风电场雷达杂波动态重构抑制方法

随着风电场的大范围建设,风轮机杂波对雷达的干扰问题日益严重,常规杂波抑制方法难以有效解决风轮机杂波（WTC）干扰问题,因此提出了一种利用动态字典对风轮机杂波进行稀疏重构进而抑制的方法。首先,建立了WTC干扰下的雷达信号模型并分析了风轮机杂波的信号特征。其次,依据WTC的时频特征提出了一种微动参数粗估计方法,利用粗估计结果缩小了字典稀疏重构参数范围,在此基础上利用正交匹配追踪（OMP）算法对字典进行动态生成,并逐级更新字典原子。最后,通过动态字典对风轮机杂波信号进行稀疏重构,从而实现了对WTC的有效抑制。通过仿真实验,分析了风轮机杂波对目标检测的干扰影响,验证了基于动态稀疏重构的风电场杂波抑制方法在不同情况下的有效性。     

扫描模式航管监视雷达风电场杂波检测与抑制

近年来,全球风力发电装机容量呈指数增长。研究表明,风轮机对其附近的航管(ATC)监视雷达会产生严重影响。风轮机杂波的有效检测及抑制,对于保证空中交通安全具有重要意义。首先提出了基于回波谱宽特征的航管监视雷达的风轮机杂波检测方法。针对扫描模式下航管监视雷达频谱分辨率较低的问题,将基于自回归(AR)模型的超分辨率方法和质量中心的概念应用于雷达回波的快速谱宽和谱中心估计算法中,提高谱宽估计的精度。其次针对扫描模式下的风轮机回波数据不是一个完整周期数据的问题,基于缺省数据幅度和相位估计(GAPES)算法实现了扫描模式下风轮机雷达回波缺省数据的估计,而后利用风轮机杂波的周期性抑制风轮机杂波。该算法实现了风轮机杂波的有效检测和抑制,并且其不受限于风轮机与飞机目标在同一个距离单元的情况。仿真结果验证了所提方法的有效性。     

基于频谱和倒谱分析的探地雷达地杂波抑制

超宽带探地雷达被广泛用于检测浅层埋藏的反人员地雷,其中滤除强的地表反射回波是完成目标检测、成像与识别的关键。将独立分量分析算法与数据非一致性检测方法相结合,通过分析独立分量的频谱和倒谱,给出了一种可以适应多目标数据区域且自动选取独立分量的地杂波抑制方法。实验结果证明了该方法的可行性和有效性。     

多输入多输出电磁矢量阵列雷达的DOD和DOA联合估计

研究一种基于电磁矢量传感器阵列的多输入多输出(MIMO)雷达目标波离角(DOD)和波达角(DOA)的联合估计算法.提出了一种新型MIMO雷达系统,发射阵列采用常规阵元,而接收阵列采用电磁矢量传感器,在此基础上,算法首先利用矢量传感器的内在结构特点结合子空间旋转不变性质获得目标DOA预估计,随后采用最佳加权子空间拟合算法...     

一种简化的机载MIMO雷达杂波特征相消器

针对机载多输入多输出(MIMO)雷达杂波抑制问题,提出一种简化的杂波特征相消器(EC).根据杂波在空时二维平面的先验分布离线构造杂波子空间.以此替代由协方差矩阵特征值分解(EVD)得到的杂波子空间,从而将最优权简化为一个确知投影矩阵与目标信号空时二维导向矢量的乘积,避免了传统EC方法中复杂的协方差矩阵估计和EVD运算,...     

基于先验知识及其定量评估的自适应杂波抑制研究

 为了改善训练样本数受限的非均匀杂波环境中的系统检测性能,研究了基于先验知识及其定量评估的自适应杂波抑制算法。提出了使用经真实杂波信息白化后的先验杂波协方差矩阵与单位矩阵之差的谱范数,来定量评估杂波先验知识的准确程度,并给出了真实杂波协方差矩阵未知时的矩阵谱范数估计方法。结合先验知识定量评估结果,获得了具有先验知识约束时的杂波协方差矩阵最大似然估计方法。分别基于多脉冲相参雷达以及空时自适应雷达进行了杂波建模,在此基础之上分析了算法性能。仿真结果证实了该算法优于使用样本协方差矩阵及先验杂波信息形成杂波抑制权值的性能。     

基于稀疏表示的多雷达信号二维融合处理

多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率.为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘...     

基于约束序贯M估计的时空域融合红外杂波抑制

针对红外弱小目标检测中的强背景杂波干扰抑制问题进行研究,提出了一种基于参数约束序贯M估计的时空域融合自适应杂波抑制算法.该算法首先在分析序列图像帧间失配的基础上建立了一种改进的时空域融合背景预测模型,结合二维离散傅里叶快速变换图像配准和双线性插值方法进行灰度值估计;然后,基于约束序贯M估计方法进行模型参数的自适应估计,...     

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

冲击杂波下的MIMO雷达DOA估计方法

研究了对称α稳定分布(SαS)冲击杂波下的多输入多输出（MIMO）雷达目标波达方向（DOA）估计问题,分别提出基于分数低阶最小方差无畸变响应(FrMVDR)的MIMO雷达DOA估计算法和无穷范数归一化最小方差无畸变响应（Inf-MVDR)算法。FrMVDR算法,首先进行冲击杂波特征指数的估计,然后使MIMO雷达接收阵列的分数低阶输出功率最小,实现MIMO雷达的DOA估计。为了避免FrMVDR算法对杂波特征指数估计,提出Inf-MVDR算法,首先用无穷范数对接收信号进行归一化处理,使归一化后的阵列输出功率有界,继而采用传统MVDR算法进行DOA估计。计算机仿真验证了上述两种算法的有效性;同时仿真结果还表明在冲击杂波下,MIMO雷达的空间分集特性可显著提高DOA估计的精度。     

基于稀疏重构的混叠脉冲序列的周期估计

针对于以往方法在克服抖动大和缺失率高的混叠脉冲信号周期估计上的不足,提出了一种基于稀疏重构的混叠脉冲序列的隐藏子周期估计新方法。该方法首先针对由多个具有不同周期的脉冲串混合而成脉冲序列进行插值重采样,然后利用由Ramanujan构造的周期字典,建立了混叠脉冲序列的稀疏表示模型,最后采用联合l_2,0混合范数算法求得混叠脉冲序列的周期估计。方法的优点是具有较强抗噪能力和抗脉冲缺失能力,并且不受初相的改变影响。所需要较少的脉冲数据长度就能得到准确的周期稀疏解。仿真实验表明,所提方法具有更好的估计性能。     

基于杂波对消-自聚焦的多通道SAR-GMTI

对超高频(UHF)波段多通道合成孔径雷达(SAR)动目标检测技术进行研究,解决了长相干积累时间导致动目标在方位向散焦严重的问题。采用分块自聚焦技术对多通道SAR地面移动目标指示(GMTI)系统自适应杂波抑制后的SAR图像进行处理,改善杂波抑制后的SAR图像中动目标的聚焦情况,增强动目标与周围剩余杂波的对比度,进而提高恒虚警率(CFAR)检测的性能。与传统杂波抑制后直接进行CFAR检测方法相比较,该方法降低了检测虚警概率。实测数据处理结果显示动目标的信杂比明显提高,动目标方位向聚焦成功,证明了该方法的有效性。     

基于3DT的空时自适应单脉冲参数估计算法

空时自适应处理(STAP)是机载预警雷达抑制杂波和干扰的一项关键技术,而多普勒三通道联合自适应处理(3DT)是适合工程实现的降维(RD)STAP方法。STAP目标检测后还需进一步估计目标的角度参数,因此将自适应单脉冲(AM)技术引入3DT,提出了一种高精度联合估计目标速度与方位空间角的空时自适应单脉冲算法。理论分析与仿真实验结果表明,当目标多普勒频率偏离检测多普勒单元中心频率时,该算法能同时减少目标多普勒跨越损失和空时导引矢量失配损失,进而提高输出信杂噪比(SCNR),改善目标测角精度。     

微动目标跟踪成像一体化的雷达资源优化调度算法

相控阵雷达可以同时担负搜索、跟踪、识别与成像等多种雷达任务。为了提高雷达对战场环境的感知能力并减轻雷达资源分配的冲突,提出一种微动目标跟踪成像一体化的雷达资源优化调度算法。该算法建立了包含微动目标成像任务的雷达优化调度模型并利用启发式算法求解,利用跟踪脉冲与调度剩余的空闲时间资源,动态地构造感知矩阵并采用正交匹配追踪（OMP）算法对微动目标进行特征提取并成像。仿真结果表明：该算法可以实现稀疏孔径条件下的微动目标成像,并具有良好的鲁棒性,同时进一步提高了雷达系统的资源利用率。     

基于统计模型的海杂波建模和检测技术综述

根据海杂波模型的发展过程,按简单模型、复合模型和混合模型3种模型概述了海杂波建模和在此环境中的目标检测理论。最后,总结了海杂波建模的一些发展趋势。     

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。     

基于脉冲交错的数字阵列雷达任务优化调度算法

针对数字阵列雷达搜索、跟踪和成像任务的资源调度问题,提出一种数字阵列雷达(DAR)任务的优化调度算法。该算法以脉冲交错技术为基础,在对目标搜索与跟踪的同时,利用基于压缩感知的稀疏孔径认知逆合成孔径雷达(ISAR)成像方法对部分精密跟踪目标成像,并采用观测时间动态调整策略以提高雷达系统的自适应能力。仿真结果表明,与传统雷达资源调度算法相比,该算法可以将成像任务考虑到优化调度模型中并合理分配资源,实现雷达多任务并行的调度,获得更高的资源利用率与期望的成像质量。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

基于稀疏随机阵列配置的CS-MIMO雷达感知矩阵构造

压缩感知(CS)理论中的感知矩阵在观测数据获取和信号重建过程中起关键性作用。目前,大部分研究通过引入高斯随机矩阵作为测量矩阵实现压缩观测,这类测量矩阵对硬件要求很高,工程实现困难。提出了一种基于稀疏随机阵列配置的压缩感知-多输入多输出(CS-MIMO)雷达中的感知矩阵构造方法,当MIMO雷达阵元配置为满足某种概率分布的稀疏随机阵列时,发射与接收导引矢量的Kronecker积能够起到压缩测量的作用。从理论上分析了所构造的感知矩阵的归一化互相关系数、Gram矩阵以及阵列方向图之间的内在联系,并证明了当随机阵元位置满足均匀分布时所构造的感知矩阵满足压缩感知重构条件。在这种稀疏随机阵列配置方式下,既可以避免额外引入随机测量矩阵,又能减少所需的阵元个数,从而大大降低CS-MIMO雷达系统复杂度。仿真实验表明,该方法具有较低的感知矩阵归一化互相关系数,与满阵CS-MIMO雷达相比能够在减少阵元个数的同时获得良好的重构性能,且使重构所需运算量大大降低。