CN111929654A - 一种基于微多普勒技术的杂波抑制方法 - Google Patents
一种基于微多普勒技术的杂波抑制方法 Download PDFInfo
- Publication number
- CN111929654A CN111929654A CN202010816590.0A CN202010816590A CN111929654A CN 111929654 A CN111929654 A CN 111929654A CN 202010816590 A CN202010816590 A CN 202010816590A CN 111929654 A CN111929654 A CN 111929654A
- Authority
- CN
- China
- Prior art keywords
- frequency
- time
- micro
- clutter
- radar echo
- 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 41
- 230000001629 suppression Effects 0.000 title claims abstract description 29
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 5
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 11
- 238000013135 deep learning Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 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
- G01S7/414—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
本发明公开了一种基于微多普勒技术的杂波抑制方法，属于雷达信号处理领域。本发明主要是由雷达数据预处理模块、时频分析模块、幅值提取与滤波模块组成。雷达回波信号首先经过预处理模块得到雷达回波数据，然后将得到的雷达回波数据进行时频分析，得到时频图。通过对回波时频图进行幅值提取，将三维时频域变换到频域，再经过傅里叶变换和滤波，滤除杂波的微动信息，得到目标的微动信息。本发明提出的杂波抑制方法简单，对信号处理设备性能要求低，杂波抑制精度较高。
Description
技术领域
本发明属于雷达信号处理领域，具体涉及一种基于微多普勒技术的杂波抑制方法。
背景技术
雷达在典型草原地貌背景下探测目标，地面目标会受到复杂背景信号的干扰，常见的杂波如杂草、敌人释放的金属箔条等。这些杂波既有静止目标，又包括运动目标，在雷达回波信号中可能会产生强杂波信号干扰，甚至会淹没探测目标信号，严重影响目标特征的有效提取，因此需要对回波信号中的杂波进行抑制。
目前杂波抑制方法主要有动目标显示和MTD技术，MTI技术主要用于固定杂波的抑制，常用延迟对消实现。MTD主要用来抑制运动杂波，基本思想是设计一个滤波器组，并观察每个滤波器的输出，当滤波器个数很多且覆盖目标的所有可能频点，总有一个滤波器可以实现最近滤波输出。但MTD技术不能做到不失真的保留地面目标回波信号。
申请号为201710021300.1，申请日为2017年1月11日的专利申请“一种基于深度学习的杂波抑制方法”中，提出一种基于深度学习的杂波抑制方法，通过深度学习模块中的稀疏自动编码器提取出雷达回波信号的特征，并使用SVM支持向量机对其分类，得到杂波信号和非杂波信号。在深度学习模块建立的过程中，由于特征的提取是建立在大量的雷达回波信号基础之上的，因此特征的提取具有普遍性。该方法具有一定的优点，但为了保证对杂波较高的抑制精度，该方法需要经过不断训练，耗时较长。
发明内容
本发明所要解决的技术问题是：提供一种基于微多普勒技术的杂波抑制方法，解决了现有技术中杂波抑制方法精度低、耗时长的问题。
本发明为解决上述技术问题采用以下技术方案：
一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，具体的处理过程如下：
步骤1、通过雷达信号处理模块对雷达回波信号进行初步的数据预处理之后得到雷达回波数据；
步骤2、对雷达回波数据进行时频分析，得到雷达回波数据的时频图；
步骤3、对得到的时频图进行幅值提取，将三维时频域变换到二维，获取微多普勒频率序列；
步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息；
步骤5、对目标和杂波的微动信息进行高通滤波，滤除杂波微动频率信息，得到需要的目标特征信息。
步骤1中，在雷达信号预处理模块中，首先将雷达回波信号变换到频域，然后乘以ROM中预存的匹配滤波所需的匹配函数，再经IFFT变换到时域后进行距离脉冲压缩，获取包含多种杂波信号的雷达回波数据。
步骤2中，将包含各种杂波信号的雷达回波数据带入如下公式：
得到目标和杂波的微多普勒频率随时间的变化规律，其中，S(τ)是雷达回波信号，g(t)是窗函数；用窗函数来取出信号，然后对取出的信号做傅里叶变换，将雷达回波数据变换到时频域，得到时频图。
步骤3中，得到雷达回波时频图为时间、频率和幅值的三维图像，对时频图进行处理，通过如下公式设置微多普勒频率的幅度阈值A，剔除微多普勒频率的低幅值分量：
STFTx(t,ω)＞A
其中STFTx(t,ω)为t时刻对应的不同频率点幅值，A为最小幅度阈值；获取观测时间内每个时间点对应的微多普勒频率幅值，获取微多普勒频率随时间的变化函数。
根据如下公式将每一个时间点t对应的频率幅值相加，得到微多普勒频率随时间的变化函数：
与现有技术相比，本发明具有以下有益效果：
相比于以往的使用深度学习的杂波抑制方法，对杂波有更好的抑制效果，实时性和简捷性较高，对设备性能要求较低，更节省成本。
附图说明
图1为本发明基于微多普勒技术的杂波抑制方法的实现流程图。
图2为本发明雷达回波信号时频图。
图3为本发明未消除杂波时的目标微动频率图。
图4为本发明杂波抑制后目标微动频率图。
具体实施方式
下面结合附图对本发明的结构及工作过程作进一步说明。
本方案提出一种基于微多普勒技术的杂波抑制方法，通过目标与杂波之间的微多普勒特征差异，将目标和杂波进行分离，从而实现杂波抑制。该方法主要包括雷达数据预处理模块、时频分析模块、幅值提取与滤波模块。在时频分析模块中分析目标与杂波微多普勒频率的差异，并得到时频图。通过对回波时频图进行幅值提取，将三维时频域变换到二维，再经过傅里叶变换和滤波，滤除杂波的微到频率，从而实现杂波的有效移除。该方法相比于以往的使用深度学习的杂波抑制方法，对杂波的消除具有更高的准确度，运算复杂度低，对设备性能要求较低，具有更高的实时性和简洁性。
一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，具体的处理过程如下：
步骤1、通过雷达信号处理模块对雷达回波信号进行初步的数据预处理之后得到雷达回波数据；
步骤2、对雷达回波数据进行时频分析，得到雷达回波数据的时频图；
步骤3、对得到的时频图进行幅值提取，将三维时频域变换到二维，获取微多普勒频率序列；
步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息；
步骤5、对目标和杂波的微动信息进行高通滤波，滤除杂波微动频率信息，得到需要的目标特征信息。
具体实施例，如图1至图4所示，
一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，具体的处理过程如下：
步骤1、在雷达信号预处理模块中，首先将雷达回波信号变换到频域，然后乘以ROM中预存的匹配滤波所需的匹配函数，再经IFFT变换到时域后进行距离脉冲压缩，获取包含多种杂波信号的雷达回波数据；
步骤2、将包含各种杂波信号的雷达回波数据带入如下公式：
得到目标和杂波的微多普勒频率随时间的变化规律，其中，S(τ)是雷达回波信号，g(t)是窗函数；用窗函数来取出信号，然后对取出的信号做傅里叶变换，将雷达回波数据变换到时频域，得到雷达回波数据的时频图；
步骤3、对得到的时频图进行幅值提取，得到雷达回波时频图为时间、频率和幅值的三维图像，对时频图进行处理，时频图的横轴是时间轴t，纵轴为雷达回波信号频谱对应的频率轴f，时频图颜色深浅代表雷达回波信号幅值频率Af，对时频图进行处理，首先设置合适的阈值将其转化为二值图像，即
Afi(t)＞Af
其中Afi(t)为t时刻对应的不同频率点幅值，Af为最小幅度阈值，将三维时频域变换到二维，获取微多普勒频率序列，通过如下公式设置微多普勒频率的幅度阈值A，剔除微多普勒频率的低幅值分量：
STFTx(t,ω)＞A
其中STFTx(t,ω)为t时刻对应的不同频率点幅值，A为最小幅度阈值；获取观测时间内每个时间点对应的微多普勒频率幅值，获取微多普勒频率随时间的变化函数，根据如下公式将每一个时间点t对应的频率幅值相加，得到微多普勒频率随时间的变化函数：
步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息，在对目标和杂波的微动频率分析后，两者的微动频率如图3所示，可以看出，两者的微动频率变化范围分布不同；
步骤5、对目标和杂波的微动信息进行高通滤波，通过高通滤波设置门限滤除杂波的微动信息，即可得到目标的微动特征信息，实现目标和杂波的分离，其分离结果如图4所示，滤除杂波微动频率信息，得到需要的目标特征信息。
本发明是从目标和杂波的精细运动特征进行分析研究，利用微多普勒技术来实现杂波抑制，具有方法简单、运算量小、对信号处理设备性能要求低、精确度高等优势。
本领域技术人员应该理解，本领域技术人员在结合现有技术以及上述实施例可以实现变化例，在此不做赘述。这样的变化例并不影响本发明的实质内容，在此不予赘述。
以上对本发明的较佳实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。
Claims (5)
1.一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，其特征在于：具体的处理过程如下：
步骤1、通过雷达信号处理模块对雷达回波信号进行初步的数据预处理之后得到雷达回波数据；
步骤2、对雷达回波数据进行时频分析，得到雷达回波数据的时频图；
步骤3、对得到的时频图进行幅值提取，将三维时频域变换到二维，获取微多普勒频率序列；
步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息；
步骤5、对目标和杂波的微动信息进行高通滤波，滤除杂波微动频率信息，得到需要的目标特征信息。
2.根据权利要求1所述的基于微多普勒技术的杂波抑制方法，其特征在于：步骤1中，在雷达信号预处理模块中，首先将雷达回波信号变换到频域，然后乘以ROM中预存的匹配滤波所需的匹配函数，再经IFFT变换到时域后进行距离脉冲压缩，获取包含多种杂波信号的雷达回波数据。
3.根据权利要求1所述的基于微多普勒技术的杂波抑制方法，其特征在于：步骤2中，将包含各种杂波信号的雷达回波数据带入如下公式：
得到目标和杂波的微多普勒频率随时间的变化规律，其中，S(τ)是雷达回波信号，g(t)是窗函数；用窗函数来取出信号，然后对取出的信号做傅里叶变换，将雷达回波数据变换到时频域，得到时频图。
4.根据权利要求1所述的基于微多普勒技术的杂波抑制方法，其特征在于：步骤3中，得到雷达回波时频图为时间、频率和幅值的三维图像，对时频图进行处理，通过如下公式设置微多普勒频率的幅度阈值A，剔除微多普勒频率的低幅值分量：
STFTx(t,ω)＞A
其中STFTx(t,ω)为t时刻对应的不同频率点幅值，A为最小幅度阈值；获取观测时间内每个时间点对应的微多普勒频率幅值，获取微多普勒频率随时间的变化函数。
5.根据权利要求4所述的基于微多普勒技术的杂波抑制方法，其特征在于：根据如下公式将每一个时间点t对应的频率幅值相加，得到微多普勒频率随时间的变化函数：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010816590.0A CN111929654B (zh) | 2020-08-14 | 2020-08-14 | 一种基于微多普勒技术的杂波抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010816590.0A CN111929654B (zh) | 2020-08-14 | 2020-08-14 | 一种基于微多普勒技术的杂波抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111929654A true CN111929654A (zh) | 2020-11-13 |
| CN111929654B CN111929654B (zh) | 2024-04-26 |
Family
ID=73310865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010816590.0A Active CN111929654B (zh) | 2020-08-14 | 2020-08-14 | 一种基于微多普勒技术的杂波抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111929654B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686297A (zh) * | 2020-12-29 | 2021-04-20 | 中国人民解放军海军航空大学 | 一种雷达目标运动状态的分类方法及系统 |
| CN112799030A (zh) * | 2021-02-08 | 2021-05-14 | 北京富奥星电子技术有限公司 | 使用多普勒雷达实现存在感应的识别方法和装置 |
| 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 |
| CN113177514A (zh) * | 2021-05-20 | 2021-07-27 | 浙江波誓盾科技有限公司 | 无人机信号检测方法、装置及计算机可读存储介质 |
| CN113219462A (zh) * | 2021-04-29 | 2021-08-06 | 森思泰克河北科技有限公司 | 基于时频图的目标识别方法、装置和终端设备 |
| CN114280571A (zh) * | 2022-03-04 | 2022-04-05 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
| CN116318522A (zh) * | 2023-05-12 | 2023-06-23 | 中国民用航空飞行学院 | 一种无需参考信号接收通道的无源相参杂波抑制方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL1024654C2 (nl) * | 2003-10-29 | 2005-05-02 | Thales Nederland Bv | Doppler polarimetrische detectie- en classificatiewerkwijzen. |
| CN102788969A (zh) * | 2012-07-04 | 2012-11-21 | 中国人民解放军海军航空工程学院 | 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法 |
| CN103176178A (zh) * | 2013-02-04 | 2013-06-26 | 中国人民解放军海军航空工程学院 | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 |
| CN107064894A (zh) * | 2017-01-11 | 2017-08-18 | 南京御达电信息技术有限公司 | 一种基于深度学习的杂波抑制方法 |
| CN107884760A (zh) * | 2017-11-10 | 2018-04-06 | 北京电子工程总体研究所 | 一种空间自由飞行目标的惯量比提取方法 |
| EP3460507A1 (en) * | 2017-09-26 | 2019-03-27 | Infineon Technologies AG | System and method for occupancy detection using a millimeterwave radar sensor |
| CN109633629A (zh) * | 2018-10-26 | 2019-04-16 | 上海无线电设备研究所 | 太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法 |
| KR102021531B1 (ko) * | 2019-03-28 | 2019-11-04 | 세종대학교 산학협력단 | 연속파 레이더를 이용한 미세 손 동작 인식 장치 및 그 방법 |
| EP3575828A1 (en) * | 2018-05-30 | 2019-12-04 | Richwave Technology Corp. | Method for detecting presence of an object in an environment |
-
2020
- 2020-08-14 CN CN202010816590.0A patent/CN111929654B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL1024654C2 (nl) * | 2003-10-29 | 2005-05-02 | Thales Nederland Bv | Doppler polarimetrische detectie- en classificatiewerkwijzen. |
| CN102788969A (zh) * | 2012-07-04 | 2012-11-21 | 中国人民解放军海军航空工程学院 | 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法 |
| CN103176178A (zh) * | 2013-02-04 | 2013-06-26 | 中国人民解放军海军航空工程学院 | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 |
| CN107064894A (zh) * | 2017-01-11 | 2017-08-18 | 南京御达电信息技术有限公司 | 一种基于深度学习的杂波抑制方法 |
| EP3460507A1 (en) * | 2017-09-26 | 2019-03-27 | Infineon Technologies AG | System and method for occupancy detection using a millimeterwave radar sensor |
| CN107884760A (zh) * | 2017-11-10 | 2018-04-06 | 北京电子工程总体研究所 | 一种空间自由飞行目标的惯量比提取方法 |
| EP3575828A1 (en) * | 2018-05-30 | 2019-12-04 | Richwave Technology Corp. | Method for detecting presence of an object in an environment |
| CN109633629A (zh) * | 2018-10-26 | 2019-04-16 | 上海无线电设备研究所 | 太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法 |
| KR102021531B1 (ko) * | 2019-03-28 | 2019-11-04 | 세종대학교 산학협력단 | 연속파 레이더를 이용한 미세 손 동작 인식 장치 및 그 방법 |
Non-Patent Citations (3)
| Title |
|---|
| D.B.HERR 等: "Data-Driven STFT for UAV Micro-Doppler Signature Analysis", 2020 IEEE INTERNATIONAL RADAR CONFERENCE, 11 June 2020 (2020-06-11), pages 1023 - 1028 * |
| F. L. POSNER: "Spiky sea clutter at high range resolutions and very low grazing angles", IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, vol. 38, no. 1, 31 January 2002 (2002-01-31), pages 58 - 73 * |
| 陈潜;付朝伟;刘俊豪;吴嗣亮;: "基于随机脉冲重复间隔Radon-Fourier变换的相参积累", 电子与信息学报, no. 05, 15 May 2015 (2015-05-15), pages 1085 - 1090 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112686297A (zh) * | 2020-12-29 | 2021-04-20 | 中国人民解放军海军航空大学 | 一种雷达目标运动状态的分类方法及系统 |
| CN112686297B (zh) * | 2020-12-29 | 2023-04-14 | 中国人民解放军海军航空大学 | 一种雷达目标运动状态的分类方法及系统 |
| 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 |
| CN112799030A (zh) * | 2021-02-08 | 2021-05-14 | 北京富奥星电子技术有限公司 | 使用多普勒雷达实现存在感应的识别方法和装置 |
| CN113219462A (zh) * | 2021-04-29 | 2021-08-06 | 森思泰克河北科技有限公司 | 基于时频图的目标识别方法、装置和终端设备 |
| CN113219462B (zh) * | 2021-04-29 | 2022-12-06 | 森思泰克河北科技有限公司 | 基于时频图的目标识别方法、装置和终端设备 |
| CN113177514A (zh) * | 2021-05-20 | 2021-07-27 | 浙江波誓盾科技有限公司 | 无人机信号检测方法、装置及计算机可读存储介质 |
| CN114280571A (zh) * | 2022-03-04 | 2022-04-05 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
| CN114280571B (zh) * | 2022-03-04 | 2022-07-19 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
| CN116318522A (zh) * | 2023-05-12 | 2023-06-23 | 中国民用航空飞行学院 | 一种无需参考信号接收通道的无源相参杂波抑制方法 |
| CN116318522B (zh) * | 2023-05-12 | 2023-08-08 | 中国民用航空飞行学院 | 一种无需参考信号接收通道的无源相参杂波抑制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111929654B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111929654B (zh) | 一种基于微多普勒技术的杂波抑制方法 | |
| Mezei et al. | Drone sound detection by correlation | |
| CN110389325B (zh) | 一种旋翼无人机的雷达微多普勒信号提取方法 | |
| CN105974376B (zh) | 一种sar射频干扰抑制方法 | |
| DE69214257T2 (de) | Verbessertes ISAR Bilderzeugungsradarsystem | |
| CN103885043B (zh) | 基于广义匹配滤波的飞机目标杂噪稳健分类方法 | |
| CN111896926A (zh) | 一种基于强杂波抑制的低空目标检测方法及系统 | |
| CN111239703A (zh) | 鲁棒主分量分析多帧杂波抑制及稀疏运动目标检测方法 | |
| CN109490852A (zh) | 一种线性调频脉冲信号调频斜率极性确定方法 | |
| CN109061626B (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
| Zeng et al. | Underwater sound classification based on Gammatone filter bank and Hilbert-Huang transform | |
| CN104101868B (zh) | 基于干扰子空间重构的雷达多假目标干扰抑制方法 | |
| CN113176541A (zh) | 一种自适应抗频谱弥散干扰方法及系统 | |
| CN112835003A (zh) | 基于重采样预处理的雷达重频变化稳健目标识别方法 | |
| CN112731304A (zh) | 一种基于方位角度域滤波的弧形阵列雷达杂波抑制方法 | |
| CN109471084B (zh) | 一种电磁散射机理分解方法 | |
| Li et al. | Deep learning for interference mitigation in time-frequency maps of fmcw radars | |
| CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
| CN101639530B (zh) | 一种基于二维混合变换的sar回波信号去噪预处理方法 | |
| Rosenberg et al. | Sparse signal separation methods for target detection in sea-clutter | |
| Wang et al. | LFM signal perception based on Wavelet transform and Time-Frequency Technology | |
| CN110929694A (zh) | 一种用于分类识别的线谱增强及特征提取方法 | |
| Popov et al. | Synthesis and analysis non-recursive rejection filters in the transient mode | |
| CN114937150B (zh) | 一种基于深度阈值残差网络的无人机目标识别方法 | |
| CN113358927B (zh) | 一种基于区域核函数的多分量线性调频信号时频分析方法 |
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 |