CN113534137B - 基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 - Google Patents
基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 Download PDFInfo
- Publication number
- CN113534137B CN113534137B CN202110633934.9A CN202110633934A CN113534137B CN 113534137 B CN113534137 B CN 113534137B CN 202110633934 A CN202110633934 A CN 202110633934A CN 113534137 B CN113534137 B CN 113534137B
- Authority
- CN
- China
- Prior art keywords
- matrix
- dimensional
- parameter estimation
- echo
- gtd
- 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 40
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 127
- 230000010287 polarization Effects 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 abstract description 5
- 230000002457 bidirectional effect Effects 0.000 abstract description 4
- 238000013500 data storage Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G01S13/883—Radar or analogous systems specially adapted for specific applications for missile homing, autodirectors
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Electromagnetism (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于改进3D‑P‑ESPRIT算法的三维CP‑GTD散射中心模型参数估计方法,包括:获取雷达目标的原始回波数据;对原始回波数据进行极化线性变换处理,得到变换后的回波矩阵;对变换后的回波矩阵进行去相关,并利用共轭矩阵构建协方差矩阵;对协方差矩阵进行参数估计提取,以完成三维CP‑GTD散射中心模型参数估计。本发明通过对雷达目标的回波数据进行极化线性变换处理,将四组三维数据转化为三组三维数据,减少了数据存储量以及后续去相关处理的计算量,同时引入共轭信息来构建新的数据矩阵,并采用双向空间平滑方法来计算全极化协方差矩阵,更充分的利用了观测矩阵,提高了参数估计性能。
Description
技术领域
本发明属于阵列信号处理技术领域,具体涉及一种基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法。
背景技术
随着现代化战争攻防对抗日益激烈,精确制导武器需要面对更为复杂的战场环境,因而对雷达导引头在抗干扰和目标选择攻击等方面的能力提出了更高的要求。面对战场上可能存在的多种不同类型的干扰目标,雷达导引头需要准确引导导弹在多种目标中选择待攻击目标,完成对特定目标的攻击任务,实现最大的作战效能。为了提升精确制导武器在复杂战场环境下对目标的检测识别能力,多维成像体制雷达导引头成为弹载精确制导技术的发展趋势。
散射中心是目标在光学区电磁散射的基本特征之一,它能够反映目标精细的物理结构,建立目标的散射中心模型对光学区目标电磁特征的描述与提取颇具指导意义。随着多维成像体制雷达导引技术的快速发展,散射中心模型也从一维发展到了三维。其中,CP-GTD(全极化三维几何绕射理论)是一种常用的三维散射中心模型,其通常利用3D-P-ESPRIT(旋转不变子空间)进行散射中心提取,也即模型参数估计。
然而,现有的3D-P-ESPRIT方法在对三维CP-GTD散射中心进行参数估计时,在低信噪比时参数估计性能不高。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法。本发明要解决的技术问题通过以下技术方案实现:
一种基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法,包括:
获取雷达目标的原始回波数据;
对所述原始回波数据进行极化线性变换处理,得到变换后的回波矩阵;
对所述变换后的回波矩阵进行去相关处理,并利用共轭信息构建新的全极化协方差矩阵;
对所述协方差矩阵进行参数估计提取,以完成三维CP-GTD散射中心模型参数估计。
在本发明的一个实施例中,对所述原始回波数据进行极化线性变换处理,得到变换后的回波矩阵,包括:
将所述原始回波数据表示为三维回波数据;
将多个极化通道下的所述三维回波数据变换为三组三维回波数据矩阵,以得到变换后的回波矩阵。
在本发明的一个实施例中,所述三维回波数据表示为:
E(m,n,k)=[Ehh(m,n,k)Ehv(m,n,k)Evh(m,n,k)Evv(m,n,k)];
其中,E(m,n,k)表示输入信号,m、n、k分别表示在雷达在频率维x、方位维y以及俯仰维z的采样点,hh、hv、vh、vv分别表示雷达系统的四种极化方式。
在本发明的一个实施例中,所述三组三维回波数据矩阵表示为:
Z=[Z1 Z2 Z3]=[Ehh Ehv+Evh Evv];
其中,
S表示散射强度,W表示噪声信号,A表示导向矢量矩阵。
在本发明的一个实施例中,对所述变换后的回波矩阵进行平滑处理,并利用共轭矩阵构建协方差矩阵,包括:
根据所述变换后的回波矩阵构造矩阵Ye;
对所述矩阵Ye进行置换操作,得到包括共轭数据信息的矩阵Y;
根据所述矩阵Ye和所述矩阵Y构建新的矩阵Y′,并计算其协方差矩阵R′。
在本发明的一个实施例中,所述矩阵Ye的表达式为:
其中,
其中,Z(·)表示极化线性变换后的输入信号。
在本发明的一个实施例中,所述协方差矩阵R′的表达式为:
在本发明的一个实施例中,对所述协方差矩阵进行参数估计提取,包括:
对所述协方差矩阵R进行特征分解,分别得到矩阵Ye的信号子空间;
对所述信号子空间进行计算处理,得到散射点的横向距离,纵向距离,垂直距离。
本发明的有益效果:
本发明通过对雷达目标的回波数据进行极化线性变换处理,将四组三维数据转化为三组三维数据,减少了数据存储量以及后续去相关处理的计算量,同时引入共轭信息来构建新的数据矩阵,并采用双向空间平滑方法来计算全极化协方差矩阵,更充分的利用了观测矩阵,提高了低信噪比时的参数估计性能。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法流程示意图;
图2a-2e是仿真实验一通过两种方法提取的五个散射中心位置的均方根误差随信噪比的变化曲线图;
图3a-3e是仿真实验二通过两种方法提取的五个散射中心位置的均方根误差随信噪比的变化曲线图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1,图1是本发明实施例提供的一种基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法流程示意图,具体包括一下步骤:
S1:获取雷达目标的原始回波数据。
高频区雷达目标总的电磁散射响应可以认为是雷达视线上若干个独立的散射中心电磁散射响应的总和,由几何绕射理论可知,当雷达以某个方向照射目标时,目标全极化三维后向电磁散射回波信号的可以表示为:
其中,代表第p种极化状态下的散射回波数据,Si,p为第i个散射中心在不同极化状态p下的散射强度系数,αi为第i个散射中心对应的散射类型,不同的散射结构对应不同的参数,f0为雷达发射信号的初始频率,f=f0+m·Δf,为在频点m时的雷达发射信号的实时频率,为方位角,其中,为目标相对雷达的方位角初始角,为方位维目标相对雷达的小转角,θ=θ0+k·Δθ,为俯仰角,其中θ0为目标相对雷达的俯仰角初始角,n·Δθ为俯仰维目标相对雷达的小转角,xi,yi,zi分别代表目标参考坐标系内散射点的横向距离、纵向距离和垂直距离。
S2:对原始回波数据进行极化线性变换处理,得到变换后的回波矩阵,具体包括:
S21:将原始回波数据表示为三维回波数据。
具体地,通过步骤S1中的公式(1)可知,雷达目标的回波数据可以用一个三维数组EM×N×K来表示,在频率维x有M个采样点,在方位维y有N个采样点,在俯仰维k有K个采样点。
将多个极化通道的三维回波数据合并成一个矩阵,记为:
E(m,n,k)=[xHH(m,n,k)xHV(m,n,k)xVH(m,n,k)xVV(m,n,k)] (2)
其中,E(m,n,k)表示输入信号,m、n、k分别表示在雷达在频率维x、方位维y以及俯仰维z的采样点,hh、hv、vh、vv分别表示雷达系统的四种极化方式。
S22:将多个极化通道下的三维回波数据变换为三组三维回波数据矩阵,得到变换后的回波矩阵。
在本实施例中,将四个极化通道下的三维回波数据变换为三组三维回波数据矩阵,具体变换如下:
Z=[Z1 Z2 Z3]=[Ehh Ehv+Evh Evv] (3)
其中,
S为散射强度,W为噪声信号,A为导向矢量矩阵。
在本实施例中,由于不同极化通道的A相同,并且噪声相互独立,因此Whv+Wvh仍然满足高斯分布,相比对四个极化通道并行处理,线性变换后的数据矩阵避免了多通道并行处理,不仅能够有效的利用目标极化观测矩阵,还能减少后续去相关处理的计算量。
S3:对变换后的回波矩阵进行去相关处理,并利用共轭矩阵构建协方差矩阵,具体包括:
S31:根据变换后的回波矩阵构造矩阵Ye。
具体地,构建一个大小为PQL×3(M-P+1)(N-Q+1)(K-L+1)的矩阵Ye,记为:
其中,
其中,Z(·)为极化线性变换后的输入信号。
S32:对矩阵Ye进行置换操作,得到包括共轭数据信息的矩阵Y。
S33:根据矩阵Ye和矩阵Y构建新的矩阵Y′,并计算其协方差矩阵R′。
具体地,矩阵Y′记为:Y′=[Ye Y]。
然后,采用双向空间平滑计算新的协方差矩阵R′,计算公式为:
S4:对协方差矩阵进行参数估计提取,以完成三维CP-GTD散射中心模型参数估计,具体过程如下:
S41:对协方差矩阵R′进行特征值分解得到Ye的信号子空间UxS和噪声子空间UyN。
具体地,按照下式对Ye进行奇异值分解,可得到Ye的信号子空间和噪声子空间,
其中,UxS为Ye的信号子空间,DS的对角线元素为信号子空间对应的特征值。
具体地,通过置换矩阵可得信号子空间UxS,UyS和UzS的转换关系为:
构造矩阵U xS和UxS为矩阵UxS去除后Q×L行余下的矩阵,为矩阵UxS去除前Q×L余下的矩阵。构造矩阵UyS和UyS为矩阵UyS去除后P×L行余下的矩阵,为矩阵UyS去除前P×L行余下的矩阵,构造矩阵UzS和UzS为矩阵Xz去除后P×Q行余下的矩阵,为矩阵Xz去除前P×Q行余下的矩阵。
S44:定义并计算矩阵Fx、Fy和Fz。
其中,Fx、Fy和Fz的计算公式分别为:
S45:对矩阵Fx,Fy,Fz进行线性组合,并对组合后的矩阵进行特征值分解。具体地,矩阵Fx,Fy,Fz线性组合后的矩阵F表示为:
F=αFx+βFy+γFz=T-1DT (20)
其中,α+β+γ=1,T为对F进行特征值分解得到特征向量,式(20)可使得矩阵F的特征值互异,保证特征向量T唯一。
S46:构建矩阵并进行计算以得到散射点的横向距离,纵向距离,垂直距离。
具体地,对矩阵Fx,Fy和Fz分别左乘右乘矩阵T″-1和T″可得:
Φx=TFxT-1 (21)
Φy=TFyT-1 (22)
Φz=TFzT-1 (23)
其中,Φx主对角线元素为Pxi,由此可得散射中心的xi坐标为:
Φy主对角线元素为Pyi,由此可得散射中心的yi坐标为:
Φz主对角线元素为Pzi,由此可得散射中心的zi坐标为:至此i
至此,得到了散射点的横向距离xi,纵向距离yi,垂直距离zi
本实施例通过对雷达目标的回波数据进行极化线性变换处理,将四组三维数据转化为三组三维数据,减少了数据存储量以及后续去相关处理的计算量,同时引入共轭信息来构建新的数据矩阵,并采用双向空间平滑方法来计算全极化协方差矩阵,更充分的利用了观测矩阵,提高了低信噪比时的参数估计性能。
实施例二
下面通过仿真实验,对本发明的有益效果进行详细说明。
仿真实验一
1.1实验条件:
本实验选取步进频雷达体制,雷达的初始频率f0=9.88GHz,步进频率为20MHz,频率采样数为20,雷达方位角测量范围为-0.5°~0.5°,采样数为20,俯仰角测量范围为-0.5°~0.5°,采样数为20,矩阵束参量P、Q、L为13,目标回波信号由5个散射中心组成,具体的散射中心参数设定如下表1所示。
表1设定的散射中心参数
1.2实验内容:
选取信噪比在-10dB~20dB等间隔变化,对不同信噪比下的仿真回波信号分别用本发明的改进方法和现有的3D-P-ESPRIT方法估计散射中心的位置信息,并进行200次蒙特卡洛实验,获取不同信噪比下两种方法估计参数与实际参数的均方根误差。
1.3实验结果及分析
请参见图2a-2e,图2a-2e是仿真实验一通过两种方法提取的五个散射中心位置的均方根误差随信噪比的变化曲线图。
从图2a-2e中可以看出,在低信噪比时,本发明提出的改进方法的误差要小于现有的3D-P-ESPRIT方法。
仿真实验二
2.1实验条件:
本实验选取步进频雷达体制,雷达的初始频率f0=9.88GHz,步进频率为20MHz,频率采样数为20,雷达方位角测量范围为-0.5°~0.5°,采样数为20,俯仰角测量范围为-0.5°~0.5°,采样数为20,矩阵束参量P、Q、L为13,目标回波信号由5个散射中心组成,具体的散射中心参数设定如下表2所示。
表2设定的散射中心参数
2.2实验内容:
选取信噪比在-10dB~20dB等间隔变化,对不同信噪比下的仿真回波信号分别用本发明的改进方法和现有的3D-P-ESPRIT方法估计散射中心的位置信息,并进行200次蒙特卡洛实验,获取不同信噪比下两种方法估计参数与实际参数的均方根误差。
2.3实验结果及分析
请参见图3a-3e,图3a-3e是仿真实验二通过两种方法提取的五个散射中心位置的均方根误差随信噪比的变化曲线图。
从图3a-3e中可以看出,在低信噪比时,本发明提出的改进方法的误差要小于现有的3D-P-ESPRIT方法。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (5)
1.一种基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法,其特征在于,包括:
获取雷达目标的原始回波数据;
对所述原始回波数据进行极化线性变换处理,得到变换后的回波矩阵;
对所述变换后的回波矩阵进行去相关处理,并利用共轭信息构建新的全极化协方差矩阵;
对所述协方差矩阵进行参数估计提取,以完成三维CP-GTD散射中心模型参数估计;
其中,对所述变换后的回波矩阵进行去相关处理,并利用共轭矩阵构建协方差矩阵,包括:
根据所述变换后的回波矩阵构造矩阵Ye,其表达式为:
其中,
其中,Z(·)表示极化线性变换后的输入信号;
对所述矩阵Ye进行置换操作,得到包括共轭数据信息的矩阵Y;
根据所述矩阵Ye和所述矩阵Y构建新的矩阵Y′,并计算其协方差矩阵R′,其表达式为:
2.根据权利要求1所述的基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法,其特征在于,对所述原始回波数据进行极化线性变换处理,得到变换后的回波矩阵,包括:
将所述原始回波数据表示为三维回波数据;
将多个极化通道下的所述三维回波数据变换为三组三维回波数据矩阵,以得到变换后的回波矩阵。
3.根据权利要求2所述的基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法,其特征在于,所述三维回波数据表示为:
E(m,n,k)=[Ehh(m,n,k)Ehv(m,n,k)Evh(m,n,k)Evv(m,n,k)];
其中,E(m,n,k)表示输入信号,m、n、k分别表示在雷达在频率维x、方位维y以及俯仰维z的采样点,hh、hv、vh、vv分别表示雷达系统的四种极化方式。
5.根据权利要求1所述的基于改进3D-P-ESPRIT算法的三维CP-GTD散射中心模型参数估计方法,其特征在于,对所述协方差矩阵进行参数估计提取,包括:
对所述协方差矩阵R进行特征分解,分别得到矩阵Ye的信号子空间;
对所述信号子空间进行计算处理,得到散射点的横向距离,纵向距离,垂直距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110633934.9A CN113534137B (zh) | 2021-06-07 | 2021-06-07 | 基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110633934.9A CN113534137B (zh) | 2021-06-07 | 2021-06-07 | 基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113534137A CN113534137A (zh) | 2021-10-22 |
CN113534137B true CN113534137B (zh) | 2023-04-25 |
Family
ID=78124646
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110633934.9A Active CN113534137B (zh) | 2021-06-07 | 2021-06-07 | 基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113534137B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188386A (zh) * | 2018-08-30 | 2019-01-11 | 河海大学 | 基于改进二维esprit算法的mimo雷达高分辨率参数估计方法 |
CN111781573A (zh) * | 2020-07-10 | 2020-10-16 | 中国人民解放军空军工程大学 | 基于改进3d-esprit算法的散射中心模型参数估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3659577B2 (ja) * | 2000-12-12 | 2005-06-15 | 三菱電機株式会社 | クラッタ抑圧装置およびクラッタ抑圧方法 |
CN111308438B (zh) * | 2020-03-06 | 2021-11-02 | 中国人民解放军海军航空大学 | 一种回波数据散射特征提取方法及系统 |
CN111999712B (zh) * | 2020-08-05 | 2023-06-23 | 中国人民解放军空军工程大学 | 一种三维gtd散射中心模型的散射中心点的参数估计方法 |
-
2021
- 2021-06-07 CN CN202110633934.9A patent/CN113534137B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109188386A (zh) * | 2018-08-30 | 2019-01-11 | 河海大学 | 基于改进二维esprit算法的mimo雷达高分辨率参数估计方法 |
CN111781573A (zh) * | 2020-07-10 | 2020-10-16 | 中国人民解放军空军工程大学 | 基于改进3d-esprit算法的散射中心模型参数估计方法 |
Non-Patent Citations (1)
Title |
---|
温晓杨 ; 石志广 ; 赵宏钟 ; 付强 ; .一种基于3D-ESPRIT的散射中心参数估计算法.雷达科学与技术.2007,(第02期),第118-123页. * |
Also Published As
Publication number | Publication date |
---|---|
CN113534137A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110161452B (zh) | 基于互质式l型电磁矢量传感器阵列的波达方向估计方法 | |
CN104122554B (zh) | 高分辨率sar图像目标的属性散射中心特征提取方法 | |
CN107703478B (zh) | 基于互相关矩阵的扩展孔径二维doa估计方法 | |
CN111610486A (zh) | 基于平面互质阵列虚拟域张量空间谱搜索的高分辨精确二维波达方向估计方法 | |
WO2022151511A1 (zh) | 基于互相关张量的三维互质立方阵列波达方向估计方法 | |
CN111337873B (zh) | 一种基于稀疏阵的doa估计方法 | |
CN108845303B (zh) | 一种非线性稳健子空间真假目标特征提取方法 | |
CN110837076A (zh) | 一种基于张量分解的矢量水听器阵列方位估计方法 | |
CN111273269B (zh) | 基于ipso-bp的频率分集阵列的雷达目标定位方法 | |
CN106897730B (zh) | 基于融合类别信息与局部保持投影的sar目标型号识别方法 | |
CN109696651B (zh) | 一种基于m估计的低快拍数下波达方向估计方法 | |
CN113534137B (zh) | 基于改进3d-p-esprit算法的三维cp-gtd散射中心模型参数估计方法 | |
CN114935738A (zh) | 时域离散类主瓣干扰下基于样本识别的雷达和差测角方法 | |
CN109212466B (zh) | 一种基于量子蜻蜓演化机制的宽带测向方法 | |
CN103323810A (zh) | 一种l阵方位角和俯仰角配对的信号处理方法 | |
CN115932749A (zh) | 一种基于盲源分离算法的主瓣干扰抑制方法 | |
CN114167347B (zh) | 冲击噪声环境下互质阵列的幅相误差校正和测向方法 | |
CN106844886B (zh) | 基于主分量分析的目标波达方向获取方法 | |
CN113552530B (zh) | 一种基于量子鼠群的近场和远场源混合测向方法 | |
CN105022025A (zh) | 基于稀疏处理的信号波达方向估计方法 | |
CN109683128B (zh) | 冲击噪声环境下的单快拍测向方法 | |
CN112327244A (zh) | 一种基于l型阵列的二维非相干分布式目标参数估计方法 | |
CN108549065B (zh) | 一种近邻结构保持真假目标rcs序列特征提取方法 | |
CN109856627A (zh) | 基于空间补零插值的三角阵相控阵2d-fft测向方法 | |
CN112578407B (zh) | 一种低复杂度的卫星导航反欺骗方法 |
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 |