CN104914420A - 基于多通道联合自适应处理的低空风切变风速估计方法 - Google Patents
基于多通道联合自适应处理的低空风切变风速估计方法 Download PDFInfo
- Publication number
- CN104914420A CN104914420A CN201510309000.4A CN201510309000A CN104914420A CN 104914420 A CN104914420 A CN 104914420A CN 201510309000 A CN201510309000 A CN 201510309000A CN 104914420 A CN104914420 A CN 104914420A
- Authority
- CN
- China
- Prior art keywords
- wind
- data
- wind shear
- doppler
- generalized
- 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
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于多通道联合自适应处理的低空风切变风速估计方法。其包括利用空时插值法构造参考距离单元与待检测距离单元的变换矩阵,从而获得补偿距离依赖性后的雷达回波数据;利用雷达主瓣宽度作为先验信息,构造风切变场的广义空间导向矢量;3)利用信号谱宽作为先验信息,构造风切变场的广义时间导向矢量;4)利用多通道联合自适应处理方法,结合广义空间导向矢量和广义时间导向矢量,构造多普勒滤波器和空域滤波器,处理雷达回波数据,抑制地杂波并估计出风场速度;5)重复步骤2)到步骤4),估计得到风速随距离的变化曲线。本发明方法可以在低信噪比、强杂噪比条件下有效地估计出风场速度,仿真实验验证了本方法的有效性。
Description
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多通道联合自适应处理的低空风切变风速估计方法。
技术背景
风切变通常是指高度在600m以下风向、风速突然变化的气象现象,是对航空运输安全威胁最大的天气现象之一。由于风切变现象具有时间短、尺度小、强度大的特点,从而带来了探测难、预报难等一系列问题。当飞机在起降阶段进入强风切变区域时,由于缺乏足够的调节空间,若操作不当,极易造成飞行事故,因此自发现其危害以来便受到了国际民航组织和世界各国研究机构的高度重视。
机载气象雷达可以对雷雨、风切变、湍流等气象进行探测与预警,是飞机实时检测航路气象信息的重要设备,但机载气象雷达在前下视检测低空风切变时,有用信号会淹没在强杂波背景中。抑制地杂波的基本思想是选用合适的滤波器在抑制地杂波的同时保留风切变信号。传统方法包括杂波图法、基于参数化模型的谱估计方法、利用模式分析的扩展Prony方法、零陷滤波器法等,但在强杂波条件下,这些方法难以完全消除地杂波,因此残余杂波仍会影响风速估计结果的准确性。
相较于传统单天线雷达,相控阵雷达由于在接收回波中增加了目标信号的空域信息,使其在强杂波背景下的杂波抑制和信号检测更具优势,能够更好地实现对目标的精确检测,目前已有机构开始展开对新一代机载相控阵气象雷达的研究。在相控阵雷达中应用的空时自适应处理技术(Space-Time Adaptive Processing,STAP)可利用空时二维信息抑制地杂波,有效提高了相控阵雷达的目标检测能力。但是,传统STAP技术主要针对点目标的检测与估计,无法直接运用在风切变这样的分布式目标检测上。并且机载气象雷达工作在前视状态,前视阵的杂波谱在距离上不平稳,从而导致了传统的空时最优处理器不能直接应用于机载气象雷达中。同时由于构造空时最优处理器所需的协方差矩阵维数很高,对其进行估计和求逆运算量巨大,因此实现实时处理较为困难。综上,上述原因制约了STAP技术向机载气象雷达中的应用与推广。
发明内容
为了解决上述问题,本发明的目的在于提供一种能够保证参数估计精度,同时降低运算复杂度的基于多通道联合自适应处理的低空风切变风速估计方法。
为了达到上述目的,本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法包括按顺序进行的下列步骤:
1)利用空时插值法构造参考距离单元与待检测距离单元的变换矩阵,从而获得补偿距离依赖性后的参考距离单元雷达回波数据;
2)利用雷达主瓣宽度作为先验信息,构造风切变场的广义空间导向矢量;
3)利用信号谱宽作为先验信息,构造风切变场的广义时间导向矢量;
4)利用多通道联合自适应处理方法,结合步骤2)中构造的广义空间导向矢量和步骤3)中构造的广义时间导向矢量,构造多普勒滤波器和空域滤波器,以处理步骤1)中的参考距离单元雷达回波数据,抑制地杂波并估计出风场速度;
5)重复步骤2)到步骤4),更新待检测距离单元,依次处理雷达工作范围内所有距离单元的回波数据,估计得到风速随距离的变化曲线。
在步骤4)中,所述的利用多通道联合自适应处理方法,结合步骤3)中构造的广义空间导向矢量和步骤2)中构造的广义时间导向矢量,构造多普勒滤波器和空域滤波器,以处理步骤1)中的雷达回波数据,抑制地杂波并估计出风场速度的方法是:利用步骤2)中构造的广义时间导向矢量,构造多普勒滤波器,使用该滤波器处理步骤1)中补偿距离依赖性后的雷达回波数据,获得多普勒域的数据;然后固定多普勒频点的数据作为主多普勒通道数据,将临近的两个多普勒频点数据作为辅助通道数据,构造空域数据矢量,使用多个距离单元的空域数据矢量估计空域协方差矩阵,然后根据估计所得的空域协方差矩阵以及步骤2)中构造的广义时间导向矢量,构造空域滤波器,处理空域数据,抑制地杂波并估计出风场速度。
本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法是针对相控阵体制的机载气象雷达,利用风切变场分布式气象目标大殿,利用多通道联合自适应处理方法构造自适应处理器,估计风场速度。本发明方法可以在低信噪比、强杂噪比条件下有效地估计出风场速度,仿真实验验证了本方法的有效性。
附图说明
图1为本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法流程图。
图2为机载前视阵雷达阵模型图。
图3为在杂噪比40dB、信噪比5dB条件下雷达接收信号的空时二维谱。
图4为第80号距离单元多通道联合自适应处理器与最优处理器的频谱图。
图5(a)和(b)分别为第80号距离单元多通道联合自适应处理器的滤波器频率响应俯视及三维视图。
图6为采样脉冲64,信噪比5dB,杂噪比40dB时本发明方法与传统方法的风速估计结果对比曲线图。
具体实施方法
下面结合附图和具体实例对本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法进行详细说明。
如图1所示,本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法包括按顺序进行的下列步骤:
1)利用空时插值法构造参考距离单元与待检测距离单元的变换矩阵,从而获得补偿距离依赖性后的参考距离单元雷达回波数据;
机载前视阵雷达阵模型如图2所示,设载机速度为VR,载机速度方向与天线的阵面轴夹角为90°,天线阵元数为N,脉冲重复频率为fr,相干处理脉冲数为K,阵元间距d=0.5λ,其中λ为雷达发射脉冲的波长。
在本发明中,xl表示第l(l=1,2,...,L)个待检测距离单元的NK×1维空时快拍数据,其表达式如下:
xl=sl+cl+nl (1)
其中,sl、cl、nl分别表示第l个待检测距离单元的风切变场回波、杂波及噪声,并且假设杂波无起伏无模糊,噪声为加性高斯白噪声。
对于第l个待检测距离单元内的风切变场,雷达对其的采样数据可以写成一个N×K的矩阵Sl。其中,Sl的第n行、第k列元素表示雷达第n(n=1,2,...N)个阵元、第k(k=1,2,...K)个脉冲对风场回波的采样,当该待检测距离单元内雷达波束照射范围内共有Q个气象散射点时,其具体表达式如下:
其中和分别表示第q(q=1,2,...,Q)个气象散射点的空间角频率和时间角频率,θq、分别表示该气象散射点相对于雷达的方位角和俯仰角,Rq为第q个散射点与载机的斜距,为天线接收方向图。将上面的Sl展开成为NK×1维列向量,即为风切变场回波sl。则雷达全距离单元内的回波信号可以表示为:
X=[x1 x2 ... xL]T (3)
图3表示在杂噪比40dB、信噪比5dB条件下接收信号的空时二维谱。可以看出,前视阵地杂波呈非均匀的椭圆分布,并且地杂波的强度要远大于风切变信号的强度,风切变信号几乎全部被杂波淹没。
对于第l号待检测距离单元,将其水平方位角离散化,得到{θm}|m=1,2,...M,其中M表示离散化的方位角个数。设该待检测检测单元对应的杂波空时导向矢量矩阵为Vl,其表达式如下:
Vl=[v(θ1) v(θ2) ... v(θM)] (4)
其中,表示当水平方位角为θm时,待检测距离单元的空时导向矢量,vt(θm)和vs(θm)分别表示时间和空间导向矢量,其中:
对于临近待检测距离单元的第j号参考距离单元,构造该参考距离单元杂波的空时导向矢量矩阵Vj,则可以得到第l号待检测距离单元与第j号参考距离单元杂波的插值变换矩阵为:
Tj,l=Vl(Vj)+ (6)
其中(·)+表示求伪逆运算。利用插值变换矩阵Tj,l处理参考距离单元的接收数据,即可实现对第j号参考距离单元的接收数据距离依赖性补偿,使其与待检测距离单元内杂波的空时分布一致:
yj=Tj,lxj (7)
其中,xj表示第j号参考距离单元补偿前的接收数据,yj表示补偿距离依赖性后的接收数据。
2)利用雷达主瓣宽度作为先验信息,构造风切变场的广义空间导向矢量;
在本发明中,将雷达主瓣的宽度作为雷达照射范围内风切变场的先验信息,建立风切变场的广义空间导向矢量。
当雷达主瓣方向俯仰角为中心方位角为θi时,设其照射范围内风切变场的广义空间导向矢量为其表达式如下:
其中表示中心方位角为θi,中心俯仰角为方位上点目标的空间导向矢量;为确定性角信号密度函数,本发明中表示风切变场在中心方位角θi和中心俯仰角上的扩展。通常是以分布源中心DOA为对称中心的单峰对称函数。由于雷达主瓣范围照射内气象粒子数量很大,并且没有一个处于主导地位,则根据中心极限定理,可以表示为:
其中,σθ表示θi方向上的角度扩展,表示方向上的角度扩展。
3)利用信号谱宽作为先验信息,构造风切变场的广义时间导向矢量;
风切变场回波在时间上具有随机性并且带有频谱展宽,则对于第l待检测距离单元内的风切变场,其接收信号可以写为如下统一形式:
其中,zl,n,k表示接收信号的复幅度,fd表示风切变回波信号的多普勒频率,fs表示空间角频率。对于单一距离单元的风切变场,通常认为其中,f0表示回波的中心多普勒频率,σf表示该待检测距离单元内风切变信号回波的谱宽。亦即,每个阵元接收的单一距离单元的回波信号都可视为一个具有恒定中心多普勒频率(对应该距离单元内的中心风速)和连续多普勒展宽(对应风速梯度量)的信号。由此可得风切变场的广义时间导向矢量为:
其中,g(σf)表示频率扩展函数,其表达式如下:
表示方位角为θi和俯仰角为时,速度为v的点目标的时间导向矢量。
4)利用多通道联合自适应处理方法,结合步骤2)中构造的广义空间导向矢量和步骤3)中构造的广义时间导向矢量,构造多普勒滤波器和空域滤波器,处理步骤1)中的参考距离单元雷达回波数据,抑制地杂波并估计出风场速度:
设第m个多普勒通道的多普勒频率值为fdm,则第m个多普勒滤波器输出的阵列数据矢量为Ym,其表达式如下:
其中,IN表示空域单位矩阵,xl表示接收的第l个待检测距离单元的信号,Wtm表示第m个多普勒单元的权。由步骤3)对风切变时间导向矢量的推导可知,在设计第m个多普勒权时,需要考虑接收信号的多普勒扩展,本发明中:
同时取第(m-1)和第(m+1)个多普勒通道作为辅助通道,其阵列数据矢量分别用Ym-1和Ym+1表示。定义一新的矢量:
Zm=[Ym Ym-1 Ym+1] (17)
利用Zm构造第m个多普勒通道的空域二次协方差矩阵RZm:
则根据线性约束最小功率输出准则(LCMV),可以将降维后的信号处理问题描述为如下数学优化问题:
其中,SZm为分布式目标的二维空时导向矢量,可得:
gm+i(i=±1)为常数,表示选定的辅助通道与主通道的归一化增益:
则可解得降维的最优权矢量ωZm为:
此权矢量可以自适应抑制第m个多普勒通道空域上的定向窄带干扰,并积累主瓣方向上的目标信号。干扰抑制和信号匹配的结果为:
更新多普勒主通道,求得不同中心多普勒频率下的最优权值,并分别求取此时的滤波器输出功率。当输出功率最大时,表示本空时处理器对杂波的抑制和低空风切变信号的能量积累效果最好,此时多普勒主通道的普勒频率即为待检测距离单元内风切变场的中心多普勒频率估值进而求得该距离单元风场风速的估计值
5)重复步骤2)到步骤4),更新待检测距离单元,依次处理雷达工作范围内所有距离单元的回波数据,估计得到风速随距离的变化曲线。
本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法的效果可以通过以下仿真结果进一步说明。
仿真参数设置:低空风切变场分布于飞机前方8.5-16.5km处。天线阵为阵元数N=8的前视理想均匀线阵,阵元间距为d=λ/2,主瓣波束水平方位角为60°,俯仰角为0°,波束宽度为3.5°,机载气象雷达波长为0.05m,脉冲重复频率为7000Hz,雷达最小分辨距离为150m,相干处理脉冲数K=64,杂噪比为40dB,信噪比为5dB;载机速度为75m/s,飞行高度为600m,归一化多普勒谱宽σf=0.05。
图3为在杂噪比40dB、信噪比5dB条件下雷达接收信号的空时二维谱。可以看出,前视阵地杂波呈非均匀的椭圆分布,并且地杂波的强度要远大于风切变信号的强度,风切变信号几乎全部被杂波淹没。
图4为第80号距离单元多通道联合自适应处理器与最优处理器的频谱图。从图可以看出,多通道联合自适应处理器与最优处理器均能在杂波区域形成凹口,且凹口深度相当。
图5(a)和(b)分别为第80号距离单元多通道联合自适应处理器的滤波器频率响应俯视及三维视图。由图可以看出,滤波器主要在零频处形成了零限及增益。
图6为采样脉冲64,信噪比5dB,杂噪比40dB时本发明方法与传统方法的风速估计结果对比曲线图。由图可以看出,在同等杂噪比与信噪比条件下,本发明方法处理效果明显优于自适应频域置零法与固定凹口法等传统方法。结果证明,本发明提供的基于多通道联合自适应处理的低空风切变风速估计方法可以在强杂波条件下有效地抑制地杂波,并精确估计出风场速度。
Claims (2)
1.一种基于多通道联合自适应处理的低空风切变风速估计方法,其特征在于,其包括按顺序进行的下列步骤:
1)利用空时插值法构造参考距离单元与待检测距离单元的变换矩阵,从而获得补偿距离依赖性后的参考距离单元雷达回波数据;
2)利用雷达主瓣宽度作为先验信息,构造风切变场的广义空间导向矢量;
3)利用信号谱宽作为先验信息,构造风切变场的广义时间导向矢量;
4)利用多通道联合自适应处理方法,结合步骤2)中构造的广义空间导向矢量和步骤3)中构造的广义时间导向矢量,构造多普勒滤波器和空域滤波器,以处理步骤1)中的参考距离单元雷达回波数据,抑制地杂波并估计出风场速度;
5)重复步骤2)到步骤4),更新待检测距离单元,依次处理雷达工作范围内所有距离单元的回波数据,估计得到风速随距离的变化曲线。
2.根据权利要求1所述的基于多通道联合自适应处理的低空风切变风速估计方法其特征在于:在步骤4)中,所述的利用多通道联合自适应处理方法,结合步骤3)中构造的广义空间导向矢量和步骤2)中构造的广义时间导向矢量,构造多普勒滤波器和空域滤波器,以处理步骤1)中的雷达回波数据,抑制地杂波并估计出风场速度的方法是:利用步骤2)中构造的广义时间导向矢量,构造多普勒滤波器,使用该滤波器处理步骤1)中补偿距离依赖性后的雷达回波数据,获得多普勒域的数据;然后固定多普勒频点的数据作为主多普勒通道数据,将临近的两个多普勒频点数据作为辅助通道数据,构造空域数据矢量,使用多个距离单元的空域数据矢量估计空域协方差矩阵,然后根据估计所得的空域协方差矩阵以及步骤2)中构造的广义时间导向矢量,构造空域滤波器,处理空域数据,抑制地杂波并估计出风场速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309000.4A CN104914420B (zh) | 2015-06-08 | 2015-06-08 | 基于多通道联合自适应处理的低空风切变风速估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510309000.4A CN104914420B (zh) | 2015-06-08 | 2015-06-08 | 基于多通道联合自适应处理的低空风切变风速估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104914420A true CN104914420A (zh) | 2015-09-16 |
CN104914420B CN104914420B (zh) | 2017-06-16 |
Family
ID=54083652
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510309000.4A Expired - Fee Related CN104914420B (zh) | 2015-06-08 | 2015-06-08 | 基于多通道联合自适应处理的低空风切变风速估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104914420B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761419A (zh) * | 2018-06-15 | 2018-11-06 | 中国民航大学 | 基于组合空时主通道自适应处理的低空风切变风速估计方法 |
CN109597079A (zh) * | 2018-12-11 | 2019-04-09 | 北京无线电测量研究所 | 基于风廓线雷达的低空急流识别方法及装置 |
CN110554391A (zh) * | 2019-09-11 | 2019-12-10 | 中国民航大学 | 基于ddd-gmb的低空风切变风速估计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103163523A (zh) * | 2013-02-25 | 2013-06-19 | 中国民航大学 | 基于压缩感知的低空风切变风速估计方法 |
CN104035095A (zh) * | 2014-05-30 | 2014-09-10 | 中国民航大学 | 基于空时最优处理器的低空风切变风速估计方法 |
US20150138010A1 (en) * | 2012-04-24 | 2015-05-21 | Nicolas Bikhazi | Remote Sensing Using MIMO Systems |
-
2015
- 2015-06-08 CN CN201510309000.4A patent/CN104914420B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150138010A1 (en) * | 2012-04-24 | 2015-05-21 | Nicolas Bikhazi | Remote Sensing Using MIMO Systems |
CN103163523A (zh) * | 2013-02-25 | 2013-06-19 | 中国民航大学 | 基于压缩感知的低空风切变风速估计方法 |
CN104035095A (zh) * | 2014-05-30 | 2014-09-10 | 中国民航大学 | 基于空时最优处理器的低空风切变风速估计方法 |
Non-Patent Citations (2)
Title |
---|
PEYMAN OREIZY ET.AL: "An Architecture-Based Approach to Self-Adaptive Software》", 《IEEE INTELLIGENT SYSTEMS ARCHIVE》 * |
吴仁彪 等: "《基于空时自适应处理的低空风切变风速估计方法》", 《电子与信息学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108761419A (zh) * | 2018-06-15 | 2018-11-06 | 中国民航大学 | 基于组合空时主通道自适应处理的低空风切变风速估计方法 |
CN108761419B (zh) * | 2018-06-15 | 2021-11-16 | 中国民航大学 | 基于组合空时主通道自适应处理的低空风切变风速估计方法 |
CN109597079A (zh) * | 2018-12-11 | 2019-04-09 | 北京无线电测量研究所 | 基于风廓线雷达的低空急流识别方法及装置 |
CN109597079B (zh) * | 2018-12-11 | 2023-03-21 | 北京无线电测量研究所 | 基于风廓线雷达的低空急流识别方法及装置 |
CN110554391A (zh) * | 2019-09-11 | 2019-12-10 | 中国民航大学 | 基于ddd-gmb的低空风切变风速估计方法 |
CN110554391B (zh) * | 2019-09-11 | 2024-01-02 | 中国民航大学 | 基于ddd-gmb的低空风切变风速估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104914420B (zh) | 2017-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104035095B (zh) | 基于空时最优处理器的低空风切变风速估计方法 | |
CN108761419B (zh) | 基于组合空时主通道自适应处理的低空风切变风速估计方法 | |
CN103207387B (zh) | 一种机载相控阵pd雷达杂波的快速模拟方法 | |
CN109116311A (zh) | 基于知识辅助稀疏迭代协方差估计的杂波抑制方法 | |
CN103176168B (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN103529437B (zh) | 系留气球载相控阵雷达在多目标下分辨空地目标的方法 | |
CN103954941B (zh) | 一种机载相控阵雷达二维多脉冲的认知杂波抑制方法 | |
CN103091669B (zh) | 基于压缩感知的机动目标参数估计方法 | |
CN102866388B (zh) | 一种空时自适应处理中的自适应权值迭代计算方法 | |
CN106872982A (zh) | 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法 | |
CN102967858A (zh) | 雷达前视超分辨成像方法 | |
CN103869311A (zh) | 实波束扫描雷达超分辨成像方法 | |
CN110554391B (zh) | 基于ddd-gmb的低空风切变风速估计方法 | |
CN104280566A (zh) | 基于空时幅相估计的低空风切变风速估计方法 | |
CN111220955B (zh) | 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法 | |
CN105137430A (zh) | 一种前视阵列sar的回波稀疏获取及其三维成像方法 | |
CN104793210A (zh) | 基于压缩感知的机载相控阵雷达低空风切变风速估计方法 | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 | |
CN104898107A (zh) | 一种多发多收合成孔径激光雷达信号处理方法 | |
CN103487798A (zh) | 一种相控阵雷达测高方法 | |
CN104166134A (zh) | 一种实波束前视扫描雷达目标二维定位方法 | |
CN105116408A (zh) | 一种舰船isar图像结构特征提取方法 | |
CN104914420A (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 | |
CN107748364A (zh) | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 | |
CN112835034B (zh) | 一种双通道雷达对地测高***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170616 |