海杂波协方差矩阵估计及其对目标检测性能的影响

在海杂波中检测有用信号,杂波的协方差矩阵需要利用参考数据进行估计,不同的估计方法对信号的检测性能产生不同的影响。首先,给出了几种杂波协方差矩阵估计,即样本协方差矩阵、正则化样本协方差矩阵、最大似然估计和渐进最大似然估计;然后,分析了海杂波数据的非高斯性和非平稳性;最后,利用正则化匹配滤波器作为信号检测器,分析了不同协方差估计对检测性能的影响。分析结果表明,由于实测数据的非平稳性,检测性能均比仿真数据获得的检测性能要差。而将杂波协方差矩阵的最大似然估计应用于检测器,能够获得较好的检测性能。     

复合高斯杂波中极化MIMO雷达的自适应检测

基于复合高斯杂波纹理分量服从逆伽马分布的假设和分布式极化多输入多输出(multiple-input multiple-output,MIMO)雷达阵元特点,建立了雷达极化信号模型,提出了一种基于最大后验概率（maximum a posteriori, MAP）估计和广义似然比检验(generalized likelihood ratio test, GLRT)的MIMO雷达极化检测器(MAP-GLRT),该检测器利用了辅助数据估计杂波协方差矩阵以实现自适应性。通过推导检测器的虚警概率表达式,表明其相对于杂波能量具有恒虚警特性。仿真结果表明,杂波形状参数和雷达信道数量会对MAP-GLRT检测器的检测性能产生影响;相比于其他检测器,MAP-GLRT检测器在检测性能上更有优势。     

基于逆高斯纹理空间相关性的雷达目标检测

高分辨海杂波可以采用复合高斯模型进行建模,纹理分量决定了杂波的非高斯特性以及后续的检测算法。传统自适应检测算法假设纹理在距离维独立同分布(independent and identically distributed, IID),忽略了实测海杂波纹理相关性。采用逆高斯分布建模纹理分量,提出了一种基于纹理空间相关性的自适应检测器。该检测器选取部分参考单元带入到似然比检测中,为待检测单元提供了散斑协方差矩阵信息和纹理信息。实测数据实验表明,该检测器相对于IID纹理假设下的最优检测器和自适应归一化匹配滤波器具有一定的性能提升。     

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。     

基于目标高斯分布的定位系统节点最优部署方法

针对三维空间定位系统中目标位置服从高斯先验分布假设条件下节点最优部署问题, 分析了纯方位目标定位算法中估计误差的费希尔信息矩阵, 推导出基于目标先验分布的克拉美罗界(Cramer-Rao bound, CRB)。为了解决目标位置在任意高斯分布时, 协方差矩阵为非对角阵的问题, 提出了基于三维坐标旋转的最大后验概率估计方法, 将协方差矩阵转化为对角阵以实现最小化CRB的迹, 从而得到定位系统中节点的最优部署。最后, 通过梯度下降算法对节点最优部署问题的理论推导进行仿真, 验证了该部署方法的有效性，同时仿真结果中不同节点部署方法的对比也表明了该方法可有效降低定位误差。     

基于相对距离准则的STAP协方差矩阵估计算法

针对杂波功率依距离缓变的非均匀环境,提出了基于相对距离准则的加权协方差矩阵估计算法。通过对加权最大似然估计概念的描述和原始问题的公式化,在相对距离准则下设计加权函数,使得在样本矩阵求逆(SMI)检测器的条件下,检测算法的相对距离达到最大,并给出了实用的近似加权系数求解方法。通过性能分析可知,在相对距离最大条件下估计的协方差矩阵的条件信杂噪比损失同时达到最大。最后的仿真分析也验证了该算法的正确性和有效性。     

基于最大似然估计的机载双基地雷达杂波抑制方法

首先建立了机载双基地雷达的杂波模型,然后分析了机载双基地雷达杂波谱的空时分布特性,比较了最大似然估计方法与其他几种常规估计方法的性能,最后在此基础上提出了一种新的基于配准的最大似然非均匀采样距离相关性补偿方法。该方法通过最大似然估计方法完成对双基地机载雷达杂波幅度的估计,并利用非均匀采样选取各训练样本的杂波谱中心实现对杂波谱的配准。仿真结果表明,在各种不同的双基地机载雷达配置情况下,该方法均可有效解决双基地机载雷达面临的杂波非均匀问题。     

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。     

逐步增加I型混合截尾试验下B-S部件的可靠性分析

在逐步增加I型混合截尾试验下,利用最大期望(expectation maximization, EM)算法讨论了Birnbaum-Saunders(B-S)部件的参数及可靠度的估计问题。将B-S分布复杂的分布形式转换成较为简单的逆高斯分布和逆高斯分布倒数的等加权和形式,推导出逐步增加I型混合截尾中隐藏变量的后验密度,进而获得部件寿命参数和可靠度的极大似然估计和渐近置信区间。蒙特卡罗数值算例表明,简化后的B-S分布在逐步增加I型混合截尾试验方案中,EM算法经过较少迭代即达到收敛。同时,通过对数据情形I和情形Ⅱ下的估计结果分析,给出了较一般截尾试验方式更为丰富的结论,使得相应的统计结果更加全面和精确。     

复合高斯杂波中子空间信号检测

针对复合高斯杂波中的子空间信号检测,研究了广义似然比检测器和恒虚警检测器。针对检测统计量分布特性非常复杂、难以获得检测概率解析式的问题,通过对检测统计量的分布特性做合理近似,推导了检测概率的近似解析式,为检测性能的分析和评估提供了便利。然后以悬停直升机的检测为例,验证了近似解析式的准确性,并分析了检测概率与信号参数的关系。     

非正侧阵机载雷达杂波谱迭代自适应配准方法

对于机载非正侧阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的协方差矩阵与真实协方差矩阵不匹配,导致空时自适应杂波抑制性能下降。基于配准的补偿(registration based compensation, RBC)方法通过时域平滑来估计空时谱,继而对地杂波的距离依赖性进行补偿,由于时域孔径损失使杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本文利用迭代自适应算法(iterative adaptive approach, IAA)进行空时谱估计,并重构各辅助距离单元协方差矩阵以实现杂波谱配准,称为IAA RBC算法。由于该算法不存在孔径损失,杂波谱配准精度更高。仿真实验表明,即使在样本中存在目标污染等干扰因素的情况下,所提方法相比传统的利用时域平滑的RBC方法也能获得更好的信噪比改善。     

Elevation estimation for low-angle target based on reflection paths suppression

In the signal processing for metrewave radar, the reflection paths of target echoes can cause severe error in the elevation estimation for the low-angle target tracking. The exact angles of the reflection paths are unknown beforehand, and therefore, the reflection paths can not be suppressed easily. Therefore, in this article, an improved reflection paths suppression approach is presented. A block matrix aggregate is constructed based on the possible angles of the reflection paths. Combined with the beamforming-like processing, a generalized maximum likelihood estimation is derived to optimize the estimation. Moreover, the noise reduction method based on the Toeplitz covariance matrix is used for better performance. This approach is applied to the real data collected by the low-angle tracking radar with 8-channel vertical array. The experiment results show that the reflection effects are reduced and the accuracy of the elevation estimate is improved.     

High resolution radar target adaptive detector and performance assessment

The high resolution radar target detection is addressed in the non-Gaussian clutter. An adaptive detector is derived for range-spread target based on a novel covariance matrix estimator. It is proved that the new detector is constant false alarm rate (CFAR) to both of the clutter covariance matrix structure and power level theoretically for match cases. The simulation results show that the new detector is almost CFAR for mismatch cases, and it outperforms the existing adaptive detector based on the sample covariance matrix. It also shows that the detection performance improves, as the number of pulses, the number of secondary data or the clutter spike increases. In addition, the derived detector is robust to different subsets, estimated clutter group sizes and correlations of clutter. Importantly, the number of iterations for practical application is just one.