CN110412559A - 分布式无人机mimo雷达的非相参融合目标检测方法 - Google Patents
分布式无人机mimo雷达的非相参融合目标检测方法 Download PDFInfo
- Publication number
- CN110412559A CN110412559A CN201910681853.9A CN201910681853A CN110412559A CN 110412559 A CN110412559 A CN 110412559A CN 201910681853 A CN201910681853 A CN 201910681853A CN 110412559 A CN110412559 A CN 110412559A
- Authority
- CN
- China
- Prior art keywords
- target
- clutter
- grid
- doppler
- distance
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 84
- 230000001427 coherent effect Effects 0.000 title claims abstract description 39
- 230000004927 fusion Effects 0.000 claims abstract description 48
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000001629 suppression Effects 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000035485 pulse pressure Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000035899 viability Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003471 anti-radiation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
-
- 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
- G01S13/06—Systems determining position data of a 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
- 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
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/581—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/582—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of interrupted pulse modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- 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
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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
本发明公开了分布式无人机MIMO雷达的非相参融合目标检测方法,首先设定搜索基点的位置和目标速度,并以该点为中心,建立一个四维搜索网格,其后,遍历整个搜索区域,得到目标的距离‑多普勒信息;在此基础上无人机载分布式MIMO雷达的各接收机将接收到的回波信号经过匹配滤波处理,提取出不同平台发射的回波信号,再对其进行杂波抑制处理后,送入中心处理站进行集中式融合检测,将融合检测量与检测门限比较,得到检测结果,进而确定目标位置与速度。本发明不仅完成了目标检测的问题,同时也完成了目标的定位问题,且避免了需要进行不同接收机之间检测的目标相互匹配的计算,提高了目标定位精度和效率。
Description
技术领域
本发明属于雷达信号处理技术领域,尤其涉及一种分布式无人机MIMO雷达的非相参融合目标检测方法。
背景技术
随着现代化技术的发展,战争已经越来越成为“信息”的战争了。而雷达,是这场战争的“千里眼”,一定会成为敌方的重点防御对象。为了对抗雷达预警,隐身目标攻击、反辐射导弹攻击、综合电子干扰以及超低空目标的突防成为预警雷达的四大威胁。在这种背景下,考虑到多基雷达比起单基雷达拥有的很多对抗四大威胁的优势,各国都在不断研发更加现代化和性能更加卓越的多基雷达。而多输入多输出(Multiple input multipleoutput,MIMO)雷达的概念于2003年由美国林肯实验室的Bliss和Forsythe提出后,目前已经成为国内外的研究热点,它具有多种优于传统雷达的优势。
分布式MIMO雷达中收发天线各单元相距很远,使得各阵元可以分别从不同的视角观察目标,获得空间分集增益,克服目标雷达截面积(Radar Cross Section,RCS)的闪烁效应,提高雷达对于目标的检测性能。但是,目前雷达的灵活性较低,使其改变部署分布所需时间较长;同时,不同接收机之间的检测信息需要进行匹配计算,增加了计算复杂度,且匹配好坏决定了最终的检测结果,使系统检测性能稳定性差。
发明内容
为了解决上述问题,本发明的目的是提出一种分布式无人机MIMO雷达的非相参融合目标检测方法,采用位置和速度的四维信息,在搜索遍历的过程中,不仅完成了目标检测的问题,同时也完成了目标的定位问题,且避免了需要进行不同接收机之间检测的目标相互匹配的计算,提高了目标定位精度和效率。
本发明的技术思路为:首先设定基点位置和速度,并以该点为中心,建立一个四维搜索网格,即为目标位置与速度的四维搜索网格;其后,遍历整个搜索区域的网格点,得到目标的距离-多普勒信息,在此基础上机载分布式MIMO雷达的各接收机将接收到的回波信号经过匹配滤波处理,提取出不同平台发射的回波信号,然后对这些回波信号进行杂波抑制处理,并将经过杂波抑制之后的数据送入中心处理站进行集中式融合检测,将集中式非相参融合检测量,与检测门限比较,得到检测结果,进而确定目标位置与速度。
为了达到上述目的,本发明采用以下技术方案予以解决。
分布式无人机MIMO雷达的非相参融合目标检测方法,包括以下步骤:
步骤1,设定分布式无人机MIMO雷达发射并接收回波数据,对雷达的回波数据进行下变频和匹配滤波处理,得到匹配滤波后的回波数据,即得到不同发射机对应的匹配滤波输出信号;
步骤2,建立四维搜索网格,遍历所述四维搜索网格的每个网格点,得到每个网格点对应的单基情况或双基情况下的距离-多普勒信息;
步骤3,设定分布式无人机MIMO雷达中的杂波特性随距离变化,计算所有网格点的杂波协方差矩阵;
步骤4,对于任一个网格点,根据杂波协方差矩阵和该网格点的距离-多普勒信息,对该网格点进行集中式非相参融合检测,得到该网格点的非相参融合检测量,并与检测门限值进行比较,确定其是否是目标;遍历所有网格点,即可确定目标的位置和速度。
由于无人机成本低、生存能力强、机动性能好,在现代战争中有着不可替代的作用。分布式的各雷达站采用协同作战技术,共享目标信息,并在中心站通过非相参融合检测来提高对隐身目标的检测性能,本发明将分布式MIMO雷达与无人机平台相结合,使得雷达机动灵活可部署,也使得雷达的作用范围更为宽广。
与现有技术相比,本发明的有益效果为:
(1)本发明将分布式MIMO雷达与无人机平台相结合,使得雷达机动灵活可部署,也使得雷达的作用范围更为宽广。
(2)本发明提供的分布式MIMO雷达融合检测的方法,利用位置和速度的四维信息,在搜索遍历的过程中,不仅完成了目标检测的问题,同时也完成了目标的定位问题;避免了不同接收机之间检测到的目标相互匹配的计算,降低系统复杂度。
(3)本发明采用最大似然估计得到了目标参数未知情况下的最优检测器,融合了分布式MIMO雷达中各个节点的检测量,大大提高了雷达对目标的检测性能。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1是本发明的无人机分布式MIMO雷达的几何模型;
图2无人机雷达杂波单元划分图;其中,(a)为无人机单基雷达杂波单元划分图,(b)为无人机双基雷达杂波单元划分图;
图3是本发明的集中式融合检测器的系统框图;
图4是本发明实施例中只加一个目标时无人机分布式MIMO雷达的检测定位结果图,其中,(a)为四维搜索网格的位置维检测定位图,(b)为四维搜索网格的速度维检测定位图;
图5是本发明实施例中加100个目标雷达所有节点融合检测以及单节点的检测概率曲线图。
具体实施方式
下面结合附图对本发明的实施例及效果作进一步详细描述。
一种分布式无人机MIMO雷达的非相参融合目标检测方法,其具体实现步骤如下:
步骤1,设定分布式无人机MIMO雷达发射并接收回波数据,对雷达的回波数据进行下变频和匹配滤波处理,得到匹配滤波后的回波数据,即得到不同发射机对应的匹配滤波输出信号;
(1.1)分布式无人机MIMO雷达具有MT个发射机,每个发射机能够发射和接收信号;分布式无人机MIMO雷达发射的信号被目标反射后形成回波信号,第p个接收机接收到的发射机的K个脉冲信号可以表示为:
式中,P表示信号功率,cqp表示目标散射系数,t为时间,sq表示第q个发射机发射的信号,fd表示由于目标相对平台运动引起的多普勒频移,f0表示载频,τqp表示第p个接收机接收到的第q个发射机的时延,np(t)表示第p个接收机接收到的杂波和噪声数据。
(1.2)回波信号经过下变频和匹配滤波处理,得到匹配滤波后的回波数据;
第p个接收机接收到的第q个发射机发射的K个脉冲信号的匹配滤波输出信号fqp为:
其中, 表示目标的方差,P为信号功率,s为目标的空时导向矢量,为目标时域导向矢量,为目标空域导向矢量,表示克罗克内积,N表示接收的阵元数,ψ表示接收空间锥角,fr是脉冲重复频率,nqp是匹配滤波输出信号中的杂波和噪声数据;j是虚数单位,d是发射阵元间间隔,λ是载波波长。
具体地,所述回波信号在不含目标回波的时候为杂波,所述杂波经过下变频、采样、脉压及DDMA处理后,即为匹配滤波后的回波数据中的杂波数据。杂波数据的具体处理过程如下:
(1.2a)分布式无人机MIMO雷达具有MT个发射机,每个发射机能够发射和接收信号;每个发射机发射正交多普勒分集复用编码信号(DDMA)波形,根据目标信号的带宽确定频率间隔范围,频率间隔选择范围可以表示为
式中,fr表示脉冲重复频率,Δf表示不同发射机之间的频率间隔,BD表示场景中信号的多普勒带宽。
对于第mT个发射机(每个发射机也是接收机),调制的归一化多普勒频率可以表示为
(1.2b)无人机分布式双基DDMA-MIMO雷达的发射机发射信号:
假设双基DDMA-MIMO雷达发射阵元数为M,接收阵元数为N,为了不降低多普勒分辨率,PRF选取较高,存在一定的距离模糊。发射机发射DDMA波形,对于第m个发射单元的信号sm(t)可以表示为
其中,j为虚数单位,f0为载频,t表示时间,pm(t)表示第m个发射单元发射的基带脉冲信号经过多普勒调制之后的复包络,可以写作
式中,代表基带脉冲信号的复包络,k为脉冲序号,K为脉冲总数,Tr为脉冲重复周期,a表示复包络的幅度。
具体地,第m个发射单元发射的第k个脉冲信号,经过某一距离单元的地面散射,被第n个接收单元接收到的杂波数据可以表示为:
式中,fdpi表示第i次距离模糊时第p个杂波块对应的频率,ap,i表示第i次距离模糊时第p个杂波块的幅度,Nr是距离模糊次数,Nc为杂波块总数,τm,n,i代表第i次距离模糊,第m个发射单元发射的信号,经过某一距离单元的地面散射,被第n个接收单元引起的传播时延,可以描述为
式中,RTpi表示第i次距离模糊、第m个发射单元到待检测距离门的第p个杂波块的距离,RRpi表示第i次距离模糊、待检测距离门的第p个杂波块到第n个接收单元之间的距离,R0表示发射机和接收机之间的距离,ψRpi表示第i次距离模糊、待检测距离门的第p个杂波块和接收机之间的接收空间锥角,ΨTpi表示第i次距离模糊、待检测距离门的第p个杂波块和发射机之间的发射空间锥角,c表示光速。
(1.2c)对杂波数据进行下变频处理,得到下变频后杂波数据:
将接收到的杂波数据ym,k,n(t+(k-1)Tr)进行下变频处理后,得到下变频后杂波数据的表达式为:
式中,ψVTpi表示杂波块和发射机速度方向的锥角,ψVRpi表示杂波块和接收机速度方向锥角,表示引入的高斯噪声。
(1.2d)对下变频后杂波数据进行采样及脉压处理,得到脉压输出信号:
具体地,对第n个接收机接收到的由全部发射单元发射的第k个脉冲的信号进行离散时间采样,采样频率为fs,因为fdpiτm,n,i太小,故将这一项省略,为了方便表示,令
根据FFT时移和频移的性质,对采样之后的信号进行FFT处理,得到表达式为:
式中,l表示距离门序号,L为最大不模糊距离门数,lf是距离频率滤波器序号,Lf表示距离频率滤波器的总数。
利用基带信号波形频谱平坦和杂波的多普勒频率对基带波形不敏感的特性,则距离域脉冲压缩的过程可以表示为
式中,表示的共轭,a″p,i表示脉冲压缩后的输出信号增益。假设杂波的频率和滤波器中心频率对齐,上式中函数部分约等于1,上式可以表示为
(1.2e)对脉压输出信号进行DDMA处理,得到不同发射机的匹配滤波后的杂波数据;
具体地,考虑多普勒分集复用编码信号(DDMA)波形在多普勒域上相互正交,为了分离每个发射单元的波形,对第m个发射单元信号进行解调、多普勒滤波,并对抽取的信号进行低通滤波,则第n个接收单元收到的来自第m个发射单元的第kf个多普勒通道的信号分量可以表示为:
假设回波频率和滤波器的中心频率对齐,上式中函数部分约等于1,则上式可以写为:
对于杂波数据ym,k,n(t+(k-1)Tr),其对应第p个接收机接收到不同发射机的杂波数据的累和,即为np(t)中的杂波数据。上述处理过程的表达式中未加入目标,为经地面反射的回波数据的表示。
步骤2,建立四维搜索网格,遍历所述四维搜索网格的每个网格点,得到每个网格点对应的单基情况或双基情况下的距离-多普勒信息;
首先,给定搜索基点,设定基点的位置为速度为则以基点为搜索区域中心,建立一个a×b×c×d的四维网格(这里为了仿真简单,将基点的第三维数据都按0处理)。其中,a、b、c、d分别为四维搜索网格在x轴、y轴、vx轴、vy轴上包含的栅格个数。其中,在四维搜索网格中,x轴、y轴上的搜索步长是相同的记为Δ1;vx轴、vy轴上的搜索步长是相同的记为Δ2,其中,Δ1≠Δ2且量纲不同。
其次,从四维搜索网格的第一个网格点处开始遍历,根据每一个网格点的坐标和速度,计算相应的网格点坐标与雷达平台之间的距离,进而得到每个网格点对应的距离-多普勒信息。
具体地,分为单基情形和双基情形,如图(2a)和图(2b)所示。
(2a)对于当前网格点的位置和速度,先判断当前网格点与平台之间关系是属于单基情形还是双基情形;
其中,所述单基情形为发射平台与接收平台相同的情形;双基情形为发射平台和接收平台不同的情形;
(2b)根据单基情形、双基情形距离的不同,分别计算对应的距离门和径向速度,进而计算对应的多普勒频率和多普勒通道。
具体地,设定雷达发射平台坐标为(xm,ym,zm),雷达接收平台坐标为(xn,yn,zn);对于单基情形(即m=n),计算对应的距离-多普勒信息如下:
其中,表示向下取整操作,rmn表示网格点对应的坐标与平台之间的距离;Lmn表示单基情形下网格点对应的距离门号;fmn表示单基情形下网格点对应的的多普勒频率;Bmn表示单基情形下网格点对应的的多普勒通道号。
对于双基情形(即m≠n),计算对应的距离-多普勒信息如下:
其中,m=n表示此时发射机与接收机是同一个平台,m≠n表示此时发射机与接收机是两个平台;ΔR表示距离分辨率;vr表示目标的径向速度,vrm表示发射平台的目标的径向速度,vrn表示接收平台的目标的径向速度;λ表示载波波长;Δfd表示多普勒分辨率。r′mn表示网格点对应的坐标与发射平台间的距离及网格点对应的坐标与接收平台之间的距离之和;L′mn表示双基情形下网格点对应的距离门号;f′mn表示双基情形下网格点对应的的多普勒频率;B′mn表示双基情形下网格点对应的多普勒通道号。
步骤3,设定分布式无人机MIMO雷达中的杂波特性随距离变化,计算所有网格点的杂波协方差矩阵;
(3.1)对所有网格点的杂波谱进行补偿,使每个距离单元的多普勒谱保持一致;
由于杂波协方差矩阵是由距离样本数据取平均估计而来,距离门的每个杂波块都对应一个空间频率和多普勒频率,因此,当空间频率和多普勒频率随距离变化时,估计有偏差,需要做补偿。
对于单基杂波谱,按照杂波谱的分布,根据距离突变性,对于距离环上的主瓣点,先计算出待补偿距离单元和主瓣点距离单元在多普勒频率轴上的差值,作为后续补偿的频移量,在每个距离单元上做多普勒补偿,使得主瓣变直,使每个距离单元的多普勒谱基本一致;
对于双基杂波谱,按照杂波谱的分布,其双距离环上的主瓣点对应有不同的相位和多普勒频率,故而可求得2个主瓣点之间的角度差和多普勒差,再对待补偿距离单元和主瓣点距离单元在波束轴和多普勒频率轴上进行相位补偿和多普勒补偿,把主瓣变直,使得每个距离单元的空间频率和多普勒谱基本一致。
此外,无论单基、双基,都需要根据距离远近,对于近距离和远距离分别做补偿。用补偿后的杂波谱数据进行下一步计算。
(3.2)选取保护单元,从回波数据中去除当前检测单元和保护单元内的回波数据,得到不含目标的杂波数据;
其中,当前检测单元就是当前网格点对应的距离门和多普勒通道,所述保护单元为以当前距离单元为中点的多个距离单元的集合。
(3.3)采用不含目标的杂波数据计算得到不含目标的杂波数据的协方差矩阵
其中,E表示求期望,T0为训练样本,上标H为矩阵的共轭转置。
(3.4)对剔除保护单元后的距离单元,做广义内积(General Inner Product,GIP)处理,以剔除奇异样本点,得到新的训练样本数据T1,计算得到所有网格点的杂波协方差矩阵Rn=E[T1T1 H]。
步骤4,对于任一个网格点,根据杂波协方差矩阵和该网格点的距离-多普勒信息,对该网格点进行集中式非相参融合检测,得到该网格点的非相参融合检测量,并与检测门限值进行比较,确定其是否是目标;遍历所有网格点,即可确定目标的位置和速度。
首先,根据步骤3中的杂波协方差矩阵,对不同发射机对应的匹配滤波输出信号分别进行杂波抑制处理,得到不同发射机对应的杂波抑制后的输出信号;其中,第p个接收机接收到的第q个发射机发射的K个脉冲信号对应的杂波抑制后的输出信号,可以表示为:
式中, 表示目标的方差。信号经过杂波抑制处理后,假设非主杂波多普勒通道杂波被抑制,nqp仅包含噪声数据。
其次,采用二元假设检验模型描述雷达对目标的检验问题,即为在H0假设条件下,目标不存在;在H1假设条件下,目标存在。中所述二元假设检验模型为:
具体地,对于任一个网格点,根据该网格点对应的不同发射机杂波抑制后的输出信号和该网格点的杂波协方差矩阵,对该网格点进行集中式非相参融合检测,得到该网格点的非相参融合检测量,将该网格点的非相参融合检测量与检测门限值进行比较,若该网格点的非相参融合检测量超过检测门限值,则判断该网格点为目标点,根据该网格点在四维搜索网格中的坐标,即可得到目标的位置和速度。遍历所有网格点,即对所有网格点都进行非相参融合检测,即可获得所有目标的位置和速度。
具体地,如图3所示,图3中表示匹配滤波之后的输出,表示杂波抑制之后的输出。回波信号经过匹配滤波和杂波抑制处理之后,将输出的个杂波抑制后的输出rqp用向量表示为散射点的幅度cqp可以表示为为了方便表示,令ξ=[x,y,vx,vy]T表示目标的位置和速度矢量。两种假设条件下的接收机接收信号的联合概率密度函数分别表示为
其中,|·|表示取模,p(r|H1,cqp,ξ)表示接收机接收信号在H1假设和cqp,ξ条件下取值的概率,p(r|H0)表示接收机接收信号在H0假设条件下取值的概率,Rn为杂波协方差矩阵。
则广义似然比检测器可以表示为
式中,γ表示检测门限值;ζ表示广义似然比检测器对应的非相参融合检测量。上式中的对数似然比可以表示为
对ζ关于系数c求导,得到c在H1条件下的最大似然估计为:
将c在H1条件下的最大似然估计代入广义似然比检测器公式,得到最优检测器为:
为最优检测器对应的非相参融合检测量,即为目标的非相参融合检测量。通过本发明方法的最优化检测器可以大大提高目标的检测精度。
由于无人机成本低、生存能力强、机动性能好,在现代战争中有着不可替代的作用。分布式的各雷达站采用协同作战技术,共享目标信息,并在中心站通过非相参融合检测来提高对隐身目标的检测性能,本发明将分布式MIMO雷达与无人机平台相结合,使得雷达机动灵活可部署,也使得雷达的作用范围更为宽广。
仿真实验
(1)杂波数据仿真及实验条件
在本实验中,采用四个雷达平台。天线阵面结构采用等距线阵,阵元间距为其中,λ表示载波波长,仿真杂波数据脉冲个数为128,距离门个数为1000;本实验采用Ward杂波模型进行杂波仿真,并添加高斯白噪声。本发明采用计算机仿真的方法进行验证,所有仿真均在MATLAB-R2017a上进行。仿真参数如表1所示:
表1 仿真参数
脉冲重复频率 | 4000Hz |
雷达平台速度 | 100m/s |
载波波长 | 0.3m |
多普勒偏移 | 1000Hz |
发射阵元数 | 8个 |
接收阵元数 | 8个 |
脉冲数 | 128个 |
杂噪比 | 20dB |
发射峰值功率 | 200kw |
(2)仿真内容
仿真1,基于上述(1)中的杂波数据仿真及实验条件先仿真非平稳条件下的杂波。对于只加噪声的杂波数据和加噪声加目标的杂波数据分开进行DDMA抽取,得到相应的采样后数据,用于计算杂波协方差矩阵。
仿真2,基于上述(1)中仿真参数,只加一个目标,按照前述步骤,通过遍历搜索区域,计算相应的距离门和多普勒信息;再利用3-DT进行杂波抑制处理计算得到待检测单元数据,最后计算相应的协方差矩阵,按照非相参融合检测法,得到对应搜索区域的距离-多普勒的融合检测量,与门限值相比,得到每个网格点的非相参融合检测量。对搜索区域的所有网格点进行融合检测,得到检测结果,检测结果是一个四维数据。取检测结果的前两维数据结果如图4(a)所示,图中小方格对应的网格点为检测量最大处位置,就是目标所在坐标位置(-150km,200km,0)。取检测量的后两维数据,结果如图4(b)所示,图中小方格对应的网格点为检测量最大处位置,就是目标所在速度位置(0,-10m/s,0);且根据图4(a)和(b),检测量在坐标维和速度维检测量一致,从而完成了目标的定位与检测。
仿真3,基于上述(1)中仿真参数,加载多个目标,按照前述步骤,通过遍历搜索区域,计算相应的距离门-多普勒信息,再利用3-DT处理计算得到待检测单元数据,最后计算相应的协方差矩阵,按照融合检测算法,得到从1发1收到4发4收的16个节点的融合检测量,与门限相比,得到检测结果。最后得到检测概率随信噪比(Signal to noise ratio,SNR)变化的曲线,并对比1个节点单、双基的检测结果,如图5所示。由图5可知,在相同SNR条件下,所有节点融合检测后的检测概率相比于单节点有了大幅度提升;且单节点情况下相同SNR时候单基、双基检测概率基本相同;且检测概率随着SNR的增大而增大。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,包括以下步骤:
步骤1,设定分布式无人机MIMO雷达发射并接收回波数据,对雷达的回波数据进行下变频和匹配滤波处理,得到匹配滤波后的回波数据,即得到不同发射机对应的匹配滤波输出信号;
步骤2,建立四维搜索网格,遍历所述四维搜索网格的每个网格点,得到每个网格点对应的单基情况或双基情况下的距离-多普勒信息;
步骤3,设定分布式无人机MIMO雷达中的杂波特性随距离变化,计算所有网格点的杂波协方差矩阵;
步骤4,对于任一个网格点,根据杂波协方差矩阵和该网格点的距离-多普勒信息,对该网格点进行集中式非相参融合检测,得到该网格点的非相参融合检测量,并与检测门限值进行比较,确定其是否是目标;遍历所有网格点,即可确定目标的位置和速度。
2.根据权利要求1所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,步骤1中具体按照以下步骤实施:
(1.1)分布式无人机MIMO雷达具有MT个发射机,每个发射机能够发射和接收信号;分布式无人机MIMO雷达发射的信号被目标反射后形成回波信号,第p个接收机接收到的发射机的K个脉冲信号可以表示为:
其中,P表示信号功率,cqp表示目标散射系数,t为时间,sq表示第q个发射机发射的信号,fd表示由于目标相对平台运动引起的多普勒频移,f0表示载频,τqp表示第p个接收机接收到的第q个发射机的时延,np(t)表示第p个接收机接收到的杂波和噪声数据;
(1.2)回波信号经过下变频和匹配滤波处理,得到匹配滤波后的回波数据;
其中,第p个接收机接收到的第q个发射机发射的K个脉冲信号的匹配滤波输出信号fqp为:
其中, 表示目标的方差,P为信号功率,s为目标的空时导向矢量,为目标时域导向矢量,为目标空域导向矢量,表示克罗克内积,N表示接收的阵元数,ψ表示接收空间锥角,fr是脉冲重复频率,n′qp是匹配滤波输出信号中的杂波和噪声数据;j是虚数单位,d是发射阵元间间隔,λ是载波波长。
3.根据权利要求2所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,步骤2中,所述建立四维搜索网格,其具体为:
给定搜索基点,设定基点的位置为速度为则以基点为搜索区域中心,建立一个a×b×c×d的四维网格;其中,a、b、c、d分别为四维搜索网格在x轴、y轴、vx轴、vy轴上包含的栅格个数;其中,在四维搜索网格中,x轴、y轴上的搜索步长是相同的,记为Δ1;vx轴、vy轴上的搜索步长是相同的,记为Δ2,其中,Δ1≠Δ2且量纲不同。
4.根据权利要求1所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,步骤2中,所述遍历所述四维搜索网格的每个网格点,得到每个网格点对应的单基情况或双基情况下的距离-多普勒信息,即为从四维搜索网格的第一个网格点处开始遍历,根据每一个网格点的坐标和速度,计算相应的网格点坐标与雷达平台之间的距离,进而得到每个网格点对应的距离-多普勒信息,其中,所述遍历为从四维搜索网格的左上角开始,自上而下,从左向右依次进行;
其具体为:
设定雷达发射平台坐标为(xm,ym,zm),雷达接收平台坐标为(xn,yn,zn);
对于单基情形,计算对应的距离-多普勒信息如下:
其中,表示向下取整操作,rmn表示网格点对应的坐标与平台之间的距离;Lmn表示单基情形下网格点对应的距离门号;fmn表示单基情形下网格点对应的的多普勒频率;Bmn表示单基情形下网格点对应的的多普勒通道号;
对于双基情形,计算对应的距离-多普勒信息如下:
其中,单基情形表示发射机与接收机是同一个平台,双基情形表示发射机与接收机是两个平台;ΔR表示距离分辨率;vr表示目标的径向速度,vrm表示发射平台的目标的径向速度,vrn表示接收平台的目标的径向速度;λ表示载波波长;Δfd表示多普勒分辨率;r′mn表示网格点对应的坐标与发射平台间的距离及网格点对应的坐标与接收平台之间的距离之和;L′mn表示双基情形下网格点对应的距离门号;f′mn表示双基情形下网格点对应的的多普勒频率;B′mn表示双基情形下网格点对应的多普勒通道号。
5.根据权利要求1所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,步骤3具体按照以下子步骤实施:
(3.1)对所有网格点的杂波谱进行补偿,使每个距离单元的多普勒谱保持一致;
(3.2)选取保护单元,从回波数据中去除当前检测单元和保护单元内的回波数据,得到不含目标的杂波数据;
其中,当前检测单元就是当前网格点对应的距离门和多普勒通道,所述保护单元为以当前距离单元为中点的多个距离单元的集合;
(3.3)采用不含目标的杂波数据计算得到不含目标的杂波数据的协方差矩阵
其中,E表示求期望,T0为训练样本,上标H为矩阵的共轭转置;
(3.4)对剔除保护单元后的距离单元,做广义内积处理,以剔除奇异样本点,得到新的训练样本数据T1,计算得到所有网格点的杂波协方差矩阵Rn=E[T1T1 H]。
6.根据权利要求5所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,所述对所有网格点的杂波谱进行补偿,使每个距离单元的多普勒谱保持一致,其具体为:
对于单基杂波谱,按照杂波谱的分布,根据距离突变性,对于距离环上的主瓣点,先计算出待补偿距离单元和主瓣点距离单元在多普勒频率轴上的差值,作为补偿的频移量,在每个距离单元上进行多普勒补偿,使得主瓣变直,使每个距离单元的多普勒谱保持一致;
对于双基杂波谱,按照杂波谱的分布,其双距离环上的主瓣点对应有不同的相位和多普勒频率,求得2个主瓣点之间的角度差和多普勒差,再对待补偿距离单元和主瓣点距离单元在波束轴和多普勒频率轴上分别进行相位补偿和多普勒补偿,使主瓣变直,使得每个距离单元的空间频率和多普勒谱保持一致。
7.根据权利要求1所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,步骤4中按照以下步骤实施:
首先,对于任一网格点,即待确定的目标点,根据步骤3中的杂波协方差矩阵,对不同发射机对应的匹配滤波输出信号分别进行杂波抑制处理,得到不同发射机对应的杂波抑制后的输出信号;其中,第p个接收机接收到的第q个发射机发射的K个脉冲信号对应的杂波抑制后的输出信号为:
其中, 表示目标的方差;P为信号功率,s为目标的空时导向矢量,为目标时域导向矢量,为目标空域导向矢量,nqp为噪声数据;表示克罗克内积,N表示接收的阵元数,ψ表示接收空间锥角,fr是脉冲重复频率;j是虚数单位,d是发射阵元间间隔,λ是载波波长;
其中的目标即为任一网格点;
其次,采用二元假设检验模型描述雷达对目标的检验问题,即为在H0假设条件下,目标不存在;在H1假设条件下,目标存在;其中所述二元假设检验模型为:
8.根据权利要求7所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,所述采用二元假设检验模型描述雷达对目标的检验问题,其具体为:
首先,所述二元假设检验模型中两种假设条件下的接收机接收信号的联合概率密度函数分别表示为:
其中,|·|表示取模,p(r|H1,cqp,ξ)表示接收机接收信号在H1假设和cqp,ξ条件下取值的概率,cqp为散射点的幅度,ξ=[x,y,vx,vy]T表示该网格点的位置和速度矢量;p(r|H0)表示接收机接收信号在H0假设条件下取值的概率,上标-1表示求逆运算,上标H为共轭转置操作,MT为发射机个数,K为脉冲数,s为目标的空时导向矢量;
其次,获取广义似然比检测器,其表达式为:
其中,γ表示设定的检测门限值;ζ表示广义似然比检测器对应的非相参融合检测量;
最后,采用最大似然估计,得到最优检测器。
9.根据权利要求8所述的分布式无人机MIMO雷达的非相参融合目标检测方法,其特征在于,所述采用最大似然估计,得到最优检测器,其具体为:
首先,将广义似然比检测器中的对数似然比表示为:
其次,对ζ关于系数c求导,得到c在H1条件下的最大似然估计为:
最后,将c在H1条件下的最大似然估计代入广义似然比检测器公式,得到最优检测器为:
为最优检测器对应的非相参融合检测量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910681853.9A CN110412559B (zh) | 2019-07-26 | 2019-07-26 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910681853.9A CN110412559B (zh) | 2019-07-26 | 2019-07-26 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110412559A true CN110412559A (zh) | 2019-11-05 |
CN110412559B CN110412559B (zh) | 2023-05-26 |
Family
ID=68363492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910681853.9A Active CN110412559B (zh) | 2019-07-26 | 2019-07-26 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110412559B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111025290A (zh) * | 2019-12-31 | 2020-04-17 | 电子科技大学 | 钻孔雷达高效率成像前融合方法及系统 |
CN111198359A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于目标多普勒宽度的旋翼无人机检测方法 |
CN111198369A (zh) * | 2020-01-03 | 2020-05-26 | 电子科技大学 | 一种基于距离约束的分块配对及定位方法 |
CN112327257A (zh) * | 2020-10-29 | 2021-02-05 | 哈尔滨工业大学 | 基于发射信号修正的运动mimo系统空域补偿方法 |
CN112923925A (zh) * | 2021-01-07 | 2021-06-08 | 天津大学 | 双模式盘旋追踪地面目标的多无人机协同航迹规划方法 |
CN112986975A (zh) * | 2021-02-07 | 2021-06-18 | 电子科技大学 | 一种基于距离加权的被动雷达网络中心化检测方法 |
CN113238191A (zh) * | 2021-05-10 | 2021-08-10 | 电子科技大学 | 基于布谷鸟搜索的双基mimo雷达回波非相参积累方法 |
CN113406577A (zh) * | 2021-05-25 | 2021-09-17 | 中山大学 | 一种无人机载雷达主瓣干扰抑制方法、装置及存储介质 |
CN113406578A (zh) * | 2021-05-25 | 2021-09-17 | 中山大学 | 分布式无人机载雷达目标检测方法、装置及存储介质 |
CN113433527A (zh) * | 2021-08-26 | 2021-09-24 | 南京隼眼电子科技有限公司 | 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备 |
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 |
US11340346B1 (en) | 2020-02-10 | 2022-05-24 | Perceptive Inc. | Centralized object detection sensor network system |
CN114756045A (zh) * | 2022-05-18 | 2022-07-15 | 电子科技大学 | 一种用于气象雷达标定的无人机控制方法 |
CN115184926A (zh) * | 2022-09-13 | 2022-10-14 | 中国电子科技集团公司信息科学研究院 | 利用相参mimo雷达的分布式协同探测系统及方法 |
CN115932921A (zh) * | 2022-12-22 | 2023-04-07 | 中国人民解放军军事科学院系统工程研究院 | 一种多卫星多载波的非相参联合累积处理方法 |
CN116256743A (zh) * | 2023-05-16 | 2023-06-13 | 南京慧尔视智能科技有限公司 | 一种运动目标的检测方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140035776A1 (en) * | 2011-04-14 | 2014-02-06 | Nir Asher Sochen | Method and system for target detection |
CN105182317A (zh) * | 2015-08-20 | 2015-12-23 | 电子科技大学 | 一种基于集中式mimo雷达搜索模式下的资源管理方法 |
CN105891817A (zh) * | 2016-06-08 | 2016-08-24 | 中国人民解放军海军航空工程学院 | 一种无直达波条件下分布式无源雷达目标检测的方法 |
CN105954724A (zh) * | 2016-04-29 | 2016-09-21 | 电子科技大学 | 基于多目标跟踪的分布式mimo雷达接收波束资源分配方法 |
US20170176583A1 (en) * | 2014-03-26 | 2017-06-22 | Symeo Gmbh | Method in a Radar System, Radar System, and/or Device of a Radar System |
CN108363049A (zh) * | 2018-03-09 | 2018-08-03 | 西安电子科技大学 | 非平稳噪声下相干信源mimo雷达角度估计方法 |
-
2019
- 2019-07-26 CN CN201910681853.9A patent/CN110412559B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140035776A1 (en) * | 2011-04-14 | 2014-02-06 | Nir Asher Sochen | Method and system for target detection |
US20170176583A1 (en) * | 2014-03-26 | 2017-06-22 | Symeo Gmbh | Method in a Radar System, Radar System, and/or Device of a Radar System |
CN105182317A (zh) * | 2015-08-20 | 2015-12-23 | 电子科技大学 | 一种基于集中式mimo雷达搜索模式下的资源管理方法 |
CN105954724A (zh) * | 2016-04-29 | 2016-09-21 | 电子科技大学 | 基于多目标跟踪的分布式mimo雷达接收波束资源分配方法 |
CN105891817A (zh) * | 2016-06-08 | 2016-08-24 | 中国人民解放军海军航空工程学院 | 一种无直达波条件下分布式无源雷达目标检测的方法 |
CN108363049A (zh) * | 2018-03-09 | 2018-08-03 | 西安电子科技大学 | 非平稳噪声下相干信源mimo雷达角度估计方法 |
Non-Patent Citations (5)
Title |
---|
MA PENG ET AL.: "Detection performance of non-coherent MIMO radar with phase synchronization errors", 《PROCEEDINGS OF 2011 IEEE CIE INTERNATIONAL CONFERENCE ON RADAR》 * |
PU WANG ET AL.: "A Parametric Moving Target Detector for Distributed MIMO Radar in Non-Homogeneous Environment", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
何璐雅等: "一种无格点动态规划检测前跟踪算法研究", 《现代雷达》 * |
王娟等: "非正侧阵机载雷达杂波谱迭代自适应配准方法", 《系统工程与电子技术》 * |
罗菁等: "基于稀疏超分辨的机载TS-MIMO雷达慢速运动目标检测方法研究", 《电光与控制》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111025290A (zh) * | 2019-12-31 | 2020-04-17 | 电子科技大学 | 钻孔雷达高效率成像前融合方法及系统 |
CN111198369A (zh) * | 2020-01-03 | 2020-05-26 | 电子科技大学 | 一种基于距离约束的分块配对及定位方法 |
CN111198359A (zh) * | 2020-01-11 | 2020-05-26 | 桂林电子科技大学 | 一种基于目标多普勒宽度的旋翼无人机检测方法 |
US11340346B1 (en) | 2020-02-10 | 2022-05-24 | Perceptive Inc. | Centralized object detection sensor network system |
US11860269B2 (en) | 2020-02-10 | 2024-01-02 | Perceptive Inc. | Centralized object detection sensor network system |
CN112327257A (zh) * | 2020-10-29 | 2021-02-05 | 哈尔滨工业大学 | 基于发射信号修正的运动mimo系统空域补偿方法 |
CN112327257B (zh) * | 2020-10-29 | 2023-08-15 | 哈尔滨工业大学 | 基于发射信号修正的运动mimo系统空域补偿方法 |
CN112923925A (zh) * | 2021-01-07 | 2021-06-08 | 天津大学 | 双模式盘旋追踪地面目标的多无人机协同航迹规划方法 |
CN112923925B (zh) * | 2021-01-07 | 2023-02-21 | 天津大学 | 双模式盘旋追踪地面目标的多无人机协同航迹规划方法 |
CN112986975A (zh) * | 2021-02-07 | 2021-06-18 | 电子科技大学 | 一种基于距离加权的被动雷达网络中心化检测方法 |
CN113238191B (zh) * | 2021-05-10 | 2022-06-24 | 电子科技大学 | 基于布谷鸟搜索的双基mimo雷达回波非相参积累方法 |
CN113238191A (zh) * | 2021-05-10 | 2021-08-10 | 电子科技大学 | 基于布谷鸟搜索的双基mimo雷达回波非相参积累方法 |
CN113406578B (zh) * | 2021-05-25 | 2023-08-25 | 中山大学 | 分布式无人机载雷达目标检测方法、装置及存储介质 |
CN113406578A (zh) * | 2021-05-25 | 2021-09-17 | 中山大学 | 分布式无人机载雷达目标检测方法、装置及存储介质 |
CN113406577B (zh) * | 2021-05-25 | 2023-08-25 | 中山大学 | 一种无人机载雷达主瓣干扰抑制方法、装置及存储介质 |
CN113406577A (zh) * | 2021-05-25 | 2021-09-17 | 中山大学 | 一种无人机载雷达主瓣干扰抑制方法、装置及存储介质 |
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 |
CN113433527A (zh) * | 2021-08-26 | 2021-09-24 | 南京隼眼电子科技有限公司 | 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备 |
CN114756045A (zh) * | 2022-05-18 | 2022-07-15 | 电子科技大学 | 一种用于气象雷达标定的无人机控制方法 |
CN115184926A (zh) * | 2022-09-13 | 2022-10-14 | 中国电子科技集团公司信息科学研究院 | 利用相参mimo雷达的分布式协同探测系统及方法 |
CN115184926B (zh) * | 2022-09-13 | 2022-11-15 | 中国电子科技集团公司信息科学研究院 | 利用相参mimo雷达的分布式协同探测系统及方法 |
CN115932921A (zh) * | 2022-12-22 | 2023-04-07 | 中国人民解放军军事科学院系统工程研究院 | 一种多卫星多载波的非相参联合累积处理方法 |
CN116256743B (zh) * | 2023-05-16 | 2023-08-04 | 南京慧尔视智能科技有限公司 | 一种运动目标的检测方法、装置、电子设备和存储介质 |
CN116256743A (zh) * | 2023-05-16 | 2023-06-13 | 南京慧尔视智能科技有限公司 | 一种运动目标的检测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110412559B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110412559B (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
CN105445701B (zh) | Ddma‑mimo雷达目标的单脉冲角度估计方法 | |
CN103529437B (zh) | 系留气球载相控阵雷达在多目标下分辨空地目标的方法 | |
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN104142496B (zh) | 基于连通域划分的统计mimo雷达多目标定位方法 | |
CN111830482B (zh) | 基于捷变ofdm的fda雷达目标定位方法 | |
CN109765529B (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
CN105182300A (zh) | 天基外辐射源雷达的地杂波干扰实时抑制方法 | |
CN113253223B (zh) | 基于步进频信号的非平稳杂波抑制的目标检测方法 | |
CN109212489A (zh) | 一种基于辅助脉冲的fda-mimo雷达模糊杂波抑制方法 | |
CN115291207A (zh) | 基于mimo雷达的小型旋翼无人机多目标检测方法 | |
CN110109075B (zh) | 基于白化滤波的捷变频雷达抗干扰方法 | |
CN103760540B (zh) | 基于重构信号和1-范数的动目标检测与参数估计方法 | |
Aldowesh et al. | A passive bistatic radar experiment for very low radar cross-section target detection | |
Gao et al. | Reliable target positioning in complicated environments using multiple radar observations | |
CN108490425B (zh) | 一种双基地mimo雷达的测角方法 | |
Jaffer et al. | Estimation of range-dependent clutter covariance by configuration system parameter estimation | |
Stinco et al. | Non‐cooperative target recognition in multistatic radar systems | |
Temiz et al. | Improved target localization in multiwaveform multiband hybrid multistatic radar networks | |
Hassanein et al. | Estimating the parameters of a moving target in MIMO radar with widely separated antennas | |
Xiaode et al. | Range-Doppler NLMS (RDNLMS) algorithm for cancellation of strong moving targets in passive coherent location (PCL) radar | |
CN112946650B (zh) | 一站固定双站低频超宽带sar运动目标检测与成像方法 | |
CN114265058A (zh) | Mimo雷达目标测角方法、装置、电子设备及存储介质 | |
CN113419219A (zh) | 基于空域特征认知的外辐射源雷达同频干扰级联相消方法 |
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 |