CN111045002A - 基于TRT和SNuFFT的机动目标相参积累方法 - Google Patents
基于TRT和SNuFFT的机动目标相参积累方法 Download PDFInfo
- Publication number
- CN111045002A CN111045002A CN201911279036.7A CN201911279036A CN111045002A CN 111045002 A CN111045002 A CN 111045002A CN 201911279036 A CN201911279036 A CN 201911279036A CN 111045002 A CN111045002 A CN 111045002A
- Authority
- CN
- China
- Prior art keywords
- maneuvering target
- coherent accumulation
- frequency
- trt
- time
- 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
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达机动目标检测技术领域,特别涉及一种基于TRT和SNuFFT的机动目标相参积累方法,包含:依据雷达发射线性调频信号,获取机动目标雷达回波信号;针对机动目标雷达回波信号,通过时间反转变换,对变换前后的信号进行相乘,以消除多普勒频率模糊和二次多普勒徙动;针对相乘结果,通过变尺度非均匀快速傅里叶变换消除线性多普勒徙动,以实现机动目标的高效相参积累。本发明应用TRT有效消除速度和加速度的影响;并受信号特征启发,通过SNuFFT以消除距离频率和慢时间之间的耦合项,高效实现慢时间能量聚集;避免参数搜索过程,可以通过快速傅里叶变换和非均匀快速傅里叶变换高效实现,其低复杂度能够在实际雷达***中进行信号的实时处理。
Description
技术领域
本发明属于雷达机动目标检测技术领域,特别涉及一种基于TRT和SNuFFT的机动目标相参积累方法。
背景技术
近些年隐身飞机和无人机UAV的迅猛发展,对雷达机动弱目标检测提出了越来越多的需求。为了探测此类低雷达散射截面积RCS目标,长时间相参积累成为一种便捷高效的手段。不幸地是,机动目标的复杂运动(例如高速度、加速度和加加速度)将会造成距离徙动RM和多普勒频率徙动。这些不利因素将严重恶化诸如动目标检测MTD等传统积累算法的性能。
为了对带有加加速度的目标进行相参探测,近些年出现了许多较为成功的算法。代表性的搜索类算法包括keystone变换—广义去斜处理KT-GDP,keystone变换—相位梯度自聚焦KT-PGA,广义Radon-Fourier变换GRFT。尽管这类算法具有令人满意的探测性能,但是巨大的计算复杂度使其在实际应用中难以被接受。于此同时,相邻互相关函数—吕分布ACCF-LVD,时间反转变换—二阶keystone变换—吕分布TRT-SKT-LVD分别作为非搜索类算法被提出来。尽管相邻互相关函数和时间反转变换极大地降低了计算量,但是吕分布使得算法仍然难以实时处理。
发明内容
为此,本发明提供一种基于TRT和SNuFFT的机动目标相参积累方法,基于时间反转变换(TRT)和变尺度非均匀快速傅里叶变换实现机动目标相参积累,降低计算复杂度,提高机动目标检测效率。
按照本发明所提供的设计方案,提供一种基于TRT和SNuFFT的机动目标相参积累方法,包含如下内容:
依据雷达发射线性调频信号,获取机动目标雷达回波信号;
针对机动目标雷达回波信号,通过时间反转变换,对变换前后的信号进行相乘,以消除多普勒频率模糊和二次多普勒徙动;针对相乘结果,通过变尺度非均匀快速傅里叶变换消除线性多普勒徙动,以实现机动目标的高效相参积累。
作为本发明机动目标相参积累方法,进一步地,时间反转变换中,首先,针对机动目标雷达回波信号,通过对快时间进行傅里叶变换,获取距离频率-慢时间域的信号表示,并针对每个距离频率构建关于慢时间的反转信号表示;然后,将距离频率-慢时间域的信号表示和关于慢时间的反转信号表示两者相乘,以补偿信号线性相位项及三次相位项。
作为本发明机动目标相参积累方法,进一步地,变尺度非均匀快速傅里叶变换中,设定耦合因子和缩放因子,通过耦合因子和缩放因子对时间反转变换的乘积结果进行变尺度非均匀快速傅里叶变换。
作为本发明机动目标相参积累方法,进一步地,依据信号载频、及快时间对应的距离频率,设定耦合因子。
作为本发明机动目标相参积累方法,进一步地,变尺度非均匀快速傅里叶变换表示为:
作为本发明机动目标相参积累方法,进一步地,针对变尺度非均匀快速傅里叶变换结果,对快时间频率进行逆傅里叶变换,以完成相参积累。
作为本发明机动目标相参积累方法,进一步地,逆傅里叶变换中,信号能量在距离-调频率域内聚焦为单一谱峰,利用恒虚警检测技术完成机动目标的检测。
本发明的有益效果:
本发明中,针对机动目标检测问题,应用时间反转变换有效消除速度和加速度的影响;并受信号特征启发,通过变尺度非均匀快速傅里叶变换以消除距离频率和慢时间之间的耦合项,高效实现慢时间能量聚集;避免参数搜索过程,可以通过快速傅里叶变换和非均匀快速傅里叶变换高效实现,其低复杂度能够在实际雷达***中进行信号的实时处理。并进一步通过仿真实验和实测数据来验证本发明方案相参积累能力的有效性,具有较好的应用价值。
附图说明:
图1为实施例中机动目标相参积累方法流程示意图;
图2为实施例中机动目标相参积累仿真结果示意;
图3为实施例中不同信噪比下多种相参积累方法检测概率对比示意;
图4为实施例中雷达实测数据结果示意。
具体实施方式:
为使本发明的目的、技术方案和优点更加清楚、明白,下面结合附图和技术方案对本发明作进一步详细的说明。
针对具有加加速度运动的机动目标相参积累问题,本发明实施例,重点关注了相参积累时间内的距离徙动和多普勒频率徙动两个技术难点,参见图1所示,提供一种基于乘积变尺度周期吕分布的多普勒模糊机动目标相参积累方法,包含:
S101)依据雷达发射线性调频信号,获取机动目标雷达回波信号;
S102)针对机动目标雷达回波信号,通过时间反转变换,对变换前后的信号进行相乘,以消除多普勒频率模糊和二次多普勒徙动;针对相乘结果,通过变尺度非均匀快速傅里叶变换消除线性多普勒徙动,以实现机动目标的高效相参积累。
应用时间反转变换有效消除速度和加速度的影响;并受信号特征启发,通过变尺度非均匀快速傅里叶变换以消除距离频率和慢时间之间的耦合项,高效实现慢时间能量聚集,能够降低机动目标相参积累运算过程中的复杂度,提高机动目标检测效率。
假设雷达发射线性调频(LFM)信号,即:
假设有Q个高机动目标以恒定加加速度运动。忽略高阶项的影响,第q个目标的瞬时斜距满足
其中,R0,q,vq,aq及gq分别为目标的初始距离、径向速度、径向加速度以及径向加加速度。tm=m/fp为慢时间变量,m和fp分别表示脉冲数和脉冲重复频率(PRF)。
忽略噪声的影响,脉冲压缩之后的雷达回波可以写为:
作为本发明实施例中的机动目标相参积累方法,进一步地,时间反转变换中,首先,针对机动目标雷达回波信号,通过对快时间进行傅里叶变换,获取距离频率-慢时间域的信号表示,并针对每个距离频率构建关于慢时间的反转信号表示;然后,将距离频率-慢时间域的信号表示和关于慢时间的反转信号表示两者相乘,以补偿信号线性相位项及三次相位项。
显然,快时间频率fr与慢时间tm之间的耦合是造成距离徙动的根本原因。另外,第q个目标的瞬时多普勒频率可表示为:
其中,λ=c/fc为信号波长。
由于目标的加速度和加加速度,线性多普勒徙动及二次多普勒徙动共同存在。而且在目标高速和雷达低脉冲重复频率的情况下,往往会发生多普勒模糊。这些不利因素都给信号能量聚焦造成困难。为了实现相参积累,必须有效消除耦合及多普勒频率徙动的影响。
一般而言,信号慢时间可以写为:
tm=m/fp,(m=-Na/2,…,-1,0,1,…,Na/2) (6)
受慢时间tm对称性的启发,可以对每个距离频率构建关于慢时间的反转信号,即:
显然,通过式(7)与式(4)相乘,可以补偿线性相位项及三次相位项,即:
其中,多目标之间的交叉项为:
在式(8)中,目标加速运动的影响依然存在,这会造成线性多普勒频率徙动和距离包络弯曲。在此,提出变尺度非均匀快速傅里叶变换实现快速能量聚焦。
作为本发明实施例中的机动目标相参积累方法,进一步地,变尺度非均匀快速傅里叶变换中,设定耦合因子和缩放因子,通过耦合因子和缩放因子对时间反转变换的乘积结果进行变尺度非均匀快速傅里叶变换。
式(8)给出了一个有利条件,即在第一个指数项中只存在二阶项。现有技术中有分别通过二阶keystone变换和吕分布消除了fr和之间的非线性耦合然后实现相参积累。但是,二阶keystone变换的插值操作将会造成数值误差,而且吕分布的计算复杂度较高。对于非均匀采样的信号,利用非均匀快速傅里叶变换可以实现能量聚集。进一步地,本发明实施例中,将耦合因子考虑在内提出了变尺度非均匀快速傅里叶变换,其定义为:
作为本发明实施例中的机动目标相参积累方法,进一步地,针对变尺度非均匀快速傅里叶变换结果,对快时间频率进行逆傅里叶变换,以完成相参积累。
从式(10)中可以看出,耦合项得到了消除,信号能量在调频率域内实现良好聚焦。由于线性项和三次项的存在,交叉项Ccross(fr,fsnu)无法通过变尺度非均匀快速傅里叶变换实现积累,这有利于自项的谱峰检测。
最后,通过对快时间频率进行逆傅里叶变换(IFT)可以完成相参积累,即:
其中,Gcross(fr,fsnu)为IFT之后的交叉项。
作为本发明实施例中的机动目标相参积累方法,进一步地,逆傅里叶变换中,信号能量在距离-调频率域内聚焦为单一谱峰,利用恒虚警检测技术完成机动目标的检测。
恒虚警检测技术是指雷达***在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的技术。首先对输入的噪声进行处理后确定一个门限,将此门限与输入端信号相比,如输入端信号超过了此门限,则判为有目标,否则,判为无目标。
式(11)中,信号能量在距离—调频率域内聚焦为单一谱峰。利用恒虚警检测技术,可以最终完成目标检测。
为验证本发明技术方案的有效性,下面通过具体数据做进一步解释说明:
需要注意的是,在实际应用中低计算复杂度是至关重要的,因为目标的运动状态随时间会产生剧烈的变化。记雷达接收信号的距离单元数和脉冲数分别为Nr和Na。本发明技术方案主要步骤为变尺度非均匀快速傅里叶变化,其可通过非均匀快速傅里叶变换时间并且保持了相同的计算量,即O(2NrNalog2Na)。因此,所提算法的总计算量约为O(2NrNalog2NrNa)。
与此同时,选用几种代表性的算法进行比较,分别为MTD、KT-GDP、ACCF-LVD以及TRT-SKT-LVD。记折叠因子搜索数、加速度搜索数以及加加速度搜索数分别为Mk、Ma与Mg。表1列出各方法的计算复杂度与计算时间。通过比较可以发现,本发明所提技术方案能够有效避免了搜索过程,更适用于实际应用,尤其是实时处理。
表1各算法计算复杂度对比
下面通过具体仿真实验数据来评估本发明技术方案相参积累能力,结果如图2所示。雷达和目标的仿真实验参数在表2中给出。
表2仿真参数
图2(a)给出了目标轨迹。显然,由于目标的高速运动,在积累过程中出现了严重的距离徙动。图2(b)给出了距离—慢时间域进行时间反转变换的结果。与上述复杂度分析相对应,目标速度和加加速度的影响被消除,只有加速度引起的距离弯曲依然存在。图2(c)展示了在距离频域—调频斜率域中变尺度非均匀快速傅里叶变换的结果。缩放因子为β=2。借助于非均匀傅里叶变换,目标能量被有效聚集。fr和之间的耦合得以消除并分别形成沿与的两条明显直线。最终,通过IFT可以完成相参积累,结果如图2(d)所示。两个目标的信号被聚焦为尖锐谱峰,而交叉相能量散布在距离—调频斜率域内,有利于后续的恒虚警检测。
下面通过蒙特卡洛实验探究本发明技术方案的探测性能。与此同时,选用了KT-GDP、ACCF-LVD、TRT-SKT-LVD和MTD四种相参积累算法作为比较。脉冲压缩后的信噪比从-15dB到20dB之间按1dB间隔变化。每个信噪比下分别进行500次蒙特卡洛仿真。雷达虚警率设为Pfa=10-6。探测概率曲线如图3所示,从图种可以看出,MTD由于忽略了距离徙动和多普勒频率徙动,因此具有最差的检测性能。KT-GDP算法通过多维参数搜索能够在较低的信噪比下精确估计目标运动参数,因此具有最有检测性能。相比于KT-GDP算法,本发明技术方案和TRT-SKT-LVD算法由于时间反转变换中的恒定时延而存在4dB的性能恶化。另外也可看出,变尺度非均匀快速傅里叶变换能够代替复杂的二阶keystone变换和吕分布,同时保持相同的性能。ACCF-LVD算法存在10dB的性能损失,因为ACCF丢失了大量信号能量。最终得出出结论:本发明技术方案在目标探测性能和计算复杂度之间取得了良好平衡。
下面通过具体的雷达实验数据对本发明技术方案有效性做进一步验证:
表3 FMCW雷达参数
采用大疆精灵3商用无人机的实测雷达数据来验证。雷达参数见表3所示。图4(a)和图4(b)展示了实验场景和所用雷达***。图4(c)给出了脉冲压缩后目标的运动轨迹。可以看出,在相参积累时间内,无人机运动了超过24个距离单元,造成了严重的距离徙动。图4(d)给出了时间反转变换的结果,此时由目标速度和加加速度引起的距离徙动被有效消除。本发明技术方案的相参积累结果如图4(e)所示。可以看出,目标在距离—调频斜率域内聚焦为尖锐谱峰。相比之下,图4(f)给出了MTD的积累结果,信号能量散布在多个距离和多普勒单元中,而且由于杂波也形成了显著尖峰,最终会检测虚假目标。该实验充分验证了本发明技术方案的实用性。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。
基于上述的方法,本发明实施例还提供一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述的方法。
基于上述的方法,本发明实施例还提供一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现上述的方法。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种基于TRT和SNuFFT的机动目标相参积累方法,其特征在于,包含如下内容:
依据雷达发射线性调频信号,获取机动目标雷达回波信号;
针对机动目标雷达回波信号,通过时间反转变换,对变换前后的信号进行相乘,以消除多普勒频率模糊和二次多普勒徙动;针对相乘结果,通过变尺度非均匀快速傅里叶变换消除线性多普勒徙动,以实现机动目标的高效相参积累。
2.根据权利要求1所述的基于TRT和SNuFFT的机动目标相参积累方法,其特征在于,时间反转变换中,首先,针对机动目标雷达回波信号,通过对快时间进行傅里叶变换,获取距离频率-慢时间域的信号表示,并针对每个距离频率构建关于慢时间的反转信号表示;然后,将距离频率-慢时间域的信号表示和关于慢时间的反转信号表示两者相乘,以补偿信号线性相位项及三次相位项。
3.根据权利要求1或2所述的基于TRT和SNuFFT的机动目标相参积累方法,其特征在于,变尺度非均匀快速傅里叶变换中,设定耦合因子和缩放因子,通过耦合因子和缩放因子对时间反转变换的乘积结果进行变尺度非均匀快速傅里叶变换。
4.根据权利要求3所述的基于TRT和SNuFFT的机动目标相参积累方法,其特征在于,依据信号载频、及快时间对应的距离频率,设定耦合因子。
6.根据权利要求1或2所述的基于TRT和SNuFFT的机动目标相参积累方法,其特征在于,针对变尺度非均匀快速傅里叶变换结果,对快时间频率进行逆傅里叶变换,以完成相参积累。
7.根据权利要求6所述的基于TRT和SNuFFT的机动目标相参积累方法,其特征在于,逆傅里叶变换中,信号能量在距离-调频率域内聚焦为单一谱峰,利用恒虚警检测技术完成机动目标的检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911279036.7A CN111045002A (zh) | 2019-12-13 | 2019-12-13 | 基于TRT和SNuFFT的机动目标相参积累方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911279036.7A CN111045002A (zh) | 2019-12-13 | 2019-12-13 | 基于TRT和SNuFFT的机动目标相参积累方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111045002A true CN111045002A (zh) | 2020-04-21 |
Family
ID=70235952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911279036.7A Pending CN111045002A (zh) | 2019-12-13 | 2019-12-13 | 基于TRT和SNuFFT的机动目标相参积累方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111045002A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112114296A (zh) * | 2020-09-18 | 2020-12-22 | 王玉冰 | 用于无人机协同tdoa/fdoa复合定位的参数估计方法及*** |
CN112748427A (zh) * | 2020-12-09 | 2021-05-04 | 中国人民解放军战略支援部队信息工程大学 | 一种脉冲信号的距离差和距离差变化率的联合估计方法 |
CN113109797A (zh) * | 2021-03-01 | 2021-07-13 | 北京清瑞维航技术发展有限公司 | 调频连续波凝视雷达的目标探测方法、装置和计算机设备 |
CN117452329A (zh) * | 2023-10-25 | 2024-01-26 | 中国人民解放军军事科学院***工程研究院 | 一种辐射源目标定位参数相参估计方法及装置 |
-
2019
- 2019-12-13 CN CN201911279036.7A patent/CN111045002A/zh active Pending
Non-Patent Citations (1)
Title |
---|
KE JIN ET AL.: "Efficient maneuvering target detection method based on time reversal transform and scaled nonuniform fast Fourier transform", 《J. APPL. REMOTE SENS》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112114296A (zh) * | 2020-09-18 | 2020-12-22 | 王玉冰 | 用于无人机协同tdoa/fdoa复合定位的参数估计方法及*** |
CN112114296B (zh) * | 2020-09-18 | 2024-04-16 | 王玉冰 | 用于无人机协同tdoa/fdoa复合定位的参数估计方法及*** |
CN112748427A (zh) * | 2020-12-09 | 2021-05-04 | 中国人民解放军战略支援部队信息工程大学 | 一种脉冲信号的距离差和距离差变化率的联合估计方法 |
CN112748427B (zh) * | 2020-12-09 | 2024-04-23 | 中国人民解放军战略支援部队信息工程大学 | 一种脉冲信号的距离差和距离差变化率的联合估计方法 |
CN113109797A (zh) * | 2021-03-01 | 2021-07-13 | 北京清瑞维航技术发展有限公司 | 调频连续波凝视雷达的目标探测方法、装置和计算机设备 |
CN113109797B (zh) * | 2021-03-01 | 2023-12-22 | 北京清瑞维航技术发展有限公司 | 调频连续波凝视雷达的目标探测方法、装置和计算机设备 |
CN117452329A (zh) * | 2023-10-25 | 2024-01-26 | 中国人民解放军军事科学院***工程研究院 | 一种辐射源目标定位参数相参估计方法及装置 |
CN117452329B (zh) * | 2023-10-25 | 2024-04-02 | 中国人民解放军军事科学院***工程研究院 | 一种辐射源目标定位参数相参估计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111045002A (zh) | 基于TRT和SNuFFT的机动目标相参积累方法 | |
Li et al. | Manoeuvring target detection based on keystone transform and Lv's distribution | |
Li et al. | CLEAN‐based coherent integration method for high‐speed multi‐targets detection | |
CN106338721B (zh) | 基于多帧回波相参积累的空中匀速弱小目标检测方法 | |
CN111352102A (zh) | 一种基于调频连续波雷达的多目标个数检测方法及装置 | |
CN107450055B (zh) | 基于离散线性调频傅立叶变换的高速机动目标检测方法 | |
CN108089171B (zh) | 一种针对无人机目标的雷达快速检测方法 | |
CN110398730B (zh) | 基于坐标旋转和非均匀傅里叶变换机动目标相参检测方法 | |
Huang et al. | Approach for space‐based radar manoeuvring target detection and high‐order motion parameter estimation | |
CN110646774B (zh) | 基于乘积变尺度周期吕分布的机动目标相参检测方法及装置 | |
Li et al. | ISAR imaging of nonuniformly rotating target based on the multicomponent CPS model under low SNR environment | |
Huang et al. | Radar high speed small target detection based on keystone transform and linear canonical transform | |
CN111551922B (zh) | 三维空间双/多基地雷达高速目标检测方法 | |
Lin et al. | Long-time coherent integration for maneuvering target detection based on ITRT-MRFT | |
Fang et al. | Radar maneuvering target detection based on two steps scaling and fractional Fourier transform | |
CN104111449B (zh) | 一种改进的基于广义内积的空时二维自适应处理方法 | |
CN108196241B (zh) | 一种基于Hough变换的高速动目标速度估计方法 | |
CN110726992A (zh) | 基于结构稀疏和熵联合约束的sa-isar自聚焦法 | |
Wan et al. | Ground moving target focusing and motion parameter estimation method via MSOKT for synthetic aperture radar | |
CN113640790A (zh) | 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法 | |
CN114545351A (zh) | 基于距离频率轴反转变换和二阶wvd的机动目标相参检测方法及*** | |
CN111007473A (zh) | 基于距离频域自相关函数的高速微弱目标检测方法 | |
CN113885006A (zh) | 一种机动转弯目标相参积累检测方法 | |
Xiong et al. | Radar high-speed target coherent detection method based on modified radon inverse Fourier transform | |
Niu et al. | Target detection algorithm for hypersonic vehicle based on wideband radar echo model |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200421 |