基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法

雷达前视成像技术在精确制导打击、自主下降着陆、汽车自动驾驶等军民领域具有广阔的应用前景。由于多普勒相位历程的限制,机载平台的前视成像分辨率较低。解卷积方法可以进行前视成像,但当前视成像场景复杂时,现有的前视成像方法的成像质量会下降。针对复杂前视成像构型下的场景稀疏度度量和表征问题,该文提出一种基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法。首先通过将前视成像场景的数据维度由单帧空间扩展到多帧空间提升场景的稀疏度,然后基于广义高斯概率模型对成像场景的稀疏特性进行统计建模和稀疏度求解,最后基于贝叶斯框架完成稀疏前视成像。由于选取的稀疏度表征参数嵌入到前视成像的整个过程中,在每次迭代期间都会进行前视成像参数的更新,从而保证了前视成像算法的稳健性。通过计算机结果和实测数据处理,验证了该文方法的有效性。     

联合时频分布和压缩感知对抗频谱弥散干扰

频谱弥散(SMSP)干扰是一种专门对抗线性调频脉冲雷达的有源欺骗干扰。针对SMSP干扰的抑制问题,该文根据该干扰的时频分布特性,提出一种联合时频分布和压缩感知的干扰抑制算法。该方法通过在时频域丢弃SMSP干扰信号,保留属于目标信号的时频点,并根据保留的时频点与雷达回波频谱间的线性关系,建立压缩感知最小问题求解模型并利用正交匹配追踪方法重构目标信号,实现对SMSP干扰的抑制。Monte Carlo仿真结果验证了该方法的有效性。     

基于Keystone变换的多目标距离走动校正

微弱目标检测中,高速运动目标的跨距离单元走动会影响长时间相参积累的效果,需要预先加以校正。针对以往Keystone变换法在校正走动时,不能同时校正模糊数不同的多目标走动的不足,提出了一种改进的Keystone变换算法,在无模糊的Keystone变换之后,通过单元最大模糊数搜索快速得到多个目标的模糊数,使各目标根据自身运动特性得到校正,从而延长相参积累时间、提高积累增益。仿真结果验证了算法的有效性。     

一种基于TRT-SKT-HAF的变加速目标快速相参积累算法

在雷达高速机动目标的检测中,目标的运动特性会带来距离走动和多普勒徙动现象,不利于后续进行相参积累。传统算法为解决目标运动造成的影响,需要对目标的运动参数进行搜索,加大了计算量。针对上述问题,文中提出了一种基于慢时间序列反转变换(TRT)-二阶keystone变换(SKT)-高阶模糊函数(HAF)的变加速目标快速相参积累算法。该算法通过TRT和SKT校正距离走动,利用HAF估计目标加速度并构建相位补偿函数以校正多普勒徙动。与广义Radon-Fourier变换相比,所提方法无需进行任何参数搜索,计算复杂度减少了3个数量级。仿真结果表明,所提方法在检测门限上相比于Radon分数阶模糊函数算法降低了5 dB,在低信噪比下有更好的检测性能。     

基于奇异谱分析的抗数字射频存储距离波门拖引干扰

针对基于数字射频存储(DRFM)技术的转发式欺骗干扰难以检测和抑制问题,该文根据DRFM的延时量化会导致干扰信号产生细微的中心频率频移及谐波分量寄生的特性,提出一种基于奇异谱分析(SSA)的抗距离波门拖引干扰方法。该方法首先提取干扰信号谐波分量与目标回波经SSA分解后奇异值能量的分布差异特征,实现对有源欺骗干扰的检测,然后依据干扰中心频率频移特性,通过划分合适的奇异值子空间重构目标信号,实现对欺骗干扰的抑制。该方法不需要估计噪声参数,在干扰检测阶段具有恒虚警特性。Monte Carlo仿真结果验证了该方法的有效性。     

基于多帧数据联合处理的机载单通道雷达贝叶斯前视成像

针对机载单通道雷达前视分辨率不高的问题,该文提出一种基于多帧数据联合处理的贝叶斯前视成像方法。该文首先建立高斯背景下的前视回波信号模型,然后将散射场景的处理空间由单帧波束域的低维空间扩展到多帧波束域联合而成的高维空间以增加其空域稀疏性,并对散射场景的稀疏性进行统计建模。最后基于贝叶斯理论,将前视条件下的雷达成像转化为贝叶斯准则下的优化问题,并通过共轭梯度算法进行优化求解。在优化求解时,稀疏统计参数从数据迭代过程中估计得到。仿真结果和实测数据表明该方法不仅可以对前视场景进行高分辨成像,还可以抑制虚假散射点。     

一种高效快速的二相码旁瓣抑制算法

高效的旁瓣抑制能力可以提高雷达对微弱目标的检测能力,传统的旁瓣抑制方法中,递归最小二乘算法（RLS）不仅数值稳定性差,而且运算量大。通过合理构建脉冲压缩后的信号模型,提出一种基于横向滤波器的快速旁瓣抑制算法。该算法采用投影技术和向量空间法,不仅大大减小了运算量,而且具有高效的旁瓣抑制特性。仿真实验表明：该算法迭代2次就可收敛于真值,迭代5次即可达到RLS算法迭代100次的旁瓣抑制效果,并且信噪比损失要低于RLS算法。