CN108693510B - 基于gpu的知识辅助机载机会阵地杂波快速仿真方法 - Google Patents

基于gpu的知识辅助机载机会阵地杂波快速仿真方法 Download PDF

Info

Publication number
CN108693510B
CN108693510B CN201810486798.3A CN201810486798A CN108693510B CN 108693510 B CN108693510 B CN 108693510B CN 201810486798 A CN201810486798 A CN 201810486798A CN 108693510 B CN108693510 B CN 108693510B
Authority
CN
China
Prior art keywords
clutter
matrix
scattering unit
carrier
coordinate system
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.)
Active
Application number
CN201810486798.3A
Other languages
English (en)
Other versions
CN108693510A (zh
Inventor
吴建新
陈士涛
王彤
李仲悦
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN201810486798.3A priority Critical patent/CN108693510B/zh
Publication of CN108693510A publication Critical patent/CN108693510A/zh
Application granted granted Critical
Publication of CN108693510B publication Critical patent/CN108693510B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

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

本发明属于雷达技术领域，公开了一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，在建立机载机会阵的地面杂波回波模型的过程中考虑了数字高程和地表覆盖分类这两种先验信息，是一种更接近雷达真实工作场景的机载机会阵地面杂波回波获取方法。此外，考虑到基于先验知识的知识辅助机会阵地杂波仿真方法涉及到大量的矩阵运算，所需仿真时间较长的问题，借助现代高性能GPU超强的浮点运算能力，对知识辅助机载机会阵地杂波快速仿真方法进行加速，提高杂波数据的仿真效率。

Description

基于GPU的知识辅助机载机会阵地杂波快速仿真方法
技术领域
本发明属于雷达技术领域，尤其涉及一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，适用于机载机会阵地杂波数据的快速仿真。
背景技术
机会阵雷达是由美国海军研究生院提出的一种新概念数字阵雷达，最初是在美国导弹防御局的指派下，为了弥补宙斯盾系统的不足，将下一代隐身驱逐舰作为设计原型，以弹道导弹防御为应用背景而提出的。机会阵雷达将平台的隐身性设计作为核心，具备搜索、跟踪、火控、引导、通信等多战术功能，通过感知战场态势实现“机会性”选择和管理的新概念雷达系统。
机会阵雷达的阵列单元被任意布置于载体平台的三维开放位置上，采用可变的阵列孔径结构，根据环境“机会性”地选择工作阵元、工作方式及战术功能等。目前相控阵雷达、多输入多输出雷达、数字阵列雷达等新体制雷达已经得到了广泛应用。但受限于雷达的孔径尺寸，且考虑平台机动性、电磁隐身性和作战能力，天线阵面的尺寸受到很大限制，在很大程度上影响了雷达的作用距离和分辨率；雷达孔径尺寸也成为制约雷达发展的关键因素。
针对上述问题，美国海军研究生院率先提出了以孔径结构为基础的无线网络机会阵雷达概念，突破了传统相控阵雷达孔径尺寸的限制。机会阵雷达与常规雷达最大不同就是其“机会性”的特点。机会性体现在诸多方面，包括：天线单元分布的随机性，即天线单元随机分布于载体平台三维空间的任意位置；天线单元工作状态的机会性，即有选择的选择天线单元的工作或者关闭。因此，可获得更大的天线孔径，降低机身的雷达截面积，改善载机的空气动力学和隐身性能，提高载机在复杂电磁环境中的探测性能和存活能力。
在缺少实测数据的情况下，高逼真度的杂波仿真是雷达系统仿真中不可缺少的步骤。在机会阵雷达的论证、设计、研发的过程中，通常会利用现代高性能计算机对雷达系统进行仿真建模。与实物仿真的方式相比，软件仿真建模的方式成本较低，耗时较少，不受天气条件的制约。上世纪八十年代，研究人员通过对实测雷达回波的分析发现，Log-Normol分布和Weibull分布可以更好地拟合杂波数据。然而，这种基于统计模型的杂波建模方法，没有考虑雷达实际工作场景的地形地貌信息，仿真获得的杂波数据比较理想化，不能反映载机实际工作场景中的杂波特性。
发明内容
针对上述问题，本发明的目的在于提供一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，将雷达工作场景中的地形地貌信息融入到杂波仿真中，可获得更为逼真的杂波数据。
为达到上述目的，本发明采用如下技术方案予以实现。
一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，所述方法包括如下步骤：
步骤1，确定包含N1个阵元的机载机会阵，以载机为原点建立XOYZ载机直角坐标系，X轴正半轴与载机飞行方向相同，Y轴正半轴指向载机正左方，Z轴按右手螺旋准则分别与X轴和Y轴垂直；N1个阵元在载机直角坐标系下的坐标表示为N1×3维的阵元坐标矩阵Ep′，N1个阵元在载机直角坐标系下的指向表示为N1×3维的阵元指向矩阵Ed′；
N1×3维的阵元坐标矩阵Ep′的第n行表示第n个阵元在载机直角坐标系下的三维坐标，N1×3维的阵元指向矩阵Ed′的第n行表示第n个阵元所处曲面的单位外法线向量，n∈{1，2，…，N1}，N1为大于1的正整数；
步骤2，获取机载机会阵的阵列主波束方向，在N1个阵元中，关闭阵元指向与所述阵列主波束方向大于预设角度的阵元，得到机载机会阵中开启的N2个阵元；N2个阵元在载机直角坐标系下的坐标表示为N2×3维的阵元坐标矩阵Ep，N2个阵元在载机直角坐标系下的指向表示为N2×3维的阵元指向矩阵Ed；且N2≤N1；
步骤3，根据载机的位置和覆盖范围，选取大于载机实际工作场景的矩形地理区域，获取与矩形地理区域对应的数字高程数据和地表覆盖分类数据两种先验信息；
在所述矩形地理区域内包含M1行M2列数字高程采样点，M1行M2列数字高程采样点组成高程数据矩阵D，所述高程数据矩阵D的维度为M1×M2×3，所述高程数据矩阵D中第m1行第m2列的矢量表示第(m2-1)M2+m1个数字高程采样点所对应的经度、纬度和海拔高度，其中，m1∈{1，2，…，M1}，m2∈{1，2，…，M2}，M1和M2为大于1的正整数；
在所述矩形地理区域内包含M3行M4列地表覆盖分类数据采样点，M3行M4列地表覆盖分类数据采样点组成地表覆盖分类数据矩阵C，地表覆盖分类数据矩阵C的维度为M3×M4，所述地表覆盖分类数据矩阵C中第m3行第m4列的数值表示第(m2-1)M2+m1个地表覆盖分类数据采样点所对应的地表覆盖类型编号，其中，m3∈{1，2，…，M3}，m4∈{1，2，…，M4}，M3＝M1-1，M4＝M2-1；
步骤4，将N2×3维的阵元坐标矩阵Ep，N2×3维的阵元指向矩阵Ed，M1×M2×3维的数字高程数据矩阵D以及M3×M4维的地表覆盖分类数据矩阵C，从主机内存传送到GPU显存中；
步骤5，在GPU中，采用并行计算的方式，将M1×M2个数字高程采样点的坐标从大地坐标系转换到以载机为原点的载机直角坐标系和载机球坐标系下；
步骤6，在GPU中，将M1×M2个数字高程采样点划分为M3×M4个杂波散射单元，并行计算每个杂波散射单元的擦地角，得到M3×M4维的擦地角矩阵F；
步骤7，在GPU中，采用并行计算的方式，对每个杂波散射单元进行遮挡判断，得到M3×M4维的遮挡判断矩阵V；并行求解每个杂波散射单元的雷达截面积，得到M3×M4维的雷达截面积矩阵S；
步骤8，在GPU中，根据M3×M4维的地表覆盖分类数据矩阵C，M3×M4维的擦地角矩阵F及常量γ模型，并行计算每个杂波散射单元的后向散射系数，得到M3×M4维的后向散射系数矩阵Q；
步骤9，在GPU中，并行计算每个杂波散射单元的方向图增益，得到M3×M4维的方向图增益矩阵G；从而根据每个杂波散射单元的雷达截面积，后向散射系数，方向图增益并行计算每个杂波散射单元的功率，得到M3×M4维的功率矩阵P；
步骤10，设机载机会阵雷达以恒定脉冲重复频率发射K个脉冲，每个脉冲回波有L次距离采样；在GPU中，根据所述功率矩阵P计算得到机载机会阵雷达接收到的N2×K×L维的杂波数据矩阵
Figure BDA0001665502910000041
将其作为基于GPU的知识辅助机载机会阵的地杂波，并将所述杂波数据矩阵
Figure BDA0001665502910000042
从GPU显存传送到主机内存中。
本发明方法在建立机载机会阵的地面杂波回波模型的过程中考虑了数字高程和地表覆盖分类这两种先验信息，是一种更接近雷达真实工作场景的机载机会阵地面杂波回波获取方法。此外，考虑到基于先验知识的知识辅助机会阵地杂波仿真方法涉及到大量的矩阵运算，所需仿真时间较长的问题，借助现代高性能GPU超强的浮点运算能力，对知识辅助机载机会阵地杂波快速仿真方法进行加速，提高杂波数据的仿真效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法流程图；
图2是圆柱阵的阵元分布及阵元指向示意图；
图3是圆柱阵经过阵元删除操作后，阵元指向与主波束间夹角小于75°的阵元分布及阵元指向示意图；
图4是东经-80°到-75°，北纬35°到40°区域内STRM3数字高程数据海拔高度渲染视图；
图5是东经-80°到-75°，北纬35°到40°区域内GlobCover地表覆盖分类数据渲染视图；
图6是全部杂波散射单元的遮挡判断结果示意图；
图7是一个局部区域杂波散射单元的遮挡判断结果示意图；
图8是根据地表覆盖分类数据及常量γ模型得到的杂波散射单元的后向散射系数示意图；
图9是圆柱阵的方向图示意图；
图10是杂波散射单元的功率示意图；
图11是不模糊距离多普勒谱示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，如图1所示，所述方法包括如下步骤：
步骤1，确定包含N1个阵元的机载机会阵，以载机为原点建立XOYZ载机直角坐标系，X轴正半轴与载机飞行方向相同，Y轴正半轴指向载机正左方，Z轴按右手螺旋准则分别与X轴和Y轴垂直；N1个阵元在载机直角坐标系下的坐标表示为N1×3维的阵元坐标矩阵Ep′，N1个阵元在载机直角坐标系下的指向表示为N1×3维的阵元指向矩阵Ed′；如图2是圆柱阵的阵元分布及阵元指向示意图；
N1×3维的阵元坐标矩阵Ep′的第n行表示第n个阵元在载机直角坐标系下的三维坐标，N1×3维的阵元指向矩阵Ed′的第n行表示第n个阵元所处曲面的单位外法线向量，n∈{1，2，…，N1}，N1为大于1的正整数。
步骤2，获取机载机会阵的阵列主波束方向，在N1个阵元中，关闭阵元指向与所述阵列主波束方向大于预设角度的阵元，得到机载机会阵中开启的N2个阵元；N2个阵元在载机直角坐标系下的坐标表示为N2×3维的阵元坐标矩阵Ep，N2个阵元在载机直角坐标系下的指向表示为N2×3维的阵元指向矩阵Ed；且N2≤N1。
需要说明的是，由于机会阵雷达的阵列单元被任意布置于载体平台的三维开放位置上，不同位置的阵元指向一般也不同，当波束扫描到某一方向时，并不是所有天线单元都对主波束有贡献。为了增加天线效率和降低副瓣电平，需要根据阵元指向与阵列主波束之间的夹角，关闭阵元指向与阵列主波束方向大于某一角度ψ的阵元。
步骤2具体包括：
(2a)设机载机会阵的阵列主波束方向的单位矢量r0表示为：
Figure BDA0001665502910000071
其中，
Figure BDA0001665502910000072
和θ0分别是阵列主波束方向的单位矢量在以载机为原点的球坐标系下的方位角和俯仰角；
(2b)N1×3维的阵元指向矩阵Ed′与3×1维的阵列主波束方向的单位矢量r0相乘得到一个N1×1维的列矢量，如果该列矢量第n行的数值小于cosψ，则删除N1×3维的阵元坐标矩阵Ep′的第n行数据以及N1×3维阵元指向矩阵Ed′的第n行数据，n∈{1，2，…，N1}；设经过删除操作后，机载机会阵中包含的阵元数为N2；如图3是圆柱阵经过阵元删除操作后，阵元指向与主波束间夹角小于75°的阵元分布及阵元指向示意图。
步骤3，根据载机的位置和覆盖范围，选取大于载机实际工作场景的矩形地理区域，获取与矩形地理区域对应的数字高程数据和地表覆盖分类数据两种先验信息；
本发明实施例选用的先验信息为航天飞机雷达地形测绘使命(Shuttle RadarTopography Mission，SRTM)获取的SRTM3数字高程数据集及欧洲航空局提供的GlobCover地表覆盖分类数据集。两组先验信息在地理上的覆盖范围都比较大。然而，雷达实际工作中所能覆盖的地理区域有限。因此，需要根据载机的位置信息及其覆盖范围，从先验信息中选出的一块大于机载机会阵实际工作场景的矩形区域。
在所述矩形地理区域内包含M1行M2列数字高程采样点，M1行M2列数字高程采样点组成高程数据矩阵D，所述高程数据矩阵D的维度为M1×M2×3，所述高程数据矩阵D中第m1行第m2列的矢量表示第(m2-1)M2+m1个数字高程采样点所对应的经度、纬度和海拔高度，其中，m1∈{1，2，…，M1}，m2∈{1，2，…，M2}，M1和M2为大于1的正整数；如图4是东经-80°到-75°，北纬35°到40°区域内的STRM3数字高程数据海拔高度渲染视图，维度为6001×6001。
在所述矩形地理区域内包含M3行M4列地表覆盖分类数据采样点，M3行M4列地表覆盖分类数据采样点组成地表覆盖分类数据矩阵C，地表覆盖分类数据矩阵C的维度为M3×M4，所述地表覆盖分类数据矩阵C中第m3行第m4列的数值表示第(m2-1)M2+m1个地表覆盖分类数据采样点所对应的地表覆盖类型编号，其中，m3∈{1，2，…，M3}，m4∈{1，2，…，M4}，M3＝M1-1，M4＝M2-1，如图5是东经-80°到-75°，北纬35°到40°区域内的GlobCover地表覆盖分类数据渲染视图，维度为6000×6000。
步骤4，将N2×3维的阵元坐标矩阵Ep，N2×3维的阵元指向矩阵Ed，M1×M2×3维的数字高程数据矩阵D以及M3×M4维的地表覆盖分类数据矩阵C，从主机内存传送到GPU显存中。
由于M1、M2、M3和M4的取值，通常在几千到几万范围内，在后续的计算步骤中如果采用基于CPU顺序执行的计算方式，所需仿真时间较长，难以满足性能要求。此外，将先验信息融合到杂波仿真中的知识辅助机载机会阵地杂波仿真方法，天然具备数据并行的特点。
因此，考虑将现代高性能GPU应用到知识辅助机载机会阵地杂波仿真方法中，采用并行计算的计算方式，提高知识辅助机载机会阵地杂波仿真方法的仿真效率。
步骤5，在GPU中，采用并行计算的方式，将M1×M2个数字高程采样点的坐标从大地坐标系转换到以载机为原点的载机直角坐标系和载机球坐标系下。
在机载雷达杂波仿真过程中，通常需要参照以载机为原点的载机直角坐标系和球坐标系。然而，数字高程数据STRM3的参照经纬高大地坐标系。为了便于分析杂波散射单元与载机之间的位置关系，需要根据载机的位置和飞行姿态等信息，对GPU显存中的数字高程数据进行坐标转换，将上述M1×M2×3维的数字高程数据从大地坐标系，转换到以载机为原点的载机直角坐标系和球坐标系下。
步骤5具体包括：
(5a)对于任意一个数字高程采样点，记其在大地坐标系下的坐标为(Lat，Lon，H)，将所述任意一个数字高程采样点在大地坐标系下的坐标(Lat，Lon，H)转换到地心地固坐标系下：
Figure BDA0001665502910000091
其中，Lat，Lon，H分别表示所述任意一个数字高程采样点在大地坐标系中的经度，纬度，海拔高度，x′，y′，z′表示所述任意一个数字高程采样点在地心地固坐标系下的三维坐标；N′为卯酉圆半径，
Figure BDA0001665502910000092
e为椭球的偏心率，a为椭球的长半轴，b为椭球的短半轴；
(5b)将所述任意一个数字高程采样点在地心地固坐标系下的坐标(x′，y′，z′)转换到东北天坐标系下：
Figure BDA0001665502910000093
其中，e′，n′，u′表示所述任意一个数字高程采样点在东北天坐标系下的三维坐标；α′和γ′分别表示载机在大地坐标系下的经度和纬度；
(5c)将所述任意一个数字高程采样点在东北天坐标系下的坐标(e′，n′，u′)转换到载机直角坐标系下：
Figure BDA0001665502910000101
其中，x，y，z表示所述任意一个数字高程采样点在载机直角坐标系下的三维坐标；α″表示载机横滚角，β″表示载机俯仰角，γ″表示载机偏航角；
(5d)将所述任意一个数字高程采样点在载机直角坐标系下的坐标(x，y，z)转换到载机球坐标系下：
Figure BDA0001665502910000102
Figure BDA0001665502910000103
Figure BDA0001665502910000104
其中，φ，θ，r分别表示所述任意一个数字高程采样点在载机球坐标系下的方位角，俯仰角，斜距。
步骤6，在GPU中，将M1×M2个数字高程采样点划分为M3×M4个杂波散射单元，并行计算每个杂波散射单元的擦地角，得到M3×M4维的擦地角矩阵F。
步骤6中，将M1×M2个数字高程采样点划分为M3×M4个杂波散射单元，具体包括：
将载机直角坐标系下载机坐标记为P0(x0，y0，z0)，所述M1×M2×3维的高程数据矩阵D中第m1行第m2列的某一数字高程采样点在载机直角坐标系下的坐标记为P1(x1，y1，z1)，将该采样点与位于第m1行第m2+1列的数字高程采样点P2(x2，y2，z2)、位于第m1+1行第m2列的数字高程采样点P3(x3，y3，z3)和位于第m1+1行第m2+1列的数字高程采样点P4(x4，y4，z4)形成的平面看作一个杂波散射单元；并将P1(x1，y1，z1)的位置信息作为对应的杂波散射单元的位置信息；从而得到矩形地理区域内包含的M3×M4个杂波散射单元，其中，M3＝M1-1，M4＝M2-1，m1∈{1，2，…，M1}，m2∈{1，2，…，M2}，M1和M2为大于1的正整数。
步骤6中，计算每个杂波散射单元的擦地角，得到M3×M4维的擦地角矩阵F，具体包括：
数字高程采样点P1(x1，y1，z1)指向数字高程采样点P4(x4，y4，z4)的对角线矢量
Figure BDA0001665502910000111
表示为
Figure BDA0001665502910000112
数字高程采样点P2(x2，y2，z2)指向数字高程采样点P3(x3，y3，z3)的对角线矢量
Figure BDA0001665502910000113
表示为
Figure BDA0001665502910000114
数字高程采样点P1(x1，y1，z1)指向载机的视线矢量
Figure BDA0001665502910000115
表示为
Figure BDA0001665502910000116
则对应杂波散射单元的散射平面的法向矢量
Figure BDA0001665502910000117
用
Figure BDA0001665502910000118
和
Figure BDA0001665502910000119
的叉积表示为：
Figure BDA00016655029100001110
需要说明的是，叉积的定义：向量
Figure BDA00016655029100001111
和
Figure BDA00016655029100001112
的叉积，定义为：
Figure BDA00016655029100001113
利用所述杂波散射单元的散射平面的法向矢量
Figure BDA00016655029100001114
和数字高程采样点P1(x1，y1，z1)指向载机的视线矢量
Figure BDA00016655029100001115
求得该杂波散射单元的擦地角β：
Figure BDA00016655029100001116
并行计算每个杂波散射单元的擦地角，从而得到M3×M4个杂波散射单元的擦地角组成的M3×M4维的擦地角矩阵F。
步骤7，在GPU中，采用并行计算的方式，对每个杂波散射单元进行遮挡判断，得到M3×M4维的遮挡判断矩阵V；并行求解每个杂波散射单元的雷达截面积，得到M3×M4维的雷达截面积矩阵S。
当雷达波束照射范围内的地形起伏较大时，会导致某些杂波散射单元无法被雷达波束照射到，也就意味着雷达无法接收到该散射单元的回波。因此，需要根据载机和杂波散射单元之间的位置关系，先对杂波散射单元进行遮挡判断。
步骤7中，对每个杂波散射单元进行遮挡判断，得到M3×M4维的遮挡判断矩阵V，具体包括：
当某一杂波散射单元的擦地角β≤0时，机载机会阵雷达的波束无法照射到该杂波散射单元，因此，将M3×M4维的擦地角矩阵F中所有数值大于0的位置赋值为1，数值小于或者等于0的位置赋值为0，即得到M3×M4维的遮挡判断矩阵V；所述M3×M4维的遮挡判断矩阵V中1的数目即为未被遮挡的杂波散射单元的个数；
步骤7中，求解每个杂波散射单元的雷达截面积，得到M3×M4维的雷达截面积矩阵S，具体包括：
所述某一杂波散射单元的雷达截面积的计算公式为：
Figure BDA0001665502910000121
并行计算M3×M4个杂波散射单元的雷达截面积，得到M3×M4个杂波散射单元的雷达截面积组成的M3×M4维的雷达截面积矩阵S。
步骤8，在GPU中，根据M3×M4维的地表覆盖分类数据矩阵C，M3×M4维的擦地角矩阵F及常量γ模型，并行计算每个杂波散射单元的后向散射系数，得到M3×M4维的后向散射系数矩阵Q。
步骤8具体为：
根据M3×M4维的地表覆盖分类数据C，M3×M4维的擦地角矩阵F及常量γ模型，计算任意一个杂波散射单元的后向散射系数σ：
Figure BDA0001665502910000131
其中，fc为雷达的载频，β为该杂波散射单元对应的擦地角，γavg为平均后向散射系数，σm为镜面散射系数，
Figure BDA0001665502910000132
为镜面反射区域角；
并行计算M3×M4个杂波散射单元的后向散射系数，得到M3×M4个杂波散射单元的后向散射系数组成的M3×M4维的后向散射系数矩阵Q。
步骤9，在GPU中，并行计算每个杂波散射单元的方向图增益，得到M3×M4维的方向图增益矩阵G；从而根据每个杂波散射单元的雷达截面积，后向散射系数，方向图增益并行计算每个杂波散射单元的功率，得到M3×M4维的功率矩阵P。
步骤9中，计算M3×M4维的方向图增益矩阵G，具体为：
(9a)记某个杂波散射单元在载机直角坐标系下的坐标为(x1，y1，z1)，根据该杂波散射单元在载机直角坐标系下的坐标和N2×3维的阵元坐标，得到该杂波散射单元到各个阵元的距离与杂波散射单元到载机的距离的差d，所述距离差d为N2×1维；从而得到该杂波散射单元的空域导向矢量
Figure BDA0001665502910000133
上标T表示转置；
(9b)记阵列主波束方向的单位矢量在载机直角坐标系下的坐标为(x′0，y′0，z′0)，从而阵列的主波束导向矢量
Figure BDA0001665502910000134
(9c)该杂波散射单元对应的方向图增益g＝s1s0，并行计算所有杂波散射单元对应的方向图增益，得到M3×M4个杂波散射单元的方向图增益组成的M3×M4维的方向图增益矩阵G。
步骤9中，根据每个杂波散射单元的雷达截面积，后向散射系数，方向图增益并行计算每个杂波散射单元的功率，得到M3×M4维的功率矩阵P，具体为：
某一个杂波散射单元的功率p表示为：
Figure BDA0001665502910000141
其中，Pt为雷达发射峰值功率，λ为雷达波长；σ为该杂波散射单元的后向散射系数；g为该杂波散射单元的方向图增益；s为该杂波散射单元的雷达截面积；r为该杂波散射单元到载机的斜距；
并行计算每个杂波散射单元的的功率，得到M3×M4个杂波散射单元的回波功率组成的M3×M4维的功率矩阵P。
步骤10，设机载机会阵雷达以恒定脉冲重复频率发射K个脉冲，每个脉冲回波有L次距离采样；在GPU中，根据所述功率矩阵P计算得到机载机会阵雷达接收到的N2×K×L维的杂波数据矩阵
Figure BDA0001665502910000145
将其作为基于GPU的知识辅助机载机会阵的地杂波，并将所述杂波数据矩阵
Figure BDA0001665502910000146
从GPU显存传送到主机内存中。
步骤10具体包括：
(10a)计算机载机会阵接收到的N2×K×L维的杂波数据矩阵
Figure BDA0001665502910000147
假设雷达在一个脉冲重复周期内，以恒定脉冲重复频率fr发射K个脉冲，每个脉冲回波有L次距离采样，雷达的载频为fc，波长为
Figure BDA0001665502910000142
带宽为B，光速为c，载机的高度为h，雷达的距离分辨率ΔR表示为
Figure BDA0001665502910000143
载机的速度为v′＝(vx，vy，vz)T；
(10b)记某个杂波散射单元在载机直角坐标系下的坐标为(x1，y1，z1)，在以载机为原点的球坐标系下的坐标为
Figure BDA0001665502910000144
雷达指向该杂波散射单元的归一化矢量为n1＝(x1/r1，y1/r1，z1/r1)，则该杂波散射单元的归一化多普勒频率表示为
Figure BDA0001665502910000151
该杂波散射单元的时域导向矢量表示为
Figure BDA0001665502910000152
该杂波散射单元的空域导向矢量表示为
Figure BDA0001665502910000153
上标T表示转置，Ep表示N2×3维的阵元坐标矩阵；
(10c)根据公式
Figure BDA0001665502910000154
求得该杂波散射单元所在的距离门编号，r表示该杂波散射单元到载机的斜距，将所有距离门编号为l的未被遮挡的杂波散射单元的N2×K维的杂波数据
Figure BDA0001665502910000155
进行叠加，即可得到第l个距离门N2×K维的杂波数据Xl；其中，p表示该杂波散射单元的功率，l∈{1，2，…，L}，
Figure BDA0001665502910000156
表示Kronecker积；
l从1遍历到L，得到N2×K×L维的杂波数据矩阵
Figure BDA0001665502910000157
仿真实验
本发明效果通过以下仿真实验进一步验证说明。
(一)仿真参数
在本实验中，选用的机载机会阵为圆柱阵，图2为圆柱阵的阵元分布及阵元指向示意图，阵元数为288个，相邻阵元间距为0.05m。机载机会阵雷达阵面主波束指向：方位角80°，俯仰角0°。图3为关闭阵元指向与雷达主波束之间的夹角大于75°的阵元之后，留下的117个阵元的阵元分布及阵元指向示意图。
仿真选用的雷达工作区域为东经-80°到-75°，北纬35°到40°的区域。其中，载机位于东经-77度30分0秒，北纬37度30分0秒，距离地面6000m；载机的俯仰角为0°，载机的偏航角为5°，载机的横滚角为0°；雷达载频为3GHz，波长为0.1m，脉冲重复频率为7000Hz。信号带宽为3MHz，相干积累脉冲数为64，载机速度为150m/s，杂噪比60dB。
在根据地表覆盖分类数据及常量γ模型近似计算杂波散射单元的后向散射系数矩阵时，密林的平均后向散射系数γavg的取值为-15dB，农田的平均后向散射系数γavg的取值为-22dB，沙漠的平均后向散射系数γavg的取值为-25dB，城市的平均后向散射系数γavg的取值为-11dB，海情5的平均后向散射系数γavg的取值为-40dB，镜面反射系数σm的取值为10，镜面反射区域角
Figure BDA0001665502910000161
的取值为0.14。
(二)仿真数据处理结果及分析
图6是全部杂波散射单元的遮挡判断结果；图7是一个局部区域杂波散射单元的遮挡判断结果。从图7中，可以更为直观地看出山体背面的杂波散射单元被遮挡的现象比较明显；图8是根据地表覆盖分类数据及常量γ模型得到的杂波散射单元的后向散射系数；图9是圆柱阵的方向图；从图9中可以看出，雷达的主波束方位角在80°方向，与仿真参数中给定的雷达主波束方位角一致；图10是杂波散射单元的功率；图11是不模糊距离多普勒谱，从图中可以看出，杂波在距离上呈现出明显的非均匀特性。
综上所述，仿真实验验证了本发明的正确性，有效性和可靠性。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，所述方法包括如下步骤：
步骤1，确定包含N1个阵元的机载机会阵，以载机为原点建立XOYZ载机直角坐标系，X轴正半轴与载机飞行方向相同，Y轴正半轴指向载机正左方，Z轴按右手螺旋准则分别与X轴和Y轴垂直；将N1个阵元在载机直角坐标系下的坐标表示为N1×3维的阵元坐标矩阵Ep′，将N1个阵元在载机直角坐标系下的指向表示为N1×3维的阵元指向矩阵Ed′；
N1×3维的阵元坐标矩阵Ep′的第n行表示第n个阵元在载机直角坐标系下的三维坐标，N1×3维的阵元指向矩阵Ed′的第n行表示第n个阵元所处曲面的单位外法线向量，n∈{1，2，…，N1}，N1为大于1的正整数；
步骤2，获取机载机会阵的阵列主波束方向，在N1个阵元中，关闭阵元指向与所述阵列主波束方向大于预设角度的阵元，得到机载机会阵中开启的N2个阵元；N2个阵元在载机直角坐标系下的坐标表示为N2×3维的阵元坐标矩阵Ep，N2个阵元在载机直角坐标系下的指向表示为N2×3维的阵元指向矩阵Ed；且N2≤N1；
步骤3，根据载机的位置和覆盖范围，选取大于载机实际工作场景的矩形地理区域，获取与矩形地理区域对应的数字高程数据和地表覆盖分类数据；
在所述矩形地理区域内包含M1行M2列数字高程采样点，M1行M2列数字高程采样点组成高程数据矩阵D，所述高程数据矩阵D的维度为M1×M2×3，所述高程数据矩阵D中第m1行第m2列的矢量表示第(m2-1)M2+m1个数字高程采样点所对应的经度、纬度和海拔高度，其中，m1∈{1，2，…，M1}，m2∈{1，2，…，M2}，M1和M2分别为大于1的正整数；
在所述矩形地理区域内包含M3行M4列地表覆盖分类数据采样点，M3行M4列地表覆盖分类数据采样点组成地表覆盖分类数据矩阵C，地表覆盖分类数据矩阵C的维度为M3×M4，所述地表覆盖分类数据矩阵C中第m3行第m4列的数值表示第(m3-1)M3+m4个地表覆盖分类数据采样点所对应的地表覆盖类型编号，其中，m3∈{1，2，…，M3}，m4∈{1，2，…，M4}，M3＝M1-1，M4＝M2-1；
步骤4，将N2×3维的阵元坐标矩阵Ep、N2×3维的阵元指向矩阵Ed、M1×M2×3维的数字高程数据矩阵D以及M3×M4维的地表覆盖分类数据矩阵C，从主机内存传送到GPU显存中；
步骤5，在GPU中，采用并行计算的方式，将M1×M2个数字高程采样点的坐标从大地坐标系转换到以载机为原点的载机直角坐标系和载机球坐标系下；
步骤6，在GPU中，将M1×M2个数字高程采样点划分为M3×M4个杂波散射单元，并行计算每个杂波散射单元的擦地角，得到M3×M4维的擦地角矩阵F；
步骤7，在GPU中，采用并行计算的方式，对每个杂波散射单元进行遮挡判断，得到M3×M4维的遮挡判断矩阵v；并行求解每个杂波散射单元的雷达截面积，得到M3×M4维的雷达截面积矩阵S；
步骤8，在GPU中，根据M3×M4维的地表覆盖分类数据矩阵C，M3×M4维的擦地角矩阵F及常量γ模型，并行计算每个杂波散射单元的后向散射系数，得到M3×M4维的后向散射系数矩阵Q；
步骤9，在GPU中，并行计算每个杂波散射单元的方向图增益，得到M3×M4维的方向图增益矩阵G；从而根据每个杂波散射单元的雷达截面积，后向散射系数，方向图增益并行计算每个杂波散射单元的功率，得到M3×M4维的功率矩阵P；
步骤10，设机载机会阵雷达以恒定脉冲重复频率发射K个脉冲，每个脉冲回波有L次距离采样；在GPU中，根据所述功率矩阵P计算得到机载机会阵雷达接收到的N2×K×L维的杂波数据矩阵
Figure FDA0003293121840000031
将其作为基于GPU的知识辅助机载机会阵的地杂波，并将所述杂波数据矩阵
Figure FDA0003293121840000032
从GPU显存传送到主机内存中。
2.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤2具体包括：
(2a)设机载机会阵的阵列主波束方向的单位矢量r0表示为：
Figure FDA0003293121840000033
其中，
Figure FDA0003293121840000034
和θ0分别是阵列主波束方向的单位矢量在以载机为原点的球坐标系下的方位角和俯仰角，上标T表示转置；
(2b)N1×3维的阵元指向矩阵Ed′与3×1维的阵列主波束方向的单位矢量r0相乘得到一个N1×1维的列矢量，如果该N1×1维的列矢量第n行的数值小于cosψ，ψ为预设角度值，则删除N1×3维的阵元坐标矩阵Ep′的第n行数据以及N1×3维阵元指向矩阵Ed′的第n行数据，n∈{1，2，…，N1}；设经过删除操作后，机载机会阵中包含的阵元数为N2。
3.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤5具体包括：
(5a)对于任意一个数字高程采样点，记其在大地坐标系下的坐标为(Lat，Lon，H)，将所述任意一个数字高程采样点在大地坐标系下的坐标(Lat，Lon，H)转换到地心地固坐标系下：
Figure FDA0003293121840000035
其中，Lat，Lon，H分别表示所述任意一个数字高程采样点在大地坐标系中的经度，纬度，海拔高度，x′，y′，z′表示所述任意一个数字高程采样点在地心地固坐标系下的三维坐标；N′为卯酉圆半径，
Figure FDA0003293121840000041
e为椭球的偏心率，a为椭球的长半轴，b为椭球的短半轴；
(5b)将所述任意一个数字高程采样点在地心地固坐标系下的坐标(x′,y′,z′)转换到东北天坐标系下：
Figure FDA0003293121840000042
其中，e′，n′，u′表示所述任意一个数字高程采样点在东北天坐标系下的三维坐标；β′和γ′分别表示载机在大地坐标系下的经度和纬度；
(5c)将所述任意一个数字高程采样点在东北天坐标系下的坐标(e′,n′,u′)转换到载机直角坐标系下：
Figure FDA0003293121840000043
其中，x,y,z表示所述任意一个数字高程采样点在载机直角坐标系下的三维坐标；α″表示载机横滚角，β″表示载机俯仰角，γ″表示载机偏航角；
(5d)将所述任意一个数字高程采样点在载机直角坐标系下的坐标(x,y,z)转换到载机球坐标系下：
Figure FDA0003293121840000044
Figure FDA0003293121840000045
Figure FDA0003293121840000046
其中，φ，θ，r分别表示所述任意一个数字高程采样点在载机球坐标系下的方位角，俯仰角，斜距。
4.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤6中，将M1×M2个数字高程采样点划分为M3×M4个杂波散射单元，具体包括：
将载机直角坐标系下载机坐标记为P0(x0,y0,z0)，所述M1×M2×3维的高程数据矩阵D中第m1行第m2列的某一数字高程采样点在载机直角坐标系下的坐标记为P1(x1,y1,z1)，将该数字高程采样点与位于第m1行第m2+1列的数字高程采样点P2(x2,y2,z2)、位于第m1+1行第m2列的数字高程采样点P3(x3,y3,z3)和位于第m1+1行第m2+1列的数字高程采样点P4(x4,y4,z4)形成的平面看作一个杂波散射单元；并将P1(x1,y1,z1)的位置信息作为对应的杂波散射单元的位置信息；从而得到矩形地理区域内包含的M3×M4个杂波散射单元，其中，M3＝M1-1，M4＝M2-1，m1∈{1,2,…,M1}，m2∈{1,2,…,M2}，M1和M2为大于1的正整数。
5.根据权利要求4所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤6中，计算每个杂波散射单元的擦地角，得到M3×M4维的擦地角矩阵F，具体包括：
数字高程采样点P1(x1,y1,z1)指向数字高程采样点P4(x4,y4,z4)的对角线矢量
Figure FDA0003293121840000051
表示为
Figure FDA0003293121840000052
数字高程采样点P2(x2,y2,z2)指向数字高程采样点P3(x3,y3,z3)的对角线矢量
Figure FDA0003293121840000053
表示为
Figure FDA0003293121840000054
数字高程采样点P1(x1,y1,z1)指向载机的视线矢量
Figure FDA0003293121840000055
表示为
Figure FDA0003293121840000056
则对应杂波散射单元的散射平面的法向矢量
Figure FDA0003293121840000057
用
Figure FDA0003293121840000058
和
Figure FDA0003293121840000059
的叉积表示为：
Figure FDA00032931218400000510
利用所述杂波散射单元的散射平面的法向矢量
Figure FDA00032931218400000511
和数字高程采样点P1(x1,y1,z1)指向载机的视线矢量
Figure FDA00032931218400000512
求得该杂波散射单元的擦地角β：
Figure FDA0003293121840000061
并行计算每个杂波散射单元的擦地角，从而得到M3×M4个杂波散射单元的擦地角组成的M3×M4维的擦地角矩阵F。
6.根据权利要求5所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，
步骤7中，对每个杂波散射单元进行遮挡判断，得到M3×M4维的遮挡判断矩阵v，具体包括：
当某一杂波散射单元的擦地角β≤0时，机载机会阵雷达的波束无法照射到该杂波散射单元，因此，将M3×M4维的擦地角矩阵F中所有数值大于0的位置赋值为1，所有数值小于或者等于0的位置赋值为0，从而得到M3×M4维的遮挡判断矩阵v；所述M3×M4维的遮挡判断矩阵v中1的数目即为未被遮挡的杂波散射单元的个数；
步骤7中，求解每个杂波散射单元的雷达截面积，得到M3×M4维的雷达截面积矩阵S，具体包括：
所述某一杂波散射单元的雷达截面积的计算公式为：
Figure FDA0003293121840000062
并行计算M3×M4个杂波散射单元的雷达截面积，得到M3×M4个杂波散射单元的雷达截面积组成的M3×M4维的雷达截面积矩阵S。
7.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤8具体为：
根据M3×M4维的地表覆盖分类数据C、M3×M4维的擦地角矩阵F及常量γ模型，计算任意一个杂波散射单元的后向散射系数σ：
Figure FDA0003293121840000071
其中，fc为雷达的载频，β为该杂波散射单元对应的擦地角，γavg为平均后向散射系数，σm为镜面散射系数，
Figure FDA0003293121840000072
为镜面反射区域角；
并行计算M3×M4个杂波散射单元的后向散射系数，得到M3×M4个杂波散射单元的后向散射系数组成的M3×M4维的后向散射系数矩阵Q。
8.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤9中，计算M3×M4维的方向图增益矩阵G，具体为：
(9a)记某个杂波散射单元在载机直角坐标系下的坐标为(x1,y1,z1)，根据该杂波散射单元在载机直角坐标系下的坐标和N2×3维的阵元坐标，得到该杂波散射单元到各个阵元的距离与杂波散射单元到载机的距离的差d，所述距离差d为N2×1维；从而得到该杂波散射单元的空域导向矢量
Figure FDA0003293121840000073
上标T表示转置，λ为雷达波长；
(9b)记阵列主波束方向的单位矢量在载机直角坐标系下的坐标为(x′0,y′0,z′0)，从而阵列的主波束导向矢量
Figure FDA0003293121840000074
(9c)该杂波散射单元对应的方向图增益g＝s1s0，并行计算所有杂波散射单元对应的方向图增益，得到M3×M4个杂波散射单元的方向图增益组成的M3×M4维的方向图增益矩阵G。
9.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤9中，根据每个杂波散射单元的雷达截面积，后向散射系数，方向图增益并行计算每个杂波散射单元的功率，得到M3×M4维的功率矩阵P，具体为：
某一个杂波散射单元的功率p表示为：
Figure FDA0003293121840000081
其中，Pt为雷达发射峰值功率，λ为雷达波长；σ为该杂波散射单元的后向散射系数；g为该杂波散射单元的方向图增益；s为该杂波散射单元的雷达截面积；r为该杂波散射单元到载机的斜距；
并行计算每个杂波散射单元的的功率，得到M3×M4个杂波散射单元的回波功率组成的M3×M4维的功率矩阵P。
10.根据权利要求1所述的一种基于GPU的知识辅助机载机会阵地杂波快速仿真方法，其特征在于，步骤10具体包括：
(10a)计算机载机会阵接收到的N2×K×L维的杂波数据矩阵
Figure FDA0003293121840000082
假设雷达在一个脉冲重复周期内，以恒定脉冲重复频率fr发射K个脉冲，每个脉冲回波有L次距离采样，雷达的载频为fc，波长为
Figure FDA0003293121840000083
带宽为B，光速为c，载机的高度为h，雷达的距离分辨率ΔR表示为
Figure FDA0003293121840000084
载机的速度为v′＝(vx,vy,vz)T，vx，vy，vz分别为载机速度在载机直角坐标系下的X轴分量，Y轴分量，Z轴的分量；
(10b)记某个杂波散射单元在载机直角坐标系下的坐标为(x1,y1,z1)，在以载机为原点的球坐标系下的坐标为
Figure FDA0003293121840000085
雷达指向该杂波散射单元的归一化矢量为n1＝(x1/r1,y1/r1,z1/r1)，则该杂波散射单元的归一化多普勒频率表示为
Figure FDA0003293121840000086
该杂波散射单元的时域导向矢量表示为
Figure FDA0003293121840000087
该杂波散射单元的空域导向矢量表示为
Figure FDA0003293121840000088
上标T表示转置，Ep表示N2×3维的阵元坐标矩阵；
(10c)根据公式
Figure FDA0003293121840000091
求得该杂波散射单元所在的距离门编号，r表示该杂波散射单元到载机的斜距，将所有距离门编号为l的未被遮挡的杂波散射单元的N2×K维的杂波数据
Figure FDA0003293121840000092
进行叠加，即可得到第l个距离门N2×K维的杂波数据Xl；其中，p表示该杂波散射单元的功率，l∈{1,2,…,L}，
Figure FDA0003293121840000093
表示Kronecker积；
l从1遍历到L，得到N2×K×L维的杂波数据矩阵
Figure FDA0003293121840000094
CN201810486798.3A 2018-05-18 2018-05-18 基于gpu的知识辅助机载机会阵地杂波快速仿真方法 Active CN108693510B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810486798.3A CN108693510B (zh) 2018-05-18 2018-05-18 基于gpu的知识辅助机载机会阵地杂波快速仿真方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810486798.3A CN108693510B (zh) 2018-05-18 2018-05-18 基于gpu的知识辅助机载机会阵地杂波快速仿真方法

Publications (2)

Publication Number Publication Date
CN108693510A CN108693510A (zh) 2018-10-23
CN108693510B true CN108693510B (zh) 2022-01-07

Family

ID=63846540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810486798.3A Active CN108693510B (zh) 2018-05-18 2018-05-18 基于gpu的知识辅助机载机会阵地杂波快速仿真方法

Country Status (1)

Country Link
CN (1) CN108693510B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109143174A (zh) * 2018-10-25 2019-01-04 中国电子科技集团公司第十四研究所 一种基于浮空平台的分布式机会阵雷达及其探测方法
CN109633585B (zh) * 2018-12-04 2023-01-13 南京航空航天大学 分布式机会阵雷达非合作目标动态回波的高精度计算方法
BR102021012475A2 (pt) 2020-09-15 2022-03-22 The Boeing Company Computador hospedeiro, método para executar chamadas de função gráfica em uma máquina virtual, e, máquina virtual
CN116577734B (zh) * 2023-07-13 2023-09-22 中国人民解放军空军预警学院 基于先验知识的机载雷达精细化杂波仿真方法与装置
CN117572423B (zh) * 2024-01-19 2024-04-16 逻安科技(天津)有限责任公司 多普勒孔径同收发机会阵雷达

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7542969B1 (en) * 2004-11-03 2009-06-02 Microsoft Corporation Domain knowledge-assisted information processing
CN103364764A (zh) * 2013-06-25 2013-10-23 西安电子科技大学 一种机载雷达非平稳杂波抑制方法
CN104076338A (zh) * 2014-07-08 2014-10-01 西安电子科技大学 基于数字高程和数字地表覆盖的机载雷达杂波仿真方法
CN107167783A (zh) * 2017-06-28 2017-09-15 西安电子科技大学 一种共形阵列杂波协方差矩阵的稀疏重构方法
CN107729627A (zh) * 2017-09-26 2018-02-23 西安电子科技大学 机会阵列天线的单元快速选取方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7542969B1 (en) * 2004-11-03 2009-06-02 Microsoft Corporation Domain knowledge-assisted information processing
CN103364764A (zh) * 2013-06-25 2013-10-23 西安电子科技大学 一种机载雷达非平稳杂波抑制方法
CN104076338A (zh) * 2014-07-08 2014-10-01 西安电子科技大学 基于数字高程和数字地表覆盖的机载雷达杂波仿真方法
CN107167783A (zh) * 2017-06-28 2017-09-15 西安电子科技大学 一种共形阵列杂波协方差矩阵的稀疏重构方法
CN107729627A (zh) * 2017-09-26 2018-02-23 西安电子科技大学 机会阵列天线的单元快速选取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Range-Dependent Clutter Suppression for Airborne Sidelooking Radar using MIMO Technique;JIANXIN WU et al.;《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》;20121031;第3647-3654页 *
Weighted Knowledge-aided Space Time Adaptive Processing in Heterogeneous Environments;Xuefang Lin et al.;《ICSPCC2016》;20161231;正文第1-4页 *
机载共形相控阵雷达二维杂波建模与分析;汤子跃 等;《系统工程与电子技术》;20011231;第42-47页 *

Also Published As

Publication number Publication date
CN108693510A (zh) 2018-10-23

Similar Documents

Publication Publication Date Title
CN108693510B (zh) 基于gpu的知识辅助机载机会阵地杂波快速仿真方法
CN106970386B (zh) 一种雷达多普勒波束锐化的优化方法
Lacomme Air and spaceborne radar systems: An introduction
Chang et al. SAR image simulation with application to target recognition
Xu et al. Imaging simulation of polarimetric SAR for a comprehensive terrain scene using the mapping and projection algorithm
CN106886021B (zh) 高分辨率星载sar成像质量提升方法
CN105137430B (zh) 一种前视阵列sar的回波稀疏获取及其三维成像方法
Huang et al. Multichannel sea clutter modeling for spaceborne early warning radar and clutter suppression performance analysis
GB2574490A (en) Airborne wind profiling portable radar system and method
CN114781190B (zh) 一种雷达探测能力仿真方法及装置
CN104076338B (zh) 基于数字高程和数字地表覆盖的机载雷达杂波仿真方法
CN107831475A (zh) 一种基于阴影特征的合成孔径雷达欺骗式干扰方法
CN107942295B (zh) 一种前视阵列sar系统的稀疏天线
Zhou et al. Synthesis of conformal array antenna for hypersonic platform SAR using modified particle swarm optimisation
CN112865897A (zh) 一种无人机对地面场景的非平稳信道仿真方法及系统
Skolnik Systems aspects of digital beam forming ubiquitous radar
Zhao et al. Research on the visibility of low‐orbit debris using space‐borne radar
Brandewie et al. FEKO™ simulation of radar scattering from objects in low earth orbit for ISAR imaging
Tan et al. Modeling and Characteristic Analysis for Air-Space Based Bistatic Radar
Sands Satellite electronic attack of enemy air defenses
Li et al. Sparse Bayesian learning based multichannel radar forward looking superresolution imaging considering off-grid error
RU2747883C1 (ru) Способ имитации радиосигнала
CN113406581B (zh) 一种箔条云的半实物射频仿真三元组馈电系数确定方法
CN112330091B (zh) 一种星载sar成像自主任务规划方法
Podkopayev et al. The Algorithm of the Two-dimensional Partially Coherent Model Synthesis of the Moisture Target Based on Its Multipoint Geometrical Starting Model

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