CN113820703A - 一种基于散射变换的无人机目标旋翼参数估计方法 - Google Patents

一种基于散射变换的无人机目标旋翼参数估计方法 Download PDF

Info

Publication number
CN113820703A
CN113820703A CN202010569733.2A CN202010569733A CN113820703A CN 113820703 A CN113820703 A CN 113820703A CN 202010569733 A CN202010569733 A CN 202010569733A CN 113820703 A CN113820703 A CN 113820703A
Authority
CN
China
Prior art keywords
frequency
rotor
aerial vehicle
unmanned aerial
signal
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
Application number
CN202010569733.2A
Other languages
English (en)
Other versions
CN113820703B (zh
Inventor
侯成宇
蔡松言
何佳婕
陈迪
张立宪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202010569733.2A priority Critical patent/CN113820703B/zh
Publication of CN113820703A publication Critical patent/CN113820703A/zh
Application granted granted Critical
Publication of CN113820703B publication Critical patent/CN113820703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于线性调频连续波雷达的无人机旋翼参数估计方法。步骤1：初始化散射变换尺度，生成小波滤波器组；步骤2：对回波信号进行一阶散射变换；步骤3：对散射系数设置能量阈值，并进行第二阶散射变换，估计频谱带宽；步骤4：提取微多普勒分量所在的第二阶散射系数，提取周期分量进行FFT得到频谱，通过频率分量数目对旋翼数目进行判断；步骤5：若无人机旋翼数目为0，则不存在旋翼，跳转至8，否则进入6；步骤6：根据旋翼数目N和峰值间隔频率对转动频率进行估计；步骤7：结合微动频谱带宽和转动频率反推叶片尺寸；步骤8：输出旋翼参数估计结果。本发明能实现线性调频连续波雷达对无人机目标旋翼转速、数目和尺寸的估计。

Description

一种基于散射变换的无人机目标旋翼参数估计方法
技术领域
本发明属于的技术领域；具体涉及一种基于散射变换的无人机目标旋翼参数估计方法。
背景技术
随着商用无人机使用规模的增长，无人机滥用带来的安全问题正越来越受到关注。目前有很多手段对无人机目标进行检测，相比于其他方法，雷达系统具有全天候、全天时，探测距离远的优势，线性调频连续波雷达凭借结构简单、分辨率高、无距离盲区等优点取代脉冲体制雷达，可以作为对中近程低空无人机探测的重要手段。但是由于无人机目标一般尺寸较小，运动速度较慢，飞行高度较低，容易与飞鸟或其他杂波混淆，给检测和识别造成困难。
由于无人机一般具有一个或多个旋翼，这些转动的旋翼会在雷达回波中产生微多普勒效应。微多普勒效应由目标自身结构的微运动产生，可以有效反映目标的运动状态、尺寸和形状等信息，且这种特征具有“唯一性”，对于无人机目标而言，通过微多普勒频率对旋翼的尺寸、转速和数目等特征参数进行估计，对无人机目标进行分类和威胁度评估具有重要作用。
但是通常情况下，小型无人机的旋翼长度相对较小，一般在亚米级，导致微多普勒分量能量较低，而转速相对较快，一般为每分钟几千转，会形成较大的多普勒频率展宽，给参数提取造成困难。且旋翼叶片间的相互作用会在回波中产生转动频率的高次谐波分量，对转动频率的估计带来干扰。
现有的方法线性时频分析为主，如短时傅里叶变换，其时间分辨率和频率分辨率相互制约导致，限制了能量聚集效果，降低了转动频率的估计效果，某些双线性时频分析如Cohen类方法虽然能量积累效果有所提高，但是对多分量信号存在交叉项问题，且现有方法会受到主体回波的影响，很难对旋翼参数进行估计。
由于上述原因，传统非平稳信号分析方法并不适用于对无人机旋翼参数的估计。
发明内容
本发明提供了一种基于散射变换的无人机目标旋翼参数估计方法，能实现线性调频连续波雷达对无人机目标旋翼转速、数目和尺寸的估计。
本发明通过以下技术方案实现：
一种基于线性调频连续波雷达的无人机旋翼参数估计方法，所述无人机旋翼参数估计方法包括以下步骤：
步骤1：对线性调频连续波雷达的回波信号进行散射变换尺度的初始化，进而生成小波滤波器组；
步骤2：对回波信号进行一阶散射变换；
步骤3：对无人机旋翼分量的散射系数设置能量阈值，选择目标所在的散射系数进行第二阶散射变换，通过对应的协变分量根据Carson准则估计频谱带宽fmd；
步骤4：对无人机旋翼分量的散射系数设置能量阈值，提取微多普勒分量所在的第二阶散射系数，提取周期分量进行FFT得到频谱，通过频率分量数目对无人机旋翼数目N进行判断；
步骤5：若无人机旋翼数目N为0，则不存在旋翼，跳转至步骤8输出结果，否则进入步骤6；
步骤6：根据旋翼数目N和峰值间隔频率Δf对转动频率进行估计
Figure BDA0002549122040000021
步骤7：结合微动频谱带宽fmd和转动频率fr反推叶片尺寸L，
Figure BDA0002549122040000022
其中λ为发射信号波；
步骤8：输出旋翼参数估计结果。
进一步的，所述步骤2具体为，对于时间信号x，其一阶散射变换为，
Figure BDA0002549122040000023
其中，
Figure BDA0002549122040000024
为中心频率为λj的小波尺度函数，φ为低通滤波器，*为卷积运算，S1为第一阶散射系数。
进一步的，所述步骤3具体为散射系数S1[λj](x)中包含中心频率为λj的附近频率分量，对应的高频信息由协变部分
Figure BDA0002549122040000025
保留，对其作为输入信号重复进行散射变换时，将信号分解为不同的频率分量；
随着散射变换阶数的增多，小波尺度函数时宽减小，频率分辨率更高；
对于信号，一阶散射系数提取基频成分，而二阶散射系数提取信号中的调制特征。
进一步的，所述步骤4具体为，线性调频连续波雷达的无人机目标回波差频信号为，
Figure BDA0002549122040000026
其中A0表示信号幅度，σbody表示机身的雷达散射截面积，
Figure BDA0002549122040000031
f0为发射信号载频，B为雷达调频带宽，c为光速；σblade(i)为第i个旋翼的雷达散射截面积，N为旋翼数目，Rt＝R0+vt为目标到接收天线的瞬时距离，R0为初始距离，v为径向运动速度；L为叶片长度，ωi为第i个旋翼的转动角速度。
进一步的，所述无人机目标回波由一个固定频率信号和一组调频信号组成。
进一步的，中频由瞬时距离Rt的回波时延确定，调制频率和带宽由周期转动的旋翼参数L·cos(ωi·t)确定。
本发明的有益效果是：
本发明有效的对小型无人机的旋翼参数进行估计，在信噪比高于-16dB时，对于旋翼参数估计的可靠性在90％以上，对旋翼转动频率和叶片长度的估计误差在10％以内。
附图说明
附图1本发明算法流程图。
附图2一阶散射系数结果示意图。
附图3二阶散射系数示意图。
附图4微多普勒分量频谱展宽示意图。
附图5周期分量频谱示意图。
附图6不同信噪比条件下的参数估计准确率示意图。
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中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所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
目前需要对旋翼无人机的参数估计方法进行研究。小波变换通过改变小波尺度函数实现多分辨分析，得到更高的时频分辨率，在此基础上散射变换通过对小波模算子的迭代平均保持信号的局部形变稳定性，保留了局部细节信息，防止信号能量发散，也有助于提取时变的频率调制信息。因此可以通过散射变换实现无人机旋翼参数的估计。
一种基于线性调频连续波雷达的无人机旋翼参数估计方法，所述无人机旋翼参数估计方法包括以下步骤：
步骤1：对线性调频连续波雷达的回波信号进行散射变换尺度的初始化，进而生成小波滤波器组；
步骤2：对回波信号进行一阶散射变换；
步骤3：对无人机旋翼分量的散射系数设置能量阈值，选择目标所在的散射系数进行第二阶散射变换，通过对应的协变分量根据Carson准则估计频谱带宽fmd；
步骤4：对无人机旋翼分量的散射系数设置能量阈值，提取微多普勒分量所在的第二阶散射系数，提取周期分量进行FFT得到频谱，通过频率分量数目对无人机旋翼数目N进行判断；
步骤5：若无人机旋翼数目N为0，则不存在旋翼，跳转至步骤8输出结果，否则进入步骤6；
步骤6：考虑到每个旋翼一般具有两个叶片，根据旋翼数目N和峰值间隔频率Δf对转动频率进行估计
Figure BDA0002549122040000041
步骤7：结合微动频谱带宽fmd和转动频率fr反推叶片尺寸L，
Figure BDA0002549122040000042
其中λ为发射信号波；
步骤8：输出旋翼参数估计结果。
进一步的，所述步骤2具体为，对于时间信号x，其一阶散射变换为，
Figure BDA0002549122040000043
其中，
Figure BDA0002549122040000044
为中心频率为λj的小波尺度函数，φ为低通滤波器，*为卷积运算，S1为第一阶散射系数。
进一步的，所述步骤3具体为散射系数S1[λj](x)中包含中心频率为λj的附近频率分量，对应的高频信息由协变部分
Figure BDA0002549122040000045
保留，对其作为输入信号重复进行散射变换时，将信号分解为不同的频率分量；
随着散射变换阶数的增多，小波尺度函数时宽减小，频率分辨率更高；
对于信号，一阶散射系数提取基频成分，而二阶散射系数提取信号中的调制特征。
进一步的，所述步骤4具体为，线性调频连续波雷达的无人机目标回波差频信号为，
Figure BDA0002549122040000051
其中A0表示信号幅度，σbody表示机身的雷达散射截面积，
Figure BDA0002549122040000052
f0为发射信号载频，B为雷达调频带宽，c为光速；σblade(i)为第i个旋翼的雷达散射截面积，N为旋翼数目，Rt＝R0+vt为目标到接收天线的瞬时距离，R0为初始距离，v为径向运动速度；L为叶片长度，ωi为第i个旋翼的转动角速度。
进一步的，所述无人机目标回波由一个固定频率信号(主体回波)和一组调频信号(旋翼回波)组成。
进一步的，中频由瞬时距离Rt的回波时延确定，调制频率和带宽由周期转动的旋翼参数L·cos(ωi·t)确定。
第一阶散射系数中以目标主体位置产生的频率为中心频率，对主体运动状态进行提取，选出相应的第一阶散射系数，对其进行第二阶散射变换，此时回波旋翼产生的微多普勒频率体现为二阶散射系数强度的变化，通过相应的二阶散射系数直接对转动频率进行提取，据此来对转动频率进行估计；
一阶散射系数对应的协变部分U1(x,λj)中含有回波信号的全部频率成分，其频谱宽度即为微多普勒频率的最大频谱展宽fmd，因此在得到转动频率的估计结果ωi后可以对旋翼叶片的尺寸进行估计。
实施例2
本发明实例中，设置线性调频连续波雷达信号参数如下：
载波频率 16GHz
调频带宽 30MHz
调频周期 1ms
采样频率 2MHz
无人机目标旋翼转动频率为30Hz，叶片长度为12cm，每个旋翼有两个叶片。设置目标距离雷达天线300m，运动速度为1m/s。
选取128个调频周期进行积累，则信号长度为0.128s，由于积累时间较短，在此过程中，旋翼的转速可以近似看作不会发生突变，当无人机状态稳定时，每个旋翼的转速可以视为大致相同。
S1、对回波进行第一阶散射变换，结果如图2所示，通过阈值检测可以得到目标信号分量处于第五个尺度的散射系数中；
S2、对其进行第二阶散射系数，其结果如图3所示，通过阈值检测可以得到旋翼微多普勒信号分量位于第6个尺度的二阶散射系数中；
S3、在完成转动速度估计后，通过微动分量分离结果对微多普勒带宽进行估计如图5所示，根据Carson准则，可以得到单边微多普勒展宽频率约为fmd＝2.574kHz；
S4、提取该散射系数的周期变化结果，对其进行FFT得到频谱如图4所示，由于只有一个频率峰值，可以判断目标的旋翼数目为1；
S5、判断峰值数目大于0，存在旋翼，继续执行；
S6、且可以得到变化频率为62.5Hz，由于旋翼上有两个叶片，因此可以估计出旋翼转动频率为fr＝31.25Hz；
S7、此时雷达信号波长为
Figure BDA0002549122040000061
代入
Figure BDA0002549122040000062
计算可以得到叶片尺寸为12.29cm；
S8、输出旋翼参数估计结果。
通过该方法可以对旋翼参数进行有效估计，结果与设置参数相符。
通过蒙特卡洛实验对本文所提方法在不同信噪比和不同旋翼数目条件下的估计性能，结果如图6所示，设置信噪比以5dB为步长从-20dB变化到20dB，旋翼数目分别设置为1，2和4，进行400次蒙特卡洛实验，通过图6可以看出，该方法在信噪比高于-16dB的情况下可以得到较好的估计效果。

Claims (6)

1.一种基于线性调频连续波雷达的无人机旋翼参数估计方法，其特征在于：所述无人机旋翼参数估计方法包括以下步骤：
步骤1：对线性调频连续波雷达的回波信号进行散射变换尺度的初始化，进而生成小波滤波器组；
步骤2：对回波信号进行一阶散射变换；
步骤3：对无人机旋翼分量的散射系数设置能量阈值，选择目标所在的散射系数进行第二阶散射变换，通过对应的协变分量根据Carson准则估计频谱带宽fmd；
步骤4：对无人机旋翼分量的散射系数设置能量阈值，提取微多普勒分量所在的第二阶散射系数，提取周期分量进行FFT得到频谱，通过频率分量数目对无人机旋翼数目N进行判断；
步骤5：若无人机旋翼数目N为0，则不存在旋翼，跳转至步骤8输出结果，否则进入步骤6；
步骤6：根据旋翼数目N和峰值间隔频率Δf对转动频率进行估计
Figure FDA0002549122030000011
步骤7：结合微动频谱带宽fmd和转动频率fr反推叶片尺寸L，
Figure FDA0002549122030000012
其中λ为发射信号波；
步骤8：输出旋翼参数估计结果。
2.根据权利要求1所述无人机旋翼参数估计方法，其特征在于：所述步骤2具体为，对于时间信号x，其一阶散射变换为，
Figure FDA0002549122030000013
其中，
Figure FDA0002549122030000014
为中心频率为λj的小波尺度函数，φ为低通滤波器，*为卷积运算，S1为第一阶散射系数。
3.根据权利要求1所述无人机旋翼参数估计方法，其特征在于：所述步骤3具体为散射系数S1[λj](x)中包含中心频率为λj的附近频率分量，对应的高频信息由协变部分
Figure FDA0002549122030000015
保留，对其作为输入信号重复进行散射变换时，将信号分解为不同的频率分量；
随着散射变换阶数的增多，小波尺度函数时宽减小，频率分辨率更高；
对于信号，一阶散射系数提取基频成分，而二阶散射系数提取信号中的调制特征。
4.根据权利要求1所述无人机旋翼参数估计方法，其特征在于：所述步骤4具体为，线性调频连续波雷达的无人机目标回波差频信号为，
Figure FDA0002549122030000021
其中A0表示信号幅度，σbody表示机身的雷达散射截面积，
Figure FDA0002549122030000022
f0为发射信号载频，B为雷达调频带宽，c为光速；σblade(i)为第i个旋翼的雷达散射截面积，N为旋翼数目，Rt＝R0+vt为目标到接收天线的瞬时距离，R0为初始距离，v为径向运动速度；L为叶片长度，ωi为第i个旋翼的转动角速度。
5.根据权利要求4所述无人机旋翼参数估计方法，其特征在于：所述无人机目标回波由一个固定频率信号和一组调频信号组成。
6.根据权利要求4所述无人机旋翼参数估计方法，其特征在于：中频由瞬时距离Rt的回波时延确定，调制频率和带宽由周期转动的旋翼参数L·cos(ωi·t)确定。
CN202010569733.2A 2020-06-20 2020-06-20 一种基于散射变换的无人机目标旋翼参数估计方法 Active CN113820703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010569733.2A CN113820703B (zh) 2020-06-20 2020-06-20 一种基于散射变换的无人机目标旋翼参数估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010569733.2A CN113820703B (zh) 2020-06-20 2020-06-20 一种基于散射变换的无人机目标旋翼参数估计方法

Publications (2)

Publication Number Publication Date
CN113820703A true CN113820703A (zh) 2021-12-21
CN113820703B CN113820703B (zh) 2023-11-21

Family

ID=78924816

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010569733.2A Active CN113820703B (zh) 2020-06-20 2020-06-20 一种基于散射变换的无人机目标旋翼参数估计方法

Country Status (1)

Country Link
CN (1) CN113820703B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115436924A (zh) * 2022-08-26 2022-12-06 杭州电子科技大学 优化本振nyfr架构下的多分量lfm信号快速参数估计方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504403A (zh) * 2015-01-16 2015-04-08 重庆大学 一种基于散射变换的旋转机械故障预测方法
CN108957443A (zh) * 2018-07-16 2018-12-07 北京航空航天大学 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法
CN109633629A (zh) * 2018-10-26 2019-04-16 上海无线电设备研究所 太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法
CN110146853A (zh) * 2019-06-03 2019-08-20 浙江大学 一种飞行器旋翼微动特征提取方法
CN110806205A (zh) * 2019-10-30 2020-02-18 华中科技大学 一种基于无源射频标签的微型无人机导航方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504403A (zh) * 2015-01-16 2015-04-08 重庆大学 一种基于散射变换的旋转机械故障预测方法
CN108957443A (zh) * 2018-07-16 2018-12-07 北京航空航天大学 一种基于双发双收相干雷达的无人机旋翼长度和转速的估计方法
CN109633629A (zh) * 2018-10-26 2019-04-16 上海无线电设备研究所 太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法
CN110146853A (zh) * 2019-06-03 2019-08-20 浙江大学 一种飞行器旋翼微动特征提取方法
CN110806205A (zh) * 2019-10-30 2020-02-18 华中科技大学 一种基于无源射频标签的微型无人机导航方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115436924A (zh) * 2022-08-26 2022-12-06 杭州电子科技大学 优化本振nyfr架构下的多分量lfm信号快速参数估计方法及系统

Also Published As

Publication number Publication date
CN113820703B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
EP0808463B1 (en) Weather radar using spectral gaussian envelope discrimination for clutter rejection
GB2322986A (en) Target classification in radar systems
US8816899B2 (en) Enhanced target detection using dispersive vs non-dispersive scatterer signal processing
CN112162273B (zh) 一种基于奇异矢量的多旋翼无人机物理参数提取方法
CN109116326B (zh) 一种基于中位数估计的自适应雷达海杂波抑制方法
CN110174650A (zh) 基于两维联合插值的气象雷达风电场杂波抑制方法
Huang et al. Fundamental frequency estimation of HERM lines of drones
Lu et al. Enhanced visibility of maneuvering targets for high-frequency over-the-horizon radar
Markow et al. Examination of drone micro-Doppler and JEM/HERM signatures
CN110398718B (zh) 一种基于frft频率估计子空间的射频干扰抑制方法
CN113820703A (zh) 一种基于散射变换的无人机目标旋翼参数估计方法
Beauchamp et al. Suppressing wind turbine signatures in weather radar observations
Herr et al. UAV micro-Doppler signature analysis
CN113887450B (zh) 基于调制谱特征的水中目标在线筛选方法
Monakov Radar detection and recognition of a hovering helicopter
CN115113208A (zh) 一种基于杂波特征精确认知的连续波雷达杂波对消方法
Maresca et al. The HF surface wave radar WERA. Part II: Spectral analysis of recorded data
Laurukevich et al. Estimation of energy, spectral and polarimetric characteristics of meteorological echoes in DMRL-C
Markow et al. Statistical analysis of in‐flight drone signatures
CN111175754A (zh) Lfmcw体制下基于tdpc-jdl的低空风切变风速估计方法
Baxa et al. New signal processing developments in the detection of low-altitude windshear with airborne Doppler radar
Haghshenas et al. A novel method to detect rotor blades echo
CN114895262B (zh) 一种基于风电机空时谱特征和正交投影的杂波抑制方法
Larson Detection and classification of acoustic signals from fixed-wing aircraft
Xie et al. Micro-Doppler-based method for rotor parameter estimation under short dwell time conditions

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