CN113267758A - 一种复合高斯环境下存在干扰时的目标检测方法与系统 - Google Patents
一种复合高斯环境下存在干扰时的目标检测方法与系统 Download PDFInfo
- Publication number
- CN113267758A CN113267758A CN202110803453.8A CN202110803453A CN113267758A CN 113267758 A CN113267758 A CN 113267758A CN 202110803453 A CN202110803453 A CN 202110803453A CN 113267758 A CN113267758 A CN 113267758A
- Authority
- CN
- China
- Prior art keywords
- matrix
- detection
- detected
- interference
- covariance matrix
- 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
- G01S7/41—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Radar, Positioning & Navigation (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Remote Sensing (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种复合高斯环境下存在干扰时的目标检测方法与系统。首先构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;然后将待检测数据向量和训练样本向量均变换为矩阵;接着利用训练样本矩阵估计协方差矩阵;再利用信号矩阵、干扰矩阵、变换后的待检测数据矩阵和协方差矩阵的估计,构造检测统计量;最后根据系统设定的虚警概率及检测统计量确定检测门限,并比较检测统计量与检测门限的大小,做出目标是否存在的判决。本发明设计的检测器基于自适应检测思想,一体化实现了杂波抑制、干扰抑制、信号积累和恒虚警处理,且通过利用协方差矩阵的中央共轭对称特性,使所需训练样本数量下降了一半。
Description
技术领域
本发明属于信号检测技术领域,更具体地,涉及一种复合高斯环境下存在干扰时的目标检测方法与系统。
背景技术
雷达工作的电磁环境复杂多变。一方面,雷达面临敌对方释放的干扰,干扰能极大削弱雷达的作战效能,甚至使雷达彻底失效;另一方面,雷达接收数据中除了包括可能的目标信号和干扰外,往往还含有来自高山、地物反射回的高强度杂波。为了保证作战效能的正常发挥,雷达需要解决好杂波及干扰环境下的目标检测问题。
如果干扰方式变化缓慢,则雷达通过在发射信号的休止期增加侦收脉冲,可以获得干扰的必要信息,为抑制干扰提供了可能性。此外,通过利用训练样本,可估计杂波的统计特性,为降低杂波的影响提供了可能。需要指出的是,随着雷达制造工艺的提升,雷达通道数不断增加,雷达的距离分辨单元不断提高,单个距离单元内的杂波强散射点越来越少,杂波逐渐呈现出非均匀、非高斯特性,而且为了进行杂波抑制,所需要的训练样本数不断提高。复合高斯杂波是一大类非高斯模型,可适用于多种雷达工作场景。
如果能利用有效的先验信息,则可降低雷达对训练样本的需求,例如,当雷达阵列接收系统采用对称的线性阵列时,它所接收到的杂波的协方差矩阵具有中央共轭对称结构。该结构具有双重对称特性,协方差矩阵既关于主对角线共轭对称,又关于副对角线对称,而常规协方差矩阵仅仅是关于主对角线共轭对称。可以看出,具有中央共轭对称结构的协方差矩阵比共轭对称协方差矩阵的未知参数少很多。需要强调的是,该结构不局限于对称线性阵列,它可以存在不同的几何形状,如标准的矩形阵列,均匀圆阵列(阵列个数为偶数)和一些标准的六角形阵列。如果充分利用中央共轭对称结构,可降低对训练样本数的需求。
如何抑制干扰,并且提高雷达在非均匀杂波环境中的探测性能,是制约雷达在实战环境中效能发挥的关键问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种复合高斯环境下存在干扰时的目标检测方法与系统,其目的在于基于自适应检测思想,解决复合高斯环境下存在干扰时的目标检测难题。
为实现上述目的,按照本发明的一个方面,提供了一种复合高斯环境下存在干扰时的目标检测方法,包括如下步骤:
步骤1:构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为,四者的维数分别为、,表示系统维数,也就是待检测数据向量的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示训练样本的个数;
步骤2:将待检测数据向量和训练样本向量均变换为矩阵;将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
和
其中
步骤3:利用所述训练样本矩阵估计协方差矩阵;
步骤4:利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造检测统计量;
步骤5:根据系统设定的虚警概率及所述的检测统计量确定检测门限,并比较所述检测统计量与所述检测门限的大小,做出目标是否存在的判决。
优选地,所述步骤3中,利用所述训练样本矩阵估计协方差矩阵,通过下述步骤实现:
(3c)进行判断,若
优选地,所述步骤4中,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造的检测统计量为
优选地,所述步骤5中,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
(4c)进行判断,若
优选地,所述步骤5中,比较所述检测统计量与所述检测门限的大小,并判决目标是否存在,分下述两种情况进行判定:
按照本发明的另一方面,提供了一种复合高斯环境下存在干扰时的目标检测系统,包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块,其中:
所述数据矩阵构造模块,用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为,四者的维数分别为、,表示系统维数,也就是待检测数据向量的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示训练样本的个数;
所述矩阵变换模块,用于将待检测数据向量和训练样本向量均变换为矩阵;将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
和
其中
所述协方差矩阵估计模块,用于利用所述训练样本矩阵估计协方差矩阵;
所述检测统计量构造模块,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造检测统计量;
所述检测门限确定及目标判决模块,用于根据检测统计量和系统设定的虚警概率值确定检测门限,并比较检测统计量与检测门限的大小,并做出目标是否存在的判决。
优选地,所述协方差矩阵估计模块,利用所述训练样本矩阵估计协方差矩阵,通过下述步骤实现:
(3c)进行判断,若
优选地,所述检测统计量构造模块,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造的检测统计量为
优选地,所述检测门限确定及目标判决模块,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
(4c)进行判断,若
优选地,所述检测门限确定及目标判决模块,比较所述检测统计量与所述检测门限的大小,并判决目标是否存在,分下述两种情况进行判定:
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:
(1)本发明设计的检测器能够彻底抑制来向确定的干扰,且无需独立的干扰抑制步骤,简化了流程,干扰抑制能力体现在检测器的检测统计量中;
(2)本发明设计的检测器在复合高斯环境中具有恒虚警特性,无需额外的恒虚警处理;
(3)本发明设计的检测器充分利用了杂波协方差矩阵的中央共轭对称特性,降低了对训练样本的需求,使所需训练样本数下降一半,特别适用于系统维度高的先进雷达系统,以及难以获得充足训练样本的非均匀环境。
附图说明
图1为本发明提供的一种复合高斯环境下存在干扰时的目标检测方法的流程示意图;
图2为本发明提供的一种复合高斯环境下存在干扰时的目标检测系统的结构框架图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
其中,在假设检验下,待检测数据包含干扰和杂波,在条件下包括信号、干扰和杂波。信号 和干扰 分别表示为和,和分别为信号子空间和干扰子空间,和分别为信号和干扰在子空间内的坐标向量,、、和的维数分别为、、和。杂波 为复合高斯杂波,可表示为,其中为杂波的纹理分量,为杂波的散斑分量,服从均值为零、协方差矩阵为的复高斯分布,且服从自由度为、均值为的复逆维沙特分布。在实际中,通常可根据历史数据获得。
当雷达采用的线性阵列关于相位中心对称或脉冲是均匀分布的,则雷达杂波数据的协方差矩阵具有中央共轭对称特性,即协方差矩阵关于副对角线满足反对称特性,具体可表示为
本发明的目的在于解决复合高斯杂波下存在干扰时的目标检测问题。为实现上述目的,请参阅图1所示,本发明提供了一种复合高斯环境下存在干扰时的目标检测方法,包括以下步骤:
步骤1:构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;
所述步骤1中,构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为,四者的维数分别为、,表示系统维数,也就是待检测数据向量的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示训练样本的个数;
步骤2:将待检测数据向量和训练样本向量均变换为矩阵;
所述步骤2中,将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
和
其中
步骤3:利用所述训练样本矩阵估计协方差矩阵;
所述步骤3中,利用所述训练样本矩阵估计协方差矩阵,通过下述步骤实现:
(3c)进行判断,若
步骤4:利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造检测统计量;
所述步骤4中,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造的检测统计量为
具体而言,所述步骤5中,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
(4c)进行判断,若
步骤5:根据系统设定的虚警概率及所述的检测统计量确定检测门限,并比较所述检测统计量与所述检测门限的大小,做出目标是否存在的判决;
所述步骤5中,比较所述检测统计量与所述检测门限的大小,并判决目标是否存在,分下述两种情况进行判定:
请参阅图2所示,本发明还提供一种复合高斯环境下存在干扰时的目标检测系统,包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块,其中:
所述数据矩阵构造模块,用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为,四者的维数分别为、,表示系统维数,也就是待检测数据向量的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示训练样本的个数;
所述矩阵变换模块,用于将待检测数据向量和训练样本向量均变换为矩阵;将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
和
其中
所述协方差矩阵估计模块,用于利用所述训练样本矩阵估计协方差矩阵;
所述检测统计量构造模块,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造检测统计量;
所述检测门限确定及目标判决模块,用于根据检测统计量和系统设定的虚警概率值确定检测门限,并比较检测统计量与检测门限的大小,并做出目标是否存在的判决。
进一步地,所述协方差矩阵估计模块,利用所述训练样本矩阵估计协方差矩阵,通过下述步骤实现:
(3c)进行判断,若
进一步地,所述检测统计量构造模块,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造的检测统计量为
进一步地,所述检测门限确定及目标判决模块,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
(4c)进行判断,若
进一步地,所述检测门限确定及目标判决模块,比较所述检测统计量与所述检测门限的大小,并判决目标是否存在,分下述两种情况进行判定:
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种复合高斯环境下存在干扰时的目标检测方法,其特征在于,包括如下步骤:
步骤1:构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为,四者的维数分别为、,表示系统维数,也就是待检测数据向量的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示训练样本的个数;
步骤2:将待检测数据向量和训练样本向量均变换为矩阵;将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
和
其中
步骤3:利用所述训练样本矩阵估计协方差矩阵;
步骤4:利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造检测统计量;
步骤5:根据系统设定的虚警概率及所述的检测统计量确定检测门限,并比较所述检测统计量与所述检测门限的大小,做出目标是否存在的判决。
4.如权利要求1或2所述的复合高斯环境下存在干扰时的目标检测方法,其特征在于,所述步骤5中,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
(4c)进行判断,若
6.一种复合高斯环境下存在干扰时的目标检测系统,其特征在于,包括数据矩阵构造模块、矩阵变换模块、协方差矩阵估计模块、检测统计量构造模块和检测门限确定及目标判决模块,其中:
所述数据矩阵构造模块,用于构造信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集;构造的信号矩阵、干扰矩阵、待检测数据向量和训练样本向量集分别表示为,四者的维数分别为、,表示系统维数,也就是待检测数据向量的行数,表示信号矩阵的列数,表示干扰矩阵的列数,表示训练样本的个数;
所述矩阵变换模块,用于将待检测数据向量和训练样本向量均变换为矩阵;将待检测数据向量和训练样本向量均变换为矩阵的具体实现方式分别为
和
其中
所述协方差矩阵估计模块,用于利用所述训练样本矩阵估计协方差矩阵;
所述检测统计量构造模块,利用所述信号矩阵、所述干扰矩阵、所述变换后的待检测数据矩阵和所述协方差矩阵的估计,构造检测统计量;
所述检测门限确定及目标判决模块,用于根据检测统计量和系统设定的虚警概率值确定检测门限,并比较检测统计量与检测门限的大小,并做出目标是否存在的判决。
9.如权利要求6或7所述的复合高斯环境下存在干扰时的目标检测系统,其特征在于,所述检测门限确定及目标判决模块,根据系统设定的虚警概率及所述的检测统计量确定检测门限通过下式实现
(4c)进行判断,若
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803453.8A CN113267758B (zh) | 2021-07-16 | 2021-07-16 | 一种复合高斯环境下存在干扰时的目标检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803453.8A CN113267758B (zh) | 2021-07-16 | 2021-07-16 | 一种复合高斯环境下存在干扰时的目标检测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113267758A true CN113267758A (zh) | 2021-08-17 |
CN113267758B CN113267758B (zh) | 2021-09-24 |
Family
ID=77236610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110803453.8A Active CN113267758B (zh) | 2021-07-16 | 2021-07-16 | 一种复合高斯环境下存在干扰时的目标检测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113267758B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660567A (zh) * | 2022-05-25 | 2022-06-24 | 中国人民解放军空军预警学院 | 部分均匀环境中存在野值时的雷达目标检测方法与系统 |
CN115656998A (zh) * | 2022-11-22 | 2023-01-31 | 中国人民解放军空军预警学院 | 一种低样本数下阵列信号自适应检测方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106932766A (zh) * | 2017-04-27 | 2017-07-07 | 中国人民解放军海军航空工程学院 | 基于变参数广义结构的距离扩展目标自适应检测方法 |
CN109444820A (zh) * | 2018-12-13 | 2019-03-08 | 中国人民解放军空军预警学院 | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 |
CN110988831A (zh) * | 2019-04-20 | 2020-04-10 | 中国人民解放军空军预警学院 | 杂波和干扰共存环境下当信号失配时的参数可调检测器 |
CN112558015A (zh) * | 2021-02-23 | 2021-03-26 | 中国人民解放军空军预警学院 | 一种复杂电磁环境下先干扰抑制后自适应检测方法与系统 |
CN112799022A (zh) * | 2021-04-08 | 2021-05-14 | 中国人民解放军空军预警学院 | 一种非均匀及干扰环境中的扩展目标检测方法与系统 |
-
2021
- 2021-07-16 CN CN202110803453.8A patent/CN113267758B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106932766A (zh) * | 2017-04-27 | 2017-07-07 | 中国人民解放军海军航空工程学院 | 基于变参数广义结构的距离扩展目标自适应检测方法 |
CN109444820A (zh) * | 2018-12-13 | 2019-03-08 | 中国人民解放军空军预警学院 | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 |
CN110988831A (zh) * | 2019-04-20 | 2020-04-10 | 中国人民解放军空军预警学院 | 杂波和干扰共存环境下当信号失配时的参数可调检测器 |
CN112558015A (zh) * | 2021-02-23 | 2021-03-26 | 中国人民解放军空军预警学院 | 一种复杂电磁环境下先干扰抑制后自适应检测方法与系统 |
CN112799022A (zh) * | 2021-04-08 | 2021-05-14 | 中国人民解放军空军预警学院 | 一种非均匀及干扰环境中的扩展目标检测方法与系统 |
Non-Patent Citations (2)
Title |
---|
GAO, YC ET AL.: "High-Resolution Radar Detection in Interference and Nonhomogeneous Noise", 《IEEE SIGNAL PROCESSING LETTERS》 * |
高永婵: "复杂场景下多通道阵列自适应目标检测算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660567A (zh) * | 2022-05-25 | 2022-06-24 | 中国人民解放军空军预警学院 | 部分均匀环境中存在野值时的雷达目标检测方法与系统 |
CN115656998A (zh) * | 2022-11-22 | 2023-01-31 | 中国人民解放军空军预警学院 | 一种低样本数下阵列信号自适应检测方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113267758B (zh) | 2021-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113267758B (zh) | 一种复合高斯环境下存在干扰时的目标检测方法与系统 | |
CN112835000B (zh) | 一种非均匀杂波及干扰条件下的自适应检测方法 | |
CN111948634A (zh) | 干扰条件下基于协方差矩阵重构的目标检测方法与装置 | |
CN114660567B (zh) | 部分均匀环境中存在野值时的雷达目标检测方法与系统 | |
CN111007488B (zh) | 基于盖尔圆变换和修正Rao得分检验的信源数估计方法 | |
CN113253235B (zh) | 一种严重非均匀环境中的自适应信号检测方法与系统 | |
CN113030932B (zh) | 一种扩展目标稳健自适应检测方法与系统 | |
CN113253251B (zh) | 目标速度未知时的fda-mimo雷达检测方法与系统 | |
CN112558014A (zh) | 一种杂波中扩展目标参数可调子空间检测方法与系统 | |
CN112558015B (zh) | 一种复杂电磁环境下先干扰抑制后自适应检测方法与系统 | |
CN112558034A (zh) | 一种子空间信号失配时的扩展目标敏感检测器与系统 | |
CN112799042B (zh) | 一种干扰下基于斜投影的扩展目标自适应检测方法与系统 | |
CN112834999B (zh) | 一种干扰方位已知时雷达目标恒虚警检测方法与系统 | |
CN111007487A (zh) | 一种基于时间反演的多基地雷达目标检测方法 | |
Kang et al. | Analysis of space–time adaptive processing performance using K-means clustering algorithm for normalisation method in non-homogeneity detector process | |
CN112799022B (zh) | 一种非均匀及干扰环境中的扩展目标检测方法与系统 | |
CN113030928B (zh) | 非均匀环境中极化雷达扩展目标自适应检测方法与系统 | |
CN115856819A (zh) | 一种基于平稳高斯过程的雷达目标恒虚警检测方法 | |
CN113447916A (zh) | 非平稳干扰下的自适应目标检测方法 | |
Barbary et al. | Joint detection and tracking of non‐ellipsoidal extended targets based on cubature Kalman‐CBMeMBer sub‐random matrices filter | |
CN115656998B (zh) | 一种低样本数下阵列信号自适应检测方法与系统 | |
Rangaswamy et al. | Signal detection in strong low rank compound-Gaussian interference | |
CN116819480B (zh) | 一种机载雷达强杂波中的自适应目标检测方法及系统 | |
CN115453489B (zh) | 一种毫米波雷达室内多径判别方法 | |
CN113189550B (zh) | 基于多未知信号提取的阵列雷达抗噪声式干扰方法及系统 |
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 |