CN109856608A - 一种基于递归杂波图的雷达目标高置信率检测方法 - Google Patents

一种基于递归杂波图的雷达目标高置信率检测方法 Download PDF

Info

Publication number
CN109856608A
CN109856608A CN201811433327.2A CN201811433327A CN109856608A CN 109856608 A CN109856608 A CN 109856608A CN 201811433327 A CN201811433327 A CN 201811433327A CN 109856608 A CN109856608 A CN 109856608A
Authority
CN
China
Prior art keywords
clutter
target
valuation
map
value
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
Application number
CN201811433327.2A
Other languages
English (en)
Other versions
CN109856608B (zh
Inventor
陈铁牛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Qin Song Technology Co Ltd
Original Assignee
Chongqing Qin Song Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Qin Song Technology Co Ltd filed Critical Chongqing Qin Song Technology Co Ltd
Priority to CN201811433327.2A priority Critical patent/CN109856608B/zh
Publication of CN109856608A publication Critical patent/CN109856608A/zh
Application granted granted Critical
Publication of CN109856608B publication Critical patent/CN109856608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了基于递归杂波图的雷达目标高置信率检测方法,其包括以下步骤:S1、获取高中低空三个杂波图;S2、对每个杂波图划分杂波运算基本单元;S3、获取杂波运算基本单元的初始值;S4、根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差;S5、获取本次扫描结果的杂波估值最大值与上次扫描结果的杂波幅度平均值的绝对差值,并将该绝对差值作为选择值;根据选择值采用遗忘因子进行目标幅度值计算,完成目标检测。本发明的目标检测置信度能够达到97%~98.5%,高于传统杂波图检测算法90%置信度,且低空场景下效果更好,更加适用于三坐标测高雷达。

Description

一种基于递归杂波图的雷达目标高置信率检测方法
技术领域
本发明涉及雷达探测领域,具体涉及一种基于递归杂波图的雷达目标高置信率检测方法。
背景技术
现有雷达的目标检测算法一般采用恒虚警CFAR与杂波图ACP相结合,基于检测背景估值的最大作为自适应选择估值器的主要准则。经典杂波图检测算法是把雷达观测区域分为距离、方位单元,以天线扫描周期为周期进行采样,杂波图存储的是每个距离、方位单元的杂波强度,每个单元的值依靠本次扫描和多次扫描结果来迭代更新,并利用遗忘因子对本次扫描进行加权,并把更新后的值作为当前杂波背景的估计。
传统杂波图是二维平面投影,这对三坐标雷达及需要高精度测高的雷达具有较大影响。例如,在面对测高应用场景中,高中低空不同的空域具备不同气象条件,以及不同的慢速目标。高空空域中有大量云团等慢速环境杂波分布,而低空空域较为干净,若采用同高度分布的平面杂波图进行信号处理,会降低目标发现概率。另一方面,传统杂波图采用固定的遗忘因子进行更新,目标对杂波图的影响较大。当目标飞过该杂波区域时,当前区间统计均值被拉高后杂波图更新的速率慢,影响后续检测性能。
因此,将现有的常规杂波图检测算法适配在三坐标测高雷达上,会影响目标检测置信率。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于递归杂波图的雷达目标高置信率检测方法解决了现有杂波图检测算法不适用于三坐标测高雷达的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种基于递归杂波图的雷达目标高置信率检测方法,其包括以下步骤:
S1、对三坐标测高雷达增加俯仰纬度杂波分布,将俯仰波位划分为高空、中空和低空三个集合,得到三个杂波图;
S2、对每个杂波图划分杂波运算基本单元;
S3、确定每个杂波运算基本单元积累循环次数,初始化滤波器权值和遗忘因子,得到杂波运算基本单元的初始值;
S4、采用三坐标测高雷达持续扫描目标空域,对于当前时刻得到的每个杂波图,根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差;
S5、对于当前扫描得到的每个杂波图,获取本次扫描结果的杂波估值最大值与上次扫描结果的杂波幅度平均值的绝对差值,并将该绝对差值作为选择值;
S6、判断选择值是否大于门限上限或小于门限下限,若是则通过固定遗忘因子对该杂波图进行计算,得到目标幅度值完成目标检测并进入步骤S8;否则进入步骤S7;
S7、通过自适应遗忘因子对该杂波图进行计算,得到目标幅度值完成目标检测,并进入步骤S9;
S8、判断是否继续检测,若是则返回步骤S4,否则结束检测;
S9、判断是否继续检测,若是则根据最近两次杂波图的杂波估值和杂波估值方差更新滤波器权值并返回步骤S4,否则结束检测。
进一步地,步骤S1中将俯仰波位划分为高中低空三个集合的具体方法为:
将水平面至与水平面呈10°夹角内的空域作为低空空域;将与水平面的夹角在10°至20°的空域作为中空空域;将与水平面的夹角大于20°的空域作为高空空域。
进一步地,步骤S2的具体方法为:
根据公式
获取三坐标测高雷达的距离分辨率Ru,其中c为光速,B为三坐标测高雷达带宽;并根据公式
得到构成每个杂波运算单元的分辨单元的总数P,选取每个分辨单元中幅度最大的距离单元作为对应杂波运算单元的基本单元,即杂波运算基本单元;其中L为目标分辨率,每个分辨单元包括8个距离单元,距离单元为三坐标测高雷达的固有参数;为向下取整函数;p为常数。
进一步地,步骤S3中确定每个杂波运算基本单元积累循环次数的具体方法为:
根据公式
得到每个杂波运算基本单元积累循环次数floor(N),其中Tinit为三坐标测高雷达的正常工作时间;f为三坐标测高雷达天线扫描帧数;s为波位驻留时间。
滤波器权值包括a和b,a和b的初始值设置分别为0和1;遗忘因子k的初始值为0.125;
杂波运算基本单元的初始值包括空域无目标时杂波运算基本单元的幅度y(t)、空域无目标时的杂波估值、杂波估值方差和雷达回波的幅度。
进一步地,步骤S4中根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差的具体方法为:
根据公式
μ(t)=a*μ(t-1)+(1-a)*y(t)*fn
σ2(t)=b*σ2(t-1)+(1-b)*[μ(t-1)-y(t)*fn]2
得到当前时刻的杂波估值μ(t)和当前时刻的杂波估值方差σ2(t);其中a和b均为滤波器权值,a的初始值为0,b的初始值为1;y(t)为空域无目标时杂波运算基本单元的幅度;x(t)为本次雷达回波的幅度;fn为杂波轮廓处理函数;
σ2(t-1)为上一时刻的杂波估值方差;μ(t-1)为上一时刻的杂波估值;k为遗忘因子。
进一步地,步骤S6的具体方法为:
判断选择值是否大于22db或小于12db,若是则将遗忘因子k取值为0.125对杂波图进行计算,即通过固定遗忘因子对该杂波图进行计算,得到目标幅度估计值Y(t),完成目标检测;其中遗忘因子对杂波图进行计算的公式为:
Y(t)=(1-k)*Y(t-1)+k*x(t)
其中Y(t-1)为上一时刻目标幅度估计值。
进一步地,步骤S7的具体方法为:
若选择值位于12db至22db之间,则根据公式
获取遗忘因子k的自适应值,即自适应遗忘因子,并根据公式
Y(t)=(1-k)*Y(t-1)+k*x(t)
得到目标幅度估计值Y(t);其中Y(t-1)为上一时刻目标幅度估计值。
进一步地,步骤S9中根据最近两次杂波图的杂波估值和杂波估值方差更新滤波器权值的具体方法为:
根据公式
μ(t)=a*μ(t-1)+(1-a)*Y(t)*fn
σ2(t)=b*σ2(t-1)+(1-b)*[μ(t-1)-Y(t)*fn]2
更新滤波器权值a和b。
本发明的有益效果为:本发明结合了传统杂波图的方法,建立杂波图分布时,将所有俯仰波位划分为高中低空三个空域,每个俯仰空域形成一张平面投影,利用迭代更新的杂波图来进行目标检测。本算法的遗忘因子根据杂波背景进行自适应选择,同时使用均值和方差进行估计,不固定迭代系数,这样会具有相对较慢的收敛速度,相对于常规线性杂波图来说有更好的检测置信率。
附图说明
图1为本发明的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,该基于递归杂波图的雷达目标高置信率检测方法包括以下步骤:
S1、对三坐标测高雷达增加俯仰纬度杂波分布,将俯仰波位划分为高空、中空和低空三个集合,得到三个杂波图;
S2、对每个杂波图划分杂波运算基本单元;
S3、确定每个杂波运算基本单元积累循环次数,初始化滤波器权值和遗忘因子,得到杂波运算基本单元的初始值;
S4、采用三坐标测高雷达持续扫描目标空域,对于当前时刻得到的每个杂波图,根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差;
S5、对于当前扫描得到的每个杂波图,获取本次扫描结果的杂波估值最大值与上次扫描结果的杂波幅度平均值的绝对差值,并将该绝对差值作为选择值;
S6、判断选择值是否大于门限上限或小于门限下限,若是则通过固定遗忘因子对该杂波图进行计算,得到目标幅度值完成目标检测并进入步骤S8;否则进入步骤S7;
S7、通过自适应遗忘因子对该杂波图进行计算,得到目标幅度值完成目标检测,并进入步骤S9;
S8、判断是否继续检测,若是则返回步骤S4,否则结束检测;
S9、判断是否继续检测,若是则根据最近两次杂波图的杂波估值和杂波估值方差更新滤波器权值并返回步骤S4,否则结束检测。
步骤S1中将俯仰波位划分为高中低空三个集合的具体方法为:
将水平面至与水平面呈10°夹角内的空域作为低空空域;将与水平面的夹角在10°至20°的空域作为中空空域;将与水平面的夹角大于20°的空域作为高空空域。
步骤S2的具体方法为:
根据公式
获取三坐标测高雷达的距离分辨率Ru,其中c为光速,B为三坐标测高雷达带宽;并根据公式
得到构成每个杂波运算单元的分辨单元的总数P,选取每个分辨单元中幅度最大的距离单元作为对应杂波运算单元的基本单元,即杂波运算基本单元;其中L为目标分辨率,每个分辨单元包括8个距离单元,距离单元为三坐标测高雷达的固有参数;为向下取整函数;p为常数。
步骤S3中确定每个杂波运算基本单元积累循环次数的具体方法为:
根据公式
得到每个杂波运算基本单元积累循环次数floor(N),其中Tinit为三坐标测高雷达的正常工作时间;f为三坐标测高雷达天线扫描帧数;s为波位驻留时间。
滤波器权值包括a和b,a和b的初始值设置分别为0和1;遗忘因子k的初始值为0.125;
杂波运算基本单元的初始值包括空域无目标时杂波运算基本单元的幅度y(t)、空域无目标时的杂波估值、杂波估值方差和雷达回波的幅度。
步骤S4中根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差的具体方法为:
根据公式
μ(t)=a*μ(t-1)+(1-a)*y(t)*fn
σ2(t)=b*σ2(t-1)+(1-b)*[μ(t-1)-y(t)*fn]2
得到当前时刻的杂波估值μ(t)和当前时刻的杂波估值方差σ2(t);其中a和b均为滤波器权值,a的初始值为0,b的初始值为1;y(t)为空域无目标时杂波运算基本单元的幅度;x(t)为本次雷达回波的幅度;fn为杂波轮廓处理函数;σ2(t-1)为上一时刻的杂波估值方差;μ(t-1)为上一时刻的杂波估值;k为遗忘因子。
步骤S6的具体方法为:
判断选择值是否大于22db或小于12db,若是则将遗忘因子k取值为0.125对杂波图进行计算,即通过固定遗忘因子对该杂波图进行计算,得到目标幅度估计值Y(t),完成目标检测;其中遗忘因子对杂波图进行计算的公式为:
Y(t)=(1-k)*Y(t-1)+k*x(t)
其中Y(t-1)为上一时刻目标幅度估计值。
步骤S7的具体方法为:
若选择值位于12db至22db之间,则根据公式
获取遗忘因子k的自适应值,即自适应遗忘因子,并根据公式
Y(t)=(1-k)*Y(t-1)+k*x(t)
得到目标幅度估计值Y(t);其中Y(t-1)为上一时刻目标幅度估计值。
步骤S9中根据最近两次杂波图的杂波估值和杂波估值方差更新滤波器权值的具体方法为:
根据公式
μ(t)=a*μ(t-1)+(1-a)*Y(t)*fn
σ2(t)=b*σ2(t-1)+(1-b)*[μ(t-1)-Y(t)*fn]2
更新滤波器权值a和b。
在本发明的一个实施例中,某型号三坐标测高雷达,距离分辨率48米,搜索TWS波形模式下探测威力为300km,非相参积累脉冲数为16个,天线一个波位的驻留时间为33ms,探测的对象主要为民航飞机和小型固定翼飞机。具体实施时,方位波束覆盖范围为正负1.5度,方位单元个数为120个,距离单元个数根据俯仰波束不同而变化,俯仰空域覆盖为2度~30度,杂波图距离方位单位划分如表1所示:
表1杂波图驻留波位距离方位单元划分
总杂波单元个数为4738680个,按单精度float存储,共需内存大小18.9M字节。
该型号三坐标测高雷达开机后,初始化扫描典型值为3圈,完成初始化分布图积累。民航飞机和小型固定翼飞机的尺寸为5m-50m,距离分辨率48米,将杂波如运算基本运算单元设置为一个距离单元,满足目标识别分辨力的情况下,一个距离单元有助于减少ACP对慢速目标的影响。
对现场采集到的实际背景环境数据,进行归一化矫正参数校正。通过matlab计算当前已采集的实际环境的杂噪比。在杂噪比22dB环境下,TWS波形,16脉冲非相参,虚警概率为10-6,使用30次趋于稳定的迭代模型下,设置存储杂波图的权值较大的为7/8,而当前杂波单元幅度的权值为1/8。在没有民航即目标飞行的空域中,该杂波图模型能将环境中的散落杂波点过滤。
运行本算法,虚警率Pf=10-6条件下,低空(俯仰2度、5度、10度)下对144架次进行检测,目标检测置信率为98.5%;中空(俯仰15度,20度)下对185架次进行检测,目标检测置信率为97.8%;高空(俯仰25度,30度)下对172架次进行检测,目标检测置信率为97.1%。实验结果证明,使用本发明优于传统固定杂波图90%左右的目标检测置信率。
综上所述,本发明可以用于三坐标雷达的目标检测。与现有的常规杂波图技术相比,同样在虚警概率Pf=10-6的条件下,对于民航个体,144个低空架次,185个中空架次,172个高空架次,目标检测置信度能够达到97%~98.5%,高于传统杂波图检测算法90%置信度,且低空场景下效果更好。

Claims (8)

1.一种基于递归杂波图的雷达目标高置信率检测方法,其特征在于:包括以下步骤:
S1、对三坐标测高雷达增加俯仰纬度杂波分布,将俯仰波位划分为高空、中空和低空三个集合,得到三个杂波图;
S2、对每个杂波图划分杂波运算基本单元;
S3、确定每个杂波运算基本单元积累循环次数,初始化滤波器权值和遗忘因子,得到杂波运算基本单元的初始值;
S4、采用三坐标测高雷达持续扫描目标空域,对于当前时刻得到的每个杂波图,根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差;
S5、对于当前扫描得到的每个杂波图,获取本次扫描结果的杂波估值最大值与上次扫描结果的杂波幅度平均值的绝对差值,并将该绝对差值作为选择值;
S6、判断选择值是否大于门限上限或小于门限下限,若是则通过固定遗忘因子对该杂波图进行计算,得到目标幅度值完成目标检测并进入步骤S8;否则进入步骤S7;
S7、通过自适应遗忘因子对该杂波图进行计算,得到目标幅度值完成目标检测,并进入步骤S9;
S8、判断是否继续检测,若是则返回步骤S4,否则结束检测;
S9、判断是否继续检测,若是则根据最近两次杂波图的杂波估值和杂波估值方差更新滤波器权值并返回步骤S4,否则结束检测。
2.根据权利要求1所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S1中将俯仰波位划分为高中低空三个集合的具体方法为:
将水平面至与水平面呈10°夹角内的空域作为低空空域;将与水平面的夹角在10°至20°的空域作为中空空域;将与水平面的夹角大于20°的空域作为高空空域。
3.根据权利要求1所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S2的具体方法为:
根据公式
获取三坐标测高雷达的距离分辨率Ru,其中c为光速,B为三坐标测高雷达带宽;并根据公式
得到构成每个杂波运算单元的分辨单元的总数P,选取每个分辨单元中幅度最大的距离单元作为对应杂波运算单元的基本单元,即杂波运算基本单元;其中L为目标分辨率,每个分辨单元包括8个距离单元,距离单元为三坐标测高雷达的固有参数;为向下取整函数;p为常数。
4.根据权利要求1所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S3中确定每个杂波运算基本单元积累循环次数的具体方法为:
根据公式
得到每个杂波运算基本单元积累循环次数floor(N),其中Tinit为三坐标测高雷达的正常工作时间;f为三坐标测高雷达天线扫描帧数;s为波位驻留时间。
滤波器权值包括a和b,a和b的初始值设置分别为0和1;遗忘因子k的初始值为0.125;
杂波运算基本单元的初始值包括空域无目标时杂波运算基本单元的幅度y(t)、空域无目标时的杂波估值、杂波估值方差和雷达回波的幅度。
5.根据权利要求1所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S4中根据杂波单元计算模型、滤波器权值和遗忘因子获取杂波估值和杂波估值方差的具体方法为:
根据公式
μ(t)=a*μ(t-1)+(1-A)*y(t)*fn
σ2(t)=b*σ2(t-1)+(1-b)*[μ(t-1)-y(t)*fn]2
得到当前时刻的杂波估值μ(t)和当前时刻的杂波估值方差σ2(t);其中a和b均为滤波器权值,a的初始值为0,b的初始值为1;y(t)为空域无目标时杂波运算基本单元的幅度;x(t)为本次雷达回波的幅度;fn为杂波轮廓处理函数;σ2(t-1)为上一时刻的杂波估值方差;μ(t-1)为上一时刻的杂波估值;k为遗忘因子。
6.根据权利要求5所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S6的具体方法为:
判断选择值是否大于22db或小于12db,若是则将遗忘因子k取值为0.125对杂波图进行计算,即通过固定遗忘因子对该杂波图进行计算,得到目标幅度估计值Y(t),完成目标检测;其中遗忘因子对杂波图进行计算的公式为:
Y(t)=(1-k)*Y(t-1)+k*x(t)
其中Y(t-1)为上一时刻目标幅度估计值。
7.根据权利要求6所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S7的具体方法为:
若选择值位于12db至22db之间,则根据公式
获取遗忘因子k的自适应值,即自适应遗忘因子,并根据公式
Y(t)=(1-k)*Y(t-1)+k*x(t)
得到目标幅度估计值Y(t);其中Y(t-1)为上一时刻目标幅度估计值。
8.根据权利要求7所述的基于递归杂波图的雷达目标高置信率检测方法,其特征在于,所述步骤S9中根据最近两次杂波图的杂波估值和杂波估值方差更新滤波器权值的具体方法为:
根据公式
μ(t)=a*μ(t-1)+(1-a)*Y(t)*fn
σ2(t)=b*σ2(t-1)+(1-b)*[μ(t-1)-Y(t)*fn]2
更新滤波器权值a和b。
CN201811433327.2A 2018-11-28 2018-11-28 一种基于递归杂波图的雷达目标高置信率检测方法 Active CN109856608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811433327.2A CN109856608B (zh) 2018-11-28 2018-11-28 一种基于递归杂波图的雷达目标高置信率检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811433327.2A CN109856608B (zh) 2018-11-28 2018-11-28 一种基于递归杂波图的雷达目标高置信率检测方法

Publications (2)

Publication Number Publication Date
CN109856608A true CN109856608A (zh) 2019-06-07
CN109856608B CN109856608B (zh) 2021-01-29

Family

ID=66890350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811433327.2A Active CN109856608B (zh) 2018-11-28 2018-11-28 一种基于递归杂波图的雷达目标高置信率检测方法

Country Status (1)

Country Link
CN (1) CN109856608B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111175706A (zh) * 2020-01-08 2020-05-19 中国船舶重工集团公司第七二四研究所 一种基于局部门限判断的插值杂波图方法
CN112051568A (zh) * 2020-09-01 2020-12-08 西安电子工程研究所 一种两坐标雷达的俯仰测角方法
CN113253231A (zh) * 2021-05-17 2021-08-13 成都西科微波通讯有限公司 一种基于一维距离像特征的杂波图检测与更新方法
CN113820686A (zh) * 2021-10-19 2021-12-21 中安锐达(北京)电子科技有限公司 一种基于航迹生成杂波图处理雷达一次点迹的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104360321A (zh) * 2014-12-03 2015-02-18 大连海大船舶导航国家工程研究中心有限责任公司 杂波图滤波方法
CN106501799A (zh) * 2016-10-19 2017-03-15 成都电科智达科技有限公司 一种用于多旋翼小型无人机的探测与定位装置
CN108387879A (zh) * 2018-01-12 2018-08-10 西安电子科技大学 基于自适应归一化匹配滤波的杂波图单元中值检测方法
CN108398677A (zh) * 2018-04-25 2018-08-14 零八电子集团有限公司 三坐标连续波一维相扫无人机低空目标检测系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104360321A (zh) * 2014-12-03 2015-02-18 大连海大船舶导航国家工程研究中心有限责任公司 杂波图滤波方法
CN106501799A (zh) * 2016-10-19 2017-03-15 成都电科智达科技有限公司 一种用于多旋翼小型无人机的探测与定位装置
CN108387879A (zh) * 2018-01-12 2018-08-10 西安电子科技大学 基于自适应归一化匹配滤波的杂波图单元中值检测方法
CN108398677A (zh) * 2018-04-25 2018-08-14 零八电子集团有限公司 三坐标连续波一维相扫无人机低空目标检测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
沈福民 等: "杂波图CFAR平面检测技术", 《系统工程与电子技术》 *
窦泽华 等: "基于雷达回波识别的杂波抑制", 《信号处理》 *
闫修林 等: "杂波图技术在雷达终端信号处理中的应用", 《现代雷达》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111175706A (zh) * 2020-01-08 2020-05-19 中国船舶重工集团公司第七二四研究所 一种基于局部门限判断的插值杂波图方法
CN111175706B (zh) * 2020-01-08 2022-05-27 中国船舶重工集团公司第七二四研究所 一种基于局部门限判断的插值杂波图方法
CN112051568A (zh) * 2020-09-01 2020-12-08 西安电子工程研究所 一种两坐标雷达的俯仰测角方法
CN112051568B (zh) * 2020-09-01 2023-06-30 西安电子工程研究所 一种两坐标雷达的俯仰测角方法
CN113253231A (zh) * 2021-05-17 2021-08-13 成都西科微波通讯有限公司 一种基于一维距离像特征的杂波图检测与更新方法
CN113253231B (zh) * 2021-05-17 2023-10-13 成都西科微波通讯有限公司 一种基于一维距离像特征的杂波图检测与更新方法
CN113820686A (zh) * 2021-10-19 2021-12-21 中安锐达(北京)电子科技有限公司 一种基于航迹生成杂波图处理雷达一次点迹的方法

Also Published As

Publication number Publication date
CN109856608B (zh) 2021-01-29

Similar Documents

Publication Publication Date Title
CN109856608A (zh) 一种基于递归杂波图的雷达目标高置信率检测方法
Takahashi et al. Estimating individual tree heights of sugi (Cryptomeria japonica D. Don) plantations in mountainous areas using small-footprint airborne LiDAR
CN112882059B (zh) 一种基于激光雷达的无人船内河障碍物感知方法
CN110297246B (zh) 一种组网x波段天气雷达协同自适应控制方法及系统
US5850625A (en) Sensor fusion apparatus and method
Park et al. Radar localization and mapping for indoor disaster environments via multi-modal registration to prior LiDAR map
López et al. Spatio-temporal dimension of lightning flashes based on three-dimensional Lightning Mapping Array
CN104880160B (zh) 一种工件表面轮廓的二维激光实时探测方法
CN106405513B (zh) 基于多层扫描对比的地杂波抑制方法
CN112051568B (zh) 一种两坐标雷达的俯仰测角方法
CN110261857B (zh) 一种天气雷达空间插值方法
US20100176984A1 (en) Method of eliminating ground echoes for a meteorological radar
Li et al. A quality control method of ground-based weather radar data based on statistics
Drake Collective orientation by nocturnally migrating Australian plague locusts, Chortoicetes terminifera (Walker)(Orthoptera: Acrididae): a radar study
CN112327265A (zh) 一种基于语义分割网络的分治检测方法
CN109556598B (zh) 一种基于超声波传感器阵列的自主建图与导航定位方法
US6133990A (en) Method for determining presence and distribution of clouds
CN113466827A (zh) 一种基于改进局部稀疏算法的去噪方法
Megenhardt et al. NCWF-2 probabilistic nowcasts
US5051750A (en) Winds aloft estimation through radar observation of aircraft
CN111080536A (zh) 一种机载激光雷达点云的自适应滤波方法
RU2007124776A (ru) Способ автономного формирования посадочной информации для летательного аппарата и система для его осуществления (варианты)
Lamer et al. Evaluation of gridded scanning ARM cloud radar reflectivity observations and vertical doppler velocity retrievals
WO2022107126A1 (en) Location identification based on terrain model with distance measurement
CN102426357B (zh) 一种具有图像确认的多目标跟踪方法

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