CN110488239A - 基于调频连续波雷达的目标检测方法 - Google Patents
基于调频连续波雷达的目标检测方法 Download PDFInfo
- Publication number
- CN110488239A CN110488239A CN201910926239.4A CN201910926239A CN110488239A CN 110488239 A CN110488239 A CN 110488239A CN 201910926239 A CN201910926239 A CN 201910926239A CN 110488239 A CN110488239 A CN 110488239A
- Authority
- CN
- China
- Prior art keywords
- value
- array
- time
- target
- frequency
- 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
- 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
- G01S7/411—Identification of targets based on measurements of radar reflectivity
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本发明公开了一种基于调频连续波雷达的目标检测方法,包括:S1、将目标回波信号的空间信息和时频信息进行整合,得到天线阵列的输出信号X(t,f),天线阵列的阵元数为M×N;S2、目标检测及目标数量的估计;S21、计算不同阵元数下天线阵列输出信号的协方差矩阵,则有RXX=E[X(t,f)XH(t,f)];S22、对协方差矩阵进行特征值分解,得到矩阵的特征值集合;S23、根据RAIC(k)的最小值计算目标数量的估计值;S231、计算不同待测目标数量k下对应的AIC(k)的值,根据RAIC(k)=AIC(k)/AIC(k‑1)的最小值得到目标数量的估计值。本发明提供的目标检测方法,利用阵列调频连续波雷达对目标空域中目标进行检测,避免了脉冲雷达信号易截获、存在距离盲区和传统连续波雷达难以获得多普勒信息等缺点。
Description
技术领域
本发明涉及一种基于调频连续波地基雷达的目标检测方法,具体是一种对以无人机为代表的目标进行检测的方法。
背景技术
近年来,随着国家低空空域的开放和无人机蓬勃发展,无人机应用领域越来越广泛,其中包括警用、城市管理、农业、地质、气象、电力、抢险救灾、视频拍摄和快递等行业等。伴随着无人机应用的普及,其带来的隐患也随之增加:在民航领域,机场遭遇无人机干扰而导致航班备降、旅客滞留的情况时有发生;无人机坠落砸伤路人、窥探他人隐私的案件也逐年递增,因此,迫切需要对无人机进行及时探测并有效监管。
由于无人机具有飞行速度慢、飞行高度低以及RCS面积小的特点,造成回波信号弱、回波信号信噪比低,因此对无人机进行实时检测难以取得良好的效果。研究表明,对于强杂波背景下的目标检测,雷达宜采用大带宽、长时间积累技术,才能有效区分杂波和目标,保证目标顺利检测。
低空目标探测一直是雷达系统检测的难题之一。根据雷达承载平台,雷达可以分为地面雷达、机载雷达、球载雷达、舰载雷达和星载雷达五大类。目前用于执行检测低空目标任务的有地面雷达、机载雷达和球载雷达。其中,机载预警雷达通过提高雷达工作平台的高度减少杂波干扰而具有探测低空目标的优势,但其运行费用极高、滞空时间短,不能提供连续的目标信息的特点,难以实现对低空领域的全天候监控;球载雷达相比于机载雷达具有飞行速度慢、低空盲区小的优势,但球载平台易受大气流影响造成航线难以控制,不满足定点监测的要求。上述机载雷达和球载雷达都具有系统复杂,费用高且难以实现特定时间和地点的目标检测任务的特点,因此地面雷达检测成为探测目标的主要方式。相比于地面脉冲雷达而言,地面调频连续波雷达具有工作电压低、结构简单,抗截获能力强;无距离盲区;容易产生大宽带信号,距离分辨率高的优势。
传统连续波雷达目标检测中,运用接收机获取的时延参数和多普勒信息,构造空间与速度上的四维搜索格点,搜索接收信号互相关函数谱峰来确定目标参数。传统方法具有难以实现对低速目标多普勒信息的搜集和谱峰函数搜索计算量大的缺陷,难以实现高精度实时的目标检测需求,因此提出基于连续波地基雷达的目标检测的方法实现对低空目标的检测及定位。
发明内容
本发明的目的在于提供一种基于调频连续波地基雷达的目标检测方法。
为实现上述目的,本发明采用以下技术方案:
基于调频连续波雷达的目标检测方法,包括:
S1、在检测空域发射调频连续波信号,天线阵列接收目标回波信号后,将目标回波信号的空间信息和时频信息进行整合,得到天线阵列的输出信号X(t,f),天线阵列的阵元数为M×N;
S2、目标检测及目标数量的估计;
S21、计算不同阵元数下天线阵列输出信号的协方差矩阵,则有RXX=E[X(t,f)XH(t,f)];
S22、对协方差矩阵进行特征值分解,得到矩阵的特征值集合;
S23、根据RAIC(k)的最小值计算目标数量的估计值;
S231、计算不同待测目标数量k下对应的AIC(k)的值,则有,
式中,C表示阵列输出信号的组数,λi为特征值,k的取值范围是[0,MN];
S232、计算RAIC(k)的最小值,得到目标数量的估计值,其中,
或者,
S23、根据MDL(k)在k∈[0,MN]下的最小值估算待测目标的数量,则有,
式中,C表示阵列输出信号的组数,λi为特征值。
进一步地,S1包括:
S11、接收目标回波信号;
S12、计算X轴及Y轴方向的阵列矢量,则有,
式中,表示各目标的俯仰角和方位角,λ代表雷达信号的波长;
S13、计算天线阵列的方向矢量矩阵,则有,
其中表示克罗内克积;
S14、计算目标的回波信号,则有,
s(t,f)=[s1(t,f),s2(t,f),…,sK(t,f)]T,
其中,μiA是第i个目标回波信号的振幅,f(t-τi)是接收信号的频率,τi是回波信号相对于发射信号的回波时延;
S15、计算天线阵列的输出信号,则有,
式中,n(t)代表雷达探测空间中的各种干扰和噪声。
进一步地,还包括:
S3、计算空间时频分布矩阵;
S4、选择目标信号的时频点;
S41、计算符合雷达信号时间和频域范围内时频点(t,f)对应空间时频分布矩阵的特征值,表示空间时频分布矩阵的特征值表达式;
S42、利用阈值表达式判断每个特征点特征值是否大于阈值ε,若该时频点满足阈值表达式,则该时频点是目标信号的时频点并记录该时频点;若不满足阈值表达式时,则该时频点为非目标信号时频点并舍弃;
S43、将符合阈值表达式的时频点集合分别代入所述特征值表达式中计算空间时频矩阵的特征值,根据最大特征值在对角线的位置将特征值分为K组,分别对应K个目标回波信号;
S44、将每组所有的时频点代入空间时频分布矩阵计算每组时频点的空间时频分布矩阵的均值,则有,
其中mi代表各组时频点数量,(i=1,2,…,K),得到空间时频分布矩阵集合
S5、目标检测及定位;
S51、根据目标数量估计值K对空间时频分布矩阵进行特征值分解:
其中,和分别表示由前K个大特征值和剩余MN-K个小特征值组成的对角阵,Es和En是信号子空间和噪声子空间;
S52、计算目标与平面天线阵列Y轴夹角余弦值,则有,
式中,e1=[1,0,…,0]T∈RM×1, IM是M×M维的单位矩阵;
S53、定义u=cosβ,计算β∈[0°,180°]范围内对应所有u值,代入S52中得到最大值,即获得目标与平面阵列Y轴夹角余弦值;
S54、计算目标与平面天线阵列X轴夹角余弦值,则有,
式中,P=[1M×1,q],gk=[0,2πdvk/λ,…,2π(M-1)dvk/λ]T=vkq,q=[0,2πd/λ,…,2π(M-1)d/λ]T;
S55、计算目标与阵列天线矩阵的方位角和俯仰角:
S56、重复S51~S55,令k=k+1,计算所有目标与阵列天线的俯仰角和方位角。
进一步地,S3包括:
S31、计算白化矩阵W,则有,
其中,UK=[u1,…,uK],其为前K个最大特征值对应的特征向量构成的向量矩阵;σ2=(λk+1+…+λMN)/(MN-K),其为后MN-K+1个特征值大小的均值;
S32、计算空间时频分布矩阵
S321、计算白化阵列输出信号Z(t,f)=WX(t,f);
S322、计算
式中,t和f分别代表时间和频率的坐标,L为窗函数长度。
采用上述技术方案后,本发明与背景技术相比,具有如下优点:
1、本发明提供的目标检测及定位方法,利用阵列调频连续波雷达对目标空域中目标进行检测,避免了脉冲雷达信号易截获、存在距离盲区和传统连续波雷达难以获得多普勒信息等缺点;
2、本发明该方法能够进一步实现了多目标定位功能,同时,由于本发明计算量小,实时性高,能够满足实时目标检测的需要。
附图说明
图1是本发明基于调频连续波地基雷达目标检测及定位示意图;
图2是本发明基于调频连续地基波雷达目标检测及定位方法流程图;
图3是本发明基于线性调频连续波地基雷达目标数量估计的流程图;
图4是本发明基于调频连续波地基雷达目标定位流程图;
图5是本发明基于调频连续波地基雷达目标检测与定位结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
参照图1,本发明用于实现调频连续波雷达对检测空域内目标的检测。其由雷达向待检测空域发射调频连续波信号,信号经目标反射后由雷达天线接收,经信号处理后可以得到待测区域内目标的数量,进一步可以确定目标方位。
参照图2,其为本发明基于调频连续波地基雷达目标检测方法流程图,本发明包括计算天线阵列输出信号、目标检测及目标数量估计、计算空间时频分布矩阵、选择目标信号的时频点及待测目标方位估计五个核心步骤。
S1,参考图3,计算天线阵列输出信号。
S11、接收目标回波信号:雷达向待检测区域发射调频连续波信号,信号经目标反射后由矩形天线阵列接收;矩形天线阵列的阵元数为M×N,阵元间距为d。
S12、针对上述矩形天线阵列,计算X轴及Y轴方向的阵列矢量,则有,
式中,表示各目标的俯仰角和方位角,λ代表雷达信号的波长。
S13、计算天线阵列的方向矢量矩阵:
其中表示克罗内克积。
S14、计算目标的回波信号:
阵列天线接收由目标反射产生的回波信号,由于待检测空域内目标数量的不确定性,当待检测空域内存在目标数量为K,则相应产生K个回波信号,即s(t,f)=[s1(t,f),s2(t,f),…,sK(t,f)]T,其中μiA是第i个目标回波信号的振幅,f(t-τi)是接收信号的频率,τi是回波信号相对于发射信号的回波时延。
S15、计算天线阵列的输出信号,则有,
式中,n(t)代表雷达探测空间中的各种干扰和噪声,由目标信号多径效应、其他干扰源以及系统等产生。
S2、进行待检测目标数量的估计。
S21、利用公式RXX=E[X(t,f)XH(t,f)]计算阵列输出信号的协方差矩阵。
S22、利用公式RXX=Udiag{λ1,λ2,…,λMN}UH对协方差矩阵进行特征值分解,得到矩阵的特征值集合{λ1,λ2,…,λMN}。
S23、估计待测目标数量:
S231、利用最小二乘公式 估计出待检测目标数量K,其中C表示阵列输出信号的数量;
S232、计算公式RAIC(k)=AIC(k)/AIC(k-1)得到最小值,即为目标数量的估计值。
此外,S23还可以通过计算公式MDL(k)在k∈[0,MN]下的最小值估算待测目标的数量:
其中C表示阵列输出信号的组数,λi为特征值,k的取值范围是[0,MN]。
S3、计算空间时频分布矩阵。
S31、计算白化矩阵W:
其中,UK=[u1,…,uK],其为前K个最大特征值对应的特征向量构成的向量矩阵;σ2=(λk+1+…+λMN)/(MN-K),其为后MN-K+1个特征值大小的均值。
S32、计算空间时频分布矩阵
S321、计算白化阵列输出信号Z(t,f)=WX(t,f);
S322、由白化阵列输出信号计算则有
式中,t和f分别代表时间和频率的坐标,L为窗函数长度。
S4,选择目标信号的时频点。
S41、计算符合雷达信号时间和频域范围内时频点(t,f)对应空间时频分布矩阵的特征值,表示空间时频分布矩阵的特征值表达式。
S42、利用公式判断每个特征点特征值是否大于阈值ε,若该时频点满足阈值表达式,则该时频点是目标信号的时频点并记录该时频点;若不满足阈值表达式时,则该时频点为非目标信号时频点并舍弃。
S43、将符合阈值表达式的时频点集合分别代入公式计算空间时频矩阵的特征值,根据最大特征值在对角线的位置将特征值分为K组,分别对应K个目标回波信号。
S44、将每组所有的时频点代入空间时频分布矩阵利用公式计算每组时频点的空间时频分布矩阵的均值,其中mi为各组时频点数量,(i=1,2,…,K),得空间时频分布矩阵集合
S5,目标检测及定位。
S51、根据目标数量估计值K对空间时频分布矩阵进行特征值分解:
其中,和分别表示由前K个大特征值和剩余MN-K个小特征值组成的对角阵。Es和En是信号子空间和噪声子空间。
S52、利用公式计算目标与平面天线阵列Y轴夹角余弦值。其中e1=[1,0,…,0]T∈RM×1, IM是M×M维的单位矩阵。
S53、定义u=cosβ,计算β∈[0°,180°]范围内对应所有u值,代入S52中得到最大值,即获得目标与平面阵列Y轴夹角余弦值。
S54、计算目标与平面天线阵列X轴夹角余弦值:
其中式中q=[0,2πd/λ,…,2π(M-1)d/λ]T,P=[1M×1,q],gk=[0,2πdvk/λ,…,2π(M-1)dvk/λ]T=vkq。
S55、计算目标与阵列天线矩阵的方位角和俯仰角:
S56、重复步骤(5.1)~(5.5),令k=k+1,计算所有目标与阵列天线的俯仰角和方位角,实现目标的定位。参考图5所示,是一个目标检测和定位后的实例图。
以上所述,仅为本发明较佳的具体实施方式,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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (4)
1.基于调频连续波雷达的目标检测方法,其特征在于,包括:
S1、在检测空域发射调频连续波信号,天线阵列接收目标回波信号后,将目标回波信号的空间信息和时频信息进行整合,得到天线阵列的输出信号X(t,f),天线阵列的阵元数为M×N;
S2、目标检测及目标数量的估计;
S21、计算不同阵元数下天线阵列输出信号的协方差矩阵,则有RXX=E[X(t,f)XH(t,f)];
S22、对协方差矩阵进行特征值分解,得到矩阵的特征值集合;
S23、根据RAIC(k)的最小值计算目标数量的估计值;
S231、计算不同待测目标数量k下对应的AIC(k)的值,则有,
式中,C表示阵列输出信号的组数,λi为特征值,k的取值范围是[0,MN];
S232、计算RAIC(k)的最小值,得到目标数量的估计值,其中,
或者,
S23、根据MDL(k)在k∈[0,MN]下的最小值估算待测目标的数量,则有,
式中,C表示阵列输出信号的组数,λi为特征值。
2.如权利要求1所述的基于调频连续波雷达的目标检测方法,其特征在于,S1包括:
S11、接收目标回波信号;
S12、计算X轴及Y轴方向的阵列矢量,则有,
式中,表示各目标的俯仰角和方位角,λ代表雷达信号的波长;
S13、计算天线阵列的方向矢量矩阵,则有,
其中表示克罗内克积;
S14、计算目标的回波信号,则有,
s(t,f)=[s1(t,f),s2(t,f),…,sK(t,f)]T,
其中,μiA是第i个目标回波信号的振幅,f(t-τi)是接收信号的频率,τi是回波信号相对于发射信号的回波时延;
S15、计算天线阵列的输出信号,则有,
式中,n(t)代表雷达探测空间中的各种干扰和噪声。
3.如权利要求1所述的基于调频连续波雷达的目标检测方法,其特征在于,还包括:
S3、计算空间时频分布矩阵;
S4、选择目标信号的时频点;
S41、计算符合雷达信号时间和频域范围内时频点(t,f)对应空间时频分布矩阵的特征值,表示空间时频分布矩阵的特征值表达式;
S42、利用阈值表达式判断每个特征点特征值是否大于阈值ε,若该时频点满足阈值表达式,则该时频点是目标信号的时频点并记录该时频点;若不满足阈值表达式时,则该时频点为非目标信号时频点并舍弃;
S43、将符合阈值表达式的时频点集合分别代入所述特征值表达式中计算空间时频矩阵的特征值,根据最大特征值在对角线的位置将特征值分为K组,分别对应K个目标回波信号;
S44、将每组所有的时频点代入空间时频分布矩阵计算每组时频点的空间时频分布矩阵的均值,则有,
其中mi代表各组时频点数量,(i=1,2,…,K),得到空间时频分布矩阵集合
S5、目标检测及定位:
S51、根据目标数量估计值K对空间时频分布矩阵进行特征值分解,则有,
其中,和分别表示由前K个大特征值和剩余MN-K个小特征值组成的对角阵,Es和En是信号子空间和噪声子空间;
S52、计算目标与平面天线阵列Y轴夹角余弦值,则有,
式中,e1=[1,0,…,0]T∈RM×1, IM是M×M维的单位矩阵;
S53、定义u=cosβ,计算β∈[0°,180°]范围内对应所有u值,代入S52中得到最大值,即获得目标与平面阵列Y轴夹角余弦值;
S54、计算目标与平面天线阵列X轴夹角余弦值,则有,
式中,P=[1M×1,q],gk=[0,2πdvk/λ,…,2π(M-1)dvk/λ]T=vkq,q=[0,2πd/λ,…,2π(M-1)d/λ]T;
S55、计算目标与阵列天线矩阵的方位角和俯仰角:
S56、重复S51~S55,令k=k+1,计算所有目标与阵列天线的俯仰角和方位角。
4.如权利要求1所述的基于调频连续波雷达的目标检测方法,其特征在于,S3包括:
S31、计算白化矩阵W,则有,
其中,UK=[u1,…,uK],其为前K个最大特征值对应的特征向量构成的向量矩阵;σ2=(λk+1+…+λMN)/(MN-K),其为后MN-K+1个特征值大小的均值;
S32、计算空间时频分布矩阵
S321、计算白化阵列输出信号Z(t,f)=WX(t,f);
S322、计算
式中,t和f分别代表时间和频率的坐标,L为窗函数长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910926239.4A CN110488239B (zh) | 2019-09-27 | 2019-09-27 | 基于调频连续波雷达的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910926239.4A CN110488239B (zh) | 2019-09-27 | 2019-09-27 | 基于调频连续波雷达的目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110488239A true CN110488239A (zh) | 2019-11-22 |
CN110488239B CN110488239B (zh) | 2022-08-09 |
Family
ID=68544208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910926239.4A Active CN110488239B (zh) | 2019-09-27 | 2019-09-27 | 基于调频连续波雷达的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110488239B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111323744A (zh) * | 2020-03-19 | 2020-06-23 | 哈尔滨工程大学 | 一种基于mdl准则的目标个数和目标角度估计方法 |
CN111948451A (zh) * | 2020-07-31 | 2020-11-17 | 中国电子科技集团公司第四十一研究所 | 一种基于互谱相位加权平均法的调频连续波信号测向方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361563A (zh) * | 2014-11-06 | 2015-02-18 | 西北工业大学 | 基于gps的高光谱遥感图像几何精校正方法 |
US20170160389A1 (en) * | 2013-10-03 | 2017-06-08 | Honeywell International Inc. | Digital active array radar |
CN107037422A (zh) * | 2017-05-11 | 2017-08-11 | 西北大学 | 一种面向多重应用的被动式定位方法 |
JP2018194425A (ja) * | 2017-05-17 | 2018-12-06 | 富士通株式会社 | 物標検知装置及び物標検知プログラム |
-
2019
- 2019-09-27 CN CN201910926239.4A patent/CN110488239B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170160389A1 (en) * | 2013-10-03 | 2017-06-08 | Honeywell International Inc. | Digital active array radar |
CN104361563A (zh) * | 2014-11-06 | 2015-02-18 | 西北工业大学 | 基于gps的高光谱遥感图像几何精校正方法 |
CN107037422A (zh) * | 2017-05-11 | 2017-08-11 | 西北大学 | 一种面向多重应用的被动式定位方法 |
JP2018194425A (ja) * | 2017-05-17 | 2018-12-06 | 富士通株式会社 | 物標検知装置及び物標検知プログラム |
Non-Patent Citations (1)
Title |
---|
刘丹: "信源数估计方法的研究", 《中国优秀硕士毕业论文全文数据库》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111323744A (zh) * | 2020-03-19 | 2020-06-23 | 哈尔滨工程大学 | 一种基于mdl准则的目标个数和目标角度估计方法 |
CN111323744B (zh) * | 2020-03-19 | 2022-12-13 | 哈尔滨工程大学 | 一种基于mdl准则的目标个数和目标角度估计方法 |
CN111948451A (zh) * | 2020-07-31 | 2020-11-17 | 中国电子科技集团公司第四十一研究所 | 一种基于互谱相位加权平均法的调频连续波信号测向方法 |
CN111948451B (zh) * | 2020-07-31 | 2023-03-24 | 中国电子科技集团公司第四十一研究所 | 一种基于互谱相位加权平均法的调频连续波信号测向方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110488239B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Drozdowicz et al. | 35 GHz FMCW drone detection system | |
Melvin et al. | An approach to knowledge-aided covariance estimation | |
JP2019090824A (ja) | レーダーにおける角度分解能 | |
US8314732B2 (en) | Adaptive radar | |
US20170045613A1 (en) | 360-degree electronic scan radar for collision avoidance in unmanned aerial vehicles | |
US20070247353A1 (en) | Method and Apparatus for Performing Bistatic Radar Functions | |
US6750804B2 (en) | System and method for detecting and estimating the direction of near-stationary targets in monostatic clutter using phase information | |
CN106405557B (zh) | 一种用于直升机防撞高压线的雷达检测方法 | |
Klare et al. | Detection of UAVs using the MIMO radar MIRA-CLE Ka | |
Harman | Analysis of the radar return of micro-UAVs in flight | |
CN107632291A (zh) | 一种基于极化雷达抗角反射器干扰的方法 | |
CN111220955A (zh) | 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法 | |
CN110488239A (zh) | 基于调频连续波雷达的目标检测方法 | |
JP2023536150A (ja) | 自律運転中にコーナ周辺を見るための、多重周波数レーダアレイシステム及びセンサ融合 | |
CN104793210A (zh) | 基于压缩感知的机载相控阵雷达低空风切变风速估计方法 | |
del-Rey-Maestre et al. | Optimum beamforming to improve UAV’s detection using DVB-T passive radars | |
Gurbuz et al. | Kinematic model-based human detectors for multi-channel radar | |
RU2444756C1 (ru) | Способ обнаружения и локализации воздушных объектов | |
Liang et al. | An improved sensing method using radio frequency detection | |
Lee et al. | Enhanced ISAR imaging for surveillance of multiple drones in urban areas | |
Hafizovic et al. | Acoustic tracking of aircraft using a circular microphone array sensor | |
Fabrizio | High frequency over-the-horizon radar | |
Ganveer et al. | SAR implementation using LFM signal | |
CN115616502A (zh) | 无人飞行器机载雷达目标检测的杂波抑制方法 | |
Del-Rey-Maestre et al. | A DVB-T passive radar 3D-detection approach based on non-coherent spatial integration |
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 |