信杂比极化散射矩阵的优化

该文讨论了在回波信号及杂波的琼斯极化散射矩阵对称及非对称的情况下,调整天线的发射和接收极化状态,从而得到最大的回波信杂比。在前人工作的基础上推导出一种简单易行的算法,成功地实现了琼斯极化散射矩阵从不对称向对称的转变,并进行了数字仿真,结果验证了该算法的有效性。     

基于极化不变量的谐波雷达导引头目标识别算法

为解决基于目标谐波散射系数的FFT识别算法无法有效识别目标全弹道谐波散射特性的问题,采用了基于极化不变量的目标识别算法.根据目标的半导体模型拟合出目标的谐波散射系数,用卡尔曼滤波器对谐波散射系数进行估计.将估计结果作为酉矩阵的对角元素,建立了目标谐波极化散射矩阵及与其对应的功率矩阵,通过就不同的目标进行谐波散射极化计算得到了仿真结果.结果表明,与基于目标谐波散射系数的FFT识别算法相比,目标谐波极化散射矩阵行列式的值及功率矩阵的迹能反映出目标的全弹道谐波散射特性,二者可以作为有效的目标识别特征量.      

双基地MIMO雷达多参数联合估计及目标三维定位

多输入多输出(Multiple-input multiple-output,MIMO)雷达具有波形分集、空间分集和极化分集等优势,在抗目标"闪烁"、反干扰、提高分辨力方面有很大的潜力.提出了一种双基地MIMO雷达多参数联合估计及目标三维定位方法.对接收信号的协方差矩阵作特征值分解,提取大特征值对应的特征矢量,构建选择矩阵,基于ESPRIT算法估计出目标的波达角.在求解均匀圆阵时,为将导向矢量中耦合的俯仰角和方位角分开,采用模式激励法解耦合,再分别利用UCA-MUSIC和UCA-ESPRIT算法估计目标俯仰角和波达角.基于MIMO雷达空间结构,利用估计到目标的俯仰角、发射角和波达角,计算得到目标的三维空间坐标信息.该算法可实现角度间的自动配对,可以有效识别同一距离单元内的多个目标.仿真实验表明,提出的估计方法估计精度高,处理速度快.     

双基地FDA-MIMO雷达角度、距离及速度无模糊估计方法

在传统的相控阵雷达中,由于受到脉冲重复周期(PRF)的限制,距离估计精度和速度估计精度往往难以同时得到提高.该文将频控阵(FDA)和双基地多输入多输出(MIMO)雷达相结合,提出了一种基于双基地FDA-MIMO雷达的角度、距离及速度联合估计方法.文章首先利用FDA技术,使得雷达的发射矢量中包含目标的角度、距离甚至速度信息.然后提出了基于子阵的波形设计和解耦合算法以对发射矢量中距离-速度进行解耦合处理,并利用传统的子空间类算法对目标的发射角(DOD)、接收角(DOA)、距离和速度进行估计,最后文章提出了基于FDA的解模糊方法以解决距离和速度模糊问题.另外,该文推导了该方法下参数估计的克拉美罗界(CRB)并分析了其性能.仿真结果验证了所提出方法的能够对目标的角度、距离和速度进行无模糊的联合估计.     

基于四阶累积量的MIMO雷达空间平滑角度估计算法

针对MIMO雷达系统的多目标DOA估计问题,本文提出了一种基于四阶累积量的双向空间平滑算法。当目标数多于发射阵元数,接收信号发生相干现象使普通子空间类算法可估计DOA数受到限制。本文提出的算法通过对接收信号构造四阶累积量矩阵,并对构造的矩阵做子阵空间平滑处理,在接收阵元足够多的情况下,可估计比发射阵元数更多的目标,并且在高斯白噪声下和高斯色噪声背景下均具有有良好的DOA估计性能。     

基于Capon的CSB sin-FDA稳健波束形成

针对抑制与目标位置接近的干扰过程中,MVDR波束形成器在阵元数较大、导向矢量失配情况下出现的主瓣畸变问题展开分析.在CSB sin-FDA接收阵列结构代替ULA-FDA接收阵列的基础上,通过RCB算法对存在误差的估计导向矢量进行修正,计算修正后的最优权矢量.仿真验证了本文方法与基于PA的MVDR波束形成器,基于FDA-BFF的MVDR波束形成器相比,在导向矢量失配时的性能优势.      

Alamouti方案编译码分析与性能仿真

分析了采用Alamouti编码方案(ACS)的两发射天线和多接收天线系统(2Tx-mRx)的工作原理,描述了Alamouti码的编码、解码规则,从理论上对最大似然(ML)判决估计器给出了易于理解和实现的仿真算法.证明了采用ACS的2Tx-mRx系统的分集增益.理论分析和仿真结果表明:常用的2发4收或4发2收均具有相同的较高的增益.     

空时编码的OFDM盲信道估计

提出一种新的恒模复调制、单天线接收实现空时编码的OFDM(ST-OFDM)盲信道估计的算法.建立了2发1收的ST-OFDM系统模型;利用空时编码的特点,对发射信号采用恒模复调制,引入周期相关特性,将各子信道分开进行估计;利用循环前缀引入的信息冗余给出子空间算法,实现盲信道估计.恒模复调制可避免非常数调制导致的峰值功率问题.该算法不需要对OFDM信号进行冗余预编码,不会降低系统码率;由于采用单天线接收就可实现盲信道估计,不需要改变接收机的结构;不受信道阶数过估计的影响.但如有信道零点在OFDM子载波上,算法不能成立,因此受信道零点位置的限制.     

正交投影三维极化滤波

针对干扰和目标极化状态在Poincare球面距离很近的情况下,二维虚拟极化滤波失效的问题,提出了基于正交投影的三维极化滤波方法。该方法在传统三维极化滤波的基础上重新明确了问题的限定条件,给出了干扰抑制准则下干扰正交子空间中的一组完备正交基,这组正交基物理意义清晰,便于算法的深入扩展。在求得的子空间内,得到了干扰抑制准则下,使目标回波接收功率最大的权系数矢量,理论及仿真结果表明,文中所提算法充分挖掘了目标和干扰在极化域与空域的特性差异,算法性能较传统方法有明显改善。     

频率分集极化MIMO雷达目标检测

为了提高集中式多输入多输出(MIMO)雷达的目标检测性能,提出了一种频率分集极化MIMO雷达.该雷达的发射端采用频率分集和极化分集,接收端以变极化或者正交极化方式接收回波信号,并且基于目标极化散射特性优化设计发射极化和接收极化来进一步提高性能.基于奈曼-皮尔逊准则设计了检测算法,并推导了虚警概率和检测概率的近似计算公式.仿真结果表明:频率分集极化MIMO雷达的检测性能优于极化MIMO雷达和频率分集MIMO雷达,并且采用正交极化接收方式可以获得更好的检测性能.     

MIMO雷达多目标角度估计的空间平滑改进算法

针对基于阵列协方差矩阵特征分解的子空间类算法存在的问题,提出了一种基于改进空间平滑的新方法。首先介绍了"等效信源"的概念,在此基础上分析了当目标数多于发射阵元数时,一些基于子空间类算法失效的原因;从理论上推导说明了在接收阵元数足够多的情况下,本文算法可突破发射阵元数对可估计目标数的限制的机理,从而使得MIMO雷达在发射阵元数较少时能估计更多的目标。仿真结果表明:本文所提方法具有比TDS算法更好的估计性能。     

基于神经网络的变换域通信系统接收技术

提出了一种不须要估计本地基函数的变换域通信系统接收机接收方法.详细分析了接收机的接收原理,以相关解调信号能量最大化为目标构建了接收机最优化接收模型,通过对模型求解得到了接收数据自协方差矩阵的最大特征值向量,此向量可作为接收端基函数实现最佳接收,从而引入基于Hebbian学习训练的神经网络完成最大特征值向量的自适应估计与数据接收.仿真结果表明:当算法收敛时,作为基函数估计的网络连接强度矢量与发送端基函数基本一致,并且当发送端改变基函数时,算法依然能够实现准确跟踪.系统的接收性能与收发两端基函数一致条件下的接收性能基本一致,当算法迭代次数为300,误码率为1×10-4时,系统的信噪比损失可小于1dB.     

一种基于复加权的目标极化识别方法

针对未知和时变的杂波环境,在目标极化状态已知的情况下,探讨了极化域目标识别的问题.在全极化雷达的极化正交的双通道接收系统中,对两路极化正交回波信号进行复加权后与期望信号比较,使其均方误差达到最小,从而抑制了干扰,增强了目标信号.对抑制和增强效果在干扰分别为定极化和变极化的情况进行了仿真,仿真结果表明了该算法的有效性.对此算法中步长因子的取值范围进行了探讨.提取目标极化特征,进行目标识别,并进一步提出识别递推算法.对识别结果进行仿真,仿真结果表明了该方法的有效性.     

宽带全极化雷达目标HRRP极化特征提取与优选

充分有效地利用全极化雷达目标HRRP极化信息是雷达目标特征提取领域一个热点问题.文中主要研究了宽带全极化雷达目标HRRP的三类极化特征的提取与优选:(1)将SAR领域常用的熵特征引入全极化HRRP中,分析了反映目标HRRP散射随机性的熵特征;(2)根据目标散射矩阵相似性参数理论,定义了目标HRRP与6种标准体散射矩阵相似性参数概率形式描述,并将其作为特征,这类特征反映了目标的物理结构特性;(3)提出了反映目标散射能量特性的Mueller矩阵相似性参数特征,并且证明了该参数特征的旋转不变性.这几类特征具有明确的物理意义.采用飞机目标多个姿态的实测数据进行了特征有效性验证和特征优选,并利用优选后的特征组成特征矢量对飞机目标识别,实验结果表明,提出的HRRP极化特征具有良好的稳健性和可分性.     

利用相对极化散射矩阵对目标进行分类的研究

在目标极化散射的经典理论基础上,根据单站雷达收发信号的特点提出了一种新颖的便于测量和计算的目标相对极化散射矩阵,并运用广义逆矩阵理论给出了该矩阵求解的方法.相关实验结果证明,通过计算目标相对极化散射矩阵可以快速有效地实现对目标的初步分类.     

空时编码的OFDM盲信道估计

提出一种新的恒模复调制、单天线接收实现空时编码的OFDM（ST—OFDM）盲信道估计的算法．建立了2发1收的ST—OFDM系统模型；利用空时编码的特点，对发射信号采用恒模复调制，引入周期相关特性，将各子信道分开进行估计；利用循环前缀引入的信息冗余给出子空间算法，实现盲信道估计．恒模复调制可避免非常数调制导致的峰值功率问题．该算法不需要对OFDM信号进行冗余预编码，不会降低系统码率；     

基于目标分解的极化雷达飞机识别法

尝试将目标分解算法用于高分辨率极化目标的识别。基于 Krogager目标分解法 ,将各距离分辨单元的极化散射矩阵分解为 3个简单散射体的散射矩阵 ,分别代表球形散射体、二面角散射体和螺旋体散射体的散射机理。并利用求得的 3个幅度参量随径向距离的变化波形 ,提取反映目标散射中心位置和物理结构特性的特征。进一步采用 Fisher可分性准则作判据 ,从原始特征集中选取最佳特征组。对 5种飞机模型的识别结果表明 ,此基于矩阵分解的识别法具有较高的识别率     

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。     

双基地米波MIMO 雷达低空目标俯仰维DOD和DOA联合估计方法

对于双基地米波多输入多输出(MIMO)雷达低空目标俯仰维测向场景,受多径效应影响,发射接收导向矢量因存在耦合现象而与噪声子空间失去正交性,导致以多重信号分类(MUSIC)为主的子空间类算法在该场景下不可用,而基于空间平滑预处理的子空间类算法由于阵列孔径损失存在角度估计精度不高的问题。为解决上述难题,建立了双基地米波MIMO 雷达单目标和非相干多目标镜面反射信号模型,在信号模型数学变换和分析的基础上发现了一种仍旧与噪声子空间正交的导向矢量矩阵,然后利用新的导向矢量矩阵结合广义MUSIC和最大似然算法提出了双基地米波MIMO 雷达低空目标俯仰维波离方向和波达方向联合估计方法,最后通过仿真验证了所提方法的有效性和俯仰维测向性能的优越性。     

基于张量ESPRIT-SVD算法的双基地MIMO雷达测向方法

针对双基地MIMO雷达的波离方向(DOD)和波达方向(DOA),提出了一种基于张量ESPRIT-SVD的估计方法。该方法利用匹配滤波输出数据具有多维结构特性构造3阶测量张量,进而获得协方差张量并通过高阶奇异值分解(HOSVD)来估计信号子空间。然后利用ESPRIT算法估计目标的波离方向,使用估计的波离方向构建发射端的导向矢量,将信号子空间进行矩阵变换并与构建的发射端的导向矢量一起构造新的数据矩阵,将新构造的数据矩阵经过奇异值分解(SVD)来估计接收端的导向矢量,最后估计目标的波达方向。该算法在小快拍情况下具有较好的均方根误差、成功概率等性能,且运算量低,估计的波离方向和波达方向不需要额外配对。