CN113093137B - 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 - Google Patents
一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 Download PDFInfo
- Publication number
- CN113093137B CN113093137B CN202110362890.0A CN202110362890A CN113093137B CN 113093137 B CN113093137 B CN 113093137B CN 202110362890 A CN202110362890 A CN 202110362890A CN 113093137 B CN113093137 B CN 113093137B
- Authority
- CN
- China
- Prior art keywords
- frequency offset
- clutter
- signal
- frequency
- fda
- 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 38
- 230000001629 suppression Effects 0.000 title claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 7
- 210000000349 chromosome Anatomy 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 208000011231 Crohn disease Diseases 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 241000721047 Danaus plexippus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010845 search algorithm 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
-
- 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
- G01S7/42—Diversity systems specially adapted for radar
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FDA‑MIMO雷达最优频偏估计的杂波抑制方法,其在最大化输出信杂噪比的前提下,利用加权模值方法推导出权值矢量和频偏的关系,从而得到最优频偏的表达式,通过遗传算法得到优化的FDA‑MIMO雷达频偏,解决了传统FDA雷达在杂波抑制中使用固定频偏而对抑制性能造成影响的问题。
Description
技术领域
本发明涉及雷达信号处理领域,具体涉及一种基于FDA-MIMO雷达最优频偏估计的杂波抑制方法。
背景技术
频控阵(FDA)体制雷达中,其杂波具有空时耦合特性,利用这种特性能够实现空时二维杂波的有效抑制,并且它的发射波束方向图具有角度-距离相关性,为目标的联合距离和角度估计的杂波抑制提供了潜在的应用。然而,对于变化的外部复杂的环境,传统的FDA雷达在各个阵元间引入的是固定的线性频偏,并不能使FDA在不同环境下都具有最优的杂波抑制效果,从而影响最终的目标准确定位。
频控阵MIMO雷达相比传统阵列体制能够提供距离和角度的二维可控自由度而具有更多丰富的目标信息,因此如何利用目标的角度距离二维信息实现杂波抑制具有重要意义。另一方面,在给定条件下,选择最优的频偏是最优化问题,直接的求解将是NP(Non-deterministic Polynomial)难问题。在实际应用中,通常采用智能优化算法获取满意解。遗传算法(Genetic Algorithm,GA)是模拟生物在自然环境中的遗传和进化的过程而形成的自适应全局优化搜索算法。
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FDA-MIMO雷达最优频偏估计的杂波抑制方法解决了固定频偏杂波抑制效果差的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种基于FDA-MIMO雷达最优频偏估计的杂波抑制方法,其包括以下步骤:
S1、建立FDA-MIMO雷达模型,获取FDA-MIMO雷达每个阵元发射的窄带信号并接收回波信号,并建立目标信号、杂波以及回波信号的模型;
S2、基于目标信号、杂波以及回波信号的模型,采用加权模值方法获取FDA-MIMO雷达模型中频偏的最优表达式;
S3、采用遗传算法对频偏的最优表达式进行求解,得到优化后的频偏;
S4、将优化后的频偏带入FDA-MIMO雷达模型进行杂波抑制。
进一步地,步骤S1的具体方法包括以下子步骤:
S1-1、根据公式:
fm=f0+(m+1)Δf,m=1,2,...,M
获取第m个发射阵元的发射载频fm;其中f0表示第一个发射阵元的参考载频,Δf表示载频附加的频偏,M表示发射阵元总数;
S1-2、根据公式:
Sm(t)=exp{j2πfmt}φm(t),0≤t≤TP
获取第m个发射阵元发射的窄带信号Sm(t);其中π为常数,TP为脉冲宽度,φm(·)为发射归一化包络的正交波形,exp表示以自然常数e为底的指数函数,t为脉冲信号的时间,j表示虚部;
S1-3、根据公式:
获取第n个接收阵元接收到从第m个发射阵元发射的信号的时间延迟τmn;其中c为光速,d为阵元间距,θ为辐射角度,r为空间距离;
S1-4、根据公式:
获取第n个接收阵元接收到的第k个脉冲的运动目标的回波信号ynk(t);其中ξ为复反射系数,τmnk为第n个接收阵元接收到第m个发射阵元发射的第k个脉冲的时间延迟,τ11k表示远场窄带场景中波形集中时间延迟;
S1-5、从ynk(t)中提取第m个发射阵元发射的第k个脉冲信号被第n个接收阵元接收到的信号ym,n,k,并根据公式:
ym,n,k=ξexp(j2π(m-1)fT)exp(j2π(n-1)fR)exp(j(K-1)fd)
获取信号的发射空间频率fT、信号的接收空间频率fR和多普勒频率fd;其中λ0为发射信号的波长,T为脉冲重复周期,K为第m个发射阵元发射的脉冲总数,rc为杂波到运动平台的距离,θc为杂波与阵列的轴线锥角,vp为运动平台的速度,θp为杂波与运动平台的锥角;
S1-6、根据公式:
获取发射导线矢量aT、接收导向矢量aR和多普勒导向矢量ad;其中[·]T表示矩阵的转置;
S1-7、根据公式:
获取目标信号S(t)和杂波信号C(t);其中ξs为目标的散射系数,aTS为目标信号的发射导向矢量,aRS为目标信号的接收导向矢量,adS为目标信号的多普勒导向矢量,为克罗内克积,ξic为杂波散射单元的系数,Nc为杂波散射单元的数目,aTC为杂波的发射导向矢量,aRC为杂波的接收导向矢量,adC为杂波的多普勒导向矢量;
S1-8、根据公式:
x(t)=S(t)+C(t)+n(t)
建立目标信号、杂波以及回波信号的模型x(t);其中n(t)为均值为零的高斯白噪声。
进一步地,步骤S2的具体方法包括以下子步骤:
S2-1、根据公式:
获取MVDR波束形成器的最优权矢量wopt;其中ts为目标信号的导向矢量,Rx为空间相关矩阵,Rx=E{x(t)xH(t)},E为求期望操作,(·)H为厄米特转置,为采样协方差矩阵的逆矩阵,μ为常数;
S2-2、基于加权模值方法,根据公式:
进一步地,步骤S3的具体方法包括以下子步骤:
S3-1、初始化遗传算法的种群数目NP、染色体二进制编码长度L、最大迭代次数G、交叉概率Pc和变异概率Pm,预设频偏的最大值Δfmax和最小值Δfmin;将当前迭代次数初始化为0;
S3-2、随机生成初始种群,得到初始频偏向量Δfinit=[Δfinit1,Δfinit2,...,ΔfinitNP];每个频偏个体的数值均位于Δfmax与Δfmin之间;
S3-3、获取当前频偏向量中每个个体的适应度;
S3-5、采用当前最优频偏与其他偶数位的所有频偏进行交叉,每次交叉均得到一个新频偏;
S3-6、将交叉得到的频偏作为父群体,按照变异概率对父群体进行多点变异,得到子群体;
S3-7、获取子群体中每个个体对应的适应度,将子群体和父群体合并,得到合并群体;
S3-8、根据合并群体中每个个体的适应度按照由高到低进行排序,获取前NP个频偏组合成新频偏向量;
S3-9、将当前迭代次数加1,判断当前迭代次数是否达到最大迭代次数,若是则输出具有最大适应度的频偏作为优化后的频偏;否则返回步骤S3-4。
进一步地,步骤S3-1中种群数目NP的值为100,染色体二进制编码长度L的值为20,最大迭代次数G的值为1000,交叉概率为0.8。
本发明的有益效果为:本发明通过对由加权模值方法推导出的输出最优频偏表达式,利用遗传算法得到基于FDA-MIMO雷达的最优频偏,改进了传统FDA雷达使用固定的线性频偏进行杂波抑制,在杂波抑制性能上得到了提高。
附图说明
图1为本发明的流程示意图;
图2为本发明的FDA-MIMO雷达的几何模型图;
图3为本方法的遗传算法适应度进化曲线;
图4为本方法实施例的杂波谱;
图5为本方法实施例的固定频偏Δf=2kHz杂波抑制效果图;
图6为本方法实施例的固定频偏Δf=10kHz杂波抑制效果图;
图7为本方法实施例的最优频偏杂波抑制效果图;
图8为本方法的输出SCNR和SNR的关系图。
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,该基于FDA-MIMO雷达最优频偏估计的杂波抑制方法包括以下步骤:
A1、建立FDA-MIMO雷达模型,对应得到FDA-MIMO雷达的每个阵元发射窄带信号和接收回波信号;将FDA-MIMO雷达的每个阵元接收的回波信号在相干处理时间内进行匹配滤波和脉冲压缩得到回波信号,同时建立目标信号、杂波以及回波信号的模型:
A1-1、设FDA-MIMO雷达模型的发射和接收均采用均匀线性阵列,并且发射和接收的阵元数分别为M和N,阵元间距均为d=λ0/2,λ0为发射信号的波长,每个阵元发射频率相差固定的偏移分量,则第m个阵元的发射载频可以表示为:
fm=f0+(m+1)Δf,m=1,2,...,M
其中,f0表示第一个发射阵元的参考载频,Δf为载频附加的频偏和信号带宽,且Δf<<f0。发射MIMO波形的脉冲信号,则第m个阵元发射的信号可以表示为:
Sm(t)=exp{j2πfmt}φm(t),0≤t≤TP
其中,TP为脉冲宽度,φm(t)为发射归一化包络的正交波形,脉冲重复频率为fPRF。
其中,ξ表示为复反射系数,τmnk表示第n个阵元接收到第m个阵元发射的第k个脉冲信号的时间延迟,这里考虑远场窄带场景,因此波形集中时间延迟为τ11k。那么第n个阵元接收到的第k个脉冲的运动目标的回波信号可以表示为:
A1-2、接收阵列经过下变频的第m个匹配滤波器的参考函数可以表示为:φm(t)exp{j2πΔfmt},且正交波形满足如下条件:
则第m个阵元发射的第k个脉冲信号,被第n个阵元接收的信号可以表示为:
ym,n,k=ξexp(j2π(m-1)(dcos(θc)/λ0-2Δfrc/c))
exp(j2π(n-1)dcos(θc)/λ0)exp(j2vpT(K-1)cos(θp)/λ0)
其中,T表示为脉冲重复周期。信号的发射空间频率fT和接收空间频率fR以及多普勒频率fd分别表示如下:
发射导向矢量aT、接收导向矢量aR和多普勒导向矢量ad分别表示如下:
在FDA-MIMO阵列结构下,探测目标以及杂波的形式可以表示为:
回波信号可以综合表示为:
x(t)=S(t)+C(t)+n(t)
A2、根据MVDR准则和空时自适应权重得到最优权矢量,通过使得输出信杂噪比最大,推导出频偏与最优权矢量之间的关系;基于加权模值的方法,推导出最优频偏的表达式;利用遗传算法对最优频偏的表达式进行求解,得到优化后的FDA-MIMO模型中的频偏Δfopt:
A2-1、不失一般性,根据MVDR准则,空时自适应权重计算为:
A2-2、根据输出信杂噪比最大,推导出频偏与最优权矢量之间的关系如下:
A2-3、基于加权模值的方法,上述的优化问题可以转化为求解权值矢量的最小值,表示为:
A2-4、初始化:种群数目为NP=100,染色体二进制编码长度为L=20,设置进化代数计数器g=0,最大进化代数G=1000,交叉概率为Pc=0.8,变异概率为给定频偏的最大值Δfmax和最小值Δfmin;
A2-5、个体适应度:随机生成初始种群,即频偏向量Δfinit=[Δfinit1,Δfinit2,...,ΔfinitNP],每个初始化频偏Δfinitm采用20位二进制编码表示,且其取值范围在[Δfmin,Δfmax]之间,则得到初始频偏向量Δfinitm为1×(20*NP)维数组,计算初始频偏Δfinit中每个Δfinitm的适应度,即
A2-8、变异运算:在交叉过后,对新产生的频偏向量Δfnew根据变异算子进行多点变异产生子群体即Δfn'ew,再计算最优权矢量模值然后和父群体Δfnew合并,并根据最优权矢量模值进行排序,取前NP个频偏为新群体Δfn”ew进行下一次遗传操作;
A2-9、终止条件判断:若g≤G,则g=g+1,转到A2-5;若g>G,则此进化过程中所得到的具有最大适应度的Δfopt作为最优频偏输出,终止计算。
A3、将最优频偏Δfopt带入FDA-MIMO雷达模型中进行杂波抑制。则在距离域和空间角度域生成耦合的波束形成图中,可以看到最优频偏和固定频偏对杂波抑制效果的对比。
在本发明的一个实施例中,如图2所示,其中d为阵元间距,rc为杂波到运动平台的距离,θc为杂波与阵列的轴线锥角,vp为运动平台的速度,θp为杂波与运动平台的锥角,S和C分别表示为目标和杂波。为简化分析,仿真在二维平面中进行,即FDA-MIMO雷达的距离-角度二维平面、目标信号和杂波散射单元均在同一个平面上。仿真参数如表1所示。
表1:仿真参数
基于遗传算法的最优频偏估计方法,通过利用遗传算法对最优权矢量的模值进行了优化设计,在迭代1000次之后,得到了遗传算法适应度进化曲线如图3所示,其中横坐标为遗传迭代次数G,纵坐标表示最优权矢量模值的函数|wopt|。可以看到最优全矢量模值的最小值为0.08563,其最小值所对应的就是最优频偏Δfopt。基于FDA-MIMO雷达信号回波模型,在上述仿真参数下,回波SNR=10dB时,给出了杂波抑制前的目标信号加杂波散射单元的二维谱分布,其杂波谱如图4所示。这里考虑单个目标和多个杂波散射单元的情况,从图中可以看出,杂波谱中出现较多的“虚杂波散射”,已经不能正确判断目标的位置。
从图5-6中可以看出,在固定频偏Δf=2kHz和Δf=10kHz情况下的杂波抑制效果,在经过MVDR最优波束形成时,仍然会出现目标信号位置不准确和残留的杂波散射单元的强度与目标的强度接近的情况。图7是最优频偏Δfopt滤波之后的杂波抑制效果,目标信号的位置信息准确并且清晰。图8是杂波抑制性能对比,随着信噪比SNR的增加,输出信杂噪比SCNR也随之增加,这说明SNR越大,则输出的信杂噪比SCNR就越大,从而杂波抑制具有更优的效果。当在给定信噪比条件下,最优频偏Δfopt所对应的输出信杂噪比SCNR相比固定频偏Δf=2kHz和Δf=10kHz来说要更大一些,这充分说明最优频偏具有更好的杂波和噪声鲁棒性。
综上所述,相比固定频偏,本方法所求得的最优频偏Δfopt具有更优的杂波抑制性能,有效地提升了杂波抑制效果。
Claims (3)
1.一种基于FDA-MIMO雷达最优频偏估计的杂波抑制方法,其特征在于,包括以下步骤:
S1、建立FDA-MIMO雷达模型,获取FDA-MIMO雷达每个阵元发射的窄带信号并接收回波信号,并建立目标信号、杂波以及回波信号的模型;
S2、基于目标信号、杂波以及回波信号的模型,采用加权模值方法获取FDA-MIMO雷达模型中频偏的最优表达式;
S3、采用遗传算法对频偏的最优表达式进行求解,得到优化后的频偏;
S4、将优化后的频偏带入FDA-MIMO雷达模型进行杂波抑制;
步骤S1的具体方法包括以下子步骤:
S1-1、根据公式:
fm=f0+(m+1)Δf,m=1,2,...,M
获取第m个发射阵元的发射载频fm;其中f0表示第一个发射阵元的参考载频,Δf表示载频附加的频偏,M表示发射阵元总数;
S1-2、根据公式:
Sm(t)=exp{j2πfmt}φm(t),0≤t≤TP
获取第m个发射阵元发射的窄带信号Sm(t);其中π为常数,TP为脉冲宽度,φm(·)为发射归一化包络的正交波形,exp表示以自然常数e为底的指数函数,t为脉冲信号的时间,j表示虚部;
S1-3、根据公式:
获取第n个接收阵元接收到从第m个发射阵元发射的信号的时间延迟τmn;其中c为光速,d为阵元间距,θ为辐射角度,r为空间距离;
S1-4、根据公式:
获取第n个接收阵元接收到的第k个脉冲的运动目标的回波信号ynk(t);其中ξ为复反射系数,τmnk为第n个接收阵元接收到第m个发射阵元发射的第k个脉冲的时间延迟,τ11k表示远场窄带场景中波形集中时间延迟;
S1-5、从ynk(t)中提取第m个发射阵元发射的第k个脉冲信号被第n个接收阵元接收到的信号ym,n,k,并根据公式:
ym,n,k=ξexp(j2π(m-1)fT)exp(j2π(n-1)fR)exp(j(K-1)fd)
获取信号的发射空间频率fT、信号的接收空间频率fR和多普勒频率fd;其中λ0为发射信号的波长,T为脉冲重复周期,K为第m个发射阵元发射的脉冲总数,rc为杂波到运动平台的距离,θc为杂波与阵列的轴线锥角,vp为运动平台的速度,θp为杂波与运动平台的锥角;
S1-6、根据公式:
获取发射导线矢量aT、接收导向矢量aR和多普勒导向矢量ad;其中[·]T表示矩阵的转置;
S1-7、根据公式:
获取目标信号S(t)和杂波信号C(t);其中ξs为目标的散射系数,aTS为目标信号的发射导向矢量,aRS为目标信号的接收导向矢量,adS为目标信号的多普勒导向矢量,为克罗内克积,ξic为杂波散射单元的系数,Nc为杂波散射单元的数目,aTC为杂波的发射导向矢量,aRC为杂波的接收导向矢量,adC为杂波的多普勒导向矢量;
S1-8、根据公式:
x(t)=S(t)+C(t)+n(t)
建立目标信号、杂波以及回波信号的模型x(t);其中n(t)为均值为零的高斯白噪声;
步骤S2的具体方法包括以下子步骤:
S2-1、根据公式:
获取MVDR波束形成器的最优权矢量wopt;其中ts为目标信号的导向矢量,Rx为空间相关矩阵,Rx=E{x(t)xH(t)},E为求期望操作,(·)H为厄米特转置,为采样协方差矩阵的逆矩阵,μ为常数;
S2-2、基于加权模值方法,根据公式:
步骤S3的具体方法包括以下子步骤:
S3-1、初始化遗传算法的种群数目NP、染色体二进制编码长度L、最大迭代次数G、交叉概率Pc和变异概率Pm,预设频偏的最大值Δfmax和最小值Δfmin;将当前迭代次数初始化为0;
S3-2、随机生成初始种群,得到初始频偏向量Δfinit=[Δfinit1,Δfinit2,...,ΔfinitNP];每个频偏个体的数值均位于Δfmax与Δfmin之间;
S3-3、获取当前频偏向量中每个个体的适应度;
S3-5、采用当前最优频偏与其他偶数位的所有频偏进行交叉,每次交叉均得到一个新频偏;
S3-6、将交叉得到的频偏作为父群体,按照变异概率对父群体进行多点变异,得到子群体;
S3-7、获取子群体中每个个体对应的适应度,将子群体和父群体合并,得到合并群体;
S3-8、根据合并群体中每个个体的适应度按照由高到低进行排序,获取前NP个频偏组合成新频偏向量;
S3-9、将当前迭代次数加1,判断当前迭代次数是否达到最大迭代次数,若是则输出具有最大适应度的频偏作为优化后的频偏;否则返回步骤S3-4。
2.根据权利要求1所述的基于FDA-MIMO雷达最优频偏估计的杂波抑制方法,其特征在于,步骤S3-1中种群数目NP的值为100,染色体二进制编码长度L的值为20,最大迭代次数G的值为1000,交叉概率为0.8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110362890.0A CN113093137B (zh) | 2021-04-02 | 2021-04-02 | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110362890.0A CN113093137B (zh) | 2021-04-02 | 2021-04-02 | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113093137A CN113093137A (zh) | 2021-07-09 |
CN113093137B true CN113093137B (zh) | 2022-08-12 |
Family
ID=76673813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110362890.0A Active CN113093137B (zh) | 2021-04-02 | 2021-04-02 | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113093137B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113777599B (zh) * | 2021-09-13 | 2023-06-16 | 电子科技大学 | 一种基于fda-mimo雷达的速度解模糊方法 |
CN116626604B (zh) * | 2023-07-24 | 2023-09-22 | 中国人民解放军空军预警学院 | 脉内非均匀大频偏信号波形设计方法与装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1988526A (zh) * | 2005-12-23 | 2007-06-27 | 中兴通讯股份有限公司 | 一种多输入多输出、正交频分复用无线系统的同步方法 |
AU2009335225A1 (en) * | 2008-12-31 | 2011-07-07 | Ids Ingegneria Dei Sistemi S.P.A. | Method for interferometric radar measurements |
EP2832000A1 (en) * | 2012-03-26 | 2015-02-04 | Cohere Technologies, Inc. | Signal modulation method resistant to echo reflections and frequency offsets |
RU2583160C1 (ru) * | 2015-04-07 | 2016-05-10 | Акционерное общество "НИИ измерительных приборов-Новосибирский завод имени Коминтерна" /АО "НПО НИИИП-НЗиК"/ | Способ помехового подавления радиолокационной станции |
CN105699945A (zh) * | 2016-01-30 | 2016-06-22 | 湖北工业大学 | 频控阵mimo雷达系统中的波形优化设计方法 |
CN106646394A (zh) * | 2017-02-28 | 2017-05-10 | 湖北工业大学 | 一种fda‑mimo雷达中基于循环优化的发射波束矩阵设计方法 |
CN107657070A (zh) * | 2017-07-31 | 2018-02-02 | 西安电子科技大学 | 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 |
CN108594186A (zh) * | 2017-08-25 | 2018-09-28 | 西安电子科技大学 | Fda-mimo雷达抑制主瓣欺骗式干扰的方法 |
CN108896983A (zh) * | 2018-05-10 | 2018-11-27 | 电子科技大学 | 一种基于频控阵的时不变空间聚焦波束形成方法 |
CN109765536A (zh) * | 2018-10-22 | 2019-05-17 | 西北大学 | 基于辅助通道的fda-mimo降维空时自适应杂波抑制方法及设备 |
CN110703209A (zh) * | 2019-09-30 | 2020-01-17 | 西安电子科技大学 | 高重频机载前视阵雷达地面距离模糊杂波的抑制方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5559361A (en) * | 1978-10-27 | 1980-05-02 | Mitsubishi Electric Corp | Radar device |
CN102279389B (zh) * | 2010-06-11 | 2014-05-14 | 株式会社东芝 | 雷达接收信号处理装置及其方法 |
US9784820B2 (en) * | 2014-09-19 | 2017-10-10 | Delphi Technologies, Inc. | Radar system with phase based multi-target detection |
CN110146871B (zh) * | 2019-05-21 | 2022-11-04 | 西安电子科技大学 | 基于双频偏fda-mimo雷达的目标参数估计方法 |
-
2021
- 2021-04-02 CN CN202110362890.0A patent/CN113093137B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1988526A (zh) * | 2005-12-23 | 2007-06-27 | 中兴通讯股份有限公司 | 一种多输入多输出、正交频分复用无线系统的同步方法 |
AU2009335225A1 (en) * | 2008-12-31 | 2011-07-07 | Ids Ingegneria Dei Sistemi S.P.A. | Method for interferometric radar measurements |
EP2832000A1 (en) * | 2012-03-26 | 2015-02-04 | Cohere Technologies, Inc. | Signal modulation method resistant to echo reflections and frequency offsets |
RU2583160C1 (ru) * | 2015-04-07 | 2016-05-10 | Акционерное общество "НИИ измерительных приборов-Новосибирский завод имени Коминтерна" /АО "НПО НИИИП-НЗиК"/ | Способ помехового подавления радиолокационной станции |
CN105699945A (zh) * | 2016-01-30 | 2016-06-22 | 湖北工业大学 | 频控阵mimo雷达系统中的波形优化设计方法 |
CN106646394A (zh) * | 2017-02-28 | 2017-05-10 | 湖北工业大学 | 一种fda‑mimo雷达中基于循环优化的发射波束矩阵设计方法 |
CN107657070A (zh) * | 2017-07-31 | 2018-02-02 | 西安电子科技大学 | 基于遗传算法频率分集共形阵列波束的解耦合方法及天线 |
CN108594186A (zh) * | 2017-08-25 | 2018-09-28 | 西安电子科技大学 | Fda-mimo雷达抑制主瓣欺骗式干扰的方法 |
CN108896983A (zh) * | 2018-05-10 | 2018-11-27 | 电子科技大学 | 一种基于频控阵的时不变空间聚焦波束形成方法 |
CN109765536A (zh) * | 2018-10-22 | 2019-05-17 | 西北大学 | 基于辅助通道的fda-mimo降维空时自适应杂波抑制方法及设备 |
CN110703209A (zh) * | 2019-09-30 | 2020-01-17 | 西安电子科技大学 | 高重频机载前视阵雷达地面距离模糊杂波的抑制方法 |
Non-Patent Citations (5)
Title |
---|
"Bistatic frequency diverse array radar ambiguous clutter suppression";K. Tian 等;《IET International Radar Conference 》;20201231;1-5 * |
"基于固定与对数频偏的频率分集阵列雷达波束特性研究";蒋燕妮 等;《现代雷达》;20171231;25-29 * |
"基于遗传神经网络的背景杂波抑制技术研究";李志军 等;《计算机工程与应用》;20100811;178-181 * |
Jie Cheng 等."Joint MIMO and Frequency Diverse Array for Suppressing Mainlobe Interferences".《Jie Cheng * |
Wen-Qin Wang ; Shunsheng Zhang》.2021, * |
Also Published As
Publication number | Publication date |
---|---|
CN113093137A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113093137B (zh) | 一种基于fda-mimo雷达最优频偏估计的杂波抑制方法 | |
Jin et al. | Time-reversal detection using antenna arrays | |
Bruckstein et al. | The resolution of overlapping echos | |
Hurtado et al. | Adaptive polarized waveform design for target tracking based on sequential Bayesian inference | |
Ramezanpour et al. | Deep‐learning‐based beamforming for rejecting interferences | |
CN104730517B (zh) | 双基地多输入多输出雷达多目标跟踪方法 | |
Xie et al. | A recursive angle-Doppler channel selection method for reduced-dimension space-time adaptive processing | |
Patton | On the satisfaction of modulus and ambiguity function constraints in radar waveform optimization for detection | |
CN108594194A (zh) | 基于四线性分解的双基地mimo雷达角度估算方法 | |
CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN107132514A (zh) | 改进esprit的双基地mimo雷达角度估算方法 | |
CN111856410B (zh) | 恒模约束下机载mimo雷达的稳健发射接收联合优化方法 | |
CN105699950A (zh) | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 | |
CN107064896B (zh) | 基于截断修正sl0算法的mimo雷达参数估计方法 | |
Bingbing | DOA estimation of the coherent signals using beamspace matrix reconstruction | |
CN115236584A (zh) | 基于深度学习的米波雷达低仰角估计方法 | |
Liu et al. | $\ell _ {0} $-Norm Minimization-Based Robust Matrix Completion Approach for MIMO Radar Target Localization | |
Zhang et al. | Time reversal detection in a multistatic radar system with a varying environment | |
Greiff et al. | Adaptive transmission for radar arrays using Weiss–Weinstein bounds | |
CN110967676A (zh) | 基于epc-mimo编解码设计的目标距离解模糊方法 | |
CN116520279A (zh) | 一种海杂波抑制方法 | |
Pang et al. | A STAP method based on atomic norm minimization for transmit beamspace-based airborne MIMO radar | |
Wang et al. | Blind adaptive beamforming algorithm based on cyclostationary signals | |
Xiong et al. | Space time adaptive processing for airborne MIMO radar based on space time sampling matrix | |
Ramezanpour et al. | DNN‐based interference mitigation beamformer |
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 |