一种运动目标距离象的速度补偿方法

分析了步进频率雷达中目标运动对目标一维距离象的影响，得到了正确成像所需的速度补偿精度公式，提出了通过两步法进行速度补偿的方案。该方案首先用时域相关的方法粗估计出目标运动速度，进行补偿后再通过最优搜索的方法得到目标精确的速度估计。仿真结果表明该方法在较低的信噪比下，能够得到准确的速度参数，获得高质量的运动目标距离象。     

微动复杂目标雷达散射截面计算方法

在对雷达目标的动态特征提取和识别的研究中,需要能够逼真地反映目标的结构特性和运动特性的模拟信号。文中应用物理光学法和物理绕射理论,针对复杂动目标和多目标对目标面元和尖劈进行多普勒频率分级的方法实现了动目标的雷达散射截面计算;提出了微面元快速消隐算法和微动目标的模型剖分准则。应用该方法可以模拟转动、颤动以及非刚体运动目标的电磁散射特性。     

高速运动雷达目标一维成像新方法

针对频率步进体制雷达对高速运动雷达目标一维距离成像时所存在的问题,提出一种基于分数阶傅里叶变换的运动参数估计方法。利用估计得到的速度参数进行运动补偿后,通过改进的"循环移位"拼接算法,得到距离门内运动目标的全景一维距离像。仿真结果表明,该方法能够在较低信噪比、高速运动条件下得到高质量的一维距离像,且运算量较小,具有较高的实用价值。     

一种基于FFT和对称性的目标运动补偿新方法

运动补偿是频率步进雷达应用中的难点之一,文中首先分析了频率步进雷达多普勒效应对距离像的影响,并根据频率步进雷达中常见运动补偿方法的优缺点,提出了一种运用快速傅里叶变换（FFT）处理和频谱的对称性相结合进行速度估计和补偿的方法,并对单散射点和多散射点模型的速度估计原理进行了分析和推导,解决了多散射点模型中交叉项对速度估计影响的问题。理论分析和计算机仿真结果表明,该方法具有可行性,并兼有测速精度高、运算量小、抗噪声性能较强的优点。     

利用期望-最大化算法实现基于动态词典的压缩感知

在现有压缩感知(CS)理论中,重构信号需要预设其稀疏表示词典。对于以参数化模型表示的信号,只能预知该词典为某种形式的参数化词典,参数的具体取值难以确定。若将参数设定为取值空间的均匀离散格点,预设词典与真实词典之间的失配将使传统CS重构方法的性能严重恶化。为解决这一问题,该文提出一种基于动态词典的CS重构方法。通过迭代地优化词典参数,该方法在信号重构过程中对词典进行动态调整。为同时实现稀疏恢复与词典调整,该方法利用变分期望-最大化(EM)算法交替执行信号系数估计与词典参数优化。实验结果表明所提方法是有效的。     

宽带雷达目标散射中心类型参数估计性能分析

采用几何绕射理论（GTD）模型描述宽带雷达测量数据，其中类型参数α反映散射中心的局部几何特征。通过采用衰减指数和（DE）模型近似GTD模型并推导和化简类型参数估计的克拉美-罗限（CRB），得出可靠鉴别类型参数的条件。结果表明，增大相对带宽是提高散射中心类型参数估计精度的有效手段；另外，鉴别散射中心类型要求非常高的信噪比，在复杂环境下难以实现。最后采用仿真数据和实测数据验证了以上结论。     

一种基于3D-ESPRIT的散射中心参数估计算法

基于雷达目标的三维散射中心模型,提出了利用目标频域数据的3D-ESPRIT参数估计方法.该方法不需进行参数配对,不需要计算相关矩阵,计算量较小.仿真实验结果表明,该方法能够对雷达目标散射中心给出比较准确的估计值.与3D-MP(矩阵束)方法的估计结果相比较,验证了算法的正确性.     

雷达目标散射中心参数估计的极限性能分析

本文基于衰减指数和(DE)模型的克拉美-罗限(CRB)研究散射中心参数估计的极限性能.通过对单分量和双分量DE模型CRB矩阵的化简,获得了散射中心位置、强度、类型参数估计精度与雷达参数、目标参数的关系式,并导出了鉴别散射中心类型的信噪比门限和宽带雷达的极限分辨力.本文的结果均以解析式给出,揭示了各参数间相互影响的规律.仿真验证了结论的有效性.     

扫描型成像激光雷达仿真加速算法

扫描型成像激光雷达的建模和仿真是激光雷达信号处理和系统设计领域的一项重要研究内容。提出了一种快速成像仿真方法,在不影响仿真精度的同时提高了仿真效率。通过推导像元运动轨迹以及模型面元在像平面上投影的运动轨迹,得到判断像元和面元相交关系的不等式,利用时间剖分和近似处理,求解出像元和面元可能的相交关系,再对可能的相交关系判断是否确实相交,达到降低求交次数的目的。基于该方法,对6种目标进行仿真,算法仿真结果与传统方法得到的结果相同,求交次数与运算时间降低至传统方法的1%。     

用期望最大化算法抑制角闪烁的预处理方法

用高斯混合模型作为角闪烁噪声的近似统计模型,结合Kalman滤波器,提出了一种利用期望最大化(EM)算法抑制角闪烁噪声的预处理方法.首先采用EM算法处理一帧内的原始测量数据,预先得到目标真实位置的最大似然估计,这个预估计量服从渐进高斯分布,且其方差可求.然后将这个预估计量作为Kalman滤波器的输入量进行跟踪滤波,同时将目标位置的预测值作为下一帧EM迭代过程的初始值,进而形成闭环的跟踪滤波结构.仿真结果表明,该方法有效地抑制了角闪烁,使得Kalman滤波算法更加有效,从而提高了目标跟踪的精度.