CN113359130B - 一种低散射高速运动目标的探测方法 - Google Patents
一种低散射高速运动目标的探测方法 Download PDFInfo
- Publication number
- CN113359130B CN113359130B CN202110633849.2A CN202110633849A CN113359130B CN 113359130 B CN113359130 B CN 113359130B CN 202110633849 A CN202110633849 A CN 202110633849A CN 113359130 B CN113359130 B CN 113359130B
- Authority
- CN
- China
- Prior art keywords
- scattering
- detection
- radar
- uneven
- target
- 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
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
- 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
-
- 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
- G01S7/417—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 involving the use of neural networks
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种低散射高速运动目标的探测方法,步骤如下:根据不均匀散射体的散射特征数据库中的雷达散射截面数据设定探测雷达的类型及探测频率范围,不均匀散射体的散射特征数据库包括了不同类型飞行器在不同的飞行高度、飞行速度及不同雷达天线方位角、俯仰角、极化方向、探测频率下的雷达散射截面数据;使用机器学习算法对不均匀散射体的散射特征数据库的数据进行学习,获得探测模型;探测雷达接收目标的回波信号,回波信号为接收到的目标的实时雷达散射截面,将回波信号输入探测模型,由探测模型判断出飞行器类型,并输出探测结果。本发明通过探测高速运动目标在运动过程中引起的大气扰动而形成的“新目标”实现对高速运动低散射目标的间接探测。
Description
技术领域
本发明属于目标探测技术领域,涉及一种对电磁波高吸收、低散射高速运动目标的探测方法。
背景技术
随着降低飞行器有效散射截面技术的不断发展以及飞行器飞行速度的不断提高,低散射高速运动目标的探测方法、技术与之伴随而生成为另一重要的研究领域。低散射目标探测技术是对高速、超高速飞行器远程测量、监测领域的核心瓶颈问题。世界各国紧锣密鼓地展开了针对高速飞行器探测方面的高新技术研究和开发。
为了实现对低散射飞行器的有效探测,目前主要采用以下几种途径和手段:增加发射站和接收站,从不同角度对目标进行探测,以有效避开外形设计在特定方向有效散射截面很小的角度;扩展雷达的工作频段,避开目标涂层的吸收频率,实现目标的探测;增大发射功率,以获得低散射特性目标的较大回波功率,实现目标的探测;提高雷达的接收灵敏度,以在更小回波功率前提下实现发现、识别目标。为了实现对微弱信号目标的有效探测,国内外学者还在研发更先进的、多域联合(时、空、频、极化、相位、幅度)信号等探测、检测、处理方法和技术。
发明内容
本发明的目的是提供一种针对低散射高速运动目标的探测方法。
为了实现上述目的,本发明采取如下的技术解决方案:
一种低散射高速运动目标的探测方法,包括以下步骤:
S1、确定探测雷达的类型,设定探测雷达的探测频率范围,探测雷达的探测目标为高速运动目标在大气中运动时扰动大气形成的不均匀散射体,探测雷达的类型以及探测频率范围根据不均匀散射体的散射特征数据库中不均匀散射体的雷达散射截面数据设定,所述不均匀散射体的散射特征数据库包括了不同类型飞行器在不同的飞行高度、飞行速度以及不同雷达天线方位角、俯仰角、极化方向、探测频率下的雷达散射截面数据;
S2、建立探测模型,使用机器学习算法对不均匀散射体的散射特征数据库的数据进行学习,获得探测模型;
S3、探测雷达接收目标的回波信号,回波信号为接收到的目标的实时雷达散射截面,将回波信号输入探测模型,由探测模型判断出飞行器类型,并输出探测结果。
进一步的,所述探测雷达为气象雷达。
进一步的,所述探测雷达的探测频率为不均匀散射体的散射特征数据库中不均匀散射体的RCS为峰值时的频段。
进一步的,不均匀散射体的散射特征数据库通过以下步骤建立:
计算不同类型的飞行器在不同的飞行速度和高度下扰动大气所引起的压强起伏空间分布;
计算平静大气下在不同地区、不同时间以及不同高度处的介电参数空间分布;
然后根据飞行器扰动大气引起的压强起伏空间分布以及平静大气的介电参数空间分布,对应计算出飞行器运动时周围不均匀散射体的大气介电参数空间分布;
根据不均匀散射体的大气介电参数空间分布计算出不均匀散射体的雷达散射截面随散射角度和入射频率变化的数据,从而建立不同飞行器在不同飞行高度和飞行速度条件下的散射特征数据库。
进一步的,采用矩量法计算不均匀散射体的雷达散射截面。
由以上技术方案可知,本发明针对低散射高速运动目标,结合机械波传播引起局部大气折射率改变的机理和波的干涉理论,将飞行器等高速运动目标不可避免的、伴随机械振动对其周围大气形成的折射率不均匀体阵列对雷达信号相干散射的“凭借”效应,利用目标在大气中高速运动时引起的大气扰动在大气空间产生特定结构的压强分布,进而形成大气介电参数起伏的不均匀体,该不均匀体会影响电磁波的散射特性,相对于平静大气雷达散射截面增强超20dB,在目标表面散射回波较难探测的情况下,将该不均匀体作为新的探测目标,选用合适的收发探测机制可以有效的获取运动目标扰动大气形成不均匀体的散射信号,通过探测目标在运动过程中引起的大气扰动而形成的“新目标”实现对高速运动低散射目标的间接探测,本发明方法从低散射目标伴随流与电磁波相互作用的机制,作为新的观测途径,完全不同于传统的探测途径,为解决低散射目标探测难这一问题提供新思路,是一种新型的探测方法。
附图说明
图1为本发明方法的流程图;
图2为建立不均匀散射体的散射特征数据库的步骤流程图;
图3为深度学习模型;
图4为训练流程图;
图5为一个飞行器的三维模型图;
图6为图5所示飞行器计算区域的建模图;
图7为图5所示飞行器模型以400m/s的速度在8km高度飞行时机翼尾流区域的压强分布图;
图8为图5所示飞行器模型以400m/s的速度在8km高度飞行时机身周围涡流区域分布图;
图9为飞行器飞行高度为8km,速度为400m/s时扰动大气介电参数起伏空间分布;
图10为飞行器模型以400m/s的速度在8km高度飞行时产生的大气不均匀体在2GHz、HH极化下电波散射随接收角的变化图;
图11为飞行器模型以400m/s的速度在8km高度飞行时产生的大气不均匀体在2GHz、VV极化下电波散射随接收角的变化图。
以下结合附图对本发明的具体实施方式作进一步详细地说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下获得的所有其他实施例,都属于本发明保护的范围。
高速运动目标在大气中运动时不可避免地会伴随有机械振动,这些机械振动所形成的具有相干特性的声波会扰动运动目标周围的大气,使得运动目标周围的大气产生压强起伏,并形成相对稳定的大气折射率起伏(大气介电参数起伏)的不均匀散射体,这种大气折射率起伏的不均匀散射体会影响电磁波的散射特性。
理论上,在无外界扰动源的情况下,睛空大气中对电磁波的散射主要是湍流散射,在局部均匀、各向同性湍流的惯性子区内,单位体积的散射截面目标模型的散射截面σ=ηv,式中的λ为探测电磁波的波长,Cn 2为折射率结构常数,v为目标模型体积,按照结构常数的取值,湍流可分为弱起伏湍流、中起伏湍流和强起伏湍流,弱起伏湍流的Cn 2为10-18量级、中起伏湍流的Cn 2为10-16量级、强起伏湍流的Cn 2为大于10-14量级,湍流散射回波信号的强弱和Cn 2值相关。
以模型体积v≈0.007m3,取强起伏湍流下的Cn 2,计算入射电磁波的频率为2GHz情况下,分别对平静大气下的散射截面以及飞行器扰动大气后的散射截面进行计算,根据σ=ηv计算得到平静大气下目标模型的散射截面约为-163dB,飞行器扰动大气后目标模型的散射截面的最小值为-140dB,可见伴随流场的散射回波相对于平静大气的散射回波散射截面增强超20dB,这种特定的散射特性可以有效的从大气环境噪音中提取出来。本发明拟将这种高速运动目标在大气中运动时,扰动周围大气形成的不均匀散射体作为探测目标,通过探测“新目标”特定的散射特性(雷达散射截面,以下简称RCS),来实现对低散射高速运动目标的间接探测。
如图1所示,本发明方法的步骤如下:
S1、确定探测雷达的类型,设定探测雷达的探测频率范围,探测雷达的类型以及探测频率范围基于高速运动目标扰动大气形成的不均匀散射体的散射特征数据库中不均匀散射体的雷达散射截面的数据设定。
飞行器等高速运动目标扰动大气形成的不均匀散射体为湍流和层流混合的复杂结构体,其与湍流的复杂结构相似,且相对于平静大气的散射回波增强超20dB,因此实际应用中可使用气象雷达进行探测。气象雷达采用大功率发射机、高增益天线、高灵敏度接收机,可探测数千km以外的目标,且几乎不受季节、昼夜和天气条件的影响,能全天时、全天候工作,可以有效的探测低散射目标。
根据布拉格条件,目标尺寸d与探测电磁波的波长λ之间满足2dsinα=mλ时,散射效应较强,式中的m为正整数,α为探测系统电磁波入射的方向和目标表面法向的夹角。但对于不均匀体来说,其尺度不一致,因此,雷达探测频率可以根据不均匀散射体的散射特征数据库中高速运动目标在大气中运动时扰动形成的不均匀散射体的散射回波随频率的变化规律,选取散射效应较强,也就是RCS为峰值的频段,将雷达探测频率设置为散射特征数据库中不均匀散射体的RCS为峰值时的频段。
不均匀散射体的散射特征数据库包括了不同类型的飞行器在不同的飞行高度、飞行速度下形成的不均匀散射体的雷达散射截面在不同雷达天线方位角俯仰角θ、极化方向以及探测频率下的数据。如图2所示,建立不均匀散射体的散射特征数据库时,首先根据飞行器类型和结构,以及飞行速度和高度,分析飞行中飞行器受到的升力、重力、推力和阻力相互平衡关系,得到定常、直线、平飞的飞行器扰动大气的作用模式,再根据边界层理论、尾流理论等得到飞行器扰动引起的压强起伏空间分布;同时,根据物理特性、电磁特性经验公式,得到平静大气下在不同地区、不同时间以及不同高度处大气的介电参数空间分布数据。然后根据飞行器扰动引起的压强起伏空间分布以及平静大气介电参数空间分布,依据电磁特性相关公式得到飞行器高速运动时周围大气介电参数起伏变化的空间分布。最后计算出飞行器扰动大气形成的不均匀散射体的雷达散射截面,从而建立不同飞行器在不同飞行高度和飞行速度条件下形成的不均匀散射体的回波散射特征数据库。本发明所建立的散射特征数据库中包括了不均匀散射体的RCS在不同雷达天线方位角俯仰角θ、极化方向以及探测频率下的数据。后面将对如何建立飞行器扰动产生的不均匀散射体的散射特征数据库进行详细说明。
S2、使用支持向量机、深度神经网络等机器学习算法对高速运动目标扰动大气形成的不均匀散射体的散射特征数据库进行学习,建立探测模型。
下面以深度神经网络算法为例,对探测模型的建立过程进行说明。搭建如图3所示深度学习模型(但不局限于该模型),图3中的x1,x2,x3表示特征输入(但不局限于三维的输入),在本发明中,特征输入为探测雷达接收到的不同角度和不同频率下的雷达散射截面,w1,w2,w3,w4表示各层的权值参数,f表示的是非线性激活函数(如线性整流函数),C1和C2表示的是高速飞行器的类型(但不局限于两类高速飞行器);选择常用的交叉熵损失函数作为损失函数,选择基于梯度的Adam优化器来更新深度神经网络中的权值参数。如图4所示,对于不均匀散射体的散射特征数据库中的样本,按比例(如8:2)划分训练集和测试集,对输入数据进行标准化等数据预处理,对输出数据依据类别进行独热编码,然后传入深度神经网络模型,进行前向传播,计算模型在训练集和测试集上损失函数的值,判断损失函数是否收敛(即模型在测试集上的损失函数值不再减小),若已收敛,则将当前的深度神经网络模型作为探测模型,否则进行反向传播,根据链式求导法则计算各层各个权值的梯度并更新权值(可通过Adam优化器完成),循环以上步骤,直至训练收敛。
S3、探测雷达接收目标(不均匀散射体)的回波信号,回波信号为目标的实时RCS,将接收到的回波信号输入探测模型中,由探测模型判断出飞行器类型,并输出探测结果。
本发明是通过对低散射高速运动目标在大气中运动时扰动大气形成的不均匀散射体作为目标进行探测,因此要建立该目标(不均匀散射体)的散射特征数据库,用于确定探测雷达的设置参数,从而可以根据雷达接收到的回波探测数据,利用探测模型判断出产生不均匀散射体的飞行器的类型。下面对如何建立不均匀散射体的散射特征数据库进行说明,本发明的不均匀散射体的散射特性是指不均匀散射体的雷达散射截面(RCS),建立散射特征数据库的要素包括:飞行器类型、飞行高度、飞行速度、雷达探测频率、雷达探测方位角俯仰角θ以及极化方向(HH和VV),保存数据为雷达散射截面,即散射特征数据库中包含了不同飞行器在不同飞行高度和飞行速度下扰动产生的不均匀散射体的介电参数空间分布以及特定介电参数空间分布(不均匀散射体的大气介电参数空间分布)下散射回波的RCS数据,通过探测散射回波的RCS来探测因大气扰动引起的不均匀散射体,进而间接探测出高速运动目标。
不均匀散射体的散射特征数据库的建立依赖于高速运动目标在运动过程中扰动大气起伏的仿真模型和大气介电参数不均匀体的散射特性计算模型。根据目标和大气相互作用过程、目标受力分析及边界层及尾流、电磁计算等相关计算,可以得到不同目标模型在不同飞行高度处飞行时扰动大气起伏的仿真模型;以下说明中采用矩量法计算不同模型引起的不均匀散射体的散射回波频域特性和角域特性。
根据对飞行器等高速运动目标的受力分析,飞行中的飞行器扰动大气的作用模式主要分为两类:粘滞力不可忽略的区域和粘滞力可忽略的区域。粘滞力不可忽略的区域中,黏性空气和机身表面摩擦,在相互作用的垂直方向上会形成大速度梯度的薄层,即边界层内外大气产生比较大的梯度。粘滞力可忽略的区域中,飞行器和大气之间的力和反作用力会引起压缩空气,如激波、尾涡、膨胀波等。不同高度、不同类型、不同结构以及不同飞行速度的飞行器所引起的大气压强起伏程度是不同的,可以根据高速运动目标的类型、结构,飞行速度和高度,得到定常、直线、平飞等高速运动目标扰动大气的作用模式,采用边界层理论、尾流理论等计算出高速运动目标扰动大气引起的大气压强起伏空间分布。
以图5所示飞行器模型为例,图5为一个飞行器模型的示意图,该飞行器模型的横向两翼尺寸为0.3m,纵向机身尺寸为0.22m,机身高度为0.038m。对该飞行器模型进行仿真,飞行器模型的计算区域建模如图6所示,可以得到飞行器不同高度、不同速度所引起的大气的压强起伏空间分布,图7是飞行器模型的飞行高度为8km、飞行速度为400m/s时机翼尾流区域的压强分布图,图8为飞行器模型的飞行高度为8km、飞行速度为400m/s时机身周围的涡流区域图。
得到飞行器扰动大气引起的压强起伏后,结合未扰动前的平静大气电磁环境特性,确定飞行器扰动大气引起的电磁特性(如大气折射率、大气介电参数)起伏空间分布。平静大气下与电磁特性有关的物理参数包括温度、湿度、大气压强等,这些物理参数不同地区、不同时间以及不同高度处的统计结果可以根据物理特性经验公式、电磁特性经验公式得出。如,温度T可采用Mike Picone,Alan Hedin和Doug Drob联合开发的国际空间研究标准NRLMSISE-00;大气压强P可采用ITU-R P.835给出的在低、中、高纬度地区的压强平均变化规律;水汽压根据ITU-R P.453给出的水汽压e与绝对湿度HA及温度T的关系和ITU-RP.835给出的低、中、高纬度地区的绝对湿度随高度的年平均变化规律综合得到。
在无线电波段,大气折射指数N和温度、湿度、大气压强的关系为:
介电参数εr和大气折射指数N的关系为:εr=n2=1+N×10-6。
通过以上两个公式以及温度T、大气压强P和水汽压e随高度的变化关系,就可以得到不同地区、不同时间以及不同高度处平静大气的介电参数空间分布数据。
根据高速运动目标在大气中运动时扰动大气引起的压强起伏空间分布以及平静大气的介电参数空间分布可以计算出高速运动目标扰动大气形成的不均匀散射体的大气介电参数空间分布。
飞行器运行中伴随的机械振动使得周围大气产生压强起伏,且飞行器运动时引起的大气变化近似为绝热过程,则温度T、大气压强P和水汽压e间的关系为:
水汽压e与大气压强P的关系为:
则声波扰动作用下大气折射指数起伏的有效值ΔNCE为:
根据εr=n2=1+N×10-6,不均匀散射体的相对介电参数起伏Δε和大气折射指数起伏ΔN的关系为:Δεr=2n·Δn=2ΔN(N×10-6+1)×10-6,将大气折射指数起伏的有效值ΔNCE代入Δεr公式中(即ΔN=ΔNCE),就可以计算出飞行器扰动后引起的压强变化导致的大气介电参数变化,如图9所示。
在得到不均匀散射体的大气介电参数空间分布后,可以采用已知的电磁散射计算方法来计算不均匀散射体的RCS。由于飞行器高速运动时扰动大气形成不均匀散射体的介电参数较导体来说很小,散射性能相对于良导体来说很差,且介电参数起伏空间谱不够完备,因此可优选采用基于数值计算的矩量法(Method of Moments,MOM)来计算不均匀散射体的RCS。矩量法将整个连续区域用许多离散的子区域来表示,并用未知系数和基函数的线性组合来模拟子区域的等效电磁流分布,从而将积分方程问题转化为矩阵方程组求解问题,用于计算不均匀体、弱散射介质的散射特性,具有精度高的优势。
图10和图11给出了不均匀散射体的散射特征数据库中的部分数据。其中图10为图5所示的飞行器模型飞行高度为8km、飞行速度为400m/s、探测频率为2GHz、雷达系统发射天线方位角为130°、俯仰角θt为90°,雷达系统接收天线方位角为90°-270°(下半空间,2°一个数据)、俯仰角θr为0°-90°(2°一个数据)、HH极化时的雷达散射截面(RCS)数据绘制出的图,图11为图5所示的飞行器模型飞行高度为8km、飞行速度为400m/s、探测频率为2GHz、雷达系统发射天线方位角为130°、俯仰角θt为90°,雷达系统接收天线方位角为90°-270°(下半空间,2°一个数据)、俯仰角θr为0°-90°(2°一个数据)、VV极化时的雷达散射截面(RCS)数据绘制出的图。建立不均匀散射体的散射特征数据库后就可确定探测雷达类型、设置雷达探测频率以及建立探测模型,通过对由高速运动目标在运动过程中引起的大气扰动而形成的“新目标”的探测,实现对高速运动低散射目标的间接探测。
以上所述,仅是本发明的较佳实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (5)
1.一种低散射高速运动目标的探测方法,其特征在于,包括以下步骤:
S1、确定探测雷达的类型,设定探测雷达的探测频率范围,探测雷达的探测目标为高速运动目标在大气中运动时扰动大气形成的不均匀散射体,探测雷达的类型以及探测频率范围根据不均匀散射体的散射特征数据库中不均匀散射体的雷达散射截面数据设定,所述不均匀散射体的散射特征数据库包括了不同类型飞行器在不同的飞行高度、飞行速度以及不同雷达天线方位角、俯仰角、极化方向、探测频率下的雷达散射截面数据;
S2、建立探测模型,使用机器学习算法对不均匀散射体的散射特征数据库的数据进行学习,获得探测模型;所述机器学习算法包括支持向量机算法、深度神经网络算法;
S3、探测雷达接收目标的回波信号,回波信号为接收到的目标的实时雷达散射截面,将回波信号输入探测模型,由探测模型判断出飞行器类型,并输出探测结果。
2.根据权利要求1所述的低散射高速运动目标的探测方法,其特征在于:所述探测雷达为气象雷达。
3.根据权利要求1所述的低散射高速运动目标的探测方法,其特征在于:所述探测雷达的探测频率为不均匀散射体的散射特征数据库中不均匀散射体的RCS为峰值时的频段。
4.根据权利要求1所述的低散射高速运动目标的探测方法,其特征在于:不均匀散射体的散射特征数据库通过以下步骤建立:
计算不同类型的飞行器在不同的飞行速度和高度下扰动大气所引起的压强起伏空间分布;
计算平静大气下在不同地区、不同时间以及不同高度处的介电参数空间分布;
然后根据飞行器扰动大气引起的压强起伏空间分布以及平静大气的介电参数空间分布,对应计算出飞行器运动时周围不均匀散射体的大气介电参数空间分布;
根据不均匀散射体的大气介电参数空间分布计算出不均匀散射体的雷达散射截面随散射角度和入射频率变化的数据,从而建立不同飞行器在不同飞行高度和飞行速度条件下的散射特征数据库。
5.根据权利要求4所述的低散射高速运动目标的探测方法,其特征在于:采用矩量法计算不均匀散射体的雷达散射截面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110633849.2A CN113359130B (zh) | 2021-06-07 | 2021-06-07 | 一种低散射高速运动目标的探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110633849.2A CN113359130B (zh) | 2021-06-07 | 2021-06-07 | 一种低散射高速运动目标的探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113359130A CN113359130A (zh) | 2021-09-07 |
CN113359130B true CN113359130B (zh) | 2023-03-17 |
Family
ID=77533002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110633849.2A Active CN113359130B (zh) | 2021-06-07 | 2021-06-07 | 一种低散射高速运动目标的探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359130B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116908807B (zh) * | 2023-09-13 | 2023-12-08 | 北京航空航天大学 | 基于信号耦合模型的蜂群无人机雷达散射截面计算方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865562A (zh) * | 2015-06-12 | 2015-08-26 | 西安电子科技大学 | 基于混合模型的雷达非合作目标的识别方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215935B (zh) * | 2014-08-12 | 2016-08-31 | 电子科技大学 | 一种基于决策加权融合的雷达炮弹目标识别方法 |
US10705198B2 (en) * | 2018-03-27 | 2020-07-07 | Infineon Technologies Ag | System and method of monitoring an air flow using a millimeter-wave radar sensor |
US20210063429A1 (en) * | 2018-08-28 | 2021-03-04 | Ball Aerospace & Technologies Corp. | Optical Wind Lidar-Based Multifunctional Instrument for Enhanced Measurements and Prediction of Clear Air Turbulence and Other Wind-Based Aviation Related Phenomena |
CN109932720A (zh) * | 2019-03-19 | 2019-06-25 | 北京润科通用技术有限公司 | 基于雷达的运动目标识别方法及装置 |
CN109901159A (zh) * | 2019-04-04 | 2019-06-18 | 哈尔滨理工大学 | 一种基于深度学习的米波雷达目标识别方法 |
CN111551959B (zh) * | 2020-04-22 | 2022-06-10 | 中国民用航空飞行学院 | 飞机尾涡识别方法、装置、可读介质及电子设备 |
-
2021
- 2021-06-07 CN CN202110633849.2A patent/CN113359130B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865562A (zh) * | 2015-06-12 | 2015-08-26 | 西安电子科技大学 | 基于混合模型的雷达非合作目标的识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113359130A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gage | Radar observations of the free atmosphere: Structure and dynamics | |
Fukao et al. | Extensive studies of large‐amplitude Kelvin–Helmholtz billows in the lower atmosphere with VHF middle and upper atmosphere radar | |
Wainwright et al. | Methods for evaluating the temperature structure-function parameter using unmanned aerial systems and large-eddy simulation | |
CN113391315A (zh) | 基于电磁波抛物方程伴随模式的雷达回波资料反演大气波导的方法 | |
CN113359130B (zh) | 一种低散射高速运动目标的探测方法 | |
Thomas | Extrapolation of wind-tunnel sonic boom signatures without use of a Whitham F-function | |
Greenwood II | Fundamental rotorcraft acoustic modeling from experiments (FRAME) | |
Li et al. | Circulation retrieval of wake vortex under rainy condition with a vertically pointing radar | |
Li et al. | A Study on Measuring the Wind Field in the Air Using a multi-rotor UAV Mounted with an Anemometer | |
Blumrich et al. | Meteorologically induced variability of sonic-boom characteristics of supersonic aircraft in cruising flight | |
CN114235136A (zh) | 直升机声辐射球组的获取、远场噪声预测方法和装置 | |
CN112785052A (zh) | 基于粒子滤波算法的风速风向预测方法 | |
Ward et al. | Effects of non-uniform crosswind fields on scintillometry measurements | |
Danielle et al. | Model for the calculation of the radar cross section of wake vortices of take-off and landing airplanes | |
Fischer et al. | Cross validation of the aerodynamic and acoustic measurements in two Kevlar-walled wind tunnels | |
Davies | Structure of turbulence | |
Jin-Xin et al. | Radar simulation of wake vortices in rainy conditions based on the Euler-Euler multiphase model | |
Yamashita et al. | Sonic boom variability due to homogeneous atmospheric turbulence | |
Emeis | Sodar and RASS | |
Panpan et al. | Numerical study of radio wave propagation in clear air acoustic scatterer | |
Han et al. | The 3D modeling and radar simulation of low-altitude wind shear via computational fluid dynamics method | |
Finn et al. | Acoustic atmospheric tomography using multiple unmanned aerial vehicles | |
Fabbro et al. | Scintillation modelling in troposphere using multiple phase screen | |
Kallistratova | Physical grounds for acoustic remote sensing of the atmospheric boundary layer | |
Chitta et al. | Evaluation of acoustic propagation in layered media using wave confinement |
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 |