星机双基地SAR 的目标二维频谱计算

卫星和飞机配合的双基地SAR具有广阔的应用前景,要实现这种双基地SAR的频域成像关键要得到准确的目标二维频谱.文中分析指出,采用驻定相位点展开法得到的目标二维频谱的精度与收发平台的速度及收发雷达的斜视角度有关,由于星机双基地SAR的收发平台速度差异很大,斜视角度也可能较大,因而采用该方法得到的目标二维频谱的误差较大.接着,利用驻定相位原理并结合双基地SAR的几何关系,提出了两种计算星机双基地SAR目标二维频谱的方法,一种基于解析式计算,该方法的运算量小,精度较高;另一种基于数值方法计算,该方法的运算量稍大,但完全精确.这两种方法的精度均不受收发平台速度及收发雷达斜视角度的影响,因而适合星机双基地SAR成像.最后,通过对仿真数据的频域成像验证了所提方法的有效性.     

一种快速重建多子阵合成孔径声纳CS成像算法

针对传统DPC近似引入的近距离目标散焦问题,提出了一种有效的多子阵合成孔径声纳(SAS)CS成像算法.首先,通过泰勒级数展开并保留其高阶项,将多子阵SAS双根号形式的距离历程等效为类收发合置项与收发分置畸变项之和,并由此推导出严格解析的点目标二维谱;然后,利用多子阵数据融合的方法对收发分置畸变项进行补偿,将多子阵合成孔径声纳信号转化为单阵收发合置的形式;最后,利用单阵收发合置CS算法实现了图像重建.仿真试验和实测数据的成像试验证明了算法的有效性.     

基于二维CP-GTD模型的全极化ISAR超分辨成像

针对全极化ISAR成像雷达体制,建立了能够精确描述雷达目标高频电磁极化散射机理的二维相干极化GTD(CP-GTD)模型,提出了基于二维CP-GTD模型的全极化ISAR超分辨成像方法,并在此基础上实现了全极化ISAR散射中心特征提取,从根本上解决了现有方法难以提取散射中心的相干极化信息的难题.与已有方法相比,二维CP-GTD方法的突出优点在于建立了更精确的散射模型,能够准确估计散射中心的相干散射矩阵;此外全极化信息的利用,使得它还具有超分辨成像效果更好、估计精度更高、计算效率更高等优点.通过对实验结果进行非相干性及相干性指标评估分析,验证了二维CP-GTD模型的优越性.     

阵列超分辨算法模拟研究

当前,阵列信号处理已经成为通信信号处理中的一大热点。而其中利用超分辨算法对空间的多个信号进行波达方向（DOA）估计更是引人注目。以超分辨波达方向估计中非常重要的子空间理论为重点讲解了两种经典的超分辨算法（ESPRIR和MUSIC）的原理及实现方法。此外,还利用MATLAB对这两种算法进行了计算机仿真,通过计算机仿真,把这两种超分辨算法和传统的算法进行比较,包括利用ESPRIT与利用FFT进行频率估计的比较和用ESPRIT进行波达方向估计和MUSIC的比较。     

分布式雷达稀疏成像的重构特性与布站优化

从分布式雷达稀疏成像角度分析了目标稀疏重构性能与分布式雷达收发布站之间的关系.在建立分布式雷达稀疏成像模型的基础上,推导了重构矩阵互相关系数与分布式雷达系统参数的关系式,并指出在给定系统参数和成像场景划分方式下,互相关系数仅与各收发站的单位指向矢量有关.据此,以最小化互相关系数为目标函数,对雷达布站进行了优化布局,并通过仿真试验对重构性能的改善进行了验证.     

基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.     

多DSP处理器系统在超分辨测向处理器中的应用

介绍了4片ADSP21160组成的高速超分辨测向处理器，该处理器提高了系统的处理速度，实现了对目标测向的MUSIC算法研究了高速并行处理技术，该方法推动了MUSIC算法的工程应用．最后，将ADSP21160与TMS320C6201分别组成的处理系统进行了比较，实验结果证明ADSP21160更适合用在超分辨测向处理器中．     

分布式MIMO雷达优化布站研究

针对分布式多输入多输出(MIMO)雷达各发射站和接收站的优化布站问题,提出了一种分布式MIMO雷达布站的优化模型.首先给出了分布式MIMO雷达的信号模型;然后分析了收发天线位置对分布式MIMO雷达的空间分集能力和信道电压散射系数方差的影响,在此基础上提出了用空间分集度和空间分散度指标对分布式MIMO雷达的空间分集能力和天线分散程度进行量化评估;接着提出了在空间分散度一定的条件下,使空间分集度最大的布站原则并给出了相应的目标函数;最后仿真分析了信号频率、探测距离、探测方位、信道数目等因素对分布式MIMO雷达布站的影响.研究结果对分布式MIMO雷达的系统配置和实际应用具有重要的参考价值.     

基于频率分集逆合成孔径雷达的多重信号分类目标成像算法

将频率分集的思想应用在逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像中,通过单频信号合成宽带信号,可解决系统发射接收宽带信号复杂的问题.但窄带的合成可视为宽带信号的稀疏采样,由此带来了旁瓣提高等难点.提出一种基于频率分集ISAR体制的多重信号分类(multiple signal classification,MUSIC)目标成像算法,该算法将合成阵列接收的回波信号协方差矩阵进行特征值分解,得到信号子空间与噪声子空间,然后根据二者的正交性构建谱函数对目标位置进行估计,得到目标的超分辨二维像.将MUSIC算法与后向投影(back projection,BP)算法做了对比,仿真结果表明:在有较强噪声环境下,前者仍能有较好的成像效果,证明本文方法的应用可有效解决频率稀疏带来的高旁瓣问题.     

模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。     

基于改进的AR-MUSIC算法实现方位超分辨

针对高频地波雷达角度分辨率受限于阵列孔径的问题,利用AR模型循环外推法,对单快拍下回波数据进行合理的外推处理,增加数据长度,相当于接收阵元孔径虚拟增大,然后用MUSIC(multiple signal classification)算法进行DOA(direction of arrival)估计。仿真数据实验表明,改进方法比传统的MUSIC测向分辨率和精度都有明显的提高,且运算量不大,满足高频地波雷达的实时或者准实时高分辨测向要求。     

基于IBP的天气雷达超分辨率重建算法

雷达基数据分辨率不够会导致灾害性天气系统预报、跟踪的准确率低.为了提高基数据的分辨率,将迭代反投影算法应用于雷达回波超分辨率重建中,并对算法进行了改进.该方法基于对天气雷达回波使用滑动窗的重建模型,并引入时间相关性约束,由低分辨率回波重建出高分辨率回波.基于天气雷达提供的实例反射率回波,给出其超分辨率重建后的结果,并对其重建效果进行估计和比较.实验表明该方法在定量估计和视觉评价上都具有良好的高分辨率重建效果.     

基于合成导向矢量广义MUSIC算法的水平极化米波雷达测高方法

米波雷达具有抗击隐身目标和反辐射导弹的天然优势,但其俯仰维波束较宽,探测低空目标时波束打地,多径效应的存在严重影响米波雷达测高精度。针对这一问题,采用均匀线阵米波雷达经典镜像多径传播信号模型,总结归纳了以广义多重信号分类算法为基础的3种测高方法,并在此基础上提出了一种适用于水平极化米波雷达基于合成导向矢量广义MUSIC算法的精确测高方法,仿真实验与性能最优的第三种测高方法进行对比,在重点分析目标仰角、信噪比、快拍数、幅相误差和地面反射系数等因素对低空目标测高性能影响的基础上得出一般性结论,证明了新方法的优越性。     

阵列信号处理中DOA估计的误差分析

多重信号分类法(即MUSIC算法)具有很高的分辨力、估计精度及稳定性,在阵列信号处理中对DOA(direction of arrival)的估计也一直是人们研究的热点。通过对MUSIC算法中影响DOA估计的误差因素进行分析和研究,讨论MUSIC算法的估计性能。理论分析和仿真结果表明,对非相关或相干信号,MUSIC算法是一种有效的测量目标方位角的方法。     

逆合成孔径雷达相位补偿及优化成像

对逆合成孔径雷达成像中的相位补偿和小角度成像两个关键问题进行了讨论。提出了一种可望完全避免相位补偿的新方法——幅度谱成像法,并在理论上证明了其可行性.同时提出了用凸集合投影算法得到方位向超分辨的方法,并通过微波暗室实验证实了其有效性。     

用感知机学习算法改善MUSIC测向算法的分辨率

文中指出了通过计算机仿真了解到的影响MUSIC测向算法分辨率的一些因素 ,分析了造成MU SIC测向算法计算机仿真的分辨率较低的原因 ,并提出了一种用人工神经网络中的感知机学习算法改善MU SIC测向算法计算机仿真分辨率的方法     

一般非综合孔径雷达方位超分辨研究

一般非综合孔径雷达的方位分辨率受天线波束宽度的限制。要突破这种限制需要采用方位超分辨技术。该文介绍和分析了3种一般非综合孔径雷达的方位超分辨方法,包括去卷积法、角度权重法和相控阵雷达的相位权重法。对这些方法的性能进行了比较性研究,给出了数值仿真的结果。研究表明,去卷积法只适合于信噪比大于30dB的场合。在信噪比小于15dB时,角度权重法和相位权重法仍具有较好的方位超分辨效果。该文还从信息的角度分析了方位超分辨的实质,探讨了实现方位超分辨的可能途径。     

基于改进波束域MUSIC算法的高分辨方位估计

波束域MUSIC算法在波束域高分辨目标方位估计算法中是最具代表性的方法.和阵元域处理相比,波束域处理具有计算量小,分辨信噪比门限低的优点,文中论及窄带信号的波达方向估计问题,提出了高分辨处理的一种改进的波束域MUSIC算法.仿真计算表明,这种改进算法降低了信号的分辨信噪比门限.