CN114527444B - 基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 - Google Patents
基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 Download PDFInfo
- Publication number
- CN114527444B CN114527444B CN202210432658.4A CN202210432658A CN114527444B CN 114527444 B CN114527444 B CN 114527444B CN 202210432658 A CN202210432658 A CN 202210432658A CN 114527444 B CN114527444 B CN 114527444B
- Authority
- CN
- China
- Prior art keywords
- space
- clutter
- time
- matrix
- array
- 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
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
- 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
-
- 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
- G01S7/42—Diversity systems specially adapted for radar
-
- 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
Abstract
本发明公开了一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,包括,步骤1:针对机载MIMO雷达回波数据,利用空时滑窗处理估计杂波功率;步骤2:结合空时等效阵列形式和步骤1估计的杂波功率计算矩阵G;步骤3:根据空时等效阵列形式计算空时采样矩阵B;步骤4:利用步骤2和3的结果构造杂波噪声协方差矩阵;步骤5:利用回波数据估计杂波噪声协方差矩阵;步骤6:根据步骤4和5的结果形成最终的杂波噪声协方差矩阵;步骤7:根据步骤6的结果形成空时自适应权值,并进行杂波抑制处理。
Description
技术领域
本发明属于信号处理技术领域,更具体地,涉及一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法。
背景技术
MIMO雷达是将无线通信系统中的多输入多输出技术引入到雷达领域,并和数字阵列技术相结合的一种新体制雷达。MIMO雷达的概念于2003年由美国林肯实验室的Bliss和Forsythe首次提出。MIMO 雷达中多输入通常指多个阵元同时发射非相干的波形,多输出指多个阵元同时接收,用匹配滤波器组来分离回波信号中的各发射分量。相反,传统相控阵雷达多个阵元同时发射相同的波形,在空间合成一个发射信号,因此可看作为单输入多输出雷达,即SIMO。根据发射阵元和接收阵元的间距大小,可将MIMO雷达分为分布式MIMO雷达(或统计MIMO雷达)和集中式MIMO雷达(或相干MIMO雷达)两类。分布式MIMO雷达中收发天线各阵元相距较远,使得各阵元可分别从不同的视角观察目标,可获得空间分集得益,克服目标RCS闪烁效应,提高雷达目标探测性能。集中式MIMO雷达中收发天线各阵元相距较近,对目标的视角近似相同,每个阵元发射不同的信号波形,从而获得波形分集得益。集中式MIMO雷达可以产生大的虚拟孔径,提高雷达的空间分辨率。本发明的研究对象是集中式MIMO体制机载雷达,简称为机载MIMO雷达。
传统的降维STAP方法和降秩STAP方法同样适用于机载MIMO雷达,但是存在两方面问题:一是采用MIMO体制后由于波形分集导致杂波自由度显著增大,杂波抑制更具挑战性;二是系统自由度的增加导致运算量和样本需求量增大。因此,如何在降低运算量和样本需求的同时确保杂波抑制性能是机载MIMO雷达需解决的关键技术之一。KA-STAP方法是一种利用数字地形图、地表覆盖数据和人工道路与建筑物位置信息等先验知识增强传统STAP收敛性的方法。KA-STAP方法分为两类:一是间接利用先验知识,通过先验知识对训练样本进行选取,以保证选取的训练样本满足独立同分布条件;二是直接利用先验知识,将利用回波数据估计出的杂波协方差矩阵和通过先验知识构造的杂波协方差矩阵相结合,通过先验知识对估计的杂波协方差矩阵进行适当修正。当先验知识存在误差时,KA-STAP方法的杂波抑制性能改善有限。
因此,急需发明一种有效的基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,以提高机载MIMO雷达对运动目标的检测性能。
发明内容
为此,本发明提供一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,用以克服现有技术中存在的问题。
为实现上述目的,本发明提供一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,包括如下步骤,
步骤1:针对机载MIMO雷达回波数据,利用空时滑窗处理估计杂波功率;
步骤2:结合空时等效阵列形式和步骤1估计的杂波功率计算矩阵G;
步骤3:根据空时等效阵列形式计算空时采样矩阵B;
步骤4:利用步骤2和3的结果构造杂波噪声协方差矩阵R 1 ;
步骤5:利用回波数据估计杂波噪声协方差矩阵R 2 ;
步骤6:根据步骤4和5的结果形成最终的杂波噪声协方差矩阵R;
步骤7:根据步骤6的结果形成空时自适应权值,并进行杂波抑制处理;
设定所述机载MIMO雷达发射天线包含M个阵元,阵元间距为d t,接收天线包含N个阵元,阵元间距为d r,杂波自由度为r c,距离模糊次数为N r,发射阵元间距与接收阵元间距比为γ,归一化多普勒频率与空间频率比为β,相参处理脉冲数为K。
进一步地,所述步骤1中利用空时滑窗处理得到待检测距离单元回波对应的空时杂波谱为
其中表示空时滑窗后子孔径级空时导向矢量,表示通过空时滑窗后的数据估计得到的杂波协方差矩阵,M 1、N 1和K 1分别表示发射空域、接收空域和时域子孔径长度,表示取共轭转置,对上述杂波谱在空时平面上求平均后得到杂波功率估计值,数学表达式为
进一步地,在所述步骤2中,当空时等效阵列为均匀线阵时,各独立采样点的位置位于半波长的整数倍处,此时
其中sinc(·)表示辛格函数,矩阵G的维数为r c×r c,u=1,2,…,r c,v=1,2,…,r c,φ l 表示第l个距离单元对应的俯仰角,λ表示雷达工作波长;
当空时等效阵列为密集非均匀阵时,对空时等效阵列中等效阵元间距小于半波长的阵元进行凝聚处理,此时
当空时等效阵列为稀疏非均匀阵时,将各独立采样点的位置选取为等效阵元位置,矩阵G的求取方式同式(4)。
进一步地,在所述步骤3中,当空时等效阵列为均匀线阵和密集非均匀阵时,空时采样矩阵B的各元素为
其中m=1,2,…,M,n=1,2,…,N,k=1,2,…,K;
当空时等效阵列为稀疏非均匀阵时,矩阵B为由维数为MN×MN的矩阵A组成的块对角矩阵,其形式为
其中矩阵A的各元素为
进一步地,在所述步骤4中,利用步骤2和3的结果构造杂波噪声协方差矩阵为
其中σ 2表示噪声功率,I表示维数为MNK×MNK的单位矩阵。
进一步地,在所述步骤5中,利用回波数据估计杂波噪声协方差矩阵为
其中X l 表示第l个距离单元的机载MIMO雷达回波数据,L表示训练样本数目。
进一步地,在所述步骤6中,根据步骤4和5的结果形成最终的杂波噪声协方差矩阵为
进一步地,在所述步骤7中,形成的空时自适应权值为
其中X表示机载MIMO雷达回波数据。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有如下有益效果:
(1)本发明通过提供一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,首先利用杂波自由度信息和系统参数分别形成空时采样矩阵B和杂波子空间矩阵G,基于待检测单元数据通过空时滑窗处理估计杂波功率,从而构造得到杂波噪声协方差矩阵;其次利用少量训练样本数据估计杂波噪声协方差矩阵;再次将构造得到的杂波噪声协方差矩阵与利用少量训练样本数据估计的杂波噪声协方差矩阵相结合,增强方法的稳健性;最后形成空时自适应权值,完成杂波抑制处理,提高了机载MIMO雷达的运动目标检测性能。
(2)本发明当β为整数时不需要训练样本,仅通过待检测单元数据即可完成对杂波噪声协方差矩阵的构造,因此适用于极端非均匀杂波环境;
(3)本发明当β为非整数且在均匀杂波环境下时,本发明仅需要少量训练样本即可实现快速收敛;
(4)本发明同时利用了系统参数信息和回波数据,具有强的稳健性;
(5)本发明的空时采样矩阵和独立采样点位置可离线计算,因此运算量显著降低,尤其适用于高系统自由度的MIMO体制机载雷达。
附图说明
图1为本发明所述基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法的结构框图;
图2为本发明所述基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1-2所示,本发明通过提供一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,包括如下步骤:
步骤1:针对机载MIMO雷达回波数据,利用空时滑窗处理估计杂波功率;
杂波功率估计单元利用空时滑窗处理得到待检测距离单元回波对应的空时杂波谱为
其中表示空时滑窗后子孔径级空时导向矢量,表示通过空时滑窗后的数据估计得到的杂波协方差矩阵,M 1、N 1和K 1分别表示发射空域、接收空域和时域子孔径长度,表示取共轭转置,对上述杂波谱在空时平面上求平均后得到杂波功率估计值,数学表达式为
步骤2:结合空时等效阵列形式和步骤1估计的杂波功率计算矩阵G;
矩阵G计算单元中当空时等效阵列为均匀线阵时,各独立采样点的位置位于半波长的整数倍处,此时
其中sinc(·)表示辛格函数,矩阵G的维数为r c×r c,u=1,2,…,r c,v=1,2,…,r c,φ l 表示第l个距离单元对应的俯仰角,λ表示雷达工作波长;
当空时等效阵列为密集非均匀阵时,对空时等效阵列中等效阵元间距小于半波长的阵元进行凝聚处理,此时
当空时等效阵列为稀疏非均匀阵时,将各独立采样点的位置选取为等效阵元位置,矩阵G的求取方式同式(4)。
步骤3:根据空时等效阵列形式计算空时采样矩阵B;
空时采样矩阵B单元中当空时等效阵列为均匀线阵和密集非均匀阵时,空时采样矩阵B的各元素为
其中m=1,2,…,M,n=1,2,…,N,k=1,2,…,K;
当空时等效阵列为稀疏非均匀阵时,矩阵B为由维数为MN×MN的矩阵A组成的块对角矩阵,其形式为
其中矩阵A的各元素为
步骤4:利用步骤2和3的结果构造杂波噪声协方差矩阵;
杂波噪声协方差矩阵构造单元利用步骤2和3的结果构造杂波噪声协方差矩阵为
其中σ 2表示噪声功率,I表示维数为MNK×MNK的单位矩阵。
步骤5:利用回波数据估计杂波噪声协方差矩阵;
杂波噪声协方差矩阵估计单元利用回波数据估计杂波噪声协方差矩阵为
其中X l 表示第l个距离单元的机载MIMO雷达回波数据,L表示训练样本数目。
步骤6:根据步骤4和5的结果形成最终的杂波噪声协方差矩阵;
最终杂波噪声协方差矩阵计算单元根据步骤4和5的结果形成最终的杂波噪声协方差矩阵为
步骤7:根据步骤6的结果形成空时自适应权值,并进行杂波抑制处理;
杂波抑制处理单元形成的空时自适应权值为
其中X表示机载MIMO雷达回波数据。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,其特征在于,包括如下步骤,
步骤1:针对机载MIMO雷达回波数据,利用空时滑窗处理估计杂波功率;
步骤2:结合空时等效阵列形式和步骤1估计的杂波功率计算矩阵G;
步骤3:根据空时等效阵列形式计算空时采样矩阵B;当空时等效阵列为均匀线阵和密集非均匀阵时,空时采样矩阵B的各元素为
其中m=1,2,…,M,n=1,2,…,N,k=1,2,…,K;
当空时等效阵列为稀疏非均匀阵时,矩阵B为由维数为MN×MN的矩阵A组成的块对角矩阵,其形式为
其中矩阵A的各元素为
步骤4:利用步骤2和3的结果构造杂波噪声协方差矩阵R 1 ;
步骤5:利用回波数据估计杂波噪声协方差矩阵R 2 ;
步骤6:根据步骤4和5的结果形成最终的杂波噪声协方差矩阵R;
步骤7:根据步骤6的结果形成空时自适应权值,并进行杂波抑制处理;
设定所述机载MIMO雷达发射天线包含M个阵元,阵元间距为d t,接收天线包含N个阵元,阵元间距为d r,杂波自由度为r c,距离模糊次数为N r,发射阵元间距与接收阵元间距比为γ,归一化多普勒频率与空间频率比为β,相参处理脉冲数为K。
3.根据权利要求1所述的基于空时采样矩阵的机载MIMO雷达自适应杂波抑制方法,其特征在于,在所述步骤2中,当空时等效阵列为均匀线阵时,各独立采样点的位置位于半波长的整数倍处,此时
其中sinc(·)表示辛格函数,矩阵G的维数为r c×r c,u=1,2,…,r c,v=1,2,…,r c,φ l 表示第l个距离单元对应的俯仰角,λ表示雷达工作波长;
当空时等效阵列为密集非均匀阵时,对空时等效阵列中等效阵元间距小于半波长的阵元进行凝聚处理,此时
当空时等效阵列为稀疏非均匀阵时,将各独立采样点的位置选取为等效阵元位置,矩阵G的求取方式同式(4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432658.4A CN114527444B (zh) | 2022-04-24 | 2022-04-24 | 基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432658.4A CN114527444B (zh) | 2022-04-24 | 2022-04-24 | 基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114527444A CN114527444A (zh) | 2022-05-24 |
CN114527444B true CN114527444B (zh) | 2022-07-15 |
Family
ID=81628286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210432658.4A Active CN114527444B (zh) | 2022-04-24 | 2022-04-24 | 基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114527444B (zh) |
Citations (9)
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 |
CN103954942A (zh) * | 2014-04-25 | 2014-07-30 | 西安电子科技大学 | 机载mimo雷达三维波束空间的部分联合杂波抑制方法 |
CN104345301A (zh) * | 2014-11-05 | 2015-02-11 | 西安电子科技大学 | 机载mimo雷达非自适应杂波预滤波空时二维对消方法 |
CN107490788A (zh) * | 2016-06-13 | 2017-12-19 | 中国人民解放军空军预警学院 | 一种适于mimo机载雷达非平稳杂波抑制的空时自适应处理方法 |
CN107703490A (zh) * | 2017-09-29 | 2018-02-16 | 西安电子科技大学 | 基于fda‑mimo雷达的距离模糊杂波抑制方法 |
WO2018045567A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种基于存在测量误差的阵列流形先验知识的稳健stap方法 |
CN109324315A (zh) * | 2018-11-26 | 2019-02-12 | 清华大学 | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 |
CN111474526A (zh) * | 2020-04-24 | 2020-07-31 | 成都航空职业技术学院 | 一种机载stap杂波协方差矩阵的快速重建方法 |
US10895635B1 (en) * | 2020-08-14 | 2021-01-19 | King Abdulaziz University | Method of processing waveforms at a multiple-input-multiple-output (MIMO) radar for an unknown target |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140266868A1 (en) * | 2013-03-15 | 2014-09-18 | Src, Inc. | Methods And Systems For Multiple Input Multiple Output Synthetic Aperture Radar Ground Moving Target Indicator |
-
2022
- 2022-04-24 CN CN202210432658.4A patent/CN114527444B/zh active Active
Patent Citations (9)
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 |
CN103954942A (zh) * | 2014-04-25 | 2014-07-30 | 西安电子科技大学 | 机载mimo雷达三维波束空间的部分联合杂波抑制方法 |
CN104345301A (zh) * | 2014-11-05 | 2015-02-11 | 西安电子科技大学 | 机载mimo雷达非自适应杂波预滤波空时二维对消方法 |
CN107490788A (zh) * | 2016-06-13 | 2017-12-19 | 中国人民解放军空军预警学院 | 一种适于mimo机载雷达非平稳杂波抑制的空时自适应处理方法 |
WO2018045567A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种基于存在测量误差的阵列流形先验知识的稳健stap方法 |
CN107703490A (zh) * | 2017-09-29 | 2018-02-16 | 西安电子科技大学 | 基于fda‑mimo雷达的距离模糊杂波抑制方法 |
CN109324315A (zh) * | 2018-11-26 | 2019-02-12 | 清华大学 | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 |
CN111474526A (zh) * | 2020-04-24 | 2020-07-31 | 成都航空职业技术学院 | 一种机载stap杂波协方差矩阵的快速重建方法 |
US10895635B1 (en) * | 2020-08-14 | 2021-01-19 | King Abdulaziz University | Method of processing waveforms at a multiple-input-multiple-output (MIMO) radar for an unknown target |
Non-Patent Citations (3)
Title |
---|
Non-stationary clutter suppression method for bistatic airborne radar based on adaptive segmentation and space–time compensation;Yuanyi Xiong 等;《IET Radar Sonar and Navigation》;20210507;第1001-1015页 * |
Range-Dependent Clutter Suppression for Airborne Sidelooking Radar using MIMO Technique;Jianxin Wu 等;《IEEE Transactions on Aerospace and Electronic Systems》;20121008;第48卷(第4期);第3647-3654页 * |
基于张量稀疏恢复的MIMO雷达杂波抑制方法;郭一帆 等;《系统工程与电子技术》;20171231;第39卷(第12期);第2677-2682页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114527444A (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110275166B (zh) | 基于admm的快速稀疏孔径isar自聚焦与成像方法 | |
CN110412568B (zh) | 基于扩展方位角相位编码的距离模糊杂波抑制方法 | |
CN109407055B (zh) | 基于多径利用的波束形成方法 | |
CN105445701B (zh) | Ddma‑mimo雷达目标的单脉冲角度估计方法 | |
CN109031231B (zh) | 雷达低空目标时间反演相干角度估计方法 | |
CN108710103B (zh) | 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN110412570B (zh) | 基于空间脉冲相位编码的hrws-sar成像方法 | |
CN112612005B (zh) | 基于深度学习的雷达抗主瓣干扰方法 | |
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 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
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 | |
CN110196417B (zh) | 基于发射能量集中的双基地mimo雷达角度估计方法 | |
Qi et al. | Time-frequency DOA estimation of chirp signals based on multi-subarray | |
CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
CN109061599B (zh) | 一种基于循环平稳和对称先验知识的stap方法 | |
CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
CN113376607A (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN114527444B (zh) | 基于空时采样矩阵的机载mimo雷达自适应杂波抑制方法 | |
CN115932824A (zh) | 一种基于多天线的fmcw雷达测距方法及系统 | |
CN114265058A (zh) | Mimo雷达目标测角方法、装置、电子设备及存储介质 | |
CN114152918A (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
Xiong et al. | Space time adaptive processing for airborne MIMO radar based on space time sampling matrix | |
CN108845298B (zh) | 基于杂波映射的自适应波束形成方法 | |
Feng et al. | Constained adaptive monopulse algorithm based on sub-array |
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 |