CN112051557B - 一种基于时频特征量化分析的有源干扰在线认知方法 - Google Patents
一种基于时频特征量化分析的有源干扰在线认知方法 Download PDFInfo
- Publication number
- CN112051557B CN112051557B CN202010919206.XA CN202010919206A CN112051557B CN 112051557 B CN112051557 B CN 112051557B CN 202010919206 A CN202010919206 A CN 202010919206A CN 112051557 B CN112051557 B CN 112051557B
- Authority
- CN
- China
- Prior art keywords
- interference
- frequency
- time
- broadband
- judgment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000019771 cognition Effects 0.000 title claims abstract description 18
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 15
- 230000000903 blocking effect Effects 0.000 claims abstract description 12
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
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
本发明公开了一种基于时频特征量化分析的有源干扰在线认知方法,采用宽、窄带接收机并行工作的方式,在宽带接收系统中,通过宽带侦察阵检测干扰,对干扰样本进行时频特征提取,进而针对所提取干扰特征设计分类器,得到干扰功率随干扰实际带宽、持续时间的分布信息,并给出宽带阻塞式噪声干扰、宽带线性扫频式干扰、窄带类干扰3种识别结果;在窄带接收系统中,选取辅助天线接收信号中的干扰样本,实现窄带瞄频式噪声干扰、转发式假目标干扰的识别;最后,联合宽带侦察阵干扰源监测信息、窄带干扰样式识别结果,输出干扰认知结果。
Description
技术领域
本发明涉及电子对抗技术领域。
背景技术
宽窄带联合的电磁环境监测系统可以实时感知雷达所有工作频点的电磁环境状态,为雷达系统动态调配扫描策略、工作频段、发射波形、信息处理资源、计算资源提供核心依据。具体而言,宽带侦察阵通过扫频等方式完成宽带干扰检测、分析与识别等任务,提供工作频带内干扰态势信息,实现宽带阻塞式噪声干扰、宽带线性扫频式干扰以及窄带类干扰等多种干扰瞬时策略的认知和参数粗估计,为系统频率捷变提供准确的频带指示信息,提高雷达系统频域资源使用效率;窄带工作通道主要进行干扰信号调制特征分析和关键参数测量,完成干扰指示、干扰源测向、主副瓣干扰标识、干扰样式分类等任务,可作为反干扰策略制定的重要参考,也可为自适应抗干扰决策提供辅助性支撑。
发明内容
本发明提出了一种基于时频特征量化分析的有源干扰在线认知方法,适于作为自适应抗干扰雷达系统的辅助性决策手段,能够提升雷达系统在复杂电磁环境下的态势综合智能化感知能力。
实现本发明的技术解决方案为:采用宽、窄带接收机并行工作的方式,通过宽带侦察阵检测干扰机在时频域的工作状态,完成宽带干扰样式的识别任务;与此同时,由窄带接收机实现窄带干扰样式的识别;最后,联合宽带侦察阵干扰源监测信息、窄带干扰样式识别结果,输出干扰认知结果。具体步骤为:
步骤1:干扰源监测:选取宽带侦察阵接收信号中的干扰样本,实现宽带阻塞式噪声干扰、宽带线性扫频式干扰以及窄带类干扰的识别,输出干扰功率随干扰实际带宽、持续时间的分布信息;
步骤2:窄带干扰样式识别:选取辅助天线接收信号中的干扰样本,实现窄带瞄频式噪声干扰、转发式假目标干扰的识别;
步骤3:宽窄带联合干扰认知:联合宽带侦察阵干扰源监测信息、窄带干扰样式识别结果,输出干扰认知结果:干扰机在哪些频率范围、时间范围内,以多大的功率对我方雷达进行了何种具体样式的干扰。
本发明与现有技术相比,其显著优点为:(1)联合宽、窄接收机对电磁环境进行感知,使得有源干扰认知系统兼具宽带接收机瞬时工作带宽大、窄带接收机灵敏度高、精细化分析能力强的优点;(2)本发明提出的时频分布线性度、自相关峰值曲线平滑度、幂变换相关系数等干扰特征提取方法易于工程实现,能够实现有源干扰的在线认知。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1是一种基于时频特征量化分析的有源干扰在线认知方法处理框图。
具体实施方式
本发明针对有源干扰自适应处理实际工程应用需求,提出了一种基于时频特征量化分析的宽、窄带联合有源干扰自适应在线认知方法,由宽带侦察阵实现干扰检测,输出干扰功率随干扰实际带宽、持续时间的分布信息,并给出宽带阻塞式噪声干扰、宽带线性扫频式干扰、窄带类干扰3种识别结果;由窄带干扰样式实现窄带瞄频式噪声干扰、转发式假目标干扰的识别;最后,联合宽带侦察阵干扰源监测信息、窄带干扰样式识别结果,输出干扰认知结果:干扰机在哪些频率范围、时间范围内,以多大的功率对我方雷达进行了何种具体样式的干扰。本发明提出的干扰特征提取方法易于工程实现,能够实现有源干扰的在线认知。下面结合附图和具体实施方式对本发明做更进一步的具体说明。
结合图1说明本发明一种基于时频特征量化分析的有源干扰在线认知方法。
如图1所示,本发明包括如下步骤:
步骤1:干扰源监测:选取宽带侦察阵接收信号中的干扰样本,实现宽带阻塞式噪声干扰、宽带线性扫频式干扰以及窄带类干扰的识别,输出干扰功率随干扰实际带宽、持续时间的分布信息;
步骤2:窄带干扰样式识别:选取辅助天线接收信号中的干扰样本,实现窄带瞄频式噪声干扰、转发式假目标干扰的识别;
步骤3:宽窄带联合干扰认知:联合宽带侦察阵干扰源监测信息、窄带干扰样式识别结果,输出干扰认知结果:干扰机在哪些频率范围、时间范围内,以多大的功率对我方雷达进行了何种具体样式的干扰。
进一步的,步骤1可以包括如下步骤:
步骤1-1:提取宽带侦察阵接收的中频复信号x(n)包络|x(n)|;
步骤1-2:对所有离散时间n,在|x(n)|中,搜寻从n时刻起的连续L个样本点幅度峰值,并用该峰值覆盖n时刻包络幅值|x(n)|,样本点数目不足L时进行补零处理;
步骤1-3:对经过步骤1-2处理得到的包络|x(n)|,在所有离散时间n上,选取干扰样本:
j(n)=x(n),|x(n)|≥Pjth (1)
式中,Pjth为干扰功率判决门限;
步骤1-4:对干扰样本j(n)作短时傅里叶变换(STFT),得到干扰时频图PJSTFT(ni,fk),并输出干扰随干扰实际带宽、持续时间的分布信息,式中,ni为短时时间窗序号,fk为离散频率点;
步骤1-5:在干扰时频图PJSTFT(ni,fk)中,对每个离散频率点fk,在时间窗维度上做谱峰搜寻,将PJSTFT(ni,fk)降维至频域得到序列PJF(fk);
步骤1-6:用GO-CFAR对序列PJF(fk)进行检测,得到过门限标识序列RCFAR(fk),计算过检测门限样本点数:
式中,f0为雷达发射信号经宽带侦察接收机数字下变频后的频率,B为雷达中频接收机带宽。设Nfk为STFT运算中离散频率点数目、δN为宽窄带干扰判决门限,若NBr/Nfk≤δN,则判定干扰为窄带类干扰,否则转步骤1-7;
步骤1-7:对干扰样本j(n)作自相关运算:
式中,表示卷积运算,N为算法可物理实现所需的最小时延。求解序列Rj(n)峰值坐标(Rjmax,nm),得到自相关峰值曲线平滑度:
S=Rjmax-Rj(nm-1) (4)
设宽带阻塞式噪声干扰自相关峰值曲线平滑度S取值的置信区间为[s1,s2],若S∈[s1,s2],则判定干扰为宽带阻塞式噪声干扰,并输出干扰功率随干扰实际带宽、持续时间的分布信息,否则转步骤1-8;
步骤1-8:对干扰时频图PJSTFT(ni,fk),遍历每个短时时间窗ni,在频率维度上做谱峰搜寻,存储谱峰频率fi,用最小二乘法拟合直线fi=kni+b,并计算fi、ni之间的时频分布线性度:
式中,N为短时时间窗数目。设q为宽带线性扫频式干扰时频分布线性度的判决门限,若Q≥q,则判定干扰为宽带线性扫频式干扰,并输出干扰功率随干扰实际带宽、持续时间的分布信息,否则为未知干扰。
进一步的,步骤2可以包括如下步骤:
步骤2-1:在雷达回波每个距离单元上,利用辅助天线与主天线接收信号功率比值进行干扰、目标回波判决,在辅助通道上将干扰样本选取出来;
步骤2-2:对干扰样本作自相关运算:
式中,表示卷积运算,N为算法可物理实现所需的最小时延。进一步地,求解序列峰值坐标/>得到自相关峰值曲线平滑度:
设窄带瞄频式噪声干扰自相关峰值曲线平滑度取值的置信区间为/>若则判定干扰为窄带瞄频式噪声干扰,否则转步骤2-3;
步骤2-3:对干扰样本进行匹配滤波,并对滤波结果作幂变换:
式中,h(n)为匹配滤波器单位脉冲响应,M为幂变换指数,进一步地,求解干扰与数字基带发射信号幂变换相关系数:
Rjs=max|fpc(n)| (9)
设转发式假目标干扰幂变换相关系数取值的置信区间为[Rjs1,Rjs2],若Rjs∈[Rjs1,Rjs2],则判定干扰为转发式假目标干扰,否则为未知干扰。
Claims (8)
1.一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于:
步骤1:干扰源监测:选取宽带侦察阵接收信号中的干扰样本,实现宽带阻塞式噪声干扰、宽带线性扫频式干扰以及窄带类干扰的识别,输出干扰功率随干扰实际带宽、持续时间的分布信息;
步骤1-1:提取宽带侦察阵接收的中频复信号x(n)包络|x(n)|;
步骤1-2:对所有离散时间n,在|x(n)|中,搜寻从n时刻起的连续L个样本点幅度峰值,并用该峰值覆盖n时刻包络幅值|x(n)|,样本点数目不足L时进行补零处理;
步骤1-3:对经过步骤1-2处理得到的包络|x(n)|,在所有离散时间n上,选取干扰样本j(n);
步骤1-4:对干扰样本j(n)作短时傅里叶变换STFT,得到干扰时频图PJSTFT(ni,fk),并输出干扰随干扰实际带宽、持续时间的分布信息,式中,ni为短时时间窗序号,fk为离散频率点;
步骤1-5:在干扰时频图PJSTFT(ni,fk)中,对每个离散频率点fk,在时间窗维度上做谱峰搜寻,将PJSTFT(ni,fk)降维至频域得到序列PJF(fk);
步骤1-6:用GO-CFAR对序列PJF(fk)进行检测,得到过门限标识序列RCFAR(fk),计算过检测门限样本点数NBr,并依据NBr进行窄带类干扰判决,若判决为窄带类干扰,则输出判决结果,否则,转步骤1-7;
步骤1-7:计算干扰j(n)自相关峰值曲线平滑度,进行宽带阻塞式噪声干扰判决,若判决为宽带阻塞式噪声干扰,则输出判决结果,以及干扰功率随干扰实际带宽、持续时间的分布信息,否则,转步骤1-8;
步骤1-8:计算干扰j(n)时频分布线性度,进行宽带线性扫频式干扰判决,若判决为宽带线性扫频式干扰,则输出判决结果,以及干扰功率随干扰实际带宽、持续时间的分布信息,否则为未知干扰;
步骤2:窄带干扰样式识别:选取辅助天线接收信号中的干扰样本,实现窄带瞄频式噪声干扰、转发式假目标干扰的识别;
步骤3:宽窄带联合干扰认知:联合宽带侦察阵干扰源监测信息、窄带干扰样式识别结果,输出干扰认知结果:干扰机在哪些频率范围、时间范围内,以多大的功率对我方雷达进行了何种具体样式的干扰。
2.根据权利要求1所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于,所述步骤1-3中选取干扰样本j(n)为:
j(n)=x(n),|x(n)|≥Pjth (1);
式中,Pjth为干扰功率判决门限。
3.根据权利要求1所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于:所述步骤1-6中依据NBr进行窄带类干扰判决为:
式中,f0为雷达发射信号经宽带侦察接收机数字下变频后的频率,B为雷达中频接收机带宽;设Nfk为STFT运算中离散频率点数目、δN为宽窄带干扰判决门限,若NBr/Nfk≤δN,则判定干扰为窄带类干扰。
4.根据权利要求1所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于:所述步骤1-7中干扰j(n)自相关为:
式中,表示卷积运算,N为算法可物理实现所需的最小时延;求解序列Rj(n)峰值坐标(Rjmax,nm),得到自相关峰值曲线平滑度:
S=Rjmax-Rj(nm-1) (4);
设宽带阻塞式噪声干扰自相关峰值曲线平滑度S取值的置信区间为[s1,s2],若S∈[s1,s2],则判定干扰为宽带阻塞式噪声干扰。
5.根据权利要求1所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于:所述步骤1-8中干扰j(n)时频分布线性度计算方法为:对干扰时频图PJSTFT(ni,fk),遍历每个短时时间窗ni,在频率维度上做谱峰搜寻,存储谱峰频率fi,用最小二乘法拟合直线fi=kni+b,并计算fi、ni之间的时频分布线性度:
式中,N为短时时间窗数目;设q为宽带线性扫频式干扰时频分布线性度的判决门限,若Q≥q,则判定干扰为宽带线性扫频式干扰,并输出干扰功率随干扰实际带宽、持续时间的分布信息。
6.根据权利要求1所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于:所述步骤2包括如下步骤:
步骤2-1:在雷达回波每个距离单元上,利用辅助天线与主天线接收信号功率比值进行干扰、目标回波判决,在辅助通道上将干扰样本选取出来;
步骤2-2:计算干扰自相关峰值曲线平滑度,进行窄带瞄频式噪声干扰判决,若判决为窄带瞄频式噪声干扰,则输出判决结果,否则,转步骤2-3;
步骤2-3:计算干扰幂变换相关系数,进行转发式假目标干扰判决,若判决为转发式假目标干扰,则输出判决结果,否则为未知干扰。
7.根据权利要求6所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于,步骤2-2中干扰自相关具体描述为:
式中,表示卷积运算,N为算法可物理实现所需的最小时延;求解序列/>峰值坐标得到自相关峰值曲线平滑度:
设窄带瞄频式噪声干扰自相关峰值曲线平滑度取值的置信区间为/>若/>则判定干扰为窄带瞄频式噪声干扰。
8.根据权利要求6所述的一种基于时频特征量化分析的有源干扰在线认知方法,其特征在于,步骤2-3中干扰幂变换为:
式中,h(n)为匹配滤波器单位脉冲响应,M为幂变换指数;求解干扰与数字基带发射信号幂变换相关系数:
Rjs=max|fpc(n)| (9);
设转发式假目标干扰幂变换相关系数取值的置信区间为[Rjs1,Rjs2],若Rjs∈[Rjs1,Rjs2],则判定干扰为转发式假目标干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919206.XA CN112051557B (zh) | 2020-09-04 | 2020-09-04 | 一种基于时频特征量化分析的有源干扰在线认知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010919206.XA CN112051557B (zh) | 2020-09-04 | 2020-09-04 | 一种基于时频特征量化分析的有源干扰在线认知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051557A CN112051557A (zh) | 2020-12-08 |
CN112051557B true CN112051557B (zh) | 2023-12-12 |
Family
ID=73607410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010919206.XA Active CN112051557B (zh) | 2020-09-04 | 2020-09-04 | 一种基于时频特征量化分析的有源干扰在线认知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051557B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6028549A (en) * | 1998-05-22 | 2000-02-22 | Deutsches Zentrum Fur Luft-Und Raumfahrt E.V. | Process for the detection and suppression of interfering signals in S.A.R. data and device for performing this process |
US7492814B1 (en) * | 2005-06-09 | 2009-02-17 | The U.S. Government As Represented By The Director Of The National Security Agency | Method of removing noise and interference from signal using peak picking |
CN101631102A (zh) * | 2009-04-10 | 2010-01-20 | 北京理工大学 | 一种跳频系统干扰样式识别技术 |
CN103163505A (zh) * | 2013-01-31 | 2013-06-19 | 西安电子科技大学 | 基于jade的时变窄带干扰抑制方法 |
CN105891799A (zh) * | 2016-06-24 | 2016-08-24 | 西安电子科技大学 | 适用于机械扫描雷达的有源干扰侦察方法 |
CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
-
2020
- 2020-09-04 CN CN202010919206.XA patent/CN112051557B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6028549A (en) * | 1998-05-22 | 2000-02-22 | Deutsches Zentrum Fur Luft-Und Raumfahrt E.V. | Process for the detection and suppression of interfering signals in S.A.R. data and device for performing this process |
US7492814B1 (en) * | 2005-06-09 | 2009-02-17 | The U.S. Government As Represented By The Director Of The National Security Agency | Method of removing noise and interference from signal using peak picking |
CN101631102A (zh) * | 2009-04-10 | 2010-01-20 | 北京理工大学 | 一种跳频系统干扰样式识别技术 |
CN103163505A (zh) * | 2013-01-31 | 2013-06-19 | 西安电子科技大学 | 基于jade的时变窄带干扰抑制方法 |
CN105891799A (zh) * | 2016-06-24 | 2016-08-24 | 西安电子科技大学 | 适用于机械扫描雷达的有源干扰侦察方法 |
CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
Non-Patent Citations (2)
Title |
---|
基于STFT和WT的SAR干扰抑制算法;张双喜 等;《电子学报》;第39卷(第7期);全文 * |
雷达智能抗干扰体系研究;王峰 等;《现代雷达》;第36卷(第1期);第80-81页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112051557A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110519003B (zh) | 一种基于信号特征差异的无人机上下行通信链路识别方法及装置 | |
US10879946B1 (en) | Weak signal processing systems and methods | |
CN106291487A (zh) | 一种基于agc电压和回波数据的雷达接收功率和rcs估计方法 | |
CN111693944A (zh) | 雷达有源干扰信号参数提取与干扰样式识别方法及装置 | |
Weinberg | Coherent Multilook Radar Detection for Targets in Pareto Distributed Clutter. | |
CN106405543B (zh) | 一种认知型盲源分离辐射源提取方法及其评价方法 | |
CN112990026A (zh) | 基于对抗训练的无线信号感知模型构建、感知方法及系统 | |
CN109655794B (zh) | 一种窄带自卫噪声压制干扰的检测识别方法 | |
CN113300986B (zh) | 无人机图传信号与热点信号识别方法、介质、计算机设备 | |
CN112051557B (zh) | 一种基于时频特征量化分析的有源干扰在线认知方法 | |
Shin et al. | Weak radar signal detection based on variable band selection | |
CN111597873B (zh) | 一种基于支持向量数据描述的超短波威胁信号感知方法 | |
CN107589419B (zh) | 一种能量峰值联合宽带高分辨距离像目标提取的方法 | |
CN114584227B (zh) | 自动化突发信号检测方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN113176541B (zh) | 一种自适应抗频谱弥散干扰方法及系统 | |
CN107340504A (zh) | 基于frft域峰值特性的压制干扰存在性检测方法 | |
CN115792884A (zh) | 一种基于fmcw雷达的人员检测系统及方法 | |
Ni et al. | Detection of underwater carrier-free pulse based on time-frequency analysis | |
CN109709523B (zh) | 一种WiFi无源雷达的城市建筑环境杂波抑制方法 | |
CN109347580B (zh) | 一种已知占空比的自适应门限信号检测方法 | |
CN102346246A (zh) | 基于小波变换来感知认知无线电系统中的脉冲信号的方法 | |
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 | |
CN111077515A (zh) | 一种基于模拟电视外辐射源雷达的目标检测方法 | |
Jilong et al. | An Improved Time Delay Estimation Algorithm with Robustness |
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 | ||
CB02 | Change of applicant information |
Address after: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing Applicant after: 724 Research Institute of China Shipbuilding Corp. Address before: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing Applicant before: 724TH RESEARCH INSTITUTE OF CHINA SHIPBUILDING INDUSTRY Corp. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |