CN107976659A - 基于S2method时频分析的目标极点特征提取与检测方法 - Google Patents
基于S2method时频分析的目标极点特征提取与检测方法 Download PDFInfo
- Publication number
- CN107976659A CN107976659A CN201710967076.5A CN201710967076A CN107976659A CN 107976659 A CN107976659 A CN 107976659A CN 201710967076 A CN201710967076 A CN 201710967076A CN 107976659 A CN107976659 A CN 107976659A
- Authority
- CN
- China
- Prior art keywords
- time
- target
- signal
- echo
- frequency analysis
- 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
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
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
本发明涉及一种基于S2‑method时频分析的目标极点特征提取与检测方法,包含:S1、生成并发射窄脉冲基带信号,得到目标的多方位时域窄脉冲回波信号;S2、利用S2‑method时频分析方法,得到目标的多方位时域窄脉冲回波信号的时频域信息,并从中提取不同时间点的最大极点信息;S3、利用多方位合成技术得到不同方位角度下的回波信号;S4、利用时间反转技术将S3中得到的不同方位角度下的回波信号进行时间反转,并发射出去以获得匹配回波信号;S5、在噪声和干扰情况下,利用匹配回波信号完成对弱小目标的有效检测。本发明能有效提取回波信号中不同时刻的极点信息,提高检测信噪比,在噪声和干扰情况下,提升对弱小目标的探测能力。
Description
技术领域
本发明涉及一种目标极点特征提取与检测方法,具体是指一种基于S2-method时频分析的目标极点特征提取与检测方法,属于弱小目标检测识别的技术领域。
背景技术
谐振区目标的极点特征信息由于具有方位不敏感性而可以被用来作为谐振区目标检测识别的重要特征。但该极点信息受噪声和干扰影响较大而不易提取,因此提出基于S2-method时频分析的目标极点特征提取与检测方法。该方法是指针对噪声或杂波背景下的弱小目标的检测识别技术,其是利用S2-method时频分析方法来提取目标回波信号的极点信息,设计与目标匹配的发射波形,由此提高目标回波的信噪比,从而达到探测弱小目标的目的。与传统的时频分析方法中的STFT(短时傅里叶变换)和WVD(Wigner-Ville分布,时频分布方法的一种)类方法相比,具有频率聚集性好且交叉项抑制较好的效果。
中国专利申请CN200910076637.8提出了一种复杂目标极点特征提取方法,主要是根据频域数据获取目标晚期响应,然后利用整体最小二乘矩阵法来进行极点信息提取。
中国专利申请CN201310214832.9公布了一种对地面弱小目标的检测方法,利用角点检测算法在图像序列中来检测弱目标。
中国专利申请CN201310121847.0公布了一种弱信号目标检测方法,主要采用对信号序列进行一阶过零检测和二阶差分过零计数等算法来检测目标。
论文《弱目标检测前跟踪技术研究综述》阐述了弱目标检测前跟踪的基本原理,包括动态规划、递归贝叶斯滤波、有限集统计学及直方图概率多假设跟踪等方法,着重于提高针对弱目标的检测和跟踪性能及检测前跟踪算法的鲁棒性。
论文《基于S-Method时频分解后的高频雷达机动目标信号检测算法》分析了S-method算法的动目标检测性能,并重点分析了最优路径检测算法的理论性能,以及算法参数对检测性能的影响。
基于上述,现有技术中尚未有本发明提出的基于S2-method时频分析的目标极点特征提取与检测方法的相关技术内容的记载。
发明内容
本发明的目的是提供一种基于S2-method时频分析的目标极点特征提取与检测方法,有效提取回波信号中不同时刻的极点信息,提高检测信噪比,在噪声和干扰情况下,提升对弱小目标的探测能力。
为实现上述目的,本发明提供一种基于S2-method时频分析的目标极点特征提取与检测方法,包含以下步骤:
S1、生成并发射窄脉冲基带信号,得到目标的多方位时域窄脉冲回波信号;
S2、利用S2-method时频分析方法,得到目标的多方位时域窄脉冲回波信号的时频域信息,并从中提取不同时间点的最大极点信息;
S3、利用多方位合成技术得到不同方位角度下的回波信号;
S4、利用时间反转技术将S3中得到的不同方位角度下的回波信号进行时间反转,并发射出去以获得匹配回波信号;
S5、在噪声和干扰情况下,利用匹配回波信号完成对弱小目标的有效检测。
所述的S1中,位于高频区的目标的各散射中心是理想的点目标,目标模型表示为:
式中,ai、Ti为散射中心的强度和时延;t为时间;δ为冲击响应函数;θ为目标姿态角;N为散射中心数目。
所述的S2中,定义离散信号x(n)的S-method分布为:
其中,k为频率序号;n为时间序列;N+1为离散信号x(n)的长度;L为S-method分布的计算项数;STFT(n,k)表示离散信号x(n)的短时傅里叶变换;STFT*(n,k)表示STFT(n,k)的共轭。
进一步,所述的S2中,定义离散信号x(n)的S2-method分布为:
SM2(n,k)=SMw1(n,k)×l(SMw2(n,k)≥η);
其中,SMw1(n,k)是上述海杂波两个布拉格峰信号的S-method分布SM(n,k)以及两者产生的交叉项;SMw2(n,k)是其本身的自相关性项和这两部分之和,用来抑制交叉项;l(·)是示性函数,η是一个由噪声基底决定的参数,因而l(SMw2(n,k)≥η)可以表示为:
所述的S3中,所述的多方位合成技术为排除法,具体是指将不同方位角度下的目标时域散射信号si(w)进行频谱相乘,寻找满足各个方位的极点信息,进而获取与目标匹配的时域波形s(w):
所述的S4中,匹配回波信号的表达式为:
sc(τ)=<s(t)·sr(t+τ)>;
其中,s(t)为S1中得到的目标的多方位时域窄脉冲回波信号;τ表示时间延迟;sr(t)表示s(t)的回波信号。
在匹配回波信号中检测是否有sd(t)信号,其中sd(t)表示理想情况下窄脉冲雷达信号照射到目标后形成的目标回波;具体检测过程使用约束最优权的方法来实现:
其中,W为权矢量;Y为背景回波信号,即上述得到的匹配回波信号;
综上所述,本发明所提供的基于S2-method时频分析的目标极点特征提取与检测方法,与现有技术相比,具有以下优点和有益效果:
1)与传统的WVD和STFT等时频分析方法相比,S2-method时频分析方法具有较好的时频聚集性,并且可以较好地抑制交叉项干扰,且抗噪声能力较强;
2)通过S2-method时频分析方法可以有效提取不同时刻处的极点信息,并进一步通过合理利用极点信息来综合形成发射的回波波形,提升对弱小目标的探测能力。
附图说明
图1为本发明中的基于S2-method时频分析的目标极点特征提取与检测方法的流程图;
图2为本发明中的目标时域窄脉冲回波信号的示意图;
图3为本发明中的利用极点信息合成的回波信号的频谱示意图;
图4为本发明中的匹配回波信号与原来未匹配的脉冲接收回波信号的对比示意图。
具体实施方式
以下结合图1~图4,详细说明本发明的一个优选实施例。
如图1所示,为本发明所提供的基于S2-method时频分析的目标极点特征提取与检测方法,包含以下步骤:
S1、生成并发射窄脉冲基带信号,得到目标的多方位时域窄脉冲回波信号;
S2、利用S2-method时频分析方法,得到目标的多方位时域窄脉冲回波信号的时频域信息,并从中提取不同时间点的最大极点信息;
S3、利用多方位合成技术得到不同方位角度下的回波信号;
S4、利用时间反转技术将S3中得到的不同方位角度下的回波信号进行时间反转,并发射出去以获得匹配回波信号;
S5、在噪声和干扰情况下,利用匹配回波信号完成对弱小目标的有效检测。
本实施例中,当目标为金属球模型时,利用发射的窄脉冲基带信号获取的目标时域窄脉冲回波信号如图2所示。
所述的S1中,位于高频区的目标的各散射中心是理想的点目标,其冲击响应可用Dirac delta函数来描述,因此目标模型表示为:
式中,ai、Ti为散射中心的强度和时延;t为时间;δ为冲击响应函数;θ为目标姿态角;N为散射中心数目。
所述的S2中,定义离散信号x(n)的S-method分布为:
其中,k为频率序号;n为时间序列;N+1为离散信号x(n)的长度;L为S-method分布的计算项数;STFT(n,k)表示离散信号x(n)的短时傅里叶变换;STFT*(n,k)表示STFT(n,k)的共轭。
进一步,所述的S2中,定义离散信号x(n)的S2-method分布为:
SM2(n,k)=SMw1(n,k)×l(SMw2(n,k)≥η);
其中,SMw1(n,k)是上述海杂波两个Bragg(布拉格)峰信号的S-method分布SM(n,k)以及两者产生的交叉项;SMw2(n,k)是其本身的自相关性项和这两部分之和,用来抑制交叉项;l(·)是示性函数,η是一个由噪声基底决定的参数,因而l(SMw2(n,k)≥η)可以表示为:
因此,S2-method时频分析方法是在S-method的基础上提出的一种改进的时频分析方法,通过适当的公式变换和处理,能够达到在较好抑制交叉项干扰的同时又能兼顾到频率聚集性好的优点。
所述的S3中,所述的多方位合成技术为排除法,具体是指将不同方位角度下的目标时域散射信号si(w)进行频谱相乘,寻找满足各个方位的极点信息,进而获取与目标匹配的时域波形s(w):
本实施例中,采用上述方法得到的不同方位角度下的回波信号如图3所示,其是通过利用极点信息合成的回波信号的频谱示意图。
本实施例中,所述的S4中,所得到的匹配回波信号与未匹配的回波信号之间的对比如图4所示,可看到匹配回波信号的能量有效增强,信噪比得到有效提高。
所述的S4中,匹配回波信号的表达式为:
sc(τ)=<s(t)·sr(t+τ)>;
其中,s(t)为S1中得到的目标的多方位时域窄脉冲回波信号;τ表示时间延迟;sr(t)表示s(t)的回波信号。
因此,在实际复杂背景下通过发射窄脉冲信号进行目标检测和识别的问题就转化成为在匹配回波信号中检测是否有sd(t)信号,其中sd(t)表示理想情况下窄脉冲雷达信号照射到目标后形成的目标回波;具体检测过程使用约束最优权的方法来实现:
其中,W为权矢量;Y为背景回波信号,即上述得到的匹配回波信号;
综上所述,本发明所提供的基于S2-method时频分析的目标极点特征提取与检测方法,与现有技术相比,具有以下优点和有益效果:
1)与传统的WVD和STFT等时频分析方法相比,S2-method时频分析方法具有较好的时频聚集性,并且可以较好地抑制交叉项干扰,且抗噪声能力较强;
2)通过S2-method时频分析方法可以有效提取不同时刻处的极点信息,并进一步通过合理利用极点信息来综合形成发射的回波波形,提升对弱小目标的探测能力。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (6)
1.一种基于S2-method时频分析的目标极点特征提取与检测方法,其特征在于,包含以下步骤:
S1、生成并发射窄脉冲基带信号,得到目标的多方位时域窄脉冲回波信号;
S2、利用S2-method时频分析方法,得到目标的多方位时域窄脉冲回波信号的时频域信息,并从中提取不同时间点的最大极点信息;
S3、利用多方位合成技术得到不同方位角度下的回波信号;
S4、利用时间反转技术将S3中得到的不同方位角度下的回波信号进行时间反转,并发射出去以获得匹配回波信号;
S5、在噪声和干扰情况下,利用匹配回波信号完成对弱小目标的有效检测。
2.如权利要求1所述的基于S2-method时频分析的目标极点特征提取与检测方法,其特征在于,所述的S1中,位于高频区的目标的各散射中心是理想的点目标,目标模型表示为:
<mrow>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>,</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mi>&delta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
式中,ai、Ti为散射中心的强度和时延;t为时间;δ为冲击响应函数;θ为目标姿态角;N为散射中心数目。
3.如权利要求1所述的基于S2-method时频分析的目标极点特征提取与检测方法,其特征在于,所述的S2中,定义离散信号x(n)的S-method分布为:
<mrow>
<mi>S</mi>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>N</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mo>-</mo>
<mi>L</mi>
</mrow>
<mi>L</mi>
</munderover>
<mi>S</mi>
<mi>T</mi>
<mi>F</mi>
<mi>T</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>,</mo>
<mi>k</mi>
<mo>+</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>STFT</mi>
<mo>*</mo>
</msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>,</mo>
<mi>k</mi>
<mo>-</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中,k为频率序号;n为时间序列;N+1为离散信号x(n)的长度;L为S-method分布的计算项数;STFT(n,k)表示离散信号x(n)的短时傅里叶变换;STFT*(n,k)表示STFT(n,k)的共轭。
4.如权利要求3所述的基于S2-method时频分析的目标极点特征提取与检测方法,其特征在于,所述的S2中,定义离散信号x(n)的S2-method分布为:
SM2(n,k)=SMw1(n,k)×l(SMw2(n,k)≥η);
其中,SMw1(n,k)是上述海杂波两个布拉格峰信号的S-method分布SM(n,k)以及两者产生的交叉项;SMw2(n,k)是其本身的自相关性项和这两部分之和,用来抑制交叉项;l(·)是示性函数,η是一个由噪声基底决定的参数,因而l(SMw2(n,k)≥η)可以表示为:
<mrow>
<mi>l</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>SM</mi>
<mrow>
<mi>w</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>(</mo>
<mrow>
<mi>n</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
<mo>)</mo>
<mo>&GreaterEqual;</mo>
<mi>&eta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>SM</mi>
<mrow>
<mi>w</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mi>&eta;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>SM</mi>
<mrow>
<mi>w</mi>
<mn>2</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>&eta;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>.</mo>
</mrow>
5.如权利要求4所述的基于S2-method时频分析的目标极点特征提取与检测方法,其特征在于,所述的S3中,所述的多方位合成技术为排除法,具体是指将不同方位角度下的目标时域散射信号si(w)进行频谱相乘,寻找满足各个方位的极点信息,进而获取与目标匹配的时域波形s(w):
<mrow>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>s</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>s</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mn>...</mn>
<msub>
<mi>s</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>w</mi>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
6.如权利要求5所述的基于S2-method时频分析的目标极点特征提取与检测方法,其特征在于,所述的S4中,匹配回波信号的表达式为:
sc(τ)=<s(t)·sr(t+τ)>;
其中,s(t)为S1中得到的目标的多方位时域窄脉冲回波信号;τ表示时间延迟;sr(t)表示s(t)的回波信号;
在匹配回波信号中检测是否有sd(t)信号,其中sd(t)表示理想情况下窄脉冲雷达信号照射到目标后形成的目标回波;具体检测过程使用约束最优权的方法来实现:
<mrow>
<mtable>
<mtr>
<mtd>
<munder>
<mi>min</mi>
<mi>W</mi>
</munder>
</mtd>
<mtd>
<mrow>
<msup>
<mi>W</mi>
<mi>T</mi>
</msup>
<msup>
<mi>YY</mi>
<mi>T</mi>
</msup>
<mi>W</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>s</mi>
<mo>.</mo>
<mi>t</mi>
<mo>.</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>S</mi>
<mi>d</mi>
<mi>T</mi>
</msubsup>
<mi>W</mi>
<mo>=</mo>
<mi>E</mi>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
其中,W为权矢量;Y为背景回波信号,即上述得到的匹配回波信号;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710967076.5A CN107976659A (zh) | 2017-10-17 | 2017-10-17 | 基于S2method时频分析的目标极点特征提取与检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710967076.5A CN107976659A (zh) | 2017-10-17 | 2017-10-17 | 基于S2method时频分析的目标极点特征提取与检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107976659A true CN107976659A (zh) | 2018-05-01 |
Family
ID=62012476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710967076.5A Pending CN107976659A (zh) | 2017-10-17 | 2017-10-17 | 基于S2method时频分析的目标极点特征提取与检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107976659A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907912A (zh) * | 2019-11-30 | 2020-03-24 | 哈尔滨工业大学 | 谐振区目标窄带模式下的极点特征求解方法 |
CN111308440A (zh) * | 2020-03-17 | 2020-06-19 | 上海无线电设备研究所 | 超宽带雷达目标检测方法、电子设备和存储介质 |
CN111443333A (zh) * | 2020-04-07 | 2020-07-24 | 上海无线电设备研究所 | 一种基于频谱综合的多方位匹配信号生成方法 |
-
2017
- 2017-10-17 CN CN201710967076.5A patent/CN107976659A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907912A (zh) * | 2019-11-30 | 2020-03-24 | 哈尔滨工业大学 | 谐振区目标窄带模式下的极点特征求解方法 |
CN110907912B (zh) * | 2019-11-30 | 2022-09-30 | 哈尔滨工业大学 | 谐振区目标窄带模式下的极点特征求解方法 |
CN111308440A (zh) * | 2020-03-17 | 2020-06-19 | 上海无线电设备研究所 | 超宽带雷达目标检测方法、电子设备和存储介质 |
CN111443333A (zh) * | 2020-04-07 | 2020-07-24 | 上海无线电设备研究所 | 一种基于频谱综合的多方位匹配信号生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110852201B (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN109031287B (zh) | 基于Faster-RCNN网络的穿墙超宽带雷达人体呼吸信号检测方法 | |
CN102156282B (zh) | 一种基于微多普勒效应的雷达目标检测方法 | |
CN104199001B (zh) | 一种认知雷达抗速度欺骗干扰的相位编码方法 | |
CN106019254B (zh) | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 | |
CN107340055B (zh) | 一种基于多测度融合的随机共振微弱信号检测方法 | |
CN107976659A (zh) | 基于S2method时频分析的目标极点特征提取与检测方法 | |
CN105137396B (zh) | 一种smsp干扰和c&i干扰的检测方法 | |
CN110515052B (zh) | 一种基于时间反演的超宽带频域非等间隔采样目标检测方法 | |
CN109270499A (zh) | 一种基于特征矩阵联合对角化的多目标主瓣抗干扰方法 | |
CN101470194A (zh) | 一种水雷目标的识别方法 | |
CN107015207A (zh) | 基于frft域峰值离散特性的有源压制干扰分类识别方法 | |
CN110161491B (zh) | 一种针对微弱生命体的测距和呼吸频率估计方法 | |
CN107462873A (zh) | 一种雷达干扰快速识别方法 | |
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 | |
CN107479050B (zh) | 基于对称谱特性和次对称特性的目标检测方法和装置 | |
CN115219997A (zh) | 基于认知波形与滤波器联合设计的抗多间歇采样干扰方法 | |
CN106249209A (zh) | 一种抗速度欺骗干扰的自适应迭代估计方法 | |
CN112987003A (zh) | 主动声纳中的hfm信号分离方法及系统 | |
CN105954729B (zh) | 雷达抗距离-速度联合欺骗干扰的自适应迭代滤波方法 | |
Bi et al. | Adaptive target extraction method in sea clutter based on fractional fourier filtering | |
CN109407098A (zh) | 一种处理正交脉冲串信号的并行处理算法的实现方法 | |
Xingyu et al. | A recognition algorithm of deception jamming based on image of time-frequency distribution | |
CN112435692A (zh) | 一种基于多脉冲相干累加的信标信号高增益检测方法 | |
Raja Abdullah et al. | Improvement in detection with forward scattering radar |
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: 20180501 |