CN105676204A - 基于雷达高分辨距离像的旋转微多普勒频率估计方法 - Google Patents

基于雷达高分辨距离像的旋转微多普勒频率估计方法 Download PDF

Info

Publication number
CN105676204A
CN105676204A CN201610046694.1A CN201610046694A CN105676204A CN 105676204 A CN105676204 A CN 105676204A CN 201610046694 A CN201610046694 A CN 201610046694A CN 105676204 A CN105676204 A CN 105676204A
Authority
CN
China
Prior art keywords
correlation coefficient
doppler frequency
radar
matrix
formula
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.)
Pending
Application number
CN201610046694.1A
Other languages
English (en)
Inventor
潘小义
王伟
冯德军
傅其祥
顾赵宇
刘永才
徐乐涛
肖顺平
张文明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201610046694.1A priority Critical patent/CN105676204A/zh
Publication of CN105676204A publication Critical patent/CN105676204A/zh
Pending legal-status Critical Current

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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/415—Identification of targets based on measurements of movement associated with the target
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明一种基于雷达高分辨距离像的旋转微多普勒频率估计方法，本发明包括下述步骤：第一步，获取雷达目标高分辨距离像，将各次回波对应的高分辨距离像按行排列构建成二维矩阵；第二步，按行计算高分辨距离像矩阵对应的循环相关系数矩阵；第三步，计算平均循环相关系数；第四步，搜索平均循环相关系数的峰值并求平均值，对平均值取倒数可估计出旋转微多普勒频率。本发明提出的方法不仅能够精确估计旋转微动多普勒频率，而且对目标高分辨距离像不连续等不理想情况具有鲁棒性，且估计结果计算耗时较少。

Description

基于雷达高分辨距离像的旋转微多普勒频率估计方法
【技术领域】
本发明属于微波探测识别领域，具体涉及雷达目标微动参数估计技术，特别是一种利用旋转微动目标雷达高分辨距离像估计目标微多普勒频率的方法。
【背景技术】
雷达探测领域中，目标及其部件常常存在诸如摆动、旋转等相对于目标宏观运动的细微运动状态，像行人双臂和腿部的摆动、汽车发动时引擎盖的震动以及直升机飞行时旋翼的转动等，这些运动一般被统称为微动。微动会对雷达信号进行调制，形成的雷达目标回波信号中包含有快速变化的周期性调制分量，这种现象被称为雷达微多普勒频率调制效应。宽带雷达微动回波分量中包含了大量目标结构及运动的细节特征，关于宽带雷达目标微动参数估计以及分类识别等方面的研究已经有一系列成果报道，微动参数已被公认为是一种有效的雷达目标识别指标。
旋转微动是一种常见的雷达目标微动形式，旋转微多普勒频率是估计目标旋转运动状态、区分目标类型的重要指标之一。以往旋转微多普勒频率估计主要是利用时频分析方法，将旋转微动目标宽带雷达回波分量从时域变换到时频二维图像域，再结合Hough变换、扩展Hough变换、有序统计量、chirplet分解等处理方法，完成对旋转微多普勒频率的估计。这些方法存在如下问题：第一，雷达微动回波时频分析通常需要选择有较高分辨率的二次型时频变换算法，计算耗时较长；第二，雷达目标回波常常是多分量信号，二次型时频变换过程中常不可避免地存在交叉分量，削弱交叉分量通常又必须以损失时频分辨率为代价；第三，宽带雷达信号中目标散射点常常存在越距离单元走动，导致微动参数曲线在时频图像中不连续，可能导致传统方法难以进行微动参数估计。
【发明内容】
本发明要解决的技术问题是：采用雷达目标高分辨距离像完成对旋转微动目标微多普勒频率的可靠估计，本方法不仅计算耗时较少而且估计结果精确。
本发明采取的技术方案如下：
第一步，目标高分辨距离像矩阵获取
利用频率步进信号合成宽带雷达发射信号s(m,n)，m∈[0,M-1]是第m个频率步进信号，M是总的信号个数，n∈[0,N-1]是单个频率步进信号中第n个子脉冲，N是总的子脉冲数。依次对第m次旋转微动目标回波sA(m,n)进行针对n的傅里叶变换，得到目标高分辨距离像矩阵HA(m,n)。
HA(m,n)＝FFTn{sA(m,n)}(公式一)
其中，FFTn{·}表示是针对n进行傅里叶变换计算。
所述目标为直升机旋翼类型的目标。
第二步，计算循环相关系数矩阵
从目标高分辨距离像矩阵HA(m,n)中的第一行开始，按行计算所选取的行与矩阵HA(m,n)中所有行的循环相关系数(等价于循环卷积计算)，然后取各自最大值，存成一行；依次进行上述计算，得到矩阵HA(m,n)对应的循环相关系数矩阵MC，矩阵大小为M×M。
从HA(m,n)的m行中任意取出两行i和j，记为HA(i,n)和HA(j,n)，计算两者的循环相关系数为
C ( q ; i , j ) = Σ n = 1 N | H A ( i , n ) | | H A ( j , mod N ( n + q ) ) | (公式二)
其中，|·|表示取模运算，q∈[0,N-1]是时间变量，modN(n+q)表示n+q对N取模后的余数，HA(j,modN(n+q))表示HA(j,n)中第modN(n+q)个元素。公式二同时也表明，循环相关系数计算实际上等效于循环卷积运算。
取循环相关系数最大值并进行归一化
C ( i , j ) = max q ( C ( q ; i , j ) ) Σ n = 1 N | H A ( i , n ) | 2 Σ n = 1 N | H A ( j , n ) | 2 (公式三)
其中，maxq(C(q；i,j))表示按q取C(q；i,j)中所有元素的最大值。
根据公式二和公式三顺序，依次取出HA(m,n)中任意两行并计算循环相关系数，可得循环相关系数矩阵为
M C = C ( 0 , 0 ) C ( 0 , 1 ) ... C ( 0 , M - 1 ) C ( 1 , 0 ) C ( 1 , 1 ) ... C ( 1 , M - 1 ) ... ... ... ... C ( M - 1 , 0 ) C ( M - 1 , 1 ) ... C ( M - 1 , M - 1 ) (公式四)
其中，C(0,0)表示i＝0，j＝0时对应的循环相关系数最大值，C(0,1)表示i＝0，j＝1时对应的循环相关系数最大值，依次类推，C(M-1,M-1)表示i＝M-1，j＝M-1时对应的循环相关系数最大值。
第三步，计算平均循环相关系数
从MC中第一个对角线开始，依次取出相应对角线全部元素并计算均值，得到包含M个元素的平均循环相关系数C(p)，p∈[0,M-1]是MC中对角线序号。
依次取循环相关系数矩阵MC中第p个对角线上的所有元素
diag(MC,p)＝{MC(i,j),i＝j+p},p∈[0,M-1](公式五)
然后求均值可得平均循环相关系数为
C(p)＝mean(diag(MC,p))(公式六)
其中，mean表示求均值函数。
第四步，估计旋转微多普勒频率
对C(p)的峰值位置进行搜索，然后对所有搜索到的峰值位置取平均值，最后取倒数可得旋转微多普勒频率。
对L个搜索到的峰值位置{n1,n2,…,nL}取平均值后取倒数，可得旋转微多普勒频率估计值l∈[1,L]表示第l个峰值，TR是雷达脉冲重复周期。
本发明的有益效果主要包括：
第一，计算耗时大大减少。频率步进雷达高分辨距离像获取仅需M次傅氏变换处理即可，不需要对雷达回波信号进行大量的时频变换计算；此外，计算循环相关矩阵等价于循环卷积计算，能够减少大量循环运算，这些都可大幅度减少获取循环相关矩阵的计算量。
第二，减少了交叉干扰项。多分量雷达目标回波信号通过线性傅里叶变换获取的高分辨距离像，与二次型时频变换处理得到的时频二维图像相比，不存在交叉项，因此减少了微动参数估计时的干扰项。
第三，提高了微动参数估计精度。平均循环相关系数对微动曲线不连续现象不敏感，而且搜索峰值位置并取平均的计算方法十分简单，降低了微多普勒频率估计难度的同时也提高了估计的可靠性。
【附图说明】
图1是基于雷达高分辨距离像的旋转微多普勒频率估计方法流程示意图。
图2是频率步进雷达高分辨距离像矩阵图。
图3是频率步进雷达高分辨距离像对应的循环相关系数矩阵计算结果图。
图4是平均循环相关系数计算结果图。
【具体实施方式】
图1是本发明提出基于雷达高分辨距离像的旋转微多普勒频率估计方法流程示意图，本发明包括下述步骤：第一步，获取雷达目标高分辨距离像，将各次回波对应的高分辨距离像按行排列构建成二维矩阵；第二步，按行计算高分辨距离像矩阵对应的循环相关系数矩阵；第三步，计算平均循环相关系数；第四步，搜索平均循环相关系数的峰值并求平均值，对平均值取倒数可估计出旋转微多普勒频率。下面具体结合附图2-4对本发明作进一步的说明。
第一步，对旋转微动目标回波进行傅里叶变换。设目标旋转微多普勒频率为fd，对旋转微动目标回波信号sA(m,n)进行傅里叶变换得到目标高分辨距离像矩阵HA(m,n)。
HA(m,n)＝FFTn{sA(m,n)}(公式一)
其中FFTn{·}表示是针对n进行傅里叶变换计算。
图2是利用频率步进信号合成的旋转目标高分辨距离像。仿真目标对应为类直升机旋翼等类型目标，旋翼翼展2.8m，旋翼旋转微多普勒频率fd＝7Hz，直线飞行速度80m/s。其他有关仿真参数如下：步进频雷达载频10GHz，步进信号个数M＝256，子脉冲个数N＝512，总带宽为1024MHz，脉冲重复周期6.67us，总的仿真时长约为0.874s，仿真得到的目标高分辨距离像矩阵大小为256×512。从仿真结果中可见，由于目标宏观直线飞行速度以及雷达观测重复频率有限等因素的影响下，目标高分辨距离像发生了一定情况的不连续。
第二步，从HA(m,n)的m行中任意取出两行i和j，记为HA(i,n)和HA(j,n)，计算两者的循环相关系数为
C ( q ; i , j ) = Σ n = 1 N | H A ( i , n ) | | H A ( j , mod N ( n + q ) ) | (公式二)
其中，|·|表示取模运算，q∈[0,N-1]是时间变量，modN(n+q)表示n+q对N取模后的余数，HA(j,modN(n+q))表示HA(j,n)中第modN(n+q)个元素。公式二同时也表明，循环相关系数计算实际上等效于循环卷积运算。
取循环相关系数最大值并进行归一化
C ( i , j ) = max q ( C ( q ; i , j ) ) Σ n = 1 N | H A ( i , n ) | 2 Σ n = 1 N | H A ( j , n ) | 2 (公式三)
其中maxq(C(q；i,j))表示按q取C(q；i,j)中所有元素的最大值。
根据公式二和公式三顺序，依次取出HA(m,n)中任意两行并计算循环相关系数，可得循环相关系数矩阵为
M C = C ( 0 , 0 ) C ( 0 , 1 ) ... C ( 0 , M - 1 ) C ( 1 , 0 ) C ( 1 , 1 ) ... C ( 1 , M - 1 ) ... ... ... ... C ( M - 1 , 0 ) C ( M - 1 , 1 ) ... C ( M - 1 , M - 1 ) (公式四)其中，C(0,0)表示i＝0，j＝0时对应的循环相关系数最大值，C(0,1)表示i＝0，j＝1时对应的循环相关系数最大值，依次类推，C(M-1,M-1)表示i＝M-1，j＝M-1时对应的循环相关系数最大值。
图3是目标高分辨距离像矩阵对应的循环相关系数矩阵。计算循环相关矩阵实际上等效于循环卷积运算，循环卷积运算本质上是将时域循环相乘变成了频域卷积，然后再将频域结果反变换回时域，能大大缩减计算耗时。仿真实验中计算循环相关系数矩阵耗时仅为4.68s，可见循环相关系数矩阵计算结果耗时很少。
第三步，计算平均循环相关系数。依次取循环相关系数矩阵MC中第p个对角线上的所有元素
diag(MC,p)＝{MC(i,j),i＝j+p},p∈[0,M-1](公式五)
然后求均值可得平均循环相关系数为
C(p)＝mean(diag(MC,p))(公式六)
其中，mean表示求均值函数。
图4是旋转微动目标回波对应的平均循环相关系数。
第四步，搜索平均循环相关系数峰值位置，估计旋转微多普勒频率。对C(p)的峰值位置进行搜索，然后对L个搜索到的峰值位置{n1,n2,…,nL}取平均值后取倒数，可得旋转微多普勒频率估计值l∈[1,L]表示第l个峰值，TR是雷达脉冲重复周期。
搜索得到图4中6个峰值位置为0.1399s，0.2833s，0.4267s，0.5666s，0.71s和0.8533s，取峰值平均值为0.1416s，从而取倒数可得旋转微多普勒频率估计值为相对误差为0.89％。仿真实验总的耗时为5.12s。可见，本发明提出的方法不仅能够精确估计旋转微动多普勒频率，而且对目标高分辨距离像不连续等不理想情况具有鲁棒性，且估计结果计算耗时较少。

Claims (6)

1.基于雷达高分辨距离像的旋转微多普勒频率估计方法，其特征在于，包括如下步骤：
步骤一：目标高分辨距离像矩阵获取
利用频率步进信号合成宽带雷达发射信号s(m,n)，m∈[0,M-1]是第m个频率步进信号，M是总的信号个数，n∈[0,N-1]是单个频率步进信号中第n个子脉冲，N是总的子脉冲数；
步骤二：计算循环相关系数矩阵
从目标高分辨距离像矩阵HA(m,n)中的第一行开始，按行计算所选取的行与矩阵HA(m,n)中所有行的循环相关系数，然后取各自最大值，存成一行；依次进行上述计算，得到矩阵HA(m,n)对应的循环相关系数矩阵MC，矩阵大小为M×M；
步骤三：计算平均循环相关系数
从MC中第一个对角线开始，依次取出相应对角线全部元素并计算均值，得到包含M个元素的平均循环相关系数C(p)，p∈[0,M-1]是MC中对角线序号；
步骤四：估计旋转微多普勒频率
对C(p)的峰值位置进行搜索，然后对所有搜索到的峰值位置取平均值，最后取倒数得到旋转微多普勒频率。
2.根据权利要求1所述的基于雷达高分辨距离像的旋转微多普勒频率估计方法，其特征在于：所述目标为直升机旋翼类型的目标。
3.根据权利要求1或2所述的基于雷达高分辨距离像的旋转微多普勒频率估计方法，其特征在于：在步骤一中，依次对第m次旋转微动目标回波sA(m,n)进行针对n的傅里叶变换，得到目标高分辨距离像矩阵HA(m,n)；
HA(m,n)＝FFTn{sA(m,n)}(公式一)
其中，FFTn{·}表示是针对n进行傅里叶变换计算。
4.根据权利要求1或2所述的基于雷达高分辨距离像的旋转微多普勒频率估计方法，其特征在于：在步骤二中，从HA(m,n)的m行中任意取出两行i和j，记为HA(i,n)和HA(j,n)，计算两者的循环相关系数为：
(公式二)
其中，|·|表示取模运算，q∈[0,N-1]是时间变量，modN(n+q)表示n+q对N取模后的余数，HA(j,modN(n+q))表示HA(j,n)中第modN(n+q)个元素；公式二同时也表明，循环相关系数计算实际上等效于循环卷积运算；
取循环相关系数最大值并进行归一化
(公式三)
其中，maxq(C(q；i,j))表示按q取C(q；i,j)中所有元素的最大值；
根据公式二和公式三顺序，依次取出HA(m,n)中任意两行并计算循环相关系数，得到循环相关系数矩阵为
(公式四)
其中，C(0,0)表示i＝0，j＝0时对应的循环相关系数最大值，C(0,1)表示i＝0，j＝1时对应的循环相关系数最大值，依次类推，C(M-1,M-1)表示i＝M-1，j＝M-1时对应的循环相关系数最大值。
5.根据权利要求1或2所述的基于雷达高分辨距离像的旋转微多普勒频率估计方法，其特征在于：在步骤三中，依次取循环相关系数矩阵MC中第p个对角线上的所有元素
diag(MC,p)＝{MC(i,j),i＝j+p},p∈[0,M-1](公式五)
然后求均值得到平均循环相关系数为
C(p)＝mean(diag(MC,p))(公式六)
其中，mean表示求均值函数。
6.根据权利要求1或2所述的基于雷达高分辨距离像的旋转微多普勒频率估计方法，其特征在于：在步骤四中，对L个搜索到的峰值位置{n1,n2,……nL}取平均值后取倒数，得到旋转微多普勒频率估计值l∈[1,L]表示第l个峰值，TR是雷达脉冲重复周期。
CN201610046694.1A 2016-01-25 2016-01-25 基于雷达高分辨距离像的旋转微多普勒频率估计方法 Pending CN105676204A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610046694.1A CN105676204A (zh) 2016-01-25 2016-01-25 基于雷达高分辨距离像的旋转微多普勒频率估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610046694.1A CN105676204A (zh) 2016-01-25 2016-01-25 基于雷达高分辨距离像的旋转微多普勒频率估计方法

Publications (1)

Publication Number Publication Date
CN105676204A true CN105676204A (zh) 2016-06-15

Family

ID=56302349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610046694.1A Pending CN105676204A (zh) 2016-01-25 2016-01-25 基于雷达高分辨距离像的旋转微多普勒频率估计方法

Country Status (1)

Country Link
CN (1) CN105676204A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105866761A (zh) * 2016-06-27 2016-08-17 湖南华诺星空电子技术有限公司 基于迭代滑窗傅里叶变换的雷达慢时间维频谱构建方法
CN106501786A (zh) * 2016-10-12 2017-03-15 中国人民解放军国防科学技术大学 一种基于矩阵相关的微动目标参数估计方法
CN106707270A (zh) * 2017-03-06 2017-05-24 中国人民解放军国防科学技术大学 基于涡旋电磁波的旋转目标检测方法
CN106840598A (zh) * 2017-02-10 2017-06-13 中国人民解放军国防科学技术大学 基于侧视雷达的降雨条件下飞机尾流环量估计方法
CN106886020A (zh) * 2017-03-06 2017-06-23 中国人民解放军国防科学技术大学 一种单天线接收条件下的电磁涡旋成像方法
CN106950554A (zh) * 2017-03-21 2017-07-14 中国人民解放军国防科学技术大学 实现振动干扰条件下旋转目标参数估计的方法
CN109307860A (zh) * 2018-11-09 2019-02-05 中国工程物理研究院电子工程研究所 一种基于微动特征的箔条云识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156282A (zh) * 2011-03-25 2011-08-17 电子科技大学 一种基于微多普勒效应的雷达目标检测方法
CN104007430A (zh) * 2014-05-29 2014-08-27 西安电子科技大学 基于瞬时调频率估计的进动目标的微多普勒提取方法
CN104198993A (zh) * 2014-07-29 2014-12-10 北京理工大学 适合参数估计的认知雷达最优波形设计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156282A (zh) * 2011-03-25 2011-08-17 电子科技大学 一种基于微多普勒效应的雷达目标检测方法
CN104007430A (zh) * 2014-05-29 2014-08-27 西安电子科技大学 基于瞬时调频率估计的进动目标的微多普勒提取方法
CN104198993A (zh) * 2014-07-29 2014-12-10 北京理工大学 适合参数估计的认知雷达最优波形设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WENPENG ZHANG ETAL.: "Parameter Estimation of Radar Targets with Macro-Motion and Micro-Motion Based on Circular Correlation Coefficients", 《IEEE SIGNAL PROCESSING LETTERS》 *
周玉冰: "毫米波雷达高分辨距离像成像算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105866761A (zh) * 2016-06-27 2016-08-17 湖南华诺星空电子技术有限公司 基于迭代滑窗傅里叶变换的雷达慢时间维频谱构建方法
CN105866761B (zh) * 2016-06-27 2018-06-22 湖南华诺星空电子技术有限公司 基于迭代滑窗傅里叶变换的雷达慢时间维频谱构建方法
CN106501786A (zh) * 2016-10-12 2017-03-15 中国人民解放军国防科学技术大学 一种基于矩阵相关的微动目标参数估计方法
CN106840598A (zh) * 2017-02-10 2017-06-13 中国人民解放军国防科学技术大学 基于侧视雷达的降雨条件下飞机尾流环量估计方法
CN106840598B (zh) * 2017-02-10 2019-01-29 中国人民解放军国防科学技术大学 基于侧视雷达的降雨条件下飞机尾流环量估计方法
CN106707270A (zh) * 2017-03-06 2017-05-24 中国人民解放军国防科学技术大学 基于涡旋电磁波的旋转目标检测方法
CN106886020A (zh) * 2017-03-06 2017-06-23 中国人民解放军国防科学技术大学 一种单天线接收条件下的电磁涡旋成像方法
CN106886020B (zh) * 2017-03-06 2019-06-18 中国人民解放军国防科学技术大学 一种单天线接收条件下的电磁涡旋成像方法
CN106707270B (zh) * 2017-03-06 2019-06-18 中国人民解放军国防科学技术大学 基于涡旋电磁波的旋转目标检测方法
CN106950554A (zh) * 2017-03-21 2017-07-14 中国人民解放军国防科学技术大学 实现振动干扰条件下旋转目标参数估计的方法
CN106950554B (zh) * 2017-03-21 2019-04-12 中国人民解放军国防科学技术大学 实现振动干扰条件下旋转目标参数估计的方法
CN109307860A (zh) * 2018-11-09 2019-02-05 中国工程物理研究院电子工程研究所 一种基于微动特征的箔条云识别方法

Similar Documents

Publication Publication Date Title
CN105676204A (zh) 基于雷达高分辨距离像的旋转微多普勒频率估计方法
CN102998672B (zh) 基于相干化处理的步进频率isar成像方法
CN109100718B (zh) 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法
CN102901956B (zh) 一种雷达微弱目标检测方法
Jeng et al. Estimating speed using a side-looking single-radar vehicle detector
CN102628937B (zh) 基于广义keystone变换和非相参积累的雷达检测方法
Liu et al. Velocity estimation and range shift compensation for high range resolution profiling in stepped-frequency radar
CN106443661B (zh) 基于无迹卡尔曼滤波的机动扩展目标跟踪方法
CN102590812B (zh) 基于调频连续波的sar实时成像方法
CN105301590A (zh) 一种机动目标调频步进逆合成孔径成像方法
CN103278820A (zh) 临近空间慢速平台sar动目标检测方法及成像方法
CN105487074B (zh) 一种双基地合成孔径雷达数值距离多普勒成像方法
CN104297740A (zh) 基于相位分析的雷达目标多普勒谱估计方法
CN106291516A (zh) 一种声呐应答式干扰的剔除方法
CN106646395A (zh) 一种飞行目标的雷达回波推演方法
CN105447867A (zh) 基于isar图像的空间目标姿态估计方法
Chen et al. LFM signal detection and estimation based on deep convolutional neural network
CN113655459A (zh) 一种基于泊松盘采样的雷达无模糊多普勒扩展方法及装置
CN106680791A (zh) 基于宽带扫频数据的雷达回波仿真方法
CN109116359A (zh) 一种机载雷达低空风切变风场回波风速的估计方法
CN117647811B (zh) 运动目标参数估计与重定位方法、系统、终端及存储介质
Krichene et al. Compressive sensing and stretch processing
Zhang et al. An improved time-domain autofocus method based on 3-D motion errors estimation
CN105674814A (zh) 一种估计空间弹头进动周期的目标微动特征提取方法
CN107656274A (zh) Sar动目标回波徙动校正与方位能量积累方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160615

WD01 Invention patent application deemed withdrawn after publication