单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

基于新最速下降算法的自适应波束形成

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

基于凸联合的Krylov子空间自适应LMS算法

提出了一种基于凸联合的Krylov子空间自适应最小均方（least mean square, LMS）算法。首先采用Krylov子空间变换将未知系统的冲击响应转换为Krylov子空间下的稀疏结构,利用其稀疏特性,将一种改进的比例归一化LMS（improved proportionate normalized LMS, IPNLMS）算法和一种变阶数归一化LMS（variable tap length normalized LMS, VTNLMS）算法进行凸联合,最后通过Krylov子空间反变换得到未知系统冲击响应。仿真结果验证了所提出的凸联合自适应LMS算法具有更快的收敛速度和更小的稳态误差。     

基于重构协方差矩阵空时二维杂波抑制方法

针对杂波环境严重非均匀导致协方差矩阵估计失真、空时自适应处理性能下降的问题,提出了一种杂波协方差矩阵重构方法,并利用重构的杂波协方差矩阵实现杂波抑制。该方法充分利用了载机速度给定时杂波分布轨迹已知这一先验知识,考虑了天线方向图的调制,通过改变空时相关函数调节杂波带宽,可以实现任意杂波协方差矩阵重构。计算机仿真分析和实测数据处理结果表明,所提出的方法在非均匀杂波环境中,与小自由度的降维自适应算法相比具有更好的动目标检测性能。     

基于信道多普勒特征的外辐射源雷达杂波抑制方法

利用数字广播信号的正交频分复用(orthogonal frequency division multiplex, OFDM)调制特性,提出一种基于信道多普勒特征的外辐射源雷达杂波抑制方法。首先,在子载波域获取每个OFDM符号的频域信道响应值,然后将该信道响应值变换到时域,并在时域利用信道多普勒特征构造杂波子空间项,用于抑制零频和非零频杂波。所提方法杂波子空间构造与发射信号无关,可离线生成,简化了信号处理流程,降低了计算复杂度。仿真和实测数据均验证了所提方法的有效性。     

基于SVRGD的机载预警雷达自适应波束形成算法

自适应波束形成是机载预警雷达数字信号处理的一个关键环节。针对传统最小均方误差(least mean square, LMS)算法在短快拍数条件下的波束形成性能下降以及因迭代震荡易收敛于局部最优值的问题,提出了一种基于机器学习的随机方差减小梯度下降(stochastic variance reduction gradient descent, SVRGD)自适应波束形成方法。首先,建立面阵列接收信号数据模型。其次,基于随机梯度下降原理,引入方差缩减法通过内外循环迭代方式进行梯度修正,以减小随机梯度估计的方差,建立算法模型与实现流程。最后，通过设置平面阵列仿真场景,分析SVRGD自适应波束形成算法在波束形成、抗干扰、收敛速度等方面的性能,验证了该算法在低快拍数、强干扰和强噪声背景下具有的优良能力。     

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。     

单次快拍波达方向矩阵法

提出了一种新的基于阵列系统单次快拍数据的相干信源二维波达方向(direction of arrival, DOA)快速估计方法--单次快拍波达方向矩阵法(single snapshot DOA matrix method, SS-DOAM)。该方法保持了原DOA矩阵法无需二维谱峰搜索和参数配对的优点,利用阵列系统结构特点,构建单次快拍数据矩阵,通过对单次快拍波达方向矩阵进行特征分解,解决了二维DOA估计问题并实现了相干信源完全解相干。由于该算法只利用一次快拍数据,不需要快拍累计和进行相关运算,计算复杂度大幅降低,适用于对二维DOA估计实时性要求高的应用背景。针对单快拍算法在低信噪比时估计误差较大的问题,进一步提出了利用同相数据叠加来改善估计精度的对策。仿真结果证明了该方法的有效性。     

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。     

基于粒子群优化的波束空间广义旁瓣相消算法

针对广义旁瓣相消(generalized sidelobe canceller, GSC)算法运算量大, 在波束形成中存在旁瓣较高、稳健性差的问题, 提出一种基于粒子群优化(particle swarm optimization, PSO)的波束空间GSC算法。首先, 建立一种优化自适应转换矩阵将信号处理过程由阵元空间转换到波束空间, 通过减小自由度来降低算法的运算量。其次, 构建最小均方误差适应度函数, 在波束空间中利用压缩因子PSO算法充分利用接收数据的相关性, 缩减与期望信号误差并降低波束旁瓣。所提算法在降低算法运算量的同时, 解决了波束旁瓣过高的问题, 并在低快拍、强干扰条件下具有较好波束形成能力, 算法稳健性好。     

基于修正空间平滑的改进正交化波束形成算法

针对正交化自适应波束形成算法的零点会偏离干扰方向、当干扰相干时算法失效问题,提出了一种基于修正空间平滑的改进正交化自适应波束形成算法。该算法利用修正空间平滑技术克服正交化算法不能工作于相干干扰环境的缺点;利用总体最小二乘方法得到噪声子空间,总体最小二乘处理减轻了噪声的影响,因而估计的噪声子空间接近真实噪声子空间,干扰方向形成零点。计算机仿真结果表明此算法是有效的。     

存在幅度/相位误差的稳健波束形成

基于线性约束最小方差准则(LCMV)的自适应波束形成器,在存在阵列幅度/相位误差情况下性能会显著下降。针对此情况,基于信号子空间与噪声子空间的彼此正交特性,对存在误差的信号导向矢量和干扰导向矢量,同时向信号子空间投影,然后对投影后的导向约束采用LCMV准则进行自适应波束形成。理论分析和仿真结果表明文中方法对阵列幅度、相位误差具有稳健性。     

Signal decomposition of HF radar maneuvering targets by using S~2-method with clutter rejection

Multiple maneuvering targets signal processing in high frequency radar is challenging due to the following difficulties:the interference between signals is severe because of significant spread of the target Doppler spectrum,the low signal to clutter ratio (SCR) environment degrades the performance of signal processing algorithms.This paper addresses this challenging problem by using an S 2-method and an adaptive clutter rejection scheme.The proposed S 2-method improves the S-method by eliminating interference between signals,and thus it enables multi-target signals to be reconstructed individually.The proposed adaptive clutter rejection scheme is based on an adaptive notch filter,which is designed according to the envelop of the clutter spectrum.Experiments with simulated targets added into radar sea clutter echo and real air target data illustrate the effectiveness of the proposed method.     

基于迁移学习的雷达杂波幅度统计模型选择

在对目标进行探测和识别的过程中, 雷达杂波幅度统计模型选择是重要步骤。为了提升杂波幅度统计模型选择的准确率, 基于样本分布适配, 提出了一种加权再均衡分布适配的迁移学习方法, 实现了仿真数据的信息向实测海杂波IPIX数据的迁移。通过与已有算法进行比较, 实验结果表明改进后的算法在IPIX数据集上能取得更好的分类准确率, 在迁移学习公共数据集Office-Caltech10上的验证结果也表明了算法的普适性。     

基于最大输出信噪比的L-DACS1接收机盲自适应波束形成算法

由于L频段数字航空通信系统1(L-band digital aeronautical communication system1, L-DACS1)和民航测距机(distance measuring equipment,DME)系统的频谱有部分重叠,因此在L-DACS1接收机中需要考虑DME干扰的抑制问题。提出了基于最大输出信噪比的干扰抑制和盲波束形成算法。由于DME脉冲干扰的功率较大,首先采用子空间跟踪算法来得到干扰子空间,然后将接收数据向干扰子空间的正交补空间进行投影以抑制DME干扰。干扰抑制后,接收数据中只剩下正交频分复用(orthogonal frequency division multiplexing, OFDM)信号和噪声了。为了充分利用阵列天线的优势,采用了输出信噪比最大准则来进行波束形成,将天线方向图的主瓣对准OFDM信号来向,以提高接收机输出信号的信噪比。仿真表明,该方法不需要先验信息就能够在抑制干扰的同时进行盲波束形成,在OFDM信号来向上获得高增益的主瓣,进而提高输出信噪比;另外,所提的波束形成方法在输入信噪比较低的环境下依然能够形成稳定的波束,将主瓣对准信号来向。     

基于高阶奇异值分解的OTHR海杂波抑制算法

针对短相干积累时间(coherent integration time, CIT)引起的多普勒分辨率低,无法从强大海杂波中检测出舰船目标的问题,提出了基于高阶奇异值分解(higher order singular value decomposition, HOSVD)的海杂波抑制算法。首先利用相邻单元内海杂波的相干性,将毗邻距离单元和方位单元的多脉冲接收数据应用三阶张量表示,然后采用HOSVD方法求解三阶张量的海杂波子空间和目标子空间的投影矩阵,最后利用投影矩阵将三阶张量映射到目标子空间以抑制海杂波。该方法与现有子空间类海杂波抑制方法相比,提高了信干噪比(signal to clutter plus noise ratio, SCNR)和峰值旁瓣电平比(peak sidelobe level ratio, PSLR),解决了目标谱峰偏移问题。     

海杂波背景下基于MBMC的低空风切变风速估计方法

当机载气象雷达在海杂波背景下探测低空风切变时,海杂波信号会覆盖低空风切变信号,造成风速无法准确估计。针对上述问题,提出了一种在海杂波背景下基于多波束多级联(multi-beam multi-cascade, MBMC)的低空风切变风速估计方法。该方法首先利用空时插值算法矫正机载前视阵海杂波的距离依赖性,然后对空间多波束联合时域三次滑窗后的输出再级联多普勒滤波器,构造得到降维变换矩阵,执行空、时域联合自适应处理,最后通过构造代价函数估计得到风场速度。仿真结果表明,在海杂波背景下本文方法可以实现风场速度的准确估计,且具有较好的稳健性。     

海杂波背景下基于MBMC的低空风切变风速估计方法

当机载气象雷达在海杂波背景下探测低空风切变时,海杂波信号会覆盖低空风切变信号,造成风速无法准确估计。针对上述问题,提出了一种在海杂波背景下基于多波束多级联(multi-beam multi-cascade, MBMC)的低空风切变风速估计方法。该方法首先利用空时插值算法矫正机载前视阵海杂波的距离依赖性,然后对空间多波束联合时域三次滑窗后的输出再级联多普勒滤波器,构造得到降维变换矩阵,执行空、时域联合自适应处理,最后通过构造代价函数估计得到风场速度。仿真结果表明,在海杂波背景下本文方法可以实现风场速度的准确估计,且具有较好的稳健性。