标过滤方法,用于机载预警雷达目标的航迹优化。
背景技术
机载预警雷达通常采用脉冲多普勒(PD)体制,具有低空探测性能好、监视范围广、生存能力强等诸多优势。但在交通发达地区,例如城市与高速公路上,存在大量有较大RCS的运动目标,因此机载预警雷达在其下视工作过程中会检测出大量地面目标,形成频繁起批、断批的干扰航迹。这既增加了雷达情报员进行情报分析和空情判断的难度,也容易造成雷达数据处理系统的工作饱和。因此,需要采用一定的技术将地面目标形成的干扰点迹和航迹滤除。现有的方法主要是利用地面目标与空中目标的速度和高度差异,完成两类目标的分类识别,从而过滤掉地面目标。
机载预警雷达通常设置最小多普勒速度检测门限来抑制这些地面慢速目标,当地面目标速度低于该门限,则无法被检测。英国的“猎迷”预警机雷达则通过在信号处理器中串入一个特殊低速目标滤除电路来过滤地面目标。但这些方法容易将一些相对径向速度较小的空中目标错误滤除,这相当于增加了空中重要目标的检测损失。同时,在机载预警雷达实际工作过程中,仍有20%~30%的地面高速目标会被检测出来,如高速公路目标。这些目标速度较快,超过检测门限,形成干扰点迹和航迹。
除利用速度信息外,还可通过地面目标和空中目标的高度差异来对两类目标进行分类,从而完成地面目标的过滤,如根据直达波和多路径在时间域的分离程度,判定目标的工作高度,但该类方法需要雷达采用宽带信号,其应用受到限制。
发明内容
(一)需解决的技术问题
上述的利用地面和空中目标速度和高度的差异来过滤地面目标会存在各自的问题,本发明以高速公路目标为研究对象,利用地面和空中目标多普勒特征差异信息,在以较高的概率过滤掉地面目标的同时,保证有较高的空中目标识别概率。
(二)技术方案
高速公路上的车辆目标较之空中目标密集,机载预警雷达的一个波束内会照射到多个目标,这些目标相互间的运动状态既有同向行驶,也有相对方向行驶,这样其多普勒频率具有正负性。同时,被检测出的高速公路目标的多普勒频率一般位于速度检测门限对应的多普勒盲区边缘。另外,高速公路目标在距离上的分布较为密集,而空中飞行目标在距离上的分布较为稀疏。根据上述的特征差异,可以设计目标判决准则,对地面目标和空中目标进行正确的分类,从而过滤掉地面目标。因此,本发明的具体方法包括:
首先对机载预警雷达的回波信号做杂波抑制处理。这里,以对地工作模式为背景,采用主杂波对消后接窄带多普勒滤波器组的方式完成杂波抑制。
步骤1.回波信号的脉压处理:对混频后的中频信号通过A/D转换器将其转变为数字信号,对各个脉冲信号进行脉压处理,每个脉冲在每个距离单元上仅在最大值采样一点,再经相位检波,得到第l个距离单元上的零中频信号k=0,1,…,K-1,其中,Al(k)为信号幅度,fd为目标多普勒频率,Tr为脉冲重复周期,K为一个CPI内的相干处理脉冲数,将得到的脉冲信号按脉冲×距离维数据矩阵SK×M存储,M为距离单元数。
步骤2.主杂波对消:首先采用主杂波跟踪技术补偿载机平台运动产生的多普勒频移,然后MTI滤波器进行主杂波对消。具体步骤如下:
1)根据载机速度和天线波束指向估计主杂波的中心多普勒频率,可表示为其中,θ0和分别为主波束指向的方位角和俯仰角,V为载机速度。将步骤1得到的信号数据乘以补偿载机平台运动产生的多普勒频移。
2)对补偿后的信号采用三脉冲AMTI对消器进行滤波,AMTI处理后的主杂波谱中心被移到零频位置。
步骤3.多普勒滤波器组:完成主杂波对消后,对同一个距离单元的一组脉冲数据做FFT得到不同多普勒通道的输出值,即信号的多普勒频谱。
步骤4.根据设置的最小可检测速度门限调整滤波器组的输出:根据机载预警雷达设置的重频Fr,相参积累脉冲个数K和最小可检测速度门限Vd计算出无输出的窄带滤波器个数N,得到新的多普勒通道输出,从而形成检测所需的多普勒×距离维数据矩阵SL×M,L为多普勒通道输出个数,M为距离单元数。
步骤5、恒虚警处理(CFAR)检测:在PD体制的中重频PD模式下,对步骤4得到的多普勒×距离维数据矩阵SL×M进行距离-多普勒域二维CFAR处理,完成杂波与噪声背景下的目标检测。
完成目标检测后,对检测出的目标进行谱分析,根据地面高速公路目标和空中目标的多普勒特征差异,设计两类目标的分类准则。
步骤6.根据多普勒速度进行区分:首先发射四组不同PRF的脉冲串,分别测出对应的目标速度,然后采用不模糊速度扫描法,即对不同PRF的目标回波在真实速度上求重合,得到目标的不模糊速度。当速度V>60m/s时,则判决为空中目标;当V<60m/s时,则需继续判断。
步骤7.根据多普勒频率正负性进行区分:对检测出的多普勒速度低于60m/s的目标,如果在正负多普勒频率处均有谱线被检测出,则将该目标判定为地面目标;如果仅在正负一边被检测出,则需继续判断。
步骤8.利用邻近距离单元的多普勒特征:当某个距离单元的目标多普勒速度小于60m/s,且在正多普勒频率或负多普勒频率一边有谱线被检测出,这时需要利用邻近距离单元的多普勒特征,其步骤如下:
1)将根据多普勒速度判决出的空中目标和根据多普勒频率正负性判决出的地面目标做上标记,作为已判明类别的目标;
2)在无法判明某个距离单元上目标的类别时,在该距离单元两边各取3个距离单元,连同该判决单元组成判决窗;
3)对判决窗内邻近距离单元的不同多普勒特征赋予不同的影响系数Ql,当所有邻近单元的影响系数和大于一定门限时,则该距离单元的目标被判决为地面目标。邻近单元的目标包括3种情况:已判明类别的目标(空中目标-多普勒速度大于60m/s,高速公路目标-正负多普勒频率处均有谱线被检测)、无目标的情况(或没有目标被检测出来)以及暂时无法判断的目标(正负多普勒频率处仅一边有谱线被检测出)。影响系数Ql取值如下:
设置完各个参考距离单元的影响系数后,再进行以下判决:
其中,假设H1表示判决距离单元上的目标被判决为地面目标,假设H0表示判决距离单元上的目标被判决为空中目标。γ为判决门限。γ的选取的原则是要保证两类目标都有较高的识别概率。
步骤9.在完成了地面目标和空中目标的判决后,将判决为地面目标的点迹做上标记或是滤除掉。
(三)本发明的技术优点和积极效果
现有的地面目标过滤技术主要利用了地面目标和空中目标速度大小的差异。对于高PRF模式,采用抑制低速滤波器输出的方法;对于中、低PRF模式,采用地面动目标滤除电路。两种方法均可滤除绝大部分地面动目标,但也会将相对雷达径向速度较小的部分空中目标滤除掉,检测损失增加。本发明中设计的判决准则,在利用了速度大小差异信息的同时,也利用了地面高速公路目标存在相对运动,其多普勒频率具有正负特性的信息,同时还利用了地面目标在距离上分布较为密集,空中目标分布较为稀疏的特性。该判决准则能够在保证较高的空中目标识别概率的基础上,能以较高的概率识别地面目标,从而完成过滤地面目标的任务。
附图说明
图1为本发明方法流程示意图(方框图);
图2为距离判决窗示意图;
图3为一个距离单元上存在目标同向行驶情况下杂波抑制后的多普勒通道输出
图4为一个距离单元上存在目标相向行驶情况下杂波抑制后的多普勒通道输出
图5为情况1的地面目标正确判决概率仿真结果;
图6为情况2的地面目标正确判决概率仿真结果;
图7为情况2的空中目标正确判决概率仿真结果。
具体实施方式
系统中的机载预警雷达载机的高度为8km,载机速度为160m/s,雷达采用对地工作模式,一个波束驻留时间内发射四组不同PRF的脉冲,每组PRF脉冲的个数为64,天线阵列数为16×64,加-40dB的切比雪夫权,波长为0.3m,波束指向为(90°,2°),即正侧视,下视角2°方向,距离分辨率为150m,最大作用距离为400km,多普勒速度门限设为35m/s。
参照图1,本发明的分类准则步骤如下:
步骤1:对回波数据采样处理
对混频后的中频信号通过A/D转换器将其转变为数字信号,对各脉冲信号进行脉压处理,每个脉冲在每个距离单元上仅在最大值采样一点,再经相位检波,得到杂波抑制前的第l个距离单元上第k个脉冲的零中频信号表示为回波数据按照脉冲×距离的矩阵形式排列,表示为
其中,数据矩阵大小为K×M,K为相干处理时间内的脉冲个数,M为距离单元数。
步骤2:主杂波对消
采用三脉冲或多脉冲AMTI方法进行杂波对消,得到信号矩阵So。经过AMTI处理后的杂波谱中心被移到零频位置。
步骤3:对同一个距离单元的一组脉冲数据做FFT处理,实施方式为将数据矩阵So的每一列做FFT处理,得到不同多普勒通道的输出值,即信号的多普勒频谱,形成多普勒×距离维数据矩阵St,表示为
其中,数据矩阵大小为L×M,L为多普勒通道输出个数,M为距离单元数。
步骤4:根据机载预警雷达设置的重频Fr,相参积累脉冲个数K和最小可检测速度门限Vd计算出无输出的窄带滤波器个数
根据前面设置的参数可得到N=5,即零频左右两端各有5个滤波器无输出,从而形成检测所需的多普勒×距离维数据矩阵Sfo,矩阵大小同Sf。
通过仿真,得到两种情况下(1.一个距离单元上存在相向而行的目标;2.一个距离单元上仅存在单向行驶的目标)的某距离单元的多普勒通道输出分别如图3,图4所示。
步骤5:恒虚警处理(CFAR)检测:在PD体制的中重频PD模式下,对步骤4得到的多普勒×距离维数据矩阵Sfo进行距离-多普勒域二维CFAR处理,完成杂波与噪声背景下的目标检测。
完成目标检测后,对检测出的目标进行谱分析,设定目标分类准则。
步骤6:根据多普勒速度进行区分
首先采用公式根据每一组PRF脉冲串检测出的谱线对应的多普勒频率计算出目标的多普勒速度,然后采用不模糊速度扫描法,即对不同PRF的目标回波在真实速度上求重合,得到目标的不模糊速度。当速度V>60m/s时,则判决为空中目标;当V<60m/s时,则需继续判断。
步骤7:根据多普勒频率正负性进行区分
对检测出的多普勒速度低于60m/s的目标,如果在正负多普勒频率处均有谱线被检测出,则将该目标判定为地面目标;如果仅在正负一边被检测出,则需继续判断。
步骤8:利用邻近距离单元的多普勒特征
当某个距离单元的目标多普勒速度小于60m/s,且在正多普勒频率或负多普勒频率一边有谱线被检测出,这时需要利用邻近距离单元的多普勒特征,其步骤如下:
1)将根据多普勒速度判决出的空中目标和根据多普勒频率正负性判决出的地面目标做上标记,作为已判明类别的目标;
2)在无法判明某个距离单元上目标的类别时,在该距离单元两边各取3个距离单元,连同该判决单元组成判决窗,其示意图如图6所示。
3)对判决窗内邻近距离单元的不同多普勒特征赋予不同的影响系数Pl,当所有邻近单元的影响系数和大于一定门限时,则该距离单元的目标被判决为地面目标。邻近单元的目标包括3种情况:已判明类别的目标(空中目标-多普勒速度大于60m/s,高速公路目标-正负多普勒频率处均有谱线被检测)、无目标的情况(或没有目标被检测出来)以及暂时无法判断的目标(正负多普勒频率处仅一边有谱线被检测出)。影响系数Ql取值如下:
设置完各个参考距离单元的影响系数后,再进行以下判决:
其中,假设H1表示判决距离单元上的目标被判决为地面目标,假设H0表示判决距离单元上的目标被判决为空中目标。γ为判决门限。γ的选取的原则是要保证两类目标都有较高的识别概率。这里,γ取值为2。
下面结合仿真进一步说明本发明的优点:
为了验证上述判决准则,需要利用测试数据,该测试数据用仿真产生。雷达工作参数如前面所述,然后对交通流进行建模,选取1.5公里的一段路段,在距离分辨率为150m的条件下,共有10个距离单元,雷达观测时间为1分钟,即6个波束扫描周期。这里,将仿真环境分两种情况。
情况1:雷达扫描到地面高速公路目标时,此时敌方空中目标不在雷达波束内,即高速公路目标和空中目标没有在同一个波束内被检测出。
这样得到不同距离单元的目标回波信号频谱后,采用上述的判决准则,计算地面目标的正确判决概率Pd=Ni/Mi,Ni为一个扫描周期内地面目标的点迹数,Mi为一个扫描周期内被判决为地面目标的点迹数。采用蒙特卡洛实验仿真计算平均判决概率K为蒙特卡洛次数。仿真中,蒙特卡洛次数设为1000。由于在不同时刻,目标在高速公路上的分布不同,因此每次蒙特卡洛实验得到的判决概率Pd不同,仿真结果如图5所示。仿真得到地面目标平均判决概率
情况2:
高速公路目标和空中目标在同一个波束内被检测出。仿真过程中,假设雷达每次扫描到地面目标时,都有一个空中目标进入主波束,目标航向在0~2π服从均匀分布,目标所在的距离在所选的路段距离上服从均匀分布,RCS在5m2~20m2上服从均匀分布。
这样得到不同距离单元在不同时刻的目标回波信号后,采用上述的判决准则,分别计算地面目标和空中目标的正确判决概率Pd1和Pd2。采用蒙特卡洛实验仿真计算平均判决概率和蒙特卡洛次数设为1000。地面目标和空中目标的判决概率仿真结果分别如图6,图7所示。仿真得到的地面目标和空中目标判决概率分别为
可见,该分类准则对地面目标和空中目标均有较高的识别概率,因而,能够在空中目标误判率较小的情况下更好地过滤掉地面目标。
Claims (3)
1.一种机载预警雷达地面高速公路目标过滤方法,包括如下步骤:
首先对机载预警雷达的回波信号做杂波抑制处理,以对地工作模式为背景,采用主杂波对消后接窄带多普勒滤波器组的方式完成杂波抑制;
步骤1、回波信号的脉压处理:对混频后的中频信号通过A/D转换器将其转变为数字信号,对各个脉冲信号进行脉压处理,每个脉冲在每个距离单元上仅在最大值采样一点,再经相位检波,得到零中频信号,将该零中频信号按脉冲×距离维数据矩阵SK×M存储,K为相参脉冲数,M为距离单元数;
步骤2、主杂波对消:采用三脉冲或多脉冲自适应动目标显示AMTI技术进行杂波对消,AMTI处理后的主杂波谱中心被移到零频位置;
步骤3、多普勒滤波器组:完成主杂波对消后,对同一个距离单元的一组相干脉冲串做FFT得到不同多普勒通道的输出值,即信号的多普勒频谱;
步骤4、根据设置的最小可检测速度门限调整滤波器组的输出:根据机载预警雷达设置的重频、相参积累脉冲个数和最小可检测速度门限,得到设置最小可检测速度门限后的多普勒通道输出,从而形成检测所需的多普勒×距离维数据矩阵SL×M,L为多普勒通道输出个数,M为距离单元数;
步骤5、恒虚警处理CFAR检测:对步骤4得到的多普勒×距离维数据矩阵SL×M进行距离-多普勒域二维CFAR处理,完成杂波与噪声背景下的目标检测;完成目标检测后,对检测出的目标进行谱分析,根据地面高速公路目标和空中目标的多普勒特征差异,设计两类目标的分类准则;
步骤6、根据多普勒速度进行区分:测出目标的速度后,通过速度大小对地面目标和空中目标进行粗分类,当速度V>60m/s时,则判决为空中目标;当V<60m/s时,则需继续判断;
步骤7、根据多普勒频率正负性进行区分:对检测出的多普勒速度低于60m/s的目标,如果在正负多普勒频率处均有谱线被检测出,则将该目标判定为地面目标;如果仅在正负一边被检测出,则需继续判断;
步骤8、利用邻近距离单元的多普勒特征:当第m个距离单元的目标多普勒速度小于60m/s,其中,m=1,2,3,…,M,且在正多普勒频率或负多普勒频率一边有谱线被检测出,这时利用邻近距离单元的多普勒特征,其步骤如下:
步骤8.1,将根据多普勒速度判决出的空中目标和根据多普勒频率正负性判决出的地面目标做上标记,作为已判明类别的目标;
步骤8.2,当无法判明第m个距离单元上目标的类别时,在该第m个距离单元两边各取3个距离单元,连同该第m个距离单元组成判决窗;
步骤8.3,对邻近距离单元的不同多普勒特征赋予不同的影响系数Sl,当所有邻近单元的影响系数和大于一定门限时,则该距离单元的目标被判决为地面目标;
步骤9、在完成了地面目标和空中目标的判决后,将判决为地面目标的点迹做上标记或是滤除掉。
2.按权利要求1所述的一种机载预警雷达地面高速公路目标过滤方法,其特征在于机载预警雷达采用中重频PD模式。
3.按权利要求1所述的一种机载预警雷达地面高速公路目标过滤方法,其特征在于步骤5中二维CFAR采用的参考窗包括矩形窗和十字窗,方法包括单元平均CA-CFAR、最大选择GO-CFAR、最小选择SO-CFAR以及有序统计量OS-CFAR。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110435484.9A CN103176187B (zh) | 2011-12-22 | 2011-12-22 | 一种机载预警雷达地面高速公路目标过滤方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110435484.9A CN103176187B (zh) | 2011-12-22 | 2011-12-22 | 一种机载预警雷达地面高速公路目标过滤方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103176187A CN103176187A (zh) | 2013-06-26 |
CN103176187B true CN103176187B (zh) | 2017-08-22 |
Family
ID=48636171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110435484.9A Expired - Fee Related CN103176187B (zh) | 2011-12-22 | 2011-12-22 | 一种机载预警雷达地面高速公路目标过滤方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103176187B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104251983A (zh) * | 2013-06-27 | 2014-12-31 | 成都中远信电子科技有限公司 | 便携式地面监视雷达信号处理器 |
CN104076352A (zh) * | 2014-06-27 | 2014-10-01 | 电子科技大学 | 低截获测速方法及雷达装置 |
CN108020838B (zh) * | 2016-11-02 | 2021-08-20 | 惠州市德赛西威汽车电子股份有限公司 | 一种毫米波雷达信号在自适应巡航中的处理方法 |
DE102017221120A1 (de) * | 2017-11-27 | 2019-05-29 | Zf Friedrichshafen Ag | Auswerteverfahren für RADAR Messdaten eines mobilen RADAR Messsystems |
CN108663666B (zh) * | 2018-03-27 | 2020-11-10 | 陕西长岭电子科技有限责任公司 | 强杂波海洋环境下的潜用雷达多目标检测方法 |
CN109856602B (zh) * | 2018-11-27 | 2021-02-23 | 重庆秦嵩科技有限公司 | 一种适用于慢速目标监视雷达的杂波抑制方法 |
CN110940959B (zh) * | 2019-12-13 | 2022-05-24 | 中国电子科技集团公司第五十四研究所 | 一种用于低分辨雷达地面目标的人车分类识别方法 |
CN111751815B (zh) * | 2020-06-10 | 2024-04-09 | 安徽瞭望科技有限公司 | 一种基于距离微分的虚假航迹剔除方法 |
CN114791268A (zh) * | 2022-01-20 | 2022-07-26 | 哈尔滨工程大学 | 基于光纤光栅的机载雷达罩的局部应变监测报警系统 |
CN114488101B (zh) * | 2022-01-30 | 2024-08-16 | 中国科学院声学研究所 | 多亮点目标融合检测方法、装置、声呐及雷达 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4862177A (en) * | 1974-11-25 | 1989-08-29 | Hughes Aircraft Company | Processor for discriminating between ground and moving targets |
CN1603858A (zh) * | 2003-09-30 | 2005-04-06 | 清华大学 | 用于机载雷达目标检测中最优处理的最优权值估计方法 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
-
2011
- 2011-12-22 CN CN201110435484.9A patent/CN103176187B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4862177A (en) * | 1974-11-25 | 1989-08-29 | Hughes Aircraft Company | Processor for discriminating between ground and moving targets |
CN1603858A (zh) * | 2003-09-30 | 2005-04-06 | 清华大学 | 用于机载雷达目标检测中最优处理的最优权值估计方法 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
Non-Patent Citations (2)
Title |
---|
一种多门限空海目标分类方法;阎红星等;《系统工程与电子技术》;20080630;第30卷(第6期);全文 * |
球载雷达目标分类与识别技术研究;林幼权;《现代雷达》;20110731;第33卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103176187A (zh) | 2013-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103176187B (zh) | 一种机载预警雷达地面高速公路目标过滤方法 | |
CN102508219B (zh) | 风廓线雷达湍流目标检测方法 | |
CN104914415B (zh) | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 | |
CN107607925B (zh) | 一种雷达应用的目标rcs实时评估方法 | |
CN105093215B (zh) | 基于多普勒信息的雷达对低空慢速小目标的跟踪方法 | |
CN104215951B (zh) | 一种在海杂波背景下慢速小目标的检测系统及其检测方法 | |
CN104714225B (zh) | 一种基于广义似然比的动态规划检测前跟踪方法 | |
CN106226751B (zh) | 基于dp-tbd的机动目标检测与跟踪方法 | |
Hughes | Radar waveform optimisation as a many-objective application benchmark | |
CN106597411A (zh) | 雷达信号处理方法 | |
CN106405556A (zh) | 车辆目标信息探测识别系统及其信号处理方法 | |
CN105259540B (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
CN103529437A (zh) | 系留气球载相控阵雷达在多目标下分辨空地目标的方法 | |
CN103954939A (zh) | 基于雷达组网的抗灵巧噪声干扰方法 | |
CN106483516A (zh) | 基于先验知识的雷达杂波空时自适应处理方法 | |
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN105548970A (zh) | 一种飞鸟探测雷达处理机 | |
CN103176168A (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN113325410B (zh) | 一种雷达天线信号处理方法、装置、控制设备及存储介质 | |
CN202433521U (zh) | 风廓线雷达湍流目标检测处理板 | |
CN104199002B (zh) | 抑制风力发电旋叶虚警目标的雷达信息处理方法 | |
CN115657005A (zh) | 一种基于多普勒雷达多信息融合的无人机识别方法 | |
CN107479037A (zh) | 一种pd雷达杂波区域判别方法 | |
CN102830394B (zh) | 基于多谱线积累的弱目标探测方法 | |
CN114545387A (zh) | 一种基于毫米波雷达数据拟合的高空抛物检测判别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170822 Termination date: 20191222 |
|
CF01 | Termination of patent right due to non-payment of annual fee |