基于原子范数的多跳频信号时频参数估计

针对现有多跳频信号参数估计方法构造的基字典与信号不匹配的问题,提出了基于原子范数的时频参数估计方法。首先定义无限原子集合并建立原子范数最小化模型,再利用其对偶问题完成对信号的估计,最后根据对偶多项式在单位圆上的绝对值完成信号频率的估计,通过统计频率分量的个数完成了信号跳变时刻的估计。仿真结果表明该算法在多跳频信号条件下能够得到比现有算法更高的估计精度和性能。     

基于局部搜索OMP的网格失配STAP算法

针对稀疏恢复空时自适应处理(space-time adaptive processing, STAP)存在网格失配时,造成稀疏恢复STAP的性能下降这一问题,提出一种基于局部搜索正交匹配追踪算法。该算法首先从全局STAP完备字典中选择与杂波相匹配的全局网格点;然后以选出的全局网格点为中心,以全局完备STAP字典的空时频率间隔为区域,构建局部STAP字典,并从中选择与杂波最匹配的局部网格点;最后得到杂波的角度多普勒像和修正的STAP字典。仿真结果表明,所提的算法能够选择与真实杂波脊相匹配的网格点,从而提高了稀疏恢复STAP技术的性能。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题，在稀疏表示理论的基础上，提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition，K-SVD）算法学习海杂波和目标的稀疏域主成分特征，得到相应的学习字典，抑制海杂波并对目标信号稀疏重建，解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题；并通过算法参数的分析和优化，进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明，相比传统检测方法，所提算法能够有效检测高海况下微弱动目标，显著提升检测性能。     

鲁棒原子范数降噪及其在线谱估计中的应用

针对测量数据中含有异常值的线谱估计问题,提出了一种对异常值鲁棒的原子范数降噪方法来提高线谱估计的性能。该方法构建了一个可以联合估计出异常值及原始信号的优化问题,并在代价函数中加入l₁范数和原子范数惩罚项来分别对异常值的稀疏性和信号本身的特性进行约束。一旦获得了该优化问题的解,那么就可利用现有的算法对降噪后的信号进行线谱估计。仿真结果表明,在数据中存在异常值的情况下,所提的算法能够更准确地恢复原始信号,从而使降噪后的谱估计的精度和分辨率明显提高。     

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。     

低快拍下基于稀疏重构的大电磁矢量传感器阵列多维参数联合估计

大尺寸电磁矢量传感器(electro magnetic vector sensor, EMVS)比小尺寸EMVS辐射效率更高, 研究其参数估计算法有助于推动EMVS的实装化应用。针对大尺寸EMVS阵列研究了低快拍下参数估计问题, 提出基于稀疏重构的波达方向(direction of arrival, DOA)和极化参数联合估计算法。首先构造仅含DOA信息的低维块稀疏表示, 然后采用块正交匹配追踪算法恢复块稀疏信号, 最后利用得到恢复后的信号反推出DOA和极化参数估计值。仿真表明了该算法在低快拍下参数估计的有效性, 且计算量和精度均优于现有基于稀疏重构的小尺寸EMVS参数估计算法。     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。     

基于滤波器网格失配的分布式相参雷达目标参数估计方法

针对分布式相参雷达(distributed coherent aperture radar, DCAR)精确的目标参数估计问题,首先建立了以多普勒分复用(Doppler division multiple access, DDMA)波形作为发射波形、存在滤波器网格失配的DCAR信号模型,接着分析并验证了滤波器网格失配严重影响目标参数估计进而降低DCAR信号相参合成性能,最后提出了联合全局-局域搜索和基于稀疏傅里叶变换(sparse Fourier transform, SFT)的两种DCAR目标参数估计方法来降低滤波器网格失配,联合全局-局域搜索的方法通过对滤波器局域加密的方式降低网格失配。为了降低运算量,利用目标信号频率相对于整体频域是稀疏的特性,采用基于SFT搜索的方法通过梯度下降的方式避免滤波器的遍历搜索。仿真实验验证了所提方法的有效性。     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

基于杂波数据Frobenius范数拟合的阵元误差估计方法

机载雷达的阵元误差会影响运动目标的参数估计与定位性能。为了解决这个问题,提出一种基于杂波数据Frobenius范数拟合的阵元误差估计方法。该方法首先利用杂波谱分布结构和雷达构型参数计算杂波空时导向矢量矩阵,接着利用截断的奇异值分解求解杂波幅度矢量并重构杂波数据,最后将实际的数据矩阵与重构的数据矩阵进行Frobenius范数拟合来估计阵元误差。数值仿真实验结果表明,该方法在低脉冲数目、低样本数目的情况下均具有较好的参数估计精度与稳健性。     

雷达动目标短时稀疏分数阶表示域探测方法

机动目标检测和精细化运动状态估计始终是雷达信号处理的热点和难点问题,基于时频分布的动目标检测方法难以同时获得高时频分辨率,且参数估计精度受搜索步长的限制。稀疏时频分布技术结合了经典时频分析技术和高分辨稀疏域信号处理的优势,是传统变换域处理技术的扩展。构建了短时稀疏分数阶表示域信号处理框架,并在此基础上,提出了两种雷达机动目标检测和估计方法,即短时稀疏分数阶变换和短时稀疏分数阶模糊函数,实现了时变信号的时间稀疏变换域高分辨表示。对海雷达目标探测试验验证表明,所提方法适用于复杂背景下雷达机动目标的探测,并能获得目标运动状态的精细估计。     

载频重频联合捷变雷达目标参数估计方法

针对载频-重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification, MUSIC)算法的载频-重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频-重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。     

双层稀疏组Lasso高分辨SAR结构特征增强成像

针对合成孔径雷达(synthetic aperture radar, SAR)成像中,基于?₁正则化线性回归(简称为Lasso)的凸优化类算法在进行稀疏特征增强时会导致弱散射体结构特征丢失，进而影响稀疏信号恢复精度的问题,本文提出一种基于双层稀疏组Lasso罚高斯回归模型的交替方向多乘子算法。该算法以散射体的块结构(组)特征为先验,首先针对SAR数据分类特征引入?₁范数对应的近端算子,通过在交替方向多乘子方法框架中利用高斯-赛德尔思想对其近端算子进行对偶迭代运算,实现第一层和第二层SAR组间的稀疏特征增强。另外混合范数中的?_F范数为高斯惩罚项,可对SAR回波复数据整体进行平滑,实现SAR结构特征增强成像。因此，所提算法可在SAR回波复数据处理中同时实现稀疏特征和结构特征联合增强。实验选取SAR、SAR地面动目标成像(SAR ground moving target imaging, SAR-GMTIm)和逆SAR的仿真数据与实测数据,分别从定性和定量两种角度对所提算法和传统算法进行对比,其中定量分析时采用相变图(phase transition diagram, PTD)方法来验证所提算法的重建能力，从而验证了本文所提算法应用于SAR稀疏与结构特征增强的有效性与优越性。     

基于加权l1范数优化的双基地ISAR稀疏成像算法

针对低信噪比条件下实现双基地逆合成孔径雷达(inverse synthetic aperture radar, ISAR)稀疏孔径成像时重构质量较差的问题, 提出了一种基于加权l₁范数优化的高分辨成像算法。首先, 假设各像元稀疏非同分布, 利用贝叶斯准则和最大后验概率估计将双基地ISAR稀疏孔径成像问题转化为加权l₁范数约束问题, 建立成像模型; 然后, 利用柯西-牛顿算法进行加权l₁范数约束最优化问题的求解, 实现目标图像重构。由于假设各像元独立非同分布, 故通过像元加权的方式更好地利用了目标的能量聚集和结构特性, 提高了成像质量。最后, 仿真实验验证了算法的有效性和优越性。     

SAR图像目标增强模型最优性能分析

研究用于SAR图像目标增强的lk范数正则化方法的最优性能.从有偏参数估计的统计性能极限角度,将达到渐进最小总方差的参数估计看作目标增强的最优效果.根据Bayes框架以及罚最大似然估计原理,研究了达到最优性能时正则项需满足的条件,该条件与图像大小、信号统计分布以及观测数据噪声方差有关,可为模型设计与迭代算法设计提供依据.并证明了仅当噪声方差较小时lk范数约束才能使得处理结果达到该最优估计性能.仿真实验验证了该结论的正确性.     

基于重构信号和1范数的动目标参数估计方法

提出了一种基于重构信号和1范数的动目标参数估计方法。该方法利用重构信号与杂波抑制后数据的1范数构造代价函数完成对动目标的参数估计,能够在雷达发射脉冲数有限的情况下获得准确的参数估计结果。给出了其对应Cramer-Rao界的详细推导过程;通过将仿真结果与Cramer-Rao界的比较,证明了该方法的有效性。     

基于频谱旋转ωk算法的大斜视SAR地面动目标成像

针对大斜视条件下合成孔径雷达(synthetic aperture radar, SAR)地面运动目标成像存在的聚焦困难、几何形变严重、十字旁瓣大等问题, 提出一种基于频谱旋转ωk算法的大斜视SAR动目标成像算法。首先, 在推导具有精确斜距表达式的斜视动目标回波信号模型的基础上, 获得了初步成像结果并提取动目标的感兴趣区域(region of interest, ROI)数据。然后, 构造相位补偿函数并利用最小熵算法完成动目标参数估计, 再根据估计的参数对ROI数据进行相位补偿, 获得聚焦的动目标图像。进一步利用频谱旋转消除了几何形变, 利用稀疏增强方法减小了动目标旁瓣, 最终得到聚焦、无几何形变、低旁瓣的动目标图像。仿真实验验证了所提算法的有效性。     

直接数据域空时自适应单脉冲方法

机载雷达空时自适应处理(space time adaptive processing,STAP)与单脉冲技术相结合可以实现对运动目标空、时参数的估计。然而,在非均匀环境下,由于同分布快拍数有限,杂波协方差矩阵难以准确估计,常常导致STAP方法性能急剧下降甚至失效,进而无法有效实现目标检测和参数估计。本文提出一种直接数据域的动目标空时参数估计方法,该方法首先应用幅相估计谱(amplitude and phase estimation,APES)谱估计由被检测单元数据估计出杂波干扰协方差矩阵,然后利用STAP技术抑制杂波和干扰,并结合单脉冲理论实现对目标角度和多普勒频率的估计。仿真结果表明,与传统单脉冲方法相比,新方法具有自适应抑制杂波干扰的能力和更好的估计性能;同时由于无需参考数据,该方法更适应于非均匀环境。     

基于空时约束的自适应迭代单脉冲估计方法

在机载雷达参数估计过程中, 在主瓣杂波区附近自适应和差波束会发生畸变, 角度和多普勒频率参数估计之间存在耦合, 导致传统和差单脉冲估计方法的参数估计性能严重下降。针对此问题，提出了一种基于空时约束的机载雷达自适应迭代单脉冲估计方法。该方法首先通过导数约束和零点约束确保所形成的差波束为最优差波束; 其次利用广义单脉冲法进行参数估计, 解决了多参数估计之间存在的相互耦合问题; 最后通过自适应迭代方式进一步提高目标参数的估计精度。计算机仿真结果验证了所提方法的有效性。