CN110109068A - 基于极化特征向量的箔条干扰识别方法 - Google Patents
基于极化特征向量的箔条干扰识别方法 Download PDFInfo
- Publication number
- CN110109068A CN110109068A CN201910331468.1A CN201910331468A CN110109068A CN 110109068 A CN110109068 A CN 110109068A CN 201910331468 A CN201910331468 A CN 201910331468A CN 110109068 A CN110109068 A CN 110109068A
- Authority
- CN
- China
- Prior art keywords
- polarization
- echo
- target
- signal
- characteristic vector
- 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
- 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
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- 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
-
- 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
-
- 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
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种基于极化特征向量的箔条干扰识别方法,其实现步骤是:(1)获取目标三个极化通道回波信号的振幅矩阵;(2)生成目标极化角均值向量;(3)获取目标极化特征向量;(4)对目标进行识别。本发明能够利用箔条干扰信号和舰船目标信号在极化特征向量上的差异,对空间任意取向的箔条干扰信号进行有效对抗,可用于反舰导弹抗箔条干扰的识别,实现反舰导弹对新型垂直极化箔条干扰信号的有效对抗。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及雷达抗干扰技术领域中的一种基于极化特征向量的箔条干扰识别方法。本发明可用于反舰导弹抗箔条干扰的识别,实现反舰导弹对新型垂直极化箔条干扰的有效对抗,通过获取目标各极化通道回波信号的振幅矩阵,计算目标极化特征向量,利用箔条干扰和舰船回波在极化特征向量上的差异,实现对箔条干扰的有效对抗。
背景技术
处在成熟期的箔条,其雷达散射截面(Radar Cross-Section,以下简称RCS)通常为待攻击目标RCS的2~3倍,在保卫舰船免遭飞航式反舰导弹袭击方面具有十分优越的性能。然而,随着抗箔条干扰技术的发展,新型极化体制的雷达能以较高的概率识别箔条干扰,这是由于箔条在空中的下降姿态多为水平运动形式,该运动形式下箔条水平极化的RCS较大。箔条垂直极化的RCS约为水平极化RCS的一半,因此为了提高箔条干扰性能,国内外学者已经开始研制新型垂直极化箔条。新型垂直极化箔条的出现,对雷达导引头抗箔条干扰的性能提出了新的挑战。
吴盛源等人在其发表的论文“全极化信息在箔条假目标鉴别中的应用研究”(探测跟踪技术,2017,45(3):118-121.)中提出了以共极化比和垂直共交极化比为联合鉴别分量的箔条假目标鉴别新方法。该方法研究步骤为:第一,定义了共极化比和垂直共交极化比,分析了箔条假目标和飞机目标的极化比特性;第二,针对均匀取向箔条云,提出了以共极化比和垂直共交极化比为联合鉴别量的箔条假目标鉴别新方法,并设计了鉴别算法;第三,通过仿真数据验证了鉴别算法的可行性和有效性。该方法存在的不足之处在于,提出的鉴别新方法在鉴别均匀取向箔条云时才有效,该箔条假目标鉴别新方法的稳健性和鲁棒性较差。
中国人民解放军国防科技大学在其申请的专利文献“一种基于极化散射变换的冲淡式箔条干扰识别方法”(申请号:201711373114.0申请日:2017.12.19公开号:108169737A)中公开了一种基于极化散射变换的冲淡式箔条干扰识别方法。该方法包括如下步骤:第一步,获取目标和箔条的极化散射矩阵;第二步,分别计算目标和箔条的极化散射参数第三步,分别计算目标和箔条的共极化与交叉极化通道的相关性绝对值第四步,利用SVM方法实现箔条冲淡式干扰的分类识别。该方法存在的不足之处在于,基于极化散射变换选取的两个极化鉴别量和的表达式比较复杂,降低了工程处理过程中雷达对回波信号处理的效率。
发明内容
本发明的目的在于针对上述现有技术所存在的问题,提出了一种基于极化特征向量的箔条干扰识别方法,以减弱极化特征向量对箔条空间取向的依赖程度,降低极化特征向量的计算复杂度,提高极化特征向量鉴别箔条干扰性能的稳健性和鲁棒性。
实现本发明目的的思路是,针对获取目标三个极化通道回波信号的振幅矩阵,生成目标极化角均值向量,获取目标极化特征向量,利用箔条干扰和舰船回波在极化特征向量上的差异,判别目标所属类别,实现对箔条干扰的有效对抗。
本发明的具体步骤包括如下:
(1)获取目标三个极化通道回波信号的振幅矩阵;
(1a)利用绝对值abs函数,对水平极化发射-水平极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
(1b)利用绝对值abs函数,对垂直极化发射-垂直极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
(1c)利用绝对值abs函数,对垂直极化发射-水平极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
(2)生成目标极化角均值向量:
(2a)利用共垂直极化角矩阵公式,计算共垂直极化通道的极化角矩阵;
(2b)利用共水平极化角矩阵公式,计算共水平极化通道的极化角矩阵;
(2c)利用均值mean函数,分别计算共垂直极化通道的目标极化角均值向量和共水平极化通道的目标极化角均值向量;
(3)获取目标极化特征向量:
比较共垂直极化通道的目标极化角均值向量和共水平极化通道的目标极化角均值向量中每一维元素值的大小,将其中最小的元素值放置目标极化特征向量中相应维数的位置,将目标极化特征向量中放置后的所有维数的元素组成目标极化特征向量;
(4)目标识别:
统计极化特征向量中元素值大于60的元素个数,若元素个数超过极化特征向量元素总个数的一半,将该极化特征向量对应的目标信号识别为舰船信号,否则,识别为箔条干扰信号。
与现有技术相比,本发明具有如下优点:
第一,由于本发明利用目标三个极化通道回波信号的振幅矩阵,获取目标极化特征向量,克服了现有技术中极化特征向量鉴别均匀取向的箔条干扰时鉴别效果良好,鉴别其它类型的箔条干扰时鉴别效果差的缺点,使得本发明提高了极化特征向量识别方法的稳健性和鲁棒性。
第二,由于本发明利用箔条干扰和舰船回波在极化特征向量上的差异,区分舰船信号和箔条干扰,鉴别过程中所用的极化特征向量的计算公式简单,克服了现有鉴别技术中特征向量计算公式复杂的缺点,使得本发明提高了工程处理过程中雷达对回波信号处理的效率。
附图说明
图1是本发明的流程图;
图2为本发明的仿真图。
具体实施方式
下面结合附图对本发明做进一步详细描述。
参照图1,对本发明的具体实现步骤做进一步详细描述。
步骤1,获取目标三个极化通道回波信号的振幅矩阵。
利用绝对值abs函数,对水平极化发射-水平极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
利用绝对值abs函数,对垂直极化发射-垂直极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
利用绝对值abs函数,对垂直极化发射-水平极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
所用的绝对值abs函数是指MATLAB Toolbox中自带的函数。
步骤2,按照下式,获取目标共垂直极化通道的极化角矩阵:
其中,γ1表示共垂直极化通道的极化角矩阵,π表示圆周率,arctan表示反正切操作,AVV表示垂直极化发射-垂直极化接收通道的回波振幅矩阵,AHV表示垂直极化发射-水平极化接收通道的回波振幅矩阵。
步骤3,按照下式,获取目标共水平极化通道的极化角矩阵:
其中,γ2表示共水平极化通道的极化角矩阵,π表示圆周率,arctan表示反正切操作,AHH表示水平极化发射-水平极化接收通道的回波振幅矩阵,AHV表示垂直极化发射-水平极化接收通道的回波振幅矩阵。
步骤4,利用均值mean函数,分别计算共垂直极化通道的目标极化角均值向量和共水平极化通道的目标极化角均值向量。
所用的均值mean函数是指MATLAB Toolbox中自带的函数。
步骤5,获取目标极化特征向量:
比较共垂直极化通道的目标极化角均值向量和共水平极化通道的目标极化角均值向量中每一维元素值的大小,将其中最小的元素值放置目标极化特征向量中相应维数的位置,将目标极化特征向量中放置后的所有维数的元素组成目标极化特征向量;
步骤6,目标识别:
利用箔条回波信号和舰船回波信号在极化特征向量上的差异,区分箔条干扰信号和舰船目标信号,即:统计极化特征向量中元素值大于60的元素个数,若元素个数超过极化特征向量元素总个数的一半,将该极化特征向量对应的目标信号识别为舰船目标信号,否则,识别为箔条干扰信号。
本发明的效果可以通过下面的仿真实验得到进一步验证。
1.仿真条件:
本发明的仿真实验通过Matlab仿真软件实现,箔条各极化通道回波信号采用演绎法获得,舰船回波数据采用FKEO电磁计算软件获得;设定雷达入射余角为45度,雷达载频为17GHz,箔条空中姿态取向服从四种典型的模型如表1所示。
表1 箔条空间姿态取向分布模型信息表
模型1 | 模型2 | 模型3 | 模型4 | |
服从分布 | 球面均匀分布 | 水平正态分布 | 垂直正态分布 | 双倾斜正态分布 |
2.仿真内容与结果分析:
本发明的仿真实验是采用本发明的基于极化特征向量的箔条干扰识别方法,利用舰船信号和箔条干扰在极化特征向量上的取值差异对箔条干扰和舰船目标进行区分,得到了图2所示的舰船雷达回波和箔条雷达回波的极化特征向量对比图。
图2中的横坐标表示极化特征向量的维数,纵坐标表示极化特征向量的取值范围。图2(a)~图2(d)中的实线表示舰船回波极化特征向量中每一维元素的元素值大小,图2(a)~图2(d)中的虚线分别表示箔条空中姿态取向服从模型1~模型4时的箔条回波极化特征向量中每一维元素的元素值大小。
从图2可见,采用本发明的方法进行箔条干扰鉴别时,球面均匀分布箔条、水平正态分布箔条、垂直正态分布箔条、双倾斜正态分布箔条的回波信号的极化特征向量中每一维元素的元素值都在60以下,舰船回波信号的极化特征向量中每一维元素的元素值都在60以上,可区分箔条干扰和舰船目标,仿真证明本发明方法减弱了极化特征向量对箔条空间取向的依赖程度,明显提高了基于极化特征向量的箔条干扰识别方法的稳健性和鲁棒性。
Claims (5)
1.一种基于极化特征向量的箔条干扰识别方法,其特征在于,针对目标三个极化通道的回波信号,获取目标三个极化通道回波信号的振幅矩阵,生成目标极化角均值向量,获取目标极化特征向量,利用箔条干扰和舰船回波在极化特征向量上的差异,区分舰船信号和箔条干扰,该方法的具体步骤包括如下:
(1)获取目标三个极化通道回波信号的振幅矩阵;
(1a)利用绝对值abs函数,对水平极化发射-水平极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
(1b)利用绝对值abs函数,对垂直极化发射-垂直极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
(1c)利用绝对值abs函数,对垂直极化发射-水平极化接收通道的每个慢时间维中每个快时间的回波信号进行取模操作,得到每个慢时间维回波信号的振幅向量,将回波信号中所有慢时间维回波信号的振幅向量组成回波信号的振幅矩阵;
(2)生成目标极化角均值向量:
(2a)利用共垂直极化角矩阵公式,计算共垂直极化通道的极化角矩阵;
(2b)利用共水平极化角矩阵公式,计算共水平极化通道的极化角矩阵;
(2c)利用均值mean函数,分别计算共垂直极化通道的目标极化角均值向量和共水平极化通道的目标极化角均值向量;
(3)获取目标极化特征向量:
比较共垂直极化通道的目标极化角均值向量和共水平极化通道的目标极化角均值向量中每一维元素值的大小,将其中最小的元素值放置目标极化特征向量中相应维数的位置,将目标极化特征向量中放置后的所有维数的元素组成目标极化特征向量;
(4)目标识别:
统计极化特征向量中元素值大于60的元素个数,若元素个数超过极化特征向量元素总个数的一半,将该极化特征向量对应的目标信号识别为舰船信号,否则,识别为箔条干扰信号。
2.根据权利要求1所述的基于极化特征向量的箔条干扰识别方法,其特征在于,步骤(1a)、步骤(1b)、步骤(1c)中所述的绝对值abs函数是指MATLAB Toolbox中自带的函数。
3.根据权利要求1所述的基于极化特征向量的箔条干扰识别方法,其特征在于,步骤(2a)中所述的共垂直极化角矩阵公式如下:
其中,γ1表示共垂直极化通道的极化角矩阵,π表示圆周率,arctan表示反正切操作,AVV表示垂直极化发射-垂直极化接收通道的回波振幅矩阵,AHV表示垂直极化发射-水平极化接收通道的回波振幅矩阵。
4.根据权利要求1所述的基于极化特征向量的箔条干扰识别方法,其特征在于,步骤(2b)中所述的共水平极化角矩阵公式如下:
其中,γ2表示共水平极化通道的极化角矩阵,π表示圆周率,arctan表示反正切操作,AHH表示水平极化发射-水平极化接收通道的回波振幅矩阵,AHV表示垂直极化发射-水平极化接收通道的回波振幅矩阵。
5.根据权利要求1所述的基于极化特征向量的箔条干扰识别方法,其特征在于,步骤(2c)中所述的均值mean函数是指MATLAB Toolbox中自带的函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331468.1A CN110109068B (zh) | 2019-04-24 | 2019-04-24 | 基于极化特征向量的箔条干扰识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910331468.1A CN110109068B (zh) | 2019-04-24 | 2019-04-24 | 基于极化特征向量的箔条干扰识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110109068A true CN110109068A (zh) | 2019-08-09 |
CN110109068B CN110109068B (zh) | 2022-12-02 |
Family
ID=67486377
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910331468.1A Active CN110109068B (zh) | 2019-04-24 | 2019-04-24 | 基于极化特征向量的箔条干扰识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110109068B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398927A (zh) * | 2020-04-02 | 2020-07-10 | 中国人民解放军空军工程大学 | 一种三维分布无源干扰雷达反射面积的地面测试方法 |
CN111766565A (zh) * | 2020-07-09 | 2020-10-13 | 北京遥测技术研究所 | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 |
CN113759322A (zh) * | 2021-09-08 | 2021-12-07 | 中国人民解放军海军航空大学 | 一种用于对抗雷达的箔条云rcs预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107632291A (zh) * | 2017-08-18 | 2018-01-26 | 上海无线电设备研究所 | 一种基于极化雷达抗角反射器干扰的方法 |
CN108169737A (zh) * | 2017-12-19 | 2018-06-15 | 中国人民解放军国防科技大学 | 一种基于极化散射变换的冲淡式箔条干扰识别方法 |
EP3339883A1 (en) * | 2016-12-22 | 2018-06-27 | Airbus Defence and Space GmbH | A cognitive radar system |
-
2019
- 2019-04-24 CN CN201910331468.1A patent/CN110109068B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3339883A1 (en) * | 2016-12-22 | 2018-06-27 | Airbus Defence and Space GmbH | A cognitive radar system |
CN107632291A (zh) * | 2017-08-18 | 2018-01-26 | 上海无线电设备研究所 | 一种基于极化雷达抗角反射器干扰的方法 |
CN108169737A (zh) * | 2017-12-19 | 2018-06-15 | 中国人民解放军国防科技大学 | 一种基于极化散射变换的冲淡式箔条干扰识别方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111398927A (zh) * | 2020-04-02 | 2020-07-10 | 中国人民解放军空军工程大学 | 一种三维分布无源干扰雷达反射面积的地面测试方法 |
CN111398927B (zh) * | 2020-04-02 | 2024-03-19 | 中国人民解放军空军工程大学 | 一种三维分布无源干扰雷达反射面积的地面测试方法 |
CN111766565A (zh) * | 2020-07-09 | 2020-10-13 | 北京遥测技术研究所 | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 |
CN111766565B (zh) * | 2020-07-09 | 2023-03-07 | 北京遥测技术研究所 | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 |
CN113759322A (zh) * | 2021-09-08 | 2021-12-07 | 中国人民解放军海军航空大学 | 一种用于对抗雷达的箔条云rcs预测方法及系统 |
CN113759322B (zh) * | 2021-09-08 | 2023-08-11 | 中国人民解放军海军航空大学 | 一种用于对抗雷达的箔条云rcs预测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110109068B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110109068A (zh) | 基于极化特征向量的箔条干扰识别方法 | |
CN108169737A (zh) | 一种基于极化散射变换的冲淡式箔条干扰识别方法 | |
Li et al. | Radar signal recognition algorithm based on entropy theory | |
CN107390194B (zh) | 一种基于全布雷格曼散度的雷达目标检测方法 | |
CN106501800A (zh) | 基于代价参考粒子滤波的mimo雷达目标检测前跟踪方法 | |
CN109188386A (zh) | 基于改进二维esprit算法的mimo雷达高分辨率参数估计方法 | |
CN113267758B (zh) | 一种复合高斯环境下存在干扰时的目标检测方法与系统 | |
Lin et al. | Research on PCA and KPCA self-fusion based MSTAR SAR automatic target recognition algorithm | |
CN108535704B (zh) | 一种基于自适应二维聚类的信号预分选方法 | |
Doo et al. | Reliable target feature extraction and classification using potential target information | |
CN113534067B (zh) | 一种多干扰源下多站雷达抗欺骗式干扰方法及系统 | |
CN113484838A (zh) | 一种多基地雷达有源假目标鉴别方法及系统 | |
CN111766565B (zh) | 一种基于极化比向量均值的箔条假目标干扰鉴别方法 | |
CN109031221A (zh) | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 | |
Yanan et al. | Direction of arrival estimation method based on quantum electromagnetic field optimization in the impulse noise | |
Ye et al. | Realistic Scatterer Based Adversarial Attacks on SAR Image Classifiers | |
Shubin et al. | Efficiency evaluation for radar signal processing on the basis of spectral-semantic model | |
CN103149555A (zh) | 结合极化分类和功率分组的自适应动目标检测方法 | |
CN107122764B (zh) | 基于KpN模型的海上舰船目标检测方法 | |
CN109669172A (zh) | 基于主瓣内强干扰抑制的弱目标方位估计方法 | |
CN109597044A (zh) | 基于分级决策树的宽带极化雷达导引头目标识别方法 | |
CN112098952B (zh) | 一种基于时域统计处理的雷达侦察杂波抑制方法 | |
CN112418275B (zh) | 基于距离像特征提取的毫米波引信箔条干扰识别方法 | |
CN106778870A (zh) | 一种基于rpca技术的sar图像舰船目标检测方法 | |
CN103913724B (zh) | 基于先验地形覆盖数据的杂波抑制方法 |
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 |