CN112904298B - 一种基于局部网格***的网格偏离空时自适应处理方法 - Google Patents
一种基于局部网格***的网格偏离空时自适应处理方法 Download PDFInfo
- Publication number
- CN112904298B CN112904298B CN202110076628.XA CN202110076628A CN112904298B CN 112904298 B CN112904298 B CN 112904298B CN 202110076628 A CN202110076628 A CN 202110076628A CN 112904298 B CN112904298 B CN 112904298B
- Authority
- CN
- China
- Prior art keywords
- space
- clutter
- time
- local
- grid
- 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
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 36
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 239000013598 vector Substances 0.000 claims abstract description 72
- 238000000034 method Methods 0.000 claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 35
- 230000004044 response Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000011084 recovery Methods 0.000 claims description 7
- 230000014509 gene expression Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training 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
- G01S7/414—Discriminating targets with respect to background clutter
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
本发明公开了一种基于局部网格***的网格偏离空时自适应处理方法,包括:获取杂波空间的空时自适应处理字典及杂波协方差矩阵;初始化杂波空间的正交投影矩阵和噪声投影矩阵,初始化空时导向矢量集合、杂波原子下标集合、全局迭代次数、全局迭代门限、局部迭代次数、局部迭代的误差门限、局部的最大迭代次数;在所述空时自适应处理字典中搜索杂波的空时导向矢量,将其构成更新后的杂波空间的空时导向矢量集合,并计算更新后的杂波空间的噪声投影矩阵;根据更新后的杂波空间的噪声投影矩阵获得网格失配的空时自适应处理加权矢量。该方法克服了估计精度与局部网格划分的个数有关的问题,减小了运算量,并具有更优的处理效率。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种基于局部网格***的网格偏离空时自适应处理方法,可用于广域预警雷达。
背景技术
空时自适应处理(Space-time adaptive processing,STAP)是一种检测慢速目标的有效方法。然而,在极度非均匀杂波条件下,由于距离空变性的原因,采用相邻距离门的杂波单元作为训练样本估计杂波空间的方法将不再适用。近年来,常采用稀疏恢复算法来重建杂波的角度-多普勒谱,以获得与最优处理器接近的处理性能,即将空时二维平面离散为网格。然而,由于真实杂波点并不落于网格的中心,即造成网格偏离,导致杂波抑制的性能将会下降。同时,***误差同样会使稀疏STAP的性能下降。
对于网格偏离问题,通常用划分网格的方法来解决。但是,过密的划分网格将会导致计算量增加,同时将会提高相邻杂波原子间的相关性。为了解决上述问题,基于稀疏贝叶斯学习的方法被提出来。然而,这类方法仅仅解决了在空域频率的网格偏离问题,不能解决在空时模型下二维频域内的网格偏离问题。
目前,解决二维频域内的网格偏离问题方法主要有以下三种:
第一种是利用连续字典的原子范数最小化方法。该方法利用原子范数的性质,把最小化原子范数的问题转化为对半正定问题的求解。然而在两维频域,该方法所用到的块托普利茨矩阵的范德蒙德分解性质并未被严格证明,仅在特定的情况下可以获得近似的解,故其实用性较差。同时,由于该方法占用了大量的内存与计算量,因而在实际的工程应用中受到了限制。
第二种是通过凸优化的方法来解决此问题。Teke O等人中提出了一种扰动正交匹配追赶法,该方法通过在每次迭代中调整所选的杂波原子来不断的降低误差以达到匹配所有杂波原子的目的。然而,该方法计算量大,并且倾向于解决随机扰动的问题,不具备普遍性。
第三种是通过在全局匹配搜索到的杂波原子周围划分更小的格子,该方法相比于前两种更具一般性。G.Bai,R.Tao等人提出了一种参数搜索的正交匹配追赶方法,该方法采用了最速下降法来进行匹配搜索,这可能导致一个非收敛的结果。李等人提出了一种基于子空间投影的降维局部搜索估计方法(Local search clutter subspace estimationSTAP,LSCSE-STAP),该方式通过设置搜索门限来降低计算量,并且具有固定的网格划分方式。但是,该方法在局部搜索过程中仍然需要大量的计算,且在搜索最佳精度时需要进行数次实验对局部网格的大小进行合理划分,因而效率较低。
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局部网格***的网格偏离空时自适应处理方法。本发明要解决的技术问题通过以下技术方案实现:
本发明提供了一种基于局部网格***的网格偏离空时自适应处理方法,包括:
步骤1:获取杂波空间的空时自适应处理字典及杂波协方差矩阵;
步骤3:在所述空时自适应处理字典中搜索杂波的空时导向矢量,构成更新后的杂波空间的空时导向矢量集合ΦΩ,并计算更新后的杂波空间的噪声投影矩阵Pn;
步骤4:根据更新后的杂波空间的噪声投影矩阵Pn获得网格失配的空时自适应处理加权矢量。
在本发明的一个实施例中,所述步骤1包括:
利用机载雷达***观测空间中的杂波散射点,计算第i个杂波散射点的空时导向矢量s(fd,i,fs,i),并根据所有杂波散射点的空时导向矢量s(fd,i,fs,i)构造杂波空间的空时自适应处理字典Φ:
其中,第i个杂波散射点的空时导向矢量s(fd,i,fs,i)为:
sd(fd,i)=[1,exp(j2πfd,i),...,exp(j2π(M-1)fd,i)]T
ss(fs,i)=[1,exp(j2πfs,i),...,exp(j2π(N-1)fs,i)]T
其中,(·)T表示矩阵的转置操作,Ns表示利用稀疏恢复算法后空时二维平面空域频率被离散为Ns=ρsN个网格,Nd表示利用稀疏恢复算法后时域频率被离散为Nd=ρdM个网格,ρd,ρs>1,表示频域的离散程度,N为阵元个数,M为脉冲个数,fs,i表示第i个杂波散射点的空域频率,fd,i表示第i杂波散射点的归一化的多普勒频率;
在本发明的一个实施例中,所述步骤3包括:
步骤3.1:在所述空时自适应处理字典中进行全局搜索,通过子空间投影的方式挑选出与当前剩余杂波最相关的空时导向矢量作为进行局部迭代的初始杂波原子的空时二维平面坐标;
步骤3.3:对搜索到的杂波原子下标集合Ω进行扩充对搜索到的杂波原子的空时导向矢量集合进行更新对进行更新杂波空间的正交投影矩阵对杂波空间的噪声投影矩阵进行更新其中I为单位阵,为矩阵的求伪逆操作,k表示全局迭代的次数;
在本发明的一个实施例中,所述步骤3.1包括:
其中,m表示空时自适应字典中杂波原子的下标,sm表示下标为m的杂波原子所对应的空时导向矢量;
在本发明的一个实施例中,所述步骤3.2包括:
步骤3.21:以步骤3.1中挑选的原始杂波原子为中心,分别在时域以1/M、在空域以1/N为边长划分一个2×2的“田”字网格,所述网格的9个顶点构成3×3的原子矩阵ΦΩl,计算9个杂波原子的空时权矢量的响应:
其中,p表示局部***的次数,l表示第l个距离门,表示第p-1次局部***后更新的空时导向矢量集合里的空时导向矢量,表示第p-1次局部***后更新的原子所组成的空时导向矢量集合,表示第p次局部***后下标为ml的杂波原子的空时权矢量的响应;
步骤3.22:利用所述9个杂波原子中在空时权矢量的最大响应点作为顶点,向第二与第三大响应的点做边,闭合成为下一次***的次网格;在次网格内重新划分2×2的网格并更新,重复步骤3.21的过程直到其中,σl表示误差门限,或者达到局部的最大迭代次数;
在本发明的一个实施例中,步骤3.4包括:
E(k)<ηE(0),
其中,E(0)表示所有杂波原子的能量,E(k)表示剩余杂波原子的能量,η为预设的门限。
在本发明的一个实施例中,所述S4包括:
其中,s0表示目标的空时导向矢量。
与现有技术相比,本发明的有益效果在于:
1、本发明基于局部网格***的网格偏离空时自适应处理方法克服了估计精度与局部网格划分的个数有关的问题,减小了运算量,节约了运算资源,并具有更优的处理效率。
2、本发明的方法提高了杂波原子的搜索精度,输出信杂噪比曲线凹口变窄,有效地提升了稀疏空时处理的性能。
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局部网格***的网格偏离空时自适应处理方法的流程图;
图2是本发明实施例提供的一种基于局部网格***的网格偏离空时自适应处理方法的网格***示意图;
图3a是利用现有技术的LSCSE方法挑选的杂波原子的分布图;
图3b是利用本发明实施例的方法挑选的杂波原子的分布图;
图4是本发明实施例的方法与现有技术方法输出的信杂噪比的对比图。
具体实施方式
为了进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及具体实施方式,对依据本发明提出的基于局部网格***的网格偏离空时自适应处理方法进行详细说明。
有关本发明的前述及其他技术内容、特点及功效,在以下配合附图的具体实施方式详细说明中即可清楚地呈现。通过具体实施方式的说明,可对本发明为达成预定目的所采取的技术手段及功效进行更加深入且具体地了解,然而所附附图仅是提供参考与说明之用,并非用来对本发明的技术方案加以限制。
应当说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。
请参见图1,图1是本发明实施例提供的一种基于局部网格***的网格偏离空时自适应处理方法的流程图。本实施例的网格偏离空时自适应处理方法包括:
步骤1:获取杂波空间的空时自适应处理字典及杂波协方差矩阵。
首先,对信号模型进行简要说明。
利用机载雷达***观测空间中静止的杂波散射点,假设一机载***采用线型阵列天线,阵元个数为N,阵元间距为d。以重频fr在相参积累时间内发射了M个脉冲。载机速度为V,则杂波散射点的空域频率fs与归一化的多普勒频率fd可分别表示为:
fs=dcosψa/λ
fd=Vcosψv/λfr
其中,λ表示信号波长,ψa表示观测点的空间锥角,ψv表示观测点与载机运动方向的速度锥角。因此,第i个杂波散射点的空时导向矢量s(fd,i,fs,i)可以写为:
sd(fd,i)=[1,exp(j2πfd,i),...,exp(j2π(M-1)fd,i)]T
ss(fs,i)=[1,exp(j2πfs,i),...,exp(j2π(N-1)fs,i)]T
其中,(·)T表示矩阵的转置操作,Ns表示利用稀疏恢复算法后空时二维平面空域频率被离散为Ns=ρsN个网格,Nd表示利用稀疏恢复算法后时域频率被离散为Nd=ρdM个网格,ρd,ρs>1,表示频域的离散程度,N为阵元个数,M为脉冲个数。
获得杂波空间的空时自适应处理字典为:
其中,s(fd,i,fs,i)表示第i个杂波散射点的空时导向矢量。
随后,利用杂波散射点的回波信号xl估计杂波第l个距离门的协方差矩阵:
具体地,Ω表示搜索到的杂波原子的下标集合,初始化为空集;ΦΩ表示由Ω下标标志的在Φ中的导向矢量的集合,在迭代开始时初始化为空集;Pc和Pn分别表示向杂波空间的正交投影矩阵与噪声投影矩阵,将Pc和Pn初始化为单位阵;初始化全局迭代的次数k=1,初始化全局迭代的门限η,初始化局部迭代的误差门限σl、局部迭代次数p、局部迭代的误差门限σl、局部的最大迭代次数。
步骤3:搜索空时导向矢量,重构杂波子空间
在空时自适应处理字典中搜索杂波的空时导向矢量,将其构成新的杂波空间的空时导向矢量集合ΦΩ,并计算新的杂波空间的噪声投影矩阵Pn。
进一步地,步骤3具体包括:
步骤3.1:在空时自适应处理字典中进行全局搜索
在空时自适应处理字典中进行全局搜索,通过子空间投影的方式,挑选出与当前剩余杂波最相关的空时导向矢量作为进行局部迭代的初始杂波原子的空时二维平面坐标。
其中,m表示空时自适应字典中杂波原子的下标,sm表示下标为m的杂波原子所对应的空时导向矢量。
挑选上式惩罚项最大的一个,作为在当前的杂波子空间中搜索到的杂波原子。
步骤3.2:进行局部迭代
以步骤3.1中挑选的杂波原子为中心,分别在时域以1/M、在空域以1/N为边长划分一个2×2的“田”字网格,该网格的9个顶点构成3×3的原子矩阵ΦΩl,计算这9个杂波原子空时权矢量的响应,通过下式计算:
其中,p表示局部***的次数,l表示第l个距离门,表示第p-1次局部***后更新的空时导向矢量集合里的空时导向矢量,表示第p-1次局部***后更新的原子所组成的空时导向矢量集合,表示第p次局部***后下标为ml的杂波原子的空时权矢量的响应。
请参见图2,利用9个点中在空时权矢量的最大响应点作为顶点,向第二与第三大响应的点做边,从而闭合成为下一次***的网格。在次网格内重新划分2×2的网格并更新,重复上述过程直到其中,σl表示误差门限,或者达到局部的最大迭代次数。
步骤3.3:更新杂波子空间
在经过上述局部迭代过程后,第k次全局搜索得到的最优杂波原子为此时,对搜索到的杂波原子下标集合Ω进行扩充对搜索到的杂波原子的空时导向矢量集合进行更新 分别以和进行更新,其中,I为单位阵,为矩阵的求伪逆操作。
步骤3.4:判断搜索终止条件
E(k)<ηE(0)
步骤4:计算空时自适应处理加权矢量矩阵。
其中,s0表示目标的空时导向矢量。
本发明实施例基于局部网格***的网格偏离空时自适应处理方法的效果可以通过下述仿真实验加以说明:
(1)试验条件:假设平台以150m/s的速度飞行,阵列方位向沿载机方位向摆放,阵元个数N=16,脉冲数M=16,脉冲重频6000Hz,载机高度8km,下视角为30°。设中心距离环360个杂波单元沿方位向80°到100°均匀分布。杂噪比为35dB。字典大小Ns=5N,Nd=5M。
(2)试验内容与结果分析:
试验1:
检验了挑选的杂波原子在空时平面上的分布情况,设置现有技术LSCSE-STAP方法中局部的字典中Nld=Nls=5,本发明实施例的方法(附图中表示为LMSSE-STAP)中的最大***次数为3。全局迭代门限η=0.01E(0),迭代终止次数为25。
请参见图3a和图3b,图3a是利用现有技术的LSCSE方法挑选的杂波原子的分布图;图3b是利用本发明实施例的方法挑选的杂波原子的分布图。可以看出,本发明实施例的方法比LSCSE-STAP方法具有更高的搜索精度。
试验2:
通过比较输出的信杂噪比损失作为性能检验的结果,信杂噪比损失定义如下:
其中,表示STAP加权矢量,R表示估计的杂波矩阵。采用试验1中的实验设置,设目标的空间频率为0.06。请参见图4,图4是本发明实施例的方法与现有技术方法输出的信杂噪比的对比图,其中,横坐标为归一化多普勒频率,纵坐标为信杂噪比损失。OPT表示最优处理器。可以看出,本方法实施例的方法LMSSE-STAP比现有技术的方法LSCSE-STAP与SRCN-STAP更加接近于OPT曲线,即利用本方法实施例的方法LMSSE-STAP搜索到的杂波原子所张成的杂波子空间更加接近于真实的杂波子空间。因此,本方法实施例的方法LMSSE-STAP比现有技术的方法LSCSE-STAP与SRCN-STAP具有更好的性能。从实验结果中,可以看出本方法实施例的方法LMSSE-STAP比现有技术的方法LSCSE-STAP与SRCN-STAP在计算量较少的情况下可以达到更高的性能。
其中,SRCN-STAP(Sparse Representationbased ClutterNulling STAP)是一种基于原子挑选的杂波零陷STAP方法,该方法的基本思路为通过迭代搜索在STAP字典中挑选杂波原子构造杂波子空间,挑选准则为在之前未被选中的剩余杂波原子中,选出空时权响应最大的那一个杂波原子,并利用本次挑选的杂波原子更新噪声投影矩阵,再利用最后更新的噪声投影矩阵计算STAP权矢量。
通过实验仿真,可以证明本发明实施例的方法可以在计算较少时获得较高的精度。综合图3a和图3b的挑选原子在空时谱平面上的分布,图4的信杂噪比损失曲线,可以得出:通过局部的网格***,本发明实施例的方法可以快速准确地找到失配的空时网格,有效地提升了稀疏空时处理的性能,为利用阴影辅助检测动目标提供了有效的解决途径。
综上,本发明基于局部网格***的网格偏离空时自适应处理方法的克服了估计精度与局部网格划分的个数有关的问题,减小了运算量,节约了运算资源,并具有更优的处理效率。该方法提高了杂波原子的搜索精度,输出信杂噪比曲线凹口变窄,有效地提升了稀疏空时处理的性能。
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 (7)
2.根据权利要求1所述的基于局部网格***的网格偏离空时自适应处理方法,其特征在于,所述步骤1包括:
利用机载雷达***观测空间中的杂波散射点,计算第i个杂波散射点的空时导向矢量s(fd,i,fs,i),并根据所有杂波散射点的空时导向矢量s(fd,i,fs,i)构造杂波空间的空时自适应处理字典Φ:
其中,第i个杂波散射点的空时导向矢量s(fd,i,fs,i)为:
sd(fd,i)=[1,exp(j2πfd,i),...,exp(j2π(M-1)fd,i)]T
ss(fs,i)=[1,exp(j2πfs,i),...,exp(j2π(N-1)fs,i)]T
其中,(·)T表示矩阵的转置操作,Ns表示利用稀疏恢复算法后空时二维平面空域频率被离散为Ns=ρsN个网格,Nd表示利用稀疏恢复算法后时域频率被离散为Nd=ρdM个网格,ρd,ρs>1,表示频域的离散程度,N为阵元个数,M为脉冲个数,fs,i表示第i个杂波散射点的空域频率,fd,i表示第i杂波散射点的归一化的多普勒频率;
3.根据权利要求2所述的基于局部网格***的网格偏离空时自适应处理方法,其特征在于,所述步骤3包括:
步骤3.1:在所述空时自适应处理字典中进行全局搜索,通过子空间投影的方式挑选出与当前剩余杂波最相关的空时导向矢量作为进行局部迭代的初始杂波原子的空时二维平面坐标;
步骤3.3:对搜索到的杂波原子下标集合Ω进行扩充对搜索到的杂波原子的空时导向矢量集合进行更新对杂波空间的正交投影矩阵进行更新对杂波空间的噪声投影矩阵进行更新其中I为单位阵,为矩阵的求伪逆操作,k表示全局迭代的次数;
5.根据权利要求4所述的基于局部网格***的网格偏离空时自适应处理方法,其特征在于,所述步骤3.2包括:
步骤3.21:以步骤3.1中挑选的原始杂波原子为中心,分别在时域以1/M、在空域以1/N为边长划分一个2×2的“田”字网格,所述网格的9个顶点构成3×3的原子矩阵ΦΩl,计算9个杂波原子的空时权矢量的响应:
其中,p表示局部***的次数,l表示第l个距离门,表示第p-1次局部***后更新的空时导向矢量集合里的空时导向矢量,表示第p-1次局部***后更新的原子所组成的空时导向矢量集合,表示第p次局部***后下标为ml的杂波原子的空时权矢量的响应;
步骤3.22:利用所述9个杂波原子中在空时权矢量的最大响应点作为顶点,向第二与第三大响应的点做边,闭合成为下一次***的次网格;在次网格内重新划分2×2的网格并更新,重复步骤3.21的过程直到其中,σl表示误差门限,或者达到局部的最大迭代次数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076628.XA CN112904298B (zh) | 2021-01-20 | 2021-01-20 | 一种基于局部网格***的网格偏离空时自适应处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110076628.XA CN112904298B (zh) | 2021-01-20 | 2021-01-20 | 一种基于局部网格***的网格偏离空时自适应处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112904298A CN112904298A (zh) | 2021-06-04 |
CN112904298B true CN112904298B (zh) | 2022-11-04 |
Family
ID=76116851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110076628.XA Active CN112904298B (zh) | 2021-01-20 | 2021-01-20 | 一种基于局部网格***的网格偏离空时自适应处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112904298B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655458B (zh) * | 2021-09-02 | 2023-06-02 | 内蒙古工业大学 | 基于字典校正的空时自适应处理方法、装置及存储介质 |
CN113777563A (zh) * | 2021-09-13 | 2021-12-10 | 内蒙古工业大学 | 基于稀疏表示的杂波抑制方法、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926572A (zh) * | 2014-03-28 | 2014-07-16 | 西安电子科技大学 | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 |
CN104345299A (zh) * | 2014-11-03 | 2015-02-11 | 西安电子科技大学 | 基于简化ec的机载mimo雷达空时自适应处理方法 |
CN104536017A (zh) * | 2015-01-06 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种先子空间投影后波束合成的导航接收机stap算法 |
EP3040737A2 (en) * | 2014-12-30 | 2016-07-06 | Propagation Research Associates, Inc. | Using orthogonal space projections to generate a constant false alarm rate control parameter |
WO2018045594A1 (zh) * | 2016-09-12 | 2018-03-15 | 深圳大学 | 一种基于互质脉冲重复间隔的空时自适应处理方法及装置 |
CN109557539A (zh) * | 2018-12-27 | 2019-04-02 | 中国人民解放军空军工程大学 | 机载无源雷达地面动目标检测方法、装置以及电子设备 |
-
2021
- 2021-01-20 CN CN202110076628.XA patent/CN112904298B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103926572A (zh) * | 2014-03-28 | 2014-07-16 | 西安电子科技大学 | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 |
CN104345299A (zh) * | 2014-11-03 | 2015-02-11 | 西安电子科技大学 | 基于简化ec的机载mimo雷达空时自适应处理方法 |
EP3040737A2 (en) * | 2014-12-30 | 2016-07-06 | Propagation Research Associates, Inc. | Using orthogonal space projections to generate a constant false alarm rate control parameter |
CN104536017A (zh) * | 2015-01-06 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种先子空间投影后波束合成的导航接收机stap算法 |
WO2018045594A1 (zh) * | 2016-09-12 | 2018-03-15 | 深圳大学 | 一种基于互质脉冲重复间隔的空时自适应处理方法及装置 |
CN109557539A (zh) * | 2018-12-27 | 2019-04-02 | 中国人民解放军空军工程大学 | 机载无源雷达地面动目标检测方法、装置以及电子设备 |
Non-Patent Citations (2)
Title |
---|
一种自适应子空间追踪的基于配准补偿方法;冯为可等;《西安电子科技大学学报》;20150727(第03期);第107-113页 * |
基于混合匹配追踪算法的MIMO雷达稀疏成像方法;王伟等;《电子与信息学报》;20161031;第38卷(第10期);第2415-2422页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112904298A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6498581B1 (en) | Radar system and method including superresolution raid counting | |
CN105652273B (zh) | 一种基于混合匹配追踪算法的mimo雷达稀疏成像算法 | |
CN112904298B (zh) | 一种基于局部网格***的网格偏离空时自适应处理方法 | |
Pan et al. | Multi-task hidden Markov modeling of spectrogram feature from radar high-resolution range profiles | |
CN105699950B (zh) | 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法 | |
CN113032721B (zh) | 一种低计算复杂度的远场和近场混合信号源参数估计方法 | |
CN113376569A (zh) | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 | |
Xu et al. | Spatial information theory of sensor array and its application in performance evaluation | |
CN111474527B (zh) | 机载stap雷达快速去互耦的杂波协方差矩阵估计方法 | |
CN115236584A (zh) | 基于深度学习的米波雷达低仰角估计方法 | |
Nickel | Radar target parameter estimation with array antennas | |
CN110046326B (zh) | 一种时频doa估计方法 | |
CN116933001A (zh) | 一种基于深度学习的doa估计方法 | |
Hu et al. | Off‐Grid DOA Estimation Based on Compressed Sensing on Multipath Environment | |
CN113109760B (zh) | 一种基于组稀疏的多线谱联合doa估计和聚类方法及*** | |
CN109490859A (zh) | 部分均匀环境中对方位扰动和多普勒扰动稳健的检测器 | |
Wei et al. | Off-Grid Sparse Bayesian Inference with Biased Total Grids for Dense Time Delay Estimation | |
Abdelaziz et al. | Sea clutter texture estimation: exploiting decorrelation and cyclostationarity | |
Roldan et al. | Low complexity single-snapshot DoA estimation via Bayesian compressive sensing | |
Hu et al. | High resolution 3D imaging in MIMO radar with sparse array | |
Liu et al. | Compressive sensing for very high frequency radar with application to low-angle target tracking under multipath interference | |
CN116990817B (zh) | 一种雷达前视无网格重构sar成像方法和装置 | |
CN113820679B (zh) | 雷达回波数据的滤波方法、装置、设备和存储介质 | |
Wang et al. | A Robust Space-time Adaptive Processing Algorithm based on Particle Swarm Optimization for Non-stationary Clutter Suppression | |
CN114879131B (zh) | 稀疏线阵结合内插虚拟变换技术的无网格doa估计方法 |
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 |