基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

远距离支援干扰下双隐身飞机自卫相参干扰对单脉冲雷达影响

以复杂电磁环境下双隐身飞机自卫相参干扰对抗单脉冲雷达为研究背景,针对单脉冲雷达角欺骗问题,提出了远距离多假目标干扰下双隐身飞机自卫相参干扰模型。首先构建双隐身飞机姿态敏感性模型,提取即时雷达散射截面序列,依据目标回波与干扰信号对应关系,建立复合等效信干比模型。在此基础上,采用脱靶与有效干扰最小即时距离对双机干扰模式下雷达角跟踪误差形成评判指标。仿真表明，该组网干扰模式使雷达角跟踪误差提高696.49倍,比单一干扰模式使单脉冲雷达角跟踪误差平均提高1.07倍,检验了组网复合相参干扰样式的有效性。     

基于多约束条件遗传算法的雷达网优化部署

为深入研究实际阵地环境对雷达网优化部署的影响和制约,并探讨一种实用高效的优化部署方法,对实际阵地环境下的雷达网优化部署问题进行了深入分析,讨论了部署的简要约束条件及雷达网实际探测能力评估方法,并在此基础上进行了雷达网优化部署的多约束遗传算法设计。通过实例进行了仿真验证,结果表明,所述方法实用高效,对于实际阵地环境下的雷达网优化部署有较大应用价值。     

低噪声放大器的计算机辅助设计

讨论了频率捷变雷达系统中LNA的计算机辅助设计问题,并给出了一实用程序.用该程序设计生产的低噪声放大器已成功地用于某雷达中,其性能指标达到国内同类产品领先水平。     

单涂层吸波材料的优化设计及偏差研究

本文通过对单涂层吸波材料内电磁波传输损耗机理的细致研究，提出了单涂层吸波材料优化设计的两项原则。结合具体实例详细说明这两项原则的具体应用，最后讨论涂层电磁参量在偏离匹配条件的情况下，对涂层吸波性能影响的具体结果分析。图３．表１，参３。     

被动雷达导引头多脉冲辐射源的角度分辨与跟踪

讨论了被动雷达导引头主波束内存在多脉冲辐射源时对多辐射源进行角度分辨并跟踪某一辐射源的方法。首先利用聚类分析法实现多辐射源角度分辨 ,然后利用主波束角度压缩方法实现单一辐射源跟踪。计算机仿真结果表明 :在中等密度脉冲辐射源环境下 ,采用聚类分析和主波束角度压缩相结合的方法可较好地实现导引头主波束内多脉冲辐射源的角度分辨与单一辐射源跟踪     

小波多尺度分解及其在SAR图象目标检测中的应用

合成孔径雷达图象的目标检测是最重要的任务之一.目前用于目标检测的现有方法速度较慢、准确率较低、精度较差.作者提出小波分解的方法用于目标检测.同尺度目标检测采用二维离散二进小波分解方法,提高检测速度.不同尺度的目标检测采用多尺度二维离散小波分解方法,提高检测准确率.图象匹配采用灰度归一化的灰度相关匹配方法,提高匹配精度.实验证明,采用该法进行目标检测能获得较好的效果.     

基于常规相参雷达实现目标横向一维成像

本文利用ＩＳＡＲ技术对常规相参雷达实现目标横向一维成像问题进行了研究，着重提出了一种基于回波相位差进行相位拟合的运动补偿方法。与以往的方法相比，这种方法具有运算量小，适用范围广等优点。