CN117784078B - 机载雷达空时极化联合自适应处理杂波抑制方法与装置 - Google Patents

机载雷达空时极化联合自适应处理杂波抑制方法与装置 Download PDF

Info

Publication number
CN117784078B
CN117784078B CN202410215603.7A CN202410215603A CN117784078B CN 117784078 B CN117784078 B CN 117784078B CN 202410215603 A CN202410215603 A CN 202410215603A CN 117784078 B CN117784078 B CN 117784078B
Authority
CN
China
Prior art keywords
clutter
polarization
space
time
echo data
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
CN202410215603.7A
Other languages
English (en)
Other versions
CN117784078A (zh
Inventor
陈威
谢文冲
王永良
熊元燚
柳成荫
田步秋
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.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
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 Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202410215603.7A priority Critical patent/CN117784078B/zh
Publication of CN117784078A publication Critical patent/CN117784078A/zh
Application granted granted Critical
Publication of CN117784078B publication Critical patent/CN117784078B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种机载雷达空时极化联合自适应处理杂波抑制方法：根据不同地形杂波的极化参数得到该杂波场景的散射协方差矩阵；根据散射协方差矩阵得到每个杂波块的散射矩阵；结合散射矩阵和发射电磁波的极化矢量，得到该杂波块的极化回波数据；结合极化回波数据和该杂波块的空时二维回波数据得到极化空时回波数据；将所有杂波块的极化空时回波数据求和得到杂波回波数据；针对极化阵列机载预警雷达回波数据，利用待处理单元的阵元脉冲数据估计极化协方差矩阵；根据极化协方差矩阵进行极化域自适应波束形成抑制杂波；对极化域自适应处理后的空时数据进行STAP处理。本发明还提供了相应的机载雷达空时极化联合自适应处理杂波抑制装置。

Description

机载雷达空时极化联合自适应处理杂波抑制方法与装置
技术领域
本发明属于雷达信号处理技术领域，更具体地，涉及一种机载雷达空时极化联合自适应处理杂波抑制方法与装置。
背景技术
机载预警雷达机动性强，监测范围广，受地形遮蔽小，因此广泛应用于军事和民用监测和侦察领域。当机载预警雷达工作在下视模式时，其不可避免的会接收到地/海杂波，其杂波功率较强，空时自适应处理（Space-Time Adaptive Processing, STAP）技术是杂波抑制的主要手段，其充分利用雷达提供的多个空域通道信号和脉冲串提供的时域信息，通过空时二维自适应滤波的方式实现杂波有效抑制。但是当目标以慢速甚至切向运动时，例如武装直升机、小型无人机和高机动战斗机等，此时运动目标回波与主瓣杂波信号在空时二维无法区分，传统STAP技术无法实现对该类目标的有效检测，导致雷达的最小可检测速度降低。特别是因风浪等原因导致杂波内部运动速度较大时，主瓣杂波对目标探测的影响更大。
极化技术已广泛应用于SAR成像，目标参数估计，目标识别，主瓣干扰抑制等方面，但是在杂波抑制方面却少有研究。极化是空域和时域之外的又一维信息，利用目标与杂波极化参数的差异能够提高雷达在强杂波背景下的目标检测能力，特别当目标慢速运动或切向运动时。但是单一的极化域滤波效果有限，因此需要结合空时二维信息进行联合处理，现有文献提出的空时极化联合自适应处理方法并没有考虑实际杂波的分布特性，其杂波抑制性能欠佳，因此研究空时极化自适应杂波抑制方法具有重要意义。
因此，急需发明极化阵列机载预警雷达空时极化自适应处理方法，为新一代机载预警雷达的研制提供理论和关键技术支撑。
发明内容
为此，本发明提供一种机载雷达空时极化联合自适应处理杂波抑制方法，用以克服现有技术中存在的问题。
为实现上述目的，按照本发明的一个方面，提供了一种机载雷达空时极化联合自适应处理杂波抑制方法，包括如下步骤，
步骤1：根据不同地形杂波的极化参数得到该杂波场景的散射协方差矩阵；
步骤2：根据步骤1的散射协方差矩阵得到每个杂波块的散射矩阵；
步骤3：结合步骤2的散射矩阵和发射电磁波的极化矢量，得到该杂波块的极化回波数据；
步骤4：结合步骤3的极化回波数据和该杂波块的空时二维回波数据得到极化空时回波数据；
步骤5：将步骤4中所有杂波块的极化空时回波数据求和得到杂波回波数据；
步骤6：针对步骤5的极化阵列机载预警雷达回波数据，利用待处理单元的阵元脉冲数据估计极化协方差矩阵；
步骤7：根据步骤6的极化协方差矩阵进行极化域自适应波束形成抑制杂波；
步骤8：对极化域自适应处理后的空时数据进行STAP处理。
其中，设定所述极化阵列机载预警雷达天线为个阵元构成的均匀线阵，每个阵元由两个正交的偶极子组成，阵元间距为/>，天线的两个极化通道分别为H通道和V通道，假设一个CPI内的脉冲数为K，脉冲重复频率为/>，载机速度为/>。
进一步地，所述步骤1中杂波块的散射协方差矩阵可表示为
(1)
其中，上标表示取共轭的操作，且
(2)
其中，/>，/>分别表示HH通道、HV通道和VV通道的杂波复幅度；即/>为HH通道的杂波功率，/>为HV通道和HH通道的杂波平均功率比，/>为VV通道和HH通道杂波信号功率比，/>表示HH通道和VV通道的互相关系数。
进一步地，在所述步骤2中，对于每一个杂波散射单元，其极化特性可由极化散射矩阵（polarization scattering matrix, PST）表征，即
(3)
其中，/>，/>，/>分别表示HH通道、HV通道、VH通道和VV通道第/>个杂波块的回波复幅度；由于互易定理，/>，因此极化散射矩阵可写成矢量形式，即，上标/>表示转置操作。通常假设/>满足均值为零的多元复高斯分布模型，即根据步骤1的散射协方差矩阵可得到每个杂波块的散射矢量为/>，其中为均值为零的复高斯分布矢量。
进一步地，在所述步骤3中，假设发射电磁波的极化矢量为，其中/>和/>分别为发射电磁波的极化幅角和极化相位差，则该杂波块的极化回波数据可表示为
(4)
其中，为第/>个杂波块的回波复幅度。
进一步地，在所述步骤4中，该杂波块的空时二维回波数据可表示为
(5)
其中和/>分别为第/>个杂波块的时域和空域导向矢量，/>和/>分别为第/>个杂波块的归一化多普勒频率和空间频率，/>和/>分别为杂波块的方位角和俯仰角；
该杂波块的极化空时回波数据可表示为
(6)
其中极化导向矢量。
进一步地，在所述步骤5中，将步骤4中所有杂波块的极化空时回波数据求和得到杂波回波数据为
(7)
其中为距离模糊次数，/>为该距离单元包含的均匀杂波块数目。
进一步地，在所述步骤6中，利用待处理单元的阵元脉冲数据估计极化协方差矩阵
(8)
其中为第/>个阵元第/>个脉冲的极化域数据，上标/>表示共轭转置操作。
进一步地，在所述步骤7中，极化域的自适应波束形成的权矢量为
(9)
其中为预设目标的极化导向矢量，/>和/>分别为目标的极化幅角和极化相位差，/>的维数为/>，将其作用在极化维数据上，即
(10)
极化域处理后的空时二维快拍数据可表示为
(11)
其中。
进一步地，在所述步骤8中，对极化域自适应处理后的空时数据进行STAP处理的自适应权矢量为
(12)
其中为估计的空时杂波协方差矩阵，/>为训练样本数，为全维空时导向矢量，/>为第/>个多普勒通道的时域导向矢量，/>为预设目标空域导向矢量，/>为目标空间频率，/>和/>分别为目标的方位角和俯仰角。
按照本发明的另一方面，还提供了一种机载雷达空时极化联合自适应处理杂波抑制装置，包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成所述的机载雷达空时极化联合自适应处理杂波抑制方法。
与现有技术相比，本发明的有益效果在于，本发明通过提供一种机载雷达空时极化联合自适应处理杂波抑制方法，首先根据不同地形杂波的极化参数得到该杂波场景的散射协方差矩阵；其次利用散射协方差矩阵得到每个杂波块的散射矩阵；再次结合发射电磁波的极化矢量，得到该杂波块的极化回波数据；然后结合空时二维回波数据得到极化空时回波数据；最后将所有杂波块的极化空时回波数据求和得到杂波回波数据。
进一步地，本发明基于杂波块散射矩阵的建模方法，能够精确表征杂波块的散射特性，有利于对杂波的极化空时特性进行分析；
进一步地，本发明建立的杂波信号模型，可为极化阵列机载预警雷达信号处理提供数据来源。
附图说明
图1为本发明提供的机载雷达空时极化联合自适应处理杂波抑制方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明机载预警雷达空时频自适应抗主瓣欺骗干扰方法如图1所示，包括如下步骤：
步骤1：根据不同地形杂波的极化参数得到该杂波场景的散射协方差矩阵；设定所述极化阵列机载预警雷达天线为个阵元构成的均匀线阵，每个阵元由两个正交的偶极子组成，阵元间距为/>，天线的两个极化通道分别为H通道和V通道，假设一个CPI内的脉冲数为K，脉冲重复频率为/>，载机速度为/>，所述步骤1中杂波块的散射协方差矩阵可表示为
(1)
其中，上标表示取共轭的操作，且
(2)
其中，/>，/>分别表示HH通道、HV通道和VV通道的杂波复幅度；即/>为HH通道的杂波功率，/>为HV通道和HH通道的杂波平均功率比，/>为VV通道和HH通道杂波信号功率比，/>表示HH通道和VV通道的互相关系数。
步骤2：根据步骤1的散射协方差矩阵得到每个杂波块的散射矩阵；
对于每一个杂波散射单元，其极化特性可由极化散射矩阵（polarizationscattering matrix, PST）表征，即
(3)
其中，/>，/>，/>分别表示HH通道、HV通道、VH通道和VV通道第/>个杂波块的回波复幅度；由于互易定理，/>，因此极化散射矩阵可写成矢量形式，即，上标/>表示转置操作。通常假设/>满足均值为零的多元复高斯分布模型，即根据步骤1的散射协方差矩阵可得到每个杂波块的散射矢量为/>，其中/>为均值为零的复高斯分布矢量。
步骤3：结合步骤2的散射矩阵和发射电磁波的极化矢量，得到该杂波块的极化回波数据；
假设发射电磁波的极化矢量为，其中/>和/>分别为发射电磁波的极化幅角和极化相位差，则该杂波块的极化回波数据可表示为
(4)
其中，为第/>个杂波块的回波复幅度。
步骤4：结合步骤3的极化回波数据和该杂波块的空时二维回波数据得到极化空时回波数据；
在所述步骤4中，该杂波块的空时二维回波数据可表示为
(5)
其中和/>分别为第/>个杂波块的时域和空域导向矢量，/>和/>分别为第/>个杂波块的归一化多普勒频率和空间频率，/>和/>分别为杂波块的方位角和俯仰角；
该杂波块的极化空时回波数据可表示为
(6)
其中极化导向矢量。
步骤5：将步骤4中所有杂波块的极化空时回波数据求和得到杂波回波数据；
在所述步骤5中，将步骤4中所有杂波块的极化空时回波数据求和得到杂波回波数据为
(7)
其中为距离模糊次数，/>为该距离单元包含的均匀杂波块数目。
步骤6：针对步骤5的极化阵列机载预警雷达回波数据，利用待处理单元的阵元脉冲数据估计极化协方差矩阵；
在所述步骤6中，利用待处理单元的阵元脉冲数据估计极化协方差矩阵
(8)
其中为第/>个阵元第/>个脉冲的极化域数据，上标/>表示共轭转置操作。
步骤7：根据步骤6的极化协方差矩阵进行极化域自适应波束形成抑制杂波；
在所述步骤7中，极化域的自适应波束形成的权矢量为
(9)
其中为预设目标的极化导向矢量，/>和/>分别为目标的极化幅角和极化相位差，/>的维数为/>，将其作用在极化维数据上，即
(10)
极化域处理后的空时二维快拍数据可表示为
(11)
其中。
步骤8：对极化域自适应处理后的空时数据进行STAP处理；
在所述步骤8中，对极化域自适应处理后的空时数据进行STAP处理的自适应权矢量为
(12)
其中为估计的空时杂波协方差矩阵，/>为训练样本数，为全维空时导向矢量，/>为第/>个多普勒通道的时域导向矢量，/>为预设目标空域导向矢量，/>为目标空间频率，/>和/>分别为目标的方位角和俯仰角。
进一步地，本发明还提供了一种机载雷达空时极化联合自适应处理杂波抑制装置，包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成所述的机载雷达空时极化联合自适应处理杂波抑制方法。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，包括如下步骤：
步骤1：根据不同地形杂波的极化参数得到该杂波场景的散射协方差矩阵；
步骤2：根据步骤1的散射协方差矩阵得到每个杂波块的散射矩阵；
步骤3：结合步骤2的散射矩阵和发射电磁波的极化矢量，得到该杂波块的极化回波数据；
步骤4：结合步骤3的极化回波数据和该杂波块的空时二维回波数据得到极化空时回波数据；
步骤5：将步骤4中所有杂波块的极化空时回波数据求和得到杂波回波数据；
步骤6：针对步骤5的极化阵列机载预警雷达回波数据，利用待处理单元的阵元脉冲数据估计极化协方差矩阵；
步骤7：根据步骤6的极化协方差矩阵进行极化域自适应波束形成抑制杂波；
步骤8：对极化域自适应处理后的空时数据进行STAP处理。
2.根据权利要求1所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，设定所述极化阵列机载预警雷达天线为个阵元构成的均匀线阵，每个阵元由两个正交的偶极子组成，阵元间距为/>，天线的两个极化通道分别为H通道和V通道，假设一个CPI内的脉冲数为K，脉冲重复频率为/>，载机速度为/>，所述步骤1中杂波块的散射协方差矩阵表示为
（1）
其中，上标表示取共轭的操作，且
(2)
其中，/>，/>分别表示HH通道、HV通道和VV通道的杂波复幅度；即/>为HH通道的杂波功率，/>为HV通道和HH通道的杂波平均功率比，/>为VV通道和HH通道杂波信号功率比，表示HH通道和VV通道的互相关系数。
3.根据权利要求2所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤2中，对于每一个杂波散射单元，其极化特性由极化散射矩阵表征，即
（3）
其中，/>，/>，/>分别表示HH通道、HV通道、VH通道和VV通道第/>个杂波块的回波复幅度；由于互易定理，/>，因此极化散射矩阵写成矢量形式，即，上标/>表示转置操作，假设/>满足均值为零的多元复高斯分布模型，即根据步骤1的散射协方差矩阵得到每个杂波块的散射矢量为/>，其中/>为均值为零的复高斯分布矢量。
4.根据权利要求3所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤3中，假设发射电磁波的极化矢量为，其中/>和/>分别为发射电磁波的极化幅角和极化相位差，则该杂波块的极化回波数据表示为
（4）
其中，为第/>个杂波块的回波复幅度。
5.根据权利要求4所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤4中，该杂波块的空时二维回波数据表示为
（5）
其中和/>分别为第/>个杂波块的时域和空域导向矢量，/>和/>分别为第/>个杂波块的归一化多普勒频率和空间频率，/>和/>分别为杂波块的方位角和俯仰角；
该杂波块的极化空时回波数据表示为
（6）
其中极化导向矢量。
6.根据权利要求5所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤5中，将步骤4中所有杂波块的极化空时回波数据求和得到杂波回波数据为
（7）
其中为距离模糊次数，/>为距离单元包含的均匀杂波块数目。
7.根据权利要求6所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤6中，利用待处理单元的阵元脉冲数据估计极化协方差矩阵
（8）
其中为第/>个阵元第/>个脉冲的极化域数据，上标/>表示共轭转置操作。
8.根据权利要求7所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤7中，极化域的自适应波束形成的权矢量为
（9）
其中为预设目标的极化导向矢量，/>和/>分别为目标的极化幅角和极化相位差，/>的维数为/>，将其作用在极化维数据上，即
（10）
极化域处理后的空时二维快拍数据表示为
（11）
其中。
9.根据权利要求8所述的机载雷达空时极化联合自适应处理杂波抑制方法，其特征在于，在所述步骤8中，对极化域自适应处理后的空时数据进行STAP处理的自适应权矢量为
（12）
其中为估计的空时杂波协方差矩阵，/>为训练样本数，为全维空时导向矢量，/>为第/>个多普勒通道的时域导向矢量，/>为预设目标空域导向矢量，/>为目标空间频率，/>和/>分别为目标的方位角和俯仰角。
10.机载雷达空时极化联合自适应处理杂波抑制装置，其特征在于，包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成权利要求1-9中任一项所述的机载雷达空时极化联合自适应处理杂波抑制方法。
CN202410215603.7A 2024-02-27 2024-02-27 机载雷达空时极化联合自适应处理杂波抑制方法与装置 Active CN117784078B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410215603.7A CN117784078B (zh) 2024-02-27 2024-02-27 机载雷达空时极化联合自适应处理杂波抑制方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410215603.7A CN117784078B (zh) 2024-02-27 2024-02-27 机载雷达空时极化联合自适应处理杂波抑制方法与装置

Publications (2)

Publication Number Publication Date
CN117784078A CN117784078A (zh) 2024-03-29
CN117784078B true CN117784078B (zh) 2024-05-14

Family

ID=90396680

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410215603.7A Active CN117784078B (zh) 2024-02-27 2024-02-27 机载雷达空时极化联合自适应处理杂波抑制方法与装置

Country Status (1)

Country Link
CN (1) CN117784078B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002214326A (ja) * 2001-01-12 2002-07-31 Mitsubishi Electric Corp 目標検出装置及び目標検出方法
JP2010175383A (ja) * 2009-01-29 2010-08-12 Mitsubishi Electric Corp 目標検出装置及び目標検出方法
CN106353732A (zh) * 2016-08-15 2017-01-25 西安电子科技大学 一种基于认知的机载雷达异构杂波抑制方法
WO2018045566A1 (zh) * 2016-09-09 2018-03-15 深圳大学 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法
CN108020817A (zh) * 2017-09-28 2018-05-11 西安电子科技大学 基于配准的机载前视阵雷达杂波抑制方法
CN114265065A (zh) * 2021-12-23 2022-04-01 中国电子科技集团公司第十四研究所 一种融合多极化图像的多通道sar动目标检测方法
WO2022211790A1 (en) * 2021-03-30 2022-10-06 Google Llc Localization and health monitoring

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2407210A (en) * 2003-03-21 2005-04-20 Qinetiq Ltd Time delay beamformer and method of time delay beamforming
US20210333356A1 (en) * 2020-04-22 2021-10-28 US Gov't as represented by Secretary of Air Force Space-time adaptive processing using random matrix theory
US11835648B2 (en) * 2021-03-24 2023-12-05 Rockwell Collins, Inc. Multi-beam multi-function AESA system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002214326A (ja) * 2001-01-12 2002-07-31 Mitsubishi Electric Corp 目標検出装置及び目標検出方法
JP2010175383A (ja) * 2009-01-29 2010-08-12 Mitsubishi Electric Corp 目標検出装置及び目標検出方法
CN106353732A (zh) * 2016-08-15 2017-01-25 西安电子科技大学 一种基于认知的机载雷达异构杂波抑制方法
WO2018045566A1 (zh) * 2016-09-09 2018-03-15 深圳大学 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法
CN108020817A (zh) * 2017-09-28 2018-05-11 西安电子科技大学 基于配准的机载前视阵雷达杂波抑制方法
WO2022211790A1 (en) * 2021-03-30 2022-10-06 Google Llc Localization and health monitoring
CN114265065A (zh) * 2021-12-23 2022-04-01 中国电子科技集团公司第十四研究所 一种融合多极化图像的多通道sar动目标检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
IEEE GEOSCIENCE AND REMOTE SENSING LETTERS;Wei Chen;Short-Range Clutter Suppression for Airborne Radar Using Sparse Recovery and Orthogonal Projection;20221231;第1-5页 *
机载雷达杂波抑制优化与性能分析;刘小洋;李勇;李瑞克;;计算机仿真;20130415(04);第108-111页 *
机载雷达极化空时联合域杂波抑制性能分析;吴迪军;徐振海;熊子源;张亮;肖顺平;;电子学报;20120715(07);第1429-1433页 *

Also Published As

Publication number Publication date
CN117784078A (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
CN110109117B (zh) 基于频控阵的星载合成孔径雷达卷积调制干扰方法
CN109581352B (zh) 一种基于毫米波雷达的超分辨测角系统
Xie et al. Experimental analysis of sea clutter in shipborne HFSWR
CN109765529B (zh) 一种基于数字波束形成的毫米波雷达抗干扰方法及系统
Abdalla et al. Overview of frequency diverse array in radar ECCM applications
Kuschel et al. Deployable multiband passive/active radar for air defense (DMPAR)
CN103728596A (zh) 双基地mimo雷达抑制分布式干扰的方法
CN108872947B (zh) 一种基于子空间技术的海杂波抑制方法
Feng et al. Target localization using MIMO-monopulse: Application on 79 GHz FMCW automotive radar
CN113376599B (zh) 基于主瓣校正的fda距离模糊杂波抑制方法
Lu et al. Moving ground target detection with main-lobe jamming based on fractional Fourier transform and differential cancellation
Yang et al. Fast generation of deceptive jamming signal against space-borne SAR
CN103605115A (zh) 基于网络化雷达阵列合成的抗有源主瓣干扰方法
CN117784078B (zh) 机载雷达空时极化联合自适应处理杂波抑制方法与装置
Richardson Space-time adaptive processing for manoeuvring airborne radar
Mecca et al. Slow-time MIMO spacetime adaptive processing
Kikuchi et al. Adaptive pulse compression technique for X-band phased array weather radar
Narasimhan et al. Mitigation of sidelobe clutter discrete using sidelobe blanking technique in airborne radars
Wang et al. Target polarization scattering matrix estimation with conformal MIMO radar
Zhu et al. Application of frequency diverse array to resolve range ambiguity for SAR imaging
Di Lorenzo et al. Optimal beamforming for range-Doppler ambiguity minimization in squinted SAR
Cheng et al. A Barrage Jamming Suppression Scheme for DBF-SAR System Based on Elevation Multichannel Cancellation
CN116047462B (zh) 端射阵机载雷达最优阵元数目和阵元间距选取方法与装置
Qiu et al. Virtual array-based super-resolution for mechanical scanning radar
CN112835002B (zh) 一种应用于共形阵雷达的海杂波分析方法及系统

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