CN106546964A - 一种机载雷达杂波秩估计方法及其系统 - Google Patents

一种机载雷达杂波秩估计方法及其系统 Download PDF

Info

Publication number
CN106546964A
CN106546964A CN201610952187.4A CN201610952187A CN106546964A CN 106546964 A CN106546964 A CN 106546964A CN 201610952187 A CN201610952187 A CN 201610952187A CN 106546964 A CN106546964 A CN 106546964A
Authority
CN
China
Prior art keywords
sampling
clutter
airborne radar
dimensional space
sampling location
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
CN201610952187.4A
Other languages
English (en)
Inventor
阳召成
全桂华
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 CN201610952187.4A priority Critical patent/CN106546964A/zh
Publication of CN106546964A publication Critical patent/CN106546964A/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
    • G01S7/414—Discriminating targets with respect to background clutter

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

本发明提供一种机载雷达杂波秩估计方法，其中，所述方法主要包括：将空‑时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集；按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集；计算每个采样位置子集的孔径；根据所述孔径估计机载雷达的杂波秩。本发明还提供一种机载雷达杂波秩估计系统。本发明提供的技术方案解决了基于稀疏分布的随机脉冲与随机阵列的机载雷达杂波秩估计问题。

Description

一种机载雷达杂波秩估计方法及其系统
技术领域
本发明涉及雷达信号处理领域，尤其涉及一种机载雷达杂波秩估计方法及其系统。
背景技术
在军事、民用领域，运动目标检测(Moving Target Detection，MTD)是脉冲多普勒机载雷达中至关重要的一项任务。传统运动目标指示系统(Moving Target Indication，MTI)由单个接收天线构成的雷达系统，通过发射恒定周期的脉冲间隔，通过比较目标或杂波的多普勒频率差异来检测目标。然而，由于杂波谱的展宽导致低速目标的检测受到限制。
空时自适应处理方法(Space-Time Adaptive Processing，STAP)是利用空时二维联合处理设计合适的空时滤波器，实现在联合多普勒维和角度维上杂波抑制和目标能量的保持，从而提高运动目标的检测能力的关键技术。为了使由有限样本估计协方差矩阵引起的系统输出信杂噪比损失不超过3dB，全阶STAP方法要求独立同分布训练样本数大于系统空时自由度(处理器维数)的2倍。然而，邻近距离单元的样本数受限于变化的杂波环境和雷达系统参数，如带宽等。降秩STAP方法使用与杂波数据相关的变换来构造自适应空时滤波器，是一类减少独立同分布训练数据样本数的有效方法。该类方法性能依赖于杂波秩的准确估计。近年来提出的基于稀疏性的STAP算法利用杂波功率谱在角度-多普勒域的稀疏特性，使用稀疏恢复算法重构出杂波的多普勒像估计杂波协方差矩阵，进而设计空时滤波器实现杂波抑制与目标检测。该类方法指出杂波的稀疏度与杂波秩有密切联系，甚至证明了在正侧视均匀线性阵列条件下杂波空时功率谱稀疏度和杂波秩的等价关系。而稀疏度对于稀疏恢复是一个非常重要的关键信息，能提高功率谱稀疏恢复的精度。综上所述，杂波秩估计是上述STAP方法应用的前提，研究杂波秩估计具有重要意义。
针对均匀脉冲重复频率和均匀线性阵列情况，有经典的Brennan杂波秩估计准则，有由带宽孔径积(BT)理论给出的杂波秩估计方法等；针对均匀脉冲重复频率和线性子阵，Zhang等人提出了对应的杂波秩估计方法；针对均匀脉冲重复频率和稀疏阵列情况，伍勇等提出了均匀稀疏阵的杂波自由度估计方法；针对均匀脉冲重复频率和任意阵列情况，Fertig L B等人提出了适用多种阵列构型和系统配置下的杂波秩估计方法。但是，目前尚无特别针对稀疏分布的随机脉冲与随机阵列的杂波秩估计方法。
发明内容
有鉴于此，本发明的目的在于提供一种机载雷达杂波秩估计方法及其系统，旨在解决现有技术中基于稀疏分布的随机脉冲与随机阵列的机载雷达杂波秩估计问题。
本发明提出一种机载雷达杂波秩估计方法，主要包括：
将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集；
按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集；
计算每个采样位置子集的孔径；
根据所述孔径估计机载雷达的杂波秩。
另一方面，本发明还提供一种机载雷达杂波秩估计系统，所述系统包括：
第一计算模块，用于将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集；
划分模块，用于按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集；
第二计算模块，用于计算每个采样位置子集的孔径；
估计模块，用于根据所述孔径估计机载雷达的杂波秩。
本发明提供的技术方案，解决了基于稀疏分布的随机脉冲与随机阵列的机载雷达杂波秩估计的问题，为降秩STAP方法、基于稀疏性的STAP提供辅助知识信息，同时也为基于稀疏分布的随机脉冲与随机阵列的机载雷达设计提供辅助知识信息。
附图说明
图1为本发明一实施方式中机载雷达杂波秩估计方法流程图；
图2是不同脉冲分布的机载雷达脉冲序列；其中，(a)为传统均匀分布的恒定脉冲下机载雷达的脉冲序列；(b)为稀疏分布的随机脉冲下机载雷达的脉冲序列；
图3是不同接收阵列分布的机载雷达阵列序列；其中，(a)为传统均匀线性分布的机载雷达的阵列序列；(b)为稀疏线性分布的随机接收阵列的机载雷达的阵列序列；
图4是该雷达体制下的工作环境及相应参数设定；
图5是不同的折叠因子β下，三种不同雷达体制下得到杂波秩估计曲线；其中，(a)为β＝0.5，(b)为β＝1，(c)为β＝2；图中RPRI-RA Radar为本发明下稀疏分布的随机脉冲及随机阵列的机载雷达；UPRI-UA Radar为相比RPRI-RA而言，具有同发射脉冲数量及同接收阵列数量下的均匀脉冲及均匀阵列的机载雷达；Filled UPRI-UA Radar为相比RPRI-RA而言，具有同脉冲处理间隔及同接收阵列孔径下的均匀脉冲及均匀阵列的机载雷达。
图6为本发明一实施方式中机载雷达杂波秩估计系统10的结构示意图。
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。
以下将对本发明所提供的一种机载雷达杂波秩估计方法进行详细说明。
请参阅图1，为本发明一实施方式中机载雷达杂波秩估计方法流程图。
在本实施方式中，机载雷达杂波秩估计方法是基于稀疏分布的随机脉冲与随机阵列的机载雷达杂波秩估计方法。
在步骤S1中，将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集。
在本实施方式中，步骤S1具体包括：根据雷达接收回波理论模型将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集。
传统的脉冲多普勒雷达系统在单个相干处理周期(CPI)内发射等间隔的均匀脉冲序列，且接收阵列保持间距为半波长。基于稀疏分布的随机脉冲与随机阵列的机载雷达体制下，分别将脉冲发射时刻、接收阵列的位置随机化。且脉冲序列的发射时刻及接收阵列位置分别满足关系：Tm＝Zaζm、Dn＝ZTτn；
其中，Za为接收阵列孔径长度，ZT为单个相干处理周期的时间间隔，m(m＝1，...，M)为发射脉冲索引，n(n＝1，...，N)为接收阵列索引，ζm、τn分别为在(0,1)内服从均匀分布的因子，即ζm，τn～U(0，1)，且ζ1＝τ1＝0、ζM＝τN＝1，M为单个CPI内发射脉冲数量，N为接收阵列数量。
某距离单元的回波信号可表示为MN×1维的空时样本x，该雷达体制发射的第n个脉冲序列下，对于第m个接收阵列得到的杂波分量可等效为位于位置处的接收阵列一维采样得到的杂波分量，表示为：
其中，jn，m＝(n-1)M+m为等效一维采样下的接收阵列序列，为等效一维采样下接收阵列序列的位置，为等效一维采样的空间频率。
于是，可以得到等效一维采样的接收阵列位置集合为:
在步骤S2中，按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集。
在本实施方式中，步骤S2具体包括：按照从小到大的顺序排列所述采样位置集中的元素，并根据奈奎斯特采样间隔对所述元素进行划分，得到采样位置子集。
在本实施方式中，将得到的阵列位置集合元素进行升序排列，并根据假奈奎斯特采样间隔1/2W划分上述序列，得到采样位置子集
其中，为采样位置子集的序列，K为采样位置子集的数量。
在步骤S3中，计算每个采样位置子集的孔径。
在本实施方式中，若第k个采样位置子集为则该位置子集序列的孔径为
其中为子集内阵列位置序列，lk为子集内元素序列，Lk为第k个子集内元素数量。
则采样位置子集的孔径集合为Z＝[Z1，...Zk，...ZK]。
其中，Zk为采样位置子集的孔径序列。
在步骤S4中，根据所述孔径估计机载雷达的杂波秩。
在本实施方式中，步骤S4具体包括：根据所述奈奎斯特采样间隔与所述孔径估计机载雷达的杂波秩。
在本实施方式中，由等效一维采样而得到的杂波分量，其导向矢量可表示为其中为第k个采样位置子集下采样得到杂波分量的空时导向矢量。
此时，计算得到协方差矩阵为：
其中，1≤kp，kq≤K为由第kp，kq个子集下得到的杂波协方差矩阵，Nc为感兴趣的观测距离单元下离散的杂波散射体数量，i为离散的杂波散射体序列。
可以将真实的杂波协方差矩阵近似为块对角矩阵的对角阵，即为:
其中，diag(·)为对角矩阵。
因此真实杂波协方差矩阵Rc的秩等于所有块矩阵的秩之和，即为：
其中，rank(R)为矩阵R的秩。
根据离散长椭球状序列理论，在空间孔径为及采样间隔1/2W的条件下，由奈奎斯特采样得到的杂波分量构成的协方差矩阵的秩的大小为因此，根据单个采样位置子集的孔径Zk及奈奎斯特采样间隔1/2W的条件下，得到的杂波的协方差矩阵的秩为
因而真实杂波协方差矩阵的秩为：
由此得出结论，杂波秩的大小与等效阵列的孔径长度有关，也即与传统的均匀脉冲及均匀阵列雷达体制下的天线空间孔径长度有关。另外，当K＝1时，杂波协方差矩阵的秩为：
这也即为Brennan准则。换言之，Brennan准则是本发明下提出的杂波秩估计方法中的一种特例。
本发明提供的一种机载雷达杂波秩估计方法，解决了基于稀疏分布的随机脉冲与随机阵列的机载雷达杂波秩估计的问题，为降秩STAP方法、基于稀疏性的STAP提供辅助知识信息，同时也为基于稀疏分布的随机脉冲与随机阵列的机载雷达设计提供辅助知识信息。
请参阅图2是不同脉冲分布的机载雷达脉冲序列；其中，(a)为传统均匀分布的恒定脉冲下机载雷达的脉冲序列；(b)为稀疏分布的随机脉冲下机载雷达的脉冲序列。
请参阅图3是不同接收阵列分布的机载雷达阵列序列；其中，(a)为传统均匀线性分布的机载雷达的阵列序列；(b)为稀疏线性分布的随机接收阵列的机载雷达的阵列序列。
请参阅图4是该雷达体制下的工作环境及相应参数设定。
请参阅图5是不同的折叠因子β下，三种不同雷达体制下得到杂波秩估计曲线；其中，(a)为β＝0.5，(b)为β＝1，(c)为β＝2；图中RPRI-RA Radar为本发明下稀疏分布的随机脉冲及随机阵列的机载雷达；UPRI-UA Radar为相比RPRI-RA而言，具有同发射脉冲数量及同接收阵列数量下的均匀脉冲及均匀阵列的机载雷达；Filled UPRI-UA Radar为相比RPRI-RA而言，具有同脉冲处理间隔及同接收阵列孔径下的均匀脉冲及均匀阵列的机载雷达。
以下将对本发明所提供的一种机载雷达杂波秩估计系统10进行详细说明。
请参阅图6，所示为本发明一实施方式中机载雷达杂波秩估计系统10的结构示意图。
在本实施方式中，机载雷达杂波秩估计系统10，主要包括第一计算模块11、划分模块12、第二计算模块13以及估计模块14。
第一计算模块11，用于将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集。
在本实施方式中，第一计算模块11具体用于：
根据雷达接收回波理论模型将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集。
在本实施方式中，第一计算模块11中的计算方法如步骤S1中的相关记载所述，在此不重新描述。
划分模块12，用于按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集。
在本实施方式中，划分模块12具体用于：
按照从小到大的顺序排列所述采样位置集中的元素，并根据奈奎斯特采样间隔对所述元素进行划分，得到采样位置子集。
在本实施方式中，划分模块12中的划分方法如步骤S2中的相关记载所述，在此不重新描述。
第二计算模块13，用于计算每个采样位置子集的孔径。
在本实施方式中，第二计算模块13中的计算方法如步骤S3中的相关记载所述，在此不重新描述。
估计模块14，用于根据所述孔径估计机载雷达的杂波秩。
在本实施方式中，估计模块14具体用于：
根据所述奈奎斯特采样间隔与所述孔径估计机载雷达的杂波秩。
在本实施方式中，估计模块14中的估计方法如步骤S4中的相关记载所述，在此不重新描述。
本发明提供的一种机载雷达杂波秩估计系统10，解决了基于稀疏分布的随机脉冲与随机阵列的机载雷达杂波秩估计的问题，为降秩STAP方法、基于稀疏性的STAP提供辅助知识信息，同时也为基于稀疏分布的随机脉冲与随机阵列的机载雷达设计提供辅助知识信息。
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 (8)

1.一种机载雷达杂波秩估计方法，其特征在于，所述方法包括：
将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集；
按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集；
计算每个采样位置子集的孔径；
根据所述孔径估计机载雷达的杂波秩。
2.如权利要求1所述的机载雷达杂波秩估计方法，其特征在于，所述将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集的步骤包括：
根据雷达接收回波理论模型将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集。
3.如权利要求1所述的机载雷达杂波秩估计方法，其特征在于，所述按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集的步骤包括：
按照从小到大的顺序排列所述采样位置集中的元素，并根据奈奎斯特采样间隔对所述元素进行划分，得到采样位置子集。
4.如权利要求3所述的机载雷达杂波秩估计方法，其特征在于，所述根据所述孔径估计机载雷达的杂波秩的步骤包括：
根据所述奈奎斯特采样间隔与所述孔径估计机载雷达的杂波秩。
5.一种机载雷达杂波秩估计系统，其特征在于，所述系统包括：
第一计算模块，用于将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集；
划分模块，用于按序排列所述采样位置集中的元素，并对所述元素进行划分，得到采样位置子集；
第二计算模块，用于计算每个采样位置子集的孔径；
估计模块，用于根据所述孔径估计机载雷达的杂波秩。
6.如权利要求5所述的机载雷达杂波秩估计系统，其特征在于，所述第一计算模块具体用于：
根据雷达接收回波理论模型将空-时二维空间采样等效为一维空间采样，并计算一维空间采样的位置，获得采样位置集。
7.如权利要求5所述的机载雷达杂波秩估计系统，其特征在于，所述划分模块具体用于：
按照从小到大的顺序排列所述采样位置集中的元素，并根据奈奎斯特采样间隔对所述元素进行划分，得到采样位置子集。
8.如权利要求7所述的机载雷达杂波秩估计系统，其特征在于，所述估计模块具体用于：
根据所述奈奎斯特采样间隔与所述孔径估计机载雷达的杂波秩。
CN201610952187.4A 2016-10-26 2016-10-26 一种机载雷达杂波秩估计方法及其系统 Pending CN106546964A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610952187.4A CN106546964A (zh) 2016-10-26 2016-10-26 一种机载雷达杂波秩估计方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610952187.4A CN106546964A (zh) 2016-10-26 2016-10-26 一种机载雷达杂波秩估计方法及其系统

Publications (1)

Publication Number Publication Date
CN106546964A true CN106546964A (zh) 2017-03-29

Family

ID=58392827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610952187.4A Pending CN106546964A (zh) 2016-10-26 2016-10-26 一种机载雷达杂波秩估计方法及其系统

Country Status (1)

Country Link
CN (1) CN106546964A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831480A (zh) * 2017-10-13 2018-03-23 西安电子科技大学 弹载雷达和差通道稳健自适应杂波抑制方法
CN110632558A (zh) * 2019-07-18 2019-12-31 电子科技大学 一种联合计算mimo雷达稀疏阵列和脉冲串的方法
CN110646768A (zh) * 2019-10-11 2020-01-03 深圳大学 一种基于不确定先验知识的杂波秩估计方法及装置
WO2021068198A1 (zh) * 2019-10-11 2021-04-15 深圳大学 一种基于不确定先验知识的杂波秩估计方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928827A (zh) * 2012-10-26 2013-02-13 北京理工大学 一种基于past的快速降维空时自适应处理方法
CN105738879A (zh) * 2016-02-29 2016-07-06 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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102928827A (zh) * 2012-10-26 2013-02-13 北京理工大学 一种基于past的快速降维空时自适应处理方法
CN105738879A (zh) * 2016-02-29 2016-07-06 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ZHAOCHENG YANG ET AL.: "Compressive space-time adaptive processing airborne radar with random pulse repetition interval and random arrays", 《COMPRESSED SENSING THEORY AND ITS APPLICATIONS TO RADAR, SONAR AND REMOTE SENSING (COSERA), 2016 4TH INTERNATIONAL WORKSHOP ON》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831480A (zh) * 2017-10-13 2018-03-23 西安电子科技大学 弹载雷达和差通道稳健自适应杂波抑制方法
CN107831480B (zh) * 2017-10-13 2021-06-01 西安电子科技大学 弹载雷达和差通道稳健自适应杂波抑制方法
CN110632558A (zh) * 2019-07-18 2019-12-31 电子科技大学 一种联合计算mimo雷达稀疏阵列和脉冲串的方法
CN110632558B (zh) * 2019-07-18 2022-11-08 电子科技大学 一种联合计算mimo雷达稀疏阵列和脉冲串的方法
CN110646768A (zh) * 2019-10-11 2020-01-03 深圳大学 一种基于不确定先验知识的杂波秩估计方法及装置
WO2021068198A1 (zh) * 2019-10-11 2021-04-15 深圳大学 一种基于不确定先验知识的杂波秩估计方法及装置

Similar Documents

Publication Publication Date Title
CN105807267B (zh) 一种mimo雷达扩展目标的检测方法
Sira et al. Waveform-agile sensing for tracking
CN106546965B (zh) 基于雷达幅度和多普勒频率估计的空时自适应处理方法
CN104237883B (zh) 一种采用稀疏表示的机载雷达空时自适应处理方法
CN106546964A (zh) 一种机载雷达杂波秩估计方法及其系统
CN104199001B (zh) 一种认知雷达抗速度欺骗干扰的相位编码方法
Alfano et al. Model-based adaptive detection of range-spread targets
Yu et al. Fast detection method for low-observable maneuvering target via robust sparse fractional Fourier transform
CN103364770B (zh) 基于矩阵填充的雷达目标检测系统及其检测方法
CN109709521A (zh) 发射后低于噪声的（bat）啁啾雷达
CN106970369A (zh) 基于知识辅助的宽带雷达目标检测方法
CN110297233A (zh) Lfmcw阵列雷达信号并行流水化处理方法
CN105425231A (zh) 一种基于分层投影和泰勒展开的多传感器多目标定位方法
CN112882016B (zh) 基于改进的稳健自适应波束形成的多人生命体征检测方法
CN106772275A (zh) 一种基于Alpha稳定分布的低秩矩阵恢复检测方法
CN106154242A (zh) 基于分数低阶类相关熵的目标参数联合估计新算法
CN108333568A (zh) 冲击噪声环境下基于Sigmoid变换的宽带回波Doppler和时延估计方法
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
CN106950546A (zh) 基于马氏距离重加权的非均匀杂波抑制方法
CN106154241A (zh) 脉冲噪声环境下的韧性平行因子分析新算法
CN106814352A (zh) 一种基于格雷互补波形的多目标检测方法
Zhang et al. An airborne/missile-borne array radar forward-looking imaging algorithm based on super-resolution method
CN109116325B (zh) 基于捷变相参雷达的目标识别方法及系统
CN111044996A (zh) 一种基于降维近似消息传递的lfmcw雷达目标检测方法
Piou et al. Application of the Fornasini-Marchesini first model to data collected on a complex target model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170329