基于逆协方差矩阵估计的杂波抑制方法

分析了机载双基地雷达杂波分布的特点,并基于杂波逆协方差矩阵的特性提出了基于逆协方差矩阵估计的机载双基地雷达杂波抑制方法。首先利用常规方法估计得到邻近距离门的协方差矩阵;然后利用邻近距离门的逆协方差矩阵对待检测距离门的逆协方差矩阵进行估计;最后通过传统的空时自适应处理方法完成对杂波的有效抑制。仿真结果表明该方法可明显改善机载双基地雷达的杂波抑制性能。     

不敏空时自适应处理算法

针对空时自适应处理(STAP)的非均匀检测环境,提出了一种新的不敏空时自适应处理算法.该算法通过对有限的非独立同分布(non-i.i.d)数据应用不敏变换(UT)来获得近似估计的协方差矩阵,即将原始的非均匀数据到其所对应的均匀数据看作一种特殊的非线性变换,利用不敏变换(UT)估计非均匀数据经非线性变换后所对应均匀数据的协方差矩阵,有效地降低了非均匀特性的影响.仿真结果验证了该算法在非均匀环境下具有良好的运动目标检测性能.     

基于协方差拟合准则的降维空时自适应处理方法

最优空时自适应处理方法由于计算量大且需要大量的训练样本来估计杂波协方差矩阵而无法满足实际应用,针对此问题,本文提出一种基于协方差拟合准则的降维空时自适应处理方法.该方法首先对每个阵元收到的回波信号进行时域滤波,然后通过协方差拟合准则构造了在高斯信源下与最大似然估计器渐近等价的优化问题,同时我们将协方差拟合优化问题转换为...     

基于重构协方差矩阵空时二维杂波抑制方法

针对杂波环境严重非均匀导致协方差矩阵估计失真、空时自适应处理性能下降的问题,提出了一种杂波协方差矩阵重构方法,并利用重构的杂波协方差矩阵实现杂波抑制。该方法充分利用了载机速度给定时杂波分布轨迹已知这一先验知识,考虑了天线方向图的调制,通过改变空时相关函数调节杂波带宽,可以实现任意杂波协方差矩阵重构。计算机仿真分析和实测数据处理结果表明,所提出的方法在非均匀杂波环境中,与小自由度的降维自适应算法相比具有更好的动目标检测性能。     

基于同伦稀疏STAP的低空风切变风速估计

在机载气象雷达前视阵下,由于杂波的距离依赖性导致独立同分布(independent identically distributed, IID)训练样本严重不足,传统的空时自适应处理(space-time adaptive processing, STAP)算法性能下降,风场速度估计不准。针对此问题,提出一种基于同伦稀疏STAP的低空风切变风速估计方法,该方法仅需少量IID训练样本就能够达到较好的风场速度估计效果。首先,利用同伦稀疏恢复算法估计杂波协方差矩阵,从而重构出高分辨率的杂波空时二维谱。然后,通过求解STAP处理器的最优权矢量自适应滤除杂波。最后,实现对风场风速的准确估计。仿真结果证明所提方法的有效性。     

基于频心法的STAP非均匀检测器

针对杂波谱移动非均匀和功率非均匀现象,提出了"频心"法非均匀检测器。该检测器利用杂波谱移动非均匀和功率非均匀环境下杂波散射中心频率和能量随距离变化这一特点进行非均匀样本选取。仿真结果证明这种非均匀检测器在杂波谱移动非均匀和功率非均匀环境下具有较好的非均匀检测性能。     

基于子空间估计的MIMO阵列降维STAP方法

当对多输入多输出(multiple input multiple output, MIMO)阵列进行空时自适应处理时,由于MIMO阵列虚拟孔径增大,相对常规相控阵列能够更好地抑制杂波和干扰,但其所需样本数据量大且计算复杂度高,工程实际中难以应用。提出基于子空间估计的MIMO阵列降维空间自适应处理（space time adaptive processing, STAP）方法,该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间,并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵,通过“逼零”方法求得MIMO阵列系统的空时权矢 量。仿真结果表明,当存在非理想因素影响时,该方法能够有效抑制杂波和干扰且降维运算量更低。     

空时自适应处理的直接数据域方法

在非均匀环境下，由于辅助数据不能准确反映待测距离门的统计特性，传统的空时自适应方法将不能有效地抑制干扰。介绍了机载雷达在非均匀杂波环境下的基于直接数据域的空时自适应信号处理方法。这是一种确定性的最小二乘自适应信号处理方法，通过“快拍-快拍”数据来确定零化干扰的自适应权值。这种方法不需要通过邻近距离门的辅助数据来估计样本协方差矩阵，避免了矩阵求逆运算，可实时运行。仿真结果表明，这种方法可以在非均匀杂波环境下有效地抑制干扰。     

时间平滑ML协方差矩阵估计算法及性能分析

以最少的快拍数得到最好性能的协方差矩阵估计是我们追求的目标,虽然这很难实现。由于对称阵列的协方差矩阵具有中央Hermitian性质,因而可以在协方差矩阵估计中加以利用。这种性质,体现在通过时间域平滑。分析给出了新算法的实现方法和概率密度函数,并通过MonteCarlo仿真,对算法的各种性能进行分析,表明该算法在相同快拍数时,比传统最大似然算法具有更小的误差性能。     

基于协方差矩阵加权的阵列波束优化方法

针对目前二阶统计量加权波束形成存在的能量波束输出有负值和高旁瓣问题,提出了基于协方差矩阵加权的,适用于任意阵结构和阵元指向性传感器阵列的三种优化波束形成方法.一种是设计波束以最小加权均方误差逼近期望波束方法;另一种是旁瓣约束高增益协方差矩阵加权波束形成;第三种是主瓣约束条件下最低旁瓣协方差矩阵加权波束形成.这三种波束优化问题都可以转化为二阶锥约束优化形式,应用已有内点方法求出加权矩阵的数值解.计算机仿真和实验数据处理表明,它们均克服了高旁瓣和波束输出有负值的缺点,获得了不同约束条件下的最佳协方差矩阵加权波束.     

一种基于灰色距离测度的小样本数据区间估计方法

针对小样本试验数据的概率分布特征有时无法确定,传统概率统计就无法提供相应的参数估计方法的问题。基于灰色关联理论,首先定义了基于试验数据之间的拓扑关系和距离关系的灰色距离测度,通过对灰色距离测度的灰色生成得到小样本数据的参数估计值,并给出了满足一定灰色置信度下的参数置信区间。继而讨论了概率参数估计与灰色参数估计之间的区别。最后利用计算机对小样本试验数据的参数估计进行了仿真举例,示例结果表明所提方法简单合理,能有效地解决小样本数据参数估计的有关问题。     

Improved STAP algorithm based on APES

Space-time adaptive processing(STAP) has been proven to be one of the best techniques capable of detecting weak moving targets in strong clutter environment and has been widely applied in airborne ground moving target indication(GMTI) radar.This paper applies an amplitude and phase estimation(APES) approach to two aspects of the STAP algorithm.Firstly,APES is applied to accurately describe the clutter characteristic in angle-Doppler domain.Then,APES is incorporated into the standard STAP algorithm to improv...     

端射阵机载雷达STAP单脉冲测角方法

端射阵列雷达是新体制雷达发展的一个重要趋势,因其具有低剖面和定向辐射特性,特别适合用于机载雷达的补盲。但由于端射阵天线方向图的特殊性,其主瓣宽度比相同天线尺寸的侧射阵宽得多,这势必会导致传统自适应单脉冲测角方法性能下降。本文提出了一种基于三维空时联合约束的自适应单脉冲测角方法,将传统自适应单脉冲测角问题扩展到俯仰-方位-多普勒三维空间,利用三维杂波特性克服波束过宽所带来的问题,并可同时测出目标的方位角和俯仰角,表现出较为优越的角度估计性能。计算机仿真结果验证了该方法的有效性。     

基于非参数核密度估计的Copula函数选择原理

在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.在金融市场风险分析中,准确刻画金融资产间的相关结构非常重要.因此在给定的Copula函数族中,选取合适的Copula函数来捕捉金融资产间的相关结构尤其关键.鉴于此,基于核密度估计建立了一种新的Copula函数选择方法——核密度选择原理,并通过蒙特卡罗模拟,将核密度选择原理与常用的基于AIC准则和基于经验Copula函数的Copula选择原理的选择效果进行了系统比较.实验表明,核密度选择原理不仅避免了求Copula函数的密度函数,而且选择效果最好.     

机载雷达三维空时自适应相关域降维算法

由于利用了俯仰维的自适应能力,三维空时自适应处理(three-dimensional space-time adaptive processing, 3D-STAP)能够获得比传统二维空时自适应处理(2D-STAP)更好的性能,但同时在运算量和采样数目的要求都将急剧增大。为了克服这个问题,提出了一种基于相关域的机载雷达三维空时自适应降维算法,即利用空时相关矩阵的子矩阵,将最优空时处理的二次代价函数转化为两个二次代价函数,并迭代求解这两个二次代价函数的两个低维权向量,所提算法能够明显降低计算复杂度和样本数目要求。基于仿真和实测数据的实验验证了算法的有效性。