互质阵列信号处理研究进展:波达方向估计与自适应波束成形

阵列信号处理是雷达领域各类应用的核心技术之一。近年来,互质阵列的提出打破了传统方法受限于奈奎斯特采样速率这一瓶颈,其稀疏布设的阵列结构和互质欠采样的信号处理方式大幅降低了系统所需的软硬件开销,为当前不断提升的实际应用需求提供了理论基础和技术前提。鉴于其在自由度、分辨率及计算复杂度等方面的性能优势,互质阵列信号处理的理论和技术研究受到了国内外学者的广泛关注。该文分别从波达方向估计和自适应波束成形这两个阵列信号处理领域的基本问题出发,介绍了互质阵列信号处理方向的研究进展。在互质阵列波达方向估计方面,该文总结了互质子阵分解方法和虚拟阵列信号处理方法等两类典型技术路线,并以此为基础介绍了压缩感知和无网格化技术在低复杂度和超分辨估计等方面的最新研究工作。在互质阵列波束成形方面,该文剖析了其与互质阵列波达方向估计问题的区别与联系,并介绍了面向互质阵列的高效鲁棒自适应波束成形设计方法。该文旨在通过对互质阵列信号处理研究前沿的分类归纳和总结,探讨各类方法的优势和未来的研究方向,为其在雷达等领域的产业需求和实际应用提供理论和技术参考。      

DroneRFa：用于侦测低空无人机的大规模无人机射频信号数据集

为研究与发展反无人机检测识别技术,该文公开了一个名为DroneRFa的大规模无人机射频信号数据集。该数据集使用软件无线电设备探测无人机与遥控器相互通信的射频信号,包含城市户外场景下运动无人机信号9类、城市室内场景下信号15类以及背景参照信号1类。每类数据有不少于12个片段,每个片段包含1亿个以上的采样点。数据采集覆盖了3个ISM无线电频段,记录无人机多频通信的真实活动。该数据集具有详细的无人机户外飞行距离和工作频段标注,以前缀字符结合二进制编码的形式方便用户灵活访问所需数据。此外,该文提供了基于频谱可视统计特征和基于深度学习表征的两种无人机识别方案,以验证数据集的可靠和有效性。