CN108983189B - 一种振动目标的二维微动轨迹估计方法 - Google Patents
一种振动目标的二维微动轨迹估计方法 Download PDFInfo
- Publication number
- CN108983189B CN108983189B CN201810796582.7A CN201810796582A CN108983189B CN 108983189 B CN108983189 B CN 108983189B CN 201810796582 A CN201810796582 A CN 201810796582A CN 108983189 B CN108983189 B CN 108983189B
- Authority
- CN
- China
- Prior art keywords
- signal
- antenna
- time
- receiving antenna
- signals
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000002592 echocardiography Methods 0.000 claims abstract description 9
- 101000694017 Homo sapiens Sodium channel protein type 5 subunit alpha Proteins 0.000 claims abstract 6
- 238000000354 decomposition reaction Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 9
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000004804 winding Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 13
- 239000000284 extract Substances 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 241000404144 Pieris melete Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification 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
- G01S7/41—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
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
本发明公开了一种振动目标的二维微动轨迹估计方法,所述方法包括:产生射频雷达信号,通过发射天线进行发射;采用三个接收天线接收多个目标的雷达回波,其中一个接收天线为发射天线;获取每个天线接收到的回波信号;对每个回波信号分段后进行ICCD处理,将处理后的信号进行拼接得到和原始回波信号同样长度的时域信号,由此获取到信号的相位;计算发射天线的接收回波处理后的信号和另两个天线的接收回波处理后的信号之间的干涉相位,获取的振动目标是二维微动轨迹。本发明的方法将在时频图发生缠绕的信号进行分段处理,再应用ICCD算法对振动信号进行分解;该方法采用三个接收天线,再提取各天线回波信号之间的干涉相位,可获取振动目标的二维微动轨迹。
Description
技术领域
本发明涉及雷达信号处理以及微多普勒效应领域,是一种振动目标的二维微动轨迹估计方法。
背景技术
振动是一种微动形式,微动在最近十几年引起了很多的关注。微动引起的多普勒效应被称作微多普勒效应(文献[1]:V.C.Chen,“Analysis of radar micro-Dopplersignature with time–frequency transform,”in Proc.IEEE Statistical SignalArray Process.,2000,pp.463–466.;文献[2]:V.C.Chen,F.Li,S.-S.Ho et al.,“Analysis of micro-Doppler signatures,”Proc.Inst.Electr.Eng.—Radar SonarNavig.,vol.150,no.4,pp.271–276,Aug.2003.文献[3]:T.Sparr and B.Krane,“Micro-Doppler analysis of vibrating targets in SAR,”Proc.Inst.Electr.Eng.—RadarSonar Navig.,vol.150,no.4,pp.277–283,Aug.2003.文献[4]:V.C.Chen,F.Li,S.-S.Hoet al.,“Micro-Doppler effect in radar:Phenomenon,model,and simulation study,”IEEE Trans.Aerosp.Electron.Syst.,vol.42,no.1,pp.2–21,Jan.2006.)。不同的目标具有各自独特的微动特征,这些微动特征有助于雷达目标的探测和识别。目前,绝大部分的研究都是采用的单个天线雷达***,该方式只能获取目标沿雷达视线方向的微动信息,不能获取目标的微动轨迹。传统的方法也不能处理微动信息存在混叠效应的情况。
最近几年,几种提取微动参数的方法被提出,包括多基站雷达,干涉雷达和多天线技术。空军工程大学张群等人通过采用偏置相位中心天线技术(文献[5]:W.Zhang,,C.Tong,Q.Zhang,et al,“Extraction of vibrating features with dual-channelfixed-receiver bistatic SAR,”IEEE Geoscience&Remote Sensing Letters.,vol.9,no.3,pp.507-511,Nov.2012),抑制杂波,只保留振动目标的回波成分,并提取微动参数。宾夕法尼亚州立大学电子工程系Dustin P.Fairchild等人采用多基站微多普勒雷达提取振动目标相对雷达视线的方向(文献[6]:D.P.Fairchild,R.M.Narayanan,“Multistaticmicro-doppler radar for determining target orientation and activityclassification,”IEEE Transactions on Aerospace&Electronic Systems.,vol.52,no.1,pp.512-521,Feb.2016),如此也可以提取相对单站雷达额外的微动信息。中国科学院微波遥感技术重点实验室张云华等人采用Ka波段干涉雷达开展了火车的实验(文献[7]:W.Zhai,Y.Zhang,Q.Yang,X.Shi,“Micro-motion of a moving train observed by a Ka-band interferometric radar,”Electronics Letters.,vol.52,no.12,pp.1065-1067,Jun.2016),并采用干涉相位进行分析,可以观察到火车车厢的波动,这也是国际上首次实验验证可以采用干涉相位分析微动目标。空军工程大学罗迎等人采用多天线技术获取了空间目标的二维成像(文献[8]:Y.Luo,Y.Chen,Y.Sun,Q.Zhang,“Narrowband radar imagingand scaling for space targets,”IEEE Geoscience&Remote Sensing Letters.,vol.14,no.6,pp.946-950,Jun.2017),该方法可提取部分目标微动轨迹,由于时频图存在交叉像素,该方法不能获取交叉部分的微动轨迹。
上海交通大学机械***与振动国家重点实验室陈是扦等人提出了ICCD算法分解微多普勒信号(文献[9]:S.Chen,X.Dong,G.Xing,Z.Peng,W.Zhang,G.Meng,“Separationof overlapped non-stationary signals by ridge path regrouping and intrinsicchirp component decomposition,”IEEE Sensors Journal.,vol.17,no.18,pp.5994-6005,Sep.2017),ICCD算法可以很好地分解信号时频图的交叉部分。
雷达信号会发生缠绕现象,因此现有的ICCD算法无法对振动信号进行分解,因此,目前的目标微动轨迹估计方法无法直接使用ICCD算法。
发明内容
本发明的目的在于克服上述技术缺陷,为获取振动目标的二维微动轨迹提供了新的技术方案。该方法基于三天线干涉雷达***,采用三个接收天线接收回波,并对出现混叠现象的信号进行分段处理,对各段信号应用ICCD算法,然后将信号进行拼接,提取发射天线与另两个天线处理后的回波信号之间的干涉相位,最后获取振动目标的二维微动轨迹。仿真结果很好地验证了该方法的有效性。
为了实现上述目的,本发明提出一种振动目标的二维微动轨迹估计方法,所述方法包括:
产生射频雷达信号,通过发射天线进行发射;
采用三个接收天线接收多个目标的雷达回波,其中一个接收天线为发射天线;获取每个天线接收到的回波信号;
对每个回波信号分段后进行ICCD分解,将分解后的信号进行拼接得到和原始回波信号同样长度的时域信号,由此获取到信号的相位;
计算发射天线的接收回波处理后的信号和另两个天线的接收回波处理后的信号之间的干涉相位,获取的振动目标是二维微动轨迹。
作为上述方法的一种改进,所述发射天线与其它两个接收天线的连线构成直角。
作为上述方法的一种改进,所述方法具体包括:
步骤1)产生射频雷达信号,通过发射天线进行发射;
所述的雷达信号的数学模型表示如下:
T(t)=exp(j2πfct) (1)
其中,t表示时间,fc表示基带信号的频率;
在固定时间段内对T(t)信号进行采样,获得N个离散的基带发射信号序列Tn(t),n=1,2…N;
步骤2)发射信号序列Tn(t),n=1,2…N照射到目标上后返回到接收机,接收天线i接收到的信号为Rn i(t),n=1,2…N,i=1,2,3;第k个点目标的后向散射系数为σk,第k个点目标与接收天线i之间的距离为1≤k≤K,K为点目标的总数,c为光速,则接收天线i接收到的信号为:
步骤3)将三个回波信号Rn i(t)变换到时频域,选取时频矩阵第一行的数据,根据第一行数据的峰值位置确定信号分段的位置,将时域信号进行分段;根据目标数设定ICCD算法分解信号成分的参数;对每一段时域信号采用ICCD算法进行分解,并将分解后的信号进行拼接,得到和原始回波信号同样长度的时域信号;由此获取到信号的相位;
步骤4)以发射天线为接收天线1,其它两个天线为接收天线2和接收天线3,分别计算接收天线1和接收天线2以及接收天线1和接收天线3之间的干涉相位,利用干涉相位获取振动目标的二维微动轨迹。
作为上述方法的一种改进,所述步骤3)具体包括:
步骤3-1)将所述步骤2)获得的离散接收信号序列Rn i(t)进行低通滤波处理,经过低通滤波处理后的时域信号rn i(t),n=1,2…N为:
步骤3-2)对获得的低通滤波后的时域信号rn i(t)进行短时傅里叶变换,得到时频矩阵和时频图,选取时频矩阵第一行的数据,根据第一行数据的峰值位置确定信号分段的位置,将时域信号进行分段,使得每一段信号都没有缠绕现象,时域信号被分成了M段;
步骤3-3)选取分解成分参数,将所述步骤3-2)分段后的时域信号分别应用ICCD算法进行分解,并将各段分解后的时域信号拼接起来,拼接后的时域信号具有所设置的分解成分参数的个数,每一个时域信号的长度都为N,则天线i接收到的回波经过分解后的第k个子信号为:
作为上述方法的一种改进,所述步骤4)具体包括:
步骤4-3)第k个散射目标点P的二维微动轨迹为:
其中,τ表示时间,λ表示发射电磁波的波长,d是发射天线和接收天线1之间的距离。
本发明的优势在于:
1、本发明的方法将在时频图发生缠绕的信号进行分段处理,再应用ICCD算法对信号进行分解,可很好地实现振动信号的分解;
2、本发明的方法采用三个接收天线,再提取各天线回波信号之间的干涉相位,可获取振动目标的二维微动轨迹,而传统的单发单收天线***只能获取目标沿雷达视线方向的参数;
3、本发明的方法通过应用ICCD算法,可分解出时频图存在交叉时的干涉相位。
附图说明
图1为本发明的振动目标的二维微动轨迹估计方法流程图;
图2为本发明的振动目标模型图;
图3为两个振动点目标仿真雷达回波信号分解前的时频图;
图4为两个振动点目标仿真雷达回波信号分解前的干涉相位;
图5为仿真雷达回波信号分解后第一个振动点目标信号成分的时频图;
图6为仿真雷达回波信号分解后第二个振动点目标信号成分的时频图;
图7为分解后第一个振动点目标信号在天线TRX1和RX2之间的干涉相位;
图8为分解后第二个振动点目标信号在天线TRX1和RX2之间的干涉相位;
图9为分解后第一个振动点目标信号在天线TRX1和RX3之间的干涉相位;
图10为分解后第二个振动点目标信号在天线TRX1和RX3之间的干涉相位;
图11为重构的第一个振动点目标的二维微动轨迹;
图12为重构的第二个振动点目标的二维微动轨迹。
具体实施方式
为了更好地理解本发明的技术方案,以下结合附图对本发明的实施方式作进一步的描述。
本发明提出一种基于分段本征线性调频信号成分分解(Segmental IntrinsicChirp Component Decomposition,以下简称SICCD)算法估计振动目标的二维微动轨迹方法(这里振动参数主要指振动幅度和周期)。不同的微动目标通常具有不同的微动特征,通过提取目标的微动特征,可以对目标更好地进行识别和分类。传统的单接收天线雷达***只能获得目标沿雷达视线方向的信息,无法获取目标二维或三维的微动信息,在发射脉冲重复频率较低时,更会产生缠绕现象。本发明提出的方法基于单发多收天线雷达***,通过对干涉相位的处理有效提取振动目标的二维微动特征。该方法首先通过发射天线发射雷达信号,并采用多个接收天线接收回波,接着将回波信号变换到时频域,通过时频域信号将时域信号进行分段处理,然后采用ICCD(Intrinsic Chirp Component Decomposition)算法对每一段时域信号进行分解,最后将各段时域信号进行拼接,并提取干涉相位,通过干涉相位获取振动目标的二维微动轨迹。
如图1所示,本发明提出了一种振动目标的二维微动轨迹估计方法,该方法具体包括:
步骤1):产生射频雷达信号,所述的雷达信号的数学模型表示如下:
T(t)=exp(j2πfct) (1)
其中,t表示时间,fc表示基带信号的频率,在固定时间段内对T(t)信号进行采样,获得N个离散的基带发射信号序列Tn(t),n=1,2…N;
步骤2):发射信号Tn(t)经传输后,照射到目标上,并返回到接收机,假设天线i接收到的信号为i=1,2,3;假设共有K个点目标,第k个点目标的后向散射系数为σk,第k个点目标与天线i之间的距离为光速为c,那么天线i接收到的信号的数学模型为:
步骤4):将所述步骤3)获得的低通滤波后的时域信号进行短时傅里叶变换,得到时频图,选取时频矩阵第一行的数据,根据第一行数据的峰值位置确定信号分段的位置,将时域信号进行分段,使得每一段信号都没有缠绕现象,假设时域信号被分成了M段,那么各段信号长度相加之和应为N;
所述的步骤4)中的分段处理,可以选取时频图的第一行数据,根据第一行数据的峰值确定分段断点的位置。
步骤5):选取合适的分解成分参数,将所述步骤4)分段后的时域信号分别应用ICCD算法进行分解,并将各段分解后的时域信号拼接起来,拼接后的时域信号应具有所设置的分解成分参数的个数,且每一个时域信号的长度都为N,假设天线i接收到的回波经过分解后的第k个子信号为其数学表达式为:
步骤6):将所述步骤5)获得的分解后的时域信号进行干涉处理,并提取各成分之间的干涉相位,利用干涉相位获取振动目标的二维微动轨迹,进而提取振动目标在二维投影平面上的微动参数,这里提取的是发射天线和另两个天线之间的干涉相位,干涉相位提取过程为:
图2为振动目标模型图。该模型采用散射点目标。(X,Y,Z)是雷达坐标系,O是坐标系原点。该模型采用三个接收天线TRX1、RX2、RX3,天线TRX1发射雷达信号,天线TRX1、RX2、RX3同时接收雷达回波,天线TRX1位于坐标原点O,天线RX2和RX3的坐标分别是(d,0,0)和(0,0,d)。振动散射点P在雷达坐标系的坐标为(x0,y0,z0),振动中心是O′,O′也是参考坐标系(X′,Y′,Z′)的原点,O与O′的距离为R1。振动散射点的角速度,幅度和初始相位分别用A和θ0表示。点P在坐标系(X′,Y′,Z′)振动方向的方位角和俯仰角为α和β。散射点P在τ时刻的坐标为:
假设散射点P到天线TRX1、RX2、RX3的距离分别用Rr1(τ)、Rr2(τ)、Rr3(τ)来表示,那么天线TRX1、RX2、RX3接收到的基带回波为:
公式(7)中,σ1、σ2、σ3分别是散射点P与天线TRX1、RX2、RX3之间的回波信号的散射系数,λ是载波波长,那么天线TRX1与天线RX2、RX3接收回波之间的干涉相位为:
公式(8)中,表示天线TRX1与天线RX2接收回波之间的干涉相位,表示天线TRX1与天线RX3接收回波之间的干涉相位,R1是天线TRX1与P点振动中心的距离。假设R1是已知的,那么散射点P的坐标可以通过下式估计:
通过公式(9)便可以重构振动目标的二维振动轨迹,进而提取振动目标参数。
图3为仿真雷达信号分解前的信号的时频图。在该仿真中,两个振动散射点被假设,它们共同的振动中心是坐标系(X′,Y′,Z′)的原点O′。第一个振动散射点的频率,幅度和初始相位是1Hz,20m和-π/4rad。第二个振动散射点的频率,幅度和初始相位是3Hz,1.2m和3π/4rad。振动方向的方位角α和俯仰角β分别是π/6rad和π/3rad。天线TRX1和RX2,RX3之间的距离d被设置为1m。O′在坐标系(X,Y,Z)的坐标为(0,50000,0)。脉冲重复频率,载频和积累时间是3000,10GHz和1s。15dB的高斯白噪声被加到仿真当中。从图3可以看出,仿真信号的时频图出现了缠绕现象,已经无法用传统的算法提取目标的参数。图4为仿真雷达信号分解前的干涉相位,可以看出分解前的干涉相位不能反映任何信息。图5为仿真雷达信号分解后第一个信号的时频图,图6为仿真雷达信号分解后第二个信号的时频图,从这两个图可以看出,SICCD算法很好得对回波信号进行了分解,时频图的交叉部分也被分解得很好。图7为分解后第一个信号在天线TRX1和RX2之间的干涉相位,图8为分解后第二个信号在天线TRX1和RX2之间的干涉相位,图9为分解后第一个信号在天线TRX1和RX3之间的干涉相位,图10为分解后第二个信号在天线TRX1和RX3之间的干涉相位,从这四个图可以看出两个仿真散射点的干涉相位被很好地提取,通过对干涉相位进行正弦曲线拟合,可以估计出第一个散射点的频率是1Hz,第二个散射点的频率是3Hz。图11为重构的第一个散射点在x-z平面的微动轨迹,图12为重构的第二个散射点在x-z平面的微动轨迹。根据重构出的二维微动轨迹,可以估计出两个振动散射点的振动方向在x-z平面的投影与x轴之间的角度是1.11rad,估计出的两个散射点的振幅在x-z平面的投影是19.3m和1.2m。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种振动目标的二维微动轨迹估计方法,所述方法包括:
产生射频雷达信号,通过发射天线进行发射;
采用三个接收天线接收多个目标的雷达回波,其中一个接收天线为发射天线;获取每个天线接收到的回波信号;
对每个回波信号分段后进行ICCD分解,将分解后的信号进行拼接得到和原始回波信号同样长度的时域信号,由此获取到信号的相位;
计算发射天线的接收回波处理后的信号和另两个天线的接收回波处理后的信号之间的干涉相位,获取的振动目标是二维微动轨迹;
所述发射天线与其它两个接收天线的连线构成直角;
所述方法具体包括:
步骤1)产生射频雷达信号,通过发射天线进行发射;
所述的雷达信号的数学模型表示如下:
T(t)=exp(j2πfct) (1)
其中,t表示时间,fc表示基带信号的频率;
在固定时间段内对T(t)信号进行采样,获得N个离散的基带发射信号序列Tn(t),n=1,2…N;
步骤2)发射信号序列Tn(t),n=1,2…N照射到目标上后返回到接收机,接收天线i接收到的信号为Rn i(t),n=1,2…N,i=1,2,3;第k个点目标的后向散射系数为σk,第k个点目标与接收天线i之间的距离为1≤k≤K,K为点目标的总数,c为光速,则接收天线i接收到的信号为:
步骤3)将三个回波信号Rn i(t)变换到时频域,选取时频矩阵第一行的数据,根据第一行数据的峰值位置确定信号分段的位置,将时域信号进行分段;根据目标数设定ICCD算法分解信号成分的参数;对每一段时域信号采用ICCD算法进行分解,并将分解后的信号进行拼接,得到和原始回波信号同样长度的时域信号;由此获取到信号的相位;
步骤4)以发射天线为接收天线1,其它两个天线为接收天线2和接收天线3,分别计算接收天线1和接收天线2以及接收天线1和接收天线3之间的干涉相位,利用干涉相位获取振动目标的二维微动轨迹;
所述步骤3)具体包括:
步骤3-1)将所述步骤2)获得的离散接收信号序列Rn i(t)进行低通滤波处理,经过低通滤波处理后的时域信号rn i(t),n=1,2…N为:
步骤3-2)对获得的低通滤波后的时域信号rn i(t)进行短时傅里叶变换,得到时频矩阵和时频图,选取时频矩阵第一行的数据,根据第一行数据的峰值位置确定信号分段的位置,将时域信号进行分段,使得每一段信号都没有缠绕现象,时域信号被分成了M段;
步骤3-3)选取分解成分参数,将所述步骤3-2)分段后的时域信号分别应用ICCD算法进行分解,并将各段分解后的时域信号拼接起来,拼接后的时域信号具有所设置的分解成分参数的个数,每一个时域信号的长度都为N,则天线i接收到的回波经过分解后的第k个子信号n=1,2…N为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810796582.7A CN108983189B (zh) | 2018-07-19 | 2018-07-19 | 一种振动目标的二维微动轨迹估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810796582.7A CN108983189B (zh) | 2018-07-19 | 2018-07-19 | 一种振动目标的二维微动轨迹估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108983189A CN108983189A (zh) | 2018-12-11 |
CN108983189B true CN108983189B (zh) | 2020-07-03 |
Family
ID=64548841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810796582.7A Expired - Fee Related CN108983189B (zh) | 2018-07-19 | 2018-07-19 | 一种振动目标的二维微动轨迹估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108983189B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114646279B (zh) * | 2021-12-22 | 2023-03-14 | 上海交通大学 | 微波多尺度振动与形变测量方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106569194A (zh) * | 2016-10-28 | 2017-04-19 | 中国人民解放军空军工程大学 | 一种宽带雷达空间锥体目标的干涉式三维成像与微动特征提取方法 |
CN106990398A (zh) * | 2016-01-21 | 2017-07-28 | 中国人民解放军空军工程大学 | 一种旋转对称目标微动特征认知提取方法 |
CN107085212A (zh) * | 2017-04-01 | 2017-08-22 | 中国人民解放军空军工程大学 | 一种基于线性调频步进信号的自旋目标时变三维成像方法 |
CN107132536A (zh) * | 2017-04-10 | 2017-09-05 | 中国科学院国家空间科学中心 | 一种消除目标微动对雷达成像干扰的方法 |
CN107271982A (zh) * | 2017-07-31 | 2017-10-20 | 广东工业大学 | 一种基于毫米波的目标检测方法与装置 |
-
2018
- 2018-07-19 CN CN201810796582.7A patent/CN108983189B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106990398A (zh) * | 2016-01-21 | 2017-07-28 | 中国人民解放军空军工程大学 | 一种旋转对称目标微动特征认知提取方法 |
CN106569194A (zh) * | 2016-10-28 | 2017-04-19 | 中国人民解放军空军工程大学 | 一种宽带雷达空间锥体目标的干涉式三维成像与微动特征提取方法 |
CN107085212A (zh) * | 2017-04-01 | 2017-08-22 | 中国人民解放军空军工程大学 | 一种基于线性调频步进信号的自旋目标时变三维成像方法 |
CN107132536A (zh) * | 2017-04-10 | 2017-09-05 | 中国科学院国家空间科学中心 | 一种消除目标微动对雷达成像干扰的方法 |
CN107271982A (zh) * | 2017-07-31 | 2017-10-20 | 广东工业大学 | 一种基于毫米波的目标检测方法与装置 |
Non-Patent Citations (1)
Title |
---|
Nonlinear Chirp Mode Decomposition: A Variational Method;Shiqian Chen等;《IEEE SENSORS JOURNAL》;20170915;第17卷(第18期);第5994页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108983189A (zh) | 2018-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Imaging of a moving target with rotating parts based on the Hough transform | |
CN108196241B (zh) | 一种基于Hough变换的高速动目标速度估计方法 | |
Pang et al. | Coherent detection algorithm for radar maneuvering targets based on discrete polynomial-phase transform | |
CN104215959B (zh) | 一种多机动目标径向初速度和径向加速度的估计方法 | |
CN108344982A (zh) | 基于长时间相参积累的小型无人机目标雷达检测方法 | |
Kim et al. | Classification of interference signal for automotive radar systems with convolutional neural network | |
Macaveiu et al. | Automotive radar target tracking by Kalman filtering | |
CN110376559A (zh) | 单通道雷达主瓣多源干扰分离方法、装置和设备 | |
CN108169746B (zh) | 线性调频脉冲半主动雷达导引头信号处理方法 | |
EP4047391B1 (en) | Radar-based target tracker | |
Sim et al. | Road environment recognition for automotive FMCW radar systems through convolutional neural network | |
CN108983190B (zh) | 基于干涉相位获取转动目标不同散射中心微动轨迹的方法 | |
CN108983189B (zh) | 一种振动目标的二维微动轨迹估计方法 | |
CN115267721B (zh) | 一种基于双频sar的地面动目标径向速度估计方法 | |
CN112578374A (zh) | 检测行人的方法和装置 | |
CN110658506A (zh) | 一种基于角度聚类和多普勒分析的微多普勒杂波滤除方法 | |
Xiao et al. | Multi-target ISAR imaging based on image segmentation and short-time Fourier transform | |
Ganveer et al. | SAR implementation using LFM signal | |
Bai et al. | High-resolution 3-D imaging of group rotating targets | |
Jing et al. | Real-time recognition and parameters estimation of linear frequency modulation microwave signal based on reservoir computing | |
Huang et al. | Low-observable maneuvering target detection based on Radon-advanced discrete chirp Fourier transform | |
Kang et al. | Micro-Doppler feature extraction for interferometric radar based on Viterbi algorithm and intrinsic chirp component decomposition | |
CN112835006A (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及*** | |
CN106569195B (zh) | 一种基于距离-慢时间像的自旋微动群目标分辨方法 | |
Huang et al. | Phase Compensation Based Multi-Frame Coherent Integration for Drone Detection with Radar |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200703 |