宽带相控阵雷达各模块幅相失真对成像的影响

宽带LFM信号作为一种广泛应用于宽带相控阵雷达系统中的信号,在实际应用中一般可采用Stretch处理的方法,实现高距离分辨成像,并大大减少数据采集难度.但它需要很大的瞬时带宽,传统上认为当瞬时带宽较大时,系统的幅相频率特性难以满足要求.通过对实测数据的分析,发现当有源相控阵模块较多时,由于模块之间幅相失真的综合作用,虽然单个模块存在较大的幅相误差,但最终雷达成像性能仍满足设计要求.     

基于数字多波束星载多通道VDES设计

阐述了甚高频数据交换系统(VDES)系统产生背景,针对目前普遍存在的系统通信速率受限以及自动识别系统(AIS)时隙冲突问题,提出一种全双工射频通信频段设计方法和时隙冲突解决途径。通过采用多个射频通道以及多个波束合成,利用阵列天线和数字波束合成(DBF)技术,将卫星大覆盖范围划分为多个相互独立区域,缩小单个天线波束视场覆盖范围,减少单波束范围内船舶数量,能有效降低AIS信号时隙冲突。以600 km卫星轨道为例,介绍了8通道及8个波束DBF设计方法,对波束视场和天线增益等进行了仿真计算。结果表明:多波束可覆盖±42°视场角范围,单波束视场角最大为±14°。     

基于FPGA＋DSP的数字波束形成系统的设计

自适应数字波束形成(ADBF)是新一代相控阵雷达的核心技术.讨论了ADBF的工程实现算法,并给出了一种基于FPGA和DSP结构的数字多波束形成系统模块,该DBF模块具有高速数字波束形成、通道校正、自适应干扰置零功能,在实践中有良好的应用.     

一种自适应阵列天线通道不一致性的校准方法

自适应阵列天线使用空间谱估计中的多信号分类(MUSIC)算法估计信号到达角时,阵列天线物理特性的不一致直接影响到达角的估计精度。文章提出一种阵列通道校准方法,综合考虑阵元互耦、安装误差和通道失配,在引入辅助信号源的情况下,从实测来波方向中通过最优化的手段,来获取通道幅相补偿信息和信号到达角估计。通过计算机模拟实验,证明该方法是可行的。     

一种可用于预白化类空时自适应处理中的阵元误差校正算法

在非均匀杂波环境中,预白化类空时自适应处理(STAP)具有较高的收敛速度,可显著提高雷达的杂波抑制性能。但在实际阵列接收系统中,阵元误差的存在会使预白化类STAP性能严重下降。针对此问题,提出了一种基于杂波回波的阵元误差校正算法。该算法首先将阵元误差表示为方位依赖的幅相误差;然后将空间各个方位的主瓣杂波作为校正源,利用其阵列输出协方差矩阵的Toeplitz结构会在阵元误差影响下发生改变的特性,估计相应方位的阵元幅相误差;最后利用估计的幅相误差校正先验协方差矩阵和假定目标的导向矢量。仿真结果表明:当阵列接收系统存在阵元误差时,阵元误差校正算法可明显改善预白化类STAP算法的杂波抑制性能。     

大带宽高分辨力多通道SAR频谱重构

针对大带宽高分辨力SAR的幅相误差特性,提出了基于通道幅相误差补偿的偏移相位中心多通道SAR频谱重构算法。该算法利用雷达内定标数据估计通道内和通道间的系统幅相误差并补偿回波数据,然后通过频谱重构滤波器抑制模糊多普勒频率信号,获得无模糊的多普勒信号。仿真和实测数据的成像结果表明,该算法能够有效抑制高分辨力多通道SAR的模糊多普勒分量,获得满意的成像效果。     

多波束三维成像激光雷达高精度收发匹配方法研究

三维成像激光雷达技术为空间地理信息获取、目标立体探测提供了新的技术途径。以多波束并行收发、单光子阵列探测为特征的新一代三维成像激光雷达可提升雷达探测灵敏度、激光成像帧频与成像效率，从而实现远距离快速激光三维成像。三维成像激光雷达的激光发散角与接收视场需角秒量级的匹配精度。随着系统波束数量的增加，几十甚至上百波束的高精度收发波束匹配是系统设计装调的难点。聚焦多波束单光子阵列三维成像激光雷达的收发匹配难题，设计了基于衍射分束激光发射与光纤阵列接收的收发光学系统，提出了一种多波束激光雷达收发波束匹配方法，并对该方法的收发匹配误差源以及温度对其影响进行了详细分析仿真。实验验证结果表明，可实现64波束优于10 μrad的匹配误差，在工作温度范围内总的收发失配优于20.78 μrad，满足本系统设计时25.5 μrad的收发匹配裕量，系统对环境温度有较好的适应性，具有良好的工程应用前景。     

分布式小卫星雷达系统误差估计的新方法

相干联合处理小卫星编队雷达接收的地面回波可在获得大的成像测绘带的同时获得较高的方位分辨力，具有非常重要的军事应用前景。然而复杂的分布式小卫星雷达系统误差尤其是三维基线误差和多通道幅相误差，严重影响了联合处理各卫星回波数据的效果，甚至使其失败。针对这一问题，提出了一种新的分布式小卫星系统误差补偿方法，该方法不需要迭代运算，可在基线误差控制在分米数量级的基础上对回波信号的空间导向矢量进行准确估计。计算机仿真验证了方法的有效性。     

双基地MIMO雷达目标定位及幅相误差自校正算法

针对双基地多输入多输出(MIMO)雷达收发阵列存在幅相误差的情况,提出了一种基于辅助阵元法(ISM)的ESPRIT类算法。在收发端分别设置若干个精确校正的辅助阵元,可实现对目标收发方位角和幅相误差系数的无模糊联合估计,在角度估计过程中无需任何收发阵列幅相误差系数信息,无需谱峰搜索,运算量较小。算法未使用对阵列误差的微扰动及第一个收发阵元的幅相误差进行归一化的假设,更符合实际的误差模型。     

一种雷达测试中通道误差自适应补偿技术

文章针对多模式、多带宽脉宽组合的雷达系统调试测试时通道误差提取与补偿效率低的问题,提出了一种通道误差随参数变化的自适应补偿技术。该方法可在通道误差模型的基础上,根据各工作模式所设定的带宽、脉宽组合自适应生成幅相误差补偿曲线,并以回波模拟器通道误差自适应补偿为例给出了误差模型获取与自动生成的具体步骤。通过某雷达系统测试过程中的试验验证,所提出的方法幅度误差提取结果相比逐次提取结果偏差小于0.02dB,相位误差提取偏差小于0.2度,满足通道误差补偿的需求,不仅适用雷达系统调试测试,还可应用于其他通道特性稳定系统的通道误差补偿,避免繁杂的手动操作,提高测试效率。     

基于稀疏空间谱估计的星载SAR DBF算法

针对星载合成孔径雷达(SAR)系统利用俯仰向数字波束形成(DBF)技术接收场景回波时受地形的影响,会出现波束指向偏差的问题,提出了基于稀疏空间谱估计的星载SAR数字波束形成方法。该方法将目标场景高程估计问题转换为波达方向估计问题,考虑到回波信号的稀疏性,进而等效为稀疏空间谱估计问题,然后利用凸优化方法求解得到目标波达方向。最后,仿真实验验证了该方法的有效性,结果表明该方法可以降低传统自适应方法受小样本和低信噪比影响的限制,实现复杂地形下的正确波束指向,保证回波信号的接收增益。     

W波段UAV MISAR实时成像运动补偿方法

建立了实时成像正侧视合成孔径雷达(SAR)运动误差模型,采用了一种基于惯导和相位梯度自聚焦(PGA)运动误差估计的中心波束平面运动补偿算法。该算法对回波包络和相位进行分开补偿,利用惯导数据把带有运动误差的回波包络拉直,再利用相位梯度自聚焦算法对回波进行相位误差估计并补偿。针对实时成像的时间少、运算量大、运算资源受限等特点,该算法取消了距离徙动校正的步骤,将运动误差矢量在斜距平面投影并完成包络校正和相位误差估计。该方法运算量小,同时能满足分辨率要求。仿真结果表明:该方法能够得到质量较高的SAR图像。     

DBF\|SAR系统1比特量化设计

为解决DBF\|SAR系统数据率巨大和星上处理复杂的问题,提出了一种将各通道回波和距离向匹配滤波器都1比特量化的处理方法。首先证明当回波信噪比较低时,符号位已包含了目标的幅度信息,从而为1比特量化提供了可能;在此基础上,利用各通道间信号相关性强而噪声相关性弱的特点,通过数字波束成形技术,提高了系统信噪比。接着探讨了该方法的硬件实现结构和资源消耗情况。最后,仿真结果表明了方法的有效性。该方法在不明显降低成像质量的前提下,简化了系统电路设计和减小了数据率,对DBF\|SAR系统的工程实现有一定参考价值。     

误码率对星载合成孔径雷达图像质量影响的数字仿真研究

定量分析了星载合成孔径雷达 (SAR)原始回波信号的量化噪声、饱和噪声以及误码噪声对面目标信噪比的影响 ;建立了星载 SAR数字仿真系统 ,对不同误码率条件下的点目标阵场景的星载 SAR原始回波信号进行数字仿真 ,采用 Chirp Scaling算法进行成像处理 ,并对成像结果进行图像质量评估 ,研究了误码噪声对点目标 (尤其是弱信号目标 )性能影响的规律。     

一种多普勒域走动校正的斜视SAR成像算法

为了解决时域校正走动带来的方位空变性问题,提出了一种在方位多普勒域走动校正的斜视合成孔径雷达（SAR）成像算法。文中利用级数反演理论,将斜距公式展开至三次项,推导出SAR回波信号的两维频谱表达式。再从两维频谱出发,提出了基于两维频谱匹配滤波的斜视SAR成像算法。该算法考虑到距离空变性问题,提出先在两维频域进行走动校正和相位预滤波,接着在距离多普勒域进行线性频率变标的处理方法,经过距离脉压和方位脉压能够得到聚焦良好的SAR图像。此外,该方法与距离徙动（RMA）算法相比可以有效地降低需要处理的数据量。最后,临近空间SAR仿真实验证明本文提出方法的可行性和有效性。     

应用于雷达电子战系统的宽带DBF技术

探讨了应用于雷达电子战系统的宽带DBF技术。主要阐述了宽带DBF应用时需要进一步研究的问题,包括宽带空间谱估计、宽带波束形成方法、宽带自适应波束形成技术以及宽带系统误差的校正技术等。     

基于组字典学习的逆合成孔径雷达成像方法

基于压缩感知(compressive sensing, CS)的逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像方法可以使用非常少的数据来获得高质量的图像。但基于CS的ISAR成像方法中目标场景不准确的稀疏表示限制了成像方法的性能。结合字典学习(dictionary learning, DL)技术的CS ISAR成像方法能够寻找到目标场景图像块的最优稀疏表示,提高成像质量,但每一个图像块被单独考虑,而忽略了彼此之间的相互依赖关系。为了实现进一步提高成像质量的目标,针对ISAR图像分块重建的问题,首次提出一种基于组字典学习(group dictionary learning,GDL)的ISAR成像方法。将具有相似结构的图像块聚类并构建出多个图像块组,利用奇异值分解(singular value decomposition, SVD)从图像块组中学习出最优组稀疏变换字典。学习好的组稀疏变换字典可以寻找到待重建图像块组的最优稀疏表示,进而重建出高质量的目标场景图像。实验结果表明:与现有的CS ISAR成像方法相比,基于GDL的ISAR成像方法能获得更好的成像效果,并具有更高的计算效率。     

基于快速极坐标格式算法的MIMO雷达虚拟孔径成像

针对共址多输入多输出（Multiple Input Multiple Output,MIMO）雷达在单次快拍下的虚拟孔径成像问题,分析了MIMO雷达虚拟合成阵列,建立了MIMO雷达极坐标格式波数域回波模型,分析了基于距离向和方位向尺度变换的空间谱转化,指出MIMO雷达方位向尺度变换不再是Keystone变换,提出了一种新的MIMO雷达快速极坐标格式成像算法。仿真表明了该文方法的有效性。     

星载合成孔径雷达的数字成像处理

对星载合成孔径雷达的数字成像处理过程进行了详细的阐述，其中包括点目标回波信号的分析，距离压缩，距离徙动校正，方位压缩，多普勒参数估计，参考函数的形成和更新，多视处理等内容。还介绍了数字成像处理的实现方法     

双星双频地面快速运动目标成像与参数估计

在多输入多输出合成孔径雷达(MIMO-SAR)的基础上,提出使用双卫星、双工作频率实现地面快速运动目标检测、成像和参数估计的方法。利用广义二阶Keystone变换对提取出的运动目标进行距离徙动校正,针对快速运动目标的多普勒模糊问题,使用修正的离散调频傅立叶变换结合最小波形熵搜索完成目标多普勒参数估计后,利用数值搜索的方法对不同工作频率下的速度集合进行交集求解得到目标真实速度值,并给出了一种运算量较小的快速搜索算法。最后,计算机仿真表明了方法的有效性。