非高斯杂波中的MIMO雷达信号分离

针对传统匹配滤波对非高斯杂波中的多输入多输出（multiple input multiple output, MIMO）雷达信号分离性能下降的问题,提出一种基于分数低阶统计量的匹配滤波算法。该方法将对称Alpha稳定分布(symmetric Alpha stable, SαS)作为MIMO雷达的非高斯杂波模型,以滤波器输出分数低阶信杂比最大为准则导出最优匹配滤波器系数。分别对相关SαS和非相关SαS杂波条件下的MIMO雷达信号分离进行了仿真。结果表明,该方法可有效实现非高斯杂波中的MIMO雷达信号分离,且在高斯杂波条件下与传统匹配滤波的性能是一致的。     

基于AR模型的飞机尾流距离检测方法

尾流复杂的电磁散射特性使得传统基于快速傅里叶变换(fast Fourier transformation, FFT)的频域检测方法不适用。首先,基于FFT的谱估计方法频率分辨率较低,尤其在短脉冲序列条件下性能较差;其次,尾流作为一种频域扩展目标,其回波能量在频域较为分散,单通道或多通道求和检测都会损失较多能量。利用分辨率更高的自回归(autoregressive, AR) 模型进行谱估计,并基于AR流形上的距离定义一种距离检测器,将尾流谱整体进行检测,能充分利用尾流的多普勒信息,通过利用尾流数据对距离检测器和传统方法的检测性能进行仿真比较分析,验证了所提方法的有效性。     

多分布类型杂波背景下恒虚警处理器性能分析

针对恒虚警(CFAR)处理器在多分布类型杂波中的应用背景,分析了杂波分布检验恒虚警(CT-CFAR)处理器的检测性能。该处理器在CFAR处理前首先进行杂波分布检验,因而较瑞利(Rayleigh)分布假设杂波背景下的CFAR(Rayleigh-CFAR)处理器取得了较小的CFAR损失。通过与Rayleigh-CFAR处理器以及利用杂波分布先验信息的CFAR(D-CFAR)处理器性能比较,揭示了三种CFAR处理器之间的内在联系。仿真结果表明,在信杂比较低时,CT-CFAR较常规的Rayleigh-CFAR取得了较大的性能改善。     

雷达多目标自适应识别方法研究

提出了基于目标回波自相关矩阵本征值分解提取多目标特征的新方法，在小训练样本集下，为能准确建立参考模板，提出了一种基于模糊等价关系（FER）聚类和模糊c均值（FCM）聚类相结合的FER－FCM聚类方法，在识别过程中，利用自适应算法对参考模板逐步修正，使识别系统逐步达到最优的性能，还给出了实验结果。     

基于ARSαS模型参数估计的雷达目标检测方法

由于杂波非高斯特性和相关特性的影响,传统的动目标检测(moving target detection,MTD)技术的检测性能严重下降,针对该问题,基于对称α稳定分布(symmetric α stable, SαS)杂波模型和自回归(auto regressive,AR)模型理论,提出了一种基于ARSαS模型参数估计的雷达目标检测方法。该方法基于SαS模型,通过幂变换抑制杂波的非高斯特性,以及通过基于广义尤拉〖CD*2〗沃克方程参数估计的AR模型白化杂波,应用快速傅里叶变换实现对目标信号的积累,以提高信杂比。仿真实验和实测数据验证表明,所提方法在非高斯相关杂波背景下的检测性能明显优于传统的MTD方法。     

基于SG-Alpha稳定分布模型的雷达目标Rao检测方法

非高斯相关杂波背景下的目标检测具有重要的实际意义,但在该背景下建立似然比检测模型非常困难。以SG-Alpha （subGaussian-Alpha）稳定分布作为非高斯相关杂波分布模型,导出了雷达目标的Rao检测模型。该模型适应于一般非高斯相关杂波下的目标检测,且易于实现。仿真及实测数据验证表明,在非高斯相关杂波条件下本文提出的方法明显优于传统的检测方法。     

基于粒子滤波的MIMO雷达目标似然比检测方法

针对多输入多输出（MIMO）雷达在非高斯杂波背景、信号参数随机或未知的情况下,难以建立目标统计检测模型的问题,基于粒子滤波方法,根据参数的概率分布函数抽取粒子,将复杂积分运算转化为求和运算求取似然函数,给出了一种MIMO雷达目标似然比检测的通用模型,解决了非高斯杂波条件下无法得到检测统计量的问题．以复SG-Alpha联合稳定分布作为MIMO雷达非高斯杂波分布模型,给出了基于粒子滤波的似然比检测方法．最后通过仿真实验给出了该方法在不同条件下的检测性能,并与传统MIMO雷达目标检测方法进行了比较,结果表明在非高斯杂波背景下该方法的检测性能要明显优于传统方法的．     

基于局部Radon-Ambiguity变换的ARM检测技术

针对反辐射导弹(anti-radiation missile,ARM)雷达回波信号的调频率特性,提出了基于局部Radon-Ambiguity变换(RAT)的ARM检测方法.该方法对导弹的初速度不敏感,也不需要对导弹加速度进行多通道相位补偿预处理.通过将RAT局部化,进一步缩小了检测区域和运算量,提高了检测效率.检测性能分析和仿真实验表明,该方法能够在较低信噪比环境下有效地检测ARM目标信号.     

基于GHF高斯粒子滤波的检测前跟踪算法

针对粒子滤波存在粒子退化,会导致检测前跟踪(TBD)算法的检测和跟踪性能下降这一不足,提出了一种基于高斯-哈密顿滤波(GHF)高斯粒子滤波的TBD算法.该算法基于高斯粒子滤波,采用GHF算法构造的重要性密度函数采样连续出现粒子,考虑了最新的量测信息,采样粒子更逼近于真实的后验概率密度,克服了粒子退化问题.仿真结果表明:与基本TBD算法相比,所提出的TBD算法提高了对目标的检测和跟踪性能.     

相关杂波背景下反辐射导弹的Rao检测方法

针对反辐射导弹(ARM)及其载机回波信号的不同特性,提出了一种抑制载机信号的方法。首先估计载机信号的多普勒频率,然后依据频率估计值对延时信号进行相位补偿,再与原信号相减来抑制载机信号。在抑制载机信号后,基于自回归(AR)模型分布的相关杂波假设,导出了ARM检测的Rao检测统计量。Rao检测方法的渐近性能与广义似然比检测(GLRT)相当,但结构更简单、更易于实现。仿真结果表明,所提方法可以有效地抑制强载机信号,实现弱ARM目标信号的检测。