CN106324569B - 一种阵列误差下的稀疏恢复stap方法及其系统 - Google Patents

一种阵列误差下的稀疏恢复stap方法及其系统 Download PDF

Info

Publication number
CN106324569B
CN106324569B CN201610813884.1A CN201610813884A CN106324569B CN 106324569 B CN106324569 B CN 106324569B CN 201610813884 A CN201610813884 A CN 201610813884A CN 106324569 B CN106324569 B CN 106324569B
Authority
CN
China
Prior art keywords
clutter
array
amplitude phase
phase error
error
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
Application number
CN201610813884.1A
Other languages
English (en)
Other versions
CN106324569A (zh
Inventor
阳召成
朱轶昂
黄建军
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.)
Shenzhen University
Original Assignee
Shenzhen University
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 Shenzhen University filed Critical Shenzhen University
Priority to CN201610813884.1A priority Critical patent/CN106324569B/zh
Priority to PCT/CN2016/099302 priority patent/WO2018045601A1/zh
Publication of CN106324569A publication Critical patent/CN106324569A/zh
Application granted granted Critical
Publication of CN106324569B publication Critical patent/CN106324569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/36Means 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

本发明提供一种阵列误差下的稀疏恢复STAP方法,其中,所述方法包括:联合估计步骤、基于正交匹配追踪(orthogonal matching pursuit,OMP)和最小二乘迭代算法对杂波角度‑多普勒像与阵列幅相误差进行联合估计;滤波器设计步骤、根据估计出的杂波角度‑多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。本发明还提供一种阵列误差下的稀疏恢复STAP系统。本发明提供的技术方案可以在很大程度上改善阵列幅相误差所带来的性能下降的影响,从而进一步提高雷达系统杂波抑制与目标检测能力。

Description

一种阵列误差下的稀疏恢复STAP方法及其系统
技术领域
本发明涉及雷达信号处理领域,尤其涉及一种阵列误差下的稀疏恢复STAP方法及其系统。
背景技术
空时自适应处理(space-time adaptive processing,STAP)是提高机载雷达检测运动目标性能的关键技术,但该技术却面临着滤波器训练样本受限的问题,而且该问题在非均匀杂波环境更为突出。近十年来,该技术已取得了一定发展,如已提出的降维(reduced-dimension)STAP方法,降秩(reduced-rank)STAP方法,模型参数化(model-based)STAP方法,基于知识的(knowledge-aided)STAP方法等等。
随着压缩感知(compressed sensing,CS)理论的发展,以杂波空时功率谱满足稀疏性为前提的稀疏恢复STAP方法得到发展。该方法能够在少许样本的情况下表现出高效的性能。目前该类方法有:基于多训练样本的稀疏恢复STAP方法,直接数据域稀疏恢复STAP方法,贝叶斯压缩感知(BCS)STAP方法,基于知识的稀疏恢复STAP方法等等。以上提及的所有方法都依赖于理想的信号模型,而且在阵列误差条件下,其杂波抑制与目标检测能力都会受到严重影响。
发明内容
有鉴于此,本发明的目的在于提供一种阵列误差下的稀疏恢复STAP方法及其系统,旨在解决现有技术中由于阵列误差存在而导致的性能下降的问题。
本发明提出一种阵列误差下的稀疏恢复STAP方法,主要包括:
联合估计步骤:基于OMP和最小二乘迭代算法对杂波角度-多普勒像与阵列幅相误差进行联合估计;
滤波器设计步骤:根据估计出的杂波角度-多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。
优选的,所述联合估计步骤具体包括:
构造子步骤:构造如下优化问题: 其中,β>0为权衡稀疏度与总均方误差的正则化参数,表示复数的实部,λ为拉格朗日乘子,Λ=(γ12,…,γL),γl为第l个快拍xl所对应的杂波角度-多普勒像,L为快拍数且L≥1,为一正常数;
迭代子步骤:对于第p次迭代中稀疏恢复而言,通过求解如下问题来获得杂波角度-多普勒像:其中∈为与正则化参数β相关的允许噪声误差;对于第p次迭代中阵列幅相误差估计而言,通过求解如下优化问题而获得阵列幅相误差:其中和γl,p分别由第p次迭代中的稀疏恢复估计得到。
优选的,所述滤波器设计步骤具体包括:
根据得到的所述阵列幅相误差与所述杂波角度-多普勒像,计算杂波协方差矩阵和杂波加噪声协方差矩阵;
利用所述杂波加噪声协方差矩阵设计自适应空时滤波器。
另一方面,本发明还提供一种阵列误差下的稀疏恢复STAP系统,所述系统包括:
联合估计模块,用于基于OMP和最小二乘迭代算法对杂波角度-多普勒像与阵列幅相误差进行联合估计;
滤波器设计模块,用于根据估计出的杂波角度-多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。
优选的,所述联合估计模块具体包括:
构造子模块,用于构造如下优化问题: 其中,β>0为权衡稀疏度与总均方误差的正则化参数,表示复数的实部,λ为拉格朗日乘子,Λ=(γ12,…,γL),γl为第l个快拍xl所对应的杂波角度-多普勒像,L为快拍数且L≥1,为一正常数;
迭代子模块,用于对于第p次迭代中稀疏恢复而言,通过求解如下问题来获得杂波角度-多普勒像:其中∈为与正则化参数β相关的允许噪声误差;对于第p次迭代中阵列幅相误差估计而言,通过求解如下优化问题而获得阵列幅相误差:其中和γl,p分别由第p次迭代中的稀疏恢复估计得到。
优选的,所述滤波器设计模块具体用于:
根据得到的所述阵列幅相误差与所述杂波角度-多普勒像,计算杂波协方差矩阵和杂波加噪声协方差矩阵;
利用所述杂波加噪声协方差矩阵设计自适应空时滤波器。
本发明提供的技术方案,采用基于OMP和最小二乘法交替迭代算法,实现对杂波角度-多普勒像与阵列幅相误差的联合估计,然后再设计自适应空时滤波器,从而进行杂波抑制。本发明提供的技术方案可以在很大程度上改善阵列幅相误差所带来的性能下降的影响,从而进一步提高雷达系统杂波抑制与目标检测能力。
附图说明
图1为本发明一实施方式中稀疏恢复空时自适应处理方法流程图;
图2为本发明一实施方式中稀疏恢复空时自适应处理系统10的内部结构示意图;
图3为本发明一实施方式中的有益效果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供的技术方案,采用基于OMP和最小二乘交替迭代算法,实现对杂波角度-多普勒像与阵列幅相误差的联合估计,然后再设计自适应空时滤波器,从而进行杂波抑制。本发明提供的技术方案可以在很大程度上改善阵列幅相误差所带来的性能下降的影响,从而进一步提高雷达系统杂波抑制与目标检测能力。
假设一脉冲-多普勒正侧视机载雷达天线为均匀线阵,包含M个接收阵元,该雷达在一个相干处理单元内发射N个脉冲,理想情况下(即:阵列不存在幅相误差),NM×1维的不含目标的空时快拍可以表示为:
x=xc+n=Φγ+n;
其中xc为杂波所对应的空时快拍,n为NM×1维的接收机热噪声,NdNs×1维的为杂波在空时导向词典中所对应的复幅度(或称为角度-多普勒像),矩阵为NM×NdNs维的完备理想(无阵列误差时)的空时导向词典,(·)T为转置操作。NM×1维向量为理想的空时导向矢量,vd(·)与vs(·)分别为时域导向矢量与空域导向矢量,(fd,i,fs,k)为第i个时域网格点与第k个空域网格点,即将整个空时平面划分为NdNs(NdNs>>NM)个网格,NS与Nd分别为沿着空间频率轴与时间/多普勒频率轴的网格点数。
假设t=[t1,t2,…,tM]T为天线阵列的幅相误差,ti为第i个阵元的幅度与相位误差,则阵列幅相误差下的空时导向矢量可表示为其中IN为N×N维的单位矩阵,diag(t)为t对角化后的对角矩阵,为Kronecker积,⊙为Hadamard积。于是,阵列误差下完备空时导向词典可表示为ΓΦ,此时阵列误差下所接收到的快拍(不含目标)为:
x=ΓΦγ+n;
为方便起见,定义其中1N为N×1维且所有元素全为1的列向量,因此,上式也可以表示为:
x=Qt+n。
本发明提供的一种阵列误差下的稀疏恢复STAP方法是阵列误差条件下一种基于正交匹配追踪和最小二乘交替迭代的稀疏恢复空时自适应处理方法,以下将对本发明所提供的一种阵列误差下的稀疏恢复STAP方法进行详细说明。
请参阅图1,为本发明一实施方式中稀疏恢复空时自适应处理方法流程图。
在步骤S1中,联合估计步骤、基于OMP和最小二乘迭代算法对杂波角度-多普勒像与阵列幅相误差进行联合估计。
在本实施方式中,所述联合估计步骤具体包括构造子步骤和迭代子步骤。
在本实施方式中,构造子步骤、构造如下优化问题: 其中,β>0为权衡稀疏度与总均方误差的正则化参数,表示复数的实部,λ为拉格朗日乘子,Λ=(γ12,…,γL),γl为第l个快拍xl所对应的杂波角度-多普勒像,L为快拍数且L≥1,为一正常数。
在本实施方式中,基于OMP和最小二乘迭代算法的每一次迭代可以分成两步交替过程:基于OMP的稀疏恢复与基于最小二乘法的阵列幅相误差估计。
在本实施方式中,迭代子步骤、对于第p次迭代中稀疏恢复而言,通过求解如下问题来获得杂波角度-多普勒像: 其中∈为与正则化参数β相关的允许噪声误差;对于第p次迭代中阵列幅相误差估计而言,通过求解如下优化问题而获得阵列幅相误差:其中和γl,p分别由第p次迭代中的稀疏恢复估计得到。
通过求解上述公式就可以得到阵列幅相误差:其中, 这里,yl,m和xl,m分别为向量中的第m个元素与第l个快拍xl中第m个元素,随即有:
以上所提出方法的交替迭代过程可用Matlab伪代码描述为表1所示。
表1
其中,表1中所采用的OMP算法如表2所示。
表2
在步骤S2中,滤波器设计步骤、根据估计出的杂波角度-多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。
在本实施方式中,所述滤波器设计步骤S2具体包括:
根据得到的所述阵列幅相误差t与所述杂波角度-多普勒像,计算杂波协方差矩阵和杂波加噪声协方差矩阵;
利用所述杂波加噪声协方差矩阵设计自适应空时滤波器。
在本实施方式中,通过步骤S1得到阵列幅相误差t与杂波角度-多普勒Λ后,则计算杂波协方差矩阵为:其中γl为第l个快拍中杂波角度-多普勒像,所以计算杂波加噪声协方差矩阵为:R=Rc2INM,这里,σ2为估计的噪声功率,INM为NM×NM维的单位矩阵。最后,利用所述杂波加噪声协方差矩阵设计自适应空时滤波器权矢量为w=μR-1Γs,其中μ=(sHΓHR-1Γs)-1为正实数,s为假设目标的空时导向矢量。
本发明提供的一种阵列误差下的稀疏恢复STAP方法,采用基于OMP和最小二乘交替迭代算法,实现对杂波角度-多普勒像与阵列幅相误差的联合估计,然后再设计自适应空时滤波器,从而进行杂波抑制。本发明提供的技术方案可以在很大程度上改善阵列幅相误差所带来的性能下降的影响,从而进一步提高雷达系统杂波抑制与目标检测能力。
本发明提供的一种阵列误差下的稀疏恢复STAP系统是阵列误差条件下一种基于正交匹配追踪和最小二乘交替迭代的稀疏恢复空时自适应处理系统,以下将对本发明所提供的一种阵列误差下的稀疏恢复STAP系统进行详细说明。
请参阅图2,所示为本发明一实施方式中稀疏恢复空时自适应处理系统10的结构示意图。
在本实施方式中,稀疏恢复空时自适应处理系统10,主要包括联合估计模块11以及滤波器设计模块12。
联合估计模块11,用于基于OMP和最小二乘交替迭代算法对杂波角度-多普勒像与阵列幅相误差进行联合估计。
在本实施方式中,所述联合估计模块11具体包括构造子模块与迭代子模块。
构造子模块,用于构造如下优化问题: 其中,β>0为权衡稀疏度与总均方误差的正则化参数,表示复数的实部,λ为拉格朗日乘子,Λ=(γ12,…,γL),γl为第l个快拍xl所对应的杂波角度-多普勒像,L为快拍数且L≥1,为一正常数;
迭代子模块,用于对于第p次迭代中稀疏恢复而言,通过求解如下问题来获得杂波角度-多普勒像:其中∈为与正则化参数β相关的允许噪声误差;对于第p次迭代中阵列幅相误差估计而言,通过求解如下优化问题而获得阵列幅相误差:其中和γl,p分别由第p次迭代中的稀疏恢复估计得到。
滤波器设计模块12,用于根据估计出的杂波角度-多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。
在本实施方式中,所述滤波器设计模块12具体用于:
根据得到的所述阵列幅相误差与所述杂波角度-多普勒像,计算杂波协方差矩阵和杂波加噪声协方差矩阵;
利用所述杂波加噪声协方差矩阵设计自适应空时滤波器。
本发明提供的一种阵列误差下的稀疏恢复STAP系统10,采用基于OMP和最小二乘交替迭代算法,实现对杂波角度-多普勒像与阵列幅相误差的联合估计,然后再设计自适应空时滤波器,从而进行杂波抑制。本发明提供的技术方案可以在很大程度上改善阵列幅相误差所带来的性能下降的影响,从而进一步提高雷达系统杂波抑制与目标检测能力。
本发明的有益效果图如图3所示,在图3中,Nd=11N,Ns=11M,“|G/Pmax|:a%/b°”表示最大阵列幅度误差为a%,最大阵列相位误差为b°,纵坐标表示信干噪比(SINR)性能,横坐标表示归一化的多普勒频率。表1中ξ=10-2,k=70,表2中稀疏度k=90。由图3可知,当阵列幅相误差未得到校正时,系统性能严重下降,可见本发明可以很大程度的改善阵列幅相误差所带来的性能下降的影响。
值得注意的是,上述实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (4)

1.一种阵列误差下的稀疏恢复STAP方法,其特征在于,所述方法包括:
联合估计步骤:基于OMP和最小二乘迭代算法对杂波角度-多普勒像与阵列幅相误差进行联合估计;
所述联合估计步骤具体包括:
构造子步骤:构造如下优化问题: 其中,β>0为权衡稀疏度与总均方误差的正则化参数,表示复数的实部,λ为拉格朗日乘子,Λ=(γ12,…,γL),γl为第l个快拍xl所对应的杂波角度-多普勒像,L为快拍数且L≥1,为一正常数;
迭代子步骤:对于第p次迭代中稀疏恢复而言,通过求解如下问题来获得杂波角度-多普勒像:其中∈为与正则化参数β相关的允许噪声误差;对于第p次迭代中阵列幅相误差估计而言,通过求解如下优化问题而获得阵列幅相误差:其中和γl,p分别由第p次迭代中的稀疏恢复估计得到;
滤波器设计步骤:根据估计出的杂波角度-多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。
2.如权利要求1所述的稀疏恢复空时自适应处理方法,其特征在于,所述滤波器设计步骤具体包括:
根据得到的所述阵列幅相误差与所述杂波角度-多普勒像,计算杂波协方差矩阵和杂波加噪声协方差矩阵;
利用所述杂波加噪声协方差矩阵设计自适应空时滤波器。
3.一种阵列误差下的稀疏恢复STAP系统,其特征在于,所述系统包括:
联合估计模块,用于基于OMP和最小二乘迭代算法对杂波角度-多普勒像与阵列幅相误差进行联合估计;
所述联合估计模块具体包括:
构造子模块,用于构造如下优化问题: 其中,β>0为权衡稀疏度与总均方误差的正则化参数,表示复数的实部,λ为拉格朗日乘子,Λ=(γ12,…,γL),γl为第l个快拍xl所对应的杂波角度-多普勒像,L为快拍数且L≥1,为一正常数;
迭代子模块,用于对于第p次迭代中稀疏恢复而言,通过求解如下问题来获得杂波角度-多普勒像:其中∈为与正则化参数β相关的允许噪声误差;对于第p次迭代中阵列幅相误差估计而言,通过求解如下优化问题而获得阵列幅相误差:其中和γl,p分别由第p次迭代中的稀疏恢复估计得到;
滤波器设计模块,用于根据估计出的杂波角度-多普勒像与阵列幅相误差,设计自适应空时滤波器,从而进行杂波抑制。
4.如权利要求3所述的稀疏恢复空时自适应处理系统,其特征在于,所述滤波器设计模块具体用于:
根据得到的所述阵列幅相误差与所述杂波角度-多普勒像,计算杂波协方差矩阵和杂波加噪声协方差矩阵;
利用所述杂波加噪声协方差矩阵设计自适应空时滤波器。
CN201610813884.1A 2016-09-09 2016-09-09 一种阵列误差下的稀疏恢复stap方法及其系统 Active CN106324569B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610813884.1A CN106324569B (zh) 2016-09-09 2016-09-09 一种阵列误差下的稀疏恢复stap方法及其系统
PCT/CN2016/099302 WO2018045601A1 (zh) 2016-09-09 2016-09-19 一种阵列误差下的稀疏恢复stap方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610813884.1A CN106324569B (zh) 2016-09-09 2016-09-09 一种阵列误差下的稀疏恢复stap方法及其系统

Publications (2)

Publication Number Publication Date
CN106324569A CN106324569A (zh) 2017-01-11
CN106324569B true CN106324569B (zh) 2019-01-01

Family

ID=57787819

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610813884.1A Active CN106324569B (zh) 2016-09-09 2016-09-09 一种阵列误差下的稀疏恢复stap方法及其系统

Country Status (2)

Country Link
CN (1) CN106324569B (zh)
WO (1) WO2018045601A1 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107544061A (zh) * 2017-09-11 2018-01-05 深圳大学 基于知识的稀疏恢复空时自适应处理方法及系统
WO2019047210A1 (zh) * 2017-09-11 2019-03-14 深圳大学 基于知识的稀疏恢复空时自适应处理方法及系统
CN108717189B (zh) * 2018-06-01 2022-07-15 西安电子科技大学 基于压缩感知理论的双基地mimo雷达成像方法
CN109509217B (zh) * 2018-11-06 2022-11-15 辽宁工程技术大学 一种运动结构相似性的低秩序列影像匹配点粗差检测方法
CN109324315B (zh) * 2018-11-26 2023-03-28 清华大学 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法
CN110426670B (zh) * 2018-12-26 2022-09-23 西安电子科技大学 基于tls-cs的外辐射源雷达超分辨doa估计方法
CN110376561B (zh) * 2019-06-04 2021-08-13 西安电子科技大学 一种时域降维的多快拍迭代阵元幅相误差估计方法
CN110764069B (zh) * 2019-11-14 2021-08-10 内蒙古工业大学 一种基于知识辅助的稀疏恢复stap色加载方法
CN111474526B (zh) * 2020-04-24 2022-03-08 成都航空职业技术学院 一种机载stap杂波协方差矩阵的快速重建方法
CN111537975B (zh) * 2020-05-26 2022-03-08 成都航空职业技术学院 一种高自由度的机载雷达空时自适应信号处理方法
CN112114289B (zh) * 2020-08-25 2023-12-26 西安电子科技大学 基于框架理论的最小阵元数稀疏阵的优化方法
CN111896930B (zh) * 2020-08-28 2023-05-30 西安电子科技大学 基于运动平台空时自适应杂波抑制的子阵划分方法
CN112612006B (zh) * 2020-11-25 2023-08-22 中山大学 基于深度学习的机载雷达非均匀杂波抑制方法
CN112924947B (zh) * 2020-11-28 2023-10-27 海南大学 一种基于实值稀疏贝叶斯学习的mimo雷达稳健doa估计方法
CN112649799B (zh) * 2020-12-04 2022-09-23 浙江大学 一种mimo雷达幅相误差矫正方法
CN112748404B (zh) * 2020-12-24 2023-07-28 西安电子科技大学 基于双对称结构和赋权优化的空基雷达杂波抑制方法
CN112946615B (zh) * 2021-01-29 2023-07-21 浙江大学 一种相控阵系统幅相误差矫正方法
CN113030939B (zh) * 2021-02-05 2022-11-29 中国人民解放军空军预警学院 一种主瓣干扰下基于子阵空间平滑的稀疏测角方法
CN113156363B (zh) * 2021-03-04 2023-10-10 西北工业大学 阵元互耦和幅相误差下的近场源智能定位方法
CN113012017B (zh) * 2021-04-06 2023-06-20 广东工业大学 一种基于稀疏基的瞬态场景图像重构方法及相关装置
CN113126047B (zh) * 2021-04-15 2023-06-16 西安电子科技大学 基于远场点源的自适应通道校正方法
CN113466800B (zh) * 2021-05-11 2024-02-06 西安电子科技大学 基于smv模型利用尾部优化的哈达玛积快速doa估计方法
CN113466797B (zh) * 2021-06-24 2023-04-28 电子科技大学 基于杂波脊匹配稀疏恢复的双基sar空-时杂波抑制方法
CN113820679B (zh) * 2021-08-10 2023-12-26 西安电子科技大学 雷达回波数据的滤波方法、装置、设备和存储介质
CN113901863A (zh) * 2021-08-18 2022-01-07 北京理工大学 基于加权组稀疏贝叶斯学习的人体活动分类方法
CN113655458B (zh) * 2021-09-02 2023-06-02 内蒙古工业大学 基于字典校正的空时自适应处理方法、装置及存储介质
CN114706056B (zh) * 2022-04-28 2023-05-02 珠海微度芯创科技有限责任公司 基于协方差拟合的毫米波雷达高分辨测角方法、装置和介质
CN114966640B (zh) * 2022-07-29 2022-12-09 宁波博海深衡科技有限公司 基于阵列背景噪声统计协方差估计的方位估计方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101644765A (zh) * 2009-04-23 2010-02-10 中国科学院声学研究所 一种用于水声换能器线阵的幅相误差校正方法
CN103885048A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 双基地mimo雷达收发阵列幅相误差的校正方法
CN104459606A (zh) * 2014-12-25 2015-03-25 武汉大学 一种阵列空间信号稀疏构建及其重建方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10054680B2 (en) * 2014-07-09 2018-08-21 Bae Systems Information And Electronic Systems Integration Inc. Radar detection of endo-clutter high-value targets using tracker feedback
CN105738879B (zh) * 2016-02-29 2018-06-05 西安电子科技大学 基于稀疏恢复的雷达杂波空时自适应预滤波方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101644765A (zh) * 2009-04-23 2010-02-10 中国科学院声学研究所 一种用于水声换能器线阵的幅相误差校正方法
CN103885048A (zh) * 2014-03-20 2014-06-25 西安电子科技大学 双基地mimo雷达收发阵列幅相误差的校正方法
CN104459606A (zh) * 2014-12-25 2015-03-25 武汉大学 一种阵列空间信号稀疏构建及其重建方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MIMO雷达中幅相误差下的联合角度和多普勒频率估计;李建峰,张小飞;《第十一届全国博士生学术年会——信息技术与安全专题》;20131018;第311-317页
基于稀疏性的空时自适应处理理论和方法;阳召成;《中国博士学位论文全文数据库 信息科技辑》;20141015;第3-4页、第61-62页、第172-173页

Also Published As

Publication number Publication date
WO2018045601A1 (zh) 2018-03-15
CN106324569A (zh) 2017-01-11

Similar Documents

Publication Publication Date Title
CN106324569B (zh) 一种阵列误差下的稀疏恢复stap方法及其系统
Huang et al. GMTI and parameter estimation for MIMO SAR system via fast interferometry RPCA method
CN107064892B (zh) 基于张量子空间和旋转不变的mimo雷达角度估计算法
CN106526530B (zh) 基于传播算子的2-l型阵列二维doa估计算法
CN105652273B (zh) 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法
CN108562866B (zh) 基于矩阵填充的双基地mimo雷达角度估算方法
CN106501785B (zh) 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统
CN103399292B (zh) 一种基于软稀疏表示的doa估计方法
Yang et al. Sparsity‐based space–time adaptive processing using complex‐valued Homotopy technique for airborne radar
CN110361760B (zh) 基于子空间跟踪的gnss接收机多波束指向抗干扰方法
CN107064926B (zh) 空域色噪声背景下的双基地mimo雷达角度估算方法
CN107290732B (zh) 一种量子大爆炸的单基地mimo雷达测向方法
CN113030843B (zh) 基于改进iaa波束形成的低空目标测向方法
CN110806557A (zh) 一种冲击噪声背景下单基地mimo雷达doa估计方法
Liu et al. Design and performance analysis of adaptive subspace detectors in orthogonal interference and Gaussian noise
CN106291449A (zh) 对称稳定分布噪声下波达方向角估计新方法
CN106443620A (zh) 一种基于阵列幅相误差校正的稀疏恢复stap方法
CN106154242A (zh) 基于分数低阶类相关熵的目标参数联合估计新算法
Yang et al. Performance analysis of STAP algorithms based on fast sparse recovery techniques
CN111474527B (zh) 机载stap雷达快速去互耦的杂波协方差矩阵估计方法
Zhou et al. A fast STAP method using persymmetry covariance matrix estimation for clutter suppression in airborne MIMO radar
Tang et al. Enhanced through-the-wall radar imaging using Bayesian compressive sensing
Zeng et al. A 2D adaptive beamforming method in sparse array
Chen et al. Joint design of transmit sequence and receive filter based on Riemannian manifold of Gaussian mixture distribution for MIMO radar
Quan et al. Sparsity-based space-time adaptive processing in random pulse repetition frequency and random arrays radar

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant