项目名称: 提高复杂环境下地面慢速目标检测性能的MIMO-STAP理论研究

项目编号: No.61301258

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 王洪雁

作者单位: 大连大学

项目金额: 26万元

中文摘要: 利用空时自适应处理实现地面动目标的高分辨检测需要较多系统自由度以提高杂波抑制能力,较长波束驻留时间以降低最小可检测目标速度。然而,这些要求在传统的只具有接收自由度且需空域扫描的相控阵体制下难以达到。针对此问题,本项目拟基于具有收发空域自由度且无需空域扫描的多输入多输出(MIMO)雷达进行收发联合空时自适应处理。从接收信号中估计目标及杂波的信息,同时考虑估计误差,结合波形物理约束,优化发射波形参数,从而在传统空时两维自适应处理中加入发射波形维,削弱由复杂的实际地面环境引起的非均匀杂波影响,进而改善系统杂波抑制能力,提高复杂环境下地面慢速目标的检测能力,为复杂环境下MIMO雷达地面动目标检测的工程化提供理论基础。

中文关键词: 多输出多输出雷达;波形设计;凸优化;空时自适应处理;目标检测

英文摘要: Using space-time adaptive processing (STAP) to achieve high- resolution ground moving target indication (GMTI) needs to be more degrees of freedom (DoFs) to increase clutter suppression ability, more beam-dwell time to lower the minimum detectable velocity. However, these requirements are difficult to achieve in traditional phased-array radars that only have the receive DoFs and need spatial scanning. Focusing on this problem, Multiple-in mutiple-out (MIMO) radar with transmit and receive DoFs as well as no spatial scanning is employed in this project to achieve transmit-receive STAP. The information of clutter and targets of interest can be estimated from the received data to optimize the transmit waveforms under waveform physical constraints, in which estimation errors are considered. Therefore, the information of the transmit waveforms are merged into the traditional STAP, which results to the reduction of the effect of the non-stationary clutter casued by complex environments on the system detection performance. Futhermore, the ability of the clutter suppression of radar systems can be improved, which brings about the upgrade of the deteciton performance of ground slowly moving target detection in complex environments. The research results in this project will provide some theory basis for the application o

英文关键词: multiple-in multiple-out radar;waveform design;convex optimization;space time adaptive processing;target detection

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
92+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
47+阅读 · 2021年11月23日
专知会员服务
22+阅读 · 2021年10月9日
专知会员服务
18+阅读 · 2021年5月23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
13+阅读 · 2021年4月26日
专知会员服务
19+阅读 · 2020年12月23日
基于改进卷积神经网络的短文本分类模型
专知会员服务
26+阅读 · 2020年7月22日
目标检测之殇—小目标检测
极市平台
5+阅读 · 2021年11月3日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28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
0+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
7+阅读 · 2012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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月17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
92+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
47+阅读 · 2021年11月23日
专知会员服务
22+阅读 · 2021年10月9日
专知会员服务
18+阅读 · 2021年5月23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
13+阅读 · 2021年4月26日
专知会员服务
19+阅读 · 2020年12月23日
基于改进卷积神经网络的短文本分类模型
专知会员服务
26+阅读 · 2020年7月22日
相关资讯
目标检测之殇—小目标检测
极市平台
5+阅读 · 2021年11月3日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
CVPR 2019:精确目标检测的不确定边界框回归
AI科技评论
13+阅读 · 2019年9月16日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28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
0+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
7+阅读 · 2012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
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员