项目名称: 基于感知的机载MIMO雷达空时联合设计

项目编号: No.61201280

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 李军

作者单位: 电子科技大学

项目金额: 23万元

中文摘要: 多输入多输出(MIMO)体制能有效改善机载雷达的杂波抑制、地面动目标检测、参数估计及射频隐身等多方面的性能,是机载雷达的一个重要发展方向。在机载雷达中引入感知技术,可显著提高机载雷达适应杂波及目标环境的能力,进一步提升系统性能。 本项目将感知理论与MIMO雷达技术相结合,应用于机载雷达背景,开展相关科学问题的研究。拟提出基于感知的机载MIMO雷达系统框架,建立基于环境信息和先验知识的机载MIMO雷达空时联合设计理论模型;提出有效的环境信息建模及参数估计方法;根据雷达的工作状态和任务需求等,提出优化设计准则和约束条件,对雷达发射阵列的子阵数、子阵划分原则、探测波形设计、波形相关性、空时处理等,进行联合优化设计,以使机载MIMO雷达工作在最佳状态,使杂波和干扰实现最大抑制,使目标信息得到最佳的获取。

中文关键词: 机载雷达;MIMO雷达;认知雷达;波形优化;空时设计

英文摘要: Multiple Input Multiple Output (MIMO) system is an important development direction of airborn radars, which can improve the performances of an airborn radar such as clutter rejection, ground moving target detection,parameter estimation, and RF stealth. Introducing the cognition technique into airborn radars can enhance its ability of adapting clutter and target environment, and further improve its system performances. The science problems of airborn radar combining cognitive radar theory and MIMO radar technique will be researched in this project. The system framework of the airborn MIMO radar based on cognition will be proposed, and the theory model of space-time combined design for airborn MIMO radar ground on environment information and apriori information will be established. We plan to put forward some effective methods for environment information modelling and parameter estimation, and propose some optimization design rules and constraint conditions based on the radar's state and mission requirements. The number of subarray of the transmitting array, principle of array partition, design of detecting waveform, relativity of waveforms, and space-time processing will be optimized to reject the clutter and interference furthest for the airborn MIMO radar to obtain the optimum target information.

英文关键词: airborn radar;MIMO radar;cognitive radar;Waveform optimization;space-time design

成为VIP会员查看完整内容
1

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
深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
33+阅读 · 2021年9月18日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
52+阅读 · 2021年8月29日
专知会员服务
20+阅读 · 2021年7月19日
专知会员服务
24+阅读 · 2021年4月21日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19日
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19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
一文搞懂反向传播
机器学习与推荐算法
18+阅读 · 2020年3月12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
论文浅尝 | 基于知识库的类型实体和关系的联合抽取
开放知识图谱
35+阅读 · 2018年12月9日
基于神经网络的实体识别和关系抽取联合学习 | PaperWeekly #54
黑龙江大学自然语言处理实验室
19+阅读 · 2017年12月14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
2+阅读 · 2013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 · 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
7+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
国家自然科学基金
8+阅读 · 2010年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14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
深度神经网络FPGA设计进展、实现与展望
专知会员服务
34+阅读 · 2022年3月21日
面向大数据处理框架的JVM优化技术综述
专知会员服务
16+阅读 · 2021年11月27日
专知会员服务
33+阅读 · 2021年9月18日
专知会员服务
87+阅读 · 2021年9月4日
专知会员服务
52+阅读 · 2021年8月29日
专知会员服务
20+阅读 · 2021年7月19日
专知会员服务
24+阅读 · 2021年4月21日
实体关系抽取方法研究综述
专知会员服务
176+阅读 · 2020年7月19日
相关资讯
IJCAI 2021 | 不确定性感知小样本图像分类模型,实现SOTA性能
微软研究院AI头条
0+阅读 · 2021年8月19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
一文搞懂反向传播
机器学习与推荐算法
18+阅读 · 2020年3月12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
论文浅尝 | 基于知识库的类型实体和关系的联合抽取
开放知识图谱
35+阅读 · 2018年12月9日
基于神经网络的实体识别和关系抽取联合学习 | PaperWeekly #54
黑龙江大学自然语言处理实验室
19+阅读 · 2017年12月14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
2+阅读 · 2013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 · 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
7+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
国家自然科学基金
8+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员