高速机动目标长时间相参积累和参数估计算法研究

长时间相参积累是提高雷达探测性能的重要技术之一。在高速高机动目标的长时间积累过程中引起的距离走动、距离弯曲、多普勒频率走动与多普勒频率弯曲效应会带来严重的积累信噪比(signal-to-noise ratio, SNR)损失, 进而使得噪声背景下雷达难以有效发现探测目标的存在。针对上述问题, 提出了一种针对高速机动目标的参数化长时间积累算法。首先，使用keystone变换(keystone transform, KT)校正了线性距离走动。然后, 使用相参积累型修正三阶相位函数(coherently integrated modified cubic phase function, CIMCPF)与相参积累型修正高阶模糊函数(coherently integrated modified high-order ambiguous function, CIMHAF)算法分别完成了对一阶和二阶加速度的参数估计。得益于CIMCPF与CIMHAF对信号相参特性的利用, 该算法在低信噪比下依然有效。同时, 由于没有对参数网格搜索的过程, 算法的计算复杂度也较低。仿真实验与分析证实了所提算法的优异性能。     

毫米波阵列雷达近场动目标参数估计算法

在毫米波连续波阵列雷达系统中,根据近场各动目标多普勒频率的不同,提出了一种近场动目标多普勒频率、距离及方位三维参数估计算法。首先采用全相位快速傅里叶变换(all phase fast Fourier transform, apFFT)方法估计回波信号频谱,并使用相位差频谱校正法对目标多普勒频率进行校正。全相位FFT方法所得相位谱为信号的初始相位,各通道之间对应信号的相位关系包含了目标的位置信息,采用二维多重信号分类(two dimensional multiple signal classification, 2 D MUSIC)方法就可从各目标对应多普勒频率的复幅度中估计出目标的距离及方位参数。计算机仿真结果证明了该算法的有效性。     

机动目标距离徙动校正与检测算法

在机动目标的检测中,目标的速度、加速度会产生距离徙动和多普勒徙动的现象,影响机动目标的积累与检测性能。针对上述问题,提出一种基于频率轴反转变换与广义变尺度傅里叶变换的机动目标检测快速非搜索算法。首先在距离频域-方位时域利用频率轴反转变换校正距离徙动,回波信号变为线性调频信号;接着利用Wigner-Ville分布变换核与广义变尺度傅里叶变换对目标参数进行估计;最后在距离-多普勒域完成目标能量的积累。与现有方法相比,所提方法可以快速校正距离徙动,实现非搜索的目标参数估计,计算复杂度低。仿真实验表明,该方法可有效完成机动目标的检测与参数估计。     

基于稀疏贝叶斯学习的拖曳线列阵空间谱估计

针对常规拖曳线列阵目标方位估计中存在的左右舷模糊问题,提出了联合多个时刻机动拖曳线列阵信号模型的稀疏贝叶斯学习空间谱重构估计方法。首先,建立了机动拖曳线列阵的阵元域信号超完备稀疏表示模型;然后,根据稀疏贝叶斯学习原理将目标的空间角度稀疏特性通过信号双层先验假设进行隐性描述;最后,对目标空间谱的变化过程采用隐马尔可夫模型进行描述,并将空间谱连续慢变的客观规律应用到目标信号超参数的概率密度计算中,构建基于多个时刻阵列信号模型的空间谱稀疏重构模型。计算机仿真研究和海试数据验证结果表明:所提方法在拖曳线列阵机动条件下,能够有效抑制固有的左右舷模糊,同时具有更好的重构精度,从而实现拖曳线列阵空间谱的优效估计。     

基于压缩感知的机动目标径向加速度估计

针对目前关于目标径向加速度估计的算法存在着采样频率过大及短时条件下精度不高的问题,提出了一种基于压缩感知（compressive sensing, CS）的机动目标径向加速度估计方法。该方法可以在不损失参数估计精度的条件下,用远低于奈奎斯特采样定理要求的采样速率进行采样。仿真实验验证了该方法有效性,并与基于分数阶傅里叶变换(fractional Fourier transform, FRFT)估计目标径向加速度方法进行了比较。仿真结果表明,该方法不仅所需的信号积累时长和采样速率大大降低,并且在估计精度方面也有明显的提高。     

天波超视距雷达机动目标检测方法

天波超视距雷达(over-the-horizon radar,OTHR)通过快速傅里叶变换(fast Fourier transform,FFT)实现长时间相干积累,但这种基于目标速度恒定的方法对于机动目标的效果并不好.提出了一种基于目标运动参数估计的OTHR机动目标检测方法.该方法首先确定机动目标的运动参数的大致范围,然后对其运动参数进行估计,之后对其径向加速度进行补偿,最后对经加速度补偿后的目标信号进行相干积累并在距离-多普勒平面上进行二维恒虚誓检测.仿真结果表明,该方法能够增强OTHR对机动目标的检测能力,运算效率高,实用性强.     

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。     

基于修正离散Chirp-Fourier变换的ISAR成像算法

针对逆合成孔径雷达(ISAR)对机动目标成像的问题,提出了一种新的机动目标ISAR成像算法.该算法基于机动目标散射点的多普勒频率近似于线性调频(LFM)信号的特征,利用修正离散Chirp-Fourier变换对LFM信号进行检测和参数估计,通过结合CLEAN技术进行多次迭代有效地克服了散射点分量间的相互影响,可获得较为理想的成像效果.给出了应用该方法的具体步骤,并用仿真数据验证了该方法的有效性.     

基于杂波数据Frobenius范数拟合的阵元误差估计方法

机载雷达的阵元误差会影响运动目标的参数估计与定位性能。为了解决这个问题,提出一种基于杂波数据Frobenius范数拟合的阵元误差估计方法。该方法首先利用杂波谱分布结构和雷达构型参数计算杂波空时导向矢量矩阵,接着利用截断的奇异值分解求解杂波幅度矢量并重构杂波数据,最后将实际的数据矩阵与重构的数据矩阵进行Frobenius范数拟合来估计阵元误差。数值仿真实验结果表明,该方法在低脉冲数目、低样本数目的情况下均具有较好的参数估计精度与稳健性。     

时域欠采样线性调频信号参数估计方法

针对Nyquist采样频率过高 ,硬件实现困难的问题 ,提出了一种基于分数阶傅里叶变换的时域欠采样线性调频信号参数估计方法。该方法首先用时域解线调方法估计调频斜率 ,然后在分数阶傅里叶变换域进行滤波 ,实现信号提取。利用PRO ESPRIT方法进行初始频率估计。数值仿真表明 ,本方法能够实现多个线性调频信号的高精度参数估计 ,在低信噪比下仍有较好的估计性能     

Universal FRFT-based algorithm for parameter estimation of chirp signals

The realization of the parameter estimation of chirp signals using the fractional Fourier transform (FRFT) is based on the assumption that the sampling duration of practical observed signals would be equal to the time duration of chirp signals contained in the former. However, in many actual circumstances, this assumption seems unreasonable. On the basis of analyzing the practical signal form, this paper derives the estimation error of the existing parameter estimation method and then proposes a novel and universal parameter estimation algorithm. Furthermore, the proposed algorithm is developed which allows the estimation of the practical observed Gaussian windowed chirp signal. Simulation results show that the new algorithm works well.     

载频重频联合捷变雷达目标参数估计方法

针对载频-重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification, MUSIC)算法的载频-重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频-重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。     

L阵基于降维MUSIC的二维DOA与频率估计

提出了一种L阵中基于降维多重信号分类(reduced dimensional multiple signal classification, RD-MUSIC)的二维波达方向(two dimensional direction of arrival,2D-DOA)与频率联合估计算法。该算法首先通过一维局部谱峰搜索得到接收信号频率的估计,然后利用频率估计过程中得到的参数矩阵,获得信号的2D-DOA估计。与需要进行多维全局搜索的传统MUSIC算法相比,所提算法只需一维局部搜索,算法复杂度较低。该算法同时适用于均匀L阵和非均匀L阵,且能获得配对的二维角度与频率估计。其角度与频率估计性能接近于传统的MUSIC算法以及平行因子方法,且优于借助旋转不变性估计信号参数算法和传播算子算法。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。     

基于冗余阵元优化的双基地嵌套MIMO雷达目标DOD和DOA联合估计方法

针对传统双基地嵌套多输入多输出(multiple input multiple output, MIMO)雷达进行目标参数估计时精度差、角度分辨率低和自由度低等问题, 提出了一种基于利用虚拟冗余阵元的重建Toeplitz矩阵算法对目标的波离方向角(direction of departure, DOD)和波达方向角(direction of arrival, DOA)开展参数估计的方法。首先, 将两个嵌套阵列空间分置后分别形成双基地MIMO雷达的接收阵列和发射阵列, 阵列经处理后的虚拟接收信号存在大量冗余虚拟阵元。其次, 将冗余虚拟阵元对应的协方差数值进行平均处理替代原值, 形成新的虚拟接收信号。然后,通过利用两个选择矩阵在虚拟接收阵列和虚拟发射阵列中分别构建空间平滑子阵的方法重构Toeplitz矩阵, 来重组虚拟接收信号。最后, 利用常规子空间类算法对等效虚拟信号开展空间谱估计, 实现DOD和DOA的相互匹配, 所提算法在估计性能和自由度性能方面与其他算法对比效果更好。     

基于对角减载的水声阵列SMI-MVDR

空间谱估计一直都是水声阵列信号处理研究的热点问题,而一般认为目标和背景干扰的信息都蕴含在接收信号协方差矩阵中,因而现有的谱估计技术大多针对接收信号的协方差矩阵进行处理。由于信号和噪声的相关性,导致协方差矩阵中主对角线元素上的噪声分量最大。针对这一特性提出了基于对角减载的水声阵列采样矩阵求逆(sample matrix inversion, SMI)最小方差无畸变响应(minimum variance distortionless response, MVDR)波束形成技术。理论推导了对角减载量对输出功率谱目标方位上输出信噪比的影响,分析了最佳对角减载系数的选取原则。并针对实际工程应用情况,研究了由有限次快拍数估计的采样矩阵得到最佳对角减载系数的方法,该方法无需预估信号源数。通过算法仿真和海试数据处理,对比验证了基于对角减载的SMI MVDR空间谱估计的有效性和可靠性。对于背景噪声级较强的水声阵列信号处理环境来说,所提方法能有效提高高斯白噪声背景下的声纳多目标分辨性能。     

通道幅相误差条件下的相干信源波达方向估计

针对通道幅相误差条件下的相干信源波达方向(direction of arrival, DOA)估计问题,提出一种基于互相关矢量的误差校正和解相干算法。首先对阵列的状态转换进行时延控制,使两个子阵的接收数据保持旋转不变特性。再利用阵列互相关矢量元素的错位比值实现了误差系数估计,将误差校正后的互相关矢量重构为一个等效协方差矩阵即可实现解相干。进一步对不同时延可能导致的角度偏移进行了分析。仿真结果表明,该算法能够实现通道幅相误差的精确校正及解相干,且DOA估计性能接近于无幅相误差条件下的空间平滑类算法。     

FDA-MIMO雷达目标距离、角度及未知互耦参数估计

针对频控阵-多输入多输(frequency diverse array multiple input multiple output, FDA-MIMO)雷达阵列间存在未知互耦合情况的参数估计问题, 提出一种基于数据转换的二维多重信号分类方法。首先, 构造了存在未知互耦合影响的接收信号模型。然后，通过子空间分解的方法得到用于参数估计的谱函数, 并且采用数据转换的方法来解决谱函数由于未知耦合矩阵存在而失真的问题。最后，利用得到的目标距离和角度参数的估计值, 通过类似线性约束最小方差重构优化问题, 估计出耦合系数矩阵。仿真结果验证了所提方法的有效性，能准确估计阵列间存在未知互耦合效应时的参数和互耦合系数。     

基于互质阵虚拟阵列空间平滑的相干信号DOA估计方法

针对相干信号波达方向(direction of arrival,DOA)以空间平滑方法为基础的算法中阵列孔径损失严重以及低信噪比环境下算法估计性能较差等问题,提出一种无需信源数先验信息的互质阵列相干信号DOA估计方法.首先,对互质阵列得到的协方差矩阵矢量化,在虚拟阵元空洞位置内插天线零元,重构协方差矩阵为Toeplit...