CN113391286B - 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 - Google Patents
基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 Download PDFInfo
- Publication number
- CN113391286B CN113391286B CN202110595553.6A CN202110595553A CN113391286B CN 113391286 B CN113391286 B CN 113391286B CN 202110595553 A CN202110595553 A CN 202110595553A CN 113391286 B CN113391286 B CN 113391286B
- Authority
- CN
- China
- Prior art keywords
- doppler
- target
- dimensional block
- distance
- dictionary
- 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
- 238000011084 recovery Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000005457 optimization Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000008707 rearrangement Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000002592 echocardiography Methods 0.000 claims description 2
- 230000014509 gene expression Effects 0.000 claims description 2
- 238000011478 gradient descent method Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 6
- 238000001914 filtration Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
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
本发明公开了一种基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,克服了传统虚拟孔径MIMO雷达存在的距离旁瓣高、小目标检测性能差等问题;该方法采用二维块稀疏恢复的方法,通过在目标散射信息反演的问题中利用由虚拟孔径间距离‑多普勒图的相似性与稀疏性先验信息,有效抑制了由波形不完全正交而引发的距离旁瓣,减小了强杂波与强目标旁瓣造成的弱小目标检测性能损失,提升了虚拟孔径MIMO雷达的检测性能。
Description
技术领域
本发明属于雷达技术领域,它特别涉及雷达目标检测技术中的虚拟孔径MIMO雷达目标检测方法。
背景技术
采用发射站间正交波形体制的MIMO雷达能够在接收端合成虚拟孔径,具有阵列自由度高、波束方向图性能好及角度分辨率高等优点,在雷达目标检测领域发挥着重要作用。
在MIMO雷达中,要在接收端完全分离多个发射通道的回波,要求在不同时延、不同多普勒频率调制的条件下各发射通道的波形间完全正交。实际上,这样的正交波形并不存在。实际应用中的虚拟孔径MIMO雷达由于波形的不完全正交,存在自相关与互相关函数不理想的问题。采用传统的匹配滤波方法进行距离多普勒维相关处理的距离像旁瓣较高,导致小目标被大目标旁瓣掩盖、目标检测性能下降等问题。
在文献P.Stoica,J.Li,and M.Xue,“Transmit codes and receive filters forradar,”IEEE Signal Processing Magazine,vol.25,no.6,pp.94–109,November 2008.与C.Ma,T.S.Yeo,C.S.Tan,Y.Qiang,and T.Zhang,“Receiver design for MIMO radarrange sidelobes suppression,”IEEE Transactions on Signal Processing,vol.58,no.10,pp.5469–5474,Oct 2010.中,提出了采用失配滤波器代替匹配滤波器的MIMO雷达相关接收机设计方法。但失配滤波器的旁瓣抑制效果有限,且会造成目标的信噪比损失,不具备噪声环境下的鲁棒性。
在文献N.Shahbazi,A.Abbasfar,and M.Jabbarian-Jahromi,“Robust design ofmeasurement matrix for CS-MIMO radar in clutter,”Electronics Letters,vol.53,no.23,pp.1548–1550,2017中提出了一种基于稀疏恢复的MIMO雷达目标检测方法以抑制由于波形不完全正交而导致的距离旁瓣。但该方法假设所有目标都具有相同的距离,不适用于实际应用中可能存在的距离分散的多目标场景。
发明内容
本发明的目的在于提供一种基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,将目标散射信息的反演问题建模为二维块稀疏恢复优化问题,并提出相应的优化问题求解方法,通过利用虚拟孔径间距离-多普勒图的相似性与稀疏性先验特性,提升目标散射信息求解的精确性,从而降低旁瓣、提升检测性能。
实现本发明目的的技术解决方案为:一种基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,包括:
构建距离维冗余字典与多普勒维字典;
建立二维块稀疏恢复优化模型,以建模目标散射信息反演问题;
通过基于光滑l0范数的优化问题迭代求解方法,获得多通道的距离-多普勒模糊图;
采用数字波束形成方法进行通道间相干处理,获得指定波束指向的距离-多普勒模糊图;
对距离多普勒图采用单元平均恒虚警处理,以检测目标并获取目标对应的距离、多普勒信息。
与现有技术相比,本发明的显著优点为:本发明提出了一种基于二维块稀疏恢复的MIMO雷达目标信息反演与目标检测方法;通过同时引入距离维与多普勒维字典,充分利用了目标在距离-多普勒维的稀疏性,并结合利用了由不同虚拟通道间距离-多普勒谱相似性而导致的二维块稀疏性,构造目标信息反演模型,并提出了有效的模型求解方法;相比于传统虚拟孔径MIMO雷达检测方法,本方法所利用的目标先验信息更加充分,因此获得的旁瓣抑制及目标检测效果更佳。并且,本方法能够适用于距离维分散的多目标场景,突破了现有基于稀疏恢复的虚拟孔径MIMO雷达目标检测方法的应用局限(即仅能应用在所有目标均位于相同距离单元的场景的局限)。
附图说明
图1是基于二维块稀疏虚拟孔径MIMO雷达目标检测的流程图。
图2是虚拟孔径MIMO雷达系统结构图。
图3是MIMO雷达回波信号的字典表示示意图。
图4是经重排后的MIMO雷达回波信号的字典表示示意图。
图5是待恢复张量的二维块稀疏结构示意图。
图6是本发明方法与传统匹配滤波方法所获得的距离-多普勒图仿真对比图,其中左图为传统匹配滤波法,右图为本发明的二维块稀疏恢复方法。
图7是本发明方法与传统匹配滤波方法的ROC曲线对比图。
具体实施方式
结合图1,本发明提出一种基于二维块稀疏恢复的虚拟孔径MIMO雷达目标检测方法,主要包括字典构建-模型构造-模型求解-波束形成-恒虚警处理等流程。下面结合附图对本发明作进一步的详细描述。
步骤一:构建距离维冗余字典与多普勒维字典。
假设MIMO雷达具有M个发射通道和N个接收通道,其中一种典型的排布方式(均匀线性阵列)如图2所示。首先将目标可能所在的距离范围划分为Lr个离散格点,每个格点所对应的快时间延时分别为(lr-1)Δr,其中Δr为格点间的最小时延间隔,lr=1,…,Lr;由于M个通道发射波形不同,对于每种发射信号,以离散格点的距离维回波信号为原子,构造相应的距离维冗余字典:A1,A2,…,AM。然后,将所有M个发射通道对应的字典排列,得到最终的距离维冗余字典:A=[A1,A2,…,AM]。
对于多普勒维字典,可取为傅里叶字典或冗余傅里叶字典。典型的表达式如所示:
其中,Ld表示为目标可能所在的多普勒范围划分的离散格点数。Np为多普勒维采样点数。
步骤二:提出一种二维块稀疏恢复优化模型,以建模目标散射信息反演问题。
步骤2.1:构建回波的字典表示模型
在获得距离维字典与多普勒维字典后,如图3所示,回波信号张量可表示为:
Y(:,:,n)=AZ(:,:,n)DH+E (1)其中,Lp表示距离维采样点数;D为多普勒域字典,可以取为傅里叶变换字典。Z为待恢复的各通道距离-多普勒图,E为表示噪声的张量。从图3可以发现,在此模型中,目标在Z中形成的非零元素仍然是分散的,不具备明显的聚集特性。
步骤2.2:重排字典,获得回波的块稀疏表示模型
将距离维矩阵A中同一距离门处的不同发射阵元所对应的原子按组聚集,然后将各组按距离从近到远的顺序重新排列,如图4所示,得到新的距离维字典此时新的字典所对应的待恢复的各通道距离-多普勒图:张量/>的典型结构如图5所示。可以看到,由于各个虚拟孔径对应相似的距离-多普勒图,在重排之后,张量/>具备明显的二维块稀疏结构。
为了利用该二维块稀疏结果,构造如下优化问题:
其中,ε为约束残差的正数,表示/>的块稀疏约束项,其中/>一种典型的形式可表示为/> 为/>的第lr个距离单元、第ld个多普勒单元对应的发射-接收阵元信号矩阵,||·||F表示Frobenius范数,In(x)是指示函数:
步骤三:将优化模型分解为:稀疏性优化子问题与残差优化子问题,提出一种基于光滑l0范数的优化问题迭代求解方法,获得多通道的目标距离-多普勒模糊图。
步骤3.1:求解稀疏性优化子问题。首先,计算约束二维块稀疏性的目标函数关于/>的导数。为了便于计算,可采用一些方法对/>近似处理,其中一种典型的方式是采用光滑l0范数/>对目标函数:
其中,ld表示多普勒单元序号,α表示光滑l0范数的光滑系数。对其求梯度 其中,m为发射阵元序号。采用梯度下降法可以得到优化问题的一组二维块稀疏解/>
步骤3.2:求解残差优化子问题。该子问题可以建模为:
其中,ρ为正则化参数,可采用求取极值点的解析解的方法获得该问题的最优解。
通过调整参数并重复迭代步骤3.1与步骤3.2,可以最终获得所构建的二维块稀疏恢复优化模型的最优解。
步骤四:采用数字波束形成方法进行通道间相干处理,获得指定波束指向的距离-多普勒模糊图。将步骤三获得的最优解记为代表第m个发射通道-第n个接收通道形成的虚拟阵元的距离-多普勒图。将总共MN个虚拟阵元的距离-多普勒图进行发射-接收联合波束形成,即可合成得到波束主瓣指向角度θ时的距离-多普勒图:H(lr,ld)。该过程可以表示为:
其中,与/>分别表示发射与接收波束形成权值。wt与wr可以分别设置为角度θ处阵列导引矢量的共轭:a*(θ)与b*(θ)。
图6分别对比了传统匹配滤波方法与所发明的二维块稀疏恢复方法获得的波束合成后的距离多普勒图。仿真参数为:MIMO雷达发射通道数:3,接收通道数:5,发射信号形式:四相编码信号,载频:10GHz,发射信号带宽:5MHz,脉宽:10us,积累脉冲数:32个。杂波幅度服从瑞利分布,信杂比-40dB,加性噪声服从高斯分布,信噪比-20dB。目标设置为4个,其中2个大目标所在距离单元、多普勒单元与散射系数分别为(21,4,0dB)与(41,7,0dB),2个小目标所在距离单元、多普勒单元与散射系数分别为(61,4,-10dB)与(81,7,-10dB)。从图中可以看出,传统匹配滤波方法具有明显的杂波旁瓣与大目标的距离旁瓣,完全掩盖了小目标峰值。而所发明的二维块稀疏恢复方法则能有效抑制杂波/大目标的旁瓣效应,距离多普勒图中的小目标清晰可见。
步骤五:对距离多普勒图采用单元平均恒虚警(cell average-constant falsealarm rate,CA-CFAR)处理,以检测目标,获取目标对应的距离、多普勒信息。其具体步骤是将检测单元邻近单元作为参考单元,求和平均后乘上门限系数再与检测单元比较,以得到恒虚警检测的结果。
在仿真中,对步骤四获得的距离-多普勒图抠除零多普勒左右各1个多普勒单元后,再做CA-CFAR检测。所设定的四个目标均能成功检测到,获取到的距离、多普勒参数均正确,且未有虚警。而传统匹配滤波方法所获得的距离-多普勒谱中的弱小目标出现漏警,且非目标位置出现大量虚警。
为了更清楚展现所提算法优势,重复100次蒙特卡洛实验绘制ROC曲线,如图7所示。可以看到,所发明方法在相同的虚警概率下,能够提供比传统匹配滤波方法高得多的发现概率,因此具有更优的目标检测性能。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,包括:
构建距离维冗余字典与多普勒维字典;
建立二维块稀疏恢复优化模型,以建模目标散射信息反演问题;
通过基于光滑l0范数的优化问题迭代求解方法,获得多通道的距离-多普勒模糊图;
采用数字波束形成方法进行通道间相干处理,获得指定波束指向的距离-多普勒模糊图;
对距离多普勒图采用单元平均恒虚警处理,以检测目标并获取目标对应的距离、多普勒信息。
2.根据权利要求1所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,假设MIMO雷达具有M个发射通道和N个接收通道,首先将目标可能所在的距离范围划分为Lr个离散格点,每个格点所对应的快时间延时分别为(lr-1)Δr,其中Δr为格点间的最小时延间隔,lr=1,…,Lr;由于M个通道发射波形不同,对于每种发射信号,以离散格点的距离维回波信号为原子,构造相应的距离维冗余字典:A1,A2,…,AM;然后,将所有M个发射通道对应的字典排列,得到最终的距离维冗余字典:A=[A1,A2,…,AM]。
3.根据权利要求2所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,多普勒维字典为傅里叶字典或冗余傅里叶字典。
4.根据权利要求2所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,多普勒维字典表达式如下所示:
其中,Ld表示为目标可能所在的多普勒范围划分的离散格点数,Np为多普勒维采样点数。
5.根据权利要求1所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,建立二维块稀疏恢复优化模型,以建模目标散射信息反演问题,具体为:
步骤2.1:构建回波的字典表示模型
在获得距离维字典与多普勒维字典后,回波信号张量可表示为:
Y(:,:,n)=AZ(:,:,n)DH+E (1)
其中,D为多普勒域字典,Z为待恢复的各通道距离-多普勒图,E为表示噪声的张量;Lp表示距离维采样点数,Np表示多普勒维采样点数;
步骤2.2:重排字典,获得回波的块稀疏表示模型
将距离维矩阵A重排得到新的距离维字典重排之后,张量/>具备二维块稀疏结构;
为了利用该二维块稀疏结果,构造如下优化问题:
其中,ε为约束残差的正数,表示/>的块稀疏约束项,其中/>可表示为 为/>的第lr个距离单元、第ld个多普勒单元对应的发射-接收阵元信号矩阵,||·||F表示Frobenius范数,In(x)是指示函数:
6.根据权利要求1所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,将距离维矩阵A重排方式为:将距离维矩阵A中同一距离门处的不同发射阵元所对应的原子按组聚集,然后将各组按距离从近到远的顺序重新排列。
7.根据权利要求1所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,将优化模型分解为:稀疏性优化子问题与残差优化子问题,提出一种基于光滑l0范数的优化问题迭代求解方法,获得多通道的目标距离-多普勒模糊图;具体如下:
步骤3.1:求解稀疏性优化子问题;
首先,计算约束二维块稀疏性的目标函数关于/>的导数;采用光滑l0范数/>对目标函数:
对其求梯度并采用梯度下降法得到优化问题的一组二维块稀疏解/>
其中,ld表示多普勒单元序号,α表示光滑l0范数的光滑系数,m为发射阵元序号;
步骤3.2:求解残差优化子问题,该子问题可建模为:
其中,ρ为正则化参数,采用求取极值点的解析解的方法获得该问题的最优解;
通过调整参数并重复迭代步骤3.1与步骤3.2,最终获得所构建的二维块稀疏恢复优化模型的最优解。
8.根据权利要求1所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,采用数字波束形成方法进行通道间相干处理,获得指定波束指向的距离-多普勒模糊图;将上一步获得的最优解记为 代表第m个发射通道-第n个接收通道形成的虚拟阵元的距离-多普勒图;将总共MN个虚拟阵元的距离-多普勒图进行发射-接收联合波束形成,即可合成得到波束主瓣指向角度θ时的距离-多普勒图:H(lr,ld);该过程表示为:
其中,与/>分别表示发射与接收波束形成权值。
9.根据权利要求8所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,wt与wr分别设置为角度θ处阵列导引矢量的共轭:a*(θ)与b*(θ)。
10.根据权利要求1所述的基于二维块稀疏恢复的虚拟孔径MIMO雷达目标探测方法,其特征在于,对距离多普勒图采用单元平均恒虚警处理,以检测目标,获取目标对应的距离、多普勒信息,其具体步骤为:将检测单元邻近单元作为参考单元,求和平均后乘上门限系数再与检测单元比较,得到恒虚警检测的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595553.6A CN113391286B (zh) | 2021-05-29 | 2021-05-29 | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110595553.6A CN113391286B (zh) | 2021-05-29 | 2021-05-29 | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113391286A CN113391286A (zh) | 2021-09-14 |
CN113391286B true CN113391286B (zh) | 2023-12-08 |
Family
ID=77619601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110595553.6A Active CN113391286B (zh) | 2021-05-29 | 2021-05-29 | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391286B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115291185B (zh) * | 2022-10-09 | 2022-12-20 | 南京理工大学 | 一种雷达目标的参数检测方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569196A (zh) * | 2016-11-09 | 2017-04-19 | 南京理工大学 | 一种基于压缩感知的地面雷达多目标检测方法 |
CN108363048A (zh) * | 2018-03-06 | 2018-08-03 | 中国人民解放军空军工程大学 | 一种基于块稀疏的极化mimo雷达的角度估计方法 |
CN111796253A (zh) * | 2020-09-01 | 2020-10-20 | 西安电子科技大学 | 基于稀疏信号处理的雷达目标恒虚警检测方法 |
CN111814096A (zh) * | 2020-06-28 | 2020-10-23 | 海南大学 | 基于子空间拟合的加权块稀疏恢复的mimo雷达定位算法 |
-
2021
- 2021-05-29 CN CN202110595553.6A patent/CN113391286B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569196A (zh) * | 2016-11-09 | 2017-04-19 | 南京理工大学 | 一种基于压缩感知的地面雷达多目标检测方法 |
CN108363048A (zh) * | 2018-03-06 | 2018-08-03 | 中国人民解放军空军工程大学 | 一种基于块稀疏的极化mimo雷达的角度估计方法 |
CN111814096A (zh) * | 2020-06-28 | 2020-10-23 | 海南大学 | 基于子空间拟合的加权块稀疏恢复的mimo雷达定位算法 |
CN111796253A (zh) * | 2020-09-01 | 2020-10-20 | 西安电子科技大学 | 基于稀疏信号处理的雷达目标恒虚警检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113391286A (zh) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111736131B (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
CN110954885B (zh) | 基于sbl的捷变频雷达自适应目标重构方法 | |
CN108872970B (zh) | 适用于一般等间距稀疏阵列单频信号波束形成的栅瓣判别方法 | |
CN109669182B (zh) | 无源双基地sar动/静目标联合稀疏成像方法 | |
CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
CN109581313B (zh) | 一种脉组频率捷变雷达的目标检测方法 | |
CN111965615A (zh) | 一种基于检测前估计的雷达目标检测方法 | |
CN112346030A (zh) | 无人机群的超分辨波达方向估计方法 | |
CN112098956B (zh) | 一种基于成像技术的交叉眼干扰对抗方法 | |
CN113391286B (zh) | 基于二维块稀疏恢复的虚拟孔径mimo雷达目标探测方法 | |
CN116699526A (zh) | 一种基于稀疏与低秩模型的车载毫米波雷达干扰抑制方法 | |
CN109061626B (zh) | 一种步进频相参处理检测低信杂比动目标的方法 | |
CN108896963B (zh) | 机载雷达空时自适应降维处理方法 | |
CN112014807B (zh) | 一种频率捷变雷达的自适应杂波抑制方法 | |
CN113156392B (zh) | 一种基于俯仰域自适应处理的杂波抑制方法 | |
CN109212502B (zh) | 基于重加权的采样矩阵求逆非均匀检测器的实现方法 | |
CN111693960A (zh) | 一种变频压缩感知雷达的信号处理方法 | |
Malik et al. | Adaptive Pulse Compression for Sidelobes Reduction in Stretch Processing Based MIMO Radars | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
CN114740434B (zh) | 一种等距分布子阵列系统及抗伴飞式干扰的方法 | |
CN114371441A (zh) | 虚拟阵列波达方向估计方法、装置、产品及存储介质 | |
CN111398912B (zh) | 基于张量低秩逼近的合成孔径雷达干扰抑制方法 | |
CN114609595A (zh) | 一种频分正交mimo雷达信号处理方法 | |
CN114152918A (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
CN111007466B (zh) | 一种基于引入距离门自由度的dcar干扰抑制方法及系统 |
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 |