CN102288949A - 基于最优处理器的机动目标检测方法 - Google Patents

基于最优处理器的机动目标检测方法 Download PDF

Info

Publication number
CN102288949A
CN102288949A CN2011101237858A CN201110123785A CN102288949A CN 102288949 A CN102288949 A CN 102288949A CN 2011101237858 A CN2011101237858 A CN 2011101237858A CN 201110123785 A CN201110123785 A CN 201110123785A CN 102288949 A CN102288949 A CN 102288949A
Authority
CN
China
Prior art keywords
maneuvering target
optimum processor
target
stap
maneuvering
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
Application number
CN2011101237858A
Other languages
English (en)
Other versions
CN102288949B (zh
Inventor
吴仁彪
王冬梅
李海
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.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
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 Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN 201110123785 priority Critical patent/CN102288949B/zh
Publication of CN102288949A publication Critical patent/CN102288949A/zh
Application granted granted Critical
Publication of CN102288949B publication Critical patent/CN102288949B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于最优处理器的机动目标检测方法。本发明属于雷达信号处理技术领域。一种基于最优处理器的机动目标检测方法，基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量进行机载雷达机动目标的检测，包括以下步骤：(1)基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；(2)利用与被检测距离单元邻近的
Figure DEST_PATH_IMAGE001
个参考单元的数据估计杂波协方差矩阵；(3)修正STAP最优处理器中的目标匹配导向矢量；(4)利用修正的目标匹配导向矢量计算修正最优处理器的权矢量；(5)利用修正的自适应恒虚警检测器检测机动目标。本发明具有方法简单，目标回波信噪比显著提高，机动目标检测性能增强等优点。

Description

基于最优处理器的机动目标检测方法
技术领域
本发明属于雷达信号处理技术领域，特别是涉及一种基于最优处理器的机动目标检测方法。
背景技术
空中目标的发展趋势是机动性能越来越好，加速机动飞行已成为目标突防的主要手段之一。机载相控阵预警雷达对要检测的目标，其可视距离要比地基雷达远得多，大大增加了雷达提供的预警时间；同时相控阵雷达可同时形成能够灵活控制的多波束，使机载雷达的目标探测性能、可靠性大大提高。但是机载相控阵雷达与地基雷达相比，面临着更复杂的地（海）杂波问题。目前应用最广泛的机载相控阵雷达地杂波抑制技术是空时自适应处理（Space-Time Adaptive Processing，STAP），它能够形成与杂波匹配的斜凹口，有效地抑制杂波并大大改善***的检测性能。
当目标进行变速、转弯等机动飞行时，在一个相干处理时间（Coherent Processing Interval，CPI）内目标回波多普勒随时间变化，即发生多普勒走动，目标能量扩散到不同多普勒单元内,不能再看作是平稳信号。然而，目前应用最广泛的STAP是基于平稳信号模型的，即假定在相干处理时间内动目标回波多普勒频率恒定（即目标为匀速运动）。机动目标的回波多普勒时变导致STAP难以实现对目标能量的相参积累，从而导致目标检测性能下降。
目前，在机动情况下（即存在多普勒走动情况下）的动目标检测方法，大部分是基于超视距雷达和连续波雷达等地基雷达的。相对于机载雷达，地基雷达接收的杂波形式简单许多。地基雷达在检测空中动目标时，杂波主要为建筑物、山、树等固定杂波信号，固定杂波的中心频率位于零频，很容易设计滤波器将其消除，如目前经典的雷达动目标检测(MTD)技术。然而，这些方法在机载雷达信号数据模型下不再适合。
发明内容
本发明为解决公知技术中存在的技术问题而提供一种基于最优处理器的机动目标检测方法。
本发明的目的是提供一种具有方法简单，采用修正的导向矢量对机动目标的初速度和加速度同时匹配实现相干积累，目标能量重新聚集到一个多普勒分辨单元内，具有目标回波信噪比显著提高，目标检测性能增强等特点的基于最优处理器的机动目标检测方法。
本发明基于修正最优处理器的机动目标检测方法，充分考虑机动目标多普勒线性时变的特点，对最优处理器中的目标匹配导向矢量进行修正，修正的最优处理器能够实现机载相控阵雷达对机动目标的高效检测。
本发明基于最优处理器的机动目标检测方法所采取的技术方案：
一种基于最优处理器的机动目标检测方法，其特点是：机动目标检测是基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量进行机载雷达机动目标的检测，包括以下步骤：
(1)基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；
(2)利用与被检测距离单元邻近的                                               
Figure 621166DEST_PATH_IMAGE002
个参考单元的数据估计杂波协方差矩阵；
(3)修正STAP最优处理器中的目标匹配导向矢量；
(4)利用修正的目标匹配导向矢量计算修正最优处理器的权矢量；
(5)利用修正的自适应恒虚警检测器检测机动目标。
本发明基于最优处理器的机动目标检测方法还可以采取如下技术方案：
所述的基于最优处理器的机动目标检测方法，其特点是：机载相控阵雷达接收的机动目标回波数据，包含多普勒走动。
所述的基于最优处理器的机动目标检测方法，其特点是：参考单元的数据估计杂波协方差矩阵，是通过选取
Figure 745765DEST_PATH_IMAGE002
个相互独立同分布的参考单元数据，按照统计方法估计得到的。
所述的基于最优处理器的机动目标检测方法，其特点是：修正STAP最优处理器中的目标匹配导向矢量，是将STAP最优处理器中的目标匹配导向矢量中加入加速度项，对机动目标的初速度和加速度同时匹配实现相干积累。
所述的基于最优处理器的机动目标检测方法，其特点是：计算修正最优处理器的权矢量，是将估计杂波协方差矩阵的逆矩阵与步骤(3)重构出的目标匹配导向矢量相乘计算得到的。
所述的基于最优处理器的机动目标检测方法，其特点是：利用修正的自适应恒虚警检测器检测机动目标时，恒虚警检测器检验统计量相当于修正STAP最优处理器输出模的平方对输出剩余杂波和噪声功率归一化。
本发明具有的优点和积极效果是： 
基于最优处理器的机动目标检测方法由于采用了本发明全新的技术方案，是针对常规的STAP最优处理器对机动目标检测性能差而提出的一种目标检测方法；与现有技术相比，本发明采用修正的导向矢量（在常规导向矢量中加入加速度项）对机动目标的初速度和加速度同时匹配实现相干积累，这样由于加速度引起的多普勒走动就得到补偿，目标能量重新聚集到一个多普勒分辨单元内，目标回波信噪比显著提高，目标检测性能增强。
附图说明
图1是基于修正最优处理器的机动目标检测方法流程图；
图2是机动目标功率谱图；
图3是修正最优处理器补偿后的机动目标功率谱图；
图4是理想最优处理器（常规最优处理器检测匀速目标）、常规最优处理器（常规最优处理器检测机动目标）和修正最优处理器的改善因子比较；
图5是不同方法（即常规最优处理器和修正最优处理器）目标速度估计性能随加速度变化曲线图；
图6是利用AMF检验统计量直接对机动目标进行CFAR检测的结果图；
图7是基于修正最优处理器的AMF检测器对机动目标进行CFAR检测的结果图；
图8是不同方法（即常规最优处理器和修正最优处理器）速度估值均方根误差随信噪比变化曲线图；
图9是修正最优处理器方法估计的加速度均方根误差随信噪比变化曲线与CRB比较结果示意图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：
实施例1
参照附图1至图9。
本发明的基于最优处理器的机动目标检测方法，是基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量来实现机载雷达机动目标的检测，包括有以下步骤：
第一步：基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；
本发明中雷达天线为均匀线阵结构，也可以是面阵经微波合成后的等效线阵，天线阵元数目为
Figure 837087DEST_PATH_IMAGE004
，阵元间距为
Figure 359860DEST_PATH_IMAGE006
，
Figure 298866DEST_PATH_IMAGE008
表示雷达工作波长，相干处理间隔内有
Figure 245962DEST_PATH_IMAGE010
个脉冲，
Figure 450678DEST_PATH_IMAGE012
为第
Figure 836529DEST_PATH_IMAGE014
个阵元在第
Figure 443091DEST_PATH_IMAGE016
个脉冲上对应的复采样值，则每一距离门上的接收数据可以写做一个
Figure 620476DEST_PATH_IMAGE018
的矩阵如下式
Figure 312488DEST_PATH_IMAGE020
Figure 236451DEST_PATH_IMAGE022
将（1）式中的数据矩阵
Figure 697519DEST_PATH_IMAGE024
按列排成一个
Figure 314314DEST_PATH_IMAGE026
的列向量，可记为
Figure 493623DEST_PATH_IMAGE028
, 就形成了一个空时快拍数据，它包含不需要的杂波、噪声和待检测的机动目标信号，即
                                                        
Figure 536851DEST_PATH_IMAGE022
其中，，
Figure 728503DEST_PATH_IMAGE034
和
Figure 994268DEST_PATH_IMAGE036
分别表示数据中的目标、杂波和噪声成份。机动目标的空时快拍数据可以写成
Figure 201575DEST_PATH_IMAGE038
       
Figure 339164DEST_PATH_IMAGE022
式中
Figure 283987DEST_PATH_IMAGE040
为目标的空间归一化角频率，由目标所处的方位角、雷达波长
Figure 700723DEST_PATH_IMAGE008
决定。
Figure 325608DEST_PATH_IMAGE044
为目标的时间归一化角频率，由机动目标多普勒频率
Figure 683908DEST_PATH_IMAGE046
和***脉冲重复频率（Pulse Repetition Frequency, PRF）
Figure 343429DEST_PATH_IMAGE048
所决定。初速度为，加速度为
Figure 319792DEST_PATH_IMAGE052
的机动目标多普勒频率
       
Figure 731050DEST_PATH_IMAGE054
   
Figure 730231DEST_PATH_IMAGE022
其中慢时间
Figure 204462DEST_PATH_IMAGE056
，为发射脉冲重复周期。则其归一化时间角频率为：
Figure 769621DEST_PATH_IMAGE060
        
Figure 888887DEST_PATH_IMAGE022
上述推导可见，机动目标的归一化时间角频率
Figure 265510DEST_PATH_IMAGE062
由两部分组成，第一部分为目标初速度对应的归一化时间角频率（若为匀速目标则仅有这一项）；第二部分
Figure 856078DEST_PATH_IMAGE066
为目标加速度对应的归一化时间角频率，随时间改变，为多普勒走动项。
第二步：利用与被检测距离单元邻近的
Figure 95429DEST_PATH_IMAGE002
个参考单元的数据估计杂波协方差矩阵。
实际***的协方差矩阵是按照统计方法可由
Figure 640024DEST_PATH_IMAGE002
个独立同分布的参考单元的信号样本来估计，即
Figure 964826DEST_PATH_IMAGE068
       
Figure 521579DEST_PATH_IMAGE022
其中
Figure 349857DEST_PATH_IMAGE070
为二次数据向量，表示与被检测距离单元邻近的第个参考单元内的数据，且
Figure 880382DEST_PATH_IMAGE074
。
第三步：修正STAP最优处理器中的目标匹配导向矢量。常规的STAP最优处理器，其加权矢量为
         
其中，波束指向为
Figure 157145DEST_PATH_IMAGE078
，
Figure DEST_PATH_IMAGE080
为一常数。最优权矢量由杂波协方差矩阵的逆矩阵和目标矢量两部分组成，第一部分相当于对杂波进行白化，后一部分相当于对目标信号进行匹配滤波，对同一距离单元的目标回波信号作相干积累。然而，常规的STAP最优处理器是基于目标在一个CPI内多普勒固定不变的前提下得到的，即该方法只能对单个频率的目标信号进行检测。当目标相对于雷达做匀加速运动时，多普勒随时间发生线性变化，不再是单个多普勒频率。针对此问题，修正最优处理器中的目标匹配导向矢量如下：
            
Figure 567791DEST_PATH_IMAGE022
Figure DEST_PATH_IMAGE084
为空域导向矢量，
Figure DEST_PATH_IMAGE086
为修正的时域导向矢量：
       
Figure DEST_PATH_IMAGE088
     
Figure 528663DEST_PATH_IMAGE022
式中
Figure DEST_PATH_IMAGE090
为初速度对应的时域导向矢量部分，
Figure DEST_PATH_IMAGE092
为加速度对应的时域导向矢量部分：
       
Figure DEST_PATH_IMAGE094
Figure 788260DEST_PATH_IMAGE022
第四步：利用修正的目标匹配导向矢量计算修正最优处理器的权矢量。将第二步骤估计出的杂波协方差矩阵的逆矩阵与第三步骤重构出的目标匹配导向矢量相乘，得到机载雷达空时二维修正最优处理器权矢量为：
            
其中
Figure 572862DEST_PATH_IMAGE080
为归一化常数。
第五步：利用修正的自适应恒虚警检测器检测机动目标。本发明采用自适应匹配滤波器(空时恒虚警检测)实现对目标的后续检测，自适应匹配滤波器似然比检验为：
Figure DEST_PATH_IMAGE098
    
式中为最优处理器输出的剩余杂噪功率。则基于修正最优处理器的自适应匹配滤波器似然比检验为：
  
当
Figure DEST_PATH_IMAGE104
，
Figure DEST_PATH_IMAGE106
时，修正的导向矢量对存在多普勒走动的机动目标完全匹配，实现目标的相参积累，自适应匹配滤波器输出值
Figure DEST_PATH_IMAGE108
达到最大。因此，假设目标方位已知，对于速度和加速度未知的机动目标检测过程为：改变
Figure DEST_PATH_IMAGE110
计算
Figure 803096DEST_PATH_IMAGE108
值，从而得到
Figure 811503DEST_PATH_IMAGE110
二维分布图，当
Figure DEST_PATH_IMAGE112
，
Figure DEST_PATH_IMAGE114
时，
Figure 176494DEST_PATH_IMAGE108
出现峰值，从峰值位置得到目标速度和加速度的估计值，实现机动目标的检测与参数估计。
本发明的效果可以通过以下仿真结果进一步说明。
仿真数据描述：实验中采用
Figure DEST_PATH_IMAGE116
元均匀线阵，阵列沿平台运动方向布置，阵元间隔
Figure 140908DEST_PATH_IMAGE006
。载机速度为
Figure DEST_PATH_IMAGE118
，雷达工作波长为
Figure 559251DEST_PATH_IMAGE120
，平台高度为
Figure 41573DEST_PATH_IMAGE122
，雷达距离分辨率为
Figure 836353DEST_PATH_IMAGE124
，脉冲重复频率为
Figure 717591DEST_PATH_IMAGE126
，CPI内有个脉冲。信噪比
Figure 539102DEST_PATH_IMAGE130
。地杂波呈空时二维耦合分布，杂噪比
Figure 871994DEST_PATH_IMAGE132
。在检测单元里加入一个机动目标，目标处于方位处
Figure 607738DEST_PATH_IMAGE134
，初速度为
Figure 633463DEST_PATH_IMAGE136
，加速度为
Figure 84517DEST_PATH_IMAGE138
。实验中假设目标方位和多普勒模糊数已知，目标速度和加速度为未知参数。
图2和图3是机载雷达阵列接收的机动目标利用修正最优处理器方法处理前后的功率谱图，由图2可以明显看到，由于存在加速度导致目标多普勒走动，能量分散，目标多普勒在频域上扩展，占据了多个多普勒分辨单元。当对存在加速度的动目标应用修正最优处理器进行多普勒走动补偿后，如图3所示，目标多普勒谱频域聚集度有较大提高，即用修正最优处理器方法对目标的加速度作补偿后再作相干积累后SNR显著提高。
图4是理想最优处理器（常规最优处理器检测匀速目标）、常规最优处理器（常规
最优处理器检测机动目标）和修正最优处理器的改善因子比较图，图4表明，常规最优处理器的机动目标检测性能较差，而基于修正最优处理器的检测方法对机动目标的检测性能较常规最优处理器有较大提高几乎快要接近理想情况下最优处理器。
图5是不同方法（即常规最优处理器和修正最优处理器）目标速度估计性能随加速
度变化曲线图，由图5可以看出，常规最优处理器估计结果受目标加速度的影响较大，加速度越大估计结果越差。而修正最优处理器的估计结果几乎不受加速度的影响，在目标存在加速度的情况下，仍能获得较好的速度估计结果。
图6和图7是利用AMF检验统计量对机动目标进行CFAR检测的结果图，图6为机动目标直接进行CFAR检测的结果，由图可见，目标能量在不同多普勒分辨单元内严重扩散，多个多普勒分辨单元内的AMF检验统计量值均可能超过门限（即在多个多普勒分辨单元内检测到目标），检测性能受到严重影响。图7为采用基于修正最优处理器的AMF检测器对机动目标进行CFAR检测的结果，由图可见，由于加速度引起的多普勒走动得到补偿，目标能量重新聚集到一个多普勒分辨单元内，目标信噪比SNR显著提高，检测性能大大提高。
图8和图9是不同方法估计的参数均方根误差随信噪比变化曲线图（200次Monte Carlo实验），图8是目标速度估计的均方根误差与信噪比的关系曲线，由图中可以看出，常规STAP最优处理器方法参数估计精度很差，与CRB相距较远，可见此方法在检测机动目标时性能很差；而修正最优处理器估计的速度均方根误差非常接近CRB，随着信噪比增加，速度估计值的均方根误差减小，证明了修正最优处理器的优良性能。图9是目标加速度估计的均方根误差与信噪比的关系曲线，由图中可以看出，其变化规律和速度类似，比较修正最优处理器方法的加速度估计结果和CRB，可见修正最优处理器估计的加速度均方根误差接近CRB，验证了修正最优处理器方法的有效性。

Claims (6)

1.一种基于最优处理器的机动目标检测方法，其特征是：机动目标检测是基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量进行机载雷达机动目标的检测，包括以下步骤：
(1)基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；
(2)利用与被检测距离单元邻近的                                                个参考单元的数据估计杂波协方差矩阵；
(3)修正STAP最优处理器中的目标匹配导向矢量；
(4)利用修正的目标匹配导向矢量计算修正最优处理器的权矢量；
(5)利用修正的自适应恒虚警检测器检测机动目标。
2.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是：机载相控阵雷达接收的机动目标回波数据，包含多普勒走动。
3.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是：参考单元的数据估计杂波协方差矩阵，是通过选取
Figure 368110DEST_PATH_IMAGE001
个相互独立同分布的参考单元数据，按照统计方法估计得到的。
4.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是：修正STAP最优处理器中的目标匹配导向矢量，是将STAP最优处理器中的目标匹配导向矢量中加入加速度项，对机动目标的初速度和加速度同时匹配实现相干积累。
5.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是：计算修正最优处理器的权矢量，是将估计杂波协方差矩阵的逆矩阵与步骤(3)重构出的目标匹配导向矢量相乘计算得到的。
6.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是：利用修正的自适应恒虚警检测器检测机动目标时，恒虚警检测器检验统计量相当于修正STAP最优处理器输出模的平方对输出剩余杂波和噪声功率归一化。
CN 201110123785 2011-05-13 2011-05-13 基于最优处理器的机动目标检测方法 Expired - Fee Related CN102288949B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201110123785 CN102288949B (zh) 2011-05-13 2011-05-13 基于最优处理器的机动目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201110123785 CN102288949B (zh) 2011-05-13 2011-05-13 基于最优处理器的机动目标检测方法

Publications (2)

Publication Number Publication Date
CN102288949A true CN102288949A (zh) 2011-12-21
CN102288949B CN102288949B (zh) 2013-04-17

Family

ID=45335518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201110123785 Expired - Fee Related CN102288949B (zh) 2011-05-13 2011-05-13 基于最优处理器的机动目标检测方法

Country Status (1)

Country Link
CN (1) CN102288949B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608587A (zh) * 2012-03-07 2012-07-25 中国民航大学 基于非线性最小二乘的空中机动目标检测方法
CN103197297A (zh) * 2013-03-21 2013-07-10 西安电子科技大学 基于认知框架的雷达动目标检测方法
CN103399308A (zh) * 2013-07-22 2013-11-20 西安电子科技大学 主瓣和旁瓣干扰背景下雷达目标角度快速估计方法
CN104459659A (zh) * 2014-06-19 2015-03-25 西安电子科技大学 基于数据拟合的波束多普勒域空时二维自适应处理方法
CN107664759A (zh) * 2017-06-12 2018-02-06 南京邮电大学 一种基于稀疏非均匀样本选优的机载雷达动目标检测方法
CN110412378A (zh) * 2019-07-30 2019-11-05 北京经纬恒润科技有限公司 目标物体检测方法及装置
RU2735216C2 (ru) * 2018-12-14 2020-10-28 Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг России) Способ пространственно-временной адаптивной обработки сигналов в моноимпульсной корабельной радиолокационной станции с активной фазированной антенной решеткой
CN112946621A (zh) * 2021-02-02 2021-06-11 四川九洲防控科技有限责任公司 一种目标检测方法、装置、电子设备及存储介质
CN116047462A (zh) * 2023-03-31 2023-05-02 中国人民解放军空军预警学院 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

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1752771A (zh) * 2005-10-20 2006-03-29 武汉大学 单通道相控阵接收信号重构及空间信号处理方法
CN101482610A (zh) * 2008-12-30 2009-07-15 中国人民解放军空军雷达学院 相控阵雷达自适应抑制特殊干扰技术

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1752771A (zh) * 2005-10-20 2006-03-29 武汉大学 单通道相控阵接收信号重构及空间信号处理方法
CN101482610A (zh) * 2008-12-30 2009-07-15 中国人民解放军空军雷达学院 相控阵雷达自适应抑制特殊干扰技术

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
范西昆等: "机载雷达空时自适应处理的实时实现", 《电子与信息学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102608587A (zh) * 2012-03-07 2012-07-25 中国民航大学 基于非线性最小二乘的空中机动目标检测方法
CN102608587B (zh) * 2012-03-07 2013-11-27 中国民航大学 基于非线性最小二乘的空中机动目标检测方法
CN103197297A (zh) * 2013-03-21 2013-07-10 西安电子科技大学 基于认知框架的雷达动目标检测方法
CN103197297B (zh) * 2013-03-21 2014-08-06 西安电子科技大学 基于认知框架的雷达动目标检测方法
CN103399308A (zh) * 2013-07-22 2013-11-20 西安电子科技大学 主瓣和旁瓣干扰背景下雷达目标角度快速估计方法
CN104459659B (zh) * 2014-06-19 2017-01-25 西安电子科技大学 基于数据拟合的波束多普勒域空时二维自适应处理方法
CN104459659A (zh) * 2014-06-19 2015-03-25 西安电子科技大学 基于数据拟合的波束多普勒域空时二维自适应处理方法
CN107664759A (zh) * 2017-06-12 2018-02-06 南京邮电大学 一种基于稀疏非均匀样本选优的机载雷达动目标检测方法
RU2735216C2 (ru) * 2018-12-14 2020-10-28 Российская Федерация, от имени которой выступает Министерство промышленности и торговли Российской Федерации (Минпромторг России) Способ пространственно-временной адаптивной обработки сигналов в моноимпульсной корабельной радиолокационной станции с активной фазированной антенной решеткой
CN110412378A (zh) * 2019-07-30 2019-11-05 北京经纬恒润科技有限公司 目标物体检测方法及装置
CN110412378B (zh) * 2019-07-30 2021-08-24 北京经纬恒润科技股份有限公司 目标物体检测方法及装置
CN112946621A (zh) * 2021-02-02 2021-06-11 四川九洲防控科技有限责任公司 一种目标检测方法、装置、电子设备及存储介质
CN116047462A (zh) * 2023-03-31 2023-05-02 中国人民解放军空军预警学院 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

Also Published As

Publication number Publication date
CN102288949B (zh) 2013-04-17

Similar Documents

Publication Publication Date Title
CN102288949B (zh) 基于最优处理器的机动目标检测方法
CN104035095B (zh) 基于空时最优处理器的低空风切变风速估计方法
CN103926572B (zh) 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法
CN103383448B (zh) 适用于hprf波形机载雷达的杂波抑制方法
CN102288948B (zh) 基于stap的高速平台高速空中动目标检测方法
CN103969629A (zh) 一种基于主瓣杂波配准的机载雷达杂波自适应抑制方法
CN102608587B (zh) 基于非线性最小二乘的空中机动目标检测方法
CN104360325A (zh) 机载前视阵雷达的空时自适应处理方法
CN103412290B (zh) 知识辅助的apr非均匀样本检测方法
CN105785339A (zh) 非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法
CN109471083A (zh) 基于空时级联的机载外辐射源雷达杂波抑制方法
Meng et al. Short-range clutter suppression for airborne radar by utilizing prefiltering in elevation
CN108776342A (zh) 一种高速平台sar慢速动目标检测与速度估计方法
CN109765529B (zh) 一种基于数字波束形成的毫米波雷达抗干扰方法及***
CN108387884A (zh) 基于知识辅助稀疏渐进最小方差的机载雷达杂波抑制方法
CN108957419A (zh) 基于陷波滤波处理的异步干扰抑制方法
CN102621536B (zh) 基于relax的空中多机动目标检测与参数估计方法
CN112098999A (zh) 一种高动态雷达导引头掠海目标电磁信号建模方法
CN109946668A (zh) 基于多波束形成的目标二次甄别方法
CN106054195B (zh) 基于空时最优处理器的湍流谱宽估计方法
CN103760540A (zh) 基于重构信号和1-范数的动目标检测与参数估计方法
CN104914420B (zh) 基于多通道联合自适应处理的低空风切变风速估计方法
Adve et al. Ground moving target indication using knowledge based space time adaptive processing
CN114428228B (zh) 高重频和差天线雷达导引头的杂波抑制方法
Sun et al. Ground-based radar interferometer for tracking fast approaching targets

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130417

Termination date: 20160513

CF01 Termination of patent right due to non-payment of annual fee