CN107783081A - 一种针对宽带雷达的sstmv最小方差波束形成方法 - Google Patents
一种针对宽带雷达的sstmv最小方差波束形成方法 Download PDFInfo
- Publication number
- CN107783081A CN107783081A CN201710978702.0A CN201710978702A CN107783081A CN 107783081 A CN107783081 A CN 107783081A CN 201710978702 A CN201710978702 A CN 201710978702A CN 107783081 A CN107783081 A CN 107783081A
- Authority
- CN
- China
- Prior art keywords
- mrow
- data
- basic matrix
- sstmv
- submatrix
- 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.)
- Pending
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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种针对宽带雷达的SSTMV最小方差波束形成方法。由宽带雷达的天线获取得到基阵数据,对基阵数据进行叠代分段后再进行FFT变换获得基阵频域数据,利用常规波束形成的加权向量对基阵频域数据进行常规波束形成处理;将常规波束形成处理后的基阵频域数据进行子阵划分和合并,获得子阵数据;对子阵数据进行STCM驾驶协方差矩阵的计算与累积,利用得到的STCM矩阵进行最小方差宽带测向算法的波束形成,获得最小方差波束。本发明方法能有效提高雷达空间分辨能力,同时因为SSTMV的相干积累特性,其不需要过多的周期数进行积累和修正,在少量周期数的情况下也能体现出较好的性能,方法大幅减少算法计算量,适用于宽带雷达。
Description
技术领域
本发明涉及雷达信号处理领域,具体涉及了一种针对宽带雷达的SSTMV(子阵驾驶)最小方差波束形成方法。
背景技术
波束形成技术实际上可以理解为空间滤波器,通过空间滤波技术得到高的方位分辨能力。在雷达的实际应用中,高分辨率、低旁瓣级的自适应波束形成算法能够将目标从杂波的主瓣中分离,抑制杂波的旁瓣,从而更精确地提取出目标。
常用的传统自适应波束形成方法如最小方差无畸变波束形成(MVDR)都是基于窄带条件,但由于没有利用信号时间-带宽乘积特性,在宽带处理条件下,MVDR需要大量的周期数来不断修正才能达到较好的性能。对于宽带雷达,接受信号是损态的,因此需要收敛速度快,而过多的快拍会增大处理时间,在实际应用中往往是不可取的。所以MVDR对于宽带雷达的适用性并不高。
发明内容
为了解决背景技术中存在的问题,本发明提出了一种针对宽带雷达的SSTMV最小方差波束形成方法。
本发明采用的技术方案包括以下步骤过程:
1)由宽带雷达的天线获取得到基阵数据,对基阵数据进行叠代分段后再进行FFT变换获得基阵频域数据,利用常规波束形成的加权向量对基阵频域数据进行常规波束形成处理;
2)将常规波束形成处理后的基阵频域数据进行子阵划分和合并,获得子阵数据;
3)对子阵数据进行STCM驾驶协方差矩阵的计算与累积,利用得到的STCM矩阵进行最小方差宽带测向算法的波束形成,获得最小方差波束。
所述步骤1)具体包括:对基阵数据进行叠代分段,对每段数据进行FFT变换计算,在频域内形成波束,并使得形成的波束乘以常规波束形成的加权向量。
所述步骤1)中,对基阵数据进行叠代分段,具体为:
从基阵数据中,依次连续截取长度为Nfft的各段数据进行后续FFT变换处理,每次叠代中变化更新的长度为Nfft/2,得到分段后的频域数据表示为:
X(k)=FFT([xsp-1(n),xsp(n)])
n=1,2,3....Nfft/2
其中,sp代表数据处理的叠代周期数,k表示频点,X(k)表示当前频点k下的基阵频域数据,n表示时间采样点,xsp(n)表示第sp个叠代周期的基阵数据。
所述步骤1)种利用常规波束形成的加权向量对基阵频域数据进行常规波束形成处理具体公式为:
其中,k代表频点,m代表参与波束形成的阵元号,m=1,2,3...M,M代表阵元数,X(m,k)为m号阵元的基阵数据x(n)进行FFT变换处理后获得的基阵频域数据,表示常规波束形成的加权向量,τm代表m号阵元参与波束形成的时延,j表示虚数单位,fk表示频点k对应的频率。
所述基阵数据采用复解调方法进行获取,以降低所述基阵数据的数据采样率,所述复调解方法采用以下表达式为:
式中,y(n)表示复解调后的基阵数据,n代表时间采样点,x(n)为基阵数据,为卷积符号,f0表示中心频率,fs为基阵数据的采样率,h(n)为低通滤波器,低通滤波器降采样的倍数为Ns倍,降采样后信号的采样率为fs1=fs/Ns。
所述步骤2)具体包括:对所述基阵频域数据的阵列进行划分为多个子阵,每个子阵的子阵数据采用以下公式计算:
其中,Y1(k)表示子阵数据,下标1表示子阵标识,m=1,2,3...M代表参与波束形成的阵元号,M代表阵元数,z表示子阵序数,z=1,2,3...Z,Z代表子阵个数,Y(m,k)为常规波束形成处理后的基阵频域数据。
所述步骤3)中具体为:
3.1)采用以下公式对子阵数据进行计算并累积,获得子阵数据在合并前划分的每段数据对应的STCM矩阵:
RSTCMsp(θ)=aRSTCMsp-1(θ)+bY1(k)Y1 H(k)
其中,sp代表数据处理的周期数,a、b分别为新旧STCM矩阵累积的比例系数,a+b=1;Y1 H(k)表示子阵数据Y1(k)的共轭,RSTCMsp(θ)表示第sp个叠代周期的STCM矩阵,RSTCMsp-1(θ)表示第sp-1个叠代周期的STCM矩阵,θ表示方位角;
3.2)然后采用以下公式计算最小方差宽带测向算法的最优权矢量wSSTMV(θ):
其中,I表示元素全为1的单位向量,IH表示单位向量I的共轭,RSTCM(θ)为获取所述分段数据后的每段频域数据的STCM矩阵。
3.3)最后采用以下公式计算最小方差宽带测向算法的波束形成的输出量:
YSSTMV(k,θ)=wSSTMV(θ)Y1(k)
其中,wSSTMV(θ)为最小方差宽带测向算法的最优权矢量,Y1(k)为子阵数据。
本发明的波束形成的输出量YSSTMV(k,θ)可以是频域输出量或者时域输出量。
本发明的有益效果是:
本发明将子阵波束形成方法的思想扩展到自适应波束形成,从而提出了一种SSTMV方法,该方法克服了自适应波束形成算法计算量大的缺点,使得算法更容易实现工程上的应用。
进一步地,因为本发明利用宽带信号相干积累特性,其不需要过多的周期数进行积累和修正,在少量周期数的情况下也能体现出较好的性能,适用于宽带雷达。
进一步地,与常规波束形成相比较,本发明能够提高空间分辨力,将信号目标从干扰的旁瓣中提取出来,并且在一定条件下能够提高信号检测的能力,提高输出信噪比。
综合来说,本发明方法能有效提高雷达空间分辨能力,不需要过多的周期数进行积累和修正,大幅减少算法计算量,在少量周期数的情况下也能体现出较好的性能,适用于宽带雷达。
附图说明
图1所示为本发明一个实施例的方法流程示意图;
图2所示为本发明一个实施例的单目标条件下,SSTMV和CBF(常规波束形成)空间谱输出比对;
图3所示为本发明一个实施例的单目标条件下,SSTMV和CBF(常规波束形成)时间波形输出比对;
图4所示为本发明一个实施例的双目标(相邻)条件下,SSTMV和CBF(常规波束形成)的空间谱输出比对。
图5所示为本发明一个实施例的双目标(相邻)条件下,SSTMV和MVDR(最小方差无畸变波束形成)的空间谱输出比对。
具体实施方式
下面结合具体的实施例,对本发明进行详细地描述。以下例情况为例对本发明进行说明,本发明可推广至其他基阵和天线排列结构。
本发明的实施例如下:
本发明实例中的基阵阵型为12元线阵,由M个阵元均匀排列组成,其中M代表阵元数,发射信号为单频脉冲,处理环境为宽带。
如图1所示为本发明一个实施例的自适应波束的形成方法流程示意图,包括以下几个步骤:首先提供发射单频脉冲数据,接着进行复解调和降数据率。在本例中,为降低后期计算量,采用复解调方法降低数据采样率。
继续参考图1,还包括对基阵数据进行叠代分段,对每段数据进行FFT处理,假设FFT的长度为Nfft,每次更新数据长度为Nfft/2,则可得到分段后的频域数据:
X(k)=FFT([xsp-1(n),xsp(n)])
n=1,2,3....Nfft/2
其中sp代表数据处理的周期数。
继续参考图1,常规波束形成驾驶,即对复解调后的FFT数据乘以常规波束形成加权向量,计算过程如下:
其中k代表频点,τm代表m号阵元参与波束形成的时延,m=1,2,3...M代表参与波束形成的阵元号,M代表阵元数,X(m,k)为m号阵元基阵数据x(n)进行FFT处理后的频域数据。
继续参考图1,进行子阵合并。实时***的开发着重考虑两个方面:运算速度和占用硬件资源,因此这里将子阵波束形成方法引入到自适应波束形成法,以降低处理的计算量、节约硬件资源。
将整个阵列划分为若干个子阵,在每个波束下对每个子阵进行常规波束形成,然后将每个波束下各个子阵的常规波束形成输出视为一个已经预驾驶过的子阵,将这些子阵作为自适应处理的输入。子阵的表达式为
其中,Y1(k)表示子阵数据,下标1表示子阵标识,m=1,2,3...M代表参与波束形成的阵元号,M代表阵元数,z=1,2,3...Z,Z代表子阵个数,Y(m,k)为常规波束形成处理后的基阵频域数据。
继续参考图1,进行STCM矩阵计算。分段数据后的每段频域数据的STCM矩阵为RSTCMsp(θ)=aRSTCMsp-1(θ)+bY1(k)Y1 H(k),其中sp代表数据处理的周期数,a、b为新旧STCM矩阵累积的比例系数,a+b=1,可根据具体情况调节。
接着参考图1,最后进行最小方差宽带测向。其输出可以表示为:YSSTMV(k,θ)=wSSTMV(θ)Y1(k),其中,wSSTMV(θ)为子阵驾驶最小方差宽带测向算法的加权向量,Y1(k)为子阵数据。
实施例的基阵数据通过matlab软件编写仿真程序得到,处理过程通过matlab软件编写处理程序实现。
如图2所示为单目标条件下,SSTMV(代表了本发明方法,下同)和CBF(代表了常规波束形成方法,下同)空间谱输出比对。由图可见,与CBF相比较,本发明拥有高空间分辨力和低旁瓣级。
如图3所示为单目标条件下,SSTMV、CBF和MVDR(代表了最小方差无畸变波束形成方法,下同)三种时间波形输出比对。由图可见,本发明输出的时间波形与CBF相比较并没有失真,而MVDR由于没有利用宽带累积特性导致时间波形失真,不利于后续的目标特征提取。
如图4所示为相邻(10°间隔)且等信噪比的两个目标条件下,SSTMV和CBF空间谱输出比对。由图可见,在目标相邻很近的情况下,CBF由于空间分辨力不够不能够做出分辨,而本发明很好地做出了两个目标的分辨,提高了信噪比。
如图5所示为相邻(10°间隔)且等信噪比的两个目标条件下,SSTMV和MVDR空间谱输出比对。由图可见,在目标相邻很近的情况下,MVDR对目标的能量的估计发生误差,而本发明进行了较好的能量估计。
可见,与传统自适应波束形成相比较,本发明能够在宽带条件下拥有更好的性能,适用于宽带雷达处理环境,并且计算量较传统方法要简便,便于工程实现。
本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (7)
1.一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于包括以下步骤过程:
1)由宽带雷达的天线获取得到基阵数据,对基阵数据进行叠代分段后再进行FFT变换获得基阵频域数据,利用常规波束形成的加权向量对基阵频域数据进行常规波束形成处理;
2)将常规波束形成处理后的基阵频域数据进行子阵划分和合并,获得子阵数据;
3)对子阵数据进行STCM驾驶协方差矩阵的计算与累积,利用得到的STCM矩阵进行最小方差宽带测向算法的波束形成,获得最小方差波束。
2.根据权利要求1所述的一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于:所述步骤1)具体包括:对基阵数据进行叠代分段,对每段数据进行FFT变换计算,在频域内形成波束,并使得形成的波束乘以常规波束形成的加权向量。
3.根据权利要求1所述的一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于:所述步骤1)中,对基阵数据进行叠代分段,具体为:
从基阵数据中,依次连续截取长度为Nfft的各段数据进行后续FFT变换处理,每次叠代中变化更新的长度为Nfft/2,得到分段后的频域数据表示为:
X(k)=FFT([xsp-1(n),xsp(n)])
n=1,2,3....Nfft/2
其中,sp代表数据处理的叠代周期数,k表示频点,X(k)表示当前频点k下的基阵频域数据,n表示时间采样点,xsp(n)表示第sp个叠代周期的基阵数据。
4.根据权利要求1所述的一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于:所述步骤1)种利用常规波束形成的加权向量对基阵频域数据进行常规波束形成处理具体公式为:
<mrow>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>X</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mi>k</mi>
</msub>
<msub>
<mi>&tau;</mi>
<mi>m</mi>
</msub>
</mrow>
</msup>
</mrow>
其中,k代表频点,m代表参与波束形成的阵元号,m=1,2,3K M,M代表阵元数,X(m,k)为m号阵元的基阵数据x(n)进行FFT变换处理后获得的基阵频域数据,表示常规波束形成的加权向量,τm代表m号阵元参与波束形成的时延,j表示虚数单位,fk表示频点k对应的频率。
5.根据权利要求1所述的一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于:所述基阵数据采用复解调方法进行获取,复调解方法采用以下表达式为:
<mrow>
<mi>y</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>j</mi>
<mn>2</mn>
<msub>
<mi>&pi;f</mi>
<mn>0</mn>
</msub>
<mo>/</mo>
<msub>
<mi>f</mi>
<mi>s</mi>
</msub>
<mi>n</mi>
</mrow>
</msup>
<mo>&CircleTimes;</mo>
<mi>h</mi>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,y(n)表示复解调后的基阵数据,n代表时间采样点,x(n)为基阵数据,为卷积符号,f0表示中心频率,fs为基阵数据的采样率,h(n)为低通滤波器。
6.根据权利要求1所述的一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于:所述步骤2)具体包括:对所述基阵频域数据的阵列进行划分为多个子阵,每个子阵的子阵数据采用以下公式计算:
<mrow>
<msub>
<mi>Y</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mi>M</mi>
<mo>/</mo>
<mi>Z</mi>
</mrow>
<mrow>
<mi>M</mi>
<mo>/</mo>
<mi>Z</mi>
</mrow>
</munderover>
<mi>Y</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,Y1(k)表示子阵数据,下标1表示子阵标识,m=1,2,3K M代表参与波束形成的阵元号,M代表阵元数,z表示子阵序数,z=1,2,3K Z,Z代表子阵个数,Y(m,k)为常规波束形成处理后的基阵频域数据。
7.根据权利要求1所述的一种针对宽带雷达的SSTMV最小方差波束形成方法,其特征在于:所述步骤3)中具体为:
3.1)采用以下公式对子阵数据进行计算并累积,获得子阵数据在合并前划分的每段数据对应的STCM矩阵:
RSTCMsp(θ)=aRSTCMsp-1(θ)+bY1(k)Y1 H(k)
其中,sp代表数据处理的周期数,a、b分别为新旧STCM矩阵累积的比例系数,a+b=1;Y1 H(k)表示子阵数据Y1(k)的共轭,RSTCMsp(θ)表示第sp个叠代周期的STCM矩阵,RSTCMsp-1(θ)表示第sp-1个叠代周期的STCM矩阵,θ表示方位角;
3.2)然后采用以下公式计算最小方差宽带测向算法的最优权矢量wSSTMV(θ):
<mrow>
<msub>
<mi>w</mi>
<mrow>
<mi>S</mi>
<mi>S</mi>
<mi>T</mi>
<mi>M</mi>
<mi>V</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>R</mi>
<mrow>
<mi>S</mi>
<mi>T</mi>
<mi>C</mi>
<mi>M</mi>
<mi>s</mi>
<mi>p</mi>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mi>I</mi>
</mrow>
<mrow>
<msup>
<mi>I</mi>
<mi>H</mi>
</msup>
<msubsup>
<mi>R</mi>
<mrow>
<mi>S</mi>
<mi>T</mi>
<mi>C</mi>
<mi>M</mi>
<mi>s</mi>
<mi>p</mi>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>&theta;</mi>
<mo>)</mo>
</mrow>
<mi>I</mi>
</mrow>
</mfrac>
</mrow>
其中,I表示元素全为1的单位向量,IH表示单位向量I的共轭,RSTCM(θ)为获取所述分段数据后的每段频域数据的STCM矩阵。
3.3)最后采用以下公式计算最小方差宽带测向算法的波束形成的输出量:
YSSTMV(k,θ)=wSSTMV(θ)Y1(k)
其中,wSSTMV(θ)为最小方差宽带测向算法的最优权矢量,Y1(k)为子阵数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710978702.0A CN107783081A (zh) | 2017-10-19 | 2017-10-19 | 一种针对宽带雷达的sstmv最小方差波束形成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710978702.0A CN107783081A (zh) | 2017-10-19 | 2017-10-19 | 一种针对宽带雷达的sstmv最小方差波束形成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107783081A true CN107783081A (zh) | 2018-03-09 |
Family
ID=61434775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710978702.0A Pending CN107783081A (zh) | 2017-10-19 | 2017-10-19 | 一种针对宽带雷达的sstmv最小方差波束形成方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107783081A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110632579A (zh) * | 2019-01-28 | 2019-12-31 | 中国船舶重工集团公司第七一五研究所 | 一种利用子阵波束域特征的迭代波束形成方法 |
CN112327305A (zh) * | 2020-11-06 | 2021-02-05 | 中国人民解放军海军潜艇学院 | 一种快速频域宽带mvdr声纳波束形成方法 |
CN112639512A (zh) * | 2018-11-16 | 2021-04-09 | 华为技术有限公司 | 测角方法以及雷达设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6427539A (en) * | 1987-07-22 | 1989-01-30 | Yokogawa Medical Syst | Mti apparatus of phased array type continuous wave doppler system |
CN1610840A (zh) * | 2002-03-26 | 2005-04-27 | 雷斯昂公司 | 高效宽带波形生成和信号处理设计 |
CN1977185A (zh) * | 2004-06-30 | 2007-06-06 | 皇家飞利浦电子股份有限公司 | 使用子阵列的多行波束形成扩展 |
CN101021561A (zh) * | 2007-04-06 | 2007-08-22 | 清华大学 | 一种采用多发多收频分信号的宽带雷达及其成像方法 |
CN102608588A (zh) * | 2012-03-14 | 2012-07-25 | 西安电子科技大学 | 基于子带分解的宽带子阵自适应波束形成方法 |
-
2017
- 2017-10-19 CN CN201710978702.0A patent/CN107783081A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6427539A (en) * | 1987-07-22 | 1989-01-30 | Yokogawa Medical Syst | Mti apparatus of phased array type continuous wave doppler system |
CN1610840A (zh) * | 2002-03-26 | 2005-04-27 | 雷斯昂公司 | 高效宽带波形生成和信号处理设计 |
CN1977185A (zh) * | 2004-06-30 | 2007-06-06 | 皇家飞利浦电子股份有限公司 | 使用子阵列的多行波束形成扩展 |
CN101021561A (zh) * | 2007-04-06 | 2007-08-22 | 清华大学 | 一种采用多发多收频分信号的宽带雷达及其成像方法 |
CN102608588A (zh) * | 2012-03-14 | 2012-07-25 | 西安电子科技大学 | 基于子带分解的宽带子阵自适应波束形成方法 |
Non-Patent Citations (3)
Title |
---|
周亦军: "STMV 波束形成算法并行处理实现方法研究", 《计算机与数字工程》 * |
徐露 等: "基于FPGA的频域宽带波束形成器", 《网络新媒体技术》 * |
董晋 等: "一种适用于主动声呐的宽容 STMV 波束形成方法", 《声学与电子工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112639512A (zh) * | 2018-11-16 | 2021-04-09 | 华为技术有限公司 | 测角方法以及雷达设备 |
CN110632579A (zh) * | 2019-01-28 | 2019-12-31 | 中国船舶重工集团公司第七一五研究所 | 一种利用子阵波束域特征的迭代波束形成方法 |
CN112327305A (zh) * | 2020-11-06 | 2021-02-05 | 中国人民解放军海军潜艇学院 | 一种快速频域宽带mvdr声纳波束形成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN107290709B (zh) | 基于范德蒙分解的互质阵列波达方向估计方法 | |
CN102508213B (zh) | 基于零陷加宽的波束域自适应干扰抑制方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及*** | |
CN110174650B (zh) | 基于两维联合插值的气象雷达风电场杂波抑制方法 | |
CN107783081A (zh) | 一种针对宽带雷达的sstmv最小方差波束形成方法 | |
CN106227701B (zh) | 一种阵列信号的接收通道的幅相误差的自校正方法 | |
CN104698431B (zh) | 基于模糊分量doa估计的多通道sar方位解模糊方法 | |
CN101592721A (zh) | 基于特征值重构的相干信号到达角估计方法 | |
CN105445703B (zh) | 一种机载雷达空时回波数据的两级空时自适应处理方法 | |
CN105158735B (zh) | 基于压缩采样阵列的空频二维谱估计方法 | |
CN107886068A (zh) | 一种基于时空域线谱增强器的未知线谱目标检测方法 | |
CN102195701A (zh) | 只利用一种模拟加权的平面相控阵和波束与差波束旁瓣抑制方法 | |
CN111257885B (zh) | 基于极限学习机的气象雷达风电场杂波抑制方法 | |
CN107037409B (zh) | 基于压缩感知的mimo雷达波形分离方法 | |
CN105223554A (zh) | 基于多普勒三通道联合处理的空时自适应单脉冲测角方法 | |
CN103605107A (zh) | 基于多基线分布式阵列的波达方向估计方法 | |
CN109116334A (zh) | 基于超波束加权的声纳波束形成方法及*** | |
CN110531311A (zh) | 一种基于矩阵重组的lte外辐射源雷达doa估计方法 | |
CN105372633A (zh) | 一种相控阵雷达降维四通道抗主副瓣干扰的方法 | |
CN106125039B (zh) | 基于局域联合处理的改进空时自适应单脉冲测角方法 | |
CN108680907A (zh) | 一种基于观测矩阵的压缩感知mimo雷达干扰抑制方法 | |
CN104123462A (zh) | 实多项式求根实现均匀线阵的谱music方法 | |
CN111162878B (zh) | 一种基于子阵降维带约束的多域联合抗干扰方法 | |
CN112014807A (zh) | 一种频率捷变雷达的自适应杂波抑制方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180309 |
|
RJ01 | Rejection of invention patent application after publication |