CN106405509B - 空时自适应信号的分块处理方法 - Google Patents
空时自适应信号的分块处理方法 Download PDFInfo
- Publication number
- CN106405509B CN106405509B CN201610784026.9A CN201610784026A CN106405509B CN 106405509 B CN106405509 B CN 106405509B CN 201610784026 A CN201610784026 A CN 201610784026A CN 106405509 B CN106405509 B CN 106405509B
- Authority
- CN
- China
- Prior art keywords
- space
- signal
- doppler
- angle
- time adaptive
- 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
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2928—Random or non-synchronous interference pulse cancellers
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
本发明针对雷达接收信号在角度‑多普勒平面的块稀疏性，提供了一种空时自适应信号的分块处理方法，包括以下步骤：步骤1，雷达在待测距离单元邻近单元接收一个快拍数据作为雷达接收信号；步骤2，对雷达接收信号进行空时自适应信号预处理，如角度‑多普勒平面进行离散化处理、构造超完备矩阵等，得到空时自适应信号；步骤3，对空时自适应信号进行分块处理；步骤4，通过块稀疏下的贪婪算法进行块稀疏恢复得到重构的信号并进一步性能分析。本发明通过利用杂波在角度‑多普勒平面的块稀疏性对空时自适应信号进行分块处理，针对稀疏信号的内在结构更加有效精确的从观测信号中恢复出杂波在角度‑多普勒平面的分布，从而得到重构的信号。
Description
技术领域
本发明属于空时自适应信号处理，特别是一种根据其在角度-多普勒平面具有块稀疏特性的内在结构设计的空时自适应信号分块处理方法。
背景技术
当机载雷达下视工作时，面临的最大问题是地杂波的干扰，地杂波不但分布范围广，而且强度相当大，特别是在山区丘陵等地面反射强的地方，地杂波强度尤为大。与此同时，由于载机的飞行运动，处于不同方位的杂波相对于载机的运动速度也是不同的，从而杂波谱被大大展宽，导致目标被淹没在强杂波中而无法分辨，严重影响了机载雷达对目标的检测能力。因此，如何有效抑制杂波对机载雷达的干扰，是机载雷达要解决的重要问题。
空时自适应处理(Space-Time Adaptive Processing)技术既利用了多通道天线的空域信息，也利用到了相干脉冲串的时域信息，在二维平面上形成杂波凹口，从而有效抑制了杂波。随着STAP技术的不断发展和优化，现已成为机载雷达中抑制杂波的一项关键技术，而如何在非均匀环境下，实现杂波抑制弱目标识别是STAP的新的课题。
基本的压缩感知和稀疏恢复技术应用到空时自适应处理中，虽然可以实现所需的功能，但是仍然存在一些不足之处。经典的基本贪婪算法稀疏恢复虽然运算时间短，但是精度差需要的样本数量多；基于FOCUSS的稀疏恢复虽然精度高但恢复所需要的时间长等。
发明内容
本发明的目的在于提供一种空时自适应信号的分块处理方法。
实现本发明目的的技术解决方案为：一种空时自适应信号的分块处理方法，包括以下步骤：
步骤1、获取雷达接收信号，并对雷达接收信号进行预处理，得到具有快稀疏特性的空时自适应信号；具体为：
步骤1-1、获取雷达接收信号，所用雷达的天线阵元个数为N，该雷达在一个相干处理间隔内发射的脉冲数为M，N＜M，该雷达在待测距离单元邻近单元接收1个快拍数据，该数据即为雷达接收信号；其中，N、M均为自然数；
步骤1-2、将接收到的雷达接收信号在角度-多普勒平面进行分网格量化，网格量化后的雷达接收信号为空时自适应信号x＝Φγ+n，其中n表示噪声，Φ是构造的大小为MN×NsNd的超完备基矩阵，γ是空时自适应信号在角度-多普勒平面上的复幅度，Ns为多普勒轴被划分的网格数，Nd为轴被划分的网格数；
步骤2、将空时自适应信号在角度-多普勒平面上的复幅度γ按照每γNumi(i＝1,2,...γGroups)个元素为一个原子块的规律进行分块处理，其中γGroups为γ的子块个数，γNumi(i＝1,2,...γGroups)为γ的子块长度，分块公式为：
其中γT[i](i＝1,2,...γGroups)是大小为γNumi×1的空时自适应信号在角度-多普勒平面上的复幅度γ的原子块；
步骤3、将大小为MN×NsNd的超完备基矩阵Φ按照每ΦNumi(i＝1,2,...ΦGroups)个元素为一个原子块的规律按列进行分块处理，其中ΦGroups为Φ的子块个数，ΦNumi(i＝1,2,...ΦGroups)为Φ的子块长度，分块公式为：
其中是大小为MN×ΦNumi的超完备基矩阵Φ的原子块；
步骤4、将分块后的空时自适应信号在角度-多普勒平面上的复幅度γ和超完备基矩阵Φ带入步骤1中的空时自适应信号x＝Φγ+n中，得到分块后的空时自适应信号
本发明与现有技术相比，其显著优点为：1)本发明对采集到的雷达回波信号构建超完备矩阵基，利用了稀疏的内在结构对超完备矩阵分块处理，缩短稀疏恢复的时间，并且有效地提高了稀疏恢复的精度与稳定性；2)本发明的方法有效可靠，稀疏恢复的效果优异。
下面结合说明书附图对本发明做进一步说明。
附图说明
图1为本发明的实现流程框图。
图2为本发明雷达单采样下接受信号的三维示意图。
图3为本发明二维杂波谱网格化及杂波二维谱具有块稀疏性示意图。
图4为本发明空时杂波信号块稀疏恢复的过程图。
图5为本发明接受到的信号经过块稀疏恢复方法恢复出的空时杂波谱图。
图6为本发明接受到的信号稀疏恢复与块稀疏恢复改善因子的比较图。
具体实施方式
本发明的一种空时自适应信号的分块处理方法，包括以下步骤：
步骤1、获取雷达接收信号，并对雷达接收信号进行预处理，得到具有快稀疏特性的空时自适应信号；具体为：
步骤1-1、获取雷达接收信号，所用雷达的天线阵元个数为N，该雷达在一个相干处理间隔内发射的脉冲数为M，N＜M，该雷达在待测距离单元邻近单元接收1个快拍数据，该数据即为雷达接收信号；其中，N、M均为自然数；
步骤1-2、将接收到的雷达接收信号在角度-多普勒平面进行分网格量化，网格量化后的雷达接收信号为空时自适应信号x＝Φγ+n，其中n表示噪声，Φ是构造的大小为MN×NsNd的超完备基矩阵，γ是空时自适应信号在角度-多普勒平面上的复幅度，Ns为多普勒轴被划分的网格数，Nd为轴被划分的网格数；
将接收到的空时自适应信号在角度-多普勒平面进行分网格量化，具体为：
步骤1-2-1、将角度轴量化为Ns＝ρsN个网格，将多普勒轴量化为Nd＝ρdM个网格，ρs,ρd＞0，其中ρs和ρd分别是角度轴和多普勒轴的伸缩因子，且NsNd＞＞NM；
步骤1-2-2、将接收到的空时自适应信号在量化后的角度-多普勒平面上进行表示，得到网格量化后的空时自适应信号x＝Φγ+n。
步骤2、将空时自适应信号在角度-多普勒平面上的复幅度γ按照每γNumi(i＝1,2,...γGroups)个元素为一个原子块的规律进行分块处理，其中γGroups为γ的子块个数，γNumi(i＝1,2,...γGroups)为γ的子块长度，分块公式为：
其中γT[i](i＝1,2,...γGroups)是大小为γNumi×1的空时自适应信号在角度-多普勒平面上的复幅度γ的原子块；
步骤3、将大小为MN×NsNd的超完备基矩阵Φ按照每ΦNumi(i＝1,2,...ΦGroups)个元素为一个原子块的规律按列进行分块处理，其中ΦGroups为Φ的子块个数，ΦNumi(i＝1,2,...ΦGroups)为Φ的子块长度，分块公式为：
其中是大小为MN×ΦNumi的超完备基矩阵Φ的原子块；
步骤4、将分块后的空时自适应信号在角度-多普勒平面上的复幅度γ和超完备基矩阵Φ带入步骤1中的空时自适应信号x＝Φγ+n中，得到分块后的空时自适应信号
其中，步骤2中空时自适应信号在角度-多普勒平面上的复幅度γ的子块个数必须等于步骤3中的超完备基矩阵Φ的子块个数，步骤2中空时自适应信号在角度-多普勒平面上的复幅度γ的每个子块长度必须依次对应等于步骤3中的超完备基矩阵Φ的每个子块长度，即ΦGroups＝γGroups且γNumi＝ΦNumi(i＝1,2,...γGroups)。
下面进行更详细的描述。
一种空时自适应信号的分块处理方法，包括以下步骤：
步骤1，在无目标区域，天线阵元个数为N的雷达在一个相干处理间隔内发射的脉冲数为M，N＜M，该雷达在待测距离单元邻近单元接收1个快拍数据，写成MN*1的向量形式，该数据即为雷达接收信号，其中，N、M均为自然数，接收到的信号由杂波和噪声组成；
步骤2，将雷达接收信号在角度-多普勒平面进行分网格量化，将步骤1接受到的信号进行量化处理，得到网格的复幅度。由于杂波归一化的多普勒角频率和归一化空间角频率的比值是一个常数，这个线性关系在空时平面上为一条杂波脊线，只占据很小部分，且由于杂波旁瓣的存在，呈一条具有一定宽度的直线，网格的复幅度中显著值成块出现，其他大部分块的幅度很小或者接近零，呈现块稀疏的特点。将雷达接收信号在角度-多普勒平面进行分网格量化主要包括如下步骤：
步骤2.1，将角度轴量化为Ns＝ρsN个网格，多普勒轴量化为Nd＝ρdM个网格，(ρs,ρd＞0)，其中ρs和ρd分别是角度轴和多普勒轴的伸缩因子，Ns为多普勒轴被划分的网格数，Nd为轴被划分的网格数，且NsNd＞＞NM；
步骤2.2，将接收到的雷达接收信号在角度-多普勒平面进行分网格量化，得到网格量化后的空时自适应信号x＝Φγ+n，其中n表示噪声，Φ是构造的大小为MN×NsNd的超完备基矩阵，γ是空时自适应信号在角度-多普勒平面上的复幅度，Ns为多普勒轴被划分的网格数，Nd为轴被划分的网格数。超完备基矩阵Φ的每一列代表离散化后角度-多普勒平面上一个具体角度和多普勒的空时导引矢量，一共有Ns×Nd列，覆盖所有的离散后空时导引矢量。空时自适应信号在角度-多普勒平面上的复幅度γ是雷达接收信号在超完备基Φ上的分布；
步骤3，结合步骤2中所述的杂波空时谱内在结构——块稀疏性，对步骤2中空时自适应信号在角度-多普勒平面上的复幅度γ和超完备基矩阵Φ进行分块处理，以便后续恢复算法按块选取，具体方法如下：
步骤3.1，将空时自适应信号在角度-多普勒平面上的复幅度γ按照每γNumi(i＝1,2,...γGroups)个元素为一个原子块的规律进行分块处理，其中γGroups为γ的子块个数，γNumi(i＝1,2,...γGroups)为γ的子块长度，分块公式为：
其中γT[i](i＝1,2,...γGroups)是大小为γNumi×1的空时自适应信号在角度-多普勒平面上的复幅度γ的原子块；
步骤3.2，将大小为MN×NsNd的超完备基矩阵Φ按照每ΦNumi(i＝1,2,...ΦGroups)个元素为一个原子块的规律按列进行分块处理，其中ΦGroups为Φ的子块个数，ΦNumi(i＝1,2,...ΦGroups)为Φ的子块长度，分块公式为：
其中是大小为MN×ΦNumi的超完备基矩阵Φ的原子块；
步骤4、将分块后的空时自适应信号在角度-多普勒平面上的复幅度γ和超完备基矩阵Φ带入步骤1中的空时自适应信号x＝Φγ+n中，得到分块后的空时自适应信号
下面结合实施例对本发明做进一步详细的描述。
实施例
结合图1，一种利用本发明方法的基于块稀疏恢复的空时自适应信号处理方法，方法步骤如下：
步骤1，在无目标区域，天线阵元个数为N＝8的雷达在一个相干处理间隔内发射的脉冲数为M＝8，该雷达在待测距离单元邻近单元接收1个快拍数据，写成MN*1的向量形式，即为雷达接收信号，雷达接收信号由杂波和噪声组成；
步骤2，将雷达接收信号在角度-多普勒平面进行分网格量化，将步骤1接受到的信号进行量化处理，得到网格的复幅度。如图3所示，由于杂波归一化的多普勒角频率和归一化空间角频率的比值是一个常数，这个线性关系在空时平面上为一条杂波脊线，只占据很小部分，且由于杂波旁瓣的存在，呈一条具有一定宽度的直线，网格的复幅度中显著值成块出现，其他大部分块的幅度很小或者接近零，呈现块稀疏的特点。将雷达接收信号在角度-多普勒平面进行分网格量化主要包括如下步骤：
步骤2.1，将角度轴量化为Ns＝ρsN个网格，多普勒轴量化为Nd＝ρdM个网格，其中ρs＝5和ρd＝5分别是角度轴和多普勒轴的伸缩因子，Ns＝40为多普勒轴被划分的网格数，Nd＝40为轴被划分的网格数；
步骤2.2，将接收到的雷达接收信号在角度-多普勒平面进行分网格量化，得到网格量化后的空时自适应信号x＝Φγ+n，其中n表示噪声，Φ是构造的大小为MN×NsNd的超完备基矩阵，γ是空时自适应信号在角度-多普勒平面上的复幅度，超完备基矩阵Φ的每一列代表离散化后角度-多普勒平面上一个具体角度和多普勒的空时导引矢量，一共有NsNd列，覆盖所有的离散后空时导引矢量。空时自适应信号在角度-多普勒平面上的复幅度γ是空时自适应信号在超完备基Φ上的分布；
步骤3，结合步骤2中所述的杂波空时谱内在结构——块稀疏性，对步骤2中空时自适应信号在角度-多普勒平面上的复幅度γ和超完备基矩阵Φ进行分块处理，以便后续恢复算法按块选取，具体方法如下：
步骤3.1，将空时自适应信号在角度-多普勒平面上的复幅度γ按照每γNumi(i＝1,2,...γGroups)个元素为一个原子块的规律进行分块处理，其中γGroups为γ的子块个数，γNumi(i＝1,2,...γGroups)为γ的子块长度，分块公式为：
其中γT[i](i＝1,2,...γGroups)是大小为γNumi×1的空时自适应信号在角度-多普勒平面上的复幅度γ的原子块；
步骤3.2，将大小为MN×NsNd的超完备基矩阵Φ按照每ΦNumi(i＝1,2,...ΦGroups)个元素为一个原子块的规律按列进行分块处理，其中ΦGroups为Φ的子块个数，ΦNumi(i＝1,2,...ΦGroups)为Φ的子块长度，分块公式为：
其中是大小为MN×ΦNumi的超完备基矩阵Φ的原子块；
步骤4，根据步骤1中的雷达接收信号和步骤3中得到的分块后的超完备基矩阵Φ，可得到空时自适应信号在角度-多普勒域的空时分布估计的信号重构模型为：其中||γ||2,0表示γ中非零块个数，ε是噪声误差容限。利用块稀疏情况下的稀疏重构算法恢复出所需的快稀疏信号γ，令功率aij＝|γij|2，将大小为NSNd×1的功率a按照NS行Nd列排列，即得到估计的大小为NS×Nd的空时谱P，如图5所示，空时自适应信号在角度-多普勒平面的空时谱呈一条直线，主瓣能量最强，四周旁瓣逐渐减弱，不存在伪峰，与真实空时谱接近；
块稀疏恢复算法以快正交匹配追踪算法为例，具体步骤如下：
步骤4.1，初始化。初始化残差r0＝x，测量矩阵
i∈[1,nGroups]，err＝10-5为残差允许误差，循环次数l＝1；
步骤4.2，原子块的选择。在第l次迭代的时候，选择第l-1次残差与测量矩阵原子块内积均值最大的原子块索引号il，即其中i∈[1,nGroups]；
步骤4.3，更新支撑块集Il和残差rl：
步骤4.4，收敛条件。当l＜ΦGroups且||rl||＞err时，l＝l+1；当l≥ΦGroups或||rl||≤err时，输出估计得杂波在角度-多普勒域平面分布的复幅度
步骤5，根据步骤4中估计得的空时谱，用公式求得杂波协方差矩阵利用公式求得杂波谱的改善因子，其中trace(R)表示求矩阵R的迹的运算，如图6所示，块稀疏恢复的改善因子比稀疏恢复的改善因子更接近于最优值，具有更优的处理性能。
Claims (3)
1.一种空时自适应信号的分块处理方法，其特征在于，包括以下步骤：
步骤1、获取雷达接收信号，并对雷达接收信号进行预处理，得到具有块稀疏特性的空时自适应信号；具体为：
步骤1-1、获取雷达接收信号，所用雷达的天线阵元个数为N，该雷达在一个相干处理间隔内发射的脉冲数为M，N<M，该雷达在待测距离单元邻近单元接收1个快拍数据，该数据即为雷达接收信号；其中，N、M均为自然数；
步骤1-2、将接收到的雷达接收信号在角度-多普勒平面进行分网格量化，网格量化后的雷达接收信号为空时自适应信号x＝Φγ+n，其中n表示噪声，Φ是构造的大小为MN×NsNd的超完备基矩阵，γ是空时自适应信号在角度-多普勒平面上的复幅度，Ns为多普勒轴被划分的网格数，Nd为轴被划分的网格数；
步骤2、将空时自适应信号在角度-多普勒平面上的复幅度γ按照每γNumi(i＝1,2,…γGroups)个元素为一个原子块的规律进行分块处理，其中γGroups为γ的子块个数，γNumi(i＝1,2,…γGroups)为γ的子块长度，分块公式为：
其中γT[i](i＝1,2,…γGroups)是大小为γNumi×1的空时自适应信号在角度-多普勒平面上的复幅度γ的原子块；
步骤3、将大小为MN×NsNd的超完备基矩阵Φ按照每ΦNumi(i＝1,2,…ΦGroups)个元素为一个原子块的规律按列进行分块处理，其中ΦGroups为Φ的子块个数，ΦNumi(i＝1,2,…ΦGroups)为Φ的子块长度，分块公式为：
其中是大小为MN×ΦNumi的超完备基矩阵Φ的原子块；
步骤4、将分块后的空时自适应信号在角度-多普勒平面上的复幅度γ和超完备基矩阵Φ带入步骤1中的空时自适应信号x＝Φγ+n中，得到分块后的空时自适应信号
2.根据权利要求1所述的空时自适应信号的分块处理方法，其特征在于，步骤1-2中将接收到的空时自适应信号在角度-多普勒平面进行分网格量化，具体为：
步骤1-2-1、将角度轴量化为Ns＝ρsN个网格，将多普勒轴量化为Nd＝ρdM个网格，ρs,ρd>0，其中ρs和ρd分别是角度轴和多普勒轴的伸缩因子，且NsNd>>NM；
步骤1-2-2、将接收到的空时自适应信号在量化后的角度-多普勒平面上进行表示，得到网格量化后的空时自适应信号x＝Φγ+n。
3.根据权利要求1所述的空时自适应信号的分块处理方法，其特征在于，步骤2中空时自适应信号在角度-多普勒平面上的复幅度γ的子块个数必须等于步骤3中的超完备基矩阵Φ的子块个数，步骤2中空时自适应信号在角度-多普勒平面上的复幅度γ的每个子块长度必须依次对应等于步骤3中的超完备基矩阵Φ的每个子块长度，即ΦGroups＝γGroups且γNumi＝ΦNumi(i＝1,2,…γGroups)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610784026.9A CN106405509B (zh) | 2016-08-30 | 2016-08-30 | 空时自适应信号的分块处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610784026.9A CN106405509B (zh) | 2016-08-30 | 2016-08-30 | 空时自适应信号的分块处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106405509A CN106405509A (zh) | 2017-02-15 |
| CN106405509B true CN106405509B (zh) | 2019-01-11 |
Family
ID=58001589
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610784026.9A Active CN106405509B (zh) | 2016-08-30 | 2016-08-30 | 空时自适应信号的分块处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106405509B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110049511B (zh) * | 2019-03-12 | 2021-10-08 | 南京航空航天大学 | 一种随机信号实时统计测试装置及其测试方法 |
| CN110658506B (zh) * | 2019-09-10 | 2021-09-03 | 武汉大学 | 一种基于角度聚类和多普勒分析的微多普勒杂波滤除方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6252540B1 (en) * | 1999-12-21 | 2001-06-26 | The United States Of America As Represented By The Secretary Of The Air Force | Apparatus and method for two stage hybrid space-time adaptive processing in radar and communication systems |
| CN103679216A (zh) * | 2014-01-06 | 2014-03-26 | 重庆大学 | 基于空时稀疏表示的红外小弱目标检测方法 |
| CN104950297A (zh) * | 2015-06-25 | 2015-09-30 | 西安电子科技大学 | 基于矩阵1范数拟合的阵元误差估计方法 |
| CN105891828A (zh) * | 2016-04-22 | 2016-08-24 | 西安电子科技大学 | 一种机载cssar雷达动目标的检测方法 |
-
2016
- 2016-08-30 CN CN201610784026.9A patent/CN106405509B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6252540B1 (en) * | 1999-12-21 | 2001-06-26 | The United States Of America As Represented By The Secretary Of The Air Force | Apparatus and method for two stage hybrid space-time adaptive processing in radar and communication systems |
| CN103679216A (zh) * | 2014-01-06 | 2014-03-26 | 重庆大学 | 基于空时稀疏表示的红外小弱目标检测方法 |
| CN104950297A (zh) * | 2015-06-25 | 2015-09-30 | 西安电子科技大学 | 基于矩阵1范数拟合的阵元误差估计方法 |
| CN105891828A (zh) * | 2016-04-22 | 2016-08-24 | 西安电子科技大学 | 一种机载cssar雷达动目标的检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| L1-Regularized STAP Algorithms With a Generalized Sidelobe Canceler Architecture for Airborne Radar;Zhaocheng Yang et al.;《IEEE TRANSACTIONS ON SIGNAL PROCESSING》;20120229;第60卷(第2期);第674-686页 |
| 结构化压缩感知研究进展;刘芳 等;《自动化学报》;20131231;第39卷(第12期);第1980-1995页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106405509A (zh) | 2017-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
| Liao et al. | Identification of ground targets from sequential high-range-resolution radar signatures | |
| CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
| CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
| CN102323583B (zh) | 一种超分辨线阵三维合成孔径雷达成像方法 | |
| CN106021637B (zh) | 互质阵列中基于迭代稀疏重构的doa估计方法 | |
| CN103383449B (zh) | 基于esprit算法的机载雷达近程杂波抑制方法 | |
| CN106443621B (zh) | 基于正交匹配稀疏重构的相干信源动态doa追踪方法 | |
| CN106707257A (zh) | 基于嵌套阵列的mimo雷达波达方向估计方法 | |
| CN104251989A (zh) | 基于压缩空间谱的单基地mimo雷达目标波达方向估计方法 | |
| CN109239657A (zh) | 装载嵌套阵无人机平台下的辐射源高精度定位方法 | |
| CN103091661A (zh) | 基于迭代谱重构的宽带信号波达方向估计方法 | |
| CN109375178A (zh) | 一种基于稀疏重构的机会阵机载雷达非均匀杂波检测方法 | |
| CN109324315A (zh) | 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 | |
| CN107290732B (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
| CN109375179A (zh) | 一种基于稀疏表示的机载雷达近程强杂波抑制方法 | |
| CN103901416A (zh) | 一种基于稳健主成分分析法的多通道杂波抑制方法 | |
| CN108931766A (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
| CN102621536B (zh) | 基于relax的空中多机动目标检测与参数估计方法 | |
| CN110398732A (zh) | 低计算量自适应步长迭代搜索的目标方向检测方法 | |
| CN108401489B (zh) | 一种量子混沌波包数字信号生成方法 | |
| Wang et al. | MIMO SAR system using digital implemented OFDM waveforms | |
| CN106405509B (zh) | 空时自适应信号的分块处理方法 | |
| CN103760540B (zh) | 基于重构信号和1-范数的动目标检测与参数估计方法 | |
| CN107748364A (zh) | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 |
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 |