CN115061109A - 一种基于被动雷达的低慢小多目标检测方法及系统 - Google Patents
一种基于被动雷达的低慢小多目标检测方法及系统 Download PDFInfo
- Publication number
- CN115061109A CN115061109A CN202210651990.XA CN202210651990A CN115061109A CN 115061109 A CN115061109 A CN 115061109A CN 202210651990 A CN202210651990 A CN 202210651990A CN 115061109 A CN115061109 A CN 115061109A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- echo signal
- time delay
- formula
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000001228 spectrum Methods 0.000 claims abstract description 34
- 238000009825 accumulation Methods 0.000 claims abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 33
- 239000013598 vector Substances 0.000 claims description 20
- 150000001875 compounds Chemical class 0.000 claims description 11
- 230000000875 corresponding effect Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 9
- 230000001427 coherent effect Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01S7/414—Discriminating targets with respect to background clutter
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
本发明涉及一种基于被动雷达的低慢小多目标检测方法及系统,包括:首先,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;然后,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;再次,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;最后,利用ROOT‑MUSIC算法以高分辨率频率估计目标多普勒。本发明利用ROOT‑MUSIC高分辨率算法来估计目标多普勒频率,有效提高了目标的速度分辨率。
Description
技术领域
本发明涉及被动雷达信号处理技术领域,主要涉及针对“低慢小”目标估计提出的一种目标检测方法及系统。
背景技术
近年来,随着科学技术的发展,无人机已被广泛应用于拍照摄像、城市规划、应急救援和军事侦察等领域。然而,无人机的快速发展不仅给城市带来了经济和军事上的便利,也给城市低空安全带来了巨大的挑战。其中,“低慢小”型无人机具有体积小、隐蔽性高、可操作性强等特点。因此,对“低慢小”目标的检测技术的技术研究成为当前研究的热点问题。
雷达作为当前目标探测领域的主要方式,得到了长足的发展,技术十分成熟,根据是否主动发射探测信号,雷达可分为主动雷达(Active Radar)和被动雷达(PassiveRadar)。主动雷达是指雷达主动发射信号,利用目标回波与发射信号相干来检测目标,而被动雷达利用已商用的信号进行探测,可利用的平台如广播电台(FM)、全球定位系统(GPS)及通信基站(BS)等。被动雷达系统相比主动雷达系统有许多优点。不需要考虑全双工、自干扰对消,也不需要准备发射机,这大大降低了成本。对于被动双基地雷达,外辐射源发射的参考信号通常是未知的,所以需要额外配置一个通道,用于接收参考信号(直达波信号),该通道一般称为参考通道。定向高增益天线被配置为在参考通道中接收发射机发射的直达路径信号。假设可以获得具有高信噪比且没有多径杂波的纯参考信号。在监测通道中设置全向监测天线,以接收来自目标的回波信号。
双基地被动雷达布局如图1所示,信号源位于位置g0=[x0,y0,z0]T,定向高增益天线在参考通道中的位置为gd=[xd,yd,zd]T,监测天线在监测通道中的位置为gs=[xs,ys,zs]T。第k个目标的位置坐标为gk=[xk,yk,zk]T,速度坐标为β为双基地角。
考虑低慢小目标速度缓慢,在一次长时累积期间内中可以视为静止,假设信号源发射的基带信号为s(t),则通道1(参考通道)接收到基带参考信号可表示为:
其中,b0为参考信号复幅度,为直达路径延迟,c为信号传播速度,φ1为由于载波引起的相位偏移,服从在[0,2π]上的均匀分布,z1(t)是均值为0,方程为σ2的复高斯白噪声,根据Friis方程,b0可以表示为:
其中,EIRP为发射机的等效全向辐射功率,Gr,direct为直达路径的天线增益,λ为信号波长
通道2(监测通道)接收到的基带回波信号可表示为:
其中bk是第k个目标散射的回波信号复幅度,根据双基地雷达方程,bk表示为:
EIRP为信号源的等效全向辐射功率,Gr,echo为回波路径的天线增益,σRCS,k(β)为目标的双基地雷达横截面积,R1k=||g0-gk||2和R2k=||gs-gk||2分别为目标相对于信号源和雷达接收机的径向距离,φ2为由载波引起的相位偏移,服从在[0,2π]上的均匀分布,τk和fk分别为第k个目标的时延和多普勒信息,由下式表示:
为了保证目标检测效果,接收端需要保证一定的信噪比,接收机接收到第k个目标回波信噪比由下式表示:
其中kB为玻尔兹曼常数,T为接收机的热力学温度,B为信号带宽,NF为噪声系数。
距离多普勒二维相干处理(Range-Doppler处理)是一种常用的计算雷达信号距离-多普勒响应的方法,将相干累积时间T0内的参考信号进行一系列时间延迟和多普勒频移,与目标回波信号进行相关,表达式如下:
目标距离分辨率和速度分辨率分别由下式表示:
由于RCS较小的目标的散射的回波信号能量微弱,使用Range-Doppler处理算法所需的累积时间很长,因此整个累积时间内的信号处理需要大量计算,不利于实时目标检测。为了更有效地计算,可以将参考信号和回波分段,当分段长度小于一定数值时,多普勒频率产生的相位累积可以认为只存在于段间而不存在于段内。每个段上用FFT实现匹配滤波获取不同延迟上的相关信号,再利用特定时延上在段间的FFT获得多普勒信息,但是该算法需要预先进行信道估计,仍具有一定的计算复杂度。
发明内容
针对现有技术的不足,本发明提出了一种分段相关累积的目标检测方法。
本发明提出了一种类似的分段相关累积算法来实现更有效的长时累积,该算法不需要进行信道估计,并且可以使用非协作OFDM信号来估计目标的距离和多普勒速度信息。
本发明还提供了一种基于被动雷达的低慢小多目标检测系统。
术语解释:
1、Range-Doppler处理,是指距离多普勒二维相干处理;
2、IFFT,是指快速傅里叶逆变换;
3、FFT,是指快速傅里叶变换;
4、DFT,是指离散傅里叶变换
5、CFAR,是指恒虚警检测算法;
6、ROOT-MUSIC算法,指求根MUSIC算法。
本发明的技术方案为:
一种分段相关累积的目标检测方法,包括:
首先,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;
然后,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;
再次,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;
最后,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒。
根据本发明优选的,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱,包括:
(3)目标相对直达路径的时延通过参考信号与回波信号相关峰值对应的延迟单元r得到,时域中回波信号和参考信号之间的相关过程如式(III)所示:
进一步优选的,式(III)中,采用离散傅里叶变换和离散傅里叶逆变换简化相关过程,并用快速傅里叶变换加速计算,如式(IV)所示:
根据本发明优选的,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱,是指:对步骤(3)中多个段的分段相关结果进行非相干累积,获得目标的相对延迟分布即降噪后的目标回波信号相对时延谱,该过程如式(V)所示:
式(V)中,Ψ(r)为目标的相对延迟分布在延迟单元r对应的相关峰值。
根据本发明优选的,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;包括:
(4)通过设置虚警概率pf并使用CFAR算法从降噪后的目标回波信号相对时延谱RDP中检测目标;虚警概率是指没有目标信号情形下CFAR判决出目标存在的概率;
当降噪后的目标回波信号相对时延谱Ψ(r)大于阈值T0时,将其视为仅通过延迟无法识别的目标或一组目标,需要通过多普勒信息进一步区分,当降噪后的目标回波信号相对时延谱RDP在目标延迟单元处的值不大于阈值时,视为没有检测出目标信号,即目标漏检;阈值T0根据虚警概率和背景噪声分布计算得到,对于服从指数分布的噪声,T0=μ0ln(pf),μ0为背景噪声功率的估计值;
第k个目标信号延迟通过式(VI)计算:
(5)将步骤(4)目标时延单元估计赋值给式(III)中的r,得到目标时延单元估计处的相关峰值即段相关信号在相对时延处的采样值将段相关信号在相对时延处的采样值收集成一个向量,记作表示该向量维度为Ix1,Sk如式(VII)表示:
式(VII)中,Sk(i)是指Sk中的第i个向量值。
进一步优选的,pf=10-4。
根据本发明优选的,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒,是指:对步骤(5)得到的Sk进行ROOT-MUSIC高分辨率频率估计,得到目标信号的多普勒频率估计值,具体包括:
B、对进行特征分解,得到M-K个最小特征值对应的特征向量uK+1,uK+2,...uK+M,构造矩阵G=[uK+1 uK+2...uK+M],定义向量a(z)=[1 z-1…z-(M-1)],z=ejω,ω为复信号频率;
C、求解方程aT(z(-1))GGHa(z)=0,找出其中最接近单位圆的K个根,这K个根的相位就是目标信号的多普勒频率估计值。
一种分段相关累积的目标检测系统,包括:
回波信号的相对时延谱求取模块,被配置为,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;
降噪后的目标回波信号相对时延谱求取模块,被配置为,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;
相对时延处的分段相关信号采样模块,被配置为,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;
目标多普勒估计模块,被配置为,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒。
本发明的有益效果为:
1、本发明对参考信号和长时累积的回波信号进行分段处理,有效减小了长信号处理所需的内存空间;
2、利用分段相关和累加来提高寻找目标时的信噪比,克服了回波信号与参考信号的长相关运算由于目标移动引起的频移而导致的性能下降;
3、本发明在目标检测过程中不需要设置频点,且仅对目标相对时延处的数据进行处理,有效减少了计算量;
4、本发明利用ROOT-MUSIC高分辨率算法来估计目标多普勒频率,有效提高了目标的速度分辨率。
附图说明
图1为本发明基于双基地被动雷达的系统结构示意图;
图2为本发明分段相关累积的目标检测方法的流程示意图;
图3为实施例中CFAR目标相对时延检测结果示意图。
具体实施方式
下面结合说明书附图和实施例对本发明作进一步限定,但不限于此。
实施例1
通信基站作为外辐射源发射OFDM信号,雷达接收机设置双通道,通道1设置定向高增益天线接收参考信号,通道2设置全向天线接收目标回波信号。所采用的OFDM信号参数和雷达系统参数如表1所示,其中fc为载波频率,△f为子载波间距,Nsub为子载波间隔数,Nsym为一次长时积累中需要处理的OFDM符号数。
表1
多目标随机分布在基站120度扇区,距离基站100-1000m范围内随机生成三个目标,目标的位置信息和速度信息如表2所示:
表2
一种分段相关累积的目标检测方法,如图2所示,包括:
首先,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;包括:
(2)将监测通道接收到的数字基带回波信号样本数据即回波信号sech重叠分段成I段,每个重叠段的长度为L2,L2=16384,重叠长度L2-L1决定了样本中的最大可估计延迟。因此,监测通道的回波信号样本数目应比参比信号样本数目大(τmax-τ0)*Fs,其中Fs为采样率。第i段回波信号的第n个样本如式(II)所示:
(3)目标相对直达路径的时延通过参考信号与回波信号相关峰值对应的延迟单元r得到,时域中回波信号和参考信号之间的相关过程如式(III)所示:
式(III)中,ψi(r)是指在延迟单元r处的相关峰值,分别为第i段回波信号和参考信号在时延单元r处的样本值。式(III)中,采用离散傅里叶变换(DFT)和离散傅里叶逆变换(IDFT)简化相关过程,并用快速傅里叶变换(FFT)加速计算,如式(IV)所示:
式(IV)中,为执行NFFT点长离散傅里叶变换(DFT)的结果,为执行NFFT点长离散傅里叶变换(DFT)后取共轭的结果,为的反褶信号样本,NFFT应满足NFFT≥L2。FFT和IFFT点数均为NFFT=16384。
然后,对640段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;是指:对步骤(3)中多个段的分段相关结果进行非相干累积,获得目标的相对延迟分布(RDP)即降噪后的目标回波信号相对时延谱,非相干累积过程可以提高目标检测信噪比,该过程如式(V)所示:
式(V)中,Ψ(r)为目标的相对延迟分布在延迟单元r对应的相关峰值。
再次,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;包括:
(4)通过设置虚警概率pf并使用CFAR算法从降噪后的目标回波信号相对时延谱RDP中检测目标;虚警概率是指没有目标信号情形下CFAR判决出目标存在的概率;
当降噪后的目标回波信号相对时延谱Ψ(r)大于阈值T0时,将其视为仅通过延迟无法识别的目标或一组目标,需要通过多普勒信息进一步区分,当降噪后的目标回波信号相对时延谱RDP在目标延迟单元处的值不大于阈值时,视为没有检测出目标信号,即目标漏检;阈值T0根据虚警概率和背景噪声分布计算得到,对于服从指数分布的噪声,T0=μ0 ln(pf),μ0为背景噪声功率的估计值;
第k个目标信号延迟通过式(VI)计算:
(5)将步骤(4)目标时延单元估计赋值给式(III)中的r,得到目标时延单元估计处的相关峰值即段相关信号在相对时延处的采样值将段相关信号在相对时延处的采样值收集成一个向量,记作表示该向量维度为Ix1,Sk如式(VII)表示:
式(VII)中,Sk(i)是指Sk中的第i个向量值。
从Sk中估计目标的多普勒信息。
pf=10-4。
最后,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒。该算法实现多普勒估计过程不需要设置频点,且只处理目标相对时延处的数据,显著减少了计算量。是指:对步骤(5)得到的Sk进行ROOT-MUSIC高分辨率频率估计,得到目标信号的多普勒频率估计值,通常,在特定的延迟单元处只有一个目标,因此,比较容易的估计出Sk中的嵌入多普勒信息;具体包括:
B、对进行特征分解,得到M-K个最小特征值对应的特征向量uK+1,uK+2,...uK+M,构造矩阵G=[uK+1 uK+2...uK+M],定义向量a(z)=[1 z-1...z-(M-1)],z=ejω,ω为复信号频率;
C、求解方程aT(z(-1))GGHa(z)=0,找出其中最接近单位圆的K个根,这K个根的相位就是目标信号的多普勒频率估计值。
多目标检测结果如图3所示;根据检测结果,5个目标的相对时延单元如表3所示;根据式(V)可计算出目标距离R1+R2的估计值,对比目标距离真实值即可得到距离估计误差。可以看出,本发明提出的算法对于SNR=--40.8532dB的微弱目标信号也能有较好的检测效果,距离估计误差在1m以内。
将相对距离单元估计值分别代入ψi(r)中,得到段相关信号在目标相对时延出的采样信号矢量的集合S={Sk|k=1,…K}。
分别对集合S中的信号矢量进行ROOT-MUSIC高分辨率频率估计,可以计算出目标多普勒速度,对比目标多普勒速度真实值即可得到多普勒速度估计误差,估计结果如表3所示。根据估计结果,可以看出在SNR较高时,采用ROOT-MUSIC算法估计目标多普勒速度的结果较为准确,估计误差在2m/s内。
表3
实施例2
一种分段相关累积的目标检测系统,包括:
回波信号的相对时延谱求取模块,被配置为,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;
降噪后的目标回波信号相对时延谱求取模块,被配置为,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;
相对时延处的分段相关信号采样模块,被配置为,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;
目标多普勒估计模块,被配置为,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒。
Claims (8)
1.一种分段相关累积的目标检测方法,其特征在于,包括:
首先,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;
然后,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;
再次,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;
最后,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒。
2.根据权利要求1所述的一种分段相关累积的目标检测方法,其特征在于,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱,包括:
(3)目标相对直达路径的时延通过参考信号与回波信号相关峰值对应的延迟单元r得到,时域中回波信号和参考信号之间的相关过程如式(III)所示:
5.根据权利要求1所述的一种分段相关累积的目标检测方法,其特征在于,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;包括:
(4)通过设置虚警概率pf并使用CFAR算法从降噪后的目标回波信号相对时延谱RDP中检测目标;虚警概率是指没有目标信号情形下CFAR判决出目标存在的概率;
当降噪后的目标回波信号相对时延谱Ψ(r)大于阈值T0时,将其视为仅通过延迟无法识别的目标或一组目标,需要通过多普勒信息进一步区分,当降噪后的目标回波信号相对时延谱RDP在目标延迟单元处的值不大于阈值时,视为没有检测出目标信号,即目标漏检;阈值T0根据虚警概率和背景噪声分布计算得到,对于服从指数分布的噪声,T0=μ0ln(pf),μ0为背景噪声功率的估计值;
第k个目标信号延迟通过式(VI)计算:
(5)将步骤(4)目标时延单元估计赋值给式(III)中的r,得到目标时延单元估计处的相关峰值即段相关信号在相对时延处的采样值将段相关信号在相对时延处的采样值收集成一个向量,记作 表示该向量维度为Ix1,Sk如式(VII)表示:
式(VII)中,Sk(i)是指Sk中的第i个向量值。
6.根据权利要求5所述的一种分段相关累积的目标检测方法,其特征在于,pf=10-4。
7.根据权利要求1-6任一所述的一种分段相关累积的目标检测方法,其特征在于,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒,是指:对步骤(5)得到的Sk进行ROOT-MUSIC高分辨率频率估计,得到目标信号的多普勒频率估计值,具体包括:
B、对进行特征分解,得到M-K个最小特征值对应的特征向量uK+1,uK+2,...uK+M,构造矩阵G=[uK+1 uK+2...uK+M],定义向量a(z)=[1 z-1…z-(M-1)],z=ejω,ω为复信号频率;
C、求解方程aT(z(-1))GGHa(z)=0,找出其中最接近单位圆的K个根,这K个根的相位就是目标信号的多普勒频率估计值。
8.一种分段相关累积的目标检测系统,其特征在于,包括:
回波信号的相对时延谱求取模块,被配置为,通过回波信号和参考信号之间的分段相关获得回波信号的相对时延谱;
降噪后的目标回波信号相对时延谱求取模块,被配置为,对各分段相关值进行非相干累积,得到降噪后的目标回波信号相对时延谱;
相对时延处的分段相关信号采样模块,被配置为,用CFAR检测程序在距离域内检测目标,利用目标时延信息,获得相对时延处的分段相关信号采样;
目标多普勒估计模块,被配置为,利用ROOT-MUSIC算法以高分辨率频率估计目标多普勒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210651990.XA CN115061109A (zh) | 2022-06-09 | 2022-06-09 | 一种基于被动雷达的低慢小多目标检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210651990.XA CN115061109A (zh) | 2022-06-09 | 2022-06-09 | 一种基于被动雷达的低慢小多目标检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115061109A true CN115061109A (zh) | 2022-09-16 |
Family
ID=83199785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210651990.XA Pending CN115061109A (zh) | 2022-06-09 | 2022-06-09 | 一种基于被动雷达的低慢小多目标检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115061109A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104155648A (zh) * | 2014-08-26 | 2014-11-19 | 国家海洋局第一海洋研究所 | 基于阵列数据重排的高频地波雷达单次快拍music测向方法 |
JP2016008852A (ja) * | 2014-06-23 | 2016-01-18 | 株式会社東芝 | ドップラレーダ装置及びそのレーダ信号処理方法 |
CN108279403A (zh) * | 2018-01-04 | 2018-07-13 | 电子科技大学 | 基于距离分帧的Keystone变换并行实现方法 |
JP2019168255A (ja) * | 2018-03-22 | 2019-10-03 | 株式会社東芝 | パルス圧縮レーダ装置及びそのレーダ信号処理方法 |
CN110609263A (zh) * | 2019-10-29 | 2019-12-24 | 电子科技大学 | 一种同时计算脉冲激光雷达目标回波时延和频偏的方法 |
WO2020118582A1 (zh) * | 2018-12-12 | 2020-06-18 | 华为技术有限公司 | 信号处理方法及雷达系统、车辆 |
CN111913158A (zh) * | 2020-09-21 | 2020-11-10 | 南京理工大学 | 复杂杂波背景下检测低慢小目标的雷达信号处理方法 |
-
2022
- 2022-06-09 CN CN202210651990.XA patent/CN115061109A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016008852A (ja) * | 2014-06-23 | 2016-01-18 | 株式会社東芝 | ドップラレーダ装置及びそのレーダ信号処理方法 |
CN104155648A (zh) * | 2014-08-26 | 2014-11-19 | 国家海洋局第一海洋研究所 | 基于阵列数据重排的高频地波雷达单次快拍music测向方法 |
CN108279403A (zh) * | 2018-01-04 | 2018-07-13 | 电子科技大学 | 基于距离分帧的Keystone变换并行实现方法 |
JP2019168255A (ja) * | 2018-03-22 | 2019-10-03 | 株式会社東芝 | パルス圧縮レーダ装置及びそのレーダ信号処理方法 |
WO2020118582A1 (zh) * | 2018-12-12 | 2020-06-18 | 华为技术有限公司 | 信号处理方法及雷达系统、车辆 |
CN110609263A (zh) * | 2019-10-29 | 2019-12-24 | 电子科技大学 | 一种同时计算脉冲激光雷达目标回波时延和频偏的方法 |
CN111913158A (zh) * | 2020-09-21 | 2020-11-10 | 南京理工大学 | 复杂杂波背景下检测低慢小目标的雷达信号处理方法 |
Non-Patent Citations (5)
Title |
---|
刘丽华;胡卫东;郁文贤;: "基于时间分段信号的弹道导弹目标微多普勒调制周期估计", 信号处理, no. 02, 25 February 2010 (2010-02-25) * |
周围;杜晓雷;闫杰;: "一种双基地MIMO雷达目标参数估计算法", 电视技术, no. 23, 2 December 2012 (2012-12-02) * |
李云成: "双基地相干MIMO雷达目标参数估计算法研究", 中国优秀硕士学位论文全文数据库 信息科技辑, no. 01, 15 January 2021 (2021-01-15), pages 20 - 22 * |
李涛 等: "一种新的非相干积累算法", 西安电子科技大学学报(自然科学版), vol. 37, no. 2, 30 April 2010 (2010-04-30), pages 267 - 272 * |
赵光辉;陈伯孝;高昭昭;: "SIAR体制下单基地MIMO雷达距离高分辨研究", 系统工程与电子技术, no. 04, 15 April 2010 (2010-04-15) * |
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 | |
CN109975807B (zh) | 一种适用于毫米波车载雷达的降维子空间测角方法 | |
US6822606B2 (en) | System and method for spectral generation in radar | |
US8179307B2 (en) | Method for the multipath passive radar processing of an FM opportunity signal | |
CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
CN111736128B (zh) | 基于skt-siaf-mscft的相参积累方法 | |
WO2014128995A1 (ja) | パッシブレーダ装置 | |
EP3060940A1 (en) | Angle resolution in radar | |
CN110161472B (zh) | 一种基于信号复用的宽带车载毫米波雷达解速度模糊方法 | |
CN108614245B (zh) | 一种基于射频隐身的边跟踪边干扰方法 | |
CN110376563B (zh) | 基于gps辐射源的雷达运动目标检测方法 | |
CN111948618B (zh) | 一种基于卫星外辐射源的前向散射目标探测方法及系统 | |
EP1580573B1 (en) | System and method for noise suppression in pre-processed radar data | |
CN115685169B (zh) | 基于宽带keystone变换的水声弱运动目标检测方法 | |
CN108919206B (zh) | 一种基于子载波处理的外辐射源雷达极化滤波方法 | |
CN115616629B (zh) | 一种基于天基外辐射源信号的运动目标探测补偿方法 | |
CN115061109A (zh) | 一种基于被动雷达的低慢小多目标检测方法及系统 | |
CN114397649A (zh) | 一种基于子载波的目标匹配方法 | |
RU2471200C1 (ru) | Способ пассивного обнаружения и пространственной локализации подвижных объектов | |
CN110275159B (zh) | 一种低小慢飞行器径向速度获得方法及装置 | |
CN115932921B (zh) | 一种多卫星多载波的非相参联合累积处理方法 | |
Monnoyer et al. | Grid Hopping: Accelerating Direct Estimation Algorithms for Multistatic FMCW Radar | |
CN116256716B (zh) | 基于加权线性拟合的毫米波雷达超分辨方法和系统 | |
CN113671477B (zh) | 一种基于图信号处理的雷达目标距离估计方法 | |
CN117784077B (zh) | 一种基于频率积累的弱小目标检测方法、终端及介质 |
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 |