空间色噪声环境下双基地MIMO雷达角度和多普勒频率联合估计方法

该文提出了一种空间色噪声环境下双基地MIMO雷达角度和多普勒频率的联合估计方法。该方法利用相邻时刻匹配滤波器输出的互相关矩阵构造新矩阵,消除了空间色噪声的影响,通过对其进行奇异值分解(SVD)获得信号子空间,然后将相邻时刻匹配滤波器输出的时间相位差作为时间旋转因子,采用ESPRIT方法获得目标多普勒频率、波离方向(DOD)和波达方向(DOA)的联合估计。该方法没有阵列孔径损失,且所估计参数能够实现自动配对。计算机仿     

基于快速Radon-Fourier变换的雷达高速目标检测

Radon-Fourier变换(RFT)是一种根据目标的运动参数对位于距离-慢时间平面中的目标轨迹进行积分来积累雷达目标能量的方法。该文针对RFT算法的运算量大和未插值时由量化误差引起能量积累损失这两个问题,提出一种基于Chirp-Z变换(CZT)的快速RFT算法,该算法在频域实现,并将其实现过程和CZT算法结合在一起,成功的解决了以上问题。另外,在不增加运算量的前提下,该方法还能通过补偿目标的多普勒频率来消除匹配滤波损失。实验结果表明在理想情况下该方法的目标能量积累性能接近理论最优值。     

基于双约束的稳健波束形成技术

针对常规的自适应波束形成算法当训练数据中包含目标信号时,存在目标相消的问题,本文提出了一种基于双约束的稳健自适应波束形成算法,该方法不仅约束了目标方向的最小增益,同时也约束了权矢量的最大均方值。仿真分析表明,本文所提的方法不仅能够避免信号相消的现象,同时当存在导向矢量误差和少的训练数据的情况下也仍然有效,非常适合于用作工程领域。     

空间色噪声环境下双基地MIMO雷达DOD和DOA联合估计方法

针对空间色噪声环境提出一种同时利用空域和时域信息的双基地MIMO雷达DOD（Direction of Departure）和DOA（Direction of Arrival）联合估计方法。该方法在时域高斯白噪声的假设下．将不同时刻的匹配滤波器输出进行互相关以消除空间色噪声的影响并获得空时互相关矩阵，然后基于传播算子方法构造一低维矩阵，利用其特征参数与待估参数的特定关系获得目标DOD（DirectionofDe．parture）和DOA（DirectionofArrival）的联合估计。该方法能够有效克服空间色噪声的影响，所估计参数自动配对。与现有方法相比，其孔径损失小，具有更优的参数估计性能和最大可检测目标数。且对发射阵元个数没有特殊要求，具有更广泛的适用性。计算机仿真验证了本文方法的有效性。     

基于相位差变化率的直升机载无源定位技术

针对直升机载无源定位系统不仅要求具有高的定位精度还需具有快的收敛速度,提出了一种基于相位差变化率的直升机载无源定位跟踪算法,仿真实验表明相对于传统的唯方向定位跟踪算法,本文所提的方法不仅定位精度更高,还具有更快的收敛速度,能够更好地适应直升机作战要求。     

双基地MIMO雷达相干源角度估计方法

针对双基地多输入多输出(MIMO)雷达的相干源角度估计问题,分别在空间高斯白噪声和空间高斯色噪声背景下提出基于降维波达方向(DOA)矩阵的角度估计方法.首先对MIMO雷达相干目标的回波进行解相干处理;然后分别在两种噪声背景下构造DOA矩阵,并利用其与信号子空间的关系得到降维DOA矩阵,有效降低了原DOA矩阵法的运算量.之后利用降维DOA矩阵的特征参数与待估参数间的特定关系实现目标离开方向(DOD)和波达方向(DOA)的联合估计.该方法无需二维谱峰搜索,在两种不同噪声背景下均能有效估计相干源的二维角度并实现自动配对,且在接收阵列为非等距线阵的条件下仍具有适用性.仿真实验验证了该方法的有效性.     

空间色噪声环境下基于时空结构的双基地MIMO雷达角度和多普勒频率联合估计方法

该文针对空间色噪声环境提出一种基于时空结构的双基地MIMO雷达角度和多普勒频率联合估计方法,并推导了基于时空结构时角度和多普勒频率估计的克拉美-罗界(CRB)。该方法在时域噪声为高斯白噪声的假设下,首先将不同时刻匹配滤波器输出进行互相关以消除空间色噪声的影响,然后将相邻时刻匹配滤波器输出的时间相位差作为时间旋转因子,采用ESPRIT方法估计目标的DOD(Direction Of Departure), DOA(Direction Of Arrival)和多普勒频率。该方法能够克服空间色噪声的影响,所估计参数自动配对且无阵列孔径损失,并且适用于发射和接收阵列不满足平移不变结构的情况。计算机仿真验证了该文所提方法的有效性。     

交通监测毫米波雷达数据预处理方法研究

毫米波雷达交通监测场景中待检测目标较多、各目标间点迹特征接近,导致点迹凝聚精度低,对此, 文中提出一种改进的交通监测毫米波雷达数据预处理方法。首先通过短时多帧数据积累提高车辆目标点迹密度, 随后利用加权欧式距离度量点间距离以提高密集间隔目标的类间距离,并对点间距离分布进行曲线拟合实现聚类 算法参数的自适应求解,最后利用基于密度的噪声空间聚类(DBSCAN)算法对点迹进行凝聚处理。由雷达实测数据 进行实验验证,相较于传统方法,原始点迹数据经凝聚后跟踪得到车流量统计精度提高10. 97%,结果表明所提方法 能够对车辆点迹信息进行较为精确的凝聚,改善了毫米波雷达在交通监测领域的应用效果。