CN110208785A - 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 - Google Patents
基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 Download PDFInfo
- Publication number
- CN110208785A CN110208785A CN201910596042.9A CN201910596042A CN110208785A CN 110208785 A CN110208785 A CN 110208785A CN 201910596042 A CN201910596042 A CN 201910596042A CN 110208785 A CN110208785 A CN 110208785A
- Authority
- CN
- China
- Prior art keywords
- frequency
- fourier transform
- detection
- steady
- radar
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of 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
- 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
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
本发明涉及基于稳健稀疏分数阶傅立叶(RSFRFT)变换的雷达机动目标快速检测方法,属于雷达信号处理和检测技术领域。其步骤包括:对脉冲压缩后的慢时间维雷达复数据进行时域Chirp乘法运算、频谱重排、窗函数滤波、降采样快速傅里叶变换;在频域降采样形成的各个频率通道中,进行过门限处理;重构待检测距离单元信号多普勒频率;构造检测器,进行目标检测,频域Chirp乘法运算,得到RSFRFT谱,并估计目标运动参数。本发明只需对少量目标多普勒频点进行搜索,降低计算复杂度,并且通过两次自适应门限,无需预设信号稀疏度,剔除杂波虚警,适合复杂杂波背景下的机动目标检测。
Description
技术领域
本发明属于雷达信号处理和检测技术领域,更具体地,本发明涉及一种基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,可用于强杂波背景下机动目标的雷达检测处理。
背景技术
低可观测机动目标的快速、有效检测已成为雷达技术领域的世界性难题。受复杂环境背景和目标复杂运动特性的影响,机动目标回波信杂噪比(Signal-to-clutter andnoise ratio,SCNR)低,且回波多普勒呈现时变特性,增加了雷达探测的难度。目标多普勒频率与目标速度近似成正比,当目标做机动时,回波具有时变特性,例如,匀加速运动目标,回波可建模为线性调频(Linear Frequency Modulation,LFM)信号。运动状态较为复杂的目标在一段观测时间内,可用LFM信号作为其一阶近似。随着相控阵、泛探雷达、多输入多输出(Multiple-input multiple-output,MIMO)雷达等雷达新体制的发展,对目标的观测时间大大延长,提高杂波背景下机动目标的精细化处理能力。但这种凝视观测以及泛探工作模式,使得目标回波数据量增大,并且系统采样频率的提高进一步增加了数据量,从而对算法的运算效率和系统实时性提出了更高的要求。因此,研究能适应杂波环境的、高效可靠、适用于大数据量实时处理的机动目标信号分析方法对于提升雷达动目标探测能力具有重要意义。
近年来,稀疏信号处理技术的发展为雷达探测技术提供了新的研究思路。由于动目标回波信号在某个域中具有一定的稀疏特性,可将动目标检测问题,转换为稀疏域中的稀疏求解和检测问题,则可通过少量的观测样本,通过求解最优化问题,在稀疏域中实现对该信号的高分辨率表示,比较有代表性的是稀疏傅里叶变换(Sparse Fourier Transform,SFT)和稀疏分数阶傅立叶变换(Sparse fractional Fourier transform,SFRFT)。然而,以下两方面因素导致SFT和SFRFT的稳健性下降:一方面,SFRFT需要对信号的稀疏度K进行预设,而在实际应用中,信号的稀疏度往往是未知的或者可能发生改变的;另一方面,SFRFT在降采样FFT后仅结合稀疏度和循环过程中频点出现的概率对大值系数进行估计,这在较低SCNR的情况下难以保证重构信号的可靠性。而雷达目标检测通常会面临杂波背景,频域聚集形成的强杂波点增加了回波数据的稀疏度,大大降低了算法对目标信号的处理性能。另外,SFRFT算法在重构目标信号多普勒的同时判决目标的有无,此检测判决是在平坦窗函数滤波降低了SCNR的情况下做出的,不利于杂波背景下的目标检测问题。因此,基于SFRFT的动目标检测方法难以满足复杂环境中的雷达机动目标检测需求。
目前该领域存在的问题主要有以下三个方面:一是,经典的动目标检测(MovingTarget Detection,MTD)方法仅适用于匀速运动目标,对于非平稳时变信号,难以实现可靠的检测;二是,FRFT方法,需逐个多普勒通道进行旋转角匹配搜索,运算量大;三是,SFRFT方法需要预设稀疏度,而且在低SCNR情况下,信号重构可靠性差,检测性能严重下降。为此,本专利提出了稳健SFRFT(Robust FRFT,RSFRFT)并用于雷达目标检测。
发明内容
要解决的技术问题包括:
(1)经典的MTD方法仅适用于匀速运动目标,对于非平稳时变信号,难以实现可靠的检测;
(2)FRFT动目标检测方法,需逐个多普勒通道进行旋转角匹配搜索,运算量大;
(3)SFRFT动目标检测方法,需要预设稀疏度,而且在低SCNR情况下,信号重构可靠性差,检测性能严重下降。
本发明所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于包括以下技术措施:
步骤一、对脉冲压缩后的慢时间维雷达复数据进行时域Chirp乘法运算、频谱重排、窗函数滤波、降采样快速傅里叶变换;
步骤二、在频域降采样形成的各个频率通道中,进行过门限处理;
步骤三、重构待检测距离单元信号多普勒频率;
步骤四、构造检测器,进行目标检测,频域Chirp乘法运算,得到稳健稀疏分数阶傅立叶变换谱。
对比现有技术,本技术方案所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,有益效果在于:
(1)相比于基于FRFT的常规检测方法(需要逐个多普勒频率进行匹配搜索进而构建检测器),RSFRFT算法只需对少量目标多普勒频点进行搜索,因而能够较大程度的降低计算复杂度;
(2)相比于SFRFT方法,RSFRFT算法预设信号稀疏度,既能满足实际工程对运算量的需求,又适合复杂杂波背景下的机动目标检测。
附图说明
图1是基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法的实施流程图。
具体实施方式
以下结合说明书附图对本发明作进一步详细描述。参照说明书附图,本发明的处理流程分以下步骤:
1)沿距离向对脉压后的雷达数据进行时域Chirp乘法运算、频谱重排、窗函数滤波、降采样快速傅里叶变换。
时域Chirp乘法运算:对脉冲压缩后的慢时间维雷达复数据x(n)与Chirp1信号相乘,
式中,为Chirp1信号,T为脉冲重复周期,N为脉冲个数,α表示旋转角度;
频谱重排:为使大值频点尽可能的均匀随机分布,通过对时域信号进行操作以实现频谱重排,定义频谱重排方式Pσ,以及重排后的时域序列
Pσ(n)=r[(σn)modN],n∈[1,N]
式中,σ为[1,N]中随机选取的奇数,mod为取模运算;
窗函数滤波:定义平坦窗函数g(n),其频谱G(m)满足
式中,ε′和ε分别为通带截断因子和阻带截断因子,δ为震荡波纹,则窗函数滤波后的信号为
式中,supp表示支撑,ω为窗函数长度;
降采样快速傅里叶变换:由傅里叶变换性质可知,通过时域混叠可以实现频域的降采样,降采样快速傅里叶变换后的信号为
式中,表示向下取整运算,FFT{}表示快速傅里叶变换运算,B表示频域降采样后的数据点数。
2)在频域降采样形成的各个频率通道中,进行过门限处理。
在降采样快速傅里叶变换后增加第一门限η1来估计信号稀疏度及频点,无需对稀疏度进行预设,将Z(m)中幅值超过门限η1的频点对应的坐标归入集合J中,
J={m∈[1,B]|Z(m)≥η1}
其中,门限η1通过检测技术确定,如针对时间平稳性较低、而空间平稳性较高的杂波背景,可根据背景的均匀程度适当选择均值类、有序统计量类以及自适应恒虚警等空域恒虚警检测技术。
3)重构待检测距离单元信号多普勒频率。
定义哈希函数
通过哈希逆映射得到J中频点在信号r(n)的频谱序列中的对应坐标并保存到集合U中,
U={m∈[1,N]|hσ(m)∈J},
哈希逆映射需要进行M次定位循环,若目标存在,则在M次定位循环中,目标对应的多普勒频率应该具有较高的“出现次数”,因此,在重构过程中设置“出现次数阈值”γ,将“出现次数”超过该阈值的频点对应的多普勒频率称为待检测距离单元信号多普勒频率。
4)构造检测器,进行目标检测,频域Chirp乘法运算,得到稳健稀疏分数阶傅立叶变换谱。
针对重构后得到的待检测距离单元信号多普勒频率,结合待检测距离单元和参考距离单元中的原始观测数据构造检测器进行检测判决,设重构得到的待检测距离单元信号多普勒频率为fα,d0,则目标多普勒矢量为
观测矢量为通过结合检测单元和参考单元的原始观测数据构造如下检测器,
式中,为第i个参考单元的观测矢量,T和H分别表示转置和共轭转置,η2为门限。
将第二门限检测结果与Chirp2信号相乘,得到稳健稀疏分数阶傅立叶变换谱
式中,为Chirp2信号,sgn为符号函数,Δu=2πT|sinα|/N为分数域采样间隔。
5)目标运动参数估计。
若目标存在,则在步骤四的输出结果中,通过峰值点的二维搜索确定最佳变换角度,
峰值坐标(α0,m0)与信号中心频率和调频率的关系为
式中,fs=1/T为脉冲重复频率,为尺度因子,popt=2α0/π为稳健稀疏分数阶傅立叶变换的最佳变换阶数,得到目标运动参数初速度和加速度的估计值分别为
Claims (9)
1.基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,包括以下步骤:
步骤一、对脉冲压缩后的慢时间维雷达复数据进行时域Chirp乘法运算、频谱重排、窗函数滤波、降采样快速傅里叶变换;
步骤二、在频域降采样形成的各个频率通道中,进行过门限处理;
步骤三、重构待检测距离单元信号多普勒频率;
步骤四、构造检测器,进行目标检测,频域Chirp乘法运算,得到稳健稀疏分数阶傅立叶变换谱。
2.根据权利要求1所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤一所述的时域Chirp乘法运算、频谱重排计算方法为:
对脉冲压缩后的慢时间维雷达复数据x(n)与Chirp1信号相乘,
式中,为Chirp1信号,T为脉冲重复周期,N为脉冲个数,α表示旋转角度;定义频谱重排方式Pσ,以及重排后的时域序列
Pσ(n)=r[(σn)modN],n∈[1,N]
式中,σ为[1,N]中随机选取的奇数,mod为取模运算。
3.根据权利要求2所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤一所述的窗函数滤波计算方法为:
定义平坦窗函数g(n),其频谱G(m)满足
式中,ε′和ε分别为通带截断因子和阻带截断因子,δ为震荡波纹,则窗函数滤波后的信号为
y(n)=g(n)·Pσ(n),n∈[1,N],
式中,supp表示支撑,ω为窗函数长度。
4.根据权利要求3所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤一所述的降采样快速傅里叶变换计算方法为:
降采样快速傅里叶变换后的信号为
式中,表示向下取整运算,FFT{}表示快速傅里叶变换运算,B表示频域降采样后的数据点数。
5.根据权利要求4所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤二所述的过门限处理方法为:
J={m∈[1,B]|Z(m)≥η1}
并将Z(m)中幅值超过门限η1的频点对应的坐标归入集合J中。
6.根据权利要求5所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤三所述的待检测距离单元信号多普勒频率的重构方法为:
定义哈希函数
通过哈希逆映射得到J中频点在信号r(n)的频谱序列中的对应坐标并保存到集合U中,
U={m∈[1,N]|hσ(m)∈J},
在哈希逆映射的M次定位循环中设置“出现次数阈值”γ,将“出现次数”超过该阈值的频点对应的多普勒频率称为待检测距离单元信号多普勒频率。
7.根据权利要求6所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤四所述的目标检测方法为:
针对重构后得到的待检测距离单元信号多普勒频率,结合待检测距离单元和参考距离单元中的原始观测数据构造检测器进行检测判决,设重构得到的待检测距离单元信号多普勒频率为fα,d0,则目标多普勒矢量为
观测矢量为通过结合检测单元和参考单元的原始观测数据构造如下检测器,
式中,为第i个参考单元的观测矢量,T和H分别表示转置和共轭转置,η2为门限。
8.根据权利要求7所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,步骤四所述的稳健稀疏分数阶傅立叶变换谱求解方法为:
将第二门限检测结果与Chirp2信号相乘,得到稳健稀疏分数阶傅立叶变换谱
式中,为Chirp2信号,sgn为符号函数,Δu=2πT|sinα|/N为分数域采样间隔。
9.根据权利要求8所述的基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法,其特征在于,在进行目标检测后,还进行目标运动参数估计,其方法具体为:
若目标存在,则在步骤四的输出结果中,通过峰值点的二维搜索确定最佳变换角度,
峰值坐标(α0,m0)与信号中心频率和调频率的关系为
式中,fs=1/T为脉冲重复频率,为尺度因子,popt=2α0/π为稳健稀疏分数阶傅立叶变换的最佳变换阶数,得到目标运动参数初速度和加速度的估计值分别为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596042.9A CN110208785B (zh) | 2019-07-03 | 2019-07-03 | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910596042.9A CN110208785B (zh) | 2019-07-03 | 2019-07-03 | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110208785A true CN110208785A (zh) | 2019-09-06 |
CN110208785B CN110208785B (zh) | 2022-08-05 |
Family
ID=67796012
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910596042.9A Active CN110208785B (zh) | 2019-07-03 | 2019-07-03 | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110208785B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111880172A (zh) * | 2020-08-03 | 2020-11-03 | 中国人民解放军32286部队50分队 | 一种凝视雷达测量下降段弹道方法 |
CN112771401A (zh) * | 2020-06-24 | 2021-05-07 | 华为技术有限公司 | 目标检测方法、装置、雷达以及车辆 |
CN113325407A (zh) * | 2021-06-01 | 2021-08-31 | 中国人民解放军海军航空大学 | 一种基于自适应脉冲压缩的雷达目标距离超分辨方法 |
CN113504526A (zh) * | 2021-09-03 | 2021-10-15 | 南京隼眼电子科技有限公司 | 基于mimo雷达的目标检测方法、装置、电子设备及存储介质 |
CN113567983A (zh) * | 2021-07-23 | 2021-10-29 | 中国人民解放军海军航空大学 | 一种利用滑轨的雷达合成孔径稀疏成像方法及系统 |
CN113740820A (zh) * | 2021-09-06 | 2021-12-03 | 西安电子工程研究所 | 一种雷达信号处理机脉冲多普勒处理的数学建模方法 |
US11567580B2 (en) | 2020-01-29 | 2023-01-31 | Samsung Electronics Co., Ltd. | Adaptive thresholding and noise reduction for radar data |
CN118091593A (zh) * | 2024-04-25 | 2024-05-28 | 中国人民解放军海军航空大学 | 基于参考单元筛选的posglt-cfar检测算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879782A (zh) * | 2012-09-25 | 2013-01-16 | 北京理工大学 | 基于分数阶傅里叶变换的压缩感知sar成像方法 |
WO2016187091A1 (en) * | 2015-05-15 | 2016-11-24 | Texas Instruments Incorporated | Low complexity super-resolution technique for object detection in frequency modulated continuous wave radar |
CN106526568A (zh) * | 2016-12-29 | 2017-03-22 | 中国人民解放军海军航空工程学院 | 基于短时稀疏分数阶傅里叶变换的雷达动目标检测方法 |
US20180011182A1 (en) * | 2016-07-05 | 2018-01-11 | The Aerospace Corporation | Separating weak and strong moving targets using the fractional fourier transform |
CN109001708A (zh) * | 2018-08-05 | 2018-12-14 | 中国人民解放军海军航空大学 | 基于分级积累检测的雷达机动目标快速精细化处理方法 |
-
2019
- 2019-07-03 CN CN201910596042.9A patent/CN110208785B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102879782A (zh) * | 2012-09-25 | 2013-01-16 | 北京理工大学 | 基于分数阶傅里叶变换的压缩感知sar成像方法 |
WO2016187091A1 (en) * | 2015-05-15 | 2016-11-24 | Texas Instruments Incorporated | Low complexity super-resolution technique for object detection in frequency modulated continuous wave radar |
US20180011182A1 (en) * | 2016-07-05 | 2018-01-11 | The Aerospace Corporation | Separating weak and strong moving targets using the fractional fourier transform |
CN106526568A (zh) * | 2016-12-29 | 2017-03-22 | 中国人民解放军海军航空工程学院 | 基于短时稀疏分数阶傅里叶变换的雷达动目标检测方法 |
CN109001708A (zh) * | 2018-08-05 | 2018-12-14 | 中国人民解放军海军航空大学 | 基于分级积累检测的雷达机动目标快速精细化处理方法 |
Non-Patent Citations (4)
Title |
---|
XIAOHAN YU ET AL.: ""Radar Moving Target Detection in Clutter Background via Adaptive Dual-Threshold Sparse Fourier Transform"", 《IEEE ACCESS》 * |
XIAOHAN YU ET AL.: ""Sparse Fractional Fourier Transform and its Applications in Radar Moving Target Detection"", 《2018 INTERNATIONAL CONFERENCE ON RADAR (RADAR)》 * |
于晓涵 等: ""快速高分辨稀疏FRFT雷达机动目标检测方法"", 《光电工程》 * |
于晓涵 等: ""雷达动目标短时稀疏分数阶表示域探测方法"", 《系统工程与电子技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11567580B2 (en) | 2020-01-29 | 2023-01-31 | Samsung Electronics Co., Ltd. | Adaptive thresholding and noise reduction for radar data |
CN112771401A (zh) * | 2020-06-24 | 2021-05-07 | 华为技术有限公司 | 目标检测方法、装置、雷达以及车辆 |
CN111880172A (zh) * | 2020-08-03 | 2020-11-03 | 中国人民解放军32286部队50分队 | 一种凝视雷达测量下降段弹道方法 |
CN113325407A (zh) * | 2021-06-01 | 2021-08-31 | 中国人民解放军海军航空大学 | 一种基于自适应脉冲压缩的雷达目标距离超分辨方法 |
CN113567983A (zh) * | 2021-07-23 | 2021-10-29 | 中国人民解放军海军航空大学 | 一种利用滑轨的雷达合成孔径稀疏成像方法及系统 |
CN113567983B (zh) * | 2021-07-23 | 2024-01-16 | 中国人民解放军海军航空大学 | 一种利用滑轨的雷达合成孔径稀疏成像方法及系统 |
CN113504526A (zh) * | 2021-09-03 | 2021-10-15 | 南京隼眼电子科技有限公司 | 基于mimo雷达的目标检测方法、装置、电子设备及存储介质 |
CN113504526B (zh) * | 2021-09-03 | 2024-02-27 | 南京隼眼电子科技有限公司 | 基于mimo雷达的目标检测方法、装置、电子设备及存储介质 |
CN113740820A (zh) * | 2021-09-06 | 2021-12-03 | 西安电子工程研究所 | 一种雷达信号处理机脉冲多普勒处理的数学建模方法 |
CN113740820B (zh) * | 2021-09-06 | 2023-07-21 | 西安电子工程研究所 | 一种雷达信号处理机脉冲多普勒处理的数学建模方法 |
CN118091593A (zh) * | 2024-04-25 | 2024-05-28 | 中国人民解放军海军航空大学 | 基于参考单元筛选的posglt-cfar检测算法 |
Also Published As
Publication number | Publication date |
---|---|
CN110208785B (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208785A (zh) | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 | |
CN106526568B (zh) | 基于短时稀疏分数阶傅里叶变换的雷达动目标检测方法 | |
CN105137498B (zh) | 一种基于特征融合的地下目标探测识别系统及方法 | |
CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN110275158B (zh) | 基于贝叶斯压缩感知的宽带雷达回波信号参数估计方法 | |
CN102520395B (zh) | 基于双基地多输入多输出雷达的杂波抑制方法 | |
CN104133198B (zh) | 一种高频地波雷达中电离层干扰抑制方法 | |
CN109738878B (zh) | 基于压缩感知和频率步进波形的雷达一维距离像识别方法 | |
Larsson et al. | Spectral analysis of periodically gapped data | |
CN103777189A (zh) | 一种基于信息几何复自回归模型的雷达弱目标检测方法 | |
CN107493106B (zh) | 一种基于压缩感知的频率和角度联合估计的方法 | |
CN103235295A (zh) | 基于压缩卡尔曼滤波的小场景雷达目标距离像估计方法 | |
CN109932695A (zh) | 一种提高目标物识别速度的方法及装置 | |
CN105738897A (zh) | 基于联合稀疏特性的信号距离像重构方法 | |
CN113032721A (zh) | 一种低计算复杂度的远场和近场混合信号源参数估计方法 | |
Meiyan et al. | Improved TQWT for marine moving target detection | |
CN113484859B (zh) | 一种基于融合技术的二维超分辨雷达成像方法 | |
Krichene et al. | Compressive sensing and stretch processing | |
Xiong et al. | A coherent compensation method for multiband fusion imaging | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
Yu et al. | Sparse fractional Fourier transform and its applications in radar moving target detection | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN111965617B (zh) | 基于gpu的时分mimo雷达信号处理方法 | |
CN112731392B (zh) | 高效的太赫兹步进频率合成孔径雷达成像方法 |
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 |