CN108594190B - 一种高分辨海杂波的仿真方法 - Google Patents
一种高分辨海杂波的仿真方法 Download PDFInfo
- Publication number
- CN108594190B CN108594190B CN201810360487.2A CN201810360487A CN108594190B CN 108594190 B CN108594190 B CN 108594190B CN 201810360487 A CN201810360487 A CN 201810360487A CN 108594190 B CN108594190 B CN 108594190B
- Authority
- CN
- China
- Prior art keywords
- sea clutter
- matrix
- simulated
- pulse
- resolution
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 230000002123 temporal effect Effects 0.000 claims abstract description 4
- 238000009826 distribution Methods 0.000 claims description 25
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 9
- 230000000737 periodic effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008707 rearrangement Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- 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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
- G01S7/418—Theoretical aspects
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
本发明提出了一种高分辨海杂波的仿真方法,通过获取具有明显空时纹理的高分辨海杂波数据,减小仿真数据与实测海杂波之间的差异。实现步骤为:设置待仿真高分辨海杂波的基本参数;获取待仿真高分辨海杂波的初始纹理矩阵;为初始纹理矩阵添加时间纹理;为时间纹理矩阵添加空间纹理;获取待仿真高分辨海杂波的初始散斑矩阵;对初始散斑矩阵添加脉间相关性并进行归一化;对归一化迭代矩阵添加多普勒偏移;获取仿真结果。本发明弥补了现有方法对涌浪空时纹理结构仿真结果的幅度起伏和空间相关性与实测海杂波对应特性相差较大的缺点,并且利用一阶自回归模型为脉冲序列添加相关性,可以更方便地控制待仿真高分辨海杂波的脉间去相关时间。
Description
技术领域
本发明属于信号处理技术领域,涉及一种雷达回波仿真方法,具体涉及一种高分辨海杂波数据仿真方法,可用于优化雷达目标检测算法和评估雷达性能。
背景技术
海杂波作为雷达照射到海面目标时的背景回波信号,其物理机理复杂,影响因素众多,且非高斯、非平稳特性显著,严重影响了雷达的目标信号检测性能。对于早期雷达,由于硬件性能限制,雷达的距离分辨率较低,雷达回波分辨单元面积远大于海面散射体结构的面积,所以在一个回波分辨单元中含有大量的海面散射结构。根据中心极限定理,低分辨雷达回波幅度近似服从高斯分布,相位近似服从均匀分布。随着硬件技术的发展,高分辨雷达已广泛应用到海面目标检测、海上搜救、海洋遥感等领域。对于高分辨雷达,其分辨单元的面积与海面散射体结构的面积相近,所以回波的幅度分布具有很强的非高斯性,频谱具有明显的偏移中心。利用传统方法仿真的海杂波数据已无法满足应用需要。因此,通过对高分辨海杂波建立合适的仿真模型,在优化雷达目标检测算法和评估雷达性能等应用中有重要意义,并且在雷达***设计方面有着重要的指导作用。
海杂波的仿真在对海雷达信号检测中具有重要的地位。研究者最初对海杂波的仿真是采用Monte-Carlo法产生具有一定概率密度分布函数的随机序列。经典的海杂波幅度概率密度分布模型有瑞利分布、对数正态分布、韦布尔分布以及K分布。但是利用上述方法产生的随机序列均属白噪声序列,而实际遇到的海杂波不仅具有幅度上的统计分布特性,同时又满足某种相关性,在将上述仿真结果应用到雷达目标检测等方面时,存在相关性失真现象的上述仿真数据将造成严重的检测算法失配。因此,为了使仿真的数据同时满足某种特定相关特性和幅度分布特性,当前比较有代表性的方法有球不变随机过程法和零记忆非线性变换法,还有一种极少用的随机微分方程法。然而这些从统计理论出发的海杂波幅度统计模型是一种经验模型,未能考虑到雷达的实际分辨率条件以及海况条件,不能根据实际雷达***的工作环境对待仿真杂波的特性进行控制。所以需要针对具体的雷达分辨率和海况参数进行海杂波仿真,从而研究雷达检测算法实际应用性能。
例如,申请公布号为CN104318593A,名称为“一种雷达海杂波的仿真方法和***”的专利申请,公开了一种雷达海杂波的仿真方法。该发明通过生成复合K分布模型的随机序列,将所生成的随机序列通过一个空间相关性滤波器,生成具有空间相关特性的随机序列,对具有空间相关特性的随机序列进行Kai分布功率调制,得到海杂波空间图像。该发明以SIRV法为基本框架,利用经验函数得到空间相关性滤波器,并通过该滤波器实现了对海杂波仿真数据空间相关性的添加。但是,该发明通过相关性滤波器添加空间相关性,所生成海杂波的涌浪结构的空时纹理结构幅度起伏不明显,与实测高分辨海杂波的纹理结构在幅度起伏上具有明显差异。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种高分辨海杂波的仿真方法,通过获取具有明显空时纹理的高分辨海杂波数据,减小仿真数据与实测海杂波之间的差异。
为实现上述技术目的,本发明的技术方案包括如下步骤:
(1)设置待仿真高分辨海杂波的基本参数:
设置待仿真高分辨海杂波脉冲维的大小为n,距离维的大小为r,涌浪在某一固定点起伏的平均时间周期为Ts,涌浪在某一固定时间上相邻波峰间的平均距离为Ls,雷达脉冲重复周期为△T,距离分辨单元长度为△r,雷达回波波长为λ,形状参数为v,尺度参数为b,涌浪运动方向与雷达回波方向的夹角为脉间相关性迭代系数为ρ,其中,n≥2,n∈N*,r≥2,r∈N*,N*表示正整数,v≥0,v∈R*,b≥0,b∈R*,R*表示正实数;
(2)获取待仿真高分辨海杂波的初始纹理矩阵V(n,r):
其中,vx,y表示初始纹理矩阵V(n,r)中第x个脉冲第y个距离单元上的元素,且vx,y服从独立同分布的参数为(v,b)的逆Gamma分布,x∈[1,n],y∈[1,r];
(3)为初始纹理矩阵V(n,r)添加时间纹理:
(3a)将待仿真高分辨海杂波的初始纹理矩阵V(n,r)的每个距离单元上的所有脉冲时间序列v·,y的前[n/NT]·NT个脉冲划分为长度为NT的脉冲块,若n>[n/NT]·NT,则将剩余的n-[n/NT]·NT个脉冲也作为一个脉冲块;
(3b)对每个脉冲块内的前[NT/2]个数据进行升序排列,若脉冲块内数据量小于等于[NT/2],则对脉冲块内所有数据进行升序排列,若脉冲块的长度大于[NT/2],则对脉冲块内剩余数据进行降序排列,得到待仿真高分辨海杂波的时间纹理矩阵
其中,[·]表示取整运算;
(5)获取待仿真高分辨海杂波的初始散斑矩阵w(n,r):
将待仿真高分辨海杂波的参数n和r作为MATLAB软件中函数randn(·)的输入,得到待仿真高分辨海杂波的初始散斑矩阵w(n,r):
其中,i表示虚数单位,px,y和qx,y表示初始散斑矩阵w(n,r)中第x个脉冲第y个距离单元上元素的实部和虚部,且px,y和qx,y服从独立同分布的零均值单位方差的高斯分布,x∈[1,n],y∈[1,r];
(6)对初始散斑矩阵w(n,r)添加脉间相关性并进行归一化:
(6a)利用待仿真高分辨海杂波的初始散斑矩阵w(n,r)和待仿真高分辨海杂波的脉间相关性迭代系数ρ,计算具有脉间相关性的待仿真高分辨海杂波的迭代矩阵X(n,r):
X(n,r)=ρX(n-1,r)+w(n,r)
(8)获取仿真结果:
利用空时纹理矩阵τ(n,r)和散斑矩阵u(n,r),计算高分辨海杂波矩阵c(n,r)。
本发明与现有技术相比,具有以下优点:
1)由于本发明在获取待仿真高分辨海杂波纹理矩阵时,是利用涌浪的持续时间和空间长度信息对初始纹理矩阵进行周期性起伏和移位处理实现的,与现有技术采用的空间滤波器法相比,仿真得到的海杂波数据幅度中的空时纹理显示效果和空间上的周期性相关现象与实测数据更相符。
2)由于本发明利用一阶自回归模型为海杂波仿真数据的散斑分量添加脉间相关性,与现有方法中利用时间相关矩阵添加脉间相关性的方式相比,可以更方便地利用脉间相关性迭代系数控制待仿真高分辨海杂波的脉冲去相关时间。
3)由于本发明利用排序操作在脉冲维进行操作,与现有方法中利用只取定值的方式相比,可以保证在相干处理间隔内,所处理脉冲串可建模为球不变随机过程,而在长脉冲处理间隔中,所处理的脉冲串所服从的模型也可退化为复合高斯模型,便于后期目标检测算法的设计。
附图说明
图1为本发明的实现流程图;
图2为本发明和现有技术对实测高分辨海杂波的幅度仿真对比图;
图3为本发明和现有技术对实测高分辨海杂波的空间相关性仿真对比图。
具体实施方式
下面结合附图和具体实施例,对本发明作进一步详细描述:
参照图1,一种高分辨海杂波的仿真方法,包括如下步骤:
步骤(1),设置待仿真高分辨海杂波的基本参数如下:
设置待仿真高分辨海杂波脉冲维的大小为n=256,距离维的大小为r=128,涌浪在某一固定点起伏的平均时间周期为Ts=10s,涌浪在某一固定时间上相邻波峰间的平均距离为Ls=50m,雷达脉冲重复周期为△T=0.001s,距离分辨单元长度为△r=1m,雷达回波波长为λ=0.03m,形状参数为v=2,尺度参数为b=1,涌浪运动方向与雷达回波方向的夹角为脉间相关性迭代系数为ρ=0.9。
步骤(2),获取待仿真高分辨海杂波的初始纹理矩阵V(n,r)。
其中,vx,y表示初始纹理矩阵V(n,r)中第x个脉冲第y个距离单元上的元素,且vx,y服从独立同分布的参数为(v,b)的逆Gamma分布,x∈[1,n],y∈[1,r]。
步骤(3),为初始纹理矩阵V(n,r)添加时间纹理。
(3a)将待仿真高分辨海杂波的初始纹理矩阵V(n,r)的每个距离单元上的所有脉冲时间序列v·,y的前[n/NT]·NT个脉冲划分为长度为NT的脉冲块,若n>[n/NT]·NT,则将剩余的n-[n/NT]·NT个脉冲也作为一个脉冲块,脉冲块长度NT的计算公式为:
(3b)对每个脉冲块内的前[NT/2]个数据进行升序排列,若脉冲块内数据量小于等于[NT/2],则对脉冲块内所有数据进行升序排列,若脉冲块的长度大于[NT/2],则对脉冲块内剩余数据进行降序排列,得到待仿真高分辨海杂波的时间纹理矩阵
其中,[·]表示向下取整运算,利用脉内重排的方法为待仿真高分辨海杂波的每个距离单元上的脉冲添加周期性起伏。
(4a)利用待仿真高分辨海杂波中涌浪在某一固定点起伏的平均时间周期Ts,涌浪在某一固定时间上相邻波峰间的平均距离Ls,雷达脉冲重复周期△T,距离分辨单元长度△r和涌浪运动方向与雷达回波方向的夹角计算相邻距离维间由于涌浪运动造成的脉冲偏移量Nr:
其中,空时纹理矩阵τ(n,r)主要用于控制待仿真高分辨海杂波由于大尺度的涌浪纹理结构造成的幅度起伏、空间相关性以及涌浪的位移速度。
步骤(5)获取待仿真高分辨海杂波的初始散斑矩阵w(n,r):
将待仿真高分辨海杂波的参数n和r作为MATLAB软件中函数randn(·)的输入,得到待仿真高分辨海杂波的初始散斑矩阵w(n,r):
其中,i表示虚数单位,px,y和qx,y表示初始散斑矩阵w(n,r)中第x个脉冲第y个距离单元上元素的实部和虚部,且px,y和qx,y服从独立同分布的零均值单位方差的高斯分布,x∈[1,n],y∈[1,r]。
步骤(6)对初始散斑矩阵w(n,r)添加脉间相关性并进行归一化:
(6a)根据一阶自回归模型,利用待仿真高分辨海杂波的初始散斑矩阵w(n,r)和待仿真高分辨海杂波的脉间相关性迭代系数ρ,计算具有脉间相关性的待仿真高分辨海杂波的迭代矩阵X(n,r):
X(n,r)=ρX(n-1,r)+w(n,r)
(6b)利用待仿真高分辨海杂波的脉间相关性迭代系数ρ和一阶自回归模型原理,计算迭代矩阵X(n,r)所代表的海杂波散斑成分的平均功率PX:
其中,cons表示自回归模型中迭代初期的暂态响应长度,一般取cons>1000。
(7a)利用待仿真高分辨海杂波的涌浪在某一固定点起伏的平均时间周期Ts,涌浪在某一固定时间上相邻波峰间的平均距离Ls,涌浪运动方向与雷达回波方向的夹角和待仿真高分辨海杂波的雷达回波波长λ,计算多普勒偏移fd:
其中,散斑矩阵u(n,r)用于控制待仿真高分辨海杂波的时间相关性以及多普勒速度等频域信息。
步骤(8)获取仿真结果:
利用空时纹理矩阵τ(n,r)和散斑矩阵u(n,r),计算高分辨海杂波矩阵c(n,r):
基于步骤1到步骤8,实现了具有空时纹理结构的高分辨海杂波数据的仿真。
下面结合仿真实验,对本发明的技术效果作进一步说明。
1.仿真条件和内容:
仿真条件:MATLAB R2017a,Intel(R)Core(TM)i5 6300HQ CPU 2.30GHz,Windows10(Home)。
实测数据来自南非西海岸的Fynmeet雷达,该雷达安置在海拔67m的山上,工作在小擦地角的驻留模式下,载频6.9GHz,距离分辨率15m,雷达脉冲重复频率2.5kHz,VV极化,使用的数据编号为TFC15_015.mat。
仿真内容:利用本发明、现有的SIRV方法对实测高分辨海杂波空时纹理幅度变化和空间相关性进行对比仿真,其结果如图2和图3所示。
2.仿真结果分析:
参考图2,其中:
图2(a)表示实测海杂波的空时纹理幅度变化图;
图2(b)表示采用本发明得到的高分辨海杂波幅度的仿真结果;
图2(c)表示采用现有SIRV方法得到的高分辨海杂波幅度的仿真结果。
图2中三幅子图的横轴表示距离维,纵轴表示脉冲维。从图2中可以看出,采用本发明得到的高分辨海杂波仿真结果与现有SIRV方法相比,在幅度上具有明显的空时纹理起伏效果,与实测数据空时纹理的幅度起伏更相近。
参考图3,其中:
图3(a)表示实测海杂波的空间相关性曲线;
图3(b)表示采用本发明得到的高分辨海杂波空间相关性曲线的仿真结果;
图3(c)表示采用现有SIRV方法得到的高分辨海杂波空间相关性曲线仿真结果。
图3中三幅子图的横轴表示距离,纵轴表示相关性。从图3中可以看出,采用本发明得到的高分辨海杂波仿真结果与现有SIRV方法相比,在空间相关性上具有明显的周期性起伏,与实测数据的空间相关性曲线变化趋势更相近。
综上所述,本发明提出的一种高分辨海杂波的仿真方法,与现有方法相比能够更有效仿真高分辨海杂波的空时纹理特性,一方面本发明通过脉内重排和脉冲偏移的方法可以有效解决现有方法对涌浪的空时纹理的幅度起伏特性仿真效果差的问题;另一方面本发明的高分辨海杂波仿真结果相对于现有方法在空间相关性上具有更明显的周期性起伏,与实际海面涌浪结构对雷达回波造成的空间周期性影响相符。
Claims (4)
1.一种高分辨海杂波的仿真方法,其特征在于,包括如下步骤:
(1)设置待仿真高分辨海杂波的基本参数:
设置待仿真高分辨海杂波脉冲维的大小为n,距离维的大小为r,涌浪在某一固定点起伏的平均时间周期为Ts,涌浪在某一固定时间上相邻波峰间的平均距离为Ls,雷达脉冲重复周期为△T,距离分辨单元长度为△r,雷达回波波长为λ,形状参数为v,尺度参数为b,涌浪运动方向与雷达回波方向的夹角为脉间相关性迭代系数为ρ,其中,n≥2,n∈N*,r≥2,r∈N*,N*表示正整数,v≥0,v∈R*,b≥0,b∈R*,R*表示正实数;
(2)获取待仿真高分辨海杂波的初始纹理矩阵V(n,r):
其中,vx,y表示初始纹理矩阵V(n,r)中第x个脉冲第y个距离单元上的元素,且vx,y服从独立同分布的参数为(v,b)的逆Gamma分布,x∈[1,n],y∈[1,r];
(3)为初始纹理矩阵V(n,r)添加时间纹理:
(3a)将待仿真高分辨海杂波的初始纹理矩阵V(n,r)的每个距离单元上的所有脉冲时间序列v·,y的前[n/NT]·NT个脉冲划分为长度为NT的脉冲块,若n>[n/NT]·NT,则将剩余的n-[n/NT]·NT个脉冲也作为一个脉冲块;
(3b)对每个脉冲块内的前[NT/2]个数据进行升序排列,若脉冲块内数据量小于等于[NT/2],则对脉冲块内所有数据进行升序排列,若脉冲块的长度大于[NT/2],则对脉冲块内剩余数据进行降序排列,得到待仿真高分辨海杂波的时间纹理矩阵:
其中,[·]表示取整运算;
(5)获取待仿真高分辨海杂波的初始散斑矩阵w(n,r):
将待仿真高分辨海杂波的参数n和r作为MATLAB软件中函数randn(·)的输入,得到待仿真高分辨海杂波的初始散斑矩阵w(n,r):
其中,i表示虚数单位,px,y和qx,y表示初始散斑矩阵w(n,r)中第x个脉冲第y个距离单元上元素的实部和虚部,且px,y和qx,y服从独立同分布的零均值单位方差的高斯分布,x∈[1,n],y∈[1,r];
(6)对初始散斑矩阵w(n,r)添加脉间相关性并进行归一化:
(6a)利用待仿真高分辨海杂波的初始散斑矩阵w(n,r)和待仿真高分辨海杂波的脉间相关性迭代系数ρ,计算具有脉间相关性的待仿真高分辨海杂波的迭代矩阵X(n,r):
X(n,r)=ρX(n-1,r)+w(n,r)
(8)获取仿真结果:
利用空时纹理矩阵τ(n,r)和散斑矩阵u(n,r),计算高分辨海杂波矩阵c(n,r)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360487.2A CN108594190B (zh) | 2018-04-20 | 2018-04-20 | 一种高分辨海杂波的仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810360487.2A CN108594190B (zh) | 2018-04-20 | 2018-04-20 | 一种高分辨海杂波的仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108594190A CN108594190A (zh) | 2018-09-28 |
CN108594190B true CN108594190B (zh) | 2021-04-27 |
Family
ID=63614381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810360487.2A Active CN108594190B (zh) | 2018-04-20 | 2018-04-20 | 一种高分辨海杂波的仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108594190B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940977B (zh) * | 2019-12-02 | 2021-10-19 | 中国船舶重工集团公司第七一九研究所 | 一种适配海况变化的恒虚警检测器及恒虚警检测方法 |
CN111337895B (zh) * | 2020-01-14 | 2021-11-09 | 北京理工大学 | 多通道海杂波空时相关性分析方法 |
CN111308433A (zh) * | 2020-03-26 | 2020-06-19 | 北京航空航天大学 | 一种包含纹理信息的海杂波仿真方法 |
CN112255601B (zh) * | 2020-10-17 | 2022-02-01 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种岸基多通道雷达仿机载数据诊断方法 |
CN113126056A (zh) * | 2021-04-16 | 2021-07-16 | 西安电子科技大学 | 基于海尖峰空时变特性的海尖峰模拟方法 |
CN113673355B (zh) * | 2021-07-23 | 2023-06-23 | 南京信息工程大学 | 一种海浪波谱仪回波波形分类方法 |
CN115825960B (zh) * | 2022-11-22 | 2023-12-19 | 北京卫星信息工程研究所 | 基于星载gnss-s雷达的海面风场反演方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002214330A (ja) * | 2001-01-22 | 2002-07-31 | Mitsubishi Electric Corp | パルスレーダ装置 |
WO2005052630A2 (en) * | 2003-10-29 | 2005-06-09 | Thales Nederland B.V. | Doppler polarimetric detection and classification methods |
US7286079B2 (en) * | 2005-04-21 | 2007-10-23 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter |
JP2007309784A (ja) * | 2006-05-18 | 2007-11-29 | Nec Corp | 合成開口レーダの画像処理装置及び方法 |
CN105931264A (zh) * | 2016-04-14 | 2016-09-07 | 西安电子科技大学 | 一种海面红外小目标检测方法 |
CN106093890A (zh) * | 2016-08-26 | 2016-11-09 | 零八电子集团有限公司 | 建立剩余杂波图抑制雷达剩余杂波的方法 |
CN106443627A (zh) * | 2016-09-23 | 2017-02-22 | 西安电子科技大学 | 基于Bayesian的K分布海杂波形状参数估计方法 |
CN106468770A (zh) * | 2016-09-23 | 2017-03-01 | 西安电子科技大学 | K分布杂波加噪声下的近最优雷达目标检测方法 |
CN107064904A (zh) * | 2017-06-08 | 2017-08-18 | 哈尔滨工业大学 | 一种基于虚拟孔径的舰载高频地波雷达方位高分辨方法 |
CN107132532A (zh) * | 2017-06-13 | 2017-09-05 | 西安电子科技大学 | 基于海尖峰抑制和多帧联合的小目标检测方法 |
CN107247259A (zh) * | 2017-07-10 | 2017-10-13 | 西安电子科技大学 | 基于神经网络的k分布海杂波形状参数估计方法 |
CN107271979A (zh) * | 2017-06-13 | 2017-10-20 | 西安电子科技大学 | 广义帕累托分布参数联合双分位点估计方法 |
CN107621635A (zh) * | 2017-08-21 | 2018-01-23 | 电子科技大学 | 一种前视海面目标角超分辨方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9696419B2 (en) * | 2014-05-06 | 2017-07-04 | Mark Resources, Inc. | Marine radar based on cylindrical array antennas with other applications |
-
2018
- 2018-04-20 CN CN201810360487.2A patent/CN108594190B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002214330A (ja) * | 2001-01-22 | 2002-07-31 | Mitsubishi Electric Corp | パルスレーダ装置 |
WO2005052630A2 (en) * | 2003-10-29 | 2005-06-09 | Thales Nederland B.V. | Doppler polarimetric detection and classification methods |
US7286079B2 (en) * | 2005-04-21 | 2007-10-23 | The United States Of America As Represented By The Secretary Of The Navy | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter |
JP2007309784A (ja) * | 2006-05-18 | 2007-11-29 | Nec Corp | 合成開口レーダの画像処理装置及び方法 |
CN105931264A (zh) * | 2016-04-14 | 2016-09-07 | 西安电子科技大学 | 一种海面红外小目标检测方法 |
CN106093890A (zh) * | 2016-08-26 | 2016-11-09 | 零八电子集团有限公司 | 建立剩余杂波图抑制雷达剩余杂波的方法 |
CN106443627A (zh) * | 2016-09-23 | 2017-02-22 | 西安电子科技大学 | 基于Bayesian的K分布海杂波形状参数估计方法 |
CN106468770A (zh) * | 2016-09-23 | 2017-03-01 | 西安电子科技大学 | K分布杂波加噪声下的近最优雷达目标检测方法 |
CN107064904A (zh) * | 2017-06-08 | 2017-08-18 | 哈尔滨工业大学 | 一种基于虚拟孔径的舰载高频地波雷达方位高分辨方法 |
CN107132532A (zh) * | 2017-06-13 | 2017-09-05 | 西安电子科技大学 | 基于海尖峰抑制和多帧联合的小目标检测方法 |
CN107271979A (zh) * | 2017-06-13 | 2017-10-20 | 西安电子科技大学 | 广义帕累托分布参数联合双分位点估计方法 |
CN107247259A (zh) * | 2017-07-10 | 2017-10-13 | 西安电子科技大学 | 基于神经网络的k分布海杂波形状参数估计方法 |
CN107621635A (zh) * | 2017-08-21 | 2018-01-23 | 电子科技大学 | 一种前视海面目标角超分辨方法 |
Non-Patent Citations (2)
Title |
---|
《A CFAR Adaptive Matched Filter Detector》;ROBEY F C et.al;《IEEE Transactions on Aerospace and Electronic Systems》;19921231;第28卷(第1期);全文 * |
《复合高斯海杂波模型下最优相干检测进展》;于涵 等;《科技导报》;20171231;第35卷(第20期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108594190A (zh) | 2018-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108594190B (zh) | 一种高分辨海杂波的仿真方法 | |
CN105699952B (zh) | 海杂波k分布形状参数的双分位点估计方法 | |
CN107490790B (zh) | 一种连续多脉冲相参海杂波的仿真方法 | |
CN103293521B (zh) | 一种利用x波段雷达探测近海海域水深的方法 | |
CN113534120B (zh) | 一种基于深度神经网络的多目标恒虚警率检测方法 | |
Wang et al. | Simulation of correlated low-grazing-angle sea clutter based on phase retrieval | |
Deep et al. | Radar cross‐sections of pedestrians at automotive radar frequencies using ray tracing and point scatterer modelling | |
CN110910448B (zh) | 一种海上溢油漂移轨迹溯源方法 | |
CN106199537B (zh) | 基于逆高斯纹理海杂波幅度分布参数的分位点估计方法 | |
CN104318593B (zh) | 一种雷达海杂波的仿真方法和*** | |
Fan et al. | Fractal properties of autoregressive spectrum and its application on weak target detection in sea clutter background | |
Rosenberg et al. | Characterisation of the Ingara HGA dataset | |
CN114117912A (zh) | 一种数据模型双驱动下的海杂波建模与抑制方法 | |
CN113655459A (zh) | 一种基于泊松盘采样的雷达无模糊多普勒扩展方法及装置 | |
CN112433208A (zh) | 一种双站圆周探地雷达快速时域成像方法及*** | |
CN112785052B (zh) | 基于粒子滤波算法的风速风向预测方法 | |
CN111308433A (zh) | 一种包含纹理信息的海杂波仿真方法 | |
Alvarez et al. | Predicting coastal morphological changes with empirical orthogonal function method | |
Bocquet | Analysis and simulation of low grazing angle X-band coherent radar sea clutter using memoryless nonlinear transformations | |
CN102662164B (zh) | 基于x波段雷达图像和粒子群优化的海表面流信息提取方法 | |
CN114966585B (zh) | 一种采用近场低速运动模拟高速运动的雷达回波生成方法 | |
CN116503716A (zh) | 一种雷达图像衍生与数据库扩容的方法 | |
He et al. | A robust scheme for deterministic sea wave reconstruction and prediction using coherent microwave radar | |
CN108896971B (zh) | 一种海面漂浮小目标回波的仿真方法 | |
CN106156496B (zh) | 逆高斯纹理的海杂波幅度模型参数的最大似然估计方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |