CN112098952A - 一种基于时域统计处理的雷达侦察杂波抑制方法 - Google Patents
一种基于时域统计处理的雷达侦察杂波抑制方法 Download PDFInfo
- Publication number
- CN112098952A CN112098952A CN202010837026.7A CN202010837026A CN112098952A CN 112098952 A CN112098952 A CN 112098952A CN 202010837026 A CN202010837026 A CN 202010837026A CN 112098952 A CN112098952 A CN 112098952A
- Authority
- CN
- China
- Prior art keywords
- mean
- clutter
- sorting result
- std
- processing
- 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
- 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
- G01S7/40—Means for monitoring or calibrating
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域统计处理的雷达侦察杂波抑制方法。本发明在雷达信号常规分选结果的基础上,增加一个对全脉冲数据做时域统计处理的环节,利用直达波和杂波全脉冲数据统计特征值的显著差异性和规律性,可对直达波和杂波进行自主地判别,无需人为参与地实现杂波抑制。本发明还具备灵活适应多信号、复杂电磁环境下的杂波抑制能力。
Description
技术领域
本发明涉及一种雷达侦察信号处理方法,特别是涉及一种基于时域统计处理的雷达侦察杂波抑制方法。
背景技术
雷达侦察设备的主要处理对象是地面、舰载、机载等平台上装备的雷达目标辐射的各种微波信号。在复杂多变的空间传输环境条件下,雷达侦察设备除了接收处理直达波以外,大量地面、海面散射杂波也会随直达波一起进入接收处理系统,对雷达目标的处理识别产生干扰,造成大量的虚假结果出现,降低设备对目标的情报输出准确度,恶化设备对战场电磁态势的实时展现效果,影响设备的实战效能发挥。
从公开的论文、发表的专利情况来看,目前鲜见针对雷达侦察杂波抑制问题的研究成果发表。现有的雷达侦察设备在面临杂波问题时,一般是在使用方法上采取一定的措施加以规避。比如提高信号检测门限,让幅度较弱的雷达杂波信号无法进入采集处理环节,这种方法在面临单一雷达目标信号时较为有效。但是,当外界电磁环境复杂,多目标多信号同时出现,且多信号之间的幅度差异较大、频谱占用度较高时,针对特定信号进行人工调整检测门限难度很大,几乎不可能实现。因此,如何提升雷达侦察设备的杂波抑制能力,是工程应用中比较重要且棘手的问题。
现有的采取提高检测门限的方法实现雷达侦察杂波抑制,虽然可以在单一目标的环境下起到一定作用,但是当信号环境复杂、目标数量密集时就会显得无能为力。因为在信号环境复杂的条件下,强信号的杂波甚至比弱信号的直达波更强,简单通过调整门限实现杂波抑制的技术手段变得不再有效。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于时域统计处理的雷达侦察杂波抑制方法解决了雷达目标识别的准确率不高的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于时域统计处理的雷达侦察杂波抑制方法,包括以下步骤:
S1、在每一个处理节拍ΔT内,将直达波和杂波的全脉冲数据流经过处理形成分选结果;
S2、对当前处理节拍内X个分选结果的全脉冲数据进行统计处理,得到分选结果的统计特征值si[mean(f),mean(PRI),std(PW),std(AoA),mean(Amp)];
其中,f为载频的统计均值、PRI为脉冲重复间隔的统计均值,PW为脉宽的统计均方根值,AoA为到达角统的计均方根值,Amp为幅度的统计均值;
S3、当分选结果数量X>1时,进入步骤S4,否则进入步骤S9;
令i=1,j=i+1,…,X,i和j均为分选结果的序号;
S4、当si[mean(f)]=sj[mean(f)]且si[mean(PRI)]=sj[mean(PRI)]时,进入步骤S5,否则,进入步骤S6;
S5、将si(ΔT)和sj(ΔT)归类为同一部雷达辐射的直达波或杂波信号,并进入步骤S7;
其中,si(ΔT)为第i个处理节拍内脉冲串形成的分选结果,ΔT为处理节拍时间;
S6、将si(ΔT)和sj(ΔT)判定为两部独立雷达辐射的信号,当j<X时,令j加上1,并返回步骤S4,否则,令i加上1,并令j=i+1,当i<X时,返回步骤S4,否则进入步骤S9;
S7、当si[std(PW)]<sj[std(PW)]且si[std(AoA)]<sj[std(AoA)]且si[mean(Amp)]>sj[mean(Amp)]时,或者si[std(PW)]>sj[std(PW)]且si[std(AoA)]>sj[std(AoA)]且si[mean(Amp)]<sj[mean(Amp)]时,进入步骤S8,否则,返回步骤S6;
S8、将脉宽的统计均方根值PW值较大的分选结果判定为杂波信号,并将该分选结果剔除,令X减去1,并返回步骤S3;
S9、将剔除杂波后的分选结果作为最终的直达波信号,实现分选结果的杂波抑制,并返回步骤S2,对下一个处理节拍内的分选结果进行杂波抑制。
进一步地:所述步骤S1中分选结果的计算公式为:
上式中,S为分选结果,M为直达波形成的分选结果数量,N为杂波形成的分选结果数量,M+N=X,si(ΔT)为第i个处理节拍内脉冲串形成的分选结果,ΔT为处理节拍时间。
进一步地:所述处理节拍时间ΔT为500ms。
进一步地:所述步骤S1中分选结果的形成方法为:通过每个处理节拍对截获的直达波和杂波脉冲信号进行采集、量化、参测和聚类处理,最后形成分选结果。
本发明的有益效果为:本发明在雷达信号常规分选结果的基础上,增加一个对全脉冲数据做时域统计处理的环节,利用直达波和杂波全脉冲数据统计特征值的显著差异性和规律性,可对直达波和杂波进行自主地判别,无需人为参与地实现杂波抑制。本发明还具备灵活适应多信号、复杂电磁环境下的杂波抑制能力。
本发明与原有的人工调整检测门限实现单一信号条件下的杂波抑制技术手段相比,具有以下显著优点:
1)具有无人工参与的自主杂波抑制能力;
2)在常规分选结果的基础上增加一个处理环节,不影响现有分选核心算法,对设备的升级改造更加安全;
3)算法复杂度较低,易于设备的升级改造;
4)算法的实时性满足设备要求,每个处理节拍实时参与杂波抑制,无延迟;
5)杂波抑制率高,经实测验证杂波抑制率可达90%以上。
附图说明
图1为本发明流程图;
图2为本发明实施例中杂波抑制前的识别结果;
图3为本发明实施例中杂波抑制后的识别结果。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于时域统计处理的雷达侦察杂波抑制方法,包括以下步骤:
在每一个处理节拍ΔT内,将直达波和杂波的全脉冲数据流经过处理形成分选结果;
分选结果的计算公式为:
上式中,S为分选结果,M为直达波形成的分选结果数量,N为杂波形成的分选结果数量,M+N=X,si(ΔT)为第i个处理节拍内脉冲串形成的分选结果,ΔT为处理节拍时间。处理节拍时间ΔT不小于500ms。
直达波和杂波构成的一系列脉冲信号经雷达侦察设备的天线系统无差别地进入接收处理系统。在接收处理系统中,每个处理节拍会对截获的直达波和杂波脉冲信号进行采集、量化、参测和聚类处理,最后形成分选结果。
S2、对当前处理节拍内X个分选结果的全脉冲数据进行统计处理,得到分选结果的统计特征值si[mean(f),mean(PRI),std(PW),std(AoA),mean(Amp)];
其中,f为载频的统计均值、PRI为脉冲重复间隔的统计均值,PW为脉宽的统计均方根值,AoA为到达角统的计均方根值,Amp为幅度的统计均值;
直达波形成的分选结果可由下式进行描述:
sd(ΔT)=sd[arr[df],arr[dPRI],arr[dPW],arr[dAoA],arr[dAmp]]
式中,sd(ΔT)为单个处理节拍内直达波的脉冲串形成的分选结果,ΔT为处理节拍时间,一般不小于500ms。
sd[arr[df],arr[dPRI],arr[dPW],arr[dAoA],arr[dAmp]]为某一直达波形成分选结果的以二维数组形式描述的全脉冲数据。df、dPRI、dPW、dAoA、dAmp分别为直达波的载频、脉冲重复间隔、脉宽、到达角、幅度,单位通常分别为:MHz、us、us、°、dBm。
杂波形成的分选结果可由下式进行描述:
sm(ΔT)=sm[arr[mf],arr[mPRI],arr[mPW],arr[mAoA],arr[mAmp]]
式中,sm(ΔT)为单个处理节拍内杂波的脉冲串形成的分选结果,ΔT为处理节拍时间,一般不小于500ms。
sm[arr[mf],arr[mPRI],arr[mPW],arr[mAoA],arr[mAmp]]为某一杂波形成分选结果的以二维数组形式描述的全脉冲数据。mf、mPRI、mPW、mAoA、mAmp分别为杂波的载频、脉冲重复间隔、脉宽、到达角、幅度,单位与直达波相同。
根据直达波和杂波在地理空间中的传输模型,一个直达波信号经过空间传输可产生无法预计具体数量的杂波。从时域上看,杂波一定是直达波延时若干时长的结果,具体的延时长度与散射点相对雷达和侦察设备的位置有关。杂波经过散射叠加后最终由雷达侦察设备采集处理得到全脉冲数据,形成的分选结果与直达波相比,数据特征如下:
1)单部雷达产生的直达波经过散射以后形成的杂波载频不会产生明显的变化,因此有:mean(arr[df])≈mean(arr[mf]),即载频均值近似相等;
2)单部雷达产生的直达波脉冲信号经过散射后会产生固定延时的杂波,但是脉冲重复间隔不会被杂波显著改变,因此有:mean(arr[dPRI])≈mean(arr[mPRI]),即脉冲重复间隔均值近似相等;
3)单部雷达产生的直达波脉冲信号宽度经过空间传输后不会产生变化,但是经过散射叠加以后形成的脉冲信号宽度会被扩展,且存在很大的随机性。因此,dPW≠mPW,且二者的时域统计特性有显著区别,std(arr[dPW])<std(arr[mPW]),即直达波的脉宽均方根值小于杂波的脉宽均方根值;
4)单部雷达产生的直达波来波方位即为雷达相对侦察设备的方位,但是杂波为传输空间中各种散射点的综合结果,其方位具有很强的随机性,因此dAoA≠mAoA,且二者的时域统计特性有显著区别,std(arr[dAoA])<std(arr[mAoA]),即直达波的到达角均方根值小于杂波的到达角均方根值;
5)杂波经过散射点散射以后,必然会因为散射衰减造成其幅度不如直达波,因此,对于每一个脉冲而言均有dAmp>mAmp,进一步的有mean(arr[dAmp])>mean(arr[mAmp]),即直达波的幅度均值大于杂波的幅度均值。
S3、当分选结果数量X>1时,进入步骤S4,否则进入步骤S9;
令i=1,j=i+1,…,X,i和j均为分选结果的序号;
S4、当si[mean(f)]=sj[mean(f)]且si[mean(PRI)]=sj[mean(PRI)]时,进入步骤S5,否则,进入步骤S6;
S5、将si(ΔT)和sj(ΔT)归类为同一部雷达辐射的直达波或杂波信号,并进入步骤S7;
其中,si(ΔT)为第i个处理节拍内脉冲串形成的分选结果,ΔT为处理节拍时间;
S6、将si(ΔT)和sj(ΔT)判定为两部独立雷达辐射的信号,当j<X时,令j加上1,并返回步骤S4,否则,令i加上1,并令j=i+1,并返回步骤S4;
S7、当si[std(PW)]<sj[std(PW)]且si[std(AoA)]<sj[std(AoA)]且si[mean(Amp)]>sj[mean(Amp)]时,或者si[std(PW)]>sj[std(PW)]且si[std(AoA)]>sj[std(AoA)]且si[mean(Amp)]<sj[mean(Amp)]时,进入步骤S8,否则,返回步骤S6;
S8、将脉宽的统计均方根值PW值较大的分选结果判定为杂波信号,并将该分选结果剔除,令X减去1,并返回步骤S3;
S9、将剔除杂波后的分选结果作为最终的直达波信号,实现分选结果的杂波抑制,并返回步骤S2,对下一个处理节拍内的分选结果进行杂波抑制。
在本发明的一个实施例中,
S2、对当前处理节拍内分选结果的全脉冲数据进行统计处理,得到的统计特征值如下:
s1[9500,41,0.05,0.5,-45],s2[9500,41,0.3,2,-65],s3[9500,41,0.5,1,-55],s4[9500,41,0.7,3,-62],s5[9650,67,0.4,4,-70],s6[9650,67,0.04,0.6,-41],s7[9650,67,0.3,3,-68],s8[9700,33,0.6,4,-61],s9[9700,33,0.4,2,-64],s10[9700,33,0.03,0.4,-38]。
S3、当分选结果数量X>1时,进入步骤S4,否则进入步骤S9;
令i=1,j=i+1,…,X,i和j均为分选结果的序号;
S4、当s1[mean(f)]=s2[mean(f)]且s1[mean(PRI)]=s2[mean(PRI)]时,进入步骤S5,否则,进入步骤S6;
S5、将s1(ΔT)和s2(ΔT)归类为同一部雷达辐射的直达波或杂波信号,并进入步骤S7;
S6、S6、将si(ΔT)和sj(ΔT)判定为两部独立雷达辐射的直达波信号,当j<X时,令j加上1,并返回步骤S4,否则,令i加上1,当i<X时,返回步骤S4,否则进入步骤S9;
S7、当s1[std(PW)]<s2[std(PW)]且s1[std(AoA)]<s2[std(AoA)]且s1[mean(Amp)]>s2[mean(Amp)]时,或者s1[std(PW)]>s2[std(PW)]且s1[std(AoA)]>s2[std(AoA)]且s1[mean(Amp)]<s2[mean(Amp)]时,进入步骤S8,否则,返回步骤S6;
S8、将脉宽的统计均方根值PW值较大的分选结果判定为杂波信号,即s2(ΔT)为杂波信号,直接从10个分选结果中剔除s2(ΔT),令X减去1,并返回步骤S3;
S9、将剔除杂波后的分选结果作为最终的直达波信号,实现分选结果的杂波抑制,并返回步骤S2,对下一个处理节拍内的分选结果进行杂波抑制。如图3所示,上报最终剩余的3个分选结果,实现7个杂波分选结果的抑制。
Claims (4)
1.一种基于时域统计处理的雷达侦察杂波抑制方法,其特征在于,包括以下步骤:
S1、在每一个处理节拍ΔT内,将直达波和杂波的全脉冲数据流经过处理形成分选结果;
S2、对当前处理节拍内X个分选结果的全脉冲数据进行统计处理,得到分选结果的统计特征值si[mean(f),mean(PRI),std(PW),std(AoA),mean(Amp)];
其中,f为载频的统计均值、PRI为脉冲重复间隔的统计均值,PW为脉宽的统计均方根值,AoA为到达角统的计均方根值,Amp为幅度的统计均值;
S3、当分选结果数量X>1时,进入步骤S4,否则进入步骤S9;
令i=1,j=i+1,…,X,i和j均为分选结果的序号;
S4、当si[mean(f)]=sj[mean(f)]且si[mean(PRI)]=sj[mean(PRI)]时,进入步骤S5,否则,进入步骤S6;
S5、将si(ΔT)和sj(ΔT)归类为同一部雷达辐射的直达波或杂波信号,并进入步骤S7;
其中,si(ΔT)为第i个处理节拍内脉冲串形成的分选结果,ΔT为处理节拍时间;
S6、将si(ΔT)和sj(ΔT)判定为两部独立雷达辐射的信号,当j<X时,令j加上1,并返回步骤S4,否则,令i加上1,并令j=i+1,当i<X时,返回步骤S4,否则进入步骤S9;
S7、当si[std(PW)]<sj[std(PW)]且si[std(AoA)]<sj[std(AoA)]且si[mean(Amp)]>sj[mean(Amp)]时,或者si[std(PW)]>sj[std(PW)]且si[std(AoA)]>sj[std(AoA)]且si[mean(Amp)]<sj[mean(Amp)]时,进入步骤S8,否则,返回步骤S6;
S8、将脉宽的统计均方根值PW值较大的分选结果判定为杂波信号,并将该分选结果剔除,令X减去1,并返回步骤S3;
S9、将剔除杂波后的分选结果作为最终的直达波信号,实现分选结果的杂波抑制,再对下一个处理节拍内的分选结果进行杂波抑制。
3.根据权利要求2所述的基于时域统计处理的雷达侦察杂波抑制方法,其特征在于,所述处理节拍时间ΔT不小于500ms。
4.根据权利要求1所述的基于时域统计处理的雷达侦察杂波抑制方法,其特征在于,所述步骤S1中分选结果的形成方法为:通过每个处理节拍对截获的直达波和杂波脉冲信号进行采集、量化、参测和聚类处理,最后形成分选结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010837026.7A CN112098952B (zh) | 2020-08-19 | 2020-08-19 | 一种基于时域统计处理的雷达侦察杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010837026.7A CN112098952B (zh) | 2020-08-19 | 2020-08-19 | 一种基于时域统计处理的雷达侦察杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112098952A true CN112098952A (zh) | 2020-12-18 |
CN112098952B CN112098952B (zh) | 2022-11-08 |
Family
ID=73754064
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010837026.7A Active CN112098952B (zh) | 2020-08-19 | 2020-08-19 | 一种基于时域统计处理的雷达侦察杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112098952B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019490A (zh) * | 2021-09-18 | 2022-02-08 | 中国电子科技集团公司第二十九研究所 | 一种多目标天线扫描周期估算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303109A1 (en) * | 2006-05-08 | 2009-12-10 | Thales Nederland B.V. | Method for filtering sea clutter in a radar echo using a hydrographic model |
CN106291492A (zh) * | 2016-07-19 | 2017-01-04 | 西安电子科技大学 | 一种基于精细杂波图的自适应目标检测方法 |
CN111090077A (zh) * | 2020-01-20 | 2020-05-01 | 上海交通大学 | 多维度去交错后的toa差分统计雷达信号分选方法 |
-
2020
- 2020-08-19 CN CN202010837026.7A patent/CN112098952B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090303109A1 (en) * | 2006-05-08 | 2009-12-10 | Thales Nederland B.V. | Method for filtering sea clutter in a radar echo using a hydrographic model |
CN106291492A (zh) * | 2016-07-19 | 2017-01-04 | 西安电子科技大学 | 一种基于精细杂波图的自适应目标检测方法 |
CN111090077A (zh) * | 2020-01-20 | 2020-05-01 | 上海交通大学 | 多维度去交错后的toa差分统计雷达信号分选方法 |
Non-Patent Citations (2)
Title |
---|
LANZI ZHANG,ET AL: "The Clutter Suppression Based on Statistical Techniques in TWI Application", 《2013 IEEE INTERNATIONAL CONFERENCE ON ULTRA-WIDEBAND (ICUWB)》, 31 December 2013 (2013-12-31), pages 130 - 135 * |
凌兵等: "复杂电磁环境雷达信号综合分选技术研究", 《现代雷达》, 30 April 2020 (2020-04-30), pages 11 - 15 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114019490A (zh) * | 2021-09-18 | 2022-02-08 | 中国电子科技集团公司第二十九研究所 | 一种多目标天线扫描周期估算方法 |
CN114019490B (zh) * | 2021-09-18 | 2023-09-08 | 中国电子科技集团公司第二十九研究所 | 一种多目标天线扫描周期估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112098952B (zh) | 2022-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104914415B (zh) | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 | |
CN102879767B (zh) | 一种用于空时自适应处理的干扰目标检测方法 | |
CN103018727A (zh) | 一种基于样本训练的机载雷达非平稳杂波抑制方法 | |
CN108957419B (zh) | 基于陷波滤波处理的异步干扰抑制方法 | |
CN109765529B (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
CN111220955B (zh) | 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法 | |
CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
CN101881822A (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN112014806A (zh) | 一种复杂干扰场景下的机载雷达无意干扰抑制方法 | |
CN108318877A (zh) | 基于多基地雷达的杂波子空间下目标检测方法 | |
CN107632291A (zh) | 一种基于极化雷达抗角反射器干扰的方法 | |
CN110376559A (zh) | 单通道雷达主瓣多源干扰分离方法、装置和设备 | |
Kong et al. | Coherent radar detection framework with non-uniform pulse repetition intervals | |
CN112098952B (zh) | 一种基于时域统计处理的雷达侦察杂波抑制方法 | |
CN104155653B (zh) | 一种基于特征距离子空间的sar后向投影成像方法 | |
CN115291207A (zh) | 基于mimo雷达的小型旋翼无人机多目标检测方法 | |
CN106199552B (zh) | 一种局部均匀海杂波背景下的分组广义似然比检测方法 | |
CN117518095A (zh) | 一种双基sar系统的欺骗干扰机失效区域计算方法及系统 | |
CN107656274B (zh) | Sar动目标回波徙动校正与方位能量积累方法 | |
CN113359131A (zh) | 一种sar低截获射频隐身系统及其设计方法 | |
Yang et al. | Fast generation of deceptive jamming signal against space-borne SAR | |
CN109581366B (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
CN114280532B (zh) | 一种基于带内共轭点乘的雷达目标角度估计方法及系统 | |
CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
CN115598604A (zh) | 基于脉内脉间幅相联合编码的转发式sar欺骗干扰方法、系统、存储介质及电子设备 |
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 |