CN105445705B - 一种认知mtd雷达波形设计的方法 - Google Patents
一种认知mtd雷达波形设计的方法 Download PDFInfo
- Publication number
- CN105445705B CN105445705B CN201510770569.0A CN201510770569A CN105445705B CN 105445705 B CN105445705 B CN 105445705B CN 201510770569 A CN201510770569 A CN 201510770569A CN 105445705 B CN105445705 B CN 105445705B
- Authority
- CN
- China
- Prior art keywords
- vector
- matrix
- code
- indicate
- optimization
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/32—Shaping echo pulse signals; Deriving non-pulse signals from echo pulse signals
Abstract
本发明提供一种认知MTD雷达波形设计的方法,包括如下步骤:(1)首先建立在信号相关杂波环境下MTD雷达回波信号模型,提出基于信杂噪比SCNR最大化准则的波形优化问题的模型;(2)然后编码设计,将此非凸优化的模型转化为凸优化的模型,(3)再通过对环境的假设,即在白噪声下,进一步得到简化模型,(4)最后用一种基于简约梯度的最优编码法求解。本发明将求得的信杂噪比SCNR非凸优化问题,转化为易于处理的凸优化的问题;用一种基于简约梯度的最优编码求解,使得慢时间域编码能够有效改善回波的SCNR,具有运算量小和实时性能好的特点。
Description
技术领域
本发明涉及认知动目标检测雷达的一种慢时间波形编码设计方法,属于认知雷达波形设计领域。
背景技术
认知MTD雷达系统能够通过对环境的不断交互,实时的改变发射波形,从而实现和环境的最优匹配。认知雷达的实现包括:场景的感知与描述、波形优化技术、自适应机制、自治操作与管理四项关键技术。其中波形优化技术是根据雷达回波和先验知识等,设计最优的发射波形,直接影响认知雷达的性能。
波形最优化的设计是在一定的系统限定条件下最大化系统的性能。对于认知MTD雷达,在能量限制条件下,以信杂噪比SCNR为准则设计发射波形码的优化问题是非凸优化的问题,对于非凸优化问题,局部最优解不是全局最优解,使得优化问题不易解决。文献[1]采用凸优化的方法,针对在信号相关杂波中动目标检测(Moving Target Detecting,MTD)的问题,以回波信杂噪比(Signal to Clutter and Noise Ratio,SCNR)最大为准则,进行脉冲编码的优化设计。由于该问题的求解过称复杂,因此难以实现实时处理。针对这一实时性能的提高问题,此专利拟将该优化问题进行转化为容易处理的凸优化问题,同时以SCNR最大化为准则,利用简约梯度法求解最优的脉冲编码,提高了编码优化设计的实时性。
发明内容
针对上述现有技术,提出认知动目标检测雷达的一种慢时间波形编码设计方法,提高了波形码优化设计的实时性能。
本发明提供一种认知MTD雷达波形设计的方法,包括如下步骤:(1)首先建立在信号相关杂波环境下MTD雷达回波信号模型,提出基于信杂噪比SCNR最大化准则的波形优化问题的模型;(2)然后将此非凸优化的模型转化为凸优化的模型;(3)再通过对环境的估计,在白噪声下,得到进一步的简化模型;(4)最后用一种基于简约梯度的最优编码法求解;
步骤1,建立在信号相关杂波环境下的MTD雷达信号模型,设定目标信号多普勒频率已知,根据似然比检验GLRT得出最佳检测器,得到回波信杂噪比SCNR非凸优化表达式:
其中,N是发射子脉冲的个数,a=[a1 a2 … aN]T是优化设计的波形码,p=[1 ejw... ej(N-1)w]T,w=vTPRI,是目标信号的多普勒角频率,其中v是目标的径向速度,λ是发射载波的波长,TPRI是发射子脉冲的重复周期,w是目标信号的归一化的多普勒频率,M和C分别表示噪声和杂波的协方差矩阵,e是波形码的能量,A=diag(a),diag(·)表示矢量构成对角矩阵主对角线上的元素,(·)H表示矢量或矩阵的共轭转置,(·)-1表示矩阵的逆,⊙表示向量间的哈达玛乘积,[·]T表示向量的转置,||·||2表示向量的2-范数,表示数值或向量中的各个元素进行开根号处理,(·)2表示数值的平方;
所述第(2)步包括如下具体步骤:
步骤2-1,将式(1)转化为凸优化函数,得到:
步骤2-2,在白噪声环境下,对SCNR的函数做进一步简化,将此处的噪声近似为高斯白噪声,M为其协方差矩阵,则矩阵中的各个元素的值为:
Mm,n=σn 2δ[m-n],1≤m,n≤N (3)
N是发射子脉冲个数,m,n分别表示M矩阵的行数和列数,表示单位脉冲序列,σn 2表示高斯白噪声的方差,将pHAHAp=e,代入式(2)中得到:
tr(·)表示矩阵的迹;
最小化pHAHACAHAp,令P=diag(p),b=diag(AHA)=[a1 2 a2 2 … aN 2]T,则式(4)可以表示为:
所述第(3)步包括如下具体步骤:
步骤3-1,在步骤2-2的基础上进一步化简得到编码优化向量b,w在[wl,wH]拟合为均匀分布,wl和wH分别是w的最低和最高的值,因此p是随机变量,因此得到表达式为:
其中,E(·)表示求期望,
步骤3-2,优化向量b的各个元素都是实数,编码优化问题的目标函数和约束条件的表示为:
其中,表示矩阵的实部值,IN是N×1的全1向量,0N是N×1的全0向量;所述第(4)步,基于简约梯度的最优编码法求波形码,包括如下具体步骤:
步骤4-1,把式(7)的优化问题通过消元得到:
其中,
矩阵进行分块:
其中,G1,1是1阶矩阵,G1,N-1是维数为1×N×1的矩阵,GN-1,1是维数为N-1×1的矩阵,GN-1,N-1是N-1阶矩阵;I1是1阶的单位向量,IN-1是(N-1)×1的全1向量;01是1阶全0向量,b1是1阶的向量,bN-1是(N-1)×1的向量;
步骤4-2,修正的共轭梯度法求解式(8)得到 表示第k次优化的(N-1)×1向量bN-1;
步骤4-3,再次确保最优解在可行域内,根据bN-1和b1之间的关系,得到b1=I1 -T(e-IN-1 TbN-1);
如果b1<01时,令b1=01,对不满足约束条件IN Tb=e的优化变量b进行处理如下:其中||·||1是向量的1范数,使得优化的变量满足约束条件;
步骤4-4,波形码为波形码和优化向量存在幅值之间的关系;步骤3-1中w在[wl,wH]是均匀分布,它是目标信号的归一化多普勒频率w的最小值和最大值。
所述步骤4-2中对bN-1求解包括如下步骤:
步骤4-2-1,任意取初始向量步骤4-2-2,令迭代次数k=0时,计算梯度
步骤4-2-3,计算步长得
其中,
H=GN-1,N-1-GN-1,1IN-1 T-IN-1G1,N-1+IN-1G1,1IN-1 T
步骤4-2-4,第k+1次优化向量
步骤4-2-5,如果k次优化向量向量中第j个位置处的数小于0,则将这个数的值设为0,同时令第k次梯度s(k)向量中的第j个位置的数置0,其余的数不变;
步骤4-2-6,令第k+1次梯度
步骤4-2-7,令k=k+1,返回步骤4-2-3,循环有限的次数L,上标k表示迭代次数。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明将求得的信杂噪比SCNR非凸优化问题,转化为易于处理的凸优化的问题;用一种基于简约梯度的最优编码求解,使得慢时间域编码能够有效改善回波的SCNR,具有运算量小和实时性能好的特点。
附图说明
以下将结合附图对本发明作进一步说明:
图1为本发明用于一种认知MTD雷达波形设计的方法流程图;
图2为本发明实施例的仿真实验效果图;
图3为本发明与现有技术效果的对比图。
具体实施方式
本发明提供一种认知MTD雷达波形设计的方法,为使本发明的目的,技术方案及效果更加清楚,明确,以及参照附图并举实例对本发明进一步详细说明。应当理解,此处所描述的具体实施仅用以解释本发明,并不用于限定本发明。
本发明所有步骤、结论在Matlab中验证正确,下面结合附图对本发明做更进一步的解释。
本实施例中,假设接收端接收到的是高斯白噪声,其协方差矩阵为M,噪声的方差σn 2=0.01。接收到的杂波,其特点是杂波谱为高斯型,杂波协方差矩阵中的各个元素的值为:
Cm,n=exp[-2(πσfτ)2]exp[j2πfdcτ],
τ=(m-n)TPRI,1≤m,n≤16
其中σf=0.1是杂波谱宽的标准偏差,fdc=10Hz是杂波的多普勒频移,发射脉冲的重复周期TPRI=1ms。动目标的多普勒角频率范围是ν=[0,100](rad/s),优化码长N=16。码能量的范围e=[-10,10](dB),采用修正共轭梯度法时,循环次数L=200。
该认知MTD雷达波形设计的方法,起流程如图1所示,包括如下步骤:
步骤1,建立在信号相关的杂波环境下的MTD雷达信号模型,在已知目标信号多普勒频率的情况下,根据似然比检验(GLRT),得知最佳检测器,其性能是由SCNR来决定的,得到信杂噪比SCNR非凸优化问题表达式:
其中,a=[a1 a2 … a16]T是优化设计的波形码,p=[1 ejw … ej15w]T,N=16,w=νTPRI=[0,0.1](rad),M和C分别表示噪声和杂波的协方差矩阵,e=[-10,10](dB)是波形码的能量,A=diag(a),diag(·)表示矢量构成对角矩阵主对角线上的元素,(·)H表示矢量或矩阵的共轭转置,(·)-1表示矩阵的逆,⊙表示向量间的哈达玛乘积,[·]T表示向量的转置,||·||2表示向量的2-范数。表示数值或向量中的各个元素进行开根号处理。
步骤2,认知MTD雷达波形编码设计,包括如下具体步骤:
步骤2-1,优化问题的转化,将式(1)转化为凸优化问题。
步骤2-2,白噪声下的问题进一步简化。假设的是高斯白噪声的协方差矩阵M,矩阵中的各个元素的值为:
Mm,n=σn 2δ[m-n],1≤m,n≤16 (3)
σn 2=0.01表示白噪声的方差,将pHAHAp=e,代入式(2)中进行化简得:
tr(·)表示矩阵的迹。在已知σn 2和e的情况下,由式(4)可得优化问题是通过优化设计A,最小化pHAHACAHAp,令P=diag(p),b=diag(AHA)=[a1 2 a2 2 … a16 2]T,则式(4)可以表示为:
步骤2-3,在步骤2-2的基础上进一步化简得到编码优化问题。对于动目标检测中波形码的优化的问题,动目标的多普勒角频率v是未知的,w是未知的,假设在[wl,wH]为均匀分布,p是随机变量,因此编码优化问题是对式(5)求期望,得到表达式为:
其中,E(·)表示求期望,
步骤2-4,优化向量b的各个元素都是实数,编码优化问题的目标函数和约束条件的表示为:
其中,表示矩阵的实部值,I16是16×1的全1向量,016是16×1的全0向量。
步骤3,简约梯度法和修正共轭梯度法求波形码,包括如下具体步骤:
步骤3-1,把式(7)的优化问题通过消元得到新的优化问题。
其中,
矩阵分块:
其中,G11是1阶矩阵,G1,15是维数为1×15的矩阵,G15,1是维数为15×1的矩阵,G15,15是15阶的矩阵;I1是1阶的单位向量,I15是15×1的全1向量;01是1阶全0向量,b1是1阶的向量,b15是15×1的向量。
步骤3-2,修正的共轭梯度法求解式(8)得到b15。
步骤3-3,再次确保最优解在可行域内。根据b15和b1之间的关系,可以求出b1=I1 -T(e-I15 Tb15)。如果b1<01时,令b1=01。对不满足约束条件I16Tb=e的优化变量b进行处理如下:其中||·||1是向量的1范数,使得优化的变量满足约束条件。
步骤3-4,波形码
进一步的,所述步骤3-2中对b15求解包括如下步骤:
步骤3-2-1,任意取初始向量
步骤3-2-2,令迭代次数k=1时,计算梯度(可修改为最新的令迭代次数k=0时,计算梯度
步骤3-2-3,计算步长
其中,
H=G15,15-G15,1I15 T-I15G1,15+I15G1,1I15 T
步骤3-2-4,令第k+1次优化向量
步骤3-2-5,如果第k次优化向量b15,k向量中第j个位置处的数小于0,则将这个数的值设为0,同时令sk,j=0,其余的数不变。
步骤3-2-6,令第k+1次梯度
步骤3-2-7,令k=k+1,返回步骤3-2-3。循环有限的次数L=200。下标1和k表示迭代次数。
图2显示为采用本发明方法得到优化码与未经优化的码(发射码)进行比较,计算出在不同的码能量和不同的目标多普勒频率处,优化码与未优化码对应的SCNR的差值。
图3显示为本发明方法得到的优化码与未经优化的码进行比较,计算出在不同码能量和目标多普勒角频率ν在以上给定范围内为均匀分布情况下的SCNR的变化情况;其中optal线为根据本发明实验得到的数据,uncoded线为未经优化的码实验得到的数据。
分别计算采用本发明方法得到的最优码求得的SCNR与未经编码得出的SCNR的差值;以及CADCODE算法设计的最优码得出的SCNR与未经编码得出的SCNR的差值,两者的差值即改善因子做了比较,其结果如表1所示:
表1
分别计算了本发明方法和CADCODE算法两种算法求解最优波形码时Matlab的平均运行时间,结果如表2所示:
表2
从本实施例可以看出,首先,图2表明采用本发明方法得到优化码与未经优化的码(发射码)进行比较,在不同能量和目标的多普勒频率处,经算法得到最优码所求的SCNR高于未编码所求SCNR;图3表明本发明方法得到的优化码与未经优化的码进行比较,在不同码能量和目标多普勒角频率ν在以上给定范围内为均匀分布情况下,经算法得到最优码所求的SCNR高于未编码所求SCNR;其次,表1表明用本文算法所求得的最优码与CADCODE算法的最优码的SCNR效果近似;最后,表2表明在两个算法的运算速度上,本文算法运行时间短,实时性能好。
从本实施例可以看出,本首先建立在信号相关杂波环境下MTD雷达回波信号模型,提出基于信杂噪比SCNR最大化准则的波形优化问题的模型;然后编码设计,将此非凸优化的模型转化为凸优化的模型;再通过对环境的假设,即在白噪声下,进一步得到简化模型;最后用一种基于简约梯度的最优编码法求解。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种认知MTD雷达波形设计的方法,其特征在于,包括如下步骤:(1)首先建立在信号相关杂波环境下MTD雷达回波信号模型,提出基于信杂噪比SCNR最大化准则的波形优化问题的模型;(2)然后将此非凸优化的模型转化为凸优化的模型;(3)再通过对环境的估计,在白噪声下,得到进一步的简化模型;(4)最后用一种基于简约梯度的最优编码法求解;
步骤( 1) ,建立在信号相关杂波环境下的MTD雷达信号模型,设定目标信号多普勒频率已知,根据似然比检验GLRT得出最佳检测器,得到回波信杂噪比SCNR非凸优化表达式:
其中,N是发射子脉冲的个数,a=[a1 a2 … aN]T是优化设计的波形码,p=[1 ejω …ej(N-1)ω]T,ω=νTPRI,是目标信号的多普勒角频率,其中v是目标的径向速度,λ是发射载波的波长,TPRI是发射子脉冲的重复周期,ω是目标信号的归一化的多普勒频率,M和C分别表示噪声和杂波的协方差矩阵,e是波形码的能量,A=diag(a),diag(·)表示矢量构成对角矩阵主对角线上的元素,(·)H表示矢量或矩阵的共轭转置,(·)-1表示矩阵的逆,⊙表示向量间的哈达玛乘积,[·]T表示向量的转置,||·||2表示向量的2-范数,表示数值或向量中的各个元素进行开根号处理,(·)2表示数值的平方;
所述第(2)步包括如下具体步骤:
步骤2-1,将式(1)转化为凸优化函数,得到:
步骤2-2,在白噪声环境下,对SCNR的函数做进一步简化,将此处的噪声近似为高斯白噪声,M为其协方差矩阵,则矩阵中的各个元素的值为:
Mm,n=σn 2δ[m-n],1≤m,n≤N (3)
N是发射子脉冲个数,m,n分别表示M矩阵的行数和列数,表示单位脉冲序列,σn 2表示高斯白噪声的方差,将pHAHAp=e,代入式(2)中得到:
tr(·)表示矩阵的迹;
最小化pHAHACAHAp,令P=diag(p),b=diag(AHA)=[a1 2 a2 2 … aN 2]T,则式(4)可以表示为:
所述第(3)步包括如下具体步骤:
步骤3-1,在步骤2-2的基础上进一步化简得到编码优化向量b,ω在[ωl,ωH]拟合为均匀分布,ωl和ωH分别是ω的最低和最高的值,因此p是随机变量,因此得到表达式为:
其中,E(·)表示求期望,ωi∈[ωl,ωH];
步骤3-2,优化向量b的各个元素都是实数,编码优化问题的目标函数和约束条件的表示为:
其中,表示矩阵的实部值,IN是N×1的全1向量,0N是N×1的全0向量;
所述第(4)步,基于简约梯度的最优编码法求波形码,包括如下具体步骤:
步骤4-1,把式(7)的优化问题通过消元得到:
其中,
矩阵进行分块:IN T=(I1 T IN-1 T),
其中,G1,1是1阶矩阵,G1,N-1是维数为1×N-1的矩阵,GN-1,1是维数为N-1×1的矩阵,GN-1,N-1是N-1阶矩阵;I1是1阶的单位向量,IN-1是(N-1)×1的全1向量;01是1阶全0向量,b1是1阶的向量,bN-1是(N-1)×1的向量;
步骤4-2,修正的共轭梯度法求解式(8)得到 表示第k次优化的(N-1)×1向量bN-1;
步骤4-3,再次确保最优解在可行域内,根据bN-1和b1之间的关系,得到b1=I1 -T(e-IN- 1 TbN-1);
如果b1<01时,令b1=01,对不满足约束条件IN Tb=e的优化变量b进行处理如下:其中||·||1是向量的1范数,使得优化的变量满足约束条件;
步骤4-4,波形码为波形码和优化向量存在幅值之间的关系;步骤3-1中ω在[ωl,ωH]是均匀分布,它是目标信号的归一化多普勒频率ω的最小值和最大值。
2.根据权利要求1所述的一种认知MTD雷达波形设计的方法,其特征在于,所述步骤4-2中对bN-1求解包括如下步骤:
步骤4-2-1,任意取初始向量步骤4-2-2,令迭代次数k=0时,计算梯度
步骤4-2-3,计算步长得
其中,
H=GN-1,N-1-GN-1,1IN-1 T-IN-1G1,N-1+IN-1G1,1IN-1 T
步骤4-2-4,第k+1次优化向量
步骤4-2-5,如果k次优化向量向量中第j个位置处的数小于0,则将这个数的值设为0,同时令第k次梯度s(k)向量中的第j个位置的数置0,其余的数不变;
步骤4-2-6,令第k+1次梯度
步骤4-2-7,令k=k+1,返回步骤4-2-3,循环有限的次数L,上标k表示迭代次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510770569.0A CN105445705B (zh) | 2015-11-12 | 2015-11-12 | 一种认知mtd雷达波形设计的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510770569.0A CN105445705B (zh) | 2015-11-12 | 2015-11-12 | 一种认知mtd雷达波形设计的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105445705A CN105445705A (zh) | 2016-03-30 |
CN105445705B true CN105445705B (zh) | 2018-10-16 |
Family
ID=55556124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510770569.0A Active CN105445705B (zh) | 2015-11-12 | 2015-11-12 | 一种认知mtd雷达波形设计的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105445705B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646410B (zh) * | 2017-01-06 | 2019-06-14 | 天津大学 | 宽带认知被动雷达架构下的学习-感知-决策-响应方法 |
CN108563611B (zh) * | 2018-03-27 | 2022-03-11 | 天津大学 | 基于天牛须搜索算法的认知雷达波形优化方法 |
CN109683141B (zh) * | 2019-01-15 | 2021-03-23 | 西安电子科技大学 | 基于贝叶斯框架的多输入多输出雷达发射波形设计方法 |
CN110146887B (zh) * | 2019-06-11 | 2021-03-16 | 电子科技大学 | 基于联合最优准则的认知合成孔径雷达波形设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313885A (zh) * | 2010-06-30 | 2012-01-11 | 中国科学院电子学研究所 | 多维度微波成像系统及方法 |
CN103336269A (zh) * | 2013-07-12 | 2013-10-02 | 西安电子科技大学 | 一种用于多发射gmti雷达系统的认知波形优化处理方法 |
CN103744076A (zh) * | 2013-12-25 | 2014-04-23 | 河海大学 | 基于非凸优化的mimo雷达动目标检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010018144A1 (de) * | 2010-04-24 | 2011-10-27 | Lfk-Lenkflugkörpersysteme Gmbh | Verfahren zur automatischen Erzeugung eines dreidimensionalen Referenzmodells als Geländeinformation für eine bildgebende Einrichtung |
-
2015
- 2015-11-12 CN CN201510770569.0A patent/CN105445705B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313885A (zh) * | 2010-06-30 | 2012-01-11 | 中国科学院电子学研究所 | 多维度微波成像系统及方法 |
CN103336269A (zh) * | 2013-07-12 | 2013-10-02 | 西安电子科技大学 | 一种用于多发射gmti雷达系统的认知波形优化处理方法 |
CN103744076A (zh) * | 2013-12-25 | 2014-04-23 | 河海大学 | 基于非凸优化的mimo雷达动目标检测方法 |
Non-Patent Citations (1)
Title |
---|
雷达自适应波形优化设计研究;庄珊娜;《中国博士学位论文全文数据库 信息科技辑》;20130615(第6期);正文第41-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105445705A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brodeski et al. | Deep radar detector | |
CN105445705B (zh) | 一种认知mtd雷达波形设计的方法 | |
CN107656257B (zh) | 一种弹载mimo雷达波形协方差矩阵的优化设计方法 | |
CN109188414A (zh) | 一种基于毫米波雷达的手势运动探测方法 | |
Patton et al. | Efficient design of radar waveforms for optimised detection in coloured noise | |
CN105068049B (zh) | 一种分置天线mimo雷达的克拉美罗界计算方法 | |
CN108008386B (zh) | 一种基于单快拍music算法的距离向处理方法 | |
CN105137410A (zh) | 基于ofdm的高分辨率雷达通信一体化的波形优化方法 | |
KR102262197B1 (ko) | Fmcw 레이다의 신호를 활용하여 표적의 형상을 추정하는 장치 및 그 방법 | |
CN109188385A (zh) | 杂波背景下的高速微弱目标检测方法 | |
CN109031277A (zh) | 一种穿墙雷达多目标图像域稳健跟踪方法 | |
CN109738856A (zh) | 一种基于时间反演的噪声抑制Capon有源目标DOA估算方法 | |
CN104730517A (zh) | 双基地多输入多输出雷达多目标跟踪方法 | |
JP2018197710A (ja) | レーダ信号処理装置 | |
KR20160012284A (ko) | 송신신호 파형의 직교성을 이용한 재머 신호 억제 및 원신호 도래각 추정 방법 및 장치 | |
US11543490B2 (en) | Method and apparatus for measuring distance by means of radar | |
CN106501801A (zh) | 一种基于混沌多种群共生进化的双基地mimo雷达跟踪方法 | |
Zhang et al. | DOA estimation for HFSWR target based on PSO-ELM | |
CN107356908A (zh) | 一种捷变频信号相参积累方法 | |
CN105785333A (zh) | 机载mimo雷达的稳健降维空时自适应处理方法 | |
CN106646418A (zh) | 一种基于改进omp的机载雷达杂波空时谱快速估计方法 | |
CN113376607A (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
RU2694276C1 (ru) | Способ селекции имитаторов вторичного излучения воздушных объектов | |
CN108983176A (zh) | 基于参考阵元的雷达运动目标相位修正方法 | |
Qiu et al. | Research on SAR anti-jamming technique based on orthogonal LFM-PC signals with adaptive initial phase |
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 |