CN113466813B - 空-时二维滑窗的空-时自适应处理方法、***及介质 - Google Patents
空-时二维滑窗的空-时自适应处理方法、***及介质 Download PDFInfo
- Publication number
- CN113466813B CN113466813B CN202110678327.4A CN202110678327A CN113466813B CN 113466813 B CN113466813 B CN 113466813B CN 202110678327 A CN202110678327 A CN 202110678327A CN 113466813 B CN113466813 B CN 113466813B
- Authority
- CN
- China
- Prior art keywords
- time
- space
- unit
- sliding window
- data
- 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
- G01S7/418—Theoretical aspects
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
本发明提供了一种基于空‑时二维滑窗的降维空‑时自适应处理方法,包括对各距离单元的空‑时回波数据作空‑时二维滑窗处理,得到空‑时数据矩阵为Xr,p,q;总空‑时二维滑窗次数为M,第m次滑窗所对应的p和q分别为pm和qm;对空‑时数据矩阵Xr,p,q作二维离散傅里叶变换处理;构建数据矢量;对于第u个角度单元、第v个多普勒单元,根据得数据矢量计算协方差矩阵;根据协方差矩阵计算杂波抑制权矢量;根据杂波抑制权矢量计算杂波抑制结果。本发明在保持较高的杂波抑制性能的同时降低了运算复杂度;在保持较低的运算复杂度的同时提高了杂波抑制性能;在综合考虑运算复杂度和杂波抑制性能的情况下,能够同时达到较低的运算复杂度和较高的杂波抑制性能。
Description
技术领域
本发明涉及机/星载预警雷达动目标检测的技术领域,具体地,涉及空-时二维滑窗的空-时自适应处理方法、***及介质。
背景技术
机/星载雷达相比传统陆基雷达具有平台高度优势,具有更广的探测范围和早期预警能力,在现代战争中发挥着重要作用。由于机/星载雷达平台的高速运动,杂波多普勒谱严重展宽,慢速目标往往淹没在杂波当中难以检测,因此需要有效的杂波抑制方法。空-时自适应处理(STAP)是一种借助杂波空-时二维耦合特性进行杂波抑制的有效二维滤波技术,然而全维最优STAP存在运算复杂度高、所需训练样本数量大的问题,难以实现实时处理。因此,能够大幅降低运算复杂度与训练样本需求量的降维STAP技术具有重要的工程意义。典型的降维STAP方法包括扩展的分解法,先滑窗滤波后自适应处理法、局域联合处理法、空-时多波束法和差通道空-时自适应处理法等,但这些方法在综合考虑运算复杂度与杂波抑制性能的情况下,难以同时达到较低的运算复杂度与较高的杂波抑制性能。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种空-时二维滑窗的空-时自适应处理方法、***及介质。
根据本发明提供的一种空-时二维滑窗的空-时自适应处理方法,所述方法包括如下步骤:
步骤S1:对各距离单元的空-时回波数据作空-时二维滑窗处理,所述回波数据有Nr个距离单元、N个方位接收通道和K个脉冲;对第r个距离单元共进行P次空域滑窗和Q次时域滑窗,第p次空域滑窗和第q次时域滑窗所得到的空-时数据矩阵为Xr,p,q,其中r≤Nr,P<N,Q<K,p≤P,q≤Q;总空-时二维滑窗次数为M,M≤P·Q,第m次滑窗所对应的p和q分别为pm和qm,m≤M;
步骤S2:对空-时数据矩阵Xr,p,q作二维离散傅里叶变换处理,得到第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据为yr,p,q(u,v),u≤N-P+1,v≤K-Q+1;
步骤S3:对于第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v;
步骤S4:对于第u个角度单元、第v个多普勒单元,根据得数据矢量计算协方差矩阵Ru,v:
其中,NY为训练样本总数,ri为第i个训练样本所对应的距离单元序号,H为共轭转置操作;根据协方差矩阵计算杂波抑制权矢量wu,v:
其中,au,v为第u个角度单元、第v个多普勒单元所对应的目标导向矢量,-1为矩阵的逆;
步骤S5:根据杂波抑制权矢量计算杂波抑制结果。
优选地,所述步骤S1中的空-时数据矩阵Xr,p,q为:
其中,xr,n,k为第r个距离单元、第n个接收通道、第k个脉冲所对应的回波数据,n≤N,k≤K。
优选地,所述步骤S1中的空-时二维滑窗包括两种滑窗模式:
模式一:滑窗次数M=P·Q,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
模式二:滑窗次数M=P+Q-1,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
优选地,所述步骤S3中对第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v:
优选地,所述步骤S4中的目标导向矢量au,v为:
其中,j为虚数单位,exp{·}为以自然常数为底的指数函数。
优选地,所述步骤S5对于第r个距离单元、第u个角度单元、第v个多普勒单元,根据得到的杂波抑制权矢量计算杂波抑制结果zr,u,v:
本发明还提供一种空-时二维滑窗的空-时自适应处理***,所述***包括如下模块:
模块M1:对各距离单元的空-时回波数据作空-时二维滑窗处理,所述回波数据有Nr个距离单元、N个方位接收通道和K个脉冲;对第r个距离单元共进行P次空域滑窗和Q次时域滑窗,第p次空域滑窗和第q次时域滑窗所得到的空-时数据矩阵为Xr,p,q,其中r≤Nr,P<N,Q<K,p≤P,q≤Q;总空-时二维滑窗次数为M,M≤P·Q,第m次滑窗所对应的p和q分别为pm和qm,m≤M;
模块M2:对空-时数据矩阵Xr,p,q作二维离散傅里叶变换处理,得到第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据为yr,p,q(u,v),u≤N-P+1,v≤K-Q+1;
模块M3:对于第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v;
模块M4:对于第u个角度单元、第v个多普勒单元,根据得数据矢量计算协方差矩阵Ru,v:
其中,NY为训练样本总数,ri为第i个训练样本所对应的距离单元序号,H为共轭转置操作;根据协方差矩阵计算杂波抑制权矢量wu,v:
其中,au,v为第u个角度单元、第v个多普勒单元所对应的目标导向矢量,-1为矩阵的逆;
模块M5:根据杂波抑制权矢量计算杂波抑制结果。
优选地,所述模块M1中的空-时数据矩阵Xr,p,q为:
其中,xr,n,k为第r个距离单元、第n个接收通道、第k个脉冲所对应的回波数据,n≤N,k≤K。
本发明还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时实现上述中的方法的步骤。
本发明还提供一种存储有计算机程序的计算机可读存储介质,所述计算机程序被处理器执行时实现上述中的方法的步骤。
与现有技术相比,本发明具有如下的有益效果:
1、本发明相比于传统时-空级联自适应处理方法,在保持较高的杂波抑制性能的同时降低了运算复杂度;
2、本发明相比于传统空-时二维降维自适应处理方法,在保持较低的运算复杂度的同时提高了杂波抑制性能;
3、本发明在综合考虑运算复杂度和杂波抑制性能的情况下,能够同时达到较低的运算复杂度和较高的杂波抑制性能。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的流程示意图;
图2为本发明的处理结构示意图;
图3为本发明仿真天基雷达陆地杂波的距离-多普勒谱图;
图4为本发明仿真天基雷达陆地杂波数据的杂波抑制结果图;
图5为本发明的滑窗模式一的滑窗示意图;
图6为本发明的滑窗模式二的滑窗示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供一种空-时二维滑窗的空-时自适应处理方法,包括以下步骤:
步骤S1:对各距离单元的空-时回波数据作空-时二维滑窗处理,所述回波数据有Nr个距离单元,N个方位接收通道,K个脉冲;针对第r个距离单元,共进行P次空域滑窗和Q次时域滑窗,第p次空域滑窗、第q次时域滑窗所得到的空-时数据矩阵为Xr,p,q,其中r≤Nr,P<N,Q<K,p≤P,q≤Q;总空-时二维滑窗次数为M,M≤P·Q,第m次滑窗所对应的p和q分别为pm和qm,m≤M。
步骤S2:对步骤S1中得到的空-时数据矩阵Xr,p,q作二维离散傅里叶变换处理,其中第u个角度单元、第v个多普勒单元所对应的数据为yr,p,q(u,v),u≤N-P+1,v≤K-Q+1。
步骤S3:对于第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v:
S4:对于第u个角度单元、第v个多普勒单元,根据步骤S3中得到的数据矢量计算协方差矩阵Ru,v:
其中,NY为训练样本总数,ri为第i个训练样本所对应的距离单元序号,H为共轭转置操作;根据协方差矩阵计算杂波抑制权矢量wu,v:
其中,au,v为第u个角度单元、第v个多普勒单元所对应的目标导向矢量,-1为矩阵的逆。
步骤S5:对于第r个距离单元、第u个角度单元、第v个多普勒单元,利用步骤S4中得到的杂波抑制权矢量计算杂波抑制结果:
步骤S1中的空-时数据矩阵Xr,p,q为:
其中,xr,n,k为第r个距离单元、第n个接收通道、第k个脉冲所对应的回波数据,n≤N,k≤K。
步骤S1中的空-时二维滑窗可采用两种滑窗模式:
模式一:滑窗次数M=P·Q,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
模式二:滑窗次数M=P+Q-1,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
本发明的目的在于提出一种基于空-时二维滑窗的降维空-时自适应处理算法。本方法相比于传统时-空级联自适应处理方法,在保持较高的杂波抑制性能的同时降低了运算复杂度;相比于传统空-时二维降维自适应处理方法,在保持较低的运算复杂度的同时提高了杂波抑制性能。
根据本实施例获得的杂波抑制结果如图3和图4所示。其中,图3为仿真天基雷达陆地杂波的距离-多普勒谱,所用仿真***参数如下:平台高度为508km,雷达载频为1.26GHz,脉冲重复频率为3000Hz,信号带宽为3MHz,方位接收通道数为16。数据中添加的目标参数如下:1)目标1:散射截面积为20m2,径向速度为20m/s,位于第500个距离单元;2)目标2:散射截面积为20m2,径向速度为50m/s,位于第600个距离单元;3)目标3:散射截面积为20m2,径向速度为100m/s,位于第700个距离单元。从图中可见,由于雷达平台的高速运动,杂波多普勒谱严重展宽,目标淹没在杂波当中难以检测。图4为经过本实施例提供的一种基于空-时二维滑窗的降维空-时自适应处理算法处理后得到的距离-多普勒mesh图,从图中可见,杂波得到了有效抑制,三个目标均能够被检测到。
本发明还提供一种基空-时二维滑窗的空-时自适应处理***,包括如下模块:
模块M1:对各距离单元的空-时回波数据作空-时二维滑窗处理,所述回波数据有Nr个距离单元、N个方位接收通道和K个脉冲;对第r个距离单元共进行P次空域滑窗和Q次时域滑窗,第p次空域滑窗和第q次时域滑窗所得到的空-时数据矩阵为Xr,p,q,其中r≤Nr,P<N,Q<K,p≤P,q≤Q;总空-时二维滑窗次数为M,M≤P·Q,第m次滑窗所对应的p和q分别为pm和qm,m≤M:
其中,xr,n,k为第r个距离单元、第n个接收通道、第k个脉冲所对应的回波数据,n≤N,k≤K。
模块M2:对空-时数据矩阵Xr,p,q作二维离散傅里叶变换处理,得到第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据为yr,p,q(u,v),u≤N-P+1,v≤K-Q+1;
模块M3:对于第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v;
模块M4:对于第u个角度单元、第v个多普勒单元,根据得数据矢量计算协方差矩阵Ru,v:
其中,NY为训练样本总数,ri为第i个训练样本所对应的距离单元序号,H为共轭转置操作;根据协方差矩阵计算杂波抑制权矢量wu,v:
其中,au,v为第u个角度单元、第v个多普勒单元所对应的目标导向矢量,-1为矩阵的逆。
模块M5:根据杂波抑制权矢量计算杂波抑制结果。
本发明还提供一种存储有计算机程序的计算机可读存储介质,计算机程序被处理器执行时实现上述中的方法的步骤。
本发明提出了一种基于空-时二维滑窗的降维空-时自适应处理算法。本方法相比于传统时-空级联自适应处理方法,在保持较高的杂波抑制性能的同时降低了运算复杂度;相比于传统空-时二维降维自适应处理方法,在保持较低的运算复杂度的同时提高了杂波抑制性能。在综合考虑运算复杂度和杂波抑制性能的情况下,本方法能够同时达到较低的运算复杂度和较高的杂波抑制性能。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的***及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的***及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的***及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (6)
1.一种空-时二维滑窗的空-时自适应处理方法,其特征在于,所述方法包括如下步骤:
步骤S1:对各距离单元的空-时回波数据作空-时二维滑窗处理,所述回波数据有Nr个距离单元、N个方位接收通道和K个脉冲;对第r个距离单元共进行P次空域滑窗和Q次时域滑窗,第p次空域滑窗和第q次时域滑窗所得到的空-时数据矩阵为Xr,p,q,其中r≤Nr,P<N,Q<K,p≤P,q≤Q;总空-时二维滑窗次数为M,M≤P·Q,第m次滑窗所对应的p和q分别为pm和qm,m≤M;
步骤S2:对空-时数据矩阵Xr,p,q作二维离散傅里叶变换处理,得到第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据为yr,p,q(u,v),u≤N-P+1,v≤K-Q+1;
步骤S3:对于第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v;
步骤S4:对于第u个角度单元、第v个多普勒单元,根据得到的数据矢量计算协方差矩阵Ru,v:
其中,NY为训练样本总数,ri为第i个训练样本所对应的距离单元序号,H为共轭转置操作;根据协方差矩阵计算杂波抑制权矢量wu,v:
其中,au,v为第u个角度单元、第v个多普勒单元所对应的目标导向矢量,-1为矩阵的逆;
步骤S5:根据杂波抑制权矢量计算杂波抑制结果;
所述步骤S1中的空-时数据矩阵Xr,p,q为:
其中,xr,n,k为第r个距离单元、第n个接收通道、第k个脉冲所对应的回波数据,n≤N,k≤K;
所述步骤S1中的空-时二维滑窗包括两种滑窗模式:
模式一:滑窗次数M=P·Q,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
模式二:滑窗次数M=P+Q-1,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
5.一种空-时二维滑窗的空-时自适应处理***,其特征在于,所述***包括如下模块:
模块M1:对各距离单元的空-时回波数据作空-时二维滑窗处理,所述回波数据有Nr个距离单元、N个方位接收通道和K个脉冲;对第r个距离单元共进行P次空域滑窗和Q次时域滑窗,第p次空域滑窗和第q次时域滑窗所得到的空-时数据矩阵为Xr,p,q,其中r≤Nr,P<N,Q<K,p≤P,q≤Q;总空-时二维滑窗次数为M,M≤P·Q,第m次滑窗所对应的p和q分别为pm和qm,m≤M;
模块M2:对空-时数据矩阵Xr,p,q作二维离散傅里叶变换处理,得到第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据为yr,p,q(u,v),u≤N-P+1,v≤K-Q+1;
模块M3:对于第r个距离单元、第u个角度单元、第v个多普勒单元,构建数据矢量Yr,u,v;
模块M4:对于第u个角度单元、第v个多普勒单元,根据得到的数据矢量计算协方差矩阵Ru,v:
其中,NY为训练样本总数,ri为第i个训练样本所对应的距离单元序号,H为共轭转置操作;根据协方差矩阵计算杂波抑制权矢量wu,v:
其中,au,v为第u个角度单元、第v个多普勒单元所对应的目标导向矢量,-1为矩阵的逆;
模块M5:根据杂波抑制权矢量计算杂波抑制结果;
所述模块M1中的空-时数据矩阵Xr,p,q为:
其中,xr,n,k为第r个距离单元、第n个接收通道、第k个脉冲所对应的回波数据,n≤N,k≤K;
所述模块M1中的空-时二维滑窗包括两种滑窗模式:
模式一:滑窗次数M=P·Q,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
模式二:滑窗次数M=P+Q-1,当P=Q=3时,第r个距离单元、第u个角度单元、第v个多普勒单元所对应的数据矢量为:
6.一种存储有计算机程序的计算机可读存储介质,其特征在于,所述计算机程序被处理器执行时实现权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678327.4A CN113466813B (zh) | 2021-06-18 | 2021-06-18 | 空-时二维滑窗的空-时自适应处理方法、***及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110678327.4A CN113466813B (zh) | 2021-06-18 | 2021-06-18 | 空-时二维滑窗的空-时自适应处理方法、***及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113466813A CN113466813A (zh) | 2021-10-01 |
CN113466813B true CN113466813B (zh) | 2022-06-28 |
Family
ID=77868614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110678327.4A Active CN113466813B (zh) | 2021-06-18 | 2021-06-18 | 空-时二维滑窗的空-时自适应处理方法、***及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113466813B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703490A (zh) * | 2017-09-29 | 2018-02-16 | 西安电子科技大学 | 基于fda‑mimo雷达的距离模糊杂波抑制方法 |
WO2018045567A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种基于存在测量误差的阵列流形先验知识的稳健stap方法 |
CN111913157A (zh) * | 2020-08-17 | 2020-11-10 | 西安空间无线电技术研究所 | 一种基于雷达信号空-时去相关模型的海杂波抑制方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520896B (zh) * | 2009-03-30 | 2012-05-30 | 中国电子科技集团公司第十研究所 | 利用光学遥感影像自动检测云层干扰舰船目标的方法 |
CN103777183B (zh) * | 2014-01-27 | 2016-04-06 | 西安电子科技大学 | 一种最小冗余的扩展f$a杂波抑制方法 |
CN105005035A (zh) * | 2015-06-25 | 2015-10-28 | 西安电子科技大学 | 基于二维滑窗稳健空时自适应处理的目标检测方法 |
CN105929371B (zh) * | 2016-04-22 | 2018-05-04 | 西安电子科技大学 | 一种基于协方差矩阵估计的机载雷达杂波抑制方法 |
CN106772253B (zh) * | 2016-11-25 | 2019-12-24 | 西安电子科技大学 | 一种非均匀杂波环境下的雷达杂波抑制方法 |
CN108020817A (zh) * | 2017-09-28 | 2018-05-11 | 西安电子科技大学 | 基于配准的机载前视阵雷达杂波抑制方法 |
CN110609255B (zh) * | 2019-07-31 | 2021-11-19 | 西安电子科技大学 | 一种基于特征波束的自适应波束域fsa的杂波抑制降维方法 |
CN110618402B (zh) * | 2019-08-22 | 2021-07-13 | 西安空间无线电技术研究所 | 一种基于子孔径平滑的辅助杂波样本筛选方法 |
-
2021
- 2021-06-18 CN CN202110678327.4A patent/CN113466813B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018045567A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 一种基于存在测量误差的阵列流形先验知识的稳健stap方法 |
CN107703490A (zh) * | 2017-09-29 | 2018-02-16 | 西安电子科技大学 | 基于fda‑mimo雷达的距离模糊杂波抑制方法 |
CN111913157A (zh) * | 2020-08-17 | 2020-11-10 | 西安空间无线电技术研究所 | 一种基于雷达信号空-时去相关模型的海杂波抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113466813A (zh) | 2021-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109116311B (zh) | 基于知识辅助稀疏迭代协方差估计的杂波抑制方法 | |
CN104914415B (zh) | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
Alfano et al. | Model-based adaptive detection of range-spread targets | |
CN107861123B (zh) | 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法 | |
CN107607938B (zh) | 一种频率分集阵列雷达低空目标检测方法 | |
CN106970369B (zh) | 基于知识辅助的宽带雷达目标检测方法 | |
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN109444869B (zh) | 一种用于信号失配的雷达扩展目标参数可调检测器 | |
CN104678368A (zh) | 一维相扫三坐标雷达空域自适应干扰抑制方法 | |
CN110133612B (zh) | 一种基于跟踪反馈的扩展目标检测方法 | |
Su et al. | Rao–Blackwellised particle filter based track-before-detect algorithm | |
CN108931766B (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
CN109375179A (zh) | 一种基于稀疏表示的机载雷达近程强杂波抑制方法 | |
CN107390194B (zh) | 一种基于全布雷格曼散度的雷达目标检测方法 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN113238211B (zh) | 一种干扰条件下参数化自适应阵列信号检测方法与*** | |
CN105445703B (zh) | 一种机载雷达空时回波数据的两级空时自适应处理方法 | |
CN106772275A (zh) | 一种基于Alpha稳定分布的低秩矩阵恢复检测方法 | |
Xue et al. | Knowledge-based target detection in compound Gaussian clutter with inverse Gaussian texture | |
CN114609594A (zh) | 非均匀性杂波中知识辅助宽带雷达目标检测器及设计方法 | |
CN113466813B (zh) | 空-时二维滑窗的空-时自适应处理方法、***及介质 | |
CN104035078A (zh) | 一种基于阵元阶数递推的降维空时自适应权值计算方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 |
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 |