用于扩展目标检测的OFDM-MIMO雷达波形设计

为了检测扩展目标,该文提出一种已知统计特性的杂波和噪声背景下提高正交频率分集复用-多输入多输出(OFDM-MIMO)雷达检测性能的波形设计方法.利用扩展目标一维距离像的频率特性,基于匹配照射理论给出了雷达回波向量模型,在此基础上建立最大化检测信杂噪比的目标函数;通过交替迭代搜索获得优化发射波形和最优接收滤波器.仿真结果表明,经调制的OFDM-MIMO雷达发射波形具有稳健的抗杂波性能,可提高检测信杂噪比,改善OFDM-MIMO雷达检测性能.     

杂波环境下的OFDM MIMO雷达波形设计

为提高杂波环境下的目标检测性能,基于正交频分复用(OFDM)多输入多输出(MIMO)雷达的波形和频率分集,提出了一种联合优化发射波形和接收滤波器的方法.首先以各天线发射功率和发射波形功率峰均比(PAPR)为约束条件,最大化输出信杂噪比(SCNR)为目标函数建立优化模型.然后利用循环迭代将优化问题分为两部分,并通过拉格朗日乘子法、半正定松弛(SDR)、Charnes-Cooper转换和随机化方法,求解得到最优发射波形和接收滤波器权值.仿真结果表明:所提方法的在满足PAPR约束的条件下,输出SCNR与理想波形的差距控制在0.3 d B以内,优于仅设计发射波形的方法和连续二次规划修正法,且PAPR的约束和序列长度变化几乎不影响算法性能.     

基于协方差矩阵重构和导向矢量优化的波束形成算法

针对传统波束形成算法在导向矢量失配和协方差矩阵误差情况下输出信干噪比下降严重的问题,提出了一种基于协方差矩阵重构和导向矢量优化的稳健自适应波束形成算法。该算法通过估计信号和干扰的功率及方向,重构干扰加噪声协方差矩阵,同时结合投影和空域积分思想,对假定的导向矢量进行优化计算,使其接近真实的导向矢量。进而通过相关运算求得复数加权值实现波束形成。所提算法可以有效抑制干扰,提高输出信干噪比。在多种失配存在的情况下,所提算法也具有较好的性能。研究共进行了6个仿真实验,所提算法性能均优于所对比算法。所提算法在快拍数固定且存在导向矢量失配的情况下,相比于最差情况性能最优算法有约5 dB的输出信干噪比提升。在信噪比固定且存在导向矢量失配的情况下,相比于对比算法均有4 dB以上的性能提升。实验结果验证了所提算法的有效性。     

采用子阵多输入多输出的天基预警雷达强杂波抑制方法

针对天基预警雷达因其高速平台运动带来严重的距离模糊和多普勒模糊,导致杂波背景强进而降低雷达目标检测性能的问题,提出一种基于子阵级多输入多输出天基预警雷达强杂波抑制方法。构建基于子阵级多输入多输出天基雷达模型并分析远距离机动目标相参性,确定目标出现线性距离徙动和不出现多普勒频率扩散时的最大相参积累时间,以保证长时间相参积累可行性;针对多输入多输出雷达长驻留的特点采用长时间积累提高多普勒分辨率,降低一个距离-多普勒单元的杂波功率,在保证搜索效率的情况下降低该单元杂噪比,并采用3/5准则检测盲区图评估天基雷达检测性能;在强杂波背景下改善了信杂噪比,提高了目标检测概率。实验仿真表明,所提方法相比相控阵雷达可有效降低杂波背景,在单脉冲重复频率下即可达到很好的检测效果,比相控阵雷达检测性能提高约20.48%。     

最大化信干噪比的动态功率分配干扰对齐算法

干扰对齐作为一种新颖的干扰处理方法,近些年来得到了学术界的广泛关注,其中分布式迭代算法由于实用性好而使得应用前景良好.传统的分布式迭代算法中并未考虑功率分配的问题,其算法性能有进一步提升的空间.为了进一步提高分布式干扰对齐算法的信干噪比性能,提出了一种基于功率分配和干扰对齐的联合迭代优化方法.该算法中通过建模得到多用户MIMO干扰信道的等效信道,根据信道矩阵的迹来计算分配功率,并通过最大化信干噪比的方法来得到预编码矩阵和接收滤波器矩阵.仿真结果表明,该方法与等功率分配算法相比,其平均信干噪比大幅提高,证明了所提方法的优势.     

MIMO雷达非均匀子阵划分方法研究

提出一种非均匀子阵划分的MIMO雷达阵列设计方法,其不但具有和均匀子阵划分的MIMO雷达(也称为相控阵-MIMO雷达)相同的优势——能同时获得相干处理增益和波形分集增益;并且,不同孔径的子阵使子波束的形成更加灵活;更大的子阵孔径给发射端提供了额外的自由度.理论分析表明,与相控阵-MIMO雷达相比,采用常规波束形成,当干噪比比较低时,所提的非均匀子阵划分的MIMO雷达的输出信干噪比(SINR)更高.仿真实验也证明了上述理论分析的正确性,并表明所提的非均匀子阵的划分方法可以获得更低的副瓣电平.在最小方差无畸变响应波束形成下,零陷更深,输出SINR更高并且抗干扰能力更强.     

基于非均匀子阵划分的MIMO雷达阵列设计研究

本文提出一种非均匀子阵划分的MIMO雷达阵列设计方法,其不但具有和均匀子阵划分的MIMO雷达（也称为相控阵-MIMO雷达）相同的优势—能同时获得相干处理增益和波形分集增益;并且,不同孔径的子阵使子波束的形成更加灵活;更大的子阵孔径给发射端提供了额外的自由度。 理论分析表明,与相控阵-MIMO雷达相比,采用常规波束形成,当干噪比比较低时,所提的非均匀子阵划分的MIMO雷达的输出信干噪比（SINR）更高。仿真实验也证明了上述理论分析的正确性,并表明所提的非均匀子阵的划分方法可以获得更低的副瓣电平。在最小方差无畸变响应波束形成下,零陷更深,输出SINR更高并且抗干扰能力更强。     

基于高分辨距离像的UWB雷达信号设计

根据目标冲激响应设计相应的雷达信号,可使回波能量最大化,从而提高检测性能.本文针对目标检测的超宽带雷达信号设计发射-接收联合优化的问题,提出基于相位编码的超宽带雷达波形优化方法.该方法充分发挥了雷达发射机的发射能力,即对于固定的发射机来说,以发射更大的能量来得到更大的输出信干噪比.首先针对目标高分辨率距离像的多相编码超宽带雷达信号设计,建立了信号设计优化计算的目标函数,提出了一种恒模共轭梯度(CM-CG)算法实现优化计算.最后仿真结果表明,该方法设计得到的多相编码雷达信号性能很好地逼近最优发射波形,该方法具有收敛速度快、运算量小的特点. 号,可使回波能量最大化,从而提高检测性能.本文针对目标检测的超宽带雷达信号设计发射一接收联合优化的问题,提出基于相位编码的超宽带雷达波形优化方法.该方法充分发挥了雷达发射机的发射能力,即对于固定的发射机来说,以发射更大的能量来得到更大的输出信干噪比.首先针对目标高分辨率距离像的多相编码超宽带雷达信号设计,建立了信号设计优化计算的目标函数,提出了一种恒模共轭梯度(CM-CG)算法实现优化计算.最后仿真结果表明,该方法设计得到的多相编码雷达信号性能很好地逼近最优发射波形,该方法具 收敛速度快、运算     

极化雷达发射波形和接收滤波器联合优化新方法

波形优化可有效抑制干扰和噪声,显著改善雷达性能。以极化雷达为研究对象,最大化滤波器输出信杂噪比为优化目标,发射波形能量约束为条件,构建了波形和接收滤波器的联合优化问题。对该非凸优化问题,提出了一种发射波形和接收滤波器迭代优化算法,该方法确保目标函数随迭代过程的单调递增和收敛性。实验证实了提出方法的有效性,以及相对现有方法的优势。     

部分发射天线损毁时 MIMO 雷达信号认知优化

针对电子战环境中多输入多输出(multiple input multiple output,MIMO)雷达部分发射天线遭受摧毁时目标检测问题,提出基于互信息量(mutual information,MI)准则的雷达感知天线状态并再次优化的算法.作为MIMO雷达信号优化设计方法之一,注水法能依据环境状况自适应分配发射信号功率,所提算法能提升分配功率的注水水位,降低天线损毁时目标脉冲响应与目标回波间互信息量损失,进而改善目标检测概率(target detection probability,TDP).仿真结果表明,低检测性能天线损毁时,当信噪比大于0 dB时采用所提方法能提升互信息量;高检测性能天线损毁时,采用所提算法能有效提升互信息量和目标检测概率.信噪比为20 dB时,互信息量提升4.96 nat;若以达到同一检测概率时所需信噪比的减少量表示性能增益,则检测概率为0.8时,性能增益为3.73 dB.     

基于双互信息准则的雷达自适应波形设计方法

自适应波形优化技术是认知雷达的关键技术之一,通过优化发射波形能够提高雷达系统性能.针对目标检测问题,在杂波环境下,提出一种基于双互信息优化准则的自适应波形优化方法.该方法同时以接收信号与目标冲激响应之间的互信息最大和接收信号与杂波冲激响应之间的互信息最小为优化准则,在发射信号能量有限的约束条件下,建立优化模型,通过最大边缘分配算法求解最优波形.仿真结果表明,相对于固定波形,所提方法优化发射波形能够提高目标检测性能.     

基于深层神经网络的雷达波形设计

针对雷达波形多准则优化目标函数难以建立的问题,降低目标响应的不确定性,提高雷达检测性能,提出了一种基于深层神经网络的雷达波形设计方法。首先,根据雷达回波数据形式进行深层神经网络(DNNs)结构设计;然后,将基于信噪比(SNR)和互信息(MI)准则产生的信号随机混合并与其所对应的环境信息组成训练集,对DNNs训练;最后将另一部分基于互信息准则产生的信号与其对应的环境信息作为测试集,利用DNNs生成信号并进行测试。实验结果表明,使用该方法产生的信号作为雷达发射波形与仅基于MI准则产生的信号作为雷达发射波形相比,雷达回波与目标的互信息量最大提高了21.37nat,雷达接收信号的信干噪比最大提高了1.35dB。与线性调频信号相比,相应的互信息量最大提高了950.76nat,相应的信干噪比最大提高了18.23dB。     

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。     

干扰条件下基于Bayesian博弈的认知制导雷达波形设计

现代战场电磁环境复杂,制导雷达与干扰机间对抗日趋激烈.针对对抗过程中制导雷达和干扰方不能获取对方完整信息情形下的性能降低问题,基于SINR准则建立制导雷达和干扰Bayesian博弈模型,通过海萨尼转换方法,采用目标概率集合形式表达未知信息,求解博弈模型并设计雷达和干扰优化波形、基于二次注水和迭代注水法分配信号频域能量,并对Bayesian博弈纳什均衡存在性展开研究.最后通过仿真分析不同策略下的雷达和干扰信号具体形式,验证不同波形条件下制导雷达检测性能.仿真结果证明,迭代注水信号及二次注水信号检测概率最高可比线性调频信号分别提升15.41％、12.79％,为不完全信息博弈中制导雷达信号优化提供了解决方案.     

基于扁长椭球波函数的机载多输入多输出雷达降维自适应处理算法研究

针对机载多输入多输出(MIMO)体制雷达的杂波抑制问题,提出了一种机载MIMO雷达降维空时自适应处理(STAP)算法。该算法利用PSWF函数,根据雷达参数,离线地构造出杂波子空间的一组完备正交基,实现了对杂波子空间的估计;并运用特征相消法(EC)完成了降维STAP计算。仿真实验表明,在理想情况下,该算法能够获得很好的杂波抑制性能;在考虑阵元幅相误差时,与特征对消法相比,该算法在大幅降低运算复杂度的同时,依然能够保持杂波抑制能力。     

基于干扰控制的多小区分布式波束成形

在多小区干扰信道中,基于分布式竞争设计,提出一种优化基站发射波束成形矩阵的设计,使每个小区的最差信干噪比最大.在竞争设计中加入干扰控制,利用差异化的干扰系数,抑制小区间的干扰,提高系统性能.这种设计,既能保持算法的分布式特性,又能有效地提高用户信干噪比.仿真分析表明,基于干扰控制的设计性能更接近协同设计的性能.     

面向多目标ISAR成像的MIMO雷达波形优化

现有MIMO雷达波形优化设计大都是根据跟踪、检测等雷达任务的需要而设计的窄带发射信号,没有考虑成像任务的要求。提出一种面向多目标ISAR成像任务的MIMO雷达波形优化设计方法,将雷达获取的关于目标的位置、雷达散射截面积(RCS)、速度等先验信息以及成像对雷达发射波形的带宽限制作为波形优化的重要约束条件,建立了面向多目标成像任务的波形优化模型,并通过共轭梯度算法进行求解。所设计波形可同时实现对不同方向的目标的成像。     

杂波条件下利用一维卷积神经网络的认知雷达波形设计

针对单准则设计的波形难以满足雷达多状态和多任务的问题,提出了一种杂波条件下利用一维卷积神经网络的认知雷达波形设计(CRWD-1D-CNN)方法。首先,设定环境变量,并根据互信息准则和信干噪比准则来构建训练集和测试集;其次,根据数据集的一维数据形式和采样点数,设计一个包含3个卷积层、2个全连接层的1D-CNN模型;最后,使用训练集对1D-CNN模型进行训练,利用1D-CNN对一维数据之间非线性关系的学习能力来学习互信息准则和信干噪比准则,然后,使用训练后的1D-CNN生成波形。为衡量雷达综合性能,提出了一种目标最终识别率指标。实验结果表明,采用CRWD-1D-CNN方法设计的波形作为雷达发射信号时,与使用互信息准则生成的波形相比,雷达综合性能平均提升0.64%,与使用信干噪比准则生成的波形相比平均提升2.13%,证明了CRWD-1D-CNN方法可联合互信息准则和信干噪比准则,提高雷达综合性能。     

基于最差情况性能优化的稳健盲波束形成算法

针对在实际通信应用中存在导向向量偏差的情况下,阵列输出的信干噪比SINR性能急剧下降的问题,提出了稳健受限LSCMA算法,并对其输出性能进行了理论分析.该算法利用后验概率密度函数估计信号导向向量,并增加权向量的二次型约束,降低了信号波达方向的不确定性,提高了对信号导向向量偏差的稳健性,使阵列输出的信干噪比SINR接近最...     

多用户多输入多输出系统下行链路的线性预编码和功率分配

针对下行链路多用户多输入多输出(MIMO)系统,提出了一种简单的联合预编码和动态功率分配的方法.该方法把复杂的联合线性预编码设计和功率分配的优化问题分解成两步实现,简化了问题的求解.首先求解线性预编码,然后在此基础上,通过优化不同用户的功率分配,使各用户的信干噪比(SINR)相同且最大化,改善了的系统的误码率(BER)性能.仿真表明,所提出的方法与现有的方法相比,可以获得较大的信噪比(SNR)增益.