CN106093908A - 一种基于分块分段aic模型的雷达目标检测方法 - Google Patents
一种基于分块分段aic模型的雷达目标检测方法 Download PDFInfo
- Publication number
- CN106093908A CN106093908A CN201610648401.7A CN201610648401A CN106093908A CN 106093908 A CN106093908 A CN 106093908A CN 201610648401 A CN201610648401 A CN 201610648401A CN 106093908 A CN106093908 A CN 106093908A
- Authority
- CN
- China
- Prior art keywords
- phi
- radar target
- matrix
- radar
- target signal
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达目标检测技术领域,公开了一种基于分块分段AIC模型的雷达目标检测方法,包括:构建分块分段AIC模型并获取雷达目标回波信号,对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵;构造稀疏基矩阵,根据稀疏基矩阵和等效测量矩阵组成压缩传感矩阵,对观测值进行稀疏重构;对稀疏系数估计值进行相干积累和恒虚警检测,得到雷达目标回波信号的距离‑多普勒信息;根据雷达目标回波信号的距离‑多普勒信息对雷达目标进行检测,以解决针对雷达分辨率由带宽决定,高分辨率会带来采样频率过高、硬件实现困难的问题,以及大数据量的采样、传输、处理和存储问题,并降低了硬件成本。
Description
技术领域
本发明涉及雷达目标检测技术领域,尤其涉及一种基于分块分段AIC模型的雷达目标检测方法。
背景技术
压缩感知(Compressed Sensing,CS)理论指出,若原信号在某个域上是稀疏的或者可压缩的,则可以对信号以低于Nyquist频率进行采样,并且能够通过重构算法精确地重构出原信号。CS理论的提出最初是针对离散数字信号的,为了将其应用到模拟域,就出现了基于压缩感知的模拟信息转换(Analog to Information Converter,AIC)理论,其旨在利用信号的结构特征降低信号采样率,解决大量数据的压缩存储以及传输问题。模拟到信息转换的研究重点在于采用何种有效的转换架构,使得信号采集效率得以提高,采集方式的使用范围得以扩展。
目前比较成熟的AIC结构有调制宽带转换器模型(Modulated WidebandConverter,MWC),该模型采用并行架构,每一条支路由伪随机解调器、模拟低通滤波器和低速ADC组成。MWC利用伪随机序列函数通过混频操作实现频谱搬移,摆脱了模拟ADC带宽的限制,同时各支路采用同一个时间触发器保证了采样同步,有效解决了精确的时间延迟难以实现的问题。但是其本身存在一个问题,当单位时间内需要很多的压缩采样值时,将导致大数量的相关支路,这将大大增加系统硬件实现的复杂度。针对此问题又出现了加入分段思想对MWC进行改进,提出了分段式模拟信息转换器(S-AIC),在每个混合积分器支路上将每一个积分周期分成M段后,得到分段测量值,再按照一定的规则将各个积分支路上的分段测量值置换,得到新的测量值,达到在不增加积分支路数的基础上扩展测量数矩阵行数的目的,有效降低了相关支路数,提升了恢复性能。但是,由于S-AIC所得的等效测量矩阵是密集矩阵,其硬件实现的复杂度仍然较高。
发明内容
针对上述已有技术的缺点,本发明的目的在于提供一种基于分块分段AIC模型的雷达目标检测方法,以基于压缩感知的模拟信息转换(Analog to InformationConverter,AIC)理论为基础,利用信号的结构特征研究一种有效的模拟到信息转换构架,使得信号采集效率得以提高,采集方式和使用范围得以扩展,以解决针对雷达分辨率由带宽决定,高分辨率会带来采样频率过高、硬件实现困难的问题,以及大数据量的采样、传输、处理和存储问题,并降低了硬件成本。
为达到上述目的,本发明的实施例采用如下技术方案:
一种基于分块分段AIC模型的雷达目标检测方法,所述方法包括如下步骤:
步骤1,构建分块分段AIC模型并获取雷达目标回波信号,根据所述分块分段AIC模型对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵;
步骤2,根据雷达目标回波信号的稀疏性,构造稀疏基矩阵,根据所述稀疏基矩阵和所述等效测量矩阵组成压缩传感矩阵,并对所述观测值进行稀疏重构,得到稀疏系数估计值;
步骤3,对所述稀疏系数估计值进行相干积累和恒虚警检测,从而得到雷达目标回波信号的距离-多普勒信息,所述雷达目标回波信号的距离-多普勒信息包含了目标的距离和速度信息;
步骤4,根据所述雷达目标回波信号的距离-多普勒信息对雷达目标进行检测。
本发明的有益效果为:第一,本发明使用的分块分段AIC结构,利用分块思想得到块对角化的等效测量矩阵,节省了硬件资源,降低了硬件复杂度,由于每个分块相对独立,在硬件设计中各分块子采样的存储空间可以实现复用;第二,利用该结构进行雷达目标检测,在降低采样率的同时分辨特性也得到了改善,对于相邻的目标,传统方法由于采用了脉冲压缩,使得目标的幅度在距离维上有一定的展宽,容易造成虚警,基于分块分段AIC模型的检测方法对于相邻的目标检测能力更强,具有更好的分辨特性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的基于分块分段AIC模型的雷达目标检测方法的流程示意图;
图2为本发明的分块分段AIC模型的结构示意图;
图3为本发明的基于分块分段AIC模型的距离-多普勒成像结果以及传统方法下的距离-多普勒成像结果对比示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种基于分块分段AIC模型的雷达目标检测方法,参照图1,所述方法包括如下步骤:
步骤1,构建分块分段AIC模型并获取雷达目标回波信号,根据所述分块分段AIC模型对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵。
参照图2,步骤1中确定分块分段AIC模型具体为:
所述分块分段AIC模型包含K个混合积分器支路(BMI),每一个支路中输入信号x(t)与周期伪随机序列p(t)的相乘结果,由分段后脉冲响应为h(t)的积分器滤波后,再经低速ADC以子奈奎斯特采样率fs采集数据。其中,频率fs的选取与滤波器的截止频率有关,p(t)是一个取值为±1有限持续时间为随机方波的周期扩展。
每个混合积分器支路的积分周期为T,将每个混合积分器支路的积分周期T划分为M个子积分区间,并将所述K个混合积分器支路分成J块,第j块包含Kt个混合积分器支路,即从第(j-1)Kt+1个混合积分器支路到第jKt个混合积分器支路,在第j块中的每一个支路的积分时间从(j-1)T/J到jT/J,即每个支路的积分周期为T/J。其中,j=1,2,…J,K、M、J为正整数,且K是J的整数倍,M是J的整数倍;记Mt=M/J,Kt=K/J;
由第j块中的混合积分器支路所产生的子采样值为:
其中,为Kt×Mt维的矩阵;则定义K×M维对角块矩阵Y为:
其中,为由第j块中的混合积分器支路所产生的子采样值。
接下来需要根据Y构造出扩展采样值,需要对矩阵Y中每一块的列进行置换操作。
步骤1中,根据所述分块分段AIC模型对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵,具体包括如下子步骤:
(1a)构造置换矩阵P={P(i)}:
其中,置换因子置换因子是任意集合到自身的一一映射,通过置换因子仅改变集合中元素的顺序,设置换集 是将置换集应用于对角块矩阵Y的结果,其中应用于对角块矩阵Y的前m列;置换矩阵P={P(i)}选取的条件是:保证中同一行的所有子采样值来自Y和的不同行;
(1b)置换集最多为I=Kt-1个,将置换集P(i)(i=1,…,I)应用到矩阵Y每一块的列中,可以得到置换后的额外采样值:
其中,由对块矩阵的第m列置换获得。
当扩展值个数Ka=KI时,令则第k个扩展值可以表示为:
因此,分块分段AIC产生的Ke个采样值可以表示为
用同样的处理方法可以得到扩展测量矩阵。设原测量矩阵为ΦK×N,则原测量矩阵ΦK×N的第k行可以表示为φk=(φk,1,…,φk,M),其中φk,j,j=1,2,…,M是长度为N/M的向量。
令为Kt×Nt的矩阵,则矩阵的元素表示为:
其中,k∈{1,2,…,Kt},n∈{1,2,…,Nt},是矩阵通过置换集P(i)得到的,所以,分块分段AIC模型的等效测量矩阵为:
当Ka<KI时,为了使各块能够得到相同的信息量,需要从每一个积分支路块中得到Ka/J个采样值来构成Ka个扩展值。定义设Knp=Ka-(np-1)K。由式可以得到采样值剩余的个扩展值通过每个的前nb行求和得到,即得到雷达目标回波信号的观测值yM×1:
然后可以得到等效测量矩阵ΦM×N:
综上所述,分块分段AIC结构的压缩采样处理过程如下:
(1.1)将积分周期T分割成M段,K个积分支路被分成J块,每个积分支路块的积分时间有Mt段,Mt=M/J。
(1.2)定义置换因子π,构造置换矩阵P={P(i)}。
(1.3)对每一块BMI(Branches of Mixters and Integrators)分别进行积分操作,得到子采样矩阵构造对角块矩阵为对每一行求和得到前K个采样值。
(1.4)逐块按列分别进行置换操作,判断的行数Kt除以i和Kt的最大公约数的商值是否大于等于Mt。若是,则利用P(i)对进行置换操作,得到否则,将P中对应的P(i)去掉,得到简化的{P(i)}。
(1.5)判断扩展值个数Ka是否等于K。若Ka=KI,对置换后的子采样矩阵逐行分别求和,获得Ka个扩展值。若Ka<KI,对矩阵Ya中前(np-1)K行分别求和,得到前(np-1)K个额外采样值,其余个额外采样值由每个的前nb行求和得到。
(1.6)得到Ke=K+Ka个采样值。
步骤2,根据雷达目标回波信号的稀疏性,构造稀疏基矩阵,根据所述稀疏基矩阵和所述等效测量矩阵组成压缩传感矩阵,并对所述观测值进行稀疏重构,得到稀疏系数估计值。
将雷达回波信号进行稀疏表示。雷达的回波信号可表示为
其中,σn为后向散射系数,sT(t)为发射信号,rn(t)表示第n个散射点和雷达之间的距离,nR(t)为噪声和干扰。2rn(t)/c表示目标回波基于发射信号的延迟,所以可以将回波信号看成是由发射信号sT(t)的不同的时延分量构成的。又由于雷达的探测区域要远远大于目标的尺寸,因此雷达回波信号在由发射信号的不同时延组成的空间中是稀疏的。
发射信号为线性调频信号(LFM):
其中,fc为载频,T0为脉冲宽度,K(K=B/T0)为线性调频率。
步骤2具体包括如下子步骤:
(2a)记雷达发射信号的包络为s0(t)=rect(t/T0)exp(jπKt2),则雷达目标回波的基频信号表示为:
其中,n表示第n个散射中心,σn为后向散射系数,rn(t)表示第n个散射中心和雷达之间的距离,2rn(t)/c表示目标回波基于发射信号的延迟,第n个散射中心的稀疏系数αn=σnexp(-j4fcrn(t)/c),αn包含第n个散射中心的距离以及多普勒信息,nB(t)为噪声和干扰,T0为脉冲宽度,K为线性调频率,fc为载频,c为光速;
通常情况下认为在一次脉冲回波中运动目标的位置是固定不变的,在不同脉冲回波间,目标的位置是与速度相关的函数。所以,可以认为αn包含各个散射点的距离以及Doppler信息。
(2b)将雷达的观测区间分为N个距离单元[r1,r2…,rN],则N个距离单元的散射中心的稀疏系数向量α=[α1 α2 … αN]T;
一般来说,相对于观测的区间长度来说,目标的数量K是极少的,所以可以知道向量α中非零元素也是很少的,因此,可以由上式构造稀疏基矩阵Ψ:
则得到:sB(t)=Ψα+nB(t),对其进行离散化得到:sB(n)=Ψα+nB(n),n=1,…,N。
(2c)构造稀疏基矩阵ΨN×N:
则雷达目标回波的基频信号sB(n)=ΨN×Nα+nB(n),n=1,…,N;
(2d)雷达目标回波信号的观测值yM×1表示为:
其中,ΦM×N为等效测量矩阵,ΨN×N为稀疏基矩阵,定义压缩传感矩阵Θ=ΦM×NΨN×N;
(2e)构造关于稀疏系数向量的目标函数:
将所述目标函数转化为最小l1-范数求解,从而得到稀疏系数估计值因为向量α是稀疏的,所以利用基于多测量矢量(MMV)下的稀疏贝叶斯(SBL)重构算法得到向量α的估计值而得到的估计值中就包含了目标的距离和速度的信息
步骤3,对所述稀疏系数估计值进行相干积累和恒虚警检测,从而得到雷达目标回波信号的距离-多普勒信息,所述雷达目标回波信号的距离-多普勒信息包含了目标的距离和速度信息。
步骤4,根据所述雷达目标回波信号的距离-多普勒信息对雷达目标进行检测。
对本发明进行仿真试验的仿真参数设置如下:载频为3GHz,脉冲重复频率为10KHz,脉冲宽度为5μs,带宽为15MHz,采样率为30MHz。假设有四个目标,目标分别位于[5000,5005,5020,5025]m,相对幅度关系1:1:1:1,目标速度分别为[40,60,30,50]m/s。相干积累脉冲数为50,信噪比为0dB,CFAR的虚警率为10-6。以分块数J=2和J=4的PS-AIC模型为例进行雷达目标检测,PS-AIC的积分支路数为K=32,分段数为M=16,扩展值Ka=32,降采样率为16。
图3给出了利用本发明的采样模型的距离-多普勒成像结果以及传统的匹配滤波方法下距离-多普勒成像结果对比。图3(a)为J=2的PS-AIC模型的距离-多普勒成像结果,图3(b)为传统的匹配滤波方法下距离-多普勒成像结果对比。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种基于分块分段AIC模型的雷达目标检测方法,其特征在于,所述方法包括如下步骤:
步骤1,构建分块分段AIC模型并获取雷达目标回波信号,根据所述分块分段AIC模型对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵;
步骤2,根据雷达目标回波信号的稀疏性,构造稀疏基矩阵,根据所述稀疏基矩阵和所述等效测量矩阵组成压缩传感矩阵,并对所述观测值进行稀疏重构,得到稀疏系数估计值;
步骤3,对所述稀疏系数估计值进行相干积累和恒虚警检测,从而得到雷达目标回波信号的距离-多普勒信息,所述雷达目标回波信号的距离-多普勒信息包含了目标的距离和速度信息;
步骤4,根据所述雷达目标回波信号的距离-多普勒信息对雷达目标进行检测。
2.根据权利要求1所述的一种基于分块分段AIC模型的雷达目标检测方法,其特征在于,步骤1中确定分块分段AIC模型具体为:
所述分块分段AIC模型包含K个混合积分器支路,每个混合积分器支路的积分周期为T,将每个混合积分器支路的积分周期T划分为M个子积分区间,并将所述K个混合积分器支路分成J块,第j块包含Kt个混合积分器支路,即从第(j-1)Kt+1个混合积分器支路到第jKt个混合积分器支路,其中,j=1,2,…J,K、M、J为正整数,且K是J的整数倍,M是J的整数倍;记Mt=M/J,Kt=K/J;
由第j块中的混合积分器支路所产生的子采样值为:
其中,为Kt×Mt维的矩阵;
则定义K×M维对角块矩阵Y为:
其中,为由第j块中的混合积分器支路所产生的子采样值。
3.根据权利要求2所述的一种基于分块分段AIC模型的雷达目标检测方法,其特征在于,步骤1中,根据所述分块分段AIC模型对雷达目标回波信号进行压缩观测,得到雷达目标回波信号的观测值和等效测量矩阵,具体包括如下子步骤:
(1a)构造置换矩阵P={P(i)}:
其中,置换因子i=1,…,Kt-1,j=1,…,M,置换因子是任意集合到自身的一一映射,通过置换因子仅改变集合中元素的顺序,设置换集 是将置换集应用于对角块矩阵Y的结果,其中应用于对角块矩阵Y的前m列;置换矩阵P={P(i)}选取的条件是:保证中同一行的所有子采样值来自Y和的不同行;
(1b)对每个混合积分器支路分别进行积分操作,得到子采样值构造对角块矩阵对对角块矩阵Y的每一行求和得到前K个采样值;
(1c)对每个子采样值按列分别进行置换操作,判断的行数Kt除以i和行数Kt的最大公约数的商是否大于或者等于Mt,若是,则利用P(i)对进行置换操作,得到否则,将P中对应的P(i)去掉,得到简化的置换矩阵;
(1d)扩展值个数Ka为K的整数倍,判断扩展值个数Ka是否等于K,若Ka=KI,I=Kt-1,表示置换集的个数,对置换后的子采样矩阵逐行分别求和,获得Ka个扩展值,若Ka<KI,设Knp=Ka-(np-1)K,并定义对子采样矩阵Ya中前(np-1)K行分别求和,得到前(np-1)K个额外采样值,其余个额外采样值由每个的前nb行求和得到;
(1e)得到Ke=K+Ka个采样值,组成雷达目标回波信号的观测值yM×1;
(1f)
令为Kt×Nt的矩阵,则的元素表示为:
其中,k∈{1,2,…,Kt},n∈{1,2,…,Nt},是矩阵通过置换集P(i)得到的;
当Ka=KI时,等效测量矩阵ΦM×N为:
当Ka<KI时,等效测量矩阵ΦM×N为:
4.根据权利要求1所述的一种基于分块分段AIC模型的雷达目标检测方法,其特征在于,步骤2具体包括如下子步骤:
(2a)记雷达发射信号的包络为s0(t)=rect(t/T0)exp(jπKt2),则雷达目标回波的基频信号表示为:
其中,n表示第n个散射中心,σn为后向散射系数,rn(t)表示第n个散射中心和雷达之间的距离,2rn(t)/c表示目标回波基于发射信号的延迟,第n个散射中心的稀疏系数αn=σnexp(-j4fcrn(t)/c),αn包含第n个散射中心的距离以及多普勒信息,nB(t)为噪声和干扰,T0为脉冲宽度,K为线性调频率,fc为载频,c为光速;
(2b)将雷达的观测区间分为N个距离单元[r1,r2…,rN」,则N个距离单元的散射中心的稀疏系数向量α=[α1 α2 … αN]T;
(2c)构造稀疏基矩阵ΨN×N:
则雷达目标回波的基频信号sB(n)=ΨN×Nα+nB(n),n=1,…,N;
(2d)雷达目标回波信号的观测值yM×1表示为:
其中,ΦM×N为等效测量矩阵,ΨN×N为稀疏基矩阵,定义压缩传感矩阵Θ=ΦM×NΨN×N;
(2e)构造关于稀疏系数向量的目标函数:
将所述目标函数转化为最小l1-范数求解,从而得到稀疏系数估计值
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610648401.7A CN106093908A (zh) | 2016-08-09 | 2016-08-09 | 一种基于分块分段aic模型的雷达目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610648401.7A CN106093908A (zh) | 2016-08-09 | 2016-08-09 | 一种基于分块分段aic模型的雷达目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106093908A true CN106093908A (zh) | 2016-11-09 |
Family
ID=57456208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610648401.7A Pending CN106093908A (zh) | 2016-08-09 | 2016-08-09 | 一种基于分块分段aic模型的雷达目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106093908A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300702A (zh) * | 2017-06-14 | 2017-10-27 | 中国人民解放军国防科学技术大学 | 基于双通道压缩感知去斜处理的v‑fm isar成像方法 |
CN109100700A (zh) * | 2018-10-26 | 2018-12-28 | 深圳大学 | 一种单采样雷达信号处理系统及方法 |
CN109586728A (zh) * | 2018-12-11 | 2019-04-05 | 哈尔滨工业大学 | 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法 |
CN109782283A (zh) * | 2019-03-13 | 2019-05-21 | 昆山煜壶信息技术有限公司 | 基于预调制aic的毫米波雷达成像方法 |
CN109782251A (zh) * | 2019-03-14 | 2019-05-21 | 北京航空航天大学 | 一种海杂波抑制后的低速目标鉴别方法 |
CN111337920A (zh) * | 2020-03-03 | 2020-06-26 | 成都金宇防务科技有限公司 | 一种防止云雾干扰的弹载雷达对地探测方法及装置 |
CN111679259A (zh) * | 2020-06-18 | 2020-09-18 | 成都纳雷科技有限公司 | 一种提高毫米波雷达动目标检测信噪比的方法及系统 |
CN111965615A (zh) * | 2020-07-28 | 2020-11-20 | 南京航空航天大学 | 一种基于检测前估计的雷达目标检测方法 |
CN112363115A (zh) * | 2020-10-27 | 2021-02-12 | 上海矽杰微电子有限公司 | 一种抵抗恶劣天气对雷达传感器影响的方法 |
CN113406575A (zh) * | 2021-06-17 | 2021-09-17 | 电子科技大学 | 一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法 |
-
2016
- 2016-08-09 CN CN201610648401.7A patent/CN106093908A/zh active Pending
Non-Patent Citations (3)
Title |
---|
OMID TAHERI ET AL.: ""Segmented Compressed Sampling for Analog-to-Information Conversion:Method and Performance Analysis"", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
张作浩: ""压缩观测技术研究及在雷达信号中的应用"", 《中国优秀硕士学位论文全文数据库(电子期刊) 信息科技辑》 * |
方标 等: ""一种分段分块式压缩采样模型的设计"", 《西安电子科技大学学报(自然科学版)》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107300702A (zh) * | 2017-06-14 | 2017-10-27 | 中国人民解放军国防科学技术大学 | 基于双通道压缩感知去斜处理的v‑fm isar成像方法 |
CN109100700A (zh) * | 2018-10-26 | 2018-12-28 | 深圳大学 | 一种单采样雷达信号处理系统及方法 |
CN109586728A (zh) * | 2018-12-11 | 2019-04-05 | 哈尔滨工业大学 | 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法 |
CN109586728B (zh) * | 2018-12-11 | 2022-10-25 | 哈尔滨工业大学 | 基于稀疏贝叶斯的调制宽带转换器框架下信号盲重构方法 |
CN109782283A (zh) * | 2019-03-13 | 2019-05-21 | 昆山煜壶信息技术有限公司 | 基于预调制aic的毫米波雷达成像方法 |
CN109782251A (zh) * | 2019-03-14 | 2019-05-21 | 北京航空航天大学 | 一种海杂波抑制后的低速目标鉴别方法 |
CN111337920A (zh) * | 2020-03-03 | 2020-06-26 | 成都金宇防务科技有限公司 | 一种防止云雾干扰的弹载雷达对地探测方法及装置 |
CN111679259A (zh) * | 2020-06-18 | 2020-09-18 | 成都纳雷科技有限公司 | 一种提高毫米波雷达动目标检测信噪比的方法及系统 |
CN111679259B (zh) * | 2020-06-18 | 2023-07-14 | 成都纳雷科技有限公司 | 一种提高毫米波雷达动目标检测信噪比的方法及系统 |
CN111965615A (zh) * | 2020-07-28 | 2020-11-20 | 南京航空航天大学 | 一种基于检测前估计的雷达目标检测方法 |
CN112363115A (zh) * | 2020-10-27 | 2021-02-12 | 上海矽杰微电子有限公司 | 一种抵抗恶劣天气对雷达传感器影响的方法 |
CN113406575A (zh) * | 2021-06-17 | 2021-09-17 | 电子科技大学 | 一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106093908A (zh) | 一种基于分块分段aic模型的雷达目标检测方法 | |
CN101975939B (zh) | 一种基于压缩感知理论的多普勒解模糊处理方法 | |
Friedlander et al. | VSAR: A high resolution radar system for ocean imaging | |
CN103630888B (zh) | 基于对称三角lfmcw雷达的高精度实时微波测速测距装置 | |
CN107683422A (zh) | 车辆雷达系统 | |
CN109964143B (zh) | 用于处理由相干激光雷达引起的信号的方法及相关激光雷达系统 | |
CN100553168C (zh) | 一种长周期扩频码的频率折叠时频并行搜索方法 | |
CN110095765A (zh) | 捷变频雷达的高分辨多普勒重构方法 | |
CN106569196A (zh) | 一种基于压缩感知的地面雷达多目标检测方法 | |
CN104502906B (zh) | 基于rmdcft的空间超高速机动目标检测方法 | |
CN102854504A (zh) | 基于回波模拟算子的稀疏合成孔径雷达成像方法 | |
CN103293521B (zh) | 一种利用x波段雷达探测近海海域水深的方法 | |
CN109951223A (zh) | 一种随机单脉冲采样在相位敏感otdr传感中恢复信号及频率的方法 | |
CN103149561A (zh) | 一种基于场景块稀疏的稀疏微波成像方法 | |
CN104239683B (zh) | 一种基于改变信号调频率的解距离—速度模糊方法 | |
DE112017002559T5 (de) | Geschwindigkeitserfassungsvorrichtung | |
CN102830409A (zh) | 一种基于压缩感知的导航信号采集方法 | |
CN110376559B (zh) | 单通道雷达主瓣多源干扰分离方法、装置和设备 | |
DE3408404C2 (de) | Vorrichtung zur Radarsimulation | |
CN103197312B (zh) | 装载于慢速平台上的成像雷达的稀疏微波成像方法及装置 | |
CN104215959A (zh) | 一种多机动目标径向初速度和径向加速度的估计方法 | |
CN102621546A (zh) | 基于关联成像的三维信息获取方法 | |
CN103389490A (zh) | 基于稀疏信号的波束形成器及其方法 | |
CN114167423A (zh) | 基于深度回归网络的雷达海浪参数测量方法 | |
CN104751675A (zh) | 基于有限新息率理论脉冲信号采样的车位检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |