CN112924944B - 一种基于时频谱熵估计的车辆目标微动信号抑制方法 - Google Patents

一种基于时频谱熵估计的车辆目标微动信号抑制方法 Download PDF

Info

Publication number
CN112924944B
CN112924944B CN202110141079.XA CN202110141079A CN112924944B CN 112924944 B CN112924944 B CN 112924944B CN 202110141079 A CN202110141079 A CN 202110141079A CN 112924944 B CN112924944 B CN 112924944B
Authority
CN
China
Prior art keywords
spectrum
time
signal
envelope
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.)
Active
Application number
CN202110141079.XA
Other languages
English (en)
Other versions
CN112924944A (zh
Inventor
王欢
张群
姜洋
徐伟
纪玉雪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Electronic Engineering Research Institute
Original Assignee
Xian Electronic Engineering Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian Electronic Engineering Research Institute filed Critical Xian Electronic Engineering Research Institute
Priority to CN202110141079.XA priority Critical patent/CN112924944B/zh
Publication of CN112924944A publication Critical patent/CN112924944A/zh
Application granted granted Critical
Publication of CN112924944B publication Critical patent/CN112924944B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于时频谱熵估计的车辆目标微动信号抑制方法，将采集的窄带雷达探测的车辆回波信号通过傅里叶变换投影到频率谱，将回波的多个峰值的频谱包络分离成单峰值谱包络信号，并利用重心法求出每个谱包络信号的谱质量中心。将谱质量中心最靠近频谱中心的谱包络判定为地杂波信号，并从频谱剔除该包络。通过采用逆傅里叶变换将剩余的谱包络转换成时域信号，通过短时傅里叶变换将各时域信号转换成时频谱图，根据时频谱熵公式计算各信号时频图的时频谱熵。判定时频谱熵大的为车辆目标微动部件产生的信号，并将对应的频谱包络剔除以达到抑制车辆微动信号的效果。本发明有效的滤除微动部件带来的回波信号，提高雷达的检测能力，降低雷达虚警。

Description

一种基于时频谱熵估计的车辆目标微动信号抑制方法
技术领域
本发明属于雷达信号处理领域，具体涉及一种基于时频谱熵估计的车辆目标微动抑制方法，用于窄带雷达战场侦察模式下的虚假目标抑制。
背景技术
在窄带雷达探测车辆目标场景下，轮式车辆的车轮旋转和履带式车辆的履带旋转会调制雷达发射信号产生微动回波信号，这种微动信号附加于车辆目标主体信号造成雷达回波在频谱域产生多个峰值，使得一个车辆目标在频谱域会被凝聚成为多个目标，增加雷达目标检测的虚警，并有可能造成雷达数据处理模块在目标跟踪时速度相关错误。因此需要分离车辆微动信号与主体信号，并剔除车辆微动部件带来的信号，减小雷达目标检测的虚警。
传统的杂波抑制和假目标剔除方法大部分都是通过分析雷达回波信号在频谱域多个特征来分类和识别目标与杂波；但是微动信号是典型的非平稳信号，而傅里叶变换先验要求待处理的信号为平稳信号，当处理非平稳信号时，通过傅里叶变换得到的频谱信号无法有效的表征非平稳信号的信号特征。因此车辆微动部件带来的微多普勒信号与车辆主体回波信号的特征在频谱域难以被识别和分离。时频变换作为处理非平稳信号的一类有效方法，经常被应用于处理微动信号，文献1【张彦梅,于敬波.坦克目标时频特征分析[J].北京理工大学学报(自然科学版),2009,(1):50～53.】详细分析了基于不同种类和型号的坦克目标炮塔激励的不同微多普勒特征，采用时频变换将不同类型的坦克目标回波信号变换到时频域，并通过分析时频谱的谱宽、微多普勒谱的周期性和微多普勒谱的各极值点等时频谱特征为坦克目标识别提供有效的信息，但是该论文将车辆目标的微动信号作为目标识别的一种信息，没有提出实现车辆主体和微动信号分离的有效方法。文献2【李开明,张群,雷磊,罗迎.基于动态字典的卡车目标微动参数估计方法[J].电子学报,2016,Vol.44(11).】提出了一种基于动态字典的卡车目标微动参数估计方法。利用车轮旋转点的微动参数构造相应的字典库进行匹配分解，建立了微动参数提取的凸优化模型，并通过对字典的动态调整和最小二乘准则下的迭代逼近，实现了卡车目标微动参数的准确估计，理论上可以实现卡车目标微动信号与主体信号的分离，但是该方法作为一种参数化估计方法，要求微动信号回波与预先设定模型匹配，使得算法失去广谱适应性，而且该方法采用过完备字典进行参数匹配，维数较大，计算复杂度高。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提出一种基于时频谱熵估计的车辆目标微动信号抑制方法，根据地杂波信号、车辆主体回波信号和车辆微动部件回波信号在频谱和时频域的特征区别，达到抑制地杂波信号和车辆微动部件回波信号的效果。
技术方案
一种基于时频谱熵估计的车辆目标微动信号抑制方法，其特征在于步骤如下：
步骤1：对雷达接收的车辆目标的时域信号s(t)做傅里叶变换得到S(f)：
S(f)＝∫s(t)exp(-j2πft)dt (1)
采用凝聚算法分离S(f)得到多个峰值的频谱包络
Figure BDA0002928614450000021
其中，Qk为第k个谱包络，/>
Figure BDA0002928614450000022
为谱包络各个点幅度/>
Figure BDA0002928614450000023
的位置，计算每个谱包络的质量中心Zk：
Figure BDA0002928614450000024
步骤2：当包络的谱质量中心Zk在多普勒滤波器组的杂波区时则认为该包络是地杂波的回波信号，杂波区的区域选取多普勒滤波器组中心N/2正负P之间，P根据具体的雷达参数和应用场景设置；选取地杂波的谱质量中心Za＝Zk{find(-P≤(Zk-N/2)≤P)}，其中find(·)是搜索-P≤(Zk-N/2)≤P的多普勒通道，根据谱质量中心Za对应的选取地杂波频谱中心的谱包络Qa；
步骤3：假设谱包络的集合为C，其中C＝{Q1,…Qk}，剩余的各个信号的频谱包络C0就是车辆目标主体和微动部件带来的回波，其中C0＝C-Qa；对集合C0中的各频谱包络补零，以保证信号的长度都为N，得到集合C1＝{G1,…Gk-1}；对集合C1中的各频谱包络做逆傅里叶变换得到时域信号集合C2＝{h1,…hk-1}，所述的逆傅里叶变换如式(3)所示：
h(t)＝∫G(f)exp(j2πft)df (3)
对集合C2中的时域信号分别做短时傅里叶变换，由公式(4)所示得到时域信号的时频表征集合C3＝{STFT1,…STFTk-1}：
STFT(τ,f)＝∫h(t)w(t-τ)exp(-j2πft)dt (4)
其中τ为慢时间，w(t)是高斯窗函数；
步骤4：将时频表征平面等分为N2个面积相等的时频单元，每个时频单元的能量为STFT(i,j)，其中i＝1,2,…,N，j＝1,2,…,N，采用公式(5)估计集合C3各时频表征的时频谱熵值；
Figure BDA0002928614450000031
选取时频谱熵最小的信号作为车辆的主体目标回波信号，并将该包络对应的谱宽和谱质量中心上报后续数据处理模块。
本发明技术方案更进一步的说：步骤1中所述的凝聚算法具体如下：首先设置标记q(n)＝0，k＝0，n＝1…N，其中N为多普勒滤波器的总数，当S(n)≤A时设置q(n)＝1，A是幅度门限，当S(n)>A时S(n)属于每个包络的幅度谱集合Qk，S(n)是离散化的S(f)，其中k为包络个数计数器，当S(n)>A且q(n)-q(n-1)＝-1时计数器k＝k+1；将多普勒滤波器号n从1遍历到N，最终的k值就是包络的个数K，Qk是利用凝聚算法提取的第k个谱包络，
Figure BDA0002928614450000041
本发明技术方案更进一步的说：所述步骤3中的高斯窗函数w(t)的宽度选择N/5。
有益效果
本发明提出的一种基于时频谱熵估计的车辆目标微动信号抑制方法，将采集的窄带雷达探测的车辆回波信号通过傅里叶变换投影到频率维，采用一种便于实现的一维凝聚算法将回波的多个峰值的频谱包络分离成单峰值谱包络信号，并利用重心法求出每个谱包络信号的谱质量中心。根据地杂波信号频谱能量集中在多普勒维零号通道的先验信息，将谱质量中心最靠近频谱中心的谱包络判定为地杂波信号，并从频谱剔除该包络。通过采用逆傅里叶变换将剩余的谱包络转换成时域信号，通过短时傅里叶变换将各时域信号转换成时频谱图，根据时频谱熵公式计算各信号时频图的时频谱熵。根据车辆目标主体回波更加接近平稳信号的先验信息，判定时频谱熵大的为车辆目标微动部件产生的信号，并将对应的微动部件回波信号抑制以达到抑制车辆微动信号的效果。特点如下：
1、可以用时频谱熵来分类车辆目标主体目标和微动部件回波，该方法避免了提取详细的微动特征参数，计算复杂度低。
2、将车辆目标回波信号转换到频域和时频域综合分析，采用凝聚算法和重心法估计谱包络在频域特征抑制地杂波对信号分析的影响；估计回波信号在时频域的时频谱熵，通多判断时频谱熵抑制车辆目标微动部件回波对主体回波的影响。
采用本发明所述设计方法，在窄带雷达探测车辆目标作战场景下，利用车辆目标远离雷达姿态下的实测数据进行测试。结果表明，在剔除地杂波后当频谱域出现多个峰值时，本发明可以有效的滤除微动部件带来的回波信号，提高雷达的检测能力，降低雷达虚警。
附图说明
图1是车辆目标频谱图
图2是谱包络凝聚算法框图
图3是车辆目标的主体回波时频谱图
图4是微动部件回波的时频谱图
具体实施方式
现结合实施例、附图对本发明作进一步描述：
本发明将采集的窄带雷达探测的车辆回波信号通过傅里叶变换转换成频率谱，根据车辆目标的运动特性和地杂波的先验信息，该频率谱应该包络三种包络，第一种是地杂波的谱包络，第二种是车辆目标主体的回波，第三种是车辆微动部件的回波。采用遍历搜索的凝聚方法将回波的多个峰值的频谱分离成单峰值谱包络信号分离这三种类型的回波，利用凝聚后的结果估计每个谱包络的宽度，采用重心法求出每个谱包络信号的谱质量中心。根据地杂波信号频谱能量集中在多普勒维零号通道的先验信息，将谱质量中心最靠近频谱中心的谱包络判定为地杂波信号，并在原始回波频谱剔除该包络，以避免地杂波回波信号对后续处理的影响。采用逆傅里叶变换将剩余的谱包络转换成时域信号，通过短时傅里叶变换将各时域信号转换成时频谱图，将时频图分成面积相等的时频单元，计算每个时频图的时频谱熵，根据时频谱熵公式计算各信号时频图。根据车辆目标主体回波更加接近平稳信号的先验信息，判定时频谱熵大的为车辆目标微动部件产生的信号，并将对应的微动部件回波信号抑制以达到抑制车辆微动信号的效果。
本发明提出的基于时频谱熵估计的车辆目标微动抑制方法包括下列步骤：
步骤一：雷达接收的车辆目标的时域信号s(t)，由公式(1)所示对其做傅里叶变换得到S(f)，车辆目标频谱由图1所示。采用凝聚算法分离多个峰值的频谱包络。得到包络的个数K，各个包络的谱宽Dk和各个包络的谱质量中心Zk。凝聚算法的具体流程如图2所示，首先设置标记q(n)＝0，k＝0，n＝1…N,其中N多普勒滤波器组的总数，当S(n)≤A时设置q(n)＝1，A是幅度门限，当S(n)>A时S(n)属于每个包络的幅度谱集合Qk，S(n)是离散化的S(f)，其中k为包络个数计数器，当S(n)>A且q(n)-q(n-1)＝-1时计数器k＝k+1；将多普勒滤波器号n从1遍历到N，最终的k值就是包络的个数K，Qk是利用凝聚算法提取的第k个谱包络，
Figure BDA0002928614450000061
其中/>
Figure BDA0002928614450000062
是谱包络各个点幅度/>
Figure BDA0002928614450000063
的位置。谱宽/>
Figure BDA0002928614450000064
Zk为每个谱包络的质量中心，由公式(2)所示
S(f)＝∫s(t)exp(-j2πft)dt (1)
Figure BDA0002928614450000065
步骤二：当包络的谱质量中心Zk在多普勒滤波器组的杂波区时则认为该包络是地杂波的回波信号，杂波区的区域选取多普勒滤波器组中心(N/2)正负P之间，P根据具体的雷达参数和应用场景设置。地杂波信号会影响后续雷达的检测，所以需要将其剔除。地杂波的谱质量中心Za＝Zk{find(-P≤(Zk-N/2)≤P)}，其中find(·)是搜索-P≤(Zk-N/2)≤P的多普勒通道，根据谱质量中心Za对应的选取地杂波频谱中心的谱包络Qa。
步骤三：假设谱包络的集合为C，其中C＝{Q1,…Qk}，剩余的各个信号的频谱包络C0就是车辆目标主体和微动部件带来的回波，其中C0＝C-Qa；对集合C0中的各频谱包络补零，以保证信号的长度都为N，得到集合C1＝{G1,…Gk-1}。对集合C1中的各频谱包络做逆傅里叶变换得到时域信号集合C2＝{h1,…hk-1}由公式(3)所示。
h(t)＝∫G(f)exp(j2πft)df (3)
并对集合C2中的时域信号分别做短时傅里叶变换，由公式(4)所示得到时域信号的时频表征集合C3＝{STFT1,…STFTk-1}，其中τ为慢时间,w(t)是高斯窗函数，根据经验窗的宽度一般选择N/5。
STFT(τ,f)＝∫h(t)w(t-τ)exp(-j2πft)dt (4)
步骤四：将时频表征平面等分为N2个面积相等的时频单元，每个时频单元的能量为STFT(i,j)，其中i＝1,2,…,N，j＝1,2,…,N，采用公式(5)估计集合C3各时频表征的时频谱熵值。因为车辆目标的主体回波如图3所示更接近平稳信号，所以其时频谱熵相对于微动部件的时频谱(如图4所示)更小，选取时频谱熵最小的信号作为车辆的主体目标回波信号，并将该包络对应的谱宽和谱质量中心上报后续数据处理模块。
Figure BDA0002928614450000071
/>

Claims (3)

1.一种基于时频谱熵估计的车辆目标微动信号抑制方法，其特征在于步骤如下：
步骤1：对雷达接收的车辆目标的时域信号s(t)做傅里叶变换得到S(f)：
S(f)＝∫s(t)exp(-j2πft)dt (1)
采用凝聚算法分离S(f)得到多个峰值的频谱包络
Figure FDA0002928614440000011
其中，Qk为第k个谱包络，/>
Figure FDA0002928614440000012
为谱包络各个点幅度/>
Figure FDA0002928614440000013
的位置，计算每个谱包络的质量中心Zk：
Figure FDA0002928614440000014
步骤2：当包络的谱质量中心Zk在多普勒滤波器组的杂波区时则认为该包络是地杂波的回波信号，杂波区的区域选取多普勒滤波器组中心N/2正负P之间，P根据具体的雷达参数和应用场景设置；选取地杂波的谱质量中心Za＝Zk{find(-P≤(Zk-N/2)≤P)}，其中find(·)是搜索-P≤(Zk-N/2)≤P的多普勒通道，根据谱质量中心Za对应的选取地杂波频谱中心的谱包络Qa；
步骤3：假设谱包络的集合为C，其中C＝{Q1,...Qk}，剩余的各个信号的频谱包络C0就是车辆目标主体和微动部件带来的回波，其中C0＝C-Qa；对集合C0中的各频谱包络补零，以保证信号的长度都为N，得到集合C1＝{G1,...Gk-1}；对集合C1中的各频谱包络做逆傅里叶变换得到时域信号集合C2＝{h1,...hk-1}，所述的逆傅里叶变换如式(3)所示：
h(t)＝∫G(f)exp(j2πft)df (3)
对集合C2中的时域信号分别做短时傅里叶变换，由公式(4)所示得到时域信号的时频表征集合C3＝{STFT1,...STFTk-1}：
STFT(τ,f)＝∫h(t)w(t-τ)exp(-j2πft)dt (4)
其中τ为慢时间，w(t)是高斯窗函数；
步骤4：将时频表征平面等分为N2个面积相等的时频单元，每个时频单元的能量为STFT(i,j)，其中i＝1,2,...,N，j＝1,2,...,N，采用公式(5)估计集合C3各时频表征的时频谱熵值；
Figure FDA0002928614440000021
选取时频谱熵最小的信号作为车辆的主体目标回波信号，并将该包络对应的谱宽和谱质量中心上报后续数据处理模块。
2.根据权利要求1所述的一种基于时频谱熵估计的车辆目标微动信号抑制方法，其特征在于步骤1中所述的凝聚算法具体如下：首先设置标记q(n)＝0，k＝0，n＝1...N，其中N为多普勒滤波器的总数，当S(n)≤A时设置q(n)＝1，A是幅度门限，当S(n)>A时S(n)属于每个包络的幅度谱集合Qk，S(n)是离散化的S(f)，其中k为包络个数计数器，当S(n)>A且q(n)-q(n-1)＝-1时计数器k＝k+1；将多普勒滤波器号n从1遍历到N，最终的k值就是包络的个数K，Qk是利用凝聚算法提取的第k个谱包络，
Figure FDA0002928614440000022
3.根据权利要求1所述的一种基于时频谱熵估计的车辆目标微动信号抑制方法，其特征在于所述的高斯窗函数w(t)的宽度选择N/5。
CN202110141079.XA 2021-02-02 2021-02-02 一种基于时频谱熵估计的车辆目标微动信号抑制方法 Active CN112924944B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110141079.XA CN112924944B (zh) 2021-02-02 2021-02-02 一种基于时频谱熵估计的车辆目标微动信号抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110141079.XA CN112924944B (zh) 2021-02-02 2021-02-02 一种基于时频谱熵估计的车辆目标微动信号抑制方法

Publications (2)

Publication Number Publication Date
CN112924944A CN112924944A (zh) 2021-06-08
CN112924944B true CN112924944B (zh) 2023-06-13

Family

ID=76169399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110141079.XA Active CN112924944B (zh) 2021-02-02 2021-02-02 一种基于时频谱熵估计的车辆目标微动信号抑制方法

Country Status (1)

Country Link
CN (1) CN112924944B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114488058B (zh) * 2022-01-07 2024-05-10 武汉大学 一种基于stft谱图滑窗相消的微动杂波去除方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1120293A (en) * 1965-10-19 1968-07-17 North American Aviation Inc Signal processing apparatus suitable for use in amti radar system
US5982321A (en) * 1997-06-18 1999-11-09 Honda Giken Kogyo Kabushiki Kaisha Frequency-modulated continuous-wave radar system
CN106569194A (zh) * 2016-10-28 2017-04-19 中国人民解放军空军工程大学 一种宽带雷达空间锥体目标的干涉式三维成像与微动特征提取方法
CN106814356A (zh) * 2017-01-24 2017-06-09 成都泰格微电子研究所有限责任公司 一种基于雷达信号处理系统的距离跟踪子系统
CN106990405A (zh) * 2016-01-21 2017-07-28 中国人民解放军空军工程大学 一种基于慢时间包络的振动目标特征提取方法
CN107942323A (zh) * 2017-11-17 2018-04-20 西安电子科技大学 基于频域熵的进动目标时频曲线提取方法
CN108459311A (zh) * 2018-03-22 2018-08-28 三明学院 基于Hough变换的卷积神经网络下微多普勒目标分类方法
CN109932716A (zh) * 2019-03-03 2019-06-25 中国人民解放军空军工程大学 一种低空目标微多普勒特征提取方法
CN109975780A (zh) * 2019-04-17 2019-07-05 西安电子工程研究所 基于脉冲多普勒雷达时域回波的直升机型号识别算法
CN111123205A (zh) * 2019-12-18 2020-05-08 南京理工大学 一种地面侦察雷达目标点迹凝聚方法
CN111537989A (zh) * 2020-03-25 2020-08-14 中国电子科技集团公司第二十九研究所 一种基于经验模态分解提取信号微多普勒调制分量的方法
CN111929654A (zh) * 2020-08-14 2020-11-13 上海雷骥电子科技有限公司 一种基于微多普勒技术的杂波抑制方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1120293A (en) * 1965-10-19 1968-07-17 North American Aviation Inc Signal processing apparatus suitable for use in amti radar system
US5982321A (en) * 1997-06-18 1999-11-09 Honda Giken Kogyo Kabushiki Kaisha Frequency-modulated continuous-wave radar system
CN106990405A (zh) * 2016-01-21 2017-07-28 中国人民解放军空军工程大学 一种基于慢时间包络的振动目标特征提取方法
CN106569194A (zh) * 2016-10-28 2017-04-19 中国人民解放军空军工程大学 一种宽带雷达空间锥体目标的干涉式三维成像与微动特征提取方法
CN106814356A (zh) * 2017-01-24 2017-06-09 成都泰格微电子研究所有限责任公司 一种基于雷达信号处理系统的距离跟踪子系统
CN107942323A (zh) * 2017-11-17 2018-04-20 西安电子科技大学 基于频域熵的进动目标时频曲线提取方法
CN108459311A (zh) * 2018-03-22 2018-08-28 三明学院 基于Hough变换的卷积神经网络下微多普勒目标分类方法
CN109932716A (zh) * 2019-03-03 2019-06-25 中国人民解放军空军工程大学 一种低空目标微多普勒特征提取方法
CN109975780A (zh) * 2019-04-17 2019-07-05 西安电子工程研究所 基于脉冲多普勒雷达时域回波的直升机型号识别算法
CN111123205A (zh) * 2019-12-18 2020-05-08 南京理工大学 一种地面侦察雷达目标点迹凝聚方法
CN111537989A (zh) * 2020-03-25 2020-08-14 中国电子科技集团公司第二十九研究所 一种基于经验模态分解提取信号微多普勒调制分量的方法
CN111929654A (zh) * 2020-08-14 2020-11-13 上海雷骥电子科技有限公司 一种基于微多普勒技术的杂波抑制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种改进的天波雷达海杂波循环对消算法;林志榕 等;雷达科学与技术;第12卷(第6期);全文 *
基于时频分析的灵巧干扰特征研究;李辰梓 等;火控雷达技术;第48卷(第3期);全文 *
空间锥体目标微动特性与识别方法研究;关永胜;中国博士学位论文全文数据库;全文 *

Also Published As

Publication number Publication date
CN112924944A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN102788969B (zh) 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
CN101887119B (zh) 基于子带anmf海杂波中动目标检测方法
CN109975780B (zh) 基于脉冲多普勒雷达时域回波的直升机型号识别算法
CN111722188B (zh) 基于stft预分选的pri变换雷达信号分选方法
Liu et al. Deep learning and recognition of radar jamming based on CNN
CN105974376B (zh) 一种sar射频干扰抑制方法
CN112882009B (zh) 基于幅度相位双通道网络的雷达微多普勒目标识别方法
CN106772227A (zh) 一种基于声纹多谐波识别的无人机方向估计方法
CN102043148A (zh) 基于广义匹配滤波的地面运动目标分类方法
CN112162273B (zh) 一种基于奇异矢量的多旋翼无人机物理参数提取方法
CN102721952A (zh) 基于超分辨多普勒谱的地面运动目标稳健分类方法
RU2579353C1 (ru) Способ сопровождения воздушной цели из класса "самолёт с турбореактивным двигателем" при воздействии уводящей по скорости помехи
CN111175718A (zh) 联合时频域的地面雷达自动目标识别方法及系统
CN111488801A (zh) 基于振动噪声识别的船舶分类方法
Tan et al. Improved micro-Doppler features extraction using smoothed-pseudo Wigner-Ville distribution
CN113325277A (zh) 一种局部放电处理方法
CN112924944B (zh) 一种基于时频谱熵估计的车辆目标微动信号抑制方法
CN109164429B (zh) 基于主成分分析的多重分形特征飞机目标分类方法
Huang et al. A practical fundamental frequency extraction algorithm for motion parameters estimation of moving targets
CN112835003B (zh) 基于重采样预处理的雷达重频变化稳健目标识别方法
Astapov et al. A multistage procedure of mobile vehicle acoustic identification for single-sensor embedded device
Quach et al. Automatic target detection using a ground-based passive acoustic sensor
CN108646248B (zh) 一种针对低速运动声源的被动声学测速测距方法
CN116804735A (zh) 一种基于小波变换与神经网络的雷达目标识别方法
CN108549076B (zh) 一种基于速度节奏图的多种类无人机场景识别方法

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