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。     

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%。     

基于混合罚函数法的认知雷达波形设计

针对认知雷达发射波形的信杂噪比(SINR: Signal to Interference plus Noise Ratio) 往往需要大于一定阈值的问题, 在传统波形设计准则的基础上建立一种新的认知雷达波形发射系统模型。此模型以目标与回波间的互信息为目标函数, 以信杂噪比和能量作为约束条件, 通过混合罚函数法对模型求解, 最终获得认知雷达的最优波形。仿真实验证明, 该波形可以将波束能量分配给杂波响应较弱、目标响应较强的频段, 满足认知雷达对发射波形的要求, 从而解决了发射波形的SINR 阈值问题, 并最大化目标与回波间的互信息, 具有较强的应用性。     

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     

两种基于局部广义符号统计量的融合准则

为提高基于二元局部判决的分布式广义符号检测器的检测性能,研究了基于广义符号统计量的分布式检测,提出了直接求和与删除求和两种融合准则。在W e ibu ll杂波和Sw erlingII目标下,直接求和融合具有比某参数化的分布式恒虚警检测更好的检测性能,并能达到集中式广义符号检测相同的性能。某些传感器信杂比极低时,采用删除求和融合能获得比直接求和融合更好的检测性能。给出了在多雷达分布式检测中应用各种融合准则的方法。     

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。     

基于相位调制与OTRD的雷达波形设计

基于噪声与杂波背景下,雷达对微弱目标探测的波形优化问题,以最大化目标回波信干噪比(SINR)为准则,结合相位调制与最优发射接收波形优化方法(OTRD)的各自技术优势,在相位调制信号的基础上进行最优调幅,提出了一种基于相位调制与OTRD的综合雷达波形设计方法。通过仿真,得到了相较于前2种算法更大的SINR,特别在较强的杂波环境下,对低可探测目标的探测中,效果尤为明显,雷达的探测性能得到了显著提升。     

基于相位调制与OTRD的雷达波形设计

基于噪声与杂波背景下,雷达对微弱目标探测的波形优化问题,以最大化目标回波信干噪比(SINR)为准则,结合相位调制与最优发射接收波形优化方法(OTRD)的各自技术优势,在相位调制信号的基础上进行最优调幅,提出了一种基于相位调制与OTRD的综合雷达波形设计方法。通过仿真,得到了相较于前2种算法更大的SINR,特别在较强的杂波环境下,对低可探测目标的探测中,效果尤为明显,雷达的探测性能得到了显著提升。     

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。