基于ESPRIT-LS的幅相补偿参数估计算法

幅相补偿是多频带雷达信号融合一维距离成像中的关键问题,其补偿的精度直接影响了信号融合的最终效果。分析了多雷达信号融合中的幅度相位模型,并基于旋转不变技术提出一种新的幅度相位补偿参数估计方法。该方法首先对幅相补偿模型进行预处理,使得处理后的阵列导向矢量具有旋转不变特性,然后采用ES-PRIT-LS算法同时估计多个雷达的幅相补偿参数。仿真结果表明该算法具有较高的估计精度,受噪声影响较小。     

基于数据相关的多雷达融合成像相干配准研究

针对多频带雷达融合成像中不同雷达信号间的相干配准问题,提出了一种新的基于雷达测量数据相关的相干配准方法。该方法在相干配准时不需对各雷达数据分别建模,相对于现有文献中采用的基于信号模型的相干配准法,降低算法复杂度的同时消除了建模误差,提高了相位参数估计的精度。对相干配准后的各雷达数据,通过超分辨和最优迭代方法建立全局信号模型,并对空白频带进行数据预测,得到整个频域范围的目标频率响应。仿真结果表明,该方法相干配准时相位参数的估计性能和最终的融合成像性能均优于现有的模型相关方法,且具有良好的抗噪性能。     

基于GTD模型的多视角多频带ISAR融合成像

多视角多频带逆合成孔径雷达(inverse synthetic aperture radar, ISAR)融合成像技术克服了单雷达成像分辨率受发射带宽和观测视角的限制，是提高ISAR成像的二维分辨率的新手段。在宽带小角度观测条件下，针对目标散射系数随频率变化的情况，提出一种基于几何绕射理论(geometrical theory of diffraction, GTD)模型的多视角多频带ISAR融合成像方法。首先，以GTD模型为基础建立ISAR成像回波模型；然后，将多视角多频带ISAR融合成像问题转化为信号稀疏重构问题，并采用正交匹配追踪算法求解，在保证融合成像质量的同时提高了的成像效率；最后，利用仿真实验验证了所提方法的有效性。     

基于窄带雷达组网的高速自旋目标成像

针对单部窄带雷达无法获得高速自旋目标无失真二维像的问题,研究了基于多部窄带雷达组网的自旋目标无失真成像方法。首先在建立自旋目标窄带雷达回波模型基础上,分析了单基窄带雷达成像方法;然后分别研究了基于多幅窄带雷达图像配准的旋转对称目标和非旋转对称目标图像二维定标方法;最后,对配准后的各窄带雷达图像进行融合得到了目标的无失真二维像。仿真实验验证了本文方法的有效性,并分析了算法的鲁棒性。     

星载双基地SAR空间几何关系和信号模型

为了研究星载双基地SAR系统成像的相关问题,必须先建立其回波信号模型。根据星载双基地SAR雷达与目标的空间几何关系,确定了其多普勒参数表达形式,在此基础上建立了星载双基地SAR回波信号数学模型。通过仿真计算分析了信号模型中距离模型的误差,结果表明,误差对成像的影响完全在可接受的范围以内。将建立的信号模型应用于成像处理,成像结果正确,证明了回波信号模型的实用性。     

宽带线性调频雷达信号多普勒效应分析与处理

宽带线性调频信号是地基宽带成像雷达的一种常用波形。先推导了目标运动时宽带线性调频信号Stretch处理的雷达回波数学模型,利用宽带模糊函数(WBAF)分析了目标运动对该信号的影响,得出了该信号形式的多普勒容限,同时也分析了目标加速度对目标距离像的影响,并提出了该信号的多普勒处理补偿的方法与不需要加速度补偿的条件。模拟实验表明,宽带线性调频信号的多普勒效应分析与补偿处理方法是有效的     

多频带互相干处理中多目标相位补偿方法

雷达回波中往往存在不同速度的目标，并且不同频带信号之间存在依赖于速度的多普勒相位差异，该差异不能通过乘以统一的固定相位和线性相位得到补偿。本文针对此问题提出一种基于Keystone变换的多普勒相位补偿方法, 定义了一个新的慢时间变量, 将慢时间轴作为快频率的函数进行缩放, 从而对不同速度的目标同时完成多普勒相位补偿。通过仿真分析, 验证了算法的有效性, 为多频带、多目标信号相参处理中的互相干处理提供一种方法。     

一种宽带高分辨MVDR有效算法研究

研究了一种低计算量的宽带最小方差无畸变波束形成(MVDR)算法,利用频移和线性相位FIR低通滤波对阵列接收信号的复包络作窄带分解,对各子带信号的基带信号作最小方差波束形成,所以可将原始信号的采样频率降到接近处理频段的带宽大小,选择信号主要能量频带,可以减少处理子带个数,大大降低了运算量。仿真和湖试数据分析结果证明了该方法的有效性,且对弱目标分辨性能较好。     

时—频信号分析与雷达的多目标分辨

对于编队飞行的目标，由于它们之间的间距很小，常规雷达无法直接从距离和方位上区别目标。但利用目标回波多普勒频率的差别是有可能分辨目标的，这—般需要较长的相关处理时间。在这期间，目标本身的多普勒频率又是变化着的。本文分析了编队飞行目标多普勒频率的变化规律，指出多普勒回波信号的变化可以用线性调频（ＬＦＭ）信号模型来表示。本文提出了用时－频分析的方法来分辨编队目标，并用短时付氏变换（ＳＴＦＴ），Ｗｉｇｎｅｒ分布（ＷＤ）以及我们提出的自适应谱图（ＡＤＳＰ）方法对实测的雷达数据进行了分析。实验结果表明，自适应谱图具有与Ｗｉｇｎｅｒ分布相近的自分量信号分辨能力而没有其交叉项。它在噪声背景下的分辨性能大大优于Ｗｉｇｎｅｒ分布和短时付氏变换，因而是一种有效的多目标分辨方法。     

冲激雷达旋转目标成像方法

在分析超宽带（ＵＷＢ）雷达旋转目标回波信号频谱特性的基础上,提出了利用目标回波成像和利用目标冲激响应成像两种成像方法,导出了成像公式与点扩展函数。通过计算,给出了点扩展函数的数值解。结果表明,两种成像方法都达到了厘米级的成像精度,利用目标冲激响应成像有较大的图像动态范围。在冲激雷达实验系统上验证这两种成像方法,得到了金属球目标的雷达图像,证明这两种成像方法是可行的。     

Study of ultra-wideband radar signals-generated technology using two-channel signal generator

Synthesis of ultra-wideband (UWB) linear frequency modulation radar signals is a very important technology for microwave imaging, target identification and detection of low radar-cross-section (RCS) targets. A new method of UWB radar signals generation with two-channel signal generator is presented. The realization structure is given; the principle and errors of signal synthesis are analyzed. At the same time, an automatic adjustment measure of signal phase is proposed because of phase discontinuity of waveform in this method. The simulation experiment and analysis results indicate that radar signals with large instantaneous bandwidth can be generated by means of this method on the condition that the high-speed digital devices are limited.     

基于深层卷积神经网络和双谱特征的雷达信号识别方法

针对复杂电磁环境下利用人工提取特征识别雷达信号存在的主观性强、特征冗余的问题,提出了一种基于深层卷积神经网络的识别方法。该方法首先提取雷达信号的双谱信息作为深层卷积神经网络模型的输入,然后利用模型的自学习能力提取深层特征,实现对不同调制样式雷达信号的识别,最后对不同结构网络模型的识别结果进行对比。仿真实验结果表明,相比传统雷达信号识别方法,该方法对于不同调制类型信号的识别效果优异,并且在识别率、抗噪性上都有所提升。     

一种高分辨率雷达视频信号模拟器

首先分析了不同距离高分辨宽带雷达信号波形的回波模型。针对其中的调频步进距离高分辨雷达信号这一特殊信号形式,提出了一种基于ADSP2106X的雷达视频信号模拟器。该模拟器能够实时模拟调频步进宽带单脉冲雷达三通道I、Q信号,并具有角支路闭环功能,已成功地应用于某雷达系统的测试和调试中。     

基于VMD和特征融合的辐射源信号识别

在日趋复杂的电子对抗中,如何提高雷达辐射源信号(radar emitter signal, RES)识别率和抗噪性能是亟待解决的问题。为此提出了一种变分模态分解(variational mode decomposition, VMD)和特征融合相结合的RES识别方法。首先利用VMD算法对各雷达信号进行分解得到3个本征模态函数(intrinsic mode function, IMF);然后,对这3个IMF分量提取排列熵(permutation entropy, PE)和样本熵(sample entropy, SE)特征进行特征融合，构成六维特征向量；最后利用支持向量机对辐射源信号进行识别。利用6种不同的辐射源信号对该方法进行了验证,仿真实验结果表明,该方法在低信噪比(signal to noise ratio, SNR)下能取得较好的识别率,当SNR不低于0 dB时,六维特征向量的识别率达到100%,具有较强的抗噪性能。     

基于深层残差网络和三元组损失的雷达信号识别方法

针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。     

基于深层残差网络和三元组损失的雷达信号识别方法

针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。     

基于SRNN+Attention+CNN的雷达辐射源信号识别方法

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。     

一种盲信号恢复的特征向量算法

信号恢复是雷达声纳目标检测和通信信号处理的一项重要任务。基于特征向量估计(EVA)的信号恢复算法可以在未知信道和源信号先验知识的情况下,在较短的时间内实现信号的盲恢复。它是将均衡信道参数估计问题变为与交叉累积量矩阵、自相关矩阵有关的特征向量求解问题,并保证解的唯一性和收敛性。将该算法应用于单源-单接收元(SISO)的恒模变相信号、两种声学水池信号妁恢复,取得了较好的恢复效果。     

飞行器被雷达发现概率的计算方法研究

给出了飞行器遭遇多雷达探测系统时被发现概率的计算方法。首先根据飞行器的RCS(RadarCross Section)模型、飞行航路、雷达系统的特征参数以及坐标,计算出各个分雷达对飞行器的探测次数以及各次探测的状态参数,进一步计算出各次瞬时探测概率。累积各次瞬时探测概率,计算出各个分雷达的发现概率。最后,根据数据融合准则,计算出多雷达探测系统对飞行器的发现概率。该方法充分考虑不同方位飞行器的RCS不同这一特点,比固定RCS的方法更加接近实战情况;用累积发现概率取代传统的瞬时探测概率,更能反映飞行器在整个航路上遭受探测的情况;把多个雷达视为一个探测系统,更适合于现代雷达探测系统的发展方向。实际算例表明该方法是有效和可行的。     

一种基于DDS技术实现的雷达信号模拟器

介绍一种基于直接数字合成 (DirectDigitalSynthesis,DDS)技术的雷达信号回波模拟器的信号仿真及硬件实现方案。这种模拟器可以模拟生成脉冲雷达接收机末端的视频信号输出 ,并能灵活地实现对回波中的目标、噪声和杂波特性的控制 ,具有良好的可编程性。