机载雷达斜视阵下杂波抑制的方法

在机载斜视阵中杂波多普勒频率随距离发生变化,导致传统的空时自适应处理方法不能有效抑制杂波,因此，提出一种谱补偿方法。该方法利用训练单元与待检单元的空域导向矢量关系得到相似度量值,用此度量值再对训练单元的数据进行加权预处理,提高了数据的平稳性;为降低回波中孤立干扰或强目标对采样协方差矩阵估计的影响,对预处理后的数据使用非均匀检测器进行干扰剔除,从而提高机载雷达的检测性能1~3 dB。使用传统的空时自适应处理方法对剔除干扰后的数据进行杂波抑制，通过对数据的处理,证明了该方法的可行性和有效性。     

基于稀疏恢复的 MIMO-STAP干扰样本检测方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在训练样本存在有源干扰时杂波抑制性能严重下降的问题,提出了一种干扰样本检测方法。首先使用正则化FOCUSS算法估计出各原子的空时功率谱值,接着设置谱值门限将谱值较大的原子取出,然后确定扫描带对空时二维平面进行扫描,最后根据进入扫描带最大原子数占总原子数的比例判别训练样本是否存在干扰。仿真实验表明,该方法可有效检测出训练样本中的干扰,使用该方法挑选出的无干扰训练样本恢复杂波谱可保证空时滤波器的杂波抑制性能,提升稀疏算法求解杂波谱时涉及到的样本的可靠性。     

非均匀杂波环境STAP方法研究

分析了非均匀杂波对STAP算法性能的影响,在此基础上提出了一种非均匀杂波环境下STAP杂波抑制方案．该方案首先通过训练样本加权法抑制功率非均匀现象,然后利用干扰点替代法消除干扰目标和孤立干扰对STAP算法的影响,最后通过常规STAP算法实现对目标的检测．计算机仿真结果验证了有效性．     

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。     

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.     

采用核Rayleigh商二次相关滤波器的星图自适应杂波抑制

为了实现星图中弱小星点目标的检测,提出了一种基于核Rayleigh二次相关滤波器（KRQQCF）的星图自适应杂波抑制方法.采用星图模拟方法随机产生视轴指向,根据二维高斯模型产生训练样本,提取改进的加速鲁棒特征(SURF),通过训练学习构建KRQQCF.为了快速检测目标,对待测图像首先用频域残差法检测星图中星点可能存在的显著性区域,然后提取该显著区域改进的5维SURF特征.最后,通过KRQQCF识别目标,有效抑制杂波及噪声,提高星图的信噪比.实验结果表明,该算法快速、有效、可靠.
     

矢量阵强相干干扰抑制技术研究

提出了一种单矢量传感器相干干扰抑制技术,并推广到声矢量阵来抑制强的相干干扰.利用声矢量传感器组合指向性零点可电子旋转的特点,用自适应抵消技术抑制各阵元数据中的相干干扰,可获得相对"干净"的信号,对该信号进行矢量阵波束形成,达到强相干干扰抑制的目的.计算机仿真和湖试试验结果表明:该方法能有效抑制方位已知的强相干干扰,结合矢量传感器的组合指向性可电子旋转的特点和自适应抵消技术,加上声矢量阵的指向性增益,可达到用声矢量阵有效抑制强相干干扰的目的.     

基于特征投影预处理零陷加深的抗主瓣干扰算法

当主瓣干扰功率较大时,基于特征投影预处理(EPB)的自适应波束形成算法抑制旁瓣干扰的能力大大下降甚至无法有效抑制,因此,在EPB算法的基础上提出了基于特征投影预处理零陷加深的抗主瓣干扰算法。首先将特征投影预处理后的数据向去除了主瓣干扰的干扰信号子空间上投影,对得到的数据进行适当的加权,再加到特征投影预处理后的数据上,以加强旁瓣干扰信号功率;其次利用干扰加强后的采样信号形成新的协方差矩阵,并计算其自适应权矢量;最后利用求得的自适应权矢量获得阵列输出,并对该算法的信干噪比进行了简要分析。仿真结果表明,当主瓣干扰功率较高时,该算法能够在旁瓣干扰方向上形成较深的零陷,具有更好的旁瓣抑制效果。     

基于高维几何特征的孤立点检测算法

针对孤立点检测算法不能较好地模拟人工检测过程、未充分考虑待测数据周围样本分布的问题,提出了一种孤立点检测算法DD-SVDD.该算法综合考虑待测样本与目标样本之间的距离,以及待测样本所在区域样本的分布信息,结合距离和平均密度来确定高维特征空间中决策边界附近待测数据的类别.在训练阶段,考虑了决策边界附近目标训练样本的分布,...     

直接数据域空时自适应处理(STAP)在雷达信号处理中的应用

本文阐述了直接数据域空时自适应处理(space-time adaptive processing)算法抑制雷达杂波的原理,给出了具体的算法过程和计算机模拟仿真实验结果。空时自适应处理与分立干扰滤除算法不同的是该方法对每个距离单元的空时数据进行独立处理时,该距离门中均匀杂波和非均匀干扰的抑制均不需要利用其他距离门的样本。直接数据域方法是一种完整的非均匀STAP处理算法。仿真实验结果证明该方法在非均匀环境下,对雷达杂波进行抑制得到了较好的效果。     

基于WLS的OTHR短时自适应海杂波抑制方法

基于高频海杂波的空间相关特性,从自适应滤波的角度提出了一种基于加权最小二乘(WLS)的天波超视距雷达(OTHR)短时自适应海杂波抑制方法.在自适应权值求解过程中,采用基于QR分解的直接数据域处理方法,避免传统基于相关矩阵求逆方法的数值稳定性较差的缺陷.结果表明:与现有的基于空间相关性的海杂波抑制方法相比,所提方法具有更优的杂波抑制性能,同时兼备对参考距离单元数要求更低、计算量更小、自适应能力更强的优点,工程适用性较强.实测数据处理分析验证了所提方法的有效性.     

STAP技术在有源干扰环境下的运用方法

为了在复杂的有源干扰环境下改善空时二维自适应处理(Space-time Adaptive Processing,STAP)技术的处理性能,提出了一种基于局部空域自适应阵列处理的改进型自适应波束形成方法。这是一种空间抗干扰与STAP技术滤除杂波级联的方法。采用MUSIC技术对有源干扰的波达方向进行估计,然后分别在期望方向和干扰方向形成接收多波束,再在波束域进行自适应处理以抑制有源干扰,最后在空间反干扰滤波后运用STAP技术进行杂波抑制。仿真结果表明,该方法能有效估计出干扰源的方位,使STAP技术在有干扰的环境下也能保持较好的杂波抑制性能,同时在波束域进行自适应滤波,大大降低了抑制干扰所需的运算量,理论分析和仿真结果表明了该算法的有效性。     

一种自适应干扰能量检测算法

干扰能量检测是干扰抑制处理的基础,普通的能量检测算法性能容易受到背景噪声不确定性的影响.提出一种自适应干扰能量检测算法,该算法基于频域干扰抑制算法模型,通过背景噪声估计设定信号处理门限,自适应地调整校标值.仿真结果表明,该算法能够消除背景噪声不确定性对干扰检测性能的影响,窄带干扰的检测性能远好于普通能量检测算法.     

基于LMS算法的连续波雷达多径干扰抑制研究

在连续波雷达中,多径干扰波相对于目标回波可能具有很强的能量,造成对微弱目标回波信号检测的干扰。为了克服多径干扰的影响,提出了基于传统LMS和频域块LMS自适应算法的雷达多径干扰抑制方法,并进行了仿真分析。结果表明这两种算法都可以有效抑制多径干扰且具有相似的效果,但采用快速FFT技术的频域块LMS算法较传统LMS算法具有更快的运算速度。     

机载MIMO雷达修正GMB降维方法

针对MIMO雷达空时自适应处理运算量和杂波抑制性能难以兼顾的问题,建立了MIMO雷达杂波数学模型,提出了机载MIMO雷达的修正广义相邻多波束降维方法。该方法基于局域化处理的思想,通过选取特定的发射波束、接收波束和多普勒通道,利用空域两维波束形成和时域多普勒滤波方法进行空时自适应处理。对该方法在不同误差条件下杂波抑制性能进行了仿真实验,结果表明:提出的修正广义相邻多波束方法能够大幅降低运算量和样本需求数,有效抑制杂波,提高慢速目标的检测能力。     

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。     

一种基于少样本数据的在线主动学习与分类方法

深度学习技术往往需要大量的标记训练样本,然而真实环境中获得大量标记样本的代价昂贵,甚至难以获得.提出一种新的深度主动识别框架,借鉴人类逐步学习并获取新知识的认知过程,在基于少量样本分析模型认知错误的基础上首先定义认知错误转化,得到相应的知识来主动增强模型的认知信息.基于认知知识,选取敏感样本对模型进行在线微调,同时为了避免遗忘先前学习的知识选取先前的训练样本作为刷新样本.在通用数据集上的实验表明,敏感样本有利于提高目标识别能力,提出的认知学习机制能有效提高深度模型的性能;认知信息的特征化能有效抑制其他样本对模型认知的干扰,在线训练方法能明显节省大量训练时间.提供了一个有效的认知学习在少量数据样本情境中的应用.     

直扩通信系统中的窄带干扰抑制及仿真

该文针对直扩通信系统在抗窄带干扰方面的局限性,提出在解扩前应用自适应窄带干扰抑制技术,并进行了仿真,仿真结果表明,直扩通信系统中采用自适应窄带干扰抑制技术,可有效的抑制强窄带干扰,保证通信系统数据传输的正确性。     

天波雷达短驻留时间下海杂波抑制的改进算法

在高频天波雷达的舰船目标检测中,为消除电离层变化带来的谱展宽效应,采用了短驻留时间下基于奇异值分解(SVD)的海杂波抑制算法.该算法对构造出的Hankel矩阵进行奇异值分解,将对应于海杂波分量的奇异值置零,再重新构造出数据序列,达到海杂波抑制的目的.相对于原有的迭代杂波对消算法,该算法无需估计众多参数及设置对消截止门限,并且可以获得更好的抑制效果.为了有效地识别分解后的海杂波与目标所对应的奇异值以避免错误对消,还提出了一种改进方案,可以在抑制前分辨出海杂波分量和目标所对应的奇异值,当回波目标的能量与海波处于相近量级以及多目标情况下,能够避免错误对消现象的出现.仿真结果验证了所提算法的有效性.     

基于残余噪声能量的自适应杂波抑制方法

基于残余噪声能量的自适应杂波抑制方法无需对目标信号、杂波与噪声的先验统计信息做假设，权向量值由系统设定的残余噪声决定。计算机仿真结果证实了该方法可以有效地抑制杂波与噪声信号。