短序列多项式相位信号的参数估计

恒定幅度的多项式相位信号(PPS)由其相位多项式系数表征。针对短序列PPS参数估计的困难,在介绍基于高阶模糊函数(HAF)和乘积高阶模糊函数(PHAF)参数估计算法的基础上,通过对该算法的估计效果特别是短序列情况的分析,提出短序列PPS参数估计的一般方法和对该算法的改进。Monte-Carlo仿真表明,改进算法改善了PPS参数估计的效果,同时提高了运行效率。     

一种基于HAF的多分量多项式相位信号参数估计算法

多项式相位信号（PPS）的参数估计是雷达信号处理的一个重要内容,最大似然估计法、时频分析以及高阶模糊函数法因为自身的缺点而很难进一步提高参数的估计精度。文章提出了基于高阶模糊函数（HAF）和迭代法相结合的估计算法,不仅可以避免交叉项的影响,而且能以较小的计算量有效提高估计的精度。MATLAB仿真验证了该算法的有效性和可行性。     

逆合成孔径雷达成像的机动目标平均补偿

逆合成孔径雷达成像中平动补偿可以分为两步进行,即平动粗补偿（包络对齐）和平动精补偿（自聚焦）。经过多年的研究,包络对齐和自聚焦都有一系列算法,但是,这些算法的提出和分析都是基于目标平稳飞行的。随着对机动目标瞬时成像研究的深入,表明当不发生距离走动的情况下,平稳飞行的包络对齐方法完全适用于机动飞行,但大部分自聚焦方法对机动飞行目标不再有效,为此提出一种基于相干积累的适用于机动目标的自聚焦方法,仿真和实测数据的处理表明该方法是有效的。     

基于瞬时幅度和调频率估计的机动目标成像方法

逆合成孔径雷达（ISAR）机动目标成像受到研究者的广泛重视,在已有的机动目标成像算法中,通常假设在综合孔径处理期间,各距离单元内各散射回波是等幅线调频信号,在实际中,以上假设仅是近似成立,基于此假设的机动目标成像算法难以得到目标的较高质量的像。文中采用更精确的信号模型——多分量调幅-线性调频（AM-LFM）信号表示实际机动目标的各距离单元回波,并提出一种瞬时幅度和调频率参数估计的快速算法,通过这些信号参数,得到了机动目标的高质量的动态ISAR像序列,以利于目标识别,而且运算量比已有算法要小。     

具有三维转动目标的逆合成孔径雷达成像算法

传统的ＩＳＡＲ距离－多普勒法成像基于匀速运动的目标模型。当飞机目标作机动飞行时，转速和转轴经常是时变的，若用传统方法成像，会使图像模糊，甚至无法辨识。文中提出了距离－瞬时多普勒成像的概念和方法，它可对一般机动飞行目标成像，实测数据成像结果表明该文的方法是可行的。     

基于LWVD的机动目标ISAR成像新方法

为了提高机动目标的逆合成孔径雷达(ISAR)成像质量,提出了基于LWVD(L-Wigner-Ville分布)的机动目标ISAR成像新方法,通过计算回波数据不同距离单元的LWVD,得到不同时刻目标的瞬态ISAR像.与已有的时频分布相比,LWVD的时频聚集性进一步提高,而且对于多分量信号不存在交叉项干扰,计算简单,仿真数据结果验证了本文方法的有效性.     

基于三维目标的ISAR成像中的加窗问题研究

针对窗函数在应用中存在的泄露问题,探讨了三维目标逆合成孔径雷达成像中的加窗问题,以提高多目标分辨能力,获取高精度的成像效果。     

高频地波雷达机动多目标的信号处理方法

提出一种基于多信号分解和重建以及目标参数估计和运动补偿的信号处理方案.首先,通过对多目标回波进行自适Ch irp let分解和最小二乘误差准则下的重建,将多机动目标的信号处理问题转化为单机动目标的信号处理问题;然后,采用DPT算法估计每个目标的高阶运动参数,进而补偿目标运动对信号处理的影响,从而提高多普勒输出信噪比和改善估值精度.仿真结果验证了算法的可行性和优越性.     

一种基于FrFT的ISAR多目标成像方法

针对逆合成孔径雷达（IsAR）同一波束内多个运动目标在距离上重叠时的成像问题,提出了一种基于分数阶傅里叶变换（FrFT）的ISAR多目标成像新算法．首先建立多目标回波模型,通过分析各目标平动多普勒历程差异,得出各目标回波在同一距离门内均可近似为一组线性调频信号的结论．然后结合FrFT和Clean思想（FrFT-Clean）对多目标回波信号中各个目标的回波分量进行分离,最后用常规算法对各个单目标分别进行成像．仿真结果验证了该方法的有效性．     

基于EM算法的杂波环境下机动目标跟踪研究

提出了一种新的基于EM方法的杂波环境下实时机动目标跟踪算法，算法与交互多模概率数据关联算法结构近似，模型后验概率与关联概率由HMM滤波计算得到．仿真结果表明，所提算法跟踪精度与传统交互多模概率数据关联算法性能相当，该算法是有效的．     

A combination algorithm of Chaos optimization and genetic algorithm and its application in maneuvering multiple targets data association

The most important problem in targets tracking is data association which may be represented as a sort of constraint combinational optimization problem. Chaos optimization and adaptive genetic algorithm were used to deal with the problem of multi-targets data association separately. Based on the analysis of the limitation of chaos optimization and genetic algorithm, a new chaos genetic optimization combination algorithm was presented. This new algorithm first applied the "rough" search of chaos optimization to initialize the population of GA, then optimized the population by real-coded adaptive GA. In this way, GA can not only jump out of the "trap" of local optimal results easily but also increase the rate of convergence. And the new method can also avoid the complexity and time-consumed limitation of conventional way. The simulation results show that the combination algorithm can obtain higher correct association percent and the effect of association is obviously superior to chaos optimization or genetic algorithm separately. This method has better convergence property as well as time property than the conventional ones.     

CAPON方法在ISAR成像中的应用

采用CAPON法代替傅里叶变换估计正弦信号的幅度和频率时,旁瓣比较低,对频率的估计精度比较高,对平稳飞行目标进行逆合成孔径雷达(ISAR)成像,可以得到高分辨率的ISAR像;同时,把CAPON法推广到估计线性调频信号的参数,可用于对机动飞行目标进行成像.仿真数据和实测数据验证了CAPON法的优越性.