CN109655793A - 高频雷达从瞬态干扰中提取回波的方法 - Google Patents
高频雷达从瞬态干扰中提取回波的方法 Download PDFInfo
- Publication number
- CN109655793A CN109655793A CN201811493265.4A CN201811493265A CN109655793A CN 109655793 A CN109655793 A CN 109655793A CN 201811493265 A CN201811493265 A CN 201811493265A CN 109655793 A CN109655793 A CN 109655793A
- Authority
- CN
- China
- Prior art keywords
- glitch
- clutter
- data
- matrix
- vector
- 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.)
- Granted
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
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2921—Extracting wanted echo-signals based on data belonging to one radar period
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本发明揭示了一种高频雷达从瞬态干扰中提取回波的方法,其流程大致为:先进行瞬态干扰定位,再使用不含干扰的慢时间数据估计杂波和目标子空间,随后将含干扰数据向子空间投影,最终实现目标提取。本发明通过将含干扰数据段向杂波和目标子空间上投影,使得瞬态干扰在被抑制的同时保留目标与杂波分量,改善了高频雷达受到瞬态干扰时的探测性能。本发明不再需要矩阵求逆,降低了计算复杂度,具有一定的工程学意义。
Description
技术领域
本发明涉及一种高频雷达从瞬态干扰中提取回波的方法,属于雷达技术领域。
背景技术
高频雷达是预警网络进行超视距探测的重要手段。目前主要的超视距雷达***包括天波超视距雷达和地波超视距雷达。天波超视距雷达利用电离层对高频信号的反射作用,将电磁信号以一定的发射角度向电离层发射,反射信号以下视方式探测视距外区域。地波超视距雷达主要用于海面及低空的探测,利用海面上方的微波波导效应,使得电磁信号沿海面双向传播,探测到视距外的区域。
超视距雷达虽然具备很好的应用场景,但由于其工作在高频频段,与很多的通信设备、电磁探测设备共用同一频段,因此很容易受到各种各样的高频干扰。此外,自然界中的闪电、流星余迹等也会产生高频频段信号,进入雷达接收机,形成高频干扰。当高频干扰的持续时间短于雷达的相干积累周期时,通常会出现一种干扰现象,称为瞬态干扰。瞬态干扰在一个相干积累周期的处理中,会显著抬高目标检测时的背景噪声电平,从而影响雷达的探测性能。
针对上述问题,研究者们开展了一系列的研究工作。目前,有研究者提出了一种基于改进二次平滑的双目标优化方法,这一方法在基本保证性能的前提下,不再需要数据插值,取得了较好的性能和运算量的折中。但是,这一方法在进行目标恢复和干扰抑制时需要进行矩阵求逆和特征分解两次大运算量的矩阵计算,仍然会增加实际工程应用中的运算负担,因此也并不适用于大规模的推广使用。
综上所述,如何在现有技术的基础上提出一种全新的优化方案,以提高运算效率,降低计算复杂度,也就成为了本领域内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷,本发明的目的是提出一种高频雷达从瞬态干扰中提取回波的方法,包括如下步骤:
S1、获得波束形成和脉冲压缩后的数据矩阵x(n);
S2、根据雷达背景噪声功率计算干扰定位门限
S3、对原始数据序列x(n)进行三脉冲对消杂波抑制;
S4、将不含杂波的数据序列y(n)中各分量的功率与对应的干扰定位门限T进行比较,判断y(n)中是否有数据包含瞬态干扰,
若|yq(n)|2≥T,则yq(n)中包含瞬态干扰,并记录此数据对应的脉冲序号,
否则,yq(n)不包含瞬态干扰;
S5、将S4中记录包含瞬态干扰的脉冲序号按升序组成无杂波干扰位置向量an,其中,n=1,2,...,N;
S6、根据无杂波干扰位置向量an,计算原始数据中的干扰位置向量bn;
S7、使用无干扰数据,估计杂波与目标协方差矩阵Rn;
S8、对协方差矩阵Rn进行特征分解,得到特征向量矩阵和降序排列的特征值向量λn=[λn1,λn2,…,λnL],其中,unl是距离单元n的第l个特征向量,λnl是距离单元n的第l个特征值;
S9、根据特征值λn分布得到代表杂波和目标的特征值编号cn,并将对应的特征向量组成主分量矩阵
S10、使用主分量矩阵从包含瞬态干扰的数据段xc(n)提取回波,提取结果记为xd(n);
S11、在原始数据序列x(n)中,将瞬态干扰的数据段xc(n)替换成提取结果xd(n),得到回波提取后的数据序列z(n),后续的多普勒滤波等处理均在回波提取后的数据序列z(n)上进行。
优选地,S1具体包括如下步骤:
雷达回波信号经过波束形成和脉冲压缩后,得到包含瞬态干扰的慢时间接收信号序列x(n)=[x1(n),x2(n),…,xm(n),…,xM(n)]T,
其中,n表示距离单元编号,n=1,2,…,N,N表示一个扫频周期包含的距离单元总数,m表示扫频周期编号,m=1,2,…,M,M表示一个相干积累周期中的扫频周期总数,[·]T表示转置。
优选地,S3具体包括如下步骤:
S31、记三脉冲对消所用的Q×M维杂波抑制滤波器系数矩阵F为,
其中,Q是三脉冲对消后的脉冲数,Q=M-2,f0、f1、f2分别是三脉冲对消滤波器的滤波器系数,f0=1,f1=-2,f2=1;
S32、将原始数据序列x(n)通过杂波抑制滤波器矩阵F,得到该距离单元不含杂波的Q×1维数据向量y(n),
y(n)=Fx(n),
其中,n=1,2,...,N,N为一个脉冲重复周期中的距离单元数。
优选地,S6具体包括如下步骤:
S61、设无杂波的干扰位置向量an=[an1,an2,...,anL],对每个元素anl,均计算原始数据的干扰脉冲序号集合Enl={anl,anl+1,anl+2},其中,l=1,2,...,L,L为an中记录的干扰个数,n=1,2,...,N;
S62、根据干扰脉冲序号集合Enl,得到原始数据序列x(n)内含有瞬态干扰的脉冲序号集合Gn=En1∪En2∪…∪Enl∪…∪EnL,其中,∪表示对集合取并;
S63、将瞬态干扰的脉冲序号集合Gn中的脉冲序号,组成原始数据中的干扰位置向量bn=[bn1,bn2,…,bnP],其中,P表示原始数据中的瞬态干扰慢时间长度。
优选地,S7具体包括如下步骤:
S71、在x1(n)到之间,选择e个长度为P的重叠滑窗的训练向量组成左训练矩阵
其中,3P+bnP-M-2<e<bn1-P+1;
S72、在到xM(n)之间,选择2P-e个长度为P的重叠滑窗的训练向量组成右训练矩阵
S73、由左训练矩阵与右训练矩阵组成快拍矩阵
S74、估计杂波与目标协方差矩阵Rn,
其中,[·]H表示共轭转置。
优选地,S9具体包括如下步骤:
S91、计算噪声特征值的平均值
S92、计算特征值判别门限
S93、将特征值向量λn中各分量与特征值判别门限S进行比较,
若λnl≥S,则λnl对应的特征向量unl代表杂波和目标分量,并记录此数据对应的序号l,
否则,λnl对应的特征向量unl不包含杂波和目标分量;
S94、将所有代表杂波和目标分量的特征向量按列组成主分量矩阵
优选地,S10具体包括如下步骤:
S101、根据原始数据中的干扰位置向量bn,将原始数据序列x(n)中包含瞬态干扰的数据段记为xc(n),
S102、使用主分量矩阵从包含瞬态干扰的数据段xc(n)提取回波,提取结果记为xd(n),
与现有技术相比,本发明的优点主要体现在以下几个方面:
本发明通过将含干扰数据段向杂波和目标子空间上投影,使得瞬态干扰在被抑制的同时保留目标与杂波分量,改善了高频雷达受到瞬态干扰时的探测性能。本发明不再需要矩阵求逆,降低了计算复杂度,具有一定的工程学意义。
此外,本发明的适用性、兼容性较强,为同领域内的其他相关问题提供了参考,可以以此为依据进行拓展延伸,运用于同领域内其他与高频雷达相关的技术方案中,具有十分广阔的应用前景。
以下便结合实施例附图,对本发明的具体实施方式作进一步的详述,以使本发明技术方案更易于理解、掌握。
附图说明
图1是本发明的实现流程图;
图2是原始数据慢时间功率图;
图3是原始数据多普勒谱;
图4是无干扰数据的协方差矩阵特征值分布图;
图5是对原始数据用本发明方法与现有方法分别处理后的多普勒谱比较图。
具体实施方式
如图1所示,本发明揭示了一种高频雷达从瞬态干扰中提取回波的方法,包括如下步骤:
S1、获得波束形成和脉冲压缩后的数据矩阵x(n)。
雷达回波信号经过波束形成和脉冲压缩后,得到包含瞬态干扰的慢时间接收信号序列x(n)=[x1(n),x2(n),…,xm(n),…,xM(n)]T,
其中,n表示距离单元编号,n=1,2,…,N,N表示一个扫频周期包含的距离单元总数,m表示扫频周期编号,m=1,2,…,M,M表示一个相干积累周期中的扫频周期总数,[·]T表示转置。
S2、根据雷达背景噪声功率计算干扰定位门限
S3、对原始数据序列x(n)进行三脉冲对消杂波抑制。
实际应用中有多种杂波抑制方法可供选择,如脉冲对消杂波抑制方法,自适应杂波抑制方法等。本步骤使用脉冲对消杂波抑制方法中常见的三脉冲对消杂波抑制方法为例说明处理过程,在条件允许情况下,也可以使用其他的杂波抑制方法。
S3具体包括如下步骤:
S31、记三脉冲对消所用的Q×M维杂波抑制滤波器系数矩阵F为,
其中,Q是三脉冲对消后的脉冲数,Q=M-2,f0、f1、f2分别是三脉冲对消滤波器的滤波器系数,f0=1,f1=-2,f2=1。
S32、将原始数据序列x(n)通过杂波抑制滤波器矩阵F,得到该距离单元不含杂波的Q×1维数据向量y(n),
y(n)=Fx(n),
其中,n=1,2,...,N,N为一个脉冲重复周期中的距离单元数。
S4、将不含杂波的数据序列y(n)中各分量的功率与对应的干扰定位门限T进行比较,判断y(n)中是否有数据包含瞬态干扰,
若|yq(n)|2≥T,则yq(n)中包含瞬态干扰,并记录此数据对应的脉冲序号,
否则,yq(n)不包含瞬态干扰。
S5、将S4中记录包含瞬态干扰的脉冲序号按升序组成无杂波干扰位置向量an,其中,n=1,2,...,N。
S6、根据无杂波干扰位置向量an,计算原始数据中的干扰位置向量bn。
根据三脉冲对消的处理过程可知,每一个脉冲对消结果都是由原始数据中,三个相邻脉冲的数据运算得到的,故若在三脉冲对消的结果中检测到有瞬态干扰的出现,则可以认为得到此结果的三个原始数据的脉冲均有可能包含干扰分量。根据此原理,可以得到每个距离单元的原始数据中,有哪些脉冲可能存在干扰的情况。
S6具体包括如下步骤:
S61、设无杂波的干扰位置向量an=[an1,an2,...,anL],对每个元素anl,均计算原始数据的干扰脉冲序号集合Enl={anl,anl+1,anl+2},其中,l=1,2,...,L,L为an中记录的干扰个数,n=1,2,...,N。
S62、根据干扰脉冲序号集合Enl,得到原始数据序列x(n)内含有瞬态干扰的脉冲序号集合Gn=En1∪En2∪…∪Enl∪…∪EnL,其中,∪表示对集合取并。
S63、将瞬态干扰的脉冲序号集合Gn中的脉冲序号,组成原始数据中的干扰位置向量bn=[bn1,bn2,…,bnP],其中,P表示原始数据中的瞬态干扰慢时间长度。
S7、使用无干扰数据,估计杂波与目标协方差矩阵Rn。
S7具体包括如下步骤:
S71、在x1(n)到之间,选择e个长度为P的重叠滑窗的训练向量组成左训练矩阵
其中,3P+bnP-M-2<e<bn1-P+1。
S72、在到xM(n)之间,选择2P-e个长度为P的重叠滑窗的训练向量组成右训练矩阵
S73、由左训练矩阵与右训练矩阵组成快拍矩阵
S74、估计杂波与目标协方差矩阵Rn,
其中,[·]H表示共轭转置。
S8、对协方差矩阵Rn进行特征分解,得到特征向量矩阵和降序排列的特征值向量λn=[λn1,λn2,…,λnL],其中,unl是距离单元n的第l个特征向量,λnl是距离单元n的第l个特征值。
S9、根据特征值λn分布得到代表杂波和目标的特征值编号cn,并将对应的特征向量组成主分量矩阵
实际应用中有多种根据特征值分布确定主分量的方法可供选择,如基于能量检测的方法、最小描述长度方法等。本步骤使用基于能量检测的方法为例说明处理过程,在条件允许情况下,也可以使用其他的方法确定主分量。
S9具体包括如下步骤:
S91、计算噪声特征值的平均值
S92、计算特征值判别门限
S93、将特征值向量λn中各分量与特征值判别门限S进行比较,
若λnl≥S,则λnl对应的特征向量unl代表杂波和目标分量,并记录此数据对应的序号l,
否则,λnl对应的特征向量unl不包含杂波和目标分量。
S94、将所有代表杂波和目标分量的特征向量按列组成主分量矩阵
S10、使用主分量矩阵从包含瞬态干扰的数据段xc(n)提取回波,提取结果记为xd(n)。
S10具体包括如下步骤:
S101、根据原始数据中的干扰位置向量bn,将原始数据序列x(n)中包含瞬态干扰的数据段记为xc(n),
S102、使用主分量矩阵从包含瞬态干扰的数据段xc(n)提取回波,提取结果记为xd(n),
S11、在原始数据序列x(n)中,将瞬态干扰的数据段xc(n)替换成提取结果xd(n),得到回波提取后的数据序列z(n),后续的多普勒滤波等处理均在回波提取后的数据序列z(n)上进行。
本发明的效果可通过以下仿真实验进一步验证。
实验场景如下:
本实验数据来自于某超视距雷达的实测数据,数据中发现瞬态干扰,为说明本发明方法的效果,只给出一个距离单元的数据处理结果。
实验内容与结果如下:
为验证本发明方法的性能,对实测数据分别使用现有方法和本发明方法,对两种方法的结果均进行非相参积累,得到各自的多普勒谱,对多普勒谱进行比较。其中,未经过目标提取的原始数据慢时间序列如图2所示,相应的多普勒谱如图3所示,无干扰数据得到的特征值分布如图4所示,现有方法与本发明方法处理后得到的多普勒谱比较图如图5所示。
由图2可知,整个慢时间序列中存在明显的瞬态干扰,产生剧烈的起伏,经过相参积累后如图3所示,瞬态干扰淹没了绝大多数的多普勒通道,使得目标检测无法获得正常效果。从图4可以看出,本发明方法估计的协方差矩阵经过特征分解后的特征值分布中,能够明显区分出杂波和目标特征值,这一特征值分布可以准确地获得主分量矩阵。经过本发明方法得到的回波提取结果如图5中的实线所示,比较此多普勒谱与图3中的多普勒谱可以看到,本发明方法很好地将回波信号从干扰数据中提取了出来,同时抑制了干扰。同时,现有方法的处理结果如图5中虚线所示。比较本发明方法和现有方法的结果可以看出,本发明方法可以和现有方法取得几乎一样的效果,但由于本发明方法运算量更小,更加适合工程实用。
综上所述,本发明通过将含干扰数据段向杂波和目标子空间上投影,使得瞬态干扰在被抑制的同时保留目标与杂波分量,改善了高频雷达受到瞬态干扰时的探测性能。本发明不需要进行矩阵求逆,降低了计算复杂度,具有一定的工程学意义。
此外,本发明的适用性、兼容性较强,为同领域内的其他相关问题提供了参考,可以以此为依据进行拓展延伸,运用于同领域内其他与高频雷达相关的技术方案中,具有十分广阔的应用前景。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神和基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种高频雷达从瞬态干扰中提取回波的方法,其特征在于,包括如下步骤:
S1、获得波束形成和脉冲压缩后的数据矩阵x(n);
S2、根据雷达背景噪声功率计算干扰定位门限
S3、对原始数据序列x(n)进行三脉冲对消杂波抑制;
S4、将不含杂波的数据序列y(n)中各分量的功率与对应的干扰定位门限T进行比较,判断y(n)中是否有数据包含瞬态干扰,
若|yq(n)|2≥T,则yq(n)中包含瞬态干扰,并记录此数据对应的脉冲序号,
否则,yq(n)不包含瞬态干扰;
S5、将S4中记录包含瞬态干扰的脉冲序号按升序组成无杂波干扰位置向量an,其中,n=1,2,...,N;
S6、根据无杂波干扰位置向量an,计算原始数据中的干扰位置向量bn;
S7、使用无干扰数据,估计杂波与目标协方差矩阵Rn;
S8、对协方差矩阵Rn进行特征分解,得到特征向量矩阵和降序排列的特征值向量λn=[λn1,λn2,…,λnL],其中,unl是距离单元n的第l个特征向量,λnl是距离单元n的第l个特征值;
S9、根据特征值λn分布得到代表杂波和目标的特征值编号cn,并将对应的特征向量组成主分量矩阵
S10、使用主分量矩阵从包含瞬态干扰的数据段xc(n)提取回波,提取结果记为xd(n);
S11、在原始数据序列x(n)中,将瞬态干扰的数据段xc(n)替换成提取结果xd(n),得到回波提取后的数据序列z(n),后续的多普勒滤波等处理均在回波提取后的数据序列z(n)上进行。
2.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法,其特征在于,S1具体包括如下步骤:
雷达回波信号经过波束形成和脉冲压缩后,得到包含瞬态干扰的慢时间接收信号序列x(n)=[x1(n),x2(n),…,xm(n),…,xM(n)]T,
其中,n表示距离单元编号,n=1,2,…,N,N表示一个扫频周期包含的距离单元总数,m表示扫频周期编号,m=1,2,…,M,M表示一个相干积累周期中的扫频周期总数,[·]T表示转置。
3.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法,其特征在于,S3具体包括如下步骤:
S31、记三脉冲对消所用的Q×M维杂波抑制滤波器系数矩阵F为,
其中,Q是三脉冲对消后的脉冲数,Q=M-2,f0、f1、f2分别是三脉冲对消滤波器的滤波器系数,f0=1,f1=-2,f2=1;
S32、将原始数据序列x(n)通过杂波抑制滤波器矩阵F,得到该距离单元不含杂波的Q×1维数据向量y(n),
y(n)=Fx(n),
其中,n=1,2,...,N,N为一个脉冲重复周期中的距离单元数。
4.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法,其特征在于,S6具体包括如下步骤:
S61、设无杂波的干扰位置向量an=[an1,an2,...,anL],对每个元素anl,均计算原始数据的干扰脉冲序号集合Enl={anl,anl+1,anl+2},其中,l=1,2,...,L,L为an中记录的干扰个数,n=1,2,...,N;
S62、根据干扰脉冲序号集合Enl,得到原始数据序列x(n)内含有瞬态干扰的脉冲序号集合Gn=En1∪En2∪…∪Enl∪…∪EnL,其中,∪表示对集合取并;
S63、将瞬态干扰的脉冲序号集合Gn中的脉冲序号,组成原始数据中的干扰位置向量bn=[bn1,bn2,…,bnP],其中,P表示原始数据中的瞬态干扰慢时间长度。
5.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法,其特征在于,S7具体包括如下步骤:
S71、在x1(n)到之间,选择e个长度为P的重叠滑窗的训练向量组成左训练矩阵
其中,3P+bnP-M-2<e<bn1-P+1;
S72、在到xM(n)之间,选择2P-e个长度为P的重叠滑窗的训练向量组成右训练矩阵
S73、由左训练矩阵与右训练矩阵组成快拍矩阵
S74、估计杂波与目标协方差矩阵Rn,
其中,[·]H表示共轭转置。
6.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法,其特征在于,S9具体包括如下步骤:
S91、计算噪声特征值的平均值
S92、计算特征值判别门限
S93、将特征值向量λn中各分量与特征值判别门限S进行比较,
若λnl≥S,则λnl对应的特征向量unl代表杂波和目标分量,并记录此数据对应的序号l,
否则,λnl对应的特征向量unl不包含杂波和目标分量;
S94、将所有代表杂波和目标分量的特征向量按列组成主分量矩阵
7.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法,其特征在于,S10具体包括如下步骤:
S101、根据原始数据中的干扰位置向量bn,将原始数据序列x(n)中包含瞬态干扰的数据段记为xc(n),
S102、使用主分量矩阵从包含瞬态干扰的数据段xc(n)提取回波,提取结果记为xd(n),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811493265.4A CN109655793B (zh) | 2018-12-07 | 2018-12-07 | 高频雷达从瞬态干扰中提取回波的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811493265.4A CN109655793B (zh) | 2018-12-07 | 2018-12-07 | 高频雷达从瞬态干扰中提取回波的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109655793A true CN109655793A (zh) | 2019-04-19 |
CN109655793B CN109655793B (zh) | 2022-10-14 |
Family
ID=66112890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811493265.4A Active CN109655793B (zh) | 2018-12-07 | 2018-12-07 | 高频雷达从瞬态干扰中提取回波的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109655793B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045337A (zh) * | 2019-05-10 | 2019-07-23 | 武汉大学 | 基于张量子空间投影的高频地波雷达射频干扰抑制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014020630A1 (en) * | 2012-08-02 | 2014-02-06 | Mbda Italia S.P.A. | Stap filtering method and apparatus of an echo radar signal |
CN103983959A (zh) * | 2014-05-16 | 2014-08-13 | 西安电子科技大学 | 基于数据重构的sar***运动目标径向速度估计方法 |
CN105116388A (zh) * | 2015-08-12 | 2015-12-02 | 西安电子科技大学 | 基于鲁棒主成分分析的天波超视距雷达瞬态干扰抑制方法 |
CN105137400A (zh) * | 2015-09-06 | 2015-12-09 | 哈尔滨工业大学 | 一种瞬态极化雷达波形获得方法及基于该方法的雷达信号传输方法 |
CN105510887A (zh) * | 2015-12-22 | 2016-04-20 | 西安电子科技大学 | 一种杂波背景下对机载雷达的有源压制式干扰抑制方法 |
CN106154236A (zh) * | 2016-08-04 | 2016-11-23 | 武汉大学 | 一种基于cemd抑制高频地波雷达射频干扰的方法 |
CN108872948A (zh) * | 2018-08-01 | 2018-11-23 | 哈尔滨工业大学 | 一种高频地波雷达电离层杂波抑制方法 |
-
2018
- 2018-12-07 CN CN201811493265.4A patent/CN109655793B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014020630A1 (en) * | 2012-08-02 | 2014-02-06 | Mbda Italia S.P.A. | Stap filtering method and apparatus of an echo radar signal |
CN103983959A (zh) * | 2014-05-16 | 2014-08-13 | 西安电子科技大学 | 基于数据重构的sar***运动目标径向速度估计方法 |
CN105116388A (zh) * | 2015-08-12 | 2015-12-02 | 西安电子科技大学 | 基于鲁棒主成分分析的天波超视距雷达瞬态干扰抑制方法 |
CN105137400A (zh) * | 2015-09-06 | 2015-12-09 | 哈尔滨工业大学 | 一种瞬态极化雷达波形获得方法及基于该方法的雷达信号传输方法 |
CN105510887A (zh) * | 2015-12-22 | 2016-04-20 | 西安电子科技大学 | 一种杂波背景下对机载雷达的有源压制式干扰抑制方法 |
CN106154236A (zh) * | 2016-08-04 | 2016-11-23 | 武汉大学 | 一种基于cemd抑制高频地波雷达射频干扰的方法 |
CN108872948A (zh) * | 2018-08-01 | 2018-11-23 | 哈尔滨工业大学 | 一种高频地波雷达电离层杂波抑制方法 |
Non-Patent Citations (1)
Title |
---|
马少博等: ""基于回波信号分析的抗扫频式干扰方法"", 《电子信息对抗技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110045337A (zh) * | 2019-05-10 | 2019-07-23 | 武汉大学 | 基于张量子空间投影的高频地波雷达射频干扰抑制方法 |
CN110045337B (zh) * | 2019-05-10 | 2023-07-21 | 武汉大学 | 基于张量子空间投影的高频地波雷达射频干扰抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109655793B (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104076355B (zh) | 基于动态规划的强杂波环境中弱小目标检测前跟踪方法 | |
CN104199001A (zh) | 一种认知雷达抗速度欺骗干扰的相位编码方法 | |
CN106291492A (zh) | 一种基于精细杂波图的自适应目标检测方法 | |
CN106707258A (zh) | 一种非高斯背景下微动目标多参数估计方法 | |
CN106054143B (zh) | 一种外辐射源雷达同频干扰的消除方法 | |
CN103018727A (zh) | 一种基于样本训练的机载雷达非平稳杂波抑制方法 | |
CN107561512A (zh) | 一种脉冲多普勒雷达抗压制式拖曳干扰的极化对消方法 | |
CN103942449A (zh) | 一种基于信源个数估计的特征干扰相消波束形成方法 | |
CN107255797A (zh) | 基于发射空时权优化及ka‑stap的机载雷达杂波抑制方法 | |
CN104793194A (zh) | 基于改进的自适应多脉冲压缩的距离-多普勒估计方法 | |
CN109471097B (zh) | 一种穿墙雷达信号优化处理方法及装置 | |
CN110045337A (zh) | 基于张量子空间投影的高频地波雷达射频干扰抑制方法 | |
CN109324315A (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN105652258A (zh) | 多项式拉东-多项式傅里叶变换的高超声速目标检测方法 | |
CN101881822A (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN102866388A (zh) | 一种空时自适应处理中的自适应权值迭代计算方法 | |
CN105044686A (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN111948618A (zh) | 一种基于卫星外辐射源的前向散射目标探测方法及*** | |
CN104794264A (zh) | 一种基于稀疏频率的雷达通信波形设计方法 | |
CN108414992A (zh) | 一种基于相位信息杂波图的目标检测方法 | |
CN106199538B (zh) | 用于提升扩频穿墙雷达跟踪动目标精度的杂波抑制方法 | |
CN102830394B (zh) | 基于多谱线积累的弱目标探测方法 | |
CN109655793A (zh) | 高频雷达从瞬态干扰中提取回波的方法 | |
CN109490845A (zh) | 多站雷达抑制主瓣压制式干扰的方法 | |
CN109782249A (zh) | 一种两目标相关时延估计算法 |
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 | ||
CB02 | Change of applicant information |
Address after: Room 201, building 2, phase II, No.1 Kechuang Road, Yaohua street, Qixia District, Nanjing City, Jiangsu Province Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS Address before: 210003 Gulou District, Jiangsu, Nanjing new model road, No. 66 Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |