基于子空间估计的MIMO阵列降维STAP方法

当对多输入多输出(multiple input multiple output, MIMO)阵列进行空时自适应处理时,由于MIMO阵列虚拟孔径增大,相对常规相控阵列能够更好地抑制杂波和干扰,但其所需样本数据量大且计算复杂度高,工程实际中难以应用。提出基于子空间估计的MIMO阵列降维空间自适应处理（space time adaptive processing, STAP）方法,该方法结合扁长椭球波函数的时限带限特性近似构造出降维的杂波子空间,并利用与发射波形正交的辅助匹配滤波通道估计出干扰加噪声协方差矩阵,通过“逼零”方法求得MIMO阵列系统的空时权矢 量。仿真结果表明,当存在非理想因素影响时,该方法能够有效抑制杂波和干扰且降维运算量更低。     

直接数据域的相位匹配回波检测

提出了一种利用相位匹配直接提取接收数据中的目标回波以进行主动声纳混响抑制、回波检测的新方法。该方法首先构造子阵化的直接数据域波束形成,得到期望信号方向的若干波束输出序列;然后利用序列中信号相位与目标方位的依从性,直接解算出回波序列;再通过设计对应的检测量进行目标检测。区别于传统相关接收和空时自适应处理(space-time adaptive processing, STAP)的方法,该方法无需考虑混响与信号的相关性和统计特性。通过试验分析,新方法较传统方法具备更好的检测性能。     

基于时域自适应FIR滤波的空时处理方法

传统的后多普勒自适应处理方法,如果仅仅选用一个多普勒通道的输出数据进行空域滤波时,虽然对旁瓣杂波的抑制接近最优,但是对主瓣杂波抑制性能较差。针对以上问题,提出了基于时域自适应有限长单位冲激响应(finite impulse response, FIR)滤波的空时处理方法。该方法先设计一组自适应FIR滤波器,利用这组自适应FIR滤波器对雷达回波数据进行时域FIR滤波,然后分别对同一多普勒通道的输出数据进行空域自适应处理。仿真结果表明,该方法的杂波抑制性能优于1DT方法,而且该方法在天线阵元存在一定的随机幅度和相位误差情况下,杂波抑制性能损失不大。     

空时自适应处理中基于知识的训练 样本选择策略

针对空时自适应处理中样本协方差矩阵受干扰目标污染时检测性能下降的问题，提出了一种基于知识的空时自适应处理（knowledge aided space time adaptive processing, KA STAP）方法。该方法将待测距离单元杂波的先验知识与广义内积非同态检测器（general inner product nonhomogeneity detector, GIP NHD）结合，对训练样本进行有效选择。通过仿真证明该方法能有效剔除存在干扰目标的样本，提高训练样本被干扰目标污染时空时自适应处理的检测性能。     

基于修正空间平滑的改进正交化波束形成算法

针对正交化自适应波束形成算法的零点会偏离干扰方向、当干扰相干时算法失效问题,提出了一种基于修正空间平滑的改进正交化自适应波束形成算法。该算法利用修正空间平滑技术克服正交化算法不能工作于相干干扰环境的缺点;利用总体最小二乘方法得到噪声子空间,总体最小二乘处理减轻了噪声的影响,因而估计的噪声子空间接近真实噪声子空间,干扰方向形成零点。计算机仿真结果表明此算法是有效的。     

机载宽带雷达的数据重组空时自适应处理方法

机载宽带雷达具有更高的距离分辨率，有利于目标成像或识别。但是，提高分辨率也使目标信号和杂波信号在脉冲间和(或)阵元间距离走动量增加。若采用窄带空时自适应处理方法，则会导致输出信杂噪比严重下降。针对上述问题，提出了一种数据重组空时自适应处理方法。首先，针对待检测速度-角度重组回波数据，使不同脉冲及阵元的目标信号包络对齐；然后，进行距离维数据重组空时处理，并将输出信号作为检验统计量；最后，给出目标角度和速度搜索方法。所提方法降低了相干积累后的目标能量损失，提高了目标检测和杂波抑制性能。仿真实验验证了所提方法的有效性。     

LFM信号基于自适应预白化处理的GLRT检测器

针对有色混响噪声背景下线性调频(LFM)信号的检测,提出了基于自适应预白化处理的广义似然比检测GLRT(generalized likelihood ratio test)改进算法。改进算法根据前一段的混响噪声数据估计AR模型参数,利用估计参数构成的白化器对当前段混响噪声数据进行滤波,并对滤波后数据进行单变量的GLRT检测。与双变量的GLRT算法相比,改进算法有效降低了运算量。最后通过蒙特卡罗仿真给出了改进算法的检测性能分析。     

空时自适应处理对GPS信号影响与补偿方法

通过推导C/A码全球定位系统(global positioning system, GPS)信号分别经空域自适应处理和空时自适应处理的相关函数,研究了阵列信号处理对C/A码GPS信号捕获性能的影响。理论分析表明,空域自适应处理不影响捕获;而空时自适应处理在抑制干扰的同时使信号产生了畸变,降低了同步和码跟踪精度。针对空时自适应处理造成的信号失真,利用维纳滤波对失真的相关函数进行补偿。仿真结果表明补偿后相关函数的波形有了明显改善,空时自适应处理带来的信号失真也得到有效校正。     

一种基于功率倒置法的机载雷达杂波抑制方法

根据机载雷达回波信杂比很小的特点 ,提出了一种基于功率倒置法的地杂波抑制方法。该方法利用单脉冲雷达空间双路接收的特点 ,采用时 -空二维联合处理的方法对回波信号进行处理。理论分析和仿真结果表明 ,该方法信杂比改善性能优于AMTI等一维杂波抑制方法。并且由于其自适应权采用功率倒置法准则求得 ,计算量大大低于采用最大输出信杂比准则的一般时 -空二维处理 ,因此 ,该方法是一种具有工程意义的机载雷达杂波简化时空二维处理方法     

基于分数阶傅里叶变换的LFM混响空时预白化方法

针对主动声纳在浅海混响背景下线性调频(linear frequency modulation, LFM)信号检测的高虚警问题,提出了基于分数阶傅里叶变换(fractional Fourier transform, FRFT)的空时预白化(space time prewhitening, STPW)方法。该方法利用FRFT对LFM信号良好的频域聚焦性,将混响信号变换到分数阶傅里叶域进行白化处理,使混响中的线变频率变换为稳定频率,增强了混响的局部稳定性,从而改善了混响的白化效果。通过实测混响数据对所提方法进行了验证,实验结果表明,所提方法使匹配滤波检测器的统计性能在信混比(signal to reverberation ratio, SRR)-16 dB~0 dB范围内平均提高了13%,显著提高了主动声纳在混响背景下的检测性能。     

GPS信号空时处理后码跟踪误差的补偿方法

全球卫星定位系统（global position system, GPS）接收机使用空时自适应处理能够增益信号并抑制干扰,但空时自适应处理结构影响GPS信号的定位精度。首先推导空时自适应处理后,GPS信号与参考信号的相关波形,分析了空时处理对码跟踪的影响。然后在码跟踪过程中改进本地参考信号以补偿相关波形的误差,减少空时自适应处理后的码跟踪精度损失。仿真和实测结果验证了算法的有效性。     

线性平滑的信号调制识别方法

针对如何提高调制识别算法在低信噪比时的识别性能,是调制识别技术走向实用中必须解决的问题,提出采用线性平滑方法对接收信号进行预处理,然后再提取特征。提取的分类特征削弱了噪声影响,提高了抗干扰性能,能够在较低信噪比条件下正确区分信号。实验表明,平滑处理实现简单,对算法在低信噪比时的识别性能改善明显。     

非正侧阵机载雷达杂波谱迭代自适应配准方法

对于机载非正侧阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的协方差矩阵与真实协方差矩阵不匹配,导致空时自适应杂波抑制性能下降。基于配准的补偿(registration based compensation, RBC)方法通过时域平滑来估计空时谱,继而对地杂波的距离依赖性进行补偿,由于时域孔径损失使杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本文利用迭代自适应算法(iterative adaptive approach, IAA)进行空时谱估计,并重构各辅助距离单元协方差矩阵以实现杂波谱配准,称为IAA RBC算法。由于该算法不存在孔径损失,杂波谱配准精度更高。仿真实验表明,即使在样本中存在目标污染等干扰因素的情况下,所提方法相比传统的利用时域平滑的RBC方法也能获得更好的信噪比改善。     

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。     

知识辅助的机载MIMO雷达STAP非均匀样本检测方法

When the covariance matrix is estimated with training samples contaminated by target like signals, the performance of target detection in multiple input multiple output (MIMO) radar space time adaptive processing (STAP) decreases. Aiming at this deficiency, a knowledge aided (KA) generalized inner product (GIP) method for non homogeneous samples detection is proposed. Firstly the clutter subspace knowledge estimated by prolate spheroidal wave functions is utilized to construct the clutter covariance matrix offline. Then the GIP non homogeneity detector (GIP NHD) is integrated to realize the effective selection of training samples, which eliminates the effect of the target like signals in training samples on target detection. The simulation results show that compared with the conventional GIP method, the KA GIP method can screen out contaminated training samples more effectively and the target detection performance of MIMO radar STAP can be improved significantly. 〖JP2〗Thus the proposed KA GIP method is more valuable for practical engineering application.     

对降维STAP机载雷达的延时混叠转发干扰方法分析

针对降维空时自适应处理(space-time adaptive processing, STAP)在不满足独立同分布(independent identical distribution, IID)训练样本的需求时性能严重下降的问题,提出了一种改进的延时混叠转发干扰方法。该方法主要是通过延时混叠协同频率调制,产生多个距离单元分布可控的假目标,成为STAP前向滤波阶段选取的训练样本的一部分,从而破坏训练样本IID的条件,导致形成的空时自适应权产生主瓣畸变,最终无法获得真实的目标信息。仿真结果表明,该方法产生的假目标数目多且距离单元分布可控,降维STAP系统处理性能严重下降。     

基于稀疏重构的机载雷达训练样本挑选方法

针对空时自适应处理中训练样本受目标信号污染时检测性能下降的问题,提出了一种基于稀疏重构技术的训练样本选取方法。该方法首先将接收数据由阵元脉冲距离域转换到阵元多普勒距离域,然后采用改进的正则化FOCUSS算法进行空域稀疏重构,估计待检测多普勒通道对应的阵元距离域数据得到高分辨角度距离谱,利用杂波多普勒与角度的先验关系,剔除角度距离谱上明显偏离角度期望的样本,实现对训练样本的有效选择。仿真表明,相比传统样本选择方法,该方法无须估计协方差矩阵,在小样本集情况下依然能够剔除被污染的样本,有较大优势。     

基于稀疏采样的双基地机载雷达杂波谱补偿方法

在双基地机载雷达中,由于地面杂波存在距离依赖性,使得基于距离单元回波数据平均的杂波协方差矩阵估计存在误差,导致空时自适应处理的杂波抑制性能严重下降。基于配准的方法沿杂波空时分布曲线采样,补偿杂波距离依赖性,然而该方法由于采样点过多导致运算量巨大。针对该问题,利用双基地机载雷达杂波散射点的复幅度受收发天线调制,具有稀疏分布的特点,提出了一种基于稀疏采样的杂波谱补偿方法,该方法通过设置采样门限来降低采样点数,减小重构杂波数据的运算量。计算机仿真结果表明,该方法能够有效地降低重构杂波的运算量,减小双基地机载雷达杂波的距离依赖性,提高空时自适应信号处理的杂波抑制性能。