基于多级维纳滤波器的非均匀∑△-STAP研究

该文提出了基于多级维纳滤波器的非均匀∑△-STAP并行块处理算法,在非均匀环境下能快速有效检测动目标.文中基于多级维纳滤波的广义旁瓣对消器结构,提出了联合主波束检测和自适应功率剩余检测的两级级联非均匀检测算法,能有效增强对弱干扰目标样本的检测能力.同时,将改进的并行块处理引入非均匀∑△-STAP算法,极大地降低了系统运算量.理论分析和仿真实验表明,该算法能有效剔除干扰样本,提高动目标检测性能,收敛速度快,运算量小,鲁棒性强,易于工程实施.     

基于信号子空间处理的和/差波束干涉SAR/GMTI技术研究

该文研究了和/差波束干涉SAR/GMTI技术在通道不平衡条件下地杂波对消问题.文中阐述了和/差波束干涉SAR/GMTI的原理,推导了理想条件下地杂波空域对消因子.实际系统中,由于存在通道幅相不一致等误差,直接空域对消并不能有效抑制地杂波.该文研究了基于信号子空间处理的和/差波束干涉SAR/GMTI方案,通过二维信号子空间处理自适应地校正通道误差,进而对地杂波进行空域对消.仿真实验表明该方案对系统误差的敏感度显著下降,具有很好的鲁棒性,更适合于工程实施.     

基于空时级联单脉冲的多目标高效参数估计算法

比幅单脉冲最大似然算法(ACM-ML)在进行目标参数估计时需要进行距离与速度的2维松弛迭代搜索,导致了计算效率低、运算量大的问题。针对上述问题,该文提出一种基于空时级联单脉冲的高效多目标参数估计算法(M-STCMP算法)。该算法将单脉冲概念引入脉冲域,利用时域单脉冲计算目标速度,避免了ACM-ML算法中对速度的迭代搜索,将2维松弛迭代搜索降为1维搜索,有效降低了计算复杂度。考虑时域单脉冲无法同时匹配分布在不同时域主波束的速度各异的多个检测目标,进一步利用目标信号的多普勒信息,在各多普勒单元分别进行时域单脉冲测速,并搜索目标距离值。最后为抑制目标间的信号泄露,将所有目标的估计参数进行级联迭代获得高精度参数估计值。理论分析和仿真结果验证了M-STCMP算法的有效性。     

ADBF在机载有源相控阵雷达上的应用

对机载有源相控阵雷达系统,进行子阵级ADBF应用研究,运用遗传算法来对子阵形式优化,并结合对角加载技术,实现小采样本条件下波束快速收敛.仿真结果表明,优化后的子阵,自适应副瓣电平得到很大的改善,同时,在干扰方向形成明显的零深.     

基于降维稀疏重构的高效数据域STAP算法研究

本文基于信号稀疏重构技术,研究利用待检测样本直接进行动目标检测的高效空时自适应处理（STAP ）方案。该方案对时域降维的阵元-多普勒域数据采用空域稀疏重构技术估计高分辨率角度-多普勒谱,进而基于稀疏空时谱研究知识辅助的动目标检测算法。理论分析和仿真实验结果表明：本文算法能有效抑制杂波实现慢动目标检测,且运算量小易于实时并行处理。     

基于卷积神经网络的动目标检测

合成孔径雷达(SAR)动目标检测技术是雷达信号处理领域中的重要技术。文中利用深度学习高维特征提取能力,提出了一种基于卷积神经网络(CNN)的多通道SAR地面动目标检测算法,并针对雷达实测数据较少、动目标样本难以获得的问题,提出了基于仿真-实测混合样本集的网络训练方法完成网络的高精度训练。实测数据检测结果表明,此类方法能够有效地完成地面动目标检测,与传统动目标检测方法相比,具有显著的优势。     

基于双通道复数卷积神经网络的DOA估计算法

针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计。为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA估计模型(CV-DCNN)。该模型以阵列接收信号的复数协方差矩阵作为输入,分别输入由空洞卷积层组成的第一通道和由标准卷积层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野。通过复数卷积神经网络(CV-CNN)独有的复数卷积方式提取和融合信号的幅值和相位特征,将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出。实验结果表明,CV-CNN比RV-CNN有更快的收敛速度,在低信噪比和少快拍条件下,CV-CNN比RV-CNN有更高的估计精度,而CV-DCNN比CV-CNN在收敛速度和估计精度上又有了进一步的提升。     

基于投影近似子空间跟踪技术的自聚焦算法

基于特征向量法的自聚焦算法具有比相位梯度自聚焦(Phase Gradient Autofocus,简称PGA)算法更好的算法性能,但该算法必须对协方差矩阵进行特征分解,所以运算量大.利用投影近似子空间跟踪(Projection Approxima-tion Subspace Tracking,简称PAST)技术的自聚焦算法可以解决上述问题.通过实际数据处理结果对比,证明基于PAST技术的自聚焦算法是一种可满足实时处理要求的有效自聚焦方法.     

基于主瓣杂波高效配准的机载非正侧视阵雷达STAP 算法研究

该文针对机载非正侧视阵雷达杂波距离空变特性,提出基于主瓣杂波高效自适应配准的STAP 算法。为降低运算量,采用时空级联方法首先精确估计主杂波多普勒频率,然后采用稀疏重构技术估计主杂波的空间角频率,进而对不同距离单元的主杂波进行2 维配准,最后采用3DT 进行杂波抑制。仿真实验表明,经主杂波配准后,3DT改善因子在主杂波区提高了约18 dB,显著提高了对慢动目标的检测性能,且该文方案实时处理的运算量小。      

一种用于单脉冲成像的自聚焦算法

本文针对单脉冲成像技术在实际处理中,鉴角曲线误差引起的方位分辨率下降问题,提出了一种用于单脉冲成像的自聚焦算法。算法通过迭代,自动从雷达接收数据中挑选孤立强散射点回波信号精确估计实际鉴角曲线,将其用于单脉冲成像处理中,实现图像方位自聚焦。仿真及实测数据处理结果表明,该方法能够有效降低测角误差对成像效果的影响,且对多数地貌场景数据具备鲁棒性,是一种实际可行的单脉冲成像自聚焦算法。