CN108896963B - 机载雷达空时自适应降维处理方法 - Google Patents
机载雷达空时自适应降维处理方法 Download PDFInfo
- Publication number
- CN108896963B CN108896963B CN201810456799.3A CN201810456799A CN108896963B CN 108896963 B CN108896963 B CN 108896963B CN 201810456799 A CN201810456799 A CN 201810456799A CN 108896963 B CN108896963 B CN 108896963B
- Authority
- CN
- China
- Prior art keywords
- filter
- space
- time
- stage
- dimension reduction
- 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
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
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种机载雷达空时自适应降维处理方法,主要解决传统空时自适应处理方法需要训练样本多,运算复杂度高的问题。其实现步骤是:1)利用多普勒三通道联合自适应处理方法对机载雷达***接收到的空时快拍数据及待检测单元的空时导向矢量进行预滤波处理,得到降维后的空时快拍数据和降维后的待检测单元的空时导向矢量;2)对降维后的空时快拍数据和降维后的待检测单元的空时导向矢量使用迭代相关相减结构多级维纳滤波器进行最佳权矢量的求解;3)利用最佳权矢量作为滤波系数,对降维后的空时快拍数据进行加权滤波处理,得到目标信息数据。本发明运算量小,数值稳定性好,能增强雷达***实时性,可用于机载雷达动目标的探测。
Description
技术领域
本发明属于雷达技术领域,更进一步涉及一种机载雷达空时自适应降维处理方法,可用于机载雷达动目标的探测。
背景技术
机载相控阵雷达以其作用距离长、灵活度和可靠性高,并且能够同时对多个目标/区域进行扫描/追踪的优点而用于侦察及监控入侵目标,在国防和民用建设方面起着举足轻重的作用。由于机载雷达经常工作在下视环境下,不仅需要面临强大的地海杂波,而且载机的运动还会使杂波波谱展宽。除此之外,隐身飞机、电磁干扰和低空突防等技术的出现及日益恶劣的电磁环境严重影响着雷达的目标搜索能力。因此,必须对接收的电磁能进行杂波抑制和目标增强,才能有效地识别目标。
空时自适应处理STAP是同时利用多个天线阵元和相干脉冲串采集到的信息进行多维自适应滤波,实现自适应杂波对消的一种技术,其包括全STAP和降维STAP两类。全STAP虽然性能优越,但是需要的训练样本多,运算资源消耗庞大,难以实现。降维STAP技术旨在保持杂波抑制性能接近全STAP技术的同时,降低运算复杂度,是雷达信号处理在工程领域上的前沿和热点技术。
西安电子科技大学在其申请的专利文献“基于EFA与MWF的机载雷达空时自适应处理方法”(申请号201610503844.7,公开号105911527B)中公开了一种基于EFA与MWF的机载雷达空时自适应处理方法,该专利文献公开的方法通过对雷达回波进行加权快速傅里叶变换,得到空域降维后的回波空时矢量,进而利用多级维纳滤波器对回波空时矢量进行自适应处理,得到回波自适应权矢量。该方法的不足是,传统MWF方法数值稳定性差,并且需要计算阻塞矩阵,运算复杂度高,实时性差。
和洁在其发表的论文“降维自适应阵列信号处理及其在MIMO雷达的应用”(西安电子科技大学博士学位论文2011.9)中提出了一种空时二维自适应级联降维准最优方法,该算法首先利用空时相邻多波束STMB方法对空时信号进行降维处理,降低杂波自由度,然后采用多级维纳滤波器处理预处理输出的信号,求解权向量。该方法的不足之处是,虽然STMB运算量小,但是在空域存在较大阵元误差时,杂波抑制性能差,而且多级维纳滤波器需要求解阻塞矩阵,难以满足实时性要求。
发明内容
本发明的目的在于提出一种机载雷达空时自适应降维处理方法,以解决传统空时自适应处理方法需要训练样本多,运算复杂度高和实时性差的问题。
实现本发明的基本思路是:首先通过快速傅里叶变换FFT对空时快拍数据进行变换域处理,每次选取3个相邻的多普勒通道进行局部滤波以缩小信号子空间的自由度,然后利用迭代相关相减结构多级维纳滤波器CSA-MWF,求解出最优权矢量,得到目标信息数据,其实现步骤包括如下:
(1)对机载雷达***接收到的空时快拍数据x及待检测单元的空时导向矢量s,使用多普勒三通道联合自适应处理3DT方法进行预滤波处理,得到降维后的空时快拍数据xr和降维后的待检测单元的空时导向矢量sr;
(2)对降维后的空时快拍数据xr和降维后的待检测单元的空时导向矢量sr,使用迭代相关相减结构多级维纳滤波器求解最佳权矢量wr:
(2a)对迭代相关相减结构多级维纳滤波器初始化:
(2a1)设定p为滤波器的总级数;i为滤波器的前向递推分解的级数索引,i=1,2,...,p,i的初始值为1;i'为滤波器的后向递推综合的级数索引,i'=p,p-1,...,2,i'的初始值为p;将降维后的空时快拍数据xr作为初始观测信号y0,即y0=xr;将降维后的待检测单元的空时导向矢量sr进行归一化,并将其作为滤波器第1级的归一化互相关矢量h1,即h1=sr/||sr||,式中,||·||表示向量的2范数;
(2a2)根据滤波器第1级的归一化互相关矢量h1和初始观测信号y0,得到滤波器第1级的期望信号:d1=h1 Hy0,(·)H表示转置共轭矩阵;
(2b)根据滤波器第i-1级的归一化互相关矢量hi-1和观测信号yi-1,通过归一化处理,得到第i级的归一化互相关矢量hi:
(2c)将滤波器第i-1级的观测信号yi-1投影到滤波器第i级的归一化互相关矢量hi的方向及与hi正交的方向上,得到滤波器第i级的期望信号:di=hi Hyi-1di和滤波器第i级的观测信号:yi=yi-1-hidi;
(2d)令i自加1,重复步骤(2b)和(2c),直至i=p,得到滤波器第p级的期望信号dp和滤波器第p级的观测信号yp;将滤波器第p级的期望信号dp作为滤波器第p级的输出误差信号:εp=dp;
(2e)利用滤波器第i'-1级的期望信号di'-1和滤波器第i'级的输出误差信号εi',计算滤波器第i'-1级的标量权值wi'-1和第i'-1级的输出误差信号εi'-1:
wi'-1=E[di'-1εi' *]/E[|εi'|2],εi'-1=di'-1-wi'-1 *εi',
其中|·|表示复数的模,(·)*表示求共轭;
(2f)令i'自减1,重复步骤(2e)直至i'=2,得到滤波器第1级的标量权值w1和滤波器第1级的输出误差信号ε1;
(2g)利用滤波器各级的标量权值w1,w2,...,wp-1,得到滤波器后向综合的权矢量wr':
(2h)利用滤波器各级的归一化互相关矢量h1,h1,...,hp和滤波器后向综合的权矢量wr'wr',得到最佳权矢量:wr=[h1 h2 … hp]Twr',其中(·)T表示转置;
(3)利用最佳权矢量wr作为滤波系数,对降维后的空时快拍数据xr进行加权滤波处理,得到目标信息数据:zr=wr Hxr。
本发明与现有技术相比具有以下优点:
第一,本发明由于在最优权矢量求解前对雷达回波数据进行时域降维处理,解决了传统空时自适应处理方法对样本量要求高的问题,减小了性能损失,提高了雷达***实时处理数据的能力。
第二,本发明由于使用迭代相关相减结构多级维纳滤波器,规避了传统多级维纳滤波器需要计算阻塞矩阵的问题,有效地降低了多级维纳滤波器前向递推的运算量,增强了雷达***的实时性。
第三,本发明由于使用迭代相关相减结构多级维纳滤波器,增强了雷达***目标识别的稳定性。
附图说明
图1为本发明的实现流程图;
图2为本发明中使用3DT方法进行预滤波处理的子流程图;
图3为本发明中使用迭代相关相减结构多级维纳滤波器求解最佳权矢量的子流程图;
图4为本发明中使用的迭代相关相减结构多级维纳滤波器结构图;
图5为本发明和现有方法的改善因子随归一化多普勒频率变化的关系曲线图;
图6为本发明和现有方法的滤波输出功率随距离门数变化的关系曲线图;
图7为本发明和现有方法的运算量随阵列单元数变化的关系曲线图。
具体实施方式:
以下结合附图和实施例做进一步详细描述:
参照图1,本发明的实现步骤如下:
步骤1,对机载雷达***接收到的空时快拍数据x及待检测单元的空时导向矢量s,使用多普勒三通道联合自适应处理3DT方法进行预滤波处理,得到降维后的空时快拍数据xr和降维后的待检测单元的空时导向矢量sr。
参照图2,本步骤的具体实现如下:
(1a)获取机载雷达***接收到的空时快拍数据x及待检测单元的空时导向矢量s,其中x为NM×6N维矩阵,s为NM×1维矩阵,N为机载雷达***等间距分布的阵列单元数目,M为一个相干脉冲间隔内发射的脉冲数目;
(1b)选取待检测单元所在的多普勒通道l及其两侧相邻的多普勒通道l+1,l-1,构造3DT降维变换矩阵Tr:
其中,Tt表示多普勒三通道联合自适应处理3DT方法进行时域降维使用的MN×3N维变换矩阵,Ts表示多普勒三通道联合自适应处理3DT方法进行空域降维使用的N×N维变换矩阵,即N×N维单位矩阵IN;fd,l-1、fd,l、fd,l+1分别是第l-1个、第l个、第l+1个多普勒通道的归一化多普勒频率;j是虚部单位;表示克罗内克积算子;e表示自然常数;
(1c)利用3DT降维变换矩阵Tr,对多普勒通道l及其两侧相邻的两个多普勒通道l+1,l-1进行快速傅里叶变换,将x由阵元-脉冲域转换到阵元-多普勒域,得到降维后的空时快拍数据:xr=Tr Hx;
(1d)利用3DT降维变换矩阵Tr,对待检测单元的空时导向矢量s进行快速傅里叶变换,得到降维后的待检测单元的空时导向矢量:sr=Tr Hs。
步骤2,对降维后的空时快拍数据xr和降维后的待检测单元的空时导向矢量sr,使用迭代相关相减结构多级维纳滤波器求解最佳权矢量wr。
如图4所示,所述迭代相关相减结构多级维纳滤波器CSA-MWF,其总级数为p,并在第p级进行截断,即取εp=dp,迭代相关相减结构多级维纳滤波器CSA-MWF之所以能够进行快速降维,就是因为其在前向递推和后向递推之间对分解的级数进行了截断操作;y0为滤波器的初始观测信号;d1为滤波器第1级的期望信号;h1为滤波器第1级的归一化互相关矢量;w1为滤波器第1级的标量权值;ε1为滤波器第1级的输出误差信号,εi'滤波器第p级的输出误差信号。
参照图3,本步骤的具体实现如下:
(2a)对迭代相关相减结构多级维纳滤波器初始化:
(2a1)设定p为滤波器的总级数,i为滤波器的前向递推分解的级数索引,i=1,2,...,p;i'为滤波器的后向递推综合的级数索引,i'=p,p-1,...,2;将降维后的空时快拍数据xr作为初始观测信号y0,即y0=xr;将降维后的待检测单元的空时导向矢量sr进行归一化,并将其作为滤波器第1级的归一化互相关矢量h1,即h1=sr/||sr||,式中,||·||表示向量的2范数;
(2a2)根据滤波器第1级的归一化互相关矢量h1和初始观测信号y0,得到滤波器第1级的期望信号:d1=h1 Hy0,(·)H表示转置共轭矩阵;
(2b)根据滤波器第i-1级的归一化互相关矢量hi-1和观测信号yi-1,通过归一化处理,得到滤波器第i级的归一化互相关矢量hi:
(2c)将滤波器第i-1级的观测信号yi-1投影到滤波器第i级的归一化互相关矢量hi的方向及与hi正交的方向上,得到滤波器第i级的期望信号di和第i级的观测信号yi:
di=hi Hyi-1,
yi=yi-1-hidi;
(2d)令i自加1,重复步骤(2b)和(2c),直至i=p,得到滤波器第p级的期望信号dp和滤波器第p级的观测信号yp,并将滤波器第p级的期望信号dp作为滤波器第p级的输出误差信号:εp=dp;
(2e)利用滤波器第i'-1级的期望信号di'-1和滤波器第i'级的输出误差信号εi',计算滤波器第i'-1级的标量权值wi'-1和第i'-1级的输出误差信号εi'-1:
wi'-1=E[di'-1εi' *]/E[|εi'|2],
εi'-1=di'-1-wi'-1 *εi',
其中|·|表示复数的模,(·)*表示求共轭;
(2f)令i'自减1,重复步骤(2e)直至i'=2,得到滤波器第1级的标量权值w1和滤波器第1级的输出误差信号ε1;
(2g)利用滤波器各级的标量权值w1,w2,...,wp-1,得到滤波器后向综合的权矢量wr':
其中,Π表示累乘;
(2h)利用滤波器各级的归一化互相关矢量h1,h1,...,hp和滤波器后向综合的权矢量wr',得到最佳权矢量:wr=[h1 h2 … hp]Twr',其中(·)T表示转置。
步骤3,利用最佳权矢量wr作为滤波系数,对降维后的空时快拍数据xr进行加权滤波处理,得到目标信息数据:zr=wr Hxr。
本发明的效果可通过以下实验进一步验证说明。
(一)仿真条件:
雷达的工作波长为λ=0.67m,等间距分布的天线阵元数为N=18,阵列单元的间距在数值为工作波长的一半,即d=0.33m;一个CPI内的连续接收的脉冲数为M=36,脉冲重复频率为fr=1500Hz,载机的速度为va=250m·s-1,载台的高度为H=9000m,杂噪比CNR=60dB,线阵轴与载机的运动方向垂直。
(二)仿真内容与结果:
仿真一,在相同背景下用现有全空时自适应处理、多普勒三通道联合自适应处理3DT和本发明三种方法对雷达回波数据进行滤波处理,对比其杂波抑制性能,结果如图5所示。
从图5可见,本发明的杂波抑制性能与3DT方法的杂波抑制性能相当,与全空时适应处理方法的杂波抑制性能相差在5dB以内,具备良好的杂波抑制性能。
仿真二,选取编号为1~216的216个距离门,在相同背景下用现有全空时自适应处理、多普勒三通道联合自适应处理3DT和本发明三种方法对雷达回波数据进行滤波处理,对比其滤波输出功率,结果如图6所示。
从图6中可见,本发明、全空时自适应处理方法和3DT方法都能在相同的距离门处正确探测到目标,并且本发明能够有效地从杂波、干扰和噪声背景中实现动目标的分离。
仿真三,在相同背景下,用多普勒三通道联合自适应处理3DT和本发明两种方法对雷达回波数据进行空时自适应降维处理,对比其运算复杂度,结果如图7所示。图7中,采用基于QR分解的方法来估计求解协方差矩阵的逆所需要的运算量。
从图7可见,本发明的运算量明显比3DT方法的运算量小,并且随着阵列单元数目的增多,本发明的运算量涨幅相对较小,具有快速收敛性。
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明的内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修改和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求范围之内。
Claims (2)
1.一种机载雷达空时自适应降维处理方法,其特征在于,包括如下:
(1)对机载雷达***接收到的空时快拍数据x和待检测单元的空时导向矢量s,使用多普勒三通道联合自适应处理3DT方法进行预滤波处理,得到降维后的空时快拍数据xr和降维后的待检测单元的空时导向矢量sr;
(2)对降维后的空时快拍数据xr和降维后的待检测单元的空时导向矢量sr,使用迭代相关相减结构多级维纳滤波器求解最佳权矢量wr:
(2a)对迭代相关相减结构多级维纳滤波器初始化:
(2a1)设定p为滤波器的总级数;i为滤波器前向递推分解的级数索引,i=1,2,...,p,i的初始值为1;i'为滤波器后向递推综合的级数索引,i'=p,p-1,...,2,i'的初始值为p;将降维后的空时快拍数据xr作为初始观测信号y0,即y0=xr;将降维后的待检测单元的空时导向矢量sr进行归一化,并将其作为滤波器第1级的归一化互相关矢量h1,即h1=sr/||sr||,式中,||·||表示向量的2范数;
(2a2)根据滤波器第1级的归一化互相关矢量h1和初始观测信号y0,得到滤波器第1级的期望信号:d1=h1 Hy0,(·)H表示转置共轭矩阵;
(2b)根据滤波器第i-1级的归一化互相关矢量hi-1和观测信号yi-1,通过归一化处理,得到第i级的归一化互相关矢量hi:
(2c)将滤波器第i-1级的观测信号yi-1投影到滤波器第i级的归一化互相关矢量hi的方向及与hi正交的方向上,得到滤波器第i级的期望信号:di=hi Hyi-1di和滤波器第i级的观测信号:yi=yi-1-hidi;
(2d)令i自加1,重复步骤(2b)和(2c),直至i=p,得到滤波器第p级的期望信号dp和滤波器第p级的观测信号yp;将滤波器第p级的期望信号dp作为滤波器第p级的输出误差信号:εp=dp;
(2e)利用滤波器第i'-1级的期望信号di'-1和滤波器第i'级的输出误差信号εi',计算滤波器第i'级的标量权值wi'和第i'-1级的输出误差信号εi'-1:
wi'=E[di'-1εi' *]/E[|εi'|2],εi'-1=di'-1-wi' *εi',
其中|·|表示复数的模,(·)*表示求共轭;
(2f)令i'自减1,重复步骤(2e)直至i'=1,得到滤波器第1级的标量权值w1和滤波器第1级的输出误差信号ε1;
(2g)利用滤波器各级的标量权值w1,w2,...,wp-1,得到滤波器后向综合的权矢量wr':
(2h)利用滤波器各级的归一化互相关矢量h1,h1,...,hp和滤波器后向综合的权矢量wr',得到最佳权矢量:wr=[h1 h2 … hp]Twr',其中(·)T表示转置;
(3)利用最佳权矢量wr作为滤波系数,对降维后的空时快拍数据xr进行加权滤波处理,得到目标信息数据:zr=wr Hxr。
2.根据权利要求1所述的方法,其特征在于,在步骤(1)中对机载雷达***接收到的空时快拍数据x和待检测单元的空时导向矢量s,使用多普勒三通道联合自适应处理3DT方法进行预滤波处理,按如下步骤进行:
(2a)获取机载雷达***接收到的空时快拍数据x和待检测单元的空时导向矢量s,其中x为NM×6N维矩阵,s为NM×1维矩阵,N为机载雷达***等间距分布的阵列单元数目,M为一个相干脉冲间隔内发射的脉冲数目;
(2b)选取待检测单元所在的多普勒通道l及其两侧相邻的多普勒通道l+1,l-1,构造3DT降维变换矩阵Tr:
其中,Tt表示多普勒三通道联合自适应处理3DT方法进行时域降维使用的MN×3N维变换矩阵,Ts表示多普勒三通道联合自适应处理3DT方法进行空域降维使用的N×N维变换矩阵,即N×N维单位矩阵IN;fd,l-1、fd,l、fd,l+1分别是第l-1个、第l个、第l+1个多普勒通道的归一化多普勒频率;j是虚部单位;表示克罗内克积算子;e表示自然常数;
(2c)利用3DT降维变换矩阵Tr,对多普勒通道l及其两侧相邻的两个多普勒通道l+1,l-1进行快速傅里叶变换,将x由阵元-脉冲域转换到阵元-多普勒域,得到降维后的空时快拍数据:xr=Tr Hx;
(2d)利用3DT降维变换矩阵Tr,对待检测单元的空时导向矢量s进行快速傅里叶变换,得到降维后的待检测单元的空时导向矢量:sr=Tr Hs。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810456799.3A CN108896963B (zh) | 2018-05-14 | 2018-05-14 | 机载雷达空时自适应降维处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810456799.3A CN108896963B (zh) | 2018-05-14 | 2018-05-14 | 机载雷达空时自适应降维处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108896963A CN108896963A (zh) | 2018-11-27 |
CN108896963B true CN108896963B (zh) | 2022-03-04 |
Family
ID=64342974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810456799.3A Active CN108896963B (zh) | 2018-05-14 | 2018-05-14 | 机载雷达空时自适应降维处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108896963B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109839619B (zh) * | 2019-03-15 | 2020-10-16 | 北京应用物理与计算数学研究所 | 基于自适应分桶的雷达信号粗分选方法、***及存储介质 |
CN110850421A (zh) * | 2019-11-21 | 2020-02-28 | 中国科学院声学研究所 | 基于混响对称谱的空时自适应处理的水下目标检测方法 |
CN115327505B (zh) * | 2022-10-12 | 2023-01-24 | 深圳大学 | 一种多径环境下低空目标角度估计方法及相关设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353947A (zh) * | 2011-07-08 | 2012-02-15 | 哈尔滨工程大学 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
CN103728606A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 机载mimo雷达的多普勒通道关联两级降维方法 |
CN105911527A (zh) * | 2016-06-30 | 2016-08-31 | 西安电子科技大学 | 基于efa与mwf的机载雷达空时自适应处理方法 |
WO2018014166A1 (zh) * | 2016-07-18 | 2018-01-25 | 深圳大学 | 一种波束-多普勒通道自适应选择stap方法 |
-
2018
- 2018-05-14 CN CN201810456799.3A patent/CN108896963B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102353947A (zh) * | 2011-07-08 | 2012-02-15 | 哈尔滨工程大学 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
CN103728606A (zh) * | 2014-01-16 | 2014-04-16 | 西安电子科技大学 | 机载mimo雷达的多普勒通道关联两级降维方法 |
CN105911527A (zh) * | 2016-06-30 | 2016-08-31 | 西安电子科技大学 | 基于efa与mwf的机载雷达空时自适应处理方法 |
WO2018014166A1 (zh) * | 2016-07-18 | 2018-01-25 | 深圳大学 | 一种波束-多普勒通道自适应选择stap方法 |
Non-Patent Citations (4)
Title |
---|
An Efficient Dimensional Reduction of the Blocking Matrix for the Multistage Wiener Filter;Junichiro Suzuki 等;《2007 Conference Record of the Forty-First Asilomar Conference on Signals, Systems and Computers》;20080411;第592-596页 * |
Study on reduced-rand algorithms for space-time in GPS receiver;Lili Wang 等;《ISAPE2012》;20130111;第1241-1244页 * |
一种GPS空时抗干扰的DSP实现方法;符林强 等;《中国电子科学研究院学报》;20101220;第652-655页 * |
北斗空时抗干扰降维算法研究;康博 等;《舰船电子对抗》;20161225;第74-77页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108896963A (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546965B (zh) | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 | |
CN103399303B (zh) | 机载雷达抗密集转发式欺骗干扰方法与*** | |
CN103901417B (zh) | L型阵列mimo雷达低复杂度空间目标二维角度估计方法 | |
CN105929371B (zh) | 一种基于协方差矩阵估计的机载雷达杂波抑制方法 | |
CN106970369B (zh) | 基于知识辅助的宽带雷达目标检测方法 | |
CN109444820B (zh) | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 | |
CN110133631B (zh) | 一种基于模糊函数的频控阵mimo雷达目标定位方法 | |
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN108896963B (zh) | 机载雷达空时自适应降维处理方法 | |
CN109375179A (zh) | 一种基于稀疏表示的机载雷达近程强杂波抑制方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN113835068B (zh) | 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法 | |
CN108931766A (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
CN101881822A (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
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 | |
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 | |
CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN109188373B (zh) | 基于子阵阻塞矩阵预处理的抗主瓣干扰方法 | |
CN111007487A (zh) | 一种基于时间反演的多基地雷达目标检测方法 | |
CN113376606B (zh) | 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法 | |
CN105572642B (zh) | 一种基于两级架构的空时自适应处理方法 | |
Guan et al. | A CFAR detector for MIMO array radar based on adaptive pulse compression-Capon filter | |
CN110850421A (zh) | 基于混响对称谱的空时自适应处理的水下目标检测方法 | |
CN114428228B (zh) | 高重频和差天线雷达导引头的杂波抑制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |