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。     

基于奇异值分解的复杂转动目标成像

目标在三维空间复杂转动时,传统的逆合成孔径成像算法得不到聚焦的二维像。通过对复杂转动目标等效散射中心相位变化的分析,提出了一种基于奇异值分解的成像算法。该算法首先估计多个散射中心的相位历程,获得相位矩阵|然后对相位矩阵进行奇异值分解,并根据奇异值之间的关系对目标是在三维空间转动还是在二维平面内转动进行判断。根据判断结果分别进行处理：当目标在平面内转动时得到目标的二维像|当目标在三维空间转动时得到失真的三维散射中心模型。仿真及实测数据处理结果验证了所提算法的有效性。     

机动目标ISAR距离瞬时多普勒成像实现方法

ＩＳＡＲ成像的目标通常为非合作机动目标,采用距离瞬时多普勒方法可以对机动飞行目标进行成像［１］。利用基于信号分量自适应短时谱估计技术,通过对每个距离单元某一时刻回波频率的估计来得到瞬时像;由于该方法采用ＦＦＴ快速计算,而且不受信号分量形式的限制,故能够快捷有效地得到瞬时像,对实验ＩＳＡＲ处理的结果表明该方法的有效性。     

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。     

基于参数估计的步进频ISAR成像运动补偿方法

分析了基于步进频雷达运动目标的回波信号模型,讨论了目标运动对ISAR成像的影响,针对当目标有速度或加速度时会造成高分辨距离像移位和畸变,并使二维像散焦的情况,提出了一种基于高斯包络线性调频信号自适应分解、高分辨距离像互相关法及多普勒横向像最小熵法的运动补偿算法。该算法利用高斯包络线性调频信号自适应分解得到回波多普勒调频率和目标运动的加速度,通过距离像移动对目标运动速度进行初估计,并用高分辨距离像互相关法及多普勒横向像最小熵准则提高目标速度及加速度的估计精度,然后进行运动补偿。该算法计算量小,估计精度高,仿真结果验证了它补偿效果好,能获得清晰的ISAR像。     

采用ISAR像估计弹道目标微动特征的方法

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像序列可以反映弹道目标在微动周期内的姿态变换及结构特征,本文在此基础上提出一种利用ISAR像序列估计弹道目标微动特征的方法。首先基于relax算法提取较强的散射点,并采用距离多普勒方法成像,然后利用灰度匹配算法对ISAR图像进行匹配,以提高微动周期估计精度。通过分析散射点在成像平面上的投影关系从而建立散射点空间坐标与目标微动特征之间的联系,并根据散射点在ISAR图像序列上的相对位置差值与散射点空间坐标的表达式,估计目标的微动参数。最后,仿真验证该方法的可行性与有效性,仿真结果表明该方法估计精度较高。     

基于修正熵的距离扩展目标检测器

针对采用球不变随机向量(spherically invariant random vector, SIRV)建模的非高斯杂波背景下，目标散射点个数估计失配时，修正的依赖于散射点密度的检测器（modified scatter density dependent, MSDD)检测距离扩展目标存在一定的信噪比损失问题，提出了一种基于修正熵的MSDD检测器（modified entropy-MSDD, ME-MSDD）。ME-MSDD先采用修正熵对目标强散射点个数进行估计，然后对目标强散射点进行积累形成检测统计量。最后，针对不同的目标模型及实测目标一维距离像对检测器性能进行评估，结果表明，与不依赖于散射点密度的检测器（non-scatter density dependent, NSDD)、基于动态阈值的检测器（dynamic threshold, DT)和MSDD相比，ME-MSDD能根据实际观测值自适应地估计目标散射点个数，具有更好的检测性能和鲁棒性。     

目标高速运动对一维像的影响及其校正方法

针对目标高速运动引起回波脉冲压缩结果展宽从而严重影响一维距离像质量的问题,提出了基于多分量调幅线性调频信号参数估计的校正方法。首先建立了宽带目标的多散射中心回波模型,定量分析了目标高速运动对高分辨雷达回波的影响。然后提出了多分量调幅线性调频信号参数估计快速算法,估计出目标高速运动引起的回波变化从而加以校正。仿真结果表明,提出的方法能有效校正目标高速运动对一维距离像的影响,并且对噪声具有很好的鲁棒性。     

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。     

一种基于运动目标ISAR像序列的三维重构方法

为解决运动信息未知的雷达目标三维重构问题,提出了一种基于目标逆合成孔径雷达(ISAR)图像序列的矩阵分解三维重构法.基于ISAR成像的基本原理,将ISAR成像过程公式化,推导出SAR成像投影矩阵方程式,给出了关联后的二维图像序列中散射点坐标与原目标散射点的三维位置的几何投影关系;利用矩阵因式分解的方法,从观测矩阵中分解出三维位置矩阵,实现重构;最后,以三维平底圆锥体为模拟目标,仿真验证了该算法的可行性,结果表明用于重构的图像帧数越多、图像信噪比越高,重构性能越好.     

基于相似度的直扩信号盲解扩方法

针对传统方法对直扩(direct sequence spread spectrum, DS-SS)信号进行盲解扩时,需要在估计出扩频序列后,才能完成信号盲解扩的问题,提出了一种基于相似度的DS SS信号盲解扩方法。该方法首先在扩频码的码片速率和周期已知的条件下,以单倍扩频码周期的窗长对接收信号进行数据分段,然后对任意两段数据求相似度函数值,构造相似度函数值的特征信息矩阵,最后通过对构造的特征信息矩阵进行特征值分解就可以实现对信息序列及扩频码序列的盲估计。理论推导和仿真实验结果表明,该方法具有精度高、稳定性好,在信噪比容限值为-22 dB的条件下也能够有效的盲估计DS-SS信号的信息序列及扩频码序列。     

POLSAR多视复图像的特征提取和分类方法

Pauli分解和Krogager分解通常用于对极化合成孔径雷达(POLSAR)单视复图像中的相干复散射矩阵进行分解.基于Pauli分解和Krogager分解提出一种改进的极化特征分解方法,用于POLSAR多视复图像极化特征提取.首先利用Pauli分解分离出多视复图像数据的对称部分和非对称部分,然后利用Krogager分解提取出对称部分的极化特征,最后利用AdaBoost算法对所提取的极化特征进行分类.使用SIR-C的数据验证了方法的有效性.     

基于MMSE估计的全极化雷达自适应脉冲压缩

针对同时极化测量体制雷达发射波形自相关和互相关特性相互制约的矛盾,提出了一种基于最小均方误差估计的全极化雷达自适应脉冲压缩方法,其核心思想是通过初始化滤波器得到各距离单元散射系数的先验信息,并结合对应极化通道的回波信号,根据贝叶斯原理估计得到每个距离单元的自适应滤波器,在分离各极化通道回波信号的同时实现脉冲压缩。通过设置典型的仿真场景,从检测概率和目标极化散射矩阵估计的均方误差两个方面分析了自适应脉冲压缩算法的性能。仿真结果表明,该算法能有效地抑制邻近距离单元的干扰和不同极化通道之间的互扰,比标准匹配滤波器更好地实现全极化雷达脉冲压缩。     

基于增广数据陈SVD的MNM 信号DOA估计算法

本文介绍了一种将接收数据共轭重排构造出增广数据矩阵,然后对该数据矩陈进行奇异位分解,用 ＭＮＭ算法实现对信号的 ＤＯＡ估计的方法,并指出了这将改善协方差矩阵特征值的分布,从而提高ＭＮＭ算法的角估计性能。文中最后给出了验证理论分析的模拟结果。     

基于噪声特征向量重构的地波雷达单次快拍超分辨算法

高频地波雷达在一个相参积累时间内通常只能得到频域一次快拍,利用其直接进行波达方向估计性能较差。针对这一问题,在分析时、频域协方差矩阵特征分解后差异的基础上,在频域采用降维方法估计协方差矩阵。根据频域目标信噪比相对较大的特点,利用最大特征值对应的信号特征向量构造原始的数据矩阵,并对该矩阵进行奇异值分解得到新的噪声子空间,进而构造出新的噪声特征向量,最后利用该噪声特征向量进行方位角估计。仿真和实测数据分析验证了算法的有效性,相比降维Toeplitz算法和前后向空间平滑算法有着更高的分辨力和估计精度。     

双基地MIMO雷达相干目标角度估计算法

提出一种双基地多输入多输出（multiple input multiple output,MIMO）雷达相干多目标角度快速估计算法。采用单次快拍数据构建的一组Toeplitz矩阵重构出新的协方差矩阵,使得矩阵的秩等于目标的总个数;通过矩阵变换使得变换后的协方差矩阵满足centro Hermitian性,即可利用酉变换将复矩阵转化为实矩阵进行实数域的参数求解,采用旋转不变信号参数估计（estimation of signal parameters via rotational invariance technique, ESPRIT）算法即可准确估计出对应的目标角度。通过仿真表明：所提算法能够实现相干目标源的角度估计且参数自动配对;降低了复矩阵特征分解所带来的巨大运算复杂度,具有更高的参数估计精度和算法稳健性;同时能够对移动目标进行角度跟踪,具有良好的跟踪性能。     

基于联合子带ANM的小快拍宽带DOA估计方法

针对被动探测系统中,经典宽带信号波达方位(direction-of-arrival, DOA)估计方法在小快拍条件下无法直接有效地进行方位估计的问题,提出了一种基于联合子带最小原子范数(atomic norm minimization, ANM)的小快拍宽带信号方位估计方法。该方法首先将宽带信号划分的各子带聚焦到参考频点,再联合聚焦后的子带进行数据矩阵重构,最后通过ANM半正定规划优化,构造并恢复出一个最优的Toeplitz矩阵。该Toeplitz矩阵经过特征分解,能获得准确的信号子空间,从而实现有效的DOA估计。仿真结果表明,本文所提的方位估计方法在小快拍条件下具有良好的DOA估计性能,且能够估计相干源目标。     

一种新的基于粒子群算法的DOA跟踪方法

针对信号源方向时变情况,分析了样本协方差矩阵的更新,在此基础上提出了一种基于粒子群算法的跟踪方法。该方法直接利用性能优越的最大似然估计器,避免了子空间跟踪类方法需要不断重复的协方差矩阵分解;同时通过锁定目标、大幅度缩小搜索范围和运用群智能搜索,有效降低了算法的计算量。仿真结果表明,与子空间跟踪类算法相比,该方法具备解相干的能力和较好的跟踪精度,并且能够保证算法的实时性。     

基于矢量重构的双基地MIMO雷达相干多目标定位

提出了一种基于目标信息矢量重构的双基地多输入多输出（multiple-input multiple-output, MIMO）雷达相干信源角度估计方法。利用目标信息矢量中的元素,构造出解相干处理的通用块Hankel矩阵。证明了该矩阵的秩为总目标数时矩阵行数和列数所应满足的条件,并基于奇异值分解求解出信号和噪声子空间,然后利用ESPRIT算法获得角度的估计值。同时,给出了直接数据提取法和特征矢量提取法来获得目标的信息矢量。仿真实验表明：本文算法能够有效地估计出相干信源的收发角度,且实现自动配对;当兼顾角度估计精度和算法的复杂度时,应满足块Hankel矩阵的行数不大于列数;在低信噪比下,本文算法的估计精度优于空间平滑算法,且特征矢量提取法的估计精度优于直接数据提取法。     

直接数据域迭代空时自适应处理方法

针对常规空时自适应处理(space-time adaptive processing, STAP)在机载雷达非均匀杂波环境下杂波抑制性能下降的问题,提出一种直接数据域(direct data domain, DDD)迭代空时自适应处理方法。首先利用数据的特殊结构和空时谱的稀疏性引入一种新的迭代自适应(iterative adaptive approach, IAA)空时二维谱估计算法,然后在获得待检测单元空时谱分布的基础上重构无孔径损失的协方差矩阵,最后根据目标信号在空时平面的分布特点,提出一种新的目标剔除算法对协方差矩阵进行修正,以避免目标自相消。仿真实验结果表明,在存在3%阵列误差的情况下,所提方法在旁瓣杂波区的改善因子比传统直接数据域方法高出约10 dB、比多普勒平移法高出约5 dB。