CN111537975B - 一种高自由度的机载雷达空时自适应信号处理方法 - Google Patents
一种高自由度的机载雷达空时自适应信号处理方法 Download PDFInfo
- Publication number
- CN111537975B CN111537975B CN202010453764.1A CN202010453764A CN111537975B CN 111537975 B CN111537975 B CN 111537975B CN 202010453764 A CN202010453764 A CN 202010453764A CN 111537975 B CN111537975 B CN 111537975B
- Authority
- CN
- China
- Prior art keywords
- representing
- array
- pulse
- space
- time
- 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
- G01S7/414—Discriminating targets with respect to background clutter
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
本发明提供了一种高自由度的机载雷达空时自适应信号处理方法,利用差分合成理论和空时平滑技术,可以从原始接收的数据中计算出对应于较大孔径的均匀线性阵列和更多脉冲的均匀重复脉冲间隔的脉冲串的虚拟数据,根据虚拟数据得出虚拟杂波噪声协方差矩阵CNCM,求出虚拟滤波器权矢量。本发明比现有的空时自适应信号处理STAP实现更多的自由度DOF,更有效地提高了参数估计的能力,同时提高了信号检测在时间维度和空间维度上的精度。
Description
技术领域
本发明属于雷达技术领域,尤其涉及一种高自由度的机载雷达空时自适应信号处理方法。
背景技术
空时自适应处理因其在杂波抑制和目标检测方面表现出了优越的性能引起了人们广泛的兴趣。传统的经典算法为了保证其信号干扰加噪声比(SINR)损失在3db以内,至少需要两倍系统自由度的独立分布(IID)样本。在异构环境和大阵列中这些条件很难满足,而且其计算复杂度和成本很高、功耗大,利用稀疏结构可以解决这些问题。稀疏结构可以分为两类:第一类是随机设计稀疏阵列和脉冲结构,此类型以牺牲系统性能来减少阵元数量及硬件设备;第二类是通过特殊的稀疏结构方式应用差分概念,在减少阵元及硬件复杂度的基础上增加了系统自由度,提升了系统的性能。利用差分概念的稀疏阵列有(超级)嵌套结构、互质结构、最小冗余结构等,在同样数量的阵元下,这些阵列与ULA相比可以获得较大的系统自由度。换句话说,获得同样的自由度,稀疏阵列所需的阵元数量及硬件设备相对较少。
在空时自适应信号处理算法中利用差分和稀疏结构近年中得到了广泛的关注,其中通过利用最小冗余结构到空时自适应信号处理中,提高了空时分辨率和慢移动目标检测的性能。但是由于最小冗余结构构成复杂很难应用在大阵列结构,为了减少设计复杂度,人们提出了互质阵列及脉冲采样空时自适应信号处理结构,利用虚拟差分合成阵列及脉冲的思想,在空间和时间上获得更大的自由度,提高系统的波束合成和目标检测的性能。但是由于互质结构的差分合成中含有空洞使其虚拟阵列及脉冲不能够充分利用,为了解决这一问题,使用嵌套及超级嵌套结构,利用一种有效的(超级)嵌套结构设计方案能够生成差分合成阵列及脉冲来提升自由度改善系统性能。而本申请使用改进嵌套结构,生成差分合成阵列及脉冲使得系统的自由度得到更大程度的提升。
发明内容
针对现有技术中的上述不足,本发明提供的一种高自由度的机载雷达空时自适应信号处理方法,比现有的STAP实现更多的DOF,更有效地提高了参数估计的能力,同时提高了信号检测在时间维度和空间维度上的精度。
为了达到以上目的,本发明采用的技术方案为:
本方案提供一种高自由度的机载雷达空时自适应信号处理方法,包括以下步骤:
S1、根据两个均匀线性阵列和单个传感器构建改进的嵌套阵列;
S2、将改进的嵌套阵列定义式中表示阵元间距的参数替换成表示脉冲时间间隔的参数,构建改进的嵌套脉冲模型;
S3、利用所述改进的嵌套阵列和嵌套脉冲模型接收原始雷达回波信号,并根据所述原始雷达回波信号计算得到原始杂波加噪声协方差矩阵;
S4、根据所述杂波加噪声协方差矩阵,利用差分运算构建虚拟空时快拍模型;
S5、根据所述虚拟空时快拍模型,利用空时平滑方法重构虚拟空时快拍数据;
S6、根据所述重构的虚拟空时快拍数据计算得到虚拟杂波加噪声协方差矩阵;
S7、根据所述虚拟杂波加噪声协方差矩阵以及虚拟信号导引矢量,计算得到滤波器权矢量,完成对高自由度机载雷达空时自适应信号的处理。
进一步地,所述步骤S1中改进的嵌套阵列的阵元位置的表达式如下:
其中,表示改进的嵌套阵列的阵元位置集,表示内均匀线性阵列中阵元位置的集合,表示外均匀线性阵列中阵元位置的集合,表示单个传感器,其位置位于外均匀线性阵列最后一个阵元后的(N1+1)d处,N1表示内均匀线性阵列中的阵元数,d表示阵元间距,nin表示内均匀线性阵列中阵元所在的位置,nout表示外均匀线性阵列中阵元所在的位置,N2表示外均匀线性阵列中的阵元数。
再进一步地,所述步骤S1中改进的嵌套阵列的差分阵的表达式如下:
再进一步地,所述步骤S2中改进的嵌套脉冲模型的脉冲位置坐标表达式如下:
其中,表示改进的嵌套脉冲模型的脉冲位置集,表示内脉冲位置集合,表示外脉冲位置集合,表示单个脉冲,其位置位于外均匀线性脉冲串最后一个脉冲后的(M1+1)Tr处,M1表示第一组均匀间隔脉冲串包含的脉冲数,Tr表示脉冲间隔,pin表示内均匀间隔脉冲串中脉冲所在的位置,pout表示外均匀间隔脉冲串中脉冲所在的位置,M2表示第二组均匀间隔脉冲串包含的脉冲数。
再进一步地,所述步骤S2中改进的嵌套脉冲模型的差分合成脉冲的表达式如下:
再进一步地,所述步骤S3中原始杂波加噪声协方差矩阵的表达式如下:
P=diag([p1,p2,...,pNc]T),pk=E(|ac,k|2)
其中,Rc表示原始杂波加噪声协方差矩阵,V表示杂波空时导引矩阵,P表示杂波功率矩阵,VH表示V的共轭转置,RNM-1,NM-1杂波协方差矩阵中第NM-1行第NM-1列的元素,表示第Nc块杂波的空时导引矢量,表示杂波协方差矩阵中第(l1M+r1-1)行第(l2M+r2-1)列的元素,Nc表示方位域内独立杂波块的数目,表示第k块杂波对应的空时导引矢量,且l1,l2=0,…,N-1,r1,r2=1,…,M,j表示虚数。和分别表示第和个脉冲。和nl2分别表示第和nl2个阵列。表示第k个杂波块的空间频率,fc,k表示第k个杂波块的多普勒频率,l1和l2表示整数,N表示接收阵元的总数,r1和r2表示整数,M表示发射脉冲的总数,表示第Nc块杂波功率,E(·)表示求期望运算,|ac,k|2表示第K块杂波功率,pk表示第K块杂波功率,表示第i块杂波第M-1个阵列对应的时间导引量,表示第i块杂波第N-1个阵列对应的空间导引量,vNM-1,i表示列向量第NM-1个元素。
再进一步地,所述步骤S4中虚拟空时快拍模型的表达式如下:
其中,y表示虚拟空时快拍模型,Nc表示方位域内独立杂波块的数目,ac,i表示杂波i块的复增益,E(·)表示求期望运算,和分别表示相应的虚拟时间和空间导引矢量,表示噪声功率,e1表示元素除了中间位置为1其他都是零的维列向量,e2表示元素除了中间位置为1其他都是零的维列向量,和均表示虚拟空时导引矢量,和分别表示虚拟空时导引矢量的杂波向量和噪声向量,表示第i块杂波对应第个虚拟阵列对应的时间导引量,表示第i块杂波对应第个虚拟阵列对应的空间导引量。
再进一步地,所述步骤S5中重构虚拟空时快拍数据的表达式如下:
其中,Yρ,γ表示重构的虚拟空时快拍数据对应的矩阵量,Nc表示方位域内独立杂波块的数目,表示噪声功率,表示变量,E(·)表示求期望运算,ac,i表示第i个杂个杂波块的复增益,表示空间导引矢量,表示时间导引矢量的共轭转置,e1,ρ表示由e1从到的部分形成的子向量,e1表示元素除了中间位置为1其他都是零的维列向量,e2表示元素除了中间位置为1其他都是零的维列向量,表示由e2从到的部分形成的子向量。
再进一步地,所述步骤S6中虚拟杂波加噪声协方差矩阵的表达式如下:
再进一步地,所述步骤S7中滤波器权矢量的表达式如下:
本发明的有益效果:
本发明通过引入改进嵌套的概念提出了一种新的STAP方法,利用差分合成理论和空时平滑技术,可以从原始接收的数据中计算出对应于较大孔径的均匀线性阵列和更多脉冲的均匀重复脉冲间隔的脉冲串的虚拟数据,根据虚拟数据得出虚拟杂波噪声协方差矩阵CNCM,求出虚拟滤波器权矢量。本发明比现有的空时自适应信号处理STAP实现更多的自由度DOF,更有效地提高了参数估计的能力,同时提高了信号检测在时间维度和空间维度上的精度。
附图说明
图1是本发明的方法流程图。
图2是本发明中改进的嵌套阵列及其差分合成阵列示意图。
图3是本发明中改进的嵌套脉冲及其差分合成脉冲示意图。
图4是本实施例中自由度比率示意图。
图5为本实施例中空间域和时间域中波束示意图。
图6为本实施例中空时二维波束图。
图7为本实施例中输出信干噪比对比图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例
为了获得更多的自由度DOF,本申请在多普勒和空间域中使用改进的嵌套结构,即最优的改进嵌套空时自适应信号处理OVN-STAP,更具体地说,它们是从改进的物理嵌套阵列和脉冲结构中得到的,利用差分合成理论和空时平滑技术,可以从原始接收的数据中计算出对应于较大孔径均匀线性阵列和更多均匀重复脉冲间隔的脉冲的虚拟数据,根据虚拟数据得出虚拟杂波噪声协方差矩阵CNCM,求出虚拟滤波器权矢量,最后,根据模拟数字计算机系统的仿真结果,分析了每种方法的效率,并比较了它们之间的差异。
如图1所示,本发明提供了一种高自由度的机载雷达空时自适应信号处理方法,其实现方法如下:
S1、根据两个均匀线性阵列和单个传感器构建改进的嵌套阵列;
S2、将改进的嵌套阵列定义式中表示阵元间距的参数替换成表示脉冲时间间隔的参数,构建改进的嵌套脉冲模型;
S3、利用改进的嵌套阵列和嵌套脉冲模型接收原始雷达回波信号,并根据原始雷达回波信号计算得到原始杂波加噪声协方差矩阵。
S4、根据杂波加噪声协方差矩阵,利用差分运算构建虚拟空时快拍模型;
S5、根据虚拟空时快拍模型,利用空时平滑方法重构虚拟空时快拍数据;
S6、根据重构的虚拟空时快拍数据计算得到虚拟杂波加噪声协方差矩阵;
S7、根据虚拟杂波加噪声协方差矩阵以及虚拟信号导引矢量,计算得到滤波器权矢量,完成对高自由度机载雷达空时自适应信号的处理。
本实施例中,本方法阵列结构采用改进的嵌套阵列VNA,即两个均匀线性阵列和单个传感器的组合,如图2(a)所示,图2(a)为改进的嵌套阵列。被称为内均匀线性阵列包含N1个阵元,间距为d,阵元位置集合为被称为外均匀线性阵列,其包含N2个阵元,间距为dout=(N1+2)d,阵元位置集合为单个传感器位于外均匀线性阵列最后一个阵元后的(N1+1)d处,其阵元位置为那么,改进的嵌套阵列的阵元位置坐标由表示如下:
本实施例中,改进的嵌套阵列VNA的自由度可以用物理阵列的阵元数量来明确表示,于是,可以通过找到合适的N1和N2的取值来优化改进的嵌套阵列VNA的布阵方案,使其差分合成阵列能够获得最大的自由度。假设物理阵列总阵元数是固定的,即N=N1+N2+1,当N为偶数时,N1和N2的最优取值为N1=N/2-1,N2=N/2,此时对应的最大自由度为N2/2+2N-3。当N为奇数时,N1和N2最优取值分别为N1=(N-1)/2-1和N2=(N+1)/2,此时对应的最大自由度为N2/2+2N-7/2,本实施例中,将满足最优布阵方案的改进的嵌套阵列VNA称为最优改进的嵌套阵列OVNA。
本实施例中,阵列中改进的嵌套的概念还可以应用到时域上来设计脉冲间隔,以期从时间维度进一步增强系统自由度。总的来说,将阵列定义式中表示阵元间距的参数d换成表示脉冲时间间隔的参数Tr就能够定义一个新的改进的嵌套脉冲模型VN-PRI。改进的嵌套脉冲模型VN-PRI也可以看成是由同一个相干处理间隔内的两组不同均匀间隔脉冲串和单个脉冲组合而成,如图3(a)所示,图3(a)为改进的嵌套脉冲,假设内均匀间隔脉冲串包含M1个脉冲,脉冲间隔为Tr,脉冲位置集合为外均匀间隔脉冲串包含M2个脉冲,脉冲间隔为Tout=(M1+1)Tr,脉冲位置集合为单个脉冲位于外均匀脉冲串最后一个脉冲后的(M1+1)Tr处,其脉冲位置为则总脉冲数为M=M1+M2+1,那么,新的改进的嵌套脉冲模型VN-PRI的脉冲位置坐标由表示如下:
也就是说,可以仅仅利用M1+M2+1个实际脉冲就可以从差分合成脉冲串中获得2(M2M1+2M2+M1)-1个自由度。
同理,可以通过找到合适的M1和M2的取值,来优化PRI脉冲模型,使其能够获得最大的自由度。假设一个相干处理间隔内的脉冲总数是固定的,即M=M1+M2+1,当M为偶数时,M1和M2的最优取值为M1=M/2-1,M2=M/2,此时对应的最大自由度为M2/2+2M-3。当M为奇数时,M1和M2的最优取值分别为M1=(M-1)/2-1和M2=(M+1)/2,此时对应的最大自由度为M2/2+2M-7/2。将满足最优布阵方案的改进的嵌套脉冲模型VN-PRI称为最优改进的嵌套脉冲模型OVN-PRI。
本实施例中,假设正侧视机载相控阵雷达在相干处理间隔CPI中的由N个接收元件和M个发射脉冲,其中阵列和脉冲被配置为改进的嵌套结构。d=λ/2是最小阵元间距,Tr是最小脉冲重复间隔PRI,λ是雷达波长,接收到的空时快拍为:
表示。因此,从Ru得到虚拟空时快拍Y为:
其中,向量e1和e2元素除了中心位置一个1其他都为0,向量化(27)式,我们可以得到一个虚拟空时快拍,可以写成:
本实施例中,为了估计杂波加噪声协方差矩阵,可以通过时空平滑技术得到一个虚拟的杂波加噪声协方差矩阵估计。从矩阵Y中可以获得其子矩阵Yρ,γ为:
其中,e1,ρ是由向量e1中从到元素组成的子向量,e2,γ是由向量e2中从到元素组成的子向量, 和可以看作是一个虚拟的子均匀线性阵列和子脉冲序列对应的空间和多普勒导引矢量。然后,可以得到一个新的协方差矩阵,它被表述为:
Rvs可以重写为
因此,与Rvr相对应的最佳过滤权重表示如下:
本实施例中,通过上述推导,改进的嵌套数组和脉冲结构可以转化为虚拟的ULA和PRI模型,其自由度DOF可以写为:
然而,空时平滑技术后得到的滤波器的最终自由度DOF为:
从这个角度来看,OVN-STAP滤波器可以从O(NP)个物理传感器和脉冲中获得O(N2P2)个自由度。
本实施例中,在这一部分中,通过数值实验对现有的方法进行了全面的比较,包括传统的STAP(T-STAP)、互质STAP(C-STAP)、(超级)嵌套STAP(N-STAP)和OVN-STAP。雷达参数为N=10,M=10,λ=0.03m,Tr=0.25ms和β=1。对于C-STAP,参数为N1=M1=3和N2=M2=5。嵌套STAP的参数为N1=M1=5和N2=M2=5。为了得到最大自由度,本发明参数设置为N1=M1=4和N2=M2=5。假设目标的归一化空间频率和多普勒频率分别为0.1和-0.2,仿真中的杂波噪声比设置为30db,信噪比为0db。
首先,我们证明了各种STAP方法在给定传感器和脉冲数目的情况下自由度提升的能力。我们假设传感器和脉冲的总数是M=N=K。在这里,我们将自由度比率定义为:
γ(K)=K2/L(K) (37)
其中,L(K)表示STAP滤波器的最大自由度DOF,γ(K)越小,自由度越高。图4描述了K从8到100之前四种方法的γ(K)的变化。C-STAP,N-STAP和OVN-STAP的自由度都高于T-STAP,特别是,在固定的K下,OVN-STAP具有最高的自由度DOF,这意味着OVN-STAP可以通过几个阵元和脉冲获得更大的DOF。
接下来,我们给出了空间和时间域中波束图,其中样本数量为200。图5(a)在目标归一化多普勒频率下,给出了空间域中的波束图,而图5(b)则是在目标归一化空间频率下的多普勒域中的波束图。从图中可以观察到,在空间和时间域中,OVN-STAP提供了高质量的波束形成图,特别是,它有最窄的主瓣,这是因为OVN-STAP的虚拟DOF比任何其他算法的都大,因此,OVN-STAP具有形成最窄的主瓣。
当样本数为200时,图6显示空时波束图。右图中可知这四种方法功能基本相同,都是在杂波脊上形成一个深缺口,并检测出目标的精确位置。由于其有限的DOF,T-STAP估计的结果中主瓣较宽、副瓣高。与T-STAP相比C-STAP具有较高的DOF,其性能得到了适度的提高.但其检测性能仍低于N-STAP。与其他三种方法相比,OVN-STAP具有最大的DOF,因此其瓣瓣水平和角度多普勒分辨率最好。
最后,我们评估了200个训练快拍对应的归一化多普勒频率的SINR性能。如图7所示。给出了四种不同模型的SINR性能的比较输出图。由于各模型获得的自由度不同,其性能依次为T-STAP、C-STAP、N-STAP和OVN-STAP提升。
本申请通过引入改进嵌套的概念,提出了一种新的STAP方法,所提出的STAP方法能够比现有的STAP实现更多的DOF,这比传统的技术更有效地提高了参数估计的能力,同时提高了信号检测在时间维度和空间维度上的精度。仿真结果表明,该方法的有效性和良好的性能。
Claims (9)
1.一种高自由度的机载雷达空时自适应信号处理方法,其特征在于,包括以下步骤:
S1、根据两个均匀线性阵列和单个传感器构建改进的嵌套阵列;
S2、将改进的嵌套阵列定义式中表示阵元间距的参数替换成表示脉冲时间间隔的参数,构建改进的嵌套脉冲模型;
S3、利用所述改进的嵌套阵列和嵌套脉冲模型接收原始雷达回波信号,并根据所述原始雷达回波信号计算得到原始杂波加噪声协方差矩阵;
S4、根据所述杂波加噪声协方差矩阵,利用差分运算构建虚拟空时快拍模型;
S5、根据所述虚拟空时快拍模型,利用空时平滑方法重构虚拟空时快拍数据;
S6、根据所述重构的虚拟空时快拍数据计算得到虚拟杂波加噪声协方差矩阵;
S7、根据所述虚拟杂波加噪声协方差矩阵以及虚拟信号导引矢量,计算得到滤波器权矢量,完成对高自由度机载雷达空时自适应信号的处理;
所述步骤S1中改进的嵌套阵列的阵元位置的表达式如下:
5.根据权利要求1所述的高自由度的机载雷达空时自适应信号处理方法,其特征在于,所述步骤S3中原始杂波加噪声协方差矩阵的表达式如下:
其中,Rc表示原始杂波加噪声协方差矩阵,V表示杂波空时导引矩阵,P表示杂波功率矩阵,VH表示V的共轭转置,RNM-1,NM-1杂波协方差矩阵中第NM-1行第NM-1列的元素,表示第Nc块杂波的空时导引矢量,表示杂波协方差矩阵中第(l1M+r1-1)行第(l2M+r2-1)列的元素,Nc表示方位域内独立杂波块的数目,表示第k块杂波对应的空时导引矢量,且l1,l2=0,…,N-1,r1,r2=1,…,M,j表示虚数,和分别表示第和个脉冲位置,和分别表示第和个阵列位置,表示第k个杂波块的空间频率,fc,k表示第k个杂波块的多普勒频率,l1和l2表示整数,N表示接收阵元的总数,r1和r2表示整数,M表示发射脉冲的总数,表示第Nc块杂波功率,E(·)表示求期望运算,E(|ac,k|2)表示第K块杂波功率,pk表示第K块杂波功率,表示第i块杂波第M-1个阵列对应的时间导引量,表示第i个杂波块第N-1个阵列对应的空间导引量,vNM-1,i表示列向量第NM-1个元素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010453764.1A CN111537975B (zh) | 2020-05-26 | 2020-05-26 | 一种高自由度的机载雷达空时自适应信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010453764.1A CN111537975B (zh) | 2020-05-26 | 2020-05-26 | 一种高自由度的机载雷达空时自适应信号处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111537975A CN111537975A (zh) | 2020-08-14 |
CN111537975B true CN111537975B (zh) | 2022-03-08 |
Family
ID=71976101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010453764.1A Active CN111537975B (zh) | 2020-05-26 | 2020-05-26 | 一种高自由度的机载雷达空时自适应信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111537975B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399309A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于迭代加权最小方差的空时二维杂波谱估计方法 |
CN105785333A (zh) * | 2016-03-22 | 2016-07-20 | 中国人民解放军信息工程大学 | 机载mimo雷达的稳健降维空时自适应处理方法 |
CN106324569A (zh) * | 2016-09-09 | 2017-01-11 | 深圳大学 | 一种阵列误差下的稀疏恢复stap方法及其系统 |
CN106338723A (zh) * | 2016-09-12 | 2017-01-18 | 深圳大学 | 一种基于互质脉冲重复间隔的空时自适应处理方法及装置 |
CN108802705A (zh) * | 2018-04-24 | 2018-11-13 | 深圳大学 | 一种基于稀疏的空时自适应处理方法及系统 |
CN109212500A (zh) * | 2018-08-08 | 2019-01-15 | 河海大学 | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10054666B2 (en) * | 2014-09-26 | 2018-08-21 | The United States Of America, As Represented By The Secretary Of The Navy | Sparse space-time adaptive array architecture |
CN108919207A (zh) * | 2018-08-23 | 2018-11-30 | 深圳大学 | 一种提高机载雷达杂波抑制性能的方法及系统 |
-
2020
- 2020-05-26 CN CN202010453764.1A patent/CN111537975B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103399309A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于迭代加权最小方差的空时二维杂波谱估计方法 |
CN105785333A (zh) * | 2016-03-22 | 2016-07-20 | 中国人民解放军信息工程大学 | 机载mimo雷达的稳健降维空时自适应处理方法 |
CN106324569A (zh) * | 2016-09-09 | 2017-01-11 | 深圳大学 | 一种阵列误差下的稀疏恢复stap方法及其系统 |
CN106338723A (zh) * | 2016-09-12 | 2017-01-18 | 深圳大学 | 一种基于互质脉冲重复间隔的空时自适应处理方法及装置 |
CN108802705A (zh) * | 2018-04-24 | 2018-11-13 | 深圳大学 | 一种基于稀疏的空时自适应处理方法及系统 |
CN109212500A (zh) * | 2018-08-08 | 2019-01-15 | 河海大学 | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 |
Non-Patent Citations (3)
Title |
---|
Robust STAP With Reduced Mutual Coupling and Enhanced DOF Based on Super Nested Sampling Structure;Mingxin Liu et al.;《IEEE Access》;20191204;第7卷;第175420-175428页 * |
Super Nested Arrays: Linear Sparse Arrays With Reduced Mutual Coupling—Part I: Fundamentals;Chun-Lin Liu et al.;《 IEEE Transactions on Signal Processing》;20160425;第64卷(第15期);第3997-4012页 * |
基于空时功率谱稀疏性的空时自适应处理技术研究进展;阳召成 等;《电子学报》;20140630;第42卷(第6期);第1194-1204页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111537975A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167783B (zh) | 一种共形阵列杂波协方差矩阵的稀疏重构方法 | |
CN109143190B (zh) | 一种零陷展宽的宽带稳健自适应波束形成方法 | |
CN109765521B (zh) | 一种基于子阵划分的波束域成像方法 | |
CN112269164B (zh) | 深海可靠声路径下基于干涉结构匹配处理弱目标定位方法 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN109212500A (zh) | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 | |
CN105445718A (zh) | 一种基于阵列重构的分布式多载舰超视距雷达的doa估计方法 | |
CN111474527B (zh) | 机载stap雷达快速去互耦的杂波协方差矩阵估计方法 | |
CN104656073A (zh) | 三维成像声纳波束形成方法及在多核处理器上的实现方法 | |
CN110082744A (zh) | 多普勒分级复用的mimo机载双基雷达杂波抑制方法 | |
CN114895260A (zh) | 一种俯仰向空时编码星载sar系统回波分离方法 | |
CN109491009B (zh) | 一种光纤组合阵及基于光纤组合阵的栅瓣抑制方法 | |
CN112612027B (zh) | 一种浅海环境下利用声能量起伏的海洋内波监测方法 | |
CN111537975B (zh) | 一种高自由度的机载雷达空时自适应信号处理方法 | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN107167782B (zh) | 基于信杂噪比最大的雷达三维异构阵稀疏重构方法 | |
CN112505665A (zh) | 适用于部分均匀混响环境的空时自适应检测方法及系统 | |
CN104035078A (zh) | 一种基于阵元阶数递推的降维空时自适应权值计算方法 | |
CN111610498B (zh) | 一种高自由度去耦合的空时自适应信号处理方法 | |
CN111983599A (zh) | 一种基于方位-俯仰字典的目标二维doa估计方法 | |
Pang et al. | A STAP method based on atomic norm minimization for transmit beamspace-based airborne MIMO radar | |
CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
CN113406586B (zh) | 基于约束张量分解的mimo雷达二维波达方向估计方法 | |
CN111537974A (zh) | 一种去耦合的空时自适应信号处理方法 | |
CN113075633A (zh) | 一种基于距离-俯仰联合字典的目标定位方法 |
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 |