非高斯杂波中的MIMO雷达信号分离

针对传统匹配滤波对非高斯杂波中的多输入多输出（multiple input multiple output, MIMO）雷达信号分离性能下降的问题,提出一种基于分数低阶统计量的匹配滤波算法。该方法将对称Alpha稳定分布(symmetric Alpha stable, SαS)作为MIMO雷达的非高斯杂波模型,以滤波器输出分数低阶信杂比最大为准则导出最优匹配滤波器系数。分别对相关SαS和非相关SαS杂波条件下的MIMO雷达信号分离进行了仿真。结果表明,该方法可有效实现非高斯杂波中的MIMO雷达信号分离,且在高斯杂波条件下与传统匹配滤波的性能是一致的。     

基于SG-Alpha稳定分布模型的雷达目标Rao检测方法

非高斯相关杂波背景下的目标检测具有重要的实际意义,但在该背景下建立似然比检测模型非常困难。以SG-Alpha （subGaussian-Alpha）稳定分布作为非高斯相关杂波分布模型,导出了雷达目标的Rao检测模型。该模型适应于一般非高斯相关杂波下的目标检测,且易于实现。仿真及实测数据验证表明,在非高斯相关杂波条件下本文提出的方法明显优于传统的检测方法。     

基于统计模型的时-空相关海杂波仿真

工作于海洋环境下的雷达面临较严重的海杂波的影响,海杂波统计模型的研究对最优检测算法设计和雷达性能预估有重要作用。基于海杂波的复合散射理论,分析了海杂波非高斯幅度分布的特性、时间相关性及空间相关性。讨论了采用球不变随机过程产生时间和空间相关的海杂波仿真方法。对算法中散斑分量和纹理分量的参数估计,时间相关性和空间相关性的引入方法进行了分析。设定仿真环境仿真产生了具有时间和空间相关性的非高斯型海杂波数据,结果表明采用该方法的有效性。     

基于S变换的机载雷达稳健空时自适应算法

非均匀杂波环境中的离群点会导致空时自适应处理(space time adaptive processing,STAP)性能的下降。针对此问题,该文提出一种新的基于S变换的稳健STAP(S transform STAP, ST-STAP)算法。该算法主要利用杂波和离群点的S变换在时频平面上分布特性的不同来实现非均匀杂波的抑制。ST-STAP算法首先将样本数据对应的快时间序列作S变换得到时频分布矩阵,舍弃部分高频分量以去掉离群点的影响,然后用时频矩阵的剩余部分计算相关矩阵和自适应滤波权。蒙特卡罗实验证明ST STAP方法的稳健性和动目标检测性能均优于传统的STAP算法。     

基于ZMNL经验迭代法的相关非高斯雷达杂波仿真

针对基于零记忆非线性变换(zero memory nonlinearity,ZMNL)的相关非高斯雷达杂波仿真,提出了一种类似神经网络形式的经验迭代法。该方法在对输出频谱估计的基础上,反复修正输入频谱,经过多次迭代运算来确定非线性变换前后相关系数之间的关系。给出了应用该方法进行杂波仿真的具体步骤,仿真结果证明了该方法的有效性。     

超高速平台载雷达杂波特性与抑制方法

针对高超声速平台杂波距离走动与多普勒走动导致的传统空时自适应处理方法杂波抑制性能严重下降的问题,首先建立了高超声速平台杂波空时二维模型,并通过分析杂波空时特性,得出与慢速平台相比,杂波走动造成杂波非均匀性增加和多普勒展宽更严重,非均匀性增加和多普勒展宽程度与脉冲积累时间、杂波块位置均有关。最后,提出利用keystone变换校正杂波距离走动,并通过补偿矩阵补偿杂波多普勒增量的杂波抑制方法。仿真结果表明,所提方法能够使杂波抑制凹口变窄,明显提高主瓣区的动目标检测性能。     

基于频域处理的机载雷达自适应杂波抑制方法

传统的机载雷达自适应杂波抑制多是从时域角度来考虑的，提出了一种基于频域的杂波抑制方法——FFT频域处理法。该方法将输入数据首先经过FFT运算变换到频域上，然后利用质量中心法来估计杂波谱的中心多普勒频率和带宽，最后将杂波分布区内的FFT通道输出置零(即滤除杂波)。实验仿真结果表明，与传统的基于谱估计的自适应MTI方法相比，该方法具有良好的改善因子和较小的信噪比损失，对于慢速目标检测十分有利，并能有效地防止目标白化，其运算简单，适于工程实现。     

基于FRFT的天波雷达多机动目标检测

天波超视距雷达（over-the-horizon radar, OTHR）中,机动目标信号存在频谱扩展,导致目标检测性能下降。强的海杂波进一步增加了机动目标的检测难度。针对该问题,考虑到海杂波信号能量主要集中在零频附近,而且可以建模为一个自回归（auto-regressive, AR）过程,用AR滤波器抑制海杂波;考虑到机动目标信号近似为线性调频信号,而分数阶傅里叶变换(fractional Fourier transform, FRFT)能有效积累线性调频信号的能量,因此采用FRFT算法估计目标运动参数,实现机动目标检测;在此基础上用分级迭代的FRFT进一步降低运算量;针对多目标检测问题,用“CLEAN”方法逐个检测机动目标。仿真结果表明,与已有的离散多项式变换（discrete polynomial transform, DPT）算法相比,本文算法可以更好地适用于多目标检测;与Radon Wigner变换算法相比,本文算法可以达到更高的参数估计精度。     

大气噪声幅度分布与抑制处理分析

大气噪声的分析与抑制对低频通信至关重要。结合实测大气噪声数据分析其幅度分布,提出噪声抑制的新非线性变换方法,并理清非线性变换的检测性能与正态性的关系。首先分析实测噪声幅值分布,验证其非高斯性且接近服从对称 α稳定(symmetric α stable,SαS)噪声模型。然后基于高斯化处理后信号检测模型,推导得到新非线性变换方法——过高斯化处理。最后,基于实测大气数据的正态检验统计与误码率(bit error ratio, BER)仿真表明:大气噪声处理技术的BER性能与正态性之间并非一定正相关;过高斯化处理能够有效降低BER,性能接近传统局部最优检测器。     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题，提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量，提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换，得到各小波子带的系数，并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在，提出一种自适应的阈值检测方法，将原始回波信号与海杂波重构信号的差作为检测样本，实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验，验证了所提算法的正确性。     

基于杂波脊先验信息的非均匀杂波抑制方法

机载雷达回波数据非均匀会在很大程度上削弱传统空时自适应处理算法的杂波抑制性能。为此,提出一种基于杂波脊先验信息的非均匀杂波抑制方法,利用机载雷达杂波信号在角度多普勒平面的谱分布信息构造导向矢量基,并在考虑阵元误差影响情况下,对待检测单元数据进行迭代的最小二乘拟合,最后对拟合后的剩余数据进行恒虚警检测处理。该方法充分利用了雷达系统参数及杂波谱分布等先验信息,并且不需要训练样本,可以较好地抑制非均匀杂波,从而改善机载雷达的检测性能。仿真实验验证了该方法的有效性。     

直接数据域空时自适应单脉冲方法

机载雷达空时自适应处理(space time adaptive processing,STAP)与单脉冲技术相结合可以实现对运动目标空、时参数的估计。然而,在非均匀环境下,由于同分布快拍数有限,杂波协方差矩阵难以准确估计,常常导致STAP方法性能急剧下降甚至失效,进而无法有效实现目标检测和参数估计。本文提出一种直接数据域的动目标空时参数估计方法,该方法首先应用幅相估计谱(amplitude and phase estimation,APES)谱估计由被检测单元数据估计出杂波干扰协方差矩阵,然后利用STAP技术抑制杂波和干扰,并结合单脉冲理论实现对目标角度和多普勒频率的估计。仿真结果表明,与传统单脉冲方法相比,新方法具有自适应抑制杂波干扰的能力和更好的估计性能;同时由于无需参考数据,该方法更适应于非均匀环境。     

基于HHT的高频雷达机动目标参数估计

针对高频雷达强杂波场景下的机动目标检测,提出了基于希尔伯特黄变换(Hilbert-Huang transform,HHT)的机动目标参数估计算法。该算法首先通过复数经验模态分解将回波分解为杂波和目标分量,然后计算目标分量的瞬时频率,获得频率随时间变化的HHT谱,最终利用线性拟合估计目标运动参数。该算法无需抑制杂波,可同时对多目标进行运动参数估计,有助于简化多目标运动补偿和检测流程。数据分析结果表明,该算法可以有效运用于对高频雷达机动目标速度和加速度的估计。     

α稳定分布噪声中基于最优核时频分析的跳频信号参数估计

针对传统非线性时频分析方法在跳频(frequency hopping, FH)信号参数估计时,会出现严重的交叉项和参数估计精度降低等问题,引入径向高斯核(radially Gaussian kernel,RGK)时频分析方法,该方法根据FH信号的不同自适应选择最优核函数,从而有效抑制交叉项。RGK时频分析方法可在高斯噪声环境下估计FH信号的参数,但在脉冲性较强的α稳定分布噪声中,该方法性能退化甚至失效。对此,结合最大似然估计理论,提出了一种α稳定分布噪声环境下的加权最大似然广义柯西(weighted maximum likelihood generalized Cauchy,WMGC)滤波的新方法。采用基于WMGC滤波器的RGK时频分析方法(WMGC RGK方法,即WR方法),对该噪声中的跳频信号进行参数估计。仿真结果表明,与基于分数低阶及Myriad的时频分析方法相比,WR方法在α稳定分布噪声中具有良好的鲁棒性和优良的跳频信号参数估计性能。     

相关非高斯分布杂波的建模与仿真

对数正态分布、韦伯分布、K分布是三种适于描述叶簇背景杂波的非高斯分布模型,快速、准确地模拟叶簇背景杂波,对大积累角UWBSAR体制中叶簇覆盖人造目标检测与识别的算法研究是十分重要的。讨论了上述三种相关非高斯分布杂波的建模与仿真,在三种非高斯分布与高斯分布的相关系数之间的非线性关系的基础上,利用修正的零记忆非线性变换(ZMNL),模拟产生了三种相关的非高斯分布随机序列。仿真结果证明了这种方法是有效可靠的。     

基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

一种弱相关非高斯信道下的伪码捕获方法

针对弱相关非高斯噪声环境提出了一种伪码捕获方法,将伪码捕获等价为假设检验问题,将弱相关非高斯噪声建模为一阶滑动平均SαS噪声模型,利用局部最佳检测算法推导出弱相关非高斯噪声环境下的伪码捕获检测统计量,得到弱相关噪声模型下伪码二维捕获结构及其简化形式,进行了性能仿真并与传统的伪码捕获方法对比。仿真结果表明该捕获方法在相关非高斯噪声环境下检测性能有较大幅度的提高。     

一种双通道SAR动目标检测和参数估计方法

提出了一种基于空时自适应处理(STAP)杂波抑制和修正的离散Chirp-Fourier变换(MDCFT)参数估计的双天线合成孔径雷达(SAR)运动目标检测和成像方法.将MDCFT变换应用于经过STAP杂波抑制后的信号,在MDCFT幅值平面内同时完成对运动目标的检测和多普勒参数的估计.分析了STAP方法对SAR回波的滤波效果,建立了适合SAR系统的MDCFT模型.在分数阶傅里叶域进行滤波以消除杂波对相位的影响,进而利用通道间的相位差和多普勒中心频率对运动目标准确定位并估计径向速度.通过大量的仿真实验验证了该方法的正确性.     

蒸发波导环境中基于ZMNL的海杂波仿真

针对海上蒸发波导环境中雷达目标的识别,提出了蒸发波导中基于零记忆非线性变换(ZMNL)的海杂波实现方法。该方法确定了海杂波K分布参数与蒸发波导高度间的关系,可得到不同蒸发波导高度、不同探测距离处的相关K分布杂波序列。给出了应用该方法产生杂波的具体步骤,仿真实验证明了该方法用于蒸发波导中海杂波建模的有效性。     

适用于宽带雷达的非相干杂波抑制方法

针对常规窄带雷达中的杂波抑制通常采取MTI或MTD的相干处理的实现方法,在宽带条件下,提出一种新的杂波抑制方法———非相干动目标显示(NMTI)方法,即通过雷达回波信号的瞬时位移来检测运动目标。从地面雷达杂波的模拟出发,对宽带雷达条件下的NMTI方法作了较深入的仿真研究。在相应的速度条件下,信杂比改善因子指标能够满足实际应用要求。同时,其实现过程比相干处理更加简单,降低了系统设计的复杂性。该方法可有效应用于宽带雷达的杂波抑制处理中。