认知MIMO雷达发射波形与接收滤波器联合优化设计方法

为了突破传统雷达的性能瓶颈，具有发射端自适应机制的认知雷达成为了研究热点，其中发射波形优化设计是认知雷达的核心组成。为了提升机载平台下对运动目标的检测能力，考虑了多输入多输出雷达中发射波形与接收滤波器的联合设计问题，并使用交替优化方法进行求解。在求解最优接收滤波器时，优化问题被建模为经典的广义瑞利熵问题，对此使用最小方差无失真响应方法进行求解以避免特征值分解运算。在设计最优发射波形时，在最大化信杂噪比的准则下建立目标函数，并引入工程常用的恒模约束条件，最终将波形设计问题建模成一个非凸的优化问题。对此，经典的求解方法是先使用近似手段松弛恒模约束，然后使用Charnes-Cooper变换进行求解。区别于经典方法，提出一种基于信杂噪比近似的优化算法以减少计算复杂度。实验结果表明，所提方法不仅具有更快的收敛速度，还可以实现更优的信杂噪比增益性能。     

基于序列锥规划的MIMO雷达正交连续相位编码波形设计

提出了一种基于序列锥规划的多输入多输出雷达正交连续相位编码波形设计方法,以最小化发射信号的自相关峰值旁瓣电平和互相关峰值电平为目标函数,利用序列锥规划在每一个迭代点对其进行一阶泰勒近似,将原问题转化为一系列二阶锥规划子问题,以便采用原对偶内点算法进行有效求解;为了进一步提高算法的优化性能,对相位增量的门限进行线性变化约束。仿真表明,发射阵元个数和编码长度一定时,所提方法设计的正交波形性能明显优于现有方法,而且该方法能够对正交波形的自相关峰值旁瓣电平和互相关峰值电平分别进行定量控制,以便兼顾两者的性能指标,因而在波形设计时更具灵活性。     

近区低旁瓣的OFDM MIMO雷达波形设计

雷达系统在临近目标分辨中存在近区旁瓣过高的问题,导致了弱目标淹没、临近目标回波主旁瓣混叠等现象。针对这一问题,该文提出了一种抑制近区距离旁瓣的正交频分复用(orthogonalfrequency division multiplexing, OFDM) 多输入多输出雷达波形设计方法。首先,构造一组基于相位编码调制的OFDM发射波形集,在此基础上,以极小化极大原理和近区积分旁瓣水平建立目标函数,令发射波形恒模为约束条件;然后,借助发射波形与相位的对应关系,将波形设计转化为无约束优化问题,并利用Broyden-Fletcher-Goldfarb-Shanno算法求解。理论分析和仿真结果表明,该文方法较现有方法具有更好的近区旁瓣抑制特性和更低的运算复杂度。     

拟牛顿分数低阶恒模算法的研究

为了提高分数低阶恒模均衡算法的收敛速度,提出了一种基于分数低阶恒模代价函数的拟牛顿自适应盲均衡算法.由于在权矢量更新方程中引进了代价函数的二阶Hessian矩阵,从而使算法的收敛速度较利用最速下降法的分数低阶恒模算法大大提高且具有较好的韧性.利用Matlab 对两种算法进行仿真,仿真结果对新算法性能的提高进行了验证.     

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。     

基于混沌随机滤波器的CS-MIMO雷达测量矩阵优化设计

提出了一种在压缩感知多输入多输出（compressive sensing-multiple input multiple output,CS-MIMO）雷达中利用混沌非线性系统设计随机滤波器进而实现测量矩阵优化的方法。目前,大部分研究采用高斯随机矩阵作为测量矩阵,这类测量矩阵的局限性是,每次仿真实验产生的矩阵互不相同,雷达系统无法实现在线优化,且其对硬件要〖JP〗求高,实现困难。在CS-MIMO雷达信号模型基础上构造稀疏基,提出了基于随机滤波器结构的测量矩阵设计方法,利用混沌序列构造随机滤波器系数,完成对雷达回波的压缩观测。同时以Gram矩阵逼近对角矩阵为准则对随机滤波等效测量矩阵进行优化,进一步提高雷达系统性能。仿真结果表明所提出的基于混沌随机滤波器的CS-MIMO雷达测量矩阵设计与优化算法能够有效提高波达角(direction of arrival, DOA)估计精度。     

基于模糊函数构型的动目标探测波形设计

针对工程中常规雷达波形存在距离旁瓣高、抗截获性差、多普勒容许性差等问题,本文借鉴噪声波形与线性调频(linear frequency modulation, LFM)波形联合思路来探测非合作动目标,即约束波形恒模条件下,利用相位尺度因子来考虑LFM波形与噪声波形的相位部分,构造恒模化的LFM-噪声复合波形;进而在模糊函数图及主优化算法(majorization-minimization, MM)体制下利用先验知识映射模板实现对特定距离-多普勒区间的波形优化,将该二维旁瓣抑制问题分步转化为多维求解问题,通过选取两次逼近函数来逼近原优化问题的解域,并在算法的每一次迭代中加入级联松弛-缩放步骤、相位校正步骤,使之加快算法迭代收敛效率,获得波形兼具低旁瓣、低截获及多普勒容许性。仿真表明:所提基于相位修正的松弛加权MM复合波形设计算法收敛迅速,相比常规算法具有明显的性能优势。     

恒模算法与子空间法相结合的分数间隔盲均衡

恒模算法和子空间法是目前广泛应用于通信信号处理中的两种盲算法。将恒模算法和子空间方法相结合，提出一种基于恒模算法与子空间分解法的分数间隔盲均衡算法，仿真结果表明，新算法的收敛特性明显优于传统的恒模算法。     

宽带波束空间恒模阵列

针对期望信号假设来向与实际来向存在误差时,传统的宽带波束空间自适应阵列有较大的性能损失,提出了一种对信号来向误差具有稳健性的算法。该方法利用信号的恒模特性,在期望信号来向未知的情况下,实现了对宽带信号的无失真接收。首先利用扇形滤波器,形成一组具有频率不变性的正交波束,然后基于恒模准则对各波束的输出进行处理得到最优权值。该方法对信号来向具有很强的稳健性,同时具有收敛速度快等优点。通过计算机仿真验证了所提方法的有效性与优越性。     

抗间歇采样转发干扰的认知恒模波形设计方法

间歇采样转发干扰(interrupted sampling repeater jamming, ISRJ)是一种相干干扰, 对雷达信号的干扰效果表现为欺骗性。针对ISRJ匹配滤波后形成的高栅瓣问题, 研究了低集成旁瓣电平(integrated sidelobe level, ISL)的波形设计方法。考虑到雷达发射信号的恒模约束, 以最小化ISL为目标函数建立优化问题, 由于该问题包含非凸四阶目标函数和非凸约束, 难以得到闭式解, 因此设计了一种加速优化极小化(majorization-minimization, MM)方法进行求解。最后, 通过仿真实验和已有算法进行对比, 验证了所设计的波形能降低干扰栅瓣, 有效对抗ISRJ。     

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。     

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。     

基于序列线性规划的雷达低峰均比估计波形设计

在信号相关杂波背景下,现有方法大部分均基于频域进行雷达估计波形设计,这将引起相位信息的缺失从而导致波形变换到时域后性能降低。针对上述问题,同时兼顾放大器的非线性特性,提出了一种基于时域的低峰均比(peak to average power ratio, PAR)估计波形设计方法。首先,根据最大互信息准则在时域上构建了优化问题模型;然后,基于序列线性规划思想,将非凸的优化问题松弛为凸问题,并求得波形矩阵的近似解;最后,对该波形矩阵解进行逼近,使得新的波形矩阵满足Toeplitz结构,进而提取出波形向量解。仿真结果表明,与现有方法相比,本文方法在不增加运算量的前提下具有更好的估计性能。     

基于SVD的通信信号背景下脉冲波形和初相估计

雷达侦察接收机往往侦察到的是通信和雷达脉冲的混合信号，如何从通信信号背景中有效提取出雷达脉冲波形，是现代雷达信号处理领域中的重要内容。针对这一问题，提出了一种基于奇异值分解的通信与雷达混合信号中脉冲波形估计算法。该算法通过对信号观测矩阵的奇异值分析和协方差矩阵的特征值分析，证明了观测矩阵的奇异值分解具有稳定性，并且奇异值分解能够最佳近似观测信号的线性特征，给出了一种利用左右奇异向量估计脉冲波形及其相对初相的方法。本文的算法适用于任意脉冲波形，并且能够在较低信噪比环境下估计脉冲信号波形和相对相位，仿真结果证明了算法的有效性。     

基于小波变换的雷达目标回波信号提取算法

随着雷达技术的快速发展,低信噪比(signal-to-noise ratio, SNR)条件下的雷达目标信号提取越来越重要。传统的脉冲压缩算法在低SNR条件下作用不明显。提出了一种新的在低SNR条件下的雷达目标回波信号提取算法。该算法在传统脉冲压缩算法的基础之上,采用小波变换对脉冲压缩后的信号进行分解,提取信号高频信息的小波系数。再用改进的小波变换模极大值算法对信号的高频信息进行去噪,然后重构信号的高频信息,最后再重构完整的雷达目标回波信号。仿真结果表明,该算法能够有效地去除噪声,提取出雷达目标的回波信号,相比于脉冲压缩算法及其他算法性能得到了很大的提升。     

基于HGSAA的机会阵雷达离散频率编码波形设计

机会阵雷达(opportunistic array radar, OAR)是一种以平台隐身性设计为核心的新体制雷达,设计适用于OAR系统的正交波形是研究的一个重要方面。对常规的雷达正交波形编码的搜索方法进行改进,使用混合遗传模拟退火算法,寻找出具有低自相关和互相关特性的雷达离散频率编码集合;并且考虑到算法适应度函数的重要性,引入灰关联度综合评价法则对其加以关联分析,根据关联度来引导算法搜索的方向,使产生的波形具备较好的性能。仿真结果表明,该算法可行且高效,在搜索最优离散频率编码方面优于其他搜索算法。