CN115656938A - 一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法 - Google Patents
一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法 Download PDFInfo
- Publication number
- CN115656938A CN115656938A CN202211453349.1A CN202211453349A CN115656938A CN 115656938 A CN115656938 A CN 115656938A CN 202211453349 A CN202211453349 A CN 202211453349A CN 115656938 A CN115656938 A CN 115656938A
- Authority
- CN
- China
- Prior art keywords
- radio frequency
- frequency interference
- matrix
- radar
- reconstruction
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法,包括:根据雷达接收到的回波信号建立单次回波线性叠加模型,雷达接收到的回波信号包括目标回波信号、射频干扰及加性噪声;基于单次回波线性叠加模型,对雷达接收到的回波数据矩阵进行分块处理,得到多个矩阵子块;针对矩阵子块建立射频干扰重构模型;对于射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果;利用距离方位约束矩阵对射频干扰重构结果进行约束,恢复得到各矩阵子块对应的目标回波信号。本发明将射频干扰抑制问题转化为基于误差建模原理的射频干扰重构问题,降低了目标回波信号的恢复损失、提高重构精度。
Description
技术领域
本发明属于微波遥感技术领域,具体涉及一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法。
背景技术
雷达具有全天时、全天候、远作用距离的优势,在目标检测、资源勘探、海洋观测、地质测绘与环境感知等领域获得了广泛的应用。然而,随着电磁频谱资源的日益拥挤以及对实现大带宽高分辨雷达信号的递增需求,雷达系统不可避免地接收到同频段电磁辐射源的射频干扰,而射频干扰的存在会显著降低雷达回波信号的信干噪比,并且影响雷达回波信号分析过程中关键参数的估计精度,不利于后续的目标解译工作。因此,研究行之有效的射频干扰抑制方法对雷达系统发展具有重要的实际应用价值。
现有技术中存在一种基于低秩与稀疏特性的半参数化抑制方法,该方法利用射频干扰与目标回波信号在不同表征域的低秩和稀疏特性,通过对信号分量结构特征的正则约束及迭代寻优,实现射频干扰与目标回波信号的分离。
此外,现有技术中也将鲁棒主成分分析法用于时频域的射频干扰重构,具体地,首先将目标回波信号利用短时傅里叶变换进行时频表征,然后采用鲁棒主成分分析法将雷达回波信号的时频矩阵分解为低秩射频干扰矩阵和稀疏目标回波信号矩阵,并通过干扰相消实现目标回波信号的低损恢复。
现有的雷达射频干扰抑制方法仅利用了射频干扰的部分特征,射频干扰抑制模型的精度仍存在提升的空间,且当射频干扰与目标回波信号在单次回波特征耦合严重时,会出现失配问题。
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二维域低秩稀疏特性的雷达射频干扰抑制方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法,包括:
根据雷达接收到的回波信号建立单次回波线性叠加模型,所述雷达接收到的回波信号包括目标回波信号、射频干扰以及加性噪声;
基于所述单次回波线性叠加模型,对雷达接收到的回波数据矩阵进行分块处理,得到多个矩阵子块;
针对所述矩阵子块,建立射频干扰重构模型;
对于所述射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果;
利用距离方位约束矩阵对所述射频干扰重构结果进行约束,恢复得到各矩阵子块对应的目标回波信号。
在本发明的一个实施例中,所述单次回波线性叠加模型为:
在本发明的一个实施例中,所述回波数据矩阵包括:目标回波矩阵、射频干扰矩阵和加性噪声矩阵,所述矩阵子块包括:目标回波矩阵子块、射频干扰矩阵子块和加性噪声矩阵子块;
所述基于所述单次回波线性叠加模型,对雷达接收到的回波数据矩阵进行分块处理,得到多个矩阵子块的步骤,包括:
基于所述单次回波线性叠加模型,分别对所述目标回波矩阵、所述射频干扰矩阵和所述加性噪声矩阵进行分块处理,得到所述目标回波矩阵子块、所述射频干扰矩阵子块和所述加性噪声矩阵子块。
式中,表示第行、第列的矩阵子块的距离维傅里叶变换结果,表示第行、第列的射频干扰矩阵子块的距离维傅里叶变换结果,表示第行、第列的目标回波矩阵子块的距离维傅里叶变换结果,表示二范数,表示最小值,表示约束条件,表示秩,为射频干扰矩阵子块的秩,表示元素个数,表示目标回波信号的稀疏度。
在本发明的一个实施例中,所述对于所述射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果的步骤,包括:
将所述射频干扰重构模型分解为射频干扰低秩重构子模型和目标回波稀疏恢复子模型;
分别采用双边随机投影策略和软阈值函数映射策略对所述射频干扰低秩重构子模型及所述目标回波稀疏恢复子模型进行交替迭代更新,直至所述射频干扰低秩重构子模型与所述目标回波稀疏恢复子模型收敛,得到矩阵子块对应的射频干扰重构结果;
在本发明的一个实施例中,所述利用距离方位约束矩阵对所述射频干扰重构结果进行约束,恢复得到各矩阵子块对应的目标回波信号的步骤,包括:
在本发明的一个实施例中,按照如下公式恢复得到各矩阵子块对应的目标回波信号:
与现有技术相比,本发明的有益效果在于:
本发明提供一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法,将射频干扰抑制问题转化为基于误差建模原理的射频干扰重构问题,利用射频干扰与目标回波信号在距离方位二维域的低秩与稀疏特性构建了射频干扰重构模型,进而通过迭代更新实现射频干扰估计并采用距离方位约束矩阵对射频干扰进行强约束,能够有效降低目标回波信号的恢复损失、提高重构精度。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的基于二维域低秩稀疏特性的雷达射频干扰抑制方法的一种流程图;
图2是本发明实施例提供的含有WBI的实测雷达回波数据的示意图;
图3是本发明实施例提供的含有NBI的实测雷达回波数据的示意图;
图4是本发明实施例提供的数据A中含有RFI的回波数据子块的距离时间、方位时间的二维域表征结果示意图;
图5是本发明实施例提供的数据A中含有RFI的回波数据子块的距离频域-方位时间二维域表征结果示意图;
图6是本发明实施例提供的图5的特征值分析结果示意图;
图7是本发明实施例提供的数据B中含有RFI的回波数据子块的距离时间、方位时间的二维域表征结果示意图;
图8是本发明实施例提供的数据B中含有RFI的回波数据子块的距离频域-方位时间的二维域表征结果示意图;
图9是本发明实施例提供的图8的特征值分析结果示意图;
图10是本发明实施例提供的雷达回波数据矩阵中不含RFI的矩阵子块的距离时间、方位时间的二维域表征结果示意图;
图11是本发明实施例提供的雷达回波数据矩阵中不含RFI的矩阵子块的距离频域-方位时间二维域表征结果示意图;
图12是本发明实施例提供的图11的幅值分析结果示意图;
图13是本发明实施例提供的图5的幅值分析结果示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
图1是本发明实施例提供的基于二维域低秩稀疏特性的雷达射频干扰抑制方法的一种流程图。如图1所示,本发明实施例提供一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法,包括:
S1、根据雷达接收到的回波信号建立单次回波线性叠加模型,雷达接收到的回波信号包括目标回波信号、射频干扰(Radio Frequency Interference,RFI)以及加性噪声;
S2、基于单次回波线性叠加模型,对雷达接收到的回波数据矩阵进行分块处理,得到多个矩阵子块;
S3、针对矩阵子块,建立射频干扰重构模型;
S4、对于射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果;
S5、利用距离方位约束矩阵对射频干扰重构结果进行约束,恢复得到各矩阵子块对应的目标回波信号。
通常,RFI的抑制处理方法是针对雷达回波数据进行逐方位脉冲处理,但考虑到雷达回波信号各分量方位向间的相关性,本发明实施例在距离方位二维域进行雷达回波信号的RFI抑制处理。
具体地,雷达接收到的回波信号可以表示为目标回波信号、RFI以及加性噪声的线性叠加形式,因此雷达的单次回波线性叠加模型为:
应当理解,按照射频干扰与目标回波信号的带宽比,RFI可以划分为NBI (NarrowBand Interference,窄带干扰)与WBI(Wide Band Interference,宽带干扰)。NBI通常可以建模为单频信号的叠加,数学表征为:
进一步地,WBI则可以根据调制特性差异建模为两种基本表征形式,分别为CMWBI(Chirp Modulated Wide Band Interference,线性调频宽带干扰)与SMWBI(SinusoidalModulated Wide Band Interference,正弦调频宽带干扰)。
CMWBI的数学表征为:
SMWBI的数学表征为:
本实施例中,回波数据矩阵包括:目标回波矩阵、射频干扰矩阵和加性噪声矩阵,因此,上述步骤S2中,基于所述单次回波线性叠加模型,分别对目标回波矩阵、射频干扰矩阵和加性噪声矩阵进行分块处理,得到目标回波矩阵子块、射频干扰矩阵子块和加性噪声矩阵子块,也就是说,分块后得到的矩阵子块包括:目标回波矩阵子块、射频干扰矩阵子块和加性噪声矩阵子块
针对每个矩阵子块,RFI抑制处理可以等效为RFI分量的重构,而加性噪声则可以视为RFI的重构误差,因此基于误差建模原理,本发明实施例将RFI抑制问题转换为如下RFI重构问题:
可以理解的是,通过对雷达接收到的距离方位二维回波数据矩阵进行分块处理,能够将大规模矩阵运算转化为小规模矩阵子块的并行计算,有效提升了上述射频干扰抑制方法的执行效率。
研究过程中,对距离方位域实测得到的雷达回波数据矩阵的矩阵子块的射频干扰及目标回波信号的结构特征进行分析。
首先,针对实测含RFI的雷达回波数据矩阵的矩阵子块进行二维域分析。具体而言,图2是本发明实施例提供的含有WBI的实测雷达回波数据的示意图,记为数据A,图3是本发明实施例提供的含有NBI的实测雷达回波数据的示意图,记为数据B,分别从数据A和数据B中选取部分含有RFI的回波数据子块进行分析,选取位置如图2、3中的矩形框所示。
进一步地,图4是本发明实施例提供的数据A中含有RFI的回波数据子块的距离时间、方位时间的二维域表征结果示意图,图7是本发明实施例提供的数据B中含有RFI的回波数据子块的距离时间、方位时间的二维域表征结果示意图,图5是本发明实施例提供的数据A中含有RFI的回波数据子块的距离频域-方位时间二维域表征结果示意图,图8是本发明实施例提供的数据B中含有RFI的回波数据子块的距离频域-方位时间的二维域表征结果示意图,图6是本发明实施例提供的图5的特征值分析结果示意图,图9是本发明实施例提供的图8的特征值分析结果示意图。
由图4和图7可以看出,数据A中RFI集中于部分区域,数据B中RFI为全时间分布,且RFI压制了目标回波信号特征的表达,由图5和图8可以看出,数据A中RFI为WBI,数据B中RFI为NBI,由图6和图9可以看出,数据A和数据B中RFI能量远大于目标回波信号能量,因为可以认为RFI分量对应回波矩阵中较大特征值,且占据特征值总数的较低比例,故RFI矩阵可视为低秩矩阵。
同样地,本实施例对雷达回波数据矩阵中不含RFI的矩阵子块进行二维域表征与分析。图10是本发明实施例提供的雷达回波数据矩阵中不含RFI的矩阵子块的距离时间、方位时间的二维域表征结果示意图,图11是本发明实施例提供的雷达回波数据矩阵中不含RFI的矩阵子块的距离频域-方位时间二维域表征结果示意图。如图10-11所示,目标回波信号与RFI的不同之处主要在于:目标回波信号不聚集于特定区域,具有一定程度的类噪属性,但其幅值略高于噪声。图12是本发明实施例提供的为图11的幅值分析结果示意图,图13是本发明实施例提供的图5的幅值分析结果示意图,显然,目标回波信号所对应的较大幅值单元数仅占较小比例,故可以认为雷达回波矩阵的矩阵子块中目标回波分量具有稀疏性。
不失一般性,假设雷达回波数据矩阵中噪声分量服从复高斯分布,则最大似然意义下的误差建模函数可以具体化为最小化噪声分量的L2范数,即:
式中,表示第行、第列的矩阵子块的距离维傅里叶变换结果,表示第行、第列的射频干扰矩阵子块的距离维傅里叶变换结果,表示第行、第列的目标回波矩阵子块的距离维傅里叶变换结果,表示二范数,表示最小值,表示约束条件,表示秩,为射频干扰矩阵子块的秩,表示元素个数,表示目标回波信号的稀疏度。
上述步骤S4中,对于射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果的步骤,包括:
将射频干扰重构模型分解为射频干扰低秩重构子模型和目标回波稀疏恢复子模型,其中,射频干扰低秩重构子模型为:,目标回波稀疏恢复子模型为:,表示射频干扰低秩重构子模型和目标回波稀疏恢复子模型的迭代次数,表示复数辐角;
分别采用双边随机投影策略和软阈值函数映射策略对射频干扰低秩重构子模型及目标回波稀疏恢复子模型进行交替迭代更新,直至射频干扰低秩重构子模型与目标回波稀疏恢复子模型收敛,得到矩阵子块对应的射频干扰重构结果。
本实施例中,先对射频干扰低秩重构子模型采用双边随机投影策略进行第一次迭代更新、对目标回波稀疏恢复子模型采用软阈值函数映射策略进行第一次迭代更新,接着再对射频干扰低秩重构子模型采用双边随机投影策略进行第二次迭代更新、对目标回波稀疏恢复子模型采用软阈值函数映射策略进行第二次迭代更新……如此交替迭代更新直至两个子模型均收敛时,得到矩阵子块对应的射频干扰重构结果。上述过程中,当两个子模型达到预设迭代次数时即可认为收敛,其中,第t+1次迭代更新表示为:
为了进一步提高射频干扰的重构精度,对图5和图8进行幅值分析。具体而言,如图13所示,RFI幅度远高于目标回波信号与噪声,并且仅占较小比例,故认为RFI为稀疏矩阵;此外,由于RFI在距离频域-方位时间二维域具有一定聚集性,故认为RFI矩阵具有特殊的稀疏性。
通过上述各实施例可知,本发明的有益效果在于:
本发明提供一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法,将射频干扰抑制问题转化为基于误差建模原理的射频干扰重构问题,利用射频干扰与目标回波信号在距离方位二维域的低秩与稀疏特性构建了射频干扰重构模型,进而通过迭代更新实现射频干扰估计并采用距离方位约束矩阵对射频干扰进行强约束,能够有效降低目标回波信号的恢复损失、提高重构精度。
在本发明的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。
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 (7)
1.一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法,其特征在于,包括:
根据雷达接收到的回波信号建立单次回波线性叠加模型,所述雷达接收到的回波信号包括目标回波信号、射频干扰以及加性噪声;
基于所述单次回波线性叠加模型,对雷达接收到的回波数据矩阵进行分块处理,得到多个矩阵子块;
针对所述矩阵子块,建立射频干扰重构模型;
对于所述射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果;
利用距离方位约束矩阵对所述射频干扰重构结果进行约束,恢复得到各矩阵子块对应的目标回波信号。
3.根据权利要求2所述的基于二维域低秩稀疏特性的雷达射频干扰抑制方法,其特征在于,所述回波数据矩阵包括:目标回波矩阵、射频干扰矩阵和加性噪声矩阵,所述矩阵子块包括:目标回波矩阵子块、射频干扰矩阵子块和加性噪声矩阵子块;
所述基于所述单次回波线性叠加模型,对雷达接收到的回波数据矩阵进行分块处理,得到多个矩阵子块的步骤,包括:
基于所述单次回波线性叠加模型,分别对所述目标回波矩阵、所述射频干扰矩阵和所述加性噪声矩阵进行分块处理,得到所述目标回波矩阵子块、所述射频干扰矩阵子块和所述加性噪声矩阵子块。
5.根据权利要求4所述的基于二维域低秩稀疏特性的雷达射频干扰抑制方法,其特征在于,所述对于所述射频干扰重构模型,采用双边随机投影策略与软阈值函数映射策略进行重构,得到各矩阵子块对应的射频干扰重构结果的步骤,包括:
将所述射频干扰重构模型分解为射频干扰低秩重构子模型和目标回波稀疏恢复子模型;
分别采用双边随机投影策略和软阈值函数映射策略对所述射频干扰低秩重构子模型及所述目标回波稀疏恢复子模型进行交替迭代更新,直至所述射频干扰低秩重构子模型与所述目标回波稀疏恢复子模型收敛,得到矩阵子块对应的射频干扰重构结果;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211453349.1A CN115656938A (zh) | 2022-11-21 | 2022-11-21 | 一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211453349.1A CN115656938A (zh) | 2022-11-21 | 2022-11-21 | 一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115656938A true CN115656938A (zh) | 2023-01-31 |
Family
ID=85017997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211453349.1A Pending CN115656938A (zh) | 2022-11-21 | 2022-11-21 | 一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115656938A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008115175A1 (en) * | 2007-03-19 | 2008-09-25 | Richard Alan Altes | Beam design for synthetic aperture position/velocity estimation |
US20120007773A1 (en) * | 2010-07-08 | 2012-01-12 | Raytheon Company | Processing Radar Return Signals To Detect Targets |
CN105445704A (zh) * | 2015-11-27 | 2016-03-30 | 西安电子科技大学 | 一种sar图像中的雷达动目标抑制方法 |
CN113064165A (zh) * | 2021-03-22 | 2021-07-02 | 电子科技大学 | 一种扫描雷达俯仰-方位二维超分辨方法 |
CN113671498A (zh) * | 2021-07-27 | 2021-11-19 | 西安电子科技大学 | 基于低秩与双重稀疏矩阵分解的sar射频干扰抑制方法 |
-
2022
- 2022-11-21 CN CN202211453349.1A patent/CN115656938A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008115175A1 (en) * | 2007-03-19 | 2008-09-25 | Richard Alan Altes | Beam design for synthetic aperture position/velocity estimation |
US20120007773A1 (en) * | 2010-07-08 | 2012-01-12 | Raytheon Company | Processing Radar Return Signals To Detect Targets |
CN105445704A (zh) * | 2015-11-27 | 2016-03-30 | 西安电子科技大学 | 一种sar图像中的雷达动目标抑制方法 |
CN113064165A (zh) * | 2021-03-22 | 2021-07-02 | 电子科技大学 | 一种扫描雷达俯仰-方位二维超分辨方法 |
CN113671498A (zh) * | 2021-07-27 | 2021-11-19 | 西安电子科技大学 | 基于低秩与双重稀疏矩阵分解的sar射频干扰抑制方法 |
Non-Patent Citations (2)
Title |
---|
YI DING ET AL.: "Radio Frequency Interference Mitigation for Synthetic Aperture Radar Based on the Time-Frequency Constraint Joint Low-Rank and Sparsity Properties" * |
荣鹏帅: "SAR射频干扰抑制方法" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110456417B (zh) | 一种地震数据多次波压制方法 | |
CN103926622B (zh) | 一种基于l1范数多道匹配滤波压制多次波的方法 | |
CN111239697A (zh) | 低秩矩阵分解的多维域联合sar宽带干扰抑制方法 | |
Lu et al. | Edge-preserving polynomial fitting method to suppress random seismic noise | |
CN109633752B (zh) | 基于三维快速Radon变换的海上拖缆资料自适应鬼波压制方法 | |
CN113671498A (zh) | 基于低秩与双重稀疏矩阵分解的sar射频干扰抑制方法 | |
CN113887398A (zh) | 一种基于变分模态分解和奇异谱分析的gpr信号去噪方法 | |
CN113376597A (zh) | 基于数字高程地图和gpu的复杂地形电磁散射快速仿真方法 | |
Wang et al. | Seismic velocity inversion transformer | |
CN105319593A (zh) | 基于曲波变换和奇异值分解的联合去噪方法 | |
Tang et al. | A novel sea clutter suppression method based on deep learning with exploiting time-frequency features | |
Liao et al. | Residual learning with feedback for strong random noise attenuation in seismic data | |
CN113608218A (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
CN105572629A (zh) | 一种适用于任意阵列结构的低运算复杂度的二维测向方法 | |
CN115656938A (zh) | 一种基于二维域低秩稀疏特性的雷达射频干扰抑制方法 | |
CN115267673B (zh) | 考虑重建网格偏移的稀疏声源成像方法、系统 | |
CN113484842B (zh) | 基于目标姿态分帧与散射字典截断的rcs重构方法 | |
CN102509268B (zh) | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 | |
CN106054247B (zh) | 基于转换波地震数据求取高精度反射系数的方法 | |
Lyu et al. | A Data-Driven Deep Neural Network for Modeling of Ionospheric Clutter in HFSWR | |
CN109917453B (zh) | 基于Shearlet变换的多尺度一次波分离方法 | |
CN114675252A (zh) | 基于低秩稀疏矩阵约束优化的叶簇杂波抑制方法及系统 | |
CN111398912B (zh) | 基于张量低秩逼近的合成孔径雷达干扰抑制方法 | |
CN113985407A (zh) | 一种基于解耦原子范数最小化的高精度多带融合方法 | |
CN109633635B (zh) | 基于结构化递归最小二乘的米波雷达测高方法 |
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 |