CN109507647A - 基于pri直方图的雷达信号分选方法 - Google Patents
基于pri直方图的雷达信号分选方法 Download PDFInfo
- Publication number
- CN109507647A CN109507647A CN201811448533.0A CN201811448533A CN109507647A CN 109507647 A CN109507647 A CN 109507647A CN 201811448533 A CN201811448533 A CN 201811448533A CN 109507647 A CN109507647 A CN 109507647A
- Authority
- CN
- China
- Prior art keywords
- pri
- case
- value
- folded
- histogram
- 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
- 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
本发明公开了一种基于PRI直方图的雷达信号分选方法,包括:建立雷达信号脉冲流的PRI直方图;为固定信号和抖动信号设定不同的抖动范围;先进行固定信号提取,再进行抖动信号提取,具体为:将PRI直方图中各PRI交迭箱的箱中值分别与判别门限相比较:若不存在超过判别门限的值,则将PRI直方图中所有PRI交迭箱的箱中值清零;否则,采用超过判别门限的峰值对应的PRI值作为可能的PRI值进行序列搜索;若成功搜索到序列,则从雷达信号脉冲流中剔除已检测到的脉冲,否则,将PRI直方图中所有PRI交迭箱的箱中值清零,进行下一阶次的脉冲提取。本发明能够提高抖动信号分选能力,对复杂环境下的脉冲数据有较好的分选效果。
Description
技术领域
本发明涉及一种基于PRI直方图的雷达信号分选方法,属于电子对抗技术领域。
背景技术
雷达信号分选指的是从雷达侦察接收机接收到的随机交错的脉冲流中,将同一雷达的脉冲分离出来并选出有用的信号的过程。基于脉冲重复间隔(PRI)的方法一直是信号分选中研究最多且成果最为丰富的方法之一。PRI搜索法、PRI直方图、PRI变换都是这类方法的典型代表。PRI直方图包括三种典型的方法:TOA差值直方图、积累差直方图(CDIF)以及时序差直方图(SDIF)。
TOA全差直方图是将每个TOA都与后续的TOA相减,并对每个TOA差值进行累计,得到脉冲序列的全差直方图。该方法主要缺点有:检测判别门限不是最佳判别门限;脉冲丢失严重时虚警较高;只适合定PRI情况,所需计算的差值数较多且谐波问题严重等。CDIF算法是一种基于直方图统计和序列搜索的混合算法,CDIF算法较传统的直方图方法在计算量和抑制谐波方面作了很大的改进,并且由于积累的效果,使得CDIF还具有对干扰脉冲和脉冲丢失不敏感的特点。SDIF是对CDIF提出的一种改进算法,和CDIF相比,两者的主要区别是SDIF针对不同阶的到达时间差直方图不进行累积,相应的检测判别门限也与CDIF不同。SDIF的优点在于相对CDIF减少了计算量,但由于不进行级间积累,使其性能有所下降,该算法最大的不足是不能对重频抖动信号进行处理。在实际系统中,如何确保实时性和复杂环境下分选结果的可靠性,这是非常困难的任务。因此亟须一种实时性好稳定性高的分选方法。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种基于PRI直方图的雷达信号分选方法,以解决现有技术中导致的上述缺陷或缺陷之一。
为达到上述目的,本发明实施例所提供的技术方案为:基于PRI直方图的雷达信号分选方法,包括:
建立雷达信号脉冲流的PRI直方图;
分别为待提取的固定信号和抖动信号设定不同的抖动范围;
采用下述方法首先进行固定信号提取,然后再进行抖动信号提取:
将PRI直方图中各PRI交迭箱的每个箱中值分别与判别门限相比较:若不存在超过判别门限的箱中值,则将PRI直方图中所有PRI交迭箱的箱中值清零;否则,采用超过判别门限的峰值对应的PRI值作为可能的PRI值进行序列搜索;
若成功搜索到序列,则从雷达信号脉冲流中剔除已检测到的脉冲,否则,将PRI直方图中所有PRI交迭箱的箱中值清零,进行下一阶次的脉冲提取。
进一步的,所述固定信号的PRI交迭箱宽度与抖动信号的PRI交迭箱宽度不同。
进一步的,所述方法还包括:对所提取的固定信号进行参差分析,以提取可能的参差信号。
进一步的,所述信号提取的方法包括如下步骤:
步骤1),初始化:令差值阶数C=1,把待分选PRI区间分为K个PRI交迭箱,确定每个PRI交迭箱的中心位置τl,初始化每个PRI交迭箱的箱中值Dl=0,l=1~K,l为PRI交迭箱索引,τl为第l个PRI交迭箱的中心位置;Dl为第l个PRI交迭箱的箱中值;
如果此时脉冲流中脉冲总数不大于5个,则结束信号提取;否则,进入下一步;
步骤2),令当前采样脉冲序号m=1,令n=m+C;
步骤3),计算当前差值阶数下第n个采样脉冲到达时间tn与第m个采样脉冲的脉冲到达时间tm的时间差τ,则τ=tn-tm;
如果τ<(1-ε)τmin或者τ>(1-ε)τmax,则转到步骤6);否则,进入下一步;其中,τmin为PRI最大值,τmax为PRI最大值,ε为待提取信号的抖动范围,固定信号和抖动信号提取时抖动范围设置不同;
步骤4),计算PRI交迭箱的下限计算PRI交迭箱的上限其中Δτ=(τmax-τmin)/K;
步骤5),l=l1~l2,Dl=Dl+1;
步骤6),m=m+1,n=m+C,如果n等于采样脉冲的总个数N,则转到步骤8),否则转到步骤3);
步骤7),把直方图中每个PRI交迭箱的箱中值与判别门限比较,如果所有箱中值都没有超过判别门限,则执行C=C+1,把直方图中所有PRI交迭箱的箱中值清零,转到步骤2),否则,进入下一步;
步骤8),对PRI交迭箱中超过判别门限的最大箱中值所对应的附近箱中值执行清零操作,然后进行谐波检测;所述附近箱中值=最大箱中值×预设比例;
步骤9),序列搜索:如果成功搜索到序列,则从脉冲流中剔除已检测信号脉冲,转到步骤1);否则,令C=C+1,把PRI直方图中所有PRI交迭箱的箱中值清零,转到步骤2)。
进一步的,所述中心位置τl的计算方法为:
第l个交迭箱的宽度为bl=2ετl。
进一步的,所述步骤7)判别门限采用下述公式计算确定:
T(τ)=x(E-C)e-τ/kN
式中:E为脉冲总数;C为差值阶数;k、x均为小于1的正常数;N为交迭箱的划分总数。
进一步的,确定序列搜索的PRI值的方法包括:
找到过判别门限的最大箱中值;
根据预设比例,查找不小于(最大箱中值×预设比例)的箱中值;
计算所查找出的最大箱中值对应交迭箱的中心位置与最小箱中值对应交迭箱的中心位置的平均值,将该平均值作为序列搜索的PRI值。
进一步的,所述谐波检测的方法包括:
查找PRI交迭箱的最大箱中值对应的PRI值,假如最大箱中值没有过判别门限T(τ),则查找PRI交迭箱中过判别门限的箱中值对应的PRI值;
若该过判别门限PRI值是某未过判别门限PRI交迭箱对应的PRI值的谐波,则用未过判别门限PRI交迭箱对应的PRI值进行序列搜索;
若过判别门限PRI最小值不是未过判别门限PRI交迭箱对应的PRI值的整数倍,则用过判别门限PRI最小值进行序列搜索;
若PRI交迭箱最的箱中值过判别门限,则以过判别门限的第一个箱中值对应的PRI值进行序列搜索。
进一步的,所述步骤10)的序列搜索方法为:对于固定信号或抖动信号,需搜索连续多个脉冲与PRI值匹配,才认为匹配成功。
与现有技术相比,本发明实施例所达到的有益效果是:
(1)实时处理复杂环境下的脉冲信号,分选出正确的信号;
(2)通过改进PRI交迭窗,有效的处理抖动信号,便于工程实现;
(3)通过先提取固定信号,然后在剩余脉冲中提取抖动信号,处理方法简单高效。
附图说明
图1是本发明实施例提供的固定信号提取流程图。
(抖动信号提取流程相同,区别在于不需要进行参差分析)
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明实施例提供的基于PRI直方图的雷达信号分选方法,首先从雷达信号的脉冲流中提取固定信号,然后从剩余脉冲流中提取抖动信号。分选方法主要包括:PRI直方图建立和序列搜索。
PRI直方图建立采用交迭PRI箱的思想,对固定信号和抖动信号取不同的宽度建立不同的PRI交迭箱。序列搜索包括PRI估计和根据PRI进行的序列搜索。
如图1所示,是本发明实施例提供的固定信号提取流程图,还包括参差信号提取,具体为,在固定信号提取结束后再进行参差分析,提取出可能的参差信号。抖动信号提取流程与固定信号提取流程基本相同,区别在于不需要进行参差分析。
下面对信号提取的方法做进一步详细描述,包括如下步骤:
步骤1),初始化:令差值阶数C=1,把待分选PRI区间分为K个PRI交迭箱,确定每个PRI交迭箱的中心位置τl,初始化每个PRI交迭箱的箱中值Dl=0,l=1~K,l为PRI交迭箱索引,τl为第l个PRI交迭箱的中心位置;Dl为第l个PRI交迭箱的箱中值;
如果此时脉冲流中脉冲总数不大于5个,则结束信号提取;否则,进入下一步;
步骤2),令当前采样脉冲序号m=1,令n=m+C;
步骤3),计算当前差值阶数下第n个采样脉冲到达时间tn与第m个采样脉冲的脉冲到达时间tm的时间差τ,则τ=tn-tm;
如果τ<(1-ε)τmin或者τ>(1-ε)τmax,则转到步骤6);否则,进入下一步;其中,τmin为PRI最大值,τmax为PRI最大值,ε为待提取信号的抖动范围,固定信号和抖动信号提取时抖动范围设置不同;
步骤4),计算PRI交迭箱的下限计算PRI交迭箱的上限其中Δτ=(τmax-τmin)/K;
步骤5),l=l1~l2,Dl=Dl+1;
步骤6),m=m+1,n=m+C,如果n等于采样脉冲的总个数N,则转到步骤8),否则转到步骤3);
步骤7),把直方图中每个PRI交迭箱的箱中值与判别门限比较,如果所有箱中值都没有超过判别门限,则执行C=C+1,把直方图中所有PRI交迭箱的箱中值清零,转到步骤2),否则,进入下一步;
步骤8),对PRI交迭箱中超过判别门限的最大箱中值所对应的附近箱中值执行清零操作,然后进行谐波检测;所述附近箱中值=最大箱中值×预设比例;
步骤9),序列搜索:如果成功搜索到序列,则从脉冲流中剔除已检测信号脉冲,转到步骤1);否则,令C=C+1,把PRI直方图中所有PRI交迭箱的箱中值清零,转到步骤2)。
本实施例中第l个交迭箱的中心位置τl的计算方法为:
第l个交迭箱的宽度为bl=2ετl,对于固定信号,ε可取值为±1%,对于抖动信号,ε可取值为±15%。
本实施例中,判别门限计算公式为:T(τ)=x(E-C)e-τ/kN,式中:E为脉冲总数;C为差值阶数;k、x均为小于1的正常数,具体的,k可取0.1,x可取0.2;N为交迭箱的划分总数。
本实施例中,确定序列搜索的PRI值的方法包括:找到过判别门限的最大箱中值;根据预设比例,查找不小于(最大箱中值×预设比例)的箱中值;
计算所查找出的最大箱中值对应交迭箱的中心位置与最小箱中值对应交迭箱的中心位置的平均值,将该平均值作为序列搜索的PRI值。预设比例可选取为85%。
本实施例中,所述步骤8)的谐波检测方法为:查找PRI交迭箱的最大箱中值对应的PRI值,假如最大箱中值没有过判别门限,则查找PRI交迭箱中过判别门限的箱中值对应的PRI值;若该过判别门限PRI值是某未过判别门限PRI交迭箱对应的PRI值的谐波,则用未过判别门限PRI交迭箱对应的PRI值进行序列搜索;若过判别门限PRI最小值不是未过判别门限PRI交迭箱对应的PRI值的整数倍,则用过判别门限PRI最小值进行序列搜索;若PRI交迭箱最的箱中值过判别门限,则以过判别门限的第一个箱中值对应的PRI值进行序列搜索。实施过程最多考虑6倍谐波。
本实施例中,所述步骤8)的序列搜索方法为:对于固定信号或抖动信号,需搜索连续(中间最多允许丢一个脉冲)多个脉冲与PRI值匹配,才认为匹配首先产生1个参差、1个固定和2个抖动信号,参差信号重复间隔为PRI1=1000us(210.5us,315.8us,473.6us三参差),固定信号重复间隔为PRI2=340us,抖动信号重复间隔为PRI3=400us,PRI4=600us,抖动范围为±10%;然后进行固定信号提取,步骤1)ε取值为±1%,按照步骤1)~步骤7)的顺序进行PRI直方图建立;
PRI直方图建立后,按步骤8)和步骤9),进行PRI估计;
按步骤10),进行序列搜索,得到输出信号,并且删除相应的脉冲;
固定信号提取结束后,进行抖动信号提取,步骤1)ε取值为±15%,按照步骤1)~步骤7)的顺序进行PRI直方图建立;
PRI直方图建立后,按步骤8)和步骤9),进行PRI估计;
按步骤10),进行序列搜索,得到输出信号,并且删除相应的脉冲;
经由上述处理,分别得到固定提取信号和抖动提取信号,最后对固定提取的信号进行参差信号提取,满足参差条件的信号为参差信号。
上述固定信号提取直方图最大阶数Q取值为8,抖动信号提取直方图最大阶数Q取值为6,剩余脉冲最小个数值固定提取和抖动提取都取6个脉冲。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (9)
1.基于PRI直方图的雷达信号分选方法,其特征在于,所述方法包括:
建立雷达信号脉冲流的PRI直方图;
分别为待提取的固定信号和抖动信号设定不同的抖动范围;
采用下述方法首先进行固定信号提取,然后再进行抖动信号提取:
将PRI直方图中各PRI交迭箱的每个箱中值分别与判别门限相比较:若不存在超过判别门限的箱中值,则将PRI直方图中所有PRI交迭箱的箱中值清零;否则,采用超过判别门限的峰值对应的PRI值作为可能的PRI值进行序列搜索;
若成功搜索到序列,则从雷达信号脉冲流中剔除已检测到的脉冲,否则,将PRI直方图中所有PRI交迭箱的箱中值清零,进行下一阶次的脉冲提取。
2.根据权利要求1所述的基于PRI直方图的雷达信号分选方法,其特征在于,所述固定信号的PRI交迭箱宽度与抖动信号的PRI交迭箱宽度不同。
3.根据权利要求1所述的基于PRI直方图的雷达信号分选方法,其特征在于,所述方法还包括:对所提取的固定信号进行参差分析,以提取可能的参差信号。
4.根据权利要求1所述的基于PRI直方图的雷达信号分选方法,其特征是在于,所述信号提取的方法包括如下步骤:
步骤1),初始化:令差值阶数C=1,把待分选PRI区间分为K个PRI交迭箱,确定每个PRI交迭箱的中心位置τl,初始化每个PRI交迭箱的箱中值Dl=0,l=1~K,l为PRI交迭箱索引,τl为第l个PRI交迭箱的中心位置;Dl为第l个PRI交迭箱的箱中值;
如果此时脉冲流中脉冲总数不大于5个,则结束信号提取;否则,进入下一步;
步骤2),令当前采样脉冲序号m=1,令n=m+C;
步骤3),计算当前差值阶数下第n个采样脉冲到达时间tn与第m个采样脉冲的脉冲到达时间tm的时间差τ,则τ=tn-tm;
如果τ<(1-ε)τmin或者τ>(1-ε)τmax,则转到步骤6);否则,进入下一步;其中,τmin为PRI最大值,τmax为PRI最大值,ε为待提取信号的抖动范围,固定信号和抖动信号提取时抖动范围设置不同;
步骤4),计算PRI交迭箱的下限计算PRI交迭箱的上限其中Δτ=(τmax-τmin)/K;
步骤5),l=l1~l2,Dl=Dl+1;
步骤6),m=m+1,n=m+C,如果n等于采样脉冲的总个数N,则转到步骤8),否则转到步骤3);
步骤7),把直方图中每个PRI交迭箱的箱中值与判别门限比较,如果所有箱中值都没有超过判别门限,则执行C=C+1,把直方图中所有PRI交迭箱的箱中值清零,转到步骤2),否则,进入下一步;
步骤8),对PRI交迭箱中超过判别门限的最大箱中值所对应的附近箱中值执行清零操作,然后进行谐波检测;所述附近箱中值=最大箱中值×预设比例;
步骤9),序列搜索:如果成功搜索到序列,则从脉冲流中剔除已检测信号脉冲,转到步骤1);否则,令C=C+1,把PRI直方图中所有PRI交迭箱的箱中值清零,转到步骤2)。
5.根据权利要求4所述的基于PRI直方图的雷达信号分选方法,其特征在于,所述中心位置τl的计算方法为:
第l个交迭箱的宽度为bl=2ετl。
6.根据权利要求4所述的基于PRI直方图的雷达信号分选方法,其特征在于,所述步骤7)判别门限采用下述公式计算确定:
T(τ)=x(E-C)e-τ/kN
式中:E为脉冲总数;C为差值阶数;k、x均为小于1的正常数;N为交迭箱的划分总数。
7.根据权利要求4所述的基于PRI直方图的雷达信号分选方法,其特征在于,确定序列搜索的PRI值的方法包括:
找到过判别门限的最大箱中值;
根据预设比例,查找不小于(最大箱中值×预设比例)的箱中值;
计算所查找出的最大箱中值对应交迭箱的中心位置与最小箱中值对应交迭箱的中心位置的平均值,将该平均值作为序列搜索的PRI值。
8.根据权利要求4所述的基于PRI直方图的雷达信号分选方法,其特征在于,所述谐波检测的方法包括:
查找PRI交迭箱的最大箱中值对应的PRI值,假如最大箱中值没有过判别门限T(τ),则查找PRI交迭箱中过判别门限的箱中值对应的PRI值;
若该过判别门限PRI值是某未过判别门限PRI交迭箱对应的PRI值的谐波,则用未过判别门限PRI交迭箱对应的PRI值进行序列搜索;
若过判别门限PRI最小值不是未过判别门限PRI交迭箱对应的PRI值的整数倍,则用过判别门限PRI最小值进行序列搜索;
若PRI交迭箱最的箱中值过判别门限,则以过判别门限的第一个箱中值对应的PRI值进行序列搜索。
9.根据权利要求1所述的基于PRI直方图的雷达信号分选方法,其特征在于,所述步骤10)的序列搜索方法为:对于固定信号或抖动信号,需搜索连续多个脉冲与PRI值匹配,才认为匹配成功。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811448533.0A CN109507647B (zh) | 2018-11-30 | 2018-11-30 | 基于pri直方图的雷达信号分选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811448533.0A CN109507647B (zh) | 2018-11-30 | 2018-11-30 | 基于pri直方图的雷达信号分选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109507647A true CN109507647A (zh) | 2019-03-22 |
CN109507647B CN109507647B (zh) | 2023-03-24 |
Family
ID=65751253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811448533.0A Active CN109507647B (zh) | 2018-11-30 | 2018-11-30 | 基于pri直方图的雷达信号分选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109507647B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110426696A (zh) * | 2019-07-20 | 2019-11-08 | 中国船舶重工集团公司第七二四研究所 | 一种脉冲缺损的雷达信号特征序列搜索方法 |
CN110740107A (zh) * | 2019-10-23 | 2020-01-31 | 南京信息职业技术学院 | 一种基于极值特征的复杂pri调制类型识别算法 |
CN111123216A (zh) * | 2019-12-31 | 2020-05-08 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号直方图的频率引导方法 |
CN111257839A (zh) * | 2020-03-30 | 2020-06-09 | 吉林大学 | 一种雷达信号分选方法 |
CN111796239A (zh) * | 2020-06-12 | 2020-10-20 | 中国船舶重工集团公司第七二四研究所 | 一种小范围重频抖动信号的谐波抑制方法 |
CN112068089A (zh) * | 2020-08-13 | 2020-12-11 | 中国人民解放军海军工程大学 | 一种基于粒子滤波的序列检索方法 |
CN112100449A (zh) * | 2020-08-24 | 2020-12-18 | 深圳市力合微电子股份有限公司 | 实现动态大范围和高精度定位的d-ToF测距优化存储方法 |
CN112198481A (zh) * | 2020-10-09 | 2021-01-08 | 哈尔滨工程大学 | 一种脉冲丢失混叠情况下的pri抖动雷达信号分选方法 |
CN112763989A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种基于cdif的抖动信号分选方法 |
CN113702919A (zh) * | 2021-09-01 | 2021-11-26 | 中国科学院空天信息创新研究院 | 一种估计pri值并提取脉冲序列的方法和装置 |
CN114089285A (zh) * | 2022-01-24 | 2022-02-25 | 安徽京淮健锐电子科技有限公司 | 一种基于一阶脉冲重复间隔pri的信号分选方法 |
CN115128569A (zh) * | 2022-08-30 | 2022-09-30 | 中国电子科技集团公司第十五研究所 | 雷达侦察全脉冲数据可视化分选方法、服务器及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5396250A (en) * | 1992-12-03 | 1995-03-07 | The United States Of America As Represented By The Secretary Of The Air Force | Spectral estimation of radar time-of-arrival periodicities |
EP2118678A1 (en) * | 2007-03-07 | 2009-11-18 | Selex Sensors and Airborne Systems Limited | Surveillance system and method |
CN106842149A (zh) * | 2017-03-31 | 2017-06-13 | 中国科学院电子学研究所 | 运用聚类思想改进的序列差值直方图分选方法 |
CN108181613A (zh) * | 2017-12-04 | 2018-06-19 | 山东航天电子技术研究所 | 一种pri抖动信号序列差值非均匀量化分选方法 |
-
2018
- 2018-11-30 CN CN201811448533.0A patent/CN109507647B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5396250A (en) * | 1992-12-03 | 1995-03-07 | The United States Of America As Represented By The Secretary Of The Air Force | Spectral estimation of radar time-of-arrival periodicities |
EP2118678A1 (en) * | 2007-03-07 | 2009-11-18 | Selex Sensors and Airborne Systems Limited | Surveillance system and method |
CN106842149A (zh) * | 2017-03-31 | 2017-06-13 | 中国科学院电子学研究所 | 运用聚类思想改进的序列差值直方图分选方法 |
CN108181613A (zh) * | 2017-12-04 | 2018-06-19 | 山东航天电子技术研究所 | 一种pri抖动信号序列差值非均匀量化分选方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110426696A (zh) * | 2019-07-20 | 2019-11-08 | 中国船舶重工集团公司第七二四研究所 | 一种脉冲缺损的雷达信号特征序列搜索方法 |
CN110740107B (zh) * | 2019-10-23 | 2022-05-27 | 南京信息职业技术学院 | 一种基于极值特征的复杂pri调制类型识别算法 |
CN110740107A (zh) * | 2019-10-23 | 2020-01-31 | 南京信息职业技术学院 | 一种基于极值特征的复杂pri调制类型识别算法 |
CN111123216A (zh) * | 2019-12-31 | 2020-05-08 | 南京长峰航天电子科技有限公司 | 一种基于雷达信号直方图的频率引导方法 |
CN111257839A (zh) * | 2020-03-30 | 2020-06-09 | 吉林大学 | 一种雷达信号分选方法 |
CN111796239A (zh) * | 2020-06-12 | 2020-10-20 | 中国船舶重工集团公司第七二四研究所 | 一种小范围重频抖动信号的谐波抑制方法 |
CN111796239B (zh) * | 2020-06-12 | 2024-01-12 | 中国船舶集团有限公司第七二四研究所 | 一种小范围重频抖动信号的谐波抑制方法 |
CN112068089A (zh) * | 2020-08-13 | 2020-12-11 | 中国人民解放军海军工程大学 | 一种基于粒子滤波的序列检索方法 |
CN112068089B (zh) * | 2020-08-13 | 2023-07-21 | 中国人民解放军海军工程大学 | 一种基于粒子滤波的序列检索方法 |
CN112100449A (zh) * | 2020-08-24 | 2020-12-18 | 深圳市力合微电子股份有限公司 | 实现动态大范围和高精度定位的d-ToF测距优化存储方法 |
CN112100449B (zh) * | 2020-08-24 | 2024-02-02 | 深圳市力合微电子股份有限公司 | 实现动态大范围和高精度定位的d-ToF测距优化存储方法 |
CN112198481B (zh) * | 2020-10-09 | 2023-07-21 | 哈尔滨工程大学 | 一种脉冲丢失混叠情况下的pri抖动雷达信号分选方法 |
CN112198481A (zh) * | 2020-10-09 | 2021-01-08 | 哈尔滨工程大学 | 一种脉冲丢失混叠情况下的pri抖动雷达信号分选方法 |
CN112763989A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种基于cdif的抖动信号分选方法 |
CN112763989B (zh) * | 2020-12-30 | 2024-02-06 | 湖南艾科诺维科技有限公司 | 一种基于cdif的抖动信号分选方法 |
CN113702919B (zh) * | 2021-09-01 | 2023-06-27 | 中国科学院空天信息创新研究院 | 一种估计pri值并提取脉冲序列的方法和装置 |
CN113702919A (zh) * | 2021-09-01 | 2021-11-26 | 中国科学院空天信息创新研究院 | 一种估计pri值并提取脉冲序列的方法和装置 |
CN114089285A (zh) * | 2022-01-24 | 2022-02-25 | 安徽京淮健锐电子科技有限公司 | 一种基于一阶脉冲重复间隔pri的信号分选方法 |
CN115128569A (zh) * | 2022-08-30 | 2022-09-30 | 中国电子科技集团公司第十五研究所 | 雷达侦察全脉冲数据可视化分选方法、服务器及存储介质 |
CN115128569B (zh) * | 2022-08-30 | 2022-11-25 | 中国电子科技集团公司第十五研究所 | 雷达侦察全脉冲数据可视化分选方法、服务器及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109507647B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109507647A (zh) | 基于pri直方图的雷达信号分选方法 | |
CN105277923B (zh) | 一种单通道雷达信号分选方法 | |
CN104036146B (zh) | 一种用于雷达目标点迹凝聚的点迹聚类方法 | |
CN102819735B (zh) | 基于视频帧图像的火焰检测方法 | |
CN109636795A (zh) | 实时无跟踪的监控视频遗留物检测方法 | |
CN104331710B (zh) | 开关状态识别系统 | |
CN104408482A (zh) | 一种高分辨率sar图像目标检测方法 | |
CN107563433A (zh) | 一种基于卷积神经网络的红外小目标检测方法 | |
CN102842045A (zh) | 一种基于组合特征的行人检测方法 | |
CN102521565A (zh) | 低分辨率视频的服装识别方法及系统 | |
CN102298698A (zh) | 基于角点与边缘信息融合的遥感图像飞机检测方法 | |
CN106385288B (zh) | 一种雷达脉冲跨信道融合检测装置及其检测方法 | |
CN104881561B (zh) | 一种基于Hough变换的多维参数的检测前跟踪方法 | |
CN101634705B (zh) | 基于方向信息测度的sar图像目标变化检测方法 | |
CN102879765A (zh) | 基于聚类统计分析的快速信号分选方法 | |
CN103955949A (zh) | 基于Mean-shift算法的运动目标检测方法 | |
CN110031854A (zh) | 一种实时的高精度激光多回波距离提取方法 | |
CN102881160A (zh) | 一种低照度场景下的户外交通标志识别方法 | |
CN110176250A (zh) | 一种基于局部学习的鲁棒声学场景识别方法 | |
Yang et al. | Vehicle color recognition using monocular camera | |
CN104408400B (zh) | 一种基于单幅图像频域信息的不可分辨多目标检测方法 | |
CN110135400A (zh) | 一种基于度量学习的餐饮场景违规识别方法 | |
Kauppi et al. | An efficient set of features for pulse repetition interval modulation recognition | |
Zhang et al. | Key frame extraction of surveillance video based on fractional Fourier transform | |
CN111736156A (zh) | 一种基于天气雷达的逆风区识别方法与装置 |
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 |