CN110646765A - 一种基于黎曼距离的广义旁瓣对消算法 - Google Patents
一种基于黎曼距离的广义旁瓣对消算法 Download PDFInfo
- Publication number
- CN110646765A CN110646765A CN201910918918.7A CN201910918918A CN110646765A CN 110646765 A CN110646765 A CN 110646765A CN 201910918918 A CN201910918918 A CN 201910918918A CN 110646765 A CN110646765 A CN 110646765A
- Authority
- CN
- China
- Prior art keywords
- distance
- unit
- data block
- units
- angle
- 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
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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
-
- 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
- G01S7/03—Details of HF subsystems specially adapted therefor, e.g. common to transmitter and receiver
-
- 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
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
本发明为一种基于黎曼距离的广义旁瓣对消算法,涉及一种用于混合传播模式高频超视距雷达的海杂波抑制处理方法。为解决混合传播模式下,高频超视距雷达接收到的非平稳海杂波的抑制问题,本发明提供一种基于黎曼距离的广义旁瓣对消处理方法。本发明在传统广义旁瓣对消处理方法基础上,基于训练样本协方差矩阵之间的黎曼距离,挑选有效的训练样本,进行非平稳杂波抑制处理。本发明用于混合传播模式高频超视距雷达对海杂波以及其他非平稳性杂波进行抑制,以提高信杂噪比,增大目标发现概率。
Description
技术领域
本发明涉及一种用于高频超视距雷达杂波抑制的空域自适应处理算法,属于混合传播模式高频超视距雷达杂波抑制领域。
背景技术
混合传播模式高频超视距雷达是一种新体制高频雷达系统。其在传统单站高频地波超视距雷达的基础上,丰富了电磁波传播路径,结合了地波海面传播和天波沿电离层传播这两种传播模式。其发射信号既有沿海面传播的地波模式,也有经电离层反射的天波模式,电磁波照射到目标后,回波信号有通过地波模式,沿海面传播被接收,也有反射入电离层,由天波模式被接收。这种新的高频超视距雷达体制在近几年得到了较多的关注,其结合了天波雷达的长探测距离和地波雷达高探测性能的优点,同时提高了生存能力。但其也不可避免的引入了两种体制超视距雷达的缺点,而其中一个最严重的问题是非平稳环境下的混合杂波,包括电离层杂波和被电离层污染的展宽的一阶海杂波。在多普勒维和方位维扩展的杂波,会将在Bragg峰附近的低速运动目标淹没,造成目标无法被探测。
广义旁瓣对消算法是一种成功被应用在高频超视距雷达领域的空域自适应杂波处理算法。方法的核心在于利用方位扩展杂波(海杂波)的全向特性,利用旁瓣内的杂波信息,估计主瓣杂波信息,进行对消处理,到达杂波抑制的目的。同时,其利用单凹口滤波器滤除主瓣内的目标信息,在保护目标不被对消的同时,实现杂波抑制。传统的广义旁瓣对消算法,对于训练样本,要求其和待测杂波样本是独立同分布的,但这在混合传播模式高频超视距雷达中难以满足。因为与传统地波超视距雷达的单一海面传播路径相比,混合传播模式引入了天波模式的电离层信道传播,导致回波信号中的海杂波可能被电离层杂波污染,导致其特性非平稳。同时,电离层杂波也会通过接收机被接收。因而其背景环境的非平稳性会导致对杂波协方差矩阵的估计误差,使得杂波抑制算法性能下降。因此在混合传播模式高频超视距雷达背景下,利用广义旁瓣对消算法进行杂波抑制处理时,如何挑选有效的训练样本是一个亟待解决的难点。
发明内容
本发明的目的是为了解决在混合传播模式高频超视距雷达背景下的非平稳杂波抑制问题,本发明提供一种基于黎曼距离的广义旁瓣对消处理算法。
本发明的基于黎曼距离的广义旁瓣对消算法,包括如下步骤:
步骤一:对混合传播模式高频超视距雷达的所有通道回波信号进行距离处理、多普勒处理,得到距离-速度-通道三维数据块;
步骤二:对各个通道数据块进行数字波束形成处理,构成主波束数据块,在指定的角度单元,对各个通道数据块进行单凹口滤波器辅助波束形成处理,构成辅助波束数据块;
步骤三:选定训练样本挑选单元大小,选取指定多普勒单元和角度单元的若干距离单元主波束数据,构成训练样本挑选数据块,计算每个距离单元对应的待处理局域单元的协方差矩阵,构成协方差数据块;
步骤四:计算指定距离单元的协方差矩阵与若干其他距离单元的协方差矩阵之间的黎曼距离,构成黎曼距离数组,从小至大挑选其中若干个黎曼距离对应的距离单元作为距离维训练样本单元;
步骤五:根据选定的训练样本数据,计算指定距离单元的自适应权向量,以及辅助波束的自适应输出,将主波束与辅助波束的输出做差,得到广义旁瓣对消处理后的输出结果;
步骤六:遍历所有感兴趣距离单元、多普勒单元和角度单元,得到经过杂波抑制处理后的距离-速度-角度三维数据结果。
优选的是,所述步骤一中:对混合传播模式高频超视距雷达的所有通道回波信号进行距离处理、多普勒处理,得到距离-速度-通道三维数据块为{dataCh},其维度为R×D×Ch,其中,R为数据的距离维度,D为数据的速度维度,Ch为通道数。
优选的是,所述步骤二中,对各个通道数据块进行数字波束形成处理,构成主波束数据块,在指定的角度单元,对各个通道数据块进行单凹口滤波器辅助波束形成处理,构成辅助波束数据块的方法为:
对各个通道数据块{dataCh}进行数字波束形成处理,得到距离-速度-角度三维主波束数据块为{dataDBF},其维度为R×D×A,其中A为数据的角度维度;
对{dataCh}在指定角度单元θ,进行单凹口滤波器辅助波束形成处理,将Ch元线阵分为Ch′个子阵,每个子阵包含的阵元数为Ch-Ch′+1,则所需单凹口滤波器的阶数为Ch-Ch′,在θ角度的单凹口滤波器系数为H(θ),辅助波束数据块为{dataCBF},其中dataCBF=dataCh×H(θ),其维度为R×D×(Ch-Ch′+1)。
优选的是,所述步骤三中,选定训练样本挑选单元大小,选取指定多普勒单元和角度单元的若干距离单元主波束数据,构成训练样本挑选数据块,计算每个距离单元对应的待处理局域单元的协方差矩阵,构成协方差数据块的方法为:
待挑选的训练样本单元所包含的多普勒单元数为localD,角度单元数为localA,则对指定多普勒单元d和指定角度单元θ,选取setR个距离单元构成的训练样本挑选数据块为{dataL},其维度为setR×localD×localA,其中,setR代表要挑选的距离单元数目;
计算某一距离单元r对应的待处理局域单元的协方差的方法为先将dataLr进行列向量化,得到一个一维列向量vr,其长度为localD×localA;然后计算所述一维列向量vr对应的协方差矩阵为其中·H表示共轭转置,dataLr为{dataL}中,第r个距离单元的数据;
对每一个距离单元进行计算,可以得到协方差数据块为{Rd×θ},其维度为R×(localD×localA)×(localD×localA)。
优选的是,所述步骤四中,计算指定距离单元的协方差矩阵与若干其他距离单元的协方差矩阵之间的黎曼距离,构成黎曼距离数组,从小至大挑选其中若干个黎曼距离对应的距离单元作为距离维训练样本单元的方法为:
选定距离单元r,其对应的协方差矩阵为Rr,依次计算其与其他训练样本距离单元对应的协方差矩阵Rj,j∈{r-setR/2,r+setR/2},之间的黎曼距离为:
其中,||·||F为Frobenius范数。
所要挑选的距离维训练样本数为nSelect,则从RieDis(j)中从小至大选择nSelect个数据对应的距离单元数组为Rselect(k),其中k=1,2,......,nSelect。
优选的是,所述步骤五中,根据选定的训练样本数据,计算指定距离单元的自适应权向量,以及辅助波束的自适应输出,将主波束与辅助波束的输出做差,得到广义旁瓣对消处理后的输出结果的方法为:
对于指定距离单元r,指定多普勒单元d和指定角度单元θ,由选定的训练样本数据得到的主波束输出为DBFout(Rselect,1)=dataDBF(Rselect,d,θ),辅助波束输出为CBFout(Ch-Ch′+1,Rselect)=dataCBF(Rselect,d,Ch-Ch′+1);
在选定距离单元r,多普勒单元d和角度单元θ处,经过广义旁瓣对消处理后的输出结果为dataOut(r,d,θ)=DBFout-w·CBFout。
优选的是,所述步骤六中,遍历所有感兴趣距离、多普勒和角度单元,得到经过杂波抑制处理后的距离-速度-角度三维数据结果的方法为:
令r=1,2,......,R,计算每一个距离单元对应的dataOut(r,d,θ),得到指定多普勒单元d和指定角度单元θ对应的广义旁瓣对消处理输出结果dataOut(d,θ);
令d=1,2,......,D,计算每一个多普勒单元对应的所有距离单元的广义旁瓣对消处理输出结果dataOut(θ);
令θ=1,2,......,A,计算每一个角度单元对应的所有距离单元和多普勒单元的广义旁瓣对消处理输出结果dataOut。
本发明的有益效果在于,本发明能够抑制混合传播模式高频超视距雷达回波信息中的海杂波信息和电离层杂波信息,提高目标的信杂比,有利于目标检测和航迹跟踪,具有实施简单方便、可自适应的改变权值等特点。
附图说明
图1为本发明具体实施方式的原理示意图。
图2为本发明实施例1步骤二中,主波束数据的结果示意图。
图3为本发明实施例1步骤六的结果示意图。
具体实施方式
具体实施方式一
结合图1说明本实施方式,本实施方式所述的基于黎曼距离的广义旁瓣对消算法,包括以下步骤:
步骤一:对混合传播模式高频超视距雷达的所有通道回波信号进行距离处理、多普勒处理,得到距离-速度-通道三维数据块;
步骤二:对各个通道数据块进行数字波束形成处理,构成主波束数据块,在指定的角度单元,对各个通道数据块进行单凹口滤波器辅助波束形成处理,构成辅助波束数据块;
步骤三:选定训练样本挑选单元大小,选取指定多普勒单元和角度单元的若干距离单元主波束数据,构成训练样本挑选数据块,计算每个距离单元对应的待处理局域单元的协方差矩阵,构成协方差数据块;
步骤四:计算指定距离单元的协方差矩阵与若干其他距离单元的协方差矩阵之间的黎曼距离,构成黎曼距离数组,挑选其中若干个最小值对应的距离单元作为距离维训练样本单元;
步骤五:根据选定的训练样本数据,计算指定距离单元的自适应权向量,以及辅助波束的自适应输出,将主波束与辅助波束的输出做差,得到广义旁瓣对消处理后的输出结果;
步骤六:遍历所有感兴趣距离、多普勒和角度单元,得到经过杂波抑制处理后的距离-速度-角度三维数据结果。
实施例1
一种基于黎曼距离的广义旁瓣对消算法,包括以下步骤:
步骤一:设混合传播模式高频超视距雷达的回波信号经过距离处理,数据的距离维度为200;经过多普勒处理,数据的速度维度为309;实际系统的接收通道数为16,得到的距离-速度-通道三维数据块为{dataCh},其维度为200×309×16;
步骤二:对{dataCh}进行数字波束形成处理,数据的角度维度为31,得到距离-速度-角度三维主波束数据块为{dataDBF},其维度为200×309×31,绘制第13角度单元的距离-速度图,如图2所示。
对{dataCh}在指定角度单元13,进行单凹口滤波器辅助波束形成处理,将16元线阵分为7个子阵,每个子阵包含的阵元数为10,则所需单凹口滤波器的阶数为9,在第16角度单元的单凹口滤波器系数为H(13),辅助波束数据块为{dataCBF},其中dataCBF=dataCh×H(13),其维度为200×309×10。
步骤三:待挑选的训练样本单元所包含的多普勒单元数为3,角度单元数为3,则对指定多普勒单元182和指定角度单元13,选取41个距离单元构成的训练样本挑选数据块为{dataL},其维度为41×3×3;
计算某一距离单元r对应的待处理局域单元的协方差的方法为先将dataLr进行列向量化,得到一个一维列向量vr,其长度为3×3;然后计算vr对应的协方差矩阵为其中·H表示共轭转置,dataLr为{dataL}中,第r个距离单元的数据;
对每一个距离单元进行计算,可以得到协方差数据块为{R182×13},其维度为200×9×9;
步骤四:选定距离单元50,其对应的协方差矩阵为R50,其他训练样本距离单元对应的协方差矩阵Rj,j∈{30,70},依次计算R50和Rj之间的黎曼距离为:
其中,||·||F为Frobenius范数。
所要挑选的距离维训练样本数为10,则从RieDis(j)中从小至大选择10个数据对应的距离单元数组为Rselect(k),其中k=1,2,......,10;
在第50距离单元选择的训练样本位置如表1所示;
表1
步骤五:对于指定距离单元50,指定多普勒单元182和指定角度单元13,由选定的训练样本数据得到的主波束输出为DBFout(Rselect,1)=dataDBF(Rselect,182,13),辅助波束输出为CBFout(10,Rselect)=dataCBF(Rselect,182,10);
辅助波束的自相关矩阵为RCBF=CBFout·CBFoutH,主波束与辅助波束的互相关矩阵为rDBF=CBFout·DBFoutH,则指定距离单元的自适应权向量可表示为
在选定距离单元50,多普勒单元182和角度单元13处,经过广义旁瓣对消处理后的输出结果为dataOut(50,182,13)=DBFout-w·CBFout;
步骤六:令r=1,2,......,200,计算每一个距离单元对应的dataOut(r,d,θ),得到指定多普勒单元d和指定角度单元θ对应的广义旁瓣对消处理输出结果dataOut(d,θ)。
令d=1,2,......,309,计算每一个多普勒单元对应的所有距离单元的广义旁瓣对消处理输出结果dataOut(θ);
令θ=1,2,......,31,计算每一个角度单元对应的所有距离单元和多普勒单元的广义旁瓣对消处理输出结果dataOut。
绘制第13角度单元的距离-速度图,如图3所示。
由图2和图3的对比可以看到,海杂波和电离层杂波得到了有效抑制,目标显露,信杂比得到很大提高。
综上所述,本发明提出了基于黎曼距离的广义旁瓣对消算法,本发明能够抑制混合传播模式高频超视距雷达回波信息中的海杂波和电离层杂波信息,提高目标信杂比,有利于目标检测和航迹跟踪,具有实施简单方便、可自适应的改变权值等特点。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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保护范围之内。
Claims (7)
1.一种基于黎曼距离的广义旁瓣对消算法,其特征在于,所述方法包括如下步骤:
步骤一:对混合传播模式高频超视距雷达的所有通道回波信号进行距离处理、多普勒处理,得到距离-速度-通道三维数据块;
步骤二:对各个通道数据块进行数字波束形成处理,构成主波束数据块,在指定的角度单元,对各个通道数据块进行单凹口滤波器辅助波束形成处理,构成辅助波束数据块;
步骤三:选定训练样本挑选单元大小,选取指定多普勒单元和角度单元的若干距离单元主波束数据,构成训练样本挑选数据块,计算每个距离单元对应的待处理局域单元的协方差矩阵,构成协方差数据块;
步骤四:计算指定距离单元的协方差矩阵与若干其他距离单元的协方差矩阵之间的黎曼距离,构成黎曼距离数组,从小至大挑选其中若干个黎曼距离对应的距离单元作为距离维训练样本单元;
步骤五:根据选定的训练样本数据,计算指定距离单元的自适应权向量,以及辅助波束的自适应输出,将主波束与辅助波束的输出做差,得到广义旁瓣对消处理后的输出结果;
步骤六:遍历所有感兴趣距离单元、多普勒单元和角度单元,得到经过杂波抑制处理后的距离-速度-角度三维数据结果。
2.根据权利要求1所述的基于黎曼距离的广义旁瓣对消算法,其特征在于,所述步骤一中,对混合传播模式高频超视距雷达的所有通道回波信号进行距离处理、多普勒处理,得到距离-速度-通道三维数据块为{dataCh},其维度为R×D×Ch,其中,R为数据的距离维度,D为数据的速度维度,Ch为通道数。
3.根据权利要求2所述的基于黎曼距离的广义旁瓣对消算法,其特征在于,所述步骤二中,对各个通道数据块进行数字波束形成处理,构成主波束数据块,在指定的角度单元,对各个通道数据块进行单凹口滤波器辅助波束形成处理,构成辅助波束数据块的方法为:
对各个通道数据块{dataCh}进行数字波束形成处理,得到距离-速度-角度三维主波束数据块为{dataDBF},其维度为R×D×A,其中A为数据的角度维度;
对{dataCh}在指定角度单元θ,进行单凹口滤波器辅助波束形成处理,将Ch元线阵分为Ch′个子阵,每个子阵包含的阵元数为Ch-Ch′+1,则所需单凹口滤波器的阶数为Ch-Ch′,在θ角度的单凹口滤波器系数为H(θ),辅助波束数据块为{dataCBF},其中dataCBF=dataCh×H(θ),其维度为R×D×(Ch-Ch′+1)。
4.根据权利要求3所述的基于黎曼距离的广义旁瓣对消算法,其特征在于,所述步骤三中,选定训练样本挑选单元大小,选取指定多普勒单元和角度单元的若干距离单元主波束数据,构成训练样本挑选数据块,计算每个距离单元对应的待处理局域单元的协方差矩阵,构成协方差数据块的方法为:
待挑选的训练样本单元所包含的多普勒单元数为localD,角度单元数为localA,则对指定多普勒单元d和指定角度单元θ,选取setR个距离单元构成的训练样本挑选数据块为{dataL},其维度为setR×localD×localA,其中,setR代表要挑选的距离单元数目;
计算某一距离单元r对应的待处理局域单元的协方差的方法为先将dataLr进行列向量化,得到一个一维列向量vr,其长度为localD×localA;然后计算所述一维列向量vr对应的协方差矩阵为其中·H表示共轭转置,dataLr为{dataL}中,第r个距离单元的数据;
对每一个距离单元进行计算,可以得到协方差数据块为{Rd×θ},其维度为R×(localD×localA)×(localD×localA)。
5.根据权利要求4所述的基于黎曼距离的广义旁瓣对消算法,其特征在于,所述步骤四中,计算指定距离单元的协方差矩阵与若干其他距离单元的协方差矩阵之间的黎曼距离,构成黎曼距离数组,从小至大挑选其中若干个黎曼距离对应的距离单元作为距离维训练样本单元的方法为:
选定距离单元r,其对应的协方差矩阵为Rr,其他训练样本距离单元对应的协方差矩阵Rj,j∈{r-setR/2,r+setR/2},依次计算Rr和Rj之间的黎曼距离为:
其中,||·||F为Frobenius范数;
所要挑选的距离维训练样本数为nSelect,则从RieDis(j)中从小至大选择nSelect个数据对应的距离单元数组为Rselect(k),其中k=1,2,......,nSelect。
6.根据权利要求5所述的基于黎曼距离的广义旁瓣对消算法,其特征在于,所述步骤五中,根据选定的训练样本数据,计算指定距离单元的自适应权向量,以及辅助波束的自适应输出,将主波束与辅助波束的输出做差,得到广义旁瓣对消处理后的输出结果的方法为:
对于指定距离单元r,指定多普勒单元d和指定角度单元θ,由选定的训练样本数据得到的主波束输出为DBFout(Rselect,1)=dataDBF(Rselect,d,θ),辅助波束输出为CBFout(Ch-Ch′+1,Rselect)=dataCBF(Rselect,d,Ch-Ch′+1);
在选定距离单元r,多普勒单元d和角度单元θ处,经过广义旁瓣对消处理后的输出结果为dataOut(r,d,θ)=DBFout-w·CBFout。
7.根据权利要求6所述的基于黎曼距离的广义旁瓣对消算法,其特征在于,所述步骤六中,遍历所有感兴趣距离单元、多普勒单元和角度单元,得到经过杂波抑制处理后的距离-速度-角度三维数据结果的方法为:
令r=1,2,......,R,计算每一个距离单元对应的dataOut(r,d,θ),得到指定多普勒单元d和指定角度单元θ对应的广义旁瓣对消处理输出结果dataOut(d,θ);
令d=1,2,......,D,计算每一个多普勒单元对应的所有距离单元的广义旁瓣对消处理输出结果dataOut(θ);
令θ=1,2,......,A,计算每一个角度单元对应的所有距离单元和多普勒单元的广义旁瓣对消处理输出结果dataOut。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918918.7A CN110646765B (zh) | 2019-09-26 | 2019-09-26 | 一种基于黎曼距离的广义旁瓣对消算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910918918.7A CN110646765B (zh) | 2019-09-26 | 2019-09-26 | 一种基于黎曼距离的广义旁瓣对消算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110646765A true CN110646765A (zh) | 2020-01-03 |
CN110646765B CN110646765B (zh) | 2023-03-24 |
Family
ID=69011421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910918918.7A Active CN110646765B (zh) | 2019-09-26 | 2019-09-26 | 一种基于黎曼距离的广义旁瓣对消算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110646765B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030875A (zh) * | 2021-04-07 | 2021-06-25 | 北京无线电测量研究所 | 基于滑窗变权值的方位旋转雷达副瓣干扰对消方法 |
CN113064147A (zh) * | 2021-03-30 | 2021-07-02 | 哈尔滨工程大学 | 一种低信噪比下新型匹配场被动定位方法 |
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 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030189512A1 (en) * | 2002-04-04 | 2003-10-09 | Hai-Wai Chen | System and method for detecting and estimating the direction of near-stationary targets in monostatic clutter using phase information |
US20050057392A1 (en) * | 2003-09-03 | 2005-03-17 | Blunt Shannon D. | Robust predictive deconvolution system and method |
US20050195103A1 (en) * | 2004-01-13 | 2005-09-08 | Davis Dennis W. | Phased arrays exploiting geometry phase and methods of creating such arrays |
US7430257B1 (en) * | 1998-02-12 | 2008-09-30 | Lot 41 Acquisition Foundation, Llc | Multicarrier sub-layer for direct sequence channel and multiple-access coding |
US20090079646A1 (en) * | 2007-09-21 | 2009-03-26 | Harris Corporation | Radio frequency device for unmixing polarized signals and associated methods |
CN102508213A (zh) * | 2011-11-04 | 2012-06-20 | 西安电子科技大学 | 基于零陷加宽的波束域自适应干扰抑制方法 |
CN102608580A (zh) * | 2012-01-06 | 2012-07-25 | 河海大学 | 数字阵列超低副瓣自适应数字波束形成方法 |
CN103245941A (zh) * | 2013-04-16 | 2013-08-14 | 哈尔滨工程大学 | 一种基于稳健最小二乘的鲁棒波束形成方法 |
CN106646471A (zh) * | 2016-12-29 | 2017-05-10 | 西安电子科技大学 | 基于方位空变误差补偿的机载高分辨sar成像方法 |
US20180138993A1 (en) * | 2016-11-11 | 2018-05-17 | Nxp B.V. | Processing module and associated method |
CN109001687A (zh) * | 2018-05-24 | 2018-12-14 | 西安电子科技大学 | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 |
-
2019
- 2019-09-26 CN CN201910918918.7A patent/CN110646765B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7430257B1 (en) * | 1998-02-12 | 2008-09-30 | Lot 41 Acquisition Foundation, Llc | Multicarrier sub-layer for direct sequence channel and multiple-access coding |
US20030189512A1 (en) * | 2002-04-04 | 2003-10-09 | Hai-Wai Chen | System and method for detecting and estimating the direction of near-stationary targets in monostatic clutter using phase information |
US20050057392A1 (en) * | 2003-09-03 | 2005-03-17 | Blunt Shannon D. | Robust predictive deconvolution system and method |
US20050195103A1 (en) * | 2004-01-13 | 2005-09-08 | Davis Dennis W. | Phased arrays exploiting geometry phase and methods of creating such arrays |
US20090079646A1 (en) * | 2007-09-21 | 2009-03-26 | Harris Corporation | Radio frequency device for unmixing polarized signals and associated methods |
CN102508213A (zh) * | 2011-11-04 | 2012-06-20 | 西安电子科技大学 | 基于零陷加宽的波束域自适应干扰抑制方法 |
CN102608580A (zh) * | 2012-01-06 | 2012-07-25 | 河海大学 | 数字阵列超低副瓣自适应数字波束形成方法 |
CN103245941A (zh) * | 2013-04-16 | 2013-08-14 | 哈尔滨工程大学 | 一种基于稳健最小二乘的鲁棒波束形成方法 |
US20180138993A1 (en) * | 2016-11-11 | 2018-05-17 | Nxp B.V. | Processing module and associated method |
CN106646471A (zh) * | 2016-12-29 | 2017-05-10 | 西安电子科技大学 | 基于方位空变误差补偿的机载高分辨sar成像方法 |
CN109001687A (zh) * | 2018-05-24 | 2018-12-14 | 西安电子科技大学 | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 |
Non-Patent Citations (3)
Title |
---|
ARNAUDON M等: ""Riemannian medians and means with applications to radar signal processing"", 《IEEE JOURNAL OF SELECTED TOPICS IN SIGNAL PROCESSING》 * |
BUCKLEY K等: ""An adaptive generalized sidelobe canceller with derivative constraints"", 《IEEE TRANSACTIONS ON ANTENNAS AND PROPAGATION》 * |
姚迪等: ""基于空间多波束的高频地波雷达电离层杂波抑制算法"", 《电子与信息学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113064147A (zh) * | 2021-03-30 | 2021-07-02 | 哈尔滨工程大学 | 一种低信噪比下新型匹配场被动定位方法 |
CN113064147B (zh) * | 2021-03-30 | 2023-09-29 | 哈尔滨工程大学 | 一种低信噪比下新型匹配场被动定位方法 |
CN113030875A (zh) * | 2021-04-07 | 2021-06-25 | 北京无线电测量研究所 | 基于滑窗变权值的方位旋转雷达副瓣干扰对消方法 |
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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110646765B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2411615C (en) | Surface wave radar | |
CN110646765B (zh) | 一种基于黎曼距离的广义旁瓣对消算法 | |
CN108693511B (zh) | 时分复用mimo雷达的运动目标角度计算方法 | |
US6720910B2 (en) | Pri-staggered post-doppler adaptive monopulse processing for detection and location of a moving target in ground clutter | |
CN107942314B (zh) | 基于lasso特征提取的多普勒穿墙雷达定位方法 | |
US5907302A (en) | Adaptive elevational scan processor statement of government interest | |
CN109001687A (zh) | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 | |
CN111366904B (zh) | 一种基于二维频谱相干合并的cfar检测方法 | |
CN107064904B (zh) | 一种基于虚拟孔径的舰载高频地波雷达方位高分辨方法 | |
CN115291207A (zh) | 基于mimo雷达的小型旋翼无人机多目标检测方法 | |
CN108490425B (zh) | 一种双基地mimo雷达的测角方法 | |
CN109188373B (zh) | 基于子阵阻塞矩阵预处理的抗主瓣干扰方法 | |
CN109597034B (zh) | 一种基于欧几里得距离的空时自适应处理方法 | |
CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
CN1297075C (zh) | 干扰阻塞空间谱估计方法 | |
CN114814739A (zh) | 基于分布式fda-mimo雷达的主瓣干扰抑制方法 | |
CN108845298B (zh) | 基于杂波映射的自适应波束形成方法 | |
Rypkema et al. | Memory-efficient approximate three-dimensional beamforming | |
CN112698263A (zh) | 一种基于正交传播算子的单基地互质mimo阵列doa估计算法 | |
Heng et al. | Modified JDL with Doppler compensation for airborne bistatic radar | |
JPH09191209A (ja) | ウェイト制御装置 | |
CN113030983B (zh) | 一种基于测深侧扫声纳的近场逐点聚焦doa方法 | |
CN109752688B (zh) | 一种针对传感器阵列系统的临近信源角度差值计算方法 | |
CN114265018B (zh) | 一种基于多频分体制雷达的近程杂波抑制方法 | |
CN114779198B (zh) | 共形阵机载雷达空时杂波谱自适应补偿与杂波抑制方法 |
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 |