CN109799484A - 一种外辐射源雷达系统多径抑制方法、系统及存储介质 - Google Patents
一种外辐射源雷达系统多径抑制方法、系统及存储介质 Download PDFInfo
- Publication number
- CN109799484A CN109799484A CN201910097478.3A CN201910097478A CN109799484A CN 109799484 A CN109799484 A CN 109799484A CN 201910097478 A CN201910097478 A CN 201910097478A CN 109799484 A CN109799484 A CN 109799484A
- Authority
- CN
- China
- Prior art keywords
- clutter
- signal
- multipath
- indicate
- delay
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种外辐射源雷达系统多径抑制方法、系统及存储介质,所述方法包括:采用OMP算法进行杂波多径时延估计,确定离散时延个数及时延位置;根据所确定的离散时延个数及时延位置重构杂波多径信号;将重构的杂波多径信号与监测通道接收信号相比较,得到误差信号;根据误差信号调节自适应对消滤波器权系数,使误差信号的均方差达到最小值。本发明通过基于OMP算法的杂波多径时延估计算法估计了时延,重构了杂波多径信号,无需逐采样点滑动、计算量显著减少且收敛迅速。
Description
技术领域
本发明涉及一种外辐射源雷达系统多径抑制方法、系统及存储介质,属于数字电视信号处理技术领域。
背景技术
数字电视外辐射源面临着直达波与杂波多径干扰,目标检测需首先进行直达波与杂波多径的抑制。对于带宽较宽的高清数字电视信道(HDTV),冲激响应往往呈现为数量相对较少的几簇重要路径集,而这些路径集呈现出稀疏性。在数字电视地面广播外辐射源雷达系统中,多路径杂波跨越大量采样间隔,导致杂波多径对消模块的计算量增加且收敛能力下降。
如图1所示,传统自适应对消滤波器是将直达波信号s(k)通过系数可调的加权滤波器后,与监测通道接收信号q(k)相减从而抑制杂波多径。其对消结果如图2所示,对消后的距离多普勒图如图3所示,从对消后信号的模值大小可以看出,杂波多径未完全对消且收敛缓慢;另外,由于不清楚杂波多径显著系数的位置,只能采用逐采样点滑动对消,实现杂波多径模型估计,计算量较大,且在多路径杂波跨越大量采样间隔时,无法保证可靠的收敛。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种外辐射源雷达系统多径抑制方法、系统及存储介质,以解决现有技术中导致的上述多项缺陷或缺陷之一。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种外辐射源雷达系统多径抑制方法,所述方法包括如下步骤:
采用OMP算法进行杂波多径时延估计,确定离散时延个数及时延位置;
根据所确定的离散时延个数及时延位置重构杂波多径信号;
将重构的杂波多径信号与监测通道接收信号相比较,得到误差信号;
根据误差信号调节自适应对消滤波器权系数,使误差信号的均方差达到最小值。
第二方面,本发明提供了一种外辐射源雷达系统多径抑制系统,所述系统包括:
估计模块:用于采用OMP算法进行杂波多径时延估计,确定离散时延个数及时延位置;
重构模块:用于根据所确定的离散时延个数及时延位置重构杂波多径信号;
比较模块:用于将重构的杂波多径信号与监测通道接收信号相比较,得到误差信号;
调节模块:用于根据误差信号调节自适应对消滤波器权系数,使误差信号的均方差达到最小值。
第三方面,本发明还提供了一种外辐射源雷达系统多径抑制系统,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行前述的外辐射源雷达系统多径抑制方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述的外辐射源雷达系统多径抑制方法的步骤。
综上,本发明提供的外辐射源雷达系统多径抑制方法、系统及存储介质,通过基于OMP算法的杂波多径时延估计算法估计了时延,重构了杂波多径信号,无需逐采样点滑动、计算量显著减少且收敛迅速;将杂波多径信号与监测通道接收信号(直达波信号)进行预置时延NLMS对消(normalized least mean square algorithm,归一化最小方均算法),保证可靠收敛,收敛迅速且收敛结果较好。
附图说明
图1是传统自适应对消滤波器的对消原理框图;
图2是传统自适应对消滤波器的对消结果示意图;
图3是传统自适应对消滤波器对消后的距离多普勒图;
图4是根据本发明实施例的外辐射源雷达系统多径抑制方法的原理框图;
图5是根据本发明实施例的预置时延NLMS对消滤波器截短算法原理框图;
图6是根据本发明实施例的采用OMP算估计的杂波多径时延结果;
图7是根据本发明实施例的预置时延NLMS对消滤波器截短算法对消结果;
图8是根据本发明实施例的对消后的距离多普勒图。
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。
应当理解:数字电视外辐射源雷达包含两个通道,分别为直达波通道与监测通道。
如图4所示,是本发明实施例提供的外辐射源雷达系统多径抑制方法:先利用OMP估计数字电视外辐射源雷达系统的稀疏多径,然后通过估计的杂波多径时延对直达波信号进行时延操作,重构有明显增益的主要多径,最后监测通道的接收信号与多径信号进行NLMS对消,抑制多径从而检测目标信号。
(1)目标模型
假设共有Nt个目标,基于数字电视的外辐射源雷达系统目标信号模型可以写成如下形式:
其中,T(k)表示目标回波信号,k表示离散时间,t表示目标序号,Nt表示目标总数,μt和τt分别表示第t个目标回波的衰减因子和时延,ft表示第t个目标的多普勒频率,fs表示采样频率,s(k-τt)表示延时τt的直达波信号;ej[·]表示复信号。
(2)杂波多径模型
基于数字电视的外辐射源雷达系统杂波多径接收信号模型可以写成如下形式:
其中,x(k)为监测通道接收的杂波多径信号,s(k)为直达波数据,h(k)表示杂波多径传递函数,n(k)表示加性高斯白噪声,表示卷积运算。
将公式(2)展开,写成矩阵与向量的形式,表达式如下:
x(k)=Ψ(k)h(k)+n(k) (3)
即
其中,Ψ(k)表示参考通道接收的直达波数据s(k)组成的hankel矩阵,维度为M×N1。
由于h(k)中绝对值绝大部分为零,可以认为x(k)在变换域Ψ(k)中具有稀疏性,使用正交匹配算法对x(k)进行重构。高清数字电视信道呈现很明显的稀疏性,在稀疏多径的环境下,不需要完整地估计最大时延内所有多径的增益,只需对有明显增益的主要时延多径进行估计,即找出h(k)中的非0抽头系数。
(3)基于OMP的杂波多径时延估计算法
采用基于OMP算法的杂波多径时延估计算法找出h(k)中的非0抽头。OMP算法的基本思想是在每一次迭代过程中,从hankel矩阵Ψ(k)中选取与直达波数据s(k)最匹配的原子来对h(k)进行近似。经过一定的迭代之后,信号可由已选原子进行线性表示。
用OMP算法进行杂波多径时延估计的具体步骤如下:
①输入:监测通道接收信号q(k)=x(k)+T(k),参考通道接收的直达波数据s(k)组成的hankel矩阵Ψ(k),稀疏度K。
输出:稀疏系数
②初始化:初始化残差r0=q(k),迭代次数m=1,索引集Λ0为空集,选中的列集合Q(k)为空集,重复以下迭代K次。
③第m次迭代步骤:
(1)寻找匹配向量rm-1表示第m-1次迭代后的残差,βj表示Ψ(k)的第j列,<rm-1,βj>表示求rm-1和βj的内积运算,|·|表示求绝对值运算,argmax{·}表示求|<rm-1,βj>|最大值时取的j值,NΨ表示Ψ(k)的列数;
(2)扩展索引集,Λm=Λm-1∪{λm},λm表示第m次迭代搜索到的列序号,Λm-1表示第m-1次迭代搜索到的列序号集合,∪表示求并集运算;
(3)扩展选中的列集合Qm-1(k)表示按列序号集合Λm-1从Ψ(k)中搜出来的列向量集合,表示按列序号λm从Ψ(k)中搜出来的列向量;
(4)利用Qm(k)中的向量获得新的杂波多径传递函数:argmin{·}表示求||q(k)-Qm(k)h(k)||最小值时取的h值;
(5)更新残差rm表示第m次迭代后的残差,q(k)表示监测通道接收信号,Qm(k)表示按列序号集合Λm从Ψ(k)中搜出来的列向量集合,表示杂波多径传递函数的估计;
④显著时延门限检测:设置门限Γ,当时,记录k和h(k)的信息,当时,将设置为0,此即估计的稀疏多径参数。
通过上述步骤获得杂波多径传递函数估计中非0抽头系数的个数等于稀疏度K,等于杂波多径条数,非零抽头的位置就是杂波多径离散时延位置,分别记为l1,l2,…,li,…lK,li表示第i个杂波多径的时延位置。
(4)预置时延NLMS对消滤波器截短算法
预置时延NLMS对消滤波器是将重构杂波多径信号pi(k)通过系数可调的加权滤波器后,与期望参考信号q(k)比较,得到误差信号e(k);然后,采用特定的滤波算法根据e(k)调节滤波器权系数w(k);最终,使误差信号的均方差达到最小值。预置时延NLMS对消滤波器截短算法原理框图如图5所示,该算法已经通过基于OMP算法的杂波多径时延估计算法估计了时延,重构了杂波多径,因此无需逐采样点滑动,计算量显著减少且收敛迅速。
预置时延NLMS对消滤波器截短算法主要迭代过程总结如下:
利用上一步估计得到的时延值li,以及杂波多径条数K,重构第i个杂波多径信号pi(k),表示为
pi(k)=s(k-li),(i=1,2K) (5)
令为第i(i=1,2…K)个杂波多径自适应对消滤波器权值,则自适应对消滤波器权向量具体表达式为:
式中[·]T表示转置运算,k表示离散时间。自适应对消滤波器输入递归向量为:
P(k)=[p1(k),p2(k),…,pK(k)]T (7)
式中:pi(k)表示重构的第i个杂波多径信号,[·]T表示转置运算。
因为杂波多径是稀疏的,所以K值较小,与常规NLMS相比维度下降。
自适应对消滤波器输出为:
式中:[·]H表示共轭转置运算,q(k)表示监测通道接收信号,表示自适应对消滤波器权向量,P(k)表示自适应对消滤波器输入;
权向量更新可采用下式进行
式中α、β为小正数,[·]*表示共轭运算。由于多径杂波的稀疏性,K远远小于Nf,从而使得预置时延NLMS对消滤波器截短算法的计算量远小于传统的NLMS算法。
滤波器输出e(k)与直达波信号s(k)进行距离多普勒互相关处理,实现目标的检测,公式如下所示:
其中,τ是距离延迟,f是多普勒频移,N为数据长度,|Φ(τ,f)|表示距离多普勒互相关处理结果;s(k-τ)是延时τ的直达波数据,ej[·]表示复信号。
实施例
仿真中,以数字电视地面广播信号作为外辐射源雷达系统的输入信号。采样率设为10MHz,信号积累时间为0.032s。雷达接收阵列采用16单元的线阵,在34°方向通过形成波束。空间存在1个目标,方向位于33°,距离和多普勒分别是30km和200Hz。从发射端到监测通道接收端的杂波多径传递函数长度为200,但非0抽头的个数仅设置3个,分别为c1=1,c70=-0.33ej0.7,c100=0.14ej1.2,显著多径杂波的位置分别为1,70和100,其余全部为0。
使用OMP估计的杂波多径时延结果如图6所示,估计的显著多径杂波的位置分别为1,70和100,与杂波多径传递函数设置一致。通过OMP获得的多径时延对直达波信号进行延时处理,重构多径信号。将多径信号与监测通道接收信号进行预置时延NLMS对消,预置时延NLMS对消结果如图7所示,收敛迅速且收敛结果较好。使用预置时延NLMS对消后的距离多普勒图如图8所示,信噪比为54.6dB,目标能被准确检测到。使用传统NLMS对消后的距离多普勒图如图3所示,信噪比为19.3dB,远低于图8的信噪比。仿真实验结果表明了基于OMP的预置时延NLMS对消滤波器截短方法可有效抑制多径。
本发明实施例还提供了一种外辐射源雷达系统多径抑制系统,能够用于执行前述的外辐射源雷达系统多径抑制方法,所述系统包括:
估计模块:用于采用OMP算法进行杂波多径时延估计,确定离散时延个数及时延位置;
重构模块:用于根据所确定的离散时延个数及时延位置重构杂波多径信号;
比较模块:用于将重构的杂波多径信号与期望参考信号相比较,得到误差信号;
调节模块:用于根据误差信号调节自适应对消滤波器权系数,使误差信号的均方差达到最小值。
本发明实施例还提供了一种外辐射源雷达系统多径抑制系统,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行前述的外辐射源雷达系统多径抑制方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述的外辐射源雷达系统多径抑制方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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)
1.一种外辐射源雷达系统多径抑制方法,其特征在于,所述方法包括如下步骤:
采用OMP算法进行杂波多径时延估计,确定离散时延个数及时延位置;
根据所确定的离散时延个数及时延位置重构杂波多径信号;
将重构的杂波多径信号与监测通道接收信号相比较,得到误差信号;
根据误差信号调节自适应对消滤波器权系数,使误差信号的均方差达到最小值。
2.根据权利要求1所述的外辐射源雷达系统多径抑制方法,其特征在于,杂波多径时延估计的方法包括:
初始化残差r0=q(k),q(k)表示监测通道接收信号,迭代次数m=1,索引集Λ0为空集,选中的列集合Q(k)为空集,重复步骤a~e,最大迭代次数K:
a、寻找匹配向量rm-1表示第m-1次迭代后的残差,βj表示Ψ(k)的第j列,<rm-1,βj>表示求rm-1和βj的内积运算,|·|表示求绝对值运算,argmax{·}表示求|<rm-1,βj>|最大值时取的j值,NΨ表示Ψ(k)的列数;
b、扩展索引集,Λm=Λm-1∪{λm},λm表示第m次迭代搜索到的列序号,Λm-1表示第m-1次迭代搜索到的列序号集合,∪表示求并集运算;
c、扩展选中的列集合Qm-1(k)表示按列序号集合Λm-1从Ψ(k)中搜出来的列向量集合,表示按列序号λm从Ψ(k)中搜出来的列向量;
d、利用Qm(k)中的向量获得新的杂波多径传递函数:h(k)表示杂波多径传递函数;argmin{·}表示求||q(k)-Qm(k)h(k)||最小值时取的h值;
e、更新残差rm表示第m次迭代后的残差,q(k)表示监测通道接收信号,Qm(k)表示按列序号集合Λm从Ψ(k)中搜出来的列向量集合,表示杂波多径传递函数的估计;
其中:k表示离散时间,Ψ(k)表示参考通道接收的直达波数据s(k)组成的hankel矩阵;
当时,记录k和的信息;
当时,将设置为0,此即估计的稀疏多径参数;
其中:Γ为预设置门限。
3.根据权利要求1所述的外辐射源雷达系统多径抑制方法,其特征在于,采用下述公式重构杂波多径信号:
pi(k)=s(k-li)
式中:pi(k)表示重构的第i个杂波多径信号;k表示离散时间;li表示第i个时延位置;s(k-li)表示第i个经过时延后的直达波信号,i=1,2,…,K,K表示稀疏度。
4.根据权利要求1所述的外辐射源雷达系统多径抑制方法,其特征在于,调节自适应对消滤波器权系数的方法包括:
令为第i个杂波多径自适应对消滤波器权值,则自适应对消滤波器权向量表达式为
式中:[·]T表示转置运算;k表示离散时间;
自适应对消滤波器输入递归向量P(k)为:
P(k)=[p1(k),p2(k),…pi(k),…pK(k)]T
式中:pi(k)表示重构的第i个杂波多径信号;i≤K,K表示稀疏度;
自适应对消滤波器输出为:
式中:[·]H表示共轭转置运算,q(k)表示监测通道接收信号,表示自适应对消滤波器权向量,P(k)表示自适应对消滤波器输入递归向量;
采用下式对自适应对消滤波器权向量进行更新:
式中:α、β为小正数,[·]*表示共轭运算;
自适应对消滤波器输出e(k)与直达波信号s(k)进行距离多普勒互相关处理,公式如下所示:
其中,τ是时间延迟,f是多普勒频移,|Φ(τ,f)|表示距离多普勒互相关处理结果;N为数据长度;s(k-τ)是延时τ的直达波数据。
5.根据权利要求1所述的外辐射源雷达系统多径抑制方法,其特征在于,采用NLMS算法调节自适应对消滤波器权系数。
6.根据权利要求1所述的外辐射源雷达系统多径抑制方法,其特征在于,所述监测通道接收信号的确定方法包括:
构建目标信号模型:
其中,T(k)表示目标回波信号,k表示离散时间,t表示目标序号,Nt表示目标总数,μt和τt分别表示第t个目标回波的衰减因子和时延,ft表示第t个目标的多普勒频率,fs表示采样频率,s(k-τt)表示延时τt的直达波信号,ej[·]表示复信号;
构建杂波多径接收信号模型:
其中,x(k)为杂波多径信号;k表示离散时间;s(k)为直达波数据;h(k)表示杂波多径传递函数;n(k)表示加性高斯白噪声;表示卷积运算;
根据目标信号模型和杂波多径接收信号模型确定期望参考信号:
q(k)=x(k)+T(k)
其中,q(k)表示监测通道接收信号。
7.一种外辐射源雷达系统多径抑制系统,其特征在于,所述系统包括:
估计模块:用于采用OMP算法进行杂波多径时延估计,确定离散时延个数及时延位置;
重构模块:用于根据所确定的离散时延个数及时延位置重构杂波多径信号;
比较模块:用于将重构的杂波多径信号与期望参考信号相比较,得到误差信号;
调节模块:用于根据误差信号调节自适应对消滤波器权系数,使误差信号的均方差达到最小值。
8.一种外辐射源雷达系统多径抑制系统,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行权利要求1~6任一项所述方法的步骤。
9.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097478.3A CN109799484B (zh) | 2019-01-31 | 2019-01-31 | 一种外辐射源雷达系统多径抑制方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910097478.3A CN109799484B (zh) | 2019-01-31 | 2019-01-31 | 一种外辐射源雷达系统多径抑制方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109799484A true CN109799484A (zh) | 2019-05-24 |
CN109799484B CN109799484B (zh) | 2023-06-16 |
Family
ID=66560806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910097478.3A Active CN109799484B (zh) | 2019-01-31 | 2019-01-31 | 一种外辐射源雷达系统多径抑制方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109799484B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568428A (zh) * | 2019-09-06 | 2019-12-13 | 电子科技大学 | 外辐射源雷达参考信道系数估算方法及装置 |
CN114665991A (zh) * | 2022-05-23 | 2022-06-24 | 中国海洋大学 | 短波时延估计方法、系统、计算机设备和可读存储介质 |
CN115453477A (zh) * | 2022-08-03 | 2022-12-09 | 西安电子科技大学 | 一种外辐射源雷达监视通道信号中多径杂波的对消方法 |
CN116660856A (zh) * | 2023-08-02 | 2023-08-29 | 南京信息工程大学 | 一种基于5g时隙同步的外辐射源雷达信号处理方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104656065A (zh) * | 2015-01-29 | 2015-05-27 | 河海大学 | 无源双基地雷达的稀疏自适应直达波与杂波抑制方法 |
CN104777466A (zh) * | 2015-03-23 | 2015-07-15 | 河海大学 | 基于降维恒模盲均衡的无源双基地雷达信号处理方法 |
CN106169984A (zh) * | 2016-07-28 | 2016-11-30 | 武汉大学 | 一种适用于dtmb外辐射源雷达参考信号重构的匹配追踪信道估计方法 |
CN106814350A (zh) * | 2017-01-20 | 2017-06-09 | 中国科学院电子学研究所 | 基于压缩感知的外辐射源雷达参考信号信杂比估计方法 |
US20170244432A1 (en) * | 2016-02-19 | 2017-08-24 | Peregrine Semiconductor Corporation | Adaptive Tuning Network for Combinable Filters |
CN107402382A (zh) * | 2017-08-14 | 2017-11-28 | 天津大学 | 基于压缩感知理论的认知被动雷达及其实现方法 |
CN107561507A (zh) * | 2017-08-08 | 2018-01-09 | 西安电子科技大学 | 一种外辐射源雷达的杂波对消方法 |
CN108680910A (zh) * | 2018-05-15 | 2018-10-19 | 河海大学 | 基于波形认知的调频广播外辐射源雷达目标检测方法 |
CN109143231A (zh) * | 2018-10-29 | 2019-01-04 | 河海大学 | 基于循环对消的数字电视无源双基地雷达目标检测方法 |
-
2019
- 2019-01-31 CN CN201910097478.3A patent/CN109799484B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104656065A (zh) * | 2015-01-29 | 2015-05-27 | 河海大学 | 无源双基地雷达的稀疏自适应直达波与杂波抑制方法 |
CN104777466A (zh) * | 2015-03-23 | 2015-07-15 | 河海大学 | 基于降维恒模盲均衡的无源双基地雷达信号处理方法 |
US20170244432A1 (en) * | 2016-02-19 | 2017-08-24 | Peregrine Semiconductor Corporation | Adaptive Tuning Network for Combinable Filters |
CN106169984A (zh) * | 2016-07-28 | 2016-11-30 | 武汉大学 | 一种适用于dtmb外辐射源雷达参考信号重构的匹配追踪信道估计方法 |
CN106814350A (zh) * | 2017-01-20 | 2017-06-09 | 中国科学院电子学研究所 | 基于压缩感知的外辐射源雷达参考信号信杂比估计方法 |
CN107561507A (zh) * | 2017-08-08 | 2018-01-09 | 西安电子科技大学 | 一种外辐射源雷达的杂波对消方法 |
CN107402382A (zh) * | 2017-08-14 | 2017-11-28 | 天津大学 | 基于压缩感知理论的认知被动雷达及其实现方法 |
CN108680910A (zh) * | 2018-05-15 | 2018-10-19 | 河海大学 | 基于波形认知的调频广播外辐射源雷达目标检测方法 |
CN109143231A (zh) * | 2018-10-29 | 2019-01-04 | 河海大学 | 基于循环对消的数字电视无源双基地雷达目标检测方法 |
Non-Patent Citations (3)
Title |
---|
BEIYI LIU 等: "Frequency-domain adaptive sparse signal reconstruction at sub-Nyquist rate", 《 2016 IEEE/CIC INTERNATIONAL CONFERENCE ON COMMUNICATIONS IN CHINA (ICCC)》 * |
赵志欣: "高频外辐射源雷达新体制与信号处理若干关键技术研究", 《中国博士学位论文全文数据库信息科技辑》 * |
黄威振: "基于4G基站信号的被动雷达相关技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110568428A (zh) * | 2019-09-06 | 2019-12-13 | 电子科技大学 | 外辐射源雷达参考信道系数估算方法及装置 |
CN114665991A (zh) * | 2022-05-23 | 2022-06-24 | 中国海洋大学 | 短波时延估计方法、系统、计算机设备和可读存储介质 |
CN115453477A (zh) * | 2022-08-03 | 2022-12-09 | 西安电子科技大学 | 一种外辐射源雷达监视通道信号中多径杂波的对消方法 |
CN116660856A (zh) * | 2023-08-02 | 2023-08-29 | 南京信息工程大学 | 一种基于5g时隙同步的外辐射源雷达信号处理方法 |
CN116660856B (zh) * | 2023-08-02 | 2023-11-21 | 南京信息工程大学 | 一种基于5g时隙同步的外辐射源雷达信号处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109799484B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109799484A (zh) | 一种外辐射源雷达系统多径抑制方法、系统及存储介质 | |
Moura et al. | Detection by time reversal: Single antenna | |
Anitori et al. | Design and analysis of compressed sensing radar detectors | |
Li et al. | Angle and waveform estimation via RELAX | |
Liang et al. | Robust MIMO radar target localization via nonconvex optimization | |
US6654719B1 (en) | Method and system for blind separation of independent source signals | |
CN108710103B (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 | |
van der Veen et al. | Signal processing tools for radio astronomy | |
CN102495393A (zh) | 基于子空间追踪的压缩感知雷达成像算法 | |
Tian et al. | Group sparse underwater acoustic channel estimation with impulsive noise: Simulation results based on Arctic ice cracking noise | |
Cui et al. | Multiple-input multiple-output radar detectors design in non-Gaussian clutter | |
Cucho-Padin et al. | Radio frequency interference detection and mitigation using compressive statistical sensing | |
Cotter | Multiple snapshot matching pursuit for direction of arrival (DOA) estimation | |
Lv et al. | An improved method based on time-frequency distribution to detect time-varying interference for GNSS receivers with single antenna | |
Khan et al. | Robust sparse reconstruction of signals with gapped missing samples from multi-sensor recordings | |
CN107231169B (zh) | 一种基于kt-lvt的抗符号跳变直接扩频信号动态聚焦方法 | |
CN113051739A (zh) | 一种基于稀疏约束的鲁棒性自适应处理方法 | |
Tsakalides et al. | High-resolution autofocus techniques for SAR imaging based on fractional lower-order statistics | |
CN116736342A (zh) | 一种基于集成cnn的gnss欺骗检测方法及系统 | |
Sun et al. | Wavelet de‐noising Kalman filter‐based Global Navigation Satellite System carrier tracking in the presence of ionospheric scintillation | |
Mao et al. | Research on polarization cancellation of nonstationary ionosphere clutter in HF radar system | |
Ling et al. | Probing waveforms and adaptive receivers for active sonar | |
EP3712626B1 (en) | High-rate dft-based data manipulator and data manipulation method for high performance and robust signal processing | |
Hossiny et al. | Enhance LFMCW radar detection and complexity using adaptive recovery CAMP algorithm | |
Zhuo et al. | A subbandadaptive filter for DTV based passive radar |
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 |