CN109031211A - 一种基于序列优化的认知雷达稳健旁瓣抑制方法 - Google Patents
一种基于序列优化的认知雷达稳健旁瓣抑制方法 Download PDFInfo
- Publication number
- CN109031211A CN109031211A CN201810430457.4A CN201810430457A CN109031211A CN 109031211 A CN109031211 A CN 109031211A CN 201810430457 A CN201810430457 A CN 201810430457A CN 109031211 A CN109031211 A CN 109031211A
- Authority
- CN
- China
- Prior art keywords
- receiving filter
- transmitted waveform
- optimal
- range resolution
- waveform
- 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
- 238000000034 method Methods 0.000 title claims abstract description 98
- 230000001629 suppression Effects 0.000 title claims abstract description 31
- 230000019771 cognition Effects 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 230000006870 function Effects 0.000 claims abstract description 16
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000005311 autocorrelation function Methods 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种基于序列优化的认知雷达稳健旁瓣抑制方法,其步骤:将待测区域按距离分辨单元进行划分,依次对每一距离分辨单元进行发射‑接收联合优化,建立目标函数搜索最优发射波形和接收滤波器;采用循环优化方法求解目标函数,以使旁瓣抑制性能满足预先设定的要求:针对第l个距离分辨单元,求解发射波形与接收滤波器的联合优化问题,在每一次迭代中,将联合优化问题分解为两个独立的优化问题:①固定波形优化接收滤波器②在已知滤波器的基础上优化波形本发明根据实时反馈的场景信息调整收发系统,有效提高了雷达对环境的感知能力,从而改善了旁瓣抑制性能,提高抗噪声稳健性。
Description
技术领域
本发明涉及一种认知雷达旁瓣抑制方法,特别是关于一种基于序列优化的认知雷达稳健旁瓣抑制方法。
背景技术
随着雷达信号带宽的增大和分辨率的提升,目标回波模型变成多散射中心模型,当距离像中相邻位置上存在目标时,匹配滤波器输出可能会出现:1)强目标旁瓣掩盖弱目标;2)大量虚假目标。如何实现距离旁瓣的有效抑制,是改善雷达探测性能,尤其是微弱目标的探测性能的关键。为解决该问题,现有技术中常采用以下方法进行解决:
1、采用失配滤波器进行旁瓣抑制,该方法以一定的信噪比损失为代价,且抑制效果有限。2、CLEAN算法估计大目标所在位置并清除大目标距离旁瓣的影响,该算法对弱小目标的提取效果并不理想。3、基于迭代最小均方误差(Reiterative Minimum Mean SquareError,RMMSE)的自适应脉冲压缩方法,该方法利用先验距离像信息进行迭代,实现距离旁瓣自适应抑制。4、基于迭代线性约束最小方差(Reiterative Linearly ConstrainedMinimum Variance,RLCMV)的自适应脉冲压缩方法,引入波束形成器算法对目标及干扰单元进行线性约束,解决了目标散射点与采样中心失配时旁瓣抑制性能下降的问题。以上研究主要着力于接收端滤波器的优化,未对发射波形进行调整,旁瓣抑制性能存在一定局限性。5、以随机噪声发射信号自相关函数的峰值旁瓣电平和综合积分旁瓣比作为评价指标,提出发射波形的优化方法,降低自相关函数旁瓣的影响,实现超宽带噪声雷达的距离旁瓣抑制。6、还有一系列循环迭代算法,如CA,CAP,CAN,WeCAN等,用于优化发射信号序列自相关函数整体或特定区间旁瓣,以抑制不同信号回波之间的相互干扰。但这些方法均沿用匹配滤波技术,故无法摆脱距离旁瓣(或自相关旁瓣)的影响,导致距离旁瓣抑制性能瓶颈。
认知雷达是一种新型雷达体制,具有智能化的实时环境感知和自我调整能力,可根据周围环境变化自适应调节工作模式、发射波形和接收机信号处理方法,是一种动态闭环反馈系统。利用发射波形和接收滤波器的联合优化,可显著提升雷达在目标检测、跟踪、估计、识别及成像等方面的性能,因此是现代雷达发展的重要研究方向,受到国内外雷达工作者广泛关注。现有技术中采用基于先验目标冲激响应(Target Impulse Response,TIR),依据最大化输出信噪比(Signal-to-Noise Ratio,SNR)准则,联合优化发射波形和接收滤波器,提高对距离旁瓣的抑制性能。然而,目标雷达截面积(Radar Cross Section,RCS)通常是时变的,且对照射角度敏感,所用TIR与其真实值的误差导致旁瓣抑制性能下降。而现有的先估计后检测(Estimation Before Detection,EBD)方法,首先采用最大似然估计器估计目标TIR,接着基于最大SNR准则设计发射波形,二者交替进行,实现对不同距离单元干扰信号的抑制,进而提高检测性能。然而该方法是对TIR进行整体估计,对旁瓣的抑制缺乏针对性,且不利于信息的充分利用和误差的及时校正。
发明内容
针对上述问题,本发明的目的是提供一种基于序列优化的认知雷达稳健旁瓣抑制方法,该方法根据实时反馈的场景信息调整收发系统,有效提高了雷达对环境的感知能力,从而改善了旁瓣抑制性能,提高抗噪声稳健性。
为实现上述目的,本发明采取以下技术方案:一种基于序列优化的认知雷达稳健旁瓣抑制方法,其包括以下步骤:1)将待测区域按距离分辨单元进行划分,依次对每一距离分辨单元进行发射-接收联合优化,建立目标函数搜索最优发射波形和接收滤波器;2)采用循环优化方法求解目标函数,以使旁瓣抑制性能满足预先设定的要求:针对第l个距离分辨单元,求解发射波形与接收滤波器的联合优化问题,在每一次迭代中,将联合优化问题分解为两个独立的优化问题:①固定波形优化接收滤波器②在已知滤波器的基础上优化波形
进一步,所述步骤1)中,基于最小均方误差准则,建立目标函数:
式中,CE为发射波形能量;为用于第l个距离分辨单元检测的波形,sln为波形向量sl的第n个时域离散采样点,n=1,2,..,N,N为自然数,表示复数域,[·]T为转置算子;hl为用于处理对应第l个距离分辨单元回波的接收滤波器;为估计值的MSE;L为距离分辨单元的个数。
进一步,所述步骤2)中,采用循环优化方法对发射波形与接收滤波器的联合优化问题求解步骤如下:2.1)根据最优接收滤波器和RCS估计值构建环境信息库,在已知发射波基础上,采用以现有方法得到的各散射点RCS估计值作为迭代初始值,令m表示整体轮询更新次数,设置m=1;2.2)在第m轮更新中,针对第l个距离分辨单元,基于当前最优发射波形和场景内各距离单元散射点估计值寻找使估计值的MSE最小化的最优接收滤波器2.3)在第m轮更新中,基于当前最优接收滤波器和场景内各距离单元散射点估计值搜索满足约束条件的能够使估计值的MSE最小化的最优发射波形2.4)返回步骤2.2)、步骤2.3)中交替迭代,当最优接收滤波器和最优发射波形满足终止条件,迭代停止,变化趋于平稳时获得针对第l个距离分辨单元的最优发射波形和最优接收滤波器将其用于αl的估计,并将最优发射波形最优接收滤波器和αl的最新估计值存入环境信息库中;当遍历所有距离分辨单元后,令m=m+1,再继续重复执行各步骤进行下一轮更新,直至旁瓣抑制性能满足系统预先设定的要求。
进一步,判断循环优化方法是否收敛:
式中,第一个不等号是由于接收滤波器对于发射波形的最优性所致,第二个不等号是由于发射波形对于接收滤波器的最优性所致,故随着优化和估计在雷达工作场景中逐个距离分辨单元的进行,TIR整体估计误差将逐步减小,从而确保了采用的循环优化方法的收敛性。
进一步,所述步骤2.2)中,当已知发射波形sl时,即可确定,则为:
式中,上式为典型的最小方差无畸变响应问题,其最优解为
进一步,所述步骤2.3)中,约束条件为发射波形能量恒定。
进一步,所述步骤2.3)中,已知接收滤波器hl时,求解最优发射波形sl方法如下:将目标函数待求解优化问题等价为:
式中,
由于故式(1)中待求解问题等价于
式中,为RH,l的左上角N×N子阵,为hl前N个元素组成的子向量;
进而求得使最小化的最优发射波形应为
本发明由于采取以上技术方案,其具有以下优点:1、本发明能依据MMSE准则,针对某一距离单元设计最优发射波形与接收滤波器以抑制其他距离单元信号的干扰和噪声,并用于该距离单元散射点RCS估计,所获估计值用于后续距离单元的波形优化和滤波器设计,上述过程在雷达作用区域各距离单元序贯进行,即可不断利用反馈信息更新认知雷达环境信息库和收发系统,以更优地获取和利用雷达外部工作环境信息,从而依次抑制不同距离单元、不同大小目标的旁瓣,并具有一定的稳健性。2、本发明构建了一个闭环系统,根据实时反馈的场景信息调整收发系统,提高雷达对环境的感知能力,从而改善旁瓣抑制性能,提高抗噪声稳健性。3、本发明能降低认知雷达扩展目标不同距离单元信号间的串扰,逐个针对每个距离单元优化发射波形和接收滤波器,以此估计当前距离单元散射点RCS,并将其用于后续距离单元的优化和估计,增强了认知雷达对工作环境的感知能力,丰富了信息库,提高了所使用先验知识的准确率,故而可改善旁瓣抑制性能,提高对目标的一维距离像成像精度,并具有较好的抗噪声稳健性,有利于提高雷达对复杂战场的适应能力。
附图说明
图1是本发明基于SO检测法流程图示意图;
图2是本发明实施例中的SR-71侦察机一维高分辨距离像示意图;
图3a是时,APC法检测估计结果示意图;
图3b是时,EBD法检测估计结果示意图;
图3c是时,本发明的抑制方法检测估计结果示意图;
图4是APC法、EBD法以及本发明的抑制方法MSE随迭代次数的变化曲线示意图;
图5a是当时,APC法所获得的估计结果示意图;
图5b是当时,EBD法所获得的估计结果示意图;
图5c是当时,本发明方法所获得的估计结果示意图;
图6是APC法、EBD法和本发明方法可获得的MSE示意图。
具体实施方式
由于距离旁瓣可能导致强目标旁瓣掩盖弱目标以及大量虚假目标的出现,针对认知雷达旁瓣抑制问题,本发明提出一种基于序列优化的认知雷达稳健旁瓣抑制方法。下面结合附图和实施例对本发明进行详细的描述。
本发明的基于序列优化的认知雷达稳健旁瓣抑制方法包括以下步骤:
1)将待测区域按距离分辨单元进行划分,依次对每一距离分辨单元进行发射-接收联合优化,即建立目标函数搜索最优发射波形和接收滤波器以抑制其他距离分辨单元信号的干扰和噪声,来降低该距离单元内散射点RCS(雷达截面积)估计误差;
基于最小均方误差(MMSE)准则,建立目标函数为:
式中,CE为发射波形能量,即要求发射波形能量恒定;其中,为用于第l个距离分辨单元检测的波形,sln(n=1,2,...,N,N为自然数)为波形向量sl的第n个时域离散采样点,表示复数域,[·]T为转置算子;hl为用于处理对应第l个距离分辨单元回波的接收滤波器;为估计值的MSE;L为距离分辨单元的个数。
目标函数的建立方法如下:
1.1)假设雷达工作场景共包含L个距离分辨单元,αl(l=1,…,L)表示第l个距离分辨单元内散射点RCS。用长度为N的向量sl=[sl1sl2...slN]T表示发射波形。故对应第l个距离分辨单元的回波为:
式中,为时延矩阵,k∈l,且k≠l,为第k个距离分辨单元相较于第l个距离分辨单元到达接收滤波器的时延差矩阵,Jk-l表示时延矩阵J的k-l次方;为对应第l个距离分辨单元的加性高斯白噪声,均值为0,协方差矩阵为E[·]为期望算子。
式(2)中第1项为当前第l个距离单元αl的信号分量,第2项为其他距离单元的信号分量,可视为干扰信号,第3项为噪声分量。
1.2)假设用于处理对应第l个距离分辨单元回波的接收滤波器为则滤波结果为:
其中,[·]H为共轭转置算子;
故第l个距离分辨单元RCS的估计值为:
式中,后两项误差项是由其他距离单元回波信号和噪声造成的,为其他距离单元信号和噪声在第l个距离单元旁瓣的叠加,抑制旁瓣可降低估计误差。
1.3)估计值的MSE为:
由此可知,与发射波形和接收滤波器均有关系,故针对每一距离分辨单元,基于MMSE准则采用联合优化发射波形及接收滤波器的方法来降低估计误差,根据建立目标函数。
2)采用循环优化方法求解目标函数,以使旁瓣抑制性能满足预先设定的要求:针对第l个距离分辨单元,求解发射波形与接收滤波器的联合优化问题,即在每一次迭代中,将联合优化问题分解为两个独立的优化问题:①固定波形优化接收滤波器②在已知滤波器的基础上优化波形
2.1)根据最优接收滤波器和RCS估计值构建环境信息库,在已知发射波基础上,采用以现有方法(例如匹配滤波器)得到的各散射点RCS估计值作为迭代初始值,令m表示整体轮询更新次数,设置m=1;
2.2)在第m轮更新中,针对第l个距离分辨单元,基于当前最优发射波形和场景内各距离单元散射点估计值寻找使估计值的MSE最小化的最优接收滤波器
当已知发射波形sl时,即可确定,则为:
式中,式(6)是典型的最小方差无畸变响应问题,其最优解为
2.3)在第m轮更新中,基于当前最优接收滤波器和场景内各距离单元散射点估计值搜索满足约束条件的能够使估计值的MSE最小化的最优发射波形其中,约束条件为发射波形能量恒定。
已知接收滤波器hl时,求解最优发射波形sl过程如下:
将式(1)中目标函数待求解优化问题等价为:
式中,
由于故式(7)中待求解问题等价于
式中,为RH,l的左上角N×N子阵,为hl前N个元素组成的子向量。
进而求得使最小化的最优发射波形应为
2.4)返回步骤2.2)、步骤2.3)中交替迭代,当最优接收滤波器和最优发射波形满足终止条件,迭代停止,变化趋于平稳时即可获得针对第l个距离分辨单元的最优发射波形和最优接收滤波器将其用于αl的估计,并将最优发射波形最优接收滤波器和αl的最新估计值存入环境信息库中,以便对下一个距离分辨单元进行求解,当遍历所有距离分辨单元后,令m=m+1,再继续重复执行各步骤进行下一轮更新,直至旁瓣抑制性能满足系统预先设定的要求。
2.5)判断循环优化方法是否收敛:
式中,第一个不等号是由于接收滤波器对于发射波形的最优性所致,第二个不等号是由于发射波形对于接收滤波器的最优性所致,故而随着优化和估计在雷达工作场景中逐个距离分辨单元的进行,TIR整体估计误差将逐步减小,从而确保了本发明采用的循环优化方法的收敛性。
实施例:
为验证本发明方法的有效性和优越性,通过以下2组仿真实验,从成像精度、算法收敛性以及抗噪声稳健性等方面,分别将APC法和EBD法与本发明方法进行对比和分析。实验中APC法所用发射波形为N=40的M序列,EBD法和本发明方法均以其作为初始发射波形。以SR-71侦察机为待估计目标,共包含L=20个距离单元,其一维高分辨距离像如图2所示。噪声协方差矩阵其中表示噪声功率。
实验1,高信噪比条件下的旁瓣抑制:
假设定义目标TIR估计的整体MSE为:
式中,α和分别表示目标真实TIR向量和估计TIR向量,||·||为向量Euclid范数。
APC法、EBD法和本发明方法所获得的估计结果分别如图3a、图3b和图3c所示,相应的整体MSE分别为-13.9dB,-13.2dB和-15.4dB,能够发现本发明方法相比于现有方法,可使估计误差降低2dB左右,所获得的成像精度最高,旁瓣抑制性能最好。本发明方法不仅引入了发射波形优化,且逐个针对每个距离单元进行发射波形优化和散射点RCS估计,丰富了信息库,增加了CR对周围环境信息的感知和利用能力,故所获得估计误差最低,旁瓣影响最小。
由于APC法、EBD法以及本发明的抑制方法均使用了迭代算法,如图4所示,给出了这3种算法所获得整体MSE随迭代次数变化的曲线。由于APC法和本发明方法均是以匹配滤波器输出为初始估计值,故初始误差较大,但经过一轮迭代之后估计误差大大降低。由于引入发射波形优化,故当算法收敛时,本发明方法所获得的MSE低于APC法近2dB。相比于EBD法,由于本发明方法是逐个针对每个距离单元进行估计和波形优化,针对性更强,故本发明方法可获得更高成像精度。总之,相较于APC法和EBD法,本发明所提方法可更好地抑制不同距离单元间的旁瓣串扰。
实验2,抗噪声稳健性性能测试:
如图5a、图5b和图5c给出了当时APC法、EBD法和本发明方法所获得的估计结果,相应的成像误差分别为-3.9dB,-4.5dB和-14.8dB。显然,APC法和EBD法已无法正常工作,所获检测结果误差较大,而本发明所提方法依然可以获得对目标一维距离像较高精度的估计。
为进一步说明本发明所提方法的旁瓣抑制稳健性,如图6所示,给出了在不同噪声功率下,APC法、EBD法和本发明方法可获得的MSE。由图可知,本发明方法的抗噪声稳健性最强,对于不同噪声水平,所获得估计误差几乎无变化,而APC法和EBD法在低信噪比条件下估计误差较大,无法进行有效的旁瓣抑制。
上述各实施例仅用于说明本发明,各个步骤都是可以有所变化的,在本发明技术方案的基础上,凡根据本发明原理对个别步骤进行的改进和等同变换,均不应排除在本发明的保护范围之外。
Claims (7)
1.一种基于序列优化的认知雷达稳健旁瓣抑制方法,其特征在于包括以下步骤:
1)将待测区域按距离分辨单元进行划分,依次对每一距离分辨单元进行发射-接收联合优化,建立目标函数搜索最优发射波形和接收滤波器;
2)采用循环优化方法求解目标函数,以使旁瓣抑制性能满足预先设定的要求:针对第l个距离分辨单元,求解发射波形与接收滤波器的联合优化问题,在每一次迭代中,将联合优化问题分解为两个独立的优化问题:①固定波形优化接收滤波器②在已知滤波器的基础上优化波形
2.如权利要求1所述方法,其特征在于:所述步骤1)中,基于最小均方误差准则,建立目标函数:
式中,CE为发射波形能量;为用于第l个距离分辨单元检测的波形,sln为波形向量sl的第n个时域离散采样点,n=1,2,...,N,N为自然数,表示复数域,[·]T为转置算子;hl为用于处理对应第l个距离分辨单元回波的接收滤波器;为估计值的MSE;L为距离分辨单元的个数。
3.如权利要求1或2所述方法,其特征在于:所述步骤2)中,采用循环优化方法对发射波形与接收滤波器的联合优化问题求解步骤如下:
2.1)根据最优接收滤波器和RCS估计值构建环境信息库,在已知发射波基础上,采用以现有方法得到的各散射点RCS估计值作为迭代初始值,令m表示整体轮询更新次数,设置m=1;
2.2)在第m轮更新中,针对第l个距离分辨单元,基于当前最优发射波形和场景内各距离单元散射点估计值寻找使估计值的MSE最小化的最优接收滤波器
2.3)在第m轮更新中,基于当前最优接收滤波器和场景内各距离单元散射点估计值搜索满足约束条件的能够使估计值的MSE最小化的最优发射波形
2.4)返回步骤2.2)、步骤2.3)中交替迭代,当最优接收滤波器和最优发射波形满足终止条件,迭代停止,变化趋于平稳时获得针对第l个距离分辨单元的最优发射波形和最优接收滤波器将其用于αl的估计,并将最优发射波形最优接收滤波器和αl的最新估计值存入环境信息库中;当遍历所有距离分辨单元后,令m=m+1,再继续重复执行各步骤进行下一轮更新,直至旁瓣抑制性能满足系统预先设定的要求。
4.如权利要求3所述方法,其特征在于:判断循环优化方法是否收敛:
式中,第一个不等号是由于接收滤波器对于发射波形的最优性所致,第二个不等号是由于发射波形对于接收滤波器的最优性所致,故随着优化和估计在雷达工作场景中逐个距离分辨单元的进行,TIR整体估计误差将逐步减小,从而确保了采用的循环优化方法的收敛性。
5.如权利要求3所述方法,其特征在于:所述步骤2.2)中,当已知发射波形sl时,即可确定,则为:
式中,上式为典型的最小方差无畸变响应问题,其最优解为
6.如权利要求3所述方法,其特征在于:所述步骤2.3)中,约束条件为发射波形能量恒定。
7.如权利要求3所述方法,其特征在于:所述步骤2.3)中,已知接收滤波器hl时,求解最优发射波形sl方法如下:
将目标函数待求解优化问题等价为:
式中,
由于故式(1)中待求解问题等价于
s.t.||sl||2=CE
式中,为RH,l的左上角N×N子阵,为hl前N个元素组成的子向量;
进而求得使最小化的最优发射波形应为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810430457.4A CN109031211B (zh) | 2018-05-08 | 2018-05-08 | 一种基于序列优化的认知雷达稳健旁瓣抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810430457.4A CN109031211B (zh) | 2018-05-08 | 2018-05-08 | 一种基于序列优化的认知雷达稳健旁瓣抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109031211A true CN109031211A (zh) | 2018-12-18 |
CN109031211B CN109031211B (zh) | 2022-07-29 |
Family
ID=64611646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810430457.4A Expired - Fee Related CN109031211B (zh) | 2018-05-08 | 2018-05-08 | 一种基于序列优化的认知雷达稳健旁瓣抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109031211B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558021A (zh) * | 2020-11-18 | 2021-03-26 | 中国人民解放军国防科技大学 | 用于脉冲压缩雷达系统的波形及滤波器设计方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103809164A (zh) * | 2014-01-27 | 2014-05-21 | 西安电子科技大学 | 一种重构参考通道的后多普勒最优杂波抑制方法 |
US20150301158A1 (en) * | 2014-04-17 | 2015-10-22 | Terry Lee Foreman | Waveform Selection for Mitigation of Radar Saturating Clutter |
CN105467388A (zh) * | 2015-11-23 | 2016-04-06 | 上海无线电设备研究所 | 低信噪比下压缩感知雷达高分辨成像设备及其成像方法 |
CN106443595A (zh) * | 2016-09-05 | 2017-02-22 | 电子科技大学 | 一种抗瞬时转发切片重构干扰的认知雷达波形设计方法 |
CN107102300A (zh) * | 2017-03-31 | 2017-08-29 | 南京航空航天大学 | 基于干扰和旁瓣均衡抑制的认知雷达波形设计方法 |
US20170307726A1 (en) * | 2016-04-20 | 2017-10-26 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Methods and systems for locating targets using non linear radar with a matched filter which uses exponential value of the transmit signal |
-
2018
- 2018-05-08 CN CN201810430457.4A patent/CN109031211B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103809164A (zh) * | 2014-01-27 | 2014-05-21 | 西安电子科技大学 | 一种重构参考通道的后多普勒最优杂波抑制方法 |
US20150301158A1 (en) * | 2014-04-17 | 2015-10-22 | Terry Lee Foreman | Waveform Selection for Mitigation of Radar Saturating Clutter |
CN105467388A (zh) * | 2015-11-23 | 2016-04-06 | 上海无线电设备研究所 | 低信噪比下压缩感知雷达高分辨成像设备及其成像方法 |
US20170307726A1 (en) * | 2016-04-20 | 2017-10-26 | U.S. Army Research Laboratory Attn: Rdrl-Loc-I | Methods and systems for locating targets using non linear radar with a matched filter which uses exponential value of the transmit signal |
CN106443595A (zh) * | 2016-09-05 | 2017-02-22 | 电子科技大学 | 一种抗瞬时转发切片重构干扰的认知雷达波形设计方法 |
CN107102300A (zh) * | 2017-03-31 | 2017-08-29 | 南京航空航天大学 | 基于干扰和旁瓣均衡抑制的认知雷达波形设计方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112558021A (zh) * | 2020-11-18 | 2021-03-26 | 中国人民解放军国防科技大学 | 用于脉冲压缩雷达系统的波形及滤波器设计方法 |
CN112558021B (zh) * | 2020-11-18 | 2022-03-04 | 中国人民解放军国防科技大学 | 用于脉冲压缩雷达系统的波形及滤波器设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109031211B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN109031231B (zh) | 雷达低空目标时间反演相干角度估计方法 | |
CN106855622B (zh) | 一种子阵级相控阵雷达的测角方法 | |
CN110045321B (zh) | 基于稀疏和低秩恢复的稳健doa估计方法 | |
CN107015205B (zh) | 一种分布式mimo雷达检测的虚假目标消除方法 | |
CN109450499A (zh) | 一种基于导向矢量和空间功率估计的鲁棒波束形成方法 | |
CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
CN102013911A (zh) | 一种基于门限检测的宽带信号波达方向估计方法 | |
CN107255797B (zh) | 基于发射空时权优化及ka-stap的机载雷达杂波抑制方法 | |
CN105335336B (zh) | 一种传感器阵列的稳健自适应波束形成方法 | |
CN108710103A (zh) | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 | |
CN109521430A (zh) | 一种抑制窄带干扰的距离扩展目标检测方法 | |
CN105891799B (zh) | 适用于机械扫描雷达的有源干扰侦察方法 | |
CN115508828B (zh) | 子空间干扰下雷达目标智能融合检测方法 | |
CN110045337A (zh) | 基于张量子空间投影的高频地波雷达射频干扰抑制方法 | |
CN109946643A (zh) | 基于music求解的非圆信号波达方向角估计方法 | |
CN112505665B (zh) | 适用于部分均匀混响环境的空时自适应检测方法及系统 | |
CN109031211A (zh) | 一种基于序列优化的认知雷达稳健旁瓣抑制方法 | |
CN109188373A (zh) | 基于子阵阻塞矩阵预处理的抗主瓣干扰方法 | |
CN116106829B (zh) | 部分均匀杂波加干扰下目标智能检测方法 | |
CN110673118A (zh) | 一种主动声纳单频脉冲串波形设计及检测算法 | |
CN110261814B (zh) | 基于空间谱重构和导向矢量直接估计的波束形成方法 | |
CN115508791A (zh) | 未知干噪环境下目标智能融合检测方法 | |
CN110146854A (zh) | 一种fda-mimo雷达稳健抗干扰方法 | |
CN109597034A (zh) | 一种基于欧几里得距离的空时自适应处理方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220729 |
|
CF01 | Termination of patent right due to non-payment of annual fee |