CN106990392A - 一种基于随机步进频信号的空间目标微动信息获取方法 - Google Patents
一种基于随机步进频信号的空间目标微动信息获取方法 Download PDFInfo
- Publication number
- CN106990392A CN106990392A CN201710081284.5A CN201710081284A CN106990392A CN 106990392 A CN106990392 A CN 106990392A CN 201710081284 A CN201710081284 A CN 201710081284A CN 106990392 A CN106990392 A CN 106990392A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- random
- hrrp
- frequency signal
- 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
- G01S7/28—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
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
- G01S13/26—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the transmitted pulses use a frequency- or phase-modulated carrier wave
- G01S13/28—Systems for measuring distance only using transmission of interrupted, pulse modulated waves wherein the transmitted pulses use a frequency- or phase-modulated carrier wave with time compression of received pulses
Abstract
本发明涉及一种基于随机步进频信号的空间目标微动信息获取方法:步骤一:发射随机步进频雷达信号;步骤二:对接收到的随机步进频信号回波使用压缩感知技术进行稀疏重构,得到目标的高分辨一维距离像,以下简称HRRP;步骤三:对一段慢时间域内的随进步进频回波信号执行步骤一、步骤二的过程,得到目标的慢时间‑HRRP谱;步骤四:对得到的目标慢时间‑HRRP谱通过时频分析等参数提取算法获取目标的微动信息。本发明的有益效果:第一,利用压缩感知技术实现了微动特征提取中采样数据量的减少,减轻了数据存储的压力;第二,节省了频率资源,减轻了信号产生设备的压力;第三,本发明应用范围宽,此方法同样可以应用于常规步进频信号部分缺失采样数据的处理。
Description
【技术领域】
本发明属于雷达信号处理领域,具体涉及到微动目标信号处理技术,更进一步来说是针对空间目标提出了一种基于随机步进频信号的空间目标微动信息获取方法。
【背景技术】
作为空间目标识别的重要特征之一,微动参数测量与分析具有重要的意义。在暗室测量实验中,常采用步进频信号,对得到的慢时间回波信号进行时频分析等信号处理方法得到目标微动参数。需要采集的数据包括各子频点回波数据以及慢时间采样数据,数据量比较大,在信号产生设备、信号处理设备与数据存储等方面对雷达系统带来极大的负担;另外如果在实验过程中有频点采样数据的丢失,传统的处理方法将失效。近年来,随着压缩感知技术的兴起与发展,由于空间目标HRRP(High Resolution Range Profile,高分辨一维距离像)在高频区具有稀疏性(周剑雄,石志广,胡磊,付强.基于频域稀疏非均匀采样的雷达目标一维高分辨成像.电子学报.40(5),2012:926-934),压缩感知技术在弹道目标暗室实验中也得到了较多应用,目前研究较多的是采用随机发射步进频信号的部分频率脉冲的方式在大量减少采样数据的基础上通过压缩感知稀疏重构的方式恢复出全频点回波数据,进行目标的高分辨成像(ANDREW N.O’DONNELL.Compressed Sensing for RadarSignature Analysis.IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONICSYSTEMS.2013,pp:2631-2639)。本发明结合微动信息获取的需要,首先发射随机步进频信号,通过压缩感知方法恢复出目标的HRRP,在此基础上得到慢时间-HRRP谱进行微动特征获取,在实际应用中此方法也适用于部分采样数据缺失时的处理。
【发明内容】
本发明的目的在于提供一种基于随机步进频信号的空间目标微动信息获取方法,利用压缩感知技术通过发射随机步进频信号的方式进行非均匀采样实现减少数据量基础上的空间目标微动信息获取。为了达到上述目的,本发明采取的技术方案如下:
步骤一:发射随机步进频雷达信号;
步骤二:对接收到的随机步进频信号回波使用压缩感知技术进行稀疏重构,得到目标的HRRP;
步骤三:对一段慢时间域内的随进步进频回波信号执行步骤一、步骤二的过程,得到目标的慢时间-HRRP谱;
步骤四:对得到的目标慢时间-HRRP谱通过时频分析等参数提取算法获取目标的微动信息。
其中,所述的发射随机步进频雷达信号,具体是指将一N路子频率的步进频信号,随机抽取其中M(M<<N)路子载频信号,即得到随机步进频信号。
随机步进频发射信号s(t)可以表示为:
其中,tp表示子信号脉冲宽度,T表示子信号脉冲重复周期,fi指第i路子信号的频率,t表示时间。
其中,所述步骤二的具体实现过程如下:
将得到的随机步进频信号采样回波写成矩阵形式:
y=φs (2)
其中,s=s(t-τ),τ表示回波时延,为一个M×N的信号抽取矩阵,对应发射随机步进频信号中Ki的取值,可以从N×N的单位矩阵随机抽取M行得到,为保证随机步进频信号的重构精度,起始和终止的频率信号需要被选取。
由于空间目标的HRRP具有稀疏特性,而HRRP由雷达回波时域信号进行IFFT变换得到,因此雷达回波时域信号可由HRRP的FFT变换来进行表征:
s=ψHm (3)
其中,Hm为tm时刻的目标HRRP,为一个N×1维的矩阵,WN=exp(-2πj/N),为N×N的傅里叶变换矩阵。
因此,有
y=φs=φψHm=ΦHm (4)
其中,Φ=φψ。由于φ为单位抽取矩阵,ψ为傅里叶变换矩阵,因此Φ也可以看作是对一个正交基随机抽取得到的矩阵,满足压缩感知的约束等距特性(RIP,RestrictedIsometry Property)。
考虑到存在噪声或者干扰的情况,则有
y=ΦHm+nm (5)
其中,nm为M×1的矩阵,表示tm时刻的噪声水平。
通过求解下面的稀疏约束问题来得到目标的HRRP估计。
其中,||·||0表示l0范数,||·||2表示l2范数,ε为与噪声水平相关的阈值。由于l0范数的不连续性,通常将上述最优化问题转化为l1范数来进行求解,即对于此类问题的求解,有较多的算法可以使用,如凸优化算法、匹配跟踪算法(MP)、正交匹配跟踪算法(OMP)、贝叶斯方法等。
本发明的有益效果主要包括:
第一,利用空间目标HRRP的稀疏特性,利用压缩感知技术实现了微动特征提取中采样数据量的减少,减轻了数据存储的压力;
第二,采用发射随机步进频信号的方式,节省了频率资源,减轻了信号产生设备的压力;
第三,本发明应用范围宽,在实际环境中,受各种实际条件的约束,采样数据的缺失是难以避免的,此方法同样可以应用于常规步进频信号部分缺失采样数据的处理。
【附图说明】
图1为本发明所提出的基于随机步进频信号的空间目标微动信息获取方法的总体流程图。
图2是随机步进频信号示意图。
图3为微动引起的距离徙动大于信号的距离分辨率时微动信息获取结果,其中图3(a)为原始未降维信号结果,图3(b)为降维率30%信号结果,图3(c)为降维率10%信号结果,图3(d)为降维率5%信号结果。
图4为微动引起的距离徙动大于信号的距离分辨率时微动信息获取结果,其中图4(a)为原始未降维信号结果,图4(b)为降维率20%信号结果,图4(c)为降维率15%信号结果,图4(d)为降维率10%信号结果。
图5为实测空间目标鼻锥部分微动信息获取结果,其中图5(a)为原始未降维信号结果,图5(b)为降维率70%信号结果,图5(c)为降维率50%信号结果,图5(d)为降维率30%信号结果。
图6为实测空间目标中部圆环部分微动信息获取结果,其中图6(a)为原始未降维信号结果,图6(b)为降维率50%信号结果,图6(c)为降维率30%信号结果,图6(d)为降维率20%信号结果。
图7为实测空间目标底部圆环部分微动信息获取结果,其中图7(a)为原始未降维信号结果,图7(b)为降维率50%信号结果,图7(c)为降维率30%信号结果,图7(d)为降维率20%信号结果。
【具体实施方式】
本发明适用于空间目标微动信息获取。图1是本发明的简要流程图,下面结合附图,对本发明所提出的方法作进一步解释。本方法的具体步骤和效果如下:
步骤一:首先发射随机步进频信号;
将一N路子频率的步进频信号,随机抽取其中M(M<<N)路子载频信号,即得到随机步进频信号。如图2所示,给出了步进频信号的时间-频率示意图,其中黑色部分为随机抽取的发射频率信号。
随机步进频发射信号可以表示为:
其中,tp表示子信号脉冲宽度,T表示子信号脉冲重复时间。
步骤二:对接收到的随机步进频信号回波通过压缩感知稀疏重构的方式得到目标的HRRP;
将采样后的随机步进频信号回波写成矩阵形式:
y=φs (8)
其中,s=s(t-τ),τ表示回波时延,为一个M×N的信号抽取矩阵,对应随机步进频发射信号中Ki的取值,可以从N×N的单位矩阵随机抽取M行得到,为保证随机步进频信号的重构精度,起始和终止的频率信号需要被选取。
由于空间目标的HRRP具有稀疏特性,而HRRP由雷达回波时域信号进行IFFT变换得到,因此雷达回波时域信号可由HRRP的FFT变换来进行表征:
s=ψHm (9)
其中,Hm为tm时刻的目标HRRP,为一个N×1维的矩阵,WN=exp(-2πj/N),为N×N的傅里叶变换矩阵。
因此,有
y=φs=φψHm=ΦHm (10)
其中,Φ=φψ。由于φ为单位抽取矩阵,ψ为傅里叶变换矩阵,因此Φ也可以看作是对一个正交基随机抽取得到的矩阵,满足压缩感知的约束等距特性(RIP,RestrictedIsometry Property)。
考虑到存在噪声或者干扰的情况,则有
y=ΦHm+nm (11)
其中,nm为M×1的矩阵,表示tm时刻的噪声水平。
通过求解下面的稀疏约束问题来得到目标的HRRP估计。
其中,||·||0表示l0范数,||·||2表示l2范数,ε为与噪声水平相关的阈值。由于l0范数的不连续性,通常将上述最优化问题转化为l1范数来进行求解,即对于此类问题的求解,有较多的算法可以使用,如凸优化算法、匹配跟踪算法(MP)、正交匹配跟踪算法(OMP)、贝叶斯方法等。
步骤三:通过在不同的慢时刻t0,t1…tP(tP为观察的慢时间结束时刻)求解上式中的优化问题,得到目标的慢时间-HRRP谱
步骤四:根据得到的慢时间-HRRP谱获取微动信息。
根据信号的分辨率与微动引起的距离徙动之间的关系分两种情况进行分析。
1、微动引起的距离徙动大于信号的距离分辨率
在此情况下,微动引起的距离徙动在恢复出的慢时间-HRRP谱中表现出来,慢时间-HRRP谱对应的重复频率即为目标的微动频率。给出一组仿真场景:假设一微动目标,目标质心与雷达之间的距离R0=75m,进动角β=30°,进动频率fp=1Hz,进动初始相位角为目标质心与弹头顶点距离d=1.5m,步进频信号脉冲起始频率f0=1MHz,单个脉冲宽度为τ=1μs,则单个脉冲的带宽Bs=1/τ=1MHz,脉冲频率间隔Δf=1MHz,脉冲数N=1024。慢时间的信号重复频率fr=100Hz,即慢时间域信号发射间隔为10ms,图3(a)(b)(c)(d)给出SNR=-5dB的鼻锥部分微动慢时间-HRRP谱仿真结果(降维率指选取的频率数与原始信号频率数的比值),重构算法采用OMP算法。结果表明,在降维率到10%时,恢复出的慢时间-HRRP谱仍然可以获取微动信息,微动频率为1Hz,符合仿真设置,表明了该发明方法的有效性。
2、微动引起的距离徙动小于信号的距离分辨率
在此条件下,目标微动引起的距离徙动不跨雷达分辨距离单元,因此散射点在慢时间-HRRP谱上为一条直线,这时采取的处理方法为对慢时间-HRRP谱的峰值处进行时频分析,其时频域的重复频率即为目标的微动频率。以弹道目标鼻锥部分散射点为例进行仿真,原始步进频信号路数N=64,没有加噪声,其他条件与上面条件一致,稀疏重构算法采用OMP算法,时频分析采用smoothed pseudo WVD算法。从图4(a)(b)(c)(d)结果可以看出,没有噪声的情况下,降维率在15%以上时重构结果能获取微动信息,微动频率为1Hz,符合仿真设置,表明了该发明方法的有效性。
下面进一步给出暗室实测数据的处理结果,使用进动弹道目标暗室实验所得到的微动测量数据。弹道目标模型散射点分为鼻锥部分、中部圆环部分、底部圆环部分,通过本发明方法所得到的结果分别如图(5)、(6)、(7)所示,实测数据结果证明本发明所提方法能够实现空间目标微动信息获取。图(5)(a)(b)(c)(d)表明对于鼻锥部分,降维率在50%以上时重构结果可以用来进行微动特征提取;图(6)(a)(b)(c)(d)表明对于中部圆环部分,降维率在30%以上时重构结果可以获取微动信息;图(7)(a)(b)(c)(d)表明对于底部圆环部分,降维率在30%以上时重构结果可以获取目标微动信息。
Claims (4)
1.一种基于随机步进频信号的空间目标微动信息获取方法,其特征在于:该方法步骤如下:
步骤一:发射随机步进频雷达信号;
步骤二:对接收到的随机步进频信号回波使用压缩感知技术进行稀疏重构,得到目标的高分辨一维距离像,以下简称HRRP;
步骤三:对一段慢时间域内的随进步进频回波信号执行步骤一、步骤二的过程,得到目标的慢时间-HRRP谱;
步骤四:对得到的目标慢时间-HRRP谱通过时频分析等参数提取算法获取目标的微动信息。
2.根据权利要求1所述的一种基于随机步进频信号的空间目标微动信息获取方法,其特征在于:步骤一所述的发射随机步进频雷达信号,具体是指将一N路子频率的步进频信号,随机抽取其中M(M<<N)路子载频信号,即得到随机步进频信号;
随机步进频发射信号s(t)可以表示为:
其中,tp表示子信号脉冲宽度,T表示子信号脉冲重复周期,fi指第i路子信号的频率,t表示时间。
3.根据权利要求1所述的一种基于随机步进频信号的空间目标微动信息获取方法,其特征在于:所述步骤二的具体实现过程如下:
将得到的随机步进频信号采样回波写成矩阵形式:
y=φs (2)
其中,s=s(t-τ),τ表示回波时延,为一个M×N的信号抽取矩阵,对应发射随机步进频信号中Ki的取值,可以从N×N的单位矩阵随机抽取M行得到,为保证随机步进频信号的重构精度,起始和终止的频率信号需要被选取;
由于空间目标的HRRP具有稀疏特性,而HRRP由雷达回波时域信号进行IFFT变换得到,因此雷达回波时域信号可由HRRP的FFT变换来进行表征:
s=ψHm (3)
其中,Hm为tm时刻的目标HRRP,为一个N×1维的矩阵,WN=exp(-2πj/N),为N×N的傅里叶变换矩阵;
因此,有
y=φs=φψHm=ΦHm (4)
其中,Φ=φψ;由于φ为单位抽取矩阵,ψ为傅里叶变换矩阵,因此Φ也可以看作是对一个正交基随机抽取得到的矩阵,满足压缩感知的约束等距特性;
考虑到存在噪声或者干扰的情况,则有
y=ΦHm+nm (5)
其中,nm为M×1的矩阵,表示tm时刻的噪声水平;
通过求解下面的稀疏约束问题来得到目标的HRRP估计;
其中,||·||0表示l0范数,||·||2表示l2范数,ε为与噪声水平相关的阈值;由于l0范数的不连续性,通常将上述最优化问题转化为l1范数来进行求解,即
4.根据权利要求3所述的一种基于随机步进频信号的空间目标微动信息获取方法,其特征在于:将最优化问题转化为l1范数来进行求解的算法可以使用凸优化算法、匹配跟踪算法、正交匹配跟踪算法、贝叶斯方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710081284.5A CN106990392B (zh) | 2017-02-15 | 2017-02-15 | 一种基于随机步进频信号的空间目标微动信息获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710081284.5A CN106990392B (zh) | 2017-02-15 | 2017-02-15 | 一种基于随机步进频信号的空间目标微动信息获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106990392A true CN106990392A (zh) | 2017-07-28 |
CN106990392B CN106990392B (zh) | 2019-06-25 |
Family
ID=59414237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710081284.5A Active CN106990392B (zh) | 2017-02-15 | 2017-02-15 | 一种基于随机步进频信号的空间目标微动信息获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106990392B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917347A (zh) * | 2019-04-10 | 2019-06-21 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
CN110221254A (zh) * | 2019-06-14 | 2019-09-10 | 西北工业大学 | 一种基于正交匹配追踪算法的微动特征提取方法 |
CN111427035A (zh) * | 2020-03-25 | 2020-07-17 | 湖南国科锐承电子科技有限公司 | 一种基于子带微多普勒差异的雷达实测数据集扩充方法 |
CN113640801A (zh) * | 2021-09-17 | 2021-11-12 | 内蒙古工业大学 | 用于地基sar低旁瓣成像模式的方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN105099976A (zh) * | 2015-07-28 | 2015-11-25 | 西安空间无线电技术研究所 | 一种非对称三角调频雷达通信一体化信号的参数优化方法 |
CN105738897A (zh) * | 2016-02-26 | 2016-07-06 | 杜庆磊 | 基于联合稀疏特性的信号距离像重构方法 |
-
2017
- 2017-02-15 CN CN201710081284.5A patent/CN106990392B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122540A (zh) * | 2014-07-31 | 2014-10-29 | 电子科技大学 | 基于匹配字典和压缩感知的雷达一维距离像目标识别方法 |
CN105099976A (zh) * | 2015-07-28 | 2015-11-25 | 西安空间无线电技术研究所 | 一种非对称三角调频雷达通信一体化信号的参数优化方法 |
CN105738897A (zh) * | 2016-02-26 | 2016-07-06 | 杜庆磊 | 基于联合稀疏特性的信号距离像重构方法 |
Non-Patent Citations (2)
Title |
---|
ANDREW N. O’DONNELL等: "Compressed Sensing for Radar Signature Analysis", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
彭岁阳等: "随机频率步进雷达成像分析", 《国防科技大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917347A (zh) * | 2019-04-10 | 2019-06-21 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
CN109917347B (zh) * | 2019-04-10 | 2021-09-24 | 电子科技大学 | 一种基于时频域稀疏重构的雷达行人检测方法 |
CN110221254A (zh) * | 2019-06-14 | 2019-09-10 | 西北工业大学 | 一种基于正交匹配追踪算法的微动特征提取方法 |
CN110221254B (zh) * | 2019-06-14 | 2022-09-06 | 西北工业大学 | 一种基于正交匹配追踪算法的微动特征提取方法 |
CN111427035A (zh) * | 2020-03-25 | 2020-07-17 | 湖南国科锐承电子科技有限公司 | 一种基于子带微多普勒差异的雷达实测数据集扩充方法 |
CN113640801A (zh) * | 2021-09-17 | 2021-11-12 | 内蒙古工业大学 | 用于地基sar低旁瓣成像模式的方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106990392B (zh) | 2019-06-25 |
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 | |
CN106990392A (zh) | 一种基于随机步进频信号的空间目标微动信息获取方法 | |
WO2018045566A1 (zh) | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN104199001B (zh) | 一种认知雷达抗速度欺骗干扰的相位编码方法 | |
CN103744076B (zh) | 基于非凸优化的mimo雷达动目标检测方法 | |
CN106680815A (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN110095765A (zh) | 捷变频雷达的高分辨多普勒重构方法 | |
CN107728142A (zh) | 基于二维卷积网络的雷达高分辨距离像目标识别方法 | |
CN105699945A (zh) | 频控阵mimo雷达系统中的波形优化设计方法 | |
CN106405548A (zh) | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 | |
CN104215959B (zh) | 一种多机动目标径向初速度和径向加速度的估计方法 | |
CN109738887B (zh) | 一种适用于微动干扰场景的目标人体运动状态识别方法 | |
CN101470194A (zh) | 一种水雷目标的识别方法 | |
CN107576961B (zh) | 一种互质降采样间歇合成孔径雷达稀疏成像方法 | |
CN102879783B (zh) | 基于稀疏探测频率信号的isar成像方法 | |
CN104076360B (zh) | 基于压缩感知的二维sar稀疏目标成像方法 | |
CN106383340A (zh) | 一种随机脉冲初始相位雷达的速度假目标识别方法 | |
CN105022034B (zh) | 集中式mimo雷达的发射ofdm波形的优化设计方法 | |
CN106324596A (zh) | 基于压缩感知的随机脉冲多普勒雷达角度‑多普勒成像方法 | |
CN106019256A (zh) | 基于自回归模型的雷达信号自适应检测方法 | |
CN102854505A (zh) | 一种加权稀疏驱动自聚焦sar成像方法 | |
CN105929397B (zh) | 基于正则化的偏置相位中心天线成像方法 | |
CN106249209A (zh) | 一种抗速度欺骗干扰的自适应迭代估计方法 | |
CN107390193A (zh) | 基于多距离单元融合的调频连续波雷达飞机目标分类方法 |
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 |