CN110967677B - 时频域分级多目标分辨与测量方法 - Google Patents
时频域分级多目标分辨与测量方法 Download PDFInfo
- Publication number
- CN110967677B CN110967677B CN201911225401.6A CN201911225401A CN110967677B CN 110967677 B CN110967677 B CN 110967677B CN 201911225401 A CN201911225401 A CN 201911225401A CN 110967677 B CN110967677 B CN 110967677B
- Authority
- CN
- China
- Prior art keywords
- target
- data
- frequency domain
- time
- doppler
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 15
- 230000001427 coherent effect Effects 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000005054 agglomeration Methods 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 abstract description 6
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 238000005259 measurement Methods 0.000 description 9
- 230000035508 accumulation Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
-
- 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)
- 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
本发明公开了一种时频域分级多目标分辨与测量方法。本发明首先利用雷达的和通道数据进行相参积累和多普勒变换，然后对变换后的数据进行时频域二维检测，再提取初步检测的目标数据进行超分辨谱估计，得到目标的多普勒和距离的精确参数，然后利用和通道、方位差通道和俯仰差通道目标附近的谱曲线，计算得到目标的角度信息。本发明方法在时频域采用了二级估计的方法，在不损失信噪比的情况下提升了初始估计的精度，同时降低了精确估计时的距离和多普勒二维搜索范围，发明方法兼有精度高、分辨能力强、运算量小的优点。本发明技术可广泛用于多普勒体制的雷达系统，实现简单，具有广阔的应用前景。
Description
技术领域
本发明涉及雷达信号处理领域中的一种时频域分级多目标分辨与测量方法，适用于雷达的信号处理系统，也可用于传统的机载雷达、战场监视雷达、火控雷达、导引头等多普勒体制的雷达信号处理系统中。
背景技术
多普勒体制的雷达相对于传统的雷达，具有速度分辨率高的优势，所以在一些高速平台或高速目标测量等方面具有不可替代的地位，它也是当前雷达发展的一个重要方向，在军事和民用领域具有广阔的应用前景。
随着技术的发展，无人机、导弹、声纳、无人船舰等小型平台上多普勒体制的雷达被广泛使用，由于这些平台体积小，其容积、计算资源及存贮资源等非常有限，所以在实际工作场景下多目标分辨成为棘手的问题。在实际应用场合，通常采用脉冲多普勒方法来进行目标的分辨，其核心是傅里叶变换，所以其无法分辨距离比较靠近或多普勒频率比较靠近的多目标。现在的方法有二大类：一是增加天线孔径或者增大雷达工作频率；二是提高脉冲积累数。增加天线孔径的方法在地面雷达中很容易实现，但对于运动小平台而言则比较困难，所以实际工作中往往采用增大雷达工作频率，以达到等效天线孔径增大的目的，但雷达工作频率的升高会导致大气对电磁波的吸收增大，直接导致雷达的作用距离变小。另外，提高脉冲积累数提高了多普勒分辨率，但由于目标所占多普勒和距离门很少，这就导致其多普勒运算和目标搜索的运算量也成倍的增加，所以不利于小平台的实时实现。
发明内容
本发明的目的正是针对上述背景技术中的不足之处提出的。本发明分别通过时域脉冲积累的方法实现对目标多普勒参数和距离参数的初估计，再利用超分辨谱估计的方法实现对目标多普勒参数的精确测量，进而实现对多目标的分辨和距离及角度参数的精确测量。首先，利用雷达的和通道数据进行相参积累和多普勒变换；然后对变换后的数据进行时频域二维检测，得到目标数量、距离和多普勒参数；然后从距离维提取目标数据进行超分辨谱估计方法得到目标的多普勒和距离的精确参数；然后得到和通道、方位差通道和俯仰差通道目标附近的谱曲线；再利用和差比曲线测量目标的角度信息。由于方法在时频域采用了二级估计的方法，在不损失信噪比的情况下提升了初始估计的精度，同时降低了精确估计时的距离和多普勒二维搜索范围，从而克服了传统方法的缺点，发明方法兼有精度高、分辨能力强和搜索范围小的优点。本发明的优点在于可广泛用于多普勒体制雷达，且具有升级改造容易，便于实现和推广等特点。
为了实现上述的发明目的，本发明提供了一种时频域分级多目标分辨与测量方法，包括如下技术步骤：
(1)将和通道接收的K个相参脉冲进行分块，求和后得到积累脉冲组数据，再对脉冲组进行离散傅里叶变换，得到时频域数据
其中，XΣ表示和通道数据矢量，XΣi为XΣ的第i个分块脉冲组，i＝1，2，…，k，YΣ为积累后的脉冲组数据，DFT[·]为离散傅里叶变换的运算符，ZΣ为积累脉冲变换后的时频域数据；
(2)对时频域数据ZΣ取绝对值后进行二维恒虚警检测，凝聚后得到初步的目标数估计n、目标距离估计值
及多普勒频率估计值
(3)根据
提取XΣ中的目标距离左右共2rM+1个距离门的目标数据X′Σ，并对数据进行超分辨谱估计，搜索多普勒谱曲线的极大值得到多普勒频率估计值
其中，
rM为小于发射脉冲宽度和采样率乘积的一半的正整数，a(f)为多普勒频率导向矢量，f的搜索范围为
fM＝Fr·k/K，Fr为脉冲重复频率，Δf为搜索步长；
(4)根据
可以得到相应距离门数据AΣ，对其进行一维检测得到目标的距离门参数
和其幅度值
其中，AΣ是2rM+1维矢量对应的幅度；
(5)根据
和
分别提取方位差通道数据和俯仰差通道数据，并计算对应的幅度值
其中，
XΔ1和XΔ1分别为方位差和俯仰差通道的相参脉冲；
(6)利用
和
的比值并查询和差比曲线得到方位角参数，利用
和
的比值并查询和差比曲线得到俯仰角参数；
(7)重复步骤(3)至(6)n次，得到所有目标的距离、多普勒频率和角度参数；
(8)对目标的信息进行综合，将测量得到的距离和角度等信息综合后进行输出。
2.根据权利要求1所述时频域分级多目标分辨与测量方法，其特征在于，步骤(2)中二维恒虚警检测可以采用距离维检测和多普勒频率维检测级联来处理。
3.根据权利要求1所述时频域分级多目标分辨与测量方法，其特征在于，步骤(2)中恒虚警处理可以采用单元平均CFAR，选大CFAR，选小CFAR，排序CFAR等算法。
4.根据权利要求1所述时频域分级多目标分辨与测量方法，其特征在于，步骤(3)中超分辨谱估计方法，可以采用最小方差算法、常规波束形成、多重信号分类算法、最大熵算法、最小模算法等来进行。
本发明的优点在于：
(1)由于初估计时利用了和通道所有的相参脉冲，所以得到的时频域的目标数据具有最大的信噪比，确保了初始中分离目标的距离和多普勒频率的估计精度。
(2)二级检测时采用了超分辨谱估计技术，从而实现初估计中无法分离目标的分辨，其多普勒频率的估计精度远大于初始估计。
(3)二级检测时只对目标距离附近的距离门单元进行处理，且只对目标多普勒频率附近的频率进行搜索，从而大大降低了算法的运算量。
(4)对目标的测角采用的是最大信噪比准则后的幅度信息，所以其不改变原系统的和差比曲线，测角的精度高，实现容易。
(5)本发明方法可用于改造现有的雷达的信号处理系统，只需要增加信号处理的计算设备，不改变其它系统结构，具有推广应用价值。
附图说明
图1是本发明的实施例的结构方框图。
参照图1，本发明的实施例由积累变换1，初始估计2、超分辨估计3、距离幅度估计4，差通道估计5，测角6，循环7和和目标信息综合8组成。
其中实施例中常规雷达的和差通道脉冲数据送入积累变换1形成和通道的时频域数据；初始估计2实现对目标数量、距离和多普勒频率的初始估计，超分辨估计3利用初始估计抽取目标数据进行超分辨多普勒频率估计，距离幅度估计4得到和通道目标的精确距离和幅度估计，差通道估计5则利用和通道的距离和多普勒参数直接得到方位差通道和俯仰差通道的幅度参数，测角6通过和差比计算得到目标的方位角和俯仰角，循环7则对初始估计得到的所有目标进行循环处理，最后目标信息综合8将综合后的目标距离、角度和多普勒频率等信息汇总上报即可。
具体实施方式
实施本发明的原理如下：首先，利用雷达的和通道数据进行相参积累和多普勒变换；然后对变换后的数据进行时频域二维检测，得到目标数量、距离和多普勒参数；然后从距离维提取目标数据进行超分辨谱估计方法得到和通道目标的多普勒频率和距离的精确参数；然后得到和通道、方位差通道和俯仰差通道目标附近的谱曲线；再利用和差比曲线测量目标的角度信息，进而实现对多目标的分辨与参数测量。
假设雷达存在和、方位差和俯仰差三个通道，每个通道得到K个相参脉冲，分块时分成k块，目标有三个，前二个目标距离相同，且多普勒频率比较接近，第三个目标和前二个目标在距离上是分离的。实施例中为K＝512，k＝16，每个脉冲的距离门采样数1024，重复频率Fr＝2048Hz，脉冲宽度为1us，采样率10MHz。下面结合附图和实施例说明一下整个发明的详细步骤：
(1)将和通道接收的K个相参脉冲进行分块，求和后得到积累脉冲组数据，再对脉冲组进行离散傅里叶变换，得到时频域数据
其中，XΣ表示和通道数据矢量，XΣi为XΣ的第i个分块脉冲组，i＝1，2，…，k，YΣ为积累后的脉冲组数据，DFT[·]为离散傅里叶变换的运算符，ZΣ为积累脉冲变换后的时频域数据；
实施例中，将和通道中512个相参脉冲分成16份，每份32个脉冲，得到32个XΣi，求和后得到YΣ，对其进行32点的DFT后，得到时频域数据ZΣ，其维数为32×1024。
积累变换1单元将时频域数据ZΣ送入初始估计2单元中。
(2)对时频域数据ZΣ取绝对值后进行二维恒虚警检测，凝聚后得到初步的目标数估计n、目标距离估计值
及多普勒频率估计值
实施例中，将初步估计得到n个目标(n＝2)。由于前二个真实目标在同一个距离门，且多普勒接近，所以初始估计只能得到一个目标，其参数为
和
第三个真实目标和前二个目标分离所以可以得到其初始参数
和
初始估计2单元将得到的初始估计参数送入到超分辨估计3单元中。
(3)根据
提取XΣ中的目标距离左右共2rM+1个距离门的目标数据X′Σ，并对数据进行超分辨谱估计，搜索多普勒谱曲线的极大值得到多普勒频率估计值
其中，
rM为小于发射脉冲宽度和采样率乘积的一半的正整数，a(f)为多普勒频率导向矢量，f的搜索范围为
fM＝Fr·k/K，Fr为脉冲重复频率，Δf为搜索步长；
实施例中根据初始参数分别提取2个初始估计目标的距离门数据，由于发射脉冲宽度和采样率乘积为10，这里取rM＝3，所以第1次估计时目标的数据是
第二次估计时目标的数据是
二个数据维数均为512×7。由于共有512个脉冲，所以a(f)的维数为512×1，且计算得到fM＝64，第一次估计时f的搜索范围为
步长Δf＝1，此时搜索得到二个谱峰，即得到精确的多普勒频率估计值
和
第二次估计时f的搜索范围为
搜索得到一个谱峰，即精确的多普勒频率估计值
超分辨估计3单元将精度估计的多普勒频率估计参数
送入到距离幅度估计4单元中。
(4)根据
可以得到相应距离门数据AΣ，对其进行一维检测得到目标的距离门参数
和其幅度值
其中，AΣ是2rM+1维矢量对应的幅度；
实施例中分别将
和
代入进行计算，得到每个目标的7个距离门对应的幅度值，其中最大幅度值就是对应目标的距离
和
距离幅度估计4单元将和通道估计得到的距离参数、多普勒频率参数和幅度值送入差通道估计5单元中。
(5)根据
和
分别提取方位差通道数据和俯仰差通道数据，并计算对应的幅度值
其中，
XΔ1和XΔ1分别为方位差和俯仰差通道的相参脉冲；
实施例中根据和通道送来的多普勒频率和距离门参数直接提取相应的数据，并计算三个目标对应的幅度值
(6)利用
和
的比值并查询和差比曲线得到方位角参数，利用
和
的比值并查询和差比曲线得到俯仰角参数；
实施例中分别计算三个目标的角度，和通道数据和方位差通道数据用来计算方位角，和通道数据和俯仰差通道数据用来计算俯仰角，每个目标送来7个距离门数据，测角的结果为这7个数据的平均值。
测角单元6将初始估计目标的计算次数送入循环7单元中。
(7)重复步骤(3)至(6)n次，得到所有目标的距离、多普勒频率和角度参数；
实施例中，n＝2，则需要将步骤(3)至步骤(6)重复2次，共得到3个目标的参数信息，只是第一次得到二个真实目标的参数，第二次得到第三个真实目标的参数。
循环7单元判断是否结束循环，结束后将信息送入目标信息综合8单元中。
(8)对目标的信息进行综合，将测量得到的距离和角度等信息综合后进行输出。
实施例中，需要综合的信息包括目标数据、目标距离、幅度、方位角和俯仰角。
另外，步骤(2)中二维恒虚警检测可以采用距离维检测和多普勒频率维检测级联来处理。实施例中采用二维恒虚警检测。
步骤(2)中恒虚警处理可以采用单元平均CFAR，选大CFAR，选小CFAR，排序CFAR等算法。实施例中采用单元平均CFAR。
步骤(3)中超分辨谱估计方法，可以采用最小方差算法、常规波束形成、多重信号分类算法、最大熵算法、最小模算法等来进行。实施例中采用最小方差算法。
虽然结合附图描述了本发明的实施方式，但是本领域普通技术人员可以在所附权利要求的范围内作出各种变形或修改。
Claims (4)
1.时频域分级多目标分辨与测量方法，包括如下技术步骤：
(1)将和通道接收的K个相参脉冲进行分块，分成k块，求和后得到积累脉冲组数据，再对脉冲组进行离散傅里叶变换，得到时频域数据
其中，XΣ表示和通道数据矢量，XΣi为XΣ的第i个分块脉冲组，i＝1，2，…，k，YΣ为积累后的脉冲组数据，DFT[·]为离散傅里叶变换的运算符，ZΣ为积累脉冲变换后的时频域数据；
(2)对时频域数据ZΣ取绝对值后进行二维恒虚警检测，凝聚后得到初步的目标数估计n、目标距离估计值
及多普勒频率估计值
(3)根据
提取XΣ中的目标距离左右共2rM+1个距离门的目标数据X′Σ，并对数据进行超分辨谱估计，搜索多普勒谱曲线的极大值得到多普勒频率估计值
其中，
rM为小于发射脉冲宽度和采样率乘积的一半的正整数，a(f)为多普勒频率导向矢量，f的搜索范围为
fM＝Fr·k/K，Fr为脉冲重复频率，Δf为搜索步长；
(4)根据
得到相应距离门数据AΣ，对其进行一维检测得到目标的距离门参数
和其幅度值
其中，AΣ是2rM+1维矢量对应的幅度；
(5)根据
和
分别提取方位差通道数据和俯仰差通道数据，并计算对应的幅度值
其中，
XΔ1和XΔ1分别为方位差和俯仰差通道的相参脉冲；
(6)利用
和
的比值并查询和差比曲线得到方位角参数，利用
和
的比值并查询和差比曲线得到俯仰角参数；
(7)重复步骤(3)至(6)n次，得到所有目标的距离、多普勒频率和角度参数；
(8)对目标的信息进行综合，将测量得到的距离和角度信息综合后进行输出。
2.根据权利要求1所述时频域分级多目标分辨与测量方法，其特征在于，步骤(2)中二维恒虚警检测采用距离维检测和多普勒频率维检测级联来处理。
3.根据权利要求1所述时频域分级多目标分辨与测量方法，其特征在于，步骤(2)中恒虚警处理采用单元平均CFAR，选大CFAR，选小CFAR或排序CFAR算法。
4.根据权利要求1所述时频域分级多目标分辨与测量方法，其特征在于，步骤(3)中超分辨谱估计方法，采用最小方差算法、常规波束形成、多重信号分类算法、最大熵算法或最小模算法来进行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911225401.6A CN110967677B (zh) | 2019-11-25 | 2019-11-25 | 时频域分级多目标分辨与测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911225401.6A CN110967677B (zh) | 2019-11-25 | 2019-11-25 | 时频域分级多目标分辨与测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110967677A CN110967677A (zh) | 2020-04-07 |
| CN110967677B true CN110967677B (zh) | 2023-04-07 |
Family
ID=70032915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911225401.6A Active CN110967677B (zh) | 2019-11-25 | 2019-11-25 | 时频域分级多目标分辨与测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110967677B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111580041B (zh) * | 2020-04-17 | 2022-04-15 | 北京理工大学 | 一种基于参考信号的微弱目标双通道单脉冲测角方法 |
| CN112014833B (zh) * | 2020-09-04 | 2023-11-14 | 上海无线电设备研究所 | 一种高速目标时频域探测方法 |
| US20240280692A1 (en) * | 2023-02-20 | 2024-08-22 | Nxp B.V. | Fine-near-range estimation method for automotive radar applications |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
| CN101825707A (zh) * | 2010-03-31 | 2010-09-08 | 北京航空航天大学 | 基于Keystone变换和相参积累的单脉冲测角方法 |
| CN101872014A (zh) * | 2010-06-18 | 2010-10-27 | 深圳麒景雷信科技有限公司 | 基于改进的cosgo-cfar的目标信号检测方法 |
| WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 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 |
| CN108469608A (zh) * | 2018-03-21 | 2018-08-31 | 电子科技大学 | 一种运动平台雷达多普勒质心精确估计方法 |
| CN109358325A (zh) * | 2018-12-06 | 2019-02-19 | 西安电子科技大学 | 起伏地形背景下雷达高度表的地形反演方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7522089B2 (en) * | 2006-06-12 | 2009-04-21 | Raytheon Company | Airborne look-down doppler radar tracking of hovering helicopters using rotor features |
-
2019
- 2019-11-25 CN CN201911225401.6A patent/CN110967677B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
| CN101825707A (zh) * | 2010-03-31 | 2010-09-08 | 北京航空航天大学 | 基于Keystone变换和相参积累的单脉冲测角方法 |
| CN101872014A (zh) * | 2010-06-18 | 2010-10-27 | 深圳麒景雷信科技有限公司 | 基于改进的cosgo-cfar的目标信号检测方法 |
| WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 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 |
| CN108469608A (zh) * | 2018-03-21 | 2018-08-31 | 电子科技大学 | 一种运动平台雷达多普勒质心精确估计方法 |
| CN109358325A (zh) * | 2018-12-06 | 2019-02-19 | 西安电子科技大学 | 起伏地形背景下雷达高度表的地形反演方法 |
Non-Patent Citations (2)
| Title |
|---|
| 汤春林 ; 汪学刚 ; 陈祝明 ; .基于距离走动校正的星载雷达空中动目标检测.电子测量与仪器学报.2011,(第10期),全文. * |
| 蒋培培 ; 王建 ; .小型化高频地波雷达舰船目标检测方法.电讯技术.2016,(第06期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110967677A (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110967677B (zh) | 时频域分级多目标分辨与测量方法 | |
| CN101738606B (zh) | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 | |
| CN109581352B (zh) | 一种基于毫米波雷达的超分辨测角系统 | |
| CN111077524B (zh) | 一种sar-gmti动目标重定位改进方法 | |
| CN109324322B (zh) | 一种基于被动相控阵天线的测向与目标识别方法 | |
| CN109375202B (zh) | 一种基于车载毫米波雷达的车辆测距测速方法 | |
| CN111142105A (zh) | 复杂运动目标isar成像方法 | |
| US20110102242A1 (en) | Radar apparatus | |
| CN102914773B (zh) | 一种多航过圆周sar三维成像方法 | |
| CN111896947A (zh) | 一种用于汽车毫米波雷达的快速超分辨跟踪系统及方法 | |
| CN111007503B (zh) | 基于频率谱精确定位的运动目标聚焦和定位方法及系统 | |
| CN111856444A (zh) | 一种基于uwb多目标定位追踪方法 | |
| CN111707996B (zh) | 基于改进grft-stap的geo星机sar动目标检测方法 | |
| CN113702940B (zh) | 基于多元特征信息分层融合空间集群目标分辨方法及应用 | |
| Park et al. | Length prediction of moving vehicles using a commercial FMCW radar | |
| CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
| US20210326581A1 (en) | DNN-Based Human Face Classification | |
| CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
| CN115877380A (zh) | 一种sar多运动目标成像方法、装置和存储介质 | |
| CN112859007B (zh) | 一种基于极化分解的海杂波背景下弱小目标检测识别方法 | |
| Hayashi et al. | In corporation of Super-resolution Doppler Analysis and Compressed Sensing Filter for UWB Human Body Imaging Radar | |
| Liu et al. | A Split Iterative Adaptive Approach for Super-Resolution Imaging of Sparse Scene | |
| An et al. | Time-Varying Angle Estimation of Multiple Unresolved Extended Targets via Monopulse Radar | |
| Ren et al. | Research and Implementation of 77GHz Automotive Radar Target Detection Technology | |
| Hong et al. | Single-channel UWB SAR ground moving targets detection method using change detection based on single-pass sub-aperture images |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: Box 715, 288 Huangpu street, Wuhan City, Hubei Province, 430019 Patentee after: AIR FORCE EARLY WARNING ACADEMY Address before: First Series Radar Weapon Application Engineering Laboratory, No. 288 Huangpu Street, Wuhan City, Hubei Province, 430019 Patentee before: AIR FORCE EARLY WARNING ACADEMY |
|
| CP02 | Change in the address of a patent holder |