CN112904302B - 网格化frft域雷达目标检测与多级联合虚警剔除方法 - Google Patents
网格化frft域雷达目标检测与多级联合虚警剔除方法 Download PDFInfo
- Publication number
- CN112904302B CN112904302B CN202110436854.4A CN202110436854A CN112904302B CN 112904302 B CN112904302 B CN 112904302B CN 202110436854 A CN202110436854 A CN 202110436854A CN 112904302 B CN112904302 B CN 112904302B
- Authority
- CN
- China
- Prior art keywords
- doppler
- acceleration
- dimensional
- distance
- point
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000005494 condensation Effects 0.000 claims abstract description 7
- 238000009833 condensation Methods 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 88
- 238000001228 spectrum Methods 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 10
- 238000005054 agglomeration Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010183 spectrum analysis Methods 0.000 claims description 2
- 241000287196 Asthenes Species 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 230000001427 coherent effect Effects 0.000 description 9
- 238000009825 accumulation Methods 0.000 description 7
- 238000009792 diffusion process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003672 processing method 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
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
本发明涉及一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法,属于雷达信号处理和目标检测技术领域。本发明首先解决了常规FRFT域目标检测面临的两个自变量参数搜索范围和搜索步长难以量化的问题,建立了多普勒‑加速度二维搜索网格;然后针对CFAR检测后虚警较多的问题,在距离‑多普勒‑加速度三维数据空间中,对过门限后的点迹通过二维点迹凝聚、二维检测融合以及三维点迹凝聚三个步骤实施多级联合虚警剔除。与常规FRFT域目标检测方法相比,本发明给出的FRFT域雷达目标检测及虚警剔除方法具有明确的参数搜索网格,且通过多级联合虚警剔除技术,利用目标与虚警在不同维度上的特征差异来剔除虚警,有效地解决了FRFT域雷达目标检测虚警较高的问题。
Description
技术领域
本发明属于雷达信号处理和目标检测技术领域,特别涉及雷达目标探测中的目标检测技术。
背景技术
宽发窄收雷达(例如,Multiple-Input Multiple-Output(简称MIMO)雷达)能够获得对目标的长时间观测,进而可对目标回波能量进行长时间相参积累处理,改善信杂噪比,提高雷达目标检测性能。长时间观测过程中容易造成目标能量在多普勒维扩散,而在长时间相参积累处理方法中,分数阶傅里叶变换(Fractional Fourier Transform,简称FRFT)方法对于多普勒扩散、特别是多普勒随时间线性扩散的目标能量有很好的相参积累效果。
但是,在长时间相参积累过程中,杂波(例如,海尖峰)能量也可能会被积累起来,从而产生虚警;实践表明,雷达海上目标检测中,MTD处理相比于非相参积累检测容易带来虚警;这就意味着,比MTD搜索空间更大、处理维数更高的FRFT域检测技术会更容易导致虚警。
同时,在雷达实际探测过程中,由于目标本身运动的不稳定性、目标运动引起的环境扰动、雷达观测角度的变化以及长时间积累带来的多普勒分辨力提升等因素,使得目标能量在“距离-多普勒”域表现为“一团点”而不是一个点,而且,即使是FRFT能够进一步积累起多普勒维扩散了的目标能量,在“距离-FRFT”域中目标也依然会表现为“一团点”,甚至还会因为增加了加速度维搜索的缘故,这团点的扩散程度会变得更大。这种能量的扩散也容易导致虚警的产生。
为了解决FRFT域雷达目标检测时虚警增多的问题,本发明提供了一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法。
发明内容
本发明的目的在于,针对宽发窄收雷达目标长时间相参积累检测导致虚警较多的问题,提供一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其中要解决的技术问题包括:
(1)FRFT处理中两个自变量参数的搜索范围和搜索步长的设计问题;
(2)“距离-多普勒-加速度”三维数据空间中的虚警剔除问题。
本发明所述的一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于包括以下技术措施:
S1、根据匀加速运动目标的多普勒效应在雷达回波脉冲串中的表现形式,直接采用多普勒和加速度作为FRFT域两个维度的自变量参数,因此本发明中FRFT域的等价称呼是“多普勒-加速度”域;然后在确定这两个参数搜索范围和搜索步长的基础上,建立起关于这两个参数的搜索网格。
一方面,多普勒和加速度是匀加速运动目标的固有特征,具有明确的物理含义;另一方面,在雷达相参脉冲串观测方式下,可以从理论上确定FRFT处理中多普勒和加速度的搜索范围和搜索步长,基本原理是:多普勒搜索范围由脉冲重复频率决定,一般取正负半个脉冲重复频率之间;多普勒搜索步长由脉冲重复频率与脉冲数的比值决定;加速度对应多普勒的变化,其搜索范围取决于目标类型和观测时长,根据目标类型可确定目标的最大最小速度以及可承受的过载能力,然后结合观测时长,即可确定目标加速度的搜索范围;加速度的搜索步长则由如下原则确定,即,在观测时长内,加速度在搜索步长内的变化不能使多普勒的变化超过一个多普勒搜索步长。上述描述中的观测时长是指脉冲重复周期与脉冲数的乘积。这样,分别利用多普勒和加速度这两个参数的搜索步长将各自的搜索范围分割成一个个的搜索网格点,分别称为多普勒网格点和加速度网格点,两者组合起来就形成了关于多普勒和加速度的二维搜索网格。
S2、对回波脉冲串数据进行加速度补偿,并对经过加速度补偿的回波脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成恒虚警率(缩写为CFAR)检测。
在雷达目标CFAR检测领域,需要利用邻近多个距离单元(称为参考单元)的观测数据估计当前检测距离单元(称为检测单元)的背景参数,以达到CFAR的目的。基本原理是:首先,基于S1得到的搜索网格,对检测单元和参考单元中的回波脉冲串数据都进行加速度补偿;然后,对经过加速度补偿的脉冲串数据做加窗傅立叶变换,形成对应于每个加速度网格点的“距离-多普勒”谱;最后,在每个加速度网格点对应的“距离-多普勒”谱中,针对每个多普勒通道,沿距离维进行CFAR检测,对于过门限的点,则保留其谱值,而未过门限的点,谱值变为0。
S3、在“距离-多普勒-加速度”三维数据空间中进行多级联合虚警剔除。
S2得到的是对应于每个加速度网格点的“距离-多普勒”域中的过门限点,即三维数据空间——“距离-多普勒-加速度”空间中的过门限点。在“距离-多普勒-加速度”三维数据空间中进行多级联合虚警剔除的基本原理是:首先,针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警;然后,相邻加速度网格点之间通过二维检测融合剔除虚警;最后,在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,以此剔除虚警。
与传统基于FRFT处理的雷达目标检测方法相比,本技术方案所述的FRFT域雷达目标检测及虚警剔除方法,有益效果在于:
(1)本方法解决了FRFT处理中多普勒和加速度的搜索范围和搜索步长的设计问题,使得FRFT域搜索网格不会因过细而徒增计算量,也不会因过粗而丢失目标;
(2)本方法提出的多级联合虚警剔除技术,利用目标与虚警在不同维度上的特征差异来剔除虚警,有效地解决了FRFT域雷达目标检测虚警较高的问题。
附图说明
图1是一种网格化FRFT域雷达目标检测与多级联合虚警剔除方法的实现流程图。
具体实施方式
以下结合说明书附图对本发明作进一步详细描述。参照说明书附图1,本发明的具体实施方式分以下步骤:
(1)建立多普勒-加速度二维搜索网格;
(2)对各个距离单元的回波脉冲串数据进行加速度补偿,并对经过加速度补偿的脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成CFAR检测,形成对应于每个加速度网格点的“距离-多普勒”二维点迹图;
(3)针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警;
(4)利用相邻三个加速度网格点对应的“距离-多普勒”二维点迹图,进行二维检测融合,以剔除虚警;
(5)在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,然后利用此信息剔除虚警。
以下对上述步骤进行详细阐述:
(1)建立多普勒-加速度二维的搜索网格。
雷达发射相参脉冲串,匀加速运动目标的回波脉冲串经过脉冲压缩、采样之后,其多普勒效应在雷达回波脉冲串中体现为其中fdt表示瞬时多普勒,对应目标的瞬时速度;fd表示当前脉冲串中目标起始多普勒,在本发明中简称为多普勒,对应目标在当前脉冲串中的起始速度;a表示目标加速度;λ表示波长;T表示脉冲重复周期;表示脉冲序号,L表示脉冲串长度,即脉冲个数。
多普勒和加速度是目标运动的固有特征,具有明确的物理含义。本发明采用多普勒fd与加速度a这两个参数来构建FRFT处理中二维参数搜索空间,即多普勒-加速度二维参数空间。
加速度对应速度的变化,其范围取决于目标类型和观测时长,根据目标类型可确定目标的最大最小速度以及可承受的过载能力,然后结合观测时长,即可确定目标加速度的搜索范围,其中观测时长是指脉冲重复周期与脉冲数的乘积。记目标在观测时长内所能达到的最大速度变化为|Vmax|,那么可确定加速度的变化范围为这个范围比较大,可根据舰船的最大可承受过载能力来进一步减小搜索范围。加速度搜索步长的确定基于如下原则:在观测时长内,加速度在搜索步长内的变化不能使多普勒的变化超过一个多普勒搜索步长,于是,
由此,形成了如下的多普勒-加速度二维搜索网格:
(2)对各个距离单元的回波脉冲串数据进行加速度补偿,并对经过加速度补偿的脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成CFAR检测,形成对应于每个加速度网格点的“距离-多普勒”二维点迹图。
本步骤的具体操作如下:
①加速度补偿。
针对每个加速度网格点am,构建加速度补偿矢量,并使之与每个距离单元中的长度为L的脉冲串数据进行点乘处理,完成加速度补偿操作。加速度补偿矢量如下:
其中am表示第m个加速度网格点。
②通过加窗傅里叶变换形成“距离-多普勒”谱。
针对每个加速度网格点补偿后的每个距离单元的长度为L的脉冲串数据,做加窗FFT处理,从而形成对应每个加速度网格点的“距离-多普勒”二维谱,其中窗函数取汉明窗。
③逐多普勒通道进行CFAR检测。
针对每个加速度网格点的“距离-多普勒”谱,在每个多普勒通道中,沿着距离维进行GO-CFAR检测处理。对于过门限的点,则保留其谱值,而未过门限的点,谱值变为0。
经过上述三个环节的处理,本步骤得到了对应于每个加速度网格点的“距离-多普勒”域中的过门限点,称为对应于每个加速度网格点的“距离-多普勒”二维点迹图。
(3)针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警。
本步骤的具体操作如下:
①在“距离-多普勒”二维点迹图上进行“距离-多普勒”二维平滑,消除CFAR检测导致的目标点迹断裂现象,其中,每一维平滑采用的平滑窗口长度都是5,平滑系数都是1/5;
②在平滑后的“距离-多普勒”二维点迹图上,利用8-连通规则进行二维点迹凝聚,提取每团点迹的多普勒维长度和距离维长度;
③设置点迹的多普勒维长度的上限与下限、距离维长度的上限与下限,多普勒维长度与距离维长度均在各自上限与下限之内的点迹才能得以保留,否则被认为是虚警,予以剔除;
多普勒维长度下限与上限的确定:根据FRFT的特点,信号形式在连续变化的加速度网格中逐渐由时域波形变化到频谱,因此,目标点迹的多普勒维长度将会从1个多普勒网格点延伸至L个多普勒网格点;一方面,考虑到目标的多普勒维长度越长,意味着能量越发散,导致过不了CFAR检测门限;第二方面,考虑到同一目标在不同加速度网格上的多普勒谱是逐渐漂移的,并非完全对齐;第三方面,考虑到“距离-多普勒”二维点迹图是经过平滑的;基于上述三点考虑,设置多普勒维长度下限是,10与两者中的大者;设置多普勒维长度上限是,100与两者中的大者。
距离维长度下限与上限由以下因素决定:一是距离维采样率;二是距离分辨率;三是所关心目标的最大最小尺寸;四是距离维平滑窗口长度;
(4)利用相邻三个加速度网格点对应的“距离-多普勒”二维点迹图,进行二维检测融合,以剔除虚警。
第(4)步处理的数据是每个加速度网格点对应的经第(3)步处理后的“距离-多普勒”二维点迹图。将当前加速度网格点对应的“距离-多普勒”二维点迹图记为A,将其前一个加速度网格点对应的“距离-多普勒”二维点迹图记为A-1,将其后一个加速度网格点对应的“距离-多普勒”二维点迹图记为A+1。
采用“与”运算规则进行检测融合,即,将A-1、A和A+1三幅“距离-多普勒”二维点迹图进行“与”运算,其规则是,A-1、A和A+1中,相同位置的三个“距离-多普勒”单元对应的检测结果都非零,就保留A中该“距离-多普勒”单元的值,否则将A中该“距离-多普勒”单元的值置为0。
(5)在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,然后利用此信息剔除虚警。
本步骤的具体操作如下:
①基于8-连通规则,在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,得到多团点迹,记为Bp,p是不小于零的整数,每团Bp都是由若干个满足8-连通规则的“距离-多普勒-加速度”单元组成的;
②针对每团点迹Bp,找到其谱值最大者所在的“多普勒-加速度”谱,记为Cp;
③提取Cp中每个加速度网格点上点迹的多普勒维跨度,并对这些多普勒维跨度值按从小到大的顺序排序,如果谱值最大者所在的加速度网格点对应的多普勒维跨度值的排名不小于4,则认为点迹Bp是虚警,予以剔除;
④对所有的点迹Bp执行②和③的操作,未被剔除的点迹就是目标点迹,输出该目标点迹中谱值最大者对应的距离-多普勒-加速度三维位置信息。
Claims (6)
1.网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,包括以下步骤:
S1、建立多普勒-加速度二维搜索网格;
S2、对各个距离单元的回波脉冲串数据进行加速度补偿,并对经过加速度补偿的脉冲串数据,做加窗傅立叶变换,从而形成对应于每个加速度网格点的“距离-多普勒”谱,并在该谱域中完成CFAR检测,形成对应于每个加速度网格点的“距离-多普勒”二维点迹图;
S3、针对每个加速度网格点的“距离-多普勒”二维点迹图,进行二维点迹凝聚,并结合点迹特征信息剔除虚警;
S4、利用相邻三个加速度网格点对应的“距离-多普勒”二维点迹图,进行二维检测融合,以剔除虚警;
S5、在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,提取点迹中谱值最大者对应的“多普勒-加速度”谱中多普勒维跨度的排序信息,然后利用此信息剔除虚警。
2.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S1具体包括:
S11、根据多普勒效应在匀加速运动目标的雷达回波脉冲串中的表现形式选取多普勒fd与加速度a这两个参数来构建FRFT处理中的二维参数搜索空间,其中fdt表示瞬时多普勒,fd表示当前脉冲串中目标起始多普勒,简称为多普勒,对应目标在当前脉冲串中的起始速度,a表示目标加速度,λ表示波长;T表示脉冲重复周期;l表示脉冲序号,l=0,…,L-1,L表示脉冲串长度,即脉冲个数;
S13、形成加速度维的搜索网格点;
S14、利用S12形成的多普勒搜索网格点和S13形成的加速度搜索网格点,组合形成多普勒-加速度二维搜索网格。
4.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S3具体包括以下:
S31、在“距离-多普勒”二维点迹图上进行“距离-多普勒”二维平滑,消除CFAR检测导致的目标点迹断裂现象,其中,每一维平滑采用的平滑窗口长度都是5,平滑系数都是1/5;
S32、在平滑后的“距离-多普勒”二维点迹图上,利用8-连通规则进行二维点迹凝聚,提取每团点迹的多普勒维长度和距离维长度;
S33、按如下方式设置点迹的多普勒维长度的上限与下限、距离维长度的上限与下限,多普勒维长度与距离维长度均在各自上限与下限之内的点迹才能得以保留,否则被认为是虚警,予以剔除;
距离维长度下限与上限由以下因素共同决定:一是距离维采样率;二是距离分辨率;三是所关心目标的最大最小尺寸;四是距离维平滑窗口长度。
5.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S4包括:
S41、将当前加速度网格点对应的“距离-多普勒”二维点迹图记为A,将其前一个加速度网格点对应的“距离-多普勒”二维点迹图记为A-1,将其后一个加速度网格点对应的“距离-多普勒”二维点迹图记为A+1;
S42、采用“与”运算规则进行检测融合,即,将A-1、A和A+1三幅“距离-多普勒”二维点迹图进行“与”运算,其规则是,A-1、A和A+1中,相同位置的三个“距离-多普勒”单元对应的检测结果都非零,就保留A中该“距离-多普勒”单元的值,否则将A中该“距离-多普勒”单元的值置为0。
6.根据权利要求1所述的网格化FRFT域雷达目标检测与多级联合虚警剔除方法,其特征在于,所述步骤S5具体为:
S51、基于8-连通规则,在“距离-多普勒-加速度”三维空间中进行三维点迹凝聚,得到多团点迹,记为Bp,p是不小于零的整数,每团Bp都是由若干个满足8-连通规则的“距离-多普勒-加速度”单元组成的;
S52、针对每团点迹Bp,找到其谱值最大者所在的“多普勒-加速度”谱,记为Cp;
S53、提取Cp中每个加速度网格点上点迹的多普勒维跨度,并对这些多普勒维跨度值按从小到大的顺序排序,如果谱值最大者所在的加速度网格点对应的多普勒维跨度值的排名不小于4,则认为点迹Bp是虚警,予以剔除;
S54、对所有的点迹Bp执行S52和S53的操作,未被剔除的点迹就是目标点迹,输出该目标点迹中谱值最大者对应的距离-多普勒-加速度三维位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436854.4A CN112904302B (zh) | 2021-04-22 | 2021-04-22 | 网格化frft域雷达目标检测与多级联合虚警剔除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110436854.4A CN112904302B (zh) | 2021-04-22 | 2021-04-22 | 网格化frft域雷达目标检测与多级联合虚警剔除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904302A CN112904302A (zh) | 2021-06-04 |
CN112904302B true CN112904302B (zh) | 2022-06-28 |
Family
ID=76108863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110436854.4A Active CN112904302B (zh) | 2021-04-22 | 2021-04-22 | 网格化frft域雷达目标检测与多级联合虚警剔除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904302B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114397008B (zh) * | 2021-12-07 | 2023-04-28 | 中国空气动力研究与发展中心低速空气动力研究所 | 低空飞行器噪声源识别的解多普勒方法 |
CN116990773A (zh) * | 2023-09-27 | 2023-11-03 | 广州辰创科技发展有限公司 | 基于自适应门限的低慢小目标检测方法、装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
JP2012242217A (ja) * | 2011-05-18 | 2012-12-10 | Mitsubishi Electric Corp | 画像レーダ装置 |
CN109541568A (zh) * | 2019-01-24 | 2019-03-29 | 中国人民解放军海军航空大学 | 一种雷达机动目标跨距离和多普勒单元快速相参积累检测方法 |
CN112346022A (zh) * | 2020-11-03 | 2021-02-09 | 中国人民解放军海军航空大学 | 基于二维精简分数阶傅里叶变换的密集假目标干扰抑制方法 |
-
2021
- 2021-04-22 CN CN202110436854.4A patent/CN112904302B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738606A (zh) * | 2008-11-21 | 2010-06-16 | 清华大学 | 基于广义多普勒滤波器组的雷达目标相参积累检测方法 |
JP2012242217A (ja) * | 2011-05-18 | 2012-12-10 | Mitsubishi Electric Corp | 画像レーダ装置 |
CN109541568A (zh) * | 2019-01-24 | 2019-03-29 | 中国人民解放军海军航空大学 | 一种雷达机动目标跨距离和多普勒单元快速相参积累检测方法 |
CN112346022A (zh) * | 2020-11-03 | 2021-02-09 | 中国人民解放军海军航空大学 | 基于二维精简分数阶傅里叶变换的密集假目标干扰抑制方法 |
Non-Patent Citations (5)
Title |
---|
Xiaohan Yu et al..Fast Detection Method for Low-Observable Maneuvering Target via Robust Sparse Fractional Fourier Transform.《IEEE Geoscience and Remote Sensing Letters》.2019,第17卷(第6期), * |
关键等.雷达高速高机动目标长时间相参积累检测方法.《信号处理》.2017,第33卷全文. * |
赵兴浩等.基于分数阶相关的无源雷达动目标检测方法.《电子学报》.2005,第33卷(第09期),全文. * |
陈小龙等.基于FRFT的末制导雷达海面动目标检测方法.《雷达科学与技术》.2013,第11卷(第02期),全文. * |
陈芳香 等.基于分数阶傅里叶变换的多辐射源被动直接定位算法.《雷达学报》.2018,第7卷(第4期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112904302A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109814073B (zh) | 一种mtd雷达解模糊测速方法 | |
CN106226751B (zh) | 基于dp-tbd的机动目标检测与跟踪方法 | |
CN112904302B (zh) | 网格化frft域雷达目标检测与多级联合虚警剔除方法 | |
CN109001708B (zh) | 基于分级积累检测的雷达机动目标快速精细化处理方法 | |
CN105589066B (zh) | 一种利用垂直矢量阵估计水下匀速运动航行器参数的方法 | |
CN107450055B (zh) | 基于离散线性调频傅立叶变换的高速机动目标检测方法 | |
CN104459661B (zh) | 检测快速火炮类微弱目标的方法 | |
CN106707258A (zh) | 一种非高斯背景下微动目标多参数估计方法 | |
CN104215959B (zh) | 一种多机动目标径向初速度和径向加速度的估计方法 | |
CN108802722A (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN110146873B (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
CN108387880A (zh) | 一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN109324328A (zh) | 提取降水时风廓线雷达垂直波束湍流谱的方法及装置 | |
CN112162246B (zh) | 一种基于贝叶斯网络雷达系统复杂电磁环境效应分析方法 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN108318876A (zh) | 一种利用单个水听器估计水下目标深度和距离的方法 | |
CN109100696A (zh) | 基于点状杂波图的慢速运动目标消除方法 | |
CN110673130A (zh) | 一种基于航迹关联的运动目标航迹跟踪方法 | |
CN114518564A (zh) | 一种基于特征杂波图的海面低空小目标检测方法 | |
CN110161494A (zh) | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 | |
Baggenstoss | Separation of sperm whale click-trains for multipath rejection | |
CN115657005A (zh) | 一种基于多普勒雷达多信息融合的无人机识别方法 | |
CN115546526A (zh) | 三维点云聚类方法、装置及存储介质 | |
CN108896971B (zh) | 一种海面漂浮小目标回波的仿真方法 |
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 |