买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：波音公司;HRL实验室有限公司

摘要：本申请涉及发射后低于噪声的BAT啁啾雷达。雷达系统包括用于发射射频RF信号或雷达信号的发射天线和用于接收由多个目标反射RF信号或雷达信号而创建的多个反射信号的接收天线。反射信号包括噪声。雷达系统还包括模数转换器ADC，该ADC对反射信号数字化或取样，以提供数字化或取样的噪声输入信号。雷达系统进一步包括接收噪声输入信号的贮存器计算机。贮存器计算机包括时变贮存器，并且被配置成对噪声输入信号去噪，并为多个目标中的每一个提供距离测量。

主权项：1.一种雷达系统，其包括：发射天线，其用于发射射频信号即RF信号或雷达信号；接收天线，其用于接收由多个目标反射所述RF信号或雷达信号而创建的多个反射信号，所述反射信号包括噪声；模数转换器即ADC，其对所述多个反射信号数字化或取样，以提供数字化或取样的噪声输入信号；以及贮存器计算机，其接收所述噪声输入信号，所述贮存器计算机包括时变贮存器，并且所述贮存器计算机被配置成对所述噪声输入信号去噪并为所述多个目标中的每一个提供距离测量，其中所述RF信号或所述雷达信号包括啁啾或步进啁啾波形，其中所述贮存器计算机包括认知雷达处理器，并且所述认知雷达处理器包括所述时变贮存器，所述时变贮存器包括多个时变贮存器状态，并且所述时变贮存器被配置成将所述噪声输入信号线性地映射到相应的贮存器状态，以创建所述噪声输入信号的高维状态-空间表示，其中所述认知雷达处理器进一步包括：延迟嵌入模块，所述延迟嵌入模块被配置成接收对应于每个相应的时变贮存器状态的贮存器状态信号，并且基于所述延迟嵌入模块的预定时间延迟产生对应于每个时变贮存器状态的延迟嵌入贮存器状态信号，所述延迟嵌入贮存器状态信号表示所述时变贮存器状态的历史或在短时间段内的贮存器状态动态；以及权重适配模块，其接收所述延迟嵌入贮存器状态信号，所述权重适配模块被配置成对于每个时变贮存器状态或贮存器状态信号产生去噪贮存器状态信号，所述去噪贮存器状态信号对应于被去噪用于提供去噪输入信号的所述噪声输入信号，其中所述权重适配模块被配置成在预定的未来时间从所述延迟嵌入贮存器状态信号产生所述噪声输入信号的预测，并且使用所述噪声输入信号的所述预测来使用梯度下降学习算法对每个贮存器状态信号去噪，其中使用所述梯度下降学习算法确定所述权重适配模块的权重，其中所述认知雷达处理器进一步包括啁啾小波变换模块，所述啁啾小波变换模块从所述权重适配模块接收对应于所述去噪输入信号的所述去噪贮存器状态信号，并且产生表示来自所述多个目标的所述反射信号的所述去噪输入信号的实时去噪谱图，其中所述啁啾小波变换模块被配置成将去噪贮存器状态或所述去噪贮存器状态信号中的每个映射到所述多个目标中的每个的所述距离测量，和其中所述去噪贮存器状态以由所述RF信号或所述雷达信号的发射啁啾设置的啁啾率限定一组时变滤波器，其中所述时变滤波器对在不同时间接收的啁啾的响应等效于一组1极无限脉冲响应滤波器即一组1极IIR滤波器对不同频率的响应。

全文数据：发射后低于噪声的BAT啁啾雷达技术领域本公开涉及雷达和雷达系统，并且更具体地涉及发射后低于噪声的BAT啁啾雷达。背景技术检测低于噪声的射频RF信号诸如雷达信号涉及对RF信号或雷达信号去噪以获得可以被处理以提取所需信息的可用信号或雷达回波。用于在远距离通过超宽带宽大于约30吉赫兹GHz，实现高分辨率测量至目标或地形的距离的现有技术系统需要高速率模数转换器ADC和高功率发射器或大天线孔径的一些组合。这类高速ADC是昂贵的并且消耗大量功率，并且由于基本物理限制，其不能实现捕获如上定义的超宽带宽所需的取样速率。为了缓解这种情况，当前的宽带雷达系统使用在接收时去啁啾的啁啾或步进啁啾波形，从而增加发射脉冲的所需长度并将目标检测的操作距离限制到特定距离窗口。另外，当前雷达系统的检测算法通常基于具有高计算复杂度和存储器要求的快速傅里叶变换，使其难以在超宽带宽上实时操作这类系统。具有足够的信噪比SNR的需要在远距离检测目标的高功率发射器需要大量的瞬时功率。这可以通过更大的天线来缓解；然而，增加孔径尺寸以降低发射功率增加了重量，这使该方法对于其中小尺寸、重量小和快速性能是重要特征的应用是不可行的。用于去噪的常规方法分为两类：基于滤波的方法和基于训练的方法。基于滤波器的方法使用滤波消除信号的噪声，但太简单化以无法同时维持信号的低频长期趋势，同时适应高频急剧转变。基于训练的方法依赖于对感兴趣的信号建模的“字典”。这类字典必须在离线过程中训练，并且需要可能不可用的训练数据。此外，字典通常需要在平台上存储和利用的大量存储器和计算，使得这类方法对于其中小尺寸、重量小和快速性能是重要特征的应用是不实用的。发明内容根据一个实施例，雷达系统包括用于发射射频RF信号或雷达信号的发射天线和用于接收由多个目标反射RF信号或雷达信号而创建的多个反射信号的接收天线。反射信号与噪声一起被接收。雷达系统还包括模数转换器ADC，其对反射信号数字化或取样，以提供数字化或取样的噪声输入信号。雷达系统还包括接收噪声输入信号的贮存器计算机。贮存器计算机包括时变贮存器，并且贮存器计算机被配置成对噪声输入信号去噪并为多个目标中的每一个提供距离测量。根据实施例和任何前述实施例，贮存器计算机包括认知雷达处理器。认知雷达处理器包括时变贮存器。时变贮存器包括多个时变贮存器状态，并且时变贮存器被配置成将噪声输入信号线性地映射到相应的贮存器状态，以创建噪声输入信号的高维状态-空间表示。根据实施例和任何前述实施例，认知雷达处理器包括延迟嵌入模块。延迟嵌入模块被配置成接收对应于每个相应的时变贮存器状态的贮存器状态信号，并且基于延迟嵌入模块的预定时间延迟产生对应于每个时变贮存器状态的延迟嵌入贮存器状态信号，所述延迟嵌入贮存器状态信号表示时变贮存器状态的历史或在时间段内的贮存器状态动态。延迟嵌入模块还包括接收延迟嵌入贮存器状态信号的权重适配模块。权重适配模块配置成对于每个时变贮存器状态或贮存器状态信号产生去噪贮存器状态信号。去噪贮存器状态信号对应于被去噪以提供去噪输入信号的噪声输入信号。根据实施例和任何前述实施例，一种用于测量多个目标中的每一个的距离的方法包括由认知雷达处理器接收噪声输入信号。噪声输入信号包括来自多个目标的多个反射RF信号或雷达信号。该方法还包括使用包括时变贮存器的预测滤波来分析噪声输入信号。该方法另外包括分析噪声输入信号以将预测信号模式与不可预测的噪声模式分离。该方法还包括将反相噪声信号应用到噪声输入信号以消除不可预测的噪声模式。反相噪声信号对应于不可预测的噪声模式。该方法还包括响应于从预测信号模式消除不可预测的噪声模式而产生增强的RF信号或返回雷达信号。该方法进一步包括将增强的RF信号或返回雷达信号映射到对于每个目标的距离测量。根据实施例和任何前述实施例，一种用于测量多个目标中的每一个的距离的方法包括由认知雷达处理器接收噪声输入信号。噪声输入信号包括从来自大于约30GHz的带宽取样的多个目标的多个反射信号取样的数据点的时间序列。该方法还包括将噪声输入信号线性映射到时变贮存器中。时变贮存器包括多个时变贮存器状态。该方法还包括通过将噪声输入信号与时变贮存器的时变贮存器状态组合来创建反射信号的高维状态-空间表示。该方法另外包括从每个时变贮存器状态产生延迟嵌入贮存器状态信号，所述延迟嵌入贮存器状态信号提供贮存器状态动态的有限瞬态记录或时变贮存器状态的历史。该方法另外包括对每个时变贮存器状态去噪，所述去燥对应于对噪声输入信号去噪以便去除噪声并且保留对应于没有噪声的反射信号的信号。该方法还包括从去噪贮存器状态或去噪贮存器状态信号产生噪声输入信号的实时去噪时变谱图。该方法进一步包括将去噪时变谱图在认知雷达处理器的输出层中积分，并将积分的去噪时变谱图映射到多个目标中的每个的距离测量。已经讨论的特征、功能和优点可在各种实施例中独立地实现，或可以在其它实施例中组合，其进一步的细节可以参考以下描述和附图看出。附图说明图1为根据本公开的实施例的雷达系统的示例的方框示意图。图2为根据本公开的实施例的时变贮存器、延迟嵌入模块和权重适配模块的示例的方框示意图。图3为根据本公开的实施例的啁啾小波变换模块和积分模块的示例的方框示意图。图4为根据本公开的实施例的时变贮存器计算机的示例的图示。图5为根据本公开的实施例的动态贮存器的示例的示意图。图6A为根据本公开的实施例在取样时段Δt下使用均匀取样的输入信号ut的近似的示例。图6B为根据本公开的实施例使用用于输入信号ut的近似的线性基函数linearbasisfunction的示例。图7为根据本公开的实施例的认知雷达处理器的示例的示意图。图8为根据本公开的实施例的去燥信号的谱图的示例。图9为根据本公开的实施例用于使用发射后低于噪声的BAT啁啾雷达测量多个目标中的每个的距离的方法的示例的流程图。图10为根据本发明的另一个实施例用于使用BAT啁啾雷达测量多个目标中的每个的距离的方法的示例的流程图。具体实施方式以下实施例的详细描述涉及示出本公开的具体实施例的附图。具有不同结构和操作的其它实施例不脱离本公开的范围。在不同附图中，类似附图标号可以指相同元件或组件。本文描述的实施例可用于可以在超宽带宽上执行信号的实时处理的雷达接收器或雷达系统。示例性实施例提供扩展的情况认识，提供在30GHz瞬时带宽上超低等待时间信号检测和分析所需的核心功能，以实现基于RF环境的实时资源分配。这种性能可以在具有更小尺寸、权重和功率的数量级的计算平台上实现。所描述的时变贮存器计算机能够快速去噪和检测非平稳信号，诸如在各种平台上的雷达系统中广泛使用的啁啾。除了诸如机载飞行器或空间交会操作的航空航天应用之外，本文描述的认知雷达处理器具有在低信噪比SNR条件下实现多静态雷达和认知无线电的其它应用。时变贮存器计算机对于检测和追踪在各种汽车雷达系统中使用的频率调制连续波FMCW信号或啁啾脉冲特别有用。CRP或贮存器计算机的附加功能包括生成实时时变谱图，其进一步促进有人驾驶的机载平台或车辆、无人驾驶飞行器UAV或自动或有人驾驶空间平台的情况认识。图1为根据本公开的实施例的雷达系统100的示例的方框示意图。根据本文描述的示例，雷达系统100为发射后低于噪声的BAT啁啾雷达。雷达系统100包括用于产生RF信号或雷达信号的射频RF信号发生器102。根据一个实施例，RF信号发生器102为啁啾脉冲发生器，其可调节以在预定啁啾率106或可由用户选择的啁啾率下产生啁啾脉冲104。因此，根据一个实施例，RF信号包括啁啾或步进啁啾波形104a。放大器108放大啁啾脉冲104。雷达系统100还包括用于发射由放大器108放大的RF信号112或雷达信号的发射天线110或多个天线。雷达系统100另外包括用于接收由反射所述RF信号112或雷达信号的多个目标118a-118n创建的多个反射信号116a-116n的接收天线114或多个天线。反射信号116a-116n包括背景噪声。接收放大器120放大接收的反射信号116a-116n并增加接收器噪声。模数转换器ADC122对多个反射信号116a-116n数字化或取样，以提供数字化或取样的噪声输入信号124。贮存器计算机126从ADC122接收噪声输入信号124。贮存器计算机126包括时变贮存器128。贮存器计算机126被配置成对噪声输入信号124去噪，并为多个目标118a-118n中的每一个提供距离测量130，如下文更详细描述。贮存器计算机126和贮存器计算机126的组件的示例将参考图2-图4更详细描述。贮存器计算机126包括认知雷达处理器132或还可以被称为认知雷达处理器132。贮存器计算机126或认知雷达处理器132包括时变贮存器128。贮存器计算机126或认知雷达处理器132还包括贮存器计算机输出层134。贮存器计算机126或认知雷达处理器132另外包括延迟嵌入模块136和权重适配模块138。根据一个实施例，延迟嵌入模块136和权重适配模块138为贮存器计算机输出层134的组件。还参考图2，图2为根据本公开的实施例的时变贮存器128、延迟嵌入模块136和权重适配模块138的示例的方框示意图。如本文更详细描述的，包括时变贮存器128、延迟嵌入模块136和权重适配模块138的贮存器计算机126在图9中的框904处使用预测滤波来分析噪声输入信号124以在图9的框906处分离预测信号模式和不可预测的噪声模式。时变贮存器128包括多个时变贮存器状态140a-140n。时变贮存器128被配置成将噪声输入信号124线性地映射到相应的贮存器状态140a-140n，以创建噪声输入信号124的高维状态-空间表示142或多维状态-空间表示。如本文更详细描述，时变贮存器128包括包含预定块对角结构146的状态转移矩阵144，所述块对角结构146针对信号去噪和在硬件中的高效实施进行优化，如本文更详细描述。根据一个实施例，时变贮存器128包括包含多个贮存器节点404的递归神经网络402图4。每个贮存器节点404对应于时变贮存器状态140a-140n中的一个。延迟嵌入模块136被配置成接收对应于每个相应的时变贮存器状态140a-140n的贮存器状态信号148a-148n，并且基于延迟嵌入模块136的预定时间延迟154产生对应于每个时变贮存器状态140a-140n的延迟嵌入贮存器状态信号150a-150n，所述延迟嵌入贮存器状态信号150a-150n表示时变贮存器状态140a-140n的历史151或在短时间段内的贮存器状态动态。短时间段或预定时间段基于接收的信号的频率，其可以为基于雷达的操作频率的预定时间。延迟嵌入模块136包括与时变贮存器128的状态转移矩阵144相比具有不同的状态转移矩阵159以实现时变动态的延迟嵌入贮存器状态向量157。权重适配模块138接收来自延迟嵌入模块136的延迟嵌入贮存器状态信号150a-150n。权重适配模块138被配置成对于每个时变贮存器状态140a-140n或贮存器状态信号148a-148n产生去噪贮存器状态信号152a-152n。去噪贮存器状态信号152a-152n对应于被去噪以提供去噪输入信号158的噪声输入信号124。权重适配模块138被配置成在预定的未来时间从延迟嵌入贮存器状态信号150a-150n产生噪声输入信号124输入信号包括噪声的预测156，并且使用噪声输入信号124的预测156来使用梯度下降学习算法160将噪声与噪声输入贮存器状态信号148a-148n分离去噪。使用梯度下降学习算法160确定权重适配模块138的权重162a-162n。因此，权重适配模块138被配置成使用预测滤波以将预测信号模式与不可预测的噪声模式分离在图9中的框904和906。梯度下降学习算法160预测噪声输入信号124的可预测部分的下一样本，并将在样本之间的差异确定为不可预测的噪声模式。对应于不可预测的噪声模式的反相噪声信号应用到噪声输入信号124的预测156以消除不可预测的噪声模式在图9中的框908并提供去噪输入信号158或增强的RF信号或返回雷达信号而没有已消除的噪声在图9中的框910。参考图1和图3，贮存器计算机126或认知雷达处理器132进一步包括啁啾小波变换模块164和积分模块166。图3为根据本公开的实施例的啁啾小波变换模块164和积分模块166的示例的方框示意图。啁啾小波变换模块164从权重适配模块138接收对应于去噪输入信号158的去噪贮存器状态或去噪贮存器状态信号152a-152n。啁啾小波变换模块164产生表示来自多个目标118a-118n的反射信号116a-116n的去噪输入信号158的实时去噪时变谱图168。实时去噪时变谱图168还可以经由数学变换表示为啁啾小波谱图。啁啾小波变换模块164被配置成将去噪贮存器状态170a-170n或去噪贮存器状态信号152a-152n中的每个映射到多个目标118a-118n中的每个的所述距离测量130。去噪贮存器状态170a-170n以由发射的RF信号112或雷达信号的发射啁啾脉冲104设置的啁啾率106定义一组时变滤波器172。时变滤波器172对在不同时间接收的啁啾的响应等效于一组1极无限脉冲响应IIR滤波器对不同频率的响应。积分模块166被配置成用于对去噪输入信号158的实时去噪时变谱图168进行积分以创建积分的去噪谱图174，并将积分的去噪谱图174映射到距离测量130a-130n。积分模块166被配置成通过脉冲压缩来增加每个去噪贮存器状态信号152a-152n的信噪比，所述脉冲压缩包括对每个去噪贮存器状态170a-170n或去噪贮存器状态信号152a-152n的输出178a-178n积分或求和。根据一个实施例，积分模块166包括用于对在实时去噪时变谱图168中表示的每个去噪输入信号158积分的多个求和节点176a-176n。还参考图4，图4为根据本公开的实施例的时变贮存器计算机126的示例的图示。贮存器计算机126包括认知信号去噪架构400，其基于被称为贮存器计算的神经形态脑启发信号处理的形式。贮存器计算为递归神经网络402具有反馈连接的神经网络的特殊形式，其通过将输入信号向量或输入信号124投影到高维贮存器状态空间表示142图2来操作，所述高维贮存器状态空间表示142含有捕获关于输入信号124的所有可用和可操作的信息的信号产生过程的等效动态模型。贮存器计算机126具有可以离线或在线训练的读出层406，以通过利用状态功能来学习所需的输出。因此，贮存器计算机126具有递归神经网络402的能力以建模非静态时变过程和现象，但具有简单的读出层406和既准确又有效的训练算法。贮存器计算机126被配置成实施可适应的状态-空间滤波器或时变滤波器172图3。线性贮存器计算机具有以下状态-空间表示：yt＝CtTxt+Dtut其中为确定滤波器极点方位的贮存器连通性矩阵，B为将输入映射到贮存器的向量，Ct为可调输出层权重162a-162n的集合，其将贮存器状态140a-140n映射到输出或去噪贮存器状态信号152a-152n并确定滤波器零方位，并且Dt为从输入到输出的很少使用的直接映射。类似地，输出层权重C确定滤波器零方位。图4示出在状态-空间表示142的参数和在贮存器计算机126中的组件之间的直接对应。由于可调输出层权重162a-162n为可适应的，因此贮存器计算机126实施可适应的状态-空间滤波器，其中极点为固定的，但是零点基于输入信号124实时地适应。贮存器计算机126将输入信号向量或输入信号124映射到对信号产生过程的潜在时变动态进行建模的高维度状态-空间表示142。贮存器状态140a-140n可以被映射到有用输出408，包括去噪输入、信号类别、分离信号和使用可训练的线性读出层406的异常。在贮存器计算机126中的状态-空间表示组件与参数之间存在直接对应。在传统的贮存器计算机中，在贮存器连通性矩阵和输入到贮存器的映射向量B两者中的权重通常是随机选择的例如，和B的条目可以为来自零平均值单位偏差高斯分布的独立相等分布的样本。贮存器状态更新需要与贮存器节点404的数量的平方成比例的计算，随着贮存器节点404的数量增加，这对于低功率硬件实例变得不可行。因为贮存器计算机126为线性动态系统，所以可以应用线性变换来获得新的状态向量以提供等效的动态系统：其中，和此动态系统具有与原始系统完全相同的输入输出行为，但通过适当选择贮存器过渡矩阵可以被设计成具有对角结构或块对角结构。这将使贮存器状态更新的计算能够与贮存器节点404的数量线性地缩放，从而实现在低功率硬件中的有效实施。根据一个实施例，贮存器状态转移矩阵被构造成使得它呈2×2块对角形式。在状态矩阵中的每个2×2块对应于单极无限脉冲响应IIR滤波器。使用标准IIR滤波器设计技术，可以选择每个2×2块的极点放置，使得在聚集中的贮存器状态矩阵对一组IIR滤波器或一组时变滤波器组172建模。例如，对于真实的无源IIR滤波器，矩阵必须具有对应于纯阻尼模式的纯实负数的本征值或进入复共轭对中的本征值，其特征值为负实部。因此，块对角矩阵将具有以下形式：这里p为复共轭极点的数量，其中N＝2p，对应于的本征值的实部总是负的，并且为的本征值的虚部。在延迟嵌入模块136中使用的相位延迟嵌入为在动态系统理论中开发的技术，以使用观察的延迟版本作为新输入向量ut从其观察u0t中对混沌系统的动态进行建模。为了使用相位延迟嵌入理论，假设未知潜在混沌动态系统嵌入具有m维吸引子的N维状态空间中。这意指虽然状态空间具有N个参数，但是来自动态系统的信号形成全部位于状态空间的m维子流形sub-manifoldM上的轨迹，并且理论上但不是实际上不能由少至m个参数指定。观察接收信号是状态空间的投影。相位延迟嵌入从连接在一起的观察信号u0t的n个延迟版本产生新的输入向量ut。根据Takens定理，对子流形M的曲率和投影h[·]的非简并性质给出了相当广泛的假设，如果延迟坐标维度的数量n＞2m+1，那么相位延迟嵌入ut保留动态系统拓扑结构即形状，因此可以用于根据观察重建动态系统。还参考图5，图5为根据本公开的实施例的动态贮存器500的示例的示意图。如图5所示，延迟嵌入被应用到每个贮存器状态140a-140n图2，以获得贮存器状态动态的短时间历史或时变贮存器状态140a-140b的历史151。根据示例，短期预测方法用于信号去噪。假定，延迟嵌入观察可以有效地建模动态系统行为，这些贮存器状态140a-140n的历史151被利用或用于执行观察的短期预测。贮存器计算机126用于学习预测函数F：根据一个实施例，认知雷达处理器132包括为动态贮存器500提供输入的宽带高达30GHz前端。宽带前端是指在贮存器计算机126之前的天线、放大器、ADC等，其被配置成处置或支持所需的宽带宽。输出层134的权重162a-162n经由下文描述的梯度下降学习算法160被调整适应。梯度下降学习算法160基于输入信号124的短时间预测，试图将输出表示为历史贮存器状态的线性组合。因为噪声是随机且不可预测的，所以预测信号将没有噪声。在图5中的动态贮存器500满足以下一组耦合常微分方程ODE：其中为了执行输入信号124的短时间预测，使用梯度下降学习算法160。该想法是对在延迟嵌入模块136中使用的当前时间点施行精确预测。根据输出权重的当前值ckt，dt162a-162n和状态x和输入u的当前和过去值计算在时间t+τ处的预测输入值。最小化的二次误差函数由下式给出：其中λc和λd为对输出权重和d的重要性进行加权的参数，并且注意，为由x和u的延迟值和输出权重和d的当前值表达的延迟输出，并且因此通常，然而，这种近似是合理的，并且使系统不需要储存输出权重的时间历史，促进更有效的硬件实施。为了最小化二次误差E[c1，...，cK+1，d]，相对于和d计算E[c1，...，cK+1，d]的梯度。基于这些梯度，更新成和dt的权重满足以下常微分方程ODE：其中gc＝2λd和gd＝2λd为相对于和d的“忘记”率，μc和μd为相对于和d的学习率，并且为误差信号。用于动态贮存器500和权重适配模块138的ODE可以直接在模拟硬件中实施。为了在软件或有效数字硬件例如，现场可编程门阵列FPGA或定制数字专用集成电路ASIC中实施上述ODE，必须将更新方程离散化。为了在软件或数字硬件中实施，ODE转换为延迟差分方程DDE。对于具有状态-空间表示的线性动态系统：yt＝CtTxt+Dtut，给定离散时间步长τ，描述完全相同滤波器动态的等效DDE为：yt＝CtTxt+Dtut，这示出当前贮存器状态xt是在前一时间步骤xt-τ处的贮存器状态和在一定间隔[t-τ，t]内的输入信号ut的函数。由于整个连续间隔在软件或数字硬件中不可用，所以在数字认知雷达处理器中，ut使用线性基函数在间隔内近似。还参考图6A和6B，图6A为根据本公开的实施例的使用具有采样周期Δt的均匀采样来近似输入信号ut600的示例。图6B为根据本公开另一个实施例的使用用于近似输入信号ut600的线性基函数的示例。在这些示例中，输入信号ut600对应于输入信号124。给定采样周期Δt，ut，收集如下一组样本：其中为在由τ定义的时间窗口内的采样间隔的数量参见图6A。如图6B所示，输入信号从样本近似为其中Nit＝Tt-i-tΔt为三角函数Tt的变换版本：基于线性基近似，贮存器状态xt的DDE变为不失一般性，设t＝τ，并且定义两个辅助矩阵和那么xτ可以被计算为：基于此，针对状态x、输出y和权重导出迭代更新，其在下面描述的算法1中。每个所需的更新步骤在一个时钟循环内完成，而不需在可以开始后续步骤之前完成计算步骤。这实现去噪算法的并行实施。参考图7，图7为根据本公开的实施例的认知雷达处理器700的示例的示意图。在图7中所示的认知雷达处理器700符合在FPGA或定制数字ASIC上实施。算法1为认知信号去噪迭代算法并且包括以下操作：初始化：x[k]＝0，ck[K+1]＝0，k＝1，2，...，K+1迭代开始于n＝K+2根据一个实施例，用于时变贮存器128的离散化状态-空间表示142通过假设Δt＝τ推导，并且因此ne＝1。回顾算法1，通过以下给出具有延迟嵌入状态的动态贮存器的离散化状态更新方程：将当前状态向量与过去K个延迟状态向量分组在一起相位延迟嵌入可以被并入动态贮存器的状态-空间表示中：这示出具有与大小K的相位延迟嵌入组合的N个节点的线性贮存器为具有K+1N个节点的线性贮存器，其中状态转移矩阵和输入到贮存器映射具有上述结构形式。单位矩阵为用于将静态贮存器状态转移矩阵应用到贮存器状态140a-140b的历史151的计算有效机制。通过对每个延迟状态x[n-i]应用不同的状态转移矩阵Ai获得时变贮存器128：其中和为离散化输入到贮存器映射的第一列和第二列。由于将不同的状态转移矩阵Ai应用到每个延迟状态x[n-i+1]，因此该时变贮存器128可以被用于检测非静态信号并对其去噪。作为如何设计用于最佳地去噪线性啁啾信号的时变贮存器128的一个例子，对于第一子贮存器构造状态转移矩阵A0以根据Chebyshev低通滤波器原型使得在一些感兴趣的频带例如，在10MHz和500MHz之间中均匀分布N＝2p个极点。由A0指定的子贮存器将在频率f1...fp处具有谐振。然后，矩阵A1...AK具有A0的行的循环变换版本。状态转移矩阵Ai的第j行由下式给出：由A1...AK指定的子贮存器均具有与A0相同的谐振频率，但是应用到状态向量的不同元素。因此，对于具有扫描速率T的线性啁啾信号时变贮存器128的相同状态将在其从频率f1扫描到频率fp时检测和追踪该信号。注意，对于啁啾优化的贮存器，因为每个Ai为A0的变更版本，所以与静态贮存器相比，贮存器状态更新的计算没有显著增加。如先前所述，使用去噪贮存器状态170a-170n提供实时去噪时变谱图168。因为去噪贮存器状态170a-170n用于时变贮存器128，所以它们可以被解释为对一组时变滤波器172的响应。因此，对于上述啁啾优化的贮存器，该组去噪贮存器状态170a-170n形成啁啾小波谱图或实时去噪时变谱图168。该啁啾小波谱图或实时去噪时变谱图168可以用于各种实时信号分析任务，诸如信号的检测、分离和在输入宽带信号混合内追踪各个雷达脉冲。经由啁啾小波变换模块164将贮存器计算机126输出直接映射到距离测量130使认知雷达处理器132单独用作去啁啾和在现有技术的啁啾雷达实施方式中的检测功能块。如先前所述，去噪贮存器状态170a-170n被解释为由发射啁啾脉冲104设置的啁啾率106下的一组时变滤波器172。时变滤波器172对在不同时间接收的啁啾的响应等效于一组窄带1极IIR滤波器对不同频率的响应。这正是在传统雷达接收器中的去啁啾功能块的功能。因此，去噪贮存器状态170a-170n的不同响应表示反射发射的啁啾脉冲104的目标118a-118n的不同距离测量130a-130n。去噪贮存器状态170a-170n表示在接收器参与并且能够接收信号的雷达返回接收窗口或持续时间内的相对距离测量值ri。绝对距离测量可以根据发射时间TTx和接收时间TRx之间的延迟计算：R0＝TRx-TTx2cRi＝ri+R0可以通过使用如先前所述的积分模块166将信号贮存器状态在一组时变滤波器172中的信号滤波器的输出积分求和进行有效“脉冲压缩”来进一步增加信号的信噪比SNR。注意，这表明由于贮存器计算机去噪引起的SNR增加是在传统雷达应用中通过脉冲压缩获得的有效增益增加之外的。参考图8，图8为根据本公开的实施例的去燥输入信号的啁啾小波谱图800的示例。图8示出从去噪贮存器状态170a-170n读出的啁啾小波变换。在啁啾小波谱图中的水平线或在标准谱图802中的对角对应于在31.831*10-6fs2的发射啁啾率106下模拟的接收雷达返回，其中fs为ADC的采样率。y轴表示在雷达返回接收窗口内的相对距离测量值ri。可以使用上文R0和Ri的方程由在发射时间TTx和接收时间TRx之间的延迟计算绝对距离测量。如先前所述，通过有效脉冲压缩沿x轴的积分可以进一步增加信号的SNR。注意，这表明由于贮存器计算机去噪引起的SNR增加是在通过脉冲压缩获得的有效增益增加之外的。图9为根据本公开的实施例的用于使用发射后低于噪声的BAT啁啾雷达测量多个目标中的每个的距离的方法900的示例的流程图。根据一个示例，方法900体现在图1中的贮存器计算机126或认知雷达处理器132中并由其执行。因此，贮存器计算机126或认知雷达处理器132被配置成执行由方法900定义的一组功能。在框902中，通过认知雷达处理器接收噪声输入信号。噪声输入信号包括来自多个目标和噪声的多个反射RF信号或雷达信号。在框904中，使用包括时变贮存器的预测滤波以分析噪声输入信号。在框906中，分析噪声输入信号以将预测信号模式和不可预测的噪声模式分离以用于识别不可预测的噪声模式。在框908中，将反相噪声信号应用到噪声输入信号以消除不可预测的噪声模式。反相噪声信号对应于不可预测的噪声模式。在框910中，响应于从预测信号模式消除不可预测的噪声模式产生增强的RF信号或返回雷达信号。在框912中，将增强的RF信号或返回雷达信号映射到每个目标的距离测量。图10为根据本公开的另一个实施例的用于使用发射后低于噪声的BAT啁啾雷达测量多个目标中的每个的距离的方法1000的示例的流程图。根据一个示例，方法1000体现在图1中的贮存器计算机126或认知雷达处理器132中并由其执行。因此，贮存器计算机126或认知雷达处理器132被配置成执行由方法1000定义的一组功能。在框1002中，接收噪声输入信号。根据在图1中的示例性实施例，噪声输入信号124为来自从大于约30GHz的带宽取样的多个反射信号116a-116n的数据点的时间序列。但是还可以取样其它带宽。在框1004中，噪声输入信号线性映射到时变贮存器。时变贮存器包括多个时变贮存器状态。在框1006，通过将噪声输入信号与时变贮存器的时变贮存器状态组合创建反射信号的高维状态-空间表示或多维状态-空间表示。在框1008中，从每个时变贮存器状态产生延迟嵌入贮存器状态信号，其提供贮存器状态动态的有限瞬态记录或时变贮存器状态的历史。在框1010中，对每个时变贮存器状态去噪，其对应于对噪声输入信号去噪，以便去除噪声并且保留对应于没有噪声的反射信号的信号。在框1012中，从去噪贮存器状态或去噪贮存器状态信号产生噪声输入信号的实时去噪时变谱图。在框1014中，将去噪时变谱图在认知雷达处理器的输出层中积分。在框1016中，将积分的去噪时变谱图映射到多个目标中的每个的距离测量。另外，本公开包括根据以下条款的实施例：条款1：一种雷达系统，其包括：用于发射射频RF信号或雷达信号的发射天线；用于接收由多个目标反射RF信号或雷达信号而创建的多个反射信号的接收天线，反射信号包括噪声；模数转换器ADC，其将反射信号数字化或取样，以提供数字化或取样的噪声输入信号；和接收噪声输入信号的贮存器计算机，贮存器计算机包括时变贮存器，并且贮存器计算机被配置成对噪声输入信号去噪并为多个目标中的每一个提供距离测量。条款2：根据条款1所述的雷达系统，其中RF信号或雷达信号包括啁啾或步进啁啾波形。条款3：根据条款1所述的雷达系统，其中贮存器计算机包括认知雷达处理器，并且认知雷达处理器包括时变贮存器，时变贮存器包括多个时变贮存器状态，并且时变贮存器被配置成将噪声输入信号线性地映射到相应的贮存器状态，以创建噪声输入信号的高维状态-空间表示。条款4：根据条款3所述的雷达系统，其中认知雷达处理器进一步包括：延迟嵌入模块，该延迟嵌入模块被配置成接收对应于每个相应的时变贮存器状态的贮存器状态信号，并且基于延迟嵌入模块的预定时间延迟产生对应于每个时变贮存器状态的延迟嵌入贮存器状态信号，延迟嵌入贮存器状态信号表示时变贮存器状态的历史或在短时间段内的贮存器状态动态；和接收延迟嵌入贮存器状态信号的权重适配模块，权重适配模块被配置成对于每个时变贮存器状态或贮存器状态信号产生去噪贮存器状态信号，去噪贮存器状态信号对应于被去噪以提供去噪输入信号的噪声输入信号。条款5：根据条款4所述的雷达系统，其中权重适配模块被配置成在预定的未来时间从延迟嵌入贮存器状态信号产生噪声输入信号的预测，并且使用噪声输入信号的预测来使用梯度下降学习算法对每个贮存器状态信号去噪，其中使用梯度下降学习算法确定权重适配模块的权重。条款6：根据条款5所述的雷达系统，其中认知雷达处理器进一步包括啁啾小波变换模块，啁啾小波变换模块从权重适配模块接收对应于去噪输入信号的去噪贮存器状态或去噪贮存器状态信号，并且产生表示来自多个目标的反射信号的去噪输入信号的实时去噪谱图，其中啁啾小波变换模块被配置成将去噪贮存器状态或去噪贮存器状态信号中的每个映射到多个目标中的每个的距离测量。条款7：根据条款6所述的雷达系统，其中去噪贮存器状态以由RF信号或雷达信号的发射啁啾设置的啁啾率限定一组时变滤波器，其中时变滤波器对在不同时间接收的啁啾的响应等效于一组1极无限脉冲响应IIR滤波器对不同频率的响应。条款8：根据条款6所述的雷达系统，进一步包括积分模块，其用于积分去噪输入信号的实时去噪谱图以创建积分的去噪谱图并将积分的去噪谱图映射到距离测量，其中积分模块被配置成通过脉冲压缩来增加每个去噪贮存器状态信号的信噪比，脉冲压缩包括对每个去噪贮存器状态信号的输出积分或求和。条款9：根据条款5所述的雷达系统，其中时变贮存器包括包含多个节点的递归神经网络，每个节点对应于时变贮存器状态中的一个。条款10：根据条款9所述的雷达系统，其中时变贮存器包括包含预定块对角结构的状态转移矩阵，块对角结构针对信号去噪和在硬件中的高效实施进行优化。条款11：根据条款10所述的雷达系统，其中延迟嵌入模块包括具有不同的状态转移矩阵以实现时变动态的延迟嵌入贮存器状态向量。条款12：根据条款1所述的雷达系统，其中贮存器计算机包括认知雷达处理器，其中认知雷达处理器被配置成执行包括以下各项的一组功能：接收噪声输入信号，噪声输入信号为来自从大于约30GHz的带宽取样的反射信号的数据点的时间序列；将噪声输入信号线性映射到时变贮存器中，时变贮存器包括多个时变贮存器状态；通过将噪声输入信号与时变贮存器的时变贮存器状态组合来创建反射信号的高维状态-空间表示；从每个时变贮存器状态产生延迟嵌入贮存器状态信号，延迟嵌入贮存器状态信号提供贮存器状态动态的有限瞬态记录或时变贮存器状态的历史；对每个时变贮存器状态去噪，所述去燥对应于对噪声输入信号去噪以便去除噪声并且保留对应于没有噪声的反射信号的信号；从去噪贮存器状态或去噪贮存器状态信号产生噪声输入信号的实时去噪时变谱图；将去噪时变谱图在认知雷达处理器的输出层中积分；并将积分的去噪时变谱图映射到多个目标中的每个的距离测量。条款13：一种认知雷达处理器，其包括：时变贮存器，该时变贮存器包括多个时变贮存器状态，并且时变贮存器被配置成将噪声输入信号线性地映射到相应的贮存器状态，以创建噪声输入信号的高维状态-空间表示；延迟嵌入模块，该延迟嵌入模块被配置成接收对应于每个相应的时变贮存器状态的贮存器状态信号，并且基于延迟嵌入模块的预定时间延迟产生对应于每个时变贮存器状态的延迟嵌入贮存器状态信号，延迟嵌入贮存器状态信号表示时变贮存器状态的历史或在时间段内的贮存器状态动态；和接收延迟嵌入贮存器状态信号的权重适配模块，该权重适配模块被配置成对于每个贮存器状态或贮存器状态信号产生去噪贮存器状态信号，去噪贮存器状态信号对应于被去噪以提供去噪输入信号的噪声输入信号。条款14：根据条款13所述的认知雷达处理器，其中权重适配模块被配置成在预定的未来时间从延迟嵌入贮存器状态信号产生噪声输入信号的预测，并且使用噪声输入信号的预测来使用梯度下降学习算法对每个贮存器状态信号去噪，其中使用梯度下降学习算法确定权重适配模块的权重。条款15：根据条款14所述的认知雷达，其中认知雷达处理器进一步包括啁啾小波变换模块，该啁啾小波变换模块从权重适配模块接收对应于去噪输入信号的去噪贮存器状态或去噪贮存器状态信号，并且产生表示来自多个目标的反射信号的去噪输入信号的实时去噪谱图，其中啁啾小波变换模块被配置成将去噪贮存器状态或去噪贮存器状态信号中的每个映射到多个目标中的每个的距离测量。条款16：根据条款15所述的认知雷达处理器，其进一步包括积分模块，该积分模块用于积分去噪输入信号的实时去噪谱图以创建积分的去噪谱图并将积分的去噪谱图映射到距离测量，其中积分模块被配置成通过脉冲压缩来增加每个去噪贮存器状态信号的信噪比，脉冲压缩包括对每个去噪贮存器状态信号的输出积分或求和。条款17：根据条款13所述的认知雷达处理器，该认知雷达处理器被配置成执行包括以下各项的一组功能：接收噪声输入信号，该噪声输入信号为来自从大于约30GHz的带宽取样的多个反射信号取样的数据点的时间序列；将噪声输入信号线性映射到时变贮存器中，时变贮存器包括多个时变贮存器状态；通过将噪声输入信号与时变贮存器的时变贮存器状态组合来创建反射信号的高维状态-空间表示；从每个时变贮存器状态产生延迟嵌入贮存器状态信号，延迟嵌入贮存器状态信号提供贮存器状态动态的有限瞬态记录或时变贮存器状态的历史；对每个时变贮存器状态去噪，所述去燥对应于对噪声输入信号去噪以便去除噪声并且保留对应于没有噪声的反射信号的信号；从去噪贮存器状态或去噪贮存器状态信号产生噪声输入信号的实时去噪时变谱图；将去噪时变谱图在认知雷达处理器的输出层中积分；并将积分的去噪时变谱图映射到多个目标中的每个的距离测量。条款18：一种用于测量多个目标中的每一个的距离的方法，其包括：由认知雷达处理器接收噪声输入信号，噪声输入信号包括来自多个目标的多个反射RF信号或雷达信号；使用包括时变贮存器的预测滤波来分析噪声输入信号；分析噪声输入信号以将预测信号模式和不可预测的噪声模式分离；将反相噪声信号应用到噪声输入信号以消除不可预测的噪声模式，反相噪声信号对应于不可预测的噪声模式；响应于从预测信号模式消除不可预测的噪声模式而产生增强的RF信号或返回雷达信号；和将增强的RF信号或返回雷达信号映射到多个目标中的每个的距离测量。条款19：根据条款18所述的方法，进一步包括：将噪声输入信号线性映射到时变贮存器中，时变贮存器包括多个时变贮存器状态；通过将噪声输入信号与时变贮存器的时变贮存器状态组合来创建反射信号的高维状态-空间表示；从每个时变贮存器状态产生延迟嵌入贮存器状态信号，延迟嵌入贮存器状态信号提供贮存器状态动态的有限瞬态记录或时变贮存器状态的历史；对每个时变贮存器状态去噪，所述去燥对应于对噪声输入信号去噪以便去除噪声并且保留对应于没有噪声的反射信号的信号；从去噪贮存器状态或去噪贮存器状态信号产生噪声输入信号的实时去噪时变谱图；将去噪时变谱图在认知雷达处理器的输出层中积分；并将积分的去噪时变谱图映射到多个目标中的每个的距离测量。条款20：一种用于测量多个目标中的每一个的距离的方法，其包括：由认知雷达处理器接收噪声输入信号，噪声输入信号包括从来自大于约30GHz的带宽取样的多个目标的多个反射信号取样的数据点的时间序列。将噪声输入信号线性映射到时变贮存器中，时变贮存器包括多个时变贮存器状态；通过将噪声输入信号与时变贮存器的时变贮存器状态组合来创建反射信号的高维状态-空间表示；从每个时变贮存器状态产生延迟嵌入贮存器状态信号，延迟嵌入贮存器状态信号提供贮存器状态动态的有限瞬态记录或时变贮存器状态的历史；对每个时变贮存器状态去噪，所述去燥对应于对噪声输入信号去噪以便去除噪声并且保留对应于没有噪声的反射信号的信号；从去噪贮存器状态或去噪贮存器状态信号产生噪声输入信号的实时去噪时变谱图；将去噪时变谱图在认知雷达处理器的输出层中积分；并将积分的去噪时变谱图映射到多个目标中的每个的距离测量。虽然具体实施例已经在本文示出并描述，但是本领域的普通技术人员应理解经计算实现相同目的的任何布置可代替示出的具体实施例并且这些实施例在其它环境中具有其它应用。本申请旨在涵盖各种任何改编或变更。随附权利要求决不旨将本公开的实施例的范围限于本文描述的具体实施例。

权利要求：1.一种雷达系统100，其包括：发射天线110，其用于发射射频即RF信号112或雷达信号；接收天线114，其用于接收由多个目标118a-118n反射所述RF信号112或雷达信号而创建的多个反射信号116a-116n，所述反射信号包括噪声；模数转换器即ADC122，其对所述多个反射信号数字化或取样，以提供数字化或取样的噪声输入信号124；以及贮存器计算机126，其接收所述噪声输入信号124的，所述贮存器计算机126包括时变贮存器128，并且所述贮存器计算机126被配置成对噪声输入信号124去噪并为所述多个目标118a-118n中的每一个提供距离测量130。2.根据权利要求1所述的雷达系统，其中所述RF信号或所述雷达信号包括啁啾或步进啁啾波形104a。3.根据权利要求1所述的雷达系统，其中所述贮存器计算机126包括认知雷达处理器132，并且所述认知雷达处理器132包括所述时变贮存器128，所述时变贮存器128包括多个时变贮存器状态140a-140n，并且所述时变贮存器128被配置成将所述噪声输入信号124线性地映射到相应的贮存器状态140a-140n，以创建所述噪声输入信号124的高维状态-空间表示142。4.根据权利要求3所述的雷达系统，其中所述认知雷达处理器132进一步包括：延迟嵌入模块136，所述延迟嵌入模块136被配置成接收对应于每个相应的时变贮存器状态140a-140n的贮存器状态信号148a-148n，并且基于所述延迟嵌入模块136的预定时间延迟154产生对应于每个时变贮存器状态140a-140n的延迟嵌入贮存器状态信号150a-150n，所述延迟嵌入贮存器状态信号150a-150n表示所述时变贮存器状态的历史151或在短时间段内的贮存器状态动态；以及权重适配模块138，其接收所述延迟嵌入贮存器状态信号150a-150n，所述权重适配模块138被配置成对于每个时变贮存器状态140a-140n或贮存器状态信号148a-148n产生去噪贮存器状态信号152a-152n，所述去噪贮存器状态信号对应于被去噪用于提供去噪输入信号158的所述噪声输入信号124。5.根据权利要求4所述的雷达系统，其中所述权重适配模块138被配置成在预定的未来时间从所述延迟嵌入贮存器状态信号150a-150n产生所述噪声输入信号的预测156，并且使用所述噪声输入信号124的所述预测156来使用梯度下降学习算法160对每个贮存器状态信号148a-148n去噪，其中使用所述梯度下降学习算法160确定所述权重适配模块138的权重162a-162n。6.根据权利要求5所述的雷达系统，其中所述认知雷达处理器132进一步包括啁啾小波变换模块164，所述啁啾小波变换模块164从所述权重适配模块138接收对应于所述去噪输入信号158的去噪贮存器状态信号152a-152n，并且产生表示来自所述多个目标118a-118n的所述反射信号116a-116n的所述去噪输入信号158的实时去噪谱图168，其中所述啁啾小波变换模块164被配置成将所述去噪贮存器状态170a-170n或所述去噪贮存器状态信号152a-152n中的每个映射到所述多个目标118a-118n中的每个的所述距离测量130a-130n。7.根据权利要求5所述的雷达系统，其中所述时变贮存器128包括包含多个节点402的递归神经网络402，每个节点402对应于所述时变贮存器状态140a-140n中的一个。8.一种认知雷达处理器132，其包括：时变贮存器128，所述时变贮存器128包括多个时变贮存器状态140a-140n，并且所述时变贮存器被配置成将噪声输入信号124线性地映射到相应的贮存器状态140a-140n，以创建所述噪声输入信号124的高维状态-空间表示142；延迟嵌入模块136，所述延迟嵌入模块136被配置成接收对应于每个相应的时变贮存器状态140a-140n的贮存器状态信号148a-148n，并且基于所述延迟嵌入模块136的预定时间延迟154产生对应于每个时变贮存器状态140a-140n的延迟嵌入贮存器状态信号150a-150n，所述延迟嵌入贮存器状态信号150a-150n表示所述时变贮存器状态的历史151或在短时间段内的贮存器状态动态；以及权重适配模块138，其接收所述延迟嵌入贮存器状态信号150a-150n，所述权重适配模块138被配置成对于每个贮存器状态140a-140n或贮存器状态信号148a-148n产生去噪贮存器状态信号152a-152n，所述去噪贮存器状态信号对应于被去噪以提供去噪输入信号158的所述噪声输入信号124。9.根据权利要求8所述的认知雷达处理器，所述认知雷达处理器被配置成执行包括以下各项的一组功能1000：接收1002所述噪声输入信号124，所述噪声输入信号为来自从大于约30GHz的带宽取样的多个反射信号116a-116n取样的数据点的时间序列；将所述噪声输入信号124线性映射1004到所述时变贮存器128中，所述时变贮存器128包括多个时变贮存器状态140a-140n；通过将所述噪声输入信号与所述时变贮存器的所述时变贮存器状态组合来创建1006所述反射信号的高维状态-空间表示；从每个时变贮存器状态140a-140n产生1008延迟嵌入贮存器状态信号150a-150n，所述延迟嵌入贮存器状态信号150a-150n提供所述贮存器动态的有限瞬态记录或所述时变贮存器状态的历史151；对每个时变贮存器状态140a-140n去噪1010，所述去燥对应于对所述噪声输入信号124去噪以便去除噪声并且保留对应于没有噪声的所述反射信号140a-140n的信号；从所述去噪贮存器状态170a-170n或去噪贮存器状态信号152a-152n产生1012所述噪声输入信号124的实时去噪时变谱图168；在所述认知雷达处理器132的输出层134中对所述去噪时变谱图168进行积分1014；以及将所积分的去噪时变谱图168映射1016到所述多个目标118a-118n中的每个的距离测量130a-130n。10.一种用于测量多个目标118a-118n中的每一个的距离130a-130n的方法900，其包括：由认知雷达处理器132接收902噪声输入信号124，所述噪声输入信号124包括来自多个目标118a-118n的多个反射RF信号116a-116n或雷达信号；使用904包括时变贮存器128的预测滤波分析904所述噪声输入信号124；分析906所述噪声输入信号以将预测信号模式和不可预测的噪声模式分离；将反相噪声信号应用908到所述噪声输入信号124以消除所述不可预测的噪声模式，所述反相噪声信号对应于所述不可预测的噪声模式；响应于从所述预测信号模式消除所述不可预测的噪声模式而产生910增强的RF信号或返回雷达信号；以及将所述增强的RF信号或返回雷达信号映射912到对于所述目标118a-118n中的每个的距离测量130a-130n。

百度查询： 波音公司 HRL实验室有限公司 发射后低于噪声的（BAT）啁啾雷达