CN113917424B - 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 - Google Patents
一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 Download PDFInfo
- Publication number
- CN113917424B CN113917424B CN202111144726.9A CN202111144726A CN113917424B CN 113917424 B CN113917424 B CN 113917424B CN 202111144726 A CN202111144726 A CN 202111144726A CN 113917424 B CN113917424 B CN 113917424B
- Authority
- CN
- China
- Prior art keywords
- clutter
- matrix
- target
- signal
- ground
- 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 39
- 238000000926 separation method Methods 0.000 title claims abstract description 31
- 230000001629 suppression Effects 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 127
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 claims description 16
- 230000002087 whitening effect Effects 0.000 claims description 11
- 238000005311 autocorrelation function Methods 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 239000010977 jade Substances 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 8
- 238000007796 conventional method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 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
-
- 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)
- 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
本发明提出了一种基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，能够对各个速度通道实现目标与杂波的分离，实现低空慢速目标的有效探测。采用MIMO雷达体制，发射DDMA波形，保证各收发通道间具有良好的正交性；通过脉冲多普勒处理，实现MIMO正交解调，并提取各个收发通道PD平面中目标所在速度通道，得到输入矩阵；然后采用基于矩阵联合近似对角化的盲源分离方法，利用源信号与杂波的高阶统计量特性，对各个速度通道实现目标与杂波的分离。本发明方法对地基MIMO雷达地杂波抑制效果较好，可实现地基MIMO雷达低空慢速目标的有效探测，利用实测杂波数据，验证了杂波抑制和目标检测效果，相比于传统方法，目标输出信杂噪比得到显著改善。
Description
技术领域
本发明涉及雷达信号处理技术领域，具体涉及一种基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法。
背景技术
对于地基雷达低空慢速目标探测，地杂波的影响是制约目标探测性能的主要因素。对于微小型无人机、鸟类等低空慢速目标，由于其飞行高度低，飞行速度慢，地杂波直接从雷达波束的主瓣进入，且目标速度易处于杂波谱宽内，传统杂波抑制方法无法有效实现该类目标的有效探测。
现有的地杂波抑制算法主要有动目标显示(MTI)、自适应波束形成(ADBF)，以及空时自适应处理(STAP)等方法。对于低速甚至悬停的目标，目标多普勒处于地杂波谱宽内，使用MTI方法的处理结果目标信杂噪比(SINR)损失严重。对于低空飞行的目标，雷达需采用低仰角波束进行探测，使得地杂波也从波束主瓣进入，严重影响了ADBF的性能。STAP需要对杂波协方差矩阵进行准确的估计，实际地杂波特性复杂多变，限制了STAP的杂波抑制性能。
发明内容
有鉴于此，本发明提出了一种基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，能够对各个速度通道实现目标与杂波的分离，实现低空慢速目标的有效探测。
为实现上述目的，本发明的技术方案为：
本发明的一种基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，包括如下步骤：
步骤S1，初始化目标参数和杂波参数，所述目标参数包括目标距离、目标速度、目标角度和目标信噪比；所述杂波参数包括杂波中心频率、杂波谱宽、杂波入射角度和杂波杂噪比；其中，目标入射方向为阵列法向，杂波入射方向按距离段划分为若干入射方向；
步骤S2，根据步骤1所设目标参数和杂波参数，得到目标发射导向矢量、杂波发射导向矢量以及DDMA初相矩阵；
利用目标发射导向矢量和杂波发射导向矢量结合DDMA初相矩阵对各通道发射信号进行多普勒频率调制，生成目标发射信号矩阵St和杂波发射信号矩阵C；
将杂波发射信号矩阵C与参考信号矩阵Sf在快时间维进行卷积，得到杂波回波矩阵C1；所述参考信号为已知的雷达发射信号；
步骤S3，根据目标接收导向矢量构造矩阵wt，生成目标接收信号矩阵Sr＝wtSt；根据杂波接收导向矢量构造矩阵wc，生成杂波接收信号矩阵Cr＝wcC1；
步骤S4，将目标与杂波在雷达接收端进行叠加合成，得到合成信号矩阵E＝Sr+Cr；
步骤S5，对合成信号矩阵E进行脉冲-多普勒处理，得到各收发通道的RD平面并提取各通道RD平面中目标所在速度通道；
步骤S6，将提取的速度通道作为输入观测矩阵，采用基于四阶累积量的矩阵联合近似对角化的盲源分离方法JADE，对输入观测矩阵进行目标与杂波的分离。
其中，所述步骤S6具体包括如下步骤：
步骤S61，对输入矩阵计算自协方差矩阵；
根据自协方差矩阵特征分解结果构造白化矩阵；
步骤S62，使用白化矩阵对输入观测矩阵进行预白化，得到白化后矩阵Z(t)，Z(t)＝WX(t)，其中，W为白化矩阵，X(t)为输入观测矩阵，t表示时间；
对白化后矩阵Z(t)求四阶统计量Qz(M)，其中，M为任意矩阵，对Qz(M)进行特征分解，得到酉矩阵U，进而得到分离信号为Y(t)＝UHZ(t)，上标H表示共轭转置。
其中，所述步骤S2中，所述杂波发射信号矩阵的获得方式为：DDMA初相矩阵对杂波信号矩阵C0进行慢时间初相调制，得到杂波发射信号矩阵C，使得杂波发射信号位于不同的多普勒载频。
其中，DDMA初相矩阵对杂波信号矩阵进行慢时间初相调制的具体方式为：C＝PC0，P为根据所设参数构造的DDMA初相矩阵，C0为杂波信号矩阵。
其中，所述杂波信号矩阵C0获得方式为：
确定杂波的谱模型：
式中，f为杂波频率，Pc为杂波的功率，σf为杂波频谱的标准偏差带宽，fd为杂波谱中心位置；
根据功率谱与自相关函数为傅里叶变换对，求得相应自相关函数r(τ)：
利用r(τ)得到杂波的协方差矩阵R，进而求得杂波信号矩阵其中，N0是高斯白噪声矩阵。
其中，所述杂波信号矩阵C0获得方式为：
确定杂波的谱模型：
式中，f为杂波频率，Pc为杂波的功率，σf为杂波频谱的标准偏差带宽，fd为杂波谱中心位置；
根据功率谱与自相关函数为傅里叶变换对，求得相应自相关函数r(τ)：
利用r(τ)得到杂波的协方差矩阵R，进而求得杂波信号矩阵其中，N0是高斯白噪声矩阵。
有益效果：
本发明提出一种基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，采用MIMO雷达体制，发射DDMA波形，保证各收发通道间具有良好的正交性；通过脉冲多普勒处理，实现MIMO正交解调，并提取各个收发通道PD平面中目标所在速度通道，得到输入矩阵；然后采用基于矩阵联合近似对角化的盲源分离方法，利用源信号与杂波的高阶统计量特性，对各个速度通道实现目标与杂波的分离。本发明方法对地基MIMO雷达地杂波抑制效果较好，可实现地基MIMO雷达低空慢速目标的有效探测，利用实测杂波数据，验证了杂波抑制和目标检测效果，相比于传统方法，目标输出信杂噪比得到显著改善。
附图说明
图1是本发明流程示意图；
图2是本发明在实测杂波数据场景下MIMO相参合成后的RD平面图，数据标签处为目标所在位置；
图3是本发明方法与传统方法在SINR＝-10dB时，杂波抑制效果对比图，数据标签处为目标所在位置；
图4是本发明方法与传统方法在SINR＝0dB时，杂波抑制效果对比图，数据标签处为目标所在位置。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本方法将盲源分离技术与DDMA MIMO体制相结合，为地基雷达低空慢速目标探测杂波抑制提供了新的思路与方案。
其中，盲源分离(BSS)技术利用目标与杂波相互独立的性质，能在源信号信息缺失的情形下，根据观测信号完成源信号恢复。相比于传统方法，盲源分离技术具有更低的最小可检测速度，以及更窄凹口的空域滤波性能。现有的利用盲源分离进行杂波抑制的应用多集中于医学超声成像领域，针对雷达地杂波抑制的应用较少。多输入多输出(MIMO)雷达于本世纪初由美国林肯实验室首次提出，是将通信系统中的多输入多输出技术与数字阵列技术相结合而形成的新体制雷达。MIMO雷达采用波形分集技术，使其在改善系统的测角精度、最小可检测速度、杂波抑制等方面相比传统相控阵有优势。多普勒频分复用(DDMA)技术，通过对各通道的慢时间初相进行调制，使得各通道发射信号位于不同的多普勒载频，从而实现正交发射。DDMA波形正交性好，对低速目标探测具有天然优势，同时实现简单，为后续杂波抑制算法奠定基础。
本发明的基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，采用MIMO雷达体制，发射多普勒正交频分复用(DDMA)波形，并采用基于矩阵联合近似对角化的盲源分离方法，对各个速度通道实现目标与杂波的分离，实现低空慢速目标的有效探测，能够解决现有地基MIMO雷达地杂波抑制技术在低空慢速目标探测场景下，杂波抑制效果差的问题。
本发明基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，流程示意图如图1所示，包括如下步骤：
步骤S1，初始化目标参数和杂波参数，所述目标参数包括目标距离、目标速度、目标角度和目标信噪比；所述杂波参数包括杂波中心频率、杂波谱宽、杂波入射角度和杂波杂噪比。其中，目标入射方向为阵列法向，杂波入射方向按距离段划分为若干入射方向(即将1个脉冲重复时间内的杂波单元分为若干距离段产生，假设同一距离段内杂波的入射角度相同，不同的距离段，杂波具有不同的入射角度，保证杂波具有多距离段离散化性质)。
步骤S2，根据步骤1所设目标参数和杂波参数，得到目标发射导向矢量、杂波发射导向矢量以及DDMA初相矩阵；
利用目标发射导向矢量和杂波发射导向矢量结合DDMA初相矩阵对各通道发射信号进行多普勒频率调制，生成目标发射信号矩阵St和杂波发射信号矩阵；
将杂波发射信号矩阵与高斯噪声做卷积，得到杂波回波矩阵C1；
步骤S3，根据目标接收导向矢量构造矩阵wt，生成目标接收信号矩阵Sr＝wtSt；根据杂波接收导向矢量构造矩阵wc，生成杂波接收信号矩阵Cr＝wcC1；
步骤S4，将目标与杂波在雷达接收端进行叠加合成，得到合成信号矩阵E＝Sr+Cr；
步骤S5，对合成信号矩阵E进行脉冲-多普勒处理，得到各收发(TR)通道的RD平面并提取各通道RD平面中目标所在速度通道；
步骤S6，将上一步提取的速度通道作为输入矩阵，采用基于高阶累积量的矩阵联合近似对角化的盲源分离方法JADE，对输入观测矩阵进行目标与杂波的分离，具体包括如下步骤：
步骤S61，对输入观测矩阵X(t)计算自协方差矩阵RX＝E{X(t)X(t)T}，根据自协方差矩阵特征分解结果构造白化矩阵W；
步骤S62，使用白化矩阵W对输入观测矩阵X(t)进行预白化，得到白化后矩阵Z(t)，Z(t)＝WX(t)；
对白化后矩阵Z(t)求四阶统计量Qz(M)，M为任意矩阵，对Qz(M)进行特征分解，得到酉矩阵U，进而得到分离信号为Y(t)＝UHZ(t)，上标H表示共轭转置。
具体地，目标发射信号采用DDMA正交波形，对于L个发射通道，每个通道发射相同调制up(t)，不同起始相位的波形。第l个通道发射的波形序列是慢时间m的函数，选择起始相位/>使第l个天线的发射信号为：/>其中，f0为载频，Tr为脉冲重复周期；αl为第l个通道的瞬时多普勒频率。DDMA波形将整个多普勒域划分成N个等宽信道，使得每个信道的中心位于αl，/>PRF为脉冲重复频率。以这种方式建立多普勒域正交信道，得到目标发射信号St。
根据所设参数，构造DDMA初相矩阵P对杂波信号矩阵C0慢时间初相调制，即杂波发射信号矩阵C＝PC0，使得杂波发射信号位于不同的多普勒载频；
杂波发射信号矩阵C与参考信号矩阵Sf(已知的雷达发射信号)在快时间维进行卷积，得到杂波回波信号矩阵C1＝C*Sf。
其中，杂波序列生成采用多普勒分布杂波(DDC)模型方法，确定杂波的谱模型：
式中，f为杂波频率，Pc为杂波的功率；σf为杂波频谱的标准偏差带宽；fd为杂波谱中心位置。
根据功率谱与自相关函数为傅里叶变换对，求得相应自相关函数r(τ)，
利用r(τ)得到杂波的协方差矩阵R，进而求得杂波信号矩阵其中，N0是高斯白噪声矩阵。
下面给出在仿真目标与实测杂波数据情况下，利用本发明进行杂波抑制的实例：
实测数据的雷达探测区域为城市复杂环境，场景中有较强的地物杂波。实验所采用的S波段MIMO阵列为6阵元稀疏非均匀阵列，阵列口径0.5m，波束宽度6°。雷达部署于海拔高度40m的楼顶，阵列法向指向水平面上方45°。在检测低空飞行的无人机时，波束指向大多调整为[30°～45°]这一区间。
由图2可以看出，实际城市环境中的地杂波强度高，且分布复杂多变，严重影响了雷达对低空慢速目标的探测。为验证本发明的效果，在实际杂波数据中加入一仿真的悬停无人机目标。无人机目标的距离、速度、俯仰角度分别为：5594m，0m/s，4°，目标信杂噪比分别取-10dB、0dB。取目标所在速度通道，目标附近100个距离单元作为盲源分离的输入矩阵，盲源分离的输出结果与传统DBF的输出结果对比如图3、图4所示。可以看出，无人机径向速度为0，处于地杂波谱宽内，且被地杂波淹没，传统MTI、MTD处理无法有效检测。同时，无人机回波入射角度与地杂波入射角度都处于雷达波束主瓣内，传统DBF方法无法实现目标与杂波在空域上的有效区分。使用本发明所提方法可实现目标与杂波的有效分离，当目标输入信杂噪比分别为-10dB、0dB时，经盲源分离后，输出信杂噪比分别为10dB、20dB，目标信杂噪比得到显著改善，可被有效检测。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于DDMA与盲源分离的地基MIMO雷达地杂波抑制方法，其特征在于，包括如下步骤：
步骤S1，初始化目标参数和杂波参数，所述目标参数包括目标距离、目标速度、目标角度和目标信噪比；所述杂波参数包括杂波中心频率、杂波谱宽、杂波入射角度和杂波杂噪比；其中，目标入射方向为阵列法向，杂波入射方向按距离段划分为若干入射方向；
步骤S2，根据步骤1所设目标参数和杂波参数，得到目标发射导向矢量、杂波发射导向矢量以及DDMA初相矩阵；
利用目标发射导向矢量和杂波发射导向矢量结合DDMA初相矩阵对各通道发射信号进行多普勒频率调制，生成目标发射信号矩阵St和杂波发射信号矩阵C；
将杂波发射信号矩阵C与参考信号矩阵Sf在快时间维进行卷积，得到杂波回波矩阵C1；所述参考信号为已知的雷达发射信号；
步骤S3，根据目标接收导向矢量构造矩阵wt，生成目标接收信号矩阵Sr＝wtSt；根据杂波接收导向矢量构造矩阵wc，生成杂波接收信号矩阵Cr＝wcC1；
步骤S4，将目标与杂波在雷达接收端进行叠加合成，得到合成信号矩阵E＝Sr+Cr；
步骤S5，对合成信号矩阵E进行脉冲-多普勒处理，得到各收发通道的RD平面并提取各通道RD平面中目标所在速度通道；
步骤S6，将提取的速度通道作为输入观测矩阵，采用基于四阶累积量的矩阵联合近似对角化的盲源分离方法JADE，对输入观测矩阵进行目标与杂波的分离。
2.如权利要求1所述的方法，其特征在于，所述步骤S6具体包括如下步骤：
步骤S61，对输入矩阵计算自协方差矩阵；
根据自协方差矩阵特征分解结果构造白化矩阵；
步骤S62，使用白化矩阵对输入观测矩阵进行预白化，得到白化后矩阵Z(t)，Z(t)＝WX(t)，其中，W为白化矩阵，X(t)为输入观测矩阵，t表示时间；
对白化后矩阵Z(t)求四阶统计量Qz(M)，其中，M为任意矩阵，对Qz(M)进行特征分解，得到酉矩阵U，进而得到分离信号为Y(t)＝UHZ(t)，上标H表示共轭转置。
3.如权利要求1或2所述的方法，其特征在于，所述步骤S2中，所述杂波发射信号矩阵的获得方式为：DDMA初相矩阵对杂波信号矩阵C0进行慢时间初相调制，得到杂波发射信号矩阵C，使得杂波发射信号位于不同的多普勒载频。
4.如权利要求3所述的方法，其特征在于，DDMA初相矩阵对杂波信号矩阵进行慢时间初相调制的具体方式为：C＝PC0，P为根据所设参数构造的DDMA初相矩阵，C0为杂波信号矩阵。
5.如权利要求3所述的方法，其特征在于，所述杂波信号矩阵C0获得方式为：
确定杂波的谱模型：
式中，f为杂波频率，Pc为杂波的功率，σf为杂波频谱的标准偏差带宽，fd为杂波谱中心位置；
根据功率谱与自相关函数为傅里叶变换对，求得相应自相关函数r(τ)：
利用r(τ)得到杂波的协方差矩阵R，进而求得杂波信号矩阵其中，N0是高斯白噪声矩阵。
6.如权利要求4所述的方法，其特征在于，所述杂波信号矩阵C0获得方式为：
确定杂波的谱模型：
式中，f为杂波频率，Pc为杂波的功率，σf为杂波频谱的标准偏差带宽，fd为杂波谱中心位置；
根据功率谱与自相关函数为傅里叶变换对，求得相应自相关函数r(τ)：
利用r(τ)得到杂波的协方差矩阵R，进而求得杂波信号矩阵其中，N0是高斯白噪声矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111144726.9A CN113917424B (zh) | 2021-09-28 | 2021-09-28 | 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111144726.9A CN113917424B (zh) | 2021-09-28 | 2021-09-28 | 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113917424A CN113917424A (zh) | 2022-01-11 |
| CN113917424B true CN113917424B (zh) | 2024-04-16 |
Family
ID=79236864
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111144726.9A Active CN113917424B (zh) | 2021-09-28 | 2021-09-28 | 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113917424B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116256743B (zh) * | 2023-05-16 | 2023-08-04 | 南京慧尔视智能科技有限公司 | 一种运动目标的检测方法、装置、电子设备和存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103353592A (zh) * | 2013-06-19 | 2013-10-16 | 西安电子科技大学 | 基于mimo的双基地雷达多通道联合降维杂波抑制方法 |
| CN110082744A (zh) * | 2019-04-24 | 2019-08-02 | 西安电子科技大学 | 多普勒分级复用的mimo机载双基雷达杂波抑制方法 |
| CN111880171A (zh) * | 2020-07-07 | 2020-11-03 | 西安电子科技大学 | 一种消除雷达目标盲速的脉冲分段编码方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10025890B2 (en) * | 2014-07-11 | 2018-07-17 | Advanced Testing Technologies, Inc. | Phase noise simulation model for pulse doppler radar target detection |
-
2021
- 2021-09-28 CN CN202111144726.9A patent/CN113917424B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103353592A (zh) * | 2013-06-19 | 2013-10-16 | 西安电子科技大学 | 基于mimo的双基地雷达多通道联合降维杂波抑制方法 |
| CN110082744A (zh) * | 2019-04-24 | 2019-08-02 | 西安电子科技大学 | 多普勒分级复用的mimo机载双基雷达杂波抑制方法 |
| CN111880171A (zh) * | 2020-07-07 | 2020-11-03 | 西安电子科技大学 | 一种消除雷达目标盲速的脉冲分段编码方法 |
Non-Patent Citations (2)
| Title |
|---|
| 临近空间MIMO STAP阵列优化和正交编码分集研究;李伟;禄乐滨;张辉;王兴亮;张群;;信号处理;20130425(第04期);全文 * |
| 前视阵FDA-MIMO雷达距离模糊杂波抑制方法;徐义正;廖桂生;许京伟;王成浩;;系统工程与电子技术;20181116(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113917424A (zh) | 2022-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110412559B (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
| CN108693511B (zh) | 时分复用mimo雷达的运动目标角度计算方法 | |
| CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
| US7038618B2 (en) | Method and apparatus for performing bistatic radar functions | |
| CN107703490A (zh) | 基于fda‑mimo雷达的距离模糊杂波抑制方法 | |
| CN110109117B (zh) | 基于频控阵的星载合成孔径雷达卷积调制干扰方法 | |
| CN111220955B (zh) | 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法 | |
| CN109765529B (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
| Riddolls et al. | Canadian HF over-the-horizon radar experiments using MIMO techniques to control auroral clutter | |
| CN111736126B (zh) | 一种基于低成本安防雷达的信号处理方法 | |
| CN103983952A (zh) | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 | |
| CN110967692A (zh) | 一种成像方法 | |
| Ji et al. | Target monitoring using small-aperture compact high-frequency surface wave radar | |
| CN113917424B (zh) | 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法 | |
| CN110940953A (zh) | 地波雷达海杂波中目标的三维检测方法 | |
| Yang et al. | Practical investigation of a MIMO radar system for small drones detection | |
| CN108872947B (zh) | 一种基于子空间技术的海杂波抑制方法 | |
| Bacci et al. | Joint STAP-ISAR for non-cooperative target imaging in strong clutter | |
| CN110879017B (zh) | 一种基于dbf的弹载探测装置 | |
| CN115575921B (zh) | 一种基于俯仰向多通道多干扰基压制干扰抑制方法 | |
| CN110824473A (zh) | 一种基于子空间的高分辨宽测绘带sar-gmti杂波抑制方法 | |
| Lesturgie | Improvement of high-frequency surface waves radar performances by use of multiple-input multiple-output configurations | |
| Mecca et al. | Slow-time MIMO spacetime adaptive processing | |
| CN103576157A (zh) | 一种基于多维波形编码的合成孔径声纳成像方法及系统 | |
| Wan et al. | A range-Doppler-angle estimation method for passive bistatic radar |
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 |