CN111308438B - 一种回波数据散射特征提取方法及系统 - Google Patents
一种回波数据散射特征提取方法及系统 Download PDFInfo
- Publication number
- CN111308438B CN111308438B CN202010151295.8A CN202010151295A CN111308438B CN 111308438 B CN111308438 B CN 111308438B CN 202010151295 A CN202010151295 A CN 202010151295A CN 111308438 B CN111308438 B CN 111308438B
- Authority
- CN
- China
- Prior art keywords
- matrix
- singular
- echo data
- scattering center
- representing
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Abstract
本发明涉及一种回波数据散射特征提取方法及系统,包括将获取的雷达回波数据处理得到具有Hankel矩阵形式的回波数据矩阵;计算回波数据矩阵的自相关函数和互相关函数;对自相关函数进行奇异值分解确定最小奇异值,利用互相关函数和最小奇异值构建降噪矩阵;对矩阵束进行广义特征值分解得到广义特征值,并根据广义特征值估算散射中心位置信息、估算散射中心类型和散射中心幅度;矩阵束是根据降噪矩阵以及对自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的。采用本发明一定程度上降低了噪声对信号的影响,使得在低信噪比条件下散射中心参数提取精度得到提高。
Description
技术领域
本发明涉及回波数据散射特征检测领域,特别是涉及一种回波数据散射特征提取方法及系统。
背景技术
现有的TLS-ESPRIT(Total Least Squares-Estimating Signal Parameter viaRotational Invariance Techniques,TLS-ESPRIT)算法是一种阵列信号中的超分辨算法,可以应用于复杂目标散射中心参数的提取,存在着在低信噪比条件下散射中心参数提取误差大、准确率低的缺点。
发明内容
本发明的目的是提供一种回波数据散射特征提取方法及系统,通过将回波数据进行叠加重新排成具有Hankel矩阵的形式,达到了在低信噪比条件下提高散射中心参数提取精度的目的。
为实现上述目的,本发明提供了如下方案:
一种回波数据散射特征提取方法,包括:
获取雷达回波数据并进行处理,得到具有Hankel矩阵形式的回波数据矩阵;
计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数;所述平移矩阵为所述回波数据矩阵平移后的矩阵;
对所述自相关函数进行奇异值分解,确定最小奇异值;
利用所述互相关函数和所述最小奇异值,构建降噪矩阵;
对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息;所述矩阵束是根据所述降噪矩阵以及对所述自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的;
根据信号模式矢量和所述散射中心位置信息估算散射中心类型;
根据散射中心响应矩阵估算散射中心幅度。
可选的,所述计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数,具体包括:
可选的,所述对所述自相关函数进行奇异值分解,确定最小奇异值,具体包括:
根据公式进行奇异值分解;其中,Σ表示对自相关函数做奇异值分解后所有奇异值组成的对角矩阵;表示I个主奇异值构成的对角矩阵;Uh1表示I个主左奇异矢量构成的矩阵,Vh1表示I个主右奇异矢量构成的矩阵,Uh1和Vh1表示信号子空间;表示P-I个非主奇异值构成的对角矩阵;Uh2表示P-I个非主左奇异矢量构成的矩阵,Vh2表示P-I个非主右奇异矢量构成的矩阵,Uh2和Vh2表示信号的噪声子空间;
利用matlab仿真软件对所有奇异值组成的对角矩阵Σ中的奇异值进行排序,确定最小奇异值σ2。
可选的,所述利用所述互相关函数和所述最小奇异值,构建降噪矩阵,具体包括:
可选的,所述对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息,具体包括:
其中,ri为第i个散射中心在雷达坐标系中的位置,Pi为第i个散射中心的广义特征值,ang为求解复数相角的函数,c为光速,Δf为步进频率之间的间隔。
一种回波数据散射特征提取系统,包括:
回波数据矩阵确定模块,用于获取雷达回波数据并进行处理,得到具有Hankel矩阵形式的回波数据矩阵;
相关函数计算模块,用于计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数;所述平移矩阵为所述回波数据矩阵平移后的矩阵;
最小奇异值确定模块,用于对所述自相关函数进行奇异值分解,确定最小奇异值;
降噪矩阵构建模块,用于利用所述互相关函数和所述最小奇异值,构建降噪矩阵;
散射中心位置信息估算模块,用于对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息;所述矩阵束是根据所述降噪矩阵以及对所述自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的;
散射中心类型估算模块,用于根据信号模式矢量和所述散射中心位置信息估算散射中心类型;
散射中心幅度估算模块,用于根据散射中心响应矩阵估算散射中心幅度。
可选的,所述相关函数计算模块,具体包括:
可选的,所述最小奇异值确定模块,具体包括:
奇异值分解单元,用于根据公式进行奇异值分解;其中,Σ表示对自相关函数做奇异值分解后所有奇异值组成的对角矩阵;表示I个主奇异值构成的对角矩阵;Uh1表示I个主左奇异矢量构成的矩阵,Vh1表示I个主右奇异矢量构成的矩阵,Uh1和Vh1表示信号子空间;表示P-I个非主奇异值构成的对角矩阵;Uh2表示P-I个非主左奇异矢量构成的矩阵,Vh2表示P-I个非主右奇异矢量构成的矩阵,Uh2和Vh2表示信号的噪声子空间;
最小奇异值确定单元,用于利用matlab仿真软件对所有奇异值组成的对角矩阵Σ中的奇异值进行排序,确定最小奇异值σ2。
可选的,所述降噪矩阵构建模块,具体包括:
可选的,所述散射中心位置信息估算模块,具体包括:
其中,ri为第i个散射中心在雷达坐标系中的位置,Pi为第i个散射中心的广义特征值,ang为求解复数相角的函数,c为光速,Δf为步进频率之间的间隔。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
原有的TLS-ESPRIT算法中对回波数据的处理是引入了P×1的维向量,仅利用部分数据,对数据的利用不充分。在本发明中,创新的引入Hankel矩阵,将回波数据重排成具有Hankel矩阵的形式,一定程度上降低了噪声对信号的影响,使得在低信噪比条件下散射中心参数提取精度得到提高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种回波数据散射特征提取方法的流程图;
图2为本发明与现有技术散射中心距离信息对比图;图2(a)为r1均方差的对比图;图2(b)为r2均方差的对比图;图2(c)为r3均方差的对比图;图2(d)为r4均方差的对比图;图2(e)为r5均方差的对比图;
图3为本发明与现有技术散射中心类型信息对比图;图3(a)为α1正确率的对比图;图3(b)为α2正确率的对比图;图3(c)为α3正确率的对比图;图3(d)为α4正确率的对比图;图3(e)为α5正确率的对比图;
图4为本发明与现有技术散射中心幅度信息对比图;图4(a)为A1均方差的对比图;图4(b)为A2均方差的对比图;图4(c)为A3均方差的对比图;图4(d)为A4均方差的对比图;图4(e)为A5均方差的对比图;
图5为本发明一种回波数据散射特征提取系统的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种回波数据散射特征提取方法及系统,基于Hankel矩阵改进总体最小二乘旋转不变(Total Least Squares-Estimating Signal Parameter viaRotational Invariance Techniques,TLS-ESPRIT)算法对几何绕射理论(GeometricalTheory of Diffraction,GTD)的散射中心信号模型散射特征的提取,解决了在低信噪比条件下散射中心参数提取误差大、准确率低的难题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
TLS-ESPRIT算法对散射中心的提取是基于几何绕射理论(Geometrical TheoryofDiffraction,GTD)的散射中心信号模型,此模型可以精确的描述远场区隐身目标的电磁散射特性,具体形式如下:其中,fm=f0+m*Δf,f0为雷达发射信号的起始频率,M表示发射频点总数,m=1,2,…,M;Δf为频率的间隔;I表示散射中心数目;Ai为第i个散射中心的散射强度;αi为第i个散射中心的类型;ri为第i个散射中心在雷达坐标系中的位置;c为光速;u(m)表示第m个发射频点的量测噪声,为加性复高斯白噪声。
原TLS-ESPRIT算法可以完成对基于几何绕射理论(Geometrical Theory ofDiffraction,GDT)模型的散射中心参数的提取,但是在低信噪比条件下散射中心参数提取误差大、准确率低,
为克服上述缺陷,本发明将Hankel矩阵引入TLS-ESPRIT算法的散射中心参数的提取中:即在回波数据处理上,将回波数据x(m)=E(m),m=1,2,...,M经过叠加处理,重新排成具有Hankel矩阵的形式。其中,数据计算均是基于matlab仿真软件完成,如图1所示,步骤如下:
步骤101:获取雷达回波数据并进行处理,得到具有Hankel矩阵形式的回波数据矩阵。
未引入Hankel矩阵的TLS-ESPRIT算法对回波数据的处理是引入两个向量,在本发明中将回波数据x(m)=E(m),m=1,2,...,M,M表示发射频点总数,经过叠加处理,重新排成具有Hankel矩阵形式的,即:
其中,M与I均可以看成是已知量,其中I表示散射中心的总数,M为发射频点总数,其中N=M-P+1,Xh和Yh之间相当于数据的平移。由《现代信号处理》(张贤达著)中关于TLS-ESPRIT算法就是引入两个互为平移的向量,在改进的算法中引入的是两个Hankel矩阵,利用矩阵的特殊性质完成改进的目的。Xh和Yh均是回波向量x(1),x(2),x(3),...,x(M-1),x(M)数据重排构成的矩阵,在数据的形式上相当于平移。
步骤102:计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数;所述平移矩阵为所述回波数据矩阵平移后的矩阵。
步骤103:对所述自相关函数进行奇异值分解,确定最小奇异值。
根据以下公式对所述自相关函数进行奇异值分解,该公式为:
其中,Σ表示对自相关函数做奇异值分解后所有奇异值组成的对角矩阵;U是信号子空间;V是信号的噪声子空间;是I个主奇异值构成的对角矩阵;Uh1是I个主左奇异矢量构成的矩阵,h为一个符号,无任何含义,Vh1是I个主右奇异矢量构成的矩阵,Uh1和Vh1是信号子空间;是P-I个非主奇异值构成的对角矩阵;Uh2是P-I个非主左奇异矢量构成的矩阵,Vh2是P-I个非主右奇异矢量构成的矩阵,Uh2和Vh2是信号的噪声子空间。
主奇异值与非主奇异值区别是:主奇异值对应的矩阵为信号子空间,非主奇异值对应的矩阵为噪声子空间。6个矩阵均为抽象矩阵,其中主奇异值构成的对角矩阵与非主奇异值构成的对角矩阵均为对角矩阵,余下的4个矩阵在形式上没有特点。
利用matlab仿真软件对所有奇异值组成的对角矩阵Σ中的奇异值进行排序,确定最小奇异值σ2。
步骤104:利用所述互相关函数和所述最小奇异值,构建降噪矩阵。
步骤105:对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息;所述矩阵束是根据所述降噪矩阵以及对所述自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的。
具体为:
根据所述第一矩阵和所述降噪矩阵,构建矩阵束;所述矩阵束为
ri为第i个散射中心在雷达坐标系中的位置,Pi为第i个散射中心的广义特征值,ang为求解复数相角的函数,c为光速,Δf为步进频率之间的间隔。
步骤106:根据信号模式矢量和所述散射中心位置信息估算散射中心类型。
其中,a*为引入的信号模式矢量;αi为第i个散射中心的类型;ri为第i个散射中心在雷达坐标系中的位置;f0为雷达发射信号的起始频率;j为虚数单位即j2=-1;f1表示第一个频点,f2表示第二个频点,fP表示第P个频点;c为光速;H表示共轭转置。
步骤107:根据散射中心响应矩阵估算散射中心幅度。
其中,为估计的散射中心幅度;A=[a(m1),a(m2),..a(mi).,a(mI)]是响应矩阵,a(mi)=[1,exp(jmi),...,exp(j(P-1)mi)]T,mi表示第i个频点,j为为虚数单位,即j2=-1,T表示矩阵的转置,H为矩阵的共轭转置。x表示未进行hankel矩阵重排前的回波数据向量。
散射中心参数由三个组成,分别是散射中心位置、散射中心类型以及散射中心幅度。步骤106-107是完成对散射中心类型以及幅度的估计,从侧面进行验证改进算法可以提高低信噪比条件下散射中心参数的估计精度。
采用本发明提供的技术方案和现有技术中的技术方案进行仿真,其结果对比图如图2-4所示。参数设置如表1所示。
表1 参数设置表
其中,X-TLS-ESPRIT的结果是采用文献:王菁,周建江《一种基于GTD模型的目标散射中心提取方法》仿真得来的结果,X-Hankel-TLS-ESPRIT结果是采用本发明提供的技术方案仿真得来的结果。
如图5所示,本发明还提供了一种回波数据散射特征提取系统,包括
回波数据矩阵确定模块201,用于获取雷达回波数据并进行处理,得到具有Hankel矩阵形式的回波数据矩阵。
相关函数计算模块202,用于计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数;所述平移矩阵为所述回波数据矩阵平移后的矩阵。
最小奇异值确定模块203,用于对所述自相关函数进行奇异值分解,确定最小奇异值。
降噪矩阵构建模块204,用于利用所述互相关函数和所述最小奇异值,构建降噪矩阵。
散射中心位置信息估算模块205,用于对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息;所述矩阵束是根据所述降噪矩阵以及对所述自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的。
散射中心类型估算模块206,用于根据信号模式矢量和所述散射中心位置信息估算散射中心类型。
散射中心幅度估算模块207,用于根据散射中心响应矩阵估算散射中心幅度。
所述相关函数计算模块202,具体包括:
所述最小奇异值确定模块203,具体包括:
奇异值分解单元,用于根据公式进行奇异值分解;其中,Σ表示对自相关函数做奇异值分解后所有奇异值组成的对角矩阵;表示I个主奇异值构成的对角矩阵;Uh1表示I个主左奇异矢量构成的矩阵,Vh1表示I个主右奇异矢量构成的矩阵,Uh1和Vh1表示信号子空间;表示P-I个非主奇异值构成的对角矩阵;Uh2表示P-I个非主左奇异矢量构成的矩阵,Vh2表示P-I个非主右奇异矢量构成的矩阵,Uh2和Vh2表示信号的噪声子空间。
最小奇异值确定单元,用于利用matlab仿真软件对所有奇异值组成的对角矩阵Σ中的奇异值进行排序,确定最小奇异值σ2。
所述降噪矩阵构建模块204,具体包括:
所述散射中心位置信息估算模块205,具体包括:
其中,ri为第i个散射中心在雷达坐标系中的位置,Pi为第i个散射中心的广义特征值,ang为求解复数相角的函数,c为光速,Δf为步进频率之间的间隔。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (2)
1.一种回波数据散射特征提取方法,其特征在于,包括:
获取雷达回波数据并进行处理,得到具有Hankel矩阵形式的回波数据矩阵;
计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数;所述平移矩阵为所述回波数据矩阵平移后的矩阵;
对所述自相关函数进行奇异值分解,确定最小奇异值;
利用所述互相关函数和所述最小奇异值,构建降噪矩阵;
对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息;所述矩阵束是根据所述降噪矩阵以及对所述自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的;
根据信号模式矢量和所述散射中心位置信息估算散射中心类型;
根据散射中心响应矩阵估算散射中心幅度;
所述计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数,具体包括:
Yh=Xh(m+1)
所述对所述自相关函数进行奇异值分解,确定最小奇异值,具体包括:
根据公式进行奇异值分解;其中,Σ表示对自相关函数做奇异值分解后所有奇异值组成的对角矩阵;表示I个主奇异值构成的对角矩阵;Uh1表示I个主左奇异矢量构成的矩阵,Vh1表示I个主右奇异矢量构成的矩阵,Uh1和Vh1表示信号子空间;表示P-I个非主奇异值构成的对角矩阵;Uh2表示P-I个非主左奇异矢量构成的矩阵,Vh2表示P-I个非主右奇异矢量构成的矩阵,Uh2和Vh2表示信号的噪声子空间;
利用matlab仿真软件对所有奇异值组成的对角矩阵Σ中的奇异值进行排序,确定最小奇异值σ2;
所述利用所述互相关函数和所述最小奇异值,构建降噪矩阵,具体包括:
所述对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息,具体包括:
其中,ri为第i个散射中心在雷达坐标系中的位置,Pi为第i个散射中心的广义特征值,ang为求解复数相角的函数,c为光速,Δf为步进频率之间的间隔。
2.一种回波数据散射特征提取系统,其特征在于,包括:
回波数据矩阵确定模块,用于获取雷达回波数据并进行处理,得到具有Hankel矩阵形式的回波数据矩阵;
相关函数计算模块,用于计算所述回波数据矩阵的自相关函数以及所述回波数据矩阵与平移矩阵之间的互相关函数;所述平移矩阵为所述回波数据矩阵平移后的矩阵;
最小奇异值确定模块,用于对所述自相关函数进行奇异值分解,确定最小奇异值;
降噪矩阵构建模块,用于利用所述互相关函数和所述最小奇异值,构建降噪矩阵;
散射中心位置信息估算模块,用于对矩阵束进行广义特征值分解,得到广义特征值,并根据所述广义特征值估算散射中心位置信息;所述矩阵束是根据所述降噪矩阵以及对所述自相关函数奇异值分解后得到的主左奇异矢量构成的矩阵、主奇异值构成的对角矩阵、主右奇异矢量构成的矩阵构建得到的;
散射中心类型估算模块,用于根据信号模式矢量和所述散射中心位置信息估算散射中心类型;
散射中心幅度估算模块,用于根据散射中心响应矩阵估算散射中心幅度;
所述相关函数计算模块,具体包括:
Yh=Xh(m+1)
所述最小奇异值确定模块,具体包括:
奇异值分解单元,用于根据公式进行奇异值分解;其中,Σ表示对自相关函数做奇异值分解后所有奇异值组成的对角矩阵;表示I个主奇异值构成的对角矩阵;Uh1表示I个主左奇异矢量构成的矩阵,Vh1表示I个主右奇异矢量构成的矩阵,Uh1和Vh1表示信号子空间;表示P-I个非主奇异值构成的对角矩阵;Uh2表示P-I个非主左奇异矢量构成的矩阵,Vh2表示P-I个非主右奇异矢量构成的矩阵,Uh2和Vh2表示信号的噪声子空间;
最小奇异值确定单元,用于利用matlab仿真软件对所有奇异值组成的对角矩阵Σ中的奇异值进行排序,确定最小奇异值σ2;
所述降噪矩阵构建模块,具体包括:
所述散射中心位置信息估算模块,具体包括:
其中,ri为第i个散射中心在雷达坐标系中的位置,Pi为第i个散射中心的广义特征值,ang为求解复数相角的函数,c为光速,Δf为步进频率之间的间隔。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010151295.8A CN111308438B (zh) | 2020-03-06 | 2020-03-06 | 一种回波数据散射特征提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010151295.8A CN111308438B (zh) | 2020-03-06 | 2020-03-06 | 一种回波数据散射特征提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111308438A CN111308438A (zh) | 2020-06-19 |
CN111308438B true CN111308438B (zh) | 2021-11-02 |
Family
ID=71149611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010151295.8A Active CN111308438B (zh) | 2020-03-06 | 2020-03-06 | 一种回波数据散射特征提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111308438B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781573B (zh) * | 2020-07-10 | 2024-03-19 | 中国人民解放军空军工程大学 | 基于改进3d-esprit算法的散射中心模型参数估计方法 |
CN111999712B (zh) * | 2020-08-05 | 2023-06-23 | 中国人民解放军空军工程大学 | 一种三维gtd散射中心模型的散射中心点的参数估计方法 |
CN112162254B (zh) * | 2020-09-10 | 2023-07-18 | 北京航空航天大学 | 基于超宽带信号估计目标径向速度和径向加速度的方法 |
CN112882111B (zh) * | 2021-01-18 | 2022-05-03 | 吉林大学 | 一种基于循环相关的磁共振响应信号参数提取方法及系统 |
CN113534137B (zh) * | 2021-06-07 | 2023-04-25 | 西安电子科技大学 | 基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 |
CN113721218B (zh) * | 2021-09-18 | 2023-12-08 | 中国人民解放军战略支援部队航天工程大学 | 一种异源雷达多频带带宽合成方法及系统 |
CN113987884B (zh) * | 2021-11-01 | 2022-12-20 | 芯和半导体科技(上海)有限公司 | 多导体传输线特性参数的确定方法、装置、设备和存储介质 |
CN114424930B (zh) * | 2022-01-07 | 2024-02-27 | 煤炭科学研究总院有限公司 | 基于奇异值分解的超宽带uwb生命信号数据处理方法和装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760547A (zh) * | 2014-01-24 | 2014-04-30 | 西安电子科技大学 | 基于互相关矩阵的双基mimo雷达角度估计方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621534A (zh) * | 2011-01-26 | 2012-08-01 | 中国科学院电子学研究所 | 基于噪声失效奇异值分解的地基雷达杂波抑制方法 |
US9002080B2 (en) * | 2011-10-12 | 2015-04-07 | University Of Virginia Patent Foundation | Singular value filter for imaging or detection |
US8912951B2 (en) * | 2012-10-09 | 2014-12-16 | Raytheon Company | Moving target detection using a two-dimensional folding approach |
US10209356B2 (en) * | 2015-11-24 | 2019-02-19 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for autofocus radar imaging |
US10187134B1 (en) * | 2017-12-01 | 2019-01-22 | GM Global Technology Operations LLC | Tx beamformer in MIMO radar |
CN108983158B (zh) * | 2018-04-16 | 2021-02-02 | 中国地质大学(武汉) | 一种基于Hankel矩阵奇异值分解的探地雷达噪声抑制方法 |
CN108415017B (zh) * | 2018-05-10 | 2021-07-30 | 北京航空航天大学 | 复杂目标雷达散射特性稀疏表征的一维增广状态空间方法 |
CN108919224B (zh) * | 2018-07-26 | 2020-06-30 | 中国人民解放军海军航空大学 | 基于斜对称结构的宽带雷达目标自适应融合检测方法 |
CN109188344B (zh) * | 2018-08-23 | 2020-11-27 | 北京邮电大学 | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 |
CN110208796B (zh) * | 2019-05-27 | 2021-04-06 | 电子科技大学 | 基于奇异值逆滤波的扫描雷达超分辨成像方法 |
-
2020
- 2020-03-06 CN CN202010151295.8A patent/CN111308438B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760547A (zh) * | 2014-01-24 | 2014-04-30 | 西安电子科技大学 | 基于互相关矩阵的双基mimo雷达角度估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111308438A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111308438B (zh) | 一种回波数据散射特征提取方法及系统 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN108375751B (zh) | 多信源波达方向估计方法 | |
CN106019256B (zh) | 基于自回归模型的雷达信号自适应检测方法 | |
CN111025273B (zh) | 一种畸变拖曳阵线谱特征增强方法及系统 | |
CN109324322A (zh) | 一种基于被动相控阵天线的测向与目标识别方法 | |
CN112285647B (zh) | 一种基于稀疏表示与重构的信号方位高分辨估计方法 | |
CN110687528A (zh) | 自适应波束形成器生成方法及系统 | |
CN113917490A (zh) | 激光测风雷达信号去噪方法及装置 | |
CN113238211A (zh) | 一种干扰条件下参数化自适应阵列信号检测方法与系统 | |
CN116699526A (zh) | 一种基于稀疏与低秩模型的车载毫米波雷达干扰抑制方法 | |
CN113671473B (zh) | 基于环境约束和黎曼距离的联合匹配场定位方法及系统 | |
CN111781573B (zh) | 基于改进3d-esprit算法的散射中心模型参数估计方法 | |
CN111090089B (zh) | 一种基于两类辅助数据的空时自适应检测方法 | |
CN108152796B (zh) | 一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法 | |
CN111273219B (zh) | 一种基于圆与非圆混合信号的一维水下波达方向估计方法 | |
CN109061594B (zh) | 一种强杂波环境下基于子阵空时自适应处理的测角方法 | |
CN109782246B (zh) | 波达方向估计方法及装置、雷达、可读存储介质 | |
CN105116410B (zh) | 基于线性模型匹配的干涉相位图自适应滤波算法 | |
Marinho et al. | Robust nonlinear array interpolation for direction of arrival estimation of highly correlated signals | |
CN113325401B (zh) | 一种基于线谱相位差解模糊的畸变拖曳线列阵信号重构方法 | |
CN111414580A (zh) | 一种低信混比条件下的混响抑制方法 | |
CN109613489B (zh) | 一种基于模糊函数地貌特征的雷达信号分选方法 | |
CN108717183B (zh) | 一种基于RANSAC的Toeplitz声源定位方法 | |
CN113109760A (zh) | 一种基于组稀疏的多线谱联合doa估计和聚类方法及系统 |
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 |