CN106842164A - 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法 - Google Patents

基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法 Download PDF

Info

Publication number
CN106842164A
CN106842164A CN201710150675.8A CN201710150675A CN106842164A CN 106842164 A CN106842164 A CN 106842164A CN 201710150675 A CN201710150675 A CN 201710150675A CN 106842164 A CN106842164 A CN 106842164A
Authority
CN
China
Prior art keywords
signal
echo
wavelet
envelope
target
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
Application number
CN201710150675.8A
Other languages
English (en)
Other versions
CN106842164B (zh
Inventor
林财永
鲍庆龙
王丁禾
户盼鹤
田瑞琦
王森
潘圣森
陈曾平
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201710150675.8A priority Critical patent/CN106842164B/zh
Publication of CN106842164A publication Critical patent/CN106842164A/zh
Application granted granted Critical
Publication of CN106842164B publication Critical patent/CN106842164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/418—Theoretical aspects
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于雷达信号处理技术领域，尤其涉及一种基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法。本发明不直接对带噪回波信号进行去噪，而以匹配滤波后的峰值包络为处理对象，通过小波去噪保留匹配滤波后的回波信号的包络主瓣。回波信号包络的主瓣经过各尺度的小波分解后，能量主要集中在低频部分，只需对小波分解后的低频小波系数设置阈值进行筛选，而将其他分解层置零，从而保留回波信号包络的主瓣而将大部分的噪声滤除，保证了Radon变换能够有效的将回波信号的能量进行积累。本发明可以消除回波信号带内噪声带来的影响，提高回波信号的信噪比，使得直线检测方法能够有效的积累目标回波能量，最终提高检测概率，完成对微弱目标的检测。

Description

基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法
技术领域
本发明属于雷达信号处理技术领域，尤其涉及一种基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法。
背景技术
现代战场环境下，雷达的效能和生存能力面临越来越严峻的考验，尤其是受到隐身目标、反辐射导弹、低空突防和电子干扰等方面的威胁。无源雷达利用目标反射的第三方辐射源的电磁信号，即目标的回波信号，完成目标的探测和跟踪，而其本身不发射电磁波信号，因而具有良好的“四抗特性”和具有结构简单、造价低廉等优点，引起了学者的广泛关注。其中，发射线性调频(LFM,Linear Formulation Modulated)信号的脉冲压缩雷达是一种常见的辐射源，不少学者针对这种辐射源提出了相应的相参积累方法来实现微弱目标的检测。但是在实际中，对于非合作辐射源来说，要保证接收到的回波信号的相参性是十分困难的。因此，就要利用非相参积累的方法来实现微弱目标的检测。
检测前跟踪(TBD,Track before detect)是一种重要的非相参积累方法，它不对接收到的回波信号的每一帧数据进行检测，而是先将其进行存储，然后在各帧数据间对目标的假设路径所包含的点做非相参积累，根据积累结果检测目标的有无。基于直线检测的TBD算法是一种常用的微弱目标检测方法，常用的直线检测方法有Radon变换和Hough变换。在脉冲压缩雷达中，目标回波经过脉冲压缩后存储排列到了时间-距离(R-t)平面内，在较短时间内目标可以看做进行匀速直线运动，则此时目标回波在R-t平面内就会呈现为一条直线；然后利用Radon变换或Hough变换将R-t平面内直线轨迹包含的回波能量积累起来，利用积累结果实现对微弱目标的检测。
能量积累性能的提升可以通过延长积累时间或是提高信号的信噪比两种方法来实现。对于无源雷达来说，在长时间积累的条件下，目标的运动状态可能改变，其运动轨迹不再是一条直线，导致直线检测的算法性能不能进一步提高。因此，为了保证在一定的积累时间内提高检测概率，必须提高回波信号的信噪比。
为了提高信噪比就必须去除回波信号中的噪声，雷达系统中最简单和常用的就是频域的去噪方法。频域去噪就是将含噪的回波信号进行Fourier变换到频域，利用噪声和信号在频域分布上的不同来设计低通或带通滤波器，滤除带外噪声。小波变换是一个时间与频率的局部变换，可以对信号进行多尺度细化，因此可以获得比Fourier变换更好的分析效果。对于脉冲压缩雷达来说，含有白噪声的回波信号经过匹配滤波后，能够有效滤除大部分噪声，但是剩余的噪声则和回波信号的频谱是混叠的。对于同信号频域混叠的带内噪声，上述两种方法均不能有效去除。
发明内容
本发明的目的在于克服上述已有技术的不足，提出一种基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法，实现利用非合作脉冲压缩雷达作为外辐射源来进行微弱目标检测的目的。本发明可以消除回波信号带内噪声带来的影响，提高回波信号的信噪比，使得直线检测方法能够有效的积累目标回波能量，最终提高检测概率，完成对微弱目标的检测。
本发明的技术方案为：一种基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法，该方法包含以下步骤：
S1.分别采集同一时间段内以非合作脉冲压缩雷达作为外辐射源的直达波信号和目标回波信号；
S2.对采集到的直达波信号进行参数估计，所述参数包括脉宽、带宽和载频，并利用估计出的参数构造基带参考信号；
S3.对采集到的目标回波信号进行放大和滤波，然后下变频得到基带回波信号；
S4.利用步骤S2中构造的基带参考信号，对步骤S3中下变频得到的基带回波信号进行匹配滤波；
S5.对步骤S4中匹配滤波得到的结果取模，得到回波信号经匹配滤波后的峰值包络，所述峰值包络是回波信号包络与噪声包络的线性叠加；
S6.对步骤S5中的峰值包络进行小波去噪处理：步骤S4中基带回波信号经过匹配滤波后剩余的噪声主要为带内噪声，即噪声频谱集中在回波信号频带内。由于噪声和基带回波信号的频谱混叠，因此两者的小波系数分布会产生重合，直接利用小波去噪方法对含噪的基带回波信号进行处理不能取得很好的效果。而基于直线检测的非相参积累是通过将信号包络的幅值能量进行相加实现的，因此可以不直接对含噪的基带回波信号进行去噪处理，而以基带回波信号匹配滤波后的峰值包络作为处理对象，通过小波变换保存峰值包络中回波信号的包络主瓣从而滤除噪声包络，最终达到提高回波信号信噪比的目的。回波信号的包络主瓣经过各尺度的小波分解后，能量主要集中在低频部分，这样只需对小波分解得到的低频小波系数进行阈值处理，而将其他分解层的小波系数置零，这样便可以保留匹配滤波后峰值包络的主瓣能量，而将大部分的噪声能量去除。最后通过逆小波重构，得到去噪后的峰值包络；
本步骤的具体实现过程包含以下步骤：
S6.1将步骤S5中的峰值包络进行小波分解，得到相应的小波系数；
S6.2对步骤S6.1中得到的小波系数进行软阈值处理；回波信号的峰值包络经过步骤S6.1处理后，其大部分能量集中在了低频部分，所以为了保留回波信号峰值包络的能量，只需对小波分解得到的低频小波系数进行软阈值处理，而将其他的小波系数置为零。常用的小波阈值有硬阈值和软阈值两种，由于软阈值可以保证去噪后的信号光滑且不会产生附加震荡，因此本发明选用软阈值处理。软阈值处理即将低频小波系数同阈值进行比较，大于阈值的点变成该点值与阈值的差值，小于等于阈值的点则置为零；
S6.3将步骤S6.2进行软阈值处理后的小波系数进行重构，得到去噪后的峰值包络；
S7.将步骤S6中的处理结果存入二维矩阵中，最后形成一个R-t平面；
S8.利用步骤S7中得到的R-t平面进行直线检测，对目标轨迹进行能量积累；
S9.对步骤S8中经过能量积累后的R-t平面采用恒虚警概率(Constant FalseAlarm Rate,CFAR)检测，从而完成对微弱目标的检测。
本发明具有以下优点：
(1)本发明所提出的基于小波去噪的非合作脉冲压缩雷达的微弱目标检测方法，能够去除信号的带内噪声，提高了回波信号的信噪比；
(2)本发明能够在不增加积累脉冲数的情况下，提高对微弱目标的检测概率。
(3)本发明只对小波系数的低频部分进行处理，简化了处理流程，数据处理量较小。
附图说明
图1是本发明提出的方法所涉及的系统组成示意图；
图2是本发明方法的实施流程图；
图3是本发明的一个具体实施例中回波信号匹配滤波后的频谱图；
图4是本发明的一个具体实施例中匹配滤波后取模的峰值包络；
图5是步骤S6的具体实施流程图；
图6是本发明的一个具体实施例中经过小波去噪后的峰值包络；
图7是本发明的一个具体实施例中经过小波去噪后形成的R-t平面；
图8是本发明的一个具体实施例中经过Radon变换后形成的结果；
图9是本发明和基于Radon的TBD算法对目标的检测概率
具体实施方式
下面结合附图及具体实施例对本发明做进一步阐述。
本实施例以脉冲压缩雷达作为非合作辐射源，该雷达为脉冲体制，信号调制形式为LFM，直线检测方法采用Radon变换。基于脉冲压缩雷达的无源接收系统分为参考通道和回波通道，分别用于接收脉冲压缩雷达发射的直达波信号和经过目标反射的回波信号。其系统组成示意图如图1所示。
参照图2中的实施流程图，本发明的基于小波去噪的非合作辐射源的目标检测方法具体包含以下步骤：
S1.基于脉冲压缩雷达的无源接收系统分为参考通道和回波通道，两个通道分别采集同一时间段内脉冲压缩雷达发射的直达波信号和目标回波信号。无源接收系统采用带通正交采样接收信号，带宽覆盖脉冲压缩雷达的工作频带。
S2.对参考通道采集到的直达波信号进行参数估计，所述参数包括脉宽、带宽和载频，并利用估计出的参数构造基带参考信号；
S3.对回波通道接收的被目标反射的微弱回波信号进行放大和滤波，然后根据S2中估计出的直达波信号的载频对回波信号进行下变频，得到基带回波信号；
S4.利用步骤S2中构造的基带参考信号，对步骤S3中下变频得到的基带回波信号进行匹配滤波。匹配滤波后，剩余带内噪声，即噪声同回波信号的频谱是混叠的。图3给出了基带回波信号经过匹配滤波后的频谱图；从图3可以看出，在回波信号匹配滤波后的频谱内，存在大量噪声干扰，噪声和信号的频谱相互混叠。
S5.对步骤S4中匹配滤波得到的结果取模，得到回波信号匹配滤波后的峰值包络，峰值包络是回波信号包络与噪声包络的线性叠加；图4给出了一个回波信号匹配滤波后的峰值包络，同时对其幅度进行了归一化。从图4可以看出，回波信号的包络受到噪声包络的影响，难以分辨。若直接利用这样低信噪比的信号进行能量积累是很难实现对微弱目标的检测。
S6.对步骤S5中的峰值包络进行小波去噪处理：步骤S4中基带回波信号经过匹配滤波后剩余的噪声主要为带内噪声，即噪声频谱集中在回波信号频带内。由于噪声和回波信号的频谱混叠，因此两者的小波系数分布会产生重合，直接利用小波去噪方法对含噪的基带回波信号进行处理不能取得很好的效果。而基于直线检测的非相参积累是通过将信号包络的幅值能量进行相加实现的，因此可以不直接对含噪回波信号进行去噪处理，而以回波信号匹配滤波后的峰值包络作为处理对象，通过小波变换保存峰值包络中回波信号的包络主瓣并滤除带内噪声的包络，最终达到提高回波信号信噪比的目的。回波信号的包络主瓣经过各尺度的小波分解后，能量主要集中在低频部分，这样只需对小波分解得到的低频小波系数进行阈值处理，而将其他分解层的小波系数置零，这样便可以保留匹配滤波后回波信号包络的主瓣能量，而将大部分的噪声能量去除。最后通过逆小波重构，得到去噪后的峰值包络；
结合图5，本步骤的具体实现过程包含以下步骤：
S6.1将S4中的峰值包络进行小波分解，其中选用coiflet 5小波作为小波基函数，小波分解层数设为三层。峰值包络经过三层小波分解后，会得到三层不同的小波系数，但是回波信号包络的主瓣能量大部分集中到了第三层的低频小波系数中。
S6.2对步骤S6.1中得到的小波系数进行处理；由于回波信号包络经过步骤S6.1处理后，其大部分能量集中在第三层的低频部分，因此需要对小波系数中的低频小波系数进行阈值处理，保留回波信号的能量。将常用的小波阈值有硬阈值和软阈值两种，由于软阈值可以保证去噪后的信号光滑且不会产生附加震荡，因此本发明选用软阈值处理。软阈值处理即将低频小波系数同阈值进行比较，大于阈值的点变成该点值与阈值的差值，小于等于阈值的点则置为零；同时，由于其他分解层多为噪声能量，因此对其他分解层的小波系数置为零。由于只需对第三层的低频小波系数进行软阈值处理，而其他分解层的小波系数置为零，因此处理过程得到了简化，减少了处理的数据量。
软阈值的阈值函数表达式为：
其中sgn为符号函数，wk表示第k层的小波系数，表示第k层小波系数对应的软阈值函数，λ代表阈值。因为只需对小波分解后的低频小波系数进行软阈值处理，所以选用最大最小估计限制下得出的最优阈值，其表达式为：
式中N为峰值包络的长度，σ代表噪声的标准差，通常可以用低频小波系数的标准差近似。
S6.3将步骤S6.2处理后的小波系数进行重构，得到去噪后的峰值包络。其中，小波重构中的小波基必须同步骤6.1中小波分解用到的小波基一致，即均为coiflet 5小波，且重构层数也为3层。
为了说明小波去噪的效果，图4中峰值包络经过小波去噪后的效果如图6所示。从图6可以看出，经过步骤S6的去噪处理后，回波信号的包络主瓣得到了保留而噪声的包络基本被滤除，即回波信号的信噪比得到了提高。
S7.将步骤S6中去噪后的峰值包络存入快-慢时间域矩阵中，其中快时间代表距离R，慢时间t对应采集时间段内处理的脉冲个数。最后得到一个R-t平面，如图7所示；
S8.利用步骤S7中得到的R-t平面进行直线检测，此具体实施例中选用Radon变换，对目标轨迹进行能量积累；由于在积累时间内，目标的运动状态可以近似为匀速直线运动，利用Radon变换可以将目标回波在R-t平面内的直线轨迹的峰值包络幅值进行求和积累。图8给出了R-t平面经过Radon变换后的积累结果；
S9.对步骤S8中经过能量积累得到的R-t平面采用CFAR检测，从而完成对微弱目标的检测。图9分别给出了在不同信噪比下两种算法，即本发明和不经过小波去噪直接利用基于Radon的TBD算法，对目标的检测概率。横轴为信噪比，纵轴为检测概率，从图9中的曲线可以看出，利用本发明可以明显提高对目标的检测概率。
从本实施例的结果可以看出，脉冲压缩雷达的回波信号经过匹配滤波后，噪声和回波信号的频谱产生混叠，这给去噪带来了很大困难，影响了对微弱目标的检测。本发明不直接对带噪回波信号进行去噪，而以匹配滤波后的峰值包络为处理对象，通过小波去噪保留匹配滤波后的回波信号的包络主瓣。回波信号包络的主瓣经过各尺度的小波分解后，能量主要集中在低频部分，这样只需对小波分解后的低频小波系数设置阈值进行筛选，而将其他分解层置零，这样便可以保留回波信号包络的主瓣而将大部分的噪声滤除，保证了Radon变换能够有效的将回波信号的能量进行积累，提高了对微弱目标的检测概率。

Claims (2)

1.一种基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法，其特征在于，该方法包含以下步骤：
S1.分别采集同一时间段内以非合作脉冲压缩雷达作为外辐射源的直达波信号和目标回波信号；
S2.对采集到的直达波信号进行参数估计，所述参数包括脉宽、带宽和载频，并利用估计出的参数构造基带参考信号；
S3.对采集到的目标回波信号进行放大和滤波，然后下变频得到基带回波信号；
S4.利用步骤S2中构造的基带参考信号，对步骤S3中下变频得到的基带回波信号进行匹配滤波；
S5.对步骤S4中匹配滤波得到的结果取模，得到回波信号经匹配滤波后的峰值包络，所述峰值包络是回波信号包络与噪声包络的线性叠加；
S6.对步骤S5中的峰值包络进行小波去噪处理：
S6.1将步骤S5中的峰值包络进行小波分解，得到相应的小波系数；
S6.2对步骤S6.1中得到的小波系数进行软阈值处理；
S6.3将步骤S6.2进行软阈值处理后的小波系数进行重构，得到去噪后的峰值包络；
S7.将步骤S6中的处理结果存入二维矩阵中，最后形成一个R-t平面；
S8.利用步骤S7中得到的R-t平面进行直线检测，对目标轨迹进行能量积累；
S9.对步骤S8中经过能量积累后的R-t平面采用恒虚警概率检测，从而完成对微弱目标的检测。
2.根据权利要求1所述基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法，其特征在于：步骤S8中的直线检测方法采用Radon变换。
CN201710150675.8A 2017-03-14 2017-03-14 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法 Active CN106842164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710150675.8A CN106842164B (zh) 2017-03-14 2017-03-14 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710150675.8A CN106842164B (zh) 2017-03-14 2017-03-14 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法

Publications (2)

Publication Number Publication Date
CN106842164A true CN106842164A (zh) 2017-06-13
CN106842164B CN106842164B (zh) 2019-06-14

Family

ID=59144477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710150675.8A Active CN106842164B (zh) 2017-03-14 2017-03-14 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法

Country Status (1)

Country Link
CN (1) CN106842164B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143184A (zh) * 2018-10-29 2019-01-04 北京理工大学 一种扫描雷达的双门限检测方法
CN110988833A (zh) * 2019-11-21 2020-04-10 河海大学 一种弱目标检测和跟踪方法
WO2020107138A1 (zh) * 2018-11-26 2020-06-04 深圳市大疆创新科技有限公司 一种微波雷达和无人飞行器
CN111912879A (zh) * 2020-08-11 2020-11-10 长沙学院 一种基于最优小波基的地质雷达弱反射信号识别方法
CN113189539A (zh) * 2021-06-30 2021-07-30 成都华日通讯技术股份有限公司 一种基于测向设备的空域滤波方法
CN114518563A (zh) * 2022-03-01 2022-05-20 国家卫星海洋应用中心 卫星微波散射计雷达后向散射系数获取方法及相应的装置
CN114722885A (zh) * 2022-06-09 2022-07-08 山东山矿机械有限公司 托辊搬运小车运行异常智能检测方法及系统
CN115856825A (zh) * 2023-02-28 2023-03-28 长沙东玛克信息科技有限公司 一种雷达信号无损拾音方法
CN116347329A (zh) * 2022-12-16 2023-06-27 中交星宇科技有限公司 定位信号捕获方法及装置、计算设备及计算机存储介质
CN117932231A (zh) * 2024-03-21 2024-04-26 百脉英华科技有限公司 基于传感器的高压电缆多源局放智能定位方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040151269A1 (en) * 2003-01-21 2004-08-05 Jaiganesh Balakrishnan Receiver sampling in an ultra-wideband communications system
CN101360079A (zh) * 2008-07-18 2009-02-04 天津大学 基于小波去噪算法的最大似然估计器的小波域值去噪方法
CN102540159A (zh) * 2011-10-13 2012-07-04 哈尔滨工程大学 基于小波降噪的ls-svm海面小目标检测的方法
CN105242286A (zh) * 2015-05-29 2016-01-13 西安电子科技大学宁波信息技术研究院 一种基于小波域滤波码捕获方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040151269A1 (en) * 2003-01-21 2004-08-05 Jaiganesh Balakrishnan Receiver sampling in an ultra-wideband communications system
CN101360079A (zh) * 2008-07-18 2009-02-04 天津大学 基于小波去噪算法的最大似然估计器的小波域值去噪方法
CN102540159A (zh) * 2011-10-13 2012-07-04 哈尔滨工程大学 基于小波降噪的ls-svm海面小目标检测的方法
CN105242286A (zh) * 2015-05-29 2016-01-13 西安电子科技大学宁波信息技术研究院 一种基于小波域滤波码捕获方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王渝冲 等: "基于小波变换的雷达信号调制类型识别方法", 《计算机工程》 *
田瑞琦 等: "强目标掩盖下雷达微弱目标检测算法", 《系统工程与电子技术》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143184A (zh) * 2018-10-29 2019-01-04 北京理工大学 一种扫描雷达的双门限检测方法
WO2020107138A1 (zh) * 2018-11-26 2020-06-04 深圳市大疆创新科技有限公司 一种微波雷达和无人飞行器
CN110988833A (zh) * 2019-11-21 2020-04-10 河海大学 一种弱目标检测和跟踪方法
CN111912879A (zh) * 2020-08-11 2020-11-10 长沙学院 一种基于最优小波基的地质雷达弱反射信号识别方法
CN111912879B (zh) * 2020-08-11 2023-04-25 长沙学院 一种基于最优小波基的地质雷达弱反射信号识别方法
CN113189539A (zh) * 2021-06-30 2021-07-30 成都华日通讯技术股份有限公司 一种基于测向设备的空域滤波方法
CN113189539B (zh) * 2021-06-30 2021-09-28 成都华日通讯技术股份有限公司 一种基于测向设备的空域滤波方法
CN114518563B (zh) * 2022-03-01 2022-09-09 国家卫星海洋应用中心 卫星微波散射计雷达后向散射系数获取方法及相应的装置
CN114518563A (zh) * 2022-03-01 2022-05-20 国家卫星海洋应用中心 卫星微波散射计雷达后向散射系数获取方法及相应的装置
CN114722885B (zh) * 2022-06-09 2022-08-16 山东山矿机械有限公司 托辊搬运小车运行异常智能检测方法及系统
CN114722885A (zh) * 2022-06-09 2022-07-08 山东山矿机械有限公司 托辊搬运小车运行异常智能检测方法及系统
CN116347329A (zh) * 2022-12-16 2023-06-27 中交星宇科技有限公司 定位信号捕获方法及装置、计算设备及计算机存储介质
CN116347329B (zh) * 2022-12-16 2024-03-29 中交星宇科技有限公司 定位信号捕获方法及装置、计算设备及计算机存储介质
CN115856825A (zh) * 2023-02-28 2023-03-28 长沙东玛克信息科技有限公司 一种雷达信号无损拾音方法
CN117932231A (zh) * 2024-03-21 2024-04-26 百脉英华科技有限公司 基于传感器的高压电缆多源局放智能定位方法及系统
CN117932231B (zh) * 2024-03-21 2024-05-31 百脉英华科技有限公司 基于传感器的高压电缆多源局放智能定位方法及系统

Also Published As

Publication number Publication date
CN106842164B (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN106842164B (zh) 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法
CN103245976B (zh) 基于uwb生物雷达的人体目标与周围环境结构兼容探测方法
CN110161491B (zh) 一种针对微弱生命体的测距和呼吸频率估计方法
CN111624574A (zh) 弱目标探测的目标检测方法、系统、存储介质和装置
WO2012055148A1 (zh) 一种多通道基于uwb雷达式生命探测仪及其定位方法
CN105974376B (zh) 一种sar射频干扰抑制方法
CN108776336A (zh) 一种基于emd的自适应穿墙雷达静止人体目标定位方法
CN102520396A (zh) 基于复数经验模态分解的时变窄带干扰抑制方法
CN107167802A (zh) 一种基于超宽带雷达的呼吸信号检测算法
CN106199549B (zh) 一种采用谱减法提升lfmcw雷达信噪比的方法
CN108872977B (zh) 基于单通道超宽带雷达的生命体双站协同探测方法
CN110095766B (zh) 基于非均匀重采样技术的机动目标相干积累检测方法
CN107831473B (zh) 基于高斯过程回归的距离-瞬时多普勒图像序列降噪方法
CN106019254A (zh) 一种uwb冲击生物雷达多人体目标距离向分离辨识方法
CN104133248B (zh) 一种高保真声波干扰压制方法
CN111948618A (zh) 一种基于卫星外辐射源的前向散射目标探测方法及系统
CN109061693A (zh) 一种适用于p码捕获的改进pmf-fft方法
CN111650653A (zh) 一种基于噪声相关和小波阈值法的磁共振信号降噪方法
CN116819458A (zh) 一种多站频率捷变雷达抗干扰及协同增效方法
CN111090088B (zh) 基于主动声纳阵列斜对称特性的泄露目标空时检测方法
CN106199539A (zh) 基于白化滤波器的地杂波抑制方法
CN109061626A (zh) 一种步进频相参处理检测低信杂比动目标的方法
CN109541567A (zh) 基于深度学习的高速机动目标检测方法
CN102819012B (zh) 一种基于改进的非负ica的相控阵风廓线雷达信号处理方法
CN103487794B (zh) 一种基于小波包变换的水底混响抑制方法

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
GR01 Patent grant
GR01 Patent grant