幅度相位误差条件下的互质阵列DOA估计方法

针对基于互质阵列的欠定波达方向(direction of arrival, DOA)估计方法在阵元幅相误差条件下性能急剧下降的问题, 提出一种基于校正阵元的互质阵列DOA估计方法。首先, 将阵列接收数据分解为两个子阵数据, 基于校正阵元对子阵分别进行幅相误差估计, 并将子阵幅相误差排序重组。然后, 对接收数据协方差矩阵进行误差补偿并扩展为高维的Toeplitz矩阵。最后, 基于矩阵填充理论对高维协方差矩阵进行空洞填充, 结合求根多重信号分类(root multiple signal classification, root-MUSIC)算法进行DOA估计。理论分析和仿真结果表明, 该方法可以实现互质阵列的幅相误差估计, 并通过误差补偿有效恢复幅相误差条件下的互质阵列DOA估计性能, 提高估计精度。     

基于循环自相关/平均幅度差函数的弹道目标微动周期估计

雷达微多普勒(m-D)是弹道目标的突出特征,为弹头识别提供了重要手段.然而,当弹道目标的微动伴随平动时,时频分布不再表现为正弦调制曲线,此时基于时频分布正弦假设的微多普勒特征提取方法可能失效.针对这一问题,提出了一种循环自相关函数(CACF)和循环平均幅度差函数(CAMDF)相结合的估计算法,来获取时频分布的循环系数矩阵和该矩阵的平均循环系数,从而估计出弹道目标的微动周期.该算法以时频分布的循环周期性代替正弦调制的周期性,不需要假设目标平动已被准确补偿,有效克服了传统微动周期估计方法的不足.理论推导论证了该算法的可行性,仿真实验验证了该算法的有效性和抗噪性.     

基于Zernike矩和双谱特征的新型干扰识别算法

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(CI),提出了一种利用Zernike矩和双谱分析的干扰识别方法。首先对雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,然后将得到的二维特征谱变为灰度图,运用数字图像处理技术对灰度图进行一系列的预处理后,利用Zernike矩特征提取图像的形状特征进行识别。仿真实验证明该方法具有较好的识别率,特别是受信噪比影响较少,且在低信噪比下识别率仍能达到90%。通过与文献[4~6]比较表明,该算法识别效果最好,进一步说明了采用该算法在雷达干扰信号识别领域中的可行性。     

噪声不一致背景下脉冲串辐射源直接定位算法

针对无源定位过程中,由于各侦察站噪声功率不一致导致直接定位算法精度下降的问题,提出了一种噪声不一致背景下的脉冲串辐射源直接定位算法。首先利用傅里叶变换构造来波信号,再通过矩阵变换将定位解算问题转换为广义互模糊矩阵最大特征值求解问题,最终得到目标辐射源的位置,并同时推导了噪声功率不一致背景下算法的克拉美罗界。仿真结果表明,随着观测脉冲数和信噪比的增加,所提算法的定位精度均得到有效提高,与现有的噪声一致背景下的直接定位算法相比,当观测脉冲数为120、信噪比为5 dB时,所提算法的定位精度提高约50%。