CN111610505A - 一种基于指数形式时变加权的机载双基雷达stap算法 - Google Patents
一种基于指数形式时变加权的机载双基雷达stap算法 Download PDFInfo
- Publication number
- CN111610505A CN111610505A CN202010568315.1A CN202010568315A CN111610505A CN 111610505 A CN111610505 A CN 111610505A CN 202010568315 A CN202010568315 A CN 202010568315A CN 111610505 A CN111610505 A CN 111610505A
- Authority
- CN
- China
- Prior art keywords
- clutter
- airborne
- stap
- radar
- exponential
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 49
- 239000013598 vector Substances 0.000 claims abstract description 35
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000001629 suppression Effects 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 2
- 230000001419 dependent effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims 1
- 230000003044 adaptive effect Effects 0.000 abstract description 9
- 238000001228 spectrum Methods 0.000 description 11
- 230000006872 improvement Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000035899 viability 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
- 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
- G01S7/414—Discriminating targets with respect to background clutter
Abstract
本发明涉及一种基于指数形式时变加权算法，旨在解决机载双基雷达杂波距离向分布非平稳，空时自适应处理(STAP)技术杂波抑制性能下降问题。一种基于指数形式时变加权的机载双基雷达STAP算法，建立机载双基雷达通用杂波模型，获得双基雷达目标信号S，采集机载双基雷达杂波加噪声的回波信号X(l)作为训练样本，假定机载双基雷达STAP的最优权矢量是关于距离单元l的指数函数
通过矩阵转换，对训练样本数据进行指数形式扩展，得到扩展后的训练样本
其中α表示衰减系数，μ1和μ2为归一化系数；对扩展后的训练样本
做自相关处理，得到扩展后的杂波协方差矩阵估计值
计算STAP处理器的最优权矢量
为经过扩展后目标信号的导引矢量，将
作用于待检测单元
得到杂波抑制后的输出
Description
技术领域
本发明涉及一种基于指数形式时变加权算法，旨在解决机载双基雷达杂波距离向分布非平稳，空时自适应处理(STAP)技术杂波抑制性能下降问题。
背景技术
机载双基地雷达系统具有作用距离远、抗干扰能力强、反截获性能好等优点，并且通过收发分置在提高战场生存能力和隐身目标的探测方面具有独特优势。但采用收发分置后，由于收发平台同时运动，使得地面杂波的多普勒频率展宽比单基条件下更加严重，地面慢动目标被广泛分布的杂波“淹没”，造成雷达系统的动目标检测能力严重下降。空时自适应处理(Space Time Adaptive Processing,STAP)技术采用空域和时域信息联合处理进行二维自适应滤波，实现地面杂波有效抑制。经过四十多年的研究发展，STAP技术在单基雷达的应用研究已较为成熟，双基雷达STAP技术受到广泛关注。
为适应复杂多变的外部环境，STAP技术需要从待检测单元两侧选取相邻距离单元的杂波数据进行协方差矩阵估计，为确保估计的有效性，相邻距离单元的杂波必须是独立同分布(IID)样本。机载双基雷达收发分置的特殊结构导致杂波产生距离依赖性，各距离单元杂波不再是IID样本，由此训练出的滤波器凹口变宽变浅，不仅造成杂波抑制性能急剧下降，而且会把与杂波相临的慢动目标直接滤除。因此，双基STAP技术应用首先要解决杂波的距离依赖性问题。
减小或消除机载雷达杂波距离依赖性的方法包括三类：(1)局域处理类。包括局域联合处理法(JDL)，三通道先时后空自适应级联处理法(3DT-SAP)等。该类方法通过减少训练样本的数目以降低杂波非均匀程度，而协方差矩阵有效估计需要足够多的样本才能保证，两者间的矛盾使得该方法性能急剧下降。(2)杂波补偿类。包括角度-多普勒补偿(ADC)法，多普勒频移(DW)法。该类方法通过杂波补偿使各训练样本在某一点重合。但该方法需要精确知道雷达工作参数和载机的运动信息，受载机惯导系统误差影响较大，而且增加了运算复杂程度。(3)权值扩展类。主要包括时变加权(TVW)法及其改进算法，该方法无需知道载机的参数和几何配置，直接对样本数据进行扩展。但TVW法假定自适应权矢量随距离的线性变化，而且变化速度保持不变，这与真实情况不符。
发明内容
本发明在分析双基杂波非平稳特性和TVW法性能不足的基础上，提出一种基于指数形式时变加权(Exponent TVW，ETVW)的STAP算法，该方法采用距离的指数函数来精确表示最优权矢量的非线性变化，可以有效补偿杂波的距离非平稳，在不同距离条件下都有效抑制双基杂波，性能优于TVW法和局域处理法。
本发明采用的技术方案：
本发明基于指数形式时变加权的机载双基雷达STAP算法，实现过程如下：
步骤1，建立机载双基雷达通用杂波模型，获得双基雷达目标信号S，采集机载双基雷达杂波加噪声的回波信号X(l)作为训练样本。
步骤2，假定机载双基雷达STAP的最优权矢量是关于距离单元l的指数函数
通过矩阵转换，得到扩展后的训练样本
其中α表示衰减系数，μ1和μ2为归一化系数；
步骤3，对扩展后的样本
做自相关处理，得到扩展后的杂波协方差矩阵估计值
步骤4，计算STAP处理器的最优权矢量
为经过扩展后目标信号的导引矢量，
为常数，将
作用于待检测单元
得到杂波抑制后的输出
本发明的原理是：在处理器权矢量中引入距离的指数函数精确表示杂波变化的非线性特征，通过对各样本数据进行指数形式的扩展，实现杂波非平稳分布的补偿，改善杂波协方差矩阵估计的准确程度，提高STAP处理器的杂波抑制性能。
发明有益效果：
1、本发明基于指数形式时变加权的机载双基雷达STAP算法，可以有效抑制机载双基雷达杂波。采用距离的指数函数更精确地描述了真实环境下双基杂波变化的非线性特性，通过对样本数据进行非线性扩展，有效改善杂波非平稳程度，提高杂波协方差矩阵估计的准确性，与原有技术相比，本发明的杂波抑制性能显著提高，并且在近距单元杂波急剧变化条件下，该技术的优势明显。
2、本发明基于指数形式时变加权的机载双基雷达STAP算法，无需雷达系统参数和杂波场景的先验知识，能有效解决机载双基雷达杂波抑制问题，解决了机载双基雷达杂波距离向分布非平稳，空时自适应处理(STAP)技术杂波抑制性能下降问题，实现方式简单，具有工程应用前景。
3、本发明基于指数形式时变加权的机载双基雷达STAP算法，与雷达天线的配置方式无关，不仅适用于机载双基雷达杂波抑制，而且可用于非正侧视阵列天线、圆形阵列天线、共形阵列天线等距离依赖性条件下的杂波抑制问题，应用范围广泛。
4、本发明基于指数形式时变加权的机载双基雷达STAP算法，在处理器最优权矢量中引入距离的指数函数精确表示杂波变化的非线性特征，通过对各样本数据进行指数形式的扩展，实现杂波非平稳分布的补偿，改善杂波协方差矩阵估计的准确程度，提高STAP处理器的杂波抑制性能。
附图说明
图1是本发明的指数形式时变加权的机载双基雷达STAP算法流程图；
图2(a)是双基距离和Rs＝50km处最优处理器OPT的杂波谱；
图2(b)是双基距离和Rs＝50km处本发明ETVW法的杂波谱；
图2(c)是双基距离和Rs＝50km处TVW法的杂波谱；
图2(d)是双基距离和Rs＝50km处3DT法的杂波谱；
图3(a)是近程距离单元(Rs＝50km)处OPT、本发明的ETVW、TVW和3DT法改善因子比较；
图3(b)是中程距离单元(Rs＝100km)处OPT、本发明的ETVW、TVW和3DT法改善因子比较；
图3(c)是远程距离单元(Rs＝150km)处OPT、本发明的ETVW、TVW和3DT法改善因子比较。
具体实施方式
下面结合附图对本发明技术方案做进一步的详细描述。显然，所描述的实施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，都属于本发明保持的范围。
实施例1
参见图1，本发明基于指数形式时变加权的机载双基雷达STAP算法，为了解决机载双基雷达杂波距离向分布非平稳，空时自适应处理(STAP)技术杂波抑制性能下降问题，采用在处理器权矢量中引入距离的指数函数精确表示杂波变化的非线性特征，通过对各样本数据进行指数形式的扩展，实现杂波非平稳分布的补偿，改善杂波协方差矩阵估计的准确程度，提高了STAP处理器的杂波抑制性能。
步骤1，建立机载双基雷达通用杂波模型，采集机载双基雷达杂波加噪声的回波信号X(l)作为训练样本。
步骤2，假定机载双基雷达STAP的最优权矢量是关于距离单元l的指数函数
通过矩阵转换，得到扩展后的训练样本
其中α表示衰减系数，μ1和μ2为归一化系数。
步骤3，对扩展后的样本
做自相关处理，得到扩展后的杂波协方差矩阵估计值
步骤4，计算STAP处理器的最优权矢量
为经过扩展后目标信号的导引矢量，
为常数，将
作用于待检测单元
得到杂波抑制后的输出
实施例2
本实施例的基于指数形式时变加权的机载双基雷达STAP算法，和实施例1的不同之处在于：进一步的，步骤1中，建立机载双基雷达通用杂波模型，采集机载双基雷达杂波加噪声的回波信号X(l)作为训练样本，具体过程如下：
建立空间直角坐标系，发射平台位于TX且高度为HT，接收平台位于RX且飞行高为HR，基线长度为收发平台之间的距离Ls，发射平台以速度vT沿与基线夹角为αT的方向运动，接收平台以速度vR与基线夹角为αR的方向运动。雷达发射脉冲经过距离RT到达地面散射点P，经反射后到达接收机，行程为RR，收发距离之和为RS。发射、接收波束指向相对于基线方向的方位角分别为
和
发射、接收波束指向相对于地面的仰俯角分别为θT和θR，发射、接收平台相与杂波散射点P的锥角分别为ψT和ψR。
回波信号的多普勒频率
根据几何位置关系，得到
将(2)、(3)式代入(1)式，可将fd表示成以θR为参量，依赖于接收机空间锥角ψR和双基距离和RS的函数。
假设机载双基雷达有N个接收通道，相干处理间隔内包含K个脉冲，第n个通道的第k个脉冲对第l个距离单元的杂波数据Cl(n,k)可表示为该距离单元上不同方位散射点杂波数据之和：
式中
为发射天线方向图，
为第n个接收通道接收方向图，d为阵元间距，λ为工作波长，fr为脉冲重复频率。n＝1,2,…,N，k＝1,2,…,K，l＝-L,…-1,0,1,2,…,L。
将所有N个通道对全部K次脉冲的杂波数据排成一NK×1维矢量
C＝[Cl(1,1)…Cl(1,N)…Cl(N,1)…Cl(N,K)]T (5)
()T表示转置。
机载双基雷达杂波加噪声回波信号可表示为
X＝C+n (6)
式中n为NK×1维噪声信号。
假定检测单元为第0单元，训练样本从其左右两侧各取L个距离单元，记为X(-L),…,X(-1),X(0),X(1),…X(L)。
实施例3
本实施例的基于指数形式时变加权的机载双基雷达STAP算法，和实施例2的不同之处在于：步骤2中，假定机载双基雷达STAP的最优权矢量是关于距离单元l的指数函数
通过矩阵转换，得到扩展后的训练样本
其中α表示衰减系数，μ1和μ2为归一化系数。
具体地，假定双基STAP的最优权矢量与距离单元l的指数函数有关，满足
W＝W(e-αl) (7)
根据Taylor公式，将W(e-αl)展开并忽略其三次及以上项得
式中W(0)的一阶和二阶导数分别记为
和
第l个单元的STAP处理器输出
式中
和
分别表示经过指数扩展后的权矢量和样本数据，维数均3NK×1。
实施例4
本实施例的基于指数形式时变加权的机载双基雷达STAP算法，和实施例2的不同之处在于：步骤3中，将步骤2得到的扩展后的样本
做自相关处理，得到扩展后的杂波协方差矩阵估计值。
式中
μ1和μ2为归一化系数，它们保证当回波数据为白噪声时，由扩展数据估计出来的杂波协方差矩阵为单位阵，μ1和μ2分别满足
考虑归一化系数作用后的扩展样本数据表示为
实施例5
本实施例的基于指数形式时变加权的机载双基雷达STAP算法，和前述各实施例的不同之处在于：步骤4中，包括
子步骤4.1，根据最小均方误差准则，计算最优权矢量
式中
为经过扩展后的导引矢量，维数是3NK×1，
为NK×1维目标信号的导引矢量，
表示Kronecker内积，
为常数。
子步骤4.2，将
作用于扩展后的待检测单元
得到杂波抑制后的输出
其中
为3NK×1维矢量。
本发明基于指数形式时变加权的机载双基雷达STAP算法，为了解决机载双基雷达杂波距离向分布非平稳，空时自适应处理(STAP)技术杂波抑制性能下降问题，采用在处理器权矢量中引入距离的指数函数精确表示杂波变化的非线性特征，通过对各样本数据进行指数形式的扩展，实现杂波非平稳分布的补偿，改善杂波协方差矩阵估计的准确程度，提高了STAP处理器的杂波抑制性能。为验证其效果，进行仿真实验如下：
雷达系统参数见如表1，假定发射平台、接收平台与基线夹角αT＝αR＝0。
表1雷达仿真参数
仿真1杂波非平稳补偿分析
基于表1的仿真参数，考虑在近程单元Rs＝50km处，本发明的ETVW法、TVW法和3DT法对仿真数据进行处理后，杂波功率谱的空时分布比较如图2，其中图2(a)是最优处理器的杂波谱，图2(b)是本发明ETVW法的杂波谱，图2(c)是TVW法的杂波谱，图2(d)是3DT法的杂波谱。比较图2(b)、(c)和(d)可以发现，尽管3DT法采用减少训练样本数目的方法降低杂波非均匀程度，但由于杂波在近距单元非平稳严重，各单元杂波空时分布激烈变化，直接平均后的杂波谱“变宽”严重，经ETVW和TVW法补偿处理后，各距离单元杂波分布基本相同或相近，经平均后的杂波谱明显“变窄”，与最优处理器的杂波分布接近。
仿真2杂波抑制性能分析
基于表1的仿真参数，考虑近程距离单元(Rs＝50km)、中程距离单元(Rs＝100km)和远距离单元(Rs＝150km)三种条件下，本发明的ETVW法、TVW法和3DT法改善因子比较如图3。其中图3(a)是近程距离单元(Rs＝50km)处OPT、本发明的ETVW、TVW和3DT法改善因子比较，图3(b)是中程距离单元(Rs＝100km)处OPT、本发明的ETVW、TVW和3DT法改善因子比较，图3(c)是远程距离单元(Rs＝150km)处OPT、本发明的ETVW、TVW和3DT法改善因子比较。由于ETVW采用二阶指数扩展后更加准确地描述了杂波分布的真实特性，经扩展后杂波非均匀特性得到明显改善，由图3可以看出，ETVW算法形成的STAP处理器形成“窄而深”杂波抑制凹口，无论在近、中、远程距离单元，ETVW法的性能良好，其改善因子比TVW法和3DT法更高。进一步对比图(a)和图(b)、(c)可以发现，ETVW算法在近程单元的杂波抑制性能比TVW法有明显改善，并且在主瓣区的性能优势更加显著，其改善因子平均优于TVW法约1.39dB，优于3DT法7.38dB。而在中、远距离单元，由于杂波趋于平稳，二阶指数扩展和线性扩展的性能相差不大，ETVW法优于TVW法0.77dB和0.67dB。
Claims (5)
1.一种基于指数形式时变加权的机载双基雷达STAP算法，包括：
步骤1)，建立机载双基雷达通用杂波模型，获得双基雷达目标信号S，采集机载双基雷达杂波加噪声的回波信号X(l)作为训练样本；
步骤2)，假定机载双基雷达STAP的最优权矢量是关于距离单元l的指数函数
通过矩阵转换，对训练样本数据进行指数形式扩展，得到扩展后的训练样本
其中α表示衰减系数，μ1和μ2为归一化系数；
步骤3)，对扩展后的训练样本
做自相关处理，得到扩展后的杂波协方差矩阵估计值
步骤4)，计算STAP处理器的最优权矢量
为经过扩展后目标信号的导引矢量，
为常数，将
作用于待检测单元
得到杂波抑制后的输出
2.根据权利要求1所述的基于指数形式时变加权的机载双基雷达STAP算法，其特征在于：步骤1)中，建立机载双基雷达通用杂波模型，采集机载双基雷达杂波加噪声的回波信号作为训练样本的过程如下：
建立空间直角坐标系，发射平台位于TX且高度为HT，接收平台位于RX且飞行高为HR，基线长度为收发平台之间的距离Ls，发射平台以速度vT沿与基线夹角为αT的方向运动，接收平台以速度vR与基线夹角为αR的方向运动；
雷达发射脉冲经过距离RT到达地面散射点P，经反射后到达接收机，行程为RR，收发距离之和为RS；发射、接收波束指向相对于基线方向的方位角分别为
和
发射、接收波束指向相对于地面的仰俯角分别为θT和θR，发射、接收平台相与杂波散射点P的锥角分别为ψT和ψR；
回波信号的多普勒频率：
根据几何位置关系，得到
将(2)、(3)式代入(1)式，可将fd表示成以θR为参量，依赖于接收机空间锥角ψR和双基距离和RS的函数；
假设机载双基雷达有N个接收通道，相干处理间隔内包含K个脉冲，第n个通道的第k个脉冲对第l个距离单元的杂波数据Cl(n,k)可表示为该距离单元上不同方位散射点杂波数据之和：
式中
为发射天线方向图，
为第n个接收通道接收方向图，d为阵元间距，λ为工作波长，fr为脉冲重复频率。n＝1,2,…,N，k＝1,2,…,K，l＝-L,…-1,0,1,2,…,L。
将所有N个通道对全部K次脉冲的杂波数据排成一NK×1维矢量C＝[Cl(1,1)…Cl(1,N)…Cl(N,1)…Cl(N,K)]T
(5)
()T表示转置；
机载双基雷达杂波加噪声回波信号可表示为
X＝C+n (6)
式中n为NK×1维噪声信号。
假定检测单元为第0单元，训练样本从其左右两侧各取L个距离单元，记为X(-L),…,X(-1),X(0),X(1),…X(L)。
3.根据权利要求2所述的基于指数形式时变加权的机载双基雷达STAP算法，其特征在于：步骤2)中，假定双基STAP的最优权矢量与距离单元l的指数函数有关，满足
W＝W(e-αl)
(7)
根据Taylor公式，将W(e-αl)展开并忽略其三次及以上项得
式中W(0)的一阶和二阶导数分别记为
和
第l个单元的STAP处理器输出
式中
和
分别表示经过指数扩展后的权矢量和样本数据，维数均3NK×1。
4.根据权利要求3所述的基于指数形式时变加权的机载双基雷达STAP算法，其特征在于：将步骤2)得到的扩展样本
做自相关处理，得到矩阵
的过程如下：
式中
μ1和μ2为归一化系数，它们保证当回波数据为白噪声时，由扩展数据估计出来的杂波协方差矩阵为单位阵，μ1和μ2分别满足
考虑归一化系数作用后的扩展样本数据表示为
5.根据权利要求1～4任一项所述的基于指数形式时变加权的机载双基雷达STAP算法，其特征在于：步骤4)中，计算STAP处理器的最优权矢量，得到杂波抑制后的输出，过程如下：
子步骤4.1，根据最小均方误差准则，计算最优权矢量
式中，
为经过扩展后的导引矢量，维数是3NK×1，
为NK×1维目标信号的导引矢量，
表示Kronecker内积，
为常数。
子步骤4.2，将
作用于扩展后的待检测单元
得到杂波抑制后的输出
其中
为3NK×1维矢量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010568315.1A CN111610505A (zh) | 2020-06-19 | 2020-06-19 | 一种基于指数形式时变加权的机载双基雷达stap算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010568315.1A CN111610505A (zh) | 2020-06-19 | 2020-06-19 | 一种基于指数形式时变加权的机载双基雷达stap算法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111610505A true CN111610505A (zh) | 2020-09-01 |
Family
ID=72200811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010568315.1A Pending CN111610505A (zh) | 2020-06-19 | 2020-06-19 | 一种基于指数形式时变加权的机载双基雷达stap算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111610505A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113721218A (zh) * | 2021-09-18 | 2021-11-30 | 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 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070064568A1 (en) * | 2005-09-21 | 2007-03-22 | Tdk Corporation | Method and apparatus for recording information on optical recording medium |
| CN103018727A (zh) * | 2011-09-27 | 2013-04-03 | 中国科学院电子学研究所 | 一种基于样本训练的机载雷达非平稳杂波抑制方法 |
| WO2014020630A1 (en) * | 2012-08-02 | 2014-02-06 | Mbda Italia S.P.A. | Stap filtering method and apparatus of an echo radar signal |
| CN105353371A (zh) * | 2015-12-03 | 2016-02-24 | 西安电子科技大学 | 基于ar谱扩展分形的海面雷达目标检测方法 |
| CN105785339A (zh) * | 2016-03-21 | 2016-07-20 | 西安电子科技大学 | 非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法 |
| US20180059274A1 (en) * | 2016-08-30 | 2018-03-01 | Schlumberger Technology Corporation | Post-critical reflection muting in seismic migration |
| WO2018045567A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种基于存在测量误差的阵列流形先验知识的稳健stap方法 |
-
2020
- 2020-06-19 CN CN202010568315.1A patent/CN111610505A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070064568A1 (en) * | 2005-09-21 | 2007-03-22 | Tdk Corporation | Method and apparatus for recording information on optical recording medium |
| TW200737158A (en) * | 2005-09-21 | 2007-10-01 | Tdk Corp | Method and apparatus for recording information on optical recording medium |
| CN103018727A (zh) * | 2011-09-27 | 2013-04-03 | 中国科学院电子学研究所 | 一种基于样本训练的机载雷达非平稳杂波抑制方法 |
| WO2014020630A1 (en) * | 2012-08-02 | 2014-02-06 | Mbda Italia S.P.A. | Stap filtering method and apparatus of an echo radar signal |
| CN105353371A (zh) * | 2015-12-03 | 2016-02-24 | 西安电子科技大学 | 基于ar谱扩展分形的海面雷达目标检测方法 |
| CN105785339A (zh) * | 2016-03-21 | 2016-07-20 | 西安电子科技大学 | 非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法 |
| US20180059274A1 (en) * | 2016-08-30 | 2018-03-01 | Schlumberger Technology Corporation | Post-critical reflection muting in seismic migration |
| WO2018045567A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种基于存在测量误差的阵列流形先验知识的稳健stap方法 |
Non-Patent Citations (9)
| Title |
|---|
| ZHOU Y等: "A fast STAP method using persymmetry covariance matrix estimation for clutter suppression in airborne MIMO radar", 《EURASIP JOURNAL ON ADVANCES IN SIGNAL PROCESSING》 * |
| ZHOU Y等: "A fast STAP method using persymmetry covariance matrix estimation for clutter suppression in airborne MIMO radar", 《EURASIP JOURNAL ON ADVANCES IN SIGNAL PROCESSING》, vol. 13, no. 08, 28 February 2019 (2019-02-28), pages 1 - 13 * |
| 孔鹏 等: "最优指数加权积累相关包络对齐方法研究", 《雷达科学与技术》 * |
| 孔鹏 等: "最优指数加权积累相关包络对齐方法研究", 《雷达科学与技术》, vol. 08, no. 06, 31 December 2010 (2010-12-31), pages 532 - 537 * |
| 李骥阳: "对机载雷达空时自适应处理技术的干扰研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 02, pages 136 - 1289 * |
| 秦鑫等: "基于扩张残差网络的雷达辐射源信号识别", 《电子学报》 * |
| 秦鑫等: "基于扩张残差网络的雷达辐射源信号识别", 《电子学报》, vol. 48, no. 03, 31 March 2020 (2020-03-31), pages 456 - 462 * |
| 赵军等: "一种指数形式时变加权的机载双基雷达STAP算法", 《电讯技术》 * |
| 赵军等: "一种指数形式时变加权的机载双基雷达STAP算法", 《电讯技术》, vol. 61, no. 01, 18 June 2020 (2020-06-18), pages 63 - 68 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113721218A (zh) * | 2021-09-18 | 2021-11-30 | 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 |
| 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 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110412559B (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
| CN111537966A (zh) | 一种适用于毫米波车载雷达领域的阵列天线误差校正方法 | |
| CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
| CN111948619B (zh) | 一种多类型外辐射源照射下目标被动协同探测方法及系统 | |
| CN112099015B (zh) | 提升毫米波雷达检测估计性能的自适应波形设计方法 | |
| CN110320490B (zh) | 一种无直达信号条件下的无线电波达方向估计方法 | |
| CN103760529A (zh) | 一种无源探测高效级联空时自适应处理方法 | |
| CN108037494B (zh) | 一种脉冲噪声环境下的雷达目标参数估计方法 | |
| CN112485772B (zh) | 一种脉间捷变频雷达杂波抑制方法 | |
| CN113253223B (zh) | 基于步进频信号的非平稳杂波抑制的目标检测方法 | |
| CN113253230B (zh) | 基于子孔径处理的天基预警雷达空中动目标检测方法及系统 | |
| CN110824439B (zh) | 一种雷达目标快速长时间相参积累方法 | |
| CN110646765B (zh) | 一种基于黎曼距离的广义旁瓣对消算法 | |
| CN111610505A (zh) | 一种基于指数形式时变加权的机载双基雷达stap算法 | |
| CN111736129B (zh) | 空时调制双基地雷达系统及其实现方法和介质 | |
| CN109597034B (zh) | 一种基于欧几里得距离的空时自适应处理方法 | |
| CN112946650B (zh) | 一站固定双站低频超宽带sar运动目标检测与成像方法 | |
| CN108508413B (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
| Wan et al. | A range-Doppler-angle estimation method for passive bistatic radar | |
| CN112731283A (zh) | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 | |
| CN114779199A (zh) | 端射阵机载雷达自适应互耦补偿与杂波抑制方法 | |
| CN110231590B (zh) | 一种基于dft变换的阵列目标角度测量方法 | |
| CN113671477B (zh) | 一种基于图信号处理的雷达目标距离估计方法 | |
| CN111175754A (zh) | Lfmcw体制下基于tdpc-jdl的低空风切变风速估计方法 | |
| CN111948620A (zh) | 一种基于多类型外辐射源的目标被动协同探测方法及系统 |
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 |