CN111208484B - 一种基于角度信息的主瓣密集假目标剔除方法 - Google Patents
一种基于角度信息的主瓣密集假目标剔除方法 Download PDFInfo
- Publication number
- CN111208484B CN111208484B CN202010042763.8A CN202010042763A CN111208484B CN 111208484 B CN111208484 B CN 111208484B CN 202010042763 A CN202010042763 A CN 202010042763A CN 111208484 B CN111208484 B CN 111208484B
- Authority
- CN
- China
- Prior art keywords
- point
- trace
- traces
- cluster
- core
- 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
- G01S7/41—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
-
- 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
本发明属于雷达信号处理技术领域,具体涉及一种基于角度信息的主瓣密集假目标剔除方法,包括:获取包括方位角信息和俯仰角信息的点迹集合;计算所述点迹集合中每个点迹和其他点迹的空间角度差,得到若干空间角度差;根据所述若干空间角度差得到所述点迹集合中每个点迹的领域;根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇;将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。具有降低虚警概率、提高目标检测性能、聚类的准确度的有益效果,同时还改善了应用在雷达信号处理时的性能。
Description
技术领域
本发明属于雷达信号处理技术领域,具体涉及一种基于角度信息的主瓣密集假目标剔除方法。
背景技术
近年来,随着干扰种类的增多和干扰技术的进步,雷达抗干扰技术已成为业界研究的热点。雷达抗干扰技术的目的是将影响雷达正常工作的各种干扰信号减弱到能容许的程度,保障雷达正常工作,因此,雷达抗干扰技术在现代战争中扮演着至关重要的角色。
雷达是通过对回波信号的检测发现目标的存在并测量其参数信息的,而干扰的目的是破坏或阻碍雷达发现目标、测量目标参数。雷达干扰机可以分析雷达发射信号的各个参数,产生与原始发射信号匹配的干扰信号进入雷达接收机,在雷达接收机中干扰信号与目标回波信号难以区分,导致在雷达信号处理过程中会产生大量虚假点迹(主瓣密集假目标),真实目标点迹包含在众多虚假点迹中,故虚警概率高,目标检测性能难以提升,给雷达目标跟踪和识别带来了困难。
DBSCAN是一种基于密度信息的聚类算法,应用在点迹聚类中,一般只会用到距离信息,不会用到二维角度信息。用其对抗干扰带来的主瓣密集假目标点进行聚类的鲁棒性和准确度较差。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于角度信息的主瓣密集假目标剔除方法。本发明要解决的技术问题通过以下技术方案实现:
一种基于角度信息的主瓣密集假目标剔除方法,包括:
获取包括方位角信息和俯仰角信息的点迹集合;
计算所述点迹集合中每个点迹和其他点迹的空间角度差,得到若干空间角度差;
根据所述若干空间角度差得到所述点迹集合中每个点迹的领域;
根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇;
将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。
在本发明的一个实施例中,所述空间角度差表达式为:
其中,yi为第i个点迹,yj表示第j个点迹,i=1,2,...,N,j=1,2,...,N,N为所述点迹集合中包含的点迹总数,s(yi,yj)为第i个点迹和第j个点迹的空间角度差,θi为第i个点迹的方位角,θj为第j个点迹的方位角,为第i个点迹的俯仰角,为第j个点迹的俯仰角,w1为方位角空间加权系数,w2为俯仰角空间加权系数。
在本发明的一个实施例中,所述点迹集合中每个点迹的领域表达式为:
Mi={yj∈Y|s(yi,yj)≤Eps,i≠j},
其中,Eps为领域空间角度差阈值,Y为点迹集合。
在本发明的一个实施例中,根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇,包括:
(4a)输入N个点迹,设定最小包含点数MinPts和簇内最少点数MinCus;
(4b)把所述N个点迹标记为未检索,并把它们按照序号进行排序;
(4c)所述N个点迹中按照顺序选取点迹并判断是否为已检索:若已检索,则按顺序判断下一个点迹;否则,执行步骤(4d);
(4d)将该点迹标记为已检索,对其进行判断,若该点迹为孤立点,返回步骤(4c);若该点迹为核心点,把该核心点领域内的所有点迹标记为已检索,执行步骤(4e);
(4e)将该核心点及其领域内的所有点迹作为新的点迹簇,并注上新的簇标号;
(4f)判断所述核心点领域内所有点迹是否为核心点;若判断结果为核心点,把所述核心点领域内的所有点迹标记为已检索,注上和(4e)相同的簇标号并补充到所述点迹簇中,并重复步骤(4f)继续对所述核心点和所述点迹簇进行扩充,直至无核心点,执行步骤(4g);
(4g)返回步骤(4c),直到所述N个点迹都已检索,执行步骤(4h);
(4h)判断得到的每个点迹簇中包含的点迹个数是否小于簇内最少点数MinCus;若小于,则删除该点迹簇;否则,保留该点迹簇。
在本发明的一个实施例中,所述步骤(4d)中的核心点判断方法为:
对于点迹yi,若满足mi≥MinPts,则该点迹为核心点;否则,该点迹为孤立点,其中:
mi为点迹yi的领域Mi中所有点迹的数量。
本发明的有益效果:
第一,本发明基于角度信息对点迹进行空间划分和点迹簇提取,可以规避干扰带来的主瓣密集假目标的影响,使得本发明能够降低目标检测后由干扰带来的主瓣密集假目标点个数,进而降低虚警概率,提高目标检测性能;
第二,本发明通过在DBSCAN聚类算法中加入二维空间权系数和簇内最少点数,使聚类后的点迹簇更符合干扰带来的主瓣密集假目标的特征,提高了聚类的准确度,改善了其应用在雷达信号处理时的性能。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的步骤示意图;
图2是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法雷达回波数据的脉冲压缩结果和CFAR检测门限对比图;
图3是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法方位维波束扫描方向图;
图4是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法俯仰维波束扫描方向图;
图5是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的雷达二维极坐标显示界面图;
图6是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法处理后的雷达二维极坐标显示界面图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
请参见图1,图1是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的步骤示意图,包括:
获取包括方位角信息和俯仰角信息的点迹集合;
计算所述点迹集合中每个点迹和其他点迹的空间角度差,得到若干空间角度差;
根据所述若干空间角度差得到所述点迹集合中每个点迹的领域;
根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇;
将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合。
在本发明的一个实施例中,所述空间角度差表达式为:
其中,yi为第i个点迹,yj表示第j个点迹,i=1,2,...,N,j=1,2,...,N,N为所述点迹集合中包含的点迹总数,s(yi,yj)为第i个点迹和第j个点迹的空间角度差,θi为第i个点迹的方位角,θj为第j个点迹的方位角,为第i个点迹的俯仰角,为第j个点迹的俯仰角,w1为方位角空间加权系数,w2为俯仰角空间加权系数。
具体的,w1和w2的选取要结合实际雷达在方位维和俯仰维的测角精度,对于测角精度较高的维度,要让其加权系数高。在本发明的实施例中,N的个数为7,方位维和俯仰维的测角精度一致,故方位角空间加权系数w1=1,俯仰角空间加权系数w2=1。
在本发明的一个实施例中,所述点迹集合中每个点迹的领域表达式为:
Mi={yj∈Y|s(yi,yj)≤Eps,i≠j},
其中,Eps为领域空间角度差阈值,Eps=0.7,Y为点迹集合。
在本发明的一个实施例中,根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇,包括:
(4a)输入N个点迹,设定最小包含点数MinPts和簇内最少点数MinCus;
(4b)把所述N个点迹标记为未检索,并把它们按照序号进行排序;
(4c)所述N个点迹中按照顺序选取点迹并判断是否为已检索:若已检索,则按顺序判断下一个点迹;否则,执行步骤(4d);
(4d)将该点迹标记为已检索,对其进行判断,若该点迹为孤立点,返回步骤(4c);若该点迹为核心点,把该核心点领域内的所有点迹标记为已检索,执行步骤(4e);
(4e)将该核心点及其领域内的所有点迹作为新的点迹簇,并注上新的簇标号;
(4f)判断所述核心点领域内所有点迹是否为核心点;若判断结果为核心点,把所述核心点领域内的所有点迹标记为已检索,注上和(4e)相同的簇标号并补充到所述点迹簇中,并重复步骤(4f)继续对所述核心点和所述点迹簇进行扩充,直至无核心点,执行步骤(4g);
(4g)返回步骤(4c),直到所述N个点迹都已检索,执行步骤(4h);
(4h)判断得到的每个点迹簇中包含的点迹个数是否小于簇内最少点数MinCus;若小于,则删除该点迹簇;否则,保留该点迹簇。
具体的,MinPts=2,MinCus=4。
在本发明的一个实施例中,所述步骤(4d)中的核心点判断方法为:
对于点迹yi,若满足mi≥MinPts,则该点迹为核心点;否则,该点迹为孤立点,其中:
mi为点迹yi的领域Mi中所有点迹的数量。
以下结合仿真实验,对本发明的技术效果作进一步说明:
1、仿真条件:
本发明仿真的软件条件是:MATLAB R2017a Windows 10(Pro)。
本发明仿真的硬件条件是:Intel(R)Core(TM)i7-6700K CPU 4.00GHz。
2、仿真内容及仿真结果分析:
本发明仿真实验设定真实目标点为2个,雷达干扰机产生与雷达发射信号波形相同的干扰信号,由此干扰产生的主瓣密集假目标点5个,干扰的方位角为0°,俯仰角为15°,每间隔一段时间产生一次干扰;真实目标1的方位角为5°,俯仰角为13°,距离单元为1000;真实目标2的方位角为10°,俯仰角为20°,距离单元为1500。
请参见图2,图2是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法雷达回波数据的脉冲压缩结果和CFAR检测门限对比图,对回波数据进行脉冲压缩和恒虚警检测后,得到脉冲压缩结果和CFAR检测门限对比图。
从图2可以看出,经CFAR检测后,能够被检测成目标并被当做点迹输出的一共有7个,从脉冲压缩的结果来看,真实目标和由干扰带来的主瓣密集假目标幅度相似,无明显距离上的特征,无法区分,因此这时输出的这7个点迹中,就会有虚警点,会给后续数据处理带来麻烦。
请参见图3、图4,图3是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法方位维波束扫描方向图,图4是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法俯仰维波束扫描方向图,对这7个点迹进行波束扫描测角,得到7个点迹的波束扫描测角方向图。其中,图3表示方位维波束扫描方向图,图4表示俯仰维波束扫描方向图。
从图3、图4中可以看出,干扰点在角度上有明显的“聚集”特性,整理7个点迹的信息,把点迹编号、方位角、俯仰角和距离单元一一对应,整理成点迹信息表,如下表所示。
点迹信息表
点迹编号 | 方位角/° | 俯仰角/° | 距离单元 |
1 | -0.1 | 14.8 | 100 |
2 | -0.2 | 15 | 500 |
3 | -0.1 | 15.1 | 900 |
4 | 0.2 | 15.2 | 1300 |
5 | 0 | 15 | 1700 |
6 | 5 | 12.8 | 1000 |
7 | 9.9 | 19.9 | 1500 |
请参见图5,图5是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法的雷达二维极坐标显示界面图,把7个点迹绘制在雷达二维极坐标显示界面图。其中,极径表示距离单元,极角表示角度,雷达位于极心处,“*”符号所在的位置表示点迹位置。
从图5可以看出,目标检测后的7个点迹在二维坐标图上同时出现,真实目标在其中无法区分。
获取每个点迹的领域后,采用改进的DBSCAN聚类算法对所有点迹进行聚类,得到一个点迹簇,包含5个点迹,点迹编号为1、2、3、4、5。把这个点迹簇中的所有点迹当做主瓣密集假目标,从点迹集合中剔除,最终输出的点迹只剩两个,也就是点迹编号为6和7的点迹,结合仿真条件,可见真实目标点迹已经被提取出来,主瓣密集假目标点被全部剔除。
请参见图6,图6是本发明实施例提供的一种基于角度信息的主瓣密集假目标剔除方法处理后的雷达二维极坐标显示界面图,把最终输出的2个点迹绘制在雷达二维极坐标显示界面图中。
从图6可以看出,真实目标在显示界面上仍然保留,而由干扰产生的主瓣密集假目标点已经被完全剔除,说明本发明准确度高、适应性好。
综上所述,本发明提出的一种基于角度信息的主瓣密集假目标剔除方法,能够有效降低目标检测后由干扰带来的主瓣密集假目标点个数,降低了虚警概率,提高了目标检测性能。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (3)
1.一种基于角度信息的主瓣密集假目标剔除方法,其特征在于,包括:
获取包括方位角信息和俯仰角信息的点迹集合;
计算所述点迹集合中每个点迹和其他点迹的空间角度差,得到若干空间角度差;
根据所述若干空间角度差得到所述点迹集合中每个点迹的领域;
根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇;
将所述若干点迹簇作为主瓣密集假目标从所述点迹集合中剔除得到剔除后的点迹集合;
所述空间角度差表达式为:
其中,yi为第i个点迹,yj表示第j个点迹,i=1,2,…,N,j=1,2,…,N,N为所述点迹集合中包含的点迹总数,s(yi,yj)为第i个点迹和第j个点迹的空间角度差,θi为第i个点迹的方位角,θj为第j个点迹的方位角,为第i个点迹的俯仰角,为第j个点迹的俯仰角,w1为方位角空间加权系数,w2为俯仰角空间加权系数;
所述点迹集合中每个点迹的领域表达式为:
Mi={yj∈Y|s(yi,yj)≤Eps,i≠j},
其中,Eps为领域空间角度差阈值,Y为点迹集合。
2.根据权利要求1所述的基于角度信息的主瓣密集假目标剔除方法,其特征在于,根据DBSCAN聚类算法与所述点迹集合中每个点迹的领域对所有点迹进行聚类,得到若干点迹簇,包括:
(4a)输入N个点迹,设定最小包含点数MinPts和簇内最少点数MinCus;
(4b)把所述N个点迹标记为未检索,并把它们按照序号进行排序;
(4c)所述N个点迹中按照顺序选取点迹并判断是否为已检索:若已检索,则按顺序判断下一个点迹;否则,执行步骤(4d);
(4d)将该点迹标记为已检索,对其进行判断,若该点迹为孤立点,返回步骤(4c);若该点迹为核心点,把该核心点领域内的所有点迹标记为已检索,执行步骤(4e);
(4e)将该核心点及其领域内的所有点迹作为新的点迹簇,并注上新的簇标号;
(4f)判断所述核心点领域内所有点迹是否为核心点;若判断结果为核心点,把所述核心点领域内的所有点迹标记为已检索,注上和(4e)相同的簇标号并补充到所述点迹簇中,并重复步骤(4f)继续对所述核心点和所述点迹簇进行扩充,直至无核心点,执行步骤(4g);
(4g)返回步骤(4c),直到所述N个点迹都已检索,执行步骤(4h);
(4h)判断得到的每个点迹簇中包含的点迹个数是否小于簇内最少点数MinCus;若小于,则删除该点迹簇;否则,保留该点迹簇。
3.根据权利要求2所述的基于角度信息的主瓣密集假目标剔除方法,其特征在于,所述步骤(4d)中的核心点判断方法为:
对于点迹yi,若满足mi≥MinPts,则该点迹为核心点;否则,该点迹为孤立点,其中:
mi为点迹yi的领域Mi中所有点迹的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042763.8A CN111208484B (zh) | 2020-01-15 | 2020-01-15 | 一种基于角度信息的主瓣密集假目标剔除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042763.8A CN111208484B (zh) | 2020-01-15 | 2020-01-15 | 一种基于角度信息的主瓣密集假目标剔除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111208484A CN111208484A (zh) | 2020-05-29 |
CN111208484B true CN111208484B (zh) | 2023-03-14 |
Family
ID=70789694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010042763.8A Active CN111208484B (zh) | 2020-01-15 | 2020-01-15 | 一种基于角度信息的主瓣密集假目标剔除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111208484B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113390406B (zh) * | 2021-06-16 | 2022-05-24 | 电子科技大学 | 基于被动多传感器***的多目标数据关联与定位方法 |
CN113608178B (zh) * | 2021-07-30 | 2024-01-02 | 上海无线电设备研究所 | 一种基于双波段信息融合的抗拖曳欺骗干扰方法 |
CN114063022A (zh) * | 2021-11-12 | 2022-02-18 | 苏州苏试试验集团股份有限公司 | 信号处理方法、装置、存储介质和电子终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633598A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于特征分析的阵列雷达目标检测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5634423B2 (ja) * | 2012-03-02 | 2014-12-03 | 株式会社東芝 | 目標追跡装置、目標追跡プログラム、目標追跡システム、及び目標追跡方法 |
-
2020
- 2020-01-15 CN CN202010042763.8A patent/CN111208484B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109633598A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于特征分析的阵列雷达目标检测方法 |
Non-Patent Citations (1)
Title |
---|
基于信号-数据联合处理的压制-距离欺骗复合干扰抑制算法;王国宏等;《电子与信息学报》;20180711(第10期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111208484A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111208484B (zh) | 一种基于角度信息的主瓣密集假目标剔除方法 | |
CN106680783B (zh) | 基于站址误差融合算法对抗欺骗式假目标的方法 | |
CN103728599B (zh) | 用异地配置的主被动雷达网抑制欺骗式假目标干扰的方法 | |
CN104714225B (zh) | 一种基于广义似然比的动态规划检测前跟踪方法 | |
CN112906737B (zh) | 一种基于多辐射源基于密度特征聚类及识别的方法 | |
CN109633598A (zh) | 基于特征分析的阵列雷达目标检测方法 | |
CN110907908B (zh) | 基于包络分析的导航雷达信号分选方法 | |
Wu et al. | Target detection in clutter/interference regions based on deep feature fusion for HFSWR | |
CN110109068B (zh) | 基于极化特征向量的箔条干扰识别方法 | |
CN114924236A (zh) | 基于位置和速度信息的空地雷达协同抗欺骗式干扰方法 | |
CN109031221B (zh) | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 | |
CN113484838B (zh) | 一种多基地雷达有源假目标鉴别方法及*** | |
CN110390337B (zh) | 一种舰船个体识别方法 | |
CN112213697A (zh) | 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法 | |
CN116148794A (zh) | 一种机载火控雷达扫描体制识别方法及*** | |
CN113447901B (zh) | 一种不依赖概率模型的海杂波识别与目标检测方法 | |
CN113390406B (zh) | 基于被动多传感器***的多目标数据关联与定位方法 | |
CN108106500A (zh) | 一种基于多传感器的导弹目标类型识别方法 | |
Zhang et al. | Radar operation mode recognition via multifeature residual-and-shrinkage convnet | |
Li et al. | Signals Deinterleaving for ES systems using Improved CFSFDP Algorithm | |
Levedahl et al. | Optimal non-assignment costs for the gnp problem | |
JP3298397B2 (ja) | 多目標追尾装置 | |
CN112924942A (zh) | 地-空双基地雷达数据关联抗欺骗式假目标干扰的方法 | |
CN116071550B (zh) | 一种激光雷达灰尘点云过滤方法 | |
CN115453489B (zh) | 一种毫米波雷达室内多径判别方法 |
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 |