CN117075061B - 一种基于云计算的雷达天线测量管理系统及方法 - Google Patents
一种基于云计算的雷达天线测量管理系统及方法 Download PDFInfo
- Publication number
- CN117075061B CN117075061B CN202311022798.5A CN202311022798A CN117075061B CN 117075061 B CN117075061 B CN 117075061B CN 202311022798 A CN202311022798 A CN 202311022798A CN 117075061 B CN117075061 B CN 117075061B
- Authority
- CN
- China
- Prior art keywords
- radar
- value
- scanning
- period
- range
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000005259 measurement Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 claims abstract description 96
- 238000007726 management method Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims description 33
- 230000035945 sensitivity Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000011835 investigation Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 8
- 101100371160 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) TSL1 gene Proteins 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
- G01S7/4017—Means for monitoring or calibrating of parts of a radar system of HF systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/10—Radiation diagrams of antennas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及雷达天线测量管理技术领域，具体为一种基于云计算的雷达天线测量管理系统及方法，所述系统包括周期预测管理模块，所述周期预测管理模块结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。本发明通过信号分选对复杂电磁环境中的信号进行分析，通过测量模块测量每个脉冲的幅度，计算测量得到雷达天线扫描周期情况；经过卡尔曼滤波器能够提高测量天线扫描周期的精确性和稳定性，且将卡尔曼滤波后的理论扫描周期与雷达扫描的周期时长范围相互进行比较，实现对两者的自适应调节管控。
Description
技术领域
本发明涉及雷达天线测量管理技术领域，具体为一种基于云计算的雷达天线测量管理系统及方法。
背景技术
雷达天线扫描周期是雷达的一项重要参数指标，是电子对抗实验中干扰机对雷达能有效干扰的必须参数之一。因此，需要对雷达天线扫描周期进行测量。
现有的雷达天线扫描周期测量技术，往往是通过相邻两次的雷达照射的时间差确定雷达天线扫描周期的。例如，可以先确定雷达天线的照射起始时间，然后根据相邻两个照射起始时间进行计算，得到相邻两个照射起始时间的差值，再多次测量求平均，从而得到雷达天线扫描周期。
但是，上述现有技术存在较大缺陷，第一，在复杂电磁环境中，接收机接收到的信号存在随机的波动，难以实时求出雷达准确的照射时间；第二，由于测量之前并不知道雷达转动周期的准确值，并且由于环境影响，雷达照射时的最大功率值依然存在波动的情况，因此简单的求雷达照射的时间的方法难以实现。
发明内容
本发明的目的在于提供一种基于云计算的雷达天线测量管理系统及方法，以解决上述背景技术中提出的问题。
为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的雷达天线测量管理方法，所述方法包括以下步骤：
S1、通过侦查接收机实时接收待测雷达的雷达信号，获取侦查接收机在不同时间接收到的雷达波束的信号功率，所述待测雷达为圆扫雷达；
S2、针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选；
S3、根据检波信号筛选结果中雷达信号中不同接收时间对应的幅度值，将检波信号筛选结果中初步划分成各个雷达扫描周期，并得到相应雷达扫描周期内的最大幅度值波动时间范围；
S4、结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
进一步的，所述S1中雷达发射波束检查自身周围的物体，侦查接收机接收环境中与雷达发射波束相同频段的波束信号，所述接收的波束信息包括雷达释放的波束以及环境噪声；
将侦查接收机接在时间t时收到的雷达波束的信号功率记为Pt。
所述Pt=Pa×Q1×λ2/[（4πR）2×L]×Q2×[θ（t），Ψ（t）]，
其中，Pa表示雷达的平均功率，Q1表示侦察接收机的天线增益；λ为雷达发射信号波长，θ（t）表示雷达天线水平方向角度，Ψ（t）表示雷达天线俯仰方向角度，Q2×[θ（t），Ψ（t）]表示发送波束的雷达的天线增益，与雷达天线水平方向角度和俯仰方向角度相关，为R和λ对应的路径损耗。
对于圆扫雷达，因此当雷达正对侦察接收机时，侦察接收机接收到的雷达信号功率最大。
进一步的，所述S2中根据数据库中预置的微波组件灵敏度对检波信号进行筛选时，
当检波信号对应的幅度值小于M时，则将相应幅度值对应的检波信号记为噪声扰动信号，所述M表示数据库中预置的微波组件灵敏度；
当检波信号对应的幅度值大于等于M时，则用AD模块实时读取信号幅度值；并在第一平面直角坐标系中进行标记，所述第一平面直角坐标系为幅度值与时间构建的坐标系，第一平面直角坐标系中噪声扰动信号对应的幅度值为0；本发明第一平面直角坐标系中时间为x轴，幅度值为y轴；
将第一平面直角坐标系中幅度值大于0的连续时间段内的检波信号记为一个脉冲信号片段，并对每个脉冲信号片段中幅度值属于[M，M+M1]的片段进行标记，所述脉冲信号片段由标记片段及非标记片段构成，
获取每个脉冲信号片段分别对应雷达信号的最大幅度值，所述M1等于所得各个脉冲片段对应的各个最大幅度值中的最大值与最小值的差值。
进一步的，所述S3中将检波信号筛选结果中初步划分各个雷达扫描周期时，将前一个脉冲信号片段内的起始点至后一个相邻脉冲信号片段起始点之前的信号区域作为一个雷达扫描周期，得到各个雷达扫描周期的初步划分结果，每个雷达扫描周期的初步划分结果对应一个脉冲信号片段，将第i个雷达扫描周期的初步划分结果对应的脉冲信号片段内，幅度值与时间的关系函数记为Fi（x），将Fi（x）中对应幅度值不为0的x的取值范围记为第一取值范围，将Fi（x）内非标记片段内x的取值范围记为第二取值范围；
所述S3中得到相应雷达扫描周期内的最大幅度值波动时间范围的方法包括以下步骤：
S311、获取第一平面直角坐标系中，任意相邻的两个雷达扫描周期的初步划分结果分别对应的脉冲信号片段，将前一个脉冲信号片段内，幅度值与时间的关系函数记为Fj（x），Fj（x）对应的第一取值范围记为Ejx，Fj（x）对应的第二取值范围记为EBjx；
将后一个脉冲信号片段内，幅度值与时间的关系函数记为Fj+1（x），Fj+1（x）对应的第一取值范围记为Ej+1x，Fj+1（x）对应的第二取值范围记为EBj+1x；
S312、将Fj（x）在第一平面直角坐标系中进行向右平移操作，将向右平移的量记为g，使得（EBjx+g）∩EBj+1x≠ø，所述EBjx+g表示EBjx中各个值加上g后对应的取值范围，计算g为不同值时，Fj（x）与Fj+1（x）之间的函数偏差状态值，记为Wg，
所述Wg=[∫x=t1 x=t2|Fj（x-g）-Fj+1（x）|dx]×[（t2-t1）/t3]，
其中，t1表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的交集内的最小值；t2表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的交集内的最大值；Fj（x-g）-Fj+1（x）表示在x值时，Fj（x）向右平移的量g后对应的函数Fj（x-g）相应的值与Fj+1（x）的差值，t3表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的并集对应的区间长度；
S313、获取Wg最小时对应的g值，得到Fj（x）相对于Fj+1（x）的最大幅度值波动时间预估范围E（Fj（x），Fj+1（x）），及Fj+1（x）相对于Fj（x）的最大幅度值波动时间预估范围E（Fj+1（x），Fj（x））；
所述E（Fj+1（x），Fj（x））=[min{TFj+g，TFj+1}，max{TFj+g，TFj+1}]，所述min{}表示最小值运算，max{}表示最大值运算，TFj表示Fj（x）对应脉冲信号片段中最大幅度值对应的时间，TFj+ 1表示Fj+1（x）对应脉冲信号片段中最大幅度值对应的时间；
所述E（Fj（x），Fj+1（x））=[min{TFj，TFj+1-g}，max{TFj，TFj+1-g}]；
S314、将Fj+1（x）相对于Fj+2（x）的最大幅度值波动时间预估范围与Fj+1（x）相对于Fj（x）的最大幅度值波动时间预估范围的并集，作为幅度值与时间的关系函数为Fj+1（x）的雷达扫描周期内的最大幅度值波动时间范围。
本发明获取扫描周期内最大幅度值波动时间范围，考虑到受环境噪声影响后，采集的最大幅度值波动时间是影响后的时间点，而雷达在未受环境噪声影响时，对应的最大幅度值波动时间可能会与采集的时间点（最大幅度值波动时间）存在偏差，但是，雷达在未受环境噪声影响时，对应的最大幅度值波动时间却可能在采集的时间点（最大幅度值波动时间）附近：本发明获取的Fj+1（x）的雷达扫描周期内的最大幅度值波动时间范围，对应的则是雷达在未受环境噪声影响时，Fj+1（x）的雷达扫描周期内对应的最大幅度值波动时间所属的预估取值范围，该预估取值范围是通过相邻两个雷达扫描周期（Fj（x）与Fj+1（x）对应的两个雷达扫描周期）的脉冲信号情况来生成的。
进一步的，所述S4中结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围时，将相邻两个雷达扫描周期作为一组，在每组的相邻两个雷达扫描周期对应的最大幅度值波动时间范围中分别任取一个值，将两个取值的差值的绝对值作为该相邻两个雷达扫描周期对应周期时长范围的一个元素，得到相应组内相邻两个雷达扫描周期对应周期时长范围；
将所得各组分别对应的周期时长范围的交集，将所得交集对应的范围作为雷达扫描的周期时长范围。
进一步的，所述S4中结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值的过程中，
获取侦查接收机接收信息的实时扫描周期时，设雷达天线扫描周期为T+△t ，T为已知量，为数据库中预置的常数，△t为未知量，△t的上限为数据库中预置的常数△tmax；测量开始时，记录h*T时间内幅度最大的脉冲出现的时刻t0且h为数据库中的预设值，接着以t0为起始点，再次测量h*T时间内幅度最大的脉冲出现的时刻ts，
若ts-t0≤△tmax，则判定已经找到天线扫描指向时刻，天线扫描周期跟踪成功，将重复上述过程；
若ts-t0＞△tmax，则判定测量过程中，出现未知幅度异常的信号；
其中，当测量过程中出现位置幅度异常的信号时，则时间ts时对应的实时扫描周期时长等于上一个输出的实时扫描周期时长，
当测量过程中未出现位置幅度异常的信号时，则判定ts-t0为时间ts时对应的实时扫描周期时长；
默认扫描周期在T+△t范围内波动，针对测量得到的各个实时扫描周期时长，利用卡尔曼滤波器预测扫描周期在当前时间对应的收敛理论值，记为TSL；
本发明由于环境中电磁环境的影响，以及测量装置本身带来的误差，扫描周期在T+△t范围内波动，针对测量得到的实测值，利用卡尔曼滤波器进行调整。
获取雷达扫描的周期时长范围，并根据所得雷达扫描的周期时长范围对待测雷达的扫描周期时长进行筛选，
当雷达扫描的周期时长范围为空集时，则判定当前时间测量的待测雷达的扫描周期预测值为TSL；
当雷达扫描的周期时长范围不为空集时，判断TSL与雷达扫描的周期时长范围之间的关系，
若TSL属于雷达扫描的周期时长范围，则判定当前时间测量的待测雷达的扫描周期预测值为TSL，且后续操作不继续对雷达扫描的周期时长范围进行更新；若TSL不属于雷达扫描的周期时长范围，则判定当前时间测量的待测雷达天线扫描周期时长存在异常偏差，将（TSL+TSL1）/2作为当前时间测量的待测雷达的扫描周期预测值，后续操作对雷达扫描的周期时长范围进行更新，
所述TSL1为雷达扫描的周期时长范围中，与TSL之间差值的绝对值最小的周期时长。
一种基于云计算的雷达天线测量管理系统，所述系统包括以下模块：
雷达信号采集模块，所述雷达信号采集模块通过侦查接收机实时接收待测雷达的雷达信号，获取侦查接收机在不同时间接收到的雷达波束的信号功率，所述待测雷达为圆扫雷达；
检波信号处理模块，所述检波信号处理模块针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选；
幅值波动分析模块，所述幅值波动分析模块根据检波信号筛选结果中雷达信号中不同接收时间对应的幅度值，将检波信号筛选结果中初步划分成各个雷达扫描周期，并得到相应雷达扫描周期内的最大幅度值波动时间范围；
周期预测管理模块，所述周期预测管理模块结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
进一步的，所述检波信号处理模块包括幅度计算单元及检波信号筛选单元，
所述幅度计算单元针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；
所述检波信号筛选单元针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选。
进一步的，所述周期预测管理模块包括周期时长范围分析单元及扫描周期预测单元，
所述周期时长范围分析单元结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；
所述扫描周期预测单元结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
与现有技术相比，本发明所达到的有益效果是：
本发明相较于普通的天线扫描周期测量方法，本发明能够消除环境中噪声，实时性高，能够提高天线扫描周期测量装置的稳定性和精确性。得到天线扫描周期的同时，实时得到天线正对时刻；
通过信号分选对复杂电磁环境中的信号进行分析，得到相关的雷电脉冲序列，通过测量模块测量每个脉冲的幅度，最后根据雷达幅度信息，计算测量得到雷达天线扫描周期情况；经过卡尔曼滤波器能够提高测量天线扫描周期的精确性和稳定性，且将卡尔曼滤波后的理论扫描周期与雷达扫描的周期时长范围相互进行比较，实现对两者的自适应调节管控，确保预测雷达扫描周期时长的准确性。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1是本发明一种基于云计算的雷达天线测量管理方法的结构示意图；
图2是本发明通过卡尔曼滤波器调整过程中预测扫描周期与理论扫描周期的关系图；
图3是本发明一种基于云计算的雷达天线测量管理系统的流程示意图。
实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供技术方案：一种基于云计算的雷达天线测量管理方法，所述方法包括以下步骤：
S1、通过侦查接收机实时接收待测雷达的雷达信号，获取侦查接收机在不同时间接收到的雷达波束的信号功率，所述待测雷达为圆扫雷达；
所述S1中雷达发射波束检查自身周围的物体，侦查接收机接收环境中与雷达发射波束相同频段的波束信号，所述接收的波束信息包括雷达释放的波束以及环境噪声；
将侦查接收机接在时间t时收到的雷达波束的信号功率记为Pt。
所述Pt=Pa×Q1×λ2/[（4πR）2×L]×Q2×[θ（t），Ψ（t）]，
其中，Pa表示雷达的平均功率，Q1表示侦察接收机的天线增益；λ为雷达发射信号波长，θ（t）表示雷达天线水平方向角度，Ψ（t）表示雷达天线俯仰方向角度，Q2×[θ（t），Ψ（t）]表示发送波束的雷达的天线增益，与雷达天线水平方向角度和俯仰方向角度相关，为R和λ对应的路径损耗。
S2、针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选；
所述S2中根据数据库中预置的微波组件灵敏度对检波信号进行筛选时，
当检波信号对应的幅度值小于M时，则将相应幅度值对应的检波信号记为噪声扰动信号，所述M表示数据库中预置的微波组件灵敏度；
当检波信号对应的幅度值大于等于M时，则用AD模块实时读取信号幅度值；并在第一平面直角坐标系中进行标记，所述第一平面直角坐标系为幅度值与时间构建的坐标系，第一平面直角坐标系中噪声扰动信号对应的幅度值为0；本发明第一平面直角坐标系中时间为x轴，幅度值为y轴；
将第一平面直角坐标系中幅度值大于0的连续时间段内的检波信号记为一个脉冲信号片段，并对每个脉冲信号片段中幅度值属于[M，M+M1]的片段进行标记，所述脉冲信号片段由标记片段及非标记片段构成，
获取每个脉冲信号片段分别对应雷达信号的最大幅度值，所述M1等于所得各个脉冲片段对应的各个最大幅度值中的最大值与最小值的差值。
S3、根据检波信号筛选结果中雷达信号中不同接收时间对应的幅度值，将检波信号筛选结果中初步划分成各个雷达扫描周期，并得到相应雷达扫描周期内的最大幅度值波动时间范围；
所述S3中将检波信号筛选结果中初步划分各个雷达扫描周期时，将前一个脉冲信号片段内的起始点至后一个相邻脉冲信号片段起始点之前的信号区域作为一个雷达扫描周期，得到各个雷达扫描周期的初步划分结果，每个雷达扫描周期的初步划分结果对应一个脉冲信号片段，将第i个雷达扫描周期的初步划分结果对应的脉冲信号片段内，幅度值与时间的关系函数记为Fi（x），将Fi（x）中对应幅度值不为0的x的取值范围记为第一取值范围，将Fi（x）内非标记片段内x的取值范围记为第二取值范围；
本实施例中Fi（x）内第一取值范围等于对应y轴坐标值大于等于M的所有x轴坐标值构成的区间，Fi（x）内第二取值范围等于对应y轴坐标值大于等于M且小于等于M1的所有x轴坐标值构成的区间；
所述S3中得到相应雷达扫描周期内的最大幅度值波动时间范围的方法包括以下步骤：
S311、获取第一平面直角坐标系中，任意相邻的两个雷达扫描周期的初步划分结果分别对应的脉冲信号片段，将前一个脉冲信号片段内，幅度值与时间的关系函数记为Fj（x），Fj（x）对应的第一取值范围记为Ejx，Fj（x）对应的第二取值范围记为EBjx；
将后一个脉冲信号片段内，幅度值与时间的关系函数记为Fj+1（x），Fj+1（x）对应的第一取值范围记为Ej+1x，Fj+1（x）对应的第二取值范围记为EBj+1x；
S312、将Fj（x）在第一平面直角坐标系中进行向右平移操作，将向右平移的量记为g，使得（EBjx+g）∩EBj+1x≠ø，所述EBjx+g表示EBjx中各个值加上g后对应的取值范围，计算g为不同值时，Fj（x）与Fj+1（x）之间的函数偏差状态值，记为Wg，
所述Wg=[∫x=t1 x=t2|Fj（x-g）-Fj+1（x）|dx]×[（t2-t1）/t3]，
其中，t1表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的交集内的最小值；t2表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的交集内的最大值；Fj（x-g）-Fj+1（x）表示在x值时，Fj（x）向右平移的量g后对应的函数Fj（x-g）相应的值与Fj+1（x）的差值，t3表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的并集对应的区间长度；
S313、获取Wg最小时对应的g值，得到Fj（x）相对于Fj+1（x）的最大幅度值波动时间预估范围E（Fj（x），Fj+1（x）），及Fj+1（x）相对于Fj（x）的最大幅度值波动时间预估范围E（Fj+1（x），Fj（x））；
所述E（Fj+1（x），Fj（x））=[min{TFj+g，TFj+1}，max{TFj+g，TFj+1}]，所述min{}表示最小值运算，max{}表示最大值运算，TFj表示Fj（x）对应脉冲信号片段中最大幅度值对应的时间，TFj+ 1表示Fj+1（x）对应脉冲信号片段中最大幅度值对应的时间；
所述E（Fj（x），Fj+1（x））=[min{TFj，TFj+1-g}，max{TFj，TFj+1-g}]；
S314、将Fj+1（x）相对于Fj+2（x）的最大幅度值波动时间预估范围与Fj+1（x）相对于Fj（x）的最大幅度值波动时间预估范围的并集，作为幅度值与时间的关系函数为Fj+1（x）的雷达扫描周期内的最大幅度值波动时间范围。
S4、结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
所述S4中结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围时，将相邻两个雷达扫描周期作为一组，在每组的相邻两个雷达扫描周期对应的最大幅度值波动时间范围中分别任取一个值，将两个取值的差值的绝对值作为该相邻两个雷达扫描周期对应周期时长范围的一个元素，得到相应组内相邻两个雷达扫描周期对应周期时长范围；
将所得各组分别对应的周期时长范围的交集，将所得交集对应的范围作为雷达扫描的周期时长范围。
所述S4中结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值的过程中，
获取侦查接收机接收信息的实时扫描周期时，设雷达天线扫描周期为T+△t ，T为已知量，为数据库中预置的常数，△t为未知量，△t的上限为数据库中预置的常数△tmax；测量开始时，记录h*T时间内幅度最大的脉冲出现的时刻t0且h为数据库中的预设值，接着以t0为起始点，再次测量h*T时间内幅度最大的脉冲出现的时刻ts，
本实施例中h=1.5；
若ts-t0≤△tmax，则判定已经找到天线扫描指向时刻，天线扫描周期跟踪成功，将重复上述过程；
若ts-t0＞△tmax，则判定测量过程中，出现未知幅度异常的信号；
其中，当测量过程中出现位置幅度异常的信号时，则时间ts时对应的实时扫描周期时长等于上一个输出的实时扫描周期时长，
当测量过程中未出现位置幅度异常的信号时，则判定ts-t0为时间ts时对应的实时扫描周期时长；
默认扫描周期在T+△t范围内波动，针对测量得到的各个实时扫描周期时长，利用卡尔曼滤波器预测扫描周期在当前时间对应的收敛理论值，记为TSL；
本发明由于环境中电磁环境的影响，以及测量装置本身带来的误差，扫描周期在T+△t范围内波动，针对测量得到的实测值，利用卡尔曼滤波器进行调整。实测结果如图2所示，经过卡尔曼滤波后预测扫描周期能迅速收敛到理论值附近，效果明显，随着预测周期个数的增加，扫描周期对应的时长逐渐趋向一个稳定值（理论扫描周期），即预测扫描周期与理论扫描周期之间的偏差逐渐变小，本实施例中纵坐标数值等于10.0的水平直线表示理论扫描周期（颜色较浅的直线），坐标系中对应的波动的折线表示预测扫描周期（颜色较深的线）。
获取雷达扫描的周期时长范围，并根据所得雷达扫描的周期时长范围对待测雷达的扫描周期时长进行筛选，
当雷达扫描的周期时长范围为空集时，则判定当前时间测量的待测雷达的扫描周期预测值为TSL；
当雷达扫描的周期时长范围不为空集时，判断TSL与雷达扫描的周期时长范围之间的关系，
若TSL属于雷达扫描的周期时长范围，则判定当前时间测量的待测雷达的扫描周期预测值为TSL，且后续操作不继续对雷达扫描的周期时长范围进行更新；若TSL不属于雷达扫描的周期时长范围，则判定当前时间测量的待测雷达天线扫描周期时长存在异常偏差，将（TSL+TSL1）/2作为当前时间测量的待测雷达的扫描周期预测值，后续操作对雷达扫描的周期时长范围进行更新，
所述TSL1为雷达扫描的周期时长范围中，与TSL之间差值的绝对值最小的周期时长。
如图3所示，一种基于云计算的雷达天线测量管理系统，所述系统包括以下模块：
雷达信号采集模块，所述雷达信号采集模块通过侦查接收机实时接收待测雷达的雷达信号，获取侦查接收机在不同时间接收到的雷达波束的信号功率，所述待测雷达为圆扫雷达；
检波信号处理模块，所述检波信号处理模块针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选；
幅值波动分析模块，所述幅值波动分析模块根据检波信号筛选结果中雷达信号中不同接收时间对应的幅度值，将检波信号筛选结果中初步划分成各个雷达扫描周期，并得到相应雷达扫描周期内的最大幅度值波动时间范围；
周期预测管理模块，所述周期预测管理模块结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
所述检波信号处理模块包括幅度计算单元及检波信号筛选单元，
所述幅度计算单元针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；
所述检波信号筛选单元针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选。
所述周期预测管理模块包括周期时长范围分析单元及扫描周期预测单元，
所述周期时长范围分析单元结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；
所述扫描周期预测单元结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于云计算的雷达天线测量管理方法，其特征在于，所述方法包括以下步骤：
S1、通过侦查接收机实时接收待测雷达的雷达信号，获取侦查接收机在不同时间接收到的雷达波束的信号功率，所述待测雷达为圆扫雷达；
S2、针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选；
S3、根据检波信号筛选结果中雷达信号中不同接收时间对应的幅度值，将检波信号筛选结果中初步划分成各个雷达扫描周期，并得到相应雷达扫描周期内的最大幅度值波动时间范围；
S4、结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值；
所述S2中根据数据库中预置的微波组件灵敏度对检波信号进行筛选时，
当检波信号对应的幅度值小于M时，则将相应幅度值对应的检波信号记为噪声扰动信号，所述M表示数据库中预置的微波组件灵敏度；
当检波信号对应的幅度值大于等于M时，则用AD模块实时读取信号幅度值；并在第一平面直角坐标系中进行标记，所述第一平面直角坐标系为幅度值与时间构建的坐标系，第一平面直角坐标系中噪声扰动信号对应的幅度值为0；
将第一平面直角坐标系中幅度值大于0的连续时间段内的检波信号记为一个脉冲信号片段，并对每个脉冲信号片段中幅度值属于[M，M+M1]的片段进行标记，所述脉冲信号片段由标记片段及非标记片段构成，
获取每个脉冲信号片段分别对应雷达信号的最大幅度值，所述M1等于所得各个脉冲片段对应的各个最大幅度值中的最大值与最小值的差值；
所述S3中将检波信号筛选结果中初步划分各个雷达扫描周期时，将前一个脉冲信号片段内的起始点至后一个相邻脉冲信号片段起始点之前的信号区域作为一个雷达扫描周期，得到各个雷达扫描周期的初步划分结果，每个雷达扫描周期的初步划分结果对应一个脉冲信号片段，将第i个雷达扫描周期的初步划分结果对应的脉冲信号片段内，幅度值与时间的关系函数记为Fi（x），将Fi（x）中对应幅度值不为0的x的取值范围记为第一取值范围，将Fi（x）内非标记片段内x的取值范围记为第二取值范围；
所述S3中得到相应雷达扫描周期内的最大幅度值波动时间范围的方法包括以下步骤：
S311、获取第一平面直角坐标系中，任意相邻的两个雷达扫描周期的初步划分结果分别对应的脉冲信号片段，将前一个脉冲信号片段内，幅度值与时间的关系函数记为Fj（x），Fj（x）对应的第一取值范围记为Ejx，Fj（x）对应的第二取值范围记为EBjx；
将后一个脉冲信号片段内，幅度值与时间的关系函数记为Fj+1（x），Fj+1（x）对应的第一取值范围记为Ej+1x，Fj+1（x）对应的第二取值范围记为EBj+1x；
S312、将Fj（x）在第一平面直角坐标系中进行向右平移操作，将向右平移的量记为g，使得（EBjx+g）∩EBj+1x≠ø，所述EBjx+g表示EBjx中各个值加上g后对应的取值范围，计算g为不同值时，Fj（x）与Fj+1（x）之间的函数偏差状态值，记为Wg，
所述Wg=[∫x=t1 x=t2|Fj（x-g）-Fj+1（x）|dx]×[（t2-t1）/t3]，
其中，t1表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的交集内的最小值；t2表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的交集内的最大值；Fj（x-g）-Fj+1（x）表示在x值时，Fj（x）向右平移的量g后对应的函数Fj（x-g）相应的值与Fj+1（x）的差值，t3表示Fj（x）向右平移的量g后对应的第二取值范围与EBj+1x的并集对应的区间长度；
S313、获取Wg最小时对应的g值，得到Fj（x）相对于Fj+1（x）的最大幅度值波动时间预估范围E（Fj（x），Fj+1（x）），及Fj+1（x）相对于Fj（x）的最大幅度值波动时间预估范围E（Fj+1（x），Fj（x））；
所述E（Fj+1（x），Fj（x））=[min{TFj+g，TFj+1}，max{TFj+g，TFj+1}]，所述min{}表示最小值运算，max{}表示最大值运算，TFj表示Fj（x）对应脉冲信号片段中最大幅度值对应的时间，TFj+ 1表示Fj+1（x）对应脉冲信号片段中最大幅度值对应的时间；
所述E（Fj（x），Fj+1（x））=[min{TFj，TFj+1-g}，max{TFj，TFj+1-g}]；
S314、将Fj+1（x）相对于Fj+2（x）的最大幅度值波动时间预估范围与Fj+1（x）相对于Fj（x）的最大幅度值波动时间预估范围的并集，作为幅度值与时间的关系函数为Fj+1（x）的雷达扫描周期内的最大幅度值波动时间范围；
所述S4中结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值的过程中，
获取侦查接收机接收信息的实时扫描周期时，设雷达天线扫描周期为T+△t ，T为已知量，为数据库中预置的常数，△t为未知量，△t的上限为数据库中预置的常数△tmax；测量开始时，记录h*T时间内幅度最大的脉冲出现的时刻t0且h为数据库中的预设值，接着以t0为起始点，再次测量h*T时间内幅度最大的脉冲出现的时刻ts，
若ts-t0≤△tmax，则判定已经找到天线扫描指向时刻，天线扫描周期跟踪成功，将重复上述过程；
若ts-t0＞△tmax，则判定测量过程中，出现未知幅度异常的信号；
其中，当测量过程中出现位置幅度异常的信号时，则时间ts时对应的实时扫描周期时长等于上一个输出的实时扫描周期时长，
当测量过程中未出现位置幅度异常的信号时，则判定ts-t0为时间ts时对应的实时扫描周期时长；
默认扫描周期在T+△t范围内波动，针对测量得到的各个实时扫描周期时长，利用卡尔曼滤波器预测扫描周期在当前时间对应的收敛理论值，记为TSL；
获取雷达扫描的周期时长范围，并根据所得雷达扫描的周期时长范围对待测雷达的扫描周期时长进行筛选，
当雷达扫描的周期时长范围为空集时，则判定当前时间测量的待测雷达的扫描周期预测值为TSL；
当雷达扫描的周期时长范围不为空集时，判断TSL与雷达扫描的周期时长范围之间的关系，
若TSL属于雷达扫描的周期时长范围，则判定当前时间测量的待测雷达的扫描周期预测值为TSL，且后续操作不继续对雷达扫描的周期时长范围进行更新；若TSL不属于雷达扫描的周期时长范围，则判定当前时间测量的待测雷达天线扫描周期时长存在异常偏差，将（TSL+TSL1）/2作为当前时间测量的待测雷达的扫描周期预测值，后续操作对雷达扫描的周期时长范围进行更新，
所述TSL1为雷达扫描的周期时长范围中，与TSL之间差值的绝对值最小的周期时长。
2.根据权利要求1所述的一种基于云计算的雷达天线测量管理方法，其特征在于：所述S1中雷达发射波束检查自身周围的物体，侦查接收机接收环境中与雷达发射波束相同频段的波束信号，所述接收的波束信息包括雷达释放的波束以及环境噪声；
将侦查接收机接在时间t时收到的雷达波束的信号功率记为Pt。
3.根据权利要求1所述的一种基于云计算的雷达天线测量管理方法，其特征在于：所述S4中结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围时，将相邻两个雷达扫描周期作为一组，在每组的相邻两个雷达扫描周期对应的最大幅度值波动时间范围中分别任取一个值，将两个取值的差值的绝对值作为该相邻两个雷达扫描周期对应周期时长范围的一个元素，得到相应组内相邻两个雷达扫描周期对应周期时长范围；
将所得各组分别对应的周期时长范围的交集，将所得交集对应的范围作为雷达扫描的周期时长范围。
4.应用权利要求1-3任意一项所述的一种基于云计算的雷达天线测量管理方法的基于云计算的雷达天线测量管理系统，其特征在于，所述系统包括以下模块：
雷达信号采集模块，所述雷达信号采集模块通过侦查接收机实时接收待测雷达的雷达信号，获取侦查接收机在不同时间接收到的雷达波束的信号功率，所述待测雷达为圆扫雷达；
检波信号处理模块，所述检波信号处理模块针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选；
幅值波动分析模块，所述幅值波动分析模块根据检波信号筛选结果中雷达信号中不同接收时间对应的幅度值，将检波信号筛选结果中初步划分成各个雷达扫描周期，并得到相应雷达扫描周期内的最大幅度值波动时间范围；
周期预测管理模块，所述周期预测管理模块结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；并结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
5.根据权利要求4所述的一种基于云计算的雷达天线测量管理系统，其特征在于：所述检波信号处理模块包括幅度计算单元及检波信号筛选单元，
所述幅度计算单元针对侦查接收机接收到的雷达信号，对接收的雷达信号进行幅值计算，得到雷达信号的幅度值；
所述检波信号筛选单元针对雷达信号中的每个脉冲，由微波组件生成脉冲到达指示信号，记为检波信号，根据数据库中预置的微波组件灵敏度对检波信号进行筛选。
6.根据权利要求4所述的一种基于云计算的雷达天线测量管理系统，其特征在于：所述周期预测管理模块包括周期时长范围分析单元及扫描周期预测单元，
所述周期时长范围分析单元结合历史数据中初步划分的各个相邻两个雷达扫描周期中最大幅度值波动时间范围，得到雷达扫描的周期时长范围；
所述扫描周期预测单元结合侦查接收机接收信息的实时扫描周期，得到待测雷达的扫描周期预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311022798.5A CN117075061B (zh) | 2023-08-15 | 2023-08-15 | 一种基于云计算的雷达天线测量管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311022798.5A CN117075061B (zh) | 2023-08-15 | 2023-08-15 | 一种基于云计算的雷达天线测量管理系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117075061A CN117075061A (zh) | 2023-11-17 |
| CN117075061B true CN117075061B (zh) | 2024-01-30 |
Family
ID=88712682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311022798.5A Active CN117075061B (zh) | 2023-08-15 | 2023-08-15 | 一种基于云计算的雷达天线测量管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117075061B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111371436A (zh) * | 2020-03-16 | 2020-07-03 | 中国人民解放军空军研究院战略预警研究所 | 雷达天线扫描周期测量方法、装置、设备及存储介质 |
| CN114578293A (zh) * | 2022-02-28 | 2022-06-03 | 中国人民解放军国防科技大学 | 一种利用截获信号幅度值的电扫雷达信号识别方法 |
| CN115685122A (zh) * | 2022-10-27 | 2023-02-03 | 南京莱斯电子设备有限公司 | 一种基于回波包络检测的雷达点迹凝聚方法 |
| CN115755020A (zh) * | 2022-09-15 | 2023-03-07 | 中船重工（武汉）凌久电子有限责任公司 | 一种机械扫描雷达天线扫描位置的跟踪方法 |
| CN116299241A (zh) * | 2023-03-28 | 2023-06-23 | 西北工业大学 | 雷达天线扫描周期的测算方法、装置、设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9856859B2 (en) * | 2012-06-26 | 2018-01-02 | Vestas Wind Systems A/S | Wind turbine blade vibration detection and radar calibration |
| JP6270901B2 (ja) * | 2016-04-21 | 2018-01-31 | 三菱電機株式会社 | Ｆｍｃｗレーダ装置 |
-
2023
- 2023-08-15 CN CN202311022798.5A patent/CN117075061B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111371436A (zh) * | 2020-03-16 | 2020-07-03 | 中国人民解放军空军研究院战略预警研究所 | 雷达天线扫描周期测量方法、装置、设备及存储介质 |
| CN114578293A (zh) * | 2022-02-28 | 2022-06-03 | 中国人民解放军国防科技大学 | 一种利用截获信号幅度值的电扫雷达信号识别方法 |
| CN115755020A (zh) * | 2022-09-15 | 2023-03-07 | 中船重工（武汉）凌久电子有限责任公司 | 一种机械扫描雷达天线扫描位置的跟踪方法 |
| CN115685122A (zh) * | 2022-10-27 | 2023-02-03 | 南京莱斯电子设备有限公司 | 一种基于回波包络检测的雷达点迹凝聚方法 |
| CN116299241A (zh) * | 2023-03-28 | 2023-06-23 | 西北工业大学 | 雷达天线扫描周期的测算方法、装置、设备和存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| ESM系统参数测量干扰方法研究;张国利;毕大平;杨军佳;;航天电子对抗(第04期);39-41 * |
| Satellite radar interferometry: Two-dimensional phase unwrapping;R. M. Goldstein, H. A. Zebker and C. L. Werner;《Radio Science》;713-720 * |
| Signal-domain Kalman filtering: An approach for maneuvering target surveillance with wideband radar;Shaopeng Wei;《Signal Processing》;1-18 * |
| 数据处理在提高雷达作用距离中的应用;刘延峰;;火控雷达技术(第02期);29-33 * |
| 针对防空电扫描雷达的有源干扰及其分布式协同研究;黄翀鹏;《中国博士学位论文全文数据库 信息科技辑》;1-153 * |
| 雷达跟踪波门自适应设计与多站数据融合方法研究;朱加文;《中国优秀硕士学位论文全文数据库 信息科技辑》;1-110 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117075061A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0971242A1 (en) | Sensor signal processing | |
| US5128684A (en) | Method and apparatus for correlating sensor detections in space and time | |
| CN102890269B (zh) | 识别车辆的雷达传感器的失调 | |
| US6476760B1 (en) | Device for detecting angle of elevation error in a multiple beam radar sensor | |
| CN110320502B (zh) | 一种毫米波雷达阵列天线的标定方法 | |
| CN108267723A (zh) | 陆基短距k波段雷达的离线在线式幅相误差校正方法 | |
| US5422829A (en) | Closed-loop control for scanning application | |
| CN111220954B (zh) | 一种基于自校幅度归一化的雷达角误差修正方法 | |
| EP2148218A1 (en) | Method and system for processing echo signals | |
| US20070182622A1 (en) | Method for locating multiple angle sources using a monopulse radar | |
| CN112689772A (zh) | 标物雷达散射截面积确定方法、装置和存储介质 | |
| CN109001694B (zh) | 一种动态自适应天线扫描特性模拟方法及系统 | |
| CN111366900B (zh) | 基于残差统计的跟踪雷达航迹质量评估方法、系统及介质 | |
| CN117075061B (zh) | 一种基于云计算的雷达天线测量管理系统及方法 | |
| US4622556A (en) | Technique for rapid determination of probability of detection in pulse doppler radars | |
| CN113552546A (zh) | 一种车载雷达安装角度的标定方法及装置 | |
| US6859160B1 (en) | System for estimating receiver utilization | |
| US6639376B1 (en) | Frequency characteristic identifying method and drive controlling apparatus | |
| CN115166646B (zh) | 一种基于可信体系的雷达识别控制系统 | |
| KR102190875B1 (ko) | 수신신호 보정방법, 수신신호 보정장치, 및 이를 구비하는 펄스 레이다 | |
| KR20190096181A (ko) | 표적을 탐지하는 방법 및 장치 | |
| CN114167359A (zh) | 一种弱小目标自适应关联滤波方法、系统及存储介质 | |
| US7109909B2 (en) | System for establishing an attenuation frequency | |
| US20240288536A1 (en) | Method for determining a transmission signal in at least one received signal | |
| CN108920989B (zh) | 一种参数确定方法及系统 |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee after: Yangzhou Yuan Electronic Technology Co.,Ltd. Country or region after: China Address before: Building 4, Dongyuan, Jiangguang wisdom City, 15 Wenchang East Road, Yangzhou City, Jiangsu Province, 225000 Patentee before: YANGZHOU YU'AN ELECTRONIC TECHNOLOGY CO.,LTD. Country or region before: China |