CN115963457B - 一种多通道无源雷达直达波干扰抑制方法 - Google Patents
一种多通道无源雷达直达波干扰抑制方法 Download PDFInfo
- Publication number
- CN115963457B CN115963457B CN202310252877.9A CN202310252877A CN115963457B CN 115963457 B CN115963457 B CN 115963457B CN 202310252877 A CN202310252877 A CN 202310252877A CN 115963457 B CN115963457 B CN 115963457B
- Authority
- CN
- China
- Prior art keywords
- data
- direct wave
- representing
- matrix
- radar
- 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
Classifications
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多通道无源雷达直达波干扰抑制方法,所述方法包括以下步骤:步骤1:输入多通道雷达原始接收数据;步骤2:利用RPCA方法进行时域干扰抑制;步骤3:利用LCMV方法进行空域干扰抑制;步骤4:得到经过时域、空域干扰抑制后的雷达数据,用于后续检测、跟踪。该方案针对具有多通道的无源雷达系统,通过构造优化算法,使用稳健主成分分析方法在时域进行直达波干扰抑制,使用线性约束最小方差方法在空域进行自适应波束形成,抑制干扰。本发明创新性地将时域干扰抑制方法与空域干扰抑制方法结合,通过对雷达原始数据进行处理,实现了有效的直达波干扰抑制,可以直接应用于多通道无源雷达系统。
Description
技术领域
本发明属于雷达干扰抑制技术领域,主要针对无源雷达系统,尤其涉及一种多通道无源雷达直达波干扰抑制技术。
背景技术
雷达系统与雷达技术是人类通过利用电磁波实现对目标的探测、定位、跟踪、成像及识别的一套重要的工具。雷达自二十世纪30年代出现后,就被应用于军事领域,并在此后得到了迅猛的发展。自第二次世界大战以来,雷达作为信息探测系统的主要传感器以及信息源,为使用者打赢信息战、赢得信息优势继而获得战场的胜利提供了至关重要的保证。
无源雷达,也称为外辐射源雷达、被动雷达,是一种自身不发射电磁波信号,而依靠空间中已经存在的电磁波来实现对目标探测、定位与跟踪等功能的雷达探测系统。无源雷达可以利用目标本身发射的电磁波信号来实现对目标的探测与跟踪,或通过接收目标反射的第三方合作/非合作的辐射源电磁波信号来实现对目标的探测。这类雷达系统具有隐蔽性好、反隐身潜力好、组网能力强、系统成本低、无电磁污染等优点。
对于利用第三方辐射源的无源雷达系统,辐射源的直达波功率通常远高于经过目标反射的回波信号功率,因此需要对直达波干扰进行有效抑制,才能够实现对目标的准确检测与定位。传统的直达波抑制方法是利用不同第三方辐射源的电磁波特性,通过提纯参考信号对直达波进行干扰相消。尽管这类方法能够一定程度上抑制直达波干扰,提高回波信号的信干比,但其信干比仍较低,需要进一步抑制直达波以及噪声信号的干扰。
发明内容
本发明目的在于针对目前无源雷达容易受到第三方辐射源直达波干扰影响的情况,利用本发明提出的方法解决多通道无源雷达抑制直达波干扰的问题。本发明能够将多通道无源雷达的原始雷达数据先后进行时域处理和空域滤波,自适应地对直达波干扰进行抑制。
为解决上述问题,本发明的具体技术方案如下:一种多通道无源雷达直达波干扰抑制方法,所述方法包括以下步骤:
步骤1:输入多通道雷达原始接收数据;
步骤2:利用RPCA方法进行时域干扰抑制;
步骤3:利用LCMV方法进行空域干扰抑制;
步骤4:得到经过时域、空域干扰抑制后的雷达数据,用于后续检测、跟踪。
具体如下:该方案先进行时域干扰抑制,后进行空域干扰抑制,自适应地抑制原始雷达信号中的直达波干扰,其具体实施步骤如下:
步骤1、读取多通道无源雷达接收到的原始数据,其中包含微弱的目标回波信号、强直达波干扰信号以及噪声信号。将每个通道的数据分开,分别进行距离-多普勒处理,将每个通道的一维的时域雷达数据转换为快时间-慢时间域的矩阵形式雷达数据。
步骤2、根据实际环境与雷达系统参数,由于直达波干扰具有低秩稀疏特性,与回波信号的性质存在差异,因此可以通过构建优化问题模型,提取信号的特征并将回波信号与直达波信号进行分离,优化问题数学模型如下式所示:,
该优化问题本质上转化为稳健主成分分析(RPCA)问题,其中包含两部分,即一个非凸的低秩恢复问题和一个凸稀疏正则化问题,通过构建拉格朗日方程,并通过拉格朗日乘子法就求解得到各通道的和/>雷达数据矩阵,其中/>表示第/>个通道接收到的直达波干扰信号,/>表示第/>个通道接收到的目标回波信号,/>表示第/>个通道的原始接收信号,/>表示约束项的权值,/>、/>、/>分别表示计算核范数、/>范数以及/>范数的操作,/>为一任意小的正实数。
步骤2中构造的拉格朗日方程为
,其中引入了拉格朗日乘子以及惩罚超参数用于求解,同时使用核范数、/>范数以及/>范数,正则化方法充分利用低秩稀疏特性,其中,/>、、/>分别表示参与优化问题求解的直达波干扰信号矩阵、目标回波信号矩阵以及原始接收信号矩阵,/>表示对约束项的权值,/>表示惩罚超参数,/>表示引入的拉格朗日乘子。
步骤2中求解变量的优化问题的迭代闭式解为/>,使用奇异值阈值函数辅助求解,公式中的上标/>表示共轭转置操作,其中/>表示下一次迭代的直达波干扰信号矩阵估计结果,/>表示当前迭代计算的损失函数,所有参数的上标表示迭代轮次,/>和/>为对/>的SVD即奇异值分解分解矩阵,SVT表示奇异值阈值函数,其中/>表示输入变量,/>表示奇异值阈值函数使用的阈值。
步骤3、将步骤2中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式,再通过将各通道数据按阵列顺序进行堆叠,从而将向量形式组合成矩阵形式,随后,通过空域滤波技术领域中的线性约束最小方差(LCMV)方法可以对阵列天线的多通道数据进行自适应波束形成,主要目的为增强期望方向的信号,同时抑制干扰方向的信号,其优化问题模型如下式所示:
,
该问题通过常规的拉格朗日乘子法求解得到相对应的闭式解,即对各通道的加权系数,其中,为引入的辅助变量矩阵,/>表示一种将向量堆叠为矩阵的操作,/>为阵列加权矢量,/>表示波束指向/>角度的阵列导向矢量,公式中的上标/>表示共轭转置操作。
步骤3中通过LCMV算法可以很容易地求解得到的阵列各通道权值矢量为
,其中/>表示波束指向/>角度的阵列导向矢量,其中/>表示归一化系数,/>表示辅助变量/>的协方差矩阵,/>表示对协方差矩阵/>求逆的结果,/>和/>通过对输入数据进行特定的计算得到,计算方式通过求解一个简单的优化问题得到。
步骤4、使用步骤3求解得到的加权系数分别对步骤2得到的对应的各通道数据进行加权求和,从而得到经过空域滤波后的单通道雷达数据。经过上述一系列处理,该雷达数据中的直达波干扰将被极大地抑制,从而可以应用于后续的目标检测、目标识别、目标跟踪等处理。
步骤4中求解变量的优化问题的迭代闭式解为/>,使用了软阈值函数辅助求解,其中/>表示下一次迭代的真实信号矩阵估计结果,/>表示当前迭代计算的损失函数,所有参数的上标表示迭代轮次,ST表示软阈值函数,其中/>表示输入矩阵,/>表示软阈值函数使用的阈值。
进一步的,在求解的过程中还需要使用奇异值阈值(SVT)方法求解干扰信号和使用软阈值(ST)方法求解回波信号。SVT方法通过对要求解的变量矩阵进行奇异值分解(SVD),并通过奇异值阈值函数进行变换,从而可以将非凸优化问题松弛为凸优化问题,通过核范数与F范数进行近似,从而使优化问题可以求得闭式解。ST方法通过软阈值函数对目标函数进行变换,从而得到闭式解。
本发明的一种多通道无源雷达直达波干扰抑制方法,具有以下优点:
1、本发明结合了低秩恢复方法与空域自适应波束形成方法;
2、本发明先求解时域干扰抑制优化问题,再求解空域自适应波束形成优化问题;
3、本发明可以自适应地处理输入的多通道无源雷达原始信号,输出抑制干扰后的回波信号,有效实现了对直达波干扰的抑制;
4、本发明在求解优化问题时使用了奇异值阈值函数和软阈值函数辅助,提高了估计的准确性和抗干扰能力,降低了抑制干扰后的均方根误差,提高了抑制干扰后结构相似性;
5、本发明相比于目前抗干扰能力较好的方法提高性能的同时,一定程度上降低了计算复杂度,减少了计算时间。
附图说明
图1为本发明的流程示意图;
图2为本发明应用的具体场景;
图3为本发明使用的仿真无干扰信号的雷达数据;
图4为本发明使用的仿真受到干扰信号影响的雷达数据;
图5为使用LCMV方法抑制干扰后的雷达数据;
图6为使用ESP方法抑制干扰后的雷达数据;
图7为使用RPCA方法抑制干扰后的雷达数据;
图8为使用本发明方法抑制干扰后的雷达数据。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
实施例1:参见图1、图2,一种多通道无源雷达直达波干扰抑制方法,所述方法包括以下步骤:
步骤1:输入多通道雷达原始接收数据;
步骤2:利用RPCA方法进行时域干扰抑制;
步骤3:利用LCMV方法进行空域干扰抑制;
步骤4:得到经过时域、空域干扰抑制后的雷达数据,用于后续检测、跟踪。
具体如下:该方案先进行时域干扰抑制,后进行空域干扰抑制,自适应地抑制原始雷达信号中的直达波干扰,其具体实施步骤如下:
步骤1、读取多通道无源雷达接收到的原始数据,其中包含微弱的目标回波信号、强直达波干扰信号以及噪声信号。将每个通道的数据分开,分别进行距离-多普勒处理,将每个通道的一维的时域雷达数据转换为快时间-慢时间域的矩阵形式雷达数据。
步骤2、根据实际环境与雷达系统参数,由于直达波干扰具有低秩稀疏特性,与回波信号的性质存在差异,因此可以通过构建优化问题模型,提取信号的特征并将回波信号与直达波信号进行分离,优化问题数学模型如下式所示:
,
该优化问题本质上转化为稳健主成分分析(RPCA)问题,其中包含两部分,即一个非凸的低秩恢复问题和一个凸稀疏正则化问题,通过构建拉格朗日方程,并通过拉格朗日乘子法就求解得到各通道的和/>雷达数据矩阵,其中/>表示第/>个通道接收到的直达波干扰信号,/>表示第/>个通道接收到的目标回波信号,/>表示第/>个通道的原始接收信号,表示约束项的权值,/>、/>、/>分别表示计算核范数、/>范数以及/>范数的操作,/>为一任意小的正实数。
步骤2中,构造的拉格朗日方程为
,其中引入了拉格朗日乘子以及惩罚超参数用于求解,同时使用核范数、/>范数以及/>范数,正则化方法充分利用低秩稀疏特性,其中,/>、/>、/>分别表示参与优化问题求解的直达波干扰信号矩阵、目标回波信号矩阵以及原始接收信号矩阵,/>表示对约束项的权值,/>表示惩罚超参数,/>表示引入的拉格朗日乘子。
步骤2中求解变量的优化问题的迭代闭式解为/>,使用奇异值阈值函数辅助求解,公式中的上标/>表示共轭转置操作,其中/>表示下一次迭代的直达波干扰信号矩阵估计结果,/>表示当前迭代计算的损失函数,所有参数的上标表示迭代轮次,/>和/>为对/>的SVD即奇异值分解分解矩阵,SVT表示奇异值阈值函数,其中/>表示输入变量,/>表示奇异值阈值函数使用的阈值。
步骤3、将步骤2中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式,再通过将各通道数据按阵列顺序进行堆叠,从而将向量形式组合成矩阵形式,随后,通过空域滤波技术领域中的线性约束最小方差(LCMV)方法可以对阵列天线的多通道数据进行自适应波束形成,主要目的为增强期望方向的信号,同时抑制干扰方向的信号,其优化问题模型如下式所示:
,
该问题通过常规的拉格朗日乘子法求解得到相对应的闭式解,即对各通道的加权系数,其中,为引入的辅助变量矩阵,/>表示一种将向量堆叠为矩阵的操作,/>为阵列加权矢量,/>表示波束指向/>角度的阵列导向矢量,公式中的上标/>表示共轭转置操作。
步骤3中通过LCMV算法可以很容易地求解得到的阵列各通道权值矢量为
,其中/>表示波束指向/>角度的阵列导向矢量,其中/>表示归一化系数,/>表示辅助变量/>的协方差矩阵,/>表示对协方差矩阵/>求逆的结果,/>和/>通过对输入数据进行特定的计算得到,计算方式通过求解一个简单的优化问题得到。
步骤4、使用步骤3求解得到的加权系数分别对步骤2得到的对应的各通道数据进行加权求和,从而得到经过空域滤波后的单通道雷达数据。经过上述一系列处理,该雷达数据中的直达波干扰将被极大地抑制,从而可以应用于后续的目标检测、目标识别、目标跟踪等处理。
步骤4中求解变量的优化问题的迭代闭式解为/>,使用了软阈值函数辅助求解,其中/>表示下一次迭代的真实信号矩阵估计结果,/>表示当前迭代计算的损失函数,所有参数的上标表示迭代轮次,ST表示软阈值函数,其中/>表示输入矩阵,/>表示软阈值函数使用的阈值。
进一步的,在求解的过程中还需要使用奇异值阈值(SVT)方法求解干扰信号和使用软阈值(ST)方法求解回波信号。SVT方法通过对要求解的变量矩阵进行奇异值分解(SVD),并通过奇异值阈值函数进行变换,从而可以将非凸优化问题松弛为凸优化问题,通过核范数与F范数进行近似,从而使优化问题可以求得闭式解。ST方法通过软阈值函数对目标函数进行变换,从而得到闭式解。
实施例2:本发明公开的一种多通道无源雷达直达波干扰抑制方法,选择使用仿真的雷达数据实施本发明。如图1所示,本发明的具体实施方法如下,应用场景如图2所示:
(1)使用matlab软件读取多通道无源雷达接收到的原始数据如图4所示,其中包含微弱的目标回波信号、强直达波干扰信号以及噪声信号。将每个通道的数据分开,分别进行距离-多普勒处理,将每个通道的一维的时域雷达数据转换为快时间-慢时间域的矩阵形式雷达数据。
(2)根据实际环境与雷达系统参数,利用直达波干扰具有的低秩稀疏特性,构建优化问题模型,使用稳健主成分分析(RPCA)方法求解该优化问题,从而能够得到抑制直达波干扰后的雷达数据。步骤1中分开的每个通道数据需要分别进行这一步处理,优化问题数学模型如下式所示:
,
该优化问题本质上可以转化为稳健主成分分析(RPCA)问题,其中包含两部分,即一个非凸的低秩恢复问题和一个凸稀疏正则化问题。通过构建拉格朗日方程,并通过拉格朗日乘子法就可以求解得到各通道的和/>雷达数据矩阵。其中引入了拉格朗日乘子以及惩罚超参数,同时还需要使用核范数、/>范数以及/>范数等正则化方法充分利用低秩稀疏特性,最后通过奇异值阈值方法和软阈值方法进行求解。
(3)将(2)中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式,再通过将各通道数据按阵列顺序进行堆叠,从而将向量形式组合成矩阵形式。随后,通过空域滤波技术领域中的线性约束最小方差(LCMV)方法可以对阵列天线的多通道数据进行自适应波束形成,主要目的为增强期望方向的信号,同时抑制干扰方向的信号,其优化问题模型如下式所示:
,
该问题可以通过常规的拉格朗日乘子法求解得到相对应的闭式解,即对各通道的加权系数,阵列各通道权值矢量为,其中/>表示目标方向,/>和/>可以通过对输入数据进行特定的计算得到,计算方式可以通过求解一个简单的优化问题得到。
(4)使用(3)中求解得到的加权系数分别对(2)中得到的对应的各通道数据进行加权求和,从而得到经过空域滤波后的单通道雷达数据。经过上述一系列处理,该雷达数据中的直达波干扰将被极大地抑制,从而可以应用于后续的目标检测、目标识别、目标跟踪等处理。
图5、图6、图7为使用其他方式得到的结果,用于与本发明方法进行比较。其中,图5、6、7在受到干扰的情况下几乎无法检测到目标,使用本发明方法的图8可以清晰地展现目标的距离、方位信息。在数据上,使用其他方法的图5、6、7的均方根误差均高于本发明方法的图8,同时结构相似性均低于本发明方法。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (1)
1.一种多通道无源雷达直达波干扰抑制方法,其特征在于,所述方法包括以下步骤:
步骤1:输入多通道雷达原始接收数据;
步骤2:利用RPCA方法进行时域干扰抑制;
步骤3:利用LCMV方法进行空域干扰抑制;
步骤4:得到经过时域、空域干扰抑制后的雷达数据,用于后续检测、跟踪;
步骤1中,读取多通道无源雷达接收到的原始数据,并将每个通道的数据分开,分别进行后续处理,接收信号中包含较弱的目标反射回波信号、较强的直达波干扰信号以及噪声信号;
步骤2中,根据实际环境与雷达系统参数,利用直达波干扰具有的低秩稀疏特性,构建优化问题模型,使用稳健主成分分析即RPCA方法求解该优化问题,从而能够得到抑制直达波干扰后的雷达数据,步骤1中分开的每个通道数据需要分别进行这一步处理;
步骤3中,将步骤2处理后的各通道数据按序进行堆叠,组合成矩阵形式的多通道数据,看做为阵列信号进行空域滤波,使用线性约束最小方差LCMV方法构建优化问题模型,并通过求解该问题得到闭式解,即各通道的加权系数组成的权值向量;
步骤4中,使用步骤3求解得到的加权系数分别对步骤2得到的对应的各通道数据进行加权求和,从而得到经过空域滤波后的雷达数据,经过处理,该雷达数据中的直达波干扰将被抑制,从而应用于后续的目标检测、目标识别、目标跟踪处理;
步骤2中根据实际环境与雷达系统参数,由于直达波干扰具有低秩稀疏特性,与回波信号的性质存在差异,通过构建优化问题模型,提取信号的特征并将回波信号与直达波信号进行分离,优化问题数学模型如下式所示:
该优化问题本质上转化为稳健主成分分析(RPCA)问题,其中包含两部分,即一个非凸的低秩恢复问题和一个凸稀疏正则化问题,通过构建拉格朗日方程,并通过拉格朗日乘子法就求解得到各通道的Rm和Xm雷达数据矩阵,其中Rm表示第m个通道接收到的直达波干扰信号,Xm表示第m个通道接收到的目标回波信号,Ym表示第m个通道的原始接收信号,λ表示约束项的权值,|| ||*、|| ||1、|| ||F分别表示计算核范数、l1范数以及F范数的操作,δ为一任意小的正实数;
步骤2中构造的拉格朗日方程为
其中引入了拉格朗日乘子以及惩罚超参数用于求解,同时使用核范数、l1范数以及F范数,正则化方法充分利用低秩稀疏特性,其中,R、X、Y分别表示参与优化问题求解的直达波干扰信号矩阵、目标回波信号矩阵以及原始接收信号矩阵,λ表示对约束项的权值,μ表示惩罚超参数,Y1表示引入的拉格朗日乘子;
步骤2中求解变量R的优化问题的迭代闭式解为使用奇异值阈值函数辅助求解,公式中的上标H表示共轭转置操作,其中R(p+1)表示下一次迭代的直达波干扰信号矩阵估计结果,/>表示当前迭代计算的损失函数,所有参数的上标表示迭代轮次,U和V为对G(p)的SVD即奇异值分解分解矩阵,SVT表示奇异值阈值函数其中x表示输入变量,ε表示奇异值阈值函数使用的阈值;
步骤4中求解变量X的优化问题的迭代闭式解为使用了软阈值函数辅助求解,其中X(p+1)表示下一次迭代的真实信号矩阵估计结果,/>表示当前迭代计算的损失函数,所有参数的上标表示迭代轮次,ST表示软阈值函数其中C表示输入矩阵,γ表示软阈值函数使用的阈值;
步骤3、将步骤2中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式,再通过将各通道数据按阵列顺序进行堆叠,从而将向量形式组合成矩阵形式,随后,通过空域滤波技术领域中的线性约束最小方差LCMV方法对阵列天线的多通道数据进行自适应波束形成,主要目的为增强期望方向的信号,同时抑制干扰方向的信号,其优化问题模型如下式所示:
该问题通过常规的拉格朗日乘子法求解得到相对应的闭式解,即对各通道的加权系数,其中,Z为引入的辅助变量矩阵,V表示一种将向量堆叠为矩阵的操作,W为阵列加权矢量,a(θ0)表示波束指向θ0角度的阵列导向矢量,公式中的上标H表示共轭转置操作;
步骤3中通过LCMV算法很容易地求解得到的阵列各通道权值矢量为
其中a(θ0)表示波束指向θ0角度的阵列导向矢量,其中β表示归一化系数,RZ表示辅助变量Z的协方差矩阵,/>表示对协方差矩阵RZ求逆的结果,β和/>通过对输入数据进行特定的计算得到,计算方式通过求解一个简单的优化问题得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310252877.9A CN115963457B (zh) | 2023-03-16 | 2023-03-16 | 一种多通道无源雷达直达波干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310252877.9A CN115963457B (zh) | 2023-03-16 | 2023-03-16 | 一种多通道无源雷达直达波干扰抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115963457A CN115963457A (zh) | 2023-04-14 |
CN115963457B true CN115963457B (zh) | 2023-07-25 |
Family
ID=85905175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310252877.9A Active CN115963457B (zh) | 2023-03-16 | 2023-03-16 | 一种多通道无源雷达直达波干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115963457B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116184332B (zh) * | 2023-04-21 | 2023-07-11 | 南京隼眼电子科技有限公司 | 一种雷达干扰的抑制方法、装置及存储介质 |
CN116318522B (zh) * | 2023-05-12 | 2023-08-08 | 中国民用航空飞行学院 | 一种无需参考信号接收通道的无源相参杂波抑制方法 |
CN117761636B (zh) * | 2024-02-22 | 2024-04-30 | 中国科学院空天信息创新研究院 | 基于稀疏低秩恢复的双基sar相位同步干扰抑制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105527610B (zh) * | 2015-12-05 | 2017-10-20 | 中国人民解放军信息工程大学 | 基于分数阶时延估计的多天线联合优化杂波抑制方法 |
CN109001737A (zh) * | 2018-05-25 | 2018-12-14 | 哈尔滨工程大学 | 一种双基地声呐系统直达波抑制方法 |
CN109031231B (zh) * | 2018-08-03 | 2023-02-10 | 西安电子科技大学 | 雷达低空目标时间反演相干角度估计方法 |
CN111948619B (zh) * | 2020-06-30 | 2024-01-30 | 西安电子科技大学 | 一种多类型外辐射源照射下目标被动协同探测方法及系统 |
CN111812648B (zh) * | 2020-07-22 | 2022-01-04 | 东南大学 | 多通道合成孔径雷达rpca幅相联合目标检测方法与装置 |
CN115061098A (zh) * | 2022-07-28 | 2022-09-16 | 南京华成微波技术有限公司 | 雷达远距离支援干扰和随队干扰的抑制方法 |
CN115774274A (zh) * | 2022-12-21 | 2023-03-10 | 西安开阳微电子有限公司 | 一种卫星导航信号跟踪中的多径抑制方法 |
-
2023
- 2023-03-16 CN CN202310252877.9A patent/CN115963457B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115963457A (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115963457B (zh) | 一种多通道无源雷达直达波干扰抑制方法 | |
CN109375154B (zh) | 一种冲击噪声环境下基于均匀圆阵的相干信号参数估计方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN110082741B (zh) | 一种基于伪数据重构的超分辨波达角估计算法 | |
CN113608180A (zh) | 阵元-脉冲编码的mimo雷达主瓣欺骗式干扰抑制方法 | |
CN115219997B (zh) | 基于认知波形与滤波器联合设计的抗多间歇采样干扰方法 | |
CN113030843B (zh) | 基于改进iaa波束形成的低空目标测向方法 | |
CN105699950B (zh) | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 | |
CN103837861A (zh) | 基于特征子空间的子阵级线性约束自适应波束形成方法 | |
CN109001687A (zh) | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 | |
Li et al. | Dimension-reduced space-time adaptive clutter suppression algorithm based on lower-rank approximation to weight matrix in airborne radar | |
CN115932749A (zh) | 一种基于盲源分离算法的主瓣干扰抑制方法 | |
CN113376607A (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
Ruan et al. | A PARAFAC decomposition algorithm for DOA estimation in colocated MIMO radar with imperfect waveforms | |
CN113376606B (zh) | 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法 | |
CN108896963B (zh) | 机载雷达空时自适应降维处理方法 | |
CN110865342A (zh) | 基于导向矢量估计与协方差矩阵重构结合的波束形成方法 | |
CN106970358A (zh) | 非正侧视阵雷达杂波谱的角度多普勒配准的优化方法 | |
CN116643251B (zh) | 非均匀杂波环境中的宽带雷达运动目标检测方法 | |
Zhang et al. | Target imaging based on generative adversarial nets in through-wall radar imaging | |
CN116413662B (zh) | 基于深度展开网络的合成孔径雷达射频干扰抑制方法 | |
Liu et al. | Real-valued reweighted l 1 norm minimization method based on data reconstruction in MIMO radar | |
CN109597034A (zh) | 一种基于欧几里得距离的空时自适应处理方法 | |
CN109683128B (zh) | 冲击噪声环境下的单快拍测向方法 |
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 |