CN114935737B - 基于多脉冲关联的分布式阵列相参参数估计方法和装置 - Google Patents

基于多脉冲关联的分布式阵列相参参数估计方法和装置 Download PDF

Info

Publication number
CN114935737B
CN114935737B CN202210874659.4A CN202210874659A CN114935737B CN 114935737 B CN114935737 B CN 114935737B CN 202210874659 A CN202210874659 A CN 202210874659A CN 114935737 B CN114935737 B CN 114935737B
Authority
CN
China
Prior art keywords
estimation
echo
coherent
parameters
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.)
Active
Application number
CN202210874659.4A
Other languages
English (en)
Other versions
CN114935737A (zh
Inventor
杨琪
王元昊
王宏强
刘康
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.)
National University of Defense Technology
Original Assignee
National University of Defense 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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202210874659.4A priority Critical patent/CN114935737B/zh
Publication of CN114935737A publication Critical patent/CN114935737A/zh
Application granted granted Critical
Publication of CN114935737B publication Critical patent/CN114935737B/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
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • 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
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • 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
    • G01S7/40—Means for monitoring or calibrating
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请涉及一种基于多脉冲关联的分布式阵列相参参数估计方法和装置，属于分布式阵列信号处理技术领域。所述方法包括：根据分布式阵列系统接收回波信号，对回波信号进行匹配滤波处理，得到回波矩阵；根据能量聚焦算法对回波矩阵进行增强处理，得到增强回波矩阵；根据峰值估计算法对增强回波矩阵进行粗估计，得到粗估计相参参数；根据最小梯度连接算法和多项式拟合对粗估计相参参数进行精估计，得到精估计相参参数。采用本方法能够通过对相参参数先进行粗略估计，后进行精细化估计的联合估计方案，进一步减少相参参数估计的随机误差，提高了低信噪比条件下相参参数的估计精度。

Description

基于多脉冲关联的分布式阵列相参参数估计方法和装置
技术领域
本申请涉及分布式阵列信号处理技术领域，特别是涉及一种基于多脉冲关联的分布式阵列相参参数估计方法和装置。
背景技术
近年来，支持独立无线系统间通信的无线技术取得了巨大进步，使得分布式系统的协作级别可以达到新的高度，从大型、单平台无线系统到较小、协调的集合平台为无线运营带来了巨大的好处，尤其是在通信、遥感和其他无线领域应用。特别是当分布式无线同步在射频级别的节点协调组成系统，其在可扩展性、空间适应性、恶化和干扰的鲁棒性以及降低成本上具有重要意义，此类系统称为分布式射频系统、分布式阵列（Distributed PhasedArray, DPA）等。当前分布式阵列凭借其独特的信噪比提升优势，正逐渐成为未来阵列主要的发展方向，理论上具有
Figure 198803DEST_PATH_IMAGE001
个节点的分布式阵列可以获得
Figure 319206DEST_PATH_IMAGE002
倍的回波信噪比增益。但是由于各种去相参因素的存在，如时间同步、频率同步、相位同步、时延同步等，分布式阵列各节点间并不能直接相参合成，首先应实现时频同步，然后还需要对各节点的收发参数进行一定调节，主要是各个单元节点之间的收发时延差和相位差，这一调节参数称为相参参数（Coherent parameters, CPs），来使各节点之间信号相参，实现对各节点能量域和空域资源的综合利用，提升系统整体工作能力。目前，相参参数估计的难点和热点主要是动目标情况下参数估计和低信噪比情况下的参数估计问题，如何实现低信噪比环境下动目标的相参合成是推动分布式相参雷达走向实际应用的关键一招。
发明内容
基于此，有必要针对上述技术问题，提供一种能够实现低信噪比条件下分布式阵列相参参数获取的基于多脉冲关联的分布式阵列相参参数估计方法和装置。
一种基于多脉冲关联的分布式阵列相参参数估计方法，所述方法包括：
根据分布式阵列系统接收回波信号，对回波信号进行匹配滤波处理，得到回波矩阵；
根据能量聚焦算法对回波矩阵进行增强处理，得到增强回波矩阵；
根据峰值估计算法对增强回波矩阵进行粗估计，得到粗估计相参参数；
根据最小梯度连接算法和多项式拟合对粗估计相参参数进行精估计，得到精估计相参参数。
在其中一个实施例中，根据分布式阵列系统接收回波信号，包括：
根据包括多个节点雷达的分布式阵列系统接收回波信号，表示为
Figure 567785DEST_PATH_IMAGE003
其中，
Figure 182568DEST_PATH_IMAGE004
表示第
Figure 465782DEST_PATH_IMAGE005
个节点雷达接收的回波信号，
Figure 757086DEST_PATH_IMAGE006
表示节点雷达的总数，
Figure 492961DEST_PATH_IMAGE007
表示快时间，
Figure 409970DEST_PATH_IMAGE008
表示目标散射系数，
Figure 547690DEST_PATH_IMAGE009
表示第
Figure 275475DEST_PATH_IMAGE010
个节点雷达发射的基带信号，
Figure 233066DEST_PATH_IMAGE011
表示在第
Figure 186723DEST_PATH_IMAGE012
个脉冲发射时刻，目标与第
Figure 178949DEST_PATH_IMAGE013
个节点雷达的径向距离，
Figure 77635DEST_PATH_IMAGE014
表示在第
Figure 788102DEST_PATH_IMAGE015
个脉冲发射时刻，目标与第
Figure 781335DEST_PATH_IMAGE016
个节点雷达的径向距离，
Figure 159227DEST_PATH_IMAGE017
表示噪声，
Figure 963235DEST_PATH_IMAGE018
表示雷达载频，
Figure 160998DEST_PATH_IMAGE019
表示光速，j表示虚数单位。
在其中一个实施例中，对回波信号进行匹配滤波处理，得到回波矩阵，包括：
对第
Figure 974233DEST_PATH_IMAGE020
个节点雷达接收的回波信号
Figure 691784DEST_PATH_IMAGE021
进行匹配滤波处理，分离得到多个回波矩阵，其中，第
Figure 197852DEST_PATH_IMAGE020
个节点雷达的分离出的第
Figure 617332DEST_PATH_IMAGE022
个节点雷达的回波矩阵表示为
Figure 968679DEST_PATH_IMAGE023
其中，
Figure 790004DEST_PATH_IMAGE024
是
Figure 450662DEST_PATH_IMAGE025
的自相关函数，
Figure 357438DEST_PATH_IMAGE026
为采样频率，
Figure 246897DEST_PATH_IMAGE027
是总采样点数，即
Figure 188308DEST_PATH_IMAGE028
，且当
Figure 518402DEST_PATH_IMAGE029
时，
Figure 178053DEST_PATH_IMAGE030
取最大值，L表示处理的脉冲总数目，
Figure 871202DEST_PATH_IMAGE031
是
Figure 667120DEST_PATH_IMAGE032
的共轭函数。
在其中一个实施例中，根据能量聚焦算法对回波矩阵进行增强处理，得到增强回波矩阵，包括：
根据回波信号的期望估计回波信号的信噪比，得到估计信噪比；
根据估计信噪比进行自适应网格划分，根据网格对回波矩阵进行能量聚焦，得到增强回波矩阵。
在其中一个实施例中，根据回波信号的期望对回波信号的信噪比进行估计，得到估计信噪比，包括：
根据回波信号的期望对回波信号的信噪比进行估计，得到估计信噪比，表示为
Figure 420313DEST_PATH_IMAGE033
其中，
Figure 550948DEST_PATH_IMAGE034
表示有目标的回波信号的期望，
Figure 47789DEST_PATH_IMAGE035
表示无目标的回波信号的期望。
在其中一个实施例中，根据估计信噪比进行自适应网格划分，根据网格对回波矩阵进行能量聚焦，得到增强回波矩阵，包括：
根据估计信噪比进行自适应网格划分，网格的划分长度为
Figure 432634DEST_PATH_IMAGE036
其中，
Figure 841881DEST_PATH_IMAGE037
表示向上取整；
根据网格对回波矩阵进行能量聚焦，得到增强回波矩阵
Figure 476124DEST_PATH_IMAGE038
，
Figure 511076DEST_PATH_IMAGE039
，
Figure 281586DEST_PATH_IMAGE040
表示取整，
Figure 376581DEST_PATH_IMAGE041
表示整数域。
在其中一个实施例中，根据峰值估计算法对增强回波矩阵进行粗估计，得到粗估计相参参数，包括：
定义增强回波矩阵
Figure 481809DEST_PATH_IMAGE042
在
Figure 586032DEST_PATH_IMAGE043
时刻对应的行最大值所在采样单元序号为
Figure 945469DEST_PATH_IMAGE044
，对
Figure 476944DEST_PATH_IMAGE045
所在采样单元进行取相位处理，得到粗估计相位相参参数，表示为
Figure 554622DEST_PATH_IMAGE046
其中，
Figure 462535DEST_PATH_IMAGE047
表示取相位操作，
Figure 689861DEST_PATH_IMAGE048
为采样频率，N表示节点雷达的总数，C表示网格的划分长度。
在其中一个实施例中，根据最小梯度连接算法和多项式拟合对粗估计相参参数进行精估计，得到精估计相参参数，包括：
根据最小梯度连接算法对粗估计相位相参参数进行修正，得到修正相位相参参数；
根据多项式拟合对修正相位相参参数进行拟合，得到精估计相参参数。
在其中一个实施例中，根据最小梯度连接算法对粗估计相位相参参数进行修正，得到修正相位相参参数，包括：
根据最小梯度连接算法对粗估计相位相参参数进行梯度估计，得到粗估计相位相参参数的梯度变化范围，表示为
Figure 392237DEST_PATH_IMAGE049
其中，
Figure 222790DEST_PATH_IMAGE050
表示相邻脉冲间隔时间，
Figure 403236DEST_PATH_IMAGE051
表示不同节点雷达和目标的径向速度之差的最大值，
Figure 737265DEST_PATH_IMAGE052
表示k时刻粗估计相位相参参数的梯度，
Figure 859811DEST_PATH_IMAGE053
表示k-1时刻粗估计相位相参参数的梯度，
Figure 177660DEST_PATH_IMAGE054
表示雷达载频，
Figure 896217DEST_PATH_IMAGE055
表示光速；
根据梯度变化范围剔除粗估计相位相参参数中的异常值，得到修正相位相参参数。
一种基于多脉冲关联的分布式阵列相参参数估计装置，所述装置包括：
回波获取模块，用于根据分布式阵列系统接收回波信号，对回波信号进行匹配滤波处理，得到回波矩阵；
回波增强模块，用于根据能量聚焦算法对回波矩阵进行增强处理，得到增强回波矩阵；
粗估计模块，用于根据峰值估计算法对增强回波矩阵进行粗估计，得到粗估计相参参数；
精估计模块，用于根据最小梯度连接算法和多项式拟合对粗估计相参参数进行精估计，得到精估计相参参数。
上述基于多脉冲关联的分布式阵列相参参数估计方法和装置，首先对回波信号通过匹配滤波进行分离，对分离后的回波信号采取能量聚焦处理，从而剔除离群回波信号并进一步增加有效回波的能量；然后根据峰值估计算法对经过能量聚焦算法处理的增强回波矩阵进行粗估计，减少相参参数估计的随机误差；利用最小梯度连接方法对粗估计相参参数中的异常相参参数进行剔除，进一步减少相参参数估计的随机误差，然后进一步采用多项式拟合手段实现相参参数滤波，提高了低信噪比条件下相参参数的估计精度。相较于现有技术，本发明提供了一种基于多脉冲关联的分布式阵列相参参数估计方法和装置，通过对相参参数先进行粗略估计，后进行精细化估计的联合估计方案，提高了低信噪比条件下相参参数的估计精度，可拓展性强，应用场景更为广泛。
附图说明
图1为一个实施例基于多脉冲关联的分布式阵列相参参数估计方法的流程示意图；
图2为一个实施例中能量聚焦算法的示意图；
图3为另一个实施例中基于多脉冲关联的动平台分布式阵列相参参数估计方法的流程示意图；
图4为一个实施例中在单脉冲信噪比=0时不同方法得到的相位相参参数估计值的对比图；
图5为一个实施例中不同方法得到的相位相参参数估计值的均方误差对比图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于多脉冲关联的分布式阵列相参参数估计方法，包括以下步骤：
步骤102，根据分布式阵列系统接收回波信号，对所述回波信号进行匹配滤波处理，得到回波矩阵。
可以理解，分布式阵列系统由多个节点雷达构成，将多个节点雷达接收的回波信号通过匹配滤波处理进行分离，可以有效降低信号中的噪声影响，提高信噪比，满足相参参数的估计需要较高的信噪比的要求。
步骤104，根据能量聚焦算法对所述回波矩阵进行增强处理，得到增强回波矩阵。
可以理解，对分离后的回波采取能量聚焦处理，主要包括信噪比估计、自适应网格划分以及能量积累，从而剔除回波信号中的离群值，并进一步增加有效回波信号的能量。
步骤106，根据峰值估计算法对所述增强回波矩阵进行粗估计，得到粗估计相参参数。
可以理解，通过简单的峰值估计算法对经过能量聚焦算法处理的增强回波矩阵进行粗估计，减少相参参数估计的随机误差。
步骤108，根据最小梯度连接算法和多项式拟合对所述粗估计相参参数进行精估计，得到精估计相参参数。
可以理解，利用最小梯度连接方法对粗估计得到的异常相参参数进行剔除，进一步减少相参参数估计的随机误差，然后进一步采用多项式拟合手段实现相参参数滤波，提高了低信噪比条件下相参参数的估计精度。
上述基于多脉冲关联的分布式阵列相参参数估计方法，首先对回波信号通过匹配滤波进行分离，对分离后的回波信号采取能量聚焦处理，从而剔除离群回波信号并进一步增加有效回波的能量；然后根据峰值估计算法对经过能量聚焦算法处理的增强回波矩阵进行粗估计，减少相参参数估计的随机误差；利用最小梯度连接方法对粗估计相参参数中的异常相参参数进行剔除，进一步减少相参参数估计的随机误差，然后进一步采用多项式拟合手段实现相参参数滤波，提高了低信噪比条件下相参参数的估计精度。相较于现有技术，本发明提供了一种基于多脉冲关联的分布式阵列相参参数估计方法，通过对相参参数先进行粗略估计，后进行精细化估计的联合估计方案，提高了低信噪比条件下相参参数的估计精度，可拓展性强，应用场景更为广泛。
在其中一个实施例中，首先明确回波信号模型，根据包括多个节点雷达的分布式阵列系统接收回波信号，其中，节点雷达收到的回波信号经下变频后可以表示为
Figure 615911DEST_PATH_IMAGE056
其中，
Figure 394511DEST_PATH_IMAGE057
表示第
Figure 199656DEST_PATH_IMAGE058
个节点雷达接收的回波信号，
Figure 738216DEST_PATH_IMAGE059
表示节点雷达的总数，
Figure 46838DEST_PATH_IMAGE060
表示快时间，
Figure 261918DEST_PATH_IMAGE061
表示目标散射系数，
Figure 288780DEST_PATH_IMAGE062
表示第
Figure 614719DEST_PATH_IMAGE063
个节点雷达发射的基带信号，且不同节点雷达发射的基带信号之间是正交的，
Figure 43427DEST_PATH_IMAGE064
表示在第
Figure 413097DEST_PATH_IMAGE065
个脉冲发射时刻，目标与第
Figure 192834DEST_PATH_IMAGE066
个节点雷达的径向距离，
Figure 56885DEST_PATH_IMAGE067
表示在第
Figure 340099DEST_PATH_IMAGE068
个脉冲发射时刻，目标与第
Figure 162561DEST_PATH_IMAGE069
个节点雷达的径向距离，
Figure 646239DEST_PATH_IMAGE070
表示噪声，
Figure 313981DEST_PATH_IMAGE071
表示雷达载频，
Figure 451701DEST_PATH_IMAGE072
表示光速，j表示虚数单位。
在其中一个实施例中，对第
Figure 179485DEST_PATH_IMAGE073
个节点雷达接收的回波
Figure 668236DEST_PATH_IMAGE074
进行匹配滤波处理，分离得到
Figure 123357DEST_PATH_IMAGE075
个回波矩阵，其中，第
Figure 381163DEST_PATH_IMAGE076
个节点雷达的分离出的第
Figure 279848DEST_PATH_IMAGE077
个节点雷达的回波矩阵表示为
Figure 990315DEST_PATH_IMAGE078
其中，
Figure 999860DEST_PATH_IMAGE079
是
Figure 377752DEST_PATH_IMAGE080
的自相关函数
Figure 932492DEST_PATH_IMAGE081
为采样频率，P是总采样点数，即
Figure 395834DEST_PATH_IMAGE082
，且当
Figure 943490DEST_PATH_IMAGE083
时，
Figure 175888DEST_PATH_IMAGE084
取最大值，L表示处理的脉冲总数目，
Figure 150798DEST_PATH_IMAGE085
是
Figure 350704DEST_PATH_IMAGE086
的共轭函数。
可以理解，在低信噪比下，回波矩阵中的
Figure 702051DEST_PATH_IMAGE087
的最大值不一定发生在
Figure 788955DEST_PATH_IMAGE088
处，会影响相参参数的准确估计，但考虑到噪声
Figure 200345DEST_PATH_IMAGE089
通常是满足高斯分布的，也就是说回波矩阵相邻几个脉冲的最大值的取值除受
Figure 372701DEST_PATH_IMAGE090
影响外变化是不规律的，通过一定的统计特性可以降低噪声的影响，得到
Figure 527738DEST_PATH_IMAGE091
更准确的估计值。
在其中一个实施例中，根据如图2所示的能量聚焦算法对回波矩阵进行增强处理，得到增强回波矩阵，包括：根据回波信号的期望估计回波信号的信噪比，得到估计信噪比；根据估计信噪比进行自适应网格划分，根据网格对回波矩阵进行能量聚焦，得到增强回波矩阵。
可以理解，虽然在低信噪比条件下，因噪声影响可能会使得回波矩阵的峰值点位置发生偏移，但因噪声产生的峰值点与真实值峰值点造成的周边能量分布是不同的，如图2颜色最深区域代表实际得到的峰值点位置，受噪声影响可能分布在理论峰值点之外，但是在理论峰值点周围的区域能量较高，如图2中颜色较深区域表示，但是当信噪比较高时便无需进行额外的网格划分操作，因此在低信噪比条件下，首先要对回波信号的信噪比进行估计。
在其中一个实施例中，根据回波信号的期望对回波信号的信噪比进行估计，得到估计信噪比，表示为
Figure 216952DEST_PATH_IMAGE092
其中，
Figure 533664DEST_PATH_IMAGE093
表示有目标的回波信号的期望，
Figure 927736DEST_PATH_IMAGE094
表示无目标的回波信号的期望。
在其中一个实施例中，根据估计信噪比进行自适应网格划分，网格的划分长度为
Figure 620886DEST_PATH_IMAGE095
其中，
Figure 931650DEST_PATH_IMAGE096
表示向上取整；
根据网格对回波矩阵进行能量聚焦，得到增强回波矩阵
Figure 684843DEST_PATH_IMAGE097
，
Figure 566211DEST_PATH_IMAGE098
，
Figure 63051DEST_PATH_IMAGE099
表示取整，
Figure 713476DEST_PATH_IMAGE100
表示整数域。
具体地，增强回波矩阵
Figure 388302DEST_PATH_IMAGE101
的指定位置
Figure 22545DEST_PATH_IMAGE102
可以表示为
Figure 323077DEST_PATH_IMAGE103
。
可以理解，通过估计信噪比进行自适应网格划分可以集中能量聚焦网格中一部分区域的总能量来寻找回波矩阵的峰值点，可有效提升回波矩阵峰值点的准确性。
在其中一个实施例中，根据峰值估计算法对增强回波矩阵进行粗估计，得到粗估计相参参数，包括：
定义增强回波矩阵
Figure 828007DEST_PATH_IMAGE104
在
Figure 923002DEST_PATH_IMAGE105
时刻对应的行最大值所在采样单元序号为
Figure 293810DEST_PATH_IMAGE106
，对
Figure 132453DEST_PATH_IMAGE107
所在采样单元进行取相位处理，得到粗估计相位相参参数，表示为
Figure 757469DEST_PATH_IMAGE108
其中，
Figure 288945DEST_PATH_IMAGE109
表示取相位操作，
Figure 366622DEST_PATH_IMAGE110
为采样频率，N表示节点雷达的总数，C表示网格的划分长度。
具体地，在进行相位相参参数的粗估计的同时，还需要通过峰值估计算法估计得到粗估计时间相参参数，表示为
Figure 274535DEST_PATH_IMAGE111
。
在其中一个实施例中，根据最小梯度连接算法和多项式拟合对粗估计相参参数进行精估计，得到精估计相参参数，包括：
根据最小梯度连接算法对粗估计相位相参参数
Figure 501861DEST_PATH_IMAGE112
进行修正，得到修正相位相参参数
Figure 204238DEST_PATH_IMAGE113
；
根据多项式拟合对修正相位相参参数
Figure 34790DEST_PATH_IMAGE114
进行拟合，得到精估计相参参数，表示为
Figure 949657DEST_PATH_IMAGE115
具体地，代入序列
Figure 814845DEST_PATH_IMAGE116
，并通过最小二乘方法求得系数
Figure 688123DEST_PATH_IMAGE117
，
Figure 989660DEST_PATH_IMAGE118
，
Figure 973796DEST_PATH_IMAGE119
和
Figure 427911DEST_PATH_IMAGE120
，最终得到精估计相参参数
Figure 472091DEST_PATH_IMAGE121
。
可以理解，由于目标运动导致的相参参数的变化是缓慢的，因此相参参数的梯度应该在0附近，而对于梯度变化较大的情况，是因噪声导致相参参数估计出现了较大偏差。所以，为进一步减少相参参数估计的随机误差，还需要根据最小梯度连接算法对粗估计相位相参参数进行修正，从而提高相参参数估计的精度。
可以理解，由于相位相参参数的变化在给定目标和各个雷达的相对运动速度后可以进行泰勒展开，所以可以采用多项式拟合手段实现相参参数滤波，提高了低信噪比条件下相参参数的估计精度。
在其中一个实施例中，根据最小梯度连接算法对粗估计相位相参参数进行修正，得到修正相位相参参数，包括：
根据最小梯度连接算法对粗估计相位相参参数进行梯度估计，得到粗估计相位相参参数的梯度变化范围，表示为
Figure 11657DEST_PATH_IMAGE122
其中，
Figure 550216DEST_PATH_IMAGE123
表示相邻脉冲间隔时间，
Figure 858838DEST_PATH_IMAGE124
表示不同节点雷达和目标的径向速度之差的最大值，
Figure 73919DEST_PATH_IMAGE125
表示k时刻粗估计相位相参参数的梯度，
Figure 100781DEST_PATH_IMAGE126
表示k-1时刻粗估计相位相参参数的梯度，
Figure 426720DEST_PATH_IMAGE127
表示雷达载频，
Figure 855427DEST_PATH_IMAGE128
表示光速；
根据梯度变化范围剔除粗估计相位相参参数中的异常值，得到修正相位相参参数
Figure 225097DEST_PATH_IMAGE129
。
具体地，在根据最小梯度连接算法对粗估计相位相参参数进行梯度估计的同时，还要根据最小梯度连接算法对粗估计时间相参参数进行梯度估计，得到粗估计时间相参参数的变化范围为
Figure 4834DEST_PATH_IMAGE130
根据不同节点雷达和目标的径向速度之差的最大值
Figure 868885DEST_PATH_IMAGE131
，得到粗估计时间相参参数的梯度变化范围为
Figure 152099DEST_PATH_IMAGE132
，但在实际上，由于分布式阵列分布距离相对雷达和目标的距离而言属于非常小量，所以在一定时间内相参参数的变化近似可以忽略不计。
可以理解，根据最小梯度连接算法可以剔除粗估计相参参数中不符合约束的相参参数，并且由于在得到粗估计相参参数之前进行了能量聚焦处理，真实的时间相参参数和相位相参参数的变化上限应分别为
Figure 974562DEST_PATH_IMAGE133
和
Figure 294177DEST_PATH_IMAGE134
。
得到的修正相位相参参数是经过修正和解缠处理的相位相参参数，因为相邻两次脉冲间相位相参参数的变化量不会超过
Figure 961918DEST_PATH_IMAGE135
，所以可以实现无模糊解缠。
为进一步验证本发明所提方法的有益效果，在一个实施例中，根据如图3所示的基于多脉冲关联的动平台分布式阵列相参参数估计方法的流程进行了模拟验证，并设计验证仿真参数为如表1所示。根据表1所示的验证仿真参数，在单脉冲信噪比为0时，将本发明所提方法和与已有方法得到的相位相参参数估计值进行了比较，比较结果如图4所示，此外，还将本发明所提方法和与已有方法得到的相位相参参数估计值的均方误差进行了比较，比较结果如图5所示，其中，已有方法包括峰值法，互相关法和直接多脉冲法。由图4和图5可知，相比于现有技术，本发明所提方法得到的相位相参参数估计值更接近真实值所在曲线，本发明所提方法得到的相位相参参数估计值的均方误差也小于已有方法，有效证明了本发明所提的基于多脉冲关联的分布式阵列相参参数估计方法通过对相参参数先进行粗略估计，后进行精细化估计的联合估计方案，提高了低信噪比条件下相参参数的估计精度。
表1 验证仿真参数
Figure 99639DEST_PATH_IMAGE136
应该理解的是，虽然图1和图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1和图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，提供了基于多脉冲关联的分布式阵列相参参数估计装置，包括：回波获取模块、回波增强模块，粗估计模块和精估计模块，其中：
回波获取模块，用于根据分布式阵列系统接收回波信号，对回波信号进行匹配滤波处理，得到回波矩阵。
可以理解，分布式阵列系统由多个节点雷达构成，将多个节点雷达接收的回波信号通过匹配滤波处理进行分离，可以有效降低信号中的噪声影响，提高信噪比，满足相参参数的估计需要较高的信噪比的要求。
回波增强模块，用于根据能量聚焦算法对回波矩阵进行增强处理，得到增强回波矩阵。
可以理解，对分离后的回波采取能量聚焦处理，主要包括信噪比估计、自适应网格划分以及能量积累，从而剔除回波信号中的离群值，并进一步增加有效回波信号的能量。
粗估计模块，用于根据峰值估计算法对增强回波矩阵进行粗估计，得到粗估计相参参数。
可以理解，通过简单的峰值估计算法对经过能量聚焦算法处理的增强回波矩阵进行粗估计，减少相参参数估计的随机误差。
精估计模块，用于根据最小梯度连接算法和多项式拟合对粗估计相参参数进行精估计，得到精估计相参参数。
可以理解，利用最小梯度连接方法对粗估计得到的异常相参参数进行剔除，进一步减少相参参数估计的随机误差，然后进一步采用多项式拟合手段实现相参参数滤波，提高了低信噪比条件下相参参数的估计精度。
关于基于多脉冲关联的分布式阵列相参参数估计装置的具体限定可以参见上文中对于基于多脉冲关联的分布式阵列相参参数估计方法的限定，在此不再赘述。上述基于多脉冲关联的分布式阵列相参参数估计装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于多脉冲关联的分布式阵列相参参数估计方法，其特征在于，所述方法包括：
根据分布式阵列系统接收回波信号，对所述回波信号进行匹配滤波处理，得到回波矩阵；
根据能量聚焦算法对所述回波矩阵进行增强处理，得到增强回波矩阵；
根据峰值估计算法对所述增强回波矩阵进行粗估计，得到粗估计相参参数；
根据最小梯度连接算法和多项式拟合对所述粗估计相参参数进行精估计，得到精估计相参参数；
根据最小梯度连接算法和多项式拟合对所述粗估计相参参数进行精估计，得到精估计相参参数，包括：
根据最小梯度连接算法对粗估计相位相参参数进行修正，得到修正相位相参参数；
根据多项式拟合对所述修正相位相参参数进行拟合，得到所述精估计相参参数；
根据最小梯度连接算法对所述粗估计相位相参参数进行修正，得到修正相位相参参数，包括：
根据最小梯度连接算法对所述粗估计相位相参参数进行梯度估计，得到所述粗估计相位相参参数的梯度变化范围，表示为
Figure 939022DEST_PATH_IMAGE001
其中，
Figure 799706DEST_PATH_IMAGE002
表示相邻脉冲间隔时间，
Figure 811525DEST_PATH_IMAGE003
表示不同节点雷达和目标的径向速度之差的最大值，
Figure 369545DEST_PATH_IMAGE004
表示k时刻粗估计相位相参参数的梯度，
Figure 757801DEST_PATH_IMAGE005
表示k-1时刻粗估计相位相参参数的梯度，
Figure 983246DEST_PATH_IMAGE006
表示雷达载频，
Figure 900386DEST_PATH_IMAGE007
表示光速；
根据所述梯度变化范围剔除所述粗估计相位相参参数中的异常值，得到所述修正相位相参参数。
2.根据权利要求1所述的方法，其特征在于，根据分布式阵列系统接收回波信号，包括：
根据包括多个节点雷达的分布式阵列系统接收所述回波信号，表示为
Figure 476861DEST_PATH_IMAGE008
其中，
Figure 137650DEST_PATH_IMAGE009
表示第i个节点雷达接收的所述回波信号，N表示节点雷达的总数，
Figure 217601DEST_PATH_IMAGE010
表示快时间，
Figure 571222DEST_PATH_IMAGE011
表示目标散射系数，
Figure 870879DEST_PATH_IMAGE012
表示第n个节点雷达发射的基带信号，
Figure 335358DEST_PATH_IMAGE013
表示在第k个脉冲发射时刻，目标与第i个节点雷达的径向距离，
Figure 269816DEST_PATH_IMAGE014
表示在第k个脉冲发射时刻，目标与第n个节点雷达的径向距离，
Figure 794338DEST_PATH_IMAGE015
表示噪声，
Figure 79826DEST_PATH_IMAGE016
表示雷达载频，
Figure 82417DEST_PATH_IMAGE017
表示光速，j表示虚数单位。
3.根据权利要求2所述的方法，其特征在于，对所述回波信号进行匹配滤波处理，得到回波矩阵，包括：
对第i个节点雷达接收的所述回波信号
Figure 136961DEST_PATH_IMAGE018
进行匹配滤波处理，分离得到多个所述回波矩阵，其中，第i个节点雷达的分离出的第n个节点雷达的回波矩阵表示为
Figure 832384DEST_PATH_IMAGE019
其中，
Figure 339589DEST_PATH_IMAGE020
是
Figure 145871DEST_PATH_IMAGE021
的自相关函数，
Figure 821965DEST_PATH_IMAGE022
为采样频率，P是总采样点数，即
Figure 422711DEST_PATH_IMAGE023
，且当
Figure 682791DEST_PATH_IMAGE024
时，
Figure 27185DEST_PATH_IMAGE025
取最大值，L表示处理的脉冲总数目，
Figure 56321DEST_PATH_IMAGE026
是
Figure 827968DEST_PATH_IMAGE027
的共轭函数。
4.根据权利要求1至3任意一项所述的方法，其特征在于，根据能量聚焦算法对所述回波矩阵进行增强处理，得到增强回波矩阵，包括：
根据所述回波信号的期望对所述回波信号的信噪比进行估计，得到估计信噪比；
根据所述估计信噪比进行自适应网格划分，根据所述网格对所述回波矩阵进行能量聚焦，得到所述增强回波矩阵。
5.根据权利要求4所述的方法，其特征在于，根据所述回波信号的期望对所述回波信号的信噪比进行估计，得到估计信噪比，包括：
根据所述回波信号的期望估计所述回波信号的信噪比，得到估计信噪比，表示为
Figure 575344DEST_PATH_IMAGE028
其中，
Figure 723428DEST_PATH_IMAGE029
表示有目标的所述回波信号的期望，
Figure 607071DEST_PATH_IMAGE030
表示无目标的所述回波信号的期望。
6.根据权利要求5所述的方法，其特征在于，根据所述估计信噪比自适应划分网格，根据所述网格对所述回波矩阵进行能量聚焦，得到所述增强回波矩阵，包括：
根据所述估计信噪比自适应划分网格，所述网格的划分长度为
Figure 815198DEST_PATH_IMAGE031
其中，
Figure 784291DEST_PATH_IMAGE032
表示向上取整；
根据所述网格对所述回波矩阵进行能量聚焦，得到所述增强回波矩阵
Figure 971952DEST_PATH_IMAGE033
，
Figure 975680DEST_PATH_IMAGE034
，
Figure 89130DEST_PATH_IMAGE035
表示取整，
Figure 545519DEST_PATH_IMAGE036
表示整数域。
7.根据权利要求6所述的方法，其特征在于，根据峰值估计算法对所述增强回波矩阵进行粗估计，得到粗估计相参参数，包括：
定义所述增强回波矩阵
Figure 35406DEST_PATH_IMAGE033
在k时刻对应的行最大值所在采样单元序号为
Figure 893641DEST_PATH_IMAGE037
，对所述
Figure 443571DEST_PATH_IMAGE038
所在采样单元进行取相位处理，得到粗估计相位相参参数，表示为
Figure 121677DEST_PATH_IMAGE039
其中，
Figure 415255DEST_PATH_IMAGE040
表示取相位操作，
Figure 862417DEST_PATH_IMAGE041
为采样频率，N表示节点雷达的总数，C表示所述网格的划分长度。
8.一种基于多脉冲关联的分布式阵列相参参数估计装置，其特征在于，所述装置包括：
回波获取模块，用于根据分布式阵列系统接收回波信号，对所述回波信号进行匹配滤波处理，得到回波矩阵；
回波增强模块，用于根据能量聚焦算法对所述回波矩阵进行增强处理，得到增强回波矩阵；
粗估计模块，用于根据峰值估计算法对所述增强回波矩阵进行粗估计，得到粗估计相参参数；
精估计模块，用于根据最小梯度连接算法和多项式拟合对所述粗估计相参参数进行精估计，得到精估计相参参数；
根据最小梯度连接算法和多项式拟合对所述粗估计相参参数进行精估计，得到精估计相参参数，包括：
根据最小梯度连接算法对粗估计相位相参参数进行修正，得到修正相位相参参数；
根据多项式拟合对所述修正相位相参参数进行拟合，得到所述精估计相参参数；
根据最小梯度连接算法对所述粗估计相位相参参数进行修正，得到修正相位相参参数，包括：
根据最小梯度连接算法对所述粗估计相位相参参数进行梯度估计，得到所述粗估计相位相参参数的梯度变化范围，表示为
Figure 848827DEST_PATH_IMAGE042
其中，
Figure 515694DEST_PATH_IMAGE043
表示相邻脉冲间隔时间，
Figure 612963DEST_PATH_IMAGE044
表示不同节点雷达和目标的径向速度之差的最大值，
Figure 914632DEST_PATH_IMAGE045
表示k时刻粗估计相位相参参数的梯度，
Figure 71943DEST_PATH_IMAGE046
表示k-1时刻粗估计相位相参参数的梯度，
Figure 724642DEST_PATH_IMAGE047
表示雷达载频，
Figure 94443DEST_PATH_IMAGE048
表示光速；
根据所述梯度变化范围剔除所述粗估计相位相参参数中的异常值，得到所述修正相位相参参数。
CN202210874659.4A 2022-07-25 2022-07-25 基于多脉冲关联的分布式阵列相参参数估计方法和装置 Active CN114935737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210874659.4A CN114935737B (zh) 2022-07-25 2022-07-25 基于多脉冲关联的分布式阵列相参参数估计方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210874659.4A CN114935737B (zh) 2022-07-25 2022-07-25 基于多脉冲关联的分布式阵列相参参数估计方法和装置

Publications (2)

Publication Number Publication Date
CN114935737A CN114935737A (zh) 2022-08-23
CN114935737B true CN114935737B (zh) 2022-10-21

Family

ID=82868690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210874659.4A Active CN114935737B (zh) 2022-07-25 2022-07-25 基于多脉冲关联的分布式阵列相参参数估计方法和装置

Country Status (1)

Country Link
CN (1) CN114935737B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8044846B1 (en) * 2007-11-29 2011-10-25 Lockheed Martin Corporation Method for deblurring radar range-doppler images
CN108693509A (zh) * 2018-04-08 2018-10-23 中国人民解放军海军航空大学 频控阵雷达空距频聚焦动目标积累检测方法
CN109507669A (zh) * 2018-12-26 2019-03-22 西安电子科技大学 基于相参累积的地面微弱运动目标参数估计方法
CN110545086A (zh) * 2019-09-06 2019-12-06 广东石油化工学院 一种利用全局优化的变压器振声信号滤波方法和系统
CN110907910A (zh) * 2019-11-27 2020-03-24 中国船舶重工集团公司第七二四研究所 一种分布式相参雷达动目标回波相参合成方法
CN112859075A (zh) * 2021-01-14 2021-05-28 中国人民解放军陆军工程大学 多频带isar融合高分辨成像方法
CN112882012A (zh) * 2021-01-12 2021-06-01 西安电子科技大学 基于信噪比匹配与回波增强的雷达目标噪声稳健识别方法
CN113900099A (zh) * 2021-09-03 2022-01-07 东南大学 稀疏孔径isar机动目标成像与定标方法
CN114371461A (zh) * 2022-03-21 2022-04-19 中国人民解放军国防科技大学 基于相参参数分离的分布式相参雷达相参参数获取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11522576B2 (en) * 2018-08-07 2022-12-06 Nestwave Sas Indoor and outdoor geolocation and time of arrival estimation using wireless signals

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8044846B1 (en) * 2007-11-29 2011-10-25 Lockheed Martin Corporation Method for deblurring radar range-doppler images
CN108693509A (zh) * 2018-04-08 2018-10-23 中国人民解放军海军航空大学 频控阵雷达空距频聚焦动目标积累检测方法
CN109507669A (zh) * 2018-12-26 2019-03-22 西安电子科技大学 基于相参累积的地面微弱运动目标参数估计方法
CN110545086A (zh) * 2019-09-06 2019-12-06 广东石油化工学院 一种利用全局优化的变压器振声信号滤波方法和系统
CN110907910A (zh) * 2019-11-27 2020-03-24 中国船舶重工集团公司第七二四研究所 一种分布式相参雷达动目标回波相参合成方法
CN112882012A (zh) * 2021-01-12 2021-06-01 西安电子科技大学 基于信噪比匹配与回波增强的雷达目标噪声稳健识别方法
CN112859075A (zh) * 2021-01-14 2021-05-28 中国人民解放军陆军工程大学 多频带isar融合高分辨成像方法
CN113900099A (zh) * 2021-09-03 2022-01-07 东南大学 稀疏孔径isar机动目标成像与定标方法
CN114371461A (zh) * 2022-03-21 2022-04-19 中国人民解放军国防科技大学 基于相参参数分离的分布式相参雷达相参参数获取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A coherent parameter calibration method for distributed array radar;Bi Haixia 等;《2017 IEEE 17th International Conference on Communication Technology (ICCT)》;20180517;第1093-1097页 *
分布式相参雷达多脉冲积累相参参数估计方法;王雪琦 等;《太赫兹科学与电子信息学报》;20201231;第18卷(第6期);第1003-1007页 *

Also Published As

Publication number Publication date
CN114935737A (zh) 2022-08-23

Similar Documents

Publication Publication Date Title
CN108387876B (zh) 基于ctls的外辐射源雷达网双基距误差配准方法
CN103018727A (zh) 一种基于样本训练的机载雷达非平稳杂波抑制方法
WO2010042757A1 (en) Gaussian model adaptive processing in the time domain
CN107340515B (zh) 基于分布式组网雷达系统的目标定位资源分配方法
CN113376601B (zh) 基于clean算法的捷变频雷达旁瓣抑制方法
CN105044680B (zh) 多峰值低多普勒旁瓣的相位编码信号设计方法
CN110954860B (zh) 一种doa和极化参数估计方法
CN107102305B (zh) 一种杂波环境下稳健的认知雷达发射接收联合设计方法
CN104155653B (zh) 一种基于特征距离子空间的sar后向投影成像方法
CN116148829A (zh) 一种基于非合作外辐射源的多基雷达定位方法
CN114935737B (zh) 基于多脉冲关联的分布式阵列相参参数估计方法和装置
CN112014807B (zh) 一种频率捷变雷达的自适应杂波抑制方法
CN112505665B (zh) 适用于部分均匀混响环境的空时自适应检测方法及系统
CN112910533B (zh) 一种具有并行结构的宽带信号组阵系统
CN102508265A (zh) 基于信号分离估计理论的卫星导航信号多径干扰抑制方法
CN109633613B (zh) 一种高超声速平台联合脉冲压缩和弹速补偿的fpga实现方法
CN113267756B (zh) 天基雷达空间运动目标检测和参数估计方法及系统
CN110967686B (zh) 一种相位编码信号生成方法及系统
CN115616628A (zh) 基于角跟踪环路的gnss天线阵接收机盲波束形成方法
CN115882881A (zh) 一种强干扰下阵列天线时分系统初始角度搜索方法和终端
CN109239688B (zh) 一种基于fpga实现的高效多普勒滤波器组
Ni et al. Fast direct-position-determination based on PSO
CN108132460B (zh) 基于频域通道均衡的脉冲压缩补偿算法
CN108490401B (zh) 一种频率步进相位编码信号的旁瓣抑制方法
CN113671477B (zh) 一种基于图信号处理的雷达目标距离估计方法

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