基于压缩感知的分布式ISAR成像高旁瓣抑制方法

    公开(公告)号:CN110426705B

    公开(公告)日:2023-04-21

    申请号:CN201910632319.9

    申请日:2019-07-13

    Abstract: 本发明公开了一种基于压缩感知的分布式ISAR成像高旁瓣抑制方法,主要解决现有多基ISAR信号融合成像中在观测角度不连续情况下,成像结果旁瓣升高、主瓣分裂的问题。其实现方案是:构建分布式ISAR回波信号模型,根据融合信号模型表达式得到角度不连续的融合结果,建立角度非连续的融合结果与连续的融合结果之间的定量关系;根据角度非连续的融合结果与连续的融合结果之间的定量关系构建基于压缩感知的连续数据恢复模型;基于该恢复模型利用已知非连续数据反解出连续数据,再用传统的ISAR成像算法对反解出的连续数据进行成像。本发明能在观测角度不连续情况下显著消除了旁瓣升高和主瓣分裂,可用于多基站ISAR雷达成像。

    基于压缩感知的分布式ISAR成像高旁瓣抑制方法

    公开(公告)号:CN110426705A

    公开(公告)日:2019-11-08

    申请号:CN201910632319.9

    申请日:2019-07-13

    Abstract: 本发明公开了一种基于压缩感知的分布式ISAR成像高旁瓣抑制方法,主要解决现有多基ISAR信号融合成像中在观测角度不连续情况下,成像结果旁瓣升高、主瓣分裂的问题。其实现方案是:构建分布式ISAR回波信号模型,根据融合信号模型表达式得到角度不连续的融合结果,建立角度非连续的融合结果与连续的融合结果之间的定量关系;根据角度非连续的融合结果与连续的融合结果之间的定量关系构建基于压缩感知的连续数据恢复模型;基于该恢复模型利用已知非连续数据反解出连续数据,再用传统的ISAR成像算法对反解出的连续数据进行成像。本发明能在观测角度不连续情况下显著消除了旁瓣升高和主瓣分裂,可用于多基站ISAR雷达成像。

    一种多基站雷达构型下的距离扩展目标检测方法

    公开(公告)号:CN111751811B

    公开(公告)日:2023-07-25

    申请号:CN202010431970.2

    申请日:2020-05-20

    Abstract: 本发明公开了一种多基站雷达构型下的距离扩展目标检测方法,包括:建立多基站雷达系统中的局部雷达站的距离扩展目标模型;对局部雷达站的观测数据进行匹配滤波处理,构建全局观测量;为各局部雷达站设置权值,并得到全局观测量的一阶矩和二阶矩;由偏移系数最大化构建权值优化问题,计算系统整体偏移系数,求出偏移系数最大化时所对应的局部雷达站的最优权值矢量;对各局部雷达站进行信息融合得到全局检测统计量,并设置检测门限;根据检测门限判决目标是否存在。本发明将多基站雷达系统模型与距离扩展目标检测问题相结合,并利用偏移系数最大化求解最优权值,使得能够有效提升局部雷达检测信息融合后对距离扩展目标的检测性能。

    一种多基站雷达构型下的距离扩展目标检测方法

    公开(公告)号:CN111751811A

    公开(公告)日:2020-10-09

    申请号:CN202010431970.2

    申请日:2020-05-20

    Abstract: 本发明公开了一种多基站雷达构型下的距离扩展目标检测方法,包括:建立多基站雷达系统中的局部雷达站的距离扩展目标模型;对局部雷达站的观测数据进行匹配滤波处理,构建全局观测量;为各局部雷达站设置权值,并得到全局观测量的一阶矩和二阶矩;由偏移系数最大化构建权值优化问题,计算系统整体偏移系数,求出偏移系数最大化时所对应的局部雷达站的最优权值矢量;对各局部雷达站进行信息融合得到全局检测统计量,并设置检测门限;根据检测门限判决目标是否存在。本发明将多基站雷达系统模型与距离扩展目标检测问题相结合,并利用偏移系数最大化求解最优权值,使得能够有效提升局部雷达检测信息融合后对距离扩展目标的检测性能。

    一种基于LSTM 网络的雷达干扰信号识别方法

    公开(公告)号:CN111638488A

    公开(公告)日:2020-09-08

    申请号:CN202010281219.9

    申请日:2020-04-10

    Abstract: 本发明涉及一种基于LSTM网络的雷达干扰信号识别方法,包括:S1:仿真生成若干种不同雷达干扰信号的时频域采样序列作为数据集,将数据集划分为训练样本、测试样本和验证样本,每个样本均设置有标签值。S2:构建LSTM网络,并初始化LSTM网络;S3:根据训练样本,对LSTM网络进行训练,得到雷达干扰信号识别模型;S4:将测试样本和验证样本分别输入雷达干扰信号识别模型,以检验雷达干扰信号识别模型的性能。S5:将需要识别的雷达干扰信号的时频域序列输入雷达干扰信号识别模型,实现雷达干扰信号的识别判断。本发明的基于LSTM网络的雷达干扰信号识别方法,无需对干扰信号进行滤波、GWT变换、载频估计等复杂的信号预处理工作。

Patent Agency Ranking