CN115356692A - 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 - Google Patents
一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 Download PDFInfo
- Publication number
- CN115356692A CN115356692A CN202210884636.1A CN202210884636A CN115356692A CN 115356692 A CN115356692 A CN 115356692A CN 202210884636 A CN202210884636 A CN 202210884636A CN 115356692 A CN115356692 A CN 115356692A
- Authority
- CN
- China
- Prior art keywords
- signal
- sorting
- pri
- radar
- pulse
- 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.)
- Pending
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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,通过对雷达辐射源目标信号预处理、自适应门限检测、信号参数测量、信号分选、增批合并等多级处理,分离出理论上单部雷达的脉冲序列,通过计算不同脉冲序列的到达时间、PRI筛选值、时间片区间中心值之间的组合逻辑关系,来解决未知同型雷达辐射源分选过程中的增批合并问题,从而提高分选识别的正确率,电子情报的准确性得到明显提升,有利于指挥员作战决策的制定。
Description
技术领域
本发明属于电磁信号分选识别领域,特别涉及基于PRI的雷达信号主分选过程中,针对同型辐射源被误判为多部虚假辐射源后,进行增批合并处理的方法。
背景技术
战场电磁环境复杂多变,对未知参数的雷达辐射源信号分选已成为无源雷达***信号处理的关键环节,一定程度制约着电子情报、电子支援措施和威胁告警的能力生成。目前对雷达辐射源信号分选通常是利用到达角、载频、脉宽等常规参数进行稀释预处理/预分选,然后基于脉冲重复间隔(PRI)进行主分选,进而完成每部雷达脉冲序列去交错,即将连续到达的多个雷达脉冲信号交错数据流分解为单部雷达脉冲序列,或者单部雷达一种工作模式的脉冲序列。
随着雷达技术的不断发展,脉间PRI复杂调制雷达应用越来越广泛,尤其是同型辐射源的分选经常出错,导致雷达信号分选已成为无源雷达***应用的技术难点,如何提高分选识别的正确率,成为现阶段亟需解决的问题。尤其是在电磁环境陌生或者雷达辐射源先验知识缺失的条件下,如果同一部辐射源存在多种工作模式或者PRI调制范围比较大时,那么来自同一辐射源的信号将大概率被划分到几个不同的直方图统计单元,最终经过PRI分选后可能将同一部辐射源分开,从而将同型雷达辐射源误判为两型(多型)雷达辐射源,造成“增批”问题,影响获取情报的准确性,干扰、误导指挥员作战决策的制定。为此,需要将多部虚假辐射源进行合并,形成真实辐射源,现有的合并准则中最具代表性的是熵判别法和自相关法,即:计算合并前后辐射源的熵值大小和相关函数,进而判断是否进行合并,这两种方法在具有调制信息的辐射源合并中具有一定的局限性。本专利运用PRI区间树上时间片是否重叠的原则,提出了雷达辐射源信号主分选过程中增批合并处理方法。
发明内容
本发明的目的在于提供一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,以解决上述背景技术中提出的现有雷达信号分选的调制信息的辐射源合并中具有一定的局限性的问题。
为实现上述目的,本发明提供如下技术方案:一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,其特征在于:所述基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法具体操作步骤如下:
S1:信号预处理:对于采集的单通道数据s(n),首先进行数字正交变换的预处理,将s(n)分别乘以cos(2πfIn/fs)和sin(2πfIn/fs),并分别通过低通滤波器LPF,即可得到s(n)的IQ通道数据SI(n)和SQ(n);
S2:自适应门限检测:通过估计噪声功率,自适应设定门限进行检测;
S4:信号分选:包括开展信号预分选工作和开展基于PRI的信号主分选;
S5:增批合并:根据PRI估值结果进行脉冲筛选时,每次利用固定PRI值对脉冲进行筛选,因此,当PRI出现类型调制时,将会出现同一部辐射源经过未知PRI分选后被分开的结果,因此,有必要对同一部辐射源进行PRI分选后的增批合并;
S6:识别结果:进而得到目标信号脉间调制识别结果。
优选的,所述S2中自适应门限检测具体为,首先求出每个信道起始位置一段长度为L信号的均值V′11,V′21,V′31,…,V′D1,其中,V′11表示第一信道第一个长度为L信号的均值,依次类推V′Dx表示第d个信道第x个长度为L信号的均值,D表示信道化个数,将V′11,V′21,V′31,…,V′D1中数值最小的作为每个信道的初始噪声门限,用V0表示,即V0=min{V′11,V′21,V′31,…,V′D1};然后,求出V'12,V'22,V'32,...,V'D2中数值最小的作为各个信道的第二段长度为L信号的门限,用V1表示,即V1=min{V'12,V'22,V'32,...,V'D2};依次类推,得到每个信道内各个采样点的噪声门限,根据噪声门限,检测每个信道内属于信号的部分,用信号集表示,i表示第i个信道,start表示第i个信道某个信号的起始点位置,end表示第i个信道某个信号的结束点位置,完成脉冲信号的初步检测。
优选的,所述S4信号分选具体为,首先,开展信号预分选工作,通常根据雷达信号特征的先验知识进行聚类,对未知雷达信号预分选采用到达角DOA、载频fRF和脉宽τPW两个参数,对到达角采用固定角度的均匀量化,对载频采用以波段为单位的非均匀分划,对脉宽采用以近似对数为单元的非均匀量化;其次,通过预分选完成脉冲流稀释后,开展基于PRI的信号主分选,对未知雷达信号进行直方图分选时,没有已知雷达信号分选时的PRI参数,这时就需要先利用待未知雷达信号PRI分选PDW流的TOA信息对PRI进行估计,然后再利用估计的PRI进行分选,以统计直方图为例,将脉冲序列中到达时间与其后续脉冲的到达时间进行相减,对每个到达时间差值后的时间间隔进行统计计数。以统计数目为纵坐标,时间间隔值为横坐标,绘制PRI统计直方图,然后再将直方图与检测门限相比较,得出可能的PRI值。
优选的,所述S5增批合并规则采用在聚类预分选不同的辐射源不合并,聚类预分选结果相同的前提下不同辐射源的时间片是否重叠的原则,即:当两部辐射预分选聚类结果为一类,且所有时间片不重叠时,合并;反之,不合并。
与现有技术相比,本发明的有益效果是:该方法经通过对雷达辐射源目标信号预处理、自适应门限检测、信号参数测量、信号分选、增批合并等多级处理,,分离出理论上单部雷达的脉冲序列,通过计算不同脉冲序列的到达时间、PRI筛选值、时间片区间中心值之间的组合逻辑关系,来解决未知同型雷达辐射源分选过程中的增批合并问题,从而提高分选识别的正确率,电子情报的准确性得到明显提升,有利于指挥员作战决策的制定。
附图说明
图1为本发明一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法流程示意图;
图2为本发明一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法的数字正交变换流程图;
图3为本发明一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法的参数测量流程图;
图4为本发明一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法的脉冲时间片判断示意图;
图5为本发明一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法的PRI分选后辐射源脉冲序列时间片重叠判断示意图;
图6为本发明一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法的自适应最小噪声门限检测示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
综上所述,请参阅图1-6,本发明提供一种技术方案:一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,其特征在于:所述基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法具体操作步骤如下:
S1:信号预处理:对于采集的单通道数据s(n),首先进行数字正交变换的预处理,将s(n)分别乘以cos(2πfIn/fs)和sin(2πfIn/fs),并分别通过低通滤波器LPF,即可得到s(n)的IQ通道数据SI(n)和SQ(n),具体变换流程查看说明书附图2;
S2:自适应门限检测:通过估计噪声功率,自适应设定门限进行检测;
进一步的:通过估计噪声功率,自适应设定门限进行检测。首先求出每个信道起始位置一段长度为L信号的均值V′11,V′21,V′31,…,V′D1,其中,V′11表示第一信道第一个长度为L信号的均值,依次类推V′Dx表示第d个信道第x个长度为L信号的均值,D表示信道化个数),将V′11,V′21,V′31,…,V′D1中数值最小的作为每个信道的初始噪声门限,用V0表示,即V0=min{V′11,V′21,V′31,…,V′D1}。
对于第二段长度为L信号,首先按照下式:
g(n)=G*S'
其中,G在第一在第一段长度为L的信号中表示自适应初始门限系数,在其他段长度为L的信号中表示自适应门限系数S'表示当前长度为L信号中属于真实信号S'ij的幅度均值,真实信号S'ij表示子频带信号Sij>V0部分信号。
按照下式,迭代得到第二段长度为L信号的噪声门限:
h(n)=ag(n)+(1-a)h(n-1)
其中,h(n)表示迭代门限,如图6所示的V'12,V'22,V'32,...,V'D2,r表示遗忘因子,小于1,h(n-1)表示上一段长度为L信号的门限,即图中的V0。
然后,求出V'12,V'22,V'32,...,V'D2中数值最小的作为各个信道的第二段长度为L信号的门限,用V1表示,即V1=min{V'12,V'22,V'32,...,V'D2}。
依次类推,得到每个信道内各个采样点的噪声门限,根据噪声门限,检测每个信道内属于信号的部分,用信号集表示,i表示第i个信道,start表示第i个信道某个信号的起始点位置,end表示第i个信道某个信号的结束点位置,完成脉冲信号的初步检测。
其中,w(n)表示噪声,a(n-τ)表示雷达脉冲信号的包络,τ表示雷达脉冲信号准确到达时间,n0表示采样后的脉冲对应的起始点,M表示脉宽对应的采样点数,N表示数据处理时长对应的采样点数。
在实际处理中,将粗估计的起、止点分别向前、向后推若干点δ,以保证粗估计界定的数据段中包含信号的前后沿。然后,对范围内界定的脉冲信号进行载频估计,得到载频f0的估计值对范围内界定的脉冲信号按照频率进行下变频得到基带信号z(n)。
选择合适的尺度,对基带信号z(n)做Haar小波变换,计算在该尺度下z(n)的小波变换模|WTz(a,n)|,这里z(n)的离散小波变换定义为:
其中,Ψ(k)是母小波函数,a表示伸缩尺度,n为平移因子。此处,离散Haar小波函数定义为:
最后,检测|WTz(a,n)|的第一极值点位置和第二极值点分别作为TOA和TOE精估计值,二者之差做为脉宽PW的估计;对雷达信号的功率谱进行平滑处理,取其重心作为载频RF的估计;利用测得的TOA和TOE对脉冲内的信号幅度求平均,作为脉冲幅度(PA)的估计值,具体可参看说明书附图3。
S4:信号分选:包括开展信号预分选工作和开展基于PRI的信号主分选;
进一步的,首先,开展信号预分选工作,通常根据雷达信号特征的先验知识进行聚类,对未知雷达信号预分选采用到达角(DOA)、载频(fRF)和脉宽(τPW)两个参数,对到达角采用固定角度的均匀量化,对载频采用以波段为单位的非均匀分划,对脉宽采用以近似对数为单元的非均匀量化,典型的空间分划如表1所示:
表1典型的未知雷达信号特征分划
其次,通过预分选完成脉冲流稀释后,开展基于PRI的信号主分选。典型雷达的PRI特性如下所示:
其中,函数mod[j,L]是指对j按照L取模。n、δT、L和分别称为重频参数、抖动量、参差周期数和每种重频的脉冲数。通常,当n>1时,雷达称为重频参差雷达;当np>1,时,雷达称为脉组参差雷达;当δT≠0时,雷达称为重频抖动雷达;当n=1,δT=0时,雷达称为固定重频雷达或常规重频雷达。表示非零非负且序列末项为n的整数集,即
对未知雷达信号进行直方图分选时,没有已知雷达信号分选时的PRI参数,这时就需要先利用待未知雷达信号PRI分选PDW流的TOA信息对PRI进行估计,然后再利用估计的PRI进行分选。以统计直方图为例,将脉冲序列中到达时间与其后续脉冲的到达时间进行相减,对每个到达时间差值后的时间间隔进行统计计数。以统计数目为纵坐标,时间间隔值为横坐标,绘制PRI统计直方图,然后再将直方图与检测门限相比较,得出可能的PRI值。在一定的观测时间范围内,脉冲间隔越大,统计出的脉冲数量越少。由此,可得检测门限和脉冲总数E成正比例,与脉冲间隔成反比例,在设定检测门限时,假定统计直方图的自变量为脉冲时间间隔τ,总的脉冲观测时间为T,直方图的最优检测门限为:
ηth(τ)=k×(T/τ)
其中,k为可调系数,通常取0<k<1。
S5:增批合并:根据PRI估值结果进行脉冲筛选时,每次利用固定PRI值对脉冲进行筛选,因此,当PRI出现类型调制时,将会出现同一部辐射源经过未知PRI分选后被分开的结果,因此,有必要对同一部辐射源进行PRI分选后的增批合并;
进一步的,此处合并规则采用在聚类预分选不同的辐射源不合并,聚类预分选结果相同的前提下不同辐射源的时间片是否重叠的原则,即:当两部辐射预分选聚类结果为一类,且所有时间片不重叠时,合并;反之,不合并。时间片定义为:以脉冲到达时间TOA作为起始点、脉冲PRI筛选时的PRI值为宽度D、到达时间加宽度为终止点TOE、脉冲到达时间加二分之一的宽度为时间片中心的时间段M,具体映射到区间树上的时间片区间搜索判断原则如下:
其中,i表示分选后辐射源个数,j表示脉冲数。如果Leni≥0,表示时间片有重叠,不合并;反之,则合并。
S6:识别结果:进而得到目标信号脉间调制识别结果。
为验证本文所提方法的有效性,在此给出具体的应用实例。
实施例:
以脉冲到达时间为起始点、脉冲PRI筛选时的PRI值为宽度、到达时间加宽度为终止点、脉冲到达时间加二分之一的宽度为时间片中心的时间段,具体的分选时间片重叠判断示意过程如图4和图5所示。图中假定有两部辐射源,一部PRI值为二参差即:PRI=20μs、30μs的辐射源和一部PRI值为45μs的辐射源为例,经过信号预处理、自适应门限检测、信号参数测量后,利用直方图法将该辐射源分为PRI=20μs、PRI=30μs、PRI=45μs的三部辐射源,当分属于两部辐射源的时间片中心差值大于等于两部辐射源PRI值之和二分之一时,两部辐射源的时间片不重叠,反之时间片重叠。因此,通过上述基于PRI时间片不重叠的增批合并处理方法,可以有效解决同型辐射源由于PRI复杂调制而导致虚假目标出现的问题,进一步验证了方法的有效性。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,其特征在于:所述基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法具体操作步骤如下:
S1:信号预处理:对于采集的单通道数据s(n),首先进行数字正交变换的预处理,将s(n)分别乘以cos(2πfIn/fs)和sin(2πfIn/fs),并分别通过低通滤波器LPF,即可得到s(n)的IQ通道数据SI(n)和SQ(n);
S2:自适应门限检测:通过估计噪声功率,自适应设定门限进行检测;
S4:信号分选:包括开展信号预分选工作和开展基于PRI的信号主分选;
S5:增批合并:根据PRI估值结果进行脉冲筛选时,每次利用固定PRI值对脉冲进行筛选,因此,当PRI出现类型调制时,将会出现同一部辐射源经过未知PRI分选后被分开的结果,因此,有必要对同一部辐射源进行PRI分选后的增批合并;
S6:识别结果:进而得到目标信号脉间调制识别结果。
2.根据权利要求1所述的一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,其特征在于:所述S2中自适应门限检测具体为,首先求出每个信道起始位置一段长度为L信号的均值V′11,V′21,V′31,…,V′D1,其中,V′11表示第一信道第一个长度为L信号的均值,依次类推V′Dx表示第d个信道第x个长度为L信号的均值,D表示信道化个数,将V′11,V′21,V′31,…,V′D1中数值最小的作为每个信道的初始噪声门限,用V0表示,即V0=min{V′11,V′21,V′31,…,V′D1};然后,求出V'12,V'22,V'32,...,V'D2中数值最小的作为各个信道的第二段长度为L信号的门限,用V1表示,即V1=min{V'12,V'22,V'32,...,V'D2};依次类推,得到每个信道内各个采样点的噪声门限,根据噪声门限,检测每个信道内属于信号的部分,用信号集表示,i表示第i个信道,start表示第i个信道某个信号的起始点位置,end表示第i个信道某个信号的结束点位置,完成脉冲信号的初步检测。
3.根据权利要求1所述的一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,其特征在于:所述S4信号分选具体为,首先,开展信号预分选工作,通常根据雷达信号特征的先验知识进行聚类,对未知雷达信号预分选采用到达角DOA、载频fRF和脉宽τPW两个参数,对到达角采用固定角度的均匀量化,对载频采用以波段为单位的非均匀分划,对脉宽采用以近似对数为单元的非均匀量化;其次,通过预分选完成脉冲流稀释后,开展基于PRI的信号主分选,对未知雷达信号进行直方图分选时,没有已知雷达信号分选时的PRI参数,这时就需要先利用待未知雷达信号PRI分选PDW流的TOA信息对PRI进行估计,然后再利用估计的PRI进行分选,以统计直方图为例,将脉冲序列中到达时间与其后续脉冲的到达时间进行相减,对每个到达时间差值后的时间间隔进行统计计数。以统计数目为纵坐标,时间间隔值为横坐标,绘制PRI统计直方图,然后再将直方图与检测门限相比较,得出可能的PRI值。
4.根据权利要求1所述的一种基于PRI区间树上时间片不重叠的雷达信号分选增批处理方法,其特征在于:所述S5增批合并规则采用在聚类预分选不同的辐射源不合并,聚类预分选结果相同的前提下不同辐射源的时间片是否重叠的原则,即:当两部辐射预分选聚类结果为一类,且所有时间片不重叠时,合并;反之,不合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210884636.1A CN115356692A (zh) | 2022-07-26 | 2022-07-26 | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210884636.1A CN115356692A (zh) | 2022-07-26 | 2022-07-26 | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115356692A true CN115356692A (zh) | 2022-11-18 |
Family
ID=84031155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210884636.1A Pending CN115356692A (zh) | 2022-07-26 | 2022-07-26 | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115356692A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117310636A (zh) * | 2023-11-29 | 2023-12-29 | 成都工业学院 | 一种固定脉冲重复间隔测量方法、设备和介质 |
-
2022
- 2022-07-26 CN CN202210884636.1A patent/CN115356692A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117310636A (zh) * | 2023-11-29 | 2023-12-29 | 成都工业学院 | 一种固定脉冲重复间隔测量方法、设备和介质 |
CN117310636B (zh) * | 2023-11-29 | 2024-02-06 | 成都工业学院 | 一种固定脉冲重复间隔测量方法、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111352102B (zh) | 一种基于调频连续波雷达的多目标个数检测方法及装置 | |
CN107884757B (zh) | 恒虚警目标检测方法、装置及车辆 | |
CN111693944B (zh) | 雷达有源干扰信号参数提取与干扰样式识别方法及装置 | |
CN109167746B (zh) | 连续波与脉冲信号快速识别装置 | |
CN111722188B (zh) | 基于stft预分选的pri变换雷达信号分选方法 | |
CN111090077B (zh) | 多维度去交错后的toa差分统计雷达信号分选方法 | |
CN113721219B (zh) | 一种基于多参数聚类的雷达信号分选方法和*** | |
CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
CN114025379B (zh) | 一种宽带多信号检测方法、装置和设备 | |
CN108169739B (zh) | 基于分数阶傅立叶变换和最小脉宽检测的线性调频连续波时宽比估计方法 | |
CN111999726B (zh) | 一种基于毫米波雷达的人员定位方法 | |
CN110161494B (zh) | 基于速度平方滤波的rd平面弱目标检测跟踪方法及装置 | |
CN116359851A (zh) | 一种基于融合网络的雷达有源干扰检测识别方法及装置 | |
CN115356692A (zh) | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 | |
CN111157953A (zh) | 一种强地杂波下两级门限恒虚警检测算法 | |
CN114545342B (zh) | 利用多通道侦察接收机的雷达脉冲信号参数测量方法 | |
CN114578293B (zh) | 一种利用截获信号幅度值的电扫雷达信号识别方法 | |
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 | |
CN117054998A (zh) | 一种基于信息熵背景平稳度的集群目标检测方法和*** | |
Ranney et al. | A survey of methods for estimating pulse width and pulse repetition interval | |
CN112462344A (zh) | 通过时频域变换处理提取雷达信号脉内特征参数的方法 | |
CN115078845B (zh) | 脉冲重复周期的采集方法、设备及计算机存储介质 | |
CN118131156A (zh) | 一种基于数字信道化模型的无源电磁态势感知*** | |
Nghi et al. | Parameter Justification of a Signal Recognition Algorithm Based on Detection at Two Intermediate Frequencies | |
CN112098984B (zh) | 散射信号的目标体检测方法及装置 |
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 |