时-空相关的相参K分布海杂波的仿真

对海面目标进行ISAR成像时,会受到海杂波的影响。基于海杂波的复合散射理论,分析了海杂波的统计分布模型、时间相关性和空间相关性。采用球不变随机过程产生时间和空间相关的相参K分布海杂波。对时间相关和空间相关性的引入方法进行了分析。最后设定仿真环境产生具有时间和空间相关的相参K分布二维海杂波,结果表明了该方法的有效性。     

基于现代谱估计的相关K杂波模拟

针对相关K分布杂波仿真过程中具有指定功率谱的随机序列的产生,提出用现代谱估计进行相关随机序列产生的方法.该方法利用L-D算法求解自回归模型的Y-W方程以精确地模拟杂波的功率谱密度,以海杂波为例的仿真结果证明了方法的有效性.同时针对杂波仿真过程中自回归模型阶数的选择,对不同的K分布参数和功率谱宽度的杂波进行了仿真实验,通过对实验结果的分析给出一些有用的结论.     

基于ZMNL的K杂波建模与仿真

雷达杂波特性可以用幅度分布特性和频谱分布特性来描述,文章利用无记忆非线性变换(ZMNL)进行建模仿真,产生具有高斯谱的相关K分布杂波;详细介绍了仿真建模的具体过程,并验证了仿真结果;结果表明,此方法能更快速准确地模拟高分辨近距离雷达杂波,仿真得到的杂波序列可以直接用于雷达杂波模拟器中的输入信号。     

复合高斯海杂波模型下最优相干检测进展

 不同于噪声背景下的目标检测,增加雷达发射功率对海杂波背景下的目标检测性能并不能带来重大的改善,因此海杂波的精细化建模和海杂波特性的充分利用成为改善目标检测性能的最重要途径。复合高斯模型是目前广泛使用的海杂波模型,为海杂波特性的精细描述提供了有力工具,而相应的最优检测理论和方法为目标检测性能改善提供了技术支持。本文综述复合高斯海杂波模型下最优及近最优相干检测理论和方法。首先,对K分布、广义Pareto分布及逆高斯纹理3种复合高斯模型进行了概述,并介绍了3种模型下已有的最优及近最优检测方法;然后,对目前复合高斯杂波加噪声混合模型下相干检测方法的进展和应用瓶颈进行了分析;最后,针对未来该方面研究的进一步完善,探讨了几种计算可实现近最优检测方法的研究思路。     

星载SAR分布杂波的计算机模拟

星载雷达是适应各种军用和民用的目的而提出来的 ,美国和加拿大都在研究包含 SAR(合成孔径雷达 ) - GMTI(地面运动目标指示 )模式的星载雷达 ,由于星载雷达在地面轨迹较大 ,卫星速度快 ,运动目标信号淹没在强大的地杂波中。为了完成 GMTI功能 ,只有首先对 SAR- GMTI系统中地杂波精确建模 ,分析和掌握其在 SAR机制下空间分布情况和功率谱特性 ,才能有效去除杂波。地杂波建模困难 ,具有很多随机性的环境因素 ,没有现成的算法 ,跟具体雷达设备、系统参数也有关系。因此杂波仿真是很复杂的 ,大量仿真和实验数据表明 K分布较能精确描述杂波 ,而且引入了空间的相关性。本文用 K分布来描述雷达截面积的空间起伏。K分布的混合模型包含了杂波起伏的两个分量。一、快变化分量也称为斑点分量 ,其幅度服从负指数分布的方根即瑞利分布 ,源于雷达从随机相位散射点反射回波的相干求和 ;二、慢变化分量也称为纹理分量 ,它服从平方根伽马分布 ,纹理变量表征观测面特性 ,受成像场景物理特性的影响 ,决定了场景空间变化的雷达横截面。因此 K分布杂波模型等同于用伽马分布去调制平方律检测 (负指数分布 )的功率调制过程。本文通过无记忆非线性变换产生相关高斯序列 ,多个独立的相关高斯序列分别组成相应纹理分量和斑点分量 ,     

改进的MUSIC算法用于雷达海上目标检测

海杂波的存在严重影响了雷达检测海上目标的性能,海杂波的建模与抑制方法是其研究的重要方面。首先介绍了高频雷达海杂波的产生机理,然后建立海杂波的信号模型。在信号模型的基础上,研究抑制海杂波以及提取目标信号的方法,主要研究对比了SVD和MUSIC方法。利用海杂波信号模型产生满足条件的模拟杂波以及目标信号,仿真出抑制海杂波以及提取目标信号的过程,仿真结果可以验证方法的有效性。     

时空相关杂波下多目标步进频参数估计

提出了时空相关复合高斯分布海杂波下步进频雷达运动目标参数估计的方法.根据复合高斯分布杂波的散斑分量与纹理分量的分布特性,推导出步进频体制高分辨雷达的运动目标距离与速度的最大似然估计;提出目标误差函数的定义,基于目标误差函数最小化的准则,通过对距离进行搜索找到距离的估计值,并通过距离的估计值,求解出速度的最优最大似然估计值.仿真实验表明,该方法可以有效地估计出时空相关复合高斯分布海杂波背景下的步进频运动目标距离与速度参数.     

基于LS-SVM的海杂波混沌预测

首先引入分形Brown运动模型，基于S波段雷达实测海杂波数据，计算得到了该分形模型的海杂波Hurst指数，进而求得了S波段雷达实测海杂波的分形维数.然后利用经典的Rosenstein方法，计算得到了S波段实测海杂波的最大Lyapunov指数，从而证实了S波段雷达海洋回波信号具有混沌分形特性.在此基础上，提出了一种基于LS-SVM的海杂波混沌序列预测方法.最后进行了计算机实验，仿真结果证明了该方法具有较高的预测精度.     

真实地形环境下低空雷达目标回波信号分析

针对低空雷达目标与杂波、环境难于一体化建模的问题,提出了一种分析真实地形环境中低空飞行目标的雷达回波信号的实景相干复合方法(CHIAL).以机载脉冲多普勒(PD)雷达为平台,首先将半空间并矢格林函数引入物理光学方法中,结合图形电磁学计算低空目标的雷达散射场强度,然后利用地形高程数据和地形地物分析数据,得到杂波单元的散射特性,通过相干杂波模型产生地杂波,最后将所有雷达回波送入各自的距离门,并加入噪声信号,模拟包含目标特性和杂波特性的有效回波信号.与传统复合建模方法相比,CHIAL方法的目标回波信号和杂波信号更加准确.对机载PD雷达探测低空目标的仿真实验表明,CHIAL方法在处理90m×90m地形高程数据时,杂波分布和信杂比与理论分析基本一致,有很强的系统工程实用价值.     

高分辨率雷达近距离下的海杂波建模与仿真

作为一种具有统计特性的随机变量,海杂波的特性可以用幅度分布特性和谱特性来描述。文章以韦伯分布、具有高斯谱的海杂波为例,介绍一种海杂波的模拟模型;之后进行海杂波信号仿真并验证了仿真结果。仿真得到的海杂波数据可以直接用于雷达目标模拟器中的输入信号。     

基于加权范数的时空相关K分布杂波建模

提出了一种基于离散复线性空间加权范数的时空相关K分布杂波建模及仿真方法.该方法利用经典的零记忆非线性变换(ZMNL)法或球不变随机过程(SIRP)方法,生成时间相关的杂波序列,并对其进行归一化处理.通过线性变换矩阵,使一维的杂波转换成满足一定性质的二维序列,通过求解离散复线性空间加权范数最小值,对二维序列进行迭代修正并得到时空相关的杂波序列.通过理论推导证明了该二维序列满足时空二维杂波的时间相关性、空间相关性及幅度特性.仿真结果验证了该方法的正确性和可行性.     

海杂波多重分形特性分析与仿真

多重分形消除趋势波动分析方法(MF-DFA)是描述非平稳时间序列复杂波动的有效方法,本文提出将其用于海杂波分析,发现海杂波具有多重分形特性。在此基础上,运用多重分形小波模型对海杂波进行建模与仿真。通过数学分析和MF-DFA方法对仿真结果进行检验,分别从概率密度分布特性和多重分形特性角度验证了该模型的有效性。     

基于径向基函数的海杂波时间序列预测方法

介绍基于混沌理论的海杂波分析方法,依据加拿大McMaster大学IPIX雷达实测海杂波数据,按照TAKENS的嵌入定理,设计了混沌预测器.预测器采用径向基函数神经网络重建海杂波的混沌动力系统,即建立海杂波的精确预测模型.实验表明,基于径向基函数的混沌时间序列预测器精度完全能够实现单步预测功能.学习误差为0.0232,预测误差为0.0277.     

基于空间分形特征差异的目标检测

为有效检测海杂波中的弱小目标,针对海杂波的分形特征随大时空变化的特点,提出使用短时间内空间分形特征差异来检测海面弱小目标的方法.该法充分利用短时间和局部海域上海杂波的分形维具有稳定性,目标区域和海杂波间存在较大空间Hurst参数差异的特点,克服传统分形维检测法使用固定门限检测效果不佳的缺陷.经理论分析和IPIX雷达实际数据检测,目标和海杂波的特征量均值差异约为3,优于原方法分形维的均值差异小于0.8的检测效果.     

基于电磁散射模型的宽带雷达海杂波特性分析

宽带雷达在抗干扰、目标识别与跟踪等方面具有独特优势。基于粗糙面电磁散射模型对宽带雷达海杂波特性进行了分析。首先利用PM谱函数建立二维海洋粗糙面,引入锥形入射波来克服粗糙面的边缘衍射;然后利用物理光学电磁散射模型,并结合子带合成法,得到宽带条件下散射单元的杂波幅度;最后对宽带雷达杂波回波信号进行建模与仿真,得到海面环境杂波的频谱特性和一维距离像,进而分析了雷达工作带宽、入射擦地角和海面风速对海杂波特性的影响。仿真结果表明:雷达工作带宽增加,入射擦地角减小,海杂波回波幅值均有明显下降,而海面风速对海杂波幅值影响不太明显。     

强海杂波背景条件下海上目标检测方法

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，用径向基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MUSIC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．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．