基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此,提出了一种基于改进人工兔子算法优化门控循环单元 （Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit, OARO-GRU）网络的电离层杂波短期预测模型。首先,依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识,通过相空间重构技术构造GRU网络的输入和输出样本集;然后,融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力,并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选;最后,重新训练优化后的GRU网络,输入测试样本集进行测试,并依据给定的评价指标评估模型。实测结果表明：相较于其他7种对照模型,所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性,为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

高频地波雷达海杂波背景下目标检测研究综述

高频地波雷达探测距离远、全天候、实时准确探测等优点在目标检测领域广泛应用。针对海杂波会干扰目标检测的问题，分别从非线性预测类、分形类、子空间分解类、对消类等方面对海杂波背景下目标检测方法进行了综合评估。归纳总结国内外相关文献，并对目前方法存在的不足进行总结。为以后深入研究海杂波干扰问题提供参考。     

强海杂波背景下目标检测方法综述

高频地波雷达被广泛应用于海面目标的检测,而由于海杂波的分布散射具有很强的动态特性,通常情况下成为了海面目标检测的主要干扰成分.因此,在强海杂波背景下进行目标检测的关键在于如何有效抑制海杂波.从循环对消、子空间分解、模型预测以及分形特征这几方面对海杂波抑制技术进行综述、分析和总结,为后续对海面目标检测提供参考.     

基于后向散射系数模型的杂波仿真与信号重构

分析机载PD雷达的地杂波特性,研究杂波仿真技术。针对机载PD雷达地杂波形成的特点,从机载PD雷达的工作过程出发,基于后向散射系数模型,采用距离-多普勒划分法的杂波功率谱闭合计算模型,计算机载PD雷达的地杂波功率谱分布情况,经仿真分析地杂波分布规律受脉冲重复频率、载机速度和天线指向等因素的影响。提出一种时域信号重构方法,解决了如何由基于后向散射系数模型得到的杂波功率谱重构不具备时域统计特性的时域视频杂波信号的问题。     

低空逃逸小RCS目标PD雷达探测技术C

雷达面临的挑战之一是来自于对低空逃逸微弱目标的探测。现代军事逐渐向低空领域扩展,超低空逃逸技术也在日益发展,促使对低空逃逸微弱目标检测技术研究的地位日益提升。雷达对低空微弱目标进行下视探测时,目标的低空和超低空飞行致使雷达接收的回波功率变弱,被淹没在强烈的背景杂波中。与传统脉冲多普勒PD（Pulse-Doppler）雷达不同,合成宽带脉冲多普勒雷达可以同时实现距离和速度的二维高分辨,并且具备良好的相参性和抗干扰性能。针对低空飞行目标的特点进行定性定量分析,对探测所遇到的杂波环境进行仿真验证,提供了一种基于合成宽带脉冲多普勒雷达低空逃逸小雷达截面积RCS目标的探测方法,并对参数设计进行优化分析,降低漏探概率。     

高频地波雷达抗雷电干扰研究

高频地波雷达（ＨＦ－ＧＷＲａｄａｒ）作为探测超视距目标的有效手段在海防武器系统中担当重要的角色。高频段电磁环境恶劣，近区雷电在这一频段激发的天电噪声对ＨＦ－ＧＷ雷达的正常工作构成了严重干扰。通过分析雷电在ＨＦ－ＧＷ雷达多普勒域表现的奇异性，本文提出了利用小波变换在多普勒域检测雷电干扰的方法和一种抑制雷电干扰的方案。现场实验表明本文方法有效提高了ＨＦ－ＧＷ雷达抗雷电干扰的能力     

高频地波雷波抗雷电干扰研究

高频地波雷达（ＨＦ－ＧＷ Ｒａｄａｒ）作为探测超视距目标的有效手段在海防武器系统中担当重要的角色。高频段电磁环境恶劣，近区雷电在这一频段激发的天电噪声对ＨＦ－ＧＷ雷达的正常工作构成了严重干扰。通过分析雷电在ＨＦ－ＧＷ雷达多普勒域表现的奇异性，本文提出了利用小波变换在多普勒域检测雷电干扰的方法和一种抑制雷电干扰的方案。现场实验表明本文方法有效提高了ＨＦ－ＧＷ雷达抗雷电干扰的能力。     

基于数据扩充和特征增强的雷达回波无人机检测

针对基于雷达无人机目标识别难度高、精确度低、适应性差等问题，本文提出了利用深度学习的方法，对雷达回波进行无人机检测。首先，利用相参累积的方法生成雷达回波的距离-多普勒图像，增强目标特征并提高信噪比;其次，采用生成对抗模型对距离-多普勒图像进行数据扩充，以获得充足的图像数据减小网络的过拟合并提高网络鲁棒性;最后，使用基于位置感知的卷积神经网络增强特征，通过构建基于距离-多普勒图像的感知模块，实现对目标距离和运动速度的检测。通过在雷达回波序列中弱小飞机目标检测跟踪数据集上验证的结果表明:最终检测结果在召回率89%的情况下达到了91%的准确率。相比于基准方法，本文提出的方案具有更高的检测精度和更好的网络运行效率。     

天基监视雷达的距离游走和距离重叠补偿研究

为了实现天基雷达杂波消除、高分辨率的角度估计和广域监视功能,采用三通道相位中心偏置天线（DPCA）/monopulse（单脉冲）信号处理系统。天基雷达的运动和地球自转,使得地球上每一点的杂波都产生了附加的多普勒成分——距离游走效应。距离游走与距离重叠效应相结合,显著地降低DPCA处理算法的杂波抑制性能。针对距离游走效应在相干处理阶段进行反向补偿、在非相干积累阶段采用线性内插的方法进行校正,针对距离重叠效应采用基于普罗米修斯结构的波形分集技术进行校正。实验结果显示,提出的距离游走和距离重叠综合补偿方案显著提高杂波抑制效果。
     

基于ResNet的智能恒虚警目标检测方法

传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降。为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法。首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测。实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点。     

机载自适应动目标显示雷达旁视和前视雷达的比较

运动的雷达所接收到的杂波回波会产生降低慢动目标的检测能力的多普勒带宽。采用间接地雷达平台运动进行补偿的自适应空时杂波滤波器，可以克服这种多普勒频散效应。为了应用空时处理，要求有一个多通道的天线。     

试验机载监视雷达地面动目标识别的多普勒后和多普勒前STAP的雷达杂波对消性能比较

本文报导了多普勒前和多普勒后STAP处理算法用于相同试验数据时的性能比较研究，这些数据由QinetiQ公司改进型监视雷达收集。这两种算法的性能是用杂波对消比和目标信号改善因子（有STAP和没有STAP处理的信号对杂波加噪声之比）来定量研究的。结果表明可以使多普勒前和多普勒后STAP具有相同的杂波对消水平。 所得到的结果是明亮的目标特征会影响到STAP处理器并减弱全部的杂波对消。我们已经发现对于两个相位中心试验雷达数据而言，与简单的固定窗多普勒后STAP算法相比，PRI来回变化的多普勒后STAP使杂波对消有很大的提高。还发现动窗或辅助单元多普勒后STAP的应用会降低处理器的输出。将最后距离多普勒图归一化以防止热噪声的加强并去除随着多普勒而改变的权范数的变化，这是在STAP处理后进行探测算法解读和应用关键的一步。     

采用多普勒补偿的机载双基地雷达改进型JDL

研究了空时自适应处理（STAP）技术在双基地机载雷达应用中的相关问题。对于地面动目标指示（MTI）雷达，杂波多普勒频率与各种阵列结构的距离而不是线性侧视结构有关。这种距离相关性导致了STAP技术的杂波抑制问题。一种情况是STAP滤波器变成距离相关。本文建议在角度一多普勒域上利用插值对改进型联合域局部（JDL）处理器进行多普勒补偿。仿真结果显示处理器的性能在整个频谱上有明显改善。     

超视距雷达中的目标检测问题

工作在高频波段(3—30MHz)的超视距雷达能够探测和跟踪视距以外飞机、舰船等目标，它在民用和军事上均有重要的应用价值。但超视距雷达的目标信号会埋没在强海杂波中，使得目标信号的检测极为困难。本文先讨论了一阶和二阶Bragg海杂波特性，然后针对强海杂波中目标检测的特点，讨论了距离一频率维的目标恒虚警检测方案，并提出了一些有意义的建议。     

利用机载高距离分辨率相控阵雷达进行动目标检测

本文研究机载高距离分辨率（HRR）相控阵雷达在时空相关地杂波背景中的动目标检测问题，为避免HRR雷达数据中出现的距离徙动问题，文中将HRR距离剖面划分成几大距离段，由于线段距离包含一系列高距离分辨率距离单元，所以这种划分不会丢失信息，因而不会折损失分辨率，本文阐述了如何采用矢量自回归（VAR）滤波技术来抑制地杂波，而后推导了基于广义似然比测试（GLRT）检测策略的动目标检测器，检测门限根据所需的虚警率，通过渐进统计分析来确定，若假设存在目标，先根据VAR滤波数据估计出目标多普勒频率和空域特征矢量后，再计算一简单的检测变量，并将它与检测门限相比较，即可做出是否存在目标的判 次，数值结果验证了所提出的动目标检测算法的性能。     

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段,其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波,本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer,ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF,Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点,本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性,并提出多个精英动态引导机制,强化算法前期的探索能力和后期的开发能力,同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度,MGPALO-RBF模型具有更好的海杂波预测性能。     

机载多普勒雷达地杂波实时仿真技术

本文针对机载多普勒雷达在下视工作时面临的地杂波信号，提出了一种基于空间极坐标平面地杂波功率谱及时间序列的实时计算方法，并提供了一种用于机载多普勒雷达设备半实物仿真的地杂波产生方法。     

改善中程舰空导弹低空性能的技术途径

本文主要讨论改善半主动雷达寻的中程舰空导弹低空性能的技术途径.除适当选择雷达参数如波长、波束宽度、脉冲宽度等来尽量减小海杂波强度外,抑制海杂波主要依靠多普勒效应.跟踪雷达中的动目标显示与动目标跟踪,以及全程连续波半主动雷达号的制导体制都是利用了多普勒效应来抑制海杂波,使目标从杂波中区分出来.此外也可利用频率捷变对海杂波进行去相关、然后积累的方法.对于海平面的镜面反射,可以选择垂直极化及利用其布鲁斯特效应来减弱镜象的影响.跟踪雷达可采用定角偏轴开环跟踪方式减弱多路径效应而实现低角跟踪.导引头也可利用目标与镜象的多普勒分辨力来区分目标与镜象,实现对目标的跟踪.     

海杂波特性研究

从雷达距离性能的角度出发，研究了海杂波的一些重要特性，特别是海杂波的反射率及其与雷达波长和入射余角的关系。还讨论了极化对雷达距离性能的影响、海杂波概率分布、海杂波谱等。最后给出了海面反射率的典型结果。