基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

一种基于交叉验证的稳健SL0目标参数提取算法

利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达（compressive sensing based pseudo random step frequency radar, CS-PRSFR）。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0（robust SL0 based on cross validation, CV-RSL0）目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。     

基于频控阵MIMO雷达的低复杂度稳健波束形成算法

频控阵(frequency diverse array, FDA)多输入多输出(multiple input multiple output, MIMO)雷达基于发射端调制而具备的距离维自由度为主瓣干扰提供了抑制方案。结合自适应波束形成算法, 频控阵MIMO雷达能有效抑制主瓣范围内欺骗干扰信号, 但存在的信号环境复杂、导向矢量失配、采样快拍不足等问题将使算法性能恶化。针对该问题,提出了一种基于频控阵的低复杂度的稳健自适应波束形成算法。仿真实验表明, 相比于其他自适应波束形成算法, 所提算法在低信噪比(signal to noise ratio, SNR)低采样快拍且存在导向矢量失配等非理想条件下形成的波束稳健性更强、计算复杂度更低, 有效实现了对目标的指示和对干扰的抑制, 克服了其他算法在非理想条件下性能恶化的问题。     

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。     

一种稳健的雷达高分辨距离像目标识别算法

雷达高分辨距离像目标识别算法通常对目标回波的噪声大小比较敏感,如果测试样本和训练样本的信噪比不等,那么将会导致识别性能的下降。在实际应用中,需要识别算法在不同噪声强度下都能够保持稳健的性能,因此在概率主分量分析模型的基础上,提出一种稳健的雷达高分辨距离像自动目标识别算法。该算法能够让模型随着噪声强度的不同而自适应地调整其参数,并且分析了雷达数据的能量归一化处理对模型参数的影响。由于算法搜索时间较长,为提高算法的搜索效率,推导了一个快速算法。基于实测数据的仿真实验结果验证了方法的有效性, 对噪声有较好的稳健性。     

最大熵法在高频雷达角度超分辨中的应用

角度超分辨技术近年来得到了迅速的发展,但是大部分的研究工作都是在假定阵元间噪声不相关的情况下进行的,而对于阵元间噪声(干扰)相关的情况的研究还没有看到。 本文在研究了各种角度超分辨算法的基础上,针对地波超视距雷达的海杂波干扰背景,采用最大熵法作为实现角度超分辨的主要手段,进行了计算机仿真。根据大量的仿真结果,分析了海杂波、信杂比、目标的起始相位等因素对于分辨效果的影响。最后得出结论:最大熵法能够有效地解决海杂波背景下,高频雷达的多目标分辨问题。     

基于FDA-MIMO雷达的主瓣SMSP干扰空时域联合抑制方法

主瓣干扰由于与真实目标位于同一个雷达波束宽度, 不仅会严重降低雷达对真实目标的检测与跟踪性能, 更难以在波束层面上受到抑制。来自主瓣的频谱弥散(smeared spectrum, SMSP)干扰可以在时频域对目标信号进行遮盖, 更可在空域上形成多个具有欺骗效果的假目标。针对此问题, 提出一种基于频控阵-多输入多输出雷达的空时域联合抑制方法, 利用盲源分离算法将目标与干扰分离在不同通道, 在获得目标距离信息后进行距离- 角度联合波束形成, 以提高输入信干噪比。该方法可以在不具有目标的距离先验信息条件下有效抑制主瓣SMSP干扰, 因此具有很好的适用性, 仿真实验验证了所提方法的有效性。     

阵列天线通道误差的盲校正

基于特征值分解的高分辨率DOA估计MUSIC算法,在理想阵列条件下性能很好,但对噪声扰动和系统误差都很敏感,噪声扰动和系统误差会严重恶化这一类算法的性能,使其分辨率下降。提出一种基于MUSIC算法的盲校正方法,需要在阵列周围满足远场条件的地方布置一个RF信号源,不需要知道信号源的方位角,就可以精确校正阵列天线的通道误差。仿真结果证明这种方法有效,校正结果理想。     

LFM脉冲雷达恒虚警检测的协同压制干扰

针对采用恒虚警检测的线性调频脉冲压缩雷达,提出多假目标联合灵巧噪声的协同压制干扰方法。首先阐述了利用卷积调制转发实现多假目标压制干扰的机理,并推导得到压制信号关键参数值,如假目标个数及干噪比。然后分析了多假目标干扰在侦测参数存在误差时的不足之处,并进一步计算进行协同干扰所需的压制噪声功率。最后对协同压制干扰的效果进行了仿真验证,仿真结果表明,该方法能够降低目标发现概率,实现对雷达检测环节的有效干扰。     

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。     

空域色噪声背景下双基地MIMO雷达角度估计

空域有色噪声会导致现有多输入多输出(multiple input multiple output, MIMO)雷达算法性能下降, 甚至完全失效。针对空域色噪声背景下双基地MIMO雷达联合波离角(direction of departure, DOD)和波达角(direction of arrival, DOA)估计问题, 分析了现有算法失效的原因。考虑到匹配滤波后无噪协方差矩阵的低秩特性、色噪声协方差矩阵的稀疏特性以及MIMO雷达数据的多维结构特性, 提出一种基于张量分析的角度估计算法。首先, 构造角度估计的协方差张量, 通过去除协方差张量中受噪声协方差影响的元素对色噪声进行抑制。其次，利用张量填充技术对无噪协方差矩阵进行恢复。然后，利用平行因子分解获得目标角度的方向矩阵。最后, 采用最小二乘算法对目标的DOA和DOD进行拟合。仿真结果表明, 所提算法对色噪声不敏感, 且无孔径损失。相比现有矩阵及张量分析算法, 所提算法具有更高的估计精度。     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。     

Phased MIMO雷达恒模正交波形优化设计 Phased-MIMO雷达恒模正交波形优化设计

由于受到发射机功率和波形能量的限制,现代雷达系统一般选择恒模波形来实现发射功率的最大化利用。针对Phased MIMO雷达子阵单元之间的恒模正交波形优化设计问题,基于矩阵谱逼近的思想,本文提出了一种新的波形设计框架。首先假设输出信干比的需求得到划分的子阵数目,根据最大信噪比准则对子阵单元进行波束形成,提高了雷达系统的抗干扰性能,其次采用迭代矩阵谱逼近算法(iterative matrix spectral approximation algorithm, IMSAA)对子阵单元之间的正交波形进行优化设计,相对于multi-CAN算法,该算法能够获得更好的相关性能,而且运算效率较高,最终实现了恒模波形的优化设计。仿真结果证明了算法的有效性。     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

Constrained-MUSIC算法在高频地波舰载超视距雷达中的应用

在舰载超视距雷达检测时 ,由于载舰运动所造成的一阶海波谱展宽 ,遮蔽了舰船目标 ,造成目标检测的困难 ,采用空域超分辨处理 ,将目标与展宽的一阶海波谱分开是非常可行的。Constrained -MUSIC算法的分辨性能不受相干目标的影响 ,且在舰载超视距雷达中 ,由于展宽的一阶海杂波谱相应的空间方位是可计算出的 ,Con strained-MUSIC算法可以充分利用这一已知的方位信息 ,将与一阶海浪谱同频 ,但处于不同空间方位的船目标分辨出来 ,有效地实现了高频地波舰载超视距雷达检测下的空域超分辨处理 ,对在舰载雷达情形下有效地进行目标检测提供了一个良好的距离 -速度 -方位分辨后的三维检测背景平台     

FDA-MIMO雷达稳健抗主瓣距离欺骗式干扰技术

频率分集阵(frequency diverse array, FDA)多输入多输出(multiple-input and multiple-output, MIMO)雷达可利用距离维自由度在发射-接收频率域内对欺骗式干扰进行抑制。但当存在目标导向矢量失配和协方差矩阵估计误差时,其抗干扰性能损失严重。针对该问题, 在FDA-MIMO雷达中提出了一种基于稳健波束形成的抗干扰方法。首先, 对剔除了残留噪声的Capon谱估计器在信号(或干扰)域内积分来构造期望信号(或干扰)导向矢量; 然后, 利用不同信号导向矢量间的正交性获得干扰功率并重构干扰加噪声协方差矩阵; 最后, 用更精确的导向矢量和重构矩阵计算自适应波束形成器的最优权值, 提高干扰抑制性能。仿真实验验证了所提方法的有效性。     

对MIMO雷达参数的侦察估计及性能分析

针对多输入多输出(multiple input and multiple output, MIMO)雷达的侦察对抗问题,基于被动合成阵列技术构建了对MIMO雷达方位、辐射频率联合侦察估计的信号模型,通过多次不同速度联合谱估计算法实现了对MIMO雷达方位、频率的无模糊估计。此外,推导了多辐射源条件下方位与频率联合侦察估计的克拉美〖CD*2〗罗界(Cramer Rao bound, CRB)。频率已知条件下推导了对单部阵列雷达方位侦察估计的CRB表达式,并进一步分别给出了对MIMO雷达和相控阵雷达进行侦察估计的CRB闭解式,对比分析了两种体制下方位侦察估计的性能。理论分析与仿真实验表明:信号频率未知条件下,所提算法能够实现对MIMO雷达方位、频率的无模糊估计,侦察估计精度随着信噪比以及不同速度联合估计次数的增大趋近于CRB;信号频率已知条件下,对单部相控阵雷达和MIMO雷达方位侦察估计性能之比仅与相控阵雷达发射波束方向增益以及阵元个数有关。最后,仿真实验结果验证了本文理论分析的正确性和方法的有效性。     

杂波背景下机载雷达信号参数的射频隐身优化

面对对方先进的无源探测系统, 射频(radio frequency, RF)隐身是机载雷达抗干扰的一种重要手段。本文首先分析了杂波条件下机载雷达目标探测的RF隐身目标模型, 然后分别针对地杂波与海杂波背景, 以截获因子作为RF隐身性能评估指标, 分析了基于脉冲对消滤波与恒虚警(constant false alarm rate，CFAR)检测技术的机载雷达RF隐身设计方法, 并建立了相应的机载雷达信号参数RF隐身优化模型。仿真利用遗传算法对模型中的辐射功率、驻留时间与脉冲累积个数等机载雷达信号的关键参数进行求解, 仿真结果表明, 两种杂波背景下的信号参数优化模型均能有效地改善机载雷达的RF隐身性能。     

基于HGSAA的机会阵雷达离散频率编码波形设计

机会阵雷达(opportunistic array radar, OAR)是一种以平台隐身性设计为核心的新体制雷达,设计适用于OAR系统的正交波形是研究的一个重要方面。对常规的雷达正交波形编码的搜索方法进行改进,使用混合遗传模拟退火算法,寻找出具有低自相关和互相关特性的雷达离散频率编码集合;并且考虑到算法适应度函数的重要性,引入灰关联度综合评价法则对其加以关联分析,根据关联度来引导算法搜索的方向,使产生的波形具备较好的性能。仿真结果表明,该算法可行且高效,在搜索最优离散频率编码方面优于其他搜索算法。     

任意阵列双基地MIMO雷达的半实值MUSIC 目标DOD和DOA联合估计

实值处理具有降低高自由度多输入多输出(multiple input multiple output,MIMO)雷达角度估计大计算量的优势。但受制于阵列的共轭对称性,对于任意阵列结构的双基地MIMO雷达发射角(direction of departure, DOD)和接收角(direction of arrival, DOA)联合估计,若不做附加的预处理则无法实现实值操作,故将常规阵列实值处理的多重信号分类(multiple signal classification, MUSIC)超分辨算法推广至任意阵列结构的双基地MIMO雷达。首先根据MIMO雷达的导向矢量共轭与镜像的对等性,提取接收信号协方差矩阵的实部,并对其进行特征分解得到“目标加倍”的信号子空间及其应对的噪声子空间;然后利用Kronecker积的特性对其进行降维处理,得到搜索区域减半的一维半实值域MUSIC谱,取出目标DOD真值与其镜像代入降维Capon算法来剔除虚拟峰值得到目标DOD估计真值;最后利用特征矢量得到模糊DOA估计值,采用方向余弦差最小范数方法得到目标DOA无模糊估计值。本文算法估计性能与一维搜索复数域MUSIC相当,计算量约降50%,且能够实现DOD和DOA的自动配对。仿真结果证明了该算法的有效性。