分布式多通道雷达成像技术

该文针对稀疏分布的多发射/接收阵元所形成的多通道雷达系统,提出了一种分布式多通道雷达成像技术。利用发射/接收阵元角度分集和信号分集的特点,将各个通道上的信号进行相干合成获得在目标散射函数波数域二维支撑域上的等效观测。经过支撑域整形和数据重采样,可反演出目标散射函数的二维图像。该雷达成像系统不需要庞大的天线,只需要多通道雷达的单次快拍即可成像,从而避免了ISAR成像中的运动补偿问题。并且由于采样点在波数上的位置已知,可对重构的目标二维散射函数进行准确地定标。文中给出了具有宽带发射信号的多通道成像系统,仿真结果表明了该系统具有很好的成像性能。     

一种复杂运动目标的ISAR成像算法

在对复杂运动目标进行逆合成孔径雷达成像时,由于转动矢量随时间而变化,回波信号中会引入一个与散射点位置有关的相位误差,无法用通常的相位补偿方法进行校正,应用距离-多普勒算法获得的ISAR(Inverse Synthetic Aperture Radar)像会变得模糊.本文分析了目标转动矢量变化使得ISAR像模糊的内在原因,给出了目标三维转动状态下的ISAR信号形式,并基于散射点信号的特点提出了一种复杂运动目标的ISAR成像算法.该算法不仅适用于转动矢量方向不变的非均匀转动目标,而且对于转动矢量方向缓慢变化的目标,算法仍然能够有效地提高ISAR成像的质量.仿真试验结果表明了该算法的有效性.     

海面目标ISAR成像的杂波仿真与抑制

对海面目标进行ISAR成像时,会受到海杂波的影响。文中分析了ISAR成像中海杂波的统计分布模型、时间相关特性和空间相关特性,给出了一种相参杂波的仿真方法,并提出了一种ISAR中的杂波抑制算法。仿真算法利用球不变随机过程产生K分布相参杂波,并通过两次线性变换,使得杂波满足给定的时间和空间相关特性。为抑制ISAR信号中的海杂波,本文应用恒虚警检测技术,在预处理的ISAR像上设定一个适当的门限,以保留散射点信号、滤除杂波。最后,仿真结果证明了该算法的有效性。     

基于雷达高度表信号的低空目标检测技术

针对低空目标突袭的威胁,根据低空目标普遍携带雷达高度表的特征,提出了基于雷达高度表信号探测的低空目标检测技术。针对海面飞行环境,根据双基地雷达的原理,对海面雷达散射信号进行了理论计算,从功率角度对低空目标检测可行性进行了分析,并给出了将侦察系统升空探测低空目标所携雷达高度表信号的方法,达到了对低空突防目标预警探测的要求。     

一种非均匀转动目标的ISAR自聚焦算法

在ISAR成像中,目标的非均匀转动会引入与散射点位置有关相位误差,无法用统一的相位误差函数表示,因此通常的自聚焦方法难以消除。针对加速转动目标,本文提出了一种基于离散调频傅立叶变换(discrete chirp-Fourier trans- form)的自聚焦算法。在预先选定的距离单元上,利用离散调频傅立叶变换提取最大功率散射点对应的调频信号,并以之为参考信号消除目标平动引起的相位误差。然后,利用同样的方法,在多个距离单元上提取最大功率散射点对应的调频信号,根据该散射点信号估计目标非均匀转动的参数,并进行非均匀采样,去除非均匀转动的相位误差。将该算法应用于仿真试验和实测数据的ISAR成像中,都得到了较好的聚焦结果。     

非高斯噪声下的滤波算法跟踪低空目标

雷达跟踪低空目标 ,由于多径效应的影响 ,在俯仰角测量上会近似周期地出现方差很大的尖峰误差 ,这时应用卡尔曼滤波算法会导致较大的跟踪误差。文中近似地建立了多径条件下观测噪声的非高斯模型 ,并应用非高斯噪声下的滤波算法跟踪低空目标 ,通过计算机仿真得到了满意的结果     

基于散射点信号特性的ISAR成像时间选择算法

在舰船目标ISAR成像中,在有些相关成像时间内,海浪的作用会使得舰船目标具有俯仰、偏航和滚动的三维转动,目标的ISAR像变得模糊。为获得聚焦的ISAR像,需要合理地选择成像时间,使得在相关成像时间内,目标仅具有二维转动。本文提出了一种成像时间选择的算法,该算法利用离散调频傅立叶变换估计散射点信号的参数,并根据二维和三维转动引起目标散射点信号特性的不同,推断目标的运动状态,选择成像时间。算法中有效利用了多个散射点的信息,但不要求跟踪目标特定位置上的散射点。文中还分析了算法估计的性能,并通过仿真试验证实了该算法的有效性。     

复角法存在的问题及其改进研究

详细分析了雷达采用复角法 (CA)来进行低角度目标跟踪的原理、方法及在实际应用中存在的问题。提出了一种应用于天线高度 /雷达波长比较大雷达的改进复角法 ,并给出详细的计算步骤。通过对某岸基雷达分别采用原方法和改进方法进行的一般性仿真对比研究 ,得出了非常有益的结论     

基于雷达微B显数据的目标识别方法

提出了一种基于低分辨雷达微B显数据的目标识别方法：首先进行微B显数据的预处理；然后提取特征量；最后应用BP神经网进行雷达目标的粗分类。利用雷达实测数据的仿真结果表明，该方法可以较好地完成目标的粗分类，并达到90％左右的识别率。