项目名称: 复杂场景下双基地MIMO雷达检测地面慢速目标的收发空时自适应处理方法研究

项目编号: No.61271292

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 李军

作者单位: 西安电子科技大学

项目金额: 60万元

中文摘要: 双基地雷达具有探测隐身目标、隐蔽侦查等诸多优势,但传统双基地研究中,对发射端信息的获取和利用不是很充分。本项目不同于仅对接收信号进行空时自适应处理的传统方法,拟利用多入多出(MIMO)雷达提供的收发空域自由度进行收发联合空时自适应处理。从接收信号中获取双基地雷达目标和杂波相对于发射端的空间信息,并结合先验知识和复杂场景的统计特性,自适应调节发射波形参数,从而在传统空时两维自适应处理中加入发射空间和发射波形处理,降低由双基地构形和复杂的实际地面环境引起的杂波训练样本非独立同分布的影响,改善系统消除杂波的能力,提高复杂环境下双基地雷达对慢速小目标检测性能,为复杂环境下双基地雷达地面动目标检测的实用提供理论基础。

中文关键词: 双基地多入多出雷达;空时自适应处理;自适应波形优化;先验知识;非独立同分布杂波

英文摘要: Bistatic radar systems have several advantages, such as anti-stealth, covert operation. However, the advantages of transmit information of bistatic radar are not fully explored. In this project, the transmit spatial degree of freedoms (DoFs) which are provided by multiple-input multiple output (MIMO) radar will be exploited to achieve transmit-receive space-time adaptive processing (STAP). This kind of processing is different from traditional STAP which only uses the information at receive side. The transmit spatial information can be extracted from the receive data and the transmit waveforms can be adjusted adaptively with the aid of prior knowledge and statistical characteristic of environment. So the information from the tansmit spatial and the waveforms are merged into the traditional STAP, which results to the reduction of the independent non-identically distributed characteristic of clutter caused by bistatic geometry and complex environments. Furthermore, the ability of clutter suppression of radar systems is improved and the performances of slow moving targets detection in complex environments are upgraded. The research results in this project will provide some theory basis for ground moving target indicator (GMTI) using bistatic MIMO radar.

英文关键词: bistatic MIMO radar;space-time adaptive processing;adaptive waveform optimization;prior knowledge;independent non-identicically distributed clutter

成为VIP会员查看完整内容
0

相关内容

【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
深度学习中的单阶段小目标检测方法综述
专知会员服务
45+阅读 · 2021年11月23日
专知会员服务
16+阅读 · 2021年5月23日
专知会员服务
121+阅读 · 2021年4月29日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
专知会员服务
35+阅读 · 2021年2月20日
首篇「课程学习(Curriculum Learning)」2021综述论文
专知会员服务
49+阅读 · 2021年1月31日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
45+阅读 · 2020年11月13日
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
16+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
7+阅读 · 2010年12月31日
Arxiv
64+阅读 · 2021年6月18日
Arxiv
21+阅读 · 2020年10月11日
Deep Learning in Video Multi-Object Tracking: A Survey
Arxiv
57+阅读 · 2019年7月31日
小贴士
相关VIP内容
【AI+军事】附PPT 《前瞻性分析:获得决策优势的方法》
专知会员服务
90+阅读 · 2022年4月17日
深度学习中的单阶段小目标检测方法综述
专知会员服务
45+阅读 · 2021年11月23日
专知会员服务
16+阅读 · 2021年5月23日
专知会员服务
121+阅读 · 2021年4月29日
​【CVPR 2021】半监督视频目标分割新算法,实现SOTA性能
专知会员服务
12+阅读 · 2021年4月26日
专知会员服务
35+阅读 · 2021年2月20日
首篇「课程学习(Curriculum Learning)」2021综述论文
专知会员服务
49+阅读 · 2021年1月31日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
45+阅读 · 2020年11月13日
【课程推荐】 深度学习中的几何(Geometry of Deep Learning)
专知会员服务
57+阅读 · 2019年11月10日
相关资讯
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
自动驾驶车载激光雷达技术现状分析
智能交通技术
17+阅读 · 2019年4月9日
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
16+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
7+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员