CN111751792A - 一种被动雷达信号分选pdw预处理方法 - Google Patents
一种被动雷达信号分选pdw预处理方法 Download PDFInfo
- Publication number
- CN111751792A CN111751792A CN202010540841.7A CN202010540841A CN111751792A CN 111751792 A CN111751792 A CN 111751792A CN 202010540841 A CN202010540841 A CN 202010540841A CN 111751792 A CN111751792 A CN 111751792A
- Authority
- CN
- China
- Prior art keywords
- pulse
- pdw
- fusion
- sorting
- frequency
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000007781 pre-processing Methods 0.000 title claims abstract description 14
- 230000004927 fusion Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 10
- 240000007711 Peperomia pellucida Species 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000007704 transition Effects 0.000 claims abstract description 6
- 238000007499 fusion processing Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000007865 diluting Methods 0.000 claims description 3
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 2
- 230000000873 masking effect Effects 0.000 abstract description 2
- 238000003491 array Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 11
- 230000005484 gravity Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001052 transient effect 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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
-
- 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
本发明的目的在于提供一种被动雷达信号分选PDW预处理方法,首先对接收到的PDW数据进行空时融合,即旁瓣匿影操作,消除旁瓣接收信号,专注于主瓣扫描信号;然后对PDW数据进行时频融合,即频域融合操作,去除PDW数据中由于信道化过程中两相邻信道过渡带的存在和兔耳效应所产生的冗余和干扰PDW;接下来对剩余PDW数据继续进行空时融合,即空域融合操作,去除多波束阵列多个波束同时接收信号所造成的冗余PDW;最后,对预处理后的PDW数据进行雷达信号分选,识别雷达信号的脉间调制类型。本发明面对被动多波束阵列的特殊应用,从时域、频域和空域进行三维联合处理,面对多波束新的应用,充分消除待分选脉冲中的冗余和干扰脉冲,有效的改善分选的准确性。
Description
技术领域
本发明涉及的是一种电子侦察方法,具体地说是雷达信号处理方法。
背景技术
相控阵多波束被动雷达、主被动一体化雷达相对于已有的被动雷达存在显著的优势,现如今已经得到了初步的研究,主要的优点包括:
(1)阵列增益高,探测距离远;
(2)易于实现主被动一体、认知雷达;
(3)抗干扰能力较强。
但是也带来了许多新问题:
1.非天线侦察方向的干扰信号
多波束雷达中主瓣扫描,波束窄,会出现旁瓣。天线的方向图通常都有多个波瓣,其中辐射强度最大的波瓣为主瓣,即天线的侦察方向,其余的波瓣则为旁瓣。若非天线侦察方向存在能量较强的信号,就可能会被天线旁瓣接收,被误认为是主瓣接收的信号,形成干扰脉冲,这会对信号分选造成不良影响。
图2中可以显示出一个天线的主瓣和旁瓣。
2.多波束响应造成的冗余信号
接收信号的天线运用多波束阵列天线,多波束同时进行接收,可以增加空间覆盖范围,同时可利用多波束进行测向,但是这也会带来问题,即一个信号有可能被多个相邻波束接收,使其在多个相邻波束中存在,造成冗余。
3.信道化造成的冗余信号
对接收到的信号进行信道化时,若信号载频落在了相邻两信道交叠处或交叠处附近,由于过渡带的存在,两个相邻信道中会出现几近相同的两个脉冲,造成PDW的冗余;同时若雷达信号能量过高时,在矩形脉冲的上升沿和下降沿处,信号能量会发生扩散,在多个相邻信道中产生暂态输出,出现多个尖峰脉冲,且这些尖峰脉冲的幅度较高,即兔耳效应,也会形成干扰脉冲;
图3(a)显示出相邻两信道由于过渡带的存在,本来应该落在2信道的信号,却在3信道中也出现了同样的脉冲信号,图3(b)则是兔耳效应的示意图,可以发现信号在3信道中,但是1,2,4信道中出现了多个尖峰脉冲,均在信号的起始和结束位置。
目前,国内学者已经注意到对信号分选前的脉冲流进行预处理的重要性。
2016年,桂佑林等人在《现代雷达》中发表一篇论文,文中介绍了数字信道化及虚假信号的问题,讨论了跨信道信号,“兔耳效应”和重复信号等虚假信号的场景,对每种虚假信号进行了仿真,并针对各类虚假信号的特点提出了相关的消除方法,但是只从频域对各类虚假脉冲进行消除。
发明内容
本发明的目的在于提供从时域、频域和空域进行三维联合处理的一种被动雷达信号分选PDW预处理方法。
本发明的目的是这样实现的:
本发明一种被动雷达信号分选PDW预处理方法,其特征是:
首先对接收到的PDW数据进行空时融合,即旁瓣匿影操作,消除旁瓣接收信号,专注于主瓣扫描信号;
然后对PDW数据进行时频融合,即频域融合操作,去除PDW数据中由于信道化过程中两相邻信道过渡带的存在和兔耳效应所产生的冗余和干扰PDW;
接下来对剩余PDW数据继续进行空时融合,即空域融合操作,去除多波束阵列多个波束同时接收信号所造成的冗余PDW;
最后,对预处理后的PDW数据进行雷达信号分选,识别雷达信号的脉间调制类型。
本发明还可以包括:
1、所述旁瓣匿影操作的过程为:
脉冲选择:根据时域重叠判断和频域相近判断准则,判断分别来自于主辅天线同一信道中的两个脉冲是否需要进行匿影处理;
融合处理:若两脉冲需要进行匿影处理,则根据幅度取大原则保留脉冲,即若由主天线接收的脉冲的幅度较低,则该脉冲为主天线的旁瓣接收,将其匿影标志位置1,标志该脉冲将被删除。
2、所述空域融合操作的过程为:
脉冲选择:根据时域重叠判断和频域相近判断准则,判断分别来自于同一信道中相邻的m和m+1波束的两个脉冲PDWm和PDWm+1是否需要进行融合处理;
幅度比较:提取PDWm的pulse_pos中指向的脉冲PDWmax,PDWmax是融合过程中搜索到的幅度最大的脉冲;
脉冲置位:比较PDWmax和PDWm+1的幅度,根据取大原则进行选取脉冲,将其更新为PDWmax,将另一脉冲的融合标志位置1;
3、雷达信号分选的具体步骤为:
预分选:采用K-means动态聚类方法进行DOA、CF和PW三级聚类预分选操作,对脉冲流进行稀释;
主分选:对预分选形成的脉冲组分别进行PRI主分选,采用PRI变换算法,得到各雷达信号的真实PRI;
序列搜索:利用得到的PRI值进行序列搜索,首先连续搜索出n个脉冲确定该部雷达的存在,并持续更新起始脉冲,适应脉冲丢失的情况,直到搜索到最后一个脉冲;
调制类型识别:根据雷达信号的特点,对分选出的雷达信号的调制类型进行识别,所述的雷达信号包括常规雷达信号、重频抖动雷达信号、重频参差雷达信号、重频滑变雷达信号、重频组变雷达信号和捷变频雷达信号。
本发明的优势在于:针对非天线侦察方向的干扰PDW问题,利用旁瓣匿影的方法去除;针对信道化时造成的冗余PDW问题,利用频域融合方法去除冗余;针对多波束同时响应所产生的冗余PDW问题,利用空域融合方法去除。有效减少脉冲流中的冗余和干扰PDW,提升雷达信号分选的准确性。
附图说明
图1为本发明的流程图;
图2是旁瓣匿影系统示意图;
图3a是信道化造成的冗余信号示意图(过渡带重复信号),图3b是信道化造成的冗余信号示意图(兔耳效应);
图4是脉冲重叠示意图;
图5是多波束阵列波束示意图;
图6是旁瓣匿影具体实施流程图;
图7是频域融合具体实施流程图;
图8是空域融合具体实施流程图。
具体实施方式
下面结合附图举例对本发明做更详细地描述:
结合图1-8,本发明的实现方案:首先对接收到的PDW数据进行空时融合,即旁瓣匿影操作,消除旁瓣接收信号,专注于主瓣扫描信号;然后对PDW数据进行时频融合,即频域融合操作,去除PDW数据中由于信道化过程中两相邻信道过渡带的存在和兔耳效应所产生的冗余和干扰PDW;接下来对剩余PDW数据继续进行空时融合,即空域融合操作,去除多波束阵列多个波束同时接收信号所造成的冗余PDW;最后,对预处理后的PDW数据进行雷达信号分选,识别雷达信号的脉间调制类型。
本发明适用的条件:
(1)该方法适用于相控阵被动、主被动一体化雷达,存在天线旁瓣接收信号,采用信道化接收机对信号进行信道化,多波束同时接收的侦察系统。
(2)输入信号类型包括常规雷达信号、重频抖动雷达信号、重频参差雷达信号、重频滑变雷达信号、重频组变雷达信号和捷变频雷达信号。
在对预处理方法的各个步骤进行描述之前,对其中运用到的参数判断和计算方法进行解释。首先,介绍脉冲是否进行预处理的判断方法,包含时域重叠判断和频域相近判断;然后,介绍了匿影操作中的参数判断准则;最后,介绍了在空域融合中运用到的重心法测向的原理。
1参数判断准则
(1)时域重叠判断
在进行预处理之前,需要先在时域上判断两个脉冲是否需要进行预处理,即判别满足一定条件下两组脉冲串中,在时域上是否存在脉冲时域重叠的情况,若存在,才需要继续进行处理。
图4显示出两脉冲重叠的4种情况,其中①和③表示的是两脉冲在时域上存在部分重叠,②和④表示的是其中一个脉冲被完整包含在另一脉冲中。总的来说,即某个脉冲的起始时间或结束时间在另一脉冲的持续时间内,即两脉冲存在重叠。
脉冲时域重叠判断条件为:
toai≤toaj≤toei
toaj≤toei≤toej
toe=toa+pw (1)
其中toa为脉冲到达时间,toe为脉冲结束时间,pw为脉宽,即i和j脉冲在时域上满足式(1),则两脉冲时域存在重叠。
(2)频域相近判断
判断两个脉冲是否需要进行匿影和融合处理除了在时域上两个脉冲重叠,在频域上即载频也应该是相差不大的,即满足式(2):
-δ<cfM-cfA<δ (2)
其中,δ为载频判断容限。
综上所述,若两个脉冲满足时域重叠和频域相近,则认为其需要进行预处理。
(3)空域参数判断
1)旁瓣匿影参数判断
旁瓣匿影系统就是雷达加装一个辅助通道,该通道安装全向天线,天线增益介于主天线的主瓣峰值和最大旁瓣增益之间,如式(3)所示。
Gsl<Ga<Gml (3)
其中Gsl为天线最大旁瓣增益,Ga为辅助天线增益,Gml为天线主瓣峰值。
图2显示了是旁瓣匿影系统示意图。
由式(3)可知,主天线的旁瓣接收的信号幅度会小于辅助通道天线接收的信号幅度,利用该关系就可以去除旁瓣接收的干扰脉冲。
2)重心法测向
空域融合时,可以同时进行重心法测向。重心法测向是利用搜索到的待空域融合的脉冲进行到达角的测量。根据各方向上接收到的脉冲的幅度差异和各波束的中心指向,利用重心法即可得到脉冲的到达角。
图5是多个波束接收同一信号的示意图,其中图中的矩形表示该波束接收到的脉冲的幅度,即与信号到达方向越接近的波束接收到的脉冲的幅度就越大。
重心法测向的测角公式为:
其中,N是脉冲序列扫描后找到用于融合的相邻波束中的脉冲个数,Gi为各脉冲的幅度,θi为各脉冲所在波束的中心指向,θ为该脉冲的到达角。
2融合准则
(1)幅度取大准则
在融合过程中,利用时域重叠和频域相近可以判定多个脉冲为同一信号,即其中存在干扰和冗余脉冲,故采用幅度取大准则进行PDW提取。
在多个脉冲中选取幅度最大的脉冲进行提取,其余幅度较小的脉冲判定为干扰和冗余脉冲,如式(5):
PAmax=MAX{PAmo,PAnew} (5)
其中,PAmo为已搜索到的脉冲中的最大幅度,PAnew为新搜索到的脉冲的幅度,记录PAmax所对应脉冲的位置信息。
(2)信息融合准则
根据取大原则提取出保留脉冲,依据幅度构造加权公式,利用待融合的多个脉冲对保留脉冲的各项参数进行信息融合,得到更加准确的参数,以便于信号分选更好的进行。
其中,Gi各脉冲的幅度,α指代融合更新的参数,如载频和脉宽。
3处理流程
预处理方法的总体流程如图1所示,各个模块具体操作流程以下进行详细叙述。其中,输入的脉冲数据中存在由旁瓣接收的脉冲,各波束信道化形成的干扰和冗余脉冲。
(1)旁瓣匿影
旁瓣匿影技术多用于主动雷达探测体系中,能够有效抑制来自于同频段的邻近雷达所产生的干扰,而且还能够抑制虚假目标带来的干扰,而本发明将旁瓣匿影技术应用在被动雷达侦察体系中,消除非天线侦察方向天线旁瓣所接收到的干扰信号。
具体操作流程:
1)脉冲选择。根据时域重叠判断和频域相近判断准则,判断分别来自于主辅天线同一信道中的两个脉冲是否需要进行匿影处理;
2)融合处理。若两脉冲需要进行匿影处理,则根据幅度取大原则保留脉冲,即若由主天线接收的脉冲的幅度较低,则该脉冲为主天线的旁瓣接收,将其匿影标志位置1,标志该脉冲将被删除。
图6是旁瓣匿影操作的具体实施流程图。
(2)频域融合
频域融合是解决由于信道化技术本身存在的缺陷造成待分选的PDW存在许多冗余和干扰的问题。
频域融合具体操作流程与空域融合相似,详细描述见空域融合,但是频域融合中待融合的两个脉冲是属于同一波束的相邻信道的脉冲,而空域融合则是属于同一信道的相邻波束的脉冲。
图7是频域融合操作的具体实施流程图。
(3)空域融合
空域融合是解决多波束响应造成的冗余脉冲的问题,同时,为节省运算时间,空域融合同时进行重心法测向,得到各脉冲的到达角信息,以便于后续分选。
具体操作流程:
1)脉冲选择。根据时域重叠判断和频域相近判断准则,判断分别来自于同一信道中相邻的m和m+1波束的两个脉冲PDWm和PDWm+1是否需要进行融合处理;
2)幅度比较。提取PDWm的pulse_pos中指向的脉冲PDWmax,PDWmax是融合过程中搜索到的幅度最大的脉冲;
3)脉冲置位。比较PDWmax和PDWm+1的幅度,根据取大原则进行选取脉冲,将其更新为PDWmax,将另一脉冲的融合标志位置1;
4)DOA更新。根据公式(4)对PDWmax的DOA进行更新;
5)信息融合。根据公式(6)对PDWmax的载频和脉宽信息进行信息融合;
图8是空域融合操作的具体实施流程图
(4)冗余脉冲删除
该步骤是为了将匿影和融合过程中搜索到的冗余和干扰脉冲删除,即将所有置位为1的脉冲删除即可。
(5)雷达信号分选
信号分选具体步骤为:
1)预分选
采用K-means动态聚类方法进行DOA、CF和PW三级聚类预分选操作,对脉冲流进行稀释;
2)主分选
对预分选形成的脉冲组分别进行PRI主分选,采用PRI变换算法,得到各雷达信号的真实PRI,PRI变换算法引入指数因子,可以有效抑制谐波的干扰;
3)序列搜索
利用得到的PRI值进行序列搜索,首先连续搜索出n个脉冲确定该部雷达的存在,并持续更新起始脉冲,适应脉冲丢失的情况,直到搜索到最后一个脉冲。
4)调制类型识别
根据各种雷达信号的特点,对分选出的雷达信号的调制类型进行识别,本发明可识别常规雷达信号、重频抖动雷达信号、重频参差雷达信号、重频滑变雷达信号、重频组变雷达信号和捷变频雷达信号。
实施例:
雷达仿真参数设置:
表1雷达参数设置
其中,仿真实验中共有4个波束同时接收信号,并经过信道化接收机进行16路信道化。
仿真脉冲数据时,对仿真生成的部分雷达信号在其相邻波束和相邻信道内增加干扰和冗余脉冲,冗余和干扰脉冲占脉冲总量的30%,对存在冗余和干扰脉冲的脉冲流预处理,然后进行信号分选,分选结果如表2所示。
表2经过预处理的PDW分选结果
由表2可知,与仿真生成的原始数据比较得到重频抖动雷达中多了3个脉冲,而重频参差雷达和PRI为9.98us的常规雷达均少了6个脉冲,这是因为少量冗余脉冲未被消除和预处理过程中少量有效脉冲被融合造成的。
所以预处理可以有效去除冗余和干扰脉冲,正确率为
并且能够帮助正确的分选识别出各部雷达。
Claims (4)
1.一种被动雷达信号分选PDW预处理方法,其特征是:
首先对接收到的PDW数据进行空时融合,即旁瓣匿影操作,消除旁瓣接收信号,专注于主瓣扫描信号;
然后对PDW数据进行时频融合,即频域融合操作,去除PDW数据中由于信道化过程中两相邻信道过渡带的存在和兔耳效应所产生的冗余和干扰PDW;
接下来对剩余PDW数据继续进行空时融合,即空域融合操作,去除多波束阵列多个波束同时接收信号所造成的冗余PDW;
最后,对预处理后的PDW数据进行雷达信号分选,识别雷达信号的脉间调制类型。
2.根据权利要求1所述的一种被动雷达信号分选PDW预处理方法,其特征是:所述旁瓣匿影操作的过程为:
脉冲选择:根据时域重叠判断和频域相近判断准则,判断分别来自于主辅天线同一信道中的两个脉冲是否需要进行匿影处理;
融合处理:若两脉冲需要进行匿影处理,则根据幅度取大原则保留脉冲,即若由主天线接收的脉冲的幅度较低,则该脉冲为主天线的旁瓣接收,将其匿影标志位置1,标志该脉冲将被删除。
3.根据权利要求1所述的一种被动雷达信号分选PDW预处理方法,其特征是:所述空域融合操作的过程为:
脉冲选择:根据时域重叠判断和频域相近判断准则,判断分别来自于同一信道中相邻的m和m+1波束的两个脉冲PDWm和PDWm+1是否需要进行融合处理;
幅度比较:提取PDWm的pulse_pos中指向的脉冲PDWmax,PDWmax是融合过程中搜索到的幅度最大的脉冲;
脉冲置位:比较PDWmax和PDWm+1的幅度,根据取大原则进行选取脉冲,将其更新为PDWmax,将另一脉冲的融合标志位置1;
4.根据权利要求1所述的一种被动雷达信号分选PDW预处理方法,其特征是:雷达信号分选的具体步骤为:
预分选:采用K-means动态聚类方法进行DOA、CF和PW三级聚类预分选操作,对脉冲流进行稀释;
主分选:对预分选形成的脉冲组分别进行PRI主分选,采用PRI变换算法,得到各雷达信号的真实PRI;
序列搜索:利用得到的PRI值进行序列搜索,首先连续搜索出n个脉冲确定该部雷达的存在,并持续更新起始脉冲,适应脉冲丢失的情况,直到搜索到最后一个脉冲;
调制类型识别:根据雷达信号的特点,对分选出的雷达信号的调制类型进行识别,所述的雷达信号包括常规雷达信号、重频抖动雷达信号、重频参差雷达信号、重频滑变雷达信号、重频组变雷达信号和捷变频雷达信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010540841.7A CN111751792B (zh) | 2020-06-15 | 2020-06-15 | 一种被动雷达信号分选pdw预处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010540841.7A CN111751792B (zh) | 2020-06-15 | 2020-06-15 | 一种被动雷达信号分选pdw预处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111751792A true CN111751792A (zh) | 2020-10-09 |
CN111751792B CN111751792B (zh) | 2024-03-22 |
Family
ID=72676088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010540841.7A Active CN111751792B (zh) | 2020-06-15 | 2020-06-15 | 一种被动雷达信号分选pdw预处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111751792B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112637134A (zh) * | 2020-12-02 | 2021-04-09 | 电子科技大学 | 一种用于数据链通信系统跳时信号的信号分选方法 |
CN112986928A (zh) * | 2021-03-11 | 2021-06-18 | 哈尔滨工程大学 | 一种复杂电磁环境下信号分选多源融合处理方法 |
CN113311394A (zh) * | 2021-05-18 | 2021-08-27 | 中国船舶重工集团公司第七二三研究所 | 一种超宽带pdw实时融合方法 |
CN114624645A (zh) * | 2022-03-10 | 2022-06-14 | 扬州宇安电子科技有限公司 | 一种基于微型天线阵列的小型旋翼无人机雷达侦察系统 |
CN116106837A (zh) * | 2023-04-10 | 2023-05-12 | 成都富元辰科技有限公司 | 无人机载雷达干扰模拟系统及应用 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576942A (zh) * | 2017-07-27 | 2018-01-12 | 中国船舶重工集团公司第七二四研究所 | 一种基于信号聚类的辐射源扫描周期实时估计方法 |
CN107656245A (zh) * | 2017-08-22 | 2018-02-02 | 哈尔滨工程大学 | 一种将信息融合应用到雷达信号分选中的方法 |
CN108572353A (zh) * | 2018-04-28 | 2018-09-25 | 西安电子科技大学 | 一种低截获雷达的脉冲时间序列规划方法 |
-
2020
- 2020-06-15 CN CN202010540841.7A patent/CN111751792B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576942A (zh) * | 2017-07-27 | 2018-01-12 | 中国船舶重工集团公司第七二四研究所 | 一种基于信号聚类的辐射源扫描周期实时估计方法 |
CN107656245A (zh) * | 2017-08-22 | 2018-02-02 | 哈尔滨工程大学 | 一种将信息融合应用到雷达信号分选中的方法 |
CN108572353A (zh) * | 2018-04-28 | 2018-09-25 | 西安电子科技大学 | 一种低截获雷达的脉冲时间序列规划方法 |
Non-Patent Citations (7)
Title |
---|
GUANG LI: "A Novel Method of Synthetic CT Generation from MR Images Based on Convolutional Neural Networks", 2018 11TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING, BIOMEDICAL ENGINEERING AND INFORMATICS * |
刘旭波,刘敬蜀,刘斌,秦令令,陈涛: "随机森林分类用于雷达信号预分选新算法研究", 科技导报, pages 93 - 97 * |
吴小强;赵东;王喜鹏;: "分布式小型化雷达干扰技术", 舰船电子对抗, no. 01, pages 32 - 35 * |
吴思源: "被动雷达导引头参数测量及分选方法研究", 中国优秀硕士学位论文全文数据库 * |
桂佑林,王本君: "数字信道化及虚假信号问题研究", 现代雷达, vol. 38, no. 3, pages 23 - 27 * |
王昭: "主信号抑制下的辐射源个体识别技术研究", 中国优秀硕士学位论文全文数据库 * |
王璐: "雷达新型有源干扰抑制技术研究", 中国优秀硕士学位论文全文数据库 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112637134A (zh) * | 2020-12-02 | 2021-04-09 | 电子科技大学 | 一种用于数据链通信系统跳时信号的信号分选方法 |
CN112986928A (zh) * | 2021-03-11 | 2021-06-18 | 哈尔滨工程大学 | 一种复杂电磁环境下信号分选多源融合处理方法 |
CN113311394A (zh) * | 2021-05-18 | 2021-08-27 | 中国船舶重工集团公司第七二三研究所 | 一种超宽带pdw实时融合方法 |
CN114624645A (zh) * | 2022-03-10 | 2022-06-14 | 扬州宇安电子科技有限公司 | 一种基于微型天线阵列的小型旋翼无人机雷达侦察系统 |
CN114624645B (zh) * | 2022-03-10 | 2022-09-30 | 扬州宇安电子科技有限公司 | 一种基于微型天线阵列的小型旋翼无人机雷达侦察系统 |
CN116106837A (zh) * | 2023-04-10 | 2023-05-12 | 成都富元辰科技有限公司 | 无人机载雷达干扰模拟系统及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN111751792B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111751792A (zh) | 一种被动雷达信号分选pdw预处理方法 | |
CN106154235B (zh) | 基于频率分集mimo雷达的主瓣欺骗式干扰抑制方法 | |
CN108680910B (zh) | 基于波形认知的调频广播外辐射源雷达目标检测方法 | |
US20100283666A1 (en) | Radar signals clustering method using frequency modulation characteristics and combination characteristics of signals, and system for receiving and processing radar signals using the same | |
CN107576942B (zh) | 一种基于信号聚类的辐射源扫描周期实时估计方法 | |
KR101787524B1 (ko) | 교통용 레이더의 신호처리방법 | |
CN109444820A (zh) | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 | |
CN110907908B (zh) | 基于包络分析的导航雷达信号分选方法 | |
KR101929510B1 (ko) | 이중 편파 채널을 이용하는 w대역 밀리미터파 탐색기에서 표적 식별 장치 | |
CN108535704B (zh) | 一种基于自适应二维聚类的信号预分选方法 | |
CN113484838A (zh) | 一种多基地雷达有源假目标鉴别方法及系统 | |
CN111796241A (zh) | 一种多波束阵列波束间比幅的副瓣抑制方法 | |
CN114265004B (zh) | 一种基于子空间对消的干扰下的目标角度估计方法 | |
CN112684454B (zh) | 一种基于子频段的轨迹交叉目标关联方法 | |
RU2304789C1 (ru) | Способ радиолокационного сопровождения траектории объекта | |
KR102663240B1 (ko) | 드론 탐지 및 추적 시스템 | |
CN112836104B (zh) | 一种数据库辅助自主聚类信号分选方法及系统 | |
CN106526541B (zh) | 基于分布矩阵决策的声音定位方法 | |
CN115755020A (zh) | 一种机械扫描雷达天线扫描位置的跟踪方法 | |
CN110426696B (zh) | 一种脉冲缺损的雷达信号特征序列搜索方法 | |
Dadgarnia et al. | A novel method of deinterleaving radar pulse sequences based on a modified DBSCAN algorithm | |
Alshirah et al. | Improved 2-class target classification performance using radar waveform design | |
CN114152939A (zh) | 一种同时多波束雷达点迹凝聚方法 | |
Peng et al. | 2-D linear frequency modulation signal separation using fractional Fourier transform | |
CN109917367B (zh) | 一种雷达目标距离和方位两维包络信息的匹配方法及其应用 |
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 |