分布式OFDM-MIMO雷达MTI处理

分布式频分正交复用多输入多输出雷达(orthogonal frequency division multiplexing multiple input multiple output,OFDM MIMO)是一种新型雷达系统。针对该雷达的杂波抑制问题,建立了该雷达的回波模型,分析了空间分集和发射频率分集对改善因子的影响,给出了该雷达的动目标显示(meving target indication,MTI)杂波抑制方法,并分析了提出方法的性能。较之传统发射相同载频信号的MIMO雷达,分布式OFDM MIMO雷达由于频率分集带来的处理自由度能改善多普勒频率落入MTI滤波器凹口的目标的检测能力。理论和仿真实验证实了提出方法的有效性。     

用混沌序列提高MIMO雷达多目标检测性能

基于混沌相位编码信号在相关性和随机性等方面的良好特性,提出了一种用混沌相位编码信号提高多输入多输出(multiple input multiple output, MIMO)雷达多目标检测性能的方法。取不同初始值代入混沌映射产生不同的混沌序列|通过均匀量化、四相编码得到混沌相位编码波形。通过多脉冲压缩累积有效降低混沌波形的互相关和自相关旁瓣,使得输出结果具有较低的旁瓣峰值,从而提高了MIMO雷达对多目标检测的性能。最后的仿真结果表明了该方法的有效性。     

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。     

波形正交性退化下机载MIMO雷达杂波模型与自由度分析

针对发射波形正交性退化影响机载多输入多输出（multiple input multiple output,MIMO）雷达的杂波特性,基于信号空间和子阵空间的变换原理,建立了波形正交性退化下的机载MIMO雷达杂波通用模型和标准模型。基于带限信号的最优逼近特性,分析了波形正交性退化下的空时等效阵列孔径变化规律,提出了杂波自由度（degree of freedom, DOF）的估计准则。最后,仿真验证了杂波模型及杂波自由度估计准则的有效性。     

分布式OFDM-MIMO雷达非相参积累目标检测方法

针对目标雷达截面积(radar cross section, RCS)空间起伏,不易于常规雷达进行长时间积累检测的问题,结合正交频分复用(orthogonal frequency division multiplexing, OFDM)波形与分布式多输入多输出(multiple input multiple output, MIMO)雷达的特点,提出了一种基于分布式OFDM MIMO雷达的非相参积累目标检测方法。该方法使获得的多路回波信号短时间内非相参并行处理,削弱了长时间积累、复杂的相位补偿以及RCS快起伏对检测性能的影响,有效实现了多个目标的积累和检测。仿真结果证实了提出方法的有效性。     

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。     

基于改进MAP方法的气象雷达风电场杂波抑制

雷达波束覆盖区域内风电场后向散射引起的杂波与气象目标回波具有类似的特性,进而影响气象目标参数估计的稳健性,导致气象雷达产生误检测与误识别。利用气象雷达二次产品(Level-II)实测数据,基于最大后验概率(maximum a posteriori,MAP)算法实现风电场杂波抑制。在传统MAP算法基础上,考虑气象雷达和风电场位置、地形等因素对雷达波束的影响,并将其作为先验信息来选取有效的气象雷达高仰角扫描数据,以此来改善风电场杂波的抑制效果。针对高扫及低扫区域内径向速度变化较为剧烈所导致的MAP杂波抑制算法性能下降的问题,基于气象目标参数随距离均匀分布特性,用风电场周围未污染气象目标的径向速度作为先验信息,对传统MAP算法抑制后的径向速度进行修正。为定量评价风电场抑制算法的性能,给出了定量评价风电场杂波抑制效果的性能指标,并利用气象雷达不同体扫模式VCP(volume cover pattern)下的Level-II数据对本文提出算法的有效性进行了验证。     

基于知识辅助的天波雷达海杂波抑制方法

针对天波雷达海杂波难以抑制且现有方法未充分利用先验知识的问题,提出基于知识的天波雷达海杂波抑制方法。所提方法利用脉冲重复周期、雷达工作频率、海平面风向、风速作为先验知识,结合海杂波谱模型及提出的基于知识的海杂波协方差矩阵估计方法,构造出基于知识的天波雷达海杂波协方差矩阵,将该矩阵加入最优滤波器设计中,得到基于知识辅助的天波雷达海杂波抑制方法。仿真结果表明,与现有方法相比,所提方法的海杂波抑制效果可提升3 dB以上。     

基于高分辨距离像的MIMO雷达波形设计

波形设计关系到多输入多输出（multiple input multiple output, MIMO）雷达目标检测和参数估计的性能,设计与目标高分辨距离像相匹配的发射波形可以提高雷达目标探测效果。在建立单站MIMO雷达模型的基础上,以最大化系统输出信号与干扰噪声比为准则,研究了波形设计的目标函数和约束条件,并在推导目标函数相位梯度的基础上提出了一种相位域恒模共轭梯度算法来解决该波形设计问题。仿真实验表明,由该算法设计的MIMO雷达相位编码信号可以在多次迭代后逼近理论最优波形的性能,该算法具有收敛速度快、性能稳定、运算量低的特点。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于混沌序列的MIMO雷达互补相位编码波形设计

多发多收(multiple-input multiple-output,MIMO)雷达使用相互正交的波形作为发射波形。用混沌序列可以在短时间内产生任意数量、任意长度的正交混沌相位编码波形。由于互相关和自相关旁瓣的影响,混沌相位编码波形作为发射信号时的脉冲压缩输出具有较高的距离旁瓣。提出一种通过遗传算法联合迭代算法,搜索设计混沌相位编码发射波形的最优互补波形的方法,使得这种互补发射结构能够有效地抑制高脉冲压缩输出距离旁瓣,从而提高MIMO雷达的目标检测性能,特别是对相邻弱小目标的检测性能。仿真部分基于4种常用混沌序列,与相关文献中波形进行比较,证明了该方法的有效性。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

一种迭代可分离的机载面阵雷达杂波抑制方法

为了解决传统空时自适应处理方法由于独立同分布训练样本不足无法有效抑制机载面阵雷达非均匀杂波的问题,提出了一种迭代可分离的机载面阵雷达杂波抑制方法。该方法首先通过雷达系统和载机平台运动参数先验知识构造杂波表示基矩阵,然后基于协方差矩阵匹配估计准则分别估计待检测单元的杂波空域和时域功率谱,接着按照线性约束最小方差准则计算待检测单元的空域和时域部分权向量,最后再结合杂波参数化模型和得到的空域和时域部分权向量计算空时滤波权向量用于处理待检测单元回波数据。该方法不需要训练样本,不需人为设置超参数,具有全局收敛性,即使存在距离模糊也可以有效地抑制机载面阵雷达回波数据中的非均匀杂波。仿真实验说明了本文方法的有效性。     

相控阵-MIMO雷达的相位编码信号设计方法

具有良好性能的正交编码信号是相控阵多输入多输出（multiple input multiple output, MIMO）雷达获得优良性能的前提。为得到对接收端噪声容忍度更高的编码信号,利用改进的离散粒子群优化（discrete particle swarm optimization, DPSO）算法,以接收端匹配滤波之后输出信号的性能为代价函数,将编码设计转化为约束优化问题,设计了可灵活编码的正交相位编码信号。新算法得到的编码信号有较低的自相关旁瓣和互相关干扰,在匹配滤波时其对噪声的抑制要好于已有算法,且能有效分离出多个目标。仿真结果验证了算法的有效性。     

知识辅助的机载MIMO雷达STAP非均匀样本检测方法

When the covariance matrix is estimated with training samples contaminated by target like signals, the performance of target detection in multiple input multiple output (MIMO) radar space time adaptive processing (STAP) decreases. Aiming at this deficiency, a knowledge aided (KA) generalized inner product (GIP) method for non homogeneous samples detection is proposed. Firstly the clutter subspace knowledge estimated by prolate spheroidal wave functions is utilized to construct the clutter covariance matrix offline. Then the GIP non homogeneity detector (GIP NHD) is integrated to realize the effective selection of training samples, which eliminates the effect of the target like signals in training samples on target detection. The simulation results show that compared with the conventional GIP method, the KA GIP method can screen out contaminated training samples more effectively and the target detection performance of MIMO radar STAP can be improved significantly. 〖JP2〗Thus the proposed KA GIP method is more valuable for practical engineering application.