基于鉴角曲线拟合的自适应单脉冲测角方法

自适应单脉冲方法是干扰背景下目标角度估计的一种有效方法。但对于主瓣内明显偏离波束中心的目标,或者在实际应用中由于天线往往采用子阵结构且存在误差,自适应单脉冲方法估计结果会出现较大的测角偏差。为解决这两个问题,提出一种基于鉴角曲线拟合的自适应单脉冲测角方法。该方法首先利用自适应和差权矢量与实测导向矢量计算出对应角度的单脉冲比;然后采用最小二乘法拟合出自适应鉴角曲线;最后通过自适应鉴角曲线估计出目标角度。仿真实验验证了该方法的有效性。     

基于稀疏重构的机载雷达训练样本挑选方法

针对空时自适应处理中训练样本受目标信号污染时检测性能下降的问题,提出了一种基于稀疏重构技术的训练样本选取方法。该方法首先将接收数据由阵元脉冲距离域转换到阵元多普勒距离域,然后采用改进的正则化FOCUSS算法进行空域稀疏重构,估计待检测多普勒通道对应的阵元距离域数据得到高分辨角度距离谱,利用杂波多普勒与角度的先验关系,剔除角度距离谱上明显偏离角度期望的样本,实现对训练样本的有效选择。仿真表明,相比传统样本选择方法,该方法无须估计协方差矩阵,在小样本集情况下依然能够剔除被污染的样本,有较大优势。     

基于属性散射中心的SAR成像方法

传统合成孔径雷达(synthetic aperture radar, SAR)成像技术假设目标回波是由各向同性的点散射模型的相干叠加形成, 在大转角成像时不再适用。且各向同性的散射模型忽略了目标同一结构像素间的相关性, 容易导致结构不连续, 给后续目标识别带来困难。为此, 本文提出了一种基于属性散射中心模型的SAR成像算法, 利用不同散射中心表现出的不同特性对其分别进行成像, 增强属于同一结构的像素间的相关性, 提高SAR图像的可视性。最后, 基于仿真和实测数据实验结果, 验证了方法的有效性, 与现有算法对比, 所提算法的图像质量在定性和定量评价指标上都有所提升。