CN113253236A - 一种基于毫米波雷达的雨天杂波抑制方法 - Google Patents
一种基于毫米波雷达的雨天杂波抑制方法 Download PDFInfo
- Publication number
- CN113253236A CN113253236A CN202110767719.8A CN202110767719A CN113253236A CN 113253236 A CN113253236 A CN 113253236A CN 202110767719 A CN202110767719 A CN 202110767719A CN 113253236 A CN113253236 A CN 113253236A
- Authority
- CN
- China
- Prior art keywords
- rainy
- point cloud
- target
- day
- background
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000001629 suppression Effects 0.000 title description 4
- 238000001514 detection method Methods 0.000 claims abstract description 61
- 238000012545 processing Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001228 spectrum 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
-
- 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
- G01S7/417—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 involving the use of neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于毫米波雷达的雨天杂波抑制方法,步骤包括:毫米波雷达对信号进行CFAR检测,获得点云数据集;计算背景检测区域每帧点云集的方差值和均值;设置滑动标志List,在滑窗帧数内计算点云回波幅度的方差值,如果方差值<K 1,设置滑动标志为雨天;如果方差值为0,设置滑动标志为晴天;滑动标志连续标记为雨天的数量>K 2时,进入雨天背景目标检测模式,滑动标志连续标记为晴天的数量>K 3,进入晴天背景目标检测模式。本发明通过雨天和晴天的自动识别,灵活调整目标检测算法,提高目标检测准确性和稳定性;从统计上提取雨天背景目标点云信息,有效提高雨天识别的准确性,抑制了雨天杂波,降低了雨天虚警概率。
Description
技术领域
本发明属于雷达技术领域,尤其涉及一种基于毫米波雷达的雨天杂波抑制方法。
技术背景
随着毫米波雷达的快速发展,在车载、智慧交通,无人机等各领域被广泛应用,应用环境也比较复杂,特别是在室外场景应用非常之多,面临的影响目标检测的因素也很多,雨天就是其中较为影响较大的一个因素,毫米波雷达在暴雨等天气容易产生误检、漏检的情况,这给目标检测带来严重的干扰,更严重可能造成雷达信息衰减,存在较大的安全隐患。例如在智慧交通领域的使用,雷达使用环境较为复杂,且对产品的稳定检测性要求极其严格,而暴雨等天气大大降低了毫米波雷达对目标的检测性能。
发明内容
有鉴于此,本发明提出了一种基于毫米波雷达的雨天杂波抑制方法,方法包括以下步骤:
毫米波雷达提取发射信号遇到待测目标后反射的回波信息,将所述回波信息处理获得距离-多普勒热图;
在所述距离-多普勒热图上进行CFAR检测算法,获得原始点云,再对原始点云进行角度估计获得点云集Z;
设置滑动标志List,所述滑动标志List中存储每帧的状态标志,在滑窗帧数frameNum内计算点云回波幅度的方差值,如果则为雨天,其中K 1 为预设阈值,设置滑动标志List[k]为雨天标志;如果,设置滑动标志List[k]为晴天标志,其它情况下设置滑动标志List[k]为其它,k为帧号;
统计滑动标志List中连续标记为雨天的数量N,当N大于设定阈值K 2时,进入雨天背景目标检测模式,当目标点的回波幅度P j 大于目标检测阈值K 4,说明点目标为真实目标,反之,为杂波点;
统计滑动标志List中连续标记为晴天的数量N 1,当N 1大于设定阈值K 3,则由雨天背景目标检测模式进入晴天背景目标检测模式。
进一步地,将所述回波信息处理获得距离-多普勒热图的步骤包括以下步骤:
将发射信号与回波信号进行混频处理生成混频信号;
对混频信号进行AD采样,生成时域采样信号;
对时域采样信息进行一维快速傅里叶变换,获取雷达的一维距离像,对所述一维距离像进行二维快速傅里叶变换处理,得到距离-多普勒热图。
进一步地,设置的背景检测区域在晴天情况下无点云数据。
进一步地,回波幅度P计算公式如下:
其中,表示目标的RCS值,Pt是射频前端最大发射功率,GRX是接收天线增益,GTX是发射天线增益,表示波长,Tmeas表示所有chirp总测量时间,d表示径向距离,k表示波尔兹曼常数,T表示天线温度,F表示噪声系数。
计算当前点云数据集,背景检测区域中回波幅度方差
进一步地,目标检测阈值K 4如下式计算:
进一步地,根据雨天背景数据检测,对目标检测阈值K 4进行调整,对不同雨量大小,设置不同的增益系数k。
进一步地,采用神经网络对所述增益系数k进行调整。
进一步地,所述晴天背景目标检测模式下采用固定限幅识别目标。
相对于现有技术,本发明的有益效果如下:
1) 通过雨天和晴天的自动识别,灵活的调整目标检测算法,调高目标检测准确性和稳定性。
2) 采用目标点云回波幅度P的方差,通过多帧数据,从统计上提取雨天背景目标点云信息,有效提高雨天识别的准确性,有效抑制雨天杂波,降低雨天虚警概率。
附图说明
图1本发明的雨天杂波抑制流程图;
图2本发明的晴天雨天背景点云回波幅度方差图;
图3本发明的雨天目标点云回波幅度方差图;
图4本发明的雨天检测效果图。
具体实施方式
下面结合附图对本发明作进一步的说明,但不以任何方式对本发明加以限制,基于本发明教导所作的任何变换或替换,均属于本发明的保护范围。
本发明公开的一种基于毫米波雷达的雨天杂波抑制方法,包括以下步骤:
假若雷达发射信号e(t,n)表示为
其中,f 0为雷达发射载频,t为以每个Chirp发射时刻为起点的快时间,T c 为Chirp的调制周期,K=B/T c 为Chirp内的调频斜率,B为发射信号带宽,表示发射信号的Chirp索引,一帧信号总共发射N个Chirp,为虚单位。
S1:毫米波雷达提取发射信号遇到待测目标后反射的回波信息,将所述回波信息处理获得距离-多普勒热图。S1包括S10-S14步骤:
S10:毫米波雷达获取基于发射信号遇到待测目标反射的回波信息s(t,n,m)可表示为;
假定慢速运动目标在以雷达为原点的观测坐标系下距离雷达初始距离为R i ,初始径向速度为v i ,与雷达天线法向夹角为,则在MT c 的极短的帧时间内,慢速运动目标可认为相对于雷达作匀速运动,则第i个目标的时延τi可表示为
S11:将回波信号s(t,n,m)与发射信号e(t,n)进行混频去斜处理生成中频信号(忽略τi的高阶项)
可以看到中频信号在每个接收通道和每个Chirp上都是一个连续时间单频信号。
S12:对中频信号进行AD采样,得到时域采样信号
S13:对时域采样信号x[k,n,m]进行一维快速傅里叶变换(距离FFT),获取雷达的一维距离像序列为
对利用8个虚拟通道信号对原始点云进行角度估计处理(角度FFT)获得点云角度观测
一般将该极坐标转换到直角坐标下,则有
S3:设定背景检测区域,检测区域是以雷达为原点,在水平方位上,雷达正前方为纵轴Y,左右方向为横轴X,同时需要保证背景检测区域干净即非雨天情况下无点云数据,这样可以晴天情况下背景检测区域的点云数据方差为0;
每帧点云数据集回波幅度的均值和方差计算过程如下:
计算当前点云数据集,背景检测区域中回波幅度方差
S5:设置滑动标志List,所述滑动标志List中存储每帧的状态标志,在滑窗帧数frameNum内计算点云回波幅度的方差值,如果则为雨天,其中K 1 为预设阈值,设置滑动标志List[k]为雨天标志;如果,设置滑动标志List[k]为晴天标志,其它情况下设置滑动标志List[k]为其它,k为帧号。
S6:通过统计滑动标志List中满足雨天标志的帧数N,当N大于设定阈值K 2时,进入雨天背景目标检测模式,并计算满足雨天背景帧数的回波幅度均值,作为目标检测阈值K 4;通过统计滑动标志List中满足情况标志的帧数N 1,当N 1大于设定阈值K 3,则由雨天背景目标检测模式进入晴天背景目标检测模式;
在雨天背景检测模式下,当目标点的回波幅度P j >K 4则说明点目标为真实目标,反之,则为杂波点。
在晴天背景目标检测模式下,使用固定限幅方法(当目标回波幅度超过设定的阈值,该阈值无法自适应调整,使用固定的阈值)限幅识别目标。
在雨天背景检测模式下,根据雨天背景数据检测,可以实时对K 4进行调整,对不同雨量大小,采用不同的K 4阈值;
目标检测阈值K 4计算如下:
式中:N表示满足雨天标志个数;
本发明采用神经网络对增益系数k进行调整,以提高对不同雨量下对目标识别的准确性。对于不同暴雨级别:蓝色预警、黄色预警、橙色预警和红色预警,分别设置不同的增益系数k。本实施例使用前馈神经网络对增益系数k进行训练,包括输入层,两个隐藏层和一个输出层。输入为雨天的目标回波幅度均值,输出为4个增益系数级别k1,k2,k3,k4,分别对应蓝色预警、黄色预警、橙色预警和红色预警的雨天的增益系数。
前馈神经网络通过各个层的激励和权值以及偏置的处理向前传递,最终得到一个预期值,通过标签值和预期的值得到一个残差值,残差值的大小反映了预期值和残差值的偏离程度,使用反向传播算法,对上一层的推倒公式进行梯度求解,然后代入各个变量x,得到各个变量x当前层对应的权值w',然后依次的向上一层反向传播,最终到达输入层,得到各层相对应的权值w的偏离值,然后设定一个学习率,来设置参数更新的大小,达到参数的更新,然后通过4次迭代调整好w,b参数。本实施例中学习率为0.001,b为固定值。激活函数为sigmoid函数:
图2为晴天雨天背景点云回波幅度方差图,图中晴天背景的点云回波幅度方差为0,而雨天背景的点云回波幅度方差大于0,且在一定幅度范围内波动。图3是雨天存在目标点时的回波幅度方差图,当目标点云回波幅度方差大于阈值K 1时标记为雨天标志,当连续有K 2(K 2为预设阈值)个以上雨天标志时,进入雨天背景目标检测模式。图4为雨天时的目标检测检测效果图,进入雨天背景目标检测模式后,目标点云回波幅度方差大于阈值K 4时,识别出目标,如果目标点云回波幅度方差小于阈值K 4,将之视为杂波滤除。可以看出本发明有效抑制了雨天的杂波,降低了雨天虚警概率。
本发明的有益效果如下:
通过雨天和晴天的自动识别,灵活的调整目标检测算法,调高目标检测准确性和稳定性。
采用目标点云回波幅度Z的方差,通过多帧数据,从统计上提取雨天背景目标点云信息,有效提高雨天识别的准确性,有效抑制雨天杂波,降低雨天虚警概率。
上述实施例为本发明的一种实施方式,但本发明的实施方式并不受所述实施例的限制,其他的任何背离本发明的精神实质与原理下所做的改变、修饰、代替、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种基于毫米波雷达的雨天杂波抑制方法,其特征在于,包括以下步骤:
毫米波雷达提取发射信号遇到待测目标后反射的回波信息,将所述回波信息处理获得距离-多普勒热图;
在所述距离-多普勒热图上进行CFAR检测算法,获得原始点云,再对原始点云进行角度估计获得点云集Z;
设置滑动标志List,所述滑动标志List中存储每帧的状态标志,在滑窗帧数frameNum内计算点云回波幅度的方差值,如果则为雨天,其中K 1 为预设阈值,设置滑动标志List[k]为雨天标志;如果,设置滑动标志List[k]为晴天标志,其它情况下设置滑动标志List[k]为其它,k为帧号;
统计滑动标志List中连续标记为雨天的数量N,当N大于设定阈值K 2时,进入雨天背景目标检测模式,当目标点的回波幅度P j 大于目标检测阈值K 4,说明点目标为真实目标,反之,为杂波点;
统计滑动标志List中连续标记为晴天的数量N 1,当N 1大于设定阈值K3,则由雨天背景目标检测模式进入晴天背景目标检测模式。
2.根据权利要求1所述的基于毫米波雷达的雨天杂波抑制方法,其特征在于,将所述回波信息处理获得距离-多普勒热图的步骤包括以下步骤:
将发射信号与回波信号进行混频处理生成混频信号;
对混频信号进行AD采样,生成时域采样信号;
对时域采样信息进行一维快速傅里叶变换,获取雷达的一维距离像,对所述一维距离像进行二维快速傅里叶变换处理,得到距离-多普勒热图。
3.根据权利要求1所述的基于毫米波雷达的雨天杂波抑制方法,其特征在于,设置的背景检测区域在晴天情况下无点云数据。
7.根据权利要求1或4任意一项所述的基于毫米波雷达的雨天杂波抑制方法,其特征在于,根据雨天背景数据检测,对目标检测阈值K 4进行调整,对不同雨量大小,设置不同的增益系数k。
8.根据权利要求7所述的基于毫米波雷达的雨天杂波抑制方法,其特征在于,采用神经网络对所述增益系数k进行调整,训练得到的增益系数k分别对应蓝色预警、黄色预警、橙色预警和红色预警级别雨天的增益系数。
9.根据权利要求1所述的基于毫米波雷达的雨天杂波抑制方法,其特征在于,所述晴天背景目标检测模式下采用固定限幅方法识别目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110767719.8A CN113253236B (zh) | 2021-07-07 | 2021-07-07 | 一种基于毫米波雷达的雨天杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110767719.8A CN113253236B (zh) | 2021-07-07 | 2021-07-07 | 一种基于毫米波雷达的雨天杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253236A true CN113253236A (zh) | 2021-08-13 |
CN113253236B CN113253236B (zh) | 2021-10-01 |
Family
ID=77190977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110767719.8A Active CN113253236B (zh) | 2021-07-07 | 2021-07-07 | 一种基于毫米波雷达的雨天杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253236B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655460A (zh) * | 2021-10-18 | 2021-11-16 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨雪杂波识别方法 |
CN114280571A (zh) * | 2022-03-04 | 2022-04-05 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
CN114415136A (zh) * | 2022-03-29 | 2022-04-29 | 南京气象科技创新研究院 | 连续波天气雷达在线标定回波强度的方法及标定*** |
CN115079124A (zh) * | 2022-08-23 | 2022-09-20 | 珠海正和微芯科技有限公司 | Fmcw雷达静态杂波抑制方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014108889A1 (en) * | 2013-01-14 | 2014-07-17 | Mantissa Ltd. | A method for mitigating rain clutter interference in millimeter-wave radar detection |
CN106646476A (zh) * | 2016-12-02 | 2017-05-10 | 上海无线电设备研究所 | 一种液态云微物理参数的反演方法 |
CN107907864A (zh) * | 2017-10-27 | 2018-04-13 | 北京无线电测量研究所 | 一种风廓线雷达降水干扰抑制方法和*** |
CN108256546A (zh) * | 2017-11-30 | 2018-07-06 | 中国人民解放军国防科技大学 | 一种非降水条件下大气边界层高度探测方法和*** |
CN108414991A (zh) * | 2018-02-08 | 2018-08-17 | 北京理工大学 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
CN109541604A (zh) * | 2018-12-17 | 2019-03-29 | 北京无线电测量研究所 | 一种毫米波天气雷达探测方法、装置及*** |
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数*** |
JP2021025945A (ja) * | 2019-08-07 | 2021-02-22 | 日立オートモティブシステムズ株式会社 | 物標検出装置 |
-
2021
- 2021-07-07 CN CN202110767719.8A patent/CN113253236B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014108889A1 (en) * | 2013-01-14 | 2014-07-17 | Mantissa Ltd. | A method for mitigating rain clutter interference in millimeter-wave radar detection |
CN106646476A (zh) * | 2016-12-02 | 2017-05-10 | 上海无线电设备研究所 | 一种液态云微物理参数的反演方法 |
CN107907864A (zh) * | 2017-10-27 | 2018-04-13 | 北京无线电测量研究所 | 一种风廓线雷达降水干扰抑制方法和*** |
CN108256546A (zh) * | 2017-11-30 | 2018-07-06 | 中国人民解放军国防科技大学 | 一种非降水条件下大气边界层高度探测方法和*** |
CN108414991A (zh) * | 2018-02-08 | 2018-08-17 | 北京理工大学 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
CN109541604A (zh) * | 2018-12-17 | 2019-03-29 | 北京无线电测量研究所 | 一种毫米波天气雷达探测方法、装置及*** |
CN110118966A (zh) * | 2019-05-28 | 2019-08-13 | 长沙莫之比智能科技有限公司 | 基于毫米波雷达的人员检测与计数*** |
JP2021025945A (ja) * | 2019-08-07 | 2021-02-22 | 日立オートモティブシステムズ株式会社 | 物標検出装置 |
Non-Patent Citations (3)
Title |
---|
CONGZHENG HAN等: ""Rainfall Monitoring Based on Next-Generation Millimeter-Wave Backhaul Technologies in a Dense Urban Environment"", 《REMOTE SENSING》 * |
王金虎 等: ""国内外W波段毫米波云雷达定标技术的研究进展"", 《南京信息工程大学学报(自然科学版)》 * |
陈超: ""FMCW毫米波雷达目标特征提取及分类研究"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113655460A (zh) * | 2021-10-18 | 2021-11-16 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨雪杂波识别方法 |
CN113655460B (zh) * | 2021-10-18 | 2022-01-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的雨雪杂波识别方法 |
CN114280571A (zh) * | 2022-03-04 | 2022-04-05 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
CN114280571B (zh) * | 2022-03-04 | 2022-07-19 | 北京海兰信数据科技股份有限公司 | 一种雨杂波信号的处理方法、装置及设备 |
CN114415136A (zh) * | 2022-03-29 | 2022-04-29 | 南京气象科技创新研究院 | 连续波天气雷达在线标定回波强度的方法及标定*** |
CN114415136B (zh) * | 2022-03-29 | 2022-06-10 | 南京气象科技创新研究院 | 连续波天气雷达在线标定回波强度的方法及标定*** |
CN115079124A (zh) * | 2022-08-23 | 2022-09-20 | 珠海正和微芯科技有限公司 | Fmcw雷达静态杂波抑制方法、装置、设备及存储介质 |
CN115079124B (zh) * | 2022-08-23 | 2022-10-28 | 珠海正和微芯科技有限公司 | Fmcw雷达静态杂波抑制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113253236B (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113253236B (zh) | 一种基于毫米波雷达的雨天杂波抑制方法 | |
US11650286B2 (en) | Method for separating targets and clutter from noise, in radar signals | |
CN103176178B (zh) | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 | |
US5663720A (en) | Method and system for regional traffic monitoring | |
CN108398676B (zh) | 一种外辐射源雷达微弱运动目标探测方法 | |
US8279109B1 (en) | Aircraft bird strike avoidance method and apparatus using transponder | |
CN112630768B (zh) | 一种改进调频连续波雷达目标检测的降噪方法 | |
US20240219516A1 (en) | Target detection method and apparatus, radar, and vehicle | |
WO2014108889A1 (en) | A method for mitigating rain clutter interference in millimeter-wave radar detection | |
CN103323829A (zh) | 基于Radon-分数阶模糊函数的雷达动目标长时间相参积累检测方法 | |
CN110286373B (zh) | 一种复杂气候条件下的fod雷达雨雪杂波抑制方法 | |
CN109061648B (zh) | 基于频率分集的速度/距离解模糊雷达波形设计方法 | |
CN114966589A (zh) | 一种基于毫米波雷达的多目标检测方法 | |
CN111983602A (zh) | 一种微小目标探测雷达装置 | |
Kuptsov et al. | Multi-target method for small unmanned vehicles parameters remote determination by microwave radars | |
Cai et al. | Foreign objects intrusion detection using millimeter wave radar on railway crossings | |
CN113866756A (zh) | 一种基于mimo雷达的小型无人机目标跟踪方法 | |
Fang et al. | FMCW-MIMO radar-based pedestrian trajectory tracking under low-observable environments | |
CN113406639A (zh) | 基于车载移动式雷达的fod检测方法、***及介质 | |
CN110488239B (zh) | 基于调频连续波雷达的目标检测方法 | |
CN114280612B (zh) | 一种绝缘体目标的毫米波雷达恒虚警检测方法 | |
CN109917371B (zh) | 一种基于改进微波波形的微波雷达测量方法 | |
Cho et al. | Deep complex-valued network for ego-velocity estimation with millimeter-wave radar | |
Jung et al. | Localization based on distributed heterogeneous radar sensor network | |
Lee et al. | Identification of a flying multi-rotor platform by high resolution ISAR through an experimental analysis |
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 |