基于广义旁瓣相消的新降维方法

针对阵列信号中部分自适应信号处理问题，提出了一种新的基于广义旁瓣相消的降维方法。该方法利用波束形成无法对加性白噪声进行抑制的特点，根据广义旁瓣相消器的结构，设计出一种新的阻塞降维矩阵，使辅助通道内仅存干扰信号，从而增强主辅通道关于干扰信号的相关性，更有利于抑制干扰，同时也达到了降维的效果。另一方面，在存在阵列误差的情况下，借助稳健的波束形成算法，对阻塞降维矩阵进行校正，既使算法对模型误差不敏感，又便于进行降维后的部分自适应处理，降低运算量。最后通过大量的计算机仿真验证了所提方法的有效性和优越性。     

一种基于稀疏降维的STAP方法

目前降维的空时自适应处理（STAP）运算量大,并且辅助通道选取比较固定。针对该问题,提出了一种基于稀疏降维的STAP方法。该方法首先用传统的方法选择与待检测角度-多普勒通道邻近的多个通道作为辅助通道,实现初步降维。然后,基于天波雷达的海杂波信号具有低秩特点,提出进一步用稀疏滤波优选训练样本的方法,该方法基于稀疏正则化原理,寻找稀疏的滤波权向量,从而自适应地选择性能更好的辅助通道。对天波雷达实测数据的处理结果表明,与已有的降维STAP相比,所提方法的杂波抑制性能提高了6.17dB。     

STAP结构自适应方法

空时自适应处理(STAP)实现的主要障碍之一是计算量巨大,现有文献中的降维(降秩)方法均是离线的,本文研究了在线降维方法.在考察了STAP中不同多普勒通道间杂波的变化后,提出了实现系统调控自由度自适应——结构自适应的准则和方法,这一方法在性能损失甚微的前提下,可明显的减少STAP的计算量.     

一种稳健的降维STAP算法

首先分析了波束——多普勒域空时自适应降维原理,并深入研究了两种典型的波束——多普勒域降维算法：局域联合法（JDL）和广义相邻多波束法（GMB）,结合两种算法的优点提出了一种稳健的降维STAP算法。该算法适当地增加辅助波束,以较小的运算量为代价,克服了一般降维算法对阵元幅相误差敏感的问题,且主杂波区性能较好,适用于非均匀...     

机载MIMO雷达收发联合降维STAP算法统一理论框架

该文研究了机载多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达杂波抑制的收发联合降维空时自适应处理（Space Time Adaptive Processing,STAP）算法统一理论框架。首先,基于机载MIMO雷达发射波形分集的特性,构建了机载MIMO雷达降维联合自适应STAP处理的统一理论框架结构。在此基础上,建立了3种降维STAP处理结构。最后,针对上述3种降维结构,给出了相应的3类适用于MIMO体制的降维STAP处理算法。仿真实验表明:机载MIMO雷达联合降维自适应算法具有较好的杂波抑制性能和较强的抗干扰能力。      

基于发射波束域-三迭代的机载MIMO雷达STAP方法

针对传统机载多输入多输出(MIMO)雷达空时自适应处理(STAP)中由于发射功率分散而造成的输出信杂噪比(SCNR)下降的问题,该文提出一种基于发射波束域-三迭代的机载MIMO雷达STAP方法。首先建立了发射波束域MIMO雷达STAP的信号模型,并且给出了发射波束加权矩阵的优化设计准则,能够使发射功率聚集于感兴趣的目标空域。然后对发射波束域MIMO雷达的杂噪比(CNR)进行分析,表明其与发射总功率的关系,理论推导显示:相比于全向等功率发射的传统MIMO雷达CNR,发射波束域MIMO雷达CNR减小。同时,为进一步降低发射波束域MIMO-STAP的训练样本数需求与运算复杂度,采用三迭代算法进行权值降维求解。理论分析与仿真实验结果表明:通过相应的三迭代降维处理,发射波束域MIMO-STAP与传统全向等功率发射MIMO-STAP相比能够获取更加优越的输出SCNR性能,且运算量进一步降低。因此,本文提出的发射波束域-三迭代方法具有重要的工程应用价值。     

机载MIMO雷达两级降维杂波抑制方法

该文针对机载MIMO雷达杂波抑制问题,提出一种低复杂度的空时自适应处理(STAP)方法。首先利用多普勒滤波对杂波信号进行时域降维处理;然后将空域发射-接收2维波束形成权向量表示成发射权和接收权的Kronecker积,并建立关于这两个权值的二元二次代价函数从而实现空域二次降维;最后提出最小化代价函数的双迭代算法,交替优化两个权值。仿真结果表明该算法收敛速度快,运算量小,尤其在小样本条件下其杂波抑制性能显著优于mDT方法。     

有源电扫阵列雷达集成系统设计的子阵级仿真

本文概述了一种有源电扫阵(AESA)雷达系统的整体仿真。机载雷达环境仿真(ARES)工具已研制，代表从雷达环境子阵级所发出的信号。这一数据形成测试台仿真的输入，此测试台仿真能开发出信号处理算法，特别是运用了子阵信号的自适应波束形成(ABF)和空-时自适应处理(STAP)技术。本文还例举了仿真的输出，最后讨论了运用仿真进行雷达系统设计和开发的原理和方法。     

数字波束形成器的FPGA实现

数字波束形成技术是天线波束形成原理与数字信号处理技术相结合的产物，其广泛应用于阵列信号处理领域，本文介绍了数字波束形成器的基本原理及其FPGA的实现结构。     

地基相控阵雷达STAP应用研究

针对现代地基雷达传统方法抑制杂波不彻底的情况,根据空时二维信号处理技术（STAP）的特点和发展趋势,提出了将空时二维信号处理技术应用于地基二维相控阵雷达中的设想。根据地基雷达运动杂波的特点,在考虑误差情况下,对运动杂波二维耦合谱进行分析和仿真;初步构想了应用STAP的地基雷达无源干扰抑制结构,并对全空时自适应处理器抑制运动杂波进行仿真分析。结果表明,空时二维信号处理抑制运动杂波可以取得很好效果。     

对空时二维自适应处理雷达的投散射宽时限扫频式干扰技术研究

针对传统干扰方法因干扰信号维度单一而难以在空时二维联合域对空时自适应处理器（Space-Time Adaptive Processing,STAP）产生有效干扰这一问题,提出了一种能覆盖整个空时二维平面的投散射宽时限扫频式干扰方法.该方法是向特定区域投射具有多普勒带宽的扫频信号,利用散射回波干扰STAP雷达.地形散射使干扰信号具有空时耦合特性,干扰信号空域连续,STAP处理器无法从空域识别抑制;宽时限扫频方式导致脉冲间多普勒频率存在差异,使雷达无法提取干扰信号多普勒频率,能占用处理器大量自由度.仿真结果表明,该方法产生的干扰功率谱能覆盖整个空时平面,使处理器自由度严重损失,导致STAP处理器性能下降,验证了该方法的有效性.     

机载雷达的预滤波直接数据域算法

空时自适应处理(STAP)作为一种地杂波环境下机载雷达自适应检测小目标的方法已得到广泛研究,干扰非一致性是当前的一个重要方面。由杂波脊外的强干扰(或目标)引起的分立非一致性是市区和尖峰状杂波环境下STAP性能下降的主要原因。利用级联算法得到的自适应权可用于STAP干扰的分立非一致性问题。该方法由一个直接数据域算法和一个统计自适应算法级联构成。该文提出一种带杂波衰减预滤波器的直接数据域算法来增强算法对分立非一致干扰的抑制,从而提高了STAP对付分立非一致干扰的性能。     

空时二维雷达信号处理机的系统设计

针对雷达信号处理算法复杂、数据量大、数据传输速度高的特点,本文介绍一种基于ADSP-TS101通用信号处理板的设计,并以此处理板构成了空时二维雷达信号处理信号机.此处理板具有可重构性和可扩展性,简单的扩展或适当增加此模块的数目即可满足不同的雷达信号处理要求.     

载机偏航下基于广义相邻多波束自适应处理的低空风切变风速估计

该文提出一种载机偏航下基于广义相邻多波束(GMB)自适应处理的低空风切变风速估计的方法,该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正,估计出杂波协方差矩阵。然后同时组合空域的相邻多个波束与时域的相邻多个多普勒通道来计算降维变换矩阵,并对待测距离单元内的雷达回波数据进行降维处理,进而构造GMB自适应处理器的最优自适应权矢量对降维后的回波数据实现自适应滤波。最后完成载机偏航下风场速度的准确估计。仿真结果验证了该方法能够在载机偏航情况下,获得风场速度的有效估计。     

机载雷达三维空时两级降维自适应处理

该文研究了机载雷达3维空时自适应处理(3D-STAP)方法,并结合先时后空的自适应处理(mDT-SAP)结构提出了一种新的空时两级降维准最优技术。该方法首先采用固定结构的时域多普勒预处理降低杂波时域相关性,然后基于2维空域的可分离性构造出两个低维的俯仰和方位向权值,最后结合双迭代算法进行循环求解。理论分析与仿真结果表明,该文所提方法与传统方法相比具有运算量小、收敛性强、所需训练样本少的优点,并拥有优良的杂波抑制性能和较强的误差鲁棒性,有利于工程化实现。     

Sparse signal transmission under lossy wireless links based on double process of compressive sensing

In resource-limited wireless sensor networks,links with poor quality hinder its large-scale applications seriously.Thanks to the inherent sparse property of signals in WSN,the framework of sparse signal transmission based on double process of compressive sensing was proposed,providing an insight into a new way of real-time,accurate and energy-efficient sparse signal transmission.Firstly,the random packet loss during transmission under lossy wireless links was modeled as a linear dimension-reduced measurement process of CS (a passive process of CS).Then,considering that a large packet was often adopted in WSN for higher transmission efficiency,a random linear dimension-reduced projection (a simple source coding operation) was employed at the sender node (an active process of CS) to prevent block data loss.Now,the raw signal could be recovered from the lossy data at the receiver node using CS reconstruction algorithms.Furtherly,according to the theory of CS reconstruction and the formula of packet reception rate in wireless communication,the minimum compression ratio and the maximum packet length allowed were obtained.Extensive simulations demonstrate that the reliability of data transmission and its accuracy,the data transmission volume,the transmission delay and energy consumption could be greatly optimized by means of proposed method.     

机载多输入多输出雷达脉冲相消杂波抑制方法

针对机载多输入多输出雷达杂波分布呈现空时耦合特性,该文提出了一种新的空时2维脉冲相消杂波抑制方法,通过利用雷达参数以及载机速度可以确定杂波分布轨迹这一先验信息,设计出一种简单有效的空时2维脉冲相消器,作为空时自适应处理(STAP)的杂波预滤波处理方法,进一步提高目标的检测性能。试验结果表明,该方法可以较为灵活地根据不同阵列结构来构造,不受布阵方式的限制,同时对于高速运动目标的检测也较为有效。     

稳健的局域STAP处理器

针对现有局域空时自适应(STAP)处理器的不足,提出了一种对杂波复杂度和干扰环境变化更加稳健的局域STAP处理器—FDSP (Flexible DOF STAP Processor).该处理器根据外部干扰环境的变化情况,依据准则自适应地调整系统自由度.它不仅降低了非主杂波区杂波抑制的计算量,并且可以有效抑制有源干扰.给出了该处理器的实现方法和权值递推求解的快速算法.利用实测数据证明了该处理器的有效性.     

一种波束域的高速空中动目标检测及参数估计方法

Keystone变换所需的插值运算存在计算量大的问题,尤其是用于空时自适应处理（Space-Time Adaptive Processing,STAP）时需要对每个阵元接收的数据分别进行Keystone变换,给工程实现带来了困难.为了解决这一问题,提出了一种在波束域进行Keystone变换校正目标距离走动的新方法,该方法将传统的对每个阵元数据的Keystone变换转换为在波束域进行Keystone变换,从而将N个阵元对应的N次Keystone变换转换为只在主波束内进行一次Keystone变换,这样做使算法的主要运算量降低为原来的1/N.然后将压缩感知（Compressed Sensing,CS）理论用于空时自适应处理的目标参数估计,取得了良好的估计性能.最后通过仿真实验验证了本文方法的有效性.     

A new method for efficient convolution in frequency domain bynonuniform partitioning for adaptive filtering

By using block processing, partitioning, and fast Fourier transforms (FFTs), large filters perform efficiently in the frequency domain. For small processing delay the complexity can still be too large for implementation on a digital signal processor (DSP). A solution is to partition the filter into unequal-length subfilters. Application in adaptive filtering yields the nonuniform partitioned block frequency domain adaptive filter (NU-PBFDAF)