CN110632569B - 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 - Google Patents
一种利用双极化特征的雷达固定翼无人机与杂波识别方法 Download PDFInfo
- Publication number
- CN110632569B CN110632569B CN201910801086.0A CN201910801086A CN110632569B CN 110632569 B CN110632569 B CN 110632569B CN 201910801086 A CN201910801086 A CN 201910801086A CN 110632569 B CN110632569 B CN 110632569B
- Authority
- CN
- China
- Prior art keywords
- doppler
- radar
- detection
- unmanned aerial
- output
- 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.)
- Active
Links
Images
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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种利用双极化特征的雷达固定翼无人机与杂波识别方法,该方法包括以下步骤:1、匹配滤波;2、脉冲对消;3、对脉冲对消后的输出信号进行FFT运算;4、二维恒虚警率检测;5、多帧检测结果累积与判决;6、双极化通道检测结果匹配识别。本发明方法可以降低雷达虚警,无人机与杂波识别精准;本发明方法无需无人机与杂波先验信息;本发明方法适于工程实现。
Description
技术领域
本发明涉及雷达识别方法,尤其是雷达无人机与杂波识别方法,更具体地是涉及一种利用双极化特征的雷达固定翼无人机与杂波识别方法。
背景技术
无人机的广泛使用给人们生活带来了诸多便利,与此同时,无人机也给国家和个人安全、利益带来了严重威胁。例如:无人机被用于军事目标打击、军事侦察、恐怖袭击、犯罪等等。为了防止无人机滥用给国家和个人安全、利益造成损害,对无人机进行有效检测与识别刻不容缓。
检测和识别无人机的手段包括声学、光学和雷达。其中,雷达具有全天时、全天候的特点,而备受关注。对于雷达而言,无人机属于典型的“低小慢”目标,其飞行高度低、雷达截面积小、飞行速度慢。雷达在探测无人机时在时域、频域均面临着杂波干扰。当无人机径向速度较快时,通过频域或时频二维检测方法可有效检测到无人机。但同时,有些强杂波也被检测出,对于检测出的多个目标,雷达难以鉴别出无人机与杂波。对此,如何充分挖掘无人机与杂波的特征差异,然后利用二者的特征差异实现无人机与杂波的识别,是雷达无人机检测识别的关键技术,具有重要的意义。
无人机可分为两类,一类是旋翼无人机,一类是固定翼无人机。这两类无人机与其它人造目标类似,属于复杂结构目标,其雷达回波具有时域、频域、空域、极化域等多域特性,分析这些特性是寻找无人机回波与杂波特性差异的基础,有助于雷达无人机检测与识别。
目前,研究旋翼无人机雷达回波特性的研究报道较多。这些工作主要针对无人机的雷达截面积(RCS)均值和统计分布、多普勒谱、微多普勒谱以及极化等特性开展研究。而针对固定翼无人机回波特性研究,国内外均开展了雷达固定翼无人机暗室和外场测量试验,并结合实测数据分析了固定翼无人机RCS 特性,除此以外,未见其他方面的研究报道。
在无人机识别方法,国外学者针对雷达旋翼无人机识别开展了一些内、外场试验,并通过对实测数据进行处理分析发现:利用长时间观测形成的目标点迹、微多普勒谱特征以及极化特征参数等特征可实现雷达旋翼无人机识别。但是,针对雷达固定翼无人机识别,未见相关的公开报道。
发明内容
本发明要解决的技术问题是:利用无人机、杂波在双极化雷达各极化通道多帧检测结果的差异性以识别无人机和杂波,从而剔除杂波,降低雷达虚警概率,提高雷达检测性能。本发明在识别无人机和杂波时,无需杂波和无人机先验信息,本发明对硬件系统无额外要求,易于实现,工程适用性强,识别概率高。
本发明的技术方案是:一种利用双极化特征的雷达固定翼无人机与杂波识别方法,包括以下步骤:
步骤1、匹配滤波:对雷达接收信号进行匹配滤波和加窗处理。
双极化雷达发射线性调频脉冲信号,发射信号可表示为
雷达匹配滤波器的时域响应为
h(t)=as*(t0-t) (1.2)
其中,a为一常数,t0为保证滤波器物理可实现的时间延迟,上标*表示取共轭。
不失一般性,在此,我们取
雷达匹配滤波输出可表示为
z(t)=ifft[S(ω)H(ω)] (1.4)
其中,ifft表示逆傅里叶变换,S(ω)、H(ω)分别为s(t)和h(t)的傅里叶变换。
为了降低匹配滤波输出旁瓣电平,通常对匹配滤波器输出进行时域或频域加窗。在此,我们采用hanning窗对匹配滤波器的输出信号进行频域加窗,加窗后的输出时域信号可表示为
z(t)=ifft[S(ω)H(ω)F(ω)] (1.5)
其中,F(ω)为hanning窗函数频率响应。
步骤2、脉冲对消:对匹配滤波和加窗后的输出信号进行两脉冲对消或三脉冲对消;
两脉冲对消后的输出可表示为
y(t)=y(t)-y(t-T) (1.6)
三脉冲对消后的输出可表示为
y(t)=y(t)-2y(t-T)+y(t-2T) (1.7)
步骤3、多普勒滤波器组滤波:对脉冲对消后的输出信号进行FFT运算。
脉冲对消输出信号离散化后可表示为y(k)。假定一个脉冲重复周期内雷达有N个采样点,雷达一帧内包含M个脉冲重复周期。则一帧内雷达总的采样点数为MN。将一帧内脉冲对消输出离散信号排列为一个M行N列的数组,数组内第m行第n列元素记为y(m,n)。对该数组信号采用多普勒滤波器组进行滤波,在此,多普勒滤波器组滤波通过对该数组信号每一列进行FFT来实现:
Yω(n)=fft[y(1,n) y(2,n) … y(M,n)] (1.8)
其中,fft表示傅里叶变换,Yω(n)为一个M×1的数组。
对所有列的信号进行FFT运算后的输出信号排列为一个M×N的数组,该数组即为经过多普勒滤波器组滤波后的雷达距离多普勒图。
步骤4、二维恒虚警率(CFAR)检测:对每个距离-多普勒单元信号进行二维CFAR检测,判断每个距离-多普勒单元是否存在目标。
针对步骤3得到的多普勒滤波器组滤波输出{Yω(m,n)},对每个距离-多普勒单元信号进行二维CFAR检测。在检测时,保护单元个数为L,参考单元个数为P,二维CFAR检测判决表达式为
其中,α为门限因子,为待检测距离-多普勒单元左边P个距离-多普勒参考单元的信号,如图1中坐标阴影部分的信号,为待检测距离-多普勒单元右边P个距离-多普勒参考单元的信号,为待检测距离-多普勒单元上边P个距离-多普勒参考单元的信号,为待检测距离-多普勒单元下边各P个距离-多普勒参考单元的信号。当某一边不足P个距离-多普勒参考单元时,则从与其相反的一边补取,以保证横向和纵向都是2P个距离-多普勒参考单元。
二维CFAR检测示意图如图1所示,图中,圆圈所在距离-多普勒单元即为待检测单元,阴影部分的距离-多普勒单元为参考单元,待检测单元与参考单元之间的距离-多普勒单元为保护单元。
对参考单元的信号幅度进行统计平均,将得到的平均幅度乘以门限因子作为检测门限,然后将带检测的距离-多普勒单元信号幅度与检测门限进行对比,大于检测门限则认为存在目标,该距离-多普勒单元检测结果即为1;小于检测门限则认为目标不存在,该距离-多普勒单元检测结果即为0。最终由0、1组成的判决结果数组记为D,其为一个M×N的矩阵。
步骤5、多帧检测结果累积与判决:针对每个距离-多普勒单元检测结果,进行多帧累计,累计后再设置门限以判断每个距离-多普勒单元是否存在目标
按照步骤1-4可获得每一帧的目标检测结果D。在此,记第i帧的检测结果记为Di,则经过多帧检测后,将获得多帧检测结果。对多帧检测结果进行累加,得到多帧检测累积结果:
其中,D′为一个M×N的矩阵。
对D′中每一元素进行判决;
其中,A为一个自然数。同样,目标存在时,记为1,目标不存在时,记为0。由MN个0或1组成的判决结果数组记为D″。
步骤6、双极化通道检测结果匹配识别:对水平极化通道和垂直极化通道多帧累积后的判决结果进行比对,两个极化通道在某一距离-多普勒单元同时存在目标时,判断目标存在;否则,判断目标不存在。
对于采用单极化发射、双极化接收体制的双极化雷达,每个极化通道都会得到一个判决结果D″。雷达采用水平或垂直极化发射,采用水平和垂直极化同时接收信号,则水平、垂直极化通道的最终判决结果分别D″H和D″V。对于D″H和D″V中各个元素,如果D″H和D″V在某一位置的元素同时为1,则判定该位置的目标为无人机,如果D″H和D″V在某一位置的元素只有一个为1,则判定该位置的目标为杂波。
本发明的有益效果:
一、降低雷达虚警,无人机与杂波识别精准。本发明通过对双极化通道的多帧检测结果进行积累和匹配实现无人机目标与杂波虚警的识别,识别精度高。在识别杂波的同时,即降低了雷达虚警。
二、无需无人机与杂波先验信息。本发明直接采用双极化雷达接收信号进行匹配滤波、脉冲对消、多普勒滤波、二维CFAR检测、多帧累积判决以及双极化通道匹配等处理,整个处理环节无需任何无人机与杂波先验信息。
三、适于工程实现。由本发明的技术方案可见,本发明涉及的实现步骤少、计算量小,且不需要改造现有雷达硬件系统,因此,本发明易于实现、工程适用性强。
附图说明
图1为二维CFAR检测示意图
图2为本发明提出的双极化雷达无人机与杂波检测识别方法流程图;
图3a、b为利用本发明进行匹配滤波后的输出结果;
图4a、b为利用本发明进行多帧检测判决后的结果;
图5为利用本发明进行双极化通道检测结果匹配识别后的结果;
具体实施方式
以下结合附图对本发明的实施方式作进一步说明。
图2为本发明提出的双极化雷达无人机与杂波检测识别方法流程图,该方法共包含六个步骤:第一步:匹配滤波;第二步:脉冲对消;第三步:多普勒滤波器组滤波;第四步:二维CFAR检测;第五步:多帧检测结果积累与判决;第六步:双极化通道检测结果匹配识别。
图3至图5是采用本发明结合雷达无人机探测实测数据处理得到的结果图。
试验雷达为国防科技大学电子科学学院的双极化雷达系统,无人机为一架固定翼无人机,无人机在400米左右的高度、距离雷达3-7公里范围内往返飞行,在飞行过程中,雷达主波束始终对准无人机,杂波为地杂波。试验时,雷达发射水平或垂直单极化信号,接收采用水平和垂直极化同时接收,雷达发射信号为线性调频信号,脉冲宽度为5μs,带宽为5MHz,脉冲重复周期为1.25ms,雷达采样率我10MHz。
图3a是利用本发明对水平极化发射、水平极化接收(HH)时的实测数据进行匹配滤波后的结果,图3b是利用本发明对水平极化发射、垂直极化接收 (VH)时的实测数据进行匹配滤波后的结果,横坐标表示采样点数,纵坐标表示脉冲数。图中,在横坐标250附近有一条亮线,该亮线为无人机回波。从图 3中可以看出,在1001-1500个脉冲区间的无人机回波较弱,为了验证本发明的有效性,下面将结合1001-1500个脉冲区间的实测数据着重分析本发明对无人机和杂波的检测识别性能。
图4a是HH通道信号经过多帧检测积累与判决后的检测结果,图4b是VH 通道信号经过多帧检测积累与判决后的检测结果,横坐标表示采样点数(等效于距离),纵坐标表示脉冲数(等效于多普勒频率)。其中,在二维CFAR检测时,将50个脉冲作为一帧,那么,总共有10帧数据。在对每一帧数据进行FFT 和二维CFAR检测后,再对10帧数据的检测结果进行积累和判决,保护距离- 多普勒单元L=2,参考距离-多普勒单元数P=8,门限因子α=3,判决门限A=2。图4说明,采用本发明,HH通道和VH通道均能检测出一些目标,这些目标中有一部分是无人机,有一部分是杂波造成的虚警。
图5是双极化通道检测结果匹配识别后的结果,横坐标表示采样点数(等效于距离),纵坐标表示脉冲数(等效于多普勒频率)。在HH通道和VH通道均有目标时,我们判定该目标为无人机。而杂波具有较大的起伏性和不确定性, HH通道和VH通道只有一个通道检测到目标时,我们判定该目标为杂波,将其去掉以消除虚警。最终无人机检测识别结果如图5所示。检测识别结果与图 3中无人机所在真实位置(即图中亮线)一致,这验证了本发明的有效性。
Claims (7)
1.一种利用双极化特征的雷达固定翼无人机与杂波识别方法,其特征在于:该方法包括以下步骤:
步骤1、匹配滤波:对雷达接收信号进行匹配滤波和加窗处理;
步骤2、脉冲对消:对匹配滤波和加窗后的输出信号进行两脉冲对消或三脉冲对消;
步骤3、多普勒滤波器组滤波:对脉冲对消后的输出信号进行FFT运算;
步骤4、二维恒虚警率检测:针对步骤3得到的多普勒滤波器组滤波输出,对每个距离-多普勒单元信号进行二维CFAR检测;判断每个距离-多普勒单元是否存在目标;其中,门限因子α要适当降低,以保证能够高概率检测到无人机目标;
步骤5、多帧检测结果累积与判决:针对每个距离-多普勒单元检测结果;进行多帧累计;累计后再设置门限以判断每个距离-多普勒单元是否存在目标;
步骤6、双极化通道检测结果匹配识别:具体过程为:
对于采用单极化发射、双极化接收体制的双极化雷达;每个极化通道都会得到一个判决结果D″;雷达采用水平或垂直极化发射;采用水平和垂直极化同时接收信号;则水平、垂直极化通道的最终判决结果分别D″H和D″V;对于D″H和D″V中各个元素;如果D″H和D″V在某一位置的元素同时为1;则判定该位置的目标为无人机;如果D″H和D″V在某一位置的元素只有一个为1;则判定该位置的目标为杂波。
3.根据权利要求2所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法;其特征在于:进一步的,为降低匹配滤波输出旁瓣电平,对匹配滤波器输出进行时域或频域加窗;采用hanning窗对匹配滤波器的输出信号进行频域加窗;加窗后的输出时域信号可表示为
z(t)=ifft[S(ω)H(ω)F(ω)] (1.5)
其中;F(ω)为hanning窗函数频率响应。
4.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法,其特征在于:所述步骤2的具体过程为:
两脉冲对消后的输出可表示为
y(t)=y(t)-y(t-T) (1.6)
三脉冲对消后的输出可表示为
y(t)=y(t)-2y(t-T)+y(t-2T) (1.7)。
5.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法,其特征在于:所述步骤3的具体过程为:
脉冲对消输出信号离散化后可表示为y(k);假定一个脉冲重复周期内雷达有N个采样点;雷达一帧内包含M个脉冲重复周期;则一帧内雷达总的采样点数为MN;将一帧内脉冲对消输出离散信号排列为一个M行N列的数组;数组内第m行第n列元素记为y(m,n);对该数组信号采用多普勒滤波器组进行滤波;多普勒滤波器组滤波通过对该数组信号每一列进行FFT来实现:
Yω(n)=fft[y(1,n) y(2,n)…y(M,n)] (1.8)
其中;fft表示傅里叶变换;Yω(n)为一个M×1的数组;
对所有列的信号进行FFT运算后的输出信号排列为一个M×N的数组;该数组即为经过多普勒滤波器组滤波后的雷达距离多普勒图。
6.根据权利要求1所述的一种利用双极化特征的雷达固定翼无人机与杂波识别方法,其特征在于:所述步骤4的具体过程为:
针对步骤3得到的多普勒滤波器组滤波输出{Yω(m,n)};对每个距离-多普勒单元信号进行二维CFAR检测;在检测时;保护单元个数为L;参考单元个数为P;二维CFAR检测判决表达式为
其中;α为门限因子; 为待检测距离-多普勒单元左边P个距离-多普勒参考单元的信号;为待检测距离-多普勒单元右边P个距离-多普勒参考单元的信号;为待检测距离-多普勒单元上边P个距离-多普勒参考单元的信号;为待检测距离-多普勒单元下边各P个距离-多普勒参考单元的信号;当某一边不足P个距离-多普勒参考单元时;则从与其相反的一边补取;以保证横向和纵向都是2P个距离-多普勒参考单元;
对参考单元的信号幅度进行统计平均;将得到的平均幅度乘以门限因子作为检测门限;然后将带检测的距离-多普勒单元信号幅度与检测门限进行对比;大于检测门限则认为存在目标;该距离-多普勒单元检测结果即为1;小于检测门限则认为目标不存在;该距离-多普勒单元检测结果即为0;最终由0、1组成的判决结果数组记为D;其为一个M×N的矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801086.0A CN110632569B (zh) | 2019-08-28 | 2019-08-28 | 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910801086.0A CN110632569B (zh) | 2019-08-28 | 2019-08-28 | 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110632569A CN110632569A (zh) | 2019-12-31 |
CN110632569B true CN110632569B (zh) | 2021-08-24 |
Family
ID=68969364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910801086.0A Active CN110632569B (zh) | 2019-08-28 | 2019-08-28 | 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110632569B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198359B (zh) * | 2020-01-11 | 2022-07-05 | 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 |
CN111398909B (zh) * | 2020-03-09 | 2022-01-21 | 哈尔滨工业大学 | 一种基于倒谱分析的杂波环境无人机检测方法 |
CN112946654B (zh) * | 2021-01-27 | 2023-06-23 | 中国人民解放军国防科技大学 | 雷达滤除动态杂波的方法、装置、计算机系统及存储介质 |
CN114280367B (zh) * | 2021-12-26 | 2022-10-14 | 湖南华诺星空电子技术有限公司 | 一种复杂电磁环境下无人机信号频点检测方法 |
CN115113156B (zh) * | 2022-08-26 | 2022-11-11 | 中国人民解放军国防科技大学 | 用于双极化相控阵气象雷达的标校方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0752597A1 (fr) * | 1995-07-07 | 1997-01-08 | Thomson-Csf | Circuit de traitement polarimétrique de détection pour récepteur radar |
CN105403875A (zh) * | 2015-12-31 | 2016-03-16 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
CN108344982A (zh) * | 2018-02-07 | 2018-07-31 | 成都电科智达科技有限公司 | 基于长时间相参积累的小型无人机目标雷达检测方法 |
KR102005099B1 (ko) * | 2018-12-10 | 2019-07-29 | 엘아이지넥스원 주식회사 | W대역 밀리미터파 공대지레이더에서 단일 채널 신호의 표적 식별률이 반영된 이중편파 채널 신호를 이용하는 표적 식별 장치 및 그 방법 |
CN111045009A (zh) * | 2019-08-21 | 2020-04-21 | 国网浙江省电力有限公司 | 基于l波段双极化雷达的电力线探测与识别方法 |
-
2019
- 2019-08-28 CN CN201910801086.0A patent/CN110632569B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0752597A1 (fr) * | 1995-07-07 | 1997-01-08 | Thomson-Csf | Circuit de traitement polarimétrique de détection pour récepteur radar |
CN105403875A (zh) * | 2015-12-31 | 2016-03-16 | 中国人民解放军国防科学技术大学 | 双极化接收雷达的目标检测方法 |
CN108344982A (zh) * | 2018-02-07 | 2018-07-31 | 成都电科智达科技有限公司 | 基于长时间相参积累的小型无人机目标雷达检测方法 |
KR102005099B1 (ko) * | 2018-12-10 | 2019-07-29 | 엘아이지넥스원 주식회사 | W대역 밀리미터파 공대지레이더에서 단일 채널 신호의 표적 식별률이 반영된 이중편파 채널 신호를 이용하는 표적 식별 장치 및 그 방법 |
CN111045009A (zh) * | 2019-08-21 | 2020-04-21 | 国网浙江省电力有限公司 | 基于l波段双极化雷达的电力线探测与识别方法 |
Non-Patent Citations (2)
Title |
---|
二维恒虚警算法研究及实现;周忠锦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180415;正文第30-45页 * |
线性调频连续波雷达对低小慢目标检测及性能分析;余启 等;《信号处理》;20190131;第35卷(第1期);正文第1-6页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110632569A (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110632569B (zh) | 一种利用双极化特征的雷达固定翼无人机与杂波识别方法 | |
CN109946665B (zh) | 基于阵列雷达的获取真实目标的方法 | |
CN110609262B (zh) | 一种场面监视雷达的三维恒虚警检测方法 | |
CN109633598B (zh) | 基于特征分析的阵列雷达目标检测方法 | |
CN111913157B (zh) | 一种基于雷达信号空-时去相关模型的海杂波抑制方法 | |
CN105403875B (zh) | 双极化接收雷达的目标检测方法 | |
CN106338723A (zh) | 一种基于互质脉冲重复间隔的空时自适应处理方法及装置 | |
CN111220955B (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 | |
CN110286373B (zh) | 一种复杂气候条件下的fod雷达雨雪杂波抑制方法 | |
CN106405557B (zh) | 一种用于直升机防撞高压线的雷达检测方法 | |
CN107942324B (zh) | 基于多普勒引导的多帧联合小目标双重检测方法 | |
CN106338715B (zh) | 一种全极化有源假目标的鉴别方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 | |
CN109782261A (zh) | 对水下入侵目标引起接收信号变化的无监督学习检测方法 | |
CN104849707A (zh) | 一种基于多雷达分布式检测的海杂波抑制方法 | |
CN109283497A (zh) | 双基地fda-mimo雷达距离欺骗干扰识别方法 | |
CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
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 | |
CN113419238A (zh) | 基于毫米波雷达的山体滑坡监测方法、电子设备、存储介质 | |
CN109581366B (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
CN104181518A (zh) | 一种利用波达角差异性选择训练样本的方法 | |
CN106501780A (zh) | 一种双极化自适应抗干扰滤波方法 | |
CN106093952A (zh) | 一种光点联合判断目标特性的方法 | |
CN110221289A (zh) | 用于三坐标有源相控阵雷达的目标检测方法 |
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 |