CN106249211A - 一种海杂波与云雨杂波抑制算法 - Google Patents
一种海杂波与云雨杂波抑制算法 Download PDFInfo
- Publication number
- CN106249211A CN106249211A CN201610638581.0A CN201610638581A CN106249211A CN 106249211 A CN106249211 A CN 106249211A CN 201610638581 A CN201610638581 A CN 201610638581A CN 106249211 A CN106249211 A CN 106249211A
- Authority
- CN
- China
- Prior art keywords
- clutter
- data
- target
- scanning room
- video
- 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
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
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
本发明公开了一种海杂波与云雨杂波抑制算法,包括以下步骤:S1:建立基于雷达视频信号的自适应杂波功率统计图;S2:采用无损数据压缩解压算法对生成的杂波功率统计数据进行管理与存储;S3:采用两种扫描间积累方法对杂波进行抑制;S4:将步骤S3产生的两路检测视频数据、雷达原始视频信号输入数据和步骤S1计算得到的当前位置自适应杂波功率统计数据进行计算处理,得到最终的经过海杂波与云雨抑制后的检测视频,最终用于目标检测。本发明设计了一种有效且高效的自适应杂波功率统计算法,有效解决海杂波与云雨杂波功率统计问题。
Description
技术领域
本发明涉及雷达视频信号处理技术,特别是涉及一种海杂波与云雨杂波抑制算法。
背景技术
雷达杂波定义为雷达接收到的不希望探测的各种物体反射的回波信号。这些不需要的回波信号“扰乱了”雷达的工作,使对感兴趣目标回波的检测变得困难。雷达杂波包括来自陆地、天气(特别是雨)、海洋、昆虫以及鸟群的回波。海杂波是指除了感兴趣的目标之外,来自海面的雷达回波。杂波是雷达进行目标检测的固有环境,在杂波背景下准确而高效地检测目标是雷达信号处理的基本任务。海杂波或云雨杂波背景下的目标检测技术在科学技术、军事以及民用领域一直是一个重要的课题和研究方向。
在实际工程项目应用中,海杂波和云雨杂波对目标的发现、稳定跟踪带来了很大的干扰。提高在杂波区内的目标发现与稳定跟踪能力一直是我部数据处理领域的努力方向。在目标跟踪领域针对杂波区设计了多种关联等有效的关联算法和手段。而针对杂波区内产生的大量虚假点迹目前的检测手段并未很好的解决虚警多的问题。提高杂波区内目标发现概率的同时降低虚警率对雷达系统的性能指标提升有重大意义。而现有的各种CFAR(恒虚警)检测器均假设杂波(或噪声)背景服从某种统计分布模型。而实际杂波幅度一旦偏离了假设的统计分布模型,CFAR检测器的检测性能必然会收到影响,甚至其恒虚警特性也可能难以保证。
对海杂波和云雨杂波进行有效抑制对雷达信号处理和雷达系统设计等方面具有重要的现实意义。
发明内容
发明目的:本发明的目的是提供一种能够解决现有技术存在的缺陷的一种海杂波与云雨杂波抑制算法。
技术方案:本发明所述的海杂波与云雨杂波抑制算法,包括以下步骤:
S1:建立基于雷达视频信号的自适应杂波功率统计图:通过雷达原始视频信号输入数据,生成方位距离二维的杂波功率统计数据,生成的该二维统计数据分别在扫掠间与扫描间进行迭代更新,最终生成缓变化的杂波功率统计数据;
S2:采用无损数据压缩解压算法对生成的杂波功率统计数据进行管理与存储;
S3:采用两种扫描间积累方法对杂波进行抑制,即复合式扫描间积累方法和运动目标扫描间积累方法;其中,运动目标扫描间积累方法为:采用目标运动窗预计目标从当圈到下一圈位置,如果运动目标落到目标运动窗内,则进行扫描间迭代积累,如果未落到目标运动窗内则不对其进行积累,从而生成运动目标通道检测视频;复合式扫描间积累方法根据步骤S1计算得到的杂波功率统计数据作为门限参考,对原始视频信号输入数据进行过门限处理并在扫描间进行积累处理,得到复合式扫描间积累通道检测视频;
S4:将步骤S3产生的两路检测视频数据、雷达原始视频信号输入数据和超过步骤S1计算得到的当前位置自适应杂波功率统计门限的雷达原始视频信号输入数据进行组合式判决检测处理,得到最终的经过海杂波与云雨抑制后的检测视频,最终用于目标检测。
进一步,所述步骤S3包括以下步骤:
S3.1:采用复合式扫描间积累方法对杂波进行抑制,得到复合式扫描间积累通道检测视频:复合式扫描间积累方法包括扫描间迭代积累、与杂波功率统计值比较,以及原始视频数据与杂波功率统计比较并保存;其中扫描间迭代积累的计算公式为:
其中为第i个距离量化位置历史回波功率值,Ai为第i个距离量化位置当前回波功率,a为当前回波功率权重系数,为第i个距离量化位置扫描间积累后的回波功率;计算得到的结果与杂波功率统计数据进行比较后得到值,并将值送入步骤S3.2运动目标处理模块的同时送入上一圈视频数据存储模块进行保存,其公式为:
其中,refi为当前位置杂波功率统计值,coeffp1为第一杂波抑制系数;
在本步骤中同时将上一圈当前方位数据取出并与杂波功率统计值进行比较并送入步骤S3.2中作为输入数据,其公式为:
Alast,out=Alast,i-refi·coeffp2 (3)
其中,Alast,out为输出到步骤S3.2的数据,Alast,i为保存的上一圈当前方位数据,refi为当前位置杂波功率统计值,coeffp2为第二杂波抑制系数;
S3.2:采用运动目标扫描间积累方法对杂波进行抑制,得到运动目标通道检测视频:目标从上一扫描周期到当前扫描周期时以当前周期目标位置为中心,并以指定目标运动速度上限作为目标搜索窗在上一扫描周期内搜索目标,即将上一扫描周期内目标在搜索窗内进行扩散,并将该扩散后的一圈数据作为模板与当前扫描周期内目标进行计算:如果当前周期内目标落到搜索窗内,则宣布发现目标并保留当前目标,如果目标未落到搜索窗内,则视为虚警,剔除该虚警;其中,“扩散”采用方位-距离二维“滑窗”的计算方式实现;步骤S3.2过程公式为:
Aextn,out=(Ai-refi·coeffp2)&ALastExtn,i (4)
其中,ALastExtn,i为步骤S3.1计算得到的Alast,out在方位-距离上扩散得到的目标运动窗模板,Ai为输入的当前方位第i个位置功率,refi为当前位置杂波功率统计值,coeffp2为第二杂波抑制系数,Aextn,out为运动目标扫描间积累杂波抑制处理后得到数据;
S3.3:同时将步骤S3.1与S3.2计算得到的两路检测视频与原始输入视频进行视频同步并送入步骤S4进行组合判决逻辑进行判断。
进一步,所述步骤S4中的组合式判决检测处理是根据步骤S3中计算得到的两路检测视频数据和超过步骤S1计算得到的当前位置自适应杂波功率统计门限的雷达原始视频信号输入数据进行组合逻辑“与”判断处理,从而最终将海杂波与云雨杂波从原始视频信号输入数据中剔除,得到最终的检测视频结果。
有益效果:与现有技术相比,本发明具有如下的有益效果:
(1)本发明针对对海雷达视频检测处理中出现的海杂波与云雨杂波等复杂场景下的检测方法,提供了一套完整有效的解决方案;
(2)本发明设计了一种有效且高效的自适应杂波功率统计算法,有效解决海杂波与云雨杂波功率统计问题;
(3)本发明给出了一种高效的数据压缩解压数据结构,解决存储与使用杂波功率统计图、扫描间整帧数据等大量实时性数据的存储与使用时内存开销大的问题;
(4)本发明自适应杂波功率统计算法结果作为组合式扫描间迭代积累的输入参考门限使用,避免单一门限造成在计算扫描间迭代积累时引起目标丢失或造成虚警过多,实现海杂波与云雨杂波抑制的自动化。
附图说明
图1为本发明的方法流程图;
图2为本发明的距离单元的划分过程示意图;
图3为本发明的方位单元的划分过程示意图;
图4为本发明的获取统计样本的过程示意图;
图5为本发明的对方位距离单元进行排序的过程示意图;
图6为本发明的数据压缩和解压的过程示意图;
图7为本发明的组合式扫描间积累计算过程意图;
图8为本发明的方位-距离二维滑窗计算目标扩散窗的过程示意图。
具体实施方式
本发明公开了一种海杂波与云雨杂波抑制算法,如图1所示,包括以下步骤:
S1:建立基于雷达视频信号的自适应杂波功率统计图:通过雷达原始视频信号输入数据,生成方位距离二维的杂波功率统计数据,生成的该二维统计数据分别在扫掠间与扫描间进行迭代更新,最终生成缓变化的杂波功率统计数据;而在进行统计计算时采用了方位距离二维抽样和排序等方法提高计算效率,同时去除目标对生成二维杂波图的干扰影响。其计算共分为以下三个部分。
(1)采用排序法进行统计杂波/噪声功率的思想是参考OS-CFAR中基于有序统计量的算法,OS-CFAR是在被检测单元附近的N个样本选取排序为k的值作为干扰功率电平的估计。同理,本步骤中采取的算法是在小区域内随机选取N个样本进行排序,取排序为k的值作为当前区域的杂波功率估计值。因此,当统计样本中干扰目标数目小于(N-k)时,可有效防止目标回波被统计,而当目标样本数目大于(N-k)时,结果就会受到干扰目标的影响。经试验,k<N/2时功率统计偏低,会导致统计计算误差,因此k的取值一般满足N/2<k<N的条件。探测范围内目标较少时k值可取值偏大些,目标较密集时k值取值要偏小些。其过程如图4和图5所示。
根据海杂波与云雨杂波平均功率在短时间内不会巨变特性,本步骤提出帧间迭代算法更准确统计杂波功率,迭代公式如下:
式中,为第k帧数据中第i个采样单元处的杂波和噪声平均功率,为第k-1数据中第i个采样单元处的杂波和噪声平均功率值,为第k帧数据第i个采样单元处在当前帧的杂波和噪声平均功率,a为遗忘系数。
(2)当前帧的统计算法。将雷达探测区域划分成若干个单元,距离单元划分方式如图2所示,为:将探测范围内的距离平均或非平均划分成M个单元,方位单元划分方式如图3所示,为:将360度平均划分为N个方位单元,则雷达整个探测区域的单元数量为M×N。确定搜索范围;在跟踪过程中以目标所在位置为中心,搜索半径r与雷达天线周期有关,周期越长对应的搜索半径越大,一般设置在1~5Km之间即可。
(3)方位距离单元内杂波功率幅度计算方法:假设计算某方位距离单元杂波功率幅度,则需要其邻近L×L个方位距离单元的数据。而每个单元则是由m个距离量化单元与n个方位量化单元组成,在计算时从每个单元的m×n个数据中随机抽取一个位置的值作为统计样本,并对得到的L×L个样本数据进行排序计算,假设统计样本中幅度值较大的为目标所在单元,杂波平均幅度取值为L×L个样本中排序为K(0<K<1)位置的幅度,根据雷达应用场景调整K值。采用该方法统计杂波/噪声功率可有效保护目标,较准确的估计目标周围杂波和噪声的平均功率。
S2:通常雷达视频数据在一个扫描(一圈)周期内的数据量较大,而本专利中需要存储多个整圈雷达视频数据,因此会导致存储空间开销较大,本步骤设计了一种雷达视频数据的压缩存储与解压读取方法来解决存储开销较大问题,也即采用LZ4数据压缩算法对数据进行压缩,并将压缩后的数据进行管理与存储。图6为本步骤使用的雷达视频压缩解压数据处理与存储流程图。其中包括:环形数据压缩块队列、输入与输出方位块队列、数据压缩与解压模块、读写队列切换开关。其中环形数据压缩块队列中存储的每个数据块是l个方位数据压缩后数据与存储块索引组成。输入的方位数据首先存入输入方位队列中,当输入方位队列缓存中数据达到l个以后送入压缩模块进行压缩,压缩后的数据按照环形数据压缩块数据结构放入内存地址中。读取数据(解压数据)时根据方位或首先在输出块方位队列中查找数据,如果找到数据则直接输出,如果未在输出方位队列中找到数据,则从环形数据压缩块队列中查找数据对应的索引号,并解压一个数据压缩块放入输出方位块队列并读出数据。读取数据缓存式设计优点在于正常读取方位或数据方式为顺序读取,当解压出某一索引位置压缩数据后即解压出l个方位或数据,后续l-1个方位或则无需再次从环形数据压缩块队列中解出。本专利中自适应杂波功率统计数据结果、扫描间积累算法中间结果均采用了本数据存储方式,极大节省了存储空间的开销。
S3:采用两种扫描间积累方法对杂波进行抑制,即复合式扫描间积累方法和运动目标扫描间积累方法;其中,运动目标扫描间积累方法为:采用目标运动窗预计目标从当圈到下一圈位置,如果运动目标落到目标运动窗内,则进行扫描间迭代积累,如果未落到目标运动窗内则不对其进行积累。本步骤分为以下三步:
S3.1:采用复合式扫描间积累方法对杂波进行抑制,得到复合式扫描间积累通道检测视频:复合式扫描间积累方法包括扫描间迭代积累、与杂波功率统计值比较,以及原始视频数据与杂波功率统计比较并保存;其中扫描间迭代积累的计算公式为:
其中为第i个距离量化位置历史回波功率值,Ai为第i个距离量化位置当前回波功率,a为当前回波功率权重系数,为第i个距离量化位置扫描间积累后的回波功率;计算得到的结果与杂波功率统计数据进行比较后得到值,并将值送入步骤S3.2运动目标处理模块的同时送入上一圈视频数据存储模块进行保存,其公式为:
其中,refi为当前位置杂波功率统计值,coeffp1为第一杂波抑制系数;
在本步骤中同时将上一圈当前方位数据取出并与杂波功率统计值进行比较并送入步骤S3.2中作为输入数据,其公式为:
Alast,out=Alast,i-refi·coeffp2 (4)
其中,Alast,out为输出到步骤S3.2的数据,Alast,i为保存的上一圈当前方位数据,refi为当前位置杂波功率统计值,coeffp2为第二杂波抑制系数;
S3.2:采用运动目标扫描间积累方法对杂波进行抑制,得到运动目标积累通道检测视频;其计算过程为:目标从上一扫描周期到当前扫描周期时以当前周期目标位置为中心,并以指定目标运动速度上限作为目标搜索窗在上一扫描周期内搜索目标,即将上一扫描周期内目标在搜索窗内进行扩散,并将该扩散后的一圈数据作为模板与当前扫描周期内目标进行计算:如果当前周期内目标落到搜索窗内,则宣布发现目标并保留当前目标,如果目标未落到搜索窗内,则视为虚警,剔除该虚警;其中“扩散”采用方位-距离二维“滑窗”计算方式实现,如图8所示;步骤S3.2过程公式为:
Aextn,out=(Ai-refi·coeffp2)&ALastExtn,i (5)
其中,ALastExtn,i为步骤S3.1计算得到的Alast,out在方位-距离上扩散得到的目标运动窗模板,Ai为输入的当前方位第i个位置功率,refi为当前位置杂波功率统计值,coeffp2为第二杂波抑制系数,Aextn,out为运动目标扫描间积累杂波抑制处理后得到数据;
S3.3:同时将步骤S3.1与S3.2计算得到的两路检测视频与原始输入视频进行视频同步并送入步骤S4进行组合判决逻辑进行判断。
S4:将步骤S3产生的两路检测视频数据、雷达原始视频信号输入数据和超过步骤S1计算得到的当前位置自适应杂波功率统计门限的雷达原始视频信号输入数据进行组合逻辑“与”判断处理,从而将海杂波与云雨杂波从原始视频数据中剔除,得到最终的检测视频结果。
Claims (3)
1.一种海杂波与云雨杂波抑制算法,其特征在于:包括以下步骤:
S1:建立基于雷达视频信号的自适应杂波功率统计图:通过雷达原始视频信号输入数据,生成方位距离二维的杂波功率统计数据,生成的该二维统计数据分别在扫掠间与扫描间进行迭代更新,最终生成缓变化的杂波功率统计数据;
S2:采用无损数据压缩解压算法对生成的杂波功率统计数据进行管理与存储;
S3:采用两种扫描间积累方法对杂波进行抑制,即复合式扫描间积累方法和运动目标扫描间积累方法;其中,运动目标扫描间积累方法为:采用目标运动窗预计目标从当圈到下一圈位置,如果运动目标落到目标运动窗内,则进行扫描间迭代积累,如果未落到目标运动窗内则不对其进行积累,从而生成运动目标通道检测视频;复合式扫描间积累方法根据步骤S1计算得到的杂波功率统计数据作为门限参考,对原始视频信号输入数据进行过门限处理并在扫描间进行积累处理,得到复合式扫描间积累通道检测视频;
S4:将步骤S3产生的两路检测视频数据、雷达原始视频信号输入数据和超过步骤S1计算得到的当前位置自适应杂波功率统计门限的雷达原始视频信号输入数据进行组合式判决检测处理,得到最终的经过海杂波与云雨抑制后的检测视频,最终用于目标检测。
2.根据权利要求1所述的海杂波与云雨杂波抑制算法,其特征在于:所述步骤S3包括以下步骤:
S3.1:采用复合式扫描间积累方法对杂波进行抑制,得到复合式扫描间积累通道检测视频:复合式扫描间积累方法包括扫描间迭代积累、与杂波功率统计值比较,以及原始视频数据与杂波功率统计比较并保存;其中扫描间迭代积累的计算公式为:
其中为第i个距离量化位置历史回波功率值,Ai为第i个距离量化位置当前回波功率,a为当前回波功率权重系数,为第i个距离量化位置扫描间积累后的回波功率;计算得到的结果与杂波功率统计数据进行比较后得到值,并将值送入步骤S3.2运动目标处理模块的同时送入上一圈视频数据存储模块进行保存,其公式为:
其中,refi为当前位置杂波功率统计值,coeffp1为第一杂波抑制系数;
在本步骤中同时将上一圈当前方位数据取出并与杂波功率统计值进行比较并送入步骤S3.2中作为输入数据,其公式为:
Alast,out=Alast,i-refi·coeffp2 (3)
其中,Alast,out为输出到步骤S3.2的数据,Alast,i为保存的上一圈当前方位数据,refi为当前位置杂波功率统计值,coeffp2为第二杂波抑制系数;
S3.2:采用运动目标扫描间积累方法对杂波进行抑制,得到运动目标通道检测视频:目标从上一扫描周期到当前扫描周期时以当前周期目标位置为中心,并以指定目标运动速度上限作为目标搜索窗在上一扫描周期内搜索目标,即将上一扫描周期内目标在搜索窗内进行扩散,并将该扩散后的一圈数据作为模板与当前扫描周期内目标进行计算:如果当前周期内目标落到搜索窗内,则宣布发现目标并保留当前目标,如果目标未落到搜索窗内,则视为虚警,剔除该虚警;其中,“扩散”采用方位-距离二维“滑窗”的计算方式实现;步骤S3.2过程公式为:
Aextn,out=(Ai-refi·coeffp2)&ALastExtn,i (4)
其中,ALastExtn,i为步骤S3.1计算得到的Alast,out在方位-距离上扩散得到的目标运动窗模板,Ai为输入的当前方位第i个位置功率,refi为当前位置杂波功率统计值,coeffp2为第二杂波抑制系数,Aextn,out为运动目标扫描间积累杂波抑制处理后得到数据;
S3.3:同时将步骤S3.1与S3.2计算得到的两路检测视频与原始输入视频进行视频同步并送入步骤S4进行组合判决逻辑进行判断。
3.根据权利要求1所述的海杂波与云雨杂波抑制算法,其特征在于:所述步骤S4中的组合式判决检测处理是根据步骤S3中计算得到的两路检测视频数据和超过步骤S1计算得到的当前位置自适应杂波功率统计门限的雷达原始视频信号输入数据进行组合逻辑“与”判断处理,从而最终将海杂波与云雨杂波从原始视频信号输入数据中剔除,得到最终的检测视频结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610638581.0A CN106249211B (zh) | 2016-08-05 | 2016-08-05 | 一种海杂波与云雨杂波抑制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610638581.0A CN106249211B (zh) | 2016-08-05 | 2016-08-05 | 一种海杂波与云雨杂波抑制算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106249211A true CN106249211A (zh) | 2016-12-21 |
CN106249211B CN106249211B (zh) | 2018-10-23 |
Family
ID=58078259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610638581.0A Active CN106249211B (zh) | 2016-08-05 | 2016-08-05 | 一种海杂波与云雨杂波抑制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106249211B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107561517A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | 一种雷达海杂波剩余虚假点迹抑制方法 |
CN108318866A (zh) * | 2018-01-22 | 2018-07-24 | 西安电子科技大学 | 基于多帧回波联合积累的海杂波抑制方法 |
CN110412550A (zh) * | 2019-07-20 | 2019-11-05 | 中国船舶重工集团公司第七二四研究所 | 一种基于背景认知的区域自适应海目标检测方法 |
CN111060880A (zh) * | 2019-12-30 | 2020-04-24 | 无锡市雷华科技有限公司 | 一种基于恒虚警检测原理的气象杂波抑制方法 |
CN112255607A (zh) * | 2020-09-30 | 2021-01-22 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN112799070A (zh) * | 2021-04-06 | 2021-05-14 | 中船航海科技有限责任公司 | 一种船用雷达雨雪杂波抑制算法 |
CN113030973A (zh) * | 2021-03-02 | 2021-06-25 | 成都民航空管科技发展有限公司 | 一种场面监视雷达信号处理系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452074A (zh) * | 2007-12-07 | 2009-06-10 | 南京理工大学 | 模拟数字联合处理的强杂波自适应对消装置 |
CN102540162A (zh) * | 2011-12-12 | 2012-07-04 | 中国船舶重工集团公司第七二四研究所 | 基于海杂波的低空电磁波传播特性估计方法 |
US8330650B2 (en) * | 2010-05-07 | 2012-12-11 | The United States Of America, As Represented By The Secretary Of The Army | Radar system and antenna with delay lines and method thereof |
CN104849707A (zh) * | 2015-04-27 | 2015-08-19 | 中国电子科技集团公司第二十八研究所 | 一种基于多雷达分布式检测的海杂波抑制方法 |
CN105044686A (zh) * | 2015-08-03 | 2015-11-11 | 中国电子科技集团公司第二十八研究所 | 一种雷达密集假目标干扰抑制方法 |
-
2016
- 2016-08-05 CN CN201610638581.0A patent/CN106249211B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101452074A (zh) * | 2007-12-07 | 2009-06-10 | 南京理工大学 | 模拟数字联合处理的强杂波自适应对消装置 |
US8330650B2 (en) * | 2010-05-07 | 2012-12-11 | The United States Of America, As Represented By The Secretary Of The Army | Radar system and antenna with delay lines and method thereof |
CN102540162A (zh) * | 2011-12-12 | 2012-07-04 | 中国船舶重工集团公司第七二四研究所 | 基于海杂波的低空电磁波传播特性估计方法 |
CN104849707A (zh) * | 2015-04-27 | 2015-08-19 | 中国电子科技集团公司第二十八研究所 | 一种基于多雷达分布式检测的海杂波抑制方法 |
CN105044686A (zh) * | 2015-08-03 | 2015-11-11 | 中国电子科技集团公司第二十八研究所 | 一种雷达密集假目标干扰抑制方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107561517A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | 一种雷达海杂波剩余虚假点迹抑制方法 |
CN108318866B (zh) * | 2018-01-22 | 2021-10-08 | 西安电子科技大学 | 基于多帧回波联合积累的海杂波抑制方法 |
CN108318866A (zh) * | 2018-01-22 | 2018-07-24 | 西安电子科技大学 | 基于多帧回波联合积累的海杂波抑制方法 |
CN110412550A (zh) * | 2019-07-20 | 2019-11-05 | 中国船舶重工集团公司第七二四研究所 | 一种基于背景认知的区域自适应海目标检测方法 |
CN110412550B (zh) * | 2019-07-20 | 2023-02-17 | 中国船舶重工集团公司第七二四研究所 | 一种基于背景认知的区域自适应海目标检测方法 |
CN111060880A (zh) * | 2019-12-30 | 2020-04-24 | 无锡市雷华科技有限公司 | 一种基于恒虚警检测原理的气象杂波抑制方法 |
CN112255607B (zh) * | 2020-09-30 | 2022-06-07 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN112255607A (zh) * | 2020-09-30 | 2021-01-22 | 中国人民解放军海军工程大学 | 一种海杂波的抑制方法 |
CN113030973A (zh) * | 2021-03-02 | 2021-06-25 | 成都民航空管科技发展有限公司 | 一种场面监视雷达信号处理系统及方法 |
CN113030973B (zh) * | 2021-03-02 | 2022-06-28 | 成都民航空管科技发展有限公司 | 一种场面监视雷达信号处理系统及方法 |
CN112799070B (zh) * | 2021-04-06 | 2021-09-10 | 中船航海科技有限责任公司 | 一种船用雷达雨雪杂波抑制算法 |
CN112799070A (zh) * | 2021-04-06 | 2021-05-14 | 中船航海科技有限责任公司 | 一种船用雷达雨雪杂波抑制算法 |
WO2022213527A1 (zh) * | 2021-04-06 | 2022-10-13 | 中船航海科技有限责任公司 | 一种船用雷达雨雪杂波抑制算法 |
Also Published As
Publication number | Publication date |
---|---|
CN106249211B (zh) | 2018-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106249211A (zh) | 一种海杂波与云雨杂波抑制算法 | |
US8405540B2 (en) | Method for detecting small targets in radar images using needle based hypotheses verification | |
CN109508000A (zh) | 异构多传感器多目标跟踪方法 | |
CN108845306A (zh) | 基于变分模态分解的激光雷达回波信号去噪方法 | |
CN104156984A (zh) | 一种不均匀杂波环境下多目标跟踪的概率假设密度方法 | |
CN103217673A (zh) | 一种非均匀Weibull杂波背景下的CFAR检测方法 | |
CN109100696A (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN111707997B (zh) | 雷达目标跟踪方法、装置、电子设备及存储介质 | |
CN103093432B (zh) | 基于极化分解和图像块相似性的极化sar图像降斑方法 | |
Ritvanen et al. | Advection-free convolutional neural network for convective rainfall nowcasting | |
CN106249241B (zh) | 一种自适应杂波功率统计算法 | |
Lu et al. | Vehicle tracking using particle filter in Wi-Fi network | |
CN106772357A (zh) | 信噪比未知条件下的ai‑phd滤波器 | |
Li et al. | MSDM: A machine learning model for precipitation nowcasting over east China using multi-source data | |
Jing et al. | Dense multiple-target tracking based on dual frequency identification sonar (DIDSON) image | |
Nakagawa et al. | Application of random forest to classify weather observation into rainfall using GNSS receiver | |
Ansari et al. | Amplitude time series analysis in detection of persistent and temporal coherent scatterers | |
CN113759336A (zh) | 一种图特征学习下的海杂波抑制方法 | |
Behar et al. | Hough detector with adaptive non-coherent integration for target detection in pulse jamming | |
Silantyev et al. | Analysis of Efficiency of Long-Term Multi-Scanning Radar Observation Methods | |
Yu et al. | Bernoulli Track-before-detect Algorithm for Distributed Target with Unknown Amplitude Information | |
CN111025281A (zh) | 一种基于近似算法动态规划检测前跟踪的门限获取方法 | |
Kamal | Multi-Target. Detection in Cutter-Edge environments using modified GOCFAR | |
CN116224280B (zh) | 雷达目标检测方法、装置、雷达设备及存储介质 | |
CN115144830B (zh) | 一种强地物杂波干扰下的小目标雷达检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |