基于稀疏重构的海杂波抑制和目标提取算法

在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性.针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏...     

基于多重分形模型的海杂波特性分析与仿真

在分析实测雷达海杂波数据时域特性的基础上,发现海杂波具有长时相关特性,且在较大的范围内具有尺度不变性,因此,利用多重分形模型可以较好的刻画海杂波的复杂特性。在此基础上,提出一种基于小波多重分形模型的海杂波建模与仿真方法。实验结果表明该方法可以较好的模拟海杂波的统计特性和多重分形特性,并且具有较小的计算量,为雷达海杂波的建模和仿真提供了一条新的思路和有效手段。     

一种改进的OTHR自适应海杂波抑制方法

海杂波抑制严重限制天波超视距雷达(over the horizon radar, OTHR)系统对低速舰船目标检测能力的主要原因之一。针对自适应海杂波抑制方法中当杂波与目标多普勒频率接近时存在目标谱峰分裂或目标谱峰偏移的问题,提出一种采用运动目标显示（moving targetindication, MTI）与基于特征值分解的自适应杂波抑制相结合的改进的特征值分解（modified eigen value decomposition, MEVD）海杂波抑制方法。该方法通过MTI滤波器抑制目标谱峰内杂波,之后通过自适应抑制方法抑制其他杂波,具有同时抑制一阶和高阶海杂波的能力,提高了目标信杂噪比,有助于提高OTHR对舰船目标的检测性能。理论分析、仿真实验和实测数据处理结果均验证了MEVD方法的有效性。     

基于离散小波变换的滤波方法研究

推导出了经过多次离散小波变换后，白噪声在不同尺度上方差的另外一种表达式，应用到小波域硬阈值滤波中，通过数字仿真发现，二进小波的计算量较大，滤波效果较好，离散小波的计算量较小，滤波效果稍差，并对原因进行了说明。     

蒸发波导环境中基于ZMNL的海杂波仿真

针对海上蒸发波导环境中雷达目标的识别,提出了蒸发波导中基于零记忆非线性变换(ZMNL)的海杂波实现方法。该方法确定了海杂波K分布参数与蒸发波导高度间的关系,可得到不同蒸发波导高度、不同探测距离处的相关K分布杂波序列。给出了应用该方法产生杂波的具体步骤,仿真实验证明了该方法用于蒸发波导中海杂波建模的有效性。     

舰载跟踪雷达MTD信号处理机海杂波的抑制

海杂波的干扰是限制舰载雷达目标的检测和跟踪的重要因素。在简要分析全相参体制跟踪雷达一般组成和对 Ｍ Ｔ Ｄ 信号处理机设计的特殊要求后,重点探讨了适用于该体制的跟踪雷达 Ｍ Ｔ Ｄ 信号处理机海杂波抑制问题。     

基于RBF神经网络的海杂波建模

从相空间重构理论出发，构造了一个RBF神经网络预测器来重构海杂波的内在动力学，并且利用这个确定性的模型时海杂波的演变进行预测。为验证模型的推广性能，采用了多步预测。对雷达采集的实际海杂波数据的实验结果表明，这个确定性的模型可以很好地追踪海杂波的演变。文中还分析了该RBF神经网络预测器在不同高斯白噪声条件下的预测性能，得出了其预测误差与杂噪比（CNR）的关系。     

基于稀疏恢复的双基地机载雷达杂波抑制方法

基于杂波谱稀疏恢复(sparse recovery, SR)的空时自适应处理(space-time adaptive processing, STAP)技术对训练样本个数要求低,适用于杂波非均匀环境。然而在双基地配置下,杂波脊不落在均匀网格点上,这将造成网格失配,严重影响SR-STAP方法性能。针对双基地机载雷达杂波的网格失配问题,提出了一种利用杂波脊先验信息划分非均匀网格的SR-STAP方法,所提方法首先由导航系统或参数估计方法获得待检测单元的杂波空时轨迹,然后根据杂波空时轨迹和均匀划分的空间频率确定初始归一化多普勒频率集合,接着根据可调参数更新归一化多普勒频率集合,最后构造对应的非均匀字典。所提方法可适用于任意双基地配置情况。仿真结果表明,应用非均匀字典的SR-STAP方法的杂波抑制性能较传统均匀字典有较大提升,并能在非理想条件下表现稳健。     

基于复数小波变换的景像匹配算法

讨论了一种基于复数小波变换的景像匹配算法 ,并以此算法为基础给出了一个高效的景像匹配模型。依据生物视觉的空间频域通路思想 ,利用复数小波移动不变性 (shiftinvariance)和实数离散小波快速算法 (Mallat快速算法 )将图像分解成多层 ,模拟生物视觉的感知过程 ,分别在高、低空间频域内进行了由粗到精的快速匹配。通过实验证明 ,与传统的景像匹配算法相比具有速度快、匹配概率高、抗干扰能力强等优点。     

一种基于小波包变换的反辐射导弹检测技术

针对雷达回波中的载机为单频信号且占主导地位,而导弹为宽带调频信号,应用正交小波包变换可以分离不同频带的回波信号的特点,提出了一种应用小波包变换检测反辐射导弹(ARM)的方法。其中小波包系数反映信号在相应频段的能量分布,依据小波包能量进行自适应阈值处理,小波包重构后即可有效抑制回波中的强载机分量。仿真显示,这种方法能够将微弱的ARM信号有效地检测出来。     

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。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition,K-SVD）算法学习海杂波和目标的稀疏域主成分特征,得到相应的学习字典,抑制海杂波并对目标信号稀疏重建,解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题;并通过算法参数的分析和优化,进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明,相比传统检测方法,所提算法能够有效检测高海况下微弱动目标,显著提升检测性能。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法,简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

自适应滤波在无源探测中对杂波抑制的应用

介绍了外照射源目标探测的作用和研究的必要性。重点分析了自适应LMS信号滤波处理方法和在直达波和多径干扰等杂波抑制中的应用。对自适应LMS滤波算法进行改进,即对归一化LMS(normalized LMS)算法进行推导和分析,提高了自适应滤波的收敛速度,对目标中的杂波起到更好的抑制作用。并在试验中对非归一化滤波、归一化滤波以及不同滤波步长μ进行了分析和比较。最后在试验结果中得到了30 dB的对消增益并获得了目标信号。     

基于Hough变换的低可观测海面运动目标检测

针对一般信号检测方法无法检测低可观海面运动目标的问题,提出了运用Hough变换方法对海杂波背景下运动目标进行检测的方法。首先,用无记忆非线性变换法模拟海杂波,在此基础上模拟海面微弱运动目标的雷达回波;然后通过Hough变换对模拟所得的雷达回波数据进行处理;并根据处理结果进行了检测目标。另外用蒙特卡罗方法对Hough变换目标检测进行仿真,讨论了检测概率与雷达回波信噪比(SNR)及其它一些参量的关系。仿真结果证明了用Hough变换方法进行目标检测的可行性。     

实测数据的降秩空时自适应处理方法

针对全空时自适应处理协方差矩阵估计和计算复杂问题,介绍了在直接处理器结构上基于主分量法和互谱法的两种降秩空时自适应处理方法,这两种方法利用杂波和干扰的低秩属性,应用采样数据来构造降维转换矩阵。对Mountain Top计划进行了详细描述,对从Mountain Top计划测得的数据应用上述两种降秩方法对其进行了分析。仿真实验表明了这两种方法的可行性,减少了计算量,并提高了有效可测收敛性。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法,简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

超高速平台载雷达杂波特性与抑制方法

针对高超声速平台杂波距离走动与多普勒走动导致的传统空时自适应处理方法杂波抑制性能严重下降的问题,首先建立了高超声速平台杂波空时二维模型,并通过分析杂波空时特性,得出与慢速平台相比,杂波走动造成杂波非均匀性增加和多普勒展宽更严重,非均匀性增加和多普勒展宽程度与脉冲积累时间、杂波块位置均有关。最后,提出利用keystone变换校正杂波距离走动,并通过补偿矩阵补偿杂波多普勒增量的杂波抑制方法。仿真结果表明,所提方法能够使杂波抑制凹口变窄,明显提高主瓣区的动目标检测性能。