CN110346794A - 一种资源优化配置的分布式雷达成像方法 - Google Patents
一种资源优化配置的分布式雷达成像方法 Download PDFInfo
- Publication number
- CN110346794A CN110346794A CN201910683001.3A CN201910683001A CN110346794A CN 110346794 A CN110346794 A CN 110346794A CN 201910683001 A CN201910683001 A CN 201910683001A CN 110346794 A CN110346794 A CN 110346794A
- Authority
- CN
- China
- Prior art keywords
- radar
- matrix
- indicate
- transmitter
- signal
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
-
- 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
- G01S7/42—Diversity systems specially adapted for radar
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种资源优化配置的分布式雷达成像方法,应用于雷达成像探测领域,针对发射机和接收机资源有限时的高分辨成像问题,本发明方法通过对分布式雷达波数域空间谱规律进行分析,导出了分布式雷达成像几何模型和空间谱信号模型;其次,通过分析测量矩阵的奇异值分布,确定信号发射带宽与雷达收发通道个数对空间谱的影响,从而得到最优的发射信号带宽和收发雷达数量;最后,基于最优的发射信号带宽和收发雷达数量重新产生系统回波与系统观测矩阵,利用截断奇异值分解算法实现分布式雷达成像;本发明的方法实现了通过降低雷达收发数量,增加系统发射信号带宽,提高分布式雷达的成像分辨率。
Description
技术领域
本发明属于雷达成像探测领域,特别涉及一种分布式雷达成像技术。
背景技术
雷达利用电磁波的反射,能实现对目标的检测、定位、跟踪、识别。与光学成像相比,它能全天时、全天候地对目标进行成像,不受天气、遮蔽物等的影响,在远距离目标追踪、自然灾害检测等民用和军用领域都具有重要的作用。
与合成孔径雷达(SAR)利用相对运动实现较大的孔径相比,分布式雷达成像可利用发射机和接收机的空间分集关系,形成较大的观测孔径。文献“Xingbin Han,XiaoyongDu,Weidong Hu,and Wenxian Yu,The imaging principle and method based ondistributed multi-channel radars[C].CIE International Conference on Radar,2006,pp.696–700.”中,作者利用逆快速傅里叶变换(IFFT)方法实现波数域数据的成像,其发射及接收雷达的通道数量较多,在收发数量逐渐较少时,该类基于傅里叶变换方法的成像性能下降迅速,甚至无法获取有效信息。文献“R.Baraniuk and P.Steeghs,Compressiveradar imaging[C].2007IEEE Radar Conference.IEEE,2007,pp.128–133.”中,作者提出了一种基于压缩感知(CS)的稀疏成像方法,该方法虽然能够在空间谱稀疏填充时获得目标的高分辨成像,但此时目标会产生off-grid问题。
发明内容
针对上述的发射机和接收机资源有限时的高分辨成像问题,本发明提出一种资源优化配置的分布式雷达成像方法。
本发明采用的技术方案为:一种资源优化配置的分布式雷达成像方法,包括:
S1、确定分布式雷达成像几何模型和空间谱信号模型;
S2、基于空间谱信号模型确定最优的发射信号带宽、系统采样点数及收发雷达数量;
S3、根据步骤S2得到的最优的发射信号带宽与系统采样点数,重新产生系统回波矩阵和系统观测矩阵;
S4、通过对步骤S3重新生成的系统观测矩阵进行截断奇异值分解处理,得到目标散射系数;
S5、根据步骤S4中的目标散射系数实现场景内目标的反演成像。
进一步地,步骤S1所述的雷达成像几何模型为:M个发射机,N个接收机,第m个发射机的位置为第n个接收机的位置为目标散射点的位置为
其中,m=1,2,…,M,n=1,2,…,N,rm表示第m个发射机到球坐标系原点的距离,θm表示第m个发射机在球坐标系中的俯仰角,表示第m个发射机在球坐标系中的方位角,rn表示第n个接收机到球坐标系原点的距离,θn表示第n个接收机在球坐标系中的俯仰角,表示第n个接收机在球坐标系中的方位角,r表示目标散射点到球坐标系原点的距离,θ表示目标散射点在球坐标系中的俯仰角,表示目标散射点在球坐标系中的方位角。
更进一步地,步骤S1所述空间谱信号模型表达式为:
其中,fm表示第m个发射机的发射信号载频,f为频率变量,c表示电磁波的传播速度。
进一步地,步骤S2具体过程为:
将空间谱信号模型表达式,通过恒等变换表示为一系列的空间谱的填充圆形式;
其中,λ表示当前工作频率所对应的信号波长;表示频率采样点,ws=1,...,WS,WS为采样点数,填充圆的半径由fm决定,填充圆的圆心由发射机方位角和接收机的方位角决定,不同填充圆之间的交点即为空间谱;
在不同发射信号件不发生混叠的情况下,基于上述空间谱的填充圆形式,定义空间谱等效外接矩形面积:
通过求解空间谱等效外接矩阵面积最大值,得到得到最优的发射信号的带宽B、最优的系统采样点数WS及收发雷达数量;所述收发雷达数量为:发射机个数M,接收机个数N。
更进一步地,所述最优的发射信号的带宽B、最优的系统采样点数WS及收发雷达数量的计算式为:
当观测矩阵最接近于方阵时,根据下式得到最优的系统采样点数WS;
其中,ceil(·)表示向上取整,R表示成像场景划分的行数,L表示成像场景划分的列数。
进一步地,步骤S4所述目标散射系数的计算过程为:
对步骤S3重新产生的系统观测矩阵进行奇异值分解:
其中,λi表示步骤S3重新产生的系统观测矩阵的奇异值,i=1,2,...,Q,U为酉矩阵,V为酉矩阵U=(u1,u2,...uQ),V=(v1,v2,...vQ),且满足UUT=VVT=IQ,IQ为Q阶单位矩阵,D是由矩阵H的奇异值降序排列的对角矩阵,D=diag(λ1,λ2,...λQ),商标T表示转置;
从Q个奇异值中选取最大的K个奇异值作为阶段奇异值参数,根据选出的K个奇异值计算目标散射系数:
其中,Σ+表示Σ的广义逆,ε表示信号传播过程中产生的噪声,σ表示目标散射系数的真实值。
本发明的有益效果:本发明通过优化发射信号带宽和频带内采样点数,获取最优的系统参数与采样点数,并通过截断奇异值方法,实现资源优化配置条件下的分布式雷达成像;通过本发明方法得到系统最优资源配置,可通过较低雷达收发数量,增加系统发射信号带宽,实现分布式雷达的高分辨成像。
附图说明
图1为本发明的方法流程图;
图2为本发明实施例提供的分布式雷达几何模型图;
图3为本发明实施例提供的不同系统配置的空间谱分布;
其中,图3(a)为系统配置A对应的空间谱填充样式,图3(b)为系统配置B对应的空间谱填充样式;
图4为本发明实施例提供的截断奇异值参数与发射信号带宽的关系图
图5为本发明实施例提供的目标原始场景图;
图6为本发明实施例提供的不同系统配置下的成像结果;
其中,图6(a)为系统配置A对应的成像结果,图6(b)是系统配置B对应的成像结果。
具体实施方式
本发明中各步骤均在MATLAB R2018a平台上进行了仿真。
如图1所示为本发明的方法流程图,本发明的一种资源优化配置的分布式雷达成像方法,通过计算最优发射信号带宽与最佳采样点数,并根据最佳带宽与采样点数构建回波矩阵与观测矩阵,从而计算得到目标散射系数矩阵,根据目标散射系数矩阵实现场景内目标的反演。
具体包括以下步骤:
S1、确定分布式雷达成像几何模型和空间谱信号模型;
S2、基于空间谱信号模型确定最优的发射信号带宽、系统采样点数;
S3、根据步骤S2得到的最优的发射信号带宽与系统采样点数,重新产生系统回波矩阵和系统观测矩阵;
S4、通过对步骤S3重新生成的系统观测矩阵进行截断奇异值分解处理,得到目标散射系数;
S5、根据步骤S4中的目标散射系数实现场景内目标的反演成像。
步骤S1具体为:分布式雷达成像几何模型如图2所示。设第m个发射机的位置为第n个接收机的位置为目标散射点的位置为其中分别表示发射机、接收机和目标点在球坐标系中与原点距离、俯仰角和方位角。以二维成像场景为例,设发射信号均为带宽为B(B<<fm)的窄带信号,第m个发射机的发射信号表达式为
其中,Am(t)表示幅度包络,fm表示第m个发射机的发射信号载频,φm表示初始相位,不同的发射信号的幅度包络相互正交。第n个接收机接收到的第m个发射信号的回波为
其中,Ω表示二维成像区域,表示目标散射点的位置,x,y,z分别表示目标点在三维直角坐标系中的坐标。σ(r)表示目标散射系数,τmn(r)表示发射信号发射经过目标点发射并被接收的传播延迟,εmn(t)表示传播过程中产生的噪声。经过远场近似,回波延迟可以表示为
τmn(r)≈[rm-Pm(r)+rn-Pn(r)]/c (3)
其中,r表示目标散射点的位置矢量,rm表示第m个发射机的位置矢量,rn表示第n个接收机的位置矢量。
将回波信号与发射信号进行相关处理后解调,设计一个滤波器,该滤波器的频域响应为
滤波后的回波信号为
其中,f∈[0,B]为频率变量,c表示电磁波的传播速度,Nmn(f)表示经过相关处理后的噪声频谱。
分布式雷达的空间谱表示为
根据空间谱的表达式,回波信号可简化为
将成像场景划分为R行L列,并将所有散射系数表示为列向量的形式,即
此时,回波在频域上的模型可以表示为
Y=Hσ+ε (9)
其中,Y=(Y11,Y12,...,Y1N,Y21,...,YMN)T,H=(H11,H12,...,H1N,H21,...,HMN)T,ε为传播过程中产生的噪声。假设发射信号带宽内采样点数为Ws,则有
其中,
步骤S2具体为:根据空间谱的表达式(6)可以经过恒等变换表示为一系列的空间谱的填充形式
其中,表示当前工作频率所对应的信号波长,表示频率采样点,WS为采样点数。填充圆的半径由信号频率决定,填充圆的圆心由发射机和接收机的方位角决定,而不同填充圆之间的交点即为空间谱。在保证不同发射信号间不发生混叠的情况下,适当增加发射信号的带宽B时,填充圆的半径会逐渐增加,空间谱在波数域横纵两轴的投影会逐渐展宽,实现空间和频谱之间的转换。
定义空间谱等效外接矩形面积
其中,n=1,...,N,M表示发射机的个数,N表示接收机的个数。此时,该资源配置优化问题可转换为最值问题,求解该最值问题可以获得发射信号的带宽B
当观测矩阵H最接近于方阵时,可以得到信号最优采样点数WS
其中,ceil(·)表示向上取整。
根据式(14)与式(15)可以得到最优发射信号的带宽B、最优采样点数WS以及最优的收发雷达数量(M/N)。
步骤S3具体为:根据步骤S2得到的最优带宽B与最优系统采样点数WS,参考式(1)至式(11)的过程,重新产生分布式雷达回波数据,并通过滤波器处理,进行多通道融合构造系统回波矩阵,同时构造观测矩阵。
步骤S4具体为:运用截断奇异值分解(TSVD)算法进行成像,对重新产生的系统观测矩阵H进行奇异值分解
其中,λ1,λ2,...,λQ表示矩阵H的Q个奇异值,U=(u1,u2,...uQ),V=(v1,v2,...vQ)为酉矩阵,满足UUT=VVT=IQ(IQ为Q阶单位矩阵),D=diag(λ1,λ2,...λQ)是由矩阵H的奇异值降序排列的对角矩阵。
由于较小的奇异值会放大噪声对系统的影响,本发明选取Q个奇异值较大的K个奇异值,经过截断奇异值处理之后,目标散射系数可以表示为
其中,Σ+表示Σ的广义逆,K表示截断奇异值参数。
步骤S5具体为:通过公式(17)实现场景内目标的反演。
以下通过具体实施例对本发明的内容及技术效果进行进一步阐述:
如表1所示,本实施例中,M个发射机的工作距离均为400m、方位角均匀分布于0°~5°的位置上,发射带宽为B、载频为fm=8GHz的窄带信号,
表1分布式雷达系统参数列表
第m个发射信号为
其中,幅度包络满足
N个接收机的工作距离均为400m、方位角均匀分布于90°~95°的位置上,第n个接收机接收到的第m个发射信号的回波可以表示为
其中,为时间延迟,dmn表示信号传播距离。
将回波信号与发射信号进行相关处理后进行解调、滤波,可得
其中,为波数域变量。
因此,分布式雷达回波模型在频域上可表示为
Y=Hσ+N (21)
根据(13),在保证不同发射信号间不产生混叠的情况下,如表2所示的两种系统资源配置下的空间谱填充样式分别如图3所示,其中图3(a)为系统配置A对应的空间谱填充样式,图3(b)为系统配置B对应的空间谱填充样式,通过适当增加发射信号的带宽B,可使得空间谱在波数域横纵两个坐标轴上的投影逐渐展宽,即在约束条件下使得空间谱的等效外接矩形面积Srect达到最大值,可求出最佳的发射信号的带宽B
表2分布式雷达系统优化参数
参数 | 数值(系统配置A) | 数值(系统配置B) |
收发个数M*N | 7*10 | 4*4 |
信号带宽B | 30MHz | 200MHz |
频率采样点数W<sub>S</sub> | 10 | 100 |
当观测矩阵H接近于方阵时,信号最优采样点数WS由下式获得
利用TSVD算法对分别对表2所示的系统配置A和系统配置B分布式雷达系统进行成像仿真。对观测矩阵H进行奇异值分解
观测矩阵H的截断奇异值参数与发射信号带宽B的关系如图4所示,具体的截断参数K根据图4所示曲线拐点选取,具体选取方法为现有技术,本发明中不做详细描述,目标散射系数可重构为
发射信号带宽B越大,截断参数K越大,观测矩阵H越好。选择合适的发射信号带宽B后,设信噪比为15dB,系统配置A和系统配置B的成像结果分别如图6(a)、图6(b)所示,图5为原始场景图,对比可见在系统配置A时,虽可实现分布式雷达成像,但其旁瓣较高,且分辨率差,此时雷达收发数量多,在系统实现时难度较大。在系统配置B时,可通过较低雷达收发数量,增加系统发射信号带宽,实现分布式雷达的高分辨成像。
综上,本发明提供的资源优化配置方法能够实现高分辨成像。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (6)
1.一种资源优化配置的分布式雷达成像方法,其特征在于,包括:
S1、确定分布式雷达成像几何模型和空间谱信号模型;
S2、基于空间谱信号模型确定最优的发射信号带宽、系统采样点数;
S3、根据步骤S2得到的最优的发射信号带宽与系统采样点数,重新产生系统回波矩阵和系统观测矩阵;
S4、通过对步骤S3重新生成的系统观测矩阵进行截断奇异值分解处理,得到目标散射系数;
S5、根据步骤S4中的目标散射系数实现场景内目标的反演成像。
2.根据权利要求1所述的一种资源优化配置的分布式雷达成像方法,其特征在于,步骤S1所述的雷达成像几何模型为:M个发射机,N个接收机,第m个发射机的位置为第n个接收机的位置为目标散射点的位置为
其中,m=1,2,…,M,n=1,2,…,N,rm表示第m个发射机到球坐标系原点的距离,θm表示第m个发射机在球坐标系中的俯仰角,表示第m个发射机在球坐标系中的方位角,rn表示第n个接收机到球坐标系原点的距离,θn表示第n个接收机在球坐标系中的俯仰角,表示第n个接收机在球坐标系中的方位角,r表示目标散射点到球坐标系原点的距离,θ表示目标散射点在球坐标系中的俯仰角,表示目标散射点在球坐标系中的方位角。
3.根据权利要求2所述的一种资源优化配置的分布式雷达成像方法,其特征在于,步骤S1所述空间谱信号模型表达式为:
其中,fm表示第m个发射机的发射信号载频,f为频率变量,c表示电磁波的传播速度。
4.根据权利要求3所述的一种资源优化配置的分布式雷达成像方法,其特征在于,步骤S2具体过程为:
将空间谱信号模型表达式,通过恒等变换表示为一系列的空间谱的填充圆形式;
其中,λ表示当前工作频率所对应的信号波长;λ=c/(fm+fws),fws表示频率采样点,ws=1,...,WS,WS为采样点数,填充圆的半径由fm决定,填充圆的圆心由发射机方位角和接收机的方位角决定,不同填充圆之间的交点即为空间谱;
在不同发射信号件不发生混叠的情况下,基于上述空间谱的填充圆形式,定义空间谱等效外接矩形面积:
通过求解空间谱等效外接矩阵面积最大值,得到最优的发射信号的带宽B、最优的系统采样点数WS及收发雷达数量;所述收发雷达数量为:发射机个数M,接收机个数N。
5.根据权利要求4所述的一种资源优化配置的分布式雷达成像方法,其特征在于,所述最优的发射信号的带宽B、最优的系统采样点数WS及收发雷达数量的计算式为:
max[Srect]
当观测矩阵最接近于方阵时,根据下式得到最优的系统采样点数WS;
其中,ceil(·)表示向上取整,R表示成像场景划分的行数,L表示成像场景划分的列数。
6.根据权利要求5所述的一种资源优化配置的分布式雷达成像方法,其特征在于,步骤S4所述目标散射系数的计算过程为:
对步骤S3重新产生的系统观测矩阵进行奇异值分解:
其中,λi表示步骤S3重新产生的系统观测矩阵的奇异值,i=1,2,...,Q,U为酉矩阵,V为酉矩阵U=(u1,u2,...uQ),V=(v1,v2,...vQ),且满足UUT=VVT=IQ,IQ为Q阶单位矩阵,D是由矩阵H的奇异值降序排列的对角矩阵,D=diag(λ1,λ2,...λQ),商标T表示转置;
从Q个奇异值中选取最大的K个奇异值作为阶段奇异值参数,根据选出的K个奇异值与步骤S2重新产生的系统回波矩阵,计算目标散射系数:
其中,Σ+表示Σ的广义逆,ε表示信号传播过程中产生的噪声,σ表示目标散射系数的真实值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910683001.3A CN110346794B (zh) | 2019-07-26 | 2019-07-26 | 一种资源优化配置的分布式雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910683001.3A CN110346794B (zh) | 2019-07-26 | 2019-07-26 | 一种资源优化配置的分布式雷达成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110346794A true CN110346794A (zh) | 2019-10-18 |
CN110346794B CN110346794B (zh) | 2021-05-11 |
Family
ID=68180406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910683001.3A Active CN110346794B (zh) | 2019-07-26 | 2019-07-26 | 一种资源优化配置的分布式雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110346794B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083417A (zh) * | 2020-09-18 | 2020-12-15 | 电子科技大学 | 基于波数域拼接的分布式雷达成像拓扑设计方法 |
CN113238201A (zh) * | 2021-05-26 | 2021-08-10 | 深圳成谷科技有限公司 | 一种超分辨雷达定位方法、系统、设备及存储介质 |
CN113391311A (zh) * | 2021-06-21 | 2021-09-14 | 电子科技大学 | 一种分布式雷达广义孔径合成方法 |
CN113567978A (zh) * | 2021-07-29 | 2021-10-29 | 电子科技大学 | 一种多基分布式雷达协同成像方法 |
CN113625272A (zh) * | 2021-08-12 | 2021-11-09 | 电子科技大学 | 一种分布式雷达空间谱相参融合成像方法 |
CN113656913A (zh) * | 2021-08-19 | 2021-11-16 | 电子科技大学 | 一种分布式前视雷达几何构型优化设计方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103941256A (zh) * | 2014-05-12 | 2014-07-23 | 南京航空航天大学 | 基于两级多分辨重构的无源分布式sar成像处理方法 |
US20160116582A1 (en) * | 2011-04-29 | 2016-04-28 | Spatial Digital Systems, Inc. | Radar imaging via spatial spectrum measurement and MIMO waveforms |
CN105652273A (zh) * | 2016-03-17 | 2016-06-08 | 哈尔滨工程大学 | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 |
CN105759262A (zh) * | 2016-02-19 | 2016-07-13 | 公安部第研究所 | 一种基于mimo体制的近程三维成像装置及其成像方法 |
CN106680817A (zh) * | 2016-12-26 | 2017-05-17 | 电子科技大学 | 一种实现前视雷达高分辨成像的方法 |
CN107144827A (zh) * | 2017-04-12 | 2017-09-08 | 北京理工大学 | 一种基于联合估计crlb的分布式雷达最优构型构建方法 |
CN107193003A (zh) * | 2017-07-20 | 2017-09-22 | 电子科技大学 | 一种稀疏奇异值分解扫描雷达前视成像方法 |
WO2018037885A1 (en) * | 2016-08-24 | 2018-03-01 | Mitsubishi Electric Corporation | System and method for radar imaging using distributed moving platforms under unknown position perturbations |
CN107976673A (zh) * | 2017-11-17 | 2018-05-01 | 中国科学技术大学 | 提高大场景目标成像质量的mimo雷达成像方法 |
CN109212527A (zh) * | 2018-10-17 | 2019-01-15 | 哈尔滨工业大学 | 用于高频地波雷达的大孔径分布式多站目标定位方法 |
-
2019
- 2019-07-26 CN CN201910683001.3A patent/CN110346794B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160116582A1 (en) * | 2011-04-29 | 2016-04-28 | Spatial Digital Systems, Inc. | Radar imaging via spatial spectrum measurement and MIMO waveforms |
CN103941256A (zh) * | 2014-05-12 | 2014-07-23 | 南京航空航天大学 | 基于两级多分辨重构的无源分布式sar成像处理方法 |
CN105759262A (zh) * | 2016-02-19 | 2016-07-13 | 公安部第研究所 | 一种基于mimo体制的近程三维成像装置及其成像方法 |
CN105652273A (zh) * | 2016-03-17 | 2016-06-08 | 哈尔滨工程大学 | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 |
WO2018037885A1 (en) * | 2016-08-24 | 2018-03-01 | Mitsubishi Electric Corporation | System and method for radar imaging using distributed moving platforms under unknown position perturbations |
CN106680817A (zh) * | 2016-12-26 | 2017-05-17 | 电子科技大学 | 一种实现前视雷达高分辨成像的方法 |
CN107144827A (zh) * | 2017-04-12 | 2017-09-08 | 北京理工大学 | 一种基于联合估计crlb的分布式雷达最优构型构建方法 |
CN107193003A (zh) * | 2017-07-20 | 2017-09-22 | 电子科技大学 | 一种稀疏奇异值分解扫描雷达前视成像方法 |
CN107976673A (zh) * | 2017-11-17 | 2018-05-01 | 中国科学技术大学 | 提高大场景目标成像质量的mimo雷达成像方法 |
CN109212527A (zh) * | 2018-10-17 | 2019-01-15 | 哈尔滨工业大学 | 用于高频地波雷达的大孔径分布式多站目标定位方法 |
Non-Patent Citations (4)
Title |
---|
WANG, TIANYUN,ET AL: "Passive radar imaging based on spatial spectrum theory", 《 17TH INTERNATIONAL CONFERENCE ON OPTICAL COMMUNICATIONS AND NETWORKS (ICOCN2018)》 * |
YANG WU, ET AL: "Sparse super-resolution method based on truncated singular value decomposition strategy for radar forward-looking imaging", 《JOURNAL OF APPLIED REMOTE SENSING》 * |
徐浩: "基于空间谱理论和时空两维随机辐射场的雷达成像研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
王怀军: "MIMO雷达成像算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112083417A (zh) * | 2020-09-18 | 2020-12-15 | 电子科技大学 | 基于波数域拼接的分布式雷达成像拓扑设计方法 |
CN112083417B (zh) * | 2020-09-18 | 2022-02-01 | 电子科技大学 | 基于波数域拼接的分布式雷达成像拓扑设计方法 |
CN113238201A (zh) * | 2021-05-26 | 2021-08-10 | 深圳成谷科技有限公司 | 一种超分辨雷达定位方法、系统、设备及存储介质 |
CN113391311A (zh) * | 2021-06-21 | 2021-09-14 | 电子科技大学 | 一种分布式雷达广义孔径合成方法 |
CN113567978A (zh) * | 2021-07-29 | 2021-10-29 | 电子科技大学 | 一种多基分布式雷达协同成像方法 |
CN113567978B (zh) * | 2021-07-29 | 2023-04-25 | 电子科技大学 | 一种多基分布式雷达协同成像方法 |
CN113625272A (zh) * | 2021-08-12 | 2021-11-09 | 电子科技大学 | 一种分布式雷达空间谱相参融合成像方法 |
CN113625272B (zh) * | 2021-08-12 | 2023-06-30 | 电子科技大学 | 一种分布式雷达空间谱相参融合成像方法 |
CN113656913A (zh) * | 2021-08-19 | 2021-11-16 | 电子科技大学 | 一种分布式前视雷达几何构型优化设计方法 |
CN113656913B (zh) * | 2021-08-19 | 2023-04-07 | 电子科技大学 | 一种分布式前视雷达几何构型优化设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110346794B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110346794A (zh) | 一种资源优化配置的分布式雷达成像方法 | |
CN105849582B (zh) | 用于减小编码孔径雷达中的噪声的方法及设备 | |
CN107678028B (zh) | 低信噪比条件下的微波凝视关联成像方法 | |
CN106501802B (zh) | 高分辨率多维协同昆虫迁飞雷达测量仪 | |
CN107976673B (zh) | 提高大场景目标成像质量的mimo雷达成像方法 | |
CN106680815B (zh) | 基于张量稀疏表示的mimo雷达成像方法 | |
CN108828593B (zh) | 一种随机辐射雷达关联成像方法 | |
CN109765562A (zh) | 一种三维前视声像声纳系统和方法 | |
CN111145337B (zh) | 基于分辨率逼近的快速稀疏重构的线阵sar三维成像方法 | |
CN103149561A (zh) | 一种基于场景块稀疏的稀疏微波成像方法 | |
CN113126087B (zh) | 一种星载干涉成像高度计天线 | |
CN102854505A (zh) | 一种加权稀疏驱动自聚焦sar成像方法 | |
Volosyuk et al. | Modern methods for optimal spatio-temporal signal processing in active, passive, and combined active-passive radio-engineering systems | |
Byrd et al. | A weather radar simulator for the evaluation of polarimetric phased array performance | |
Chang et al. | An advanced scheme for range ambiguity suppression of spaceborne SAR based on blind source separation | |
CN105891827B (zh) | 一种机载mimo-sar下视三维稀疏成像方法 | |
Meng et al. | Accelerated holographic imaging with range stacking for linear frequency modulation radar | |
Zhang et al. | Target imaging based on generative adversarial nets in through-wall radar imaging | |
CN106443672B (zh) | 一种方位多通道sar信号自适应重构方法 | |
Tuuk et al. | Compressed sensing radar amid noise and clutter using interference covariance information | |
Qi et al. | Application of sparse array and MIMO in near-range microwave imaging | |
Knepp | Multiple phase screen calculation of two‐way spherical wave propagation in the ionosphere | |
CN112649806A (zh) | 一种mimo雷达近场三维成像方法 | |
CN104035078A (zh) | 一种基于阵元阶数递推的降维空时自适应权值计算方法 | |
Schurwanz et al. | Compressive sensing techniques applied to a semi-circular mmWave MIMO array |
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 |