非均匀杂波MIMO雷达检测

本文针对非均匀杂波,利用球不变随机矢量(SIRV)建立了机载多输人多输出(MIMO)雷达杂波模型.基于杂波协方差矩阵不满秩,提出了一种用于估计归一化杂波协方差矩阵的修正渐近最大似然(MAML)算法及其广义似然比检测器,即修正渐近广义似然比检测器(MAGLRT).仿真试验结果表明,在非均匀的杂波下,MAGLRT较常规高斯...     

长基线统计MIMO雷达检测性能研究

为了充分利用统计多输入多输出(MIMO)雷达的空间分集能力,研究了长基线(天线间距与目标探测距离可比拟)统计MIMO雷达的检测方法和性能。首先,根据雷达方程给出了长基线统计MIMO雷达探测目标时各信道的信号模型;然后,根据Neyman-Pearson准则推导了长基线统计MIMO雷达的似然比检测器;最后,从检测概率和威力覆盖两个方面对长基线统计MIMO雷达的检测性能进行了仿真分析。仿真结果表明:在一定条件下长基线统计MIMO雷达的检测性能优于短基线(天线间距与目标探测距离相比可忽略不计)统计MIMO雷达。研究结果对统计MIMO雷达的系统设计、天线布置和实际应用等研究具有重要的参考价值。     

机载MIMO雷达杂波建模及杂波特性分析

机载MIMO雷达通过将MIMO技术应用到机载雷达,显著增加了雷达的系统自由度,改善了机载雷达的杂波抑制性能.首先建立了机载MIMO雷达的杂波数学模型;然后给出了两种典型的正交信号形式;最后对不同信号形式和不同误差条件下机载MIMO雷达的杂波功率谱和特征谱进行了仿真分析.仿真结果表明,机载MIMO雷达与机载相控阵雷达有相似的杂波分布,但其杂波自由度显著增加;发射信号从正交向相干的退化过程中,杂波在空时二维平面形成主副瓣并逐渐锐化.     

双基地MIMO雷达杂波建模与分析

双基地多输入多输出(MIMO)雷达发射正交波形,不同地面杂波单元的回波信号形式存在明显差异,传统的杂波建模方法已不再适用。文中提出一种双基地MIMO雷达杂波建模方法,将地面划分为满足发射角度分辨率、接收角度分辨率、距离分辨率三重约束的杂波散射单元,并计算各单元的杂波回波信号,然后将各单元回波信号采用矢量相加求得总的杂波视频信号。最后通过对传统雷达杂波建模与本文建模方法的仿真与分析,增强了对双基地MIMO雷达杂波谱结构的认识,有助于开展对双基地MIMO雷达杂波抑制的研究。     

非均匀杂波背景下双基地MIMO雷达距离扩展目标的GLRT检测

利用球不变随机矢量(Spherically Invariant Random Vector, SIRV)描述非均匀杂波, 建立了双基地多输入多输出(Multiple-Input Multiple-Qutput, MIMO)雷达距离扩展目标的信号检测模型, 提出了距离扩展目标的两步广义似然比检测(Generalized Likelihood Ratio Test, GLRT)算法.首先, 根据目标散射系数的两种假设模型, 分别推导确定型目标、高斯型目标GLRT检测器的解析表达式, 然后利用固定点迭代算法估计杂波协方差矩阵, 获得自适应GLRT(AD-GLRT和AG-GLRT)检测器.仿真实验表明:AD-GLRT和AG-GLRT检测器的检测性能均优于非均匀杂波背景、高斯杂波背景下点目标的检测性能, 且两者的检测性能相当, 并且虚拟阵元数、目标分布的距离单元数, 以及信杂比越大, 两者的检测性能越好.     

机载相干MIMO雷达杂波自由度估计研究

针对任意发射波形合成结构影响下的机载相干MIMO雷达杂波自由度的估计问题。论文提出了一种机载相干MIMO雷达杂波自由度估计的构造法,该方法利用发射波形合成结构直接构造等效矩阵代替杂波协方差矩阵进行求秩。通过递推分解等效矩阵,提出并证明了一种杂波自由度快速估计准则,建立了机载相干MIMO雷达发射波形合成结构、阵列稀布构型与杂波自由度之间的定量关系。研究表明：该方法和准则能够准确预测任意发射波形合成结构下的机载MIMO雷达的杂波特征谱结构。该理论既保证了降秩STAP算法性能的最优又具有较小的计算量,并为最优发射波形合成方案和MIMO STAP算法的设计提供了依据。     

机载MIMO雷达杂波建模与特性分析

针对不同环境条件下的机载MIMO雷达地杂波建模问题,综合考虑了杂波幅度分布模型、杂波单元散射模型以及雷达系统参数模型,提出了一种基于复合模型的杂波建模方法;之后又进一步考虑阵元误差、通道误差和杂波起伏等非理想因素,建立了一种非理想条件下的机载MIMO雷达杂波统一模型;通过改变模型参数对各种杂波的幅度、后向散射系数、各种误差条件的空时二维似然谱和特征谱进行仿真实验。仿真结果表明,理想条件下机载MIMO雷达杂波谱具有良好的斜空时二维特性,但在非理想条件下杂波起伏剧烈,并且不同地貌环境起伏程度差别较大。     

一种新的双基地MIMO雷达杂波模拟方法

针对双基地 MIMO 雷达杂波单元划分复杂、计算量大,严重影响仿真速度的问题,提出了一种新的杂波单元划分方法,并采用杂波单元参数预存储的技术大幅度减少仿真过程中存在的重复性计算工作。新的杂波生成方法兼顾了发射角度分辨率、接收角度分辨率、距离分辨率三重约束,能有效降低杂波单元划分的复杂度,大幅度提高双基地 MIMO 雷达仿真平台运行效率。最后通过建模方法仿真出杂波,验证了上述结论。     

海杂波背景下雷达目标特征检测方法的现状与展望

海杂波背景下的雷达目标检测对民用和军事都有着重要的意义。随着海面目标的小型化和隐身化,海面慢速、漂浮小目标已经成为了雷达警戒的重点对象。关于此类小目标的检测一直以来都是海杂波背景下目标检测中的难题。通常,漂浮小目标的雷达散射横截面积(RCS)微弱,并且运动速度慢,常常在时域和频域均存在“超杂波检测”的困难。传统目标检测方法对漂浮小目标的检测存在明显的性能瓶颈。对于海面漂浮小目标的检测,采用高多普勒和高距离分辨体制(“双高”体制)是从雷达体制上解决这个问题的有效途径。在双高体制下,雷达接收的目标回波提供了更多的可用信息。然而,如何将这些更加精细化的信息转化为探测性能的提升,一直以来都是雷达届关注的难点,相关科研成果也一直在不断地推陈出新。近些年,在双高雷达体制下,学者们提出了多种基于特征的目标检测方法,作为对海智能检测的人工特征工程阶段,这些方法缓解了仅依靠能量信息较难检测小目标的困难局面,极大程度地改善了对漂浮小目标的检测性能。为了更好地让相关雷达从业者了解该领域这些年的发展和未来的趋势,该文首先总结了对海检测的难点和常用的目标检测方法,然后分析了特征检测的原理和通用框架以及国内外几种典型的基于特征的检测方法,最后对特征检测方法发展趋势进行了展望。      

MIMO Radar Moving Target Detection Against Compound-Gaussian Clutter

This paper focuses on the moving target detection (MTD) problem for multiple-input multiple-output (MIMO) radar in the presence of compound-Gaussian clutter. By exploiting the spatial and velocity diversities, we devise two different generalized likelihood ratio tests (GLRTs) according to the centralized and distributed processing schemes of MIMO radar systems, respectively. Then, we investigate the fully adaptive detectors, where the covariance matrix is replaced by a suitable estimator based on the secondary data. Finally, we provide several numerical simulations with typical parameters, and the results illustrate that the newly proposed detectors can provide much better detection performance in spikier clutter for moving targets than the phased-array counterpart and those obtained in Gaussian environment.     

非均匀杂波中统计MIMO雷达的相参检测

研究了各观测通道中杂波功率水平不均匀条件下的统计MIMO雷达多脉冲相参检测问题.首先利用两步GLRT设计方法推导了杂波功率水平不均匀条件下的统计MIMO雷达广义CFAR检测器,然后基于统计MIMO雷达与传统多基地雷达在系统结构上的相似性,将信息融合的思想引入到检验统计量的设计中,讨论了部分观测通道失效条件下检测器的设计...     

GLRT-based Detection Algorithm for Polarimetric MIMO Radar Against SIRV Clutter

This paper mainly deals with target detecting problem using polarimetric Multiple Input Multiple Output (MIMO) radar against Spherically Invariant Random Vector (SIRV) clutter. First, we develop the MIMO signal model to two polarimetric channels and SIRV clutter-dominated scenario, and then the Generalized Likelihood Ratio Test (GLRT) is derived with known covariance structure. Meanwhile, three estimation strategies of covariance, such that Sampled Covariance Matrix (SCM), Normalized Sampled Covariance Matrix (NSCM) and Fixed Point Estimation (FPE) matrix, are introduced to make derived receiver fully adaptive. A thorough performance assessment is given by several numerical examples, and the results show that the polarimetric diversity and the spatial diversity can be exploited to improve the detection performance, and it outperforms the conventional polarimetric phased-array counterpart. Meanwhile, the FPE strategy is more suitable to implement the adaptive detection algorithm, the adaptive loss of which is completely acceptable in practical applications.     

MIMO Radar Detection in Non-Gaussian and Heterogeneous Clutter

In this paper, the generalized likelihood ratio test-linear quadratic (GLRT-LQ) has been extended to the multiple-input multiple-output (MIMO) case where all transmit–receive subarrays are considered jointly as a system such that only one detection threshold is used. The GLRT-LQ detector has been derived based on the Spherically Invariant Random Vector (SIRV) model and is constant false alarm rate (CFAR) with respect to the clutter power fluctuations (also known as the texture). The new MIMO detector is then shown to be texture-CFAR as well. The theoretical performance of this new detector is first analytically derived and then validated using Monte Carlo simulations. Its detection performance is then compared to that of the well-known Optimum Gaussian Detector (OGD) under Gaussian and non-Gaussian clutter. Next, the adaptive version of the detector is investigated. The covariance matrix is estimated using the Fixed Point (FP) algorithm which enables the detector to remain texture- and matrix-CFAR. The effects of the estimation of the covariance matrix on the detection performance are also investigated.      

基于贝叶斯的高斯杂波背景下MIMO雷达自适应检测算法

对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。      

一种MIMO雷达非高斯杂波中的信号分离方法

针对传统匹配滤波方法对非高斯相关杂波下MIMO雷达信号分离性能下降的问题,本文基于线性约束最小功率波束形成器原理,给出了一种适用于非高斯相关杂波条件下的MIMO雷达自适应信号分离算法。该方法将需要分离的发射信号以外的信号和相关杂波作为干扰,利用接收信号的分数低阶统计量在线性约束最小功率准则下导出了滤波器权系数,实现了非高斯相关杂波中对信号实时有效的分离。最后采用本文方法在SG-Alpha稳定分布杂波背景下进行了仿真实验,结果表明,本文方法可有效实现非高斯相关杂波中的MIMO雷达信号分离。      

机载MIMO雷达两级降维杂波抑制方法

该文针对机载MIMO雷达杂波抑制问题,提出一种低复杂度的空时自适应处理(STAP)方法。首先利用多普勒滤波对杂波信号进行时域降维处理;然后将空域发射-接收2维波束形成权向量表示成发射权和接收权的Kronecker积,并建立关于这两个权值的二元二次代价函数从而实现空域二次降维;最后提出最小化代价函数的双迭代算法,交替优化两个权值。仿真结果表明该算法收敛速度快,运算量小,尤其在小样本条件下其杂波抑制性能显著优于mDT方法。     

对统计MIMO雷达的干扰

多输入多输出（MIMO）雷达采用了空间分集和频率分集技术,克服了雷达截面（RCS）角闪烁带来的性能损失。分析了对MIMO雷达有效干扰的几种方式：多波束雷达干扰、分布式干扰、假目标欺骗干扰和网络雷达干扰。