雷达信号阵列处理与检测

雷达信号阵列处理的主要目的就是从噪声、干扰和别的信号环境中估计传输波信源的方向角。根据经典多维谱估计理论,本文论述了提取微弱雷达信号信息的概念和实现方法。 为了改善角谱分辨率,本文还系统地阐明了通过计算平面阵列接收数据空间自相关矩阵,并根据其特征分解所得到的信号子空间和噪声子空间的特征向量相互垂直的概念,计算出所谓高分辨角谱。本文还提出了一种MUSIC谱的修正算法,可以减少正交投影的计算量。     

基于块剪枝多路径匹配追踪的多信号联合重构

针对多路径匹配追踪(multipath matching pursuit,MMP)无法利用稀疏信号的结构信息、迭代层数较高时计算复杂度较大等问题,提出了一种适用于重构块稀疏信号的块剪枝多路径匹配追踪算法。该算法以原子块作为路径扩张的节点,在一定迭代层数后引入剪枝操作,极大地降低了数据运算量。进而,针对多观测向量(multiple measurement vector,MMV)问题,提出了MMV块剪枝MMP算法,用以实现无线传感网小范围内多传感器信号的联合重构。实验表明,块剪枝MMP的重构性能优于MMP,MMV块剪枝MMP的联合重构性能优于MMV块A*正交匹配追踪、MMV子空间匹配追踪和MMV正交匹配追踪。     

多测量向量块稀疏信号重构ISAR成像算法

为实现有限脉冲快速逆合成孔径雷达(inverse synthetic aperture radar,ISAR)稀疏成像,利用ISAR目标块状结构特征,提出一种基于多量测向量(multiple measurement vectors,MMV)模型的块稀疏信号重构ISAR成像算法。首先,构建MMV稀疏成像模型,将ISAR成像转化为MMV块L₀范数的稀疏重构问题。其次,选用负指数函数序列作为平滑函数去近似块L₀范数,通过构建一个递减的参数序列,对平滑函数优化求解,采用梯度投影方法将所求解投影到可行解空间。最后,增加修正步骤,确保沿着最速下降方向对块稀疏信号优化求解。仿真结果验证了本文算法在成像时间和成像质量方面具有优势。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。     

一种基于四阶累积量的相干信号测向算法

利用四阶累积量估计相干信号的来波方向(DoA)需要获得修正阵列的方向矩阵。提出了一种估计修正阵列方向矩阵的改进算法,它减少了计算量,通过模式激励和空间平滑,实现均匀圆阵对来自不同独立信号源的相干信号的DoA估计,并利用虚拟阵列流形的中心对称性,将复矩阵的特征分解转换为实矩阵的特征分解,减少了计算量。相比基于自相关矩阵的算法,所提出方法提高了阵元利用率,有效地抑制了高斯噪声,不需要对模式激励后的数据进行白化处理,仿真结果表明,在低信噪比和多个独立信号源存在的条件下,有更明显的优势。     

一种新的变步长LMS自适应谱线增强算法

针对自适应谱线增强器(ALE)理想误差不为零的现象,提出了一种新的变步长LMS算法。该算法建立了步长因子与权系数变化之间的非线性关系,使得步长因子随权系数变化的减小而减小,直至为零,并引入步长向量来实时地逐个调整权系数的每个值,以进一步加快算法的收敛速度。它具有初始阶段和未跟踪上信号前步长自动增大而稳态时步长变小最后为零的特点,并以线性调频信号为例,验证了算法对滤除非平稳信号噪声的有效性,提高信号的信噪比,证实该算法优于传统算法。     

基于导向矢量信号的未知信源数DOA估计算法

针对多重信号分类（multiple signal classification, MUSIC)算法、旋转不变子空间（estimation of signal parameters via rotational invariance technique, ESPRIT)等大多数空间谱估计算法需要进行准确的信源数估计,且当信源数估计出现误差时性能易受影响的问题,提出了一种基于导向矢量信号的未知信源数波达方向（direction of arrival, DOA）估计算法。该算法通过引入导向矢量信号,以自适应波束形成中最大信噪比准则下最优权矢量对应的准最大信噪比作为来波方向估计参数,从而避免了大多数空间谱估计算法中的信源数估计并实现了各个信号来向的准确估计。对该方法进行了计算机仿真验证,仿真实验结果表明该算法是有效的。     

基于状态参数调整的多速率自适应算法

通过对实际应用环境的分析,提出一种新的动态改变自适应滤波器权系数更新速率的算法。该算法在权系数的更新速率与误差信号之间建立一种非线性函数关系,具有在环境突变阶段,滤波器系数的更新速率自动变快,而在稳态阶段更新速率很慢的特点,可以极大的降低自适应滤波器的运算量。理论分析和计算机仿真结果表明该算法具有良好的收敛性能和跟踪性能,稳态误差的水平与传统算法保持一致。     

L-DACS1系统干扰抑制与循环自适应波束形成方法

为了解决L频段数字航空通信系统1(L-band digital aeronautical communication system, L-DACS1)正交频分复用(orthogonal frequency division multiplex, OFDM)接收机遭受测距仪(distance measuring equipment, DME)信号干扰的问题,提出了正交投影干扰抑制与循环自适应波束形成的空域滤波方法。首先,利用正交投影算法抑制DME信号干扰;然后,利用OFDM信号的循环平稳特性,构建循环自相关矩阵,通过奇异值分解得到波束形成的最优权矢量;最后,利用最优权矢量进行空域滤波。仿真研究表明,该方法可以在OFDM期望信号上形成稳定的主波束,同时能够抑制DME信号干扰。且所提方法具有复杂度较低、低信噪比情况下波束形成算法鲁棒的优势。     

采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

一种频域自适应最大似然时延估计算法

提出了一种基于平方相干函数的频域自适应最大似然时延估计算法。该算法构造了一种广义相位数据最大似然加权函数,并通过自适应估计输入信号的平方相干函数加以实现。算法的性能分析和仿真实验表明,该算法有更好的时延估计精度、收敛速度和跟踪性能,能够有效提高低信噪比环境下的低空目标被动声探测的时延估计性能。     

Application of Superresolution Techniques to Radar Imaging

ＡｐｐｌｉｃａｔｉｏｎｏｆＳｕｐｅｒｒｅｓｏｌｕｔｉｏｎＴｅｃｈｎｉｑｕｅｓｔｏＲａｄａｒＩｍａｇｉｎｇＡ．Ｆａｎｒｉｎａ，Ｆ．Ｐｒｏｄｉ＆Ｆ．Ｖｉｎｅｌｌｉ（Ａｌｅｎｉａ．ＵｎａＡｚｉｅｎｄａＦｉｎｍｅｃｃａｎｉｃａ．Ｒａｄａｒ＆Ｃ２Ｄｉｖｉｓｉｏ...     

单个压差式矢量水听器MVDR波束形成的优化研究

从矢量水听器和声压阵两个角度,研究了单个二维压差式矢量水听器的最小方差无失真响应（minimum variance distortionless response, MVDR）波束形成的优化技术。针对压差式矢量水听器半径波长比大于0.1时,利用它进行方位估计性能恶化的问题,提出了一种修正的单个压差式矢量水听器MVDR波束形成处理方法。仿真和湖上试验的结果表明：修正的压差式矢量水听器MVDR处理方法对阵元间距的变化具有更好的稳健性;在半径波长比小于0.1时具有更好的估计性能,在半径波长比大于0.1的一定范围内依然具有良好的方位估计能力。     

基于root-RARE算法的非同构分布式阵列高精度方向估计

针对非同构分布式阵列无法使用旋转不变子空间算法(estimation of signal parameters via rotation invariant technique algorithm, ESPRIT),同时为了提高非同构分布式阵列的角度估计精度,提出基于求根降秩算法(root rank reduction estimator, root-RARE)的目标波达方向估计方法。由于分布式阵列的基线长度远大于半波长,合成方向图出现栅瓣,导致测角模糊。算法以root-RARE与多重信号分类算法(multiple signal classification, MUSIC)联合解模糊,以root-RARE得到的粗估计为参考,解整个非同构分布式阵列MUSIC谱估计的模糊,从而得到高精度无模糊的估计。推导非同构分布式阵列方向估计的克拉美罗界,分析算法的波达方向估计性能,同时分析分布式阵列方向估计时的基线模糊门限与信噪比门限之间的关系。仿真结果验证所提算法方向估计的正确性及有效性。     

SC-FDE系统中基于UW的联合信道估计均衡算法

针对基于特殊字(unique word, UW)帧结构的单载波频域均衡(single carrier frequency domain equalization, SC-FDE)系统提出一种联合信道估计噪声预测最小均方误差-残留码间干扰消除(minimum mean square error-residual intersymbol interference cancellation, MMSE-RISIC)均衡算法。该算法包括噪声预测MMSE-RISIC均衡算法与基于UW的噪声消除时域信道估计算法, 并将频域均衡算法与信道估计算法相结合。最后,利用华北地区300 km的9径散射链路参数进行仿真, 结果表明基于UW的噪声消除时域信道估计算法较基于UW的时域信道估计算法总体性能有所提高, 当误码率为10^-2时信噪比大约有1.2 dB的性能增益; 联合信道估计噪声预测MMSE-RISIC均衡算法相比改进MMSE-RISIC均衡算法性能也有提高, 当误码率为10^-2时信噪比大约有3.2 dB的性能增益。