CN115015917B - 一种基于复数域杂波图先验信息的目标检测方法 - Google Patents
一种基于复数域杂波图先验信息的目标检测方法 Download PDFInfo
- Publication number
- CN115015917B CN115015917B CN202210182329.9A CN202210182329A CN115015917B CN 115015917 B CN115015917 B CN 115015917B CN 202210182329 A CN202210182329 A CN 202210182329A CN 115015917 B CN115015917 B CN 115015917B
- Authority
- CN
- China
- Prior art keywords
- echo signal
- target
- distribution
- radar
- distance
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000005070 sampling Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 23
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 238000002592 echocardiography Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035485 pulse pressure Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Abstract
本发明涉及一种基于复数域杂波图先验信息的目标检测方法，包括：获取雷达在环境感知阶段的回波信号数据，并按照距离‑方位‑多普勒通道存储回波信号数据，其中，回波信号数据存在一对一映射关系的采样单元；根据回波信号数据，拟合得到每一个采样单元对应的分布参数；获取雷达在检测阶段的目标回波信号，根据分布参数计算每个采样单元对应的目标回波信号与其在环境感知阶段的回波信号分布之间的分布距离；将分布距离与计算得到检测门限进行比较，根据比较结果判断是否存在目标；若未检测到目标，则根据目标回波信号，更新对应采样单元的分布参数。本发明方法，充分利用了回波的幅度和相位信息，在相同的虚警率下可明显提升杂波区的目标检测性能。
Description
技术领域
本发明属于雷达技术领域，具体涉及一种基于复数域杂波图先验信息的目标检测方法。
背景技术
战场监视雷达与其它战场侦察器材相比具有全天候，探测距离远，监视范围广的优点，因而成为一种得到广泛使用的战场侦察器材。但是在实际应用中，战场监视雷达周边的环境相当复杂，回波数据中往往包含较强的地物杂波，给慢速目标的检测带来了巨大的挑战。
传统自适应检测方法的信号处理流程如图1所示，一般是先对雷达的接收信号做脉压处理，之后进行杂波抑制，最后做恒虚警检测。而当目标的多普勒频移和杂波不可分时，采用先抑制后检测的处理方式，同样会对目标信号进行抑制，处于杂波区的小目标难以被检测到，导致目标检测的性能下降。即使对杂波区的多个多普勒通道建立超杂波图，而后对多个多普勒通道进行检测，依然需要较高的信杂比，但是在某些实际场景中，尤其目标的散射截面积很小的情形下，信杂比很难达到要求，同样会导致目标检测的性能下降。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于复数域杂波图先验信息的目标检测方法。本发明要解决的技术问题通过以下技术方案实现：
本发明提供了一种基于复数域杂波图先验信息的目标检测方法，包括：
步骤1：获取雷达在环境感知阶段的回波信号数据，并按照距离-方位-多普勒通道存储所述回波信号数据，其中，所述回波信号数据存在一对一映射关系的采样单元，该映射关系为从方位角到距离门一一映射，从距离门到多普勒通道一一映射；
步骤2：根据所述回波信号数据，拟合得到每一个所述采样单元对应的分布参数；
步骤3：获取雷达在检测阶段的目标回波信号，根据所述分布参数计算每个采样单元对应的所述目标回波信号与其在环境感知阶段的回波信号分布之间的分布距离；
步骤4：将所述分布距离与计算得到检测门限进行比较，根据比较结果判断是否存在目标；
步骤5：若未检测到目标，则根据所述目标回波信号，更新对应所述采样单元的分布参数。
在本发明的一个实施例中，雷达开机后，预设一段时间作为雷达的环境感知阶段，超过预设时间之后作为所述雷达的检测阶段。
在本发明的一个实施例中，所述步骤1包括：
步骤1.1：获取雷达在所述环境感知阶段采集的回波信号；
步骤1.2：对所述回波信号依次进行脉冲压缩和MTD处理，得到雷达在环境感知阶段的回波信号数据；
步骤1.3：将所述回波信号数据进行存储，其中，在所述环境感知阶段，雷达每一次观测的第i个方位角的第m个距离单元、第n个多普勒通道的所述回波信号数据记为x(i,mn)。
在本发明的一个实施例中，在所述步骤2中，
对于一个采样单元，其在环境感知阶段的回波信号数据为：
式中，x(i,mn)表示在环境感知阶段第i个方位角的第m个距离单元、第n个多普勒通道的回波信号数据，p表示雷达的第p次观测；
将该回波信号数据x(i,mn)展开，得到其实虚部数据矩阵：
X(i,mn)＝[Re(x(i,mn)),Im(x(i,mn))]；
式中，X(i,mn)表示回波信号数据x(i,mn)的实虚部数据矩阵，Re表示实部，Im表示虚部；
利用二维高斯分布对所述实虚部数据矩阵X(i,mn)进行拟合，根据二维高斯分布的极大似然估计结果，得到该采样单元对应的分布参数(μ,Σ)，其中，
式中，mean表示对矩阵X(i,mn)的行进行求均值的操作，μ表示拟合得到的二维高斯分布的均值，∑表示拟合得到的二维高斯分布的协方差矩阵。
在本发明的一个实施例中，在所述步骤3中，
在所述检测阶段，将雷达当前次观测的第i个方位角的第m个距离单元、第n个多普勒通道的所述目标回波信号记为xnew(i,mn)；
将该目标回波xnew(i,mn)的实、虚部展开为矩阵xnew(i,mn)：
xnew(i,mn)＝[Re(xnew(i,mn)),Im(xnew(i,mn))]；
按照下式计算该采样单元对应的所述目标回波信号分布与其在环境感知阶段的回波信号分布之间的分布距离T：
T＝(xnew(i,mn)-μ)Σ-1(xnew(i,mn)-μ)T。
在本发明的一个实施例中，所述步骤4包括：
按照下式计算得到所述检测门限：
式中，Tthres表示检测门限，Pfa表示虚警率；
将所述分布距离T与所述检测门限Tthres进行比较，若T≥Tthres，则表示检测到目标，否则，则表示未检测到目标。
在本发明的一个实施例中，所述步骤5包括：若未检测到目标，则按照下式对采样单元对应的分布参数进行更新，得到新的分布参数(μ′,Σ′)，其中，
与现有技术相比，本发明的有益效果在于：
本发明的基于复数域杂波图先验信息的目标检测方法，充分利用了回波的幅度和相位信息，对于数字阵列雷达，每次观测，波束照射到的区域相同，对于地杂波区所在区域的所有多普勒通道，对于同一个采样单元，多次观测的回波的相位具有一定的稳定性，在相同的虚警率下可明显提升杂波区的目标检测性能。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
图1是本发明实施例提供的传统的雷达信号处理流程图；
图2是本发明实施例提供的一种基于复数域杂波图先验信息的目标检测方法示意图；
图3是本发明实施例提供的一种基于复数域杂波图先验信息的目标检测方法流程图；
图4a是本发明实施例提供的传统方法的检测示意图；
图4b是本发明实施例提供的本发明方法的检测示意图；
图5a是本发明实施例提供的对目标1的检测概率对比图；
图5b是本发明实施例提供的对目标2的检测概率对比图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及具体实施方式，对依据本发明提出的一种基于复数域杂波图先验信息的目标检测方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效，在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明，可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解，然而所附附图仅是提供参考与说明之用，并非用来对本发明的技术方案加以限制。
实施例一
请结合参见图2和图3，图2是本发明实施例提供的一种基于复数域杂波图先验信息的目标检测方法示意图；图3是本发明实施例提供的一种基于复数域杂波图先验信息的目标检测方法流程图。如图所示，本实施例的基于复数域杂波图先验信息的目标检测方法，其特征在于，包括：
步骤1：获取雷达在环境感知阶段的回波信号数据，并按照距离-方位-多普勒通道存储回波信号数据，其中，回波信号数据存在一对一映射关系的采样单元，该映射关系为从方位角到距离门一一映射，从距离门到多普勒通道一一映射；
在本实施例中，雷达开机后，预设一段时间作为雷达的环境感知阶段，超过预设时间之后作为雷达的检测阶段。
需要说明的是，在环境感知阶段，收集的样本数目满足要求即可，考虑协方差矩阵的维度，至少需要2*维度＝4个样本，样本数越多，分布参数估计越准确。
具体地，步骤1包括：
步骤1.1：获取雷达在环境感知阶段采集的回波信号；
步骤1.2：对回波信号依次进行脉冲压缩和MTD(动目标检测)处理，得到雷达在环境感知阶段的回波信号数据；
步骤1.3：将回波信号数据进行存储，其中，在环境感知阶段，雷达每一次观测的第i个方位角的第m个距离单元、第n个多普勒通道的回波信号数据记为x(i,mn)。
步骤2：根据回波信号数据，拟合得到每一个采样单元对应的分布参数；
具体地，在步骤2中，
对于一个采样单元，其在环境感知阶段的回波信号数据为：
式中，x(i,mn)表示在环境感知阶段第i个方位角的第m个距离单元、第n个多普勒通道的回波信号数据，p表示雷达的第p次观测；
进一步地，根据采集到的回波信号数据x(i,mn)，拟合得到其对应的分布参数包括：
步骤a)：将该回波信号数据x(i,mn)展开，得到其实虚部数据矩阵：
X(i,mn)＝[Re(x(i,mn)),Im(x(i,mn))] (2)；
式中，X(i,mn)表示回波信号数据x(i,mn)的实虚部数据矩阵，Re表示实部，Im表示虚部；
步骤b)：利用二维高斯分布对实虚部数据矩阵X(i,mn)进行拟合，根据二维高斯分布的极大似然估计结果，得到该采样单元对应的分布参数(μ,Σ)，其中，
式中，mean表示求对矩阵X(i,mn)的行进行求均值的操作，μ表示拟合得到的二维高斯分布的均值，∑表示拟合得到的二维高斯分布的协方差矩阵。
在本实施例中，按照上述步骤拟合得到每一个采样单元对应的分布参数(μ,Σ)。
步骤3：获取雷达在检测阶段的目标回波信号，根据分布参数计算每个采样单元对应的目标回波信号与其在环境感知阶段的回波信号分布之间的分布距离；
具体地，在步骤3中，
在检测阶段，将雷达当前次观测的第i个方位角的第m个距离单元、第n个多普勒通道的目标回波信号记为xnew(i,mn)；
进一步地，对于第i个方位角的第m个距离单元、第n个多普勒通道的采样单元的目标回波信号xnew(i,mn)的分布距离计算，具体步骤如下：
步骤a)：将该目标回波xnew(i,mn)的实、虚部展开为矩阵xnew(i,mn)：
步骤b)：按照公式(5)计算该采样单元对应的目标回波信号分布与其在环境感知阶段的回波信号分布之间的分布距离T：
T＝(xnew(i,mn)-μ)Σ-1(xnew(i,mn)-μ)T (5)。
在本实施例中，在检测阶段，对于雷达的当前次观测得到的目标回波信号，按照上述步骤计算得到每一个采样单元对应的分布距离T。
步骤4：将分布距离与计算得到检测门限进行比较，根据比较结果判断是否存在目标；
具体地，步骤4包括：
步骤4.1：按照公式(6)计算得到检测门限：
式中，Tthres表示检测门限，Pfa表示虚警率，虚警率Pfa是在雷达探测前预先设定，为指标要求，一般设置为10-6等参数；
在本实施例中，检测门限Tthres的具体推导过程如下：
单个杂波图采样单元的回波数据可由2维高斯分布描述，假设随机变量z＝(x,y)T服从2维高斯分布，其中x为回波信号实部，y为回波信号虚部，均值为μ，协方差矩阵为Σ，那么，z的概率密度函数如下：
对于2维高斯分布，协方差矩阵Σ的另一表达形式为：
其中，和分别为随机变量x和y的方差，ρ为它们的相关系数。协方差矩阵Σ的逆矩阵为：
对于2维空间中的任意点z＝(x,y)T，到分布p(x,y)的马氏距离为：
r2＝(z-μ)Σ-1(z-μ)T (10)；
令μ＝(μ1,μ2)T，代入公式(10)中，可得：
将变量x和y用参数方程表述如下：
结合公式(11)-(12)，可将随机变量r的累计分布函数表示为F(R)：
公式(13)中，|JF(r,θ)|为雅可比矩阵的行列式，表示如下：
将|JF(r,θ)|的具体形式代入公式(13)中，可得随机变量r的累计分布函数F(R)为：
根据公式(15)中F(R)的具体表达形式，结合虚警概率的定义，可得：
Pfa＝1-F(Tthres) (16)；
由上式，可得门限Tthres的具体形式为：
步骤4.2：将分布距离T与检测门限Tthres进行比较，若T≥Tthres，则表示检测到目标，否则，则表示未检测到目标。
需要说明的是，在本实施例中，需要将每一个采样单元对应的分布距离T与步骤4.1中计算得到的检测门限Tthres进行比较，以判断该采样单元中是否检测到目标。
步骤5：若未检测到目标，则根据目标回波信号，更新对应采样单元的分布参数。
具体地，步骤5包括：若未检测到目标，则按照公式(18)对采样单元对应的分布参数进行更新，得到新的分布参数(μ′,Σ′)，其中，
需要说明的是，在本实施例中，假设雷达在感知阶段的最后一次观测，为第p次观测，那么第p+1次观测即为雷达在检测阶段的第一次观测，在对第p+1次观测进行判断确认是否存在目标之后，按照公式(18)对相应采样单元的分布参数进行更新，之后重复步骤3-5进入下一次雷达观测，确认是否存在目标，并令p＝p+1，根据公式(18)完成分布参数更新。
本实施例的基于复数域杂波图先验信息的目标检测方法，充分利用了回波的幅度和相位信息，对于数字阵列雷达，每次观测，波束照射到的区域相同，对于地杂波区所在区域的所有多普勒通道，对于同一个采样单元，多次观测的回波的相位具有一定的稳定性，在相同的虚警率下可明显提升杂波区的目标检测性能。
实施例二
本实施例通过仿真实验对实施例一的基于复数域杂波图先验信息的目标检测方法的效果进行了验证说明。
1.实验条件
实测数据来自某地基MIMO雷达，发射的相位编码信号码元宽度为1us，一个相干处理时间间隔内的脉冲数为50。
条件1：在地杂波对应的强杂波区添加人工目标1，目标参数如表1所示，同时设置目标的信杂噪比SCNR＝0dB，分别在幅度和复平面对比杂波、杂波添加目标点迹的区分度；
条件2：在地杂波对应的强杂波区添加人工目标2，人工目标的RCS起伏模型为Swerling I。
表1 人工目标的运动参数
| 目标 | 距离(距离单元) | 运动速度(m/s) |
| 目标1 | 296 | 0 |
| 目标2 | 499 | 0 |
2.实验内容
实验1：在条件1下，通过对某固定杂波块添加随机相位的目标，对杂波、杂波添加目标的幅度进行对比；对杂波、杂波添加目标的点在复平面进行对比，对比结果如图4a和图4b所示，图4a是本发明实施例提供的传统方法的检测示意图；图4b是本发明实施例提供的本发明方法的检测示意图。
实验2：在条件2下，设定虚警概率为Pfa＝10-3并分别采用传统的点杂波图目标检测方法及本发明给出的检测方法对添加了人工目标实测数据做目标检测，结果如图5a和图5b所示，图5a是本发明实施例提供的对目标1的检测概率对比图；图5b是本发明实施例提供的对目标2的检测概率对比图。
3.实验结果分析：
从图4a和图4b中的对比可以看出，本发明给出的检测方法直观上，在固定SCNR时，提高了杂波、含目标的杂波的区分度，因此能具有更高的检测性能。从图5a和图5b的对比可以看出，在相同的信杂噪比下，本发明检测方法优于传统的检测方法，具有更好的检测性能。
应当说明的是，在本文中，术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
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)
1.一种基于复数域杂波图先验信息的目标检测方法，其特征在于，包括：
步骤1：获取雷达在环境感知阶段的回波信号数据，并按照距离-方位-多普勒通道存储所述回波信号数据，其中，所述回波信号数据存在一对一映射关系的采样单元，该映射关系为从方位角到距离门一一映射，从距离门到多普勒通道一一映射；
步骤2：根据所述回波信号数据，拟合得到每一个所述采样单元对应的分布参数；在所述步骤2中，
对于一个采样单元，其在环境感知阶段的回波信号数据为：
式中，x(i,mn)表示在环境感知阶段第i个方位角的第m个距离单元、第n个多普勒通道的回波信号数据，x(i,mn)表示在环境感知阶段，雷达每一次观测的第i个方位角的第m个距离单元、第n个多普勒通道的回波信号数据，p表示雷达的第p次观测；
将该回波信号数据x(i,mn)展开，得到其实虚部数据矩阵：
式中，X(i,mn)表示回波信号数据x(i,mn)的实虚部数据矩阵，Re表示实部，Im表示虚部；
利用二维高斯分布对所述实虚部数据矩阵X(i,mn)进行拟合，根据二维高斯分布的极大似然估计结果，得到该采样单元对应的分布参数(μ,Σ)，其中，
式中，mean表示对矩阵X(i,mn)的行进行求均值的操作，μ表示拟合得到的二维高斯分布的均值，∑表示拟合得到的二维高斯分布的协方差矩阵；
步骤3：获取雷达在检测阶段的目标回波信号，根据所述分布参数计算每个采样单元对应的所述目标回波信号与其在环境感知阶段的回波信号分布之间的分布距离；
步骤4：将所述分布距离与计算得到检测门限进行比较，根据比较结果判断是否存在目标；
步骤5：若未检测到目标，则根据所述目标回波信号，更新对应所述采样单元的分布参数。
2.根据权利要求1所述的基于复数域杂波图先验信息的目标检测方法，其特征在于，雷达开机后，预设一段时间作为雷达的环境感知阶段，超过预设时间之后作为所述雷达的检测阶段。
3.根据权利要求1所述的基于复数域杂波图先验信息的目标检测方法，其特征在于，所述步骤1包括：
步骤1.1：获取雷达在所述环境感知阶段采集的回波信号；
步骤1.2：对所述回波信号依次进行脉冲压缩和MTD处理，得到雷达在环境感知阶段的回波信号数据；
步骤1.3：将所述回波信号数据进行存储，其中，在所述环境感知阶段，雷达每一次观测的第i个方位角的第m个距离单元、第n个多普勒通道的所述回波信号数据记为x(i,mn)。
4.根据权利要求1所述的基于复数域杂波图先验信息的目标检测方法，其特征在于，在所述步骤3中，
在所述检测阶段，将雷达当前次观测的第i个方位角的第m个距离单元、第n个多普勒通道的所述目标回波信号记为xnew(i,mn)；
将该目标回波xnew(i,mn)的实、虚部展开为矩阵xnew(i,mn)：
xnew(i,mn)＝[Re(xnew(i,mn)),Im(xnew(i,mn))]；
按照下式计算该采样单元对应的所述目标回波信号分布与其在环境感知阶段的回波信号分布之间的分布距离T：
T＝(xnew(i,mn)-μ)Σ-1(xnew(i,mn)-μ)T。
5.根据权利要求4所述的基于复数域杂波图先验信息的目标检测方法，其特征在于，所述步骤4包括：
按照下式计算得到所述检测门限：
式中，Tthres表示检测门限，Pfa表示虚警率；
将所述分布距离T与所述检测门限Tthres进行比较，若T≥Tthres，则表示检测到目标，否则，则表示未检测到目标。
6.根据权利要求5所述的基于复数域杂波图先验信息的目标检测方法，其特征在于，所述步骤5包括：若未检测到目标，则按照下式对采样单元对应的分布参数进行更新，得到新的分布参数(μ′,Σ′)，其中，
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210182329.9A CN115015917B (zh) | 2022-02-25 | 一种基于复数域杂波图先验信息的目标检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210182329.9A CN115015917B (zh) | 2022-02-25 | 一种基于复数域杂波图先验信息的目标检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115015917A CN115015917A (zh) | 2022-09-06 |
| CN115015917B true CN115015917B (zh) | 2024-07-12 |
Family
ID=
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197297A (zh) * | 2013-03-21 | 2013-07-10 | 西安电子科技大学 | 基于认知框架的雷达动目标检测方法 |
| CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103197297A (zh) * | 2013-03-21 | 2013-07-10 | 西安电子科技大学 | 基于认知框架的雷达动目标检测方法 |
| CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
| CN111913158B (zh) | 复杂杂波背景下检测低慢小目标的雷达信号处理方法 | |
| US9057783B2 (en) | Change detection method and system for use in detecting moving targets behind walls, barriers or otherwise visually obscured | |
| CN107576959B (zh) | 一种基于区域映射解模糊的高重频雷达目标检测前跟踪方法 | |
| CN108318865B (zh) | 多通道sar欺骗干扰鉴别与自适应抑制方法 | |
| CN112881993B (zh) | 自动识别雷达分布杂波引起虚假航迹的方法 | |
| EP3417311B1 (en) | A method for motion classification using a pulsed radar system | |
| CN115685096B (zh) | 一种基于逻辑回归的二次雷达副瓣抑制方法 | |
| CN110133612A (zh) | 一种基于跟踪反馈的扩展目标检测方法 | |
| Sahal et al. | Comparison of CFAR methods on multiple targets in sea clutter using SPX-radar-simulator | |
| CN109507654B (zh) | 一种基于ls的复杂环境下相位信息计算方法 | |
| Wang et al. | A robust variability index CFAR detector for Weibull background | |
| WO2017188905A1 (en) | A method for motion classification using a pulsed radar system | |
| CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
| CN111796288B (zh) | 一种基于杂波频谱补偿技术的三坐标雷达动目标处理方法 | |
| CN115015917B (zh) | 一种基于复数域杂波图先验信息的目标检测方法 | |
| CN108508413B (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
| Joshi et al. | Automatic cfar ship detection in single–channel range-compressed airborne radar data | |
| CN113093174B (zh) | 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法 | |
| CN113625265B (zh) | 基于波束空间的方位超分辨方法 | |
| McDonald et al. | Track-before-detect using swerling 0, 1, and 3 target models for small manoeuvring maritime targets | |
| CN113447901B (zh) | 一种不依赖概率模型的海杂波识别与目标检测方法 | |
| CN112731388B (zh) | 一种基于有效散射点能量积累的目标检测方法 | |
| CN115015917A (zh) | 一种基于复数域杂波图先验信息的目标检测方法 | |
| Weinberg et al. | Noncoherent detector threshold determination in correlated Pareto distributed clutter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |