基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar, HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition, SVD)的空域海杂波抑制算法（简称空域SVD算法）. 空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参考,对其阵列协方差矩阵进行SVD,估计空域的海杂波子空间和噪声子空间;再利用子空间的正交性,从阵列回波信号中去除其在海杂波子空间的投影分量,达到在空域抑制海杂波的目的. 该方法与现有的空域海杂波抑制方法相比,不需要预先知道海杂波的方位,利用阵列协方差矩阵的SVD来估计子空间,使得子空间的估计比较容易且准确,提高了输出信杂噪比(signal to clutter plus noise ratio, SCNR),有利于目标的检测.     

一种改进的天波雷达海杂波循环对消算法

在天波超视距雷达中,舰船等慢速目标的频谱通常靠近强大的海杂波谱,检测难度大,在短相干积累条件下,回波频谱的多普勒分辨率降低,进一步增加了目标检测难度。目前的海杂波抑制方法主要是循环对消法,但是传统的循环对消方法仅通过傅里叶变换后最大谱线来估计频率,频率估计精度不高,杂波残留严重,而且容易将目标信号也对消掉。针对该问题,提出了一种改进的循环对消算法,该算法中,首先给出了短相干积累下海杂波频率的高精度估计算法,利用最大的3根谱线进行插值来对粗估计得到的频率进行校正,从而精确估计海杂波频率,在此基础上估计时域的海杂波信号;为了避免将目标信号也对消掉,进一步给出了海杂波的频率界限,只在杂波界限内进行海杂波循环对消;与传统算法相比,所提算法能够对海杂波参数进行高精度估计,从而减少了对消过程中剩余杂波的能量,有利于舰船目标的峰值显露,而且杂波频率界限的使用能够避免将目标信号对消掉,提高了目标的检测效能。仿真和实测数据处理结果均表明,与传统循环对消法相比,所提算法能用更少的对消次数凸显出舰船目标,而且残留杂波能量更低。     

基于高阶奇异值分解的天波雷达海杂波抑制算法

天波超视距雷达的监测范围非常广,实际中经常要求其在短相干积累时间(Coherent Integration Time,CIT)条件下检测舰船目标,然而短CIT导致多普勒分辨率降低,很难从强大海杂波中检测出舰船目标.针对上述问题,提出了基于高阶奇异值分解(Higher-Order Singular Value Decomposition,HOSVD)子空间估计的海杂波抑制算法.利用舰船目标所在距离单元的回波数据建立Hankel张量,然后采用HOSVD求解Hankel张量的海杂波子空间和目标子空间,应用正交投影方法将Hankel张量映射到目标子空间以抑制海杂波.仿真结果表明:该方法与现有子空间类海杂波抑制方法相比,提高了主旁瓣比和信干噪比.     

基于扩展Prony算法的海杂波循环对消法

在分析海杂波产生机理的基础上,提出了一种基于扩展Prony算法的海杂波循环对消法,在传统的海杂波循环对消法中用扩展Prony方法对频率进行估计,从而提高对正弦信号的频率、幅度、相位的估算精度。在相同数据点数、信噪比的条件下,运用2种对消法对短相干积累条件下的海面背景舰船目标检测情况进行仿真分析。仿真实验验证了基于扩展Prony算法的海杂波循环对消法检测舰船目标的有效性,提高了短相干积累条件下的海面背景下的舰船目标检测性能。     

基于矩阵补全的天波雷达瞬态干扰抑制算法

瞬态干扰持续时间短、强度大,严重影响天波超视距雷达的性能。传统的瞬态干扰抑制方法需要预先抑制海杂波,且只能抑制强瞬态干扰,不能抑制弱瞬态干扰和噪声,该文提出一种基于矩阵补全的瞬态干扰抑制算法,该方法首先利用Teager-Kaiser算子进行瞬态干扰检测,然后将干扰数据剔除,最后利用海杂波和目标回波构成的Hankel矩阵的低秩性,通过改进的低秩矩阵补全算法进行数据恢复。该算法不仅能够抑制强瞬态干扰,而且能同时抑制弱瞬态干扰和噪声,提高了回波信号的信噪比。实测和仿真数据处理结果证明了算法的有效性。     

一种新的双孔径天线干涉SAR动目标检测方法

提出了一种基于双孔径天线沿航迹向干涉SAR进行动目标检测、测速及定位的新方法.该方法在分析杂波对消必要性的基础上,给出了进行地杂波对消、动目标检测、径向速度分量估计及定位的原理和实现方法.在恒虚警处理后,通过比较杂波对消后的残差图像与原始图像中运动目标和静止目标对消幅度的差异,检测出运动目标.同时,可以利用残差图象中杂波的对消特性进行运动目标径向速度的估算以及目标的定位.这种检测方法具有良好的杂波对消性能,能够完成被地面背景杂波掩盖的运动目标的检测、测速及定位.计算机仿真结果验证了其有效性.     

高频地波雷达抑制瞬态干扰研究

高频地波雷达探测海洋状况和跟踪移动目标时,由于所处的高频段电磁环境极其恶劣,各种瞬态干扰会严重影响雷达的探测效果.对线性调频体制下雷达回波信号的处理进行了分析,讨论了抑制瞬态干扰的方法.构造了Hankel矩阵进行SVD分解[7]来抑制海杂波的影响,利用小波变换在距离时间序列上检测出瞬态干扰,在此基础上,使用基于最小二乘格形(LSL)自适应算法来恢复多普勒信号,抑制了瞬态干扰对雷达的影响.实测数据表明,它可有效地提高了高频地波雷达抗瞬态干扰的能力.     

短相干积累条件下天波超视距雷达的舰船检测

天波超视距雷达(OTHR)的观测范围非常广,实战中经常要求在短相干积累条件下检测出舰船目标。然而短相干积累时间带来的低多普勒分辨率很难从强大的海杂波中区分出舰船。为了解决这一问题。可以采用海杂波循环对消法,这就要求对杂波参数进行精确估计。传统方法直接利用Fourier谱中的最大幅度估计杂波参数,估计精度不高从而导致对消性能不太理想。该文提出了一种新的基于FFT相位分析的杂波对消法。该方法与传统的杂波对消相比,有效提高了参数估计精度,减小了剩余杂波强度和扩散程度,有利于舰船目标的峰值显露和从剩余杂波中区分出舰船。以上分析和比较得到了实测数据的检验。     

基于FRFT移位对消的海面运动目标检测

文中提出了一种基于FRFT移位对消法的海面运动目标检测方法,利用回波信号的FRFT模值与移位后的FRFT模值相减构造检测统计量,对消部分杂波,在低信杂比条件下此方法仍然能检测到信号,相比于基于FRFT的检测来说性能提高了。通过对实测海杂波的仿真证实了此方法的有效性,此方法简单,计算量小,易于工程实现。     

基于GRNN和时间窗方差滤波的海杂波抑制

为实现对海杂波的抑制,根据海杂波混沌动态特性,利用广义回归神经网络(GRNN)进行海杂波预测再对消,最后引入时间窗方差滤波。分析对McMaster大学IPIX雷达含目标实测数据的处理结果,原始数据信杂比小于等于0 dB,只采用GRNN预测对消后信杂比提高但仍有短时海杂波尖峰的影响,经过方差滤波后短时尖峰基本消失,最终信杂比提高到约11.67 dB。故所提方法对海杂波有很好的抑制效果,能够检测出湮没在海杂波中的小目标。     

基于K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。     

基于固有模态奇异值熵的微弱目标检测算法

为检测海杂波中的微弱目标,文中首先提出采用固有模态函数构建海杂波的特征矩阵,解决采用延时嵌入法构建时间序列的特征矩阵时嵌入维数和延迟时间难以确定的困难,然后经奇异值分解获得海杂波的固有模态奇异值,并分析海杂波固有模态奇异值的特点以及目标的影响。分析发现,当目标出现时,海杂波的后6个固有模态奇异值明显增大,而固有模态奇异值熵可以描述目标对海杂波固有模态奇异值的这种影响。在此基础上,文中提出了采用固有模态奇异值熵检测微弱目标的方法。仿真结果表明,与基于盒维数的微弱目标检测算法和多脉冲单元平均恒虚警检测算法相比,该文所提算法的检测性能较好。     

一种基于SIC-CDM的低复杂度混合波束赋形方案

为了平衡毫米波大规模多输入多输出系统的性能和硬件开销,降低系统功耗,以频谱效率为优化目标,在部分连接结构下提出了一种收发端联合设计的低复杂度混合波束赋形方案。首先,基于连续干扰消除将原始优化问题转化为多个子阵的速率优化问题;然后,利用坐标下降法完成模拟波束赋形矩阵设计;最后,引入等效信道矩阵大幅降低矩阵维度,再对其进行奇异值分解获得数字波束赋形矩阵。仿真结果表明,与其他算法相比,所提算法在系统功耗降低的同时保持了较优的性能,且性能逼近部分连接结构的最优方案。     

基于组合滤波的压缩感知穿墙雷达杂波抑制

针对压缩感知穿墙雷达成像过程中受壁杂波污染严重等问题,提出了一种组合滤波的杂波抑制算法。该算法利用小波预处理、统计信号滤波法相结合的方式对回波信号进行处理,通过动态阈值分段弱正交匹配追踪进行稀疏迭代求解。在强壁杂波存在的情况下,组合滤波法能够有效地消除杂波检测出墙后目标。实验结果表明,该算法与传统单一主成分分析、奇异值分解和经验模态分解滤波相比,所成雷达像的子杂波比分别提高了1.57、1.52、1.26倍。     

基于改进的奇异值分解的红外弱小目标检测

为了克服传统的基于奇异值分解的目标检测方法存在目标强度变弱的不足之处,采用改进的奇异值分解方法用于红外弱小目标检测。根据奇异值分解的性质,对其中目标贡献最大的中序部分奇异值进行了非线性修正的改进,并将其它奇异值设置为零后通过重构图像得到背景抑制后的目标图像。结果表明,该方法不仅能够保存和增强目标能量,提高目标信号的信杂比和对比度,而且还能得到很好的背景抑制效果。     

基于特征分解的多模杂波抑制方法

电离层对天波超视距雷达回波信号的污染严重制约了雷达对慢速目标的检测, 相位扰动与多模传播共存时, 更是加重了回波杂波谱的展宽.针对这一情况, 文中提出了基于特征分解的多模杂波抑制方法, 根据不同群距离单元上回波信号的相关性来选择群距离单元构造协方差矩阵, 通过一个模板滤波器对回波信号滑动滤波来确定回波信号模式个数, 从而可通过对协方差矩阵的特征分解来确定目标信号和噪声子空间, 继而完成杂波的抑制.该方法实现简单, 适合工程应用, 并且对实测数据的处理结果证实了该方法的有效性.     

基于累量的近场源快速定位算法

本文提出了一种基于累量的近场源参数快速估计方法。具体地,本文首先构造了一个累量矩阵,对其进行奇异值分解后,利用得到的右奇异向量和左奇异向量分别使用类Root-MUSIC方法得到了近场波达方向和距离估计的闭式解。该方法利用高阶累量矩阵,减少了阵列孔径损失,提高了能分辨的最大信源数,而且与其他基于高阶累积量的方法相比,该方法在近场的波达方向与距离的估计过程中只需要构造一个累量矩阵和进行一次奇异值分解,并且使用闭式解完全避免了峰值搜索,大大降低了运算量,同时还提高了估计的分辨概率和精度。此外,该方法在几乎没有增加额外计算量的情况下可以推广到混合场源的情况。仿真结果表明,该算法的分辨率和精度都有较大的优越性。      

基于SMLRT-GRT-SVD的机载雷达海面慢速小目标信号积累与杂波抑制方法

机载雷达对海面慢速小目标进行积累检测时面临两个主要问题:一是雷达与目标间的相对运动导致距离走动与多普勒扩散,造成目标积累性能下降;二是较强的海杂波能量影响聚焦与检测结果。为了解决上述问题,本文提出了一种基于分段改进位置旋转变换（Segment Modified Location Rotation Transform, SMLRT）、广义拉东变换（Generalized Radon Transform, GRT）以及奇异值分解（Singular Value Decomposition, SVD）的方法（即SMLRT-GRT-SVD）以快速实现信号积累与杂波抑制。首先,设计时间片段划分准则将回波信号均匀分段,分段时保证在每个时间片段中可以忽略由径向加速度造成的二阶距离走动和多普勒扩散;其次,通过SMLRT校正每个时间片段内由径向速度引起的一阶距离走动,并采用傅里叶变换（Fourier Transform, FT）实现每个时间片段内能量的相参积累;再次,利用GRT循迹所有时间片段的能量峰值位置并进行非相参积累;最后,利用SVD在慢时间域进行回波信号分解并剔除杂波对应奇异值,重构后即可实现杂波能量的抑制。本方法采用分段处理与SVD操作,能够快速实现目标能量的聚集并抑制海杂波能量。仿真与实测数据处理结果均表明了所提方法的有效性。      

基于奇异值分解图像压缩算法的研究

提出了一种奇异值分解（SVD）的图像压缩算法,该算法通过对数字图像矩阵进行奇异值分解,将一幅图像转换成包含几个非零值的奇异值矩阵,实现图像压缩,便于图像的储存和传输。MATLAB仿真分析表明,矩阵的奇异值分解压缩方法具有较好的压缩性能,有效提高了压缩比。