一种基于波形匹配的目标检测和识别方法

基于对目标回波信号的波形匹配，提出了一种新的目标检测和识别的方法，该方法不需要进行特征提取，而是直接利用目标回波进行匹配处理来同时检测和识别目标，这种方法也可用于隐身目标的检测和识别，通过不同条件下的仿真试验可以看出这种方法能有效地检测和识别目标。     

多特征子空间波形优化设计方法

针对宽带雷达方位不确定的目标识别波形优化设计问题,该文在色噪声背景下提出一种多特征子空间方法,简称为MES方法。它通过各类目标在各个方位下的回波的可分性进行分析,选择多个可以较好体现各类目标回波差异的特征向量,张成多个特征子空间,然后将期望信号投影到这些子空间上形成优化波形。仿真表明,相对于已有方法,该优化方法能更加平衡地增大每一个方位下目标的可分性,从而有效地提高了目标的识别率。     

基于并行PO/EEC的ISAR回波生成与成像仿真

为了满足基于模板的逆合成孔径雷达（ISAR）目标识别对海量高分辨模板图像的工程需求,提出了一种基于并行电磁散射特性计算技术的ISAR图像信号级仿真方法。首先,以OpenMP技术为基础采用并行物理光学和等效边缘电磁流对目标的电磁散射特性进行快速计算;其次,以步进频率波形为雷达发射波形结合目标的电磁散射特性生成了宽带雷达回波数据;最后,对使用距离多普勒算法对仿真回波数据进行处理生成ISAR像,并与点阵模型成像结果进行了对比分析。实现了对ISAR图像的信号级快速仿真,对ISAR系统设计与验证、ISAR图像解译和目标识别以及ISAR成像处理等具有重要意义。     

基于最大信噪比准则的认知雷达波形优化算法

针对雷达回波信号的信噪比问题,提出了一种认知雷达的优化波形算法。它参考点目标、高斯白噪声下的匹配滤波原理,利用Schwarz不等式和拉格朗日算法,得出了优化信号与杂波功率谱之间的关系表达式。仿真表明,相对于线性调频(LFM)信号,该算法可以提高雷达回波信号的输出信噪比,从而提高了雷达的目标检测概率。     

基于最大信噪比的雷达波形优化方法

针对雷达回波信号的信噪比问题,本文在各种通用杂波功率谱模型下提出了一种优化波形算法.它参考点目标、高斯白噪声下的匹配滤波原理,利用Schwarz不等式和拉格朗日算法,得出了优化信号与杂波功率谱之间的关系表达式.仿真表明,相对于线性调频信号(LFM),该算法可以提高雷达回波信号的输出信噪比,从而提高雷达的目标检测概率.     

波形分析数字动目标跟踪技术

本文提出了雷达距离粗密自动跟踪的一种新方法－波形分析数字动目标跟踪技术，波形分析数字动目标跟踪是通过高速采样存储雷达回波信号。然后分析回波波形信息藓取目标的距离误差而进行自动跟踪的，，波形分析数字动目标跟踪系统与传统的分裂波门跟踪系统比较具有测距精度高，距离误差与回波强度无关，识别并抗欺骗干扰能力强等优点。     

基于目标稀疏性的雷达距离超分辨

雷达目标在观测空间中通常是稀疏的。当雷达发射线性调频信号时,目标回波的匹配滤波实际上是频域去斜脉压,回波信号在频域去斜后变成复正弦波。基于目标稀疏性和去斜回波的复正弦形式,可以构造多目标频域去斜回波的距离维稀疏信号模型,然后利用凸优化方法求解目标的距离,同时实现雷达距离超分辨。本文提出了一种基于目标稀疏性和频域去斜的距离超分辨方法,理论分析和仿真实验表明,该方法的距离分辨率超过了常规脉冲压缩技术,从而实现了雷达距离超分辨。     

分布式卫星多发射波形－地面运动目标检测系统研究

 针对分布式小卫星雷达系统的地面低速运动目标检测,本文给出了一种新的基于多发射正交编码信号的单接收GMTI处理系统体制,详细分析了该系统对多发射正交编码波形的性能要求,并基于此给出了相应的正交波形优化设计方法.在这种新的系统体制中,采用不同卫星分别发射优化后的正交波形,在接收卫星上将回波信号分别和各个发射信号匹配得到不同发射卫星所对应的图像,然后利用基于图象域的多通道、多像素二维联合自适应处理进行地面低速运动目标检测,这样避免了多颗卫星之间的数据传送,提高了整个系统的实时处理性能.采用的正交波形优化设计方法以接收回波信号中匹配出各发射卫星的一维像性能为优化准则,即利用一维像的主瓣形状和旁瓣性能的约束来实现.波形正交性、算法收敛性、杂波相消以及动目标检测方面的仿真结果和性能分析验证了该系统以及相应算法的可行性和有效性.     

基于量子遗传算法的MIMO雷达正交信号波形设计

正交信号波形设计是MIMO雷达领域的研究热点,随着技术的发展,MIMO雷达对正交信号波形的性能要求越来越高。针对现有MIMO雷达正交信号波形互相关峰值较高且算法收敛速度慢的问题,为了提高码长较长的正交信号波形的性能,本文使用量子遗传算法,将量子计算与遗传算法相结合,进一步降低了波形的互相关峰值,一方面降低了不同目标回波之间的相互干扰,提高了雷达系统的检测性能,另一方面使雷达系统更难被敌方定位,提高了雷达的战场生存能力。仿真试验的结果表明,该方法能有效提高波形的正交性能,并加快了优化的速度。      

基于凸优化的宽带雷达波形优化方法

针对宽带雷达目标识别波形优化中多类目标方位和初相不确定问题,在高斯色噪声背景下提出一种基于凸优化的波形优化方法。该算法通过半正定松弛方法对目标识剐波形优化这个非凸问题进行近似求解,较好地解决了多类目标方位和初相不确定情况下的波形优化问题。仿真结果表明：该方法可以有效增加各类目标之间的可分性,从而提高目标识别性能。     

Optimal resolution of superimposed action potentials

This paper presents a practical algorithm for resolving superimposed action potentials encountered during the decomposition of electromyographic signals. The problem is posed as an optimization problem: to align a set of templates with a given waveform to minimize the euclidean distance between them. The algorithm uses a recursive approach to search all possible discrete-time alignments, starting with the most likely ones and stopping once it can be verified that the optimal alignment has been found. Each candidate solution is aligned to finer-than-sampling-interval resolution using interpolation and continuous-time optimization. Both the cases in which the identities of the involved templates are known and not known are considered. Simulations are presented to show that the proposed algorithm is very accurate even for complex superpositions involving three or more similarly shaped templates, destructive interference, and added noise.     

Feature extraction and recognition for echoes of HRR radar

This paper describes a novel target recognition scheme using High Range Resolution (HRR) ra-dar signatures. AutoRegressive (AR) method is used to extract features from HRR radar echoes based on scattering center model of target. The optimal linear transformation based on Euclidian distribution distance criterion is performed on AR model parameter vectors to reduce dimension of feature vectors further and improve the class discrimination capability of feature vectors. The optimization algorithm is designed utiliz-ing the quadratic property of criterion function and Gaussian kernel based Parzen window density function estimator. The concept of Stochastic Information Gradient (SIG) is incorporated into the gradient of cost function to decrease the computational complexity of the algorithm. Simulation results using three real air-planes, data show the effectiveness of the proposed method.     

Robust Waveform Design for MIMO Radar with Imperfect Prior Knowledge

Waveform optimization for multi-input multi-output radar usually depends on the initial parameter estimates (i.e., some prior information on the target of interest and scenario). However, it is sensitive to estimate errors and uncertainty in the parameters. Robust waveform design attempts to systematically alleviate the sensitivity by explicitly incorporating a parameter uncertainty model into the optimization problem. In this paper, we consider the robust waveform optimization to improve the worst-case performance of parameter estimation over a convex uncertainty model, which is based on the Cramer–Rao bound. An iterative algorithm is proposed to optimize the waveform covariance matrix such that the worst-case performance can be improved. Each iteration step in the proposed algorithm is solved by resorting to convex relaxation that belongs to the semidefinite programming class. Numerical results show that the worst-case performance can be improved considerably by the proposed method compared to that of uncorrelated waveforms and the non-robust method.     

干扰环境下MIMO雷达波形与接收滤波联合优化算法

传统雷达一般采用固定的发射波形,在干扰环境下很难获得最优的目标检测性能。针对这一问题,利用集中式多输入多输出(MIMO)雷达波形分集的优势,提出了一种干扰环境下的MIMO雷达波形与接收滤波联合优化算法。以最大化输出信干噪比为准则,使发射波形满足恒模条件,同时施加波形与具备较好脉压特性雷达波形之间的相似性约束,建立了有限相位发射波形与接收滤波权值的优化模型。然后,在循环迭代的算法框架下,将优化问题分解为2个子优化问题,并分别采用拉格朗日乘子法、半正定松弛技术对子优化问题求解,得到发射波形与接收滤波权值的联合优化结果。仿真结果表明,所提算法较现有方法相比有更高的输出信干噪比,使干扰信号的抑制性能得到改善,同时可兼顾发射波形的脉冲压缩特性。     

基于LRMO及MCA的机载雷达风电场杂波抑制方法

风力发电迅速发展,风电场杂波使机载雷达产生大量虚假目标,导致机载雷达出现检测概率下降、虚警概率上升等问题。因此,研究机载雷达风电场杂波抑制方法对于提升机载雷达工作性能具有十分重要的意义。考虑到机载雷达风电场杂波先验信息无法实时获取、难以估计且机载雷达回波频谱更加复杂等特殊问题,本文基于低秩矩阵优化（LRMO）算法根据风电场杂波与目标微动特征随时间的不同变化特性,实现目标与风电场杂波处于不同距离单元的风电场杂波抑制。目标与风电场杂波处于同一距离单元时,考虑到LRMO算法存在的局限性,依据风电场杂波与目标的不同稀疏特性,利用形态成分分析（MCA）算法进行补充抑制风电场杂波。实验结果验证了所提方法的有效性。      

基于信息熵的分布式MIMO雷达回波相位补偿与相参积累方法

针对分布式多输入多输出(Multiple-input Multiple-output,MIMO)雷达回波信号相参积累问题,提出了一种利用信息熵作为优化准则的多节点回波相位补偿与相参积累方法。采用正交频分复用线性调频信号(Orthogonal Frequency Division Multiplexing Linear Frequency Modulated Signal,OFDM-LFM)作为发射波形,通过匹配滤波完成耦合回波分离和脉冲压缩,然后在频域进行频移操作消除步进频的相位影响,利用信息熵估计距离对齐后的多节点回波相位差,随后构建相应的相位补偿函数,进而完成各节点回波的相位差异补偿,最终得到分布式MIMO雷达多节点回波信号的相参积累结果。所提方法可同时处理多个节点回波,仿真实验验证了该方法的有效性。      

一种稳健的盲稀疏度压缩感知雷达目标参数估计方法

针对压缩感知雷达(Compressive Sensing Radar, CSR)在感知矩阵和目标信息矢量失配时距离-多普勒参数估计性能下降的问题,该文提出一种稳健的盲稀疏度CSR目标参数估计方法。首先建立了CSR系统模型失配时的距离-多普勒2维参数稀疏感知模型,推导了以最小化感知矩阵相干系数(Coherence of Sensing Matrix, CSM)为准则的波形优化目标函数。其次提出了一种新的盲稀疏度CSR目标参数估计方法,通过发射波形,系统模型失配误差和目标信息矢量的相互迭代,逐步校正系统感知矩阵,最终以较高精度估计目标距离-多普勒参数。与传统CSR目标参数估计方法相比,该方法显著降低了CSR系统距离-多普勒参数的估计误差,改善了CSR目标参数估计的准确性和鲁棒性。计算机仿真验证了该方法的有效性。     

主从模式编队卫星SAR压缩感知成像算法

为减轻主从模式编队卫星SAR对稀疏目标场景回波信号的采集与传输负担,提出了编队卫星SAR的回波信号稀疏方法。在研究编队卫星SAR回波信号特征的基础上,构建了编队卫星SAR距离向和方位向的稀疏基、测量矩阵和重构矩阵。针对主从模式编队卫星SAR与地面的数据传输特点,提出了低传输负荷下的主从模式编队卫星SAR压缩感知成像方法,并借助于正交匹配追踪算法 (Orthogonal Matching Pursuit,OMP) 对稀疏后的回波信号进行了恢复重构,获得了高质量的编队卫星SAR图像。仿真结果表明,针对稀疏目标场景,本文提出的压缩感知成像方法利用较少的回波数据便能重构出原始目标场景,实现了低负荷下的编队卫星SAR成像。