-
公开(公告)号:CN117008065A
公开(公告)日:2023-11-07
申请号:CN202311029274.9
申请日:2023-08-16
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G01S7/36
Abstract: 本发明提出一种频谱重构的分布式雷达多干扰抑制方法,该方法对干扰在不同通道间的时延差、相位差、幅度差进行估计,并依据估计结果结合多节点回波在频域重构干扰频谱后抑制干扰。该方法能在各干扰在各节点中时延不一致难以时域对齐、系统相参性下降的情况下实现多干扰抑制。提升了分布式雷达系统在多干扰场景下的抗干扰性能。
-
公开(公告)号:CN117148278A
公开(公告)日:2023-12-01
申请号:CN202311127424.X
申请日:2023-09-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 分布式雷达系统中各部雷达间时延的存在将会严重影响干扰对消性能。传统的时延估计方法精度受限于采样间隔,无法补偿不足一个采样间隔的亚采样点时延。本发明给出了一种基于频域处理的线性拟合亚采样点时延估计方法,首先利用对信号预处理得到频谱,通过相除后估计曲线的斜率来直接获得亚采样点时延的精确值。然后,为了提升该算法的鲁棒性,采用最小二乘法进行线性拟合,进一步消除了噪声的影响。本发明可在提升分布式雷达系统时延误差估计精度的同时保持良好的实时性。
-
公开(公告)号:CN115561714A
公开(公告)日:2023-01-03
申请号:CN202210804484.X
申请日:2022-07-08
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
Abstract: 本发明提出了一种基于联合广义内积的分布式雷达干扰抑制方法,能够在分布式雷达系统存在单元雷达位置误差、且通道间的相位误差较大的情况下同时实现对主瓣干扰和杂波的联合抑制。本发明利用分布式雷达极高角度分辨力的特性实现对主瓣干扰的有效抑制,再利用分布式雷达孔径灵活的优势,设计多维广义内积参量实现杂波环境下的目标检测。该算法能在分布式雷达系统存在单元雷达位置误差、且通道间的相位误差较大的情况下同时实现对主瓣干扰和杂波的联合抑制,提升了分布式雷达系统在非理想条件下的目标探测性能。
-
公开(公告)号:CN119849277A
公开(公告)日:2025-04-18
申请号:CN202411954987.0
申请日:2024-12-27
Applicant: 北京理工大学
IPC: G06F30/25 , G06F30/27 , G06N3/006 , G06F111/04
Abstract: 本发明公开了一种基于抗主瓣干扰性能的异构分布式雷达构型载频联合优化方法,技术方案包含以下步骤:步骤一、分布式雷达抗干扰场景建模和优化问题构建;步骤二、基于PSO算法的最优构型设计算法;步骤三、基于最小化PGLL的子脉冲频点设计算法。本发明可获得主辅雷达增益不一致、节点数量较少情况下的最优分布式雷达部署策略和子脉冲频点设计,使得分布式雷达在主瓣内任意角度出现干扰时都能在某个子脉冲中得到最优的输出信噪比。
-
公开(公告)号:CN119272941A
公开(公告)日:2025-01-07
申请号:CN202411415868.8
申请日:2024-10-11
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q10/0631 , G06Q50/26 , G06N3/006 , G01S5/06 , G01S13/06
Abstract: 本发明属于雷达资源调度技术领域,具体涉及一种面向TDOA定位的分布式雷达部署策略优化方法,该方法具体过程为:步骤一、面向TDOA定位的分布式雷达定位场景建模;步骤二、构建系统性能评价指标和优化问题,所述评价指标包括关键子区KS定位性能评价指标和雷达侦察区域RSA监视性能评价指标;所述优化问题包括面向定位任务的单目标优化问题和兼顾定位和监视任务的多目标优化问题;步骤三、对优化问题进行求解,获得分布式雷达优化部署策略。
-
公开(公告)号:CN119375837A
公开(公告)日:2025-01-28
申请号:CN202411415392.8
申请日:2024-10-11
Applicant: 北京理工大学
IPC: G01S7/36 , G06F17/16 , G06F18/24 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于Transformer网络的分布式雷达多干扰识别方法,该方法针对多干扰并存的场景,以长基线分布式雷达构型为基础,首先各部雷达利用多信号分类(MUSIC)算法估计干扰源角度并进行自适应波束形成,从空域分离各干扰回波,在此基础上计算干扰回波间的相关系数实现干扰样本关联。然后利用短时傅里叶变换将各雷达节点的干扰回波转换为时频图,输入Transformer网络中检测干扰类型并基于干扰在时频图中的相对位置估计干扰工作参数,最后融合多节点感知信息输出干扰类型与融合后的干扰参数。本发明可实现多干扰源识别与参数估计,对于时频域中多干扰源重叠问题,通过空域分离干扰样本后进行干扰识别,进而实现多干扰源识别与参数估计。
-
-
-
-
-