机载MIMO雷达降维空时自适应处理算法

提出一种机载多输入多输出(MIMO)雷达降维空时自适应杂波抑制算法.首先将高维空时权向量重构为空域和时域权向量Kronecker积的形式,利用相关域信息,将最优空时处理的二次代价函数转化为两个二次代价函数,然后迭代求解两个二次代价函数中的两个低维权向量,分析表明该算法能有效降低计算量和估计采样协方差所需的训练样本数.最...     

迭代寻优的稳健波束形成

针对导向矢量失配程度较大时,常见稳健波束形成算法性能下降问题,提出了一种迭代搜索最优导向矢量的稳健波束形成算法。首先利用修正后的导向矢量构造使波束输出功率最大的目标函数,分别从干扰抑制和噪声抑制2个方面推导了新导向矢量应满足的约束条件。给出了利用矩阵滤波思想构造约束条件的方法并分析其合理性。针对优化问题难以求解的问题,提出了一种迭代寻优的搜索方法,将每次迭代转化为求解一次二阶锥规划问题。仿真分析表明,相比于常见稳健波束形成算法,该算法有更高的抗导向矢量失配的稳健性,且需要的先验信息更容易获取。     

相控阵机载雷达空时两维杂波预滤波处理方法

提出了一种对机载相控阵雷达进行空时两维杂波预滤波的处理方法．利用机载雷达杂波分布轨迹可由载机速度和雷达系统参数确定这一先验知识,设计了简单有效的空时两维两脉冲杂波对消器,并将其用作降维空时自适应处理(STAP)算法的预处理,进一步改善降维STAP算法的动目标检测性能．计算机仿真分析表明,预滤波处理对正侧视和非正侧视机载雷达都有很好的杂波抑制能力,进一步改善了常规动目标显示处理和降维STAP算法的动目标检测性能．该算法的有效性由某实测数据处理结果所验证．     

降维STAP中稀疏恢复的角度多普勒通道选择方法

在机载雷达信号处理中,高强度的地杂波严重影响信号检测性能,而空时自适应处理(STAP)是一种有效抑制杂波的技术。实际处理中,由于杂波的非均匀性,空时自适应处理往往面临着可用有效样本数较少的问题,同时机载雷达处理的信号维度极为庞大。为了解决这些问题,提出了一种基于稀疏恢复的降维STAP通道选择方法。利用少量样本通过稀疏恢复的方法估计出全维度的杂波协方差矩阵(CCM),并以此为依据评估各个通道的重要性,选择合适的通道构造出降维后的杂波协方差矩阵并进行STAP处理,解决了有效样本较少的问题,同时保证了降维算法的性能。数值仿真验证了算法有效且比典型的稀疏STAP算法效果更好,讨论了在不同样本数下,输出性能与通道数的关系,结论具有工程应用意义。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

一种导向矢量双层估计的稳健波束形成算法

针对自适应波束形成器在出现期望信号导向矢量失配和阵列流形误差时,性能急剧下降的问题,提出一种稳健的波束形成算法。该算法首先利用期望信号大致方位区间上的导向矢量构建一个线性空间,将期望信号导向矢量初步估计为该线性空间基向量的线性组合,再利用不确定集优化方法对初步估计的导向矢量进行校正,算法无需迭代求解,计算量较小。仿真结果表明该算法显著提高了波束形成器在导向矢量失配和阵列流形误差下的稳健性,输出性能优于目前的方法。     

MIMO雷达稳健的自适应失配滤波器设计算法

针对发射导向矢量存在未知误差的问题,提出了一种MIMO雷达稳健的自适应失配滤波器(Robust Adaptive Mismatched Filter,RAMiF)设计算法.该算法在稳健的接收波束形成算法的基础上,对其输出做稳健的失配滤波处理,以一定的主瓣电平损失为代价换取更低的旁瓣电平,从而提高系统对发射导向矢量误差的稳健性.仿真结果表明该滤波器在信噪比较高的情况下对发射导向矢量误差具有自适应的稳健性.     

基于MNC-FastICA算法的稳健自适应波束形成

针对导向向量失配的稳健自适应算法主要是基于导向向量不确定集约束,但是其约束参数往往难以确定,提出了基于修正的非圆复值快速不动点算法（MNC-FastICA）的波束形成方法,通过盲分离得到的分离矩阵来构造波束权向量,并对由此产生的信源幅相模糊进行校正。该方法不必预先估计信号来波方向,避免了传统方法中来波方向估计不准引起的期望信号的导向向量失配;对于阵列通道幅相误差导致的导向向量失配,该方法对其不敏感,不必对阵列进行校正。仿真实验与最差性能最佳化（WCPO）等经典方法作了性能对比,结果验证了该算法的有效性和稳健性。     

一种稳健的特征空间线性约束波束形成器

基于特征空间的线性约束最小方差（eigenspace-based linearly constrained minimum variance,ELCMV）算法是一种稳健的波束形成方法,但其性能只能在一定的指向误差范围内保持稳定,当指向误差较大而使期望信号落在预设波束主瓣边缘时,其性能会严重恶化。对ELCMV算法进行改进,提出一种对零点约束方向和指向误差都具有稳健性的波束形成方法。该方法首先利用矢量旋转对预设导向矢量进行校正,再将校正后的导向矢量向信号子空间投影,最后结合线性约束用线性约束最小方差（linearly constrained minimum variance,LCMV）算法来求解权矢量。计算机仿真证实了该方法的有效性。     

MIMO 雷达迭代降维稳健波束形成方法

Aiming at the transmitted and received steering vectors mismatch problem, an iterative dimension-reducing robust adaptive beamformer for MIMO radar is presented. The General Linear Combined(GLC) method is applied in MIMO radar to obtain the enhanced covariance matrix estimation, and the transmitted and received steering vectors mismatch model is established. The cost function is established based on the desired signal output power maximum principle to estimate the transmitted and received steering vectors. The bi-iteration method is proposed to solve the cost function and it is merely necessary to find out two low-dimensional convex quadratically constrained quadratic programming(QCQP) problems in per iteration. Simulation results show that the proposed method can obtain the higher output signal-to-noise-plus-interference(SINR) under the condition of severe steering vector mismatch than the conventional robust beamformers, and that the proposed method can converge fast so that it has the lower computational complexity.     

基于联合特征导向矢量的多通道SAR地面动目标检测定位

提出了一种新的多通道合成孔径雷达动目标检测定位方法．首先计算目标的特征系数矢量,然后根据其空域导向矢量和特征系数矢量构造联合特征导向矢量,最后利用包含特征导向矢量的自适应权进行杂波抑制,同时估计目标的运动速度,进而对其重新定位．仿真结果表明该方法对图像配准误差具有稳健性,在图像配准误差达到一个像素的情况下,该方法仍能获得与图像精确配准时相当的目标检测性能和测速定位精度．     

空时耦合项对空时自适应处理的影响

为了利用混响谱的扩展和空-时耦合特性,采用空时自适应处理(STAP)理论进行混响抑制和运动目标检测,提出了应用于水下声呐环境的空时自适应修正方法.结合雷达目标回波模型分析了空时自适应的原理;分析混响空-时耦合项,对空时自适应方法进行修正,并提出了应用空-时耦合导向矢量进行空时处理;将该修正方法用于最优处理和目标检测.仿真结果表明,修正空时自适应方法有利于水下目标检测,应用空-时耦合导向矢量有助于提高目标方位估计能力.     

Robust adaptive beamforming with near-field scatterers

Near-field scattering which causes steering vector mismatch with array received data suffers severe performance degradation with beamforming. A new robust adaptive beamforming algorithm based on the steering vector uncertainty set is proposed to utilize the near-field scattering signal to improve the beamforming output signal-to-noise ratio. The properties of the far-field direct-path signal and near-field signal are incorporated. The large uncertainty set is divided into two small ones describing the far-field and near-field steering vectors, respectively. The far-field steering vectors and the near-field scattering coefficient with a transform matrix are evaluated by convex optimization. Simulation examples demonstrate that the algorithm is correct and effective.     

双基机载雷达的杂波谱补偿方法

双基机载雷达结构中杂波多普勒频率是随距离和双基结构发生变化的,使杂波谱在距离上呈现严重的非平稳性,导致杂波协方差矩阵估计困难．针对此问题提出一种基于最小二乘的空域导向矢量拟合的杂波谱补偿方法,先将训练单元上的空域导向矢量向待检单元的空域导向矢量投影得到一个变换矩阵,用这个矩阵对训练单元上的数据进行预处理,消除杂波谱的非平稳性,得到足够的统计数据,从而构造新的杂波协方差矩阵,最后利用空时自适应算法对补偿后的数据进行杂波抑制．仿真结果表明该方法能够有效地抑制地杂波的非平稳性,提高雷达杂波抑制的性能．     

联合协方差矩阵重构和ADMM的鲁棒波束形成

为解决传统波束形成器在干扰位置发生扰动和导向矢量失配时,造成自适应权重的不匹配,从而导致算法性能急剧下降,甚至期望信号相消的问题,提出一种联合协方差矩阵重构和交替方向乘子法(Alternating direction method of multipliers, ADMM)的鲁棒波束形成方法。对此,首先基于波束形成器最大输出功率准则,设计了求解最优导向矢量的优化模型。接着,根据Capon算法空间功率谱函数,利用定义的干扰范围对协方差矩阵进行重构,以展宽零陷并增强系统抗运动干扰能力。最后,关于导向矢量的二次不等式约束问题,本质为估计导向矢量和期望导向矢量间的差异,该方法利用ADMM对该二次规划问题进行迭代求解,并在每次迭代中获得导向矢量的具体解。另外,也分析了算法的复杂度。实验结果表明：对比现有的波束形成算法,在干扰处加宽了零陷,提高了波束的抗干扰性;结合复杂度也证明了其计算速度优于现有的算法,并且能够很好地校正失配导向矢量。本方法也为求解二次不等式约束问题和提高波束形成算法性能提供了一种思路和途径。