CN105629254A - 一种目标微动特征相干激光探测效果量化评价方法 - Google Patents
一种目标微动特征相干激光探测效果量化评价方法 Download PDFInfo
- Publication number
- CN105629254A CN105629254A CN201510997458.3A CN201510997458A CN105629254A CN 105629254 A CN105629254 A CN 105629254A CN 201510997458 A CN201510997458 A CN 201510997458A CN 105629254 A CN105629254 A CN 105629254A
- Authority
- CN
- China
- Prior art keywords
- frequency
- time
- signal
- matrix
- component
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供一种目标微动特征相干激光探测效果量化评价方法,包括:采用平滑伪Winger-Ville分布算法对采集的目标微动特征相干激光探测回波信号进行时频分析处理,得到所述回波信号的时频分布矩阵;计算所述回波信号的频域聚集度;计算所述回波信号的分量分辨力;计算所述回波信号的信噪比;计算总指标。本发明给出了定量评价目标微多普勒效应探测及特征提取效果的方法,得到对目标微动特征探测效果规范、客观、量化的评价,解决了现行定性判断方法局限性大、规范性差的不足,为后续微多普勒效应探测影响因素、影响规律的研究及最优***参数的选择奠定了基础。
Description
技术领域
本发明涉及目标微多普勒特征探测技术领域,具体是一种目标微动特征相干激光探测效果量化评价方法。
背景技术
目标的精确探测和识别向来是各国国防研究的重点方向,然而,随着近年来隐身技术、诱饵技术等的发展和应用,传统的探测识别手段受到严重干扰,工作效能大打折扣,难以提供有效判断目标种类和真假的信息。21世纪初,美国海军研究实验室的V.C.Chen教授率先提出了微多普勒效应的概念,开辟了目标探测识别的新途径。
目标与雷达存在相对径向运动会产生多普勒频移,而微多普勒效应就是指在此同时,由于目标自身或某些组成部分存在的微动,而对回波信号产生的附加频率调制,最终导致的以多普勒频移为中心的频率展宽效应。微多普勒效应被认为是反映目标微动的唯一特征,包含了目标的特有信息。使用激光雷达进行探测,其波长短的特点能够测得更为显著的微多普勒效应,从而获得更高的探测分辨率和灵敏度。
实现目标微多普勒效应的探测,首先需要研究探测***参数、结构、传输介质等因素对目标回波影响的规律,找到最佳的***参数和结构的设计方案以及对外界干扰的补偿措施,这就要求在不同实验条件下对回波中目标微多普勒特征的探测效果进行对比分析。目前,在微多普勒特征提取中最常用的方法就是对信号进行时频分析,然后从时频分布中提取目标信息。***探测效果的好坏会直观地反映到时频分布结果上,因此时频分布的可读性直接决定了微多普勒特征提取的准确性,这对于目标的探测和识别至关重要。
目标微多普勒效应的回波相干探测信号为非平稳信号,所以在对其处理中,研究者们普遍采用了时频分析方法来提取目标微动特征(微多普勒特征),然而目前开展的对回波特征影响因素的研究中(比如频率源相位噪声、激光谱线宽度、探测距离、探测***结构和参数等因素),在分析不同因素导致的不同目标微动特征探测效果时,研究人员主要还是通过定性的观测并根据经验来对比评价不同条件下得到的目标微动特征时频分布结果。
这种定性的对比方法个体差异大,规范性差,有较大的局限性,比如:对于目标微动特征探测效果差异明显的两个时频分布结果,通过观察能够判断出哪种情况下得到的时频分布在提取目标微动特征时效果更好,但是难以具体给出效果好的比差的强多少,无法与之前定量变化的探测条件相对应;而对于探测效果差异不明显的两个时频分布结果,只通过观测则很难准确判断出哪种情况下的探测效果更好,甚至出现误判。为解决这一问题,我们需要科学、定量的评价方法来判断目标微多普勒特征的探测及提取效果。
发明内容
本发明的目的在于提供一种目标微动特征相干激光探测效果量化评价方法,基于平滑伪Winger-Ville分布(SPWVD)这种已被证明具有较好性能的时频分析方法,提出一种测量标准及其计算方法来定量评价目标微动特征的探测及提取效果,以解决定性分析的不足。
本发明的技术方案为:
一种目标微动特征相干激光探测效果量化评价方法,包括以下步骤:
(1)采用平滑伪Winger-Ville分布算法对采集的目标微动特征相干激光探测回波信号进行时频分析处理,得到所述回波信号的时频分布矩阵P(t,f);
(2)将所述回波信号的频域聚集度作为目标微动特征相干激光探测效果量化评价的第一个指标,并根据所述时频分布矩阵P(t,f)对所述频域聚集度进行计算;
(3)将所述回波信号的分量分辨力作为目标微动特征相干激光探测效果量化评价的第二个指标,并根据所述时频分布矩阵P(t,f)对所述分量分辨力进行计算;
(4)将所述回波信号的信噪比作为目标微动特征相干激光探测效果量化评价的第三个指标,并根据所述时频分布矩阵P(t,f)对所述信噪比进行计算;
(5)根据所述频域聚集度、分量分辨力和信噪比,采用以下公式对目标微动特征相干激光探测效果量化评价的总指标进行计算:
若所述回波信号为单分量信号,则所述总指标的计算公式为:
若所述回波信号为多分量信号,则所述总指标的计算公式为:
其中,Q表示目标微动特征相干激光探测效果量化评价的总指标,a表示频域聚集度,r表示分量分辨力,SNR表示信噪比。
所述的目标微动特征相干激光探测效果量化评价方法,步骤(2)中,根据所述时频分布矩阵P(t,f)对所述频域聚集度进行计算,包括以下步骤:
(21)计算瞬时频域聚集度:
对于单分量信号,包括:
a1、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b1、找到P(tn,f)中的能量峰值ASmax及其对应的频率fm;
c1、找到能量峰值ASmax两侧与fm距离最近的对应能量为的两频率fp和fq;
d1、求出tn时刻信号的3dB带宽BW(tn),即为tn时刻信号的瞬时频域聚集度a(tn):
a(tn)=BW(tn)=fp-fq,fp>fq
对于多分量信号,包括:
a2、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b2、找到P(tn,f)中最大的m个能量峰值及其对应的频率,m为分量数目,m≥2;
c2、依次求出m个能量峰值对应的m个3dB带宽BW1(tn)、BW2(tn)、…、BWm(tn),再求出m个3dB带宽的平均值,即为tn时刻信号的瞬时频域聚集度a(tn):
(22)计算整体频域聚集度:
求出整个时间轴上所有时刻信号的瞬时频域聚集度a(tn),再对其求平均值,即得到信号的整体频域聚集度a:
其中,N表示整个时频分布中的离散时间点总数。
所述的目标微动特征相干激光探测效果量化评价方法,步骤(3)中,根据所述时频分布矩阵P(t,f)对所述分量分辨力进行计算,包括以下步骤:
(31)计算瞬时分量分辨力:
对于含有m个分量的多分量信号,m≥2,包括:
a、针对其中两个分量,在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b、在P(tn,f)中找到最大的两个能量峰值ASmax1和ASmax2及其对应的频率f1、f2;
c、求出能量峰值ASmax2对应的3dB带宽BW2(tn);
d、根据以下公式求出两个分量在tn时刻的分辨力:
e、按照步骤a~d,求出所有分量两两之间的瞬时分辨力rd(tn),再对所有rd(tn)求平均值,即得到信号的瞬时分量分辨力r(tn):
其中,表示从m个分量中选2个得到的组合数;
(32)计算整体分量分辨力:
求出整个时间轴上所有时刻信号的瞬时分量分辨力r(tn),再对其求平均值,即得到信号的整体分量分辨力r:
其中,N表示整个时频分布中的离散时间点总数。
所述的目标微动特征相干激光探测效果量化评价方法,步骤(4)中,根据所述时频分布矩阵P(t,f)对所述信噪比进行计算,包括以下步骤:
(41)计算瞬时信噪比:
对于单分量信号,包括:
a1、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b1、找到P(tn,f)中的能量峰值ASmax及其对应的频率;
c1、求出tn时刻信号的3dB带宽BW(tn),找到3dB带宽内信号对应的频率坐标;
d1、再求出P(tn,f)中3dB带宽以外所有频率坐标对应的能量平均值E(Anoise),作为噪声能量;
e1、采用以下公式计算tn时刻信号的瞬时信噪比SNR(tn):
对于多分量信号,包括:
a2、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b2、找到P(tn,f)中最大的m个能量峰值ASmax1、ASmax2、…、ASmaxm及其对应的频率,m为分量数目,m≥2;
c2、依次求出m个能量峰值对应的m个3dB带宽BW1(tn)、BW2(tn)、…、BWm(tn),找到m个3dB带宽内信号对应的频率坐标;
d2、再求出P(tn,f)中m个3dB带宽以外所有频率坐标对应的能量平均值E(Anoise),作为噪声能量;
e2、采用以下公式计算tn时刻信号的瞬时信噪比SNR(tn):
(42)计算整体信噪比:
求出整个时间轴上所有时刻信号的瞬时信噪比SNR(tn),再对其求平均值,即得到信号的整体信噪比SNR:
其中,N表示整个时频分布中的离散时间点总数。
本发明的有益效果为:
由上述技术方案可知,本发明给出了定量评价目标微多普勒效应探测及特征提取效果的方法,得到对目标微动特征探测效果规范、客观、量化的评价,解决了现行定性判断方法局限性大、规范性差的不足,为后续微多普勒效应探测影响因素、影响规律的研究及最优***参数的选择奠定了基础。
附图说明
图1是本发明的评价标准定量计算流程图;
图2是本发明定义对单分量信号评价指标的求解方法,其中,图2(a)为时频分布,图2(b)为各指标计算参数说明;
图3是本发明定义对多分量信号评价指标的求解方法,其中,图3(a)为时频分布,图3(b)为各指标计算参数说明。
具体实施方式
下面结合附图和具体实施例进一步说明本发明。
如图1所示,一种目标微动特征相干激光探测效果量化评价方法,包括以下步骤:
S1、利用平滑伪Winger-Ville分布算法对采集的包含目标微多普勒效应的回波信号进行时频分析处理,得到含有目标微动特征信息的信号时频分布图和时频分布矩阵P(t,f)。
SPWVD的原理是在Winger-Ville分布基础上对频域和时域分别加窗进行平滑,来抑制交叉项的影响。由于SPWVD对交叉项的抑制效果较好,在时频分布结果中,交叉项基本不会对信号特征的提取带来影响,所以在考虑性能评价指标时就忽略了交叉项这个指标,但加窗平滑使能量分布展宽,时频聚集性有所下降,所以聚集度和分辨力这两个指标需要重点分析。
SPWVD的计算公式为:
其中,g(μ)是对频率加的窗函数,h(τ)是对时间加的窗函数,它们都是实的偶窗函数,且有g(0)=h(0)=1;s(·)s*(·)表示回波信号及其共轭,所以s(·)s*(·)表示某一过去时间信号与未来时间信号的自相关函数。
计算得到的时频分布矩阵P(t,f)=SPWVDs(t,f),其横坐标表示时间,纵坐标表示频率,矩阵中的数值表示信号在时频面上的能量分布。
S2、计算目标微动特征相干激光探测效果量化评价的第一个指标——频域聚集度:
频域聚集度,其定义是信号能量在时频分布中的展宽程度,反映瞬时频率的不确定度。
S21、计算瞬时频域聚集度:
对于单分量信号,即只含有一个分量的信号,图2(a)给出了其SPWVD分布,其对应时频分布矩阵P(t,f),在P(t,f)中提取tn时刻时间剖面上的频率-能量分布一维矩阵P(tn,f),即图中垂直于时间轴的直线,具体分布如图2(b)所示,找到P(tn,f)中的能量峰值ASmax及其对应的频率fm;找到峰值两侧与fm距离最近的对应能量为的两频率fp和fq,二者间距即为tn时刻信号的瞬时频域聚集度a(tn),相当于该时刻信号的3dB带宽BW(tn):
a(tn)=BW(tn)=fp-fq,fp>fq
对于多分量信号,即含有多个分量的信号,其瞬时频域聚集度的求法在单分量信号的基础上进行扩展,在求峰值时由原来的求一个峰值改为求最大的前m个峰值(m为分量数目,m≥2),然后依次求m个峰值对应的3dB带宽BW1(tn)、BW2(tn)、…、BWm(tn),tn时刻信号的瞬时频域聚集度a(tn)为各个分量3dB带宽的平均值:
图3(a)给出了两分量信号的SPWVD分布,按照单分量信号的计算方法,求出图3(b)中的BW1(tn)、BW2(tn),此时信号的瞬时频域聚集度为:
S22、计算整体频域聚集度:
按照步骤S21中描述的方法求出整个时间轴上所有时刻信号的瞬时频域聚集度a(tn),再对其求平均值,即得到信号的整体频域聚集度a:
其中,N表示整个时频分布中的离散时间点总数。
S3、计算目标微动特征相干激光探测效果量化评价的第二个指标——分量分辨力:
分量分辨力,是指多分量信号自项在频域的分辨能力,单分量信号不存在分量分辨的情况。
S31、计算瞬时分量分辨力:
以两分量信号为例,在图3(a)中提取tn时刻时间剖面上的频率-能量分布一维矩阵P(tn,f),即图中直线位置,剖面的能量分布如图3(b)所示,在P(tn,f)中找到最大的两个峰值ASmax1和ASmax2及峰值对应的频率值f1、f2,根据步骤S21所描述的方法,求出f2对应的分量在tn时刻的3dB带宽BW2(tn),再根据以下公式求出两个分量在tn时刻的分辨力:
当分量1的峰值与分量2的峰值距离小于分量2的3dB带宽,即rd(tn)<0时,认为两个分量不可分辨。
对于多分量信号,先求出各个分量两两之间的瞬时分辨力rd(tn),再对所有rd(tn)求平均值,即得到信号的瞬时分量分辨力r(tn):
其中,m为分量数目,m≥2,表示从m个分量中选2个得到的组合数。
S32、计算整体分量分辨力:
按照步骤S31中描述的方法求出整个时间轴上所有时刻信号的瞬时分量分辨力r(tn),再对其求平均值,即得到信号的整体分量分辨力r:
其中,N表示整个时频分布中的离散时间点总数。
S4、计算目标微动特征相干激光探测效果量化评价的第三个指标——信噪比:
信噪比,其定义为时频分布图中信号成分峰值能量与噪声成分平均能量之比,反映时频分布中信号成分的纯净度和清晰度,直接决定了微多普勒特征提取的精确程度。
S41、计算瞬时信噪比:
对于单分量信号,如图2(b)所示,在其时频分布矩阵P(t,f)中提取tn时刻时间剖面上的频率-能量分布一维矩阵P(tn,f),找到P(tn,f)中的能量峰值ASmax,根据步骤S21所描述的方法,求出tn时刻信号的3dB带宽BW(tn),找到3dB带宽内信号对应的频率坐标;再求出P(tn,f)中3dB带宽以外所有频率坐标对应的能量平均值E(Anoise),认为是噪声能量。采用以下公式计算tn时刻信号的瞬时信噪比SNR(tn):
对于含有m个分量(m≥2)的多分量信号,其瞬时信噪比定义为m个信号成分峰值能量的均值与噪声成分平均能量之比:
以两分量信号为例,如图3(b)所示,找到P(tn,f)中的能量峰值ASmax1和ASmax2,此时信号的瞬时信噪比为:
S42、计算整体信噪比:
按照步骤S41中描述的方法求出整个时间轴上所有时刻信号的瞬时信噪比SNR(tn),再对其求平均值,即得到信号的整体信噪比SNR:
其中,N表示整个时频分布中的离散时间点总数。
S5、计算目标微动特征相干激光探测效果量化评价的总指标:
对于单分量信号,由于不存在对分量的分辨,所以总指标Q的计算公式为:
对于多分量信号,总指标Q的计算公式为:
Q值越大,说明从时频分布结果中能够提取出目标微动特征的效果越好。
对于研究某一参数α对目标微多普勒效应探测的影响,在α的可变化范围内依次求出其对应的Q值,最大Q值对应的就是目标微动特征探测中该参数的最佳取值。
以上所述实施方式仅仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案作出的各种变形和改进,均应落入本发明的权利要求书确定的保护范围内。
Claims (4)
1.一种目标微动特征相干激光探测效果量化评价方法,其特征在于,包括以下步骤:
(1)采用平滑伪Winger-Ville分布算法对采集的目标微动特征相干激光探测回波信号进行时频分析处理,得到所述回波信号的时频分布矩阵P(t,f);
(2)将所述回波信号的频域聚集度作为目标微动特征相干激光探测效果量化评价的第一个指标,并根据所述时频分布矩阵P(t,f)对所述频域聚集度进行计算;
(3)将所述回波信号的分量分辨力作为目标微动特征相干激光探测效果量化评价的第二个指标,并根据所述时频分布矩阵P(t,f)对所述分量分辨力进行计算;
(4)将所述回波信号的信噪比作为目标微动特征相干激光探测效果量化评价的第三个指标,并根据所述时频分布矩阵P(t,f)对所述信噪比进行计算;
(5)根据所述频域聚集度、分量分辨力和信噪比,采用以下公式对目标微动特征相干激光探测效果量化评价的总指标进行计算:
若所述回波信号为单分量信号,则所述总指标的计算公式为:
若所述回波信号为多分量信号,则所述总指标的计算公式为:
其中,Q表示目标微动特征相干激光探测效果量化评价的总指标,a表示频域聚集度,r表示分量分辨力,SNR表示信噪比。
2.根据权利要求1所述的目标微动特征相干激光探测效果量化评价方法,其特征在于,步骤(2)中,根据所述时频分布矩阵P(t,f)对所述频域聚集度进行计算,包括以下步骤:
(21)计算瞬时频域聚集度:
对于单分量信号,包括:
a1、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b1、找到P(tn,f)中的能量峰值ASmax及其对应的频率fm;
c1、找到能量峰值ASmax两侧与fm距离最近的对应能量为的两频率fp和fq;
d1、求出tn时刻信号的3dB带宽BW(tn),即为tn时刻信号的瞬时频域聚集度a(tn):
a(tn)=BW(tn)=fp-fq,fp>fq
对于多分量信号,包括:
a2、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b2、找到P(tn,f)中最大的m个能量峰值及其对应的频率,m为分量数目,m≥2;
c2、依次求出m个能量峰值对应的m个3dB带宽BW1(tn)、BW2(tn)、…、BWm(tn),再求出m个3dB带宽的平均值,即为tn时刻信号的瞬时频域聚集度a(tn):
(22)计算整体频域聚集度:
求出整个时间轴上所有时刻信号的瞬时频域聚集度a(tn),再对其求平均值,即得到信号的整体频域聚集度a:
其中,N表示整个时频分布中的离散时间点总数。
3.根据权利要求1所述的目标微动特征相干激光探测效果量化评价方法,其特征在于,步骤(3)中,根据所述时频分布矩阵P(t,f)对所述分量分辨力进行计算,包括以下步骤:
(31)计算瞬时分量分辨力:
对于含有m个分量的多分量信号,m≥2,包括:
a、针对其中两个分量,在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b、在P(tn,f)中找到最大的两个能量峰值ASmax1和ASmax2及其对应的频率f1、f2;
c、求出能量峰值ASmax2对应的3dB带宽BW2(tn);
d、根据以下公式求出两个分量在tn时刻的分辨力:
e、按照步骤a~d,求出所有分量两两之间的瞬时分辨力rd(tn),再对所有rd(tn)求平均值,即得到信号的瞬时分量分辨力r(tn):
其中,表示从m个分量中选2个得到的组合数;
(32)计算整体分量分辨力:
求出整个时间轴上所有时刻信号的瞬时分量分辨力r(tn),再对其求平均值,即得到信号的整体分量分辨力r:
其中,N表示整个时频分布中的离散时间点总数。
4.根据权利要求1所述的目标微动特征相干激光探测效果量化评价方法,其特征在于,步骤(4)中,根据所述时频分布矩阵P(t,f)对所述信噪比进行计算,包括以下步骤:
(41)计算瞬时信噪比:
对于单分量信号,包括:
a1、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b1、找到P(tn,f)中的能量峰值ASmax及其对应的频率;
c1、求出tn时刻信号的3dB带宽BW(tn),找到3dB带宽内信号对应的频率坐标;
d1、再求出P(tn,f)中3dB带宽以外所有频率坐标对应的能量平均值E(Anoise),作为噪声能量;
e1、采用以下公式计算tn时刻信号的瞬时信噪比SNR(tn):
对于多分量信号,包括:
a2、在时频分布矩阵P(t,f)中提取tn时刻的频率-能量分布一维矩阵P(tn,f);
b2、找到P(tn,f)中最大的m个能量峰值ASmax1、ASmax2、…、ASmaxm及其对应的频率,m为分量数目,m≥2;
c2、依次求出m个能量峰值对应的m个3dB带宽BW1(tn)、BW2(tn)、…、BWm(tn),找到m个3dB带宽内信号对应的频率坐标;
d2、再求出P(tn,f)中m个3dB带宽以外所有频率坐标对应的能量平均值E(Anoise),作为噪声能量;
e2、采用以下公式计算tn时刻信号的瞬时信噪比SNR(tn):
(42)计算整体信噪比:
求出整个时间轴上所有时刻信号的瞬时信噪比SNR(tn),再对其求平均值,即得到信号的整体信噪比SNR:
其中,N表示整个时频分布中的离散时间点总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510997458.3A CN105629254B (zh) | 2015-12-24 | 2015-12-24 | 一种目标微动特征相干激光探测效果量化评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510997458.3A CN105629254B (zh) | 2015-12-24 | 2015-12-24 | 一种目标微动特征相干激光探测效果量化评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105629254A true CN105629254A (zh) | 2016-06-01 |
CN105629254B CN105629254B (zh) | 2018-04-20 |
Family
ID=56044368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510997458.3A Active CN105629254B (zh) | 2015-12-24 | 2015-12-24 | 一种目标微动特征相干激光探测效果量化评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105629254B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501786A (zh) * | 2016-10-12 | 2017-03-15 | 中国人民解放军国防科学技术大学 | 一种基于矩阵相关的微动目标参数估计方法 |
CN108880650A (zh) * | 2018-05-30 | 2018-11-23 | 毛述春 | 一种用于信号调谐的通信基站 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000072046A1 (en) * | 1999-05-25 | 2000-11-30 | Försvarets Forskningsanstalt | Pulsed coherent laser radar system |
US20110037965A1 (en) * | 2006-10-26 | 2011-02-17 | United States Of America As Represented By The Secretary Of The Navy | Combined Coherent and Incoherent Imaging LADAR |
CN103245937A (zh) * | 2013-05-27 | 2013-08-14 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
EP2645112A1 (fr) * | 2012-03-29 | 2013-10-02 | Thales | Système et procédé d'anémométrie laser |
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN103728663A (zh) * | 2012-10-16 | 2014-04-16 | 中国石油化工股份有限公司 | 一种时频分析方法 |
-
2015
- 2015-12-24 CN CN201510997458.3A patent/CN105629254B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000072046A1 (en) * | 1999-05-25 | 2000-11-30 | Försvarets Forskningsanstalt | Pulsed coherent laser radar system |
US20110037965A1 (en) * | 2006-10-26 | 2011-02-17 | United States Of America As Represented By The Secretary Of The Navy | Combined Coherent and Incoherent Imaging LADAR |
EP2645112A1 (fr) * | 2012-03-29 | 2013-10-02 | Thales | Système et procédé d'anémométrie laser |
CN103728663A (zh) * | 2012-10-16 | 2014-04-16 | 中国石油化工股份有限公司 | 一种时频分析方法 |
CN103245937A (zh) * | 2013-05-27 | 2013-08-14 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
CN103344947A (zh) * | 2013-06-04 | 2013-10-09 | 四川大学 | 基于微多普勒效应的微动目标特征提取方法 |
Non-Patent Citations (3)
Title |
---|
Y LI等: ""Analysis of micro-doppler signatures of moving vehicles by using empirical mode decomposition"", 《IEEE CIE INTERNATIONAL CONFERENCE ON RADAR》 * |
吕旭光等: ""基于时频分析的合成孔径激光雷达成像算法"", 《电子信息对抗技术》 * |
郭力仁等: ""声光移频器对微多普勒效应探测的影响研究"", 《光学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106501786A (zh) * | 2016-10-12 | 2017-03-15 | 中国人民解放军国防科学技术大学 | 一种基于矩阵相关的微动目标参数估计方法 |
CN108880650A (zh) * | 2018-05-30 | 2018-11-23 | 毛述春 | 一种用于信号调谐的通信基站 |
Also Published As
Publication number | Publication date |
---|---|
CN105629254B (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guan et al. | Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter | |
CN105137498B (zh) | 一种基于特征融合的地下目标探测识别***及方法 | |
CN104898103B (zh) | 基于多通道杂波图的低速目标检测方法 | |
CN105319537A (zh) | 基于空间相关性的航海雷达同频干扰抑制方法 | |
CN108919224A (zh) | 基于斜对称结构的宽带雷达目标自适应融合检测方法 | |
CN110208806A (zh) | 一种航海雷达图像降雨识别方法 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
CN105044686A (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN112986926B (zh) | 基于点迹属性关联判别的pd雷达鬼影抑制方法 | |
CN112327293B (zh) | 一种基于分形特征智能学习的海面目标检测方法 | |
CN110007299A (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN105445710A (zh) | 隐形雷达低截获概率性能评估方法 | |
CN109521412A (zh) | 基于局部统计量融合的雷达组网空域目标检测方法 | |
CN111239704A (zh) | 大气探测雷达目标回波识别处理方法、装置、设备及介质 | |
CN105629254A (zh) | 一种目标微动特征相干激光探测效果量化评价方法 | |
KR101426863B1 (ko) | 특징인자를 이용한 레이더 펄스내 변조형태 인식 방법 | |
Cosoli et al. | A real-time and offline quality control methodology for SeaSonde high-frequency radar currents | |
Yuan et al. | Detection and analysis of cloud boundary in Xi'an, China, employing 35 GHz cloud radar aided by 1064 nm lidar | |
CN102571671B (zh) | 一种基于mspwvd的prbc-lfm复合信号伪码序列盲估计方法 | |
CN106526545A (zh) | 一种鲁棒cfar检测器的检测方法 | |
CN109164427A (zh) | 一种雷达接收机噪声功率的检测方法 | |
CN116125406A (zh) | 一种基于snr估计和点迹航迹报的对空监视雷达性能评估方法 | |
CN110988837B (zh) | 一种窄带雷达目标判别方法 | |
CN113155267A (zh) | 一种基于二次相关的ofdr***振动检测方法、***、存储介质和终端 | |
Chen et al. | Moving target detection at sea based on fractal characters in FRFT domain |
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 | ||
GR01 | Patent grant |