机载MIMO雷达空时自适应杂波对消器

针对机载多输入多输出(MIMO)雷达杂波分布呈现空时耦合特性,提出一种空时自适应杂波对消器.利用机载MIMO雷达的脉冲回波数据,构造杂波对消器的系数矩阵.通过空时自适应杂波对消器的预处理,可以有效地抑制杂波,并通过与常规空时处理算法的级联,最终可以有效提高动目标的检测性能.实现了由传统地基雷达杂波对消器向机载运动平台的推广.仿真结果表明,这种自适应杂波对消器不仅适用于正侧视雷达,对于非正侧视雷达也同样适用.     

一种基于角度-多普勒补偿的均匀圆形天线机载雷达杂波抑制方法

采用均匀圆形相控阵天线的机载雷达杂波分布随距离变化而变化,各距离单元的杂波不再满足独立同分布的条件,造成统计型空时自适应处理(STAP)器性能下降。基于此,本文建立了均匀圆形天线机载雷达模型,对其杂波分布进行了分析,得出了空间角随阵元数非线性变化的特性造成其杂波距离维分布非均匀的结论。研究了一种均匀圆形天线机载雷达杂波抑制方法,该方法先通过修正的角度 多普勒补偿(MADC)预处理消除在杂波谱中心处的非均匀,再利用基于导数更新(DBU)技术进一步减小在其他方位杂波的非均匀程度。仿真结果表明了该方法的有效性。     

基于空时自适应处理的GPS宽带干扰抑制技术

分析研究了GPS宽带干扰抑制的各种空时自适应处理算法,提出了期望信号协方差矩阵的计算方法,该方法使得最大信干噪比方法和最小均方误差方法可以实现。仿真结果表明：和无干扰的GPS接收机相比,基于空时自适应的干扰抑制技术不会引起很大的定位误差。     

圆台阵列杂波模型及空时二维自适应处理

针对圆台共形阵列,建立了空时二维自适应处理(STAP)的杂波模型,给出了圆台阵列杂波抑制最优权值的计算方法。在此基础之上,为了实现可应用到实际环境中的自适应处理方法,进一步讨论了将局部联合域(JDL)降维算法推广至圆台阵列中的问题。得出了圆台阵列JDL算法降维变换矩阵的表达形式,研究了参考波束的数目选取、波束指向等因素对降维损失的影响。理论分析以及仿真结果表明,通过合理选择通道数、波束方位向指向间隔等参数,该算法能够减少自适应波束形成的计算量,而且可以用较少的训练样本获得较好的处理性能。     

基于稀疏阵列和码分信号的机载预警雷达STAP研究

基于稀疏阵列和码分正交信号,研究了机载雷达的空时自适应处理（STAP）技术,用于空中预警背景下的地面杂波抑制和运动目标探测。提出了稀疏阵列码分多相位中心孔径综合方法,采用正交编码信号实现多发多收,使综合后不同编码信号的相位中心在数量和分布情况上和满阵天线的相同,从而避免了稀疏阵列天线旁瓣较高的问题;在孔径综合的基础上,利用空时自适应处理方法完成杂波抑制,实现运动目标检测。仿真结果表明了本文方法的有效性。     

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。     

基于功率特征分组的空时自适应脉冲干扰抑制方法CSCD

脉冲干扰是一种常见的导航干扰类型,具有高带宽、突发性等特点,针对脉冲干扰的抑制具有较大难度。常规空时自适应处理不对接收信号类型进行区分,而是统一进行协方差矩阵估计及权值计算,存在抗脉冲干扰性能下降或失效的可能。针对以上问题,提出了一种基于功率特征分组的空时自适应处理方法。首先对接收数据进行功率检测,将信号采样数据分为有干扰数据组和无干扰数据组,然后对分组后的数据分别进行权值计算和滤波处理,最后将滤波后的数据按照采样顺序进行合并。该方法通过数据分组,提高了干噪比的统计计算准确度,增加了干扰零陷深度,实现了抗干扰能力的提升。理论分析和仿真实验均证明了该方法的有效性。     

基于FPGA实现的归一化空时自适应抗干扰技术

针对压制干扰源提出一种基于FPGA实现的归一化空时自适应抗干扰技术.通过主通道功率统计值调节步长因子,达到归一化处理的目的,当x(n)较大时,可以解决梯度噪声放大的问题,有效地提高了算法的抗干扰能力;不需要计算u(n)的平方欧氏范数,不包含除法运算,减少了计算量,易于FPGA工程实现;通过计算机仿真分析和外场试验验证了该技术有效地提高了算法收敛速度和干扰抑制能力.     

平滑重构稀疏贝叶斯学习测向算法

针对二级嵌套阵列中的紧凑阵元结构易受互耦效应影响的问题,提出了两种不同的嵌套阵列结构改进方法：连续平移嵌套阵列和间隔平移嵌套阵列。通过对原有二级嵌套阵列阵元位置进行调整,形成了两种不同的平移嵌套阵列结构,这两种结构对应的差分共阵均"无孔",并且测向自由度和阵列稀疏度均大于原二级嵌套阵列。针对嵌套阵列的差分共阵测向模型为单测量矢量模型,稀疏贝叶斯学习测向算法复杂度高的问题,提出了平滑重构稀疏贝叶斯学习算法。该算法通过空间平滑重构将单测量矢量模型变为多测量矢量模型,降低了观测矩阵的维度,减小了计算复杂度。算法求解时,通过对变换后的观测矩阵进行奇异值分解,进一步降低了观测矩阵维度,利用稀疏贝叶斯学习算法估计辐射源角度。仿真表明,在信噪比和采样数相同的条件下,该算法收敛速度比单测量矢量稀疏贝叶斯学习（SMV-SBL）算法快,且测向精度高于SMV-SBL算法和空间平滑多重信号分类（MUSIC）算法;存在互耦影响时,两种平移嵌套阵列比原嵌套阵列受互耦影响小。     

非圆信号的贝叶斯稀疏重构阵列测向方法

对信号非圆特性的有效利用能显著改善子空间类阵列测向方法的性能,但难以弥补此类方法在低信噪比（SNR）、小样本等信号环境适应能力方面的局限。本文引入贝叶斯稀疏学习（SBL）技术以解决非圆信号的波达方向（DOA）估计问题,在结合信号非圆特性的同时对入射信号的空域稀疏性加以利用,通过将非圆信号阵列输出协方差矩阵和共轭协方差矩阵在预先定义的空域字典集上进行稀疏重构,得到入射信号的空间谱重构结果,并依据其谱峰位置估计各信号的方向。该方法对独立和相关信号都具有较好的适应能力,仿真结果验证了该方法在信号环境适应能力和相关信号测向精度等方面的优势。     

空域数据重排的后多普勒自适应处理方法

传统的后多普勒自适应处理方法,如因子法(FA)和扩展因子法(EFA)虽然能大大降低自适应处理时的运算量和独立同分布样本的需求量,但由于实际中均匀训练样本数目的限制,当天线阵元数进一步增大时,FA和EFA抑制杂波和检测动目标的能力会显著恶化。针对这一问题,提出了一种空域数据重排的后多普勒自适应处理方法。该方法将多普勒滤波后的空域数据重排为一行列数相近的矩阵,空域滤波器权系数也表示成可分离的形式,从而得到一双二次代价函数,利用循环迭代的思想求解权系数。实验表明该方法具有快速收敛,所需训练样本少的优点,尤其在大阵列、小样本条件下该方法抑制杂波的性能明显优于FA和EFA。     

基于三迭代与二阶锥规划的机载MIMO雷达稳健降维STAP方法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中期望目标导向矢量的失配问题,提出一种基于三迭代(TRIA)与二阶锥规划(SOCP)的稳健降维MIMO-STAP方法。首先将MIMO-STAP权矢量分解为发射、接收、多普勒3个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过优化最差性能,利用SOCP对各个低维权矢量进行三迭代求解,最后进行权矢量合成。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过三迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。