空间不合成平板端射阵列副瓣研究

平板端射天线组阵不符合常规天线组阵规律,增益随着天线单元间距的增大而提高,在1.5倍波长时增益最高,但同时引入栅瓣问题.采用不均匀布阵抑制栅瓣,将阵元间距的稀疏约束从0.5λ栅格扩展到1.5λ栅格.经过大量仿真分析,发现当天线单元最小间距为1.5λ时,按常规不均匀阵列优化原理优化天线间距,可以抑制栅瓣但无法解决引入的高...     

平板端射阵列栅瓣抑制研究

平板端射天线通过优化产生了特殊的组阵规律即天线间距为1.5倍波长的阵列形式,该阵列形式存在栅瓣问题。本文通过提出一种解决栅瓣的途径——正交信号激励的阵列形式,建立了阵列模型,针对阵列模型开展了大量仿真计算,仿真结果证明该阵列形式可以有效抑制栅瓣,实现较低的峰值副瓣电平。     

数字端射阵列栅瓣抑制研究

通过拉大端射天线阵元间距到1．5λ,可以获得组阵高增益,但是引入了栅瓣问题。提出了一种基于最小二乘估计的虚拟内插阵元算法来实现栅瓣抑制。虚拟端射阵列的阵元间距减小到（或者小于）0．5λ,这样栅瓣得到抑制。最后进行试验验证算法的可行性和正确性。试验结果表明：随着虚拟内插端射天线阵元个数的增加,栅瓣明显被抑制,峰值副瓣电平降低。在相邻两个实阵元间内插3个虚拟阵元,虚拟端射阵列保持了实端射阵列高增益,而实阵列峰值副瓣电平为-8．35dB,下降到虚拟阵列峰值副瓣电平为-18．25dB,栅瓣得到有效抑制。试验结果验证了基于最小二乘估计的虚拟内插阵元算法的可行性和正确性。     

下一代预警机

院士,是国家在科学技术领域所授予的最高学术称号的科学家。《懿博客》栏目特邀国内各专业领域的院士,评述前沿、高端的国防技术或武器装备。不能用雷达为预警机划代预警机开始于雷达升空,主要用来探测低空目标。因此,人们常常以雷达的技术特征作为预警机划代的主要依据,     

改进粒子群算法综合有间距约束的稀布阵列

提出了一种基于改进粒子群算法的稀布阵综合新方法,用于优化设计有最小阵元间距约束的稀布阵.该方法通过改造适应度函数,有效避免了粒子更新时出现不可行解,通过个体描述方式可使搜索空间减小.在给定阵列孔径和阵元数的条件下,高效地实现了任意最小阵元间距约束下抑制分布式线阵峰值旁瓣电平的阵列综合.文中给出了改进粒子群算法的流程,通过仿真实验证实了该方法的有效性和稳健性,并得到了比文献[2-3]更好的数值结果.     

虚拟阵元应用于平板端射天线的新型组阵方法研究

在端射天线组阵中,由于天线单元间的复杂互耦,端射天线小间距组阵时副瓣电平抬高得不到预期增益的提高,通过拉大单元间距可以抑制互耦、获得高增益,但又导致出现栅瓣电平.基于此,提出一种基于平板端射天线内插虚拟阵元的新型组阵方法——数字虚拟端射组阵方法,并对侧向组阵时该方法的数字波束合成结果与实际端射天线阵的三维电磁仿真软件(CST)仿真结果进行对比分析,最后,通过实验测试验证了该方法对于抑制端射天线阵栅瓣的有效性.     

天基雷达的几个基本问题

在分析雷达卫星-地球几何关系的基础上,给出天基雷达在搜索、跟踪和SAR模式下用功率孔径表示的雷达方程,进一步分析了主瓣杂波多普勒带宽与最小可检测速度的关系、距离模糊与脉冲重复频率的关系、波束主瓣地面面积与下视角的关系以及地球转动对地面回波多普勒频率的影响等方面的问题,得出的结论可以作为进一步研究天基雷达的基础。     

随机误差对模块化阵列天线副瓣的影响

推导了相位误差、单元位置误差和子阵位置误差的取值范围与模块化阵列天线副瓣累积概率的关系,以及单元位置误差、子阵位置误差与整体位置误差的关系.通过实例说明,激励幅相误差、单元位置误差和子阵位置误差,对实现超低副瓣都是至关重要的.     

基于多帧观测联合感知的空时自适应处理

在机载雷达体制中,空时自适应处理STAP(Space-Time Adaptive Processing)可有效抑制杂波并显著提高雷达对慢动目标的检测性能.但是在非均匀环境中,缺乏独立同分布的训练样本会使STAP性能严重下降.针对这个问题,本文提出一种基于多帧观测联合感知的空时自适应处理方法.该方法交替发射正交信号和普通的相控阵信号.检测前,通过当前及先前的环境回波感知观测场景获取杂波信息;检测时,先利用杂波信息结合平台参数及系统参数估计杂波协方差矩阵,再将估计的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器,抑制杂波,提高输出信杂比.仿真结果表明,与现有的知识辅助类STAP算法和降维算法相比,该方法在缺乏准确先验知识的情况下,可以有效地抑制非均匀杂波.     

基于联合稀疏恢复的宽带雷达动目标检测方法

针对宽带雷达目标回波存在越距离单元走动的问题,该文提出一种基于联合稀疏恢复的宽带雷达动目标检测方法。该方法先在频域对回波数据进行预白化处理,抑制杂波;然后在频率-慢时间域推导出目标信号的联合行稀疏表示,并通过联合稀疏恢复算法得到目标的频域估计;最后通过逆傅里叶变换得到目标的时域估计。仿真结果验证了该方法的有效性。