MIMO雷达子阵级m-Capon方法研究

针对多输入多输出（multiple input multiple output, MIMO）雷达虚拟阵列孔径大,典型的降维空时自适应处理（space time adaptive processing, STAP）方法--m-Capon法无法适用的问题,对子阵级m-Capon法进行了研究,并与相应的相控阵雷达3-Capon方法进行了比较。计算机仿真结果表明,处理器维数相同时,子阵级3-Capon方法性能明显提高,但非主杂波区误差鲁棒性差;子阵级1-Capon法在非主杂波区性能明显提高,但主杂波凹口太宽。在实际应用中,可综合运用两种方法对主杂波和非主杂波区分开处理,为工程实现提供可靠依据。     

星载雷达对弹道目标跟踪模式的选择

针对星载雷达对弹道目标跟踪模式的选择问题,在建立星载雷达对空间轨道目标跟踪所需坐标系的基础上,给出了先转换后绝对运动状态跟踪和先相对运动状态跟踪后转换两种跟踪模式,分析了两种模式的测量误差传递特性以及状态模型建立的难易程度。最后对两种模式的跟踪精度进行了仿真实验,仿真结果表明,相比于前一种模式,后一种模式的跟踪性能获得了明显的改善。研究结果能为星载雷达对弹道目标跟踪模式的选择提供设计依据。     

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar, SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l₁范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。     

前视阵FDA-MIMO雷达距离模糊杂波抑制方法

超高速平台前视阵雷达面临强杂波抑制难题,其杂波不仅具有显著的距离依赖性而且存在多重距离模糊,导致雷达动目标检测性能急剧恶化。针对这一问题,提出了一种基于频率分集阵列和多输入多输出雷达的距离角度多普勒三维自适应处理距离模糊杂波抑制方法。该方法通过发射接收二维联合空域和差波束及时域邻近多普勒通道进行降维处理,保证算法的低复杂度以及在小样本条件下的杂波抑制性能。仿真实验验证了所提方法的有效性。     

基于旋转干涉仪的多目标参数估计

针对传统电子侦察卫星的单星测向定位和旋转干涉仪测向方法在处理能力和精度上的限制,提出了一种旋转基线的多目标二维角度估计方法。该方法将多通道长基线旋转干涉仪模型与阵列信号的处理方式相结合,根据角度模糊的变化规律,通过霍夫变换提取目标的二维角度信息。在所提方法的基础上重点分析了模糊角度位置随旋转干涉仪角度变化的关系,并建立了目标角度模糊分布模型。仿真结果表明,所提算法可以有效地从角度模糊中提取准确的角度信息;相比于传统的旋转干涉仪测向方法,该方法可实现多目标的二维角度估计并且降低了对信噪比的要求。     

基于改进粒子滤波的微弱目标检测前跟踪算法

研究高速微弱目标的积累检测问题,提出了一种改进粒子滤波的检测前跟踪算法。该算法采用与雷达距离-多普勒图像相匹配的量测数据模型,能克服传统点扩散函数的模型误差。采用“新生”粒子从强度最高的分辨单元集内均匀产生,且按概率对权重最低的部分“存活”粒子用“新生”粒子将其替换的粒子更新策略,在增加粒子多样性的同时缓解了粒子的退化。仿真实验表明,本文算法的检测与跟踪性能要优于标准的粒子滤波算法。     

动目标检测、定位与成像方法研究

研究基于DPCA和干涉技术的SAR动目标检测与成像方法,提出了在估计运动目标的径向速度和真实的方位位置的过程中考虑运动目标的方位向速度的影响,导出了估计目标的径向速度和真实的方位位置的表达式,在运算量没有增加的前提下使得动目标参数的估计精度有所提高,从而可以更好的对运动目标进行定位与聚焦成像。给出了应用该方法的具体步骤,通过仿真实验验证了本方法的有效性。     

阵列天线干扰抑制的一种改进遗传算法

提出了一种阵列天线干扰抑制的改进遗传算法,在射频端基于功率判决直接通过调节权系数进行波束合成,可以有效地抑制与信号方向不同的干扰。该算法引入嫁接遗传算法的基本思想,采用一个交叉矩阵来确定每一代每一个个体的交叉概率,避免了基本遗传算法过早收敛的缺点,提高了收敛性能。计算机仿真实验表明了该算法的有效性和鲁棒性。     

基于变换域张量的机载阵列DOA和极化参数估计

针对强杂波背景下多目标回波的参数估计问题,现有的基于长矢量的多重信号分类(long vector multiple signal classification, LV-MUSIC)法精度下降,基于张量的MUSIC(tensor MUSIC, T-MUSIC)方法通道数不足,无法计算噪声子空间投影矩阵。因此提出基于变换域张量的MUSIC方法。算法利用张量结构,在时域分离不同多普勒频率的信号,分别估计各多普勒通道的回波参数。相比于LV-MUSIC和T-MUSIC,所提算法避免了多目标背景下自由度不足导致的目标分辨力下降的问题,并且能获得更高精度的参数估计。仿真实验证明,所提算法有更高的目标分辨能力,在低信噪比条件下仍保持良好的性能。     

空时编码阵波束域超分辨角度估计方法

空时编码阵(space time coding array,STCA)雷达通过在相邻阵元间引入时间延迟,在发射单一波形的条件下可实现全向空域的有效覆盖,工程上易于实现。针对STCA雷达体制,提出了一种基于发射维空间自由度的波束域超分辨角度估计方法。通过分析STCA多维模糊函数,设计了接收端的角度时间二维匹配滤波器,因而在接收端等效形成发射多波束,获得发射维空间自由度,进而设计相应的波束域搜索导向矢量,基于波束域多重信号分类 (multiple signal classification, MUSIC)算法实现了STCA等效发射端的超分辨角度估计。仿真结果验证所提方法的有效性。