基于外辐射源的机载无源SAR成像算法

提出一种基于外辐射源的单发单收模式的机载无源SAR成像方法。该方法基于单个外辐射源,利用载机作规则的环形运动来合成等效雷达孔径对地面静止目标进行成像。由于接收到的数据非均匀且数据量较少,通过对接收回波数据进行坐标变换和插值运算,直接在频域数据空间利用二维傅里叶变换重建目标的散射函数分布。理论推导和计算机仿真结果证明该方法是有效的。     

基于双谱分析的雷达辐射源个体特征提取

针对复杂电磁环境中雷达辐射源特征参数的分选和识别问题,提出将辐射源信号的双谱作为雷达辐射源个体特征,并进一步提出将Walsh变换作为双谱特征优化算法。利用双谱中包含的信号细微信息和双谱受高斯噪声和杂波影响较小等特性,提高雷达辐射源个体特征参数的有效性;针对信号双谱中包含了很多与个体特征无关的冗余信息,不利于机器进行识别处理的缺点,利用Walsh变换对信号的双谱特征进行优化,剔除其中无效、冗余的信息,将变换后的结果作为雷达辐射源个体特征信息。仿真实验结果验证了算法的可行性。     

外辐射源雷达模糊函数的快速算法与硬件实现

外辐射源雷达作为一种新体制雷达在探测低空小目标应用中得到了广泛的关注。针对外辐射源雷达利用模糊函数探测目标时延和多普勒频移的计算量大、难以满足系统实时性要求的问题,提出一种快速计算模糊函数方法。首先，将数据进行分段;然后，对分段后数据分别进行相关运算和抽取滤波;最后，用快速傅里叶变换(fast Fourier transform, FFT)算法对数据进行处理,显著提高了模糊函数的计算效率,并在现场可编程逻辑门阵列(field programmable gate array, FPGA)上实现了该算法。实测结果表明了该算法的可行性，研究成果为外辐射源雷达系统算法硬件化提供了参考依据。     

外辐射源雷达模糊函数的快速算法与硬件实现

外辐射源雷达作为一种新体制雷达在探测低空小目标应用中得到了广泛的关注。针对外辐射源雷达利用模糊函数探测目标时延和多普勒频移的计算量大、难以满足系统实时性要求的问题,提出一种快速计算模糊函数方法。首先，将数据进行分段;然后，对分段后数据分别进行相关运算和抽取滤波;最后，用快速傅里叶变换(fast Fourier transform, FFT)算法对数据进行处理,显著提高了模糊函数的计算效率,并在现场可编程逻辑门阵列(field programmable gate array, FPGA)上实现了该算法。实测结果表明了该算法的可行性，研究成果为外辐射源雷达系统算法硬件化提供了参考依据。     

基于压缩感知的稀疏无源雷达成像

当窄带外辐射源数目稀少且空间分布不均匀时,通常会在无源雷达成像中产生稀疏的无规则空间谱填充,使得传统快速逆傅里叶方法(inverse fast Fourier transform, IFFT)或极坐标方法难以获得良好的目标成像效果。针对这种空间谱填充的稀疏性和非均匀性,利用压缩感知理论在处理稀疏随机采样信号重构问题上的优势,提出了稀疏无源雷达成像方法。同时通过构造传感矩阵的互相关和积累相关函数,对目标图像的可重构性进行了分析。理论分析和仿真结果表明,对具有稀疏随机空间谱特点的无源雷达成像,本文提出的成像方法是有效的。     

离散调频-傅里叶变换及其在雷达成像中的应用

介绍了离散调频 -傅里叶变换 (DCFT) ,提出了把离散调频 -傅里叶变换应用于雷达成像的思想 ,此方法可代替傅里叶变换进行多普勒处理 ,若目标回波中有二次相位 ,则可免去对目标回波中的二次相位的运动补偿 ,得到高分辨率的雷达成像。以仿真点目标为例对此方法与直接傅里叶变换法进行了比较 ,结果表明此方法可以得到目标清楚的成像     

基于GPU的外辐射源雷达信号处理实时实现方法

随着外辐射源雷达技术的发展,实时处理能力成为制约外辐射源雷达系统性能的重要因素。现有的处理手段仅适用于较小采样率信号以及低速目标的情况,对于数字电视信号等大带宽高采样率的外辐射源雷达信号以及高速小目标的情况很难满足实时性的要求。提出了一种基于图形处理器的外辐射源雷达信号处理实时实现方法,能够提高分块最小均方误差算法和Keystone算法的并行处理能力。通过真实数据验证表明基于所提结构的实现方法能够满足外辐射源雷达信号处理实时性的需求。     

基于合作目标的外辐射源雷达发射站直接定位

外辐射源雷达利用已知位置信息的第三方发射站发射的信号作为照射源,对运动目标进行探测定位。但在实际应用中,发射站精确位置信息往往难以预先获取,给外辐射源雷达在未知环境中的快速应用带来困难。为了解决该问题,将已知轨迹的无人机作为合作目标。利用实时获取的无人机位置信息,建立了发射站位置未知时的目标直接定位模型。并进一步构建了基于目标位置的代价函数,从而实现对发射站位置的精确估计。该方法不仅可以克服常用两步定位算法中存在信息损失的不足,可达到更高的定位精度,而且利用了外辐射源雷达直达波信号,较传统直接定位方法性能更优。最后,通过仿真验证了该算法的有效性。     

DTMB外辐射源雷达参考信号纯度对探测性能的影响分析

外辐射源雷达通过被动接收目标反射的第三方照射源信号来实现目标探测,其中参考通道纯净参考信号获取与目标通道直达波抑制是实现目标相干检测的两项关键技术。研究了基于地面数字多媒体广播（digital terrestrial multimedia broadcasting, DTMB）的外辐射源雷达中的参考信号重构技术,并结合时域直达波抑制和匹配滤波处理重点分析了重构参考信号纯度对目标探测性能的影响。仿真与实测数据处理结果表明,重构技术能够有效地获取参考信号,提高参考信号纯度,对改善外辐射源雷达的探测性能有积极的作用。     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

基于互相关平动补偿的外辐射源成像技术

基于已有的无源雷达成像算法均未考虑目标的平动补偿问题,利用短时间内两次回波的强相关性,通过估计两次回波相关函数的最大值来估计补偿因子,进行平动补偿,然后利用直接FFT成像方法来对运动目标进行成像。仿真实验表明提出的互相关平动补偿算法在考虑了目标实际运动情况下,可以获得良好的成像质量。     

基于民用照射源的被动雷达信号分析与处理

首先介绍基于民用照射源的被动雷达应用概况,给出了系统配置示意图,分析了调频广播信号作为雷达照射源的模糊函数和目标检测的二维相关算法。针对运算量巨大的问题,重点介绍了改进的二维相关算法,减少了运算量。简单介绍基于流水线结构的多DSP信号处理机,以实时完成信号检测与估计任务。     

MIMO雷达反向投影成像算法

针对多输入多输出(multiple-input multiple-output, MIMO)雷达的多收发固定阵列结构,在标准反向投影(back projection, BP)成像算法基础上,提出了一种修正BP成像算法。该算法首先对MIMO雷达距离压缩回波数据进行时延曲线校正处理,而后沿方位向直接相干叠加各路回波处理数据,从而无需距离插值即可实现方位聚焦。与标准BP算法相比,修正BP算法大大降低了运算量,同时也克服了现有快速BP算法大都没有考虑距离插值运算的缺陷。MIMO雷达外场实测数据处理表明：与标准BP算法相比,修正BP算法有效节省了运算时间,并保持了雷达成像质量。     

基于辐射能量缩减约束的双机雷达协同目标跟踪方法

辐射能量减缩是提高机载雷达射频隐身性能的有效途径。针对目标跟踪过程中辐射能量的减缩量约束, 首先通过分析双机雷达协同的目标回波信噪比, 分别从双机与目标距离比和目标雷达散射截面积推导了其对雷达总辐射能量减缩值的贡献; 然后针对雷达目标跟踪过程中的采样间隔算法, 分析了基于滤波残差的递推法与其他两种方法的目标跟踪精度与仿真计算效率; 最后利用交互式多模型卡尔曼滤波算法与基于滤波残差的递推采样间隔法仿真, 验证了目标跟踪过程中双机雷达辐射能量的减缩量, 并仿真了有源无源协同目标跟踪对双机雷达总辐射能量减缩值的贡献。实验结果表明，本文设计的跟踪策略具有更佳的隐身性能。     

连续波随机噪声SAR距离-多普勒成像算法

连续波随机噪声合成孔径雷达具有十分优良的低截获特性、抗干扰特性和电磁兼容性,因而受到广泛的关注。针对连续波随机噪声合成孔径雷达的天线连续运动引起的问题,提出了两种距离-多普勒成像算法。通过分析连续波体制下随机噪声合成孔径雷达距离向信号的长度,推导了在频域和时域校正在距离向信号持续时间内天线连续运动引起的相位项的两种距离-多普勒成像算法。最后,通过点目标仿真实验,验证了算法的有效性。     

弹载被动系统测距算法

针对空中作机动飞行的点目标,利用弹载被动系统(包括红外被动系统和被动雷达系统)测量的目标光谱辐射照度信息,建立了具有Markovk跳变参数的统一目标距离估计模型。基于结构随机跳变系统最优滤波理论,提出了一种被动系统距离估计算法,考虑到系统的实时性要求,推导了其简化算法。仿真结果验证了算法的正确性,并且简化算法具有很高的实时性。     

Novel imaging methods of stepped frequency radar based on compressed sensing

The theory of compressed sensing (CS) provides a new chance to reduce the data acquisition time and improve the data usage factor of the stepped frequency radar system. In light of the sparsity of radar target reflectivity, two imaging methods based on CS, termed the CS-based 2D joint imaging algorithm and the CS-based 2D decoupled imaging algorithm, are proposed. These methods incorporate the coherent mixing operation into the sparse dictionary, and take random measurements in both range and azimuth directions to get high resolution radar images, thus can remarkably reduce the data rate and simplify the hardware design of the radar system while maintaining imaging quality. Experiments from both simulated data and measured data in the anechoic chamber show that the proposed imaging methods can get more focused images than the traditional fast Fourier transform method. Wherein the joint algorithm has stronger robustness and can provide clearer inverse synthetic aperture radar images, while the decoupled algorithm is computationally more efficient but has slightly degraded imaging quality, which can be improved by increasing measurements or using a robuster recovery algorithm nevertheless.     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output, MIMO)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题，提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法, 通过引入目标块稀疏特征, 提高对空间扩展目标的成像质量。首先, 通过构造距离向和方位向感知矩阵, 建立目标散射系数估计的块稀疏矩阵恢复模型。然后, 采用分块二维序列一阶负指数(sequential order one negative exponential, SOONE)函数对目标块稀疏特征进行提取。最后, 利用梯度投影算法对块稀疏矩阵范数优化问题进行求解, 在欠采样条件下得到目标高质量图像。相比于传统成像算法, 所提算法可以在实现对扩展目标高分辨成像的同时, 降低数据采样量, 且具有较高的准确性、鲁棒性和较低的运算量。仿真实验验证了所提成像算法的有效性。     

冲激雷达旋转目标成像方法

在分析超宽带（ＵＷＢ）雷达旋转目标回波信号频谱特性的基础上，提出了利用目标回波成像和利用目标冲激响应成像两种成像方法，导出了成像公式与点扩展函数。通过计算，给出了点扩展函数的数值解。结果表明，两种成像方法都达到了厘米级的成像精度，利用目标冲激响应成像有较大的图像动态范围。在冲激雷达实验系统上验证这两种成像方法，得到了金属球目标的雷达图像，证明这两种成像方法是可行的。     

雷达小样本目标识别方法及应用分析

针对雷达小样本目标识别问题, 结合元学习和迁移学习提出一套综合解决方案, 旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式, 从而提升雷达小样本目标识别效率和准确率。同时,通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化, 得出两个可有效指导工程化应用的重要结论。元学习模型在源任务信息充足且源任务与目标任务间差异性小时性能表现良好, 否则迁移学习方法更适用; 小样本学习模型对雷达目标外在特征的关注度不同, 以识别为目的的雷达成像应重点关注模型需求的显著性特征。