CN113820679B - 雷达回波数据的滤波方法、装置、设备和存储介质 - Google Patents
雷达回波数据的滤波方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113820679B CN113820679B CN202110915572.2A CN202110915572A CN113820679B CN 113820679 B CN113820679 B CN 113820679B CN 202110915572 A CN202110915572 A CN 202110915572A CN 113820679 B CN113820679 B CN 113820679B
- Authority
- CN
- China
- Prior art keywords
- doppler
- space
- time
- echo data
- obtaining
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 102
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 title claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 109
- 238000011084 recovery Methods 0.000 claims abstract description 48
- 239000013598 vector Substances 0.000 claims description 71
- 238000005070 sampling Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000001427 coherent effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution 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
-
- 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
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
本发明公开了一种雷达回波数据的滤波方法、装置、设备和存储介质，通过对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，第二回波数据包括多普勒维。获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据多普勒通道的主瓣对应的多普勒频率范围得到的。针对第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果，确定第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。降低了滤波处理的计算复杂度，减小了计算量，提升了运算效率和速度，满足雷达系统实时处理数据的需求。
Description
技术领域
本发明属于雷达技术领域，具体涉及雷达回波数据的滤波方法、装置、设备和存储介质。
背景技术
雷达接收的回波数据常常伴有杂波，例如，机载预警雷达在下视工作时，不可避免地会接收到大量的地杂波，杂波将影响雷达的正常工作，因此，需要对雷达接收的回波数据进行滤波，从而抑制杂波。
传统的对雷达接收的回波数据进行滤波的方法，全空时自适应处理(space-timeadaptive processing，简称STAP)能够取得比较理想的杂波抑制效果。但是，该方法需要大量的训练样本，运算量很大，且设备复杂度高，实际环境中独立同分布的样本较少。
实际机载雷达面对的杂波环境往往是非平稳非均匀的，这就导致待检测单元周围的与之独立同分布的训练样本个数极为有限，使得用最大似然估计出的杂波协方差矩阵无法反映出待检测单元真实的杂波统计特性，从而引起STAP在实际应用当中杂波抑制性能的下降。所以，如何提升STAP在小样本条件下的杂波抑制性能是十分值得关注和研究的难点问题。
近年来，STAP结合稀疏恢复技术的基于稀疏恢复的空时自适应处理(SparseRecovery based space-time adaptive processing，简称SR-STAP)类方法，通过发掘杂波在空时二维平面上的稀疏特性，用较少的训练样本，能获得不错的协方差矩阵估计，从而达到杂波抑制效果。
然而，SR-STAP类方法的计算量庞大。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种雷达回波数据的滤波方法、装置、设备和存储介质。
本发明要解决的技术问题通过以下技术方案实现：
第一方面，本发明实施例提供一种雷达回波数据的滤波方法，包括：
对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，所述第二回波数据包括多普勒维；
获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据所述多普勒通道的主瓣对应的多普勒频率范围得到的；
针对所述第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果；
确定所述第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。
可选的，所述获取各多普勒通道对应的字典矩阵，包括：
针对每个多普勒通道，沿归一化空间频率轴获取Ns个离散空间频率点，Ns为大于等于1的整数；根据所述多普勒通道的主瓣对应的归一化多普勒频率范围，获取Kd个离散多普勒频率点，Kd为大于等于1的整数；根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量；根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵。
可选的，所述根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量，包括：
分别根据所述Ns个空间频率点，得到Ns个空域导向矢量；
分别根据所述Kd个多普勒频率点，得到Kd个时域导向矢量；
根据如下公式，得到空时二维平面上的空时导向矢量：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，st(fd,j)为位于(i,j)的空时采样点对应的时域导向矢量，ss(fs,i)为位于(i,j)的空时采样点对应的空域导向矢量，fs,i为第i个空间频率点，fd,j为第j个多普勒频率点，i＝1,2,...,Ns，j＝1,2,...,Kd。
可选的，所述根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵，包括：
根据如下公式，得到所述多普勒通道对应的字典矩阵：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，i＝1,2,...,Ns，j＝1,2,...,Kd。
可选的，所述获取各多普勒通道对应的字典矩阵之后，还包括：
分别对各多普勒通道对应的字典矩阵进行多普勒滤波处理，得到各多普勒通道对应的降维字典矩阵；
相应的，所述针对每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果，包括：
针对每个距离单元，分别根据各多普勒通道对应的降维字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果。
可选的，所述分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果，包括：
获取所述距离单元对应的训练样本，所述训练样本为以所述距离单元独立同分布的L个距离单元对应的第二回波数据；
分别对每个多普勒通道对应的字典矩阵和所述训练样本的所述多普勒通道的数据进行稀疏恢复处理，得到所述训练样本对应的稀疏系数矩阵；
根据所述每个训练样本对应的稀疏系数矩阵，得到所述距离单元对应的协方差矩阵；
根据所述距离单元对应的协方差矩阵和线性约束最小方差准则，得到所述距离单元对应的各多普勒通道的空时滤波器系数；
根据所述距离单元对应的各多普勒通道的空时滤波器系数，对所述距离单元对应的第二回波数据进行滤波处理，得到所述距离单元分别在所有多普勒通道上的滤波结果。
第二方面，本发明是实施例提供一种雷达回波数据的滤波装置，包括：
多普勒滤波模块，用于对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，所述第二回波数据包括多普勒维；
字典获取模块，用于获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据所述多普勒通道的主瓣对应的多普勒频率范围得到的；
稀疏恢复处理模块，用于针对所述第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果；确定所述第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。
可选的，所述字典获取模块具体用于：
针对每个多普勒通道，沿归一化空间频率轴获取Ns个离散空间频率点，Ns为大于等于1的整数；根据所述多普勒通道的主瓣对应的归一化多普勒频率范围，获取Kd个离散多普勒频率点，Kd为大于等于1的整数；根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量；根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵。
可选的，所述字典获取模块具体用于：
分别根据所述Ns个空间频率点，得到Ns个空域导向矢量；
分别根据所述Kd个多普勒频率点，得到Kd个时域导向矢量；
根据如下公式，得到空时二维平面上的空时导向矢量：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，st(fd,j)为位于(i,j)的空时采样点对应的时域导向矢量，ss(fs,i)为位于(i,j)的空时采样点对应的空域导向矢量，fs,i为第i个空间频率点，fd,j为第j个多普勒频率点，i＝1,2,...,Ns，j＝1,2,...,Kd。
可选的，所述字典获取模块具体用于：
根据如下公式，得到所述多普勒通道对应的字典矩阵：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，i＝1,2,...,Ns，j＝1,2,...,Kd。
可选的，所述字典获取模块还用于：
分别对各多普勒通道对应的字典矩阵进行多普勒滤波处理，得到各多普勒通道对应的降维字典矩阵；
相应的，所述稀疏恢复处理模块具体用于：
针对每个距离单元，分别根据各多普勒通道对应的降维字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果。
可选的，所述稀疏恢复处理模块具体用于：
获取所述距离单元对应的训练样本，所述训练样本为以所述距离单元独立同分布的L个距离单元对应的第二回波数据；分别对每个多普勒通道对应的字典矩阵和所述训练样本的所述多普勒通道的数据进行稀疏恢复处理，得到所述训练样本对应的稀疏系数矩阵；根据所述每个训练样本对应的稀疏系数矩阵，得到所述距离单元对应的协方差矩阵；根据所述距离单元对应的协方差矩阵和线性约束最小方差准则，得到所述距离单元对应的各多普勒通道的空时滤波器系数；根据所述距离单元对应的各多普勒通道的空时滤波器系数，对所述距离单元对应的第二回波数据进行滤波处理，得到所述距离单元分别在所有多普勒通道上的滤波结果。
第三方面，本发明实施例提供一种雷达回波数据的滤波设备，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现如上述第一方面所述的方法步骤。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的方法步骤。
本发明的有益效果：
通过对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，第二回波数据包括多普勒维，将第一回波数据的脉冲域转化到多普勒域，便于后续滤波在多普勒域进行处理。获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据多普勒通道的主瓣对应的多普勒频率范围得到的，，该多普勒通道对应的字典矩阵并没有根据全部多普勒频率范围，而是根据多普勒通道的主瓣，也就是主要能量所在的多普勒频率范围进行的处理，从而得到了局域化的字典矩阵，减少了字典矩阵中原子的数量，该局域化的字典矩阵比根据全部多普勒频率范围得到的字典矩阵小。针对第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果，确定第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。从而在后续稀疏恢复处理中，使用了更小的字典矩阵进行滤波处理，将稀疏恢复问题简化到局域化后的空时平面内进行，降低了滤波处理的计算复杂度，减小了计算量，提升了运算效率和速度，满足雷达系统实时处理数据的需求。
附图说明
图1是本发明实施例提供的一种雷达回波数据的滤波方法的流程示意图；
图2为本发明实施例提供的一种方法运行时间比较示意图；
图3为本发明实施例提供的一种雷达回波数据的滤波方法与传统脉冲多普勒处理方法的杂波剩余比较示意图；
图4为本发明实施例提供的一种不同滤波方法下的改善因子示意图；
图5为本发明实施例提供的一种雷达回波数据的滤波装置的结构示意图。
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。
本发明用于对雷达接收到的回波数据进行滤波处理。
本发明实施例中提供的雷达可以为一个雷达阵列，从而雷达接收到的回波数据包含3个维度，分别为阵列维(也可以看做空间维)、距离维和脉冲维。
下面以具体的实施例进行详细说明本发明的技术方案。
请参见图1，图1是本发明实施例提供的一种雷达回波数据的滤波方法的流程示意图。本实施例的方法由雷达系统或者计算机执行。其中，雷达系统中包括雷达和信号处理机，本实施例的方法可以由信号处理机执行，也可以将雷达系统获取到的第一回波数据发送给计算机，从而由计算机执行本实施例的方法。如图1所示，本实施例提供的方法包括如下步骤：
S101、对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据。
对于雷达阵列，第一回波数据包括3个维度，分别为：阵列维(也可以看做空间维)、距离维和脉冲维，对第一回波数据进行深加权的多普勒滤波处理，即对第一回波数据的脉冲域进行深加权的多普勒滤波处理，将第一回波数据中的脉冲维转换到多普勒维，即数据从阵元—脉冲域转化到阵元—多普勒域，得到第二回波数据。其中，第二回波数据包括多普勒维。
可选的，可以先对雷达接收到的回波数据进行脉冲压缩，从而得到第一回波数据。
S102、获取各多普勒通道对应的字典矩阵。
其中，多普勒通道对应的字典矩阵为根据该多普勒通道的主瓣对应的多普勒频率范围得到的。
一种可能的实现方式中，可以分别根据每个多普勒通道的主瓣对应的多普勒频率范围，确定每个多普勒通道对应的字典矩阵。
针对每个多普勒通道进行单独处理，获取多普勒通道的主瓣对应的多普勒频率范围，根据该频率范围，确定该多普勒通道对应的字典矩阵。可以理解，此步骤获取到的字典矩阵是根据多普勒通道进行处理得到的，且是根据多普勒通道中的主瓣对应的多普勒频率范围处理得到的。
另一种可能的实现方式中，由于各多普勒通道对应的字典矩阵为先验知识，不依赖于第一回波数据获得，因此，可以直接获取已经生成的各多普勒通道对应的字典矩阵。
S103、针对第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果。
根据稀疏恢复处理方法，可以通过字典矩阵得到滤波系数，从而根据滤波系数对第一回波数据进行滤波，得到滤波结果。
针对第二回波数据中的每个距离单元进行单独处理，每个距离单元对应的数据为该距离单元上的多普勒维和阵元维的数据。
对距离单元的每个多普勒通道进行单独处理。上述步骤得到了每个多普勒通道对应的字典矩阵。针对每个多普勒通道，获取该多普勒通道对应的字典矩阵，根据该字典矩阵进行稀疏恢复处理，从而得到该距离单元在该多普勒通道上的滤波系数。使用该滤波系数对第二回波数据的该距离单元的该多普勒通道进行滤波处理，得到该距离单元的该多普勒通道的滤波结果。
从而得到该距离单元在各个多普勒通道上的滤波结果。
S104、确定第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。
本实施例，通过对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，第二回波数据包括多普勒维，将第一回波数据的脉冲域转化到多普勒域，便于后续滤波在多普勒域进行处理。获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据多普勒通道的主瓣对应的多普勒频率范围得到的，该多普勒通道对应的字典矩阵并没有根据全部多普勒频率范围，而是根据多普勒通道的主瓣，也就是主要能量所在的多普勒频率范围进行的处理，从而得到了局域化的字典矩阵，减少了字典矩阵中原子的数量，该局域化的字典矩阵比根据全部多普勒频率范围得到的字典矩阵小。针对第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果，确定第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。从而在后续稀疏恢复处理中，使用了更小的字典矩阵进行滤波处理，将稀疏恢复问题简化到局域化后的空时平面内进行，降低了滤波处理的计算复杂度，减小了计算量，提升了运算效率和速度，满足雷达系统实时处理数据的需求。
在上述实施例的基础上，进一步地，步骤S102中的各多普勒通道对应的字典矩阵的生成过程，可以通过如下步骤实现：
针对每个多普勒通道分别进行如下处理：
步骤a、沿归一化空间频率轴获取Ns个离散空间频率点，Ns为大于等于1的整数。
步骤b、根据多普勒通道的主瓣对应的归一化多普勒频率范围，获取Kd个离散多普勒频率点，Kd为大于等于1的整数。
步骤c、根据Ns个空间频率点和Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量。
步骤d、根据空时二维平面上NsKd个空时导向矢量，得到多普勒通道对应的字典矩阵。
进一步地，上述步骤3可以通过如下步骤c1-步骤c3实现：
步骤c1、分别根据Ns个空间频率点，得到Ns个空域导向矢量；
步骤c2、分别根据Kd个多普勒频率点，得到Kd个时域导向矢量；
步骤c3、根据如下公式(1)，得到空时二维平面上的空时导向矢量：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，st(fd,j)为位于(i,j)的空时采样点对应的时域导向矢量，ss(fs,i)为位于(i,j)的空时采样点对应的空域导向矢量，fs,i为第i个空间频率点，fd,j为第j个多普勒频率点，i＝1,2,...,Ns，j＝1,2,...,Kd。
在上述实施例的基础上，进一步地，步骤d具体可以通过如下步骤d1实现：
步骤d1、根据如下公式(2)，得到多普勒通道对应的字典矩阵：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，i＝1,2,...,Ns，j＝1,2,...,Kd。
在上述实施例的基础上，进一步地，S102之后还可以包括如下步骤：
分别对各多普勒通道对应的字典矩阵进行多普勒滤波处理，得到各多普勒通道对应的降维字典矩阵。
相应的，S103可以通过如下步骤S103a实现：
S103a、针对每个距离单元，分别根据各多普勒通道对应的降维字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果。
本实施例，进一步对S102得到的字典矩阵进行降维处理，使得字典矩阵中的每个原子的维度降低了，将稀疏恢复问题简化到降维并局域化后的空时平面内进行，进一步降低了滤波处理的计算复杂度，减小了计算量，提升了运算效率和速度，满足雷达系统实时处理数据的需求。
在上述实施例的基础上，进一步地，S103可以通过如下步骤实现：
S1031、获取距离单元对应的训练样本，训练样本为以距离单元独立同分布的L个距离单元对应的第二回波数据；
S1032、分别对每个多普勒通道对应的字典矩阵和训练样本的多普勒通道的数据进行稀疏恢复处理，得到训练样本对应的稀疏系数矩阵；
S1033、根据每个训练样本对应的稀疏系数矩阵，得到距离单元对应的协方差矩阵；
S1034、根据距离单元对应的协方差矩阵和线性约束最小方差准则，得到距离单元对应的各多普勒通道的空时滤波器系数；
S1035、根据距离单元对应的各多普勒通道的空时滤波器系数，对距离单元对应的第二回波数据进行滤波处理，得到距离单元分别在所有多普勒通道上的滤波结果。
下面以具体的示例进行详细说明本发明实施例提供的上述方法。
步骤1，对雷达接收到的回波数据(该回波数据对应上述实施例中的第一回波数据)进行脉冲压缩，对回波数据的脉冲域作深加权的多普勒滤波处理，得到第二回波数据。
从而将雷达接收的回波数据从阵元—脉冲域转化到阵元—多普勒域。需要说明的是，此处对回波数据的距离域并未处理，因此未提及。
步骤2，获取针对各个多普勒通道构建其对应的降维局域化字典矩阵
具体来说，假设机载雷达有N个阵元，在一个相干处理时间内发射有K个脉冲，雷达阵列采用正侧视安装的等距线阵，阵元间隔d为半波长λ/2。
首先，将归一化空间频率轴均匀地离散化为Ns个采样点，记第i个采样点对应的归一化空间频率为fs,i(i＝1,2,...,Ns)，然后在第k个多普勒通道其主瓣对应的归一化多普勒频率范围内均匀地离散化为Kd个采样点，记第j个采样点对应的归一化多普勒频率为fd,j。令Ns＝ρsN，Kd＝ρdK，其中ρs和ρd称为离散化系数，均为大于1的整数。
可以通过上述公式(1)，得到在空时二维平面上位于(i,j)的网格点对应的空时导向矢量s(fs,i,fd,j)。
其中，st(fd,j)和ss(fs,i)为位于(i,j)的空时采样点对应的时域导向矢量和空域导向矢量，可以通过如下公式(3)和公式(4)得到：
st(fd,j)＝[1,exp(j2πfd,j),…,exp(j2π(K-1)fd,j)]T 公式(3)
ss(fs,i)＝[1,exp(j2πfs,i),…,exp(j2π(N-1)fs,i)]T 公式(4)
因此，第k个多普勒通道内对应的空时二维平面上对应的所有空时导向矢量可以组成一个NK×NsKd维的局域化的字典矩阵。该字典矩阵可以通过上述公式(2)得到。
接着，再将第k个多普勒通道的局域化字典矩阵Φk进行第k个多普勒通道对应的多普勒滤波处理，得到降维局域化字典矩阵(该降维局域化字典矩阵对应上述实施例中的降维字典矩)。
可以通过如下公式(5)，得到降维局域化字典矩阵
其中，Tk＝[a0 a1ejπ(k-K/2-1)/(K/2) … aK-1ejπ(k-K/2-1)/(K/2)(K-1)]Τ为第k个多普勒滤波器的权矢量，其中，ar为第r个加窗系数，r＝0,1,…,K-1，IN为N维的单位阵，Φk为第k个多普勒通道的局域化字典矩阵。
同理，可以获得各个多普勒通道对应的降维局域化字典矩阵
步骤3，获取第l号距离单元的数据矢量xl作为待检测单元。获取该距离单元附近的与之具有独立同分布特性的L个距离单元作为训练样本。
可以通过如下公式(6)，得到训练样本的第k个多普勒通道数据
其中，为第k个多普勒通道对应的降维局域化字典矩阵，/>为L个训练样本的稀疏系数矩阵，N为高斯白噪声矩阵，当中每一个元素都是独立同分布的，且有相同的方差σ2。
接下来，SR-STAP问题可以描述为如下公式(7)：
其中，||·||0为l0范数，定义为向量中非零元素的个数，最小化l0范数用于约束待求解向量的稀疏性；ε表示容许误差。借助已有的稀疏恢复算法求解该问题，例如贪婪算法、凸优化算法、稀疏贝叶斯算法等，得到L个训练样本对应的稀疏系数矩阵Γ。
步骤4，可以通过如下公式(8)，得到第l号距离单元第k个多普勒通道对应的降维协方差矩阵
其中，L为训练样本的数量，为第k个多普勒通道对应的降维局域化字典矩阵，γ(l)为第l个训练样本的稀疏系数矩阵，σ2为L个训练样本中每个训练样本的方差，I为N维的单位阵。
步骤5，利用基于线性约束最小方差(LCMV)准则，得到第k个多普勒通道的空时自适应滤波权系数。
可以通过如下公式(9)，得到第k个多普勒通道的空时自适应滤波权系数
其中，为第k个多普勒通道对应的降维协方差矩阵，/>为降维的目标导向矢量，ss为目标的空域导向矢量，/>为降维的目标时域导向矢量。
步骤6，根据前面得到的第k个多普勒通道的空时滤波器计算第l个距离单元第k个多普勒通道的输出/>
步骤7，重复执行上述步骤3-步骤6，直到所有的多普勒通道都处理完毕，接着输出第l个距离单元杂波抑制后的多普勒谱yl。
步骤8，重复执行上述步骤3-步骤7，从而进行下一个距离单元的杂波抑制，直到所有距离单元杂波抑制完成，输出最终的目标检测用的距离多普勒谱YKL。
为了验证本发明本实施例提供的雷达回波数据的滤波方法，通过以下仿真实验以进一步证明。
1、实验参数及实验条件
雷达天线采用阵元数为32的等距线阵，阵元间距为半波长；雷达阵列正侧视安放。在同一个相干脉冲重复间隔(CPI)内发射64个相干积累脉冲，脉冲重复频率是2434.8Hz；带宽为1MHz；主波束指向阵列法线方向；杂噪比(CNR)是60dB；载机高度为8公里，水平匀速飞行，速度为140m/s；地球半径为6378公里；稀疏恢复采用10个距离单元作为训练样本。
2、实验内容及结果分析
仿真1，请参见图2，图2为本发明实施例提供的一种方法运行时间比较示意图。仿真稀疏恢复时间随离散化系数变化的折线图，其中，横坐标表示离散化系数ρ＝ρd＝ρs；纵轴表示稀疏恢复程序运行时间，单位是秒(s)。仿真过程中，均采用正交匹配追踪(OrthogonalMatching Pursuit，简称OMP)算法求解稀疏恢复问题。可以看出本发明实施例提供的方法通过减少字典矩阵的维度降低稀疏恢复问题的规模，从而大幅度减少稀疏恢复的计算量，对存储空间的需求也会减少。
仿真2，请参见图3，图3为本发明实施例提供的一种雷达回波数据的滤波方法与传统脉冲多普勒处理方法的杂波剩余比较示意图。其中，横坐标表示多普勒通道，纵轴表示每个多普勒通道在每个距离单元上输出结果的平均功率，单位dB。从图中可以看到旁瓣杂波所在的多普勒通道经过本发明杂波抑制后可以达到噪声水平。本实验证明了使用基于降维局域化字典矩阵的稀疏恢复杂波抑制方法在减少计算量的同时能够同时保有一定的杂波抑制能力，其杂波抑制能力的理论上限为理想情况下的FA-STAP算法。
仿真3，请参见图4，图4为本发明实施例提供的一种不同滤波方法下的改善因子示意图。其中，横坐标表示归一化多普勒频率，纵坐标表示改善因子的大小，单位dB。可以看出本发明的改善因子能够在仅用十个训练样本的前提下有着十分接近理想情况下FA-STAP的性能。同时本发明在旁瓣杂波区的改善因子能高于同样用十个训练样本的对角加载采样矩阵求逆(SMI)方法的约14dB，说明本发明对旁瓣杂波的抑制性相较对角加载SMI方法能明显提高。
综上，本实施例提出的基于降维局域化字典矩阵的杂波抑制方法，将原先较大维度的字典矩阵降维局域化处理后获得了一个较小维度的字典矩阵，从而在进行稀疏恢复算法时有着更低的计算复杂度，提升了运算效率和速度；同时还保有了较好的杂波抑制能力，杂波强度明显下降，信杂噪比增强，使得更多的目标能有机会显现出来。
请参见图5，图5为本发明实施例提供的一种雷达回波数据的滤波装置的结构示意图，如图5所示，本实施例提供的装置包括：
多普勒滤波模块501，用于对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，第二回波数据包括多普勒维；
字典获取模块502，用于获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据多普勒通道的主瓣对应的多普勒频率范围得到的；
稀疏恢复处理模块503，用于针对第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果；确定第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。
可选的，字典获取模块502具体用于：
针对每个多普勒通道，沿归一化空间频率轴获取Ns个离散空间频率点，Ns为大于等于1的整数；根据多普勒通道的主瓣对应的归一化多普勒频率范围，获取Kd个离散多普勒频率点，Kd为大于等于1的整数；根据Ns个空间频率点和Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量；根据空时二维平面上NsKd个空时导向矢量，得到多普勒通道对应的字典矩阵。
可选的，字典获取模块502具体用于：
分别根据Ns个空间频率点，得到Ns个空域导向矢量；
分别根据Kd个多普勒频率点，得到Kd个时域导向矢量；
根据如下公式，得到空时二维平面上的空时导向矢量：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，st(fd,j)为位于(i,j)的空时采样点对应的时域导向矢量，ss(fs,i)为位于(i,j)的空时采样点对应的空域导向矢量，fs,i为第i个空间频率点，fd,j为第j个多普勒频率点，i＝1,2,...,Ns，j＝1,2,...,Kd。
可选的，字典获取模块502具体用于：
根据如下公式，得到多普勒通道对应的字典矩阵：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，i＝1,2,...,Ns，j＝1,2,...,Kd。
可选的，字典获取模块502还用于：
分别对各多普勒通道对应的字典矩阵进行多普勒滤波处理，得到各多普勒通道对应的降维字典矩阵；
相应的，稀疏恢复处理模块503具体用于：
针对每个距离单元，分别根据各多普勒通道对应的降维字典矩阵，进行稀疏恢复处理，得到距离单元分别在各多普勒通道上的滤波结果。
可选的，稀疏恢复处理模块503具体用于：
获取距离单元对应的训练样本，训练样本为以距离单元独立同分布的L个距离单元对应的第二回波数据；分别对每个多普勒通道对应的字典矩阵和训练样本的多普勒通道的数据进行稀疏恢复处理，得到训练样本对应的稀疏系数矩阵；根据每个训练样本对应的稀疏系数矩阵，得到距离单元对应的协方差矩阵；根据距离单元对应的协方差矩阵和线性约束最小方差准则，得到距离单元对应的各多普勒通道的空时滤波器系数；根据距离单元对应的各多普勒通道的空时滤波器系数，对距离单元对应的第二回波数据进行滤波处理，得到距离单元分别在所有多普勒通道上的滤波结果。
上述实施例的装置，可以用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本发明实施例提供一种雷达回波数据的滤波设备，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现如上述实施例的方法步骤。
本发明实施例提供一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现如上述实施例的方法步骤。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
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 (6)
1.一种雷达回波数据的滤波方法，其特征在于，包括：
对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，所述第二回波数据包括多普勒维；
获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据所述多普勒通道的主瓣对应的多普勒频率范围得到的；所述获取各多普勒通道对应的字典矩阵，包括：针对每个多普勒通道，沿归一化空间频率轴获取Ns个离散空间频率点，Ns为大于等于1的整数；根据所述多普勒通道的主瓣对应的归一化多普勒频率范围，获取Kd个离散多普勒频率点，Kd为大于等于1的整数；根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量；根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵；
所述根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量，包括：
分别根据所述Ns个空间频率点，得到Ns个空域导向矢量；
分别根据所述Kd个多普勒频率点，得到Kd个时域导向矢量；
根据如下公式，得到空时二维平面上的空时导向矢量：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，st(fd,j)为位于(i,j)的空时采样点对应的时域导向矢量，ss(fs,i)为位于(i,j)的空时采样点对应的空域导向矢量，fs,i为第i个空间频率点，fd,j为第j个多普勒频率点，i＝1,2,...,Ns，j＝1,2,...,Kd；
所述根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵，包括：
根据如下公式，得到所述多普勒通道对应的字典矩阵：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，i＝1,2,...,Ns，j＝1,2,...,Kd；
针对所述第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果；
确定所述第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。
2.根据权利要求1所述的方法，其特征在于，所述获取各多普勒通道对应的字典矩阵之后，还包括：
分别对各多普勒通道对应的字典矩阵进行多普勒滤波处理，得到各多普勒通道对应的降维字典矩阵；
相应的，所述针对每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果，包括：
针对每个距离单元，分别根据各多普勒通道对应的降维字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果。
3.根据权利要求1所述的方法，其特征在于，所述分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果，包括：
获取所述距离单元对应的训练样本，所述训练样本为以所述距离单元独立同分布的L个距离单元对应的第二回波数据；
分别对每个多普勒通道对应的字典矩阵和所述训练样本的所述多普勒通道的数据进行稀疏恢复处理，得到所述训练样本对应的稀疏系数矩阵；
根据所述每个训练样本对应的稀疏系数矩阵，得到所述距离单元对应的协方差矩阵；
根据所述距离单元对应的协方差矩阵和线性约束最小方差准则，得到所述距离单元对应的各多普勒通道的空时滤波器系数；
根据所述距离单元对应的各多普勒通道的空时滤波器系数，对所述距离单元对应的第二回波数据进行滤波处理，得到所述距离单元分别在所有多普勒通道上的滤波结果。
4.一种雷达回波数据的滤波装置，其特征在于，包括：
多普勒滤波模块，用于对第一回波数据进行深加权的多普勒滤波处理，得到第二回波数据，所述第二回波数据包括多普勒维；
字典获取模块，用于获取各多普勒通道对应的字典矩阵，其中，多普勒通道对应的字典矩阵为根据所述多普勒通道的主瓣对应的多普勒频率范围得到的；所述获取各多普勒通道对应的字典矩阵，包括：针对每个多普勒通道，沿归一化空间频率轴获取Ns个离散空间频率点，Ns为大于等于1的整数；根据所述多普勒通道的主瓣对应的归一化多普勒频率范围，获取Kd个离散多普勒频率点，Kd为大于等于1的整数；根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量；根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵；
所述根据所述Ns个空间频率点和所述Kd个多普勒频率点，得到空时二维平面上NsKd个空时导向矢量，包括：
分别根据所述Ns个空间频率点，得到Ns个空域导向矢量；
分别根据所述Kd个多普勒频率点，得到Kd个时域导向矢量；
根据如下公式，得到空时二维平面上的空时导向矢量：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，st(fd,j)为位于(i,j)的空时采样点对应的时域导向矢量，ss(fs,i)为位于(i,j)的空时采样点对应的空域导向矢量，fs,i为第i个空间频率点，fd,j为第j个多普勒频率点，i＝1,2,...,Ns，j＝1,2,...,Kd；
所述根据所述空时二维平面上NsKd个空时导向矢量，得到所述多普勒通道对应的字典矩阵，包括：
根据如下公式，得到所述多普勒通道对应的字典矩阵：
其中，s(fs,i,fd,j)为在空时二维平面上位于(i,j)的网格点对应的空时导向矢量，i＝1,2,...,Ns，j＝1,2,...,Kd；
稀疏恢复处理模块，用于针对所述第二回波数据中的每个距离单元，分别根据各多普勒通道对应的字典矩阵，进行稀疏恢复处理，得到所述距离单元分别在各多普勒通道上的滤波结果；确定所述第一回波数据的滤波结果为所有距离单元分别在所有多普勒通道上的滤波结果。
5.一种雷达回波数据的滤波设备，其特征在于，包括处理器和存储器；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-3任一所述的方法步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110915572.2A CN113820679B (zh) | 2021-08-10 | 2021-08-10 | 雷达回波数据的滤波方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110915572.2A CN113820679B (zh) | 2021-08-10 | 2021-08-10 | 雷达回波数据的滤波方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113820679A CN113820679A (zh) | 2021-12-21 |
| CN113820679B true CN113820679B (zh) | 2023-12-26 |
Family
ID=78913003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110915572.2A Active CN113820679B (zh) | 2021-08-10 | 2021-08-10 | 雷达回波数据的滤波方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113820679B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115166672A (zh) * | 2022-07-21 | 2022-10-11 | 上海航天电子通讯设备研究所 | 一种基于三级加窗滤波的强地杂波抑制方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104950297A (zh) * | 2015-06-25 | 2015-09-30 | 西安电子科技大学 | 基于矩阵1范数拟合的阵元误差估计方法 |
| WO2018045601A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种阵列误差下的稀疏恢复stap方法及其系统 |
| CN109471083A (zh) * | 2018-11-09 | 2019-03-15 | 西安电子科技大学 | 基于空时级联的机载外辐射源雷达杂波抑制方法 |
| WO2021077287A1 (zh) * | 2019-10-22 | 2021-04-29 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
| CN113219433A (zh) * | 2021-05-26 | 2021-08-06 | 内蒙古工业大学 | 基于知识辅助的sr-stap方法及存储介质 |
-
2021
- 2021-08-10 CN CN202110915572.2A patent/CN113820679B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104950297A (zh) * | 2015-06-25 | 2015-09-30 | 西安电子科技大学 | 基于矩阵1范数拟合的阵元误差估计方法 |
| WO2018045601A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种阵列误差下的稀疏恢复stap方法及其系统 |
| CN109471083A (zh) * | 2018-11-09 | 2019-03-15 | 西安电子科技大学 | 基于空时级联的机载外辐射源雷达杂波抑制方法 |
| WO2021077287A1 (zh) * | 2019-10-22 | 2021-04-29 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
| CN113219433A (zh) * | 2021-05-26 | 2021-08-06 | 内蒙古工业大学 | 基于知识辅助的sr-stap方法及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 机载多输入多输出雷达局域化降维杂波抑制方法;吕晖;冯大政;和洁;向聪;;西安电子科技大学学报(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113820679A (zh) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105223560B (zh) | 基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法 | |
| CN106353732B (zh) | 一种基于认知的机载雷达异构杂波抑制方法 | |
| CN111736131A (zh) | 一种剔除一比特信号谐波虚假目标的方法及相关组件 | |
| CN108931766B (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
| CN106324596B (zh) | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 | |
| CN105699950B (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 | |
| CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
| CN112881982B (zh) | 一种捷变频雷达抑制密集转发干扰方法 | |
| CN109507666A (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
| CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
| CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
| CN113820679B (zh) | 雷达回波数据的滤波方法、装置、设备和存储介质 | |
| CN113534055B (zh) | 一种插值补偿的匀加速机载雷达杂波抑制方法 | |
| CN112904298B (zh) | 一种基于局部网格分裂的网格偏离空时自适应处理方法 | |
| CN107748364A (zh) | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 | |
| CN108896963B (zh) | 机载雷达空时自适应降维处理方法 | |
| Wang et al. | A novel parameter estimation method for ISRJ | |
| CN117849719A (zh) | 一种强杂波环境下的间歇采样转发干扰检测方法 | |
| CN111650574B (zh) | 基于稀疏恢复的水下空时自适应处理方法及系统 | |
| CN116413662B (zh) | 基于深度展开网络的合成孔径雷达射频干扰抑制方法 | |
| CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
| CN114152918B (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
| CN105319538A (zh) | 基于辅助通道的空时自适应杂波抑制方法 | |
| CN115877380A (zh) | 一种sar多运动目标成像方法、装置和存储介质 | |
| CN109490859A (zh) | 部分均匀环境中对方位扰动和多普勒扰动稳健的检测器 |
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 |