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。     

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。     

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。     

基于前后向协方差矩阵投影的信源数估计算法

针对均匀线阵的信源数估计问题,提出了一种基于前向-后向采样协方差矩阵正交投影的多目标信源数快速估计算法。该算法将经过酉变换后的前向-后向采样协方差矩阵的列矢量做Gram-Schmidt (GS)正交化,并将正交化后矢量的模值与一个自适应判决门限做比较来估计信源个数。该判决门限根据阵列采样协方差矩阵估计误差的渐近分布特性推导得到。计算机仿真证明了该算法的正确性和有效性。     

海杂波的非广延分布模型

传统上常使用统计模型为海杂波建模,发现虽然统计模型可以很好地拟合实际海杂波的幅度分布,但是由于它不能很好反映出海杂波的物理特性,因此获得的分布参数不能用来检测弱小目标.针对上述缺点,采用Tsallis分布模型对海杂波数据进行建模,发现Tsallis分布不仅能够很好地拟合实际海杂波数据,而且获得的分布参教可以有效检测海杂波背景下的弱小目标.最后通过对Tsallis分布中的非广延参数q进行分析,发现海杂波具有介于随机模型与混沌模型之间的幂率敏感性.     

基于杂波脊先验信息的非均匀杂波抑制方法

机载雷达回波数据非均匀会在很大程度上削弱传统空时自适应处理算法的杂波抑制性能。为此,提出一种基于杂波脊先验信息的非均匀杂波抑制方法,利用机载雷达杂波信号在角度多普勒平面的谱分布信息构造导向矢量基,并在考虑阵元误差影响情况下,对待检测单元数据进行迭代的最小二乘拟合,最后对拟合后的剩余数据进行恒虚警检测处理。该方法充分利用了雷达系统参数及杂波谱分布等先验信息,并且不需要训练样本,可以较好地抑制非均匀杂波,从而改善机载雷达的检测性能。仿真实验验证了该方法的有效性。     

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。     

联合互协方差矩阵的快速波达方向估计

针对常规子空间类波达方向(direction-of-arrival, DOA)估计中存在的子空间分解计算量过大问题,提出了基于均匀线阵的联合互协方差矩阵(joint cross covariance matrix,JCCM)DOA估计算法。基于阵列划分和矩阵重构思想,将均匀线阵划分成两个子阵,在求得这两个子阵接收数据互协方差矩阵后,重构一个新的矩阵即JCCM,利用JCCM的部分数据进行线性运算即可得到等价的信号子空间,然后构造多项式并求根,最终实现波达角估计。理论分析和仿真实验证明,算法避开了对协方差矩阵的特征值分解运算,在保证估计精度可接受的同时,有效降低了计算量,取得了更高的估计速度。     

基于协方差矩阵对角加载的信源数估计方法

针对基于信息论准则的信源数估计方法在白噪声背景下具有良好的估计性能,但在色噪声背景下,利用信息论准则进行信源数估计时,会得到真实信源数目过估计的问题。为了将信息论准则推广应用到色噪声背景下,提出了一种改善色噪声背景下噪声特征值发散的特征值校正算法,首先采用对角加载技术平滑色噪声背景下的噪声特征值,然后对平滑后的特征值利用信息论准则估计信源数。仿真结果证明了该算法的有效性。     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时,基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

海杂波环境下改进的中值矩阵检测方法

考虑到最大特征值具有较优的信号检测能力,将基于信息几何的矩阵恒虚警率检测方法与最大特征值相结合,提出了基于最大特征值的改进中值矩阵恒虚警率检测方法。利用矩阵流形上不同的几何测度估计杂波的中值矩阵;采用协方差矩阵的最大特征值作为检测统计量,将最大特征值与不同的中值矩阵估计值相结合得到6种改进的中值矩阵检测方法。通过复杂度分析和基于仿真数据和实测数据的仿真实验验证了改进算法的有效性。     

非均匀拓扑网络中的分布式一致性状态估计算法

分布式一致性状态估计是传感器网络中节点对目标的一种有效的估计融合方法。针对网络非均匀拓扑情况下的一致性状态估计问题,首先,研究了分布式传感器网络一致性状态估计框架,提出了四级功能模型,从信息处理、交互及融合的角度描述了一致性状态估计技术的主要流程;其次,考虑网络非均匀拓扑时一致性收敛速度较慢的情况,根据节点间通信链接的重要性设计了基于动态拓扑信息的自适应权值分配方法,在此基础上提出了基于自适应加权的卡尔曼一致性滤波(adaptive weighted Kalman consensus filter,AW-KCF)算法。仿真结果显示,AW-KCF在非均匀拓扑的稀疏网络中具有较快的一致性收敛速度。     

部分均匀海杂波中雷达目标的平滑自适应检测

在部分均匀海杂波环境下,海杂波的瞬时功率波动起伏较大,导致海面目标检测的性能受到影响。为了减小此影响,引入一个平滑因子以实现对杂波功率的控制,提出了平滑〖CD*2〗广义似然比检测器(smooth generalized likelihood ratio test, S GLRT)。通过推导S GLRT的虚警概率表达式,表明其相对于杂波纹理分量的尺度参数具有恒虚警特性。在不增加计算复杂度的前提下,实验结果表明,在部分均匀的海杂波背景下,S GLRT优于GLRT。     

基于均匀圆阵伪协方差矩阵的单快拍测向方法

传统的单快拍测向算法只适用于具有Vandermonde形式的阵列流型, 均匀圆阵的阵列流型不具有Vandermonde矩阵结构, 因此大部分基于线阵的伪协方差矩阵的构造方法无法直接适用于均匀圆阵。针对该问题, 从侦察方的角度对波达方向(direction of arrival, DOA)估计算法进行了研究, 改进了伪协方差矩阵的构造方法, 提出了一种基于均匀圆阵的单快拍测向算法。通过与模式空间前后向平滑(mode forward-backward spatial smoothing, MODE-FBSS)算法的对比仿真, 验证了算法的有效性, 证实了所提方法的性能优于MODE-FBSS算法。     

海杂波背景下基于MBMC的低空风切变风速估计方法

当机载气象雷达在海杂波背景下探测低空风切变时,海杂波信号会覆盖低空风切变信号,造成风速无法准确估计。针对上述问题,提出了一种在海杂波背景下基于多波束多级联(multi-beam multi-cascade, MBMC)的低空风切变风速估计方法。该方法首先利用空时插值算法矫正机载前视阵海杂波的距离依赖性,然后对空间多波束联合时域三次滑窗后的输出再级联多普勒滤波器,构造得到降维变换矩阵,执行空、时域联合自适应处理,最后通过构造代价函数估计得到风场速度。仿真结果表明,在海杂波背景下本文方法可以实现风场速度的准确估计,且具有较好的稳健性。     

海杂波背景下基于MBMC的低空风切变风速估计方法

当机载气象雷达在海杂波背景下探测低空风切变时,海杂波信号会覆盖低空风切变信号,造成风速无法准确估计。针对上述问题,提出了一种在海杂波背景下基于多波束多级联(multi-beam multi-cascade, MBMC)的低空风切变风速估计方法。该方法首先利用空时插值算法矫正机载前视阵海杂波的距离依赖性,然后对空间多波束联合时域三次滑窗后的输出再级联多普勒滤波器,构造得到降维变换矩阵,执行空、时域联合自适应处理,最后通过构造代价函数估计得到风场速度。仿真结果表明,在海杂波背景下本文方法可以实现风场速度的准确估计,且具有较好的稳健性。     

期望信号稳健阻塞的协方差矩阵重构波束形成算法

针对期望信号导向矢量存在失配时自适应波束形成器性能下降的问题,提出期望信号稳健阻塞的干扰噪声协方差矩阵重构算法。首先,构造角度展宽的信号阻塞矩阵,完成回波数据中期望信号的分离,进而利用无污染的回波数据计算准干扰噪声协方差矩阵。接着,对准干扰噪声协方差矩阵做特征分解,借助矩阵投影变换完成干扰噪声协方差矩阵的准确重构。最后,对剔除掉干扰和噪声分量的采样协方差矩阵做特征分解,完成期望信号导向矢量的有效估计。理论分析和仿真结果表明,所提算法不仅具有近乎理想的性能,还具有较低的计算复杂度。     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题,提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量,提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换,得到各小波子带的系数,并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在,提出一种自适应的阈值检测方法,将原始回波信号与海杂波重构信号的差作为检测样本,实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验,验证了所提算法的正确性。     

滚动时域估计中先验估计误差协方差阵的递归算法

对滚动时域状态估计问题中先验估计状态和相应的误差协方差矩阵的计算方法进行了讨论。给出了滚动时域估计中先验状态的估计方法,并导出了与先验滚动估计状态相一致的误差协方差矩阵的递归公式。与其它的滚动时域估计方法相比,本文给出的方法能够提高估计的精确性,具有更好的估计性能。