分布式OFDM-MIMO雷达包络对齐方法

针对分布式多输入多输出(MIMO)雷达多子站回波包络对齐问题,提出了一种基于正交频分调制(OFDM)波形的分布式MIMO雷达的包络对齐方法.首先建立了该雷达的信号模型,然后根据不同子阵回波距离走动的差异,提出了回波包络走动校正方法,并给出了相应的适用条件.仿真实验测试了不同信噪比、不同多普勒频率下的包络对齐效果,证实了提出方法的有效性.     

利用RBF神经网络实现对非相参积累检测系统中阈值的精确估计

在非相参积累检测系统中 ,容易得到雷达虚警概率关于阈值的解析表达式 ,但难以得到阈值关于虚警概率的解析表达式 ,利用径向基函数 (RBF)神经网络具有良好的逼近任意非线性映射和快速收敛的特点 ,提出了一种精确估计阈值的RBF神经网络方法。仿真结果表明 ,本方法可得到较高的阈值估计精度     

利用RBF神经网络实现高斯型函数积分

导出了在一定精度下高斯型函数积分近似表达式,利用径向基函数(RBF)网络具有良好的逼近任意非线性映射的特点,提出了一种改进的RBF网络方法以实现对高斯型函数积分。实验结果表明所提出方法具有较高的逼近计算精度。     

低信噪比下的二维联合线性布雷格曼迭代快速超分辨成像算法

针对实际逆合成孔径雷达(ISAR)成像时带宽有限、方位孔径稀疏的小角度回波数据条件下,常规算法的成像分辨率不高等问题,基于压缩感知理论,提出了一种低信噪比条件下的二维联合布雷格曼迭代快速ISAR超分辨成像算法.首先,将雷达回波构建为距离频域-方位多普勒域的二维稀疏表示模型,在此基础上,将二维超分辨成像问题转换为二维联合压缩感知的稀疏重构问题;其次,为了避免重构时向量化操作带来的复杂度,提出了二维联合布雷格曼迭代算法,为实现快速重构,将加权残量迭代、估计停滞步长与感知矩阵条件数优化三种加快收敛速度的思想相结合,既利用了布雷格曼迭代在低信噪比条件下的重构能力又能保证快速成像.最后仿真实验结果表明在欠采样和低信噪比条件下本文算法能够缩短成像时间,且具备更好的噪声鲁棒性.     

基于小波变换的雷达信噪比改善分析

针对雷达在检测弱目标能力的不足,基于雷达信号与噪声的实际窄带模型,提出运用小波分解加阈值处理的去噪方法改善功率信噪比。一方面推导出了信噪比改善的理论计算公式,另一方面采用模拟和实际采集的数据进行了大量的仿真实验。计算和仿真结果的一致性表明:在传统的雷达信号处理中,运用小波变换可提高检测前信号噪声比,进而提高雷达的探测距离。