CN113567978A - 一种多基分布式雷达协同成像方法 - Google Patents
一种多基分布式雷达协同成像方法 Download PDFInfo
- Publication number
- CN113567978A CN113567978A CN202110865309.7A CN202110865309A CN113567978A CN 113567978 A CN113567978 A CN 113567978A CN 202110865309 A CN202110865309 A CN 202110865309A CN 113567978 A CN113567978 A CN 113567978A
- Authority
- CN
- China
- Prior art keywords
- representing
- target
- echo
- data
- distributed radar
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 26
- 229910052704 radon Inorganic materials 0.000 claims abstract description 9
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000000654 additive Substances 0.000 claims description 6
- 230000000996 additive effect Effects 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000005526 G1 to G0 transition Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 18
- 230000003044 adaptive effect Effects 0.000 abstract description 2
- 238000013507 mapping Methods 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000335574 Narayana Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction 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
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S13/003—Bistatic radar systems; Multistatic radar systems
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多基分布式雷达协同成像方法,本发明的方法在回波空间谱域,采用复数拉东变换,将多基分布式雷达二维空间谱数据投影在不同方向上,实现多基分布式雷达二维空间谱数据的去耦合;其次,针对投影的空间谱数据剖面,采用基于数据的非均匀采样模型,实现了各投影剖面数据的表征;最后,采用广义非均匀采样迭代自适应重构方法,实现目标散射系数的重建,并利用重建剖面与目标的空间坐标映射关系,获得了聚焦主瓣和低旁瓣的高分辨重建结果,避免了传统傅里叶变换成像方法的主瓣***与高旁瓣等问题。
Description
技术领域
本发明属于雷达探测与成像技术领域,具体涉及多基分布式雷达成像技术。
背景技术
多基分布式雷达能够在短时间内,获取更丰富的目标信息,并通过相参数据处理,实现目标的高分辨率重建。然而,由于空间构型复杂多变,当其空间谱的分布呈现***特性时,传统基于傅里叶变换的成像方法,将导致重建结果存在***主瓣和高旁瓣等问题。
为了实现分布式雷达的相参融合并提升其成像分辨率,文献“Narayanan,Ram M.,Zhixi Li,and Scott Papson."Fusion of multiple-look synthetic aperture radarimages at data and image levels."2008 5th International Conference onElectrical Engineering,Computing Science and Automatic Control.IEEE,2008.”提出了一种基于矩阵傅里叶变换的空间谱融合高分辨成像方法,该方法对空间构型要求很高,当空间谱分布不连续时,重构的点扩散函数将产生主瓣***问题。文献“Wang J,AubryP,Yarovoy A.Wavenumber-Domain Multiband Signal Fusion with Matrix-PencilApproach for High-Resolution Imaging[J].IEEE Transactions on Geoscience andRemote Sensing,2018”针对距离向发射信号带宽的不连续问题,使用了一种基于矩阵束算法的超宽带成像方法,该方法通过融合具有不连续宽带发射信号,实现距离向主瓣***问题的抑制,但是该方法对***的多航过轨迹要求严格。
发明内容
为了解决现有技术存在的上述问题,本发明提出了一种多基分布式雷达协同成像方法。
本发明的技术方案为:一种多基分布式雷达协同成像方法,具体步骤如下:
步骤一,多基分布式雷达的几何模型和回波模型建立:多基分布式雷达***由n个发射机和m个接收机组成,n个发射机和m个接收机的位置分别是(xtn,ytn,ztn)和(xrm,yrm,zrm);在极坐标中,发射机位于接收机位于目标点P位于(xP,yP,zP),第n个发射机发射线性调频信号,对于第m个接收机,接收到目标P的散射回波信号,表示为:
其中,Anm表示与目标散射系数和发射功率等因素相关的回波幅度,τ、t、Ta和Tr分别表示采样的慢时间、快时间方位向时间和信号时宽,目标P的回波距离历史为Rp(τ)=rtpn(τ)+rrpm(τ),其中,rtpn(τ)表示第n个发射器和目标P间的距离,rrpm(τ)表示第m个接收器与目标P间的距离,c表示电磁波的传播速度,fc和K分别表示载波频率和线性调频率;
根据驻定相位原理以及对参考点O的回波数据的相参处理,将距离频域中的点P的回波数据表示为:
其中,ft表示距离向频率,RO(τ)=rton(τ)+rrom(τ)表示参考目标的距离历史;
回波数据可以在空间谱域中表示为:
snm(kxm,kym)=Anm·exp[j(xPkxm+yPkym)] (3)
其中,
其中,(kxm,kym)随发射信号的频率和平台的空间位置而变化;
多基分布式***可以分为MN多个双基雷达对,对于第n个发送器和第m个接收器,双基雷达对的回波数据也可以简化为公式(3),其空间谱分布由于发射信号的频率而集中,根据多个站点之间的相对关系,可以将分布式雷达的回波数据投影到空间谱域中。
其中,N表示分布式雷达***中发射机数量,M表示分布式雷达***中接收机的数量。kx,ky分别表示沿x和y方向的波数。
在分布式雷达空间谱间断时,其空间谱分布将存在采样间隙,采样传统方法重建的点扩散函数将呈现主瓣***和高旁瓣的问题。
步骤二:多基分布式雷达空间谱数据投影与非均匀采样,基于式(5)中的多站空间谱数据,采用复数拉东变换,将二维空间谱数据投影至θ方向为:
基于公式(6)中的投影回波剖面,可以从不同方向重建目标,投影回波剖面可以用矩阵形式表示为:
P=Aσ+N (7)
其中,P=(P1,P2,…,PL)∈CK×L表示使用复数拉东变换投影得到的回波信号剖面(CK×L表示P是在维度为K×L的二维空间里),σ=[σ(θ1),σ(θ2),…,σ(θL)]∈CK×L表示不同方向的目标散射系数,N∈CK×L表示加性噪声,K和L分别表示频率采样点数和所投影角度方向的采样点数,A=(a1,a2,…,aK)T∈CK×K表示傅立叶矩阵,其中,φK=2πk/K表示归一化频率,且k=1,…,K。
为了避免数据间隙的影响,可以沿第l个方向建立基于数据的非均匀采样模型,如下:
SlPl=SlAσl+Slnl (8)
步骤三:多基分布式雷达间断空间谱的目标重构,针对式(8)中的非均匀采样数据,可得第l个方向非均匀采样回波数据的自相关矩阵为:
其中,表示非均匀采样数据剖面的自相关矩阵i次迭代结果,P(i)=diag{γ(i)(r1),γ(i)(r2),…,γ(i)(rK)}表示目标功率谱,H表示共轭转置操作,γ(i)=[γ(i)(r1),…,γ(i)(rk),…,γ(i)(rK)]T表示散射系数的信号功率,γ(i)(rk)表示在i次迭代中沿kr方向的投影切片上第k个目标点的信号功率,rk表示在kr方向的投影切片上第k个单元,SlA=(d1,d2,…,dk,…,dK); 表示在kr方向第l个回波剖面的第Dl个有效数据的导引矢量值,表示在kr方向第l个回波剖面的第Dl个有效数据单元。
进一步将目标重建为:
式(10)中,恢复的目标散射系数位于极坐标系中,为了将成像结果投影至直角坐标系下,几何校正后的成像结果可以表示为:
其中,
本发明的有益效果:针对在多基分布式雷达***为间断采样时,传统成像方法将产生主瓣***及高旁瓣等问题,本发明的方法在回波空间谱域,采用复数拉东变换,将多基分布式雷达二维空间谱数据投影在不同方向上,实现多基分布式雷达二维空间谱数据的去耦合;其次,针对投影的空间谱数据剖面,采用基于数据的非均匀采样模型,实现了各投影剖面数据的表征;最后,采用广义非均匀采样迭代自适应重构方法,实现目标散射系数的重建,并利用重建剖面与目标的空间坐标映射关系,获得了聚焦主瓣和低旁瓣的高分辨重建结果,避免了传统傅里叶变换成像方法的主瓣***与高旁瓣等问题,能够获得更高的成像分辨率。
附图说明
图1为本发明方法流程示意图。
图2为本发明方法实施例的多基分布式雷达几何模型图。
图3为本发明方法实施例的多基分布式雷达空间谱间断空间谱分布图。
图4为本发明方法实施例的为不同方法成像结果对比图。
具体实施方式
本发明主要采用仿真实验的方法来验证提出的用于多基分布式雷达协同成像方法的有效性。所有步骤、结论都在Windows10操作***上通过MATLAB 2018a平台验证正确。
步骤一,多基分布式雷达的几何模型和回波模型建立:
如图2所示,仿真设定两个发射站和一个接收站的分布式雷达构型,发射机和接收机平行朝向目标区域飞行。首先,初始化雷达***的参数,例如波长、载波频率、发射信号的带宽和时宽、距离向和方位向的采样频率等。详细参数如表1所示。
表1
参数 | 符号 | 数值 |
载频 | f<sub>c</sub> | 17GHz |
发射信号带宽 | B<sub>r</sub> | 100MHz |
发射信号时宽 | T<sub>r</sub> | 2μs |
方位向时间 | T<sub>a</sub> | 0.8s |
距离向采样率 | f<sub>s</sub> | 150MHz |
脉冲重复频率 | PRF | 2000Hz |
距离向点数 | N<sub>R</sub> | 4096 |
方位向点数 | N<sub>a</sub> | 4000 |
拉东变换的角度数 | N<sub>θ</sub> | 1800 |
在目标场景中设置一个目标点,并设定好接收站和发射站1的初始位置分别是(0,-30,2)km和(15,-20,2)km。如表2所示,发射站2的初始位置分为两种情况:(15.3,-20,2)km和(15.8,-20,2)km。接收站与各个发射站分别构成不同的双基雷达对,针对某一双基雷达对的分析可以推广至其他双基雷达对。
表2
发射机发射的线性调频信号表达式如下:
其中,Anm表示与目标散射系数和发射功率等因素相关的回波幅度。τ,t,Ta和Tr分别表示采样的慢时间,快时间,方位向时间和信号时宽。目标P的回波距离历史为Rp(τ)=rtpn(τ)+rrpm(τ),其中rtpn(τ)表示第n个发射器和目标P间的距离。rrpm(τ)表示第m个接收器与目标P间的距离。c表示电磁波的传播速度。fc和K分别表示载波频率和线性调频率。
经过预处理并投影到空间谱域后,回波表达式如下:
snm=(kxm,kym)=Anm·exp[j(xPkxm+yPkym)] (15)
其中,
根据多个站点之间的相对关系,可以将分布式雷达的回波数据一起投影到空间谱域中。
其中,N表示分布式雷达***中发射机数量,M表示分布式雷达***中接收机的数量。在分布式雷达空间谱间断时,其空间谱分布将存在采样间隙,采样传统方法重建的点扩散函数将呈现主瓣***和高旁瓣的问题。
步骤二,多基分布式雷达波空间谱数据投影与非均匀采样:
基于复数拉东变换,回波数据可以投影为
其中,δ(·)表示冲激函数。(kr,θ)表示投影空间谱的坐标。基于公式(18)中的投影回波剖面,可以从不同方向重建目标。投影回波剖面可以用矩阵形式表示为
P=Aσ+N (19)
其中,P=(P1,P2,…,PL)∈CK×L表示使用复数拉东变换投影得到的回波信号剖面。σ=[σ(θ1),σ(θ2),…,σ(θL)∈CK×L表示不同方向的目标散射系数。N∈CK×L表示加性噪声。K和L分别表示频率采样点数和所投影角度方向的采样点数。A=(a1,a2,…,aK)T∈CK×K表示傅立叶矩阵,其中φK=2πk/K表示归一化频率,且k=1,…,K。
为了避免数据间隙的影响,可以沿第l个方向建立基于数据的非均匀采样模型,如下
SlPl=SlAσl+Slnl (20)
步骤三,多基分布式雷达间断空间谱的目标重构:
针对式(20)中的非均匀采样数据,可得第l个方向非均匀采样回波数据的自相关矩阵为
其中,表示损坏数据剖面的自相关矩阵i次迭代结果。P(i)=diag{γ(i)(r1),γ(i)(r2),…,γ(i)(rK)}表示目标功率谱,H表示共轭转置操作。γ(i)=[γ(i)(r1),…,γ(i)(rk),…,γ(i)(rK)]T表示散射系数的信号功率。SlA=(d1,d2,…,dk,…,dK)。
然后,可以将目标重建为:
距离r=(r1,…,rk,…,rK)表示参考目标与场景中目标之间的相对距离,并不是实际距离。
几何校正后的成像结果可以表示为
其中,
其中,rc代表参考距离。通常,参考距离是rK/2。
图3给出了多基分布式雷达***空间谱分布,由于发射站1、2间隔较远导致其空间空间谱出现不连续采样现象。
分布式雷达间断空间谱协同成像结果如图4所示,对比了基于矩阵傅里叶变换的分布式雷达间断空间谱成像方法和本发明方法的重建结果。图4(a)给出了基于矩阵傅里叶变换方法的间断空间谱协同成像结果,图4(b)给出了本发明方法的成像结果,图4(c)给出了在52度方向上两个结果的信号剖面,本发明方法的旁瓣更低。图4(d)中,给出了在161度方向上两个结果的信号剖面,由于空间谱的不连续,直接采用矩阵傅里叶变换方法进行空间谱合成时,其重建的点扩散函数剖面在161度方向上产生主瓣***现象,采用本发明方法仍然能够实现目标的聚焦。
Claims (2)
1.一种多基分布式雷达协同成像方法,具体步骤如下:
步骤一,多基分布式雷达的几何模型和回波模型建立:多基分布式雷达***由n个发射机和m个接收机组成,第n个发射机发射线性调频信号,对于第m个接收机,接收到目标P的散射回波信号,表示为:
其中,Anm表示与目标散射系数和发射功率相关的回波幅度,τ、t、Ta和Tr分别表示采样的慢时间、快时间方位向时间和信号时宽,目标P的回波距离历史为Rp(τ)=rtpn(τ)+rrpm(τ),其中,rtpn(τ)表示第n个发射器和目标P间的距离,rrpm(τ)表示第m个接收器与目标P间的距离,c表示电磁波的传播速度,fc和K分别表示载波频率和线性调频率;
根据驻定相位原理以及对参考点O的回波数据的相参处理,将距离频域中的点P的回波数据表示为:
其中,ft表示距离向频率,RO(τ)=rton(τ)+rrom(τ)表示参考目标的距离历史;
回波数据可以在空间谱域中表示为:
snm(kxm,kym)=Anm·exp[j(xPkxm+yPkym)] (3)
其中,
其中,(kxm,kym)随发射信号的频率和平台的空间位置而变化;
将分布式雷达的回波数据投影到空间谱域中:
其中,N表示分布式雷达***中发射机数量,M表示分布式雷达***中接收机的数量。kx,ky分别表示沿x和y方向的波数;
步骤二:多基分布式雷达空间谱数据投影与非均匀采样,基于式(5)中的多站空间谱数据,采用复数拉东变换,将二维空间谱数据投影至θ方向为:
基于公式(6)中的投影回波剖面,从不同方向重建目标,投影回波剖面用矩阵形式表示为:
P=Aσ+N (7)
其中,P=(P1,P2,…,PL)∈CK×L表示使用复数拉东变换投影得到的回波信号剖面,σ=[σ(θ1),σ(θ2),…,σ(θL)]∈CK×L表示不同方向的目标散射系数,N∈CK×L表示加性噪声,K和L分别表示频率采样点数和所投影角度方向的采样点数,A=(a1,a2,…,aK)T∈CK×K表示傅立叶矩阵,其中,φK=2πk/K表示归一化频率,且k=1,…,K。
沿第l个方向建立基于数据的非均匀采样模型:
SlPl=SlAσl+Slnl (8)
步骤三:多基分布式雷达间断空间谱的目标重构,针对式(8)中的非均匀采样数据,可得第l个方向非均匀采样回波数据的自相关矩阵为:
其中,表示非均匀采样数据剖面的自相关矩阵i次迭代结果,P(i)=diag{γ(i)(r1),γ(i)(r2),…,γ(i)(rK)}表示目标功率谱,H表示共轭转置操作,γ(i)=[γ(i)(r1),…,γ(i)(rk),…,γ(i)(rK)]T表示散射系数的信号功率,γ(i)(rk)表示在i次迭代中沿kr方向的投影切片上第k个目标点的信号功率,rk表示在kr方向的投影切片上第k个单元,SlA=(d1,d2,…,dk,…,dK); 表示在kr方向第l个回波剖面的第Dl个有效数据的导引矢量值,表示在kr方向第l个回波剖面的第Dl个有效数据单元;
将目标重建为:
将成像结果投影至直角坐标系下,几何校正后的成像结果表示为:
2.根据权利要求1所述的一种多基分布式雷达协同成像方法,其特征在于,rc=rK/2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110865309.7A CN113567978B (zh) | 2021-07-29 | 2021-07-29 | 一种多基分布式雷达协同成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110865309.7A CN113567978B (zh) | 2021-07-29 | 2021-07-29 | 一种多基分布式雷达协同成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113567978A true CN113567978A (zh) | 2021-10-29 |
CN113567978B CN113567978B (zh) | 2023-04-25 |
Family
ID=78169108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110865309.7A Active CN113567978B (zh) | 2021-07-29 | 2021-07-29 | 一种多基分布式雷达协同成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113567978B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001706A (zh) * | 2021-12-29 | 2022-02-01 | 阿里巴巴达摩院(杭州)科技有限公司 | 航向角估计方法、装置、电子设备和存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011144002A1 (zh) * | 2010-05-18 | 2011-11-24 | 国防科学技术大学 | Sar图像旁瓣抑制方法 |
CN106680812A (zh) * | 2016-10-27 | 2017-05-17 | 西安空间无线电技术研究所 | 一种基于解析面元的微波关联成像仿真方法 |
WO2017198162A1 (zh) * | 2016-04-29 | 2017-11-23 | 深圳市太赫兹科技创新研究院有限公司 | 基于合成孔径雷达成像的三维图像重建方法及装置 |
CN108226891A (zh) * | 2018-01-26 | 2018-06-29 | 中国电子科技集团公司第三十八研究所 | 一种扫描雷达回波计算方法 |
US20180348341A1 (en) * | 2017-06-06 | 2018-12-06 | U.S. Army Research Laboratory | System and method for enabling radar operation in a spectrally congested environment |
CN109581366A (zh) * | 2018-12-19 | 2019-04-05 | 西安空间无线电技术研究所 | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 |
CN109696672A (zh) * | 2018-12-29 | 2019-04-30 | 南京汇君半导体科技有限公司 | 一种基于空间结构关联性的高分辨率穿墙雷达成像方法 |
CN109959932A (zh) * | 2019-04-08 | 2019-07-02 | 西安电子科技大学 | 基于下降段曲线轨迹的雷达前视三维成像方法 |
CN110082761A (zh) * | 2019-05-31 | 2019-08-02 | 电子科技大学 | 分布式外辐射源雷达成像方法 |
CN110346793A (zh) * | 2019-07-24 | 2019-10-18 | 电子科技大学 | 一种分布式阵列雷达迭代自适应高分辨成像方法 |
CN110346794A (zh) * | 2019-07-26 | 2019-10-18 | 电子科技大学 | 一种资源优化配置的分布式雷达成像方法 |
CN110346798A (zh) * | 2019-07-24 | 2019-10-18 | 电子科技大学 | 一种双基合成孔径雷达波数域高效成像处理方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN110794400A (zh) * | 2019-10-30 | 2020-02-14 | 南京航空航天大学 | 一种基于频控阵的地形匹配方法 |
CN112612005A (zh) * | 2020-11-27 | 2021-04-06 | 中山大学 | 基于深度学习的雷达抗主瓣干扰方法 |
-
2021
- 2021-07-29 CN CN202110865309.7A patent/CN113567978B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011144002A1 (zh) * | 2010-05-18 | 2011-11-24 | 国防科学技术大学 | Sar图像旁瓣抑制方法 |
WO2017198162A1 (zh) * | 2016-04-29 | 2017-11-23 | 深圳市太赫兹科技创新研究院有限公司 | 基于合成孔径雷达成像的三维图像重建方法及装置 |
CN106680812A (zh) * | 2016-10-27 | 2017-05-17 | 西安空间无线电技术研究所 | 一种基于解析面元的微波关联成像仿真方法 |
US20180348341A1 (en) * | 2017-06-06 | 2018-12-06 | U.S. Army Research Laboratory | System and method for enabling radar operation in a spectrally congested environment |
CN108226891A (zh) * | 2018-01-26 | 2018-06-29 | 中国电子科技集团公司第三十八研究所 | 一种扫描雷达回波计算方法 |
CN109581366A (zh) * | 2018-12-19 | 2019-04-05 | 西安空间无线电技术研究所 | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 |
CN109696672A (zh) * | 2018-12-29 | 2019-04-30 | 南京汇君半导体科技有限公司 | 一种基于空间结构关联性的高分辨率穿墙雷达成像方法 |
CN109959932A (zh) * | 2019-04-08 | 2019-07-02 | 西安电子科技大学 | 基于下降段曲线轨迹的雷达前视三维成像方法 |
CN110082761A (zh) * | 2019-05-31 | 2019-08-02 | 电子科技大学 | 分布式外辐射源雷达成像方法 |
CN110346793A (zh) * | 2019-07-24 | 2019-10-18 | 电子科技大学 | 一种分布式阵列雷达迭代自适应高分辨成像方法 |
CN110346798A (zh) * | 2019-07-24 | 2019-10-18 | 电子科技大学 | 一种双基合成孔径雷达波数域高效成像处理方法 |
CN110346794A (zh) * | 2019-07-26 | 2019-10-18 | 电子科技大学 | 一种资源优化配置的分布式雷达成像方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN110794400A (zh) * | 2019-10-30 | 2020-02-14 | 南京航空航天大学 | 一种基于频控阵的地形匹配方法 |
CN112612005A (zh) * | 2020-11-27 | 2021-04-06 | 中山大学 | 基于深度学习的雷达抗主瓣干扰方法 |
Non-Patent Citations (8)
Title |
---|
WU J: "Signal ProPerties of squint mode bistatic SAR" * |
ZHA, Y: "Bayesian deconvolution for angular super-resolution in forward-looking scanning radar" * |
ZHANG, Y: "A fast iterative adaptive approach for scanning radar angular superresolution" * |
ZHANG, Y: "Super-resolution surface mapping for scanning radar: Inverse filtering based on the fast iterative adaptive approach" * |
李志;金添;周智敏;: "超宽带虚拟孔径雷达非正交旁瓣抑制方法" * |
管金称;杨建宇;黄钰林;李文超;: "机载雷达前视探测方位超分辨算法" * |
赵洋;陆必应;孙鑫;: "基于谱外推的虚拟孔径阵列旁瓣抑制技术" * |
郭宇荃;杨建宇;黄钰林;: "基于Radon-Wigner变换的双基地SAR多普勒调频率估计" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114001706A (zh) * | 2021-12-29 | 2022-02-01 | 阿里巴巴达摩院(杭州)科技有限公司 | 航向角估计方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113567978B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111142105B (zh) | 复杂运动目标isar成像方法 | |
CN102156279B (zh) | 基于mimo的双基地雷达地面动目标检测方法 | |
CN106291489B (zh) | 适用于多种发射信号波形的合成孔径雷达回波仿真方法 | |
CN107329138B (zh) | 一种pd雷达距离走动校正与相参积累检测方法 | |
CN110346798B (zh) | 一种双基合成孔径雷达波数域高效成像处理方法 | |
CN103852759A (zh) | 扫描雷达超分辨成像方法 | |
CN107942295B (zh) | 一种前视阵列sar***的稀疏天线 | |
CN105137424A (zh) | 一种杂波背景下实波束扫描雷达角超分辨方法 | |
CN112285658A (zh) | 基于递推计算的星载sar欺骗干扰信号快速生成方法 | |
CN113567978B (zh) | 一种多基分布式雷达协同成像方法 | |
CN104155653B (zh) | 一种基于特征距离子空间的sar后向投影成像方法 | |
CN110824473A (zh) | 一种基于子空间的高分辨宽测绘带sar-gmti杂波抑制方法 | |
CN112014807B (zh) | 一种频率捷变雷达的自适应杂波抑制方法 | |
CN113359131A (zh) | 一种sar低截获射频隐身***及其设计方法 | |
CN115825953B (zh) | 一种基于随机频率编码信号的前视超分辨成像方法 | |
Malik et al. | Adaptive pulse compression for sidelobes reduction in stretch processing based MIMO radars | |
CN115575921B (zh) | 一种基于俯仰向多通道多干扰基压制干扰抑制方法 | |
CN111257847A (zh) | 基于模拟退火算法的fda雷达方向图去耦合方法 | |
CN112946650B (zh) | 一站固定双站低频超宽带sar运动目标检测与成像方法 | |
CN110376564B (zh) | Geo和leo双基构型合成雷达地面运动成像方法 | |
CN114780911A (zh) | 一种基于深度学习的海洋宽测绘带距离解模糊方法 | |
Yu et al. | Scattered wave deception jamming against squint SAR using frequency diverse array | |
CN114152918A (zh) | 基于压缩感知的抗间歇式主瓣干扰方法 | |
Garry et al. | Framework and results on passive ISAR | |
Ji et al. | A fast false large-scene images generation method against SAR based on two-dimension CZT and multi-transmitter cooperation |
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 |