CN108414991A - 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 - Google Patents
高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 Download PDFInfo
- Publication number
- CN108414991A CN108414991A CN201810126015.0A CN201810126015A CN108414991A CN 108414991 A CN108414991 A CN 108414991A CN 201810126015 A CN201810126015 A CN 201810126015A CN 108414991 A CN108414991 A CN 108414991A
- Authority
- CN
- China
- Prior art keywords
- clutter
- detection
- sliding window
- subregion
- region
- 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
- G01S7/41—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
-
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/933—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft
- G01S13/934—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of aircraft or spacecraft on airport surfaces, e.g. while taxiing
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
本发明公开了一种高分辨雷达非均匀杂波场景微小目标恒虚警检测方法。本发明利用杂波边缘区域杂波回波功率方差波动较大的特点,获得包含杂波边缘分界线的二维检测滑窗;然后利用最大似然恒虚警检测算法获得二维检测滑窗中杂波边缘分界线的具体位置,进而有效地估计出目标单元的真实背景杂波功率,从而实现杂波边缘区域的微小目标检测,能有效改善杂波边缘附近的微小目标检测概率,扩展场面微小目标检测毫米波雷达的适用范围。
Description
技术领域
本发明涉及雷达信号处理技术领域,具体涉及一种高分辨雷达非均匀杂波场景微小目标恒虚警检测方法。
背景技术
场面微小目标检测主要是对场面进行连续扫描探测,实时发现未知的目标,以便及时告警并得到相应处理。其典型应用之一是对机场跑道异物的实时监测与告警。FOD(Foreign Object Debris,机场跑道异物),泛指可能损伤航空器或系统的某种外来的物质。FOD的种类相当多,如飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品、运行区的冰碴等等。目标尺寸可能小至厘米量级,其雷达回波信号微弱,对于这类微小目标,可以采用高分辨率雷达(如毫米波雷达)进行恒虚警检测,但是,当微小目标处在场面检测区域与周围杂波区域的边界附近时,如图1所示,恒虚警检测过程中参考单元会受到杂波区域的较强杂波的影响,采用传统的雷达恒虚警检测算法将引起较大程度的漏检,严重影响系统的工作性能。
发明内容
有鉴于此,本发明提供了一种高分辨雷达非均匀杂波场景微小目标恒虚警检测方法,能够有效改善杂波边缘附近的微小目标检测概率,扩展场面微小目标检测毫米波雷达的适用范围。
本发明的高分辨雷达非均匀杂波场景微小目标恒虚警检测方法,包括如下步骤:
步骤1,对雷达目标区域进行二维滑窗探测,计算二维探测滑窗中的杂波回波功率方差,若杂波回波功率方差小于设定的门限值Kv,则直接对该探测滑窗进行恒虚警检测;若杂波回波功率方差大于或等于门限值Kv,则认为该探测滑窗中包含杂波边缘分界线,执行步骤2;
步骤2,针对包含有杂波边缘分界线的二维检测滑窗,按行进行最大似然恒虚警检测,获得该行的杂波边缘分界单元的位置,从而获得该二维检测滑窗中的杂波边缘分界线;通过比较二维检测滑窗中杂波边缘分界单元左右两侧单个单元的功率均值大小,将二维检测滑窗分为高杂波功率区域和低杂波功率区域两个子区域;
步骤3,针对二维检测滑窗中的低杂波功率子区域,对该子区域内的所有杂波回波功率按照大小顺序排列,计算该子区域杂波回波功率方差,若方差小于门限值Kv,对该子区域进行恒虚警检测;若方差大于或等于门限值Kv,则剔除该子区域内最大杂波回波功率值所在单元,更新该子区域,计算更新后子区域杂波回波功率方差,并做门限值判断,若新计算的方差仍大于或等于门限值Kv,则重复上述剔除过程,直到更新后子区域杂波回波功率方差小于门限值Kv,执行恒虚警检测,或者剔除次数大于N/2,执行步骤4;其中N为二维检测滑窗的单元总数目;
步骤4,恢复滑窗内的所有数据,返回步骤3,计算子区域内的杂波回波功率均值,利用均值进行剔除。
进一步的,在执行步骤1之前,先计算雷达目标区域的杂波强度,将目标区域分为检测区域和杂波区域,其中杂波区域和检测区域的交界区域即为杂波分界线所在区域,对杂波边界线所在区域执行步骤1的二维滑窗探测。
进一步的,所述步骤3中,采用同样的方法对二维检测滑窗中的高杂波功率子区域进行恒虚警检测,但在对子区域进行更新时,剔除子区域最小杂波回波功率值所在单元。
有益效果:
本发明利用杂波边缘区域杂波回波功率方差波动较大的特点,获得包含杂波边缘分界线的二维检测滑窗;然后利用最大似然恒虚警检测算法获得二维检测滑窗中杂波边缘分界线的具体位置,进而有效地估计出目标单元的真实背景杂波功率,从而实现杂波边缘区域的微小目标检测,能有效改善杂波边缘附近的微小目标检测概率,扩展场面微小目标检测毫米波雷达的适用范围。
附图说明
图1为毫米波雷达回波杂波边界示意图;
图2为区分杂波区域示意图;
图3为二维矩估计方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种高分辨雷达非均匀杂波场景微小目标恒虚警检测方法,通过分析二维毫米波雷达实际回波中检测区域及其周边杂波区域、杂波边缘区域杂波回波功率统计特性,利用杂波回波功率均值和方差对杂波分布进行判断,获得检测区域与杂波区域之间的准确的边界线,进而实现对目标单元的真实背景杂波功率进行准确估计,然后对目标所在的检测区域进行一维恒虚警检测,从而有效解决传统恒虚警检测方法在杂波边缘处的检测概率下降问题,可用于实现对机场跑道等关键区域可能存在的异物进行稳健实时检测。
将雷达探测区域分为若干子区域,分别对各子区域内的杂波回波功率进行统计分析,发现,当雷达对某一固定场景进行探测时,杂波回波功率均值和方差是相对稳定的,如图1所示的纯机场跑道区域(图中检测区域)和跑道边上的纯草丛区域(图中杂波区域),其杂波回波功率的均值和方差均相对稳定;而检测区域与杂波区域之间的交界处,即杂波区域边缘附近的杂波回波功率方差存在较大波动,据此特性,本发明通过计算恒虚警检测滑窗内参考单元的杂波回波功率均值和方差即可对检测滑窗所在区域进行分类,并获得准确的检测区域与杂波区域的分界线,进而可以有效地估计出目标单元的真实背景杂波功率,从而通过一维恒虚警检测算法对目标所在区域进行检测,避免杂波边缘处的检测概率下降问题。
具体的,可以采用概率分布直方图的方法对雷达探测区域的杂波功率的均值和方差进行统计分析,具体做法是:用坐标横轴表示样本数据的连续值,并找出样本数据的最大值和最小值,选择略大于最大值的数作为区间右边界,略小于最小值的数作为区间的左边界,保证最大值和最小值可以落在区间以内。然后将区间分为若干份,统计每个区间内的样本数目,将其除以样本总数作为样本的出现概率。
均值和方差是杂波回波功率中非常重要的统计值。在对场面微小目标检测过程中,会存在不同杂波回波功率均值的区域,并且它们有相交的杂波边缘存在,这给杂波边缘的微小目标检测造成困难。对各区域的均值进行统计,这些统计值可体现出检测区域及杂波区域的杂波特性。针对各区域,杂波回波功率均值的计算公式为:
其中,为该区域内杂波回波功率均值;Xi为该区域内第i个杂波回波功率值,i=1,2,…,N,N为该区域内杂波回波个数;
计算后均值应当返还为以dBm为单位的值,在求均值时,需要先将各以dBm为单位的杂波回波功率转变为以功率W或mW为单位的线性杂波回波功率,然后对所有以W或mW为单位的杂波回波功率进行求平均,最后再对平均值求对数,得到以dBm为单位的杂波回波功率均值,即求均值必须在线性空间中进行,否则会影响杂波区域杂波功率特性的真实特性。
方差的计算公式为:
方差存在两点特性:
第一:杂波样本本身具有较为稳定的方差,当检测滑窗位于杂波稳定分布的区域内时,杂波回波功率方差值也保持稳定的状态。
第二:求方差时,既可以是在线性空间上求方差值,也可以在对数空间求方差值,计算过程中的均值是对应的空间上的均值,结果是对应空间上的方差。这一点不同于求均值。
本发明的微小目标恒虚警检测方法具体包括如下步骤:
步骤1,计算雷达二维检测滑窗内的杂波回波功率的方差:
在对数空间内(也可以在线性空间内)对雷达距离、方位角度二维分辨单元检测滑窗内的杂波回波功率进行方差统计,并将其与预设门限值Kv进行比较,若其小于该门限值,则认为该目标检测单元的检测滑窗内只存在一种杂波分布,直接采用传统CA-CFAR(单元平均恒虚警检测)算法,求出检测门限,进行恒虚警检测;若方差统计值高于门限值,则认定该目标检测单元检测滑窗内存在两种杂波分布,包含了检测区域与杂波区域的边界线,进入步骤2。
其中,门限值Kv可以事先通过反复计算检测区域、杂波区域以及杂波边缘区域的杂波回波功率方差后设定得到。
其中,可以在执行步骤1之前,先计算雷达目标区域的杂波强度,由于检测区域的杂波强度要小于杂波区域的杂波强度,则可以根据杂波强度大小将目标区域分为检测区域和杂波区域,其中杂波区域和检测区域的交界区域即为杂波分界线所在区域,对杂波边界线所在区域执行步骤1的二维滑窗探测。从而减少方差计算量,提高检测速度。
步骤2,杂波边界线的确定。
针对各包含有杂波边界的检测滑窗,由于检测区域与杂波区域的边界位置相对清晰且固定,杂波区域与检测区域的分界线将恒虚警检测算法中的滑窗分成两部分,如图2所示,当检测区域位于杂波区域下侧时,分界线下侧的杂波在数量上要比上侧的数量多,反之亦然。这种线性的杂波边缘分布,为区分目标检测单元所在的杂波分布区域提供了可能性,只要区分出雷达检测单元在其所在列的位置,就可以区分出其所在的杂波区域。
图2中,每个小方格代表一个雷达检测单元,阴影单元为目标检测单元,黑色直线为杂波边缘分界线,即直线两侧的杂波不属于同一类分布特性。
为此,在二维滑窗中,对每一行进行MLC-CFAR(最大似然恒虚警检测)算法,得到该行杂波边缘分界单元的位置,从而获得杂波边缘分界线;比较杂波边缘分界单元左右两侧单个单元的功率均值大小,可以判断出杂波边缘分界单元的左右区域是高杂波功率区还是低杂波功率区域,从而通过杂波边缘分界线将二维滑窗分为高杂波功率区域和低杂波功率区域两个子区域。
步骤3,排序剔除
分别对二维滑窗中的高杂波功率区域和低杂波功率区域进行排序剔除,其中,对于高杂波功率区域,剔除模式为剔除低杂波功率模式;反之,对于低杂波功率区域,剔除模式为剔除高杂波功率模式。
针对二维滑窗中的各子区域,计算该子区域杂波回波功率方差,若方差小于门限值Kv,对该子区域进行恒虚警检测;若方差大于或等于门限值Kv,则根据该子区域的剔除模式,将子区域内的所有数据按照大小顺序排列起来,每次剔除一个最大值或者最小值所对应的单元。然后统计新的方差值。若新的方差值已经小于检测门限Kv,则认定绝大部分强杂波单元已经被剔除,剩下的检测单元已经与目标检测单元的杂波属于同一类杂波分布,可采用CA-CFAR(单元平均恒虚警检测)计算检测门限。若新的方差值仍大于检测门限,则进入剔除次数判断。
步骤4,剔除次数判断
由于采用的是高分辨率雷达进行检测,在滑窗内与目标检测单元处的杂波分布不同的杂波单元始终不会超过整个滑窗单元数目N的一半。于是对剔除次数进行了一次判断,若剔除的次数仍小于N/2,则继续剔除杂波单元,直到新的方差小于门限值或者剔除次数大于N/2。当剔除次数大于N/2而新的方差值仍大于门限,则认定在剔除模式选择时,判断错了剔大剔小两种模式。由于检测场景及其杂波特性固定,其滑窗内基本不会出现其它的外来固定杂波单元,所以,当剔除模式出现选择错误时,需要恢复滑窗内的所有数据,返回步骤3,计算子区域杂波回波功率均值,利用均值门限进行判决和剔除,即计算子区域杂波回波功率均值,若均值小于门限值Ku,则对该子区域进行恒虚警检测,若均值大于或等于门限值Ku,则根据该子区域的剔除模式,每次剔除一个最大值或者最小值所对应的单元,更新该子区域,然后统计新的均值,并做门限值判断,依次剔除,直到新的均值小于门限值,对更新后的子区域进行恒虚警检测。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种高分辨雷达非均匀杂波场景微小目标恒虚警检测方法,其特征在于,包括如下步骤:
步骤1,对雷达目标区域进行二维滑窗探测,计算二维探测滑窗中的杂波回波功率方差,若杂波回波功率方差小于设定的门限值Kv,则直接对该探测滑窗进行恒虚警检测;若杂波回波功率方差大于或等于门限值Kv,则认为该探测滑窗中包含杂波边缘分界线,执行步骤2;
步骤2,针对包含有杂波边缘分界线的二维检测滑窗,按行进行最大似然恒虚警检测,获得该行的杂波边缘分界单元的位置,从而获得该二维检测滑窗中的杂波边缘分界线;通过比较二维检测滑窗中杂波边缘分界单元左右两侧单个单元的功率均值大小,将二维检测滑窗分为高杂波功率区域和低杂波功率区域两个子区域;
步骤3,针对二维检测滑窗中的低杂波功率子区域,对该子区域内的所有杂波回波功率按照大小顺序排列,计算该子区域杂波回波功率方差,若方差小于门限值Kv,对该子区域进行恒虚警检测;若方差大于或等于门限值Kv,则剔除该子区域内最大杂波回波功率值所在单元,更新该子区域,计算更新后子区域杂波回波功率方差,并做门限值判断,若新计算的方差仍大于或等于门限值Kv,则重复上述剔除过程,直到更新后子区域杂波回波功率方差小于门限值Kv,执行恒虚警检测,或者剔除次数大于N/2,执行步骤4;其中N为二维检测滑窗的单元总数目;
步骤4,恢复滑窗内的所有数据,返回步骤3,计算子区域内的杂波回波功率均值,利用均值进行剔除。
2.如权利要求1所述的高分辨雷达非均匀杂波场景微小目标恒虚警检测方法,其特征在于,在执行步骤1之前,先计算雷达目标区域的杂波强度,将目标区域分为检测区域和杂波区域,其中杂波区域和检测区域的交界区域即为杂波分界线所在区域,对杂波边界线所在区域执行步骤1的二维滑窗探测。
3.如权利要求1所述的高分辨雷达非均匀杂波场景微小目标恒虚警检测方法,其特征在于,所述步骤3中,采用同样的方法对二维检测滑窗中的高杂波功率子区域进行恒虚警检测,但在对子区域进行更新时,剔除子区域最小杂波回波功率值所在单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810126015.0A CN108414991B (zh) | 2018-02-08 | 2018-02-08 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810126015.0A CN108414991B (zh) | 2018-02-08 | 2018-02-08 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108414991A true CN108414991A (zh) | 2018-08-17 |
CN108414991B CN108414991B (zh) | 2020-08-11 |
Family
ID=63128096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810126015.0A Active CN108414991B (zh) | 2018-02-08 | 2018-02-08 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108414991B (zh) |
Cited By (7)
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 |
CN109633597A (zh) * | 2019-01-23 | 2019-04-16 | 广州辰创科技发展有限公司 | 一种可变均值滑窗恒虚警检测算法及存储介质 |
CN109884638A (zh) * | 2019-03-13 | 2019-06-14 | 苏州理工雷科传感技术有限公司 | 一种信号处理机、雷达系统及信号处理方法 |
CN110988881A (zh) * | 2019-10-31 | 2020-04-10 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种车载毫米波雷达的目标检测方法及其车载雷达系统 |
CN112213695A (zh) * | 2020-10-15 | 2021-01-12 | 四川大学 | 一种基于单元平均杂波图的机场跑道异物检测方法 |
CN112558032A (zh) * | 2020-11-30 | 2021-03-26 | 北京航天光华电子技术有限公司 | 一种用于地面警戒雷达的数字信号处理组件 |
CN113253236A (zh) * | 2021-07-07 | 2021-08-13 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨天杂波抑制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975940A (zh) * | 2010-09-27 | 2011-02-16 | 北京理工大学 | 基于分割组合的sar图像自适应恒虚警率目标检测方法 |
CN106501788A (zh) * | 2016-11-18 | 2017-03-15 | 西安电子工程研究所 | 一种雷达恒虚警检测门限自适应设置方法 |
CN106526545A (zh) * | 2016-11-09 | 2017-03-22 | 西安空间无线电技术研究所 | 一种鲁棒cfar检测器的检测方法 |
CN106646419A (zh) * | 2017-02-28 | 2017-05-10 | 西安电子科技大学 | 一种检测杂波边缘雷达目标的自适应恒虚警方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR970010875B1 (ko) * | 1994-10-24 | 1997-07-01 | 재단법인 한국전자통신연구원 | 클러터 경계 검출에 의한 일정 오경보율 검파기 |
-
2018
- 2018-02-08 CN CN201810126015.0A patent/CN108414991B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975940A (zh) * | 2010-09-27 | 2011-02-16 | 北京理工大学 | 基于分割组合的sar图像自适应恒虚警率目标检测方法 |
CN106526545A (zh) * | 2016-11-09 | 2017-03-22 | 西安空间无线电技术研究所 | 一种鲁棒cfar检测器的检测方法 |
CN106501788A (zh) * | 2016-11-18 | 2017-03-15 | 西安电子工程研究所 | 一种雷达恒虚警检测门限自适应设置方法 |
CN106646419A (zh) * | 2017-02-28 | 2017-05-10 | 西安电子科技大学 | 一种检测杂波边缘雷达目标的自适应恒虚警方法 |
Non-Patent Citations (1)
Title |
---|
STELIOS D. HIMONAS ET AL.: ""Automatic censored CFAR detection for nonhomogeneous environments"", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 * |
Cited By (8)
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 |
CN109633597A (zh) * | 2019-01-23 | 2019-04-16 | 广州辰创科技发展有限公司 | 一种可变均值滑窗恒虚警检测算法及存储介质 |
CN109884638A (zh) * | 2019-03-13 | 2019-06-14 | 苏州理工雷科传感技术有限公司 | 一种信号处理机、雷达系统及信号处理方法 |
CN110988881A (zh) * | 2019-10-31 | 2020-04-10 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种车载毫米波雷达的目标检测方法及其车载雷达系统 |
CN112213695A (zh) * | 2020-10-15 | 2021-01-12 | 四川大学 | 一种基于单元平均杂波图的机场跑道异物检测方法 |
CN112558032A (zh) * | 2020-11-30 | 2021-03-26 | 北京航天光华电子技术有限公司 | 一种用于地面警戒雷达的数字信号处理组件 |
CN112558032B (zh) * | 2020-11-30 | 2024-03-26 | 北京航天光华电子技术有限公司 | 一种用于地面警戒雷达的数字信号处理组件 |
CN113253236A (zh) * | 2021-07-07 | 2021-08-13 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨天杂波抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108414991B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108414991A (zh) | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 | |
CN108510467B (zh) | 基于深度可变形卷积神经网络的sar图像目标识别方法 | |
CN104036239B (zh) | 基于特征融合和聚类的高分辨sar图像快速舰船检测方法 | |
CN106093946B (zh) | 一种适用于场面监视雷达的目标凝聚方法及装置 | |
CN110230978A (zh) | 一种耐火砖几何尺寸测量方法 | |
CN103217673B (zh) | 一种非均匀Weibull杂波背景下的CFAR检测方法 | |
CN105510195A (zh) | 一种堆叠骨料的粒度粒形在线检测方法 | |
CN107992782B (zh) | 基于图像几何特征参量的云降水粒子形状识别方法 | |
CN107247262B (zh) | 一种机场跑道异物分层检测方法 | |
CN112986925B (zh) | 一种基于图像特征的雷达脉冲序列分选方法 | |
CN109753874A (zh) | 一种基于机器学习的低慢小雷达目标分类方法 | |
US20130033394A1 (en) | Synthetic aperture radar chip level cross-range streak detector | |
Agrawal et al. | Weed recognition using image-processing technique based on leaf parameters | |
CN110059713A (zh) | 一种基于降水粒子多特征参量的降水类型识别方法 | |
CN106485239A (zh) | 一种利用单类支持向量机检测河流目标的方法 | |
CN107862271A (zh) | 一种舰船目标的检测方法 | |
Luo et al. | An improved binarization algorithm of wood image defect segmentation based on non-uniform background | |
CN108596151A (zh) | 一种大场景sar图像中舰船目标切片快速提取方法 | |
Tu et al. | Airport detection in SAR images via salient line segment detector and edge-oriented region growing | |
Dutra et al. | Some experiments with spatial feature extraction methods in multispectral classification | |
CN107133958B (zh) | 基于块粒度预判平衡直方图的光学遥感船舶切片分割方法 | |
Huang et al. | Superpixel-based change detection in high resolution sar images using region covariance features | |
JP4270254B2 (ja) | 画像信号処理装置及び画像処理方法 | |
CN107729903A (zh) | 基于区域概率统计和显著性分析的sar图像目标检测方法 | |
CN104239551A (zh) | 基于多特征vp树索引的遥感图像检索方法及装置 |
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 |