CN116908807B - 基于信号耦合模型的蜂群无人机雷达散射截面计算方法 - Google Patents

基于信号耦合模型的蜂群无人机雷达散射截面计算方法 Download PDF

Info

Publication number
CN116908807B
CN116908807B CN202311177235.3A CN202311177235A CN116908807B CN 116908807 B CN116908807 B CN 116908807B CN 202311177235 A CN202311177235 A CN 202311177235A CN 116908807 B CN116908807 B CN 116908807B
Authority
CN
China
Prior art keywords
unmanned aerial
aerial vehicle
radar
signal
swarm
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
Application number
CN202311177235.3A
Other languages
English (en)
Other versions
CN116908807A (zh
Inventor
刘佳
郝鑫海
朱熙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN202311177235.3A priority Critical patent/CN116908807B/zh
Publication of CN116908807A publication Critical patent/CN116908807A/zh
Application granted granted Critical
Publication of CN116908807B publication Critical patent/CN116908807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了基于信号耦合模型的蜂群无人机雷达散射截面计算方法，涉及雷达散射截面技术领域，选择蜂群无人机中的某一无人机，计算该无人机的一次散射信号；计算选定的无人机与蜂群无人机中其他无人机耦合下的所有二次散射信号；使用相干叠加法将一次散射信号和所有二次散射信号叠加；蜂群无人机中的每个无人机依次进行上述步骤，得到蜂群无人机中每个无人机的一次散射信号和所有二次散射信号；根据上述数据得到蜂群无人机的雷达回波信号，进而得到蜂群无人机的雷达散射截面。本发明采用上述步骤，基于蜂群无人机的空间位置、单一无人机的单站和双站雷达散射截面以及雷达入射信号和雷达参数信息，对雷达散射截面信息进行精准计算。

Description

基于信号耦合模型的蜂群无人机雷达散射截面计算方法
技术领域
本发明涉及雷达散射截面技术领域，特别是涉及基于信号耦合模型的蜂群无人机雷达散射截面计算方法。
背景技术
蜂群无人机是无人机众多拓展应用领域的一种，具备成本低、部署快、突防能力强、可执行多元任务等特点。近年来蜂群无人机技术得到了快速发展，蜂群无人机作为一种具备较高自由度和机动能力的目标，对雷达目标探测技术提出了更高的要求，针对蜂群无人机的雷达散射截面计算对提升蜂群无人机的雷达探测能力有重要意义。
而采用暗室测量或者传统全波仿真方法获取蜂群无人机雷达散射截面存在成本高、计算资源消耗大、无法全面涵盖蜂群无人机多模态特征等问题。现有蜂群无人机雷达散射截面快速计算方法没有考虑蜂群内无人机之间的信号耦合效应，得到的蜂群无人机雷达散射截面信息精度不足。因此，需要一种包含无人机之间信号耦合效应的蜂群无人机雷达散射截面的快速计算方法。
发明内容
本发明的目的是提供基于信号耦合模型的蜂群无人机雷达散射截面计算方法，基于蜂群无人机的空间位置、单一无人机的单站和双站雷达散射截面以及雷达入射信号和雷达参数信息，对雷达散射截面信息进行精准计算。
为实现上述目的，本发明提供了基于信号耦合模型的蜂群无人机雷达散射截面计算方法，
S1、选择蜂群无人机中的某一无人机，计算该无人机的一次散射信号；
S2、计算S1中选定的无人机与蜂群无人机中其他无人机耦合下的所有二次散射信号；
S3、使用相干叠加法将S1中的一次散射信号和S2中的所有二次散射信号叠加；
S4、蜂群无人机中的每个无人机依次进行步骤S1-S3，得到蜂群无人机中每个无人机叠加后的一次散射信号和所有二次散射信号；
S5、根据S4中的数据得到蜂群无人机的雷达回波信号，进而得到蜂群无人机的雷达散射截面。
优选的，S1中，S11、蜂群无人机目标为U
；
使用表示蜂群无人机中的第i架无人机，i=1,2,…,K；
S12、雷达入射波信号：
；
其中，表示信号的幅度，/>为雷达波信号载频，/>表示时间；
S13、的一次散射信号/>：
；
其中，为/>在雷达视角下的偏航角、俯仰角以及滚转角，/>的单站雷达散射截面，/>与雷达之间的距离，/>为光速，/>为信号的归一化天线增益衰减因子，/>为雷达天线辐射增益的最大值，/>为雷达天线的辐射增益，/>分别为/>与雷达天线波束主轴在水平和垂直方向上的夹角。
优选的，S2中，蜂群无人机中除外的其他无人机定义为/>，j=1,2,…,K,j≠i；
向/>的二次辐射信号为/>：
；
其中，表示/>和/>之间的距离，/>为/>向/>辐射过程中入射雷达波信号/>的能量衰减因子；
以的二次辐射信号/>作为辐射源，则/>和/>耦合条件下，/>向雷达方向的二次散射信号/>：
；
其中，为/>的双站雷达散射截面，/>为/>到/>的入射方向，/>为/>向雷达方向的散射方向，/>为/>与雷达之间的距离。
优选的，S3中，采用相干叠加的方法将的一次散射信号和所有的二次散射信号进行叠加，得到/>的雷达回波信号/>，
；
其中，为一次散射信号，/>为二次散射信号。
优选的，S5中，蜂群无人机的雷达回波信号/>，
；
蜂群无人机的雷达散射截面/>，
。
优选的，向/>辐射过程中入射雷达波信号/>的能量衰减因子为，
;
;
;
其中，为雷达波入射视角下/>的偏航角、俯仰角以及滚转角，以/>为原点的目标坐标系，/>向/>的辐射方向为/>，/>在目标坐标系内的方位角定义为/>，俯仰角定义为/>，/>和/>分别为目标坐标系下方位角和俯仰角的采样间隔，P为方位角维度上的角度采样点个数，Q为俯仰角维度上的角度采样点个数。
因此，本发明采用上述步骤的基于信号耦合模型的蜂群无人机雷达散射截面计算方法，其优点在于：
1、本发明提出的算法基于蜂群无人机的空间位置、单一无人机的单站和双站雷达散射截面以及雷达入射信号和雷达参数信息，对雷达散射截面信息进行精准计算；
2、本发明提供的算法针对蜂群无人机的雷达散射截面建库、雷达目标特性统计模型分析、雷达目标检测等研究提供可靠的信息源；
3、本发明提供的算法可实现对任意模态蜂群无人机雷达散射截面的准实时计算，可以实现动态场景下多模态蜂群无人机雷达散射截面的快速计算。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1是本发明基于信号耦合模型的蜂群无人机雷达散射截面计算方法实施例的流程图。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
实施例1
S1、选择蜂群无人机中的某一无人机，计算该无人机的一次散射信号；
S1中，S11、蜂群无人机目标为U
;
使用表示蜂群无人机中的第i架无人机，i=1,2,…,K。
S12、雷达入射波信号，
;
其中，表示信号的幅度，/>为雷达波信号载频，/>表示时间。
S13、的一次散射信号/>，
;
其中，为/>在雷达视角下的偏航角、俯仰角以及滚转角，/>的单站雷达散射截面，/>与雷达之间的距离，/>为光速，/>为信号的归一化天线增益衰减因子，/>为雷达天线辐射增益的最大值，/>为雷达天线的辐射增益，/>分别为/>与雷达天线波束主轴在水平和垂直方向上的夹角。
在雷达坐标系下的坐标为/>，
;
水平方向定义为雷达坐标系中(1,0,0)矢量方向，垂直方向定义为雷达坐标系中(0,1,0)矢量方向，的计算方法如下：
;
;
其中，和/>为/>在水平和垂直维度上偏离雷达波束中心点的位移，二者计算方法如下：
;
;
定义雷达波束中心点坐标，其中，/>和/>为雷达扫描波束的方位角与俯仰角。
S2、计算S1中选定的无人机与蜂群无人机中其他无人机耦合下的所有二次散射信号；
S2中，蜂群无人机中除外的其他无人机定义为/>，j=1,2,…,K,j≠i；
向/>的二次辐射信号为/>：
;
其中，表示/>和/>之间的距离，/>为/>向/>辐射过程中入射雷达波信号/>的能量衰减因子；
；
；
；
其中，为向上取整函数，/>为雷达波入射视角下/>的偏航角、俯仰角以及滚转角，/>向/>的辐射方向为/>，以/>为原点的目标坐标系，/>在目标坐标系内的方位角定义为/>，俯仰角定义为/>，/>和/>分别为目标坐标系下方位角和俯仰角的采样间隔，P和Q为方位角和俯仰角维度上的角度采样点个数。
定义在/>方向上的空间尺寸大小为/>，/>的中心点坐标为。
在雷达坐标系中的空间分布范围为：
;
将空间分布转换为目标坐标系下的方位角和俯仰角/>：
;
由上式可得到最小值和最大值/> 。
;
由上式可得到最小值和最大值。
以的二次辐射信号/>作为辐射源，则/>和/>耦合条件下，计算向雷达方向的二次散射信号/>：
;
;
其中，为/>的双站雷达散射截面，/>为/>到/>的入射方向，/>为/>向雷达方向的散射方向，/>为/>与雷达之间的距离。
S3、使用相干叠加法将S1中的一次散射信号和S2中的所有二次散射信号叠加；
重复S2中的计算步骤，计算与其他无人机/>的二次散射信号。
S3中，采用相干叠加的方法将的一次散射信号和二次散射信号进行叠加，得到的雷达回波信号/>，
;
其中，为一次散射信号，/>为二次散射信号。
S4、蜂群无人机中的每个无人机依次进行步骤S1-S3，得到蜂群无人机中每个无人机的一次散射信号和所有二次散射信号。
S5、根据S4中的数据得到雷达回波信号，进而得到雷达散射截面。
S5中，蜂群无人机的雷达回波信号/>，
;
蜂群无人机的雷达散射截面/>，
。
实施例2
S1、选择蜂群无人机中的某一无人机，计算该无人机的一次散射信号；
S1中，S11、蜂群无人机目标为U
;
使用表示蜂群无人机中的第i架无人机，i=1,2,3。
S12、雷达入射波信号：
;
其中，表示信号的幅度，定义/>；/>为雷达波信号载频，；/>表示时间，/>。
S13、的一次散射信号/>：
；
其中，为/>在雷达视角下的偏航角为27°、俯仰角为33°以及滚转角为4°，/>的单站雷达散射截面，三个无人机的后向雷达散射截面分别为0.31 m2、0.19 m2、0.54 m2。
与雷达之间的距离，/>在雷达坐标系下的坐标为/>，
；
为光速，/>。
为信号的归一化天线增益衰减因子，/>为雷达天线辐射增益的最大值，/>为雷达天线的辐射增益，/>分别为/>与雷达天线波束主轴在水平和垂直方向上的夹角。
水平方向定义为雷达坐标系中(1,0,0)矢量方向，垂直方向定义为雷达坐标系中(0,1,0)矢量方向，的计算方法如下：
；
；
其中，和/>为/>在水平和垂直维度上偏离雷达波束中心点的位移，二者计算方法如下：
；
；
定义雷达波束中心点坐标，其中，/>和/>为雷达扫描波束的方位角56°与俯仰角3°。
计算得到，，。
S2、计算S1中选定的无人机与蜂群无人机中其他无人机耦合下的所有二次散射信号；
S2中，蜂群无人机中除外的其他无人机定义为/>，j=1,2,3,j≠i；
向/>的二次辐射信号为/>：
；
其中，表示/>和/>之间的距离，/>为/>向/>辐射过程中入射雷达波信号/>的能量衰减因子；
；
；
；
其中，为向上取整函数，/>为雷达波入射视角下/>的偏航角、俯仰角以及滚转角，/>向/>的辐射方向为/>，以/>为原点的目标坐标系，/>在目标坐标系内的方位角定义为/>，俯仰角定义为/>，/>和/>分别为目标坐标系下方位角和俯仰角的采样间隔，P和Q为方位角和俯仰角维度上的角度采样点个数。
定义在/>方向上的空间尺寸大小为/>，/>的中心点坐标为。本实施例中无人机的空间尺寸一致，在/>方向上的空间尺寸分别为1.2m，1.9m，0.6m。
在雷达坐标系中的空间分布范围为：
；
将空间分布转换为目标坐标系下的方位角和俯仰角/>为：
；
由上式可得到最小值和最大值/>，本实施例中/>，。
；
由上式可得到最小值和最大值/>，本实施例中/>，，进而得出/>。
以的二次辐射信号/>作为辐射源，则/>和/>耦合条件下，/>向雷达方向的二次散射信号/>：
；
其中，为/>的双站雷达散射截面，/>为/>到/>的入射方向，为/>向雷达方向的散射方向，/>为/>与雷达之间的距离，/>为/>的归一化天线增益衰减因子，此处，/>。
S3、使用相干叠加法将S1中的一次散射信号和S2中的所有二次散射信号叠加；
重复S2中的计算步骤，计算与其他无人机/>的二次散射信号。
S3中，采用相干叠加的方法将的一次散射信号和二次散射信号进行叠加，得到的雷达回波信号/>，
；
其中，为一次散射信号，/>为二次散射信号。
S4、蜂群无人机中的每个无人机依次进行步骤S1-S3，得到蜂群无人机中每个无人机的一次散射信号和所有二次散射信号。
计算得出，本实施例中三架无人机在t时刻的雷达回波信号分别为0.71，0.52/>，0.43/>。
S5、根据S4中的数据得到雷达回波信号，进而得到雷达散射截面。
S5中，蜂群无人机的雷达回波信号/>，
；
蜂群无人机的雷达散射截面/>，
；
本实施例中，t时刻得到的蜂群无人机U的雷达散射截面为1.26m2。
最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (5)

1.基于信号耦合模型的蜂群无人机雷达散射截面计算方法，其特征在于：
S1、选择蜂群无人机中的某一无人机，计算该无人机的一次散射信号；
S1中，S11、蜂群无人机目标为U
；
使用表示蜂群无人机中的第i架无人机，i=1,2,…,K；
S12、雷达入射波信号：
；
其中，表示信号的幅度，/>为雷达波信号载频，/>表示时间；
S13、的一次散射信号/>：
；
其中，为/>在雷达视角下的偏航角、俯仰角以及滚转角，/>为/>的单站雷达散射截面，/>为/>与雷达之间的距离，/>为光速，/>为信号的归一化天线增益衰减因子，/>为雷达天线辐射增益的最大值，/>为雷达天线的辐射增益，/>和/>分别为/>与雷达天线波束主轴在水平和垂直方向上的夹角；
S2、计算S1中选定的无人机与蜂群无人机中其他无人机耦合下的所有二次散射信号；
S3、使用相干叠加法将S1中的一次散射信号和S2中的所有二次散射信号叠加；
S4、蜂群无人机中的每个无人机依次进行步骤S1-S3，得到蜂群无人机中每个无人机叠加后的一次散射信号和所有二次散射信号；
S5、根据S4中的数据得到蜂群无人机的雷达回波信号，进而得到蜂群无人机的雷达散射截面。
2.根据权利要求1所述的基于信号耦合模型的蜂群无人机雷达散射截面计算方法，其特征在于：S2中，蜂群无人机中除外的其他无人机定义为/>，j=1,2,…,K,j≠i；
向/>的二次辐射信号为/>：
；
其中，表示/>和/>之间的距离，/>为/>向/>辐射过程中入射雷达波信号/>的能量衰减因子；
以的二次辐射信号/>作为辐射源，则/>和/>耦合条件下，/>向雷达方向的二次散射信号/>：
；
其中，为/>的双站雷达散射截面，/>为/>到/>的入射方向，为/>向雷达方向的散射方向，/>为/>与雷达之间的距离。
3.根据权利要求2所述的基于信号耦合模型的蜂群无人机雷达散射截面计算方法，其特征在于：S3中，采用相干叠加的方法将的一次散射信号和所有的二次散射信号进行叠加，得到/>的雷达回波信号/>，
；
其中，为一次散射信号，/>为二次散射信号。
4.根据权利要求3所述的基于信号耦合模型的蜂群无人机雷达散射截面计算方法，其特征在于：S5中，蜂群无人机的雷达回波信号/>，
；
蜂群无人机的雷达散射截面/>，
。
5.根据权利要求4所述的基于信号耦合模型的蜂群无人机雷达散射截面计算方法，其特征在于：向/>辐射过程中入射雷达波信号/>的能量衰减因子/>为，
；
其中，为雷达波入射视角下/>的偏航角、俯仰角以及滚转角，以为原点的目标坐标系，/>向/>的辐射方向为/>，/>在目标坐标系内的方位角定义为/>，俯仰角定义为/>，/>和/>分别为目标坐标系下方位角和俯仰角的采样间隔，P为方向角维度上的角度采样点个数，Q为俯仰角维度上的角度采样点个数。
CN202311177235.3A 2023-09-13 2023-09-13 基于信号耦合模型的蜂群无人机雷达散射截面计算方法 Active CN116908807B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311177235.3A CN116908807B (zh) 2023-09-13 2023-09-13 基于信号耦合模型的蜂群无人机雷达散射截面计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311177235.3A CN116908807B (zh) 2023-09-13 2023-09-13 基于信号耦合模型的蜂群无人机雷达散射截面计算方法

Publications (2)

Publication Number Publication Date
CN116908807A CN116908807A (zh) 2023-10-20
CN116908807B true CN116908807B (zh) 2023-12-08

Family

ID=88358826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311177235.3A Active CN116908807B (zh) 2023-09-13 2023-09-13 基于信号耦合模型的蜂群无人机雷达散射截面计算方法

Country Status (1)

Country Link
CN (1) CN116908807B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180017998A (ko) * 2016-08-12 2018-02-21 한국항공우주산업 주식회사 항공기의 레이더 단면적에 대한 수치 해석 방법 및 장치
CN107942330A (zh) * 2017-11-20 2018-04-20 北京航天长征飞行器研究所 一种基于等离子体近场测试的雷达散射特征数据提取方法及系统
CN109212498A (zh) * 2017-07-03 2019-01-15 上海东峻信息科技有限公司 一种飞机编队雷达散射截面的快速算法
CN111796247A (zh) * 2020-06-15 2020-10-20 哈尔滨工业大学 一种基于微多普勒效应的群组无人机回波仿真方法
CN112689772A (zh) * 2019-11-19 2021-04-20 深圳市大疆创新科技有限公司 标物雷达散射截面积确定方法、装置和存储介质
CN112737644A (zh) * 2020-12-25 2021-04-30 中国信息通信研究院 无人机蜂群的自定位方法及装置
CN113287035A (zh) * 2019-01-11 2021-08-20 Adb赛福格瑞典有限公司 机场停靠设备
CN113359130A (zh) * 2021-06-07 2021-09-07 西安电子科技大学 一种低散射高速运动目标的探测方法
CN113589245A (zh) * 2021-08-06 2021-11-02 中国人民解放军空军工程大学 一种模拟飞行器雷达散射截面积的方法、装置及电子设备
CN114814772A (zh) * 2022-05-09 2022-07-29 北京航空航天大学 一种基于单目标极化散射矩阵的电大集群目标rcs计算方法
CN115754959A (zh) * 2022-11-04 2023-03-07 中国人民解放军空军工程大学 一种目标-环境复合雷达散射截面计算模型的建立方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11822007B2 (en) * 2019-02-14 2023-11-21 Elta Systems Ltd. System and method for identification of an airborne object

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180017998A (ko) * 2016-08-12 2018-02-21 한국항공우주산업 주식회사 항공기의 레이더 단면적에 대한 수치 해석 방법 및 장치
CN109212498A (zh) * 2017-07-03 2019-01-15 上海东峻信息科技有限公司 一种飞机编队雷达散射截面的快速算法
CN107942330A (zh) * 2017-11-20 2018-04-20 北京航天长征飞行器研究所 一种基于等离子体近场测试的雷达散射特征数据提取方法及系统
CN113287035A (zh) * 2019-01-11 2021-08-20 Adb赛福格瑞典有限公司 机场停靠设备
CN112689772A (zh) * 2019-11-19 2021-04-20 深圳市大疆创新科技有限公司 标物雷达散射截面积确定方法、装置和存储介质
CN111796247A (zh) * 2020-06-15 2020-10-20 哈尔滨工业大学 一种基于微多普勒效应的群组无人机回波仿真方法
CN112737644A (zh) * 2020-12-25 2021-04-30 中国信息通信研究院 无人机蜂群的自定位方法及装置
CN113359130A (zh) * 2021-06-07 2021-09-07 西安电子科技大学 一种低散射高速运动目标的探测方法
CN113589245A (zh) * 2021-08-06 2021-11-02 中国人民解放军空军工程大学 一种模拟飞行器雷达散射截面积的方法、装置及电子设备
CN114814772A (zh) * 2022-05-09 2022-07-29 北京航空航天大学 一种基于单目标极化散射矩阵的电大集群目标rcs计算方法
CN115754959A (zh) * 2022-11-04 2023-03-07 中国人民解放军空军工程大学 一种目标-环境复合雷达散射截面计算模型的建立方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于球谐变换的无人机蜂群RCS快速分析算法;杨峻巍;王向伟;贾建生;袁浩波;曾操;;电讯技术;第60卷(第06期);第651-656页 *
复杂目标多次散射问题研究;刘佳;复杂目标多次散射问题研究;第52-57页 *

Also Published As

Publication number Publication date
CN116908807A (zh) 2023-10-20

Similar Documents

Publication Publication Date Title
CN107121670A (zh) 一种基于合成孔径雷达的反无人机防御系统
CN110907901B (zh) 一种基于tdsbr的海战无源干扰计算及评估方法
CN110531331B (zh) 等离子体包覆目标雷达回波建模仿真方法
CN105137424A (zh) 一种杂波背景下实波束扫描雷达角超分辨方法
CN104950305A (zh) 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法
CN111025249B (zh) 一种判定箔条干扰在仿真环境中干扰效果的方法
CN105137430A (zh) 一种前视阵列sar的回波稀疏获取及其三维成像方法
CN113569958B (zh) 激光点云数据聚类方法、装置、设备及介质
CN113050059A (zh) 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法
CN111487597B (zh) 一种基于时空频能数据的通用电子侦察截获仿真方法
CN102736073A (zh) 一种通用模式下星载sar距离向模糊度的计算方法
CN116908807B (zh) 基于信号耦合模型的蜂群无人机雷达散射截面计算方法
CN112859027A (zh) 一种基于一维距离像的诱饵阵列干扰效能分析方法
CN116338716B (zh) 基于方位角拓扑结构的空地无人系统多目标关联方法
Hao et al. Research on the shape stealth design of infantry Fighting vehicle
CN111614418A (zh) 无人机数据链电磁环境效应预测方法及设备
CN109738890A (zh) 一种基于弹载双基sar距离多普勒图像生成地距图的方法
Cho et al. Spatiotemporal radar target identification using radar cross-section modeling and hidden Markov models
Bi et al. Optimization method of passive omnidirectional buoy array in on-call anti-submarine search based on improved NSGA-II
Yan et al. Modeling and optimization of deploying anti-UAV swarm detection systems based on the mixed genetic and monte carlo algorithm
CN113359196A (zh) 基于子空间法和dbf的多目标生命体征探测方法
Fan et al. SAR imagery simulation from complicated targets based on back projection algorithm
CN115186426B (zh) 射频探测系统主要目标识别全链路建模方法、装置、设备
CN114372348B (zh) 一种弹载线阵激光成像引信快速仿真方法
CN113534132B (zh) 一种自适应无人机波达方向估计方法

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