时域离散类主瓣干扰下基于样本识别的雷达和差测角方法

时域离散类主瓣干扰在时域上处于离散状态，干扰训练样本不易提取，其样本纯度将直接影响干扰抑制效果和目标测角性能。针对时域离散类主瓣干扰背景下的雷达干扰抑制和目标角度估计问题，提出了一种时域离散类主瓣干扰下基于样本识别的雷达和差测角方法。该方法利用了目标和干扰在和、差通道的时域相关性差异，由此提取纯净的干扰训练样本，然后利用空域方位维、空域俯仰维的正交性进行时域离散主瓣干扰抑制，同时估计目标角度。理论推导和仿真实验表明所提方法具备时域离散类主瓣干扰背景下的较好的雷达测角能力。     

基于盲分离的空时联合处理抗复合干扰方法

提出了基于盲分离的空时联合处理抗复合干扰方法,旨在抑制兼有自卫式干扰和多个近主瓣干扰这类复合干扰。这类复合干扰在形式上可以分为噪声压制式(考虑多个近主瓣压制干扰)和转发欺骗式(考虑密集假目标干扰:包括近主瓣密集假目标干扰和自卫式密集假目标干扰)。新方法通过联合空域四通道(和差四波束)和时域双通道(相邻的两个脉冲重复间隔)得到空时联合通道作为接收通道,然后利用盲分离技术对空时联合通道内的混合信号进行分离,最终通过脉冲压缩处理来提取目标回波信号,以此达到干扰抑制的目的。新方法不需要信源的先验知识,容易工程实现。     

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。     

基于非标准Keystone变换的捷变频雷达相参积累算法

针对捷变频雷达(frequency-agile radar, FAR)相参积累难题，提出基于非标准Keystone变换(Keystone transform, KT)的FAR相参积累算法，与标准KT相比，所提算法增加了距离补偿环节，构造了不同的虚拟慢时间。同时，考虑到目标距离信息通常未知，利用距离补偿后信号的周期性，大幅缩小了距离搜索区间。仿真结果表明，所提算法无需目标距离先验信息，能够同时解决捷变频雷达相参积累以及高速运动目标容易出现的跨距离门、多普勒模糊问题，抗噪性能与当前主流的基于压缩感知的捷变频相参积累算法相当，但计算量更低。     

子空间信号失配下的加权自适应检测器

对于多通道雷达系统，通常存在阵元误差及旁瓣干扰，此时雷达系统假定的目标导向矢量与真实值不同，从而导致信号失配。针对子空间模型下的失配信号检测问题，提出了一种具有恒虚警特性的加权自适应检测器，得到了检测器解析的检测概率和虚警概率计算表达式。根据系统需要，通过调整加权系数，所提出的检测器能够实现对失配信号的灵活检测。此外，对无信号失配的检测环境，在合适的权系数下，所提出的检测器能够提供比现有检测器更高的检测概率。     

和差四通道及辅助阵元联合自适应单脉冲方法

针对平面相控阵,提出了和差四通道及辅助阵元联合自适应单脉冲方法。新方法联合四通道和差波束输出与辅助阵元输出,经过自适应处理得到方位向及俯仰向自适应和差波束,利用主瓣区域高增益的差波束及辅助阵元联合对消主瓣干扰和副瓣干扰。理论分析和仿真结果均表明,新方法可有效抑制主瓣干扰和副瓣干扰,并具有良好的单脉冲测角性能,且无需对干扰空间角进行预先准确估计,利于工程实现。