基于稀疏样本选优的机载雷达动目标检测算法

针对存在干扰目标的非均匀样本中机载雷达动目标检测性能下降问题,基于信号稀疏恢复技术,提出一种基于稀疏样本选优的机载雷达动目标检测算法,利用训练样本和待检测距离单元的稀疏性,选择训练样本中杂波的位置和检测单元中杂波的位置相似的训练样本,去除选优后训练样本中的干扰目标,克服干扰目标对机载雷达动目标检测性能的影响,采用处理后的训练样本和待检测距离单元的数据构建杂波协方差矩阵。通过仿真实验进行改善因子、距离单元输出功率、目标信号提取的比较,说明了本文算法能够提高机载雷达动目标检测性能。     

基于噪声子空间特性的波束形成器设计

为高效、高性能地合成阵列接收信号, 提出基于噪声子空间特性的波束形成器设计。首先, 利用噪声的宽带分布特性, 对Capon空间谱的噪声区域做粗采样, 由此进行残留噪声补偿, 获得信号协方差矩阵的估计; 其次, 利用噪声子空间与信号子空间的正交性, 通过信号协方差矩阵分解构造出信号正交补投影算子; 最后, 利用噪声子空间与干扰子空间的正交性, 用该投影算子对观测信号进行处理, 获得干扰功率估计, 进而推导出干扰加噪声协方差矩阵和最终的波束形成器。仿真结果表明, 该方法仅耗费较少的快拍, 即可在大信噪比范围内实现较高信干噪比输出。     

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。     

用改进的MUSIC算法实现相干多径信号分离

基于特征值分解的MUSIC算法是建立在非相干信号模型基础之上的,对于相干多径信号,MUSIC算法将会失效。与传统的拟补空间协方差矩阵秩亏损的空间平滑去相关法不同,从另一个角度出发,通过特殊的天线阵列模型,重构一个Toeplitz矩阵,使其秩只与信号的波达方向有关,而不受信号相关性的影响,从而达到去相关的目的,并对信号子空间和噪声子空间作出正确的估计。仿真结果验证了该方法的有效性,且较传统的空间平滑方法具有更低的信噪比门限和更小的运算量。     

基于电磁矢量阵列的加权极化平滑解相干算法

针对极化平滑(polarization smoothing, PS)算法解相干源时没有利用子阵的互相关信息导致分辨率较差的问题,提出一种新的解相干源预处理方法--加权极化平滑(weighted polarization smoothing, WPS)算法。该算法利用了电磁矢量阵列6个分量组成的子阵的全部自相关和互相关信息。对接收阵列协方差矩阵的36个子矩阵做加权滑动平均,得到等效阵列协方差矩阵,以该协方差矩阵对角化为约束,推导最优加权系数的理论表达式,并分析等效信源协方差矩阵的秩,得到WPS算法最大的解相干源数为6。计算机仿真结果表明WPS算法与PS算法相比具有更高的分辨性能和估计精度。     

基于对角线加载的极化域广义似然比检验算法

研究了在高斯干扰中极化自适应阵列信号检测问题。提出了一种基于对角线加载的极化域广义似然比检验算法,当干扰子空间维数较小时,解决了因辅助数据采样数不足引起的矩阵病态问题。研究表明,该算法相对于干扰协方差矩阵有恒虚警的性质。其检测性能优于极化域广义似然比检验算法,且受辅助数据量的影响很小     

低信噪比条件下调频率估计的子空间投影方法

当SAR回波数据的信噪比较低时,准确估计多普勒调频率变得十分困难.提出了一种基于子空间投影技术的多普勒调频率估计方法.该方法利用不同距离单元的观测矢量构造协方差矩阵,然后通过对协方差矩阵特征分解得到噪声子空间,最后将相位误差矢量向噪声子空间投影来估计多普勒调频率.在信噪比较低的条件下此方法可以稳健地估计多普勒调频率.     

基于归一化空间符号函数的鲁棒波达角估计

提出了一种适用于任意未知统计特性的脉冲噪声环境下的波达角估计算法。算法扩展了非参数统计中的空间符号和秩的概念,采用归一化的空间符号函数来构造阵列协方差矩阵,然后根据子空间算法进行测向。从理论上证明了归一化的空间符号协方差矩阵用于波达角估计的可行性,为该算法的进一步推广奠定了基础。计算机仿真结果表明,该算法在任意脉冲噪声环境中表现出良好的鲁棒性,而且对阵列增益和相位噪声不敏感。     

一种非平滑相干干扰鲁棒的自适应波束形成器

针对文献报道的鲁棒自适应波束形成(robust adaptive beamforming, RAB)算法,分析了在存在相干干扰时其性能严重下降甚至失效的原因：通过将接收信号协方差矩阵分解为阵列流形矩阵左和共轭右乘一个矩阵P的描述形式,在存在相干干扰时,P为非对角阵,其非对角元素表征了信号与干扰间的互相关,该成分造成了RAB算法的失效;另表明：快拍数有限可视为特殊的相干干扰情况。为此,提出了一种构建P为对角阵的协方差矩阵拟合方法;并据拟合的协方差矩阵,给出了对非平滑相干干扰RAB方法。仿真验证了分析的有效性,所提方法在相干干扰时仍能实现非相干干扰时的性能,且收敛速度优于报道方法。     

GSC结构相控阵在主瓣干扰下的自适应单脉冲方法

当有源干扰从旁瓣进入广义旁瓣对消器(general sidelobe canceller, GSC)结构相控阵系统时, 通过对旁瓣干扰的抑制, 可以维持较高的单脉冲测角精度, 然而当干扰进入主瓣范围内时, 自适应方向图会发生畸变, 导致测角错误。针对这一问题, 提出了一种在GSC结构下的两级自适应单脉冲测角的工程实现方法, 首先对采样协方差矩阵进行特征分解并根据主瓣子空间的正交性分离主瓣干扰对应的特征向量, 由此重构旁瓣干扰和噪声协方差矩阵, 再利用旁瓣对消器抑制旁瓣干扰, 最后通过四通道系统抑制主瓣干扰并保持单脉冲比不变, 实现对目标的精确测角。该方法无需对干扰的来波方向进行预估计, 具有较强的鲁棒性, 仿真结果验证了该方法的有效性。     

自适应数字波束空域相干干扰抑制方法

在干扰相干背景下,接收信号协方差矩阵中信号空间的一些向量收敛到噪声空间中,仅利用二阶信息不能准确地得到干扰的方向信息,因而干扰抑制效果较差。为此,提出了一种自适应数字波束空域相干扰抑制方法。该方法是首先基于高阶累积量估计出广义方向矢量,然后根据最优均方逼近原则,结合切比雪夫加权系数形成波束,来抑制相干干扰。仿真结果表明,所提方法能够有效地抑制相干干扰。     

基于凸约束下泰勒估计的主瓣干扰抑制算法

针对真实信号协方差矩阵估计难以直接获取及低快拍条件下传统采样协方差矩阵存在较大误差的问题,提出了基于凸约束下泰勒估计的抗主瓣干扰波束形成算法。该算法首先利用凸约束下的泰勒估计法在低快拍数条件下对信号协方差矩阵进行估计。其次利用多信号分类算法进行波达方向估计,筛选主瓣干扰对应特征矢量。而后利用特征投影矩阵法对主瓣干扰进行抑制。最后,通过添加线性约束获得权值矢量进行波束形成。仿真结果显示,在低快拍数条件下,所提算法对信号协方差矩阵具有更高的估计精度,波束形成性能稳健且具有更高的输出信干噪比。     

High resolution radar target adaptive detector and performance assessment

The high resolution radar target detection is addressed in the non-Gaussian clutter. An adaptive detector is derived for range-spread target based on a novel covariance matrix estimator. It is proved that the new detector is constant false alarm rate (CFAR) to both of the clutter covariance matrix structure and power level theoretically for match cases. The simulation results show that the new detector is almost CFAR for mismatch cases, and it outperforms the existing adaptive detector based on the sample covariance matrix. It also shows that the detection performance improves, as the number of pulses, the number of secondary data or the clutter spike increases. In addition, the derived detector is robust to different subsets, estimated clutter group sizes and correlations of clutter. Importantly, the number of iterations for practical application is just one.     

辅助数据缺失环境下结构化自适应目标检测器

杂波背景非均匀导致经典自适应检测方法性能下降,为改善辅助数据缺失环境下的目标检测性能,研究了雷达目标结构化自适应检测方法。利用杂波协方差矩阵斜对称特征,设计了结构化广义似然比检验自适应检测器,提高了杂波谱结构化信息和待检测单元杂波信息的利用率;进一步推导了检测器的实数域表达式。仿真分析表明,所提检测器具有恒虚警率特性,其检测性能对不同杂波相关性具有很好的鲁棒性。在辅助数据缺失环境下,所提检测器性能优于现有典型非结构化和结构化检测器,且这种优势随着辅助数据缺失程度的增大而加大。     

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。     

自适应阵列处理典型算法的内在关系与统一框架

从经典维纳滤波器出发,以自适应干扰对消为纽带,推演出各种自适应阵列处理算法的等效原理。推导出降秩自适应滤波的统一算法结构,并提出线性约束正交投影算法。据此得出自适应阵列处理典型算法的内在关系,提出自适应阵列处理的统一框架,从而把单一约束和多线性约束(甚至静态方向图约束)、满秩和降秩、单级维纳滤波和多级维纳滤波有机统一起来,把对特殊干扰环境(相干干扰环境等)及期望信号特性(高阶累计量、循环平稳性等)下的处理视作预处理,构建起自适应阵列处理的统一理论基础。     

用权系数迭代的自适应波束形成器抑制干扰

针对RFI(radio frequency interference)在高频地波雷达中不同距离元的分布特点,在比较现阶段不同波束形成器的基础上,提出一种应用基于权系数迭代法的自适应波束形成器来抑制RFI干扰的方法。该波束形成器的初始权向量是用MVDR(minimum variance distortionless response)算法来获得,而其后迭代法中的权向量是基于LCMV(linearly constrained minimum variance beamforming)算法在上一次权系数的基础上得到的。其中两算法中的协方差矩阵都是由不含雷达回波信号的远距离元阵列快拍来构成,从而增加天线阵的自由度。最后通过对实际雷达数据的处理,验证了该方法的可行性。     

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。