主瓣干扰下混合极化系统单脉冲角度估计方法

当压制干扰源与目标方向相临近时,雷达天线对干扰信号的接收增益很大,形成主瓣压制干扰,对雷达目标检测、角度测量与跟踪构成严重威胁。运用极化滤波手段可以有效抑制主瓣压制干扰、提升雷达目标检测能力,但其滤波输出数据中的目标单脉冲比受到剩余干扰、目标交叉极化耦合等诸多因素影响,导致角度测量存在偏差。这某些情况下,这种角度偏差将难以忽略,甚至导致测角完全失效。本文基于混合极化单脉冲系统,本文提出一种抗主瓣压制式干扰的目标角度估计方法,通过对正交极化和、差通道的极化滤波与极化综合,实现目标角度无偏估计,完善了极化滤波方法在单脉冲系统中的应用。     

主瓣掩护式干扰背景下单脉冲雷达角度估计

主瓣掩护式干扰会导致单脉冲雷达的探测、跟踪、识别性能严重下降，如何在该场景下进行目标角度估计是单脉冲雷达面临的经典问题。为解决该问题，提出了一种单脉冲雷达目标角度估计算法，该算法运用残差矩阵Frobenius-范数(以下简称残差矩阵F-范数)最小化准则提取目标回波及干扰信号并估计其来向。仿真结果表明，该算法相比主瓣干扰对消(mainlobe jamming cancellation, MLC)算法，测角精度更高，稳定性更强。     

双基地机载雷达杂波和主瓣压制干扰抑制方法

当干扰从雷达波束主瓣进入时，传统的空域抗干扰方法不仅无法抑制主瓣干扰，还会引发主瓣畸变、旁瓣抬升等问题，严重影响机载雷达目标检测性能。针对该问题，提出了一种基于双基地配置的机载雷达杂波和主瓣压制干扰抑制方法。该方法首先针对主、辅雷达分别形成多个相邻空域波束；然后，对波束形成后的数据进行脉冲多普勒(pulse Doppler, PD)处理，并在距离-多普勒域对主、辅雷达的干扰信号进行配对处理。在此基础上，在主、辅雷达对应的多普勒通道通过时域自适应滤波抑制干扰；最后，联合相邻波束的数据通过降维空时自适应处理(reduced-dimension space-time adaptive processing, STAP)抑制剩余的杂波。仿真结果表明，所提方法能够有效抑制杂波和主瓣压制干扰，与传统采样矩阵求逆(sample matrix inversion, SMI)方法和局域联合处理(joint domain localized, JDL)方法相比，对信干噪比性能分别改善了约20.6 dB和21.5 dB。     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先,分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后,通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

时域离散类主瓣干扰下基于样本识别的雷达和差测角方法

时域离散类主瓣干扰在时域上处于离散状态，干扰训练样本不易提取，其样本纯度将直接影响干扰抑制效果和目标测角性能。针对时域离散类主瓣干扰背景下的雷达干扰抑制和目标角度估计问题，提出了一种时域离散类主瓣干扰下基于样本识别的雷达和差测角方法。该方法利用了目标和干扰在和、差通道的时域相关性差异，由此提取纯净的干扰训练样本，然后利用空域方位维、空域俯仰维的正交性进行时域离散主瓣干扰抑制，同时估计目标角度。理论推导和仿真实验表明所提方法具备时域离散类主瓣干扰背景下的较好的雷达测角能力。     

高分辨极化雷达检测中极化滤波器的选择

针对高分辨极化雷达检测中极化滤波器的选择问题,提出了在检测中根据干扰信号极化度的估计值大小,选择干扰抑制极化滤波器对回波进行极化滤波,或者选择信干比较大极化通道信号的检测方法。仿真实验结果表明,在干扰信号极化度未知且变化时,该方法可以保证检测器输入端具有较高的信干比,从而有利于提高检测性能。     

基于频控阵MIMO雷达的低复杂度稳健波束形成算法

频控阵(frequency diverse array, FDA)多输入多输出(multiple input multiple output, MIMO)雷达基于发射端调制而具备的距离维自由度为主瓣干扰提供了抑制方案。结合自适应波束形成算法, 频控阵MIMO雷达能有效抑制主瓣范围内欺骗干扰信号, 但存在的信号环境复杂、导向矢量失配、采样快拍不足等问题将使算法性能恶化。针对该问题,提出了一种基于频控阵的低复杂度的稳健自适应波束形成算法。仿真实验表明, 相比于其他自适应波束形成算法, 所提算法在低信噪比(signal to noise ratio, SNR)低采样快拍且存在导向矢量失配等非理想条件下形成的波束稳健性更强、计算复杂度更低, 有效实现了对目标的指示和对干扰的抑制, 克服了其他算法在非理想条件下性能恶化的问题。     

EPC-MIMO雷达主瓣距离欺骗式干扰抑制方法

主瓣距离欺骗式干扰对真实目标的估计精度以及目标跟踪的准确性都会产生极大的影响。针对主瓣距离欺骗式干扰抑制问题,基于脉冲编码-多输入多输出(element pulse coding-multiple input multiple output, EPC-MIMO)雷达,针对主瓣距离欺骗式干扰的脉冲重复频率(pulse repetition frequency, PRF)大于等于两个发射脉冲重频情况,提出了一种抑制主瓣距离欺骗式干扰的算法。在EPC-MIMO雷达主瓣距离式干扰抑制算法中,首先利用线性调频信号对雷达系统中雷达发射-接收通道的信号进行幅相误差校正;其次通过分析雷达回波中真、假目标的脉冲信号差异,对EPC-MIMO雷达的回波进行匹配分离,从而获得转发式干扰的规律;最后对雷达回波的筛选达到抑制假目标的目的。通过对雷达实测数据的分析,验证了该方法能够有效解决主瓣距离欺骗式干扰抑制问题,提升雷达在复杂电磁环境的抗干扰性能。     

一种改进粒子滤波器在雷达目标跟踪中的应用

在实际雷达目标跟踪系统中,雷达量测常受到闪烁噪声干扰,传统卡尔曼或扩展的卡尔曼滤波算法在闪烁噪声环境下,滤波性能将急剧下降甚至滤波发散。提出了将粒子滤波与无迹变换结合的改进粒子滤波算法UPF(uncented particle filter)应用在雷达目标跟踪中,解决了闪烁噪声情况下雷达目标跟踪问题。仿真结果表明,在高斯条件下扩展的卡尔曼算法和基于无迹变换的粒子滤波算法跟踪性能相近,但在闪烁噪声环境下,随着闪烁影响的增强,扩展的卡尔曼算法跟踪性能严重下降,而UPF算法能保持较好的跟踪精度。     

基于FDA-MIMO雷达的主瓣SMSP干扰空时域联合抑制方法

主瓣干扰由于与真实目标位于同一个雷达波束宽度, 不仅会严重降低雷达对真实目标的检测与跟踪性能, 更难以在波束层面上受到抑制。来自主瓣的频谱弥散(smeared spectrum, SMSP)干扰可以在时频域对目标信号进行遮盖, 更可在空域上形成多个具有欺骗效果的假目标。针对此问题, 提出一种基于频控阵-多输入多输出雷达的空时域联合抑制方法, 利用盲源分离算法将目标与干扰分离在不同通道, 在获得目标距离信息后进行距离- 角度联合波束形成, 以提高输入信干噪比。该方法可以在不具有目标的距离先验信息条件下有效抑制主瓣SMSP干扰, 因此具有很好的适用性, 仿真实验验证了所提方法的有效性。     

Scheme of adaptive polarization filtering based on Kalman model

1.INTRODUCTIONIn modern high technology war,the electroniccounter measures(ECM)and precise guidance tech-nology are rapidly developed and becoming the re-search hotspot of militarysciencefor all the countries.The guidance missiles are the main weapons andhigher anti-jamming ability and guidance precision arerequired for guidance radar.For the active mono-pulse guidance radar,the angle information of thetarget is obtained by usingthe angle measured methodof amplitude sum/difference or pha…     

基于距离-多普勒域的电离层杂波极化抑制方法

斜投影极化滤波是高频地波雷达(high frequency surface wave radar, HFSWR)抑制干扰的有效方法。分析了干扰估计误差对斜投影极化滤波器性能的影响,指出多普勒处理后的电离层杂波较处理之前具有更高的干噪比,在距离 多普勒域处理可获得更佳的估计精度和干扰抑制效果。提出一种基于距离 多普勒域的电离层杂波极化抑制方法,并使用实测数据对其处理效果进行验证。对某HFSWR实验系统实际录取的数据处理结果表明,电离层杂波干扰得到有效抑制,信干比改善可达15 dB以上。     

基于二次补偿的FDA-MIMO雷达抗主瓣欺骗式干扰方法

主瓣欺骗式干扰与真实目标具有相同角度, 传统相控阵雷达无法在空域对其进行区分, 严重降低了对真实目标的探测性能。针对此问题, 本文在频率分集阵列多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达中提出一种基于二次补偿的抗主瓣欺骗式干扰方法。首先, 通过对脉内主值距离进行前移补偿和对距离频率进行后移补偿, 等效于将欺骗式干扰从方向图主瓣搬移到旁瓣。然后, 借助奇异谱分析技术进行样本筛选以获得干扰协方差矩阵。最后,利用自适应波束形成的方法对干扰进行抑制。仿真实验验证了所提抗干扰方法的有效性。     

高频地波超视距雷达的极化滤波技术研究

在极化域内分析了按输出干扰最小为原则的极化滤波算法固有的抗干扰能力 ,指出了其抗干扰能力的有限性。对高频地波超视距雷达抑制天波电台干扰问题进行了研究。提出了单通道加权法 ,有效地减小了极化不匹配损失 ,提高了极化滤波的抗干扰能力。最后讨论了实际系统中 ,天线的去极化作用及其补偿方法。     

基于波形捷变的多传感器机动目标跟踪

针对现代战场中目标往往采用机动方式运动的情况,为了提高目标跟踪的准确性和精确性,结合多传感器数据融合的优点,提出了一种基于波形捷变的多传感器机动目标跟踪方法。该算法通过波形捷变来改变量测的精度。首先在现有文献的基础上,将波形捷变方式推广到二维空间,把雷达量测的克拉美罗下限（Cramer-Rao lower bound,CRLB）近似为量测误差协方差,由于该CRLB是关于发射波形参量的,从而把雷达跟踪的信号处理与数据处理结合在一起,通过波形参量的动态选择得到量测误差协方差的最小值。从而在整个雷达跟踪过程中提高信噪比（signal to noise ratio,SNR）,降低量测误差。其次,在数据处理上,采用多传感器数据融合及粒子滤波进一步提高机动目标跟踪的精度。最后,将该算法与传统的Kalman滤波、粒子滤波及只对一维空间的量测采用波形捷变的算法和交互多模型方法（interacting multiple model,IMM）进行仿真比较,仿真结果显示该算法对机动目标的跟踪精度显著提高。     

基于稳健协方差矩阵的ADS-B压制式干扰抑制

压制式干扰是广播式自动相关监视(automatic dependent surveillance broadcast, ADS-B)系统面临的最常见且最有威胁的干扰之一。提出基于稳健协方差矩阵估计的ADS-B压制式干扰抑制算法。首先,考虑了ADS-B信号的脉冲特性,将协方差矩阵的求解转化成凸优化问题。然后,利用求解凸优化问题得到的稳健协方差矩阵设计最优权矢量。最后,对观测信号进行空域滤波,完成ADS-B的压制式干扰抑制,并对抑制结果进行性能分析。提供的仿真实验结果也验证了算法的有效性,该方法不需要知道ADS-B信号来向,且在非高斯噪声情况下同样有效。     

基于粒子滤波与层级形状描述的红外目标跟踪

提出了一种基于粒子滤波和层级形状描述的红外目标跟踪新方法。在粒子滤波理论框架下,观测概率模型的建立是影响红外目标跟踪性能的重要因素,而红外目标描述是建立观测概率模型的基础。针对红外成像特性,以梯度直方图和空域金字塔技术为基础,建立层级梯度直方图,实现红外目标的层级形状描述。通过计算参考目标的层级梯度直方图与目标样本的层级梯度直方图之间的Bhattacharyya距离,建立观测概率模型。两种不同场景特性的红外目标跟踪实验和对比实验分析都表明该方法是有效的、稳健的。     

基于捷变频联合数学形态学的干扰抑制算法

数字射频存储器(digital radio frequency memory, DRFM)通过截获雷达发射信号并对其进行调制和转发,在距离维上形成欺骗式干扰,严重影响了雷达对目标的检测与跟踪。针对这一问题,提出一种捷变频联合数学形态学的密集假目标干扰抑制算法。首先,采用最大类间方差法(Otsu)对脉冲压缩后的数据进行二值化处理。然后,通过数学形态学中的开运算抑制干扰和噪声。最后,通过二维稀疏重构获得距离-速度二维高分辨,实现对目标的检测。仿真实验与实际雷达和干扰机对抗实验表明,该方法可以获得良好的抗干扰性能和目标检测性能。     

机动目标跟踪的斯-厄米特粒子滤波算法

闪烁噪声环境下的机动目标跟踪实质上是一个非线性非高斯系统滤波问题,为了提高跟踪精度,应用高斯-厄米特滤波方法来产生粒子滤波器(PF)的重要密度函数,解决了PF算法的粒子退化问题,并给出了基于高斯-厄米特粒子滤波器(GHPF)的闪烁噪声机动目标跟踪算法。仿真结果表明,各种PF算法对闪烁噪声机动目标的跟踪精度远远好于卡尔曼滤波方法;同时GHPF不仅提高了估计精度,而且减少了粒子数目,降低了算法的复杂度,因此其综合性能要好于其他PF算法,具有较高的跟踪精度和较好的实时性。