任意线阵的直接数据域空时自适应处理方法

研究机载预警雷达在前视任意线阵构形下的地杂波和干扰抑制问题.在采用迭代法获得单个距离门回波数据的空时二维谱基础上,结合图像特征分析提取杂波和干扰分布特性曲线,通过将待检测单元数据向重构的杂波和干扰子空间正交投影检测动目标.能避免直接数据域方法存在的空时孔径损失和克服传统统计空时自适应处理(STAP)方法在非平稳环境性能...     

极化辅助的非均匀场景空时自适应处理方法

空时自适应处理是强杂波背景下动目标检测的有效途径,实际检测环境中训练样本与待检测单元背景统计特性的不一致将恶化处理器的输出信杂噪比,需要结合样本挑选技术来改善非均匀场景的处理器性能.在建立机载多通道信号模型基础上,提出一种利用极化信息辅助的空时自适应处理方法,该方法通过极化分类和功率分组指导训练样本选择,利用同类样本估计待检测单元的统计特性并计算自适应权矢量,具有杂波相关矩阵估计准确度高的特点,可显著改善动目标检测的性能.最后结合国外NASA JPL AIRSAR实测数据的多通道仿真实验验证了所提方法的有效性.     

机载雷达极化空时自适应滤波性能分析

该文针对极化空时自适应处理时,目标极化状态未知的瓶颈问题,提出了先预估计目标的极化状态,然后再进行滤波的方法。该方法无需在极化域专门设置滤波器组进行搜索,大大减少了计算量。提出了最小方差无偏估计和正交投影估计两种极化矢量的估计方法,并将估计性能与Cramer-Rao界进行了比较,从理论上证明了最小方差无偏估计性能较好。与之相对应,提出了两种极化空时自适应滤波方法。仿真验证了特别当目标慢速运动时,极化空时自适应滤波明显优于空时自适应滤波。     

机载雷达极化空时联合域杂波抑制性能分析

针对当前机载雷达面临强杂波抑制和微弱目标检测等难点问题,提出了一种极化空时联合处理新方法.该方法充分利用了目标与杂波在极化域、空域和时域(Doppler域)的特征差异,提高了抑制杂波、增强目标的能力.本文首先建立了机载极化阵列雷达接收信号模型和滤波算法模型.其次,利用分辨格思想及特征值、特征向量和功率谱的关系,构建了完全极化情况下杂波协方差矩阵新的等价关系.在此基础上,详细推导了新方法的杂波抑制性能,得到了输出信干噪比(SINR)与空间匹配系数,Doppler匹配系数,极化匹配系数,杂波脊斜率,信噪比(SNR),杂噪比(CNR)等的定量解析表达式.并与空时自适应处理(STAP)进行比较,从理论上分析得到了极化空时处理性能优于空时处理.特别在检测慢速运动目标时,新方法具有较强的稳健性.最后,仿真算例验证了模型的正确性.     

机载双通道雷达空时自适应处理中的样本去污

提出一种在不损失训练样本数目的情况下,滤除样本中污染点(即强反射动目标或杂波孤立点)信息的方法,从而改善杂波协方差矩阵的估计效果,并进一步提高空时自适应处理对弱反射动目标的检测能力.通过理论分析和对机载双通道雷达实测数据的处理,验证了该方法的正确性和有效性.     

适于非均匀杂波环境的空时自适应处理方法

本文针对非均匀杂波环境,提出了一种空时自适应处理的新方法,该方法具有系统自由底低,稳健性强、低速目标检测性能好、工程实现方便等特点,与局域联合处理方法及和差波束法相比,它在非正侧面阵机载雷达的实际系统中个有明显的性能优势。     

稳健的基于参数化协方差矩阵估计的空时自适应处理方法

参数化协方差矩阵估计（Parametric Covariance Matrix Estimation,PCE）方法利用雷达系统参数估计杂波协方差矩阵（Clutter Covariance Matrix,CCM）,显著提升非均匀环境下空时自适应处理（Space-Time Adaptive Processing,STAP）的性能;但是在系统参数和杂波分布存在误差情况下,性能下降严重.本文提出一种稳健的基于PCE方法的STAP杂波抑制方法.首先利用稀疏恢复方法与Radon变换估计杂波分布,然后提出一种归一化广义内积统计量修正杂波的分布,最后利用PCE方法估计CCM并进行STAP杂波抑制.通过分析舰载高频地波雷达仿真和实测数据处理结果表明：所提方法的稳健性大幅提升,相比稀疏恢复STAP方法和前后向空时平滑STAP方法滤波器凹口更加准确且更深,在有效抑制杂波的同时更利于慢速目标的检测.     

机载雷达空时二维自适应处理方法—时空子阵联合处理

本文提出一种机载相控阵雷达空时二维联合自适应处理的新方法－时空子阵联合处理，并进行了分析与讨论，这一方法的特点是性能优越，实现简单，尤其适合非正侧面阵。     

直接数据域的自适应匹配滤波方法

 研究机载预警雷达非平稳杂波抑制问题. 在获得单个距离门回波数据的最小均方谱分布基础上,利用最小二乘方法和clearing技术拟合杂波谱分布特性并重构无空时孔径损失的杂波子空间,采用自适应匹配滤波方法检测运动目标. 能有效解决传统直接数据域方法存在的空时孔径损失和传统统计空时自适应处理（STAP）方法在非平稳杂波环境存在的性能严重下降,仿真结果表明本文方法能获得良好的动目标检测性能.     

基于双极化通道数据融合的低空风切变风速估计方法

本文提出了一种基于双极化通道数据融合的低空风切变风速估计方法。该方法首先计算同极化通道和交叉极化通道地杂波的平均功率,从而确定同极化通道和交叉极化通道功率加权系数;其次将同极化通道和交叉极化通道地杂波数据融合,得到双极化通道数据融合杂波协方差矩阵;然后通过求解空时自适应(Space-Time Adaptive Processing, STAP)处理器的最优权矢量自适应滤除杂波,实现地杂波抑制;最后实现对低空风切变风速的准确估计。仿真结果证明所提方法可以有效地实现杂波抑制并估计低空风切变风速。     

性能优化的跟踪门算法

本文提出一个基于数据关联性能评价的优化跟踪门算法,并通过它来减少跟踪门内来自非本目标的回波,最终达到提高多目标多传感器跟踪系统性能的目的.与最优跟踪门相比,经理论分析和仿真数据表明,本算法有效改善了系统的性能,尤其在强干扰、高虚警的情况下更为明显.     

基于波束空间的DBF协方差矩阵估计方法

该文对波束空间数字波束合成(Digital Beamforming,DBF)的前后向平滑协方差矩阵估计算法进行了改进,利用对称阵列特殊结构,把复数运算转化为实数运算,从而减少了运算量。文章介绍了算法的原理和实现过程,并分析了运算量。而仿真表明,改进算法在减少运算量的同时,保持了阵列抑制干扰性能。     

Covariance Matrix Estimation With Heterogeneous Samples

We consider the problem of estimating the covariance matrix M_p of an observation vector, using heterogeneous training samples, i.e., samples whose covariance matrices are not exactly M_p. More precisely, we assume that the training samples can be clustered into K groups, each one containing L_k, snapshots sharing the same covariance matrix M_k. Furthermore, a Bayesian approach is proposed in which the matrices M_k. are assumed to be random with some prior distribution. We consider two different assumptions for M_p. In a fully Bayesian framework, M_p is assumed to be random with a given prior distribution. Under this assumption, we derive the minimum mean-square error (MMSE) estimator of M_p which is implemented using a Gibbs-sampling strategy. Moreover, a simpler scheme based on a weighted sample covariance matrix (SCM) is also considered. The weights minimizing the mean square error (MSE) of the estimated covariance matrix are derived. Furthermore, we consider estimators based on colored or diagonal loading of the weighted SCM, and we determine theoretically the optimal level of loading. Finally, in order to relax the a priori assumptions about the covariance matrix M_p, the second part of the paper assumes that this matrix is deterministic and derives its maximum-likelihood estimator. Numerical simulations are presented to illustrate the performance of the different estimation schemes.     

基于几何方法的结构化协方差矩阵估计

针对雷达在非均匀环境下难以获得足够数量样本估计协方差矩阵,致使干扰抑制性能下降的问题,遵循几何范式,本文提出了两种结构化干扰协方差矩阵（ICM）估计算法。具体而言,算法从一组训练数据出发,考虑不同的协方差矩阵结构信息（Persymmetric或Toeplitz结构）,构造了两种结构样本协方差矩阵（SSCMs）,通过利用正定矩阵空间特性并施加条件数上限约束,以ICM和SSCMs之间的Frobenius范数作为目标函数建立极小化问题,并对该问题进行转化,最终得到估计器的闭式解。在两种场景下的仿真结果表明了所提算法可更加精确地估计ICM,有效地提高了干扰抑制性能,且在小样本情况下的优化效果更为显著。     

协方差矩阵的权微扰算法

本文给出了一种获得协方差矩阵的算法。只需依据自适应阵的输出功率，使用权微扰的方法，就可得到阵列的协方差矩阵。     

时空DOA矩阵方法的分析与推广

本文在对时空DOA矩阵方法进行详细分析的基础上,提出了该方法的几种改进与推广形式.理论分析和仿真结果表明,时空DOA矩阵方法作为一种新的基于信号时空特征结构的高分辨率二维DOA估计方法,可以通过空时二维处理在时空域中衍生出大量虚拟阵元,因此对阵列结构的约束较松,能够根据需要灵活地派生出多种形式的阵列和相应的估计方法,并具有较强的抗噪能力和实用性.     

改进的杂波协方差矩阵结构估计方法

在球不变随机向量建模的非高斯杂波背景下,针对现有协方差矩阵估结构计方法对杂波不具备完全自适应性以及计算复杂度高等问题,本文利用经验信息,提出了基于经验的自适应估计方法(E-AE),并将其作为初始化矩阵,再次利用经验信息进行迭代估计,得到了基于经验的自适应迭代估计方法(E-ARE)。E-AE和E-ARE只需要进行实数运算,减小了计算复杂度。从理论上证明了所提方法对应的ANMF对杂波纹理分量和协方差矩阵结构都具有CFAR特性,并通过仿真实验对其有效性进行了验证。最后,利用匹配滤波器的输出信杂比损失及相应的ANMF检测性能,对所提方法和已有方法进行效果评估,结果表明,本文方法具有收敛速度快、所需的辅助单元数少、信杂比损失小和对应的ANMF检测性能优等特点。      

基于Hadamard矩阵调制的空时频移键控

针对现有的空时频移键控(ST-FSK)频谱利用率低的缺陷,该文提出了一种基于Hadamard矩阵调制的空时频移键控(HST-FSK)方案。HST-FSK采用Hadamard矩阵对一个新的FSK波形向量在空、时二维上作Kronecker扩展,由于新的FSK波形向量中引入了更多的参数,因而HST-FSK能够获得比ST-FSK更高的频谱利用率。作为一种特殊的酉空时编码,HST-FSK适合于任意发射天线数并且可以实现接收端无需信道估计的非相干检测。相比于其它的酉空时调制(USTM)方案,HST-FSK还具有编码设计简单、能够获得满天线分集等优点。理论分析及仿真实验表明,与已有典型的酉空时调制方案相比,在频谱利用率相同的条件下,HST-FSK与ST-FSK的误码性能相当。而在具有较高频谱利用率时,HST-FSK的误码性能明显优于基于系统设计的USTM。     

采用加权协方差矩阵描述子的OCR识别方法

传统光学字符识别(Optical Character Recognition,OCR)方法一般只提取图像亮度特征,在图像退化较严重时识别准确率不高。针对这一问题,提出一种新的扫描字符特征提取方法。除各通道亮度外,还提取像素位置、亮度的一阶导、二阶导等特征构成特征图像,并根据各个特征对图像的贡献程度进行加权处理。计算以当前像素为中心的局部区域特征图像块的协方差矩阵作为当前像素的描述子,然后在黎曼空间对字符实施分类。实验结果表明,采用典型的结构化分类器时,该特征提取方法对字符识别的准确率高于传统方法,表现出较强的鲁棒性。