用于雷达方位超分辨的约束迭代Tikhonov正则化算法

针对Tikhonov正则化算法噪声适应能力差和不便于引进额外的约束对解进行限制等缺点,利用迭代Tik-honov正则化算法对雷达方位超分辨进行研究,证明了迭代Tikhonov正则化反卷积公式的收敛性,分析了迭代Tik-honov正则化算法的频域性质,在存在噪声的情况下,提出相应的噪声抑制方法,得到约束迭代Tikhonov正则化算法。针对不同信噪比情况进行了计算机仿真实验,结果表明,与迭代Tikhonov正则化算法相比,约束迭代Tikhonov正则化算法具有较强的噪声适应能力,与常用的约束迭代方法（CID）算法相比,具有较快的收敛速度,初步验证了算法的有效性。     

机载单通道雷达实波束扫描的前视探测

针对机载单通道雷达采用合成孔径雷达(SAR)技术、多普勒波束锐化(DBS)技术等途径难以实现载机飞行路线正前方高分辨率成像问题,研究了一种利用方位实波束重叠扫描的新型机载单通道雷达前视探测方法,讨论了提高方位分辨率的可行性和适用条件。该方法根据目标回波强度受到波束扫描增益调制的特点,通过计算修正的Capon空间谱来实现方位超分辨。模拟实验表明,所提方法能够实现机载单通道雷达的前视成像,可以显著提高波束主瓣区域内强弱临近目标的分辨能力。     

基于五阶容积-二阶平滑变结构滤波算法的捷联惯导系统初始对准技术

为了改进捷联惯导系统大方位失准角初始对准情况下的方位失准角对准精度和稳定性问题,提出了一种组合对准方法。该方法将Kalman滤波对准模型与罗经对准模型相结合构建了一种组合对准机制,并在此模型基础上提出了基于非线性滤波和鲁棒滤波的五阶容积-二阶平滑变结构滤波算法,将五阶容积-二阶平滑变结构滤波算法与组合对准机制相结合,从而实现大方位失准角的初始对准。仿真结果表明,五阶容积-二阶平滑变结构滤波对准方法得到的方位失准角对准精度明显优于常见的几种对准方法,且其对准结果的重现性更高。因此,提出的五阶容积-二阶平滑变结构滤波算法能够很好地适用于大方位失准角的初始对准。     

超分辨距离-多普勒成像的动态优化方法

提出了超分辨距离多普勒成像的动态优化方法,基本思想是利用正则化图像重建方法及动态优化算法求出雷达目标反射率的最小二乘估计。还利用FFT大大提高了动态优化算法的计算效率。用B-52飞机缩比金属模型微波暗室转台实验数据和Boeing-727飞机外场实测数据进行成像的初步结果表明,采用超分辨成像方法可以获得更高的图像分辨力;或用较小的信号带宽和成像总转角,可以获得相同质量的图像。进一步研究发现,如果能充分利用成像区域中更多的先验信息,动态优化方法可望能提供更好的分辨性能。     

一种新的周期性运动部件调制谱估计方法

目标内部运动部件对雷达回波产生的周期性运动部件调制 (PMPM )为目标识别提供了丰富的特征信息。但由于大多数雷达均采用多目标工作方式 ,因此 ,通常情况下只能从雷达获得不连续的目标回波脉冲串 ,这极大增加了根据目标回波频谱提取PMPM特征的难度。针对含PMPM目标回波频谱具有简单结构这一特点 ,提出了基于最小熵准则的交替迭代反卷积方法(AIDME)用于扩展目标雷达回波频谱估计。结果表明 :与傅里叶谱分析方法相比 ,该方法能够有效消除卷积核函数的不利影响 ,获得逼近目标回波真实谱的良好谱估计结果     

迭代收缩阈值雷达前视成像方法

针对机载多通道雷达的扫描前视成像问题,研究了利用迭代收缩阈值算法实现单个通道前视成像的方法,在此基础上提出一种扩展的多通道迭代收缩阈值算法来解决多通道前视成像问题,在理论上证明其收敛性,并给出加快收敛速度的方法。该算法首先通过对各个通道的加权叠加,获得多通道雷达最小均方误差意义下的最优解;然后利用目标的稀疏表示,获得最优解在相应稀疏约束下的稀疏解。理论分析和仿真实验表明,相对于现有扫描雷达前视成像方法,所提方法在算法稳定性、场景复原能力和噪声抑制能力等方面具有明显的优势。     

基于GPU的反卷积算法并行优化

反卷积是图像去模糊的基本算法,针对传统反卷积算法在图像去模糊处理中实时性较弱问题,提出基于众核GPU的Iterative Deconvolve 3d反卷积算法的并行优化实现.所提算法将原算法中的核心运算放在GPU上并行实现,利用CPU和GPU协同工作模式,CPU负责串行任务GPU负责并行任务.实验表明:与传统的算法相比,在不影响图片处理效果的前提下,计算速度比CPU上的实现速度提高了近11倍,并具有良好的可扩展性.     

被动雷达导引头两点源角分辨技术

被动雷达导引头难以分辨落在同一波束内的多个辐射源。本文通过导引头输出的信号,联立方程求解得到两源方位角和俯仰角的解析解,实现了对两点源的角分辨。数值仿真验证了该算法的有效性。     

一种基于自适应粘滞Landweber算法的雷达杂波模拟方法

在Weibull分布雷达杂波模拟的模型中,针对隐函数迭代法求解无记忆非线性变换法(Zero Memory Nonlinear,ZMNL)中相关参数效率低下的问题,对Landweber迭代算法进行了优化,使之具备粘滞迭代格式和自适应步长,进而将相关系数求解问题转化为第一类算子方程问题。仿真结果表明,改进的算法收敛速度明显提升,显著提高了Weibull雷达杂波的模拟精度。     

基于波形熵的雷达目标一维距离像检测技术

高分辨雷达一维距离像目标检测实质上是扩展目标检测,具有与低分辨雷达回波目标检测不同的特点.通过分析目标一维距离像和噪声的波形特点,提出了一种基于波形熵的一维距离像检测方法.该方法对目标一维距离像信号形式和噪声的先验知识要求少,运算复杂性小,易于工程实现.仿真实验说明算法能有效地提高检测性能.     

Thinned stepped frequency waveforms to furnish existing radars withimaging capability

Introducing imaging capability to an existing radar, even if it is a high RF bandwidth radar, may be difficult, due to limitations on the IF bandwidth, limitations on the pulse repetition frequency and electromagnetic compatibility problems. This paper discusses the use of thinned stepped frequency waveforms, which enable the radar to switch between RF frequencies to provide a synthesized wide RF bandwidth, while the thinning may alleviate some of the constraints imposed on the radar. Random and periodic thinning are discussed in the first part of this paper. However, thinning may cause degradation in image quality, thus an additional technique-Sequence CLEAN deconvolution-is suggested. Sequence CLEAN is an iterative deconvolution algorithm, adopted from the field of radioastronomy, which is capable of resolving close targets in a dense environment, where the system response is heavily affected by high sidelobes     

基于二维资源管理的多功能雷达任务调度算法

动态孔径分割技术为相控阵雷达针对不同任务灵活分配孔径资源提供了可能,而传统的资源调度方法仅基于单一孔径条件研究了时间资源的优化分配问题。针对雷达搜索、跟踪与成像任务的自适应调度问题,提出了一种基于时间-孔径二维资源管理的雷达资源调度算法。该算法建立了雷达孔径分割条件下的二维资源调度模型,确立了能量资源约束条件;利用基于压缩感知的稀疏孔径逆合成孔径雷达（ISAR）成像技术,使雷达在完成目标搜索和跟踪任务的同时实现对目标的成像;定义了调度算法性能的评价指标。在仿真实验中将该算法与另外2种算法进行对比,验证了所提算法在高度成功率、二维资源利用率与任务并行度这3种性能指标上具有优越性。     

相控阵雷达导引头波束稳定技术研究

 相控阵雷达导引头已成为新型空空导弹制导系统的首选,相控阵雷达导引头应用在空空导弹上需要首先解决导引头波束稳定的技术难题。本文基于波束指向在惯性空间不变性原理提出一种相控阵雷达导引头波束稳定算法,对影响相控阵雷达导引头隔离度性能的主要因素进行了仿真分析。仿真结果表明:该算法可以实现相控阵雷达导引头波束惯性空间指向稳定并且满足工程应用要求;通过减小速率陀螺数据周期和波束控制周期,及引入速率陀螺传输延时补偿算法可以提高导引头的隔离度性能。     

基于杂波子空间估计的MIMO雷达降维STAP研究

 多输入多输出(MIMO)雷达是近年来出现的一种新体制雷达,针对MIMO体制的机载雷达开展空时自适应处理（STAP）技术研究是值得进一步努力的方向。本文研究了机载MIMO雷达STAP技术的降维算法,通过对STAP技术杂波抑制原理进行分析,推导并得到一种基于杂波子空间的降维算法。结合扁长椭球波函数（PSWF）的特点,提出了一种基于杂波子空间估计的降维算法,并与若干降维算法的杂波抑制性能进行比较。结果表明,当存在阵元幅相误差时,该算法在保持杂波抑制性能的同时能够有效地降低STAP算法的运算量。     

Improved clutter mitigation performance using knowledge-aided space-time adaptive processing

This paper presents a framework for incorporating knowledge sources directly in the space-time beamformer of airborne adaptive radars. The algorithm derivation follows the usual linearly-constrained minimum-variance (LCMV) space-time beamformer with additional constraints based on a model of the clutter covariance matrix that is computed using available knowledge about the operating environment. This technique has the desirable property of reducing sample support requirements by "blending" the information contained in the observed radar data and the a priori knowledge sources. Applications of the technique to both full degree of freedom (DoF) and reduced DoF beamformer algorithms are considered. The performance of the knowledge-aided beam forming techniques are demonstrated using high-fidelity simulated X-band radar data     

MIMO雷达射频隐身性能优化的目标跟踪算法

随着现代战场中电子对抗的日益激烈,雷达的生存环境受到了严重的威胁。射频（RF）隐身技术是一种提高雷达及其运载平台战场生存能力的重要途径。为提高雷达射频隐身性能,针对具有MIMO探测模式的新体制雷达提出了隐身性能优化的目标跟踪算法。该算法基于射频隐身性能优化模型,通过自适应控制系统的子阵划分个数、平均发射功率、波束驻留时间以及采样周期,在满足系统跟踪性能要求的前提下优化系统射频隐身性能,其中的射频隐身性能综合考虑了截获因子及采样周期。仿真结果表明,与传统相控阵雷达相比,本文所提出的目标跟踪算法使MIMO雷达具有更好的射频隐身性能。     

微小卫星低可观测外形飞行姿态规划

为提高在轨微小卫星的使用效能及生存能力,提出一种微小卫星低可观测外形飞行姿态规划算法.根据微小卫星雷达散射截面(RCS)、轨道及雷达威胁特性,建立了可进行长时间内最佳飞行姿态规划的数学模型,设计了低计算复杂度的链表式个体结构及进化规划策略,并实现了算法对高威胁区优化规划的能力.同时,算法低迭代步长下的快速收敛特性以及进...     

Evaluation of multiple radar target trackers in stressfulenvironments

This paper evaluates the performance of multiple target tracking (MTT) algorithms in real-life stressful radar tracking environments. Real closely spaced maneuver radar data, generated by six F-18 fighters and other targets, were collected jointly by the defence departments of Canada and United States to support this practical MTT algorithm evaluation study. A set of performance metrics was defined here to compare the suboptimal nearest neighbor (SNN), global nearest neighbor (GNN), and various variants of the joint probabilistic data association (JPDA) MTT trackers. Results reveal an interesting result that all these MTT algorithms exhibited very close performance. In addition, the weighted sum approach of the PDA/JPDA trackers which are theoretically effective were observed to perform poorly in tracking closely spaced targets. Overall speaking, the GNN filter based on the Munkres algorithm had the best performance in terms of both tracking performance and robustness     

Classification of radar targets using synthetic neural networks

Radar target classification performance of neural networks is evaluated. Time-domain and frequency-domain target features are considered. The sensitivity of the neural network algorithm to changes in network topology and training noise level is examined. The problem of classifying radar targets at unknown aspect angles is considered. The performance of the neural network algorithms is compared with that of decision-theoretic classifiers. Neural networks can be effectively used as radar target classification algorithms with an expected performance within 10 dB (worst case) of the optimum classifier