子空间干扰非高斯杂波的抑制

在复杂电磁环境下,往往需要在线估计杂波协方差矩阵,从而自适应调整滤波器权值,实现对杂波的有效抑制,这样有利于目标的估计、检测、定位或跟踪。该文考虑非高斯杂波模型,且部分杂波受到子空间信号干扰,并且有用信号也位于该子空间内。常规方法会导致自适应滤波器在目标多普勒频率处有较大的衰减,极大影响了有用信号的探测。为此提出了一种知识辅助的分层贝叶斯模型,采用变分贝叶斯推断方法获得杂波协方差矩阵的近似后验分布,利用后验均值设计杂波抑制滤波器,可以有效提高目标的探测性能。计算机仿真和实测数据验证结果表明,该方法能够有效抑制杂波,而在目标处有较好的探测能力。      

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。     

基于联合稀疏功率谱恢复的机载雷达稳健STAP算法研究

机载雷达信号的空时自适应处理（STAP,Space-Time Adaptive Processing）需要利用样本数据来估计杂波协方差矩阵.非均匀杂波环境中的离群点会使协方差矩阵的估计出现偏差,从而导致信号相消现象.针对此问题,本文提出一种基于联合稀疏功率谱恢复的STAP算法（JSR-STAP）处理非均匀杂波,以克服离群点对正侧视模式机载雷达的STAP性能的影响.JSR-STAP算法在高分辨稀疏恢复的条件下,利用多快拍间杂波和离群点的分布规律和相关性不同,通过范数选择合适的稀疏恢复系数来实现离群点的抑制.Monte Carlo实验证明JSR-STAP算法的稳健性和动目标检测性能均优于传统的STAP算法.     

弹载导引头雷达ΣΔ-STAP低秩矩阵恢复检测方法

当弹载导引头雷达检测运动目标时,由于海杂波谱严重扩展,和差波束空时自适应处理（ΣΔ-STAP）方法抑制海杂波能力非常有限,提出了一种基于低秩矩阵恢复的弹载导引头雷达ΣΔ-STAP方法。该方法基于低秩矩阵恢复理论建立弹载导引头雷达ΣΔ-STAP信号模型,首先采用ΣΔ-STAP方法预处理海杂波;然后利用鲁棒主成份分析（RPCA）技术从距离多普勒数据矩阵中分离出含有目标成分的稀疏矩阵;最后从距离多普勒谱图中有效地检测出运动目标。仿真实验验证了该方法在低信噪比情况下的有效性和鲁棒性。      

子阵分级处理与稀疏恢复联合的抗主副瓣干扰方法

传统的抗干扰方法在低信噪比条件下性能恶化,对此本文提出了子阵分级处理与稀疏恢复联合的抗干扰方法。新方法首先按照一定规则将全阵列划分为多个子阵列;然后利用自适应波束形成（ADBF）技术抑制各子阵接收信号中的副瓣干扰信号,并将各子阵ADBF后的输出数据联合,构建新的阵列数据;最后通过新构建的阵列数据构建稀疏表示,改进了多测量向量降维提升法（ReMBo）,并与交叉方向乘子法（ADMM）联合进行稀疏恢复,分离得到目标回波信号,并得到了波达角（DOA）的估计。仿真实验表明,新方法能有效对抗主副瓣干扰,与其它方法相比,具有更好的目标检测和DOA估计性能,特别是在低信噪比的条件下。      

一种利用双先验知识的稳健STAP算法

空时自适应信号处理（Space-Time Adaptive Processing, STAP）技术在空域和时域上联合地自适应抑制杂波,以实现对动目标检测。稀疏恢复空时自适应处理方法（Sparse Recovery STAP, SR-STAP）由于利用了杂波谱的稀疏性先验知识,可以缓解在机载雷达在非均匀环境下训练数据不足时,杂波抑制效果性能显著下降的问题。尽管SR-STAP只需要少量样本即可恢复出杂波谱并重构杂波协方差矩阵（Clutter Covariance Matrix, CCM）,其重构性能仍然受到训练样本数量的制约,当增加训练样本数量时,杂波谱恢复精度具有进一步提升的潜力。另一方面,当机载雷达的接收阵列为等间隔均匀线阵并且系统在一个相干处理间隔中脉冲重复频率恒定时,CCM可具有斜对称特性。该先验知识若被充分利用,可以将等效训练样本数量扩展为原来的两倍。本文将CCM的斜对称特性结合入SR-STAP的框架中,提出了一种稳健的SR-STAP算法,该算法同时利用CCM的斜对称特性和杂波谱稀疏性两种先验知识,能够在相同训练样本量下进一步提升杂波谱的恢复精度和CCM的估计精度。算法首先利用斜对称变换矩阵对从待检测单元中的数据和训练样本进行预处理,将等效训练样本数量扩展至原来的两倍;随后结合预处理后训练样本和一种协方差稀疏迭代算法,实现对CCM的准确重构并设计相应STAP滤波器。算法无需设置超参数,实际应用中易于操作。仿真结果表明,新算法能够有效提升杂波谱恢复的准确度,具有较好的杂波抑制性能。      

稳健的基于参数化协方差矩阵估计的空时自适应处理方法

参数化协方差矩阵估计（Parametric Covariance Matrix Estimation,PCE）方法利用雷达系统参数估计杂波协方差矩阵（Clutter Covariance Matrix,CCM）,显著提升非均匀环境下空时自适应处理（Space-Time Adaptive Processing,STAP）的性能;但是在系统参数和杂波分布存在误差情况下,性能下降严重.本文提出一种稳健的基于PCE方法的STAP杂波抑制方法.首先利用稀疏恢复方法与Radon变换估计杂波分布,然后提出一种归一化广义内积统计量修正杂波的分布,最后利用PCE方法估计CCM并进行STAP杂波抑制.通过分析舰载高频地波雷达仿真和实测数据处理结果表明：所提方法的稳健性大幅提升,相比稀疏恢复STAP方法和前后向空时平滑STAP方法滤波器凹口更加准确且更深,在有效抑制杂波的同时更利于慢速目标的检测.     

基于黎曼流形监督降维的矩阵CFAR增强检测

矩阵CFAR检测是从几何流形角度处理雷达目标检测问题的新技术。为进一步提升其在复杂杂波背景下的检测性能,本文提出一种黎曼流形监督降维的矩阵CFAR增强检测方法。首先,将检测问题视为目标与杂波的分类问题,分别构建黎曼流形上目标单元与杂波单元的类内和类间权重矩阵;其次,为增强目标与杂波的可分性,采用保持类内几何距离最小,类间几何距离最大的准则建立降维目标函数,并基于Grassmann流形求解降维优化问题获得映射矩阵;最后,提出一种矩阵CFAR增强检测方法,实现目标增强检测。采用蒙特卡罗方法对仿真数据和实测海杂波数据进行实验分析,结果表明,所提出的方法能够进一步提升检测性能。      

基于加权SPICE的MIMO-STAP稀疏恢复算法

针对机载多输入多输出(MIMO)雷达空时自适应处理(STAP)技术在非均匀杂波条件下动目标检测性能严重下降的问题,引入了加权SPICE算法用于杂波谱的稀疏恢复。加权SPICE算法可以将一大类稀疏恢复算法纳入到统一框架下,根据加权矢量不同可得LIKES,SLIM和IAA算法。这些算法不需要设置任何超参数,基于杂波样本协方差矩阵通过迭代求解未知稀疏参数。仿真实验表明,使用这些稀疏算法恢复杂波谱,可有效提升所恢复杂波谱的准确性,能够更好地实现动目标检测。      

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制。然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能。针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能。Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法。     

基于多尺度自适应稀疏字典的小弱目标检测方法

针对单尺度固定函数的滤波器难以有效剔除杂波和提高小弱目标检测性能的不足,文中研究建立多尺度自适应稀疏字典,提出了一种多尺度自适应形态稀疏字典检测小弱目标方法。首先根据图像信号内容建立多尺度自适应形态稀疏字典,并将图像信号在多尺度稀疏字典中进行稀疏分解;然后在分析小原子稀疏表示系数的基础上建立稀疏表示系数直方图,并利用指数函数拟合小尺度原子的稀疏表示系数直方图;最后,根据指数函数拟合参数在杂波、噪声和目标表现出的差异检测小弱目标。该多尺度稀疏字典利用大尺度原子描述图像背景杂波,小尺度原子捕获图像细小特征。实验结果表明,与小波算法和Contourlet 算法相比,文中方法能更为有效地抑制背景杂波,减少背景残留,从而提高小弱目标检测性能。     

频率分集MIMO雷达信号优化设计

针对集中式多输入多输出(multiple input multiple output, MIMO)雷达扩展目标检测识别问题,提出将多频阵列(multiple frequency array, MFA)应用到集中式MIMO雷达中来实现频率分集,增加自由度,在频域基于互信息量(mutual information, MI)优化不同频带天线上的功率分配以设计信号,针对目标依据雷达功率分配情况施放干扰以避免检测识别的情况,雷达在杂波及干扰环境下再次优化信号功率分配,实现雷达认知功能。仿真结果证明,优化信号可综合噪声、杂波及干扰统计特性重新调整功率分配,可提高目标频域响应和目标回波间互信息量,为改善目标检测识别性能奠定基础。      

A clutter-suppression method for airborne bistatic polarization radar based on polarization-space-time adaptive processing

Clutter suppression poses serious problems for airborne, bistatic radar systems. Suppression may be increased using space-time adaptive processing (STAP), but suppression of slow targets is poor and target detectability is compromised. Furthermore, sufficient independent and identically (IID) training samples cannot be obtained through the use of practical applications, and the STAP performance degrades significantly due to the inaccuracy of the estimated clutter-plus-noise covariance matrix, especially in nonstationary and heterogeneous environments. Here, we present a new airborne, bistatic radar system. We transform the array from a single polarized channel to two channels, each with two orthogonally polarized antennae, and combine polarization-dimensional information with that of the space-time domain; we term our algorithm “polarization-space-time adaptive processing”. This algorithm further suppresses clutter and enhances the detection of slow targets. Sparse recovery space-time adaptive processing (SR-STAP) can reduce the need for clutter samples and suppress clutter effectively using limited training samples for airborne radar. The algorithm first uses the clutter sparse recovery function of STAP to suppress clutter in the H and V channels. Then, polarization processing is employed to further restrict mainlobe clutter. We present numerical examples to demonstrate the effectiveness of the new technique.

     

采用机会照射源的杂波抑制与弱目标检测方法

在利用机会照射源进行目标探测时,目标信号经常淹没在强直达波与多径杂波中;同时,由于强目标信号旁瓣的遮盖效应,经常存在弱目标的漏检。针对以上问题,本文提出基于梯度变遗忘因子递推最小二乘的杂波抑制算法抑制直达波与多径杂波,同时提出了一种基于内插的改进CLEAN算法来实现强目标的抑制。该算法首先进行杂波抑制,然后与参考信号作二维时频互相关,估计出强目标信号的时延与多普勒频率;利用经过内插的时延点构造强目标干扰矩阵完成强目标的抑制,因此而达到检测弱目标信号的目的。经仿真实验证明该算法对于目标回波的时延与多普勒估计误差不敏感,且在强目标时延为分数倍采样周期时仍然能达到很好的抑制性能,有效检测到弱目标信号。      

OTHR短CIT条件下自适应舰船目标检测方案

针对在短相干积累时间（CIT）条件下,天波超视距雷达（OTHR）的多普勒频率分辨力和相干积累处理增益降低,导致对低可探测大中型舰船目标检测性能下降的问题,提出一种综合自适应海杂波抑制、重构并检测舰船目标信号的PHM方案。该方案首先利用峰值信噪比（PSNR）-高阶奇异值分解（HOSVD）算法进行自适应海杂波抑制,使信号稀疏化并减少后续检测环节中的虚警;然后利用改进的正交匹配追踪（MOMP）算法进行重构和检测舰船目标信号,改善对目标的检测性能,并提升检测结果中舰船目标的多普勒频率准确度。仿真分析和实测数据处理结果验证了PHM方案的有效性。      

基于自适应局域变换的离散干扰抑制算法

在非均匀杂波环境中,针对待检测距离单元的离散干扰严重影响统计空时自适应处理(STAP)杂波抑制性能的问题,提出了基于自适应局域变换的离散干扰抑制算法。该方法利用自适应局域变换矩阵具有局域变换和自适应滤波的双重特性,在较低计算复杂度条件下有效消除离散干扰对统计STAP方法的影响。仿真数据和MCARM实测数据分析表明,该方法能有效抑制待检测距离单元中的离散干扰和均匀杂波,显著改善STAP在非均匀杂波中的性能。     

基于贪婪-快速阈值迭代的SAR地面动目标稀疏表征算法

合成孔径雷达地面动目标成像(Synthetic Aperture Radar Ground Moving Target Imaging, SAR-GMTIm)技术通过在静止场景的SAR图像中检测运动目标响应,实现针对运动目标的重聚焦成像。通常情况下,地面运动目标回波响应相对于静止场景的回波(即杂波)具有较强的稀疏性,增强SAR-GMTIm成像结果的稀疏特征有利于目标分类和识别。现有的一阶算法如阈值迭代算法(Iterative Shrinkage-thresholding Algorithm,ISTA)及其改进方法,快速阈值迭代算法(Fast Iterative Shrinkage-thresholding Algorithm,FISTA)都可用于SAR-GMTIm稀疏特征增强,但都存在运算效率偏低,收敛速度较慢的问题。针对以上问题,本文提出了一种贪婪-快速阈值迭代算法(Greedy Fast Iterative Shrinkage-thresholding Algorithm,Greedy FISTA)用于SAR-GMTIm稀疏特征恢复。该算法基于重启动框架对FISTA进行改进,缩短了算法重启间隔和振荡周期,拥有比FISTA更快的收敛速度。本文利用Greedy FISTA针对SAR-GMTIm的仿真复数据以及美国空军实验室的Gotcha实测雷达数据进行成像实验,并对比Greedy FISTA和FISTA、ISTA在SAR动目标成像中达到同等精度所需的迭代次数,再结合相变热力图分析法对比三种算法的恢复性能。实验结果表明Greedy FISTA应用于SAR-GMTIm系统具有良好的成像效果, 且在收敛速度和稀疏信号恢复方面相较传统阈值迭代算法及快速阈值迭代算法有明显优势。      

一种分数低阶局部最优目标检测方法

:针对传统局部最优检测器在显著非高斯杂波背景下导致检测性能下降的问题,该文提出一种分数低阶局部最优雷达目标检测方法。首先对局部最优检测器的模型进行简化,在此基础上,根据分数低阶统计量理论,利用分数低阶相关矩阵描述杂波的相关特征,并以分数低阶二次型作为局部最优检测器的权值,改善了显著非高斯杂波背景下的雷达目标检测性能。利用仿真数据和IPIX雷达数据进行实验分析,结果表明,针对显著的非高斯杂波背景下的弱目标信号,相对于传统的局部最优检测方法,该文方法的检测性能显著提高。     

高频地波雷达协同检测新方法

电离层杂波、海杂波以及射频干扰的存在造成高频地波雷达目标检测上的困难。针对高频地波雷达的极化特性和目标在距离-多普勒谱中的扩张特性,先设计一种改进的二维恒虚警检测算法,后将该方法与极化处理方法融合设计一种新的协同检测算法,该检测算法实现了能量域和极化域的协同检测,突破传统极化检测方法计算复杂等问题。高频地波雷达实测数据中的仿真和检测结果表明:在电离层杂波背景中,协同检测算法性能优于恒虚警方法。     

A hybrid STAP approach to target detection for heterogeneous scenarios in radar seekers

Adaptive detection of moving targets on the sea is important for radar seekers. Recently, more attention has been paid to the deleterious effect of clutter heterogeneity on space-time adaptive processing (STAP) for pulse Doppler radar. Since secondary samples are no longer statistically independent and identically distributed (IID) in heterogeneous environments, this is subjected to a great challenge to target detection for radar seekers. Due to the fact that chaff jamming severely affects the performance degradation of target detection, the hybrid detection algorithm is proposed to suppress the sea clutter and chaff jamming. Firstly, the range cells can be classified into two regions according to the power, namely clutter region and hybrid region. Then we propose different algorithms to process two regions. The fixed point (FP) estimator is used to estimate the clutter covariance matrix in clutter region. While the power selected training (PST) algorithm is used to select the homogeneous secondary samples, and an algorithm based on two-step subspace projection for hybrid interference suppression is presented in hybrid region. Finally, the proposed Pareto-based generalized likelihood ratio test (PBGLRT) detector can detect the slowly moving targets in heterogeneous interference. Simulation results show that the PBGLRT detector outperforms both the low rank normalized adaptive match filter (LRNAMF) and normalized adaptive match filter (NAMF) detectors against interference heterogeneity.