基于先验知识的降维自适应时域滤波器

为了灵活调节时域滤波器各频率处能量以及利用先验知识提高机载雷达抑制杂波、干扰信号的性能,提出一种基于先验知识的降维自适应时域滤波器设计算法。首先结合先验知识估计机载雷达杂波协方差矩阵;然后通过这些信息,设计降维处理中时域滤波器各频率区域的增益;最后利用凸优化思想设计最优时域滤波器。结果表明:设计的时域滤波器通过分配不同区域的能量,保证在地杂波和干扰的多普勒区域处形成深宽凹口,不仅抑制了地杂波,还能够改善位于主杂波区域的压制性干扰,极大提高了机载雷达在复杂环境中检测目标的能力。     

基于杂波距离方位谱的机载非正侧MIMO雷达STAP方法

在机载非正侧MIMO雷达系统中,传统统计类空时自适应处理方法难以获得足量的独立同分布训练单元,无法准确估计待测单元杂波特性,杂波抑制性能严重下降。为了减少所需训练单元数,在分析机载非正侧MIMO雷达杂波在距离-方位域上分布的基础上,给出了杂波距离方位谱的概念;然后,利用稀疏恢复方法和距离滤波器估计杂波距离方位谱;根据杂波距离方位谱估计杂波协方差矩阵、构造空时滤波器,滤除杂波、检测目标。由于利用了雷达和载机参数等飞行配置先验信息以及杂波空时耦合关系构造,基于杂波距离方位谱的STAP方法可以在少量训练单元的情况下准确估计杂波协方差矩阵,有效抑制杂波、检测慢速目标,仿真实验证明了方法的有效性。     

基于先验知识的广义旁瓣对消器STAP

空时自适应处理（space-time adaptive processing,STAP）算法的运算量与处理性能构成了一对矛盾。利用广义旁瓣对消器（generalized sidelobe canceller,GSC）形式的处理器结构,提出一种基于先验知识的 STAP 算法以解决该问题。该算法使用相控阵雷达系统参数以及阵列几何模型等先验知识来构建空时杂波的匹配矩阵,并计算空时多约束导引矢量,实现对 STAP 算法的自适应加权初始化。该算法的优点是无需协方差矩阵求逆从而使处理速度得到加快。仿真实验表明该算法的处理性能未受影响,而收敛速度则明显提高。     

基于随机矩阵理论的盲MEHM频谱感知算法

利用随机矩阵理论中样本协方差矩阵极限特征值的分布结果，设计了一种新的最大特征值-调和平均(NMEHM)盲频谱感知算法.NMEHM算法无需主用户信号及无线信道的先验知识，可以有效克服噪声不确定性的影响.仿真实验结果表明，相对于一些基于特征值检测的频谱感知算法，NMEHM算法的检测概率更高，且获得了比最大特征值-调和平均(MEHM)算法更优异的检测性能.     

ANMF和CM-CFAR在K分布海杂波下的性能分析

目的研究非相干积累检测器和相干积累检测器的检测性能。方法对比了单元中值恒虚警(CM-CFAR)检测器和自适应归一化匹配滤波(ANMF)检测器。结果对比了两个检测器的计算复杂度,给出了在实测K分布海杂波情况下两个算法的性能差异,分析出差异的原因与积累和样本在距离上的相关性有关。结论在弱杂波环境下,当积累10个脉冲时,ANMF检测器较CM-CFAR检测器有23dB的性能增益,在强杂波环境下,二者性能相当。     

基于收缩方法的稳健自适应波束形成算法

针对有限采样数据样本中含有期望信号时自适应波束形成器性能下降的问题,提出了一种不需要任何参数设定的稳健自适应波束形成算法.该算法利用收缩方法得到一个增强的协方差矩阵估计值,替代传统的采样协方差矩阵,提高了算法的性能.为了克服信号导向矢量存在误差时对波束形成器性能的影响,对算法进行进一步的扩充,使其既能改善小快拍时协方差矩阵的估计值又能克服期望信号导向矢量的失配.仿真结果表明:该方法不仅能够改善小快拍情况下波束形成器的性能,而且还能克服期望信号导向矢量失配带来的不利影响.     

基于稀疏恢复的直接数据域STAP算法

在机载/星载雷达系统中,空时自适应处理(STAP)可有效抑制杂波并实现动目标检测。基于统计的STAP算法通过平稳的训练样本来估计检测单元内的杂波协方差矩阵,并设计相应的滤波器以提高检测单元的输出信杂比。但训练样本的平稳性在实际快变的杂波环境中无法保证,因而此类算法在实际非均匀杂波环境中性能较差。该文通过挖掘检测单元数据在角度-Doppler域上的稀疏性,提出一种新的直接数据域STAP算法。该算法通过稀疏恢复来获得检测单元的高分辨空时谱估计,有效地避免杂波旁瓣对目标检测的影响,进而实现不经过杂波抑制而直接运动目标检测的目的。同时由于不使用训练样本,可很好地避免训练样本内的非均匀性,该算法在实际非均匀杂波场景中有更广泛的应用前景。     

基于数据预处理的改进GS正交化波束形成

针对常规Gram-Schmidt（GS）正交化算法在训练快拍中混有期望信号时,自适应波束会出现期望信号相消的问题,提出了基于数据预处理的改进GS正交化波束形成算法. 该算法构造阻塞矩阵进行数据预处理剔除期望信号,估计对应的协方差矩阵,并对其进行GS正交化重构干扰子空间,将静态加权矢量向干扰子空间作正交投影得到自适应权矢量. 同时,为准确估计干扰子空间,对协方差矩阵的正交化自适应门限进行了修正. 仿真结果表明,所提算法的输出信干噪比（SINR）比其它GS正交化算法有2 dB以上的性能改善.      

一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法

针对自适应扩展卡尔曼滤波算法中系统噪声协方差矩阵与量测噪声协方差矩阵不能同时被估计的问题,提出了一种改进的自适应扩展卡尔曼滤波算法.该算法基于残差,主要对滤波算法中的自适应估计器进行改进,改进后可以实时估计系统噪声.基于该算法,设计了新的滤波器并应用在SINS/GPS紧组合导航系统上,可随着系统中噪声的变化而自动地调节协方差矩阵.最后,分别用扩展卡尔曼滤波和改进的自适应扩展卡尔曼滤波对SINS/GPS紧组合模型进行仿真,结果表明改进的自适应的扩展卡尔曼滤波比扩展卡尔曼滤波的定位误差与测速误差更小,滤波的稳定性更好.      

杂波环境下面向扩展目标检测的自适应波形设计方法

为了提高杂波环境下的扩展目标检测性能,提出了一种雷达发射波形的自适应设计方法。建立了参数化模型来表征雷达接收端的观测。根据对回波统计特性的分析,提出了目标冲激响应和杂波协方差的估计方法,并构建了一种广义似然比检测器。为了充分发挥雷达发射机的功率极限,进一步提出了一种相位调制波形的自适应设计方法,使所设计的波形应用在下一次发射时能够抑制杂波的影响,提高目标检测性能。仿真实验结果表明:相比传统雷达系统中广泛采用的固定波形,该自适应波形设计算法能够获得更高的回波信杂噪比,改善了扩展目标的检测性能。     

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.     

AR噪声参数估值误差对自适应检测器性能的影响

本文从理论上研究了采用自适应逆谱(或白化)滤波器级联匹配滤波器构成的自适应检测器的性能,着重分析了背景噪声AR参数估值误差对检测性能的影响。以两种典型的信号型式(宽带、窄带)为例的分析计算表明,这类检测器的检测性能对参数估值误差并不敏感。因而自适应逆谱(或白化)滤波器级联适当的匹配滤波器方案是一种有用的自适应检测器方案。     

时域加权稀疏约束的空时自适应处理算法

1DT是典型的时空级联的后单多普勒空时自适应处理的方法,能够显著降低对独立同分布样本的需求量和空时自适应处理时的运算量,但是进行时域处理时对主瓣杂波的抑制效果较差。针对此问题,提出一种利用时域滤波器频率响应的稀疏特性进行加权稀疏约束的自适应滤波器设计算法。在时域自适应滤波器的模型中加入对旁瓣的稀疏约束,并构造加权矩阵对稀疏约束加权。仿真实验表明：此方法在有效抑制主瓣杂波的前提下能够降低副瓣,并且当存在天线幅相误差时具有较好的稳健性。     

采用收发极化联合优化的极化雷达目标检测新算法

针对极化雷达在非高斯杂波背景下的未知目标检测问题,建立了一种收发极化可变的全极化雷达测量模型,提出了一种基于广义似然比检测的收发极化优化目标检测器,并得到了检测判决量的闭环形式。在性能分析环节,推导得到了该检测器检测性能的解析表达式,指出了它的恒虚警性质,明确了收发极化矢量与检测性能之间的对应关系。在性能验证环节,首先设计了非高斯杂波背景下的目标检测实验,结果表明,在相同的实验条件下,本文检测算法的抗杂波非高斯性能和检测性能优于现有典型目标先验信息未知的极化检测器,性能接近目标和杂波先验信息已知的最优极化检测器。接着对比了收发极化联合优化、发射极化优化和收发极化固定3种极化雷达的目标检测性能,结果表明,在相同的实验条件下,收发极化联合优化的极化雷达具有最优的目标检测性能。     

DRM无源雷达多径杂波的分载波空域抑制

鉴于数字调幅广播（DRM）无源雷达面临严重的多径杂波问题,建立了该无源雷达阵列信号模型,提出了一种基于分载波空域处理的多径杂波抑制方法.该方法先将DRM无源雷达阵列接收的时域信号经去保护间隔和傅里叶变换（FFT）之后,通过对各载波信号分别求取干扰协方差矩阵和空间自适应系数以滤除直达波和多径杂波.分载波空域处理方法综合利用了多通道空域信息及同一载波下直达波和多径杂波的时域相关性,降低了杂波抑制的空域自由度要求,提高了杂波抑制能力,克服了常规空域处理方法自由度不足或杂波噪声比低导致的杂波零陷深度不够等缺点.理论分析和仿真结果表明了该算法的优越性.     

Multi-sensor federated unscented Kalman filtering algorithm in intermittent observations

Aiming at the adverse effect caused by limited detecting probability of sensors on filtering precision of a nonlinear system state,a novel multi-sensor federated unscented Kalman filtering algorithm is proposed.Firstly,combined with the residual detection strategy,effective observations are correctly identified.Secondly,according to the missing characteristic of observations and the structural feature of unscented Kalman filter,the iterative process of the single-sensor unscented Kalman filter in intermittent observations is given.The key idea is that the state estimation and its error covariance matrix are replaced by the state one-step prediction and its error covariance matrix,when the phenomenon of observations missing occurs.Finally,based on the realization mechanism of federated filter,a new fusion framework of state estimation from each local node is designed.And the filtering precision of system state is improved further by the effective management of observations missing and the rational utilization of redundancy and complementary information among multi-sensor observations.The theory analysis and simulation results show the feasibility and effectiveness of the proposed algorithm.