CN107643515A - 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法 - Google Patents

基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法 Download PDF

Info

Publication number
CN107643515A
CN107643515A CN201710755364.4A CN201710755364A CN107643515A CN 107643515 A CN107643515 A CN 107643515A CN 201710755364 A CN201710755364 A CN 201710755364A CN 107643515 A CN107643515 A CN 107643515A
Authority
CN
China
Prior art keywords
turbulent flow
radar
echo signal
range cell
spectrum width
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
CN201710755364.4A
Other languages
English (en)
Inventor
李海
段佳玲
湛蕾
吴仁彪
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.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
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 Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN201710755364.4A priority Critical patent/CN107643515A/zh
Publication of CN107643515A publication Critical patent/CN107643515A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

一种基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法。其包括:1)初始化所有待检测距离单元的雷达回波数据,由阵列接收的待检测距离单元雷达回波数据估计出雷达回波信号的协方差矩阵2)根据待检测距离单元的空间锥角,构造该距离单元湍流目标信号的协方差矩阵模型Rs(fof);3)构造代价函数,在目标参数范围内进行二维搜索找到使代价函数最大值的参数组合由多普勒谱宽得到该距离单元的湍流目标速度谱宽估计值;4)重复上述步骤,逐距离单元对雷达接收的回波数据进行处理,最终得到全距离单元的湍流目标速度谱宽估计结果。仿真结果表明,在低信噪比情况下,本发明方法可获得较为精确的湍流目标速度谱宽估计结果。

Description

基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法
技术领域
本发明属于机载气象雷达气象目标检测技术领域,特别是涉及一种基于空时协方差矩 阵拟合的湍流目标速度谱宽估计方法。
技术背景
大气湍流是飞机在运行过程中时常会遇到的一种危险气象目标,它是由大气中急速 变换的气流引起的。因为湍流区域内气流运动速度向量有很大的差异,并且变化都相当急剧,所以飞机一旦飞进湍流区域,轻则会产生颠簸,情况严重时飞机可能会短暂失控, 发生难以想象的后果。大气湍流危害性高、作用范围广(几公里至十几公里范围不等), 飞行航班通过机载气象雷达(Airborne Weather Radar,AWR)对危险气象区域的湍流进行 提前探测发出预警,能够极大地降低航班事故发生率,是保障航空运输安全的重要环节。 航班飞行中经常遭遇到的大气湍流一般可分为三种:第一种叫风暴湍流,一般在热带气 旋、雷暴、冷暖峰及急流(空中的狭窄强风带)等天气情况下出现;第二种叫晴空湍流, 空气中不同速度或方向的大气团相遇,会在交接处产生晴空湍流;第三种叫地形湍流, 如有强风、海风或者强烈季候风吹过山脉和人工结构等情况会产生地形湍流。
上述三种大气湍流,前两种湍流属于高空大气湍流,第三种地形湍流由于常出现在 低空近地面,属于低空湍流。由于风暴湍流内部常布满雨滴、含水量高,又可称为湿性湍流。目前装机使用的机载气象雷达能够探测出风暴湍流;而地形湍流一般出现在低空 近地面,可借助地基激光雷达进行探测。
然而对于晴空湍流和极少部分风暴湍流,由于内部含水量少、雷达反射率低,导致信号回波信噪比低,因此机载气象雷达无法进行十分有效的检测。
为了提高大气湍流的探测概率与检测效率,人们在大气湍流检测方法的研究上做了 许多工作。脉冲对法(PPP)和快速傅里叶变化法(FFT)是目前常用的两种湍流检测算法。脉冲对法是一种时域的多普勒处理方法,它利用信号慢时间采样数据的互相关函数 来估计湍流目标的速度谱宽。脉冲对法复杂度低,能够满足机载气象雷达的实时性,但 是它仅适用于高信噪比的情况。快速傅里叶变化法与脉冲对法最大的不同在于前者将回 波信号变换到频域进行多普勒处理,求出回波功率谱的二阶矩即可得到湍流的谱宽,因 此快速傅里叶变化法稍复杂,而且在低信噪比下估计性能也不太理想。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于空时协方差矩阵拟合的湍流目标 速度谱宽估计方法。
为达到上述目的,本发明提供的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方 法包括按顺序进行的下列步骤:
1)初始化所有待检测距离单元的雷达回波数据,并由机载气象雷达上阵列天线接收 的待检测距离单元的雷达回波数据估计出雷达回波信号的协方差矩阵
2)根据上一步骤雷达回波数据中待检测距离单元的空间锥角,构造该距离单元湍流目标信号的协方差矩阵参数化模型Rs(fof);
3)利用上述步骤1)获得的协方差矩阵和步骤2)获得的协方差矩阵参数化模型Rs(fof)构造代价函数,在目标参数范围内进行二维搜索找到使代价函数最大值的参数组合根据参数组合中的多普勒谱宽得到该距离单元湍流目标的速度谱宽估计值;
4)重复上述步骤1)至3),逐距离单元对机载气象雷达接收的回波数据进行处理,最终得到全距离单元内湍流目标速度谱宽估计结果。
在步骤1)中,所述的初始化所有待检测距离单元的雷达回波数据,并由机载气象雷 达上阵列天线接收的待检测距离单元的雷达回波数据估计出雷达回波信号的协方差矩阵 的方法是:利用机载前视阵几何模型,从湍流散射粒子的空间和时间角频率出发,给出了机载前视阵湍流目标信号的接收数据,然后将湍流目标信号和噪声求和得到雷达回波信号,最后通过求解雷达回波信号的自相关函数得到雷达回波信号的协方差矩阵
在步骤2)中,所述的根据上一步骤雷达回波数据中待检测距离单元的空间锥角,构造该距离单元湍流目标信号的协方差矩阵参数化模型Rs(fof)的方法是:利用湍流目标信号的分布特性,建立其空时二维协方差矩阵参数化模型,最后得到待检测距离单元 湍流目标信号的协方差矩阵参数化模型Rs(fof)。
在步骤3)中,所述的利用上述步骤1)获得的协方差矩阵和步骤2)获得的协方 差矩阵参数化模型Rs(fof)构造代价函数,在目标参数范围内进行二维搜索找到使代价 函数最大值的参数组合根据参数组合中的多普勒谱宽得到该距离单元湍 流目标的速度谱宽估计值的方法是:利用雷达回波信号的协方差矩阵与湍流目标信号 的协方差矩阵参数化模型Rs(fof)构造代价函数,然后对雷达回波信号的多普勒谱宽σf和多普勒中心频率fo进行二维搜索,最后得到该距离单元湍流目标的速度谱宽估计值。
本发明提供的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法是针对相控阵 体制的机载气象雷达,利用湍流分布式气象目标特点,利用子空间正交的特性将估计的 湍流回波协方差矩阵与参数化模型进行拟合并构造代价函数,通过对谱宽的搜索来实现 对湍流谱宽的精确估计。本发明方法可以在低信噪比条件下有效地进行谱宽估计,仿真实验验证了本方法的有效性。
附图说明
图1为本发明提供的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法流程图。
图2为机载前视阵雷达几何模型图。
图3为第78号距离单元多普勒谱宽估计图。
图4为本发明方法与其它两种方法的性能对比图。
具体实施方式
下面结合附图和具体实施例对本发明提供的基于空时协方差矩阵拟合的湍流目标速 度谱宽估计方法进行详细说明。
如图1所示,本发明提供的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法 包括按顺序进行的下列步骤:
1)初始化所有待检测距离单元的雷达回波数据,并由机载气象雷达上阵列天线接收 的待检测距离单元的雷达回波数据估计出雷达回波信号的协方差矩阵
机载前视阵几何模型如图2所示,首先初始化所有待检测距离单元的雷达回波数据: 设飞机以匀速V直线飞行,机载雷达天线为N阵元均匀线阵,阵元间距为d(d=λ2,λ为雷达脉冲波长)。图中X-Y平面为湍流散射体所在平面。假设一个距离单元的宽度为△R, 其中包含有Q个湍流散射粒子,对于第q(q=1,2,…,Q)个湍流散射粒子,其与机载气象雷 达的径向距离为Rq,方位角、俯仰角以及空间锥角分别为θq和ψq,且有 的关系。
设机载气象雷达一个相干处理间隔(Coherent Processing Interval,CPI)内发射 的脉冲数为K,则对第l(l=1,…,L,L表示距离单元个数)个待检测距离单元,机载气象雷 达接收的空时快拍数据可表示为:
式中,xl(n,k)表示机载气象雷达的阵列天线第n(n=1,…,N)个阵元发射的第 k(k=1,…,K)个脉冲对该距离单元所接收的雷达回波信号;sl表示该距离单元的湍流目 标信号,nl表示加性高斯白噪声。由于机载气象雷达在检测湍流目标时巡航高度较高, 故在此不考虑地杂波对机载气象雷达回波信号的影响。
大量的实际检测数据表明大气湍流是一种高斯型的随机过程,即湍流场中湍流散射 粒子的速度大小服从正态分布,在此基础上对湍流场建模,得到大气湍流的速度场,用sl(n,k)表示第n(n=1,…,N)个阵元的第k(k=1,…,K)个脉冲对第l个距离单元内湍流目标信号的接收数据,则有:
式中,Aq为第q个湍流散射粒子的回波幅度;Rq表示第q个湍流散射粒子与机载气象雷达的径向距离;vq为第q个湍流散射粒子与机载气象雷达的径向速度;和 ωt(vq)分别为第q个湍流散射粒子的空间角频率和时间角频率,将Sl展开成为NK×1维列 向量,即为第l个距离单元湍流目标信号的空时二维快拍sl
则第l个距离单元雷达回波信号的协方差矩阵可由该距离单元的雷达回波信号xl估 计,一个CPI内该距离单元的采样数据为M(M=N×K)个,求解雷达回波信号xl的自相 关函数r(m1-m2)=E{xl(m1)xl(m2)},(m1,m2=1,…,M),则第l个距离单元雷达回波信号的协方差矩阵可表示如下:
2)根据上一步骤雷达回波数据中待检测距离单元的空间锥角,构造该距离单元湍流目标信号的协方差矩阵参数化模型Rs(fof);
利用湍流目标信号的分布特性对其建立空时二维协方差矩阵参数化模型。由于大气 湍流属于分布式气象目标,它的功率谱服从高斯谱,据此推导出湍流目标信号的协方差矩阵参数化模型为:
Rs(fof)=PD(fo)B(σf)D(fo)H (5)
其中P为湍流目标信号的功率,σf为湍流目标信号多普勒谱宽,fo为湍流目标信号多普勒中心频率,且有:
式中Bt为K×K维矩阵,且有Bs为N×N维全1矩阵;ψ为机载 气象雷达对湍流场进行探测时阵列天线的空间锥角。
3)利用上述步骤1)获得的协方差矩阵和步骤2)获得的协方差矩阵参数化模型Rs(fof)构造代价函数,在目标参数范围内进行二维搜索找到使代价函数最大值的参数组合根据参数组合中的多普勒谱宽得到该距离单元湍流目标的速度谱宽估计值;
为了利用子空间正交的特性,将上述估计出的协方差矩阵与协方差矩阵参数化模 型Rs(fof)进行拟合并构造代价函数,首先要对协方差矩阵进行特征分解,有:
式中,λm和em为协方差矩阵的特征值和与特征值对应的特征向量;Λs=diag(λ12,...λr) 为协方差矩阵的大特征值,Es=[e1,e2,...er]是与大特征值对应的特征向量张成的子空间(r 为大特征值个数),即信号子空间;Λn=diag(λr+1r+2,...λM)为小特征值,En=[er+1,er+2,...eM] 是由小特征值对应的特征向量张成的噪声子空间。其中,为湍流目标信号的 协方差矩阵,为噪声的协方差矩阵。
根据信号子空间与噪声子空间的正交性,有:
则可推出:
对雷达回波信号的协方差矩阵求逆,由式(7)得到:
式(10)两边同时乘以湍流目标信号的协方差矩阵参数化模型Rs(fof),得:
式(11)中右边第一项几乎不会随着参数组合{fof}而变化,右边 第二项的变化占主导地位。当湍流目标信号的协方差矩阵参数化模型Rs(fof)中的参数 组合{fof}为待检测距离单元雷达回波信号的真实谱矩时,湍流目标信号的协方 差矩阵参数化模型Rs(fof)与真实湍流目标信号的协方差矩阵相等。此时式(11)右边第二项近似为零,最小。
因此可利用式(11)定义代价函数,并在目标参数范围内进行二维搜索找到使代价函数最大值的参数组合当代价函数取得最大值时可获得参数估计结果,即雷达 回波信号的多普勒谱宽和多普勒中心频率
其中,tr[]表示矩阵的迹。
本方法实质上是将估计出的雷达回波信号的协方差矩阵与湍流目标信号的协方差 矩阵参数化模型Rs(fof)代入式(12)中进行拟合,对雷达回波信号的多普勒谱宽σf和 多普勒中心频率fo进行二维搜索,从而得到该距离单元内湍流目标的速度谱宽估计值为:
4)重复上述步骤1)至3),逐距离单元对机载气象雷达接收的回波数据进行处理,最终得到全距离单元内湍流目标速度谱宽估计结果。
本发明提供的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法的效果可以通 过以下实验结果进一步说明。
仿真参数设置:湍流场分布于飞机前方8.5-21.5km处,飞机速度V为200m/s,飞行高度H为8000m,脉冲数为32,天线阵为阵元数N=4的前视理想均匀线阵,阵元间距为 d=λ/2,信噪比为5dB,脉冲重复频率为7000Hz,机载气象雷达波长为0.032m,雷达 天线波束主瓣方向的水平方位角为60°,俯仰角为0°。
图3给出了第78号距离单元湍流目标的速度谱宽估计图。图中Z轴为式(11)代价函数的值,峰值点所对应的归一化多普勒谱宽和多普勒中心频率即为该距离单元搜索的的估计值,估计出的归一化多普勒谱宽为根据速度谱宽与归一化多普勒谱宽 之间的关系推算出的速度谱宽估计值与设定速度谱宽σv=5m/s 接近,可见在低信噪比SNR=5dB的条件下,谱宽估计值较准确。
为了分析本方法的性能,将本方法与基于RELAX的谱宽估计方法以及传统的脉冲对法在同等条件下进行了对比试验。图4为300次蒙特卡洛试验条件下,三种方法在不 同信噪比下谱宽估计均方误差的对比。如图中所示,在低信噪比的条件下,本文所提出 的协方差矩阵拟合方法明显优于另两种方法,信噪比SNR越低,优势越明显。当SNR 低于10dB时,脉冲对法的谱宽估计性能急速下降,误差较大,而本文方法依旧能够保持 较高的精度。仿真结果证明,本文提出的基于协方差矩阵拟合的湍流目标速度谱宽估计 方法可以在低信噪比下,准确估计出湍流目标的速度谱宽。

Claims (4)

1.一种基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法,其特征在于:所述的方法包括按顺序进行的下列步骤:
1)初始化所有待检测距离单元的雷达回波数据,并由机载气象雷达上阵列天线接收的待检测距离单元的雷达回波数据估计出雷达回波信号的协方差矩阵
2)根据上一步骤雷达回波数据中待检测距离单元的空间锥角,构造该距离单元湍流目标信号的协方差矩阵参数化模型Rs(fof);
3)利用上述步骤1)获得的协方差矩阵和步骤2)获得的协方差矩阵参数化模型Rs(fof)构造代价函数,在目标参数范围内进行二维搜索找到使代价函数最大值的参数组合根据参数组合中的多普勒谱宽得到该距离单元湍流目标的速度谱宽估计值;
4)重复上述步骤1)至3),逐距离单元对机载气象雷达接收的回波数据进行处理,最终得到全距离单元内湍流目标速度谱宽估计结果。
2.根据权利要求1所述的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法,其特征在于:在步骤1)中,所述的初始化所有待检测距离单元的雷达回波数据,并由机载气象雷达上阵列天线接收的待检测距离单元的雷达回波数据估计出雷达回波信号的协方差矩阵的方法是:利用机载前视阵几何模型,从湍流散射粒子的空间和时间角频率出发,给出了机载前视阵湍流目标信号的接收数据,然后将湍流目标信号和噪声求和得到雷达回波信号,最后通过求解雷达回波信号的自相关函数得到雷达回波信号的协方差矩阵
3.根据权利要求1所述的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法,其特征在于:在步骤2)中,所述的根据上一步骤雷达回波数据中待检测距离单元的空间锥角,构造该距离单元湍流目标信号的协方差矩阵参数化模型Rs(fof)的方法是:利用湍流目标信号的分布特性,建立其空时二维协方差矩阵参数化模型,最后得到待检测距离单元湍流目标信号的协方差矩阵参数化模型Rs(fof)。
4.根据权利要求1所述的基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法,其特征在于:在步骤3)中,所述的利用上述步骤1)获得的协方差矩阵和步骤2)获得的协方差矩阵参数化模型Rs(fof)构造代价函数,在目标参数范围内进行二维搜索找到使代价函数最大值的参数组合根据参数组合中的多普勒谱宽得到该距离单元湍流目标的速度谱宽估计值的方法是:利用雷达回波信号的协方差矩阵与湍流目标信号的协方差矩阵参数化模型Rs(fof)构造代价函数,然后对雷达回波信号的多普勒谱宽σf和多普勒中心频率fo进行二维搜索,最后得到该距离单元湍流目标的速度谱宽估计值。
CN201710755364.4A 2017-08-29 2017-08-29 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法 Pending CN107643515A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710755364.4A CN107643515A (zh) 2017-08-29 2017-08-29 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710755364.4A CN107643515A (zh) 2017-08-29 2017-08-29 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法

Publications (1)

Publication Number Publication Date
CN107643515A true CN107643515A (zh) 2018-01-30

Family

ID=61111235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710755364.4A Pending CN107643515A (zh) 2017-08-29 2017-08-29 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法

Country Status (1)

Country Link
CN (1) CN107643515A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061586A (zh) * 2018-08-03 2018-12-21 中国航空工业集团公司雷华电子技术研究所 一种基于动态rcs模型的目标微动特征建模方法
CN109116325A (zh) * 2018-09-21 2019-01-01 清华大学 基于捷变相参雷达的目标识别方法及系统
CN109613532A (zh) * 2019-01-02 2019-04-12 电子科技大学 一种机载雷达实时多普勒波束锐化超分辨成像方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6590520B1 (en) * 2002-02-04 2003-07-08 Lockheed Martin Corporation Method and system for determining air turbulence using bi-static measurements
CN102866388B (zh) * 2012-06-28 2014-07-02 北京理工大学 一种空时自适应处理中的自适应权值迭代计算方法
CN106054195A (zh) * 2016-05-31 2016-10-26 中国民航大学 基于空时最优处理器的湍流谱宽估计方法
CN106872982A (zh) * 2017-03-24 2017-06-20 中国民航大学 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6590520B1 (en) * 2002-02-04 2003-07-08 Lockheed Martin Corporation Method and system for determining air turbulence using bi-static measurements
CN102866388B (zh) * 2012-06-28 2014-07-02 北京理工大学 一种空时自适应处理中的自适应权值迭代计算方法
CN106054195A (zh) * 2016-05-31 2016-10-26 中国民航大学 基于空时最优处理器的湍流谱宽估计方法
CN106872982A (zh) * 2017-03-24 2017-06-20 中国民航大学 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卢晓光: "机载气象雷达信号处理若干关键技术研究", 《豆丁网_DOCIN.COM/P-1388013290.HTML》 *
张彪: "基于STAP的机载气象雷达低空风切变检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109061586A (zh) * 2018-08-03 2018-12-21 中国航空工业集团公司雷华电子技术研究所 一种基于动态rcs模型的目标微动特征建模方法
CN109061586B (zh) * 2018-08-03 2022-10-28 中国航空工业集团公司雷华电子技术研究所 一种基于动态rcs模型的目标微动特征建模方法
CN109116325A (zh) * 2018-09-21 2019-01-01 清华大学 基于捷变相参雷达的目标识别方法及系统
CN109116325B (zh) * 2018-09-21 2020-08-21 清华大学 基于捷变相参雷达的目标识别方法及系统
CN109613532A (zh) * 2019-01-02 2019-04-12 电子科技大学 一种机载雷达实时多普勒波束锐化超分辨成像方法
CN109613532B (zh) * 2019-01-02 2020-11-10 电子科技大学 一种机载雷达实时多普勒波束锐化超分辨成像方法

Similar Documents

Publication Publication Date Title
CN103529437B (zh) 系留气球载相控阵雷达在多目标下分辨空地目标的方法
CN108761419A (zh) 基于组合空时主通道自适应处理的低空风切变风速估计方法
CN102288949B (zh) 基于最优处理器的机动目标检测方法
CN110174650A (zh) 基于两维联合插值的气象雷达风电场杂波抑制方法
CN104793210B (zh) 基于压缩感知的机载相控阵雷达低空风切变风速估计方法
CN107643515A (zh) 基于空时协方差矩阵拟合的湍流目标速度谱宽估计方法
CN106872982A (zh) 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法
CN110780264A (zh) 基于改进岭回归的气象雷达风力涡轮机杂波抑制方法
CN111239742B (zh) 海杂波背景下基于mbmc的低空风切变风速估计方法
CN109870693A (zh) 一种风力涡轮机杂波检测方法
CN109116359B (zh) 一种机载雷达低空风切变风场回波风速的估计方法
Hu et al. Statistic characteristic analysis of forward scattering surface clutter in bistatic radar
Fukao Recent advances in atmospheric radar study
CN106054195B (zh) 基于空时最优处理器的湍流谱宽估计方法
Ehrman et al. Automated target recognition using passive radar and coordinated flight models
CN104914420B (zh) 基于多通道联合自适应处理的低空风切变风速估计方法
CN110488239B (zh) 基于调频连续波雷达的目标检测方法
Fan et al. Wind shear signal simulation of the airborne weather radar
Novikova et al. The Method of Calculation the Range of Dangerous Weather Areas in Airborne Radars with Signal Processing in the Frequency Domain
Raghavan Observational aspects including weather radar for tropical cyclone monitoring
Zrnic et al. Pulsed Doppler radar detects weather hazards to aviation
He et al. Wind turbine clutter detection in scanning ATC radar
Moscardini et al. Spectral modelling of airborne radar signal in presence of windshear phenomena
Li et al. Estimation of Low-altitude Wind-shear Wind Speed based on DDD-EFA under Aircraft Yawing
Li et al. Wind Speed Estimation of Low-Altitude Wind-Shear Based on Generalized Adjacent Multi-Beam Space-Time Adaptive Processing under Aircraft Yawing

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

Application publication date: 20180130

RJ01 Rejection of invention patent application after publication