CN109100696B - 基于点状杂波图的慢速运动目标消除方法 - Google Patents
基于点状杂波图的慢速运动目标消除方法 Download PDFInfo
- Publication number
- CN109100696B CN109100696B CN201810737749.2A CN201810737749A CN109100696B CN 109100696 B CN109100696 B CN 109100696B CN 201810737749 A CN201810737749 A CN 201810737749A CN 109100696 B CN109100696 B CN 109100696B
- Authority
- CN
- China
- Prior art keywords
- slow
- target
- matrix
- test statistic
- doppler
- 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
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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
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
Description
技术领域
本发明属于信号处理技术领域,涉及一种慢速目标消除方法,具体涉及一种基于点状杂波图的慢速运动目标消除方法,可用于提高海上低空飞行目标的跟踪精度。
背景技术
雷达是现代战场的“千里眼”,特定环境下对监视场景内感兴趣目标的检测与跟踪是其首要任务。针对这一任务,需要设计有效的雷达信号处理算法。
雷达信号处理的主要目的之一就是解决目标与环境之间的矛盾。更确切的说,它在目标检测判决之前,对目标与环境的混合回波信号进行某些特殊的加工处理,以期尽量降低环境对目标检测的影响。在不考虑主动干扰的情况下,对目标正常检测影响最为严重的一种环境干扰就是杂波。作为一种随机过程,大多数杂波是可以进行统计描述的,基于目标回波与杂波间的不同统计特性,可以对杂波进行有效的抑制。然而,对感兴趣的海上低空飞行目标而言,除环境杂波的干扰之外,还会受到不感兴趣的船只等海面慢速运动目标的干扰。此类干扰不是真正意义上的杂波干扰,而是确实存在的目标,但相对于感兴趣的海上低空飞行目标而言,它也是一种特殊的“杂波”,将其称为“点状杂波”。它与海杂波的区别在于,海杂波是弥散分布的,而海面慢速运动目标是有一定运动规律的。由于此类慢速运动目标的存在,在对海上低空飞行目标跟踪时,所确定的起始航迹和航迹建立并不能反映海上低空飞行目标真实运动状态,降低了对海上低空飞行目标的跟踪精度。
在杂波滤除方面,根据杂波和目标在多普勒域上的差异,通过设计合理的动目标显示MTI(Moving Target Indicator)滤波器,也可以将杂波滤除。目前,工程上普遍采用动目标显示MTI算法及其改进方法进行运动目标的检测。例如授权公告号为US7903024B2,名称为“ADAPTIVE MOVING TARGET INDICATOR(MTI)CLUTTER REJECTION FILTER FOR RADARSYSTEMS”的美国专利,提出了一种自适应动目标显示MTI的杂波抑制方法,该方法根据杂波回波的强弱,自适应选择MTI滤波器权重,即由已知系统参数计算出区分杂波回波强弱的门限值,对强杂波回波选择自适应的MTI滤波器权重,对弱回波直接使用传统的固定滤波器权重。该方法能够根据杂波回波的强弱,自适应地匹配MTI滤波器权重,有效提高了杂波的抑制比,但是,由于动目标显示MTI检测算法只能抑制零频附近的杂波,而对慢速运动目标表现得无能为力。而不消除此类慢速运动目标,会对海上低空飞行目标的航迹建立、航迹保持产生非常大的影响,导致低空飞行目标的航迹无法起始、航迹多次拉偏,降低了对海上低空飞行目标的跟踪精度。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于点状杂波图的慢速运动目标消除方法,用于提高海上低空飞行目标的跟踪精度。
本发明的技术思路是:首先提取海上低空飞行目标场景中的目标回波数据,对脉冲-距离维数据进行离散傅里叶DFT变换,并对其作初步的目标检测,然后,提取慢速多普勒通道的检验统计量及初步检测结果,最后,利用杂波图中的自屏蔽效应,消除慢速多普勒通道的慢速运动目标。
为实现上述技术目的,本发明的技术方案包括如下:
(1)获取多普勒-距离维数据矩阵Dj:
获取海上低空飞行多目标场景中雷达在每一帧j内接收到的起始方位α上的脉冲-距离维数据矩阵Xj,并对Xj中每个距离单元上的慢时间信号沿距离维进行离散傅里叶变换DFT,得到每一帧j的多普勒-距离维数据矩阵Dj:
(2)计算多普勒-距离维数据矩阵Dj的检验统计量矩阵Λj:
(3)对检验统计量矩阵Λj进行多普勒选大凝聚:
将中的与设定的检测门限T进行比较,并判断是否成立,若是,则所在位置存在目标,并将存在目标的位置标记为1;否则所在位置不存在目标,并将不存在目标的位置标记为0,得到的初步检测结果Ηj,即脉冲-距离维数据矩阵Xj的初步检测结果:
(5)提取初步检测结果Ηj中的慢速多普勒通道索引集合M′:
(5a)计算每个多普勒通道m的中心频率Fd(m):
其中,fs为采样频率,其值与脉冲重复频率PRF相等;
(5b)计算每个多普勒通道m的中心频率Fd(m)对应的速率v(m):
其中,λ为雷达波长;
(5c)计算Ηj中的慢速多普勒通道索引集合M′:
其中,|·|为求绝对值操作;Tv为事先确定的慢速目标的速度门限。
从检验统计量矩阵中选取索引集合M′中的索引对应的多普勒通道的检验统计量,组成慢速多普勒通道的初步的检验统计量矩阵同时,从初步检测结果Ηj中选取索引集合M′中的索引对应的多普勒通道初步检测结果,组成慢速多普勒通道的初步检测结果并将和的Hadamard积作为慢速多普勒通道的检验统计量矩阵 其中,
s=1,2,…,S,S为M′中索引的个数。
(7a)初始化点状杂波图P1:
将第一帧检验统计量矩阵中非零检验统计量赋值给所在位置上左紧邻的不存在目标的ll个连续距离单元和右紧邻的不存在目标的lr个连续距离单元,得到点状杂波图P1,并对P1按公式更新,得到更新后的点状杂波图P1′,其中,
ll=0,1,…,L,lr=0,1,…,L,L为更新杂波图时所需考虑的邻近单元数;
将中的与点状杂波图P1′中的进行比较,并判断是否成立,若是,则所在位置不存在慢速目标,并将不存在慢速目标的位置标记为1;否则所在位置存在慢速目标,并将存在慢速目标的位置标记为0,实现对Η2的更新,得到第二帧脉冲-距离维数据矩阵X2的检测结果其中,η为点状杂波图门限;
(7e)按照步骤(7b)至(7d)的方法,实现对Xj中第三帧到第J帧脉冲-距离维数据矩阵中慢速运动目标的剔除。
(8)剔除所有帧中除α方位以外的其它方位上的脉冲-距离维数据中慢速运动目标:
按照步骤(1)至步骤(7)的方法,实现对所有帧中除α方位以外的其它方位上的脉冲-距离维数据中慢速运动目标的剔除。
本发明与现有技术相比,具有以下优点:
1)本发明提出的基于点状杂波图的慢速运动目标消除方法,利用点状杂波图的自屏蔽效应进行慢速多普勒通道中的慢速运动目标的消除,不仅能够消除零频附近的动杂波,而且能够通过调整更新杂波图时所需考虑的邻近单元数L的大小,剔除慢速运动目标这类“点状杂波”,而现有技术采用的动目标显示MTI算法,只能剔除零频附近的杂波,与现有技术相比,本发明在杂波抑制方面的适用范围更广,可以根据实际工程需求剔除不感兴趣的慢速运动目标,能有效提高后续目标跟踪阶段的目标跟踪精度。
2)本发明提出的基于点状杂波图的慢速运动目标消除方法,充分利用快速和慢速运动目标帧间不同的运动特点,能够仅剔除零频附近的慢速运动目标,保留可能因多普勒模糊而扩散的快速运动目标,而现有技术普遍采用的动目标显示MTI算法,不具有区分零频附近的目标运动特性的能力,因多普勒模糊而出现在零频附近的快速运动目标同样会被剔除,与现有技术相比,而本发明克服了现有技术中MTI算法将因多普勒模糊而进入低速通道的快速运动目标剔除的缺陷,有效提高了快速运动目标在后续目标检测阶段的检测概率。
附图说明
图1为本发明的实现流程图;
图2为仿真实验采用的运动目标场景中仿真数据的回波信息图;
图3为采用本发明对运动目标进行初步检测的仿真结果图;
图4(a)为采用本发明对快速运动目标检测的仿真结果图,图4(b)为采用现有技术进行快速运动目标检测的仿真结果图。
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述。
参照图1,一种基于点状杂波图的慢速运动目标消除方法,包括如下步骤:
步骤1)获取多普勒-距离维数据矩阵Dj:
获取海上低空飞行多目标场景中雷达在每一帧j内接收到的起始方位α上的脉冲-距离维数据矩阵Xj,并对Xj中每个距离单元上的慢时间信号沿距离维进行离散傅里叶变换DFT,得到每一帧j的多普勒-距离维数据矩阵Dj:
步骤2)计算多普勒-距离维数据矩阵Dj的检验统计量矩阵Λj:
均值类恒虚警率CFAR主要包括:单元平均恒虚警CA-CFAR、单元中值恒虚警CM-CFAR、选大恒虚警GO-CFAR和选小恒虚警SO-CFAR检测算法,本发明采用的单元中值恒虚警CM-CFAR检测算法,将响应检测单元输出的中值最为有效输出,具有较强的抗干扰能力,计算公式为:
其中,Θ(r)是由K个与第r距离单元相邻的单元构成的参考单元集合,median{·}表示取中值操作。
步骤3)对检验统计量矩阵Λj进行多普勒选大凝聚:
在检测前进行多普勒选大凝聚,避免了由于相干积累时间内目标速度变化以及目标RCS过大引起的多普勒扩散,而多普勒扩散对目标的检测并没有太大的影响,但在目标跟踪时,会导致低空飞行目标的航迹起始和航迹拉偏,降低了目标跟踪的精度。
将中的与设定的检测门限T进行比较,并判断是否成立,若是,则所在位置存在目标,并将存在目标的位置标记为1;否则所在位置不存在目标,并将不存在目标的位置标记为0,得到的初步检测结果Ηj,即脉冲-距离维数据矩阵Xj的初步检测结果,初步检测结果如图3所示,快速和慢速运动目标都被检测出来,得到的初步检测结果Ηj:
步骤5)提取初步检测结果Ηj中的慢速多普勒通道索引集合M′:
步骤5a)计算每个多普勒通道m的中心频率Fd(m):
其中,fs为采样频率,其值与脉冲重复频率PRF相等;
步骤5b)计算每个多普勒通道m的中心频率Fd(m)对应的速率v(m):
其中,λ为雷达波长;
步骤5c)计算Ηj中的慢速多普勒通道索引集合M′:
其中,|·|为求绝对值操作;Tv为事先确定的慢速目标的速度门限,且Tv;
速度门限Tv是根据所要消除的慢速运动目标的速度以及要保留的快速运动目标的速度来确定,而且还要考虑到多普勒通道能够分辨的速度范围,即Tv的大小既要介于两类运动目标运动速度之间,又要保证速度门限Tv所确定的通道数在包括所有要消除的慢速运动目标的前提下,通道数尽可能少,以节约算法实现所需的计算资源,而在本发明的仿真中,根据仿真目标所在的多普勒通道信息可以直接确定慢速多普勒通道索引集合,而中心频率Fd(m),速率v(m)及速度门限Tv只是非必要的中间变量,并未在仿真中出现。
从检验统计量矩阵中选取索引集合M′中的索引对应的多普勒通道的检验统计量,组成慢速多普勒通道的初步的检验统计量矩阵同时,从初步检测结果Ηj中选取索引集合M′中的索引对应的多普勒通道初步检测结果,组成慢速多普勒通道的初步检测结果并将和的Hadamard积作为慢速多普勒通道的检验统计量矩阵 其中,
s=1,2,…,S,S为M′中索引的个数。
步骤7a)初始化点状杂波图P1:
将第一帧检验统计量矩阵中非零检验统计量赋值给所在位置上左紧邻的不存在目标的ll个连续距离单元和右紧邻的不存在目标的lr个连续距离单元,得到点状杂波图P1,并对P1按公式更新,得到更新后的点状杂波图P1′,其中,
ll=0,1,…,L,lr=0,1,…,L,L为更新杂波图时所需考虑的邻近单元数;
更新杂波图时所需考虑的邻近单元数L,是根据雷达距离分辨率及想要滤除的慢速运动目标的速度确定的,在更新杂波图的过程中,只考虑非零检验统计量所在位置上左邻的L个距离单元和右邻的L距离单元,杂波图更新即将赋值给所在位置上左紧邻的连续ll个和右紧邻lr个距离单元,左紧邻的连续ll个和右紧邻的lr个距离单元是指,所在位置上左边连续ll距离单元无目标以及右边连续lr距离单元无目标。本发明的仿真实验中所要剔除的慢速运动目标在帧间越距离走动为1,故可确定L的值为1;
将中的与点状杂波图P1′中的进行比较,并判断是否成立,若是,则所在位置不存在慢速目标,并将不存在慢速目标的位置标记为1;否则所在位置存在慢速目标,并将存在慢速目标的位置标记为0,得到慢速通道的检测结果并将的值按M′中的通道索引赋值给初步检测结果Η2中相应的通道,得到Η2更新后的检测结果其中,η为点状杂波图门限;
步骤7e)按照步骤(7b)至(7d)的方法,实现对Xj中第三帧到第J帧脉冲-距离维数据矩阵中慢速运动目标的剔除。
步骤8)剔除所有帧中除α方位以外的其它方位上的脉冲-距离维数据中慢速运动目标:
按照步骤(1)至步骤(7)的方法,实现对所有帧中除α方位以外的其它方位上的脉冲-距离维数据中慢速运动目标的剔除。
以下结合仿真实验,对本发明的技术效果作进一步说明:
1、仿真条件及内容:
采用现有技术进行杂波抑制和本发明进行慢速运动目标消除采用的运动目标场景中仿真数据的回波信息如图2所示,从图中只能出两个慢速运动目标,而位于零频的静止目标和因多普勒模糊而进入零频附近的高速运动目标被淹没在零频附近的强杂波环境中,以至于不能直接从原始数据图中分辨所有的目标信息。
仿真K分布杂波参数
参数 | 形状参数 | 尺度参数 | 杂波谱中心 | 一阶相关系数 |
数值 | 1.2 | 1 | 0 | 0.95 |
雷达数据格式参数
参数 | 帧数 | 距离单元数 | 脉冲数 |
数值 | 55 | 1000 | 9 |
仿真目标参数
根据上述仿真条件,生成K分布的55帧脉冲-距离维海杂波数据以及给定信杂比下的运动目标,分别使用现有技术以及本发明进行慢速运动目标这类“点状杂波”的消除。
2、仿真结果分析:
图3为采用本发明对运动目标进行初步检测的仿真结果,从图中可以看出,所有目标都别检测出来。而图4(a)为采用本发明对快速运动目标检测的仿真结果,与图3对比可知,本发明所提的点状杂波图技术能够将静止目标和两个慢速目标都能消除掉,并且保留了因多普勒模糊到零频附近的快速运动目标。
图4(b)为采用现有技术进行快速运动目标检测的仿真结果。从图4(b)中可见,位于零频的静止目标和因多普勒模糊而进入零频附近的快速运动目标都被消除掉,而且不能消除非零频附近的慢速运动目标。
从图4(a)和图4(b)的对比中可以看出,本发明所提的点状杂波图技术能够很好的消除慢速运动目标,而基于MTI的现有技术只能消除零频附近的目标,而对上述的“点状杂波”表现得无能为力,同时,基于动目标显示MTI的目标检测算法得到的快速运动目标的航迹是断断续续,导致低空飞行目标的航迹无法起始、航迹多次拉偏的问题。
综上所述,本发明提出的基于点状杂波图技术的慢速目标消除方法,充分利用慢速运动目标帧间运动距离短的特点,解决了现有技术对慢速运动目标这类“点状杂波”抑制失效的问题,能改善对海上低空飞行目标的航迹建立、航迹保持的效果,有效提高对感兴趣目标的跟踪精度,有利于对海上低空飞行目标的跟踪处理。
Claims (3)
1.一种基于点状杂波图的慢速运动目标消除方法,其特征在于,包括如下步骤:
(1)获取多普勒-距离维数据矩阵Dj:
获取海上低空飞行多目标场景中雷达在每一帧j内接收到的起始方位α上的脉冲-距离维数据矩阵Xj,并对Xj中每个距离单元上的慢时间信号沿距离维进行离散傅里叶变换DFT,得到每一帧j的多普勒-距离维数据矩阵Dj:
(2)计算多普勒-距离维数据矩阵Dj的检验统计量矩阵Λj:
(3)对检验统计量矩阵Λj进行多普勒选大凝聚:
将中的与设定的检测门限T进行比较,并判断是否成立,若是,则所在位置存在目标,并将存在目标的位置标记为1;否则所在位置不存在目标,并将不存在目标的位置标记为0,得到的初步检测结果Ηj,即脉冲-距离维数据矩阵Xj的初步检测结果:
(5)提取初步检测结果Ηj中的慢速多普勒通道索引集合M′:
(5a)计算每个多普勒通道m的中心频率Fd(m):
其中,fs为采样频率,其值与脉冲重复频率PRF相等;
(5b)计算每个多普勒通道m的中心频率Fd(m)对应的速率v(m):
其中,λ为雷达波长;
(5c)计算Ηj中的慢速多普勒通道索引集合M′:
其中,|·|为求绝对值操作;Tv为事先确定的慢速目标的速度门限;
从检验统计量矩阵中选取索引集合M′中的索引对应的多普勒通道的检验统计量,组成慢速多普勒通道的初步的检验统计量矩阵同时,从初步检测结果Ηj中选取索引集合M′中的索引对应的多普勒通道初步检测结果,组成慢速多普勒通道的初步检测结果并将和的Hadamard积作为慢速多普勒通道的检验统计量矩阵 其中,
s=1,2,…,S,S为M′中索引的个数;
(7a)初始化点状杂波图P1:
将第一帧检验统计量矩阵中非零检验统计量赋值给所在位置上左紧邻的不存在目标的ll个连续距离单元和右紧邻的不存在目标的lr个连续距离单元,得到点状杂波图P1,并对P1按公式更新,得到更新后的点状杂波图P1′,其中,
ll=0,1,…,L,lr=0,1,…,L,L为更新杂波图时所需考虑的邻近单元数;
将中的与点状杂波图P1′中的进行比较,并判断是否成立,若是,则所在位置不存在慢速目标,并将不存在慢速目标的位置标记为1;否则所在位置存在慢速目标,并将存在慢速目标的位置标记为0,实现对Η2的更新,得到第二帧脉冲-距离维数据矩阵X2的检测结果其中,η为点状杂波图门限;
(7e)按照步骤(7b)至(7d)的方法,实现对Xj中第三帧到第J帧脉冲-距离维数据矩阵中慢速运动目标的剔除;
(8)剔除所有帧中除α方位以外的其它方位上的脉冲-距离维数据中慢速运动目标;
按照步骤(1)至步骤(7)的方法,实现对所有帧中除α方位以外的其它方位上的脉冲-距离维数据中慢速运动目标的剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737749.2A CN109100696B (zh) | 2018-07-06 | 2018-07-06 | 基于点状杂波图的慢速运动目标消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810737749.2A CN109100696B (zh) | 2018-07-06 | 2018-07-06 | 基于点状杂波图的慢速运动目标消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109100696A CN109100696A (zh) | 2018-12-28 |
CN109100696B true CN109100696B (zh) | 2022-07-01 |
Family
ID=64845670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810737749.2A Active CN109100696B (zh) | 2018-07-06 | 2018-07-06 | 基于点状杂波图的慢速运动目标消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109100696B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111610504B (zh) * | 2020-06-09 | 2022-11-29 | 中国民用航空总局第二研究所 | 一种基于场面监视雷达的静止目标检测方法及系统 |
CN111693963B (zh) * | 2020-06-24 | 2023-09-22 | 艾索信息股份有限公司 | 一种聚心方法 |
CN112099103A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人信息检测方法、装置及电子设备 |
CN112986926B (zh) * | 2021-04-13 | 2022-11-08 | 北京无线电测量研究所 | 基于点迹属性关联判别的pd雷达鬼影抑制方法 |
CN113447901B (zh) * | 2021-05-17 | 2023-11-17 | 西安大衡天成信息科技有限公司 | 一种不依赖概率模型的海杂波识别与目标检测方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4089002A (en) * | 1977-04-05 | 1978-05-09 | The Bendix Corporation | CFAR threshold adaptive target coordinate extractor |
US7286079B2 (en) * | 2005-04-21 | 2007-10-23 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter |
GB2460116A (en) * | 2008-05-20 | 2009-11-25 | Mitsubishi Electric Inf Tech | Signal level determining apparatus and method |
CN101806887B (zh) * | 2010-03-19 | 2012-06-27 | 清华大学 | 基于空间跟踪滤波器的海杂波抑制和目标检测方法 |
CN101887119B (zh) * | 2010-06-18 | 2013-02-13 | 西安电子科技大学 | 基于子带anmf海杂波中动目标检测方法 |
US8816899B2 (en) * | 2012-01-26 | 2014-08-26 | Raytheon Company | Enhanced target detection using dispersive vs non-dispersive scatterer signal processing |
CN102901961A (zh) * | 2012-11-05 | 2013-01-30 | 中国船舶重工集团公司第七二四研究所 | 一种基于杂波信息图的最优多航迹分支目标跟踪实现方法 |
CN104036146B (zh) * | 2014-06-26 | 2017-04-26 | 中国电子科技集团公司第二十八研究所 | 一种用于雷达目标点迹凝聚的点迹聚类方法 |
CN104166135A (zh) * | 2014-09-05 | 2014-11-26 | 武汉中原电子集团有限公司 | 一种宽带雷达目标的原始点迹凝聚处理方法 |
CN106772302A (zh) * | 2015-12-22 | 2017-05-31 | 中国电子科技集团公司第二十研究所 | 一种复合高斯背景下的知识辅助stap检测方法 |
CN107505614B (zh) * | 2017-07-20 | 2020-07-31 | 上海无线电设备研究所 | 一种基于ati-sar图像幅相信息融合的目标检测方法 |
CN107561517A (zh) * | 2017-07-27 | 2018-01-09 | 中国船舶重工集团公司第七二四研究所 | 一种雷达海杂波剩余虚假点迹抑制方法 |
-
2018
- 2018-07-06 CN CN201810737749.2A patent/CN109100696B/zh active Active
Non-Patent Citations (2)
Title |
---|
Persymmetric adaptive detection for range-spread targets in generalized Pareto sea clutter;Jian Xue et al.;《2017 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC)》;20180101;全文 * |
星载三通道SAR-DPCA误差分析与;夏猛等;《中国空间科学技术》;20110430(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109100696A (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109100696B (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN107942329B (zh) | 机动平台单通道sar对海面舰船目标检测方法 | |
CN108490410A (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
CN111123212A (zh) | 一种基于复杂杂波背景下的场面监视雷达的信号处理方法 | |
CN112986926B (zh) | 基于点迹属性关联判别的pd雷达鬼影抑制方法 | |
CN105116387A (zh) | 基于位置和多普勒速度信息的pd雷达抗速度拖引方法 | |
CN107479037B (zh) | 一种pd雷达杂波区域判别方法 | |
CN113311398A (zh) | 强杂波复杂背景高机动弱小目标的跟踪方法 | |
CN115657005A (zh) | 一种基于多普勒雷达多信息融合的无人机识别方法 | |
CN113960587B (zh) | 基于类别信息反馈的毫米波雷达多目标跟踪方法 | |
CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
CN111965613B (zh) | 一种基于动态规划与分数阶傅里叶变换的弱目标检测方法 | |
CN108828549B (zh) | 一种基于机场场面监视雷达系统的目标提取方法 | |
CN106772357A (zh) | 信噪比未知条件下的ai‑phd滤波器 | |
CN113447901B (zh) | 一种不依赖概率模型的海杂波识别与目标检测方法 | |
CN114325599B (zh) | 一种针对不同环境的自动门限检测方法 | |
Sun et al. | A Wave Texture Difference Method for Rainfall Detection Using X‐Band Marine Radar | |
CN111768442B (zh) | 一种基于层次聚类和逻辑法的航迹起始方法及系统 | |
CN115144847A (zh) | 针对海杂波中弱目标探测的参数空间多通道目标搜索技术 | |
Lu et al. | Multi-channel track-before-detect approach for airborne target with OTH radar | |
CN113625266A (zh) | 应用雷达检测低速目标的方法、装置、存储介质和设备 | |
Li et al. | Moving target detection and tracking interactive algorithm based on acoustic image | |
CN116879863B (zh) | 一种连续波4d毫米波雷达多目标测量方法及系统 |
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 |