CN111537989A - 一种基于经验模态分解提取信号微多普勒调制分量的方法 - Google Patents
一种基于经验模态分解提取信号微多普勒调制分量的方法 Download PDFInfo
- Publication number
- CN111537989A CN111537989A CN202010217506.3A CN202010217506A CN111537989A CN 111537989 A CN111537989 A CN 111537989A CN 202010217506 A CN202010217506 A CN 202010217506A CN 111537989 A CN111537989 A CN 111537989A
- Authority
- CN
- China
- Prior art keywords
- signal
- doppler
- empirical mode
- mode decomposition
- component
- 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
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
-
- 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/141—Discrete Fourier transforms
- G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Discrete Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及信号处理技术领域,公开了一种基于经验模态分解提取信号微多普勒调制分量的方法,首先利用经验模态分解方法将回波中的杂波分量自适应的抑制,然后利用循环移位算法将回波中的平动分量移到多普勒频率为零处,最后再次利用经验模态分解算法将平动分量和微多普勒调制分量自动区分,本发明对微多普勒调制的提取不需要人工参与并且能够保持回波中的多普勒结构信息,从而提升依据微多普勒调制特性进行目标分类识别的正确率。
Description
技术领域
本发明涉及信号处理领域,尤其涉及一种基于经验模态分解提取信号微多普勒调制分量的方法。
背景技术
目标在运动过程除了平动会对信号产生多普勒调制外,其上的转动部件同样会对信号产生额外的调制现象,称为微多普勒调制,例如车辆行驶过程中车轮的转动,人走路时四肢的摆动等。微多普勒调制中包含着转动部件的结构、尺寸等信息,可以利用这些信息实现对目标的分类识别。
除了平动分量,微多普勒调制分量外,目标回波中不可避免的会混杂着杂波分量,例如地杂波。平动分量和杂波分量的存在会对微多普勒调制分量产生影响,降低对目标分类识别的正确率。目前常用的方法是利用动目标显示(MTI)实现对目标回波中的杂波分量进行抑制,然后利用CLEAN算法将微多普勒分量和平动分量进行分离。该方法中,MTI由于具有非线性的幅度调制特性,会破坏目标的多普勒谱结构信息,降低识别性能,而CLEAN 算法在分离平动和微多普勒分量时需要预先获取平动分量带宽的先验信息,降低了识别算法的自动化程度。
发明内容
本发明所要解决的技术问题是:针对上述存在的问题,提出一种采用经验模态分解提取目标回波中微多普勒调制分量的方法,该方法不需要人工参与能够自动提取微多普勒调制分量,同时不会对回波多普勒谱结构产生影响。
本发明采用的技术方案如下:一种基于经验模态分解提取信号微多普勒调制分量的方法,包括以下步骤:
S1:对目标回波信号进行经验模态分解;
S2:将模态分解后的目标回波信号进行杂波抑制,得到杂波抑制信号;
S3:将杂波抑制后信号变换到频域得到多普勒频谱X,对X取模得到Y,并找到Y最大值点的位置;
进一步的,所述S1具体包括以下步骤:
式中,L为本征模函数个数,mi为第i个本征模函数,rL为经验模态分解后得到的剩余项。
进一步的,所述S3具体包括:
S31:对杂波抑制后信号进行快速傅里叶变换得到信号的多普勒谱 X=fft(x)=[X1,X2,…,XM]T,其中fft(·)代表快速傅里叶变换,Xl为X第l个时刻的值, l=1,2,...,M,M为FFT的点数;
S32:对X取模得到Y=|X|,|·|代表取模运算;
S33:寻找信号Y=|X|的最大值a及最大值所在位置pos,[pos,a]=max(Y),max(·)为寻找峰值运算。
进一步的,所述S4具体包括以下步骤:
S42:计算慢时间脉冲积累数N分别除以M,M+1,…,M+N-1得到的余数,得到 Q=[mod(M,N),mod(M+1,N),…,mod(M+N-1,N)];
与现有技术相比,采用上述技术方案的有益效果为:本发明对微多普勒调制的提取不需要人工参与并且能够保持回波中的多普勒结构信息,从而提升依据微多普勒调制特性进行目标分类识别的正确率。
附图说明
图1是本发明的流程图;
图2是对一组实测数据进行第一次经验模态分解得到的结果;
图3是对杂波抑制后信号进行循环移位得到的结果;
图4是对循环移位后信号进行第二次经验模态分解得到的结果。
具体实施方式
下面结合附图对本发明做进一步描述。
实施例1
如图1所示,本发明提供了一种基于经验模态分解提取信号微多普勒调制分量的方法,其具体包括以下步骤:
步骤1,对目标回波信号进行经验模态分解。
目标回波信号为s=[s1,s2,...,sN]T,其中sk为s第k个时刻的值,k=1,2,...,N,N为慢时间脉冲积累数,上标T表示矩阵转置。对信号s按以下步骤进行经验模态分解:
式中,L为本征模函数个数,mi为第i个本征模函数,rL为经验模态分解后得到的剩余项。
步骤2,杂波抑制。
步骤3,将杂波抑制后信号变换到频域,并找到最大值点的位置。
对杂波抑制后信号进行快速傅里叶变换得到信号的多普勒谱 X=fft(x)=[X1,X2,…,XM]T,其中fft(·)代表快速傅里叶变换,Xl为X第l个时刻的值, l=1,2,...,M,M为FFT的点数。对取模后的信号Y=|X|,寻找其最大值a及最大值所在位置pos,[pos,a]=max(Y),其中|·|为取模运算,max(·)为寻找峰值运算。
步骤4,对多普勒频谱X进行循环移位,将平动分量多普勒频谱移到多普勒频率为零处。
X和Y中最大值对应的是平动分量多普勒谱,按照如下步骤将 X=fft(x)=[X1,X2,…,XM]T中平动多普勒谱移位到多普勒频率为零处:
4b)计算N分别除以M,M+1,…,M+N-1得到的余数,得到 Q=[mod(M,N),mod(M+1,N),…,mod(M+N-1,N)];
步骤5,将平动分量移到零频的信号转换到时域。
本发明的效果通过以下对实测数据的实验进一步说明:
1.实验内容
实验中所用数据为目标实测数据。实测数据的慢时间积累脉冲数为803.
1.1)首先对实测数据利用经验模态分解进行处理,分解出各分量的多普勒谱如图2所示。其中,第一行子图为输入慢时间信号的多普勒谱,第二行子图为第一到第三个本征模函数的多普勒谱和余项的多普勒谱;
1.2)对上述经验模态分解结果得到的本征模函数相加得到杂波抑制后的信号,然后利用循环移位算法将平动分量移到零频处,得到的结果如图3所示。其中,第一行子图为杂波抑制后信号的多普勒谱,第二行子图为循环移位后信号的多普勒谱;
1.3)对循环移位后的结果进行经验模态分解,分解结果如图4所示,其中,第一行子图为本征模函数和的多普勒谱,第二行子图为余项的多普勒谱。
2.试验结果分析:
2.1)从图2可以看出,对目标实测慢时间信号进行经验模态分解后,零频率附近的多普勒分量包含在余项中,对于目标慢时间信号,零频率附近的多普勒分量就是杂波分量,而平动分量和微多普勒分量存在于本征模函数中。因此,本发明中使用的经验模态分解可以自适应的将慢时间信号中各种不同的频率成分分解出来,进而自动完成杂波抑制,不需要额外的处理。
2.2)从图3可以看出,经过循环移位后,原本不处于零频附近的平动分量被移到了零频。
从图4可以看出,对循环移位后的信号再次进行经验模态分解,可以将现在处于零频附近的平动分量和微动分量区分。因此本发明可以自适应的将雷达回波中的的微多普勒分量提取出来,不需要人工干预且能够非常好的保留微多普勒调制特性。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员,在不脱离本发明的精神所做的非实质性改变或改进,都应该属于本发明权利要求保护的范围。
Claims (6)
2.根据权利要求1所述的一种基于经验模态分解提取信号微多普勒调制分量的方法,其特征在于,所述S1具体包括以下步骤:
式中,L为本征模函数个数,mi为第i个本征模函数,rL为经验模态分解后得到的剩余项。
4.根据权利要求1或3所述的一种基于经验模态分解提取信号微多普勒调制分量的方法,其特征在于,所述S3具体包括:
S31:对杂波抑制后信号进行快速傅里叶变换得到信号的多普勒谱X=fft(x)=[X1,X2,…,XM]T,其中fft(·)代表快速傅里叶变换,Xl为X第l个时刻的值,l=1,2,...,M,M为FFT的点数;
S32:对X取模得到Y=|X|,|·|代表取模运算;
S33:寻找信号Y=|X|的最大值a及最大值所在位置pos,[pos,a]=max(Y),max(·)为寻找峰值运算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010217506.3A CN111537989B (zh) | 2020-03-25 | 2020-03-25 | 一种基于经验模态分解提取信号微多普勒调制分量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010217506.3A CN111537989B (zh) | 2020-03-25 | 2020-03-25 | 一种基于经验模态分解提取信号微多普勒调制分量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111537989A true CN111537989A (zh) | 2020-08-14 |
CN111537989B CN111537989B (zh) | 2022-07-15 |
Family
ID=71976697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010217506.3A Active CN111537989B (zh) | 2020-03-25 | 2020-03-25 | 一种基于经验模态分解提取信号微多普勒调制分量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111537989B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924944A (zh) * | 2021-02-02 | 2021-06-08 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN113009446A (zh) * | 2021-03-02 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5485844A (en) * | 1993-05-18 | 1996-01-23 | Kabushiki Kaisha Toshiba | Doppler-type ultrasonic diagnostic apparatus |
CN102043148A (zh) * | 2011-01-10 | 2011-05-04 | 西安电子科技大学 | 基于广义匹配滤波的地面运动目标分类方法 |
CN102184382A (zh) * | 2011-04-11 | 2011-09-14 | 西安电子科技大学 | 基于经验模态分解的运动车辆目标分类方法 |
WO2011143631A2 (en) * | 2010-05-14 | 2011-11-17 | Kai Medical, Inc. | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors |
CN102520396A (zh) * | 2012-01-04 | 2012-06-27 | 西安电子科技大学 | 基于复数经验模态分解的时变窄带干扰抑制方法 |
CN103245937A (zh) * | 2013-05-27 | 2013-08-14 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN103454634A (zh) * | 2013-08-08 | 2013-12-18 | 上海交通大学 | 基于多普勒谱分析的sar运动目标检测方法 |
CN103885043A (zh) * | 2014-03-31 | 2014-06-25 | 西安电子科技大学 | 基于广义匹配滤波的飞机目标杂噪稳健分类方法 |
CN103885044A (zh) * | 2014-03-31 | 2014-06-25 | 西安电子科技大学 | 一种基于clean算法的窄带雷达回波杂噪抑制方法 |
CN104330781A (zh) * | 2014-10-30 | 2015-02-04 | 北京无线电测量研究所 | 一种高机动目标运动补偿方法及系统 |
AU2015101677A4 (en) * | 2014-05-14 | 2015-12-17 | Wuhan University | Method of suppressing radio frequency interference of high-frequency ground wave radar |
CN105487056A (zh) * | 2016-01-08 | 2016-04-13 | 武汉大学 | 一种s波段多普勒雷达破碎波干扰抑制的方法和装置 |
CN107144840A (zh) * | 2017-05-03 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 基于太赫兹雷达的人体生命信号高精度测量方法 |
CN107748734A (zh) * | 2017-10-31 | 2018-03-02 | 电子科技大学 | 一种解析‑经验模态分解方法 |
KR20180055165A (ko) * | 2016-11-16 | 2018-05-25 | 국방과학연구소 | Emd를 이용한 hrrp의 잡음 제거 장치 및 그 방법 |
CN108594198A (zh) * | 2018-07-03 | 2018-09-28 | 中国人民解放军国防科技大学 | 基于轨道角动量的复合运动目标探测方法 |
CN110275150A (zh) * | 2019-07-16 | 2019-09-24 | 北京航空航天大学 | 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法 |
-
2020
- 2020-03-25 CN CN202010217506.3A patent/CN111537989B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5485844A (en) * | 1993-05-18 | 1996-01-23 | Kabushiki Kaisha Toshiba | Doppler-type ultrasonic diagnostic apparatus |
WO2011143631A2 (en) * | 2010-05-14 | 2011-11-17 | Kai Medical, Inc. | Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors |
CN102043148A (zh) * | 2011-01-10 | 2011-05-04 | 西安电子科技大学 | 基于广义匹配滤波的地面运动目标分类方法 |
CN102184382A (zh) * | 2011-04-11 | 2011-09-14 | 西安电子科技大学 | 基于经验模态分解的运动车辆目标分类方法 |
CN102520396A (zh) * | 2012-01-04 | 2012-06-27 | 西安电子科技大学 | 基于复数经验模态分解的时变窄带干扰抑制方法 |
CN103245937A (zh) * | 2013-05-27 | 2013-08-14 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN103454634A (zh) * | 2013-08-08 | 2013-12-18 | 上海交通大学 | 基于多普勒谱分析的sar运动目标检测方法 |
CN103885044A (zh) * | 2014-03-31 | 2014-06-25 | 西安电子科技大学 | 一种基于clean算法的窄带雷达回波杂噪抑制方法 |
CN103885043A (zh) * | 2014-03-31 | 2014-06-25 | 西安电子科技大学 | 基于广义匹配滤波的飞机目标杂噪稳健分类方法 |
AU2015101677A4 (en) * | 2014-05-14 | 2015-12-17 | Wuhan University | Method of suppressing radio frequency interference of high-frequency ground wave radar |
CN104330781A (zh) * | 2014-10-30 | 2015-02-04 | 北京无线电测量研究所 | 一种高机动目标运动补偿方法及系统 |
CN105487056A (zh) * | 2016-01-08 | 2016-04-13 | 武汉大学 | 一种s波段多普勒雷达破碎波干扰抑制的方法和装置 |
KR20180055165A (ko) * | 2016-11-16 | 2018-05-25 | 국방과학연구소 | Emd를 이용한 hrrp의 잡음 제거 장치 및 그 방법 |
CN107144840A (zh) * | 2017-05-03 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 基于太赫兹雷达的人体生命信号高精度测量方法 |
CN107748734A (zh) * | 2017-10-31 | 2018-03-02 | 电子科技大学 | 一种解析‑经验模态分解方法 |
CN108594198A (zh) * | 2018-07-03 | 2018-09-28 | 中国人民解放军国防科技大学 | 基于轨道角动量的复合运动目标探测方法 |
CN110275150A (zh) * | 2019-07-16 | 2019-09-24 | 北京航空航天大学 | 基于经验模式分解和迭代端点拟合的变加速运动目标相参积累方法 |
Non-Patent Citations (6)
Title |
---|
DU, L等: "Robust Classification Scheme for Airplane Targets With Low Resolution Radar Based on EMD-CLEAN Feature Extraction Method", 《IEEE》 * |
YANBING LI; LAN DU AND HONGWEI LIU: "Analysis of micro-Doppler signatures of moving vehicles by using empirical mode decomposition", 《IEEE》 * |
ZHANG WAN-JUN; NIU MIN-JIE AND WU XIAO-YING: "Extraction of Micro-Doppler Features of Vehicle by Joint EEMD and AOK-TFR", 《OURNAL OF ACADEMY OF ARMORED FORCE ENGINEERING》 * |
王宝帅等: "基于经验模态分解的空中飞机目标分类", 《电子与信息学报》 * |
詹天仪: "合成孔径雷达图像中地面运动目标检测算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
陈行勇: "微动目标雷达特征提取技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112924944A (zh) * | 2021-02-02 | 2021-06-08 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN112924944B (zh) * | 2021-02-02 | 2023-06-13 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN113009446A (zh) * | 2021-03-02 | 2021-06-22 | 中国科学院空天信息创新研究院 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
CN113009446B (zh) * | 2021-03-02 | 2022-05-03 | 中国科学院空天信息创新研究院 | 一种基于最佳解调算子的悬停低慢小目标检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111537989B (zh) | 2022-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110208785B (zh) | 基于稳健稀疏分数阶傅立叶变换的雷达机动目标快速检测方法 | |
CN111537989B (zh) | 一种基于经验模态分解提取信号微多普勒调制分量的方法 | |
US8619908B2 (en) | Wireless ranging system and related methods | |
CN110161477B (zh) | 基于多变量重采样相关函数的机动目标检测方法 | |
WO2011083300A1 (en) | Pulse radar range profile motion compensation | |
EP3771921B1 (en) | Method for processing non-interrupted phase synchronization signal of bistatic sar based on coded signal | |
JP2007040953A (ja) | 相関受信処理装置 | |
CN110187320B (zh) | 一种改进雷达信号时频分析方法 | |
Yang et al. | Two-dimensional spectral analysis filter for removal of LFM radar interference in spaceborne SAR imagery | |
CN107526074B (zh) | 一种稀疏跳频信号的距离与速度二维高分辨处理方法 | |
Wang et al. | MIMO SAR system using digital implemented OFDM waveforms | |
CN114488055A (zh) | 一种适用于载频重频联合捷变雷达的相参处理方法 | |
CN111965611B (zh) | 一种相位抖动ddma波形的构建方法 | |
CN107688167B (zh) | 一种多时宽线性调频脉冲压缩信号幅度包络曲线生成方法 | |
Al Irkhis et al. | Compressive chirp transform for estimation of chirp parameters | |
CN110958035A (zh) | 一种基于三角包络拟合的频率二次捕获装置及方法 | |
CN109581319B (zh) | 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 | |
CN109765540B (zh) | 一种频率步进体制米波雷达目标提取方法 | |
Qian et al. | Suppression of ghost targets in focusing azimuth periodically gapped sar raw data with complex iterative thresholding algorithm | |
CN108196237A (zh) | 一种抑制fmcw雷达回波信号中寄生调幅的方法 | |
Wu et al. | A Coherent Integration Method for High-Speed Target via Scale Effect Elimination and Across Range Unit Correction | |
CN110927678B (zh) | 自适应稀疏分数阶模糊函数杂波抑制及动目标检测方法 | |
Deng et al. | A method of extracting underwater acoustic beaconing signal | |
Dragosevic | Autofocusing of moving objects in SAR data based on adaptive notch filtering | |
Guo et al. | Ship detection with short coherent integration time in over-the-horizon radar |
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 |