基于深度神经网络的自适应波束形成算法

阵列天线接收到的期望信号和干扰信号,其入射的到达角度(Angle of Arrival,AOA)总是快速变化的,而传统波束形成算法计算量大,无法实时计算。针对这一问题,提出了一种基于深度神经网络的自适应波束形成(Deep Neural Network Adaptive Beamforming,DNNABF)算法,用入射信号AOA组成的向量作为网络输入,网络输出逼近最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法求得的权矢量。仿真结果表明,卷积神经网络(Convolutional Neural Network,CNN)与DNNABF方法都能准确拟合MVDR算法权矢量,可在入射信号AOA快速变化时自适应地形成波束和零陷,但DNN计算速度相对MVDR有将近6.5倍的提升,训练模型时间也远低于CNN。     

一种认知MTD雷达脉间编码设计方法

认知动目标检测(MTD)雷达系统根据时变的杂波环境改变发射,从而改善回波的信杂噪比(SCNR)。针对在信号相关杂波中MTD雷达的发射设计问题,研究了基于慢时间域脉冲编码的MTD雷达模型,讨论了SCNR改善的可行性;提出了用于SCNR改善的脉间编码优化设计准则,给出了优化问题的简化方法,并针对锥约束下的二次型规划(CCQP)问题提出了一种基于简约梯度法的编码设计方法。仿真结果表明,慢时间域编码优化能够有效改善回波的SCNR,且该算法具有运算量小和实时性能好的特点。     

基于OFDM的多载波调制雷达系统信号处理及检测

该文首先给出了基于OFDM的多载波调制(OFDM-MCM)雷达系统的回波模型,在此基础上推导了系统的匹配滤波输出解析式,分析了系统的检测性能,并通过仿真对比分析了单载波调制(SCM)雷达和OFDM-MCM雷达的脉冲压缩输出积分旁瓣比和接收机工作特性。结果表明,与SCM雷达相比,在测量高速目标时,OFDM-MCM雷达具有更优的脉冲压缩性能和更高的检测概率。     

基于最大输出信噪比准则的自适应脉冲压缩

传统的匹配滤波只能将距离旁瓣压缩到一定的程度,因此可能出现强目标的旁瓣掩盖弱目标的情况。针对上述问题,该文提出了基于迭代思想和最大输出信噪比准则的自适应脉冲压缩方法,该方法利用先验目标距离像信息来实现自适应地抑制距离旁瓣和噪声。该文首先推导了算法原理,然后给出了算法的实现步骤,最后讨论了算法的收敛性及优化。仿真结果表明,该算法可以自适应地实现旁瓣抑制,并在多目标和运动目标的情况下能够实现有效的脉冲压缩。     

认知雷达干扰和旁瓣均衡抑制的波形设计

针对认知雷达具备环境感知的特点,研究了基于干扰先验信息的认知雷达波形设计方法。首先在接收端旁瓣电平和干扰电平相等的约束条件下,根据最小均方误差（Minimum Mean Square Error, MMSE）准则设计了认知雷达波形设计的代价函数,接着利用交替指向法将优化问题进行分解,然后利用拉格朗日（Lagrange）乘子法引入多个辅助变量和KKT最优条件性进行求解,最后通过计算机仿真验证了算法的有效性。仿真结果表明,所提算法能够实现对干扰信号和自身处理旁瓣的均衡抑制,提高了雷达接收处理的动态范围。     

基于MM算法的脉冲串模糊函数设计方法

针对离散相位调制脉冲串信号的模糊函数优化问题,提出了一种基于MM算法的波形设计方法。MM算法是一种求解最优化问题的迭代算法,通过重复“构造辅助函数-求解辅助函数最优值”的过程,可以逐步逼近原问题的全局最优解。本文首先将脉冲串模糊函数设计问题建模为带约束四次型最优化问题,然后根据泰勒展开,给出了位于原函数上界的辅助函数的构造方法。其中,辅助函数的形式为带约束二次型最优化问题,可通过交替方向乘子法（ADMM）求解。最后通过计算机仿真说明了该方法的有效性。     

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法.该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的"亮线"特征进行检测.与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势.最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性.     

抗压制干扰的低距离旁瓣相位编码设计

雷达系统可通过发射具有低距离旁瓣的波形提高对目标的探测性能,通过最小化干扰信号经滤波器处理后的输出水平来对抗压制干扰。本文以联合最小化干扰信号输出功率和发射信号距离旁瓣为准则建立目标函数,引入权系数来折中考虑干扰输出和距离旁瓣的影响,离散相位形式的相位编码作为约束条件,采用交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）求解目标函数,设计最优相位编码发射波形,并在此基础上结合类幂迭代法（Power Method-Like Iterations, PMLI）提出一种复合算法（Composite Algorithm, CA）,在保证雷达的探测性能和抗干扰性能的同时,有效提升了算法的计算速度。     

基于LFM-PC复合调制信号的正交波形设计

相位编码(Phase Coded,PC)信号运用在高速运动平台和高速目标探测中存在多普勒敏感问题,制约了其在宽多普勒容限正交波形中的应用。本文研究了一种基于线性调频(Linear Frequency Modulation, LFM)信号和PC信号复合调制的宽多普勒容限信号形式—LFM-PC信号,推导出了其脉间信号的模糊函数离散表达式,在多普勒容限内以归一化自模糊函数旁瓣与互模糊函数之和的最小化为准则建立优化设计模型,提出了一种基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的低复杂度信号优化方法。仿真结果表明,基于ADMM优化后的LFM-PC信号在多普勒容限内具有较好的波形分集增益与波形隔离度,优化算法具有收敛速度快,运算量低的特点。      

基于互信息的有源压制干扰下相控阵雷达多目标跟踪时间资源优化配置算法

本文针对有源压制干扰下的相控阵雷达(Phased Array Radar)多目标跟踪时间资源优化配置问题,提出了一种基于互信息(Mutual Information, MI)的配置算法。采用MI准则作为目标跟踪性能量化指标,推导了包含时间变量的雷达回波与路径增益矩阵MI表达式,建立了时间资源优化配置模型,并采用改进的遗传算法实现了模型求解。仿真结果表明,该算法能在有源压制干扰条件下最大化有效跟踪目标数,并提高有效跟踪目标的整体跟踪性能,具有较高的理论和工程应用价值。