CN108872982A - 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 - Google Patents
雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 Download PDFInfo
- Publication number
- CN108872982A CN108872982A CN201810442226.5A CN201810442226A CN108872982A CN 108872982 A CN108872982 A CN 108872982A CN 201810442226 A CN201810442226 A CN 201810442226A CN 108872982 A CN108872982 A CN 108872982A
- Authority
- CN
- China
- Prior art keywords
- multiple scattering
- scattering
- characteristic
- radar
- target
- 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
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种雷达目标RCS近远场转换中多次散射特征的提取与校正处理方法,包括雷达目标近场电磁散射特性中多次散射特性鉴别、提取、入射源位置确定,并在近‑远场转换中对多次散射进行处理的方法,优点在于:(1)可实现目标电磁散射特性中多次散射特性的鉴别与目标上多次散射的激励源位置的确定;(2)实现了雷达目标电磁散射多次散射特性的提取:采用自适应分解方法对雷达目标近场二维图像进行分解,结合鉴别出的多次散射区域提取出多次散射特性参数,获得雷达目标近场多次散射特性;(3)采用确定的多次散射入射源位置对近场多次散射特性进行幅度加权,提高了包含多次散射特性的雷达目标散射特性近‑远场转换的精度。
Description
技术领域
本发明涉及雷达电磁散射特性测量的技术领域,具体涉及一种雷达目标RCS近远场转换中多次散射特征的提取与校正处理方法。
背景技术
现有用于雷达目标近场电磁散射特性测量数据开展远场外推的方法主要是基于散射中心假设的近场-远场外推方法。对于目标的电磁散射特性,假设各散射中心为一次散射,即不存在多次散射。
在近场测量中,通过转台旋转一周,可测量得到给定距离条件下的目标圆周近场散射测量数据,经过一维距离像加权矫正和方位向柱面波分解,计算得到目标的远场散射特性(参见文献[1-2]);也可在三维空间的多个位置进行测量,再通过平面波分解的方法将测量得到的近场散射特性转换为目标的远场散射特性(参见文献[3])。这些方法是假设目标的散射特性中不存在多次散射,所有散射中心均表现为一次散射特性。当实际目标的散射特性中包含有较强的多次散射时,这样处理得到的近-远场转换结果就存在较大误差。
在近-远场转换中,散射特性根据径向距离进行加权,多次散射特性的径向距离要大于入射源的实际距离,若直接采用一维径向距离像对应的距离进行加权,将降低近-远场转换的精度。通过对目标电磁散射特性中的多次散射特性的鉴别与提取,以及确定多次散射入射源的位置,将该位置用于多次散射特性的径向距离加权,提高了具有多次散射特性的雷达目标近-远场转换的精度。
与本发明相关的现有技术分析如下:
现有技术一:基于单圆周近场测量数据的近-远场转换
在目标雷达散射测量的近场-远场转换中,通过转台旋转实现对目标的近场圆周测量,获得目标的宽带近场散射数据,用于近-远场转换。
现有技术一中,假设近场散射测量距离为ρ0,测量得到的近场散射数据为其中,k为电磁波波数,φ为方位角,经过幅度加权修正后的近场散射数据为:
进而通过柱面波分解,得到远场平面波测量时的散射特性
其中,求和级数的阶数N=kL+10,L是包围目标且与测量圆同心的圆柱的最小直径,为n阶第二类汉克尔函数。
现有技术一的缺点:现有技术一是基于单圆周近场测量数据实现雷达目标的近-远场散射特性转换,该技术不考虑目标电磁散射机理中的多次散射特性,将所有散射特性假设为一次散射,这对于复杂目标如腔体、爬行波等散射机理产生的散射场,由于不能准确得到产生这些散射特征的入射源的准确位置,而是由其在一维距离像上的位置来近似,使得幅度加权时近似距离大于产生这些散射特征的实际距离,得到的远场散射特性中的多次散射特性被加强,从而使得计算得到的远场散射特性存在较大误差。这对于多次散射特性较强的复杂目标而言,现有技术一得到的远场散射特性准确性较低。
现有技术二:基于自适应高斯分解参数的非局部散射特性辨识
对于简单雷达目标,由于非局部散射中心的散射特性在空间上的通常具有一定的延展性。通过自适应高斯函数分解,将雷达目标沿径向距离上的散射特性分布以一组具有不同中心位置和宽度的高斯函数表示,从而可以通过比较各高斯函数的宽度,将宽度较大的高斯函数表示的散射中心认定为非局部散射(参见文献[4]),并将非局部散射特性的起始位置用于近-远场转换中近场散射特性的幅度加权处理。
现有技术二的缺点:对于复杂腔体的多次散射特性而言,该技术主要存在两点不足:(1)该技术将非局部散射源的位置确定在非局部散射源的起始位置,对于腔体的多次散射特性,其实际位置应在距离观测雷达更近的产生相应直接散射的位置;(2)与文献[4]中的非局部散射特性不同,对复杂腔体的多次散射特性进行自适应分解得到的基函数参数,与直接散射无明显差异。因此,该技术不适用于具有较强多次散射特性的雷达腔体目标的近-远场转换。
本发明参考文献如下:
[1]I.J.LaHaie,Generalization of circular and linear image-basedNFFFTs to off waterline collections,in Proc.of the 31th Annual Meeting of theAntenna Measurement Techniques Association(AMTA'09).2009.
[2]N.J.Li,C.F.Hu,L.X.Zhang,and J.D.Xu,Overview of RCS ExtrapolationTechniques to Aircraft Targets.Progress in Electromagnetics Research B,2008,9:p.249-262.
[3]G.Schnattinger,R.A.M.Mauermayer and T.F.Eibert,Monostatic RadarCross Section Near-Field Far-Field Transformations by Multilevel Plane-WaveDecomposition.IEEE Transactions on Antennas and Propagation,2014,62(8):p.4259-4268.
[4]S.A.Rice and Lee Harle,“Distinguishing localized and non-localizedscattering for improved near field-to-far field transformations,”inProceedings of the AMTA,2014,pp.102-106.
发明内容
本发明所要解决的技术问题为:本发明基于近场散射测量时多次散射特性与一次散射特性的差异,提出一种雷达目标多次散射特性的鉴别和提取方法,以及雷达目标RCS近远场转换中多次散射特性的校正处理方法,该方法主要包括雷达目标多次散射特性的鉴别和提取方法,以及目标RCS近远场转换中多次散射特性的校正处理方法。本发明所提出的雷达目标多次散射特性的鉴别和分离方法和近场-远场转换方法,同现有技术相比,在提高目标RCS近-远场转换精度中具有极为显著的技术优势,主要包括:(1)可实现对雷达目标电磁散射特性中多次散射特征的提取:通过分析二维近场雷达图像中散射中心的分布特征,可以从二维雷达图像中辨别出多次散射区域;(2)对雷达图像进行自适应分解,可准确提取出目标的多次散射特性;(3)通过定位激励产生多次散射的入射源位置,提高了近远场转换中多次散射幅度补偿的精度:将腔体入射源位置用于多次散射特性的幅度补偿,实现了电磁波因球面波传播导致的入射波功率衰减,从而可实现精确的目标近远场转换。
本发明采用的技术方案为:
1、雷达目标近场电磁散射特性中多次散射特性鉴别方法,该方法通过雷达目标近场散射特性测量结果的二维像,获取散射中心的分布特征,确定自适应阈值,鉴别出雷达目标近场二维像中的多次散射特性区域。具体方法如下所述。
近场测量距离为ρ0,近场散射数据为u(k,φ),其中,k为电磁波波数,φ为方位角。取中心方位角为φ0,方位角范围为的近场数据由傅里叶变换可得原始近场二维像为:
其中,表示作关于变量k的傅立叶变换,表示作关于变量的逆傅立叶变换。
对于二维像通过滑窗选取数据,计算各滑窗内幅度的均值和标准差。假设滑窗大小为(Δm+1)×(Δn+1),其中,Δm和Δn均为偶数,则滑窗中心位于(m0,n0)时的均值为α(m0,n0)。
对于所有滑窗,提取出均值α(m0,n0)超过阈值T0的滑窗,计算α(m0,n0)的均值α0和标准差δ0,从而可以得到判断多次散射特性区域的阈值T为:
T=α0+κδ0 (11)
其中,κ为标准差系数,为一常数。
通过比较滑窗均值α(m0,n0)和阈值T,确定滑窗内的散射中心是否由多次散射特性形成,即若α(m0,n0)>T,则该滑窗内的散射中心由多次散射特性形成;否则,该滑窗内的散射中心由一次散射特性形成。
2、雷达目标近场电磁散射特性中多次散射特性的激励源位置确定方法,该方法通过多次散射特性区域前方距离雷达更近的散射中心位置,将其视作目标上多次散射的激励源位置。具体表述如下。
在目标电磁散射测量中,散射中心距离雷达距离越远,在目标二维图像中的径向距离也就越远。作为多次散射特性的激励源,入射波既与激励源位置相互作用,又产生多次散射特性,因此,多次散射激励源位置到雷达的距离小于多次散射特性在二维雷达图像中的位置到雷达的距离。而且,激励源位于雷达和多次散射特性区域中心连线附近。
因此,在雷达和多次散射特性区域中心连线附近,搜索距离多次散射特性区域较近的散射中心视作多次散射激励源位置。
3、多次散射特性提取方法,采用调制sinc函数对目标二维雷达图像进行自适应分解,利用位于多次散射特性区域的参数表征多次散射特性。具体表述如下。
为了将多次散射特性从目标散射特性中提取出来,采用基于调制sinc函数的自适应分解方法来实现。
调制sinc函数随时间t变化的时域表达式为:
其中,为复幅度,tc为幅度峰值位置,即包络的时间中心,tw为主瓣的时间宽度参数,fc为调制频率。
对于雷达图像而言,以调制sinc函数表示的点扩散函数具有较为明确的物理含义,即频率带宽2/tw内,散射中心的散射特性一致;通过频率调制,即可表征该带宽的中心位置fc。从而,由傅里叶变换得到的雷达图像,其散射中心可由调制sinc函数表示。因此,在腔体的多次散射特性分离中采用调制sinc核函数进行自适应分解。
对于二维雷达图像而言,考虑到散射中心在径向和横向上的扩展,需要对二维雷达图像的径向和横向分别进行分解。根据鉴别的腔体多次散射区域,得到包含有旁瓣的两幅腔体多次散射的雷达图像。将这两幅图像叠加,其中,鉴别出的多次散射区域取两者的均值,从而得到了目标的多次散射特性。
4、雷达目标RCS近远场转换中的多次散射特性校正处理方法,该方法的具体步骤如下:
对于包含有多次散射特性的近场散射特性测量结果,对获取的多次散射特性和目标一次散射特性,分别采用恰当的径向距离进行幅度补偿,对于目标一次散射特性,直接采用一维距离像上各散射中心到雷达的距离进行幅度补偿,而对于多次散射特性,则采用确定的多次散射激励源位置到雷达的距离进行幅度补偿。
对于方位角时的近场数据,目标一次散射特性和多次散射特性分别表示为和u2(k,φ),分别进行径向距离上的幅度补偿,
其中,为方位角时多次散射特性的激励位置到雷达的距离。
从而得到经过幅度补偿的频域-方位数据
进而,通过方位向上的加权逆傅里叶变换得到目标的远场散射特性
其中,N为由包围目标的最小外接圆的直径D和电磁波波数k决定的求和阶数,取N=kD+10,为n阶第二类汉克尔函数。
本发明技术方案带来的有益效果为:
本发明所提出的雷达目标多次散射特性提取方法以及近远场转换中多次散射特性的校正方法,同已有的电磁散射测量近远场转换方法相比,在提高含有多次散射特性的雷达目标散射特性近远场转换精度方面具有显著优势,其主要技术优势包括:
(1)可实现多次散射特性鉴别和提取:采用近场测量数据进行二维逆合成孔径雷达成像,根据多次散射特性在二维雷达图像中的特征,鉴别出多次散射特性区域;采用自适应调制sinc函数分解方法对二维图像进行自适应分解,按照sinc函数的位置参数提取出位于多次散射特性区域中的散射中心,残余的散射特性为雷达目标的一次散射特性;并且,根据雷达观测的几何关系,多次散射特性的激励源位于多次散射特性区域前方距离观测雷达更近的位置,通过在多次散射区域前方寻找相邻最近的散射中心,将其确定为多次散射特性的激励源位置;
(2)可显著提高含有多次散射特征目标的近远场转换精度:采用确定的多次散射特性激励源位置用于近场散射特性的幅度校正,符合电磁散射形成的物理机理,进而通过近远场转换可获得雷达目标的高精度远场散射特性。
附图说明
图1为圆周单站近场雷达目标散射特性测量示意图;
图2为近场数据示意图;
图3为图像滑窗处理示意图;
图4为多次散射特性鉴别流程图;
图5为多次散射特性提取流程图;
图6为含有多次散射特性的雷达目标电磁散射特性近远场转换流程图;
图7为目标二维雷达图像(横轴Cross Range表示横向距离,纵轴Down Range表示径向距离);
图8为提取的目标多次散射图像(横轴Cross Range表示横向距离,纵轴DownRange表示径向距离);
图9为目标一次散射雷达图像(横轴Cross Range表示横向距离,纵轴Down Range表示径向距离);
图10为多次散射校正处理前后的RCS近远场转换结果,其中,图10(a)为未进行多次散射特性校正处理的目标RCS近远场转换结果,图10(b)为进行多次散射特性校正处理后采用(20)~(23)获得的目标RCS近远场转换结果,图10(c)为多次散射特性校正处理前后RCS近远场转换结果的误差对比。
具体实施方式
下面结合附图以及具体实施例进一步说明本发明。
本发明一种目标RCS近远场转换中多次散射特征的提取与校正处理方法,具体步骤如下:
步骤1、获取雷达目标近场二维像
采用图1所示的圆周单站近场雷达目标散射特性测量方式,获得近场频率-方位测量数据其中,近场测量距离为ρ0,k为电磁波波数,为方位角。取中心方位角为方位角宽度为方位角范围为即的近场数据其中如图2所示,从而经傅里叶变换可得由原始近场获得的复数二维雷达图像
其中,表示作关于变量k的傅立叶变换,表示作关于变量的逆傅立叶变换。
步骤2、多次散射特性鉴别
对于二维雷达图像根据图3所示的多次散射鉴别流程,通过图4所示的滑窗选取图像数据,计算各滑窗内幅度的均值和标准差。假设滑窗大小为(Δm+1)×(Δn+1),其中,Δm和Δn均为偶数,则滑窗中心位于(m0,n0)时的均值为α(m0,n0)。
对于所有滑窗,提取出均值α(m0,n0)超过阈值T0的滑窗,计算α(m0,n0)的均值α0和标准差δ0,从而可以得到判断多次散射特性区域的阈值T为:
T=α0+κδ0 (18)
其中,κ为标准差系数,为一常数。
通过比较滑窗均值α(m0,n0)和阈值T,确定滑窗内的散射中心是否由多次散射特性形成,即若α(m0,n0)>T,则该滑窗内的散射中心由多次散射特性形成;否则,该滑窗内的散射中心由一次散射特性形成。
步骤3、多次散射特性的激励源位置的确定
在目标电磁散射测量中,散射中心距离雷达距离越远,在目标二维图像中的径向距离也就越远。作为多次散射特性的激励源,入射波既与目标直接相互作用,又产生多次散射特性,因此,在雷达视线径向方向上,激励源位置到雷达的距离小于多次散射特性在二维雷达图像中的位置到雷达的距离。而且,激励源位于雷达和多次散射特性区域中心连线附近。
因此,在雷达和多次散射特性区域中心连线附近,搜索距离多次散射特性区域最近的散射中心视作多次散射特性激励源的位置。
步骤4、多次散射特性提取
根据图5所示的多次散射特性提取流程,在完成多次散射特性鉴别的基础上,为了将多次散射特性从目标散射特性中提取出来,采用自适应参数化分解方法来实现。考虑到雷达信号的点扩散函数,采用基于调制sinc函数的自适应分解方法。
调制sinc函数的时域表达式为:
其中,为复幅度,tc为幅度峰值位置,即包络的时间中心,tw为主瓣的时间宽度参数,fc为调制频率。
对于二维雷达图像而言,考虑到散射中心在径向和横向上的扩展,需要对二维雷达图像的径向和横向分别进行分解。根据鉴别的腔体多次散射区域,得到包含有旁瓣的两幅腔体多次散射的雷达图像。将这两幅图像叠加,其中,鉴别出的多次散射区域取两者的均值,从而得到了目标的多次散射特性。
步骤5、含有多次散射特性的雷达目标RCS近远场转换
根据图6所示的对含有多次散射特性的雷达目标的RCS近远场转换流程,对于方位角时的近场数据,目标一次散射特性和腔体多次散射特性分别表示为和u2(k,φ),分别进行径向距离上的幅度补偿,
其中,为方位角时腔体口面到雷达的距离。
从而得到经过幅度补偿的频域-方位数据
进而,通过方位向上的加权逆傅里叶变换得到目标的远场散射特性
其中,N为由包围目标的最小外接圆的直径D和电磁波波数k决定的求和阶数,取N=kD+10,为n阶第二类汉克尔函数。
对于图7所示的含有目标多次散射特性的二维雷达图像,其中横轴Crossrange表示横向距离,纵轴Downrange表示径向距离,图8给出了提取的目标多次散射图像,其中横轴Crossrange表示横向距离,纵轴Downrange表示径向距离,图9为目标一次散射雷达图像,其中横轴Crossrange表示横向距离,纵轴Downrange表示径向距离,图10(a)为未进行多次散射特性校正处理的目标RCS近远场转换结果,图10(b)为进行多次散射特性校正处理后采用(20)~(23)获得的目标RCS近远场转换结果,图10(c)为多次散射特性校正处理前后RCS近远场转换结果的误差对比,其中,转换结果1为不进行多次散射校正处理的近远场转换结果统计曲线,转换结果2为多次散射校正处理后的近远场转换结果统计曲线。通过对比,可以看出多次散射特性校正处理有效提高了近远场转换的精度。
需要指出的是,图7~图10给出的实施结果仅仅是本发明技术具体实施中的一个示例。
Claims (3)
1.一种雷达目标RCS近远场转换中多次散射特征的提取与校正处理方法,其特征在于:该方法的具体步骤如下:
步骤1、获取雷达目标近场二维像
近场测量距离为ρ0,近场散射数据为u(k,φ),其中,k为电磁波波数,φ为方位角;取中心方位角为φ0,方位角范围为的近场数据由傅里叶变换可得原始近场二维像为:
其中,表示作关于变量k的傅立叶变换,表示作关于变量的逆傅立叶变换;
步骤2、多次散射特性鉴别
对于二维像通过滑窗选取数据,计算各滑窗内幅度的均值和标准差;假设滑窗大小为(Δm+1)×(Δn+1),其中,Δm和Δn均为偶数,则滑窗中心位于(m0,n0)时的均值为α(m0,n0);
对于所有滑窗,提取出均值α(m0,n0)超过阈值T0的滑窗,计算α(m0,n0)的均值α0和标准差δ0,从而可以得到判断多次散射特性区域的阈值T为:
T=α0+κδ0 (2)
其中,κ为标准差系数,为一常数;
通过比较滑窗均值α(m0,n0)和阈值T,确定滑窗内的散射中心是否由多次散射特性形成,即若α(m0,n0)>T,则该滑窗内的散射中心由多次散射特性形成;否则,该滑窗内的散射中心由一次散射特性形成;
步骤3、多次散射特性激励源位置的确定
在目标电磁散射测量中,散射中心距离雷达距离越远,在目标二维图像中的径向距离也就越远;作为多次散射特性的激励源,入射波既与激励源位置相互作用,又产生多次散射特性,因此,多次散射激励源位置到雷达的距离小于多次散射特性在二维雷达图像中的位置到雷达的距离;而且,激励源位于雷达和多次散射特性区域中心连线附近;
因此,在雷达和多次散射特性区域中心连线附近,搜索距离多次散射特性区域较近的散射中心视作多次散射激励源位置;
步骤4、多次散射特性分离
在完成多次散射特性鉴别的基础上,为了将多次散射特性从目标散射特性中分离出来,采用自适应参数化分解方法来实现;考虑到雷达信号的点扩散函数,采用基于调制sinc函数的自适应分解方法;
调制sinc函数的随时间t变化的时域表达式为:
其中,为复幅度,tc为幅度峰值位置,即包络的时间中心,tw为主瓣的时间宽度参数,fc为调制频率;
对于二维雷达图像而言,考虑到散射中心在径向和横向上的扩展,需要对二维雷达图像的径向和横向分别进行分解;根据鉴别的腔体多次散射区域,得到包含有旁瓣的两幅腔体多次散射的雷达图像;将这两幅图像叠加,其中,鉴别出的多次散射区域取两者的均值,从而得到了目标的多次散射特性;
步骤5、含有多次散射特性的雷达目标电磁散射近-远场转换
对于包含有腔体多次散射特性的近场散射特性测量结果,对获取的多次散射特性和目标一次散射特性,分别采用恰当的径向距离进行幅度补偿,对于目标一次散射特性,直接采用一维距离像上各散射中心到雷达的距离进行幅度补偿,而对于腔体多次散射特性,则采用确定的腔体口面位置到雷达的距离进行幅度补偿;
对于方位角时的近场数据,目标一次散射特性和多次散射特性分别表示为和u2(k,φ),分别进行径向距离上的幅度补偿,
其中,为方位角时腔体口面到雷达的距离;
从而得到经过幅度补偿的频域-方位数据
进而,通过方位向上的加权逆傅里叶变换得到目标的远场散射特性
其中,N为由包围目标的最小外接圆的直径D和电磁波波数k决定的求和阶数,取N=kD+10,为n阶第二类汉克尔函数。
2.一种雷达目标近场电磁散射特性中多次散射特性鉴别方法,其特征在于:该方法通过雷达目标近场散射特性测量结果的二维像,获取散射中心的分布特征,确定自适应阈值,鉴别出雷达目标近场二维像中的多次散射特性区域。
3.一种雷达目标近场电磁散射特性中多次散射特性的入射源位置确定方法,其特征在于:该方法通过多次散射特性区域前方距离雷达更近的散射中心位置,将其视作目标上多次散射的激励源位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810442226.5A CN108872982B (zh) | 2018-05-10 | 2018-05-10 | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810442226.5A CN108872982B (zh) | 2018-05-10 | 2018-05-10 | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108872982A true CN108872982A (zh) | 2018-11-23 |
CN108872982B CN108872982B (zh) | 2022-05-17 |
Family
ID=64333588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810442226.5A Active CN108872982B (zh) | 2018-05-10 | 2018-05-10 | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108872982B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799490A (zh) * | 2018-12-03 | 2019-05-24 | 上海无线电设备研究所 | 一种平面波谱方向可选择的近远场转换加速方法 |
CN110133682A (zh) * | 2019-01-08 | 2019-08-16 | 西安电子科技大学 | 星载全方位sar自适应目标三维重建方法 |
CN111624605A (zh) * | 2020-05-27 | 2020-09-04 | 哈尔滨工程大学 | 一种基于角度维回波特征的航海雷达目标检测方法 |
CN112070697A (zh) * | 2020-09-07 | 2020-12-11 | 北京环境特性研究所 | 一种基于逆二维像的局部散射特性评估方法及装置 |
CN112731325A (zh) * | 2020-12-23 | 2021-04-30 | 北京航空航天大学 | 一种进气道类腔体目标散射测量方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5959566A (en) * | 1998-03-27 | 1999-09-28 | Lockheed Martin Corporation | Method and system for detecting moving objects using a synthetic aperture radar system |
CN101498788A (zh) * | 2008-02-01 | 2009-08-05 | 清华大学 | 一种逆合成孔径雷达的目标转角估计和横向定标方法 |
CN101620272A (zh) * | 2008-07-02 | 2010-01-06 | 清华大学 | 一种逆合成孔径雷达的目标转速估计方法 |
CN102323577A (zh) * | 2011-09-08 | 2012-01-18 | 北京理工雷科电子信息技术有限公司 | 一种基于能量积累的高分辨雷达双门限检测器 |
CN102944872A (zh) * | 2012-11-23 | 2013-02-27 | 北京航空航天大学 | 雷达散射截面近场到近场的变换方法 |
CN103487789A (zh) * | 2013-09-23 | 2014-01-01 | 北京航空航天大学 | 应用于复杂目标多次散射的雷达散射截面快速获取方法 |
CN103852758A (zh) * | 2014-02-26 | 2014-06-11 | 北京航空航天大学 | 隐身飞机散射特性现场快速判定方法及装置 |
CN106054184A (zh) * | 2016-05-23 | 2016-10-26 | 北京环境特性研究所 | 一种估计目标散射中心位置参数的方法 |
CN106291550A (zh) * | 2016-07-27 | 2017-01-04 | 西安电子科技大学 | 基于局部散射机制差异回归核的极化sar舰船检测方法 |
CN106680812A (zh) * | 2016-10-27 | 2017-05-17 | 西安空间无线电技术研究所 | 一种基于解析面元的微波关联成像仿真方法 |
-
2018
- 2018-05-10 CN CN201810442226.5A patent/CN108872982B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5959566A (en) * | 1998-03-27 | 1999-09-28 | Lockheed Martin Corporation | Method and system for detecting moving objects using a synthetic aperture radar system |
CN101498788A (zh) * | 2008-02-01 | 2009-08-05 | 清华大学 | 一种逆合成孔径雷达的目标转角估计和横向定标方法 |
CN101620272A (zh) * | 2008-07-02 | 2010-01-06 | 清华大学 | 一种逆合成孔径雷达的目标转速估计方法 |
CN102323577A (zh) * | 2011-09-08 | 2012-01-18 | 北京理工雷科电子信息技术有限公司 | 一种基于能量积累的高分辨雷达双门限检测器 |
CN102944872A (zh) * | 2012-11-23 | 2013-02-27 | 北京航空航天大学 | 雷达散射截面近场到近场的变换方法 |
CN103487789A (zh) * | 2013-09-23 | 2014-01-01 | 北京航空航天大学 | 应用于复杂目标多次散射的雷达散射截面快速获取方法 |
CN103852758A (zh) * | 2014-02-26 | 2014-06-11 | 北京航空航天大学 | 隐身飞机散射特性现场快速判定方法及装置 |
CN106054184A (zh) * | 2016-05-23 | 2016-10-26 | 北京环境特性研究所 | 一种估计目标散射中心位置参数的方法 |
CN106291550A (zh) * | 2016-07-27 | 2017-01-04 | 西安电子科技大学 | 基于局部散射机制差异回归核的极化sar舰船检测方法 |
CN106680812A (zh) * | 2016-10-27 | 2017-05-17 | 西安空间无线电技术研究所 | 一种基于解析面元的微波关联成像仿真方法 |
Non-Patent Citations (2)
Title |
---|
XIAOJIAN XU ET AL.: "Fast and Accurate RCS Calculation for Squat Cylinder Calibrators", 《MEASUREMENTS CORNER》 * |
邓平 等: "一种新的基于LPMD的散射路径识别算法", 《西南交通大学学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109799490A (zh) * | 2018-12-03 | 2019-05-24 | 上海无线电设备研究所 | 一种平面波谱方向可选择的近远场转换加速方法 |
CN110133682A (zh) * | 2019-01-08 | 2019-08-16 | 西安电子科技大学 | 星载全方位sar自适应目标三维重建方法 |
CN110133682B (zh) * | 2019-01-08 | 2023-02-10 | 西安电子科技大学 | 星载全方位sar自适应目标三维重建方法 |
CN111624605A (zh) * | 2020-05-27 | 2020-09-04 | 哈尔滨工程大学 | 一种基于角度维回波特征的航海雷达目标检测方法 |
CN111624605B (zh) * | 2020-05-27 | 2022-07-15 | 哈尔滨工程大学 | 一种基于角度维回波特征的航海雷达目标检测方法 |
CN112070697A (zh) * | 2020-09-07 | 2020-12-11 | 北京环境特性研究所 | 一种基于逆二维像的局部散射特性评估方法及装置 |
CN112070697B (zh) * | 2020-09-07 | 2024-01-19 | 北京环境特性研究所 | 一种基于逆二维像的局部散射特性评估方法及装置 |
CN112731325A (zh) * | 2020-12-23 | 2021-04-30 | 北京航空航天大学 | 一种进气道类腔体目标散射测量方法 |
CN112731325B (zh) * | 2020-12-23 | 2023-12-01 | 北京航空航天大学 | 一种进气道类腔体目标散射测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108872982B (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108872982A (zh) | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 | |
Streich et al. | Accurate imaging of multicomponent GPR data based on exact radiation patterns | |
Li et al. | An improved radon-transform-based scheme of Doppler centroid estimation for bistatic forward-looking SAR | |
Duquenoy et al. | Scatterers characterisation in radar imaging using joint time–frequency analysis and polarimetric coherent decompositions | |
CN110161478B (zh) | 一种基于杂波功率谱密度自优化的波形设计方法 | |
Tulgar et al. | Improved pencil back-projection method with image segmentation for far-field/near-field SAR imaging and RCS extraction | |
Sun et al. | The orientation estimation of elongated underground objects via multipolarization aggregation and selection neural network | |
CN110596706B (zh) | 一种基于三维图像域投射变换的雷达散射截面积外推方法 | |
Liang et al. | Accurate near-field millimeter-wave imaging of concave objects—A case study of dihedral structures under monostatic array configurations | |
Lu et al. | Analysis and calibration of crossed-loop antenna for vessel DOA estimation in HF radar | |
Zhou et al. | Multiparameter adaptive target classification using full-polarimetric GPR: A novel approach to landmine detection | |
Saillard et al. | Reconstruction of buried objects surrounded by small inhomogeneities | |
CN103941246A (zh) | 基于压缩感知和目标先验信息的成像鉴别一体化方法 | |
Guo et al. | Miss distance estimation based on scattering center model using time-frequency analysis | |
Dong et al. | Multi-aspect detection of surface and shallow-buried unexploded ordnance via ultra-wideband synthetic aperture radar | |
Smith et al. | Resolution depths for some transmitter-receiver configurations | |
Arivazhagan et al. | Optimal Gabor sub-band-based spectral kurtosis and Teager Kaiser energy for maritime target detection in SAR images | |
Wang et al. | Interference image registration combined by enhanced scale-invariant feature transform characteristics and correlation coefficient | |
Ji et al. | Research on synthetic aperture radar imaging technology of one-dimensional layered rough surfaces | |
Yujie et al. | The distributed SAR imaging method for cylinder target | |
Massaloux et al. | Indoor 3D spherical near field RCS measurement facility: Localization of scatterers | |
Song et al. | Ground-penetrating radar land mine imaging: Two-dimensional seismic migration and three-dimensional inverse scattering in layered media | |
Xing et al. | A convolutional neural network for parameter estimation of the bi-gtd model | |
Ji et al. | SAR Imagery Simulation of Ship Based on Electromagnetic Calculations and Sea Clutter Modelling for Classification Applications | |
Cao et al. | A Machine Learning-Based Algorithm for Through-Wall Target Tracking by Doppler TWR |
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 |