CN105699950B - 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 - Google Patents
基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 Download PDFInfo
- Publication number
- CN105699950B CN105699950B CN201610256534.XA CN201610256534A CN105699950B CN 105699950 B CN105699950 B CN 105699950B CN 201610256534 A CN201610256534 A CN 201610256534A CN 105699950 B CN105699950 B CN 105699950B
- Authority
- CN
- China
- Prior art keywords
- early warning
- warning radar
- iteration
- airborne early
- radar
- 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 41
- 230000001629 suppression Effects 0.000 title claims abstract description 23
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 10
- 239000013598 vector Substances 0.000 claims abstract description 72
- 239000011159 matrix material Substances 0.000 claims abstract description 45
- 238000002939 conjugate gradient method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000014509 gene expression Effects 0.000 claims description 12
- 230000001427 coherent effect Effects 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 5
- 230000021615 conjugation Effects 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 108010003272 Hyaluronate lyase Proteins 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001228 spectrum 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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
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
本发明公开了一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,其思路为:获取机载预警雷达的三维回波信号XN×M×L,并分别计算机载预警雷达三维回波信号的协方差矩阵和XN×M×L的波束指向导向矢量S,根据计算机载预警雷达的前后向平滑杂波协方差矩阵对进行特征值分解,得到的NM个特征值进而得到机载预警雷达三维回波信号的协方差矩阵特征值分解后r个特征值,分别设定共轭梯度法的初始搜索矢量初始梯度矢量初始权矢量初始步长为k为迭代次数,并将k的范围设置为k∈{1,2,3...,r+1},令k加1,依次计算得到第k次迭代后的步长第k次迭代后的权矢量第k次迭代后的梯度矢量和第k次迭代后的搜索矢量进而计算得到最优权矢量,并计算杂波抑制处理后的机载预警雷达回波信号。
Description
技术领域
本发明属于雷达杂波抑制技术领域,特别涉及一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,用于解决机载雷达在非均匀杂波环境中,由于满足独立同分布条件的训练样本不足而造成的杂波协方差矩阵估计不准确问题,并改善自适应信号处理的雷达杂波抑制性能,提高目标的检测概率。
背景技术
机载预警雷达的主要任务是在复杂杂波背景中探测目标并进行定位跟踪,但由于高擦地角带来的杂波后向散射、平台运动带来的杂波谱扩展以及地(海)面杂波的不规则变化,使得目标检测变得困难,该空间的变化和杂波环境的非均匀性也限制了机载预警雷达的目标探测性能。因此,为了有效地检测有用目标,提高机载预警雷达的目标检测可靠性,必须对杂波进行抑制。空时自适应处理(STAP)技术虽能够充分利用空域和时域信息有效抑制杂波,但是在多数情况下几乎无法获得足够多的独立同分布(independent andidentically distributed,IID)训练样本估计杂波协方差矩阵,即使获得足够多的训练样本数得到高阶杂波协方差矩阵,对该高阶杂波协方差矩阵求逆在计算量和精度方面也存在很大困难。为此,国内外研究人员进行了积极地探索研究,提出了很多种准最优的降维降秩空时自适应处理算法。
降秩处理法属于特征子空间的一种方法,该类方法能够利用协方差矩阵的低秩特性以及噪声子空间和杂波子空间之间的正交性,与固定降维方法相比,降秩处理法的性能损失较小,缺点是计算量较大,难以确定实测数据的杂波秩。1998年,Goldstein和Reed等人提出了不需要特征分解的多级维纳滤波(Multistage Wiener Filter,MWF)方法,该方法通过递推能够直接对输入的空时数据进行逐级分解处理,且不需要估计杂波协方差矩阵,计算量有所降低;共轭梯度法(Conjugate Gradient,CG)是一种Krylov子空间方法,其通过有限次数的迭代能够获得线性***最优权矢量。CG法和MWF方法的效果是等效的,但CG法无需像MWF方法进行后向递推,但却需要估计协方差矩阵,所以在实际应用中也会存在由于满足独立同分布条件的训练样本数不足而造成的杂波协方差矩阵估计不准确问题。
发明内容
针对以上现有技术存在的不足,本发明的目的在于提出一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,该种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法分别通过前后向平滑估计杂波协方差矩阵,通过自适应迭代的共轭梯度法估计权矢量,能够有效提高数据利用率,增加独立同分布训练样本个数,提高杂波协方差矩阵估计的准确性和雷达杂波的抑制效果。
为达到上述技术目的,本发明采用如下技术方案予以实现。
一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,包括以下步骤:
步骤1,获取机载预警雷达的三维回波信号XN×M×L,并将XN×M×L按列重新排列,得到机载预警雷达的二维回波信号XNM×L,进而分别计算得到机载预警雷达三维回波信号的协方差矩阵和机载预警雷达三维回波信号的波束指向导向矢量S;其中,N表示机载预警雷达包含的阵元个数,M表示机载预警雷达在一个相干处理间隔内发射的脉冲个数,L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数;
步骤2,根据机载预警雷达三维回波信号的协方差矩阵计算得到机载预警雷达的前后向平滑杂波协方差矩阵
步骤3,对机载预警雷达三维回波信号的协方差矩阵进行特征值分解,得到的NM个特征值并从大到小进行排序,得到
然后对共轭梯度法进行初始值设置:分别设定共轭梯度法的初始搜索矢量共轭梯度法的初始梯度矢量共轭梯度法的初始权矢量共轭梯度法的初始步长为k为迭代次数,且k的初始值为1,并将迭代次数k的范围设置为k∈{1,2,3...,r+1},r表示的NM个特征值排序后的前r个特征值的个数,S表示机载预警雷达三维回波信号的波束指向导向矢量;
步骤4,令迭代次数k加1,依次计算得到第k次迭代后的步长第k次迭代后的权矢量第k次迭代后的梯度矢量和第k次迭代后的搜索矢量直到迭代次数k=r+1,得到第r+1次迭代后的权矢量并将所述第r+1次迭代后的权矢量作为最优权矢量
步骤5,根据最优权矢量对机载预警雷达的二维回波信号XNM×L进行杂波抑制处理,得到杂波抑制处理后的机载预警雷达回波信号Y。
与现有技术相比,本发明的优点和改进在于:
第一,本发明利用前后向平滑协方差矩阵的对称性,对原始协方差矩阵进行前后向平滑,有效提高机载预警雷达回波利用率,使得独立同分布训练样本个数近似增加了一倍,从而在只有一倍空时自由度个数的样本情况下也能够确保估计得到的杂波协方差矩阵非奇异。
第二,本发明方法利用共轭梯度法对初始权矢量进行有限次迭代运算,避免了传统空时处理中协方差矩阵求逆而造成地计算量过大问题。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法流程图;
图2为理想条件下分别使用本发明方法、共轭梯度法和扩展因子法得到的空时滤波结果对比图;
图3为非理想条件下分别使用本发明方法、共轭梯度法和扩展因子法得到的空时滤波结果对比图。
具体实施方式
参照图1,为本发明的一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法流程图;所述基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,包括以下步骤:
步骤1,获取机载预警雷达的三维回波信号XN×M×L,并将XN×M×L按列重新排列,得到机载预警雷达的二维回波信号XNM×L,进而分别计算得到机载预警雷达三维回波信号的协方差矩阵和机载预警雷达三维回波信号的波束指向导向矢量S;其中,N表示机载预警雷达包含的阵元个数,M表示机载预警雷达在一个相干处理间隔内发射的脉冲个数,L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数。
具体地,首先确定机载预警雷达阵列为等间隔均匀线阵,并获取机载预警雷达的三维回波信号XN×M×L,N表示机载预警雷达包含的阵元个数,M表示机载预警雷达在一个相干处理间隔内发射的脉冲个数,L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数;机载预警雷达阵列的波束指向θ0垂直于机载预警雷达阵列平面。
然后将机载预警雷达的三维回波信号XN×M×L按列重新排列,得到机载预警雷达的二维回波信号XNM×L,进而分别计算得到机载预警雷达三维回波信号的协方差矩阵和机载预警雷达三维回波信号的波束指向导向矢量S,其表达式分别为:
其中,Xl表示第l个距离门上机载预警雷达的回波信号,即第l个独立同分布训练样本,l∈{1,2,…,L},L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数,θ0表示机载预警雷达阵列的波束指向,N表示机载预警雷达包含的阵元个数,上标H表示共轭转置。
步骤2,根据机载预警雷达三维回波信号的协方差矩阵计算得到机载预警雷达的前后向平滑杂波协方差矩阵
具体地,根据机载预警雷达三维回波信号的协方差矩阵计算得到机载预警雷达的前后向平滑杂波协方差矩阵其表达式为:
其中,上标*表示共轭,表示机载预警雷达三维回波信号的协方差矩阵,J表示NM×NM维置换矩阵,其形式为副对角分别为1、其余元素分别为0的矩阵,其表示式如下:
步骤3,对机载预警雷达三维回波信号的协方差矩阵进行特征值分解,得到的NM个特征值并从大到小进行排序,得到:
然后对共轭梯度法进行初始值设置:分别设定共轭梯度法的初始搜索矢量共轭梯度法的初始梯度矢量共轭梯度法的初始权矢量共轭梯度法的初始步长为k为迭代次数,且k的初始值为1,并将迭代次数k的范围设置为k∈{1,2,3...,r+1},r表示的NM个特征值排序后的前r个特征值的个数,S表示机载预警雷达三维回波信号的波束指向导向矢量。
具体地,对机载预警雷达三维回波信号的协方差矩阵进行特征值分解,得到的NM个特征值;由于机载预警雷达环境下的杂波功率远远大于噪声功率,因此对的NM个特征值从大到小进行排序,得到:
然后对共轭梯度法进行初始值设置:分别设定共轭梯度法的初始搜索矢量共轭梯度法的初始梯度矢量共轭梯度法的初始权矢量共轭梯度法的初始步长为k为迭代次数,且k的初始值为1,并将迭代次数k的范围设置为k∈{1,2,3...,r+1},r表示的NM个特征值排序后的前r个特征值的个数,S表示机载预警雷达三维回波信号的波束指向导向矢量。
步骤4,令迭代次数k加1,依次计算得到第k次迭代后的步长第k次迭代后的权矢量第k次迭代后的梯度矢量和第k次迭代后的搜索矢量直到迭代次数k=r+1,得到第r+1次迭代后的权矢量并将所述第r+1次迭代后的权矢量作为最优权矢量
具体地,第k次迭代后的步长表达式为:
其中,||·||表示·的范数,上标H表示共轭转置,表示第k-1次迭代后的梯度矢量,表示第k-1次迭代后的搜索矢量,表示机载预警雷达的前后向平滑杂波协方差矩阵。
第k次迭代后的权矢量表达式为:
其中,表示第k-1次迭代后的权矢量,表示第k-1次迭代后的搜索矢量,表示第k次迭代后的步长。
第k次迭代后的梯度矢量表达式为:
其中,表示第k-1次迭代后的梯度矢量,表示第k次迭代后的步长,表示机载预警雷达的前后向平滑杂波协方差矩阵,表示第k-1次迭代后的搜索矢量。
第k次迭代后的搜索矢量表达式为:
其中,表示第k-1次迭代后的搜索矢量,||·||表示·的范数,表示第k-1次迭代后的梯度矢量,表示第k次迭代后的梯度矢量。
步骤5,根据最优权矢量对机载预警雷达的二维回波信号XNM×L进行杂波抑制处理,得到杂波抑制处理后的机载预警雷达回波信号Y。
具体地,所述杂波抑制处理后的机载预警雷达回波信号Y,其表达式为:
其中,表示最优权矢量,XNM×L表示机载预警雷达的二维回波信号,H表示共轭转置,L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数,N表示机载预警雷达包含的阵元个数,M表示机载预警雷达在一个相干处理间隔内发射的脉冲个数。
下面结合仿真实验对本发明的效果做进一步说明。
(一)杂波协方差矩阵仿真及实验条件:
本发明仿真实验在MATLAB 7.11软件下进行,在本发明的仿真实验中,机载预警雷达天线阵列为等间隔均匀线阵,阵元数为12个,在一个相干处理时间间隔内机载预警雷达发射的脉冲数为32个,距离门个数为36个即一倍空时自由度,机载预警雷达阵列波束指向与天线阵面法线方向的夹角为00;在15号距离门添加一个仿真目标,其归一化多普勒频率为0.3,信噪比为5dB。
(二)仿真处理结果及分析
实验一:图2为考虑理想条件下(即不考虑杂波内部运动和阵元误差等不利因素的影响)分别使用本发明方法、共轭梯度法和扩展因子法得到的空时滤波结果对比图;其中,CG表示共轭梯度法,FB-CG表示前后向平滑共轭梯度法,EFA表示扩展因子法。由图2可以看出,在一倍空时自由度的独立同分布训练样本条件下,EFA方法由于样本数不足,产生了目标相消,无法对第15号距离门上的目标进行有效检测;共轭梯度法虽能够检测出第15号距离门上的目标,但性能显然不如采用前后向平滑的共轭梯度法。实验一表明在理想条件下使用前后向平滑共轭梯度法能够获得较好的检测性能。
实验二:图3为非理想条件下(即考虑在含有阵元幅相误差和杂波内部运动等)分别使用本发明方法、共轭梯度法和扩展因子法得到的空时滤波结果对比图;实验二仿真过程中分别添加了5%的阵元幅度误差和5°的阵元相位误差,并且杂波的内部运动服从高斯模型,其数学表达式为:
Tr=toeplitz(1exp(-Tr 2ρ)…exp(-(N-1)Tr)2ρ)
其中,Tr表示脉冲重复间隔,toeplitz(·)表示Tr的结构服从托普利兹结构;ρ表示形状参数,其形式为λ表示波长,表示杂波普扩展方差,且设置σv为0.1m/s。
在图3中,CG表示共轭梯度法,FB-CG表示前后向平滑共轭梯度法,EFA表示扩展因子法;由图3可以看出,在考虑了幅相误差和杂波内部运动的条件下的实验结果与理想条件下的实验一结果类似;EFA方法依旧无法有效检测出第15号距离门上的目标;共轭梯度法虽可以检测出第15号距离门上的目标,但输出性能弱于前后向平滑的共轭梯度法;前后向平滑共轭梯度法依然保持了较好的目标检测性能,说明了本发明方法对非理想条件的稳健性。
综上所述,仿真实验验证了本发明的正确性,有效性和可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围;这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (4)
1.一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,其特征在于,包括以下步骤:
步骤1,获取机载预警雷达的三维回波信号XN×M×L,并将XN×M×L按列重新排列,得到机载预警雷达的二维回波信号XNM×L,进而分别计算得到机载预警雷达三维回波信号的协方差矩阵和机载预警雷达三维回波信号的波束指向导向矢量S;其中,N表示机载预警雷达包含的阵元个数,M表示机载预警雷达在一个相干处理间隔内发射的脉冲个数,L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数;
步骤2,根据机载预警雷达三维回波信号的协方差矩阵计算得到机载预警雷达的前后向平滑杂波协方差矩阵
步骤3,对机载预警雷达三维回波信号的协方差矩阵进行特征值分解,得到的NM个特征值并从大到小进行排序,得到:
然后对共轭梯度法进行初始值设置:分别设定共轭梯度法的初始搜索矢量共轭梯度法的初始梯度矢量共轭梯度法的初始权矢量共轭梯度法的初始步长为k为迭代次数,且k的初始值为1,并将迭代次数k的范围设置为k∈{1,2,3...,r+1},r表示的NM个特征值排序后的前r个特征值的个数,S表示机载预警雷达三维回波信号的波束指向导向矢量;
步骤4,令迭代次数k加1,依次计算得到第k次迭代后的步长第k次迭代后的权矢量第k次迭代后的梯度矢量和第k次迭代后的搜索矢量直到迭代次数k=r+1,得到第r+1次迭代后的权矢量并将所述第r+1次迭代后的权矢量作为最优权矢量
其中,所述第k次迭代后的步长所述第k次迭代后的权矢量所述第k次迭代后的梯度矢量和所述第k次迭代后的搜索矢量其表达式分别为:
其中,||·||表示·的范数,上标H表示共轭转置,表示第k-1次迭代后的梯度矢量,表示第k-1次迭代后的搜索矢量,表示机载预警雷达的前后向平滑杂波协方差矩阵;表示第k-1次迭代后的权矢量,表示第k次迭代后的步长;
步骤5,根据最优权矢量对机载预警雷达的二维回波信号XNM×L进行杂波抑制处理,得到杂波抑制处理后的机载预警雷达回波信号Y。
2.如权利要求1所述的一种基于自适应迭代的前后向平滑共轭梯度雷达杂波抑制方法,其特征在于,在步骤1中,所述机载预警雷达三维回波信号的协方差矩阵和所述机载预警雷达三维回波信号的波束指向导向矢量S,其表达式分别为:
其中,Xl表示第l个距离门上机载预警雷达的回波信号,l∈{1,2,…,L},L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数,θ0表示机载预警雷达阵列的波束指向,N表示机载预警雷达包含的阵元个数,上标H表示共轭转置。
3.如权利要求1所述的一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,其特征在于,在步骤2中,所述机载预警雷达的前后向平滑杂波协方差矩阵其表达式为:
其中,上标*表示共轭,表示机载预警雷达三维回波信号的协方差矩阵,J表示 NM×NM维置换矩阵,其形式为副对角分别为1、其余元素分别为0的矩阵,其表示式如下:
。
4.如权利要求1所述的一种基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法,其特征在于,在步骤5中,所述杂波抑制处理后的机载预警雷达回波信号Y,其表达式为:
其中,表示最优权矢量,XNM×L表示机载预警雷达的二维回波信号,H表示共轭转置,L表示机载预警雷达三维回波信号XN×M×L包含的距离门个数,N表示机载预警雷达包含的阵元个数,M表示机载预警雷达在一个相干处理间隔内发射的脉冲个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610256534.XA CN105699950B (zh) | 2016-04-22 | 2016-04-22 | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610256534.XA CN105699950B (zh) | 2016-04-22 | 2016-04-22 | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105699950A CN105699950A (zh) | 2016-06-22 |
CN105699950B true CN105699950B (zh) | 2018-05-04 |
Family
ID=56217492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610256534.XA Active CN105699950B (zh) | 2016-04-22 | 2016-04-22 | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105699950B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106483516A (zh) * | 2016-11-25 | 2017-03-08 | 西安电子科技大学 | 基于先验知识的雷达杂波空时自适应处理方法 |
CN108732125B (zh) * | 2018-06-05 | 2021-02-26 | 中国电子科技集团公司第四十一研究所 | 一种基于高斯迭代算法的太赫兹材料内部缺陷检测方法 |
CN113221059B (zh) * | 2020-07-24 | 2023-01-17 | 哈尔滨工业大学(威海) | 无需构造协方差矩阵的快速共轭梯度测向算法 |
CN112748404B (zh) * | 2020-12-24 | 2023-07-28 | 西安电子科技大学 | 基于双对称结构和赋权优化的空基雷达杂波抑制方法 |
CN113721217A (zh) * | 2021-09-03 | 2021-11-30 | 深圳大学 | 一种基于梯度迭代的空域欠采样雷达信号恢复方法 |
CN114280571B (zh) * | 2022-03-04 | 2022-07-19 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020049357A (ko) * | 2000-12-19 | 2002-06-26 | 엘지전자 주식회사 | Cdma 시스템에서의 적응 어레이 안테나를 이용한순방향 빔형성 방법 |
CN1588815A (zh) * | 2004-07-14 | 2005-03-02 | 凯明信息科技股份有限公司 | 利用共轭梯度算法的码分多址通讯***多用户检测方法 |
CN103076596A (zh) * | 2013-01-17 | 2013-05-01 | 西安电子科技大学 | 基于先验信息的mimo雷达发射方向图设计方法 |
-
2016
- 2016-04-22 CN CN201610256534.XA patent/CN105699950B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020049357A (ko) * | 2000-12-19 | 2002-06-26 | 엘지전자 주식회사 | Cdma 시스템에서의 적응 어레이 안테나를 이용한순방향 빔형성 방법 |
CN1588815A (zh) * | 2004-07-14 | 2005-03-02 | 凯明信息科技股份有限公司 | 利用共轭梯度算法的码分多址通讯***多用户检测方法 |
CN103076596A (zh) * | 2013-01-17 | 2013-05-01 | 西安电子科技大学 | 基于先验信息的mimo雷达发射方向图设计方法 |
Non-Patent Citations (2)
Title |
---|
Combining backward and forward recovery to cope with silent errors in iterative solvers;Massimiliano Fasi etal.;《Parallel and Distributed Processing Symposium Workshop(IPDPSW),2015 IEEE International》;20150529;第980-989页 * |
共扼梯度自适应波束形成算法;汤俊 彭应宁;《电子科学学刊》;20000131;第22卷(第1期);第151-155页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105699950A (zh) | 2016-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105699950B (zh) | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 | |
CN109100718B (zh) | 基于贝叶斯学习的稀疏孔径isar自聚焦与横向定标方法 | |
Zhang et al. | Resolution enhancement for large-scale real beam mapping based on adaptive low-rank approximation | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及*** | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN104950305B (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN108957387B (zh) | 一种卫星信号二维到达角估计方法及*** | |
CN107290732B (zh) | 一种量子大***的单基地mimo雷达测向方法 | |
Du et al. | Robust statistical recognition and reconstruction scheme based on hierarchical Bayesian learning of HRR radar target signal | |
CN109031227B (zh) | 一种共轭梯度空时自适应处理方法及*** | |
CN102866388A (zh) | 一种空时自适应处理中的自适应权值迭代计算方法 | |
Zhao et al. | Structured sparsity-driven autofocus algorithm for high-resolution radar imagery | |
CN110673119A (zh) | 基于压缩感知的非正则化方位估计方法及*** | |
CN111474527B (zh) | 机载stap雷达快速去互耦的杂波协方差矩阵估计方法 | |
Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
CN113376569A (zh) | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 | |
CN112328965A (zh) | 使用声矢量传感器阵列的多机动信号源doa跟踪的方法 | |
CN106646418B (zh) | 一种基于改进omp的机载雷达杂波空时谱快速估计方法 | |
CN113466864B (zh) | 快速联合免逆稀疏贝叶斯学习超分辨isar成像算法 | |
CN109212466B (zh) | 一种基于量子蜻蜓演化机制的宽带测向方法 | |
Wu et al. | Time-varying space–time autoregressive filtering algorithm for space–time adaptive processing | |
CN110658517B (zh) | 一种基于不确定先验知识的降维稀疏stap方法及装置 | |
CN113376607A (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN112904298A (zh) | 一种基于局部网格***的网格偏离空时自适应处理方法 |
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 | ||
GR01 | Patent grant |