CN111198358B - 一种基于相关检测的多旋翼无人机回波积累方法 - Google Patents

一种基于相关检测的多旋翼无人机回波积累方法 Download PDF

Info

Publication number
CN111198358B
CN111198358B CN202010031753.4A CN202010031753A CN111198358B CN 111198358 B CN111198358 B CN 111198358B CN 202010031753 A CN202010031753 A CN 202010031753A CN 111198358 B CN111198358 B CN 111198358B
Authority
CN
China
Prior art keywords
rotor
echo
signal
correlation
detection
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
Application number
CN202010031753.4A
Other languages
English (en)
Other versions
CN111198358A (zh
Inventor
廖可非
徐俊辉
欧阳缮
廖桂生
杨景
谢跃雷
晋良念
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.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
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 Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN202010031753.4A priority Critical patent/CN111198358B/zh
Publication of CN111198358A publication Critical patent/CN111198358A/zh
Application granted granted Critical
Publication of CN111198358B publication Critical patent/CN111198358B/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
    • G01S7/41—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
    • 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
    • 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相关检测的多旋翼无人机回波积累方法，包括如下步骤：S1、设定雷达检测场景的系统参数；S2、采集原始回波信号，记为y(t)；S3、根据系统参数建立旋翼回波表达式s(t)；S4、根据数据库中无人机参数及旋翼回波表达式s(t)，设立参考信号H(t)；S5、将H(t)与y(t)做相关函数处理，得到原始回波信号y(t)与参考信号H(t)的相关系数函数；S6、对相关系数函数做门限检测，记录检测到的峰值点；S7、根据相关函数中检测到的各峰值点的时间τ，在原始回波信号中找到各旋翼主瓣位置，以闪烁时间宽度ΔT为时长取出各旋翼主瓣，分别累加到时间τ最小峰值点所在的旋翼主瓣上，完成各旋翼回波的相干积累。本发明方法利用相关检测的方法，提高了回波信号的信噪比，增加了目标的检测概率。

Description

一种基于相关检测的多旋翼无人机回波积累方法
技术领域
本发明涉及雷达信号处理领域，具体是一种基于相关检测的多旋翼无人机回波积累方法。
背景技术
随着科技的发展以及技术的进步，各种军事化武器层出不穷。在现代战争中，制空权的掌控对于国家的安防至关重要，雷达以能够全天候工作，反应速度快，探测距离远，在空域安放中扮演了至关重要的角色。各式各样的新型飞行器不断出现，对空域安全产生了新的威胁，也对雷达的目标检测提出了新要求。
在各类新型飞行器中，对以无人机为代表的“低小慢”目标检测尤为热门。在常规的雷达目标检测时，通常以目标速度对雷达信号造成的多普勒频偏来区分目标和一些静态物体，完成目标检测。而“低小慢”目标的飞行高度低，飞行速度慢，目标的RCS小，引起了目标探测时杂波复杂多样，多普勒频域与地物杂波混叠严重，回波信号信噪比低等情况，造成了目标检测十分困难。
在“低小慢”目标检测时，因为目标速度较慢甚至悬停，不能用速度将其与其他物体区别开来，所以通常会研究目标的微动特征，以分析目标的一些特性，用于目标的检测。但目标本身就小，其带有微动信息的信号回波信噪比更低，对微动特征的研究造成极大困难。
发明内容
本发明针对现有技术的不足，提供了一种基于相关检测的多旋翼无人机回波积累方法，该方法可以有效提高多旋翼无人机旋翼回波的信噪比，增加目标的检测概率。
本发明一种基于相关检测的多旋翼无人机回波积累方法，包括如下步骤：
S1、设定雷达检测场景的系统参数；
S2、采集原始回波信号，记为y(t)；
S3、根据系统参数建立旋翼回波表达式s(t)；
S4、根据数据库中无人机参数及旋翼回波表达式s(t)，设立参考信号H(t)；
S5、将H(t)与y(t)做相关函数处理，得到原始回波信号y(t)与参考信号H(t)的相关系数函数；
S6、对相关系数函数做门限检测，记录检测到的峰值点；
S7、根据相关函数中检测到的各峰值点的时间τ，在原始回波信号中找到各旋翼主瓣位置，以闪烁时间宽度ΔT为时长取出各旋翼主瓣，分别累加到时间τ最小峰值点所在的旋翼主瓣上，完成各旋翼回波的相干积累。
所述的S1中，雷达检测场景的系统参数，雷达到无人机距离为R，无人机的方位角为α，俯仰角为β，机臂的水平夹角为ψ，旋翼叶片的初始相位为
Figure BDA0002364574750000022
机臂长度为L，叶片长度为l，旋翼转速为fr。
所述的S3中，旋翼回波表达式为：
Figure BDA0002364574750000021
公式中s(t)为参考信号，N为旋翼的叶片个数，fc为雷达载波频率，λ为雷达信号波长，sinc(·)表示辛格函数。
所述的S4中，根据先验知识数据库中各型号无人机参数，可得到无人机机臂长度、叶片长度、旋翼转速、叶片个数等具体参数的数据，代入S3旋翼回波表达式s(t)中，得到参考信号H(t)。
所述的S5中，将H(t)与y(t)做相关函数处理，原始回波信号y(t)与参考信号H(t)的相关系数函数表示为：
Figure BDA0002364574750000031
其中τ表示延迟时间，CovyH(τ)表示原始信号y(t)与参考信号H(t)的互协方差，Covy(0)为原始信号y(t)的方差，CovH(0)为参考信号H(t)的方差。
所述的S6中，检测门限由回波信号信噪比决定，信噪比越低，检测门限越小。
所述的S7中，闪烁时间宽度ΔT的表达式为：
Figure BDA0002364574750000032
其中λ为雷达信号的波长，fr为旋翼转速，l为叶片长度，β是目标的俯仰向，k是系数，当N为偶数时k为1，当N为奇数时k为2。
本发明方法与现有技术相比具有以下优点：
第一，本发明方法利用相关检测的方法，检测出多旋翼无人机各旋翼初相，对初相补偿进行相干积累，将各旋翼的回波能量积累到一起，提高了回波信号的信噪比，增加了目标的检测概率。
第二，在经本发明方法进行回波积累后，多个旋翼的回波能量集中到一个旋翼上，旋翼回波的闪烁周期，闪烁时间宽度等特征，相比积累之前更加明显，在后续目标的识别、分类时，更易通过旋翼的回波特征将无人机目标与其它目标区分开来。
附图说明
图1是本发明方法流程图。
图2是检测场景示意图。
图3是某型号无人机原始回波信号
图4是某型号无人机旋翼回波参考信号。
图5是参考信号与原始回波信号互相关函数。
图6相干积累后的无人机回波信号。
具体实施方式
下面结合附图和仿真实验进一步详细描述本发明，本发明的仿真实验的软件平台为MATLAB R2016b。
无人机旋翼的回波在时域上表现为sinc函数形状的周期闪烁，其闪烁脉冲时宽小，脉峰过后衰减迅速，其能量主要集中在主瓣上，旁瓣几乎没有旋翼回波能量。在旋翼与雷达指向垂直时，旋翼回波出现极短闪烁脉冲。无人机通常有多个旋翼，初相并不相同，导致其在旋转过程中到达与雷达视线垂直的时刻各不相同，反映在无人机回波上即会表现出各旋翼所对应的sinc函数主瓣闪烁出现在不同时刻。由于闪烁脉冲时宽小，可认为各旋翼主瓣是互不重叠的，且旁瓣几乎没有旋翼回波能量，各旋翼主瓣累加的其它旋翼的旁瓣能量可忽略不计。在无人机处于悬停或匀速飞行时，各旋翼转速可认为是一致的，其回波除了存在时差外，其它特性一致，若能找出各旋翼主瓣时差，将多个旋翼主瓣进行积累，可提高无人机回波信噪比，提高旋翼回波检测概率。
如图1所示，本发明提供一种基于相关检测的多旋翼无人机回波积累方法，具体步骤如下：
S1、设定雷达检测场景的系统参数；
实验中首先对雷达检测场景参数和雷达系统参数设定，雷达检测场景如图2所示，系统参数：雷达到无人机距离R为1.5km,，无人机的方位角为α，俯仰角为β，机臂的水平夹角为ψ，旋翼叶片的初始相位为
Figure BDA0002364574750000041
无人机旋翼个数为M，无人机臂长为L，旋翼叶片个数为N，叶片长度为l，旋翼转速为fr；雷达的系统参数：雷达体系为脉冲多普勒雷达，雷达载频fc为4.8GHz,脉冲重复频率PRF为10KHz，脉宽为20μs。
S2、采集原始回波信号，记为y(t)；
图3为某四旋翼无人机原始回波信号，可以看出，旋翼回波在低信噪比条件下，被噪声淹没，无法看出旋翼回波特征。
S3、根据系统参数得到旋翼回波表达式s(t)；
旋翼回波表达式为：
Figure BDA0002364574750000051
公式中s(t)为参考信号，N为旋翼的叶片个数，fc为雷达载波频率，λ为雷达信号波长，sinc(·)表示辛格函数。
S4、根据数据库中无人机参数及旋翼回波表达式，设立参考信号H(t)；
实验中选取先验知识数据库中某一型号的无人机参数，其机臂长度为0.3m，叶片长度为0.2m，转速fr为20转/s，叶片个数为2。无人机通常处于低空飞行，其俯仰角β可取固定值π/6，方位角α为0，机臂水平夹角ψ为0，旋翼叶片的初始相位
Figure BDA0002364574750000052
为0。将具体参数代入S3中可得到参考信号H(t)。图4为某一型号无人机旋翼回波的参考信号，可以看出旋翼回波的闪烁脉冲时宽小，脉峰过后衰减迅速，其能量主要集中在主瓣上，旁瓣几乎没有旋翼回波能量。
S5、将H(t)与y(t)做相关处理，得到原始回波信号y(t)与参考信号H(t)的相关系数函数；
将H(t)与y(t)做相关处理，原始回波信号y(t)与参考信号H(t)的相关系数函数可表示为：
Figure BDA0002364574750000061
其中τ表示延迟时间。CovyH(τ)表示原始信号y(t)与参考信号H(t)的互协方差，Covy(0)为原始信号y(t)的方差，CovH(0)为参考信号H(t)的方差。相关函数反映原始信号与参考信号的相似程度，原始信号与参考信号越相似，相关系数ρ越大，相关函数具有与参考信号一致的周期性，即ρ(τ)＝ρ(τ+Tp)，Tp为信号的闪烁周期，τ表示两个信号的延时，当两信号相似但存在一定延时t时，相关系数函数ρ(τ)在τ＝t时取得最大值。旋翼回波信号因初相存在延时差，其范围为[-π/N,π/N]，故τ可取[-Tp/2,Tp/2]区间，Tp的表达式为：
Figure BDA0002364574750000062
其中fr为旋翼转速，N为叶片个数，k是系数，当N为偶数时k为1，当N为奇数时k为2；
实验中叶片个数N为2，N为偶数，k取1，旋翼转速fr为20，根据闪烁周期表达式，可计算出闪烁周期Tp为0.025s,相关函数时间轴τ取值范围为[-0.0125,0.0s。
S6、对相关系数函数做门限检测，记录检测到的峰值点；
如图5所示，对S5所得相关函数做门限检测，检测门限ρT为0.1，可以明显的看到检测到四峰值点，对应四个旋翼的回波信号。横坐标为时间τ，表示两个相关信号的延时差，纵坐标为相关系数ρ，表示信号的相关程度。图5中四个峰值点横坐标分别为[-0.0078,0.0009，0.0032，0.0099]s，表示四个旋翼因初相造成的与参考信号的延时差。
S7、根据相关函数中检测到的各峰值点的时间τ，在原始回波信号中找到各旋翼主瓣位置，以闪烁时间宽度ΔT为时长取出各旋翼主瓣，分别累加到时间τ最小峰值点所在的旋翼主瓣上，完成各旋翼的相干积累；
闪烁时间宽度ΔT的表达式为：
Figure BDA0002364574750000071
其中λ为雷达信号的波长，fr为旋翼转速，l为叶片长度，β是目标的俯仰角，k是系数，当N为偶数时k为1，当N为奇数时k为2；
图6为相干积累后的信号，可以看到干积累后旋翼回波信号信噪比显著提高，信号的闪烁周期十分明显，体现为一个周期性的脉冲信号。
相干积累的具体操作为：首先将原始回波以闪烁周期Tp分为若干段，然后找出各旋翼回波主瓣位置，S6中所记录的各峰值点横坐标为各旋翼回波与参考信号时间差，要找到各旋翼回波主瓣位置，只需将参考信号主瓣位置所在的时间加到各峰值横坐标上即可，根据S4中参考信号，可知参考信号主瓣在0.0125处，可以得到原始回波信号中四个旋翼回波主瓣位置坐标为[0.0047,，0.01，340。根据实验中无人机参数和闪烁时间宽度ΔT的表达式可计算出闪烁时间宽度ΔT为0.0017s。以各回波主瓣位置坐标为中心，闪烁时间宽度ΔT为时长取出各旋翼主瓣，分别累加到时差τ最小峰值点所在的旋翼主瓣上，完成各旋翼的相干积累，以闪烁周期Tp划分的各段执行相同操作。

Claims (6)

1.一种基于相关检测的多旋翼无人机回波积累方法，其特征在于，包括如下步骤：
S1、设定雷达检测场景的系统参数；
S2、采集原始回波信号，记为y(t)；
S3、根据系统参数建立旋翼回波表达式s(t)；
S4、根据数据库中无人机参数及旋翼回波表达式s(t)，设立参考信号H(t)；
S5、将H(t)与y(t)做相关函数处理，得到原始回波信号y(t)与参考信号H(t)的相关系数函数；
S6、对相关系数函数做门限检测，记录检测到的峰值点；
S7、根据相关函数中检测到的各峰值点的时间τ，在原始回波信号中找到各旋翼主瓣位置，以闪烁时间宽度ΔT为时长取出各旋翼主瓣，分别累加到时间τ最小峰值点所在的旋翼主瓣上，完成各旋翼回波的相干积累。
2.根据权利要求1所述的基于相关检测的多旋翼无人机回波积累方法，其特征在于：
所述的S1中，雷达检测场景的系统参数，雷达到无人机距离为R，无人机的方位角为α，俯仰角为β，机臂的水平夹角为ψ，旋翼叶片的初始相位为
Figure FDA0003591144860000011
机臂长度为L，叶片长度为l，旋翼转速为fr。
3.根据权利要求2所述的基于相关检测的多旋翼无人机回波积累方法，其特征在于：
所述的S3中，旋翼回波表达式为：
Figure FDA0003591144860000012
公式中s(t)为参考信号，N为旋翼的叶片个数，fc为雷达载波频率，λ为雷达信号波长，sinc(·)表示辛格函数。
4.根据权利要求1所述的基于相关检测的多旋翼无人机回波积累方法，其特征在于：
所述的S4中，根据先验知识数据库中各型号无人机参数，可得到无人机机臂长度、叶片长度、旋翼转速、叶片个数具体参数的数据，代入S3旋翼回波表达式s(t)中，得到参考信号H(t)。
5.根据权利要求1所述的基于相关检测的多旋翼无人机回波积累方法，其特征在于：
所述的S5中，将H(t)与y(t)做相关处理，原始回波信号y(t)与参考信号H(t)的相关系数函数可表示为：
Figure FDA0003591144860000021
其中τ表示延迟时间，CovyH(τ)表示原始信号y(t)与参考信号H(t)的互协方差，Covy(0)为原始信号y(t)的方差，CovH(0)为参考信号H(t)的方差。
6.根据权利要求3所述的基于相关检测的多旋翼无人机回波积累方法，其特征在于：
所述的S7中，闪烁时间宽度ΔT的表达式为：
Figure FDA0003591144860000022
其中λ为雷达信号的波长，fr为旋翼转速，l为叶片长度，β是目标的俯仰角，k是系数，当N为偶数时k为1，当N为奇数时k为2。
CN202010031753.4A 2020-01-11 2020-01-11 一种基于相关检测的多旋翼无人机回波积累方法 Active CN111198358B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010031753.4A CN111198358B (zh) 2020-01-11 2020-01-11 一种基于相关检测的多旋翼无人机回波积累方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010031753.4A CN111198358B (zh) 2020-01-11 2020-01-11 一种基于相关检测的多旋翼无人机回波积累方法

Publications (2)

Publication Number Publication Date
CN111198358A CN111198358A (zh) 2020-05-26
CN111198358B true CN111198358B (zh) 2022-06-03

Family

ID=70744653

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010031753.4A Active CN111198358B (zh) 2020-01-11 2020-01-11 一种基于相关检测的多旋翼无人机回波积累方法

Country Status (1)

Country Link
CN (1) CN111198358B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307644B (zh) * 2020-11-20 2021-07-27 金陵科技学院 一种电大尺寸目标的rcs计算方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077787A (zh) * 2014-07-08 2014-10-01 西安电子科技大学 一种基于时域和多普勒域的飞机目标分类方法
CN104297748A (zh) * 2014-10-20 2015-01-21 西安电子科技大学 一种基于轨迹增强的雷达目标检测前跟踪方法
CN105445716A (zh) * 2015-11-25 2016-03-30 上海无线电设备研究所 一种基于旋翼回波信号时域自相关的悬停直升机检测方法
CN107004961A (zh) * 2017-01-22 2017-08-01 深圳市大疆创新科技有限公司 二维天线系统、用于定位目标的方法和设备
CN107167801A (zh) * 2017-05-12 2017-09-15 成都电科智达科技有限公司 一种基于旋翼微多普勒特征的多旋翼无人机识别方法
CN110488237A (zh) * 2019-08-01 2019-11-22 浙江大学 一种基于调频连续波雷达对无人机旋翼数目进行分类的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104077787A (zh) * 2014-07-08 2014-10-01 西安电子科技大学 一种基于时域和多普勒域的飞机目标分类方法
CN104297748A (zh) * 2014-10-20 2015-01-21 西安电子科技大学 一种基于轨迹增强的雷达目标检测前跟踪方法
CN105445716A (zh) * 2015-11-25 2016-03-30 上海无线电设备研究所 一种基于旋翼回波信号时域自相关的悬停直升机检测方法
CN107004961A (zh) * 2017-01-22 2017-08-01 深圳市大疆创新科技有限公司 二维天线系统、用于定位目标的方法和设备
CN107167801A (zh) * 2017-05-12 2017-09-15 成都电科智达科技有限公司 一种基于旋翼微多普勒特征的多旋翼无人机识别方法
CN110488237A (zh) * 2019-08-01 2019-11-22 浙江大学 一种基于调频连续波雷达对无人机旋翼数目进行分类的方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
《Noise Reduction Method Based on Principal Component Analysis With Beta Process for Micro-Doppler Radar Signatures》;Lan Du;《 IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 》;20150716;第8卷(第8期);4028-4040 *
《Study and Simulation of Radar Targets" Micro-Doppler Signature》;Reena Mamgain;《2018 International Conference on Radar (RADAR)》;20180831;全文 *
《The Extraction of Micro-Doppler Signal With EMD Algorithm for Radar-Based Small UAVs’ Detection》;Yichao Zhao;《IEEE Transactions on Instrumentation and Measurement》;20190411;第69卷(第3期);929-940 *
《一种旋翼叶片微动特征提取新方法》;陈永彬;《雷达科学与技术》;20170228;第15卷(第1期);全文 *
《悬停直升机回波信号检测和分类》;李道京;《航空学报》;20030930;第24卷(第5期);全文 *
《毫米波雷达对直升机旋翼回波检测研究》;贺治华;《电子学报》;20080615;第36卷(第6期);全文 *
《直升机旋翼叶片回波建模与特性分析》;陈永彬;《空军预警学院学报》;20151015;第29卷(第5期);全文 *
《雷达低速目标检测方法研究》;陆晨阳;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20160315(第3期);I136-2521 *

Also Published As

Publication number Publication date
CN111198358A (zh) 2020-05-26

Similar Documents

Publication Publication Date Title
CN107167801B (zh) 一种基于旋翼微多普勒特征的多旋翼无人机识别方法
CN110609262B (zh) 一种场面监视雷达的三维恒虚警检测方法
CN106872954B (zh) 一种高超声速平台杂波抑制和运动目标成像方法
CN111198359B (zh) 一种基于目标多普勒宽度的旋翼无人机检测方法
CN108957443B (zh) 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法
CN105093215B (zh) 基于多普勒信息的雷达对低空慢速小目标的跟踪方法
CN104931949B (zh) 雷达扫描模式下风轮机杂波背景下飞机目标检测方法
CN108344982B (zh) 基于长时间相参积累的小型无人机目标雷达检测方法
CN105652258B (zh) 多项式拉东‑多项式傅里叶变换的高超声速目标检测方法
CN103323829A (zh) 基于Radon-分数阶模糊函数的雷达动目标长时间相参积累检测方法
CN111123214A (zh) 多项式旋转-多项式傅里叶变换的高速高机动目标检测方法
CN109117776B (zh) 基于航迹信息的飞机与气象杂波分类识别方法
CN108919221A (zh) 一种用于变加速运动目标的相参积累检测方法
CN109655802A (zh) 一种基于clean算法的多目标粒子群长时间积累检测方法
CN102621536B (zh) 基于relax的空中多机动目标检测与参数估计方法
CN113311398A (zh) 强杂波复杂背景高机动弱小目标的跟踪方法
CN111198358B (zh) 一种基于相关检测的多旋翼无人机回波积累方法
CN109870693A (zh) 一种风力涡轮机杂波检测方法
CN112835006B (zh) 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统
CN104375128A (zh) 一种基于互相关函数的高机动目标快速积累检测方法
CN111796247B (zh) 一种基于微多普勒效应的群组无人机回波仿真方法
CN108776332A (zh) 利用高频地波雷达检测海上机动目标的方法
CN105548987B (zh) 一种连续波雷达目标加速度盲估计方法
CN110208788B (zh) 一种基于滑窗的连续帧联合速度解模糊方法
CN114236489B (zh) 运动平台下的悬停旋翼机检测方法

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