CN109061590B - 一种基于盲自适应斜投影的雷达参考信号提取方法 - Google Patents
一种基于盲自适应斜投影的雷达参考信号提取方法 Download PDFInfo
- Publication number
- CN109061590B CN109061590B CN201810796935.3A CN201810796935A CN109061590B CN 109061590 B CN109061590 B CN 109061590B CN 201810796935 A CN201810796935 A CN 201810796935A CN 109061590 B CN109061590 B CN 109061590B
- Authority
- CN
- China
- Prior art keywords
- signal
- representing
- polarization
- clutter
- reference signal
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 19
- 230000010287 polarization Effects 0.000 claims abstract description 115
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 24
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 14
- 230000001629 suppression Effects 0.000 claims abstract description 11
- 230000003044 adaptive effect Effects 0.000 claims description 15
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 9
- 230000001131 transforming effect Effects 0.000 claims description 6
- ODKSFYDXXFIFQN-UHFFFAOYSA-M argininate Chemical compound [O-]C(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-M 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 abstract 2
- 230000005855 radiation Effects 0.000 description 23
- 239000000284 extract Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
-
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
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
本发明提出了一种基于盲自适应斜投影的雷达参考信号提取方法。本发明通过正交极化天线获取监测信号;通过合成杂波信号极化角进行估计得到杂波估计极化角,通过合成杂波信号极化相差进行估计得到杂波估计极化相差;构造盲自适应斜投影极化投影算子以及监测信号协方差矩阵,并根据极化盲斜投影方法滤除目标信号以提取参考信号;将参考信号与监测信号进行直达波抑制处理,通过抑制直达波和多径信号得到滤波后水平通道数据以及滤波后垂直通道数据;将滤波后水平通道以滤波后垂直通道及数据分别与参考信号进行匹配滤波处理得到水平通道信号距离多普勒谱以及垂直通道信号距离多普勒谱。
Description
技术领域
本发明涉及信号处理技术领域,具体涉及一种基于盲自适应斜投影的雷达参考信号提取方法。
背景技术
外辐射源雷达作为一种新体制雷达系统,因为其无辐射,低成本等特性,成为了近些年来的研究热点。外辐射源雷达顾名思义,其可利用的辐射源多为民用广播电视信号等外部辐射源,其发射源不可控。外辐射源雷达处理方法通常采用相干处理技术,在接收系统中至少要设置2个通道:参考通道和监测通道,分别用来接收参考信号和目标回波信号。民用数字广播电视信号系统大多数部署在城镇区域,传统单极化外辐射源雷达系统已经不能满足复杂城市环境下,对目标探测性能进一步提升的要求。极化外辐射源雷达,以极化分集技术为基础,有效结合时域、空域、频域等信号处理方法,能有效提升雷达系统性能。对于民用数字广播电视信号而言,极化外辐射源雷达参考信号获取主要方法为参考信号重构。但是城市信号传播环境复杂,参考信号获取与重构难度大。本发明基于盲自适应斜投影技术提出了一种全新的参考信号获取方法。本发明通过实验验证了该方法不需要参考天线,在信号无法满足重构条件下仍能提取出参考信号。
盲自适应斜投影技术,不需要参考天线,也不需要对信号进行重构,仅需要获取合成杂波信号极化状态与监测信号协方差矩阵就可以提取出参考信号,是一种有效的信号分离方法。本发明将盲自适应斜投影技术与外辐射源雷达相关技术相结合,对监测数据进行信号盲分离,滤除目标信号,提取参考信号。本发明所提方法作为一种对现有参考信号获取方法的补充,具有研究意义。根据合成杂波信号极化状态与监测信号协方差矩阵,可以构建盲自适应斜投影算子,通过算子可以滤除目标信号,提取参考信号。该方法提取参考信号,不需要额外参考天线,即使参考信号无法重构也可以获得较为理想的近似参考信号。
在极化外辐射源雷达接收信号中,目标信号与合成杂波信号极化状态未知。接收信号中近似直达信号远远强于目标信号,目标信号被合成信号淹没。传统斜投影技术需要同时获得目标与合成杂波信号极化状态参数,对于极化外辐射源雷达系统而言,合成杂波信号可以有效估计,但是目标信号微弱,无法通过估计方法得到目标信号极化状态参数。盲自适应斜投影技术,不需要知道目标信号极化状态,适用于极化外辐射源雷达系统。
参考信号获取一直是外辐射源雷达研究热点之一。极化外辐射源雷达系统同样也需要获取参考信号。传统参考信号获取方法需要额外参考天线或者需要满足重构条件,当不能满足上述要求时,参考信号无法获取,数据处理无法进行。因此,进一步完善和发展参考信号提取方法,将盲自适应斜投影技术与外辐射源处理技术相结合,找到一种简单、有效,适合于复杂条件下极化外辐射源雷达的参考信号提取方法是十分必要的。
发明内容
为了解决上述技术问题,本发明提出了一种基于盲自适应斜投影的雷达参考信号提取方法。
本发明方法的技术方案为一种基于盲自适应斜投影技术的极化外辐射源雷达参考信号提取方法,具体包括以下步骤:
步骤1:通过正交极化天线获取监测信号;
步骤2:将监测信号表示为监测信号子载波,通过监测信号子载波提取合成杂波信号极化角以及合成杂波信号极化相差,通过对合成杂波信号极化角进行估计得到杂波估计极化角,通过对合成杂波信号极化相差进行估计得到杂波估计极化相差;
步骤3:构造盲自适应斜投影极化投影算子以及获取监测信号协方差矩阵,并根据极化盲斜投影方法滤除目标信号以提取参考信号;
步骤4:将步骤3中所述参考信号与步骤1中所述监测信号进行直达波抑制处理,通过抑制直达波和多径信号得到滤波后水平通道数据以及滤波后垂直通道数据;
步骤5:将步骤4中所述滤波后水平通道数据与步骤3中所述参考信号进行匹配滤波处理得到水平通道信号距离多普勒谱,将步骤4中所述滤波后垂直通道数据与步骤3中所述直达波信号进行匹配滤波处理得到垂直通道信号距离多普勒谱;
作为优选,步骤1中所述监测信号为:
其中,表示监测信号水平分量,表示监测信号垂直分量,c1,h表示水平通道直达波,c1,v表示垂直通道直达波。cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,αm,h表示目标信号水平复幅度,αm,v表示目标信号垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,表示第m个目标多普勒频移,d表示多普勒,Mc表示杂波数目,Mt表示目标数目,Wk,h和Wk,v分别表示水平和垂直通道噪声;
作为优选,步骤2中所述监测信号子载波为:
其中,表示监测信号水平分量,表示监测信号垂直分量,c1,h表示水平通道直达波,c1,v表示垂直通道直达波,cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,αm,h表示目标信号水平复幅度,αm,v表示目标信号垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,表示第m个目标多普勒频移,d表示多普勒,Mc表示杂波数目,Mt表示目标数目,Wk,h表示水平噪声,Wk,v表示垂直通道噪声,代表合成杂波信号极化角,代表合成杂波信号极化相差,表示目标信号极化角,表示目标信号极化相差,
Qk=[C0,k,C1,k,…,CL-1,k]T
其中,CL,k表示第L个OFDM符号的第k个子载波;
步骤2中所述对合成杂波信号极化角进行估计得到杂波估计极化角:
步骤2中所述对合成杂波信号极化相差进行估计得到杂波估计极化相差:
其中,表示杂波估计极化角,表示杂波估计极化相差。arctan(·)为求反正切运算,arg(·)为求相角运算,其中c1,h表示水平通道直达波,c1,v表示垂直通道直达波,cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,Mc表示杂波数目,Wk,h和Wk,v分别表示水平和垂直通道噪声,
Qk=[C0,k,C1,k,…,CL-1,k]T
CL,k表示第L个OFDM符号的第k个子载波;
作为优选,步骤3中所述盲自适应斜投影极化投影算子为:
步骤3中所述监测信号协方差矩阵为:
其中,Rds表示直达波及杂波信号与目标信号的协方差矩阵之和,σ2表示噪声方差,RD表示直达波及杂波信号协方差,RS表示目标信号协方差,D表示合成杂波信号极化状态矢量,S表示目标信号极化状态矢量;
估计出噪声协方差σ2后得到
步骤3中所述极化盲斜投影方法滤除目标信号以提取合成杂波信号具体过程为:
A=[D S]
得到A的伪逆矩阵为
则协方差矩阵伪逆矩阵可以表示为
从上式可以看出目标信号被完全抑制;
E′DS[D S]=[D 0]
最后结果中只剩下直达波信号(参考信号);
步骤3中所述直达波信号为将盲自适应斜投影算子表达式代入步骤1中所述监测信号进行计算;
其中,Ssurv,k表示监测信号,Sk,o表示输出信号,W′k,h=E′DSWk,h,W′k,v=E′DSWk,v,Wk,h表示水平噪声,Wk,v表示垂直通道噪声,表示提取参考信号水平分量,表示提取参考信号垂直分量;
作为优选,步骤4中所述直达波抑制处理为:
对步骤1中所述监测信号Ssurv,k进行离散傅里叶逆变换,将数据变换到时域,分别获得时域水平监测通道数据时域垂直监测通道数据要抑制M个单元内的杂波,需构建N×M维的杂波空间矩阵X,X的第K列向量表示第K个距离单元杂波的时间采样向量;
步骤4中所述抑制直达波和多径信号为:
滤除直达波和多径后的水平通道目标信号和噪声,滤除直达波和多径后的垂直通道目标信号和噪声;
作为优选,步骤5中所述水平通道信号距离多普勒谱为:
步骤5中所述垂直通道信号距离多普勒谱为:
本发明的基于盲自适应斜投影技术的雷达参考信号提取方法,将极化外辐射源信号处理技术与盲自适应斜投影方法相结合,新的参考信号提取方法有效完善传统参考信号获取方法,弥补了无参考天线时,参考信号无法重构,信号无法进一步处理的问题。
与现有方法相比,本发明具有以下有点:无需参考天线,仅通过监测数据提取参考信号,降低系统成本;采用盲自适应斜投影技术,无需目标信号极化状态参数,适用于极化外辐射源雷达系统;无需进行参考信号重构处理,即使在传统重构方法失效条件下,仍能获取近似参考信号,进行后续信号处理;采用子载波处理技术,有效提高极化状态估计精度,使新参考信号提取方法更加有效。
附图说明
图1:本发明的步骤流程;
图2:本发明方法在无参考天线以及重构方法失效条件下垂直通道所获得的杂波抑制效果。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施示例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施方式中为无需参考天线的外辐射源雷达,本发明实施方式中所用辐射源为中国数字多媒体广播,其发射频率为714MHz,采用正交极化天线接收信号。
下面结合图1至图2介绍本发明实施方式,本发明实施方式包括以下步骤:
步骤1:通过正交极化天线获取监测信号;
步骤1中所述监测信号为:
其中,表示监测信号水平分量,表示监测信号垂直分量,c1,h表示水平通道直达波,c1,v表示垂直通道直达波。cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,αm,h表示目标信号水平复幅度,αm,v表示目标信号垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,表示第m个目标多普勒频移,d表示多普勒,Mc表示杂波数目,Mt表示目标数目,Wk,h和Wk,v分别表示水平和垂直通道噪声;
步骤2:将监测信号表示为监测信号子载波,通过监测信号子载波提取合成杂波信号极化角以及合成杂波信号极化相差,通过对合成杂波信号极化角进行估计得到杂波估计极化角,通过对合成杂波信号极化相差进行估计得到杂波估计极化相差;
步骤2中所述监测信号子载波为:
其中,表示监测信号水平分量,表示监测信号垂直分量,c1,h表示水平通道直达波,c1,v表示垂直通道直达波,cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,αm,h表示目标信号水平复幅度,αm,v表示目标信号垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,表示第m个目标多普勒频移,d表示多普勒,Mc表示杂波数目,Mt表示目标数目,Wk,h表示水平噪声,Wk,v表示垂直通道噪声,代表合成杂波信号极化角,代表合成杂波信号极化相差,表示目标信号极化角,表示目标信号极化相差,
Qk=[C0,k,C1,k,…,CL-1,k]T
其中,CL,k表示第L个OFDM符号的第k个子载波;
步骤2中所述对合成杂波信号极化角进行估计得到杂波估计极化角:
步骤2中所述对合成杂波信号极化相差进行估计得到杂波估计极化相差:
其中,表示杂波估计极化角,表示杂波估计极化相差。arctan(·)为求反正切运算,arg(·)为求相角运算,其中c1,h表示水平通道直达波,c1,v表示垂直通道直达波,cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,Mc表示杂波数目,Wk,h和Wk,v分别表示水平和垂直通道噪声,
Qk=[C0,k,C1,k,…,CL-1,k]T
CL,k表示第L个OFDM符号的第k个子载波;
步骤3:构造盲自适应斜投影极化投影算子以及监测信号协方差矩阵,并根据极化盲斜投影方法滤除目标信号以提取参考信号;
步骤3中所述盲自适应斜投影极化投影算子为:
步骤3中所述监测信号协方差矩阵为:
其中,Rds表示直达波及杂波信号与目标信号的协方差矩阵之和,σ2表示噪声方差,RD表示直达波及杂波信号协方差,RS表示目标信号协方差,D表示合成杂波信号极化状态矢量,S表示目标信号极化状态矢量;
估计出噪声协方差σ2后得到
步骤3中所述极化盲斜投影方法滤除目标信号以提取合成杂波信号具体过程为:
A=[D S]
得到A的伪逆矩阵为
则协方差矩阵伪逆矩阵可以表示为
从上式可以看出目标信号被完全抑制;
E′DS[D S]=[D 0]
最后结果中只剩下直达波信号(参考信号);
步骤3中所述直达波信号为将盲自适应斜投影算子表达式代入步骤1中所述监测信号进行计算;
其中,Ssurv,k表示监测信号,Sk,o表示输出信号,W′k,h=E′DSWk,h,W′k,v=E′DSWk,v,Wk,h表示水平噪声,Wk,v表示垂直通道噪声,表示提取参考信号水平分量,表示提取参考信号垂直分量;
步骤4:将步骤3中听述直达波信号与步骤1中所述监测信号进行直达波抑制处理,通过抑制直达波和多径信号得到滤波后水平通道数据以及滤波后垂直通道数据;
步骤4中所述直达波抑制处理为:
对步骤1中所述监测信号Ssurv,k进行离散傅里叶逆变换,将数据变换到时域,分别获得时域水平监测通道数据时域垂直监测通道数据要抑制M个单元内的杂波,需构建N×M维的杂波空间矩阵X,X的第K列向量表示第K个距离单元杂波的时间采样向量;
步骤4中所述抑制直达波和多径信号为:
滤除直达波和多径后的水平通道目标信号和噪声,滤除直达波和多径后的垂直通道目标信号和噪声;
步骤5:将步骤4中听述滤波后水平通道数据与步骤3中所述直达波信号进行匹配滤波处理得到水平通道信号距离多普勒谱,将步骤4中所述滤波后垂直通道数据与步骤3中所述直达波信号进行匹配滤波处理得到垂直通道信号距离多普勒谱;
步骤5中所述水平通道信号距离多普勒谱为:
步骤5中所述垂直通道信号距离多普勒谱为:
本发明实施方式通过上述步骤得到实验结果,如图2所示。图2表明,发明方法不需要额外的参考天线,即使参考信号无法满足重构条件也能有效抑制目标信号,提取出参考信号,本发明方法能获得足够目标信噪比。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于盲自适应斜投影的雷达参考信号提取方法,其特征在于,包括以下步骤:
步骤1:通过正交极化天线获取监测信号;
步骤2:将监测信号表示为监测信号子载波,通过监测信号子载波提取合成杂波信号极化角以及合成杂波信号极化相差,通过对合成杂波信号极化角进行估计得到杂波估计极化角,通过对合成杂波信号极化相差进行估计得到杂波估计极化相差;
步骤3:构造盲自适应斜投影极化投影算子以及获取监测信号协方差矩阵,并根据极化盲斜投影方法滤除目标信号以提取参考信号;
步骤4:将步骤3中所述参考信号与步骤1中所述监测信号进行直达波抑制处理,通过抑制直达波和多径信号得到滤波后水平通道数据以及滤波后垂直通道数据;
步骤5:将步骤4中所述滤波后水平通道数据与步骤3中所述参考信号进行匹配滤波处理得到水平通道信号距离多普勒谱,将步骤4中所述滤波后垂直通道数据与步骤3中所述参考信号进行匹配滤波处理得到垂直通道信号距离多普勒谱;
步骤2中所述监测信号子载波为:
其中,表示监测信号水平分量,表示监测信号垂直分量,c1,h表示水平通道直达波,c1,v表示垂直通道直达波,cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,αm,h表示目标信号水平复幅度,αm,v表示目标信号垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,表示第m个目标多普勒频移,d表示多普勒,Mc表示杂波数目,Mt表示目标数目,Wk,h表示水平通道噪声,Wk,v表示垂直通道噪声,代表合成杂波信号极化角,代表合成杂波信号极化相差,表示目标信号极化角,表示目标信号极化相差,
Qk=[C0,k,C1,k,…,CL-1,k]T
其中,Cl,k表示第l个OFDM符号的第k个子载波;
步骤2中所述对合成杂波信号极化角进行估计得到杂波估计极化角:
步骤2中所述对合成杂波信号极化相差进行估计得到杂波估计极化相差:
其中,表示杂波估计极化角,表示杂波估计极化相差,arctan(·)为求反正切运算,arg(·)为求相角运算,其中c1,h表示水平通道直达波,c1,v表示垂直通道直达波,cn,h代表第n条多径信号的水平复幅度,cn,v代表第n条多径信号的垂直复幅度,fk代表第k个载波频率,表示第n条多径信号延时,c表示多径,Mc表示杂波数目,Wk,h和Wk,v分别表示水平和垂直通道噪声,
Qk=[C0,k,C1,k,…,CL-1,k]T
Cl,k表示第l个OFDM符号的第k个子载波;
步骤3中所述盲自适应斜投影极化投影算子为:
步骤3中所述监测信号协方差矩阵为:
其中,Rds表示近似直达波信号与目标信号的协方差矩阵之和,σ2表示噪声方差,RD表示近似直达波信号协方差,RS表示目标信号协方差,D表示合成杂波信号极化状态矢量,S表示目标信号极化状态矢量;
估计出噪声方差σ2后得到
步骤3中所述极化盲斜投影方法滤除目标信号以提取合成杂波信号具体过程为:
A=[D S]
得到A的伪逆矩阵为
则协方差矩阵伪逆矩阵表示为:
上式可以看出目标信号被完全抑制;
E'DS[D S]=[D 0]
最后结果中只剩下参考信号;
步骤3中所述参考信号为将盲自适应斜投影极化投影算子表达式代入步骤1中所述监测信号进行计算;
其中,Ssurv,k表示监测信号,Sk,o表示输出信号,W′k,h=E′DSWk,h,W′k,v=E′DSWk,v,Wk,h表示水平通道噪声,Wk,v表示垂直通道噪声,表示提取参考信号水平分量,表示提取参考信号垂直分量;
2.根据权利要求1所述的基于盲自适应斜投影的雷达参考信号提取方法,其特征在于:步骤1中所述监测信号为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810796935.3A CN109061590B (zh) | 2018-07-19 | 2018-07-19 | 一种基于盲自适应斜投影的雷达参考信号提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810796935.3A CN109061590B (zh) | 2018-07-19 | 2018-07-19 | 一种基于盲自适应斜投影的雷达参考信号提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061590A CN109061590A (zh) | 2018-12-21 |
CN109061590B true CN109061590B (zh) | 2022-06-07 |
Family
ID=64817331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810796935.3A Active CN109061590B (zh) | 2018-07-19 | 2018-07-19 | 一种基于盲自适应斜投影的雷达参考信号提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061590B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109901131B (zh) * | 2019-03-24 | 2022-12-02 | 西安电子科技大学 | 基于斜投影的多径利用相干波束形成方法 |
CN113504536B (zh) * | 2021-07-08 | 2022-05-06 | 桂林电子科技大学 | 一种复杂探测环境下的外辐射源雷达基站直达波获取方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101388656B (zh) * | 2008-09-19 | 2011-11-23 | 哈尔滨工业大学深圳研究生院 | 基于斜投影且无需干扰极化参数的极化滤波方法 |
CN101616106B (zh) * | 2009-07-24 | 2012-02-22 | 哈尔滨工业大学深圳研究生院 | 基于斜投影盲自适应cdma接收机及其接收方法 |
CN103383448B (zh) * | 2013-06-25 | 2015-06-17 | 西安电子科技大学 | 适用于hprf波形机载雷达的杂波抑制方法 |
CN104090274A (zh) * | 2014-07-18 | 2014-10-08 | 武汉大学 | 一种基于多调频广播的外辐射源雷达系统与信号处理方法 |
CN104656063B (zh) * | 2015-01-29 | 2021-01-08 | 中国人民武装警察部队工程大学 | 基于斜投影的mimo雷达部分相关波形检测处理方法 |
CN105403864B (zh) * | 2015-12-30 | 2017-11-03 | 哈尔滨工业大学 | 基于改进斜投影的二维船载高频地波雷达海杂波抑制方法 |
CN107102318B (zh) * | 2017-05-16 | 2019-09-10 | 武汉大学 | 一种数字音频广播外辐射源雷达目标探测系统与方法 |
-
2018
- 2018-07-19 CN CN201810796935.3A patent/CN109061590B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109061590A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Multipath clutter rejection for digital radio mondiale-based HF passive bistatic radar with OFDM waveform | |
Zhao et al. | An experimental study of HF passive bistatic radar via hybrid sky-surface wave mode | |
CN104678395B (zh) | 基于循环前缀的mimo‑ofdm雷达成像方法 | |
CN110632573B (zh) | 一种机载宽带雷达空时二维keystone变换方法 | |
CN109870684B (zh) | 一种基于cp-ofdm的碎片频谱背景下雷达距离像重构方法 | |
CN109061590B (zh) | 一种基于盲自适应斜投影的雷达参考信号提取方法 | |
CN110488285B (zh) | 基于编码信号的非中断的双基sar相位同步信号处理方法 | |
CN110333507A (zh) | 多发多收合成孔径雷达成像方法 | |
CN108089159B (zh) | 一种mimo雷达旁瓣抑制方法 | |
CN104391288B (zh) | 拟合干涉相位的虚警剔除方法 | |
CN116520261A (zh) | 一种基于盲源分离的双基sar相位同步干扰抑制方法 | |
CN105974409B (zh) | 基于多频子带并发的星载滑动聚束mimo-sar成像方法 | |
Xianrong et al. | HF passive bistatic radar based on DRM illuminators | |
CN108919206B (zh) | 一种基于子载波处理的外辐射源雷达极化滤波方法 | |
CN109061626B (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
CN109143235A (zh) | 一种双基前视合成孔径雷达地面运动目标检测方法 | |
CN116755044A (zh) | 一种外辐射源雷达频域滑动扩展对消方法 | |
Zemmari | Reference signal extraction for GSM passive coherent location | |
Berger et al. | Compressed sensing for OFDM/MIMO radar | |
CN101639530B (zh) | 一种基于二维混合变换的sar回波信号去噪预处理方法 | |
Hoshino et al. | Long-time integration by short-time cross-correlation and two-step Doppler processing for Passive Bistatic Radar | |
CN111398912B (zh) | 基于张量低秩逼近的合成孔径雷达干扰抑制方法 | |
CN113945901A (zh) | 一种压缩感知抑制射频干扰的工程实现方法 | |
CN104076361B (zh) | 无人机载战场监视雷达超分辨广域成像方法 | |
Dong et al. | ISAR imaging of multiple targets based on sparse representations |
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 |