CN110865345A - 一种快速自适应脉冲压缩方法 - Google Patents

一种快速自适应脉冲压缩方法 Download PDF

Info

Publication number
CN110865345A
CN110865345A CN201911159724.XA CN201911159724A CN110865345A CN 110865345 A CN110865345 A CN 110865345A CN 201911159724 A CN201911159724 A CN 201911159724A CN 110865345 A CN110865345 A CN 110865345A
Authority
CN
China
Prior art keywords
iteration
impulse response
target
range
vector
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
Application number
CN201911159724.XA
Other languages
English (en)
Other versions
CN110865345B (zh
Inventor
田静
宁晨
吴嗣亮
崔嵬
张彪
王峰宇
孔梓丞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201911159724.XA priority Critical patent/CN110865345B/zh
Publication of CN110865345A publication Critical patent/CN110865345A/zh
Application granted granted Critical
Publication of CN110865345B publication Critical patent/CN110865345B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • 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
    • G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
    • 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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0211—Frequency selective networks using specific transformation algorithms, e.g. WALSH functions, Fermat transforms, Mersenne transforms, polynomial transforms, Hilbert transforms
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H17/00—Networks using digital techniques
    • H03H17/02—Frequency selective networks
    • H03H17/0248—Filters characterised by a particular frequency response or filtering method
    • H03H17/0254—Matched filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0018—Matched filters
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H21/0043—Adaptive algorithms
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3084—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction using adaptive string matching, e.g. the Lempel-Ziv method
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
    • H03H21/00—Adaptive networks
    • H03H21/0012—Digital adaptive filters
    • H03H2021/0085—Applications
    • H03H2021/0094—Interference Cancelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种快速自适应脉冲压缩方法，可以有效抑制距离旁瓣，该方法能够快速解决多目标场景中大目标遮挡小目标问题，准确估计出各目标的距离脉冲响应；利用单点自适应滤波器对匹配滤波结果进行迭代滤波，在每一次迭代中，上一次迭代得到的L个距离单元的估计结果用作下一次迭代的先验信息，自适应地更新当前的滤波器，求得距离像脉冲响应，从而检测出强目标；从回波中去除强目标，再进行迭代滤波，估计出小目标，如此迭代将场景中目标准确估计出来；该方法与MF‑RMMSE方法相比，旁瓣抑制性能相当，但是计算量降低多倍。

Description

一种快速自适应脉冲压缩方法
技术领域
本发明属于微波雷达测量技术领域，具体涉及一种快速自适应脉冲压缩方法。
背景技术
在脉冲雷达系统中，通常采用匹配滤波处理从接收信号中提取目标的距离像脉冲响应。但是，在多目标场景下，强目标的高旁瓣会干扰甚至遮挡附近的微弱目标，或者被当作虚假目标造成虚警，严重影响目标检测与参数估计。在2006年的《IEEE Transactions onAerospace and Electronic Systems》的第42卷第2期第572页至584页，Shannon D.blunt等人发表的“Adaptive pulse compression via MMSE estimation”一文中提出了一种基于最小均方误差准则的自适应脉冲压缩方法——APC，该方法可以自适应地抑制距离旁瓣，但是计算复杂度较高。在2010年的《IEEE Transactions on Aerospace and ElectronicSystems》的第46卷第1期第349页至362页，Shannon D.blunt等人发表的“Dimensionalityreduction techniques for efficient adaptive pulse compression”一文中提出了一种快速自适应脉冲压缩方法(FAPC)，该方法采用分段思想，通过对回波进行分段，降低数据处理维度，从而降低计算量。与APC方法相比，FAPC方法具有较低的计算量，但是会存在失配损失，导致小目标丢失。在2015年的《IEEE Transactions on Aerospace and ElectronicSystems》的第51卷第1期第548页至564页，Li Zhengzheng等人发表的“Fast adaptivepulse compression based on matched filter outputs”一文中提出了一种基于匹配滤波结果的快速自适应脉冲压缩方法——MF-RMMSE。由于匹配滤波结果中目标能量主要集中在主瓣附近，该方法只需要利用主瓣附近的少数点构建最小均方误差滤波器，与APC方法相比，MF-RMMSE方法的计算量大幅度下降。
发明内容
有鉴于此，本发明的目的是提供一种快速自适应脉冲压缩方法，可以有效抑制距离旁瓣，为后续获得准确的参数估计结果。
一种脉冲压缩方法，包括：
步骤1：建立回波信号模型，对接收信号进行匹配滤波处理，具体方法如下：
假设脉冲采样点数为N，共有L个距离单元，发射脉冲信号表示为：
s＝[s1 … sN]T (1.1)
其中，上角标T表示转置；
基带接收信号的第l个距离单元所对应的N个连续采样点：
y(l)＝[y(l) … y(l+N-1)]T表示为：
y(l)＝Gx(l)+b(l) (1.2)
其中G是一个N×(2N-1)维的发射信号矩阵，x是一个L×1维的距离像向量，x(l)是x中的一个(2N-1)×1维的子向量，x(l)是子向量x(l)中间的元素；b(l)是一个N×1维的噪声向量，分别表示如下：
y(l)＝[y(l) ... y(l+N-1)]T (1.3)
Figure BDA0002285734050000021
x＝[x(1) … x(L)]T (1.5)
x(l)＝[x(l-N+1) … x(l) … x(l+N-1)]T (1.6)
b(l)＝[b(l) … b(l+N-1)]T (1.7)
对接收信号进行匹配滤波处理，第l个单元的匹配滤波结果表示为：
xMF(l)＝sHy(l)
＝sHGx(l)+sHb(l)
＝rTx(l)+sHb(l) (1.8)
其中，上角标H表示共轭转置；令r＝(sHG)T＝[r-N+1 … r0 … rN-1]T；
步骤2：构建单点自适应滤波器，对L个距离单元进行迭代滤波，得到较大目标的距离像，具体方法如下：
最小均方误差代价函数表示为：
J(l)＝E[|x(l)-wH(l)xMF(l)|2] (1.9)
使得代价函数最小，需求解：
d[J(l)]/d[wH(l)]＝0 (1.10)
求得单点滤波器表示为：
w(l)＝(E[xMF(l)xMF H(l)])-1E[xMF(l)x*(l)] (1.11)
上角标*表示共轭；
假设噪声是功率谱密度为σ2的高斯白噪声，各目标的距离像脉冲响应之间不相关，且噪声和距离像脉冲响应独立不相关，则有：
Figure BDA0002285734050000041
则第l个距离单元的脉冲响应估计值可以表示为：
Figure BDA0002285734050000042
第一次迭代时，将x(l)＝xMF(l)代入公式(1.12)，得到w(l)后，将x(l)＝xMF(l)w(l)代入公式(1.13)，得到第一次迭代的距离单元脉冲响应估计值
Figure BDA0002285734050000043
第二次迭代时，将第一次迭代得到的
Figure BDA0002285734050000044
作为x(l)代入公式(1.12)，更新w(l)，再将
Figure BDA0002285734050000045
和更新后w(l)代入(1.13)，由此得到第二次迭代的距离单元脉冲响应估计值，再作为第三次迭代时x(l)的值；以此类推，直到满足迭代停止条件；将本步骤中最后一次迭代得到的每个距离单元的脉冲响应估计值形成距离像脉冲响应向量
Figure BDA0002285734050000046
步骤3：从接收回波中去除已估计大目标对应的信号，具体方法如下：
由步骤2得到的距离像脉冲响应
Figure BDA0002285734050000047
构建
Figure BDA0002285734050000048
的回波模型，如下：
Figure BDA0002285734050000049
其中
Figure BDA00022857340500000410
表示
Figure BDA00022857340500000411
的子向量，表示为：
Figure BDA00022857340500000412
从接收回波中去除公式(1.14)构建的回波，得到新的回波：
Figure BDA0002285734050000051
基于第l个距离单元的新的回波y1(l)，构建N个连续点的回波，组成新的向量y1(l)；利用新的向量y1(l)，根据公式(1.8)计算匹配滤波结果；
步骤4、基于步骤3得到的匹配滤波结果，返回执行步骤2，得到新的距离像脉冲响应估计；
步骤5、将步骤3和步骤4两次距离像脉冲响应估计相加即为真实的距离像脉冲响应。
较佳的，所述迭代停止条件为：旁瓣抑制效果达到要求。
本发明具有如下有益效果：
该方法能够快速解决多目标场景中大目标遮挡小目标问题，准确估计出各目标的距离脉冲响应；利用单点自适应滤波器对匹配滤波结果进行迭代滤波，在每一次迭代中，上一次迭代得到的L个距离单元的估计结果用作下一次迭代的先验信息，自适应地更新当前的滤波器，求得距离像脉冲响应，从而检测出强目标；从回波中去除强目标，再进行迭代滤波，估计出小目标，如此迭代将场景中目标准确估计出来；该方法与MF-RMMSE方法相比，旁瓣抑制性能相当，但是计算量可降低K倍，K为MF-RMMSE方法中的滤波器长度，一般取K＝5。
附图说明
图1为匹配滤波结果；
图2为步骤2得到的距离像；
图3为步骤4得到的距离像。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
步骤1：建立回波信号模型，对接收信号进行匹配滤波处理，具体方法如下：假设脉冲采样点数为N，共有L个距离单元，发射脉冲信号可以表示为
s＝[s1 … sN]T (1.1)
其中，上角标T表示转置；
基带接收信号的第l个距离单元所对应的N个连续采样点：
y(l)＝[y(l) … y(l+N-1)]T可以表示为：
y(l)＝Gx(l)+b(l) (1.2)
其中G是一个N×(2N-1)维的发射信号矩阵，x是一个L×1维的距离像向量，x(l)是x中的一个(2N-1)×1维的子向量，x(l)是子向量x(l)中间的元素；b(l)是一个N×1维的噪声向量，分别表示如下：
y(l)＝[y(l) … y(l+N-1)]T (1.3)
Figure BDA0002285734050000061
x＝[x(1) … x(L)]T (1.5)
x(l)＝[x(l-N+1) … x(l) … x(l+N-1)]T (1.6)
b(l)＝[b(l) … b(l+N-1)]T (1.7)
对接收信号进行匹配滤波处理，第l个单元的匹配滤波结果可以表示为：
xMF(l)＝sHy(l)
＝sHGx(l)+sHb(l)
＝rTx(l)+sHb(l) (1.8)
其中，上角标H表示共轭转置；令r＝(sHG)T＝[r-N+1 … r0 … rN-1]T；
步骤2：构建单点自适应滤波器，对L个距离单元进行迭代滤波，得到较大目标的距离像，具体方法如下：
最小均方误差代价函数表示为
J(l)＝E[|x(l)-wH(l)xMF(l)|2] (1.9)
使得代价函数最小，需求解
d[J(l)]/d[wH(l)]＝0 (1.10)
求得单点滤波器表示为：
w(l)＝(E[xMF(l)xMF H(l)])-1E[xMF(l)x*(l)] (1.11)
上角标*表示共轭；
假设噪声是功率谱密度为σ2的高斯白噪声，各目标的距离像脉冲响应之间不相关，且噪声和距离像脉冲响应独立不相关，则有：
Figure BDA0002285734050000071
则第l个距离单元的脉冲响应估计值可以表示为：
Figure BDA0002285734050000072
第一次迭代时，将x(l)＝xMF(l)代入公式(1.12)，得到w(l)后，将x(l)＝xMF(l)w(l)代入公式(1.13)，得到第一次迭代的距离单元脉冲响应估计值
Figure BDA0002285734050000081
第二次迭代时，将第一次迭代得到的
Figure BDA0002285734050000082
作为x(l)代入公式(1.12)，更新w(l)，再将
Figure BDA0002285734050000083
和更新后w(l)代入(1.13)，由此得到第二次迭代的距离单元脉冲响应估计值，再作为第三次迭代时x(l)的值；以此类推，直到满足迭代停止条件：例如，旁瓣抑制效果达到要求，检出出大目标，即可停止迭代。
将本步骤中最后一次迭代得到的每个距离单元的脉冲响应估计值形成距离像脉冲响应向量
Figure BDA0002285734050000084
步骤3：从接收回波中去除已估计大目标对应的信号，具体方法如下：
由步骤2得到的距离像脉冲响应
Figure BDA0002285734050000085
构建
Figure BDA0002285734050000086
的回波模型，如下：
Figure BDA0002285734050000087
其中
Figure BDA0002285734050000088
表示
Figure BDA0002285734050000089
的子向量，表示为：
Figure BDA00022857340500000810
从接收回波中去除公式(1.14)构建的回波，得到新的回波：
Figure BDA00022857340500000811
基于第l个距离单元的新的回波y1(l)，构建N个连续点的回波，组成新的向量y1(l)；利用新的向量y1(l)，根据公式(1.8)计算匹配滤波结果。
步骤4、基于步骤3得到的匹配滤波结果，返回执行步骤2，得到新的距离像脉冲响应估计。
步骤5、两次距离像脉冲响应估计相加即为真实的距离像脉冲响应。
实施例：本实例中，发射脉冲宽度为TP＝4μs，带宽为B＝4MHZ的线性调频脉冲，采样率为fs＝8MHZ，脉冲内采样点数为N＝32，距离单元数为L＝200，场景中共有三个目标，位置分别在单元93,100，检测前信噪比分别为40dB,70dB。
如图1所示，为步骤1得到的匹配滤波结果；如图2所示，为步骤2得到距离像，从图中可看出估计得到强目标；如图3所示，步骤4得到的距离像，估计得到弱目标。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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 (2)

1.一种脉冲压缩方法，其特征在于，包括：
步骤1：建立回波信号模型，对接收信号进行匹配滤波处理，具体方法如下：
假设脉冲采样点数为N，共有L个距离单元，发射脉冲信号表示为：
s＝[s1 … sN]T (1.1)
其中，上角标T表示转置；
基带接收信号的第l个距离单元所对应的N个连续采样点：
y(l)＝[y(l) … y(l+N-1)]T表示为：
y(l)＝Gx(l)+b(l) (1.2)
其中G是一个N×(2N-1)维的发射信号矩阵，x是一个L×1维的距离像向量，x(l)是x中的一个(2N-1)×1维的子向量，x(l)是子向量x(l)中间的元素；b(l)是一个N×1维的噪声向量，分别表示如下：
y(l)＝[y(l) … y(l+N-1)]T (1.3)
Figure FDA0002285734040000011
x＝[x(1) … x(L)]T (1.5)
x(l)＝[x(l-N+1) … x(l) … x(l+N-1)]T (1.6)
b(l)＝[b(l) … b(l+N-1)]T (1.7)
对接收信号进行匹配滤波处理，第l个单元的匹配滤波结果表示为：
xMF(l)＝sHy(l)
＝sHGx(l)+sHb(l)
＝rTx(l)+sHb(l) (1.8)
其中，上角标H表示共轭转置；令r＝(sHG)T＝[r-N+1 … r0 … rN-1]T；
步骤2：构建单点自适应滤波器，对L个距离单元进行迭代滤波，得到较大目标的距离像，具体方法如下：
最小均方误差代价函数表示为：
J(l)＝E[|x(l)-wH(l)xMF(l)|2] (1.9)
使得代价函数最小，需求解：
d[J(l)]/d[wH(l)]＝0 (1.10)
求得单点滤波器表示为：
w(l)＝(E[xMF(l)xMF H(l)])-1E[xMF(l)x*(l)] (1.11)
上角标*表示共轭；
假设噪声是功率谱密度为σ2的高斯白噪声，各目标的距离像脉冲响应之间不相关，且噪声和距离像脉冲响应独立不相关，则有：
Figure FDA0002285734040000021
则第l个距离单元的脉冲响应估计值可以表示为：
Figure FDA0002285734040000022
第一次迭代时，将x(l)＝xMF(l)代入公式(1.12)，得到w(l)后，将x(l)＝xMF(l)w(l)代入公式(1.13)，得到第一次迭代的距离单元脉冲响应估计值
Figure FDA0002285734040000031
第二次迭代时，将第一次迭代得到的
Figure FDA0002285734040000032
作为x(l)代入公式(1.12)，更新w(l)，再将
Figure FDA0002285734040000033
和更新后w(l)代入(1.13)，由此得到第二次迭代的距离单元脉冲响应估计值，再作为第三次迭代时x(l)的值；以此类推，直到满足迭代停止条件；将本步骤中最后一次迭代得到的每个距离单元的脉冲响应估计值形成距离像脉冲响应向量
Figure FDA0002285734040000034
步骤3：从接收回波中去除已估计大目标对应的信号，具体方法如下：
由步骤2得到的距离像脉冲响应
Figure FDA0002285734040000035
构建
Figure FDA0002285734040000036
的回波模型，如下：
Figure FDA0002285734040000037
其中
Figure FDA0002285734040000038
表示
Figure FDA0002285734040000039
的子向量，表示为：
Figure FDA00022857340400000310
从接收回波中去除公式(1.14)构建的回波，得到新的回波：
Figure FDA00022857340400000311
基于第l个距离单元的新的回波y1(l)，构建N个连续点的回波，组成新的向量y1(l)；利用新的向量y1(l)，根据公式(1.8)计算匹配滤波结果；
步骤4、基于步骤3得到的匹配滤波结果，返回执行步骤2，得到新的距离像脉冲响应估计；
步骤5、将步骤3和步骤4两次距离像脉冲响应估计相加即为真实的距离像脉冲响应。
2.如权利要求1所述的一种脉冲压缩方法，其特征在于，所述迭代停止条件为：旁瓣抑制效果达到要求。
CN201911159724.XA 2019-11-22 2019-11-22 一种快速自适应脉冲压缩方法 Active CN110865345B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911159724.XA CN110865345B (zh) 2019-11-22 2019-11-22 一种快速自适应脉冲压缩方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911159724.XA CN110865345B (zh) 2019-11-22 2019-11-22 一种快速自适应脉冲压缩方法

Publications (2)

Publication Number Publication Date
CN110865345A true CN110865345A (zh) 2020-03-06
CN110865345B CN110865345B (zh) 2021-07-30

Family

ID=69656200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911159724.XA Active CN110865345B (zh) 2019-11-22 2019-11-22 一种快速自适应脉冲压缩方法

Country Status (1)

Country Link
CN (1) CN110865345B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325407A (zh) * 2021-06-01 2021-08-31 中国人民解放军海军航空大学 一种基于自适应脉冲压缩的雷达目标距离超分辨方法
CN114200406A (zh) * 2021-11-29 2022-03-18 南京航空航天大学 基于快速自适应脉冲压缩的机载气象雷达目标检测方法
CN115166664A (zh) * 2022-06-12 2022-10-11 北京理工大学 一种基于二维匹配滤波结果的快速自适应旁瓣抑制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881822A (zh) * 2010-06-07 2010-11-10 电子科技大学 一种针对共享谱雷达同频干扰的抑制方法
CN103412305A (zh) * 2013-07-15 2013-11-27 电子科技大学 扫描雷达超分辨成像方法
US20160091598A1 (en) * 2014-09-26 2016-03-31 The Govemment of the United States of America, as represented by the Secretary of the Navy Sparse Space-Time Adaptive Array Architecture
CN107402380A (zh) * 2017-05-12 2017-11-28 电子科技大学 一种实现多普勒波束锐化成像的快速自适应迭代方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101881822A (zh) * 2010-06-07 2010-11-10 电子科技大学 一种针对共享谱雷达同频干扰的抑制方法
CN103412305A (zh) * 2013-07-15 2013-11-27 电子科技大学 扫描雷达超分辨成像方法
US20160091598A1 (en) * 2014-09-26 2016-03-31 The Govemment of the United States of America, as represented by the Secretary of the Navy Sparse Space-Time Adaptive Array Architecture
CN107402380A (zh) * 2017-05-12 2017-11-28 电子科技大学 一种实现多普勒波束锐化成像的快速自适应迭代方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHENGZHENG LI ET AL.: "Fast Adaptive Pulse Compression Based on Matched Filter Outputs", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 *
李秀友等: "基于迭代线性约束最小方差的稳健自适应脉冲压缩方法", 《电子与信息学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325407A (zh) * 2021-06-01 2021-08-31 中国人民解放军海军航空大学 一种基于自适应脉冲压缩的雷达目标距离超分辨方法
CN114200406A (zh) * 2021-11-29 2022-03-18 南京航空航天大学 基于快速自适应脉冲压缩的机载气象雷达目标检测方法
CN115166664A (zh) * 2022-06-12 2022-10-11 北京理工大学 一种基于二维匹配滤波结果的快速自适应旁瓣抑制方法
CN115166664B (zh) * 2022-06-12 2024-05-10 北京理工大学 一种基于二维匹配滤波结果的快速自适应旁瓣抑制方法

Also Published As

Publication number Publication date
CN110865345B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN110865345B (zh) 一种快速自适应脉冲压缩方法
CN110275166B (zh) 基于admm的快速稀疏孔径isar自聚焦与成像方法
CN106772253B (zh) 一种非均匀杂波环境下的雷达杂波抑制方法
CN109471086B (zh) 基于多采样快拍和集阵列信号离散傅里叶变换的互质mimo雷达波达方向估计方法
CN105527610B (zh) 基于分数阶时延估计的多天线联合优化杂波抑制方法
CN107015205B (zh) 一种分布式mimo雷达检测的虚假目标消除方法
CN103728594B (zh) 基于多通道nlms的外辐射源雷达海杂波干扰抑制方法
CN108802705B (zh) 一种基于稀疏的空时自适应处理方法及系统
CN111060879B (zh) 一种基于二维匹配滤波结果的联合副瓣抑制方法
CN104793194B (zh) 基于改进的自适应多脉冲压缩的距离‑多普勒估计方法
CN107180259B (zh) 一种基于系统辨识的stap训练样本选择方法
CN113376606B (zh) 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法
CN109828252B (zh) 一种mimo雷达参数估计方法
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
CN106501785A (zh) 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统
CN108880586B (zh) 一种宽带弱信号增强方法与装置
CN107064926A (zh) 空域色噪声背景下的双基地mimo雷达角度估算方法
CN110632571A (zh) 一种基于矩阵流形的稳健stap协方差矩阵估计方法
CN106291449A (zh) 对称稳定分布噪声下波达方向角估计新方法
CN105044682B (zh) 宽主瓣相位编码信号和失配滤波器的联合优化方法
Lapierre et al. Foundation for mitigating range dependence in radar space-time adaptive processing
CN110780274A (zh) 一种用于扫描雷达的改进l1正则化方位超分辨成像方法
JP2014044193A (ja) クラッタ抑圧装置
JP5933245B2 (ja) クラッタ抑圧装置
CN108152796A (zh) 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法

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