自适应阵列抗干扰性能的解析定量分析

自适应阵列抗干扰性能常用输出信干噪比(Signal-to-Interference and Noise Ratio,SINR)损失、抗干扰改善因子(ECCM Improvement Factor,EIF)等来衡量,但目前尚缺乏解析的定量分析.为此,采用归纳法理论推导了均匀线阵条件下输出SINR损失、EIF等指标的解析表达式,定量获取了自适应阵列抗干扰性能.仿真实验验证了理论分析结果的有效性及快拍数对自适应阵列抗干扰性能的影响.     

大斜视SAR的多普勒参数估计

提出了一种适于大斜视SAR的数据域多普勒参数估计方法。该方法可在雷达运动参数未知的情况下,利用距离多普勒域信号的统计特性,实现距离徙动校正,提高传统自聚焦方法的精度,进而实现解多普勒模糊。对于低对比度场景,该方法还可直接用于多普勒调频率的估计。仿真及理论分析表明,该方法对场景对比度有良好的稳健性。星载SAR数据的实验结果证明了该方法的有效性。     

极不均匀合成孔径雷达杂波建模及恒虚警检测

基于合成孔径雷达(SAR)城区极不均匀杂波实际数据和Cramer-Von Mises距离,本文运用Rayleigh分布、Weibull分布、K分布和G分布对杂波进行了分布拟合检验.结果表明Rayleigh分布和Weibull分布难以拟合极不均匀场景回波,K分布只能部分拟合,而G分布的拟合程度最好.进而,针对G分布下的目标恒虚警检测问题,本文给出了不同参考单元条件下达到给定检测性能时信噪比随形状参数的变化曲线,分析了恒虚警(CFAR)性能损失随分布参数变化的原因,得到了确定恒虚警门限的有效方法.     

宽带Radon-Fourier 变换及基于CZT快速实现方法研究

宽带脉冲体制雷达中,脉冲尺度伸缩效应(PSE)和目标跨距离单元走动(ARU)问题会降低脉冲相参积累性能,进而降低微弱目标检测能力.为了解决PSE和ARU问题,文中给出一种宽带Radon-Fourier变换(WRFT)及其快速实现方法.首先设计了宽带匹配滤波器,然后通过联合搜索速度与距离参数空间,同时进行脉间相位补偿、宽带匹配滤波以及跨距离单元走动补偿,进而实现长时间脉冲相参积累.针对WRFT中参数空间遍历搜索带来大运算量问题,进一步给出了基于Chirp-Z变换(CZT)的快速实现方法.最后,数值实验验证了该方法的有效性.     

K分布雷达杂波中两种非参量检测器性能分析

分析了广义符号检测器(GSD)和秩二元累积检测器(RQD)两种非参量检测器在独立和相关K分布杂波下的检测性能.Monte Carlo数值试验表明,GSD在独立K分布杂波拖尾特性越明显时,达到指定检测概率所需要的信杂比越小,而RQD则与之相反.针对独立K分布杂波,RQD的第一检测门限等于参考单元数时可获得较好的检测性能.当参考单元数大于24时,继续增加参考单元数目对于提高两类检测器的检测性能的效果不明显.同时,两类检测器在相关K分布杂波下的虚警概率均会急剧增加,难以完成相关K分布下的CFAR检测.     

基于最近邻-拓扑图的异类传感器目标关联算法

针对雷达和高动态平台上的红外传感器构成的异类传感器信息融合系统中的目标关联问题,该文提出了一种基于最近邻-拓扑图的目标关联算法。该算法避免了系统误差补偿环节,有效地克服了最近邻方法对系统偏差敏感和拓扑图方法运算量大的不足,显著提高了存在系统误差条件下的关联成功率,且具有很强的稳健性。数值实验结果表明了该方法的有效性,目标关联正确率在90%以上。     

基于混合积累的VSAR地面运动目标检测和定位

基于多通道复图像联合处理,速度合成孔径雷达（VSAR）可有效抑制地物杂波,实现地面运动目标检测和定位。但运动目标图像散焦和速度模糊也限制了VSAR的微弱目标检测性能,同时导致了快速目标的方位定位模糊问题。为此,提出了基于距离-多普勒-速度域混合积累的VSAR运动目标处理新方法,显著改善了微弱运动目标检测性能,并可实现快速目标的速度解模糊和正确定位。新方法无需改变VSAR的系统结构,工程实用价值高。最后,数值仿真实验的结果证明了新方法的有效性。     

基于雷达脉冲重复间隔设计的Radon-Fourier变换盲速旁瓣抑制

盲速旁瓣可能增加长时间相干积累方法 Radon-Fourier变换(RFT)的虚警概率并影响检测性能。为此,该文提出一种基于脉冲重复间隔(PRI)设计的盲速旁瓣抑制方法。利用不同PRI盲速旁瓣位置及速度分辨率的关系,给出了PRI具体设计方法。然后,联合处理两个相邻相参处理间隔(CPI)的RFT输出结果,在不降低RFT积累性能的情况下实现盲速旁瓣(BSSL)的抑制。最后,数值实验结果验证了该文所提方法的有效性。     

基于神经网络分类的异类传感器目标关联算法

为解决雷达与高速动态平台上的红外传感器构成的融合系统中,系统误差估计、目标关联紧密耦合难于解决的问题,根据系统误差数值变化特性,该文提出了一种基于模式分类的系统误差补偿与目标关联联合处理的方法。该方法采用BP神经网络进行分类,省略了系统误差补偿环节,简化了融合处理流程,对一定范围内变化的系统误差有较好的容限。实验结果表明,该方法用于文中涉及的两类传感器组成的数据融合系统中,能实现目标正确关联的平均概率大于86%。     

软件化雷达P显实时坐标变换与实现

软件化雷达PPI光栅显示需完成极坐标测量数据向直角坐标的实时转换,而传统的利用简单数学公式直接转换的方式存在映射非均匀和运算量大等难题。基于整体映射和一一映射等不同逆映射方法,研究并提出了一种改进的一一映射新方案。新方法可有效解决量化漏点和区域重叠的问题,显著提高了映射查找表的形成效率,保证了PPI显示效果和实时性。最后,给出了新方法的具体实现流程,比较了与现有方法的效果,证明了新方法的有效性。