-
公开(公告)号：CN108490428B
公开(公告)日：2022-01-07
申请号：CN201810220052.8
申请日：2018-03-16
申请人： 西安电子科技大学
IPC分类号： G01S13/68
摘要： 本发明公开了一种用于抗主瓣干扰的降维子阵比相跟踪测角方法，其主要思路为：确定平面阵，所述平面阵检测范围内存在目标，将平面阵划分为L1×L2维子阵矩阵，所述L1×L2维子阵矩阵包括L1×L2个子阵；对所述L1×L2维子阵矩阵进行划分，得到top子阵、bottom子阵、left子阵和right子阵；分别计算top子阵最优权和left子阵最优权，进而分别计算得到top子阵输出结果、bottom子阵输出结果、left子阵输出结果和right子阵输出结果；根据top子阵输出结果、bottom子阵输出结果、left子阵输出结果和right子阵输出结果，计算top子阵和bottom子阵之间的相位差和left子阵和right子阵之间的相位差；进而计算得到目标俯仰角和目标方位角，所述目标俯仰角和目标方位角为一种用于抗主瓣干扰的降维子阵比相跟踪测角结果。
-
公开(公告)号：CN107462875B
公开(公告)日：2020-04-10
申请号：CN201710611194.2
申请日：2017-07-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于IGA‑NP算法的认知雷达最大MI波形优化方法，其主要思路为：确定认知雷达，该认知雷达的检测范围内存在目标信号，并分别计算得到目标信号谱方差、杂波谱方差、噪声功率谱，然后设定待优化波形功率谱；确定待优化波形的能量约束条件，并进行问题建模；设置迭代次数，以及进行非线性规划寻优的整数代数；分别设置染色体个数、交叉概率、变异概率；计算初始种群Code；初始化：令h表示第h次迭代，h∈{1,2,…,G},G表示设定的最大进化代数，计算第h次迭代后的k‑opt搜索种群以及第h次迭代后的最优染色体；直到h＝G，则结束迭代,并将迭代停止时对应的最优染色体，作为全局最优染色体；所述全局最优染色体为待优化波形功率谱。
-
公开(公告)号：CN108318866B
公开(公告)日：2021-10-08
申请号：CN201810059305.8
申请日：2018-01-22
申请人： 西安电子科技大学
摘要： 本发明属于信号处理技术领域，公开了一种基于多帧回波联合积累的海杂波抑制方法，通过对传统帧间扫描相关积累方法进行改进，使用一种基于十字窗积累的多帧联合非相参积累方法能够在避免相参积累的方法对距离走动补偿和多普勒走动进行补偿；也改善了传统SIC算法的动目标的拖尾现象；可以有效地提高动目标回波的信杂噪比，而且降低了运算复杂性，进而提高了海面弱小慢速目标的检测性能。
-
公开(公告)号：CN108490428A
公开(公告)日：2018-09-04
申请号：CN201810220052.8
申请日：2018-03-16
申请人： 西安电子科技大学
IPC分类号： G01S13/68
摘要： 本发明公开了一种用于抗主瓣干扰的降维子阵比相跟踪测角方法，其主要思路为：确定平面阵，所述平面阵检测范围内存在目标，将平面阵划分为L1×L2维子阵矩阵，所述L1×L2维子阵矩阵包括L1×L2个子阵；对所述L1×L2维子阵矩阵进行划分，得到top子阵、bottom子阵、left子阵和right子阵；分别计算top子阵最优权和left子阵最优权，进而分别计算得到top子阵输出结果、bottom子阵输出结果、left子阵输出结果和right子阵输出结果；根据top子阵输出结果、bottom子阵输出结果、left子阵输出结果和right子阵输出结果，计算top子阵和bottom子阵之间的相位差和left子阵和right子阵之间的相位差；进而计算得到目标俯仰角和目标方位角，所述目标俯仰角和目标方位角为一种用于抗主瓣干扰的降维子阵比相跟踪测角结果。
-
公开(公告)号：CN108318866A
公开(公告)日：2018-07-24
申请号：CN201810059305.8
申请日：2018-01-22
申请人： 西安电子科技大学
摘要： 本发明属于信号处理技术领域，公开了一种基于多帧回波联合积累的海杂波抑制方法，通过对传统帧间扫描相关积累方法进行改进，使用一种基于十字窗积累的多帧联合非相参积累方法能够在避免相参积累的方法对距离走动补偿和多普勒走动进行补偿；也改善了传统SIC算法的动目标的拖尾现象；可以有效地提高动目标回波的信杂噪比，而且降低了运算复杂性，进而提高了海面弱小慢速目标的检测性能。
-
公开(公告)号：CN107462875A
公开(公告)日：2017-12-12
申请号：CN201710611194.2
申请日：2017-07-25
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于IGA-NP算法的认知雷达最大MI波形优化方法，其主要思路为：确定认知雷达，该认知雷达的检测范围内存在目标信号，并分别计算得到目标信号谱方差、杂波谱方差、噪声功率谱，然后设定待优化波形功率谱；确定待优化波形的能量约束条件，并进行问题建模；设置迭代次数，以及进行非线性规划寻优的整数代数；分别设置染色体个数、交叉概率、变异概率；计算初始种群Code；初始化：令h表示第h次迭代，h∈{1,2,…,G},G表示设定的最大进化代数，计算第h次迭代后的k-opt搜索种群以及第h次迭代后的最优染色体；直到h＝G，则结束迭代,并将迭代停止时对应的最优染色体，作为全局最优染色体；所述全局最优染色体为待优化波形功率谱。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.04 秒)
