CN116400280A - 复杂目标雷达散射截面测试不确定度评估方法 - Google Patents
复杂目标雷达散射截面测试不确定度评估方法 Download PDFInfo
- Publication number
- CN116400280A CN116400280A CN202310305445.XA CN202310305445A CN116400280A CN 116400280 A CN116400280 A CN 116400280A CN 202310305445 A CN202310305445 A CN 202310305445A CN 116400280 A CN116400280 A CN 116400280A
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- complex target
- rcs
- typical
- test
- 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.)
- Granted
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 80
- 238000011156 evaluation Methods 0.000 title claims abstract description 51
- 238000011158 quantitative evaluation Methods 0.000 claims abstract description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- 238000003786 synthesis reaction Methods 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000002194 synthesizing effect Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000013139 quantization Methods 0.000 claims description 4
- 238000013142 basic testing Methods 0.000 claims description 3
- 238000013210 evaluation model Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 14
- 230000006872 improvement Effects 0.000 description 8
- 239000002184 metal Substances 0.000 description 8
- 238000013076 uncertainty analysis Methods 0.000 description 5
- 235000011437 Amygdalus communis Nutrition 0.000 description 4
- 241000220304 Prunus dulcis Species 0.000 description 4
- 235000020224 almond Nutrition 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/005—Calibrating; Standards or reference devices, e.g. voltage or resistance standards, "golden" references
- G01R35/007—Standards or reference devices, e.g. voltage or resistance standards, "golden references"
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达散射截面测试技术领域，公开了一种复杂目标雷达散射截面测试不确定度评估方法，包括以下步骤：S01、构建典型RCS标准体雷达散射截面测试不确定度数据库；S02、构建采用典型RCS标准体对复杂目标进行不确定评估的影响因素；S03、基于典型RCS标准体构建针对复杂目标的不确定度量化评估模型，通过评估多个可代表复杂目标特点的典型RCS标准体的不确定度，对复杂目标RCS测试不确定度进行评估。本发明基于典型RCS标准体对复杂目标RCS测试不确定度进行评估，能够很好地解决由重复测试所导致的测试周期长的问题，减少测试成本。
Description
技术领域
本发明属于雷达散射截面测试技术领域，具体涉及一种复杂目标雷达散射截面测试不确定度评估方法。
背景技术
RCS(雷达散射截面)作为衡量目标电磁散射特性的重要指标，是准确评价装备隐身效能的基础及保障战斗力的关键。通常RCS测试方法主要采用比较法，即利用已知雷达发射截面积的标准体进行对比测量，而RCS测试结果的量值溯源直接关系到测试结构的精准性，是RCS测试中的重要组成部分。
量值溯源结果的精确性通常由测量不确定度来评价，不确定度分析是分级溯源的方法，按照特点分为A类和B类评估方法，A类评估方法是通过重复性测试计算的不确定度方位，B类评估方式是通过原理计算的不确定度范围。目前，RCS测量结果的量值溯源通常采用A类不确定分析方法，存在以下问题：1)复杂目标的RCS测试通常需要在暗室中进行，导致测试资源紧张；2)评价不确定需要重复性测试的次数较多，导致测试成本较高；3)由于RCS测试与测试目标角度、姿态等相关，且涉及频率宽，导致测试周期较长。基于上述因素，导致目前在对复杂目标RCS测试结果进行不确定度评估时存在测试周期长、测试成本高、测试资源紧张等问题，大大限制了对复杂目标RCS测试结果的不确定度评估。
发明内容
本发明的目的在于提供一种复杂目标雷达散射截面测试不确定度评估方法，以解决目前在RCS测试结果不确定度分析中存在的上述技术问题。
本发明通过下述技术方案实现：
复杂目标雷达散射截面测试不确定度评估方法，包括以下步骤：
S01、构建典型RCS标准体雷达散射截面测试不确定度数据库；
S02、构建采用典型RCS标准体对复杂目标进行不确定评估的影响因素；
S03、基于典型RCS标准体构建针对复杂目标的不确定度量化评估模型，通过评估多个可代表复杂目标特点的典型RCS标准体的不确定度，对复杂目标RCS测试不确定度进行评估。
作为对上述技术方案的进一步改进，步骤S01中典型RCS标准体可采用外形简单、散射机理简单、基础测试数据多的几何标准体。
作为对上述技术方案的进一步改进，步骤S01中采用A类不确定度计算方法获取各个典型RCS标准体在雷达散射截面测试所引入的不确定分量。
作为对上述技术方案的进一步改进，步骤S02中采用典型RCS标准体对复杂目标进行不确定度评估的影响因素包括典型RCS标准体对复杂目标的支持度、评估的充分程度、典型RCS标准体之间的冲突因子；
所述典型RCS标准体对复杂目标的支持度为通过不同典型RCS标准体RCS测试引入的不确定度推断出复杂目标RCS测试引入的不确定度的支持程度；
所述评估的充分程度为用于评估的典型RCS标准体的数目；
所述典型RCS标准体之间的冲突因子为不同典型RCS标准体之间散射机理的重叠程度。
作为对上述技术方案的进一步改进，步骤S03中针对复杂目标的不确定度量化评估模型，包括以下步骤：
S031、针对复杂目标的特点，在数据库中选取可用于代表复杂目标特点的多个典型RCS标准体，用于对复杂目标RCS测试不确定度的评估；
S032、获取由单个典型RCS标准体推断复杂目标不确定度所对应的不确定度区间；
S033、对多个所选取的典型RCS标准体对应的不确定度区间进行合成，得到复杂目标RCS测试不确定度区间。
作为对上述技术方案的进一步改进，步骤S032中由单个典型RCS标准体推断复杂目标不确定度的区间估计的操作步骤为：
获取典型RCS标准体的不确定度数据以及典型RCS标准体对复杂目标的支持度、评估的充分程度的评估参数，基于不确定度数据和评估参数得到由单个典型RCS标准体推断复杂目标不确定度的下限估计和上限估计，所得到的复杂目标不确定度上限估计和下限估计即为由单个典型RCS标准体推断得到的复杂目标不确定度所对应的不确定度区间。
作为对上述技术方案的进一步改进，步骤S033中，对多个所选取的典型RCS标准体对应的不确定度区间进行合成的步骤为：
先对其中两组典型RCS标准体对应的不确定度区间进行合成，再将合成结果与另一组典型RCS标准体对应的不确定度区间进行合成，依次进行两两合成操作，得到复杂目标RCS测试不确定度区间。
作为对上述技术方案的进一步改进，在对两组典型RCS标准体对应的不确定度区间进行合成操作的步骤为：
获取用于合成的两组典型RCS标准体的冲突因子；
当用于合成的两组典型RCS标准体的冲突因子为零时，将两组待合成的不确定度区间相加得到两组典型RCS标准体不确定度区间的合成结果；
当用于合成的两组典型RCS标准体的冲突因子不为零时，将冲突因子引入到不确定度区间合成计算中，得到两组典型RCS标准体不确定度区间的合成结果。
作为对上述技术方案的进一步改进，所述冲突因子采用专家系统评估得到。
本发明评估方法基于同一测量系统，将复杂目标RCS测量结果的不确定评估转换成为对一组典型RCS标准体测量数据不确定度的评估，通过评估多个可代表复杂目标特点的不同典型RCS标准体测试结果的不确定度，来实现对复杂目标RCS测试结果不确定度的评估，可简化复杂目标RCS测量结果的不确定度分析，可很好地解决目前在对复杂目标RCS测量结果进行不确定度评估时存在的诸多问题。
基于典型RCS标准体对复杂目标RCS测试不确定度进行评估，能够很好地解决由重复测试所导致的测试周期长的问题，减少测试成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明不确定度评估方法中构建不确定度量化评估模型的流程框图。
图2为本发明实施例中复杂目标结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
在需要以多次重复性测试数据对复杂目标的RCS测试结果进行不确定度评估，通常是及其困难的，不仅需要耗费大量的人力、物力和测试成本，而且由于目标本身复杂程度在实际测试中存在的困难，会给不确定度评估可信度带来一定的影响。
本发明评估方法基于同一测量系统，将复杂目标RCS测量结果的不确定评估转换成为对一组典型RCS标准体测量数据不确定度的评估；由于典型RCS标准体具有外形相对简单、散射机理相对简单、测试数据多的特点，通过评估多个可代表复杂目标特点的不同典型RCS标准体测量结果的不确定度，来实现对复杂目标RCS测试结果不确定度的评估，可简化复杂目标RCS测量结果的不确定度分析，可很好地解决目前在对复杂目标RCS测量结果进行不确定度评估时存在的诸多问题。
本实施例中复杂目标雷达散射截面测试不确定评估方法，包括以下步骤：
S01、构建典型RCS标准体雷达散射截面测试不确定度数据库；
这里选取的典型RCS标准体通常需要具有外形相对简单、散射机理相对简单、基础测试数据多的特点。
例如构建由m个典型RCS标准体的不确定度数据库，典型RCS标准体的编号分别对应为Benchmark_1，…Benchmark_m，按照A类不确定度计算方法可得到各个典型RCS标准体在RCS测试所引入的不确定分量，如表1所示。
表1典型RCS标准体不确定度数据库
| 序号 | 典型标准体编号 | 不确定度(dBsm) |
| 1 | Benchmark_1 | U_1 |
| … | … | … |
| m | Benchmark_m | U_m |
S02、构建采用典型RCS标准体对复杂目标进行不确定评估的影响因素；
2.1)典型RCS标准体对复杂目标的支持度
典型RCS标准体对复杂目标的支持度(Positive Support，以下表示为PS)，是指对“典型RCS标准体RCS测试引入的不确定度”推断出“复杂目标RCS测试引入的不确定度”的支持程度，支持度的大小往往取决于所选取用于评估的典型RCS标准体以及复杂目标本身。
以典型RCS标准体中金属球标准体为例，金属球标准体对光滑金属球面目标的支持度较高，这是因为金属球标准体的结构特征基本能够覆盖光滑金属球面目标；而金属球标准体对地面坦克目标的支持度就比较低，这是由于地面坦克目标的结构比金属球标准体差异较大，包括粗糙表面、二面角反射和边缘绕射等。
显然，支持度却大，则典型RCS标准体对复杂目标测试不确定的评估就越有效。
2.2)典型RCS标准体之间散射机理的重叠程度
在采用典型RCS标准体来推理复杂目标测量结果不确定度时，由于不同的典型RCS标准体存在不同的散射机理，导致选取用于评价的典型RCS标准体之间在评估时可能会存在散射机理重叠的现象，这里定义为典型RCS标准体之间的冲突因子，用K表示。
若所选用的典型RCS标准体之间散射机理完全不重叠，即完全不冲突，则其冲突因子取值为零；若所选用的典型RCS标准体之间的散射机理有重叠，即存在冲突的情况，则在进行不确定评估时就需要将其冲突因子的取值引入评估计算中。
例如，典型RCS标准体中二面角标准体的散射机理为多次散射和镜面，而长方体标准体的散射机理为棱边和镜面，金属球标准体的散射机理为镜面和爬行波，因此三者之间的散射机理之间存在重叠，若复杂目标选用上述三个典型RCS标准体对其不确定度进行评估，则需要在评估时考虑冲突因子。
2.3)评估的充分程度
评估的充分程度(以下表示为AQ)是指用于评估的典型RCS标准体的数目。
由于复杂目标的散射激励复杂，用于代表复杂目标的典型RCS标准体越多，那么越能够更可靠地得到复杂目标的不确定度。也就是说，用于分析的基准体越多，分析过程越可信，对于最终所得到的不确定度区间的可行度也越高。
S03、构建针对复杂目标的不确定度量化评估模型，通过评估多个可代表复杂目标特点的典型RCS标准体的不确定度，对复杂目标RCS测试不确定度进行评估；
参照图1，构建不确定度量化评估模型的过程为：
以多个典型RCS标准体的不确定度分析结果为输入起点，首先结合多个典型RCS标准体的不确定度评估影响因素分别评估其不确定度区间；然后对多个典型RCS标准体评估所得到的不确定区间进行合成；最后得到复杂目标不确定度的区间，实现对复杂目标不确定度的评估。
具体包括以下步骤：
S031、针对复杂目标的特点，在数据库中选取可用于代表复杂目标特点的多个典型RCS标准体，用于对复杂目标RCS测试不确定度的评估；
S032、由单个典型RCS标准体推断复杂目标不确定度的区间估计，获取由单个典型RCS标准体推断复杂目标不确定度所对应的不确定度区间；
假设最终求得的不确定度区间
当由某一典型RCS标准体的不确定度结果result用作复杂目标的不确定度量化分析证据时，典型RCS标准体对复杂目标的支持度为PS，评估的充分程度为AQ；则假设的不确定度空间H的所有非空子集的基本概率赋值可表示为：
m(h)＝result/PS/AQ………………………(3-1)
由此可得到单个典型RCS标准体推断复杂目标不确定度的区间估计(即由复杂目标测试引入的不确定度区间)表示为：
S033、多个典型RCS标准体对应的不确定度区间合成
当有多个典型RCS标准体的计算结果用作可信度量化分析推断的证据时，需要对多个推断结果(信任区间)进行合成。
采用多个典型RCS标准体进行复杂目标不确定的分析时，由于不同的典型RCS标准体可能存在相同的散射机理，在不确定度区间合成时，分为证据不冲突(即散射机理不冲突)和证据冲突(及散射机理有冲突)的情况，优化冲突因子K的评估方法，分以下两种情况进行复杂目标不确定度区间合成：
a)证据不冲突，即K＝0时，若两组待合成的不确定区间分别为m(A)和m(B)，则合成不确定度m(C)可表示为：
m(C)＝m(A)+m(B)……………………(3-3)
b)证据冲突时，则引入由专家系统评价的冲突因子，然后进行不确定度区间的合成，表示为：
然后分别求解合成不确定度区间的下限估计和上限估计，由此可得到两组不确定度区间的合成结果，通过对推断结果的多次两两合成，即可得到最终的不确定度区间。
下面结合具体的实施例对本发明复杂目标雷达散射截面测试不确定评估方法的具体应用进行说明。
以如图2所示的复杂目标作为评估对象，根据复杂目标的结构特点，在标准数据库中选取三种典型RCS标准体对其测量不确定度进行评估，具体选用双柱曲面标准体、二面角标准体和杏仁体标准体，数据库中各个标准体的不确定度数据如表2所示：
表2典型RCS标准体X波段不确定数据库
| 序号 | 典型RCS标准体 | 不确定度(HH) | 不确定度(VV) | PS | AQ |
| 1 | 双柱曲面 | 0.083 | 0.074 | 0.68 | 0.75 |
| 2 | 二面角 | 0.043 | 0.033 | 0.5 | 0.73 |
| 3 | 杏仁体 | 0.085 | 0.076 | 0.48 | 0.76 |
根据式(3-1)-(3-4)不确定度区间估计合成方法，以X波段HH极化为例，其中双柱曲面标准体表示为m1，二面角标准体表示为m2，杏仁体标准体表示为m3，在K不为零的情况下，可得到：
m1(h)＝0.083/0.68/0.75＝0.163
m2(h)＝0.043/0.5/0.73＝0.118
m3(h)＝0.085/0.48/0.76＝0.233
因此，由典型RCS标准体计算得到的不确定度区间分别为[-0.163，0.163]、[-0.118，0.118]和[-0.233，0.233]；
根据式(3-4)进行不确定度区间合成：
首先合成二面角和杏仁体，这里K1取值为0.9，得到m(D1)＝0.192；
然后再将得到的结果与双柱曲面合成，这里K2取值为0.8，得到m(D2)＝0.224。
由此，可得到图2中所示复杂目标RCS测试的不确定区间为[-0.224，0.224]，实现对复杂目标RCS测试不确定度的评估。
在本发明的描述中，需要说明的是，所采用的术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，本发明的描述中若出现“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。
Claims (9)
1.复杂目标雷达散射截面测试不确定度评估方法，其特征在于，包括以下步骤：
S01、构建典型RCS标准体雷达散射截面测试不确定度数据库；
S02、构建采用典型RCS标准体对复杂目标进行不确定评估的影响因素；
S03、基于典型RCS标准体构建针对复杂目标的不确定度量化评估模型，通过评估多个可代表复杂目标特点的典型RCS标准体的不确定度，对复杂目标RCS测试不确定度进行评估。
2.根据权利要求1所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，步骤S01中典型RCS标准体可采用外形简单、散射机理简单、基础测试数据多的几何标准体。
3.根据权利要求1所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，步骤S01中采用A类不确定度计算方法获取各个典型RCS标准体在雷达散射截面测试所引入的不确定分量。
4.根据权利要求1所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，步骤S02中采用典型RCS标准体对复杂目标进行不确定度评估的影响因素包括典型RCS标准体对复杂目标的支持度、评估的充分程度、典型RCS标准体之间的冲突因子；
所述典型RCS标准体对复杂目标的支持度为通过不同典型RCS标准体RCS测试引入的不确定度推断出复杂目标RCS测试引入的不确定度的支持程度；
所述评估的充分程度为用于评估的典型RCS标准体的数目；
所述典型RCS标准体之间的冲突因子为不同典型RCS标准体之间散射机理的重叠程度。
5.根据权利要求4所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，步骤S03中针对复杂目标的不确定度量化评估模型，包括以下步骤：
S031、针对复杂目标的特点，在数据库中选取可用于代表复杂目标特点的多个典型RCS标准体，用于对复杂目标RCS测试不确定度的评估；
S032、获取由单个典型RCS标准体推断复杂目标不确定度所对应的不确定度区间；
S033、对多个所选取的典型RCS标准体对应的不确定度区间进行合成，得到复杂目标RCS测试不确定度区间。
6.根据权利要求5所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，步骤S032中由单个典型RCS标准体推断复杂目标不确定度的区间估计的操作步骤为：
获取典型RCS标准体的不确定度数据以及典型RCS标准体对复杂目标的支持度、评估的充分程度的评估参数，基于不确定度数据和评估参数得到由单个典型RCS标准体推断复杂目标不确定度的下限估计和上限估计，所得到的复杂目标不确定度上限估计和下限估计即为由单个典型RCS标准体推断得到的复杂目标不确定度所对应的不确定度区间。
7.根据权利要求5所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，步骤S033中，对多个所选取的典型RCS标准体对应的不确定度区间进行合成的步骤为：
先对其中两组典型RCS标准体对应的不确定度区间进行合成，再将合成结果与另一组典型RCS标准体对应的不确定度区间进行合成，依次进行两两合成操作，得到复杂目标RCS测试不确定度区间。
8.根据权利要求7所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，在对两组典型RCS标准体对应的不确定度区间进行合成操作的步骤为：
获取用于合成的两组典型RCS标准体的冲突因子；
当用于合成的两组典型RCS标准体的冲突因子为零时，将两组待合成的不确定度区间相加得到两组典型RCS标准体不确定度区间的合成结果；
当用于合成的两组典型RCS标准体的冲突因子不为零时，将冲突因子引入到不确定度区间合成计算中，得到两组典型RCS标准体不确定度区间的合成结果。
9.根据权利要求8所述的复杂目标雷达散射截面测试不确定度评估方法，其特征在于，所述冲突因子采用专家系统评估得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310305445.XA CN116400280B (zh) | 2023-03-27 | 2023-03-27 | 复杂目标雷达散射截面测试不确定度评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310305445.XA CN116400280B (zh) | 2023-03-27 | 2023-03-27 | 复杂目标雷达散射截面测试不确定度评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116400280A true CN116400280A (zh) | 2023-07-07 |
| CN116400280B CN116400280B (zh) | 2024-06-07 |
Family
ID=87013552
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310305445.XA Active CN116400280B (zh) | 2023-03-27 | 2023-03-27 | 复杂目标雷达散射截面测试不确定度评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116400280B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865562A (zh) * | 2015-06-12 | 2015-08-26 | 西安电子科技大学 | 基于混合模型的雷达非合作目标的识别方法 |
| CN108663665A (zh) * | 2018-04-03 | 2018-10-16 | 北京环境特性研究所 | 一种确定紧缩场的不确定度的方法及装置 |
| EP4040183A1 (en) * | 2021-02-09 | 2022-08-10 | Airbus Defence and Space GmbH | An arrangement and a method for measuring a radar cross section |
| CN115453480A (zh) * | 2022-08-17 | 2022-12-09 | 成都飞机工业（集团）有限责任公司 | 雷达散射截面测试数据处理方法、装置、设备及存储介质 |
-
2023
- 2023-03-27 CN CN202310305445.XA patent/CN116400280B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865562A (zh) * | 2015-06-12 | 2015-08-26 | 西安电子科技大学 | 基于混合模型的雷达非合作目标的识别方法 |
| CN108663665A (zh) * | 2018-04-03 | 2018-10-16 | 北京环境特性研究所 | 一种确定紧缩场的不确定度的方法及装置 |
| EP4040183A1 (en) * | 2021-02-09 | 2022-08-10 | Airbus Defence and Space GmbH | An arrangement and a method for measuring a radar cross section |
| CN115453480A (zh) * | 2022-08-17 | 2022-12-09 | 成都飞机工业（集团）有限责任公司 | 雷达散射截面测试数据处理方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 梁爽等: "飞翼布局双站雷达散射截面仿真与分析", 计算机测量与控制, vol. 25, no. 9, 30 September 2017 (2017-09-30), pages 242 - 245 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116400280B (zh) | 2024-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2002680B1 (de) | Verfahren und Vorrichtung zur Standortbestimmung eines mobilen Objekts | |
| CN111965632B (zh) | 一种基于黎曼流形降维的雷达目标检测方法 | |
| CN105699952B (zh) | 海杂波k分布形状参数的双分位点估计方法 | |
| CN108957406A (zh) | 一种基于神经网络的雷达主瓣干扰抑制方法 | |
| CN105044722B (zh) | 合成孔径雷达目标的全贝叶斯特征提取方法 | |
| CN114942428B (zh) | 多目标跟踪的混合体制雷达数据关联算法 | |
| CN109884627A (zh) | 任意线阵构型的近程毫米波快速三维成像方法 | |
| CN106707284A (zh) | 一种用于双基地逆合成孔径雷达的成像方法 | |
| CN116400280B (zh) | 复杂目标雷达散射截面测试不确定度评估方法 | |
| CN113504521B (zh) | 一种用于多目标环境下的基于混合模型的恒虚警检测方法 | |
| CN113534077B (zh) | 一种雷达辐射源威力反演方法、装置及电子设备 | |
| CN114994674B (zh) | 智能微波凝视关联成像方法、设备及存储介质 | |
| CN116401844A (zh) | 一种基于散射中心正向模型的雷达目标特性规划方法 | |
| CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 | |
| CN112130119B (zh) | 一种分布式多站电子侦察协同信号处理系统及方法 | |
| CN107977943A (zh) | 一种基于提纯优化的空间目标光谱解混方法 | |
| CN111580062B (zh) | 基于双圆极化高分辨一维距离像hrrp的目标鉴别方法 | |
| CN114252876A (zh) | 基于多散射点模型的高分辨一维成像方法 | |
| CN113505463A (zh) | 海杂波与角反复合模型、构建系统及模拟仿真方法 | |
| CN113946955A (zh) | 基于融合中心反馈信息的多目标贝叶斯波达方向估计方法 | |
| CN114066792B (zh) | 一种基于多分辨率融合卷积神经网络的穿墙雷达成像方法 | |
| CN113065221A (zh) | 大擦地角下海杂波模型、模型构建系统以及模拟仿真方法 | |
| Oyedokun | Sea clutter simulation | |
| Liao et al. | Image method based 6G channel modeling for IIoT and mobility scenarios | |
| CN112666528A (zh) | 一种基于卷积神经网络的多站雷达系统干扰鉴别方法 |
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 |